王子龙， 张梦影

（南京航空航天大学经济与管理学院，南京 211106）

随着中国经济快速发展，资源与环境问题日益突出. 绿色创新作为“绿色发展”与“创新驱动”发展战略的交汇点，已成为解决资源与环境瓶颈，推动中国经济实现可持续发展的重要引擎. 科学测度中国工业企业绿色创新效率，准确把握绿色创新效率的演化趋势，对政府制定合理的绿色创新政策，提高绿色创新效率，实现经济的绿色可持续发展具有重要意义. 基于价值链模型将绿色创新活动分成绿色技术开发阶段和绿色成果转化阶段，分别测度两阶段的创新效率，从实证角度探究影响中国工业企业绿色创新效率的各个因素，以期为绿色创新效率整体提升提供经验佐证.

创新效率是研究企业投入产出效率的一种分析框架，而绿色创新效率在传统创新研究中纳入了资源与环境因素. 冯志军（2012）将工业废水、固体废弃物与综合能耗产出率指标作为绿色创新的环境产出，指出绿色创新效率既不同于传统追求经济利益的技术创新效率，也不同于单纯追求环境效益的生态福利绩效［1］.

学术界关于绿色创新效率的研究目前主要集中在效率测度和影响因素分析两方面. 绿色创新效率测度有参数和非参数方法，参数方法以随机前沿法（SFA）为代表，非参数方法以数据包络法（DEA）为代表. 曹霞和于娟基于投影追踪模型将多产出降维处理，再利用SFA测算绿色创新效率，有效克服了随机前沿法不能处理多产出问题的缺陷［2］. 张峰等利用随机前沿函数构建三阶段效率测度模型对2006—2016年我国30个省市先进制造业的绿色技术效率进行测算［3］. Nasierowski和Arcelus用DEA测算了绿色创新效率，比较了2005年与2010年的测算结果，分析了创新的投入与产出作用［4］. 张江雪和朱磊从绿色视角出发，采用剔除了环境因素影响的四阶段DEA 模型，测算了我国2009 年各省份工业企业的技术创新效率［5］. 也有学者将创新过程划分阶段，分别测算绿色创新效率. 罗良文和梁圣蓉在两阶段价值链视角下，将主成分分析法与DEA模型相结合，测算工业企业绿色创新效率，研究发现我国绿色创新效率区域差距悬殊，并呈现进一步扩大的趋势［6］. Mavi等利用两阶段关联投入DEA模型测算了德国地区的生态创新效率［7］.

在绿色创新效率影响因素的研究中，国内外学者主要是从经济发展水平、经济结构、政府对环境的规制、技术市场成熟状况等方面展开分析. 李婉红研究了研发资金与人员投入、环境规制强度、人均GDP 等因素对绿色创新产出的影响［8］. 刘亮等的研究发现，产业集聚对绿色创新效率具有门槛效应，需要动态调整产业政策以提高绿色创新水平［9］. 毕克新等从经济、生态、社会3 个角度研究绿色创新效率，指出技术、市场与环境管制对绿色创新效率的影响［10］. Henriques 和Sadorsky［11］研究加拿大企业发现，正式环境规制政策对企业绿色创新效率的提升有促进作用. Chang 和Robin 发现引进国外技术对绿色创新的作用为倒“U型”［12］.

虽然学者们对绿色创新效率以及影响因素都做了比较深入的研究，部分学者也从价值链视角出发，将企业技术创新活动划分成不同阶段，研究不同阶段的创新效率［13］，但大部分学者都是对传统技术效率划分阶段进行测算和分析，鲜有学者将环境因素纳入技术创新各个阶段，测算包含环境因素的绿色技术创新效率. 综合前人研究，本文将企业绿色创新活动过程分为绿色技术开发和成果转化两个阶段，同时将环境因素纳入技术创新的各个阶段，对2009—2017 年中国30个省市规模以上工业企业的绿色创新效率进行测度分析，并采用Tobit模型分析影响绿色创新效率的关键影响因素.

