中國區域綠色技術創新效率的空間分布及影響因素分析

孫欣，曾菊芬

(安徽財經大學 統計與應用數學學院，安徽 蚌埠 233010)

自改革開放以來，中國經濟一直處于高速增長的模式，粗放型生產方式使得環境的承載力日益下降，已經影響到中國經濟的可持續發展。在經濟發展進入“新常態”后，這種粗放型的經濟發展模式已不適用于當前經濟發展的要求。面對資源有限和環境污染的問題，轉變經濟發展模式，將綠色發展理念和技術創新理念相結合，實施綠色創新驅動戰略，推動經濟持續健康發展和實現經濟轉型升級已成為當前中國經濟發展的主要任務。因此，本文將在考慮環境因素的基礎上，對中國區域綠色技術創新效率的現狀以及空間分布特征進行實證研究，并構建空間計量模型來探究影響區域綠色技術創新能力的主要因素，這對推動區域經濟的綠色增長，提升區域綠色創新能力，形成合理的區域發展格局具有重要意義。

一、文獻綜述

綠色技術的概念最早是由Brawn et al.于1994年提出的[1]，相對于傳統技術創新，它在很大程度上緩和了環境與經濟發展的矛盾。近年來，隨著經濟-環境問題的日益凸顯，國內外大多數學者在此領域展開了深入的研究，主要集中于對創新效率指標體系的選取、測算模型的建立以及空間維度的探究[2-21]。目前所采用的研究效率的方法主要是以非參數的數據包絡分析(DEA)和參數的隨機前沿法(SFA)為主。韓晶等運用包含空間計量的四階段 DEA 模型對各省的創新效率進行實證研究，結果表明傳統 DEA 方法測算的區域創新效率值被明顯低估，經過四階段 DEA 調整后，規模報酬遞增的省份居多[2]。王惠等考慮到決策單元使用非期望產出的SBM模型會出現同時有效的情況,且若干不同省份的高技術產業創新效率會同時處于DEA效率前沿面,故采用Super-SBM模型測度環境約束下中國高技術產業綠色創新效率[3]。Kortelainen基于Malmquist指數對20個歐盟成員國和OECD國家的技術創新效率進行評價研究[4]。周五七運用全局DEA及GML指數測算了工業行業綠色全要素生產率指數，結果表明在發揮技術進步對工業行業碳生產率增長作用的同時，也要重視技術效率對碳生產率增長的推動作用[5]。林陟峰等采用隨機前沿生產函數對全要素生產率及分解效率進行探討，發現北京制造業的全要素生產率呈現下降趨勢，其主要原因在于技術進步和技術效率的開始惡化[6]。韓晶應用SFA方法對中國高技術產業創新效率進行實證分析，結果表明中國高技術產業整體創新效率呈改善的趨勢[7]。

當前，研究綠色創新效率影響因素的方法有多種。其中，普遍應用的是經典計量模型和空間計量模型。如汪傳旭等運用空間Durbin模型對區域高技術企業綠色創新效率的空間溢出效應進行分析，結果表明不同的解釋變量對本地區和其他地區綠色創新效率提升作用的顯著性不同[8]。錢麗等將影響效率的因素分為企業管理和區域環境建設兩方面，然后分別構建計量模型，回歸的結果表明企業規模和國有經濟比重對效率的提升具有負影響，其他因素具有顯著的促進作用[9]。還可以采用結構化方程對影響因素進行分析，其優勢在于能對潛在變量和復雜變量的模型進行參數估計。如沈能等在考慮技術異質性的基礎上，運用結構化方程建立綠色創新結構模型，對綠色創新影響機制進行研究[10]。肖黎明等運用無效率方程研究區域綠色創新效率，結果表明各因素與綠色創新效率之間呈線性、U型和倒U型關系[11]。

從所檢索的文獻來看，雖然學者們對綠色創新效率領域進行了有效的研究，但還存在一定的不足：第一，傳統的效率分析DEA很少同時考慮環境因素和“松弛”要素對創新效率的影響，這會造成創新效率被高估的情況。雖然Malmquist-Luenberger指數可以用于測度長期的基于非期望產出的效率變化問題，但在測算的過程中可能由于DMU數量不足而造成前沿面不夠精細，結果的穩定性不高，所以可以考慮全局參比、窗口參比等Malmquist指數來提高結果的可靠性。第二，考慮綠色發展的技術創新效率與純技術創新效率的比較差異，進而明確綠色發展的必要與否。第三，黨的十八大以來，綠色技術創新效率是否產生變化，目前還沒有研究對此進行對比分析。第四，由于區域的技術擴散與溢出效應的存在，在分析綠色技術創新效率的因素上需要考慮到空間因素，目前較少文獻采用空間計量方法進行深入分析。因此，本文在考慮非期望產出和松弛變量的基礎上，將DEA-SBM與全局Malmquist-Luenberger指數結合來評價研究綠色技術創新效率的靜態和動態變化，并將綠色技術創新效率與純技術創新效率進行比較分析。然后采用空間自相關指數對區域的空間相關性進行探索，并在空間自相關指數的基礎上構建空間計量模型來分析影響中國綠色技術創新效率的因素。同時，以黨的十八大為基點，將創新效率與空間效應進行前后期對比來反映區域創新程度的變化[12-29]。

