(安徽财经大学 经济学院，安徽 蚌埠 233000)

一、引言

长江经济带建设是关乎国家发展全局的重大战略。面积仅为全国21.4%的长江经济带人口和生产总值均超全国40%，享受巨大经济效益的同时，也面临着流域环境恶化和沿岸城市资源枯竭的双重瓶颈[1-2]。如何实现经济发展与生态建设相协调成为长江经济带亟需解决的问题，研究长江经济带的创新生态效率对助推其实现经济效益和生态效益双赢目标具有重要意义。

创新生态效率是可持续发展概念的一个子集，指的是改进或创造满足社会需求的生产产品和服务的同时造成最小的环境剥夺[3]，国内外学者就此展开了大量的研究。在研究内容方面，学者们主要关注创新生态效率的评价体系设计、产出效率及提升策略。在研究方法方面，熵值法、随机前沿(SFA)和数据包络分析(DEA)及其改进办法是学者们的常用的方法。Dyckhoff H,Allen K概述了DEA 在生态效率测算中的应用现状，系统推导出了扩展可加性模型[4]。王斌会等采用熵值赋权法对我国高新技术产业创新水平发展趋势进行了分析[5]。王树乔等构建了规模报酬可变的链式关联网络DEA 模型，测算了我国科技投入产出链整体和分阶段效率[6]。杨肃志等建立了创新生态位评价指标体系，对我国30 个省份高新技术产业创新生态位进行了测度[7]。Marzena Smol 等对欧洲地区的生态创新系统综合评估指标进行创新，设计了用于衡量区域生态创新的一级指标[8]。杨佳伟等运用基于包含非期望中间产出的网络DEA 模型测算了中国省际生态效率[9]。黎攀群等应用随机前沿模型，测算了我国18 个省份创新效率[10]。肖黎明等基于改进的SFA 模型，测算了我国2004—2015 年省际绿色创新效率及生态福利绩效[11]。张立新等以山东省为例，运用协同度测度模型对生态效率与产业技术创新的协同度进行了测算[12]。张军等运用SBM 和CCR 模型，分别测算了“一带一路”沿线国家的低碳效率和生态创新效率[13]。现有文献主要采用传统的DEA 和SFA 方法测算整阶段效率。SFA 法需要事先设定投入和产出变量的函数关系，具有一定主观性，而标准DEA 严格地将生产作为“黑匣子”进行处理，忽略了任何可能的干预过程。创新生态活动是一个多投入、多产出的复杂系统，决策单元经常执行不同的功能，并将这些功能分成一系列不同组件串联或并联在一个形式更复杂的网络中，某阶段的一系列产出可能会成为后续生产阶段的中间投入。也就是说，创新生态系统有三个主要环节，即投入、期望产出和非期望产出。创新投入和能源投入贯穿创新活动全过程，而污染排放作为第一阶段非期望产出，一方面降低了系统可持续性进而减少了创新活动的福利产出；另一方面，在投入不变的情况下，污染排放额外增加了第二阶段的治理投入，不可避免地减少了有效投入，进而降低了创新活动的创新产出。能否建立准确的评价体系决定了创新生态效率值的科学性和研究结论的合理性，因此本文构建了长江经济带创新生态效率网络评价体系，采用考虑超效率和非合意产出的两阶段网络DEA 模型(以下简称US-NSBM 模型)，对长江经济带创新生态效率进行分阶段测算，在此基础上提出相应的改进建议，以期为长江经济带创新生态效率改善措施提供依据。

二、指标选取、数据来源与模型构建

(一)指标选取

本文首先考虑的是最能代表长江经济带创新和生态活动的投入和产出指标，同时借鉴已有的研究成果所选的经典指标，综合考虑长江经济带生态环境特点和相关数据的可获得性，来构建包含非合意产出的两阶段长江经济带创新生态效率网络评价体系。

1.投入变量。人是唯一具有创新能动的资源，因而研发人员是创新活动的关键，而经费投入既是创新活动存在和发展的基础，也是研发人员进行创新活动的激励。王树乔等、Smol M 等等国内外学者普遍选取R&D 人员折合全时当量和R&D 经费内部支出作为创新投入指标。创新生态效率要求在对能源和环境剥夺最小的情况下，最大程度改进或创造满足社会需求的生产产品和服务，因而一个创新生态联合的评价系统，能源投入和污染产出指标必不可少。本文参照杨佳伟等、肖黎明等的做法，选取能源消耗量、城市建设用地面积、地区用水量作为资源投入指标。

2.产出变量。国内外学者广泛使用三项专利申请数和发表科技论文数等作为创新活动产出指标，本文在此基础上，选用能衡量创新成果转化的申请专利获授权数和技术市场成交额作为创新活动产出指标，同时将福利产出涵盖到创新生态效率评价体系，可以更加全面地反映创新产出效率。

本文选取申请专利获授权数和技术市场成交额作为创新产出指标，同时参照肖黎明等将国内生产总值、平均受教育年限、失业率等反映福利产出的指标纳入评价体系。至于非期望产出指标，本文选取学术界普遍采用的工业三废指标。两阶段长江经济带创新生态效率评价体系见表1。

