The Measurement of China's Regional innovative Green Development Efficiency and Its Influencing Factors

Li Xuesong, Zeng Yuhang

(School of Economic and Management, Wuhan University，Wuhan 430072，China)

Abstract：Based on the research and development drive theory, this paper calculates the traditional and innovative green development efficiency and green total factor productivity in different regions of China from 2001 to 2017 by constructing the DEA-SBM model including R&D input, and empirically analyze the influencing factors of regional innovation green development efficiency by means of generalized least squares (GLS) model. The results show that: ① The innovative green development efficiency of China and the four major economic regions under the innovation factor is higher than the traditional green development efficiency under the traditional factors, showing an upward trend of volatility and gradually converge. The traditional and innovative green development efficiency in the eastern region is the highest. The efficiency of innovative green development in the central region has not been greatly improved, while the efficiency of innovative green development in the western and northeastern regions has improved. ②From 2001 to 2017, the national innovative green total factor productivity is on a rising trend, and its changing trend was consistent with the trend of technological progress. Technological progress was the main factor to promote its growth. ③ The economic development level of each region is positively correlated with the innovation green development efficiency. The urbanization level, FDI and the national innovation green development efficiency have a positive correlation effect; the industrial structure and environmental regulation are negatively related to the national innovation green development efficiency.The relationship between the scale of R & D investment, the intensity of R & D investment, the results of R & D investment, and the efficiency of regional innovative green development has different performances in the country and the four major economic regions.

Key Words:Innovation-Driven; R&D Investment; Green Development Efficiency; Green Total Factor Productivity

收稿日期：2019-08-09

基金项目：教育部人文社会科学研究青年基金项目 (13YJC630167);长江水利委员会长江科学院开放研究基金项目(CKWV2016394/KY)

作者简介：李雪松(1974-)，男，湖北襄阳人，博士，武汉大学经济与管理学院副教授，研究方向为区域可持续发展；曾宇航(1995-)，女，江西上饶人，武汉大学经济与管理学院硕士研究生，研究方向为区域可持续发展。

DOI：10.6049/kjjbydc.2019060260

开放科学(资源服务)标识码(OSID)：

中图分类号：F207

文献标识码：A

文章编号：1001-7348(2020)03-0033-10

0 引言

改革开放以来，中国经济发展成就举世瞩目，但同时也面临着环境污染、资源消耗等问题。在《2018年全球环境绩效指数报告》中，中国环境绩效在180个参与国家中排名第120位，相对位置0.67，较为靠后。《中国生态环境状况公报(2017)》披露：2017年全国338个地级及以上城市中，239个城市环境空气质量超标，占70.7%。经济快速增长带来的“高耗能、高排放、高污染”问题日益严峻，由此带来的资源环境问题成为约束中国经济持续增长的主要因素。

《“十三五”生态环境保护规划》指出，中国当前的核心任务是提高环境质量，加强生态环境综合治理，加快补齐生态环境短板。由于中国各区域经济发展、自然资源、环境状况差异较大，因此各区域绿色发展效率和绿色全要素生产率存在异质性。因此，分区域对中国绿色发展效率、绿色全要素生产率进行研究，可以有针对性地制定各区域绿色发展效率提升政策。同时，《“十三五”生态环境保护规划》要求牢固树立和贯彻落实“创新、协调、绿色、开放、共享”发展理念。技术创新可以提高资本、能源及劳动力等投入要素的边际生产率，从而降低能源消耗和碳排放，提高能源效率。技术进步在经济增长过程中较少使用能源，可实现减排与促进经济增长相统一[1]。因此，本文根据研发驱动理论，构建包含R&D投入的超效率DEA—SBM模型，测算我国东、中、西、东北四大区域传统型、创新型绿色发展效率和绿色环境全要素生产率，对四大区域创新型绿色发展效率影响因素进行分析，并针对区域差异性提出相应政策建议，旨在促进我国生态效率提升及绿色创新发展。

1 文献综述

十九大报告指出，我国经济已由高速增长阶段转向高质量发展阶段，提高发展效率和全要素生产率是国民经济发展的重要抓手，是从源头破解我国资源环境约束瓶颈、向高质量发展转变的关键。

