Evaluation on the National High-tech Zones' DrivingEffect on the Regional Green Innovation

She Shuo1，Wang Qiao1，Yao Zhi2

(1.College of Public Administration，Huazhong University of Science and Technology，Wuhan 430074,China; 2.College of Economics and Management, China Agricultural University, Beijing 100083,China)

Abstract：Aimed at evaluating the actual driving effect of National High-tech Zones(NHZs), we construct the mechanisms of agglomeration drive, structure drive and scale constraint from the theoretical level. we then used the SBM-DEA model based on undesired output and the Kernel Density Estimation to describe the level of regional green innovation in China. The results show that China's regional green innovation efficiency is fluctuating and has an obvious spatial differences. Besides, the regional gap is increasing and the "Matthew benefit" becomes more and more obvious. We finally empirically test the impact of the establishment of NHZs on regional green innovation based on the panel Tobit model. Results show the significant driving effect exists, while the actual effect depends on the economic situation and regional differences exist. Some countermeasures are given in the last part.

Key Words:National High-tech Zone; Green Innovation Efficiency; Undesired Output SBM Model; Panel Tobit Regression

收稿日期：2019-05-29

基金项目：国家社会科学一般基金项目(18BZZ046)

作者简介：佘硕(1979-)，男，湖南岳阳人，博士，华中科技大学公共管理学院副教授，现代领导科学与艺术研究中心专家，研究方向为新媒体与社会风险治理、智慧旅游与智慧城市；王巧(1992-)，女，湖北利川人，华中科技大学公共管理学院博士研究生，研究方向为科技政策管理、智慧城市；姚志(1991-)，男，湖北利川人，中国农业大学经济管理学院博士研究生，研究方向为农业经济管理。

DOI：10.6049/kjjbydc.2019020225

开放科学(资源服务)标识码(OSID)：

中图分类号：F263

文献标识码：A

文章编号：1001-7348(2019)21-0043-10

0 引言

随着中国经济发展进入新常态阶段，思考如何在实现经济增长稳步提升、产业结构持续优化的同时，兼顾生态环境的脆弱性与资源承载能力的有限性，突破当前资源环境约束下经济增长乏力的窘境，成为摆在政界和学界面前的紧迫问题之一。“绿色创新”强调通过各种形式的创新，实现经济增长、技术进步与环境改善融为一体的可持续发展[1-2]，将创新作为经济增长与生态环保的驱动器，从而区别于以资源投入为核心的传统经济发展模式。自绿色创新提出以来，就肩负着既要“金山银山”又要“绿水青山”的双重使命，并成为新常态下经济发展的必然选择[3]。中国积极走绿色创新发展之路，相继提出“创新型国家”、“美丽中国”、“绿色、创新、协调、开放、共享”五大发展理念等，是在政策层面贯彻绿色创新发展理念的具体体现。而如何从识别绿色创新效率影响因素入手，实施绿色创新发展，成为摆在学者们面前的一项紧迫课题。现有学者在绿色创新效率影响因素方面进行了大量有益尝试，并在环境规制强度、对外开放程度、技术市场成熟度、政府资助程度、产业结构等因素上基本达成共识[4-5]，但鲜有关注国家高新区设立对区域绿色创新效率驱动效应的研究。

作为承载产业绿色发展和技术革新使命的国家高新区，是世界各国或地区实现经济可持续增长的重要制度安排[6]。学者们围绕高新区建设的经济效应展开了相应研究，其中，国外学者多以某一高新技术产业园区为例，探讨其对区域经济发展的凝聚带动效应[7]以及技术创新效应[8]等。国内学者多探讨了高新区对产业结构转型升级的推动作用[10]、对地区经济发展的提升作用[9]、对城市全要素生产率的促进作用[10]以及对城市创新能力的驱动作用[11]等。这些研究多聚焦于高新区设立对所在地区单一的经济推动效应、产业升级带动效应以及创新驱动效应，而未关注高新区设立对所在地区的综合影响。作为囊括地区经济发展水平、技术进步与环境可持续状况的绿色创新效益，是区域经济追求的综合目标。国家设立高新区，一方面旨在通过高新技术产业投入和人力资本拉动，发挥创新驱动效应，另一方面通过引导产业升级，实现地区经济发展质量提升和生态环境可持续。

