許學(xué)國(guó)，周燕妃

(上海大學(xué) 管理學(xué)院，上海 200444)

0 引言

當(dāng)今我國(guó)社會(huì)發(fā)展與生態(tài)環(huán)境保護(hù)間的矛盾依舊突出，重污染天氣、黑臭水體、垃圾圍城等問(wèn)題時(shí)有發(fā)生，成為可持續(xù)發(fā)展瓶頸[1]。如何實(shí)現(xiàn)經(jīng)濟(jì)、能源與環(huán)境協(xié)調(diào)發(fā)展，是現(xiàn)階段推進(jìn)社會(huì)主義現(xiàn)代化建設(shè)的當(dāng)務(wù)之急?！皠?chuàng)新、協(xié)調(diào)、綠色、開(kāi)放、共享”五大發(fā)展理念的提出為我國(guó)推進(jìn)社會(huì)主義現(xiàn)代化建設(shè)指明了方向，而由創(chuàng)新引領(lǐng)的綠色發(fā)展是實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的必由之路，綠色創(chuàng)新由此應(yīng)運(yùn)而生。

1 文獻(xiàn)綜述

綠色創(chuàng)新(Green innovation)，亦稱為生態(tài)創(chuàng)新與環(huán)境創(chuàng)新，是將傳統(tǒng)創(chuàng)新理論與綠色發(fā)展理念相結(jié)合的產(chǎn)物。綠色創(chuàng)新提升包含綠色效率與創(chuàng)新效率的共同提升[2]。其中，綠色創(chuàng)新效率是指創(chuàng)新效率的綠色化程度，其綜合考慮了資源與能源節(jié)約、避免與消除環(huán)境污染對(duì)創(chuàng)新發(fā)展質(zhì)量影響的測(cè)度[3]。綠色創(chuàng)新效率越高，表明資源要素投入、創(chuàng)新要素投入與綠色績(jī)效產(chǎn)出越匹配[4]。關(guān)于綠色創(chuàng)新效率評(píng)價(jià)的成果已較為豐富。如張峰等利用隨機(jī)前沿函數(shù)構(gòu)建全國(guó)28省市高技術(shù)產(chǎn)業(yè)綠色技術(shù)創(chuàng)新三階段組合效率測(cè)度模型[5]；吳旭曉運(yùn)用非期望Minds模型和灰色系統(tǒng)動(dòng)態(tài)方程，對(duì)我國(guó)30個(gè)省市綠色創(chuàng)新效率時(shí)空演進(jìn)軌跡及其形成機(jī)理進(jìn)行探究[6]；王惠等采用Super-SBM模型測(cè)度環(huán)境約束下我國(guó)省級(jí)高技術(shù)產(chǎn)業(yè)綠色創(chuàng)新效率，并構(gòu)建門檻模型分析R&D投入強(qiáng)度對(duì)其的影響[7]；王海龍等運(yùn)用DEA方法測(cè)度我國(guó)區(qū)域綠色增長(zhǎng)績(jī)效與綠色技術(shù)創(chuàng)新效率，分析了綠色技術(shù)創(chuàng)新效率等因素對(duì)綠色增長(zhǎng)績(jī)效的影響[8]；曾冰利用Super-SBM方法評(píng)價(jià)我國(guó)省際綠色創(chuàng)新效率變化，探析其影響因素及空間溢出效應(yīng)[9]；呂巖威等通過(guò)構(gòu)建SBM-DEA模型對(duì)我國(guó)30個(gè)省市綠色創(chuàng)新效率進(jìn)行測(cè)算并展開(kāi)收斂性分析[10]。

在研究方法層面，隨機(jī)前沿分析法(SFA)[11-13]和數(shù)據(jù)包絡(luò)分析法(DEA)[14-16]是測(cè)量效率的主要方法。具體而言，SFA可以較好地處理隨機(jī)誤差對(duì)效率的影響，但需事先限定估計(jì)模型，而且無(wú)法處理多產(chǎn)出問(wèn)題。而DEA不僅可以規(guī)避因模型設(shè)定誤差等因素導(dǎo)致的缺陷，還可以模擬多投入和多產(chǎn)出過(guò)程，區(qū)分期望產(chǎn)出和非期望產(chǎn)出，使得DEA成為目前測(cè)度效率的主要方法[17]。但DEA是靜態(tài)的，只能分析時(shí)間序列或同一時(shí)期數(shù)據(jù)，不能解決多周期評(píng)價(jià)效率問(wèn)題，因此Fare等人[18]提出了Malmquiste指數(shù)和DEA效率評(píng)價(jià)相結(jié)合的方法。隨后，學(xué)者們又在此基礎(chǔ)上提出了三階段DEA-Malmquist方法[19-21]，以剔除環(huán)境因素和隨機(jī)誤差對(duì)效率的影響。此外，學(xué)者們對(duì)Malmquist值的分解指標(biāo)大多采用人為判斷方式，而概率神經(jīng)網(wǎng)絡(luò)(Probabilistic Neural Network, PNN)主要用于分類和模式識(shí)別[22-23]，其準(zhǔn)確的模式識(shí)別功能能夠快速有效地對(duì)決策單元效率模式作出判斷?；诖耍疚倪x取三階段的Malmquist-PNN方法對(duì)綠色創(chuàng)新效率進(jìn)行評(píng)價(jià)和診斷。而關(guān)于綠色創(chuàng)新效率影響因素，學(xué)者們的研究大多集中在經(jīng)濟(jì)發(fā)展水平[3,24,25]、環(huán)境規(guī)制[17,26-27]、產(chǎn)業(yè)結(jié)構(gòu)[24-26]、外資利用水平[16,26-27]等方面。

