闫盼娣 张峰

摘要：绿色创新是推动工业高质量转型的关键。与以往研究不同的是，通过聚焦城市群工业绿色创新发展，利用Super-SBM模型和Malmquist指数分解法构建工业绿色创新效率测度模型，对2005—2019年山东半岛城市群工业绿色创新变迁规律进行静动态双维度分析，并基于Morans I指数检验其空间相关性。结果表明，山东半岛城市群工业绿色创新静态效率整体上呈平稳发展趋势，同时已塑造成“四大梯度”的空间分布形态；在动态效率测算中，根据Malmquist指数不同分解项对效率的异质性影响度，可将城市群分为“要素集成”与“技术依赖”两大类型；空间层面的效率值发展特点存在明显的负向空间自相关性，各地区自身与周边地区的绿色创新发展均存在不足之处，邻近地区存在“都市联动”效应，周边城市对其产生的拉动或制约作用不容忽视，城市群之间工业发展存在明显差异且经济关联较少。

关键词：城市群；工业绿色创新；空间自相关

中图分类号：F424.7文献标识码： ADOI：10.3969/j.issn.1003-8256.2021.03.005

开放科学（资源服务）标识码（OSID）：

0引言

新一轮市场经济下，全球范围内产业价值链重塑促使世界各国将工业转型升级不断推向新的高度，其中以“中国制造2025”、德国“工业4.0”、美国“再工业化”战略等为代表的驱动政策，均明确树立了以技术创新与绿色发展等为目标导向的发展方向。该背景下，国内“高成本、高污染”的老旧工业体系发展约束愈发明显，尤其是随着城市规模的扩增与生产要素的聚集，城市群已逐渐成為当前社会经济发展中推进区域一体化的重要载体，其建设既需要工业经济给予强有力的发展支撑，也依赖于自然生态环境的有机保障。山东半岛城市群是黄河中下游广大腹地的出海口，不仅拥有较高的城市密集度，而且是我国北方和华东地区重要增长极。但是受传统重工业比重大、原材料成本上涨、资源环境胁迫等多重因素的影响，其工业绿色转型和提质增速迫在眉睫。对此，山东省政府审时度势，颁布《山东半岛城市群发展规划（2016—2030）》，并指出要将绿色创新作为应对当前资源与环境问题的战略部署，提高城市群产业生态聚集效应。由此可见，系统评估山东半岛城市群工业绿色创新水平的变迁规律及其发展聚集特点具有重要的理论与实践意义。

工业绿色创新作为一项具有重要战略意义的产业驱动因素，学者们对其做出了诸多有益的探讨。其中，在效率测度方面，Mavi等[1]通过构建考虑公共权重集的两阶段DEA模型，测算了瑞士绿色创新效率的趋势规律及空间聚集性。Du等[2]基于两阶段创新价值链角度，借助网络DEA探索了中国省际工业企业绿色创新的差异，并针对绿色成果转化提出改善建议。Tong等[3]运用SBM-DDF模型测算了32个工业行业的绿色全要素产率，分析了不同的创新模式对测评结果的影响。Shoufu等[4]基于理想窗口宽度的DEA方法对国内28个制造行业进行绿色技术创新效率的测评。李培哲等[5]采用DEA模型及Malmquist指数分解法测算了不同行政区域及东、中、西部三大区域高技术产业的创新效率情况。张峰等[6]基于纵横向拉开档次法测度制造业绿色创新效率，并从空间集聚与冷热点等方面分析了其时空格局演化特征。陈瑶[7]关于中国工业区域差异的研究表明发展效率呈现东部高西部低，沿海城市高于内陆城市的特点。可以看出，数据包络分析与随机前沿函数是测算绿色创新效率常用的评估工具，而在国内趋势研究中，全国及省际之间的效率差异是探索的共性之处。在创新效率影响机制方面，Chen等[8]基于中国30个省的面板数据，建立工业绿色创新评价体系，并采取层次分析赋权的方式挖掘评价体系内关键的短板要素。Jiangxue等[9]从经济、环境、能源和资源等方面综合评价影响多个产业部门绿色创新发展的因素，提出推动绿色创新发展要依据产业部门实际而实施差异化的驱动策略。Baolong等[10]重点探讨了环境机制对工业企业绿色创新的影响，发现环境监管将研发投入挤出并对创新产出具有抑制作用。杨玉桢等[11]认为城市化和对外开放是继知识研发与成果转化之外的重要因素。易明等[12]采用面板Tobit模型分析影响绿色创新效率的要素作用机制，结果发现地区经济发展水平、外资利用水平和地方政府科学技术对绿色创新效率都具有较为明显影响。此外，还有相关学者审视了产业集聚[13]、相关产业[14]和政府政策[15-16]对绿色发展效率的作用机制。

