我国专利密集型产业绿色全要素生产率测度及收敛性研究

作为知识产权密集型产业的重要组成部分，专利密集型产业是由知识产权驱动，以高科技、高成长和高附加值为特征，推动整个产业链自主创新的新兴产业。2007年10月，十七大报告正式提出实施知识产权战略，拉开了建设知识产权密集型产业的序幕。2015年12月，《国务院关于新形势下加快知识产权强国建设的若干意见》指出，要加快推进相关目录和发展规划的制定。由此，知识产权密集型产业标准化被正式提上国家日程。在此背景下，专利密集型产业成为产业转型升级的主攻方向，是当前和未来经济提质增效的关键。然而，随着中国工业化进程加速，长期以来引致的资源消耗和环境污染日渐突出，环境问题仍是制约中国工业可持续增长的瓶颈之一。我国专利密集型产业相比其它传统工业产业，虽然科技含量较高，但发展历史不长，在绿色与技术创新融合方面与发达国家差距较大。截至2017年底，我国专利密集型产业能源消耗总量达到67 541万吨标准煤，由此产生的二氧化碳排放量占全体工业总量的12.1%，已呈现一定高技术污染倾向。因此，本文侧重对专利密集型产业绿色全要素生产率进行测算分析，通过运用GML指数模型和收敛模型，分行业对绿色全要素生产率的测度结果、动态演化及收敛特征进行研究，以期在能源和环境约束下寻求促进专利密集型产业绿色高效发展的着力点，为新常态下我国加快知识产权强国建设提供一定参考借鉴。

1 文献综述

专利密集型产业概念界定是研究专利密集型产业绿色全要素生产率的前提。受政策环境和产业分类依据等因素影响，不同国家对专利密集型产业实际界定存在差别[1]。美国商务部率先将单位从业人员发明专利数(相对专利强度)高于全行业平均值的产业判定为专利密集型产业[2]。Paier等[2]基于美国商务部界定标准，通过构建计量模型，对欧盟专利密集型产业进行分析；顾海兵等[3]认为，以相对专利强度确定专利密集型产业有助于科学比较所有行业的竞争力；姜南[4]分别构建4种专利密集度衡量指标，筛选得到中国6大专利密集型产业；李黎明[5]从研发投入视角构建专利密集度来认定中国专利密集型产业；张晓月等[6]直接依据《江苏省知识产权密集型产业统计报告》形成的目录，确定江苏省专利密集型产业；总体而言，尽管关于专利密集型产业概念的界定还未达成一致，但对于相对专利强度和专利密集度两个指标进行描述或外延的研究较为丰富。

全要素生产率是实现经济发展的重要源泉[7]，多用于解释生产力增长差距。随着绿色发展理念深入人心，能源和环境约束对全要素生产率的影响不可忽视，还原真实的全要素生产率成为评价工业行业可持续增长的关键所在[8]。绿色全要素生产率是指除考虑劳动、资本、经济产出等传统生产率增长要素之外，将环境污染也一并纳入到全要素生产率的测算框架。Chen&Golley[9]将二氧化碳排放量作为非期望产出加入工业部门全要素生产率增长模型中；Liu&Xin[10]将基于主成分分析法确定的综合污染指数置于全要素生产率模型的产出端；郑婷婷等[11]在传统全要素生产率指标体系基础上新增能源消费量和工业“三废”排放量，从而实现生产力水平质和量的有机统一。绿色全要素生产率的测算方法主要包括随机前沿生产函数方法(SFA)[12]和数据包络分析方法(DEA)[13]两类。DEA方法不需要设定具体的生产函数形式，相较于SFA方法，更适用于针对多投入、多产出条件下的生产率分析。Chung等[14]最先通过方向性距离函数改造了传统DEA方法，构建出可体现资源环境影响的Malmquist-Luenberger生产率指数(ML指数)模型；Fare等[15]进一步将ML指数分解成技术效率指数(EC)和技术进步指数(TC)；殷宝庆等[16-17]利用ML指数模型测算了产业和区域绿色全要素生产率，但由于ML指数存在不可循环性，在测算绿色全要素生产率时会出现无可行解问题。为此，Oh D[18]引入新型Global Malmquist-Luenberger指数(GML指数)，完善了绿色全要素生产率的测算方法；李卫兵和涂蕾[19]运用GML指数测算了城市层面的绿色全要素生产率；陈超凡等[20]通过GML指数得到我国工业行业绿色全要素生产率的异质性特征。

