环境异质性对长江经济带创新绩效的门槛效应研究

张建清，于海潮，范 斐,田 婧

(1.武汉大学区域与城乡发展研究院，湖北 武汉 430072；2.武汉大学中国中部发展研究院，湖北 武汉 430072;3.武汉大学经济与管理学院，湖北 武汉 430072)

0 引言

2018年4月，习近平总书记在视察湖北时明确指出： “要着力实施创新驱动发展战略，把长江经济带得天独厚的科研优势、人才优势转化为发展优势。”这为新时代长江经济带创新驱动经济转型发展指明了方向。创新作为引领发展的第一动力，对推动长江经济带经济高质量发展的作用日益凸显，不仅对经济持续增长形成乘数效应[1]，还可以为就业、生产力、出口，外汇等的增长提供支持[2]。因此，要不断提升区域竞争力，实现区域经济的可持续发展，就离不开区域创新，而区域创新绩效作为衡量某一区域创新水平的重要指标[3]，是一定量的创新资源投入和创新成果产出所表现出来的生产效率。

国内外学术界有关创新绩效的研究主要侧重于两个方面：①集中于特定产业或者企业的创新绩效分析，如刘树林等[4]通过创新绩效的动态变化观察高技术产业技术创新演变规律，结果表明中国高技术产业整体创新绩效较高，呈现U型变化轨迹[5]。周海涛等[6]基于千余家企业的微观数据，发现政府科技经费投入对企业的创新意愿具有显著促进作用。②集中于创新绩效的评价研究，以 DEA 模型测度并分析特定国家[7]、特定区域[8-9]的创新绩效。在此基础上，就各区域如何配置创新资源、如何提高效率等问题进行积极探讨。总体而言，学术界关于创新绩效的研究对象涉及企业、产业和区域，分析工具主要有传统参数线性模型、主成分分析模型、非参数 DEA 模型、随机前沿 SFA 模型等，但却较少关注环境异质性对国家重点区域创新绩效的影响作用，未深入揭示影响区域创新绩效的环境因素。

相关研究显示，一个地区创新绩效的提升，不仅受创新资源投入影响，还很大程度上由区域环境所决定[10]，创新作为一项内生变量必须嵌入当地社会经济环境、制度框架等，才能更好地提高创新绩效[11]。由于区域环境的异质性，使得同一创新要素在不同地区会产生不同的作用效果[12]，如相关研究表明，上海的R&D投入在长三角地区处于最高水平，但是产出效率却有待提升[13]，究其原因，主要是因为上海的创新资源并未与区域产业环境有效结合，降低了创新要素的配置效率。因此，为了更好地提升长江经济带创新绩效，长江经济带在依赖创新驱动经济发展转型中，还需要重视区域环境异质性对创新绩效的影响。

围绕长江经济带创新绩效与经济转型发展的过程、机理与影响因素，不同学者从不同角度关注环境要素对长江经济带创新绩效的影响，主要侧重两个方面：①环境规制与创新绩效之间的关系，以及不同类型的环境规制对区域创新绩效的影响。研究发现，费用型环境规制倾向于短期影响，在一定程度上抑制了区域创新绩效的提升，而在一个更长期的过程中，投资型环境规制有助于区域创新绩效的提高[14-15]。②构建生态环境、经济增长与创新绩效之间的实证模型[16]，勾勒生态与能源约束对创新绩效的融合传导机制[17]或是建立长江经济带创新驱动与绿色发展综合评价指标体系，测算二者的耦合协调水平[18]。但现有研究依然存在以下不足：①虽然创新绩效与区域环境的研究受到学术界的重视，但现有研究通常将区域创新绩效的差异笼统地归结为区域环境差异，较少基于实证分析区域环境因素是如何造成城市创新绩效结果差异的。②现有研究多是基于区域环境因子对创新绩效的影响，没有充分考察同一区域内的异质性问题。由于各个城市经济发展水平和创新环境有较大差异，不同区域的环境要素组合对创新绩效的大小和方向可能各不相同，在某一经济发展水平区间内可能存在着环境要素对创新绩效最优的促进作用，有待于进一步通过典型区域的面板数据进行深入探讨[19]。