本文聚焦于国家高新区绩效的定量评估，以国家批准设立高新区为政策冲击，研究其对属地省域绿色创新水平的驱动效应，同时，回答3个方面的问题，即国家高新区的设立为何能提升区域绿色创新水平？国家高新区的设立如何提升区域绿色创新水平？国家高新区的设立是否提升了所属省域绿色创新水平？

1 国家高新区设立驱动区域绿色创新水平提升机理

设立高新区是各国政府为突破传统经济增长方式、发展高技术产业、提升国家科技实力的一项有效制度安排[13]。20世纪90年代初，为摆脱传统体制束缚，中国也走上了以设立国家级高新区为代表的增量改革路径。高新区之所以能够驱动区域绿色创新水平提升，其基本机制在于，在政府政策扶持下，通过人才与产业等集聚形成的集聚效应、产业结构转型与升级形成的结构效应、空间布局与资源优化产生的规模约束效应，实现区域经济质量与技术水平提升以及生态效益显现，从而共同推动区域绿色创新水平提升(见图1)。

1.1 集聚驱动效应

高新区通过前期政策扶持优势，吸引了大批优质企业和创新型人才，有助于实现人才集聚和产业集聚，“政策租”是高新区产生集聚推动效应的内生动力[16]。从理论上看，产业集群形成多源于企业追求利益最大化与成本最小化的比较优势考虑，通过某种程度的集聚，产生规模效应，实现信息或知识的外部溢出，加快创新扩散速度，推动区域技术进步与生产率提升[17]。与一般产业集聚相比，国家高新区设立后带来的集聚更具发展优势，主要体现在中央政府和地方政府持续的政策投入与政策倾斜，这种优势在高新区基础设施和平台建设日趋完善后会日渐显现，最终在企业与政府、企业与市场、企业与产业关联要素的互动配合中实现集聚联动效应，推动区域绿色创新综合目标实现[18-19]。

事实上，高新区通过集聚提升区域绿色创新水平的作用机制主要体现在以下方面：首先，在政府优惠政策的吸引下，土地、人口等生产要素会基于地理空间的邻近性加快资源集聚，高新技术企业和科技创新人才等创新主体会基于“政策租”的考虑形成较大规模的人才集聚与企业集聚[14]。随着资源、人才与企业较大规模地进入高新区，企业、科技人才、当地政府等主体与产业要素之间紧密互动、协调关联，逐渐演变为真正意义上的产业集聚，集群效应日趋凸显[20]；其次，产业集聚直接或间接地增强了知识外溢效应，在互动基础上促进园区基础知识与技术创新扩散，进一步发挥了产业集群的辐射带动作用[21]；最后，在“增长极”的带动下，高新区能够发挥创新高地的作用，在知识外溢与创新扩散的基础上，辐射带动周边区域发展，进而促进区域技术进步与经济增长[22]。

1.2 结构驱动效应

国家高新区是以高技术为支撑，不断改造传统产业、发展新兴产业的重要载体。在科技人才、市场机制等要素的双重作用下，高新区通过产业结构高度化与产业结构合理化的双重作用机制驱动区域产业结构转型升级，实现绿色创新发展[10]。

高新区的设立有助于实现产业结构高度化，主要是指高新区设立能够引导区域产业主体由第一产业向第二、三产业转型，引导劳动密集型与资本密集型产业向技术密集型产业升级，引导低附加值产业向高附加值产业演进，进而实现产业结构转型升级[25]。现实中，入驻高新区的大部分企业以高技术制造业和服务业为主，此外，以《高新技术企业认定政策》为主的相关产业政策能够推动企业注重基础研发与技术创新，从总量和质量两方面作用于产业结构高级化[26]。国家高新区的设立推动产业结构转型升级的另一个作用机制是通过产业结构合理化实现。产业结构合理化主要是指高新区产业结构设置的合理化以及产业发展的稳定性[27]。在高新区开展招商引资之前，政府一般会制定产业发展目录，确保引进园区的企业在发展方向上与园区规划布局保持整体上一致，能在一定程度上规避后期盲目引进造成的产业发展失衡问题。同时，政府通过各种税收减免与优惠政策，降低市场风险与产业不合理波动，提高资源配置效率，从而实现产业结构的合理化发展[28]。

