Does Technological Innovation Promotethe High Quality Development of China's Marine Economy——Empirical Test based on Effect of Technological Innovation on GTFP

Qin Lingui1,2,Shen Tiyan1

(1. School of Government,Peking University,Beijing 100871,China; 2. School of Economics and Management,Shenyang Agricultural University,Shenyang 110866,China)

Abstract：Promoting the high-quality development of the marine economy is the inevitable choice for building the sea-power. Using the panel data of coastal areas from 2001 to 2016,this paper estimates the green total factor productivity (GTFP) of marine economy in China's coastal areas,and then studies the impact of technological innovation on GTFP of marine economy from the linear and non-linear perspective. The results show that: in general,China's marine economic GTFP has showed a large fluctuation and then stabilized with an average annual growth rate of 2.85% in recent years; the growth of GTFP mainly depends on the improvement of the technological progress index rather than the efficiency index; technological innovation has a significant role in promoting the marine economic GTFP and contributes to the high-quality development of the marine economy; there is a single threshold effect on the impact of technological innovation on GTFP,and the impact will be more significant after crossing the threshold. While marine economy also enters the new normal,we must adhere to the high-quality development path of the marine economy from “factors and investment-driven” to “innovation-driven”.

Key Words:Technological Innovation; Marine Economy; High Quality Development; Green Total Factor Productivity

DOI：10.6049/kjjbydc.2019090755

开放科学(资源服务)标识码(OSID)：

中图分类号：P74

文献标识码：A

文章编号：1001-7348(2020)09-0105-08

收稿日期：2019-09-25

基金项目：自然资源部海洋战略规划与经济问题研究项目(2019年8月)；辽宁省教育厅项目(WSNFW201901)；辽宁省科技厅项目(2019JH4/10100022)；辽宁省社会科学规划基金项目(L19CJY012)

作者简介：秦琳贵(1989-)，男，安徽阜阳人，博士，北京大学政府管理学院博士后、沈阳农业大学经济管理学院讲师，研究方向为海洋经济、农村金融；沈体雁(1971-)，男，湖北天门人，博士，北京大学政府管理学院教授、博士生导师，研究方向为产业经济。

0 引言

随着国内外发展环境变动，我国经济已经从高速发展阶段转向高质量发展阶段。2015年以来，我国海洋经济平均增长率仅为8.62%，虽然仍高于GDP增速，但与之前两位数的增长相比，已经有了大幅下降。与全国经济形势类似，海洋经济同样由高速发展阶段转向新常态，增长速度开始放缓。为加快海洋经济高质量发展，我国出台了一系列政策：党的十八大提出，提高海洋资源开发能力，坚决维护国家海洋权益，建设海洋强国的战略目标；十九大报告进一步提出，坚持陆海统筹，加快建设海洋强国。海洋经济示范建设不断推进，从2011年的海洋经济发展试点到2016年的海洋经济创新发展示范城市，再到2018年的14个海洋经济发展示范区。2018年，习近平同志指出，建设海洋强国，加快海洋科技创新步伐，推动海洋经济高质量发展，关键在于科技创新。我国海洋经济长期以来资源依赖性特征较为显著，海洋油气业、海洋渔业等传统产业占比较高，海洋电力、海水淡化、海洋生物医药等海洋新兴产业体量较小，海洋领域新旧动能转换、海洋经济产业结构升级需要加强科技创新，进而促进海洋经济高质量发展。推动全要素生产率驱动发展是实现经济高质量发展的核心表现，而绿色全要素生产率进一步考虑了资源和环境约束，更能体现高质量发展内涵。因此，本文基于科技创新对海洋经济绿色全要素生产率增长效应的实证分析，揭示科技创新在促进我国海洋经济高质量发展中的作用和效果，为推动海洋经济高质量发展提供决策参考。

1 文献综述

近年来，科技创新对经济高质量发展影响的相关研究一直是学术界关注的问题。创新驱动，尤其是核心技术创新是提升国家竞争力、保障国家安全的重要基石，是支撑引领高质量发展的动力源泉[1]。实现高质量发展是新时代中国经济发展的根本要求，而高质量发展离不开科技创新推动[2]。陈昌兵[3]认为，我国三次产业发展的主要动力已经转换到创新上，创新是新时代我国高质量发展的动力；涂正革等[4]研究发现，偏向资本的技术进步有助于经济高质量发展；刘思明等[5]通过编制创新驱动力指数，实证分析了创新驱动对经济高质量发展的影响。由此可见，多数文献支持科技创新有助于经济高质量发展，但是关于海洋经济高质量发展测度，以及科技创新对海洋经济高质量发展影响的相关文献鲜见。

