中國重污染行業綠色創新效率提升模式構建

吳超 楊樹旺 唐鵬程 吳婷 付書科

摘要

創新驅動重污染行業綠色轉型成為新時代經濟發展的必然選擇。基于綠色創新兼具創新和綠色的雙重屬性，研究構建了涵蓋創新效率與綠色效率的DEA-RAM聯合效率模型，對中國16個重污染行業綠色創新效率進行評價；基于綠色創新影響因素間存在的交互屬性，使用能夠處理多重交互、組合式路徑問題的模糊集定性比較分析方法，對綠色創新效率提升模式構建加以探討。研究發現：當前中國重污染行業處于“創新卻不綠色”的轉型階段，創新活動運行良好，但行業環境污染負外部性依然明顯，綠色技術的創新與應用有待進一步加強；重污染行業各行業綠色效率普遍低于創新效率，行業政策綠色創新效率受到綠色效率的拖累，改善綠色效率成為提升綠色與創新效率協同效應的關鍵；組合式效率提升模式中，小規模重污染行業企業應該以環境規制、外商科研支持為基礎，輔以精簡的科研人員，而政府科研支持此時并不重要；拋開企業規模大小因素，重污染行業企業應以環境規制、政府科研支持為基礎，輔以精簡科研人員和少量優質外商科研支持。基于研究結論，中國重污染行業的綠色轉型，需要不斷加大科研資金投入，促進綠色技術的推廣與應用；繼續嚴格執行環境規制政策，提高企業綠色環保自覺性；轉變政策實施理念，積極探索綠色創新政策的多元互補方式。

關鍵詞 重污染行業；綠色創新；DEA-RAM模型；模糊集定性比較分析

中圖分類號 F424.3

文獻標識碼 A 文章編號 1002-2104（2018）05-0040-09 DOI：10.12062/cpre.20180117

當前，中國經濟發展進入新時代，綠色和創新成為驅動傳統工業轉型發展的兩個最關鍵因子。多年來，以重化工業為主的傳統工業為國民經濟發展做出了巨大貢獻，但同時不可避免造成了嚴重的環境污染。2012年入冬以來，全國性霧霾天氣頻發，揭露了中國重污染行業造成環境污染的嚴重程度以及生態系統的極端脆弱性。嚴峻的環境問題已經成為我國經濟可持續發展的瓶頸，這一現狀亟待改變。《中國制造2025》規劃中明確提出，加快制造業綠色改造升級。由此可見，面對資源環境約束力的不斷加強，傳統重污染行業的綠色轉型成為必然。創新是實現產業轉型升級的核心動力，綠色創新成為重污染行業實現綠色轉型的關鍵[1]。

與傳統創新不同，綠色創新被寄予借助新知識、新技術實現降低環境污染的期望，同時企業也能夠從中得到相應的經濟效益，實現經濟和環境的協調發展[2]。從系統角度講，綠色創新系統旨在尋求創新子系統與綠色子系統的融合。具體到重污染行業而言，也就意味著其綠色創新過程中創新要素的優化配置受到環境政策的約束。需要指出的是，環境政策不僅僅對重污染行業的創新過程產生直接影響，而且還通過作用于外商直接投資等外部環境因素產生間接影響，影響大小因企業規模不同也存在差異[3]。可以認為，重污染行業的綠色創新是多因素、多路徑交互影響的復雜網絡系統。創新解決的是發展動力問題，而綠色解決的是人與自然和諧共存問題。本文在新時代綠色、創新發展理念的指導下，進行我國重污染行業綠色創新效率提升模式構建研究，旨在以下兩方面做出貢獻：聚焦于重污染行業，對其綠色創新效率進行客觀合理的評價，為重污染行業的綠色轉型提供判斷依據；在遵從重污染行業綠色創新復雜網絡系統的基礎上，進行重污染行業綠色創新效率的組合式提升模式構建。

1 文獻綜述

綠色創新概念是傳統創新理論與綠色生態觀念結合而生的產物，也被稱為“生態創新”“環境創新”等。重污染行業作為高投入、高消耗和高排放行業的總稱，既是經濟增長的動力和基礎，又是資源與環境問題的重要主體，其綠色創新過程需要同時兼顧創新效率和綠色效率。鑒于重污染行業的綠色創新過程具有創新、綠色的雙重屬性，本文將重污染行業綠色創新定義為兼顧創新效率和綠色效率的重污染行業創新過程。

相關學者的研究發現，綠色創新對于企業創新效率和綠色效率的影響存在不確定性[4-5]，因此針對重污染行業綠色創新效率的測度也應當兼顧周全。在涵蓋非期望產出的效率測度問題上，Tone[6]提出的DEA-SBM（DEA-Slack-Based Measure）模型能夠避免方向性距離函數計算過程中的松弛問題和角度選擇，被較多學者使用[7-10]。然而，Sueyoshi[11]指出，SBM模型在方向向量的選擇上存在主觀性，效率計算結果會由于方向向量的設定不同而存在偏差，而Cooper et al[12]提出的RAM（Analysis-Range Adjusted Measure）模型則不存在這一問題，并基于此模型基礎上提出了環境RAM模型，實現了包含環境要素的效率測度。環境RAM模型不僅僅具有非徑向、非角度的特點，還具有加性結構優勢，被更多拓展應用到包含綠色效率、生產效率等綜合效率的測度研究之中[13-17]。在以上學者研究的基礎上，本文將創新產出、環境產出融合在一起，構建了重污染行業綠色創新效率的雙重期望產出聯合效率模型（Unified Efficiency Measurement，簡稱UE），分行業進行綠色創新效率的測度。

