光峰涛，邓雅婷，易 明

（中国地质大学(武汉)经济管理学院，湖北武汉 430074）

制造业作为国民经济的主体，是长江经济带产业体系的核心，对于当地经济发展具有重要支撑作用。2016 年国家印发的《长江经济带发展规划纲要》提出，长江经济带要在电子信息、高端装备、汽车、家电、纺织服装等领域培育具有国际先进水平的世界级制造业集群。2018 年中央经济工作会议将推动制造业高质量发展作为未来工作的重中之重。但目前而言，长江经济带制造业存在重化工特征显著、产业链协同化程度较低、部分沿江地区产业布局同质化严重和体制定位不明确等问题，整体上对资源的依赖性较大、利用率低，且排放了大量的污染物，超出了区域资源环境的承受能力，对地区进一步发展带来了严重桎梏。在我国深入实施高端制造业发展战略和加快生态文明建设的大背景下，长江经济带制造业走“创新+绿色”融合发展的道路是破解当前困境的重要突破口，也是解放和发展区域生产力的必然选择，因此，适时研判制造业的绿色创新发展水平对把控、指导和推进长江经济带制造业绿色创新转型具有重要实践意义。而绿色创新效率作为对绿色创新发展水平的反映，如何对其进行合理测算呢？长江经济带各区域及区域内各省市的经济发展、资源禀赋存在明显的差异，这会对其制造业绿色创新效率的空间格局产生怎样的影响呢？这些都是有待探索的问题。

1 文献综述

绿色创新是创新和绿色概念的结合，旨在实现经济发展和环境保护的双重目标。传统的创新效率仅仅注重经济效益，而绿色创新效率不仅考虑经济效益，而且还考虑环境效益［1］。具体来看，绿色创新包括引入任何新的或显著改进的产品、流程、组织变革或市场解决方案，以减少自然资源的消耗以及有害物质的排放［2］。类似的概念还有环境创新和生态创新。范群林等［3］测算了我国六大地区26 个省份的环境创新效率，但其研究是基于狭义视角下的环境创新，主要侧重于产品研发和生产过程中的创新；而绿色创新是建立在更广义的环境创新的基础之上，这意味着在创新的每一个阶段都要遵守生态原则和生态经济规律，以促进经济和生态的可持续发展［4］。本研究中的绿色创新效率既区别于传统的技术创新效率，也与单纯考虑环境因素的环境创新效率不同，而是二者的有机融合。

目前关于绿色创新效率的测度方法主要有3类。第一类是通过构建绿色技术创新评价指标体系，然后运用因子分析法、熵值法、主成分分析法等来对绿色创新效率进行分析。这类方法简单易懂，但无法反映绿色技术创新活动的内在运行机制。第二类是采用随机前沿（SFA）方法来测算绿色创新效率，其典型特点是能将回归误差项分解为随机误差项和技术无效率项，代表文献有白俊红等［5］、苗成林等［6］、曹霞等［7］。SFA 只能解决单一产出的效率测算，而绿色创新效率包含多投入、多产出，故SFA 也存在较大的局限性，因此越来越多的学者采用数据包络分析（DEA）模型来测算绿色创新效率。在DEA模型的选择上，大多数学者采用的还是传统的径向DEA 模型，如CCR 和BCC 模型，代表文献有王海龙等［8］、冯志军等［9］，李政等［10］。也有一些学者采用非径向DEA 模型来测算绿色创新效率，主要是采用SBM 模型，如聂名华等［11］、Li 等［12］、Huang等［13］的研究。但无论是径向还是非径向模型都存在一定局限性：径向模型要求所有投入和产出同比例变化，忽视了非径向松弛变量的影响；非径向模型虽然弥补了径向模型忽视非径向松弛变量这一缺陷，但损失了投入或产出目标值与实际值之间的比例信息。Tone 等［14］在此基础上提出了EBM 模型，通过结合径向和非径向的混合距离函数放松了同比例改进的假设，不仅考虑了投入目标值与投入实值的径向比例，而且能够反映各投入差异化的非径向松弛变量。因此，为了更准确地计算绿色创新效率，本研究借鉴黄磊等［15］、Hu 等［16］学者的做法，采用EBM 模型来完成绿色创新效率的测算。

