中国工业的绿色创新效率

2018-05-07李晓阳赵宏磊林恬竹

首都经济贸易大学学报 2018年3期

李晓阳，赵宏磊，林恬竹

(西南大学经济管理学院，重庆 400715)

一、问题提出与相关研究

自工业革命以来，区域技术创新就被视作经济增长和发展的核心力量。但传统的技术创新在促进中国经济快速增长的同时，也严重破坏了生态环境。因此，在绿色经济席卷全球的今天，越来越多的国家将绿色技术创新作为推动经济增长的新动力。而作为人口最多、经济规模最大的发展中国家，中国所面临的资源、环境双重约束尤其严重。中国急需转变经济发展方式，在评测创新效率时也需将生态环境因素考虑其中。所以，将环境污染、资源损耗及生态效益等纳入中国经济社会发展的评价指标体系，并在此基础上对中国绿色创新效率进行客观评估，对中国建设创新型国家和实现经济社会的绿色可持续发展都有非常重要的作用。

绿色创新效率是由传统的技术创新效率演变而来。由于传统的技术创新效率研究中并未将生态环境因素考虑在内，仅仅追求经济的高产出，所以其研究结果可能存在误导。面临当前全球环境污染问题，学者们逐渐将环境因素纳入企业技术创新研究框架中，绿色创新效率应运而生，目前这方面的研究也取得了一些具有重要理论价值和实践意义的成果。绿色创新效率用来刻画某地区技术创新效率的绿色化程度，评测综合考虑资源损耗、生态效益等因素后的技术创新质量，是一种技术创新质量的绿色指数[1]。从测度方法来看，多数研究采用DEA方法，尤其是DEA-SBM模型测量中国的绿色创新效率，发现各地区的绿色创新效率值呈上升趋势，但区域间的差异明显，东、中、西地区的绿色创新效率依次递减[2]。在使用SBM模型测量中国的绿色创新效率基础上，有学者将其与考虑经济效益的传统创新效率，以及由传统的DEA-CCR模型测得的不考虑工业企业技术创新所创造的能源效益和环境效益比较分析，认为DEA-SBM模型的创新效率测度结果更符合实际[3]。另有学者利用DEA-RAM模型测算出中国总体及不同省份的绿色创新效率。研究表明:中国工业的绿色创新转型效率变化呈现阶段性的特征，各个省份工业绿色创新转型效率呈现出由东向西递减的不均衡发展趋势[4]。牛彤等(2015)采用改进的SBM-DEA四阶段方法评估中国工业企业绿色创新效率[1]。吴美琴等(2016)则以网络SBM(NSBM)模型为基础，测算绿色创新效率及其三个子阶段的效率值，并比较分析三个子阶段的协调发展情况[5]。在评测了中国绿色创新效率的基础上，有学者对其收敛性和影响因素进行分析[6-7]，或者分析区域高技术产业绿色创新效率的空间溢出效应[8]。韩晶(2012)的研究认为外资进入和结构调整显著促进了中国绿色创新效率提升；但环境规制、技术市场对绿色创新效率增长并没有表现出显著的积极作用[9]。

综上，虽然关于区域创新效率已有较多的研究成果，但既有研究中还存在一些尚待改进的地方。第一，现有关于绿色创新效率的研究成果中投入指标大多仅选取与研发、创新相关的指标[10]，未将企业其他部门的投入与产出加入其中，这种模型设定的方法忽略了其他非研发部门的创新效率，如生产部门中由于经验的积累而导致的创新，所以这些成果实际上研究的是“绿色研发效率”，即研发、创新部门的绿色产出效率[11]。第二，多数文献是基于传统DEA模型，无法进一步分析某决策单元低效率是由内部管理和规模水平还是由外部环境因素或随机干扰因素导致的，所以各区域外部环境的不同会导致其实际效率值与测算的效率值有差异。本文试图从这两方面对绿色创新效率的研究进行改进。

