目前,我国正处于工业化后期,以大规模工业化推动新型城镇化建设成为保持我国经济持续增长的主要引擎,助力我国成为全球第二大经济体。然而,在城镇化进程中,经济粗放式高速增长模式加剧了我国“城市病”的蔓延,其中以酸雨、雾霾等环境问题是“城市生态病”最为突出的表现,包括中心城市北京在内的我国若干城市曾位列全球十大空气污染城市名单[1],“环境健康贫困”已成为我国“中等收入陷阱”的主要来源[2]。这意味着如果不在城镇化进程中对环境污染加以控制,“黑色”经济发展模式必然演变为限制城市可持续发展的枷锁。十九大已将污染防治作为决胜全面建设小康社会的三大攻坚战之一,可见城市高质量发展必须转变观念,变原有的“黑色”模式为“绿色”模式,对未来经济发展加以“约束”。那么,应该如何将“绿色化”有效嫁接到经济发展进程,建立经济与环境间的平衡关系?面对这一问题,智慧城市(Smart City)建设成为我国城市发展的破局之选[3]。
创新驱动与环境可持续性是智慧城市的主要特征[4]。由于智慧城市具有“天然”的创新基础优势,在创新驱动经济净效益最大化的同时,注重人与自然的协调关系。从国际经验看,智慧城市将理念(绿色)-技术(智慧)-平台(模式)有效融合,已在“绿色化”经济发展方面取得一定成效[5]。目前,在我国大力实施创新驱动战略背景下,紧锣密鼓地推进智慧城市建设,鼓励以创新驱动克服生产要素驱动带来的环境压力,促进经济增长由“数量型”向“质量型”转型成为大势所趋。但我国城市数量众多,智慧城市建设水平与其它发达国家存在一定的差距[6],亟需打造一批创新驱动与经济绿色发展联动,具有可操作性、可复制性及易推广性的智慧城市试点,发挥其标杆、引领作用。那么,创新驱动能否促进我国智慧城市经济绿色发展?该问题关乎我国智慧城市可持续性发展,值得学术界和实业界关注。
基于以上认识,本研究利用我国47个智慧城市2009—2016年的面板数据,研究智慧城市的创新驱动与经济绿色发展的关系。研究创新点在于:以“智慧城市”为研究样本,突破了国家、省际样本数据的局限;立足于当前城市建设的现实需要,尝试定量研究智慧城市创新与经济绿色发展的关系,为科学制定“创新—绿色”智慧城市经济发展模式提供理论依据和决策支持。
国内外学者普遍认为经济增长与生态环境之间存在密切关系[7,8]。智慧城市建设理念是打造更加绿色、安全和健康的城市发展模式[9],其作为经济增长和发展转型的“加速器”,已有学者针对评价指标体系[10]、建设策略[11]、城市规划[12]与技术应用[13]等方面进行研究。然而,创新驱动作为智慧城市建设最为核心的要素[14],鲜有文献关注其与智慧城市经济绿色发展的关系,已有的少量研究中,多数为定性研究,少数定量研究局限于国家、省际层面,相关成果难以指导智慧城市建设。从经济绿色发展角度看,单位GDP工业SO2排放量、单位GDP工业废水排放量及单位GDP工业烟尘排放量是目前用以反映地区经济增长过程中污染状况的主要逆向指标[15,16],但尚未有研究系统论证智慧城市创新驱动与三者之间的关系。因此,本研究结合王利军等[17]、于明杰等[18]、余泳泽等[19]关于创新驱动评价指标选取研究,归纳分析得到创新投入、创新产出、创新主体与创新活力4个指标,提出其与经济绿色发展间的关系假设。
创新投入是指政府通过财政手段对创新业务的投入。大部分学者认同政府财政手段对缓解市场失灵、实现创新资源优化配置具有重要促进作用[20,21],并且政府创新投入与企业创新投入具有联动性,Scott[22]基于美国样本,发现政府R&D投入能促进企业R&D投入。中国企业正处于经济转轨时期,技术创新具有高投入、高风险、回报周期长的显著特征[23],致使企业自发创新投入不足。因此,高效政府管理与投入能提升城市公共及私人服务水平,推进基于创新驱动的城市生态系统建设。张昭利等[24]认为,政府采取适当的财政手段能缓解我国城市经济增长过程中的SO2排放和烟尘污染。Xie[25]提出政府环境治理补贴有利于减少单位GDP废水排放。本研究认为创新投入增加有利于改善经济绿色发展的资金基础,即智慧城市政府科技投入增加能带动经济绿色发展。由此,本研究提出以下假设:
