基于三階段Malmquist-PNN的區(qū)域綠色創(chuàng)新效率評價與智能診斷研究

許學國，周燕妃

(上海大學 管理學院，上海 200444)

0 引言

當今我國社會發(fā)展與生態(tài)環(huán)境保護間的矛盾依舊突出，重污染天氣、黑臭水體、垃圾圍城等問題時有發(fā)生，成為可持續(xù)發(fā)展瓶頸[1]。如何實現(xiàn)經(jīng)濟、能源與環(huán)境協(xié)調(diào)發(fā)展，是現(xiàn)階段推進社會主義現(xiàn)代化建設的當務之急。“創(chuàng)新、協(xié)調(diào)、綠色、開放、共享”五大發(fā)展理念的提出為我國推進社會主義現(xiàn)代化建設指明了方向，而由創(chuàng)新引領的綠色發(fā)展是實現(xiàn)經(jīng)濟高質(zhì)量發(fā)展的必由之路，綠色創(chuàng)新由此應運而生。

1 文獻綜述

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)境污染對創(chuàng)新發(fā)展質(zhì)量影響的測度[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效產(chǎn)出越匹配[4]。關于綠色創(chuàng)新效率評價的成果已較為豐富。如張峰等利用隨機前沿函數(shù)構(gòu)建全國28省市高技術產(chǎn)業(yè)綠色技術創(chuàng)新三階段組合效率測度模型[5]；吳旭曉運用非期望Minds模型和灰色系統(tǒng)動態(tài)方程，對我國30個省市綠色創(chuàng)新效率時空演進軌跡及其形成機理進行探究[6]；王惠等采用Super-SBM模型測度環(huán)境約束下我國省級高技術產(chǎn)業(yè)綠色創(chuàng)新效率，并構(gòu)建門檻模型分析R&D投入強度對其的影響[7]；王海龍等運用DEA方法測度我國區(qū)域綠色增長績效與綠色技術創(chuàng)新效率，分析了綠色技術創(chuàng)新效率等因素對綠色增長績效的影響[8]；曾冰利用Super-SBM方法評價我國省際綠色創(chuàng)新效率變化，探析其影響因素及空間溢出效應[9]；呂巖威等通過構(gòu)建SBM-DEA模型對我國30個省市綠色創(chuàng)新效率進行測算并展開收斂性分析[10]。

在研究方法層面，隨機前沿分析法(SFA)[11-13]和數(shù)據(jù)包絡分析法(DEA)[14-16]是測量效率的主要方法。具體而言，SFA可以較好地處理隨機誤差對效率的影響，但需事先限定估計模型，而且無法處理多產(chǎn)出問題。而DEA不僅可以規(guī)避因模型設定誤差等因素導致的缺陷，還可以模擬多投入和多產(chǎn)出過程，區(qū)分期望產(chǎn)出和非期望產(chǎn)出，使得DEA成為目前測度效率的主要方法[17]。但DEA是靜態(tài)的，只能分析時間序列或同一時期數(shù)據(jù)，不能解決多周期評價效率問題，因此Fare等人[18]提出了Malmquiste指數(shù)和DEA效率評價相結(jié)合的方法。隨后，學者們又在此基礎上提出了三階段DEA-Malmquist方法[19-21]，以剔除環(huán)境因素和隨機誤差對效率的影響。此外，學者們對Malmquist值的分解指標大多采用人為判斷方式，而概率神經(jīng)網(wǎng)絡(Probabilistic Neural Network, PNN)主要用于分類和模式識別[22-23]，其準確的模式識別功能能夠快速有效地對決策單元效率模式作出判斷。基于此，本文選取三階段的Malmquist-PNN方法對綠色創(chuàng)新效率進行評價和診斷。而關于綠色創(chuàng)新效率影響因素，學者們的研究大多集中在經(jīng)濟發(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。

