中國工業企業綠色技術創新效率的測度與評價
——基于超效率網絡SBM-Malmquist 模型分析

張麗琨，張亞萍，梁 遠

（吉林農業大學經濟管理學院，長春 130118）

一、引言

十三屆全國人大四次會議指出，技術創新是促進經濟向高質量發展轉型的關鍵推動力。2021 年是“十四五”開局之年，在著眼于新發展起點上，科技和環境一直是關注的焦點，幾乎所有省份都將技術創新擺在首要位置。近年來，工業企業不斷增加研發投入，試圖以此提高技術創新水平，其中研發資金投入從2011 年的5993.81 億元增長至2020 年的15271.29 億元，年均增長11%，但是企業在成果轉化階段的新產品銷售收入卻未顯著提升，所以增加投入只是進行研發活動和開展創新項目的必要條件之一（錢麗等，2021）。此外，企業開展綠色技術創新的成本高、風險大、動力不足，這也是造成我國工業企業綠色創新能力不強的原因。所以只是一味增加創新投入，而不注重綠色技術創新效率問題，將會導致創新資源極度浪費。那么，企業在開展創新過程中到底是在哪個環節出現了問題，導致效率缺失的具體根源是哪些，都值得探究。

技術創新和綠色發展是新常態下促進經濟高質量發展的兩大引擎，企業應更加關注環境方面的技術創新。從現實情況來看，傳統技術創新在促進經濟增長的同時所帶來的能源消耗和環境污染問題日益凸顯。2020 年我國工業能源消耗占所有行業總能耗的比重超過70%，CO2、SO2、PM2.5等污染物排放量遠遠超過世界平均水平，僅僅聚焦于技術創新并不能改善環境問題。中國科學院研究數據表明，由于環境污染和生態破壞帶來的經濟損失已占到我國國民生產總值的15%。中央財經委員會第九次會議提出要實現碳達峰、碳中和，需要解決的核心問題就是實現環境綠色可持續發展。依靠綠色技術創新能夠促進創新效率、經濟效率和環境效率形成良性互動與協調發展（張遼和黃蕾瓊，2020）。

目前，對技術創新效率的研究較為普遍，在測度和評價的理論及方法方面都有許多的研究成果涌現，但對綠色創新效率尚未形成一套完整的理論體系。面對我國各地的經濟、工業和技術發展水平不均衡，測算各省份工業企業的綠色技術創新效率，分析其發展水平及差異，探究造成效率缺失和地區差異的具體原因，不論是針對工業企業還是綠色技術創新效率評價研究都具有一定的理論價值，有利于企業向綠色發展方式轉變，是對綠色技術創新理論的有益補充與深化。

二、文獻綜述

關于綠色技術創新這一理念，是在國外環保進入困境迫切需要調整技術方向時應運而生。Shu et al（2016）提出綠色技術創新是依靠科技手段從環保角度升級改造工藝，進而促進可持續發展的綠色化過程。歐盟委員會將其定義為：依據經濟發展規律和生態原理，使生態負效應“少公害化”甚至“無公害化”（Aguilera-Caracuel 和Ortiz -De-Mandojana，2013）。我國關于綠色技術創新的研究主要是在國外研究成果的基礎上發展起來的。沈能和周晶晶（2018）認為綠色技術創新是一種擁有促進經濟發展和提升生態環保兩種優勢的新型創新手段。袁潤松等（2016）、孫麗文和陳繼琳（2018）都認為在生態資源問題成為可持續發展的絆腳石的危機情況下，綠色創新變成評價國家是否能可持續發展的重要標志。對于綠色創新效率，當前大部分學者界定為在綠色創新活動中，投入要素與產出要素之間的效用比重。綠色技術創新效率追求經濟、環境和社會可持續發展，有許多相似的理念，如生態效率、環境效率和可持續發展效率等，測度效率的本質在于衡量資源是否得到有效配置。

