黃河流域綠色創新效率時空差異性研究

吳江婷，田 原

（1.鄭州大學 商學院，河南 鄭州 450001；2.中鐵七局 鄭州公司，河南 鄭州 450052）

《黃河流域生態保護和高質量發展規劃綱要》［1］指出“我國加快綠色發展給黃河流域帶來新機遇，特別是加強生態文明建設、加強環境治理已經成為新形勢下經濟高質量發展的重要推動力”，要求“堅持生態優先、綠色發展”“發展新興產業，推動清潔生產，堅定走綠色、可持續的高質量發展之路”。黃河流域生態環境脆弱，工業發展缺乏創新活力，傳統的工業企業發展對黃河流域生態環境造成嚴重的負面影響，工業廢物排放帶來巨大生態壓力，因此加快提高工業企業綠色創新能力和綠色創新效率是實現黃河流域高質量發展的重要途徑。國內關于綠色創新效率的研究，主要集中在綠色創新效率的區域性評價［2－4］、影響因素［5－8］、綠色創新協同效應［9－10］等方面，較少結合黃河流域實際情況進行分析。針對黃河流域經濟高質量發展與生態保護耦合協調關系、生態補償、生態效率等方面的研究是目前的熱點［11－17］，但關于綠色創新效率的研究相對較少。筆者運用超效率模型Super－SBM和Malmquist指數法對2010—2019年黃河流域九省（區）的綠色創新效率時空差異進行了研究，并采用Tobit模型對黃河流域綠色創新效率的影響因素進行分析，以期為黃河流域各省（區）實施生態保護和高質量發展提供參考。

1 研究方法和數據來源

1.1 研究方法

1.1.1 超效率模型Super－SBM

超效率模型Super－SBM彌補了傳統SBM模型的不足，可以對多個有效決策單元進行排序和比較［18］，具體形式（目標函數和約束條件）如下：

式中：θ為目標效率值，θ值越大表示效率越高，θ≥1時表明決策單元達到DEA有效水平；m為投入指標個數；為第i項投入的松弛變量；xik為第k個單元的第i項投入；s為產出指標個數；為第r項產出的松弛變量；yrk為第k個單元的第r項產出；xij為第j個單元的第i項投入；λj為第j個單元的權重；n為被評價單元個數。

1.1.2 Malmquist指數法

超效率模型Super－SBM從靜態角度度量生產（創新）效率，無法反映不同時段效率的變化。為研究效率的動態趨勢，采用Malmquist指數法［19］（其主要優點是可以跨越時間對評價單元的效率進行研究）推算綠色創新全要素生產率變化指數（Tfpch），并將其分解為技術效率變化指數（Effch）、規模效率變化指數（Sech）、純技術效率變化指數（Pech）、技術進步變化指數（Techch），主要公式如下：

式中：xt、xt＋1分別為第t期和第t＋1期的投入；yt、yt＋1分別為第t期和第t＋1期的產出；Dt（）和Dt＋1（）分別為第t期、第t＋1期投入產出距離函數。

Tfpch小于1時，表示全要素生產率下降；Tfpch大于1時，表示全要素生產率上升；Tfpch等于1時，表示全要素生產率不變。

1.1.3 Tobit模型

采用Tobit模型（其對參數估計的誤差較小）對黃河流域綠色創新效率影響因素進行分析。根據黃河流域綠色創新發展有關數據的可得性并參考有關學者的研究，選取經濟發展水平（ECO）、技術市場成熟度（MAR）、政府支持力度（GOV）、對外開放水平（OPEN）作為綠色創新效率的影響因素（各影響因素的量化指標和對綠色創新效率的預期作用方向見表 1），把Super－SBM模型計算的綠色創新效率作為被解釋變量，構建黃河流域綠色創新效率與影響因素關系的Tobit模型：

