長江經濟帶工業綠色技術創新效率的時空分異研究

閆華飛 肖靜 馮兵

摘 要：隨著長江經濟帶發展戰略的深入推進，綠色技術創新已成為其綠色發展、可持續發展的必然選擇。工業是綠色技術創新活動的重要承擔者。本研究基于超效率SBM和Malmquist指數模型，運用2013—2017年長江經濟帶沿線11省市的面板數據，對其工業綠色技術創新效率進行靜態測度與動態分析。研究結果顯示：長江經濟帶工業綠色技術創新效率總體較低，各年效率均值皆小于1;但長江經濟帶、上中下游以及江西等8個省市的工業綠色技術創新效率都實現了增長;技術創新效率的增速高于技術進步的增速;區域與省級層面的技術創新效率及變化呈現明顯的時空分異特征。最后，提出提升工業綠色技術創新效率的對策建議。

關鍵詞：長江經濟帶;工業;綠色技術;創新效率;MI指數

基金項目：國家社會科學基金項目“綠色發展視角下長江經濟帶工業分工與協作研究”（17BJY080）;湖北省軟科學項目“湖北省磷化工產業技術創新效率評價與提升對策研究”（2018ADC058）;湖北省教育廳人文社科重點項目“湖北省科技型小微企業成長的影響因素及其作用機理研究”（17D045）。

[中圖分類號] X38 [文章編號] 1673-0186（2020）003-0006-012

[文獻標識碼] A ? ? [DOI編碼] 10.19631/j.cnki.css.2020.003.001

長江經濟帶橫跨我國東、中、西部，是經濟體量最大、生態資源最盛、發展潛力最強的經濟地帶，也是我國生態文明建設的先行示范帶、創新驅動帶，在推動我國經濟高質量發展方面發揮著重要作用[1-2]。黨的十九大明確提出要通過構建市場導向的綠色技術創新體系推動綠色發展。《工業綠色發展規劃（2016—2020年）》進一步指出關鍵綠色技術創新是地區經濟持續發展的重要動力，在日益嚴峻的資源約束環境下應大力發揮綠色科技創新對工業綠色發展的引領作用。

傳統的工業發展模式及布局使得長江經濟帶環境污染現象日益突出，與綠色發展、可持續發展等理念相悖。在當前國家高度重視工業綠色發展的政策背景下，把握長江經濟帶綠色技術創新現狀、引導工業企業大力開展綠色技術創新活動，對長江經濟帶高質量發展具有重大現實意義。那么，長江經濟帶及各區域的工業綠色技術創新效率究竟如何、區域間差異怎樣、動態趨勢如何演化等問題亟須解答。本研究將基于超效率SBM和Malmquist指數模型，運用2013—2017年長江經濟帶沿線11省市的面板數據，對其工業綠色技術創新效率進行靜態測度與動態分析。

一、文獻回顧

（一）工業與綠色技術創新

綠色技術創新是綠色創新的核心組成部分，包含綠色工藝、綠色材料、綠色設備、綠色產品設計等技術的創新。歐盟委員會將其定義為：遵循生態原理及經濟規律，節約能源和資源，減輕或消除生態環境破壞和污染，達到生態負效應最小的“無公害化”或“少公害化”的技術、工藝和產品的總稱[3-5]。工業在綠色技術創新活動中的基礎研發、專利申請、成果轉化等方面發揮著主體作用，是綠色技術創新活動的重要承擔者。在環境污染日益嚴重的背景下，引導工業大力開展綠色技術創新活動、提升綠色技術創新效率具有重要現實意義[6]。

