環境約束下省域科技資源配置效率：時空格局、演變機理及影響因素

梁 林，李 青，劉 兵

(1.河北工業大學經濟管理學院，天津 300401；2.河北工業大學京津冀發展研究中心，天津 300401)

0 引言

科技資源作為一切創新活動的核心要素資源，是指為了實現科學技術的不斷進步而進行的人力、財力、物力、信息等科技要素投入的總和。科技資源投入的數量與質量對于轉變中國經濟發展方式和提升國家競爭力具有關鍵作用。因此，學術界圍繞如何提升科技資源配置效率開展了大量研究，主要探討了配置效率的評價方式[1-4]以及影響因素[5-7]，并基于時空分布格局[8-12]等角度探討了區域科技資源配置的基本規律和運行過程。這些研究在較長時間內，合理解釋并指導了中國科技資源以及經濟體量的快速增長。但在經濟社會保持高速增長的同時，粗放型道路也引發了沙塵暴、霧霾、水體污染等一系列生態環境問題[13]。以犧牲生態環境為代價，片面追求科技資源配置高效率的方式，已經不能適應當代中國的發展。社會主要矛盾的轉化要求科技資源配置過程必須考慮生態環境的約束效應，在科技創新驅動發展中貫徹落實協調、綠色、開放、共享等新發展理念。

隨著國家和社會逐漸重視生態環境問題，學術界主要從企業層面和區域層面研究綠色創新。企業層面的研究：Ghisetti等采用9項指標測算企業的綠色創新績效，將其分為 “能源和資源有效型創新”及 “外部性減少型創新”[14]。馮志軍和牛彤等運用SBM-DEA方法研究中國工業企業綠色創新效率[15，16]。區域層面的研究：Lanoie等在研究環境政策、環境創新、環境績效間的關系時，使用環境R&D預算測度環境創新的投入[17]。曹慧等從創新投入、創新產出和綠色發展3個方面構建了區域綠色創新能力評價指標體系，發現省級綠色創新能力分布不均衡，整體水平偏低[18]。付幗研究發現目前綠色創新的空間格局相對穩定，省域間差異及空間集中度都呈現波動性增長的趨勢，但是綠色創新在少數省份高度集中的空間格局尚未形成[19]。然而，科技資源作為國家創新活動的核心要素資源，現有綠色創新研究僅將其作為眾多創新因素之一，并未在綠色創新體系中對科技資源進行有針對性的研究。因此，部分學者開始關注在環境約束下，將科技資源配置過程中產生的污染環境等非期望因素引入科技資源配置效率評價中，針對綠色科技資源配置問題進行了一些有益探索。范斐等在環境約束下構建考慮非期望產出的SBM模型，并引入空間Durbin模型對科技資源配置效率的空間溢出效應進行研究[13]。張建清等測算了廣西14個市的綠色科技資源配置效率，發現桂林市綠色科技資源配置效率呈正向增長趨勢[20]。

鑒于此，一方面，現有綠色創新研究中并未真正突出科技資源要素的重要作用。另一方面，目前相關學者更多側重區域綠色科技資源配置效率的評價和溢出效應等方面的研究，但是鮮有對環境約束下省域科技資源配置效率時空格局、演變機理及非期望產出對其影響的程度進行進一步研究。因此，本文構建了環境約束下省域科技資源配置效率評價指標體系，通過SBM-Undesirable模型對不考慮期望產出及考慮期望產出兩種情況下的省域科技資源配置效率進行時空格局分析，并引入探索性空間數據分析方法 (ESDA)的空間自相關對其演變機理進行分析。然后，通過建立Tobit回歸模型對省域科技資源配置效率中非期望產出因素的影響程度進行分析。最后，結合省域科技資源配置和生態環境現狀，在兼顧環境綠色可持續發展的同時，提出優化省域科技資源配置的對策建議。這有助于在優化配置區域科技資源的同時，兼顧生態環境的可持續發展，逐漸改變科技發展高投入、高污染、低效率的粗放型增長方式，從而推動我國綠色經濟社會與綠色創新的協同發展。

