中國省際綠色創新效率的評價研究

陳清 林珊珊

摘 要：基于2009—2018年我國省際面板數據，運用Super-SBM模型同時測度了考慮非期望產出的綠色創新效率和不考慮非期望產出的傳統創新效率，并運用Malmquist-Luenberger指數方法對綠色創新效率進行了動態分析。研究表明：我國綠色創新效率整體呈增長態勢但水平偏低，呈無效率狀態，進步空間較大;我國三大地區綠色創新效率呈現出由東向西遞減的格局，且各省市綠色創新效率根據變動情況可以分為平穩型、增長型和波動型三類;考慮非期望產出的綠色創新效率比不考慮非期望產出的傳統創新效率低，且中西部差異更顯著;技術效率和技術進步共同導致我國綠色創新水平的提高，且技術進步的影響程度大于技術效率，其與ML指數變動的趨同性也更高;我國綠色創新的動態效率呈現中部>西部>東部的格局，且多數省市的ML指數均大于1，存在不同程度的進步。

關鍵詞：綠色創新;效率評價;Super-SBM模型;Malmquist-Luenberger指數;非期望產出

中圖分類號：F 205

文獻標識碼：A?? 文章編號：1672-7312（2021）05-0510-09

Evaluation of Green Innovation Efficiency at

Provincial Level in China

——Based on Super-SBM model and ML index

CHEN Qing，LIN Shanshan

（School of Economics and Management，Nantong University，Nantong 226000，China）

Abstract：Based on Chinas provincial panel data from 2009 to 2018，this paper used Super-SBM model to measure both green innovation efficiency with non-expected outputs and traditional innovation efficiency without non-expected outputs，and used Malmquist-Luenberger index method to conduct dynamic analysis on green innovation efficiency.The results show that the overall green innovation efficiency in China is growing，but the level is low，showing inefficiency，and there is much room for progress.The efficiency of green innovation in the three regions of China is decreasing from east to west，and the efficiency of green innovation in each province can be divided into three types：stable，increasing and fluctuating.The efficiency of green innovation considering non-expected output is lower than that of traditional innovation without considering non-expected output，and the difference between the central and western regions is more significant.Technological efficiency and technological progress lead to the improvement of green innovation level in China，and the influence of technological progress is greater than that of technical efficiency，and the convergence between technological progress and ML index changes is higher.The dynamic efficiency of green innovation in my China presents a pattern of central>western>eastern，and most provinces and cities have ML indexes greater than 1，showing different degrees of progress.

Key words：green innovation;efficiency evaluation;super-SBM model;Malmquist-Luenberger index;undesired output

0 引言近年來，我國經濟高速發展伴隨而來的資源環境問題亟待解決，2020年中國的全球環境績效指數（EPI）排名在180個國家和地區中排第120位，而據《2020年全國生態環境質量簡況》顯示，2020年全國337個地級以上城市中有135個城市的空氣質量超標。針對這一現象，《2035遠景目標》中提出至2035年要基本實現美麗中國的建設目標;“十四五”規劃更是提出要完善生態領域的統籌協調機制以促進經濟社會發展實現全面綠色轉型。因此，在高質量發展過程中如何實現綠色轉型成為當務之急，而綠色創新正是實現綠色轉型的必由之路。通過客觀評價我國各區域的綠色創新效率，因地制宜找出不同區域提高綠色創新效率的政策著力點，對推動我國實現高質量發展和綠色轉型具有現實意義。