以中國八大綜合經(jīng)濟區(qū)為核心的區(qū)域協(xié)同發(fā)展戰(zhàn)略，是新時期國家總體發(fā)展戰(zhàn)略的重要組成[28-29]。關于八大綜合經(jīng)濟區(qū)的研究，學者們主要從生態(tài)文明、能源碳排放、經(jīng)濟發(fā)展、綠色發(fā)展、科技創(chuàng)新能力等方面展開分析，并側(cè)重于區(qū)域內(nèi)的差異比較。如鄧宗兵等[30]運用Dagum基尼系數(shù)分解法剖析八大綜合經(jīng)濟區(qū)生態(tài)文明區(qū)域差異來源；李金鎧等[31]從靜態(tài)和動態(tài)視角分析八大經(jīng)濟區(qū)能源碳排放效率差異；魏艷華[28]等采用偏相關系數(shù)和復相關系數(shù)剖析八大綜合經(jīng)濟區(qū)經(jīng)濟發(fā)展差異；高贏[29]綜合運用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)濟區(qū)綠色發(fā)展績效及區(qū)域差異性；楊明海等[32]運用泰爾指數(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)有文獻針對綠色創(chuàng)新效率評價的研究大多從省際層面展開，并基于傳統(tǒng)劃分標準對四大區(qū)域進行對比研究，尚未對八大經(jīng)濟區(qū)展開分析。研究方法上，采用SFA、DEA、Malmquist和Super-SBM的居多，但無法剔除外部環(huán)境與隨機擾動對效率值的影響，導致計算結(jié)果存在偏差和不夠全面。此外，傳統(tǒng)人為方式對效率分解值的判斷，其主觀性較強且費時費力。本文創(chuàng)新之處在于從研究對象上選取了未曾分析的八大綜合經(jīng)濟區(qū)，研究方法上構(gòu)建了排除外部環(huán)境與隨機干擾因素的綠色創(chuàng)新效率動態(tài)測度模型，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)果提出相應診治對策，以期豐富當前關于區(qū)域綠色創(chuàng)新協(xié)同發(fā)展的研究，同時為進一步明確八大綜合經(jīng)濟區(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)造觀測數(shù)據(jù)的非參數(shù)預測前沿，并在此基礎上計算若干同類具有多投入和多產(chǎn)出決策單元(DMU)相對效率的方法[33]。Malmquist指數(shù)是測算動態(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Malmquist指數(shù)進行測算，將t時期至(t+1)時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時期到(t+1)時期的DMU實際產(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EC>1時，DMU趨于生產(chǎn)前沿面，表明技術效率改善，反之技術效率下降。EC可進一步分解為純技術效率變化(PEC)和規(guī)模效率變化(SEC)。當PEC>1時，表明技術應用程度上升，反之下降；當SEC>1時，表明規(guī)模效率優(yōu)化，反之說明投入規(guī)模改變導致效率降低。TC為技術進步變化，反映生產(chǎn)前沿面變化對生產(chǎn)率的影響，當TC>1時，生產(chǎn)邊界外移，表明技術進步，反之退步。

2.2 第二階段：構(gòu)建類似SFA的回歸模型

首先運用BCC模型求出每個DMU的投入松弛量Snk，即原始投入量與目標投入量的差值，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)

運用Frontier4.1軟件，可得到βn，σ2，γ的估計量。此外，F(xiàn)ried給出了vni的估計量：

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

具體計算公式參考羅登躍[35]、陳巍巍[36]的方法。通過剔除外部環(huán)境因素和隨機因素影響，將每個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，計算結(jié)果即為分離環(huán)境因素和隨機因素后的Malmquist指數(shù)，相比第一階段結(jié)果，其更加客觀準確。

3 數(shù)據(jù)來源與變量選取

3.1 數(shù)據(jù)來源

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年中國內(nèi)地除西藏外30個省市的數(shù)據(jù)作為面板分析數(shù)據(jù)，數(shù)據(jù)來源于2012-2019年的《中國統(tǒng)計年鑒》、《中國科技統(tǒng)計年鑒》和《中國環(huán)境統(tǒng)計年鑒》。

表1 八大綜合經(jīng)濟區(qū)范圍

3.2 投入產(chǎn)出指標選取

關于綠色創(chuàng)新內(nèi)涵，主要包括3個方面：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，選取指標如下：

