开放科学(资源服务)标识码(OSID)：
Based on the concept of green development, this paper establishes an evaluation index system from three aspects: technology driving force, market driving force and regulation driving force.The dynamic evaluation method of ideal solution, entropy value method and the preferring present to past normalization method are used to evaluate the industrial green technology innovation driving force of 30 provinces (cities and districts) in China, and exploratory spatial data analysis method and gravity model are used to evaluate its spatial and temporal pattern.
The research results show that the overall level of China's industrial green technology innovation power was not high from 2011 to 2017, accompanying the extremely unbalanced situation among regions which was "high in the east and low in the west" .From the temporal and spatial evolution characteristics of industrial green technology innovation power, the overall performance is in spatial positive correlation.From a local point of view, the high-high agglomeration model is mainly distributed in the economically developed eastern region, and the low-high agglomeration and low-low agglomeration are mainly distributed in the central, western and northeast regions, and the high-low agglomeration distributed in Beijing, Guangdong, and Chongqing, showing a strong economic dependence.From the migration track of the driving force of industrial green technology innovation, the center of gravity was mainly distributed in the southern part of Henan Province during the study period, and the overall migration was to the southwest.The problem of unbalanced development of green technology innovation in the east and west is obvious.It is found that the center of gravity of industrial green technology innovation is closely related to the changes of economic center of gravity and high-tech industry center of gravity.
As for the research on green technology innovation, most scholars pay attention to the research on the efficiency and influencing factors of green technology innovation, a few studies involve green technology innovation policies, and there is a lack of research on the driving force of green technology innovation.Therefore, this paper can provide more detailed decision-making reference for policy makers: First, build a regional green innovation network to achieve collaborative innovation.In order to improve the overall level of China's industrial green technology innovation power, all regions should strive to break regional barriers, build a regional green innovation network platform, and encourage the free flow of green technology innovation resources among regions.Secondly, formulate targeted strategies according to their own development.For regions with strong industrial green