空間溢出、產業集聚效應與工業綠色創新效率

王 惠，苗 壯，王樹喬

(1.河海大學商學院，江蘇 南京 210098；2.淮陰工學院，江蘇 淮安 223003；3泰州學院，江蘇 泰州 225300)

空間溢出、產業集聚效應與工業綠色創新效率

王 惠1，2，苗 壯3，王樹喬2

(1.河海大學商學院，江蘇 南京 210098；2.淮陰工學院，江蘇 淮安 223003；3泰州學院，江蘇 泰州 225300)

本文將能源消耗和污染物排放納入工業企業創新效率測度框架內，利用考慮非期望產出的Super-SBM模型度量2003—2013年中國工業企業綠色創新效率，通過核密度估計工業綠色創新效率的動態演進特征，在此基礎上運用空間計量方法考察產業集聚對工業綠色創新效率的影響。結果表明:東部地區的工業綠色創新效率歷年均值最高，核密度曲線顯示中國省際工業綠色創新效率經歷由 “單峰”到 “雙峰”的動態演進過程；深入研究發現產業集聚在對工業綠色創新效率提升有著顯著貢獻的同時還存在明顯空間外溢效應，并針對研究結論提出建議。

綠色創新；核密度估計；產業集聚；空間面板數據

1 引言

James等指出，假如沒有綠色技術進步與創新就不可能有現實意義上的可持續發展。工業企業的技術創新不僅僅關系所在產業的技術水平，乃至關乎整個國家的技術創新，綠色創新已成為工業企業在保護環境的前提下贏得競爭優勢、爭取市場地位的必然選擇[1]。國內學者對 “綠色創新”的定量研究起步較晚。韓晶[2]應用DEA方法測算2005—2010年中國各地區綠色創新效率，研究表明東部地區的綠色創新效率顯著高于東北地區和中西部地區，結構調整、外資進入顯著提升綠色創新效率，而技術市場、環境規制對其影響甚微。馮志軍[3]利用DEA-SBM模型測評中國工業企業的綠色創新效率。任耀等[4]基于DEA-RAM模型構建體現創新驅動與綠色發展理念的綠色效率模型，并運用此模型度量山西省工業綠色創新效率。

通過梳理相關文獻不難看出，尚無學者就產業集聚對工業綠色創新效率的影響展開系統研究。產業集聚內企業追求生產經營的利潤最大化實現經濟效益，然而，同類產業導致的外部性對綠色創新效率產生何種影響?據此，本文首先測度中國省際工業企業綠色創新效率，在此基礎上運用空間計量模型進行實證檢驗，以期能對產業集聚與工業綠色創新效率的關系形成客觀認識。

2 方法與模型

2.1 綠色創新的理論界定

綠色創新也常被稱為 “可持續創新”、 “環境驅動型創新”、 “環境創新”、 “生態創新”。至今，學術界還未給出一個能被大眾所理解并廣為接受的綠色創新定義[5]。本文認為綠色創新是基于廣義范疇的環境創新，其內涵是創新過程中各階段都遵循生態經濟規律和生態學原理，引導創新活動中減少能源和資源消耗、減弱對環境的污染和破壞，促進環境和經濟和諧發展，以提升企業環境經濟綜合效益。綠色創新效率不同于以往單純追求經濟利益的傳統技術創新效率，是創新效率的綠色化程度，即創新質量的綠色指數，是綜合考慮能源消耗和環境污染后的創新發展質量測評[3]，目前，通常測度綠色指數采用建立指標體系并賦予各項指標權重進行評分[6]，為了有效避免主觀性，本文將引入包含非期望產出的Super-SBM模型研究工業綠色創新效率問題。

2.2 Super-SBM

考慮到決策單元使用SBM模型會出現同時有效的情況，而不利于評價決策單元。工業企業創新過程必然存在環境污染等非期望產出，且若干不同地區工業創新效率會同時處于DEA效率前沿面。因此，本文在評價中國工業企業綠色創新活動中采用考慮非期望產出的Super-SBM模型。參照Tone和Hong Li等做法，一個排除決策單元 (x0，y0)的有限生產可能性集為[8]:

考慮非期望產出的Super-SBM模型的分式規劃形式為:

式中，ρ?是目標效率，其他變量含義與式(1)一樣。考慮非期望產出的Super-SBM模型具有以下明顯的特征:決策單元的效率值可以大于1，可以對多個效率有效的決策單元進行排序；充分考慮且有效解決投入產出變量的松弛性問題。

2.3 空間計量模型設定

事實上，正如地理學的第一定律所說，任何事物在某種程度上都是相互聯系的，靠得越近的事物彼此聯系就越強烈[9]，地區的工業綠色創新效率不可避免地會受到鄰接地區的影響；探尋工業綠色創新效率驅動因素時，考慮到中國技術水平、資源稟賦、產業結構、人力資本等方面差異，空間依賴關系對工業綠色創新效率的影響可能更顯復雜，構建空間面板模型，可彌補以往相關研究不足。

空間誤差模型 (SEM)的形式如下:

式中，ETE表示工業綠色創新效率；IND表示產業集聚程度；μ是正態分布的隨機誤差向量；λ是n×1截面因變量向量的空間誤差系數；ε為隨機誤差項向量。參數β表示控制變量M對因變量ETE的影響；參數λ是相鄰地區觀察值ETE對該地區觀察值ETE的影響程度和方向。

空間滯后模型 (SAR)的形式如下:

式中，ETE是因變量；W是n×n階的空間權值矩陣；μ是空間回歸系數；ε是隨機誤差項向量。

2.4 樣本數據和變量選取

(1)核心變量。本文分析的面板數據樣本為中國30個省、市和自治區，西藏由于數據缺失嚴重，沒有納入其中。時間區間設為2003—2013年，具體指標數據來源于相應年份的 《中國統計年鑒》、《工業企業科技活動統計年鑒》、《中國科技統計年鑒》和 《中國能源統計年鑒》，少量缺失數據采用線性插值法補齊。

工業綠色創新效率 (ETE)。在采用 Super-SBM模型測評中國工業企業綠色創新效率之前，必須要確定投入產出具體指標。本文關注綠色創新基礎性核心資源 (人力和財力)兩個方面，將延續張江雪[10]、韓晶[2]的研究選取研發當期經費投入 (M)作為財力投入指標；R＆D人員全時當量 (H)作為人力投入指標。能源投入 (E)，任何工業企業從事綠色創新活動都離不開能源的使用，這里選擇能源消費總量統一折算成標煤。產出指標由期望產出和非期望產出兩部分組成。以專利申請數中的發明專利申請數以及新產品銷售收入作為期望產出。本文著重研究工業企業綠色創新效率，勢必要考慮在自主研發過程中污染物的排放，故以各省工業固體廢物排放量、工業廢水排放總量、工業廢氣中SO2排放量表示非期望產出，并借鑒屈小娥[11]采用Topsis綜合評價法將其合成一個環境污染指數。

產業集聚 (IND)。Beechetti和Bagena分析來自意大利部分企業的樣本結果發現產業集聚程度上升并不影響研發支出，但區域整體研發水平卻得到顯著提升。本文選取大中型工業企業數量作為衡量省際產業集聚水平的基本指標。

(2)控制變量。借鑒現有文獻的研究成果，考慮到數據可獲取性，選取以下幾個控制變量:人力資本 (HUM)采用每十萬人口中高等院校在校人數來表示；產業結構 (STR)為第三產業總值占國內生產總值比重；市場環境 (MAR)選取技術市場成交額來表示；企業規模 (SCAL)采用工業企業從業人員平均人數來表示；對外貿易(TRA)為各省區進出口總額占當年該省國內生產總值的比重。