1.3 规模约束效应

国家高新区在发展过程中面临空间容纳能力有限与资源承载能力有限的双重约束，政府通过空间规划与环境规制政策，借助市场竞争机制，实现约束条件下空间结构的优化与资源配置的有效性[29]，并通过分工合作实现产业联动与要素融合，进一步促进人才、资金、技术等要素充分流动，发挥空间与资源约束下的规模效应和乘数效应，推动区域资源有效利用，从而实现区域绿色创新水平提升[14]。

实践中，为进一步满足高新区发展过程规模化、合理化与多样化的生产需求，实现土地、人力、资源的有效供给，要求政府在合理规划建设基础上，一方面通过土地扩张和延伸，突破空间与资源的双重约束[30]；另一方面，由于空间与资源供给的有限性、稀缺性，国家高新区在发展过程中要通过引入市场竞争机制，实现空间利用与资源供给的有偿性，进而提高资源配置的有效性。此外，突破规模约束瓶颈的核心是要以创新为驱动力，实现投入最小化与产出最大化的规模经济效应[31]。

2 研究方法与变量选取

2.1 研究方法

2.1.1 基于非期望产出的DEA-SBM模型

数据包网络法(DEA)用于测算绿色创新效率已有广泛应用，在其它领域也被证明是相当有效的效率测量工具[32-33]。本文在借鉴现有学者研究成果的基础上，采用基于非期望产出的SBM模型对省域绿色创新效率进行测算，主要基于两方面考虑：一是传统的CCR和BBC两种经典DEA模型因对非期望产出的忽略违背了效率评价的初衷，而考虑了非期望产出的SBM模型将绿色创新过程中的环境污染纳入评价模型，使得效率测评更趋合理；二是SBM模型以优化松弛变量为目标函数，能解决传统DEA模型存在的投入产出松弛问题[34]。

采用Kaoru Tone提出的基于非期望产出的SBM评价模型测算中国内地30个省市(因数据缺失，西藏未纳入统计)2006-2015年的绿色创新效率，假定生产决策系统中有m种投入(x)，n1个期望产出变量(ya)，n2个非期望产出变量(yb),分别定义x、ya和yb的矩阵为X=[x1, x2, …, xm], Ya=[y1a, y2a, …, yma], Yb=[y1b, y2b, …, ynb], X>0、 Ya>0、Yb>0； 不变规模下可将生产集表示为：P={ (x, ya,yb) |x≥Xλ, ya≤Yaλ, yb≤Ybλ}，依据Kaoru Tone(2001)提出的SBM模型处理方法，基于非期望产出的DEA-SBM模型为：

式中，P为测算出来的绿色创新效率，xk 为投入指标，yk为产出指标，Zk为非期望产出指标，Sj-为投入冗余量，Sj+为期望产出不足量，Sjz-为非期望产出超标量，S+、S-、Sz-分别为投入、期望产出和非期望产出对应的松弛向量，λ为权重。由上式可知，当Sj-、Sj+、Sjz- 都为零时，效率P=1，决策单元最优，即是有效率的；当P<1时，则存在投入冗余、产出不足或副产品过多的情况，决策单元无效率，存在改进的必要性。

2.1.2 核密度分析

为考察中国绿色创新效率的区域差异，引入核密度分析法(Kernel Density Estimation, KDE)以刻画区域差异程度。核密度估计作为一种非参数估计方法，随着计算软件的成熟应用，逐渐成为经济学中使用较频繁的量化研究方法[35]。与传统区域差异测度方法相比，核密度估计具有测算准确、运行客观与规律揭示直观等优点，能够直观准确地揭示区域差异演变趋势。本文参考匡兵、卢新海测算中国城市土地经济密度的做法，选取Gauss核函数测算中国内地30个省域绿色创新效率的区域差异。

