孙振清，谷文姗，成晓斐

（天津科技大学经济与管理学院，天津 300457）

改革开放以来，长期的城市化和工业化进程带来较快的经济和城市人口增长速度［1］，使得这个时期中国完成GDP 增长9.83%和人口增长1.01%的发展目标［2］。与此同时，负面的环境污染、资源消耗等问题对中国来说，也是巨大的挑战。中国的环境问题主要包括能源和淡水短缺、空气污染、农田损失、沙漠化、生物多样性损失［3］，解决环境污染等问题成为实现地区低碳可持续发展的必经之路。一方面，可持续发展必须建立在资源承载和环境容量基础之上，关键在于如何权衡经济发展和环境保护两者间的关系；另一方面，通过社会经济子系统和生态环境子系统的协调发展来保证高质量增长，促进可持续发展并保持经济快速增长已经成为亟需解决的难题。而绿色创新是在考虑环境保护和资源节约的情境下，通过提升地区绿色创新效率水平，来提升环境效益。因此，就长期而言，提高绿色创新效率是资源紧缺约束下实现经济增长和环境优化双赢发展的重要途径，能够为地区经济发展提供强大动力。传统全要素生产率（TFP）的测算未考虑资源环境约束，随着绿色发展及相关理论的不断完善，将环境资源约束与投入产出要素一起纳入测算的绿色全要素生产率（GTFP）应运而生。

1 文献述评

近年来，绿色发展已经成为实现可持续发展的一种公认的有效方法，且探索绿色发展驱动力的研究成果较为丰富，如Zhu 等［4］基于生态现代化理论指出通过技术创新驱动的环保法规可以有效解决环境问题；Guo 等［5］测算中国东北地区绿色全要素生产率，发现工业集聚与绿色发展之间存在“U”型关系，且经济发展有效促进绿色发展；Feng 等［6］分析省级绿色全要素生产率，发现不同环境法规可能对工业绿色全要素生产率有不同的影响；Zhang 等［7］认为技术创新是经济增长的源泉，通过空间自回归模型检验创新城市生态效益，发现技术创新加强生态效益；Zhang 等［8］运用数据包络分析测算工业效率，发现环境监管、技术创新、经济发展水平影响工业生态效率。其次集中于绿色经济、绿色创新及如何实现生态与经济协调发展等，探讨经济发展与生态环境之间关系，进而为两者协调发展提出政策建议，如向书坚等［9］根据生态系统与绿色经济的关系，构建绿色经济发展指数，测算中国“十一五”时期数据，发现绿色经济发展水平较低；Fiorino［10］认为要保证生态与经济协调发展，需要通过环保税、创新鼓励及开展碳排放交易措施来实现；Zhu 等［11］通过验证经济环境协调发展模式，发现中国欠发达地区绿色经济的主要影响因素在于人力资本、绿色化标准以及国际开放等；Su 等［12］使用超效率SBM 模型测算考虑资源环境约束下中国的绿色经济效率，并运用回归分析其影响因素，发现绿色经济效率表现明显空间差异，提出应加强政策约束及区域环境保护补偿机制等措施。

综上所述，目前关于绿色全要素生产率及其驱动因素研究成果较为丰富，但将绿色与创新引入空间联系的研究较少。而创新是引领发展的关键主力。因此，准确评估我国绿色全要素生产率，并分析其与创新溢出的耦合协调关系及后续互动关系，对践行生态文明理念、推动建设美丽中国具有重要意义。鉴于此，本文首先对绿色全要素生产率指标体系进行扩展，基于2008—2018 年我国省际面板数据，运用DEA-Malmquist 指数测算绿色全要素生产率，并结合耦合协调度模型测算创新溢出与绿色全要素生产率的耦合协调度，同时考虑其空间演化特征及格局分布，以便对各省份的经济与生态环境协调发展作出全面分析，最后构建空间计量模型分析创新溢出对绿色全要素生产率的影响，进而为区域协调发展提出相关政策建议。

