EN中文

Economic geography >

2021 , Vol. 41 >Issue 6: 12 - 19

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.06.002

Evolution and Differentiation of Coupling Coordination Between Technological Innovation and Green Development in Chinese Cities

  • HAN Yongnan , 1 ,
  • GE Pengfei , 2, ※ ,
  • ZHOU Bole 2
Expand
  • 1. School of Economics，Shandong Normal University，Jinan 250358，Shandong，China
  • 2. School of Economics & Management，Northwest University，Xi'an 710127，Shaanxi，China

Received date: 2020-07-30

  Revised date: 2021-02-09

  Online published: 2025-04-08

Fold

Abstract

Based on the sample of 283 cities in China,this paper uses the coupling coordination model,Dagum Gini coefficient to reveal the spatial-temporal characteristics of the coupling coordination degree between technological innovation and green development in China,and its differential facts. Results show that: 1) Owing to the continuous improvement of technological innovation,the coupling coordination degree between technological innovation and green development of Chinese cities is slowly increasing annually. Northeast China,North China,South China,East China and Southwest China are areas with moderate coupling coordination,while Central China and Northwest China are areas with low coupling coordination. Only Northeast China shows a downward trend on the coupling coordination degree. The city size is positively correlated with the coupling coordination degree,and such relationship evinces great differences among different city sizes. 2) The difference of coupling coordination degree among regions accounts for 48.7% of the overall difference,especially the difference between East China,South China and Northwest,Southwest and Northeast China. The difference among different city sizes accounts for 84.18% of the total difference,whereas that within the same city size is small. This paper studies the coupling coordination between technological innovation and green development in Chinese cities from the perspective of system theory,whose conclusions provide policy support for the implementation of green development strategy of innovation driven economy.

Key words： technological innovation; green development; coupling coordination; Dagum Gini coefficient

Cite this article

HAN Yongnan , GE Pengfei , ZHOU Bole . Evolution and Differentiation of Coupling Coordination Between Technological Innovation and Green Development in Chinese Cities[J]. Economic geography, 2021 , 41(6) : 12 -19 . DOI: 10.15957/j.cnki.jjdl.2021.06.002

当前，全球环境面临巨大挑战，绿色发展成为世界各国发展共识，中国践行绿色发展对世界有重要影响。一方面，中国是新能源的积极践行者，持续领跑全球可再生能源增长。2018年全球可再生能源增长14.50%，其中中国贡献了全球增量的45.15%，贡献度超过了经合组织的总和。另一方面，中国能源消费量居全球首位，伴随经济发展产生了较为严重的环境问题。积极破解中国经济发展与环境治理困境将对全球发展产生重要影响。中国应如何转变经济发展方式，彻底实现经济绿色发展呢?转变经济发展方式，实现绿色发展，就是利用技术创新改造传统产业，提升经济发展中的科技含量。同时，绿色发展通过搭建创新偏向环境、提供创新知识资源、引导技术创新方向等深刻影响技术创新活动[1-2]。因此，技术创新是绿色发展的重要动力，绿色发展是技术创新的重要保障。那么，中国技术创新与绿色发展二者之间的互相作用程度如何呢?
如果技术创新对绿色发展的驱动程度较低或者绿色发展对技术创新的导向作用较弱，无论哪一条途径出现问题，均会对二者的持续发展造成阻碍。之所以提出这样的疑问，一方面，技术创新是一把“双刃剑”，技术创新既可以促进绿色发展，也可以带来环境污染降低绿色发展。另一方面，绿色发展的提升有可能抑制技术创新活动。绿色友好型技术创新通常创新成本更高、创新风险更大，如果绿色发展水平是以行政手段维持而非市场行为，即绿色发展不是经济发展到一定程度的产物，往往会给技术创新发展带来一定程度的障碍。因此，准确测算中国技术创新与绿色发展的耦合协调发展现状，科学掌握二者相互作用关系的时空演化，并探讨差异性来源，对中国有效实施技术创新驱动战略，最终实现经济向绿色发展转型具有一定的指导意义。
根据技术创新与绿色发展两者关系的已有研究，技术创新对绿色发展存在提升和降低两方面的影响。一方面，技术创新通过提升资源生产率[3]，降低碳排放强度[4]，提高废水处理效率、减少空气污染等多种方式对绿色发展产生积极影响。另一方面，企业技术创新以利润最大化为目的，对环境问题视而不见，导致环境污染加剧。比如化肥和农药增加了农业产出，同时也导致水质恶化以及湖泊河流的富营养化[5]。而且，技术创新虽然减少了单位产出的污染物排放，但由于产出扩张，导致总污染物增多[6]。此外，技术创新对绿色发展的影响存在时间与地区差异[7]。Omri发现只有富裕国家的技术创新才有利于绿色发展，低收入国家不存在促进作用[8]。
绿色发展通过三方面影响着技术创新。第一，绿色发展搭建创新偏向环境。绿色发展提升形成的绿色偏向型企业组织文化，有助于企业通过环境绩效和环境战略的调节作用提升企业的技术创新[1,9-10]。第二，绿色发展提供创新知识资源。相比一般技术创新，绿色发展友好型的技术创新有着更为复杂的创新流程和更为高昂的创新成本，需要更多的创新知识资源。绿色发展水平的提高，使得绿色知识也获得长足发展，并影响绿色创新水平[9]。第三，绿色发展引导技术创新方向。绿色发展诱导企业进行绿色偏向型技术创新[2]，激发研发人员绿色偏向型知识学习、探索性绿色友好型技术创新[11]。而且，企业所处的绿色发展环境也会倒逼企业进行技术创新[12]。
可以发现，已有文献主要讨论技术创新与绿色发展的单向关系，较少涉及技术创新与绿色发展的相互作用，也忽略了二者之间的耦合协调水平的时空分布、差异性特征与空间关联性。本文通过对中国283个城市技术创新与绿色发展耦合协调现状的研究，为提升中国经济“创新与绿色”协调发展水平提供理论基础。