二、评价模型及变量选取

(一)三阶段SBM-DEA方法

为更准确地评估各省市的工业绿色创新效率，同时考虑松弛量和外部环境等因素对效率测度的干扰，选用三阶段SBM-DEA法模型评估各省市工业的真实绿色创新效率。

1.第一阶段:SBM模型

由于传统的DEA模型没有考虑要素“松弛”和无法合理解决非期望产出存在条件下的效率评价问题[3]，所以本文采用投入导向规模报酬不变的SBM效率评价模型来评测第一阶段未考虑松弛量的绿色创新效率[12]。该模型假设有n个决策单位，其中每个决策单位有m项投入、r项产出，投入产出均大于等于零，某一决策单位的SBM模型如下：

(1)

式(1)中，ρ为效率的评测值，m为投入要素种类，k为产出种类，λ为列向量，x0和y0分别为待评单元的投入和产出的向量，xi0和yr0分别为向量x0和y0的元素，s-为投入松弛量。其中，效率值ρ随着投入要素或产出要素的松弛量的增大而减少；若投入要素或产出要素的松弛量是0，则该待评单元的效率值ρ为1，被认为达到了Pareto-Koopmans有效。但是，即使目标函数中考虑了松弛量信息，其评测效率值仍会受到环境等因素的影响。因此，为更准确地评测中国省级区域工业企业的绿色创新效率，本研究还需要通过第二阶段控制环境等因素的影响。

2.第二阶段:利用随机前沿方法(SFA)调整各决策单元的投入要素

应用随机前沿方法的目标是调整各决策单元的投入要素，控制环境因素的影响，使各决策单元的环境条件均相同。另外，也考虑了随机误差项的干扰。计算投入要素的差额值Sik：

Sik=xik-xiλ(i=1，2，…，m;k=1，2，…，n)

(2)

式(2)中，xik表示第k个决策单元第i个投入要素的实际投入值；xiλ是第k个决策单元第i个投入要素的目标投入值。Sik则表示该投入要素的差额值(即松弛变量值)，其实际上受外部不可控环境因素、经营管理效率和随机误差项等的共同影响。Sik的拟合回归方程为：

(3)

(4)

3.第三阶段：经调整后的SBM效率

(二)指标选取与数据说明

1.投入、产出指标的选取

企业绿色创新效率是由企业所有的部门共同推动的，设计、生产、销售、管理和研发等非研发过程中的人力资本、物质资本都会对绿色创新效率产生影响，这种影响表现为企业的渐进式创新，表现在设计师技艺的娴熟、生产中工人对生产工艺和设备的改良、销售模式的创新、节能型技术开发、绿色产品的研制及管理制度的创新等。综上，包含生产和研发在内的所有的部门都是绿色创新效率提升的重要部门。而已有的绿色创新效率模型大多仅仅分析研发部门。因此，本文选取以下投入与产出指标：

在投入变量方面，选用规模以上工业企业就业人数来衡量劳动投入水平。关于资本投入水平，现有研究大多利用永续盘存法计算出资本存量来衡量，但是永续盘存法要预设一个基期的资本投入产出比，而这一投入产出比的选取存在一定的主观性。一个企业某一时期用于营业的资本投入为该时期企业所拥有的总资产，所以本文选取规模以上工业企业资产总计(亿元)来表示某时期工业企业的资本投入水平。能源投入量以终端消费中工业的化石能源消耗量来表示。另外，工业企业在科研创新方面的投入主要集中在资金和人力两方面，这两方面相应的指标分别选用各省市规模以上工业企业科研人员的全时当量数和科技经费内部支出。规模以上工业企业的资产总计和科技经费内部支出等指标用1997年为基期的固定资产投资的价格指数平减。

在产出变量方面，各省市工业企业的非期望产出选取各省市单位工业产值所需排放的工业三废(工业废气排放量、工业废水排放量和工业固体废物产生量)来衡量。期望产出方面，规模以上工业企业发明专利申请量是本文所设定的创新产出指标之一。由于专利申请量无法精确表征创新成果的转化能力和市场价值的实现能力。因此，本文还选取技术市场成交额和新产品销售收入作为另一个创新产出指标[13]。工业的总产出、技术市场成交额和新产品销售收入用以1997年为基期的相应价格指数进行平减。

