EN中文

Economic geography >

2021 , Vol. 41 >Issue 5: 134 - 144

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.05.015

Spatial-temporal Characteristics and Driving Factors of Green Innovation Efficiency in Guangdong-Hong Kong-Macao Greater Bay Area

  • DONG Huizhong ,
  • LI Xuan ,
  • ZHANG Renjie
Expand
  • School of Management，Shandong University of Technology，Zibo 255022，Shandong，China

Received date: 2020-07-31

  Revised date: 2021-03-18

  Online published: 2025-04-17

Fold

Abstract

This paper explores the spatial distribution,evolution law and driving factors of green innovation efficiency in the Guangdong-Hong Kong-Macao Greater Bay Area from 2009 to 2019 applying the unexpected super-efficiency SBM model,exploratory spatial data analysis (ESDA) and spatial Durbin Model (SDM). The results show that: 1) The green innovation efficiency has a benign development trend and experiences three stages successively: growth period,recession period and recovery period,it shows the distribution characteristics of urban gradient and mid-stream drive. 2) The green innovation efficiency in the Greater Bay Area has obvious negative spatial correlation,which is mainly manifested in the characteristics of high-high agglomeration,low-high agglomeration and high-low agglomeration. The "polarization" phenomenon of green innovation efficiency leads to poor spatial distribution pattern stability. It has significantly increased their spillovers in Hong Kong and Macao,and urban agglomerations in the Pearl River Delta region have basically achieved interconnected development in green innovation. 3)Government support,degree of openness,environmental regulations and education level promote the efficiency of green innovation besides the industrial structure. The educational level and industrial structure have positive spatial spillover effect, the degree of openness has negative spatial spillover effect,and the other factors have insignificant spatial spillover effect. Finally,based on the research conclusions,it puts forward some proposals for green innovation in the Guangdong-Hong Kong-Macao Greater Bay Area: accelerating the formation of a long-term mechanism for the implementation and transformation of green innovation achievements,promoting the effective connection of green innovation with industrial chain,education chain and talent chain,and reducing the transaction cost of inter-regional collaborative innovation system.

Key words： Guangdong-Hong Kong-Macao Greater Bay Area; green innovation efficiency; Spatial Durbin Model; degree of openness; environmental regulation; industrial chain; innovation driven

Cite this article

DONG Huizhong , LI Xuan , ZHANG Renjie . Spatial-temporal Characteristics and Driving Factors of Green Innovation Efficiency in Guangdong-Hong Kong-Macao Greater Bay Area[J]. Economic geography, 2021 , 41(5) : 134 -144 . DOI: 10.15957/j.cnki.jjdl.2021.05.015

工业化以来，高效的资源配置、合理的产业结构、天然的区位优势和强大的集聚外溢功能使湾区逐渐成为引领技术革新的领头羊和全球经济发展的核心载体。据世界银行统计，全球60%的经济总量集中在港口海湾及其直接腹地，世界上75%的大城市、70%的工业资本和人口集中在距海岸100 km的海岸带地区[1]。因此，湾区经济在空间组合形态上与作为国家空间引擎的城市群经济高度契合，湾区建设关系到地区与国家经济竞争力的发展命运。《2017年国务院政府工作报告》正式提出“研究制定粤港澳大湾区城市群发展规划”议题，自此粤港澳大湾区从区域概念上升为国家战略，并成为经济总量排名第四位的世界级大湾区，此举不仅深刻践行了“一国两制”的政策思路，也承担着打造世界一流创新经济湾区与世界级城市群的艰巨任务。新发展理念指导下，粤港澳大湾区建设必须以经济高质量发展与生态绿色发展为出发点和落脚点。以深圳、东莞等城市为代表的“世界工厂”长期受“高投入—高产出”传统发展模式影响，导致经济发展与环境保护兼容性较差，经济增长环境附加成本持续升高，急需切换增长动力由“要素驱动”向“创新领跑”转变。而绿色创新效率凭借其丰富内涵已成为评价区域创新与环境兼容性的典型指标，具有明显“二重性”特征：既是环境约束下的工业创新效率，又是创新过程中环境绩效的外在表现。因此，提高大湾区绿色创新效率，搭建绿色创新与产业链、教育链、人才链衔接窗口，是实现人才引领发展、产业创新发展、经济高质量发展的战略性举措。

