农业知识产权保护对绿色技术创新的空间溢出效应

朱 静

（1.海南大学 法学院，海南 海口 570100；2.河南工业大学 法学院，河南 郑州 450001）

一、引言

长期以来农业领域技术创新保护不足等问题的存在，一定程度上限制了农业产业高质量发展。在此背景下，如何转变传统农业领域运营模式、寻求新的经济增长驱动力，成为中国农业产业高质量发展过程中亟需解决的关键问题。为破解这一难题，国家开始逐步完善农业知识产权保护制度，从法律层面将农业技术创新视为一种无形财产进行保护，力求在提高农业科研人员创新积极性的同时，促进农业产业快速发展[1]。同时，近年来国内各行业通过绿色技术创新、资源优化配置等方案提高生产率，减少投入以获得更多产出，为农业产业创新发展提供更多参考[2]。其中，绿色技术创新为农业产业经济高质量发展提供了多方位支撑[3]。理论上，绿色技术创新能够驱动农业产业经济发展，而农业知识产权保护则是保障现代农业产业经济发展的重要条件（李健，2021）。相关研究认为，绿色技术创新离不开农业知识产权的保驾护航。

关于农业知识产权保护对绿色技术创新的影响，国内学者从理论与实证两方面进行了研究。赵鹏(2012)[4]表示，农业知识产权保护能够激发研发者的创新热情及绿色技术创新积极性。翁小华(2016)研究指出，农业知识产权保护在提升绿色技术创新水平方面能够发挥一定作用，但该作用仍需要通过增强农业知识产权保护法律意识、优化农业技术协同创新成果共享机制等路径来加以增强。穆怀彬等(2019)研究认为，农业知识产权保护对不同时期地区的绿色科技创新水平促进作用存在差异性。张忠榕、曹玉婷(2019)以三种农业知识产权评议对象为主线，构建对绿色技术创新影响的实证框架，并通过百合产业案例进行实证分析，指出农业知识产权保护能够解决绿色创新活动过程中遇到的诸多难题[5]。从整体来看，现有研究均认可农业知识产权保护对绿色技术创新的积极作用，但鲜有研究讨论农业知识产权保护对绿色技术创新影响的空间溢出效应。为此，文章对已有研究成果作出如下补充：在研究对象方面，考虑到农业知识产权保护在中国空间分布的不均衡性，故以传统地理区位环境为背景，深入分析农业知识产权保护对绿色技术创新的空间溢出效应及其边界，使研究区域更加细化，以得出更具针对性的结论；在模型构建及选择方面，采用空间杜宾模型考察区域间的空间溢出效应及其边界值，克服变量内生性问题，使分析结果更加稳健。

二、研究设计

1.邻接空间权重矩阵

根据地理学第一定律，任何事物之间存在紧密相连关系，距离越近事物之间的关联性越强，地理邻接性特征也更加明显。通常而言，学术界以邻接空间权重矩阵描述相邻地区事物之间的关联程度[6-8]。假设有n个区域空间数据集与j两地之间的距离为ϖij，且定义邻接空间权重矩阵为W=[W1，W2，…，Wn]，那么两地之间邻接空间权重矩阵为：Wij=(ϖ1j，ϖ2j，…，ϖmj)T，i=1，2，…，m，j=1，2，…，n。若 存 在ϖ1j=…=ϖmj=0，那么说明两个地区间的距离为0，反之为1。

如若存在与其他地区均没有任何交集的某个地方（即“孤岛”），致使整体数据难以计算时，可采用行规范化矩阵方式进行测算：。式中为原矩阵中的两个区域之间距离。通过行规范化进行测度的关键为，在考量每个区域到其他区域的距离时（包括孤岛地区），均可按照Wx值（空间滞后，即x相邻的平均值）求得每个区域相邻的平均值。

另外，随着地理定位技术的不断成熟，目前两个区域之间的距离能够得到更精准的测算。因此，为了明确两地最短球面距离，假设邻接空间权重矩阵为W1，矩阵对应元素值设为1/dij，其中dij表示i与j两个区域之间最短球面距离，可用如下公式表示：

