Spatial-temporal Difference and Dynamic Evolution of Green Technology Innovation Efficiency in the Tertiary Industry

CHEN Hong

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

PDF(1403 KB)

Chinese Agricultural Science Bulletin ›› 2022, Vol. 38 ›› Issue (14) : 124-129. DOI: 10.11924/j.issn.1000-6850.casb2021-0546

Spatial-temporal Difference and Dynamic Evolution of Green Technology Innovation Efficiency in the Tertiary Industry

CHEN Hong

Author information +

History +

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

Cite this article

EndNote

Ris (Procite)

Bibtex

Download Citations

CHEN Hong. Spatial-temporal Difference and Dynamic Evolution of Green Technology Innovation Efficiency in the Tertiary Industry. Chinese Agricultural Science Bulletin. 2022, 38(14): 124-129 https://doi.org/10.11924/j.issn.1000-6850.casb2021-0546

0 引言

“十三五”规划提出了“创新、协调、绿色、开放、共享”5大发展理念,党的十九大报告中明确了推进绿色发展加快生态文明建设的战略部署,“十四五”规划要求重点抓住创新、协调和绿色3个方面的建设,以应对经济增长伴随的高污染和高耗能等问题,而绿色技术创新是解决这一问题的关键。对于学术界,如何解释绿色技术创新;对于实务界,如何推进绿色技术创新,均是亟需解决的重大理论与实践问题^[1]。伴随着中国产业结构的不断调整和变化,第三产业的发展日益加速,在国民经济中的地位和作用愈发重要^[2],对绿色技术创新的贡献不断扩大。因而,测度第三产业绿色技术创新效率,分析其时空差异和动态演化特征,具有现实意义。

绿色技术创新是以环境保护为目标的技术创新和管理创新^[3],已成为推动经济结构转型与经济高质量发展的重要手段^[4]。现有研究主要采用2种方法测算绿色技术创新效率：（1）参数方法,即随机前沿分析(SFA),通过估计设定好的未知参数求出技术效率,在此基础上将随机因素对产出的影响加以定量分析,具有较强的稳定性^[5]。主要代表成果有：王志平等^[6]基于SFA模型测算出中国2001—2010年省级单位的绿色技术效率,进而从技术、制度、产业层面进行因素分析;孙宏芃^[7]采用SFA来计算中国各地区工业部门的绿色技术创新效率,并考察制度环境、要素市场扭曲、资源投入比重、政府行为等因素对绿色技术创新效率的影响;肖黎明和张仙鹏^[8]采用SFA模型测度中国省域绿色创新效率及生态福利绩效值,随之运用耦合协调度模型对二者的相关性进行分析。但该方法在选择产出指标时只能取一个,而绿色技术创新是一个多投入和多产出的复杂系统,单一产出是不现实的^[9-10]。（2）非参数方法,即数据包络分析(DEA),基于多投入和多产出指标构成的生产可能性集测算效率,结果真实性强^[11-12],已广泛应用于区域、产业或部门的绿色技术创新效率的测算。在区域绿色技术创新效率测度方面,主要代表成果有：一些学者分别基于Hybrid-DEA模型^[13]、DEA-BCC模型^[14]、两阶段DEA-SBM模型^[15-16]对中国各地区绿色技术创新效率进行测度;黄磊和吴传清^[17]基于超效率EBM模型对长江经济带城市绿色技术创新效率进行测度。在行业或部门绿色技术创新效率测度方面,主要代表成果有：张江雪和朱磊^[18]运用四阶段DEA模型对中国2009年各省份工业企业技术创新效率进行研究;罗良文等^[19]、张辽和黄蕾琼^[20]分别运用DEA-VRS模型、三阶段SBM-DEA模型,测算了中国工业企业绿色技术创新效率;吴超等^[21]运用DEA-RAM联合效率模型,对中国16个重污染行业绿色创新效率进行评价;刘璋生等^[22]运用DEA-SBM模型对中国制造业绿色技术创新效率进行测度。对于绿色技术创新效率的时空差异特征、贡献率及动态演变规律的主要研究方法有：（1）GIS空间分析,可对数据样本的空间特征进行清晰的可视化表达,如：李健和马晓芳^[23]运用该方法研究京津冀城市绿色创新效率空间分布情况;（2）Dagum基尼系数及Kernel密度估计法,可有效测算数据样本的区域差异和动态分布^[24-25],如：吕承超^[26]、张辽和黄蕾琼^[20]分别借此对区域、行业或部门绿色技术创新效率的时空分异特征进行分析。