1 数据与方法

1.1 指标选取与数据来源

参考逯进、蒋天颖等的研究成果[13-14]，从创新投入、创新产出、创新环境三方面衡量技术创新水平。绿色发展水平指标则参考周亮、刘阳等的研究[15-16]，从投入要素、期望产出和非期望产出三方面衡量。由于2003年以前缺失关键指标的原始数据，最终使用了中国283个地级及以上城市2004—2017年的样本数据。原始数据源自《中国城市统计年鉴》《中国统计年鉴》《中国区域经济统计年鉴》《中国科技统计年鉴》以及各省市统计局网站。具体指标变量定义见表1。
表1 指标体系

Tab.1 Index system

一级指标 二级指标 三级指标 指标说明
技术创新 创新投入 政府投入 政府科技拨款占财政支出比重
科研人员 高等学校专任教师数
创新产出 发明专利 发明专利数量
外观专利 外观专利数量
实用新型专利 实用新型专利数量
创新环境 公共图书馆图书藏量 公共图书馆馆藏图书数量
绿色发展 投入要素 资本要素 全社会固定资产投资总额
劳动力要素 年末单位从业人数
能源要素 供水总量、城市建成区面积、全社会用电量
期望产出 经济效益 GDP（2005年不变价）
社会效益 城市职工平均工资、社会消费品零售总额
环境效益 城市绿地覆盖率、工业固体废物综合利用率、污水处理厂集中处理率、生活垃圾无害化处理率
非期望产出 环境污染 工业废水排放量、工业SO2排放量、工业烟尘排放量

1.2 研究方法

1.2.1 耦合协调水平测度

系统或子系统之间的关系包含发展与协调两方面，发展强调系统本身从低级到高级，从无序到有序的演进过程，协调强调系统或子系统要素间的相互促进、和谐发展的过程。耦合协调度能够同时刻画系统间的发展与协调水平[17]，该模型在地理学与经济学的研究中得到广泛的应用[18⇓-20]。有关模型的计算步骤请参考唐晓华等[18]和李琼等[19]的文献。本文把技术创新与绿色发展的耦合协调度分为四种类型，低度耦合协调（0<D≤0.3）、中度耦合协调（0.3<D≤0.5）、高度耦合协调（0.5<D≤0.8）、极度耦合协调（0.8<D≤1）。

1.2.2 差异性测度

本文使用Dagum[21]提出的Dagum基尼系数模型测度七大区域及不同城市规模技术创新与经济发展耦合协调度的差异性，并对差异原因进行深入分析。Dagum基尼系数可以把总体基尼系数G分解成区域内差异（Gw）、区域间差异（Gnb）与超变密度（Gl）三部分。

2 技术创新与绿色发展耦合协调度的特征事实

2.1 整体特征的时间演变

表2是中国技术创新与绿色发展耦合协调度整体的时间演变情况，Uino是技术创新子系统的发展水平；Ugd是绿色发展子系统的发展水平；Uino/Ugd表示的是技术创新子系统相对于绿色发展子系统的发展程度，如果Uino/Ugd<1表明技术创新滞后于绿色发展；Dino_gd是技术创新与绿色发展的耦合协调度。
表2 耦合协调度的整体时间演变