目前已有較多學者研究工業企業技術創新效率，但大多忽略了技術創新的環境效益和能耗效益。近年來隨著環境問題的突出，少部分學者開始將資源消耗和由此帶來的環境污染排放等指標納入研究范圍，從單純的研究技術創新效率向著綠色技術創新效率方面傾斜。如李健等（2021）和楊浩昌等（2020）考慮到綠色技術創新過程中會產生環境污染物，選取廢水排放量和二氧化碳排放量納入綠色技術創新績效的測度體系之中。王海龍等（2016）認為上述指標不能體現出開展綠色技術創新的直接效應，選取“污染物排放減少量”作為環境要素的代理變量。

在測度方法方面，早期研究大多運用傳統DEA 模型測度效率，只考慮初始投入和最后產出，忽略了工業企業創新活動在技術研發和成果轉化階段的情景差異，無法分析綠色創新生產過程中各子階段對整體系統效率的影響。為探究決策單元的內部結構和測度真實生產效率，學者提出了網絡DEA 模型，將決策單元的整個過程分解成若干個階段，各階段之間通過中間指標關聯。此外，傳統DEA 模型忽視了投入產出的松弛性。隨后Tone（2001）提出了非徑向、非角度的slack based measure（SBM）模型。于樹江等（2021）運用非徑向SBM 模型測度高技術產業的技術創新效率。陳恒等（2018）用非徑向的slack based measure-network data envelopment analysis（SBM-NDEA）對中國高專利密集產業技術創新效率進行研究。然而，SBM 模型不能區分效率為1 的決策單元，為此，Tone（2001）在先前研究的基礎上提出了超效率SBM 模型，可以對效率值進行更為清晰的排序。賴一飛等（2021）采用超效率SBM-Malmquist 模型測算各省市科技創新效率。但閆華飛等（2020）認為超效率SBM 模型也只能對靜態效率進行測算，無法明晰動態演化趨勢及通過效率分解以了解影響效率的具體根源，Malmquist 模型彌補了這一缺陷。李影等（2020）運用超效率SBM 模型從靜態角度測算粵港澳工業科技創新效率，并從動態方面進行分析。錢麗等（2015）不僅采用兩階段DEA 模型，并且還將兩階段的效率進行分解，探究效率缺失的具體原因到底是技術無效還是規模無效。

通過文獻梳理可以發現，目前對綠色技術創新效率的研究較為廣泛，關于綠色創新理論基礎的研究較為成熟，但在研究內容上，很少有直接指向測度綠色技術創新效率的議題，這方面的理論需要進一步探討和研究，并且現有研究忽略了環境污染和資源消耗方面的問題，對考慮非期望產出的研究相對較少，并且很少有學者使用與綠色創新緊密相關的指標，指標選擇差異較大，構建的綠色技術創新效率評價指標體系尚未形成廣泛的共識。在研究方法上，現有研究采用的效率測度與評價模型，存在單階段、無期望產出、徑向等問題，多數僅對靜態綠色效率進行測算，動態演化趨勢分析相對缺乏，沒有進一步分析綠色經濟效率分解指標的特征。因此，如何測度和評價工業企業綠色技術創新成為值得關注的重點。

基于此，本文可能的邊際貢獻在于：第一，在以往研究的基礎上，將環境因素作為一種非期望產出指標納入到研究框架，并且針對目前對污染源界定不夠系統的缺陷，本文全面涵蓋了工業廢氣、廢水、固體廢棄物、二氧化硫、煙塵、粉塵等指標，進一步完善了技術創新效率評價體系。第二，運用創新價值鏈理論，分析綠色技術創新活動的內在關聯結構，同時從靜態和動態兩個方面運用Network-Super-SBM 模型測算兩階段分解效率值，突破了已有文獻將創新過程視作“黑箱”的研究局限，測算出的結果更加客觀，更加符合實際情況，可以準確把握綠色技術創新效率低下的具體環節，剖析效率缺失的真實來源，為制定有針對性的創新政策以提升綠色技術創新效率提供科學依據。第三，不再平面化比較各省份企業的綠色技術創新效率值，也關注到了工業企業綠色技術創新的東中西區域差異，可以全面把握中國工業企業綠色技術創新效率的發展特征，進一步豐富了綠色技術創新效率測算領域的研究成果。

