EN中文

经济地理 >

2025 , Vol. 45 >Issue 3: 22 - 31

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.03.003

区域经济与理论方法

长江经济带绿色创新的空间异质性演化及其收敛性

  • 高婧珂 , 1 ,
  • 成金华 1, 2 ,
  • 周文潇 , 1, ※ ,
  • 刘子源 3 ,
  • 詹成 1
展开
  • 1.中国地质大学（武汉） 经济管理学院，中国湖北 武汉 430074
  • 2.湖北经济学院 碳排放权交易省部共建协同创新中心，中国湖北 武汉 430205
  • 3.武汉工程大学 创新创业学院，中国湖北 武汉 430205
※周文潇（2000—），男，博士研究生，研究方向为区域经济。E-mail：

高婧珂（1997—），女，博士研究生，研究方向为区域经济。E-mail：

收稿日期: 2024-08-07

  修回日期: 2025-02-04

  网络出版日期: 2025-05-13

基金资助

国家社会科学基金项目(22BTJ051)

收起

Spatial Heterogeneity Evolution and Convergence Analysis of Green Innovation in the Yangtze River Economic Belt

  • GAO Jingke , 1 ,
  • CHENG Jinhua 1, 2 ,
  • ZHOU Wenxiao , 1, ※ ,
  • LIU Ziyuan 3 ,
  • ZHAN Cheng 1
Expand
  • 1. School of Economics and Management，China University of Geosciences （Wuhan），Wuhan 430074，Hubei，China
  • 2. Collaborative Innovation Center for Emissions Trading System Co-constructed by the Province and Ministry，Hubei University of Economics，Wuhan 430205，Hubei，China
  • 3. School of Innovation and Entrepreneurship，Wuhan Institute of Technology，Wuhan 430205，Hubei，China

Received date: 2024-08-07

  Revised date: 2025-02-04

  Online published: 2025-05-13

Fold

摘要

绿色创新是实现长江经济带环境保护与经济增长双赢的重要路径。文章基于2010—2022年长江经济带108个地级及以上城市绿色专利数据，综合运用空间自相关模型、核密度估计、马尔可夫链等方法，系统揭示了该区域绿色创新的空间异质性演化规律及其收敛特征。研究发现：①长江经济带绿色创新空间分布呈现显著集聚特征，下游地区形成创新高地，区域间关联效应突出；②动态演进显示整体水平持续提升且存在路径依赖特征，相邻城市创新演进呈现协同效应；③区域差距呈收敛趋势，上游地区收敛速度最快，且收敛强度沿上游至下游梯度递减。据此，提出应实施区域差异化政策并加强跨区域协同创新，以促进长江经济带全域绿色创新均衡发展。

关键词： 长江经济带; 绿色创新; 空间差异; 空间分布; 收敛性

本文引用格式

高婧珂 , 成金华 , 周文潇 , 刘子源 , 詹成 . 长江经济带绿色创新的空间异质性演化及其收敛性[J]. 经济地理, 2025 , 45(3) : 22 -31 . DOI: 10.15957/j.cnki.jjdl.2025.03.003

Abstract

Green innovation is an important pathway to achieve a win-win scenario between environmental protection and economic growth in the Yangtze River Economic Belt (YREB). Based on the green patent data of 108 cities at or above the prefecture level in the YREB from 2010 to 2022, this paper comprehensively employs the methods of spatial autocorrelation model, kernel density estimation and Markov chain to systematically examine the spatial heterogeneity evolution and convergence characteristics of green innovation in the YREB. The results show that: 1) The spatial distribution of green innovation presents a significant agglomeration characteristic in the YREB, with the downstream region forming an innovation hub, while the interregional correlation effects are prominent. 2) The dynamic evolution trend indicate that the overall level continues to improve and there is a path-dependent feature, and the innovation evolution of neighboring cities presents a synergistic effect. 3) Regional disparities display convergence trends, with the upstream region converging the fastest, while the convergence intensity gradually weakens from the upstream to the downstream. Therefore, this paper proposes that it should implement regional differentiation policies and strengthen cross-domain collaborative innovation to promote the balanced development of green innovation in the YREB.

Key words： Yangtze River Economic Belt; green innovation; spatial difference; spatial distribution; convergence