其中，R为地球半径，ai、aj分别表示地区i、j的经度，βi、βj分别为地区i、j的纬度。

2.空间自相关性

能否选择空间计量方法的一个基本前提是数据之间存在无空间关联性[9]。就空间序列而言，其自相关情形能够在多个方向发生，且相互之间会产生影响。这种情况下，形成关联区域之间具有相似变量参数值，同时存在高参数值和低参数值两类情况，所以关联区域的高参数值之间、低参数值之间、高参数值与低参数值之间可能因交汇而集聚[10，11]。理论上，学术界通常将高参数值之间、低参数值之间的这两类集聚现象视为“空间正相关”，高参数值与低参数值之间集聚称之为“空间负相关”，将高参数值与低参数值随机分布视为“无相关性”[12]。而莫兰指数是明晰这类区域空间自相关性的核心方法之一，其可划分为全局和局部两类，分别用于检视整体空间与局部空间的关联性。

式中，n代表区域总数量，xi、xj分别指代i、j两个区域观察值，x¯、S2分别表示所在地区的均值与方差，ϖij代表空间权重矩阵元素。一般情况下，全局莫兰指数位于[-1，1]之间。该指数值小于0时，空间相关性为负，值越小相关性越强；反之空间相关性越强。这一结论表明，全局莫兰指数会趋向正态标准分布。接下来，即可执行标准正态临界值检测流程，具体统计量检测公式为：

为了更进一步地考察某区域i附近空间集聚程度，学术界通常以局部莫兰指数来衡量，具体表现形式为：

与全局莫兰指数相同，局部莫兰指数范围为[-1，1]。该指数值小于0时，说明区域之间的空间相关性为负，指数值越低表示相关性越强，反之亦然[12]。这部分涉及其他参数的含义与全局莫兰指数含义相同。

在完成全局莫兰指数、局部莫兰指数检验后，学术界通常采用莫兰指数散点图，直观地描述全局、局部空间相关性。莫兰指数散点图是由横纵坐标交叉形成的一种四象限图，并且代表不同区域集聚类型（李卫东、黄霞，2018）。其中，横坐标(xi)、纵坐标(Wx)分别表示研究样本观察值、空间滞后值。第一象限为区域高参数值聚集情况(HH)，第二象限为区域低参数值与区域高参数值聚集情形(LH)，第三象限为区域低参数值聚集情形(LL)，第四象限为区域高参数值与区域低参数值集聚情况(HL)。这四类情形又可划分为两种情况：一是HH(LL)。即该地区与邻边地区的参数值均高于或低于总体均值的一类情况，表明两地之间在空间上具有显著正相关性。二是LH(HL)。即该地区参数值低于或高于总体均值，而邻边地区均值高于或低于总体均值的一种情况，两地之间在空间上具有负相关性。

3.空间计量模型

在现实视域下，因受外界多重因素的影响，许多事物之间均存在空间关联性。而空间计量模型可在同时考虑多重因素情况下探索事物之间空间关联性，因此在许多领域得到广泛应用（宁朝山，2020；卢新海、唐一峰，2019）。从分类来看，空间计量模型一般涵盖三大类型，包括空间滞后模型(SAR)、空间误差模型(SEM)以及空间杜宾模型(SDM)。这三类模型在现实空间场景中的应用存在较大差异。

空间滞后模型(SAR)。常用于分析周边区域被解释变量对研究区域被解释变量的影响情况。空间滞后模型的具体表达式为：

式(5)，X、Y分别为解释变量、被解释变量，β、σ分别是待估变量前的系数，ε为随机误差项。

空间误差模型(SEM)。表示在空间效应波及下，某一空间的元素扰动对其他空间元素产生一定程度的影响，具体表达式为：

式(6)，β为误差项的空间自相关系数。

空间杜宾模型(SDM)。此模型兼顾被解释变量与解释变量的空间滞后项，能克服前两种模型单一性的不足，具体表达式为：

式(7)，δ为解释变量X的空间自相关系数。

4.变量选取

（1）被解释变量：绿色技术创新(LS)

现阶段，学者通常以绿色产品创新和绿色工艺创新衡量绿色技术创新（王崇锋、孙靖，2021）。其中，以能源消耗量与新产品产量之比来指代绿色产品创新；以研发经费与技术改造经费投入之和衡量绿色工艺创新。另外，参考王梦媛、方厚政(2021)新观点并结合此次研究实际情形，文章认为以研发投入与能源消耗量的比值衡量绿色技术创新指标较为合适。而且该值越大，说明绿色技术创新水平越高。