（二）綠色技術創新效率

現階段，學界對綠色技術創新效率的研究大多集中于效率評價、影響因素以及對策研究三個方面。

效率評價主要從評價視域和評價方法兩方面展開。效率評價視域主要集中于區域、城市與產業三個層面。丁顯有[7]和孫麗文[8]分別以長三角城市群及環渤海經濟帶為研究對象，探究其綠色創新效率。易明[9]和李琳[10]以長江經濟帶作為研究對象，分析其全要素生產率及時空分異特征，探討沿線城市工業綠色發展水平的差異。在效率評價方法上，多采用納入非期望產出的改進后的數據包絡分析法、主成分分析法、熵權-TOPSIS等模型。王旭、褚旭等基于超效率SBM模型對中國制造業的綠色技術創新效率進行測度[11];李華旭、孔凡斌等基于主成分分析法對長江經濟帶綠色發展水平及其影響因素進行評價和判別[12];陳元志、朱瑞博等綜合運用Bootstrap-DEA-Malmquist模型對不同所有制企業的技術創新效率進行測算[13]。

綠色技術創新效率一般與地區經濟發展水平高度相關，環境規制、制度結構、技術進步、能源消費結構、對外開放水平等變量對綠色技術創新效率具有顯著影響。賈軍、魏潔云等重點探究了環境規制對綠色技術創新的影響，研究認為命令控制型和市場激勵型環境規制均能有效促進綠色技術創新[14]。王志平、陶長琪等從技術、制度、產業三個角度分解出綠色技術效率的影響因素，研究發現技術進步、良好的制度結構等對綠色技術創新效率具有正向影響[15]。高廣闊、王藝群的研究表明：區域經濟水平、科技創新環境以及對外開放水平等均對高耗能產業綠色創新具有顯著正向影響[16]。

隨著環境污染問題的日益突出，如何提升綠色技術創新效率也成為學者們關注的重點。促進綠色技術的進步與轉型、縮小區域綠色技術創新效率差距、推動全方位科技交流與合作、落實現有綠色發展政策等是學界較為認同的有效路徑。王海龍、連曉宇等研究指出我國綠色技術創新效率呈現東高西低態勢，發展綠色技術、發揮政府主導作用、給予政策支持等是縮小區域綠色創新發展差距的重要舉措[17]。傅為忠、徐麗君認為加強區域間工業綠色技術交流與合作、推進綠色協同增長、促進綠色聯動等是提升工業綠色發展成熟度的有效措施[18]。

綜上所述，雖國內學者從區域、城市或某一行業角度對綠色技術創新效率進行了廣泛研究，但有關長江經濟帶這一特定區域的工業綠色技術創新效率的研究還相對較少;研究方法大多側重于靜態的效率評價，動態演化趨勢研究相對缺乏?；诖?，本研究采集長江經濟帶沿線11省市有關工業綠色技術創新的最新數據，運用超效率SBM模型與全局Malmquist指數模型，對2013—2017年長江經濟帶工業綠色技術創新效率進行計量和分解，明晰其靜態效率分異及動態演化趨勢，以期為提升長江經濟帶工業綠色技術創新效率提供事實基礎。

二、研究設計

（一）研究方法

1.超效率SBM模型

DEA模型與SBM模型是綠色創新效率評價的常用方法，然而DEA模型存在對效率的過高估計，SBM模型無法進一步區分效率值為1的有效決策單元的效率差異[19]。2002年Kaoru Tone在SBM模型的基礎上提出了超效率SBM模型[20]，該模型的最大特點為有效決策單元的效率值可大于或等于1，利于對效率值進行較為清晰的區分。本研究擬采用超效率SBM模型測度長江經濟帶工業綠色技術創新效率，構建包含非期望產出的超效率SBM模型，公式如下：

（1）式中，n表示決策單元數量，每個決策單元有m種投入，r種期望產出和p種非期望產出。x、yd、yu分別對應其投入矩陣、期望產出矩陣和非期望產出矩陣中的必要元素，ρ*為最終的技術創新效率值。