technology innovation motivation such as Tianjin, Shanghai, and Jiangsu, they should continue to maintain their resource allocation advantages and continuously increase the level of green technology innovation diffusion, so as to benefit the surrounding areas; For Hebei, Beijing, Guangdong and other regions, a cross regional green innovation environment platform based on the participation of enterprises, governments, universities, markets and other forces should be built to realize the coordinated development of green technology innovation among regions; for Inner Mongolia, Jilin, and areas with low industrial technology innovation motivation, we should further increase the investment of innovation resources and continuously improve the green technology innovation environment, so as to make the development of industrial green technology innovation in this area full of vitality.Finally, in view of the horizontal imbalance between the East and the west of the driving force of China's industrial green technology innovation, we should continue to further implement strategies such as the rise of the central region, the opening of the west, and the revitalization of the old industrial areas in the northeast.By promoting the coordinated economic development of the eastern and western regions, we will gradually reverse the unbalanced regional development of the driving force of industrial green technology innovation in China.
开放科学(资源服务)标识码(OSID)：
伴随世界经济快速发展，全球正面临资源枯竭和环境污染等诸多生态问题。为此，世界各国纷纷出台“绿色新政”，大力发展绿色经济。十九届五中全会强调，“坚定不移贯彻创新、协调、绿色、开放、共享的新发展理念”，以实现经济与绿色环保协调发展。作为国民经济主导力量的工业企业，同时也是主要的资源消耗者和污染排放者，面临绿色转型的巨大压力和挑战[1]。由此，绿色技术创新在我国工业绿色发展过程中的作用日益凸显，成为工业企业应对资源消耗危机、 解决环境污染问题、实现绿色转型发展的重要手段。然而，现阶段我国工业绿色技术创新水平还比较低，且问题通常不是缺乏能力，而是缺乏动力。因此，研究我国省域工业绿色技术创新动力水平到底如何，其时空格局是否存在显著差异，对于进一步开展绿色技术创新活动，实现区域绿色经济协调发展具有重要理论与实践意义。
传统技术创新带来可观经济效益的同时，也加剧了生态环境污染，人们开始思考如何在获得经济效益的同时又能兼顾环境效益。因此，关于绿色技术创新的研究开始在国内外兴起。早期研究主要集中于探讨绿色技术创新的内涵及其重要性，许多学者从不同研究视角对绿色技术创新的内涵作出不同界定，大致可分为3种类型：第一种是尽可能降低对环境影响的技术创新，如 Branw&Wield[1]将绿色技术创新定义为减少环境污染、减少原料与能源消耗使用的技术和工艺总称；第二种是引入环保理念的技术创新，如赵细康[2]认为，绿色技术创新是以可持续发展为目标的绿色工艺创新、绿色产品创新、绿色意识创新和管理创新的总称；第三种是从系统学角度定义绿色技术创新，如Kemp等[3]认为，绿色技术创新不仅涉及为减少环境损害而产生的新技术和新工艺，还包括与此相关的组织、管理和制度创新。随着测评方法和基础数据的丰富，相关研究逐步转向绿色技术创新效率评价[4-5]、绿色技术创新影响因素[6-7]、绿色技术创新政策[8-9]等方面的探讨。本文借鉴当前绿色技术创新主流观点，认为绿色技术创新是指在绿色发展理念下，创新主体以实现经济—环境效益双赢为目标开展的绿色生产研发、绿色工艺设计、绿色营销管理等一系列技术创新活动。
动力泛指事物运动和发展的推动力量，创新动力是推动创新行为不断持续且有效进行的力量源泉。依据上述创新动力和绿色技术创新动力的内涵，本文认为绿色技术创新动力是指促使创新主体在绿色发展理念下自觉开展绿色技术创新活动的一系列推动要素和条件。现有关于绿色技术创新动力的研究多基于绿色创新动力框架，针对性研究较少，而对于绿色创新动力来源，学术界已形成较为统一的观点，主要包括绿色创新动力的三源驱动模型和多源驱动模型，其中，绿色创新动力三源驱动模型应用更为普遍。传统技术创新动力源主要包括技术和市场的作用，而绿色创新更多强调创新带来的环境效益。因此，Rennings[10]从技术、市场和环境管制3个方面构建绿色创新三源驱动模型；Jean[11]基于法国工业数据，检验上述3种动力源对绿色创新的驱动作用；杨朝均[12]从技术拉动力、市场推动力和管制推动力3个方面选取13个指标构建我国工业绿色工艺创新动力评价指标体系；刘刚[13]从技术推动、市场拉动和政府规制拉动3个方面确定制造业绿色创新系统的动力因素。
