區域綠色技術創新驅動因素分析

張久森 蒼正偉 張雅媛 張子怡 楊悅

摘 要：基于廣義迪氏指數分解法（Generalized Divisia Index Method，GDIM），利用長江流域綠色創新專利數據，分解各驅動因素對綠色技術創新的貢獻率;結合不同省市的背景分析驅動因素的變化情況，深入研究不同驅動因素影響綠色技術創新的時空差異。最后，針對不同地區的主要問題提出政策建議。

關鍵詞：綠色技術創新;GDIM模型;綠色創新優先度;綠色創新強度;綠色創新效率

中圖法分類號：X321;F127 ? ? ? ? ?文獻標志碼：A ? ? ? ? ?DOI：10.19679/j.cnki.cjjsjj.2021.0411

綠色創新是指降低消耗、減少污染、改善生態，促進生態文明建設、實現人與自然和諧共生的新興技術創新。識別驅動區域綠色技術創新的關鍵因素，探尋科學合理的綠色創新發展路徑，對促進我國綠色技術發展具有重要意義。長江經濟帶作為我國經濟發展重大戰略增長極，定位于全國生態文明建設先行示范帶和創新驅動帶，該區域的綠色技術創新因素分析對于全國綠色生態建設和綠色創新驅動研究具有重要引領和示范作用。

在現有的實證研究中，綠色技術創新大多被作為解釋變量，用以分析與其他相關要素共同對綠色經濟的影響關系。例如孫燕銘等人（2021）從技術、市場、產業結構、環境規制強度4方面分析對綠色技術創新的驅動作用[1]。全加敏等人（2018）探討了環境規制、R&D投入與企業綠色技術創新能力三者間的密切聯系[2]。朱新玲等人（2021）以“創新驅動與綠色經濟”的發展理念為切入點，研究長江經濟帶高質量創新與綠色經濟的耦合協調發展關系[3]。盛來運等人基于生產函數法，對創新驅動經濟發展的未來前景進行預測，提出優化創新成果產業化機制、人才培養集聚機制等，為創新發展提供有力支撐[4]。本文依據上述等人相關研究成果，將綠色技術創新驅動因素分解為8個因素，并對其之間的影響關系作出具體的研究。

目前也有相關學者運用LMDI指數分解法識別影響綠色技術創新的相關因素[5-11]。然而，隨著指數分解法，特別是LMDI方法的不斷應用，相關學者發現現有指數分解方法存在著一些缺陷。Vaninsky（2014）提出了一種廣義的指數分解分析框架，即廣義迪氏指數分解法（Generalized Divisia Index Method，GDIM）。該方法能夠更加全面準確地分析不同影響因素對目標變量變化的實際貢獻。

本文采用綠色專利數這一指標反映綠色技術創新水平，并以我國長江流域各省市作為研究對象，運用GDIM模型識別綠色創新的驅動因素，分析各驅動因素貢獻率的時空差異，發掘綠色創新的關鍵推動力。研究現有文獻中較少關注但不容忽視的3個因素，即創新效率、綠色創新效率、綠色創新優先度，從而為我國綠色技術創新政策的合理制定和實施提供有效的參考和借鑒。

1 ?研究方法與數據說明

1.1 ?綠色創新專利數變化分解—基于廣義迪式指數分解法

廣義迪氏指數分解法（Generalized Divisia Index method，GDIM）主要是通過Kaya恒等式的變形建立多維因素分解模型。根據綠色專利申請數量影響因素間相互關系可以構建如下表達式：

式中Green Patant表示綠色創新專利數（簡寫GP），R&D表示研發投入，GP/R&D表示綠色創新效率，TP表示專利申請數量;GP/TP表示綠色創新優先度;GDP表示區域經濟發展水平;GP/GDP表示綠色創新強度;R&D/GDP表示研發強度;TP/R&D表示創新效率。為將上述公式簡便化，令

對于因素X，用函數Z表示綠色創新專利數變化的貢獻，因此公式（1）-（3）可以表示為：

根據GDIM方法基本原理，現將式（4）-（6）轉換成如下公式：

由式（7）可以得到綠色創新專利數變化的因素貢獻函數梯度：

（12）

由公式（8）-（11）構造一個由各影響因素組成的雅可比矩陣：

從GDIM可知，綠色創新專利數變化可以被分解為各影響因素貢獻之和，用下式表達：

式中：I表示單位矩陣，L表示時間跨度。表示的廣義逆矩陣。

若雅可比矩陣中列向量線性無關，則。

依據式（14），本文將綠色創新專利數變化ΔW分解為8種因素之和，分別為研發投入變化ΔX1、區域創新水平變化ΔX3和區域經濟規模變化ΔX5個絕對量因素，這3個絕對量因素分別反映研發投入、創新水平變化和經濟規模變化對綠色創新專利數變化的影響。另外5個相對量因素，其中ΔX2表示單位研發投入所驅動的綠色創新程度對綠色專利申請數量變化的影響。ΔX4反映區域綠色創新優先程度對綠色專利申請數量變化的影響。ΔX6反映單位經濟規模所驅動的綠色技術創新程度對綠色專利申請數量變化的影響。ΔX7表示區域經濟規模變化對研發投入變化的影響。ΔX8反映創新效率對綠色專利申請數變化的影響。