2.全局Malmquist指數

超效率SBM模型只能測算靜態綠色技術創新效率值，無法度量動態演化趨勢以及進行效率分解以明晰影響效率值的具體因素，Malmquist指數模型較好地解決了這一問題，已被廣泛應用于工業、醫藥、金融、生態環境等領域的效率分析。全局參比Malmquist指數模型是由Pastor與Lovell提出的一種Malmquist指數測算方法[21]，它的不同之處在于以所有各期的總和作為參考集，有效彌補了不能滿足傳遞性和線性規劃無可行解的缺陷。Malmquist生產率一般利用距離函數的比率來計算。即：

（二）指標選取

根據全面性、科學性以及數據的可獲得性等原則，借鑒綠色技術創新的相關研究，構建評價工業綠色技術創新效率的指標體系，如表1所示。投入指標一般分為人力及財力投入，已有研究表明R&D人員全時當量（X1）和R&D經費內部支出（X2）能夠充分表明一個地區的創新規模及潛力，是一個地區創新投入能力的全面體現[22]。同時，將能源消費量（X3）作為投入之一，能源投入是指將煤炭、電力、天然氣等能源統一折算為標準煤，可以顯示綠色技術創新的能源消耗，較少的能源消耗表示較高的綠色產出[23]。產出指標分為期望產出和非期望產出，即“好”產出和“壞”產出。期望產出主要選取發明專利申請數（Y1）、新產品開發項目數（Y2）和新產品銷售收入（Y3），這三個指標能較好體現綠色技術創新的研發效果以及經濟收益[24-25];并選取工業廢水排放量（Z1）、工業廢氣排放量（Z2）、工業固體廢棄物產生量（Z3）原始值作為非期望產出指標[10]。

（三）數據來源與處理

考慮到綠色技術創新投入轉化為產出會產生一定時滯，借鑒其他研究成果，將投入產出時滯設定為1年[26]，即投入指標的時間區間設為2012—2016年，產出指標設為2013—2017年。指標體系中X1、X2、Y1、Y2、Y3均來源于《中國科技統計年鑒》;X3來源于《中國能源統計年鑒》;Z1、Z2、Z3來源于《中國環境統計年鑒》以及各省（市）統計年鑒。由于少數省份如江蘇、湖南未披露2016或2017年工業廢氣的相關數據，采用學界常用的線性插值法對原始數據進行補齊[27]。

三、實證結果與分析

（一）描述性統計

描述性統計分別呈現主要指標的均值、標準差、最大值與最小值的結果。由表2可知，長江經濟帶沿線11省市各指標數據間的差異較大，可以初步判斷11省市的綠色技術創新效率也可能具有明顯差異，后續將進一步進行實證分析。

（二）相關系數

應用數據包絡模型進行效率測算時，各個投入指標與期望產出指標需滿足同向性條件[28]。為全面考察投入與產出間的關聯度，對各指標進行Pearson相關分析，得到各指標間的相關系數矩陣，結果見表3。

由表3可以看出，投入指標與期望產出指標的相關系數均為正數，滿足同向性要求，并且均達到了1%的顯著性水平，這說明投入指標與期望產出指標之間存在顯著的正相關關系，增加投入會帶來期望產出的增加。此外，人力及經費投入與非期望產出通過顯著性檢驗，且呈現負相關關系，說明綠色創新投入越多，環境污染會降低;能源消耗與非期望產出之間存在顯著正相關關系，表明能源消耗越多，非期望產出值越高?？傮w而言，各投入產出指標間的相關性合理，可以進行更深入的分析。

（三）綠色技術創新效率的靜態測度

運用MaxDEA Pro軟件，測算出長江經濟帶沿線11省市2013—2017年的綠色技術創新效率，并依據地理區位將11省市劃分為上、中、下游三個區域，上游分別為云貴川渝四?。ㄊ校?，中游分別為鄂湘皖贛四省，下游分別為蘇滬浙三省（市）。每一年的具體效率值及排名情況綜合匯總為表4。上中下游的綠色技術創新效率變化情況如圖1所示。