Tab.2 Temporal evolution of the coupling coordination degree

年份 Uino Ugd Uino/Ugd Dino_gd
2004 0.1214 0.6606 0.1838 0.3919
2005 0.1133 0.4936 0.2296 0.3540
2006 0.0869 0.4742 0.1833 0.3310
2007 0.0996 0.4178 0.2383 0.3311
2008 0.1111 0.3908 0.2843 0.3376
2009 0.1228 0.4165 0.2949 0.3584
2010 0.1346 0.3971 0.3390 0.3724
2011 0.1462 0.4322 0.3383 0.3874
2012 0.1518 0.4384 0.3463 0.3987
2013 0.1559 0.4173 0.3736 0.4077
2014 0.1631 0.3465 0.4707 0.3881
2015 0.1755 0.3421 0.5130 0.4113
2016 0.2072 0.4017 0.5158 0.4326
2017 0.1952 0.4445 0.4394 0.4391
对技术创新来说，样本期内呈现出上升趋势，从2004年的0.1214提高到2017年的0.1952，共增长60.79%，技术创新的增长幅度较大。分阶段看，2004—2006年技术创新水平逐年下降，2007—2017年又逐年缓慢上升。对绿色发展来说，样本期内整体呈现出下降状态，从2004年的0.6606，下降到2017年的0.4445，共下降32.71%。分阶段看，2004—2008年绿色发展水平处于快速下降期，2009—2013年处于平稳发展期，2014—2017年处于逐步上升期。技术创新水平滞后于绿色发展水平，但是由于技术创新水平的逐年提高，而绿色发展水平的逐年下降，二者比值表现出快速上升态势。
样本期间中国技术创新与绿色发展的耦合协调度为0.4013，处于中度耦合协调关系。通过表2直观看到，技术创新与绿色发展的耦合协调度呈现出先下降再持续上升的态势，并且各年均处于中度耦合协调关系，期间共增长12.04%，增长幅度较小，增长速度缓慢。分阶段看，2004—2007年呈现缓慢下降，从2004年的0.3919，下降为2007年的0.3311；2008—2013年表现缓慢上升，从2008年的0.3376，上升到2013年的0.4077；2014—2017年呈现出较快增长，从2014年的0.3881增长到2017年的0.4391。第一阶段，中国自2001年加入WTO后，在出口导向型经济增长方式的作用下，经济得到快速发展，但是粗放型经济增长对环境污染严重，以及创新意识淡薄，造成技术创新与绿色发展的耦合协调度的逐年下降。第二阶段，由于2008年全球金融危机爆发，外部需求下降，出口导向型经济不可持续，中国逐渐关注创新对驱动经济发展的重要性，才使得技术创新与绿色发展的耦合协调度开始实现平稳增长。第三阶段，中国经济进入新常态后，经济发展思路开始由经济增长数量向经济增长质量转型，并注重“创新、协调、绿色、开放、共享”五大发展理念，使得技术创新与绿色发展的耦合协调度实现较快增长。目前，中国经济技术创新与绿色发展之间的互相促进机制和互相提升作用已经基本实现，二者的耦合协调度处于稳步上升的发展期，并且主要得益于技术创新水平的不断提升。

2.2 核密度分析

为进一步分析中国技术创新与绿色发展耦合协调度的整体特征，本文利用核密度估计刻画2004与2017年耦合协调度分布的整体形态，如图1。可以看到，无论2004年还是2017年，技术创新与绿色发展耦合协调度均呈现出偏态分布，并且具有右拖尾的特征，大多数城市都在密度函数的左尾，图形基本上是单峰状，反映城市之间技术创新与绿色发展耦合协调度存在差异性。与2004年相比：第一，2017年的单峰更矮、更右偏，并且单峰峰度更平缓宽厚，反映2017年整体水平的提高，以及中等耦合协调度城市比重的上升。第二，2017年的左尾和右尾部分拖得更长，对应的密度更低，反映2017年耦合协调度两极化的增加。第三，2017年的核密度图除了在0.25附近的单峰状以外，还在0.5~0.7之间有类峰状凸起，说明耦合协调度开始出现由单峰向双峰模式转变的趋势，双峰模式代表着部分城市在低水平上集中和部分城市在高水平上集中，双峰模式的转变意味着耦合协调度开始由收敛走向发散，并且在城市间的发展呈现更大差异性特征。
图1 耦合协调度的核密度估计图：2004与2017