以中國(guó)八大綜合經(jīng)濟(jì)區(qū)為核心的區(qū)域協(xié)同發(fā)展戰(zhàn)略，是新時(shí)期國(guó)家總體發(fā)展戰(zhàn)略的重要組成[28-29]。關(guān)于八大綜合經(jīng)濟(jì)區(qū)的研究，學(xué)者們主要從生態(tài)文明、能源碳排放、經(jīng)濟(jì)發(fā)展、綠色發(fā)展、科技創(chuàng)新能力等方面展開(kāi)分析，并側(cè)重于區(qū)域內(nèi)的差異比較。如鄧宗兵等[30]運(yùn)用Dagum基尼系數(shù)分解法剖析八大綜合經(jīng)濟(jì)區(qū)生態(tài)文明區(qū)域差異來(lái)源；李金鎧等[31]從靜態(tài)和動(dòng)態(tài)視角分析八大經(jīng)濟(jì)區(qū)能源碳排放效率差異；魏艷華[28]等采用偏相關(guān)系數(shù)和復(fù)相關(guān)系數(shù)剖析八大綜合經(jīng)濟(jì)區(qū)經(jīng)濟(jì)發(fā)展差異；高贏[29]綜合運(yùn)用US-SBM-Malmquist模型、Dagum基尼系數(shù)以及面板數(shù)據(jù)模型，全面揭示八大綜合經(jīng)濟(jì)區(qū)綠色發(fā)展績(jī)效及區(qū)域差異性；楊明海等[32]運(yùn)用泰爾指數(shù)、空間Markov鏈以及空間杜賓模型挖掘八大綜合經(jīng)濟(jì)區(qū)科技創(chuàng)新能力存在區(qū)域性差異的原因。

綜上所述，現(xiàn)有文獻(xiàn)針對(duì)綠色創(chuàng)新效率評(píng)價(jià)的研究大多從省際層面展開(kāi)，并基于傳統(tǒng)劃分標(biāo)準(zhǔn)對(duì)四大區(qū)域進(jìn)行對(duì)比研究，尚未對(duì)八大經(jīng)濟(jì)區(qū)展開(kāi)分析。研究方法上，采用SFA、DEA、Malmquist和Super-SBM的居多，但無(wú)法剔除外部環(huán)境與隨機(jī)擾動(dòng)對(duì)效率值的影響，導(dǎo)致計(jì)算結(jié)果存在偏差和不夠全面。此外，傳統(tǒng)人為方式對(duì)效率分解值的判斷，其主觀性較強(qiáng)且費(fèi)時(shí)費(fèi)力。本文創(chuàng)新之處在于從研究對(duì)象上選取了未曾分析的八大綜合經(jīng)濟(jì)區(qū)，研究方法上構(gòu)建了排除外部環(huán)境與隨機(jī)干擾因素的綠色創(chuàng)新效率動(dòng)態(tài)測(cè)度模型，并結(jié)合PNN的非線性分類，避免了傳統(tǒng)人為方式的缺陷，最后基于智能診斷結(jié)果提出相應(yīng)診治對(duì)策，以期豐富當(dāng)前關(guān)于區(qū)域綠色創(chuàng)新協(xié)同發(fā)展的研究，同時(shí)為進(jìn)一步明確八大綜合經(jīng)濟(jì)區(qū)綠色創(chuàng)新區(qū)域發(fā)展差異、制定合理的區(qū)域協(xié)同發(fā)展政策提供參考。

2 研究方法

2.1 第一階段：DEA-Malmquist指數(shù)

DEA是由Charnes&Cooper提出的采用線性規(guī)劃方法構(gòu)造觀測(cè)數(shù)據(jù)的非參數(shù)預(yù)測(cè)前沿，并在此基礎(chǔ)上計(jì)算若干同類具有多投入和多產(chǎn)出決策單元(DMU)相對(duì)效率的方法[33]。Malmquist指數(shù)是測(cè)算動(dòng)態(tài)DEA效率的重要方法，用距離函數(shù)比值表示。Fare等[34]最早對(duì)Malmquist指數(shù)進(jìn)行測(cè)算，將t時(shí)期至(t+1)時(shí)期的幾何平均值作為Malmquist指數(shù)，公式如下：

Mi(xt+1,yt+1,xt,yt)=

其中，EC表示從t時(shí)期到(t+1)時(shí)期的DMU實(shí)際產(chǎn)出與生產(chǎn)前沿面的比值，代表獲得最大產(chǎn)出的能力。當(dāng)EC>1時(shí)，DMU趨于生產(chǎn)前沿面，表明技術(shù)效率改善，反之技術(shù)效率下降。EC可進(jìn)一步分解為純技術(shù)效率變化(PEC)和規(guī)模效率變化(SEC)。當(dāng)PEC>1時(shí)，表明技術(shù)應(yīng)用程度上升，反之下降；當(dāng)SEC>1時(shí)，表明規(guī)模效率優(yōu)化，反之說(shuō)明投入規(guī)模改變導(dǎo)致效率降低。TC為技術(shù)進(jìn)步變化，反映生產(chǎn)前沿面變化對(duì)生產(chǎn)率的影響，當(dāng)TC>1時(shí)，生產(chǎn)邊界外移，表明技術(shù)進(jìn)步，反之退步。

2.2 第二階段：構(gòu)建類似SFA的回歸模型

首先運(yùn)用BCC模型求出每個(gè)DMU的投入松弛量Snk，即原始投入量與目標(biāo)投入量的差值，然后構(gòu)建類似SFA的回歸模型。投入松弛量Snk與環(huán)境變量的模型如下：

Sni=f(Zi;βn)+vni+μni,i=1,2,…,I;n=1,2,…N(3)

運(yùn)用Frontier4.1軟件，可得到βn，σ2，γ的估計(jì)量。此外，F(xiàn)ried給出了vni的估計(jì)量：

E[vni|vni+uni]=Sni-Ziβn-E[uni|vni+uni],i=1,2,…,I;n=1,2,…N(4)

