区域绿色创新效率空间关联网络特征及驱动因素

摘要：采用非期望SBM模型和二次指派程序，对广东省21个城市2002—2019年的绿色创新效率空间关联网络特征和驱动因素进行分析.结果显示：空间关联网络从早期以广州和深圳双核引领、联系疏散的网络，发展成珠三角多核心联动、中介作用突出并趋于紧密的网络，形成珠三角核心圈和粤东西北外围圈.空间关联网络按角色可分为净溢出、净受益和外围板块三类板块，板块间联系松散，绿色创新联系以珠三角板块内溢出为主导，板块之间绿色创新要素流动存在较大壁垒.地理邻近促进绿色创新溢出，经济发展水平差异、创新基础差异对绿色创新溢出的影响作用由促进转为抑制，财政分权和环境规制强度差异抑制绿色创新溢出，对外开放差异的影响不显著.

关键词：绿色创新效率；空间关联网络；驱动因素；非期望SBM模型；二次指派程序（QAP）

中图分类号：F 299.22;F 124.3""" 文献标志码：A""" 文章编号：1001-988Ⅹ（2024）04-0106-09

Characteristics and driving factors of spatial correlation change

of green innovation efficiency

—A case study of Guangdong Province

LIU Kun1，LIU Yi2，3，FENG Peng-fei4

（1.Guangzhou Academy of Social Sciences，Guangzhou 510410，Guangdong，China;

2.Institute of Strategy Research for the Guangdong-Hong Kong-Macao Greater Bay Area，

Guangzhou 510070，Guangdong，China;

3.Institute of Geographic Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China；

4.Institute of Geography，Henan Academy of Sciences，Zhengzhou 450042，Henan，China）

Abstract：The characteristics and driving factors of green innovation efficiency spatial correlation network of 21 cities in Guangdong Province，from 2002 to 2019 are analysed by using unexpected

SBM model and secondary assignment program.The conclusions show that：the overall level of

green innovation efficiency exhibits an upward trend in fluctuations，and the Pearl River Delta city cluster is higher than that in the northwest and eastern parts of Guangdong，while the regional imbalance problem narrows in the fluctuation.The spatial correlation of green innovation efficiency is significant，from the early“polarization effect”centered on Shenzhen to the“network effect”in which Shenzhen，Guangzhou，Dongguan，Foshan and other cities participate in，and the overall spatial composition is a core circle with the Pearl River Delta city cluster as a close connection and a loosely connected peripheral circle in the northwestern and eastern regions of Guangdong.The 21 cities in the province can be divided into net overflow plates，net overflow plates and peripheral plates，with loose connections between plates，and spatial overflows are mainly dominated by the intra-plate overflows formed by the 9 cities in the Pearl River Delta.Shenzhen is the most important spillover city and central actor in the network，and the PRD cities mainly play the role of“bridge”and“intermediary”.Geospatial proximity has a promoting effect on the establishment of spatial association of green innovation，due to the phase of green innovation spillover，and the impact of economic base differences and innovation foundation differences between cities has changed from promotion to inhibition.Moreover，the difference in fiscal decentralization and environmental regulation intensity will inhibit the establishment of spatial association of green innovation，and the impact of opening up differences is not significant.

Key words：green innovation efficiency;spatial associations network;driving factor;undesired SBM;quadratic assignment procedure（QAP）

当前，中国经济发展方式由数量型的规模扩张向质量型的结构升级转变，发展绿色低碳经济是突破资源环境约束的战略选择，也是推动生态文明建设、实现“双碳”目标的重要抓手［1-2］.绿色创新兼顾技术创新和环境保护要求，为高质量发展和人与自然和谐共生的中国式现代化建设提供强大动力支撑.

绿色创新效率强调资源环境效益和创新效率结合，着力提升绿色创新效率是实现经济绿色发展转型的关键，已有学者对绿色创新效率空间特征及影响因素进行了大量研究.① 空间特征方面.我国东部地区的绿色创新效率明显高于中、西部以及东北地区［3-4］，区域内部高低片区集聚、发展不均衡、不充分现象明显［5-11］.绿色创新在区域发展进程中具备辐射和协同功能，存在空间关联和空间溢出效用［12-14］.在区域创新联系网络中形成核心-边缘分工，创新效率高的城市能够凭借网络中心地位强化自身创新效率，处于边缘地位的城市在网络中受益较小，容易加剧创新效率差异［4］.② 影响因素方面.经济发展水平是绿色创新投入和应用的基础［11］，人力、资本等是绿色创新的载体和保障［15-16］，政府资金投入促进企业绿色创新效率提升［17］.对外开放带来的竞争压力驱动本地企业通过优化资源配置寻求新技术绿色升级［18-19］.财政分权获得的自主性直接影响或通过环境规制间接影响绿色创新［20］，但也可能导致地方政府忽视绿色研发［21］.环境规制强度的提高倒逼企业加大绿色创新投入，也可能会导致产业转移出现“污染天堂”［22］.地理相邻城市间同时存在逐底竞赛和竞相向上，会导致企业出现就地创新与跨地转移［23］.③ 研究方法方面.针对绿色创新效率评价，传统

数据包络分析（Data Envelopment Anolysis，DEA）

DEA模型以径向距离函数为基础，能够处理多要素投入和多目标产出，但在对决策单元效率改进时要求投入与产出等比例变动，难以适应实际评价要求［24］.