Fig.1 Kernel density estimation of the coupling coordination degree in 2004 and 2017

2.3 分七大区域的时间演变

本文继续从七大区域角度分析技术创新与绿色发展耦合协调度的区域特征。整体上，东北、华北、华中、华南、华东、西南和西北这七大区域的耦合协调度分别为0.3143、0.4502、0.2916、0.4038、0.4243、0.3493、0.2564，华中和西北地区处于低度耦合，其余地区均处于中度耦合。在时间演变上，东北下降18.02%，华中、华东、华北、华南、西南和西北分别增长21.45%、20.57%、17.85%、15.53%、14.06%、10.94%。
图2反映了七大区域技术创新与绿色发展耦合协调度的时间演变。从图形的波动形态上看，东北地区自成一类，呈现出先在2004—2007年下降，随后在0.3100附近上下波动。华南地区也自成一类，整体呈现正U形，先在2004—2008年逐年下降，随后表现平稳走势，接着在2014—2017年出现快速上升。华北和西北走势相近，均表现出先在2004—2006年下降，再在2007—2017年持续上升的走势。华中、华东和西南这三大区域趋势类似，表现出先下降，再缓慢上升，再平稳发展，再上升的趋势形态。可以发现中国技术创新与绿色发展耦合协调度，一方面在七大区域之间存在较大差异，最高的华北是最低的西北地区的1.76倍；另一方面在区域内各年份之间也存在较大不同，以华中地区为例，最高的2017年是最低2006年的1.55倍。
图2 七大区域耦合协调度的时间演变

Fig.2 Temporal evolution of the coupling coordination degree in seven regions

2.4 分城市规模的时间演变

中国技术创新与绿色发展的耦合协调度不仅在区域上存在显著差异，同时在城市规模层面也存在着较大不同。单纯根据城市市辖区常住人口数将城市划分为超大城市、特大城市、大城市、中城市和小城市，会忽略城市发展的非人口因素。为此，本文依据第一财经新一线城市研究所发布的《2019城市商业魅力排行榜》，将283个城市划分为一线城市、新一线城市、二线城市、三线城市、四线城市、五线城市。不同城市规模的平均耦合协调度分别为0.7752、0.5431、0.4196、0.2901、0.2208、0.1710，一线和新一线城市处于高度耦合，二线城市处于中度耦合，三线、四线和五线城市处于低度耦合。与区域相比，耦合协调度的差异更多地体现在不同城市规模等级之间。在时间趋势上，一线城市的耦合协调度整体呈现微弱下降趋势，下降约0.59%，新一线、二线、三线、四线和五线城市的耦合协调度都表现出增长趋势，增长幅度分别为11.80%、22.85%、22.16%、20.07%和8.36%，二线城市增长幅度最大，见表3。
表3 耦合协调度的分城市规模特征

Tab.3 Characteristics of the coupling coordination degree based on city scale

年份 一线 新一线 二线 三线 四线 五线
2004 0.8010 0.5476 0.3887 0.2757 0.2147 0.1819
2005 0.7382 0.4757 0.3433 0.2379 0.1847 0.1512
2006 0.6912 0.4531 0.3153 0.2220 0.1748 0.1379
2007 0.6920 0.4378 0.3259 0.2281 0.1774 0.1393
2008 0.7041 0.4542 0.3409 0.2361 0.1804 0.1396
2009 0.7313 0.4900 0.3686 0.2478 0.1876 0.1461
2010 0.7538 0.5155 0.3919 0.2579 0.1932 0.1516
2011 0.7474 0.5656 0.4283 0.2868 0.2135 0.1694
2012 0.7387 0.5884 0.4431 0.2994 0.2261 0.1787
2013 0.7443 0.5778 0.4335 0.3001 0.2315 0.1806
2014 0.7271 0.5627 0.4214 0.2947 0.2235 0.1707
2015 0.7739 0.5587 0.4317 0.3037 0.2284 0.1737
2016 0.8008 0.6135 0.4757 0.3301 0.2514 0.1917
2017 0.7963 0.6122 0.4775 0.3368 0.2578 0.1971
平均值 0.7752 0.5431 0.4196 0.2901 0.2208 0.1710

注：一线城市为北京、上海、广州、深圳，新一线城市为成都、杭州、重庆、武汉、西安、苏州、天津、南京、长沙、郑州、东莞、青岛、沈阳、宁波、昆明，二线城市包括无锡等30个城市，三线城市包括汕头等70个城市，四线城市包括韶关等79个城市，五线城市包括防城港等85个城市。