面对全球性的气候挑战和环境危机，高能耗工业模式难以满足中国高质量发展需求[1]。对此，中国积极贯彻绿色发展理念，党的二十届三中全会强调“加快经济社会发展全面绿色转型”，注重经济发展与社会、环境之间的协调关系；《关于加快经济社会发展全面绿色转型的意见》《关于进一步完善市场导向的绿色技术创新体系实施方案（2023—2025年）》等文件也多次强调了绿色创新对于推动经济社会可持续发展的关键作用。绿色创新是指通过技术创新、制度创新和管理创新推动产业绿色化、低碳化、循环化。绿色创新天然自带“绿色”和“创新”的双边效应，是助力中国“双碳”目标、构建新发展格局、实现经济绿色发展的必由之路[2]。
长江经济带是中国国土开发和经济布局“T”型空间结构中极其重要的发展轴，已成为中国经济发展的巨大引擎[3]，以及中国生态优先绿色发展主战场、畅通国内国际双循环主动脉、引领经济高质量发展主力军。《长江经济带发展规划纲要》等文件描绘了长江经济带未来发展的图景，强调了创新驱动在产业转型升级中的核心地位，不仅提出创新区域协调发展体制机制，还详细规划了一系列保障措施。绿色创新代表着更加智能、高效、节约的生产方式的应用，这给长江经济带解决区域环境问题、加强区域协调发展、促进经济提质增效提供了新思路[4]。
围绕绿色创新发展的研究文献已较为丰富，从区域绿色创新效率视角出发，一部分学者聚焦于长三角城市群，使用超效率SBM模型的窗口DEA分析法测算长三角各城市的绿色创新效率，认为长三角城市群在地理空间上具有“一极两核”的特征，且城市群绿色创新空间正相关性会随着时间跨度的增加而减弱[5]；或运用社会网络分析方法探讨绿色创新效率空间关联关系、网络结构特征及其影响因素，认为上海等中心城市的“虹吸效应”明显，而溢出效应有待提升[6]。另一部分学者则聚焦于工业企业，运用共享投入关联型DEA模型测度工业企业绿色创新效率，发现“高研发—高转化”省份多位于东部地区，但成果转化低效性限制了整体的绿色创新效率增长速度[7]。另外，如何提升绿色创新质量已成为企业亟待解决的问题，如学者运用上市公司专利申请信息与专利被引数据，认为环境目标约束强度对企业绿色创新质量具有显著作用，且呈倒“U”型曲线关系[8]；冯熹雨从绿色创新网络嵌入视角，认为绿色创新网络嵌入会显著正向影响企业绿色创新质量[9]。此外，随着数字技术的迅猛发展和与实体经济的紧密交织，数字经济成为推动经济增长的关键动力。朱小刚探讨了数字化对民营企业与国有企业的影响差异，认为国有企业数字化对绿色创新质量的促进作用更大，且对中央企业的促进作用比地方国有企业大[10]；高新技术企业通过调整技术整合能力提升绿色专利水平，是企业可持续发展目标以及经济社会高质量发展的关键问题。在绿色创新水平的量化方面，现有研究多以绿色专利数据作为创新衡量指标[11]，或是从技术实现的复杂程度、技术所及的社会影响力以及技术所能产生的经济效益3个维度表征绿色创新水平[12]。
综上发现，绿色创新是实现经济增长与环境保护双赢的关键驱动力，适时研究长江经济带的绿色创新发展，对响应国家战略需求、解决区域发展不平衡问题以及实现经济增长与环境保护双赢具有示范意义。鉴于此，本文选取2010—2022年长江经济带108个地级及以上城市作为研究对象，以各城市绿色专利授权量衡量绿色创新，并运用空间自相关分析、Kernel核密度估计、Dagum基尼系数等方法，全面分析长江经济带绿色创新的空间分布演进及收敛性机制。

1 研究设计

1.1 数据来源

通过世界知识产权组织（WIPO）对绿色专利的界定及推出的绿色专利IPC分类号，筛选出绿色专利授权量来衡量绿色创新指标。其他控制变量数据则来自《中国城市统计年鉴》和《中国区域经济统计年鉴》。部分缺失数据采用线性插值法补全。变量的基本统计量见表1。
表1 变量的基本统计量

Tab.1 Basic statistics of variables

变量符号 变量含义 样本量 均值 标准误 最小值 最大值
GIP 绿色创新水平对数 1404 4.5284 1.6382 1.0978 9.0130
IND 产业结构高级化 1404 0.9173 0.4283 0.0000 4.9300
UR 城镇化率 1404 0.5441 0.1303 0.1806 0.8960
POP 人口密度 1404 6.9711 0.5685 4.5619 7.7441
GDP 经济发展水平 1404 10.6977 0.6063 8.8800 12.2000
EI 教育水平 1404 0.1717 0.0326 0.0000 0.2673

1.2 研究区域

长江经济带作为中国综合实力最强、战略支撑作用最大的区域之一，涵盖上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州等11个省市，面积约205万km2，人口和经济总量均超过全国的40%。本文选取2010—2022年长江经济带108个地级及以上城市进行研究，其中上游31个、中游25个、下游52个。

1.3 变量选择

绿色创新（GIP）。创新通常以专利数量表征，专利授权需要通过新颖性、创造性和实用性等方面的技术审查，因此被授权的专利能够体现一个组织或地区的技术能力和研发水平。同时，只有被授权的专利才受法律保护，而申请量更多地是反映专利布局策略或商业目的。本文以绿色专利授权量作为衡量绿色创新的核心指标[13]，避免了部分低质量专利申请的水分从而含金量更高，具体做法是将绿色发明专利与实用新型专利的授权量合计值加1后取自然对数。
本文参考相关研究[14]，选取构建空间杜宾模型所涉及的控制变量（表1）：①产业结构高级化（第三产业增加值/第二产业增加值）[15]；②城镇化率（城镇人口/总人口）[16]；③人口密度（总人口/土地面积）[17]；④经济发展水平（人均GDP取对数）[18]；⑤教育水平（教育支出/地方财政一般预算支出）[19]。

1.4 研究方法

1.4.1 莫兰指数

本文借助Moran's I分析绿色创新水平的空间自相关性[20]，Moran's I数值介于[-1，1]之间，越接近1表示区域性越强。

1.4.2 标准差椭圆

标准差椭圆是一种用于描述研究对象空间分布和多维特征的工具，可以直观地展示数据的中心趋势、离散程度和方向趋势[21]。其中，标准差椭圆的重心坐标点反映绿色创新格局的分布中心移动轨迹，旋转角刻画绿色创新格局的主趋势方向，长轴和短轴反映绿色创新空间格局的范围及方向。

