绿色创新效率与产业结构升级...城市面板数据的PVAR分析_张玲梅.pdf

绿色创新效率与产业结构升级的互动关系研究张玲梅，王金河（聊城大学 商学院，山东 聊城252059）摘要：以全国284个城市为样本，综合运用Super-SBM模型、ArcGIS可视化分析、面板向量自回归（PVAR）模型等方法，测算城市绿色创新效率，分析时空分布特征，并对城市绿色创新效率与产业结构升级的互动关系进行检验。结果表明:城市绿色创新效率与产业结构升级存在自我加强机制；城市绿色创新效率与产业结构升级存在相互促进关系。最后对城市提高绿色创新效率，优化产业结构提出相应的建议。关键词：绿色创新效率；产业结构升级；向量自回归模型中图分类号：F062.2文献标志码：A文章编号：1008-4657(2023)02-0056-07收稿日期：2022-10-18基金项目：山东省社会科学规划一般项目（22CJJJ11）作者简介：张玲梅（1997-），女，山西吕梁人，聊城大学硕士研究生，主要研究方向：产业经济理论；王金河（1972-），男，山东茌平人，聊城大学副教授，硕士生导师，主要研究方向：产业经济理论。0引言在新发展理念指导下，绿色创新成为驱动经济高质量发展、缓解环境污染的重要途径。产业结构升级作为经济高质量发展的重要基础，必然会受到绿色创新效率的影响。同时，产业结构升级能淘汰“高污染”“高能耗”产业，减少污染物的排放1，降低绿色创新的非期望产出，进而提高绿色创新效率。这意味着绿色创新效率与产业结构升级是相互影响的。学术界关于绿色创新与产业结构升级的研究主要基于两条主线展开。第一，绿色创新是推动产业结构升级的重要力量。朱于珂等2认为绿色技术创新能通过优化生产要素配置、提高节能减排效率，引领产业结构从”高污染”“高能耗”的产业转向技术密集、绿色环保的产业，实现产业结构升级。汪发元等3发现长三角洲地区绿色创新能借助清洁的技术和先进的知识对资源进行改造和整合，推动高技术产业的发展，进而加快产业结构升级的速度。郭炳南等4指出绿色技术创新通过提高资源利用率实现产业结构迈向合理化，通过增强企业竞争优势推动产业结构高级化。徐盈之等5通过实证发现，绿色技术创新与产业结构升级之间不仅存在线性关系，还存在以要素市场扭曲为门槛变量的非线性关系。刘在洲等6采用动态空间杜宾模型探索绿色技术创新对产业结构升级的空间溢出效应，结果显示，长江经济带绿色技术创新能显著提升本省市的产业结构升级，但对邻近省市产业结构升级的推动效果不显著。第二，产业结构升级能反向影响绿色创新效率。吴旭晓7认为产业结构升级有助于产业向低能耗、绿色化的方向转化，降低了排污力度和能源消耗，进而减少了绿色创新活动的能源投入和非期望产出，对绿色创新效率的提高产生了促进作用。闫华飞等8发现在产业结构升级过程中存在着人才、资本、技术等生产要素的重新配置，进而对绿色创新效率产生影响。黄磊等9在使用超效率EBM模型测算城市绿色技术创新效率的基础上，采用空间计量模型探索城市绿色技术创新效率的动力机制，发现产业结构优化促进产业协同发展，推动本城市绿色技术创新效率的提高。第38卷第2期Vol.38 No.2荆楚理工学院学报Journal of Jingchu University of Technology2023年4月Apr.2023基于城市面板数据的PVAR分析56DOI:10.14151/ki.jclgxyxb.2023.02.012纵观现有的研究，学者较多关注绿色创新效率与产业结构升级之间的单向影响，鲜少有学者探索绿色创新效率与产业结构升级的互动关系。绿色创新效率的提高和产业结构升级均为长期过程，两者之间的互动关系可能存在动态性。1研究设计1.1模型的设定PVAR模型由Holtz-Eakin D等10于1988年提出，在Love I等11与连玉君等12的拓展下逐渐成熟，其兼具VAR模型和面板数据的优点。本文构建的PVAR模型如下：Yit=0+nk=1kYit-k+i+t+it（1）其中，Yit代表包含绿色创新效率与产业结构升级的二维列向量；0代表截距项；k为最优滞后阶数；k代表滞后k阶的参数矩阵；Yit-k代表滞后k阶时包含绿色创新效率与产业结构升级的二维列向量；i代表个体效应；t代表时间效应；it代表随机干扰项。