劉源 ，溫作民

（1.南京林業(yè)大學 經濟管理學院，江蘇 南京 210037；2.金陵科技學院 商學院，江蘇 南京 211169）

2020 年9 月，中國在第75 屆聯合國大會上正式提出2030 年前“碳達峰”與2060 年前“碳中和”的目標（以下簡稱“雙碳”目標）?！半p碳”目標的提出，標志著中國在以生態(tài)文明建設推動綠色技術提升的新時代背景下，將環(huán)境保護和綠色發(fā)展上升至國家發(fā)展戰(zhàn)略。隨后，2021 年10 月出臺的《2030 年前碳達峰行動方案》，進一步構筑了中國“雙碳”目標政策體系頂層設計藍圖。綠色低碳技術作為全球新一輪產業(yè)革命與科技革命的重要體現[1]，不僅是我國應對氣候變化難題的首要選擇，而且是建設“美麗中國”、實現可持續(xù)發(fā)展的重要路向。面對資源環(huán)境承載力日趨上限的客觀事實，綠色低碳技術創(chuàng)新已然成為我國推進生態(tài)文明建設，加速實現“雙碳”目標的重要選擇[2]。這一背景下，如何在充分融合“雙碳”目標理念基礎上測度中國綠色低碳技術創(chuàng)新效率？測度結果是否存在空間溢出效應？解答上述問題，有利于科學且全面地認識中國綠色低碳技術創(chuàng)新發(fā)展水平與方向，助力生態(tài)可持續(xù)發(fā)展目標實現。

早期學術界有關綠色技術創(chuàng)新的研究主要集中于對概念及重要性的討論。此時，為應對日益嚴苛的環(huán)境問題、探索綠色生產工藝與生態(tài)產品，諸多學者將綠色技術創(chuàng)新與經濟可持續(xù)發(fā)展相聯系，試圖從技術創(chuàng)新視角體現可持續(xù)發(fā)展目標[3-5]。而后，隨著基礎統計數據逐步完善，關于綠色技術創(chuàng)新績效評估及其影響因素探討的研究逐步豐富。這一階段，學界多利用Malmquist 指數以及改進的DEA 模型，從企業(yè)、產業(yè)以及區(qū)域視角對綠色技術創(chuàng)新效率進行深入分析[6-8]。目前，綠色技術創(chuàng)新效率的研究重點逐漸轉向影響效應評價，旨在從環(huán)境規(guī)制、降低碳排放強度、數字化轉型等多視角探討綠色技術創(chuàng)新效應[9-10]。隨著研究關注點逐漸由內涵特征向定量測評轉變，如何探尋綠色技術創(chuàng)新優(yōu)化新空間成為當前學界討論的重點。同時，“雙碳”目標的提出更是從理論與實踐層面為研究提供了新視角。基于此，本文嘗試將“雙碳”理念納入研究框架，利用2011—2020 年綠色技術創(chuàng)新效率面板數據，運用三階段DEA 模型對中國綠色低碳技術創(chuàng)新效率進行綜合測度。進一步地，運用空間相關性檢驗與空間計量模型，從主觀驅動因素與客觀驅動因素兩方面選取相關指標，以探究其空間溢出效應及影響因素。

1 中國綠色低碳技術創(chuàng)新效率測度

1.1 三階段DEA模型

為更加準確地測度中國綠色低碳技術創(chuàng)新效率，本文參考相關研究[11-13]，選擇剔除環(huán)境變量和隨機干擾對效率測度影響的三階段DEA 模型進行分析。

其中，第一階段采用非期望產出的SBM 模型測量中國綠色低碳技術創(chuàng)新效率。具體模型如式（1）所示：

式中：ρ(0 ＜ρ＜1)指代中國綠色低碳技術創(chuàng)新效率值；S-指代投入過多，Sb指代非期望產出過多，Sg指代期望產出不足。

第二階段使用隨機前沿分析法（SFA）對第一階段松弛變量展開回歸分析，旨在剔除環(huán)境變量與混合誤差項對回歸結果的影響，具體如式（2）所示：

式中：Sij表示第j個決策單元在第i項投入的松弛值；為環(huán)境變量；βi為環(huán)境變量的系數；vij表示隨機干擾；μij表示管理無效率，vij+μij為混合誤差項，兩者相互獨立。將環(huán)境變量和第一階段松弛變量值導入Frontier4.1軟件，得到參數值。調整后的投入公式為：