表1 包含非合意产出的两阶段长江经济带创新生态效率网络评价体系

(二)数据来源

本文的研究对象为长江经济带所覆盖的9 省2市。数据来源为2004—2018 年《中国统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》、中国知识产权局。

(三)模型构建

本文主要借鉴龙亮军的方法[14]，对两个阶段赋予相同的权重。设有N个决策单元，K=2表示每个决策单元均由两个阶段组成。ρ*是创新生态效率值，对于第n个决策单元DMUn(n=1,2,...,N=11)，表输入，表输出，非期望中间产出为和vk表示第k个阶段的输入与输出个数，φk表示中间指标的个数。(h,k)表示从阶段k到h的连接，λk、ωk表示k阶段的模型权重。sk-表示投入指标的松弛变量，sgk和sbk分别表示合意产出和非合意产出的松弛变量。当且仅当第一阶段的效率值和第二阶段的效率值均大于等于1时，DMU视为DEA相对有效；当其中一个阶段效率大于或等于1时，决策单元视为弱DEA有效。否则视为DEA无效。具体公式如下：

三、结果分析

本部分首先基于 US-NSBM 模型，运用MaxDEA 软件对长江经济带9 省2 市2003—2017年创新生态活动综合效率和分阶段效率值进行测算和收敛性检验。其次，计算长江经济带省市分年份、区域、阶段创新生态效率均值。最后，对各投入变量的松弛冗余进行分析以提出改进建议。

(一)效率分析

运用MaxDEA 软件运算长江经济带9 省2 市2003—2017 年创新生态活动投入产出面板数据，得到长江经济带创新生态综合效率和分阶段效率值。长江经济带创新生态综合效率均值为1.195，大于1，整体实现DEA 有效，其中一阶段效率均值为1.053，二阶段效率均值为1.061。在11 个省市中，仅湖北省创新生态综合效率均值小于1，未实现DEA 有效。从时间动态上来看，长江经济带创新生态效率并未随时间呈现逐年递增或递减的趋势，其中2014 年效率值最高为1.4，除2003 和2005 年外，均实现DEA 相对有效，其中2004 年、2009 年、2015年增幅最大，分别为25%、47%和26%。从分省份创新生态综合效率均值来看，江西、江苏、云南创新生态效率分别为1.87、1.31 和1.29，依次排名前三，湖北、贵州、上海创新生态效率分别为0.76、1.01 和1.05，依次排名倒三。

长江经济带生态创新效率均值省际分布不均衡，呈现“中部最高、东部次之、西部最低”的态势，东部地区经济最发达但其创新生态效率并非最高。通过查看投入产出数据发现，东部省市创新产出和非合意产出水平均高于中西部省市，一方面侧面反映了东部地区创新成果转化水平高于其他地区，另一方面说明东部地区创新生态效率还有待提升。从长江经济带创新生态效率的分阶段表现来看，一阶段均值略低于二阶段均值，为进一步考察各省市分阶段效率均值，本文将两阶段效率均值坐标表示在以一阶段效率均值为横轴，二阶段效率均值为纵轴的直角坐标系中，如图1 所示。

从图1 可以看出，污染排放等非合意产出降低了区域创新生态效率，表现在上海、安徽、湖北、四川、贵州5 省低于平均水平(1.195)，其中上海、贵州2 省实现DEA 相对有效，说明两省很好地实现了创新生态活动的协调发展；安徽、四川达到DEA 弱有效水平，其中安徽省第一阶段创新生态效率均值小于1，说明安徽省的生态效率绩效较低，四川省第二阶段效率均值小于1，说明其创新成果转化水平较低；湖北省DEA 无效，说明湖北省创新产出与生态效率发展不平衡；江苏、浙江等6 省高于平均水平，其中实现DEA 相对有效的省份有江西、重庆、湖南、浙江、云南。

(二)冗余度分析

为进一步分析长江经济带9 省2 市创新生态效率影响因素，提出弱DEA 有效、DEA 无效省份改善创新资源投入配置的有效建议。本文对长江经济带创新活动投入产出的松弛冗余度加以分析，限于篇幅，在此不展示具体结果。

结果显示，上海、贵州两地的创新生态效率最优，无冗余松弛，其余省市存在不同程度的投入产出不足和冗余。具体来看，长江经济带省市均满足了平均受教育年限和失业率指标，由此可见，我国义务教育普及取得了很好的成效。湖北存在各项投入严重不足导致创新效率偏低、污染排放严重、生态福利绩效较低的问题，而安徽在各项投入严重不足的情况下保持了正的创新产出，是创新成果转化效率最高的省份。江苏、浙江、江西创新生态效率水平较高，但其创新产出并未达到期望值，且各项创新投入存在冗余，究其原因发现，其污染排放显著低于其他省份，再一次验证了一阶段非合意产出会影响二阶段创新活动的产出，进而降低创新生态效率。