（2）解释变量：农业知识产权保护度(NCB)

已有研究选取农业专利、商标、地理标志等指标，衡量农业知识产权保护水平（杨桔、万青等，2014）。但由于此类研究仅从单一方面论述，不足以综合考察农业知识产权保护程度。对此，文章参考李玲玲、赵光辉(2021)[13]的研究，利用农业知识产权立法强度和执法强度的乘积测度农业知识产权保护度。

（3）其他变量

按照研究内容关联性及数据可获得性，选取国际贸易、企业研发投入、外商直接投资、一国人力资本存量作为本次研究的控制变量，研究农业知识产权保护度对绿色技术创新的影响程度。各控制变量具体解释如下：

国际贸易(GJM)。在开放经济环境下，一国严格的农业知识产权保护会吸引国外先进涉农生态技术，从而加速这些技术在国际贸易领域中的应用。显然，农业知识产权保护对环境技术溢出的影响与国际贸易相关。因此，国际贸易以农业进出口贸易额占比来表征。其中，农业进出口贸易额以农产品进出口贸易总额替代。

企业研发投入(FL)。企业研发投入对绿色科技创新的影响可能在当期，抑或为滞后一定时期。对此，文章采纳毕克新、孙德花(2010)[14]的观点，选取废水排放量与工业产值的比值来衡量，该值越小说明绿色工艺创新能力越强。

外商直接投资(RL)。该变量用于反映地区利用外资带来环境技术溢出情形，通过吸收外来先进技术与管理经验，推动绿色技术创新发展（刘畅、田晓丽，2020），可以外商投资额衡量。

一国人力资本存量(HLR)。该变量是通过影响涉农绿色技术研发主体的消费能力，对农业知识产权保护产生空间溢出效应（孙燕铭、梅潇等，2021）。通常情况下，学术界以平均教育年龄测度人力资本量，具体方法为，以教育年限折算教育水平层次，并与该层次受教育水平人数相乘，之后求得加总均值。

三、实证分析

1.数据来源及处理

文章以2010—2019年为研究期，选取中国31个省份（港澳台地区除外）面板数据作为考察样本。考察样本及相关变量等数据主要从官方权威报告中选取，如《中国外资统计公报》《中国科技统计年鉴》《中国农业年鉴》；少量数据源自国家、地方统计年鉴；缺失过于严重的数据则采用线性插值法补全。另外，为实现数据线性化，降低因数据波动而影响最终结果的可能性，将文中涉及的国际贸易、企业研发投入、外商直接投资、一国人力资本存量的控制变量进行对数化处理，分别以ln(GJM)、ln(FL)、ln(RL)、ln(HLR)来表示。

2.描述性统计

为防止研究样本数据不统一、波动幅度过大影响最终研究成果走向，文章首先利用Excel 2007软件对考察样本数据进行频数、集中趋势、离散程度、分布情况进行集中处理，据此得到变量描述性统计结果，具体结果参见表1。

表1 各变量描述性统计

3.空间相关性检验

为了考察绿色技术创新的整体空间关联性，首先利用公式(2)测算中国2010—2019年31个省份的绿色技术创新全局莫兰指数，从中得出全局莫兰指数均值及各项指标显著性水平，具体如表2所示。从表2结果看出，2010—2019年期间，中国绿色技术创新的全局莫兰指数值均大于0，并且在1%或5%水平上显著。这说明中国各地区绿色技术创新具备显著的空间正相关性。即考察期内绿色技术创新高水平区域会显著影响邻边地区，且集聚效应呈现平稳态势。

表2 2010—2019年中国绿色技术创新的全局莫兰指数

为了深入考察绿色技术创新的局部关联性，文章进一步利用公式(4)对考察样本进行局部莫兰指数测算，并获得该指数的散点图（详见图1）。在局部莫兰散点图中，横、纵坐标分别表示空间单元发展水平、空间滞后项，各自指代绿色技术创新、邻边区域绿色技术创新水平加权和。局部莫兰指数散点图中四个象限展示出四类情形下空间关联程度。其中，居于一、三象限的省份在空间上呈显著正相关，处于二、四象限的省份在空间上呈显著负相关。另外，考虑到2010年和2019年是中国绿色技术创新发展的两个关键节点，这两节点能够解释国内绿色技术创新发展的实际情况，对于研究当期空间溢出效应具有重要意义。因此，文章仅以2010年、2019年为时间节点列出局部莫兰指数散点图。与图1相对应的表3给出了两个时间节点内，绿色技术创新局部莫兰指数散点图中的每一象限对应省份。

