论文写作模式-基于两阶段DEA主-从模型的我国省域工业绿色技术-CNKI知网查重网站

论文写作模式-基于两阶段DEA主-从模型的我国省域工业绿色技术

2021-06-08 15:59:44
作者:杭州千明

  绿色创新技术是实现我国经济持续发展的重要途径之一,而工业又是推动我国高速发展的基石,因此探究我国工业绿色创新技术创新效率的机理具有重要意义。本文运用两阶段DEA主-从模型,将外部非创新投入考虑在内,对中国工业绿色技术创新活动在2011-2018年的两阶段效率进行核算,并通过使用LISA时间路径和时空跃迁等方法综合分析工业绿色技术创新效率时空跃迁情况。研究结果表明:(1)在考察期内,我国省域工业绿色技术创新的研发效率和转化效率平均值分别为0.685和0.812,研发和转化效率均有较大的提升空间;在研发阶段,中国四个区域的研发效率按东、西、中、东北依次降低,且东、中、西部随时间呈现稳定状态;在转化阶段,东部和东北部的转化效率较高,西部和东北部转化效率较低,除东北部外,其他区域的转化效率随时间在整体上呈增长趋势,中部地区最为显著。(2)LISA物理特征分析:在研发和转化阶段,我国沿海地区和位于我国地理中心位置的省域有稳定的局部空间结构;从LISA移动方向来看,我国大部分的研发和转化效率的移动方向大多为一类和三类,表明我国的工业绿色创新效率具有较强的空间整合性。(3)时空跃迁分析:我国工业绿色技术创新效率的区域结构较为稳定,省份存在类别转移的惰性,且我国的研发效率和转化效率具有空间锁定的特征,受领域单元溢出影响较少。(4)在考察期内,我国处于高研发-高转化阶段的省份仅有三分之一,且有50%的省域的工业绿色技术创新效率发布未发生跳跃,剩余省份的工业技术创新效率主要分布在低研发-低转化和低研发-低转化。

  近年来,我国以较快的经济增长速度发展着,但同时资源损耗和环境污染也愈加严重。面对险峻的资源与环境问题,我国在“十三五”规划中提出了“五大发展理念”,即创新、协调、绿色、开放、共享的发展理念,创新理念位于首位,是我国经济发展的主要推动之一[1]。绿色发展理念是处理经济发展和环境关系的价值标准,标志着我国经济由传统的粗放型管理模式向集约化模式转换。因此,发展绿色创新技术对我国的可持续发展有较大的作用。而工业又是我国实体经济的主体产业,是推动我国经济增长的基础。故在技术发展和环境污染矛盾日益激烈的背景下,对工业绿色创新系统进行探索,准确的核算工业绿色技术创新效率,分析各省域绿色技术创新效率实际情况,对指导工业产业提高资源利用率,助推工业经济高质量发展具有重要的理论意义和现实意义。

  当前,对绿色技术创新效率的核算一般有两类方法:一类是参数方法,另一是非参数方法。其中,非参数方法以DEA(数据包络分析)为主,DEA方法因可以对多投入、多产出生产系统进行测评,且无需事先确定生产函数和权重的优势而被大量学者偏爱。学者们使用DEA方法对绿色创新测算主要是从两个方面:一是将绿色技术创新活动看做一个整体;二是将绿色技术创新活动划分为相互关联的子系统。把绿色创新活动看作整体的研究中,主流的研究分内容为三个方面:绿色技术创新效率评估、绿色技术创新效率影响因素和绿色技术创新效率空间演化情况。对绿色技术创新效率进行评估分析的研究有:Luo等[2]以中国21个细分战略新兴产业的面板数据为基础,使用Malmquist指数和数据包络分析(DEA)对战略性新兴产业绿色技术创新效率进行测算。Wang等[3]使用DEA-RAM方法核算了我国制造业2005-2012年的绿色技术创新效率。在影响因素方面的研究,Liu等[4]考虑非期望性质,建立能较好测算包含非期望因素的变量的SBM-DEA模型,并使用分位数回归方法研究绿色技术创新的影响因素。吴超等[5]对重工业绿色创新系统的研究,先采用DEA-RAM联合效率模型对其效率进行评估,进一步使用模糊集定性比较方法探讨绿色创新效率的提升模式。考虑技术创新效率随时空存在演化关系,杨树旺等[6]采用含非期望产出的SBM对长江经济带绿色技术创新效率进行测评,进一步使用探索性空间数据分析方法研究技术创新效率的空间跃迁情况。肖黎明和吉荟茹[7]运用SBM-DEA超效率模型、面板Tobit回归模型分中国的生态福利绩效水平、空间分类特征和冷热点区域格局演化及影响因素。Li[8]使用SBM模型计算30个省域的工业企业的绿色创新效率,并探索绿色创新效率在时间和空间维度的变化情况。以上的研究,学者将绿色技术创新活动看作一个整体,研究的重点聚焦于投入和产出,忽略了系统内部的联系,导致绿色技术创新系统被视为“黑箱”而无法进行更进一步的分析。

  而在第二类中,学者们为了将“黑箱”打开,将绿色技术创新活动划分为多阶段进行研究。例如,罗良文和梁圣蓉等[9]使用主成分分析法对中国工业企业技术创新活动的指标数据进行降维处理,再使用两阶段DEA对其两阶段效率进行测评。Du等[10]从两阶段价值链出发,采用两阶段网络DEA方法对区域企业绿色技术创新的效率进行了核算,探索了工业企业的区域差异。张洪潮等[11]以绿色增长视角为研究的起点,基于两阶段技术创新理论,测算了资源型区域工业企业的技术创新效率。钱丽等[12]利用共享投入关联两阶段DEA模型测度中国工业企业绿色研发和成果转化效率。成琼文[13]等使用DEA测算了我国工业子行业的两阶段效率,并使用Tobit对两阶段的影响因素进行探究。考虑到绿色技术创新效率随时间和空间的变化可能存在规律,肖仁桥和丁娟[14]构建超效率DEA模型对中国30个省市工业企业绿色创新的整体及分阶段效率进行核算,并通过空间面板模型对其空间溢出效应进行检验。聂名华和齐昊[15]运用DEA-SBM模型测算了中国工业企业两阶段创新效率,并使用空间计量模型对效率存在的空间特征进行探索。Li[16]利用DEA探索环境规制对创新城市的技术创新效率的影响及技术创新效率的时空演化情况。

