長江經(jīng)濟(jì)帶工業(yè)企業(yè)綠色創(chuàng)新效率的演變規(guī)律

彭甲超,許榮榮,付麗娜,易 明*,許耀東

長江經(jīng)濟(jì)帶工業(yè)企業(yè)綠色創(chuàng)新效率的演變規(guī)律

彭甲超1,許榮榮2,付麗娜3,易 明1*,許耀東1

(1.中國地質(zhì)大學(xué)經(jīng)濟(jì)管理學(xué)院,湖北 武漢 430074；2.湖北省教育考試院, 湖北 武漢 430074；3.中南民族大學(xué)國際教育學(xué)院,湖北 武漢 430074)

在考慮非期望產(chǎn)出的前提下,采用超效率非期望兩階段網(wǎng)絡(luò)DEA法測算2008~2016年長江經(jīng)濟(jì)帶工業(yè)企業(yè)綠色創(chuàng)新效率,運(yùn)用對數(shù)平均權(quán)重分解法(LMDI)對其影響因素進(jìn)行分解,并估算各因素的實際貢獻(xiàn)份額和區(qū)域差異.結(jié)果發(fā)現(xiàn):長江經(jīng)濟(jì)帶整體工業(yè)企業(yè)綠色創(chuàng)新效率均值為0.2710,即樣本期內(nèi)并未實現(xiàn)DEA有效,呈現(xiàn)出從下游地區(qū)向上游地區(qū)依次遞減的趨勢;并且下游與中游、上游地區(qū)工業(yè)企業(yè)之間的平均綠色創(chuàng)新效率水平差距呈現(xiàn)出逐漸擴(kuò)大趨勢,發(fā)展態(tài)勢明顯不平衡;整體上自身創(chuàng)新效應(yīng)對工業(yè)企業(yè)綠色創(chuàng)新效率影響最大,剩余依次為工業(yè)企業(yè)消化吸收效應(yīng)、購買國內(nèi)技術(shù)效應(yīng)、引進(jìn)技術(shù)效應(yīng)、技術(shù)改造效應(yīng)和工業(yè)污染治理效應(yīng);新產(chǎn)品開發(fā)經(jīng)費(fèi)效應(yīng)在第一和第二階段一直處于主導(dǎo)地位;吸收消化經(jīng)費(fèi)和購買國內(nèi)技術(shù)經(jīng)費(fèi)對工業(yè)企業(yè)綠色創(chuàng)新效率的正向促進(jìn)作用明顯;吸收消化和購買國內(nèi)技術(shù)經(jīng)費(fèi)的增加在兩階段中的表現(xiàn)一致,但第二階段的效應(yīng)量下降明顯;各因素對工業(yè)企業(yè)綠色創(chuàng)新效率的貢獻(xiàn)差異呈現(xiàn)自東向西的減弱趨勢,但中部地區(qū)的效應(yīng)量不高;從時間變化趨勢來看,長江經(jīng)濟(jì)帶平均效應(yīng)量整體呈現(xiàn)增加的趨勢,但在“十二五”期間總效應(yīng)量則呈現(xiàn)遞減趨勢.此外,上游和中游地區(qū)各因素效應(yīng)量促進(jìn)了工業(yè)企業(yè)綠色創(chuàng)新效率的提升.

長江經(jīng)濟(jì)帶；綠色創(chuàng)新效率；非期望產(chǎn)出；影響因素；效應(yīng)分解

長江經(jīng)濟(jì)帶是橫跨我國東中西部的巨型工業(yè)經(jīng)濟(jì)帶、生態(tài)文明先行區(qū)和創(chuàng)新驅(qū)動策源地,提高工業(yè)企業(yè)綠色創(chuàng)新效率對于長江經(jīng)濟(jì)帶綠色發(fā)展具有重要意義.綠色創(chuàng)新的概念通常與生態(tài)創(chuàng)新、環(huán)境創(chuàng)新和可持續(xù)創(chuàng)新聯(lián)系在一起,是指以避免或減少環(huán)境破壞為目的的“創(chuàng)造性破壞”行為[1].而綠色創(chuàng)新效率是“一定區(qū)域或產(chǎn)業(yè),在一定時期內(nèi),綜合考慮生態(tài)和資源環(huán)境要素前提下,生產(chǎn)和技術(shù)創(chuàng)新過程中各種投入要素的有效利用程度”[2].2016年,長江經(jīng)濟(jì)帶工業(yè)增加值已經(jīng)達(dá)到122684.76億元,是2008年的2.15倍左右.然而,作為橫跨中國東中西部的巨型工業(yè)經(jīng)濟(jì)帶,長江經(jīng)濟(jì)帶工業(yè)大而不強(qiáng),面臨自主創(chuàng)新能力弱、產(chǎn)品檔次不高、資源能源利用率低、環(huán)境污染較為突出等問題,傳統(tǒng)的依靠資源要素投入、規(guī)模擴(kuò)張的粗放發(fā)展模式難以為繼.與此同時,新一輪科技和產(chǎn)業(yè)革命醞釀興起,“創(chuàng)新”和“綠色”將成為工業(yè)競爭力的核心要素.推進(jìn)長江經(jīng)濟(jì)帶工業(yè)由大變強(qiáng),既要加大生產(chǎn)和創(chuàng)新投入力度,還要提高資源能源利用效率,著力增加質(zhì)量效益、創(chuàng)新能力等期望產(chǎn)出,減少生態(tài)破壞、環(huán)境污染等非期望產(chǎn)出,提高工業(yè)特別是大型工業(yè)企業(yè)的綠色創(chuàng)新效率.

表1 工業(yè)企業(yè)綠色創(chuàng)新效率測算分析相關(guān)文獻(xiàn)梳理

注:DEA代表數(shù)據(jù)包絡(luò)分析;SFA代表隨機(jī)前沿分析模型.

國內(nèi)外學(xué)者運(yùn)用不同的分析視角或方法研究綠色創(chuàng)新的動力、特征、決定因素及其對經(jīng)濟(jì)社會系統(tǒng)的影響[13-17],并對工業(yè)企業(yè)綠色創(chuàng)新效率進(jìn)行了較為深入的探討(表1).具體而言,在測算指標(biāo)方面,有的較為側(cè)重于工業(yè)指標(biāo),如龔新蜀等[18]選擇的投入指標(biāo)有工業(yè)固定資產(chǎn)凈值、工業(yè)從業(yè)人員年平均人數(shù)、能源消費(fèi)量,產(chǎn)出指標(biāo)則包括工業(yè)總產(chǎn)值,二氧化碳排放量,但此類指標(biāo)并不能有效代表創(chuàng)新的投入產(chǎn)出,更多體現(xiàn)的是工業(yè)的投入產(chǎn)出;有的則側(cè)重于創(chuàng)新指標(biāo),如錢麗等[19]選擇的投入指標(biāo)有研發(fā)人員全時當(dāng)量和研發(fā)經(jīng)費(fèi)內(nèi)部支出,中間產(chǎn)出指標(biāo)包括專利數(shù)和新產(chǎn)品開發(fā)數(shù),產(chǎn)出指標(biāo)則包括了新產(chǎn)品銷售收入、主營業(yè)務(wù)收入、單位工業(yè)GDP二氧化碳排放量和“三廢”排放量.在處理非期望產(chǎn)出時,大部分將其作為產(chǎn)出變量,但也有學(xué)者將其作為投入變量,如張江雪等[11]借鑒Korhonenab[20]的做法,將工業(yè)企業(yè)能耗和廢氣排放量作為負(fù)產(chǎn)出進(jìn)行處理.在測算方法方面,主要是基于DEA模型的拓展[21],如投入共享關(guān)聯(lián)DEA模型[6,22]、Super-SBM模型[23-24]、SBM-DEA三階段[25]、Malmquist- Luenberger指數(shù)[26-28]、兩階段DEA[29]和DEA-RAM模型[30]以及網(wǎng)絡(luò)兩階段DEA[10]等.在影響因素方面,主要關(guān)注的有外部環(huán)境因素如外商直接投資和行業(yè)資金FDI[12]、政府政策[8]、知識產(chǎn)權(quán)保護(hù)和創(chuàng)新氛圍[19]、環(huán)保投入[10]以及公司性質(zhì)和行業(yè)競爭[31]等,也有企業(yè)自身因素如研發(fā)資金和企業(yè)規(guī)模[3,19]、研發(fā)管理[4]、綠色工業(yè)治理行為等,評價影響因素的作用效果則主要采用面板計量方法[2,5].