2 绿色全要素生产率测算及与创新耦合协调度分析

2.1 绿色全要素生产率测算模型构建

测算绿色全要素生产率一般包含三大指标：投入、期望产出与非期望产出。而绿色全要素生产率意味着在绿色发展要义下，尽可能利用较少的投入获得更多的产出［14］。受限于数据的可得性，本文选取2007—2018 年我国除西藏和港澳台地区以外30个省域数据。具体测算指标如表1 所示。

表1 绿色全要素生产率指标体系

2.2 测算结果分析

本文利用DEAP 软件测算2007—2018 年我国30 个省份的绿色全要素生产率及其分解结果，如表2 所示。

表2 2007—2018 年我国30 个省份Malmquist 指数及分解结果

由表2 所示，研究范围内我国绿色全要素生产率存在一定的省级差异，大多部分省份的Malmquist指数大于1，且随时间推移指数呈上升趋势，技术进步成为推动GTFP 增长的主要因素。从整体来看，我国绿色全要素生产率年均增长率为3%，其中2012—2013 年间TFP 出现负增长，表明我国经济发展与资源环境间仍然存在发展不协调等矛盾，发展方式仍以粗放式经济增长模式为主。马尔奎斯特指数小于1 的省份约占40%，技术进步对TFP 的平均贡献率约为9.9%，可以看出TFP 提升主要依靠技术进步，技术效率较低成为GTFP增长的主要制约因素，表明我国部分省份GTFP 缺乏动力推动增长。从区域分布来看，根据东西部划分发现东部绿色全要素生产率水平整体处于前沿地位，其次中部地区高于西部地区。具体从各省份来看，上海、北京、江西、陕西、重庆等地GTFP 年均增长率较高，西部等欠发达地区GTFP 增长较为缓慢，可能与其资源禀赋条件相关，西部地区资源结构单一、技术水平落后等造成产业发展对生态环境造成巨大的压力，使得GTFP 处于较低水平。

2.3 耦合协调度分析

在进行耦合协同度分析前，需要对数据进行标准化处理，用来消除变量间不同量纲所产生的影响，具体步骤如下：

正向指标：

负向指标：

其中，xijt表示i省在t年j项指标的原始数值，maxxjt、minxjt分别为j项指标在t年的最大值和最小值，Xijt为标准化后的数值。（t=1,2, ,10；i=1,2, ,30；j=1,2, ,m）

耦合度源于物理学，用来表示两个或两个以上的系统间相互依赖、相互影响的程度。系统值的大小并不能代表耦合度的水平，当不同系统均处于较低水平时，也可能会出现较高耦合度［15］。协调度则是对耦合度的深化。耦合度反映不同系统或要素在发展过程中彼此和谐一致的程度，协调度则反映系统从无序走向有序的趋势，其具体模型如下：

其中，C表示耦合度，U1、U2、Un表示各个系统或要素数值；T表示综合协调度指数，反映各系统或要素的重要程度，α为待定系数，且α1+α2+ +αn=1；若各系统或要素重要程度一样，则α=1/n；D为各系统或要素的协调度；C、T、α、D的取值范围均为［0,1］。根据上述公式计算耦合协调度，将其按照下列划分（表3）。

表3 耦合协调度等级划分

在耦合协调度模型中，将R&D 经费投入（万元）作为创新水平的衡量指标，测算创新水平与绿色全要素生产率之间的耦合度与协调度。由图1 可知，耦合度C取值范围介于［0.71,0.82］，除2009、2011 年迈入高水平耦合阶段，其余年份处于磨合耦合阶段，表明创新水平与绿色全要素生产率之间关联性较强，两系统处于较高耦合阶段。其次从协调度来看，协调度均值D介于［0.42,0.50］，整体处于基本协调阶段，体现出创新引领的发展动力。但整体协调度仍具有较大的发展空间，未来应继续发挥创新的引领力，引导生态环境优化发展。

图1 创新水平与绿色全要素生产率耦合协调变化趋势

3 创新溢出时空格局演变分析

3.1 空间联系引力模型构建

引力模型不仅能够显示区域间的空间联系，还能直观展示区域间的联系强度，因此被广泛应用于研究空间联系及相互作用的测算与研究中。通过引力模型测算，能够反映本地区域单元对周边区域单元的辐射能力及周边区域对本区域辐射能力的接受程度［16］。结合以往学者的相关研究［17-18］，运用引力模型测算创新溢出空间联系，模型如下：

