中國綠色技術創新效率異質性環境規制影響與時空躍遷研究

羅 茜，莊 緣，顧曉燕，張麗娜

(1.金陵科技學院 商學院，江蘇 南京 211169；2.河海大學 商學院，江蘇 南京 211100)

0 引言

在推動技術不斷進步與生產力水平不斷提高的過程中，粗放型發展模式所引發的資源與環境問題日益凸顯。綠色技術創新作為新一輪工業革命和科技競爭的新興領域，是推動經濟高質量發展的重要支撐，是推進產業轉型升級和創新驅動經濟高發展的重要途徑[1]。科學測度與揭示綠色技術創新效率影響因素及演化規律，是綠色技術創新發展的關鍵。環境規制是影響綠色技術創新效率提升的關鍵因素[2]，不同國家或地區的環境規制水平存在顯著差異[3]，若忽視特定時空背景下異質性環境規制對綠色技術創新效率的差異化影響，則有可能導致產業發展政策、科技創新政策和環境保護政策在指導實踐時出現偏差。基于此，本文考察我國各省份異質性環境規制對綠色技術創新效率的影響，通過分析其時空演變特征及躍遷軌跡，揭示異質性環境規制對綠色技術創新效率影響的時空差異，并提出差異化改進策略，對于推動產業綠色轉型、促進經濟社會全面發展具有重要意義。

1 文獻回顧

綠色技術創新效率(Green Technology Innovation Efficiency，GTIE)是指在無污染、低能耗、可循環和清潔化等約束條件下開展的促進綠色技術發展的有價值創造活動的投入產出比率[4]。現有研究主要采用數據包絡分析(Data Envelopment Analysis，DEA)，將資源環境要素納入投入產出框架，測算區域或行業GTIE。如采用Hybrid-DEA模型[5]、兩階段關聯網絡DEA模型[6]、非期望Minds-DEA模型[7]測算區域GTIE，或是構建DEA-RAM聯合效率模型、兩階段DEA模型[8]測算某個具體行業或部門的GTIE，抑或是采用非參數Malmquist 指數DEA模型測算GTIE[9]。現有測度方法多以人、財、物(能源、水資源)為投入變量，以高新技術產業新產品銷售收入、專利授權數為期望產出變量，以CO2、SO2、COD、NH3-N中的一種或幾種為非期望產出變量，選取不同距離函數(CCR、BCR、SBM等)構建單階段DEA模型，或以非期望產出治理或專利轉化構建多階段DEA模型，但鮮有研究將環境規制納入投入產出框架測度GTIE。

環境規制是政府部門為控制企業生產過程中的各類污染物排放而采取的環保政策，對綠色技術創新效率具有雙重影響：一是環境規制對綠色技術創新效率具有正向影響，Porter等[10]指出環境規制會約束企業粗放式經營行為，嚴格的環境規制能夠促使企業加快綠色技術創新，實現環境保護與經濟發展雙贏，即“波特假說”；二是環境規制對綠色技術創新效率具有負向影響，環境規制會增加企業運營成本，擠占企業創新發展空間，降低企業綠色技術創新能力，在污染密集型行業尤其明顯[11]；三是環境規制對綠色技術創新效率的影響具有不確定性，環境規制存在異質性，對綠色技術創新效率的影響不同[2]。命令控制型環境規制(CER)、市場激勵型環境規制(MER)和公眾參與型環境規制(VER)對綠色技術創新效率的影響逐漸成為學者關注重點[2]。其中，命令控制型環境規制一般通過地方標準、法規等手段對創新主體進行管控，以實現環境管制目標，推動企業綠色技術創新發展，對綠色技術創新效率的影響程度和方向與區域經濟發展階段有關[4,12]；市場激勵型環境規制一般通過排污費征收、排污權交易、排污許可證交易等手段，借助市場激勵企業綠色技術創新，以實現提高市場競爭力和改善環境的雙重目標，從長期看對于提升綠色技術創新效率具有促進作用(吳磊等，2020)；公眾參與型環境規制一般通過環境信息披露、新聞媒介等手段形成社會公共輿論，對企業市場估價產生影響，促使企業采取治污減排行動或加大綠色技術創新投入，從短期看對于綠色技術創新效率提升雖然具有一定的負面影響，但從長期看卻能夠產生促進作用[13]。