H1:创新投入与智慧城市经济绿色发展正相关。
H1a:创新投入与智慧城市单位GDP工业SO2排放量负相关;
H1b:创新投入与智慧城市单位GDP工业废水排放量负相关;
H1c:创新投入与智慧城市单位GDP工业烟尘排放量负相关。
创新产出是指先进的专利技术[26]。Grossman、陈诗一[27]认为技术创新产生的技术效应对环境质量改善具有积极作用,而专利在其中发挥着重要作用[28]。Chesbrough[29]认为,专利是企业专属性战略的结果,能影响企业创新绩效。专利申请增加有助于拉动城市绿色全要素生产率提高[30],专利成果转化是提升城市创新能力的重要举措,即专利可以通过研究、试验等环节转化为直接应用于生产实践的科学技术[31]。同时,节能减排技术创新具有路径依赖特征,既能节约企业生产成本,也能保护环境[32]。本研究认为专利作为创新产出的代表,智慧城市专利申请增加能联动节能减排技术创新,拉动经济绿色发展。由此,提出如下假设:
H2:创新产出与智慧城市经济绿色发展正相关。
H2a:创新产出与智慧城市单位GDP工业SO2排放量负相关;
H2b:创新产出与智慧城市单位GDP工业废水排放量负相关;
H2c:创新产出与智慧城市单位GDP工业烟尘排放量负相关。
创新主体是指能为经济发展与人类进步起到积极作用的创新人才[33]。创新人才基数扩大是创新驱动发展的动力。创新人才注重求新,不仅具备某一领域的具体知识,还具备强烈的探索精神与创新思维。城市中创新人力资本存量越多,研发部门生产效率越高,能有效提升环境质量[34]。在城镇化加速进程中,产业集群与区域内科研院所、大学等机构形成网络体系,可以有效降低成本,形成知识外溢从而活化资源,进而营造良好的创新驱动氛围[35]。尤其在工业化过程中,创新人才优势不仅体现在新型环保技术研发方面,更重要的在于,能将可持续发展理念融入从顶层建筑设计到规划实施层面的具体生产实践中。本研究认为智慧城市创新人才数量增加能促进经济绿色发展。由此,提出以下假设:
H3:创新主体与智慧城市经济绿色发展正相关。
H3a:创新主体与智慧城市单位GDP工业SO2排放量负相关;
H3b:创新主体与智慧城市单位GDP工业废水排放量负相关;
H3c:创新主体与智慧城市单位GDP工业烟尘排放量负相关。
创新活力是指产业结构升级状况。产业结构变迁表现为工业结构要素转变,即由劳动密集型转向资本密集型,再由资本密集型转向技术集约型[36]。Lahorgue和Cunha[37]以发展中地区为样本研究产业结构升级,认为产业结构优化升级能体现地区创新水平。徐康宁和冯伟[38]认为我国产业升级的关键点在于企业创新能力,通过快速技术创新形成本土市场规模。演化经济学家Perez指出,新兴国家利用新技术进行创新可实现产业快速升级。第三产业较第一、二产业而言更为“清洁”[39],内在更为丰富的创新意识更能激发人们的环保意愿与行动。本研究认为,以产业结构升级反映出的创新活力提升能促进智慧城市经济绿色发展。由此,提出以下假设:
H4:创新活力与智慧城市经济绿色发展正相关。
H4a:创新活力与智慧城市单位GDP工业SO2排放量负相关;
H4b:创新活力与智慧城市单位GDP工业废水排放量负相关;
H4c:创新活力与智慧城市单位GDP工业烟尘排放量负相关。
本研究选取2009—2016年我国智慧城市面板数据进行分析。2009年IBM首次向我国提出“智慧城市计划”,且变量数据来源的相关统计截止于2016年,所以选择2009—2016作为样本时间跨度。智慧城市由2017年《智慧城市评价模型及基础评价指标体系》报告中罗列的我国50个智慧城市名单认定,由于三亚、大理和拉萨部分变量数据缺失严重,予以剔除,最终获得47个智慧城市样本。