二、研究方法與模型

(一)非期望產出的DEA-SBM模型

數據包絡分析(DEA)是一種基于被評價對象間相對比較的非參數效率分析方法，傳統的DEA模型如CCR、BCC都是基于徑向和角度的思想，在處理無效DMU時都是將所有投入(產出)等比例增加(縮減)，并沒有把松弛的部分在效率值的測量中體現出來。因此，為了解決模型中松弛變量的問題，Tone提出了SBM模型，它是同時從投入和產出兩方面對無效率狀況進行測量，因此也是非徑向模型[12]。在研究綠色創新效率時一般需要考慮環境因素的，但以往的研究中大多只考慮期望產出，沒有考慮到生產過程中所產生的壞產出，故本文采用非期望產出的非徑向SBM模型來處理綠色技術創新效率問題，既能解決非期望產出的效率問題，又能考慮松弛變量的影響。非期望產出的DEA-SBM模型如下

(1)

式中:ρ代表效率值，0≤ρ≤1，如果其值等于 1，則說明被評價單元是強有效的，如果小于1，說明被評價單元還未達到理想的有效狀態，在投入和產出上有需要改進之處；m為投入，q為產出，xk，yk，bk分別表示第k個DMU的投入、期望產出、非期望產出，ω表示決策單元DMU；s-,s+,sh分別表示投入、期望產出、非期望產出的松弛變量。

(二)全局參比Malmquist-Luenberger指數

由于靜態的DEA效率只能反映某一時間綠色技術創新的相對效率，而事物的發展一般是一個連續變動的過程，當被評價的DMU數據是包含多個時間點的面板數據時，通常需要用Malmquist指數來分析技術效率和技術進步對創新效率所起的作用。

Malmquist指數分析法是基于DEA模型測算全要素生產率動態變化的一種方法，由于在實際應用中DMU的數量往往比較少，這會導致前沿過于粗糙。為了提高前沿精細度以及結果的可靠性，本文采用可以增加DMU數量的全局參比Malmquist模型來分析中國區域綠色技術創新效率。

全局參比Malmquist模型是以各期的總和為參考集，各期共同的參考集為

(2)

各期參考的是共同前沿，因此計算的是單一的Malmquist指數

(3)

式中：Sg為總參考集、x與y為投入變量與產出變量、Mg為Malmquist指數、EC為技術效率指數、TC為技術進步指數。

因此，Malmquist指數可分解為效率變化和技術變化，即

EC×TC

(4)

本文將環境污染指數作為非期望產出引入到Malmquist模型中，所以得到的Malmquist指數為Malmquist-Luenberger指數。

(三)空間自相關檢驗

空間自相關是指相鄰區域具有相似的變量取值，基于空間序列的復雜性，目前檢驗空間相關性的方法中最常用的是全局空間自相關和局部空間自相關。

對空間自相關進行分析的前提是測算空間權重矩陣；常用的方法有0-1空間權重矩陣、地理距離的倒數作為空間權重、經濟距離權重矩陣等。本文采用0-1空間權重矩陣，并對其進行標準化處理

(5)

式中：W為空間權重矩陣， 為區域i和區域j的空間權值。主對角線上的元素w11=…=wnn=0;如果區域i與區域j有共同的邊界，則wij=1; 如果區域i與區域j沒有共同的邊界，則wij=0。

全局空間自相關是考察整個空間序列的集聚情況，一般采用莫蘭指數(Moran’s I)衡量，具體形式如下

(6)

莫蘭指數的取值范圍為[-1,1]，Moran’s I指數大于0表示正相關，即創新效率高(低)的區域與創新效率高(低)的區域集聚；Moran’s I指數小于0表示負相關，即創新效率高(低)的區域與創新效率低(高)的區域集聚；當Moran’s I=1或Moran’s I=-1時，則表明各省份的綠色技術創新效率之間存在完全空間正相關或完全空間負相關；若Moran’s I指數接近于0，則表示各省份的綠色技術創新效率之間不存在空間相關性。