现有关研究成果,一方面主要面向某一区域、某一行业或部门,鲜见对某一产业整体进行绿色技术创新效率测度;另一方面,对绿色技术创新效率的时空差异贡献率及动态演变规律的关注较少。针对上述问题,本研究基于Min-DS模型,对绿色技术创新效率进行测算,并利用Dagum基尼系数和基于Gaussian核函数的Kernel密度估计,揭示其时空差异特征、贡献率及动态演变规律,并以长江经济带（以下简称经济带）为例进行实例分析。

1 材料与方法

1.1 Min-DS模型

基于Min-DS模型测度经济带第三产业绿色技术创新效率。参照马大来等^[27]的做法,假设在具有n个决策单元的区域中,每个决策单元投入m个生产要素,并产生S₁个期望产出和S₂个非期望产出。X=(x₁, x_2……x_n),Y^r=(y^r_1, y^r_2,……y^r_n),Y^d=(y^d_1, y^d_2,……y^d_n)向量分别是投入、期望产出和非期望产出的变量。基于此,可以设置模型(1)、(2)。

min (\sum_{i = 1}^{m} s_{i 0}^{-} + \sum_{r = 1}^{s_{1}} s_{r 0}^{+} + \sum_{d = 1}^{s_{2}} s_{d 0}^{-}) + M (\sum_{i = 1}^{m} {\bar{s}}_{i 0}^{-} + \sum_{r = 1}^{s_{1}} {\bar{s}}_{r 0}^{+} + \sum_{d = 1}^{s_{2}} {\bar{s}}_{d 0}^{-}) s_{i 0}^{-} ⩾ 0, i = 1, 2, \dots, m; s_{r 0}^{+} ⩾ 0, r = 1, 2, \dots, s_{1}; s_{d 0}^{-} ⩾ 0, d = 1, 2, \dots, s_{2}

(1)

max (\sum_{i = 1}^{m} {\bar{s}}_{i 0}^{-} + \sum_{r = 1}^{s_{1}} {\bar{s}}_{r 0}^{+} + \sum_{d = 1}^{s_{2}} {\bar{s}}_{d 0}^{-}) s . t . \sum_{j} λ_{j} x_{i j} + {\bar{s}}_{i 0}^{-} = x_{i 0} - {\bar{s}}_{i 0}^{-}; \sum_{j} λ_{j} y_{i j}^{r} - {\bar{s}}_{r 0}^{+} = y_{i 0}^{r} + {\bar{s}}_{r 0}^{+}; \sum_{j} λ_{j} y_{i j}^{d} + {\bar{s}}_{d 0}^{-} = y_{i 0}^{d} - {\bar{s}}_{d 0}^{-} λ_{j} ⩾ 0, {\bar{s}}_{i 0}^{-} ⩾ 0, {\bar{s}}_{r 0}^{+} ⩾ 0, {\bar{s}}_{d 0}^{-} ⩾ 0; j = 1, 2, \dots, n

(2)

式中,s^-_i₀,s⁺_r₀,s^-_d₀,^-_i₀,⁺_r₀,^-_d₀是松弛变量,M取较大的整数。

1.2 Dagum基尼系数

运用Dagum基尼系数分析经济带绿色技术创新效率的时空差异特征及贡献率。则某研究期内区域的绿色技术创新效率空间差异可分解为G=G_w+G_nb+G_t,其中：G_w是子地区适配度的差异贡献;G_nb是子地区间适配度差异的净值贡献;G_t是子地区间适配度水平交叉影响的超变密度。

1.3 基于Gaussian核函数的Kernel密度估计

通过绘制基于Gaussian核函数的区域及其子地区Kernel密度估计曲线,分析经济带绿色技术创新效率的时空演变规律。则样本

x

的密度函数

f (x)

的估计值为

{\hat{f}}_{h} (x) = \frac{1}{n h} \overset{n}{\sum_{i = 1}} k (\frac{x - x_{i}}{h})