1.2变量的选取与测算绿色创新效率反映了在资源环境约束下，绿色创新活动过程中各种投入要素的实际利用程度。基于这一理念，本文借鉴李金滟等13的研究成果，在兼顾数据可得性和客观性的基础上，从投入和产出两个角度构建绿色创新效率评价指标体系。其中，使用从事科技活动的人员数作为衡量创新投入中劳动力投入的变量，以地方财政用于科技的支出衡量创新活动中资本的投入，用全社会用电量表示能源投入，运用城市专利授权数代表期望产出，用环境污染指数表示非期望产出。其中，环境污染指数是基于工业废水排放量、工业废气排放量和工业固体排放量三个一级指标，利用熵值法测算的。Tone提出的Super-SBM模型在传统DEA模型的基础上，将非期望产出与投入产出的松弛变量纳入模型中，不仅能有效解决非期望产出下的效率评价问题，还能解决结果中多次出现1的情况，故本文选取此方法对绿色创新效率进行测算，其计算公式为：=min1mmi=1x-xi01s1+s2s1r=1y-ryr0+s2r=1y-ryr0()x-nj=1，kjxjy-gnj=1，kjygjy-bnj=1，kjybjx-x0，y-gyg0，y-b yb0，y-g 0，|0（2）产业结构升级是指产业发展由劳动密集型、高能耗状态向技术密集型、低污染状态演变的过程。本文借鉴付凌晖14、涂建军等15的计算方式，使用夹角余弦法对其进行测度：首先，构建一组三次产业增加值占国民生产总值比重的三维向量X0=（X1，0，X2，0，X3，0）；其次，构造一组一二三产业由低层次向高层次排列的三维向量：X1=（1，0，0）、X2（0，1，0）、X3（0，0，1）；然后根据公式（3）计算X0与X1、X2、X3的夹角1、2、3，接着根据公式（4）计算出产业结构指数。q=arccos3p=1Xpq Xp03p=1（X2pq）1/23p=1（X2p0）1/()2()（3）uis=3p=1q（4）ggbb571.3数据来源本文以我国284个城市为研究对象，样本时间跨度为20112019年，数据主要来源于历年中国城市统计年鉴和各市统计公报，个别缺失值使用线性插值法进行填补。2实证结果分析2.1绿色创新效率与产业结构升级的时空特征分析基于测算得到的gie与uis，对城市绿色创新效率与产业结构升级进行时空特征分析，以了解城市绿色创新效率与产业结构的时间、空间变化情况，为后文分析绿色创新效率与产业结构升级的互动关系奠定基础。图1展示了20112019年城市绿色创新效率与产业结构升级的均值变化。图1 20112019年城市绿色创新效率与产业结构升级的均值变化图从图1中可以看出，城市绿色创新效率呈波动上升趋势，但其在2016年时急剧下降，这说明在新发展理念的指导下，我国各城市在使用先进、清洁的技术发展经济的同时更加重视环境保护，进而实现绿色创新效率的提升，2016年城市绿色创新效率出现急剧下降的现象可能与国家发布的“三去一降”政策有关，我国很多城市的产业是以工业制造业为主，这一政策的实施使这些城市受到了一定程度的冲击；产业结构升级呈逐年增长态势，这说明近9年我国城市的产业结构发生了巨大的变化，服务业等第三产业的占比增加，”高污染”“高能耗”的产业逐渐退出市场，更有利于经济高质量发展。接着，使用ArcGIS自然断点法将2011年与2019年城市绿色创新效率分为三个等级，并展示了其可视化结果，见图2。注：该图基于自然资源部标准地图服务网站下载的标准地图（审图号：GS（2020）4619）制作，下同。图2 2011年与2019年城市绿色创新效率空间分布图从图2可知，2011年，我国城市绿色创新效率处于低效率区的占比最大，且主要为中西部城市，说明2011年时我国整体绿色创新效率值较低，存在一定的提升空间；高效率城市主要处于东部沿海地区，这些城市创新资源相对丰富、经济发展水平高、绿色环保意识浓厚，有利于绿色创新效率的提高。到2019年，我国绿色创新效率处于低效率区的城市数量明显减少了，处于中、高效率区的城市数量增加了，这意味着我国整体绿色创新效率随时间有显著的增长趋势，与图1的结论一致。图3是2011年与2019年我国城市产业结构升级的空间分布图，与图2使用的可视化方法一致。