1 文獻回顧BEISE（2004）提出綠色創新是企業為了減少環境問題而采用更為清潔的流程、技術等生產模式[1];GHISETTI（2014）將綠色創新分為能源資源有效型和外部減少型兩種[2];而李旭（2014）基于“動機—過程—結果”的框架將綠色創新劃分為資源節約型、環境友好型和混合型綠色創新3種[3]。對綠色創新效率的評價方法主要分為兩大類：第一類是數據包絡分析法（DEA），如SUEYOSHI（2010）首次提出了DEA-RAM模型，并基于此模型測算出企業綠色創新效率[4];GUAN & CHEN（2010）運用網絡DEA模型對創新過程中每一階段的效率都進行了測算[5];任耀等（2014）基于包含三大效率的聯系效率DEA-RAM模型測算了山西省的工業綠色創新效率[6];錢麗等（2015）采用共享投入關聯兩階段DEA模型測算出各省份的企業綠色創新效率并探究其時空差異及原因[7];吳傳清等（2019）采用熵值法構建環境污染綜合指數并運用Super-SBM模型測算出我國裝備制造業的綠色創新效率[8]。第二類是隨機前沿分析法（SFA），如AIGNER（1977）首次提出了隨機前沿模型，并對影響技術創新效率的因素進行了分析[9];曹霞等（2015）通過結合投影尋蹤模型對隨機前沿模型進行改進，從而更有效的測算出我國區域創新效率[10];孫宏芃（2016）采用隨機前沿方法測算出我國區域綠色技術創新效率，發現并非經濟更發達的東部地區表現出更高的效率值[11];張峰等（2020）基于SFA模型構建了我國省域高技術產業綠色技術創新的三階段組合效率測度模型，測度結果發現綠色技術創新效率存在顯著的空間區域特征[12]。除DEA和SFA模型外，還有一些學者采用非傳統方法如

ZHANG（2015）采用以CCR模型和SBM模型為基礎的混合模型測度了考慮非期望產出的綠色生產效率[13];高廣闊等（2018）采用Super-MindS模型測算了京津冀地區高污染行業的綠色創新效率，并運用空間統計方法探究其空間分布特征[14];吳旭曉（2019）采用非期望Minds模型和灰色系統動態方程研究了我國七大區綠色創新效率的時空發展軌跡，發現各省的軌跡存在較大異質性[15]。對綠色創新效率的評價指標體系的構建主要分為兩大類：第一類是一階段投入產出評價指標體系，不包括中間產出，如顏莉（2012）選取了人力資源、資金、基礎設施投入和科技成果、經濟、社會和環境績效等9個指標來測算我國區域創新效率[16];傅京燕等（2018）構建了由投入、期望和非期望產出3個一級指標，勞動、資本、能源、地區生產總值和“三廢”排放量5個二級指標構成的綠色全要素生產率評價指標體系[17];昝哲等（2021）構建了由勞動力、資本及技術投入、創新結果產出、經濟產出和環境污染等6個指標組成的綠色技術創新效率評價指標體系[18]。第二類是兩階段投入產出指標體系，包括中間產出，如錢麗等（2015）選取了研發投入、非研發投入、中間產出和成果轉化產出4個一級指標來測算我國工業企業綠色技術創新效率[7];梁圣蓉等（2019）構建了由創新投入、中間產出、非研發投入、期望和非期望產出5個一級指標以及15個二級指標組成的評價指標體系來測算綠色技術創新效率[19]。通過對現有文獻進行總結可知，國內外學者對綠色創新效率已有大量研究，但在評價方法和指標選取方面存在一些不足。在評價方法上主要以DEA為主，但傳統DEA模型很少同時考慮“松弛”變量和非期望產出，可能會造成效率值被高估的情況，基于此，本文采用同時考慮兩者的Super-SBM模型;在指標選取上，大多數學者如肖文（2014）[20]、田紅彬（2020）[21]等僅僅將資源環境問題納入產出指標即非期望產出中，而實際上在綠色創新的投入過程中也存在資源環境因素，如能源投入，基于此，本文將能源投入和環境污染問題同時納入投入產出指標中。除此之外，現有文獻主要是對綠色創新效率的靜態分析，很少有人分析綠色創新效率的動態趨勢，基于此，本文采用Super-SBM模型和ML指數同時對我國各省市的綠色創新效率靜態水平和動態水平進行測算與分析。將資源環境因素納入創新過程的投入和產出指標中;測算出包含非期望產出的綠色創新效率與不包含非期望產出的傳統創新效率并進行對比分析;對我國各省市的綠色創新效率靜態水平和動態水平進行綜合分析。

2 模型設定與指標選擇

2.1 模型設定

2.1.1 Super-SBM模型本文參照TONE（2003）[22]、LI H（2013）[23]的研究，將松弛性問題和非期望產出同時納入傳統DEA模型，構建Super-SBM模型如下：首先，假設每個省市都是一個決策單元，則n個DMU均用m種創新投入產生了n1種期望產出和n2種非期望產出，則可定義矩陣見式（1）。

