京津冀城市群綠色創新效率測度及空間效應研究

王保林 戶艷領 李依彎

摘 要：提高綠色創新效率是解決城市群發展中各種問題、推進協同發展的必經之路?；?006—2018年京津冀城市群的面板數據，構建隨機前沿生產函數測度京津冀城市群綠色創新效率，進而運用莫蘭指數分析其空間關聯，并進一步構建經濟地理空間權重矩陣和空間杜賓模型展開溢出效應分析。結果表明：研究期內城市間的綠色創新效率差距有所縮小，但整體上仍不均衡；京津冀城市群的綠色創新效率存在空間正自相關性，呈現高高聚集、低低聚集的空間分布特征；對外開放程度、基礎設施建設和信息化程度對城市群的綠色創新效率存在顯著的直接效應，對外開放程度、城市人口、勞動力素質、基礎設施建設等因素對城市群的綠色創新效率存在顯著的溢出效應。

關鍵詞：京津冀城市群；綠色創新效率；隨機前沿生產函數；空間溢出效應

中圖分類號：F127 文獻標識碼：A 文章編號：1007-2101（2023）02-0088-12

收稿日期：2022-09-02 修訂日期：2023-02-27

基金項目：河北省科學技術廳軟科學研究專項“河北省科技服務高質量發展綜合測度及區域創新鏈容和路徑研究” （21557644D）；? ? ? ? ? ? ? ? ?國家社會科學基金項目“京津冀生態涵養區土地價值核算及生態補償研究”（16BJY027）；河北省人才工程培養? ? ? ? ? ? ? ? ?資助項目“京津冀城市群綜合承載力測度及應用研究”（A201903003）

作者簡介：王保林（1972-），男，河北滄州人，河北醫科大學第三醫院高級經濟師；戶艷領（1977-），男，河北廊坊人，河北? ? ? ? ? ? ? ? 大學教授，博士生導師。

一、引言

城市群發展是區域發展的重大引擎，尤其是中心城市在區域發展中發揮著引領帶動作用和輻射作用［1］。城市群的發展推動了技術和人才等創新要素的聚集，對于優化資源配置、提高創新成果轉化具有重要意義，同時也提高了對環境的要求，倒逼技術創新的綠色可持續發展。近年來城市發展中經濟發展與生態建設不同步、綠色創新效率不高等問題凸顯，為解決這些問題，必須轉變以高投入帶動高產出的生產方式，提高綠色創新效率。但區域創新資源的配置狀況還是未知數，亟需從創新效率的角度對創新質量進行科學評價［2］。

綠色創新效率是對傳統創新效率的發展［3］，是衡量一個地區可持續發展能力的重要指標［4］。將綠色發展與創新相結合，提高綠色創新效率，對于實施創新驅動發展戰略、提高城市群綠色發展水平具有重要意義。綠色技術創新具有外部溢出性的特征，具有輻射和協同作用［5-6］，而創新效率在城市群中存在空間關聯和空間溢出效用［7-8］。因此區域發展中亟需優化城市功能定位，充分發揮核心大中城市的空間輻射作用，擴大正溢出效應，帶動城市群內部創新技術的協調發展。

筆者以京津冀區域的北京市、天津市和河北省11個地級市為研究區域展開城市群研究。“全國創新驅動經濟增長新引擎”是京津冀整體定位之一，目前雖已取得顯著成績，但京津冀城市群創新能力與長三角、珠三角城市群相比還存在一定差距［9］。根據首都科技發展戰略研究院自2017年開始發布、已連續發布6年的《中國城市科技創新發展報告》顯示，城市科技創新發展指數排名前20位的城市中，京津冀城市中一直都只有京津入選，北京的科技創新發展指數連續6年蟬聯榜首［10］，這也表明京津冀城市群內部的創新能力發展較為懸殊。從環境污染和生態效益來看，京津冀城市的空氣質量在全國排名較為靠后，提升綠色創新效率及其正外溢效應更顯示出緊迫性。然而，京津冀城市群目前綠色創新效率如何？是否存在區域間的空間關聯及溢出效應？綠色創新效率溢出效應的影響因素包括哪些方面？回答這些問題是目前提升綠色創新效率的關鍵?；谏鲜鰡栴}，本文采用隨機前沿生產函數對京津冀城市群的綠色創新效率進行測度，進一步通過構建莫蘭指數和空間杜賓模型分析京津冀城市群綠色創新效率的空間相關性、溢出效應及影響因素，分解綠色創新效率空間溢出的直接、間接和總效應。