第一，整體效率分析。2013—2017年長江經濟帶工業綠色技術創新效率均值分別為0.778、0.845、0.854、0.860、0.811，各年效率均值都小于1，未達到超效率SBM模型設定的有效標準。可見工業綠色技術創新效率雖大體上呈上升趨勢，但總體效率值仍較低。

2013—2016年總體效率均值呈現上升趨勢，2016年是長江經濟帶工業綠色技術創新發展的拐點，2017年出現下滑，整體上呈現倒“U”型關系。究其原因，“十二五”期間，國家提高了對工業綠色發展的重視程度，突出抓好工業領域的節能降耗工作，大幅度降低能源消耗強度和二氧化碳排放強度，故總體效率均值呈現上升趨勢。2016年是我國“十三五”規劃的啟動年，規劃提出了長江經濟帶發展戰略，進一步加大沿江工業污染的治理力度，沿江各?。ㄊ校┫嗬^出臺了地區工業綠色發展措施，在一系列綠色發展目標的高壓下，各地工業企業在轉型升級、綠色技術創新上面臨較大挑戰，致使傳統工業發展模式與綠色發展要求存在一定不適應性，效率值出現下降。

第二，從區域層面看，下游地區效率均值5年間基本上處在包絡前沿上，排名始終處在前列，明顯高于中上游地區及整體的效率水平，具體見圖1。中上游地區效率均值則差異較小，但在各年存在一定差別：2014和2015年上游地區效率均值高于中游地區，而2013、2016、2017年中游地區則高于上游地區。

第三，從省域范圍來看，根據5年來工業綠色技術創新效率均值高低進行分類和對比分析，可以看出11省市的工業綠色技術創新效率差異較大。其中，高效率地區（效率值1～1.2）為浙江、上海、安徽、重慶;中等效率地區（效率值0.8～1）有江蘇、四川、湖南;低效率地區（效率值0～0.8）有江西、云南、湖北、貴州。總體來看，基本遵循經濟發展水平越高則工業綠色技術創新效率越高的規律，但也不盡然，經濟發展水平只是影響工業綠色技術創新效率的重要影響因素之一，政府支持力度、技術水平、環境規制強度、工業規模、地區對外開放水平、民眾綠色發展意識等均是不可忽視的重要因素。

（四）Malmquist指數及動態分解

Malmquist指數利于勾勒出工業綠色技術創新效率的動態演化趨勢，通過將全要素生產率分解為效率變化和技術變化，明確技術創新效率和技術進步的具體影響。將2013—2017年長江經濟帶投入及產出數據代入MaxDEA Pro軟件進行計算，得到2013—2017年長江經濟帶工業綠色全要素生產率Malmquist指數及分解結果。其中，EC為工業綠色技術創新效率變化指數，TC為工業綠色技術變化指數，MI即Malmquist指數，代表工業綠色全要素生產率，MI指數值為效率變化指數與技術變化指數的乘積。具體見表5。

第一，整體MI指數及其分解情況。由表5可知，4個評價區間內長江經濟帶工業綠色全要素生產率MI指數均值分別為0.991、0.959、1.324、0.900，除2015—2016年大于1外，其余各評價區間均小于1，年均增速為4.35%。技術創新效率指數EC分別為1.111、1.118、1.126、0.954，效率值相對于上一個年度分別提高了11.1%、11.8%、12.6%、-4.6%，年均增速為7.73%;技術變化指數TC分別為0.942、0.952、1.323、0.953，技術進步相對于上一個年度分別變化了-5.8%、-4.8%、32.3%、-4.7%，年均增速為4.25%。這表明，長江經濟帶工業綠色全要素生產率整體偏低，但仍處于增長階段;技術創新效率和技術水平總體上都在提高，且技術創新效率增速高于技術進步的增速;全要素生產率MI指數的上升，是技術創新效率和技術進步共同作用的結果。