为揭示智慧城市创新驱动与绿色经济发展的关系,构建面板数据模型如下:
SO2i,j=β0+β1INIi,j+β2INOi,j+β3INSi,j+
β4INVi,j+β5GDPi,j+β6FDIi,j+β7INFi,j+μ
(1)
Wateri,j=β0+β1INIi,j+β2INOi,j+β3INSi,j+
β4INVi,j+β5GDPi,j+β6FDIi,j+β7INFi,j+μ
(2)
Dusti,j=β0+β1INIi,j+β2INOi,j+β3INSi,j+
β4INVi,j+β5GDPi,j+β6FDIi,j+β7INFi,j+μ
(3)
模型(1)、(2)和(3)分别考察创新驱动对智慧城市单位GDP工业SO2排放量(SO2)、单位GDP工业废水排放量(Water)和单位GDP工业烟尘排放量(Dust)的影响。其中,INIi、j代表i城市在j年的创新投入;INOi、j代表i城市在j年的创新产出;INSi、j代表i城市在j年的创新主体;INVi、j代表i城市在j年的创新活力;GDPi、j代表i城市在j年的生产总值;FDIi、j代表i城市在j年的外商直接投资总额;INFi、j代表i城市在j年的基础设施;ui、j代表随机扰动项。
2.2.1 被解释变量
本研究借鉴刘笑萍等、张可等[40]的方法,利用单位GDP工业SO2排放量(SO2)、单位GDP工业废水排放量(Water)和单位GDP工业烟尘排放量(Dust)3个逆向指标衡量经济绿色发展,通过对不同工业污染排放物进行对比,可以更加全面、直观地考察创新驱动对经济绿色发展的影响。
2.2.2 解释变量
(1)核心解释变量:①创新投入(INI)。利用各智慧城市政府科技支出占财政支出的比重测度。从我国现实情况看,目前科技财政支出相对量不足[41],加大我国政府的科技投入规模是提升我国科研能力的重要举措[42,43],因此城市政府科技支出占财政支出的比值能够反映城市创新投入情况;②创新产出(INO)。利用各智慧城市专利申请数量测度。目前专利被认为是最重要的创新产出指标[44],因此本研究选择各城市专利申请数量作为该地区创新产出测度指标;③创新主体(INS)。利用高校学生数量占总人口的比重表示。在“大众创业,万众创新”背景下,高校学生已然成为当代创新意识最强的群体[45],高校基于学科竞赛已进行大量的创新培养,高校数量较多的地区拥有学生数量也相对较多,更多的高校学生数量意味着创新主体基数越大[46]。因此,本研究将高校学生数量占地区人口比重作为创新主体测度指标;④创新活力(INV)。发达国家往往拥有更丰富的创新发展经验与更强大的创新驱动力量[47],而创新驱动带动产业升级通常是提高了第三产业的比重[48],预示了第三产业内部行业创新互动体现出更为强烈的创新活力[49]。因此,本研究利用第三产业占GDP的比重代表城市的创新活力。
(2)控制变量。本研究对影响经济绿色发展的其它变量进行控制,包括:①经济水平(GDP),利用各城市地区生产总值测度;②开放水平(FDI),利用各城市外商直接投资总额测度;③基础设施(INF),利用人均年末实有道路面积表示。各变量具体说明如表1所示。
2.2.3 数据处理
计算显示被解释变量数值较小,为避免回归系数过小,本研究对SO2、Water及Dust3个被解释变量的单位进行处理以扩大数值。同时,由于解释变量单位不一致容易造成估计结果不理想,为增强各变量之间数值的可比性,本研究采用归一化方法对数据进行标准化处理,将控制变量取值设置在(0,1)区间,但并不改变其经济含义。变量描述性统计如表2所示。