1 研究方法

采用超效率DEA对绿色创新效率进行测算. 传统DEA模型所求的效率值都处于0～1之间，对于效率值都为1的决策单元无法进一步区分. 超效率DEA模型是将当前评价单元从生产可能性集合中去掉，以剩余决策单元构建生产前沿面，继而测算出该评价单元的效率值. 使用超效率DEA求出来的无效决策单元与传统方法所求一致，但效率值为1的有所变化，大于1的部分代表该决策单元即使同比增加这么多的投入，依然有效. 该方法克服了传统DEA模型的缺点，可以对有效决策单元进一步区分，从而对所有决策单元进行排序比较. 本文决策单元DMUi(i=1,2,…,n)为考察期内中国30个省市工业企业，每个决策单元DMUj绿色技术开发阶段有m1种投入x(i1j)(i=1,2,…,m1)，q种中间产出zpj(p=1,2,…,q)，绿色成果转化阶段有m2种投入x(i2j)(i=1,2,…,m2)，s 种最终产出yrj(r=1,2,…,s). 采用超效率DEA 模型分别对绿色技术开发阶段E1与绿色成果转化阶段E2进行效率测算，并采用余泳泽［14］的方法，将E1×E2的结果作为绿色创新整体效率E3.绿色技术开发阶段的超效率DEA公式如下：

绿色成果转化阶段的超效率DEA模型如下：

式中：θ1和θ2分别表示决策单元绿色技术开发和绿色成果转化阶段的效率值；Xj、Zj和Yj分别是第j个决策单元不同阶段投入和产出变量的集合；s-和s+为松弛变量；n是决策单元的数量.

2 绿色创新效率的测度与分析

2.1 投入产出指标

2.1.1 绿色技术开发阶段投入产出指标 绿色技术开发阶段的投入指标选取与传统创新效率的做法相似，分为人力投入与资金投入. 资金投入选取R&D经费内部支出、新产品开发经费两个指标，R&D人员全时当量作为人力投入. 由于资金的投入具有积累效应，前期投入在当期依然会产生影响，所以采用永续盘存法对两个研发资金投入进行处理. R&D资本存量的计算首先对数据进行平减，本文利用朱有为和徐康宁［15］的“研发价格指数”（0.75×工业生产者出厂价格指数+0.25×居民消费价格指数）对研发经费进行平减，设定2009年为基期，以2009年R&D经费内部支出除以（R&D经费增长率+折旧率）作为基期存量，折旧率取15%，各年的存量Kit=Ki(t-1)(1-δ)+Iit，δ 为折旧率，Iit为各地区每年的R&D资本流量.

产出指标为专利申请数、有效发明专利数、新产品开发项目数. 研发阶段以知识类产出为主，由于专利数据易于获得，并且专利与研发成果密切相关，因此是研发阶段产出的可靠指标. 专利可以用专利申请数和专利授权数来衡量，但专利授权数的影响因素较多，具有不确定性，且周期较长，并不能完全反映企业的科技水平，而有些专利即使最终未被授权，但仍然发挥着重要的经济社会效益，因此学者们通常选取专利申请数作为科技研发产出指标.

2.1.2 绿色成果转化阶段投入产出指标 创新价值链第一阶段的产出并不会立刻退出创新系统，这些产出如专利等，会作为第二阶段的投入继续服务创新过程. 我国自主创新能力受到技术水平的限制，引进消化吸收这部分依然对我国产业创新有很大作用，该指标为技术改造、引进、消化吸收与购买国外技术经费支出之和. 绿色创新综合考虑了环境和经济，能源投入指标由工业终端能源消费量（8种主要能源折算成万吨标准煤计算得出）除以工业总产值（2009年为基期进行平减）的单位工业产值能耗来表征［16］. 因此绿色成果转化阶段投入指标包括发明专利拥有量、专利申请数、引进消化吸收费、单位工业产值能耗.

