环境经济研究２０１８年第２期ＤＯＩ１０.１９５１１/ ｊ.ｃｎｋｉ.ｊｅｅ.２０１８.０２.００３创新对中国城市生态效率的影响研究 基于空间溢出分解的视角罗能生 余燕团∗摘要在创新驱动城市绿色发展的背景下ꎬ需要高度重视区域异质性ꎬ并通过创新及其空间溢出等途径协同提升城市生态效率ꎮ本文将凸共同前沿拓展到非凸共同前沿ꎬ并利用改进的数据包络分析模型测度了中国２００３－２０１５年１９１个地级及以上城市的生态效率ꎬ研究了城市创新空间溢出的高位压力和低位吸力对生态效率的提升机制ꎮ主要发现有邻近地区城市创新的高位压力对本市生态效率提升具有显著的促进作用ꎬ表现为“见贤思齐”效应ꎬ且这种提升作用不会随距离阈值的增大而出现衰减ꎮ分组比较发现ꎬ东部城市、环境保护重点城市、非资源型城市和两控区城市创新能力的高位压力对生态效率具有明显的提升作用ꎬ表明“见贤思齐”效应依然占主导ꎮ实证研究表明地方政府应高度重视城市创新的正、负向空间溢出ꎬ积极发挥“见贤思齐”的积极作用ꎬ避免“见劣自缓”的负面影响ꎬ对不同城市类型采取差别化约束机制ꎬ坚持分类指导、特色发展ꎬ以快速有效地提升城市生态效率ꎬ实现区域绿色发展、协调发展的目标ꎮ关键词城市创新ꎻ空间溢出ꎻ生态效率ꎻ异质性ꎻ非凸共同前沿一、引言党的十九大报告中指出ꎬ创新是引领发展的第一动力ꎬ是建设现代化经济体系的战略支撑ꎮ从唯物辩证法的角度看ꎬ发展的实质和途径就是创新王永芹ꎬ２０１４ꎮ然而ꎬ技术进步与创新发展空间巨大ꎬ国民整体研究水平仍有待提高连平等ꎬ２０１８ꎬ不仅仅是因为技术进步与创新是一个经济体实现长期可持续经济增长的关键ꎬ更重要的是ꎬ技术创新对城市绿色发展具有显著的促进作用Ｚｈａｎｇ ｅｔ ａｌ.ꎬ２０１８ꎮ生态效率综合考虑了资源、环境和经济的协调发展ꎬ为衡量区域７２∗罗能生ꎬ湖南大学经济与贸易学院ꎬ邮政编码４１００７９ꎬ电子信箱ｌｎｓ１１２２＠ １６３.ｃｏｍꎻ余燕团ꎬ湖南大学经济与贸易学院ꎬ邮政编码４１００７９ꎬ电子信箱ｙａｎｔｕａｎｙｕ＠ １６３.ｃｏｍꎮ本文系国家自然科学基金项目“异质性资源禀赋下城市生态效率度量、空间溢出及其驱动机制研究”４１５７１５２４、国家社会科学基金重大招标项目“推进我国区域经济、政治、社会、文化及生态协同发展研究”１１＆ＺＤ０１２、国家社会科学基金重大招标项目“交通污染排放的社会外部性及其对公共健康的影响研究”１７ＺＤＡ０８１的阶段性成果ꎮ感谢匿名审稿人的宝贵意见ꎬ文责自负ꎮ罗能生 余燕团创新对中国城市生态效率的影响研究绿色发展和生态文明建设水平提供了一个综合性视角黄建欢ꎬ２０１６ꎬ而城市创新通过提高资源利用效率、降低环境污染和提高经济产出等渠道进一步影响生态效率ꎮ基于此ꎬ本文将深入考察城市创新及其空间溢出对生态效率的影响机制ꎬ在当前实施创新驱动绿色发展阶段ꎬ对这一问题的阐释将有利于进一步识别城市生态效率提升的关键因素ꎬ为推进绿色发展和建设美丽中国进程中相关政策的制定和设计提供参考ꎮ国内外研究创新与生态效率的文献相对较少ꎬ主要是从某个侧面研究创新与效率的关系ꎮ如科技创新与技术效率马述忠、柴宇曦ꎬ２０１６ꎬ科技创新与资源效率叶依广、孙林ꎬ２００２ꎬ科技创新与能源效率贾军、张卓ꎬ２０１３ꎬ科技创新与碳生产率李小平等ꎬ２０１６ꎮ现有文献对中国生态效率的研究主要有两条主线一是深化和拓展生态效率的测度方法ꎮ现有的测算方法主要有单一比值法或生态成本价值指数模型、数据包络分析法、随机前沿分析法和生态足迹法等几种ꎮ其中ꎬＤＥＡ和ＳＦＡ具有客观赋权的优势ꎬ因而被广泛用于测度生态效率Ｈｕａｎｇ ｅｔ ａｌ.ꎬ２０１４ꎻＯｒｅａ ＆ Ｗａｌｌꎬ２０１６ꎻ Ｏｒｅａ ＆ Ｗａｌｌꎬ２０１７ꎮ梳理已有研究发现ꎬ采用ＤＥＡ测度生态效率的文献相对较多ꎮ例如ＣＣＲ模型Ｚｈａｎｇ ｅｔ ａｌ.ꎬ２００８ꎬＢＣＣ模型王恩旭、武春友ꎬ２０１１ꎬ方向性距离函数汪克亮等ꎬ２０１６ꎬ超效率ＤＥＡ模型付丽娜等ꎬ２０１３ꎻ陈真玲ꎬ２０１６ꎬ综合考虑ＳＢＭＴｏｎｅꎬ２００１和超效率Ａｎｄｅｒｓｅｎ ＆ Ｐｅｔｅｒｓｅｎꎬ１９９３、非期望产出的ＤＥＡ模型Ｈｕａｎｇ ｅｔ ａｌ.ꎬ２０１４ꎬ共同前沿ＤＥＡ模型刘丙泉等ꎬ２０１６ꎬ综合考虑共同前沿、非期望产出和超效率的ＳＢＭ模型Ｈｕａｎｇｅｔ ａｌ.ꎬ２０１８ꎻ黄建欢等ꎬ２０１８ꎻＹｕ ｅｔ ａｌ.