空间溢出、产业集聚效应与工业绿色创新效率

王 惠，苗 壮，王树乔

(1.河海大学商学院，江苏 南京 210098；2.淮阴工学院，江苏 淮安 223003；3泰州学院，江苏 泰州 225300)

空间溢出、产业集聚效应与工业绿色创新效率

王 惠1，2，苗 壮3，王树乔2

(1.河海大学商学院，江苏 南京 210098；2.淮阴工学院，江苏 淮安 223003；3泰州学院，江苏 泰州 225300)

本文将能源消耗和污染物排放纳入工业企业创新效率测度框架内，利用考虑非期望产出的Super-SBM模型度量2003—2013年中国工业企业绿色创新效率，通过核密度估计工业绿色创新效率的动态演进特征，在此基础上运用空间计量方法考察产业集聚对工业绿色创新效率的影响。结果表明:东部地区的工业绿色创新效率历年均值最高，核密度曲线显示中国省际工业绿色创新效率经历由 “单峰”到 “双峰”的动态演进过程；深入研究发现产业集聚在对工业绿色创新效率提升有着显著贡献的同时还存在明显空间外溢效应，并针对研究结论提出建议。

绿色创新；核密度估计；产业集聚；空间面板数据

1 引言

James等指出，假如没有绿色技术进步与创新就不可能有现实意义上的可持续发展。工业企业的技术创新不仅仅关系所在产业的技术水平，乃至关乎整个国家的技术创新，绿色创新已成为工业企业在保护环境的前提下赢得竞争优势、争取市场地位的必然选择[1]。国内学者对 “绿色创新”的定量研究起步较晚。韩晶[2]应用DEA方法测算2005—2010年中国各地区绿色创新效率，研究表明东部地区的绿色创新效率显著高于东北地区和中西部地区，结构调整、外资进入显著提升绿色创新效率，而技术市场、环境规制对其影响甚微。冯志军[3]利用DEA-SBM模型测评中国工业企业的绿色创新效率。任耀等[4]基于DEA-RAM模型构建体现创新驱动与绿色发展理念的绿色效率模型，并运用此模型度量山西省工业绿色创新效率。

通过梳理相关文献不难看出，尚无学者就产业集聚对工业绿色创新效率的影响展开系统研究。产业集聚内企业追求生产经营的利润最大化实现经济效益，然而，同类产业导致的外部性对绿色创新效率产生何种影响?据此，本文首先测度中国省际工业企业绿色创新效率，在此基础上运用空间计量模型进行实证检验，以期能对产业集聚与工业绿色创新效率的关系形成客观认识。

2 方法与模型

2.1 绿色创新的理论界定

绿色创新也常被称为 “可持续创新”、 “环境驱动型创新”、 “环境创新”、 “生态创新”。至今，学术界还未给出一个能被大众所理解并广为接受的绿色创新定义[5]。本文认为绿色创新是基于广义范畴的环境创新，其内涵是创新过程中各阶段都遵循生态经济规律和生态学原理，引导创新活动中减少能源和资源消耗、减弱对环境的污染和破坏，促进环境和经济和谐发展，以提升企业环境经济综合效益。绿色创新效率不同于以往单纯追求经济利益的传统技术创新效率，是创新效率的绿色化程度，即创新质量的绿色指数，是综合考虑能源消耗和环境污染后的创新发展质量测评[3]，目前，通常测度绿色指数采用建立指标体系并赋予各项指标权重进行评分[6]，为了有效避免主观性，本文将引入包含非期望产出的Super-SBM模型研究工业绿色创新效率问题。

2.2 Super-SBM

考虑到决策单元使用SBM模型会出现同时有效的情况，而不利于评价决策单元。工业企业创新过程必然存在环境污染等非期望产出，且若干不同地区工业创新效率会同时处于DEA效率前沿面。因此，本文在评价中国工业企业绿色创新活动中采用考虑非期望产出的Super-SBM模型。参照Tone和Hong Li等做法，一个排除决策单元 (x0，y0)的有限生产可能性集为[8]:

考虑非期望产出的Super-SBM模型的分式规划形式为:

式中，ρ∗是目标效率，其他变量含义与式(1)一样。考虑非期望产出的Super-SBM模型具有以下明显的特征:决策单元的效率值可以大于1，可以对多个效率有效的决策单元进行排序；充分考虑且有效解决投入产出变量的松弛性问题。

2.3 空间计量模型设定

事实上，正如地理学的第一定律所说，任何事物在某种程度上都是相互联系的，靠得越近的事物彼此联系就越强烈[9]，地区的工业绿色创新效率不可避免地会受到邻接地区的影响；探寻工业绿色创新效率驱动因素时，考虑到中国技术水平、资源禀赋、产业结构、人力资本等方面差异，空间依赖关系对工业绿色创新效率的影响可能更显复杂，构建空间面板模型，可弥补以往相关研究不足。