第三階段是對調整后投入產出變量的再分析。在該階段，首先會剔除影響區(qū)域異質性的環(huán)境因素與隨機誤差因素，進而得到更加真實客觀的效率水平。

1.2 變量選取與數據來源

參鑒已有學者近年來對綠色技術創(chuàng)新效率評價指標的相關研究[14-15]，遵循數據科學性與有效性原則，選取投入、產出以及環(huán)境變量三個維度進行指標體系構建。在環(huán)境變量方面，為了保證所選數據能夠影響中國綠色低碳技術創(chuàng)新效率，且不受到樣本自身主觀控制的條件，本文參考楊舒婷[16]的相關研究，從經濟發(fā)展水平、環(huán)境規(guī)制強度、人力資本水平以及科技創(chuàng)新潛力四個方面，選取影響中國綠色低碳技術創(chuàng)新效率的環(huán)境變量。

出于數據可得性考量，本文剔除西藏和港澳臺地區(qū)數據，以中國30 個省份為研究樣本；樣本期選取公開發(fā)表的近10 年數據，即2011—2020 年。樣本數據主要來自歷年《中國科技統計年鑒》《中國城市統計年鑒》《中國環(huán)境統計年鑒》《中國工業(yè)統計年鑒》。為剔除數據量綱影響，對環(huán)境變量數據進行標準化處理。此外，部分缺失數據采用線性插值法予以補全。各變量數據含義及說明如表1 所示。

表1 變量數據含義及說明

1.3 中國綠色低碳技術創(chuàng)新效率結果分析

1.3.1 傳統DEA模型計算結果分析

借助MaxDEA 軟件對中國30 個省份綠色低碳技術創(chuàng)新效率進行測算（表2）。整體來看，樣本期內中國綠色低碳技術創(chuàng)新效率均值排名前十依次是廣東（0.979）、北京（0.978）、上海（0.924）、浙江（0.882）、安徽（0.836）、江蘇（0.805）、天津（0.767）、湖南（0.672）、海南（0.666）、重慶（0.647）；創(chuàng)新效率均值最低的三個省份分別是黑龍江（0.252）、貴州（0.239）、山西（0.220）。從省份數據分析來看，廣東、北京和上海之所以能夠位列前三，主要原因是綠色低碳技術創(chuàng)新效率常年保持為1。相對而言，其余省份效率并未達到最優(yōu)，且效率值多低于0.5，故各省份間存在明顯的階梯性差異。產生這一階梯性差異的可能原因是，排名靠前地區(qū)長期堅持以技術創(chuàng)新、綠色環(huán)保、低碳節(jié)能為導向的產業(yè)發(fā)展政策，使得綠色低碳技術創(chuàng)新效率長期處于高位。而其余省份受限于經濟發(fā)展水平、地區(qū)自然資源稟賦以及城鎮(zhèn)化水平等多種客觀因素，使得綠色低碳技術創(chuàng)新效率均值較低。從時序視角探究發(fā)現，天津、江蘇、海南、安徽、重慶、青海、新疆等省份綠色低碳技術創(chuàng)新效率波動較大。可能的原因在于，上述地區(qū)在推進綠色低碳技術變革時，仍存在政策協同延展性缺失、綠色低碳技術創(chuàng)新應用范圍狹窄以及研發(fā)投入力度不足等問題，制約地區(qū)綠色低碳技術創(chuàng)新效率提升。此外，盡管山西、貴州、陜西、甘肅等地整體波動幅度較小，但其長期處于低位的綠色低碳技術創(chuàng)新效率直觀呈現出地方推進產業(yè)綠色低碳技術轉型、升級的欠缺。就四大區(qū)域比較而言，2011—2020 年東部區(qū)域綠色低碳技術創(chuàng)新效率均值為0.754，遠高于中部區(qū)域（0.478）、西部區(qū)域（0.365）和東北區(qū)域（0.305）。這一數字表明，中國綠色低碳技術創(chuàng)新效率均值空間分布具有明顯階梯性，即東部區(qū)域＞中部區(qū)域＞西部區(qū)域＞東北區(qū)域。