ꎬ２０１８ꎮ为了得到更加全面、准确的测度结果ꎬ学者们仍在不断对ＤＥＡ模型进行改进和创新ꎬ相关研究仍是今后长时间内学界关注的重点之一ꎮ二是生态效率提升的影响机制分析ꎬ与本研究主题密切相关的主要文献有王瑾２０１４、陈林心等２０１６、黄建欢和许和连２０１６、梁星和卓得波２０１７、卢燕群和袁鹏２０１７以及Ｚｈａｎｇ等２０１８ꎮ值得注意的是ꎬＺｈａｎｇ等２０１８基于１０５个城市的面板数据和空间计量方法ꎬ研究了技术创新对城市生态效率的影响ꎬ发现技术创新对生态效率提升具有显著的推动作用ꎮ本文的创新之处在于一是改进和拓展了生态效率的测度方法ꎻ二是利用更加综合的城市创新指数寇宗来、刘学悦ꎬ２０１７衡量城市创新能力ꎻ三是研究样本更大ꎮ本文余下安排为第二部分为城市创新及其空间溢出影响生态效率的机制分析ꎻ第三部分介绍了空间溢出和生态效率的测度、计量模型与样本数据ꎻ第四部分为实证结果与分析ꎻ最后是本文的结论与政策建议ꎮ二、城市创新及其空间溢出影响生态效率的机制城市创新主要体现在宏观的科技创新、中观的行业绿色技术创新、微观层面的企业技术创新等层面ꎬ其在环境保护和生态效率提升方面发挥着重要作用ꎮ城市创新主要通过技术外溢扩散等途径影响邻近城市ꎮ而现实中城市间存在着策略互动影响ꎬ竞争、模仿、合作以及其他层面的关系黄建欢等ꎬ２０１８ꎮ不仅如此ꎬ城市间的创新能力差距越大则竞争压力越大ꎬ８２环境经济研究２０１８年第２期由此可能产生的空间溢出效应越明显ꎬ对生态效率的作用越凸出ꎮ关于创新影响生态效率的研究ꎬ已有文献从实证计量检验的角度出发ꎬ运用不同的模型与分析方法ꎬ得出了丰富的研究结论ꎬ但基本都认为创新能力的提高有利于区域生态效率的提升ꎮ例如ꎬ郭莉等２００９基于中国２８个省市、区２００２年的相关数据实证发现工业创新能力对产业生态效率的作用明显大于环境科技水平ꎻ付丽娜等２０１３运用超效率ＤＥＡ方法测度了长株潭“３＋５”城市群各城市２００５－２０１０年的生态效率ꎬ并基于面板数据的Ｔｏｂｉｔ模型考察了生态效率的影响因素ꎬ实证结果发现研发强度对生态效率有显著的正向影响ꎻ王瑾２０１４运用超效率ＤＥＡ方法测度了中国３０个省市、区２００７－２０１１年的工业生态效率ꎬ并实证发现东南沿海地区的工业自主创新对生态效率提升具有显著的促进作用ꎻ武春友等２０１５测算了１９９８－２０１２年中国各区域和１９７１－２０１１年国际各国的生态效率ꎬ并实证发现研发与试验支出占ＧＤＰ比重是生态效率的正向影响因素ꎻ陈林心等２０１６运用空间面板数据模型探讨了创新、创业对生态效率的提升作用ꎬ实证发现创新和创业对生态效率的贡献度分别为３２.１３％和１８.９％ꎻ黄建欢和许和连２０１６发现专利授权总数对生态效率提升具有积极的直接效应ꎬ且对邻近区域具有正向空间溢出效应ꎻ梁星和卓得波２０１７运用熵权法综合评价了中国２００６－２０１５年３０个省市、区的生态效率ꎬ分析了经济发展、技术创新等因素对生态效率的影响机理ꎬ发现技术创新对生态效率的提升作用最大ꎮ卢燕群和袁鹏２０１７则采用规模报酬可变的ＤＥＡ模型测算了２００５－２０１４年中国３０个省市、区的工业生态效率ꎬ并基于空间计量模型实证检验了技术创新对工业生态效率具有正向促进作用ꎮ王亚平等２０１７梳理了科技创新对绿色发展的影响机制ꎬ认为科技创新可以通过推动农业绿色生产、工业绿色生产、绿色消费和绿色生活的途径影响绿色发展ꎮ既有文献取得了丰富的研究成果ꎬ但至少还可以从两方面进行拓展ꎬ其一ꎬ考虑异质性因素的城市生态效率的测度方法ꎻ其二ꎬ借鉴空间计量理论ꎬ利用城市层面大样本数据对城市创新的空间溢出进行量化和测度ꎬ并进一步研究其如何影响生态效率的提升ꎬ是否存在距离阈值效应ꎮ大部分文献考察空间溢出效应是基于空间计量模型ꎬ但这只能观测总体空间溢出效应的影响方向和大小ꎬ本质上并未将空间溢出进行量化ꎬ本文认为本地城市生态效率提升主要来源于邻近城市空间溢出的两种力量ꎬ即高位压力和低位吸力黄建欢等ꎬ２０１８ꎮ本文首先测度了城市创新的高位压力和低位吸力ꎬ然后研究其与生态效率提升的关系ꎬ最后根据实证结果提出对应的政策启示ꎮ具体地ꎬ城市创新的高位压力即指相对本地而言ꎬ邻近区域的创新能力处于高位ꎬ这种差距会对本地形成一种向上的压力ꎮ当邻近区域对本地的创新能力高位压力越大ꎬ意味着该区域在创新能力上越落后于邻近区域ꎬ故该区域面临着更大的创新能力提升的压力ꎬ因此可能会出现两种相反的局面１在“见贤思齐”效应下ꎬ该区域利用后发优势ꎬ努力赶超周边区域ꎬ实现加速发展ꎬ使得创新能力加速ꎬ有利于生态效率提升ꎻ２在“虹吸效应”下ꎬ邻近区域创新能力越高ꎬ越容易吸引本地的人才和企业入驻ꎬ加速资本和科技等资源要素的９２罗能生 