其中，Rij表示区域i、j的创新溢出空间联系强度，K为引力系数，一般取值为1，b为距离摩擦系数，本文取值为1，Dij表示测算区域的空间距离，采用欧氏距离计算得到，Mi、Mj分别为区域i、j的R&D 经费投入（万元），表示两区域间创新协同水平，数据来源于《中国统计年鉴》及各省份统计年鉴。CISC 为区域i对其余区域的空间吸引与辐射能力。一般而言，某一单元势能值越大、中心性越强以及地位越高，其空间辐射影响能力也越强［19］。

3.2 创新溢出空间联系强度

通过上式引力模型计算可得创新溢出空间联系强度与势能。由于数据年份跨度较大，选取2008、2013、2018 年的数据进行分析。如表4 所示，从整体上来看，创新溢出强度的空间差异性较为显著，势能重心集中于经济发达区域，其中按东西部划分来看，东部地区年均占72.35%，中部地区占21.18%，西部地区仅为6.47%，表明我国创新资源分布存在区域不均衡、差异化。其次从省域分布来看，排名前五的省市有江苏、山东、浙江、广东、上海，其占比之和超过30 个省份势能之和的50%，说明这些省市在研究范围内的创新溢出强度较大，具有较高的辐射影响程度和优越的区域中心地位。从势能占比波动来看，西部地区一直保持6%左右占比，未出现明显的增长或下降趋势；东部地区从2008 年的75%下降到2018 年的69%，中部地区由2008 年的19%增长至2018 年的24%，表明中部地区创新中心的能力不断增强。西部地区创新溢出水平处于低谷，且部分省份的势能值占比呈下降趋势，表明西部等欠发达地区空间联动性较差，创新资源不足、创新能力薄弱，不能较好地接收和内化发达地区的创新溢出，导致区域间差异性显著。

表4 我国30 个省份创新溢出空间联系势能值比重

4 空间计量模型构建

4.1 探索性空间数据分析

在进行空间计量分析之前，需先观察绿色全要素生产率是否存在空间相关性。本文选用探索性空间数据分析中的全局莫兰指数来检验其空间相关性：

4.2 空间计量模型构建

为进一步探究创新溢出与省级绿色全要素生产率之间的互动关系，将研究因素纳入空间范围，建立以下模型：

其中，GTFPit为省份i在t年的绿色全要素生产率，CISCit为引力模型计算得出的创新溢出空间势能值，表征创新溢出强度；a为模型常数项，μ1至μ5为模型待估参数向量，wij为空间权重矩阵，υi、δt、ξit分别为个体、时间固定效应、随机扰动项。

控制变量的选取参考以往研究［20］，综合考虑经济发展水平（GDP）、人均受教育年限（EU）、外商投资水平（WS）、城市化进程（UR）对绿色全要素生产率的影响。其中，经济发达地区具有较好的资源禀赋结构及资本优势，吸引外资与先进技术的同时为绿色发展奠定良好的基础，能够持续推进绿色可持续发展进程。教育事业是推动国家发展必不可少的有力工具，作为传播的媒介推动技术进步，而科技是引领发展的第一生产力，因此选取人均受教育年限反映人力资本对绿色全要素生产率的影响。外商投资水平反映一个区域对外贸易程度，对外贸易频繁的区域更容易接触先进技术、提高生产力水平，因此采用对外投资水平占GDP 比重衡量对外贸易程度，根据当期汇率换算单位计算。最后选择城市化水平进行衡量，城市化进程代表城市发展进程及规模变动，而城市是推动绿色可持续发展的基础力量，因此将城镇化率作为控制指标衡量绿色全要素生产率变动。

5 实证结果及分析

5.1 空间相关性检验结果

由表5 可知，2008—2017 年我国绿色全要素生产率的莫兰指数均显著大于0，且z值均大于1.65，表明我国绿色全要素生产率存在较强的空间正相关性，即GTFP 的空间分布存在明显的空间集聚特征，绿色全要素生产率高值（低值）与高值（低值）邻近。虽然莫兰指数在研究范围内呈现一定的波动趋势，反复上升、下降，表明空间依赖性较不稳定，但整体大于0 表明存在空间集聚特征。表明在研究绿色全要素生产率时需考虑空间效应，若忽视空间效应可能会造成模型结果估计有误，因此需要进一步建立空间计量模型进行分析。

