长江经济带科技创新驱动绿色发展效率研究

朱冬元，孙浩然，纪 磊

（中国地质大学（武汉）经济管理学院，武汉 430074）

改革开放以来，中国经济取得了快速增长，社会发展也取得了举世瞩目的成就，但同时也带来了生态环境破坏、资源浪费和区域发展不平衡等问题，绿色发展成为中国经济社会持续健康发展的必由之路。在地区发展进程中，区域之间必然会通过人口流动、资金流动和技术流动等方式相互影响，不同地区的资源禀赋、地域特点等要素差异及其相互作用一直是区域经济学研究的重点［1］。20 世纪80 年代，中国科学院院士陆大道提出了中国区域发展的“T” 形空间结构战略，建议将长江经济带作为国家最重要的经济带之一进行建设［2］。长江经济带覆盖中国长江流域的9 省2 市，土地面积占全国的21%。2017 年，长江经济带GDP 总量达37.1 万亿元，占全国经济总量的44.8%。作为中国经济密度最大的流域经济带，通过开发其广阔的经济腹地，长江经济带未来将成为中国经济增长潜力最大的地区［3］。

2018 年4 月，习近平总书记在武汉主持召开深入推动长江经济带发展座谈会，强调要协调生态环境保护和经济发展的关系，必须坚持生态优先和绿色发展的战略定位。绿色发展强调经济系统、社会系统和自然系统间的协调与统一［4］，要求以更少的资源要素投入来实现更高的经济产出，同时保障环境污染的最小化。胡鞍钢［5］提出绿色发展主要是绿色经济、绿色财富和绿色福利的全面发展，通过资源效率提高、生态资本增加和绿色创新优化来实现经济、社会和生态环境的可持续发展。目前中国处于工业化后期，经济粗放式高速增长的模式已经为资源与环境带来了巨大的压力。为解决环境污染等问题，十九大将污染防治作为决胜全面建成小康社会的三大攻坚战之一，可见要实现绿色发展需要转变观念，要从传统的生产要素驱动转变为科技创新驱动［6］，如何通过科技创新驱动绿色发展将成为中国经济高质量发展的关键所在［7］。因此，随着绿色发展成为长江经济带未来发展的主导方向，深入探究科技创新对长江经济带绿色发展的作用机制及其影响程度有着重要的理论和现实意义。

1 研究背景与假设

1.1 研究背景

结合国内外现有关于科技创新与绿色发展的研究，大部分学者认为科技创新对促进地区的绿色发展具有积极作用，如王亚平等［8］认为科技创新为工农业的发展提供了绿色生产方式，能够使产业结构优化升级，最终实现生产、生活和生态的绿色发展。田晖等［9］在研究了中国47 个城市的面板数据后发现，创新驱动对智慧城市的绿色发展具有促进作用，但是不同创新驱动指标的促进作用存在差异。此外，也有学者认为科技创新是把双刃剑，既有助于资源、环境和生态问题的解决，也有可能成为问题的制造者，高新技术本身不等于绿色环保，甚至可能对资源、环境和生态的威胁更大，如IT 技术就是耗能和排放大户［10］。

总结学术界的研究成果，科技创新驱动绿色发展的途径主要体现在3 个方面。①科技创新资本效应。由于科技创新具有较长的周期且风险成本较高，导致企业科技创新投入不足，因此，政府通过R&D 投入来支持企业的科技创新显得格外重要［11］，从而推动资源节约与环境保护的绿色发展。大多数学者认为政府的财政资助和补贴能够提高企业的研发投入强度［12，13］，对企业的创新绩效也有着显著的促进作用［14］。此外，政府采取适当的财政手段还能缓解地区经济增长过程中SO2的排放［15］，并减少单位GDP 的废水排放［16］。②科技创新成果效应。地区的专利成果有助于将低层次的生产率转化为高层次的生产率，从而引领绿色发展。陈诗一［17］认为科技创新产生的技术效应对环境质量的改善有着积极作用，而科技创新的重要组成部分就是专利申请量。专利申请量的增加有助于拉动城市绿色全要素生产率的提高［18］，而且专利申请量的占比还能够检验政策对企业绿色创新的诱发作用［19］。此外，徐国兴等［20］认为专利的成果转化是提升城市创新能力的重要方式。科技创新具有路径依赖的特征，在节约企业生产成本的同时也能保护生态环境［21］。③科技创新人才效应。创新人才占比的增加能够提升科技转化效率，从而促进地区的绿色发展。创新人才基数的扩大对创新驱动发展有着重要的作用，城市中创新人才越多，则研发部门的科技转化效率越高，越能够有效提升绿色发展质量［22］。在城市发展过程中，产业集群与区域内科研机构和高校等科研人员的聚集地能够形成网络体系，加速科技成果转化，从而有效降低成本和营造良好的创新驱动氛围，实现经济效益和环境保护的协调发展［23］。

