基于創新價值鏈的綠色科技成果轉化效率研究
——以安徽工業為例

周 勇，張小路，劉志迎

（1.中國科學技術大學管理學院，安徽 合肥 230026；2.安徽省工業和信息化研究院，安徽 合肥 230001）

1 引言

綠色科技發展是人類文明演進和社會發展的大趨勢。當前，世界各國均將綠色科技作為推動產業邁向價值鏈中高端、實現轉型升級的重要手段。改革開放以來，我國工業經濟快速發展，工業產量已躍居世界第一。然而，“三高一低”的工業運行模式尚未從根本上改變，綠色科技成果轉化率低、應用難等問題依然突出。作為“科技創新”和“綠色發展”的融合點，綠色科技不但能實現傳統技術創新帶來的經濟增長，而且有利于資源節約和環境保護，現已成為突破資源環境束縛、實現可持續發展的有效手段。綠色科技創新是一個復雜的工程，通常包括綠色創意產生、綠色技術研發、綠色生產等一系列子過程。基于要素投入、產出視角，綠色科技創新活動可以分為綠色技術研發和科技成果轉化兩個階段（李東海，2020）［1］。從兩階段創新價值鏈視角出發，對科技成果轉化階段進行深入剖析，探究制約綠色科技成果轉化效率提升的關鍵因素，有利于提升我國科技創新能力，促進經濟高質量發展。

安徽位于長江三角洲腹地，沿江近海“左右逢源”，區位優勢獨特。作為新興工業大省，安徽資源、環境約束較大。為提高研究的針對性和適用性，本文選擇安徽工業作為研究對象，從區域異質性的視角對安徽工業綠色科技成果轉化效率進行測度，并尋求改善效率的現實途徑，從而為促進效率改善提供有針對性的建議。本文具體研究以下三個密切相關的問題：①安徽工業綠色科技成果轉化效率如何？②影響轉化效率的因素有哪些？③區域異質性對綠色科技成果轉化效率有何影響？

綠色科技的概念最早是由Braun等（1994）［2］提出，他們認為綠色科技是以促進經濟可持續發展為核心的科技活動。一方面，有利于實現科技創新帶來的經濟增長；另一方面，有助于提高資源利用效率并保護環境。具體到工業領域，工業綠色科技指的是以綠色科技創新成果為支撐，促進工業的綠色、低碳、可持續發展。關于工業綠色科技的研究，學界主要從研究對象和研究方法兩個維度展開。針對研究對象的不同，主要集中在以下幾個方面：①行業層面上，主要是對工業部門綠色科技創新效率進行評價。Ghisetti等（2014）［3］和Sun等（2017）［4］分別對德國和中國工業綠色科技創新效率進行測度，發現兩國均存在較大的效率損失。②區域層面上，主要是從省際層面對綠色科技創新效率進行探究。羅良文等（2016）［5］通過構建科技效率評價指標體系，發現中國東部地區工業綠色科技創新效率最高，其次是中部地區，最低的是西部地區。③企業層面上，主要是從企業微觀視角，為改善綠色科技創新效率提供支撐。如肖仁橋等（2020）［6］利用超效率DEA模型測度了“一帶一路”沿線省份工業企業綠色科技創新效率，他們發現，研發人員流入、基礎設施完善等因素有利于綠色科技創新效率的提高。

關于效率評價的方法，可分為單一指標法、指標體系法和模型法。單一指標法（賈軍等，2014）［7］優點在于操作簡單，但缺點往往在于僅用單一指標很難全面地反映綠色科技創新效率。指標體系法（王郁蓉，2012）［8］在加權過程中，往往難以剔除人為主觀因素的影響。模型法（Zhou等，2020）［9］采用統計學方法自動賦權，有效減小了指標賦權法的主觀影響。在研究多投入、多產出問題時，數據包絡分析（DEA）被廣泛用于科技創新效率的評價中。李華晶等（2017）［10］基于傳統DEA模型測度了70家新能源上市公司綠色科技創新效率，得出較為理想的結果。王海龍等（2016）［11］評價了2007—2011年我國30個省際工業綠色創新效率，并探討其影響因素。