1.4.3 Kernel密度估计

Kernel密度估计是一种估计随机变量概率密度函数的非参数方法，可以基于有限的样本推断出总体数据的分布，并通过光滑的密度函数曲线绘制随机变量的分布形态。当数据特征和核函数给定时，带宽越小，估计精度越高[22]。采用该方法可以进一步探析长江经济带绿色创新的总体水平、延展性以及分布演化趋势。

1.4.4 马尔可夫链

传统马尔可夫链描述研究对象随着时间变化，从A状态到B状态的概率，其过程可以表示为k×k的转移概率，mij表示i状态转移到j的概率[23]。
m i j = n i j n i
空间马尔可夫链在传统马尔可夫链的基础上加入空间滞后变量，弥补了传统马尔可夫链对空间依赖性、空间异质性和局部动态的忽视[24]。

1.4.5 Dagum基尼系数及其分解

Dagum基尼系数及其分解能有效识别地区差距的来源。具体地，将总体样本差异（G）分解为区域内差异（Gw）、区域间差异（Gnb）和超变密度（Gt），三者之间满足G=Gw+Gnb+Gt，可以避免组间差异与组内差异交叠部分[25]。

1.4.6 σ收敛和β收敛

σ收敛表示长江经济带不同区域绿色创新的离差随着时间变化而不断降低的趋势。本文采用变异系数来检验绿色创新水平的σ收敛[26]。β收敛（绝对β收敛和条件β收敛）表示绿色创新低水平地区与高水平地区的差距逐渐缩小，最终达到稳定的水平。其中，绝对β收敛是指不考虑其他外在影响因素时，地区间绿色创新水平的收敛趋势[27]。

2 长江经济带绿色创新的空间特征

2.1 空间分布格局

本文运用ArcGIS绘制长江经济带绿色创新空间分布图（图1），发现其主要特征如下：①长江经济带上游区域以重庆和成都为绿色创新核心引擎，在区域内占据主导地位。其中，重庆和成都具备强大的经济实力和创新能力，通过优化绿色创新环境，推动创新资源和要素的合理化配置，充分发挥了“龙头”城市的引领作用；昆明和贵阳作为上游区域的次中心，但仍以其独特的地理优势和资源优势，为区域绿色创新提供了有力支撑。四大中心城市共同构成了上游区域绿色创新的核心框架。②长江经济带中游区域呈现出以武汉为核心，长沙和南昌为辅助的“三足鼎立”格局。其中，武汉作为高校和科研机构的聚集地，具有良好的创新环境和深厚的科技创新底蕴，且汇聚了大量科研人才和创新资源，为绿色创新提供了坚实的智力支持；长沙和南昌则作为辅助力量，与武汉共同推动着中游区域的绿色创新。3个城市在绿色创新领域各展所长，形成了优势互补、协同发展的良好态势。③长江经济带下游区域是绿色创新的高地，以上海和苏州为核心，以南京、无锡、杭州和宁波等周边城市为重要节点，共同构成了绿色创新的生态圈。长三角地区城市经济活力强，区域知识储备和产业创新能力强，为绿色创新提供了良好条件。
图1 长江经济带城市绿色创新空间分布

Fig.1 Spatial distribution of urban green innovation in the Yangtze River Economic Belt

为了验证长江经济带各城市绿色创新是否存在空间自相关性，本文测算了2010—2022年Moran's I值并绘制其变化趋势图（图2）。结果显示，空间自相关性在1%的水平下显著正相关，呈现波动下降趋势，即2012年之后长江经济带绿色创新的空间集聚逐步弱化。
图2 莫兰指数变化趋势

Fig.2 The trend of Moran's Index change

2.2 标准差椭圆分析

为进一步明晰绿色创新水平的空间区位特征，运用ArcGIS10.7标准差椭圆分析长江经济带城市绿色创新的空间分布方向和空间动态特征。标准差椭圆参数结果见表2。
表2 2010—2022年长江经济带绿色创新标准差椭圆参数

Tab.2 Standard deviation ellipse parameters of green innovation development in the YREB from 2010 to 2022

年份 长半轴（km） 短半轴（km） 椭圆面积（km2） 旋转角（°）
2010 116.90 30.59 557975.36 77.80
2013 117.23 30.69 560272.25 77.91
2015 116.59 30.58 587020.22 78.63
2017 116.56 30.60 619634.91 76.69
2020 116.83 30.81 624475.66 70.70
2022 116.94 30.82 632421.45 69.67
由表2可知：①标准差椭圆整体呈东西走向，重心大致位于长江中下游区域，遵循“东北—西南—东北”的演化轨迹。2018年后往东北迁移的趋势尤为明显，说明东北方向城市的绿色创新水平较高。②标准差椭圆面积持续增长，从2010年的557975.36 km2增加至2022年的632421.45 km2，呈现扩张的空间分布特征。③2010—2022年椭圆长轴和短轴长度变化幅度较小。当椭圆的长轴与短轴差异凸显时，绿色创新活动的整体趋势越清晰，表明西南地区城市和对应的东北地区城市的绿色创新水平较高。④2010—2015年标准差椭圆旋转角度从77.80°微增到78.63°，表明位于西北至东南走向的城市绿色创新水平在提速。2015—2022年旋转角度逐渐减小，椭圆开始小幅度逆时针旋转，表明位于西南或东北方位的城市正成为绿色创新的新焦点。