1 研究模型與數據來源

1.1 SBM-Undesirable模型

傳統的DEA模型已成為評價相對效率多輸入和多輸出的工具[20]，但該方法模型無法測度分析含有非期望產出的指標。SBM-Undesirable模型是Tone提出基于非徑向及非角度的SBM模型基礎上發展而來[21]。已有較多學者使用改模型研究含有非期望產出的問題，其優勢是可綜合測度期望產出和非期望產出指標，并可克服傳統DEA模型的偏誤問題[20,22]。環境約束下的科技資源配置效率問題既包含了科技資源的期望產出，又包含了對環境帶來負面影響的非期望產出。因此，本文將使用SBM-Undesirable模型測度環境約束下中國省域科技資源配置效率。

P={(x,yg,yb)|x≥Xλ,yg≤Ygλ,yb≥Ybλ,λ≥0}

(1)

(2)

(3)

1.2 探索性空間數據分析(ESDA)

ESDA是一系列空間數據分析技術及方法的集合，其優勢是使用可視化的方法來描述數據的空間分布規律，從而獲得數據的空間結構，揭示空間相互作用的機理，其包括全局空間自相關及局部空間自相關[23，24]。由于各省市科技資源配置呈現差異化特征，為更好地探索科技資源配置效率在時空維度上的演變規律，分析相鄰省域的科技資源配置效率呈現的空間集聚特征，從而在兼顧生態環境可持續發展的同時，不斷優化省域科技資源配置的問題，本文應用空間計量經濟學中的探索性空間數據分析方法 (ESDA)分析環境約束下省域科技資源配置效率的演變機理。

(1)全局空間自相關。全局空間自相關利用單一的指數值來反映該區域的自相關程度，從而分析整體的空間模式。全局空間自相關指數為 Global Moran′sI：

(4)

(2)局部空間自相關。局部空間自相關能夠分析某一空間單元和其鄰近單元某一屬性的相關程度，可采用 LISA來表示。局部空間自相關指數為Local Moran′sIi：

(5)

式中，Ii為局部空間自相關指數，n為空間單元數據數目，yi和yj分別表示空間單元i和j的屬性值，Wij是空間權重系數矩陣，表示各空間單元鄰近關系。

1.3 Tobit回歸模型

Tobit回歸模型的優勢在于善于處理因變量為截尾或刪失等因變量受限的問題，其使用極大似然估計，不但能研究連續型數值變量，也能研究虛擬變量[25]。為了進一步探究工業三廢等非期望產出因素對科技資源配置效率影響程度，識別非期望產出中的關鍵因素，本文以工業廢水、工業二氧化硫和工業粉塵的排放量為自變量，以環境約束下省域科技資源配置效率為因變量進行回歸分析。鑒于科技資源配置效率都為0～1的數，屬于因變量受限的問題，故應用Tobit回歸模型。Tobit模型為：

(6)

式中，yit是因變量，表示第i個區第t年的環境約束下科技資源配置效率；xit是自變量，x1t表示工業廢水排放量(萬噸)、x2t表示工業二氧化硫排放量(噸)、x3t表示工業粉塵排放量(噸)，βT為未知參數[25]。

1.4 指標選取與數據來源

科技資源配置效率的測度包括科技資源投入和產出指標[12]。從系統性角度出發，評價體系應盡可能全面涵蓋科技資源配置的基本特性和整體狀況，因科技活動具有復雜性，實際研究中只需選取關鍵要素[7]。本文借鑒相關學者的研究成果，科技資源投入方面包括科技人力資源、科技財力資源、科技物力資源和科技信息資源(見表1)。其中科技人力資源是科技創新的基礎資源要素，專業技術人員數 (人)和R&D人員全時當量 (人年)反映了區域科技人才資源的基本狀況；科技財力資源代表區域對科技活動的財力支持力度，R&D經費支出 (萬元)是衡量科技活動經費的實際使用程度和實際投入力度；科技物力資源為科技人員開展科技活動提供物質基礎，由研究與試驗發展儀器和設備支出 (萬元)來表示；互聯網寬帶接入端口 (萬個)和郵電業務總量 (億元)可以較好地反映出區域科技信息資源的投入發展程度。在環境約束下，科技資源產出包括期望產出和非期望產出。期望產出方面，國外收錄科技論文數 (篇)與國內專利申請受理量 (件)代表科技資源產出的科研成果；在非期望產出方面，環境污染是一個包括眾多因素的綜合性指標，本研究采用工業三廢，即工業廢水排放量 (萬噸)，工業二氧化硫排放量 (噸)和工業粉塵排放量 (噸)代表科技資源配置過程中的非期望產出[13,20]。

