我国区域绿色技术创新效率的分类测度和提升模式研究
——基于非期望产出的SBM-SupSBM模型

李 昊, 范德成, 张书华, 马丽宏

(1.天津财经大学 管理科学与工程学院,天津 300222; 2.哈尔滨工程大学 经济管理学院,黑龙江 哈尔滨 150001; 3.黑龙江大学 化学化工与材料学院,黑龙江 哈尔滨 150001)

0 引言

近年来，环境空气质量问题已越来越引起人们的重视。根据生态环境部发布的《2020中国环境状况公报》，全国337个地级及以上城市中135个城市环境空气质量超标，占40.1%，比上一年下降13.3%。尽管环境质量有所上升，但仍需要采取措施应对环境污染。环境污染在很大程度上来自于企业，因此企业绿色技术的发展是缓解环境污染问题的基本途径[1]。《“十四五”工业绿色发展规划》提出全面提升绿色制造水平，强化科技创新对工业绿色低碳转型的支撑作用，实施绿色技术创新攻关行动。绿色技术创新不仅有助于企业创造经济效益，也有利于企业提升环境和生态效益[2]，从而提升企业社会责任。本文将首先构建评价模型，对我国绿色技术创新效率进行测度，之后再进一步分析影响绿色技术创新效率提升的因素。

1 文献综述

绿色创新的研究早在20世纪90年代就已经开始[3]。绿色创新包括新技术、产品、服务或商业模式，这些新技术、产品、服务或商业模式对环境和社会有积极影响，或满足客户的需求，而且其有害影响比替代产品[4]。对于绿色技术创新效率的评价方面，大体运用的方法都是基于数据包络分析的效率评价法：聂名华和齐昊[5]运用纳入非期望产出的DEA-SBM模型测算了资源环境约束下中国工业企业的两阶段绿色创新效率；徐建中等人[6]采用超效率SBM-Undesirable模型测算行业绿色创新效率；Luo等人运用Malmquist-DEA评价绿色技术创新效率；梁中和昂昊[7]通过DEA-BCC模型、岳鸿飞[8]运用SBM-DDF模型测算绿色技术创新效率。

再次，对于促进绿色技术创新效率提升的因素方面。理论和经验证据表明技术进步的方向受到市场和监管激励以及基于激励的经济政策的影响[9]：Yu等人[10]认为销售商和创新者之间的研发(R&D)合作联盟，能够开发并将创新的绿色技术推向市场；Liu等人[11]认为对外开放水平、新产品需求、金融要素市场的扭曲、政府支持等因素会影响绿色技术创新效率，并运用拉索回归和分位数回归法对影响因素进行分析；Mensah等人[12]认为技术转移对绿色创新效率的提升有极大的关系。Oltra和Jean检验了环境和创新政策对技术体制和需求条件的影响，以及对法国汽车工业环境政策和创新政策的制约。

综上所述，以往在绿色技术创新效率方面的研究在测度方法和影响因素方面对本文的开展提供了帮助。考虑到评价方法的完善性，本文根据模型组合的思想，构建SBM-SupSBM模型，并考虑非期望产出。之后，对绿色技术创新效率进行评价测度，将各省市绿色技术创新效率进行归类，并通过面板数据模型和岭回归模型对影响因素进行分析。

2 理论分析和研究方法

2.1 非期望产出对效率的影响

Holger Scheel[13]最早对考虑非期望产出的效率分析方法进行梳理，Koopmans最初通过加性逆(ADD)对非期望产出进行函数改造，之后Ali &Seliford在此函数基础上引入β标量(TRβ)，使得非期望产出量化为正数；与此同时Golany & Poll通过乘法逆(MLT)方法对非期望产出进行函数改造；Färe等人认为非期望产出具有弱可处置性(WD)，通过改变技术集合对其进行测算。经过比较分析，Scheel发现这些方法得出的效率集合相同，但是效率数不同。之后，Lawrence M. Seiford[14]构建了考虑非期望产出的DEA-BCC模型，利用线性单调递减变换对非期望输出进行处理。Färe et al.对该方法进行评论，认为这种模型计算出来增加非期望产出和投入会提高效率，但是这样显然不可取，因此提出建立联合环境技术模型，并从增加良好产出和减少不良产出的角度衡量绩效，之后这种方法被普遍使用。我国学者郭贯成通过生产可能性边界理论分析非期望产出通过外部效应对效率的影响[15]。