通過文獻回顧，發現學界對工業領域綠色科技創新的研究已經取得較為豐碩的成果，但仍存在一些缺陷：第一，缺乏專門針對工業領域的綠色科技成果轉化效率的研究。以往研究大多視工業科技創新活動為黑箱，并未對科技創新內部運行階段進行區分，研究結果的針對性明顯不足。第二，國內關于綠色科技創新的研究主要集中在省際、行業或企業層面，缺乏對省內各地區工業領域的研究。區域差異的存在會導致省級視角下的科技創新研究成果難以直接復制到市級層面，因此，研究結果的適應性將大打折扣。第三，在模型選擇上，以往研究大多采用傳統DEA模型進行評價。傳統DEA模型存在兩方面不足：一方面，由于徑向性、錐性等假定，實際評價結果可能存在偏差；另一方面，忽視了轉化過程中負外部效益等非期望產出的影響，測度結果將偏離真實值。

與已有的文獻相比，本文的貢獻主要表現在以下四個方面。①首次研究了黨的十八大以來安徽省16個地級市的工業綠色科技成果轉化效率差異，并探究其效率損失根源。②基于兩階段綠色科技創新價值鏈視角，專門對工業綠色科技成果轉化效率進行實證研究，針對性更強。③考慮到負外部效益的影響，采用非期望產出SBM模型進行效率評價，結果更加準確。④基于區域異質性視角，以皖北、皖中、皖南為劃分標準，對16個地級市進行聚類分析，探討區域異質性的差異。不同地區工業綠色科技成果轉化效率的揭示，有助于我們分析關鍵地區效率變化的原因并提出針對性建議。

2 研究設計

2.1 兩階段綠色科技創新價值鏈

創新價值鏈最早是由Hansen等（2007）［12］提出，他們將創新價值鏈分為創意的產生、轉換和傳播。在此基礎上，余泳澤等（2014）［13］、Chen等（2018）［14］結合中國技術創新實踐，將創新過程分為技術研發階段與成果轉化階段，有效地揭示了創新過程中的內在聯系。基于此，本文利用創新價值鏈理論，構建了工業綠色科技創新效率評價體系，如圖1所示。

圖1 兩階段綠色科技創新價值鏈

第一階段為綠色技術研發階段，通常指在綠色理念指導下，投入研發人員和研發資本，通過研究與開發產生中間產出。第二階段為綠色科技創新成果轉化階段，考慮到一、二階段互相關聯，因此，第二階段的投入包括第一階段的中間產出和能源使用，最終產出包括期望產出和非期望產出。由于能源使用和污染排放具有連續性和不可追溯性，且實際生產中大部分能耗主要出現在成果轉化階段，參照學界普遍做法，本文將能源投入和污染排放指標納入科技成果轉化階段進行分析。為進一步揭示安徽工業綠色科技成果轉化效率，本文就第二階段進行定量分析。

2.2 指標選取及數據獲取

2.2.1 投入指標。投入指標包括研發階段的中間產出和非研發投入。專利技術含量高，是國際上通用的衡量研發階段中間產出的指標（齊紹洲等，2018）［15］。本文選取各地級市規模以上工業企業的發明專利申請數量（件）來衡量研發階段的中間產出。

非研發投入包括能源投入、電力使用和水資源消耗。能源投入以各地級市單位工業GDP能源消耗量（噸標準煤/千元）進行表征。電力使用和水資源消耗分別以各地級市規模以上工業企業單位GDP用電量（千瓦時/千元）和單位GDP用水量（立方米/千元）來進行衡量。本文用熵權法將非研發投入三個指標合為一個“資源消耗綜合指標”進行表征，該指標值越大，表明資源消耗強度越大。

