基于StoNED和動態SPDM模型的綠色創新效率分異趨勢及其驅動機制分析
——以長江中游城市群為例

駱 康, 郭慶賓, 劉耀彬,3, 陳 霄

(1.南昌大學 經濟管理學院,江西 南昌 330031; 2.海南大學 經濟學院,海南 海口 5702282; 3.南昌大學 中國中部經濟社會發展研究中心,江西 南昌 330031)

0 引言

Archibugi和Pianta[1]認為，在存在技術創新差異性時，不同初始人均產出水平地區的經濟增長速度也會存在差異。可見，通過縮小地區間技術創新的差異是解決地區經濟不平衡發展的重要路徑。然而，技術創新在助力經濟增長的同時，消耗了大量的資源，破壞了生態環境[2]。據《2019中國生態環境狀況公報》顯示：中國標準煤消耗48.6億噸，較往年上漲3.3%，其中長江中游城市群能源消耗量占7.7%。2018年全國工業廢氣治理運行費用增加約200億元、工業廢水排放量增加約20億噸、工業固體廢棄物產生量增加約1800萬噸。這種“三高一低”的發展模式大大折抵了改革開放的紅利[3]。近年來，我國堅持節約資源和保護環境的基本國策，綠色和創新成為驅動傳統工業轉型的關鍵因子。黨十九屆五中全會提出要堅定不移推動綠色發展、堅持創新驅動戰略、堅持創新在我國現代化建設全局中核心地位，構建市場導向的綠色技術創新體系，全面塑造發展新優勢。可見，在中國經濟進入中高速增長的新階段，實施綠色創新驅動發展戰略是經濟高質量發展的重要舉措。長江中游城市群作為長江經濟帶化工產業的主要集聚地，污染物流動性強，社會經濟發展長期受到“化工圍江”等難題困擾，在實施中部崛起戰略時必須秉承綠色和創新發展理念。

關于綠色創新效率的測度方法，學者們主要采用非參數數據包絡分析(DEA)和參數隨機前沿分析(SFA)。如范德成和李盛楠[4]采用徑向的、角度的DEA模型測度了區域高技術產業綠色創新效率，但該方法要求投入-產出要素同比例、同徑向變化，這與實際生產不符[5]。為彌補該模型的缺點，王惠等[6]運用非徑向、非角度的Super-SBM模型測度了高技術產業綠色創新效率，但是張遼和黃蕾瓊[7]認為SBM模型設定方向向量主觀性較大，無法準確體現綠色創新的真實性。肖黎明和張仙鵬[8]基于改進的SFA模型對綠色創新效率進行測度，但假設參數不全面。姚西龍等[9]則基于RAM模型測算了工業綠色創新效率。關于綠色創新效率的影響因素，學者們主要從跨國公司技術轉移[10]、外商直接投資[11]、政府行為[12]、環境規制[13]、研發投入[14]等方面分析了綠色創新效率的影響因素。雖然呂巖威等[15]還借助SDM模型對區域綠色創新效率的差異性及影響收斂的因素進行了研究，但并沒有進一步分析這種差異性的內在驅動機制。實際上，這種差異性是不同類型因素和影響機制共同作用驅動的結果。

上述研究對本文開展具有重要啟示，但還存在有待研究的空間：一是現有文獻多采用DEA、SFA、SBM、RAM等模型測度綠色創新效率，不能兼顧多產出和投入產出的松弛性問題。由此，本文提出隨機前沿非參數包絡模型(StoNED)來測度綠色創新效率，從而規避DEA和SFA模型的缺點。二是現有文獻研究綠色創新效率的影響因素較多，個別學者采用SDM模型分析其收斂性，但鮮有文獻量化區域綠色創新效率的分異趨勢及分析作用機制。由此，本文在評價長江中游城市群城際、省域、整體綠色創新效率分異趨勢基礎上，構建動態空間面板杜賓模型(SPDM)從收斂速度角度來量化綠色創新效率的分異趨勢，并探討其驅動機制。