长期以来，众多学者都保持对中国经济发展效率和全要素生产率的关注。在已有文献中，关于中国经济发展效率和全要素生产率问题的研究大多是在没有考虑经济发展可能对环境产生较大损耗的情况下进行的，如王志刚等[2]、朱承亮等[3-4]、张浩然、衣保中[5]、杨汝岱[6]、李雪松等[7]、周旋、陶长琪[8]，他们的研究得出了许多有价值的结论，但其中存在的最大问题是没有考虑资源环境的约束，这将影响测度的客观性和准确性，不利于经济可持续发展。

绿色发展效率[9]是指在考虑资源投入和环境代价的基础上，一个国家或地区经济活动投入和产出间的内在联系与比率关系。Solow[10]认为全要素生产率增长率是因技术变化而产生的、不能被投入增长所解释的剩余的产出增长率，而绿色全要素生产率则是纳入环境因素的全要素生产率。西方学者尝试将资源环境因素纳入绩效测算进行研究，并取得突破性进展；Chung 等[11]在测算瑞典纸浆厂全要素生产率时，介绍了方向性距离函数，并提出Malmquist—Luenberger(ML)生产指数，该指数可以测算存在“非期望产出”的全要素生产率。一些国外学者运用它来测度绿色发展效率和绿色全要素生产率[12-13]。随后，国内一些学者将环境因素纳入效率和生产率研究框架中，采用各种模型方法对中国经济进行实证分析。如王兵等[14]运用SBM方向性距离函数和ML指数测度非期望产出下中国30个省市环境效率、环境全要素生产率，并对影响环境效率和环境全要素生产率增长的因素进行了实证研究；陶长琪、齐亚伟[15]采用方向性距离函数和GML指数评价了中国省际环境效率、环境全要素生产率；王兵、刘光天[16]运用两期权重修正罗素模型研究了节能减排对中国绿色全要素生产率的影响效应和机制。

随着经济的不断发展，研发投入在经济增长中的作用日益重要。Romer[17]、Grossman & Helpman[18]等学者指出，R&D推动技术进步，并通过加快科研成果转化，实现产品和方法更新换代，从而促进经济增长。国外学者偏向于从微观企业视角对其进行研究，如Sueyoushi & Goto[19]研究发现，R&D投入能够提高日本IT和制造业企业价值，这一结果也适合于其它工业国家；Wang等[20]将R&D指标纳入DEA模型，评估了美国153家企业的环境状况；Costa-Campia等[21]认为西班牙制造业污染减排的关键因素是环境R&D和创新。国内学者聚焦于省域和区域进行研究发现，R&D投入对区域全要素生产率有影响，且存在区域差异[22]。也有学者从行业角度研究了R&D投入与行业生产率、环境效率间的关系[23-24]。

已有关于绿色发展效率和绿色全要素生产率的研究，更多是从传统要素出发，但优化新时期绿色发展资源高效配置、提升绿色全要素生产率的核心驱动力是技术创新能力。因此，本文根据R&D驱动理论，构建包含R&D投入的DEA-SBM模型。传统投入要素包括资本投入、劳动力投入、能源投入，创新投入要素包括R&D人员和R&D经费，本文定义传统资源要素投入下的绿色发展效率、绿色全要素生产率为传统型绿色发展效率、传统型绿色全要素生产率，创新资源要素投入下的绿色发展效率、绿色全要素生产率为创新型绿色发展效率、创新型绿色全要素生产率，进一步分析2001-2017年我国区域传统型、创新型绿色发展效率及绿色全要素生产率演变规律和区域差异。在此基础上，运用广义最小二乘法(GLS)模型分析我国东、中、西、东北四大区域创新型绿色发展效率影响因素。

2 研究方法与数据来源

2.1 超效率DEA模型

Charnes & Cooper[25]在对工业的实证分析中提出机会约束规划，并在1978年提出评价决策单元效率的CCR模型。该模型借助数学规划原理，将决策单元(DMU)投入产出权重系数作为优化变量求得效率。传统DEA模型存在同时出现多个DMU均处于生产前沿面的问题，使得结果并不可靠，无法进一步作出评价。就此问题，P·A nersen等提出超效率DEA模型，使得相对有效决策单元间可以进行效率高低的比较。