2.2.2 產出指標。綠色科技創新的最終目的是實現經濟發展和生態環境的雙贏，本文將最終產出分為期望產出和非期望產出。期望產出能夠反映綠色科技成果轉化為社會經濟效益的狀況，本文以學界廣泛認可的新產品銷售收入（億元）進行衡量（成瓊文等，2020）［16］。非期望產出通常指環境效益方面，以各地級市單位工業GDP工業“三廢”排放量來進行表征。廢氣排放由單位工業GDP煙（粉）塵（萬噸/千元）和SO2排放量（萬噸/千元）進行綜合表征；廢水排放由單位工業GDP COD（噸/千元）、氨氮（噸/千元）和石油類污染排放量（噸/千元）來進行表征；廢固排放由單位工業GDP一般工業固體廢棄物排放量（萬噸/千元）來衡量。借助熵權法，將非期望產出指標合成一個“環境影響綜合指標”，該指標值越低，表明環境污染強度越小，工業綠色科技成果轉化效率越高，如表1所示。

表1 工業綠色科技成果轉化投入產出指標體系

2.2.3 數據來源。根據數據的可獲得性和可比性，本文實證樣本采用安徽省2013—2018年16個地級市規模以上工業企業投入、產出面板數據來評價安徽工業綠色科技成果轉化效率。為確保數據真實有效，本文使用數據來自《安徽省統計年鑒》（2014—2019年）和16個地級市統計年鑒（2014—2019年）。本文所涉及的收入類指標均采用各地級市2000年出廠價格指數進行平減。

2.3 非期望產出SBM模型

Charnes等（1978）［17］首次提出數據包絡分析模型（Data Envelopment Analysis，DEA），主要包括CCR和BCC兩種模型。由于傳統的DEA模型未考慮生產中客觀存在的非期望產出，因而效率值將出現偏差。為解決上述問題，Tone（2003）［18］構造了非徑向、非角度且加入非期望產出的SBM（Slacks-Based Measure）模型：

假設N個 決策單元（DUM1，DUM2，···，DUMN），各決策單元均有

定義各單元生產可能性集（P）：

基于上述假定，得到修改后的非期望產出SBM模型：

其中，S-?Rm、Sb?R2分別為投入和產出冗余量。λ為權重向量。目標函數值變化區間為［0，1］，當且僅當ρ*=1、S-*=0、Sg*=0和Sb*=0時，決策單元DUM0DEA有效；否則，存在投入產出的改進空間。

3 實證分析

3.1 非期望產出SBM模型與傳統DEA模型評價結果對比分析

借助Pro-Slover5.0軟件，應用非期望產出SBM模型對安徽省16個地級市2013—2018年工業綠色科技成果轉化效率進行測度。為了與不考慮非期望產出指標測度結果作對比分析，本文同樣運用傳統DEA的CCR模型（Charnes等，1978）［17］對成果轉化效率進行測算，結果如圖2所示。

圖2 安徽16個地級市2013—2018年工業綠色科技成果轉化CCR模型和非期望產出SBM模型綜合技術效率均值（TE）走勢

由圖2可知，傳統DEA的CCR模型綜合技術效率介于0.700～0.800之間，效率均值為0.749，遠高于非期望產生SBM模型效率均值的0.367。表明非期望產出指標的負作用造成了安徽工業綠色科技成果轉化效率的較大損失。這說明，對工業綠色科技成果轉化效率進行評價，忽略非期望產出指標的影響是不符合實際且不科學的。至此，本文提出的第一個問題已得到解答，即安徽工業綠色科技成果轉化效率較低，非期望產出影響成果轉化效率，呈顯著負相關性。因此，采用非期望產出SBM模型進行效率測度很有必要。

3.2 非期望產出SBM測度結果與分析

運用非期望產出SBM模型對16個地級市工業綠色科技成果轉化效率進行測度，結果如表2所示。樣本期間，安徽全省平均綜合技術效率總體偏低，效率均值僅為0.367，有63%的改善空間。

表2 2013—2018年非期望產出SBM模型綜合技術效率

從時間維度來看，整體呈先下降、后上升的趨勢。根據圖3所示的綜合技術效率走勢，黨的十八大以來，安徽工業綠色科技成果轉化效率可以分為兩個階段。第一階段為2013—2015年，綜合技術效率值由2013年的0.362逐年下降至2015年的最小值0.329，說明該時期內，安徽工業綠色科技成果轉化效果欠佳，轉化效率持續惡化。造成這種現象的原因可能是“十二五”時期，安徽工業呈粗放型發展，產業結構不夠合理，高能耗、高污染、高排放、低效率的工業運行模式依然存在。第二階段為2015—2018年，綜合技術效率由2015年的0.329上升至2018年的0.398，整體呈不斷改善趨勢。這說明，進入“十三五”時期，安徽以創新驅動為發展戰略，科技成果轉化環境日趨完善，隨著綠色科技在工業領域的應用，節能減排效果凸顯，工業逐漸由粗放型向集約型轉變。