為進一步檢驗技術創新效率和技術進步對全要素生產率的影響，采用Stata 14.0軟件，運行表5中的短面板數據，運用最小二乘OLS回歸模型，并將固定效應FE回歸與隨機效應RE回歸作為對比模型，較為全面地得到EC和TC對MI的回歸系數及顯著性情況，具體見表6。

由上表可知，三類回歸模型測算出的結論均通過了正向顯著性檢驗，并且三類模型中TC的回歸系數均大于EC。這表明效率變化與技術變化對工業綠色全要素生產率MI指數均具有顯著正向影響，相較而言，技術變化的回歸系數更大，表明技術變化的影響更為明顯。

第二，從區域MI指數分布來看，三個區域及整體的MI指數均值的波動趨勢大致相同，均在2015—2016年度區間出現明顯的上升波動，而在2016—2017年度區間出現較大幅度的下降，而三個區域的MI指數均值大小呈不規則分布（圖2）：2013—2014區間由高到低排列為下游、上游、中游;2014—2015、2015—2016兩個評價區間內MI指數均值由高到低依次為中游、下游、上游;2016—2017區間為中游、上游、下游。相比較而言，中游地區工業綠色全要素生產率MI指數排名呈上升趨勢，下游地區排名呈現下降趨勢。從MI年均增速看，上游、中游、下游的工業綠色全要素生產率增速分別為-0.48%、11%、1.95%，中游地區全要素生產率增長最快，上游地區出現小幅度的負增長。

通過對區域MI指數分解發現，上游地區2013—2017年間技術創新效率變化分別為4.4%、43.8%、-18.6%、-1.1%，而技術變化分別為-4.7%、-23.4%、66.1%、-8.6%，但技術創新效率年均增速為7.125%，技術進步年均增速為7.35%。中游地區2013—2017年技術創新效率變化分別為-6.3%、-4.0%、55.6%、-4.5%，而技術變化分別為7.3%、4.1%、-3.6%、4.8%，技術創新效率年均增速為10.2%，技術進步年均增速為3.15%。下游地區2013—2017年技術創新效率變化分別為43.1%、-9.8%、-3.3%、-9.3%，而技術變化分別為-25%、8.0%、34.9%、-12.2%，技術創新效率年均增速為5.18%，技術進步年均增速為1.43%。可見，上游地區技術進步最明顯，其次為中游和下游;中游地區技術創新效率年均增速最快，其次為上游和下游。總體上，技術創新效率增速快于技術進步增速。

第三，從省際MI指數分析，如圖3所示，浙江、上海、江蘇、江西、湖南、湖北、重慶、云南8個省市MI指數均值大于1，占比72.7%，其中江西提升最快，提升38.4%，其余7省市提升幅度相對較小，均不超過10%。而安徽、四川、貴州3個省份MI指數均值小于1，占比27.3%，四川下降幅度最大，下降17.6%。可見，各省市工業綠色全要素生產率MI指數呈明顯的時空分異特征：在4個評價區間內（表5），重慶4次、江西和云南各3次MI指數高于1，且江西3次排名前三，江西、重慶、云南工業綠色全要素生產率水平較高，年均增速為38.4%、10%、7.7%;四川、貴州、安徽各3次MI指數低于1，年均增速為-17.6%、-2%、-0.4%，且貴州3次排名后三位，四川4次均排名在后三位，工業綠色全要素生產率水平有待提高。

通過對省際MI指數分解發現，2013—2017年間技術創新效率實現增長的省份有江西、云南、江蘇、湖北、安徽、上海、重慶、貴州，年均增長率為36.6%、35.5%、15.6%、4.9%、1.9%、1.7%、1%、0.5%，而四川、湖南、浙江實現了負增長，分別為-8.7%、-2.8%、-2%，技術變化指數增長的省份有云南、湖南、重慶、浙江、四川、上海、江西，年均增長率為21.5%、15.6%、8.4%、2.7%、2.6%、1.9%、0.5%，貴州、安徽、湖北、江蘇為負增長，分別為-3.3%、-2.3%、-1.4%、-0.3%。因此，總體上看，8個省市的工業綠色全要素生產率、技術創新效率實現了增長，7個省市實現了技術進步。江西、重慶、云南的工業綠色全要素生產率較高，江西、云南、江蘇的工業綠色技術創新效率較高，云南、湖南、重慶的技術進步最明顯。