二、文獻綜述

融入綠色理念的創新效率研究逐步受到廣泛關注。在創新效率評價的指標選擇上，以往的研究多以人力投入和資金投入作為創新投入的主要指標、以專利授權量作為創新產出的指標來測度和評價創新效率［8，11-12］，綠色創新效率評價中的產出變量多采用在傳統產出變量中加入環境效益或生態效益指標的方式［13］。研究方法上主要有數據包絡分析（DEA）、隨機前沿分析（SFA）以及改進的DEA、SFA等方法，在使用過程中各有所長。DEA是一種以數學規劃法為基礎的非參數分析方法，其優點在于不需要建立變量之間嚴格的函數對應形式，只通過數據進行擬合，在多投入多產出的效率測度方面比參數方法更具優勢［12，14］；局限性在于在進行線性規劃時無法通過檢驗統計量來判斷模型的擬合結果，有時還需要舍棄一些樣本值，最終會影響結果的穩定性。SFA是一種參數方法，將生產前沿面和隨機的生產邊界統一起來，通過統計方法對參數進行求解，可以將純隨機誤差與非效率項分開，解決了隨機誤差項的問題［15］。

由于知識溢出效應以及城市群所處的發展階段等的影響，城市群內部城市之間的交互作用會影響各城市的創新發展水平［16］。從空間關聯效應和空間聚焦效應看，一些研究顯示環渤海旅游產業綠色創新效率空間相關性較為突出［17］，我國工業企業綠色創新效率本身具有顯著的空間相關性［18］，我國省域工業企業綠色創新效率具有很明顯的正向空間集聚效應［19］。從空間溢出效應來看，以往文獻也對一些影響因素做了研究，如科技創新環境、外商直接投資和能源結構對綠色創新效率的空間溢出效應為負［20］；貿易開放程度的空間溢出效應為負［21-22］。

綜上，研究空間上，以往文獻圍繞全國、省域、區域以及行業等均展開了大量研究［23-26］，如殷群和程月測度2009—2013年我國各區域的綠色創新效率時發現各地區的綠色創新效率值呈上升趨勢，但是區域差異性明顯［23］。一些文獻以城市群作為研究對象，如黃河下游城市群、長三角和珠三角城市群等展開研究［27-28］，劉建華和王明照研究發現，黃河下游城市群創新溢出格局形成了鄭州、濟南、青島和蚌埠四大中心、集聚程度東高西低局面［27］；張鴻武和李濤研究發現長三角城市群創新活動空間集聚特征明顯，珠三角城市群創新活動空間相關性弱［28］。這些研究結論多數發現空間上的差異特征，為本文的空間溢出效應提供了很好的基礎。然而目前關于京津冀城市群的綠色創新效率及空間效應的研究很少，如彭曉靜用DEA-BCC模型和Malmquist指數法對2012—2018年京津冀城市群科技創新效率進行靜態和動態評價［2］；李健和馬曉芳研究京津冀13個城市的綠色創新效率，結果顯示經濟發展水平、產業結構等因素對綠色創新效率有正向驅動作用［29］，這些研究從方法和影響因素的篩選以及空間分析上為本文研究提供了很好的參考。在研究方法上，綠色創新效率測度多采用非參數模型，但很難將隨機誤差項中的非效率部分與純粹的隨機誤差分隔開來。在空間矩陣構建上，京津冀區域綠色創新效率的空間效應分析中多采用空間鄰接矩陣和空間地理距離矩陣，未充分考慮社會經濟因素的影響。基于此，本文采用隨機前沿生產函數測度綠色創新效率，在分析空間效應時構建空間經濟距離矩陣，結合莫蘭指數和空間杜賓模型分析空間相關性、溢出效應及影響因素。

三、模型設定、變量選取與數據說明

（一） 構建隨機前沿生產函數

計算京津冀城市群的綠色創新效率時，筆者選擇以隨機前沿分析（SFA）為代表的參數分析方法［30］。Coelli研究了面板數據的隨機前沿生產函數［31］，其模型形式為：

式（1）中，yit是第i個城市在第t年的綠色創新產出，xijt是第i個城市第j個投入指標在第t年的投入量，隨機擾動項分解為vit和uit，vit是不可控的隨機擾動項，uit稱為技術非效率項，服從非負斷尾正態分布。

式（2）中，表示時間因素對uit的影響，>0表示技術非效率項隨時間的推移而降低，綠色創新效率呈相反趨勢；<0表示技術非效率項隨時間的推移而提高；=0則說明其不隨時間改變［8］。

本文中采用超越對數生產函數形式的隨機前沿模型：

式（3）中，Q為綜合產出、K為資金投入、L為人力投入、E為能源投入。綠色創新效率為exp（-uit），取值分布于0～1之間，值越大代表效率結果越理想。

（二）計算全局莫蘭指數和局部莫蘭指數

“地理學第一定律”提出事物之間的相關性與事物之間的距離有關，一般來說，事物之間的距離越近，它們的相關性越大；距離越遠，它們的相異性越大［32］。京津冀城市群的綠色創新效率的空間相關性可以分為全局空間相關性和局部空間相關性，使用全局莫蘭指數測度綠色創新效率的全局空間相關性，使用局部莫蘭指數測度綠色創新效率的局部空間相關性。全局莫蘭指數的計算公式為：