综上，国内外学者在绿色技术创新研究中取得了丰硕成果，但学者大多关注绿色技术创新效率及其影响因素，鲜有研究涉及绿色技术创新政策，更缺乏针对区域绿色技术创新动力的研究。作为绿色技术创新的前提和基础，中国工业绿色技术创新动力到底处于何种水平？区域间工业绿色技术创新动力又有何差异？基于上述问题，本文运用基于理想解法的动态评价方法、熵值法和“厚今薄古”归一化法，对2011—2017年中国工业绿色技术创新动力进行评价，并运用探索性空间数据分析法和重心模型探究其时空格局演化，以期为区域工业绿色协调发展提供强有力的借鉴。
理想解法(TOPSIS)亦称为双基点法，通过构造多指标问题的正负理想解， 并将其作为评价各可行方案优劣的依据。传统理想解法只适用于二维静态数据评价，李美娟[14]在此基础上，将时序数据添加到二维数据中，使其扩展成三维数据，同时考虑到指标值的差异性和增长性，通过比较一定时期内多个系统在各时刻的总体水平，提出基于理想解法的动态评价方法。本文采用基于TOPSIS的动态评价方法对中国工业绿色技术创新动力水平进行测度。
对于m个被评价对象(系统)，选定n个评价指标，按照时间序列t1,t2, ...,tn获取原始指标数据xij(tk) (i=1,2, ...,m ; j=1,2, ...,n ; k=1,2, ...,N)，设指标权重为ω=(ω1,ω2, ...,ωn)T。其基本步骤如下：
(1)采用极值法，对决策矩阵xij(tk)进行标准化处理，得到标准化矩阵(yij(tk))。
(2)计算加权标准化矩阵。
F=fij(tk)=ωjyij(tk)
(1)
其中，ωj(j=1,2,...,n)代表第j项指标的权重系数，为最大程度客观体现各评价对象之间的差异，本文通过熵值法确定。
(3)确定正负理想解。正理想解为考察期内所有被评价对象的最满意值(加权标准化后的最大值)，负理想解为考察期内所有被评价对象的最不满意值(加权标准化后的最小值)。
正理想解：
(2)
负理想解：
(3)
(4)计算到正负理想解的距离。
到正理想解的距离：
(4)
到负理想解的距离：
(5)
(5)计算各方案的相对贴近度。
(6)
(6)计算指标值的增长系数矩阵。
bij(tk)=yij(tk)-yij(tk-1)
(7)
(7)将式(1)中的yij(tk)替换成式(7)中的bij(tk)，重复公式(2)～(6)的步骤，得到各方案增长程度的相对贴近度
同时，考虑各评价对象指标的差异性和增长程度，计算各评价对象在tk时刻的综合评价值。
(8)
其中，uij(tk)表示中国工业绿色技术创新动力评价值，α、β为相对重要程度，且0≤α,β≤1,α+β=1。
为比较t1～tN时段评价对象的总体情况，本文进行二次加权。设ωk为第tk期评价值的权重系数，采用“厚今薄古”归一化法确定，且有
则第i个评价对象的工业绿色技术创新动力综合评价值为：
(9)
探索性空间数据分析(ESDA)是一种用于分析空间自相关与空间依赖性的空间统计方法，利用地理学、统计学、信息系统等原理对空间数据进行分析，以此了解数据所代表研究对象的空间分布、空间结构和空间自相关性，其核心内容为空间自相关分析。空间自相关分析又包含全局空间自相关(全局Moran's I )和局部空间自相关(Moran散点图、LISA集群图)。本文引入全局Moran's I 分析中国工业绿色技术创新动力整体空间集聚或分散程度，引入局部Moran's I 绘制的Moran散点图和LISA集群图进一步分析中国工业绿色技术创新动力地区间的空间差异及时空演化特征。
本文引入重心模型分析工业绿色技术创新动力在地理空间上的演变规律，以进一步把握工业绿色技术创新动力的时空演化特征。参照梁林等[15]、梁中等[16]的测算方法，假设某区域由n个次级区域构成，(xi,yi)为第i省省会城市的地理中心坐标，则工业绿色技术创新动力重心计算公式为：
(10)
(11)
式(10)、(11)中，Xt、Yt分别表示工业绿色技术创新动力重心的经度和纬度，
表示t年第i省的工业绿色技术创新动力。
确定重心坐标后，可通过重心移动方向和移动距离分析重心时空演变特征。其中，移动方向代表空间聚集方位，移动距离代表均衡程度。假设第i年的绿色技术创新动力重心坐标为(xi,yi)，第j年为(xj,yj)，则从第i年到第j年的工业绿色技术创新动力重心移动方向θ和D分别为：
(12)
(13)
式(12)中，θ的移动范围为(-180°,180°)。其中，界定正东方向角度为0°，θ在(0°,90°)、(90°,180°)、(-90°,0°)、(-180°,-90°)范围内分别表示重心向东北、西北、东南、西南方向移动。式(13)中，R表示地理坐标转化为平面距离的系数，取值111.111。
绿色发展理念以人与自然和谐为价值取向，将环境保护作为实现经济、社会和环境可持续发展的重要支撑，贯穿整个绿色技术创新活动。本文基于绿色发展理念，立足于绿色技术创新内涵(兼顾经济效益、环境效益和社会效益)，借鉴Rennings[10]、杨朝均[12]构建的绿色创新三源驱动模型，并遵循数据的全面性、客观性、统一性和可操作性等原则，从技术推动力、市场拉动力和管制推动力3个角度构建中国工业绿色技术创新动力评价指标体系，包含3个一级指标，9个二级指标，16个三级指标(详见表1)。
(1)技术推动力。科技进步是绿色技术创新的主要推动力之一。一方面，随着科学技术不断进步，绿色技术创新得到源源不断的新思想和技术机会，创新主体会产生更大动力开展绿色技术创新活动；另一方面，技术可以转化为商业化成果从而产生可观的经济效益，当创新主体尽可能多地获取绿色技术创新带来的收益时，其开展绿色技术创新的动力也会增强。本文从绿色技术创新外部技术机会、内部技术支持和创新成果独占性3个方面衡量技术对工业绿色技术创新的推动作用。在外部技术机会方面，信息推广平台能够反映绿色创新主体依靠非市场手段得到外部技术机会的能力，以人均邮电业务总量衡量[12]；技术市场开发程度能够反映绿色创新主体通过市场化手段得到外界技术机会的能力，以技术合同交易额表示；政府支持程度能够反映绿色创新主体开展创新活动时受到的政府财政支持，以政府资金在工业R&D活动经费中占比表示。在内部技术支持方面，绿色技术创新财力投入能够反映创新主体开展创新活动得到的主体内部资金支持，用R&D经费内部支出表示；绿色技术创新人力投入能够反映创新主体开展创新活动得到的主体内部人力支持，用R&D人员全时当量表示。在创新成果独占性方面，知识产权是绿色创新成果受法律保护的象征，用专利侵权结案率表示；创新成果是否被侵权能够反映其被复制模仿的可能性，可能性越大，企业潜在绿色收益就越少，绿色技术创新动力就越弱，用专利侵权案件数与专利授权数之比表示。