图1为超效率DEA模型基本思想，在计算单元B的效率值时，将B排除在DMU集合之外，线段BB′表示B点投入量可增加的幅度，则B点超效率评价值=OBˊ/OB﹥1。依此思路，可以继续得出A、C、D的超效率值。

综上所述，本文选取可以体现规模效率报酬不变的超效率DEA模型测度中国内地30个省市创新型绿色发展效率。

2.2 SBM方向性距离函数模型

本文采用非径向、非角度的SBM方向性距离函数测算Malmquist-Luenberger(ML)生产率指数，并以此衡量中国各城市TFP水平。基本思路是将每个城市作为一个决策单元，每个决策单元均包括投入、“好”产出和“坏”产出。假设每个城市使用M种投入生产出N种“好”产出排放J种“坏”产出反映环境技术的生产可能性集为Pt(x)={(xt,yt,bt):xt}，且满足生产可能性集的一些基本假设:①闭集和有界集;②投入和期望产出自由可处置性、零结合性和产出弱可处置性。因此，运用数据包络分析(DEA)可将环境技术表示为：

(1)

其中，i=1,2,…,I表示对应的各个城市；t=1,2,…,T表示时期;表示每个横截面观测值的权重。依照Fukuyama & Weber[26]提出的SBM模型处理方法，可在规模报酬可变条件下构建考虑环境因素的方向性距离函数为:

(2)

约束条件为：

(3)

其中，城市i′的投入和产出向量为(xt,i′,yt,i′,bt,i′)，期望产出扩张、非期望产出和投入压缩取值为正的方向向量为(gx,gy,gb)，投入和产出的松弛向量为

包含非期望产出的SBM模型与Malmquist模型得出的指数为Malmquist-Luenberger生产率指数(ML)，以t期为基期的t + 1期的ML生产率指数为:

(4)

当ML值大于1时，代表生产率增长；ML小于1时，代表生产率下降。可将ML生产率指数分为技术进步指数( TECH) 和效率变化指数( EFFCH)。

(5)

2.3 数据来源与处理说明

在中国四大区域中，东部地区包括天津、河北、北京、上海、浙江、江苏、广东、福建、山东、海南；中部地区包括山西、安徽、江西、河南、湖北、湖南；西部地区包括重庆、贵州、四川、广西、云南、陕西、甘肃、内蒙古、青海、宁夏、新疆、西藏；东北地区包括吉林、黑龙江、辽宁。西藏数据缺失较多，所以不纳入研究范围。本文选取全国内地30个省市2001-2017年的面板数据，构建包含传统投入要素和创新投入要素的绿色发展效率评价指标体系。具体包括两类指标：①投入指标。传统投入要素包括资本投入、劳动力投入、能源投入，创新投入要素包括R&D人员和R&D经费；②产出指标包括期望产出和非期望产出，具体指标体系如表1所示。数据来源于历年《中国统计年鉴》、《中国能源统计年鉴》、《中国科技统计年鉴》。

3 效率测度与实证分析

3.1 区域绿色发展效率静态分析

3.1.1 两种绿色发展效率对比及演变趋势

如图2所示，全国及四大经济区域传统型绿色发展效率呈下降趋势，主要分为3个阶段：快速下降期、波动增长期、平稳期。2001—2008年全国及各区域传统要素利用率均呈下降趋势，该阶段处于“十五”规划及“十一五”规划期，汽车工业迅速发展，高耗能行业(包括电力、石化、钢铁等)能源消耗量迅速增加，全社会能源消费总量由2001年的15.96亿吨标准煤增加到2008的年33.55亿吨标准煤，由此造成了大量环境污染。2009—2011年属于波动增长期，“十一五”规划中提出“节能减排”目标，即“十一五”期间单位国内生产总值能耗降低20%左右，主要污染物排放总量减少10%。国家实施一系列环保整治措施并调整了产业结构，高耗能行业能源消耗过多、污染排放过大问题得以控制，所以传统型绿色发展效率有所回升。2012—2017年传统型绿色发展效率较为平稳，该阶段处于“十二五”、“十三五”规划阶段，国家贯彻“节能减排”发展要求，全社会能源消耗量增长较为平稳，工业三废排放量减少。同时，国家在经历了GDP高速发展后过渡到高质量发展阶段，增速逐渐减缓，故传统型绿色发展效率较为平稳。从各区域时间演变趋势看，四大经济区域传统型绿色发展效率有所下降，且逐渐收敛，但是东部地区传统要素利用效率为0.64，显著高于其它区域。

