区域绿色创新驱动竞争力评价及时空演化特征分析

苑 凯，胡 彪，牛亭云

（1.天津理工大学管理学院，天津 300384；2.厦门大学公共事务学院，福建 厦门 361005）

0 引言

实施创新驱动发展战略是党的十八大作出的重大战略部署，《国家创新驱动发展战略纲要》提出要加强创新型城市建设，打造区域创新示范引领高地。在新发展理念及“双碳”目标背景下，我国区域和城市建设要坚持以经济、生态高质量发展作为出发点和落脚点。绿色创新驱动凭借其丰富的内涵已被作为评价区域创新与环境兼容性的典型代表，是区域和城市高质量发展的重要引擎与动力[1,2]。

关于国内外绿色创新驱动方面的研究主要集中在以下三个方面：一是概念诠释[3—5]。董会忠等（2021）[3]提出绿色创新是指那些新的或者是改进的过程、实践、系统以及产品的创新活动，这些创新活动有利于实现可持续发展的目标。袁航和茶洪旺（2018）[4]提出绿色创新研究需要区分不同的创新类型，不同类型创新产生的扩散驱动力存在显著差异性。郭付友等（2021）[5]指出绿色创新往往是全方位的，涉及技术、制度、环境、文化等多个维度的创造性活动等。二是研究内容与影响因素[6—11]。余泳泽和刘大勇（2013）[6]提出，与一般创新相比，绿色创新的显著差异在于绿色创新存在双重的外部性特征。绿色创新的研究往往将环境规制、经济发展、居民消费等纳入研究框架，而行业、企业、组织需求的因素、投资者的因素、市场需求的拉动因素等也会影响到区域绿色创新的扩散与驱动过程。三是研究方法[12]。学者们通常采用SBM-DEA模型、灰色关联模型、熵值法、方向距离函数模型等对绿色创新进行测度，并利用Malmquist 指数分解、核密度估计和空间模型分析等方法演绎其时空动态演变特征。

已有研究为本文中国区域绿色驱动指数测度及竞争力评价奠定了理论基础。但从绿色创新驱动指数与城市竞争力的关联性角度入手，系统性定量评价区域绿色创新驱动指数及其竞争力的研究尚不多见。基于此，本文基于绿色创新驱动价值链视角，综合运用熵值法、核密度估计、空间模型对2011—2020年中国区域绿色创新驱动指数及其竞争力进行分析，刻画区域绿色创新驱动力水平及时空格局演变特征，为区域发展和城市治理提供参考价值。

1 研究设计

1.1 研究方法

（1）熵值法

本文采用熵值法来计算中国区域绿色创新驱动指数评价指标权重。熵值法作为具有较高可信度和精确度的客观赋权方法，可以有效克服指标信息重叠，提高权重的精准性[5]。

（2）核密度分析

核密度估计是用于研究不均衡分布的一种非参数方法，通过估计随机变量的概率密度来对其分布形态进行描述。核密度估计公式为：

其中，fn(x)为核密度估计，为核函数，n为样本数，hn为宽带，xˉ为均值。

（3）探索性空间数据分析

采用全局空间自相关分析方法对中国区域绿色创新驱动指数发展空间集聚情况进行识别，全局空间自相关一般采用Global Moran's I 反映整个区域的空间集散情况。

其中，n为研究区域空间单元个数，xi和xj代表城市i和城市j的绿色创新驱动指数；xˉ代表研究对象的平均值；wij为邻接空间权重。I∊[-1,1]，若I＞0，则表示中国区域绿色创新驱动指数发展在空间上呈现集聚态势且具有正向空间相关性。

1.2 评价指标体系构建

本文借鉴已有研究[13,14]，依据中国区域绿色创新驱动机制特征作适当的动态性调整，根据科学性、系统性、可操作性等原则，基于四个维度构建包含38 项指标的中国区域绿色创新驱动指数综合评价指标体系（见表1）。其中，国有化率采用国有经济固定资产投资占全社会固定资产投资的比重来衡量；选取第三产业产值占GDP 的比重来反映该地区的产业结构高级化水平；产业国际竞争力水平用相关产业外商投资额占比表示。在衡量可持续与生态环境保护综合发展水平时，选取单位工业GDP 工业废水、废气、SO2、烟粉尘、固体废弃物排放量5项混合指标，利用熵值法对5项指标赋予不同权重进行计算。

表1 区域绿色创新驱动指数综合评价指标体系

1.3 数据来源

本文采用的我国31个省份（不含港澳台）的数据来源于2012—2021 年《中国统计年鉴》《中国城市统计年鉴》《中国环境统计年鉴》《中国专利统计年报》《中国区域创新能力评价报告》《中国科技统计年鉴》《全球竞争力报告》《中国工业经济统计年鉴》以及各省份的国民经济和社会发展统计公报、EPS 数据库，个别缺失数据利用移动平均法进行补充。