三、研究設計

（一）測度模型

1.SBM 網 絡DEA 模 型

網絡SBM（slack based measure）模型打開了傳統單階段數據包絡分析（data envelopment analysis，DEA）模型封裝各個決策單元（decision making unit，DMU）的“黑箱”，測度多階段生產過程的效率值，可以找出效率低下的具體原因。其表達具體如下：有n個DMUj（j=1，2，…，n，n=30），一個DMU有K個節點，mk和rk分別對應節點k（k=1，2，…，K，本文K=2）的投入指標數和產出指標數（m1=3，m2=4；r1=3，r2=5。相關指標見表1），代表第j個DMU在研發階段的投入向量，研發期間的產出即中 間變量為，成果轉化時期的投入為代表第j個DMU在成果轉化階段的產出向量，Wk是節點k的權重（W1=W2=0.5）。

規模報酬不變（constant returns to scale，CRS）下技術研發階段的生產可能集為

對于規模報酬可變（variable returns to scale，VRS）情形，只要加入約束條件，k=1，2，…，K)即可。

因此，非導向下的網絡SBM 模型為

其中：ρ*為DMU的整體效率；ρ*=1 為DMU整體有效；ρ*＜1 無效；每個DMU有m種投入和r種產出，記為xi和yr；Sk-和Sk+分別是投入和產出的松弛變量，Sk-≥0，Sk+≥0。

2.包含非期望產出的SBM 超效率模型

在DEA 測算結果中被評價為有效的DMU往往會有很多，而超效率可將其進一步區分大小。此外，在實際能源使用過程中會出現污染物排放等非期望產出。傳統DEA 模型無法盡最大可能減少非期望產出達到經濟最佳效率?；诜瞧谕a出的超效率SBM 模型很好地彌補了傳統DEA 的幾點不足，公式如式（2）所示：

其中：ρ為目標效率值，對于DMUj（j=1，2，…，n），每個DMU有m種投入，記為xi（i=1，2，…，m），能夠同時生產出q1種好產出，記為yr（r=1，2，…，q1）和q2種壞產出，記為br（r=1，2，…，q2）；xij為第j個省份畜牧業生產的第i項投入要素；yrj為第j個省份畜牧業生產的第r項期望產出；brj為第j個省份畜牧業生產的第r項非期望產出，期望產出越多越好，而非期望產出則相反；λ為各DMU截面觀察值的權重；下標k為被測算的DMU；分別為投入冗余、期望產出不足和非期望產出冗余。

3.Malmquist-Luenberger 指數

網絡SBM 模型是對效率值的靜態測算，而Malmquist 指數則是對效率的動態分析，彌補了靜態分析的不足，它表示DMU生產率從t到t+1 期的變化?？梢哉f，基于非期望產出的Malmquist 指數都可以稱為Malmquist-Luenberger 指數。它的參考集為

可分解為技術效率變化（technical efficiency change，EC）和技術變化（technological change，TC）：

其中：MI為Malmquist 指數（malmquist index）；g為Malmquist 模型是以所有各期共同構建的前沿作為參比前沿；xt和xt+1分別為t和t+1 期的投入；yt和yt+1為產出；Et（xt，yt）為用t期技術為的t期技術效率水平；Et+1（xt+1，yt+1）是用t+1 期技術為的t+1 期技術效率水平；M＞1 表明綠色技術創新效率提高，反之降低；EC＞1 表明技術效率改善，反之相反；TC＞1 表明技術進步，反之退步。