式（4）中，xi代表第i個城市的綠色創新效率，wij代表空間權重矩陣，S2代表樣本方差。一般莫蘭指數的取值為-1≤Moran′s I≤1，當Moran′s I＞0時表示觀測值之間存在空間正自相關，即高值與高值相鄰、低值與低值相鄰；Moran′s I的絕對值越大表示越相關［32］。

通過局部莫蘭指數統計量和莫蘭散點圖來分析城市群內部綠色創新效率的局部聚集狀況［29］。計算公式為：

式（5）中，xi，S2和wij與全局莫蘭指數公式中同義，局部莫蘭指數大于0時顯示高發展地區周圍地區也是高發展地區，低發展地區周圍也是低發展地區，局部莫蘭指數小于0時顯示高發展地區與低發展地區相鄰［32］。

進一步設定空間權重矩陣。設定經濟距離空間權重矩陣和經濟地理空間權重矩陣兩種矩陣，分別記為W1和W2。經濟距離空間權重矩陣的計算方法是兩個城市的實際人均GDP差值的絕對值的倒數，即空間權重矩陣的元素Wij=1/（|agdpi-agdpj|）。經濟地理空間權重矩陣是將兩個城市的地理距離與經濟距離加權求和，作為經濟地理空間權重矩陣的元素，具體計算方法為Wij=α×1/（|agdpi-agdpj|）+（1-α）×1/d2ij，agdpi表示第i個城市研究期間內的平均人均GDP，dij表示第i個城市和第j個城市之間的地理距離，由于研究范圍為京津冀城市群，將其作為一個關聯整體，因此更加側重經濟關聯，結合以往文獻，這里設定α為0.7。

（三） 選擇空間計量模型

通過構建空間計量模型對京津冀城市群的綠色創新效率影響因素及空間溢出效應進行分析，面板數據空間計量模型的一般形式為［8，33-34］：

式（6）中，為綠色創新效率的空間溢出效應，wi′yt是綠色創新效率之間的內生交互效應，表示解釋變量的空間溢出效應，w′xit是解釋變量之間存在的外生交互效應，表示誤差項之間的空間溢出效應，wi′? t是不同單位的隨機擾動項之間存在的交互效應，依據 、 ? ? ? ? 、是否等于0來判斷最終模型的形式，即空間杜賓模型（SDM）、空間滯后模型（SAR）、空間誤差模型（SEM）。

（四） 變量選取及數據來源

1.綠色創新效率評價的投入產出變量的篩選。（1）投入變量。在綠色創新效率的投入指標上，人力、財力和能源投入是城市進行綠色創新生產的先決條件，在已有的研究中很多采用R&D內部經費支出和R&D人員全時當量作為創新投入的指標［8，11-12］，然而除了直接的研究與試驗發展經費支出外，還存在間接起到“乘數效應”的人力、財力投入，為使得人力投入核算范圍更為全面和精確，本文采用從事科技工作的人員數核算人力投入（L），并采用財政支出中的科技支出作為創新投入（K）的測度指標。在能源投入（E）方面選擇供氣總量作為京津冀城市群綠色創新投入的測度指標，天然氣熱值、熱效率相對高并且相對清潔、污染小，消費總量近年來處于較快提升過程中，能夠很好地描述綠色創新投入。（2）產出變量。在綠色創新效率的產出指標方面，既包括專利、經濟發展等期望產出，也包括資源環境的消耗等非期望產出。所有產出變量包括專利授權量、地區人均GDP、單位GDP能耗和環境污染。專利授權量是一個城市創新成果的重要體現，可以全面反映城市的創新能力，是應用最為廣泛的創新產出指標。地區人均GDP反映城市經濟發展狀況，是城市群創新活動的直接成果。單位GDP能耗表示每萬元GDP的能源消耗量，反映了城市群創新活動的綠色程度，同時單位GDP能耗的倒數反映的是每單位標準煤的經濟效益，是單位能源消耗的經濟指標［35］。環境污染作為創新生產活動的非期望產出，選取工業廢水排放量、工業SO2排放量和工業煙粉塵排放量三個指標，通過熵權法計算得到環境污染指數。

由于隨機前沿分析無法處理多產出的效率問題，借鑒蔣天穎等人的研究，運用熵權法將期望產出和非期望產出等指標加權形成一個表征綠色創新產出的綜合產出指標［36］，如表1所示。

2.綠色創新效率影響因素及空間溢出效應模型變量的篩選。參考已有的研究，選取環境規制強度、對外開放程度、產業結構、城市人口、勞動力素質、基礎設施建設和信息化程度7個指標作為城市群綠色創新效率的影響因素，如表2所示。