关于经济高质量发展水平测度，学术界未尚形成统一的意见，主要测度方式可以分为两类：一类是通过构建综合评价指标体系衡量区域高质量发展水平，如钞小静等[6]从经济增长结构、稳定性、福利分配、生态环境4个方面构建经济增长质量指数；宋明顺等[7]进一步从竞争质量、民生质量、生态质量3个维度衡量经济发展质量；师博等[8] 、李金昌等[9]从增长的基本面和社会成果两个维度构建经济增长质量综合评价体系。另一类是利用替代指标衡量经济高质量发展水平，如金碚[10]认为，经济发展质量是一个综合性概念，不可计量因素的存在导致学术界大多采用替代性指标反映经济高质量发展水平。部分学者使用人均实际GDP作为衡量经济发展质量的代理变量，如陈诗一等[11]、廖祖君等[12]、郭晨等[13]在研究新型城镇化建设对区域经济发展质量的影响时，采用区域全要素生产率衡量经济发展质量；陈昌兵(2018)认为，高质量发展的含义丰富，但其根本在于提高劳动生产率和全要素生产率；刘思明等(2019)、涂正革等(2019)也采用全要素生产率衡量经济高质量发展。

由于绿色全要素生产率充分考虑了资源环境约束，更能体现高质量发展内涵，因此，近年来越来越多的相关文献开始使用绿色全要素生产率作为高质量发展的代理变量。金碚(2018)认为，高速增长阶段的关切主要表现为“GDP 居首”，高质量发展阶段更关切“绿色环保”；吴传清等[14]选取绿色全要素生产率衡量长江经济带经济高质量发展水平；何爱平等[15]认为，绿色发展效率是新时代中国特色社会主义经济转向高质量发展的重要衡量指标。

关于科技创新与绿色全要素生产率间关系的研究，多数学者认为，科技创新有助于绿色全要素生产率提升。袁宝龙等(2018)认为，实质性创新对绿色全要素生产率具有显著促进作用，策略性创新只对西部地区GTFP具有促进作用；吴新中等[16]认为，技术创新能够促进长江经济带工业绿色全要素生产率提高。少数学者认为，科技创新不一定能促进绿色全要素生产率提升，例如王晓晓等[17]研究发现，不同执行部门的研发投入对全要素生产率的影响具有显著差异，美国政府科研机构投入对于TFP的回归系数显著为负；李健等[18]采用“科研、技术服务和地质勘查从业人数”代表科技创新因素，发现其对三大城市群GTFP的回归系数为负。部分学者研究发现，科技创新与绿色全要素生产率存在非线性关系，如葛鹏飞等[19]通过实证研究发现，基础创新对“一带一路”国家绿色全要素生产率的提升效应是边际递减的，而应用创新的作用则是先降后升；吴传清等(2019)发现，对外开放背景下，科技创新对绿色全要素生产率的影响呈现出显著正向“N”形非线性特征。

关于海洋经济绿色全要素生产率的研究是近几年才开始的，且现阶段成果相对较少。丁黎黎等[20]、赵昕等[21]首先构造资源与环境损耗指数，测算资源环境双重因素下沿海地区海洋经济绿色全要素生产率，并分析海洋产业结构、海洋专业技术水平、环境污染治理等因素的影响；盖美等[22]、狄乾斌等[23]分别使用三阶段超效率SBM-Global模型和SBM-Malmquist指数模型测度沿海省市海洋经济绿色全要素生产率，并分析了陆域经济发展水平、海洋产业结构、海洋科研人力资本等影响因素；胡晓珍[24]、韩增林等[25]则使用DEA-Malmquist指数模型对中国沿海省市海洋经济效率和全要素生产率进行测度。