本研究基于47个智慧城市样本数据,采取个体固定效应估计智慧城市创新驱动与经济绿色发展之间的关系。同时,为了缓解在回归过程中存在的异方差,采取截面加权法进行处理,进一步提升模型的估计效果,计量结果如表4所示。首先,利用模型(1)考察创新驱动对智慧城市单位GDP工业SO2排放的影响,可以发现创新驱动4个变量中,仅有创新主体(INS)与创新活力(INV)两个变量通过1%的显著性水平上通过检验,创新投入(INI)与创新产出(INO)两个变量未通过检验,即H1a、H2a不成立,H3a、H4a成立。该结果说明,对于创新主体基数越大、第三产业发展水平越高的智慧城市,其单位GDP工业SO2排放越低;政府对科技的财政投入与专利申请量对单位GDP工业SO2排放量没有影响。
表1 变量说明
变量名变量代码变量定义单位变量来源被解释变量单位GDP工业SO2排放量SO2(SO2)工业SO2排放量/各市GDPKG/千元各年度《中国城市统计年鉴》单位GDP工业废水排放量Waste Water(Water)工业废水排放量/各市GDP吨/千元各年度《中国城市统计年鉴》单位GDP工业烟尘排放量Dust Emission(Dust)工业烟(尘)排放量/各市GDPKG/万元各年度《中国城市统计年鉴》核心解释变量创新投入Innovation Input (INI)政府科技支出/财政支出/各年度《中国城市统计年鉴》创新产出Innovation output(INO)专利申请数量件各省统计年鉴、相关权威媒体资料创新主体Innovative Subject(INS)高校学生数量/总人口/各年度《中国城市统计年鉴》创新活力Innovative Vitality(INV)第三产业占GDP的比重/各年度《中国城市统计年鉴》控制变量经济水平GDP(GDP)地区生产总值万元各年度《中国城市统计年鉴》开放水平FDI(FDI)外商直接投资总额万元各年度《中国城市统计年鉴》基础设施Infrastructure(INF)人均年末实有道路面积m2各年度《中国城市统计年鉴》
表2 变量描述性统计
变量观测值截面数均值标准差最小值最大值INI376470.1350.1530.0031INO376470.1310.1630.0001INS376470.4250.2640.0281INV376470.6080.1230.2871SO2376470.2300.2330.0021.611WATER376470.2810.2380.0331.572DUST376471.0881.3530.0008.888GDP376470.2010.1720.0041FDI376470.1060.1300.0001INF376470.1410.1180.0151
其次,利用模型(2)考察创新驱动对智慧城市单位GDP工业废水排放量的影响结果显示,除创新投入(INI)外,创新产出(INO)、创新主体(INS)、创新活力(INV)对单位GDP废水排放量均有负向影响,即H1b不成立,H2b、H3b、H4b得证。该结果说明,智慧城市专利申请量多、高校人数占总人口比重大、第三产业发展水平高,能有效降低经济发展中的废水排放。
最后,利用模型(3)考察创新驱动对智慧城市单位GDP工业烟尘排放量的影响,结果显示,创新投入(INI)与创新活力(INV)对单位GDP烟尘排放量有负向影响,而创新产出(INO)与创新主体(INS)对单位GDP烟尘排放量没有影响,即H2c、H3c不成立,H1c、H4c成立。该结果表明,智慧城市政府科技投入越多、第三产业发展水平越高越有利于工业烟尘减排,专利申请数量与高校人数占总人口比重对工业烟尘减排不存在影响。模型检验结果见表3。
表3 创新驱动与经济绿色发展的关系
