长三角地区绿色创新效率时空格局演变及影响因素研究

石天琦，蒋 涛

（江苏师范大学商学院，江苏南京 221116）

一、引言与文献综述

近年来，快速的工业化和城市化进程使城市面临持续的经济增长和生活环境质量下降的困境。中国共产党第十九次全国代表大会的正式报告首次明确表示要实施最严格的生态系统管理条例。以此实现绿色发展，并建立和完善绿色，低碳，可持续发展的经济体系。因此，协调好绿色发展与科技创新，提高绿色创新效率，能实现保持经济中高速增长，满足人民日益增长的美好生活需要的目标。

长三角地区是我国制造业集中度最高的地区之一，在高强度开发阶段，它面临着非常严重的生态系统破坏和严重的环境污染。发行于2019 年的《长三角一体化模式进一步发展总体规划方案文件》指出，我们需要深化改革，实现创新驱动发展，促进环境的协调管理，建设长三角绿色发展高级示范区。因此，通过研究长三角地区不同城市绿色创新效率的整体特征以及相关因素的影响效果，可以为制定相关政策提供更多理论建议。

通过梳理现有文献，发现关于绿色创新效率的研究主要是两个角度：一是有关衡量效率水平的研究。李金滟等（2016）[1]对长江中游28 个城市绿色创新效率进行了科学研究；曾冰（2018）[2]进行了中国省级绿色创新效率的研究；黄磊和吴传清（2019）[3]相关研究表明，长江经济带省际工业绿色创新发展具有协同效应。在研究方法方面，肖黎明等（2018）[4]基于改进的随机前沿模型，对2001—2015 年中国30个省的绿色创新效率进行了测度；滕堂伟等（2019）[5]采用超级SBM 模型对长三角26 个城市进行了绿色创新效率的测度。二是对影响绿色创新效率的诸多因素进行了相关研究。杨树旺等（2018）[6]研究了长江经济带各省市，认为市场开放程度、企业污染成本和技术市场成熟度对绿色创新效率有正向影响，产业结构对绿色创新效率的影响不明显；此外，李健和马晓芳（2019）[7]探索了京津冀各城市，认为经济发展水平、城市文化水平、政府资助力度、产业结构和城市信息化水平对提高绿色创新效率水平有着正向影响，但对外开放水平对效率水平的影响不明显。

以往对绿色发展与创新活动的研究大多集中在省级层面，对于都市空间尺度的实证研究还有待进一步增加和丰富。事实上，城市是突破创新生态结构的最主要载体，是地方政府进行环境治理的最有效单位。也可以更有效地充分调动和控制各个方面。因此，在创新成为国内重要区域经济持续发展重要动力的背景下，对绿色发展创新效率和质量的研究需要进一步丰富。因此，本文认为从省级角度对绿色创新的效率和质量进行测度，不利于考虑空间扩散效应，而城市是最适合深入研究的方向。所以，本文以2006—2017 年长三角地区27 个城市的数据为样本，建立综合评价体系测度了绿色创新效率，并使用空间计量模型来研究相关影响因素，为制定相关政策提供更多理论建议。

二、变量与数据

（一）绿色创新效率测度

本文基于市场投入与产出效率的视角，构建了一个综合指标体系，并结合SBM 超效率方法计算了长三角地区城市的绿色创新效率。指标值的选择要考虑实际情况和数据的可得性，因此在投入指标值方面，选择了在岗职工平均人数作为劳动投入，选择了固定资产投资作为地区资本投入，选择了工业用电量作为能源投入。从产出指标值来看，期望产出包括经济产出和创新能力产出。制造业增加值和专利技术授权量作为衡量期望产出的相关指标，工业三废排放量作为非期望产出的相关指标，在很大程度上能够真实反映城市环境治理水平。具体评价体系（见表1）。

表1 城市绿色创新效率指标体系

通常，DMU 的数量应大于投入和产出主要指标总数的乘积，并且数量不应超过投入和产出相关指标数量的三倍。因此，用于评价长三角地区绿色创新效率水平的投入产出关键指标数量的最大值是9。本文选择了8 个相关指标，符合本文中使用的方法的基本规则。

