綠色創新效率測度及時空分異特征：以長江經濟帶制造業為例

光峰濤，鄧雅婷，易 明

（中國地質大學(武漢)經濟管理學院，湖北武漢 430074）

制造業作為國民經濟的主體，是長江經濟帶產業體系的核心，對于當地經濟發展具有重要支撐作用。2016 年國家印發的《長江經濟帶發展規劃綱要》提出，長江經濟帶要在電子信息、高端裝備、汽車、家電、紡織服裝等領域培育具有國際先進水平的世界級制造業集群。2018 年中央經濟工作會議將推動制造業高質量發展作為未來工作的重中之重。但目前而言，長江經濟帶制造業存在重化工特征顯著、產業鏈協同化程度較低、部分沿江地區產業布局同質化嚴重和體制定位不明確等問題，整體上對資源的依賴性較大、利用率低，且排放了大量的污染物，超出了區域資源環境的承受能力，對地區進一步發展帶來了嚴重桎梏。在我國深入實施高端制造業發展戰略和加快生態文明建設的大背景下，長江經濟帶制造業走“創新+綠色”融合發展的道路是破解當前困境的重要突破口，也是解放和發展區域生產力的必然選擇，因此，適時研判制造業的綠色創新發展水平對把控、指導和推進長江經濟帶制造業綠色創新轉型具有重要實踐意義。而綠色創新效率作為對綠色創新發展水平的反映，如何對其進行合理測算呢？長江經濟帶各區域及區域內各省市的經濟發展、資源稟賦存在明顯的差異，這會對其制造業綠色創新效率的空間格局產生怎樣的影響呢？這些都是有待探索的問題。

1 文獻綜述

綠色創新是創新和綠色概念的結合，旨在實現經濟發展和環境保護的雙重目標。傳統的創新效率僅僅注重經濟效益，而綠色創新效率不僅考慮經濟效益，而且還考慮環境效益［1］。具體來看，綠色創新包括引入任何新的或顯著改進的產品、流程、組織變革或市場解決方案，以減少自然資源的消耗以及有害物質的排放［2］。類似的概念還有環境創新和生態創新。范群林等［3］測算了我國六大地區26 個省份的環境創新效率，但其研究是基于狹義視角下的環境創新，主要側重于產品研發和生產過程中的創新；而綠色創新是建立在更廣義的環境創新的基礎之上，這意味著在創新的每一個階段都要遵守生態原則和生態經濟規律，以促進經濟和生態的可持續發展［4］。本研究中的綠色創新效率既區別于傳統的技術創新效率，也與單純考慮環境因素的環境創新效率不同，而是二者的有機融合。

目前關于綠色創新效率的測度方法主要有3類。第一類是通過構建綠色技術創新評價指標體系，然后運用因子分析法、熵值法、主成分分析法等來對綠色創新效率進行分析。這類方法簡單易懂，但無法反映綠色技術創新活動的內在運行機制。第二類是采用隨機前沿（SFA）方法來測算綠色創新效率，其典型特點是能將回歸誤差項分解為隨機誤差項和技術無效率項，代表文獻有白俊紅等［5］、苗成林等［6］、曹霞等［7］。SFA 只能解決單一產出的效率測算，而綠色創新效率包含多投入、多產出，故SFA 也存在較大的局限性，因此越來越多的學者采用數據包絡分析（DEA）模型來測算綠色創新效率。在DEA模型的選擇上，大多數學者采用的還是傳統的徑向DEA 模型，如CCR 和BCC 模型，代表文獻有王海龍等［8］、馮志軍等［9］，李政等［10］。也有一些學者采用非徑向DEA 模型來測算綠色創新效率，主要是采用SBM 模型，如聶名華等［11］、Li 等［12］、Huang等［13］的研究。但無論是徑向還是非徑向模型都存在一定局限性：徑向模型要求所有投入和產出同比例變化，忽視了非徑向松弛變量的影響；非徑向模型雖然彌補了徑向模型忽視非徑向松弛變量這一缺陷，但損失了投入或產出目標值與實際值之間的比例信息。Tone 等［14］在此基礎上提出了EBM 模型，通過結合徑向和非徑向的混合距離函數放松了同比例改進的假設，不僅考慮了投入目標值與投入實值的徑向比例，而且能夠反映各投入差異化的非徑向松弛變量。因此，為了更準確地計算綠色創新效率，本研究借鑒黃磊等［15］、Hu 等［16］學者的做法，采用EBM 模型來完成綠色創新效率的測算。

