开放科学(资源服务)标识码(OSID)：
从量子卫星发射成功到为英国建造核电站，从使用自主芯片超级计算机瞩目世界到中国企业技术率先进入5G时代，高技术产业作为提升国际竞争力和促进科技发展的重要阵地，已成为推进国内产业转型升级与高质量发展的重要载体，尤其是在国内经济发展换挡提质的当下，高技术产业仍然保持了“逆市上扬”发展势头。然而，高技术产业技术创新虽然取得了良好经济效益和社会效益，但其在产业发展过程中暴露出来的一些生态环境治理失调问题逐渐凸显，高技术产业环境污染事件也频频见诸报端，如苹果在华供应链企业超标排放含氰化物、重金属等有毒物质废弃物致使工作人员中毒事件，深圳比亚迪宝龙工业园排放刺激性气体导致当地居民患病率攀升，美国凤凰城半导体制造工厂重金属污染致使农作物减产等。同时，随着国内社会公众对高技术产业污染危害性认知的日渐加深，环境规制促使东部高技术产业将污染严重项目向内陆地区转移使得资源环境问题进一步突出，加剧了人们对环境问题的担忧。可见，相比于传统产业资源消耗和环境污染，高技术产业同样存在着无法规避的生态环境问题，其在加快实现高附加值、低污染和低能耗等发展目标上任重而道远。由此可见，高技术产业创新驱动发展除在创新能力上有要求外，还需要兼顾与突破环境质量及能源等问题约束。
据《中国高技术产业创新能力评价报告2018》显示，全国范围内高技术产业技术创新能力均有不同程度提升，其中东部地区企业发展优势最为突出，是全国高技术产业竞争力最强地区，如北京、广东、江苏等地，其创新能力指数均高于50%；中部地区企业在创新投入、产出效率等方面有显著提升；西部地区则呈现出技术创新能力加速追赶态势，尤其是陕西、四川高技术产业技术创新能力提升幅度最为显著。该背景下，部分观点认为，扩大企业规模是促进技术创新能力提升的有效手段[1]，但技术创新能力提升并不是在企业规模连续变化条件下实现的[2]，由企业规模扩张导致资源配置效率低下、结构冗余、内部控制失效等均反映了企业规模存在的“质量”问题[3]。那么，在国家重点扶持下，高技术产业发展规模持续扩大，企业规模增加是否意味着高技术产业绿色创新能力提升？企业规模质量能够反映因企业规模不同而引致的企业内部组织关系和市场竞争力等因素对技术创新的综合影响，当企业规模恰好达到促进(或抑制)技术创新提升的某种状态时，则认为企业规模是有质量(或无质量)的，即企业规模质量的含义并非传统意义上产品符合规定要求程度，而是一种判断企业规模存量或增量对技术创新的作用是否处于合适状态。一般情况下，学者通常以突破规模阈值促使企业技术创新能力提升的3种情况作为判定企业规模质量提升的常用标准：一是部分高技术产业用于扩大企业规模的投入要素(尤指R&D投入)在突破一定数量前并不能保证创新产出的持续性[4]；二是当企业规模发展到一定程度后，其对企业技术创新的影响会减弱甚至表现出抑制作用[5]；三是企业规模对技术创新的促进作用实现最大化后，部分企业技术创新能力呈现出低迷甚至衰退状态，部分企业则能够进入企业规模对技术创新的下一个作用周期[6]。由此体现了企业规模质量这一概念极强的指向性，即“质量”特指企业规模对技术创新提升作用的优劣程度。
综上可见，提升绿色技术创新能力是我国高技术产业实现可持续发展的必然选择，但由此牵涉出的直接性思考就是，目前国内高技术产业绿色技术创新能力处在何种水平？企业规模质量对其绿色技术创新能力具有何种影响？据此，合理判断高技术产业绿色技术创新能力及其与企业规模质量间的作用机理，对于促进高技术产业转型升级以及提升其技术创新能力具有重要意义。
目前，国内外学者关于绿色技术创新概念与内涵的理解尚处于探索阶段。Braun等[7]最早将绿色技术创新理解为控制环境污染、提高资源利用率等工艺和技术的总称。也有学者认为，绿色技术创新还应包括企业绿色管理手段及产品设计等[8]。中国环境与发展国际合作委员会认为，绿色技术创新范畴还应包括社会发展及制度创新等[9]。虽然上述研究出于不同视角给出的定义有所差别，但可以看出绿色技术创新的主旨内涵就是强调在技术创新过程中彰显绿色理念，通过落实产品及工艺，开发绿色技术以保证产品在整个使用周期的绿色化，从而实现经济效益与环境保护双赢。实质上，影响绿色技术创新水平的因素复杂而多样，其中既包括管理水平[10]、R&D投入强度[11]等企业内部因素，也涵盖外部网络关系[12]、政府支持[13]、产业集聚[14]等企业外部因素，尤其是环境规制对绿色技术创新的作用机理受到国内外学者广泛讨论。如“波特假说”认为，适度的环境规制能够对绿色技术创新产生促进作用，在此过程中，技术创新不仅可以抵消企业环保投入成本，也对企业生产运营能力具有正向效应[15]。但也有学者认为，受地理环境、产业类别等因素的影响，环境规制对绿色技术创新的促进作用具有不确定性(张峰等，2019)。此外，绿色技术创新效率测度方式备受学者关注，大致可分为两类：一类是通过构建评价指标体系对企业绿色技术创新能力进行评价。如毕克新等[16]基于技术转移视角构建了跨国公司对国内制造业绿色技术创新效率影响效果评价指标体系；李妍等[17]基于综合合项思维方法，以提高城市竞争力为目标构建了城市可持续发展评价指标体系。另一类运用随机前沿函数、距离函数等模型，通过考量企业投入产出指标对其绿色技术创新能力进行评价。如罗良文等[18]采用主成分分析法对中国各区域工业企业绿色技术创新效率指标数据进行降维，通过DEA方法对企业绿色技术创新效率进行测度并分别进行了因素分解；吴超等[19]运用DEA-RAM联合效率模型测度了中国16个重污染行业绿色技术创新效率；沈能等[20]利用考虑非期望产出的Meta-frontier对国内各省市绿色创新效率进行测度，并运用结构化方程模型对绿色创新驱动因素进行了研究。