（二）指標選取

根據創新價值鏈理論，技術創新活動一般包括技術研發和成果轉化兩個階段。綜合張江雪和朱磊（2012）、羅良文和梁圣蓉（2016）等對相關指標的選取及數據的可獲得性建立指標體系（表1）。

表1 綠色技術創新效率指標體系

1.綠色技術研發階段投入產出指標

對于投入指標，考慮到當前還沒有關于綠色創新人員和研發經費的統計指標，故參考肖仁橋等（2020）的文獻，用傳統的創新人員、研發經費來替代。這主要是由于將傳統研究人員與綠色研究人員分開有一定困難，并且企業開展的許多普通技術創新項目也能同時促進經濟與環境效益。除此之外，這一階段的投入指標還包括新產品開發經費支出①許多研究用當期R&D 資金投入表示技術創新投入，但這一投入往往具有積累和時滯效應，創新產出還依賴于之前的投入。用永續盤存法來算存量：Kit=(1- δ )Kit-1 +Iit。其中Kit、Kit-1分別表示i 省份t 和t-1 年的資本存量，δ 代表資本折舊率，本研究借鑒陳鈺芬等（2020）、孫鳳娥和江永宏（2018）的研究，將其設定為20.6%，Iit表示i 省份在第t 年的R&D 經費內部支出。選取基期為2011 年，按照公式：Ki0= Ii0/(g + δ)，計算各省份工業企業的初始資本存量。在算存量前采用侯建等（2020）計算研發價格指數方法：R&D 價格指數=0.55×居民消費價格指數+0.45×固定資產投資價格指數，對R&D 經費支出和新產品開發經費進行平減。。

對于產出指標，選取專利申請數、有效發明專利和新產品開發項目數。自從專利出現以來，還沒有找到其他更為合適的指標能很好地反映科研產出。另外，相比于其他專利，發明專利的技術含量也相對比較高（錢麗等，2015）。

2.成果轉化階段投入產出指標

這一階段的投入指標，即為技術研發階段的產出。將專利和新產品開發項目當作中間指標，正好是為了檢驗其社會經濟等效益轉化程度。除此之外，將能源消費量作為第二階段的投入，這是因為工業企業是能源消費主體，而且能源被消耗之后產生的污染物排放，一般被認為是壞產出的來源。在期望產出方面，以新產品銷售收入衡量創新成果，用2013 年不變價格工業生產者出廠價指數對其平減，將工業三廢排放量等非期望產出作為環境污染產出的代理變量。

（三）樣本選擇和數據來源

選取30 個?。ㄗ灾螀^、直轄市）（因數據缺失，不含西藏地區和港澳臺地區）的工業企業作為研究對象。由于目前相關數據統計的大多數是規模以上工業企業②中國工業企業數據的樣本范圍為全部國有企業及規模以上非國有工業企業，“工業”統計口徑包括國民經濟行業分類中的“采掘業”“制造業”以及“電力、燃氣以及水的生產和供應業”三個門類，“規模以上”指年營業收入2000 萬元以上。，為了使研究數據保持一致，所以選取規模以上工業企業，一定規模以上的企業對DEA 模型指標的選取也具有典型性。以“十二五”規劃開局之年——2011 年為起點，由于2019 年各?。ㄗ灾螀^、直轄市）污染物排放相關數據還沒公布，所以樣本期為2011—2018 年。鑒于投入轉化為產出具有時滯性，借鑒肖權和趙路（2020）的研究成果將滯后期定為2 年，所以科技研發投入、中間產出與成果轉化投入及成果轉化產出的數據年份分別為2011—2016 年、2012—2017 年、2013—2018 年。本研究的數據主要來源于國泰安數據庫和EPS 數據平臺，通過《中國城市統計年鑒》、各?。ㄗ灾螀^、直轄市）統計年鑒和統計局進行補充。對于部分?。ㄗ灾螀^、直轄市）部分年份工業廢水排放量統計不完善的，按照工業廢水占廢水排放總量比重的加權平均值進行推算。