2 实证分析

2.1 绿色创新驱动指数及竞争力综合评价结果分析

根据上述方法及中国区域绿色创新驱动指数综合评价指标体系，计算得出中国31 个省份2011—2020 年绿色创新驱动指数及其排名结果（见下页表2）。

根据表2 可以得出：（1）从排名前10 位的省份来看，2011—2020 年广东的绿色创新驱动指数提升步伐明显快于其他省份，增长率达13.64%，江苏、天津提升速度有所放缓，重庆进步明显，北京、上海、浙江等省份的绿色创新驱动指数提升幅度基本持平。（2）区域间发展差距日益扩大，协调发展面临挑战。从全国范围看，东西部地区间的差距在缩小，但南北地区的差距在扩大。广东、江苏、浙江、山东等东部沿海省份，以及北京、上海等特大城市，依然是绿色创新驱动指数领先的地区，但重庆、陕西、四川、贵州等西部地区省份追赶势头迅猛，绿色创新步伐不断加快，东西部地区间差距在缩小。南方地区绿色创新驱动指数提升步伐快于北方地区，在排名前20位的省份中，南方省份占据12席。（3）借鉴以往学者们的做法并结合中国区域绿色创新驱动指数分析结果对竞争等级进行如下划分：强势竞争力（排名前1至5位）；较强竞争力（排名前6至12位）；中等竞争力（排名前13至19位）；较弱竞争力（排名前20 至26 位）；弱势竞争力（排名前27 至31 位）。从竞争力等级来看，中国区域绿色创新驱动指数竞争力分布整体上大致呈现“东强西弱，南高北低，沿海优于内陆”的时空演化分布特征与规律。总体来看，各地区绿色创新驱动指数差距在扩大，区域协调发展亟须进一步优化。

2.2 绿色创新驱动指数下四大维度评价分析

2.2.1 基于四大维度评价指数分析

根据计算结果发现：（1）从创新基础驱动指数来看，2011—2020 年北京创新基础驱动指数均值为0.7266，全国排名第1位，广东超越江苏，排名第2位，上海、浙江、陕西、安徽紧随其后。（2）从创新环境驱动指数来看，2011—2020年广东创新环境驱动指数均值为0.5114，全国排名第1位，北京紧随其后以均值0.5078位居第2位，江苏、上海、浙江、山东分别以0.4784、0.3668、0.3629、0.3592占据全国前3至6位。（3）从创新产出驱动指数来看，2011—2020 年江苏创新产出驱动指数均值为0.6500，全国排名第1 位，广东紧随其后以均值0.6440 位居第2位，浙江、北京、上海、山东分别以0.5304、0.4462、0.4442、0.4428 位居全国前3 至6 位。（4）从创新绩效驱动指数来看，2011—2020 年广东创新绩效驱动指数均值为0.6772，全国排名第1 位，江苏紧随其后以均值0.5958 位居第2 位，上海、北京、天津、浙江分别以0.5049、0.4823、0.4595、0.4246位居全国前3 至6 位。整体来看，排名前6 位与排名后6 位的省份在创新环境驱动与创新绩效驱动维度方面的差距要小于在创新基础与创新产出驱动指数方面的差距。

2.2.2 基于四大维度核密度估计分析

为了进一步揭示区域绿色创新驱动评价四大维度的演进特征，对2011—2020年四大维度评价指数进行核密度估计，揭示其变化规律与特征（见图1）。结果表明：整体上来看，2011—2020 年四大维度核密度曲线不断右移，表明我国区域绿色创新驱动四大维度发展呈现增长态势。

图1 2011—2020年四大维度评价指数核密度估计图

2.3 绿色创新驱动指数探索性空间分析

为进一步分析区域绿色创新驱动指数在空间上的关联性，采用邻接距离作为空间权重，利用Stata软件对观测指标进行测算，由图2可以看出，观察期内全局Moran’s I均大于0，z值整体上大于5%显著性水平上的临界值（1.96），只有东北地区在个别年份没通过。中国区域绿色创新驱动指数整体上呈现空间正向自相关关系，表现出一定的空间集聚分布特征。

图2 2011—2020年区域绿色创新驱动指数全局Moran’s I

2.4 区域绿色创新驱动影响因素分析

2.4.1 影响因素选取

基于系统性、可操作性及代表性原则，并参考已有研究，本文从经济、社会和环境政策因素中选择相关独立变量，分析中国绿色创新驱动指数发展的主要影响因素（见表3）。

表3 区域绿色创新驱动影响因素

2.4.2 影响因素分析

借助Stata 17 对区域绿色创新驱动影响因素进行空间面板回归分析，为对空间计量模型进行识别，本文进行以下检验：首先，进行LM 检验判断SAR 或SEM 模型的适应性，结果显示SEM 和SAR 的LM 检验值在1%的水平上显著，但SAR模型的稳健LM检验值为无法通过5%水平上的显著性检验。其次，进行Hausman 检验，结果表明原假设不成立，故选择固定效应模型。最后，进行LR 检验，结果显示SDM模型可以退化为SEM模型；同时检验模型个体、时间和双向固定效应的适用性，结果表明个体固定效应更为合适。综合以上检验结果与分析，本文选取最佳拟合的个体固定效应SEM模型进行影响因素分析，设定模型为：