圖3 非期望產出SBM模型綜合技術效率、純技術效率和規模效率走勢

從處于技術效率前沿面的維度來看，綜合技術有效的地級市的數量在2～3之間，除了2014年和2015年為2個外，其余年份均為3個。綜合技術效率排名前三的分別是合肥市（1.000）、銅陵市（1.000）和滁州市（0.861），排名后三位的分別是黃山市（0.113）、池州市（0.074）和淮南市（0.064）。經濟發展水平相對較好、高校較為密集的蕪湖市（0.553）和蚌埠市（0.436）的轉化效率相對較好，分別排第四名和第五名。其余8個地級市，其創新成果轉化效率值均低于0.400，且大多數地區僅在0.100～0.300之間徘徊。

從效率分解走勢來看，規模效率均值僅為0.494，遠低于純技術效率均值的0.730，如圖3所示。至此，可以回答本文提出的第二個問題，即安徽省工業綠色科技成果轉化效率低下的原因是純技術效率（PTE）和規模效率（SE）較低，而規模效率（SE）過低是主要原因（TE=PTE*SE）。因此，一方面，安徽各地級市要注重管理上的創新，優化資源配置，提高技術資源的利用效率；另一方面，考慮各地區工業規模報酬普遍處于遞增階段，各市應結合城市特點，適當擴大科技成果轉化規模，提高轉化效率。

以全省效率均值為臨界點，將各地級市效率分為四種類型，如圖4所示。位于右上角的“高—高”區是純技術效率和規模效率均高于全省平均效率值的地區，共有4個，這類城市工業綠色科技成果轉化效率所需改進相對較少。其中，表現最好的是合肥市和銅陵市，它們均屬于省內經濟發展水平高、工業基礎好、高新技術產業相對集聚的地區。右下角的“高—低”區是純技術效率高但規模效率低的地區，共有6個。特別是黃山市，規模效率僅為0.113，作為依托旅游業發展的城市，未來黃山市發展重點應是實施資源集中配置，有效擴大工業綠色科技成果轉化規模。位于左上角的“低—高”區是純技術效率低但規模效率高的地區，僅馬鞍山1個。作為工業強市，馬鞍山后續發展應依托緊鄰南京、上海等區位優勢，積極承接高水平長三角產業轉移，獲得相應的技術溢出，改善純技術效率。左下角的“低—低”型為純技術效率和規模效率均較低的地區，共5個，這類地區科技成果轉化效率的改善更為困難。其中，表現最差的淮南市，作為安徽省傳統工礦大市，受到資源路徑依賴的約束，產業結構轉型緩慢。這類城市工業基礎和科教實力相對較弱，在未來發展中，應結合城市優勢，延伸產業鏈條，加快產業集聚。同時，擴大開放力度，圍繞重點產業及技術環節，承接高水平產業轉移，降低非期望產出的負面影響。

圖4 工業綠色科技成果轉化純技術效率及規模效率分布圖

3.3 區域異質性分析

為進一步探討區域異質性對工業綠色科技成果轉化效率的影響，根據安徽區域空間劃分，將16個地級市分為皖北、皖中、皖南三個片區（王欽安等，2019）［19］，如表3所示。

表3 安徽城市區域劃分

將2013—2018年轉化效率均值導入SPSS 20軟件，通過聚類分析，結果可分為三類，如圖5所示。由圖5可知，安徽省16個地級市工業綠色科技成果轉化效率存在較大的區域異質性。合肥市、銅陵市和滁州市轉化效率年均值達0.860以上，排名前三位，是轉化效率“較高”的第一梯隊。蕪湖、蚌埠和淮北三個城市轉化效率年均值在0.395～0.553之間，屬于轉化效率“一般”的第二梯隊。余下10個城市，如池州、黃山等效率均值在0.064～0.264之間徘徊，是轉化效率“較低”的第三梯隊。由聚類情況可知，轉化效率“較高”的第一梯隊全部屬于皖中和皖南地區，其中皖中地區占比達67%。第二梯隊來源于皖南和皖北地區，皖南地區占比達33%。轉化效率“較低”的第三梯隊，皖南和皖北地區占比達80%。綜上可知，皖中地區工業綠色科技成果轉化效率最高，其次為皖南和皖北地區。

