創新要素對綠色經濟的影響及空間效應研究

汪 彬，劉曉陽，古晨光，陳洋毅

（中共中央黨校（國家行政學院）經濟學教研部，北京 100091）

一、引 言

綠色經濟是一種兼顧經濟發展與環境保護雙重目標的新型發展方式。隨著全球氣候變化和世界經濟增速減緩，一些西方國家把綠色發展視為經濟增長的新動力，試圖通過綠色經濟革命來擺脫經濟危機和應對氣候變化的挑戰（Attahiru等，2019；Sica等，2018）［1-2］?；诎l展現狀，中國在推動經濟發展的過程中，愈加重視生態環境保護問題。從黨的十八大將生態文明建設納入“五位一體”總體布局到黨的十九大提出“人與自然和諧共生”，從黨的十九屆五中全會強調“綠色低碳發展”再到2020年中央經濟工作會議將“碳達峰、碳中和”作為未來重點工作任務，綠色經濟發展已經成為中國經濟轉型發展的必然要求和必然趨勢［3-6］。

中國一直致力于生態環境保護并取得了一定成效，但過去粗放式的經濟增長模式也導致諸多生態污染問題頻發，如“三廢”排放量大、能源過度消耗、區域環境污染嚴重。因此，如何有效減少資源消耗、降低環境污染并發展綠色經濟已成為中國社會經濟發展任務的重中之重。在影響綠色經濟發展的諸多要素中，創新要素極為重要，創新既是轉變經濟發展方式、提升經濟發展質量的重要抓手，又是實現節能減排和資源高效利用的有效途徑。如何全面認識創新要素與生態環境的關系，如何實現經濟增長和環境改善的“雙贏”局面，這些都是當前研究的重點難點問題。在上述背景下，研究創新要素集聚對綠色經濟發展的影響機理并分析其空間效應，有利于發揮創新要素集聚優勢，推動綠色低碳技術創新成果轉化和綠色技術創新，有利于減污降碳協同增效，推進經濟增長方式和增長動能的高質量變革，有利于在經濟綠色化和綠色產業化的進程中實現更高質量、更有效率、更加公平、更可持續、更為安全的發展，有利于堅持創新驅動發展戰略和“人與自然和諧共生”中國式現代化的實踐遵循。本文立足于創新要素視角，通過對中國30個省份（不包括西藏和港澳臺地區）創新要素集聚與綠色經濟效率之間的實證研究，試圖回答以下兩個問題：第一，創新要素集聚如何影響中國的綠色經濟效率？第二，不同因素對綠色經濟效率的影響程度及其溢出效應如何？

二、文獻回顧

縱觀國內外相關研究，就創新要素而言，大多數學者的研究集中于創新要素對企業發展和經濟社會的影響問題。Hurtado-Torres等（2018）認為，企業科技創新有利于增加企業的創新業績、提高其科學技術學習能力，以應對經濟全球化的挑戰［7］；Armanda等（2019）指出，創新技術的進步可以使都市農業煥發活力，逐漸興起第二次綠色革命［8］；易信和劉鳳良（2015）認為，技術創新的“水平效應”與“結構效應”會加速產業結構轉型與促進經濟增長［9］；余泳澤和張先軫（2015）認為，只有選擇要素稟賦、制度環境與經濟發展階段相匹配的創新模式，才能加快經濟發展轉型，提高全要素生產率［10］。

國內外對綠色經濟效率的研究十分廣泛，從物流供應鏈、高新技術產業延伸到資源要素、經濟集聚、綠色信貸等方向加以探討，得出不同要素對綠色經濟的影響不盡相同。Khan等（2018）認為，物流供應鏈的發展會消耗能源和化石燃料等不可再生資源，進而降低綠色經濟效率［11］；胡安軍等（2018）指出，高新技術產業集聚對綠色經濟效率具有促進作用，且該作用呈現“U”型曲線關系，但高新技術產業專業化集聚卻會抑制綠色經濟效率的提高［12］；李江龍和徐斌（2018）認為，經濟分工以及伴隨而來的鎖定效應和路徑依賴，會使資源豐裕的地區在實現綠色經濟增長方面處于劣勢地位［13］；林伯強和譚睿鵬（2019）認為，在基礎設施、勞動力市場高級程度以及環境規制的作用下，經濟集聚會對綠色經濟效率產生“倒U”型作用［14］；謝婷婷和劉錦華（2019）的研究結果表明，綠色信貸對綠色經濟增長具有顯著的正向促進作用，市場化進程與財政分權的提高也有利于綠色經濟增長［15］。