长江经济带在资源与环境双重约束下，不仅要注重创新资源的投入与产出，更要关注创新绩效与生态环境的协调发展[20]。考虑到沿线城市经济发展、技术水平的差异，长江经济带沿线城市环境异质性与创新绩效可能存在着非线性关系，如沿线城市的创新绩效是否会受某一因素影响而在跨过某一门槛前后呈现不同的特征？基于此，本文以长江经济带沿线108个城市为研究对象，运用改进的DEA模型测度出各个城市的创新绩效水平，分析长江经济带创新绩效的时空分异特征。在此基础上，采用Hansen[21]发展的面板门槛模型，分析提升城市创新绩效的区域环境条件，综合考察区域环境异质性在不同经济发展水平下对创新绩效的影响机制。

1 研究方法与数据

1.1 改进的DEA模型

由于传统的DEA (Data Envelopment Analysis)模型对有效决策单元无法作进一步精确划分，因此本研究采用改进的DEA模型[22]来测算创新绩效。设有n个决策单元DMUk(k=1,2,…,n)，每一个决策单元有m个输入指标，S个输出指标，输入向量为Xk= (x1k,x2k,…,xmk)T，输出向量为Yk= (y1k,y2k,…,ysk)T。其中，xik与yrk分别表示DMUk的第i个输入指标值和第r个输出指标值，vi、ur分别为相应指标的权重系数；Cm、Bs是根据输入指标、输出指标重要性大小构造的判断矩阵；λm、λs分别是断矩阵Cm、Bs的最大特征值。

改进的DEA模型可表示为：

(1)

(2)

求出各DMU的相对绩效值，值越大表明绩效越高。

1.2 门槛回归模型

门槛回归模型是Hansen[21]提出的。其基本思想为：当某一解释变量处于不同区间时，其对被解释变量产生的影响具有显著差异。长江经济带城市环境异质性各解释变量与创新绩效之间可能表现为非线性关系，因此传统的线性回归并不能很好地解释二者之间的关系，运用门槛模型回归更为有效。为此，首先设定单一门槛回归模型，可表示为：

Yit=αXit+β1Tit×I(Tit≤δ1)+β2Tit×I(Tit>δ1)+C+εit

(3)

式中，Y为第i个地区第t年的被解释变量，X为控制变量，T为门槛变量，δ为固定的门槛值，α为Xit对被解释变量的影响系数，β1和β2分别是门槛变量Tit在Tit≤δ1，Tit>δ1时对被解释变量的影响系数，C为常数项，εit～ (0,σ2)为随机扰动项，I(·)为示性函数。同理，二重门槛检验和三重门槛检验的公式如下。相应地，β3和β4的意义类似于β1。

Yit=αXit+β1Tit×I(Tit≤δ1)+β2Tit×I(δ1

(4)

Yit=αXit+β1Tit×I(Tit≤δ1)+β2Tit×I(δ1

(5)

1.3 指标数据处理与选取

(1)被解释变量：城市创新绩效 (INE)。从创新投入看，科技人力资源和科技财力资源是区域科技研发活动的重要保障[23]。其中，科学研究、技术服务从业人员数 (简称科技人员数)是区域创新活动得以完成的人力保障。财政科技支出强度表征政府对区域科技开发的投资力度，是区域创新活动的主要推动力。从创新产出看，科技论文数与发明专利数代表了区域知识和技术层面科技研发的成果，也是衡量科技创新产出的重要载体[24]。因此在测算长江经济带城市创新绩效时，将科技人员数 (万人)、地区财政科技支出 (万元)作为投入指标，将检索科技论文数 (篇)和检索三大专利申请数 (件)作为产出指标。

(2)核心解释变量：污染排放、环境治理和人居环境。

污染排放 (EP)。大部分学者对城市污染排放的衡量主要是基于城市污染物浓度和工业污染物排放量[25-26]，而仅以单个指标代表城市的污染排放具有一定的局限性。本文参照王亲[27]的指标构建方法，选取工业废水排放量 (万吨)、工业烟 (粉)尘排放量 (万吨)、工业二氧化硫排放量 (万吨)这3个指标，并运用熵值法综合3类指标来整体衡量污染排放，指数越大意味着污染物排放越多。

环境治理 (GE)。大部分学者用环境治理投资额这一指标反映中国城市环境的治理情况，这一指标涵盖面较广，主要包括城市用于污水排放处理、园林绿化、市容改善等方面的费用支出总额。由于中国的污染物来源主要是工业污染，仅用单一因素的环境治理投资额不能更全面、准确地代表环境治理。以 “三废”为主要原料生产的产品价值还可以在一定程度上代表环境治理的经济效益[28]。基于此，选择工业二氧化硫去除率、生活污水处理率、工业固体废物综合利用率这3个指标，并运用熵值法综合3类指标衡量城市环境治理，指数越大意味着环境治理越好。