四、實證分析

運用包含非期望產出的超效率網絡SBM-Malmquist 模型，使用MAXDEAUltra8.0 軟件，測算我國30 個?。ㄗ灾螀^、直轄市）規模以上工業企業綠色技術創新效率值。

（一）綠色技術創新靜態效率

為了分析我國規模以上工業企業綠色技術創新效率特征及變化趨勢，基于面板數據測算的結果見表2。從全國綠色技術創新效率均值來看，在2013—2018 年，我國工業企業效率呈現出較小幅度的上升趨勢，由2013 年的0.3260 上升到2018 年的0.3915，均值為0.3543，在0.5 以下，低于全國均值的地區個數大于高于全國均值的地區個數，表明我國整體綠色技術創新處于較低水平，省際差異很大，發展很不平衡，未來還有很大的提升空間。

表2 2013—2018 年我國30 個?。ㄗ灾螀^、直轄市）規模以上工業企業綠色技術創新效率

不同省份之間效率差異顯著，綠色技術創新效率均值最高的地區是浙江（0.8303）和北京（0.8046），其中浙江省綠色技術創新效率在2013—2018 年略微有所下降，說明投入和產出的結構雖已逐漸趨于合理，但仍需往穩步提升效率值的方向發展。北京由2013 年的0.6205 上升到2018 年的0.8730，說明在考察期內能較好地利用資源，不斷朝著實現經濟和環境協調發展的方向努力，并且北京作為中國首都，技術開發配套設施完善、市場化程度高，在科技研發投入規模和產出方面都處于全國前列。其次是廣東、安徽、重慶和上海，可以得知這些省市的技術和管理水平較高，其中廣東和上海經濟發達，是人才科技的集中地區，并且相關管理制度完善，創新環境和市場化進程也不斷加快，促使綠色技術創新效率處于較優水平。重慶雖然地處內陸地區，但在技術創新過程中，科技發展態勢良好，取得了較好的環境效益和經濟效益，只是其對周邊效率相對較差的省份并沒有出現帶動效果，未來的任務就是在保持自身優勢的同時，帶動周邊西部地區綠色技術創新發展。排名最低的青海省和內蒙古，效率不足10%，這是由于這兩個地區地廣人稀，加上地理位置較偏，工業基礎和技術水平薄弱，科技投入帶來的邊際產出比較少。此外，還可以看出考察期內低效率省份的綠色技術創新效率值總體表現出上升趨勢，省份之間的差異正在逐漸縮小。

就東部、中部、西部三大地區對比而言，2013—2018 年，東部地區工業企業綠色技術創新效率均值為0.4946，高于中部地區（0.2876）和西部地區（0.2571），表明我國工業企業綠色技術創新效率呈現出“東-中-西”依次遞減的階梯式空間分布格局。從三大地區工業企業綠色技術創新效率的演化趨勢來看（圖1），東部和中部地區工業企業綠色技術創新效率變化趨勢基本一致，兩者總體上均呈現出波浪式緩慢上升的特征，西部地區經歷了先快速下降到緩慢上升的過程，然后在緩慢下降的趨勢，綠色技術創新效率不是很穩定，是未來政策需要關注的重點區域。與東部地區工業企業綠色技術創新效率持上升的趨勢相比，中西部效率水平不僅存在絕對水平明顯偏低的特征，而且還表現出了增長幅度的差異。其中，中西部地區以2014 年為分水嶺，2014 年之后，中部地區的綠色技術創新效率值一直高于西部地區，說明隨著中部崛起、長江中游城市群戰略的實施，中部地區的綠色技術創新效率不斷上升。