1 文献综述

绿色创新概念于1996年首次提出便受到广泛关注[2]，认为其是以可持续发展或减轻环境负担为目标对具有商业价值的新过程、新行为、新系统和新产品的创造和应用[3]。“双重外部性”是绿色创新的典型特征，即创新成果正外部性与环境效益正外部性共存，由此引发市场失灵与政府失灵，同时也表明绿色创新在技术条件、创新投资等方面存在独有的演化逻辑[4]。现阶段国内学者已对绿色创新形成较为完善的研究体系，相关研究主要集中在以下几个方面：①区域绿色创新效率测度。现有研究对绿色创新效率的测度大多沿用传统随机前沿分析方法和数据包络分析方法，如张峰利用随机前沿函数构建三阶段效率测度模型测算全国28个省份绿色创新效率[5]；韩晶应用传统DEA径向BCC模型探讨全国30个省份绿色发展水平[6]；而冯志军认为传统DEA模型在测算绿色创新效率时没有考虑到要素“松弛”问题，进而引入DEA-SBM模型测算全国八大经济区绿色创新效率，并与DEA-CCR模型对比得出SBM更加科学的结论[7]。随着研究不断深入，超效率DEA模型的提出不仅解决了传统DEA忽略非期望产出的问题，而且能够更加细化有效单元的效率差异，逐渐成为测算绿色创新效率的主流方法，如张菲菲运用超效率SBM模型和Malmquist-Lunenberger指数分别从静态与动态两个方面对中国制造业创新效率进行分析[8]；吴旭晓从低碳视角出发，结合非期望Minds模型测算我国七大区域绿色创新效率[9]；胡玉凤采用DEAP-Malquist指数测算企业绿色创新效率[10]。上述测度模型构建和应用为科学评判区域绿色创新效率提供了不同研究方法，但是由于模型精度和指标体系不同，测算结果存在较大差异。②关于绿色创新效率空间差异分析。区域发展水平及资源禀赋等因素不同决定了绿色创新效率在空间分布上具有差异化特征，现有学者基于不同尺度对其空间差异进行了大量卓有成效研究。如吕岩威等研究发现中国省域绿色创新效率存在显著空间异质性，且空间跃迁表现出高度空间稳定性[11]；钱丽等对我国工业企业绿色技术创新效率区域差异进行研究后发现我国东部地区绿色技术创新水平高于中西部，且差距继续扩大[12]；彭甲超对长江经济带绿色创新效率进行研究，发现下游、中游、上游绿色创新效率水平差异化特征明显[13]。总体来看，无论哪种尺度的研究均能够证明我国各区域之间绿色创新效率增长存在不均衡、不充分的现象。③绿色创新效率影响因素研究。绿色创新效率是兼顾经济与生态双重特征的典型指标，因而受到多种因素影响，普遍认为经济发展水平能够带来更多创新要素投入，从而刺激企业加速创新、高效创新[14]；环境规制会导致“污染天堂”的发生，同时也会倒逼企业加强治污技术、设备研发，刺激绿色创新效率提升。由此可见，环境规制的影响呈现多元化特征[15-16]；有学者认为外商投资主要集中于高污染、高能耗产业，对绿色创新效率负面阻碍大于正向推动[17]；此外，还有学者从对外贸易、信息化水平等方面考察绿色创新效率影响因素[18-19]，但由于研究区域、研究方法差异导致研究结论不尽相同。自从习近平总书记亲自部署、亲自规划粤港澳大湾区建设以来，国内学术界对粤港澳大湾区的研究多集中于协同理论下区域联动发展，推进粤港澳经济一体化进程等方面[20⇓-22]。对于湾区绿色创新效率研究方面，仅有少量学者指出粤港澳大湾区具备产业基础雄厚、创新主体集中、环境包容开放等打造绿色创新系统的现实条件，提出构建绿色创新系统的构想[23-24]。但研究还处在理论层面，缺乏实际测度与实证分析。
综上所述，学术界对绿色创新方面进行了卓有成效的研究，但仍具有较大拓展空间：一是研究尺度集中于全国、省域等宏观范畴，鲜有针对湾区、城市群等微观、中观层面研究，特别是粤港澳大湾区绿色创新效率研究还处在空白阶段，导致研究结果示范性与指导性不足，而市域尺度才是考察绿色创新效率空间异质性的正确逻辑起点；二是强调从区域整体角度考察绿色创新效率影响因素，忽略了不同地区经济发展水平及区位禀赋异质性可能会导致绿色创新效率影响因素存在不同程度的空间溢出。鉴于此，本研究采用考虑非期望产出的超效率SBM模型，结合探索性空间分析（ESDA）及空间计量模型尝试回答以下问题：①粤港澳大湾区绿色创新效率整体经历了怎样的时序变化?②绿色创新效率在粤港澳大湾区各个城市具有怎样的空间分布特征?③各驱动因素对绿色创新效率影响机理如何，是否存在空间溢出效应?通过回答上述问题，为提升粤港澳大湾区整体及各城市绿色创新效率提出有针对性的决策依据。

2 研究方法与数据来源

2.1 研究方法

2.1.1 考虑非期望的超效率SBM模型

与传统CCR模型相比，SBM模型将松弛变量考虑到目标函数中，解决了投入产出变量松弛性问题，同时也考虑到非期望产出对效率的影响，但SBM模型所测得的有效决策单元效率值均为1，难以区分有效决策单元之间的效率差异，导致最终决策存在偏差。超效率SBM模型能够将效率值为1的有效单元进行再分解，实现对有效决策单元的比较，提升结果比较的准确性。其评价模型如下：
m i n   ρ = 1 m ∑ i = 1 m x ¯ / x i k / 1 r 1 + r 2 ∑ s = 1 r 1 y d y s k d + ∑ q = 1 r 2 y u ¯ y q k u x ¯ ≥ ∑ j = 1 , ≠ k n x i j λ j ; y d ¯ ≤ ∑ j = 1 , ≠ k n y s j d λ j ; y d ¯ ≥ ∑ j = 1 , ≠ k n y q j d λ j ; x ¯ ≥ x k ; y d ¯ ≤ y k d ; y u ¯ ≥ y k u ; λ j ≥ 0 ; i = 1,2 , ⋯ , m ; j = 1,2 , ⋯ , n ; s = 1,2 , ⋯ , r 1 ; q = 1,2 , ⋯ , r 2
式中： ρ为城市绿色创新效率值；n为城市数量；m为投入数量； r 1、 r 2分别代表期望产出与非期望产出； x、 y d、 y u为相应投入矩阵、期望投入矩阵和非期望产出矩阵中的元素。

2.1.2 探索性空间数据分析（ESDA）

探索性空间数据分析通过确定要素空间位置来识别其空间关联模式、空间制度差异和其他形式的空间不稳定性。ESDA包括两种工具，第一种是全局Moran's I指数，用于验证整个研究区域空间模式，描述的是某个参数均值在整个研究区域中的总体变化特性。其表达式为：
I = n ∑ i n ∑ j n x i - x ¯ x j - x ¯ ∑ j = 1 n x i - x ¯ 2 ∑ i n ∑ j n ω i , j
式中： I为Moran's I指数； x i和 x j分别代表i市和j市的绿色创新效率； x ¯为所有城市绿色创新效率算术平均值；n为研究城市数量； ω i , j为邻接权重矩阵，表示两个城市之间的邻接关系。
第二种工具为局域空间自相关指标，通常使用局域Moran's I指数测算并绘制LISA图集聚图，衡量本区域与相邻区域空间相关特征，包括高—高聚集区、低—低聚集区、高—低离群区和低—高离群区四类。计算公式为：
L o c a l   M o r a n ' s   I = x i - x ¯ s ; S = x i - x ¯