X=（x1，…，Xm）∈Rm+n

Yg=（xg1，…，Xgn1）∈Rn1×n

Xb=（xb1，…，Xbm）∈Rn2×n

（1）其中

x∈R+m，yb∈R+n1，yb∈R+n2。

則構建包含非期望產出的生產可能性集見式（2）。

P=

（，g，b）|≥∑ni=1，≠0λixi，

g≤

∑ni=1，≠0

λiygi，

b

≥∑ni=1，≠0λiybi，λ≥0

（2）其中，

λ是權重向量。其次，構建包含非期望產出的Super-SBM模型為式（3）。

ζ*=min

1m

∑mi=1

ixi0

1n1+n2

∑n1r=1

gr

ygr0

+

∑n1r=1

b1

ybI0

s.t.

≥

∑n1i=1，≠0λixi

g≤

∑ni=1，≠0λiygi

b≤

∑ni=1，≠0λiybi

≥x0，g≥yg0，b≥yb0，λ≥0

（3）

式中：，g，b分別為投入、期望和非期望產出的松弛向量;

λi為權重向量;ζ*的值可以大于1且其值越大表明綠色創新效率越高。

2.1.2 Malmquist-Luenberger指數為了進一步分析綠色創新效率的動態變動情況，本文參照CHUNG（1997）[24]、FRE（2001）[25]的研究，采用ML指數方法來測算綠色創新的動態效率。基于非期望產出角度，從t到t+1期間的ML指數可表示為式（4）。

MLt+1t=

1+t0（xt，yt，bt;yt，-bt）

1+t0（xt+1，yt+1，bt+1;yt+1，-bt+1）

×

1+t+10（xt，yt，bt;yt，-bt）

1+t+10（xt+1，yt+1，bt+1;yt+1，-bt+1）

（4）其中ML指數又可分解為技術效率變化指數（EFFCH）和技術進步指數（TECH），見式（5）。

MLt+1t=EFFECHt+1t·TECHt+1t

EFFECHt+1t=

1+t0（xt，yt，bt;yt，-bt）

1+t+10（xt+1，yt+1，bt+1;yt+1，-bt+1）

TECHt+1t

=

1+t+10（xt，yt，bt;yt，-bt）

1+t0（xt，yt，bt;yt，-bt）

×

1+t+10（xt+1，yt+1，bt;yt+1，-bt+1）

1+t0（xt+1，yt+1，bt+1;yt+1，-bt+1）

（5）其中，ML>0、EFFCH>0、TECH>0分別表示綠色創新效率增長、技術效率改善、前沿技術進步;ML<0、EFFCH<0、TECH<0分別表示綠色創新效率降低、技術效率惡化、前沿技術退步。

2.2 指標選擇與數據說明本文借鑒韓晶（2012）[26]、羅良文（2016）[27]、吳傳清（2019）[8]等學者的評價方法，在傳統投入-產出法的基礎上考慮到能源消耗和環境污染因素，基于科學性、可得性等指標選取原則，建立了如下評價指標體系。

2.2.1 投入指標

創新投入主要包括人員投入和資金投入，本文選取R&D人員全時當量和R&D實際資本存量作為創新活動的投入指標，其中采用永續盤存法（PIM）來計算R&D實際資本存量，公式為：

Ki，t=Ki，t-1（1-δi，t）+Ii，t

，式中

Ki，t、Ki，t-1

分別為第i個省份t到t-1年的資本存量;Ii，t為投資額;δi，t為折舊率。本文借鑒張軍（2004）[28]的研究，將折舊率設定為9.6%，用固定資產形成總額來表示Ii，t，并以2008年為基期，根據固定資產價格指數平減各年的投資總額，將其折算為2008年不變價，并以2008年的固定資產形成總額除以10%來表示基期的資本存量。除此之外，參考韓晶（2012）[26]的做法，將資源環境因素也納入投入指標中，本文選取以萬噸標準煤為單位的能源消耗總量作為能源投入指標。

