長三角城市群綠色創新效率測度及動態演變分析

韓 穎

(1.銅陵學院 經濟學院,安徽 銅陵 244000;2.韓國又松大學 一般研究生院,大田廣域 300718)

綠色創新又稱為生態環保創新,是以保護環境為目標的創新,黨的二十大報告提出,要加快發展方式綠色轉型,積極發展綠色低碳產業。越來越多的地區重視綠色創新,以科技創新驅動綠色產業穩步發展。長三角地區是中國經濟發展最快、創新能力最強的區域之一,在國家發展中發揮著重要的作用。通過研究長三角城市群綠色創新效率及動態演變特征,有助于深入了解長三角一體化發展的現狀和進程。

從可持續發展到綠色發展,綠色創新已經成為學術研究的重點,也是近年來研究的新興課題之一[1],綠色創新同時體現了創新驅動和綠色發展,綠色創新對于經濟長遠發展具有重要的意義[2]。在低碳經濟背景下,各地政府頒布相應綠色發展方針政策,積極推動綠色發展。自長三角一體化發展上升為國家戰略以來,上海、江蘇、浙江、安徽動作頻頻,相互支持、各展所長,在一體化發展特別是綠色一體化發展方面取得了一定成效,但存在綠色發展不均衡,效率不高的問題。因此,有必要對長三角城市群綠色創新效率進行全面測度分析,并給出對應的發展策略。

有關綠色創新效率的研究,主要集中在以下幾個方面:1)考慮了非期望產出的綠色創新效率測算,陳清等[3]構建超效率SBM模型(Super-SBM模型)和ML指數測算并分析中國省域綠色創新效率,研究指出綠色創新效率有上升趨勢,并且不同地區創新動態效率有所不同;張長江等[4]基于超效率SBM-DEA模型和ESDA方法研究長江經濟帶綠色創新效率時空特征,并得出效率值隨著時間發展兩級分化加強;吳江婷等[5]利用超效率SBM模型測算黃河流域綠色創新效率,分析得出綠色創新效率地區間差異較大。2)從行業來看,張麗琨等[6]測度了中國工業綠色創新效率,認為中國工業綠色創新效率還有上升的空間;黃萬華等[7]對長江經濟帶制造業綠色創新效率進行了測度分析,得出區域間存在發展不均衡的現象;陳松奕[8]對中國高技術產業綠色創新能力進行了測度,涉及行業較廣。3)不同因素對綠色技術創新效率會產生一定影響,韓科振[9]利用空間杜賓模型研究綠色金融對綠色創新效率的影響,得出綠色金融對綠色創新效率有顯著的促進作用;陳蓓等[10]基于空間杜賓模型分析長江中游城市群綠色創新效率影響因素,得出環境規制等因素會提升綠色創新效率,同時高水平地區呈現明顯的正向空間溢出效應。

綜上所述,關于綠色創新效率研究較多,從研究方法來看,多數采用了考慮非期望產出的效率模型[11],對于動態趨勢分析多數采用ML指數[3]和核密度法[12],從研究對象來看,研究行業綠色創新效率較多,如工業、制造業和物流業等[13-16],研究省份[3]或者城市群[12]的綠色創新效率盡管已有相關研究但相對較少,無法對特定地區綠色創新效率有深入地了解和認識。同時,現有研究較少針對地區間綠色創新的差異和波動性進行對比分析,基于此,文中從城市群層面研究長三角城市群綠色創新效率,研究方法上采用考慮非期望產出超效率SBM模型和GML指數測度并動態分析長三角城市群綠色創新效率,探討地區內部和地區間有無差距,同時,探究長三角城市群綠色創新效率動態變化趨勢,利用變異系數反映效率波動性并對地區間進行對比分析,給出相應的對策建議,對促進長三角城市群生態環境與科技創新協調發展具有一定的理論與現實意義。