在綠色經濟定量研究方面，學者們研究綠色經濟所建立的模型和使用的方法也是各不相同。Lin和Zhu（2019）使用非徑向方向距離函數構建綠色經濟增長指數，并通過System—GMM回歸分析方法進一步評估核心解釋變量對綠色經濟效率的影響［16］；Sun等（2017）采用熵權加權法和TOPSIS法綜合建立評價模型，建立包含積極因素和抑制因素的評價體系，可以較好地規避評價的主觀性和數據分布的局限性［17］；楊文珂等（2021）基于演化博弈理論及模擬仿真手段，探索跨國綠色創新國際合作機會主義行為治理機制［18］。

綜上所述，目前在創新要素集聚與生態環境關系方面，已經積累了部分理論研究成果，但具有完整實證分析框架的文獻較少，且研究創新要素集聚與綠色經濟效率的實證文獻更少。本文將在測算綠色經濟效率的基礎上，從空間計量經濟學的角度分析創新要素集聚與綠色經濟發展之間的關系，并為推動我國綠色經濟發展提供一定的政策參考。本文主要圍繞三個方面開展創新性研究。第一，構建創新要素集聚指數。一方面，參考中國創新指數評價體系，通過較為客觀的熵值法并從創新投入和創新產出兩個方面構建創新要素集聚指數；另一方面，基于資本要素投入、勞動要素投入、能源要素投入、期望產出和工業污染產出等多個維度構建綠色經濟效率指標體系。第二，綠色經濟效率測度和空間異質性分析。一方面，測度不同時期各省份的綠色經濟效率值以及同一時期不同省份的綠色經濟效率值；另一方面，將區域異質性納入空間計量模型，研究創新要素集聚與綠色經濟效率的空間異質性問題。第三，模型穩健性分析。一方面，通過變換兩種空間權重矩陣判斷計量模型的穩健性；另一方面，將綠色經濟效率、創新集聚及其二次項的時間滯后項作為工具變量，并通過系統GMM方法解決模型潛在的內生性問題。

三、變量選取與模型設計

（一）被解釋變量

數據包絡分析是由Charnes等（1978）提出的一種以線性規劃為基礎、以距離函數為方式的模型方法［19］，傳統的數據包絡分析（DEA）里面包含CCR、BCC和SBM等若干種模型，鑒于CCR和BCC模型都是由徑向距離函數構成的，而SBM模型則是由非徑向距離函數構成，后者在很多現實問題的求解中發揮著更大的作用。本文借鑒Tone（2003）的含有非期望產出的超效率SBM模型［20］，通過不斷加入更多的限制條件去考慮綠色經濟效率、社會經濟發展過程中存在的環境污染等問題。該模型將超效率和SBM模型結合起來，它雖然屬于超效率DEA模型的范疇，但相比一般的徑向DEA模型（如BCC模型和CCR模型），卻可以有效解決投入要素的“松弛”問題（Tone，2001）［21］。本文的綠色經濟效率（GEE）評價體系包括要素投入、期望產出和非期望產出指標。

（1）要素投入。資本要素投入，用資本存量（億元）表示，借鑒張軍等（2004）［22］的永續盤存法（PIM）計算出折舊率和以2010年為基期的資本存量；勞動要素投入，用年末實際的就業總人數（萬人）表示（汪彬等，2020）［23］；能源要素投入，用電力消費量（億千瓦時）表示。

（2）期望產出。經濟效益產出，用國內生產總值（億元）來表示，并用以2010年為基期的GDP平減指數進行平減處理（蘇乃芳等，2016）［24］；社會效益產出，用居民消費水平（元）來表示（楊耀武和張平，2021）［25］，并用以2010年為基期的居民價格消費指數進行平減處理；生態效益產出，用建成區綠化覆蓋率（%）表示（武云亮等，2021）［26］。

（3）非期望產出。主要是工業污染產出，鑒于數據收集的完整性和可靠性，本文選取二氧化硫排放量（萬噸）、氮氧化物排放量（萬噸）和化學需氧量排放量（萬噸）作為衡量非期望產出的指標（陳曉紅等，2020）［27］。

（二）解釋變量

為使研究的創新要素集聚（IE）更具有代表性和權威性，本文借鑒中國創新指數（CII），從創新投入和創新產出兩個維度構建創新要素體系，并運用熵值法得出創新要素集聚指數；同時引入創新要素集聚的二次項（IE2），以驗證“倒U”型曲線關系。

（1）創新投入。R&D人員（萬人），該指標是體現科技研發人才的投入集合，可以反映地區科研人才的發展規模；R&D經費內部支出（億元），該指標在一定程度上可以反映地區對科技創新能力的原創程度、探索力度和遠見性，對創新效率和創新活動質量的提高有顯著的推動作用。