变量模型(1)模型(2)模型(3)C1.190***(21.628)0.733***(14.653)2.762***(10.279)INI-0.003(-0.147)0.018(1.040)-0.251***(-2.661)INO0.027(0.787)-0.136*(-1.775)-0.025(-0.137)INS-0.638***(-7.710)-0.161***(-2.617)-0.412(-1.270)INV-1.018***(-10.565)-0.413***(-4.305)-2.401***(-5.101)GDP-0.068**(-2.302)-0.423***(-4.582)0.492**(2.071)FDI-0.118*(-1.902)-0.199***(-3.273)-0.449(-1.549)INF-0.330***(-5.270)-0.077(-1.242)-0.376(-1.217)个体固定效应固定固定固定R20.8630.8560.839调整的R20.8400.8320.813Prob(F-statistic)0.0000.0000.000Observations376376376
注:括号内为T值;***、**、*分别表示在1%、5%和10%的显著性水平,下同
需要注意的是,47个智慧城市样本中包含有我国“北上广深”(北京、上海、广州和深圳)四大城市,这四大城市无论在经济发展、技术创新等方面实力远超其他智慧城市,将这些城市放在全样本中进行检验可能会对估计结果造成一定的影响。因此,本研究将在全样本城市的基础上剔除这四个城市,再次使用个体固定效应对模型进行估计以进行敏感性分析。
敏感性分析结果如表4所示。与全样本城市回归结果进行对比可知:首先,从模型(1)中可以看出,去除“北上广深”后剩余智慧城市的创新主体(INS)与创新活力(INV)对单位GDP工业SO2排放量有负向影响,与全样本城市回归结果一致。其次,模型(2)中创新产出(INO)与创新活力(INV)通过检验,说明二者对单位GDP工业废水排放量有影响,且方向为负与全样本回归结果一致,而虽然创新主体(INS)未通过检验,但系数符号仍然为负,与全样本城市回归结果基本一致。最后,模型(3)中创新投入(INI)与创新活力(INV)对单位GDP工业烟尘排放量有显著负向影响,与全样本回归结果一致。同时,创新产出(INO)对单位GDP工业烟尘排放量的负向作用在10%的置信水平上通过检验,与全样本城市回归得到的不显著结果不同,但影响方向均为负。
通过全样本检验与敏感性分析的结果对比可以发现结果大致相同,虽然存在个别变量结果差异,可能的原因在于“北上广深”四大城市的创新能力与经济绿色发展水平本身与其他城市存在差异,因而可能造成计量结果小幅度的变化,但结果较为稳健。同时,所有通过检验的变量系数均为负,这说明创新驱动与经济绿色发展之间确实存在关联,由于经济绿色发展指标为逆向指标,说明随着智慧城市创新驱动水平的提升,城市经济也能联动绿色发展。
表4 创新驱动与经济绿色发展的关系(去除“北上广深”四大城市)
变量模型(1)模型(2)模型(3)C1.169***(19.886)0.686***(15.411)3.097***(9.746)INI-0.011(-0.551)0.001(0.061)-0.337***(-3.189)INO0.054(0.671)-0.314***(-2.614)-0.485*(-1.913)INS-0.510***(-5.899)-0.031(-0.544)-0.545(-1.343)INV-1.009***(-9.708)-0.292***(-3.309)-2.805***(-4.756)GDP-0.484***(-4.206)-1.063***(-7.375)0.860*(1.729)FDI-0.025(-0.309)-0.003(-0.050)-0.698*(-1.983)INF-0.242***(-3.998)0.032(0.622)-0.166(-0.445)个体固定效应固定固定固定R20.8560.8850.786调整的R20.8310.8660.750Prob(F-statistic)0.0000.0000.000Observations376376376