2.2 绿色技术创新效率提升的理论假设

对于绿色技术创新效率的提升，大量国内外文献对此展开的研究，本文将企业内部和企业外部两方面进行阐述：

2.2.1 企业内部

企业是推动工业绿色发展效率提升的主力军。Klewitz & Hansen[16]提出企业生产过程、组织结构、产品创新是绿色技术创新的组成部分。其中，企业生产过程通过节能减排来影响绿色技术；企业产品的创新竞争力来源于研发支出，劳动者能力、技术保护等；组织结构的创新来源于企业识别、实施和监督等想法的创新。除此以外，企业融资能力、生产效率、管理组织能力也会影响绿色技术创新效率。基于此，提出以下假设：

假设1企业规模会影响绿色技术创新效率，两者呈正相关。

假设1a企业规模对绿色技术创新波动较大的省份作用较为明显。

假设2技术进步会影响绿色技术创新效率，两者呈正相关。

假设2a技术进步对绿色技术创新波动较大的省份作用较为不明显。

2.2.2 企业外部

Zhang et al.通过对中国制造业企业的实验研究得出政府环境规制对绿色技术创新效率产生正向影响。苏昕[17]等人认为政府补助在环境规制对绿色技术创新中具有中介效应。合理的环境规制可以激励企业进行技术创新，进而提高企业市场竞争力，弥补由于治理污染带来的环境成本[18]。除此以外，郭海红等人[19]通过实证得出政府制定的区域协调政策也能促进绿色技术创新效率。另外，Jiang et al.[20]通过中国企业数据实证检验得出绿色创业导向会影响绿色技术创新效率的提升。基于此，提出以下假设：

假设3环境规制会促进绿色技术创新效率的提升。

假设3a环境规制对绿色技术创新波动较大的省份作用相对不明显。

以上假设的创新之处在于：以往的相关假设只是考虑企业规模、环境规制、技术进步对绿色技术创新效率的影响。但是本文将就绿色技术创新效率波动较大的省份进行进一步分析，目的在于探索绿色技术创新不稳定的省份应该如何采取更稳妥地提升模式。

2.3 评价模型的构建

根据著名学者Tone提出的SBM和超效率SBM模型，本文借鉴Tran等人[21]提出的整合模型，将SBM和超效率SBM模型进行整合，并考虑非期望产出。假设n个决策单元DMUk(k=1,2,…,n)，m个输入指标，xik对第k个决策单元的第i个输入标量，q1个期望产出，q2个非期望产出。整合模型如下:

(1)

(14)

3 实证分析

3.1 我国区域绿色技术创新效率测度

3.1.1 绿色技术创新效率指标体系构建

本文借鉴Li[22]的投入产出模型构建，确定绿色技术创新效率指标体系。基于生产要素理论，本文从资本、劳动力、能源、技术产出角度选取绿色技术创新效率的投入指标。另外借鉴王海龙[6]对绿色技术创新效率的描述，认为专利授权量(P)也是产出变量。关于非期望产出的选择，借鉴张娟对绿色全要素生产率的测算，选择二氧化硫排放量(SO2)、废水排放量(WW)和工业固体废弃物排放量(SW)作为非期望产出变量。评价指标体系如表1所示。由于部分数据缺失，能够从《统计年鉴》中确保搜索到2004～2018年的各省市数据。

表1 绿色技术创新效率指标体系

3.1.2 绿色技术创新效率测度结果分析

运用MATLAB软件对SBM-SupSBM模型结果进行分析，得出各省市绿色技术创新效率测度值。为了便于对各省市绿色技术创新能力进行分析，根据效率的折线图以及极值、期望和方差将各省市进行聚类，分类情况如表2所示。

表2 各省市绿色技术创新效率的聚类

第一类别：稳定上升类。这一类别中的省市绿色技术效率均呈现上升趋势。从绿色技术创新行为来看，北京市2014～2017年度的绿色专利申请量排名全国前五，绿色技术创新效率也稳步上升。山西作为全国最大的煤炭产地，也逐渐进入了高效清洁转化利用的新时代，绿色技术创新效率不断提升。辽宁省近年来将以人的需求为出发点，全面提升城市规划建设，建设和谐、宜居、绿色生态的现代化城市，绿色技术创新效率提升。吉林省近年来以食品、石化、冶金、建材、能源等传统行业为重点，全面推行绿色化升级改造，鼓励企业实施绿色标准，推广应用绿色技术，促进绿色技术创新效率提升。