,其中,

n

为观测样本的总个数;

h

为窗宽,令

u = \frac{(x - x_{i})}{h}

k (u) = \frac{(e x p (\frac{- u^{2}}{2}))}{2 π}

为Gaussian核函数,满足k(u)≥0且

\int_{- \infty}^{+ \infty} k (u) d u = 1

。

1.4 指标选取

通过归纳已有研究成果并考虑数据可得性,本研究从多维投入与产出角度构建测算指标。在投入指标方面,选用第三产业R&D人员全时当量、第三产业R&D经费支出资本存量和第三产业能源消耗量。其中,R&D经费支出资本存量参考梁中等^[14]的做法,认为资本产出是由当期投入和以前存量共同决定的,所以以当年R&D内部经费支出作为该年投入流量,采用永续盘存法估算其存量。则K_i,t=E_i,t_-1+(1-τ)K_i,t_-1,其中,K_i,t是i地区第t期的R&D资本存量,E_i,t是i地区第t期的R&D经费支出,τ-=15%是折旧率,基期（2001年）。i地区R&D资本存量的计算公式为

K_{i, 2001} = \frac{E_{i, 2001}}{(g_{i} + τ) K_{i, t - 1}}

,其中,g_i为i地区样本期内按复利法计算得出的R&D经费内部支出的年均增长率。选用各省份技术市场成交额作为绿色技术创新效率分析的期望产出指标,同时选用第三产业CO₂排放量和生活SO₂排放量作为非期望产出指标。各指标说明及统计性描述如表1所示。

表1 第三产业绿色技术创新效率测度指标说明及统计性描述

	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

1.5 数据来源

由于中国经济发展呈现明显的时期特征,因而以“十五”时期、“十一五”时期、“十二五”时期“十三五”早期（即2001—2018年）为观察期。本研究中2001—2018年第三产业R&D人员全时当量、第三产业R&D内部经费支出数据以及技术市场成交额源于2002—2019年《中国第三产业统计年鉴》,2001—2018年生活SO₂排放量源于2002—2019年《中国统计年鉴》以及各省统计年鉴;2001—2018年第三产业能源消耗量和第三产业CO₂排放量源于碳排放数据库,价值变量根据2001年不变价格处理。

2 结果与分析

2.1 绿色技术创新效率测算分析

经济带沿线11省份2001—2018年的第三产业绿色技术创新效率如表2所示,依据地理区位将11省份划分为上、中、下游三个区域,上游分别为云南、贵州、四川和重庆,中游分别为湖北、湖南、安徽和江西,下游分别为江苏、上海和浙江。

表2 观察期内长江经济带、子地区及各省市的绿色技术创新效率

	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

整体效率分析。“十五”时期至“十三五”早期长江经济带第三产业绿色技术创新效率呈波动上升趋势,“十一五”时期为拐点,效率均值为0.818,为历史最低水平,随后在“十二五”时期实现快速增长,整体上呈现“U”型关系。究其原因,“十一五”时期是中国夯实基础,突破发展的重要历史阶段,中国加快推进工业化进程,沿江各省份积极出台政策响应国家号召,资金、资源、能源对第二产业有所倾向,可能对第三产业的绿色创新发展的基础有所影响,导致该时期效率值较低。而进入“十二五”时期,在国家一系列政策支持下,第三产业异军突起,相应的绿色技术创新效率必然有所上升。但经济带第三产业绿色技术创新效率均值在观察期内始终小于1,可见,虽然第三产业绿色技术创新效率水平较高,但仍有上升空间。

区域效率分析。“十五”至“十三五”早期上、中、下游地区第三产业绿色技术创新效率变化趋势与经济带整体走势趋同。但下游地区波动显著,在后期显著高于整体及其他地区平均水平。“十二五”时期下游地区发展进入制造经济向服务经济转型升级的关键阶段,知识技术密集型的第三产业呈高速发展态势,高技术产出不断增加,对绿色技术创新效率提高有显著的积极作用。相比之下,上游地区绿色技术创新效率变化较为平稳,且始终处于较低水平。究其原因,可能是第三产业在上游地区虽具有较大规模,但工业发展滞后,未实现真正意义上产业转型,因而科技投入产出方面表现均不突出,导致了该地区第三产业绿色技术创新效率长期以来未见起色。中游地区前期效率水平较低,但“十二五”时期出现较快增长,超越上游地区。