具體計(jì)算公式參考羅登躍[35]、陳巍巍[36]的方法。通過(guò)剔除外部環(huán)境因素和隨機(jī)因素影響，將每個(gè)DMU都置于相同環(huán)境或水平下。調(diào)整公式如下：

2.3 第三階段：調(diào)整后的Malmquist指數(shù)

以調(diào)整后的投入變量代替原始投入變量，并與原始產(chǎn)出變量一同帶入Malmquist指數(shù)模型中，計(jì)算結(jié)果即為分離環(huán)境因素和隨機(jī)因素后的Malmquist指數(shù)，相比第一階段結(jié)果，其更加客觀準(zhǔn)確。

3 數(shù)據(jù)來(lái)源與變量選取

3.1 數(shù)據(jù)來(lái)源

根據(jù)“十一五”區(qū)域發(fā)展政策提出的劃分方法[32]，八大綜合經(jīng)濟(jì)區(qū)如表1所示，鑒于數(shù)據(jù)可得性與統(tǒng)一性，選取2011-2018年中國(guó)內(nèi)地除西藏外30個(gè)省市的數(shù)據(jù)作為面板分析數(shù)據(jù)，數(shù)據(jù)來(lái)源于2012-2019年的《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)科技統(tǒng)計(jì)年鑒》和《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》。

表1 八大綜合經(jīng)濟(jì)區(qū)范圍

3.2 投入產(chǎn)出指標(biāo)選取

關(guān)于綠色創(chuàng)新內(nèi)涵，主要包括3個(gè)方面：一是環(huán)境創(chuàng)新或環(huán)境改善；二是盡可能減少環(huán)境污染；三是創(chuàng)新引入環(huán)境績(jī)效。本文立足于綠色創(chuàng)新內(nèi)涵，基于數(shù)據(jù)可得性，選取指標(biāo)如下：

(1)投入指標(biāo)。人力和財(cái)力是綠色創(chuàng)新的核心要素，分別選用R&D人員全時(shí)當(dāng)量和R&D經(jīng)費(fèi)內(nèi)部支出表示。需要指出的是,在計(jì)算綠色創(chuàng)新效率時(shí)，由于投入產(chǎn)出可能存在時(shí)滯，參考學(xué)者郭瑞[37]、吳美琴[38]的做法，將投入產(chǎn)出時(shí)滯設(shè)為2年，因此選取2011-2016年的投入數(shù)據(jù)以及2013-2018年的產(chǎn)出數(shù)據(jù)。此外，由于受到物價(jià)變動(dòng)的影響，計(jì)算存量之前先構(gòu)造R&D價(jià)格指數(shù)，以對(duì)當(dāng)年的R&D經(jīng)費(fèi)進(jìn)行平減。R&D價(jià)格指數(shù)計(jì)算公式為：R&D價(jià)格指數(shù) = 0. 46*固定資產(chǎn)投資價(jià)格指數(shù)+0. 54*居民消費(fèi)價(jià)格指數(shù)，使用R&D價(jià)格指數(shù)將R&D經(jīng)費(fèi)內(nèi)部支出轉(zhuǎn)化為2011年不變價(jià)。采用永續(xù)盤存法，選取2011年為基期，基期資本存量K = 基期R&D內(nèi)部經(jīng)費(fèi)支出/(g + δ)，g為2011-2016年不變價(jià)R&D投資年均增長(zhǎng)率，折舊率δ取9.6%[39]。此外，能源消耗亦是綠色創(chuàng)新需要考慮的重要因素，故選用綜合能源消耗量表征能源投入情況。

(2)產(chǎn)出指標(biāo)。綠色創(chuàng)新不僅考慮環(huán)境改善的創(chuàng)新效率，還考慮其經(jīng)濟(jì)效率。專利代表了核心科技資產(chǎn)，能反映知識(shí)生產(chǎn)過(guò)程中綠色創(chuàng)新的真實(shí)水平，故選取專利申請(qǐng)數(shù)作為衡量綠色創(chuàng)新效率的期望產(chǎn)出。同時(shí)，選取新產(chǎn)品銷售收入作為衡量綠色創(chuàng)新成果轉(zhuǎn)化效益的期望產(chǎn)出指標(biāo)，綜合兩個(gè)指標(biāo)更能反映經(jīng)濟(jì)效率。對(duì)于非期望產(chǎn)出變量，利用熵值法，將廢水排放總量、SO2排放總量和工業(yè)固體廢棄物產(chǎn)生量折合為環(huán)境污染指數(shù)，作為綠色創(chuàng)新效率的投入要素指標(biāo)衡量非期望產(chǎn)出。表2為綠色創(chuàng)新投入產(chǎn)出指標(biāo)的描述性統(tǒng)計(jì)分析結(jié)果。