(1)投入指標。人力和財力是綠色創(chuàng)新的核心要素，分別選用R&D人員全時當量和R&D經(jīng)費內(nèi)部支出表示。需要指出的是,在計算綠色創(chuàng)新效率時，由于投入產(chǎn)出可能存在時滯，參考學者郭瑞[37]、吳美琴[38]的做法，將投入產(chǎn)出時滯設為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，由于受到物價變動的影響，計算存量之前先構(gòu)造R&D價格指數(shù)，以對當年的R&D經(jīng)費進行平減。R&D價格指數(shù)計算公式為：R&D價格指數(shù) = 0. 46*固定資產(chǎn)投資價格指數(shù)+0. 54*居民消費價格指數(shù)，使用R&D價格指數(shù)將R&D經(jīng)費內(nèi)部支出轉(zhuǎn)化為2011年不變價。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)費支出/(g + δ)，g為2011-2016年不變價R&D投資年均增長率，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。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)濟效率。專利代表了核心科技資產(chǎn)，能反映知識生產(chǎn)過程中綠色創(chuàng)新的真實水平，故選取專利申請數(shù)作為衡量綠色創(chuàng)新效率的期望產(chǎn)出。同時，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，綜合兩個指標更能反映經(jīng)濟效率。對于非期望產(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衡量非期望產(chǎn)出。表2為綠色創(chuàng)新投入產(chǎn)出指標的描述性統(tǒng)計分析結(jié)果。

表2 樣本描述性統(tǒng)計結(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)為管理無效率，而忽視了外部環(huán)境與隨機因素的影響，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，還受經(jīng)濟發(fā)展水平、經(jīng)濟開放程度、環(huán)境規(guī)制、技術市場發(fā)展狀況和產(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)濟發(fā)展水平(PGDP)。經(jīng)濟發(fā)展水平通過人均GDP衡量。根據(jù)庫茲涅茨曲線，隨著人均收入水平提高，人們對于改善生態(tài)環(huán)境的需求也會不斷上升，從而促進綠色創(chuàng)新效率提升；②經(jīng)濟開放程度(FDI)。經(jīng)濟開放程度通過外商投資企業(yè)總額測度。相關理論主要包括兩個方面：一是“污染天堂”假說認為，發(fā)達國家會將高耗能、污染密集型產(chǎn)業(yè)轉(zhuǎn)移到發(fā)展中國家，進而降低發(fā)展中國家的綠色創(chuàng)新效率[25]；二是“雙缺口”理論認為，發(fā)展中國家通過吸引外資以彌補資金缺口，通過技術外溢效應促進國家技術水平提高，進而促進綠色創(chuàng)新效率提升[40]；③環(huán)境規(guī)制(ER)。環(huán)境規(guī)制通過工業(yè)污染治理投入衡量。工業(yè)污染治理投入對于減少環(huán)境污染、促進綠色創(chuàng)新具有導向性作用。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技術市場發(fā)展狀況(TEC)。技術市場是連結(jié)資本、勞動力、信息市場的橋梁，對于實現(xiàn)技術流動和資源優(yōu)化配置、促進綠色技術擴散具有重要意義。技術市場成交量愈大，表明技術流動、技術進步愈快，推動綠色創(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，從而促進綠色創(chuàng)新效率提升；另一方面，三產(chǎn)中的科學研究與技術服務業(yè)、環(huán)境與公共設施管理業(yè)能夠為綠色創(chuàng)新效率提升提供有力支撐。為消除變量量綱與數(shù)量級的影響，對5個環(huán)境變量均進行標準化處理。