关于哪种企业规模对技术创新作用机制最为有效的探讨从未间断，现有观点大致归为3类：①大企业创新优势论。此种观点认为，大企业在研发能力、创新风险把控及知识产权保护等方面具有较高水平[21]；②小企业创新优势论。此种观点认为，因小企业规模较小，其创新激励机制较大企业而言更为灵活，简单的组织结构有效抑制了官僚体制发展，更有可能从独特角度开展具有颠覆性的创新活动，从而开发出新商业模式[22]；③将前两种观点加以整合的“倒U”型关系论。此理论认为，能够保证企业具有稳定创新输出的企业规模普遍存在临界值问题[23]。上述不同类别观点均是将企业规模视为R&D投入长期积累的结果，并将其与企业家精神的颠覆作用相关联。目前来看，已有研究将R&D投入积累性同企业家精神颠覆性看作互补要素，认为在倒U顶点左侧区域内，具有显著的稳定性和跳跃性特征[4]，而此特征与自然科学范畴的阈值概念相吻合，若将对技术创新产生促进作用的有限企业规模增长空间视为阈，则跃入此空间的最小值即为规模阈值。虽然规模阈值解读对传统企业规模概念能产生较大冲击，但在实证研究中选取的固定资产、职工人数等单一指标仅能表示企业规模R&D投入条件，难以精确刻画因企业规模变化诱致企业内外部环境因素变化对技术创新产生的影响[24]。
综上所述，目前学界在绿色技术创新和企业规模质量理论及实证方面均取得了具有实际意义的研究成果，对衡量高技术产业绿色技术创新效率水平及探究企业规模质量驱动作用具有重要借鉴意义。但在国内加快推进高技术产业发展及可持续发展战略背景下，尚有一些实际问题值得思考：国内高技术产业绿色技术创新能力处于何种水平？区域间高技术产业绿色技术创新能力具有哪些差异？企业规模质量对高技术产业绿色技术创新会产生哪些影响？基于上述考虑，本文首先运用三阶段组合效率测度模型，在剔除外界环境因素和统计噪音干扰后,客观测度国内高技术产业绿色技术创新效率，并在此基础上，以企业规模质量为门槛变量考察其对高技术产业绿色技术创新效率的作用机理，对提升高技术产业绿色技术创新水平具有一定借鉴意义。
三阶段组合效率测度模型除可同时对投入产出松弛进行调整，从而剔除外界环境因素和统计噪音对效率测评结果的差异性影响外，还可以对非正值进行处理，由此可避免因强制性调整导致效率估计出现偏误。因此，本文运用三阶段组合效率测度模型对国内高技术产业绿色技术创新效率进行测度。研究过程分为以下3个阶段：
(1)第一阶段：效率测算。RAM模型是由DEA创建者之一Cooper等[25]在早期与第一个组合效率测度模型共同提出，其具有相对成熟的理论与实践基础。为此，本文用其构建高技术产业绿色技术创新效率测度模型。
(1)
其中，θ表示高技术产业绿色技术创新效率；
表示评价单元的第i项投入松弛；
表示评价单元的第r项产出松弛；
表示数据幅度/区域(rang)，表达式分别为：
是第j项生产单元的第i项投入；yrj(r=1,2,…,s)是第j项生产单元的第r项产出。
(2)第二阶段：投入产出调整。以vij、uij、vrj和urj分别表示生产单元j的第i、r项松弛变量的统计噪音与管理无效率。
和
分别为由第一阶段测得的第i项投入松弛、第r项产出松弛。基于此，以Cobb-Douglass生产函数为基础，考虑松弛的SFA模型为：
(2)
其中，
为常数项。
(3)
其中，
为常数项。
通过式(2)、式(3)可分别得到投入产出松弛的参数估计
和
基于此，通过管理无效率点估计法得到其估计值[26]，即：uij=E[uij|vij+uij]和urj=E[urj|vrj+urj]，并基于式(2)、式(3)得到vij和vrj的估计值[28]。
(4)
(5)
根据式(2)、式(3)中的投入松弛和产出松弛，估计值分别为：
和
在剔除外界环境因素和统计噪音的干扰后，得到SFA调整模型。
投入调整：
(6)
产出调整：
(7)
基于此，结合式(4)、式(5)，可得到如下具体投入产出数据调整式。
(8)
(9)
(3)第三阶段：重新计算效率值。将调整后的投入
和产出
利用RAM模型重新计算即可得到剔除外界环境因素和统计噪音干扰的高技术产业绿色技术创新效率值。
根据Hansen[28]的面板数据门槛模型研究思路，将本文基本方程定义如下：
(10)
其中，i和t分别表示样本个体数和样本时间;yit为被解释变量，qit为门槛变量，且y和q均为标量;xit为解释变量;I(·)为指示性函数;uit为待观测样本个体效应；θ为系数向量；dit表示一组能够对被解释变量产生影响的控制变量；εit为随机干扰项。
参考Hansen门槛模型设定方法，本文单一门槛模型表示如下：
lnTechit=α0+λ1lnScaleitI(lnScaleit≤γ1)+λ2lnScaleitI(lnScaleit>γ2)+β1lnFocusit+
β2lnMarketit+β3lnLaborit+β4lnInvesit+εit
(11)
其中，Scaleit为企业规模质量水平，并表征门槛变量；γ表示门槛值，在单一门槛模型条件下，所得门槛值将测量区间分成两部分，在不同区间内，以λ1和λ2分别表示高技术产业企业规模质量的估计系数。结合面板门槛模型回归理论，门槛值估计过程以最小残差平方和原理为理论基础，可使用OLS方法对给定回归模型中的门槛值进行残差平方和求和处理，其中门槛值即在残差平方和去最小值时对应的γ值，即：