四、結論與展望

本研究從投入、期望產出和非期望產出三個角度構建長江經濟帶工業綠色技術創新效率評價指標體系，運用2013—2017年11省市的面板數據，基于超效率SBM和Malmquist指數模型科學測度長江經濟帶工業綠色技術創新效率，并對工業綠色全要素生產率進行分解，明確技術創新效率的動態演化趨勢。結果發現：

（1）靜態分析結果表明，整體層面上，2013—2017年長江經濟帶工業綠色技術創新效率較低，均值皆小于1;區域層面上，下游地區各年效率均值明顯高于中上游，中上游地區效率均值高低差異呈不規律變化趨勢，區域間差異較大;省際層面上，高效率、中等效率、低效率分異明顯，浙江、上海、安徽、重慶等省市工業綠色技術創新效率較高。

（2）動態分析結果表明，在4個評價區間內，僅2015—2016年度區間MI指數大于1，其余區間MI指數介于0.9～1.0之間，整體上長江經濟帶工業綠色全要素生產率呈上升趨勢，且技術創新效率增速高于技術進步效率增速;OLS、FE、RE三種回歸模型結果均顯示效率變化與技術變化對工業綠色全要素生產率MI指數具有顯著正向影響，其中技術變化的影響更大;區域層面上，中游地區MI指數排名呈上升趨勢，下游地區排名呈下降趨勢，技術進步年均增長率排序為上游、中游、下游，技術創新效率年均增長率排序為中游、上游、下游;省際層面上，11省市綠色全要素生產率在各評價區間內展現明顯的時空分異特征，江西、重慶、云南工業綠色全要素生產率MI指數相對較高，四川、貴州、安徽偏低，技術創新效率除四川、湖南、浙江3省外，其他8省市都實現了增長，技術變化除貴州、安徽、湖北、江蘇4省外，其他7省市都實現了進步。

（3）結合靜態和動態分析結果可以看出，2013—2017年間長江經濟帶工業綠色技術創新效率處于0.778～0.860之間，未達到1的SBM有效標準，但仍保持著增長態勢，年均增長率達7.73%;下游地區工業綠色技術創新效率明顯高于中上游地區，基本處于包絡線前沿，但其增長速度明顯低于中上游地區;江西、云南、湖北等省工業綠色技術創新效率值小于0.8，處于低效率水平，但增長速度位居長江經濟帶前列，浙江創新效率最高，但出現了2%的負增長。因此，整體上，長江經濟帶工業綠色技術創新效率在提升，區域與省際間的差距在縮小。

基于研究結論，提出如下對策建議：

（1）注重交流與合作，進一步縮小區域及省際工業綠色技術創新發展差距。下游省份應積極“修煉內功”，穩步提升自身綠色技術創新效率，利用其經濟水平、資源稟賦、技術水平、高端人才等方面的明顯優勢充分發揮其輻射帶動作用，在新型綠色技術、產業融合、高端人才、先進生產運作模式等方面帶動中上游地區的發展。同時，中上游地區應吸納下游地區綠色發展的有益經驗，積極構建與下游地區的交流協作機制并將其常態化，有效承接下游地區的技術、人才和產業轉移。