从图3可知，2001年以来，全国及各经济区域创新型绿色发展效率均处于波动上升阶段。2001—2017年，我国R&D经费支出由1 072.91亿元增加到17 452.9亿元，R&D人员全时当量从96.68万人每年变成388.746 2万人每年，增长3倍多。2006年建设“创新型国家”战略目标的提出对我国科技发展具有重要影响。东部地区作为我国高新技术前沿示范区，具有市场化程度高、创新能力强、人才引进多和技术进步快等明显优势，不断引领和带动其它区域发展，故东部创新型绿色发展效率高于全国及其它地区。在国家产业转移进程中，很多污染产业逐步由东部转移到中西部地区，中部地区工业基础较好，承接的产业多，所以中部地区创新型绿色发展效率并未得到较大提升，而西部地区因为引进创新技术且环境开发力度较小，创新型绿色发展效率有所提升，且在2011年后超过中部地区。东北地区从2010年开始，创新型绿色发展效率得到显著提升，主要原因在于“十二五”规划后，国家贯彻落实“节能减排”政策，东北地区转变老工业发展模式，产业结构优化不断升级，创新力度加大。从各区域时间演变趋势看，四大经济区域传统型绿色发展效率有所上升，且逐渐收敛。

全国及各区域创新型绿色发展效率均高于传统型绿色发展效率。2001—2017年全国平均传统型绿色发展效率为0.417，而创新型绿色发展效率全国平均值为0.711，如表2所示。东部传统要素及创新要素绿色发展效率均最高，说明东部地区向“低消耗、低污染、高技术、高收益”集约型经济增长方式转变较为成功，中部和西部、东北地区应加快经济增长方式转变速度，扩大创新规模、加大创新力度。

3.1.2 创新型绿色发展效率

由表3可以看出，2001—2017年全国整体创新型绿色发展效率波动较小，在0.6～0.8之间，但各省市间创新型绿色发展效率却存在明显差异。根据2001—2017年平均创新型绿色发展效率值，将全国内地30个省市分为4个层级，如表4所示。在第一层级中，北京、上海、广东属于经济发达省市，R&D经费和人员投入量大，绿色创新效率高。海南省创新投入量较少，但工业三废排放量少，对创新要素利用率较高，内蒙古和新疆在同等能源消耗量、固定资产投资水平下，创新投入量少、GDP产出高、三废排放少。海南、内蒙古、新疆应保持对要素的高利用效率，同时提升创新水平；在第二层级10个省市中，主要为东部省市及东北三省；中等效率层级及低效率层级主要是中西部地区省份。由此可见，与经济发达的东部地区相比，欠发达地区创新投入量不足、创新能力不佳，经济增长更依赖于“资源高投入、低利用和高排放”的粗放型生产方式，由此严重制约了生态效率提升，因为其与“高质量”经济发展模式相悖。

3.2 区域绿色发展效率动态分析

(1)全国及各区域绿色全要素生产率。对比创新型绿色全要素生产率与传统型绿色全要素生产率发现，创新型绿色全要素生产率增速明显，高于传统型绿色全要素生产率增速4.7个百分点。从各区域绿色全要素生产率看，在传统要素投入下，绿色全要素生产率增长呈现东部最高，中部、西部次之，东北地区最低，但在创新要素投入下，绿色全要素生产率增长西部地区最高，东北、东部次之，中部最后。西部、东北地区经济基础较为薄弱，但西部大开发战略和“振兴东北”战略的实施使得西部、东北地区经济得到较快增长，科技创新能力也随之提高，与东部地区的差距逐渐缩小。中部地区工业基础较好，产业转移引进的新兴产业较少，带来的工业污染较多，故创新型绿色全要素生产率最低。

