滬蘇浙皖綠色創新競爭力動態仿真研究
——基于系統動力學視角

朱會霞，耿德傳

（1.遼寧工業大學經濟管理學院；2.遼寧工業大學研究生學院，遼寧錦州 121001）

1 研究背景

綠色創新理念兼顧經濟、生態和社會的可持續發展目標，為長三角綠色轉型發展提供新動能。推動長三角區域綠色創新競爭力發展，提高區域連接性和資源配置效率，是長三角綠色發展的重要落腳點，也契合綠色發展和創新驅動兩大國家發展戰略的協同思想［1］。因此，對長三角4 ?。ㄊ校ㄒ韵潞喎Q“四地”）的綠色創新競爭力進行動態仿真研究，有利于四地找準自身定位，發揮比較優勢，提高綠色創新競爭力水平，同時對粵港澳大灣區等不同創新共同體的綠色創新競爭力提升具有借鑒意義。

綠色創新是能夠在避免環境資源破壞的前提下，提高經濟質量的創新型的環境友善活動［2］，是實現區域可持續發展的重要依據［3］。國內外學者對綠色創新的相關研究基本集中在區域、產業和企業三個層面。區域方面，葛世帥等［4］運用共線性—變異系數方法構建區域綠色創新能力評價指標體系，發現區域整體水平較低且不均衡，并利用探索性空間數據模型分析長三角城市群綠色創新能力的空間特征。韓沈超等［5］運用中介效應模型等方法研究離岸服務外包與FDI 對區域綠色創新的影響，結果表明離岸服務外包具有正向影響，而FDI 影響方向不確定。Haisen 等［6］探討了城市中心度對綠色創新效率的影響，結論表明城市中心度與綠色創新效率之間存在倒U 型關系。產業方面，張峰等［7］構造三階段組合效率測度模型分析相應的環境變量對高技術產業綠色技術創新效率的影響，結果得出政府扶持強度等環境變量的影響均有明顯差異性。Li 等［8］從管理者視角運用結構方程模型進行研究，結果表明綠色創新對能源密集型行業的業務可持續性具有重大影響。企業方面，吳建祖等［9］運用模糊集定性比較分析法從組態視角研究企業綠色創新驅動模式。田紅娜等［10］結合汽車制造企業特征建立多層綜合評價云模型，研究發現模型在評估其綠色技術創新能力水平方面是可行的。Almalki 等［11］基于綠色創新能力，研究分析了中小企業供應商選擇集成多準則決策問題。李柏洲等［12］基于知識獲取、知識流動和綠色創新績效三方面構建Logistic 模型，仿真探索企業綠色創新系統的協同演化規律。

國內外學者對綠色創新的研究已取得一定成果，但也存在一些不足之處：一是指標選擇上，構建的綠色創新能力指標體系存在信息冗余，且部分指標對結果影響程度較低。二是很少有從區域一體化的角度分析，基于行政劃分的省份綠色創新能力評價研究較普遍，但對區域內不同創新主體間的綠色創新能力比較研究較少。三是多數文獻都是從靜態視角建立一套創新能力評析框架，不同變量間的影響機制不明，對動態過程及演變趨勢的研究較薄弱。因此本文基于區域一體化背景，采用灰色關聯-Spearman 相關分析法，構建綠色創新競爭力指標體系，基于系統動力學理論構建綠色創新競爭力系統動力學模型，以四地為研究區域，明確不同變量間的邏輯關系及影響機理，動態仿真其綠色創新競爭力的發展趨勢，注重差異與競爭力優勢，為四地綠色創新競爭力的協同發展提供實證依據。

2 綠色創新競爭力指標體系構建

2.1 指標數據來源及篩選方法

2.1.1 指標數據來源

指標數據來源于2010—2020 年四地?。ㄊ校┙y計年鑒和《中國科技統計年鑒》《中國統計年鑒》《中國教育統計年鑒》《中國火炬統計年鑒》《中國高技術產業統計年鑒》《中國環境統計年鑒》以及當地政府相關網站。