探討環境規制影響中國綠色技術創新效率的時空演化規律，可為差異性政策的制定提供參考。當前，關于時空差異特征、動態演變規律、時空躍遷軌跡等的研究方法主要包括兩種：①收斂性分析：一些學者采用σ收斂、β收斂、Theil指數、Dagum基尼系數及其子群分解法分析綠色技術創新效率時空差異特征[14-15]，但對于動態演變規律的探討割裂了鄰域間的影響關系[16]，而基于Gaussian核函數的Kernel密度估計法可以估計復雜背景下樣本數據的動態分布規律，并能夠有效揭示區域子地區間的效率差異[17]；②空間關聯與遷移分析：孫燕銘等[18]利用Moran's I指數分析區域綠色技術創新效率空間關聯特征；呂巖威等[19]針對研究單元在不同時期的空間關聯類型，研究了區域綠色創新效率時空躍遷類型與路徑。目前，兩種或多種重心(有效合引力的作用點)之間的遷移軌跡研究較多，如技術重心與經濟重心比較等，以確定綠色技術創新效率空間遷移軌跡相關性。相比于其它研究方法，重心遷移法能夠更直觀地探討相關或偏離軌跡的內在運行規律[20-21]。

綜上所述，現有研究存在如下不足：①未將異質性環境規制納入投入產出分析框架，測度其對綠色技術創新效率的影響；②缺乏環境規制影響綠色技術創新效率時空躍遷路徑的可視化分析。針對上述問題，鑒于異質性環境規制政策具有調控周期長、難度大等特征，本文將其視為不可控制變量并構建動態SBM-DEA模型，對2001—2018年中國內地30個省份異質性環境規制影響綠色技術創新效率的作用機理進行測度，分析其動態演化特征及時空躍遷路徑，以揭示考慮和未考慮環境規制影響的綠色技術創新效率的時空差異。

2 模型與方法

2.1 考慮不可控制變量的動態SBM-DEA模型

2.1.1 投入產出變量

(1)可控制投入變量：綠色技術創新過程中的人力、財力和物力投入。其中，人力投入變量采用R&D人員全時當量衡量。鑒于資本產出由當期投入和以前存量共同決定，故財力投入變量選取R&D經費支出的資本存量衡量[21]。本文以2001年為基期，省份j在2001年的R&D經費支出資本存量公式為Kj,2001=Ej,2001/(gj+τ)。其中，Ej,2000表示省份j在2001年的R&D經費支出，gj為省份j在研究期內按復利法計算的R&D經費內部支出的年均增長率，τ為折舊率。t省份j的R&D經費支出資本存量公式為：Kj,t=Ej,t/Pj,t+(1-τ)Kj,t-1。其中，Pj,t為省份j在t時期的定基價格指數(張軍等，2003)。本文選取能源消耗總量和用水總量衡量物力(資源)投入。

(2)不可控制投入變量：政府環境規制政策。由于政府環境規制政策具有落實周期長、難度大等特征，且時刻影響綠色技術創新過程，因此本文將環境規制視為不可控制投入變量。借鑒Langpap等[11]、王瑤[12]的研究，將其劃分為命令控制型環境規制、市場激勵型環境規制和公眾參與型環境規制3個變量。考慮到數據可得性，借鑒李斌等[22]的研究，以各地區頒布的地方性環保法規、規章、標準數量衡量命令控制型環境規制；借鑒吳磊等(2020)的做法，采用排污費征收額衡量市場激勵型環境規制；借鑒王瑤[12]的做法，選用各地區披露的突發性環境事件次數衡量公眾參與型環境規制。