纵观以上文献，现有科技创新、区域经济高质量发展以及全要素生产率相关研究比较丰富，但是仍有一些不足之处：一是海洋经济高质量发展实证研究相对较少，尚未有采用绿色全要素生产率衡量海洋经济高质量发展水平的文献；二是关于科技创新能否促进海洋经济绿色全要素生产率提升的研究相对较少；三是关于海洋经济绿色全要素生产率测度有待进一步研究。一方面，关于非期望产出的设定，如丁黎黎等(2015)、赵昕等(2016)建立资源与环境损耗指数作为非期望产出，而大多数绿色全要素生产率是将资源作为投入要素，胡晓珍(2018)和狄乾斌等(2018)分别仅考虑入海废水排放量和碳排放作为非期望产出。另一方面，现有海洋绿色全要素生产率测度所用数据基本上都是截至2014年，时效性相对较低。基于此，本文考虑使用基于非期望产出的SBM模型和ML生产率指数，全面测度2002—2016年我国沿海省市海洋经济绿色全要素生产率，系统分析科技创新对海洋经济绿色全要素生产率的线性与非线性影响。

2 海洋经济绿色全要素生产率测算

2.1 海洋经济绿色全要素生产率测算方法

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，衡量海洋经济绿色全要素生产率。每个沿海省市作为一个决策单元，每个决策单元都包括投入、期望产出和非期望产出。假定每个省(市)使用M种投入要素生产出N种期望产出以及J种非期望产出第t期投入和产出可以表示为(xt,yt,bt)，当期生产可能性集Pt(x)可以表示为：

其中，i表示对应的各省市，表示各横截面观测值的权重，表示规模报酬可变(VRS)。借鉴Fukuyama等[26]提出的SBM模型处理方法，本文在规模报酬可变条件下，构建包含非期望产出的当期SBM方向性距离函数。

其中，(xt,i',yt,i',bt,i')为i'省(市)的投入和产出变量，(gx,gy,gb)分别表示投入减少、期望产出增加和非期望产出减少的方向向量，为松弛向量，分别表示投入冗余、期望产出不足以及过多的非期望产出。

按照Chung等[27]提出的方法，可以得到第t期到第t+1期的ML指数为：

其中，表示第t期决策单元与生产前沿的距离。当表示从第t期到第t+1期，该决策单元所在地区绿色全要素生产率提高，否则表示该决策单元所在地区绿色全要素生产率下降。进一步可以分解为技术效率变化指数EC和技术进步变化指数TC，EC主要体现为管理制度和资源配置方面的提升，而TC主要体现为对制造工艺、生产技能等方面的提升。

2.2 投入产出指标选取

本研究的决策单元为沿海11个省市，由于国家并未公布2017和2018年度《中国海洋统计年鉴》，因此，本文涉及的多项海洋经济指标最新数据无法获取，故时间跨度为2002—2016年。具体投入产出指标选取如下：

(1)投入指标。包括劳动力投入、资本投入和能源投入。其中，劳动力投入方面，与多数海洋经济效率相关文献类似，选择涉海就业人员数加以衡量，数据来自历年《中国海洋统计年鉴》；资本投入方面选择海洋资本存量加以衡量，由于目前没有海洋固定资产投资相关数据，本文借鉴张军(2004)的研究，以2000年为基期，使用永续盘存法计算沿海省市资本存量，采用海洋生产总值与GDP的比例进行折算，进而得到各省市海洋资本存量；能源投入方面，与丁黎黎等(2015)、赵昕等(2016)的研究不同，本文参考大多数相关研究，如陈诗一[28]，仍将能源作为投入要素，使用海洋生产总值与GDP的比例对各省市能源消费量进行折算，得到各省市海洋经济能源消费量，单位为万吨标准煤，数据来自历年《中国能源统计年鉴》。

(2)产出指标。关于期望产出，使用各省市海洋生产总值衡量，同样以2000年为基期进行平减，数据来自历年《中国海洋统计年鉴》。关于非期望产出，主要考虑陆域污染物对海洋生态的影响，选择直接入海废水排放量和沿海工业固体废弃物排放量衡量，数据来自Wind数据库。

2.3 海洋经济绿色全要素生产率测算结果

本文使用MaxDEA Ultra 8.1软件对近年来我国沿海省市海洋经济绿色全要素生产率及其分解指标进行测度。表1反映了自2001年以来，我国总体海洋GTFP及分解指数变动趋势。总体上看，2001—2009年海洋经济绿色全要素生产率波动相对较大，2010年之后变动相对较小，2001—2016年海洋经济绿色全要素生产率年均增长2.85%。从海洋绿色全要素生产率分解情况看，大多数年份，技术进步指数TC对GTFP具有较强的正向效应，而技术效率指数EC对GTFP的总体效应为负。其主要原因可能在于，长期以来，我国海洋资源管理计划色彩相对较重，沿海地区用地用海政策不够灵活，海洋管理制度相对落后，海洋资源配置水平相对较低，使得技术效率指数EC的作用未能得到有效发挥。相对而言，涉海企业、高校、科研机构等创新主体不断创新工艺，提高生产技能，充分发挥了技术进步指数TC的作用。