(2)市场拉动力。随着绿色消费者群体不断扩大，对绿色产品和清洁生产的需求也在不断增加，市场需求带来的巨大经济利益成为创新主体开展绿色创新活动的根本动力。然而，市场需求还依赖于市场竞争和市场规模，只有在一定竞争强度和规模的市场中，需求才能有效转化为绿色技术创新动力[17]。因此，本文从市场需求、市场竞争和市场规模3个方面衡量市场对工业绿色技术创新的拉动作用。其中，市场需求包括内部市场需求和外部市场需求，内部市场需求用新产品销售收入占工业主营业务收入之比表示，外部市场需求用新产品出口销售收入占主营业务收入之比表示；市场竞争强度用主营业务利润率表示，竞争公平性用国有资产占总资产的比例表示，该值越大，说明非市场化手段对市场竞争的干扰性越大，工业绿色技术创新动力就越弱；破坏性创新市场规模能够反映原始创新潜在收益带来的拉动力，用新产品销售收入与基础研究经费支出占比的乘积表示。
(3)管制推动力。作为绿色发展理念最直接的体现，环境管制对绿色技术创新的驱动主要表现在两个方面。一方面，环境规制迫使企业增加污染控制成本，为最大限度降低生产成本，企业绿色技术创新动力必然会增强。另一方面，随着环保政策实施，消费者环保意识逐渐增强，对绿色产品和绿色生产的需求也随之增加，企业必然会开展绿色技术创新。工业企业是主要资源消耗者和污染排放者，而绿色发展要求工业企业节能减排，控制污染物排放量。因此，本文参考李健等(2021)的方法，采用工业三废排放量衡量工业企业绿色化程度，从废水管制、废气管制和废物管制3个方面考察环境管制对工业绿色技术创新的推动作用。其中，废水管制强度用废水排放量衡量，废气管制用工业SO2排放量和烟粉尘排放量衡量，这3个指标为负向指标，其值越小，说明环境管制强度越大，绿色技术创新动力越强；废物管制强度为正向指标，用固体废弃物处置量与固体废物产生量之比衡量。
表1 中国工业绿色技术创新动力评价指标体系
Tab.1 Evaluation index system of China's industrial green technology innovation motivation
一级指标二级指标三级指标衡量标准技术推动力绿色技术创新外部技术机会信息传播平台人均邮电业务总量技术市场发展程度技术合同交易额政府支持程度R&D活动经费中政府资金比例绿色技术创新内部技术支持绿色创新财力投入R&D经费内部支出绿色创新人力投入R&D人员全时当量绿色技术创新成果独占性知识产权保护水平专利侵权结案率创新成果被侵权可能性专利侵权案件与专利授权数之比市场拉动力市场需求内部市场需求新产品销售收入与主营业务收入之比外部市场需求新产品出口收入与主营业务收入之比市场竞争竞争强度主营业务利润率竞争公平性国有资产占比市场规模破坏性创新市场规模新产品销售收入与基础研究经费支出占比之积管制推动力废水管制废水管制强度废水排放量废气管制二氧化硫管制强度二氧化硫排放量烟粉尘管制强度烟粉尘排放量废物管制废物管制强度固体废弃物处置量与固体废物产生量之比
本研究采用中国内地30个省市(西藏因数据不全，未纳入统计)相应指标数据，原始数据主要来源于2012—2018年《中国统计年鉴》《中国工业经济统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》以及历年专利统计年报。
根据上述基于理想解的动态评价方法，对2011—2017年各省市工业绿色技术创新动力进行评价，其中指标权重ω通过熵值法计算得到。对于α、β的取值，本文参考李美娟[14]的做法，综合考虑绿色技术创新动力指标值现状及增长潜力，同时侧重于各指标值差异程度(现状)，取α=0.9、β=0.1，并按照综合评价值进行排序，结果见表2。
由表2可知，从全国整体看，我国工业绿色技术创新动力均值为0.297 4，其中，高于全国均值的地区有9个，占全部评价对象的30%，说明我国70%以上的地区工业绿色技术创新动力水平不高；分地区看，我国工业绿色技术创新动力呈现由东到西逐渐减弱的发展态势，东部地区工业绿色技术创新动力均值为0.371 4，处于较高水平，中部、西部和东北地区均值分别为0.265 6、0.257 1和0.262 0，处于较低水平，且中部和东北地区略高于西部地区；从省际角度看，我国各省市工业绿色技术创新动力存在很大差异，其中，排名前7位的省市分别为广东、北京、江苏、山东、浙江、上海和天津，均属于东部地区，而排名后7位的省市分别为云南、宁夏、内蒙古、四川、江西、河北和新疆，除江西和河北外，其余均来自西部地区，表明我国区域工业绿色技术创新动力存在极不平衡状况。
4.2.1 全局空间自相关
为深入分析2011—2017年中国工业绿色技术创新动力的时空演化特征，本文使用Geoda1.12软件并选择基于共同边界的一阶Rook权重矩阵，对绿色技术创新动力的空间相关性进行分析，得到全局Moran's I，如表3所示。
由表3可知，2011—2017年全局Moran's I 均为正值，且除2017年外，其余年份P值均达显著性水平，表明中国省际工业绿色技术创新动力总体呈现出正空间自相关聚类特征，即绿色技术创新动力较强的地区邻近，绿色技术创新动力较弱的地区也邻近，形成层次分明的空间格局。此外，全局Moran's I 随时间推移呈现出先上升后下降的趋势，从2011年的0.137上升到2013年的0.183，再下降到2017年的0.103，表明中国工业绿色技术创新动力整体呈现先减弱后增强的态势。
表2 中国省际工业绿色技术创新动力评价结果
Tab.2 Evaluation results of China's interprovincial industrial green technology innovation motivation