空间误差模型 (SEM)的形式如下:

式中，ETE表示工业绿色创新效率；IND表示产业集聚程度；μ是正态分布的随机误差向量；λ是n×1截面因变量向量的空间误差系数；ε为随机误差项向量。参数β表示控制变量M对因变量ETE的影响；参数λ是相邻地区观察值ETE对该地区观察值ETE的影响程度和方向。

空间滞后模型 (SAR)的形式如下:

式中，ETE是因变量；W是n×n阶的空间权值矩阵；μ是空间回归系数；ε是随机误差项向量。

2.4 样本数据和变量选取

(1)核心变量。本文分析的面板数据样本为中国30个省、市和自治区，西藏由于数据缺失严重，没有纳入其中。时间区间设为2003—2013年，具体指标数据来源于相应年份的 《中国统计年鉴》、《工业企业科技活动统计年鉴》、《中国科技统计年鉴》和 《中国能源统计年鉴》，少量缺失数据采用线性插值法补齐。

工业绿色创新效率 (ETE)。在采用 Super-SBM模型测评中国工业企业绿色创新效率之前，必须要确定投入产出具体指标。本文关注绿色创新基础性核心资源 (人力和财力)两个方面，将延续张江雪[10]、韩晶[2]的研究选取研发当期经费投入 (M)作为财力投入指标；R＆D人员全时当量 (H)作为人力投入指标。能源投入 (E)，任何工业企业从事绿色创新活动都离不开能源的使用，这里选择能源消费总量统一折算成标煤。产出指标由期望产出和非期望产出两部分组成。以专利申请数中的发明专利申请数以及新产品销售收入作为期望产出。本文着重研究工业企业绿色创新效率，势必要考虑在自主研发过程中污染物的排放，故以各省工业固体废物排放量、工业废水排放总量、工业废气中SO2排放量表示非期望产出，并借鉴屈小娥[11]采用Topsis综合评价法将其合成一个环境污染指数。

产业集聚 (IND)。Beechetti和Bagena分析来自意大利部分企业的样本结果发现产业集聚程度上升并不影响研发支出，但区域整体研发水平却得到显著提升。本文选取大中型工业企业数量作为衡量省际产业集聚水平的基本指标。

(2)控制变量。借鉴现有文献的研究成果，考虑到数据可获取性，选取以下几个控制变量:人力资本 (HUM)采用每十万人口中高等院校在校人数来表示；产业结构 (STR)为第三产业总值占国内生产总值比重；市场环境 (MAR)选取技术市场成交额来表示；企业规模 (SCAL)采用工业企业从业人员平均人数来表示；对外贸易(TRA)为各省区进出口总额占当年该省国内生产总值的比重。

3 实证分析

3.1 工业绿色创新效率时序变化

依据上述各省工业企业创新活动的投入产出面板数据，同时考虑到环境约束和能源投入，利用Super-SBM模型，测算2003—2013年30个省际的工业企业绿色创新效率。结合图1，中国三大经济区域的工业企业绿色创新效率表现明显差异性，这与中国经济发展水平的区域差异基本一致。

东部地区的工业绿色创新效率高于全国均值水平，西部和中部地区的工业绿色创新效率则低于全国平均水平。东部地区工业绿色创新效率之所以最高，是因为上海 (1.1124)、天津(1.0512)、广东 (1.1578)这三个省的工业企业绿色创新效率年均效率值都超过1，表明东部地区工业企业在能源节约、技术创新与环境治理方面等更胜一筹，工业绿色技术创新增长过程中扮演着 “领航者”的角色。

图1 地区工业企业绿色创新效率变动趋势

3.2 工业绿色创新效率动态演进

本文进一步采用非参数估计方法-核密度分布考察中国工业绿色创新效率的动态变化趋势，其基本原理为:设变量X在点x处的概率密度估计式f(x)如下:

式中，k(·)为核函数，h为带宽，n为样本数。具体估算时需要选择核函数和带宽，拟合结果关键在于最佳带宽，选择带宽的基本思想是遵循均方误差最小。核函数的形式有多种，选用较为常用的Epanechnikov核函数[12]。本文以2003年、2006年、2009年和2013年四个年度为考察剖面，各年度核密度函数分布如图2所示。