1.3.2 基于SFA的隨機前沿分析

在這一階段，以中國綠色低碳技術創(chuàng)新效率的投入冗余為被解釋變量，將經濟發(fā)展水平、環(huán)境規(guī)制強度、人力資本水平和科技創(chuàng)新潛力作為被解釋變量，運用SFA 模型考察環(huán)境因素對投入松弛變量的影響，然后根據計算結果對原始投入進行調整。由表3 可知，經濟發(fā)展水平與勞動力投入、經費投入以及能源消耗呈現顯著正相關，說明經濟發(fā)展水平越高，其對勞動要素、資本投入以及能源消耗的能力隨之增加。環(huán)境規(guī)制強度與勞動力投入、能源消耗呈顯著正相關。這說明，隨著環(huán)境規(guī)制強度的增加，地方政府或更多考慮如何優(yōu)化勞動力投入與能源消耗水平，盡管會促使政府主動優(yōu)化經費投入，但也存在無效勞動力投入以及能源消耗增加的窘境。人力資本水平對勞動力投入與能源消耗為顯著負向影響，而對經費投入為顯著正向影響，說明中國綠色低碳技術創(chuàng)新前期會不斷加大經費投入力度，但在有效人力方面存在時滯效應，導致前期勞動力投入無法有效減少投入冗余。科技創(chuàng)新潛力與三個指標均呈顯著正相關，說明普通高等在校學生能夠顯著影響勞動力投入，且科技創(chuàng)新潛力越高，對能源消耗的促進作用越強。

表3 隨機前沿分析（SFA）回歸結果

1.3.3 調整后的DEA模型結果分析

由上述分析可知，環(huán)境因素對投入松弛變量的影響程度不同，會導致各個變量初始條件相左。因此，首先需要將原始變量與調整后的投入變量進行替換，然后重新導入傳統DEA 模型，最后得到剔除環(huán)境因素與隨機誤差因素影響后的中國綠色低碳技術創(chuàng)新效率（表4）。對比表4 與表2 可知，30 個省份綠色低碳技術創(chuàng)新效率在調整前后存在較為明顯的差異，即在剔除外部環(huán)境變量與隨機變量影響后，中國綠色低碳技術創(chuàng)新效率整體均值高于剔除前。這一過程中，前后對比表現出下降特征的有北京、河北、上海、江蘇、浙江、廣東、安徽、湖南和重慶9 個省份。此結果說明，外部環(huán)境因素的影響會在一定程度上影響綠色低碳技術創(chuàng)新效率提升。其余21 個省份調整后的綠色低碳技術創(chuàng)新效率呈現出上升趨勢，說明盡管此類省份綠色低碳技術創(chuàng)新效率較低，但原因并非完全是自身主觀意見導致，而更多受到外部環(huán)境因素影響。就四大區(qū)域比較而言，剔除后的2011—2020 年中國綠色低碳技術創(chuàng)新效率排名依次為東部區(qū)域（0.677）＞西部區(qū)域（0.472）＞中部區(qū)域（0.447）＞東北區(qū)域（0.376）。東部區(qū)域依舊位列第一，西部區(qū)域則反超中部地區(qū)排名第二，東北區(qū)域雖有上升，但仍位列第四。

表4 2011—2020年中國綠色低碳技術創(chuàng)新效率再測度結果

2 中國綠色低碳技術創(chuàng)新效率的空間溢出效應分析

2.1 空間相關性檢驗

空間自相關分析法多用于研究地理數據統計方面，是一種針對性研究特定空間范圍集聚程度的度量方法。換言之，對某一被觀測事物進行研究時，該事物會通過地理關系的空間相互作用和空間擴散作用而逐漸形成異質性聚集特征[17-18]。這里以Moran’s I 作為測度中國綠色低碳技術創(chuàng)新效率空間自相關性的方法，如公式（4）所示：

式中：i與j分別代表某個不同區(qū)域；n表示省份個數；用于指代i與j區(qū)域的鄰接關系；xi則表示綠色低碳技術創(chuàng)新效率在某個省份中的觀察值。當i與j相鄰時，Wij=1，反之，Wij=0。然后，設定Moran’s I 取值范圍為[-1, 1]，若0 ＜I＜1，表明研究區(qū)域之間存在正相關；若-1 ＜I＜0，表明其為負相關；若I=0，表明其為獨立隨機分布，各省份綠色低碳技術創(chuàng)新效率不存在自相關。I的絕對值越大，相關性越高。