2.1.3 Getis-ords G i *分析法

冷热点分析是空间探索中的典型工具，运用Getis-ords G i *指数识别粤港澳大湾区绿色创新效率值的高值簇与低值簇，计算公式为：
G i * = ∑ i = 1 n w i , j d x i ∑ i = 1 n x i
为了便于计算和进行比较，对Getis-ords G i *进行标准化处理：
Z G i * = G i * - E G i * V a r G i *
式中： E G i *与 V a r G i *分别是 G i *的期望与变异数； w i , j是空间权重； x i为每个城市绿色创新效率值。如果 Z G i *为正且显著，表明i城市绿色创新效率较高，属于热点地区；相反，如果 Z G i *为负且显著，表明i城市绿色创新效率较低，属于冷点地区。

2.1.4 空间计量模型

相比传统回归方法，空间计量方法考虑了样本复杂的空间关联性与空间依赖性，常用模型包括空间误差模型（SEM）、空间滞后模型（SAR）与空间杜宾模型（SDM），具体形式如下：
①空间误差模型（SEM），表示空间自相关被定义在具有空间溢出效应的误差项上，模型具体如下：
l n E f f i , t = β i X i + μ i + η i + φ i , t φ i , t = λ W φ i , t + ε i , t
式中： W表示空间权重矩阵； μ i和 η i分别表示个体固定效应与时间固定效应； X i表示解释变量； ε i , t表示随机干扰项； λ表示误差空间相关系数。
②空间滞后模型（SAR），表示绿色创新效率空间溢出应体现在因变量上，因此，将上一期效率值作为解释变量加入到模型中，具体如下：
l n E f f i , t = ρ W l n E f f j , t + β i X i + μ i + η i + ε i , t
式中： ρ表示空间滞后项系数，其他变量含义不变。
③空间杜宾模型（SDM），既考虑了因变量滞后因子对被解释变量的影响，又考虑不同因素空间溢出效应对被解释变量的作用，具体模型如下：
l n E f f i , t = ρ W l n E f f j , t + W X i , t γ + μ i + η i + φ i , t
式中： γ表示解释变量空间自回归系数，其他变量含义不变。
④空间权重矩阵，空间权重矩阵设定是空间计量的关键，目前学术界对于空间权重的确定没有统一标准，本文参考Lesage[25]空间权重简洁化原则，考虑到邻接矩阵只有0、1组成，相比其他空间矩阵最为简洁且目前使用最为广泛，因此选用邻接矩阵（W）作为基准空间权重矩阵，其公式为：如果i市与j市相邻，则权重 w i j = 1，否则 w i j = 0。此外，通过构建反距离矩阵（D）及经济距离权重矩阵（E）以检验空间计量结果稳健性，相关公式为：考虑到空间效应随距离（ l i j）增加而衰减，建立基于平方倒数的反距离矩阵（D），如果 i ≠ j，则权重 d i j = 1 / l i j 2，否则， d i j = 0；地域之间经济发展相互联系、相互影响，采用人均GDP作为地区经济发展状况指标，构建经济距离权重矩阵（E），如果 i = j，则权重 e i j = 1 / g i - g j，否则， e i j = 0。

2.2 指标选取

本文立足于粤港澳大湾区经济发展及资源、环境现状，参考王巧、张仁杰等构建的评价体系[26-27]，从投入、产出两个维度综合选取9项评价指标构建粤港澳大湾区绿色创新效率网络拓扑结构模型，相关指标见表1。
表1 粤港澳大湾区绿色创新效率衡量指标

Tab.1 Indicators of green innovation efficiency in Guangdong-Hong Kong-Macao Greater Bay Area

指标类型 指标构成 变量 单位
投入 资本投入 R&D资本存量 万元
人力投入 R&D从业人员全时当量 人
能源投入 工业能源消费总量 万t标煤
产出 经济产出 新产品销售收入 万元
技术产出 专利授权量 件
生态产出 建成区绿化覆盖率 %
非期望产出 工业SO2排放量 万t
工业废水排放量 万t
工业固体废弃物排放量 万t

2.3 数据来源

以2009—2019年粤港澳大湾区11个城市为研究对象，数据来源于历年《中国统计年鉴》《中国城市统计年鉴》《中国环境统计年鉴》《中国专利统计年报》《广东统计年鉴》以及广州、深圳、东莞等地市统计年鉴、国民经济和社会发展公报、环境公报等；香港、澳门地区数据主要来自《香港统计年刊》《澳门统计年鉴》及澳门环境报告等，对于个别年份缺失数据，利用插值法进行补充。

3 粤港澳大湾区绿色创新效率评价分析

3.1 粤港澳大湾区绿色创新效率比较分析

利用考虑非期望的超效率SBM模型测算2009—2019年粤港澳大湾区绿色创新效率，鉴于不同年份之间效率值不具有对比性，对测算结果进行排名，旨在更为直观地体现湾区绿色创新效率变化规律（表2）。同时运用云模型与系统聚类分析湾区绿色创新效率正态分布及最优分割情况，结果见图1、图2。根据综合评价结果可以发现：
表2 粤港澳大湾区绿色创新效率综合评价结果

Tab.2 Comprehensive evaluation results of green innovation efficiency

城市 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
香港 0.786 1.032 1.005 1.007 1.221 1.171 1.121 1.112 1.255 1.102 1.173
澳门 0.476 0.680 1.012 0.569 1.123 1.168 1.084 0.784 0.974 1.128 0.919
广州 0.478 0.494 0.495 0.473 0.557 0.516 0.748 1.044 0.733 1.022 1.084
深圳 0.410 0.537 0.645 0.637 0.670 0.685 1.011 1.023 1.015 1.035 1.095
珠海 0.692 0.543 0.580 0.619 0.605 0.613 0.609 0.884 0.848 0.856 1.045
佛山 0.374 0.354 0.281 0.238 0.367 0.375 0.446 0.476 0.393 0.606 0.606
中山 0.322 0.316 0.397 0.347 0.504 0.535 0.590 0.660 0.749 0.896 0.832
东莞 1.004 0.833 1.005 0.629 0.604 0.545 0.565 0.687 1.021 1.045 1.051
惠州 1.045 0.823 0.702 0.617 0.673 0.813 1.081 0.761 0.655 0.835 1.005
江门 1.008 1.014 0.688 0.480 0.457 0.425 0.511 0.884 0.890 0.856 0.908
肇庆 1.002 1.011 0.655 0.459 0.417 0.381 0.361 0.509 0.339 0.383 1.003
平均值 0.691 0.694 0.679 0.552 0.654 0.657 0.739 0.802 0.807 0.888 0.975
图1 粤港澳大湾区绿色创新效率正态云隶属度分布