  从以上的分析可以发现,与将绿色技术创新活动看作一个整体相比,将技术创新活动划分为相互关联的子阶段进行研究,可以更进一步的分析子系统之间的关系,并根据该关系测算各子系统的技术创新的效率,故分阶段已成为当前研究的热点。然而,大多学者基于价值链理论,将创新系统划分为相互关联的研发和转化阶段,但未将两阶段的主导关系纳入最终的评价。众所周知,技术研发的最终目的是经济效益,而实现经济效益需要研发成果的投入,没有成果的投入就无法进入成果转化阶段,故研发是实现经济效益的先决条件。基于此视角,本文提出了一种两阶主-从DEA模型的工业绿色创新效率的评价方法。同时,考虑到在绿色创新系统中可能存在创新路径依赖和空间锁定特性,绿色技术创新能力强的发达省域更倾向在内部保持创新优势,从而使得绿色技术创新效率在不同省域表现出明显的空间差异性[17]。但考虑到绿色技术创新效率不仅在空间上存在关系,也受到了之前年份的工业绿色创新系统的影响,故本文将时间维度纳入研究范围内,引入Rey提出的探索性时空数据分析(ESTDA)[18],使用LISA时间路径和LISA时空跃迁方法对我国2011年到2018年的工业绿色技术创新研发效率和转化效率的时空动态特性进行分析。

  第2章基础理论

  2.1技术创新效率研究理论基础

  2.1.1技术创新理论

  创新概念首先出现在瑟夫·阿罗斯·熊彼特所著的《经济发展理论》。熊彼特将“创新”视为创造新的生产函数或供应函数,也就是说将向生产系统引入新的生产要求和条件[19]。但这里的创新指的是经济范畴,它不仅包括研发新的技术,也包括了将研发的技术引入产品生产中,从而创造更大的经济利润。具体而言,创新内容包括5个方面:生产新的产品或优化现有产品质量、研发或者引入新的技术、开创造新市场、开发新的资源、制定新的制度。

  自熊彼特提出了创新理论,技术创新理论在此基础上不断的发展和延申。目前较为典型几种的技术创新的概念有:

  第一、技术创新是由一个科技想法逐渐演变为新的或优化的产品或工艺。当然,并不是所有的新的或改进的产品或工艺都能称为创新,一些产品的改进并不影响产品使用的功能、也不影响产品的特征、性能和成本,那只能称为延伸。

  第二、利用生产函数来定义技术创新,即在生产系统中引入由未被发现的生产要素和生产条件所形成的“新组合”

  第三、技术创新是新想法、新产品产生的过程、是新技术想法转化为新产品或新工艺、也是将新产品进行销售,从而实现经济价值的过程。

  2.1.2效率理论

  本文介绍的效率理论主要从经济的角度。经济效率(帕累托效率)是指:在资源稀缺,对现有的人或者资源进行重新分配,使其分配状态发生转移,但在所有人境况没有恶化情况下,至少有一个人变得更好。通过对帕累托效率追求,人们可以充分利用有限人力、物力、财力,以最小的成本创造最大利润。

  2.2 DEA非合作博弈模型

  2.2.1非合作博弈模型-斯塔克伯格均衡模型

  Starkberg模型是一个价格领先的模型,不同的制造商有不同的行动顺序。产出是按以下顺序确定:大厂商决定生产值,厂商可以观察这个产值,最后厂商将根据观察到的产值来确定自己的产量[20]。值得注意的是,当大型制造商决定自己的结果时,他们完全理解追随者的行为——这意味着大型制造商将了解其订户的响应能力。因此,大型制造厂商可以预测到自己的决定对跟随厂商所产生的影响。正是这种效应导致了这样一个事实:由龙头企业决定的生产量转化为利润的最大化,且该产量受到跟随企业反应函数的限制。在Starkberg模型中,跟随企业不需要自己的响应函数来为大公司做出决策。

  2.2.2 DEA非合作博弈模型

  DEA非合作博弈模型是Li等基于斯塔克尔伯格模型思想提出,用于核算供应链卖家和买家的效率[21]。考虑到卖家的价格会影响买方的零售价格和零售需求,故将斯塔克尔伯格模型的思想引入到数据包络(DEA)中,将卖家视为领导者、买家视为跟随者构建了DEA非合作博弈主-从模型。在主-从结构中,首先对领导者的效率进行评估,之后跟随者根据和领导者效率相关的信息评估跟随者的效率,具体模型请参照3.2部分。

  第3章研究设计

  3.1工业绿色技术创新效率阶段划分

  基于两阶段价值链理论[22,23],本文将工业绿色创新活动可划分为相互关联的绿色技术研发阶段和绿色成果转化阶段,图1给出了两阶段工业绿色创新活动。工业绿色转化阶段的投入不仅只来源于研发阶段的,还包括了中间再投入的资源。研发阶段的效率表示为工业绿色技术创新活动的研发阶段的产出与投入的比值。工业绿色转化效率则是工业绿色创新产出与(中间产出+中间再投入)的比,该值能较好的评价将中间产出、中间再投入转化为绿色经济的能力。

  图1两阶段工业绿色技术创新活动

  3.2研究方法

  3.2.1两阶段DEA非合作博弈模型

  基于Liang[24]的研究,本文将工业绿色技术创新系统的两个阶段定义为DEA非合作博弈模型中的主-从结构。在3.1节所探讨的工业绿色技术创新系统中,考虑决策单元()在工业绿色研发阶段有m种技术创新投入(i=1,2,...,m),种中间产出(q=1,2,...,p)。工业绿色转化阶段的投入为研发阶段的产出(q=1,2,...,p)和t种中间再投入(e=1,2,...,t),其产出为(r=1,2,...,s)。用分别表示第一阶段投入,和第二阶段中间投入权重(i=1,2,...,m,e=1,2,...,t),用表示中间产出和技术创新产出的权重(q=1,2,...,p,r=1,2,...,s)。(j=1,2,...,n)在工业绿色研发阶段投入和产出分别为和,在工业绿色转化阶段的投入和产出分别为和。