表1 環境約束下省域科技資源配置效率評價指標體系

根據上述指標體系，分別統計全國31個省、市、區 (港澳臺除外)2011—2016年科技資源配置效率的相關數據，其中互聯網寬帶接入端口 (萬個)和郵電業務總量 (億元)來自 《中國統計年鑒》，工業三廢排放量來自 《中國環境統計年鑒》，其他均來自 《中國科技統計年鑒》。鑒于科技資源投入和科技資源產出間具有一定時間的滯后性，滯后變量通常選擇1～3期較多[26]。針對科技投入和科技資源產出數據，本文將科技資源產出數據滯后期定為1年，即2015年的科技資源產出數據使用的是2016年的相關數據。

2 環境約束下省域科技資源配置效率的時空格局

利用DEA Solver Pro5.0軟件分別測算出不考慮非期望產出和考慮非期望產出下，省域科技資源配置效率及排名情況，結果見表2。由表2可知，除了2011年上海，2012年天津、浙江和2014年天津的科技資源配置效率，在不考慮非期望產出時低于考慮非期望產出的效率外，其余各省市的科技資源配置效率，在不考慮非期望產出時均高于考慮非期望產出的效率。兩種情況下，2011—2015年北京、江蘇、重慶、陜西、甘肅和黑龍江六個省市的科技資源配置效率均保持為1。不考慮非期望產出時，科技資源配置效率平均值的排名高于考慮非期望產出的省市依次是：河北、海南、安徽、廣西、四川、西藏、新疆和遼寧，這些省市的環境因素對其科技資源配置效率的提升具有不同程度的制約作用，需將科技創新與綠色發展緊密結合起來，不斷壓縮經濟發展的環境成本，促進經濟環境的協調可持續發展。不考慮非期望產出時，科技資源配置效率平均值的排名低于考慮非期望產出的省市依次是：天津、上海、福建、山東、廣東、山西、河南、湖北、內蒙古、貴州和寧夏，很明顯這些省市的環境因素對科技資源配置效率存在不同程度的正向作用。

(1)2011—2015年科技資源配置效率呈現中間波動、總體上升的發展態勢，并且兩種情況下的變動趨勢較為同步。由圖1可知，在不考慮非期望產出時，2011—2015年的科技資源配置效率一直高于考慮期望產出時的效率，同時，各年的差距依次是0.173、0.140、0.158、0.152、0.156，說明兩種情況下2011—2015年的科技資源配置效率的差距整體呈現縮小的趨勢。同時，不考慮非期望產出時，2012年的科技資源配置效率有較小幅度的上升，2013年下降了0.043，2014年和2015年則呈現明顯的上升態勢，雖然2011—2015年科技資源配置效率出現較為明顯的波動，但是總體提高了0.038。考慮期望產出時，2012年的科技資源配置效率有較大幅度的上升，2013年則出現0.06較大幅度的下降，2014年和2015年則呈現明顯的上升態勢，雖然2011—2015年科技資源配置效率出現較為明顯的波動，但是總體提高了0.055。因此，雖然兩種情況下科技資源配置效率的變動幅度存在差異，但是變動趨勢較為同步。

(2)環境因素對四大地區科技資源配置效率的制約作用從大到小依次為東北、中部、西部和東部地區。由表2可知，在不考慮非期望產出的情況下，東部、中部、西部和東北地區的科技資源配置效率一直高于考慮期望產出時的效率，并且降低幅度分別是0.141、0.272、0.157和0.399，其中東部地區科技資源配置效率下降幅度最小，東北地區的下降幅度最大，說明環境因素對東部地區的科技資源配置效率的制約作用小于東北地區，東北地區在提高科技資源配置效率的同時，需要更加兼顧環境保護。同時，兩種情況下四大地區的科技資源配置效率排名也出現較為顯著的變化：在不考慮非期望產出的情況下，排名分別為東北地區>東部地區>中部地區>西部地區(和已有文獻結論基本一致)；考慮非期望產出的情況下，排名分別為東部地區>東北地區>西部地區>中部地區，說明環境因素對東部地區和西部地區的影響程度小于東北地區和中部地區。