Fig.1 Distribution of normal cloud membership of green innovation efficiency

图2 粤港澳大湾区绿色创新效率聚类树

Fig.2 Cluster tree of green innovation efficiency

①粤港澳大湾区绿色创新效率总体上呈现出稳定提升的变化趋势。效率均值由2009年的0.691提升至2019年的0.975，说明湾区绿色创新发展整体水平相对良好，绿色创新能力得到稳步提升。研究期内绿色创新效率呈“扁平N”型变化趋势，2009—2010年短暂增长，2011—2012年迅速下降，2013—2019年逐步提升，湾区绿色创新效率变化大致可分为“增长期”“衰退期”与“重振期”三个阶段，这与湾区所处绿色创新环境密切相关。粤港澳大湾区作为改革开放领头羊，凭借生产要素低成本与政策红利优势吸引大量创新型人才，率先完成绿色创新体系构建，但“三来一补”的发展模式致使其极易受到外部环境制约，这也造成湾区绿色创新体系受2008年金融危机影响较为明显，部分企业生产停滞，科技研发活动缺乏资金支持和高素质人才投入，绿色创新效率下降明显，即湾区绿色创新效率迈入“衰退期”。其后，受《绿色制造科技发展“十二五”专项计划》《工业绿色发展规划（2016—2020年）》等为代表的导向政策驱动，湾区加快供给侧结构性改革、优化创新资源配置，创新资本与人力资本投入持续增强，绿色创新效率提升实现重振。
②粤港澳大湾区绿色创新效率存在“城市梯度”发展特征。图1显示，香港、澳门绿色创新效率在湾区内排名处于前列，且香港地区领先优势更为明显。相比于湾区内其他城市，香港、澳门地区工业规模偏小，优势产业集中于旅游、金融、出口加工及博彩等现代服务业，第二产业比重仅占3%左右，粗放发展模式引起工业污染等活动影响较小。佛山、中山始终处于绿色创新效率落后位置，成为制约粤港澳大湾区绿色创新效率均衡发展重点地区。根据缪尔达尔“回波理论”，这些地市自身经济规模有限，同时承接广州、深圳等高效率地区高能耗产业转移，而本地人力、资金等基础创新要素流向高效率地区，导致该地区绿色创新发展陷入内生动力不足与工业绿色发展刚性需要“双重陷阱”尴尬境地。其他城市绿色创新效率虽然存在不同程度的差异性，但从云层叠加情况可以看出并不存在极端化现象。据此可以将粤港澳地区绿色创新效率水平划分为三类梯度，香港、澳门属于第一梯度，佛山、中山属于第三梯度，剩余地市处于第二梯度，占整体数量的72%以上，数量结构与正态分布基本吻合。
③粤港澳大湾区绿色创新效率“中流驱动”差异明显。通过图1可以看出香港、佛山等城市与湾区内其他城市绿色创新效率差异关系，但是对于其他“中流”地区类别状态还需要进一步结合图2及图3进行分析。根据图2可以看出在其他地区分类中，深圳、东莞、惠州被归为一类，其绿色创新效率值位于0.78~0.85之间，仅次于香港、澳门，结合图3可以发现，东莞排名没有发生位次变化，深圳排名上升7个位次，惠州排名下降4个位次。深圳、东莞凭借政府政策红利及经济规模优势吸引大量高素质人才，R&D从业人员占比高达2.5%左右，远高于其他地区。另一方面，政府对绿色创新扶持力度持续增强，例如，2016年出台《关于促进科技创新的若干措施》，增强财政支出对绿色创新正向引导作用，提升企业进行绿色创新的积极性及持续性。惠州依靠低能源投入获取较低非期望产出水平，促使本地区绿色创新效率处在相对较高位置，但是创新投入要素不足成为阻碍该市绿色创新发展关键性因素，提升创新要素投入，加快创新成果落地转化，延长产业发展绿色生态链成为引导该市打破要素制约瓶颈的关键。珠海、江门属于第二类地区，绿色创新效率数值在0.70~0.77之间，珠海排名上升1个位次，而江门排名下降5个位次。珠海、江门地区有限的经济规模及从业人口数量是限制绿色创新发展的主要短板因素，虽然工业“三废”等非期望产出在湾区内处于较低水平，但地区资本与人力投入不足严重影响了创新产出规模，阻碍地区绿色创新效率提升。第三类地区包括广州、肇庆两市，绿色创新效率数值位于0.62~0.69之间，通过图1可以发现，广州上升4个位次，而肇庆市排名下降4个位次，表明广州市虽然在研究期初绿色创新效率处于较低位置，但是随着近年来经济成功转型与国家政策引导，绿色创新效率逐年增长，研究期末已经处在湾区较高水平上。肇庆市则始终处于相对落后位置，主要原因在于肇庆市产业结构重型化局面没有彻底改变，第二产业比重在60%左右，经济增长仍然依靠“高投入—高产出”粗放式发展模式，因此促进绿色新能源使用、加快产业转型升级、降低工业污染物排放已成为当前肇庆市亟待解决的关键问题。值得注意的是，粤港澳大湾区绿色创新效率在未来发展中或将陷入“中等效率陷阱”尴尬境地，即低效率与中等效率地市触及绿色创新效率天花板。对于低效率地市而言，创新要素流失及重型化产业结构导致内生动力不足致使其难以快速晋升至第二梯度，而中等效率地市往往会出现创新要素冗余情况，绿色创新效率提升关键点由要素制约转向创新体系完善程度、组织结构合理化及管理科学性等方面，极大地阻碍了这些地市向更高梯度跃进。在测度粤港澳大湾区绿色创新效率水平变化趋势及地区差异基础上，为进一步明晰粤港澳大湾区绿色创新效率空间演化格局，利用ESDA探索模型对其作出进一步空间分析。
图3 粤港澳大湾区域绿色创新效率城市变化趋势