1.2 ?數據說明

本文選取2003—2017年作為研究區間，對相關數據作如下說明與解釋：

（1）區域綠色創新，采用每年該區域綠色專利的申請量（單位：件）。數據來源于國家專利產權局的統計結果（www.cnipa.gov.cn）。

（2）區域經濟規模，采用一個區域內的國民生產總值（單位：億元），反應了一個地區所有單位一年內生產活動的最終成果，數據的主要來源2003—2017年中國國家統計局公布的《中國統計年鑒》。為了保證數據的可比性，本文的國民生產總值以2003年的數據作為基期對報告期進行平減。

（3）區域創新水平，采用該區域每年向國家專利局申請的專利總量（單位：件）。一個區域專利的總申請量越高，表明該區域創新水平越高，可以較客觀地反映區域的創新水平。該數據來源于國家專利局每年的知識產權主要統計數據。

（4）區域研發投入，采用每年各區域的R&D總經費投入（單位：億元）。區域R&D指一個區域在研究、開發過程中各種費用的總和。該數據選自2003—2017年歷年中國統計局公布的《中國統計年鑒》，同樣以2003年為基期，對其他年份的區域研發投入進行平減。

2 ?全國各地區綠色創新驅動因素分析

2.1 ? 長江經濟帶11個省市地區綠色創新驅動因素分解

根據《長江經濟帶發展規劃綱要》，長江經濟帶主要分為11個省市，根據劃分的情況，利用GDIM模型，計算各省市的綠色創新技術驅動因素的貢獻率，結果如下（見表1）。

從表1可見，各區域綠色創新發展的促進因素有：區域研發投入、綠色創新效率、區域創新水平、綠色創新優先度、區域經濟規模、綠色創新強度。而研發強度、創新效率對綠色創新技術有抑制效果。安徽省、江蘇省、貴州省的區域創新水平的貢獻率均達到了10%以上，但上海市的區域創新水平貢獻率最低，為5.2%。綠色創新效率也是驅動綠色創新發展的主要因素之一，安徽省和四川省的綠色創新效率的貢獻率較大。綠色創新優先度反映了各地區對綠色創新的重視程度，相比之下，安徽省和重慶市的綠色創新優先度較高。創新效率是主要抑制因素，約為1%。

2.2 ?長江經濟帶11個省市地區綠色創新驅動發展現狀

基于分解結果，將各地區2003—2017年綠色創新專利變化及驅動因素的貢獻率繪制成統計圖（見圖1）。

從圖1可以看出，各省綠色創新專利數量都在上升，但增速差異較大。其中，上海市和云南省的綠色專利增長速度較慢，其余地區的增長速率都達到了30%以上。

西部城市的綠色創新增長速率較高，如川渝貴是長江沿岸綠色創新發展的亮點。但云南省綠色創新增長率較低，表明其仍依賴于傳統技術，綠色創新優先度貢獻率僅為0.7%，對綠色創新技術的重視程度低。目前云南省產業技術創新存在研發投入不足、區域發展不平衡、部分地區產業集群發展緩慢等問題，這些都限制了該區域綠色創新能力的提升，難以形成區域競爭優勢。

3 ?全國綠色創新專利變化階段分解分析

基于我國每五年制定的戰略計劃，本文將2003—2017年分成3段：2003—2007年、2008—2012年、2013—2017年。據此對長江上中下游各地區綠色創新變化進行比較分析，計算得到不同時期各地區驅動因素貢獻率的變化情況。數據見表2。

研究期間長江上中下游各地區綠色創新專利數量在不斷增長，但由于各地研發投入，經濟發展，補貼政策等不同，各地增速情況也有所不同。

3.1 ?長江上游地區

長江上游地區為長江中下游地區提供環境保障，同時該地區作為我國西部經濟的“增長極”，承擔著輻射帶動西部欠發達地區的重任。該地區綠色創新專利變化及各驅動因素不同階段貢獻率的統計見圖2。

從圖2可以看出，長江上游地區的綠色創新增速維持在200%以上，在2008—2012年達到最大值350%，整體上呈現出先增長后減慢的特點。

對促進因素進一步研究，2003—2017年區域創新水平、綠色創新效率、綠色創新強度的貢獻率較高，是推動綠色創新發展的主要因素。此外，區域創新水平的貢獻率波動不大，均在20%左右。而綠色創新優先度的變化與整體趨勢相反，但在20%上下波動。區域經濟規模的促進效果從12%上升至25%，但在2013—2017年的促進效果幾乎為0。