2.1.3 基于面板数据的Tobit模型

由于SBM模型测算出来的绿色创新效率取值在0～1范围内，属于受限因变量，为了进一步探讨高新区设立对区域绿色创新效率的影响，本文在回归分析时引入面板Tobit模型进行实证检验。Tobit 模型常用于受限因变量的回归分析，属于截断回归，主要采用MLE估计方法以克服最小二乘法回归的估计偏差，Tobit模型约束变量的方程选择和满足约束条件的连续变量选择方程如下式所示。

其中，为区域绿色创新效率;xit为自变量,在本文中代表国家高新区的设立，β为相关系数，ui为个体效应， εit为随机误差项。

2.2 变量选取与数据来源

本文旨在考察国家高新区的设立对所属省域绿色创新水平的影响，以基于非期望产出SBM模型测算出来的绿色创新效率值作为因变量，在SBM测算时借鉴相关研究，选取人力投入、资本投入、能源投入、治理投入为投入类变量；选取经济产出、技术产出、生态收益作为期望产出类变量，选取环境污染综合指数为非期望产出类指标。以国内30个省市当年拥有的国家高新区数量为自变量，采用累积法进行计算，如江苏省2006年及以前批准设立的国家高新区有2个，2006年记为“2”，2007年批准设立3个国家高新区，则2007年江苏省的高新区数量记为“5”。采用累积法衡量能够解决高新区设立后对区域绿色创新驱动效应可能存在的滞后问题。除此之外，还根据相关文献研究，选取政府环境规制、技术成熟度、产业结构、对外开放程度以及政府基础设施投入等为控制变量。各指标来源于《中国统计年鉴》、《中国科技统计年鉴》、《中国火炬统计年鉴》以及《中国环境统计年鉴》，具体指标来源及涵义见表1。

2.3 变量描述

2.3.1 自变量：国家高新区设立

本文以国家高新区设立为自变量，采用累积变量形式，以数值形式衡量各省市国家高新区的设立情况。现实中，我国自1988年启动国家级高新区建设以来，经由省级政府评估后上报中央政府集中审批，如图2所示，高新区批准数量共经历了5次较大幅度波动，其中，1991年为26家，1992年为25家，2010年为26家，2012年为18家，2015年为31家，呈现“驼峰”式增长态势。截止到2018年12月，科技部共批准设立了156家国家高新区。

注：数据根据科技部火炬中心发布的《中国开发区目录》汇总整理而得

2.3.2 因变量：区域绿色创新效率

根据上述运算原理，利用DEA-SOLVER Pro5.0测算中国绿色区域创新效率，并以年均值作为各省市绿色创新指数，结果如表2所示。总体来看，中国绿色创新效率年均变化呈现出两大特点：一是中国绿色创新效率在考察期内整体呈波动上升趋势，绿色创新效率指数从2006年的0.215增加到2015年的0.492，平均年增长0.027，从东中西部测度结果来看，3个区域的绿色创新效率也呈现出不同幅度的增长态势，其中，东部地区各省市绝对增长值最大，由初期的0.298升至末期的0.621，净增长0.323；中西部地区分别由0.130、0.293上升至0.288、0.511，分别净增长0.163和0.208。3个区域呈现出东部高、中西部地区低的区域不平衡态势。二是中国绿色创新效率偏低，大多数省市的绿色创新指数低于1，只有北京、天津、江苏、广东、广西、海南、重庆、青海等省市绿色创新效率在考察期内的个别年份达到1，但最终年均值都低于1，说明未来中国各省市绿色创新效率有极大改进空间。

2.3.3 控制变量：影响区域绿色创新的其它因素

本文选择其它影响区域绿色创新水平的指标作为控制变量：①技术市场成熟度，本文采用技术市场成交额衡量各省市技术市场成熟度[36]；②开放程度，本文采用实际利用外商额作为区域开放程度的衡量指标；③产业结构，本文采用第三产业从业人员数占劳动总人数的比例衡量区域产业结构[38]；④政府规制强度，本文采用政府出台的环境政策数表征政府环境规制强度；⑤环境基础设施建设投资，本文采取政府环境治理与基础设施投入金额来衡量基础设施投入强度。表3显示了各变量描述性统计概况，包括各变量的极大值、极小值、标准误和均值等。