圖5 2013—2018年工業綠色科技成果轉化效率聚類情況

為進一步驗證上述聚類分析結果，按照三大異質區，分別測算其工業綠色科技成果轉化效率。表4為全省及三大片區2013—2018年工業綠色科技成果轉化效率均值，圖6為2013—2018年全省及三大片區工業綠色科技成果轉化效率對比及發展趨勢。

表4 2013—2018年全省及三大片區工業綠色科技成果轉化效率

圖6 2013—2018年全省及三大片區工業綠色科技成果轉化效率趨勢

從全省轉化效率整體性來看，2013—2015年工業綠色科技成果轉化效率呈下降趨勢，2015—2018年呈波動上升趨勢。分地區來看，皖中地區科技成果轉化效率最高，皖南地區第二，皖北地區最低。

皖中片區位于合肥經濟圈核心區域，毗鄰長三角都市圈，區位優勢、政策優勢明顯。核心成員合肥是安徽省省會，集聚了全省的科技、產業、知識、人才等資源。作為先進制造業新興城市，合肥依托科研院所富集優勢，優化科技成果轉化環境，在經費投入、人才隊伍及政府引導等方面均投入較多優質資源，工業綠色科技成果轉化效率全省第一。滁州毗鄰南京都市圈，是皖江示范區承接產業轉移的前沿城市，依托與長三角城市圈互聯互通，利用大城市的技術溢出效應，積極承接高層次先進制造業和生產性服務業，大大提高了節能減排效率。作為傳統農業大市的六安，雖然工業規模較小，但距離省會合肥較近，便于承接長三角新能源、新材料等高層次轉移產業，獲得相對先進的技術，技術溢出效益明顯。

皖南片區主要位于皖江城市帶，城市工業基礎和科教實力相對較好。一方面，該片區毗鄰長三角核心區，交通便利，能夠高效吸收產業轉移中的技術溢出，保持較高的技術水平。另一方面，作為傳統工業城市，在城市發展和承接產業轉移過程中，更傾向于發展本地傳統支柱產業，節能減排效率提升空間有限。如馬鞍山以鋼鐵、裝備制造作為主導產業，這些行業均屬于高耗能、高排放的產業，因而轉化效率始終在較低位徘徊。

皖北片區大多屬于經濟發展落后、產業基礎相對薄弱的邊緣地帶，產業規模較小、整體水平不高。在工業化進程中，可能主要以能源密集型和勞動密集型“雙高”產業為主，再加上工業化初期對環境管理的忽視，環境污染排放大大增加，資源、能源等浪費較為嚴重。皖北地區科教資源薄弱，創新環境相對較差，科技成果轉化動力長期不足。隨著皖北振興戰略的實施，在多重政策疊加扶持下，樣本期間，皖北成果轉化效率明顯得到改善。如地處安徽邊緣地帶的淮北，距離合肥經濟圈和皖江城市帶均較遠。作為傳統資源型城市，淮北緊緊抓住政策紅利，圍繞科技創新轉變經濟結構為中心，積極培育新動能。一方面，在承接長三角產業轉移中，制定前瞻性、產異化產業轉移引資政策，加快布局高層次支柱產業，減少“三廢”排放；另一方面，在延鏈上下文章，促進傳統產業與新興產業融合發展，加快科技成果在工業領域的轉化。至此，本文提出的第三個問題也得到了回答，即區域異質性顯著影響工業綠色科技成果轉化效率。

4 結論與建議

4.1 研究結論

基于兩階段價值鏈理論，本文以2013—2018年安徽16個地級市為研究對象，運用非期望產出SBM模型，從區域異質性的視角實證研究了安徽工業綠色科技成果轉化效率。具體結論如下。