综上所述，目前相关研究对工业绿色创新水平的测度及影响机制提供了良好的借鉴，尤其是针对国内宏观环境及省际差异的分析做出了重点探索，但鲜有研究对城市群工业绿色创新效率及其空间聚集演化问题做出系统性的解释。从1980年“发展中小城市、控制大城市规模”的城镇化思路，到2014年推动城市基本公共服务均等化，再到当前社会经济新常态，抑制大城市发展的建设模式已然难以适应时势变化需求，2019年中共中央政治局会议提出要“提升城市群功能”的建设方向，这对塑造山东半岛城市群“极化效应”下城市主体形态提供了重要借鉴。山东半岛城市群既要走绿色创新发展的路径，提高工业转型升级速率及其对社会经济发展的高质量支持度，也要发挥城市群的功能辐射作用，那么，半岛城市群中各市的工业绿色创新水平究竟如何？城市之间是否具有空间关联与聚集效应？鉴于此，本文利用Super-SBM与 Malmquist指数构建城市群工业绿色创新效率测度模型，系统性地测度山东半岛城市群工业绿色创新水平的变迁趋势及空间演化特点，旨在为城市群建设及推进工业高质量发展提供理论参考。

1模型与方法选择

2山东半岛城市群绿色创新效率测评分析

2.1数据来源

国际上对绿色创新的广泛研究始于2005年，鉴于我国的创新驱动与创新发展融合、着重实施绿色创新发展的举措是近年才进入学术界，故选择起始研究年份为2005年，2020年数据/指标未在各地区的统计年鉴与公报中公布，故样本尺度选为2005—2019年。本文从静态和动态两方面对山东半岛城市群的绿色创新效率进行测度，研究范围涉及到山东半岛城市群所含8个城市。其中，由于原莱芜市在2019年撤市划区，归属于济南市，因此对样本中济南市数据包括了原济南市和原莱芜市之和。指标数据来源于《山东省统计年鉴》和各地区统计年鉴与公报。

2.2变量解释

城市群工业绿色创新效率测度的产出指标包括期望产出与非期望产出两部分。其中，期望产出在一定程度上反映了企业将投入要素转化为有效资本要素的能力，主要由工业总产值、主营业务收入等经济效率作为衡量因素，根据企业的发展情况及数据的可获得性，选取工业企业的总产值作为代表；创新产出常用新产品的销售值、新产品的产值、市场的成交额、企业GDP的增长率等表示，相比于新产品的产值，新产品的销售收入更直观地体现出绿色创新发展的实施程度，因此，选择新产品的销售收入来表示创新产出。非期望产出中，选取污染物综合指数，由工业废水、工业固体废物以及工业废气（二氧化硫）“三废”组成，采用熵值法给定各要素的比例折合成综合污染物排放量。上述相关变量的解释见表1。

2.3实证结果分析

2.3.1绿色发展效率测算分析

运用DEA -Solver Pro5.0对山东半岛城市群工业绿色创新效率进行Super-SBM模型的測算，测度结果及其核密度估计分别见表2和图1。

从核密度估计的位置上看，效率值的核密度曲线整体呈左右波动变化，说明测算期间城市群工业绿色创新效率的整体上呈现非稳定性，未能达到持续增长水平；从曲线的形状来看，2006年与2008年曲线峰值增高且波峰陡峭，在2013年至2014年峰值达到最高，测算曲线多呈现为单峰分布，曲线左侧出现小波峰现象，说明在此期间城市群各地区工业绿色效率的发展差距逐渐变小，但呈现出一定的两极分化现象；从曲线变化区间分析，研究期内曲线变化区间微小，说明各地区绿色发展效率与周边地区间存在差距的差距较小，且逐渐向发展领先的周边地区靠拢。