（2）大力實施創新驅動戰略，促進工業綠色技術創新發展。首先，各地政府應落實創新驅動戰略，構建以上海、浙江、江蘇、重慶等經濟發達地區為核心的綠色科技創新中心，注重綠色技術的研發，并結合實踐加快綠色技術的成果轉化。將下游地區的先進技術沿長江經濟帶向中上游地區轉移，推動地區間技術水平的融合和提升，縮小區域間技術水平的先天性差距。其次，工業企業應以綠色技術開發與運用為抓手，改進傳統的產業發展模式，促進產業轉型升級，建立起現代化的工業發展體系，提升其綠色經濟效益。同時，政府應關?；蛘哌w移污染較大的工業企業，將高標準的污染防治作為工業企業的進入門檻，并注重保護和改善中上游地區水環境、植被環境，為長江經濟帶全局的綠色發展奠定基礎。

此外，本研究還存在一些不足之處，后續研究將進一步深化。一是未對長江經濟帶工業綠色技術創新效率的影響因素做進一步實證探究，長江經濟帶綠色創新效率提升策略的針對性和科學性有待提高。二是在指標體系構建上，還有待完善。現有投入和產出指標可能并不能全面反映綠色創新特征，需在以后研究中進一步探討。

參考文獻

[1] ?高紅貴，趙路.長江經濟帶產業綠色發展水平測度及空間差異分析[J].科技進步與對策，2019（12）：46-53.

[2] ?郝國彩，徐銀良，張曉萌，等.長江經濟帶城市綠色經濟績效的溢出效應及其分解[J].中國人口·資源與環境，2018（5）：75-83.

[3] ?劉薇.國內外綠色創新與發展研究動態綜述[J].中國環境管理干部學院學報，2012（5）：17-20.

[4] ?張志勤.歐盟綠色經濟的發展現狀及前景分析[J].全球科技經濟瞭望，2013（1）：50-57.

[5] ?Aguilera-Caracuel J， Ortiz-de-Mandojana N. Green Innovation and Financial Performance on Institutional Approach[J]. Organization & Environment， 2013（4）：365-385.

[6] ?羅良文，梁圣蓉.中國區域工業企業綠色技術創新效率及因素分解[J].中國人口·資源與環境，2016（9）：149-157.

[7] ?丁顯有，肖雯，田澤.長三角城市群工業綠色創新發展效率及其協同效應研究[J].工業技術經濟，2019（7）：67-75.

[8] ?孫麗文，陳繼琳.基于經濟-環境-社會協調發展的綠色創新績效評價——以環渤海經濟帶為例[J].科技管理研究，2018（8）：87-93.

[9] ?易明，李綱，彭甲超，等.長江經濟帶綠色全要素生產率的時空分異特征研究[J].管理世界，2018（11）：178-179.

[10] ?李琳，張佳.長江經濟帶工業綠色發展水平差異及其分解——基于2004—2013年108個城市的比較研究[J].軟科學，2016（11）：48-53.

[11] ?王旭，褚旭.中國制造業綠色技術創新與融資契約選擇[J].科學學研究，2019（2）：351-361.

[12] ?李華旭，孔凡斌，陳勝東.長江經濟帶沿江地區綠色發展水平評價及其影響因素分析——基于沿江11?。ㄊ校?010-2014年的相關統計數據[J].湖北社會科學，2017（8）：68-76.

[13] ? 陳元志，朱瑞博.不同所有制企業技術創新效率的比較研究——面向大中型工業企業和高新技術企業的實證分析[J].管理世界，2018（8）：188-189.

[14] ?賈軍，魏潔云，王悅.環境規制對中國OFDI的綠色技術創新影響差異分析——基于異質性東道國視角[J].研究與發展管理，2017（6）：81-90.

[15] ?王志平，陶長琪，沈鵬熠.基于生態足跡的區域綠色技術效率及其影響因素研究[J].中國人口·資源與環境，2014（1）：35-40.

[16] ? 高廣闊，王藝群.京津冀地區高耗能產業綠色創新效率及影響因素分析——基于空間視角的實證研究[J].工業技術經濟，2018（1）：137-144.

[17] ?王海龍，連曉宇，林德明.綠色技術創新效率對區域綠色增長績效的影響實證分析[J].科學學與科學技術管理，2016（6）：80-87.