（2）創新產出。有效發明專利數（件），該指標是體現科研成果質量的重要指標之一，可以很好地反映科技研發能力和科技人員的水平；技術市場成交額（億元），該指標可以反映科技市場的交易規模和交易質量，體現了科技成果轉化和技術轉移的情況。

（三）控制變量

為使研究結果保持客觀性和準確性，應當考慮除了創新要素集聚之外的可以影響綠色經濟效率的控制變量。

（1）產業結構（ISS）。產業結構調整是一個國家或地區提高經濟發展質量的必經之路，它是一個由第一產業為主導產業轉向以第三產業為主導產業的過程，第三產業在國民經濟體系中的比重越大，環境效益和綠色經濟效益就越大。本文用第三產業的增加值占國內生產總值的比重（%）表示產業結構（范丹和孫曉婷，2020）［28］，并用以2010年為基期的GDP平減指數進行平減處理，其系數預期為正值。

（2）對外開放（OG）。對外開放可以引進國外的先進人才資源，促進技術革新、加快創新人才積累和體制機制創新，實現專業化分工，提高勞動生產率，從而實現經濟的高質量發展；但是對外開放也會產生許多負面效應，例如引入污染較大的企業，導致引入地成為“污染企業聚集地”，使得生態環境遭到破壞。本文選取實際使用外商投資額占國內生產總值的比重（%）表示對外開放（董直慶和王輝，2021）［29］，其系數預期不確定。

（3）基礎設施（lnPRA）。基礎設施是物質資料生產和勞動力再生產的重要條件，基礎設施代表吸引外部投資和項目落戶的能力，良好的基礎設施可以為經濟活動的開展提供便利的社會環境，加快城市化進程，減少企業的運行成本，為社會經濟的高速發展奠定基礎。本文選取人均道路面積（平方米）表示基礎設施（汪彬和郭貝貝，2021）［30］，并進行取對數處理，其系數預期為正值。

（4）城市規模（lnCisi）。城市規模與城市的服務種類和范圍成正相關，城市規模越大，越有利于集聚人力、物力，產生城市集聚效應，推動城市化進程和城鄉統籌發展；但就中國而言，因人口基數大，絕大多數城市的人口規模遠高于其他國家，因而易于造成人員擁擠、交通堵塞、資源浪費和環境破壞等問題，阻礙著城市的綠色經濟發展。本文選取年末城市人口密度（人/平方公里）表示城市規模（鄔彩霞，2021）［31］，并進行取對數處理，其系數預期為負值。

（5）能源消費（lnECS）。能源消費是國民經濟運行的重要支柱，也是加快國家工業化發展的重要推力，但能源消費的不合理會導致能源過多消耗、資源浪費和利用率低等問題，進而產生環境污染、綠色經濟效率低下的現象。本文選取年末能源消費總量（萬噸標準煤）表示能源消費（張寧，2022）［32］，并進行取對數處理，其系數預期為負值。

（6）環境規制（lnGIE）。政府重視環境保護和生態文明建設，通過行政手段增加對環境治理的資金投入，進行重點區域環境綜合整治，利于當地綠色經濟的發展，提高綠色經濟效率。本文選取環境污染治理投資總額（億元）表示環境規制，并進行取對數處理，其系數預期為正值。

（四）數據來源

考慮數據的完整性及可獲得性，本文選取2010—2019年中國30個省份的面板數據進行實證分析。本文原始數據來源于相關年份的《中國統計年鑒》《中國科技統計年鑒》《中國高技術產業統計年鑒》《中國人口和就業統計年鑒》《中國環境統計年鑒》和EPS數據庫。

（五）空間計量模型的設計與構建

1.空間自相關檢驗

進行空間自相關分析是為了判斷某變量是否存在空間范圍的相關度及存在怎樣的關系度。空間自相關系數主要是衡量變量對某一領域的影響水平及其在空間內的分布狀態。若某一變量的數值隨著空間距離的減少而更相近，則該變量具有空間正相關性；若該變量的數值隨空間距離的增加而更相近，則該變量具有空間負相關性；若該變量的數值不會隨著空間距離的變化而變化，則該變量不存在空間相關性。

對于空間自相關性的檢驗，一般使用Moran′sI，其具有兩種維度的測算方式：全局Moran′sI和局部Moran′sI。前者是描述整個空間范圍的特征樣本值，對整個空間進行估測；后者是對觀測值在某個空間位置的特征描述，考察某個區域附近的空間聚集情況。基于以上描述和實際需要，本文利用全局Moran′sI測度各變量的空間相關性，全局Moran′sI指數計算公式如下：