(2)创新型绿色全要素生产率分解结果。如表5所示，2001—2017年，全国创新型绿色全要素生产率平均增长呈现技术进步与技术效率共同推动的“双驱动”增长模式。其中，技术进步增长作用最突出，为5.9%，说明其是我国经济增长的主要推动力量，效率改善也有助于我国经济增长。东部、东北地区创新型绿色全要素生产率增长主要依靠技术进步，而中部和西部地区技术进步、技术效率对全要素生产率的贡献权重相差不多，说明东部、东北地区充分发挥技术进步优势，从而促进经济增长，但是效率改善尚未显著提升经济发展水平，而中部和西部地区技术进步、技术效率两者均有所改善。

从2001—2017年全国各年份创新型绿色全要素生产率及传统型绿色全要素生产率发展动态看(如表6所示)，全国各年份创新型绿色全要素生产率呈波动上升趋势。2001—2008年上升速度较快，增长率由2000—2001年的-2%上升为2007—2008年的24.2%。可能是受2008年金融危机的影响，2008—2009年增长率又跌落为-3%，2009—2010年、2010—2011年由于国家采取扩大内需、促进经济增长等各项措施，增速又上升为14.6%、13.6%，但是该措施并不能持久促进经济增长，所以在2011—2012年、2012—2013年增速下降至4%。随后，2016—2017年增速又上升至19.4%。从影响全要素生产率增长的因素看，无论是创新型绿色全要素生产率还是传统型绿色全要素生产率，变化趋势均与技术进步变化趋势一致，技术进步是促进其增长的主要因素。

4 创新型绿色发展效率影响因素分析

4.1 变量选取与模型构建

借鉴现有文献对绿色发展效率的研究，本文主要从3个方面考虑创新型绿色发展效率影响因素：①经济规模与结构。经济发展水平是效率评估中的期望产出，经济发展水平高低直接影响绿色发展效率值；产业结构反映一个地区经济发展模式，产业结构优化升级有利于提高资源配置效率；城镇化率是人口、社会经济组织形式和生产生活方式变化的综合体现，是一个地区经济社会发展进步的主要反映；②外部政策与对外开放。环境规制是指污染治理资金投入，其会产生两方面的作用：一方面，污染治理投入增加，会加大企业成本负担；另一方面，会逐渐形成清洁化生产，促使污染排放得以控制，故创新绿色发展效率值会因此提高或降低有待考究；外商投资不仅提供资金，还会带来技术、管理经验，会影响效率值；③技术创新效应。R&D推动技术进步，能够促进科研成果转化，推出新产品、新方法，因此有利于促进经济增长。而且，绿色研发有利于促使生产过程更清洁、消费产品更环保，从而减少非期望产出，具体指标体系见表7。

根据变量说明，设定如下模型：

GDEi,t=C+β1lnPGDPi,t+β2INDi,t+β3URBANi,t+β4ERi,t+β5FDIi,t+β6lnR&DLi,t+β7R&DKi,t+β8lnR&DAi,t+εi,t

(6)

其中，GDEi,t为时间序列下中国内地30个省市创新型绿色发展效率，βi为被估计参数，εi,t为随机误差项。运用可行广义最小二乘法(GLS) [27]进行实证分析。

4.2 实证结果分析

本文选取回归方法中的GLS方法，即广义最小二乘法，以减少因为面板数据造成的异方差性，分别对中国东、中、西、东北4个地区进行基于面板数据的回归分析，结果如表8所示。

(1)经济规模与结构。各区域经济发展水平与创新型绿色发展效率呈正相关效应，其中中部地区相关系数为0.813 8，且在1%水平下显著。中部地区经济水平提升，有利于技术创新进步。产业结构对全国、东、中、西部地区创新型绿色发展效率影响系数为负，其中全国、东部、中部地区在1%水平下显著，说明第二产业比重越大，越阻碍创新型绿色发展效率提升。中部地区影响系数大于东部，说明中部地区经济发展仍以第二产业为主，阻碍了创新型绿色发展效率提升。除中部地区外，全国及各区域城镇化发展促进了绿色创新效率提升。罗能生等[28]的研究表明，城镇化水平与区域生态效率呈非对称U型关系，东部地区已经进入U型曲线上升阶段，所以影响系数为正，而中部还处于U型曲线下降阶段，故影响系数为负。西部和东北部系数为正，说明城镇化带来的经济发展与技术进步大于其所造成的环境污染。

