我國高新技術產業綠色創新效率測度及影響因素分析

施雄天

（云南大學工商管理與旅游管理學院，云南 昆明 650500）

0 引言

過去產業粗獷式的發展，忽視環境保護和綠色創新技術的使用，導致環境污染嚴重，能源開采過度。而綠色技術創新這一概念正是在環境保護遭遇困境，迫切需要調整技術方向的時候出現的。Shu 等[1]認為，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。在此背景下，我國政府提出要實現“碳達峰”“碳中和”的目標，其核心便是實現綠色可持續發展。高新技術產業作為先進制造業和工業的代表，需要依靠綠色技術創新來實現經濟效率和環境效率的協調發展。本文通過對高新技術產業綠色創新效率的測度及影響因素分析，并進一步剖析近幾年來我國高新技術產業綠色創新效率的變化，來探尋提升高新技術產業綠色創新效率的有效辦法。

學者們對高新技術產業創新活動的研究主要集中在創新效率測度方面[2-5]。這些研究對于測度高新技術產業創新效率有重要的參考價值，但結合綠色發展背景，在測度創新效率的過程中，應關注高新技術產業在產出過程中的非期望產出問題，即環境約束問題。根據可持續發展的要求，高新技術產業在創新活動中關注創新產出的同時，還需要關注綠色發展和可持續發展。因此，一些學者轉而研究高新技術產業綠色創新效率。目前，對于高新技術產業綠色創新效率的研究，主要集中在以下兩方面。

一是高新技術產業綠色創新效率測度。在指標體系的構建方面，學者們在傳統的高新技術產業創新活動的投入產出指標基礎上，考慮了污染物排放。由于高新技術產業涵蓋范圍廣，不同技術領域的污染物種類和排放途徑差異很大，所以相對于傳統產業，對高新技術產業污染物排放數據的搜集可能更加復雜和困難。由于高新技術產業污染物排放數據不能直接獲得，一些學者選擇用其他指標來代替。例如，李健等[6]選擇區域SO2排放量作為高新技術產業污染物排放的非期望產出；姚孟超等[7]選擇區域環境污染指數作為非期望產出。在測度方面，目前使用較多的是非期望產出SBM 模型[8-9]，以此來測度高新技術產業創新活動中的綠色創新效率。

二是高新技術產業綠色創新效率的影響因素分析。學者們對影響因素的探討主要聚焦于產業環境和政府支持。王黎明等[10]研究發現，產業專業化集聚阻礙了高新技術產業綠色創新效率的提升；肖紅軍等[11]以滬深上市公司為例，研究發現地方產業政策對上市公司綠色創新效率有顯著的促進效應；林瀾等[12]以內資企業為例，認為外商直接投資產生的技術溢出可以促進企業綠色技術創新效率的提高。

綜上，對高新技術產業綠色創新效率的研究已取得了不少有價值的成果，但也存在一些不足。第一，高新技術產業的創新活動具有價值流動性，且需要從研發投入和成果轉化中體現，而較多的高新技術產業創新效率測度并沒有反映高新技術產業的價值流動。第二，多數研究在測度非期望產出時運用的SBM 模型是靜態的，需要結合動態測度才能全面反映高新技術產業綠色創新效率的變化。第三，在對影響因素進行分析時，容易忽略其對不同區域的異質性影響。

基于上述問題，本文的邊際貢獻可能有：①將污染物排放作為高新技術產業的非期望產出，進一步完善了高新技術產業綠色創新效率指標體系。②將高新技術產業綠色創新活動分成研發階段和成果轉化階段兩個階段，通過SBM 模型和非期望產出的SBM 模型測度兩個階段的綠色創新效率值及指數分解，打破了將創新過程視為一個“黑箱”的局限，使測度結果更加真實；通過ML 指數測度，研究高新技術產業綠色創新效率的動態變化，補充了對效率指數分解的研究；同時，關注東、中、西部高新技術產業綠色創新效率的差異，不再局限于比較單個省（區、市）的效率值。③從整體和地區異質性出發，對高新技術產業綠色創新效率的影響因素進行分析，為提升高新技術產業綠色創新效率提供了科學的對策建議。