表2 樣本描述性統(tǒng)計(jì)結(jié)果

3.3 控制變量選取

第一階段的Malmquist指數(shù)分析結(jié)果是將所有的效率前沿偏離均歸結(jié)為管理無(wú)效率，而忽視了外部環(huán)境與隨機(jī)因素的影響，顯然不合理。由于區(qū)域綠色創(chuàng)新效率不僅與投入變量相關(guān)，還受經(jīng)濟(jì)發(fā)展水平、經(jīng)濟(jì)開(kāi)放程度、環(huán)境規(guī)制、技術(shù)市場(chǎng)發(fā)展?fàn)顩r和產(chǎn)業(yè)結(jié)構(gòu)等外界因素影響，借鑒韓晶[3]、李健[24]、易明[25]等人的綠色創(chuàng)新影響因素研究成果，選取環(huán)境變量如下：①經(jīng)濟(jì)發(fā)展水平(PGDP)。經(jīng)濟(jì)發(fā)展水平通過(guò)人均GDP衡量。根據(jù)庫(kù)茲涅茨曲線，隨著人均收入水平提高，人們對(duì)于改善生態(tài)環(huán)境的需求也會(huì)不斷上升，從而促進(jìn)綠色創(chuàng)新效率提升；②經(jīng)濟(jì)開(kāi)放程度(FDI)。經(jīng)濟(jì)開(kāi)放程度通過(guò)外商投資企業(yè)總額測(cè)度。相關(guān)理論主要包括兩個(gè)方面：一是“污染天堂”假說(shuō)認(rèn)為，發(fā)達(dá)國(guó)家會(huì)將高耗能、污染密集型產(chǎn)業(yè)轉(zhuǎn)移到發(fā)展中國(guó)家，進(jìn)而降低發(fā)展中國(guó)家的綠色創(chuàng)新效率[25]；二是“雙缺口”理論認(rèn)為，發(fā)展中國(guó)家通過(guò)吸引外資以彌補(bǔ)資金缺口，通過(guò)技術(shù)外溢效應(yīng)促進(jìn)國(guó)家技術(shù)水平提高，進(jìn)而促進(jìn)綠色創(chuàng)新效率提升[40]；③環(huán)境規(guī)制(ER)。環(huán)境規(guī)制通過(guò)工業(yè)污染治理投入衡量。工業(yè)污染治理投入對(duì)于減少環(huán)境污染、促進(jìn)綠色創(chuàng)新具有導(dǎo)向性作用。環(huán)境規(guī)制越有效，環(huán)境污染指數(shù)就越低，綠色創(chuàng)新效率也越高；④技術(shù)市場(chǎng)發(fā)展?fàn)顩r(TEC)。技術(shù)市場(chǎng)是連結(jié)資本、勞動(dòng)力、信息市場(chǎng)的橋梁，對(duì)于實(shí)現(xiàn)技術(shù)流動(dòng)和資源優(yōu)化配置、促進(jìn)綠色技術(shù)擴(kuò)散具有重要意義。技術(shù)市場(chǎng)成交量愈大，表明技術(shù)流動(dòng)、技術(shù)進(jìn)步愈快，推動(dòng)綠色創(chuàng)新效率提升的可能性越大；⑤產(chǎn)業(yè)結(jié)構(gòu)(IND)。采用第三產(chǎn)業(yè)產(chǎn)值占GDP比重衡量產(chǎn)業(yè)結(jié)構(gòu)。一方面，三產(chǎn)比值越高，相應(yīng)地，二產(chǎn)比值就越低，能源消耗和環(huán)境污染壓力也越低，從而促進(jìn)綠色創(chuàng)新效率提升；另一方面，三產(chǎn)中的科學(xué)研究與技術(shù)服務(wù)業(yè)、環(huán)境與公共設(shè)施管理業(yè)能夠?yàn)榫G色創(chuàng)新效率提升提供有力支撐。為消除變量量綱與數(shù)量級(jí)的影響，對(duì)5個(gè)環(huán)境變量均進(jìn)行標(biāo)準(zhǔn)化處理。

4 基于三階段Malmquist的綠色創(chuàng)新效率評(píng)價(jià)

4.1 第一階段綠色創(chuàng)新Malmquist指數(shù)測(cè)度

由表3可知，在整個(gè)考察期Malmquist指數(shù)均值為1.105，八大綜合經(jīng)濟(jì)區(qū)的Malmquist指數(shù)均大于1，表明全國(guó)范圍內(nèi)綠色創(chuàng)新效率總體呈上升趨勢(shì)，且年均增長(zhǎng)10.5%。其中，南部沿海、西南、西北地區(qū)高于全國(guó)平均水平，具體表現(xiàn)為南部沿海(1.199)>西北(1.168)>西南(1.159)>長(zhǎng)江中游(1.094)>黃河中游(1.080)>東北(1.069)>東部沿海(1.050)>北部沿海(1.024)。南部沿海地區(qū)的綠色創(chuàng)新效率領(lǐng)先全國(guó)，西北和西南地區(qū)緊隨其后，表明得益于西部大開(kāi)發(fā)戰(zhàn)略，西北和西南地區(qū)不僅在創(chuàng)新方面獲得了質(zhì)與量的提升，而且生態(tài)環(huán)境維護(hù)較好。值得注意的是，早年間東部沿海地區(qū)的綠色創(chuàng)新效率曾處于全國(guó)領(lǐng)先水平[3]，近年其綠色創(chuàng)新效率已低于全國(guó)平均水平，究其原因，可能源自3個(gè)方面：一是經(jīng)濟(jì)的快速發(fā)展給生態(tài)環(huán)境帶來(lái)巨大壓力；二是東部地區(qū)以外向型經(jīng)濟(jì)為主，近年來(lái)全球經(jīng)濟(jì)下行壓力加劇，而其經(jīng)濟(jì)結(jié)構(gòu)調(diào)整效果尚未顯現(xiàn)；三是周圍創(chuàng)新水平較低地區(qū)對(duì)其創(chuàng)新資源進(jìn)行了吸納與分流[41]。

表3 第一階段八大綜合經(jīng)濟(jì)區(qū)綠色創(chuàng)新效率Malmquist指數(shù)及其分解

從技術(shù)效率(EC)看，在整個(gè)考察期內(nèi)，EC均值為1.004，表明全國(guó)范圍內(nèi)綠色創(chuàng)新技術(shù)效率緩慢上升。EC可以進(jìn)一步分解為純技術(shù)效率(PEC)和規(guī)模效率(SEC)，因此，可以從兩方面進(jìn)一步分析技術(shù)效率變化原因。其中，PEC均值為1.000，表明綠色創(chuàng)新技術(shù)運(yùn)用水平保持不變，西南地區(qū)和東北地區(qū)高于全國(guó)平均水平，其余地區(qū)不太理想，純技術(shù)效率處于無(wú)效階段，而綠色創(chuàng)新規(guī)模效率年均增長(zhǎng)0.4%，可以認(rèn)為，綠色創(chuàng)新規(guī)模效率得到優(yōu)化但增長(zhǎng)緩慢。北部沿海SEC指數(shù)最低，為0.989，綠色創(chuàng)新處于規(guī)模無(wú)效率狀態(tài)，反映出北部沿海地區(qū)的投入產(chǎn)出比不合理，在地區(qū)經(jīng)濟(jì)社會(huì)實(shí)現(xiàn)快速發(fā)展的同時(shí)出現(xiàn)了資源冗余。