具体来看，山东半岛城市群的整体的效率均值为1.01，说明城市群工业绿色创新水平在研究期间发展状态良好，但从地区与研究期两个方面分析，各地区的绿色创新能力仍待进一步提高，具体包括：从时间角度来看，2015—2019年测算结果差异较小，8个城市的效率值在结果值“1”附近上下浮动，呈现出波浪型波动发展趋势，总体效率值较为稳定，表明近年来随着国家与地方政府对工业绿色创新发展的重点关注和大力支持，山东半岛城市群工业发展对吸收采纳绿色创新先进技术能力不断提升，促使各地区的工业绿色创新能力取得了良好的发展；从各地区角度分析，测算期间8个城市的效率值存在一定的差异，如烟台的绿色创新效率为0.98，测算结果小于1，表现为DEA无效状态，说明该地区工业绿色创新的能力与水平亟待完善提高，也表现出山东省内工业绿色创新仍有较大发展空间的客观现实。

根据研究期内效率值阶段变化可知，在2005—2009年8个城市的效率值呈稳定发展状态，各地区工业绿色创新水平较低，在工业转型升级过程中存在诸多不确定因素，效率值无明显上升下降波动现象；2010—2012年，城市群的效率值出现明显变化，8个城市的效率值呈“V”型变化，2010年烟台的效率值为0.24，2011年济南的效率测算结果为0.79，2012年日照的测算结果为0.20，2010—2012年烟台与日照这两个沿海城市的绿色创新发展极不稳定，上述城市的地理位置与其绿色创新的发展情况具有一定的关系，这种变化表明全球经济发展速率的回落对交通发达的沿海城市的影响较为明显；2012—2019年，随着我国工业转型升级与绿色创新发展相关文件的出台、“三去一降一补”的深入推进、政府扶持力度的增加以及研发资金和高技术人才的引进，城市群工业企业的绿色创新发展逐渐恢复到正常水平。

在效率值测度的基础上，进一步对其进行层次聚类分析，结果见图2。可发现山东半岛城市群工业绿色创新效率空间维度上表现为“四大梯度”。其中，第一梯度为效率值较高且发展相对稳定型，代表城市为济南、淄博与东营，上述城市在测算期间的效率变化相对稳定，发展趋势没明显波动，且效率值与“1”极为接近，促成这一结果主要是由于济南、东营与淄博处于优越的地域，在工业企业转型升级与绿色创新发展方面拥有较为稳固的产业基础，产业资本优厚且技术管理处于较高水平，特别是近年来有关资源环境保护的政策与创新发展文件得到积极推进。第二梯度为效率值阶段性不理想但整体发展良好型，包括潍坊与青岛，潍坊的效率值在测算期间出现两次变化明显的阶段，分别是2005—2011年的“W”型发展与2015—2019年“V”型变化，在2007、2009与2017年降低至0.87、0.80与0.82，青岛的效率值在2007年略有下降，降低至0.93，在2017年测算结果为0.58，2011年山东省政府出台有关加快工业企业转型升级的文件，对潍坊与青岛的工业造成明显影响，各企业在积极响应政策过程中未能在短时间内找到理想的转型方式，进而导致绿色创新的效率值的明显波动。第三梯度为效率值发展趋势呈明显“V”型，代表城市为烟台与威海，烟台2010年效率为0.24，研究期内其余年份所得结果均呈现出良好的发展趋势，威海测算结果在2005至2009年期间保持平稳发展，2010与2011年的结果分别为0.86、0.90，2012—2017年恢复稳定发展状态，2018和2019年的测算结果分别为0.96和0.94，效率的发展易出现波动，表明威海的工业绿色创新水平存在明显缺陷，后续发展中需进一步完善。第四梯度为前期发展紊乱后期稳定型，代表城市为日照，日照的工业绿色创新效率在2005—2013年出现两次“V”型变化，分别在2007与2012年降至0.80与0.20，后期发展曲线逐渐平滑，表现出日照在实行绿色创新的过程中经过初期探索后逐步完善工业体系结构，效率值的变化呈现稳定上升趋势。