總體而言,現(xiàn)有研究還存在進(jìn)一步改進(jìn)的空間,一是現(xiàn)有的DEA方法對最終效率水平的分析存在瑕疵,未能有效區(qū)分DEA有效率狀態(tài)下距離生產(chǎn)前沿面的相對數(shù)值,即在有效DEA狀態(tài)下無法區(qū)分各決策單元距離生產(chǎn)前沿面的數(shù)值,因而在結(jié)果中只能反映決策單元處于DEA有效狀態(tài),未能進(jìn)一步區(qū)分個決策單元效率值的DEA有效狀態(tài)的大小情況,本文則在兩階段網(wǎng)絡(luò)DEA模型引入超效率分析思路,將非期望產(chǎn)出納入工業(yè)企業(yè)綠色創(chuàng)新效率測算指標(biāo)體系,擴(kuò)展了余永澤認(rèn)為DEA兩階段測算的結(jié)果在0~1之間變化[30];另外,以錢麗等研究[7,19,22]為代表的兩階段網(wǎng)絡(luò)共享關(guān)聯(lián)DEA方法更多的分析工業(yè)企業(yè)的創(chuàng)新效率,本文將工業(yè)企業(yè)“三廢”作為非期望產(chǎn)出納入效率測算指標(biāo)體系中,研究長江經(jīng)濟(jì)帶工業(yè)企業(yè)綠色創(chuàng)新效率變化特征.二是關(guān)于工業(yè)企業(yè)綠色創(chuàng)新效率影響因素的分析方法有待改進(jìn),Tobit模型或者一般回歸計算結(jié)果的殘差并未得到有效分解,也即其估計的影響結(jié)果存在偏差,且忽略了企業(yè)自身創(chuàng)新過程和環(huán)節(jié)對綠色創(chuàng)新效率的影響.因此,本文主要創(chuàng)新點(diǎn)包括:①為進(jìn)一步區(qū)分DEA有效狀態(tài)下各區(qū)域距離生產(chǎn)前沿面的數(shù)值,本文利用Spuer-efficiency思路處理非期望兩階段網(wǎng)絡(luò)DEA模型,最終采用有別于共享聯(lián)動的超效率非期望兩階段網(wǎng)絡(luò)DEA模型(Spuer-efficiency undesirable outputs two stage network).②充分考慮企業(yè)創(chuàng)新環(huán)節(jié)對綠色創(chuàng)新效率的影響,并采用LMDI方法對影響因素的效應(yīng)進(jìn)行分解,測算各影響因素的實際貢獻(xiàn)份額.

如何準(zhǔn)確測算工業(yè)企業(yè)綠色創(chuàng)新效率,長江經(jīng)濟(jì)帶工業(yè)企業(yè)綠色創(chuàng)新效率(IE)在不同階段、不同區(qū)域具有怎樣的時空分異特征？哪些關(guān)鍵因素對其產(chǎn)生了影響以及影響效應(yīng)如何？這些是本研究所期望解決的關(guān)鍵科學(xué)問題.

1 研究模型設(shè)計

1.1 研究方法

圖1 考慮非期望產(chǎn)出的k階段生產(chǎn)的工業(yè)企業(yè)DMU結(jié)構(gòu)

,,分別代表投入、產(chǎn)出和中間產(chǎn)品投入

參照何楓等[13]的觀點(diǎn),假設(shè)網(wǎng)絡(luò)生產(chǎn)可能集滿足閉合集、凸集、聯(lián)合弱可處置性、投入和期望產(chǎn)出的強(qiáng)可處置性以及聯(lián)合弱可處置性,運(yùn)用DEA方法將生產(chǎn)規(guī)模報酬可變前提下的網(wǎng)絡(luò)環(huán)境技術(shù)模型整合為:

DMU使用DEA方法進(jìn)行技術(shù)效率評價時,當(dāng)存在多于1個的DMU呈現(xiàn)有效狀態(tài)(IE=1)時,需要進(jìn)一步鑒別這些有效DMU間的效率大小問題,因此在非期望兩階段網(wǎng)絡(luò)DEA的基礎(chǔ)上加入超效率(SpuerEfficiency)問題,最終形成本文的效率測算方法超效率非期望兩階段網(wǎng)絡(luò).

1.1.2 影響因素分解分析方法 在影響因素分解領(lǐng)域,應(yīng)用較為廣泛的為Ang & Liu提出的對數(shù)平均迪式指數(shù)法分解模型(LMDI)[33].LMDI方法能夠通過因素差異測試及時間差異測算,對殘差項能夠完全分解,其乘法分解法和加法分解法之間具有簡明關(guān)系,乘法分解法具備加法特性,本文采用LMDI分解模型:

式中:表示長江經(jīng)濟(jì)帶11省市,j表示時間;IE為工業(yè)企業(yè)綠色創(chuàng)新效率,IE,j為第省第期的IE值;為經(jīng)濟(jì)環(huán)境結(jié)構(gòu),Q,j為第省第期的經(jīng)濟(jì)結(jié)構(gòu);M,j為第省第期的工業(yè)污染源治理總量;N,j為第省第期新產(chǎn)品開發(fā)經(jīng)費(fèi)支出,代表工業(yè)企業(yè)自身創(chuàng)新條件;I,j為第省第期引進(jìn)技術(shù)經(jīng)費(fèi)支出;A,j為消化吸收經(jīng)費(fèi)支出;P,j為第省第期的購買國內(nèi)技術(shù)經(jīng)費(fèi)支出;E,j表示第省第期的技術(shù)改造經(jīng)費(fèi)支出水平.

從基期到期,IE增量的“加法分解”和“乘法分解”分別為:

角標(biāo)為tot的部分表示IE增量,即總效應(yīng)量;下角標(biāo)indm, newf, inot, absd,purt, tect分別表示工業(yè)污染源治理能力,新產(chǎn)品開發(fā)經(jīng)費(fèi)支出,引進(jìn)技術(shù)經(jīng)費(fèi)(億元),消化吸收經(jīng)費(fèi),購買國內(nèi)技術(shù)經(jīng)費(fèi)支出以及技術(shù)改造經(jīng)費(fèi)支出變化對IE的影響大小,對應(yīng)污染治理效應(yīng)、自身創(chuàng)新效應(yīng)、引進(jìn)技術(shù)效應(yīng)、消化吸收效應(yīng)、國內(nèi)創(chuàng)新效應(yīng)及技術(shù)改造效應(yīng).由于本文研究的時間跨度從2008~2016年,經(jīng)濟(jì)制度及經(jīng)濟(jì)環(huán)境并未發(fā)生較大改變,一般在一段時期內(nèi)不會變動,因此本文假定=1.效應(yīng)大于0(加法)或1(乘法)表示該效應(yīng)促進(jìn)IE的增加,反之亦然.因LMDI為完全分解,故分解公式中無其他殘余項.