從技術(shù)進(jìn)步程度看(TC)，在整個(gè)考察期TC均值為1.102，即全國(guó)范圍內(nèi)的綠色創(chuàng)新技術(shù)有所進(jìn)步，其中，南部沿海與西南、西北地區(qū)均高于全國(guó)平均水平。進(jìn)一步比較分析Malmquist指數(shù)、EC指數(shù)和TC指數(shù)，可以發(fā)現(xiàn)，TC指數(shù)總體大于EC指數(shù)，且Malmquist指數(shù)與TC指數(shù)的地區(qū)分布一致，表明促進(jìn)我國(guó)綠色創(chuàng)新效率提升的主要因素是技術(shù)水平，而非技術(shù)效率，這可能與“十二五”期間國(guó)家貫徹“節(jié)能減排”發(fā)展要求、大力發(fā)展創(chuàng)新技術(shù)、新能源產(chǎn)業(yè)不斷發(fā)展、工業(yè)三廢污染排放不斷得到遏制有關(guān)。

4.2 第二階段SFA模型回歸結(jié)果分析

通過(guò)構(gòu)建SFA模型，運(yùn)用Frontier 4.1軟件得到回歸結(jié)果如表4所示。

根據(jù)表4，依次分析5個(gè)環(huán)境變量對(duì)3個(gè)投入松弛變量的影響。

表4 第二階段SFA回歸結(jié)果

(1)經(jīng)濟(jì)發(fā)展水平的影響。人均GDP對(duì)3個(gè)松弛變量的回歸系數(shù)均為正，且通過(guò)顯著性檢驗(yàn)，表明經(jīng)濟(jì)水平提高會(huì)使3個(gè)松弛變量變大，從而導(dǎo)致投入增加和產(chǎn)出下降，這與預(yù)期結(jié)果相悖，但也反映出目前R&D投入與能源投入存在大量冗余，以及因管理無(wú)效率導(dǎo)致創(chuàng)新資源與能源利用仍處于投資驅(qū)動(dòng)發(fā)展階段。

(2)經(jīng)濟(jì)開(kāi)放程度的影響。經(jīng)濟(jì)開(kāi)放程度對(duì)R&D人員全時(shí)當(dāng)量和R&D經(jīng)費(fèi)內(nèi)部支出存量的松弛變量的影響回歸系數(shù)為正，且均通過(guò)顯著性檢驗(yàn)，而對(duì)能源消費(fèi)總量松弛變量的影響系數(shù)為負(fù)且未通過(guò)顯著性檢驗(yàn)，表明現(xiàn)階段經(jīng)濟(jì)越開(kāi)放，越有利于創(chuàng)新資源投入，只是目前R&D人員與經(jīng)費(fèi)浪費(fèi)現(xiàn)象較嚴(yán)重，而經(jīng)濟(jì)開(kāi)放程度對(duì)能源消費(fèi)的影響不顯著。

(3)環(huán)境規(guī)制的影響。環(huán)境規(guī)制對(duì)R&D人員全時(shí)當(dāng)量和能源消費(fèi)總量的松弛變量的影響均不明顯，而對(duì)R&D經(jīng)費(fèi)內(nèi)部支出存量的松弛變量的影響為正。由此可見(jiàn)，目前環(huán)境規(guī)制力度越大，R&D經(jīng)費(fèi)利用水平越低，說(shuō)明地區(qū)環(huán)境政策對(duì)提升R&D經(jīng)費(fèi)利用率沒(méi)有起到很好的效果。

(4)技術(shù)市場(chǎng)發(fā)展?fàn)顩r的影響。技術(shù)市場(chǎng)對(duì)3個(gè)松弛變量的影響回歸系數(shù)均為負(fù)，且通過(guò)顯著性檢驗(yàn)，表明技術(shù)市場(chǎng)成交量越大，技術(shù)流動(dòng)與技術(shù)進(jìn)步越快，越有利于R&D資源和自然資源利用效率提升。

(5)產(chǎn)業(yè)結(jié)構(gòu)的影響。產(chǎn)業(yè)結(jié)構(gòu)對(duì)R&D人員全時(shí)當(dāng)量的松弛變量的影響系數(shù)為負(fù)且通過(guò)顯著性檢驗(yàn)，而對(duì)R&D經(jīng)費(fèi)內(nèi)部支出存量的松弛變量的影響系數(shù)為正，對(duì)能源消費(fèi)總量的松弛變量的影響效果不顯著，表明產(chǎn)業(yè)結(jié)構(gòu)越高級(jí)化，越有利于提高R&D人員利用率，但是目前的產(chǎn)業(yè)結(jié)構(gòu)還不完善，容易造成R&D經(jīng)費(fèi)與能源浪費(fèi)。

由于統(tǒng)計(jì)量γ處于0.752～0.837之間，表明管理無(wú)效率占主導(dǎo)，需調(diào)整投入變量，使DMU處于相同環(huán)境或水平。