(12)
Hansen在估计候选门槛值γ时运用“栅格搜索法”计算出门槛值对应的平方和，并以此为基础确定最小门槛值即为真实门槛值。在确定门槛模型参数值后，还需进一步对门槛进行相关性检验，主要包括以下两个过程：①检验门槛效应的显著性；②检验门槛估计值的真实性。设定式(10)不存在门槛效应的原假设为：H0:β1=β2。此时，构造Lagrange乘数(LM)，检验统计量如下：
(13)
其中，S0表示零假设下的残差平方和。以上部分参数估计和假设检验均表示当存在单门槛情况时进行，但实际情况却可能存在多个门槛，此时以此为基础进行类比即可。
(1)高技术产业绿色技术创新效率(Tech)。技术创新投入是支撑高技术产业发展的基础条件，考虑数据可获取性及参考现有相关评价指标，选取R&D经费投入(RD_E)、R&D人员全时当量(RD_P)分别作为高技术产业在资本和劳动方面的投入指标。高技术产业绿色技术创新必须考虑能源约束问题，旨在减少环境污染并提高能源利用率，因此选择能源消耗量(ENR_IN)作为高技术产业绿色技术创新能源投入指标较为合理。鉴于高技术产业绿色技术创新在促进产业发展过程中对环境质量兼顾的需求，本文将产出指标设为期望产出和非期望产出两部分。其中，期望产出分别以高技术产业专利申请数(NU_P)和新产品销售收入(PRO_SR)表示；非期望产出则以高技术产业废水排放量(WAS_DI)和SO2排放量(SO_EMI)表示，以此体现高技术产业在创新过程中触发的环境效应。此外，由于绿色技术创新效率测算还受到外界环境因素的差异性影响，可能导致测算结果与实际情况存在偏差。为此，需要消除外界环境因素的影响。环境变量选择必须满足“分离假设”需求，即在较短时间内对绿色技术效率产生影响，但不会被样本影响或更改。据此，本文选取政府扶持强度(GOV_SUP)、地区经济发展水平(REG_ECO)和科技水平(TE_LEVEL)作为高技术产业绿色技术创新过程中的环境变量。其中，政府扶持强度以政府R&D资助占地方财政支出的比重表示；地区经济发展水平以该地区实际GDP与总人口数的比重表示；科技水平以该地区R&D投入占GDP的比重表示。
(2) 企业规模质量(Scale)。对“质量”进行衡量的关键在于“量”和“质”的划分与融合，企业规模对技术创新能力的影响已经由R&D投入数量扩展到R&D投入效果，企业规模质量这一概念表示的是R&D投入效果对技术创新能力的影响，即对技术创新产生影响的因素除R&D投入外，还包括非R&D投入和知识能量两个重要影响因素(刀秀华等，2018)，故本文将三者共同作为衡量高技术产业企业规模质量的基本维度。其中，根据相关研究非R&D投入[29]包括：新增固定资产、改造经费投入、购买国内技术经费投入、技术引进经费投入和消化吸收经费投入，即除R&D投入对技术创新的直接影响外，企业因组织或市场能力等因素提升同样能够增强企业规模(R&D投入)对技术创新的促进作用；除R&D投入和非R&D投入外，创新成果持续输出通常还需要传统产业与新兴产业结合重构以及以新思路蕴蓄知识能量，促使产业实现接续发展，而知识能量形成过程通常包括知识解码、知识获取、知识储存和知识流通4个方面[30]。
(3) 控制变量：①劳动者素质(Labor)是在R&D投入研究中被重点考虑的因素，本文以大专及以上学历劳动力规模占劳动就业人口的比重表示；②产业集聚度(Focus)能够体现高技术产业市场容量及其总体状态，本文以企业数量表示高技术产业集聚度；③外资依存度(Inves)对高技术产业投资战略具有直接影响，必然也会影响其绿色技术创新能力，本文以外商直接投资与行业总产值的比重表征；④市场环境(Market)对高技术产业发展具有直接影响，本文以高技术产业技术市场交易额对其进行度量。
本文选取中国内地高技术产业2008-2017年面板数据进行测度，由于西藏、内蒙古和海南数据缺失严重，故此处暂不考虑，个别省份存在少量数据缺失用线性拟合法补齐。分析数据主要来源于《中国统计年鉴》、《中国科技统计年鉴》、《高技术产业统计年鉴》及各地市统计年鉴与公报获取。总体来看，各省份技术创新投入和产出变量大都呈增长趋势，且不同省份间存在较大差异比，表明样本涵盖高技术产业不同层次企业规模质量，可保证企业规模质量与技术创新效率间实证结果可信度。
基于前文对随机前沿环境因素和统计噪音的检验，本文进一步采用RAM模型分别对各省市高技术产业绿色技术创新效率估计值及松弛集合进行测算和SFA分析。由样本SFA分析可知，各观测点测得的总方差均显著不为0，表明外界环境因素及统计噪音会对区域间高技术产业绿色技术创新效率对比结果产生干扰，且选取的环境变量对投入松弛及产出松弛也具有不同影响。考虑到环境变量对技术创新的影响具有时效性，本文利用测度期内最新观测点2017年的数据分析环境变量对投入产出松弛的影响。具体如下：
(1)政府扶持强度与资本、能源投入松弛回归系数为正值，而与劳动力投入松弛回归系数为负值，且均在1%显著性水平下通过检验，表明政府扶持对高技术产业资本投入松弛、能源投入松弛和劳动力投入松弛均有显著影响。其对资本和能源投入松弛的影响显著为正的原因在于，由于政府间的行政隶属关系，其对高技术产业提供资金及政策等支持的同时，也可能出现脱离市场规律以及对企业自主创新过度干预的现象，且对民营投资具有挤出效应。此外，政府的一些政策由于缺乏可操作性，致使企业难以消化吸收，加上监管工作落实不到位，从而导致资本和能源利用效率低下。政府扶持强度与劳动力投入、专利申请数和新产品销售收入松弛回归系数为负，表明政府适应性政策能够为高技术产业发展提供助力；而其对非期望产出不足具有正向影响意味着在政策导向下，随着高技术产业发展水平逐渐提升，其对环境污染问题的控制能力进一步加强。