为何不同规模的城市出现了技术创新与绿色发展耦合协调度的不同增长趋势?前文的研究表明，技术创新水平低下是中国技术创新与绿色发展耦合协调度不高的直接原因。一线城市汇集了大量的创新要素资源，也肩负创造中国创新高地，参与全球化竞争的任务。技术前沿面的创新活动将面临更多的创新投入以及产出的不确定性，从而创新步伐缓慢，体现在技术创新与绿色发展的关系上便是耦合协调度的微弱下降。包括新一线、二线至五线在内的城市，其经济发展水平依次落后于前一规模等级城市。创新也从自主创新为主转向为接受技术扩散为主的创新发展模式。技术创新的快速提高加上原本技术创新与绿色发展耦合协调度的较低起点，使其增长较快。但是，五线城市的耦合协调度增长明显要低于其他规模等级城市，说明五线城市流失的人口与其他要素资源，限制了其对技术创新的吸收能力，从而表现出耦合协调度较低的增长速度。
城市作为中国经济实现创新驱动与绿色发展的重要载体，协调好、处理好技术创新与绿色发展的耦合关系至关重要。不同规模城市之间技术创新与绿色发展耦合关系的差异性事实表明：一方面，要明确加快提升技术创新与绿色发展耦合协调度是助推中国经济可持续发展的基础。具体地，二线、三线和四线城市提升空间较大，提升速度较快，未来要继续保持增长速度，继续强化赶超理念；新一线城市和五线城市提升幅度较小，提升速度较慢，未来要规范技术创新的方向，更加重视技术创新对绿色发展的驱动作用；对一线城市耦合协调度出现下降的事实要保持高度警惕。另一方面，要尊重不同城市规模之间耦合协调度的巨大鸿沟，小城市要结合自身实际制定创新驱动绿色发展战略，不能盲目制定赶超战略。

2.5 城市个体特征分析

处于极度耦合协调的城市只有北京，高度耦合协调的城市有上海、深圳、广州、苏州、青岛、南京、杭州、天津、成都、重庆、长沙、常州、无锡、宁波、武汉、佛山、西安、合肥等18个城市。从地区上看，大多数城市属于东部地区，仅有长沙、武汉、合肥属于中部地区，成都、重庆、西安属于西部地区；从城市规模等级上看，大多数是一线城市和新一线城市，仅有常州、无锡、佛山、合肥是二线城市。中度耦合协调的城市有济南等52个城市，其余城市均处于不同程度的低度耦合协调关系。不同城市间的技术创新与绿色发展耦合协调度表现出非常大的差异性，这种差异性一方面由于城市自身的因素，另一方面是由于所在地域、城市规模等客观因素。无论是城市自身的主观因素，还是所在地域、城市规模的客观因素，总之耦合协调度在城市间的巨大差异性，造成城市的非均衡发展，不利于中国经济的长期可持续发展。

3 技术创新与绿色发展耦合协调度的差异性分析

为了进一步揭示技术创新与绿色发展耦合协调度的总体差异、分七大区域内差异、七大区域间差异、城市等级规模内差异、城市等级规模间的差异及来源，本文利用Dagum基尼系数方法对差异性进行系统分析[21]。目前，使用Dagum基尼系数方法对不平等或差异性进行的研究，已被广泛应用于绿色发展和技术创新的相关领域。例如，Mussini等对能源经济中CO2排放差异进行了研究[22]。

3.1 七大区域的差异分析

表4报告了中国技术创新与绿色发展耦合协调度差异的结果。可以看到，技术创新与绿色发展耦合协调度的基尼系数介于0.2386~0.2809之间。总体表现出先上升再下降的态势，整体下降4.64%。分阶段看，2004—2010年基本处于差异增大期，2010年以后处于差异缩小期。
表4 耦合协调度的区域差异性分析