产出包括期望产出与非期望产出. 与传统效率一样，期望产出包括新产品销售收入、主营业务收入. 新产品销售收入体现企业在产品创新领域的成就，而有些小发明、工艺改进带来的产值增长在新产品销售收入中反映不出来，因此还需将主营业务收入纳入指标体系. 这两个指标均用2009年不变价工业生产者出厂价格指数平减. 非期望产出主要指工业企业进行生产活动所产生的环境污染，这里非期望产出选取工业废水、二氧化硫、工业固体废物排放量，用熵值法对3种非期望产出进行标准化处理之后转化为“三废”污染综合指标表示，为了方便计算，对该产出指标进行负向标准化处理.

2.2 绿色创新效率结果分析

企业创新活动从投入到产出的过程具有一定的时滞效应，产出总会滞后于投入，本文将两阶段投入产出都用滞后一期的处理方法，因此两阶段效率测算产出滞后投入两期，绿色技术开发阶段的投入和产出，绿色成果转化阶段的投入和产出所对应年份分别为2009—2015年、2010—2016年和2011—2017年，其中绿色技术开发阶段的产出与绿色成果转化阶段的投入数据都是2010—2016年. 数据来源于2010—2018年的《中国统计年鉴》《中国环境统计年鉴》和《中国科技统计年鉴》. 西藏数据缺失较多，不纳入样本范围，选取中国30个省市工业企业为样本，个别数据缺失用插值法补齐. 运用Lingo12.0对绿色创新效率进行测算，部分计算结果如表1所示.

表1 2009—2017年全国绿色创新效率Tab.1 National green innovation efficiency in 2009-2017

总体来看，考察期内我国工业企业绿色创新效率均值为0.856，其中绿色技术开发效率全国平均为0.747，绿色成果转化效率全国平均为1.146. 由此看出，绿色成果转化效率是我国绿色创新效率提升的主要来源，绿色技术开发效率较低，制约绿色创新效率的提升. 因此，需要提高基础研究能力，加强研发阶段投入产出机制的管理，充分发挥研发资金以及人力投入的作用，避免资源冗余，提高研发阶段的产出. 资金方面可以通过政策扶持以及外商引进，人力方面主要是人才培养，可以通过提升高等教育质量为企业绿色研发提供源源不断的科研人才.

分区域来看，东部绿色创新整体以及各阶段效率明显高于中西部，处于全国领先水平，说明我国东部沿海城市注重发展高等教育，提升技术水平，加快产业结构升级，着力搭建产学研合作平台，经济发展水平以及创新管理能力较高，同时生态保护意识也强，使得其绿色创新两阶段效率都比较高. 西部地区（均值0.703）绿色创新整体效率略高于中部地区（均值0.670），其中西部绿色研发效率（均值0.690）高于中部（均值0.654），在“西部大开发”政策引领下，很多高校毕业生选择“西进”，为西部带来研发动力，同时西部还有很多国家重点实验室，四川、重庆等地的高等教育质量较高，都是西部研发效率较高的主要原因. 绿色成果转化效率中部（均值1.023）略高于西部（均值1.018），两者相差不大，虽然两个地区均已达到有效水平，这是由于使用超效率DEA计算方法，区域内个别地区效率值过高，拉高了平均水平. 可以看到，中西部大部分地区成果转化阶段处于无效水平，如山西、贵州，成果转化效率仅有0.495、0.494. 虽然中西部地区承接东部地区产业转移，但仍处于工业发展早期，企业环保意识不强，再加上环境规制力度不够，导致中西部地区承接了大量技术较落后的重污染型产业，绿色成果转化效率较低.

我国各省市之间绿色创新效率明显存在差异，某些省市两阶段效率都高，如海南省，整体效率以及两阶段效率都位列第一名，说明作为经济特区的海南省依靠其丰富的自然资源，在享受优惠政策、吸引外资的同时注重优化产业结构，大力开发绿色产业，实现了经济与生态双赢，成为我国工业企业绿色创新的标杆. 也有个别两阶段效率差别极端的省份，例如青海绿色技术开发阶段效率0.471，在30个省市中，排名倒数第三，而绿色成果转化阶段效率为3.023，排名第三. 这说明虽然青海专利发明等研发产出比不上东部沿海省份，但资源利用效率高，管理方法得当，加上处于生态环境优良的西部生态屏障区，使得其考虑生态环境因素后的成果转化效率比较高.