由于目前学术界探究科技创新与绿色发展的研究大多基于定性分析，从实证角度探究长江经济带科技创新与绿色发展的研究还比较欠缺，因此，本研究从空间视角实证研究长江经济带科技创新对绿色发展的驱动作用及其空间溢出效应，能为长江经济带的绿色发展提供一定的理论支持，也能够为理解科技创新与绿色发展的关系提供新的思路。

1.2 研究假设

结合上述分析，本研究认为科技创新驱动绿色发展主要通过科技创新资本效应、科技创新成果效应、科技创新人才效应3 个方面的途径，由此提出以下3 个假设。

假设1：高效的科研资金投入能够改善市场的科技创新资本环境，并优化城市基于创新驱动的生态系统建设，从而支持地区的绿色发展。

假设2：地区的专利成果能够促进生产率向更高程度转化，从而带动地区的绿色发展。

假设3：人才占比的增加能够加速科技成果转化，从而促进地区的绿色发展。

2 长江经济带绿色发展的测度

关于绿色发展的测度学术界主要有2 类方法。一类是构建绿色发展指数。如向书坚等［24］通过三级指标体系来综合反映绿色发展指数，王勇等［25］利用国家发改委公布的《绿色发展指标体系》来反映绿色发展的六大方面。但是，指数法存在着赋权差异和数据可得性的问题。另一类是测度绿色发展效率。通常运用数据包络分析法（DEA）来测度投入与产出效率。DEA 方法作为一种非参数分析法，通过比较各决策单元与参考决策单元的相对效率，将目标函数转化为线性规划问题，并通过最优化过程来确定权重，可以综合多种投入与产出变量的信息，因而被广泛应用于相关领域。Charnes 等［26］较早通过DEA 模型测算了中国1983—1984 年28 个主要城市的经济效率。还有一些学者在DEA 模型的基础上添加非期望产出，即运用非期望产出的DEASBM 模 型 来 测 算 中 国 省 级 的 生 态 效 率 值［27，28］。Huang 等［29］在此基础上提出了考虑超效率、非期望产出以及全局参比的DEA-SBM 模型来测算绿色发展效率。由于测度绿色发展在考虑经济因素的同时也需要考虑资源环境因素，故本研究运用DEASBM 模型来测算长江经济带的绿色发展效率。

2.1 绿色发展效率评价模型

假设生产系统存在n 个独立的决策单元（DMU），每个DMU 分别对应投入、期望产出和非期望产出3 个向量，即x —Rm,yg—RS1和yb—RS2。

对所有的DMUS，可以定义3 个矩阵，即X =期望产出矩阵。x、yg、yb＞0，假设规模报酬不变，则生产可能性集定义为：

式中，λ 表示权重向量。

对DMU0()，如果不存在向量()—P使得，且至少有一个不等式是严格不等，则DMU0()处于前沿面上，即为有效率的。参照Tone 等［30］的方法，DEA-SBM 模型可以表示为：

式中，S 表示投入、产出的松弛量，S-—Rm、Sb—RS2分别代表投入及非期望产出的冗余，Sg—RS2表示期望产出的不足。当0 ＜P*＜1 时，被评价的DMU 是低效率的，可以优化配置投入与产出量来提高效率值。而当P*—1 时，则S-= 0,Sg= 0,Sb= 0，说明不存在期望产出的不足，也不存在投入及非期望产出的冗余，此时被评价的DMU 是有效率的。