(3)期望產出與非期望產出變量。借鑒相關研究成果[5,21,23]，選取高新技術產業新產品銷售收入和綠色專利數作為期望產出變量，以更好地反映綠色技術創新過程。因為綠色專利在申請過程中就已投入使用，因此能夠更加穩定、可靠、真實地反映企業綠色技術創新能力。另外，以CO2、SO2、COD、NH3-N排放量為非期望產出變量，鑒于DEA模型投入產出變量個數與決策單元個數之間存在限制關系，故利用熵權法[24]對上述4種非期望產出指標進行客觀賦權，形成一維綜合污染當量。

2.1.2 效率測度模型構建

借鑒動態SBM-DEA模型和不可控制變量DEA模型構建思路[25-26]，構建不可控制變量動態SBM-DEA模型。對于DMUo(o=1,2,…,n)∈Pt，t=1到t=T的GTIE為：

(1)

滿足如下約束條件：

(2)

t時期綠色技術創新效率公式如下：

(3)

其中，xiND為不可控制環境規制變量，iND=1、2、3分別表示命令控制型環境規制、市場激勵型環境規制和公眾參與型環境規制。在3種異質性環境規制政策中，命令控制型環境規制對企業生產行為具有強制性約束，促使企業不得不改進生產工藝，減少環境污染。但由于命令控制型環境規制執行成本和動態監控成本較高，容易使企業因治理污染物排放而產生損失成本，如增加R&D人員和R&D經費投入，從而對綠色技術創新效率產生負向影響；同時，命令控制型環境規制有利于促進資源優化，減少非期望產出以獲得創新補償。當成本損失大于創新補償時，其對綠色技術創新效率產生抑制作用；當成本損失小于創新補償時，其對綠色技術創新效率產生促進作用。此外，市場激勵型環境規制和公眾參與型環境規制分別通過經濟激勵、提升公眾自覺環保意識影響創新主體的綠色創新行為，并對綠色技術創新效率產生促進或抑制作用，這取決于其在執行過程中產生的成本和收益。

綜上所述，本文構建異質性環境規制對綠色技術創新效率的作用機理，如圖1所示。

圖1 異質性環境規制對綠色技術創新效率的作用機理Fig.1 Influence mechanism of heterogeneous environmental regulation on GTIE

2.2 綠色技術創新效率Kernel密度估計

本文通過繪制不同時期未考慮或考慮異質性環境規制影響各省份綠色技術創新效率的Kernel密度估計曲線，揭示其時空演變特征。Kernel密度函數類型多樣，本研究選取具有較好光滑性的Gaussian核函數對變量進行估計[27]。假設未考慮及考慮異質性環境規制影響的各省份綠色技術創新效率樣本總數為τ，τ1,τ2,...,τm取自樣本總體，對應的樣本觀測值為τ1,τ2,...,τm，任意τ密度函數f(τ)估計值為[25]:

(4)

2.3 綠色技術創新效率重心時空躍遷路徑測算

GTIE在t時期的重心空間位置從側面反映周圍空間位置綠色技術創新效率處于相對均衡狀態。從時間t到t′，若某區域綠色技術創新效率所占比重較大且增速較快，則重心就會向該位置遷移，并呈現出某種規律性特征。參照盧俊宇等[20]、梁中等[21]的研究，假設中國內地30個省份處于同一均質平面，各省份綠色技術創新效率重心位于省會城市，則t時期j省份綠色技術創新效率重心坐標為：

(Longt°,Latt°)=

(5)

其中，Longj°、Latj°分別表示j省份省會城市的經度坐標和緯度坐標；τjt表示t時期j省區GTIE。

從時間t到t′，(Longt°,Latt°)到(Longt′°,Latt′°)的綠色技術創新效率重心躍遷距離及方向坐標為：

(6)

其中，R表示經緯度坐標與平面距離之間的轉換系數，借鑒高軍波等[29]的研究，取值為111.11，n=0，1，2為弧度與具體角度之間的轉換指標。當υtt′=0時，說明綠色技術創新效率重心遷移方向為正東；當0<υtt′<90時，說明綠色技術創新效率重心遷移方向為東北；當υtt′=90時，說明綠色技術創新效率重心遷移方向為正北；當90<υtt′<180時，說明綠色技術創新效率重心遷移方向為西北；當υtt′=180時，說明綠色技術創新效率重心遷移方向為正西；當-90<υtt′<0時，說明綠色技術創新效率重心遷移方向為東南；當υtt′=-90時，說明綠色技術創新效率重心遷移方向為正南；當-180<υtt′<-90時，說明綠色技術創新效率重心遷移方向為西南。