  第一阶段作为引导者,先使用CCR模型求解工业绿色研发效率,故第j个决策单元的研发效率为:

  (1)

  求解模型(1)可得最优值,其中为研发阶段效率。从而转化阶段的效率为

  (2)

  通过Charnes-Cooper,将模型(2)变换为如公式(3):

  (3)

  因为和,故有。文章令,采用启发式算法,t从1取到100,选取效率值最大的。

  3.2.2 LISA时间路径

  LISA时间路径是在静态LISA中融入了时间维度,观察了莫兰散点图中LISA坐标随时间的变化情况。在研究的时间范围内,每个省份的LISA坐标是由省域的工业绿色技术创新效率和空间滞后量组成,且通过两个时间点LISA坐标可以测算LISA在该两点的移动距离。LISA移动路径表示为[],其中为第t年第i个省的工业绿色技术创新效率,为第i省份第t年的空间滞后量。LISA时间路径说明在研究时间范围内各省工业绿色技术创新效率时空协调变化及局部空间差异和工业绿色创新效率的时动态性[25],其几何特征包括了路径长度、弯曲度和迁移方向[26]。

  3.2.2.1 LISA时间路径长度

  LISA时间路径长度的测算公式如(4)所示[26]:

  (4)

  其中N表示研究的省份的数量,T表示研究的时间间隔,为第t年第i个省份的LISA坐标,表示第i个省份在第t年和第t+1年移动的距离。如果>1,说明i省份的移动长度大于研究的所有省份移动的平均值,表明省的效率变化更动态。省份的效率路径长度越长,局部空间依赖性和局部空间结构越不稳定。

  3.2.2.2 LISA时间路径弯曲度

  LISA时间路径弯曲度的计算公式如5所示[26]:

  (5)

  越大,则LISA时间路径越不平稳,表明局部空间依赖方向稳定性较差和效率增长波动性较大。

  第4章变量及数据说明

  4.1指标选取

  在整个工业绿色技术创新的投入和产出对工业绿色创新效率起着一定的作用,故这种考虑是有必要。本文的具体指标的描述如下:

  (1)创新投入。本文创新投入指标主要从人力、资金两方面进行衡量[27-29]。在人力方面,主要选取企业规模以上R&D全时当量,在资金方面,研发经费内部经常被使用。另外,因为我国企业大多是以开发新产品数为主要目的,所以新产品开发数也应考虑到资金投入中。考虑到前期所投入的研发经费会对当期的科技经济产出产生一定的影响[30],故采用R&D经费存量指标进行计算。在计算R&D存量指标之前,先对研发价格指数进行平减,转换为2011年不变价,取折旧率δ=15%,基期存量=基期经费内部支出/(R&D经费增长率+折旧率)。新产品经费计算方式和R&D采用相同的方法。资金的投入等于R&D存量加新产品经费存量。

  (2)中间产出。较多学者将专利申请数和专利授权数作为技术研发创新产出的衡量指标[31,32],但考虑到专利申请数更能体现企业的研发成果,本文选用专利申请数作为产出指标。而新产品开发项目数能体现工业企业将研发阶段的产品转化为经济的能力,也是通常采用的指标之一。故本论文的中间产出有专利申请数和新产品开发数。

  (3)中间投入。选取环境规制和经济发展水平表示。环境规制是通过制定各种政策和措施来保护环境,它对创新活动由一定的影响[7,17,31]。结合学者们的经验,本文选用工业污染治理完成投资额与工业增加值的比值来表示环境规制。一个区域的经济水平越高,越容易推动该区域的经济发展,即经济水平越高,知识转化为产品的可能性也就越高。本文采用Zhang[33]的方法,用人均GDP来表示经济的发展水平。

  (4)绿色创新产出。除了从经济和环境效益的角度进行测度[27],还考虑了企业规模和市场成熟度。在经济产出方面,选取的指标为新产品的销售收入。由于经济转化的终极目标是生产性的产品,从而获得利润,所以本文选取新产品销售收入作为经济转化的产出变量之一。在环境产出方面,主要选取。主要采用的是Kang[34]中计算的方法,如公式6所示:

  (6)

  其中CE代表总的CO2排放量;i表示三种能量类型,i=1,2,3分别代表原油、原煤和天然气;表示能源消耗;为IPPC(2006)给出的碳排放系数;为碳氧化因子,取值为1。科技市场是一个将知识转化为经济的中间过程,一个成熟的市场更有利于促进创新技术的传播及其整体发展,且一个成熟的市场也更容易实现创新技术的价值[6]。本文使用技术市场成交量指标来表示市场的成熟度。科技创新转化能力越强,越易于扩大企业规模[12,13],故本文将企业规模考虑在内。企业规模本文选用平均主营业务收入来表示企业的规模[32]。具体变量描述如表1。

  4.2数据来源和数据分析

  本文以中国的30个省域(西藏、香港、台湾和澳门数据缺失)为研究对象,样本期为2011—2018,本文使用的数据主要来源于《中国统计年鉴》(2012-2019)其详细情况如:企业规模以上R&D全时当量、R&D内部经费支出、新产品经费、专利申请数、新产品开发数据和技术市场成交额来自《中国科技统计年鉴》和主营业务收入来自《中国工业统计年鉴》,工业污染治理完成投资额和数据来源于《中国环境统计年鉴》,工业增加值来自《中国经济统计年鉴》,能源消耗来自于《中国能源统计年鉴》。