基于松驰值测算的数据包络分析（Slack Based Measure Data Envelopment Anolysis，SBM-DEA）

模型可以解决传统DEA模型中存在的松弛变量问题，避免损失投入或产出目标值与实际值之间的比例信息，并且使决策单元在时间上实现跨期可比［25］，更能客观反映评价结果.随着区域内绿色创新溢出逐渐呈现复杂网络空间特征，采用关系数据分析其特征及其影响因素，可以有效克服属性数据的不足.常规的普通最小二乘法回归不能直接应用于关系数据的研究，重力模型、空间滤波模型与空间交互模型等传统因果关系检验实际上仍是线性分析框架，难以适用于空间网络驱动因素的研究情景［26-27］.而二次指派程序能有效解决多重共线性及虚假相关等问题，研究关系网络情景更为稳健［28］，近年来广泛应用于区域空间关联网络研究.

现有的大量研究成果为本文研究奠定良好基础，但仍有一定的改进空间.一是评价指标方面，由于绿色创新过程具有全要素投入特征，现有研究通常将人力、资金、能源和资源等作为创新投入指标，较少将土地资源要素纳入投入指标；产出指标采用专利授权量加上废气、废水、固废排放量等环境效益或生态效益指标［29-30］，作为绿色创新效率的非期望产出，较少将二氧化碳排放纳入产出指标，导致测算结果存在一定偏差.二是空间分析方面，多基于地理属性的角度分析绿色创新效率的空间差异特征，难以揭示区域内城市间基于空间“关系”层面的网络特征，难以准确反映空间交互作用背后的驱动因素及动态变化.

广东省作为中国经济大省、对外开放和创新升级的前沿区域，也是区域发展不平衡不协调的典型区域.在经历40多年的高速增长之后，粗放型发展模式的空间正不断被压缩，日益凸显的资源环境压力及其引致的人地关系矛盾，已成为广东在新时代发展面临的重要挑战［3］.在全省着力推进区域协调发展背景下，本文采用非期望产出SBM模型测算全省21个城市的绿色创新效率，并运用改进的引力模型、社会网络分析方法刻画绿色创新效率空间关联网络构型，明确各城市在网络结构中的角色定位和网络功能，再结合二次指派程序法探究空间关联的驱动因素，以期为推动绿色创新协调发展提供科学依据和决策参考.

1 研究方法与数据来源

1.1 研究方法

1.1.1 非期望SBM模型 包含非期望产出的超效率SBM模型，可以解决效率核算时投入产出的非径向非角度问题以及非期望产出和前沿面决策单元的有效评价问题［31］.基于绿色创新具有全要素投入的特点，其产出包括期望产出和非期望产出，本文从人力、资本、资源三个方面选取绿色创新活动的投入指标.以R＆D人员全时当量作为创新人力投入；以R＆D经费内部支出作为资本投入，由于研发资本投入影响的持续性，借鉴已有研究［32］利用永续盘存法计算资本存量，将折旧率设为10.96%；以城市建设用地面积、供水总量、全社会用电量作为资源投入.产出指标选取城市规模上工业企业新产品销售收入和绿色发明专利数量，作为市场经济价值产出和技术产出的期望产出指标；采用工业二氧化硫排放量、工业废水排放量、工业烟尘排放量、二氧化碳排放量作为非期望产出构成.创新的投入和产出存在一定的时滞，借鉴已有研究［33］将投入产出时滞设为2年，将2000—2017年的绿色创新投入数据和2002—2019年的绿色创新产出数据导入模型进行运算.

1.1.2 空间关联模型 空间关联可以分析城市间绿色创新效率的溢出方向和强度.目前有两种思路来构建空间关联网络，一是采用区域间绿色专利联合申请量构建绿色创新网络的空间关系［34］，该方法数据容易获取、指标单一，但忽略了绿色创新的过程性和复杂性；二是采用改进的引力模型对空间关联强度进行测度，从而构建空间关联矩阵［4，6，35］.本文采用后一种方法测度空间关联强度并构建空间关联矩阵，计算公式为

Cij=hijRiGEi×RjGEjD2ij

hij=GEiGEi+GEj，

D2ij=dijgi-gj2，

其中，Cij表示是i城市和j城市间绿色创新效率的联系强度，GEi和GEj分别表示城市i和城市j的绿色创新效率，hij为引力常数，考虑到城市间绿色创新联系的双向性和非对称性，运用城市绿色创新效率的贡献率予以修正；Ri和Rj表示两个城市的科技要素流动，科技研发人员流动是绿色创新实现流动的主要推动因素［36］，采用Ramp;D人员全时当量反映科技要素流动；城市间距离Dij以城际地理距离dij与人均地区生产总值差值（gi-gj）之比进行修正［4］.参照已有文献得到绿色创新效率空间关联网络.