投入产出指标体系的构建是DEA 模型测算绿色创新效率的关键。以往构建的测算指标体系通常只将与绿色技术创新活动相关的资本和劳动作为投入指标、经济增长作为产出指标，随着绿色创新内涵的不断延伸，学者们在构建指标体系时开始考虑环境要素对绿色创新效率产生的影响，如刘明广［17］运用超效率SBM 模型对我国区域绿色创新效率进行测算，将产生的环境影响作为非期望产出纳入评价指标，研究发现我国区域创新系统绿色创新效率从东至西呈由高到低的阶梯式发展格局；罗良文等［8］也研究了我国的绿色技术创新效率，在构建评价指标体系时综合考虑了多方面的环境影响，用主成分分析法进行降维后，将环境影响作为非期望产出纳入产出变量。然而，同现有的大多数文献一样，这些研究在选择投入变量时均只考虑了资本和劳动这两个要素，忽视了对能源这一要素的考虑。能源作为绿色创新活动开展的关键，其消耗与污染排放紧密相连，技术创新降低能源投入时，同时也降低与能源消耗密切相关的污染物的排放，因此，仅用资本和劳动作为投入指标难以全方面地体现绿色技术创新的效率，需同时将能源要素纳入投入指标。因此，本研究将长江经济带制造业作为研究对象，计算了纳入能源要素的绿色创新效率，并从空间相关的角度出发，采用探索性空间数据分析（ESDA）方法对长江经济带绿色创新效率的时空差异进行研究。

2 研究方法

2.1 超效率EBM 模型

非导向的EBM 模型形式如下：

式（1）中：i表示投入指标个数，r为产出指标个数下标k表示被评估决策单元；为第i个非径向的投入指标的松弛向量，为第r个非径向的产出指标的松弛向量；为第i个投入指标的权重，为第r个产出指标的权重；为权重向量；和为变量，是非径向的权重；为由投入指标离散程度决定的参数，表征非径向部分的重要程度，当时，EBM 模型将简化为径向的CCR 模型，而当时EBM 模型将转变为非径向的SBM 模型。

尽管EBM 模型的效率评价结果更为稳定可靠，但对有效决策单元（DMU）的效率区分度不足，为此，Andersen 等［18］建立了可比较有效决策单元效率的超效率EBM 模型，具体测算公式如下：

2.2 探索性空间数据分析（ESDA）

探索性空间数据分析是空间数据分析的一个重要分支，整合了空间统计学和现代图形处理技术，以空间关联测度为基础，采用直观的方式考察空间数据的主要性质，包括空间相关性和空间异质性。从本质上讲，ESDA 是通过数据驱动来探索问题，而非建立在理论驱动基础上的演绎推理，核心目的是发现空间数据背后隐藏的问题，为确认性空间数据分析（CSDA）的开展提供前提和基础。

2.2.1 空间权重矩阵的建立

空间权重矩阵的引入是空间统计学区别于传统统计学的显著特征，也是采用ESDA 技术开展空间探索分析的先决条件，目的在于界定考察对象在地理空间结构上的相互邻接关系。常用的空间权重矩阵生成方法主要有：基于临近概念建立、基于反地理距离建立和基于经济距离建立。最优空间权重矩阵的选取取决于所考察的对象和研究目的。考虑到制造业绿色创新效率的溢出效应主要以地理空间位置为媒介，从临近概念出发，基于Rook 邻接规则构建二元对称空间权重矩阵（M），具体定义为：

2.2.2 全局莫兰指数

全局空间自相关是对制造业绿色创新效率在整个区域空间分布特征的考察，借用全局莫兰指数来衡量，计算公式如下：

2.2.3 局部莫兰指数

局部空间自相关是对制造业绿色创新效率在局部空间分布特征的考察，借用局部莫兰指数来度量。从本质上讲，局部莫兰指数是全局莫兰指数在局部空间上的分解，可以反映单元属性观测值的局部空间集聚，评估哪些单元对全局空间自相关的贡献最大。具体计算公式如下：

