共享投入关联视角下中国区域工业企业绿色创新效率差异研究

钱丽 王文平 肖仁桥

摘要

绿色创新是突破当前资源环境约束，推动中国经济高质量增长的重要手段之一。为了实现中国企业绿色创新能力的整体提升，有必要分析中国企业绿色创新效率的区域差异，确定差异形成的具体环节及制约因素。本文考虑创新资源在两阶段的共享关联性，并将单位GDP的工业碳排放量和“三废”污染物纳入两阶段绿色创新效率研究框架，利用共享投入关联两阶段DEA模型测度2008—2015年中国工业企业绿色研发和成果转化效率；根据企业绿色科技研发与成果转化之间的关系，将各省份企业绿色创新资源利用模式分为4种类型；最后，从企业特征和区域环境等方面，利用动态面板GMM模型实证分析和检验两阶段效率的影响因素。结果表明：①考察期内中国企业绿色创新两阶段效率均值分别为0.794和0.904，绿色研发效率明显偏低；东部和西部企业绿色研发效率均值相对较高，而中部地区效率损失缺口高达30.6%；绿色成果转化阶段，东部地区接近于最优水平，中西部地区还有较大提升空间。②各省份绿色创新资源利用模式分类发现，低绿色研发低成果转化型企业占20%，主要来自中西部地区，还有46.7%的企业在绿色研发（或成果转化）阶段效率损失较大。③创新氛围、产学研合作、环保投入强度、外商投资有利于企业绿色研发效率的提升，绿色研发效率与知识产权保护（IPP）呈U型关系；成果转化效率与企业规模、政府支持、环保投入强度均负相关，而与IPP呈倒U型关系，当前IPP的加强有利于成果转化效率的提升。最后提出营造公平的创新环境、加强知识产权保护、严格执行污染排放限制标准等建议。

关键词 绿色创新效率；共享投入关联两阶段DEA模型；影响因素；动态面板模型

中图分类号 F062.4 文献标识码 A 文章编号 1002-2104（2018）05-0027-13 DOI：10.12062/cpre.20171219

中共十九大报告提出，建设生态文明是中华民族永续发展的千年大计，必须树立和践行绿水青山就是金山银山的理念，坚定不移贯彻“创新、协调、绿色、开放、共享”五大发展理念。在当前生态环境压力和经济社会协调发展的大背景下，世界各国都将绿色创新作为产业结构升级和企业竞争力提升的重要途径，旨在通过增加研发投入，提升工业企业绿色创新能力。近年来，中国工业企业研发投入持续攀升，2008—2015年间R&D;经费内部支出从3073.13亿元增至10013.93亿元，年均增长率为18.38%，研发人员全时当量则从123.00增至263.83（单位：万人年），年均增长率为11.52%。然而，增加投入只是提高企业创新能力的必要条件，2016年汤森路透公布了全球创新型企业百强名单，中国内资企业无一入围，工业企业创新产出和效率还有待提高。在创新资源投入转化为产出的过程中，到底是哪个环节出现问题，值得深入研究。另外，伴随着中国工业经济的增长，环境污染问题越来越严峻。最新发布的《2016年全球环境绩效指数报告》显示，中国在180个国家中名列倒数第二，已成为世界PM2.5超标重灾区，且据统计，2008—2015年间中国单位工业GDP的工业二氧化碳排放量指标并未有较大幅度的改善。科技经济与生态环境之间的矛盾日益突出，人民生产、生活受到极大影响。需将环保理念引入到传统技术创新活动中，引导企业向绿色创新发展方式转变。我国各地区经济发展不平衡，在企业绿色技术创新的过程中，各地区企业创新资源利用方式和效率可能存在差异，不能一概而论。为此，本文从两阶段创新价值链视角出发，考虑创新资源在两阶段间的共享关联性，并将单位GDP的工业碳排放量和“三废”污染物纳入绿色创新效率研究框架内，探索中国各省份工业企业绿色研发和绿色成果转化效率的区域差异，进而分析效率差异形成的原因，寻找制约工业企业绿色创新效率提升的关键因素，这将有利于提升中国工业企業绿色创新能力，促进区域科技、经济与环境的协调发展。

1 文献综述

创新效率反映企业充分利用创新资源的水平，对竞争优势形成具有深远影响[1]。Thomas[2]采用专利与研发经费比值、出版物与研发经费比值等指标测算了美国50个州的创新效率。池仁勇[3]利用数据包络分析法（简称：DEA），以新产品研发经费、开发人员为投入，新产品销售份额、增长率等为产出变量，对浙江省230家企业技术创新效率进行分析，发现外资和民营企业效率相对较高。肖文和林高榜[4]分别以新产品销售收入和专利申请数为产出指标，以研发经费内部支出和科技活动人员数为投入变量，并考虑企业规模等控制变量，利用随机前沿模型（简称：SFA）的研究发现，中国36个工业行业创新效率均值在0.5～0.6之间，非市场化导向创新效率明显高于市场化导向创新效率。余泳泽[5]将技术创新活动分解为技术开发和经济转化两个子阶段，将专利申请数和授权数作为中间产出，新产品产值和出口额作为最终产出，重复利用DEA-CCR模型测算1995—2007年中国各省份高技术产业，发现两阶段效率值都较低。不过，他们将两阶段看做相互独立的子单元，Guan和Chen[6]考虑两阶段间的关联性，利用两阶段关联型网络DEA模型测算中国各省份高技术产业创新效率。刘俊等[7]重复利用SFA模型，选取研发经费和人员作为技术开发阶段投入，发明专利申请授权量为中间产出，新产品销售收入作为技术转化阶段产出指标，并以城市化等为解释变量，发现2004—2015年中国各省份工业两阶段效率值分别为0.439和0.520，省际效率差异明显。