4.3 第三階段：調(diào)整后的Malmquist指數(shù)分析

觀察圖1發(fā)現(xiàn)，調(diào)整后的綠色創(chuàng)新Malmquist總體呈“下降-上升-下降-上升”的波動(dòng)趨勢(shì)，并于2015-2016年處于最高值；技術(shù)效率指數(shù)下降而技術(shù)進(jìn)步指數(shù)上升，年均增長(zhǎng)率分別為-0.2%和6%。此外，Malmquist指數(shù)與TC指數(shù)呈現(xiàn)出相似的波動(dòng)趨勢(shì)，表明綠色創(chuàng)新效率主要由技術(shù)進(jìn)步?jīng)Q定，而技術(shù)效率起抑制作用；EC指數(shù)總體呈下降趨勢(shì)，從其分解指數(shù)看，PEC指數(shù)和SEC指數(shù)均較低，即兩項(xiàng)指數(shù)均抑制了EC指數(shù)增長(zhǎng)。其中，SEC指數(shù)與EC指數(shù)的波動(dòng)趨勢(shì)相似，表明規(guī)模效率占主導(dǎo)作用。

圖1 第三階段歷年綠色創(chuàng)新效率變化趨勢(shì)

分區(qū)域看，如表5所示，八大經(jīng)濟(jì)區(qū)的綠色創(chuàng)新Malmquist指數(shù)均大于1，表明綠色創(chuàng)新效率呈上升趨勢(shì)。從其分解指數(shù)看，西南地區(qū)EC指數(shù)與TC指數(shù)均大于1，其余地區(qū)的EC指數(shù)均小于1，而TC指數(shù)均大于1。這一方面表明西南地區(qū)屬于共同推動(dòng)型，即技術(shù)效率與技術(shù)進(jìn)步均有增長(zhǎng)，共同推進(jìn)綠色創(chuàng)新效率提升，而其余地區(qū)為技術(shù)進(jìn)步型，即綠色創(chuàng)新效率主要由技術(shù)進(jìn)步所決定；另一方面也驗(yàn)證了目前八大綜合經(jīng)濟(jì)區(qū)綠色創(chuàng)新效率的提升主要源于技術(shù)進(jìn)步，技術(shù)效率低下是抑制綠色創(chuàng)新效率提升的主要原因。

表5 第三階段八大綜合經(jīng)濟(jì)區(qū)綠色創(chuàng)新Malmquist指數(shù)及其分解結(jié)果

4.4 第一階段與第三階段對(duì)比分析

對(duì)比圖2第一階段與第三階段的指數(shù)值，發(fā)現(xiàn)在剔除環(huán)境變量和隨機(jī)因素的影響后，Malmquist指數(shù)均有所下降，可見(jiàn)第一階段中的綠色創(chuàng)新效率被高估，由于綠色創(chuàng)新效率受外部環(huán)境因素影響較大，優(yōu)化外部環(huán)境有利于綠色創(chuàng)新效率提升。調(diào)整投入后的八大綜合經(jīng)濟(jì)區(qū)綠色創(chuàng)新效率排名如下：南部沿海(1.080)>黃河中游(1.062)>西南(1.061)>長(zhǎng)江中游(1.047)>東北(1.043)>東部沿海(1.041)>西北(1.024)>北部沿海(1.021)。其中，西北和黃河中游地區(qū)排名與第一階段結(jié)果差別較大，其余地區(qū)排名則保持不變。究其原因，可能是由于西北和黃河中游地區(qū)自身財(cái)力較弱，受中央轉(zhuǎn)移支付政策等環(huán)境因素影響較大，資源投入的微小變化即可導(dǎo)致該地區(qū)綠色創(chuàng)新效率出現(xiàn)較大波動(dòng)。

圖2 第一階段與第三階段八大綜合經(jīng)濟(jì)區(qū)綠色創(chuàng)新Malmquist指數(shù)及其分解結(jié)果

從EC指數(shù)來(lái)看，除北部沿海地區(qū)外，其余地區(qū)的EC指數(shù)均有所下降，表明第一階段的EC指數(shù)被高估，說(shuō)明其受外部環(huán)境變量的影響較大。對(duì)比第一階段和第三階段的TC指數(shù)發(fā)現(xiàn)，東北、東部沿海和黃河中游地區(qū)的TC指數(shù)有所上升，其余地區(qū)下降，可見(jiàn)優(yōu)化外部環(huán)境有利于東北、東部沿海和黃河中游地區(qū)技術(shù)進(jìn)步。

5 綠色創(chuàng)新效率模式智能診斷

在對(duì)八大經(jīng)濟(jì)區(qū)綠色創(chuàng)新效率進(jìn)行評(píng)估后，通過(guò)建立概率神經(jīng)網(wǎng)絡(luò)，對(duì)其進(jìn)行智能診斷，可以快速判斷無(wú)效決策單元。借鑒張惠琴等[25]對(duì)效率評(píng)價(jià)值的分類，將綠色創(chuàng)新效率模式劃分為全部效率有效、純技術(shù)無(wú)效、規(guī)模無(wú)效和技術(shù)進(jìn)步無(wú)效4種類型，對(duì)應(yīng)效率值的二進(jìn)制形式如表6所示。

表6 綠色創(chuàng)新效率評(píng)價(jià)模式的二進(jìn)制分類

將第三階段得到的八大綜合經(jīng)濟(jì)區(qū)綠色創(chuàng)新效率作為訓(xùn)練樣本，根據(jù)表5的二進(jìn)制分類將其轉(zhuǎn)化為二進(jìn)制格式，具體如表7所示。

表7 PNN訓(xùn)練樣本

將訓(xùn)練樣本輸入建立好的PNN結(jié)構(gòu)中，其中，DMU作為PNN結(jié)構(gòu)的神經(jīng)元，輸入變量為訓(xùn)練樣本的特征參數(shù)，輸出變量為其歸屬的故障模式類型。PNN的訓(xùn)練函數(shù)選取徑向基SPREAD函數(shù)，設(shè)輸入變量為P，輸出變量為T，Matlab程序代碼為:net=newpnn(P,T,SPREAD)，其中，SPREAD值取0.1[22]。運(yùn)用Matlab軟件，對(duì)建立的PNN樣本進(jìn)行訓(xùn)練，實(shí)現(xiàn)訓(xùn)練樣本效率模式的智能診斷，執(zhí)行結(jié)果如圖3所示。