Fig.3 Changing trend of green innovation efficiency

3.2 粤港澳大湾区绿色创新效率时空演化特征分析

根据公式（2）~（5），分别对2009、2014和2019年湾区绿色创新效率水平空间自相关性进行分析，结果如图4。Moran's I值依次为-0.10、-0.02、-0.16，且均在5%置信水平下显著，表明湾区绿色创新效率存在负的空间相关性，即以“绿色创新效率高值地区被低值地区环绕”或“绿色创新效率低值地区被高值地区环绕”模式为主导的空间集聚特征。通过Moran's I散点分布状况可以看出（图4），散点集中分布在第一（高—高集聚）、第二（低—高集聚）和第四象限（高—低集聚）。从整体趋势来看，2009年位于第二、第四象限散点普遍多于第一象限散点，而2014和2019年位于第一、第四象限散点多于第二象限散点，表明湾区内绿色创新效率空间溢出效应有所增强，同时可以看出湾区内具有较为显著的绿色创新效率领先地区，而且象限内所含散点数量存在较大差异，反映出湾区绿色创新效率具有较强区域异质性失衡特征。尤其是对于处在第二象限（低—高集聚）地区而言，如何在保障自身创新效率增长前提下承接高值区产业转移，同时加强绿色创新产出及环境规制力度是避免其成为“污染避难所”的关键所在。此外，通过分析2009—2019年Moran's I时序变化可以看出，其负向指数绝对值经历先减小后增大的“U”型趋势，说明湾区内绿色创新效率地区空间差异度经历先下降后增长的过程，原因在于香港、澳门及深圳等开放程度较高城市受2008年次贷危机影响，金融体系受到动摇，创新资本投入下降显著，相比于湾区内其他城市绿色创新效率下滑明显，随着资本复苏，尤其是近年来在“一带一路”政策牵引下，湾区内发展水平较高的城市间资本、人才、技术等要素加速流动配置，产业结构快速升级，环境污染物排放下降，绿色创新效率迅速提升，与湾区内发展水平较低地区差距越发明显。因此，未来发展中粤港澳大湾区应着眼于缩小城市间绿色创新效率差距，加快构建区域内绿色创新协同发展长效机制。
图4 湾区绿色创新效率Moran's I散点分布

Fig.4 Moran's I scatter distribution of green innovation efficiency

在空间自相关分析基础上，为进一步分析粤港澳绿色创新效率具体空间特征，判定强影响点位置，采用冷—热点分析法（Getis-ord G i *）解析湾区内冷热点分布状况及演化特征，根据空间冷热点分析结果（图5）可以看出：
图5 湾区绿色创新效率冷热点分布

Fig.5 Distribution of cold-hot spots of green innovation efficiency

①粤港澳大湾区绿色创新效率具有显著“极化”现象。湾区内具有较高绿色创新效率地区主要包括香港、澳门等地区，而湾区中部城市（主要为佛山市和中山市）绿色创新效率相对较低，由此在空间上形成相对明显的“极化”现象。造成这种空间变化的原因可以归结于两个方面：一是澳港地区开放程度相对较高，区域优势显著，有利于吸引国外先进技术、人才、资金等基本创新要素涌入。此外，“一国两制”政策红利为创新要素在两地之间自由流动提供有效支撑，极大推动绿色创新效率在两地联动发展。二是佛山、中山产业结构重型化、粗放产业发展模式导致创新要素不足和严重环境污染问题，虽然近年来两地区相继出台《中山市节能和循环经济项目资助实施细则》《佛山市生态环境系统支持、服务企业绿色发展十二条措施》等政策，引导企业进行生产方式转型升级、降低工业污染排放，但是从整体来看，佛山、中山工业占比及“三废”排放仍处在湾区较高水平上，因此政府在引导企业进行清洁生产同时制定相应严格的能耗标准政策倒逼企业进行转型升级同样至关重要。
②湾区绿色创新效率热点、次热点地区呈现波动增加趋势。研究期初，热点城市主要包括惠州、东莞、江门与肇庆，随着时间推移，香港、澳门、广州、深圳等城市先后加入热点地区行列，热点城市数量显著增加，次热点城市数量始终保持为两个。虽然绿色创新效率“双极”结构形态依然突出，但是热点、次热点城市数量均表现为良性增长态势，这表明：第一，香港、澳门等绿色创新效率高值地区空间溢出效应显著增强，2019年香港周边深圳、惠州两市及与澳门接邻的珠海市均变为热点地区，反映出近年来港澳地区能够有效地带动周边城市发展，也体现出粤港澳大湾区的提出与建设不仅是区域经济一体化的概念，同时能够做到湾区绿色创新一体化及在“一国两制”框架下实现资本、人力等要素在湾区各城市间充分流动，破解城市间发展不均衡状况，为湾区、港口建设提供了宝贵经验；第二，珠三角城市绿色创新效率普遍提高，2019年珠三角中有6个城市成为热点城市，且大多位于粤港澳东部地区，珠三角城市群近年来在《广东省财政厅关于支持珠三角与粤东西北产业共建的财政扶持政策》与《珠三角城市群绿色低碳发展2020年愿景目标》等政策推动下，城市间产业互补、资源融合等显著提升，生产技术转型升级、污染排放协同治理、创新成本共同承担，促使绿色创新效率快速提高。
③湾区绿色创新效率冷点、次冷点呈现先增长后下降趋势。研究期初冷点地区包括深圳、佛山、中山3市，次冷点包括广州市。2014年冷点地区增加至肇庆、佛山及江门3市，而次冷点地区增加至广州、东莞、中山及珠海4市，这一阶段正是粤港澳大湾区在金融风暴后的恢复期与产业进行绿色转型升级过渡期，据统计，2008—2014年广东省经济增长速度较之前下降5.1个百分点，广州市R&D经费投入强度年均下降0.45个百分点，创新投入强度下降致使各城市绿色创新效率系统活力不足，造成创新产出与高值区差距进一步扩大，而且这一时期正是肇庆、东莞等城市产业转型升级关键期，这些地区传统制造业基础雄厚，短期内升级过程难以实现，工业“三废”排放仍然处在较高水平上，故此冷点、次冷点城市有所增长。2014年后随着湾区金融体系恢复及产业转型升级完成，创新投入要素增加及能源配置的优化重新为湾区绿色创新系统注入活力，湾区冷点、次冷点城市下降明显。