2.3 Kernel核密度估计

为探究长江经济带绿色创新的总体水平、延展性以及分布演化趋势，本文通过Kernel密度估计分析分布动态（图3）。
图3 长江经济带绿色创新水平分布动态特征

Fig.3 Dynamic distribution of green innovation development level in the YREB

①长江经济带总体绿色创新水平向右移动且有小幅回调趋势（图3a），表明在绿色创新水平提升的同时，部分城市在某些阶段的增速放缓。核密度曲线呈单峰发展，峰值下降、带宽扩展表明城市间绿色创新差异逐渐加大，内部发展不平衡性愈发显著[28]。核密度曲线未出现显著拖尾效应，表明绿色创新未形成明显的空间集聚或排斥效应。然而，随着峰值下降和带宽扩大，城市间绿色创新的发散趋势逐渐增强，这与城市间经济基础和创新资源差异有关。
②长江经济带上游地区绿色创新水平呈缓慢右移趋势（图3b）。主峰经历了“单峰—多峰—单峰”的变化，表明该地区绿色创新发展不稳定，绿色创新水平存在较大的波动性。核密度曲线的“左拖尾”现象表明，低水平地区的绿色创新正在崭露头角，有望通过利用成渝双城资源优势实现跨越式发展[29]。
③长江经济带中游地区绿色创新水平稳步提升，部分阶段增速放缓（图3c）。核密度曲线分布呈“M”型多峰状，城市间发展水平差异显著，且多极化趋势明显。核密度曲线的“左拖尾”现象进一步反映了该地区城市间绿色创新水平差距日益加大，内部发展不平衡现象较为突出[30]。
④长江经济带下游地区绿色创新水平发展相对均衡，呈现单峰形态（图3d）。随着峰值减小和带宽收窄，区域协调性增强。然而，仍存在轻微“右拖尾”现象，表明长三角地区部分城市凭借创新资源集聚优势实现了更高水平的绿色创新，导致空间差距略有扩大。另外，下游地区绿色创新趋势与总体样本趋势高度一致，显示出该地区在长江经济带绿色创新中起到了积极推动作用。

2.4 马尔可夫链分析

2.4.1 传统马尔可夫链转移概率

采用传统马尔可夫链分析方法，从整体上把握绿色创新的时空格局。本文构建了四级分类体系：低水平∈（0，25%]、中低水平∈（25%，50%]、中高水平∈（50%，75%]、高水平∈（75%，100%]。并将时间跨度设定为1、3、5、7年，分别构建动态马尔可夫链转移矩阵（表3），揭示绿色创新水平的动态演变过程。
表3 长江经济带绿色创新水平马尔可夫链转移矩阵

Tab.3 Markov chain transfer probability matrix of green innovation developmentin the YREB

时间跨度（年） 类别 低 中低 中高 高
1 低 0.72 0.28 0.00 0.00
中低 0.08 0.63 0.29 0.00
中高 0.00 0.06 0.77 0.16
高 0.00 0.00 0.02 0.98
3 低 0.44 0.46 0.09 0.00
中低 0.01 0.41 0.57 0.01
中高 0.00 0.02 0.51 0.47
高 0.00 0.00 0.01 0.99
5 低 0.26 0.47 0.00 0.00
中低 0.02 0.22 0.67 0.09
中高 0.00 0.01 0.29 0.70
高 0.00 0.00 0.00 1.00
7 低 0.17 0.36 0.35 0.02
中低 0.01 0.13 0.59 0.27
中高 0.00 0.00 0.13 0.87
高 0.00 0.00 0.00 1.00
结果显示：①短期内的路径依赖与锁定效应：以跨度期1年来看，矩阵对角线上的元素显著高于非对角线元素，表明在较短的时期内，各城市绿色创新水平存在显著的路径依赖特征，城市倾向于维持其原有的绿色创新状态。②长期视角下的跨越式发展与等级迁移：随着观测时间跨度的延长（1~5年），对角线上多数元素的数值逐渐低于非对角线元素。表明长江经济带内城市绿色创新水平的长期动态变化中，各城市能突破原有发展水平的限制。③城市间等级迁移的异质性：在实现绿色创新等级迁移的过程中，各类城市所需的时间不同。具体而言，低等级城市升级较快（≤3年），而中高等级城市需要更长时间（≥5年），反映了不同城市在资源禀赋和政策环境等方面的差异。
图4直观展示了四类绿色创新水平在不同跨期内保持稳定及实现等级提升的概率分布。首先，由图4a可以看出：①稳定性概率的边际递减趋势。除绿色创新高水平城市外，其余类型城市随着时间的推移，城市更有可能突破既有发展瓶颈，寻求更高层次的绿色创新突破。②短期内的低水平稳定性。在时间跨度较短的情境下（≤3年），绿色创新低水平城市展现出相对较高的稳定性。③长期视角下的中高水平城市动态性。当时间跨度延长至6年时，中高绿色创新水平城市的稳定性概率显著低于低水平发展城市。其次，图4b展现了不同时间跨度与城市类型下，绿色创新能力维持现状与向上一等级转移概率的动态演变规律。结果显示：①中高发展水平城市转移概率呈持续上升趋势（约45°增长）8年后增速放缓。②低与中低发展水平城市转移概率呈现倒“U”型阶段特征。
图4 长江经济带各类绿色创新水平保持稳定和向上一等级转移的概率

Fig.4 Probability of the level of various green innovations in the YREB remaining stable and transferring to the next level