1 研究方法與數據來源

1.1 研究方法

1.1.1 StoNED模型

SFA模型對參數要求嚴格，操作難度較大[15]，不能解決多產出問題。而DEA模型無需人為賦變量權重，參數要求松弛[16]，可以解決多產出問題，但要求投入與產出要素同比例、同徑向變化[17]，且無法兼顧非期望產出時的效率。本文借鑒王有森等[18]將污染物作為投入的處理法，在效率評價時將工業SO2排放量、工業固體廢物排放量、單位GDP能耗、工業廢水排放量等作為一種投入指標添加到StoNED模型中。同時，基于StoNED模型只能處理多投入單產出指標數據。本文還借鑒張華平[19]做法，運用熵權法將發明專利申請數、新產品銷售收入、高新技術產業總產值三種期望產出轉化為一種綜合的期望產出。

1.1.2 SPDM模型

本文借鑒吳義根等[20]做法，選取最具普遍、可以退化為空間滯后模型或空間誤差模型的空間面板杜賓模型作為研究β條件收斂的工具，其表達式為：

式中Yi,t+1、Yi,t分別表示第t+1年i城市綠色創新效率、第t年i城市綠色創新效率,n表示城市總數，Xi,t表示控制變量，ρ、β、λ、θ、φ分別表示估計系數，εi,t表示隨機項，Wij表示空間權重矩陣，主要包括鄰接矩陣、地理距離矩陣、經濟距離矩陣。若β顯著為負，說明低綠色創新效率城市增長速度比高綠色創新效率城市更快，此時表明存在β收斂；反之，表明不存在β收斂。

1.2 數據來源

數據主要來源于2006～2020年湖北、湖南、江西省統計年鑒、《中國城市統計年鑒》和《中國縣域統計年鑒》。江西省域包括南昌、九江、宜春、景德鎮、鷹潭、新余、萍鄉、上饒、撫州、吉安等城市及部分縣(區)；湖北省域包括武漢、黃石、鄂州、孝感、咸寧、潛江、襄陽、宜昌、荊州、荊門、天門、黃岡、仙桃；湖南省域包括長沙、衡陽、湘潭、株洲、益陽、岳陽、常德、婁底。

2 長江中游城市群綠色創新效率分異趨勢

2.1 綠色創新效率測度

2.1.1 綠色創新投入與期望產出指標

本文投入指標主要包括R&D人員全時當量、能源消費總量、R&D經費內部支出三個方面。期望產出指標除了專利申請數外，考慮轉化效率和市場價值，還選取新產品銷售收入和高新技術產業總量指標。

2.1.2 非期望產出

本文所考慮的綠色主要涉及環境和資源兩個方面，非期望產出指標主要選取工業SO2排放量、單位GDP能耗、工業固體廢物排放量、工業廢水排放量。

2.2 城際間綠色創新效率分異趨勢

由下圖知，長江中游城市群綠色創新效率空間分異格局已形成了多中心空間結構特征，且主要由武漢、長沙、南昌、宜昌、襄陽等城市主導，穩定性極高，分異程度較小。一方面，武漢、長沙、南昌等城市經濟實力雄厚，能夠吸引較多的綠色創新資源集聚，且引進、吸收及轉化技術能力強；另一方面，武漢、長沙、南昌等城市占據人力資源優勢，容易形成“干中學”效應，技術知識傳播更快、更廣，溢出效應更明顯，有利于開展綠色創新活動。同時，武漢周邊城市綠色創新效率呈現弱化趨勢，南昌和長沙周邊城市綠色創新效率呈現強化趨勢，說明武漢對周邊綠色創新資源“襲奪”作用強烈，而長沙、南昌對周邊城市綠色創新資源“回波效應”明顯。黃石綠色創新效率出現“斷崖式”下滑，株洲綠色創新效率提高效果十分明顯。黃石作為我國首批資源枯竭型城市，正處于轉型期，經濟發展減緩是其綠色創新效率下滑的根本原因。近年株洲加快推進老工業基地調整改造及轉型升級，大力發展高新技術產業、現代服務業、新物流經濟中心，從而綠色創新效率提升顯著。