余燕团创新对中国城市生态效率的影响研究流入ꎬ影响本地经济发展ꎬ进而不利于生态效率提升ꎮ基于此ꎬ本文提出如下待检验假说ꎮＨ１在“见贤思齐”的效应下ꎬ邻近区域对本地创新能力的高位压力促进本地生态效率提升ꎻＨ２在“虹吸效应”的作用下ꎬ邻近区域对本地创新能力的高位压力阻碍本地生态效率提升ꎮ城市创新的低位吸力即指相对本地而言ꎬ邻近区域的创新能力处于低位ꎬ这种差距会给本地一种向下的吸力ꎮ邻近区域对本地区的创新能力低位吸力越大ꎬ意味着该区域在创新能力上越高于邻近区域ꎬ相对邻近城市而言ꎬ该区域面临的创新能力提升的压力较小ꎮ此时亦可能出现两种情况１在“滚雪球效应”下ꎬ本地仍然加速提升创新能力ꎬ保证经济发展质量的前提下增加经济产出ꎬ有助于生态效率提升ꎻ２该区域发现自己创新能力相对居高后ꎬ在“见劣自缓”的效应下ꎬ有意或者无意地弱化创新能力ꎬ或者因为缺乏后劲而无法提升城市创新能力ꎬ进而影响经济发展ꎬ不利于生态效率增长ꎮ基于此ꎬ本文提出如下待检验假说ꎮＨ３在“滚雪球效应”的作用下ꎬ邻近区域对本地创新能力的低位吸力促进本地生态效率提升ꎻＨ４在“见劣自缓”的效应下ꎬ邻近区域对本地创新能力的低位吸力阻碍本地生态效率提升ꎮ注“＋”表示促进ꎬ“－”表示抑制ꎮ图１ 邻近城市创新空间溢出影响本地城市生态效率的路径城市在进行生产资料的更新换代和增设污染治理设备时ꎬ会在短期内增加生产成本ꎬ如果要提升全社会总福利或广义社会财富ꎬ同时考虑经济效益和环境质量ꎬ就必须采用“清洁技术”或环保新产品的研发ꎬ从本质上提高城市创新能力ꎮ进入新时代ꎬ以创新、创业精神加快生态文明建设将得到学界和政界的认可和推广ꎮ城市创新不仅可以提高资源利用效率ꎬ还可以从源头和末端进行环境污染治理ꎬ减少污染物排放ꎬ提高规模经济和范围经济等ꎬ对生态效率有明显的促进作用ꎮ本文预期假说Ｈ１更可信ꎮ三、空间溢出和生态效率的测度、计量模型与样本数据一空间溢出和生态效率的测度方法１高位压力和低位吸力ꎮ用ＳＯＨｉｔ ＳＯＬｉｔ 表示高位压力低位吸力ꎬ即在邻近城市ｊ的创新能力 ｉｎｎｏ 比本地区ｉ高低的情况下ꎬ测算本地ｉ与邻近城市ｊ上一期创新能力的差值与空间权重矩阵的乘积之和ꎬ具体测算方法如下ＳＯＨｉｔ ＝ ∑ ｊ∈ Ｊｉｗｉｊｔｉｎｎｏｊｔ－１ － ｉｎｎｏｉｔ－１ꎬｉｆ ｉｎｎｏｊｔ－１ ≥ ｉｎｎｏｉｔ－１ꎬ ｊ ∈ τｉ １ＳＯＬｉｔ ＝ ∑ ｊ∈ Ｋｉｗｉｊｔ － ｉｎｎｏｊｔ－１ ＋ ｉｎｎｏｉｔ－１ꎬｉｆ ｉｎｎｏｊｔ－１ １组ꎬ每组含有Ｎｇ个ＤＭＵꎬ则有∑ Ｇｇ ＝ １Ｎｇ ＝ Ｎ ꎮ每个ＤＭＵ有三类要素投入变量、期望产出和非期望产出ꎬ分别用以下变量表示 ｘ ＝ ｘ１ꎬｘ２ꎬ􀆺 ꎬｘＭ[ ] ∈ Ｒ Ｍ＋ ꎬｙ ＝ ｙ１ꎬｙ２ꎬ􀆺 ꎬｙＲ[ ] ∈ Ｒ Ｒ＋ ꎬｂ ＝ ｂ１ꎬｂ２ꎬ􀆺 ꎬｂＪ[ ] ∈ ＲＪ＋ ꎬ其中Ｍ ꎬ Ｒ和Ｊ分别依次表示三类变量的个数ꎮ考虑超效率和共同前沿时ꎬ第ｇ组第ｏ个决策单元 ｏ＝ １ꎬ２ꎬ􀆺 ꎬＮｇꎻｇ ＝ １ꎬ２ꎬ􀆺 ꎬＧ 的凸生产可能集Ｐｃ－ｍｅｔａ和非凸生产可能集Ｐｎｃ－ｍｅｔａ分别定义为Ｐｃ－ｍｅｔａ ＝ ｘｍꎬｙｒꎬｂｊ ｘｍｇ′ｏ ≥ ∑Ｇｇ ＝ １∑ｎ∈ ｇ′ꎬｎ≠ ｏ ｉｆ ｇ ＝ ｇ′λｇｎｘｍｇｎꎬｍ ＝ １ꎬ２ꎬ􀆺 ꎬＭꎻ{ｙｒｇ′ｏ ≤ ∑Ｇｇ ＝ １∑ｎ∈ ｇ′ꎬｎ≠ ｏ ｉｆ ｇ ＝ ｇ′λｇｎｙｒｇｎꎬｒ ＝ １ꎬ２ꎬ􀆺 ꎬＲꎻｂｊｇ′ｏ ≥ ∑Ｇｇ ＝ １∑ｎ∈ ｇ′ꎬｎ≠ ｏ ｉｆ ｇ ＝ ｇ′λｇｎｂｊｇｎꎬｊ ＝ １ꎬ２ꎬ􀆺 ꎬＪꎻ∑Ｇｇ ＝ １∑ｎ∈ ｇ′ꎬｎ≠ ｏ ｉｆ ｇ ＝ ｇ′λｇｎ ＝ １ꎻλｇｎ ≥ ０ꎻｇ ＝ １ꎬ２ꎬ􀆺 ꎬＧꎻｎ ∈ ｇ′ꎬｎ ≠ ｏ ｉｆ ｇ ＝ ｇ′}４１３罗能生 余燕团创新对中国城市生态效率的影响研究Ｐｎｃ－ｍｅｔａ ＝ ｘｍꎬｙｒꎬｂｊ ｘｍｇ′ｏ ≥ ∑Ｇｇ ＝ １∑ｎ∈ ｇ′ꎬｎ≠ ｏ ｉｆ ｇ ＝ ｇ′γｇｎｘｍｇｎꎬｍ ＝ １ꎬ２ꎬ􀆺 