1.2 變量指標(biāo)及數(shù)據(jù)來源

1.2.1 變量指標(biāo)選取 在綠色創(chuàng)新投入方面,選取的投入變量主要考慮規(guī)模以上工業(yè)企業(yè)的資本和勞動力投入兩個維度,包括R&D經(jīng)費(fèi)支出和研究與試驗發(fā)展(R&D)人員全時當(dāng)量.其中,R&D經(jīng)費(fèi)支出包括內(nèi)部經(jīng)費(fèi)和外部經(jīng)費(fèi)支出,主要用于衡量企業(yè)創(chuàng)新所必需的財力投入,是對創(chuàng)新具有直接的、最為重要的要素;研究與試驗發(fā)展(R&D)人員全時當(dāng)量用于表征創(chuàng)新過程中研發(fā)人員的重要作用.

在綠色創(chuàng)新產(chǎn)出方面,延續(xù)前人研究綠色創(chuàng)新效率的重要變量[34],期望產(chǎn)出的變量指標(biāo)選取工業(yè)企業(yè)專利授權(quán)數(shù)作為衡量綠色創(chuàng)新的中間產(chǎn)出,同時最終產(chǎn)出衡量指標(biāo)為新產(chǎn)品銷售收入及工業(yè)企業(yè)營業(yè)利潤.工業(yè)企業(yè)的非期望產(chǎn)出考慮廢氣、廢水和固體廢物三類變量指標(biāo)[35],不同于范丹等[36]選取的污染物排放熵權(quán)綜合指數(shù),本文的非期望產(chǎn)出主要包括工業(yè)廢氣排放、工業(yè)廢水排放、工業(yè)COD和危險廢物產(chǎn)生量.

影響IE的環(huán)境因素變量主要涉及到工業(yè)企業(yè)創(chuàng)新的各個環(huán)節(jié),最終選定新產(chǎn)品開發(fā)經(jīng)費(fèi)、引進(jìn)技術(shù)經(jīng)費(fèi)、消化吸收經(jīng)費(fèi)、購買國內(nèi)技術(shù)經(jīng)費(fèi)、技術(shù)改造經(jīng)費(fèi)以及工業(yè)污染源治理總額作為影響因素變量.數(shù)據(jù)主要描述性統(tǒng)計如表2所示.

表2 指標(biāo)變量的描述性統(tǒng)計

表3 指標(biāo)相關(guān)性分析

注:***<0.01,**<0.05,*<0.1;下三角形單元報告Pearson的相關(guān)系數(shù),上三角形單元報告的是Spearman相關(guān)系數(shù).

投入與產(chǎn)出變量之間的相關(guān)性統(tǒng)計分析如表3所示.投入指標(biāo)與產(chǎn)出指標(biāo)存在必然關(guān)系,在DEA評價時,胡永宏和路芳認(rèn)為指標(biāo)間的完全線性關(guān)系不會對DEA評價結(jié)果產(chǎn)生影響[37],指標(biāo)間的高度相關(guān)性可能會導(dǎo)致DMU的DEA評價結(jié)果存在偏誤[38].但也有文獻(xiàn)指出,運(yùn)用DEA模型進(jìn)行評價時投入和產(chǎn)出變量需要滿足同質(zhì)性條件.劉偉認(rèn)為投入變量和產(chǎn)出變量的相關(guān)系數(shù)(Pearson's和Spearman’s)在1%的水平顯著正相關(guān)即滿足DEA要求[39],因此參考已有研究成果認(rèn)為本文選取的投入和產(chǎn)出相關(guān)性符合DEA效率分析要求.

1.2.2 數(shù)據(jù)來源 除作特殊說明外,相關(guān)數(shù)據(jù)均來源于中國統(tǒng)計年鑒以及各省市統(tǒng)計年鑒,時間窗口為2008~2016年,測算分析軟件為MaxDEA7.8.由于工業(yè)企業(yè)現(xiàn)有統(tǒng)計數(shù)據(jù)庫只涉及到規(guī)模以上工業(yè)企業(yè)相關(guān)指標(biāo),因此,本文討論的IE是指規(guī)模以上工業(yè)企業(yè)綠色創(chuàng)新效率.

2 效率測算的實證結(jié)果分析

2.1 整體及兩階段IE的地區(qū)差異

經(jīng)測算,樣本期內(nèi)整體IE均值最大值為0.3593,最小值為0.1712.從分省市的結(jié)果來看,最大值為0.3825(江蘇),最小值為浙江0.1397.其余省市IE均值按照從大到小的順序依次為上海(0.3696)、安徽(0.3643)、江西(0.3246)、四川(0.3234)、貴州(0.2684)、湖北(0.2345)、云南(0.2245)、湖南(0.1980)、重慶(0.1515).

根據(jù)長江經(jīng)濟(jì)帶上游、中游、下游的地區(qū)分布,測算并比較了三個地區(qū)工業(yè)企業(yè)的整體及兩階段綠色創(chuàng)新效率的變化趨勢,如表4和圖2所示.總體而言,上游、中游、下游地區(qū)工業(yè)企業(yè)的年均整體綠色創(chuàng)新效率值分別為0.2420、0.2803和0.2973,全部工業(yè)企業(yè)年均整體綠色創(chuàng)新效率值為0.2710,反映了樣本期內(nèi)長江經(jīng)濟(jì)帶11省市整體IE呈現(xiàn)出從下游地區(qū)向上游地區(qū)依次遞減的趨勢.圖2(a)的變化應(yīng)該引起關(guān)注的是,上游、中游、下游地區(qū)整體IE在2010年出現(xiàn)拐點(diǎn),之后呈現(xiàn)逐年下降的趨勢,隨后在2014年略有回升.

橫向比較來看,上游、中游、下游地區(qū)工業(yè)企業(yè)的平均整體綠色創(chuàng)新效率之比由2008年的0.202057: 0.180029:0.206538擴(kuò)大到2016年的0.306001:0.27685: 0.397102.下游地區(qū)工業(yè)企業(yè)與中游、上游地區(qū)之間的平均綠色創(chuàng)新效率水平差距呈現(xiàn)出逐漸擴(kuò)大趨勢,三個地區(qū)IE具有比較明顯的不平衡發(fā)展態(tài)勢.為了更清楚地了解各地區(qū)整體IE差異來源,本文進(jìn)一步將整體IE分解為第一階段(Stage1)和第二階段(Stage2),分別見表4和圖2.就Stage1而言,上游、中游、下游地區(qū)工業(yè)企業(yè)在樣本期內(nèi)的IE均值分別為0.6163、0.5684和0.6809.就Stage2而言,上游、中游、下游地區(qū)IE均值都在2009年和2010年出現(xiàn)拐點(diǎn),之后中、上游地區(qū)工業(yè)企業(yè)IE在2015年呈現(xiàn)回升趨勢,而下游地區(qū)IE在2014年后略有回升上升趨勢.