2.2.2 期望產出指標

綠色創新活動過程中的期望產出主要包括專利產出和經濟產出，其中專利產出主要有專利申請數和授權數等，考慮到專利授權數存在較大的不確定性，本文選取專利申請數來代表專利產出水平;而經濟產出是指企業在研發階段產生專利成果后投入市場獲得的經濟利益，本文選取新產品的銷售收入來表示經濟產出。

2.2.3 非期望產出指標

綠色創新過程中的非期望產出主要是考慮污染物的排放，本文選取工業“三廢”排放量作為非期望產出指標，考慮到數據的可得性，且化學需氧量和二氧化硫分別在廢水和廢氣中占據較高比重，國家近年來也一直將其作為污染排放物的重點監測對象，因此本文選取廢水中化學需氧量排放量和廢氣中二氧化硫排放量以及固體廢棄物產生量三個指標來代表非期望產出。基于以上分析，本文建立的綠色創新效率評價指標體系見表1。數據來源包括《中國統計年鑒》、《中國科技統計年鑒》、《中國環境統計年鑒》、《中國能源統計年鑒》、各省市統計年鑒和Wind數據庫等，選取時間范圍為2009—2018年，其中由于西藏數據缺失較大，本文選取了中國大陸地區除西藏外其余30個省份為樣本數據。需要指出的是，由于2018年個別省份暫未公布二氧化硫排放量和化學需氧量排放量數據，本文參考田紅彬（2020）[21]的做法，用同比增長率將其個別缺失數據補齊。在投入產出指標滯后期的選擇上，由于R&D投入包括人員投入和資本投入都存在累積性和時滯性，考慮到數據的可得性，將這兩個指標都滯后一年時間，選取2008—2017年的相關數據，而能源投入無需考慮滯后性。

3 實證分析

3.1 靜態分析根據上文構建的Super-SBM模型和綠色創新效率評價指標體系，本文運用Maxdea pro 8.8軟件測度了2009—2018年我國省際綠色創新效率，結果見表2。

從全國整體水平來看，研究期間內我國綠色創新效率均值為0.455，這說明我國整體綠色創新水平偏低，呈無效率狀態，存在較大的提升空間。但2009—2018年我國綠色創新效率大致呈穩步增長態勢，效率均值從2009年的0.365逐漸提升至2018年的0.505，漲幅達到38.4%，具體來看，綠色創新效率值超過1，就可以視為該地區呈有效率狀態（見表2）。2009—2018年我國綠色創新效率值超過1的省市數量大幅上漲，有效決策單元的個數從4個增加至9個，其中北京、上海、廣東一直處于效率前沿，而浙江自2010年開始、安徽和重慶自2011年開始、江西和廣西自2017年開始頻繁出現在前沿面上。這說明近年來在國家貫徹提出可持續發展理念的背景下，我國的經濟社會發展方式已經開始向綠色轉型，綠色創新水平逐步提高（見表3）。

分區域來看（見表4），三大地區綠色創新效率值呈現出由東向西逐步遞減的格局，效率均值分別為0.681、0.412和0.262，參考曹霞（2015）[10]、梁圣蓉（2019）[19]的研究發現結論基本一致。具體來看研究期間內三大地區的綠色創新效率值均存在一定提升，且中部地區的提升程度更大。其中東部地區的效率值從2009年的0.591提升至2018年的0.639，一直維持著較高水準，這表明其遙遙領先的經濟實力保證了科研投入充足，使得開展綠色創新活動更為有利，因而整體綠色創新水平較高，但未出現明顯的增長趨勢，仍存在一定的提升空間;中部地區的效率均值從2009年的0.316提升至2018年的0.551，增幅更為明顯，這主要是由于“中部崛起”戰略的提出使得中部地區的經濟發展水平迅速提升，且十八大以來逐步推進中部地區的節能減排工作，優化產業結構，綠色創新水平明顯提升;而西部地區綠色創新效率值明顯偏低，效率值由2009年的0.174提升至2018年的0.338，整體呈緩慢上升趨勢，這是受西部地區其客觀經濟實力和地理位置限制，工業基礎薄弱、人力資源匱乏、研發資金不足、污染物排放監管力度不足等因素導致其綠色創新水平較低。