58从表3中可以看出，城市绿色创新效率是产业结构升级的格兰杰原因，其至少通过了10%的显著性检验；城市产业结构升级也是绿色创新效率的格兰杰原因，其至少通过5%置信水平下的检验。因此，绿表3格兰杰因果检验结果表原假设ChiP结论lngie不是lnuis的格兰杰因13.9920.000拒绝lnuis不是lngie的格兰杰因23.8760.000拒绝图3 2011年与2019年城市产业结构升级空间分布图从图3中可以看出，与2011年相比，2019年我国城市产业结构升级处于低效率区的城市数量跳跃式减少，2019年时只有9个城市仍属于低效率区；处于中、高效率区的城市数量明显增加，东部沿海城市与各省份的省会城市几乎均处于高效率区，这说明近些年来我国城市产业结构正朝着更加高级的方向发展，更适合当前经济发展的需求。2.2平稳性检验与阶数确定为确保结果的稳健性，避免出现伪回归现象，本文使用LLC、IPS和HT检验对绿色创新效率和产业结构升级变量进行单位根检验，结果见表1。表1单位根检验结果表方法gieuis结论LLC-39.562*-22.320*平稳IPS25.065*14.600*平稳HT0.069*0.121*平稳注：上角标*、*、*分别表示在1%、5%、10%的水平下通过显著性检验，下同。表1结果表明，绿色创新效率与产业结构升级均通过了LLC、IPS和HT检验，说明这2个变量是平稳序列。在使用PVAR模型对绿色创新效率与产业结构升级之间的互动关系进行研究前，需要确定最优滞后阶数。因此，本文采用AIC、BIC与HQIC信息准则确定模型的滞后阶数，结果如表2所示。表2最优滞后阶数的选择表LagAICBICHQIC1-5.054*-3.445*-4.463*2-4.972-3.133-4.2913-4.714-2.566-3.912由表2可知，AIC、BIC与HQIC值在滞后阶数为1时最小，说明模型的最优滞后阶数为1阶。2.3格兰杰因果检验为了进一步分析绿色创新效率与产业结构升级的短期动态影响和因果关系，本处在加入1阶滞后变量的情况下，对上述两个变量进行了格兰杰因果检验，结果见表3。59表4 GMM估计结果表变量lngielnuisL.lngie0.581*0.003*（11.03）（4.89）L.lnuis3.372*0.782*（3.74）（64.58）由表4可知，当绿色创新效率作为被解释变量时，本年的绿色创新效率易受到滞后一阶绿色创新效率的影响，说明绿色创新效率的提高具有一定的惯性。滞后一阶的产业结构升级对绿色创新效率存在显著的正向影响，说明产业结构升级有助于绿色创新效率的提升。当产业结构升级为被解释变量时，上一期的产业结构升级和绿色创新效率对本期产业结构升级的影响系数均为正数，且至少通过10%置信水平下的检验，说明前期的产业结构升级与绿色创新效率能显著促进当期产业结构升级。综上，绿色创新效率与产业结构升级之间存在互促机制。2.5脉冲响应分析为了探索绿色创新效率与产业结构升级在长期内的动态关系，本部分通过1000次蒙特卡洛模拟，得到城市各变量滞后10期的脉冲响应图，如图4所示。图4第一列为绿色创新效率的脉冲响应图。图4脉冲响应图由图4的第一个图可知，在绿色创新效率受到自身冲击时，其响应值在初期时达到最大，之后随着时间逐渐降低，说明绿色创新效率的提升对自身的依赖度较高。从第三个图可以看出，当绿色创新效率受到产业结构升级冲击时，在当期未做出反应，随后产生正向响应并在达到峰值后开始衰退，即产业结构升级对绿色创新效率的提升具有滞后性。这说明产业结构升级能推动”高污染”“高能耗”的产业向绿色化转型，实现资源再配置，使创新要素流动到合适的部门，为绿色创新活动的举办提供良好的环境，进而促进绿色创新效率的提升。由第二个图可知，产业结构升级面对自身一个标准差冲击的响应值为正数，在当期达到最大值，随后呈现出下降趋势并趋于平缓。这意味着产业结构升级具有自我增加机制，能快速应对自身的冲击。从第四个图可以看出，产业结构升级对绿色创新效率标准差冲击的脉冲响应当期为正，并随着滞后阶数的增加而加强，达到峰值后，又随着滞后阶数的增加而减弱，这说明短期绿色创新效率对产业结构升级的色创新效率与产业结构升级互为格兰杰因果关系。2.4 PVAR模型估计在确定了最优滞后阶数与单位根检验后，本文基于GMM建立的PVAR模型对绿色创新效率与产业结构升级之间的相互关系进行研究，结果如表4所示。