ꎬＭꎻ{ｙｒｇ′ｏ ≤ ∑Ｇｇ ＝ １∑ｎ∈ ｇ′ꎬｎ≠ ｏ ｉｆ ｇ ＝ ｇ′γｇｎｙｒｇｎꎬｒ ＝ １ꎬ２ꎬ􀆺 ꎬＲꎻｂｊｇ′ｏ ≥ ∑Ｇｇ ＝ １∑ｎ∈ ｇ′ꎬｎ≠ ｏ ｉｆ ｇ ＝ ｇ′γｇｎｂｊｇｎꎬｊ ＝ １ꎬ２ꎬ􀆺 ꎬＪꎻ∑Ｇｇ ＝ １∑ｎ∈ ｇ′ ＝ １ꎬｎ≠ ｏ ｉｆ ｇ ＝ ｇ′γｇｎ ＝ φ１ꎬ∑Ｇｇ ＝ １∑ｎ∈ ｇ′ ＝ ２ꎬｎ≠ ｏ ｉｆ ｇ ＝ ｇ′γｇｎ ＝ φ２∑Ｇｇ ＝ １∑ｎ∈ ｇ′ ＝ Ｇꎬｎ≠ ｏ ｉｆ ｇ ＝ ｇ′γｇｎ ＝ φＧꎻ∑ Ｇｇ ＝ １φｇ ＝ １ꎻφｇ ＝ １ ｏｒ ０ꎻγｇｎ ≥ ０ꎻｎ ∈ ｇ′ꎬｎ ≠ ｏ ｉｆ ｇ ＝ ｇ′}５其中ꎬ λ和γ为权重ꎬ φｇ ｇ ＝ １ꎬ２ꎬ􀆺 ꎬＧ 为第ｇ个群组前沿投入产出组合的子集约束ꎮ式４和５分别定义了凸共同前沿和非凸共同前沿的生产可能集ꎬ且Ｐｃ－ｍｅｔａ和Ｐｎｃ－ｍｅｔａ有如下关系 Ｐｎｃ－ｍｅｔａ ⊆ Ｐｃ－ｍｅｔａ ꎬ因此非凸共同前沿下的效率值不小于凸共同前沿下的效率值ꎮ为便于说明ꎬ考虑两个群组前沿Ｉ和ＩＩꎬ分别对应图２中的ＧＨＤＥＦ和ＢＣＪＫＬꎬ由两个群组前沿共同包络形成凸共同前沿ＢＣＤＥＦ和非凸共同前沿ＢＣＩＤＥＦꎮ显然ꎬ凸共同前沿包含了不可行的投入产出组合ꎬ即图２中阴影区域ＣＩＤ部分ꎮ以无效决策处理单元Ａ０为例ꎬ考虑群组前沿面Ｉ和ＩＩꎬ投入导向和产出导向下的效率值分别为前沿面Ｉ ＥＩｉ ＝ Ａ０Ａ４－ Ａ０Ａ１Ａ０Ａ４ ꎻ ＥＩｏ ＝Ａ０Ａ８Ａ０Ａ８ ＋ Ａ０Ａ６前沿面ＩＩ ＥＩＩｉ ＝ Ａ０Ａ４－ Ａ０Ａ２Ａ０Ａ４ ꎻ ＥＩＩｏ ＝Ａ０Ａ８Ａ０Ａ８ ＋ Ａ０Ａ５其中ꎬ下标ｉ和ｏ分别表示投入导向和产出导向ꎮ容易得出ꎬ分别以凸共同前沿面和非凸共同前沿面为参考ꎬ群组前沿面下的效率值是相等的ꎬ不同之处在于无效率决策处理单元投影到凸共同前沿面和非凸共同前沿面上的效率值ꎮ考虑凸共同前沿面和非凸共同前沿面ꎬ投入导向和产出导向下的效率值分别为凸共同前沿 Ｅｃ－ｍｅｔａｉ ＝ Ａ０Ａ４－ Ａ０Ａ３Ａ０Ａ４ ꎻ Ｅｃ－ｍｅｔａｏ ＝Ａ０Ａ８Ａ０Ａ８ ＋ Ａ０Ａ７非凸共同前沿 Ｅｎｃ－ｍｅｔａｉ ＝ Ａ０Ａ４－ Ａ０Ａ２Ａ０Ａ４ ꎻ Ｅｎｃ－ｍｅｔａｏ ＝Ａ０Ａ８Ａ０Ａ８ ＋ Ａ０Ａ６显然ꎬ Ａ０Ａ２ ≤ Ａ０Ａ３ꎬ从而ꎬ Ｅｎｃ－ｍｅｔａｉ ≥ Ｅｃ－ｍｅｔａｉ ꎬ且当Ａ０Ａ２ ＝ Ａ０Ａ３时ꎬ Ｅｎｃ－ｍｅｔａｉ ＝ Ｅｃ－ｍｅｔａｉ成立ꎻＡ０Ａ６ ≤ Ａ０Ａ７ꎬ从而ꎬＥｎｃ－ｍｅｔａｏ ≥ Ｅｃ－ｍｅｔａｏ ꎬ且当Ａ０Ａ６ ＝ Ａ０Ａ７时ꎬＥｎｃ－ｍｅｔａｏ ＝ Ｅｃ－ｍｅｔａｏ成立ꎮ这是投入导向２３环境经济研究２０１８年第２期或产出导向的结果ꎬ而非导向是它们的综合结果ꎮ综上ꎬ若不考虑非凸共同前沿面ꎬ部分ＤＭＵ的效率值会被低估ꎬ进而导致评价结果存在偏差ꎬ也会对实证研究中的计量检验产生影响ꎮ图２ 凸共同前沿和非凸共同前沿在规模报酬可变的假设下ꎬ考虑非凸共同前沿和超效率时ꎬ第ｇ组第ｏ个决策单元 ｏ ＝１ꎬ２ꎬ􀆺 ꎬＮｇꎻｇ ＝ １ꎬ２ꎬ􀆺 ꎬＧ 相对于非凸共同前沿的非导向、非径向ＳＢＭ效率值可以通过求解以下规划得到[ＮＣＭｅｔａ － ＵＳ － ＳＢＭ]ρｎｃ－ｍｅｔａ∗ｇ′ｏ ＝ ｍｉｎ１ ＋ １Ｍ ∑Ｍｍ ＝ １ｓｘｍｇ′ｏｘｍｇ′ｏ１ － １Ｒ ＋ Ｊ ∑Ｒｒ ＝ １ｓｙｒｇ′ｏｙｒｇ′ｏ ＋ ∑Ｊｊ ＝ １ｓｂｊｇ′ｏｂｊｇ′ｏ６ｓ.ｔ. ｘｍｇ′ｏ － ∑Ｇｇ ＝ １∑ｎ∈ ｇ′ꎬｎ≠ ｏ ｉｆ ｇ ＝ ｇ′γｇｎｘｍｇｎ ＋ ｓｘｍｇ′ｏ ≥ ０ꎬｍ ＝ １ꎬ２ꎬ􀆺 ꎬＭꎻ∑Ｇｇ ＝ １∑ｎ∈ ｇ′ꎬｎ≠ ｏ ｉｆ ｇ ＝ ｇ′γｇｎｙｒｇｎ － ｙｒｇ′ｏ ＋ ｓｙｒｇ′ｏ ≥ ０ꎬｒ ＝ １ꎬ２ꎬ􀆺 ꎬＲꎻｂｊｇ′ｏ － ∑Ｇｇ ＝ １∑ｎ∈ ｇ′ꎬｎ≠ ｏ ｉｆ ｇ ＝ ｇ′γｇｎｂｊｇｎ ＋ ｓｂｊｇ′ｏ ≥ ０ꎬｊ ＝ １ꎬ２ꎬ􀆺 ꎬＪꎻ１ － １Ｒ ＋ Ｊ ∑Ｒｒ ＝ １ｓｙｒｇ′ｏｙｒｇ′ｏ ＋ ∑Ｊｊ ＝ １ｓｂｊｇ′ｏｂｊｇ′ｏ≥ εꎻ∑Ｇｇ ＝１∑ｎ∈ ｇ′＝１ꎬｎ≠ ｏ ｉｆ ｇ ＝ｇ′γｇｎ ＝ φ１ꎬ∑Ｇｇ ＝１∑ｎ∈ ｇ′＝２ꎬｎ≠ ｏ ｉｆ ｇ ＝ｇ′γｇｎ ＝ φ２ꎬ􀆺 ꎬ∑Ｇｇ ＝１∑ｎ∈ ｇ′＝Ｇꎬｎ≠ ｏ ｉｆ ｇ ＝ｇ′γｇｎ ＝ φＧꎻ∑Ｇｇ ＝ １φｇ ＝ １ꎻφｇ ＝ １ ｏｒ ０ꎻｓｘꎬｓｙꎬｓｂꎬγ ≥ ０.