图2 工业企业绿色创新效率核密度图

从图2中可以看出中国工业绿色创新效率分布的动态演进呈现两个鲜明特征:一是2003—2013年期间中国工业绿色创新效率分布波峰不断右移，说明中国大多数省份的都存在工业绿色创新效率改善现象，且改善的省份数量在不断增多；二是工业绿色创新效率在2003年、2006年、2009年都呈现主体 “单峰”分布倾向，至2013年核密度分布图由 “单峰”型转变为 “双锋”型，与之前年份相比，波峰宽度明显变窄，工业绿色创新效率趋于集中，并逐渐向两个均衡点附近靠拢，一个在较低效率水平 (0.6)附近，一个在较高效率水平 (1.0)附近，说明2013年中国工业绿色创新效率呈现两极分化现象，省际之间差距有缩小的趋势。

3.3 空间溢出效应

笔者采用全局Moran's I指数来考察中国工业绿色创新效率空间分布是否存在依赖性和相关性。检验结果显示大多数年份的工业绿色创新效率Moran I正态统计量Z值均通过10%的显著性水平检验，表明工业绿色创新效率并非完全随机分布，有必要从空间维度对工业绿色创新效率的影响因素进行计量分析。

鉴于空间自相关检验结果 (见表1)，我们可以判定运用空间面板回归模型考察产业集聚(IND)对工业企业绿色创新效率 (ETE)影响较以往传统计量模型方法更为合适。在建立相关空间面板模型之前，首先对SEM和SAR模型进行Hausman检验，由于P值为0.000，强烈拒绝原假设，认为使用固定效应模型而非随机效应模型。到底是选择空间误差 (SEM)还是空间滞后(SAR)自相关模型进行分析，需要观察拉格朗日乘子滞后、误差以及稳健性检验。比较发现LM-lag(2.2775)大于LM-err(0.1343)，且通过显著性水平检验，所以本研究选取SAR分析更加适宜，以下的结果分析均以SAR模型的结论为主。

表1 空间相关性检验

从表2中的空间滞后模型中可以看出，SAR系数 (ρ)的均为正值，不论时间固定、空间固定还是时间和空间双固定模型中，都通过1%的显著性水平检验，表明工业绿色创新效率 (ETE)呈现空间集聚效应。在时间固定、空间固定还是时间和空间双向固定三种模型中，时间固定模型拟合优度最高，所以接下来的具体分析以时间固定模型为主。不论哪种模型的产业集聚回归弹性系数均显著为正，意味着产业集聚水平提高能明显改善工业绿色创新效率。产业集聚能加速建设工业企业绿色创新平台，吸收具有绿色创新性理念的人才，提供不同机构、企业以及社会各界关心环境以及能源问题的专业技术人员提供更多的面对面交流的机会。在这样 “干中学”中实现工业企业绿色创新，集聚的工业企业更易对发展绿色创新，走可持续发展道路的理念产生共鸣，进一步分享在创新过程中产生的污染治理和能源节约利用等方面的先进技术和途径。地理空间邻近，产业集聚内的工业企业之间的技术创新知识更加透明，率先在节能减排的创新效率取得成绩的企业很快就会遭到相邻企业的模仿和学习，有助于绿色技术在工业企业之间扩散，因为企业总是能通过技术跟踪、产品分解等等途径汲取先进的绿色创新技术来降低成本、迎合市场需求来获得长期利益。

为了进一步考察产业集聚水平作用，本文基于SAR模型的回归结果，将其对工业绿色创新效率 (ETE)的影响效应分解为直接效应和间接效应，具体结果见表3。

表2 空间面板数据SAR估计结果

表3 产业集聚对ETE影响效应分解

变量的间接效应，即变量的空间外溢效应，产业集聚对工业绿色创新效率的直接效应和间接效应均通过1%的水平的显著性检验。其中，直接效应占总效应的比重高达77%，而间接效应占总效应的比重为23%，直接效应约为间接效应的三倍，即产业集聚程度提高1%，促使本地的工业绿色创新效率提升0.0817%，间接带动相邻地区工业绿色创新效率增长0.0238%，表明一个省的工业产业集聚程度加深在带动本省的工业绿色创新效率改善的同时也对相邻省份的工业绿色创新效率提升起到促进作用。产业集聚能够架构企业之间的共生关系，营造出合作竞争的企业生存环境，当节省当地企业从事绿色创新研发的原材料的运输和采购费用的同时，相邻省区的工业企业为了保护市场份额必然在研发过程中节约能源和减少环境有害物排放，从而降低投入成本。

4 结论与建议

中国东部地区的工业企业绿色创新效率历年均值最高，中、西部地区的技术追赶效应明显；就省级层面而言，广东省工业绿色创新效率均值最高，效率值大于1的省份均位于经济较为发达的东部地区，展现出东部省份的工业企业在节能减排、技术创新、能源节约利用等方面表现突出。通过核密度曲线可以看出工业企业绿色创新效率核密度曲线由 “单峰”型转变为 “双峰”型，波峰宽度变窄，表明在样本考察期间省际的工业企业绿色创新效率之间差距在缩小，具有明显收敛趋势。空间计量结果发现产业集聚水平显著提升工业绿色创新效率，通过进一步效应分解发现产业集聚水平提升不仅能提升自身省区的工业企业绿色创新效率，还对邻接地区产生显著的正向空间外溢效应。