60表5方差分解结果表变量期数lngielnuislngie50.980.02100.9690.031150.9670.033200.9670.033lnuis50.1150.885100.1460.854150.1500.850200.1510.849从表5中可以看出，各变量在预测15期与20期的方差分解结果差异较小，说明在15期后，绿色创新效率与产业结构升级的波动趋于稳定。从产业结构升级对绿色创新效率的贡献来看，产业结构升级对绿色创新效率的方差贡献为15.1%，其方差贡献率随着期数的增加有所提升，但增加幅度较小，而产业结构升级对自身的贡献率超过了85%，说明城市产业结构升级主要依靠自身的叠加效应。从绿色创新效率对产业结构升级的贡献来看，绿色创新效率对产业结构升级的贡献率不足5%，说明所有城市的绿色创新效率还不高，其对产业结构升级的促进作用还不强，这意味着城市产业结构升级缺乏绿色创新基础，亟需提升绿色创新效率，培育产业结构转型的新动能。同时，绿色创新效率对自身的贡献率均超过了95%，表明大部分绿色创新效率的提升是由自身导致的。3结论与对策建议3.1主要结论第一，PVAR模型结果表明，城市产业结构升级对绿色创新效率起到了显著促进作用，同样的，城市绿色创新效率也推动了产业结构升级，两者间存在互动关系。第二，从格兰杰因果分析来看，绿色创新效率与产业结构升级互为格兰杰因果关系。第三，从脉冲响应来看，绿色创新效率与产业结构升级均存在自我加强机制；绿色创新效率对当期产业结构升级的影响为0，随后呈现出先上升后下降直至平缓的趋势，说明绿色创新效率对产业结构升级的影响存在滞后性；产业结构升级在短期内能驱动绿色创新效率。第四，从方差分解的结果看，在第15期后绿色创新效率与产业结构升级之间的动态关系达到了相对均衡，产业结构升级对绿色创新效率的贡献率达到了15%，而绿色创新效率对产业结构升级的贡献率不足5%，这可能是由于城市绿色创新效率较低，无法有效利用技术溢出效应、学习效应推动产业结构升级。3.2对策建议第一，提升绿色创新效率，保持创新驱动效益。绿色创新是产业结构升级的关键力量，其能打破技术壁垒，促使产业向着高技术、低污染转型。为此，政府应激励创新主体开展绿色创新活动，帮助解决产业结构升级中遇到的“卡脖子”技术问题。同时，政府要优化营商环境、加大对绿色创新活动的投资力度、完善知识产权保护法5，切实满足绿色创新活动举办的需求。第二，深化产业结构调整，释放结构红利。产业结构调整过程中伴随着创新要素的自由流动与重新配置，这势必会影响绿色创新产出。对此，政府应积极发挥规划引领作用，带动产业结构向合理化、绿色驱动作用较强。2.6方差分解通过方差分解可以分析每一个单位冲击对预测的内生变量的误差变异系数贡献程度。为了更清晰地刻画绿色创新效率与产业结构升级的动态影响，本文利用方差分解函数解释各冲击变量对变量的贡献率，表5列出了第5期、第10期、第15期和第20期的方差分解结果。61化的方向演进，实现传统产业的改造和新兴产业的形成。同时，还应该充分发挥市场机制作用，通过“看不见的手”对资源再配置，破除产业间要素流动障碍，为产业结构升级创造条件。参考文献：1 于斌斌.产业结构调整如何提高地区能源效率?基于幅度与质量双维度的实证考察J.财经研究，2017，43（1）：86-97.2 朱于珂，高红贵，肖甜.工业企业绿色技术创新、产业结构优化与经济高质量发展J.统计与决策，2021，37（19）：111-115.3 汪发元，何智励.环境规制、绿色创新与产业结构升级J.统计与决策，2022，38（1）：73-76.4 郭炳南，王宇，张浩.数字经济、绿色技术创新与产业结构升级来自中国282个城市的经验证据J.兰州学刊，2022（2）：58-73.5 徐盈之，张瑞婕，孙文远.绿色技术创新、要素市场扭曲与产业结构升级J.研究与发展管理，2021，33（6）：75-86.6 刘在洲，汪发元.绿色科技创新、财政投入对产业结构升级的影响基于长江经济带2003-2019年数据的实证分析J.科技进步与对策，2021，38（4）：53-61.7 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）：36-43.8 闫华飞，肖静，冯兵.