图1 2009—2017年各阶段效率变化趋势Fig.1 Efficiency change trend of each stage in 2009-2017

从图1各阶段效率变化趋势图可以看出，2009—2017年我国工业企业绿色创新整体效率呈现先下降再缓慢波动上升的趋势，与绿色研发阶段的变化趋势一致. 绿色成果转化阶段的效率一直比较高，却始终呈现下降趋势，说明我国经济发展给环境带来了一定的负担，经济效益的实现大都建立在环境污染以及能源消耗的基础上，创新的经济效益与环境效益在相当长的时间内发展并不平衡. 绿色创新整体效率在2009—2013年始终保持下降趋势，2013年以后才有所好转，可能与国家推进生态文明建设、扭转生态环境恶化的举措有关，有关环境保护政策得到了合理落实，推动了企业绿色创新建设.

为了更加直观地了解我国30个省市工业企业的绿色创新效率差异，本文将各阶段效率值小于1的省份求均值，得到绿色研发阶段的均值为0.65，绿色成果转化阶段的均值为0.74，并以0.65和0.74为界，将不同省市的创新水平划分为4种类型. 各地区工业企业绿色创新技术开发和成果转化效率在A、B、C、D 4个象限中的分布情况如图2所示.

图2 资源利用模式Fig.2 Resource utilization mode

A象限代表的是低研发低转化式创新，该象限内地区的工业企业绿色创新两阶段效率均处于较低水平，这类地区占样本占总数的10%，代表性地区有黑龙江、山西，陕西，都是中西部地区，经济发展与环境问题都比较严重. 原因一方面是人才引进不足，缺乏科研动力，绿色技术研发阶段效率低下；另一方面，这类地区的经济发展主要依靠重工业推动，走的还是高投入、高污染的发展路径，环境污染与能源消耗比较严重，导致绿色成果转化阶段的效率低下. 这类地区需要转变经济发展方式，重视高等教育的发展与人才引进，发挥资源优势，强化相关部门对环境的治理，做到经济生态协同发展.

B象限代表的是低研发高转化式创新，代表性地区包括青海、吉林、山东、内蒙古、河南等地，占样本总数的30%，这些地区在成果转化阶段拥有很高的经济效益或是环境效益，但却忽视了技术开发在整个创新过程中的作用. 当前国际竞争日益加剧，都在面临资源枯竭与能源耗尽的威胁，未来企业更需要从技术源头获取竞争优势，注重自主创新的同时借鉴先进国家与地区的研发经验，注重高技术人才的引进与管理，以便发挥后发优势，突破技术瓶颈的限制.

C象限代表的是高研发高转化式创新，代表性地区包括海南、广东、浙江、江苏、天津、北京等地，占样本总数的50%. 这类地区都位于东部沿海地区，经济基础雄厚，高技术产业聚集，人才集中，同时受国家政策倾斜，外商投资比重高，产品和技术市场的完善使这类地区绿色技术开发和成果转化效率都处于较高水平. 这也说明了地区经济越发达，环境保护的激励也就越强，可以发挥该类地区的知识经济辐射作用，带动周边区域走可持续绿色发展道路.

D象限代表的是高研发低转化式创新，代表性地区有四川、云南、贵州，占样本总数的10%. 这类地区在技术研发方面取得了很好的效果. 例如四川高等教育发达，拥有较多的科研机构，聚集了大量科研人才；云南大力开发生物资源创新产业，投入大量研发力量，有效提升了地区的研发能力；贵州资源密集型工业依然占据相当比重，环境负产出比较多，经济效益和环境效益均不能很好实现，导致成果转化效率较低. 这类地区未来的发展重点应是将研发能力更好地实现成果转化，着力搭建产学研合作平台，同时注重节能减排与绿色升级.