中國人口·資源與環境 2018年 第5期

關于創新效率提升模式的構建研究，國內外學者遵從傳統定量研究的一般思路，即驗證影響創新效率的相關因素對創新效率評價結果統計上的顯著性，來發現各個影響因素對創新效率的真實影響[18-19]。但是，重污染行業的綠色創新是一個多主體、多路徑的交互過程，需要多種不同主體以不同形式進行集體性的戰略性學習，這種創新過程及創新機制的復雜性并非“線性思維”能夠有效解釋[20]，需要尋求多主體、多路徑的組合辦法。然而，哪種組合形式能夠更好地促進創新效率提升是回歸分析無法解答的問題，而且回歸分析中“內生性”問題以及自變量間“交互式影響”問題難以避免，一定程度上會對回歸顯著性的準確性造成影響[21]。因此，考慮到綠色創新影響因素間存在的交互屬性，本文使用可以同時處理多重交互、組合式路徑問題的模糊集定性比較分析法（Fuzzy-set Quaitative Comparative Analysis，簡稱fsQCA）進行重污染行業綠色創新效率提升模式的構建研究。

基于此，本文的主要研究內容將從兩方面展開：一是通過構建重污染行業綠色創新效率的DEA-RAM評價模型，測度中國重污染行業綠色創新效率水平；二是借助模糊集定性比較分析方法，尋找提升重污染行業綠色創新效率的組合式模式，加快推動重污染行業的綠色轉型。

2 行業選擇及指標設計

2.1 行業選擇

2012年，中國證監會修訂了《上市公司分類指標》的行業代碼，將重污染行業劃定為煤炭、冶金、化工、石化、火電、鋼鐵、水泥、電解鋁、建材、造紙、釀造、制藥、發酵、紡織、制革和采礦業等16個行業。其后，相關學者在研究中也多參照這一分類標準[22]。在此基礎上，考慮到樣本數據的時間跨度，為保持行業的統一性，本文對比《國民經濟行業分類》（GB/T 4754-2002）與《國民經濟行業分類》（GB/T 4754-2011）標準，選定“B06煤炭開采和洗選業、B08黑色金屬礦采選業、B09有色金屬礦采選業、C13農副食品加工業、C17紡織業、C19皮革.毛皮.羽毛（絨）及其制品業、C22造紙和紙制品業、C25石油加工.煉焦和核燃料加工業、C26化學原料和化學制品制造業、C27醫藥制造業、C28化學纖維制造業、C30非金屬礦物制品業、C31黑色金屬冶煉和壓延加工業、C32有色金屬冶煉和壓延加工業、C33金屬制品業、D44電力.熱力生產和供應業”共16個細分行業作為本文的重污染行業研究對象。

2.2 指標設計

2.2.1 投入產出指標

創新的投入要素一般包含資本投入和勞動投入兩大部分，勞動投入選用分行業R&D;人員全時當量；基于數據的可獲得性，資本投入選擇分行業R&D;經費。除了資本和勞動投入之外，能源投入也是綠色創新不可缺少的一部分，本文使用以萬t標準煤計的各行業能源消費總量作為替代指標。

創新資本的投入并不會直接反映在當期，本文采用吳延兵[23]的永續盤存法進行R&D;資本存量估算，方法為：

Kit=Iit+Kit-1（1-δit）

其中，Kit是i行業第t年的資本存量，Kit-1是t-1年的資本存量，δit為折舊率，按照Griliches[24]給出的15%計算，Iit為當年投資。文章中以2002年各行業R&D;經費作為基年資本存量，物價指數參照朱平芳和徐偉民[25]文章中的做法，采用如下公式計算：

R&D;平減價格指數=0.45×固定資產投資價格指數+0.55×工業生產者出廠價格指數

統計資料中，并未直接給出分行業固定資產價格指數數據，本文采用李小平和朱鐘棣[26]有關固定資產價格指數的測算辦法，基于建筑安裝工程和設備工器具投資額所占比例求得分行業固定資產價格指數。

綠色創新的產出包含期望產出和非期望產出，本文選用各行業發明專利申請量和新產品銷售收入作為綠色創新過程中的期望產出，選用各行業工業廢水排放量、固體廢棄物產出和工業廢氣排放量之和作為非期望產出。

2.2.2 影響因素指標

（1）環境規制。“波特假說”提出后，學者們圍繞環境規制和技術創新間的關系展開了廣泛的研究，但并沒有就“波特假說”的正確與否達成一致意見[27-28]。學者蔣伏心等[29]認為，環境規制對于技術創新既有正面的“創新補償”功效，也存在負面的“抵消效應”。重污染行業因其高投入、高消耗和高污染的特性，必定是環保政策重點關照的對象。在環境規制的重壓之下，重污染行業綠色創新活動也必定受到影響。基于此，本文選擇環境規制作為影響因素之一，使用環境污染（三廢）達標排放量和行業主營業務收入比值作為環境規制強度的替代指標。