投入產出指標體系的構建是DEA 模型測算綠色創新效率的關鍵。以往構建的測算指標體系通常只將與綠色技術創新活動相關的資本和勞動作為投入指標、經濟增長作為產出指標，隨著綠色創新內涵的不斷延伸，學者們在構建指標體系時開始考慮環境要素對綠色創新效率產生的影響，如劉明廣［17］運用超效率SBM 模型對我國區域綠色創新效率進行測算，將產生的環境影響作為非期望產出納入評價指標，研究發現我國區域創新系統綠色創新效率從東至西呈由高到低的階梯式發展格局；羅良文等［8］也研究了我國的綠色技術創新效率，在構建評價指標體系時綜合考慮了多方面的環境影響，用主成分分析法進行降維后，將環境影響作為非期望產出納入產出變量。然而，同現有的大多數文獻一樣，這些研究在選擇投入變量時均只考慮了資本和勞動這兩個要素，忽視了對能源這一要素的考慮。能源作為綠色創新活動開展的關鍵，其消耗與污染排放緊密相連，技術創新降低能源投入時，同時也降低與能源消耗密切相關的污染物的排放，因此，僅用資本和勞動作為投入指標難以全方面地體現綠色技術創新的效率，需同時將能源要素納入投入指標。因此，本研究將長江經濟帶制造業作為研究對象，計算了納入能源要素的綠色創新效率，并從空間相關的角度出發，采用探索性空間數據分析（ESDA）方法對長江經濟帶綠色創新效率的時空差異進行研究。

2 研究方法

2.1 超效率EBM 模型

非導向的EBM 模型形式如下：

式（1）中：i表示投入指標個數，r為產出指標個數下標k表示被評估決策單元；為第i個非徑向的投入指標的松弛向量，為第r個非徑向的產出指標的松弛向量；為第i個投入指標的權重，為第r個產出指標的權重；為權重向量；和為變量，是非徑向的權重；為由投入指標離散程度決定的參數，表征非徑向部分的重要程度，當時，EBM 模型將簡化為徑向的CCR 模型，而當時EBM 模型將轉變為非徑向的SBM 模型。

盡管EBM 模型的效率評價結果更為穩定可靠，但對有效決策單元（DMU）的效率區分度不足，為此，Andersen 等［18］建立了可比較有效決策單元效率的超效率EBM 模型，具體測算公式如下：

2.2 探索性空間數據分析（ESDA）

探索性空間數據分析是空間數據分析的一個重要分支，整合了空間統計學和現代圖形處理技術，以空間關聯測度為基礎，采用直觀的方式考察空間數據的主要性質，包括空間相關性和空間異質性。從本質上講，ESDA 是通過數據驅動來探索問題，而非建立在理論驅動基礎上的演繹推理，核心目的是發現空間數據背后隱藏的問題，為確認性空間數據分析（CSDA）的開展提供前提和基礎。

2.2.1 空間權重矩陣的建立

空間權重矩陣的引入是空間統計學區別于傳統統計學的顯著特征，也是采用ESDA 技術開展空間探索分析的先決條件，目的在于界定考察對象在地理空間結構上的相互鄰接關系。常用的空間權重矩陣生成方法主要有：基于臨近概念建立、基于反地理距離建立和基于經濟距離建立。最優空間權重矩陣的選取取決于所考察的對象和研究目的。考慮到制造業綠色創新效率的溢出效應主要以地理空間位置為媒介，從臨近概念出發，基于Rook 鄰接規則構建二元對稱空間權重矩陣（M），具體定義為：

2.2.2 全局莫蘭指數

全局空間自相關是對制造業綠色創新效率在整個區域空間分布特征的考察，借用全局莫蘭指數來衡量，計算公式如下：

2.2.3 局部莫蘭指數

局部空間自相關是對制造業綠色創新效率在局部空間分布特征的考察，借用局部莫蘭指數來度量。從本質上講，局部莫蘭指數是全局莫蘭指數在局部空間上的分解，可以反映單元屬性觀測值的局部空間集聚，評估哪些單元對全局空間自相關的貢獻最大。具體計算公式如下：