2.外生环境变量指标的选取

外生环境变量是指不在各省市工业企业的主观可控范围内，但又能够影响各省市工业企业绿色创新效率的因素。结合现有研究成果，本研究选用以下指标作为外生环境变量：(1)资源禀赋(RE)。资本和劳动力是社会生产时所必需的生产要素，区域的资本和劳动力比例结构关系也会直接、间接影响该区域的经济发展。本研究选取各省市资本存量与年末总就业人口的比重(即劳均资本存量)的对数值作为衡量各省市资源禀赋的指标。(2)环保规制强度(EP)。地方政府对生态环境的重视程度直接影响该地区企业对绿色创新活动的重视程度。本研究选取各省市环境污染治理投资总额占GDP的比重来衡量。(3)经济发展水平(PGDP)。企业进行绿色生产需要大量的财务和人力资源，而因集聚效应、趋利性等导致大量生产要素向经济发达的区域聚拢，从而该区域的企业更有意识和能力进行绿色创新活动。本研究选取实际人均GDP的对数值来衡量。(4)产业结构(IS)。不同产业的知识基础，投资要求和创新过程具有差异[1]，对绿色创新活动的影响也不同。所以，本研究选取第二产业增加值占GDP的比重来衡量。(5)教育环境(ED)。新经济增长理论认为人力资本是影响全要素生产率的重要因素，提高人力资本有助于提高经济的发展效率。本研究选取地方财政性教育经费占地方财政总支出比重作为衡量指标。

3.数据说明

综上，受数据可得性的限制，本文选取2008—2015年除香港、台湾、澳门、西藏以外的30个省级区域的面板数据。上述指标中所涉及的数据来自《中国统计年鉴》《中国科技统计年鉴》和《中国能源统计年鉴》以及各省市统计年鉴等。

三、实测工业绿色创新效率

(一)第一阶段SBM效率测算

运用软件mydea 1.0.5测算第一阶段的SBM效率。选取投入导向的、规模报酬不变的SBM模型，利用选取的相关投入产出变量测度各省市的工业绿色创新效率。结果如表1所示。

整体来看，2008—2015年中国工业企业绿色创新效率偏低，且变动较小，历年工业企业的绿色创新效率基本围绕总平均值0.407上下波动，这说明中国的工业绿色创新效率值近年来基本保持稳定，并没有得到很好的改善。同时各省级区域的工业企业绿色创新效率存在显著差异，主要表现为东、西部地区工业企业的绿色创新效率较高，中部地区最低。

表1 各地区工业绿色创新效率

表1(续)

从个体上来看，各省级区域工业企业的绿色创新效率变动较为稳定，但省级区域间工业企业的绿色创新效率却极不平衡、差距较大。历年各省级区域工业企业的绿色创新效率波动较小，其变动趋势比较平稳。其中工业企业的绿色创新效率值大于全国平均水平0.407的省市有青海、北京、海南、宁夏、江苏、浙江、重庆、上海、湖南、天津、安徽，而绿色创新效率最低的是辽宁、河南、山西、河北和内蒙古，这几个省级区域中平均工业绿色创新效率最大仅为0.233，与全国平均水平的差距较大。

(二)第二阶段的调整

第二阶段主要是通过随机前沿方法调整各决策单元的原始投入要素的变量值，剔除外生环境变量和随机误差项等因素的干扰，从而评测出各省市工业企业的真实绿色创新效率值。本研究以各投入要素的松弛量作为因变量，将前文选取的外生环境变量作为自变量，而后使用SFA模型回归，检验外部环境变量是否显著影响各投入要素的松弛量。选用软件Frontier 4.1回归，结果如表2所示。

表2 随机前沿方法的回归结果

表2(续)

注:括号内为t值，***、**和*分别表示1%、5%和10%置信水平。

从表2可知，外部不可控的环境变量的系数值基本显著，Sigma2统计量都通过了显著性水平为1%的检验，同时gamma值均接近1，说明表2的回归结果很好，各外生环境变量显著影响了各投入变量的冗余值。因此，在评测各省市工业企业的绿色创新效率时应先剔除外生环境和随机误差等因素的影响，而后才能更准确地评测绿色创新效率。