此外，山东半岛城市群工业绿色创新测算结果还呈现出“都市联动效应”，上述分类在一定程度上反映了城市群的技术创新聚集能力，例如济南、淄博与东营的效率值稳定且发展良好，这与其所处于拥有文化、政治等特性优势的地区有密切联系，良好的工业基础及相对完善的绿色创新发展体系对上述城市的效率值产生正向影响，同时对周边地区工业的发展起到辐射性的带动作用，在后续发展中需积极发挥领头作用进而对其余地区的效率值增长做出贡献；而山东省内的沿海城市如烟台、威海与日照，在样本研究期间出现较高的效率值表明优越的地理位置与便利的对外交通优势为工业的发展提供重要支撑，同时与外便利的交流也决定了上述地区极易受全球经济及外部经济发展影响，进而导致工业绿色创新发展出现波动，上述情况要求沿海地区需增强先进技术的吸收能力，进一步完善稳定工业绿色创新发展管理体系同时加固与周边城市的交流合作，将外部对自身发展的不利影响降至最低水平。

2.3.2工业绿色创新效率动态分析

在使用Super-SBM模型测算绿色效率的静态分析基础上，为实现对山东半岛城市群全面动态的评估，运用DEAP2.1软件对2005—2019年的8个城市进行Malmquist指数分析，结果见表3和表4。

从表3可知，半岛城市群全要素生产率整体平均值为0.99，说明山东半岛城市群的绿色创新水平呈现为相对稳定的下降趋势。对Malmquist指数进一步研究，技术效率为1.00，技术进步为0.98，纯技术效率为1.01，规模效率为0.99，技术进步与规模效率的降低共同造成整体效率的降低，降幅为1%。测算期间的发展态势呈“W”型波动。技术进步的发展趋势与全要素生产率发展趋势一致，说明技术进步因素的增减直接影响工业技术创新水平，导致前期“W”型发展的不稳定因素在于各地区初步引进先进技术与高层次人才，工业企业需要适应吸收期，在逐步推进绿色创新发展历程中，各城市工业的创新体系结构逐步完善，继而促使发展曲线稳定增长。纯技术效率与规模效率的整体测算结果在“1”上下波动，二者的发展趋势一致，说明技术效率与规模效率的发展平缓稳定，对全要素生产率的增长起辅助作用，对绿色创新发展效率的贡献较少，在后续发展中应维持技术效率与规模效率的平缓增长以避免对整体效率的发展造成负面影响。技术效率在2009—2013年测算期间略有起伏，后期发展态势平滑无明显增减，这一现象表明工业绿色创新技术在经过初期探索后已得到广泛应用，测算期间山东半岛内工业企业科技能力的改善拉动了工业企业绿色发展的生产前沿水平，另一方面，资源与环境的配置体系、技术资源的维系经营和工业企业的管理水平对绿色创新能力造成一定的制约，因此在提升技术水平的同时，必须科学改进资源环境的配置，改善内部管理经营体系。

在2005—2019年研究期内，全要素生产率出现明显增减阶段为2007—2013年，效率值由1.13降至0.57，再增长至2.01，其分解因素技术进步要素的测算结果由1.15减少至0.52继而增长至2.25，而技术效率、纯技术效率与规模效率都稳定发展，这一变化也验证了技术进步因素对全要素生产率具有决定性影响的客观事实。在此研究期内技术进步与绿色创新测算结果呈现出一致的走势，说明城市群在工业企业的转型升级过程中技术应用尚不成熟，相对落后的绿色创新技术水平与不合理的资源环境配置体系导致技术进步因素的明显下降，而随着创新发展的推进，山东半岛城市群愈发注重技术因素的投入，提升吸收先进技术的能力，技术的稳定促使整体发展进程平缓增长，表现出较大的发展潜力。因此，山东半岛城市群工业绿色创新发展应着眼于提高工业企业的工业技术，增大创新投入的程度并根据情况加强对创新的管理，同时也应保证技术效率和规模效率的持续改善，以避免对整体的效率带来制约。