(2)外部政策与对外开放。环境规制对创新绿色发展效率在不同区域存在不同影响，在东部地区环境规制促进了创新型绿色发展效率提升，而在中、西、东北地区则起阻碍作用。中、西、东北部地区环境规制强度较低，企业为达到政府规制要求，不得不投入资源加大环境治理及绿色技术创新，不但增加了企业成本负担，还会影响其期望产出水平。东部地区是环境规制强度较高地区，企业绿色技术创新水平提高促使生产成本下降，生产效率提升。FDI与东部地区创新型绿色发展效率显著正相关，而与中部、西部、东北地区负相关。这说明，东部地区FDI通过技术、资本等溢出效应促进了创新型绿色发展效率提升，而中部、西部、东北地区则由于基础设施较为落后，引进的可能是高污染高耗能产业，由此限制了区域创新型绿色发展效率提升。

(3)技术创新效应。在R&D投入规模方面，全国、东部、西部地区R&D人员投入均与创新型绿色发展效率正相关，说明R&D人员投入促进创新型绿色发展效率提升。但中部和东北地区系数为负，说明其传统要素和创新要素协同治理较差，R&D人员增多反而会阻碍创新型绿色发展效率提升。在R&D投入强度方面，东部、中部地区R&D经费支出为区域经济发展和创新技术提升提供了强大的资金支持，但是西部、东北部地区由于科研基础薄弱、创新能力较差，对于资金的利用及配置能力较差，故未呈现正相关效应。在R&D投入成果方面，全国及东部、中部地区科研成果与创新型绿色发展效率显著负相关，西部及东北地区为正相关但不显著，说明我国专利技术转换率较低，尚未体现其经济价值，因此今后应加强专利技术转换，从而提高发展效率。

注:括号内为回归系数的t统计量，*、**、***分别代表 10%、5%、1%显著性水平

5 结论与建议

5.1 研究结论

本文通过构建包含研发投入的SBM模型，对我国四大区域2001—2017年传统型、创新型绿色发展效率以及传统型、创新型绿色全要素生产率进行测度分析，在此基础上，运用广义最小二乘法(GLS)模型分析我国东、中、西、东北四大区域创新型绿色发展效率影响因素，得出以下结论：

(1)全国及四大经济区域创新型绿色发展效率均处于波动上升阶段，呈逐渐收敛趋势，而传统型绿色发展效率则呈下降趋势，中国及各区域创新型绿色发展效率均高于传统型绿色发展效率。这说明，创新是提高经济增长效率的重要途径。分区域而言，东部传统型及创新型绿色发展效率都是最高；中部地区创新型绿色发展效率未得到较大程度提升；西部地区创新型绿色发展效率有所提升，且在2011年后超过中部地区；东北地区从2010年开始，创新型绿色发展效率得到显著提升。

(2)全国各年份创新型绿色全要素生产率呈波动上升趋势，其变化趋势与技术进步变化趋势一致，技术进步是促进其增长的主要因素。东部、东北地区创新型绿色全要素生产率增长主要依靠技术进步，而中部、西部地区技术进步和技术效率对全要素生产率的贡献权重相差不大。创新型绿色全要素生产率增速明显，高于传统型绿色全要素生产率。传统型绿色全要素生产率增长呈现东部最高，中部、西部次之，东北地区最低趋势，但在创新要素投入下，创新型绿色全要素生产率增长西部地区最高，东北、东部次之，中部最后。

(3)各区域经济发展水平与4个区域创新型绿色发展效率正相关，城镇化水平、FDI与全国创新型绿色发展效率正相关；产业结构和环境规制与全国创新型绿色发展效率呈负向关系。在R&D投入规模方面，东部、西部地区R&D人员投入与创新型绿色发展效率正相关；在R&D投入强度方面，东部、中部地区R&D经费支出为区域经济发展和创新技术提升提供了强大的资金支持，但是西部、东北部地区为负相关效应。在R&D投入成果方面，全国及东部、中部地区科研成果与创新型绿色发展效率显著负相关，西部及东北地区为正相关但不显著。

5.2 政策建议

通过以上研究可知，近些年我国创新型绿色发展效率有所提高。今后要突破资源有限和环境污染的约束，首先应实施生态文明绩效评价考核，全面落实生态文明评价考核办法；其次，将绿色化作为创新驱动发展战略的重要切入点，推进各领域新兴技术绿色化，构建国家生态环保科技创新体系；再次，实施专项治理，全面推进达标排放与污染减排。建立全国工业企业环境监管信息平台，完善工业园区污水集中处理设施，同时推动治污减排工程建设。