根据已有研究［31］，本研究在投入与产出的指标选择上充分考虑资源环境因素，尽可能地反映省域经济增长、资源节约与环境保护三者之间的作用关系。选取劳动力就业人数、地区资本存量、土地资源面积、能源消耗量、供水总量来表示投入指标，选取地区生产总值（GDP）来表示期望产出指标。考虑到中国空气污染、水污染严重的现状，选取常用的工业SO2排放量、工业烟（粉）尘排放量和工业废水排放量来表示非期望产出指标。

2.2 长江经济带绿色发展效率

为便于观察长江经济带各省级行政区绿色发展效率的分布和变化情况，本研究计算了长江经济带11 个省级行政区的绿色发展效率，并将2011 年与2017 年的结果进行对比（表1）。由表1 可知，重庆市和上海市的绿色发展效率有大幅提升，且在2017年数值为1，处在有效率的前沿面上。上海市之所以有效原因可能在于其产出水平和技术效率较高；而重庆市之所以有效原因可能在于其环境污染水平较低，因此非期望产出值较低，经济发展超过了环境成本的增加。相比而言，其他省级行政区的绿色发展效率相对较低，主要介于0.4～0.7，说明大多数省份处于中等效率水平，未来还有很大的发展空间，且云南、贵州、湖南、湖北、安徽这些省份的绿色发展效率在样本时间段呈逐步上升的趋势，说明这些省份的绿色发展效率总体来说有所成效。分区域来看，长江经济带上游地区的绿色发展效率整体依次小于中游地区和下游地区，说明下游地区在绿色发展过程中把握住了机遇，利用自身较好的资源和地域优势，发展绿色经济，而中游地区和上游地区在绿色发展过程中面临着经济发展和环境保护的双重压力，需要更好地完成经济转型。

表1 2011 年与2017 年长江经济带11 个省级行政区绿色发展效率

3.1 构建指标体系

1）被解释变量：选取绿色发展效率（GRE）作为被解释变量来衡量经济溢出和环境溢出的综合效应。

2）核心解释变量：选取科技创新资本（TIC）、科技创新成果（TIA）和科技创新人才（TIT）3 个指标分别代表影响途径中的科技创新资本效应、科技创新成果效应和科技创新人才效应。其中，科技创新资本（TIC）用政府的科技支出占财政总支出的比重来表示；科技创新成果（TIA）用专利申请量来表示；科技创新人才（TIT）用高校学生数量占总人口的比重来表示。

3）控制变量：将影响绿色发展效率的其他变量进行控制。人均GDP（RGDP）即长江经济带各省份的人均生产总值，以2011 年不变价为基准；产业结构（IS）用各省份的第三产业增加值占GDP 的比重来表示；城镇化水平（UI）用各省份的城镇人口占总人口的比重来表示。

考虑到政策变迁和数据可得性等因素，本研究主要从《中国统计年鉴》《中国环境统计年鉴》以及各省份统计年鉴中，选取2011—2017 年长江经济带11 个省级行政区的面板数据来进行分析，并对各变量进行了标准化处理，各变量的描述性统计结果如表2 所示。

3.2 构建空间计量模型

由于区域之间普遍存在着经济和要素资源的空间联系，不同地区的经济社会指标会相互影响，因此需要构建空间计量模型来分析科技创新对绿色发展效率的影响。为此本研究构建基本空间计量模型如下：

式中，GREit表示绿色发展效率，TECit表示科技创新的3 个核心指标，Macroit表示人均GDP、产业结构和城镇化水平3 个宏观控制变量，μi表示不随时间变化的个体固定效应，γt表示时间固定效应，εit表示随机误差项。

对地区的绿色发展效率而言，不仅受本地区各因素的影响，还受其他地区滞后期的影响［32］。因此，本研究在式（4）的基础上加入空间变量和滞后期，从而构建动态空间面板模型如下：

