長三角地區綠色創新效率時空格局演變及影響因素研究

石天琦，蔣 濤

（江蘇師范大學商學院，江蘇南京 221116）

一、引言與文獻綜述

近年來，快速的工業化和城市化進程使城市面臨持續的經濟增長和生活環境質量下降的困境。中國共產黨第十九次全國代表大會的正式報告首次明確表示要實施最嚴格的生態系統管理條例。以此實現綠色發展，并建立和完善綠色，低碳，可持續發展的經濟體系。因此，協調好綠色發展與科技創新，提高綠色創新效率，能實現保持經濟中高速增長，滿足人民日益增長的美好生活需要的目標。

長三角地區是我國制造業集中度最高的地區之一，在高強度開發階段，它面臨著非常嚴重的生態系統破壞和嚴重的環境污染。發行于2019 年的《長三角一體化模式進一步發展總體規劃方案文件》指出，我們需要深化改革，實現創新驅動發展，促進環境的協調管理，建設長三角綠色發展高級示范區。因此，通過研究長三角地區不同城市綠色創新效率的整體特征以及相關因素的影響效果，可以為制定相關政策提供更多理論建議。

通過梳理現有文獻，發現關于綠色創新效率的研究主要是兩個角度：一是有關衡量效率水平的研究。李金滟等（2016）[1]對長江中游28 個城市綠色創新效率進行了科學研究；曾冰（2018）[2]進行了中國省級綠色創新效率的研究；黃磊和吳傳清（2019）[3]相關研究表明，長江經濟帶省際工業綠色創新發展具有協同效應。在研究方法方面，肖黎明等（2018）[4]基于改進的隨機前沿模型，對2001—2015 年中國30個省的綠色創新效率進行了測度；滕堂偉等（2019）[5]采用超級SBM 模型對長三角26 個城市進行了綠色創新效率的測度。二是對影響綠色創新效率的諸多因素進行了相關研究。楊樹旺等（2018）[6]研究了長江經濟帶各省市，認為市場開放程度、企業污染成本和技術市場成熟度對綠色創新效率有正向影響，產業結構對綠色創新效率的影響不明顯；此外，李健和馬曉芳（2019）[7]探索了京津冀各城市，認為經濟發展水平、城市文化水平、政府資助力度、產業結構和城市信息化水平對提高綠色創新效率水平有著正向影響，但對外開放水平對效率水平的影響不明顯。

以往對綠色發展與創新活動的研究大多集中在省級層面，對于都市空間尺度的實證研究還有待進一步增加和豐富。事實上，城市是突破創新生態結構的最主要載體，是地方政府進行環境治理的最有效單位。也可以更有效地充分調動和控制各個方面。因此，在創新成為國內重要區域經濟持續發展重要動力的背景下，對綠色發展創新效率和質量的研究需要進一步豐富。因此，本文認為從省級角度對綠色創新的效率和質量進行測度，不利于考慮空間擴散效應，而城市是最適合深入研究的方向。所以，本文以2006—2017 年長三角地區27 個城市的數據為樣本，建立綜合評價體系測度了綠色創新效率，并使用空間計量模型來研究相關影響因素，為制定相關政策提供更多理論建議。

二、變量與數據

（一）綠色創新效率測度

本文基于市場投入與產出效率的視角，構建了一個綜合指標體系，并結合SBM 超效率方法計算了長三角地區城市的綠色創新效率。指標值的選擇要考慮實際情況和數據的可得性，因此在投入指標值方面，選擇了在崗職工平均人數作為勞動投入，選擇了固定資產投資作為地區資本投入，選擇了工業用電量作為能源投入。從產出指標值來看，期望產出包括經濟產出和創新能力產出。制造業增加值和專利技術授權量作為衡量期望產出的相關指標，工業三廢排放量作為非期望產出的相關指標，在很大程度上能夠真實反映城市環境治理水平。具體評價體系（見表1）。

表1 城市綠色創新效率指標體系

通常，DMU 的數量應大于投入和產出主要指標總數的乘積，并且數量不應超過投入和產出相關指標數量的三倍。因此，用于評價長三角地區綠色創新效率水平的投入產出關鍵指標數量的最大值是9。本文選擇了8 個相關指標，符合本文中使用的方法的基本規則。