从表4可以看出，山东半岛城市群的整体效率表现为略微下降态势，其中济南、青岛、淄博、威海、潍坊和日照的全要素生产率均小于1，表明这6个城市的工业绿色创新能力处于不成熟发展阶段，后续发展中亟须提高技术创新能力改善绿色创新水平，而煙台与东营的全要素生产率表现为稳定上升态势，观察其技术进步分解项，测算结果均大于1，说明上述城市技术进步水平的提升促使工业绿色创新的进步，技术效率值较高的城市表明资源配置水平较高，近年来城市群在资源环境与绿色技术方面的重点关注对创新发展测评结果起到正向推动作用。烟台、潍坊、日照的技术效率与纯技术效率值均为1，说明这3个城市处于相对平稳的状态，未来的发展重点应在完善工业技术方面，进一步扩大技术水平的提升空间。威海的整体效率与技术效率分解项测算值小于1，青岛的技术进步效率保持稳定而整体效率小于1，说明上述两个城市工业的绿色技术发展水平不高，技术效率的发展制约了工业绿色创新的发展，威海的规模效率为0.98，相比上一测算期间规模效率降低，表明威海在后续发展中需要更恰当的资源环境配置与更完善的管理制度，青岛的技术效率值为0.99，表明技术的缺失造成Malmquist指数的负面发展，在后续研究方面需进一步提高技术水平。

基于分解因素视角，可以把城市群分为两大类型，一是要素集成推动型，如青岛、威海和东营，工业绿色创新效率受技术进步和技术效率等所有因素的影响，各因素的变化共同造成效率值的增减变化，如青岛的技术进步与纯技术效率均为1，技术效率与规模效率均小于1，在各分解因素的协调下，青岛的绿色创新效率在测算期间基本保持稳定，要素集成型城市受多因素的共同影响，上述城市在后续发展中需进一步吸收引进先进技术，同时完善工业企业的资源配置结构，促使技术进步与纯技术效率的提升，同时保持规模效率的稳定增长，进而共同作用拉动整体效率的平稳增长；另一类为技术依赖型，包括济南、淄博、烟台、潍坊与日照，上述城市受技术效率、规模效率和纯技术效率影响细微，技术进步的增减对整体造成绝对影响，如潍坊的技术效率、纯技术效率与规模效率均为1，相较于上一研究期处于稳定保持态势，而技术进步效率为0.98，直接造成整体效率为0.98，呈下降趋势，充分说明技术效率的增减直接影响整体效率的增减，其余各分解效率起辅助作用，对整体的增减变化影响细微，为此在后续研究中对于技术依赖型城市的改进重点需集中在技术提高改善方面，提高企业绿色创新能力，增强技术创新水平，保证技术进步的持续增长，同时对规模效率也应适当改善以避免对全要素生产率的增长造成负面影响。

2.3.3工业绿色创新效率空间自相关性分析

在地理距离权重矩阵下利用Stata对城市群工业绿色创新效率进行空间自相关性分析，结果见表5。

由表5可知，山东半岛城市群在2005、2007、 2010、2014、2017及2018年的Morans I指数表现为正值，2006、2008、2009、2011、2012、2013、2015、2016与2019年表现为负值。负值代表山东半岛城市群工业绿色创新效率存在较为明显的负向空间自相关性，绿色创新效率值高的城市被效率值偏低的城市包围，或绿色创新效率值较低的城市被效率值高的城市包围；正值代表研究期内城市群之间绿色创新能力的发展呈现正向空间自相关性，各城市的绿色创新有紧密的空间依赖性，积极进行绿色转型创新的城市为周边地区带来了创新活力。研究期内测算结果表现为负值。说明城市群各地区的地理位置与自然条件存在较强的差异，各自的工业企业发展水平也各有不同，相比于威海等地区，工业绿色创新发展程度较高的地区如青岛、济南在推进先进绿色技术、实现较高的管理水平与资源配置水平上占领先地位，这一现象导致发展潜力较大的地区绿色创新能力增长迅速，稍落后的地区在推进工业转型发展中遇到阻碍。另外，城市群工业绿色创新效率负相关现象还受“虹吸效应”的影响，例如济南是山东省的省会城市，作为山东省的核心地区，其虹吸效应能有效聚集各种领先资本，如技术、人才等要素，进而能够使用更多的资源来提高工业绿色创新的发展，而其余城市不具备上述政治经济因素，相对发展缓慢。

在分析全局空间自相关性的基础上进一步借助Morans I散点图与Lisa集聚图来研究山东半岛城市群工业绿色创新效率的局部自相关性。其中，2008、2013和2018年检验结果见图3和图4所示。