環境規制強度（er）。波特假說認為環境規制強度有利于綠色創新活動，在合理的環境規制強度下，綠色創新活動既能保障城市的環境效益，也能提高城市的經濟效益［37］。參考于彬彬等人的研究，采用工業二氧化硫去除率和工業煙粉塵去除率兩個指標來構建環境規制強度［38］。

對外開放程度（fdi）。對外開放通過吸收資金、引入外部技術來推動城市創新活動的發展，形成技術擴散效應。選取實際利用外商投資與當年GDP的比值作為對外開放程度的描述指標。實際利用外商投資的單位為美元，通過當年的年平均匯率轉化為人民幣幣值。

產業結構（is）。產業結構升級推動城市產業活動向環保、節能的方向發展，對于提高城市的綠色創新效率有重要影響作用，采用第三產業產值占GDP的比重作為表征城市產業結構的指標。

人力資源是城市綠色創新活動的基礎，是區域技術創新的重要因素，而高校與科研機構作為創新活動的主體，有利于城市創新競爭力的提高。人力資源包含城市人口（peop）和勞動力素質（student）兩方面，采用城市年平均人口作為表征城市人口的指標；選取萬人在校大學生人數描述城市的勞動力素質。

基礎設施建設（pt）和信息化程度（internet）為城市的創新活動提供了基礎，良好的基礎設施建設有助于人力資源的技術創新活動，較高的信息化程度有利于創新技術的交流合作與進步，分別采用地區郵電業務總量占GDP的比重和每萬人互聯網用戶數作為表征基礎設施建設和信息化程度的指標。

3.數據來源。本文采用的數據為2006—2018年京津冀城市群的面板數據，城市群綠色創新效率投入變量、產出變量以及影響因素指標數據主要來自《中國城市統計年鑒》（2007—2019），部分數據來自《中國科技統計年鑒》《北京統計年鑒》《天津統計年鑒》《河北經濟年鑒》及教育部網站、京津冀城市各年度的國民經濟和社會發展統計公報。專利授權量、單位GDP能耗、工業煙粉塵產生量、工業二氧化硫產生量和供氣總量這五個指標存在缺失值。根據各城市工業煙粉塵產生量、工業二氧化硫產生量和供氣總量的變化趨勢對缺失值進行回歸填補；專利授權量和單位GDP能耗根據增長率進行填補，若缺失值處于起始年份則使用下一年份的增長率計算缺失值，若缺失值處于中間年份則根據上一年和下一年期間內的增長率計算缺失值，若缺失值處于結束年份則使用研究期間內的平均增長率計算缺失值。

四、實證結果與分析

（一） 京津冀城市群綠色創新效率與分析

1.模型分析結果。隨機前沿生產函數的計算結果見表3，和單邊似然比LR值都通過了5%的顯著性檢驗，技術非效率項對各城市的綠色創新活動有顯著影響作用。值等于0.006 7，大于0并且顯著。

2.京津冀城市群綠色創新效率的縱向比較分析。根據公式（1）（2）（3）求得京津冀城市群2006—2018年的綠色創新效率，如圖1、2、3所示。圖1顯示，從時間趨勢上看京津冀三地的綠色創新效率增長幅度比較小，有窄幅波動，亟需彌補短板大力提升效率。從空間上看京津冀綠色創新效率表現出明顯的區域差異性，其中北京的綠色創新效率相對最高，保持在0.9以上；天津的綠色創新效率居中，保持在0.7～0.8；河北省的綠色創新效率相對最低，各城市的平均水平在0.06～0.2窄幅增長?？臻g差異表明城市群內部綠色創新發展并不均衡，亟需推動城市間的協同發展，加強輻射帶動作用，擴大溢出效應。圖2顯示，就增長趨勢來看，河北省各市的綠色創新效率在2006—2018年的增長量均高于京津兩市，其中石家莊市的效率提升最大，為0.024，廊坊、衡水、秦皇島、滄州和保定的增長量都在0.02以上。圖3顯示，在研究期間內京津冀綠色創新效率的平均增長速度有差異，其中河北省各市的平均增長速度在1.2%以上，天津的平均增長速度為0.18%，北京的平均增長速度最小，為0.054%。結合前面的分析可以看出北京市的綠色創新效率相對較高，而其他城市還有很大的上升空間。由圖1和圖3可以發現，雖然河北與京津兩地的綠色創新效率水平還存在很大差距，但河北各城市保持了較高的創新增長趨勢，北京和天津對于河北的帶動仍有很大的空間。