2.1.2 指標篩選方法

灰色關聯分析法篩選出的指標能對分析結果產生顯著影響［13］，但不能避免信息冗余，而Spearman 相關分析法可以彌補這一不足，也可消除指標篩選過度主觀的弊端［14］。因此，本文采用灰色關聯-Spearman 相關分析法的組合方式篩選綠色創新競爭力指標。

（1）灰色關聯分析法?；疑P聯分析是根據變量間發展趨勢的相似度來評估變量間關聯程度的一種方法［15］。計算步驟如下：

（2）Spearman 相關分析法。Spearman 相關分析是通過對變量之間的秩數大小做線性相關分析來確定線性強度關系的一種統計方法［17］。計算步驟如下：

步驟1：計算不同指標間的Spearman 相關系數。

式（6）中，Rij為第i個指標與第j個指標之間的Spearman 相關系數，i，j=1,2,3,…,k；pil(pjl)表示第i(j)個指標第l個評價目標的數據在該指標所有評價目標數據排序后對應的秩；s=1,2,3,…,n；n為評價目標的數量；k為待分析指標數。

步驟2：根據臨界值刪除對應指標［18］。若Rij<0.9，則兩個指標都保留；若Rij>0.9，要刪除灰色關聯度小的指標。

2.2 綠色創新競爭力指標初選

為準確把握四地綠色創新競爭力的區域差異，制定有效的跨區域協同提升策略，需要合理選擇綠色創新競爭力指標。基于四地社會經濟、資源環境、科技創新水平等方面實情，以OECD（Organization for Economic Co-operation and Development）［19］、中國科學技術發展戰略研究院［20］等權威機構和經典文獻的高頻率指標為重點，根據指標數據的可觀測性和可獲得性原則，篩選得到由創新投入、創新資源、生態環境和創新產出四方面構成的綠色創新競爭力初選指標體系，其中有43 個正向指標、9 個負向指標和2 個適中指標。

2.3 綠色創新競爭力指標篩選

在綠色創新競爭力初選指標體系的基礎上，采用灰色關聯-Spearman 相關分析法篩選確定指標，具體過程如下：

（1）基于灰色關聯分析的指標篩選?？萍蓟顒尤藛T是傳統科技創新中的重要因素［21］，因此選取研究與試驗發展（R&D）人員全時當量作為灰色關聯分析的因變量參考數列，將54 個標準化指標數據代入式（1）～式（5）。針對得到的數據，進行指標重要度原則的篩選，將灰色關聯度小于0.6 的7個指標刪除，保留下47 個指標。

（2）基于Spearman 相關分析的指標篩選。經過第一步灰色關聯分析篩選指標后，將剩余指標代入式（6）中，得到同一要素層內任意2 個指標的Spearman 相關系數值，進行指標獨立性原則的篩選，共刪除13 個系數值小于0.9 的指標，最后保留34 個指標。

2.4 綠色創新競爭力指標體系構建

通過灰色關聯-Spearman 相關分析法篩選，從54 個指標中選出34 個指標，最后結合中國國情和四地綠色創新發展現狀，補充高頻指標，建立包含4 個一級要素、9個二級要素、36 個指標在內的綠色創新競爭力指標體系，如表1 所示。

表1 長三角四省份綠色創新競爭力評價指標體系

表1 （續）

3 綠色創新競爭力系統模型構建

3.1 系統邊界

根據綠色創新競爭力指標體系構建系統動力學模型，將綠色創新競爭力系統動力學模型劃分為4個互相依存的子系統：創新投入系統、創新資源系統、生態環境系統和創新產出系統。創新投入系統包括人力投入，財力投入和污染治理投入3 個部分；創新資源系統包括創新基礎和社會基礎兩部分；生態環境系統包括環境污染和環境資源兩部分；創新產出系統包括科技產出和經濟產出兩部分。創新投入和創新產出2 個子系統共同組成復合系統的核心支撐，創新資源和生態環境兩個子系統則組成復合系統的基礎保障，兩者相互融合，彼此支持。

3.2 系統因果關系分析

區域綠色創新競爭力系統是多要素、多層次綜合影響下的一種復雜系統。在確定系統邊界的基礎上，從因果鏈視角初步分析模型各要素間的邏輯關系及影響機理，其中符號“+”表示正反饋，符號“-”表示負反饋，如圖1 所示。