图1 绿色科技创新水平局部莫兰指数散点图

表3 对应省份所在象限

图1及表3内容显示，2010年期间，高水平-高水平（HH）集聚的省份涉及北京、天津、江西、山东、甘肃5个；低水平-低水平(LL)集聚的省份涵盖内蒙古、西藏、宁夏、辽宁等13个。2019年期间，这两个象限内的省份数量发生一定变动，高水平-高水平(HH)集聚省份增至8个，低水平-低水平(LL)集聚省份降至11个。相对来说，在上述两个时间节点内，高水平-低水平(HL)集聚、低水平-高水平(LH)聚集省份合计数量始终低于同向集聚（HH和LL）省份合计数量。也就是说，同向集聚现象始终居于主导地位。由此可知，中国绿色技术创新存在空间相关性，而且同向空间集聚现象比较明显。

4.空间溢出效应分析

（1）模型检验

对全局莫兰指数与局部莫兰指数结果进行分析发现，绿色技术创新水平存在空间关联性。为了判断这种空间关联性可否通过空间计量模型测算，文章接下来采用LM检验及稳健性的LM检验方法进行检验，所得结果如表4所示。研究结果显示，LM-error、Robust LM-error且Robust LM-Lag值均符合显著性检验标准，即说明无空间相关性假设被拒绝。此时可以判定，绿色技术创新水平的空间关联性可采用空间误差回归模型或者空间滞后模型进行讨论。

表4 LM检验结果

随后，文章通过Wald检验方法，测得Wald_spatial_lag和Wald_spatial_error值分别是15.26和19.35，均在1%的水平上显著。此项结果说明，绿色技术创新水平的空间关联性可通过空间杜宾模型加以测算。结合以上研究成果来看，文中所列三大空间计量模型均能考察绿色技术创新水平的空间关联性，但空间杜宾模型能够克服前两种模型指标单一性的不足，且兼顾了被解释变量与解释变量的空间滞后项（高星、向海凌等，2018）。因此，限于篇幅有限，文章接下来仅通过空间杜宾模型对绿色技术创新水平的空间关联性进行考察。

（2）空间杜宾模型

目前，空间杜宾模型主要涵盖随机效应与固定效应两大类型，固定效应模型还可分解为空间、时间、时空三类。鉴于面板数据模型选择会影响参数评估的准确性，需先明确何种模型更加适合研究。对此，文章首先将上述四大模型纳入同一框架并进行比较，其次通过霍斯曼检验方法从四种模型中选择适合研究使用的模型，最后进行空间关联性分析。经过霍斯曼检验，得到四种效应模型的拟合优度与对数似然Log-likelihood值如表5所示。

表5 四大模型拟合优度及对数似然结果

与其他三种效应模型比较发现，空间固定效应模型的Log-likelihood值与实际相契合，且其拟合度较高，整体表现良好。基于这一研究结果，文章接下来使用空间固定效应模型分析数据参数，结果详见表6。

表6结果显示：从空间维度层面分析，ρ值显著为正(0.2633**)。这说明，其一，中国区域之间的绿色技术创新水平突破了区域壁垒，区域之间的关联度较高；其二，邻边区域与本地区绿色技术创新水平呈双向互促的正向效应；其三，边缘区域能够正向促进本地区绿色技术创新水平提升的研究得到论证。

表6 空间杜宾模型参数估计

农业知识产权保护系数为正(0.0052**)，说明农业知识产权保护水平提升能够促进绿色技术创新，即农业知识产权保护力度越强，越有利于提升绿色技术创新水平。具言之，农业知识产权保护制度存在于法律法规政策当中，其可规范市场竞争行为，为农业研发人员创新成果提供保驾护航，进而保障绿色技术创新活动正常、有序开展。农业知识产权保护的空间项系数为正(0.0186**)，表明农业知识产权保护对绿色技术创新有显著空间溢出效应。换言之，本地农业知识产权保护力度的持续提升，可对邻边地区产生带动效应，在促进邻边地区农业知识产权保护水平提高的同时推进绿色技术创新。