3.京津冀城市群綠色創新效率的橫向比較分析。從京津冀各城市綠色創新效率結果可以進一步分析城市間的發展差異，見表4。

京津兩市的綠色創新效率均值分別為0.920 9和0.762 2，排名第一和第二。河北省各城市的綠色創新效率值分為兩個梯隊，第一梯隊包括石家莊、廊坊、衡水、秦皇島、滄州和保定，這六個城市的綠色創新效率值為0.1～0.2。石家莊作為河北省的省會，在基礎設施建設、科研資源投入方面都處于河北省的前列，近年來石家莊市實施“4+4”產業結構升級，推動了綠色創新活動的發展。第二梯隊的城市包括唐山、邯鄲、邢臺、張家口和承德，這五個城市的綠色創新水平處于0.06～0.1，體現出綠色發展不足，但同時也表明其綠色創新水平還有很大的上升空間。邯鄲和邢臺的污染狀況一直在全國處于前列，雖然近幾年環境狀況明顯改善，但綠色創新效率的提升仍需加快。總體來看，河北省各城市的綠色創新水平較低，應進一步擴大京津的科技溢出效應，發揮城市群中大城市的空間輻射作用。

（二） 京津冀城市群綠色創新效率的空間自相關分析

根據模型設計進一步檢驗京津冀城市群綠色創新效率的空間效應。表5顯示2006—2018年的全局莫蘭指數，在經濟距離空間權重矩陣下（W1）通過了5%的顯著性檢驗，在經濟地理空間權重矩陣下（W2）通過了10%的顯著性檢驗。莫蘭指數均為正值，表明京津冀城市群的綠色創新效率存在空間正自相關性，即綠色創新效率較高的城市聚集，綠色創新效率較低的城市聚集。在經濟距離空間權重矩陣下，莫蘭指數在0.230上下做窄幅波動；在經濟地理空間權重矩陣下，莫蘭指數值有所下降，基本維持在0.140上下做窄幅波動?？傮w來看莫蘭指數值呈現微弱的上升趨勢，表明京津冀城市群綠色創新效率的空間聚集程度逐漸加深。隨著京津冀協同發展的推進，京津冀城市群在創新、環保和發展等方面的合作愈發緊密，使得綠色創新效率的空間聚集特征逐步加強。

莫蘭散點圖的一三象限分別為高高聚集和低低聚集，二四象限分別為低高聚集和高低聚集。圖4是在經濟距離空間權重矩陣下的京津冀城市群2018年綠色創新效率的莫蘭散點圖，從中可以看出第一象限和第二象限均有兩個城市，其余九個城市都位于第三象限；圖5是經濟地理空間權重矩陣下的莫蘭散點圖，除滄州位于第二象限外，其余城市所處象限與圖4保持一致，其余年份的散點圖與2018年相差不大。結果顯示京津冀城市群內部呈現出空間正自相關性，空間同質性顯著，表明京津冀城市群的綠色創新效率存在顯著的空間溢出效應?？臻g聚集效應為高高聚集的城市有北京和天津，其周圍的廊坊和唐山屬于低高聚集城市，其余城市為低低聚集的城市，北京和天津對周圍城市在綠色創新效率方面的輻射帶動作用需進一步加強。

（三） 京津冀城市群綠色創新空間溢出效應分析

1.空間模型的選擇?；诳臻g自相關分析，進一步建立空間計量模型分析溢出效應。通過LR和Wald檢驗選擇合適的模型。在經濟距離空間權重矩陣和經濟地理空間權重矩陣下（見表6），LR-error、LR-lag、Wald-error、Wald-lag均在5%的顯著性水平下通過檢驗，豪斯曼檢驗統計量也在5%的顯著性水平下拒絕原假設，因此本文選擇建立時間固定的空間杜賓模型。

2.空間杜賓模型回歸結果。空間杜賓模型的回歸結果（見表7）表明，空間自相關系數在經濟距離空間權重矩陣（W1）下通過了10%的顯著性檢驗，在經濟地理空間權重矩陣（W2）下通過了1%的顯著性檢驗，進一步表明京津冀城市群的綠色創新效率存在空間相關性。從影響因素來看對外開放程度、基礎設施建設和信息化程度對綠色創新效率的影響顯著，對外開放程度、人口密度和勞動力素質具有外生交互效應。城市群內的基礎設施建設、信息化程度加強了城市之間的聯系，并且在長期的合作中為城市群間的人才、資金和資源的流動提供便捷，有助于綠色創新資源、綠色創新知識的溢出，促進城市群綠色創新效率的發展。

3.綠色創新效率的分解。進一步將京津冀城市群的綠色創新效率的空間溢出效應分為直接效應和間接效應，綠色創新效率影響因素引起的本地區的變化稱為直接效應，引起的其他地區的綠色創新效率的變化稱為間接效應，采用空間回歸模型偏微分的方法［39-40］，分解結果見表8。對外開放程度對本地的綠色創新效率的影響顯著為正，對周圍城市的綠色創新效率的影響顯著為負。一般來說，外商投資一方面能為當地帶來充足的研發資金，另一方面還會引進外部更先進的技術和更現代化的人才管理方案，有助于提高當地的綠色創新效率。但引進外商投資促進生產的同時，會加強對周圍地區的人才吸引力，造成一定的擠壓效應。