表4 2008~2016年長江經(jīng)濟(jì)帶11省市IE主要描述性統(tǒng)計

2.2 兩階段IE的空間集聚分析

以2008~2016年樣本工業(yè)企業(yè)兩階段綠色創(chuàng)新效率均值(0.65,0.60)為分界點(diǎn),可得到兩階段IE矩陣圖,如圖2(d)所示.總體上,將11省市及劃分區(qū)域分成四大類,主要內(nèi)容如下:

第一類(ⅠH-H)——工業(yè)企業(yè)的兩階段IE值均大于均值,即工業(yè)企業(yè)綠色創(chuàng)新研發(fā)效率(Stage1)和商業(yè)轉(zhuǎn)化效率(Stage2)均較高.此類型僅包括江蘇省,占總數(shù)的6.67%.該省的工業(yè)企業(yè)無論是在生產(chǎn)資源消耗方面還是在工業(yè)廢氣、廢物等污染物排放量方面均優(yōu)于其他省市.江蘇省工業(yè)企業(yè)綠色創(chuàng)新活動第一階段和第二階段的效率值均小于1,說明其兩階段均未達(dá)到相對有效狀態(tài),在資源要素消耗及節(jié)能減排管理上尚存較大的提升空間.

第二類(ⅡL-H)——工業(yè)企業(yè)IE值第一階段小于均值,第二階段大于均值,即工業(yè)企業(yè)綠色創(chuàng)新研發(fā)效率低而商業(yè)轉(zhuǎn)化效率高.此類型包括上海和江西,這兩個省在綠色創(chuàng)新產(chǎn)出階段的效率值大于綠色創(chuàng)新研發(fā)階段的效率值,單純從效率值的演變理解,這兩個省綠色創(chuàng)新成果轉(zhuǎn)化效率較高.上海在第一階段效率值低的原因可能在于上海雖然R&D研發(fā)經(jīng)費(fèi)投入強(qiáng)度高于其他省市,但相較于較高的研發(fā)投入,其以專利為代表的中間產(chǎn)出偏低,當(dāng)然這并不是說上海的專利數(shù)量少于其他省市,只是相對于自身的投入而言專利產(chǎn)出偏低.

第三類(Ⅲ L-L)——工業(yè)企業(yè)的第一階段和第二階段IE值均小于均值,即工業(yè)企業(yè)綠色創(chuàng)新研發(fā)效率和商業(yè)轉(zhuǎn)化效率均較低.此類型主要包括湖南、云南、湖北以及四川,占總數(shù)的30.7692%,說明上述省市的工業(yè)企業(yè)綠色創(chuàng)新行為均是相對無效,這也表明這些工業(yè)企業(yè)在資源配置、節(jié)能降耗及環(huán)境保護(hù)方面都還有很大的提升空間,需要向下游江蘇等工業(yè)企業(yè)學(xué)習(xí)管理經(jīng)驗,進(jìn)一步引進(jìn)或研發(fā)節(jié)能減排技術(shù).

(a),長江經(jīng)濟(jì)帶2008~2016年整體IE,上游地區(qū)IE,中游地區(qū)IE和下游地區(qū)IE;(b),長江經(jīng)濟(jì)帶2008~2016年第一階段IE;(c),長江經(jīng)濟(jì)帶2008~2016年第二階段IE;(d),長江經(jīng)濟(jì)帶11省市工業(yè)企業(yè)兩階段IE矩陣,橫軸為第一階段IE均值,縱軸為第二階段IE均值

第四類(ⅣH-L)——工業(yè)企業(yè)的第一階段IE值大于均值,第二序階段小于均值,即工業(yè)企業(yè)綠色創(chuàng)新研發(fā)效率高但商業(yè)轉(zhuǎn)化效率低.此類型包括浙江、重慶、貴州和安徽,上述省市對于創(chuàng)新經(jīng)營行為具備充足經(jīng)驗,但在中間產(chǎn)出轉(zhuǎn)化及管理方面存在不足,因而上述省市需要通過健全技術(shù)轉(zhuǎn)移服務(wù)體系,彌補(bǔ)綠色創(chuàng)新成果轉(zhuǎn)化的短板.

3 影響因素的實證結(jié)果分析

基于新產(chǎn)品開發(fā)經(jīng)費(fèi)、引進(jìn)技術(shù)、消化吸收、購買國內(nèi)技術(shù)、技術(shù)改造和工業(yè)污染源治理共6個因素,采用“LMDI分解法”對影響IE的因素進(jìn)行分解.乘法分解可以直觀地反應(yīng)各因素的貢獻(xiàn)比例和變化趨勢,加法分解可以分析各因素貢獻(xiàn)的絕對量.首先通過乘法分解顯示IE影響因素的動態(tài)規(guī)律,再通過加法分解分析在IE變化中各因素的貢獻(xiàn)及不同的區(qū)域特征.

3.1 總體分解變化

3.1.1 各影響因素與IE的相關(guān)特征 圖3給出了依據(jù)加法分解所示的6大影響因素的均值貢獻(xiàn)特征.結(jié)果顯示總體上新產(chǎn)品研發(fā)經(jīng)費(fèi)對IE影響最大,其次為工業(yè)企業(yè)消化吸收效應(yīng)和購買國內(nèi)技術(shù)效應(yīng),然后為引進(jìn)技術(shù)效應(yīng)和技術(shù)改造效應(yīng),工業(yè)污染治理效應(yīng)最低.上述影響因素分解與IE均存在不同的正向或負(fù)向影響(圖3(a)).

圖3 分解效應(yīng)的各因素描述性統(tǒng)計及其對IE的影響

(a)影響因素分解各因素引進(jìn)技術(shù)()、消化吸收()、購買國內(nèi)技術(shù)()、技術(shù)改造()、新產(chǎn)品開發(fā)經(jīng)費(fèi)()和工業(yè)污染源治理()對工業(yè)企業(yè)綠色創(chuàng)新效率IE的散點(diǎn)圖及其線性和非線性擬合R;(b),各個影響因素的箱線圖及其正太分布曲線.陰影部分為95%置信區(qū)間

具體來說,在影響IE的6大因素中,新產(chǎn)品研發(fā)經(jīng)費(fèi)因素的波動最大,對IE的影響也最大,且呈正向影響.測算結(jié)果表明,新產(chǎn)品研發(fā)經(jīng)費(fèi)的因素值在0~0.4之間波動,均小于1,但是對IE起明顯促進(jìn)作用(圖3(a));其次為消化吸收,但購買國內(nèi)技術(shù)對IE的影響更為集中,并且圖3(a)表明消化吸收和購買國內(nèi)技術(shù)對IE有明顯的促進(jìn)作用,其效應(yīng)量主要集中在-0.3~0.3之間;最后,引進(jìn)技術(shù)、技術(shù)改造和工業(yè)污染源治理對IE的影響為負(fù)(圖3(a)),且其效應(yīng)量的變化數(shù)值主要低于0.

圖4 兩階段效應(yīng)量分解均值變化

(a),長江經(jīng)濟(jì)帶IE總體的各效應(yīng)分解均值;(b),長江經(jīng)濟(jì)帶IE第一階段的各效應(yīng)分解均值;(c),長江經(jīng)濟(jì)帶IE第二階段的各效應(yīng)分解均值

為進(jìn)一步探討各因素、各階段如何影響IE,首先要分析IE的影響因素在兩階段中的具體表現(xiàn),找出各個階段貢獻(xiàn)量變化的主要驅(qū)動因素.根據(jù)LMDI模型各指標(biāo)公式,計算各指標(biāo)的貢獻(xiàn)量,并繪制各指標(biāo)貢獻(xiàn)量均值的變化圖(圖4).從長江經(jīng)濟(jì)帶總體范圍來看,在總體及其兩階段變化方面,新產(chǎn)品開發(fā)經(jīng)費(fèi)效應(yīng)一直處于主導(dǎo)地位,其中第一階段2009~2016年的新產(chǎn)品開發(fā)經(jīng)費(fèi)貢獻(xiàn)量最大,第二階段的新產(chǎn)品開發(fā)經(jīng)費(fèi)對IE的貢獻(xiàn)量有所下降,但仍然占據(jù)主導(dǎo)地位.在提升IE的其他效應(yīng)量變化中,吸收消化經(jīng)費(fèi)和購買國內(nèi)技術(shù)經(jīng)費(fèi)對IE的正向促進(jìn)作用明顯;同樣地,吸收消化和購買國內(nèi)技術(shù)經(jīng)費(fèi)的增加在兩階段中的表現(xiàn)一致,但第二階段的效應(yīng)量下降明顯.