1 研究設計

1.1 指標體系構建及數據來源

根據創新價值鏈相關理論，將高新技術產業綠色創新活動分成研發階段和成果轉化階段兩個階段，具體如圖1所示。

圖1 高新技術產業綠色創新效率兩階段示意圖

高新技術產業研發階段。由于還沒有綠色創新型人員投入和經費支出相關數據，所以使用傳統的創新投入指標。參考王洪慶和郝雯雯[13]、俞立平等[14]的做法，投入指標選取高新技術產業R&D 經費內部支出、高新技術產業R&D 人員投入、高新技術企業數；產出指標選取高新技術產業專利申請授權量和高新技術產業新產品開發項目。

高新技術產業成果轉化階段。將研發階段的產出指標作為這一階段的投入指標，能夠反映出高新技術產業的經濟效益轉化程度。此外，本文還考慮了能源投入。由于沒有高新技術產業能源消耗數據，所以參考鄭程挺和吳淑芳[15]的做法，選取能源消費總量作為投入指標。高新技術產業創新活動會排放環境污染物。由于高新技術產業往往涉及先進的科學技術，其生產過程和排放特性可能相對獨特，難以用傳統的單個污染物排放標準來評估；而工業三廢則更加綜合，其包含廢水、廢氣、固體廢物等多種排放形式，能夠更全面地反映產業的環境影響。結合陳松奕[16]的研究，本文選取工業三廢排放量作為非期望產出。

最后，從產業環境和政府支持等角度選取影響因素。在參考李健等[6]、郭瑞和文雁兵[17]研究成果的基礎上，選取環境規制、市場結構、政府投資、外商投資、勞動力素質、地區經濟發展水平等6 個方面作為高新技術產業綠色創新效率的影響因素。各主要變量的指標描述見表1。

表1 我國高新技術產業綠色創新效率指標體系

數據選自2011—2020年我國各省（區、市）的面板數據，該時間跨度正好包含“十二五”“十三五”時期。其中，高新技術產業的數據主要來源于EPS 統計庫、各年度《中國火炬統計年鑒》《中國科技統計年鑒》；影響因素中，環境規制數據來源于各年度《中國環境統計年鑒》，市場結構、政府投資數據來源于EPS 數據庫，外商投資、勞動力素質、地區經濟發展水平數據來源于各年度《中國統計年鑒》。

1.2 SBM模型

SBM 模型可測度多階段的效率值，其特點是“非徑向”“非角度”。本文將高新技術產業綠色創新活動分為兩個階段，研發階段采用SBM 模型測度，其表達公式如下。

高新技術產業的創新活動會帶來期望產出，同時由于生產過程中不可避免的污染物排放而產生非期望產出。所以，在成果轉化階段，采用非期望產出的SBM模型，其表達公式如下。

1.3 非期望產出的超效率SBM模型

由于評價中有效的決策單元數（DMU）過多，而采用超效率模型可以進一步區分其大小。所以，本文采用非期望產出的超效率SBM 模型，對整體高新技術產業綠色創新效率進行測度，其表達公式如下。

式（3）中，各參數變量與非期望SBM模型類似。

1.4 ML指數

ML（Malmquist-Luenberger）指數可對高新技術產業綠色創新效率進行動態測度。ML 指數可被分解為EC指數（技術效率變化指數）和TC指數（技術進步變化指數）。其中，EC 指數（技術效率變化指數）又可被進一步分解為PEC 指數（純技術效率）和SEC指數（規模效率）。具體公式如下。

1.5 Tobit回歸

Tobit 回歸模型的優點是可以設置被解釋變量的上限或下限，進而有效避免可能存在的被解釋變量（綠色創新效率）不連續和有偏性的問題，具體公式如下。

2 高新技術產業綠色創新效率測度及影響因素分析

2.1 高新技術產業綠色創新效率靜態測度結果分析

運用非期望產出的超效率SBM 模型，同時借助Matlab R2022b 軟件對2011—2020年我國各省（區、市）（由于數據原因，西藏和港澳臺地區除外）高新技術產業綠色創新效率進行測度，測度結果見表2。

表2 2011—2020年我國各省（區、市）高新技術產業綠色創新效率

由表2 可知，2011—2020年我國高新技術產業綠色創新效率總體上呈較小幅度的上升態勢，效率值從2011年的0.667上升至2020年的0.797，十年來高新技術產業綠色創新效率平均值為0.693，高于0.500，說明我國整體高新技術產業綠色創新效率處于中上水平；分地區來看，效率值低于平均值的省（區、市）個數多于高于平均值的省（區、市）個數，說明各省（區、市）的高新技術產業綠色創新效率差異很大，仍有很大的提升空間。