圖1 綠色創新競爭力系統因果關系

分析影響綠色創新競爭力的各個變量間的相互作用，主要因果反饋回路如下：

（1）GDP+→污染治理投入+→三廢排放量-→污染經濟損失-→綠色GDP+→GDP+（正反饋）

（2）GDP+→科研投入+→政府R&D 投入+→R&D 成果+→科技創新水平+→能源利用率+→單位GDP 能耗-→“三廢”排放量-→污染經濟損失-→綠色GDP+→GDP+（負反饋）

（3）GDP+→固定資產投資總額+→第二產業投資+→工業增加值+→綠色GDP+→GDP+（正反饋）

（4）GDP+→固定資產投資總額+→第二產業投資+→工業增加值+→三大產業能源消耗+→單位GDP 能耗+→“三廢”排放量+→污染經濟損失+→綠色GDP-→GDP+（負反饋）

（5）科技創新水平+→能源利用率+→單位GDP 能耗-→“三廢”排放量-→環境污染-→高技術產業R&D 投入+→R&D 成果+→科技創新水平+（負反饋）

（6）R&D 成果+→科技創新水平+→環境質量+→工作積極性+→GDP+→科研投入+→高技術產業R&D 投入+→R&D 成果+（正反饋）

3.3 系統流圖分析

為進一步體現系統具體的管理和控制過程，深入理解不同變量間的邏輯關系及影響機理，在因果關系圖定性分析的基礎上，繪制系統流圖，確定模型中主要變量的性質，包括狀態變量、速率變量、輔助變量及常量等性質，如圖2 所示。

圖2 綠色創新競爭力系統

模型共選取了GDP、知識存量、污染存量、污染治理投入4 個狀態變量，GDP 變化量、每年專利申請數量、污染物排放增加量、每年污染治理投入金額4 個速率變量，固定資產投資、“三廢”排放量、綠色GDP、環境污染經濟損失等若干輔助變量［28］。

從圖2 中可以看出，基礎環境資源績效是由電力消費指數、綠地面積指數、空氣質量指數等變量綜合考慮得到的。知識存量是每年專利技術量的累積。污染治理投入是歷年污染治理投入量的累積。污染經濟損失是由固體廢物污染損失、廢水污染損失和廢氣污染損失組成的。污染存量是歷年污染物排放量的累積和，由工業二氧化硫排放量、工業煙塵排放量、工業廢水排放量和工業固體廢物產生量組成。綠色GDP 是國民經濟總量中除去污染經濟損失量的經濟水平。

4 四地綠色創新競爭力系統模型實證分析

4.1 模型方程的確定

以四地為研究區域，用Vensim PLE 進行仿真建模，時間邊界為2010—2027 年，仿真步長為1 年。

（1）表函數方程設置。根據相關研究中分析的環境退化成本計算可知［29］，2010 年污染經濟損失中的工業廢水、工業廢氣、工業固體廢物產生的單位經濟損失分別為5.592 元/t、5 861.5 元/ t、8.390元/ t。利用定基比PPI 指數方法，將通貨膨脹成本計入到環境退化成本中，其折算公式如下。

以2010 年為基準年，利用指數平滑法、線性回歸等方法進行擬合預測，建立定基比PPI 指數表函數、GDP 增長率表函數等變量表函數。浙江省的模型參數設置和函數方程如下所示，同理，江蘇省、浙江省和上海市均可得。

PPI 指數表函數：

GDP 增長率表函數：

固定資產投資比重表函數：

污染治理投入比重表函數：

（2）函數方程設置。用SPSS 軟件分析變量間的關系，擬合并建立相應的函數方程，部分變量的函數方程如表2 所示。

表2 綠色創新競爭力系統模型的函數方程

4.2 模型有效性檢驗

用Vensim PLE 的Model Check 和Units Check 功能對模型結構方程式和量綱一致性進行自檢，經檢查，系統模型通過了單位檢查和方程式檢驗。同時，為保證構建的模型能夠真實模擬現實情況，需進行歷史值檢驗。本次模型選取GDP、R&D經費內部支出、固定資產投資額等變量進行驗證，浙江省的檢驗結果如表3 所示。