3 實證結果分析

3.1 數據來源與描述性統計分析

本文選取2001-2018年中國內地30個省份投入產出變量數據、環境規制量化數據進行分析，數據主要來源于2002-2019年《中國科技統計年鑒》《中國環境統計年鑒》《中國區域經濟統計年鑒》《中國能源統計年鑒》(考慮到數據可得性，未將西藏納入統計)，以2001年不變價格為基準對變量進行處理，各變量描述性統計結果如表1所示。數據來源與篩選標準如下：

表1 描述性統計分析結果Tab.1 Descriptive statistics

(1)命令控制型環境規制中的地方性環保法規、規章、標準數量來源于2002-2019年《中國環境統計年鑒》及各省市統計年鑒，鑒于生態環境法規、規章與標準執行存在一定連續性，故本文對其進行逐年累計處理。

(2)公眾參與型環境規制中的突發性環境事件次數來源于2002-2019年《中國環境統計年鑒》《中國統計年鑒》，根據《中國統計年鑒》中的指標解釋，突發性環境事件次數是指突然發生，造成或可能造成重大人員傷亡、重大財產損失及對全國或者某一地區經濟社會穩定、政治安定構成重大威脅和損害，有重大社會影響的涉及公共安全的環境事件次數。

(3)綠色專利數據。本文參照OECD公布的《WIPO35個技術領域與IPC對照表》(2019.07版)，立足于綠色創新內涵，以環境技術領域對應的IPC分類為依據，設立“A62C+、B01D45+、B01D46+”等18個分類號，限定時間范圍為2001-2018年，在萬方專利數據庫中收集282 666件綠色專利數據，利用Python軟件識別和篩選各專利摘要并按照年份和地區進行分類，以獲取省級層面綠色專利數據。

由表1可知：①中國各省份綜合污染狀況與綠色技術創新財力投入不對稱，2001-2018年，各省份R&D經費支出資本存量均值為827.96億元，但是綜合污染當量均值為89.86，說明我國在污染控制方面仍有較大改進空間；②高新技術產業新產品銷售收入與R&D經費支出資本存量變異系數較高，說明我國各省份技術創新資本投入與銷售收入差異較大；③CER和VER變異系數較高，表明中國綠色技術創新環境規制政策存在顯著空間差異性；④CER出現兩個差距懸殊的極端值：“0”和“83”，其中，“0”代表部分省份生態環境法規與標準尚處于起步階段，當年并未制定相關生態環境規制政策，如2001年的安徽和福建。引致“83”這一數值出現的事件邏輯可解釋為：北京作為生態文明建設典范區域，自2001年開始，生態環境法規、規章與標準密集出臺、持續積累，至2018年達83項，為其它省份生態環境治理起到引領和示范作用。

3.2 異質性環境規制影響對比

2001—2018年，未考慮ER影響、考慮CER影響、考慮MER影響和考慮VER影響的中國內地30個省份GTIE均值分別為0.40、0.56、0.52和0.52，如圖2所示。從整體看，CER、MER、VER均可促進綠色技術創新效率向前沿遷移。在東北地區和西部地區，強制性環境管制能夠有效提升綠色技術創新能力。在東部地區和中部地區，MER對綠色技術創新發展的影響超過CER和VER，表明以排污費征收為代表的市場激勵規制手段更容易在東部地區和中部地區發揮作用。事實上，中部地區(除山西外)4類GTIE均值分別為0.16、0.33、0.19和0.25，表明強制性環境管制能夠有效提升綠色技術創新能力。山西4類GTIE分別為0.11、0.12、1.00和0.12，主要原因如下：2003年，山西省對排污費資金收繳管理進行了重大改革，從2006年起將全部專項用于環境污染防治，2016年排污費征收額高達11.1億元，全國排名第4，極大地推動了山西省綠色技術創新發展。