城市人口和勞動力素質作為人力資源的兩個因素對本地城市的直接效應并不顯著，對周圍城市的空間溢出效應為正。人才作為創新過程中的首要投入因素，有利于創新技術的吸收和發展、創新效率的提高。在實際生產過程中，城市人口的聚集程度提高經濟的活躍程度，但聚集度過高也容易帶來生活成本的增加，再隨著勞動力素質的提高，導致企業使用勞動力的成本提高，從而可能影響到研發投入。

基礎設施建設和信息化程度的直接效應在1%的顯著性水平下均為正，間接效應系數為負?；A設施建設的完善有利于企業創新活動所需的物質、設備、人力等資源在城市間的流通，且信息化程度越高越有利于企業獲取外部先進的創新技術和知識，也有利于資源要素在城市群內部的流通與共享?；A設施建設和信息化程度對周圍城市帶來間接消極影響，其原因在于城市群內部發展水平差異大，發展水平高的城市會吸引周邊地區創新要素資源的涌入，容易形成虹吸效應，將不利于周圍城市綠色創新效率的提高。

產業結構的直接效應和間接效應都不顯著，單從系數來看產業結構對本地城市的綠色創新效率的提高有負向影響，而對周圍城市的影響為正。隨著交通設施的完善和網絡信息流通，第三產業比重的提高會吸引更多的外部人員參與城市的科技創新活動，但是過度的人口聚集會對城市有限的資源造成負擔，將不利于綠色創新效率的提高。

環境規制的直接效應和間接效應雖然都不顯著，但系數都為正，在一定程度上反映了環境規制無論對本城市的綠色創新效率還是對周圍城市的綠色創新效率都有積極影響。通過環境規制來解決企業的污染排放，倒逼企業加大技術研發投入，促進創新技術發展。通過示范效應，帶動周圍城市的環境規制力度，促進周圍城市的綠色創新效率。

從直接效應來看，在兩種空間權重矩陣下，對外開放程度、基礎設施建設和信息化程度對綠色創新效率的直接效應影響顯著。其余變量中產業結構和勞動力素質對綠色創新效率有消極影響，但影響作用不大。

從間接效應來看，在經濟距離空間權重矩陣下，城市人口和勞動力素質對周圍城市的綠色創新效率的提高有積極作用，對外開放程度不利于周圍城市的綠色創新效率的提高；而在經濟地理空間權重矩陣下，勞動力素質的影響是正向顯著的，對外開放程度和基礎設施建設的影響是負向顯著的。對外開放水平有利于本地綠色創新效率的發展，但本地吸引外國資金、引進先進技術的同時，擠壓了周圍城市對外部資金和技術的吸收，容易導致綠色創新效率間接效應為負。

從總效應來看，在兩種空間權重矩陣下，僅勞動力素質和基礎設施建設對京津冀城市群綠色創新效率有顯著影響，其余變量中除對外開放程度外其他變量的總效應均為正。環境規制的直接效應、間接效應和總效應在統計學上并不顯著，但系數均為正依然表明環境規制強度的提高有利于城市群內部綠色創新效率的提高。

4.模型的穩定性檢驗。使用相同的空間權重矩陣，構建空間滯后模型（SAR）、空間誤差模型（SEM）和綠色創新效率滯后一期的空間杜賓模型（SDM.lag）。表9為SAR、SEM和SDM.lag的模型回歸結果，其中各解釋變量的系數和顯著性差異不大；表10為穩健性檢驗的空間溢出效應，各變量的結果很相似，構建的模型通過穩健性檢驗。

五、研究結論與政策啟示

本文選取綠色創新效率的投入與產出指標，采用SFA計算2006—2018年京津冀城市群的綠色創新效率，并計算空間相關性，構建面板數據空間計量模型分析京津冀城市群綠色創新效率的影響因素及空間溢出效應，得出以下結論與啟示。

第一，京津冀城市群綠色創新效率縱向持續窄幅增長，各城市之間的效率差距有縮小趨勢。通過建立超越對數形式的隨機前沿生產函數計算京津冀城市群內部的綠色創新效率，從縱向上看，2006—2018年京津冀城市群的綠色創新效率均呈現出增長趨勢，總體來看增長幅度較小，平均增長量為0.018 1。從空間維度來看，京津冀城市群內部各城市的綠色創新效率差距較大，北京市最高，平均效率達0.920 9；其次是天津市，平均效率為0.762 2；河北省各城市的效率都較低，均在0.2以下，京津的空間輻射效應提升空間很大。綜合來看，在研究期間內，京津冀城市群內部城市的綠色創新效率持續窄幅增長，各城市之間的效率差距有縮小趨勢。