表3 2014—2019 年浙江省綠色創新競爭力系統模型的檢驗結果

結果表明，GDP、固定資產投資額變量的誤差保持在15%以內，R&D 經費內部支出的誤差在10%，模型擬合度較高，通過歷史值檢驗，構建的系統動力學模型是有效的。

同理，可以得到江蘇省、上海市和安徽省的系統模型檢驗結果，均通過檢驗。

4.3 系統仿真及結果分析

為了充分發揮四地的綠色創新競爭力比較優勢，尋求其綠色創新競爭力的差異與優勢，將系統觀測變量歸納為5 個具有代表性的綠色GDP、知識存量、污染存量、單位GDP 能耗和基礎環境資源績效變量，四地不同變量仿真情況如圖3～圖7 所示。

圖3 四地綠色GDP 仿真模擬

綠色GDP 是考慮環境資源因素影響的經濟活動最終產出，相比GDP 更能全面反映區域經濟的質量水平。知識存量反映科技產出的總成果，是創新投入系統中人力和財力投入要素和創新資源系統為支撐的共同作用的最終產出。污染存量是在創新投入系統中污染治理投入要素的影響下，仍未達標的“三廢”排放量的總和，代表著地區環境污染的嚴重水平。單位GDP 能耗是能源利用率水平的集中體現，受到科技水平、創新投入等因素的影響，能耗越低，資源利用率越高。生態環境資源績效是在可測性原則下，綜合考慮綠地面積指數、電力消費指數、空氣質量指數等生態創新基礎變量的作用，構建的評價生態創新環境水平的變量。

從圖3 分析可得，四地的綠色GDP 都呈現上升態勢。江蘇省的綠色GDP 總額從2010 年的41 383.9億元逐步增加到2018 年的10 億元，之后增長速度加快。浙江省的綠色GDP 僅次于江蘇省，從2010年的27 747.6 億元增加到2017 年的5 萬多億，上升較為平緩，之后增長就較為迅速。上海市的綠色GDP 在2010 年為17 436.7 億元，與安徽省的綠色GDP 總額相近，直到2022 年逐漸拉開差距。

結合圖2 系統流圖可知，第二產業的發展對綠色GDP 水平有著重大影響，工業產值的增加必然帶來工業廢水、廢氣和固體廢物排放量的增加。江蘇省、浙江省的綠色GDP 水平較高，而安徽省和上海市的綠色GDP 水平就相對較低。

從圖4 分析可得，四地的知識存量都呈現快速上升態勢，每年的專利申請數量快速增加。江蘇省2010 年的專利申請數目為50 298 件，從2010—2020年為知識存量的爆發期，極大地促進了綠色創新技術的提高，環境污染損失降低，使得綠色GDP 得到迅速提升。浙江省、上海市的2010 年專利申請數目分別為18 024 件、26 165 件，在模擬時間內，兩者的知識存量相當，增長也較快。安徽省的知識存量2010 年為6 396 件，2016 年前知識存量增長平緩，但隨著科技投入的增加，技術創新能力得到增強，知識存量迅速增長。

圖4 四地知識存量仿真模擬

圖5 表示四地2010—2027 年的污染排放量的累積情況，為便于系統模擬，設置初始值均為0。總體上看，四地的污染存量水平趨于平緩，污染物增加量逐年降低。上海市的污染存量水平最低，年污染排放增加量增長緩慢，安徽省的污染存量水平高于上海市。浙江省和江蘇省工業企業眾多，以煤炭等化石能源為主，能源利用率低，初始污染存量水平快速增長，遠超過上海市和安徽省。隨著長三角一體化進程的深入，四地加大投入污染治理費用，結合圖4 技術積累產生的正向效應，污染物排放增量逐漸減少。

圖5 四地污染存量仿真模擬

從圖6 分析可得，安徽省2010 年的單位GDP能耗為0.95 t 標準煤/萬元，浙江省為0.61 t 標準煤/萬元，江蘇省為0.68 t 標準煤/萬元，上海市為0.63 t 標準煤/萬元。結合圖4 知識存量，隨著技術成果的不斷應用，四地的單位GDP 能耗逐年降低，能源利用率在上升。江蘇省的知識存量儲備最多，雄厚的技術實力極大促進能源利用技術的提升，單位能耗達到最低水平。