4 绿色创新效率驱动因素分析

湾区绿色创新效率变化是多种因素共同作用的结果，参考李雪松[28]、易明[29]等关于绿色创新效率驱动因素指标选取，结合目前粤港澳大湾区经济发展不均衡、开放程度较高、人力资本充足及生态环境仍需改善现状，从政府支持力度、开放程度、教育水平、产业结构及环境规制五个方面加以分析，探索湾区绿色创新效率提升的最优路径，指标选取详情见表3。
表3 绿色创新效率影响因素

Tab.3 Influencing factors of green innovation efficiency

变量 指标 指标代码 单位
政府支持 政府财政支出 GOVE 亿元
开放程度 外商直接投资 OPEN 万美元
教育水平 在校大学生数量 STU 人
环境规制 工业污染治理投资 ER 亿元
产业结构 工业产值占比 INS %
借助Stata14.0对粤港澳大湾区11个城市绿色创新效率影响因素进行空间计量回归，空间计量模型主要包括以下三种：空间误差模型（SEM）、空间滞后模型（SAR）及空间杜宾模型（SDM）。在不考虑空间相关性情况下，Hausman检验结果在1%显著水平下拒绝原假设，因此选择固定效应模型。此外，考虑到湾区各城市异质性特征，选择时间、空间双固定效应模型，具体结果见表4。结合Ansilin判断准则，通过调整后R2、最大似然估计结果对比，本文以SDM模型为基准模型考虑各变量对绿色创新效率的影响。
表4 空间计量回归结果

Tab.4 Spatial measurement regression results

变量 OLS 邻接距离矩阵（W） 反距离矩阵（D） 经济距离矩阵（G）
SEM SAR SDM SEM SAR SDM SEM SAR SDM
lnGOVE 0.626** 0.841* 0.791* 0.926* 0.811* 0.774* 0.899* 0.881* 0.801* 0.953*
lnOPEN 0.412* 0.458* -0.567 0.234** 0.428* -0.544 0.252** 0.420* -0.520 0.277**
lnSTU 1.240*** -0.635 0.839** 1.213*** -0.558 0.818** 1.131*** -0.661 0.811** 1.288***
lnINS -0.855* -0.652* -0.772* -0.793** -0.622 -0.744* -0.751** -0.628* -0.743* -0.730**
lnER 0.256* 0.368** 0.325* 0.388* -0.671* 0.362* 0.361* 0.337** 0.352* 0.311*
lnGOVE·W - - - 1.288 0.344** 0.731* 0.952* 0.782* 0.817* 0.942*
lnOPEN·W - - - -0.686** 1.022 1.322
lnSTU·W - - - 0.789* -0.655** -0.651**
lnINS·W - - - 0.032* 0.746* 0.720*
lnER·W - - - -1.499 0.051* 0.043*
ρ - - 0.245** 0.116*** - 0.620 0.114*** - 0.535 0.118***
R2-ad 0.815 0.867 0.892 0.907 0.844 0.873 0.891 0.865 0.887 0.896
Log-likelihood - 246.321 249.972 259.661 245.583 247.667 252.814 246.336 252.771 255.181
时间效应 固定 固定 固定 固定 固定 固定 固定 固定 固定 固定
个体效应 固定 固定 固定 固定 固定 固定 固定 固定 固定 固定
样本数 121 121 121 121 121 121 121 121 121 121

注：*、**、***分别表示在10%、5%、1%置信水平下显著。

基准模型采用的是邻接标准构建的空间权重矩阵，没有考虑到地理距离及经济活动的空间关联，因此，进一步构建反距离矩阵（D）及经济距离矩阵（G）对基准模型进行重新估计。从表4估计结果可以发现，SDM与SEM模型估计结果均未发生显著改变，只有SAR模型空间滞后项变得不显著，但所有解释变量系数符号没有变化，显示出基准模型估计结果具有一定的稳健性。
回归结果显示，政府财政支出对绿色创新效率回归系数为0.926，并在10%的置信水平下显著，空间滞后项系数为1.288，但并不显著，说明政府支持力度能够促进本地区绿色创新效率提升，对毗邻城市影响并不明显。政府支持力度对绿色创新效率影响主要分为两个方面：一是合理的政府投入能够提升创新主体资本投入水平，提升人才吸引力度，快速破解绿色创新障碍。二是过度财政支出会导致企业在创新过程中出现“挤出效应”，即地方企业过度依赖政府财政扶持进而降低创新积极性，致使绿色创新效率下降。从现有回归结果来看，政府支持力度正向效应得到充分体现，原因在于湾区各地方政府能够充分做到从市场与政府两方面促进绿色创新效率发展，在合适的范围内增加政府财政支出，以激励措施为主，鼓励企业通过研发和技术改造，提高生产过程中节能环保和管理水平，为绿色创新效率提升提供前置条件。
开放程度对绿色创新效率回归系数为0.234，并在5%置信水平下显著，表明开放程度具有促进绿色创新效率提升的作用。开放发展对绿色创新效率影响存在“污染光环”与“污染天堂”两个对立假说[30]。从现有回归结果来看，湾区内开放程度对绿色创新效率影响支持了“污染光环”假说，开放程度的提升能够为地区带来先进设备和技术，通过“溢出效应”和“示范效应”提升湾区整体技术水平，进而优化资源配置及节约生产要素以促进绿色创新性效率良性发展。空间滞后项回归系数为-0.686，且在5%的置信水平下显著，表明本地区开放程度会抑制邻近地区绿色创新效率发展，这一结果与周杰琦的研究结论[31]相同，周杰琦认为邻近地区FDI增长会导致本地区污染物排放量增加。开放程度具有显著“竞争效应”，一方面，为增加本地区绿色创新资本投入与创造更多就业，地方政府往往采取“逐底竞争”策略吸引邻近地区的潜在投资，致使毗邻地区资本存量与人力存量相应减少，绿色创新效率活力不足；另一方面，本地区与周边地区在接纳外资时处在竞争地位上，落后城市在丧失资金、技术等正外部性影响的同时往往还要承接开放城市高能耗、高污染产业，进一步加重环境污染治理负担，绿色创新效率下降。
教育水平对绿色创新效率回归系数为1.213，并在1%的置信水平下显著，说明教育水平能够促进绿色创新效率提升。教育水平对地区人力资本存在直接促进作用，人力资本积累是绿色创新内生动力，高素质、专业型人才能够有效促进新技术转化为现实生产力，加快新技术落地与使用，提升资本配置效率与生产清洁化，促进创新成果产出与污染物排放下降。此外，空间滞后项系数为0.789，且在10%的置信水平下显著，表明教育程度存在明显正向溢出效应。根据张利国[32]的观点，地区教育水平越高，人力资本流动规模越大。通过知识溢出，人力资本在湾区内形成“1+1>2”的集聚效应，强化区域集体创新意识，降低城市间信息传播与知识交流成本，提高区域绿色发展水平。
产业结构对绿色创新效率回归系数为-0.793，并在5%的置信水平下显著，说明产业结构重型化阻碍了绿色创新效率提升。产业结构是联系经济发展与生态建设的重要纽带，绿色创新过程中对资源消耗与环境影响程度取决于各经济体产业结构特征[33]。目前受“三期叠加”和“三重冲击”影响，湾区高能耗、高污染的重型化产业结构模式仍占主体地位，对绿色创新效率负面影响持续存在。此外，空间滞后项系数达0.032，且在10%的置信水平下显著，表明产业结构能够促进邻近地区绿色创新效率提升。这一结果与陈立泰[34]等研究结论相近，其认为产业结构变迁对绿色创新效率存在正向空间溢出效应。原因可能是粤港澳大湾区内部产业转移与产业布局的结果，高能耗产业相对集中于个别城市，显著降低了周边地区能源消耗与污染物排放水平，导致邻近地区绿色创新效率提升。
环境规制对绿色创新效率回归系数为0.388，并在10%的置信水平下显著，空间滞后项系数为 -1.499，但不显著，表明环境规制能够促进本地区绿色创新效率提升，对邻近地区影响并不明显。这一结果符合“波特假说”论断[35]，环境规制是提升绿色创新效率有效手段，地方政府通过激励与命令两种方式进行制度规制，优化环境能源配置，倒逼创新主体进行生产技术及清洁技术升级，促进企业生产效率与技术创新的提升进而产生“创新补偿”效应，提升绿色创新效率水平。值得注意的是，目前有众多学者认为环境规制与绿色创新效率之间不是简单线性关系，而是存在门槛效应，适度的环境规制力度才会促进绿色创新效率提升。因此，政府应将环境规制力度控制在合适的阈值内，激励企业进行科技研发及绿色创新等活动，发挥环境规制的“催化剂”效应。