從各省（區、市）高新技術產業綠色創新效率差異來看，平均值最高的是北京（1.498），其次是廣東（1.291）。其中，北京各年度效率值都在1.300以上，說明其在高新技術產業科技創新投入和實際產出方面處在全國領先水平，在實現經濟效益的同時又協調了環境發展；廣東各年度效率值都在1.100 以上，說明其高新技術產業投入和產出情況達到了最優前沿面，但仍須進一步提升綠色創新效率。其次，海南、浙江、黑龍江、新疆的綠色創新效率平均值在1.000 以上，說明這些省（區、市）技術管理水平較高。其中，浙江是人才、技術集聚區，經濟發達且創新環境良好，使得高新技術產業綠色創新效率處于領先水平；雖然海南、黑龍江、新疆地理位置較偏，經濟欠發達，但其技術創新態勢好且有一定的政策福利，因此取得了較好的經濟和環境效益。排名靠后的是山西、遼寧、內蒙古，平均效率值在0.300 以下。這3個省（區、市）地理位置較偏遠，產業結構相對傳統，且相對于高新技術產業，綠色創新的發展較為滯后，導致高新技術產業邊際產出水平低；但從總體趨勢來看，3 個省（區、市）的綠色創新效率都呈現上升的趨勢，并逐漸往排名靠前的地區靠攏。

從各地區高新技術產業綠色創新效率差異來看，2011—2020年東、中、西部高新技術產業綠色創新效率的平均值分別為0.875、0.475、0.671，呈現“東部＞西部＞中部”的特點。從東、中、西部高新技術產業綠色創新效率演變來看（見圖2），整體平均值呈緩慢上升趨勢；東部高新技術產業綠色創新效率經歷了2011—2013年下降后，在2014—2020年間快速波動上升的過程；西部高新技術產業綠色創新效率經歷了2011—2012年快速下降后穩步維持在0.600 以上水平的過程；中部高新技術產業綠色創新效率呈現波動中緩慢上升的趨勢。由于中部高新技術產業綠色創新效率值較低，未來需要政策支持以提高中部整體高新技術產業綠色創新效率。東部高新技術產業綠色創新效率平均值遠高于中部、西部效率平均值，且中西部效率平均值不僅低于整體平均值，還表現出增長幅度差異。其中，對西部來說，2012年和2017年是分水嶺。2012—2017年西部高新技術產業綠色創新效率高于整體平均值，說明自西部大開發政策實施后，其高新技術產業綠色創新效率不斷上升；而2017年后西部高新技術產業綠色創新效率低于整體平均值，且東部效率提升較快，說明西部與東部高新技術產業綠色創新效率差距變大。

圖2 2011—2020年東、中、西部高新技術產業綠色創新效率演變

將高新技術產業綠色創新效率值分成4個等級：低（效率值在0.4 以下）、中低（效率值在0.4 至0.6 之間）、中高（效率值在0.6 至0.8 之間）、高（效率值在0.8 以上），具體見表3。對比2011年和2020年高新技術產業綠色創新效率等級分布發現，2020年低效率省（區、市）明顯減少，由2011年的13 個減少至3 個，減少的省（區、市）大部分轉入中低效率區，且2020年高效率的省（區、市）也明顯增加。其中，北京、上海、江蘇、浙江、廣東、海南、黑龍江、青海、寧夏、新疆一直處于高效率區，天津、福建由中低效率區轉入高效率區，山東、甘肅由低效率區轉入高效率區。而山西、湖南、云南一直處于低效率區。究其原因，山西是重要的煤炭產出省份，資源豐富，目前仍是粗獷式經濟發展模式；湖南、云南效率值遠遠低于全國平均水平，與其他省（區、市）相比，其忽視了對綠色技術創新的支持和使用，加上重視經濟發展而忽視環境污染防治，所以接下來應更加重視綠色技術創新，以提升綠色創新效率。安徽從中高效率區轉入中低效率區，四川、貴州由高效率區轉入中低效率區。

表3 2011年和2020年高新技術產業綠色創新效率等級分布

綜上，各省（區、市）經濟實力、市場環境、地理因素等的不同造成了區域差異，使得高新技術產業發展不平衡，綠色創新效率也存在差異。從等級分布變化情況來看，中高效率區和高效率區未能帶動低效率區和中低效率區的發展。因此，需要加強高新技術產業綠色創新效率區域協同發展，縮小各省（區、市）之間綠色創新效率的差距。