（二）影响因素设定

城市创新效率水平受到许多因素的影响，例如都市经济的水平，创新技术的快速发展水平，相关的政策体系以及人们思想上的创新。根据现有研究结果和收集到的数据，结合长三角地区现状，从经济发展的水平、污染控制的效率、外资的利用水平、产业结构、政府资助的水平和城市教育的水平这几个方面分析了对于绿色创新效率水平的影响效果。表2 显示了影响因素的定义。

表2 变量定义与说明

（三）样本选择与数据来源

本文研究的27 个城市基于2019 年12 月1 日由中共中央和国务院发布的《长江三角洲区域一体化发展规划纲要》。选取2006—2017 年的面板数据进行绿色创新效率水平的衡量和相关因素的影响效果分析。所有数据主要来源于《中国城市统计年鉴》以及各市的统计年鉴。对于个别年份数据的缺失，则采用插值法补齐。

三、模型构建

本文从投入产出的角度出发，构建了一个综合的指标体系，并运用SBM 超效率模型计算了长三角各都市绿色创新的效率值。其次，通过ArcGIS、Geoda 等应用软件，利用自然断裂法，在图上表示出各城市绿色创新效率的空间相关性。

（一）SBM 超效率模型[8]

现有的研究结果主要是用数据包络模型（DEA）和随机前沿分析（SFA）两个基本模型来评价效率。其中，SFA 建模中设置的产出项总数只能配置为1，不适合多产出问题的详细分析。对多投入多产出的效率进行综合分析的研究大多采用传统形式的DEA 模型。然而传统的模型假设所有产出都是期望产出，其中一些产出指标会降低效率水平，这种产出称为非期望产出。对于非预期的产出，Tone（2001）问题提出了SBM 模型（Slack Based Measure）。该模型的优点是解决了径向模型对无效率的测量没有包含松弛变量的问题。

在DEA 模型的分析结果中，许多决策单元会被认为是有效的。尤其是当投入和产出指标数量较多时，有效DMU 数量也会较多。DEA 模型得出的效率值最大为1，有效DMU 效率值相同，这些有效DMU的效率高低无法进一步区分。因此，在Li 等（2013）方法的基础上，采用SBM 超效率模型，来解决在各种资源限制和存在非预期产出的情况下，对各个有效DMU 进行区分。

考虑到非期望产出的SBM 超效率模型示例：

（二）全局莫兰指数

为了进一步分析城市之间绿色持续创新效率的演化过程，使用全局Moran's I 指数来测试27 个长三角城市之间是否存在空间相关性，全局Moran's I 指数表示如下：

在公式中，i 和j 代表每个都市，N 是城市的数量，xi和xj为绿色创新效率水平，wij是空间权重流量矩阵。莫兰指数的取值一般介于-1～1 之间，大于0，则表示正自相关，即高值与高值相邻、低值与低值相邻；小于0，表示负自相关，即高值与低值相邻。如果莫兰指数接近于0，则表示空间分布是随机的，不存在空间自相关。

（三）空间计量模型

空间相关关系的识别是空间计量分析的前提。而根据空间权重矩阵，对空间相关关系进行判定之后，空间数据分析的重点则转向了对空间计量模型的选择和估算上。空间计量模型是对纳入不同空间交互效应的普通回归模型的拓展，主要包含以下三类：

1.空间滞后模型（SLM）

其中i 代表相应区域，t 代表相应年份；GIEit是绿色发展创新水平；是空间自回归比例因子；Wij是空间权重矩阵；Xit为经对数化处理后的影响因素；是空间滞后的影响因子；it代表个体固定效应；代表随机误差项。此模型包含了因变量之间的内生交互项，表明一个地区绿色创新效率值不仅取决于这个地区一些变量的影响，还受到邻近地区绿色创新效率值的影响。

2.空间误差模型（SEM）

SEM 模型包含了误差项间的交互效应，表明绿色创新效率值的空间相关性受到一些难以观察到的误差扰动项的影响。其基本表达式为：

式（4）、式（5）中uit为空间误差自相关，为区域间溢出效应。

3.空间杜宾模型（SDM）

SDM 模型同时包含了内生及外生交互效应，表示一个地区的绿色创新效率值不仅受到相邻地区的绿色创新效率值的影响，还会受到相邻地区的影响因素的影响。SDM 模型为：

四、实证结果分析

（一）绿色创新效率测算

本文利用MaxDEA 应用软件对投入和产出相关指标进行再加工，通过SBM 超效率模型得到2006—2017 年长三角27 个城市的绿色创新效率水平，最终结果如表3 所示。