圖1 2005年城際綠色創新效率分異趨勢

圖2 2009年城際綠色創新效率分異趨勢

圖3 2013年城際綠色創新效率分異趨勢

2.3 省域間綠色創新效率分異趨勢

從橫向來看，省域層面以及長江中游城市群整體綠色創新效率均表現出上升的趨勢；從縱向來看，湖北省域和湖南省域綠色創新效率總體高于長江中游城市群平均值，江西省域綠色創新效率低于長江中游城市群平均值。一方面，環境規制強度不斷加大，促使長江中游城市群綠色高質量發展；另一方面，湖北省和湖南省的GDP總量遠遠高于江西省，能夠投入較多的財力來開展綠色創新活動，還擁有眾多的雙一流高校、科研中心等，可以為綠色創新發展提供人力和物力支撐。而江西省處于長三角和珠三角中間地帶，科技創新人才流失十分嚴重，導致創新資源效率低下。

圖4 2019年城際綠色創新效率分異趨勢

圖5 長江中游城市群整體及省域綠色創新效率中位數

進一步發現，2005～2019年長江中游城市群整體、湖北省域、湖南省域、江西省域的綠色創新效率標準差值波動幅度極小，表明城市間綠色創新效率值的絕對差異基本固化；而湖南省域、江西省域及長江中游城市群整體綠色創新效率變異系數均表現出下降的特征(湖南省域由1.285逐漸減小至0.64、江西省域由1.191逐漸減小至0.742、長江中游城市群由1.104逐漸減小至0.785)，表明城市間綠色創新效率值的相對差異相較于期初有較大程度減小。此外，湖北省域綠色創新效率的相對差異也基本固化(變異系數由0.983僅微弱減小至0.940)。湖北省綠色創新資源主要集中在“一主兩副”中心城市，這些城市對周邊城市綠色創新資源存在“涓流效應”，并產生了嚴重的極化現象，而湖南省和江西省城市間綠色創新資源極化現象相對不明顯。

圖6 2005年整體綠色創新效率分異趨勢

圖7 2009年整體綠色創新效率分異趨勢

2.4 整體綠色創新效率分異趨勢

由長江中游城市群整體綠色創新效率趨勢面可知(圖6、圖7、圖8、圖9)。從西向東看，長江中游城市群綠色創新效率表現出“西高東低”的特征，且東西地區城市綠色創新效率分異度呈現逐漸縮小的趨勢。西邊宜昌、襄陽兩個副省級中心城市一直保持著極高的綠色創新效率，東邊南昌的綠色創新效率逐漸強化，故而綠色創新效率“西高東低”的差異逐漸縮小。從北向南看，長江中游城市群綠色創新效率由初期表現出的“高-低”特征轉變為“高-低-高”特征，且這種南北地區城市綠色創新效率分異度也呈現出逐漸縮小的趨勢。北邊武漢、宜昌、襄陽等城市具有較高的綠色創新效率，且穩定性極強，而北邊黃石經濟的衰落和南邊株洲和南昌崛起，形成了現有的由北向南“高-低-高”的特征。

圖8 2013年整體綠色創新效率分異趨勢

圖9 2019年整體綠色創新效率分異趨勢

3 長江中游城市群綠色創新效率分異趨勢的驅動機制分析

3.1 模型設計與變量選取

3.1.1 模型設計

首先，2005～2019年長江中游城市群綠色創新效率值的全局Moran’s I值均為正，這說明該時段綠色創新效率存在空間依賴性，在模型設計時需要考慮地理空間交互效應對估計結果的影響。

其次，根據LM-lag、Robust LM-lag、LM-error、Robust LM-error值分別為42.231、20.565、127.360、108.454，均通過了1%顯著水平下的檢驗，說明長江中游城市群綠色創新效率面板模型空間依賴性是以滯后和誤差形式同時存在的。Wald-spatial lag、LR-spatial lag、Wald-spatial error、LR-spatial error均通過了不同顯著水平下的檢驗，拒絕原假設SPDM退化成SAR和SEM，說明選擇SPDM模型來探究收斂速度視角下長江中游城市群綠色創新效率分異趨勢的驅動機制是合理的。