3 實證分析

3.1 工業綠色創新效率時序變化

依據上述各省工業企業創新活動的投入產出面板數據，同時考慮到環境約束和能源投入，利用Super-SBM模型，測算2003—2013年30個省際的工業企業綠色創新效率。結合圖1，中國三大經濟區域的工業企業綠色創新效率表現明顯差異性，這與中國經濟發展水平的區域差異基本一致。

東部地區的工業綠色創新效率高于全國均值水平，西部和中部地區的工業綠色創新效率則低于全國平均水平。東部地區工業綠色創新效率之所以最高，是因為上海 (1.1124)、天津(1.0512)、廣東 (1.1578)這三個省的工業企業綠色創新效率年均效率值都超過1，表明東部地區工業企業在能源節約、技術創新與環境治理方面等更勝一籌，工業綠色技術創新增長過程中扮演著 “領航者”的角色。

圖1 地區工業企業綠色創新效率變動趨勢

3.2 工業綠色創新效率動態演進

本文進一步采用非參數估計方法-核密度分布考察中國工業綠色創新效率的動態變化趨勢，其基本原理為:設變量X在點x處的概率密度估計式f(x)如下:

式中，k(·)為核函數，h為帶寬，n為樣本數。具體估算時需要選擇核函數和帶寬，擬合結果關鍵在于最佳帶寬，選擇帶寬的基本思想是遵循均方誤差最小。核函數的形式有多種，選用較為常用的Epanechnikov核函數[12]。本文以2003年、2006年、2009年和2013年四個年度為考察剖面，各年度核密度函數分布如圖2所示。

圖2 工業企業綠色創新效率核密度圖

從圖2中可以看出中國工業綠色創新效率分布的動態演進呈現兩個鮮明特征:一是2003—2013年期間中國工業綠色創新效率分布波峰不斷右移，說明中國大多數省份的都存在工業綠色創新效率改善現象，且改善的省份數量在不斷增多；二是工業綠色創新效率在2003年、2006年、2009年都呈現主體 “單峰”分布傾向，至2013年核密度分布圖由 “單峰”型轉變為 “雙鋒”型，與之前年份相比，波峰寬度明顯變窄，工業綠色創新效率趨于集中，并逐漸向兩個均衡點附近靠攏，一個在較低效率水平 (0.6)附近，一個在較高效率水平 (1.0)附近，說明2013年中國工業綠色創新效率呈現兩極分化現象，省際之間差距有縮小的趨勢。

3.3 空間溢出效應

筆者采用全局Moran's I指數來考察中國工業綠色創新效率空間分布是否存在依賴性和相關性。檢驗結果顯示大多數年份的工業綠色創新效率Moran I正態統計量Z值均通過10%的顯著性水平檢驗，表明工業綠色創新效率并非完全隨機分布，有必要從空間維度對工業綠色創新效率的影響因素進行計量分析。

鑒于空間自相關檢驗結果 (見表1)，我們可以判定運用空間面板回歸模型考察產業集聚(IND)對工業企業綠色創新效率 (ETE)影響較以往傳統計量模型方法更為合適。在建立相關空間面板模型之前，首先對SEM和SAR模型進行Hausman檢驗，由于P值為0.000，強烈拒絕原假設，認為使用固定效應模型而非隨機效應模型。到底是選擇空間誤差 (SEM)還是空間滯后(SAR)自相關模型進行分析，需要觀察拉格朗日乘子滯后、誤差以及穩健性檢驗。比較發現LM-lag(2.2775)大于LM-err(0.1343)，且通過顯著性水平檢驗，所以本研究選取SAR分析更加適宜，以下的結果分析均以SAR模型的結論為主。