分年度看，2002—2006年得益于“十五”期间海洋经济年均23.5%的爆发式增长，新技术、新设备大量使用，使得技术进步指数TC一直处于1.1以上的较高水平，但是由于资源配置水平未能同步，技术效率指数EC一直维持在0.95左右，导致总体GTFC并没有达到很高水平。2006—2007年技术进步指数显著下降，与“十一五”规划明确要求能源强度降低20% ，以及主要污染排放物总量减少10% 的节能减排约束性指标政策有很大关系。但同期海洋经济资源配置水平稳步上升，抵消了一部分技术进步指数下降对总体GTFP的影响。2008—2009年受金融危机的影响，海洋经济GTFP下降至0.989 9，主要还是由于技术进步指数下降所致。2009年之后，技术效率指数EC的变化相对平稳，基本上都在1左右，海洋经济GTFP的变动主要是受技术进步指数TC的影响，2009—2014年，技术进步指数TC变动也相对较小，保持在1.011左右，同期海洋经济GTFP基本上在1.007左右。2015年，海洋经济GTFP达到7.1%左右的较大增幅，主要原因可能在于“十二五”期间开展的海洋经济示范建设推动了海洋技术进步。

表2反映的是各省(市)2001年以来海洋经济GTFP以及分解指数情况。从区域层面看，研究期内海洋经济GTFP可以分为4个层次：山东、浙江和江苏海洋经济GTFP在1.05以上，属于第一层次，海洋经济GTFP增长速度较快；上海、福建、广东属于第二层次，海洋经济GTFP在1～1.05之间，海洋经济GTFP也呈稳步增长；天津、河北、辽宁3省(市)属于第三层次，海洋经济绿色全要素生产率在0.95～1之间，海洋经济GTFP略有下降；广西和海南则属于第四层次，海洋经济GTFP下降了8%左右。

从海洋经济GTFP分解指数上看，区域GTFP变动仍存在一定差异。其中，山东、江苏技术效率指数EC和技术进步指数TC同时提高，带动了海洋经济GTFP快速增长；浙江、福建和辽宁是技术效率指数EC下降，技术进步指数TC上升，但辽宁技术效率指数EC下降幅度相对较大，导致其总体海洋经济GFTP处于下降趋势。主要原因可能在于辽宁属于东北老工业基地，在转型升级过程中要素配置水平相对较低；上海、广东技术效率指数EC基本没有变化，技术进步指数增长促进了海洋经济GTFP提高；天津、河北、广西和海南情况类似，海洋经济GTFP变动尽管也是由技术进步指数TC变动引起的，但是上述区域技术进步指数TC是下降的，天津和河北技术进步指数TC只略微下降，而广西和海南技术进步指数TC下降幅度比较大。可能原因是广西和海南本身海洋经济体量较小且第一产业比重较高，对于渔业资源的依赖程度较高，使得技术进步水平长期处于较低状态。

3 实证分析

技术进步是实现经济增长的内生动力，而技术进步过程实际上与科技创新密不可分。科技创新要素包括技术、人才和资金，通过政府和市场资源配置，企业、研究机构和高校等创新主体通过形成新思路、发明新专利、产生新工艺、创造新产品等一系列成果转化过程，提高生产效率，产生经济效益。同时，通过资源节约化、产业生态化、生态经济化实现绿色效益提升，进而实现经济高质量发展。习近平同志强调，科技创新是引领发展的第一动力。在我国海洋经济进入新常态背景下，加强科技创新，既是实现海洋经济高质量发展的关键途径，也是保持海洋经济长期高质量发展的重要因素。科技创新对海洋经济高质量发展影响的作用机理如图2所示。本文将从线性和基于门槛的非线性两个视角，实证分析科技创新对海洋经济高质量发展的影响。

3.1 变量选择与数据说明

被解释变量为海洋经济高质量发展水平，采用海洋经济绿色全要素生产率GTFP的对数加以衡量。核心解释变量为科技创新投入Inn，选择海洋科研机构经费收入总额的对数衡量区域海洋科技创新投入力度。未考虑高校和涉海企业研发投入，主要原因是由于海洋经济统计体系不完善导致数据不可得。此外，由于《中国海洋统计年鉴》没有统计2006年之前海洋科研机构经费收入总额，因此，本文实证分析部分的时间跨度为2006—2016年。