中国人口·资源与环境 2018年 第5期

然而，以上研究关注企业创新的科技经济产出，忽略了对环境的管理。Tariq等[8]指出，需重视技术创新的环境影响，实现经济绿色增长。Arfi等[9]研究发现，绿色创新可通过外部资源获取，并将其吸收转化为企业内部技能，促进企业绩效的提升，但知识转移的风险也可能会阻碍绿色创新对企业绩效的积极影响。Shu等[10]研究表明，绿色管理有利于中国企业突破性创新绩效的提升。Lambertini等[11]分析了一个生产过程中造成污染的行业绿色创新与竞争之间的关系，发现二者呈倒U型关系。毕克新等[12]从经济、社会、生态三个维度构建绿色工艺创新绩效评价指标体系，利用投影寻踪评价模型对2004—2010年中国各省份绿色工艺创新绩效进行实证分析。张江雪和朱磊[13]基于绿色增长视角，将资源生产率和环境负荷作为产出纳入创新效率研究框架，利用四阶段DEA模型测算2009年中国各省份工业企业绿色创新效率。冯志军[14]利用工业“三废”、综合能耗产出率作为非期望产出，与传统研发经费、人力投入和科技经济产出一起，构建绿色创新效率评价指标体系，选取DEA-SBM模型测度我国工业绿色创新效率。钱丽等[15]将单位GDP的三废污染物纳入创新效率研究框架，利用共同前沿理论和DEA模型分析两种前沿下我国企业绿色科技研发、成果转化效率及其区域技术差距。王惠等[16]采用DEA-SBM模型测度2006—2012年中国省际高技术产业绿色创新效率值，得出效率均值为0.822，且八大经济区域效率差异明显。

在创新效率影响因素方面，肖文和林高榜[4]研究表明，研发管理、行业外资比重对市场化导向创新效率具有积极作用，境外研发资金有利于非市场化创新效率提升，政府支持的影响均不显著，企业规模的降低有利于效率提升，而孙晓华等[17]的研究表明，规模较大的企业研发强度越高。Guan和Chen[6]发现，两阶段创新效率与企业资金正相关，而与政府资金无关。Amore 等[18]利用1976—1995年美国上市公司数据分析公司治理与绿色创新之间的关系，发现糟糕的公司治理带来更少的绿色专利，该影响在机构股权较少的企业中更为显著。张江雪和朱磊[13]的研究发现，政府科技支持和环保投入强度有利于工业废气污染物的下降和研发经费投入的改善，从而提升工业企业绿色创新效率。李婉红[19]考虑绿色创新产出的空间溢出效应，利用空间计量模型发现中国工业绿色研发投入、人均GDP和环保投入对工业企业绿色专利产出具有显著影响。毕克新等[12]从技术推动、市场拉动和环境管制等角度分析了绿色工艺创新绩效的影响因素，发现技术推动和环境管制因素有利于绿色工艺创新绩效的提升，而市场拉动因素与创新绩效负相关。曹霞等[20]基于2005—2011年中国省级区域数据发现，环境规制与区域低碳创新效率呈U型关系，政府资助对效率提升具有积极影响。

上述文献为我们提供了重要参考，但仍存在一些不足之处：

（1）现有基于两阶段价值链视角的文献集中于传统创新研究[5-7]，两阶段视角下绿色创新效率研究[14]并不多见。另外，原始创新投入不仅会对专利等中间产出起明显促进作用，且会对第二阶段绿色经济产出造成影响，创新投入实际在两阶段按一定比例实现共享[21-22]，有必要采用共享投入关联两阶段DEA模型进行分析。

（2）绿色创新指标方面有待改进。现有研究主要基于一阶段投入产出指标体系，考虑环境产出以工业能耗和部分“三废”污染物[13-14]，忽略了碳排放量对环境的影响，二氧化碳是全球气候变化异常的罪魁祸首，三废污染物特别是烟尘粉尘是雾霾的主要来源之一，且技术的消化吸收再创新[13]是绿色创新活动之一，需将工业碳排放量、全部“三废”污染物以及引进消化吸收费用纳入研究框架。

（3）影响因素研究有待拓展。以往研究考虑传统创新和一阶段创新效率的影响因素[4-5，13-14]，如：企业规模、政府支持等，这些变量对绿色创新两阶段效率的影响可能存在差异，且知识产权保护[23]、环保投入[13，19]、外商投资等[24]可能对绿色创新效率产生影响，系统分析工业绿色创新两阶段效率的影响因素研究并不多见，且以往检验基于静态面板模型展开，缺乏对动态面板以及内生性等问题[24]的分析。

本文延续并拓展了Guan和Chen[6]、张江雪和朱磊[13]等的研究，拟将单位GDP的工业碳排放量和“三废”污染物纳入研究框架。并考虑两阶段创新投入共享关联性，对企业绿色创新效率及其影响机制进行分析，利用共享投入关联型网络DEA模型测度分析2008—2015年中国各省份工业企业绿色研发和成果转化效率及其区域差异，并将绿色创新资源利用模式分为高绿色研发低成果转化、低绿色研发高成果转化等4种类型。最后，从企业特征和创新环境等方面，利用动态面板GMM模型检验了两阶段绿色创新效率的影响因素。

2 理论模型

2.1 共享投入关联视角下工业企业绿色创新效率分析

基于两阶段创新价值链理论[15，25]，绿色技术创新活动可分为绿色科技研发和绿色成果转化两阶段，绿色科技研发阶段是企业利用创新资源实现中间产出（如：专利等科技产出）的过程，内容包括研究、开发、技术引进吸收和干中学等[6，26]；绿色科技成果转化阶段则是在企业科技研发基础上，将科技成果转化为经济效益和环境优化的过程，其内容包括生产制造、技术产业化、绿色化以及市场推广等[27]。由于绿色科技研发阶段的经费和人力投入不仅对中间产出（如：专利等）产生直接影响，其对绿色成果转化阶段的绿色经济产出也具有促进作用，且技术消化吸收也对两阶段产出构成显著影响，因此，绿色创新投入（如：研发经费、研发人员全时当量以及技术消化吸收等）实际上在两阶段按一定比例实现共享[21]。

图1给出了基于共享投入关联的工业企业两阶段绿色创新活动，绿色科技研发效率是中间产出（科技产出）与一定比例的绿色创新投入之比，衡量企业将一定比例的绿色创新投入转化为科技产出的能力[15，22]。本文将单位GDP的三废排放量以及工业CO2排放量纳入效率研究框架，绿色成果转化效率则是绿色创新产出（如：新产品销售收入、单位GDP碳排放等）与（中间产出+剩余部分的创新投入）之比，反映企业将剩余部分创新投入、中间产出转化为绿色经济的水平。