最后，根據Hausman結果判斷，與其他固定效應模型結果和對數似然值相比，時空固定效應模型擬合優度和對數似然值log-likelihood值均最大。因此，本文進行空間計量分析時選取時空固定效應模型最佳。

3.1.2 變量選取

本文選取的控制變量主要有經濟發展水平(pgdp)、政府科技支出(sci)、環境規制強度(pol)、教育水平(stu)、產業結構(thi)、金融支持水平(fee)，分別用人均GDP、科學技術支出占財政支出比重、政府環境污染治理投資額占財政支出比重、高等院校每萬人在校生數量、第三產業增加值占當年GDP的比重、金融貸款額占科技活動經費比重等指標來衡量。

3.2 分異趨勢的驅動機制剖析

由表1知，空間鄰接權重矩陣下的綠色創新效率β值均在1%顯著水平下通過檢驗，這說明長江中游城市群綠色創新效率存在收斂。λ值均通過不同的顯著性水平檢驗，這表明地理空間效應對區域綠色創新效率收斂具有顯著的影響。同時，采用公式v=-ln(1+β) 測算的收斂速度結果可知，收斂速度快慢依次是江西省域、湖南省域、湖北省域，而影響各省域綠色創新效率收斂速度的因素主要有經濟發展水平、政府科技支出、環境規制、教育水平、產業結構、金融支持水平。

表1 空間鄰接權重矩陣下的各省域β條件收斂估計結果

經濟發展水平對長江中游城市群、湖北省域、江西省域本城市綠色創新效率收斂具有抑制作用，而促進湖南省域本城市及其鄰近城市綠色創新效率收斂。目前長江中游城市群仍處于城市群發育的初級階段，粗放式的經濟發展模式導致“化工圍江”等問題依然突出，綠色創新效率低下。同時，經濟發展水平的提升促使人們對美好環境需求更加強烈，對綠色低碳產品的需求也會增加，進而增加政府研發新技術和培養專業人才的壓力，從而綠色創新能力提高。

政府科技支出對湖北省域本城市和湖南省域城市的鄰近城市綠色創新效率收斂具有抑制作用，而對湖南省域本城市綠色創新效率收斂具有促進作用。地方政府的科技支出是雙刃劍，它能夠解決城市綠色創新活動資金不充足的問題，與此同時又會產生擠出效應，導致企業更加依賴財政扶持，進而失去了市場競爭力，從而創新活力下降；另一方面，一定程度上的財政扶持可以增加企業研發投入資金，降低企業研發風險，進而提高了企業從事綠色生產的積極性和持續性。

環境規制強度對長江中游城市群和湖北省域本城市綠色創新效率收斂具有抑制作用，而對湖南省域本城市綠色創新效率收斂具有促進作用。一方面，環境規制倒逼企業增加相關投資，企業為了彌補這些成本，會擴大生產規模而不顧犧牲環境的代價，并將環境外部成本內部化，產生擠出效應，從而創新部門投資減少，導致創新產出下降；另一方面，環境規制強度的提升會增加企業環保壓力，迫使企業進行新技術研發，進而提升綠色技術創新效率。此外，環境規制強度的空間滯后項系數顯著為0.058，這說明湖北省域環境規制對鄰近城市的綠色創新效率產生了“回波效應”，存在“以鄰為伴”現象。

教育水平對長江中游城市群、湖南省域、江西省域本城市綠色創新效率收斂具有促進作用，而抑制江西省域城市的鄰近城市綠色創新效率收斂。人力資本是提升城市綠色創新效率的驅動力，教育水平的提升可以有效提高勞動者專業水平和創新能力，并產生人才集聚效應和溢出效應，有利于污染治理，實現綠色創新。