注:括号内为T值。***、**、*分别表示在1%、5%和10%的显著性水平
本研究发现,从整体看,创新驱动确实能促进智慧城市经济绿色发展,并且不同创新驱动指标对智慧城市经济绿色发展影响不同。具体来说:①创新投入(INI)的增加能够显著缓解单位GDP工业烟尘排放量,但对单位GDP工业SO2和烟尘排放量的影响不显著;②创新产出(INO)的增加能够降低单位GDP工业废水排放量,而对单位GDP工业SO2和烟尘排放量的影响不显著;③创新主体(INS)增多能降低单位GDP工业SO2排放量,但对单位GDP工业废水与烟尘排放量的影响不显著;④创新活力(INV)提升对单位GDP工业SO2、废水和烟尘的排放量有显著抑制效应。敏感性分析结果显示,剔除“北上广深”四大城市样本之后,计量结果整体较为稳健,再次印证了实证结论的可靠性。
创新投入(INI)、创新产出(INO)和创新主体(INS)对某些污染物指标的影响不显著,原因可能在于:①我国创新投入(INI)即政府财政科技投入资金规模不足。经济绿色发展需要足够的资金支持,而财政科技投入并非都用于经济绿色发展创新研发,可能存在着投入资金安排协调度低的问题[50]。此外,资金利用过程中可能存在监督、激励与评价机制不健全等问题,使创新投入对单位GDP工业SO2和烟尘排放的抑制作用不显著[51];②我国以专利为代表的创新产出(INO)数量急剧增长,但是专利质量水平较低,尤其对于经济运行过程中的治污技术专利水平创新度较低[52],造成创新产出(INO)无法有效抑制单位GDP工业SO2和废水排放;③我国创新人才培养基数大,但优秀创新科技人才不足。同时,人才结构不合理,在专业、行业和区域等方面不均衡,创新人才对经济绿色发展的作用难以充分发挥[53]。创新活力(INV)对我国智慧城市3个污染物指标均有显著的抑制作用,说明我国目前产业结构升级体现出的创新活力(INV)在环境保护方面已有成效。
基于以上分析,为能更充分地发挥创新驱动在智慧城市经济绿色发展中的有效作用,本研究提出如下政策建议:①政府应完善科技投入资金使用及监管体制,设立更具针对性的治污减排专项科技投入,并通过完善资源环境绩效指标提升行政化手段实施的科学性,利用经济绿色发展绩效考评资金使用效率;②建立政府与企业协同产业技术供给与管理机制。政府组织、引导地区科技力量开展协同创新研发活动,重视专利数量与质量协调发展,提高治污减排专利比例与真实专利转化效率。通过行业协会或企业组织对专利实施对接应用,落实成果转化,保证专利发明能切实运用于生产实践;③进一步完善教育制度、人才评价制度与人才使用与激励制度,增加治污减排创新人才的培养力度,在最大化挖掘已有创新人才潜能的同时,创建并落实城市创新人才引进政策,增加创新主体数量、提升创新主体质量;④在产业结构升级过程中更加重视高新技术产业发展以提升绿色生产效率,推进服务业发展以加大“清洁”行业的比重,充分利用第三产业中的创新活力,以实现更显著的环境“绿色效应”。
[1] 张庆丰,罗伯特·克鲁克斯.迈向环境可持续的未来[M].北京:中国财政经济出版社,2012.
[2] 祁毓,卢洪友.污染、健康与不平等——跨越“环境健康贫困”陷阱[J].管理世界,2015(9):32-51.
[3] 辜胜阻,刘江日.城镇化要从“要素驱动”走向“创新驱动”[J].人口研究,2012,36(6):3-12.
[4] ANDREA CARAGLIU, CHIARA DEL BO, PETER NIJKAMP. Smart cities in Europe[J]. Urban Insight, 2011,18(2):65-82.