圖4也反映了樣本期內(nèi)工業(yè)污染源治理、引進(jìn)技術(shù)和技術(shù)改造經(jīng)費(fèi)的增加并未促進(jìn)IE.具體表現(xiàn)在:首先,工業(yè)污染源治理雖然能夠減輕工業(yè)企業(yè)的環(huán)境污染,但對IE的消極作用一直延續(xù)貫穿在整體工業(yè)企業(yè)活動中,第一階段中的工業(yè)污染源治理帶來的負(fù)向效應(yīng)明顯較第二階段輕;其次,引進(jìn)技術(shù)的負(fù)向效應(yīng)排名第二;最后為技術(shù)改造,雖然技術(shù)改造對IE有明顯的負(fù)向作用,但總體效應(yīng)較小且第一階段和第二階段的變化不明顯.

3.1.2 分省貢獻(xiàn)變化分析 為更詳細(xì)探究長江經(jīng)濟(jì)帶各省份的主要驅(qū)動力,運(yùn)用LMDI計算各指標(biāo)對2006~2013年IE的貢獻(xiàn)度,繪制各省份各指標(biāo)貢獻(xiàn)度平均分布圖(圖5(a)和圖5(b)).

由圖5(a)可知,總體效應(yīng)量變化呈現(xiàn)明顯的地域差異,整體呈現(xiàn)下降的省份包括安徽、湖南、云南、湖北、四川以及浙江.其中,下降幅度最大的省市為四川,其次為浙江及安徽,涵蓋范圍從西部向東部遞減.總效應(yīng)量整體上升的省市包括上海和重慶,上海和重慶作為我國重要的直轄市,其為長江經(jīng)濟(jì)帶重要的節(jié)點(diǎn)城市為工業(yè)企業(yè)發(fā)展的綠色創(chuàng)新提供范例.從2012年十八大提出“重視生態(tài)文明、實現(xiàn)綠色創(chuàng)新協(xié)調(diào)發(fā)展”以來,上海和重慶兩地的總效應(yīng)量對IE上升幅度明顯高于長江經(jīng)濟(jì)帶其他地區(qū).近幾年,上海和重慶為企業(yè)綠色創(chuàng)新推行多種政策措施,為提升IE奠定了基礎(chǔ).總體上看,IE的貢獻(xiàn)差異呈現(xiàn)自東向西的減弱趨勢,但中部地區(qū)的效應(yīng)量不高,說明在西部開發(fā)和中部崛起的戰(zhàn)略背景下,還需通過綠色創(chuàng)新解決發(fā)展過程中產(chǎn)生的環(huán)境問題.同時,從時間變化趨勢來看,在樣本期內(nèi),長江經(jīng)濟(jì)帶11省市平均的效應(yīng)量整體呈現(xiàn)增加的趨勢,但在“十二五”期間,總效應(yīng)量則呈現(xiàn)遞減趨勢.

圖5 長江經(jīng)濟(jì)帶分省市各分解指標(biāo)總貢獻(xiàn)量平均變化趨勢

(a) 2009~2016年長江經(jīng)濟(jì)帶總貢獻(xiàn)量變化趨勢;(b) 2009~2016年長江經(jīng)濟(jì)帶總貢獻(xiàn)量均值變化

3.2 兩階段效應(yīng)量變化分析

由圖6(a)(b)(c)可知,各因素變化趨勢存在不一致,主要表現(xiàn)為第二階段的各因素的顯著波動,除新產(chǎn)品開發(fā)經(jīng)費(fèi)呈現(xiàn)上升趨勢之外,其余各因素均不同程度的波動下降.IE提升主要得益于新產(chǎn)品開發(fā)經(jīng)費(fèi),而引進(jìn)技術(shù)-消化吸收-技術(shù)改造等還存在改進(jìn)區(qū)間.

圖6(d)給出長江經(jīng)濟(jì)帶11省市各因素效應(yīng)量的平均變化值,相較而言,各個省市效應(yīng)量對IE的貢獻(xiàn)程度不一.長江上游地區(qū)和中游地區(qū)各因素效應(yīng)量對IE的提升有較大幫助,但同時上中游部分省市對IE的“拖累”也存在.

3.3 貢獻(xiàn)份額分析

表5的測算結(jié)果表明2008~2016年影響長江經(jīng)濟(jì)帶11省市IE的各個因素存在較大差異,在不同階段有不同程度的貢獻(xiàn).主要表現(xiàn)在:

第一,位于下游地區(qū)的江蘇、上海和浙江三省市,其IE不同程度的受到部分影響因素第二階段的“拖累”,上海和浙江主要受制于第二階段工業(yè)污染源治理2和引進(jìn)技術(shù)經(jīng)費(fèi)I貢獻(xiàn)份額的降低,技術(shù)改造經(jīng)費(fèi)E共同影響了江蘇和浙江的IE變化,除此以外,第二階段的消化吸收經(jīng)費(fèi)2大幅度降低嚴(yán)重影響江蘇的IE變化,同時浙江工業(yè)企業(yè)第二階段新產(chǎn)品開發(fā)經(jīng)費(fèi)對IE的貢獻(xiàn)并不高.由此可見,雖然總體上新產(chǎn)品開發(fā)經(jīng)費(fèi)對IE的驅(qū)動占主導(dǎo)地位,但并不是每個省市在每個階段均是由新產(chǎn)品開發(fā)經(jīng)費(fèi)主導(dǎo).

圖6 2009~2016年IE影響因素整體及兩階段分解各省貢獻(xiàn)量

(a)(b)(c)分別表示整體、第一階段和第二階段各影響因素引進(jìn)技術(shù)(12)、消化吸收(12)、購買國內(nèi)技術(shù)(12)、技術(shù)改造(12)、新產(chǎn)品開發(fā)經(jīng)費(fèi)(12)和工業(yè)污染源治理(12)分解的變化趨勢;(d),總體和各個階段影響因素的效應(yīng)量分省分布

表5 長江經(jīng)濟(jì)帶11省市兩階段IE主要影響因素的貢獻(xiàn)份額均值(%)

第二,位于中游地區(qū)的安徽、湖北、湖南和江西四省,與上海和浙江相似,工業(yè)污染源治理成為影響湖南和湖北IE提升的主要因素,在第二階段其貢獻(xiàn)份額降低約3%.其次,安徽和湖南IE受制于引進(jìn)技術(shù)經(jīng)費(fèi),消化吸收則影響了安徽、湖北和江西三省的IE變化,也即在引進(jìn)技術(shù)和吸收消化方面上述省份存在脫節(jié).購買國內(nèi)技術(shù)則“拖累”了湖南和江西的IE提升.此外,新產(chǎn)品開發(fā)經(jīng)費(fèi)和技術(shù)改造同時影響安徽的IE變化,這也就造成圖3(a)安徽2008~2016年整體效應(yīng)量下降.