2.3 数据来源及处理说明

以长江经济带所覆盖的11 个省市制造业为研究对象，其中上游区域包含重庆市、四川省、贵州省及云南省，中游区域涵盖江西省、湖北省及湖南省，下游区域囊括上海市、江苏省、浙江省及安徽省。考虑到自2008 年全球金融危机爆发以来，长江经济带凭借显著的发展优势和重要的战略地位在我国经济向新常态转变与发展中扮演着引领和示范的角色，因此选择以2008 年作为研究的起始时间，在兼顾数据的可获得性基础上，考察区间定为2008—2019 年，共计12 年。研究所涉及的各项数据均来自国家统计局2009—2020 年发布的《中国统计年鉴》《中国工业统计年鉴》以及各省市统计局发布的统计年鉴。

在遵循科学性、代表性、系统性的指标选取原则基础上，借鉴曾冰［19］的研究成果，构建如表1 所示的制造业绿色创新效率测算指标体系。其中，投入指标涉及人力、财力及物力等三方面的要素投入，这些要素是制造业绿色创新活动开展的重要推力；产出指标包含期望产出和非期望产出，是制造业绿色创新活动成果的具体体现。需要说明的是，期望产出包含两项指标，即规模以上工业企业有效发明专利数和规模以上工业企业新产品销售收入，前者代表着绿色创新活动的技术价值，后者反映了绿色创新活动的经济价值。此外，以工业环境污染指数表征的非期望产出综合考虑了工业生产过程中的废水、废气及固体废弃物等的排放，对其采用熵权法进行降维拟合处理，以避免冗余信息的干扰，工业环境污染指数越小意味着非期望产出越少。

表1 长江经济带制造业绿色创新效率测算指标体系

表2 对制造业绿色创新效率测算指标体系涉及的各投入指标和产出指标进行了描述性统计，呈现出的主要统计特征有：第一，各投入指标和产出指标的个数相同，且所研究省市数大于年份数，整体上构成了均衡的短面板。第二，除非期望产出外，各指标最大值和最小值间的差异较为明显，以人力指标为例，最大值为508 375，最小值为6 134，最大值和最小值间的差距达到了502 241。第三，各投入指标和产出指标的中位数和均值皆不相等，且中位数要小于均值，以财力指标为例，中位数为2 400 000，而均值为3 597 829，两者相差1 197 829，表明所考察指标均不服从对称分布且向右偏。第四，除非期望产出外，各投入指标和产出指标的标准差均很大，例如，人力指标的标准差为116 988，财力指标的标准差为4 112 780，表明所考察指标的值与其均值相差较大，数据分布范围较广、离散程度较高。第五，各投入指标和产出指标的偏度均大于0，峰度均大于3，以物力指标为例，偏度为1.909，峰度为8.729，表明所考察指标均不服从正态分布，比正态分布更为陡峭，且进一步验证了右偏的事实。综上，各投入指标和产出指标的离散分布在一定程度上表明长江经济带各省市制造业可能具有不同的绿色创新发展水平。

表2 指标的描述性统计结果

3 绿色创新效率的测度及时序演变规律

基于以上指标体系，以长江经济带11 个省市的制造业为决策单元，采用MaxDEA Pro 软件对绿色创新效率进行测算。此外，为获悉制造业绿色创新效率变动的来源，将测算得到的绿色创新效率进一步分解为纯技术效率和规模效率。考虑到各项投入和产出指标均不存在零值，为避免模型导向选择引起效率测算误差，超效率EBM 模型的运算是在非导向视角下进行的。