３３罗能生 余燕团创新对中国城市生态效率的影响研究其中ꎬ ε是非阿基米德无穷小量ꎬ这里添加约束条件１ － １Ｒ ＋ Ｊ ∑Ｒｒ ＝ １ｓｙｒｇ′ｏｙｒｇ′ｏ ＋ ∑Ｊｊ ＝ １ｓｂｊｇ′ｏｂｊｇ′ｏ≥ ε是为了确保目标函数的分母不为０ꎮ ｓｘ ꎬ ｓｙ和ｓｂ分别为投入变量、期望产出和非期望产出对应的松弛变量ꎬ γ为权重向量ꎮ该模型的优点在于不仅考虑了异质性技术ꎬ而且解决了无可行解、跨期可比性和前沿面上决策单元的区分等问题ꎬ该方法相对更综合、精确ꎮ采用ＭａｘＤＥＡ软件测算效率ꎬ为全面和准确地测度生态效率ꎬ应尽可能考虑各种投入变量和产出变量ꎬ详细说明如下资本投入采用城市固定资本存量ꎬ城市固定资本存量根据柯善咨和向娟２０１２的方法测算ꎬ由湖南大学经济与贸易学院经济数据研究中心提供ꎮ劳动投入采用各城市历年从业人员数作为代理变量ꎮ土地投入采用各城市建成区面积作为代理变量ꎮ能源投入采用各城市所有一次能源的消费量换算为标准煤作为代理变量Ｈｕａｎｇ ｅｔ ａｌ.ꎬ２０１７ꎮａ二氧化碳排放量对比ｂ能源消费量对比图３ 二氧化碳排放量和能源消费量数据来源对比４３环境经济研究２０１８年第２期好产出选用各个城市的实际地区生产总值ꎬ换算为２０１０年不变价ꎮ坏产出主要考虑环境污染物ꎬ选用了４个指标ＣＯ２排放量、ＳＯ２排放量、废水排放总量和烟粉尘排放量ꎮ其中城市层面的碳排放数据利用省级煤炭、原油和天然气的份额衡量的一次能源消费总量标准单位计算ꎬ估算方法来源于Ｈｕａｎｇ等２０１７ꎬ有关省级能源消费量的数据来自历年中国能源统计年鉴ꎮ为避免指标之间的高相关性和奇异值的影响ꎬ利用熵权法构建环境污染指数作为坏产出指标以综合反映环境约束指数ꎬ该指数越大小意味着污染物排放越多少ꎮ为了保证数据的质量ꎬ本文将估算的ＣＯ２排放量和能源消费量与国家统计局、ＣＥＡＤｓ数据库和２０１７年ＢＰ世界能源统计年鉴公布的相关数据进行了对比ꎬ见图３ꎮ从图３中可发现ꎬ本文估算的ＣＯ２排放量和能源消费量与官方公布的数据相差均较小ꎬ且变化趋势大致相同ꎮ因此ꎬ采用估算的数据进行效率相对效率测算时ꎬ能在一定程度上反映近十多年尤其是２００３年党的十六届三中全会明确提出“科学发展观”以来中国地级及以上城市生态效率的变化趋势ꎬ扩大研究样本从而尽可能地包含全部地级及以上城市ꎬ这是本文的下一步研究工作ꎮ二生态效率影响机制的计量模型为考察城市创新的空间溢出如何影响城市生态效率的提升ꎬ本文将测算的高位压力和低位吸力视作回归模型的核心解释变量ꎬ以观察空间溢出对生态效率提升的影响ꎮ为尽可能缓解内生性问题ꎬ模型中以当期生态效率与上期生态效率的比值Ｙｉｔ / Ｙｉｔ－１作为被解释变量ꎬ衡量生态效率提升的效果ꎬ构建如下计量模型Ｙｉｔ / Ｙｉｔ－１ ＝ α ＋ β１ ＳＯＨｉｔ ＋ β２ ＳＯＬｉｔ ＋ Ｘ ξ ＋ ηｉ ＋ μｔ ＋ εｉｔ ７７式中ꎬＸ为包含相关控制变量的矩阵ꎻηｉ为城市个体效应ꎻμｔ为时间效应ꎻεｉｔ为随机效应ꎻβ１表示高位压力对生态效率增长的影响程度ꎻβ２表示低位吸力对生态效率增长的影响程度ꎮ计量模型涉及的变量说明如下１生态效率比值ｅｅ＿ｒａｔｅ根据ＮＣＭｅｔａ－ＵＳ－ＳＢＭ方法测算出生态效率值ꎬ用本期与上一期的比值衡量本期生态效率的提升ꎮ２城市创新能力ｉｎｎｏ选择城市创新指数来综合反映城市的创新能力ꎬ关于创新指数的详细测算过程参考寇宗来和刘学悦２０１７ꎮ Ｈｐｗｄ＿ｉｎｎｏ代表城市创新的高位压力ꎬＳｐｗｄ＿ｉｎｎｏ代表城市创新的低位吸力ꎮ３控制变量方面ꎬ参考Ｈｕａｎｇ和Ｘｉａ２０１６关于规模效应、技术效应和结构效应等方面的考虑ꎬ本文选择对生态效率有较大影响的４个因素人口密度、外资利用、产业结构和环境规制ꎮ人口密度ｐｏｐ＿ｄｅｎ为年末人口数与行政区域面积的比值单位万人/平方公里ꎻ外资利用ｆｄｉ＿ｇｄｐ用规模以上外商投资企业工业总产值与ＧＤＰ比值来衡量ꎻ产业结构ｓｅｃ＿ｇｄｐ用第二产业占各城市ＧＤＰ比重表示ꎻ本文选取二氧化硫去除率、生活污水处理率和固体废弃物综合利用率３个指标ꎬ并运用熵权法综合３类指标来整体衡量环境规制ｅｒꎮ其中二５３罗能生 余燕团创新对中国城市生态效率的影响研究氧化硫去除率为工业二氧化硫产生量与工业二氧化硫排放量之差占工业二氧化硫产生量的比ꎮ上述变量的含义与描述性统计见表１ꎮ表１ 变量含义与描述性统计变量名变量含义均值标准差最小值最大值ｅｅ＿ｒａｔｅ生态效率比值０.