第三,位于上游地區(qū)的貴州、四川、云南和重慶四省市,工業(yè)污染源治理仍然成為上游地區(qū)IE降低的主要原因,這就表明在樣本期內(nèi)長江經(jīng)濟(jì)帶主要地區(qū)IE變化受制于工業(yè)污染源治理,因此,長江經(jīng)濟(jì)帶的“共抓大保護(hù),不搞大開發(fā)”任重道遠(yuǎn).引進(jìn)技術(shù)并未提升貴州和云南兩地IE,這可能是由于貴州、云南兩地的地理位置偏遠(yuǎn),引進(jìn)技術(shù)成本較大.消化吸收和購買國內(nèi)技術(shù)經(jīng)費(fèi)共同影響四川、云南和重慶的IE,而技術(shù)改造則相反.

3.4 建議

本文研究對象主要是規(guī)模以上工業(yè)企業(yè),沒有考慮規(guī)模以下工業(yè)企業(yè)的特殊性,囿于DEA模型投入產(chǎn)出指標(biāo)的數(shù)量限制,可能忽略了部分指標(biāo),因而本文主要對策建議包括:首先,綠色創(chuàng)新是一項系統(tǒng)創(chuàng)新,既要重視工業(yè)企業(yè)的綠色研發(fā)和技術(shù)創(chuàng)新,也要推進(jìn)工業(yè)企業(yè)建立綠色導(dǎo)向的組織、管理、制度和商業(yè)模式;既要重視提高工業(yè)企業(yè)綠色創(chuàng)新研發(fā)階段的效率,也要重視提高綠色創(chuàng)新成果轉(zhuǎn)化階段的效率,進(jìn)一步健全長江經(jīng)濟(jì)帶綠色技術(shù)轉(zhuǎn)移服務(wù)體系,完善促進(jìn)綠色創(chuàng)新成果轉(zhuǎn)化的配套政策.其次,從區(qū)域協(xié)調(diào)的角度出發(fā),應(yīng)推進(jìn)長江經(jīng)濟(jì)帶各省市、上中下游地區(qū)工業(yè)企業(yè)綠色創(chuàng)新協(xié)同發(fā)展,解決區(qū)域綠色創(chuàng)新不平衡不協(xié)調(diào)的問題,及時總結(jié)IE較高省市的先進(jìn)經(jīng)驗、典型案例并進(jìn)行宣傳推廣,探索建立11個省市共同促進(jìn)工業(yè)企業(yè)綠色創(chuàng)新的聯(lián)席會議制度和長效機(jī)制.特別是針對湖南、云南、湖北和四川等具有低研發(fā)和低商業(yè)轉(zhuǎn)化效率特征的省份,應(yīng)該重點(diǎn)關(guān)注工業(yè)企業(yè)綠色創(chuàng)新效率的整體提升,通過完善工業(yè)企業(yè)綠色創(chuàng)新發(fā)展的頂層設(shè)計,從供給側(cè)和需求側(cè)兩端入手,在加大綠色創(chuàng)新投入的同時提高綠色創(chuàng)新產(chǎn)出.而對浙江、重慶、貴州和安徽等研發(fā)效率高而商業(yè)轉(zhuǎn)化效率低的省份,重點(diǎn)則是促進(jìn)綠色創(chuàng)新鏈和產(chǎn)業(yè)鏈、資金鏈的有機(jī)銜接,進(jìn)一步建立完善市場導(dǎo)向的綠色科技成果應(yīng)用和產(chǎn)業(yè)化機(jī)制.最后,影響因素的效應(yīng)分解結(jié)果顯示,提高工業(yè)企業(yè)自主創(chuàng)新能力至關(guān)重要,因此,需要重點(diǎn)支持和鼓勵長江經(jīng)濟(jì)帶工業(yè)企業(yè)加大綠色研發(fā)投入,發(fā)展綠色制造、智能制造和先進(jìn)制造,推進(jìn)工業(yè)與服務(wù)業(yè)深度融合.

4 結(jié)論

4.1 效率值變化方面,長江經(jīng)濟(jì)帶整體IE值為0.2710,即樣本期內(nèi)工業(yè)企業(yè)綠色創(chuàng)新并未實現(xiàn)DEA有效,同時樣本期內(nèi)11個省市IE呈現(xiàn)出從下游地區(qū)向上游地區(qū)依次遞減的趨勢.橫向比較來看,下游與中游、上游地區(qū)平均IE水平差距呈現(xiàn)出逐漸擴(kuò)大趨勢,三個地區(qū)IE具有比較明顯的不平衡發(fā)展態(tài)勢.

4.2 影響因素效應(yīng)分解方面,總體上自身創(chuàng)新效應(yīng)對IE影響最大,剩余依次為工業(yè)企業(yè)消化吸收效應(yīng)、購買國內(nèi)技術(shù)效應(yīng)、引進(jìn)技術(shù)效應(yīng)、技術(shù)改造效應(yīng)和工業(yè)污染治理效應(yīng).兩階段變化方面,自身創(chuàng)新效應(yīng)在第一和第二階段一直處于主導(dǎo)地位;吸收消化經(jīng)費(fèi)和購買國內(nèi)技術(shù)經(jīng)費(fèi)對IE的正向促進(jìn)中作用明顯;吸收消化和購買國內(nèi)技術(shù)經(jīng)費(fèi)的增加在兩階段中的表現(xiàn)一致,但第二階段的效應(yīng)量下降明顯.

4.3 各影響因素的區(qū)域貢獻(xiàn)方面,對長江經(jīng)濟(jì)帶IE的貢獻(xiàn)呈現(xiàn)自東向西的減弱趨勢,但中部地區(qū)的效應(yīng)量不高;從時間變化趨勢來看,長江經(jīng)濟(jì)帶11省市平均的效應(yīng)量整體呈現(xiàn)增加的趨勢,但在“十二五”期間,總效應(yīng)量則從呈現(xiàn)遞減趨勢.長江上游地區(qū)和中游地區(qū)各因素效應(yīng)量對IE的提升有較大幫助,但同時上中游部分省市對IE的“拖累”也存在.

[1] 約瑟夫?阿洛伊斯?熊彼特.經(jīng)濟(jì)發(fā)展理論:對于利潤、資本、信貸、利息和經(jīng)濟(jì)周期的考察 [M]. 何畏等譯,北京:商務(wù)印書館, 1990:201-306. Schumpete J A. The theory of economic development: an inquiry into profits, capital, credit, interest, and the business cycle [M]. He W, et al. Beijing: The Commercial Press, 1990.

[2] 易 明,程曉曼.長江經(jīng)濟(jì)帶城市綠色創(chuàng)新效率時空分異及其影響因素[J]. 城市問題, 2018,(8):31-39. Yi M, Chen X M. Spatial-temporal differences and influencing factors of green innovation efficiency along the Yangtze River Economic Belt [J]. Urban Problems, 2018,(8):31-39.

[3] 池仁勇.企業(yè)技術(shù)創(chuàng)新效率及其影響因素研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2003,(6):105-108. Chi R Y. Research on Enterprise Technology Innovation Efficiency and its Influencing Factors [J]. The Journal of Quantitative & Technical Economics, 2003,(6):105-108.

[4] 余泳澤.我國高技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率及其影響因素研究——基于價值鏈視角下的兩階段分析[J]. 經(jīng)濟(jì)科學(xué), 2009,(4):62-74. Yu Y Z. Research on technology innovation efficiency and its influencing factors of high-tech Industry in China—two stage analysis based on value chain perspective [J]. Economic Science, 2009,(4):62- 74.

[5] Guan J, Chen K. Measuring the innovation production process: a cross-region empirical study of China’s high-tech innovations [J]. Technovation, 2010,30(5/6):348-358.