表1 空間相關性檢驗

從表2中的空間滯后模型中可以看出，SAR系數 (ρ)的均為正值，不論時間固定、空間固定還是時間和空間雙固定模型中，都通過1%的顯著性水平檢驗，表明工業綠色創新效率 (ETE)呈現空間集聚效應。在時間固定、空間固定還是時間和空間雙向固定三種模型中，時間固定模型擬合優度最高，所以接下來的具體分析以時間固定模型為主。不論哪種模型的產業集聚回歸彈性系數均顯著為正，意味著產業集聚水平提高能明顯改善工業綠色創新效率。產業集聚能加速建設工業企業綠色創新平臺，吸收具有綠色創新性理念的人才，提供不同機構、企業以及社會各界關心環境以及能源問題的專業技術人員提供更多的面對面交流的機會。在這樣 “干中學”中實現工業企業綠色創新，集聚的工業企業更易對發展綠色創新，走可持續發展道路的理念產生共鳴，進一步分享在創新過程中產生的污染治理和能源節約利用等方面的先進技術和途徑。地理空間鄰近，產業集聚內的工業企業之間的技術創新知識更加透明，率先在節能減排的創新效率取得成績的企業很快就會遭到相鄰企業的模仿和學習，有助于綠色技術在工業企業之間擴散，因為企業總是能通過技術跟蹤、產品分解等等途徑汲取先進的綠色創新技術來降低成本、迎合市場需求來獲得長期利益。

為了進一步考察產業集聚水平作用，本文基于SAR模型的回歸結果，將其對工業綠色創新效率 (ETE)的影響效應分解為直接效應和間接效應，具體結果見表3。

表2 空間面板數據SAR估計結果

表3 產業集聚對ETE影響效應分解

變量的間接效應，即變量的空間外溢效應，產業集聚對工業綠色創新效率的直接效應和間接效應均通過1%的水平的顯著性檢驗。其中，直接效應占總效應的比重高達77%，而間接效應占總效應的比重為23%，直接效應約為間接效應的三倍，即產業集聚程度提高1%，促使本地的工業綠色創新效率提升0.0817%，間接帶動相鄰地區工業綠色創新效率增長0.0238%，表明一個省的工業產業集聚程度加深在帶動本省的工業綠色創新效率改善的同時也對相鄰省份的工業綠色創新效率提升起到促進作用。產業集聚能夠架構企業之間的共生關系，營造出合作競爭的企業生存環境，當節省當地企業從事綠色創新研發的原材料的運輸和采購費用的同時，相鄰省區的工業企業為了保護市場份額必然在研發過程中節約能源和減少環境有害物排放，從而降低投入成本。

4 結論與建議

中國東部地區的工業企業綠色創新效率歷年均值最高，中、西部地區的技術追趕效應明顯；就省級層面而言，廣東省工業綠色創新效率均值最高，效率值大于1的省份均位于經濟較為發達的東部地區，展現出東部省份的工業企業在節能減排、技術創新、能源節約利用等方面表現突出。通過核密度曲線可以看出工業企業綠色創新效率核密度曲線由 “單峰”型轉變為 “雙峰”型，波峰寬度變窄，表明在樣本考察期間省際的工業企業綠色創新效率之間差距在縮小，具有明顯收斂趨勢。空間計量結果發現產業集聚水平顯著提升工業綠色創新效率，通過進一步效應分解發現產業集聚水平提升不僅能提升自身省區的工業企業綠色創新效率，還對鄰接地區產生顯著的正向空間外溢效應。

依據以上結論，本文提出以下政策建議:

一是在以技術創新推進綠色工業發展的道路上，不能一味關注創新產出增長，而忽略效率提升和環境污染問題；新型工業化道路的核心環節在于綠色創新，加強綠色創新是實現新型工業化戰略的重要舉措。東部地區繼續發揮區位優勢，在現代化工業發展和技術創新的同時，促進天然氣資源、可再生能源以及新能源使用，創新和推廣碳技術和 “碳捕捉”，并產生輻射作用，帶動中、西部省區的工業技術創新利用向低排放、低投入、高產出的綠色創新模式轉變。