27 个城市的绿色创新效率平均值最小为0.81，最大为1.09，总体而言，它正在逐年增加。从全局来看，从2006—2012 年，大部分城市的绿色创新效率的平均水平不断提高，2012 年效率值达到0.97；从2013—2017 年，城市绿色创新效率的整体平均水平发生了较大变化。

从城市层面来看，2006—2017 年，上海、无锡、苏州、宁波和温州的14 个城市的效率值略高于平均标准水平，表明这些城市投入的人力和财力获得了回报。池州、金华等城市的绿色创新效率高，这与其工业存在后发优势密切相关。在这些城市中，第一产业仍占很大比重，制造业比重相对较低，发展负担相对较小。它能及时对不断发展的绿色创新要求作出回应。上海、苏州等大城市的创新能力让它们受益匪浅，近年来，随着我国高校和科研机构的增多，创新能力已位居全国各城市前列，随着环境相关政策的实施，绿色创新效率得到了提高。

表3 2006—2017 年长三角地区绿色创新效率的实证结果

（二）空间分布及空间相关性分析

1.绿色创新效率空间分布。根据绿色创新效率的演化特征，选择了2006 年、2011 年和2017 年三个特征控制节点，并使用了使用ArcGIS 应用软件的自然断裂法[9]，把绿色创新效率水平分为四种类型：高水平、较高水平、较低水平和低水平（见图1）。

如图1 所示，长三角区域绿色创新效率整体空间分布不平衡，但失衡程度正在逐步减小，特别是东部区域的绿色创新效率水平明显增加。总体而言，从2006—2017 年，城市效率水平为高水平和较高水平的数量大幅提升，2017 年达到16 个，尤其是合肥、南京、镇江、宁波等的绿色创新效率水平进步不少，这表明在这些城市的发展过程中，考虑到了既要发展经济又要提高生活环境质量。相反，另外两个类型的城市数量迅速下降。除了盐城市的较低水平外，马鞍山、安庆等城市的绿色创新效率也都有不同程度的退步。

图1 长三角地区绿色创新效率空间分布情况

2.空间相关性分析。利用Geoda 软件测度了2006—2017 年长三角地区绿色创新效率的全局Moran 指数，评价城市间绿色创新效率是否存在空间相关性，结果如表4 所示。

表4 2006—2017 年长三角地区绿色创新效率的全局莫兰指数

从表4 可以清楚地看出，2006—2017 年27 个城市的绿色创新效率的Moran 指数值大于0，并且大多数年份的指数值都经过了10%的显著性检验，拒绝了不存在空间相关性的假设。从时间角度来看，长江三角洲地区绿色创新效率水平在2006—2017 年之间波动很大，即从2006—2011 年有所下降后在2012 年有所上升，接着从2013—2017 年，效率值又急剧减小，但从总体上看，Moran 指数趋于0，长三角区域城市之间的空间相关性也有所减弱。另外，结合表4 的分析，可以看出，经过连续十二年的发展，长三角区域的绿色创新朝着合作（融合）的方向进一步发展。

（三）影响因素分析

Moran 指数的实际结果表明，绿色创新效率水平有着空间相关性。因此，使用空间计量经济模型来分析绿色创新效率水平的影响因素。

在进入正式的分析之前，使用Matlab2018a 软件，首先设定非空间计量模型对其进行估计，然后检验滞后或者残差空间相关性，并考察空间与时间特定效应的联合显著性以及随机效应是否可以替代它们[10]。

在进入正式的分析之前，首先设定非空间计量模型对其进行估计，然后检验滞后或残差空间相关性。表5 报告了采用非空间面板数据模型的估计结果，并进行进一步的检验来决定采用空间滞后模型还是空间误差模型来拟合数据。利用时间空间双固定效应下的普通面板OLS 估计得到的残差序列进行LM 检验，得到的LMlag 值为63.73、R-LMlag 值为3.81，均通过了5%显著性检验；而R-LMerror 值为2.31，未通过显著性检验，因此选择SLM 模型要比SEM 模型更为合适。为了检查时间固定效应联合检验的原假设是否具有显著性，执行了似然比（LR）检验。检验的结果（统计量83.44）通过了1%显着性检验，拒绝了原假设。但是，空间固定效应联合检验不显著的原假设（统计量21.09）没有被拒绝。以上检验指出应该采用具有时间固定效应的空间滞后模型。