[6] 馮志軍.中國工業(yè)企業(yè)綠色創(chuàng)新效率研究[J]. 中國科技論壇, 2013,(2):82-88. Feng Z J. Research on industrial enterprises' green innovation efficiency in China—based on provincial data by a DEA-SBM approach [J]. Forum On Science and Technology in China, 2013,(2): 82-88.

[7] 錢 麗,肖仁橋,陳忠衛(wèi).環(huán)境約束、技術(shù)差距與企業(yè)創(chuàng)新效率——基于中國省際工業(yè)企業(yè)的實證研究[J]. 科學(xué)學(xué)研究, 2015,33(3): 378-389. Qian Li, Xiao R Q, Chen Z W. Environmental constraint, technology gap and the enterprises' innovation efficiency: empirical research on the provincial industrial enterprises in China [J]. Studies in Science of Science, 2015,33(3):378-389.

[8] 肖 文,林高榜.政府支持、研發(fā)管理與技術(shù)創(chuàng)新效率——基于中國工業(yè)行業(yè)的實證分析[J]. 管理世界, 2014,(4):71-80. Xiao W, Lin G B. Government support, R&D management and technology innovation efficiency: an empirical analysis based on China's industrial sector [J]. Management World, 2014,(4):71-80.

[9] Shu C, Zhou K Z, Xiao Y, et al. How green management influences product innovation in China: the role of institutional benefits [J]. Journal of Business Ethics, 2016,133(3):471-485.

[10] 畢克新,楊朝均,黃 平.中國綠色工藝創(chuàng)新績效的地區(qū)差異及影響因素研究[J]. 中國工業(yè)經(jīng)濟(jì), 2013,(10):57-69. Bi K X, Yang C J, Huang P. Study on the regional difference and influencing factors of green process innovation performance in China [J]. China Industrial Economics, 2013,(10):57-69.

[11] 張江雪,朱 磊.基于綠色增長的我國各地區(qū)工業(yè)企業(yè)技術(shù)創(chuàng)新效率研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2012,29(2):113-125. Zhang J X, Zhu L. Research on technological innovation efficiency of industrial enterprises based on green growth of regions in China [J]. The Journal of Quantitative & Technical Economics, 2012,29(2):113- 125.

[12] 孫曉華,郭 旭,王 昀.政府補(bǔ)貼、所有權(quán)性質(zhì)與企業(yè)研發(fā)決策[J]. 管理科學(xué)學(xué)報, 2017,20(6):18-31. Sun X H, Guo X, Wang Y. Government subsidy, ownership, and firms' R & D decisions [J]. Journal of Management Sciences in China, 2017, 20(6):18-31.

[13] Borghesi S. Environmental innovation and socio-economic dynamics in institutional and policy contexts [J]. Journal of Evolutionary Economics, 2013,23(2):241-245.

[14] Chen Y S, Lai S B, Wen C T. The influence of green innovation performance on corporate advantage in Taiwan [J]. Journal of Business Ethics, 2006,67(4):331-339.

[15] Costantini V, Crespi F, Martini C, et al. Demand-pull and technology- push public support for Eco-innovation: the case of the biofuels sector [J]. Research Policy, 2015,44(3):577-595.

[16] Leal-Rodríguez A L, Ariza-Montes A J, Morales-Fernández E, et al. Green innovation, indeed a cornerstone in linking market requests and business performance. Evidence from the Spanish automotive components industry [J]. Technological Forecasting and Social Change, 2018,129:185-193.

[17] 楊朝均,楊文珂,朱雁春.中國省際間對內(nèi)開放對驅(qū)動工業(yè)綠色創(chuàng)新空間趨同的影響 [J]. 中國環(huán)境科學(xué), 2018,38(8):3189-3200. Yang C J, Yang W K, Zhu Y C. The impact of inter provincial openness on the convergence of industrial green innovation in China [J]. China Environmental Science, 2018,38(8):3189-3200.

[18] 龔新蜀,李夢潔,張洪振. OFDI是否提升了中國的工業(yè)綠色創(chuàng)新效率——基于集聚經(jīng)濟(jì)效應(yīng)的實證研究[J]. 國際貿(mào)易問題, 2017,(11): 127-137. Gong X S, Li M J, Zhang H Z. Has OFDI promoted the industrial enterprises' green innovation efficiency in China--evidence based on agglomeration economic effect [J]. Journal of International Trade, 2017,(11):127-137.

[19] 錢 麗,王文平,肖仁橋.共享投入關(guān)聯(lián)視角下中國區(qū)域工業(yè)企業(yè)綠色創(chuàng)新效率差異研究[J]. 中國人口×資源與環(huán)境, 2018,28(5):27-39. Li Q, Wang W P, Xiao R Q. Research on the regional disparities of China's industrial enterprises green innovation efficiency from the perspective of shared inputs [J]. China Population, Resources and Environment, 2018,28(5):27-39.

[20] Korhonenab P J. Eco-efficiency analysis of power plants: an extension of data envelopment analysis [J]. European Journal of Operational Research, 2004,154(2):437-446.

[21] 何 楓,祝麗云,馬棟棟,等.中國鋼鐵企業(yè)綠色技術(shù)效率研究[J]. 中國工業(yè)經(jīng)濟(jì), 2015,(7):84-98. He F, Zhu L Y, Ma D D, et al. Research on the green technical efficiency of China's iron and steel enterprises [J]. China Industrial Economics, 2015,(7):84-98.

[22] 錢 麗,肖仁橋,陳忠衛(wèi).我國工業(yè)企業(yè)綠色技術(shù)創(chuàng)新效率及其區(qū)域差異研究——基于共同前沿理論和DEA模型[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理, 2015,(1):26-43. Qian L, Renqiao X, Zhongwei C. Research on the industrial enterprise's technology innovation efficiency and regional disparities in China--based on the theory of Meta-frontier and DEA model [J]. Economic Theory and Business Management, 2015,(1):26-43.

[23] 王 惠,苗 壯,王樹喬.空間溢出、產(chǎn)業(yè)集聚效應(yīng)與工業(yè)綠色創(chuàng)新效率[J]. 中國科技論壇, 2015,(12):33-38. Wang H, Miao Z, Wang S Q. Spatial spillover, industrial agglomeration effect and industrial green innovation efficiency [J]. Forum On Science and Technology in China, 2015,(12):33-38.

[24] 李曉陽,趙宏磊,林恬竹.中國工業(yè)的綠色創(chuàng)新效率[J]. 首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報, 2018,20(3):41-49. Xiaoyang L, Honglei Z, Tianzhu L. The green innovation efficiency of Chinese industry [J]. Journal of Capital University of Economics and Business, 2018,20(3):41-49.

[25] Azad M A, Ancev T. Measuring environmental efficiency of agricultural water use: a Luenberger environmental indicator. [J]. Journal of Environmental Management, 2014,145(145C):314-320.

[26] 劉章生,宋德勇,弓媛媛,等.中國制造業(yè)綠色技術(shù)創(chuàng)新能力的行業(yè)差異與影響因素分析[J]. 情報雜志, 2017,36(1):194-200. Liu Z S, Song D Y, Gong Y Y, et al. Analysis of industrial differences and its influencing factors of green technological innovation capability of Chinese manufacturing industry [J]. Journal of Intelligence, 2017, 36(1):194-200.

[27] 羅 艷,陳 平.環(huán)境規(guī)制對中國工業(yè)綠色創(chuàng)新效率改善的門檻效應(yīng)研究[J]. 東北大學(xué)學(xué)報(社會科學(xué)版), 2018,20(2):147-154. Luo Y, Chen P. On the threshold effect of environmental regulation upon the improvement of China's industrial green innovation efficiency [J]. Journal of Northeastern University (Social Science), 2018,20(2):147-154.