研發強度，創新效率起到了主要的抑制作用。2003—2007年，創新效率是主要的抑制因素，抑制效果為-13%，研發強度的抑制效果較弱。但在2008—2012年，創新效率對綠色創新起到了較好的促進效果，貢獻率52%。2013—2017年，創新效率與研發強度的抑制效果相似貢獻率分別為-6%和-4%。

3.2 ?長江中游地區

2007年，國家發改委下發了關于批準武漢城市圈和長株潭城市群為“兩型社會”的通知。長江中游地區被確定為“兩型社會”的試驗區并被賦予先行先試的政策創新特權，加快該地綠色創新發展格局的完善。該地區綠色創新專利變化及各驅動因素不同階段貢獻率的統計見圖3。

總體來看，長江中游地區綠色創新專利的增速持續上升。在促進效應方面，2003—2007年，主要驅動因素有區域研發投入、區域創新水平、綠色創新強度;在2008—2017年，主要的驅動因素變為綠色創新效率、區域創新水平和綠色研發強度。其中，綠色創新效率和綠色創新強度的貢獻率與整體趨勢相同，貢獻率持續上升。此外，區域研發投入在2003—2017年的貢獻率均占20%左右，效果較為穩定。綠色創新效率的貢獻率從最初的15%持續上升，對綠色創新技術的驅動效應愈加明顯。綠色創新優先度在2003—2007年和2013—2017年分別起到了10%和40%的驅動效果，但在2008—2012年對綠色創新有較小的抑制作用，該因素隨著時間發生了較大的波動。

創新效率是限制綠色技術創新發展的主要因素。2003—2007年，創新效率的抑制效果約為-7%;2008—2012年，抑制效果加深至-40%;2013—2017年，減少到25%。研發強度的抑制效果較小，在-5%左右波動。

3.3 ?長江下游地區

長江下游地區經濟發展較早，綠色發展水平較高。但同時該地區也面臨著發展“東高西低”，協同效果不好的問題。該地區綠色創新專利變化及各驅動因素不同階段貢獻率的統計見圖4。

較高的綠色創新水平，使得該地區維持較大增速較為困難，此外也會降低該地區持續創新的積極性。所以，增速整體呈現持續下降的趨勢。

驅動因素方面，2003—2007年以及2008—2012年，區域創新水平、綠色創新強度和綠色創新效率是主要驅動因素;2013—2017年綠色創新優先度取代區域創新水平，成為主要驅動因素。2003—2007年，綠色創新強度，綠色創新效率的貢獻率分別為94%，55%。2008—2012年，綠色創新強度的貢獻率下降至57%，綠色創新效率貢獻率上升至63%。2013—2017年，綠色創新效率，綠色創新優先度和綠色創新強度的促進效果相似，約為35%，而區域創新水平的促進效果迅速下降，貢獻率約為6%。區域經濟規模的貢獻率在2003—2017年驅動效果不明顯。

研發強度、創新效率在2003—2012年對綠色創新起到了抑制效果。2003—2007年，研發強度的抑制效果為-13%，創新效率的抑制效果為-21%。2008—2012年，研發強度的抑制效果減弱變為-3%，創新效率的抑制效果不變，為-22%。2013—2017年，研發強度和創新效率的抑制效果幾乎為0。

4 ?結論與政策建議

4.1 ?研究結論

本文選取長江經濟帶為研究對象，構建GDIM模型來識別綠色創新的驅動因素，分析并評價2003—2017年長江上中下游各地區不同驅動因素貢獻率的變化情況，結論如下。

第一，本文識別的8個因素對綠色創新不是單一的促進效果。具體來說，區域研發投入、綠色創新效率、區域創新水平、綠色創新優先度、區域經濟規模和綠色創新強度促進各地區綠色創新發展。而研發強度和創新效率起到抑制效果。

第二，總體上看，長江流域的綠色創新一直處于較高發展水平，但部分地區仍面臨綠色創新效率以及綠色創新優先度較低的問題。且上中下游各地區發展的時空差異明顯，呈現以下3種模式：下游地區水平較高，但增速持續放緩，企業綠色創新積極性不高;中游地區水平居中，且增速持續加快，綠色創新發展格局較完善;上游地區水平落后，增速先增后降，支撐能力較弱。

第三，2003—2007年，創新水平以及創新強度對驅動綠色創新的貢獻率最高，其他因素的貢獻率還處于較低水平。說明早期我國對綠色創新的重視程度不高，且傳統的創新模式對生態環境造成了一定程度的破壞。