在专利密集型产业生产率研究领域，现有文献更多针对专利密集型产业创新活动的效率分析。朱承亮等(2018)运用SBM-Undesirable模型和ML指数发现，专利密集型产业绿色创新效率高于非专利密集型产业，但绿色创新生产率却低于非专利密集型产业；侯建和陈恒[21]通过改进的松弛测度方向距离函数(SBM-DDF)得出，高专利密集度制造业的绿色技术创新绩效不高，行业间差异显著。此外，绝大多数研究在测度专利密集型产业创新效率时，仍沿用传统研发投入指标和期望产出指标，较少考虑专利密集型产业可持续发展过程中的“绿色”因素[22-23]。基于不同DEA模型测度结果，可以客观评价绿色全要素生产率的增长差异，但不能准确分析绿色全要素生产率的增长趋势及其差异形成原因。新古典经济增长的收敛理论指出，不同经济体的增长速度随着时间推移逐渐缩小，最终经济发展水平趋于一致[24]，从而为进一步探讨绿色全要素生产率的趋势特征提供了良好的理论视角。在产业维度方面，国内关于绿色全要素生产率收敛性的分析对象主要是农业、工业[25]和服务业[26]等，专利密集型产业研究较少。

综上所述，尽管绿色全要素生产率已经引起较多国内外学者关注，但是有的研究方法存在缺陷，有的则止步于绿色全要素生产率测度，缺少对其收敛性的考察。文献普遍在专利密集型产业生产率研究方面选取范围小，侧重于专门分析专利密集型产业的创新活动，收敛性相关研究主要以区域或三次产业作为研究对象。因此，本文采用GML指数测算2007—2017年专利密集型产业绿色全要素生产率水平，并对其进行分解，同时关注专利密集型产业绿色全要素生产率的收敛性特征，以期为专利密集型产业节能减排和可持续发展提供有益启示。

2 研究设计与数据说明

2.1 GML指数

GML指数法是一种非参数估计方法，该方法根据全局域基准思想，把全部测度时期看作技术前沿的参照标准，对处理多投入、多产出变量，特别是包含非期望产出变量具有一定优势，在资源环境约束下拓展了数据包络分析方法的类型。因此，本文采用GML指数测算专利密集型产业各行业绿色全要素生产率，其模型构建如下：

假设中国有I个专利密集型行业，每个行业为一个决策单元(DMU)，且所有行业都包括N项要素投入

项期望产出

及S项非期望产出

在t时期，第i个行业的要素投入、期望及非期望产出的生产可能性集合为

若生产可能性集合满足闭集和有界集、期望产出和投入可自由处置、零结合公理和产出弱可处置性公理，则可将当期生产可能性集Pt(xt)表示为：

式(1)中，i是生产前沿构造中所参照的专利密集型行业，i'是受评行业，zi是第i个行业对应观察值的权重，zi≥0是规模报酬不变。所有当期生产可能性集Pt(xt)的并集称为全局生产可能性集PG(x)，即PG(x)=P1(x1)∪P2(x2)∪...∪PT(xT)。

基于全局生产可能性集PG(x)，构建全局方向性距离函数并求得其最优解。选取方向向量g=(y,-b)，则全局方向性距离函数为：

max{β|(y+βy,b-βb)∈PG(x)}

式(2)中，β表示期望产出y最大化和非期望产出b最小化的全局方向性距离函数值。

专利密集型行业的GML指数在全局方向性距离函数基础上计算得到。参考Oh D[18]的研究思路，本文构造出t到t+1期以产出为导向的GML指数模型，并在规模报酬可变条件下，将GML指数进一步分解为技术效率指数(EC)和技术进步指数(TC)，如下所示：

大于1表示从第t期到第t+1期专利密集型产业绿色全要素生产率增长，等于1表示绿色全要素生产率不变，小于1表示绿色全要素生产率下降。

和

进一步解释了

指数变动的主要原因。

表示从第t期到第t+1期专利密集型产业技术效率提高的程度；

表示从第t期到第t+1期专利密集型产业生产技术改进的程度。

和

大于1或小于1分别表示相较于第t期，第t+1期的技术效率指数和技术进步指数提高或下降。通过比较GML指数以及分解指数EC和TC，可以较为准确地评价专利密集型产业绿色全要素生产率变动及影响因素。

2.2 收敛模型

本研究构建专利密集型产业绿色全要素生产率收敛模型，用于检验专利密集型产业内部细分行业绿色全要素生产率水平差距。常用的收敛模型包括σ收敛、绝对β收敛及条件β收敛模型，其中σ收敛和绝对β收敛均为绝对收敛模型。σ收敛是对收敛性的直观理解，描绘的是专利密集型产业各行业间绿色全要素生产率变动差异。参考梁红艳(2018)的做法，本文采用变异系数检验专利密集型产业绿色全要素生产率的σ收敛，计算公式如下：