3.1 长江经济带整体及区域层面

图1 从均值角度刻画了长江经济带制造业绿色创新效率及其分解值的变动情况，从区域整体层面看，综合效率在整个研究期内各年份的值均小于1，未达到DEA 有效，这在一定程度上反映了长江经济带制造业在开展绿色创新活动时可能存在创新要素利用率低、创新成果转移转化不足等的问题，整体绿色创新发展水平有待提升；从趋势演变来看，相较于2008 年，2019 年的综合效率有了一定程度的提升，2008 年为0.809，2019 年为0.862，总体增幅为6.6%，这表明随着国家对绿色创新发展的重视，长江经济带制造业绿色创新水平得到一定提升。具体来看，大致可以分为3 个阶段：2008—2015 年的波动上升阶段、2016—2018 年的稳定下降阶段和2019年的回升阶段。其中，2015 年和2018 年分别为两个拐点。首先看2015 年，长江经济带制造业绿色创新综合效率达到峰值，为0.953；在2015 年前，我国经济处于从金融危机中恢复并向发展新常态转变的阶段，长江经济带制造业坚持创新驱动发展战略，广泛推广应用绿色技术和绿色工艺，不断加大对传统制造业的绿色化改造和升级，积极构建绿色标准制造体系，这些都为制造业绿色创新效率的提升提供了有力支撑。而2016—2018 年综合效率下降可能与长江经济带制造业协同发展中遇到的困境和问题有关，如制造业产业布局的同构化、沿江开发的无序化、产业转移的不合理等；2018 年后，综合效率触底反弹，由2018 年的0.805 攀升至2019 年的0.862，增幅达7.03%，这体现了绿色创新发展取得了一定成效；2019 年年初，国家发改委、科技部通过《关于构建市场导向的绿色技术创新体系的指导意见》指出，到2022 年要基本建成市场导向的绿色技术创新体系，因此企业在绿色技术创新中的主体作用得到强化，促进了区域的绿色创新发展。从分解结果看，绿色创新效率的无效主要体现在规模效率上。进一步讲，在研究期内规模效率的演变趋势与综合效率的走势相似，效率值均小于1，为DEA 无效；相比之下，纯技术效率各年份的效率值全都保持大于1，且呈波动上升趋势，处于相对较优的状态。规模效率和纯技术效率的对比表明，加大制造业发展中的人力、财力、物力等多方面的创新要素投入和扩大制造业发展规模有利于提升绿色创新效率。

图1 长江经济带制造业绿色创新效率演化趋势

图2、图3 和图4 分别展示了长江经济带上中下游地区制造业的绿色创新效率及其分解值。对比发现，下游地区的综合效率在各年份均保持最高，处于长江经济带的整体均值之上，表现最好，自2011 年以来综合效率值均大于1；而除个别年份外，中游和上游地区的综合效率位于长江经济带的整体均值之下，而且在2008—2015 年间中游地区的综合效率持续最低，但自进入2016 年，上游地区的综合效率转而落到了最低位，表现最差。长江经济带制造业综合效率的区域分布格局与各地区制造业的产业布局存在一定的映射关联，地区制造业产业结构越趋于绿色化、智能化，则其制造业绿色创新效率越高。下游地区依托区位优势，聚焦先进制造业，如先进临港制造业、航空航天专用设备、电子信息等，围绕长三角集群形成一系列重要的研发集聚中心和高端制造基地；中上游地区是传统制造业的重要基地，集聚了大量高耗能、高污染的资源型产业，中游地区围绕以武汉为中心的城市群重点发展轨道交通装备、工程机械、有色金属等产业，上游地区依托自身资源禀赋，围绕以重庆为中心的成渝、黔中、滇中城市群着重布局了资源深加工、重化工业等产业。从趋势变动来看，上游地区的制造业综合效率在研究期内是唯一减少的，由2008 年的0.836 减少到2019 年的0.660，下降幅度为21.06%。值得注意的是，2015 年后上游地区的制造业综合效率急剧下降，这可能与这一时期上游地区承接了下游地区大量资源密集型和劳动密集型的外向型制造业有关。对于中游地区而言，制造业综合效率在研究期内波动上升，由2008 年的0.598 增加到了2019 年的0.785，累积增幅为31.23%。下游地区的制造业综合效率先在2008—2013 年持续快速增加，2013 年后基本呈稳定态势，整体上也实现了提升，由2008 年的0.940上升到了2019 年的1.123，提高幅度为19.47%。从分解情况来看，各年份长江经济带上中下游地区的规模效率值皆小于1，这说明规模效率的无效均是制约各地区制造业绿色创新效率实现最优的因素，进一步扩大创新要素投入以充分发挥规模效应的作用是各地区制造业未来发展的方向；上游和下游地区的纯技术效率均大于1，位于生产前沿面上，而中游地区除了2008 年，其余各年份的纯技术效率都小于1，脱离了生产前沿面，这说明中游地区纯技术效率的DEA 无效也是限制其制造业绿色创新发展水平改善的原因，从技术层面上提高各创新要素的利用率也是该地区制造业开展绿色创新活动所应关注的重点。