[5] 李健.维也纳以“智慧城市”框架推动“绿色城市”建设的经验[J].环境保护,2016,44(14):63-66.
[6] 王广斌,张雷,刘洪磊.国内外智慧城市理论研究与实践思考[J].科技进步与对策,2013,30(19):153-160.
[7] GROSSMAN G M, KRUEGER A B. Environmental impacts of a north american free trade agreement[J]. The Mexico-US Free Trade Agreement, 1993,8(2):223-250.
[8] 夏勇,钟茂初.经济发展与环境污染脱钩理论及EKC假说的关系——兼论中国地级城市的脱钩划分[J].中国人口·资源与环境,2016,26(10):8-16.
[9] DAMERI R P, ROSENTHAL-SABROUX C. Smart city and value creation[J]. Journal UrbanTechnology,2011(18):65-82.
[10] 陈铭,王乾晨,张晓海,等.“智慧城市”评价指标体系研究——以“智慧南京”建设为例[J].城市发展研究,2011,18(5):84-89.
[11] 杨红艳.“智慧城市”的建设策略:对全球优秀实践的分析与思考[J].电子政务,2012(1):81-88.
[12] 甄峰,秦萧.大数据在智慧城市研究与规划中的应用[J].国际城市规划,2014,29(6):44-50.
[13] 庞素琳,蔡牧夫.基于大数据的城中村C2I2O设计与警力配备模型[J].系统工程理论与实践,2018,38(2):458-471.
[14] ANGELIDOU M. Smart cities: a conjuncture of four forces[J]. Cities, 2015, 47:95-106.
[15] 刘笑萍,张永正,长青.基于EKC模型的中国实现减排目标分析与减排对策[J].管理世界,2009(4):75-82.
[16] 曾翔,沈继红.江浙沪三地城市大气污染物排放的环境库兹涅茨曲线再检验[J].宏观经济研究,2017(6):121-131.
[17] 王利军,胡树华.基于“四三结构”的区域创新系统产出投入回馈机制研究[J].软科学,2012,26(7):65-69.
[18] 于明洁,郭鹏.基于典型相关分析的区域创新系统投入与产出关系研究[J].科学学与科学技术管理,2012,33(6):85-91.
[19] 余泳泽,刘大勇.我国区域创新效率的空间外溢效应与价值链外溢效应——创新价值链视角下的多维空间面板模型研究[J].管理世界,2013(7):6-20,70,187.
[20] 周海涛,张振刚.政府研发资助方式对企业创新投入与创新绩效的影响研究[J].管理学报,2015,12(12):1797-1804.
[21] SOUMAYA BEN LETAIFA. How to strategize smart cities: revealing the SMART model[J]. Journal of Business Research,2015,68(7).
[22] SCOTT J T. Firm versus industry variability in R&D intensity[J]. Nber Chapters, 1984:233-248.
[23] 刘放,杨筝,杨曦.制度环境、税收激励与企业创新投入[J].管理评论,2016,28(2):61-73.
[24] 张昭利,周亚虹.中国经济增长中的大气污染及国际比较——以二氧化硫为例[J].经济管理,2012(10):166-174.
[25] XIE J, SALTZMAN S. Environmental policy analysis: an environmental computable general equilibrium approach for developing countries[J]. Journal of Policy Modeling, 2000,22(4):453-489.
[26] PAROUTIS S, BENNETT M, HERACLEOUS L. A strategic view on smart city technology: the case of IBM Smarter Cities during a recession[J]. Technological Forecasting & Social Change, 2014,89:262-272.
[27] 陈诗一.节能减排与中国工业的双赢发展:2009—2049[J].经济研究,2010(3):129-143.
[28] 李粉,孙祥栋,张亮亮.产业集聚、技术创新与环境污染——基于中国工业行业面板数据的实证分析[J].技术经济,2017,36(3):1-7.