3 实证分析

3.1 中国区域绿色创新效率的动态演进

借助Eviews8.0软件，以测算出来的各省市绿色创新效率为基础，选择适用性最强的Gauss核函数分别绘制出2006、2009、2012和2015年中国绿色创新效率核密度图，通过考察曲线位置、形状及延展性等，描绘绿色创新效率的区域差异演进特征，具体见表4。

图3解释了中国绿色创新区域差异的整体演变特征。从峰度来看，2006-2015年密度曲线呈现出“尖峰—宽峰”的变化趋势，主峰峰值总体下降，波峰由高变低，波峰宽度由窄变宽，表明中国绿色创新效率的区域差异进一步扩大。从位置变化趋势来看，样本考察期内的密度曲线整体呈现右移趋势，平移距离逐步增大，反映出中国绿色创新效率逐步提升。左尾延长度在2006-2015年间呈现缩小态势，说明考察期内区域差异呈现扩大趋势；从形状来看，中国区域绿色创新效率年度变化呈现出由单峰向双峰的转变，2015年密度曲线双峰特点显著，意味着中国区域绿色创新效率存在两级分化现象，绝对差距持续扩大。无论是从峰度变化、位置变化，还是从形状来看，中国绿色创新效率在区域上都呈现出差距扩大、两级分化严重的马太效应。

3.2 国家高新区设立对属地省市绿色创新水平影响的基准回归结果

本文主要采用面板Tobit模型估计高新区设立对所属省市绿色创新效率的驱动效应，并引入面板数据的随机效应模型和固定效应模型，与面板Tobit模型进行对比，基准回归结果见表5，依次就各变量对区域绿色创新效率的影响进行分析，以验证高新区设立与绿色创新效率之间的相关性。

表5的回归结果显示，无论是模型一单纯就高新区设立与绿色创新效率作双变量Tobit模型回归，还是模型二、模型三基于面板数据的随机效应模型和固定效应模型，均表明国家高新区设立对所属省市绿色创新效率的提升有显著驱动作用，由于本文因变量属于受限变量，面板Tobit模型更能减少估计偏差，因此分析时最终选用模型四的回归结果。模型四显示，国家高新区设立与区域绿色创新效率显著正相关，回归系数为0.018，在0.5%的置信水平上显著，说明国家高新区的设立有助于提升区域绿色创新效率。具体来说，在其它变量保持不变的情况下，各省市国家级高新区数量每增加一个单位，其对该省市绿色创新效率提升的贡献度为1.8%。在区域经济发展过程中，国家高新区一直享有中央政府和省级政府的双重政策支持，在“政策租”的吸引下，会形成人才集聚、企业集聚和产业集聚，从而发挥高新区的经济增长极和创新级作用，对所属省市经济发展发挥辐射带动作用。此外，高新区以发展高新技术产业为核心，能够推动产业结构转型升级，以创新为引领，能够在一定程度上突破资源环境约束，实现区域经济可持续发展，从而推动所属省市绿色创新水平提升。

注:***、**、*分别表示在0.01,0.05和0.1的水平上显著，括号中报告的是稳健性标准误差，下同

3.3 进一步检验

3.3.1 上年度区域绿色创新水平的影响

区域绿色创新效率不仅受该地区技术成熟度、对外开放水平、政府环境规制强等因素影响，还受到地区上一年绿色创新水平的影响。绿色创新效率高的地区往往存在一种惯性，其绿色创新水平因此具有较大提升空间，这种绿色创新水平动态行为的存在，使得在考察高新区影响绿色创新驱动效应的因素时，容易遗漏上年度该地区绿色创新能力现状，并且将其纳入模型的随机扰动项中，会导致内生性问题存在。实践中，内生性问题的存在会导致估计系数有偏，从而难以准确估计试点对创新能力的真实影响。为了解决内生性问题，本文进行稳健性检验时，将因变量滞后一期作为工具变量纳入模型中进行回归，以解决遗漏变量导致的内生性问题，更好地考察变量之间的动态效果。回归结果如表6所示，无论是采用差分GMM，还是系统GMM