①考慮非期望產出指標的影響后，工業綠色科技成果轉化效率顯著下降，說明非期望產出指標的負作用造成了較大的效率損失。因此，采用非期望產出SBM模型評價工業部門綠色科技成果轉化效率是合理且有必要的。

②工業綠色科技成果轉化效率均值為0.367，且大部分城市低于平均值，表明有很大的改善空間。效率分解顯示，規模效率均值（SE）僅為0.494，遠低于純技術效率均值（PTE）的0.730，說明工業綠色科技成果轉化效率低下是由純技術效率和規模效率的低效率共同引起的，但規模效率（SE）過低是主要原因。從效率變化情況來看，2013—2015年，效率持續惡化，這主要是“十二五”時期，安徽不夠重視綠色科技成果轉化，工業發展依然呈“三高一低”的低效率運行模式。2015—2018年，進入“十三五”時期，安徽以創新驅動作為發展戰略，工業產業結構不斷優化，節能減排效果凸顯，效率呈穩步向好態勢。

③工業綠色科技成果轉化效率具有明顯的區域異質性。皖中地區效率最高，皖南次之，皖北最低。具體來看，皖中地區位于合肥經濟圈核心區域，政策優勢和區位優勢明顯。這些地區產業集聚度高，技術先進，環保設備先進，因而轉化效率最高。皖南地區主要位于皖江城市帶，毗鄰長三角核心區，一方面，能高效吸收產業轉移中的技術溢出，保持相對較高的技術水平，另一方面，作為傳統工業城市，更傾向于發展本土傳統“兩高”產業，資源、能源等浪費嚴重，減排效率提升空間有限。皖北地區大多經濟發展落后，產業層次不高、規模較小，同時，忽略環境保護的管理，因而轉化效率相對較低。

4.2 政策建議

本文的研究結論對促進安徽工業綠色發展以及城市工業綠色科技成果轉化效率的改善具有重要的參考價值。啟示如下。

①將環境指標納入工業綠色科技成果轉化效率評價體系，建立綠色經濟發展模式，探索經濟發展與環境保護雙贏機制。構建綠色科技成果轉化平臺，鼓勵科研院所、企業、服務機構共同推進供需一體化，提高科技成果轉化效率。完善企業稅收減免政策，提高知識產權保護水平。積極向先進地區學習，促進管理效率的改善。

②因城施策，改善工業綠色科技成果轉化效率。針對資源型城市，如傳統工礦大市淮南，面對資源枯竭、產業單一困境，應結合本地資源稟賦和發展水平，擴大開放力度，培育發展新動能，促進產業轉型升級。針對旅游型城市，如皖南山區的池州、黃山，工業基礎相對薄弱，應結合城市比較優勢，實施資源集中配置，加快發展服務型制造，有效擴大科技成果轉化規模。

③鑒于區域異質性，制定前瞻性、差異化產業引資政策。皖中地區轉化效率處于領先地位，區位優勢明顯，應利用科教資源富集優勢，發展原創性、集成式創新，加快促進工業綠色科技成果轉化。通過技術溢出效應，縮小區域差異，帶動全省協同發展。皖南地區交通便利，應立足自身比較優勢，高起點承接長江三角洲產業轉移，獲得較高的技術溢出效益。同時，依托現有支柱產業，延伸產業鏈條，開發高附加值產品，提高節能減排效率。皖北地區科教資源薄弱，創新環境相對較差，應積極引進先進設備和技術，在降低能耗的同時，強化污染治理的前端預防。鑒于安徽工業綠色科技成果轉化效率整體偏低，各地區正處于規模效率遞增階段，應適當擴大要素投入規模，促進轉化效率提升。

本文的局限性：一方面，指標的選取仍需進一步完善。如本文僅以專利申請數量來表征研發階段的中間產出，未來可以將論文發表數量綜合考慮進來；另一方面，工業綠色科技成果轉化效率可能受到外界因素的干擾，如利潤率、治理費用、技改投入等。未來課題組計劃綜合運用三階段DEA模型將影響轉化效率的外部因素剝離，以便得到更為真實的效率值。