表1 各影響因素的量化指標及預期作用方向

式中：GIE為Super－SBM模型計算的綠色創新效率；β0為常數；β1、β2、β3、β4為回歸系數；ε為隨機擾動項。

采用2010—2019年黃河流域九省（區）的面板數據，按照Tobit模型進行回歸分析，根據回歸分析結果，分析綠色創新效率的主要影響因素。

1.2 評價指標體系

參考國內外學者的相關研究，設置工業資本投入、工業勞動力投入、工業能源投入3個投入指標，工業新產品開發項目數、新產品銷售收入、有效發明專利數3個期望產出指標，工業廢水、工業廢氣、工業固體廢物3個非期望產出指標，見表2。參考有關學者的研究思路［20－22］，將非期望產出作為投入要素，這符合非期望產出越少越好的目標。此外，考慮到工業非期望產出不完全源自創新活動，如果全部作為產出指標，會夸大創新活動的污染物排放量，故參考呂洪燕等［23］的做法，按照地區工業新產品銷售收入占地區工業營業收入的比例來分配非期望產出；同理，按照地區工業新產品銷售收入占地區工業營業收入的比例來分配工業能源投入。

表2 綠色創新效率綜合評價指標體系

1.3 數據來源

研究所用黃河流域九省（區）的有關數據來源于2011—2020年《中國環境統計年鑒》《中國能源統計年鑒》《中國統計年鑒》《中國科技統計年鑒》《中國城市統計年鑒》以及各省（區）的相關統計年鑒。個別缺失數據采用線性擬合方法對其進行估算。

2 綠色創新效率計算結果分析

2.1 綠色創新效率計算結果

采用超效率模型Super－SBM計算的黃河流域各省（區）2010—2019年綠色創新效率見表3。

表3 超效率模型計算的各省（區）綠色創新效率

由表3可知：2010—2019年黃河流域各省（區）綠色創新效率差異較大，變化范圍為0.078～1.551；整體上看，流域均值變化范圍為0.591～1.077，時段平均值為0.909（接近DEA有效水平）；各省（區）差別較大，按時段均值由高到低排序為川、魯、豫、陜、青、寧、甘、晉、內蒙古，最高的四川省為1.331，最低的內蒙古僅為0.434；2019年除寧夏和陜西外，其他省（區）均達到DEA有效水平。

將黃河流域分為上游、中游、下游3個區域（上游包括青、川、甘、寧，中游包括內蒙古、陜、晉，下游包括豫、魯），各區域綠色創新效率平均值大致表現為下游＞上游＞中游，見圖1。2010—2019年下游地區綠色創新效率變化幅度相對較小，在1.1左右徘徊；中游地區和上游地區綠色創新效率波動較大，其中上游地區在1.0上下波動、中游地區在0.6上下波動。

圖1 各區域綠色創新效率均值變化情況

2.2 全要素生產率變化指數及其分解結果

運用Malmquist指數法推算的2010—2019年黃河流域綠色創新全要素生產率變化指數及其分解結果見表4。

表4 黃河流域綠色創新全要素生產率變化指數及其分解結果

由表4可知，黃河流域綠色創新全要素生產率逐年變化指數均大于1、時段平均值為1.139，表明黃河流域綠色創新全要素生產率整體上呈上升趨勢。由綠色創新全要素生產率變化指數逐年變化情況來看，黃河流域綠色創新全要素生產率在2016—2017年增幅最大（達39.4%），2014—2015年增幅最小（僅為0.4%）。Tfpch在2010—2015年呈現下降趨勢，于2014—2015年觸底后反彈，在2016—2017年達到峰值。其原因是，2016年為“十三五”規劃的開局之年，“十三五”規劃進一步強調生態文明建設和五大發展理念，使黃河流域綠色創新水平明顯提升。

2010—2019年技術效率和技術進步的時段平均增長率分別為1.9%和11.8%，因為Effch和Techch的乘積等于Tfpch，因此實證結果表明技術進步對全要素生產率的正面影響較技術效率的大。從技術進步變化指數的變化情況看，2010—2011年、2013—2014年、2015—2016年、2016—2017年 增 幅 較 大，特 別 是2010—2011年增幅達到44.0%，而2014—2015年、2018—2019年下滑明顯。