具體到各省市變動情況來看，根據表3整理發現，研究期間內我國各省市綠色創新效率的變動趨勢大致可以分為三類：第一類是平穩型，包括北京、上海、浙江、廣東、遼寧、福建、山東、黑龍江、內蒙古、貴州、云南、陜西等省市，總體而言波動幅度不大，北京、上海這些來自東部地區的省市保持總體平穩的原因在于其高經濟發展水平和創新能力導致其綠色創新水平早已遙遙領先于其他省市，相比而言進步空間不大，而內蒙古、貴州這些省市集中于西部地區，產業結構不合理、資源浪費、人才匱乏等原因導致其綠色創新水平難以提升;第二類是增長型，包括河北、山西、安徽、江西、河南、湖北、湖南、廣西、重慶、四川等省市，總體而言持增長趨勢，主要來自中部以及西部那些經濟發展水平較高的省市，其通過不斷引進外資帶動當地經濟發展，并進行產業轉型升級，從而促使綠色創新水平不斷提升;第三類是波動型，主要包括天津、江蘇、海南、吉林、甘肅、寧夏、青海、新疆等省市，總體而言波動性較大，綠色創新投入產出之間難以保持平衡，其原因可能在于這些省市正處于調整期，難以把握好投入與產出之間的同比例關系，如吉林省研究期間的綠色創新效率值在大于1和小于0.5之間來回波動，經觀察數據發現其原因在于該省的創新投入逐年增加，但新產品銷售收入的變動很大，并未呈現逐年增長的趨勢;而天津、江蘇省效率值波動的原因在于其創新投入的增長率大于期望產出的增長率，不斷增加的投入并未帶來同比的期望產出，表明其創新能力有待提升。而具體到各省市來看，如圖1所示，我國30個省市的綠色創新水平差異明顯，效率均值排名前五位的省市分別為北京、上海、廣東、浙江、重慶，除了重慶外都屬于東部地區且十年來效率值一直大于1，呈相對有效率狀態，這些省市屬于我國城市群的“領頭羊”，經濟發展水平領先，科技創新能力強，且相較于經濟較不發達地區更為注重可持續發展;而排名后五位的省市分別為內蒙古、黑龍江、青海、山西、云南，這些省市都屬于中西部地區，效率均值幾乎低于全國平均水平的三分之一，這是由于其經濟發展模式粗放型特征十分明顯，生產方式屬于高耗能高污染，且其創新投入不足，人才資源嚴重匱乏，導致其綠色創新能力偏低。

3.2 對比分析為了深入了解我國省際綠色創新效率水平，本文將考慮非期望產出情形下的綠色創新效率和不考慮非期望產出情形下的傳統創新效率進行對比分析，見表5，從總體水平來看，綠色創新效率均值為0.455，而傳統創新效率達0.505，可見考慮環境污染的的綠色創新效率比不考慮環境污染的傳統創新效率低，這與錢麗（2015）[7]的研究結論一致，表明工業“三廢”等環境污染物的排放是導致我國綠色創新水平整體偏低的重要原因之一。

從三大區域來看，東中西部地區的綠色創新效率均值同樣低于傳統創新效率均值，且中西部地區的差異較為明顯，而東部地區兩種情形下的差異不大，這表明中西部地區存在更為突出的環境污染問題，而東部地區在環境保護方面要優于中西部地區。不論是否考慮非期望產出，創新效率值始終呈現由東向西階梯式遞減的格局，說明東部地區不論是在技術創新還是環境改善方面都走在全國的前沿，而中西部地區則均有待進步。

具體到各省市來看，如圖2所示，絕大部分省市的傳統創新效率都要高于綠色創新效率，僅北京、上海和浙江例外，表明這三大來自東部地區的省市具有非常高的技術轉化效應，其在技術創新促進環境改善方面遙遙領先于其他省份。在兩種情形下效率均值排名前五位和后五位的省市雖然排序發生了一些變化，但主要都是北京、上海、廣東、浙江、重慶和內蒙古、黑龍江、青海、山西、云南這些省市，表明不論是否考慮非期望產出，效率值較高的省市始終大多處于東部地區，而效率值較低的省市則始終來自中西部地區。