（二）影響因素設定

城市創新效率水平受到許多因素的影響，例如都市經濟的水平，創新技術的快速發展水平，相關的政策體系以及人們思想上的創新。根據現有研究結果和收集到的數據，結合長三角地區現狀，從經濟發展的水平、污染控制的效率、外資的利用水平、產業結構、政府資助的水平和城市教育的水平這幾個方面分析了對于綠色創新效率水平的影響效果。表2 顯示了影響因素的定義。

表2 變量定義與說明

（三）樣本選擇與數據來源

本文研究的27 個城市基于2019 年12 月1 日由中共中央和國務院發布的《長江三角洲區域一體化發展規劃綱要》。選取2006—2017 年的面板數據進行綠色創新效率水平的衡量和相關因素的影響效果分析。所有數據主要來源于《中國城市統計年鑒》以及各市的統計年鑒。對于個別年份數據的缺失，則采用插值法補齊。

三、模型構建

本文從投入產出的角度出發，構建了一個綜合的指標體系，并運用SBM 超效率模型計算了長三角各都市綠色創新的效率值。其次，通過ArcGIS、Geoda 等應用軟件，利用自然斷裂法，在圖上表示出各城市綠色創新效率的空間相關性。

（一）SBM 超效率模型[8]

現有的研究結果主要是用數據包絡模型（DEA）和隨機前沿分析（SFA）兩個基本模型來評價效率。其中，SFA 建模中設置的產出項總數只能配置為1，不適合多產出問題的詳細分析。對多投入多產出的效率進行綜合分析的研究大多采用傳統形式的DEA 模型。然而傳統的模型假設所有產出都是期望產出，其中一些產出指標會降低效率水平，這種產出稱為非期望產出。對于非預期的產出，Tone（2001）問題提出了SBM 模型（Slack Based Measure）。該模型的優點是解決了徑向模型對無效率的測量沒有包含松弛變量的問題。

在DEA 模型的分析結果中，許多決策單元會被認為是有效的。尤其是當投入和產出指標數量較多時，有效DMU 數量也會較多。DEA 模型得出的效率值最大為1，有效DMU 效率值相同，這些有效DMU的效率高低無法進一步區分。因此，在Li 等（2013）方法的基礎上，采用SBM 超效率模型，來解決在各種資源限制和存在非預期產出的情況下，對各個有效DMU 進行區分。

考慮到非期望產出的SBM 超效率模型示例：

（二）全局莫蘭指數

為了進一步分析城市之間綠色持續創新效率的演化過程，使用全局Moran's I 指數來測試27 個長三角城市之間是否存在空間相關性，全局Moran's I 指數表示如下：

在公式中，i 和j 代表每個都市，N 是城市的數量，xi和xj為綠色創新效率水平，wij是空間權重流量矩陣。莫蘭指數的取值一般介于-1～1 之間，大于0，則表示正自相關，即高值與高值相鄰、低值與低值相鄰；小于0，表示負自相關，即高值與低值相鄰。如果莫蘭指數接近于0，則表示空間分布是隨機的，不存在空間自相關。

（三）空間計量模型

空間相關關系的識別是空間計量分析的前提。而根據空間權重矩陣，對空間相關關系進行判定之后，空間數據分析的重點則轉向了對空間計量模型的選擇和估算上。空間計量模型是對納入不同空間交互效應的普通回歸模型的拓展，主要包含以下三類：

1.空間滯后模型（SLM）

其中i 代表相應區域，t 代表相應年份；GIEit是綠色發展創新水平；是空間自回歸比例因子；Wij是空間權重矩陣；Xit為經對數化處理后的影響因素；是空間滯后的影響因子；it代表個體固定效應；代表隨機誤差項。此模型包含了因變量之間的內生交互項，表明一個地區綠色創新效率值不僅取決于這個地區一些變量的影響，還受到鄰近地區綠色創新效率值的影響。

2.空間誤差模型（SEM）

SEM 模型包含了誤差項間的交互效應，表明綠色創新效率值的空間相關性受到一些難以觀察到的誤差擾動項的影響。其基本表達式為：

式（4）、式（5）中uit為空間誤差自相關，為區域間溢出效應。

3.空間杜賓模型（SDM）

SDM 模型同時包含了內生及外生交互效應，表示一個地區的綠色創新效率值不僅受到相鄰地區的綠色創新效率值的影響，還會受到相鄰地區的影響因素的影響。SDM 模型為：

四、實證結果分析

（一）綠色創新效率測算

本文利用MaxDEA 應用軟件對投入和產出相關指標進行再加工，通過SBM 超效率模型得到2006—2017 年長三角27 個城市的綠色創新效率水平，最終結果如表3 所示。