由于我国四大经济区域要素禀赋、经济基础存在一定差异，因此不同区域应实施符合自身特色的区域政策。具体而言：

(1)东部地区创新型绿色发展效率高于其它地区，说明东部地区在技术创新、环境保护方面较好。但是，年均创新型绿色全要素生产率仅略高于全国水平，低于东北部、西部地区。由影响因素分析可知，外商投资、城镇化水平、R&D资金投入对创新型绿色发展效率有显著正向效应，第二产业比重过高不利于创新型绿色发展效率提升。因此，东部地区应充分开拓生态空间，不断提高资源利用效率，大力引进、研发新兴技术，以成为技术创新和生态效率提高的领头军。具体如下：①重点调整经济结构，加快完善能源消耗低、产品附加值高的现代产业体系，大力推动高新技术产业和现代服务业发展，尤其是高端生产性服务业，以驱动产业转型升级；②加大对节能减排技术、低碳技术的支持，如加大财政拨款、简化行政审批、实行技术创新补贴奖励等；③充分利用技术基础和区位优势，大力引进国外先进绿色技术，同时完善有利于技术成果市场化的市场环境。

(2)中部地区技术资源较为匮乏，主要产业仍为耗能高、污染重的传统产业。研究结果表明，中部地区创新型绿色发展效率没有显著提升，且创新型绿色全要素生产率在全国最低。从影响因素看，第二产业比重、城镇化率、环境规制、外商投资、专利申请授权量都呈显著负效应，经济发展水平、R&D人员和资金投入均有利于创新型绿色发展效率提升。因此，中部地区迫切需要优化产业结构，加大科研投入力强度，引进科技人才，防止人才流失。另外，还要以资源环境承载能力为基础，推动产业升级。具体如下：①提高工业节能降耗水平，推动传统产业技术改造和产品升级，从而提高要素投入利用效率；②制定统一清洁生产标准规则，通过环境税、碳排放交易等方式迫使企业进行绿色生产转型，逐渐形成清洁生产，而非末端治理；③提高产业转移准入门槛，形成节能、环保等约束指标体系，控制高耗能、高污染企业流入；④制定适宜的创新创业及就业政策，引进优秀技术人才。

(3)西部地区创新型绿色发展效率有所提高，且年均创新型绿色全要素生产率仅次于东北地区，位列第二，这体现了我国“西部大开发”战略实施存在实质性意义。西部地区应继续坚持生态优先原则，保护生态环境。具体如下：①推行清洁生产技术，通过减少污染排放和能源消耗，提高资源利用效率；加强环境治理，防止资源过度、低效开采；②利用能源项目与东、中部地区形成技术经济合作，引进先进技术和管理经验，从而提高区域技术水平；③实施人才战略，培养和引进技术性人才，在资源禀赋优势的基础上，形成能源效率优势。

(4)“振兴东北老工业基地战略”使得资源枯竭、产业衰退的东北转型发展取得了一定成效，创新型绿色发展效率和创新型绿色全要素生产率均得到显著提升。现阶段，东北地区应加快体制改革和结构调整，实施内部制度创新和研发创新。具体如下：①优化经济结构，建立现代产业体系，做优做强支柱产业，积极培育潜力型产业，加快发展现代服务业；②加快企业技术进步，全面提升自主创新能力，同时制定相关政策促进自主创新成果产业化；③扩大对外交流，形成良好的营商环境；④积极推进节能减排，加强重点污染源总量控制，限制高耗能、高污染行业扩张。

参考文献:

[1] 何小钢, 王自力. 能源偏向型技术进步与绿色增长转型——基于中国33个行业的实证考察[J]. 中国工业经济, 2015(2):50-62.

[2] 王志刚, 龚六堂, 陈玉宇. 地区间生产效率与全要素生产率增长率分解(1978—2003)[J]. 中国社会科学, 2006(2):55-66.

[3] 朱承亮, 岳宏志, 李婷. 中国经济增长效率及其影响因素的实证研究:1985～2007年[J]. 数量经济技术经济研究, 2009(9):52-63.