其中，S表示标准差，GMLi,t为第t年i行业的绿色全要素生产率，

为第t年所有专利密集型行业绿色全要素生产率的平均值，CV表示变异系数。若变异系数CV较小，说明存在σ收敛趋势，即各专利密集型行业绿色全要素生产率的差距随着时间推移逐步缩小。

绝对β收敛是指不同专利密集型行业的绿色全要素生产率都具有同一稳态水平，即各类行业最终会达到完全相同的绿色全要素生产率。本文借鉴李彦龙(2018)对高技术产业创新效率的绝对β收敛检验，将专利型密集产业绿色全要素生产率的绝对β收敛模型设定为：

△lnGMLi,t=α+βlnGMLi,0+εi,t

其中，△lnGMLi,t代表在t时间段内i行业绿色全要素生产率的年均增长率，lnGMLi,0代表基期i行业绿色全要素生产率的增长水平，εi,t为随机误差，α为常数项，β为基期绿色全要素生产率的回归系数。若β显著为负，则表示绿色全要素生产率低的行业快速追赶上绿色全要素生产率高的行业，即专利密集型产业绿色全要素生产率的绝对β收敛成立。

绝对收敛模型假设所有专利密集型行业具有相同特征，但由于行业特性差异，初始的绿色全要素生产率仅是影响绿色全要素生产率变化因素之一。条件β收敛模型承认低绿色全要素生产率行业与高绿色全要素生产率行业之间存在固有差距，但重视自身绿色全要素生产率的稳态水平。在绝对收敛β模型基础上，加入一系列对绿色全要素生产率有影响的控制变量，即可构建条件β收敛模型，如下所示：

其中，lnGMLi,t和lnGMLi,t-1分别代表t和t-1期i行业绿色全要素生产率的增长水平，xj,i,t表示第j个控制变量，γj表示新增的第j个控制变量xj的回归系数。当β显著小于零时，各行业趋向于各自稳态增长水平，绿色全要素生产率存在条件β收敛。此外，还可以计算出绝对β收敛和条件β收敛的收敛速度λ及所需要收敛的半生命周期τ。

λ=-ln(1+β)/T，τ=ln(2)/λ

2.3 变量选择

参考相关文献，考虑到数据可得性，本文在要素投入上，分别选取全部从业人员年平均人数、资产总计和能源消费量作为劳动投入、资本投入和能源投入指标，在选取产出指标时除了以行业增加值代表期望产出外，还考虑到行业CO2排放量这一非期望产出指标，具体如下：

(1)劳动投入。由于各行业的劳动时间数据不易获取，劳动投入一般从人力投入角度衡量。本文参考殷宝庆[16]的做法，将每个行业历年全部从业人员年平均人数作为劳动投入。

(2)资本投入。已有研究普遍以资本存量衡量资本投入，使用永续盘存法计算各行业资本存量，涉及实际投资额序列、折旧率和固定资产投资价格指数等相关数据，但由于2017年工业分行业数据缺失，且资本存量并不能真正代表生产周期内生产消耗的资本总和[27]，因此本文参考董桂才和朱晨[28]的研究，采用各行业资产总计并用通货膨胀指数进行平减。

(3)能源投入。参考侯建和陈恒[21]的研究，以各行业历年能源消费量作为能源投入变量。

(4)期望产出。已有文献大多选取工业总产值和工业增加值作为期望产出变量，由于研究期间工业总产值变量发生了变化，因此本文选取行业增加值指标，并根据历年各行业工业品出厂价格指数将其平减到2007年的价格水平。由于2008年之后增加值数据存在不同程度缺失，其中2008—2011年仅有总产值的相关数据，而其它年份仅有主营业务收入数据，因此，2008年以后的增加值采用前一年增加值与当年总产值或主营业务收入的比值计算获得。

(5)非期望产出。温室效应是全球性的环境问题，因此本文选用主要污染物CO2排放量作为专利密集型产业的非期望产出。基于IPCC《国家温室气体排放清单指南》提供的基准计算方法，依次选取《中国能源统计年鉴》中煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气8种化石燃料，合计以上能源消耗产生的排放量，可以估算出CO2排放总量。

2.4 专利密集型产业说明与数据来源

专利密集型产业的官方衡量指标是相对专利强度，因此本研究沿用这一指标，即用2007—2017年有效发明专利数与就业人数比值(发明专利密度)筛选专利密集型产业。此外，考虑到各产业就业人员分布不均衡，专利强度高的产业未必发明专利授权数高，因而补充采用有效发明专利数的平均值为基准。根据相对专利强度高于产业平均值且有效发明专利数也高于产业平均水平这一认定方法，共选出化学原料和化学制品制造业、医药制造业、通用设备制造业、专用设备制造业、运输设备制造业、电气机械和器材制造业、计算机通信、其他电子设备制造业和仪器仪表制造业8大专利密集型产业。