4 基于三階段Malmquist的綠色創(chuàng)新效率評價

4.1 第一階段綠色創(chuàng)新Malmquist指數(shù)測度

由表3可知，在整個考察期Malmquist指數(shù)均值為1.105，八大綜合經(jīng)濟區(qū)的Malmquist指數(shù)均大于1，表明全國范圍內(nèi)綠色創(chuàng)新效率總體呈上升趨勢，且年均增長10.5%。其中，南部沿海、西南、西北地區(qū)高于全國平均水平，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)新效率領先全國，西北和西南地區(qū)緊隨其后，表明得益于西部大開發(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)新效率曾處于全國領先水平[3]，近年其綠色創(chuàng)新效率已低于全國平均水平，究其原因，可能源自3個方面：一是經(jīng)濟的快速發(fā)展給生態(tài)環(huán)境帶來巨大壓力；二是東部地區(qū)以外向型經(jīng)濟為主，近年來全球經(jīng)濟下行壓力加劇，而其經(jīng)濟結(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)對其創(chuàng)新資源進行了吸納與分流[41]。

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

從技術效率(EC)看，在整個考察期內(nèi)，EC均值為1.004，表明全國范圍內(nèi)綠色創(chuàng)新技術效率緩慢上升。EC可以進一步分解為純技術效率(PEC)和規(guī)模效率(SEC)，因此，可以從兩方面進一步分析技術效率變化原因。其中，PEC均值為1.000，表明綠色創(chuàng)新技術運用水平保持不變，西南地區(qū)和東北地區(qū)高于全國平均水平，其余地區(qū)不太理想，純技術效率處于無效階段，而綠色創(chuàng)新規(guī)模效率年均增長0.4%，可以認為，綠色創(chuàng)新規(guī)模效率得到優(yōu)化但增長緩慢。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)濟社會實現(xiàn)快速發(fā)展的同時出現(xiàn)了資源冗余。

從技術進步程度看(TC)，在整個考察期TC均值為1.102，即全國范圍內(nèi)的綠色創(chuàng)新技術有所進步，其中，南部沿海與西南、西北地區(qū)均高于全國平均水平。進一步比較分析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，表明促進我國綠色創(chuàng)新效率提升的主要因素是技術水平，而非技術效率，這可能與“十二五”期間國家貫徹“節(jié)能減排”發(fā)展要求、大力發(fā)展創(chuàng)新技術、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。

4.2 第二階段SFA模型回歸結(jié)果分析

通過構(gòu)建SFA模型，運用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個環(huán)境變量對3個投入松弛變量的影響。

表4 第二階段SFA回歸結(jié)果

(1)經(jīng)濟發(fā)展水平的影響。人均GDP對3個松弛變量的回歸系數(shù)均為正，且通過顯著性檢驗，表明經(jīng)濟水平提高會使3個松弛變量變大，從而導致投入增加和產(chǎn)出下降，這與預期結(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，以及因管理無效率導致創(chuàng)新資源與能源利用仍處于投資驅(qū)動發(fā)展階段。

(2)經(jīng)濟開放程度的影響。經(jīng)濟開放程度對R&D人員全時當量和R&D經(jīng)費內(nèi)部支出存量的松弛變量的影響回歸系數(shù)為正，且均通過顯著性檢驗，而對能源消費總量松弛變量的影響系數(shù)為負且未通過顯著性檢驗，表明現(xiàn)階段經(jīng)濟越開放，越有利于創(chuàng)新資源投入，只是目前R&D人員與經(jīng)費浪費現(xiàn)象較嚴重，而經(jīng)濟開放程度對能源消費的影響不顯著。

(3)環(huán)境規(guī)制的影響。環(huán)境規(guī)制對R&D人員全時當量和能源消費總量的松弛變量的影響均不明顯，而對R&D經(jīng)費內(nèi)部支出存量的松弛變量的影響為正。由此可見，目前環(huán)境規(guī)制力度越大，R&D經(jīng)費利用水平越低，說明地區(qū)環(huán)境政策對提升R&D經(jīng)費利用率沒有起到很好的效果。

(4)技術市場發(fā)展狀況的影響。技術市場對3個松弛變量的影響回歸系數(shù)均為負，且通過顯著性檢驗，表明技術市場成交量越大，技術流動與技術進步越快，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R&D人員全時當量的松弛變量的影響系數(shù)為負且通過顯著性檢驗，而對R&D經(jīng)費內(nèi)部支出存量的松弛變量的影響系數(shù)為正，對能源消費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)費與能源浪費。