国际贸易系数为正(0.0086**)，说明国际贸易量提高能够有效增强本地绿色技术创新能力。可能原因在于，农业企业在扩大国际贸易市场同时，也会吸引更多外贸企业进入本地市场。此情形下，农业企业深入参与国际贸易活动，吸收国际经验开展各项技术创新活动，有利于提升绿色技术创新水平。因而，农业企业需要关注国际贸易形态，不断提升自我绿色技术创新水平。国际贸易空间项系数为正(0.1933**)，表明本地扩大国际农产品贸易规模会对邻边地区产生带动效应，促进邻边地区绿色技术创新能力提升。可能的原因在于，本地国际农产品贸易规模提升，可刺激邻边地区农产品贸易增加，进而促使邻边地区绿色技术创新水平提升。

企业研发投入系数为正(0.0237**)，表明在增加研发投入的情况下，地区绿色技术创新水平随之提升，二者之间是一种正相关关系。换言之，企业研发投入提高，相应技术设施建设状况良好，对于提升绿色技术创新水平的作用越强。同时，企业研发投入空间项系数为正(0.0521**)，表明邻边区域研发投入的增加，会激励本地区致力于提升绿色技术创新水平。产生这一现象的原因在于，本地区农业生产企业研发经费的持续增加，可在拉动本地农业企业研发费用提升的同时，提升周边省域绿色技术水平。

外商直接投资系数为正(0.0062)，但不显著。这说明外商投资可在资金积累方面为本地绿色技术创新提供一定的支持。但由于外商直接投资存在流动性不畅、融资效率较低等问题，其对绿色技术创新驱动作用并不显著。外商直接投资空间项系数显著为正(0.0049**)，这意味着本地区外商直接投资水平越高，越能够带动邻边地区绿色技术创新结构优化，进一步吸引更多外商投资，提升邻边地区绿色技术创新能力。

一国人力资本存量系数系数显著为正(0.0263**)。这说明一国人力资本存量与绿色技术创新呈正相关关系。可能的原因是，具备丰富知识与开阔视野的人力资本，可为绿色技术创新提供智力支持。人力资本储量越多，越有助于提升绿色技术创新水平。因此，中国需要提高人力资源素养，发挥人力资本关键作用，提升绿色技术创新水平。一国人力资本存量的空间项系数为(0.0161**)，说明本地人力资本存量越大，对邻边绿色技术创新的拉动效应越强，越有利于提升邻边地区绿色技术创新水平。

四、农业知识产权保护对绿色技术创新的溢出效应边界

参考金刚等(2015)的做法，进一步对农业知识产权保护与绿色技术创新的空间溢出效应边界进行测度。假设：31个省份最近、最远距离分别为dmin、dmax，并以dmin+τ，dmin+2τ，…，dmax为初始值，每次增加τ。同时按照wij.d=1/dij2的标准，当出现dij≥d时，则有wij.d=0；反之，当出现dij＜d时，获得了距离阈值为d=dmin，dmin+τ，dmin+2τ，…，dmax。在此情形下，假定不同阈值空间权重矩阵为wij.d，将各自阈值空间矩阵代入空间杜宾模型进行进一步测算。

为了考察空间项系数显著性能否发生较大转变，需要通过阈值d检验样本间的距离持续增大时的情形。考虑到京津间贸易强度较为典型，因此文章以二者间的最近距离为初始值（120千米），且以70千米为递进距离τ的前提条件，首先构设出不同阈值区间的空间权重矩阵。随后，文章基于不同距离场景，利用空间杜宾模型测算农业知识产权保护空间项系数及对应显著性水平，结果见表7。

表7 不同范围农业知识产权保护对绿色技术创新空间溢出效应

对表7结果分析可知，在1240千米范围之内，农业知识产权保护的空间项系数均显著为正。超过这一数值后，空间项系数逐步由正向转为负向。这说明，农业知识产权保护对绿色技术创新作用存在一定的距离边界。产生这一现象原因可能是，各个经济区域之间贸易联系存在运输等多方面成本，当地区之间球面距离增大到一定程度时，农业知识产权保护会逐渐减弱[14]。在明确这一结论后，进一步讨论边界具体距离。经过测算后发现，农业知识产权保护的边界距离约为1240千米。也就是说，在1240千米距离范围内，农业知识产权保护能够显著提升绿色技术创新水平；超出这一距离后，农业知识产权保护作用难度不断增加，同时其空间溢出作用会逐步减弱以至消失。因此而言，1240千米是中国农业知识产权保护对绿色技术创新的空间溢出效应边界值。且就现实情况而言，某一地区农业知识产权保护效应在对本地绿色技术创新产生积极作用的同时，也会对周边地区产生溢出效应，而超出一定边界距离后，将难以对超出距离地区的绿色技术创新产生溢出效应。因此，文章的研究结果与实际情况较为契合。