(2)地区经济发展水平与劳动力投入松弛回归结果为负，但并不显著，与资本和能源投入松弛回归结果为正，且与资本投入松弛的回归结果在10%显著性水平下通过检验。这表明，地区经济发展水平越高，劳动力投入浪费也会相应越少，这与陈凯华等[31]的研究结论相吻合。此外，地区经济发展水平对能源投入松弛的影响并不显著，但对资本投入松弛具有较为显著的正向效应，能够降低资本投入利用率。这是因为，地区经济发展水平对企业资本投入利用率的影响具有门槛效应[32]，在低于门槛值情况下，地区经济发展水平提升并不能有效提升其资本投入利用率。而对专利申请数和新产品销售收入松弛变量的回归系数为负，表明经济发展水平越高，技术研发成果和高技术产业经济产出不足越少，这意味着地区经济发展水平能够有效提升高技术产业经济动能；非期望产出松弛变量系数均为正则意味着地区经济发展水平越好，高技术产业对污染物治理效果越高，经济增长为高技术产业污染治理提供了有力支撑。
(3)科技水平对劳动力投入松弛、资本投入松弛和能源投入松弛均具有负向影响，且三者均在1%显著性水平下通过检验。这表明，科技水平提升对资本、劳动及能源投入效率提升均具有显著促进作用。首先，科技水平提升无疑对高技术产业资源配置具有优化作用，且在大范围先进管理及技术水平作用下，势必进一步提高高技术产业资源利用率，节约大量能源，即科技水平提升对资本和能源投入松弛的影响与实际情况相符。此外，随着科技水平的提升，劳动生产效率也会出现正向波动，但这并不意味着二者能够保持同步发展趋势，因为劳动投入效率提升是由经济体制、劳动者积极性等因素共同作用决定的，这与郭四代等[33]的观点相一致。科技水平对期望产出不足、非期望产出不足的回归系数分别为负向和正向，表明科技水平提升不仅为高技术产业经济增长提供了良好的支撑作用，同时能够有效控制废弃物排放，为高技术产业可持续发展提供了有利条件。
运用RAM模型对调整前后分别进行估计，可得到考察范围内28个省份的高技术产业绿色技术创新效率测度值和排名变化，同时还可以分析出环境因素和统计噪音对各省份高技术产业绿色技术创新效率测度结果的差异性影响，具体结果见表1。
由表1对比结果可知，调整后大部分省份高技术产业绿色技术创新效率排名均出现了波动。以2017年为例，仅有天津、河北、上海、山东、广东等12个地区效率排名在调整前后未发生改变，其余地区均有不同幅度变动。这意味着，外界环境因素和统计噪音对高技术产业绿色技术创新效率测评结果具有不同程度的干扰作用，消除其对绿色技术创新效率的差异性影响是提高高技术产业创新能力的关键。为分析我国高技术产业绿色技术创新能力整体情况和空间差异特征，分别基于全国视角和三大区域视角对其调整后的绿色技术创新效率进行分析：
表1 调整前后各省份高技术产业绿色技术创新效率值
省份2008调整前调整后排名变化2011调整前调整后排名变化2014调整前调整后排名变化2017调整前调整后排名变化北京0.873 0.956 ↑0.958 0.976 -0.993 0.962 ↓0.996 0.975 ↓天津0.893 0.876 ↓0.901 0.930 ↑0.968 0.915 ↓0.954 0.949 -河北0.715 0.543 ↓0.739 0.731 ↑0.817 0.792 -0.828 0.817 -辽宁0.695 0.541 ↓0.691 0.608 ↓0.789 0.697 -0.849 0.612 ↓上海0.879 0.896 -0.933 0.931 -0.998 0.965 -0.971 0.983 -江苏0.792 0.809 -0.895 0.914 ↑0.937 0.949 ↑0.963 0.990 ↑浙江0.791 0.853 ↑0.880 0.884 -0.943 0.987 ↑0.982 0.996 ↑福建0.757 0.671 -0.769 0.783 -0.854 0.810 ↓0.853 0.848 ↓山东0.623 0.625 ↑0.746 0.813 ↑0.826 0.894 -0.889 0.949 -广东0.822 0.661 ↓0.905 0.910 ↓0.968 0.958 -0.959 0.974 -广西0.584 0.639 ↑0.576 0.675 ↑0.797 0.784 ↓0.638 0.723 ↑山西0.656 0.666 ↑0.655 0.628 -0.737 0.592 ↓0.708 0.726 ↑吉林0.569 0.530 -0.677 0.658 ↑0.713 0.686 -0.798 0.748 ↑黑龙江0.592 0.559 -0.652 0.626 -0.580 0.707 ↑0.760 0.726 -安徽0.638 0.610 -0.734 0.698 -0.749 0.791 ↑0.870 0.836 ↓江西0.616 0.566 -0.776 0.725 ↓0.797 0.732 ↓0.850 0.840 -河南0.646 0.566 ↓0.618 0.531 ↓0.749 0.702 -0.688 0.742 ↑湖北0.583 0.570 ↑0.633 0.583 ↓0.650 0.689 ↑0.816 0.770 -湖南0.579 0.531 -0.689 0.607 ↓0.759 0.800 ↑0.818 0.892 ↑四川0.609 0.774 ↑0.789 0.827 -0.835 0.876 -0.813 0.816 ↑重庆0.772 0.698 -0.736 0.719 -0.702 0.775 ↑0.841 0.832 -贵州0.467 0.446 -0.529 0.634 ↑0.594 0.615 ↓0.648 0.681 -云南0.516 0.495 ↑0.596 0.635 ↑0.581 0.657 ↑0.633 0.663 ↑陕西0.566 0.509 -0.542 0.524 -0.678 0.659 -0.694 0.715 -甘肃0.525 0.465 ↓0.605 0.515 ↓0.657 0.668 ↑0.656 0.687 -青海0.619 0.653 ↑0.686 0.619 ↓0.783 0.682 ↓0.795 0.712 ↓宁夏0.496 0.462 -0.633 0.612 ↓0.694 0.642 ↓0.760 0.722 ↓新疆0.695 0.586 ↓0.706 0.689 -0.828 0.652 ↓0.749 0.729 ↑全国0.663 0.634 0.723 0.714 0.785 0.773 0.814 0.809
(1)基于全国视角看，高技术产业绿色技术创新效率水平稳步提升，但仍存在较大上升空间。测评结果显示，高技术产业绿色技术创新效率在2008-2017年从0.634提升至0.809，效率值取得了较为明显的进步。这与国内高技术产业发展实际基本一致，尤其是近年来我国不断加快创新型国家建设步伐，秉持创新驱动与绿色低碳理念协调发展，多种因素共同驱动高技术产业创新能力迅速提升。另外，各地区政府通过环境规制等手段不断加强环境污染检测及治理力度，一方面对区域绿色创新环境进行改善，节约了高技术产业创新成本；另一方面，通过政策要求对高技术产业绿色创新形成倒逼机制，从而保证了其提升绿色技术创新能力的积极性。另外，绿色消费意识和生态意识等在社会大环境中逐渐普及，形成了良好的社会风气及道德力量，均对国内高技术产业绿色技术创新能力提升具有正向作用。但通过对整体测评结果及效率平均值进行分析可知，效率值增长速率相对较慢，同时整体效率值尚未突破0.9，说明高技术产业绿色技术创新效率仍有较大提升空间。运用RAM模型所得测评结果仅能够表明在所有省份中，效率值较高地区的高技术产业绿色技术创新能力相对较高，并不代表不需要改进，这也印证了目前国内高技术产业创新能力有待进一步提升的客观事实(王惠等，2016)。
(2)基于三大地区视角看，高技术产业绿色技术创新效率具有明显的空间区域特征。为进一步分析各地区高技术产业绿色技术创新能力的差异性，借助SPSS软件对其2008-2017年绿色技术创新效率测评结果进行Hierarchical Clustering聚类分析，并将28个省份的绿色技术创新能力划分为较高水平、中等水平和较低水平。其中，北京、天津、上海、广东、浙江、江苏、福建7个省市高技术产业绿色技术创新效率水平较高。这些省份多位于我国东部地区，在推进高技术产业绿色创新过程中不仅拥有雄厚的经济基础，在政策、资源及人才等方面还都拥有地区比较优势，同时也率先成为国内创新驱动发展战略重点推进区域，整体创新管理及技术水平较高，创新资源配置较为合理；安徽、湖南、山东、江西、河南等13个省份高技术产业绿色技术创新能力属于中等水平，且主要位于我国东部和中部地区。中部地区具有承东启西的区位优势，其对我国区域协调发展战略具有至关重要的作用，虽然中部地区高技术产业绿色技术创新能力与东部地区存在一定差距，整体来看，其效率水平呈逐年上升趋势，具备一定的发展潜力。但需要注意的是，中部地区在承接东部地区产业转移过程中，面临着因部分低端产业入驻而导致的环境污染问题，如长江中游和黄河中游两大区域化工、农药和基础化学等相关企业数量近年来快速增长，加剧了环境污染，而由此产生的负外部性对其它产业的创新积极性和创新动力均会产生一定程度的抑制作用，从而不利于高技术产业绿色技术创新活动开展。湖北、甘肃、贵州、云南、陕西等8个省份高技术产业绿色技术创新能力水平较低，这些省份多处于我国西部经济欠发达地区，由于地理位置的特殊性，资金注入和研发项目与中部和东部地区均存在显著差距，科研人才培养、创新平台建设和重大项目申报等也明显处于劣势，这些因素不仅对西部地区经济发展具有抑制作用，还可能导致创新资源配置不合理以及资源利用率低下，从而抑制绿色技术创新能力提升。此外，还可发现东北地区高技术产业绿色技术创新水平也相对较低，这可能是由于东北地区产业结构以重工业为主，呈现出高污染、高排放等特点，加上东部地区一些产业将发展重心转移至低碳环保新兴产业，部分不符合可持续发展理念的产业群迁移至东北地区，加剧了该地区的环境污染。
基于高技术产业绿色技术创新效率区域差异性检验结果，本文利用面板门槛模型对企业规模质量与绿色技术创新能力内在关系进行检验。为衡量高技术产业企业规模质量水平，本文运用因子分析法对企业规模质量相关指标进行降维处理，在累计方差贡献率大于85%的条件下，从企业规模质量评价指标中提取3个主因子，并由此计算各省份企业规模质量的总和因子得分，得到企业规模质量水平。对于门槛模型分析，首先需要确定门槛个数，分别以不存在门槛值、存在一个门槛值和两个门槛值作为原假设进行检验，以自抽样检验法所得检验结果如表2所示。