2.4.2 空间马尔可夫链转移

运用空间马尔可夫链模型对其空间属性进行分析（表4）。结果显示：①在相同的时间跨度下，绿色创新水平的转移概率在同类城市中因不同创新环境而显著不同。低水平城市在1年考察期时，其转移概率随周边环境（从低至高）从0.71到0.63不等，显示出空间粘性。高水平外部环境下转移概率的变化揭示了空间溢出效应的正负双重作用。②在相同的时间跨度下，不同类别城市的转移概率随周边环境的变化呈现出非一致性。中低水平城市保持现状的概率相对稳定，而中高水平城市则展现出更高的灵活性和适应性，其稳定性概率在高水平外部环境下最高。③除高水平发展城市外，其余类型城市在外部环境相同情况下，随着跨期的变化，城市保持稳定的概率逐年下降，且具有边际递减效应，而向上转移的概率逐年增加。
表4 2010—2022年长江经济带绿色创新的空间马尔可夫链转移概率矩阵

Tab.4 Spatial Markov chain transfer probability matrix of green innovation development in the YREB from 2010 to 2022

空间
滞后		 类别 t=1 t=3
低 中低 中高 高 低 中低 中高 高
低 低 0.71 0.27 0.02 0.00 0.47 0.37 0.16 0.00
中低 0.07 0.67 0.27 0.00 0.04 0.37 0.56 0.04
中高 0.00 0.09 0.91 0.00 0.00 0.00 0.83 0.17
高 0.00 0.00 0.00 1.00 0.00 0.00 0.00 1.00
中低 低 0.77 0.24 0.00 0.00 0.47 0.43 0.10 0.00
中低 0.13 0.59 0.28 0.00 0.00 0.38 0.59 0.03
中高 0.00 0.08 0.75 0.18 0.00 0.05 0.53 0.43
高 0.00 0.00 0.12 0.88 0.00 0.00 0.04 0.96
中高 低 0.72 0.28 0.00 0.00 0.42 0.52 0.06 0.00
中低 0.09 0.60 0.31 0.00 0.02 0.39 0.58 0.00
中高 0.00 0.08 0.73 0.19 0.00 0.01 0.48 0.51
高 0.00 0.00 0.01 0.99 0.00 0.00 0.00 1.00
高 低 0.63 0.34 0.00 0.00 0.42 0.50 0.08 0.00
中低 0.05 0.68 0.28 0.00 0.00 0.45 0.54 0.01
中高 0.00 0.04 0.83 0.14 0.00 0.02 0.50 0.48
高 0.00 0.00 0.00 1.00 0.00 0.00 0.00 1.00

注：为节省篇幅，省略了t=5、t=7，其结果体现在文字里。

3 长江经济带绿色创新空间差异

根据Dagum基尼系数及其子群分解法，测算2010—2022年长江经济带绿色创新水平的空间差异，以此分析差异的具体来源及贡献（表5）。
表5 长江经济带绿色创新水平空间差异及分解

Tab.5 Spatial difference and decomposition of green innovation development level in the YREB

年份 总体基尼系数 地区内基尼系数 地区间基尼系数 差异来源及贡献率（%）
上游 中游 下游 上中游 上下游 中下游 地区内 地区间 超变密度
2010 0.7625 0.5602 0.6495 0.8412 0.8117 0.8368 0.7856 23.9745 56.7469 19.2786
2011 0.7514 0.5569 0.6296 0.8174 0.8063 0.8291 0.7572 23.9197 57.1154 18.9649
2012 0.7481 0.5492 0.6462 0.8052 0.8003 0.8259 0.7551 24.0708 56.9471 18.9821
2013 0.7342 0.5276 0.6144 0.8025 0.7894 0.8175 0.7412 23.7833 57.2751 18.9415
2014 0.7111 0.5046 0.6109 0.7653 0.7671 0.7960 0.7101 24.2168 55.9074 19.8759
2015 0.7132 0.4910 0.5667 0.7757 0.7559 0.7937 0.7122 23.8635 55.7343 20.4022
2016 0.7164 0.4849 0.5858 0.7736 0.7536 0.7855 0.7128 24.3166 54.3420 21.3414
2017 0.7245 0.4810 0.5945 0.7656 0.7616 0.7843 0.7065 24.0741 55.3442 20.5817
2018 0.7456 0.4560 0.5861 0.7685 0.7529 0.7775 0.7018 23.8250 55.6750 20.4999
2019 0.7489 0.4805 0.5691 0.7697 0.7567 0.7848 0.6827 23.5965 57.0543 19.3491
2020 0.7678 0.4977 0.5577 0.7731 0.7557 0.7808 0.6732 23.2969 57.5465 19.1566
2021 0.7768 0.4985 0.5687 0.7783 0.7577 0.7865 0.6862 23.3221 57.6475 19.2345
2022 0.7758 0.4995 0.5697 0.7794 0.7588 0.7869 0.6869 23.3253 57.6483 19.2354

3.1 长江经济带绿色创新的总体差异及区域内差异

由表5的总体基尼系数与地区内基尼系数可以看出：①总体基尼系数从2010年的0.7625下降至2015年的0.7132，表明绿色创新仍处于起步阶段，尚未拉开发展差距；2015—2022年有轻微涨幅，表明省会城市依靠城市综合实力，并在马太效应的作用下，汇聚绿色创新优势条件，导致绿色创新向中心城市集聚。②上游地区内基尼系数以2018年为节点呈现“V”型发展，自2018年后有上升趋势，可能是上游地区城市所在地理位置、自然环境和经济社会特点等方面导致区域内绿色创新动力不足、发展不均衡。③中游地区内基尼系数呈“W”型波浪式下降，主要是受到以武汉为首，武汉、长沙、南昌三足鼎立局面影响，没有充分发挥以点带面的长久协同发展机制[31]。④下游地区内基尼系数是最高的地区，呈现向下发展趋势，可能是因为该区域经济发展与研发投入经费成正比，绿色创新水平较快，并通过空间溢出效应缩小内部城市发展差异。下游地区内差异走势与整体走势比较贴合，在一定程度上说明下游地区是长江经济带绿色创新的缩影。