接下來，測度各階段高新技術產業綠色創新效率。研發階段采用SBM 模型，成果轉化階段采用非期望產出的超效率SBM 模型。將技術創新效率變化（TE 指數）分解為純技術效率（PEC 指數）和規模效率（SEC 指數）。由表4 可知，整體上兩階段的純技術效率值大于規模效率值，且大部分純技術效率值大于1，說明高新技術產業綠色創新效率比較依賴純技術效率水平，而規模效率不高是造成部分年份綠色創新效率值小于1的主要原因。因此，需要提升高新技術產業規模化水平，加大創新資源投入和研發投入。由圖3可知，2012—2020年整體綠色創新效率呈波動上升趨勢，研發階段和成果轉化階段呈波動“V”形變化。研發階段效率在2016年達到最大值，之后出現下降趨勢；成果轉化階段效率在2015年降至最小值，之后呈波動上升趨勢。與研發階段相比，多數情況下成果轉化階段效率值更高，說明我國高新技術產業在成果轉化階段的效率值更容易上升，進而推動整體高新技術產業綠色創新效率呈上升趨勢。

表4 兩階段高新技術產業綠色創新效率值及其分解

圖3 各階段高新技術產業綠色創新效率變化趨勢

2.2 高新技術產業綠色創新效率動態測度分析

通過ML 指數模型測度高新技術產業綠色創新效率動態變化值。我國各省（區、市）高新技術產業ML指數及指數分解見表5。2012—2020年，我國高新技術產業綠色創新效率（ML 指數）整體平均值為1.226，年均增長約為22.6%，說明我國高新技術產業綠色創新效率整體發展趨勢良好。但各省（區、市）由于經濟實力、市場環境、技術發展水平等不同，高新技術產業綠色創新效率值存在差異。技術效率變化指數（EC）平均值為1.077，其中大于1 的省（區、市）有24 個，占比80%；技術進步變化指數（TC）平均值為1.139，年均增長約為13.9%，且各省（區、市）都大于1。

高新技術產業綠色創新效率增長顯著的省（區、市）有吉林、內蒙古、寧夏，說明這3個省（區、市）的高新技術產業綠色資源配置和創新人員管理有所改善。甘肅效率值增長約為33.1%，雖然其地理位置較偏，但當地政府抓住了西部開發的利好政策，同時推動了綠色技術的廣泛應用，最終實現了高新技術產業的綠色發展。除黑龍江、安徽、重慶、四川、云南、貴州外的其他省（區、市）的技術效率變化指數和技術進步變化指數均大于1，說明這些省（區、市）科技管理成效好，高新技術產業投入產出結構合理，技術不斷進步。云南、黑龍江、重慶、安徽、四川、貴州的技術效率變化指數小于1，而ML 指數大于1，說明這6 個省（區、市）應在高新技術產業綠色創新效率向好發展的趨勢下加強技術創新，以平衡技術效率變化指數和技術進步變化指數。

由圖4可知，中、西部ML指數過高，可能由于東部產業結構調整，將部分高新技術產業轉移到中、西部地區，而中、西部地區利用高新技術產業園區扶持政策，發揮高新技術產業集聚效應，使得技術效率變化指數和技術進步變化指數快速提高。從ML 指數平均值來看，呈現“中部＞西部＞東部”的特征，EC指數平均值呈現“中部＞東部＞西部”的特征，而TC 指數平均值呈現“西部＞中部＞東部”的特征。

圖4 東、中、西部高新技術產業ML指數及指數分解

由表6 可知，除個別年份外，各年度的ML、EC、TC 指數總體上都大于1。ML 指數2020年相比上一年增長率達到68.3%，EC指數2013年增長率達到18.7%，TC 指數2020年增長率達到52.8%。2012年EC 指數小于1，但ML 指數大于1，說明該年度技術效率降低，而技術進步效率的大幅增長抵消了技術效率的降低。2014年ML 指數小于但接近于1，雖然技術進步變化指數小于1，但技術效率9%的增長率抵消了技術衰退的影響。2020年ML 指數最大，EC 和TC 指數的共同推動使得綠色創新效率大幅度提升。為進一步研究綠色創新效率變動情況，將EC 指數分解為PEC 指數（純技術效率）和SEC 指數（規模效率）。2012年EC 指數受PEC 指數和SEC 指數的共同約束，2017年、2019年EC 指數受SEC 指數的約束，其余年份EC 指數受PEC 指數和SEC 指數的共同推動。