局部空間自相關是考察某區域附近的空間集聚情況，可以用來反映各省市間的空間自相關性。局部莫蘭指數(Moran’s I)的具體表達式如下

(7)

式中：若Ii為正，則表示區域i的高(低)值被周圍的高(低)值包圍；若Ii為負，則表示區域i的高(低)值被周圍的低(高)值包圍。

同時，可以根據測算的局部莫蘭指數值Ii畫出Moran’s I散點圖。Moran’s I散點圖有I、II、III、IV共4個象限，分別表示高-高(H-H：高效率-高滯后)、低-高(L-H：低效率-高滯后)、低-低(L-L：低效率-低滯后)、高-低(H-L：高效率-低滯后)集聚模式。

(四)空間計量模型

(1)空間自回歸模型(SAR)。空間自回歸模型是分析所研究變量在某一地區的溢出效應，表達式如下

Y=γWY+Xβ+ε

(8)

式中：Y為被解釋變量，即本文中的綠色技術創新效率水平；γ為空間自回歸系數，用來度量空間滯后WY對Y的影響；W為空間權重矩陣；X為n×k的解釋變量矩陣，本文選取了5個影響因素來作為解釋變量，β為相應系數；ε為隨機擾動項，假設其滿足ε～N(0,δ2In)。

(2)空間誤差模型(SEM)。空間誤差模型是反映區域外溢是隨機沖擊的作用結果，即被解釋變量的誤差沖擊對本地區效率水平的影響程度。其空間依賴性主要是通過誤差項來體現。具體表達式如下

(9)

式中：M為空間權重矩陣；ρ為被解釋變量Y的空間誤差系數；該模型中隨機擾動項μ存在空間依賴性，這表明不包含在X中但對Y有影響的遺漏變量存在空間相關性。

(3)空間杜賓模型(SDM)。空間杜賓模型是另一種空間效應建模的方法，其假設區域i的被解釋變量依賴于其鄰接地區的自變量，具體形式如下

y=Xβ+WXδ+ε

(10)

式中：WXδ表示來自鄰接地區自變量的影響；δ為相應的系數向量。該模型不存在內生性，故可直接進行最小二乘估計(OLS)估計。但解釋變量X可能與滯后項WX存在多重共線性，若δ=0可將方程(10)簡化為一般的線性回歸模型。將SDM與SAR結合可得一般的空間杜賓模型，具體表達式如下

Y=ρWY+Xβ+WXδ+ε

(11)

三、指標選取和數據處理

(一)綠色技術創新效率的評價指標體系

在綜合相關文獻基礎上，根據研究對象數據的可獲得性，本文將從技術創新的研究發展階段與成果轉化階段來構建區域投入產出的綠色創新能力評價體系。同時，為體現綠色創新的主旨內涵，本文將在傳統的技術創新效率基礎上綜合考慮能源消耗和環境污染的問題，將其主要指標納入投入產出評價指標體系中。

(1)投入指標。不管是新古典還是內生經濟增長視角下的生產函數，勞動和資本都是創新發展中最基本的要素。因此，本文選取R&D人員全時當量和R&D經費內部支出作為勞動要素和資本要素投入指標，R&D人員全時當量能夠反映出創新人員投入狀況，R&D經費內部支出能反映一個區域對創新活動的重視程度、技術資金的投入狀況。而綠色創新旨在改善生態效益的同時提升經濟效益，所以也要將資源效益要素考慮到創新投入體系中，能源消費水平可以反映創新對經濟運行質量和效益的促進，而單位GDP能耗是衡量能源消費水平的主要指標，因此，本文選取單位GDP能耗作為創新投入的資源要素。數據來源于《中國統計年鑒》以及各省份統計年鑒。

(2)期望產出指標。期望產出是指在創新活動中得到的理想產出。參考借鑒多數學者的做法，選取專利申請量和新產品銷售收入作為綠色創新效率的期望產出。因為專利是衡量一個地區綠色創新能力和潛在市場收益的重要指標，新產品銷售收入是反映出創新成果的商業化水平，衡量經濟效益的指標。數據來源于《中國統計年鑒》。

(3)非期望產出指標。從綠色創新的角度來看，創新活動的產出不僅包括專利數量和產品銷售收入，還應該將生產過程中所帶來的環境污染也作為產出的一部分。故本文選取廢水、廢氣、固體廢棄物的排放量，測算出“三廢”的綜合環境污染指數作為非期望產出指標。數據來源于《中國環境統計年鑒》。