其中：n為樣本量；S2為樣本方差；Xs、Xt為空間區域s和t的觀測值；Wst為空間權重矩陣。當I＞0時，存在正的空間相關性；當I＜0時，存在負的空間相關性；當I=0時，不存在空間相關性。

為了簡化測算過程，可以通過標準統計量Z判斷所選定的空間是否存在空間自相關性，其表達式為：

其中，E（I）和Var（I）分別是Moran′sI的數學期望和方差。當Z值是正數時，則所研究空間存在正的空間自相關性，相關的觀測值形成空間集聚狀態；當Z值為負數時，則所研究的空間存在負的空間自相關性，相關的觀測值都分散地分布在所研究的空間內。

2.空間權重矩陣的設定

空間權重矩陣是空間計量模型的核心要素，它體現著地理要素之間的空間性關系?；诮洕绊懞臀廴緮U散在空間層面的有限性，本文選用二元鄰接矩陣來反映省份之間的空間性關系（Anselin，1988）［33］，若省份i與省份j在空間上相鄰，則存在鄰接關系，空間矩陣的權重為1；若省份i與省份j在空間上不相鄰，則不存在鄰接關系，空間矩陣的權重為0。該空間權重矩陣的構建公式為：

（六）空間計量模型的構建

一般而言，空間計量模型分為三種類型，即空間滯后模型（SLM）、空間誤差模型（SEM）和空間面板杜賓模型（SDM）。

（1）空間滯后模型（SLM）。主要用于研究某個變量的相鄰區域是否受到該變量的影響，具體公式如下：

（2）空間誤差模型（SEM）。適用于空間權重矩陣等重要變量被放置在誤差項中的情況，即一些重要變量被忽略的情況，具體公式如下：

（3）空間杜賓模型（SDM）。適用于考慮空間滯后因子的情況，具體公式如下：

其中：i代表省份；t代表年份；GEE為被解釋變量，即綠色經濟效率；IE、IE2為解釋變量，分別表示創新要素集聚、創新要素集聚二次項；ISS、OG、lnPRA、lnCisi、lnECS和GIE為控制變量，分別表示產業結構、對外開放、基礎設施、城市規模、能源消費和環境規制；C為常數項；δ為衡量綠色經濟效率的空間相關度；β為待估計系數；W為空間權重矩陣；μi、νt分別為固定效應和隨機效應；ηit為誤差項；Wηit為空間滯后誤差項；εit為隨機誤差項。

四、實證結果與分析

（一）綠色經濟效率的測算

本文通過MaxDEA軟件并選取超效率SBM模型測算出2010—2019年30個省份的綠色經濟效率值，結果見表1所列。

表1 部分年份中國30個省份的綠色經濟效率值

結合表1，從全國層面來看，隨著時間推移，2010—2019年全國絕大多數省份的綠色經濟效率值都呈上升趨勢，這表明全國各地在發展經濟的同時，更加注重生態環境保護；尤其黨的十八大以來，各地加強環境綜合治理、踐行落實習近平生態文明思想、致力于建設美麗中國，使得生態文明建設取得積極成效，逐漸形成了經濟發展和生態環境“雙贏”的良好局面，故全國綠色經濟效率整體呈現增長趨勢。分區域層面來看，2010年綠色經濟效率較高的地區主要集中在東北地區、東部沿海地區和東南沿海地區；到了2019年，綠色經濟效率較高的地區主要集中在東部沿海地區、東南沿海地區和成渝地區，尤其是京津冀、長三角、珠三角和成渝城市群以及這些城市群的周邊區域。這表明黨的十八大以來，城市群發展戰略對于綠色經濟效率的提升發揮著積極作用，城市群的綠色經濟效率溢出效應明顯。除此之外，相較于中西部地區，東部沿海和東南沿海地區綠色經濟效率的提升程度更為顯著。2010—2019年，30個省份的綠色經濟效率平均值見表2所列。

表2 2010—2019年30個省份的綠色經濟效率平均值

從表2可以看出，在2010—2019年時間跨度中，東部省份的綠色經濟效率值明顯高于中西部份，全國綠色經濟效率值呈現出由東部沿海地區向中西部內陸地區遞減的趨勢。其中，北京、上海、江蘇、浙江、福建和廣東等沿海省份的綠色經濟效率較高，這些地區的經濟發達、產業集聚，具備良好的人力資本、較強的創新能力，而且通過技術創新改造提升傳統產業，大力發展戰略新興產業，產業結構趨于優化，能源消費結構趨于合理，生態環境治理能力強，因而這些地區的綠色經濟效率水平較高。與之相反，山西、內蒙古、江西、甘肅、青海、貴州等中西部省份的綠色經濟效率較低，這些地區工業化水平相對較低，產業發展相對落后，為了加快工業化進程，一定程度上承接了東部地區的低端產業，高能耗、高污染等資源消耗型產業居多，產業結構有待優化；另外，這些地區也是傳統的能源、礦產資源富集地，能源初級產品的開采、加工也容易帶來環境污染問題。