  表1变量的描述

  阶段名称变量描述与衡量

  技术研发阶段投入创新人员R&D全时当量

  创新资金R&D经费存量

  产出专利申请数发明专利申请数

  新产品开发数新产品开发数

  技术转化阶段投入环境规制工业污染治理完成投资额/工业增加值

  经济发展水平人均GDP

  产出企业规模主营业务收入

  市场成熟度技术市场成交量

  新产品新产品销售收入

  二氧化碳二氧化碳排放量

  二氧化硫二氧化硫排放量

  第5章实证结果分析

  5.1我国省域工业绿色技术创新效率测度分析

  根据两阶段DEA主-从博弈模型,通过MATLAB2015软件对中国2011-2018年30个省域的工业绿色创新系统的研发效率和转化效率进行测算,其结果见表2和表3。

  由表2和表3发现,我国的平均绿色技术研发效率和绿色转成果化效率分别为0.685和0.812,有较大提升的空间。从表2可以看出,整体上来说,东部和西部研发效率较高、中部和东北部的效率较小,效率最低的东北省有45.4%的改进空间。就具体的省份而言,高于国家平均研发效率的省份和低于平均研发效率的省份数相等,表明省份效率分布较为均匀。从表3可知,在绿色转化阶段,西部和东北部转化效率较低。就省份而言,中国平均绿色转化效率为0.812,其中平均效率值高于0.812的省份有20个省份,效率均值为第1北京与效率均值为20的广西效率相差0.181,排名21的湖北和排名30的新疆均值相差0.423,说明转化阶段效率均值高的区域之间效率变化较为稳定。

  图2和图3分别是中国省域工业绿色研发和转化效率的变化趋势图。在研发阶段:东部和西部的研发效率均高于国家年平均研发效率,且他们的发展较为平缓,其年平均效率均维持在0.7-0.8的范围。波动较大的是东北区域和中部,中部总体呈现增长趋势,而东北部尤其是在2013-2018变化更为明显。主要原因是:在党和国家提出关于创新国家建设的提议后,东北地区开始重视研发方面的投入,特别是在2013年规模以上的R&D的人员投入达到了120095,比前一年增长了约6.17%,R&D研发人员取得的研发方面的效果也是较为明显的。但在2014年之后效率呈现了递减的趋势,其原因主要是东北高等院校创新较为冗余及科研机构的缺失。毫米我国在2016年颁布了振兴东北工业老基地的条文,东北的研发效率在2016年后以较快的速度增长。

  从图3可以看出,除东北部外,其他部的转化效率在整体上呈现增长趋势。尤其中部的增长最为明显,中部在2013年前的绿色转化效率低于国家平均绿色转化效率,但在2013年

  后,平均转化效率超过了国家平均绿色转化效率,并在2016年后年平均转化效率赶超东部。东北在2011年平均转化率为0.848,在2017年转化效率降到最低,可能是因为2016颁布的振兴东北工业老基地的条文引起了东北的关注,使转化效率在2017年回升。

  为更好的说明各个省份的绿色创新效率随时间的稳定性情况,本文选取2011、2014、2016年和2018的数据进行研究,如图4和图5所示。在研发阶段,安徽、重庆、北京、浙江和海南等省份的研发效率随时间变化较为稳定,且研发效率均接近1,已接近最优值;而山西、河南、福建、湖北、河北及湖南等省份的研发效率随时间的变化维持在0-0.6,这表明这些省份近几年在研发阶段遇到瓶颈,导致他们的研发效率稳定在较低的值;天津的研发效率值随时间变化呈下降趋势,该省份的政府应找出导致其下降的原因并采取相应的对策;广东、江西、内蒙古、青海、新疆吉林和黑龙江随间变化效率值逐渐变大,应继续保持增长的状态。

  表2中国省域工业绿色研发效率测算结果(2011-2018)