参考现有海洋经济绿色全要素生产率影响因素研究成果，选择如下控制变量：区域经济发展水平Pgdp，采用人均实际GDP衡量；从陆源污染视角选择沿海工业规模Ind，采用区域工业产值衡量；海洋产业结构Stru，采用海洋第三产业占比衡量；环境污染治理水平Envi，采用地方污染治理支出总额衡量；基础设施水平Infr，采用区域公路密度衡量。以上变量均采用对数形式，涉及价格因素变量均以2000年为基期进行平减。各变量描述性统计结果及数据来源如表3所示。科技创新投入的对数值lnInn的标准差相对较大，意味着各地区科技创新投入差距较大，但是绿色全要素生产率对数值lnGTFP和基础设施水平对数值的离散系数更大，主要原因是二者均值相对较小。

3.2 科技创新对海洋经济GTFP的线性影响

为分析科技创新对海洋经济GTFP的线性影响，本文构建如下实证分析模型：

lnGTFPit=α0+α1lnInnit+βlnXit+εit

(1)

其中，α0为常数项，α1表示科技创新投入对海洋经济GTFP的线性影响，β为控制变量的系数向量，εit为随机干扰项。根据之前控制变量的选取，代入(1)式可得：

lnGTFPit=α0+α1lnInnit+β1lnPgdpit+β2lnIndit+β3lnStruit+β4lnEnviit+β5lnInfit+εit

(2)

3.2.1 平稳性检验

为保证回归结果的有效性，首先对各变量平稳性进行检验，由于本研究截面数量与时间跨度相同，采用LLC检验、HT检验和IPS检验3种方法，检验各变量是否存在单位根，结果如表4所示。从表4可以看出，在LLC检验下，海洋科技创新投入水平lnInn在5%统计水平上显著，但是在HT检验和IPS检验下，均在1%统计水平上显著；在IPS检验下，基础设施水平lnInfr在10%统计水平上不显著，但是在LLC检验和HT检验下，均在1%统计水平上显著；其它变量在3种检验方法下均通过了1%统计水平的显著性检验。因此，可以认为，本文涉及的所有变量均为平稳变量，可以进行回归分析。

注：*、**、***分别表示10%、5%和1%的显著性水平；括号内为p值，下同

3.2.2 回归结果分析

利用Stata14.0软件，本文首先对面板数据模型估计方法进行筛选，固定效应模型与混合OLS模型筛选的F检验结果显示，应当选择固定效应模型，利用Hausman检验进一步确定固定效应模型还是随机效应模型，结果拒绝原假设，故选择固定效应模型，采用Xtscc命令综合处理模型中可能存在的异方差、序列相关和截面相关问题。为比较回归结果，本文将3种模型估计结果一并给出，如表5所示，模型1为混合OLS估计，模型2为固定效应估计，模型3为随机效应估计。同时，考虑到模型可能存在的内生性问题，采用GMM方法进一步估计模型，模型4为差分GMM估计结果，模型5为系统GMM估计结果。

由于本文研究时间跨度相对较短，相对于系统GMM估计，差分GMM估计结果更稳健，因此，模型4是重点讨论的对象。采用xtabond命令完成差分GMM估计，AR(1)检验的伴随概率为0.021，在5%统计水平上显著，存在一阶自相关；AR(2)检验的伴随概率为0.330，不存在二阶自相关，说明差分GMM估计方法是适用的，模型设定是合理的。工具变量过度识别Sargan检验的P值为1.000，说明工具变量选择是有效的，模型总体矩条件是成立的。

从差分GMM估计结果看，核心解释变量科技创新投入力度lnInn的回归系数为0.060，且通过了10%统计水平的显著性检验，说明科技创新有助于我国海洋经济绿色全要素生产率提高，即科技创新能够促进我国海洋经济高质量发展。其它回归方法中，混合OLS回归下，科技创新投入力度lnInn的回归系数为0.028，相对较小，但是在5%统计水平上显著；固定效应模型与差分GMM的回归结果较为接近，随机效应模型与系统GMM回归中，科技创新投入力度lnInn的回归系数同样显著为正，支持“科技创新有助于我国海洋经济绿色全要素生产率提高”的结论。科技创新促进我国海洋经济高质量发展主要通过以下途径：一是科技创新能够提高海洋资源利用效率，降低能源消费量，从而提高绿色全要素生产率；二是科技创新活动能够促进新产品、新专利产生，通过提高沿海企业生产能力促进绿色全要素生产率提高；三是通过减少产品在生产、流通、消费等环节的污染排放，直接促进绿色全要素生产率提高。