第四，2008—2017年，隨著綠色創新發展政策的頒布，綠色創新強度、綠色創新效率以及綠色創新優先度的貢獻率迅速增加，逐漸成為推動綠色創新的主要驅動因素。而其他因素對綠色創新的推動效果逐漸減弱，說明一味追求經濟發展或投入人力與財力資源，都難以支撐綠色創新的可持續發展。近年來，政府對環境的規制作用以及市場對新工業的要求，倒逼企業提高對綠色創新的重視程度以及綠色創新效率，為綠色創新提供了較好的發展環境。

4.2 ?政策建議

（1）調整產業結構，提高企業綠色創新效率。

加大國家對重大工業的監察力度，依法依規逐漸淘汰落后企業并化解過剩產能，發揮技術改造對傳統企業轉型升級的促進作用，提升產業綠色化和智能化水平。

（2）優化工業布局，發揮不同區域綠色創新輻射帶動作用，引導跨區域產業轉移。

充分發揮國家自主創新示范區、國家高新區的輻射帶動作用，創新區域產業合作模式，提升區域創新能力。加強產業跨區域轉移監督、指導和協調，推進統一市場建設，實現上下游區域良性互動。發揮國家產業轉移信息服務平臺作用，完善產業轉移信息溝通渠道。打造長江流域城市群產業發展圈，實現上中下游綜合發展，培育綠色創新高科技產業，加強協同聯動，形成空間布局合理、區域分工協作和優勢互補的產業發展新格局。

（3）加強綠色創新型人才培養，落實政府支持政策。

為改善人才短缺、體制機制缺乏的狀況，各地政府需因地制宜制定政策，推進高校—政府、高校—企業、企業—政府合作機制的形成。同時，政府要充分利用資金渠道，支持符合條件的企業綠色技術創新，落實稅收、綠色信貸、土地等優惠政策，加快企業綠色轉型。

參考文獻：

[1]孫燕銘，梅瀟，諶思邈. 長三角城市群綠色技術創新的時空格局及驅動因素研究[J]. 江淮論壇，2021（01）：13-22.

[2]全佳敏. 環境規制、R&D投入與企業綠色技術創新能力：雙變量的調節作用[D]. 福州大學，2017.

[3]朱新玲，賀嵐靜. 長江經濟帶高質量創新與綠色經濟耦合協調研究[J]. 中南林業科技大學學報（社會科學版），2021，15（01）：31-39.

[4]盛來運，李拓，毛盛勇，等. 中國全要素生產率測算與經濟增長前景預測[J]. 統計與信息論壇，2018，33（12）：3-11.

[5] CHO J H，SOHN S Y. A novel decomposition analysis of green patent applications for the evaluation of R&D efforts to reduce CO2 emissions from fossil fuel energy consumption[J]. Journal of Cleaner Production，2018，193.

[6] FUJII H. Decomposition analysis of green chemical technology inventions from 1971 to 2010 in Japan[J]. Journal of Cleaner Production，2016，112.

[7] CHEN Y，LIN B. Decomposition analysis of patenting in renewable energy technologies：From an extended LMDI approach perspective based on three Five-Year Plan periods in China[J]. Journal of Cleaner Production，2020，269.

[8] HIDEMICHI F，SHUNSUKE M. Decomposition analysis of sustainable green technology inventions in China[J]. Technological Forecasting & Social Change，2019，139.

[9] FUJII H，YOSHIDA K，SUGIMURA K，et al. Research and Development Strategy in Biological Technologies：A Patent Data Analysis of Japanese Manufacturing Firms[J]. Sustainability，2016，8（4）.

[10] XIA Z，YU Y，FAN Y，et al. Spatial-temporal heterogeneity of green innovation in China[J]. Journal of Cleaner Production，2020（prepublish）.

[11] FUJII H，MANAGI S. Trends and priority shifts in artificial intelligence technology invention：A global patent analysis[J]. Economic Analysis and Policy，2018，58.

Analysis of Driving Factors of Regional Green Technology Innovation：Evidence Based on China's Provincial Green Patent Data

Zhang Jiusen ?Cang Zhengwei ?Zhang Yayuan ?Zhang Ziyi ?Yang Yue

（Nanjing Audit University，Nanjing 211815，China）

Abstract：Based on the Generalized Divisia Index Method （GDIM），this paper uses the data on green innovation patents in the Yangtze River Basin to decompose the contribution rate of each driving factor to green technology innovation;analyze the changes in driving factors based on the background of different provinces and cities under the circumstances，in-depth study of the temporal and spatial differences of different driving factors affecting green technology innovation. Finally，policy recommendations are made for the main issues in different regions.

Keywords：green technological innovation;GDIM model;green innovation priority;green innovation intensity;green innovation efficiency

收稿日期：2021-05-31

作者簡介：張久森，男，研究方向為國際貿易、區域創新。