人居环境 (RE)。城市人居环境的优化有利于居民身体健康和生活质量改善，提高劳动力的生产积极性和劳动生产率，促进城市创新绩效的提高[29]。基于此，选择建成区绿化覆盖率作为衡量城市居住区绿化状况的经济技术指标，高绿化水平代表城市较高的居住舒适度，同时在一定程度上表示一个城市的绿化现状和生态环境效益。人均绿地面积反映一个城市的绿化数量和质量，在一定程度上代表城市居民生活福利保健水平，也是评价城市环境质量的标准和城市精神文明的标志之一。因此，运用熵值法综合这两类指标衡量城市人居环境，指数越大意味着人居环境越好。

(3)门槛变量：人均GDP (Eco)。将长江经济带108个城市2003—2017年的人均GDP水平作为门槛变量Tit，以2003年为基期进行平减。人均GDP是衡量一个地区经济发展水平的重要标志，人均GDP越高，表征较高的区域经济发展水平。

(4)控制变量。为了尽量减少遗漏相关变量对结果造成的影响，本文将其他可能影响到创新绩效的相关变量加以控制，控制地区的规模差异有助于对核心解释变量的研究。考虑到城市创新绩效的高低是城市经济情况、基础设施、投资与消费以及创新文化等众多因素作用的结果，引入第三产业增加值占GDP的比重、公路货运量、全社会用电量、社会消费品零售总额等作为控制变量Xit。地区产业布局情况和工业发展规模与环境质量和创新绩效密切相关，第三产业占GDP的比重作为产业结构高级化的代名词，代表城市产业规模 (Ind)，有利于考察产业结构变化的情况[30]。用社会消费品零售总额表示地区消费需求以及消费对创新的拉动作用，以2003年为基期进行平减，代表城市的消费规模 (Cons)，居民消费水平的提高，有利于实现需求引领和供给侧结构性改革相互促进，带动经济转型升级。用公路货运量表示城市的基建规模 (Inf)，城市基础设施建设水平的提高，有助于营造良好的创新环境，促进创新要素在区域内的自由流动。用全社会用电量表示地区的经济活力，代表城市的经济规模 (Vit)，一个城市的经济活力越高，其对创新型人才的吸引就会越大，也可以营造良好的创新氛围，有助于城市创新绩效的提升[31]。

(5)数据来源。长江经济带沿线9省2市，共108个地级以上城市。上游地区包括重庆、四川、贵州、云南4个省份的33个城市。中游地区包括江西、湖北、湖南3个省份的36个城市。下游地区包括上海、江苏、浙江、安徽4个省份的41个城市。检索科技论文数 (篇)、检索科技论文合作数 (篇)主要来源于中国期刊全文数据库，检索三大专利申请数 (件)主要来源于 《中国专利全文数据库 (知网版)》。本研究构建的面板回归模型中的核心解释变量、控制变量以及门槛变量的原始数据均来自 《中国城市统计年鉴》 (2005—2018)、 《中国统计年鉴》 (2005—2018)、 《中国科技统计年鉴》 (2005—2018)以及相关城市所在省份的统计年鉴。

2 实证分析

2.1 长江经济带沿线城市创新绩效分析

利用改进的DEA模型分别计算出2004—2017年长江经济带108个地级以上城市的创新绩效。测算得出：长江经济带沿线城市的创新绩效平均值由2004年的0.081提高到2017年的0.103，呈现出在高低交错中逐年提高的趋势，且存在较为明显的空间分异现象。下游地区城市的创新绩效平均值要远远高于中游地区和上游地区，并且与中游、上游地区城市的创新绩效差距进一步扩大。究其原因，长江经济带下游地区的城市拥有发达的经济基础与较好的科技环境，已基本完成工业化、现代化，创新资源禀赋较强，因此多年来创新产出与投入可以保持同步快速增长。研究期内，长江经济带下游地区城市的创新绩效平均值高于整个长江经济带沿线城市的创新绩效平均值，而中游和下游地区城市的创新绩效平均值低于整个长江经济带的平均值。

长江经济带中上游地区属于中等发达、欠发达地区，大多属于农业区、初步工业化地区，大多数城市的创新绩效在研究期内一直处于中低水平，面临总体创新能力不高、创新资源的区域与产业分布欠均衡、创新创业环境待改善等问题，属于典型的创新要素低投入、低产出地区[32]。长江经济带上、中、下游地区城市的创新绩效平均值分别提高0.026、0.013、0.028，可见，长江经济带下游、上游地区的城市创新绩效提高速度相差不大，但是要高于中游地区。这一变化表明：随着长江经济带创新驱动发展战略的实施，中上游地区的创新要素投入有所增加，创新产出在逐年交错中表现出同比例增加的状态，但是与下游地区相比仍然存在较大差距。