控制变量方面，区域经济发展水平lnPgdp的回归系数显著为负，与周五七[29]的研究成果类似，说明现阶段总体上看，沿海省市经济增长质量不高，经济增长反而会抑制海洋经济绿色全要素生产率提高，当区域经济发展达到较高水平时，上述情况会有所改观。沿海工业规模lnInd的回归系数在10%的统计水平上显著为负，与赵昕等(2016)的研究结果类似，说明沿海工业发展不利于海洋经济绿色全要素生产率提高。可能原因在于：沿海工业一方面依赖海洋资源，另一方面产生的三废会污染海洋生态环境。因此，加快沿海工业产业结构优化升级，加大工业污染处置力度对于海洋经济绿色全要素生产率提升意义重大。海洋产业结构lnStru的回归系数显著为正，与丁黎黎等(2015)的研究类似，说明大力发展海洋第三产业，优化海洋产业结构，是实现海洋经济绿色发展的重要路径。环境污染治理水平lnEnvi的回归系数尽管为正但并不显著，与丁黎黎等(2015)的研究结果类似，说明现阶段沿海地区环境污染治理方面的投资并未有效推动海洋经济绿色发展，主要原因可能在于环境污染治理属于事后阶段，相对于环境污染事前预防，效果并不是很好。基础设施水平lnInfr的回归系数显著为正，说明加强沿海区域基础设施建设有助于海洋经济绿色全要素生产率提高，与吴传清等(2019)的研究结果不同，尽管基础设施建设过程会对环境产生一定影响，但是建成之后对于经济效率的提升作用很大。

3.2.3 稳健性检验

为了检验模型回归结果的有效性，本文采用3种方法进行稳健性检验：一是考虑到样本随机性和异常值影响，剔除海洋经济绿色全要素生产率中1%的极大值和极小值样本，回归结果见表6中的模型6；二是考虑到科技创新可能存在的滞后性，使用科技创新投入lnInn的滞后一期作为解释变量，回归结果见模型7；三是剔除2006年和2016年的样本，采用2007—2015年数据构建模型8。从稳健性检验结果看，科技创新投入力度lnInn的回归系数大小虽有所变化，但仍显著为正；沿海工业规模lnInd在模型8中的回归系数为负，但并不显著；海洋产业结构lnStru在模型8中不显著，但是在模型6和7中仍然显著为正。总体上看，各变量回归系数只是在大小上存在较小区别，符号和显著性基本没有太大差异。因此，模型对于科技创新影响海洋经济绿色全要素生产率的解释力相对较强，模型实证结论是稳健的。

3.3 门槛效应检验结果

本文采用Hansen[30]提出的门槛效应模型，以海洋科技创新投入lnInn为门槛变量，构建如下模型：

lnGTFPit=α0+α1lnInnit·I(lnInnit≤γ1)+α2lnInnit·I(lnInnit>γ1)+βlnXit+εit

(3)

其中，lnXit为控制变量，lnInnit为门槛变量，γ为门槛值，当lnInnit≤γ1时，I=1，当lnInnit>γ1时，I=0。采用自举法Bootstrap，运行500次，模拟出似然比统计量P值的临界值，进而检验模型是否存在门槛效应及门槛数量。检验结果如表7所示，单一门槛检验在10%的统计水平上拒绝原假设，而双门槛检验则无法拒绝原假设，故模型存在单一门槛，门槛值为2.341 9。

在门槛条件检验后，需要门槛模型参数进行估计，结果如表8所示。当海洋科技创新投入lnInn≤2.342时，回归系数为0.051且在1%统计水平上显著；当海洋科技创新投入lnInn>2.342时，回归系数大幅增加至0.089，且通过了5%的显著性检验，说明随着海洋科技创新投入不断增加，越过单一门槛之后，对于海洋经济绿色全要素生产率的提升作用会更加显著。2016年，山东、广东和上海的海洋科技创新投入力度均超过了该门槛，3省(市)当年海洋经济绿色全要素生产率分别为1.096、1.022和1.031，均实现了较大幅度增长，从另一个角度验证了门槛效应回归结论。因此，持续加强海洋科技创新投入，有助于实现海洋经济高质量发展。