圖1 2013—2018 年三大地區工業企業綠色技術創新效率演變

根據效率測算結果，將各省份效率值劃分成不同等級：低效率（小于0.4），中低效率（0.4≤綠色技術創新效率＜0.6），中高效率（0.6≤綠色技術創新效率＜0.8）和高效率（大于0.8）。見表3，在樣本期內，高效率省份個數有所增加，其中浙江省在考察期內始終躋于高效率行列，北京由中高效率上升至高效率。屬于中低效率的省份個數隨時間變化較大，由6 個減少到3 個，其中安徽和廣東由中低效率提升到高效率，上海由中低效率提高到中高效率。屬于低效率的省份個數變化不大，主要來自西部和中部欠發達地區，其中山西一直處于低效率地區，這是因為山西是中國重要的煤炭省份，資源和能源十分豐富，但經濟發展模式是粗放型發展模式。東北地區的內蒙古和黑吉遼也一直處于低效率等級，且效率遠低于全國平均水平，這是由于與其他地區相比，東北地區更加重視農業發展，忽視了對工業企業技術創新的投入和支持，加上地廣人稀，創新型人才大量流失，該地區應該在國家振興東北老工業基地戰略政策的支持下，大力推進技術創新，實現質的飛躍。總之，由于中國地域跨度較大，很多省市之間發展不平衡，地理因素和環境因素衍生出各區域經濟環境、政治環境、市場環境和企業內部環境等方面的差異，使得各地的綠色技術創新效率也產生差異，且局部地區較強的技術創新能力未能帶動落后地區的發展，需要加快區域協同發展，縮小地區差異。

表3 綠色技術創新效率等級分布

各階段效率可分解為純技術效率（pure technical efficiency，PTE）和規模效率（scale efficiency，SE）。通過比較表4 可以發現，兩階段的SE都大于PTE，而TE=PTE×SE，說明工業企業綠色技術創新效率比較依賴于規模水平，而純技術效率水平低是造成兩階段綠色技術創新效率不高的主要原因。因此需要減少對規模水平的依賴，不能單純依靠加大研發投入，而是應大力提升技術水平，著重提高創新資源的利用和管理。此外，由圖2 可以看出，2013—2018 年各階段效率均值總體上呈波動增長趨勢。科技研發階段呈現“V”型變化趨勢，效率值在2016 年降至最低值，隨后呈現上升趨勢，且上升速度大于2016 年之前的下降速度，出現向好的增長趨勢。成果轉化效率除在2016 年出現略微小幅度下降之外，整體呈現持續上漲趨勢，且上漲速度越來越快。整體綠色創新效率在2014—2017 年的變化趨勢與成果轉化階段相似，呈現穩步提升態勢，但2014 年和2018 年這兩個年份，相比上一年出現小幅度下降。技術研發時期和成果轉化時期對整體創新效率的影響有所不同，相比于科技研發階段，成果轉化階段效率水平整體偏低，說明我國工業企業在成果轉化方面還處于一個上升較為艱難的階段，導致整體綠色技術創新效率偏低，這就需要企業更加關注經濟效益轉化方面，促進新產品銷售收入的增長。

表4 兩階段綠色技術創新效率及其分解

圖2 各階段綠色技術創新效率變化趨勢

（二）Malmquist-Luenberger 指數動態分析

Malmquist-Luenberger 指數代表了綠色技術創新的動態變化值，可分解為技術效率變化指數和技術進步指數。我國工業企業綠色技術創新效率變化指數及其分解值見表5。從總體上來看，我國ML指數的平均值達到1.0974，年均增長約9.74%。在考察期內，有24 個省份的ML指數大于1，所占比重為80%，大于均值的省份有9 個，占比僅為30%，由此可以看出我國綠色技術創新效率整體發展態勢良好，但是由于各省份技術條件、管理制度和經濟發展水平不同，使得綠色技術創新效率存在顯著差異。技術效率變化指數平均增長率達12.44%，大于1 的省份有23 個，技術進步指數大于1 的省份僅有16 個，總體呈2.4%的下降趨勢。