表1 綠色技術創新效率的投入產出指標

(二)環境污染指數的測算

本文采用工業“三廢”的排放量來測算環境污染指數，由于評價指標的單位不一致，故需要通過對指標進行標準化來消除量綱的影響，并賦予權重，得出綜合環境污染指數。

首先，對“三廢”的排放總量進行正向標準化處理，具體表達式如下

(12)

然后，采用層次分析方法確定廢水、廢氣與固體廢棄物在計算環境污染指數過程中所占的權重，分別為0.41、0.35 與 0.24。

最后，計算綜合環境污染指數，公式如下

(13)

式中：Yi為第i個地區的綜合環境污染指數；ωj為第j種污染物的權重。

(三)影響綠色技術創新效率的評價指標

參考借鑒相關文獻，結合綠色技術創新效率的理論及評價指標體系，本文從經濟、環境、技術等方面選取技術市場環境、經濟開放程度、產業結構、環境規制、政府支持5個變量作為影響區域綠色技術創新效率水平的因素。

(1)技術市場環境(jsschj)。技術市場環境變量反映技術市場發展狀況，科技創新成果轉化效率的指標。技術市場環境的發展程度可以反映技術進步的快慢和科研成果的利用效率，對推動綠色技術創新效率的提升存在一定影響。技術市場的成交數量越多，則技術轉移和技術進步的速度越快，技術市場環境發展程度越高。因此，本文選取技術市場成交額來衡量技術市場環境發展程度。

(2)經濟開放程度(jjkfcd)。經濟開放程度是指本國經濟與國外經濟之間的往來程度，主要是以外商投資為代理變量來衡量。一般來看，外商投資能為中國引入國外的先進技術，加快經濟增長，但往往也會帶來資源消耗與環境污染。經濟開放程度對中國綠色技術創新效率產生怎樣的影響，需要實證研究。本文以外商投資總額與國內生產總值的比值作為評價指標來具體分析，其中外商投資總額需根據當年的匯率轉換單位換算。

(3)產業結構(cyjg)。產業結構是指第一、二、三產業在一國經濟結構中所占的比重。在經濟發展的過程中，產業結構逐漸呈現出高度化，即產業重心逐次向第二、三產業轉移，并且第三產業的比重最大。而大多數學者在考慮產業結構因素時僅將第二產業[8]或者第三產業作為研究對象[13]。根據賽爾奎因和錢納里的觀點，認為隨著經濟的發展第三產業的占比更高，本文認為采用第二、三產業綜合評價產業結構更為全面，并借鑒金艷清的方法[25]，分別對第二、三產業賦予0.4、0.6的權重來測度產業結構指標。

(4)環境規制(hjgz)。綠色創新的“綠色”二字體現在環境和能源這兩方面，治理環境污染和節約能源是提高創新效率的有效途徑。基于文獻理論和數據的可得性，本文選取環境污染治理總額占財政預算支出的比值來衡量環境規制對區域綠色技術創新的影響程度。

(5)政府支持度(zfzc)。綠色創新的發展需要雄厚的資金支持，而政府是支持區域創新有效發展的機構，政府的支持力度對綠色創新發展起著重要作用。因此本文選取科學技術支出占財政預算支出的比例來作為政府對技術創新支持力度的衡量指標。

四、實證分析

(一)區域綠色技術創新效率的評價研究

1.技術創新效率的靜態分析

(1)考慮綠色發展的技術創新效率。本文以30 個省份(西藏除外)為研究對象，2008～2017年的面板數據為樣本，單位GDP能耗、R&D人員全時當量和內部經費支出為投入指標，專利申請量和新產品銷售收入為產出指標，在考慮環境因素的前提下，采用非期望產出的DEA-SBM模型測算了各省份的綠色技術創新效率，具體結果如表2。

根據表2綠色技術創新效率的評價結果和圖1綠色技術創新效率的變化趨勢，可以從以下4個角度來分析中國綠色技術創新效率。

從整體來看，中國綠色技術創新效率的水平不高，創新效率值最高為0.694，最低為0.446，表明中國整體效率水平不高，仍有提升空間。

從時間維度上來看，本文以2013年為基點作為綠色技術創新效率的前后期來分析。中國2008～2011年期間綠色創新效率呈現升降波動的趨勢，說明在此期間雖然中國的創新能力有所提高，生產力發展也得到改善，但大多基于能源消耗和環境污染，使得中國的創新效益在一定時期內得不到穩定發展。2011年出臺了“十二五”規劃，中國加大了對創新的重視和科研的投入，并大力推行能源與環境管理，使得中國綠色技術創新效率在短期內得到了快速的提升。但在2013年綠色技術創新效率值達到最大(0.694)后，2014年就開始出現小幅度下降的情況，這是因為環境污染指數相較去年有所上升，而政府對環境污染治理的投入力度反而下降了16個百分點，從而致使創新效率水平有小幅度下降的趨勢。2017年效率值達到0.648，雖然沒有達到2013年的最高值，但相較前期的創新效率值而言有了明顯提升，表明“創新、協調、綠色、開放、共享”五大發展理念得到了較好的貫徹實施，效率提升的同時環境也得到了良好的治理，中國綠色技術創新效率水平正朝好的方向發展。