表6 2012—2020年我國高新技術產業ML指數及指數分解

2020年高新技術產業ML 指數及分解值變化趨勢如圖5所示。在樣本期內，ML 指數呈現上下波動的趨勢，2020年達到最大值。EC 指數波動比較平穩，整體平均增長率約為7.5%。TC 指數在2013—2018年呈現穩步上升的趨勢，由0.897增長至1.287，2019年出現下降后，2020年達到最大值1.528。從總體來看，ML 指數實現了22.5%的增長，主要受EC 指數7.5%增長率和TC 指數14%增長率的影響，其中TC 指數對ML 指數的影響更大些。除了2012年和2016年PEC 指數小于SEC指數，其余年份PEC指數均大于SEC指數，說明PEC 指數對EC 指數的正向拉動作用更大，其中2013年、2017年、2019年較為明顯。

圖5 2012—2020年我國高新技術產業ML指數及其分解值變化趨勢

2.3 高新技術產業綠色創新效率影響因素分析

將非期望產出的超效率SBM 模型測度的高新技術產業綠色創新效率作為被解釋變量，將環境規制、市場結構、政府投資、外商投資、勞動力素質、地區經濟發展水平等作為解釋變量，對數據進行對數處理后，通過Stata16軟件對面板Tobit模型進行回歸分析和LR 檢驗，回歸結果見表7。根據LR 檢驗結果，本文采用隨機效應Tobit 模型來分析綠色創新效率的影響因素。

表7 高新技術產業綠色創新效率影響因素回歸結果

環境規制對高新技術產業綠色創新效率的影響為負，且通過了1%的顯著性檢驗，表明工業企業在污染治理方面投放的資金越多，越會抑制綠色創新效率提升。高環境規制不能有效改善高新技術產業資源配置，也不能促進高新技術產業綠色創新。市場結構對高新技術產業綠色創新效率的影響為負，且通過了5%的顯著性檢驗，表明高市場集中度會抑制高新技術產業綠色創新效率提升，而低市場集中度會使高新技術企業間產生競爭，有助于綠色創新效率提升。政府投資對高新技術產業綠色創新效率的影響為負但不顯著，表明政府投資沒能有效促進高新技術產業綠色創新效率提升。外商投資對高新技術產業綠色創新效率的影響為負但不顯著，表明外商投資并沒有產生顯著的技術溢出效應來提升綠色創新效率。勞動力素質對高新技術產業綠色創新效率的影響為正但不顯著，表明地區受教育程度對高新技術產業綠色創新效率未起到顯著的正向作用。地區經濟發展水平對高新技術產業綠色創新效率的影響為正，且通過了1%的顯著性檢驗，表明地區經濟發展水平越高，其高新技術產業的發展環境就越好，越有利于企業綠色技術創新。

對東、中、西部進行地區異質性分析，結果見表8。

表8 東、中、西部高新技術產業綠色創新效率影響因素回歸結果

從東部地區來看，環境規制、勞動力素質對高新技術產業綠色創新效率的影響為負，且通過了1%的顯著性檢驗；市場結構、政府投資對高新技術產業綠色創新效率的影響為負，且通過了5%的顯著性檢驗，說明工業企業污染治理投放金額越多、受教育程度越高、市場集中度越高、政府支出越多，越不利于高新技術產業綠色創新效率提升。地區經濟發展水平對高新技術產業綠色創新效率的影響為正，且通過了1%的顯著性檢驗，說明東部地區為高新技術產業提供了良好的發展環境，能夠促進綠色創新效率提升。

從中部地區來看，市場結構對高新技術產業綠色創新效率的影響為負，且通過了10%的顯著性檢驗，說明高市場集中度不利于提高綠色創新效率。外商投資和勞動力素質對高新技術產業綠色創新效率的影響為正，且分別通過了1%和5%的顯著性檢驗，說明外商投資越多、地區受教育程度越高，越有利于中部高新技術產業綠色創新效率提升。