表5 2013—2018 年我國各?。ㄗ灾螀^、直轄市）Malmquist-Luenberger 指數及其分解

綠色技術創新效率變化指數增長較為顯著的地區包括海南、青海和吉林，表明這三個地區對于綠色創新資源配置效率及在人員管理水平方面有所優化改進。其次廣東省指數增長高達27%，說明該省的總體發展趨勢向好，可能的原因是廣東位于東南沿海地區，所處的地理位置比較優越，近年來迅速成為金融、科技和人才的集中地，未來應繼續保持又快又穩的高質量發展趨勢。湖北、山西、安徽、江西和上海的ML指數也達到了10%以上，說明這些地區的科技管理體制改革成效顯著，其中，湖北和江西的技術進步指數小于1，上海的技術效率變化指數小于1，所以在向好發展趨勢的基礎上，應該使技術投入產出結構的安排更加合理，并且持續強化技術創新，促進技術進步，山西和安徽技術效率和技術進步指數的增長比較平衡。需要指出的是浙江、陜西、山東、天津、甘肅和寧夏這6 個省份的ML小于1，原因如下：浙江的TC為0.9906，寧夏的TC為0.6575，ML指數主要歸因于技術進步的負面影響；陜西EC為0.9305，山東EC為0.9469，天津的EC值為0.8804，技術進步的提高被技術效率衰退所影響；甘肅的兩個分解值都低于1，技術效率和技術進步同時對ML指數的提升起負向作用。

圖3 給出了三大地區工業企業的Malmquist-Luenberger 指數及其分解值。可以看出，東部地區的ML指數主要歸結于技術進步（TC）指數的增長，說明東部地區工業企業的自主創新能力相對較強，技術水平提升速度快。而中西部地區的ML指數則主要依賴于技術效率變化（EC）指數的增長，原因可能是，近年來，隨著產業結構調整的加速，工業大規模地由東部地區轉移到中西部地區，產業集聚效應使得中西部地區工業企業的技術效率變化指數大大提高。從三大區域層面來看，總體而言，ML指數和TC指數均呈現出東中西依次遞減的特征，EC指數則是西部地區大于中部地區，中部地區大于東部地區。

圖3 三大地區工業企業Malmquist-Luenberger 指數及其分解值

如表6 所示，在2013—2018 年，全國ML指數和EC指數均大于1，其中ML指數在2014—2015 年增長率達到10%，2016—2017 年增長速度最快，達到21.59%，其他年份增長幅度較為平緩，不足10%，2017—2018 年增長速度最慢，總體來看，ML指數變化波動比較大，不是很穩定。2013—2014 年、2014—2015 年、2017—2018 年技術效率變化指數都大于1，并且技術進步指數都小于1，其中2014—2015年的技術進步指數雖然小于1，但ML指數相比上年還是有所增長，這主要是因為技術效率的增長作用抵消了技術衰退的負面影響，說明技術進步水平還有待提高。2015—2016 年盡管EC指數和TC指數都大于1，但是技術效率的拉動作用較弱，使得ML指數雖大于1 但是仍沒有超過上年的增長率。2016—2017 年ML指數最高，歸因于兩個指數的共同推動，并且這一年的技術進步指數增長最快，說明技術進步的提高促進了ML指數提高。ML指數增長在2017—2018 年最慢，主要是受制于技術進步的拉低，技術進步的衰退超過了技術效率提升帶來的積極影響。為了探究綠色技術創新效率變動顯著的具體原因，進一步將技術效率變化指數分解為純技術效率變化指數（pure technical efficiency change，PEC）指數和規模效率變化（scale efficiency change，SEC）指數。除2015—2016 年的EC指數主要SEC指數的影響較大之外，在其他年份的EC指數受PEC指數和SEC指數兩者共同作用。PEC指數除2014—2015 年之外都大于SEC指數，說明EC指數的增長主要依賴于PEC指數。2016—2017 年的EC指數最低，這是因為盡管PEC指數和SEC指數都大于1，但是兩者對整體的拉動作用極低，沒有使得技術效率得到有效提升。