圖2 2001-2018年考慮和未考慮異質性環境規制影響的綠色技術創新效率Fig.2 GTIE with/without the impact of heterogeneous environmental regulations during 2001-2018

2001-2018年，中國內地30個省份綠色技術創新水平依然偏低，主要受東北地區、中部地區的影響。在東部地區，北京、天津、廣東、海南GTIE始終為1，處于共同前沿面；在西部地區，青海GTIE始終為1，這得益于中共十八大以來，科技創新圍繞傳統特色優勢產業和戰略性新興產業提質增效，在新能源、新材料、特色農牧業等領域填補了諸多空白，走出一條獨具特色的創新之路，促使其它各省份也受到異質性環境規制的積極影響。

“十五”時期、“十一五”時期、“十二五”時期和“十三五”前期，考慮和未考慮異質性環境規制影響的綠色技術創新效率如表2所示。由表2可知，從時間差異看，四類GTIE在4個時期整體呈增長趨勢，“十三五”前期最接近效率前沿面，均值分別為0.71、0.82、0.84和0.81，表明政府強制性環境規制手段能夠有效推進中國各省份綠色技術創新發展，征收排污費規制手段整體上未對企業產生預期作用。此外，從“十二五”時期開始，VER的影響效應追趕上MER，表明環境污染披露等規制手段起到良好的監督作用和輿論引導作用，促使企業不斷約束自身行為并加大綠色技術創新，以提高市場競爭力。

表2 考慮和未考慮異質性環境規制影響的綠色技術創新效率Tab.2 GTIE with/without the impact of heterogeneous environmental regulations in each period

從區域空間差異看：①東部地區四類GTIE在4個時期的變化趨勢與全國一致，高于全國平均水平，發揮引領作用；另外，異質性環境規制影響作用與全國不同，從“十一五”時期開始，VER的影響作用始終高于MER和CER，且從“十二五”時期開始，MER的影響作用超過CER，表明經濟社會發展水平最高的東部地區能夠更有效地發揮市場機制的調節作用和公眾監督作用；②東北地區四類GTIE在4個時期呈現波動性增長趨勢，但始終低于全國平均水平，“十一五”時期效率值最低，說明強制性規制手段更有利于促進綠色技術創新發展；③中部地區四類GTIE在4個時期的變化趨勢與全國相同，但低于全國平均水平。排污費征收在“十五”時期和“十一五”時期對中部地區企業未產生預期作用；從“十二五”時期開始，排污費征收比強制性環境規制更能促進綠色技術創新發展；④西部地區四類GTIE在4個時期的變化趨勢與全國一致，但低于全國平均水平，異質性環境規制影響作用與全國不同，CER正向影響作用始終超過MER，表明西部地區地方標準、規章等規制手段能夠更有效地促進資源向清潔型生產企業轉移。此外，從“十二五”時期開始，VER的影響效應追趕上CER。

3.3 綠色技術創新效率時空演變特征

本文繪制4個規劃期開局之年、收官之年及2018年中國內地30個省份4類GTIE的Kernel密度分布曲線。如圖3(a)所示，Kernel密度曲線存在顯著階段性特征，2001年、2005年、2006年和2010年Kernel密度曲線呈“雙峰”分布，表明中國內地30個省份GTIE在4個典型年份兩極分化趨勢明顯。事實上，一些省份綠色技術創新表現較差(GTIE<0.2)，聚集水平較低，如山西、安徽、湖北、湖南、吉林、甘肅、廣西、內蒙古和新疆，而北京、天津、上海、廣東則向效率前沿1聚集。2011年，這種低水平聚集問題得到緩解，曲線呈“寬峰”分布；從2011年開始，經2012年、2015年和2016年到2018年，曲線由“寬峰”向“單峰”演化，波峰逐漸右移且高度逐年上升，表明各省份效率值整體得到提升并向高值集聚，這同樣可由2018年Kernel密度曲線左側拖尾長于右側拖尾得以印證。