进行估计，引入控制变量与不加入控制变量，滞后一期的因变量与区域绿色均呈显著正相关，表明区域创新水平的提升受上一年区域绿色创新水平的影响，引入滞后项是合理的。在加入滞后一期的因变量后，核心自变量各省市国家高新区的设立依然与区域绿色创新水平显著正相关。

3.3.2 高新区驱动绿色创新水平提升的区域性差异

国家高新区的设立及其作用发挥依赖于一定资源条件与经济基础，其对绿色创新的驱动效应也具有一定时间性。在资源条件丰富、经济基础好的地区，国家高新区的建立能够迅速吸引当地大量资金投入与人才汇聚，在较短时间内搭建起良好的基础设施平台，发挥高新区的凝聚带动效应。而在资源匮乏、经济基础相对薄弱的地区，高新区从设立到发挥作用需要一定时间，其对区域绿色创新水平的影响随着经济条件的不断改善，会经历抑制—不起作用—显著提升3个不同阶段。我国经济发展体现出严重的区域不平衡性，东部地区资源充裕、交通便利、经济基础雄厚，而中西部地区地理条件不便、资源相对单一，经济基础较为薄弱。实践中，我国高新区设立对区域绿色创新水平的驱动效应也会随区域经济条件不同呈现出明显的地域差异性。为进一步实证国家高新区驱动效果是否存在区域性差异，本文分东中西部检验高新区设立对区域绿色创新的驱动效应，回归结果如表7所示。结果表明，在考虑一系列控制变量后，国家高新区的设立只对东部各省市的绿色创新效率起显著推动作用，对中部地区没有显著推动作用，对西部地区甚至有一定程度的抑制作用，说明高新区设立对区域绿色创新的推动作用受经济发展条件影响，东部地区经济发达，高新区驱动效果明显，中部和西部地区高新区的作用发挥还需要一定的经济支撑，目前仍处于前期建设阶段，对区域绿色创新水平提升效果不显著甚至有抑制作用，有待加大投入和建设。

3.3.3 稳健性检验

上述采取分地区样本回归，用于检验地区异质性。为进一步巩固研究结果的可靠性，再次采用稳健性检验(邹检验)方法[46]，分别选择90%、80%、中间70%的样本作为子样本一(B)、二(C)、三(D)进行回归，均采用极大似然法进行估计，检验结果如表8所示。4个样本模的Log likelihood、LR test、AIC、BIC以及自由度均保持一致，3个子样本中的核心变量高新区数量对绿色创新效率的影响系数分别为0.017 8、0.020 5、0.023 6、0.031 9，全部显著且系数符号一致。此外，其余控制变量的显著性与符号基本保持一致。总之，分样本的稳健性检验充分证明前文研究结果稳健。

4 结论与启示

国家高新区作为政府促进区域经济发展的重要载体，经过30余年发展，已成为中国政策创新中一项较为成功的实践。随着中央政府逐步加大对国家高新区试点的广度和深度，有关高新区设立是否取得预期成果的思考催生了学界围绕高新区建设的一系列研究。本文旨在考察国家高新区对所属省市绿色创新水平的影响，从理论上分析高新区促进城市绿色创新水平提升的作用机理，并采用基于非期望产出的SBM模型对中国区域绿色创新效率进行测算，最后运用面板Tobit模型对高新区设立影响区域绿色创新水平的驱动效应进行实证检验。研究结果表明：①中国区域绿色创新效率在考察期内处于波动上升状态，但东中西部差异明显，两级分化严重，东部地区绿色创新水平提升较快，而中西部地区绿色创新效率增长缓慢；②国家高新区设立对中国区域绿色创新效率有显著提升作用，各省市高新区数量越多，对地区绿色创新效率的驱动作用越明显，该结果在考虑上期区域绿色创新水平时仍成立；③国家高新区对绿色创新水平的影响具有区域异质性，国家高新区设立对东部省市绿色创新水平的驱动效果显著，而对中西部地区没有明显驱动作用。