表5 我国30 个省份绿色全要素生产率莫兰指数及显著性检验结果

5.2 空间面板模型选择与回归分析

空间计量模型的选择对结果的真实性具有直接影响，选择合适的空间面板模型对估计结果至关重要。本文通过拉格朗日乘数（LM）检验、最大似然比（LR）检验、豪斯曼（Hausman）检验，借助Stata15.0 软件判断模型的选择。由表6 可得，空间滞后模型（SLM）未通过稳健性检验，空间误差模型（SEM）均通过1%显著性检验，表明变量间存在空间关联性，能够进一步搭建空间计量模型。LR 检验均在1%水平下显著拒绝原假设，因此最终选择空间杜宾模型（SDM）分析创新溢出与绿色全要素生产率的空间关联。最后针对固定效应与随机效应的选择问题，豪斯曼结果表明应采用时间固定效应下的空间杜宾模型。

表6 LM 检验、LR 检验、Hausman 检验结果

考虑直接使用杜宾模型回归可能带来的偏差，采用LeSage 等［21］提出的空间回归模型的偏微分法，将溢出效应分解为直接效应（本地效应）、间接效应（邻近效应）、总效应三类。从表7 可知，创新溢出对绿色全要素生产率的效应均通过1%显著性水平检验，表明创新溢出能够有效推动绿色全要素生产率的增长，依靠创新拉动绿色可持续发展的路径具有一定的现实意义。此外，从系数大小来看，直接效应系数大于直接效应，表明溢出效应显著，通过引进技术创新不仅能够提升本地绿色全要素生产率水平，还能对邻近区域产生促进作用。

表7 空间杜宾模型效应分解

具体到直接效应下的各控制变量，经济发展水平直接效应系数为0.111 5 且在1%水平下显著，说明经济发展水平提高对绿色全要素生产率具有积极正向作用，经济发展水平能够反映某一区域的发展背景、未来潜力，因此在考虑生态环境的背景下提升经济水平能够实现绿色可持续发展的最终目标。对外开放水平系数为负且未通过显著性水平检验，表明目前对外开放水平对绿色全要素生产率的效应不明显。城市化进程系数为0.703 8 且通过1%的显著性检验，表明随着城市化进程的推进，城市发展模式逐渐采用低碳、绿色发展方式，从而推动整体可持续发展进程，实现绿色全要素生产率的提升。人力资本的系数为负且仅通过10%显著性水平检验，可能与人力资本分配不均衡及未适应当前绿色低碳生产的发展需要，导致高技术人才的缺失及未流向技术生产层面，且各城市发展之间的显著差异造成资源禀赋结构的差距较大，造成人力资本的负效应。

从间接效应来看，经济发展水平通过5%显著性检验，系数为正且大于直接效应，表明经济发展对GTFP 的溢出效应明显。对外开放水平的系数显著为负，表明对外开放水平的溢出效应显著。对外贸易水平的提升加大我国资源消耗，生产制造过程不可避免的环境污染问题导致绿色全要素生产率水平的下降。城镇化率系数为正且未通过显著性检验，表明城市化进程的溢出效应不明显。人力资本系数为正但未通过显著性水平检验，表明人力资本的溢出效应还不明显，日后应通过引进高层次技术人才及区域交流解决人才缺失问题，推动资源分配合理，提高生产效率、劳动率，从而促进GTFP 增长。

总效应反映的是直接效应与间接效应对绿色全要素生产率的综合影响。经济发展水平的系数为1.204 4 且通过1%显著性检验，表明经济发展水平每提升1%，绿色全要素生产率将提高1.204 4%，说明足够的经济资本能够促进绿色发展，通过资源投入、技术引进等手段促进可持续发展。对外开放水平显著为负，即对外贸易导致的资源消耗及环境污染问题较为显著。城市化进程与人力资本的系数为正但未通过显著性检验，表明人力资本结构矛盾、城市化进程差异等问题抑制绿色发展。