检验结果显示，单一门槛、双重门槛和三重门槛分别在5%、1%和10%显著性水平下拒绝原假设，故本文选择企业规模质量的双重门槛效应进行讨论。为更加清晰地观测门槛值估计过程及其95%置信区间，基于两个门槛值情形，绘制高技术产业企业规模质量门槛值似然比统计图，见图1。
表2 门槛存在性检验结果
模型F值P值BS次数临界值1%5%10%单一门槛6.583∗∗0.02030010.2656.0874.581双重门槛12.636∗∗∗0.0003009.4275.4383.836三重门槛6.669∗0.06930021.29810.2195.589
(a)门槛情形一 (b)门槛情形二
图1 高技术产业企业规模质量门槛值似然比统计
门槛值估计结果及95%置信区间如表3所示。结合图1可知，双门槛值γ1、γ2的95%置信区间分别为[5.667，5.729]和[6.620，6.686]，此区间内所有LR值均小于7.352(图中虚线)，即5%显著性水平下的临界值。
表3 门槛值估计结果及置信区间
检验门槛估计值95%置信区间门槛值γ15.697[5.667,5.729]门槛值γ26.667[6.620,6.686]
根据双门槛值γ1和γ2，可将我国高技术产业企业规模质量分为较高水平(Scale>6.667)、中等水平(5.697<Scale≤6.667)和较低水平(Scale≤5.697)3个区间。具体来看，处于第一区间的有青海、甘肃、宁夏、贵州、山西、云南和陕西7个省区。安徽、四川、河北、辽宁、吉林、黑龙江、山西、湖北、河南、湖南、新疆、江西12个省区高技术产业企业规模质量处于第二区间。其余9个省市，包括北京、上海、天津、浙江、广东、江苏、山东、重庆、福建均处于第三区间。
门槛模型参数估计结果如表4所示，据其可知，产业集聚水平对高技术产业绿色技术创新效率具有显著正向影响，因为产业集聚水平提升缩短了企业间空间距离，促使专业人才汇聚，企业间可共享基础设施、市场信息等，从而有利于绿色技术创新活动开展；另外，集聚发展具有技术溢出效应，由于高技术产业发展对技术依赖性较强，技术溢出空间特征促使区域内企业间形成良性互动，同时还能吸引邻近区域同类型企业集聚，进一步加速技术传播和应用。市场环境对高技术产业绿色技术创新效率的回归系数为正，且在1%临界值水平下通过检验，表明成熟的市场环境能够为高技术产业发展绿色经济提供更多机会。在市场机制调节下，高污染、高能耗产业逐渐转型甚至被淘汰，提高资源、能源利用率成为各行业发展关注的重点，具有资源能源利用率高、污染少等符合市场要求特点的绿色产品逐渐成为高技术产业发展重点。劳动者素质对高技术产业绿色技术创新效率的回归系数为正，这是因为劳动者素质提升有利于企业优化劳动力结构、提升资本节控能力，从而提升劳动及资本投入效率，对高技术产业创新活动产生直接影响。虽然外资依存度与高技术产业绿色技术创新效率间的回归系数为正，但未通过显著性检验，表明外资依存度并不能对高技术产业绿色技术创新效率产生显著影响。
就高技术产业企业规模质量对绿色技术创新效率的双重门槛效应而言，R&D投入强度与绿色技术创新效率间并非只是简单的线性关系。结合表4可知，第一区间内企业规模质量对绿色技术创新效率具有正向效应，回归系数为0.093，但促进作用并不显著，表明R&D投入量有待提升，暂时不能产生积累效应，企业规模质量还未达到能够显著促进高技术产业绿色技术创新效率提升的最低要求；第二区间内企业规模质量对绿色技术创新效率具有显著正向作用，回归系数为0.719，表明当企业规模质量越过第一门槛值时，R&D投入产生积累效应，增加R&D投入能够快速提升高技术产业绿色技术创新能力；第三区间内高技术产业企业规模质量与绿色技术创新效率间具有显著正相关关系，回归系数为0.230，增加R&D投入同样能够提升高技术产业绿色技术创新能力，但此时非R&D投入和知识能量对R&D投入产生了限制作用，相对于第二区间而言，R&D投入对绿色技术创新效率提升的促进作用相对较弱。
表4 规模质量门槛回归估计结果
Tech系数估计值TFocus0.321∗∗2.19Market0.256∗∗∗4.96Labor0.122∗1.67Inves0.0351.09Scale≤5.6970.0930.225.697
注:以上变量均采用自然对数形式
双门槛效应有效刻画了高技术产业在企业规模质量扩张不同阶段对绿色技术创新效率的差异性影响。由于研发投资成本往往很高，在第一区间内，部分规模质量较小的企业由于缺乏充足的研发资金难以保证创新产出的持续性，以至于虽然R&D投入在不断积累，但仍不能对绿色技术创新效率产生显著影响。在此阶段，企业应该持续加大创新投入力度，加快创新投入积累以越过第一门槛；当企业规模质量处于第二区间时，R&D投入积累效应对绿色技术创新具有直接影响，企业创新能力迅速提升，且创新研发资金问题更容易得到解决，由于金融机构资助对象多倾向于成功率高、风险低、规模大、周期短的具有良好发展前景的高技术产业，与金融机构合作是一种非常好的融资手段；当企业规模质量越过第二门槛值时，虽然R&D投入依然能够直接带动创新效率提升，但此时能够对R&D投入效果产生影响的其它因素也开始发挥作用，即除R&D投入外，非R&D投入和知识能量对绿色技术创新效率的促进作用开始显现，增加非R&D投入、开展知识能量富集活动能够保证企业规模具有更高的风险控制质量和结构质量，故在此阶段应及时对R&D、非R&D和知识能量投入结构作出适应性调整，合理加大对三者的投入力度、提高企业规模质量水平，从而保证绿色技术创新成果的高效输出。