3 绿色创新效率影响因素分析

3.1 Tobit模型与变量设定

Tobit回归模型最早由经济学家托宾在1956年提出，对于超效率DEA测算出的效率值，采用Tobit模型有效且无偏. 基本模型为：

式中：Y是绿色创新各阶段效率值；Y*为截断因变量；X是自变量；β 是参数；μ是随机干扰项.

进一步构建回归模型，对于呈现指数变动的变量，需要取对数消除异方差的影响.

式中：Ejit代表第i个省（市）第t年不同阶段的绿色创新效率；β0为截距项；β1，β2，β3，β4，β5，β6为各自变量的回归系数；ε为残差项. 各变量的经济含义如下：

①经济发展水平（LGDP），用地区人均GDP表示. 库兹涅茨曲线环境偏好理论认为，人们收入水平越高，对环境质量要求也会越高，地区经济发展水平有利于绿色创新活动的开展. 同时较高的经济发展水平为绿色创新提供了资金、技术、人才的支持［17］. ②环境规制（ER）用污染治理投资额表示. 传统新古典经济学派认为，环境规制增加了成本，减少了利润，抑制创新活动. 波特提出，随着环境投入的增加，环境规制的补偿效应会弥补成本增加带来的效率值减少，推动绿色创新［18］. ③对外开放程度（OPEN）用进出口总额表示. 对外开放引进了先进的技术，高素质人才以及资金，但同时也引入了高污染企业，给环境造成负担. Brunnermeier和Cohen认为，国际市场对绿色产品的需求促进了绿色创新效率的提高［19］. ④技术市场成熟度（TEC）用技术市场成交额表示. 技术市场是知识产品实现交换的场所，是科技与经济转换的桥梁，成熟稳定的技术市场有利于知识产品市场化的实现. ⑤产业结构（IND）用第三产业增加值占国内生产总值的比重表示，实现绿色发展依赖第三产业而非第二产业，制造业转型升级有利于绿色创新效率的提高.

3.2 影响因素结果分析

运用Stata14.0对绿色创新效率的影响因素进行Tobit回归分析，回归结果如表2.

表2 绿色创新效率影响因素回归结果Tab.2 Regression results of influencing factors of green innovation efficiency

1）经济发展水平与绿色创新效率正相关，表明经济发展有利于绿色创新水平的提高. 绿色技术开发阶段的系数为负，绿色成果转化阶段的系数为正，说明经济发展水平不能直接促进绿色技术开发效率，甚至出现负影响. 从全国范围来看，地区经济发展并不平衡，部分地区即使经济增长，却以高耗能产业为支柱，不利于绿色创新. 一方面经济发展，人民生活水平提高，对环境提出更高的要求，要求企业减少污染，企业因此进口末端治理设备，加大环保投入，短期内无法提升研发效率. 另一方面经济发展对绿色成果转化阶段的促进作用表现在为研发成果商品化提供了技术、资金以及人才的支持.

2）环境规制对绿色创新整体以及各阶段效率都是负影响. 环境规制带来的环境治理成本增加，阻碍了绿色创新效率的提高，增加污染治理资金的投入会挤占创新投入资金，降低创新能力，对绿色创新效率产生一定的负面影响. 政府的污染治理资金缺乏使用效率，社会监督、公众参与机制不完善，企业的守法成本高于环境治理成本，导致企业偷排增排现象屡禁不止，所以环境规制并没有对提高绿色创新效率起到应有的作用.

3）对外开放程度对绿色创新整体以及各阶段效率都具有显著的正向作用. 这一结论与肖仁桥等的研究相一致，表明我国引进外资时从整体上注重甄别与监管，避免污染技术与落后理念的侵入［13］. 对外开放有利于企业引进国外先进技术与管理经验，让更多企业加入到创新行列，在国内市场形成良性互动，激发创新活力.

4）技术市场成熟度对绿色创新整体以及各阶段效率都是负影响. 技术市场推动创新效率提升更多关注的是经济效益，对环境的关注还不够，忽视环境对绿色创新效率产生影响. 另外，由于中国技术市场的市场化程度较低，监管体系不够规范，在很长的一段时间内，技术市场并不能为创新提供应有的推动作用.