[29] CHESBROUGH H W. Open business models: how to thrive in the new innovation landscape[J]. Journal of Product Innovation Management, 2007,17(4):406-408.
[30] 毕克新,杨朝均,黄平.中国绿色工艺创新绩效的地区差异及影响因素研究[J].中国工业经济,2013(10):57-69.
[31] 徐国兴,贾中华.科技成果转化和技术转移的比较及其政策含义[J].中国发展,2010,10(3):45-49.
[32] AGHION P, DECHEZLEPRêTRE A, HéMOUS D, et al. Carbon taxes, path dependency and directed technical change: evidence from the auto industry[J]. Social Science Electronic Publishing, 2016,124(1):1-51.
[33] 盛楠,孟凡祥,姜滨,等.创新驱动战略下科技人才评价体系建设研究[C].全国科技评价学术研讨会,2015.
[34] 黄茂兴,林寿富.污染损害、环境管理与经济可持续增长——基于五部门内生经济增长模型的分析[J].经济研究,2013(12):30-41.
[35] 朱秀梅.高技术产业集群创新路径与机理实证研究[J].中国工业经济,2008(2):66-75.
[36] 王鹏,赵捷.产业结构调整与区域创新互动关系研究——基于我国2002-2008年的省际数据[J].产业经济研究,2011(4):53-60.
[37] LAHORGUE M A, CUNHA N D. Introduction of innovations in the industrial structure of a developing region: the case of the porto alegre technopole 'homebrokers' project[J]. International Journal of Technology Management & Sustainable Development, 2004,2(3):191-204.
[38] 徐康宁,冯伟.基于本土市场规模的内生化产业升级:技术创新的第三条道路[J].中国工业经济,2010(11):58-67.
[39] 韩永辉,黄亮雄,王贤彬.产业结构升级改善生态文明了吗——本地效应与区际影响[J].财贸经济,2015,36(12):129-146.
[40] 张可,豆建民.集聚与环境污染——基于中国287个地级市的经验分析[J].金融研究,2015(12):32-45.
[41] 包健.我国财政科技支出优化分析[J].科学管理研究,2010,28(3):79-81.
[42] 刘春节,刘世玉.政府的科技支出:规模与结构[J].东北财经大学学报,2006(6):53-56.
[43] 李婧.基于动态空间面板模型的中国区域创新集聚研究[J].中国经济问题,2013(6):56-66.
[44] 张信东,贺亚楠,马小美.R&D税收优惠政策对企业创新产出的激励效果分析——基于国家级企业技术中心的研究[J].当代财经,2014(11):35-45.
[45] 王莉,牛振喜.众创背景下高校学生创新行为演化系统动力学分析[J].科技进步与对策,2017,34(7):133-138.
[46] 柏连阳,蒋建初,盛正发.基于学科竞赛的新建本科院校技术创新人才培养探析[J].当代教育论坛,2010(23):65-67.
[47] 胡婷婷,文道贵.发达国家创新驱动发展比较研究[J].科学管理研究,2013,31(2):1-4.
[48] 张银银,黄彬.产业承接、创新驱动与促进区域协调发展研究[J].经济体制改革,2015(6):62-67.
[49] 谢兰云.创新、产业结构与经济增长的门槛效应分析[J].经济理论与经济管理,2015,35(2):51-59.
[50] 王遥,潘冬阳.中国经济绿色转型中的金融市场失灵问题与干预机制研究[J].中央财经大学学报,2015(11):29.
[51] 吴芸.政府科技投入对科技创新的影响研究——基于40个国家1982—2010年面板数据的实证检验[J].科学学与科学技术管理,2014,35(1):16-22.
[52] 彭绪庶.绿色经济促进创新发展的机制与路径[J].经济纵横,2017(9):56-61.
[53] 蒋洪强,卢亚灵,杨勇.新形势下生态环保人才队伍建设路径探讨[J].环境保护,2014,42(11):43-46.