本文运用三阶段组合效率测度模型，在剔除外界环境因素和统计噪音干扰后，对全国内地28个省市2008-2017年高技术产业绿色技术创新效率进行测度。在此基础上，构建高技术产业绿色技术创新效率与企业规模质量门槛计量模型，分析企业规模质量对绿色技术创新效率分阶段差异性影响，得出如下主要结论：
(1) 通过对投入产出进行调整，各省份高技术产业绿色技术创新效率均出现了不同程度的波动，且大多数省份绿色技术创新效率排名也发生了变化。总体来看，虽然在样本测度期内全国高技术产业绿色技术创新效率稳步提升，但增长速率相对较慢，同时整体效率值尚未突破0.9，仍具有较大的上升空间。此外，我国各省份高技术产业绿色技术创新效率具有明显的空间区域特征，其中东部地区效率值居高，中西部及东北部地区效率值相对较低。
(2) 高技术产业企业规模质量与绿色技术创新效率间关系符合双重门槛模型。其中，第一门槛值设定为5.697，第一区间内企业规模质量对绿色技术创新效率的回归系数为0.093，促进作用相对较弱且不显著；在越过第一门槛值后，R&D投入积累到一定程度，企业规模质量与绿色技术创新效率的回归系数为0.719，且在1%临界值水平下通过检验，即企业规模质量对绿色技术创新效率具有显著正向作用；第二门槛值设定为6.667，在越过第二门槛值后，二者间回归系数为0.230，虽然增加R&D投入对绿色技术创新效率仍具有显著正向作用，但此时非R&D投入和知识能量成为限制效率提升的瓶颈，R&D投入对绿色技术创新效率的促进作用与第二区间相比相对较弱。
(3)环境因素对各省市高技术产业绿色技术创新的投入产出松弛具有差异性影响。其中，科技水平对创新投入和产出效率提升具有显著促进作用，但需要注意的是，政府扶持强度对资本和能源投入松弛均在1%临界值水平下表现为显著正向影响效应，地区经济发展水平对资本投入松弛在10%临界值水平下表现为显著正向影响效应，即政府扶持强度和地区经济发展水平对高技术产业绿色技术创新资本和能源投入效率提升表现出了不同程度的抑制作用，从而限制了其绿色技术创新能力发展。此外，产业集聚、市场环境和劳动者素质均对技术创新效率表现出显著正向作用，而外资依存度作用不明显。
R&D投入、非R&D投入和知识能量在高技术产业企业规模质量发展不同阶段对其绿色技术创新效率具有差异性影响，三者兼顾协调发展才能保证高技术产业绿色技术创新成果输出的持续性和高效性。
(1)兼顾地区高技术产业发展特点及要素禀赋现状，强化高端要素流动配置，以实现高技术产业绿色技术创新效率协同提升。从本文研究结果看，东、中、西部地区高技术产业绿色技术创新效率差异显著，东部地区具有资源禀赋及技术力量等优势，应充分发挥地区内部协同优化作用，制定机制创新型政策，努力突破绿色技术创新机制瓶颈。如允许绿色技术创新团队或个人以分红或持有股权的方式获得技术创新收益，依法依规建立不同领域不同类别的专业绿色技术创新发展联盟等。同时，还应充分发挥绿色技术工程研究中心、绿色企业技术中心、绿色技术创新综合示范区等对其它地区的示范引领作用，带动全国绿色技术创新水平提升。中西部地区应积极借鉴东部地区高技术产业绿色技术创新相关经验，加强与东部地区技术交流与互动，借助国家推进西部地区承接产业转移的政策红利，重点培育一批龙头骨干企业，带动区域绿色技术创新水平高速发展。另外，东北及中部地区应持续加大环保投入力度，规范企业行为，逐渐减少因承接东部产业转移及工业发展等因素对绿色技术创新带来的负面影响效应。
(2)充分考虑企业规模质量门槛区间变化，根据高技术产业发展阶段特点调控R&D投入、非R&D投入和知识能量投入结构。按照本文研究结果，在高新技术产业发展第一阶段应以强化R&D投入规模为主，该阶段政府应深入研究制定绿色技术创新企业认定标准规范，通过开展R&D激励机制的高技术产业绿色技术创新企业认定，以财政支持方式强化高技术企业绿色创新主体地位，但要注意创新链条上企业间垂直分工存在差异，提升各自分工效率以促进企业规模实现最优，从而避免创新资源垄断及梗阻问题的出现；第二阶段应以提高非R&D投入为主，可通过加快绿色创新基地平台建设、技术标准制修订专项计划、健全绿色技术转移转化市场交易体系等多元化方式，在稳定R&D投入的基础上促进高技术产业绿色创新效率提升；第三阶段重点推进知识能量投入，着力促进“产学研”深度融合，并协同金融、中介机构形成产业技术联盟，加强科技与经济的紧密结合，采取创新链多种组织形式，保证高技术产业创新资源流通顺畅。
(3)以激发绿色技术市场需求为突破口，完善市场机制和营商环境有效供给制度，提高高技术产业绿色技术创新要素供给质量。在高技术产业专利权保护制度和职业经理人市场建设等方面，需搞好与市场规律相符和的顶层设计，通过政策倾斜及时对产业发展作出适应性调整。同时，以更加灵活的方式完善政府支持的高技术产业绿色技术科研项目立项、验收、评价机制，针对高技术产业绿色发展，建立常态化绿色技术创新需求征集机制，并健全该类项目分类考评体系，重点考察其实际效益、成熟度与市场可推广性，进一步进行验收标准设定。此外，高技术企业还应顺应绿色技术创新发展趋势，积极响应国家政策要求，与外资企业建立更加紧密的研发合作关系，以研发合作联盟方式进入产业价值链高端环节。同时，还要加大研发工作者智力资本投资力度，构建多渠道、多层次考评晋升机制，促进知识与信息快速传播。
[1] 陈宇科,刘蓝天.环境规制强度、企业规模对技术创新质量的影响[J].科技进步与对策,2019,36(16):84-90.