依据上述结论，提出进一步推动高新区建设、提升区域绿色创新水平的3点建议：①国家高新区的设立对区域绿色创新具有一定驱动效应，在继续加大高新区建设资金投入、政策优惠力度的同时，通过优化集聚结构，实现高新区内各创新主体的高效聚集。同时，探索产业结构调整与市场融合的有机模式，推动高新区实

现“三次创新”，继续发挥区域“创新极”、“增长极”的作用；②区域绿色创新水平的提升具有一定路径依赖，会受到上年度区域绿色发展水平的影响，因此需要持续加大技术创新投入力度、发挥高新区创新高地的优势，以保持地区绿色创新水平稳步提升；③国家高新区驱动效果存在明显的区域异质性，实践中应因地制宜，探索高新区与区域经济基础、发展条件高度融合的特色发展模式，形成高新区建设与地区特色相结合的发展路径。在中西部地区设立国家高新区时，还应配套出台驱动当地经济发展的相应政策措施，为高新区发挥凝聚带动效应提供物质支撑和保障。

本文在实证国家高新区驱动效果时，也存在一定局限性。首先，在采用基于非期望产出的SBM模型测算中国区域绿色创新水平时，构建的投入产出指标均为可量化指标，对某些不宜量化指标，如政府管理效率、环境政策执行情况等均未考虑；其次，采用核密度方法估计区域绿色创新水平的动态演进时缺乏与空间计量等方法的融合，未将绿色创新的外溢效益考虑进来；最后，在样本选择时，立足于高新区对所属地域绿色创新水平的影响，而未进一步验证高新区设立对所在城市绿色创新水平的影响。国家高新区的设立对所属城市的驱动效果是否更明显，仍需进一步研究。

参考文献:

[1] SCHIEDERIG T, TIETZE F, HERSTATT C. Green innovation in technology and innovation management - an exploratory literature review[J]. R&D Management, 2012, 42(2):180-192.

[2] 刘勇. 绿色创新概念的界定[J]. 福建江夏学院学报, 2015(1):58-65.

[3] 曹东,赵学涛,杨威杉.中国绿色经济发展和机制政策创新研究[J].中国人口·资源与环境,2012,22(5):48-54.

[4] STUCKI T, WOERTER M. Determinants of green innovation: the impact of internal and external Knowledge[M]. Social Science Electronic Publishing, 2012.

[5] 龚新蜀,李梦洁, 张洪振. OFDI是否提升了中国的工业绿色创新效率——基于集聚经济效应的实证研究[J]. 国际贸易问题, 2017(11):129-139.

[6] 赵东方,武春友, 商华. 国家级新区绿色增长能力提升路径研究[J]. 当代经济管理, 2017, 39(12):16-20.

[7] MORGAN K. Regional advantage: culture and competition in Silicon Valley and route 128: AnnaLee Saxenian [J]. Research Policy, 1995, 25(3):484-485.

[8] CHANDRASHEKAR D. Absorptive capacity as a determinant of innovation in SMEs: a study of Bengaluru high-tech manufacturing cluster[J]. Small Enterprise Research, 2017, 24(3):290-315.

[9] 刘瑞明, 赵仁杰. 国家高新区推动了地区经济发展吗——基于双重差分方法的验证[J]. 管理世界, 2015(8):30-38.

[10] 谭静,张建华.国家高新区推动城市全要素生产率增长了吗?——基于277个城市的“准自然实验”分析[J].经济与管理研究,2018,39(9):75-90.

[11] 袁航,朱承亮.西部大开发推动产业结构转型升级了吗?——基于PSM-DID方法的检验[J].中国软科学,2018(6):67-81.

[12] 熊波,金丽雯.国家高新区提高了城市创新力吗[EB/OL].科技进步与对策:1-9[2019-02-01] http://kns.cnki.net.neau.vpn358.com/kcms/detail/42.1224.G3.20181218.1645.024.html.

[13] KLEPPER S. The origin and growth of industry clusters: The making of Silicon Valley and Detroit[J]. Journal of Urban Economics, 2010, 67(1):15-32.

[14] 晁恒,满燕云,王砾,等.国家级新区设立对城市经济增长的影响分析[J].经济地理,2018,38(6):19-27.