本文以规模以上工业企业作为统计口径，数据主要来源于2008—2018年《中国工业经济统计年鉴》(自2013年更名为《中国工业统计年鉴》)、《中国能源统计年鉴》、《中国科技统计年鉴》、《中国统计年鉴》等。同时，根据2011年国家统计局新调整的《国民经济分类与代码》，并基于行业划分一致性和数据可获得性，本文将橡胶制品业和塑料制品业两个行业合并，将汽车制造业和铁路、船舶、航空航天运输制造业整合为交通运输设备制造业。考虑到其它采矿业、废弃资源和废旧材料回收加工业及金属制品、机械和设备修理业数据缺失较多，因而剔除，最终选取36个行业。

3 专利密集型产业绿色全要素生产率测算结果分析

3.1 模型结果对比分析

本文运用MAXDEA6.0软件对上述投入、产出要素的面板数据进行测算。为便于对比分析，分别测算基于GML指数模型和基于ML指数模型的专利密集型产业绿色全要素生产率，两种模型下测算结果与分解情况如表1所示。

结果显示，ML指数模型测算结果与GML指数模型相比，技术效率指数平均值保持一致，而专利密集型行业的绿色全要素生产率指数平均值和技术进步指数平均值均高于GML指数，原因在于，ML指数采用相邻时期作为基准前沿面，提高了技术进步指数弹性，影响了绿色全要素生产率结果的稳定性。因此，选择GML指数模型测算专利密集型产业绿色全要素生产率更为合理。在GML指数模型下，2007—2017年专利密集型产业的绿色全要素生产率平均值为1.032，明显高于非专利密集型产业的1.000和整体工业的1.007，其中，技术效率年均增长0.4%，对绿色全要素生产率增长贡献12.5%；技术进步年均增长2.8%，对绿色全要素生产率增长贡献87.5%，表明技术进步是专利密集型产业绿色全要素生产率增长的主要源泉。

3.2 行业差异分析

鉴于不同专利密集型行业发展特征不同，绿色全要素生产率变动存在差异。本研究针对专利密集型产业内部8大行业，绘制绿色全要素生产率及其分解指数雷达图，如图1所示。

图1显示，虽然各行业绿色全要素生产率指数平均值都大于1，均实现了绿色全要素生产率正增长，但不同行业的绿色全要素生产率分异特征仍十分明显。绿色全要素生产率增长最为突出的行业是交通设备制造，其绿色全要素生产率指数平均值达到1.051，领先绿色全要素生产率增长水平最低的行业(仪器仪表制造)4个百分点，成为其它专利密集型行业发展的典范。从分解指数来看，交通设备制造业技术效率指数和技术进步指数均大于1，其中，技术进步指数高达1.047，对绿色全要素生产率增长的促进作用更大，这与近年来交通设备制造业向智能化、高效化和绿色化发展密不可分。相比之下，从雷达图的凹陷处来看，电气机械制造业和仪器仪表制造业的技术效率指数表现出下降趋势，拉低了绿色全要素生产率。电气机械制造和仪器仪表制造两个行业在发展过程中存在投入产出失调问题，由于劳动力、资本等要素投入过多或资源闲置情况严重，导致两个行业生产要素集约化程度不高，因而不能有效实现期望产出增加和非期望产出减少。从技术进步指数来看，医药制造业和仪器仪表制造业虽然技术进步指数平均值都大于1，但相较于其它行业，这两个行业在绿色创新意识和技术进步累积方面还需进一步增强。

3.3 动态演化分析

考虑到GML指数均值仅从平均意义上反映专利密集型产业绿色全要素生产率差异，忽视了对其纵向时间维度变化的深入研究。因此，表2给出了2007—2017年专利密集型产业随时间变化的绿色全要素生产率及指标分解结果，并与不考虑非期望产出的传统全要素生产率进行动态趋势比较。

表2显示，在大部分年份，专利密集型产业的绿色全要素生产率增长水平低于传统全要素生产率，说明专利密集型产业还处于绿色转型初始阶段，资源环境约束增加了专利密集型产业生产成本，从而拉低了全要素生产率增长水平。值得关注的是，2014—2015年和2016—2017年两个时间段的绿色全要素生产率超过传统全要素生产率，证实了“波特假说”，说明近年来政府实施一揽子环境规制措施，激励了专利密集型产业节能环保技术创新，在发展生产力的同时也开始重视节能减排工作。