图1 基于共享投入关联的工业企业两阶段

绿色创新活动

Fig.1 Industrial enterprises green innovation activities

based on shared input in the two stages

2.2 绿色创新效率影响因素分析

国内外学者分别从企业规模[4，17]、政府支持[13，20]、环保投入[12，19]、公司治理[18]等角度进行一阶段绿色创新效率影响因素分析，缺乏对两阶段绿色创新效率的系统分析。事实上，企业绿色创新驱动可分为内部驱动和外部环境驱动[4-5，9]。在内部驱动方面，企业平均规模和技术水平[17，28]、创新氛围[29-30]、产学研合作[31]是工业企业开展绿色创新活动的微观基础。创新氛围和文化反映了地区工业企业从事绿色研发活动的动力和责任使命感，有利于在合作競争环境中追求正确的创新价值观，实现技术和产品质量的不断提升。产学研合作则是当前我国工业企业实现技术学习和赶超跨国公司的有效途径，利用高校和科研机构的基础研究能力，解决企业创新发展过程中的技术难题，同时缩短了企业技术和产品开发的周期。外部环境驱动则主要归因于制度理论视角下效率的影响因素，政府的政策和资金支持[32-33]、知识产权保护法的完善和执行[34-37]、环保投入的增加[24，38]以及市场开放度的提升[24，39]等，为企业绿色创新活动开展以及效率提升创造了良好的外部条件。下面对各影响因素进行具体分析。

企业内部驱动方面，①企业规模。技术创新活动需要一定的规模效应，企业规模越大，越有利于分摊研发成本，有利于下一轮研发投资[17]。但规模较大企业也容易滋生管理官僚化和内耗，使得企业创新决策缓慢和管理无效率[3，28]。本文将工业碳排放、工业三废等污染物纳入创新效率研究框架，认为企业规模对绿色研发效率具有积极影响，但由于大企业（如：煤炭、钢铁企业）可能带来更多的工业碳排放以及三废污染物，企业规模对绿色成果转化效率的影响有待检验。②创新氛围。从事创新活动的企业越多，创新氛围越浓，这有利于企業员工间的技术交流和合作，使得员工的创造力和思维能力得到充分发挥[29-30]，从而提高企业创新效率。因而，本研究认为创新氛围对企业绿色研发和成果转化效率具有积极影响，但由于创新氛围主要体现为研发活动频率等，因而创新氛围对绿色研发阶段的影响可能更为显著。③产学研合作。产学研合作旨在利用高校、科研单位的基础研究水平，为企业技术研发提供技术路线和可行性研究报告，并辅助解决企业发展中的技术难题，这为企业绿色研发和成果转化提供了必要的技术支持[31]。当前企业产学研合作更多集中在技术开发阶段，产学研合作对中国企业绿色研发具有正向作用，且产学研合作更多关注技术经济性，忽略了对环境的影响，因而产学研合作对绿色成果转化效率的影响还有待检验。

外部环境驱动方面，④政府支持。政府部门通过拉动公共需求以促进工业企业经济产出和创新绩效[32，33]。然而，政府部门考虑到就业与稳增长，关注大企业，这些企业往往不缺资金，容易对自身资金形成挤出效应，且政府部门倾向一些投资见效快的生产性行业，如：基础设施、房地产等，这将造成更大的环境污染和碳排放，从而抵消了政府支持对企业绿色研发和成果转化效率的积极影响。⑤知识产权保护。知识产权保护越强，外资入驻以及技术溢出更明显，有利于本国企业创新绩效提升[23，34]。然而，技术市场交易以较成熟的技术为主，对于成果转化促进作用可能更显著。也有学者认为知识产权保护过紧或过松都不合适[35]。可能存在最优知识产权保护水平，故引入知识产权保护的平方项[36-37]进行考察。⑥环保投入强度。地方政府和企业通过增加环保投入，采购清洁生产技术和设备，并对污染物进行末端处理，有利于绿色技术的改善和效率提升[24]。但由于环保投入与污染物排放量等之间的内生相关性[38]，即：较大的环境污染引致更大的环保投入，反过来，环保投入越大，污染越严重，因此，环保投入对工业企业绿色成果转化效率（其产出包含三废、碳排放等指标）的影响甚至可能为负。⑦外商投资。外商投资对中国工业绿色创新是技术溢出还是抑制[24，39]。一方面，通过引进外资，使得内资和外资企业员工之间的交流更为便利，有利于内资企业员工的绿色技术学习和吸收，且通过高薪从外资企业挖来高技术人才，从而实现外资技术溢出效应，外商投资有利于绿色研发效率的提升。但存在外资企业将一些污染性的行业转移到中国，如：化工、工业废弃物回收等，外商投资对绿色成果转化效率的影响有待检验。

最后，需认识到绿色研发和绿色成果转化效率的影响因素可能存在差异，尤其是在区域创新效率研究中，因区域创新不同阶段的创新主体（如：企业、高校、研究机构）不同，外部影响因素存在差异[40]。不过，本文是以工业企业两阶段创新为研究对象，二者面临的内外部环境差异性并不十分明显，且本文拟系统分析检验内外部因素对两阶段创新效率影响的差异性，有利于比较同一因素对不同创新阶段的影响[5-7]，得到更为细化的管理信息。

3 研究方法

3.1 共享投入关联两阶段DEA模型

传统的DEA模型将企业技术创新活动看做一个黑箱，未考虑中间产品的再投入和绿色创新初始投入在两阶段之间的分配结构，从而无法分析绿色创新生产过程中各子阶段对整体系统效率的影响，不能确定效率损失的根源[21，41]。事实上，绿色创新人力和资金投入不仅对中间产出造成影响，同时也对绿色经济产出产生作用，绿色创新投入在两阶段按一定比例实现共享。如图1所示的共享投入视角下工业企业两阶段绿色创新系统，假设有n个决策单元（DMU，这里指2008—2015年中国大陆30个省份，西藏数据不全，不在研究范围之内），每个决策单元DMUj（j=1，2...n）有m种绿色创新投入xij（i=1，2...m），q种中间产出zpj（p=1，2...q）和s种最终绿色创新产出yrj（r=1，2...s）。

DMUj（j=1，2...n）的最初绿色创新投入并未在绿色研发阶段被完全消耗掉，而是按照一定比例在两阶段实现分配，其两部分αiXij与（1-αi）Xij分别充当绿色研发和成果转化阶段的可自由支配投入[22，41]。分别用v1i、v2i（i=1，2...m）表示两部分绿色创新投入

（αiXij、（1-αi）Xij）在各自阶段的权重，并用ur（r=1，2，...s）表示最终绿色创新产出yrj的权重。另外，由于中间产品既是绿色研发阶段产出，又是成果转化阶段投入的一部分，故用w1p、w2p（p=1，2...q）表示中间产出在两阶段中的权重。则