[2] PETRUZZELLI A M,ARDITO L,SAVINO T.Maturity of knowledge inputs and innovation value: the moderating effect of firm age and size[J].Journal of Business Research,2018,86:190-201.
[3] 姚海琳,贾若康.政府补贴与资源循环利用企业生产率——基于中国上市公司面板门槛效应实证研究[J].资源科学,2018,40(11):2280-2295.
[4] 张世贤.阈值效应:技术创新的低产业化分析——以中国医药技术产业化为例[J].中国工业经济,2005(4):45-52.
[5] 庞春.一体化、外包与经济演进:超边际—新兴古典一般均衡分析[J].经济研究,2010,45(3):114-128.
[6] 高良谋,李宇.企业规模与技术创新倒U关系的形成机制与动态拓展[J].管理世界,2009(8):113-123.
[7] BRAUN E,WIELD D.Regulation as a means for the social control of technology[J].Technology Analysis & Strategic Management,1994,6(3):259-272.
[8] ANTONIOLI D,BORGHESI S,MAZZANTI M.Are regional systems greening the economy? local spillovers,green innovations and firms' economic performances[J].Economics of Innovation & New Technology,2016,25(7):1-22.
[9] 郭进.环境规制对绿色技术创新的影响——“波特效应”的中国证据[J].财贸经济,2019(3):147-160.
[10] ALTENBURG T.Rent management and policy learning in green technology development: the case of solar energy in India[J].Bju International,2017,92(3):205-210.
[11] 李广培,李艳歌,全佳敏.环境规制、R&D投入与企业绿色技术创新能力[J].科学学与科学技术管理,2018,39(11):61-73.
[12] 庞娟,靳书默,朱沛宇.外部网络关系对绿色技术创新的影响——促进抑或抑制[J].科技进步与对策,2019,36(10):1-10.
[13] YARIME M.Promoting green innovation or prolonging the existing technology[J].Journal of Industrial Ecology,2010,11(4):117-139.
[14] LEE V H,OOI K B,CHONG Y L,et al.Creating technological innovation via green supply chain management: an empirical analysis[J].Expert Systems with Applications,2014,41(16):6983-6994.
[15] 张峰,史志伟,宋晓娜,等.先进制造业绿色技术创新效率及其环境规制门槛效应[J].科技进步与对策,2019,36(12):62-70.
[16] 毕克新,杨朝均,隋俊.跨国公司技术转移对绿色创新绩效影响效果评价——基于制造业绿色创新系统的实证研究[J].中国软科学,2015(11):81-93.
[17] 李妍,朱建民.生态城市规划下绿色发展竞争力评价指标体系构建与实证研究[J].中央财经大学学报,2017(12):130-138.
[18] 罗良文,梁圣蓉.中国区域工业企业绿色技术创新效率及因素分解[J].中国人口·资源与环境,2016,26(9):149-157.
[19] 吴超,杨树旺,唐鹏程,等.中国重污染行业绿色创新效率提升模式构建[J].中国人口·资源与环境,2018,28(5):40-48.
[20] 沈能,周晶晶.技术异质性视角下的我国绿色创新效率及关键因素作用机制研究:基于Hybrid DEA和结构化方程模型[J].管理工程学报,2018,32(4):46-53.
[21] CAMARINHAMATOS L,TOMIC S,GRACA P.Technological innovation for the internet of things[J].IFIP Advances in Information & Communication Technology,2016,25(2):617-622.
[22] SIMONEN J,MCCANN P.Innovation,R&D cooperation and labor recruitment: evidence from Finland[J].Small Business Economics,2008,31(2):181-194.
[23] LAZONICK W.Innovative enterprise or sweatshop economics?: in search of foundations of economic analysis[J].Challenge,2015,59(2):1-50.
[24] WATANABE C,TOKUMASU S.Optimal timing of R&D for effective utilization of potential resources in innovation[J].Journal of Advances in Management Research,2003,1(1):11-27.
[25] COOPER W W,PARK K S,PASTOR J T.RAM: a range adjusted measure of inefficiency for use with additive models and relations to other models and measures in DEA[J].Journal of Productivity Analysis,1999,11(1):5-42.
[26] JONDROW J,LOVELL C A K,MATEROV I S,et al.On the estimation of technical inefficiency in the stochastic frontier production model [J].Journal of Econometrics,1982,19(2):259-284.
[27] FRIED H O,LOVELL C A K,SCHMIDT S S,et al.Accounting for environmental effects and statistical noise in data envelopment analysis[J].Journal of Productivity Analysis,2002,17(1):157-174.
[28] HANSEN B E.Threshold effects in non-dynamic panels: estimation,testing,and inference[J].Journal of Econometrics,1999：93.
[29] 余泳,陈龙,王筱.R&D投入、非R&D投入与技术创新绩效作用机制研究——以中国高技术产业为例[J].科技进步与对策,2015,32(6):66-71.
[30] 李宇,王佳,毛培培.面向产业创新升级的企业规模质量:概念界定、量表开发及检验[J].科研管理,2018,39(8):1-10.
[31] 陈凯华,汪寿阳,寇明婷.三阶段组合效率测度模型与技术研发效率测度[J].管理科学学报,2015,18(3):31-44.
[32] NDORICIMPA A.Threshold effects of inflation on economic growth: is Africa different[J].International Economic Journal,2017,31(4):1-22.
[33] 郭四代,仝梦,郭杰,等.基于三阶段DEA模型的省际真实环境效率测度与影响因素分析[J].中国人口·资源与环境,2018,28(3):106-116.