（二）空間自相關的結果

本文通過Stata軟件測算2010—2019年中國30個省份創新要素集聚與綠色經濟效率的全局Moran′sI。由表3可知，各省份的創新要素集聚與綠色經濟效率的全局Moran′sI均大于0，且幾乎都在1%的顯著性水平下通過檢驗。結果表明，創新要素集聚與綠色經濟效率在所研究期間內具有明顯的空間正相關性，對于創新要素集聚水平與綠色經濟效率較高的地區，往往存在一個或多個創新要素集聚水平與綠色經濟效率同樣高的地區與之相鄰（“H—H的正相關”）。同理，對于創新要素集聚水平與綠色經濟效率較低的地區，往往存在一個或多個創新要素集聚水平與綠色經濟效率同樣低的地區與之相鄰（“L—L的正相關”）。除此之外，創新要素集聚的Moran′sI在樣本期間圍繞0.4左右波動，綠色經濟效率的Moran′sI在樣本期間圍繞0.3左右波動，由此可見，創新要素集聚與綠色經濟效率的空間相關性持續穩定且處在較高水平。

表3 創新要素集聚與綠色經濟效率的Moran′s I

（三）空間計量模型的選擇

為了更好地研究創新要素集聚與綠色經濟效率的關系，需要判斷使用隨機效應模型還是固定效應模型分析空間自相關。對此，本文進行Hausman檢驗，統計量chi2的值為86.85，伴隨概率為0.000，在1%的顯著性水平下拒絕原假設。因此，選擇固定效應模型分析后續實證問題。

為了選擇更佳的空間計量模型，本文參考借鑒Anselin（2001）［34］的思路，對已有模型進行拉格朗日乘數（LM）檢驗。若LM_SAC（LMErr+LMLag_R）或LM_SAC（LMLag+LMErr_R）通過顯著性檢驗時，則可以拒絕“不存在一般空間自相關”的原假設，即應當選擇空間計量模型進行數據分析；若LM_Error或LM_Error（Robust）通過顯著性檢驗時，則可以拒絕“誤差不存在空間自相關”的原假設，即可以選擇SEM進行數據分析；若LM_Lag或LM_Lag（Robust）通過顯著性檢驗時，則可以拒絕“空間滯后因變量不存在空間自相關”的原假設，即可以選擇SLM進行 數 據 分 析；若LM_Error、LM_Error（Robust）、LM_Lag和LM_Lag（Robust）四者都通過顯著性檢驗時，SEM或SLM都是適用的，如果此時LM_Error（Robust）的數值大于LM_Lag（Robust），則使用SEM相對更好。

表4結果顯示，根據Anselin等（1996）［35］的判別原則，SEM、SLM以及它們在穩健狀態下的模型都在1%的顯著性水平下拒絕原假設，因此，需要將空間因素納入計量模型分析中，選擇SEM或SLM進行數據分析皆可。進一步地，不管是否在穩健狀態下，LM_Error的值都高于LM_Lag的值，即SEM的結果檢驗比SLM更顯著，故在以上兩個空間計量模型中，選用SEM進行實證分析可能取得更好的效果。但考慮空間效應時，將空間概念引入模型之中，極可能使普通的面板模型產生有偏估計量，導致分析的結果不準確。基于上述問題，本文使用極大似然估計方法（MLE）對含有空間效應的模型進行回歸分析，結合SDM、SLM和SEM的回歸結果以及整體顯著性情況，選擇最優的空間計量模型。

表4 普通面板LM檢驗

鑒于上述的Hausman檢驗結果傾向于固定效應模型，同時為了使分析結果更加精準，本文選取時間和空間雙固定模型，并分別對SDM、SLM和SEM三種空間計量模型進行回歸分析，結果見表5所列。由表5可見，SDM的R2和log-likelihood值均高于其他兩者，且SDM相對于SLM和SEM而言，有著更顯著的變量系數和數量更多的顯著變量，即應當選擇SDM進行后續的分析。

表5 空間計量模型的回歸結果

續表5

為了驗證使用SDM的正確性，此時需進一步通過似然比（LR）檢驗和沃爾德（Wald）檢驗來判斷SDM是否會簡化為SEM或SLM。根據表6結果，LR和Wald對應的空間誤差檢驗、空間滯后檢驗均可以在1%的顯著性水平下拒絕SDM簡化為SEM或SLM的原假設，這也更加驗證了使用SDM的正確性。