其中，EFFIit为区域绿色创新驱动指数；a1至a8为待估系数；Wij为权重，ρ为待估系数；εit为随机误差项；为消除异方差，对部分数据进行对数化处理。

根据表4 结果可知：全国回归系数ρ显著为正，表明区域绿色创新驱动指数存在显著的空间溢出效应。但绿色创新驱动指数的空间显著性在四大地区中表现不一致，除了东北地区外，东部、西部、中部地区绿色创新驱动指数具有显著的正向影响。原因是各地区在资金、劳动力、能源投入等方面存在一定的竞争关系。我国创新资源分布不均衡，经济发展水平较高的地区，创新要素比较有活力，市场化创新激励机制相对完善，地区间较易形成正向的影响关系；而东北地区经济发展相对落后，创新资源相对匮乏，发展较好的地区容易形成“虹吸效应”，表现出负向空间溢出效应。

表4 空间计量回归结果

政府支持力度对绿色创新驱动的影响为正，并在5%的水平上通过了显著性检验。这表明政府适度的政策导向和支持力度对市场具有一定的影响，有利于不断激发创新主体的绿色创新活力，快速破解绿色创新驱动障碍。产业结构高级化对绿色创新驱动的影响为正，并在1%的水平上通过了显著性检验。这表明产业结构对区域绿色创新驱动的影响作用至关重要。环境规制对区域绿色创新驱动的影响为正，并在5%的水平上通过了显著性检验，然而回归系数较小，表明当前我国环境规制仍处于探索阶段，需要进一步向波特假说的“适度环境规制”探索，以期实现区域绿色创新驱动发展的共赢局面。城市信息化水平对绿色创新驱动的影响为正，并在1%的水平上通过了显著性检验。这表明，区域城市信息化水平与城市创新能力息息相关。经济发展水平对绿色创新驱动的影响为正，并在1%的水平上通过了显著性检验。这表明经济发展水平较高的区域对创新人才吸引力、企业融资能力以及人们对低碳、创新产品的消费需求也会增强。FDI投资水平对绿色创新驱动的影响为正，并在5%的水平上通过了显著性检验，这表明引进外资整体上对区域绿色创新驱动具有促进作用。文化教育水平的系数为正，并在1%的水平上通过了显著性检验，这表明高等教育是科技进步的引擎，形成的人力资本积累对绿色创新驱动发展内生动力的增强至关重要，高素质、专业型人才能够有效驱动绿色创新技术转化为现实生产力，加快新技术落地与使用，提升资本配置效率，驱动区域经济绿色高质量发展。交通便利度的系数在5%的水平上显著为正，表明提高人均城市道路面积对本地区绿色创新驱动指数的提高有促进作用。原因在于便利的交通可以降低创新要素流动成本，提高区域间绿色创新技术合作水平。

3 结论

本文基于区域绿色创新驱动价值链视角，运用熵值法对2011—2020年中国区域绿色创新驱动指数及其竞争力进行测度，并结合空间模型揭示了其空间效应及影响因子。研究发现：（1）2011—2020 年广东的绿色创新驱动指数提升步伐明显快于其他省份，江苏、天津提升速度有所放缓，重庆则进步明显，北京、上海、浙江等省份的特色创新驱动指数提升步伐基本持平，其他省份相对滞后；东西部地区间的差距在缩小，但南北地区的差距在拉大；在绿色创新驱动指数四大维度总体评价方面，2011—2020 年中国区域绿色创新环境与绿色创新绩效维度驱动指数整体上要优于绿色创新基础与绿色创新产出驱动指数；核密度估计分析表明，2011—2020 年四大维度核密度曲线不断右移，表明区域绿色创新驱动四大维度发展呈现增长态势。（2）应用探索性空间数据分析结果表明，中国区域绿色创新驱动指数整体上呈现正向自相关关系，表现出一定的空间集聚分布特征。从空间格局看，中国已基本形成以北京、上海、广东为核心的多个绿色创新驱动发展集聚区，但不同省份间差距较大，进步空间依然很大；区域竞争力整体上大致呈现“东强西弱，南高北低，沿海优于内陆”的时空演化分布特征与规律；应用空间计量模型对影响因素回归结果表明不同影响因素存在显著的差异性。