若外生环境变量的回归系数值为正，则表明该投入要素的利用率随着不可控外生环境变量的增加而降低，外部环境变量的增加将会导致投入松弛量或增加非期望产出的增加，即工业绿色创新效率降低；相反则利用率将提高。环保规制强度对资本投入和能源投入的松弛量的影响为正；而对就业人数、研发人员和研发支出的松弛量的影响为负。这可能由于中国现阶段环境规制强度主要处于环境污染后的再治理，而不是直接从高污染的源头去规制(即强制要求高污染、高能耗的企业关闭)，所以并没有减少能源的消耗。资源禀赋对资本投入和研发支出的松弛量的影响为负，而对其余松弛量的影响为正。说明现阶段整体来说中国在工业中的资本投入相对于劳动力、能源来说已经处于边际报酬递减的阶段，无论是从区域还是行业来看，资本配置效率低下的趋势没有得到有效改观。经济发展水平对就业人数的松弛量的影响为负，对其余松弛量的影响为正。说明中国经济发展依赖于能源、要素的高投入，还没有完全步入环境友好型发展模式，还处在转型期内；同时也体现出了中国特别是经济较为发达区域的资本、技术等替代劳动力的现象[14]。产业结构的回归系数都为正，即随着第二产业在GDP占比的增加会导致绿色创新效率降低，说明中国的第二产业污染排放量高、能源消耗量大，绿色创新效率较低，整体并未摆脱粗放型经济增长模式。教育环境的对资本投入、就业人数和能源投入的松弛量的影响为正；而对研发人员和研发支出的松弛量的影响为负，说明中国政府财政性教育经费的支出会促进公众的绿色消费和环保意识提高，同时也为社会、企业培养了较多研发人员，各地政府通过经济手段，排污权交易、税收减免、直接补贴等措施和政策法规手段，制定环保政策等来规范、促进企业进行绿色创新。

(三)第三阶段调整后的DEA效率

第二阶段的回归模型估计出参数后，测算出经调整后的各投入要素变量值，而后将经调整后的投入要素变量值和原始产出变量再次代入SBM模型，测算出剔除外生环境变量和随机误差等影响后的各省市工业企业真实的绿色创新效率。测算结果如表3所示。

表3 各地区的工业绿色创新效率

表3(续)

表3为剔除了外生环境因素及随机误差影响后的2008—2015年中国各省级区域工业企业的绿色创新效率及其变动情况。从表3可知，中国工业企业整体的绿色创新效率波动平缓，基本在均值0.503上下变动。但与第一阶段相比，第三阶段测算的工业绿色创新效率明显上升，上升幅度为23.6%，这充分说明不可控的外生环境变量和随机误差等因素严重降低了中国工业的绿色创新效率水平。

就区域而言，东部地区由0.463上升到0.588，中部地区由0.275上升到0.400，西部地区由0.463上升到0.492。经过第二阶段调整投入要素后，东、中、西部地区间的差距缩小了，说明环境变量对各地区工业企业的绿色创新效率的影响很大，将这些外生不可控环境变量的影响剔除后，地区间的差异就会明显减小。但相比而言，西部地区提升幅度很小，说明西部地区的绿色创新环境明显优于东中部地区。东部地区绿色创新环境较差可能由于东部地区的工业化程度较中西部高，而工业化程度与中国绿色创新效率呈明显负相关，所以东部地区的非期望产出较多。同时，中国工业企业的绿色创新效率与经济发展水平相似，呈现出由东向西阶梯下降的现象。虽然中、西部地区工业企业的创新投入和非期望产出较少，但中、西部地区工业企业的创新产出远低于东部地区，所以中、西部地区工业企业的绿色创新效率值仍然不高。

图1将第一阶段与第三阶段的DEA-SBM模型的年均工业绿色创新效率值进行比较，其中dea1表示第一阶段所测算的DEA值，dea2表示第三阶段调整投入变量之后所测算的DEA值。可以看出：各省级区域前后效率值排名变动较大，与第一阶段的工业绿色创新效率值相比，调整过后的工业绿色创新效率值除北京、重庆、海南、贵州、青海下降，吉林、黑龙江等有轻微的增加外，其余省级区域都有较大的增加。广东、江苏、浙江等增长最多，而海南、重庆和海南减少最多。这也表明外生环境变量和随机误差等因素对中国省际工业企业的绿色创新效率的测算影响较大，第二阶段的调整能够在一定程度上下调被高估单元的效率值或上调被低估单元的效率值，最终测度出各决策单元的原真实效率水平。