圖3 訓(xùn)練數(shù)據(jù)網(wǎng)絡(luò)分類

由Matlab輸出的yc值依次為：2 3 3 3 3 3 1 3 3，準(zhǔn)確率達(dá)到了100%，可靠性較高，說(shuō)明本文建立的PNN結(jié)構(gòu)成功實(shí)現(xiàn)了對(duì)八大經(jīng)濟(jì)區(qū)綠色創(chuàng)新效率模式的智能診斷，且快速有效?，F(xiàn)根據(jù)診斷結(jié)果，將八大經(jīng)濟(jì)區(qū)分為三類：

一是全部效率有效地區(qū)，主要為西南地區(qū)。相比其它地區(qū)，西南地區(qū)在綠色創(chuàng)新技術(shù)應(yīng)用與規(guī)模效率方面都具有優(yōu)勢(shì)，在2018年《中國(guó)區(qū)域科技創(chuàng)新評(píng)價(jià)報(bào)告》中[36]，重慶在高新技術(shù)產(chǎn)業(yè)化指數(shù)排名中居于首位，重慶和四川已成為西部地區(qū)的科技創(chuàng)新中心，加之地區(qū)生態(tài)保持良好，因此西南地區(qū)迅速崛起，成為區(qū)域綠色創(chuàng)新亮點(diǎn)。

二是純技術(shù)無(wú)效地區(qū)，主要為東北地區(qū)。該地區(qū)綠色創(chuàng)新效率是由規(guī)模效率拉動(dòng)的，但規(guī)模效率的影響很弱，而純技術(shù)效率對(duì)其有抑制作用，可見(jiàn)東北地區(qū)的技術(shù)應(yīng)用程度處于下降階段，表明經(jīng)過(guò)“經(jīng)濟(jì)振興”計(jì)劃后東北地區(qū)的高技術(shù)產(chǎn)業(yè)與現(xiàn)代服務(wù)業(yè)比重仍較低。此外，東北作為資源型城市聚集地，不可避免會(huì)遇到資源枯竭與環(huán)境污染問(wèn)題。因此，如何實(shí)現(xiàn)綠色創(chuàng)新、促進(jìn)經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級(jí)、提高地區(qū)可持續(xù)發(fā)展能力是東北地區(qū)面臨的重大問(wèn)題。

三是規(guī)模無(wú)效地區(qū)，主要為北部沿海、長(zhǎng)江中游、西北地區(qū)、東部沿海、南部沿海和黃河中游。其中，前三個(gè)地區(qū)的綠色創(chuàng)新由純技術(shù)效率拉動(dòng)，因地區(qū)投入產(chǎn)出不合理導(dǎo)致規(guī)模效率降低。對(duì)于北部沿海地區(qū)來(lái)說(shuō)，北京雖然在創(chuàng)新資源投入、高端人才引進(jìn)與產(chǎn)業(yè)集聚方面具有絕對(duì)優(yōu)勢(shì)，但北部沿海地區(qū)綠色創(chuàng)新規(guī)模仍處于無(wú)效狀態(tài)，可見(jiàn)北京對(duì)其周邊城市的輻射作用不明顯，綠色創(chuàng)新效率溢出效應(yīng)不顯著，整體尚未形成規(guī)模優(yōu)勢(shì)；長(zhǎng)江中游地區(qū)屬于典型的碳基能源經(jīng)濟(jì)，加之城市工業(yè)化的粗放式發(fā)展、城鎮(zhèn)人口的極速擴(kuò)張，勢(shì)必加劇環(huán)境污染和資源消耗程度，從而抑制綠色創(chuàng)新水平提高；西北地區(qū)作為欠發(fā)達(dá)地域，主要承接來(lái)自發(fā)達(dá)省域的產(chǎn)業(yè)轉(zhuǎn)移，在產(chǎn)業(yè)轉(zhuǎn)移過(guò)程中加大了創(chuàng)新資源投入，提高了創(chuàng)新資源利用率，但同時(shí)也面臨資源節(jié)約意識(shí)不強(qiáng)、自主創(chuàng)新缺乏等問(wèn)題，從而導(dǎo)致能源與環(huán)境優(yōu)勢(shì)過(guò)度消耗、綠色創(chuàng)新處于規(guī)模不經(jīng)濟(jì)的局面。后三個(gè)地區(qū)的純技術(shù)效率與規(guī)模效率共同抑制了綠色創(chuàng)新效率增長(zhǎng)，可能與沿海地區(qū)工業(yè)企業(yè)數(shù)量眾多、污染排放量大、環(huán)境遭到嚴(yán)重破壞有關(guān)。同時(shí)，也反映出這些地區(qū)在科技創(chuàng)新研發(fā)投入與資源配置效率方面均未體現(xiàn)出優(yōu)越性。而黃河中游覆蓋了部分能源大省，在承接外部產(chǎn)業(yè)轉(zhuǎn)移的同時(shí)并未加強(qiáng)重視生態(tài)環(huán)境保護(hù)，導(dǎo)致綠色創(chuàng)新效率結(jié)果不理想。

6 結(jié)論與建議

基于2011-2018年全國(guó)內(nèi)地30個(gè)省市面板數(shù)據(jù)，構(gòu)建了排除外部環(huán)境與隨機(jī)干擾因素的八大綜合經(jīng)濟(jì)區(qū)綠色創(chuàng)新效率動(dòng)態(tài)評(píng)價(jià)模型，并建立PNN結(jié)構(gòu)進(jìn)行仿真，對(duì)其綠色創(chuàng)新效率模式進(jìn)行智能診斷。主要研究結(jié)論如下：