表2显示，专利密集型产业的绿色全要素生产率指数在各时间段均大于1，整体上呈增长趋势，且增长速度在加快和减缓间反复波动。其中，在2008—2009、2010—2011、2012—2013和2015—2016年4个时间段内，GML指数增长速度较前期加快；在2009—2010、2011—2012、2013—2014、2014—2015和2016—2017年5个时间段内，GML指数增长速度有所减缓。从绿色全要素生产率指数分解结果来看，所有时期的专利密集型产业技术进步指数变化趋势与绿色全要素生产率保持一致，同样呈增长趋势，再次验证了技术进步推动专利密集型产业绿色全要素生产率增长。而技术效率指数则在2011—2012、2014—2015和2016—2017年3个时间段与绿色全要素生产率变动方向相反，呈下降趋势。2016—2017年技术效率指数为历年最低，年均下降2.2%，直接导致绿色全要素生产率降至最低，而技术进步指数年均提升2.4%，有效遏制了绿色全要素生产率下降态势，使绿色全要素生产率最终保持正增长。为了考察随时间变化，绿色全要素生产率增长变化的行业异质性，本文还进一步对专利密集型产业中不同行业的GML指数演化轨迹进行分析，如图2所示。

图2显示，2007—2017年专利密集型产业8个行业的绿色全要素生产率集中在[0.95，1.10]区间频繁波动，不同行业的绿色全要素生产率演化轨迹差异较大。仪器仪表制造业的GML指数波动幅度最大，在2007—2011年，仪器仪表制造业绿色全要素生产率快速上升并突破1，而在2011—2013年，仪器仪表制造业绿色全要素生产率开始下降，自2013年开始，随着我国实施创新驱动发展战略，智能制造、和环境治理等新兴领域对仪器仪表制造业需求扩大，仪器仪表制造业生产工艺和核心技术得到发展，绿色全要素生产率再次大幅提升。交通设备制造和计算机通信制造业的绿色全要素生产率演化轨迹与专利密集型产业整体上一致，大多数年份在指数值1以上窄幅波动，说明这两个行业基本实现了经济效益与环境效益的协调统一。相比之下，化学原料制造、医药制造、通用设备制造、专用设备制造和电气机械制造业的绿色全要素生产率均有不同程度下降，应当着重提高以上5个行业的绿色全要素生产率，不断优化行业内部结构，推进绿色技术革新，加大环境污染治理力度，将专利优势转化为绿色增长优势。

4 专利密集型产业绿色全要素生产率收敛分析

4.1 σ收敛检验

为了更好地反映专利密集型产业各行业绿色全要素生产率变化差异，本文引入收敛理论，并结合专利密集型产业的相对专利强度划分出医药制造、专用设备制造、计算机通信制造、仪器仪表制造4个强专利密集型行业，以及化学原料制造、通用设备制造、交通设备制造、电气机械制造4个弱专利密集型行业。σ收敛属于绝对收敛的一种，通过变异系数刻画绿色全要素生产率变化趋势，从而进一步对绿色全要素生产率演进轨迹及趋势特征进行深入探究。图3给出了强专利密集型行业、弱专利密集型行业和专利密集型行业整体各自绿色全要素生产率的σ收敛情况。

图3显示，就专利密集型行业整体来看，以2016年为分水岭，绿色全要素生产率的σ系数在2007—2016年呈现波动下降，2015—2016年降至最低，接近0。由于低绿色全要素生产率行业对高绿色全要素生产率行业的“追赶效应”不能持续，2016年后σ系数出现明显回弹，表明专利密集型行业整体绿色全要素生产率增长差距并没有逐渐缩小，不具有σ收敛特性。从两个行业比较来看，强专利密集型行业绿色全要素生产率σ系数波动更大，其σ系数变动趋势与专利密集型行业整体趋势类似，大体呈现先收敛后发散的趋势，说明强专利密集型行业内部绿色化发展水平差距较大；弱专利密集型行业绿色全要素生产率σ系数波动相对平缓，可能的原因是，节能减排技术在推广过程中遇到障碍，没能实现先进技术溢出，从而使得σ系数在上下波动中最终趋于发散。

4.2 绝对β收敛检验

本文选取2007—2009和2015—2017年专利密集型产业绿色全要素生产率的平均值，再结合式(8)对专利密集型行业整体、强专利密集型行业和弱专利密集型行业绿色全要素生产率进行绝对β收敛分析，结果如表3所示。