表6 普通面板LR和Wald檢驗

需要注意的是，由于空間杜賓模型中同時包含了被解釋變量和解釋變量的空間滯后項，因而空間杜賓模型測度的空間溢出效應實際上是全局效應而非局部效應（韓峰和陽立高，2020）［36］。Anselin和Le（2006）［37］指出，僅用空間杜賓模型的結果來分析解釋變量對被解釋變量的影響以及空間溢出效應可能會產生錯誤的結論；Elhorst（2014）［38］也指出，空間計量模型中包含全局效應時，模型本身的估計結果并非代表解釋變量的邊際影響，需要比較分析各解釋變量的作用效果差異。因此，表5的結果僅能作為對所建模型的初步判斷。由表5可知：在空間杜賓模型中，所有變量的系數都符合預期且都通過了1%顯著性檢驗；創新要素集聚、產業結構、基礎設施、環境規制確實可以提升綠色經濟效率，創新水平越高、產業結構越合理、基礎設施和環境規制越完善，則綠色經濟效率越高；城市規模和能源消費會抑制綠色經濟效率，城市人口越多、能源消費量越大，對環境的破壞也就隨之變大，綠色經濟效率就越低。為此，需要通過直接效應、間接效應來分析創新要素集聚等變量對綠色經濟效率的空間效應影響（韓峰和陽立高，2020）［36］。

（四）空間效應的分析

鑒于空間計量模型的系數并不能直接反映解釋變量對被解釋變量的空間溢出效應（Fischer和Getis，2010）［39］，本文借鑒杜之利等（2021）［40］的研究，通過解釋變量和控制變量的直接效應、間接效應和總效應對空間計量模型結果進行后續分析。其中，直接效應指的是某變量對本地區綠色經濟發展的影響，間接效應指的是周邊地區某變量對本地區綠色經濟發展的影響，總效應則是直接效應和間接效應的加總。

1.全樣本的空間效應分解

全樣本空間杜賓模型的效應分解見表7所列，可以發現：

對于解釋變量而言，創新要素集聚（IE）的直接效應、間接效應和總效應均較為顯著，其不僅對本地區綠色經濟效率的提升具有顯著作用，還可以促進周邊地區綠色經濟效率的提升，具有正向的空間溢出效應，這說明本地區的創新要素可以通過區域間的傳導機制輻射到周邊地區，在實現區域間創新技術協同發展的基礎上推動綠色經濟的發展。創新要素集聚二次項（IE2）的空間效應系數均為負數，創新要素集聚一次項（IE）的空間效應系數均為正數，這說明創新要素集聚與綠色經濟效率之間存在“倒U”型曲線關系，創新要素集聚對綠色經濟效率的提升作用并非一直增加，而是存在一定的閾值。當創新要素集聚未達到閾值時，其對綠色經濟效率的正向拉動效應大于負向排擠效應，會一直促進綠色經濟效率的提升；一旦創新要素集聚超過閾值，則會導致創新要素過度集聚，增加創新成本和降低創新資源的利用效率，進而阻礙綠色經濟效率的提升。

對于控制變量而言，產業結構（ISS）對本地區及周邊地區的綠色經濟發展具有十分顯著的促進作用，這說明產業結構升級優化能夠加快區域產業結構轉型的速度，通過不斷革新科學技術提升區域的經濟活力，提高生產效率，降低環境污染和資源浪費，營造實現經濟效益和環境效益“雙贏”的局面。對外開放（OG）和基礎設施（lnPRA）可以推動本地區綠色經濟發展，但是對周邊地區綠色經濟發展起抑制作用，這說明地區開放以及基礎設施的完善會對周邊地區產生“虹吸效應”，技術、人才、資金等優勢資源要素向本地區聚集，進而減緩周邊地區的發展。城市規模（lnCisi）和能源消費（lnECS）不利于本地區綠色經濟的發展，但是對周邊地區產生了正向的空間溢出效應，這說明城市規模擴大和能源消耗量增大會產生更多的生活垃圾、工業廢水廢氣等污染物，對生態環境造成更大的污染，從而阻礙綠色經濟發展；本地區污染物的增多可能會減少周邊地區污染物的排放，本地區人員過于密集也會導致一部分就業人員向周邊相鄰地區分散，將部分企業和生產技術等帶到周邊相鄰地區，產生了“逆城市化”現象，從而有利于周邊地區的綠色經濟發展。環境規制（lnGIE）對本地區綠色經濟發展起推動作用，但會抑制周邊地區綠色經濟發展，這說明政府加大對本地區生態環境的監管會使得污染大的產業轉移到周邊地區，影響周邊地區的生態環境，從而抑制周邊地區綠色經濟效率的提升。