3.2 长江经济带绿色创新的区间差异

在样本期内，绿色创新的区域间基尼系数呈现出“上下游>上中游>中下游”的发展格局。尤其是在中下游地区，区域间差异不断缩小，可能是由于下游地区城市所拥有的科技和技术等创新要素逐渐向周边城市扩散，通过溢出效应有效推动了中下游地区绿色创新的均衡发展。然而，自2018年以后，上中游和上下游区间的基尼系数呈现上升趋势，表明区域间差异再次扩大，这与中共中央、国务院发布的《国家创新驱动发展战略纲要》及《关于大力推进大众创业万众创新若干政策措施的意见》等政策密切相关。这些政策进一步激发创新活力，但由于上游地区的核心城市未能及时与中游和下游的重要节点城市建立有效的协同发展机制，导致区域间绿色创新的差异在数年后逐渐凸显，形成了新的不均衡态势[32]。

3.3 长江经济带绿色创新差异来源及贡献率

根据Dagum基尼系数，测算地区内、地区间和超变密度的贡献率（表5）。结果显示，地区间的差异是驱动长江经济带绿色创新差异的主要因素，其年均贡献率高达56.33%，且该比例呈逐年上升的趋势。相比之下，地区内部的差异贡献率则相对稳定，保持在23.90%左右。而超变密度的贡献率则呈现出一种独特的“U”型变化模式，其年均值为19.76%，表明在绿色创新的空间分布中，存在一种先集中后分散的动态调整过程。

4 长江经济带绿色创新的空间收敛

4.1 σ收敛检验

图5展示了σ收敛结果，可以看出长江经济带绿色创新总体呈阶段性的收敛与发散特征，其中2010—2017年为收敛，2017—2020年则为轻微发散。具体来看，上游地区在2010—2014年为收敛，2014年以后则为明显发散；中游地区呈现“W”型收敛与发散特征，2010—2015和2017—2019年为收敛，2015—2017和2020年后则为发散；下游地区收敛特征与中游地区具有同步性。
图5 长江经济带绿色创新变异系数的演变趋势

Fig.5 Evolution trend of variation coefficient of green innovation development in the YREB

4.2 β收敛检验

首先，采用LM检验确认长江经济带各城市之间存在空间自相关效应；其次，根据Wald检验和LR检验选择最优的空间计量模型。空间杜宾模型适用性检验结果显示，相关检验均显著，适用于β收敛机制检验。

4.2.1 绝对β收敛

绝对β收敛结果显示，长江经济带总体和上中下游地区均存在绝对β收敛趋势。具体来看，上游收敛系数（-0.871）的绝对值最大，与其城市绿色创新水平较低，核心城市的绿色创新后劲不足有关。中游地区收敛系数（-0.616）与全样本系数（-0.659）较接近，下游地区收敛系数（-0.368）最小，与前文σ收敛的分析结果一致。
进一步对绝对β收敛进行分阶段检验（表6），在2010—2015和2016—2022年两阶段中，长江经济带总体和上中下游地区的绿色创新的收敛系数β均在1%的水平上显著为负，收敛结果稳健。从收敛速度来看，两阶段均为“上游>中游>下游”，即绿色创新水平较低地区对发展水平较高地区具有“追赶效应”。此外，通过对2010—2022年上游城市绿色创新增幅测算，重庆和成都虽作为上游城市中的经济领头羊，但其绿色创新增幅低于其他城市。这一现象可能源于两地在绿色创新领域已较为成熟，面临更高的转型门槛和基数效应，因而发展增速相对放缓[45]。相比之下，其他上游城市正处于上升期，具备更大的发展潜力。
表6 不同阶段长江经济带绿色创新的绝对β收敛检验结果

Tab.6 Absolute β convergence results of green innovation development in the YREB at different stages

模型变量 2010—2015年 2016—2022年
全样本 上游 中游 下游 全样本 上游 中游 下游
β -1.009***
（-25.26）		 -1.179***
（-13.65）		 -0.994***
（-18.62）		 -0.608***
（-8.85）		 -0.822***
（-20.54）		 -1.036***
（-11.81）		 -0.790***
（-15.10）		 -0.458***
（-6.35）
ρ 0.126
（1.44）		 -0.170
（-1.09）		 -0.008
（-0.07）		 0.136
（0.80）		 0.004
（0.04）		 -0.072
（-0.44）		 -0.182
（-1.65）		 -0.142
（-0.90）
θ 0.103***
（16.09）		 0.150***
（8.19）		 0.103***
（11.40）		 0.032***
（7.89）		 0.044***
（16.12）		 0.066***
（8.20）		 0.038***
（11.31）		 0.022***
（7.89）
时间固定 Yes Yes Yes Yes Yes Yes Yes Yes
N 520 135 260 125 520 135 260 125
R² 0.2754 0.3135 0.2532 0.2132 0.0766 0.1678 0.1532 0.0063
Hausman 287.73*** 219.75*** 214.07*** 71.65*** 353.67*** 228.78*** 201.22*** 135.45***