從西部地區來看，環境規制、地區經濟發展水平對高新技術產業綠色創新效率的影響為負，且分別通過了1%和5%的顯著性檢驗，說明工業企業污染治理投放金額越多、地區經濟實力越強，越不利于西部高新技術產業綠色創新效率提升。勞動力素質對高新技術產業綠色創新效率的影響為正，且通過了1%的顯著性檢驗，說明地區受教育程度越高，越有利于西部高新技術產業綠色創新效率提升。

3 研究結論及建議

3.1 研究結論

第一，高新技術產業綠色創新效率的均值為0.693，高于0.5，說明我國整體高新技術產業綠色創新效率處于中上水平；而數量上，效率值低于平均值的省（區、市）個數多于高于平均值的省（區、市）個數，說明各省（區、市）高新技術產業綠色創新效率差異很大，仍有很大的提升空間。從2011年和2020年的創新效率等級分布變化情況來看，中高效率和高效率地區未能帶動低效率和中低效率地區的發展。

第二，分階段來看，研發階段和成果轉化階段的綠色創新效率呈波動“V”形變化，且成果轉化階段效率值更高，說明我國高新技術產業在成果轉化階段的效率值更容易上升；從整體來看，高新技術產業綠色創新效率更為依賴純技術效率水平。

第三，在2012—2020年，我國各省（區、市）高新技術產業ML 指數平均值都大于1，說明我國高新技術產業綠色創新效率整體發展趨勢良好。東、中、西部綠色創新效率值主要依靠技術效率變化指數和技術進步變化指數，說明3 個地區高新技術產業的研發創新能力較強。

第四，從ML 指數分解來看，TC 指數對ML 指數增長的影響更大些。除個別年份外，整體上PEC指數均大于SEC指數，說明PEC指數對EC指數的正向拉動作用更大。

第五，從Tobit回歸結果來看，環境規制、市場結構對高新技術產業綠色創新效率的影響為負且顯著，地區經濟發展水平對高新技術產業綠色創新效率的影響為正且顯著。從地區異質性來看，環境規制、市場結構、政府投資、外商投資、勞動力素質、地區經濟發展水平這6 個影響因素對東、中、西部高新技術產業綠色創新效率的影響不同。

3.2 對策建議

第一，我國應根據各省（區、市）高新技術產業的實際情況，采取相應的對策。中國幅員遼闊，各省（區、市）之間的經濟文化差異很大，必須加強各省（區、市）之間技術經濟的協調發展，制定向中西部地區傾斜的優惠政策，吸引資金和高素質科技人才流入，提升其綠色技術創新水平。

第二，我國高新技術企業應加強創新管理，提高綠色技術創新意識。鼓勵和引導科技研發人員以綠色增長為導向，提升綠色創新能力，推動企業綠色創新轉型升級；企業還須不斷調整自己的投資方向、研究方向及成果轉化方向，積極應對不斷變化的市場需求；除此之外，應積極推進產學研結合，加強與科研單位及高等院校間的交流。同時，考慮到中介機構主要以各種創新平臺為載體，其擁有豐富的創新資源，所以還要加強與中介機構的合作，促進科技成果的轉化應用。

第三，政府應制定綠色高新技術企業相關標準。以綠色技術開發、綠色技術使用、污染物排放等為切入點，實行獎勵和懲罰機制，對達標的企業給予研發補貼和稅收優惠，對污染企業進行懲罰。

第四，拓寬公眾參與渠道，促使社會各界廣泛參與環境治理。國家應建立健全多元化的公共環境信訪機制，構建一套更加公開透明的企業信息披露體系，使社會大眾對高新技術產業發展起到輔助監管的作用；同時通過政策獎勵等方式，鼓勵廣大群眾主動參與環境管理工作，倒逼企業綠色技術創新水平的提高。

第五，在研發階段，一方面，政府可以采取增加研發補貼、設立專項基金的方式鼓勵高新技術企業進行綠色創新；另一方面，鼓勵高校、科研機構與企業共同開展綠色技術研發。在成果轉化階段，政府可以建立綠色技術示范項目，形成示范效應，吸引更多高新技術企業參與綠色創新。而從整體來看，高新技術產業綠色創新效率比較依賴純技術效率水平，而純技術效率水平高低取決于是否有效地利用了各生產要素。各地政府需要基于自身高新技術產業發展情況，從技術、人才、管理、合作等多個方面進行政策指導和資源優化。