式中，GREit表示绿色发展效率，ρ 表示空间回归系数，wij表示空间权重矩阵，LnxTit表示各解释变量，δ —wijxTit表示j 地区的i 影响因素在t 时期的空间滞后项，δ 表示空间滞后项系数，μi表示空间固定效应，γt表示时间固定效应，εit表示随机误差项。

本研究采用同时考虑地区地理距离和经济因素的空间嵌套矩阵作为空间权重矩阵，该矩阵由地理权重矩阵和经济权重矩阵相乘得到。使用空间嵌套矩阵进行运算，可以在体现省级行政区空间距离的同时考虑经济的相互依赖关系，能够较好地反映实际情况。

4 实证分析

4.1 空间相关性检验

为验证各省级行政区绿色发展效率的空间相关性，本研究基于空间嵌套矩阵对长江经济带绿色发展效率进行了莫兰指数（Moran’s I）检验，计算公式如下：

式中，M 表示省级行政区的数量，xi和x—分别表示某省级行政区的样本观测值和总体样本观测均值（i=1，2，…，M），Wij表示i 与j 区域的空间权重赋值。

表2 各变量的描述性统计结果

莫兰指数的取值范围介于-1～1，当莫兰指数小于0 和大于0 时，分别表示变量间存在空间负相关性和空间正相关性，即离散效应和集聚效应；而当莫兰指数等于0 时，表示变量间不存在空间自相关性。莫兰指数的绝对值越大，表示空间自相关性越强。

2011—2017 年长江经济带绿色发展效率的莫兰指数检验计算结果如表3 所示。由表3 可知，2011—2017 年，长江经济带绿色发展效率的莫兰指数均在10% 的水平上显著为正，且数值呈增大的趋势，说明长江经济带绿色发展效率呈愈发增强的空间集聚效应。究其原因，可能是由于随着长江经济带绿色发展上升为国家战略，各地区出台了一系列有利于环境保护的政策，使资本和人才资源产生虹吸效应，加快了产业转型升级。

表3 2011—2017 年长江经济带绿色发展效率的莫兰指数检验

4.2 实证结果

为防止伪回归出现，本研究对所有数据进行了单位根和协整检验，结果均通过了检验，说明面板数据有较好的平稳性。关于空间计量模型的选择，常用的空间计量模型有空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM），可以通过LM检验、wald 检验和LR 检验来选择合适的空间面板模型。

为便于比较和检验结果的稳定性，本研究将3种模型同时进行了回归分析。此外，还对面板数据进行了Hausman 检验，结果显示P 均通过显著性检验，因此，选用固定效应明显优于选用随机效应。本研究还分别对各模型的时间固定效应、空间固定效应和双固定效应进行控制，通过比较拟合优度R2来选择最佳模型。普通面板和空间面板的回归结果如表4 所示。

由表4 可知，空间杜宾模型的拟合优度最高，因此优先通过模型4 的结果进行分析。结果表明，科技创新的3 个核心指标中，科技创新资本和科技创新成果均显著为正，且科技创新资本和科技创新成果每增加1%，则绿色发展效率分别增加0.022 7%和0.063 9%，说明科技创新资本和科技创新成果对地区的绿色发展效率有着积极影响，这与假设相符。科技创新人才没有通过显著性检验但系数为正，说明科技创新人才对绿色发展效率有一定的促进作用，但效果不明显，原因可能在于中国科技创新人才的培养基数大，但培养方式和人才结构并不合理，导致真正优秀的科技创新人才短缺，从而对绿色发展效率的影响有限。人均GDP 的系数显著为正，说明地区经济发达程度可以提高绿色发展效率，地区经济越发达，对科技创新资源越有集聚效应和虹吸效应，从而带动绿色发展效率的提高。产业结构对绿色发展效率也有显著的积极影响，这与车磊等［33］的研究结果一致，产业结构是联系经济活动和生态环境的重要纽带，加快产业结构调整、增加第三产业占比能够在发展经济的同时避免破坏环境，因而有利于绿色发展效率的提升。相比之下，城镇化水平对绿色发展效率的提升有一定的负作用但并不显著，主要是在城镇化推进过程中，短期内更偏重数量上的推进而忽视质量上的提升，因而城镇化水平的集聚效应还有待显现。