省市2011201220132014201520162017综合值排名北京0.510 2 0.512 8 0.531 4 0.506 7 0.493 1 0.496 5 0.488 2 0.500 7 2天津0.326 8 0.359 7 0.376 6 0.320 9 0.327 5 0.319 9 0.319 4 0.330 4 7河北0.271 4 0.283 2 0.246 9 0.181 8 0.217 6 0.206 5 0.214 2 0.219 0 29山西0.292 3 0.303 6 0.279 8 0.213 1 0.243 5 0.251 5 0.257 4 0.254 3 23内蒙古0.192 6 0.303 9 0.293 1 0.216 4 0.243 2 0.248 3 0.246 2 0.249 1 26辽宁0.365 0 0.350 6 0.311 2 0.237 8 0.254 9 0.251 2 0.224 4 0.260 8 19吉林0.268 6 0.304 0 0.254 6 0.235 8 0.245 1 0.265 2 0.259 8 0.257 8 21黑龙江0.284 0 0.343 8 0.298 3 0.243 6 0.252 5 0.266 9 0.254 5 0.267 4 15上海0.388 1 0.393 2 0.393 9 0.352 8 0.3514 0.356 8 0.345 5 0.360 1 6江苏0.426 6 0.440 5 0.486 9 0.432 0 0.439 7 0.435 0 0.431 1 0.440 1 3浙江0.365 0 0.380 4 0.410 1 0.371 3 0.363 1 0.419 6 0.327 6 0.373 8 5安徽0.337 0 0.322 4 0.321 9 0.256 8 0.282 1 0.287 8 0.281 9 0.288 8 10福建0.322 6 0.346 2 0.336 2 0.261 7 0.298 2 0.294 4 0.279 0 0.295 8 9江西0.285 5 0.292 8 0.276 7 0.215 8 0.237 4 0.233 4 0.251 1 0.246 8 28山东0.411 2 0.419 7 0.466 6 0.345 3 0.370 3 0.401 9 0.363 1 0.387 0 4河南0.236 5 0.272 8 0.303 8 0.254 0 0.284 9 0.274 3 0.264 5 0.272 5 13湖北0.301 6 0.314 2 0.295 4 0.238 6 0.269 8 0.272 6 0.259 1 0.270 3 14湖南0.230 6 0.304 5 0.291 8 0.239 7 0.256 4 0.253 0 0.262 3 0.261 1 18广东0.522 1 0.528 0 0.528 4 0.523 7 0.528 2 0.527 4 0.526 1 0.526 6 1广西0.267 7 0.300 3 0.295 2 0.229 0 0.249 1 0.261 5 0.252 5 0.259 0 20海南0.309 4 0.313 3 0.309 3 0.251 1 0.280 0 0.269 1 0.282 6 0.280 8 12重庆0.332 1 0.311 8 0.295 7 0.262 2 0.324 5 0.286 7 0.312 9 0.300 9 8四川0.288 6 0.306 0 0.298 2 0.232 3 0.248 6 0.245 7 0.213 2 0.247 6 27贵州0.295 2 0.298 5 0.305 7 0.228 2 0.256 2 0.254 6 0.254 7 0.261 2 17云南0.264 0 0.296 4 0.274 6 0.221 6 0.242 8 0.247 6 0.252 5 0.251 2 24陕西0.300 6 0.307 0 0.313 6 0.256 8 0.282 7 0.293 0 0.280 5 0.286 3 11甘肃0.264 6 0.311 8 0.285 3 0.225 4 0.246 4 0.261 1 0.245 2 0.255 7 22青海0.281 0 0.284 1 0.303 2 0.221 8 0.254 8 0.262 2 0.282 1 0.266 7 16宁夏0.255 3 0.301 7 0.304 9 0.237 1 0.227 5 0.239 6 0.243 2 0.250 0 25新疆0.177 6 0.169 4 0.181 4 0.175 1 0.215 3 0.236 8 0.192 2 0.200 1 30东部地区0.385 40.397 70.408 60.354 70.366 90.372 70.357 70.371 41中部地区0.280 60.301 70.294 90.236 30.262 40.262 10.262 70.265 62西部地区0.265 40.290 10.286 40.227 80.253 70.257 90.252 30.257 14东北地区0.305 90.332 80.288 00.239 00.250 80.261 10.246 30.262 03全国0.312 50.332 60.329 00.273 00.292 90.297 30.288 90.297 4-
表3 中国工业绿色技术创新动力全局Moran's I分析结果
Tab.3 Global Moran's I results of China's industrial green technology innovation motivation
年份2011201220132014201520162017Moran's I0.137*0.140*0.183**0.157**0.144**0.124*0.103P值0.0640.0560.0350.0460.0500.0880.108Z值1.5361.6302.0051.8121.6941.4681.239
4.2.2 局部空间自相关
全局Moran's I反映空间整体集聚或分散程度，会在一定程度上掩盖局部空间自相关性。因此，本文利用局域指标集群分析法，选取首末年份(2011年和2017年)和中间年份(2013年和2015年)为代表年份，并借助Geoda1.12和ArcGis10.5软件绘制局部Moran散点图和LISA聚集图，进一步揭示中国省际工业绿色技术创新动力局部空间差异，如表4、图1、图2所示。
由表4可知，随着时间推移，我国省级工业绿色技术创新动力集聚状态浮动不大。总体而言，高高集聚(HH)模式主要分布在经济发达的东部地区，低高集聚(LH)和低低集聚(LL)模式主要分布在中西部和东北地区，高低集聚(HL)模式分布在北京、广东和重庆，热点地区为上海、江苏和福建，仅少数省市跨象限跃迁，如安徽、福建从第一象限反向跃迁到第二象限，辽宁从第四象限反向跃迁到第三象限，重庆从2011年的第四象限跨入2013年的第三象限，再到2015年的第四象限。结合图1、图2可以发现：