[4] 朱承亮, 师萍, 岳宏志,等. 人力资本、人力资本结构与区域经济增长效率[J]. 中国软科学, 2011(2):110-119.

[5] 张浩然, 衣保中. 基础设施、空间溢出与区域全要素生产率——基于中国266个城市空间面板杜宾模型的经验研究[J]. 经济学家, 2012(2):61-67.

[6] 杨汝岱. 中国制造业企业全要素生产率研究[J]. 经济研究, 2015(2):61-74.

[7] 李雪松, 张雨迪, 孙博文. 区域一体化促进了经济增长效率吗——基于长江经济带的实证分析[J]. 中国人口·资源与环境, 2017(1):10-19.

[8] 周璇, 陶长琪. 要素空间集聚、制度质量对全要素生产率的影响研究[J]. 系统工程理论与实践, 2019, 39(4):1051-1066.

[9] 钱争鸣, 刘晓晨. 中国绿色经济效率的区域差异与影响因素分析[J]. 中国人口·资源与环境, 2013, 23(7).

[10] SOLOW R M. A contribution to the theory of economic growth[J]. Quarterly Journal of Economics, 1956, 70(1): 65-94.

[11] 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．

[12] WEBER W L, DOMAZLICKY B. Productivity growth and pollution in state manufacturing[J]. Review of Economics & Statistics, 2001, 83(1):195-199.

[13] WATANABE M, TANAKA K. Efficiency analysis of Chinese industry: a directional distance function approach[J]. Energy Policy, 2007, 35(12):6323-6331.

[14] 王兵, 吴延瑞, 颜鹏飞. 中国区域环境效率与环境全要素生产率增长[J]. 经济研究, 2010(5):95-109.

[15] 陶长琪, 齐亚伟.资源环境约束下我国省际全要素生产率测度分析——基于Global Malmquist-Luenberger指数[J]. 数量经济研究, 2012(1).

[16] 王兵,刘光天. 节能减排与中国绿色经济增长——基于全要素生产率的视角[J]. 中国工业经济, 2015(5):57-69.

[17] ROMER P.Endogenous technolgical change[J]．Journal of Political Economy，1990,98:71-102．

[18] GROSSMAN G M，HELPMAN E.Quality ladders in the theory of growth[J]．Review of Economic Studies，1991，58:43-61．

[19] SUEYOSHI T，GOTO M. A use of DEA - DA to measure importance of R&D expenditure in Japanese information technology industry[J]. Decision Support Systems，2013(54): 941-952.

[20] WANG D，LI S，SUEYOSHI T. DEA environmental assessment on U. S.industrial sectors: investment for improvement in operational and environmental performance to attain corporate sustainability[J]. Energy Economics，2014(45): 254-267.

[21] COSTA-CAMPIA M，GARCIA-QUEVEDOA J，MARTNEZ-ROSB E. What are the determinants of investment in environmental R&D[J]. Energy Policy，2017(104): 455-465.

[22] 黄永春, 石秋平. 中国区域环境效率与环境全要素的研究——基于包含R&D投入的SBM模型的分析[J]. 中国人口·资源与环境, 2015, 25(12).

[23] 万伦来, 朱琴. R&D投入对工业绿色全要素生产率增长的影响——来自中国工业1999～2010年的经验数据[J]. 经济学动态, 2013(9):20-26.

[24] 王娟, 赵涛, 张啸虎. 2006-2012年中国工业行业能源和环境综合效率及其影响因素[J]. 资源科学, 2016, 38(2):311-320.

[25] CHAMES A, COOPER W W, RHODES E. Measuring the efficiency of decision making units [J]. European Journal of Operational Research, 1979, 3(4): 338-339.

[26] FUKUYAMA H, WEBER W Y L. A directional slacks-based measure of technical inefficiency[J].Socio-Economic Planning Sciences, 2009,(4).

[27] 陈瑶. 中国区域工业绿色发展效率评估——基于R&D投入视角[J]. 经济问题, 2018, 472(12):83-89.

[28] 罗能生, 李佳佳, 罗富政. 中国城镇化进程与区域生态效率关系的实证研究[J]. 中国人口·资源与环境, 2013, 23(11).

(责任编辑：王敬敏)