省域效率分析。对第三产业绿色技术创新效率时期均值进行对比分析,可以发现大部分省份效率值呈波动上升态势,其中贵州、江西、江苏和浙江始终保持在较高水平,效率值高于0.950,这说明经济发展水平是影响第三产业绿色技术创新效率的重要因素,但同时政府政策、环保力度、产业基础和结构等也有重要作用;上海、四川和湖北效率值增长幅度较大,表现出良好的赶超效应,上海以“十一五”时期为拐点,后期第三产业绿色技术创新效率大幅提高,成为辐射带动经济带第三产业绿色发展的龙头城市。而重庆和安徽第三产业绿色技术创新效率自“十一五”时期呈下降趋势,可能与第三产业规模、技术支持、环境规制、民众绿色发展意识等多因素有关。

2.2 绿色技术创新效率的时空分布

借鉴以往学者们的做法,将绿色技术创新效率的强度区分为4个级别,即低效率区域（0≤绿色技术创新效率<0.6）、中低效率区域（0.6≤绿色技术创新效率<0.75）、中高效率区域（0.75≤绿色技术创新效率<0.9）、高效率区域（0.9≤绿色技术创新效率≤1）,各时期的效率分位图如图1所示。

图1 观察期内经济带绿色技术创新效率时空分布

Full size|PPT slide

“十五”时期,绿色技术创新“高效率区域”有7个省份,各地区分布较为均衡,即云南、贵州、重庆、江西、安徽、江苏和浙江;“低效率区域”仅有四川,可见上游地区绿色技术创新效率的两极化特征显著;“十一五”时期,“高效率区域”数量较前一期未发生变化,但“低效率区域”数量有所增长,包括四川和上海;“十二五”时期,“高效率区域”分布格局由均衡分布变为下游地区具有明显数量优势,“中高效率区域”数量增长,包括湖北、四川、重庆,无“低效率区域”;“十三五”早期,“高效率区域”分布不变,“中高效率区域”包括湖北和湖南,“中低效率区域”为四川和重庆,无“低效率区域”。

从效率值变化看,在观察期内经济带绿色技术创新效率整体处于上升趋势,到“十三五”早期,经济带大部分省份处于“高效率区域”和“中高效率区域”,其中下游地区优势显著;从区域变化结构看,“高效率区域”格局稳定,变化多为“中低效率区域”向“中高效率区域”的渐进提升转化,或反向的渐进下降转化,跨级转化较少,反映了绿色技术创新的演进是循序渐进的过程,存在一定的“区域锁定”特征。

2.3 绿色技术创新效率的时空差异特征及动态演化规律

为了便于描述绿色技术创新效率的时空差异特征和动态演变过程,以“十五”时期、“十一五”时期、“十二五”时期“十三五”早期为观察期,观察期内经济带绿色技术创新效率的Dagum基尼分解结果,见表3。

表3 观察期内经济带绿色技术创新效率的Dagum基尼分解结果

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%

如表3所示,Dagum基尼系数G由“十五”时期的0.107变化为“十三五”早期的0.066,在“十一五”时期取得最大值0.131,这说明经济带绿色技术创新效率的空间差异先增大后减小。（1）在观察期内,G_w值具有明显的时期差异,在“十五”时期和“十一五”时期取值较大,在“十二五”时期和十三五早期相对而言均有不同程度下降;上游地区呈波动下降趋势,下游地区波动幅度最大,取值区间为[0.002,0.138],这说明下游地区改善情况显著,有助于该地区协同一体化发展;在“十五”时期和“十一五”时期,中游地区G_w值在经济带内最小,这说明该时期内中游地区的第三产业绿色技术创新效率空间差异最小,但中游地区空间差异的变动幅度较小,由“十一五”时期的0.115降低到“十三五”早期的0.056,改善效果并不显著;（2）在观察期内,G_nb由“十五”时期的0.004上升到“十三五”早期的0.031,这表明上、中、下游地区之间的第三产业绿色技术创新效率的空间差异不断扩大。在观察期内,G_t由“十五”时期的0.069降低到“十三五”早期的0.017,在“十一五”时期取得最大值0.083。（3）在观察期内,G_w+G_nb的贡献率分别为35.21%、36.79%、72.57%和74.59%,上升趋势显著,这表明上中下游地区内及地区间第三产业绿色技术创新效率的时空差异,是经济带效率时空差异的主要来源,且逐渐成为主导贡献者,这将不利于经济带的协同高质量发展。