表7 空間杜賓模型的效應分解

2.分樣本的空間效應分解

鑒于中國幅員遼闊、區域間創新發展水平存在較大差異，東部地區創新能力和水平遙遙領先，中西部地區創新水平相對較低但追趕勢頭迅猛，本文將全國30個省份劃分為東部、中西部地區并進行分樣本空間效應分析，以驗證創新要素集聚對綠色經濟效率影響的區域異質性。分樣本空間杜賓模型的效應分解見表8所列。

表8 分樣本空間杜賓模型的效應分解

由表8可以發現，在區域層面上，就解釋變量對綠色經濟效率的作用強度而言，東部地區明顯強于中西部地區。創新要素集聚（IE）對東部地區綠色經濟效率的提升作用及其溢出效應較中西部地區更為顯著。這可能的原因在于較中西部地區而言，東部地區憑借雄厚的經濟實力、更好的醫療保障和發展平臺等優越條件，匯聚了更多的創新型企業和創新人才資源，創新型企業和高新技術企業可以對產生的污染物進行有效處理、盡可能地減少環境污染，創新型人才資源則為當地經濟發展提供強大動力，故東部地區的創新要素集聚可以更大程度地實現經濟發展和環境保護“雙贏”的局面，進而提升綠色經濟效率。在東部和中西部地區，創新要素集聚二次項（IE2）的空間效應系數均為負數，這說明東部和中西部地區的創新要素集聚與綠色經濟效率之間依然存在“倒U”型曲線關系。

（五）穩健性檢驗

1.變換空間權重矩陣

空間權重矩陣是空間計量模型的核心要素，不同的空間權重矩陣對實證結果的影響也不盡相同，上文選用二元鄰接空間權重矩陣進行實證分析，但是該矩陣認為不相鄰的省份之間不存在空間相關性的理念可能會與實際情況有所出入。為了真實反映不同省份的經濟和地理情況，提高空間計量模型的精準度，本文選用不同的空間權重矩陣進行穩健性檢驗。

首先，本文參考李婧等（2010）［41］的研究，選用地理距離空間權重矩陣進行穩健性檢驗。該空間權重矩陣的構建公式為：

其中：該矩陣對角線上的空間權重均為0；dij表示省份i省會城市和省份j省會城市之間的地理距離；為減少距離單位和權重結果產生的誤差，該矩陣采用地理距離的倒數形式作為空間權重。

其次，為了探究在地理和經濟因素共同影響下創新要素集聚對綠色經濟效率的影響，本文借鑒于斌斌（2015）［42］的做法，將經濟發展水平納入地理距離空間權重矩陣的構建框架，選取經濟距離空間權重矩陣進行穩健性檢驗。該空間權重矩陣的構建公式為：

由所得結果可以發現：在兩種空間權重矩陣中，創新要素集聚一次項（IE）、二次項（IE2）空間效應的系數符號均未發生變化，且顯著性水平基本相同；在地理距離空間權重矩陣中，其他控制變量空間效應的系數符號未發生明顯變化，且顯著性差異較??；雖然在經濟距離空間權重矩陣中，能源消費（lnECS）間接效應和環境規制（lnGIE）總效應的符號有所變化，但核心解釋變量的估計結果與上文結論基本保持一致。綜合而言，本文創新要素集聚對綠色經濟效率的實證結果是穩健、可靠的。

2.內生性問題分析

在計量回歸分析中，如果解釋變量與擾動項存在一定的關系，則會產生內生性問題，進而使得統計結果不準確。常見的內生性問題主要分為遺漏變量偏差、選擇變量偏差、數據測量誤差和雙向因果等問題。鑒于本文已經選取了足量且具有代表性的可以影響綠色經濟效率的變量，可以在一定程度上規避因遺漏相關變量所帶來的內生性問題，但是并不能解決創新要素集聚與綠色經濟效率的雙向因果內生性問題，可能創新要素集聚水平會影響綠色經濟效率的提升，同時綠色經濟效率的提升也會對創新要素集聚水平產生影響。工具變量法可以有效解決內生性問題，相對于兩階段最小二乘法（2SLS），廣義矩估計（GMM）方法可以針對異方差進行穩健估計，故本文參考Halleck和Elhorst（2017）［43］的研究，對二元鄰接空間權重矩陣下的空間杜賓模型進行估計，并運用工具變量法中的系統GMM方法來解決內生性問題。同時，借鑒韓峰和陽立高（2020）［36］的做法，選取被解釋變量綠色經濟效率、解釋變量創新集聚及其二次項的時間滯后項的兩期變量作為工具變量進行估計，估計結果見表9所列。