表5 无空间交互效应的面板数据模型估计

由于LM 检验并没有考虑到SDM 模型的适用性，因此，为了检验空间杜宾模型能否简化成简单的空间误差模型或空间滞后模型的原假设，即H0∶兹=0 和H0∶兹+=0，可以执行Wald 或者LR 检验。因此，使用Matlab2018a 软件，在时间相对固定的影响下，得到时间固定效应下SDM 模型中Wald 和LR检验的检验值，据此判断SDM 模型是否可以简化，具体结果如表6 所示。

表6 时间固定SDM 模型的Wald 和LR 检验结果表

由表6 可知，空间误差的Wald 检验和LR 检验，通过了1%显著性检验，拒绝了原假设，即SDM模型不能简化；而空间滞后的Wald 检验和LR 检验，没有通过10%显著性检验，不能拒绝原假设。利用极大似然法（ML）估计不同交互效应下的SLM 模型，具体结果如表7 所示。

表7 不同交互效应下SLM 模型的ML 估计结果表

空间计量模型下，log-likelihood 值的大小表明了拟合数据效果的优良。从表4 可以看出，时间固定效应的SLM 模型的对数似然值最高，且其拟合优度R2与离散度滓2结果相对较好，再次证实了本研究中时间固定SLM 模型的优越性。

由表7 可知，经济发展水平对绿色创新效率的贡献度显著为0.202，这意味着人均生产总值每增加1 个百分点，城市绿色创新效率就增加0.202 个百分点。这表明，人均GDP 的提高，将使许多人对环境有更严格的要求，对绿色低碳产品的日常消费需求也将增加；一般工业固定废物综合利用率每增加1%，绿色创新效率同向变动0.197%且通过了5%的显著性检验；外资利用水平的系数为0.079 且在1%的显著性水平上显著，表明当年实际利用外资金额每增加1%，绿色创新效率同向变动0.079%；产业结构选取的是第二产业增加值占GDP 比重，该指标在5%的水平下通过了显著性检验，且影响系数为-0.257，对绿色创新效率有显著的负向影响，说明第二产业的继续发展不利于绿色创新活动的产生和绿色创新效率的提高；政府资助力度对绿色创新效率的影响较弱，但仍具有促进作用；城市教育水平选取的是高等学校在校学生数，对绿色创新效率的影响因素在5%显著性水平上显著为0.050，可知城市教育水平可以有力地推动城市绿色创新效率水平的提高。

五、结论与建议

本文基于长三角地区27 个城市2006—2017 年的面板数据，通过建立空间计量模型得出了相关影响因素作用效果的结论，实证结果及相关建议如下：

首先，长三角区域各城市的绿色创新效率正在朝着相互协调（整合）的方向发展。从城市角度来看，27 个城市的绿色创新效率水平差异正在逐步缩小。总体上，可以看出江苏省可持续绿色创新效率得到了快速提高，浙江省效率水平稳步提高且更加均衡，安徽省绿色创新效率则是先降后升。在这种情况下，上海应该继续发挥带头作用，苏浙皖要相互学习，扬长避短，加强合作，打破壁垒，推动区域融合发展。

其次，经济发展水平对城市绿色创新效率有着显著促进作用。然后，第二产业增加值占GDP 比重对绿色创新效率有着负向驱动作用，一般工业固定废物综合利用率对绿色创新效率有着正向影响，外资利用水平对绿色创新效率有较强的正向作用，政府资助水平虽然没有通过显著性检验但影响作用为正，万人在校大学生人数正向促进绿色发展创新效率的提高。随着我国经济进入中高速增长阶段以及美国对于我国发展的遏制，以长三角地区为首的各城市有着较高的经济发展水平和很好的科研水平，政府要加大对研发的投入，实现产学研一体化发展，加快创新成果转化，加强城市间合作，加快推动创新人才引进与整合，加大基础研究和高新技术的研究，提高绿色发展水平，更好地满足人民日益增长的美好生活需要。