从各投入变量的冗余表现来看长江经济带创新生态活动效率的改进策略，江苏需要在其他投入保持不变的情况下，减少治理固体废物项目完成投资。浙江和湖南需要在能源消耗总量和建设用地面积不变的情况下，减少R&D人员折合全时当量和R&D内部经费支出，同时避免水资源的过度消耗，适当减少工业三废治理支出，调整各项投入结构。安徽、湖北和四川则需要加大创新研发人员与资金投入，加强与其他省市间的合作交流，引进先进技术，提高能源消耗、建设用地面积、全年用水等资源的利用效率，转移治理废水项目投资冗余以弥补治理废气和固体废物项目的不足。重庆实现了创新与生态的双赢目标，但存在部分投入冗余，接下来应重点调整投入比例，发展创新生态产业。其他省份改进策略在此不做赘述。

四、收敛性分析

为了探究长江经济带创新生态效率的省际间差异，即省际创新生态效率是收敛于共同因素还是向各自的稳态水平收敛，创新生态效率低的省市是否存在对创新生态效率高的省市的“追赶”效应，下面对长江经济带创新生态效率进行收敛性分析。收敛性分析的常见类型是σ收敛、绝对β收敛和条件β收敛。σ收敛用于检验面板数据的离散程度是否随时间收敛，绝对β收敛检验面板数据中各个序列是否收敛于共同因素，条件β收敛则是检验面板数据中各个序列是否收敛于各自的稳态水平。本文侧重分析长江经济带创新生态效率的省际间差异而非时变波动特征，因此仅对创新生态效率进行绝对和条件β收敛性检验。

绝对和条件β收敛回归估计式分别为：

其中IEEi0和IEEiT分别表示基期和报告期第i个省(市)的创新生态效率，T为时间跨度，εit为随机误差。如果β<0，说明存在绝对和条件β收敛。此时，绝对和条件β收敛速度λ的计算公式分别为：

长江经济带创新生态效率的绝对和条件β收敛结果如表2 所示：

表2 长江经济带创新生态效率绝对和固定效应条件β 收敛性检验结果

由表2 可知，长江经济带创新生态效率的绝对和固定效应条件β模型的参数估计值β都在5%的显著性水平下显著小于0，说明长江经济带创新生态效率存在收敛，区域创新活动存在技术扩散和知识溢出，省际间差异正在逐渐降低。

长江经济带创新生态效率存在绝对β收敛说明，创新生态效率的增长率与其初期水平存在负相关关系，创新生态效率低的省市的增长速率较创新生态效率高的省市更快，即创新生态效率低的省市存在对较高省市的“追赶效应”，并且最终长江经济带所有省市的创新生态效率将趋于同一稳态水平。

长江经济带创新生态效率存在固定效应条件β收敛说明，长江经济带的创新生态活动自2003年起发展至今，增长加速十分明显，其创新生态活动已经由以要素积累和规模扩张为主导的增长向以效率为主导的增长转型，并找到了各自的收敛路径。

五、研究结论与政策建议

(一)研究结论

通过以上分析，本文得出以下结论：

1.从总体来看，长江经济带创新生态效率值，整体实现DEA 有效。从时间动态上来看，长江经济带创新生态效率并未随时间呈现逐年递增或递减的趋势。从空间分布上来看，各省市分布不均衡，呈现“中部最高、东部次之、西部最低”的态势。从分阶段效率值来看，一阶段均值略低于二阶段均值。

2.长江经济带创新生态效率存在“追赶效应”，省际间差异正在逐渐降低。各省市的创新生态效率值有各自的收敛路径，并最终趋于同一稳态水平。

(二)政策建议

根据上述结论，本文给出以下建议：

1.促进长江经济带各省市创新生态活动均衡发展。创新生态系统是多部分、多环节的系统，其高效运作需要充分融合技术、资金、人力等资源。为使低创新生态效率省市适应日益激烈的创新竞争，必须加强各省市之间的合作交流，引进、借鉴、学习高创新生态效率省份的先进技术，提高研发效率。同时，各地政府应当制定因地制宜的创新支持政策，为建立跨省域横向沟通合作、信息和资源共享平台的“孵化”提供积极帮助，以实现各省优势互补以及资源的合理配置。

2.关注非合意产出对创新生态系统的影响。随着国家对创新的重视程度提高，对创新研发投入的资金支持也逐年加大，但用于资源节约与环境污染治理技术创新的专门投入仍存在不足，对后续创新活动造成了负面影响。为解决此问题，长江经济带区域政府需要一方面设置专项投入，激励增加从事资源节约和环境污染治理的专业技术创新人员数量，另一方面制定严格的污染排放标准，坚持绿色发展观念。

3.加强创新生态活动各项投入的有效配置、合理转化。为提高长江经济带创新生态效率，需要在产出不变的情况下，减少创新投入冗余和非合意产出，在创新投入不变的情况下提高创新投入效率。为此，政府必须指定合理的指标和具体制度对创新绩效进行考核和管理，相关机构应该使创新投入更具有针对性，增强对创新投入使用情况的监督，设立负责协调、监督、反馈、跟踪、评估创新活动的部门，以便协调各种创新资源。