(1)技術(shù)進(jìn)步是提升區(qū)域綠色創(chuàng)新效率的關(guān)鍵。八大綜合經(jīng)濟(jì)區(qū)的綠色創(chuàng)新效率呈上升趨勢(shì)。分區(qū)域而言，西南地區(qū)屬于共同推動(dòng)型，即技術(shù)效率與技術(shù)進(jìn)步共同推進(jìn)綠色創(chuàng)新效率增長(zhǎng)，而其余地區(qū)為技術(shù)進(jìn)步型，即綠色創(chuàng)新效率主要由技術(shù)進(jìn)步所決定。Malmquist指數(shù)總體呈“下降-上升-下降-上升”的波動(dòng)趨勢(shì)，且變化趨勢(shì)與TC指數(shù)相似，即綠色創(chuàng)新效率主要由技術(shù)進(jìn)步?jīng)Q定，而EC指數(shù)總體呈下降趨勢(shì)，從其分解指數(shù)看，主要是由規(guī)模效率下降所致。

(2)完善平臺(tái)是提升區(qū)域綠色創(chuàng)新效率的保障。加快發(fā)展技術(shù)市場(chǎng)和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)有助于綠色創(chuàng)新效率提升，而經(jīng)濟(jì)發(fā)展水平、經(jīng)濟(jì)開(kāi)放程度和環(huán)境規(guī)制對(duì)綠色創(chuàng)新效率的影響不顯著。

(3)精準(zhǔn)施策是提升區(qū)域綠色創(chuàng)新效率的良方。剔除外部環(huán)境與隨機(jī)因素干擾后，各區(qū)域的Malmquist指數(shù)均有下降，表明第一階段的綠色創(chuàng)新效率被高估。其中，西北和黃河中游地區(qū)的排名與第一階段結(jié)果差別較大，其余地區(qū)排名保持不變，說(shuō)明西北和黃河中游地區(qū)綠色創(chuàng)新效率受中央轉(zhuǎn)移支付政策等環(huán)境因素影響較大，因此針對(duì)不同區(qū)域精準(zhǔn)施策對(duì)其綠色創(chuàng)新效率提升具有重大意義。

(4)智能診斷是提升區(qū)域綠色創(chuàng)新效率的有效手段。根據(jù)智能診斷結(jié)果，將八大經(jīng)濟(jì)區(qū)分為三類，具體而言，全部效率有效為西南地區(qū)，純技術(shù)無(wú)效為東北地區(qū)，其余為規(guī)模無(wú)效地區(qū)，即智能診斷能夠?qū)G色創(chuàng)新效率模式作出準(zhǔn)確分類和判斷。

根據(jù)上述結(jié)論，提出對(duì)策建議如下：首先，鑒于技術(shù)進(jìn)步是提升區(qū)域綠色創(chuàng)新效率的關(guān)鍵，各經(jīng)濟(jì)區(qū)需加強(qiáng)區(qū)域內(nèi)部合作，促進(jìn)區(qū)域內(nèi)的技術(shù)流動(dòng)和共享，共同推動(dòng)技術(shù)進(jìn)步以及區(qū)域綠色創(chuàng)新協(xié)同發(fā)展；其次，各經(jīng)濟(jì)區(qū)應(yīng)不斷完善各類平臺(tái)，尤其是加快發(fā)展技術(shù)市場(chǎng)和優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，為提升綠色創(chuàng)新效率提供保障。此外，考慮到不同外部環(huán)境因素對(duì)區(qū)域綠色創(chuàng)新效率的影響不同，各經(jīng)濟(jì)區(qū)應(yīng)結(jié)合智能診斷結(jié)果顯示的綠色創(chuàng)新效率模式予以精準(zhǔn)施策。具體而言，東部沿海工業(yè)企業(yè)數(shù)量龐大，加之以外向型經(jīng)濟(jì)為主，因此需不斷加大環(huán)保投入，大力倡導(dǎo)自主研發(fā)，實(shí)現(xiàn)經(jīng)濟(jì)外向與內(nèi)向的結(jié)合。此外，地方政府要重視創(chuàng)新資源的溢出效應(yīng)，在促進(jìn)與鄰近地區(qū)協(xié)調(diào)發(fā)展的同時(shí)確保自身創(chuàng)新效率不斷提升。東北地區(qū)屬于純技術(shù)無(wú)效地區(qū)，應(yīng)在加大綠色創(chuàng)新投入的基礎(chǔ)上，建立人員激勵(lì)機(jī)制，提高工作效率，同時(shí)，完善綠色創(chuàng)新技術(shù)，充分利用投入資源，進(jìn)而提升純技術(shù)效率。對(duì)于西北、長(zhǎng)江中游與黃河中游地區(qū)，政府應(yīng)不斷優(yōu)化外部環(huán)境，促進(jìn)綠色創(chuàng)新效率提升。此外，這些地區(qū)在承接外部產(chǎn)業(yè)轉(zhuǎn)移時(shí)，要樹(shù)立資源節(jié)約意識(shí)，培育自主創(chuàng)新能力，將綠水青山轉(zhuǎn)變?yōu)椤敖鹕姐y山”。南部沿海和北部沿海地區(qū)應(yīng)充分發(fā)揮核心城市的科技創(chuàng)新潛能，塑造新常態(tài)下綠色創(chuàng)新增長(zhǎng)極，引導(dǎo)周邊城市綠色創(chuàng)新效率提升。西南地區(qū)綠色創(chuàng)新資源投入和產(chǎn)出水平較合理，在綠色創(chuàng)新技術(shù)應(yīng)用和規(guī)模效率方面也具有優(yōu)勢(shì)，應(yīng)維持目前的良好狀態(tài)。