９９９９ ０.１００９ ０.２９０８ ２.１４２０ｉｎｎｏ城市创新能力０.０８７７ ０.４０２９ ０.００００ ８.４９０６ｐｏｐ＿ｄｅｎ人口密度０.０４６５ ０.０３５４ ０.００２１ ０.２６６２ｆｄｉ＿ｇｄｐ外资利用０.１３８３ ０.１９９７ ０.００００ １.４４３２ｓｅｃ＿ｇｄｐ产业结构０.４９６２ ０.１１４０ ０.１５１７ ０.９０９７ｅｒ环境规制０.５８４２ ０.１８６７ ０.０４３６ ０.９７７１注为使变量ｉｎｎｏ的估计系数不至于过小ꎬ实证过程中将城市创新指数缩小１００倍ꎬ下同ꎮ三研究样本与数据来源由于受到一次能源消费数据的限制ꎬ本文的研究样本包括１９１个地级及以上城市ꎬ样本区间为２００３－２０１５年ꎮ但是ꎬ研究样本数占全国地级市数量的比重超过了三分之二ꎻ且几乎确保了研究样本中涵盖每个省份的代表性城市ꎬ如省会城市等ꎻ从经济总量来看ꎬ２００３年和２０１５年样本城市ＧＤＰ总量分别约占全国城市ＧＤＰ总量的８３％和８２％ꎮ因此ꎬ本文选取的研究样本具有代表性ꎮ具体数据来源于历年中国统计年鉴中国工业经济统计年鉴中国环境统计年鉴中国环境年鉴中国能源统计年鉴中国区域经济统计年鉴中国城市统计年鉴中国城市建设统计年鉴以及各省市历年的统计年鉴ꎮ四、实证结果与分析一城市创新的空间溢出与生态效率的时空效应本文进一步观察了距离阈值为７５０千米时ꎬ中国１９１个地级及以上城市在两个年度２００４年和２０１５年的城市创新低位吸力和生态效率提升的空间分布情况ꎮ通过对比分析ꎬ可以初步观察城市创新与生态效率提升的时空变迁及联系ꎮ主要结论有１从空间分布来看ꎬ城市创新低位吸力较高的城市主要分布在东部沿海城市和中部地区的部分城市① ꎻ２从时间跨度来看ꎬ２００４年到２０１５年ꎬ邻近地区对本地创新能力的低位吸力有增强趋势ꎬ且２０１５年城市创新低位吸力的地区差距较２００４年更为明显ꎻ３生态效率提升较大的城市主要分布６３①国家“七五”规划１９８６－１９９０将中国划分为３个经济区域东部、中部和西部ꎮ东部地区由北京市、天津市、河北省、辽宁省、上海市、江苏省、浙江省、福建省、山东省、广东省和海南省组成ꎻ中部地区由山西省、内蒙古自治区、吉林省、黑龙江省、安徽省、江西省、河南省、湖北省、湖南省和广西壮族自治区组成ꎻ西部地区由四川省、贵州省、云南省、西藏自治区、陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区组成ꎮ环境经济研究２０１８年第２期在东部地区ꎬ广大中西部城市生态效率提升相对趋缓ꎬ从２００４年到２０１５年ꎬ全国城市生态效率的提升有增强趋势ꎻ４以上观察初步说明城市创新的低位吸力与生态效率提升之间存在一定程度的相关关系ꎮ表２ 不同距离阈值下城市创新空间溢出的估计结果变 量模型１模型２模型３模型４模型５３５０ｋｍ ５５０ｋｍ ７５０ｋｍ ９５０ｋｍ １１５０ｋｍＨｐｗｄ＿ｉｎｎｏ ０.０３６７∗ ∗ ０.０４０６∗ ∗ ０.０４１４∗ ∗ ０.０４５３∗ ∗ ０.０４６５∗ ∗２.０８５５ ２.１８１３ ２.０８３５ ２.２７４０ ２.２２１７Ｓｐｗｄ＿ｉｎｎｏ －０.０１９２ －０.０１８８ －０.０１８９ －０.０１９７ －０.０２５６－１.１１２４ －１.０８８５ －１.０９３１ －１.１１８８ －１.２８３８ｐｏｐ＿ｄｅｎ ３.５００２∗ ∗ ∗ ３.４７２９∗ ∗ ∗ ３.４４１６∗ ∗ ∗ ３.４４８８∗ ∗ ∗ ３.５０８０∗ ∗ ∗３.４９５７ ３.４３５８ ３.３３９９ ３.３７０５ ３.５９６４ｆｄｉ＿ｇｄｐ ０.０１５３ ０.０１７３ ０.０１１８ ０.０１６８ ０.０１４１０.２１３２ ０.２３８５ ０.１６３６ ０.２４０２ ０.２０１２ｓｅｃ＿ｇｄｐ ０.１３１６∗ ∗ ０.１５６９∗ ∗ ０.１５８０∗ ∗ ０.１５８８∗ ∗ ０.１６３１∗ ∗２.２９０３ ２.５７３３ ２.５２０１ ２.５４１２ ２.５６０９ｅｒ ０.０３８５∗ ∗ ０.０４０９∗ ∗ ０.０４２０∗ ∗ ０.０４１５∗ ∗ ０.０４１７∗ ∗２.