[18] ?傅為忠，徐麗君.區域工業綠色發展成熟度動態評價——基于熵值修正G1法和距離協調度改進模型的實證分析[J].工業技術經濟，2018（3）：61-69.

[19] ?孫秀梅，張慧，綦振法，等.我國東西地區的碳排放效率對比及科技減排路徑研究——基于三階段DEA和超效率SBM模型的分析[J].華東經濟管理，2016（4）：74-79.

[20] ?Tone K. A Slacks-Based Measure of Super-Efficiency in Data Envelopment Analysis[J]. European Journal of Operational Research， 2002，143（1）：32-41.

[21] ?Pastor J T， Lovell C A K. A global Malmquist Productivity Index[J]. Economics Letters， 2005（88）：266-271.

[22] ?白俊紅，江可申，李婧，等.區域創新效率的環境影響因素分析——基于DEA-Tobit兩步法的實證檢驗[J].研究與發展管理，2009（2）：96-102.

[23] ?李靜，倪冬雪.中國工業綠色生產與治理效率研究——基于兩階段SBM網絡模型和全局Malmquist方法[J].產業經濟研究，2015（3）：42-53.

[24] ?陳元志，陳勁，吉超.中國不同類型企業技術創新效率的趨勢與比較[J].科研管理，2018（5）：1-10.

[25] ?劉章生，宋德勇，弓媛媛.中國綠色創新能力的時空分異與收斂性研究[J].管理學報，2017（10）：1475-1483.

[26] ?朱鵬頤，劉東華，黃新煥.動態視角下城市科技創新效率評價研究——以福建九地級市為例[J].科研管理，2017（6）：43-50.

[27] ?張峰，史志偉，宋曉娜，等.先進制造業綠色技術創新效率及其環境規制門檻效應[J].科技進步與對策，2019（12）：62-70.

[28] ?劉偉.考慮環境因素的高新技術產業技術創新效率分析——基于2000-2007年和2008-2014年兩個時段的比較[J].科研管理，2016（11）：18-25.

A Study on The Spatial-Temporal Differentiation of Industrial Green Technology Innovation Efficiency in the Yangtze River Economic Belt

Yan Huafei ? Xiao Jing ?Feng bing

（School of Management， Wuhan Institute of Technology， Wuhan， Hubei， 430205）

Abstract： With the deepening of the development strategy of the Yangtze River Economic Belt， green technological innovation has become an inevitable choice for its green development and sustainable development. Industry is an important undertaker of green technology innovation activities.Based on the super-efficiency SBM and Malmquist index model and panel data of 11 provinces and cities along the Yangtze River Economic Belt from 2013 to 2017， this paper studies the efficiency of industrial green technological innovation in the Yangtze River Economic Belt.The results show that the industrial green technology innovation efficiency of the Yangtze River economic belt is relatively low， and the average annual efficiency is less than 1. The industrial green technological innovation efficiency in the Yangtze River economic belt，theupper， middle and lower reaches，eight provinces and cities including Jiangxi Province，has increased. The growth rate of technological innovation efficiency is higher than that of technological progress. The efficiency of technological innovation and its changes at the regional and provincial levels show obvious spatial-temporal differentiation characteristics. Finally， the countermeasures and suggestions to improve the efficiency of industrial green technology innovation are put forward.

Key Words： Yangtze River Economic Belt; Industry; Green technology; Innovation efficiency; MI Index

作者簡介：閆華飛（1975—），男，漢族，湖北黃岡人，武漢工程大學管理學院教授、博士、碩士生導師，研究方向：創業與創新管理、人力資源管理;肖靜（1995—），男，漢族，湖北松滋人，碩士研究生，研究方向：創業與創新管理;馮兵（1970—），男，漢族，河南信陽人，武漢工程大學管理學院教授、博士、博士生導師，研究方向：產業經濟學。