4.3 直接效应与间接效应

考虑到资源的地域流动和交互影响的因素，一个地区自变量的变化不仅会影响本地区的因变量，还有可能影响其他地区的因变量，Elhorst［34］将前者定义为直接效应，后者定义为间接效应，也叫空间溢出效应，而总效应则通过直接效应和间接效应的均值来进行测度。为探究科技创新对绿色发展效率的空间影响特性，将科技创新三大核心变量的空间效应进行分解，分别得到各变量的直接效应、间接效应和总效应，如表5 所示。

表5 空间效应分解

由表5 可知，科技创新资本的直接效应、间接效应系数分别为0.020 1 和0.014 2，均通过了5% 水平下的显著性检验，说明高效的科研资金投入和支持能够有效提升科技创新发展，为科技创新营造良好的资本环境，并对周边地区的绿色发展效率有明显的空间溢出作用。科技创新成果的直接效应、间接效应系数分别为0.021 5 和0.003 2，且分别通过了5% 和10% 水平下的显著性检验，说明科技创新成果的增加有利于提高本地区和周边地区的要素生产效率，通过直接或间接传导来对绿色发展效率产生积极影响。相比而言，科技创新人才的直接效应为正，而间接效应为负，均没有通过显著性检验，说明科技创新人才对本地区绿色发展效率有一定的积极作用，但不利于其他地区的绿色发展效率，原因在于一些发达地区对科技创新人才具有集聚效应，从而造成周边地区的人才流失，且人才结构存在不合理性，在行业和区域等方面表现得并不均衡，因此科技创新人才的优势难以得到充分发挥，这与之前的分析结果基本一致。

5 小结与建议

本研究采用DEA-SBM 模型、空间自相关和空间计量模型等方法，构建绿色发展效率投入与产出指标体系，结合2011—2017 年长江经济带11 个省级行政区的面板数据，研究表明，长江经济带绿色发展效率整体呈上升的趋势，且上游地区的绿色发展效率明显高于中部地区和西部地区，科技创新能够促进长江经济带绿色发展效率的提升，且不同的科技创新指标对地区绿色发展效率的影响程度不同。

1）科技创新资本对绿色发展效率具有显著的促进作用，高效的科研资金投入能够有效提升要素生产效率，而且能够为企业营造良好的资本环境，从而提升绿色发展效率。

2）科技创新成果能够显著促进绿色发展效率的提升，科技创新专利不仅有利于带动节能环保技术创新以及成果转化，还能提升城市的绿色发展效率，引导经济绿色发展。

3）科技创新人才对绿色发展效率没有显著的影响，原因可能在于人才结构的不合理，从而导致各行业和各区域的人才分布不均衡，人才资源优势没有得到充分发挥，且真正优秀的科技人才具有一定的稀缺性。

基于以上分析，为更加充分发挥科技创新在长江经济带绿色发展过程中的作用，提出以下建议。

第一，提高科技创新资本投入效率，充分发挥科技创新资本对绿色发展的支撑作用。财政部门要完善科技专项财政资金的来源、投入流程制度，加快审批，强化资金使用效率，设立更有针对性的治污减排专项投入，并通过完善资源环境的绩效考核来强化资金的使用质量，确保取得积极的效益。

第二，加快科技创新项目孵化，推动科技创新成果落地应用。建立政府与企业协同开展治污减排的活动，尤其是绿色科技创新项目，为企业提供技术引导和政策支持。加快孵化进度，重视专利数量和质量的同步发展，并推动科技成果应用到实践中，提高节能减排的效率。

第三，加强科技创新人才队伍建设，提升创新活力。进一步完善科技创新教育制度，健全人才评价制度和人才激励计划，鼓励创新性人才发挥潜能，做出有创造性的新型发明和科研成果，并积极转化为可用成果，加大节能减排人才的培养力度，提升地区的创新活力。