東北地區雖然在科技資源投入相對全國其他地區較低，但在國外收錄科技論文數、國內專利申請受理量等科技資源知識產出和技術市場成交額的科技資源經濟產出方面相對較高， “較低投入，較高產出”的模式；東部地區的科技資源配置效率整體水平一直保持較高水平，經濟科技發達地區，地理位置優越，科技資源豐富、相關政策明顯優于其他地區；中部地區長期以來一直存在國家發展邊緣化、政府角色錯位化和政經制度變遷滯后化的不利因素，特別是科技資源投入水平處于全國的劣勢地位，加之科技資源轉化能力較弱，導致中部地區的科技資源配置效率不高；西部地區因為歷史和地理等眾多因素，科技資源配置的起點較低，發展速度較慢。

(3)在不考慮非期望產出時，科技資源配置效率平均值的整體階段水平顯著高于考慮非期望產出，且效率階段的差異化較為顯著。為了更加直觀地分析在不考慮非期望產出以及考慮非期望產出兩種情況下，2011—2015年全國的科技資源配置效率平均值分布和變化情況，通過使用ArcGIS10.2軟件定量符號化中的分級色彩方法，根據表2對測算的2011—2015年全國的科技資源配置

效率平均值進行六階段分類，科技資源配置效率(用E表示)分為六個階段：初級階段(0

在不考慮非期望產出情況下，除初級階段外，科技資源配置效率平均值在較低級階段、低級階段、中級階段、較高級階段和高級階段都有分布。在考慮非期望產出情況下，科技資源配置效率平均值在初級階段、較低級階段、低級階段、中級階段、較高級階段和高級階段均有分布。但是在不考慮非期望產出情況下，科技資源配置效率平均值的整體階段水平顯著高于考慮非期望產出，說明環境因素顯著制約了科技資源配置效率的提高。進一步分析可以發現，兩種情況下中國科技資源配置效率呈現較為一致的地理空間特征：①科技資源配置效率階段相對較高的四處地域主要為北京、天津組成的地域；江蘇、上海、浙江組成的地域；遼寧、吉林、黑龍江組成的地域和湖北、湖南、陜西、重慶、貴州、四川和甘肅組成的地域。②科技資源配置效率階段的地區差異化較為顯著，例如內蒙古、寧夏、青海和西藏四省一直處于科技資源配置效率階段最低的水平，成為科技資源配置效率的低洼省份；同時，北京、江蘇、甘肅、陜西和黑龍江等科技資源配置效率處于最高階段顯著高于其緊鄰省市的階段。

3 環境約束下省域科技資源配置效率的演變機理

為了深入分析環境約束下科技資源配置效率整體的演變機理，本文使用GeoDa軟件計算了2011—2015年環境約束下科技資源配置效率的全局自相關系數Moran′sI指數(見表3)和2011年、2015年環境約束下科技資源配置效率局部自相關的Moran散點圖(見圖2)、分布圖(見圖3)和顯著性圖(見圖4)。全局Moran′sI指數反映了環境約束下科技資源配置效率空間整體上的集聚或分散程度，但在一定程度上掩蓋了局部的空間差異性，因此利用局部空間自相關進一步揭示各省市環境約束下科技資源配置效率的局部空間差異。

表3 2011—2015年環境約束下科技資源配置效率的全局自相關系數Moran′s I指數

3.1 相鄰省域的科技資源配置效率呈現正向空間自相關的集聚特征且呈現增強的態勢

根據全局空間自相關指數測算，結果顯示除了2014年外，其他年份均未通過Z值檢驗(P≤0.05)。五年的全局自相關系數Moran′sI指數均為正值，表明環境約束下相鄰省市的科技資源配置效率，在空間分布上呈現正向空間自相關的集聚特征，即科技資源配置效率較高的省域鄰近，科技資源配置效率較低的省域也互相鄰近，也就是相鄰省域較多地表現為高-高和低-低的空間聚集特征。同時Moran′sI的值隨著時間的推移呈現出上升的趨勢，從2011年的0.117上升到2015年的0.154，表明環境約束下相鄰省市的科技資源配置效率空間分布的集聚特征呈現增強的態勢；但是2014的全局自相關系數Moran′sI指數最高，為0.171，說明空間自相關的集聚特征并不是很強。

