第三产业绿色技术创新效率时空差异及动态演变

doi:10.11924/j.issn.1000-6850.casb2021-0546

摘要/Abstract

摘要：

本研究旨在提出促进长江经济带第三产业绿色技术创新水平提升的建议,为推进经济带协同一体的高质量发展提供理论依据。基于Min-DS模型,测度2001—2018年第三产业绿色技术创新效率,并结合Dagum基尼系数和Kernel密度估计,揭示区域及其子地区绿色技术创新效率变化的时空差异特征、贡献率及动态演变规律。以长江经济带为例研究得知：在观察期内经济带第三产业绿色技术创新效率总体呈上升趋势,下游地区效率具有显著优势;但各省市效率变化趋势存在较大差异,效率强度区域的空间分布随时间改变;上中下游地区内及之间绿色技术创新效率的时空差异是经济带时空差异的主要来源。本研究系统分析了长江经济第三产业绿色技术创新效率的分布及演变特征,得到了其提升绿色技术创新水平的有效路径。

关键词: 第三产业, 绿色技术创新效率, Min-DS模型, 时空差异, 长江经济带

Abstract:

The purpose of this research is to put forward suggestions to improve the level of green technology innovation in the tertiary industry in the Yangtze River Economic Belt and provide a theoretical basis for promoting the synergistic high-quality development of the economic belt. Based on the Min-DS model, this paper measured the efficiency of green technology innovation in the tertiary industry from 2001 to 2018. The characteristics, sources and dynamic evolution of the spatial-temporal differences in the region and its sub-regions were revealed by integrating Dagum’s Gini coefficient with Kernel density estimation. Taking the Yangtze River Economic Belt as an example, it is found that: during the observation period, the efficiency of green technology innovation in the tertiary industry in the economic belt was generally on the rise, and the efficiency of downstream regions had significant advantages; however, there were large differences in the trend of efficiency change in various provinces, and the spatial distribution of efficiency intensity region changed with time; the spatial-temporal differences of the efficiency of green technology innovation in and between the upstream, midstream and downstream regions were major sources of the differences in the economic belt. This paper systematically analyzed the distribution and evolution characteristics of green technology innovation efficiency in the tertiary industry of the Yangtze River Economy Belt, and obtained an effective path to improve the level of green technology innovation.

Key words: the tertiary industry, green technology innovation efficiency, Min-DS model, spatial-temporal difference, the Yangtze River Economic Belt

中图分类号:

陈红. 第三产业绿色技术创新效率时空差异及动态演变[J]. 中国农学通报, 2022, 38(14): 124-129.

CHEN Hong. Spatial-temporal Difference and Dynamic Evolution of Green Technology Innovation Efficiency in the Tertiary Industry[J]. Chinese Agricultural Science Bulletin, 2022, 38(14): 124-129.

图/表 4

参考文献 27

[1]	陶锋, 赵锦瑜, 周浩. 环境规制实现了绿色技术创新的“增量提质”吗--来自环保目标责任制的证据[J]. 中国工业经济, 2021(02):136-154.
[2]	李慧. 中国第三产业税收贡献研究[J]. 税务与经济, 2020(2):97-105.
[3]	庄芹芹, 吴滨, 洪群联. 市场导向的绿色技术创新体系:理论内涵、实践探索与推进策略[J]. 经济学家, 2020(11):29-38.
[4]	陈艳春, 韩伯棠, 周颖. 绿色技术创新驱动经济转型的策略研究[J]. 河北经贸大学学报, 2019, 4(40):94-100.
[5]	庞金波, 李杨薇, 赵丽娟. 基于PP-SFA方法的我国科技金融投入产出效率研究[J]. 科技管理研究, 2020, 40(21):217-224.
[6]	王志平, 陶长琪, 沈鹏熠. 基于生态足迹的区域绿色技术效率及其影响因素研究[J]. 中国人口·资源与环境, 2014, 24(1):35-40.
[7]	孙宏芃. 制度创新环境与中国绿色技术创新效率[J]. 科技管理研究, 2016, 36(21):251-257.
[8]	肖黎明, 张仙鹏. 强可持续理念下绿色创新效率与生态福利绩效耦合协调的时空特征[J]. 自然资源学报, 2019, 34(2):312-324.
[9]	吴中超. 网络结构、创新基础设施与区域创新绩效- -基于网络DEA乘法模型的分析[J]. 北京交通大学学报:社会科学版, 2021:1-11.
[10]	李影, 张鹏, 曾永泉. 粤港澳大湾区工业科技创新效率及其时空演变研究[J]. 工业技术经济, 2020, 39(8):21-27.
[11]	KAORU T, MIKI T. Dynamic DEA with network structure: A slacks-based measure approach[J]. Omega, 2014, 42(1):124-131. doi: 10.1016/j.omega.2013.04.002 URL
[12]	YAGO L, IAN V, SERGIO C, et al. Eco-efficiency analysis of Spanish WWTPs using the LCA + DEA method[J]. Water research, 2015, 68:651-666. doi: 10.1016/j.watres.2014.10.040 URL
[13]	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.
[14]	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.
[15]	杨世迪, 刘亚军. 中国对外直接投资能否提升区域绿色创新效率--基于知识产权保护视角[J]. 国际经贸探索, 2021, 37(2):83-98.
[16]	肖权, 赵路. 异质性环境规制、FDI与中国绿色技术创新效率[J]. 现代经济探讨, 2020(4):29-40.
[17]	黄磊, 吴传清. 长江经济带城市绿色技术创新效率及其动力机制研究[J]. 重庆大学学报:社会科学版, 2021, 27(1):50-64.
[18]	张江雪, 朱磊. 基于绿色增长的我国各地区工业企业技术创新效率研究[J]. 数量经济技术经济研究, 2012, 29(2):113-125.
[19]	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.
[20]	张辽, 黄蕾琼. 中国工业企业绿色技术创新效率的测度及其时空分异特征--基于改进的三阶段SBM-DEA模型分析[J]. 统计与信息论坛, 2020, 35(12):50-61.
[21]	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.
[22]	刘章生, 宋德勇, 刘桂海. 环境规制对制造业绿色技术创新能力的门槛效应[J]. 商业研究, 2018(4):111-119.
[23]	李健, 马晓芳. 京津冀城市绿色创新效率时空差异及影响因素分析[J]. 系统工程, 2019, 37(5):51-61.
[24]	FROSINI B V. Approximation and decomposition of Gini, Pietra-Ricci and Theil inequality measures[J]. Empirical economICS, 2012, 43(1):175-197. doi: 10.1007/s00181-011-0464-1 URL
[25]	BW S. Density estimation for statistics and data analysis[N]. London-New York: CRC Press, 2018.
[26]	吕承超, 邵长花, 崔悦. 中国绿色创新效率的时空演进规律及影响因素研究[J]. 财经问题研究, 2020(12):50-57.
[27]	马大来, 陈仲常, 王玲. 中国省际碳排放效率的空间计量[J]. 中国人口·资源与环境, 2015, 25(1):67-77.