表9 基于系統GMM檢驗的創新要素集聚對綠色經濟效率的影響

由表9可知，AR（1）統計量的伴隨概率小于0.1，但AR（2）統計量的伴隨概率大于0.1，因此，在10%的顯著性水平下不拒絕擾動項的二階差分存在自相關的原假設；Sargan test統計量的伴隨概率大于0.1，因此，在10%的顯著性水平下不拒絕所選取的工具變量是聯合有效的原假設。同時，對比表9與表5中的空間杜賓模型回歸結果，除了城市規模變量的顯著性有所下降，解釋變量和其他控制變量的符號以及顯著性水平均未發生明顯變化。由此可見，本文運用工具變量法中的系統GMM方法，并選取被解釋變量綠色經濟效率、解釋變量創新集聚及其二次項的時間滯后項的兩期變量作為工具變量來解決內生性問題是合理的，而且估計結果也是穩健的。

五、主要結論與政策建議

本文利用2010—2019年中國30個省份面板數據，通過建立時間和空間雙固定效應的空間杜賓模型，實證分析了創新要素集聚對綠色經濟效率的影響及空間溢出效應。研究結果如下：①就解釋變量而言，創新要素集聚具有顯著的正向空間溢出效應，可以有效提升本地區和周邊地區的綠色經濟效率，同時創新要素集聚與綠色經濟效率之間存在“倒U”型曲線關系，即創新要素集聚對綠色經濟效率的提升作用并非一直增加，而是存在一定的閾值。②就控制變量而言，產業結構對本地區及周邊地區的綠色經濟發展具有十分顯著的促進作用；對外開放、基礎設施和環境規制可以推動本地區綠色經濟發展，但是對周邊地區綠色經濟發展起抑制作用；城市規模和能源消費不利于本地區綠色經濟的發展，但是對周邊地區產生了正向的空間溢出效應。③就綠色經濟效率而言，在2010—2019年的時間跨度中，全國綠色經濟效率整體呈現出上升趨勢；在空間層面上，全國綠色經濟效率呈現出由東部沿海地區向中西部內陸地區遞減的趨勢。④根據空間異質性結果，相對于中西部地區而言，東部地區的創新要素集聚對綠色經濟效率的作用強度更為顯著，且具有更強的正向空間溢出效應。

基于上述實證研究結論，針對國內發展現狀，本文提出以下政策建議：①要充分發揮創新要素集聚對綠色經濟發展的積極作用，各地區應著力加快創新要素集聚，不斷提高自主創新能力，借助高新技術產業推動綠色經濟增長，并通過創新要素集聚的空間溢出效應帶動周邊地區發展。需要注意的是，鑒于創新要素集聚與綠色經濟效率之間存在閾值，各地區應實事求是、力所能及地開展創新投入和研發活動，避免出現盲目創新、過度創新導致的投入重復、資源浪費、效率低下等不利局面。②綠色經濟離不開產業體系的支撐，由于產業結構對綠色經濟效率的影響最大，應重點加快產業結構轉型升級，大力構建現代化產業體系，堅持鍛長板和補短板并重，優化調整產業鏈供應鏈布局，提升產業鏈供應鏈現代化水平（汪彬和陽鎮，2022）［44］。要推進更高水平的對外開放，既要拓寬對外渠道，完善投資環境和營商環境，積極承接高端產業和技術轉移，也要注重對外開放的質量，避免成為“污染企業聚集地”。要全面建設更現代化的基礎設施，加強信息、科技、物流等產業升級基礎設施建設，布局建設新一代超算、云計算、人工智能平臺、寬帶基礎網絡等設施，借助科技基礎設施建設來實現經濟效益和生態效益的統一。既要加大生態環境保護政策支持力度，充分發揮政府在生態保護中的主體作用，加大對環保事業的資金投入，提高環境治理能力，也要引導金融信貸政策往綠色經濟發展領域傾斜，鼓勵民間、社會各類主體參與綠色經濟發展。③要繼續深入實施區域重大戰略和區域協調發展戰略，增強區域發展的平衡性和協調性，破除“一畝三分地”思維和行政壁壘，打破阻礙商品要素資源自由流動的障礙，構建高質量的國土空間開發保護新格局，增強核心城市對周邊地區的外溢效應，以城市群、經濟帶建設推進區域內、區域間綠色經濟協同發展。一方面，東部沿海地區要大力提高創新策源能力，充分發揮國際競爭優勢，盡快邁向全球價值鏈中高端，當好引領經濟綠色發展的“主力軍”和“排頭兵”；另一方面，中西部內陸地區要盡快補齊短板，在加快推進工業化和城鎮化的同時，更加注重提升創新集聚和產業優化水平，打造經濟綠色發展的區域樣板和新的動力源。