3.2 相鄰省域的科技資源配置效率呈現相似的空間集聚特征但變化趨勢不顯著

根據局部空間自相關指數測算結果，現將環境約束下省域科技資源配置效率劃分定義為擴散效應區、過渡區、低速增長區和極化效應區[27]。四類區域的空間自相關要素見表4，并選擇對2011年和2015年四類區域的具體情況進一步分析。

圖2 2011年和2015年環境約束下科技資源配置效率Moran散點圖

圖3 2011年環境約束下科技資源配置效率集聚分布和顯著性

圖4 2015年環境約束下科技資源配置效率集聚分布和顯著性

(1)擴散效應區。由圖2可知，2011年位于該區的省域分別是北京、天津、江蘇、四川、重慶、湖南、陜西、黑龍江、遼寧九個省市，到了2015年貴州進入該區，但是湖南和遼寧退出該區。這些省市的科技資源配置效率處于較高水平，同時對工業廢水排放量、工業二氧化硫排放量、工業煙 (粉)塵排放量等污染物即工業三廢的排放進行了有效控制，從而使得自身在環境約束下的科技資源配置效率較高。其中，北京、天津、江蘇三省市作為經濟科技發達地區，地理位置優越，科技資源豐富、相關政策明顯優于其他地區，科技資源投入和產出均很高；重慶、貴州兩省市不斷加大科技資源投入力度，優化資源配置，有效提高了科技資源配置效率。同時，這些省市和周邊省市不斷加強資源要素流動、技術擴散和技術溢出，從而促進周邊省市的產業技術進步和產業結構的優化，帶動了周邊省市的科技資源配置效率的提升。

(2)過渡區。由圖2可知，2011年位于該區的省域分別是河北、山西、河南、廣東、江西、福建、新疆七個省份，到了2015年湖南和遼寧進入該區。這些省在環境約束下的科技資源配置效率偏低，并且顯著低于周邊省市的配置效率。山西、江西、新疆三省的科技資源投入較少，轉化率較低，使得資源配置效率偏低，新疆表現得尤為明顯；其他各省的科技資源投入一直保持較高水平，但是科技轉化能力很低，特別是河北、山西和河南三省的工業三廢的排放量一直處于全國的前幾名，進一步拉低了其環境約束下的科技資源配置效率，和周邊科技資源配置效率較高的省市形成了鮮明的對比。

(3)低速增長區。由圖2可知，2011年位于該區的省域分別是海南、山東、安徽、貴州、內蒙古、寧夏、云南、廣西、青海、西藏十個省份，到了2015年貴州退出該區。這些省在環境約束下的科技資源配置效率偏低，并且顯著低于周邊省市的配置效率。這些省在環境約束下的科技資源配置效率偏低，并且周邊省市的配置效率也較低，是中國環境約束下的科技資源配置低效率的集聚地區。山東和安徽兩省的科技資源投入一直保持較高水平，但是科技資源產出水平則一直較低，特別是山東為有效控制工業三廢的排放量，一直居高不下，嚴重拉低了其環境約束下的科技資源配置效率。其余省份的科技資源配置效率投入和產出均需大幅度提升，并需加強與配置效率較高省市的科技合作、資源要素的流動，帶動自身配置效率的提升。

(4)極化效應區。由圖2可知，2011年和2015年位于該區的省域分別是上海、浙江、湖北、甘肅、吉林五個省市。這些省市在環境約束下的科技資源配置效率較高，并且顯著高于周邊省市的配置效率，表現出極化的地域差異。同時，兩年該區的省市相同，說明這些省市和其周邊省市的配置效率變動不大。這些省市應該加大與周邊配置低效率省市的資源要素流動、技術轉移，利用自身優勢，發揮協同帶動作用，不斷提升區域整體環境約束下的科技資源配置效率。

由圖3和圖4可知，2011年甘肅和新疆兩省通過了顯著性檢驗，甘肅表現為高-低，即屬于極化效應區；新疆表現為低-高，即屬于過渡區，但是到2015年局部空間相關性不再顯著。2015年山西、甘肅和青海三省通過了顯著性檢驗，山西表現為低-高，即屬于過渡區；甘肅表現為高-低，即屬于極化效應區；青海表現為低-低，即屬于低速增長區。