2.2 环境异质性对长江经济带沿线城市的影响机制分析

借助Stata15.1软件，采用城市面板数据进行回归分析。通过式 (3)及stata15.1软件得到检验和计算结果，对模型进行Hausman显著性检验，结果显示拒绝原假设，因此选择固定效应模型分析，其中抽样方法为Bootstrap法，Bootstrap次数为300次，结果见表1～表3。

表1 环境要素门槛效果检验

可以看出，污染排放 (EP)和环境治理 (GE)和人居环境 (RE)分别在1%的显著性水平上通过单门槛检验，污染排放 (EP)和环境治理 (GE)分别在1%、5%的显著性水平上通过双门槛检验。同时，污染排放 (EP)和人居环境 (RE)在5%的显著性水平上通过三门槛检验。因此本文对人居环境 (RE)采用单门槛检验，对其余两个变量均采用双门槛检验进行分析，这是因为：①污染排放 (EP)的单门槛和双门槛的显著性相同，且都高于三门槛检验；②环境治理 (GE)的单门槛和双门槛都显著，说明在单门槛之后，还存在一个显著的门槛变量；③人居环境 (RE)的单门槛显著性最高。

根据表2、表3可得，污染排放 (EP)对长江经济带沿线城市创新绩效的影响具有显著的双门槛特征。当人均GDP在7904元以下时，沿线城市的污染排放指标对创新绩效的弹性系数为0.160，污染排放对沿线城市的创新绩效呈现正向相关关系；跨过这一门槛以后，其对创新绩效的弹性系数变为0.264，污染排放对长江经济带沿线城市创新绩效的正向促进作用显著提高。究其原因，在城市工业经济发展的初期，有较多高能耗高污染的产业大规模化地进行工业生产，导致能耗、水耗、污染物排放强度不断上升，而工业革命又是一个技术变革的过程，产业的快速集聚，同时加快了人才、资金等创新资源迅速向城市靠拢，提高了城市的创新绩效。当人均GDP跨越第二个门槛24428元之后，弹性系数变为-0.121，污染排放对长江经济带沿线城市创新绩效呈现负向相关关系。通过观察样本，2012—2017年期间高于第二门槛的城市由69个上升到了102个，污染排放对长江经济带沿线94.4%的城市的创新绩效产生了一定的抑制作用。这是因为随着自然资源的消耗和环境恶化，污染排放会对城市经济的持续增长造成一定的负面影响，在环境管制缺失的情况下，企业基于利润最大化的动机在更多地追求经济效益，在经济规模迅速扩大的同时必然伴随着污染排放的持续增加，而过多的污染排放会进一步导致环境恶化，产生负外部效应。随着地方政府对环境保护力度的提高，必然会增加对污染物排放的检测与管控，而企业对污染排放的治理必然会增加企业的生产成本，从而在一定程度上降低了城市的创新绩效。

表2 门槛值估计

表3 环境要素双门槛模型参数估计

环境治理 (GE)对长江经济带沿线城市创新绩效的影响具有显著的双门槛特征。当人均GDP在7819元以下时，环境治理对创新绩效的影响不显著；当人均GDP处于第一门槛与第二门槛之间时，其对创新绩效的弹性系数变为0.405；当人均GDP高于24032元时，环境治理对沿线城市创新绩效的弹性系数又提高到0.473，其对沿线城市创新绩效的促进作用有了显著提升。通过观察样本可以发现，2004年共有50个城市跨越第一门槛，主要分布在长江经济带的中下游地区。随着长江经济带沿线城市经济发展水平的提高；2012年之后，只有39个城市处于第一门槛与第二门槛之间，环境治理对沿线所有城市的创新绩效都会产生显著的促进作用；2017年，除了邵阳、保山、昭通、丽江、普洱和临沧之外，长江经济带沿线所有城市都跨越第二门槛，说明环境治理对经济发展的正外部性正在不断增强。究其原因，一方面，随着城市化加快，经济社会发展加剧了城市环境污染，突出了治理环境的紧迫性，而城市人口集中，拥有较高的技术和管理水平，有利于污水、垃圾处理装备的正常运转和维护，形成规模化治理，降低治理污染的机会成本，为环境治理提供了市场需求；另一方面，由于城市工业经济的发展，大部分企业已经有了经营基础和资金链条，对技术创新的投入强度也越来越大，不仅可以减少对环境的污染，还可以增加对城市工业废物的循环再利用，提高了城市的创新绩效。