结果显示，专利密集型行业整体、强专利密集型行业和弱专利密集型行业的绿色全要素生产率绝对β系数均为负，表明专利密集型产业内部绿色全要素生产率增长的行业差距逐渐缩小。具体来看，专利密集型行业整体绝对β系数在1%的显著性水平下为负，收敛速度为年均3.9%，半生命周期为17.765年，整体上各行业绿色全要素生产率能够实现同步增长。强专利密集型行业也呈现出绝对β收敛趋势，收敛速度为年均4.6%，半生命周期为14.959年，较专利密集型行业整体而言，其收敛速度更快，半生命周期更短。这些行业在要素禀赋结构上比较相似，加之近年来对资源环境问题的重视程度提高，行业间节能环保交流和互动进一步加快了收敛速度，缩短了收敛周期。弱专利密集型行业的绝对β系数虽然为负，但并不显著，可能是因为这些行业自身发展基础差异较大，环境污染治理水平参差不齐，绝对β收敛趋势不明显。结合σ收敛结果发现，专利密集型行业整体和强专利密集型行业的绿色全要素生产率存在绝对β收敛并表现出σ发散，说明专利密集型行业整体和强专利密集型行业的绿色全要素生产率行业差异还受其它外在变量影响。为此，有必要进行条件β收敛分析。

4.3 条件β收敛检验

影响专利密集型产业绿色全要素生产率的因素很多，本文基于已有研究成果，在绝对β收敛模型中加入研发投入、行业集中度、行业规模和资本深化4个外在变量作为控制变量，从而得到条件β收敛模型。RD为研发投入，用研发经费内部支出表示。增加研发投入可以提升生产技术水平，进而对绿色全要素生产率产生影响[25]。IC为行业集中度，用规模以上企业数表示。企业数量越多，行业集中程度越高，资源配置效率也随之提升，但行业集中度过高会产生垄断，行业集中度对绿色全要素生产率的影响有待进一步验证。IS为行业规模，用行业总产值与企业数的比值表示。行业规模扩大，意味着生产能力逐渐增强，相应污染物排放也会增加，导致绿色全要素生产率变化难以确定。CI为资本深化，用行业总资产与从业人员年平均人数之比表示。资本深化反映了专利密集型产业的资本密集程度，可通过节能减排技术进步提高绿色全要素生产率。为缓解异方差，以上控制变量在条件β收敛模型中均取对数，回归结果如表4所示。

结果显示，加入控制变量后，专利密集型行业整体、强专利密集型行业和弱专利密集型行业三者的β系数都在1%的显著性水平下均为负，说明上述行业均具有显著的条件β收敛特征，随着时间推移，行业绿色全要素生产率将收敛于各自的稳态水平。与绝对β收敛相比，条件β收敛的回归系数、收敛速度和半生命周期都发生了变化，说明控制变量影响专利密集型产业绿色全要素生产率变动。

(1)研发投入对专利密集型行业整体和弱专利密集型行业绿色全要素生产率产生显著负向效应。一方面，研发投入对绿色全要素生产率的影响存在时间滞后性，短期内通过增加研发经费提升绿色全要素生产率的效果不明显；另一方面，我国专利密集型行业重引进轻消化现象根深蒂固，技术引进重复化不可避免地造成研发资源浪费，阻碍了绿色全要素生产率提升。同时，强专利密集型行业的研发投入系数显著为正。该类行业通过加大研发经费投入力度，激发了成果转化阶段的活力，有效推动了技术进步，而技术进步能够提高生产率，绿色全要素生产率表现出积极的技术效应。

(2)行业集中度对专利密集型行业整体和弱专利密集型行业的绿色全要素生产率产生显著正向效应。随着企业数量增加，尤其是弱专利密集型行业，企业之间的激烈竞争能有效推动绿色技术创新，扩大利润空间，提高绿色全要素生产率。同时，强专利密集型行业的影响显著为负。对强专利密集型行业来说，企业数量并非越多越好，行业集中度过高必然加剧相对垄断程度，而一些企业凭借其垄断地位拥有廉价资源，削弱了自身绿色技术创新动力，长远来看，不利于绿色全要素生产率提升。

(3)行业规模扩大对提高整体专利密集型行业和弱专利密集型行业的绿色全要素生产率具有正向作用，而对强专利密集型行业影响显著为负。我国专利密集型行业整体处于快速成长期，且以弱专利密集型企业居多，这类企业大多规模较小，生产过程不规范，企业购买环保设备的意愿不强，影响了节能减排技术创新。通过扩大行业规模，弱专利密集型行业可以实现显著的规模效应，提升其绿色全要素生产率。对于强专利密集型行业而言，企业规模扩大虽然为其绿色技术研发提供了更为雄厚的资金保障，但也意味着组织结构复杂化程度进一步提高，一定程度上抵消了规模效应带来的好处，拉低了绿色全要素生产率。

(4)资本深化对专利密集型产业整体、强专利密集型行业和弱专利密集型行业绿色全要素生产率的影响系数均为负。一般来说，资本深化反映了行业技术进步，技术进步是促进绿色全要素生产率增长的主要机制，但实证结果却得出不一致结论。资本密集程度位于提高行业绿色全要素生产率的合理范围之外，说明高素质的人力资源才是促进绿色生产与技术创新相融合的主体，其对提高专利密集型行业的绿色全要素生产率尤为重要。专利密集型行业的资本深化过程亦离不开高素质的人力资源这一生产要素与之协同发挥作用。