图2 长江经济带上游地区制造业绿色创新效率演化趋势

图3 长江经济带中游地区制造业绿色创新效率演化趋势

图4 长江经济带下游地区制造业绿色创新效率演化趋势

3.2 长江经济带省市层面

表3 显示了长江经济带11 个省市制造业绿色创新效率的测算结果，可以看到不同省市的效率差异明显。其中，上海、江苏和浙江各年份的效率值皆大于1，实现了DEA 有效，这3 个省市都属于下游地区，经济发展水平较高，制造业以电子信息、装备制造、汽车、纺织等产业为主，资本和技术密集度大，研发创新水平高，产业结构层次优良；贵州、云南、江西的效率值最低，均值分别为0.608、0.594 和0.525，这3 个省份均来自中上游地区，经济发展水平较为滞后，制造业以传统的烟草、钢铁、有色、化工等产业为主，对资源的依赖较大，而自主创新能力差、产业结构层次低。从时间序列演变来看，云南、湖南和重庆3 个省市的效率值在研究期内是减少的，其中云南的效率值下降幅度最大，为49.27%，由2008 年的1.008 下降到了2019 年的0.511；剩余江西、安徽、贵州、湖北、上海、江苏和浙江7 个省市的效率值实现了提升，其中江西的效率值增幅最大，由2008 年的0.168 提高到了2019年的1.005；而四川的效率值未发生变化，2008 年和2019 年均为1.013。

表3 2008—2019 年长江经济带各省市制造业绿色创新效率测算结果

为进一步反映长江经济带制造业绿色创新效率的动态演进规律，图5 按年份呈现了各省市制造业绿色创新效率的概率密度分布图形，其中核函数采用的是Parzen 核函数，带宽宽度为0.3。从曲线形状来看，各年份所有省市的制造业绿色创新效率大都呈双峰分布，这说明长江经济带各省市的制造业绿色创新效率存在两极分化的现象，部分省市的创新效率在较高水平上（1.0～1.1）集聚，另一部分在较低水平上（0.50～0.75）集聚；曲线位置反映了各省市绿色创新效率的大小，密度分布曲线的位置随着时间推移逐渐向右移动，这反映了长江经济带制造业绿色创新效率在研究期内有所提高；此外，曲线波峰高度反映了各省市绿色创新效率的集中程度，经历了先升高后下降的过程，说明各省市制造业绿色创新效率间的差异先减小后扩大；曲线移动速度反映了各省市绿色创新效率的变化快慢，密度分布曲线的移动速度在2008—2010 年较为迅速，而后处于较为稳定的状态，2014 年以后移动速度又加快，这说明各省市制造业绿色创新效率的变动并不是处于一个平缓的状态。