1 指標體系構建及數據來源

1.1 指標體系構建

在新古典經濟學理論基礎上,人力和資金是產出不可缺少的重要因素,在投入指標里,應將人力投入和資金投入考慮進去,同時,綠色創新應將綠色體現在投入上,在投入指標里應考慮能源投入,考慮到數據可獲得性,同時參考陳詩一等[17]和王兵等[18]的做法,利用能源折標準煤系數將電、石油和天然氣折算成標準煤代表能源投入,在產出指標中,分為期望產出及非期望產出,在低碳經濟背景下,必須考慮到環境的影響,減少環境污染,實現綠色創新,因此在指標體系里,應考慮環境污染帶來的影響,參考學者李根等[19]的做法,利用工業廢水排放量、工業二氧化硫排放量及工業煙塵排放量代表環境污染程度。指標體系充分體現了綠色創新的特點,如表1所示。

表1 2015—2021年長三角綠色創新效率指標體系

1.2 數據來源

由于部分城市有些指標數據缺失,考慮到數據的可獲得性,選取2015—2021年長三角25個代表城市面板數據分析,數據來源于2016—2022年各城市統計年鑒,其中,安徽省城市人力投入、資金投入及技術投入指標數據來源于安徽省科技統計公報,小部分缺失數值采用線性插值法進行補充。

2 研究方法

2.1 超效率SBM模型

總結相關學者研究成果,在計算綠色創新效率時,多數使用數據包絡分析(DEA)方法,并且假定投入和產出之間為單調線性關系。其中CCR模型和BCC模型是DEA方法基礎的兩種模型,但有時對于特定問題,需要考慮“非期望產出”,“非期望產出”代表這種產出并不是大家所期望的,例如資金投入、人力投入換來了GDP上升和技術水平提升,但同時可能帶來環境污染這個非期望產出項。因此,需要采用由Tone(2004)改進的考慮非期望產出SBM模型測算綠色創新效率。相對于傳統DEA模型,非期望產出SBM模型[20]更能反映綠色創新效率評價的內在本質。

假設有n個決策單元,每個決策單元有3個向量,即投入、期望產出和非期望產出,分別為x∈Rt,yg∈Rm1,yb∈Rm2,其中,

X=[x1,…xn]∈Rt×n,

(1)

(2)

(3)

考慮了非期望產出的生產性可能集合為

P={(x,yg,yb)|x≥Xλ,yg≤Ygλ,yb≥Ybλ,λ≥0},

(4)

考慮非期望產出SBM模型公式為

(5)

(6)

(7)

(8)

(9)

(10)

超效率SBM模型(BBC模式)計算公式如下

(11)

(12)

r*為綠色創新效率值,當r*大于1時,代表綠色創新利用是有效的,當r*小于1時,代表綠色創新利用是無效率的[14],其他變量含義同上。

2.2 GML指數

ML指數在效率評價中應用廣泛,但結果可能會出現不可傳遞且會出現線性無解的缺陷,因此,文中參考Oh等[21](2010)在考慮全局生產技術上提出GML指數模型,當GMLs,s+1>1時,表明s+1期的綠色創新效率大于s期綠色創新效率,即該時期內的效率有所提升,反之,則有所減弱。同時可將GML指數分解為技術效率指數(EC)和技術進步指數(TC)[20],分解公式為

GML(s,s+1)(xs,ys,bs,xs+1,ys+1,bs+1)=

(13)