由于統(tǒng)計量γ處于0.752～0.837之間，表明管理無效率占主導，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”的波動趨勢，并于2015-2016年處于最高值；技術效率指數(shù)下降而技術進步指數(shù)上升，年均增長率分別為-0.2%和6%。此外，Malmquist指數(shù)與TC指數(shù)呈現(xiàn)出相似的波動趨勢，表明綠色創(chuàng)新效率主要由技術進步?jīng)Q定，而技術效率起抑制作用；EC指數(shù)總體呈下降趨勢，從其分解指數(shù)看，PEC指數(shù)和SEC指數(shù)均較低，即兩項指數(shù)均抑制了EC指數(shù)增長。其中，SEC指數(shù)與EC指數(shù)的波動趨勢相似，表明規(guī)模效率占主導作用。

圖1 第三階段歷年綠色創(chuàng)新效率變化趨勢

分區(qū)域看，如表5所示，八大經(jīng)濟區(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。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)屬于共同推動型，即技術效率與技術進步均有增長，共同推進綠色創(chuàng)新效率提升，而其余地區(qū)為技術進步型，即綠色創(chuàng)新效率主要由技術進步所決定；另一方面也驗證了目前八大綜合經(jīng)濟區(qū)綠色創(chuàng)新效率的提升主要源于技術進步，技術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比分析

對比圖2第一階段與第三階段的指數(shù)值，發(fā)現(xiàn)在剔除環(huán)境變量和隨機因素的影響后，Malmquist指數(shù)均有所下降，可見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致該地區(qū)綠色創(chuàng)新效率出現(xiàn)較大波動。

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

從EC指數(shù)來看，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，說明其受外部環(huán)境變量的影響較大。對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)技術進步。

5 綠色創(chuàng)新效率模式智能診斷

在對八大經(jīng)濟區(qū)綠色創(chuàng)新效率進行評估后，通過建立概率神經(jīng)網(wǎng)絡，對其進行智能診斷，可以快速判斷無效決策單元。借鑒張惠琴等[25]對效率評價值的分類，將綠色創(chuàng)新效率模式劃分為全部效率有效、純技術無效、規(guī)模無效和技術進步無效4種類型，對應效率值的二進制形式如表6所示。

表6 綠色創(chuàng)新效率評價模式的二進制分類

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

表7 PNN訓練樣本

將訓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的訓練函數(shù)選取徑向基SPREAD函數(shù)，設輸入變量為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]。運用Matlab軟件，對建立的PNN樣本進行訓練，實現(xiàn)訓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 訓練數(shù)據(jù)網(wǎng)絡分類

由Matlab輸出的yc值依次為：2 3 3 3 3 3 1 3 3，準確率達到了100%，可靠性較高，說明本文建立的PNN結(jié)構(gòu)成功實現(xiàn)了對八大經(jīng)濟區(qū)綠色創(chuàng)新效率模式的智能診斷，且快速有效。現(xiàn)根據(jù)診斷結(jié)果，將八大經(jīng)濟區(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)新技術應用與規(guī)模效率方面都具有優(yōu)勢，在2018年《中國區(qū)域科技創(chuàng)新評價報告》中[36]，重慶在高新技術產(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。

二是純技術無效地區(qū)，主要為東北地區(qū)。該地區(qū)綠色創(chuàng)新效率是由規(guī)模效率拉動的，但規(guī)模效率的影響很弱，而純技術效率對其有抑制作用，可見東北地區(qū)的技術應用程度處于下降階段，表明經(jīng)過“經(jīng)濟振興”計劃后東北地區(qū)的高技術產(chǎn)業(yè)與現(xiàn)代服務業(yè)比重仍較低。此外，東北作為資源型城市聚集地，不可避免會遇到資源枯竭與環(huán)境污染問題。因此，如何實現(xiàn)綠色創(chuàng)新、促進經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型升級、提高地區(qū)可持續(xù)發(fā)展能力是東北地區(qū)面臨的重大問題。