5.3 分解因素回归分析

为了进一步分析创新溢出与绿色全要素生产率的关系，通过将Malmquist 指数分解项作为被解释变量继续进行回归分析，其模型如下：

回归结果如表8 所示，可以看出创新溢出对TECHCH 的影响为负且未通过显著性检验，对SECH的效应为负、通过1%显著性水平检验。经济发展水平的影响均通过至少5%显著性水平检验，表明当前阶段经济发展水平的正向作用较为显著，通过经济发展带来的物质资料、技术水平、人力等能够显著提高绿色发展。对外开放水平对TECHCH 与SECH 的系数分别为0.665 4、-0.026，且均通过显著性检验，表明对外开放水平能够提升技术进步水平，但降低了规模效率。因此在提升绿色全要素生产率时需注重对外开放水平，较高的对外贸易水平降低规模效率、增加资源消耗。城市化进程对TECHCH的系数正，但未通过显著性检验，对规模效率系数为0.125 3，表明提高1 单位的城镇化率，能够提升0.125 3 单位的规模效率，表明城市规模的扩张带来规模效率的提升。人力资本对技术进步、规模效率的影响均显著为负，可能与当前人力结构差异化存在一定关联。

表8 Malmquist 指数分解估计结果

6 结论

本文通过运用我国30 个省份面板数据，研究创新溢出与绿色全要素生产率的互动关系，结果发现：绿色全要素生产率存在显著的空间正相关性；当前阶段创新水平与绿色全要素生产率处于磨合耦合、基本协调阶段，表明创新水平与绿色全要素生产率之间关联性较强，但整体协调度仍具有较大的发展空间；创新溢出与经济发展水平有利于提升绿色全要素生产率，并且主要通过技术进步影响；对外开放水平对本区域GTFP 增长效应不显著，对邻近区域起消极作用；城市化进程推动本区域GTFP 增长、人力资本抑制本区域GTFP 增长，二者对邻近区域影响不显著。针对上述研究结论，就促进我国目前创新水平与绿色全要素生产率整体协调度提高提出以下建议：

（1）利用技术进步的溢出效应，着力构建协同创新生态系统。政府通过财政补贴、税收优惠等方式，鼓励各行业开展低碳节能创新，推动经济、环境、资源的协调发展；引入先进技术，加快高耗能、污染行业绿色改造进程。（2）协调发展是实现两个或多个系统达成双赢目标的重要途径。社会经济和生态系统的协调发展是区域可持续发展的基本也是必要条件，创新是提高区域可持续竞争力的重要举措。协调度水平较高的城市应维持社会经济子系统和生态环境子系统的协调发展，从多方面巩固已有成果，从而实现从高速增长到高质量发展的跨越。落实和强化人与自然和谐相处、合作共赢的理念，坚持绿色发展，推动环境规制和金融机制创新，进一步创新绿色发展模式和绿色生活方式［22］。（3）构建区域合作关系平台。各省份在制定相应政策时，应综合考虑将自身优势与外部竞争压力相结合［23］，加强邻近区域间的交流合作。将生态环境保护放在发展的首位，建立生态环境补偿机制，依据“污染者付费”和“受益者补偿”原则，重新分配区域环境保护成本，鼓励地方加强环境保护。其次，大多城市的经济发展建立在牺牲生态环境的基础上，依靠以往粗放式的发展方式获取巨大的经济收入，但造成环境恶化、自然灾害频发等环境问题。为弥补生态亏欠，可以借助高新技术加强环境治理，通过加大科技投入，重点研究绿色低碳技术，进而提升生态环境质量。毕竟，良好的生态环境可以为经济社会的持续健康发展提供支撑［24］。(4)因地制宜培育不同类型的创新型城市，打造创新发展基地，形成以创新为引领力的中心城市。不同城市的发展背景、资源条件结构不同，应针对各个城市不同发展现状制定不同策略。并制定不同政策体系以缩小区域差异，从地区角度加强环境法规实施力度，消除唯GDP 增长论，保证经济增长建立在良好生态环境基础上，且最终目标落在加快建设资源节约型、环境友好型城市，逐渐淘汰高耗能行业，控制各行各业污染物排放量，推动企业行业转型发展，构建生态产业链，促进绿色生产和消费。