5 结论与建议

5.1 研究结论

专利密集型产业是我国产业优化升级的重要力量，对实施专利强国战略和创新驱动发展战略意义重大。本文运用GML指数模型测算2007—2017年专利密集型产业绿色全要素生产率及其分解指标，并对其行业差异和动态演化进行分析，进而运用收敛模型检验专利密集型行业整体、强专利密集型行业和弱专利密集型行业的收敛性特征，得到以下研究结论：

(1)总体上，专利密集型产业的绿色全要素生产率高于非专利密集型产业和整体工业的平均增长水平。大部分年份中，专利密集型产业的绿色全要素生产率增长普遍低于传统全要素生产率增长，而在2014—2015和2016—2017年，专利密集型产业绿色全要素生产率增长超过了传统全要素生产率，“波特假说”初步显现。

(2)专利密集型产业绿色全要素生产率整体上呈增长趋势，技术进步是推动其绿色全要素生产率增长的主要源泉。无论是绿色全要素生产率的年均增长水平还是动态演化趋势，均存在一定的行业异质性，但各行业绿色全要素生产率的增长源泉大体相同。

(3)收敛性检验发现，专利密集型产业整体、强专利密集型行业和弱专利密集型行业都不存在绝对σ收敛，绿色全要素生产率的行业差异较大。专利密集型行业整体和强专利密集型行业的绿色全要素生产率表现出绝对β收敛，但弱专利密集型行业绝对β收敛不显著，且都存在向自身稳态收敛的特征。

(4)行业集中度、行业规模对专利密集型行业整体和弱专利密集型行业的绿色全要素生产率具有显著正向作用，而对强专利密集型行业具有负向效应。研发投入仅能有效提升强专利密集型行业的绿色全要素生产率，资本深化对专利密集型行业整体、强专利密集型行业和弱专利密集型行业的绿色全要素生产率增长均没有促进作用。

5.2 对策建议

基于上述结论，提出如下对策建议：

(1)技术进步对专利密集型产业绿色全要素生产率的贡献最大，因此政府在实施环境规制政策时，应加大对专利密集型产业绿色技术创新的支持力度，鼓励各行业研发符合环保标准的专利成果，积极建设绿色技术平台，提高环境友好度。专利密集型产业应强化环保意识，最大限度发挥技术进步在促进绿色全要素生产率增长中的积极作用，同时不断优化资源配置，借鉴发达国家先进管理模式，提高行业技术效率。

(2)鉴于我国专利密集型产业各行业绿色全要素生产率增长情况各异，应考虑不同行业绿色全要素生产率增长特点，制定差异化的节能减排方案，稳步推进产业绿色发展进程。对于技术效率下降的电气机械制造和仪器仪表制造业，应强化专利创新成果的经济转化效果，在加快绿色自主研发的同时，也要关注生产要素的有效配比，提高资源利用效率；医药制造和仪器仪表制造业技术进步空间相对较大，未来应进一步改进节能减排技术，增强自主创新能力。

(3)行业集中度和行业规模是提升专利密集型产业绿色全要素生产率的重要手段，应注重提高行业集中度和有效规模水平，缩小行业基础落差导致的绿色全要素生产率增长差距。对弱专利密集型行业而言，可通过产业集聚、延长产业链、加强产业技术联动等方式，发挥该行业绿色发展规模效应，从而实现绿色全要素生产率增长；而强专利密集型行业可适量增加研发投入，加强生产过程监督，同时警惕行业内部“搭便车”现象，避免行业规模过度扩张。

5.3 研究不足与展望

本文仍存在一定不足：①本文仅从宏观产业层面对专利密集型产业进行界定说明，撇开了企业在产业发展中的微观主体地位，同时，由于宏观层面的样本量有限，对绿色全要素生产率及其收敛性的实证分析也比较单薄；②本文仅在分析专利密集型产业的收敛性时，简单提及其绿色全要素生产率的影响因素，对绿色全要素生产率的驱动机制有待深入探究。针对上述不足，未来可以考虑从微观层面进一步丰富专利密集型产业的研究视角，通过引入微观企业的大样本信息提升专利密集型产业实证分析的可靠性；同时，可以在专利密集型产业中选取某个典型行业，专门对该细分行业的微观企业进行个案研究。此外，还可以结合专利密集型产业发展的内部因素和外部条件，尝试对影响专利密集型产业绿色全要素生产率的增长机制进行更深入的考察。

[1] CHIESA V,FRATTINI F.Evaluation and performance measurement of research and development:techniques and perspectives for multi-level analysis[M].Cheltenham:Edward Elgar Publishing,2009.