表2 30個省份的綠色技術創新效率評價結果

圖1 2008～2017年綠色技術創新效率變化趨勢

從三大區域來看，中國綠色技術創新效率并不太穩定，但總體呈現出波動增長的態勢。其中東部地區的綠色技術創新效率值大多維持在0.7以上，中部地區維持在0.5左右，西部地區的效率值在近幾年開始有很大的提升，也基本維持在0.5左右。總體上來看，東部和中部地區的創新效率要明顯優于西部地區，這可能是由于地理位置、經濟發展水平、教育質量、環境保護意識及技術水平等因素形成的差異，但近幾年東中西部地區的區域差異在進一步縮小。

從各省份來看，30個省份中綠色技術創新效率值最高的是北京、浙江、廣東、海南，其平均創新效率值為1，表明這些省份均處于理想的綠色創新狀態。平均綠色技術創新效率值達到0.8以上的省份有上海(0.965)、江蘇(0.896)、安徽(0.880)、重慶(0.907)，這些省份比較接近理想的綠色創新狀態。其中安徽省的效率值逐年上升的原因在于其單位GDP能耗率不斷下降以及科創投入的比例不斷上升，說明安徽省各項綠色發展的措施和創新驅動能力取得良好的成效。而重慶市處于理想的綠色創新狀態的原因可能在于其高等教育機構的質量很好，以及“西部大開發”實施的人才戰略取得了有效的進展，能培養出大量的科技人才，從而使得其創新效率值較高。總體而言，2008～2017年間大部分省份的綠色技術創新效率還是有顯著提高的，但仍有很大的發展空間。

(2)純技術創新效率。為驗證綠色發展對技術創新的影響，本文將進一步開展綠色技術創新效率與非綠色發展的技術創新效率的比較，有效地揭示綠色發展對技術創新效率作用。因此，評價指標體系將剔除能源消耗投入與環境污染產出指標，采用相同的DEA-SBM模型測算了各省份的技術創新效率，得到各省份在2008～2017年間的技術創新效率均值，與綠色技術創新效率均值的對比結果如表3所示。

根據表3和圖2綠色技術創新效率與技術創新效率的比較結果可知，整體上剔除能源與環境績效指標后的純技術創新效率要高于綠色技術創新效率，其中2008～2010年間綠色技術創新的效率值高于純技術創新效率值，這是因為環境對技術創新效率的影響存在一定的滯后性，在短期快速增長中無法體現。結果表明良好的綠色基礎是提升技術創新效率的重要因素，結合綠色發展理念與技術創新理念，實施綠色創新驅動戰略，是推動經濟持續健康發展和提升區域發展能力的關鍵。

2.綠色技術創新效率的動態分析

上述通過DEA-SBM模型逐年計算出靜態的區域綠色技術創新效率值，了解目前中國綠色技術創新效率的水平。為了更深入地分析效率的生產前沿面變動情況，本文還將測算2008～2017年各區域綠色技術創新效率的Malmquist-Luenberger指數，并通過分解Malmquist指數來反映技術進步和技術效率對創新效率所起的作用。結果如表4和表5。

圖2 綠色技術創新效率與技術創新效率的變化趨勢圖

表3 綠色技術創新效率與純技術創新效率的比較結果

表4 各區域綠色技術創新效率的Malmquist指數及其分解

注：表中MI、EC、TC值均為各時期的幾何平均值。

從表4各區域綠色技術創新效率的Malmquist指數及其分解的運行結果來看，除甘肅、青海之外，其他各省的Malmquist指數均大于1，表明大部分省份的綠色技術創新全要素效率呈增長態勢。而甘肅和青海的Malmquist指數均小于1，影響其指數值的主要因素是技術進步(TC)，表明這兩個省份的技術進步率有所下降。

從分解的技術進步和技術效率來看，有4個省份的技術效率(EC)小于1，

而有6個省份的技術進

圖3 2008～2017年區域綠色技術創新效率的Malmquist指數變化及分解

步(TC)小于1，技術進步與技術效率之間的差異說明在發展過程中雖然形成了有效的投入產出結構，但技術的開發還存在不足，現有的技術無法使綠色技術創新全要素生產率得到快速的提升。因此，要想提高區域TFP還需加大科技的研發與投入。