表5 為2011—2020 年中國30 個省份全局Moran’s I測算結果?？梢钥闯?，2011—2020 年中國綠色低碳技術創(chuàng)新效率的全局Moran’s I 整體呈現波動上升態(tài)勢。該結果表明，中國綠色低碳技術創(chuàng)新效率具有顯著空間正相關性，在后續(xù)研究中需考慮空間因素。

表5 2011—2020年中國綠色低碳技術創(chuàng)新效率的Moran’s I及P值

2.2 空間溢出效應分析

2.2.1 模型設定

空間計量模型主要分為空間誤差模型（SEM）、空間滯后模型（SLM）和空間杜賓模型（SDM）。為明確究竟選擇何種空間計量模型計算，參考楊陽[19]的研究，借助下式對SLM 模型和SEM 模型進行判斷：

式中：TIEit為綠色低碳技術創(chuàng)新效率；interpretit為解釋變量；α和β為常數項；ρ、θ分別為因變量與自變量的空間回歸系數；λ為空間誤差回歸系數。當ρ=0,θ=0,λ≠0 時，選用SEM 模型；當ρ≠0,θ=0,λ=0 時，選用SLM 模型；當ρ≠0,θ≠0,λ=0 時，選用SDM 模型。

借助Wald 檢驗和LR 檢驗對SDM 模型是否會退化成SEM 模型、SLM 模型進行判斷，檢驗結果見表6。

表6 Wald檢驗與LR檢驗結果

由結果可知，Wald 檢驗與LR 檢驗結果均在1%的水平上顯著，說明SDM 模型無法退化為SEM 模型和SLM 模型。因此，本文選擇SDM 模型對中國綠色低碳技術創(chuàng)新效率進行計量分析，計算公式如下：

2.2.2 數據與變量說明

本質上看，影響中國綠色低碳技術創(chuàng)新效率的因素主要基于過程導向，即通過影響綠色低碳技術創(chuàng)新過程而引起不同區(qū)域創(chuàng)新效率差異。從這一維度審視，可將中國綠色低碳技術創(chuàng)新效率的影響因素分為以下兩種，一是包括財政投入、企業(yè)研發(fā)投入在內的主觀驅動因素；二是包括經濟發(fā)展水平、城鎮(zhèn)化水平和人力資本水平的客觀驅動因素。結合上述分析及相關學者研究，從主客觀維度出發(fā)，對中國綠色低碳技術創(chuàng)新效率進行空間面板估計。主要變量如下：

被解釋變量：綠色低碳技術創(chuàng)新效率（TIE），由前述一階段綠色低碳技術創(chuàng)新效率綜合測度結果獲得。

解釋核心變量：基于上述分析，選取財政投入（FI）、企業(yè)研發(fā)投入（EI）、科研機構研發(fā)投入（II）以及高校研發(fā)投入（UI）作為核心解釋變量。

控制變量：結合中國綠色低碳技術創(chuàng)新客觀驅動因素，選取經濟發(fā)展水平（Eco）、城鎮(zhèn)化水平（Urban）以及人力資本水平（Human）作為控制變量。

各變量說明如表7 所示。

表7 各變量指標及說明

相關數據主要來源于樣本期內歷年《中國科技統計年鑒》《中國環(huán)境統計年鑒》《中國統計年鑒》，部分數據為國家統計局調研數據與《中國城市統計年鑒》數據。此外，考慮到估計結果可能受到數據量綱的影響，所以對各項原始數據實施標準化處理。

2.2.3 空間溢出效應結果與分析

為考察主觀驅動因素與客觀驅動因素的具體影響效應，并準確分析其對綠色低碳技術創(chuàng)新效率的沖擊，本文進一步運用SDM 模型分析中國綠色低碳技術創(chuàng)新效率的空間溢出效應（表8）。