表4 2011—2017年中国省际工业绿色技术创新动力Moran散点分布情况
Tab.4 Moran scatter distribution of China's interprovincial industrial green technology innovation motivation from 2011 to 2017
象限2011年2013年2015年2017年第一象限(HH)天津、上海、浙江、江苏*、安徽、福建、山东天津、上海*、浙江、江苏*、福建、山东天津、上海、浙江、江苏、福建*、山东天津、上海、浙江、江苏、山东第二象限(LH)河北、江西、河南、湖南、广西、海南河北、安徽、江西、湖南、广西、海南河北、安徽、江西、湖南、广西、海南河北、安徽、福建、江西、湖南、广西、海南第三象限(LL)山西、内蒙古、吉林、黑龙江、湖北、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆山西、内蒙古、辽宁、吉林、黑龙江、河南、湖北、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、山西、内蒙古、辽宁、吉林、黑龙江、河南、湖北、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆山西、内蒙古、辽宁、吉林、黑龙江、河南、湖北、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆第四象限(HL)北京、辽宁、广东、重庆北京、广东北京、广东、重庆北京、广东、重庆
注：*表示中国工业绿色技术创新动力热点地区
图1 2011—2017年中国工业绿色技术创新动力Moran散点图
Fig.1 Moran scatter distribution of China's interprovincial industrial green technology innovation motivation from 2011 to 2017
图2 2011—2017中国工业绿色技术创新动力LISA聚集图
Fig.2 LISA cluster map of China's industrial green technology innovation motivation from 2011 to 2017
2011年，高高集聚区域包括天津、上海、江苏、浙江、安徽、福建和山东7个省市，2013年安徽退出变为6个省市，2017年福建退出后变为5个省市，这些省市均位于东部地区。东部地区经济基础雄厚、科技资源丰富，具备较强的环保意识和较高的对外开放度，绿色创新发展优势较大，属于高效性绿色技术创新区域。同时，高高集聚区域通过不断与周边省市加强资源要素流动，具有明显的扩散效应和示范效应，带动周边省市工业绿色技术创新动力不断增强。
2011年，低高集聚区域包括河北、江西、河南、湖南、广西和海南6个省区，2013年安徽进入、河南退出后仍为6个省市，2017年福建进入后变为7个省市，这些区域较周围省市绿色技术创新动力偏弱，呈现出中间低、周围高的格局。与东部地区相比，江西、湖南、广西等地科技资源投入不足，资源配置效率较低，经济发展很大程度上依托资源消耗和环境破坏，导致绿色技术创新动力不足。在京津冀协同创新背景下，尽管河北非常重视创新资源的有效利用，但由于承接了北京和天津多数污染项目，工业三废排放量一直处于全国前列，造成其工业绿色技术创新动力水平较低。与河北相反，海南环境质量指数较大，工业三废排放量连年处于末位，但其绿色技术创新资源投入偏低，科技成果转化能力低下，因而工业绿色技术创新动力不足，与周边绿色技术创新动力较强的地区形成鲜明对比。
2011年，低低集聚区域包括山西、内蒙古、吉林、黑龙江、湖北、云南、陕西、甘肃、青海、宁夏和新疆13个省区，2013年辽宁、河南、重庆进入后变为16个省区市，2015年重庆退出后变为15个省区，这些区域及周边省市工业绿色技术创新动力都处于较低水平，是绿色技术创新“低洼”区域。不难看出，低低集聚省区市均位于中西部和东北地区，这些地区受经济、政策、市场、区位等因素限制，对绿色创新的资本、人才、技术等资源投入相对较少，薄弱的绿色创新基础使得上述省市工业绿色技术创新动力一直处于较低水平。
2011年，高低集聚区域包括北京、辽宁、广东和重庆4个省市，2013年辽宁和重庆退出后变为两个省市，2015年重庆重新进入后变为3个省市，这些区域绿色技术创新动力强于周边省市，呈现出中间高、四周低的格局。其中，北京和广东经济发达，区位优势显著，再加上雄厚的人才和科技基础，使得其绿色技术创新动力增长势头始终处于强劲状态；重庆作为长江经济带重要战略支撑，拥有独特的交通、资源、产业和人力资源优势，对外开放程度较高，经济发展较快，从而使其绿色技术创新动力水平显著高于周边地区。
4.3.1 工业绿色技术创新动力重心分析
为进一步把握工业绿色技术创新动力的动态变化特征，根据2011—2017年中国各省域工业绿色技术创新动力值，采用ArgGis10.5软件确定我国内地30个省市地理坐标，利用重心模型计算出2011—2017年中国工业绿色技术创新动力重心点地理坐标、迁移方向和移动距离，结果如表5所示。
由表5可知，从经纬度看，2011—2017年中国工业绿色技术创新动力重心位于东经113.230°～113.487°和北纬33.124°～33.277°之间。从迁移距离看，2015年距离最大(26.753km),2016年距离最小(10.914km)。从空间分布看，中国工业绿色技术创新动力重心全部落点在中国中部的河南省境内，具体分布在河南南部的驻马店、平顶山和南阳3个地级市。从移动方向看，以中国几何中心(东经103.5°，北纬36°)为参照，中国工业绿色技术创新动力重心呈现明显的向几何中心东南方向偏离趋势，2011年偏移距离为1 115.46km，到2017年偏移距离略微缩短，为1 091.704km。样本期内，中国工业绿色技术创新动力重心主要朝西南方向迁移，其中经度上向西迁移0.232°，实际移动距离为25.778km，纬度上向南迁移0.029°，实际移动距离为3.222km，经度方向的移动距离大于纬度方向，表明中国工业绿色技术创新动力东西差异远大于南北差异，即东西部地区绿色技术创新发展不均衡是造成动力重心偏离的主要原因，ESDA分析得出的结论得到进一步验证。尽管东西部地区工业绿色技术创新动力仍存在较大差距，但动力重心向西迁移表明中西部地区在绿色创新发展格局中的地位正在逐步提高。
表5 中国工业绿色技术创新动力重心空间动态迁移轨迹