DMUj（j=1，2...n）在绿色研发阶段投入和产出依次为∑mi=1v1iαiXij和

∑qp=1w1pZpj，在成果转化阶段的投入和产出则分别为

∑mi=1v2i（1-αi）Xij+∑qp=1w2pZpj

和

∑sr=1urYrj。

根据线性规划理论[21-22]和绿色创新投入产出原理[6，13，15]，我们得出规模报酬可变情形下，第k个决策单元DMUk的绿色研发效率E1k为：

E1k=（max

∑qp=1w1pZpk-μ1）/∑mi=1v1iαiXik（1）

令t=1/∑mi=1v1iαiXik，借助Charnes-Cooper变换，并令V1iαi=π1i，V2iαi=π2i，可将上述分式（1）转化为线性形式。进而得出规模报酬可变情形下第k个决策单元DMUk的绿色研发效率为下列线性规划问题的最优值：

E1k=max∑qp=1W1pZpk-μA

s.t.

∑mi=1π1iXik=1

∑mi=1π1iXij-（∑qp=1W1pZpj-μA）≥0，j=1，2，...n

∑mi=1V2iXij-∑mi=1π2iXij+∑qp=1W2pZpj-（∑sr=1Ur

Yrj-μB）≥0，j=1，2，...n

V2i≥π2i≥ε；Ur，π1i、W1p、W2p≥ε，i=1，2，...，m（2）

注意，这里V1i=tv1i、V2i=tv2i、W1p=tw1p、W2p=tw2p、Ur=tur、μA=tμ1、μB=tμ2。上述式（2）计算的是基于投入导向的决策评价单元绿色研发效率，同理，得出DMUk的成果转化效率为下列线性规划问题（3）的最优值：

E2k=max∑sr=1UrYrk-μB

s.t.

∑mi=1V2iXik-∑mi=1π2iXik+∑qp=1W2pZpk=1

∑mi=1π1iXij-（∑qp=1W1pZpj-μA）≥0，j=1，2，...n

∑mi=1V2iXij-∑mi=1π2iXij+∑qp=1W2pZpj-（∑sr=1Ur

Yrj-μB）≥0，j=1，2，...n

V2i≥π2i≥ε；Ur，π1i、W1p、W2p≥ε，i=1，2，...，m（3）

这里，V1i=t′v1i、V2i=t′v2i、W1p=t′w1p、W2p=t′w2p、Ur=t′ur、μA=t′μ1、μB=t′μ2，

t′=1/（∑mi=1V2iXik-∑mi=1π2iXik+∑qp=1W2pZpk）。

通过对工业企业绿色研发效率（E1k）和成果转化效率（E2k）的测算，有利于发现中国区域工业企业绿色创新效率损失的具体环节，为针对性绿色创新政策的制定提供科学依据。

3.2 动态面板模型

根据前文影响因素分析，分别以各省份工业企业绿色研发和成果转化效率为被解释变量，以企业规模（SCALE）、创新氛围（INNO）、产学研合作（COORP）、政府支持（GOVNM）、知识产权保护（IPP）及其平方项、环保投入强度（ENVIR）以及外商投资（FDI）等为解释变量，构建绿色创新两阶段效率影响因素的GMM动态面板回归模型如下：

E1it（或E2it）=α0+α1E1it-1（或E2it-1）+

α2SCALEit+α3INNOit+α3COORPit+α5GOVMit+α6IPPit+α7IPP2it+α8ENVIRit+

α9FDIit+εit（4）

其中，E1it，E2it為各省份工业企业绿色研发和成果转化效率值，E1it-1，E2it-1为滞后期效率值，α0为常数项，α1-α9为待估系数，εit为随机误差项。如果采用普通面板回归模型进行检验，则估计过程可能出现内生性问题。主要原因有二。一是遗漏了一些重要的解释变量，可通过增加滞后期效率值予以弥补。二是环保投入强度、知识产权保护与效率之间可能存在内生性[38]，为了得到更为稳健的研究结果，本文将环保投入强度、知识产权保护的滞后期值作为工具变量，采用系统GMM动态面板模型进行检验，它非常适合于具有内生性、截面较宽而时间序列较短的面板数据[34]。

4 变量及数据说明

本文以2008—2015年中国大陆30个省份工业企业为研究对象（西藏、香港、澳门、台湾由于数据原因，不在本研究范围之内），选取研发人员全时当量 、研发经费存量、引进消化吸收费用存量和新产品开发经费存量为投入指标，以专利申请量、有效发明专利数和新产品开发项目数为中间产出，以新产品销售收入、主营业务收入、单位工业GDP的工业碳排放、单位工业GDP的工业“三废”污染物为最终产出，建立企业绿色创新两阶段效率评价指标体系。具体如下：

（1）创新投入。主要从人力和资金投入角度进行测度[5，13]，选取研发人员全时当量作为人力投入的代理变量，在资金投入方面，研发经费内部支出被经常采用。另外，由于我国很多地区工业企业仍然是以引进技术消化吸收为主要技术获取方式，故将其纳入创新投入指标范围内，其在数值上等于引进技术经费支出、消化吸收经费支出、购买国内技术经费支出与技术改造经费支出之和，同时，还考虑了新产品开发经费指标。由于R&D;经费投入具有一定的累积效应，即：前期的研发经费投入也会对当期科技经济产出形成影响，故采用R&D;经费存量指标，利用永续盘存法[42]进行计算。在测算R&D;经费存量之前，用李向东等[43]提出的研发价格指数进行平减，转换为2008年不变价，取折旧率δ=15%，基期存量等于平减后基期R&D;经费内部支出/（R&D;经费增长率+折旧率）。引进消化吸收费用和新产品开发经费等也采用存量进行测度，方法与上述类似，故不再赘述。

（2）中间产出。选取专利申请数、有效发明专利数和新产品开发项目数[15，31]表示。专利申请数、有效发明专利数衡量企业创新的科技产出，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，专利和知识产权战略也是国家创新驱动发展战略的重要组成部分。新产品开发项目数体现出工业企业将研发投入转化为可开发利用技术的能力，也是通常被采用的指标之一。