图5 2008—2019 年长江经济带制造业绿色创新效率的动态演化

4 绿色创新效率的空间分布差异

4.1 空间地理分布特征

基于研究期内长江经济带各省市制造业绿色创新效率均值，采用GeoDa 软件绘制了描绘效率空间分布的四分位图，如图6 所示，可以看出各省市的制造业绿色创新效率具有明显的空间差异性。具体而言，第一分位以25%分位点为界，效率值的范围在［0.525,0.608］之间，共包含3 个省份，分别为云南、贵州和江西；第二分位以50%分位点为界，效率值的范围在［0.622,0.864］之间，包括2 个省份，分别为湖北和安徽；第三分位以75%分位点为界，效率值的范围在［0.873,0.930］之间，共包含3 个省市，分别为四川、重庆和湖南；第四分位为剩余省市，包含江苏、上海和浙江，效率值的范围在［1.030,1.213］之间。对比发现，各省市的制造业绿色创新效率与经济发展水平大致呈现出协调一致性，即经济发展水平较高的省份其制造业绿色创新效率水平也较高，如第四分位的省市都位于下游地区，也即长三角地区，这些省份引领着我国经济发展；第三分位的省市也是中上游地区经济发展较快的省市。

图6 长江经济带制造业绿色创新效率的空间四分位分布

4.2 空间集聚特征

为探究长江经济带绿色创新效率的空间格局分异特征，以Rook 邻接规则构建空间权重，采用GeoDa 软件分析测度各省市绿色创新效率的全局莫兰指数，结果指数值为0.338、大于0，且在5%的水平上通过了显著性检验，这说明长江经济带各省市制造业绿色创新效率在空间上表现出正的自相关性，存在空间集聚特征。一方面，长江经济带的交通运输系统发达，构建了较为便利的商品、资金流动平台，这为创新要素的市场化流动提供了有利条件，制造业区域间的协调发展得以实现；另一方面，长江经济带以一体化发展的思想为导向，着力打造了长三角、长江中游、成渝等跨区域城市群和黔中、滇中等区域性城市群，核心城市虹吸效应的释放使得各省市制造业间的联动增强。

全局莫兰指数是从总体视角分析长江经济带制造业绿色创新效率的整体空间集聚特征，而忽略了对局部空间集聚特征的考察，为此还需要借助局部莫兰指数进行局部空间自相关分析。图7 呈现了长江经济带各省市制造业绿色创新效率的莫兰散点图和LISA 集聚图。其中，莫兰散点图的横轴表示制造业绿色创新效率，纵轴表示制造业绿色创新效率的滞后值，4 个象限分别反映了4 种不同的集聚类型：第一象限为“高-高”类型，表示创新效率高的省市被其他创新效率高的省市所包围；第二象限是“低-高”类型，表示创新效率低的省市被其他创新效率高的省市所包围；第三象限是“低-低”类型，表示创新效率低的省市被其他创新效率低的省市所包围；第四象限是“高-低”类型，表示创新效率高的省市被其他创新效率低的省市所包围。位于第一象限的有上海、浙江和江苏，这些省市皆处于长江经济带的下游地区，制造业发展速度和产业结构层次较为相似，大量布局的资本和技术密集型产业对人才、资金等要素有较大的吸引力，各省市表现出较强的集聚能力，相互间产生正向空间溢出效应。位于第二象限的为江西，表明江西制造业绿色创新的空间集聚能力较差，制造业与周边省份的联系较弱，原因在于江西对创新投入不足、人才流失严重，故绿色创新效率低下。位于第三象限的有云南、贵州和湖北，云南和贵州在地理上相连，而湖北与这两个省份均不相连，云贵两省位于长江经济带上游地区，囿于地理因素的限制，与周边省份的跨省交通网络建设相对滞后，对资源跨省流动带来了不利，限制了交易成本下降，不利于绿色创新效率的提高；而湖北制造业发展状况与周围其他省份有着高度相似性，但发展条件同长三角地区相比较弱，绿色创新效率偏低。位于第四象限的有重庆、湖南、四川和安徽，其中湖南、四川属于创新效率较高的省份，而重庆和安徽属于创新效率较低的省市，从地理分布上看，这4 个省份分别属于长江经济带不同的区域，安徽处于下游地区、湖南处于中游地区、重庆和四川属于上游地区，其制造业产业结构的差异导致产业集聚的类型不同，安徽与湖南的制造业布局比较相近，以工程机械、金属材料制业等重工业为主，而重庆和四川以汽车制造业和电子制造业为主。