為了更準確地了解使綠色技術創新全要素生產率呈增長態勢的主要因素，本文將在區域性分析的基礎上再進行階段性分析，由表5的分段結果可知，2008～2017年間各區域的MI均值為1.280，說明平均增長率達到28%以上，其中技術效率增加13.0%，技術進步增加13.3%。由圖3中MI、EC、TC的變化趨勢來看，技術進步與全要素生產率的變化基本一致。另外，以2008～2009年與2009～2010年這兩個時間段為例，MI由1.414下降到1.062，雖然在此階段技術效率由0.703上升至1.928，但技術效率的作用并未抵消技術進步下降所帶來的影響，說明技術進步是影響全要素生產率的主要動力。綜上可知，技術進步(TC)是影響全要素生產率(MI)的關鍵要素，這與區域性分析的結果相符。

(二)綠色技術創新效率的空間自相關動態分析

1.全局空間自相關

通過上面的分析可以發現區域間綠色技術創新效率的差異性比較大，說明綠色創新能力與空間分布存在很大關系。特別是從三大區域的角度來看，東、中、西部地區呈現出“東高西低”的分布格局。因此，本文將在研究綠色技術創新效率的基礎上，采用全局空間自相關和局部空間自相關來分析各省份綠色技術創新效率的空間分布特征。

表6 2008～2017年30個省份綠色創新效率Moran’s I統計值

由表6的運行結果可知，30個省份2008～2017年綠色技術創新效率的全局Moran’s I值均大于0，并且通過顯著性檢驗。這表明綠色技術創新效率存在空間正自相關性，即高效率省份相鄰的省份具有較高的創新效率，低效率省份相鄰的省份具有較低的創新效率。以2012年為對比基點來看，2008～2013年間整體Moran’s I值呈升降波動的趨勢，表明區域間的發展具有不穩定性，一些省份的綠色技術創新效率會受到周邊區域的影響呈現不穩定狀態。而2013～2017年期間Moran’s I值(均值0.403)相較前期的Moran’s I值(均值0.304 5)而言有了較為明顯提升，表明十八大提出的綠色政策在整體上得到了有效實施。但全局Moran’s I指數只能反映整個區域的空間相關趨勢，無法揭示出局部空間分布特征。要具體了解各區域間對政策的執行程度，還有必要進一步用局部空間自相關來分析每個區域的局部相關性。

2.局部空間自相關

局部自相關分析不僅能表明區域空間集聚的類型，還能準確的了解各省份的具體空間集聚情況。本文運用局部空間自相關對各省份2008、2011、2014、2017年的區域分布情況進行分析，得到Moran’s I散點圖如圖4～7所示。

根據Moran’s I散點圖(圖4～圖7)和表7給出的30個省份在2008年、2011年、2014年和2017年各象限的分布情況，可以得出2008年有16個(53.3%)省份呈現正向空間相關，其中H-H象限7個、L-L象限9個。2011年有19個(63.3%)省份呈現正向空間相關，其中H-H象限7個、L-L象限12個。2014年有20個(66.6%)省份呈現正向空間相關，其中H-H象限9個、L-L象限11個。2017年有21個(70.0%)省份呈現正向空間相關，其中H-H象限9個、L-L象限12個。以2012年為基點分為前后期來看，2008～2011年創新效率在正向空間相關的比率上增加了10.0%，2011～2014年增加了3.3%，2014～2017年又增加了3.4%。雖然各區域在象限中處于不斷躍遷的狀態，但后期相較于前期而言集聚于高效率的省份增加了，高綠色技術創新效率的省份在不斷增多，并且在2008～2017年間呈正向空間自相關的省份增加了6.7%。這表明自十八大政策實施以來，各區域間重視并根據自身情況積極貫徹了各項政策，使得各區域的創新能力及相關性有逐漸加強的趨勢。并隨著時間的推移開始有中、西部地區的省份向高效率象限躍遷，這與各區域積極響應國家制定的相關政策是相符的。

圖4 2008年Moran’s I散點圖

圖5 2011年Moran’s I散點圖

圖6 2014年Moran’s I散點圖

圖7 2017年Moran’s I散點圖

表7 Moran’s I散點圖對應的30個省份所處象限

(三)綠色技術創新效率的影響因素分析

常見的空間計量模型有空間自回歸模型(SAR)、空間誤差模型(SEM)、空間杜賓模型(SDM)等。在選取模型之前首先要進行時間與空間交互效應的檢驗，從而確定是時間固定、空間固定還是時間空間雙固定。然后進行豪斯曼檢驗(Hausman)來確定是使用隨機效應還是固定效應模型。