2.3 數據來源及處理說明

以長江經濟帶所覆蓋的11 個省市制造業為研究對象，其中上游區域包含重慶市、四川省、貴州省及云南省，中游區域涵蓋江西省、湖北省及湖南省，下游區域囊括上海市、江蘇省、浙江省及安徽省?？紤]到自2008 年全球金融危機爆發以來，長江經濟帶憑借顯著的發展優勢和重要的戰略地位在我國經濟向新常態轉變與發展中扮演著引領和示范的角色，因此選擇以2008 年作為研究的起始時間，在兼顧數據的可獲得性基礎上，考察區間定為2008—2019 年，共計12 年。研究所涉及的各項數據均來自國家統計局2009—2020 年發布的《中國統計年鑒》《中國工業統計年鑒》以及各省市統計局發布的統計年鑒。

在遵循科學性、代表性、系統性的指標選取原則基礎上，借鑒曾冰［19］的研究成果，構建如表1 所示的制造業綠色創新效率測算指標體系。其中，投入指標涉及人力、財力及物力等三方面的要素投入，這些要素是制造業綠色創新活動開展的重要推力；產出指標包含期望產出和非期望產出，是制造業綠色創新活動成果的具體體現。需要說明的是，期望產出包含兩項指標，即規模以上工業企業有效發明專利數和規模以上工業企業新產品銷售收入，前者代表著綠色創新活動的技術價值，后者反映了綠色創新活動的經濟價值。此外，以工業環境污染指數表征的非期望產出綜合考慮了工業生產過程中的廢水、廢氣及固體廢棄物等的排放，對其采用熵權法進行降維擬合處理，以避免冗余信息的干擾，工業環境污染指數越小意味著非期望產出越少。

表1 長江經濟帶制造業綠色創新效率測算指標體系

表2 對制造業綠色創新效率測算指標體系涉及的各投入指標和產出指標進行了描述性統計，呈現出的主要統計特征有：第一，各投入指標和產出指標的個數相同，且所研究省市數大于年份數，整體上構成了均衡的短面板。第二，除非期望產出外，各指標最大值和最小值間的差異較為明顯，以人力指標為例，最大值為508 375，最小值為6 134，最大值和最小值間的差距達到了502 241。第三，各投入指標和產出指標的中位數和均值皆不相等，且中位數要小于均值，以財力指標為例，中位數為2 400 000，而均值為3 597 829，兩者相差1 197 829，表明所考察指標均不服從對稱分布且向右偏。第四，除非期望產出外，各投入指標和產出指標的標準差均很大，例如，人力指標的標準差為116 988，財力指標的標準差為4 112 780，表明所考察指標的值與其均值相差較大，數據分布范圍較廣、離散程度較高。第五，各投入指標和產出指標的偏度均大于0，峰度均大于3，以物力指標為例，偏度為1.909，峰度為8.729，表明所考察指標均不服從正態分布，比正態分布更為陡峭，且進一步驗證了右偏的事實。綜上，各投入指標和產出指標的離散分布在一定程度上表明長江經濟帶各省市制造業可能具有不同的綠色創新發展水平。

表2 指標的描述性統計結果

3 綠色創新效率的測度及時序演變規律

基于以上指標體系，以長江經濟帶11 個省市的制造業為決策單元，采用MaxDEA Pro 軟件對綠色創新效率進行測算。此外，為獲悉制造業綠色創新效率變動的來源，將測算得到的綠色創新效率進一步分解為純技術效率和規模效率?？紤]到各項投入和產出指標均不存在零值，為避免模型導向選擇引起效率測算誤差，超效率EBM 模型的運算是在非導向視角下進行的。