Tab.5 Spatial dynamic migration trajectory of China's industrial green technology innovation motivation center of gravity
年份绿色技术创新动力重心经度纬度重心迁移距离方向分布地点2011113.46233.153河南省驻马店市2012113.47333.27713.898东北河南省平顶山市2013113.38833.19613.052西南河南省平顶山市2014113.48733.15511.971东南河南省驻马店市2015113.24833.12626.753西南河南省南阳市2016113.26733.23310.914东北河南省南阳市2017113.23033.12411.678西南河南省南阳市
4.3.2 工业绿色技术创新动力重心与经济中心迁移轨迹对比
已有研究表明，经济发展水平是影响绿色技术创新的重要因素之一。高技术产业作为绿色技术最为密集的产业，其发展水平直接影响整个工业绿色技术创新。因此，本文从经济分化和产业分化两个方面，根据各省GDP和高技术产业主营业务收入测算出对应的经济重心与高技术产业重心(见表6)，通过将工业绿色技术创新重心与经济重心、高技术产业重心进行对比，观测三者在迁移轨迹上是否具有相关性，从而更深入地揭示其内在运动规律。
由表6可知， 2011—2017年我国经济重心主要位于河南省驻马店市，地理坐标在东经114.755°～114.966°、北纬32.649°～32.832°之间波动；高技术产业重心主要位于河南省驻马店市、漯河市和平顶山市，地理坐标在东经113.116°～114.283°、北纬33.068°～33.495°之间波动。从经度上看，经济重心向西迁移0.211°，实际移动距离为23.444km；高技术产业重心向西迁移1.167°，实际移动距离为129.667km。与工业绿色技术创新动力重心相比(见图3a)，经济重心和高技术产业重心位置更偏向东部，其中经济重心偏东最多，表明我国区域经济发展水平差异最显著，但经济重心走势较为平稳，且移动幅度和迁移距离小于工业绿色技术创新动力重心(23.444<25.778)。与经济重心相对滞后相反，高技术产业重心走势呈现出向西移动趋势，并与工业绿色技术创新动力重心趋于一致，其移动幅度和迁移距离远大于工业绿色技术创新动力重心(129.667>25.778)。从我国工业绿色技术创新动力重心与经济重心、高技术产业重心分布和迁移情况看，三者在空间演化上的发展趋于一致，表明经济发展和高技术产业发展与工业绿色技术创新具有紧密联系，东西方向上正逐渐趋于均衡发展，其中高技术产业发展水平对工业绿色技术创新动力的带动作用更为显著。从纬度看，经济重心向南偏移0.173°，实际移动距离为19.222km；高技术产业重心向北移动1.253°，实际移动距离为139.222km。与工业绿色技术创新动力重心相比(见图3b)，经济重心更偏向南部，且在样本期内逐渐继续向南部迁移，说明南方地区经济发展水平仍处于优势地位。与经济重心相反，高技术产业重心在2012年短暂向南迁移后开始逐步向北迁移，说明北方地区高技术产业发展在全国格局中的地位正逐渐提升。从图3b可以看出，2011—2017年，我国工业绿色技术创新动力重心在南北方向上的走势整体较为平稳，仅向南偏移0.029°，经济重心和高技术产业重心的反向迁移可能是造成这种情况的主要原因。
表6 中国工业绿色创新动力重心与经济重心、高技术产业重心迁移范围及分布地点
Tab.6 China's industrial green technology innovation motivation center and economic center, and the migration scope and distribution location of high-tech industry center
重心年份重心迁移范围经度(°)纬度(°)距离(km)方向重心分布地点经济重心2011114.96632.822河南省驻马店市2012114.92132.8325.027西北河南省驻马店市2013114.88832.8184.060西南河南省驻马店市2014114.85632.7884.804西南河南省驻马店市2015114.82332.7446.032西南河南省驻马店市2016114.78032.6937.531西南河南省驻马店市2017114.75532.6495.618西南河南省驻马店市高技术产业重心2011114.283 33.242 河南省驻马店市2012114.164 33.068 23.410 西南河南省驻马店市2013113.991 33.298 32.013 西北河南省驻马店市2014113.991 33.295 0.355 西南河南省驻马店市2015113.587 33.424 47.058 西北河南省漯河市2016113.333 33.462 28.610 西北河南省平顶山市2017113.116 33.495 24.363 西北河南省平顶山市
图3 中国工业绿色技术创新动力重心与经济重心、高技术产业重心经纬度移动轨迹比较
Fig.3 Comparison of the longitude and latitude movement trajectory of China's industrial green technology innovation motivation center of gravity, economic center of gravity, and high-tech industry center of gravity
本文基于2011—2017年中国内地省际面板数据，将基于理想解的动态评价法、熵值法和“厚今薄古”归一化法进行组合应用，对中国工业绿色技术创新动力进行综合评价，然后运用探索性空间数据分析方法，分析中国工业绿色技术创新动力的时空分异特征，最后引入重心模型，对工业绿色技术创新动力重心的演化轨迹进行研究，得出如下基本结论：
首先，2011—2017年中国工业绿色技术创新动力整体水平不高，多数地区工业绿色技术创新动力水平仍然偏低，且各区域间工业绿色技术创新动力存在极不平衡状况，具体表现为东高西低，其中东部地区最高，中部地区次之，随后是东北地区，西部地区最低。
其次，从中国工业绿色技术创新动力的时空演化特征看，总体表现为空间正相关，2011—2017年，全局Moran's I呈现先减小后增大的态势，说明中国工业绿色技术创新动力总体差异呈现先增强后减弱。从局部看，高高集聚模式主要分布在经济发达的东部地区，低高集聚和低低集聚主要分布在中西部和东北地区，高低集聚分布在北京、广东、重庆三地，呈现出较强的经济依赖性。