本文以綠色技術創新效率為被解釋變量，技術市場環境、經濟開放程度、產業結構、環境規制、政府支持五大因素為解釋變量。首先對SAR和SEM模型進行回歸估計和檢驗，結果如表8所示。

表8 非空間面板模型回歸估計及檢驗結果

注：表中數據通過matlab軟件計算整理得到；*、***分別表示在10%，1%的水平上顯著；括號內為P值。

根據表8測算的非空間面板模型回歸估計及檢驗結果可以看出，LR空間固定和LR時間固定效應的統計值在顯著性水平1%下均顯著，且時空雙固定效應模型的Log-L值最大，故本文選擇時間和空間雙固定效應的面板模型。

在選取雙固定效應模型后首先確定空間自回歸模型(SAR)和空間誤差模型(SEM)哪個模型最佳，綜合表8的LM檢驗和穩健性LM檢驗來看，SAR模型(LM=12.671,P=0.000)和SEM模型(LM=11.562,P=0.001)的LM檢驗均通過1%的顯著性水平，但綜合穩健性的R-LMla結果來看，雙固定效應的SAR模型(R-LM=1.112,P=0.292)比SEM模型(R-LM=0.003,P=0.959)更合適。

確定雙固定SAR模型后，進一步進行Wald檢驗和LR檢驗來確定SDM模型是否能簡化為SAR或SEM模型，如若不能，則選取雙固定效應的SAR模型。具體測算結果見表9所示。

表9 時間空間雙固定SDM模型的Wald和LR檢驗結果

注：*表示在10%的顯著性水平上顯著。

根據表9時間空間雙固定效應SDM模型的Wald檢驗和LR檢驗結果可知，SDM模型只有在顯著性水平為10%時才能簡化為SAR或SEM模型，綜合表8與表9的測算結果，選用空間自回歸SAR模型更合適。

上述分析只是確定時間與空間的交互效應，還不能完全確定模型是選擇隨機效應還是固定效應，還需進行豪斯曼檢驗。豪斯曼檢驗結果顯示，統計量chi(5)=24.778，P=0.009 8，通過顯著性水平1%的顯著檢驗，故拒絕接受隨機效應的原假設，選取雙固定效應的SAR模型來評價研究影響區域綠色技術創新效率的因素。得到結果如表10所示。

根據表10雙固定效應SAR模型的測算結果可知，SAR模型的自回歸系數ρ在1%的顯著性水平下是顯著的，表明各區域的綠色技術創新效率存在顯著的空間正相關性。與空間自相關檢驗結果相符。

表10 雙固定效應SAR模型的估計檢驗結果

注：*、**、***分別表示在10%，5%，1%的水平上顯著。

在雙固定的SAR模型中除政府支持沒有通過顯著性檢驗外，其他變量都至少通過10%的顯著性檢驗，表明在推進綠色創新發展方面，政府的投入力度(量)還不夠，或者說投入方向(質)存在問題，對科研支持力度方面還有待加強改善。技術市場環境通過10%水平的顯著性檢驗，其影響系數為0.044 9，說明各省域的技術市場環境對促進綠色技術市場發展、推動綠色技術創新效率提升的效果不太明顯，科技成果轉化階段還存在不足之處。經濟對外開放程度在1%水平下通過顯著性檢驗，其影響系數為0.199 2，說明在綠色發展的背景下外商投資對提高綠色創新效率的作用顯著。產業結構通過1%水平的顯著性檢驗，其影響系數為0.269 5，說明產業結構是提升綠色創新效率的重要因素之一，發展區域綠色創新需要加強第二、三產業結構的升級，尤其是加強發展污染排放較少的高技術產業與第三產業，完善產業結構高級化。環境規制通過5%顯著性水平的檢驗，說明環境規制與創新效率存在顯著的相關關系，但環境規制對創新效率的影響系數為-0.190 0，出現了環境規制與創新效率呈現負相關的情況，這可能是各區域在實施環境規制政策強度過大，導致在短期內造成了擠出效應。即為了落實環境污染治理政策，需要投入部分資金來達到環保要求，在資金總額一定的情況下，勢必會降低其他方面的資金投入，從而環保政策會在短時期內對綠色技術創新效率產生抑制的作用。