3.1 長江經濟帶整體及區域層面

圖1 從均值角度刻畫了長江經濟帶制造業綠色創新效率及其分解值的變動情況，從區域整體層面看，綜合效率在整個研究期內各年份的值均小于1，未達到DEA 有效，這在一定程度上反映了長江經濟帶制造業在開展綠色創新活動時可能存在創新要素利用率低、創新成果轉移轉化不足等的問題，整體綠色創新發展水平有待提升；從趨勢演變來看，相較于2008 年，2019 年的綜合效率有了一定程度的提升，2008 年為0.809，2019 年為0.862，總體增幅為6.6%，這表明隨著國家對綠色創新發展的重視，長江經濟帶制造業綠色創新水平得到一定提升。具體來看，大致可以分為3 個階段：2008—2015 年的波動上升階段、2016—2018 年的穩定下降階段和2019年的回升階段。其中，2015 年和2018 年分別為兩個拐點。首先看2015 年，長江經濟帶制造業綠色創新綜合效率達到峰值，為0.953；在2015 年前，我國經濟處于從金融危機中恢復并向發展新常態轉變的階段，長江經濟帶制造業堅持創新驅動發展戰略，廣泛推廣應用綠色技術和綠色工藝，不斷加大對傳統制造業的綠色化改造和升級，積極構建綠色標準制造體系，這些都為制造業綠色創新效率的提升提供了有力支撐。而2016—2018 年綜合效率下降可能與長江經濟帶制造業協同發展中遇到的困境和問題有關，如制造業產業布局的同構化、沿江開發的無序化、產業轉移的不合理等；2018 年后，綜合效率觸底反彈，由2018 年的0.805 攀升至2019 年的0.862，增幅達7.03%，這體現了綠色創新發展取得了一定成效；2019 年年初，國家發改委、科技部通過《關于構建市場導向的綠色技術創新體系的指導意見》指出，到2022 年要基本建成市場導向的綠色技術創新體系，因此企業在綠色技術創新中的主體作用得到強化，促進了區域的綠色創新發展。從分解結果看，綠色創新效率的無效主要體現在規模效率上。進一步講，在研究期內規模效率的演變趨勢與綜合效率的走勢相似，效率值均小于1，為DEA 無效；相比之下，純技術效率各年份的效率值全都保持大于1，且呈波動上升趨勢，處于相對較優的狀態。規模效率和純技術效率的對比表明，加大制造業發展中的人力、財力、物力等多方面的創新要素投入和擴大制造業發展規模有利于提升綠色創新效率。

圖1 長江經濟帶制造業綠色創新效率演化趨勢

圖2、圖3 和圖4 分別展示了長江經濟帶上中下游地區制造業的綠色創新效率及其分解值。對比發現，下游地區的綜合效率在各年份均保持最高，處于長江經濟帶的整體均值之上，表現最好，自2011 年以來綜合效率值均大于1；而除個別年份外，中游和上游地區的綜合效率位于長江經濟帶的整體均值之下，而且在2008—2015 年間中游地區的綜合效率持續最低，但自進入2016 年，上游地區的綜合效率轉而落到了最低位，表現最差。長江經濟帶制造業綜合效率的區域分布格局與各地區制造業的產業布局存在一定的映射關聯，地區制造業產業結構越趨于綠色化、智能化，則其制造業綠色創新效率越高。下游地區依托區位優勢，聚焦先進制造業，如先進臨港制造業、航空航天專用設備、電子信息等，圍繞長三角集群形成一系列重要的研發集聚中心和高端制造基地；中上游地區是傳統制造業的重要基地，集聚了大量高耗能、高污染的資源型產業，中游地區圍繞以武漢為中心的城市群重點發展軌道交通裝備、工程機械、有色金屬等產業，上游地區依托自身資源稟賦，圍繞以重慶為中心的成渝、黔中、滇中城市群著重布局了資源深加工、重化工業等產業。從趨勢變動來看，上游地區的制造業綜合效率在研究期內是唯一減少的，由2008 年的0.836 減少到2019 年的0.660，下降幅度為21.06%。值得注意的是，2015 年后上游地區的制造業綜合效率急劇下降，這可能與這一時期上游地區承接了下游地區大量資源密集型和勞動密集型的外向型制造業有關。對于中游地區而言，制造業綜合效率在研究期內波動上升，由2008 年的0.598 增加到了2019 年的0.785，累積增幅為31.23%。下游地區的制造業綜合效率先在2008—2013 年持續快速增加，2013 年后基本呈穩定態勢，整體上也實現了提升，由2008 年的0.940上升到了2019 年的1.123，提高幅度為19.47%。從分解情況來看，各年份長江經濟帶上中下游地區的規模效率值皆小于1，這說明規模效率的無效均是制約各地區制造業綠色創新效率實現最優的因素，進一步擴大創新要素投入以充分發揮規模效應的作用是各地區制造業未來發展的方向；上游和下游地區的純技術效率均大于1，位于生產前沿面上，而中游地區除了2008 年，其余各年份的純技術效率都小于1，脫離了生產前沿面，這說明中游地區純技術效率的DEA 無效也是限制其制造業綠色創新發展水平改善的原因，從技術層面上提高各創新要素的利用率也是該地區制造業開展綠色創新活動所應關注的重點。