黃河流域各省（區）綠色創新全要素生產率變化指數及其分解結果見表5。由表5可知，黃河流域九省（區）綠色創新全要素生產率變化指數除寧夏小于1外其他省（區）都大于1，說明近些年黃河流域各省（區）綠色創新情況整體比較樂觀。綠色創新全要素生產率提升較快的省份有青海、四川、陜西，較慢的省份有內蒙古、甘肅；綠色創新全要素生產率變化指數最大值為青海1.317，最小值為寧夏0.946，二者之差達0.371，表明綠色創新全要素生產率變化情況空間差異明顯。青海是綠色創新全要素生產率上升最快的省份，主要原因是青海省工業規模小、發展空間大；寧夏的綠色創新全要素生產率變化指數只有0.946，其分解結果表明，Effch、Techch、Sech均小于1，說明在綠色創新技術和規模管理等方面存在不利于綠色創新全要素生產率提升的問題。陜西和寧夏的技術效率變化指數小于1，說明這兩個省（區）的綠色創新技術效率在2010—2019年整體上是下降的，應該引起重視。

表5 各省（區）綠色創新全要素生產率變化指數及其分解結果

3 綠色創新效率影響因素分析

運用Stata16.0軟件進行綠色創新效率影響因素指標數據處理和Tobit模型回歸分析，結果見表6。

表6 黃河流域綠色創新效率影響因素Tobit回歸分析結果

由表6可知：①經濟發展水平ECO與綠色創新效率之間呈現負相關性（顯著性水平為1%），說明經濟發展對黃河流域綠色創新效率有明顯的阻礙作用，這與預期的正向作用不一致，原因可能是經濟發展中忽視了對環境帶來的壓力，故綠色創新效率與經濟發展之間呈現負相關；②技術市場成熟度MAR與綠色創新效率之間呈現正相關性（顯著性水平為5%），表明技術市場成熟度的提高有利于提升綠色創新效率，原因是技術市場交易越順利、規模越大，創新氛圍就越濃厚，各類工業企業就會爭相研發創新、提升技術水平、將綠色創新納入企業的發展規劃，直接促進了黃河流域綠色創新效率的提升；③政府支持力度GOV與綠色創新效率之間呈現正相關性（顯著性水平沒有達到10%），表明政府支持對于黃河流域綠色創新效率的提升具有正向作用，但作用不顯著，其原因可能是政府制定的政策缺乏針對性、實施不到位等導致政府支持沒有達到預期效果；④對外開放水平OPEN與綠色創新效率之間呈現正相關性（顯著性水平為1%），說明對外開放對提升黃河流域綠色創新效率起到了正向作用，原因是對外開放可吸納外部資金、加快企業資金流動等，對提升企業創新、科技研發的積極性起到正向影響，隨著對外開放水平的提高會引進具有低污染優勢的新技術、引發技術擴散效應，促進區域整體競爭力的提升。

4 結 論

（1）采用超效率模型Super－SBM計算2010—2019年黃河流域各省（區）綠色創新效率，結果表明：2010—2019年黃河流域平均綠色創新效率為0.909，接近DEA有效水平；各省（區）綠色創新效率差異較大，大體表現為下游省份（魯、豫）＞上游省份（青、川、甘、寧）＞中游省份（內蒙古、陜、晉）；2019年除寧夏和陜西外，其他各省（區）均達到了DEA有效水平。

（2）采用Malmquist指數法推算2010—2019年黃河流域綠色創新全要素生產率變化指數并對其進行分解，間接分析黃河流域綠色創新全要素生產率動態變化情況，結果表明：綠色創新全要素生產率逐年變化指數均大于1、時段平均值為1.139，即黃河流域綠色創新全要素生產率整體呈上升趨勢；從各省（區）來看，綠色創新全要素生產率提升較快的省份有青海、四川、陜西，提升較慢的省份有內蒙古、甘肅，下降的有寧夏。

（3）采用Tobit模型對黃河流域綠色創新效率影響因素進行分析，結果表明：經濟發展對黃河流域綠色創新效率有一定負面影響，政府支持對提升黃河流域綠色創新效率的作用不顯著，技術市場成熟度和對外開放水平對綠色創新效率有積極影響。建議重視區域均衡發展，加快提升企業綠色創新技術水平，堅持對外開放戰略，增強政府監管的有效性，全面推進黃河流域工業企業綠色創新效率提升。