[2] PAIER M,DUNSER M,SCHERNGELL T,et al.Knowledge creation and research policy in science-based industries:an empirical agent-based model[M].Cham:Springer,2016.

[3] 顾海兵,陈芳芳,孙挺.美国知识产权密集型产业的特点及对我国的启示——基于美国商务部的官方报告[J].南京社会科学,2012(11):9-13.

[4] 姜南.专利密集型产业的R&D绩效评价研究——基于DEA-Malmquist指数法的检验[J].科学学与科学技术管理,2014,35(3):99-107.

[5] 李黎明.知识产权密集型产业测算：欧美经验与中国路径[J].科技进步与对策，2016，33(14)：55-62.

[6] 张晓月，陈鹏龙，赵顺龙.产业集聚对创新活力的影响:专利密集型与非专利密集型产业比较[J].科技进步与对策，2018，35(10)：66-71.

[7] EASTERLY W,LEVINE R.It's not factor accumulation:stylized facts and growth models[R].Santiago:Central Bank of Chile,2002.

[8] 胡鞍钢，郑云峰，高宇宁.中国高耗能行业真实全要素生产率研究(1995—2010)——基于投入产出的视角[J].中国工业经济，2015(5)：44-56.

[9] CHEN S,GOLLEY J.Green productivity growth in China's industrial economy[J].Energy Economics,2014,44:89-98.

[10] LIU Z,XIN L.Has China's Belt and Road initiative promoted its green total factor productivity?evidence from primary provinces along the route[J].Energy Policy,2019,129:360-369.

[11] 郑婷婷，付伟，陈静.信息化发展水平、资源依赖与绿色全要素生产率[J].科技进步与对策，2019，36(23)：44-52.

[12] 谌莹，张捷.碳排放、绿色全要素生产率和经济增长[J].数量经济技术经济研究，2016，33(8)：47-63.

[13] 吴传清,宋子逸.长江经济带农业绿色全要素生产率测度及影响因素研究[J].科技进步与对策，2018，35(17)：35-41.

[14] CHUNG Y H,FARE R,GROSSKOPF S.Productivity and undesirable outputs:a directional distance function approach[J].Journal of Environmental Management,1997,51(3):229-240.

[15] FARE R,GROSSKOPF S,PASURKA,et al.Accounting for air pollution emissions in measures of state manufacturing productivity growth[J].Journal of Regional Science,2001,41(3):381-409.

[16] 殷宝庆.环境规制与我国制造业绿色全要素生产率——基于国际垂直专业化视角的实证[J].中国人口·资源与环境，2012，22(12)：60-66.

[17] 尹传斌，蒋奇杰.绿色全要素生产率分析框架下的西部地区绿色发展研究[J].经济问题探索，2017(3)：155-161.

[18] OH D.A global Malmquist-Luenberger productivity index[J].Journal of Productivity Analysis,2010,34(3)：183-197.

[19] 李卫兵，涂蕾.中国城市绿色全要素生产率的空间差异与收敛性分析[J].城市问题，2017(9)：55-63.

[20] 陈超凡，韩晶，毛渊龙.环境规制、行业异质性与中国工业绿色增长——基于全要素生产率视角的非线性检验[J].山西财经大学学报，2018，40(3)：65-80.

[21] 侯建，陈恒.中国高专利密集度制造业技术创新绿色转型绩效及驱动因素研究[J].管理评论，2018，30(4)：59-69.

[22] HONG J,FENG B,WU Y,et al.Do government grants promote innovation efficiency in China's high-tech industries[J].Technovation,2016(57)：4-13.

[23] 王黎萤，王佳敏，虞微佳.区域专利密集型产业创新效率评价及提升路径研究——以浙江省为例[J].科研管理，2017，38(3)：29-37.

[24] BARRO R J.Notes on growth accounting[J].Journal of Economic Growth,1999,4(2):119-137.

[25] 颜洪平.中国工业绿色全要素生产率增长及其收敛性研究——基于GML指数的实证分析[J].西北工业大学学报(社会科学版)，2016，36(2)：44-51.

[26] 王许亮，门小璐，胡宗彪.中国服务业分行业绿色生产率变迁与收敛性研究[J].武汉理工大学学报(社会科学版)，2018，31(3)：58-67.

[27] 冯贞柏.行业技术效率测度与全要素生产率增长的分解[J].经济评论，2019(3)：57-73.

[28] 董桂才，朱晨.中国工业全要素生产率增长行业差异及其影响因素研究——基于增长核算法2位数编码工业行业面板数据的实证分析[J].中央财经大学学报，2013(11)：62-68.