（3）绿色创新产出。主要从经济产出和环境效益角度[13-14]进行衡量。在经济产出方面，选取新产品销售收入和主营业务收入表示。新产品销售收入体现企业在产品创新领域的成就，而有些小的发明、工艺改进带来的产值（或收入）的增长，并不是新产品销售收入所能反映的，故还需包括主营业务收入指标[44]。这里，新产品销售收入和主营业务收入均用2008年不变价工业品出厂价格指数进行平减。在环境产出方面，选取单位工业GDP的工业碳排放量和单位工业GDP的工业“三废”污染物排放量两个指标。具体而言，工业碳排放量是以原煤、洗精煤、其他洗煤、焦炭、焦炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气、热力、电力15种来源为基准[45]进行测算，公式如下：

CO2=∑15i=1ENi×NCVi×CEFi×COFi×44/12（5）

其中，CO2为中国各省份工业企业碳排放量，ENi（i=1，…，15）为各省份原煤、洗精煤、

焦炭、电力等15种工业能源消耗量，NCVi为能源的平均低位发热量，CEFi为IPPC（2006）给出的碳排放系数，COFi为碳氧化因子，取值为1，44/12为CO2的气化系数，然后用工业碳排放量除以平减后的工业GDP，得出单位工业GDP的碳排放量。另外，选取单位工业GDP（平减后）的工业废气、工业废水、工业固体废物废弃物、工业SO2、工业烟粉尘（雾霾重要来源之一）5个指标，采用熵值法，得出单位工业GDP的工业“三废”污染物排放量。由于单位GDP的三废污染物越大，环境产出水平越低，因而熵值法处理过程中，进行负向标准化。单位工业GDP的碳排放量也采用负向标准化，转化为[1，100]之间的数值。

影响因素代理变量如下：①企业规模，主要从产值（收入）或员工人数角度进行衡量[5]，本文用平减后的工业企业总产值/企业数来表示，并取对数值。②创新氛围，这里用各省份有研发活动的工业企业数占总工业企业数的比重表示[30]。③产学研合作，用各省份工业企业R&D;经费外部支出中对研究院所和高校投入之和/工业GDP来表示[31]。④政府支持，这里用各省份工业企业研发经费内部支出中政府资金所占的比重来表示[4，15]。⑤知识产权保护，借鉴胡凯[34]的做法，采用各地区技术市场交易额占GDP的比重。⑥环保投入强度，采用“工业污染治理完成投资额/工业增加值”来表示[38]。⑦外商投资，借鉴戴静等[39]的做法，采用（外资+港澳台资企业主营业务收入）/总主营业务收入来表示。

本文数据来源于2009—2016年《中国科技统计年鉴》《中国工业经济统计年鉴》《中国统计年鉴》《中国经济普查年鉴2008》《中国环境统计年鉴》和《中国能源统计年鉴》。关于投入产出变量滞后期选择的问题，目前尚无定论。一般而言，若采用存量指标测算研发投入，表明已考虑了研发投入的滞后效应[5，7]。若研发投入仅采用当期指标数据，则需要滞后1年[40]。本文已采用存量指标，且研究对象为工业企业，企业创新更强调市场导向和快速响应，绿色产品研发和绿色成果转化两因变量间隔周期不太长，因而并未做滞后处理[4-5，7]。

5 实证分析

5.1 共享投入视角下中国区域工业企业绿色创新效率测度分析

本文基于绿色创新两阶段投入共享关联视角，并将工业碳排放和“三废”污染物纳入研究框架，利用规模报酬可变情形下的共享投入关联型两阶段DEA模型，采用Lingo11.0软件编程测算，得出 2008—2015年中国大陆30个省份工业企業绿色创新两阶段效率值。囿于篇幅限制，仅给出了部分年份各省份工业企业绿色研发和绿色成果转化效率值，具体见表1。

由表1可知，考察期内中国工业企业绿色研发和成果转化效率均值分别为0.794和0.904。预示着两阶段绿色创新效率均还有一定的提升空间，尤其是绿色研发阶段，是中国企业绿色创新效率损失的主要原因。分区域来看，在绿色研发阶段，西部地区（效率均值为0.842）和东部地区企业效率（0.819）相对较高，中部地区企业效率（0694）明显偏低，效率损失缺口高达30.6%。这与以往“东中西依次递减”的研究结果不完全一致，西部地区拥有较多的国家重点实验室、科研机构以及重点扶持的国有工业企业，外资企业入驻带来了一定的技术示范和溢出效应，创新环境和市场化进程不断改善，使得该地区企业在既定的研发经费和人员等投入下，实现了较大的专利和新产品开发项目数等中间产出，使得绿色研发效率处于区域较优水平。中部地区则相对缺少中央政府扶持和发展机遇，创新环境、技术和管理水平也不及东部地区优越，在专利申请数等方面产出严重不足，还有较大的改进空间。

图2和图3给出了全国及各区域绿色研发和成果转化效率变化趋势，我们发现，2008—2011年间，东部地区绿色创新效率不及西部地区，但从2012年十八大提出“重视生态文明、实现绿色创新协调发展”以来，东部地区企业绿色创新效率一直处于全国领先水平。在绿色成果转化阶段，2008—2015年东部、中部和西部地区工业企业绿色创新效率均值依次递减，分别为0.970、0.866和0.865。东部地区在科技成果转化平台建设以及环境保护方面经验较为丰富，效率值已接近于最优水平，中部和西部地区工业企业则分别还有13.4%和13.5%的提升空间。考察期内中西部地区企业效率值基本位于0.800～0.900之间，而东部地区企业效率值始终位于0950以上，尤其是山东省，明显高于中部和西部地区工业企业绿色成果转化效率，是中国工业企业绿色成果转化的标杆。

分省份来看，由表1可知，在绿色研发阶段，海南、安徽、浙江、青海、广东、宁夏、四川、北京等省份工业企业效率均值位于0.900以上，效率值相对较高，这些省份主要来自东部和西部地区。对于浙江和广东而言，其在规模和效率方面均取得不错的成绩。而对于海南、宁夏等地区企业而言，虽然专利等研发产出不及东部沿海企业，但资源利用效率高，管理得当。效率排名靠后的地区包括：山西、辽宁、内蒙古、河北等，效率值不足0.600，这些地区企业具有一定的研发规模和技术水平，但在创新投入转化为科技产出的过程中存在瓶颈。在绿色成果转化阶段，效率排名靠前的省份包括：山东、广东、上海、江苏、青海、江西、北京和浙江等，这些省份企业绿色成果转化效率值均高于0.950，是中国企业绿色创新的标杆。黑龙江、贵州、陕西、湖北、山西等地区效率值则相对较低，效率值不足0.800，需在经济产出和环境保护等方面均做出较大改进。