[28] 羅良文,梁圣蓉.中國區(qū)域工業(yè)企業(yè)綠色技術(shù)創(chuàng)新效率及因素分解[J]. 中國人口×資源與環(huán)境, 2016,26(9):149-157. Luo L W, Liang S R. Green technology innovation efficiency and factor decomposition of China's industrial enterprises [J]. China Population, Resources and Environment, 2016,26(9):149-157.

[29] 任 耀,牛沖槐,牛 彤,等.綠色創(chuàng)新效率的理論模型與實證研究[J]. 管理世界, 2014,(7):176-177. Ren Y, Niu C H, Niu T, et al. Theoretical model and empirical research on green innovation efficiency [J]. Management World, 2014,(7): 176-177.

[30] 宋馬林,王舒鴻.環(huán)境規(guī)制、技術(shù)進(jìn)步與經(jīng)濟(jì)增長[J]. 經(jīng)濟(jì)研究, 2013,48(3):122-134. Song M L, Wang S H. Analysis of environmental regulation, technological progression and economic growth from the perspective of statistical tests [J]. Economic Research Journal, 2013,48(3):122- 134.

[31] 吳 超,楊樹旺,唐鵬程,等.中國重污染行業(yè)綠色創(chuàng)新效率提升模式構(gòu)建[J]. 中國人口×資源與環(huán)境, 2018,28(5):40-48. Wu C, Yang S W, Tang P C, et al. Construction of the efficiency promotion model of green innovation in China's heavy polluted industries [J]. China Population, Resources and Environment, 2018, 28(5):40-48.

[32] F?re R. Directional distance functions and slacks-based measures of efficiency [J]. European Journal of Operational Research, 2010, 200(1):320-322.

[33] Ang B W, Liu F L. A new energy decomposition method: perfect in decomposition and consistent in aggregation [J]. Energy, 2001,26(6): 537-548.

[34] 馬曉君,李煜東,王常欣,等.約束條件下中國循環(huán)經(jīng)濟(jì)發(fā)展中的生態(tài)效率——基于優(yōu)化的超效率SBM-Malmquist-Tobit模型 [J]. 中國環(huán)境科學(xué), 2018,38(9):3584-3593. Ma X J, Li Y D, Wang C X, et al. Ecological efficiency in the development of circular economy of China under hard constraints based on an optimal super efficiency SBM-Malmquist-Tobit model [J]. China Environmental Science, 2018,38(9):3584-3593.

[35] 龐 軍,石媛昌,胡 濤,等.我國出口貿(mào)易隱含污染排放變化的結(jié)構(gòu)分解分析 [J]. 中國環(huán)境科學(xué), 2013,33(12):2274-2285. Pang J, Shi Y C, Hu T, et al. Structural decomposition analysis of pollutants emission change embodied in exports of China [J]. China Environmental Science, 2013,33(12):2274-2285.

[36] 范 丹,梁佩鳳,劉 斌,等.中國環(huán)境稅費(fèi)政策的雙重紅利效應(yīng)——基于系統(tǒng)Gmm與面板門檻模型的估計 [J]. 中國環(huán)境科學(xué), 2018,38(9):3576-3583. Fan D, Liang P F, Liu B, et al. Analysis on the double dividend effects of the environmental tax and fee policies in China--the estimation of the System GMM and the panel threshold model [J]. China Environmental Science, 2018,38(9):3576-3583.

[37] 胡永宏,路 芳.數(shù)據(jù)無量綱化和指標(biāo)相關(guān)性對DEA評價結(jié)果的影響研究[J]. 經(jīng)濟(jì)統(tǒng)計學(xué)(季刊), 2017,(2):56-72. Hu Y H, Lu F. Study on the influence of data dimensionless and index correlation on DEA evaluation results [J]. China Economic Statistics Quarterly, 2017,(2):56-72.

[38] 智冬曉.指標(biāo)相關(guān)性對Dea評價效用的影響[J]. 統(tǒng)計教育, 2009,(6):40-44. Zhi D X. Impact of correlation between variables on DEA evaluation [J]. Statistical Thinktank, 2009,(6):40-44.

[39] 劉 偉.考慮環(huán)境因素的高新技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新效率分析——基于2000~2007年和2008~2014年兩個時段的比較[J]. 科研管理, 2016, 37(11):18-25. Liu W. Technological innovation efficiency of high-tech industries considering environmental factor in China-comparison of two periods from 2000~2007 and from 2008~2014 [J]. Science Research Management, 2016,37(11):18-25.

The evolution pattern of green innovation efficiency of industrial enterprises in the Yangtze River Economic Belt.

PENG Jia-chao1, XU Rong-rong2, FU Li-na3, YI Ming1*, XU Yao-dong1

(1.School of Economics and Management, China University of Geosciences, Wuhan 430074, China；2.Hubei Education Examinations Authority, Wuhan 430074, China；3.School of International Education, South-central University for Nationalities, Wuhan 430074, China)., 2019,39(11)：4886~4900

Under the consideration of unexpected output, the innovation efficiency of industrial enterprises in the Yangtze River Economic Belt was measured through the use of Two Stage Network DEA method (Super-efficiency undesirable outputs) - for the period of 2008 to 2016. The LMDI method was also used to decompose the influencing factors, and estimate the actual contribution shares of individual factors and regional differences. The result showed that the average value of green innovation efficiency of the overall industrial enterprises in the Yangtze River Economic Belt was 0.2710, which means that the DEA was not effective during the sampling period. The figure showed a decreasing trend from the downstream area to the upstream area. The average green innovation efficiency gap between the downstream area enterprises and middle and upstream area enterprises was broadened gradually, denoting an obvious unbalanced development among them. Generally speaking, the innovation effect had the greatest impact on the green innovation efficiency of industrial enterprises, followed by the industrial enterprise assimilation of technology effect, the purchase of domestic technology effect, the introduction of technological effect, technological transformation effect and industrial pollution control effect. Meanwhile, the new product development funding effect played a predominant role at the first and second stages. The expenditure on assimilation of technology and the expenditure on domestic technology purchasing had positively promoted the green innovation efficiency of industrial enterprises. The increase of expenditure on both assimilation of technology and purchase of domestic technology had the same effect at the two stages, but the effect at the second stage was significantly reduced. The contribution of various factors to the green innovation efficiency of industrial enterprises showd a weakening trend from the east to the west, but the effect in the central region was not high. From the time series, the average amount of the effect in the Yangtze River economic belt showed a increasing trend, with an exception during the period of "The Twelfth Five-Year Plan". In addition, the effects of various factors in the upstream and midstream areas promoted the efficiency of green innovation in industrial enterprises.

Yangtze River Economic Belt；green innovation efficiency；undesired output；influencing factors；effect decomposition

X32

A

1000-6923(2019)11-4886-15

彭甲超(1991-),男,湖北丹江口人,中國地質(zhì)大學(xué)(武漢)博士研究生,研究方向為區(qū)域可持續(xù)發(fā)展.發(fā)表論文11篇.

2019-03-30

教育部人文社會科學(xué)研究規(guī)劃基金項目(19YJA630103);中南民族大學(xué)中央高?；究蒲袠I(yè)務(wù)費(fèi)專項基金項目(CSQ19054);中國地質(zhì)大學(xué)中央高?；究蒲袠I(yè)務(wù)費(fèi)專項資金資助項目(CUGQY1942)

* 責(zé)任作者, 副教授, yiming@cug.edu.cn