１４７４ ２.２６３４ ２.３１３８ ２.２９７３ ２.２９７０个体效应控制控制控制控制控制时间效应控制控制控制控制控制常数项０.７２５９∗ ∗ ∗ ０.７１３３∗ ∗ ∗ ０.７１４０∗ ∗ ∗ ０.７１２８∗ ∗ ∗ ０.７０８３∗ ∗ ∗１３.２５５７ １２.７７８２ １２.４７６０ １２.５８６８ １２.７２３２观测值２２９２ ２２９２ ２２９２ ２２９２ ２２９２Ｒ２ ０.１３７７ ０.１３８４ ０.１３８１ ０.１３８５ ０.１３８２注①括号内为稳健ｔ统计量ꎻ② ∗ ∗ ∗表示１％水平上显著ꎬ∗ ∗表示５％水平上显著ꎬ∗表示１０％水平上显著ꎮ下表同ꎮ二城市创新的空间溢出与生态效率提升全样本观察借鉴黄建欢等２０１８的做法ꎬ本文分别在距离阈值为３５０、５５０、７５０、９５０和１１５０千米的情况下ꎬ使用双向固定效应模型估计ꎬ回归结果如表２所示ꎮ当距离阈值为３５０公里时ꎬ城市创新高位压力Ｈｐｗｄ＿ｉｎｎｏ的系数显著为正ꎬ且每增加１个单位ꎬ生态效率会提升３.６７％ꎬ且随着距离阈值的增大ꎬ生态效率增幅逐渐增加ꎬ表明城市创新的高位压力促进生态效率提升ꎬ“见贤思齐”效应显著ꎬ验证了假说Ｈ１ꎮ与此同时ꎬ城市创新的低位吸力Ｓｐｗｄ＿ｉｎｎｏ对城市生态效率的影响方向均为负ꎬ说明邻近地区城市创新的低位吸力对生态效率的提升作用有限ꎬ并未发挥“滚雪球效应”ꎮ对于不同的距离阈值ꎬ城市创新的空间溢出对生态效率提升的影响均为高位促进、低位抑制ꎬ且城市创新的高位压力对生态效率提升随着距离的变化有逐渐增强的趋势ꎮ三城市创新的空间溢出与生态效率提升分组观察前述分析已经表明城市创新的高位压力对生态效率提升具有显著的促进作用ꎬ空间溢出效应７３罗能生 余燕团创新对中国城市生态效率的影响研究明显ꎬ然而各区域在区位条件、资源禀赋、环境政策等方面存在差异ꎬ那么ꎬ这种差异是否会导致空间溢出效应也具有区域差异呢因此非常有必要结合不同区位、资源禀赋和政策环境来分别进行样本分组ꎬ观察和分析各组子样本城市创新的空间溢出与生态效率提升的影响机制ꎮ本文参考黄建欢等２０１８的思路ꎬ将样本城市划分为东部城市和中西部城市、资源型城市和非资源型城市、环境保护重点城市和非环境保护重点城市ꎮ此外ꎬ因为环境规制强度的不同而对其生态效率的提升造成不同程度的影响ꎬ故进一步将样本分为两控区城市①和非两控区城市ꎮ本文研究样本中东部城市、重点城市、资源型城市和两控区城市的数量分别为７１、１１７、７８和１２７ꎮ选取距离阈值为７５０千米的数据作为研究对象ꎬ得到表３中的估计结果ꎬ基于高位压力和低位吸力的空间溢出效应ꎬ分别观察东部和中西部城市、资源型城市和非资源型城市、重点城市和非重点城市、两控区城市和非两控区城市的创新能力空间溢出如何影响城市生态效率提升ꎮ表３ 分组回归结果变 量模型１模型２模型３模型４模型５模型６模型７模型８东部城市中西部城市重点城市非重点城市资源型城市非资源型城市两控区城市非两控区城市Ｈｐｗｄ＿ｉｎｎｏ ０.０５８８∗ ∗ －０.０３３８∗ ０.０５５１∗ ∗ ∗ －０.００６７ ０.０００７ ０.０４９３∗ ∗ ０.０５００∗ ∗ －０.０７５４２.５４７１ －１.７４１２ ３.０１３５ －０.１３６８ ０.０２８４ ２.２９９９ ２.３８３１ －１.２３７７Ｓｐｗｄ＿ｉｎｎｏ －０.０１６０ ０.００７０ ０.０００１ －０.３７１２∗ ∗ ０.２８６２ －０.０１４４ －０.０１６９ ０.１５９８－０.８７８０ ０.１１１５ ０.０１２６ －２.０２０５ ０.９９９７ －０.８３２７ －０.９７９７ ０.７１７９ｐｏｐ＿ｄｅｎ ３.８１２８∗ ∗ ∗ ２.９２２１∗ ０.７６９０ ４.５０８９∗ ∗ ∗ ６.５２８８∗ ∗ ∗ ３.３４４７∗ ∗ ∗ ３.５５８１∗ ∗ ∗ ２.８９４８３.７３０５ １.７２６７ ０.６８３９ ２０.９５７９ ３.１６６６ ２.８５８９ ３.４７６５ １.２４１１ｆｄｉ＿ｇｄｐ ０.０８６４ －０.１４５６∗ ∗ ０.００２５ －０.０４６５ ０.０５７８ －０.００３７ ０.０５２８ －０.０５１００.９５４１ －２.５８００ ０.０３０６ －０.５３２９ ０.６０１４ －０.０４５５ ０.６１４０ －０.７３９９ｓｅｃ＿ｇｄｐ ０.１２４１ ０.