（2）外商科研支持。長期以來，“污染避難所”假說成為學者研究外商直接投資（Foreign Direct Investment，簡稱FDI）與技術創新的切入點，不過研究結論依然存在爭議[30]。當前綠色發展背景下，以技術創新為基礎的綠色創新成為產業變革的方向性選擇。但不同于普通技術創新，綠色創新的復雜性更高，因此利用外商科研支持成為現階段輔助自主創新的合理選擇[31]。基于這一分析，本文選擇外商科研支持作為綠色創新影響因素之一，使用行業R&D;經費支出中FDI（含港澳臺）占比當作外商直接投資變量的替代指標。

（3）企業規模。著名的“熊彼特假設”指出，大企業在技術進步中發揮著更為重要的作用，企業規模和創新之間有著緊密的聯系。對于重污染行業內企業而言，綠色創新成本高、風險大，導致只有資源豐富、規模相當的重污染企業才可能有足夠的創新動機和能力[29]。行業內企業規模不同，必然對本行業整體的綠色創新進程產生影響。因此，本文將企業規模作為綠色創新影響因素之一，使用行業主營業務收入與行業內企業總數比值當作其替代指標。

（4）人力資本。“新增長理論”強調人力資本對于創新的重要性，技術成果只有借助人力資本最終轉化成經濟效益才算是真正的創新[32]。本文選擇人力資本作為綠色創新效率影響因素之一，使用行業內科研人員占總就業人數比例當作其替代指標。

（5）政府支持。創新活動“外部性”的存在給創新企業帶來較高的研發成本及風險，政府的介入能夠彌補這一不足[33]，但同時政府研發資金的投入也可能給企業帶來“擠出效應”[34]，反而不利于技術創新效率的提升。基于此，本文將政府支持作為綠色創新效率的影響因素之一，使用R&D;經費中政府資金的占比當作其替代指標。

經過以上分析，本文選定16個重污染行業作為研究對象，綠色創新效率評價指標及影響因素、指標名稱及代碼匯總如表1所示。指標數據來源于《中國統計年鑒》《中國科技統計年鑒》《中國環境統計年鑒》《中國工業經濟統計年鑒》，時間跨度為2006—2014年。規模以上企業與大中型企業的數據調整參照劉章生[35]文章中的做法，借助2009年數據比例及趨勢線進行均值調整。限于數據，本研究不涉及香港、澳門、臺灣等省區。

表1 重污染行業綠色創新評價及影響因素指標體系

Tab.1 Evaluation of green innovation and its influencing

factors index system in heavy pollution industries

3 研究方法及模型

本文選用DEA-RAM模型進行重污染行業綠色技術創新效率的評價，并借助模糊集定性比較法進行提升效率的模式構建。具體的模型及方法介紹如下：

3.1 DEA-RAM模型

綠色創新與傳統創新最大的不同在于，綠色創新效率的評價指標中既要考慮創新技術產出、創新產品產出等期望產出，又要考慮環境污染等非期望產出。基于RAM模型的加性結構特性，本文借鑒李濤[13]的DEA-RAM模型構建，將創新效率與綠色效率整合在一個統一的框架內，設定基于雙重產出的DEA-RAM綠色創新聯合效率模型：

max∑Si=1Rxisxi+（∑km=1Rem（se+m+se-m）+∑lr=1Ryrsyr+∑hp=1Rbpsbp）

s.t.∑nj=1xijλj+sxi=xij，（i=1，2，…，s）

∑nj=1emjλj-se+m+se-m=emj，（m=1，2，…，k）

∑nj=1yrjλj-syr=yrj，（r=1，2，…，l）

∑nj=1bpjλj+sbp=bpj，（p=1，2，…，h）

∑nj=1λj=1，（j=1，2，…，n）

λj≥0；sxi≥0；se+m≥0；se-m≥0；syr≥0；sbp≥0

Rxi表示一般投入，文中即“人員投入”、“資本投入”； Rem表示“能源投入”；Ryr表示期望產出，文中即“創新產出”；Rbp非期望產出，文中即 “環境產出”。一般投入、能源投入、期望產出與非期望產出的調整范圍分別為：

Rxi=1[（s+k+1+h）（xi-xi）]

Rem=1[（s+k+1+h）（em-em）]

Ryr=1[（s+k+1+h）（yr-yr）]

Rbp=1[（s+k+1+h）（bp-bp）]

yr=maxj（yrj），yr=minj（yrj），xr=maxj（xij），

xr=minj（xij）em=maxj（emj），em=minj（emj），

bp=maxj（bpj），bp=minj（bpj）

se+m，se-m表示能源投入的松弛變量，基于以上公式得到最終的聯合效率值為：

θ*=1-max（∑si=1Rxisx*i+∑km=1Rem（se+*m+se-*m）+

∑lr=1Ryrsy*r+∑hp=1Rbpsb*p）

3.2 模糊集定性比較分析法

fsQCA 的本質是一種韋伯式的思想實驗，它假定因果關系是復雜的、可替代的，認為同一個社會現象的發生存在不同的原因組合[36-37]。這些原因組合都可以看作是可能的集合理想路徑，進而可以通過對一致性（Consistency）和覆蓋度（Coverage）兩個重要參數的控制，評判出最具解釋力的邏輯條件組合，最終得到現象的理論化解釋[38]。對本文來說，模糊集定性比較分析是一種合適的分析手段。首先，綠色創新效率的影響因素變量相互之間存在可能的相關關系，統計分析中多重共線性問題難以避免。例如，環境規制不僅僅能夠直接影響重污染行業的技術創新活動，而且還可能通過影響外商直接投資的技術溢出效應、企業的規模效應以及人力資本的創新效應等間接影響重污染行業的技術創新活動[29]；再者，本文選擇16個重污染行業作為研究對象，樣本量偏小，而處理小樣本數據也正是定性比較分析的強項[36]。