Tab.4 Regional difference analysis of the coupling coordination degree

年份 2004 2006 2008 2010 2012 2014 2015 2016 2017
区域内差距 总体 0.2502 0.2715 0.2783 0.2809 0.2578 0.2535 0.2506 0.2426 0.2386
东北 0.2124 0.2496 0.2443 0.2591 0.2416 0.2623 0.2586 0.2535 0.2436
华北 0.2655 0.2774 0.2896 0.2770 0.2507 0.2773 0.2810 0.2709 0.2559
华中 0.1835 0.1724 0.1881 0.1888 0.1777 0.1763 0.1673 0.1601 0.1528
华南 0.3075 0.3492 0.3415 0.3606 0.2682 0.2480 0.2524 0.2247 0.2301
华东 0.2333 0.2465 0.2508 0.2328 0.2086 0.1923 0.1835 0.1821 0.1792
西南 0.2395 0.2741 0.2722 0.2667 0.2698 0.2332 0.2155 0.2153 0.2129
西北 0.2378 0.2560 0.2505 0.2529 0.2277 0.2091 0.2129 0.1838 0.1832
贡献率（%） 区域内 16.06 16.01 16.06 15.60 15.23 14.77 14.48 14.47 14.38
区域间 23.17 26.16 30.99 36.62 41.03 43.81 45.33 47.10 48.70
超变密度 60.77 57.83 52.95 47.78 43.73 41.41 40.19 38.43 36.92

注：区域间差距未列出，备索。表5同。

3.1.1 七大区域的群内差异

七大区域的差异随时间的走势各不相同，东北呈现出波动中持续增大，从2004年的0.2124，增大为2017年的0.2436，增长幅度达14.69%。华北几乎不变，走势较平稳，整体下降3.62%。华中表现出先平稳再持续下降的走势，整体下降16.73%。华南的波动最为剧烈，2004—2010年呈现出上升状态，随后快速下降至2013年，再缓慢下降到2017年，整体下降25.17%。与华中类似，华东也表现出先平稳，再持续下降的走势，整体下降23.19%。西南呈现出在波动中缓慢下降的状态，整体下降11.11%。西北差异性的时间演变表现出阶梯形下降，即2004—2010年平稳状态，2011—2013年快速下降，2014—2015年又平稳状态，2016—2017年又快速下降，整体下降22.96%。比较分析，差异的整体平均从大到小依次为：华南、华北、西南、东北、西北、华东、华中，除东北的差异呈现增长以外，其余均表现为下降。

3.1.2 七大区域的群间差距

样本期间各区域间的差距变化情况从大到小依次为：华东与东北、华中与东北、华北与东北、华南与东北、华东与华北、西南与东北、华东与西北、华东与西南，差距分别增长了49.96%、26.09%、13.29%、9.03%、5.40%、2.49%、2.37%、0.56%，华东与华中、华北与华中、华北与西南、华北与华南、华中与西南、西北与东北、华北与西北、西南与西北、华东与华南、华南与西南、华南与西北、华中与西北、华中与华南的差距分别下降了-3.85%、-5.84%、 -8.45%、-12.98%、-14.20%、-15.57%、-15.76%、 -16.70%、-17.04%、-18.23%、-19.06%、-20.09%、 -23.56%。

3.1.3 区域差异的来源分析

为了揭示技术创新与绿色发展耦合协调度区域差异的来源，本文计算了群内差异、群间差异和超变密度的贡献率。在2004年，超变密度的贡献率达到60.77%，是造成中国技术创新与绿色发展耦合协调度差异的主要原因。到2011年，区域间差异贡献率已经与超变密度贡献率相差无几，再经过2011、2012、2013年的发展以后，到2014年，区域间的差异贡献率首次超过超变密度，成为影响区域差异的最主要原因。自此以后，区域间的差异贡献率逐年升高，到2017年达到48.70%；超变密度贡献率持续下降，到2017年降至36.92%。样本期间，区域内差异贡献率的变化趋势相对稳定，有小幅度下降，但基本保持在14%~16%之间，从2004年的16.06%，下降到2017年的14.38%。

3.2 分城市规模的差异分析

3.2.1 不同城市等级规模的群内和群间差异分析

表5直观展示了不同城市规模等级之间技术创新与绿色发展耦合协调度的差异情况。差异性从大到小依次为：一线、五线、三线、四线、二线和新一线城市。样本期内耦合协调度的差异在一线城市中呈现上升趋势，增长了325.74%；其余均呈现出不同程度的下降，新一线、二线、三线、四线和五线城市分别下降了13.50%、24.37%、26.81%、18.48%、3.71%。
表5 耦合协调度的城市规模差异性分析

Tab.5 Analysis of differences of the coupling coordination degree based on city size