依据以上结论，本文提出以下政策建议:

一是在以技术创新推进绿色工业发展的道路上，不能一味关注创新产出增长，而忽略效率提升和环境污染问题；新型工业化道路的核心环节在于绿色创新，加强绿色创新是实现新型工业化战略的重要举措。东部地区继续发挥区位优势，在现代化工业发展和技术创新的同时，促进天然气资源、可再生能源以及新能源使用，创新和推广碳技术和 “碳捕捉”，并产生辐射作用，带动中、西部省区的工业技术创新利用向低排放、低投入、高产出的绿色创新模式转变。

二是某一地区的工业绿色创新效率的提升不仅受到本地的产业集聚水平影响，而且受到其相邻地区产业集聚水平的影响，所以要重视发展低碳经济工作中所存在的地区的相互作用，通过协调发展逐步实现创新资源配置合理化，激活区域良性互动，使得产业集聚的空间外溢效应得以发挥。打破地方保护主义和企业垄断，减少政府干预，降低工业企业进入壁垒，结合地方特色发展符合经济规划要求的绿色生态园区，为企业营造公平和多样化的产业环境，进而提升工业绿色创新效率。支持和鼓励本地区以及相邻地区的同质性企业的信息共享、人才交流和低碳技术合作，通过自主研发和清洁技术融合提高企业的集聚和绿色创新能力。

[1]中国社会科学院经济学部课题组.“十一五”规划实施前三年分析报告及对“十二五”的政策建议[J].经济管理，2009，(11):1-19.

[2]韩晶.中国区域绿色创新效率研究[J].财经问题研究，2012，(11):130-137.

[3]冯志军.中国工业企业绿色创新效率研究[J].中国科技论坛，2013，(02):82-88.

[4]任耀，牛冲槐，牛彤，姚西龙.绿色创新效率的理论模型与实证研究[J].管理世界，2014，(07):176-177.

[5]张钢，张小军.绿色创新研究的几个基本问题[J].中国科技论坛，2013，(04):12-15.

[6]华振.我国绿色创新能力评价及其影响因素的实证分析-基于DEA-Malmquist生产率指数分析法[J].技术经济，2011，(09):16-41.

[7]周泽炯，胡建辉.基于Super-SBM模型的低碳经济发展绩效评价研究[J].资源科学，2013，(12):2457-2466.

[8]宋马林，张琳玲，宋峰.中国入世以来的对外贸易与环境效率——基于分省面板数据的统计分析[J].中国软科学，2012，(08):130-142.

[9]沈能，赵增耀.农业科研投资减贫效应的空间溢出与门槛特征[J].中国农村经济，2012，(01):69-79.

[10]张江雪，朱磊.基于绿色增长的我国各地区工业企业技术创新效率研究[J].数量经济技术经济研究，2012，(02): 113-125.

[11]屈小娥.中国工业行业环境技术效率研究[J].经济学家，2014，(07):55-65.

[12]刘靖，张车伟，毛学峰.中国1991—2006年收入分布的动态变化:基于核密度函数的分解分析[J].世界经济，2009，(10): 3-13.

(责任编辑 刘传忠)

Spatial Spillover，Industrial Agglomeration Effect And Industrial Green Innovation Efficiency

Wang Hui1，2，Miao Zhuang3，Wang Shuqiao2
(1.College of Business，Hohai University，Nanjing 211100，China；2.Huaiyin Institute of Technology；Huai'an 223003，China；3.Taizhou University，Taizhou 225300，China)

The paper uses the Super-SBM model to estimate the innovation efficiency about industrial enterprises of China's provinces based on energy conservation and emissions abatement during 2003—2013，and analyze the dynamics about the green innovation efficiency of enterprises in China by using kernel density estimation.Further，it studies the relationship between them with the spatial econometric method.The highest efficiency of innovation efficiency of enterprises is showed in the eastern region，density curve displays the efficiency of innovation efficiency of enterprises has experienced by the“single peak”to“twin peak”.Industrial agglomeration significantly improved efficiency at the same time and has the obvious spatial spillover effects.And then it puts forward the proposal for the conclusion.

Green innovation；Kernel density estimation；Industrial agglomeration；Spatial panel data

王惠 (1984-)，女，江苏人，河海大学商学院博士生，就职于淮阴工学院；研究方向:创新管理。

F250

A

国家自然科学基金资助的青年基金项目 “区域异质视角下我国大气污染排放绩效测度、影响因素及防控对策研究”(71403120)。

2015-05-28