其中,DG,Ds,Ds+1分別表示依賴于全局生產可能性集合的方向性距離函數和第s期、第s+1期的方向性距離函數。

3 數據分析

3.1 長三角城市群綠色創新效率測度

根據超效率SBM模型,計算出2015—2021年長三角城市群綠色創新效率,如表2所示。

表2 2015—2021年長三角城市群綠色創新效率

從表2可知,長三角地區整體綠色創新效率均值為0.763,效率值在0.7～0.8之間,整體平均水平較高,同時平均值呈現上下波動的趨勢,從城市來看,上海、湖州、紹興、溫州、安慶和銅陵綠色創新效率呈現“N”形的發展態勢,常州、蘇州、揚州和宣城綠色創新效率呈現倒“N”形的發展態勢,南京、南通、鎮江、嘉興、舟山、金華、池州和臺州綠色創新效率呈現倒“W”形的發展態勢,寧波、合肥、滁州、馬鞍山和蕪湖綠色創新效率呈現倒“M”形的發展態勢,無錫呈現倒“V”形的發展態勢,常州、鎮江和杭州綠色創新效率值波動較劇烈,其中,杭州和鎮江近3年效率值相對于前幾年提升很多,溫州和舟山綠色創新效率均值最高,馬鞍山和銅陵綠色創新效率處于長三角城市群最末端。同時,效率最大值為1.497,最小值為0.136,差距接近11倍,綠色創新效率地區之間極為不均衡。

按照表2中綠色創新效率均值的取值范圍進行劃分,結果如表3所示,綠色創新效率一定程度上反映了生態環境與創新之間的平衡程度。

表3 綠色創新效率等級劃分

從表3可知,綠色創新效率最高的城市是溫州,同時處于優秀等級的城市有6個,分別為溫州、上海、舟山、合肥、安慶和金華,涵蓋了上海,安徽省的2個城市及杭州的3個城市,這些城市能夠對資源最優化利用[22],考慮生態環境的同時實現了經濟效益,實現了綠色創新發展。位于第二等級的城市有9個,城市數量最多,分別為杭州、南京、南通、揚州、常州、臺州、紹興、鎮江和滁州,包括江蘇省的5個城市、浙江省的3個城市和安徽省滁州市,這些城市相對而言綠色創新水平較好,但仍然有一定的上升空間。位于第三等級的城市有7個,包括浙江省的2個城市、江蘇省的3個城市和安徽省的2個城市,處于這一類的城市存在資源配置不夠合理,需要采取相應政策措施提高綠色創新水平,提升空間較大。位于末位等級的城市有3個,分別為安徽省的馬鞍山、宣城和銅陵,馬鞍山和銅陵屬于典型的資源型城市,需要消耗大量的礦產資源,同時面臨城市資源枯竭,對環境污染較大。因此,綠色創新效率處于較低的水平,這類城市急需實現產業轉型,創新發展模式,尋找新的經濟增長點,重視生態環境的保護,在產業轉型同時注重促進生態環境與經濟協調發展。

3.2 長三角城市群綠色創新效率GML指數動態分析

GML指數代表綠色創新效率動態變化值,同時可分解為技術效率指數(EC)和技術進步指數(TC)。效率值及分解值如表4所示。

表4 2015—2021年長三角城市群GML指數及分解

從表4可知,GML指數均值為1.120,動態綠色創新效率平均增幅為12%,說明長三角地區綠色創新效率整體有上升的趨勢,并且在2015—2021年之間,效率值有一定的波動,其中,2019—2020年上升幅度最大,TC指數對GML指數拉動力大于EC指數對GML指數的拉動力,從GML指數分解來看,技術效率指數和技術進步指數平均值均大于1,除了2016—2017年技術效率指數、技術進步指數和2019—2020年技術效率指數有略微下降之外,其余年份均出現上浮,說明技術效率和技術進步共同促進了長三角地區綠色創新效率的提高,并且技術進步指數均值大于技術效率指數均值,說明技術進步指數與GML指數同步性更強。