4 非期望產出因素對科技資源配置效率的影響

為了進一步分析工業三廢，即工業廢水排放量(萬噸)，工業二氧化硫排放量(噸)，工業粉塵排放量(噸)為代表的科技資源配置過程中非期望產出因素對科技資源配置效率影響程度，根據上文計算出的環境約束下科技資源配置效率以及統計的影響因素指標值，運用STATA軟件對影響因素進行Tobit回歸分析。為了避免數據量綱不同對參數估計造成影響以及為能直接從回歸系數絕對值判斷影響作用的大小，對變量進行標準化變換。回歸分析結果如表5所示。

表5 Tobit 回歸分析結果

根據表5回歸結果可知：非期望產出因素中工業廢水排放量，工業二氧化硫排放量，工業粉塵排放量均通過5%的顯著檢驗，說明工業三廢對環境約束下中國科技資源配置效率存在顯著影響。其中，工業廢水排放量，工業二氧化硫排放量為0，說明它們和環境約束下中國科技資源配置效率的顯著性很高。工業三廢的系數絕對值大小依次是：工業二氧化硫排放量>工業廢水排放量>工業粉塵排放量，說明非期望產出因素中工業二氧化硫排放量對環境約束下中國科技資源配置效率影響程度最大，工業廢水排放量次之，工業粉塵排放量影響程度最小。

5 結論與建議

(1)從省域科技資源配置的整體角度可以發現，非期望產出顯著降低了中國整體的科技資源配置效率，環境因素對四大地區的制約作用從大到小依次為東北、中部、西部和東部地區。建議一方面應積極落實 《中華人民共和國環境保護法》 《 “十三五”生態環境保護規劃》等法律法規，堅持走經濟發展與環境改善雙贏之路；另一方面，因地制宜地制定東部、中部、西部和東北地區的發展政策，東部應加強地區內部協同優化作用，和對其他地區的溢出效應，帶動全國整體水平；中部和西部面臨應兼顧環境生態保護與科技資源發展，走出雙重困境；東北則應重視環境保護，逐漸減少科技發展對生態環境帶來的負面影響。

(2)從省域科技資源配置效率階段可以發現，在不考慮非期望產出時，科技資源配置效率平均值的整體階段水平顯著高于考慮非期望產出，且效率階段的差異化較為顯著。建議一方面必須加大環境治理力度，著力解決突出環境問題；另一方面，應著力創建促進優勢互補的科技資源配置平臺，逐漸推動科技資源配置效率處于初級階段、較低級階段省市向更高階段發展，不斷加強處于高階段省市的協同帶動作用，有效弱化科技資源配置效率的地區差異化，特別是帶動科技資源配置效率的低洼省份，如內蒙古、寧夏、青海和西藏四省，從提高環境治理效率和科技資源配置效率兩方面提高環境約束下科技資源配置效率階段水平。

(3)從環境約束下科技資源配置效率的演變機理可以發現，環境約束下相鄰省域的科技資源配置效率呈現正向空間自相關的集聚特征，且呈現增強的態勢，但空間自相關的集聚特征并不是很強，屬于擴散效應區、過渡區、低速增長區、極化效應區的省市變化不大。建議一方面在著力加強環境約束下相鄰省市的科技資源配置效率空間分布的集聚效應的同時，不斷加強處于擴散效應區省市的科技資源配置的協同效應和處于極化效應區省市的科技資源溢出效應。另一方面，提高處于過渡區和低速增長區省市的環境治理效率與科技資源配置效率，兼顧生態環境的可持續發展和科技創新的優化配置。

(4)從非期望產出因素對科技資源配置效率影響程度角度可以發現，非期望產出因素中工業三廢對環境約束下省域科技資源配置效率存在顯著影響，工業二氧化硫排放量對其影響程度最大，工業廢水排放量次之，工業粉塵排放量影響程度最小。建議一方面應積極落實 《中華人民共和國大氣污染防治法》，重視大氣污染防治，保護和改善生活環境和生態環境，保障公眾健康，促進經濟社會可持續發展。另一方面，堅持執法檢查必須嚴格、監督必須有力度的原則，避免出現檢查、監督中 “粗、寬、松、軟”的問題。根據防治的重點區域、重點領域，深入檢查相關法律制度實施情況，推動加強源頭防治、聯防聯控、全民共治，推動經濟社會與生態環境的可持續發展。