5）产业结构与绿色创新整体效率负相关，与绿色技术开发阶段正相关，与绿色成果转化阶段负相关. 这表明第三产业的发展阻碍了绿色创新，这与庞瑞芝［20］的研究结论一致. 在绿色技术开发阶段，第三产业中的生产性服务业能为科研队伍提供有力支撑，推动研发创新. 而在成果转化阶段，第三产业比重增加并不意味着工业企业放弃了传统粗放型经济发展方式，而提高第二产业发展质量、升级优化产业结构才是关键.

4 研究结论与政策建议

4.1 研究结论

在价值链视角下，以2009—2017年中国30个省市工业企业的面板数据为样本，利用超效率DEA模型测算样本的各阶段绿色创新效率，并使用Tobit 回归模型对绿色创新效率整体以及分阶段的影响因素进行分析，主要结论如下：

1）中国工业企业绿色创新效率整体均值为0.856，依然有14.4%的提升空间. 创新能力不足、绿色技术开发阶段效率低下成为短板. 我国绿色创新效率的提升主要依靠成果转化阶段效率来拉动. 2009—2017年，我国工业企业绿色创新整体效率呈现先下降再缓慢波动上升的趋势，创新的经济效益和社会环境效益在相当长的时间内并没有实现平衡发展，各省市之间绿色创新效率明显存在差异，表明各地区无论经济还是生态都存在发展不平衡的情况. 东部地区各阶段效率明显高于中西部，呈现“东高西低”的格局，西部地区近些年来发展潜力巨大，中部地区产业转型压力大.

2）绿色创新效率的区域差异导致各地区创新模式不同. 低研发低转化式创新的省份占总数的10%，且都是中西部地区. 这些省份的企业需要重点提升研发创新能力与产品转化能力，转变经济发展方式，实现经济与环境的协调发展. 低研发高转化式创新与高研发低转化式创新的省市占总数的40%，这些省市的企业需要从各自薄弱环节下手，实现绿色创新效率的提升.

3）环境规制与技术市场成熟度对绿色创新的整体与分阶段效率均有抑制作用，环境规制带来的环境治理成本增加会阻碍绿色创新效率的提高，而技术市场监管体系不完善也不利于绿色创新效率的提升. 对外开放程度对绿色创新整体以及分阶段效率均具有显著的正向作用. 经济发展水平对绿色技术开发阶段的效率有抑制作用，对绿色成果转化阶段的创新效率有促进作用. 产业结构与绿色技术开发阶段正相关，与绿色成果转化阶段负相关. 这两个影响因素对绿色创新不同阶段的影响不同，就需要企业根据外部条件调整不同创新阶段的资源投入与管理，实现绿色创新效率的整体提高.

4.2 政策建议

针对中国工业企业绿色创新效率研究的结论，提出以下政策建议：

1）东部地区需要继续保持绿色创新优势，将优质资源与管理经验向中西部地区推广，辐射带动中西部向高质量低污染的经济发展方式转变，实现区域协调均衡发展. 中西部地区在承接东部地区产业转移时也要注重甄别，依托自然环境、交通等因素合理规划，避免引入落后高污染的产业.

2）企业主体树立创新意识，改变传统的“经济效益崇拜”理念，将生态环境效益纳入考评体系，企业在制定发展目标时，需要有长远眼光，实现资源合理开发利用，促进经济增长.

3）有效发挥政府职能作用，提升政府规制的执行力，提高政府支出中污染治理投资的使用效率. 加强环保投入力度，完善监管体系，鼓励企业进行绿色创新生产和末端排放处理，充分提高创新资源的利用率，切勿重走先污染再治理的老路. 完善技术市场，降低创新成本，促进科技成果市场价值的实现. 优化产业结构，改造落后的传统产业，大力发展新兴战略性产业，在引进外商投资时，严格执行污染排放限制标准，使外资企业在研发和制造过程中采用与母国同样的环保标准，实现中国生态与经济的协调发展.