由图2可以发现,经济带第三产业绿色技术创新效率分布动态及其演进规律如下：（1）经济带核密度估计曲线从“多峰形态”向“宽峰形态”演变,总体呈峰值降低和峰度变宽的趋势且向右轻微移动,这表明经济带第三产业绿色技术创新效率的时空差异在阶段性缩小。（2）与经济带核密度估计曲线的演变趋势相比,上游地区核密度估计曲线在“十五”时期和“十一五”时期,呈现显著的两极分化的“双峰形态”,在“十二五”时期和“十三五”早期变为“宽峰形态”,这说明上游地区效率的时空差异在阶段性缩小,但总体峰值降低且向左移动。（3）中游地区核密度估计曲线始终处于“单峰形态”,呈现峰值增加且分布更集中的变化趋势,向右轻微移动,这说明中游地区与经济带相比,第三产业绿色技术创新效率的时空差异更小,且不断向绿色技术创新更好的方向演变,四省之间存在“追赶效应”。（4）下游地区核密度估计曲线在“十五”时期和“十一五”时期分布分散,在“十二五”时期,峰值明显上升,峰度显著变窄,向右集中,这说明下游地区第三产业绿色技术创新效率总体显著提高,且时空差异缩小,在“十三五”早期峰值下降,峰度变宽,但集中趋势未发生改变。

3 结论和讨论

本研究基于Min-DS模型,测度了长江经济带沿线11省份的第三产业绿色技术创新效率,并利用Dagum基尼系数和基于Gaussian核函数的Kernel密度估计,揭示其时空差异特征、贡献率及动态演变规律。主要结论为：（1）“十五”时期至“十三五”早期经济带第三产业绿色技术创新效率总体呈上升趋势,下游地区绿色技术创新效率具有明显优势,上、中游地区效率较低;沿线11省份效率变化趋势差异较大,如上海呈高速发展态势,而重庆呈下降趋势。（2）到“十三五”早期,经济带大部分省份处于“高效率区域”和“中高效率区域”,“高效率区域”格局稳定,“中低效率区域”向“中高效率区域”的渐进提升转化,或反向的渐进下降转化趋势明显。（3）经济带第三产业绿色技术创新效率的时空差异在阶段性缩小,上中下游地区内及地区间第三产业绿色技术创新效率的时空差异,是经济带效率时空差异的主要来源,且逐渐成为主导贡献者。

以上研究结论对于推动经济带地区第三产业绿色技术创新效率的提升具有重要的启示。首先,各地区应将提升第三产业绿色技术创新效率作为一个统一的目标协同推进,根据绿色技术创新效率的时空分布、差异特征以及演化规律,协调创新资源与产业布局。其次,经济带各地区在推进效率提高时,除了加大科技投入支持和节能减排外,在现阶段还应关注投入产出结构与环境规制、产业基础之间的协调,注重产出质量,夯实绿色创新发展的长效机制。最后,要充分发挥下游地区在经济带发展中的龙头作用,辐射带动经济带整体效率的提高,上、中游地区要充分挖掘重庆市、武汉市等中心城市的科技创新潜力,促进其成为地区内绿色创新发展示范性城市,推动整体实现第三产业高效率。

References

Publishing order | Descend order by publishing year | Descend order by cited within

[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. 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [1]

[11]	KAORU T, MIKI T. Dynamic DEA with network structure: A slacks-based measure approach[J]. Omega, 2014, 42(1):124-131. https://doi.org/10.1016/j.omega.2013.04.002 https://linkinghub.elsevier.com/retrieve/pii/S0305048313000510 本文引用 [1]

[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. https://doi.org/10.1016/j.watres.2014.10.040 https://linkinghub.elsevier.com/retrieve/pii/S0043135414007386 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [2]

[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. 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [2]

[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. 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [1]

[24]	FROSINI B V. Approximation and decomposition of Gini, Pietra-Ricci and Theil inequality measures[J]. Empirical economICS, 2012, 43(1):175-197. https://doi.org/10.1007/s00181-011-0464-1 http://link.springer.com/10.1007/s00181-011-0464-1 本文引用 [1]

[25]	BW S. Density estimation for statistics and data analysis[N]. London-New York: CRC Press, 2018. 本文引用 [1]

[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. 本文引用 [1]

[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. 本文引用 [1]

PDF(1403 KB)

Accesses

Citation

Detail

Sections

Recommended

Received	Revised	Published
2021-05-24	2021-07-14	2022-05-15
Issue Date
2022-06-07

模态框（Modal）标题

Please choose a citation manager

Content to export

About journal

Browse

Author Center