3.3 動態分析本文在靜態分析的基礎上，基于ML指數方法并運用Maxdea pro 8.8軟件測算出我國各省份的綠色創新效率ML指數及其分解的技術效率變化指數（

MLEFFCH）和技術進步指數（MLTECH）。從總體來看，見表6，ML指數均值大于1，且我國綠色創新的動態效率平均漲幅達19.9%，這說明我國綠色創新水平整體處于上漲趨勢。具體來看，除了2011-2012年期間我國綠色創新效率有所下降外，其余年份均處于上升態勢。將ML指數進一步分解，發現研究期間內我國綠色創新的技術效率變動指數平均增長8.2%，而技術進步指數平均增長12.1%，表明技術效率和技術進步共同導致我國綠色創新水平的提高，且技術進步的影響程度大于技術效率，其與ML指數變動的趨同性也更高。

從三大地區來看，見表7，2009—2018年我國綠色創新動態效率提升最大是中部地區，其平均增幅高達30.1%，其次是西部地區，其平均增長19.9%，而東部地區的平均漲幅僅為12.4%。這表明我國東部地區的綠色創新水平一直較高，進步空間沒有中西部地區那么大，增長也較為緩慢;而中西部地區是由于原來的經濟、技術等都遠遠落后于東部地區，近年來的國家政策和自身發展致使其經濟發展水平、產業結構和資源配置都得到很大改善，由此導致中西部地區的綠色創新增長率較高，甚至高于東部地區。

而具體到各省市來看，如圖3所示，2009—2018年我國30個省市中有29個省市的ML指數均大于1，表明我國大多數省市的綠色創新水平都有著不同程度的進步，且漲幅較大的多位于中西部地區，而東部地區各省市漲幅不大，其ML指數除海南省外均在1.0～1.2之間。海南省的綠色創新動態效率下降主要是受到技術效率變動和技術進步的雙重影響，且技術效率變動更大，表明其存在資源配置不合理、技術創新能力不強等問題，這與海南省其主導行業是旅游業和農業，在工業上不具備優勢的現實短板有關，導致其技術創新動力不足。

4 結論與建議本文運用Super-SBM模型在考慮非期望產出的基礎上測度了2009—2018年我國省際綠色創新效率，同不考慮非期望產出的傳統創新效率進行比較分析，并運用ML指數對綠色創新效率進行動態評價，得出以下結論：1）我國綠色創新效率總體呈增長態勢，但效率均值僅為0.455，呈無效率狀態，進步空間較大;我國三大地區綠色創新效率呈現出由東向西逐步遞減的趨勢，且各省市綠色創新效率變動可以分為平穩型、增長型和波動型三大類。2）考慮非期望產出的的綠色創新效率比不考慮非期望產出的傳統創新效率低，且中西部的差異更為明顯;不論是綠色創新效率還是傳統創新效率都呈現由東向西階梯式遞減的格局;我國多數省市的傳統創新效率都要高于綠色創新效率，僅北京、上海和浙江例外。3）我國綠色創新效率的ML指數均值大于1，其中技術效率和技術進步共同導致了我國綠色創新水平的提高，且技術進步的影響程度大于技術效率，其與ML指數變動的趨同性也更高;我國綠色創新的動態效率呈中部>西部>東部的格局，且多數省市的ML指數均大于1，存在不同程度的進步。據此，本文提出以下建議：1）充分發揮政府職能，因地制宜，有效結合不同地區的產業和創新基礎，采取差異化的創新發展政策。政府應制定政策來監管東部地區創新資源配置的有關情況，以保證其綠色創新水平的有效提高。在制定創新發展政策時應偏向中西部地區，進一步加大對其基礎設施和研發資源的投入，并充分挖掘出東西部的資源稟賦與相對價值。2）東部各省市應立足于自身優勢，保持科研創新與技術進步，促使科技創新能有效改善環境污染問題，以有效提高綠色創新水平。應充分發揮其示范和引領作用，加強與中西部地區的區域內部合作，開展技術與管理方面的交流，以“對口支援，異地扶持”的方式推動中西部發展。3）中西部各省市應充分調整其產業結構，加大服務業所占比重，并結合環境承載力程度，合理吸引更多優質外資投入，向先進企業學習清潔技術，提高自身資源利用率，加快綠色轉型步伐。應嚴格落實工業污染排放許可與限額標準，完善生

態環境管理制度和損害賠償標準，以有效提高整體綠色發展意識。

參考文獻：

[1] BEISE M，RENNINGS K.Lead markets and regulation：a framework for analyzing the international diffusion of environmental innovations[J].Ecological Economics，2004，52（01）：5-17.