如圖3(b)所示，考慮CER影響的綠色技術創新效率Kernel密度曲線呈現由“雙峰”向“寬峰”過渡并最終演化為單峰的趨勢，與未考慮ER影響的GTIE相似，時空演變呈現效率逐漸優化、空間差距日漸縮小趨勢，表明地方性標準、規章等強制性規制在2005年之前影響作用偏弱，存在一定的滯后性。考慮CER影響的綠色技術創新效率Kernel密度曲線更靠近效率前沿，再次驗證CER對GTIE產生了顯著正向影響作用。

如圖3(c)、3(d)所示，考慮MER、VER影響的綠色技術創新效率Kernel密度曲線不斷向右移動，展示出更強的兩極分化態勢；同時，考慮MER、VER影響的綠色技術創新效率Kernel密度曲線向高值集聚趨勢更加顯著，效率整體優化趨勢更加明顯。需要注意的是，受市場盲目性與公眾事件隨機性的干擾，圖3(c)、3(d)Kernel密度曲線變化規律不如圖3(a)、3(b)清晰。

圖3 2018年中國內地30個省份4類GTIE時空演變趨勢Fig.3 Spatial-temporal evolution of four types of GTIE in 30 provinces of China in typical years

考慮到中國各省域經濟社會發展水平存在空間差異，本文分區域繪制Kernel密度曲線以揭示其時空演變特征(受篇幅限制，不再列示)。結果發現，東部地區GTIE的Kernel密度曲線演變趨勢與全國基本一致，但效率整體優化趨勢更加明顯，且東部地區GTIE明顯高于其它地區，這可能得益于東部地區固有的技術創新優勢。東北部地區GTIE兩極分化趨勢逐年得到緩解，但波峰主要集中于0.0～0.75之間，說明東北地區GTIE偏低。中西部地區兩極分化趨勢明顯減弱，且不斷向前沿逼近。“十三五”前期，與中部地區Kernel密度曲線維持“寬峰”狀態不同，西部地區Kernel密度曲線進一步向偏右“寬峰”和“弱雙峰”方向演進，說明西部地區各省域綠色技術創新呈現向高效率集聚演進態勢。

與未考慮ER影響的GTIE動態演化特征相比，考慮CER、MER、VER影響的4個地區GTIE呈整體提升及向高值集聚態勢。需要說明的是：①東部地區在2001年和2005年受公眾事件的隨機干擾，因而考慮MER、VER影響的東部地區GTIE動態演化聚集規律出現隨機性特征。伴隨著環境信息披露標準和外部輿論監管機制的不斷完善，考慮VER影響的東部地區GTIE整體提升及向高值集聚幅度更大；②在東北地區，考慮CER影響的GTIE整體提升及集聚趨勢較為顯著；③在中部地區，由于考慮MER影響的山西GTIE取值為1，導致考慮MER影響的中部地區GTIE兩極分化趨勢較其它3種情形更明顯；④在西部地區，基于市場調節的盲目性和滯后性，考慮MER影響的西部地區GTIE向高值集聚演化速度放緩。