由图3可知，2008年城市群主要聚集在第一象限与第二象限，共占总数的75%，表明各地区周边城市积极实施工业绿色创新发展计划进而促进了创新效率值的提高；在2013年，城市群分布在第四象限的占50%，第二和第三象限各占25%，这一现象充分说明在工业企业在绿色创新效率发展出现波动，多地区效率呈上升趋势；2018年城市群中位于第二象限与第三象限的各占25%，第一象限占总数的50%，城市群中未有位于第四象限的地区，表明城市群整体呈现上升的发展趋势，75%的地区自身的绿色发展效率发展到较为稳定的阶段，工业企业绿色转型升级创新发展势头良好，表明随着各地区工业绿色创新发展程度的提升，各地区自身与其邻近地区的发展均表现出良好的上升态势。

Morans I散点图中位于第一象限的城市为双高型，即其自身与周边城市发展水平处于相对领先地位；第二象限内为低高型城市，其自身發展水平尚未领先但其周边城市可带动本地区的发展，具有巨大的发展活力与后期优势；位于第三象限的双低型城市则需在后续发展中关注自身和周边城市的共同提高；第四象限的高低型地区自身绿色创新发展水平较高但其周围城市发展相对缓慢，与周围地区存在显著的空间负相关性，表明了城市群中发展领先的中心城市能力不足问题。由图4可知，2008年显著的高低型城市为潍坊市，低高型城市为青岛市。由图3可知2008年位于第一象限的城市有济南、淄博与威海，即上述城市自身和周边地区的效率值发展均处于领先地位；位于第二象限的城市有东营、日照与青岛，为低高型城市；位于第四象限的高低型城市有潍坊和烟台，表明上述城市近年来工业转型升级发展迅速，取得良好的绿色创新测算结果，但与周边地区联系疏散，同时说明城市群中发展领先的城市辐射带动作用未能充分体现，需加强各地区的经济合作交流。图4中2013年显著的低高型城市为日照市，由散点图可知2013年高低型城市有济南、青岛、威海与潍坊，青岛由第二象限逐渐进入第四象限，说明其工业绿色创新发展能力潜力巨大，在与周边地区密切的经济联系带动下拉动了青岛的发展；位于第二象限的低高型城市为日照，说明日照需在后续发展中加快改善工业发展体系提高自身发展效率；表现为高低型的潍坊市，其周边地区低高型城市如日照的发展在一定程度上限制了其自身的发展，进一步表明其邻近地区淄博和青岛的带动作用轻微。根据图4，2018年表现为低高型的城市为潍坊，图3中2018年位于第一象限的城市有济南、威海、淄博与东营，表明上述城市自身绿色创新能力的提高与周边地区良好的发展趋势为其带来大量资源、技术与管理的经验优势，中心城市济南的影响与传统工业体系的改革为淄博地区的绿色创新发展带来巨大的推力，上述地区的发展水平得以顺利提高，逐渐形成了半岛城市群发展领先的城市圈，作为山东省的中心地区也对全省的工业绿色发展起带头引领作用；表现为低高型的城市为潍坊；位于第三象限的双低型城市有烟台与日照，日照由第二象限转至第三象限，说明其自身效率的发展缺陷限制了周边地区的发展，烟台在研究期内测算的结果表明该地区周边城市工业绿色创新能力薄弱，大多位于第四象限，自身的发展受周边地区的限制，虽暂时未能带动周边城市的发展，但在半岛城市群中起到愈发正向的作用。

3结论与启示

本文采用Super-SBM和Malmquist指数构建工业绿色创新发展效率测度模型，从静动态不同维度对山东半岛城市群工业绿色创新发展效率进行测度，并基于Morans I指数对城市群工业绿色创新效率全局空间相关与局部空间相关进行研究，得到以下结论：

（1）研究期内城市群工业的绿色创新发展效率值产生波动，虽然整体上呈现平稳提升趋势但其均值仍然不高，并在落实初期极易起伏对原有发展造成负面影响继而直接影响测算结果。在空间维度上，山东半岛城市群已形成了“四大梯度”的工业绿色创新空间格局，其中济南、东营等处于领先地位，各市之间呈现出一定的“都市联动效应”，该特性反映了工业企业的绿色创新发展空间聚集对周边城市形成辐射作用，各市技术水平、资源环境配置、经济政治水平与政府扶持因素对效率值的影响不容忽视。