表1 中国各省份工业企业绿色研发和成果转化效率测度结果（2008—2015年）

Tab.1 Industrial enterprises green R&D; and achievements conversion efficiency results in Chinese provinces （2008-2015）

图2 全国及三大地区企业绿色研发效率

Fig.2 Enterprises green R&D; efficiency in

China and three major regions

图3 全国及三大地区企业绿色成果转化效率

Fig.3 Enterprises green achievements conversion

efficiency in China and three major regions

综上，本文利用共享投入关联型两阶段DEA模型测算的效率值，与以往“东部地区最高，中部和西部地区明显偏低”的研究结论[13-14]并不完全一致，可能原因在于传统研究基于一阶段展开，且主要考虑部分“三废”和工业能耗指标。考虑碳排放造成的温室效应以及当前绿色低碳生产方式的需要，本文将工业碳排放量和全部“三废”污 染物纳入效率研究框架，并考虑绿色创新两阶段间的投入共享关联性。结果发现，在绿色研发阶段，东部与西部地区企业效率相对较高，而中部地区效率损失较大。在绿色成果转化阶段，东部地区已接近于最优水平，而中西部地区企业还有一定的提升空间。

5.2 中国各省份工业企业绿色创新资源利用模式分析

下面，进一步分析中国各省份工业企业绿色科技研发与绿色成果转化之间的关系。以考察期内各省份两阶段效率均值（0.794和0.904）为分界点，将各省份绿色创新资源利用模式分为高绿色研发低成果转化、低绿色研发低成果转化、低绿色研发高成果转化和高绿色研发高成果转化等4种类型，具体见图4。

①低绿色研发低绿色成果转化型，约占20%。包括：山西、黑龍江、湖北、福建、广西和陕西，属于绿色研发效率和成果转化效率均偏低的地区，主要来自我国中西部地区，需双管齐下，在绿色研发和成果转化方面做出较大改进，由双低型向一低一高型转换，然后过渡到双高型发展

模式。或者直接由双低型向双高型转化，不过这需要雄厚的科技经济基础作为后盾，如：福建和陕西等地区。②高绿色研发低绿色成果转化型。包括：云南、甘肃、贵州、四川、宁夏和安徽等地区，约占总地区数的20%。这些地区在绿色研发阶段效率较高，但在成果转化阶段效率偏低。因而需在保持绿色研发效率优势的同时，注重成果转化效率的提升。③低绿色研发高绿色成果转化型。包括：内蒙古、辽宁、河北、吉林、江西、山东、河南和河南，约占267%，主要来自中西部地区。这些地区在成果转化阶段效率较高，但在绿色研发阶段效率偏低，制约了绿色创新能力的整体提升。需从相对薄弱环节入手，扬长避短，重点关注工业企业绿色科技成果转化平台建设等问题。

图4 工业企业绿色创新资源利用模式分类（2008—2015年）

Fig.4 Resource utilization patterns classification of industrial enterprises green innovation

④高绿色研发高绿色成果转化型。包括：上海、江苏、天津、北京、广东、青海、重庆、新疆、浙江和海南等10个地区，约占333%，主要来自东部地区。这些地区企业在绿色研发和成果转化阶段均表现出较高的水平，属于高效集约型绿色创新发展方式。这可能与该地区在企业技术水平、产学研合作以及环境保护等方面具有明显优势有关。

5.3 中国工业企业两阶段绿色创新效率的影响因素分析

我们对企业绿色创新效率的影响因素进行实证检验，根据前文影响机制分析，从企业特征和区域环境等方面出发，利用系统GMM动态面板模型公式（4）以及所选取的工具变量，基于2008—2015年中国各省份工业企业绿色创新面板数据，利用Stata12.0软件计算，得出两阶段效率的影响因素回归结果，具体见表2。

表2 两阶段效率影响因素回归结果

Tab.2 results of influencing factors in two stages efficiency

注：***、**、*分别表示1%、5%和10%的显著性水平。

由表2所示，两阶段效率GMM估计的自回归（AR）伴随概率分别为0.294和0.231，且Sargan检验值的伴随概率分别为0.872和0.874，均大于0.100，预示本文选取的工具变量是有效的。①无论是在工业企业绿色研发，还是绿色成果转化阶段，滞后期效率值均对当前效率值具有显著的积极影响，说明工业企业绿色研发和成果转化效率提升是一个长期积累的过程，需将绿色创新作为我国企业发展的长期战略重点。②企业规模对绿色研发效率的影响并不显著，但对绿色成果转化效率提升起明显的抑制作用，规模较小的企业更具有绿色创新能力。企业规模越大，绿色成果转化效率越低，这可能与我国规模较大的工业企业更多涉及国有资源型企业（如：建筑、煤炭、钢铁企业等）有关，这些企业因行政干预和承担较多社会责任，自

身绿色创新动力明显不足，且本文将碳排放量和工业污染物纳入研究框架，其效率更为低下，进而得到上述结论。③创新氛围对绿色研发和绿色成果转化效率具有促进作用，与冯伟等[30]的结论类似，创新氛围对绿色研发效率的积极影响更为显著，有研发活动的企业越多，企业基于创新活动的竞争与合作更为充分，市场压力倒逼企业进行技术和管理制度变革，有利于绿色研发效率的提升，由于成果转化还涉及生产、营销和企业战略等活动，创新氛围（本文用研发活动企业数占比进行测度[30]）对其影响并不显著。④产学研合作对工业企业绿色研发效率具有积极影响，但与绿色成果转化效率负相关。可能原因在于产学研合作更多与企业绿色技术开发和专利申请有关，而绿色成果转化阶段更注重将技术转化为环境经济效益。当前的产学研合作更多关注合作的技术经济效应，对环境（公共品属性）的关注还不够，本文将环境污染和碳排放作为成果转化阶段的非期望产出，从而得出上述结论。