27 個城市的綠色創新效率平均值最小為0.81，最大為1.09，總體而言，它正在逐年增加。從全局來看，從2006—2012 年，大部分城市的綠色創新效率的平均水平不斷提高，2012 年效率值達到0.97；從2013—2017 年，城市綠色創新效率的整體平均水平發生了較大變化。

從城市層面來看，2006—2017 年，上海、無錫、蘇州、寧波和溫州的14 個城市的效率值略高于平均標準水平，表明這些城市投入的人力和財力獲得了回報。池州、金華等城市的綠色創新效率高，這與其工業存在后發優勢密切相關。在這些城市中，第一產業仍占很大比重，制造業比重相對較低，發展負擔相對較小。它能及時對不斷發展的綠色創新要求作出回應。上海、蘇州等大城市的創新能力讓它們受益匪淺，近年來，隨著我國高校和科研機構的增多，創新能力已位居全國各城市前列，隨著環境相關政策的實施，綠色創新效率得到了提高。

表3 2006—2017 年長三角地區綠色創新效率的實證結果

（二）空間分布及空間相關性分析

1.綠色創新效率空間分布。根據綠色創新效率的演化特征，選擇了2006 年、2011 年和2017 年三個特征控制節點，并使用了使用ArcGIS 應用軟件的自然斷裂法[9]，把綠色創新效率水平分為四種類型：高水平、較高水平、較低水平和低水平（見圖1）。

如圖1 所示，長三角區域綠色創新效率整體空間分布不平衡，但失衡程度正在逐步減小，特別是東部區域的綠色創新效率水平明顯增加。總體而言，從2006—2017 年，城市效率水平為高水平和較高水平的數量大幅提升，2017 年達到16 個，尤其是合肥、南京、鎮江、寧波等的綠色創新效率水平進步不少，這表明在這些城市的發展過程中，考慮到了既要發展經濟又要提高生活環境質量。相反，另外兩個類型的城市數量迅速下降。除了鹽城市的較低水平外，馬鞍山、安慶等城市的綠色創新效率也都有不同程度的退步。

圖1 長三角地區綠色創新效率空間分布情況

2.空間相關性分析。利用Geoda 軟件測度了2006—2017 年長三角地區綠色創新效率的全局Moran 指數，評價城市間綠色創新效率是否存在空間相關性，結果如表4 所示。

表4 2006—2017 年長三角地區綠色創新效率的全局莫蘭指數

從表4 可以清楚地看出，2006—2017 年27 個城市的綠色創新效率的Moran 指數值大于0，并且大多數年份的指數值都經過了10%的顯著性檢驗，拒絕了不存在空間相關性的假設。從時間角度來看，長江三角洲地區綠色創新效率水平在2006—2017 年之間波動很大，即從2006—2011 年有所下降后在2012 年有所上升，接著從2013—2017 年，效率值又急劇減小，但從總體上看，Moran 指數趨于0，長三角區域城市之間的空間相關性也有所減弱。另外，結合表4 的分析，可以看出，經過連續十二年的發展，長三角區域的綠色創新朝著合作（融合）的方向進一步發展。

（三）影響因素分析

Moran 指數的實際結果表明，綠色創新效率水平有著空間相關性。因此，使用空間計量經濟模型來分析綠色創新效率水平的影響因素。

在進入正式的分析之前，使用Matlab2018a 軟件，首先設定非空間計量模型對其進行估計，然后檢驗滯后或者殘差空間相關性，并考察空間與時間特定效應的聯合顯著性以及隨機效應是否可以替代它們[10]。

在進入正式的分析之前，首先設定非空間計量模型對其進行估計，然后檢驗滯后或殘差空間相關性。表5 報告了采用非空間面板數據模型的估計結果，并進行進一步的檢驗來決定采用空間滯后模型還是空間誤差模型來擬合數據。利用時間空間雙固定效應下的普通面板OLS 估計得到的殘差序列進行LM 檢驗，得到的LMlag 值為63.73、R-LMlag 值為3.81，均通過了5%顯著性檢驗；而R-LMerror 值為2.31，未通過顯著性檢驗，因此選擇SLM 模型要比SEM 模型更為合適。為了檢查時間固定效應聯合檢驗的原假設是否具有顯著性，執行了似然比（LR）檢驗。檢驗的結果（統計量83.44）通過了1%顯著性檢驗，拒絕了原假設。但是，空間固定效應聯合檢驗不顯著的原假設（統計量21.09）沒有被拒絕。以上檢驗指出應該采用具有時間固定效應的空間滯后模型。