定性比較分析中組合的邏輯關系借助布爾代數（Boolean Algebra）表示。如果變量X包含于變量Y，就可以認為變量X是變量Y的充分條件。反之，若X包含Y，則認為變量X是Y的必要條件。一致性（Consistency）和覆蓋度（Coverage）是定性比較分析主要采用的兩個指標，計算公式如下：

Consistency（X≤Y）=∑min（xi，yi）/∑xi

Coverage（X≤Y）=∑min（xi，yi）/∑yi

式中，xi表示個體在組合X中的隸屬度，yi表示個體i在結果Y中的隸屬度。一致性（Consistency）大小范圍為0～1，取值為1時，表明X完全隸屬于Y。本文參考Fiss[39]的研究，將一致度的檢驗值選定為0.75。此外，選取各指標的中位數（50分位）作為對應的轉捩點（Crossover Point），并使用25分位和75分位值作為對應的完全非隸屬度（Minimum Threshold）和完全隸屬度（Maximum Threshold）。同時，采用Ragin提供的直接法（Direct Method）完成最終的校準。

4 實證分析

4.1 綠色創新效率評價結果及分析

圖1 2006—2014年中國重污染行業創新效率、綠色

效率及聯合效率變化趨勢

Fig.1 Variation trend of innovation efficiency，

environmental efficiency and unified efficiency of 16

heavy pollution industries in China in 2006-2014

運用第三部分介紹的DEA-RAM模型及樣本數據，我們測算了不同重污染行業的綠色創新聯合效率（UE）、創新效率（IE）和綠色效率（EE），其均值變化趨勢與分行業效率結果分別如圖1、表2所示。

圖1報告了樣本期間2006—2014年我國16個重污染行業綠色創新聯合效率（UE）、創新效率（IE）和綠色效率（EE）均值的時間變化趨勢。從圖1中可以看出，2006—2014年間重污染行業創新效率和聯合效率趨勢基本一致，除在2008—2009年間出現短暫下滑之外，其余年份均表現為上升趨勢；綠色效率在2006—2013年間出現連續下滑，效率值由 0.898下降到0.756，其后在2013—2014年出現

了微弱上升。從聯合效率上看，中國重污染行業綠色創新活動表現出良好的狀態。創新效率和綠色效率的反差表現則說明，重污染行業環境污染的負外部性依然明顯，間接反映出重污染行業的綠色轉型進程并未帶來環境技術的實質性改變。由于創新效率明顯高于綠色效率，兩者的協同結果表現為聯合效率更加靠近創新效率生產前沿。因此，可以認為當前中國重污染行業正處于“創新卻不綠色”的轉型階段。

表2中報告了樣本期間2006—2014年我國16個重污染行業綠色創新聯合效率（UE）、創新效率（IE）和綠色效率（EE）指標的分行業均值。從表2中可以看出，除煤炭開采和洗選業、非金屬礦物制品業及電、熱力的生產和供應業三行業之外，其余13個行業聯合效率均在0.9以上。其中，電力.熱力的生產和供應業聯合效率為0.873，創新效率為0.936，而綠色效率僅有0.728，可以說綠色效率改善依然是這一行業綠色轉型的重點。當前，我國電力行業能源消費依然以煤炭為主，這一能源消費結構嚴重阻礙了行業綠色創新的進程，尤其是阻礙行業綠色效率的改善。國家當前大力發展新能源產業，電力、熱力的生產和

表2 2006—2014年中國16個重污染行業創新效率、

綠色效率與聯合效率的平均值

Tab.2 Average value of innovation efficiency， environmental

efficiency and unified efficiency of 16 heavy pollution

industries in China in 2006-2014

供應行業創新效率的提升更多可能來源于新能源技術的開發應用。

煤炭開采和洗選業聯合效率、創新效率及綠色效率均沒有達到0.9以上，說明煤炭產業綠色轉型道路困難重重。技術創新、環境改善均沒有達到有效狀態的現象表明，煤炭開采和洗選業傳統的固有發展結構沒有被真正打破，考慮到企業是技術創新的主體，也反映出當下行業產能的削減并未引發行業內企業綠色技術創新能力的真正提升，煤炭開采和洗選業綠色轉型之路任重而道遠。

非金屬礦物制品業綠色創新聯合效率為0.88，與電力、熱力的生產和供應業類似，創新效率大于0.9，而綠色效率較低僅為0.75，行業綠色技術能力有待進一步提升。除此之外，黑色金屬冶煉及壓延加工業、化學原料及化學制品制造業、紡織業、石油加工、煉焦及核燃料加工業、醫藥制造業、有色金屬冶煉及壓延加工業共6個行業綠色效率均小于0.9，落后于各自的創新效率，其中化學原料及化學制品制造業、黑色金屬冶煉及壓延加工業兩個行業綠色效率甚至僅有0.573和0.403。

4.2 綠色創新效率提升模式

基于上文分析發現，中國重污染行業的綠色創新聯合效率受到了綠色效率的拖累，從協同效應上講，改善綠色效率這一短板，成為了綠色創新效率提升模式構建的關鍵。因此，本文在進行綠色創新效率提升模式的選擇時，聚焦于綠色效率這一短板的提升，選用綠色效率作為Y，運用模糊集定性比較分析方法，尋找重污染行業綠色效率的組合式提升模式。