１６５０∗ ∗ ０.１０７２ ０.０７１９ ０.１５２５∗ ０.２１６９∗ ∗ ０.１５２３∗ ０.１７５４∗０.９７５８ ２.３７６２ １.３６１０ ０.８７７２ １.７６９３ ２.４３２９ １.９２８１ １.８３４３ｅｒ ０.０４７８ ０.０４０９∗ ０.０６３７∗ ∗ ０.０１６９ ０.０１３４ ０.０５７５∗ ∗ ０.０１８８ ０.０６９２∗ ∗１.３２３３ １.９７７１ ２.５８２８ ０.６９８５ ０.５１７８ ２.３０６８ ０.９３０８ ２.１３３５个体效应控制控制控制控制控制控制控制控制时间效应控制控制控制控制控制控制控制控制常数项０.６２０９∗ ∗ ∗ ０.７７７０∗ ∗ ∗ ０.８３７７∗ ∗ ∗ ０.７７１２∗ ∗ ∗ ０.６９１８∗ ∗ ∗ ０.６４９１∗ ∗ ∗ ０.６９０９∗ ∗ ∗ ０.７６６９∗ ∗ ∗６.６１４６ １１.１５０６ １１.１６５２ ２０.３７１７ ８.９７３８ ７.７６１４ １０.１０５３ ７.７７３３观测值８５２ １４４０ １４０４ ８８８ ９３６ １３５６ １５２４ ７６８Ｒ２ ０.２０３０ ０.１０７３ ０.１０７９ ０.２５６８ ０.１４１８ ０.１５３１ ０.１５８２ ０.１３１６８３① 大气污染防治法规定ꎬ根据气象、地形、土壤等自然条件ꎬ可以将已经产生、可能产生酸雨的地区或者其他二氧化硫污染严重的地区ꎬ划定为酸雨控制区或者二氧化硫污染控制区ꎬ即“两控区”ꎮ具体的划分标准参考酸雨控制区和二氧化硫污染控制区划分方案ꎬ详见ｈｔｔｐ/ / ｗｗｗ.ｚｈｂ.ｇｏｖ.ｃｎ/ ｇｋｍｌ/ ｚｊ/ ｗｊ/２００９１０/ｔ２００９１０２２＿１７２２３１.ｈｔｍꎮ环境经济研究２０１８年第２期表３结果显示ꎬ东部城市创新能力的高位压力对生态效率的提升具有显著的促进作用ꎬ且每增加１个单位ꎬ生态效率增长率会提高５.８８％ꎬ表明“见贤思齐”效应占主导ꎻ中西部城市创新的高位压力对生态效率的提升具有显著的抑制作用ꎬ且每增加１个单位ꎬ生态效率增长率会降低３.３８％ꎬ表明“虹吸效应”占主导ꎮ受制于地理区位条件ꎬ中西部城市创新能力的空间溢出效应对生态效率提升的作用有限ꎬ而东部城市充分利用自身的区位优势ꎬ提高对外开放水平ꎬ加速并实现经济快速发展ꎬ促进生态效率提升ꎮ进一步发现ꎬ人口密度的提高有利于城市生态效率提升ꎬ这意味着人口集聚程度越高的城市通过提高资源利用效率ꎬ如土地集约利用等ꎬ从而间接提升生态效率ꎮ重点城市、非资源型城市和两控区城市创新能力的高位压力对生态效率具有明显的提升作用ꎬ且每增加１单位ꎬ生态效率增长率分别提高５.５１％、４.９３％和５％ꎬ表明“见贤思齐”效应依然占主导ꎬ验证了假说Ｈ１ꎮ不同城市类型的人口集聚和环境规制水平对生态效率具有促进作用ꎮ非重点城市创新能力的低位吸力对生态效率提升具有显著的抑制作用ꎬ表明“见劣自缓”效应较突出ꎮ上述研究发现ꎬ经济发达的东部等地区的城市因经过多年的经济高速发展ꎬ具备较高的创新能力ꎬ城市创新的空间溢出对生态效率提升的促进作用最为明显ꎮ而广大中西部地区由于经济发展水平和技术吸收能力较低ꎬ且大量的高技能劳动力流入东部沿海城市ꎬ在“虹吸效应”作用下ꎬ不利于该地区城市生态效率的提升ꎮ国家设立环境保护重点城市和两控区城市等环境政策有利于发挥城市创新的空间溢出效应ꎬ其对城市生态效率具有显著的提升作用ꎮ资源丰裕城市非但没有从资源大规模开发中受益ꎬ反而陷入资源优势陷阱而影响经济发展质量ꎬ这些地区经济总量大、集聚程度高、资源环境负荷过大ꎬ导致环境质量明显退化石敏俊等ꎬ２０１６ꎬ这可能是资源型城市创新能力空间溢出对生态效率提升的作用不显著的一个解释ꎮ四稳健性分析采用具有异质性特征的共同前沿模型测算生态效率时ꎬ不同群组具有不同的技术水平ꎬ而一个城市的技术水平在一定程度上代表了城市的创新水平ꎬ为了反映不同城市的创新差距ꎬ本文进一步测算了不同城市的技术差距比ＴＧＲꎬ同时作为核心解释变量在实证过程中进行稳健性分析ꎮ首先ꎬ采用同时考虑群组前沿、非期望产出和超效率的ＳＢＭ模型Ｇｒｏｕｐ －ＵＳ － ＳＢＭ模型测算群组前沿下的效率值ꎮ下式中的符号说明与模型６相同ꎮ９３罗能生 余燕团创新对中国城市生态效率的影响研究[Ｇｒｏｕｐ － ＵＳ － ＳＢＭ]ρｎｃ－ｇｒｏｕｐ∗ｇ′ｏ ＝ ｍｉｎ１ ＋ １Ｍ ∑Ｍｍ ＝ １ｓｘｍｇ′