表6 2013—2018 年Malmquist-Luenberger 指數動態效率及其分解

各指數變化趨勢如圖4 所示。在考察期內，ML指數波動變化較大，在2016—2017 年變化指數達到最大值。EC指數呈跌宕波動增長趨勢，在2017—2018 年變化指數達到1.3215，整體年均增長率為12.44%。TC指數在2013—2017 年呈穩步上升趨勢，由0.9544 提高到1.1962，但2017—2018 年突現下降，這種變化需要引起重視，這一年的技術進步指數下降直接導致了綠色技術創新效率指數的降低，未來應該找準發展方向，繼續強化綠色技術創新，逐步實現快速平穩發展，從總體上來看，TC指數呈現年均2.4%的下降趨勢。ML指數大體與TC指數變動趨勢同步，說明受技術水平變化的影響更大。PEC指數和SEC指數2015—2016 年和2017—2018 年差異較大，但二者的不同的是，2015—2016 年SEC的負向作用削弱了PEC對EC的拉動作用，而2017—2018 年PEC的增長作用明顯，使得EC大于PEC并且在考察期內達到最大值，在其他年份，PEC和SEC差異不是很明顯，整體技術效率變化指數受兩者共同拉動影響。

圖4 2013—2018 年Malmquist-Luenberger 指數及其分解值變化趨勢

五、結論與建議

運用超效率網絡SBM 模型和Malmquist-Luenberger 指數測算各?。ㄗ灾螀^、直轄市）工業企業綠色技術創新效率，分析其發展水平及差異，探究造成效率缺失和地區差異的具體原因，最終得到如下研究結論。

（1）中國工業企業綠色技術創新效率處在一個比較低的水平上，呈現出較小幅度的上升趨勢；綠色技術創新效率省際差異較大；我國工業企業綠色技術創新效率呈現出“東-中-西”依次遞減的階梯式空間分布格局，與東部地區工業企業綠色技術創新效率持上升的趨勢相比，中西部效率水平不僅存在絕對水平明顯偏低的特征，而且還表現出了增長幅度的差異；在綠色技術成果的轉化期，效率值低于科技研發的效率值，存在較大提升空間，說明我國在提高技術水平的同時，也得注重保護環境，并且也需要進一步注重科研成果的產出和轉化。

（2）工業企業純技術效率遠遠小于規模效率，純技術效率低是造成整體效率較低的關鍵原因。

（3）在考察期內，全國綠色技術創新效率的ML 指數均大于1，整體發展態勢良好。技術效率變化指數受PEC和SEC 共同影響，但其增長主要依賴于純技術效率指數變化。從三大地區層面來看，東部地區的ML 指數主要歸結于技術進步指數的增長，而中西部地區的ML 指數則主要依賴于技術效率變化指數的增長。

針對上述研究結論，為提高我國工業企業綠色技術創新效率，提出如下對策建議。

（1）我國應根據各省份效率缺失具體根源采取相應措施。中國地域廣闊，各省份經濟和文化存在著較大差異，應加快各個地區技術經濟均衡發展，制定對中西部地區傾斜的政策，制定相關優惠政策吸引資金及高素質科技人才，促進綠色技術創新水平的提高。

（2）工業企業應該提高創新管理水平，增強綠色技術創新意識。鼓勵和引導科技研發人員基于綠色增長來提升創新能力促進綠色創新改造升級。此外，企業需要不斷調整自身投資方向、研究方向及成果轉化方向，積極應對不斷變化的市場需求。應積極推動產學研一體化。加強與科研單位及高等院校的交流，同時強化與中介機構的合作，中介機構以各種創新平臺為主，擁有創新資源，能夠促進科技成果轉化的應用。

（3）政府應制定綠色科技型企業標準。作為調節企業創新系統的主體，政府應從技術創新投入、能耗強度、污染物排放和創新成果轉化應用著手。實施獎勵和懲罰機制，對達標企業給予稅收減免政策優惠和研發補助；對高污染的企業采取懲罰措施，實施排污權市場交易機制。