第二，全局莫蘭指數的計算結果表明，京津冀城市群的綠色創新效率的全局莫蘭指數通過顯著性水平檢驗，并且莫蘭指數都為正，表明京津冀城市群的綠色創新效率在總體上呈現顯著的空間聚集效應。局部莫蘭指數的結果表明京津冀城市群內部的綠色創新效率呈現出高高聚集、低低聚集和低高聚集的空間分布特征。因此在制定創新政策時，要充分考慮城市群內部的資源稟賦差異，加強城市群內部的交流合作，如以京津兩地為中心支撐點，建立創新技術交流機制，為京津高?？蒲袡C構與河北各市就先進技術交流提供便捷，充分發揮京津兩地的帶動作用，提高城市群內其他城市的創新效率，逐步縮小城市之間的差異。

第三，通過建立空間杜賓模型對各影響因素的空間溢出效應進行分析，結果表明對外開放程度和基礎設施建設存在顯著的直接效應，對外開放程度對周圍城市的空間溢出效應也顯著。城市人口、勞動力素質對周圍城市綠色創新效率的空間溢出效用顯著，而信息化程度有利于本地綠色創新效率的提高。因此提升京津冀城市群綠色創新效率，可以提高對外開放水平，吸引外部投資，但在引入外商投資時要提高對外商投資的質量要求，以優質投資帶動創新技術的進步；在人力資源的投入方面，在提高勞動力素質的同時，政府和企業還要注重保障科研工作人員的科研經費和經濟生活，避免人才流失。在基礎設施建設方面，完善基礎設施和信息系統建設，減少京津冀內部資源流動、人員交流和知識溢出的障礙。

參考文獻：

［1］張學良，楊朝遠.發揮中心城市和城市群在區域協調發展中的帶動引領作用［N］.光明日報，2020-01-14.

［2］彭曉靜.京津冀城市群創新效率及影響因素研究［J］.技術經濟與管理研究，2021（2）：118-122.

［3］李曉陽，趙宏磊，林恬竹.中國工業的綠色創新效率［J］.首都經濟貿易大學學報，2018（3）：41-49.

［4］牛彤，彭樹遠，牛沖槐，等.基于SBM-DEA四階段方法的山西省工業企業綠色創新效率研究［J］.科技管理研究，2015（10）：244-249.

［5］丁韋娜.綠色技術能力對碳排放影響機制與空間綠色技術溢出效應研究［D］.北京：北京理工大學，2015.

［6］黃磊，吳傳清.長江經濟帶工業綠色創新發展效率及其協同效應［J］.重慶大學學報（社會科學版），2019（3）：1-13.

［7］胡艷，時浩楠.長三角城市群城市創新的空間關聯分析——基于社會網絡分析方法［J］.上海經濟研究，2017（4）：87-97.

［8］盛彥文，駱華松，宋金平，等.中國東部沿海五大城市群創新效率、影響因素及空間溢出效應［J］.地理研究，2020（2）：257-271.

［9］葉堂林，劉瑩.三大城市群創新能力比較研究［J］.前線，2020（6）：59-61.

［10］中國城市科技創新發展報告發布 北京蟬聯科技創新發展指數榜首［N］.北京日報，2023-02-13.

［11］曹賢忠，曾剛，鄒琳.長三角城市群R&D資源投入產出效率分析及空間分異［J］.經濟地理，2015（1）：104-111.

［12］劉和東.中國區域研發效率及其影響因素研究——基于隨機前沿函數的實證分析［J］.科學學研究，2011（4）：548-556.

［13］馮志軍.中國工業企業綠色創新效率研究［J］.中國科技論壇，2013（2）：82-88.

［14］任耀，牛沖槐，牛彤，等.綠色創新效率的理論模型與實證研究［J］.管理世界，2014（7）：176-177.

［15］籍艷麗，趙麗琴.一種效率測度的新方法：隨機非參數數據包絡分析法［J］.統計與決策，2011（5）：33-34.

［16］滕堂偉，瞿叢藝，胡森林，等.長三角城市群綠色創新效率格局分異及空間關聯特征［J］.華東師范大學學報（哲學社會科學版），2019（5）：107-117+239-240.

［17］劉佳，安珂珂.環渤海城市旅游產業綠色創新效率的空間格局［J］.華東經濟管理，2020（6）：27-37.

［18］任陽軍，何彥，楊麗波，等.生產性服務業集聚、制造業集聚對綠色創新效率的影響——基于中國城市面板數據的空間計量分析［J］.系統工程，2020（3）：27-35.

［19］游達明，歐陽樂茜.環境規制對工業企業綠色創新效率的影響——基于空間杜賓模型的實證分析［J］.改革，2020（5）：122-138.

［20］趙路，高紅貴，肖權.中國工業綠色創新效率動態演變趨勢及其空間溢出效應研究［J］.統計與決策，2020（7）：95-99.