3.3 長三角城市群綠色創新效率分區域趨勢分析

為了更直觀地分析長三角地區不同省份綠色創新效率的變化趨勢,根據表2的結果,計算出上海市、江蘇省、浙江省、安徽省整體綠色創新效率,如圖1所示。

圖1 長三角三省及上海市綠色創新效率走勢

從分地區的時序圖來看,上海市綠色創新效率處于領先地位,這是因為上海是中國金融、對外貿易和科技創新中心,聚集了全國乃至世界的創新資源。其次,浙江省整體上綠色創新效率處于較高的水平,波動比較平穩,江蘇省綠色創新效率波動幅度較大,前期穩定上升,后期小幅度波動,近4年處于末位的為安徽省,安徽省整體有波動下降的趨勢,處于長三角城市群中的末位,因此,安徽省綠色創新效率有大幅提升的空間,同時安徽省幾個城市中,除了合肥、安慶以外,其他地級市整體綠色創新效率值均較小,處于較低的水平,地區之間差異較大,極為不均衡。

利用變異系數[8]深入研究各省份內部綠色創新效率的差異性,從表5中可以看出,安徽省作為綠色創新效率較低的省份,其變異系數整體較大,系數在0.6上下波動,意味著效率低的城市波動幅度較大,波動幅度大加劇了安徽省整體發展不均衡,應更注重城市間均衡發展。浙江省前期變異系數較小,城市之間差距不明顯,后期城市間波動幅度加大,同時浙江省整體上綠色創新效率較高,浙江省在保持綠色創新水平的同時,也不要忽略城市間的均衡發展。江蘇省變異系數處于最低的水平,并且有下降趨勢,代表城市間綠色創新差距有下降的趨勢,同時效率值波動上升,江蘇省應繼續發展綠色創新,發展生態經濟,同時以南京市為核心,帶動其他城市的協調發展。

表5 綠色創新效率變異系數

4 結論與建議

文中首先構建綠色創新效率指標體系,利用考慮非期望產出超效率SBM模型測算2015—2021年長三角城市群25個城市綠色創新效率,并從時間和空間上分析各地區綠色創新效率動態發展特點,結論如下:

4.1 結 論

2015—2021年間,長三角城市群綠色創新效率均值為0.763,綠色創新水平較高,城市綠色創新效率具有上下波動的趨勢。同時從GML分解指數可知,技術效率與技術進步共同促進了綠色創新效率的提高。

從空間上來看,上海市平均綠色創新效率處于領先地位,其次為浙江省和江蘇省,整體綠色創新效率較高,說明生態環境與創新發展較為協調,安徽省綠色創新效率整體最低,處于最末位的城市為馬鞍山、宣城和銅陵,其中馬鞍山和銅陵這2個城市都屬于資源枯竭型城市,對環境污染較大,綠色創新效率最低。從空間差異來看,安徽省綠色創新效率變異系數較大,意味著城市間差距較大,波動較劇烈,地區之間極為不平衡。浙江省前期城市間波動較平穩后期波動加劇,城市之間發展不均衡加大,江蘇省地區間差異較平穩波動。

4.2 建 議

推動城市產業綠色轉型,部分資源枯竭型城市,例如馬鞍山、銅陵等城市綠色創新效率較低,拉低了本省甚至是長三角地區整體水平,對于這類資源枯竭型城市,急需實行地區產業綠色轉型,積極引進綠色環保產業和綠色創新人才,大幅實行節能減排,促進生態環境與經濟發展協同共贏。

堅持將綠色創新作為綠色發展的戰略重點,協同地區間綠色創新發展,中心城市在充分發揮自身綠色創新優勢的同時,應帶動周邊城市共同實現綠色創新發展,縮小地區之間的差距,加強地區間的合作共贏,同時應根據不同地區不同特點因地制宜制定適應本地區的綠色創新政策,推動綠色創新發展。

倡導綠色環保激發創新意識,在“降碳”為重點戰略的背景下,環?？萍紕撔氯藛T應牢固樹立環保意識,大力研發環保、低碳技術,認真領會黨的政策方針。廣大居民應積極倡導“低碳生活”,樹立環保節能的文明意識,用實際行動支持綠色環保節能,做一個“低碳公民”。