第二类别：平稳类。这一类别中的省市绿色技术创新效率保持平稳。从绿色技术创新行为来看，江苏省绿色专利申请量名列前茅。广东省2017年设立了绿色金融改革创新试验区。黑龙江省依托独特的生态资源优势，近年来不断发展绿色食品产业。四川省也通过创新体制改革不断推进农业绿色发展。贵州省2016年成为中国首批国家生态文明试验区，绿色生态在国内生产总值的比值越来越高。近年来，云南省主打三大“绿色”王牌。

第三类别：大幅度波动类，这一类别中的省市绿色技术创新效率存在较大幅度的波动。从绿色技术创新行为来看，江西省和宁夏省近年来不断打造国家绿色工厂和国家绿色工业园区。

第四类别：下降类。这一类别中的省份绿色技术创新效率不断下降。

3.2 我国区域绿色技术创新效率提升的影响机制分析

3.2.1 提升指标体系构建

根据绿色技术创新效率提升的影响因素，从企业内部和企业外部选择构建指标体系：(1)企业内部：企业生产方面，衡量企业规模的方法有总资产指标、营业收入额指标等单一变量法，和R&D投入、知识能量的组合变量法[23]。本文选取主营业收入占GDP比重(MOIr)；产品创新方面，郭威和司孟慧[24]认为开放式创新和自主创新性会同时影响技术创新效率，因此本文借鉴成琼文等人的方法，用实收外国资本占GDP的比重衡量技术的开放程度(AUFIr)。同时运用Malmquist-DEA方法测算各省市的技术进步率(TPr)。(2)企业外部：本文借鉴大多数学者用工业污染治理占GDP比重、或占工业产值比重、环境污染治理占工业产值比重的衡量办法。考虑到GDP或工业产值的内生性问题，因此选取工业污染治理投资占环境治理投资比重(IPCIr)[25]代表环境规制的强度。同时，研发投入的增加有助于促进地区技术进步[26]。

3.2.2 实证结果分析

(1)稳定上升类别的提升模式分析

首先，绘制残差拟合图，发现解释变量与被解释变量之间呈非线性关系，因此添加交互项。根据单位根检验，其中实际利用外商投资占GDP比重(FDIr)为一阶单整，工业污染治理投资占环境治理投资比重(IPCIr)为二阶单整。根据个体效应、时间效应以及豪斯曼检验，选取混合模型，如表3所示。

表3 稳定上升类别的面板数据分析结果

根据表中得知，对于绿色技术效率稳定上升的省份：(1)企业内部：规模以上企业主营业务收入占GDP比重(MOIr)对于绿色技术创新效率产生负的显著性影响，说明企业规模与绿色技术创新效率之间不存在正相关，因此拒绝假设1；实际利用外商投资占GDP比重(AUFIr)对绿色技术创新效率产生正的显著性影响，技术进步率(TPr)对绿色技术创新效率产生负的显著性作用；尽管如此，规模以上企业主营业务收入占GDP比重(MOIr)和技术进步率(TPr)的交互项对绿色技术创新效率均产生正的显著性影响。(2)企业外部：工业污染治理投资占比(IPCIr)对绿色技术创新效率影响不显著，因此拒绝假设3。

(2)平稳类别的提升模式分析

首先，从残差拟合图得知解释变量与被解释变量之间呈线性关系。然后进行单位根检验，其中规模以上企业主营业务收入占GDP比重(MOIr)为一阶单整。根据个体效应、时间效应以及豪斯曼检验，选取随机模型，并对东部区域、中部区域和西部区域进行模型分析。系数结果如表4所示。

表4 平稳类别的面板数据分析结果

根据表中得知，对于绿色技术效率平稳的省份：(1)企业内部：规模以上企业主营业务收入占GDP比重(MOIr)对仅对中部区域绿色技术创新效率产生负向的显著作用，说明企业规模的对于绿色技术创新效率平稳的省份作用不明显；实际利用外商投资占GDP比重(AUFIr)绿色技术创新效率未产生显著性影响，技术进步率(TPr)对大部分区域绿色技术创新效率产生显著地正向影响，此时接受假设2。(2)企业外部：工业污染治理投资占环境投资比重(IPCIr)仅对中部区域绿色技术创新效率产生正向的显著作用，说明环境规制对于绿色技术创新效率平稳的省份作用不明。