［21］吳傳清，申雨琦.中國裝備制造業集聚對綠色創新效率的影響效應研究［J］.科技進步與對策，2019（5）：54-63.

［22］KRUGMAN P， ELIZONDO R L.Trade policy and the Third World metropolis［J］.Journal of Development Economics， 1996，4（1）：137-150.

［23］殷群，程月.我國綠色創新效率區域差異性及成因研究［J］.江蘇社會科學，2016（2）：64-69.

［24］韓晶.中國區域綠色創新效率研究［J］.財經問題研究，2012（11）：130-137.

［25］羅良文，孫小寧.金融發展對工業企業全要素生產率的影響——基于研發創新投入的分析［J］.江漢論壇，2020（1）：31-39.

［26］汪傳旭，任陽軍.高技術產業綠色創新效率的空間溢出效應［J］.產經評論，2016（6）：76-84.

［27］劉建華，王明照.黃河下游城市群創新能力的空間演變及其影響因素［J］.鄭州大學學報（哲學社會科學版），2020（2）：55-60.

［28］張鴻武，李濤.長三角和珠三角城市群創新的空間效應及影響因素研究——基于空間面板杜賓模型的比較分析［J］.湖南科技大學學報（社會科學版），2018（4）：69-76.

［29］李健，馬曉芳.京津冀城市綠色創新效率時空差異及影響因素分析［J］.系統工程，2019（5）：51-61.

［30］楊青峰.高技術產業地區研發創新效率的決定因素——基于隨機前沿模型的實證分析［J］.管理評論，2013（6）：47-58.

［31］Coelli? T? J. A Guide to FRONTIER Version 4.1： A Computer Program for Stochastic Frontier Production and Cost Function Estimation ［R］. CEPA Working Paper ，1996.

［32］陳強.高級計量經濟學及stata應用［M］.北京：高等教育出版社，2014：575-597.

［33］J·保羅·埃爾霍斯特.空間計量經濟學 從橫截面數據到空間面板［M］.肖光恩，譯.北京：中國人民大學出版社，2015：53-78

［34］Elhorst J P. Matlab software for spatial panels ［J］. International Regional Science Review. 2014， 37（3）： 389-405.

［35］李金滟，李超，李澤宇.城市綠色創新效率評價及其影響因素分析［J］.統計與決策，2017（20）：116-120.

［36］蔣天穎，華明浩，許強，等.區域創新與城市化耦合發展機制及其空間分異——以浙江省為例［J］.經濟地理， 2014（6）：25-32.

［37］Porter M E， LINDE C . Toward a New Conception of the Environment-Competitiveness Relationship［J］.Journal of Economic Perspectives， 1995， 9（4）：97-118.

［38］于斌斌，金剛，程中華.環境規制的經濟效應：“減排”還是“增效”［J］.統計研究，2019（2）：88-100.

［39］LESAGE J P， PACE R K. Spatial Econometric Models[M]//Handbook of applied spatial analysis： Software tools， methods and applications. Berlin， Heidelberg： Springer-Verlag， 2009： 355-376.

［40］閆超棟，馬靜.信息化、空間溢出與區域經濟增長——基于空間面板回歸偏微分效應分解方法的實證［J］.經濟問題探索，2016（11）：67-75.

責任編輯： 艾 嵐

Study on the Measurement and Spatial Effect of Green Innovation Efficiency

in Beijing-Tianjin-Hebei Urban Agglomeration

Wang Baolin1， Hu Yanling2，3 ，Li Yiwan2

（1.The Third Hospital of Hebei Medical University， Shijiazhuang Hebei 050051， China;

2. School of Economics， Hebei University， Baoding Hebei 071002， China;

3. Hebei Research Center for Ecology and Environmental Development， Baoding Hebei 071002， China）

Abstract：Improving the green innovation efficiency is the only way to solve various problems in the development of urban agglomerations and promote coordinated development. Based on the panel data of the Beijing-Tianjin-Hebei urban agglomeration from 2006 to 2018， the paper constructs a stochastic frontier production function to measure the green innovation efficiency of the urban agglomeration. Then the paper uses Moran's I to analyze the spatial correlation， further constructs economic geospatial weight matrix and spatial Dubin model to analyze spatial spillover effect. The results show that： The gap of the green innovation efficiency between cities has narrowed during the study period， but the overall green innovation efficiency is unbalanced; The green innovation efficiency of the Beijing-Tianjin-Hebei urban agglomeration has a positive spatial autocorrelation， showing? the spatial distribution characteristics of high concentration and low concentration; FDI， infrastructure construction and informatization have significant and direct effects on the green innovation efficiency; FDI， urban population， labor quality， infrastructure construction have significant spillover effects on the green innovation efficiency of urban agglomerations.

Key words：Beijing-Tianjin-Hebei urban agglomeration; green innovation efficiency; Stochastic Frontier Production Function; spatial spillover effect