3.4 GTIE時空躍遷路徑

現有文獻多從高新技術產業經濟增長、環境污染等視角探討綠色技術創新影響因素，但對時空躍遷路徑的分析較少。基于此，本研究從技術創新能力分化和環境污染分化可能引致綠色技術創新分化的假設出發，以高新技術產業新產品銷售收入(記為高新技術產業經濟)和綜合污染當量(記為污染)為參照對象，分析其與4類GTIE在躍遷路徑上的相關性，以揭示其內在規律。2018年中國內地30個省份4類GTIE、高新技術產業經濟、污染重心及遷移方向如表3所示，4類GTIE重心躍遷路徑如圖4所示。由表3和圖4(a)可知，未考慮ER影響的GTIE重心位于東經112.30°～114.42°至北緯31.93°～33.11°之間，整體向西北遷移。總體而言，遷移距離最大值為2005—2006年的170.19km，最小值為2011—2015年的29.80km，這可能得益于“西部大開發戰略”的實施與環境保護均衡發展。2001—2005年，未考慮ER影響的GTIE重心向東北方向遷移，遷移距離為108.08km，表明相較于全國平均水平而言，2005年重心點河南省駐馬店市汝南縣東北方向相比于2001年改善幅度較大。事實上，2001-2005年安徽和江蘇未考慮ER影響的GTIE分別增長了302.25%和7.47%；2005-2006年，未考慮ER影響的GTIE向西南方向遷移，遷移距離最大值為170.19km，表明與2005年相比，2006年未考慮ER影響的GTIE重心點湖北棗陽西南方向相比于全國平均水平提升幅度明顯。事實上，2005-2006年湖北、湖南和貴州未考慮ER影響的GTIE分別增長了230.93%、16.94%和132.03%，而2005-2006年全國未考慮ER影響的GTIE均值出現負增長(-4.30%)。

表3 2018年中國內地30個省份4類GTIE重心、高新技術產業經濟重心、污染重心及遷移方向Tab.3 Gravity center of four types of GTIE, high-tech industrial economy, pollution and their transition direction in 30 provinces of China in typical years

2006—2010年、2010—2011年未考慮ER影響的GTIE重心點仍為湖北襄陽，雖然分別向東南、西北方向偏移，但移動距離較少，表明這兩個時期考慮ER影響的GTIE空間格局變化幅度較小。2011—2015年未考慮ER影響的GTIE重心點為河南省駐馬店市泌陽縣，向東北方向偏移29.80km；2015—2016年未考慮ER影響的GTIE重心點為河南省南陽市社旗縣，向西南方向偏移115.47km；2016—2018年未考慮ER影響的GTIE重心點為河南省南陽市社旗縣，向西南方向偏移115.47km；2011—2018年未考慮ER影響的GTIE重心整體向北遷移，該現象一定程度上反映了“十二五”時期東北振興在提高區域創新能力、促進資源型城市可持續發展以及加強生態建設等方面所取得的成就。

由圖4可知，從整體空間格局看，2018年4類GTIE重心分布在河南和湖北，考慮CER、MER、VER影響的GTIE重心空間分布差異比未考慮ER影響作用較小，尤其是2018年考慮CER影響的GTIE重心(除2005年和2006年外)基本分布在河南省南陽市社旗縣，表明異質性環境規制手段有利于縮小GTIE空間差距，并呈現出更高水平的空間集聚狀態；考慮CER、VER影響的GTIE重心空間分布聚集性更穩定，說明政府強制性規制手段能夠有效改善中國各省域綠色技術創新效率非均衡狀態。同時，考慮VER影響的GTIE重心(除2005年和2010年外)也基本分布在河南省南陽市社旗縣，但重心遷移距離較大，尤其是在2001—2005年和2005—2006年，說明伴隨著環境信息披露標準和外部輿論監管機制的不斷完善，考慮VER影響的GTIE空間聚集性得到進一步提升。從重心遷移方向看，4類GTIE重心在緯度上向偏北方向移動，未考慮ER、考慮CER影響的GTIE重心在經度上均向西偏移，考慮MER、VER影響的GTIE重心在經度上均向東偏移，考慮MER影響的GTIE重心在經度上偏移幅度較大，表明排污費征收手段比強制性、公眾參與型環境規制能夠更好地改善東西部地區綠色技術創新發展差距；考慮VER影響的GTIE重心在緯度上偏移幅度較大，表明公眾參與型環境規制比強制性、市場型環境規制能夠更好地改善南北方綠色技術創新發展差距。在空間相關性方面，考慮CER影響的GTIE重心遷移路徑與未考慮ER影響的GTIE遷移路徑相似性更高，均是整體向西北方向遷移，表明強制性環境規制對于綠色技術創新效率的提升作用更強。綜上可知，4類GTIE重心在空間分布上具有一定相似性，考慮異質性環境規制有利于促進中國內地30個省份綠色技術創新均衡發展。受環境信息披露事件隨機性、輿論形成不規則性、市場調控盲目性和滯后性的影響，考慮VER、MER影響的GTIE相比于考慮CER影響的GTIE空間遷移軌跡更明顯。