圖6 四地單位GDP 能耗仿真模擬

生態環境資源績效綜合考慮綠地面積指數、電力消費指數、空氣質量指數等因素，以此來體現四地的生態環境資源水平。從圖7 中可以看出，四地從2013 年開始，生態環境資源績效水平逐年增長，增長速度較快。在推進長三角一體化的進程中，四地都很注重綠色創新生態基礎的建設，創造優質綠色創新環境，為長三角區域綠色創新能力發展奠定 堅實基礎。

圖7 四地生態環境資源績效仿真模擬

5 結論與建議

5.1 結論

本文首先采用灰色關聯-Spearman 相關分析法構建綠色創新競爭力指標體系，然后基于系統動力學，構建滬蘇浙皖綠色創新競爭力系統動力學模型，以長三角四省份為研究對象，仿真研究綠色創新競爭力的動態過程及演變趨勢。主要研究結論如下：

（1）從長三角區域整體來看，各變量的變化趨勢均有利于綠色創新競爭力的提升，整體指標狀況優良，綠色創新效益顯著。江蘇省的綠色創新競爭力綜合水平最高，浙江省的綠色創新競爭力綜合水平與上海市基本相近，安徽省處于最低位置。

（2）從長三角區域各省（市）來看，江蘇省的綠色GDP、知識存量和單位GDP 能耗水平處于領先位置。浙江省的綠色GDP 和知識存量低于江蘇省，在生態環境資源績效方面，略有優勢。污染存量方面，上海市的污染存量水平最低，安徽省次之，江蘇省和浙江省最差，均表現出較高水平，但污染存量的增加量從初期的迅速增長到后期是逐漸降低的。生態環境資源績效和單位GDP 能耗方面，四地均表現出相近的水平。

5.2 建議

以四地自身的綠色創新競爭力優勢為突破點，充分發揮區域內各地區的比較優勢，提出以下建議。

（1）優化產業結構，實現轉型升級。推動產業結構優化升級，調整工業內部結構，淘汰高能耗、污染重及低增加值的產業，鼓勵扶持高新技術產業和戰略新興企業，降低污染經濟損失。調整優化產業布局，加大第三產業投資比重。在長三角一體化背景下，四地實現綠色創新政策互動，完善長三角產業結構的綠色布局。

（2）加大科技投入，鼓勵研發新的綠色能源。加大科技投入，支持高校、研究機構、高技術企業的能源開發與利用研究，提高資源利用效率，降低污染物排放和單位GDP 能耗。江蘇省和浙江省需要在保持科技投入的同時，重點提高科技轉化率，將投入資源高效轉化成產出成果。江蘇省應加強與其余三地的科技交流，取長補短，改善研發后期的疲軟狀態，保持科技創新活力。

（3）加強污染治理投入力度，構建完善的污染防治體系。保護生態環境資源，降低環境污染，不光依靠技術創新從源頭上對企業生產進行改進，還需要終端治理，加大污染治理投入力度，源頭控制與終端治理相結合，最大限度降低環境污染損失。從仿真結果來看，四地的污染治理投入均見成效，江蘇省、浙江省、安徽省的投入很大，但作用效果卻不如上海市明顯。要增加長三角地區環境治理投資的比重，上海市還要發揮引領作用，經驗共享，其余三地結合各自的實際情況優化治理機制，提高投入轉化率，構建完善合理的跨區域污染防治體系，

（4）打好創新基礎，充分保障創新活動。高校、高新技術企業及研發機構是綠色創新技術研究的主體，共同促進綠色創新技術成果的產出，決定著綠色創新競爭力的基礎水平。長三角四省份要保證這些創新研究主體的數量，充分保障創新活動。人均綠地面積、空氣質量、電力消費量等因素也是綠色創新活動保障的重要因素，四地生態環境資源績效水平相近，長三角地區應充分利用基礎資源，合理調配，資源共享，打好堅實的創新基礎。