借助Stata13.0軟件運算，得到重污染行業綠色效率提升模式的充分必要矩陣（見表3）。如表3所示，表中右上方為必要條件矩陣，而左下方為充分條件矩陣。從充分條件上看，ER充分條件值為0.703，已經是綠色效率提升充分條件中的最高值，沒有達到0.75這一臨界值，其余變量對象的充分條件值排序為FDI（0.689）>GOV（0.619）>HC（0.481）>ES（0.433）；從必要條件上看，ER必要條件值為0.664，是綠色效率提升必要條件中的最高值，也沒有

表3 重污染行業綠色效率提升模式充分必要矩陣

Tab.3 The upgrading models necessary and sufficient

matrix of environmental efficiency on heavy pollution industry

達到0.75臨界值，其余變量對象的必要條件值排序為FDI（0.659）>GOV（0.584）>HC（0.457）>ES（0.417）。充分必要矩陣的結果說明，環境規制是提升重污染行業綠色效率的最重要因素，但單一環境規制因素的影響無法帶來綠色效率的必然提升，尋求影響因素的組合成為解決這一問題的最優決策。

表4給出了重污染行業綠色效率的兩種組合式提升模式，表達式分別為es*ER*FDI*hcEE和GOV*ER*fdi*hcEE，總的一致性為0.905，覆蓋率為0.387。兩種模式在提升重污染行業綠色效率方面具有同等效用，是可替代的。從模式1來看，一致性為0.891，凈覆蓋率為0.014。此種模式符合小規模重污染企業環境治理的基本思路，強環境規制和強外商科研支持下，精練的科研人員隊伍能夠放大綠色效率的改善成效。此時，針對規模較小企業而言，政府資金支持成為可有可無的選擇；從模式2來看，一致性為0.932，凈覆蓋率為0.125。此種模式下，不管企業的規模大小如何，強有力的政府資金支持以及強環境規制的約束是提升綠色效率基礎保證，輔以少量優質的外商科研支持及精練科研人員投入。不同于模式1聚焦到小規模企業，模式2給出了現階段我國重污染行業綠色效率提升的普適范式，重污染行業綠色效率的提升離不開環境規制和政府的科研支持。模式1和模式2兩種模式中環境規制變量對象均為強有利點，應證了前文充分必要矩陣得出的結果，可以認為環境規制在組合式提升模式的影響因素中處于首要位置。環境規制對于綠色效率的改善起到促進作用，結論支持“波特假說”[27]。

表5給出了重污染行業綠色效率的降低模式，作為綠色效率提升模式的拓展性檢驗。共有5種模式可以降低重污染行業綠色效率，其中模式1和模式2均是有4個強實點和1個弱虛點，模式1中的弱虛點為環境規制，模式2

表4 重污染行業綠色效率提升模式匯總

Tab.4 Summary of environmental efficiency improvement

model in heavy polluting industries

注：○表示變量對象越弱越有利，●表示變量對象越強越有利，空白表示出現與否不影響結果。

中的弱虛點為FDI，這說明為降低綠色效率時環境規制和外商科研支持越弱越好。而且，模式1～5中，環境規制和FDI分別都在四種模式中表現為弱虛點，這兩方面均應證了外商科研支持和環境規制對于重污染行業綠色效率提升的重要性[40]。此外，除模式3外，政府支持均為強實點，即政府的科研資金支持越多對于綠色效率起到降低效果。由此看來，政府對于重污染行業綠色創新的資金支持并沒有形成綠色技術能力的提升，這可能與政府意愿特色和資金用途監管有關。從政府角度講，政府的資金更多傾向于支持戰略經濟價值的技術創新，而從企業角度講，企業爭取政府科研資金后可能直接用于其他項目的開發[33]。對比表4給出的模式2，可以認為現階段的政府科研支持如果要發揮其應有的綠色效率正向效用，需要同時做好綠色技術創新導向和科研資金監管工作。

5 基本結論及研究啟示

5.1 基本結論

本文采用DEA-RAM模型測算了中國16個重污染行業綠色創新效率，并借助模糊集定性比較分析方法進行了中國重污染行業綠色創新效率組合式提升模式的構建。研究發現：第一，中國重污染行業存在“創新卻不綠色”的現象，行業綠色創新聯合效率受到綠色效率的拖累；第二，煤炭開采和洗選業、非金屬礦物制品業及電力、熱力的生產和供應業綠色創新效率低于0.9，落后于其他13個行業；第三，重污染行業綠色效率普遍不高，化學原料及化學制品制造業、黑色金屬冶煉及壓延加工業兩個行業僅有0.573和0.403，綠色技術能力的提升緩慢；第四，綠色效率的提升是綠色創新效率提升的關鍵，綠色效率提升模式

表5 重污染行業綠色效率降低模式匯總

Tab.5 Summary of environmental efficiency reduction

model in heavy polluting industries

注：○表示變量對象越弱越有利，●表示變量對象越強越有利，空白表示出現與否不影響結果。

的構建需要以環境規制為基礎。小規模企業而言，強有力的環境規制、外商的科研支持在綠色效率提升問題上處在優先位置，輔以精簡的科研人員，政府科研支持并不重要；第五，以強環境規制及強政府科研支持為基礎，輔以少而精的外商科研支持和科研人員配備的模式，適用于所有規模大小企業，但同時有必要進行綠色技術創新引導及科研資金的監管。