二是某一地區的工業綠色創新效率的提升不僅受到本地的產業集聚水平影響，而且受到其相鄰地區產業集聚水平的影響，所以要重視發展低碳經濟工作中所存在的地區的相互作用，通過協調發展逐步實現創新資源配置合理化，激活區域良性互動，使得產業集聚的空間外溢效應得以發揮。打破地方保護主義和企業壟斷，減少政府干預，降低工業企業進入壁壘，結合地方特色發展符合經濟規劃要求的綠色生態園區，為企業營造公平和多樣化的產業環境，進而提升工業綠色創新效率。支持和鼓勵本地區以及相鄰地區的同質性企業的信息共享、人才交流和低碳技術合作，通過自主研發和清潔技術融合提高企業的集聚和綠色創新能力。

[1]中國社會科學院經濟學部課題組.“十一五”規劃實施前三年分析報告及對“十二五”的政策建議[J].經濟管理，2009，(11):1-19.

[2]韓晶.中國區域綠色創新效率研究[J].財經問題研究，2012，(11):130-137.

[3]馮志軍.中國工業企業綠色創新效率研究[J].中國科技論壇，2013，(02):82-88.

[4]任耀，牛沖槐，牛彤，姚西龍.綠色創新效率的理論模型與實證研究[J].管理世界，2014，(07):176-177.

[5]張鋼，張小軍.綠色創新研究的幾個基本問題[J].中國科技論壇，2013，(04):12-15.

[6]華振.我國綠色創新能力評價及其影響因素的實證分析-基于DEA-Malmquist生產率指數分析法[J].技術經濟，2011，(09):16-41.

[7]周澤炯，胡建輝.基于Super-SBM模型的低碳經濟發展績效評價研究[J].資源科學，2013，(12):2457-2466.

[8]宋馬林，張琳玲，宋峰.中國入世以來的對外貿易與環境效率——基于分省面板數據的統計分析[J].中國軟科學，2012，(08):130-142.

[9]沈能，趙增耀.農業科研投資減貧效應的空間溢出與門檻特征[J].中國農村經濟，2012，(01):69-79.

[10]張江雪，朱磊.基于綠色增長的我國各地區工業企業技術創新效率研究[J].數量經濟技術經濟研究，2012，(02): 113-125.

[11]屈小娥.中國工業行業環境技術效率研究[J].經濟學家，2014，(07):55-65.

[12]劉靖，張車偉，毛學峰.中國1991—2006年收入分布的動態變化:基于核密度函數的分解分析[J].世界經濟，2009，(10): 3-13.

(責任編輯 劉傳忠)

Spatial Spillover，Industrial Agglomeration Effect And Industrial Green Innovation Efficiency

Wang Hui1，2，Miao Zhuang3，Wang Shuqiao2
(1.College of Business，Hohai University，Nanjing 211100，China；2.Huaiyin Institute of Technology；Huai'an 223003，China；3.Taizhou University，Taizhou 225300，China)

The paper uses the Super-SBM model to estimate the innovation efficiency about industrial enterprises of China's provinces based on energy conservation and emissions abatement during 2003—2013，and analyze the dynamics about the green innovation efficiency of enterprises in China by using kernel density estimation.Further，it studies the relationship between them with the spatial econometric method.The highest efficiency of innovation efficiency of enterprises is showed in the eastern region，density curve displays the efficiency of innovation efficiency of enterprises has experienced by the“single peak”to“twin peak”.Industrial agglomeration significantly improved efficiency at the same time and has the obvious spatial spillover effects.And then it puts forward the proposal for the conclusion.

Green innovation；Kernel density estimation；Industrial agglomeration；Spatial panel data

王惠 (1984-)，女，江蘇人，河海大學商學院博士生，就職于淮陰工學院；研究方向:創新管理。

F250

A

國家自然科學基金資助的青年基金項目 “區域異質視角下我國大氣污染排放績效測度、影響因素及防控對策研究”(71403120)。

2015-05-28