年份 2004 2006 2008 2010 2012 2014 2015 2016 2017
区域内差距 总体 0.2502 0.2715 0.2783 0.2809 0.2578 0.2535 0.2506 0.2426 0.2386
一线城市 0.0676 0.0764 0.1323 0.1452 0.3182 0.3158 0.0895 0.2946 0.2878
新一线城市 0.0874 0.1055 0.0711 0.0727 0.0659 0.1096 0.0970 0.0950 0.0756
二线城市 0.1190 0.1281 0.1211 0.1191 0.1196 0.0999 0.0979 0.0962 0.0900
三线城市 0.1507 0.1629 0.1707 0.1535 0.1373 0.1320 0.1274 0.1106 0.1103
四线城市 0.1174 0.1441 0.1488 0.1414 0.1256 0.1222 0.1115 0.1004 0.0957
五线城市 0.1402 0.1580 0.1614 0.1774 0.1430 0.1414 0.1370 0.1319 0.1350
贡献率（%） 规模内 11.18 11.55 11.51 11.11 10.83 10.79 10.26 9.85 9.89
规模间 80.19 79.71 80.40 82.15 81.14 81.56 85.23 84.10 84.18
超变密度 8.64 8.74 8.09 6.74 8.02 7.66 4.51 6.05 5.93

3.2.2 不同城市规模的群间差距

各城市规模间的差距平均从大到小依次为：一线与五线的差距最大，其次为一线与四线，再次为新一线与五线，后面依次为一线与三线、新一线与四线、二线与五线、一线与二线、新一线与三线、二线与四线、三线与五线、二线与三线、三线与四线、四线与五线、新一线与二线。基本上表现出，城市规模差距越大，技术创新与绿色发展耦合协调度的差距便越大。样本期间，城市规模差距的变化情况依次为，三线与五线（18.32%），二线与五线（10.71%），四线与五线（8.17%），一线与二线（2.57%），一线与五线（0.62%），新一线与五线（-0.34%），二线与四线（-1.10%），一线与四线（-3.28%），一线与三线（-6.09%），三线与四线（-8.83%），新一线与四线（-9.30%），二线与三线（-14.46%），新一线与三线（-19.25%），新一线与二线（-23.98%）。

3.2.3 不同城市规模差异的来源分析

为了研究不同城市规模差异的来源，本文计算了不同城市规模的群内差异、群间差异和超变密度的贡献率。从城市规模角度，耦合协调度的整体差异主要来源于城市规模之间的差异，这部分差异在2004年为80.19%，2017年上升为84.18%；其次为同一城市规模内的差异，最后是超变密度的差异。规模内差异与超变密度差异对耦合协调度差异的影响较小，大约占全部差异的20%，并且在进一步减少。

4 结论与讨论

基于中国283个城市2004—2017年的面板数据，首先运用耦合协调模型系统地测算中国城市技术创新与绿色发展的耦合协调度，其次采用Dagum基尼系数分解法测算出耦合协调度的分七大区域、不同城市规模的差异来源。主要结论有：
第一，中国技术创新与绿色发展耦合协调度的现状事实分析。耦合协调度平均为0.4013，处于中度耦合协调，样本期间共增长了12.04%，增长幅度较小。分区域看，华中和西北处于低度耦合协调，其余地区均处于中度耦合；时间演变上，仅东北出现下降，其余地区均不同程度上升。分城市规模来看，一线和新一线城市处于高度耦合，二线城市处于中度耦合，三线、四线和五线城市处于低度耦合；时间演变上，一线城市呈现微弱下降，新一线、二线、三线、四线和五线城市都表现出增长趋势，其中二线城市增长幅度最大。
第二，中国技术创新与绿色发展耦合协调度的差异性分析。整体上，技术创新与绿色发展耦合协调度的差异表现出先上升再下降的态势。差异性从大到小依次为：华南、华北、西南、东北、西北、华东、华中，除东北地区差异性增长以外，其余六大区域均有不同程度下降。从城市规模上，一线城市的差异呈现上升走势，其余各线城市均呈现不同程度的下降。差异性来源分析表明，耦合协调度的整体差异主要来源于七大区域间的差异、不同城市规模间的差异，尤其是不同城市规模的差异是差异的最主要因素。
根据以上主要研究结论，有如下政策建议：
第一，认清中国技术创新与绿色发展耦合协调度较低的事实。一方面，技术创新水平较低是技术创新与绿色发展耦合协调度不高的直接因素，提升技术创新是提升二者耦合协调度的关键，这也符合创新驱动绿色发展战略的本质。另一方面，需要进一步强化技术创新与绿色发展的统筹性与协调性。尽管样本期间技术创新水平逐年提升，但是绿色发展却呈现出逐年下降的趋势，说明中国技术创新驱动绿色发展战略并没有得到较好的实施。
第二，重视技术创新与绿色发展耦合协调度在不同规模城市间差异较大的现实。不同规模城市要根据自身定位，制定出符合本城市客观发展现实的技术创新驱动绿色发展的战略部署，不能不切实际盲目追求绿色发展的技术创新驱动战略，也不能不顾技术创新的现状，使用行政手段提升城市的绿色发展水平。具体地，一线城市和新一线城市应该以极度耦合为目标，二线城市和三线城市应该以高度耦合为目标，四线城市和五线城市应该以中度耦合为目标进行政策制定，加快推动各规模等级城市技术创新与绿色发展耦合协调度的提升。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Dai J, Chan H K, Yee R W. Examining moderating effect of organizational culture on the relationship between market pressure and corporate environmental strategy[J]. Industrial Marketing Management, 2018, 74(10):227-236.