图1 第一阶段与第三阶段的DEA-SBM模型的年均工业绿色创新效率值

四、结论及政策建议

本文将SBM模型与三阶段DEA方法相结合，通过外生环境变量和随机误差因素对松弛量加以调整，实证评估中国30个省市2008—2015年的工业企业的绿色创新效率，比较分析中国省级区域工业企业的绿色创新效率现状。得到以下结论：

第一，经过SBM-DEA三阶段分析各省级区域的工业绿色创新效率要优于传统DEA方法。由于外生环境变量和随机误差等因素影响绿色创新效率的测度，利用SBM-DEA三阶段测度各省级区域的工业绿色创新效率时能够较为有效地将这些因素的影响剔除。

第二，环保规制强度、资源禀赋和教育环境对工业绿色创新效率影响方向不明确，中国现阶段的环保规制强度和教育环境并未能有效发挥其对工业绿色创新效率的促进作用，但教育环境的整体表现要好于环保规制强度。

第三，中国现阶段的产业结构和经济发展水平阻碍了工业绿色创新效率的提高，转变经济发展方式、促进产业结构升级优化是提高中国工业绿色创新效率的重要途径。

第四，中国区域工业绿色创新效率整体偏低、差距大，总体呈现东高中低的情况。

综上，从中国经济增长的新常态出发，为提高要素配置效率、充分释放“结构红利”、促进生产效率的提高、调整和完善区域经济发展战略，提出以下政策建议：

首先，促进经济转型和产业结构优化升级。中国各省级区域的绿色创新效率整体偏低，在资源、环境双重压力下，以往的粗放型经济增长模式是不可持续的，特别是东部地区的经济发展基本处于规模报酬递减的阶段，盲目增加投入，将会加剧投入的冗余，降低整体的资源利用率。所以应该积极探索环境友好型发展模式来代替不可持续的增长方式。

其次，政府和企业要建立绿色创新的软环境。企业作为创新的主体，应该不仅关注国内外先进的科学技术，还要引进吸收国外先进的管理制度，完善现代企业制度；政府应该完善法制特别是加强知识产权保护，构建产学研创新型研究平台和有利于技术进步的创新文化，另外政府可以对有很大溢出效应的创新活动进行补贴，从而增加企业进行开发创新的积极性。从长远来说，政府加大对教育、科技的投入、提高教育质量、鼓励专业培训的发展，最终将会促进技术进步、实现就业的可持续增长。

最后，政府要坚定推动市场化改革，逐步打破行政性的市场分割。中国区域间、产业间资源错配严重，地区间的经济资源供求不平衡。要促进省级区域之间的开放与合作来促使投入要素的跨区域流动，完善信息传导机制，发挥市场对于产业结构优化升级的重要引导作用，加深区域经济的开放度，推进区域间的合作与交流。

参考文献：

[1]牛彤，彭树远，牛冲槐，等.基于SBM-DEA四阶段方法的山西省工业企业绿色创新效率研究[J].科技管理研究，2015(10):244-249.

[2]殷群，程月.我国绿色创新效率区域差异性及成因研究[J].江苏社会科学，2016(2):64-69.

[3]冯志军.中国工业企业绿色创新效率研究[J].中国科技论坛，2013(2):82-88.

[4]姚西龙，牛冲槐，刘佳.创新驱动、绿色发展与我国工业经济的转型效率研究[J].中国科技论坛，2015(1):57-62.

[5]吴美琴，肖慧，樊晓宏，等.区域绿色创新三阶段效率研究——基于NSBM模型的分析[J].山西大学学报(哲学社会科学版)，2016(6):79-86.

[6]刘明广.区域创新系统绿色创新效率的空间分布及收敛性研究[J].工业技术经济，2017(4):10-18.

[7]李金滟，李泽宇，李超.城市绿色创新效率实证研究——来自长江中游城市群的证据[J].江西财经大学学报，2016(6):3-16.

[8]汪传旭，任阳军.高技术产业绿色创新效率的空间溢出效应[J].产经评论，2016(6):76-84.

[9]韩晶.中国区域绿色创新效率研究[J].财经问题研究，2012(11):130-137.

[10]钱丽，肖仁桥，陈忠卫.我国工业企业绿色技术创新效率及其区域差异研究——基于共同前沿理论和DEA模型[J].经济理论与经济管理，2015(1):26-43.