  地区2011 2012 2013 2014 2015 2016 2017 2018均值排名

  东部北京0.822 1.000 1.000 1.000 1.000 0.914 0.811 0.887 0.929 2

  天津1.000 0.808 0.758 0.746 0.614 0.584 0.741 0.708 0.745 13

  河北0.525 0.537 0.479 0.476 0.523 0.449 0.493 0.572 0.507 26

  上海0.811 0.918 0.830 0.920 0.727 0.650 0.709 0.723 0.786 11

  江苏0.741 0.724 0.683 0.727 0.707 0.655 0.611 0.708 0.694 15

  浙江0.918 0.876 0.873 0.831 1.000 1.000 0.933 0.945 0.922 4

  福建0.552 0.502 0.535 0.520 0.551 0.567 0.611 0.599 0.555 24

  山东0.522 0.577 0.583 0.661 0.597 0.971 0.669 0.636 0.652 18

  广东0.750 0.624 0.592 0.638 0.582 0.746 0.933 0.880 0.718 14

  海南0.926 0.858 1.000 1.000 0.803 0.795 1.000 1.000 0.923 3

  均值0.757 0.742 0.733 0.752 0.710 0.733 0.751 0.766 0.743

  中部山西0.284 0.376 0.409 0.339 0.317 0.326 0.371 0.474 0.362 29

  安徽1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1

  江西0.570 0.543 0.648 0.806 0.808 1.000 1.000 1.000 0.797 10

  河南0.474 0.420 0.444 0.437 0.443 0.414 0.413 0.504 0.444 27

  湖北0.536 0.536 0.567 0.588 0.543 0.486 0.527 0.552 0.542 25

  湖南0.655 0.635 0.619 0.620 0.460 0.433 0.465 0.557 0.556 23

  均值0.586 0.585 0.615 0.632 0.595 0.610 0.630 0.681 0.617

  西部内蒙古0.277 0.290 0.253 0.267 0.226 0.228 0.320 0.431 0.286 30

  广西0.566 0.609 0.690 0.670 0.702 0.722 0.776 0.738 0.684 16

  重庆1.000 0.907 0.915 0.916 0.952 0.888 0.766 0.788 0.891 5

  四川1.000 1.000 1.000 1.000 0.818 0.728 0.806 0.750 0.888 6

  贵州0.762 0.721 0.597 0.613 0.609 0.671 0.663 0.660 0.662 17

  云南0.694 0.585 0.724 0.758 0.859 1.000 0.838 0.700 0.770 12

  陕西1.000 1.000 1.000 1.000 0.791 0.609 0.501 0.589 0.811 8

  甘肃0.528 0.621 0.595 0.580 0.556 0.454 0.602 0.705 0.580 21

  青海0.268 0.283 0.428 0.440 0.519 0.699 0.858 1.000 0.562 22

  宁夏0.882 1.000 0.845 0.799 0.979 0.823 0.720 0.744 0.849 7

  新疆0.621 0.759 0.884 0.870 0.710 0.750 0.956 0.889 0.805 9

  均值0.691 0.707 0.721 0.719 0.702 0.688 0.709 0.727 0.708

  东北部辽宁0.606 0.680 0.624 0.632 0.537 0.585 0.626 0.592 0.610 19

  吉林0.556 0.436 1.000 0.412 0.589 0.439 0.495 0.793 0.590 20

  黑龙江0.367 0.376 0.389 0.424 0.429 0.349 0.501 0.666 0.438 28

  均值0.510 0.497 0.671 0.489 0.518 0.458 0.541 0.684 0.546

  全国均值0.674 0.673 0.699 0.690 0.665 0.664 0.690 0.726 0.685

  从图5中可以看出,我国部分省份如北京、上海、江苏、山东、广东和四川的工业绿色创新转化效率较为稳定,其值维持在1;天津、湖北、福建、山西、江西、湖北、广西、甘肃宁夏等省份的效率随时间呈增长趋势;辽宁和青海省份效率随时间有下降趋势。

  表3中国省域工业绿色成果转化测算结果(2011-2018)

  地区2011 2012 2013 2014 2015 2016 2017 2018均值排名

  东部北京1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1

  天津0.780 0.928 1.000 0.951 0.833 1.000 0.802 0.803 0.887 15

  河北0.609 0.668 1.000 0.945 0.323 0.961 0.692 1.000 0.775 22

  上海1.000 1.000 1.000 1.000 0.998 0.998 1.000 1.000 1.000 2

  江苏1.000 1.000 0.964 0.990 0.984 0.993 1.000 1.000 0.991 4

  浙江0.822 0.889 0.984 0.962 1.000 0.946 0.751 0.752 0.888 14

  福建0.736 0.647 0.937 0.952 1.000 1.000 1.000 1.000 0.909 8

  山东0.941 0.933 0.857 1.000 0.844 0.998 1.000 1.000 0.947 5

  广东1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.992 0.999 3

  海南0.914 0.731 0.614 0.611 0.593 0.475 0.500 0.826 0.658 25

  均值0.880 0.880 0.936 0.941 0.858 0.937 0.874 0.937 0.905

  中部山西0.691 0.806 0.801 0.806 0.779 0.667 0.799 1.000 0.794 21

  安徽0.649 0.629 0.628 0.678 0.610 0.714 0.729 0.805 0.680 24

  江西0.507 0.816 1.000 1.000 1.000 1.000 1.000 0.948 0.909 9

  河南0.928 0.617 0.740 0.902 1.000 1.000 0.989 1.000 0.897 11

  湖北0.727 0.795 0.853 0.846 0.501 0.983 1.000 1.000 0.838 19

  湖南0.648 0.732 1.000 1.000 0.947 1.000 0.883 1.000 0.901 10

  均值0.692 0.733 0.837 0.872 0.806 0.894 0.900 0.959 0.837

  西部内蒙古0.537 1.000 1.000 1.000 1.000 1.000 0.546 1.000 0.885 16

  广西0.521 0.732 0.944 0.817 0.974 0.913 1.000 1.000 0.863 18

  重庆1.000 0.907 0.915 0.916 0.952 0.888 0.890 0.641 0.889 13

  四川0.940 0.818 0.823 0.845 0.889 1.000 0.961 1.000 0.910 7

  贵州0.441 0.358 0.311 0.405 0.671 0.545 0.496 0.882 0.514 28

  云南0.657 0.444 0.726 0.284 0.524 0.395 0.402 0.668 0.512 29

  陕西0.661 0.801 0.824 0.888 0.594 0.887 0.896 1.000 0.819 20

  甘肃0.534 0.691 0.706 0.888 0.547 0.703 0.641 1.000 0.714 23

  青海1.000 0.830 1.000 0.990 1.000 0.763 0.675 0.869 0.891 12

  宁夏0.204 0.341 0.543 0.312 0.367 0.291 0.373 0.536 0.371 30

  新疆0.519 0.471 0.502 0.447 0.592 0.567 0.481 0.691 0.534 27

  均值0.638 0.672 0.754 0.708 0.737 0.723 0.669 0.844 0.718

  东北部辽宁1.000 1.000 1.000 0.969 0.925 0.589 0.656 0.870 0.876 17

  吉林1.000 1.000 0.850 1.000 1.000 0.785 0.763 0.996 0.924 6

  黑龙江0.544 0.608 0.646 0.540 0.463 0.906 0.432 0.664 0.600 26

  均值0.848 0.869 0.832 0.836 0.796 0.760 0.617 0.843 0.800

  全国均值0.747 0.762 0.833 0.829 0.785 0.833 0.779 0.898 0.812

  图2 2011-2016年全国及四大地区的研发效率均值图3 2011-2016年全国及四大地区的转化效率均值

  图4各省域研发效率随时间演变情况图5各省域转化效率随时间演变情况

  5.2 LISA时空跃迁分析

  在进行不同阶段的时空跃迁分析时,所使用的空间权重是有所差异的。由于在研发阶段,地理位置相邻更利于省份就研发问题进行沟通和交流,所以空间权重采用的是临近空间权重,具体的空间矩阵见附录图1;而由于转化本身是在产业角度进行的,所以转化阶段的空间权重是根据产业结构相似的进行分类。具体的分类标准为:参照刘楷的做法[35],把39个行业划分为能源原材料工业、轻工业和装备制造业三大工业门类,并计算2011年-2018年三大工业门类生产总值占省份工业生产总值的比例的平均值,接下来对各的门类生产总值占的比重进行聚类分析。本文采用person相关性进行聚类分析,并根据聚类分析结果将研究的30个省份划分为三类。随后把同一类的视为相邻用1表示,否则为0,制定了空间权重模型,见附录图2。