[2]
Wang J, Xue Y, Sun X, et al. Green learning orientation,green knowledge acquisition and ambidextrous green innovation[J]. Journal of Cleaner Production, 2020, 250(3):119475.

[3]
Dangelico R M, Pujari D. Mainstreaming green product innovation:why and how companies integrate environmental sustainability[J]. Journal of Business Ethics, 2010, 95(3):471-486.

[4]
Zhou P, Ang B W, Han J Y. Total factor carbon emission performance:a Malmquist index analysis[J]. Energy Economics, 2010, 32(1):194-201.

[5]
Zhang J, Chang Y, Zhang L, et al. Do technological innovations promote urban green development?—A spatial econometric analysis of 105 cities in China[J]. Journal of Cleaner Production, 2018, 182(5):395-403.

[6]
胡东兰, 申颢, 刘自敏. 中国城市能源回弹效应的时空演变与形成机制研究[J]. 中国软科学, 2019(11):96-108.

[7]
Mensah C N, Long X, Dauda L, et al. Technological innovation and green growth in the Organization for Economic Cooperation and Development economies[J]. Journal of Cleaner Production, 2019(12):118-204.

[8]
Omri A. Technological innovation and sustainable development:Does the stage of development matter?[J]. Environmental Impact Assessment Review, 2020, 83(7):1-10.

[9]
Chen Y, Lin S, Lin C, et al. Improving green product development performance from green vision and organizational culture perspectives[J]. Corporate Social Responsibility and Environmental Management, 2019(6):1-10.

[10]
Roscoe S, Subramanian N, Jabbour C J, et al. Green human resource management and the enablers of green organizational culture:Enhancing a firm's environmental performance for sustainable development[J]. Business Strategy and the Environment, 2019, 28(5):737-749.

[11]
Chen Y, Chang C, Lin Y. The determinants of green radical and incremental innovation performance:green shared vision,green absorptive capacity,and green organizational ambidexterity[J]. Sustainability, 2014, 6(11):7787-7806.

[12]
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.

[13]
逯进, 周惠民. 中国省域人力资本与经济增长耦合关系的实证分析[J]. 数量经济技术经济研究, 2013, 30(9):3-19.

[14]
蒋天颖, 华明浩, 许强, 等. 区域创新与城市化耦合发展机制及其空间分异——以浙江省为例[J]. 经济地理, 2014, 34(6):25-32.

[15]
周亮, 车磊, 周成虎. 中国城市绿色发展效率时空演变特征及影响因素[J]. 地理学报, 2019, 74(10):2027-2044.

DOI

[16]
刘阳, 秦曼. 中国东部沿海四大城市群绿色效率的综合测度与比较[J]. 中国人口·资源与环境, 2019, 29(3):11-20.

[17]
廖重斌. 环境与经济协调发展的定量评判及其分类体系——以珠江三角洲城市群为例[J]. 热带地理, 1999(2):76-82.

[18]
唐晓华, 张欣珏, 李阳. 中国制造业与生产性服务业动态协调发展实证研究[J]. 经济研究, 2018, 53(3):79-93.

[19]
李琼, 赵阳, 李松林, 等. 中国社会保障与经济发展耦合的时空特征及驱动力分析[J]. 地理研究, 2020, 39(6):1401-1417.

DOI

[20]
葛鹏飞, 韩永楠, 武宵旭. 中国创新与经济发展的耦合协调性测度与评价[J]. 数量经济技术经济研究, 2020, 37(10):101-117.

[21]
Dagum C. A New approach to the decomposition of the Gini income inequality ratio[J]. Empirical Economics, 1997, 22(4):515-531.

[22]
Mussini M, Grossi L. Decomposing changes in CO2 emission inequality over time:The roles of re-ranking and changes in per capita CO2 emission disparities[J]. Energy Economics, 2015, 49(5):274-281.

Options
Outlines

/

〈 〉