4.2.2 条件β收敛

为了进一步分析长江经济带城市绿色创新发展是否存在条件β收敛，加入5个控制变量进行条件β收敛检验结果显示，收敛系数β均在1%的水平上显著为负，即长江经济带总体和上中下游均存在条件β收敛趋势，且上游地区仍是收敛速度最高，中游次之，下游最小。整体上，绝对β收敛系数的绝对值比条件β收敛系数的绝对值大，说明在纳入其他相关影响因素后，绿色创新发展的区域差异速度缩小。同样，对条件β收敛划分两阶段进行分析，如表7所示，收敛速度依然呈现“上游>中游>下游”，与绝对β收敛结果一致。
表7 不同阶段长江经济带绿色创新的条件β收敛检验结果

Tab.7 Conditional β convergence results of green innovation development in the YREB at different stages

变量 2010—2015年 2016—2022年
全样本 上游 中游 下游 全样本 上游 中游 下游
β -1.012***
（-25.74）		 -1.203***
（-13.65）		 -1.026***
（-19.38）		 -0.671***
（-9.87）		 -0.840***
（-21.12）		 -1.062***
（-12.57）		 -0.835***
（-15.64）		 -0.552***
（-7.11）
ρ 0.130
（1.47）		 -0.100
（-0.60）		 -0.065
（-0.59）		 -0.076
（-0.39）		 -0.059
（-0.67）		 0.021
（0.12）		 -0.311
（-2.69）		 -0.156
（-0.93）
θ 0.100***
（16.11）		 0.124***
（8.21）		 0.094***
（11.40）		 0.026***
（7.90）		 0.042***
（16.12）		 0.054***
（8.21）		 0.033***
（11.32）		 0.019***
（7.89）

5 结论与启示

5.1 研究结论

通过构建“全流域—上中下游—城市群”三级分析框架，本文系统揭示了2010—2022年长江经济带绿色创新的空间分布规律及动态演进特征。主要结论如下：
①长江经济带绿色创新的空间分布不均衡，主要集中在下游地区，中游地区次之，而上游地区相对较弱。从动态演化路径来看，绿色创新的重心呈现出“东北—西南—东北”的演化轨迹并由点状突破向全域扩散，这一路径反映了区域资源禀赋和发展策略差异对绿色创新布局的深远影响。进一步分析发现，上游地区绿色创新呈现“左拖尾”现象，下游地区呈现“右拖尾”现象，表明这两个区域之间的绿色创新差距有逐步扩大的趋势；而中游地区绿色创新的分布则从双峰向单峰过渡，两极分化现象有所缓解。
②长江经济带绿色创新的空间关联效应显著，相邻地区的绿色创新环境对整体空间格局的形成起到了关键作用。各城市之间的绿色创新水平相互影响，彼此的转移概率对空间格局的演变具有重要推动作用。从空间差异的视角来看，下游地区内部的绿色创新差异最大，而上游地区内部差异最小；上下游地区之间的差异最为突出，地区间差异成为长江经济带绿色创新差异的主要来源。
③长江经济带绿色创新整体呈现出σ收敛特征，且随着时间的推移，区域间的绿色创新差距呈显著下降趋势，其中上游地区的收敛性最为显著。在绝对β收敛和条件β收敛的分析中，均呈现出“上游>中游>下游”的梯度特征。在条件β收敛分析中，各城市的收敛速度均有不同程度的提升，这充分体现了产业结构高级化、城镇化率、人口密度、经济发展水平和教育水平等因素对绿色创新的积极推动作用。

5.2 研究启示

①长江经济带作为中国经济的重要增长极，其绿色创新的高质量发展离不开上中下游的协同共进。上游地区应实施人才引进战略，加强科技教育投资，力争将上游地区打造成绿色创新的新高地。中游地区需发挥承东启西的纽带作用，促进技术与产业深度融合，并通过政策引导和市场机制，推动形成一批绿色创新型企业集群，为长江经济带注入强劲的发展动能。下游地区应持续优化创新环境，发挥引领作用，增强绿色创新竞争力，不仅要成为创新高地，更要成为技术与理念的溢出源泉，推动先进技术和绿色理念向全流域扩散。
②瞄准长江经济带上中下游各自面临的痛点，制定差异化发展政策。上游地区需构建全面的科技创新人才培养与支持体系，确保人才资源成为绿色创新的核心动力。中游地区应搭建技术转移与孵化平台，加速绿色科技成果的转化应用，推动形成产学研用深度融合的绿色创新生态，为产业升级注入绿色动能。下游地区应聚焦高端产业和关键环节，实施精准的技术攻关工程，提升其在全球产业链中的地位，引领长江经济带及全国的绿色产业转型升级。
③强化省会城市的引领作用，推动绿色创新跨区域协同合作。上游地区省会城市应成为绿色创新的引擎，加快协同机制建设，优化经济空间布局，避免虹吸效应，带动周边城市共享绿色创新成果。中游地区省会城市要与周边城市联动，共同探索绿色创新路径，促进产业链、创新链、人才链的深度融合，提升区域整体竞争力。下游地区省会城市需充分发挥沿海开放优势，拓展绿色创新发展空间，吸引高端要素集聚，并加强与周边城市的合作，推动绿色创新成果在更大范围内的转化应用，实现区域协同发展的新跨越。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
宋弘, 孙雅洁, 陈登科. 政府空气污染治理效应评估——来自中国“低碳城市”建设的经验研究[J]. 管理世界, 2019, 35(6):95-108,195.

