長江經濟帶工業綠色創新效率測度研究

摘"要：提升綠色創新水平是推動工業高質量發展的重中之重。文章采用包含非期望產出的Super-SBM模型測度2011—2020年長江經濟帶工業綠色創新效率，繼而運用Malmquist-Luenberger（ML）指數對其進行動態分析。研究表明：從靜態層面看，長江經濟帶工業綠色創新效率未達到有效率狀態；下游地區工業綠色創新效率遠遠超過中上游地區；不同省份工業綠色創新效率存在較大差異。從動態層面看，長江經濟帶工業綠色創新效率整體處于上升趨勢；上游、中游和下游地區工業綠色創新效率的動態變化呈現顯著差異性；各省份工業綠色創新效率不斷提升，漲幅較大的位于中游地區。

關鍵詞：長江經濟帶；工業綠色創新效率；Super-SBM模型；Malmquist-Luenberger指數

中圖分類號：F427文獻標識碼：A文章編號：1005-6432（2025）06-0017-04

DOI：10.13939/j.cnki.zgsc.2025.06.005

1""引言

改革開放以來，我國經濟發展高速增長，一躍成為世界第二大經濟體。然而經濟在快速增長的同時，也面臨著日益嚴峻的環境問題，成為制約我國經濟增長的重要因素，轉變發展方式以實現經濟可持續發展迫在眉睫[1]。黨的二十大報告強調我國經濟從高速發展階段轉向高質量發展階段，必須堅定不移貫徹落實“創新、協調、綠色、開放、共享”五大發展理念，把創新和綠色發展擺在國家發展全局的重要位置。“十四五”時期，我國提出堅持把發展經濟的著力點放在實體經濟上，而工業作為實體經濟的重要支柱之一，在現代化經濟體系建設中起到至關重要作用。然而工業在快速發展的同時，也帶來了能源消耗、環境污染等問題，阻礙了經濟可持續發展，如何協調好經濟增長與環境發展的關系，實現綠色化、低碳化轉型，是當前工業高質量發展亟須解決的問題。長江經濟帶作為我國重要的工業基地之一，近些年，其工業發展面臨嚴重的資源消耗、能源短缺以及環境污染等問題。在長江經濟帶工業高質量發展過程中如何實現綠色轉型成為當務之急，而綠色創新正是實現綠色轉型的必然要求。因此，準確把握長江經濟帶工業綠色創新效率水平，對于推動工業高質量發展具有重要的理論與實踐意義。

2"研究設計

2.1"模型設定

（1）Super-SBM模型。傳統DEA模型一般都是徑向的，只能對投入產出進行同比例變動，忽略了投入產出中松弛變量的存在，得到的效率值可能會出現偏差，并且傳統DEA模型中無法包含非期望產出。而基于松弛變量的非徑向SBM模型，可以將非期望產出納入模型，由于SBM模型難以對多個決策單元為1的效率值進行排序比較，基于此，"Tone（2002）進一步改造了SBM模型，提出了包含非期望產出的Super-SBM模型[2]，具體公式如下：

γ=min1m∑mi=1x-xik1+1p1+p2（∑p1r=1y-gygrk+∑p2t=1y-bybtk）

s.t.x-≥∑nj=1，≠kxijλjy-g≤∑nj=1，≠kygrjλjy-b≤∑nj=1，≠kybtjλjλj≥0，x-≥xk，y-g≤ygk，y-b≤ybk（1）

其中，γ為模型的最優效率值；x-、y-g、y-b分別表示投入、期望產出和非期望產出的松弛量；λ為權重向量。

（2）Malmquist-Luenberger"指數。Super-SBM模型只能對效率水平進行靜態分析，無法對其進行動態分析，而"Malmquist"指數可以對效率水平進行動態評價。傳統Malmquist指數無法考慮非期望產出的情況，而"Malmquist-Luenberger"指數有效克服了傳統Malmquist指數的局限，可以測度包含非期望產出的動態效率水平。基于此，文章參考張麗琨等（2022）的研究，采用Malmquist-Luenberger（ML）指數測算綠色創新的動態效率[3]。從非期望產出角度出發，t到t+1期間的ML指數可以表示為：MLt+1t=1+Dt0xt，yt，bt；yt，－bt1+Dt+10xt+1，yt+1，bt+1；yt+1，－bt+1×1+Dt+10xt，yt，bt；yt，－bt1+Dt+10xt+1，yt+1，bt+1；yt+1，－bt+112（2）

ML指數又可以分解為技術效率變化指數（EC）和技術水平變化指數（TC）。分別表示為：ECt+1t=1+Dt0（xt，yt，bt；yt，－bt）1+Dt+10（xt+1，yt+1，bt+1；yt+1，－bt+1）（3）