（2）基于时间序列视角解析城市群绿色创新发展的动态增减，发现效率值在经过工业转型升级初期探索后得到平稳增长，对各分解因素的发展态势解析后发现技术进步的增长直接决定全要素生产率的增长与否，其余因素起辅助作用。基于各城市视角分析其发展特点，发现技术的进步与资源的配置对整体效率呈现正向影响，且城市群内各地区包括“要素集成型”与“技术依赖型”两类主体发展模式。

（3）城市群之间的工业绿色创新效率具有很大的溢出效应与外部效应，各个地区之间的绿色创新发展水平相互影响，而存在明显的负向空间自相关性则表明山东半岛城市群各区域存在经济阻碍、经济联系较少、合作不足等现象，各地区的发展差异较大，表现出不可忽略的中心城市拉动功能不足问题，同时存在明显的资源倾斜不协调现象。基于时间序列的分析位于第四象限的城市如烟台等，与周边城市的发展情况呈现出不一致的趋势，未能体现出发展领先地区的带动与辐射作用，进而对其自身与其他地区造成负面的限制作用。

基于上述研究结论，相关启示有：其一，强化绿色创新技术研发。研究分析发现山东半岛城市群的绿色研发强度还略有欠缺，但效率整体不高的主要原因在于工业企业采用的绿色技术还不够完善，这就需要加快先进技术的引进与研发，加强传统工业转型升级关键技术研发，在经济发展水平与绿色创新能力较高的地区率先突破绿色先进核心技术，支撑城市群中老旧工业绿色创新技术的转型升级，应对突发改造造成的效率值骤减问题，构建工业绿色发展先进技术的创新体系。其二，完善绿色创新体系结构。目前山东省工业企业工业三废的排放量仍处于较高水平，对资源的依赖性较强，对创新发展活动的开展产生不良影响，亟须加快改进半岛城市群工业企业老旧的工业结构，坚持创新驱动，推动企业发展动力向创新驱动靠近，实现城市工业企业间融合发展，加强绿色创新发展的整体体系规划，深化信息化和工业化协同融合，对于高污染高耗能的传统老工业进行正确引导转型升级，充分发挥信息化在转型中的支撑与引导作用。其三，促进半岛城市群产业集聚发展。根据“都市联动效应”的辐射影响，遵循发展领先的主体城市拉动作用，以龙头地区骨干企业为依托，形成特定产业链和工业集聚区，发挥工业创新地区的领先优势，以领先地区为载体，推进工业集聚发展，加强各市企业之间的经济交流合作。其四，完善城市群的环境保护制度。除了要求工业企业建立能源梯度利用、资源持续利用与废弃污染物的循环利用产业机制外，还要求政府机构制定资源与环境保护的措施，对各地区的高污染企业做出严格要求，加强过量排污的处罚强度，积极推进循环经济与清洁生产的发展，倒逼工业企业循环利用加强资源的再利用性，为绿色创新发展提供更多的资源支持。

参考文献：

[1]MAVI R K， SAEN R F， GOH M. Joint analysis of eco-efficiency and eco-innovation with common weights in two-stage network DEA： a big data approach [J]. Technological Forecasting & Social Change， 2018， 144： 553-562.

[2]DU J L， LIU Y， DIAO W X . Assessing regional differences in green innovation efficiency of industrial enterprises in China [J]. International Journal of Environmental Research and Public Health， 2019， 16（6）： 940-963.

[3]ZHANG T， YUE H F， ZHOU J， et al. Technological innovation paths toward green industry in China [J]. Chinese Journal of Population， Resources and Environment， 2018， 16（2）： 97-108.

[4]LIU S， JI S， MARINOVA D， et al. Evaluation of the green technologyinnovationefficiencyofChinasmanufacturing industries： DEA window analysis with ideal window width [J]. Technology Analysis & Strategic Management， 2018， 30： 1166-1181.

[5]李培哲，菅利榮，刘勇.基于DEA与Malmquist指数的区域高技术产业创新效率评价研究[J].工业技术经济， 2019， 38（1）： 27-34.

[6]张峰，宋晓娜，董会忠.粤港澳大湾区制造业绿色竞争力指数测度与时空格局演化特征分析[J].中国软科学， 2019（10）： 70-89.