⑤政府支持对企业绿色成果转化效率具有明显的负影响，而与绿色研发效率不相关。这也与Guan和Chen[6]、肖文和林高榜[4]的结论类似，但与张江雪[13]的结论不一致，主要原因在于测度方法差异和样本数据类型不同。张江雪[13]选择传统DEA方法测度绿色创新投入松弛量，并利用SFA分析政府支持（即：地方财政科技拨款占地方财政总支出的百分比）对工业废气排放总量等指标松弛量的影响；本文利用共享投入关联型两阶段DEA模型测算绿色研发和成果转化效率值，进而利用动态面板模型检验政府支持（即：工业企业研发经费内部支出中政府资金所占的比重）对两阶段效率的影响。且上述文献以2009年各省份工业企业截面数据为研究样本，本文则利用2008—2015年中国各省份面板数据，得到上述结论。政府资助起引导和辅助作用[6]，创新绩效提升有赖于自身资金的投入。⑥企业绿色研发效率与知识产权保护之间呈显著的U型变化关系，其拐点为x=-b/2a=4.188/（2×28.308）=0.074，工业企业绿色科技成果转化效率则与知识产权保护变量之间呈倒U型关系，其拐点为x=-b/2a=3.122/（2×12.443）=0.125。查阅数据发现，2008—2015年间，除北京已跨过拐点0.125这一边界以外，我国其他省份知识产权保护水平均不超过0.040（<0.074），即位于对称轴x=-b/2a的左侧，知识产权保护水平还有待大力提升。这与刘思明等[35]、Park[37]的结论类似，但也存在些许差异，主要原因在于前者是以专利或新产品销售收入为被解释变量，本文则是从绿色创新分阶段效率角度进行分析。从当前来看，知识产权保护越高，并不利于绿色研发效率的提升，本文以技术市场成交额占GDP比重来衡量知识产权保护水平[34]，我国部分地区企业大量引进国内外成熟技术，技术市场成交额较高，反而对企业绿色研发效率提升起到一定的抑制作用。对于成果转化效率而言，在知识产权保护水平较低时，技术市场交易额越多，越有利于绿色成果转化效率的提升。⑦环保投入强度与企业绿色研发效率显著正相关，但对绿色成果转化效率的提升具有负影响。环保投入越多，表明企业对环境污染治理越重视，对污染治理以及清洁技术的意识增强，有利于绿色研发效率的提升。但环保投入强度越大，越可能与更大的污染有关[38]，具有一定内生性。且本文将环境污染指数纳入绿色成果转化阶段的非期望产出，从而得出二者负相关的结论。⑧外商投资对工业企业绿色研发效率具有积极影响，对绿色成果转化效率具有负向作用。这再次印证外商投资的两面性，外资在带来技术溢出效应的同时，造成了中国工业企业更多的污染[20，24]。需辩证地看待外资引进的问题，在实现中国经济开放共享的情形下，守住环境保护这一底线，推动中国工业经济由高速增长向高质量发展阶段转变。

6 结论与建议

本文将单位工业GDP的碳排放量和工业“三废”污染物纳入创新效率研究框架，并考虑创新资源在两阶段间的共享关联性，利用共享投入关联型两阶段DEA模型分析2008—2015年中国各省份工业企业绿色研发和成果转化效率；根据各省份工业企业绿色科技研发和成果转化之间的关系，将企业绿色创新资源利用模式分为高绿色研发低成果转化等4种类型；最后，从企业管理和创新环境方面，利用动态面板GMM模型实证检验两阶段效率的影响因素。结果表明：①2008—2015年中国工业企业绿色研发效率和绿色成果转化效率均值分别为0.794和0.904，两阶段效率均未达到最优，绿色研发效率偏低是中国工业企业效率损失的主要原因。分区域来看，在绿色研发阶段，东部和西部地区效率相对较高，中部地区效率损失明显，效率损失缺口为30.6%。在绿色成果转化阶段，考察期内东部地区工业企业效率一直领先，已接近于最优水平，而中西部地区企业效率分别还有13.4%和13.5%的提升空间。②属于低绿色研发低成果转化型的省份企业占20%，包括：山西、黑龍江、湖北、福建、广西和陕西等省份，主要来自中西部地区，是中国绿色创新政策关注的重点，还有46.7%的地区企业或者在绿色研发阶段（如：内蒙古、辽宁、河北等省份企业），或者在绿色成果转化阶段（如：云南、甘肃、四川等省份企业）存在一定的效率损失，需从相对薄弱环节入手，实现中国企业绿色创新效率的整体提升。③影响因素检验表明：创新氛围、产学研合作、环保投入强度、外商投资均对绿色研发效率提升具有积极影响，绿色研发效率与知识产权保护之间呈显著U型关系，拐点为0.074，大于中国当前知识产权保护水平。在绿色成果转化效率方面，企业规模、产学研合作、政府支持、环保投入强度、外商投资对效率提升具有负向作用，成果转化效率与知识产权保护呈显著倒U型关系，当前我国知识产权保护水平位于拐点左端，其对绿色成果转化效率的提升具有积极影响。最后，滞后期效率值对两阶段效率均具有显著的正向作用。根据以上结论，提出针对性的建议如下：

（1）将绿色创新驱动作为企业发展战略重点，积极开展绿色研发和科技成果转化工作，合理配置要素投入，注重绿色创新资源在两阶段的共享关联性和使用效率，加强两个环节之间的互动合作，重点关注绿色专利产出、技术孵化等环节的管理，尤其是从0到1的原始性绿色技术开发活动。东部地区企业需跟踪学习国际清洁生产、末端治理技术前沿以及国际通行的企业绿色管理经验，辐射带动中西部地区向高质量、低污染的经济增长发展方式转变。

（2）对于高绿色研发低成果转化型地区，需从绿色科技成果转化阶段入手，注重科技成果转化平台的建设，营造良好的创新氛围，树立良好的企业清洁生产和消费意识等。低绿色研发高成果转化型地区，则应从绿色研发阶段入手，在技术引进消化吸收的同时，加强产学研合作的深度和广度，聘请国际顶尖人才作为技术顾问。对于低绿色研发低成果转化型地区企业，则需双管齐下，在注重创新资源转化为专利等产出的同时，关注技术的市场化和商业化。对于高绿色研发高成果转化型地区，需在保持自身优势的同时，从相对薄弱环节入手，并跟踪国际领先绿色技术和管理经验。

（3）政府需营造公平公正的创新氛围和环境，坚持以市场为主导，减少行政干预和垄断，通过绿色项目引导，支持企业间、校企间的技术交流和合作。政府资助和金融机构需多支持急需资金且绿色创新能力强的小微企业，而企业持续创新发展有赖于自身战略选择和投入。加强知识产权保护，在企业、学校以及社区大力开展知识产权宣讲活动，增加知识产权保护和使用意识，鼓励企业和个体制定专利、商标以及行业标准等知识产权战略，重视绿色技术的价值评估和专利拍卖转移活动，并激励企业利用知识产权战略实现绿色技术挖掘和二次创新。加大环保投入力度，加强对环境的审计监管，鼓励企业进行绿色创新生产和末端排放处理，不要重走先污染再治理的老路。最后，在招商引资过程中，严格执行污染排放限制标准，避免部分地区在引进外资过程中存在恶意竞争、竞相降低门槛等现象，并且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，实现中国科技经济与环境的协调发展。

（编辑：于 杰）

参考文献（References）

[1]GAO Y Y， ZANG L Z， ROTH A， et al. Does democracy cause innovation？ An empirical test of the popper [J].Research policy， 2017，46（1）：1272-1283.