[2]GHISETTI C，RENNINGS K.Environmental innovations and profitability：How does it payto be green？ An empirical analysis on the German innovation survey[J].Journal ofCleaner Production，2014，75（15）：106-117.

[3]李旭.綠色創新相關研究的梳理與展望[J].研究與發展管理，2015，27（02）：1-11.

[4]SUEYOSHI T，GOTO M.DEA approach for unified efficiency measurement：Assessment of Japanese fossil fuel power generation[J].Energy Economics，2010，33（02）：292-303.

[5]GUAN J，CHEN K.Measuring the innovation production process：A cross-region empirical study of Chinas high-techinnovations[J].Technovation，2010，30（05-06）：348-358

[6]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，2014，250（07）：176-177.

[7]錢麗，肖仁橋，陳忠衛.我國工業企業綠色技術創新效率及其區域差異研究——基于共同前沿理論和DEA模型[J].經濟理論與經濟管理，2015，289（01）：26-43.

[8]吳傳清，申雨琦.中國裝備制造業集聚對綠色創新效率的影響效應研究[J].科學技術與對策，2019，36（05）：54-63.

[9]AIGNER D，LOVELL C A K，SCHMIDT P.Formulation and estimation of stochastic frontier production function models[J].Econometrics，1977（01）：53-66

.[10]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，2015，25（05）：10-19.

[11]孫宏芃.制度創新環境與中國綠色技術創新效率[J].科技管理研究，2016，36（21）：251-257.

[12]張峰，任仕佳，殷秀清.高技術產業綠色技術創新效率及其規模質量門檻效應[J].科技進步與對策，2020，37（07）：59-68.

[13]ZHANG Y B，JIN P Z，FENG D.Does civil environmental protection force the growth of Chinas industrial green productivity？Evidence from the perspective of rent-seeking[J].Ecological Indicators，2015，51：215-227.

[14]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，2018，37（01）：137-144.

[15]吳旭曉.中國區域綠色創新效率演進軌跡及形成機理研究[J].科技進步與對策，2019，36（23）：36-43.

[16]顏莉.我國區域創新效率評價指標體系實證研究[J].管理世界，2012，224（05）：174-175.

[17]傅京燕，胡瑾，曹翔.不同來源FDI、環境規制與綠色全要素生產率[J].國際貿易問題，2018，427（07）：134-148.

[18]昝哲，張道明，張康輝，陳振.基于超效率SBM模型的中國綠色技術創新效率分析[J].科技與創新，2021（02）：17-19+22.

[19]梁圣蓉，羅良文.國際研發資本技術溢出對綠色技術創新效率影響的門檻效應——基于人力資本視角[J].技術經濟，2019，38（04）：23-32.

[20]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，2014，247（04）：71-80.

[21]田紅彬，郝雯雯.FDI、環境規制與綠色創新效率[J].中國軟科學，2020（08）：174-183.

[22]TONE K.Dealing with undesirable outputs in DEA：A Slacks-Based Measure（SBM）approach[J].National Graduate Institute for Policy Studies，2003（06）：44-45.

[23]LI H，SHI J F.Energy efficiency analysis on Chinese industrial sectors：an improved Super SBM model with undesirable outputs[J].Journal of Cleaner Production，2014，65（02）：97-107.

[24]CHUNG Y H，FRE R，GROSSKOPF S.Productivity and undesirable outputs：A directional distance function approach[J].Microeconomics，1997，51（03）：229-240.

[25]FRE R，GROSSKOPF S，PASURKA J C A.Accounting for air pollution emissions in measures of state manufacturing productivity growth[J].Journal of Regional Science，2001，41（03）：381-409.

[26]韓晶.中國區域綠色創新效率研究[J].財經問題研究，2012（11）：130-137.

[27]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，2016，26（09）：149-157.

[28]張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952—2000[J].經濟研究，2004（10）：35-44.

（責任編輯：嚴 焱）