圖2 長江經濟帶上游地區制造業綠色創新效率演化趨勢

圖3 長江經濟帶中游地區制造業綠色創新效率演化趨勢

圖4 長江經濟帶下游地區制造業綠色創新效率演化趨勢

3.2 長江經濟帶省市層面

表3 顯示了長江經濟帶11 個省市制造業綠色創新效率的測算結果，可以看到不同省市的效率差異明顯。其中，上海、江蘇和浙江各年份的效率值皆大于1，實現了DEA 有效，這3 個省市都屬于下游地區，經濟發展水平較高，制造業以電子信息、裝備制造、汽車、紡織等產業為主，資本和技術密集度大，研發創新水平高，產業結構層次優良；貴州、云南、江西的效率值最低，均值分別為0.608、0.594 和0.525，這3 個省份均來自中上游地區，經濟發展水平較為滯后，制造業以傳統的煙草、鋼鐵、有色、化工等產業為主，對資源的依賴較大，而自主創新能力差、產業結構層次低。從時間序列演變來看，云南、湖南和重慶3 個省市的效率值在研究期內是減少的，其中云南的效率值下降幅度最大，為49.27%，由2008 年的1.008 下降到了2019 年的0.511；剩余江西、安徽、貴州、湖北、上海、江蘇和浙江7 個省市的效率值實現了提升，其中江西的效率值增幅最大，由2008 年的0.168 提高到了2019年的1.005；而四川的效率值未發生變化，2008 年和2019 年均為1.013。

表3 2008—2019 年長江經濟帶各省市制造業綠色創新效率測算結果

為進一步反映長江經濟帶制造業綠色創新效率的動態演進規律，圖5 按年份呈現了各省市制造業綠色創新效率的概率密度分布圖形，其中核函數采用的是Parzen 核函數，帶寬寬度為0.3。從曲線形狀來看，各年份所有省市的制造業綠色創新效率大都呈雙峰分布，這說明長江經濟帶各省市的制造業綠色創新效率存在兩極分化的現象，部分省市的創新效率在較高水平上（1.0～1.1）集聚，另一部分在較低水平上（0.50～0.75）集聚；曲線位置反映了各省市綠色創新效率的大小，密度分布曲線的位置隨著時間推移逐漸向右移動，這反映了長江經濟帶制造業綠色創新效率在研究期內有所提高；此外，曲線波峰高度反映了各省市綠色創新效率的集中程度，經歷了先升高后下降的過程，說明各省市制造業綠色創新效率間的差異先減小后擴大；曲線移動速度反映了各省市綠色創新效率的變化快慢，密度分布曲線的移動速度在2008—2010 年較為迅速，而后處于較為穩定的狀態，2014 年以后移動速度又加快，這說明各省市制造業綠色創新效率的變動并不是處于一個平緩的狀態。