注∶RSS为残差平方和，MSE为均方误差；临界值与P值采用Bootstrap模拟500次得到

4 结论与政策建议

4.1 主要结论

本文采用海洋经济绿色全要素生产率衡量海洋经济高质量发展水平。以沿海11个省(市)为研究对象，首先，采用非径向、非角度的SBM方向性距离函数和ML生产率指数，测算2002—2016年我国沿海省市海洋经济绿色全要素生产率；然后，使用差分GMM方法估计科技创新对海洋经济绿色全要素生产率的线性影响，进而分析科技创新对海洋经济绿色全要素生产率影响的门槛效应，得到如下主要结论：

(1)总体上看，近年来我国海洋经济绿色全要素生产率呈现先大幅波动后平稳增长的状态，年均增长率为2.85%；从海洋经济绿色全要素生产率分解看，技术进步指数TC对GTFP具有较强的正向效应，而技术效率指数EC对GTFP的总体效应为负。

(2)科技创新对于海洋经济绿色全要素生产率具有显著促进作用，有助于海洋经济高质量发展。

(3)科技创新对海洋经济绿色全要素生产率的影响存在单一门槛效应，随着海洋科技创新投入不断增加，越过单一门槛之后，科技创新对于海洋经济绿色全要素生产率的提升作用会更加显著。

4.2 政策建议

在海洋经济同样步入新常态背景下，要实现海洋经济增长与生态环境保护齐头并进，必须坚持从要素和投资驱动转向创新驱动的海洋经济高质量发展道路。

(1)持续加大海洋科技创新投入力度。海洋经济的高风险性决定了海洋科技创新投入具有更高的风险。因此，需要政府、银行、企业多方共同努力，构建多渠道海洋科技创新支持体系。一是政府可以通过设立海洋产业发展基金、沿海地方财政科研经费向海洋经济倾斜、税收补贴等方式，通过政府资金引导与放大作用，吸引更多社会资本对海洋经济发展给予支持。二是海洋科技创新活动的周期长、资金大，政策性银行和商业银行可以向开展科技创新活动的海洋高科技企业提供更多低息中长期贷款，充分发挥金融支持海洋科技创新的作用。三是鼓励涉海企业真正成为科技创新决策、研发投入、科研组织、成果转化的主体。

(2)积极营造良好的海洋科技创新环境，提高海洋经济资源要素配置能力。实证研究发现，我国海洋经济绿色全要素生产率提高更多地依靠技术进步，而技术效率的贡献比较有限。技术效率实际上主要体现在管理制度和资源配置水平上，可以通过引导新型海洋科技创新主体引入新型管理体制，提升资源配置效率，包括鼓励高校、科研机构和企业组建产学研自主创新联盟，以及构建跨区域产学研公共合作平台等。

(3)制定差异化海洋科技创新支持政策。地方政府应结合自身发展实际，制定差异化科技创新政策。海洋科技创新水平较低的地区，如广西、海南，可以将重心放在科技成果转化应用方面，通过制定优惠政策吸引高新海洋技术落地转化。同时，利用自身生态优势，聚焦生态科技，发展第三产业，推动海洋经济绿色发展。科技创新水平较高的地区，如山东、江苏、浙江等，应充分挖掘现有科技资源潜力，使科技资源利用效率最大化，聚焦海洋新兴产业，突破海洋关键核心技术。同时，健全科技创新成果转化体系和定价机制，努力提升市场转化效率，有效发挥科技创新成果转化对海洋经济高质量发展的促进作用。

(4)深入推进海洋科技创新全面对外开放。我国海洋科技水平与美国、日本等海洋强国还存在一定差距，应加强海洋科技交流活动，形成科技创新与高质量对外开放的良性互动机制。注重将国外的海洋高新技术、人才、知识等创新要素引进来，充分发挥技术前沿上移对海洋绿色全要素生产率指数的提升效应。同时，鼓励国内有竞争力海洋科技企业和人才走出去，参与国际海洋市场竞争，加强技术和信息方面的沟通与交流，提升先进海洋科技创新要素吸收和利用能力。

参考文献:

[1] 辜胜阻,吴华君,吴沁沁. 创新驱动与核心技术突破是高质量发展的基石[J]. 中国软科学,2018,334(10):14-23.

[2] 华坚,胡金昕. 中国区域科技创新与经济高质量发展耦合关系评价[J]. 科技进步与对策,2019,36(8):25-33.

[3] 陈昌兵. 新时代我国经济高质量发展动力转换研究[J]. 上海经济研究,2018(5):16-24.