图7 长江经济带制造业绿色创新效率的局部集聚特征

位于第一象限和第三象限省市的制造业绿色创新效率呈空间正相关，而位于第二象限和第四象限的则呈空间负相关，由于位于第一象限和第三象限的省市数量多于位于第二象限和第四象限的省市数量，因此长江经济带制造业绿色创新效率整体上呈空间正相关；但是，LISA 集聚图显示，在局部区域内通过显著性水平检验的只有江苏和上海形成的“高-高”类型，而其他地区的集聚类型并没有通过检验，这在一定程度上反映了长江经济带制造业的集聚多是以经济活动在特定空间的集聚为主，尚未完全走上专业化集聚的道路。整体而言，长江经济带应依托各省市的比较优势，优化制造业产业布局，提高制造业产业创新的合理分工与融合水平，推动制造业协同创新发展。其中，“高-高”类型的省市应继续加强对智能制造业的布局，提高部分产业的准入门槛，充分发挥集聚经济对绿色创新的促进作用；对“高-低”类型和“低-高”类型的省市而言，绿色创新效率较高的省市应发挥引领示范作用，加强与周边省市的合作和交流，绿色创新效率较低的省市应发挥后发优势，学习、借鉴绿色创新效率较高省市的经验；“低-低”类型的省市应提高技术创新能力，加大生产中创新要素的应用，同时应不断优化和调整产业结构，向先进制造业迈进。

5 结论与建议

5.1 研究结论

本研究采用了一种不同于现有研究绿色创新效率的方法，即通过超效率EBM 模型测算了长江经济带制造业2008—2019 年的绿色创新效率，同时将能源要素纳入测算指标体系，将其同资本和劳动要素一并作为投入变量，并采用探索性空间数据分析绿色创新效率的时序演变特征与空间集聚特征，得出以下结论：第一，长江经济带制造业绿色创新效率均值小于1，未实现DEA 有效，从分解项来看，规模效率的DEA 无效是限制其投入产出实现最优的原因；创新效率的区域分布格局与各地区制造业的产业布局存在一定的映射关联，下游地区的制造业绿色创新效率最高，中上游地区制造业绿色创新效率较低，除上海、江苏和浙江外，其余省市的制造业绿色创新效率均未达到生产前沿面。第二，长江经济带各省市制造业绿色创新效率的空间差异明显，与各地区经济发展水平的空间分布格局表现出协调一致性；各省市制造业绿色创新效率在空间上表现出正的自相关性，存在集聚特征，但只有江苏和上海形成的“高-高”集聚类型通过了显著性检验。

5.2 对策建议

（1）从优化提升长江经济带制造业绿色创新发展水平的角度讲，一方面要增强制造业发展对人力、财力、物力等生产要素的整合集聚能力，扩大生产体系中的创新要素投入，充分发挥规模效应的作用；另一方面，坚持以市场为导向，加快建设科技创新成果转化和产业化机制，构建“政产学研”结合平台，健全配套服务体系，提高创新要素的利用率和成果转化率。

（2）从强化长江经济带制造业绿色创新效率空间集聚效应的角度讲，一方面推动各地政府构建政策协同机制，消除创新要素在跨区域和区域内流动的壁垒，合理引导创新要素的流向，加强创新要素的流动、碰撞和融合；另一方面，各省市应从自身的要素禀赋出发，加强制造业产业集聚的专业化，摒弃以经济活动总量增加为导向的集聚，不同集聚类型的省市应采取不同的产业集聚推进策略，绿色创新效率高的省市发挥好引领示范作用，而绿色创新效率低的省市利用好后发优势。

（3）从推动长江经济带制造业绿色创新效率趋同化发展的角度讲，一方面，深入推进长江经济带制造业跨区域及区域内的创新协同发展，推动下游地区发挥引领作用，中上游地区积极借鉴经验探索协同发展机制；另一方面，妥善解决好区域不均衡发展带来的问题，政府在财政、税收等方面的政策应向中上游地区有所倾斜，加强对中上游地区的支持力度。