	符号	指标名称	单位	样本数	均值	标准差	最大值	最小值
投入指标	x₁	R&D人员全时当量	人年	198	103049	111570	560263	8876
	x₂	R&D经费支出资本存量	万元	198	8946163	15655752	92696420	28261
	x₃	能源消耗量	万t标准煤	198	1957	1257	5455	217
期望产出	y₁	技术市场成交额	万元	198	1004565	880339	3822844	81934
非期望产出	y₂	CO₂排放量	万t标准碳	198	26	15	70	3
非期望产出	y₃	SO₂排放量	万t	198	11	13	81	0

	符号	指标名称	单位	样本数	均值	标准差	最大值	最小值
投入指标	x₁	R&D人员全时当量	人年	198	103049	111570	560263	8876
	x₂	R&D经费支出资本存量	万元	198	8946163	15655752	92696420	28261
	x₃	能源消耗量	万t标准煤	198	1957	1257	5455	217
期望产出	y₁	技术市场成交额	万元	198	1004565	880339	3822844	81934
非期望产出	y₂	CO₂排放量	万t标准碳	198	26	15	70	3
非期望产出	y₃	SO₂排放量	万t	198	11	13	81	0

	云南	贵州	四川	重庆	上游	湖北	湖南	安徽	江西	中游	江苏	上海	浙江	下游	整体
“十五”时期	0.951	0.978	0.47	0.977	0.844	0.692	0.725	0.97	0.957	0.836	0.946	0.616	1.000	0.854	0.844
“十一五”时期	0.928	0.972	0.465	0.957	0.831	0.610	0.644	0.991	0.976	0.805	1.000	0.491	0.966	0.819	0.818
“十二五”时期	0.920	0.924	0.782	0.773	0.850	0.752	0.724	0.967	1.000	0.861	0.987	0.980	0.989	0.985	0.891
“十三五”早期	0.961	0.988	0.729	0.718	0.849	0.819	0.766	0.922	0.993	0.875	1.000	1.000	0.958	0.986	0.896

	云南	贵州	四川	重庆	上游	湖北	湖南	安徽	江西	中游	江苏	上海	浙江	下游	整体
“十五”时期	0.951	0.978	0.47	0.977	0.844	0.692	0.725	0.97	0.957	0.836	0.946	0.616	1.000	0.854	0.844
“十一五”时期	0.928	0.972	0.465	0.957	0.831	0.610	0.644	0.991	0.976	0.805	1.000	0.491	0.966	0.819	0.818
“十二五”时期	0.920	0.924	0.782	0.773	0.850	0.752	0.724	0.967	1.000	0.861	0.987	0.980	0.989	0.985	0.891
“十三五”早期	0.961	0.988	0.729	0.718	0.849	0.819	0.766	0.922	0.993	0.875	1.000	1.000	0.958	0.986	0.896

观察期	G	G_w			G_nb	G_t	贡献率
观察期	G	上游地区	中游地区	下游地区	G_nb	G_t	G_w	G_nb	G_t
“十五”时期	0.107	0.115	0.080	0.100	0.004	0.069	31.02%	4.19%	64.78%
“十一五”时期	0.131	0.117	0.115	0.138	0.007	0.083	31.27%	5.52%	63.21%
“十二五”时期	0.063	0.043	0.076	0.002	0.031	0.017	24.17%	48.40%	27.43%
“十三五”早期	0.066	0.077	0.056	0.009	0.031	0.017	26.90%	47.69%	25.41%