5 结论与讨论

本文采用考虑非期望的超效率SBM模型对粤港澳大湾区绿色创新效率进行测定，并结合云模型、空间探索分析方法及空间计量模型对绿色创新效率时空特征及演化机理进行分析，得出以下结论：
①研究期内，湾区绿色创新效率呈现相对稳定的良性发展趋势，在时序维度上先后经历“增长期”“衰退期”与“重振期”三个阶段；在城市对比上，具有明显的“城市梯度”与“中流驱动”发展特征，香港、澳门处在具有较高绿色创新效率的第一类梯度，佛山、中山处在绿色创新效率相对落后的第三类梯度，剩余大多数城市处在第二类梯度，且“中流驱动”城市中又具体分为三类地区。反映出湾区城市绿色创新效率具有较为明显的空间异质性。
②湾区绿色创新效率呈负向空间相关性，其中位于第一象限（高—高集聚）和第四象限（高—低集聚）散点明显多于位于第二象限（低—高集聚），表明湾区绿色创新活动具有明显领先地区及空间溢出效应不断增强。Moran's I 指数随时间呈“U”型变化，绿色创新效率具有高度空间不平稳性。冷热点分析结果显示湾区存在“极化”现象，主要呈香港、澳门两地带头发展；热点、次热点城市波动增加，表明两极辐射效应显著增强，珠三角城市群绿色创新效率联动发展。
③政府支持力度与环境规制能够促进湾区绿色创新效率提升，但空间溢出效应不明显；开放程度与教育水平同样对绿色创新效率具有正向影响，但前者具有负向溢出效应，对邻近地区绿色创新效率发展起到阻碍作用，后者具有正向溢出效应，能够促进周边地区绿色创新效率发展；产业结构对绿色创新效率提升具有抑制作用，且能够促进邻近地区绿色创新效率发展。
针对上述结论，本文认为政府要因地制宜，根据湾区内不同城市绿色创新发展状况制定差异化战略，尤其是中山、佛山等绿色创新效率较低的城市，要合理规划产业结构，完善高能耗、高污染企业准入机制，鼓励和扶持清洁、可持续产业发展；高度重视城市绿色创新协同发展，加强和完善顶层设计，致力于打造特色鲜明、绿色高效的创新园区，坚持高起点规划、高水平设计、高标准建设，推动形成集创新创业、人才培养、产品研发于一体的多功能城市综合体；加强城市间合作，积极开展双边或多政府合作，打破以行政区域为界限的属地治理格局，建立区域协同发展长效机制，逐步缩小城市间差距；借鉴高效率城市发展经验，承接深圳、广州等城市资本、人才、技术等优势资源注入，通过对跨区域合作创新模式、平台建设模式、创新成果双向落地转化模式、高端人才聚集模式探索与创新，刺激自身绿色创新发展内生动力；搭建创新成果转化平台，逐步形成良好的创新要素供给与转化效应体系。对于高效率城市，要充分发挥自身辐射优势，带动周边低效率城市向高效方向发展，同时进一步提升政府支持力度，加大城市开放程度，确定合理的环境规制力度，释放企业活力，强化企业创新主体地位和主导作用，激励企业增加研发投入和建立研发机构，鼓励企业进行基础性、前沿性创新研究，将经费更多投入到吸引人才及提高企业生产效率上来。针对粤港澳大湾区整体绿色创新效率发展，要充分激发“一国两制”制度红利，依托港澳地区国际金融市场地位，发挥“超级纽带”作用，为湾区其他城市提供资本、人力等创新要素输出，提升创新成果转化效率，使其逐步向绿色价值链高附加值环节拓展延伸。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
王晓红. 关于建设粤港澳大湾区创新设计圈的建议[J]. 开放导报, 2017(4):29-31.