最后，从中国工业绿色技术创新动力重心迁移轨迹看，样本期内重心主要分布在河南南部地区，整体向西南方向迁移，东西部地区绿色技术创新发展不平衡问题突显。比较发现，中国工业绿色技术创新动力重心与经济重心、高技术产业重心变动有紧密联系。其中，高技术产业重心与工业绿色技术创新动力重心在经度上趋于一致，而南北经济发展水平差距则对工业绿色技术创新动力重心由北向南移动产生重要影响。
基于以上研究结论，得到启示如下：
(1)构建区域绿色创新网络，实现协同创新。为提高中国工业绿色技术创新动力整体水平，缩小区域间差异，各地区应努力打破区域壁垒，搭建区域绿色创新网络平台，鼓励绿色技术创新资源在各地区间自由流动，从而实现区域间工业绿色技术创新动力水平共同提高。具体而言，东部地区应继续保持绿色技术创新动力领先格局，充分发挥自身资源禀赋、区位政策等方面的优势，努力提高自身绿色技术创新溢出能力；中部地区要充分发挥本地资源优势，同时利用好区位优势，加快对东部地区绿色技术创新溢出的吸收；西部和东北地区则要在相关政策支持下，激励当地工业企业积极开展绿色技术创新活动，加大技术引进和人才培养力度，逐步缩小与发达地区的差距。
(2)因地制宜，根据自身发展情况，制定针对性策略。依据Moran散点图分布情况，对于天津、上海、江苏等工业绿色技术创新动力较强的HH型地区，应充分利用良好的绿色创新环境，继续保持其资源配置优势，进一步加快人才、资金、技术等创新要素在各地区间流动，不断提高绿色技术创新扩散水平，从而惠及周边地区；对于河北、安徽等LH型地区及北京、广东等HL型地区，绿色技术创新动力高值与低值集聚产生空间极化现象，使得绿色技术创新资源流动受到一定阻碍，因此需要努力打破区域创新壁垒，搭建企业、政府、高校、市场等多方力量参与的跨区域绿色创新环境平台，加强绿色技术创新动力强弱不等地区间的多方位合作，实现区域间绿色技术创新协同发展；对于内蒙古、吉林、贵州等LL型地区，应进一步加大创新资源投入力度，不断优化绿色技术创新环境，鼓励创新人才向本地流动，加强政府宏观调控，进而使本地区工业绿色技术创新发展焕发生机。
(3)样本期内，绿色技术创新动力重心与经济重心、高技术产业重心位移方向一致，反映出三者之间发展具有同步性。针对我国工业绿色技术创新动力东西横向失衡问题，应进一步贯彻落实中部崛起、西部大开发、振兴东北老工业基地等战略，同时加大对新疆、西藏等经济不发达的西部地区扶持力度，通过促进东西部地区经济协调发展，逐步扭转我国区域工业绿色技术创新动力发展不均衡态势。
[1] BRAUN E, WIELD D.Regulation as a means for the social control of technology[J].Technology Analysis &Strategic Management,1994,6(3):259-272.
[2] 赵细康.环境保护与产业国际竞争力:理论与实证分析[M].北京:中国社会科学出版社，2003.
[3] KEMP R, ARUNDEL A.Survey indicators for environmental innovation[R].IDEA paper,1998.
[4] 肖黎明,高军峰,刘帅.基于空间梯度的我国地区绿色技术创新效率的变化趋势:省际面板数据的经验分析[J].软科学,2017,31(9):63-68.
[5] 王旭,褚旭.中国制造业绿色技术创新与融资契约选择[J].科学学研究,2019,37(2):351-361.
[6] SUN L Y, MIAO C L, YANG L.Ecological-economic efficiency evaluation of green technology innovation in strategic emerging industries based on entropy weighted TOPSIS method[J].Ecological Indicators,2017,73:554-558.
[7] 张峰,任仕佳,殷秀清.高技术产业绿色技术创新效率及其规模质量门槛效应[J].科技进步与对策,2020,37(7):59-68.
[8] 于克信,胡勇强,宋哲.环境规制、政府支持与绿色技术创新:基于资源型企业的实证研究[J].云南财经大学学报,2019,35(4):100-112.
[9] AMORE M D, BENNEDSEN M.Corporate governance and green innovation[J].Journal of Environmental Economics and Management,2016,75:54-72.
[10] RENNINGS K.Redefining innovation—eco-innovation research and the contribution from ecological economic[J].Ecological Economics,2000,32(2):319-332.
[11] OLTRA V，JEAN M S.Sectoral systems of environmental innovation: an application to the French automotive industry[J].Technological Forecasting and Social Change,2009,76(4):567-583.
[12] 杨朝均.基于RAGA-PPE模型的绿色工艺创新动力评价及地区差异分析[J].科技进步与对策,2014,31(18):51-56.
[13] 刘刚.我国制造业绿色创新系统动力因素与绿色创新模式研究[D].哈尔滨：哈尔滨工程大学,2015.
[14] 李美娟,陈国宏,林志炳,等.基于理想解法的动态评价方法研究[J].中国管理科学,2015,23(10):156-161.
[15] 梁林,李青,刘兵.环境约束下省域科技资源配置效率:时空格局、演变机理及影响因素[J].中国科技论坛,2019,35(6):125-135,146.
[16] 梁中,昂昊.中国绿色技术创新效率演化及其空间治理[J].财贸研究,2019,30(8):16-25,63.
[17] 杨朝均,毕克新,呼若青.开放经济下工业企业绿色创新动力传导机制[J].系统工程,2018,36(9):79-90.