[7]陈瑶.中国区域工业绿色发展效率评估——基于R&D投入视角[J].经济问题， 2018（12）： 77-83.

[8]CHEN C， HAN J， FAN P. Measuring the level of industrial green development and exploring its influencing factors： empirical evidence from Chinas 30 provinces [J]. Sustainability， 2016， 8（2）： 153-167.

[9]ZHANG J X， CHANG Y， WANG C B， et al. The green efficiency of industrial sectors in China： a comparative analysis based on sectoral and supply-chain quantifications [J]. Resources Conservation and Recycling， 2018， 132： 269-277.

[10] YUAN B L ， XIANG Q L. Environmental regulation， industrial innovation and green development of Chinese manufacturing： based on an extended CDM model[J]. Journal of Cleaner Production， 2018， 176： 895-908.

[11]楊玉桢，李姗，宋文松.城市化、对外开放与区域创新效率分析[J].商业经济研究， 2018（24）： 175-177.

[12]易明，程晓曼.长江经济带城市绿色创新效率时空分异及其影响因素[J].城市问题， 2018（8）： 31-39.

[13]刘云强，权泉，朱佳玲，等.绿色技术创新、产业集聚与生态效率——以长江经济带城市群为例[J].长江流域资源与环境， 2018， 27（11）： 2395-2406.

[14]陈阳，唐晓华.服务业集聚对城市绿色生产效率的影响[J].城市问题， 2018（11）： 49-56， 64.

[15]李玉婷，祝志勇.制度供给与中国地区绿色创新效率[J].北京理工大学学报（社会科学版）， 2019， 21（1）： 50-58.

[16]齐红倩，陈苗.环境规制对我国绿色经济效率影响的非线性特征[J].数量经济研究， 2018， 9（2）： 61-77.

[17] CHUNG Y H， FARE R， GROSSKOPF S. Productivity and undesirable outputs： a directional distance function approach [J]. Journal of Environmental Management， 1997， 51（3）： 229-240.

[18] FARE R， GROSSKOPF S， PASURKA J. Accounting for air pollutionemissionsinmeasuresofstatemanufacturing productivity growth [J]. Journal of Regional Science， 2001， 41（3）： 381-409.

[19] TONE K.A slacks-based measure of efficiency in data envelopment analysis [J].European Journal of Operational Research， 2001， 130（3）： 498–509.

[20] TONE K. A slacks-based measure of super-efficiency in data envelopment analysis [J].European Journal of Operational Research， 2002， 143（1）： 32-41.

[21]张峰，宋晓娜，万毅.工业取用水监测奇异数据挖掘与重构方法[J].统计研究， 2019， 36（9）： 68-81.

[22]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000[J].经济研究， 2004（10）： 35-44.

Study on the Efficiency and Spatial Characteristics of Industrial Green Innovation of Shandong Peninsula Urban Agglomeration Under the Constraint of Unexpected Output

YAN Pandi，ZHANG Feng（ School of Management，Shandong University of Technology， Zibo 255012， China）

Abstract： Green innovation is the key to improve high-quality industrial transformation. Different from previous studies， this paper focuses on the green innovation development of urban agglomeration industries. The Super-SBM model and Malmquist exponential decomposition method were used to construct an industrial green innovation efficiency measurement model. The static and dynamic two-dimensional analysis of industrial green innovation changes in the Shandong Peninsula Urban Agglomeration from 2005 to 2019 was performed， and its spatial correlation was tested based on the Moran s I index. The results showed that， the static efficiency of the overall industrial green innovation in the peninsula urban agglomeration was showing a steady development trend， and it had been shaped into a "four major gradients" spatial distribution pattern.In the dynamic efficiency measurement， according to the impact of different decomposition terms of the Malmquist index on the heterogeneity of efficiency， urban agglomerations were divided into two types： "element integration" and "technology dependence". There was a significant negative spatial autocorrelation in the development of efficiency values at the spatial level， and the green innovation development in each region and surrounding areas had disadvantages. The "urban linkage" effect existed in neighboring areas， and the pulling or restricting effect of neighboring cities could not be ignored. There were obvious differences in industrial development between urban agglomerations and less economic connections.

Keywords： urban agglomeration；industrial green innovation；spatial autocorrelation