5.2 研究啟示

鑒于以上幾點結論，中國重污染行業綠色創新效率的提升需要從以下幾方面做起：①加大科研資金投入，促進綠色技術的推廣與應用。綠色技術是促進重污染行業企業綠色轉型的核心推動力。應當加大清潔生產、節水治污、循環利用等專項技術研發與推廣的資金支持，促進這些綠色技術在重污染行業廣泛應用，加速重污染行業的綠色轉型；②嚴格執行環境規制政策，提高企業綠色環保自覺性。環境規制在綠色效率提升模式中處在首要位置，對綠色效率的提升起到主導作用。應當繼續加大環境規制政策的執法力度，改進行業審批、污染排放、清潔生產審核以及行業淘汰等管理機制，借助機制約束力促進重污染行業企業綠色環保自覺性的形成。③轉變政策實施理念，探索綠色創新政策多元互補方式。環境規制、外商引資及政府支持等相關政策效用因企業規模不同而存在差異，有針對性的政策互補組合能夠更快提升重污染行業綠色效率。一般而言，重污染行業企業綠色效率的提升依賴于嚴格環境規制政策和強大政府支持政策的組合，輔以優良的外商科研投資與科研人員配備。而小規模重污染行業企業綠色效率的提升傾向依賴于嚴格環境規制政策和積極外資引進政策的組合，輔以優良的科研人員配備。

（編輯：劉照勝）

參考文獻（References）

[1]盧強，吳清華，周永章，等.廣東省工業綠色轉型升級評價研究[J].中國人口·資源與環境，2013，23（7）：34-41.[LU Qiang，WU Qinghua，ZHOU Yongzhang，et al.Analysis on the assessment of greenery transformation-upgrading of industry in Guangdong[J].China population，resources and environment， 2013， 23（7）：34-41.]

[2]張鋼，張小軍.綠色創新研究的幾個基本問題[J].中國科技論壇，2013，1（4）：12-15.[ZHANG Gang，ZHANG Xiaojun.Some basic issues on green innovation[J].Forum on science and technology in China， 2013， 1（4）：12-15.]

[3]孫學敏，王杰.環境規制對中國企業規模分布的影響[J].中國工業經濟， 2014（12）：44-56.[SUN Xuemin，WANG Jie.Effects of environmental regulation on Chinese enterprises size distribution[J].China industrial economics， 2014（12）：44-56.]

[4]WONG S K S.Environmental requirements，knowledge sharing and green innovation： empirical evidence from the electronics industry in China[J].Business strategy and the environment，2013，22 （5）： 321-338.

[5]李怡娜， 葉飛.高層管理支持、環保創新實踐與企業績效——資源承諾的調節作用[J].管理評論，2013（1）：120-127.[LI Yina，YE Fei.Institutional environments，political connection and the usefulness of accounting information in debt contract：empirical evidences from Chinese private listed companies[J].Management review， 2013（1）：120-127.]

[6]TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001， 130（3）：498-509.

[7]王兵，吳延瑞，顏鵬飛.中國區域環境效率與環境全要素生產率增長[J].經濟研究， 2010（5）：95-109.[WANG Bing，WU Yanrui，YAN Pengfei.Environmental efficiency and environmental total factor productivity growth in Chinas regional economies[J].Economic research journal， 2010（5）：95-109.]

[8]沈能. 環境效率、行業異質性與最優規制強度——中國工業行業面板數據的非線性檢驗[J].中國工業經濟，2012（3）：56-68.[SHEN Neng.Environmental efficiency，industrial heterogeneity and intensity of optimal regulation：nonlinear test based on industrial panel-data[J].China industrial economics， 2012（3）：56-68.]

[9]ZHOU Y， XING X， FANG K， et al. Environmental efficiency analysis of power industry in China based on an entropy SBM Model[J]. Energy policy， 2013， 57（7）：68-75.

[10]XI P，ZHU Q.Analysis of Chinas regional energy utilization and environment protection efficiency based on the DEA-SBM Model[J]. 2017， 4（2）：1-19.

[11]SUEYOSHI T， GOTO M. DEA approach for unified efficiency measurement： assessment of Japanese fossil fuel power generation[J]. Energy economics， 2011， 33（2）：292-303.

[12]COOPER W W， PARK K S， PASTOR J T. RAM： a range adjusted measure of inefficiency for use with additive models， and relations to other models and measures in DEA[J].Journal of productivity analysis， 1999， 11（1）：5-42.

[13]李濤.資源約束下中國碳減排與經濟增長的雙贏績效研究——基于非徑向DEA方法RAM模型的測度[J].經濟學（季刊），2013，12（1）：667-692.[LI Tao.Measuring the win-win performance of Chinas carbon reduction and economic growth with energy constraints： a rang-adjusted measure of non-radial DEA[J].China economic quarterly，2013， 12（1）：667-692.]

[14]任耀，牛沖槐，牛彤，等.綠色創新效率的理論模型與實證研究[J].管理世界，2014（7）：176-177.[REN Yao，NIU Chonghuai，NIU Tong，et al.The theoretical model and empirical study of green innovation efficiency[J].Management world， 2014（7）：176-177.]