人居环境 (RE)对长江经济带沿线城市创新绩效的影响具有显著的单门槛特征。当城市的人均GDP在7094元以下时，人居环境对沿线城市创新驱动能力的弹性系数为0.202；跨过这一门槛以后，人居环境对沿线城市创新绩效的弹性系数为0.106，依然对城市创新绩效产生积极影响，但影响程度却有所下降。这是因为，随着人均GDP的提高，城市的基础设施建设日益完善，人才资源和高技术企业更倾向于向生活环境优良的城市集聚。通过观察样本，2004年在长江经济带108个城市中，共有53.7%的城市处于第一门槛之下，这时长江经济带沿线城市的人居环境对全域一半以上的城市的创新绩效具有较大的促进作用；随着时间的推移，2008年共有10个城市的人均GDP处于第一门槛以下，占长江经济带沿线城市比例的10.8%，分别为位于下游地区的阜阳和亳州、中游地区的黄冈，以及位于上游地区的巴中、安顺、保山、昭通、丽江、普洱、临沧。2012年起，长江经济带沿线所有城市的人均GDP均跨越第一门槛，但是人居环境对长江经济带沿线城市创新绩效的正向作用有一定的减弱。

3 结论与讨论

(1)从改进的DEA模型计算结果看，长江经济带沿线城市的创新绩效测度结果反映了区域创新能力的相对状况：长江经济带上中下游地区城市的创新绩效呈现出在高低交错中逐年提高的趋势；下游地区城市的创新绩效明显优于中游、上游地区，且与中游、上游地区的差距不断增大。因此，应逐步加大对长江经济带上、中游地区城市创新资源的投入力度，发挥长江经济带下游的辐射带动作用，推动创新要素沿江跨区域自由流动、互通共享和高效整合。以协调联动发展方式促进长江经济带全域创新绩效整体提升，促进创新链、人才链、产业链、技术链、资本链 “五链”在长江经济带深度融合，构建长江经济带协同创新共同体，通过提升创新绩效以真正实现长江经济带创新驱动发展，提高经济发展的质量与效益。

(2)对比不同人均GDP门槛数值下的污染排放 (EP)、环境治理 (GE)、人居环境 (RE)对长江经济带沿线城市创新绩效的影响。研究发现，当人均GDP在7094元以下时，污染排放、人居环境都对沿线城市的创新绩效起到了显著的促进作用，其中，人居环境对城市的创新绩效促进作用的弹性系数最大，因此，在人均GDP低于7094元的沿线城市中，相对于污染排放和环境治理，可以通过改善城市人居环境的方式提升城市的创新绩效。当人均GDP处于7094～7904元时，污染排放对沿线城市创新绩效的促进作用要大于人居环境。当人均GDP处于7904～24032元时，污染排放、环境治理与人居环境都对沿线城市的创新绩效产生了一定的积极影响，其中，环境治理对沿线城市创新绩效的促进作用最大。当人均GDP高于24032元时，环境治理对城市创新绩效的促进作用进一步增强。当人均GDP高于24428元时，污染排放对城市创新绩效会产生一定的抑制作用，因此，相对于其他两种方式，在人均GDP高于244428元的沿线城市中，可以通过治理污染、节能减排等方式提升城市的创新绩效。因此，在长江经济带创新驱动经济发展的同时，不仅要注重区域科技资源的投入与产出效率，同时也要注重环境异质性对长江经济带创新绩效的影响，加大环境治理力度，针对不同区域的环境保护情况实施差异性的环境治理方案，为创新驱动经济高质量发展提供更大空间。

(3)建设清洁美丽的万里长江是一项系统工程，要把全社会的思想统一到 “生态优先、绿色发展”和 “共抓大保护、不搞大开发”上来，牢固树立 “绿水青山就是金山银山”理念。以创新激发长江经济带绿色增长内生活力，依托区域人才、智力密集优势，在改革创新和发展新动能上做 “加法”，在淘汰落后过剩产能上做 “减法”，以新动能作为自身发展动力，大力激发创新创业创造活力，实现由要素驱动、投资驱动向创新驱动的转变，以持续的创新不断推动长江经济带的产业更迭和经济体系优化，使绿水青山产生更多的生态效益、经济效益和社会效益，实现经济发展与生态环境保护的互荣共进，引领长江经济带高质量发展。