[2]THOMAS V J， SHARMA S， JAIN S K. Using patens and publications to assess R&D; efficiency in the states of USA[J].European economic review， 2011， 33（1）：4-10.

[3]池仁勇.企业技术创新效率及其影响因素研究[J].数量经济技术经济研究， 2003（6）：105-108.[CHI Renyong. Research on technology innovation efficiency and influencing factors of enterprise [J].The journal of quantitative & technical economics， 2003（6）： 105-108.]

[4]肖文，林高榜. 政府支持、研发管理与技术创新效率——基于中国工业行业的实证分析[J].管理世界， 2014（4）：71-80.[XIAO Wen， LIN Gaobang. Government support， R&D; management and efficiency of technological innovation： an empirical analysis based on Chinas industrial sector [J].Management world， 2014（4）： 71-80.]

[5]余泳泽.我国高技术产业技术创新效率及其影响因素研究——基于价值链视角下的两阶段分析[J].经济科学， 2009 （4）：62-74.[YU Yongze. Study on the efficiency of technological innovation and influencing factors of high-tech industry in China： a two-stage analysis based on value chain [J]. Economic science， 2009 （4）： 62-74.]

[6]GUAN J C， CHEN K H. Measuring the innovation production process： a cross-region empirical study of Chinas high-tech innovations [J].Technovation， 2010， 30（5）：348-358.

[7]劉俊，白永秀，韩先锋. 城市化对中国创新效率的影响——创新二阶段视角下的SFA模型检验[J].管理学报，2017，14（5）：704-712. [LIU Jun， BAI Yongxiu， HAN Xianfeng. The impact of urbanization on innovation efficiency in China：based on SFA model test in two-stage of innovation [J]. Chinese journal of management， 2017， 14 （5）： 704-712.]

[8]TARIQ A， BADIR Y F， TARIQ W， et al. Drivers and consequences of green product and process innovation：a systematic review， conceptual framework， and future outlook[J].Technology in society， 2017， 51（1）：8-23.

[9]AFRI W B， HIKKEROVA L， SAHUT J M. External knowledge sources， green innovation and performance [J].Technological forecasting & social change， 2018，129：210-220.

[10]SHU C L， ZHOU K Z， XIAO Y Z， et al. How green management influences product innovation in China： the role of institutional benefits [J].Journal of business ethics， 2016， 133（3）：471-485.

[11]LAMBERTINI L， POYAGO-THEOTOKY J， TAMPIERI A. Cournot competition and green innovation： an inverted-U relationship[J].Energy economics， 2017， 68（1）：116-123.

[12]毕克新，杨朝均，黄平.中国绿色工艺创新绩效的地区差异及影响因素研究[J].中国工业经济，2013 （10）：57-69.[BI Kexin， YANG Chaojun， HUANG Ping. Study on the regional differences and influencing factors of green process innovation performance in China [J]. China industrial economics， 2013（10）： 57-69.]

[13]张江雪，朱磊.基于绿色增长的我国各地区工业企业技术创新效率研究[J].数量经济技术经济研究，2012 （2）：113-125.[ZHANG Jiangxue， ZHU Lei. Research on technology innovation efficiency of industrial enterprises based on green growth of regions in China[J]. The journal of quantitative & technical economics， 2012 （2）： 113-125.]

[14]冯志军.中国工业企业绿色创新效率研究[J].中国科技论坛， 2013 （2）：82-88. [FENG Zhijun. Research on industrial enterprises green innovation efficiency in China： based on provincial data by a DEA-SBM approach [J]. Forum on science and technology in China， 2013 （2）： 82-88.]

[15]钱丽，肖仁桥，陈忠卫.环境约束、技术差距与企业创新效率——基于中国省际工业企业的实证研究[J].科学学研究，2015， 33（3）：378-389.[QIAN Li， XIAO Renqiao， CHEN Zhongwei. Environmental constraint， technology gap and the enterprises innovation efficiency： empirical research on the provincial industrial enterprises in China[J]. Studies in science of science， 2015， 33（3）： 378-389.]

[16]王惠，王樹乔，苗壮，等.研发投入对绿色创新效率的异质门槛效应——基于中国高技术产业的经验研究[J].科研管理，2016， 37（2）：63-71.[WANG Hui， WANG Shuqiao， MIAO Zhuang， et al. Heterogeneity threshold effect of R&D; investment on green innovation efficiency： based on Chinese high-tech industries [J]. Science research management， 2016， 37（2）： 63-71.]

[17]孙晓华，郭旭，王昀.政府补贴、所有权性质与企业研发决策[J].管理科学学报，2017，20（6）：22-35.[SUN Xiaohua， GUO Xu， WANG Yun. Government subsidy， ownership， and firms R&D; decisions [J]. Journal of management sciences in China， 2017，20 （6）： 22-35.]

[18]AMORE M D， BENNEDSEN M.Corporate governance and green innovation[J].Journal of environmental economics and management， 2016， 75（1）：54-72.

[19]李婉红.中国省域工业绿色技术创新产出的时空演化及影响因素：基于30个省域数据的实证研究[J].管理工程学报， 2017， 31（2）：9-19.[LI Wanhong. Spatial-temporal evolution and factors of industrial green technological innovation output in Chinas provinces： an empirical study of 30 provinces data[J]. Journal of industrial engineering and engineering management， 2017， 31（2）： 9-19.]

[20]曹霞，于娟.绿色低碳视角下中国区域创新效率研究[J].中国人口·资源与环境，2016， 37（2）：63-71.[CAO Xia， YU Juan. Regional innovation efficiency in China from the green low-carbon perspective [J]. China population， resources and environment， 2016， 37（2）： 63-71.]