三是規(guī)模無效地區(qū)，主要為北部沿海、長江中游、西北地區(qū)、東部沿海、南部沿海和黃河中游。其中，前三個地區(qū)的綠色創(chuàng)新由純技術效率拉動，因地區(qū)投入產(chǎn)出不合理導致規(guī)模效率降低。對于北部沿海地區(qū)來說，北京雖然在創(chuàng)新資源投入、高端人才引進與產(chǎn)業(yè)集聚方面具有絕對優(yōu)勢，但北部沿海地區(qū)綠色創(chuàng)新規(guī)模仍處于無效狀態(tài)，可見北京對其周邊城市的輻射作用不明顯，綠色創(chuàng)新效率溢出效應不顯著，整體尚未形成規(guī)模優(yōu)勢；長江中游地區(qū)屬于典型的碳基能源經(jīng)濟，加之城市工業(yè)化的粗放式發(fā)展、城鎮(zhèn)人口的極速擴張，勢必加劇環(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)達地域，主要承接來自發(fā)達省域的產(chǎn)業(yè)轉(zhuǎn)移，在產(chǎn)業(yè)轉(zhuǎn)移過程中加大了創(chuàng)新資源投入，提高了創(chuàng)新資源利用率，但同時也面臨資源節(jié)約意識不強、自主創(chuàng)新缺乏等問題，從而導致能源與環(huán)境優(yōu)勢過度消耗、綠色創(chuàng)新處于規(guī)模不經(jīng)濟的局面。后三個地區(qū)的純技術效率與規(guī)模效率共同抑制了綠色創(chuàng)新效率增長，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)境遭到嚴重破壞有關。同時，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)移的同時并未加強重視生態(tài)環(huán)境保護，導致綠色創(chuàng)新效率結(jié)果不理想。

6 結(jié)論與建議

基于2011-2018年全國內(nèi)地30個省市面板數(shù)據(jù)，構(gòu)建了排除外部環(huán)境與隨機干擾因素的八大綜合經(jīng)濟區(qū)綠色創(chuàng)新效率動態(tài)評價模型，并建立PNN結(jié)構(gòu)進行仿真，對其綠色創(chuàng)新效率模式進行智能診斷。主要研究結(jié)論如下：

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

(2)完善平臺是提升區(qū)域綠色創(chuàng)新效率的保障。加快發(fā)展技術市場和優(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)濟發(fā)展水平、經(jīng)濟開放程度和環(huán)境規(guī)制對綠色創(chuàng)新效率的影響不顯著。

(3)精準施策是提升區(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，因此針對不同區(qū)域精準施策對其綠色創(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)，純技術無效為東北地區(qū)，其余為規(guī)模無效地區(qū)，即智能診斷能夠?qū)G色創(chuàng)新效率模式作出準確分類和判斷。

根據(jù)上述結(jié)論，提出對策建議如下：首先，鑒于技術進步是提升區(qū)域綠色創(chuàng)新效率的關鍵，各經(jīng)濟區(qū)需加強區(qū)域內(nèi)部合作，促進區(qū)域內(nèi)的技術流動和共享，共同推動技術進步以及區(qū)域綠色創(chuàng)新協(xié)同發(fā)展；其次，各經(jīng)濟區(qū)應不斷完善各類平臺，尤其是加快發(fā)展技術市場和優(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)境因素對區(qū)域綠色創(chuàng)新效率的影響不同，各經(jīng)濟區(qū)應結(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)濟為主，因此需不斷加大環(huán)保投入，大力倡導自主研發(fā)，實現(xiàn)經(jīng)濟外向與內(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，在促進與鄰近地區(qū)協(xié)調(diào)發(fā)展的同時確保自身創(chuàng)新效率不斷提升。東北地區(qū)屬于純技術無效地區(qū)，應在加大綠色創(chuàng)新投入的基礎上，建立人員激勵機制，提高工作效率，同時，完善綠色創(chuàng)新技術，充分利用投入資源，進而提升純技術效率。對于西北、長江中游與黃河中游地區(qū)，政府應不斷優(yōu)化外部環(huán)境，促進綠色創(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，要樹立資源節(jié)約意識，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)新增長極，引導周邊城市綠色創(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)新技術應用和規(guī)模效率方面也具有優(yōu)勢，應維持目前的良好狀態(tài)。