產業結構對江西省域本城市綠色創新效率收斂具有顯著促進作用，抑制其鄰近城市綠色創新效率收斂，而會促進湖南省域城市的鄰近城市綠色創新效率收斂。產業結構由重型化、硬型化向輕度化、柔性化轉型，由高載能、高污染向低消耗、綠色化升級，改變了生產方式，促使產業網絡沿著價值鏈不斷攀升，充分釋放產業結構優化紅利的同時，也會帶來一定的環境外部效應，一二三產業合理配置，減少污染物排放量。

金融支持水平對長江中游城市群整體、湖北省域、江西省域本城市綠色創新效率收斂有顯著促進作用，而對長江中游城市群整體、湖北省域、湖南省域城市的鄰近城市綠色創新效率收斂有抑制作用。一方面，企業作為開展綠色創新活動的主體，需要投入大量的科研經費，而金融資金支持可以有效降低企業的信貸壓力，激發企業科技創新的潛力，使企業有充足的資金進行科技研發；另一方面，受市場驅動力的影響，綠色創新資源易向金融市場開放度較高的地區集聚。

可見，長江中游城市群綠色創新效率分異趨勢主要是由各省域不同收斂速度導致的，而這種收斂速度差異性是由于經濟發展水平、政府科技支出、環境規制、教育水平、產業結構、金融支持水平等不同類型因素和影響機制共同作用驅動，從而形成了長江中游城市群綠色創新效率分異趨勢驅動機制的框架圖(圖10)。

圖10 綠色創新效率分異驅動機制圖

此外，本文驗證模型穩健性的思路主要是通過更換不同空間權重矩陣進行模型結果估計。根據模型結果可知，三種不同空間權重矩陣下條件收斂中β系數和ρ系數顯著性均在1%顯著性水平下通過檢驗，同時，其他控制變量回歸結果變化不大，進而驗證本文結果的穩健性。

4 結論與建議

4.1 結論

(1)長江中游城市群綠色創新效率基本形成了以武漢、長沙、南昌、宜昌、襄陽等城市為多中心的空間格局，省域內綠色創新效率值的絕對差異基本固化、相對差異有較大程度縮小，東西地區和南北地區綠色創新效率的分異度均呈現縮小的趨勢。顯然，在區域協調發展戰略下長江中游城市群綠色創新效率的差異減小，且正在向協同化方向演變。

(2)長江中游城市群綠色創新效率收斂速度不盡相同，收斂速度快慢依次是江西省域、湖南省域、湖北省域。可見，長江中游城市群綠色創新效率分異趨勢存在明顯的差異性，而這種分異趨勢的差異性主要通過綠色創新效率收斂速度不同表現出來的。

(3)長江中游城市群綠色創新效率分異趨勢的差異主要由于經濟發展水平、政府科技支出、環境規制、教育水平、產業結構、金融支持水平等多種不同類型因素和影響機制共同作用驅動。因此，長江中游城市群綠色創新效率的提高不僅僅依賴于城市的綠色創新要素稟賦，還取決于不同類型因素的作用機制。

4.2 建議

(1)轉變經濟發展模式，加快產業轉型升級。以發展循環、綠色、低碳經濟為契機，促進粗放式的經濟發展方式向高質量發展模式轉變，產業結構由重型化、硬型化向輕度化、柔性化轉型，降低資源依賴型產業比重，大力發展第三產業。

(2)搭建創新科研平臺，增強自主創新能力。以搭建企業綠色創新平臺、培養綠色創新人才為基礎，發揮科技引領發展和人才集聚的優勢，深化“產學研”合作機制。加強污染物分離、處置和處理等技術應用，借助新一代信息技術從生產源頭到末端全方位地標識污染物流通環節，倒逼企業加強綠色創新技術的應用。

(3)加大金融支持力度，優化環境規制工具。調整政府政策支持方式，放寬綠色創新企業金融信貸約束，并建立有效的資金使用和監督機制，避免造成資金“擁擠”。通過創新補償效應激發企業綠色創新動力，并利用公眾對美好生活的訴求推動差異化的環境規制政策制定、實施和完善，縮小各省域綠色創新效率差距。