[2]
Fussler C, Jamesp. Eco-innovation:a break through discipline for innovation and sustainbility[M]. London: Pitman Publishing London,1996.

[3]
Jiang Z J, Lyu Pinjie, Ye Liang, et al. Green innovation transformation,economic sustainability and energy consumption during China’s new normal stage[J]. Journal of Cleaner production, 2020, 273(10):1-11.

[4]
任耀, 牛冲槐, 牛彤, 等. 绿色创新效率的理论模型与实证研究[J]. 管理世界, 2014(7):176-177.

[5]
张峰, 任仕佳, 殷秀清. 高技术产业绿色技术创新效率及其规模质量门槛效应[J]. 科技进步与对策, 2020, 37(7):59-68.

DOI

[6]
韩晶. 中国区域绿色创新效率研究[J]. 财经问题研究, 2012(11):130-137.

[7]
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.

[8]
张菲菲, 张在旭, 马莹莹. 制造业绿色创新效率及增长趋势研究[J]. 技术经济与管理研究, 2020(2):101-107.

[9]
吴旭晓. 中国区域绿色创新效率演进轨迹及形成机理研究[J]. 科技进步与对策, 2019, 36(23):36-43.

DOI

[10]
胡玉凤, 丁友强. 碳排放权交易机制能否兼顾企业效益与绿色效率?[J]. 中国人口·资源与环境, 2020, 30(3):56-64.

[11]
吕岩威, 谢雁翔, 楼贤骏. 中国区域绿色创新效率时空跃迁及收敛趋势研究[J]. 数量经济技术经济研究, 2020, 37(5):78-97.

[12]
钱丽, 肖仁桥, 陈忠卫. 我国工业企业绿色技术创新效率及其区域差异研究——基于共同前沿理论和DEA模型[J]. 经济理论与经济管理, 2015(1):26-43.

[13]
彭甲超, 许荣荣, 付丽娜, 等. 长江经济带工业企业绿色创新效率的演变规律[J]. 中国环境科学, 2019, 39(11):4886-4900.

[14]
邝嫦娥, 文泽宙, 彭文斌. 影子经济影响绿色创新效率的门槛效应[J]. 经济地理, 2019, 39(7):184-193.

[15]
陈斌, 李拓. 财政分权和环境规制促进了中国绿色技术创新吗?[J]. 统计研究, 2020, 37(6):27-39.

[16]
郭进. 环境规制对绿色技术创新的影响——“波特效应”的中国证据[J]. 财贸经济, 2019, 40(3):147-160.

[17]
霍伟东, 李杰锋, 陈若愚. 绿色发展与FDI环境效应——从“污染天堂”到“污染光环”的数据实证[J]. 财经科学, 2019(4):106-119.

[18]
乔美华. 对外贸易对工业企业绿色创新效率的异质门槛效应[J]. 中国科技论坛, 2019(11):93-102.

[19]
肖仁桥, 沈路, 钱丽. “一带一路”沿线省份工业企业绿色创新效率及其影响因素研究[J]. 软科学, 2020, 34(8):37-43.

[20]
刘心怡. 粤港澳大湾区城市创新网络结构与分工研究[J]. 地理科学, 2020, 40(6):874-881.

DOI

[21]
吴志才, 张凌媛, 黄诗卉. 粤港澳大湾区旅游经济联系的空间结构及协同合作模式[J]. 地理研究, 2020, 39(6):1370-1385.

DOI

[22]
Li Z, Lin B Q. Spatial analysis of mainland cities' carbon emissions of and around Guangdong-Hong Kong-Macao Greater Bay area[J]. Sustainable Cities and Society, 2020(61):102299.

[23]
辜胜阻, 曹冬梅, 杨嵋. 构建粤港澳大湾区创新生态系统的战略思考[J]. 中国软科学, 2018(4):1-9.

[24]
张峰, 宋晓娜, 董会忠. 粤港澳大湾区制造业绿色竞争力指数测度与时空格局演化特征分析[J]. 中国软科学, 2019(10):70-89.

[25]
Lesage J P, Pace R K. The biggest myth in spatial econometrics[J]. Econometrics, 2014, 2(4):217-249.

[26]
王巧, 佘硕, 曾婧婧. 国家高新区提升城市绿色创新效率的作用机制与效果识别——基于双重差分法的检验[J]. 中国人口·资源与环境, 2020, 30(2):129-137.

[27]
张仁杰, 董会忠. 基于省级尺度的中国工业生态效率的时空演变及影响因素[J]. 经济地理, 2020, 40(7):124-132,173.

DOI

[28]
李雪松, 曾宇航. 中国区域创新型绿色发展效率测度及其影响因素[J]. 科技进步与对策, 2020, 37(3):33-42.

DOI

[29]
易明, 程晓曼. 长江经济带城市绿色创新效率时空分异及其影响因素[J]. 城市问题, 2018(8):31-39.

[30]
朱金鹤, 王雅莉. 创新补偿抑或遵循成本?污染光环抑或污染天堂?——绿色全要素生产率视角下双假说的门槛效应与空间溢出效应检验[J]. 科技进步与对策, 2018, 35(20):46-54.

DOI

[31]
周杰琦, 梁文光, 张莹. 全球化、自主研发与雾霾污染——机理分析及中国经验[J]. 科技进步与对策, 2020(18):18-27.

DOI

[32]
张利国, 冷浪平, 曾永明. 长江经济带城市创新能力时空演变及驱动因素分析——基于流动人力资本视角[J]. 当代财经, 2020(2):14-26.

[33]
熊曦, 张陶, 段宜嘉, 等. 长江中游城市群绿色化发展水平测度及其差异[J]. 经济地理, 2019, 39(12):96-102.

[34]
陈立泰, 李金林, 叶长华, 等. 长江经济带城市群产业结构变迁对生态效率的影响研究:2006—2014[J]. 数理统计与管理, 2020, 39(2):206-222.

[35]
于鹏, 李鑫, 张剑, 等. 环境规制对技术创新的影响及其区域异质性研究——基于中国省级面板数据的实证分析[J]. 管理评论, 2020, 32(5):87-95.

Options
Outlines

/

〈 〉