圖4 2018年中國內地30個省份4類GTIE重心躍遷路徑Fig.4 Transition path of gravity center of four types of GTIE in 30 provinces of China in typical years

2018年，技術產業經濟重心、污染重心分別向西南方向移動427.04 km和182.50 km。就整體方向而言，在經度上兩者重心遷移方向與未考慮ER影響、考慮CER影響的GTIE重心遷移方向一致，在緯度上兩者重心遷移方向與4類GTIE重心遷移方向相反。當期GTIE重心與上期污染重心遷移方向基本一致，說明水生態文明建設、大氣生態文明建設對綠色技術創新發展存在滯后影響。2018年，中國內地30個省份綠色技術創新發展趨勢差異較大，因此應制定相關策略縮小東西地區與南北方發展差距。

4 結論與討論

4.1 結論與建議

本文將異質性環境規制視為不可控制變量納入投入產出分析理論框架，構建動態SBM-DEA模型，測度異質性環境規制對中國綠色技術創新效率影響的時空差異，并分析其動態演化特征及時空躍遷路徑，得出如下研究結論并提出相應改進建議：

(1)2001—2018年，異質性環境規制對中國內地30個省份GTIE具有正向影響，影響程度存在地區差異性；受東北地區、中部地區技術創新能力較為滯后的影響，中國整體綠色技術創新效率依然偏低。從研究時期差異看，4類GTIE整體呈增長趨勢，但市場規制手段在東北、中西部地區表現欠佳。從地區空間差異看，僅有東部地區4類GTIE在4個時期高于全國平均水平。因此，應強化綠色技術創新效率要素市場配置，破除非環境友好型因素，推動綠色技術創新升級能力。促進東部地區綠色技術高質量發展，實現重點領域關鍵技術突破，提升綠色技術創新層級；加強東西部地區、南北方地區綠色創新項目交流與合作，加快創新成果轉化和應用，擴大創新規模。

(2)4類GTIE在2018年呈整體提升及向高效率集聚趨勢，時空演變具有效率逐漸優化、空間差距縮小的特征，但空間非均衡問題依然存在。CER的影響存在一定滯后性，考慮MER、VER影響的GTIE時空演變趨勢存在波動性。考慮CER、MER、VER影響的各區域GTIE相比于未考慮ER影響的GTIE呈現整體提升及向高值集聚態勢，考慮VER影響的各地區GTIE演化規律具有一定的隨機性特征。因此，各省份應持續完善環保制度體系，使公眾參與型環境規制工具長期發揮作用，如常態化披露環境信息、逐步擴大環境訴訟主體范圍等。

(3)2018年異質性環境規制有利于縮小中國內地30個省份GTIE空間差距，考慮MER、VER影響的GTIE的規律性偏弱。以高新技術產業經濟重心和污染重心為參照對象，為推動中國綠色技術創新均衡、高效發展，應制定相關策略縮小南北方發展差距，合理利用東西部地區、南北方地區之間的時間差，梯級推進綠色技術產業結構轉型；另外，以中心城市引領城市群開展技術協同創新，加強全過程管理，減少污染物排放，引導企業開展綠色清潔生產，加快區域產業綠色升級。

4.2 不足與展望

本文存在以下不足：①從測算方法看，未將綠色技術創新過程“黑箱”打開，未來可將其拆分為綠色技術開發、綠色技術成果轉化和環境治理三階段串型結構，構建考慮不可控制變量的多階段動態SBM-DEA模型，測算綠色技術創新階段效率和整體效率，以提高測算結果的精確性和豐富性；②從測度指標看，在利用Python識別和篩選各專利摘要并將其按照年份和地區進行分類時，存在無法對某些申請人數據進行識別的問題。未來可利用“愛企查”“天眼查”“國家知識產權局-專利檢索”等平臺，對無法識別的文本進行深入分析，進一步提高綠色專利數據統計質量。