五、研究結論與政策建議

(一)研究結論

總的來看，各區域的綠色創新效率水平不高，平均效率值在0.6左右，雖然相較前期近幾年創新效率水平呈上升趨勢，但仍有很大的提升空間。各區域間的創新效率差異比較明顯，從三大區域來看，東部地區的效率均值要明顯高于中部、西部地區，創新效率值高的省份基本聚集在東部地區，呈現出“東高西低”的分布格局。考慮能源和環境績效的綠色技術創新效率要低于純技術創新效率，說明綠色發展是提升區域技術創新效率的重要因素。全局Malmquist-Luenberger指數的測算結果表明，大部分省份的綠色技術創新全要素生產率呈增長的態勢，且技術進步是影響綠色技術創新全要素生產率的主要因素。

全局自相關的Moran’s I指數表明，各區域的綠色技術創新效率存在顯著的空間正自相關性，創新效率水平較高(低)的地區同其他具有較高(低)創新效率水平的地區具有空間集聚效應。局部空間自相關的Moran’s I散點圖顯示，各省份的空間集聚效應主要體現在L-L象限與H-H象限，并且隨著時間的推移，會有部分地區向高效率H-H象限逐年躍遷。十八大后綠色技術創新效率整體相較之前有所提升，各區域之間的空間相關程度也有所加強，區域間的集聚效應更為明顯，即高效率的區域能帶動周圍鄰近省市效率水平的提升，表明十八大提出的綠色政策在整體上得到了較有效的貫徹實施。

從綠色技術創新效率的影響因素來看，技術市場環境、經濟開放程度、產業結構對綠色技術創新效率均呈現顯著的正向影響。而環境規制呈現顯著的負向影響，這與短期內造成的擠出效應有關。

(二)政策建議

1.加大綠色技術創新投入，完善發展機制

綠色技術進步作為提升區域綠色技術創新全要素生產率的主要動力，政府可以根據出臺政策提倡各企業工業加大科技投入與研發，并在財政方面給予一定支持，建立健全綠色技術保障和服務配套體系，激發綠色技術創新活動，進而提升區域創新效率。建立完善中央與地方之間、部門之間、區域之間、行業之間綠色技術創新統籌協調機制，強化綠色技術創新協同合作，嚴格落實綠色政績考核。另外還可以針對區域發展差異，有效地、選擇性地引入外商投資，重點吸引技術型和清潔型外商投資，進而提高外資投入在綠色創新效率中的效用。

2.完善技術市場環境機制，提高市場競爭力

技術市場作為科技成果轉化為現實生產力的市場組織形式，也是提升創新效率的有效途徑。成熟的技術市場能為科技創新成果的市場轉化提供良好的市場環境，提高企業市場競爭力，全面推動大中型企業培育更多具有自主知識產權的高新技術產業群。但技術市場的高效運轉還需依靠一個成熟的環境，現階段技術市場能促進科技成果的轉化，但還存在監管不一、交易行為不規范等問題。因此，可以采用“政府引導”和“市場主導”相結合的原則，完善技術市場環境機制，有效地提高科技成果市場轉化率，提升中國區域創新效率。

3.調整和優化產業結構

合理的產業結構是提高中國綠色技術創新效率的有效途徑。依照各產業所占比重，積極發展二、三產業，通過有效調整產業內部結構，加大高新技術產業、社會服務業等投入力度，促進產業結構升級。并以先進的現代技術來改造傳統產業，使產業結構向高級形式轉型。

4.因地制宜實施環境治理政策

政府應針對區域實際情況制定相應環境治理政策，積極引導和激發企業形成綠色創新意識，對一些以減少環境污染為目的的技術創新行業加大資金支持。針對各區域發展的實際情況，制定符合區域發展的環境治理政策，同時鼓勵建立跨省域生態補償機制對于理順各省市的生態關系，實現區域全面協調綠色發展非常重要。

六、結語

“綠色發展”與“技術創新”是新一輪經濟發展變革的重要發展理念，是解決“經濟增長—環境惡化”循環的關鍵，也是區域經濟持續健康發展的必然選擇。本文以提升各省域的創新能力為研究目的，以“綠色+創新”理念為基礎，從時間和空間兩個視角出發，探究了區域間的創新能力現狀、分布格局以及影響創新能力的主要因素。研究結果為各區域今后提升創新能力，推動經濟發展提供了理論基礎和參考價值。但同時也值得注意的是，現階段關于綠色技術創新效率的研究主要集中于宏觀層面，微觀層面的評價研究偏少，這是本文存在的不足之處，也是學者們今后可值得深入研究的關鍵點。在綠色技術創新理論的基礎上，再深入細化地探究各行業以及企業的內部因素，從而有針對性地提出加強區域經濟可持續發展，提升區域綠色創新能力的可靠依據。