  5.2.1 LISA时间几何特征分析

  根据式子(4)和式子(5),计算我国工业绿色创新两阶段效率的LISA时间路径长度和弯曲度,计算结果如表4所示。根据计算结果显示,我国研发效率LISA时间路径最长的三个省份是吉林(5.20)、黑龙江(3.211)和海南(2.144),研发效率LISA时间路径最短的3个省份是江苏(0.304)、湖北(0.281)和广西(0.273)。从图6中可以看出,我国研发效率路径长度较长主要位于我国的东北部和西北地区,这些地区的省份的局部空间结构较为波动。而研发效率路径长度较短的主要是我国的沿海地区及处于我国地理中心位置的省份,这些省份具有较稳定的局部空间结构。

  从图7可以看出,我国研发效率的LISA路径弯曲度与研发效率的时间路径长度性质一致,均是沿海地区和我国处于中心位置的区域的值较低,表明我国的沿海地带和地理中心区域不仅有稳定的局部空间结构,也具有局部空间依赖方向变动较小及增长平稳性较好等特征。

  表4中国省域工业绿色技术创新研发效率和转化效率LISA时间路径和弯曲度

  研发阶段转化阶段研发阶段转化阶段

  地区路径长度路径弯曲度路径长度路径弯曲度省份路径长度路径弯曲度路径长度路径弯曲度

  天津0.545 3.759 1.016 8.861河南0.589 1.943 0.640 9.787

  浙江0.513 2.811 0.506 2.348湖北0.281 2.691 1.030 7.221

  广东0.594 3.306 0.782 1.793重庆0.799 1.572 1.115 1.501

  海南2.144 3.531 1.143 3.788贵州0.388 4.491 1.276 3.724

  安徽0.733 13.667 0.424 4.381云南0.664 42.230 1.773 29.385

  江西0.492 1.626 0.604 2.550陕西1.189 1.706 1.305 4.742

  内蒙古1.247 7.126 2.124 5.173宁夏1.159 9.775 0.966 3.128

  甘肃0.348 3.953 1.531 3.703吉林5.205 10.042 0.554 9.689

  青海1.193 2.046 1.306 3.303北京1.015 2.580 0.787 1.785

  新疆1.372 4.896 0.861 7.856福建0.613 1.423 0.527 3.818

  辽宁0.785 4.440 0.664 8.353山东0.638 7.163 0.527 8.343

  黑龙江3.212 4.837 1.886 26.351山西0.957 1.671 0.846 3.535

  河北0.500 2.443 2.771 8.287广西0.273 2.915 0.767 2.838

  上海1.254 4.165 0.787 1.785湖南0.483 3.378 0.335 1.798

  江苏0.304 4.919 0.790 1.791四川0.508 3.255 0.355 5.618

  图6研发阶段效率LISA时间路径长度图图7研发阶段效率LISA时间路径弯曲度

  从8图,我国大部分省份转化阶段效率的路径长度处于较长,表明我国大部分省份的转化效率局部空间较为动荡。而路径长度较短的省份主要是我国沿海部分,这些省份具有较为稳定的局部空间结构。转化效率弯曲度最长的三个省份是云南(29.385)、黑龙江(26.351)和河南(9.787),转化效率弯曲度最低的三个省份是上海(1.785)、北京(1.785)和重庆(1.50),弯曲度最高的省份是较不发达的省份,转化效率弯曲度最低的三个省份较发达。且从图9中可以看出,路径弯曲度较短的也是位于我国的沿海部分以及部分西部地区,表明发达地区和部分欠发达地区效率增长方向变动较小及效率增长平稳性较好。

  图8转化效率LISA时间路径长度图图9转化效率LISA时间路径弯曲度

  5.2.2 LISA时间路径移动方向分析

  本文通过对比2011年和2018年的LISA坐标,将LISA时间路径移动方向分为4类,第一类是移动方向为,表示省份的效率和相邻省份的效率值同时呈现增长趋势;第二类是,表示省份的效率在下降,而相邻省份的效率值却在增长;第三类是,表示省份与相邻省份效率同时降低;第四类是,表示省份效率增长,而相邻省份效率降低。第一类和第四类分别为正向和负向协同增长方向,这两种移动方向可以说明省域和领域的空间动态性特征。第三类和第四类省域和领域的增长方向相反。

  在研发阶段,如图10,移动方向为第一类和第三类的省份有23个省份,占了全部省份的76.67%,表明我国研发效率在空间演化上具有较强的空间整合性。且有12个省份是正向协同增长,省份11个是负向增长,表明正向和负向增长的省份较为均匀。从各省份的移动空间分布来看,呈正向协同增长方向的省份主要在我国研发效率较高的省份,如浙江、安徽、天津,而呈负向协同增长的省份是在云南、贵州、宁夏和陕西等研发效率较低的省份。

  从图11可知,在转化阶段,有14个省份的转化效率呈现正向和负向协同增长趋势,这些省份占了所有省份的46.67%,与研发阶段效率相比,空间整合性较弱。我国大部分省份和领域省的转化效率呈现的是反向增长方向,这是由于在市场份额一定的情况下,一个省份所占的市场份额越多,会导致产业结构相邻的省份的份额会减少。

  注:[0,1]表示,(1,2]表示,(2,3]表示,(3,4]为

  图10研发阶段LISA移动方向分布图图11转化阶段LISA移动方向分布图

  5.2.3 LISA时空跃迁分析

  LISA的时间物理特征仅描述了各省份的移动特征,为了更好的探究局部莫兰散点图在不同局部类型间的演变情况,本文引入了Rey提出的转移概率矩阵及时空跃迁(如表5所示)。从表5来看,我国工业绿色创新技术的研发和转化阶段的区域空间结构较为稳定,其中研发阶段的区域空间结构更为稳定。在研发阶段,不同类别之间转移的最大概率是0.15,表明存在较少的类别转移,省在不同类别间转移存在惰性。而在转化阶段,不同类别之间转移的最大概率是0.503,超过了0.5,这和经济的灵活性有较大的关系。