表8 SDM模型的總效應、直接效應和間接效應

（1）觀察直接效應結果可知，核心解釋變量、控制變量對綠色低碳技術創(chuàng)新效率的估計系數均為正，且均在10%的水平上顯著，這表示主、客觀驅動因素均明顯提升了創(chuàng)新效率。在各解釋變量系數值排名中，企業(yè)研發(fā)投入、高校研發(fā)投入、科研機構研發(fā)投入、財政投入的系數值分別為0.345 9、0.307 5、0.142 6、0.105 3，呈依次降低狀態(tài)。該結果表明，較高企業(yè)研發(fā)投入對綠色低碳技術創(chuàng)新效率提升作用極強，而財政投入的提升作用相對較小。產生這一現象的可能原因在于，企業(yè)因居于市場前沿可獲取更多產業(yè)環(huán)境變化信息，并憑借本身靈活發(fā)展優(yōu)勢選取更有前景的領域進行投資，這種行為對綠色低碳技術產業(yè)創(chuàng)新發(fā)展的正向促進作用要強于政府這一主體。換言之，企業(yè)在擴大綠色低碳技術研發(fā)資金、人力資本投入的同時，自身創(chuàng)新效率也會隨之提高。相對來說，政府部門并不會直接參與市場，所以其在市場信息獲取與反饋方面均存在一定滯后性，這使得政府資金投入與政策投入對綠色低碳技術創(chuàng)新效率的影響較低。在控制變量系數值排名中，城鎮(zhèn)化水平、經濟發(fā)展水平與人力資本水平系數值依次降低，分別為0.193 6、0.138 7 和0.216 2。據此可知，這些客觀因素有利于驅動綠色低碳技術創(chuàng)新行為，提高整體創(chuàng)新效率，具有正向促進作用?？赡茉蛟谟?，城鎮(zhèn)共享程度提高、經濟發(fā)展環(huán)境向好，以及持續(xù)增加的高水平創(chuàng)新人才，使得信息、資金、勞動力等要素資源配置更加均衡，為提升低碳綠色技術創(chuàng)新效率提供了重要支撐。

（2）分析間接效應結果知悉，除財政投入外，其他核心解釋變量以及全部控制變量對綠色低碳技術創(chuàng)新效率的估計參數顯著為正，且通過1%或10%的顯著性檢驗。在核心解釋變量中，企業(yè)研發(fā)投入、科研機構研發(fā)投入和高校研發(fā)投入均在1%的水平上顯著，意味著這三個主觀因素對綠色低碳技術創(chuàng)新效率產生了間接影響?？赡茉蛟谟?，企業(yè)、科研機構與高校存在一定效仿性，即三個機構可能通過培養(yǎng)創(chuàng)新、高精尖人才，為綠色低碳技術創(chuàng)新提供強大智力資源支持，或以增加研發(fā)資金投入的方式支持綠色低碳技術創(chuàng)新，從而為提升綠色低碳技術創(chuàng)新效率提供更多資本支持。然而，財政投入并未通過1%、5%、10%的顯著性檢驗，意味著該指標并未對綠色低碳創(chuàng)新效率產生較為明顯的空間溢出效應。原因可能在于，各地政府對綠色低碳技術創(chuàng)新的財政支持投入力度有限，難以在資本方面發(fā)揮較強的支持作用，即無法發(fā)揮其在綠色低碳技術創(chuàng)新效率提升中的作用。在控制變量系數值排名中，經濟發(fā)展水平、城鎮(zhèn)化水平與人力資本可能因自身驅動作用影響，對綠色低碳技術創(chuàng)新效率的間接影響也較為顯著。

（3）梳理總效應結果可知，同樣除財政投入外，其余核心解釋變量與全部控制變量系數值為正，且通過1%、5%或10%的顯著性檢驗，表明這些變量對綠色低碳技術創(chuàng)新效率具有積極影響。具言之，企業(yè)研發(fā)投入、科研機構研發(fā)投入、高校研發(fā)投入這三個核心解釋變量均對綠色低碳技術創(chuàng)新效率產生空間溢出效應，企業(yè)研發(fā)投入的影響最大。這在很大程度上與企業(yè)自身市場屬性、自由發(fā)展、市場配置等相關。也就是說，企業(yè)研發(fā)投入的增加，不僅有利于提升本地綠色低碳技術創(chuàng)新效率，而且對鄰邊地區(qū)產生了正向空間溢出效應。進一步分析發(fā)現，科研機構、高校在區(qū)域內展開自由共享，可提速創(chuàng)新要素流動，為提高綠色技術創(chuàng)新效率提供足夠支持?？刂谱兞糠矫?，經濟發(fā)展水平對省域綠色低碳技術創(chuàng)新效率的空間溢出效應最顯著。這說明經濟發(fā)展水平的提升，在正面影響本省綠色低碳技術創(chuàng)新效率同時，對相鄰區(qū)域的亦會形成空間溢出效應。