圖5 2008—2019 年長江經濟帶制造業綠色創新效率的動態演化

4 綠色創新效率的空間分布差異

4.1 空間地理分布特征

基于研究期內長江經濟帶各省市制造業綠色創新效率均值，采用GeoDa 軟件繪制了描繪效率空間分布的四分位圖，如圖6 所示，可以看出各省市的制造業綠色創新效率具有明顯的空間差異性。具體而言，第一分位以25%分位點為界，效率值的范圍在［0.525,0.608］之間，共包含3 個省份，分別為云南、貴州和江西；第二分位以50%分位點為界，效率值的范圍在［0.622,0.864］之間，包括2 個省份，分別為湖北和安徽；第三分位以75%分位點為界，效率值的范圍在［0.873,0.930］之間，共包含3 個省市，分別為四川、重慶和湖南；第四分位為剩余省市，包含江蘇、上海和浙江，效率值的范圍在［1.030,1.213］之間。對比發現，各省市的制造業綠色創新效率與經濟發展水平大致呈現出協調一致性，即經濟發展水平較高的省份其制造業綠色創新效率水平也較高，如第四分位的省市都位于下游地區，也即長三角地區，這些省份引領著我國經濟發展；第三分位的省市也是中上游地區經濟發展較快的省市。

圖6 長江經濟帶制造業綠色創新效率的空間四分位分布

4.2 空間集聚特征

為探究長江經濟帶綠色創新效率的空間格局分異特征，以Rook 鄰接規則構建空間權重，采用GeoDa 軟件分析測度各省市綠色創新效率的全局莫蘭指數，結果指數值為0.338、大于0，且在5%的水平上通過了顯著性檢驗，這說明長江經濟帶各省市制造業綠色創新效率在空間上表現出正的自相關性，存在空間集聚特征。一方面，長江經濟帶的交通運輸系統發達，構建了較為便利的商品、資金流動平臺，這為創新要素的市場化流動提供了有利條件，制造業區域間的協調發展得以實現；另一方面，長江經濟帶以一體化發展的思想為導向，著力打造了長三角、長江中游、成渝等跨區域城市群和黔中、滇中等區域性城市群，核心城市虹吸效應的釋放使得各省市制造業間的聯動增強。

全局莫蘭指數是從總體視角分析長江經濟帶制造業綠色創新效率的整體空間集聚特征，而忽略了對局部空間集聚特征的考察，為此還需要借助局部莫蘭指數進行局部空間自相關分析。圖7 呈現了長江經濟帶各省市制造業綠色創新效率的莫蘭散點圖和LISA 集聚圖。其中，莫蘭散點圖的橫軸表示制造業綠色創新效率，縱軸表示制造業綠色創新效率的滯后值，4 個象限分別反映了4 種不同的集聚類型：第一象限為“高-高”類型，表示創新效率高的省市被其他創新效率高的省市所包圍；第二象限是“低-高”類型，表示創新效率低的省市被其他創新效率高的省市所包圍；第三象限是“低-低”類型，表示創新效率低的省市被其他創新效率低的省市所包圍；第四象限是“高-低”類型，表示創新效率高的省市被其他創新效率低的省市所包圍。位于第一象限的有上海、浙江和江蘇，這些省市皆處于長江經濟帶的下游地區，制造業發展速度和產業結構層次較為相似，大量布局的資本和技術密集型產業對人才、資金等要素有較大的吸引力，各省市表現出較強的集聚能力，相互間產生正向空間溢出效應。位于第二象限的為江西，表明江西制造業綠色創新的空間集聚能力較差，制造業與周邊省份的聯系較弱，原因在于江西對創新投入不足、人才流失嚴重，故綠色創新效率低下。位于第三象限的有云南、貴州和湖北，云南和貴州在地理上相連，而湖北與這兩個省份均不相連，云貴兩省位于長江經濟帶上游地區，囿于地理因素的限制，與周邊省份的跨省交通網絡建設相對滯后，對資源跨省流動帶來了不利，限制了交易成本下降，不利于綠色創新效率的提高；而湖北制造業發展狀況與周圍其他省份有著高度相似性，但發展條件同長三角地區相比較弱，綠色創新效率偏低。位于第四象限的有重慶、湖南、四川和安徽，其中湖南、四川屬于創新效率較高的省份，而重慶和安徽屬于創新效率較低的省市，從地理分布上看，這4 個省份分別屬于長江經濟帶不同的區域，安徽處于下游地區、湖南處于中游地區、重慶和四川屬于上游地區，其制造業產業結構的差異導致產業集聚的類型不同，安徽與湖南的制造業布局比較相近，以工程機械、金屬材料制業等重工業為主，而重慶和四川以汽車制造業和電子制造業為主。