  表5局部莫兰指数转移概率矩阵

  研发阶段转化阶段

  0.737 0.150 0.025 0.088 0.910 0.079 0.010 0.000

  0.123 0.769 0.063 0.045 0.433 0.567 0.000 0.000

  0.000 0.088 0.828 0.084 0.021 0.000 0.624 0.356

  0.119 0.036 0.065 0.780 0.000 0.000 0.503 0.497

  时空跃迁可以更为详细的阐述我国省域工业绿色创新效率的时空跃迁情况。ray将时空跃迁分为4类:I类、II类、III类和0类[36]。其中I类是仅该省份发生跃迁,包括了;第II类是领域发生变迁,而本省份保持原来的位置,如;第III表示本省和领域都发生变化,包括;第0类表示省份和领域都未发生跃迁,如。此外,Ray还提出了评价局部莫兰指数空间离散度的公式,如公式(7)所示。

  (7)

  其中为空间离散度,为t时刻0类型的省份数,n为t时刻所有类型的省份总合。

  通过计算,我国研发阶段的空间离散度为0.781,即从2011年到2018年我国研发效率未发生时空迁移的概率为78.1,表明我国研发效率存在路径锁定特征;此外,第I类的为0.11,第II类的概率为0.085和第III类的概率为0.019,较大的是本省迁移而临省固定不变。在转化阶段,空间离散度为0.733,表明我国的转化阶段效率同样有路径锁定的特性;且第I类别的概率为0.25,第II类的概率为0,第III类的概率为0.017,与研发阶段一致,也是第I类的概率最大。通过以上分析,可以看出我国的绿色技术创新效率受领域单元溢出的影响较小。

  5.3两阶段共同效应分析

  5.3.1静态的两阶段共同效应分析

  本文根据我国平均绿色研发效率(0.685)和平均绿色转化效率(0.812)将工业绿色技术创新效率分为四种模式,分别为高研发-高转化、高研发-低转化、低研发-高转化和低研发-低转化,如图12。

  (1)属于高研发-高转化的省份有10个,约占全部省份数目的33.3%,这些省份主要是东部地区的北京、天津、浙江、上海、江苏和广东和西部地区的重庆、四川及广西,具有较高的研发和转化能力,可以作为其他省份提高效率的基准。对于这些省份来说,如果要提升自身的创新能力,需要增大对研发投入和产品产出。

  (2)高研发-低转化。包括:陕西、海南、安徽、新疆、云南和宁夏等省份(约占总省份数的20%),这些省份具有较高的研发能力,但不能及时对研发成果进行转化,从而不能实现商用价值。对于该类模式的省份,应保持研发效率高的优势,提高省份的绩效,措施可能包括增加利润、控制创新成本和建立具有竞争力的市场。

  (3)低研发-高转化。该模式的省份主要包括:内蒙古、河南、湖北、湖南、福建、青海、吉林、辽宁、山东和广西,约占全部省份的33.33%,这些省份能够对研发成果的及时转化,但其研发的能力不足。这类省份需要提高研发的意识,掌握研发的核心技术,提高研发效率。

  (4)低研发-低转化。包括:山西、黑龙江、河北、甘肃和贵州(约占全部省份数的13.3%),这些省份的研发和转化的能力有较大的提升空间。该类别的省份应寻找导致研发效率和转化效率低效的原因,从研发和产品转化的角度共同提升创新能力。

  5.4.2动态的两阶段共同效应分析

  本文将2011-2016年划分为2011-2012年、2013-2014年、2015-2016年和2017-2018年四个阶段,并将四个阶段分别分布于低研发-低转化(I)、高研发-低转化(II)、低研发-高转化(III)及高研发-高转化(IV)进行列表分析,如表6所示。

  图12各区域科技研发和成果转化效率象限分布图

  从表6可以看出,在2011-2012年阶段,技术创新效率是低研发-低转化和高研发-高转化的省份占了较大比例,在2013-2014年、2015-2016年和2017-2018年三个阶段处于低研发-低转化的省份减少,这表明我国在2013-2016年研发或者转化有所提高。进一步分析发现,部分省域保持了空间稳定性,甘肃、黑龙江、贵州、山西总体维持在I,安徽处于II,青海、山东、福建、湖北、湖南基本维持在III,上海、北京、、四川、浙江、重庆等5个省域处于IV,而有一些省域的效率发生模式的迁移,变化主要发生在I和III,例如山西、河南、内蒙古、河北、福建、湖北、湖南在2011—2012是I,但在2013-2014变为III,后在2015-2016年又有部分省份重新变为I,有少数的省份是从I转变为II,很少省域直接从I直接变为IV,这表明:省份提高技术创新效率的转化效率比提高研发效率较容易,直接从低研发-低转化变为高研发-高转化较为困难。

  表6 2011-2018中国省域工业绿色技术创新效率模式分布表

  模式低研发-低转化

  (I)高研发-低转化

  (II)低研发-高转化

  (III)高研发-高转化

  (IV)

  2011-2012内蒙古、山西、黑龙江

  河南、湖北、福建、河北江西、甘肃、广西

  湖南、云南、新疆贵州、安徽、

  陕西青海、吉林

  山东、辽宁广东、江苏、上海

  北京、浙江、海南

  天津、重庆、四川

  2013-2014黑龙江、贵州

  山西、甘肃云南、宁夏

  新疆、海南

  安徽内蒙古、青海、河北

  福建、湖北、广东

  山东、辽宁、湖南

  广西、河南吉林、江苏、江西

  天津、浙江、上海

  重庆、北京、陕西

  四川

  2015-2016山西、黑龙江

  河北、甘肃、湖北

  辽宁、贵州陕西、新疆

  海南、宁夏

  云南、安徽内蒙古、河南、湖南

  湖北、福建、天津

  青海、广东、江苏上海、四川、山东

  江西、重庆、北京

  浙江、广西

  2017-2018内蒙古、贵州、辽宁、黑龙江天津、浙江、海南

  安徽、重庆、云南

  青海、宁夏、新疆河北、江苏、福建

  山东、山西、河南

  湖北、湖南、陕西

  甘肃、吉林北京、上海、广东

  江西、四川、重庆

  第6章对策建议

  本文根据第五部分的研究过程,制定了以下结论:

  一、促进区域的协调发展

  基于东部研发效率和转化效率均较优,西部的创新转化效率最低,东北部研发效率最低的背景下,东部应发挥现有的研发平台、经济发展水平及市场成熟度等优势,大力开展原始创新、引进消化吸收改进和集成化创新,引领和带动其他区域的共同发展。中部地区位于中国较中心的位置,被广东、重庆、四川、北京和天津等较为发达的城市环绕,应充分发挥自己地理的优势向周边发达地区学习。对西部地区来说,基础实施和生态环境是其发展的主要的瓶颈,应大力进行基础实施的构建以及生态环境的保护。东北部地区具有雄厚的工业基础和丰富的煤炭石油资源,但东北区近几年的发展较为不稳定,整体上有下降的趋势,其应对自己管理模式进行梳理、改进,提高省对资源的利用率。

  二、对症下药

  对于研发效率和转化效率均高的省份,应增大创新的投入和产出构建新的创新水平。而对于研发效率和转化效率都低的省份如山西、黑龙江、河北、湖北、甘肃和贵州等省份,这些需要构建其研发的平台,还需提高对其现有研发成品的转化。新疆、云南、海南、陕西和安徽已拥有较好的研发效率,但缺失对研发成品的转化,应构建较好的交易市场,使科研产品能及时商业化。对内蒙古、青海、河南、湖北、福建等低研发的省份,应寻找限制其研发的瓶颈如人才、资源等原因,提出相应的建议。

  三、打破省份的空间锁定特征

  根据时空跃迁的分析结果:我国的大部分省份存在路径依赖和空间锁定特征,而因为空间锁定特征导致发达的省份依然发达,而欠发达的省份也继续保持。若要促进区域间的协调发展,需要将空间锁定特征打破。而将空间特征打破需要研究影响空间锁定的驱动因素,这是本文所缺失的,也是笔者未来想要继续延申的内容。

  结论与展望

  基于创新价值理论,本文将工业绿色创新系统划分为研发和转化阶段,并使用DEA博弈模型中的主随模型对我国2011-2018年的工业绿色创新效率进行核算,并对测算的结果进行初步分析,随后,使用LISA时间路径和LISA时间跃迁方法探索时我国工业绿色创新效率的时空跃迁情况,最后根据我国的平均研发效率和转化效率,把创新技术分为高研发-高转化、高研发-低转化、低研发-高转化和低研发-低转化等四类进行静态和动态的分析。得到的研究结论如下:

  (1)在考察期内,中国省域工业绿色研发效率和转化效率均值为0.685和0.812,研发和转化效率还有较大改进空间。在研发阶段,中国四个区域的研发效率按东西中东北依次降低,高研发效率和低研发效率的差异较大。在转化阶段,东部和东北部转化效率较高,西部和东北部转化效率较低,转化效率高的省份间效率变化较为稳定。

  (2)从测算结果初步分析来看,在研发阶段,东部、西部研发效率高于国家平均研发效率,且其发展随时间波动较小,随时间波动较大的是东北区。在转化阶段,除东北部外,其他省份的转化效率随时间在整体上呈增长趋势,中部地区最为明显。就具体省份变化,大部分省份随时间变化趋于稳定,只是稳定的值不同。

  (3)LISA物理特征结论:在研发阶段,研发效率LISA时间路径长度较长和弯曲度较大省份主要位于我国的东北部和西部地区,这些省份具有更加动荡的空间结构,而研发效率LISA时间路径长度较短和弯曲度较小的省份主要来自我国的沿海地区和处于我国地理中心的省份;在转化阶段,路径长度较长的省份占了我国较大的比例,表明我国的工业绿色技术创新效率的空间结构较为动荡,且省份的弯曲度也呈现发达地区小,欠发达地区大的情况。

  (4)从LISA的路径移动方向来看,研发阶段我国移动方向为一类和三类的省份占了我国的76.67%,我国研发效率具有较强的空间整合性;在转化阶段,效率呈现正向和负向协同增长的省份有14个,占了我国的46.67%。

  (5)从转移概率矩阵来看,我国研发阶段和转化阶段的区域结构较为稳定,不同类别间较少发生跃迁,表明我国部分省份存在跃迁惰性;从时空跃迁分析来看,我国研发阶段和转化阶段的空间离散度均大于70%,表明我国研发效率和转化效率具有路径锁定特征,受领域的单元溢出影响较小。

  (6)两阶段共同效应分析:我国有33.3%的省份处于高研发-高转化模式,这些省份大部分来自我国的东部地区,剩下的66.7%省份存在研发效率低或者转化效率低;且我国大部分高研发-高转化的省份的效率模式随时间呈现稳定性,而其他非双高的省份发生变化的主要是转化效率,这些省份提高转化效率是比提高研发效率更为容易,基本没有省份可以直接从双低转化为双高。

  本文研究在做了几方面的尝试:(1)考虑绿色技术创新系统的子系统之间的位置并不是平等,往往存在主从关系,故本文将主-从DEA模型引入到工业绿色创新系统测算其效率。(2)目前对于工业绿色创新效率时空演化部分,大多学者忽略或者弱化时间维度的重要性,而本文采用Rey提的探索性时空数据分析的框架,联合研究效率在时间和空间的演变情况。

  然而,目前的工作仍有一些不足,未来会尝试将两阶段扩展为技术研发、产品开发和创新扩散等三个阶段,此外根据文中的受领域的单元溢出影响较小的结论,本文将尝试对时空跃迁的驱动因素进行分析。