长江经济带工业绿色技术创新效率评价及其影响因素分析J.统计与决策，2022，38（12）：96-101.9 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）：50-64.10Holtz-Eakin D，Newey W，Rosen H S.Estimating vector autoregressions with panel dataJ.Econometrica，1988，56（6）：1371-1395.11Love I，Zicchino L.Financial development and dynamic investment behavior:Evidence from panel VARJ.Quarterly Reviewof Economics and Finance，2005，46（2）：190-210.12 连玉君，程建.投资现金流敏感性：融资约束还是代理成本?J.财经研究，2007（2）：37-46.13 李金滟，李超，李泽宇.城市绿色创新效率评价及其影响因素分析J.统计与决策，2017（20）：116-120.14 付凌晖.我国产业结构高级化与经济增长关系的实证研究J.统计研究，2010，27（8）：79-81.15 涂建军，姜莉，徐桂萍，等.长三角城市群科技创新、产业结构升级与新型城镇化的交互影响J.城市发展研究，2021，28（12）：1-11.责任编辑：许立群Research on the Interaction Between Green InnovationEfficiency and Industrial Structure Upgrading:PVAR Analysis Based on Urban Panel DataZHANG Lingmei，WANG Jinhe（School of Business,Liaocheng University,Liaocheng 252059,China）Abstract：This paper takes 284 cities in China as samples,comprehensively uses Super-SBM model,ArcGIS visualizationanalysis,panel vector autoregressive(PVAR)model and other methods to measure urban green innovation efficiency,analyze thespatial and temporal distribution characteristics,and test the interaction between urban green innovation efficiency and industrialstructure upgrading.The results show that there is a self-reinforcing mechanism between urban green innovation efficiency and in-dustrial structure upgrading.The results also show that there is a mutual promotion relationship between urban green innovation ef-ficiency and industrial structure upgrading.Finally,some suggestions are put forward to improve the efficiency of green innovationand optimize the industrial structure.Key words：green innovation efficiency;Industrial structure upgrading;vector autoregressive model62