[2]
韩先锋, 陈龙涛, 宋文飞, 等. 碳排放对绿色技术创新驱动产业升级的动态调节机制[J]. 中国人口·资源与环境, 2023, 33(12):60-70.

[3]
单勤琴, 李中. 经济高质量发展水平的地区差异及时空收敛性研究[J]. 经济地理, 2022, 42(9):50-58.

DOI

[4]
武晓静, 杜德斌, 肖刚, 等. 长江经济带城市创新能力差异的时空格局演变[J]. 长江流域资源与环境, 2017, 26(4):490-499.

[5]
任保平. 以新质生产力赋能中国式现代化的重点与任务[J]. 经济问题, 2024(5):1-6.

[6]
吴启余, 曾刚, 杨阳, 等. 长三角城市绿色创新效率时空演变与绿色创新网络驱动效应[J]. 长江流域资源与环境, 2024, 33(3):461-471.

[7]
沈能, 张霖, 张静. 长三角城市群绿色创新效率的时空格局和动态演进[J]. 南通大学学报(社会科学版), 2023, 39(2):37-48.

[8]
滕堂伟, 潘雅君, 王胜鹏, 等. 长三角地区城市绿色创新效率网络空间结构演化及影响因素[J]. 长江流域资源与环境, 2023, 32(7):1335-1348.

[9]
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.

[10]
冯志军. 中国工业企业绿色创新效率研究[J]. 中国科技论坛, 2013(2):82-88.

[11]
冯熹宇, 王菌丽, 徐娜. 绿色创新网络嵌入、资源获取与企业绿色创新质量[J]. 中国软科学, 2023(11):175-188.

[12]
杨鹏, 孙伟增. 企业数字技术应用对绿色创新质量的影响研究[J]. 管理学报, 2024, 21(2):232-239.

[13]
刘保留, 张莹, 李雨珊. 互联网发展对城市绿色创新的影响机理——基于专利视角的分析[J]. 中国人口·资源与环境, 2022, 32(6):104-112.

[14]
赵炎, 齐念念, 孟庆时. 技术整合能力、绿色专利质量与企业持续性创新[J]. 科技进步与对策, 2023, 40(8):11-21.

[15]
Griliches Z. Patent statistics as economic indicators:A survey[J]. Journal of Economic Literature, 1990, 28(4):1661-1707.

[16]
Archibugi D. In search of a useful measure of technological innovation (to make economists happy without) discontenting technologists[J]. Technological Forecasting and Social Change, 1988, 34(3):253-277.

[17]
林子秋, 李应博. 知识作用视角下城市间环境规制异质性与绿色创新质量研究[J]. 科技进步与对策, 2022, 39(21):33-44.

[18]
胡江峰, 黄庆华, 潘欣欣. 碳排放交易制度与企业创新质量:抑制还是促进[J]. 中国人口·资源与环境, 2020, 30(2):49-59.

[19]
Rubashkina Y, Galeotti M, Verdolini E. Environmental regulation and competitiveness:Empirical evidence on the Porter Hypothesis from European manufacturing sectors[J]. Energy Policy, 2015,83:288-300.

[20]
Johnstone N, Managi S, Rodríguez M C, et al. Environmental policy design,innovation and efficiency gains in electricity generation[J]. Energy Economics, 2017,63:106-115.

[21]
潘为华, 贺正楚, 潘红玉. 中国数字经济发展的时空演化和分布动态[J]. 中国软科学, 2021(10):137-147.

[22]
Xu J H. Mathematical Methods in Contemporary Geography[M]. Beijing: Higher Education Press,1996.

[23]
Le Gallo J. Space-time analysis of GDP disparities among European regions:A Markov chains approach[J]. International Regional Science Review, 2004, 27(2):138-163.

[24]
毛润泽, 刘源, 刘震. 长三角地区间文旅产业发展差距的动态演变与影响因素研究[J/OL]. 世界地理研究,1-16[2025-01-23].

[25]
谢花林, 王伟, 姚冠荣, 等. 中国主要经济区城市工业用地效率的时空差异和收敛性分析[J]. 地理学报, 2015, 70(8):1327-1338.

DOI

[26]
王博, 张永忠, 陈灵杉, 等. 中国城市绿色创新水平及影响因素贡献度分解[J]. 科研管理, 2020, 41(8):123-134.

[27]
董直庆, 王辉. 环境规制的“本地—邻地”绿色技术进步效应[J]. 中国工业经济, 2019(1):100-118.

[28]
卢召艳, 黎红梅, 魏晓, 等. 城市群核心区域科技创新潜力评价及影响因素——以长株潭城市群核心区为例[J]. 经济地理, 2022, 42(4):141-149.

DOI

[29]
盛翔. 区域创新产出的差异比较及影响因素的实证研究[D]. 杭州: 浙江工商大学, 2012.

[30]
范斐, 杜德斌, 李恒, 等. 中国地级以上城市科技资源配置效率的时空格局[J]. 地理学报, 2013, 68(10):1331-1343.

DOI

[31]
董雪兵, 池若楠. 中国区域经济差异与收敛的时空演进特征[J]. 经济地理, 2020, 40(10):11-21.3

DOI

[32]
李益, 罗胤晨, 李兆辉, 等. 城市工业生态集聚空间分异驱动因子及溢出效应研究——基于长江上游地区33城市的实证分析[J]. 长江流域资源与环境, 2024, 33(9):1874-1887.

Options
文章导航

/

〈 〉