[4] 涂正革,陈立. 技术进步的方向与经济高质量发展——基于全要素生产率和产业结构升级的视角[J]. 中国地质大学学报(社会科学版),2019,19(3):124-140.

[5] 刘思明,张世瑾,朱惠东. 国家创新驱动力测度及其经济高质量发展效应研究[J]. 数量经济技术经济研究,2019(4):3-23.

[6] 钞小静，任保平.中国经济增长质量的时序变化与地区差异分析[J].经济研究，2011(4) : 26-40.

[7] 宋明顺，张霞，易荣华.经济发展质量评价体系研究及应用[J]. 经济学家，2015(2) : 35-43.

[8] 师博,任保平. 中国省际经济高质量发展的测度与分析[J]. 经济问题,2018(4)：1-6.

[9] 李金昌,史龙梅,徐蔼婷. 高质量发展评价指标体系探讨[J]. 统计研究,2019,36(01):6-16.

[10] 金碚. 关于“高质量发展”的经济学研究[J]. 中国工业经济,2018(4): 5-18.

[11] 陈诗一,陈登科. 雾霾污染、政府治理与经济高质量发展[J]. 经济研究,2018(2)：20-34.

[12] 廖祖君，王理. 城市蔓延与区域经济高质量发展——基于DMSP/OLS夜间灯光数据的研究[J]. 财经科学，2019(6)：106-119.

[13] 郭晨，张卫东. 产业结构升级背景下新型城镇化建设对区域经济发展质量的影响——基于PSM-DID经验证据[J]. 产业经济研究,2018,96(5):78-88.

[14] 吴传清,邓明亮. 科技创新、对外开放与长江经济带高质量发展[J]. 科技进步与对策,2019,36(3):39-47.

[15] 何爱平,安梦天. 地方政府竞争、环境规制与绿色发展效率[J]. 中国人口·资源与环境,2019,29(3):23-32.

[16] 吴新中,邓明亮. 技术创新、空间溢出与长江经济带工业绿色全要素生产率[J]. 科技进步与对策,2018,35(1):50-58.

[17] 王晓娆,李红阳. 不同执行部门R&D投入对全要素生产率的影响——基于中美比较的视角[J]. 科学学研究,2017(6):56-65.

[18] 李健,刘召. 中国三大城市群绿色全要素生产率空间差异及影响因素[J]. 软科学,2019,33(2):65-68+84.

[19] 葛鹏飞,黄秀路,韩先锋. 创新驱动与“一带一路”绿色全要素生产率提升——基于新经济增长模型的异质性创新分析[J]. 经济科学,2018(1):37-51.

[20] 丁黎黎,朱琳,何广顺. 中国海洋经济绿色全要素生产率测度及影响因素[J]. 中国科技论坛,2015(2):72-78.

[21] 赵昕,彭勇,丁黎黎. 中国海洋绿色经济效率的时空演变及影响因素[J]. 湖南农业大学学报(社会科学版),2016,17(5):81-89.

[22] 盖美,朱静敏,孙才志,等 中国沿海地区海洋经济效率时空演化及影响因素分析[J]. 资源科学,2018,40(10):68-81.

[23] 狄乾斌,梁倩颖. 碳排放约束下的中国海洋经济效率时空差异及影响因素分析[J]. 海洋通报,2018,37 (3):35-42.

[24] 胡晓珍. 中国海洋经济绿色全要素生产率区域增长差异及收敛性分析[J]. 统计与决策,2018(17):137-140.

[25] 韩增林,王晓辰,彭飞. 中国海洋经济全要素生产率动态分析及预测[J]. 地理与地理信息科学,2019,35(1):101-107.

[26] FUKUYAMA H,WEBER W L. A directional slacks-based measure of technical inefficiency[J]. Socioeconomic planning sciences,2009,43(4):274-287.

[27] CHUNG Y H,FRE R,GROSSKOPF S. Productivity and undesirable outputs: a directional distance function approach[J]. Microeconomics,1997,51(3):229-240.

[28] 陈诗一. 中国的绿色工业革命:基于环境全要素生产率视角的解释(1980—2008)[J]. 经济研究,2010(11):21-34.

[29] 周五七. 长三角工业绿色全要素生产率增长及其驱动力研究[J]. 经济与管理,2019,33(1):42-48.

[30] HANSEN B E.Sample splitting and threshold estimation[J]. Econometrica,2000,68(3):575-603.

(责任编辑：张悦)