[15]RASHIDI K， SHABANI A， FARZIPOOR S R. Using data envelopment analysis for estimating energy saving and undesirable output abatement：a case study in the Organization for Economic Co-operation and Development （OECD） countries[J].Journal of cleaner production， 2015，105：241-252.

[16]王兵，羅佑軍.中國區域工業生產效率、環境治理效率與綜合效率實證研究——基于RAM網絡DEA模型的分析[J].世界經濟文匯，2015（1）：99-119.[WANG Bing，LUO Youjun.Empirical study on industrial productive efficiency， environmental governance efficiency and overall efficiency in China：analysis based on RAM network DEA model [J].World economic papers， 2015（1）：99-119.]

[17]丁黎黎，鄭海紅，王偉.基于改進RAM-Undesirable模型的我國海洋經濟生產率的測度及分析[J].中央財經大學學報， 2017（9）：119-128.[DING Lili，ZHENG Haihong，WANG Wei. Measurement and analysis of marine economic productivity in China based on improved RAM-undesirable model[J].Journal of Central University of Finance & Economics，2017（9）：119-128.]

[18]易明，王騰，吳超.外商直接投資、知識溢出影響區域創新水平的實證研究[J].宏觀經濟研究，2013（3）：98-105.[YI Ming，WANG Teng，WU Chao. Empirical study on the impact of regional direct investment and knowledge spillovers on regional innovation[J].Macroeconomics， 2013（3）：98-105.]

[19]曹霞，于娟.綠色低碳視角下中國區域創新效率研究[J].中國人口·資源與環境， 2015（5）：10-19.[CAO Xia，YU Juan.Regional innovation efficiency in China from the green low-carbon perspective[J]. China population， resources and environment， 2015（5）：10-19.]

[20]封凱棟.源頭性技術創新與國家創新系統[J].中國科技論壇，2013，1（3）：5-10.[FENG Kaidong. Innovation of original technology and national innovation system[J].Forum on science and technology in China， 2013， 1（3）：5-10.]

[21]唐鵬程，楊樹旺.企業社會責任投資模式研究：基于價值的判斷標準[J].中國工業經濟，2016（7）：109-126.[TANG Pengcheng，YANG Shuwang.Research on corporate social responsibility investment pattern：based on value criterion[J].China industrial economics， 2016（7）：109-126.]

[22]頡茂華，王瑾，劉冬梅.環境規制、技術創新與企業經營績效[J].南開管理評論，2014， 17（6）：106-113.[XIE Maohua，WANG Jin，LIU Dongmei.Environment regulation，technological innovation and corporate performance[J].Nankai business review， 2014， 17（6）：106-113.]

[23]吳延兵.R&D;存量、知識函數與生產效率[J].經濟學：季刊，2006，5（4）：1129-1156.[WU Yanbing. R&D; stock， knowledge function and productive efficiency[J]. China economic quarterly， 2006， 5（4）：1129-1156.]

[24]GRILICHES Z.R&D; and the productivity slowdown[J].American economic review，1980， 70（2）：343-348.

[25]朱平芳，徐偉民.政府的科技激勵政策對大中型工業企業R&D;投入及其專利產出的影響——上海市的實證研究[J].經濟研究，2003（6）：45-53.[ZHU Pingfang，XU Weimin.Does the stakeholders benefit of merger and acquisition become equilibrium[J].Economic research journal， 2003（6）：45-53.]

[26]李小平，朱鐘棣.中國工業行業的全要素生產率測算——基于分行業面板數據的研究[J].管理世界，2005（4）：56-64.[LI Xiaoping，ZHU Zhongdi.Calculation of total factor productivity in Chinas industrial sector：a study based on sub-sector panel data[J].Management world， 2005（4）：56-64.]

[27]沈能.環境規制對區域技術創新影響的門檻效應[J].中國人口·資源與環境，2012（6）：12-16.[SHEN Neng.The threshold effect of environmental regulation on regional technological innovation [J]. China population， resources and environment， 2012（6）：12-16.]

[28]張平，張鵬鵬，蔡國慶.不同類型環境規制對企業技術創新影響比較研究[J].中國人口·資源與環境，2016（4）：8-13.[ZHANG Ping，ZHANG Pengpeng，CAI Guoqing. Comparative study on impacts of different types of environmental regulation on enterprise technological innovation [J]. China population， resources and environment， 2016（4）：8-13.]

[29]蔣伏心，王竹君，白俊紅.環境規制對技術創新影響的雙重效應——基于江蘇制造業動態面板數據的實證研究[J].中國工業經濟，2013（7）：44-55.[JIANG Fuxin，WANG Zhujun，BAI Junhong.The dual effect of environmental regulations impact on innovation：an empirical study based on dynamic panel data of Jiangsu manufacturing[J].China industrial economics， 2013（7）：44-55.]

[30]王然，燕波，鄧偉根.FDI對我國工業自主創新能力的影響及機制——基于產業關聯的視角[J].中國工業經濟，2010（11）：16-25.[WANG Ran，YAN Bo，DENG Weigen.The impact of FDI on the independent innovation capability of Chinese indigenous industries：from the perspective of industrial linkages [J].China industrial economics， 2010（11）：16-25.]

[31]張偉，李虎林，安學兵.利用FDI增強我國綠色創新能力的理論模型與思路探討[J].管理世界，2011（12）：170-171.[ZHANG Wei，LI Hulin，AN Xuebing. Discussion on the theoretical model and thinking of using FDI to enhance our green innovation ability[J].Management world， 2011（12）：170-171.]