[15] 汪涛,李祎,汪樟发.国家高新区政策的历史演进及协调状况研究[J].科研管理,2011,32(6):108-115.

[16] 赵延东, 张文霞. 集群还是堆积——对地方工业园区建设的反思[J]. 中国工业经济, 2008(1):131-138.

[17] 王琛,林初昇,戴世续.产业集群对技术创新的影响——以电子信息产业为例[J].地理研究,2012,31(8):1375-1386.

[18] 唐承丽,吴艳,周国华.城市群、产业集群与开发区互动发展研究——以长株潭城市群为例[J].地理研究,2018,37(2):292-306.

[19] LU J, TAO Z. Trends and determinants of China's industrial agglomeration[J]. Journal of UrbanEconomics, 2009, 65(2):167-180.

[20] 谢子远,鞠芳辉.产业集群对我国区域创新效率的影响——来自国家高新区的证据[J].科学学与科学技术管理,2011,32(7):69-73.

[21] 李强.国家高新区产业集聚实证研究——生产要素集中的规模收益分析[J].科学学研究,2007(06):1112-1121.

[22] 欧光军,杨青,雷霖.国家高新区产业集群创新生态能力评价研究[J].科研管理,2018,39(8):63-71.

[23] PETERS M, SCHNEIDER M, GRIESSH ABER T, et al.The impact of technology-push and demand pull policies on technical change-does the locus of policies matter[J].Research Policy, 2012, 41 (8) :1296-1308.

[24] QIN S.High-tech industrialization in China:an analysis of the current status[J].Asian Survey, 1992, 32 (12) :1124-1136.

[25] JENS J KRÜGER. Productivity and structural change: a review of the literature[J]. Journal of Economic Surveys,2008,22(2).

[26] 曾婧婧,龚启慧,王庆.中国高新技术企业认定政策绩效评估——基于双重差分模型的实证分析[J].科技进步与对策,2019,36(1).

[27] 韩永辉,黄亮雄,王贤彬.产业政策推动地方产业结构升级了吗?——基于发展型地方政府的理论解释与实证检验[J].经济研究,2017,52(8):33-48.

[28] 冯邦彦,李媛媛.中国高新区产业政策与制度变迁的效应研究——基于贝叶斯网络方法的情景分析[J].产经评论,2013,4(3):5-15.

[29] 凌捷.国家高新区与中国经济发展新动能转换研究[J].改革与战略,2018,34(2):53-57.

[30] 卢新海,陈丹玲,匡兵.区域一体化背景下城市土地利用效率指标体系设计及区域差异——以长江中游城市群为例[J].中国人口·资源与环境,2018,28(7):102-110.

[31] 方玉梅. 我国国家高新区创新能力结构模式研究[D].大连：大连理工大学,2015.

[32] WANG G, WU J. Empirical analysis on input-output efficiency of advanced equipment manufacturing industry based on DEA method[C]International Conference on Wavelet Analysis & Pattern Recognition,2012.

[33] 钱丽,肖仁桥,陈忠卫.我国工业企业绿色技术创新效率及其区域差异研究——基于共同前沿理论和DEA模型[J].经济理论与经济管理,2015(1):26-43.

[34] KAORU TONE. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research,2001,130(3).

[35] 匡兵,卢新海,周敏.中国城市土地经济密度的分布动态演进[J].中国土地科学,2016,30(10):47-54.

[36] WAYNE B GRAY,RONALD J SHADBEGIAN. Plant vintage, technology, and environmental regulation[J]. Journal of Environmental Economics and Management,2003,46(3).

[37] BRUNNERMEIER S B, COHEN M A. Determinants of environmental innovation in US manufacturing industries[J]. Journal of Environmental Economics & Management, 2003, 45(2):278-293.

[38] 李金滟,李超,李泽宇.城市绿色创新效率评价及其影响因素分析[J].统计与决策,2017(20):116-120.

[39] MOHAMED EL HEDI AROURI,GUGLIELMO MARIA CAPORALE,CHRISTOPHE RAULT,et al. Environmental regulation and competitiveness: evidence from Romania[J]. Ecological Economics,2012,81.

(责任编辑：胡俊健)