表5 無空間交互效應的面板數據模型估計

由于LM 檢驗并沒有考慮到SDM 模型的適用性，因此，為了檢驗空間杜賓模型能否簡化成簡單的空間誤差模型或空間滯后模型的原假設，即H0∶茲=0 和H0∶茲+=0，可以執行Wald 或者LR 檢驗。因此，使用Matlab2018a 軟件，在時間相對固定的影響下，得到時間固定效應下SDM 模型中Wald 和LR檢驗的檢驗值，據此判斷SDM 模型是否可以簡化，具體結果如表6 所示。

表6 時間固定SDM 模型的Wald 和LR 檢驗結果表

由表6 可知，空間誤差的Wald 檢驗和LR 檢驗，通過了1%顯著性檢驗，拒絕了原假設，即SDM模型不能簡化；而空間滯后的Wald 檢驗和LR 檢驗，沒有通過10%顯著性檢驗，不能拒絕原假設。利用極大似然法（ML）估計不同交互效應下的SLM 模型，具體結果如表7 所示。

表7 不同交互效應下SLM 模型的ML 估計結果表

空間計量模型下，log-likelihood 值的大小表明了擬合數據效果的優良。從表4 可以看出，時間固定效應的SLM 模型的對數似然值最高，且其擬合優度R2與離散度滓2結果相對較好，再次證實了本研究中時間固定SLM 模型的優越性。

由表7 可知，經濟發展水平對綠色創新效率的貢獻度顯著為0.202，這意味著人均生產總值每增加1 個百分點，城市綠色創新效率就增加0.202 個百分點。這表明，人均GDP 的提高，將使許多人對環境有更嚴格的要求，對綠色低碳產品的日常消費需求也將增加；一般工業固定廢物綜合利用率每增加1%，綠色創新效率同向變動0.197%且通過了5%的顯著性檢驗；外資利用水平的系數為0.079 且在1%的顯著性水平上顯著，表明當年實際利用外資金額每增加1%，綠色創新效率同向變動0.079%；產業結構選取的是第二產業增加值占GDP 比重，該指標在5%的水平下通過了顯著性檢驗，且影響系數為-0.257，對綠色創新效率有顯著的負向影響，說明第二產業的繼續發展不利于綠色創新活動的產生和綠色創新效率的提高；政府資助力度對綠色創新效率的影響較弱，但仍具有促進作用；城市教育水平選取的是高等學校在校學生數，對綠色創新效率的影響因素在5%顯著性水平上顯著為0.050，可知城市教育水平可以有力地推動城市綠色創新效率水平的提高。

五、結論與建議

本文基于長三角地區27 個城市2006—2017 年的面板數據，通過建立空間計量模型得出了相關影響因素作用效果的結論，實證結果及相關建議如下：

首先，長三角區域各城市的綠色創新效率正在朝著相互協調（整合）的方向發展。從城市角度來看，27 個城市的綠色創新效率水平差異正在逐步縮小。總體上，可以看出江蘇省可持續綠色創新效率得到了快速提高，浙江省效率水平穩步提高且更加均衡，安徽省綠色創新效率則是先降后升。在這種情況下，上海應該繼續發揮帶頭作用，蘇浙皖要相互學習，揚長避短，加強合作，打破壁壘，推動區域融合發展。

其次，經濟發展水平對城市綠色創新效率有著顯著促進作用。然后，第二產業增加值占GDP 比重對綠色創新效率有著負向驅動作用，一般工業固定廢物綜合利用率對綠色創新效率有著正向影響，外資利用水平對綠色創新效率有較強的正向作用，政府資助水平雖然沒有通過顯著性檢驗但影響作用為正，萬人在校大學生人數正向促進綠色發展創新效率的提高。隨著我國經濟進入中高速增長階段以及美國對于我國發展的遏制，以長三角地區為首的各城市有著較高的經濟發展水平和很好的科研水平，政府要加大對研發的投入，實現產學研一體化發展，加快創新成果轉化，加強城市間合作，加快推動創新人才引進與整合，加大基礎研究和高新技術的研究，提高綠色發展水平，更好地滿足人民日益增長的美好生活需要。