TCt+1t=1+Dt+10（xt，yt，bt；yt，－bt）1+Dt0（xt，yt，bt；yt，－bt）×1+Dt+10（xt+1，yt+1，bt+1；yt+1，－bt+1）1+Dt0（xt+1，yt+1，bt+1；yt+1，－bt+1）12（4）

其中，若MLt+1tgt;1，表示t到t+1時期綠色創新效率提高，反之則降低；若ECt+1tgt;1，表示t到t+1時期綠色創新技術效率改善，反之則下降；若TCt+1tgt;1，表示t到t+1時期綠色創新技術水平進步，反之則退步。

2.2""指標選取

結合已有文獻研究，重新定義綠色創新活動中的投入產出指標，文章在遵循科學性、系統性、可操作性等指標選取原則上，構建了如下指標體系。

對于綠色創新活動中的投入，從人力投入、資本投入和能源投入三方面表征。文章參考曹玲等（2022）的研究，選取Ramp;D人員全時當量、Ramp;D經費內部支出和能源消費總量分別表示人力投入、資本投入和能源投入[4]。

對于綠色創新活動中的期望產出，主要從創新產出和經濟產出兩個層面考量。由于專利授權數易受地區政策的影響，存在較大不確定性，文章借鑒范德成和谷曉梅（2022）的做法，選取專利申請數表示創新產出[5]。經濟產出是將創新研發投入市場，通過轉化最終實現經濟效益，選取新產品銷售收入來衡量經濟產出。

對于綠色創新活動中的非期望產出，主要從環境污染產出層面考量，也就是工業過程中所產生的“三廢”，文章借鑒陳蓓等（2022）的研究，選擇工業廢水排放量、工業二氧化硫排放量和工業煙（粉）塵排放量來表示環境污染產出[6]。

2.3"數據來源

文章以2011—2020年長江經濟帶包含的11個省份為研究對象，選取的行業為規模以上工業企業。研究所涉及的數據均來自《中國統計年鑒》《中國環境統計年鑒》《中國能源統計年鑒》《中國科技統計年鑒》以及各省市統計年鑒，部分缺失數據通過線性插值法補齊。

3"實證分析

3.1"靜態分析

根據上文構建的Super-SBM模型和綠色創新效率評價指標體系，文章運用MaxDEA軟件測度了2011—2020年長江經濟帶工業綠色創新效率，詳見表1。

從整體層面看，長江經濟帶工業綠色創新效率均值為0.722，未達到有效率狀態。從時間演化趨勢看，長江經濟帶工業綠色創新效率均值從2011年的0.670提升至2020年的0.776，綠色創新水平呈現出穩步上升的趨勢，反映出近些年長江經濟帶工業在國家相關政策的支持下取得了較快發展。但其綠色創新效率均值為0.722，各年份的效率值均小于1，未達到有效率狀態，在一定程度上說明長江經濟帶工業在進行綠色創新活動時可能存在資源要素利用率低、經濟成果和創新成果轉化不足等問題，整體綠色創新水平還有很大的提升空間。

從區域層面看，上游、中游和下游地區工業綠色創新效率均值分別為0.477、0.550和1.106，并且下游地區的綠色創新效率均值遠遠大于整體綠色創新水平，上游和中游地區低于整體綠色創新水平。具體來看，下游地區各年份的綠色創新效率值均大于1，實現了DEA有效，而上游和中游地區各年份的綠色創新效率值均小于1，未達到有效率狀態。可能的原因在于下游地區工業發展起步較早，擁有較好的工業發展基礎，加之資本和人力資源豐富，研發創新和技術水平高，使得工業綠色創新水平較高。上游和中游地區經濟發展基礎薄弱，對于研發的資本和人力投入不足，科技創新水平不高，導致工業綠色創新水平較低。這也反映了長江經濟帶區域內工業發展極不平衡，下游地區的工業綠色創新水平要遠遠超過中上游地區，長江經濟帶高質量發展還有很大的上升空間。

從省域層面看，長江經濟帶不同省份工業綠色創新效率存在較大差異。工業綠色創新效率均值從大到小排序依次為上海、浙江、安徽、重慶、江蘇、湖南、江西、湖北、四川、貴州和云南。其中，上海、浙江、安徽的效率值均大于1，工業綠色創新效率均達到了有效率狀態。上海作為我國的金融中心，在人力、資本和科技創新水平方面具有較大優勢，工業綠色創新環境好。而浙江和安徽受益于長三角地區的輻射帶動作用，工業綠色創新水平較高。工業綠色創新效率均值在0.7～1的省份有江蘇、重慶和湖南。江蘇和重慶除了極個別年份，其他年份工業綠色創新效率值均大于1，達到了有效率狀態。而湖南只有少數年份達到了有效率狀態，多數年份工業綠色創新效率值低于1，未實現DEA有效。工業綠色創新效率均值在0.7以下的省份有江西、湖北、四川、貴州和云南。這些省份綠色創新效率均值低于平均水平，并且所有年份的效率值均小于1，未達到有效率狀態，說明這些省份在工業綠色創新水平的提升上還有很長一段時間的路要走。