(3)大幅波动类别的提升模式分析

首先，绘制残差拟合图，发现解释变量与被解释变量之间呈非线性关系，因此添加交互项。其中绿色技术创新效率、规模以上企业主营业务收入占GDP比重(MOIr)、实际利用外商投资占GDP比重(AUFIr)、工业污染治理投资占环境投资比重(IPCIr)均为一阶单整，经过差分处理之后，运用Wooldridge方法检验序列的相关性，p值大于0.05，说明模型序列不相关。根据个体效应、时间效应以及豪斯曼检验，选取混合模型。模型分析结果如表5所示。

根据表中得知，对于绿色技术效率大幅度的省份：(1)企业内部：规模以上企业主营业务收入占GDP比重(MOIr)对绿色技术创新效率产生显著的抑制作用，说明企业规模对绿色技术创新效率波动较大的省份起到显著的抑制作用，此时拒绝假设1，接受假设1a；实际利用外商投资占GDP比重(AUFIr)和技术进步率(TPr)对绿色技术创新效率作用不显著，说明技术推进对绿色技术创新效率波动较大的省份作用不明显，此时拒绝假设2，接受假设2a；尽管如此，规模以上企业主营业务收入占GDP比重(MOIr)和技术进步率(TPr)的交互项对绿色技术创新效率均产生正的显著性影响。(2)企业外部：工业污染治理投资占环境投资比重(IPCIr)对绿色技术创新效率作用不显著，说明环境规制对于绿色技术创新效率波动较大的省份作用不明显，因此拒绝3，接受假设3a。

表5 大幅波动类别的面板数据分析结果

(4)下降类别的提升模式分析

考虑到各经济数据之间存在共线性，选取岭回归法对江苏省绿色技术创新效率的影响因素进行分析，回归结果如表6所示。

表6 下降类别的面板数据分析结果

根据表中得知，对于绿色技术效率大幅度的省份：(1)企业内部：规模以上企业主营业务收入(MOIr)绿色技术创新效率产生负向显著性作用，说明企业规模没有对绿色技术创新效率起到推动作用，此时拒绝假设1；实际利用外商投资占GDP比重(AUFIr)对绿色技术创新效率起到显著的正向作用，技术进步率(TPr)对绿色技术创新效率作用不显著，说明技术推进对绿色技术创新效率下降的省份也会产生推动作用，此时接受假设2；企业规模以上企业主营业务收入占GDP比重(MOIr)和技术进步率(TPr)的交互项没有对绿色技术创新效率均产生显著性影响。(2)企业外部：工业污染治理投资占环境投资比重(IPCIr)对绿色技术创新效率作用不显著，说明环境规制对于绿色技术创新效率下降的省份作用不明显，因此拒绝假设3。

4 结论与对策建议

本文首先构建考虑非期望产出的SBM-SupSBM模型，之后对绿色技术创新效率进行评价和分类，分别是：(I)稳定上升类；(II)平稳类；(III)大幅波动类；(IV)下降类，绿色技术创新效率呈明显下降趋势；之后对各类绿色技术创新效率的影响因素进行分析。(I)这部分省市绿色技术创新稳定提升的来源为实际利用外商投资，以及企业规模和技术进步的共同作用。因此，对于绿色技术效率平稳上升的省份，应注重技术的开放程度。此类省份，拒绝假设1和假设3，接受假设2；(II)第二类别：这部分省市绿色技术效率的保持源于技术发展水平。企业规模和环境规制，仅对中部区域的绿色技术创新产生推动作用。此类省份，接受假设2；(III)第三类别：企业规模对绿色技术创新效率波动较大的省份起到显著的抑制作用，环境规制和技术进步作用不显著。此类别接受假设1a、假设2a、和假设3a；(IV)第四类别：企业规模对绿色技术创新效率的提升起到抑制作用，技术进步对绿色技术创新效率起到推动作用，此类别拒绝假设1和假设3，接受假设2。最后提出对策建议：(1)提升整体技术水平是提升绿色技术创新效率的关键；(2)增强企业规模扩大和技术进步的协同发展，尤其针对绿色技术创新效率较大的省份，例如为企业营造良好的技术竞争合作环境，在研发创新上实行更多优惠政策，鼓励企业多设置研发部门、培养研发人员；(3)注重技术的开放程度，尤其是中西部地区；(4)适应政府计划模式。技术创新应适应政策和市场的关系，既要发挥市场配置资源的基础性作用，也要发挥政府政策的调控作用。