五、结论与建议

1.研究结论

文章在参考传统关于农业知识产权保护、绿色技术创新等相关理论基础上，深层次讨论农业知识产权保护对绿色技术创新的影响机理。进一步以2010—2019年为时间跨度，选取中国31个省份面板数据，以地理距离构建空间权重矩阵，通过空间杜宾模型讨论农业知识产权保护对绿色技术创新的空间溢出效应及其效应边界。研究成果显示：第一，农业知识产权保护对绿色技术创新存在显著空间溢出效应，即本地区农业知识产权保护力度增强，既可以对当地绿色技术创新产生积极效应，也能作用于邻边地区形成空间外溢现象。同时，企业研发投入、国际贸易、一国人力资本存量对于绿色技术创新水平具有正向空间溢出效应，而外商直接投资的作用不显著。第二，农业知识产权保护对绿色技术创新空间溢出效应存在距离边界，边界值为1240千米。在这一数值范围之内，农业知识产权保护能够对邻边绿色技术创新产生空间溢出效应，而一旦超出这一范围，空间溢出效应就不再显著。

2.对策建议

第一，增强农业知识产权保护度的基本取向。在当前及较长一段时期内，中国农业知识产权的战略取向依然以强化保护度为主。一方面，基于农业产业安全与高质量发展的现实情况，提高对农业知识产权的保护力度。考虑到特殊农业发展国情、农业知识产权不同于传统意义知识产权特征，政府部门应该出台相关政策规范，严格保护农业知识产权与绿色化技术的相关创新行为，提倡对生态保护的高效行为，从而加强农业产业经济更高质量的发展。另一方面，以司法保护法治为导向，深层次推动农业知识产权保护的绿色化发展。考虑到农业环境保护工作涉及一定范围的公共利益，因此相关机构应设立相关司法保护制度，着重加强对农业知识产权环境保护纠纷作以调节，推动农业经济绿色化发展。

第二，打造农业产业生态利益多元协同机制。当前，由环境污染、生态破坏等因素引发的农业资源危机，逐步成为农业产业发展的重大难题。要想突破农业知识产权领域的这一难题，需要以利益均衡博弈方式，建立农业知识产权保护生态效益最大化引导规范。鉴于利益平衡机制是博弈后的最佳选择，政府需要协同利益关联方构建协同利益机制，由此兼顾农业知识产权人的专有权与社会公众生态化利益，最终抑制农业生态破坏现象。具体而言，构建农业知识产权相关利益主体的生态协同治理机制，即以政府部门为主导，联合农业领域各方主体，共同设计农业知识产权专有性与社会对智力产品需求之间的平衡体系。另外，可通过确定毗邻地区先行示范区，围绕探索构建跨区域统筹机制、统一管理模式、多主体联动机制、跨区域利益联结机制，不断组织各地农业生态利益方进行先行先试，深入落实农业知识产权保护，从而打造同城化发展支点，进一步推进绿色技术创新。

第三，强化不同区域之间农业绿色技术创新的联系。文中研究成果显示，中国农业知识产权保护对绿色技术创新存在空间溢出效应的边界值。也就是说，当距离增加到一定程度时，各个地区农业产业经济之间的贸易联系不再紧密，即农业知识产权保护对绿色技术创新积极影响的会受空间距离增大而减弱。因此，在完善农业知识产权保护制度以推动绿色技术创新时，应考虑相邻或经济往来密切地区之间的空间相关性及农业产业之间的关联度，加强区域交流合作，实现农业产业联合，提高农业经济高质量发展。应面向具有农业产业互补的城市构建农业产权保护的环境规制标准和市场准入，防止部分城市宽松环境规制引发地区间出现绿色技术创新矛盾问题。