3.2"動態分析

文章在靜態分析的基礎上，基于ML指數對工業綠色創新效率進行動態分析。運用MaxDEA軟件測算了長江經濟帶工業綠色創新效率指數（ML）及其分解的技術效率變化指數（EC）和技術水平變化指數（TC），詳見表2。

從整體層面看，長江經濟帶工業綠色創新效率ML指數均值為1.111，且其平均增幅為11%，說明長江經濟帶工業綠色創新水平整體處于上升趨勢。將ML指數進一步分解，發現在考察期內工業綠色創新的技術效率變化指數和技術水平變化指數均值分別為1.039和1.082，并且技術效率變化指數平均增長3.8%，技術水平變化指數平均增長8.2%，表明技術效率和技術水平共同推動了長江經濟帶工業綠色創新水平的提高，且技術水平變化的程度大于技術效率。

從區域層面看，上游、中游和下游地區工業綠色創新效率的ML指數均值分別為1.083、1.163和1.100，且中游的ML指數均值最大，其次是下游，上游最低。中游地區工業綠色創新動態效率平均增長16.3%，而下游和上游的平均增幅分別為10%和8.3%。具體來看，上游、中游和下游地區的技術效率變化指數均值分別為1.023、1.100和1.008，技術水平變化指數均值分別為1.065、1.089和1.093，表明上游和下游地區綠色創新水平的提高得益于技術進步，而中游地區正相反，其綠色創新水平的提升得益于技術效率改善。

從省域層面看，長江經濟帶各省份的ML指數值均大于1，說明長江經濟帶各省份工業綠色創新水平得到了一定提升，并且漲幅較大的位于中游地區，從側面也反映出長江經濟帶高質量發展取得了一定成效，可能的原因在于近年來國家政策的傾斜，長江經濟帶高質量發展戰略的實施以及自身經濟的發展，使其產業結構、經濟發展水平、科技創新和資源配置等都得到較大提升，促使中游地區工業綠色創新效率不斷提高。將ML指數進一步分解，在考察期內江西工業綠色創新的技術效率變動指數和技術水平變動指數分別為1.188和1.027，并且技術效率變化指數平均增長18.8%，技術水平變化指數平均增長2.7%，說明江西工業綠色創新動態效率的提高主要受益于技術效率的提升，江西在工業綠色創新發展過程中注重提升技術創新能力以及資源要素配置等，從而促使其工業綠色動態效率不斷提升。而對于其他省份來說恰恰相反，其工業綠色創新動態效率的提高主要得益于技術進步。

4"研究結論

文章通過構建綠色創新效率評價指標體系，運用包含非期望產出的Super-SBM模型測度2011—2020年長江經濟帶工業綠色創新效率，在靜態分析的基礎上，運用ML指數對其進行動態評價，研究結論如下。

從靜態層面看，首先，長江經濟帶工業綠色創新效率均值小于1，未達到有效率狀態。其次，上游、中游和下游地區工業綠色創新效率差距較大，下游地區遠遠超過中上游地區。"最后，長江經濟帶不同省份工業綠色創新效率存在較大差異，只有上海、浙江和安徽的工業綠色創新效率均值大于1，"實現了DEA有效，其余省份效率值均小于1，未實現DEA有效。

從動態層面看，首先，長江經濟帶工業綠色創新效率整體處于上升趨勢。其次，上游、中游和下游地區工業綠色創新效率的變化幅度均有一定提升，但呈現出顯著差異性。上游、中游和下游地區的ML指數值均大于1，且中游最高，下游次之，上游最低。最后，長江經濟帶各省份工業綠色創新效率不斷提升，漲幅較大的位于中游地區。

參考文獻：

[1]李占風，張建.資源環境約束下中國工業環境技術效率的地區差異及動態演變[J].統計研究，2018（12）：45-55.

[2]TONE"K".A"slacks-based"measure"of"super-efficiency"in"data"envelopment"analysis[J].European"journal"of"operational"research，2002（1）：32-41.

[3]張麗琨，"張亞萍，"梁遠."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[J].技術經濟，"2022（7）："13-22.

[4]曹玲，"楊浩昌，"李廉水."工業綠色創新效率時空分異特征及動態演進[J].科學學研究，"2022（10）："1895-1906.

[5]范德成，"谷曉梅."高技術產業技術創新效率關鍵影響因素分析——基于DEA-Malmquist和BMA方法的實證研究[J].科研管理，"2022（1）："70-78.

[6]陳蓓，"彭文斌，"劉奕飛."長江中游城市群綠色創新效率的時空演變與驅動因素[J].經濟地理，"2022（9）："43-49.