[32]賴德勝，紀雯雯.人力資本配置與創新[J].經濟學動態，2015（3）：22-30.[LAI Desheng，JI Wenwen.Human capital allocation and innovation[J].Economics information， 2015（3）：22-30.]

[33]肖文，林高榜.政府支持、研發管理與技術創新效率——基于中國工業行業的實證分析[J].管理世界，2014（4）：71-80.[XIAO Wen，LIN Gaobang.Government support，R&D; management and technology innovation efficiency：an empirical analysis based on Chinas industrial sector [J].Management world， 2014（4）：71-80.]

[34]白俊紅，卞元超.政府支持是否促進了產學研協同創新[J].統計研究，2015（11）：43-50.[BAI Junhong，BIAN Yuanchao.Does government support promote IUR synergy innovation[J].Statistical research， 2014（4）：71-80.]

[35]劉章生，宋德勇，弓媛媛，等.中國制造業綠色技術創新能力的行業差異與影響因素分析[J].情報雜志，2017（1）：194-200.[LIU Zhangsheng，SONG Deyong，GONG Yuanyuan ，et al. Analysis of industrial differences and its influencing factors of green technological innovation capability of Chinese manufacturing industry [J].Journal of intelligence， 2017（1）：194-200.]

[36]黃榮貴，桂勇.互聯網與業主集體抗爭：一項基于定性比較分析方法的研究[J].社會學研究， 2009（5）：29-56.[HUANG Ronggui，GUI Yong.The internet and homeowners collective resistance：a qualitative comparative analysis[J]. Sociological study， 2009（5）：29-56.]

[37]RIHOUX B.Qualitative comparative analysis （QCA）， anno 2013： reframing the comparative methods seminal statements[J]. Swiss political science review， 2013，19（2）：233-245.

[38]SKARMEAS D， LEONIDOU C N， SARIDAKIS C.Examining the role of CSR skepticism using fuzzy-set qualitative comparative analysis[J].Journal of business research， 2014，67（9）：1796-1805.

[39]FISS P C.Building causal theroies：a fuzzy set approach to typologies in organization research[J].Academy of Manngement journal，2011，54：393-420.

[40]張江雪，蔡寧，毛建素，等.自主創新、技術引進與中國工業綠色增長——基于行業異質性的實證研究[J].科學學研究，2015，33（2）：185-194，271.[ZHANG Jiangxue，CAI Ning，MAO Jiansu，et al. Research on technological innovation efficiency of industrial enterprises based on green growth of regions in China[J]. Studies in science of science， 2015，33（2）：185-194，271.]

Construction of the efficiency promotion model of green innovation in Chinas

heavy polluted industries

WU Chao1，2 YANG Shu-wang2，3 TANG Peng-cheng1，2 WU Ting1，2 FU Shu-ke4

（1.School of Economics and Management， China University of Geosciences （Wuhan）， Wuhan Hubei 430074， China；

2.Mineral Resource Strategy and Policy Research Center， China University of Geosciences （Wuhan）， Wuhan Hubei 430074， China；

3.Key Laboratory of Strategic Research on Land and Resources， Ministry of Land and Resources， Wuhan Hubei 430074， China；

4.Research Institute of Risk Prevention in Chemical Industry， Wuhan Institute of Technology， Wuhan Hubei 430205， China）

Abstract In the new era of economic development， it is an inevitable choice that the heavy polluted industries should be transformed to the green industry by the innovation. The DEA-RAM combined efficiency model which covers the innovation efficiency and green efficiency has been constructed in this study， and the green innovation efficiencies of 16 Chinas heavy polluted industries have been evaluated based on the dual attributes of green and innovation. The method of fuzzy sets qualitative comparative analysis which can deal with the problems of multiple interactions and combined path has been applied to discuss the construction of efficiency promotion model of green innovation based on the interactive attributes of green innovation influences factors. It is found in this study that the current Chinas heavy polluted industries are still in the transformation stage of ‘innovation without green. The innovation activities are in relative good conditions， while the negative externality of the industry environmental pollution is still obvious， and thus the innovation and application of green technology should be strengthened further； meanwhile， the green efficiency is generally lower than the innovation efficiency in the heavy polluted industries， the green innovation efficiency of the industry policy is encumbered by the green efficiency， and thus the improvement of green efficiency is the key point to the cooperative effect of improving the green and innovation efficiency； in the model of combined efficiency improvement， the small-scale and heavy polluted enterprises should take the environmental regulations and foreign merchants ‘scientific research supports as the basis， and simplify the scientific research personnel as the supplementary method， and moreover the governments scientific research supports are not important at this moment； regardless of the enterprises ‘scale， the heavy polluted enterprises should take the environmental regulations and governments scientific research supports as the basis， simplify the scientific research personnel and gain a small amount but excellent foreign merchants ‘scientific research supports as the supplementary method. According to the research results， the green transformation of Chinas heavy polluted industries should firstly increase the scientific research investment， and accelerate the promotion and application of green technology； secondly， it should continue to implement the environmental regulation policies strictly and improve the enterprises environmental awareness； thirdly， it should change the policy implementation concept， explore the multiple complementary method of green innovation policy and promote the heavy polluted industries to realize the green transformation quickly.

Key words heavy polluted industries； green innovation； DEA-RAM model； fuzzy sets qualitative comparative analysis