3 結論及建議

3.1 結論

本文采用三階段DEA 模型測算了剔除外部環(huán)境影響后中國30 個省份真實綠色低碳技術創(chuàng)新效率，進一步使用空間杜賓模型從主觀與客觀驅動因素兩方面分析空間溢出效應及影響因素。研究得出主要結論為：（1）整體來看，剔除外部客觀環(huán)境因素和隨機因素影響后，中國綠色低碳技術創(chuàng)新效率要顯著高于調整前。（2）分區(qū)域看，剔除前，中國綠色低碳技術創(chuàng)新效率空間分布格局具有明顯階梯性，即東部區(qū)域＞中部區(qū)域＞西部區(qū)域＞東北區(qū)域；剔除后，區(qū)域排名有所變動，呈現東部區(qū)域＞西部區(qū)域＞中部區(qū)域＞東北區(qū)域格局。（3）中國綠色低碳技術創(chuàng)新效率在全局上存在顯著的空間依賴性以及空間溢出效應。其中，主觀驅動因素方面，除財政投入外，企業(yè)研發(fā)投入、科研機構研發(fā)投入、高校研發(fā)投入均對綠色低碳技術創(chuàng)新效率產生顯著促進作用；客觀驅動因素方面，經濟發(fā)展水平、城鎮(zhèn)化水平與人力資本水平均對綠色低碳技術創(chuàng)新效率具有顯著促進作用。

3.2 建議

第一，加大綠色低碳技術創(chuàng)新研發(fā)投入。企業(yè)方面，應提高用于研發(fā)活動的軟件、專利等攤銷費用占比，加強綠色低碳技術創(chuàng)新研發(fā)基礎保障?？蒲袡C構方面，可結合綠色低碳技術市場需求，將研發(fā)投入傾斜至新能源汽車和動力電池等高技術密集型、低污染排放型的綠色低碳技術領域。高校方面，應堅持需求導向，優(yōu)化傳統師資人才結構，加大培養(yǎng)并輸出高層次、高素質、專業(yè)化科技管理人才，為綠色低碳技術創(chuàng)新提供人才支持。在此過程中，地方政府可出臺相關優(yōu)惠政策，引導企業(yè)、科研機構與高校建立產學研一體化融合模式，提高各主體綠色低碳技術創(chuàng)新研發(fā)投入積極性。

第二，構建綠色低碳技術資源共享平臺。在東北部、西部等綠色低碳技術創(chuàng)新低效率地區(qū)，地方政府可加大對資金、人力以及政策等要素支持，吸引高效率地區(qū)產學研相關機構入駐，共同建設綠色低碳技術資源共享平臺，以此提升當地綠色低碳技術創(chuàng)新水平，最終賦能效率提升。在東部高效率地區(qū)，相關企業(yè)、高校和科研機構可依托綠色低碳技術資源共享平臺，建立跨區(qū)域關鍵技術聯合攻關機制，以“先進”帶動“后進”，充分實現區(qū)域綠色低碳技術創(chuàng)新效率協調發(fā)展。

第三，打造綠色低碳經濟循環(huán)發(fā)展體系。一方面，地方政府可從三大產業(yè)規(guī)劃著手，培育綠色低碳循環(huán)產業(yè)，加快綠色供應鏈產業(yè)鏈對接，健全綠色低碳生產體系。另一方面，地方政府可大力完善基礎設施建設，建立互聯互通的綜合能源系統，以此健全綠色低碳流通體系。通過綠色低碳生產體系與流通體系的協同運作，促進綠色低碳經濟循環(huán)發(fā)展，持續(xù)夯實綠色低碳技術創(chuàng)新基礎。