圖7 長江經濟帶制造業綠色創新效率的局部集聚特征

位于第一象限和第三象限省市的制造業綠色創新效率呈空間正相關，而位于第二象限和第四象限的則呈空間負相關，由于位于第一象限和第三象限的省市數量多于位于第二象限和第四象限的省市數量，因此長江經濟帶制造業綠色創新效率整體上呈空間正相關；但是，LISA 集聚圖顯示，在局部區域內通過顯著性水平檢驗的只有江蘇和上海形成的“高-高”類型，而其他地區的集聚類型并沒有通過檢驗，這在一定程度上反映了長江經濟帶制造業的集聚多是以經濟活動在特定空間的集聚為主，尚未完全走上專業化集聚的道路。整體而言，長江經濟帶應依托各省市的比較優勢，優化制造業產業布局，提高制造業產業創新的合理分工與融合水平，推動制造業協同創新發展。其中，“高-高”類型的省市應繼續加強對智能制造業的布局，提高部分產業的準入門檻，充分發揮集聚經濟對綠色創新的促進作用；對“高-低”類型和“低-高”類型的省市而言，綠色創新效率較高的省市應發揮引領示范作用，加強與周邊省市的合作和交流，綠色創新效率較低的省市應發揮后發優勢，學習、借鑒綠色創新效率較高省市的經驗；“低-低”類型的省市應提高技術創新能力，加大生產中創新要素的應用，同時應不斷優化和調整產業結構，向先進制造業邁進。

5 結論與建議

5.1 研究結論

本研究采用了一種不同于現有研究綠色創新效率的方法，即通過超效率EBM 模型測算了長江經濟帶制造業2008—2019 年的綠色創新效率，同時將能源要素納入測算指標體系，將其同資本和勞動要素一并作為投入變量，并采用探索性空間數據分析綠色創新效率的時序演變特征與空間集聚特征，得出以下結論：第一，長江經濟帶制造業綠色創新效率均值小于1，未實現DEA 有效，從分解項來看，規模效率的DEA 無效是限制其投入產出實現最優的原因；創新效率的區域分布格局與各地區制造業的產業布局存在一定的映射關聯，下游地區的制造業綠色創新效率最高，中上游地區制造業綠色創新效率較低，除上海、江蘇和浙江外，其余省市的制造業綠色創新效率均未達到生產前沿面。第二，長江經濟帶各省市制造業綠色創新效率的空間差異明顯，與各地區經濟發展水平的空間分布格局表現出協調一致性；各省市制造業綠色創新效率在空間上表現出正的自相關性，存在集聚特征，但只有江蘇和上海形成的“高-高”集聚類型通過了顯著性檢驗。

5.2 對策建議

（1）從優化提升長江經濟帶制造業綠色創新發展水平的角度講，一方面要增強制造業發展對人力、財力、物力等生產要素的整合集聚能力，擴大生產體系中的創新要素投入，充分發揮規模效應的作用；另一方面，堅持以市場為導向，加快建設科技創新成果轉化和產業化機制，構建“政產學研”結合平臺，健全配套服務體系，提高創新要素的利用率和成果轉化率。

（2）從強化長江經濟帶制造業綠色創新效率空間集聚效應的角度講，一方面推動各地政府構建政策協同機制，消除創新要素在跨區域和區域內流動的壁壘，合理引導創新要素的流向，加強創新要素的流動、碰撞和融合；另一方面，各省市應從自身的要素稟賦出發，加強制造業產業集聚的專業化，摒棄以經濟活動總量增加為導向的集聚，不同集聚類型的省市應采取不同的產業集聚推進策略，綠色創新效率高的省市發揮好引領示范作用，而綠色創新效率低的省市利用好后發優勢。

（3）從推動長江經濟帶制造業綠色創新效率趨同化發展的角度講，一方面，深入推進長江經濟帶制造業跨區域及區域內的創新協同發展，推動下游地區發揮引領作用，中上游地區積極借鑒經驗探索協同發展機制；另一方面，妥善解決好區域不均衡發展帶來的問題，政府在財政、稅收等方面的政策應向中上游地區有所傾斜，加強對中上游地區的支持力度。