1.1.3 二次指派程序 空间关联网络的形成是基于“均数法”［37］对联系强度矩阵进行二值化处理，影响因素共同作用的结果通过文献梳理［3-10，25，36］并结合数据的可获取性，选取城市间是否邻近（Dis）、经济发展水平差异（Pgdp）、创新能力差异（Inno）、政府财政分权差异（Fin）、开放程度差异（Open）、环境规制差异（Env）等作为因变量的绿色创新效率（Gie）空间关联的影响因素矩阵.绿色创新效率空间关联矩阵及各自变量矩阵均为“关系”数据矩阵，采用二次指派程序（Quadratic Assignment Procedure， QAP）回归来实证网络形成的作用因素，构建QAP回归方程

Gie=f（Dis，Pgdp，Inno，Fin，Open，Env）.

城市间的空间邻接关系采用0～1法则，两市邻接记为1，否则为0.经济发展水平是绿色创新应用的基础条件，采用人均地区生产总值表征［11］.创新基础能力是承接绿色创新技术门槛，采用万人拥有发明专利数量表征［14］.政府财政分权背景下，地方政府为实现经济发展可能策略性地考虑绿色发展问题，由于绿色创新中的资金、人员投入在很大程度上依赖地方财政支出，采用一般预算内财政收入与一般预算内财政支出之比衡量分权水平［38］.开放程度采用进出口总额与当期GDP比值来衡量［4，8］.环境规制采用工业固体废物综合利用率、生活污水处理率和生活垃圾无害化处理率3个指标标准化后，运用熵值法计算权重合成得到［10］.

1.2 数据来源

选取2002—2019年为研究时段，各类统计数据来源于相关年份《中国城市统计年鉴》、《广东统计年鉴》、广东省科技经费投入公报、广东环境统计公报、各地级市统计年鉴及统计公报.各城市建设用地面积数据参照曹靖等［16］，采用Landsat系列卫星影像解译结果.碳排放数据来源于中国碳核算数据库（CEAD，www.ceads.net）.绿色专利数据来自于国家知识产权局和IncoPat专利数据库，参照李青原等［39］的处理方式，按照世界知识产权局（WIPO）《绿色专利清单》中的七类绿色技术进行筛选整理.人均地区生产总值、研发资金投入及新产品销售收入以2000年为基期进行平减.

2 空间关联网络特征

2.1 整体网络关联结构演变分析

运用Ucinet软件计算2002—2019年整体网络结构特征指标值，结果见图1.研究期内，绿色创新效率空间关联关系数呈现波动中增加趋势，其中2010年为43，2019年为54，其余年份维持在25至32之间，但与最大可能关系数（420个）仍有较大差距.网络密度由2002年的0.074增加至2019年的0.129，多数年份的网络等级度维持在0.3左右，表明网络联系紧密程度比较松散，存在极化现象，2018年和2019年城市间相互影响和依赖程度呈现提升的趋势.网络效率反映了城市间绿色创新的连接效率，网络效率值始终保持在0.98以上，2007，2008，2009年均为1，表明城市间绿色创新的联系途径较单一，联系并不紧密.

运用ArcGIS自然断点法，将2002，2010和2019年高于联系强度均值的联系水平分为强联系、较强联系、一般联系，将低于均值的全部归为弱联系，采用Gephi软件的可视化绘图工具对分级结果进行呈现，得到绿色创新空间关联网络的等级层次结构如图2所示.

结果表明，一般联系水平及以上的城市数量和联系强度都在增加，整体网络结构呈复杂、多线程交互的网络结构特征.2002年，深圳处于网络核心地位，广州处于次核心地位，广州深圳之间的双向联系为网络中的强联系，较强联系为惠州、东莞、中山与深圳间的联系.粤东西北地区城市与珠三角地区整体空间关联强度较弱，均为一般联系或弱联系，其中粤东地区主要与深圳存在一般关联，而粤西地区与珠三角地区均为弱联系，体现出省内经济板块间绿色创新要素流动不畅.2010年，城市间联系强度大幅提升，珠三角9市的中介桥梁作用凸显，出现佛山→广州、深圳惠州强联系，同时，较强联系的关系对大量增加，并且全部在珠三角9市之间，而珠三角与外围城市间绿色资源要素流动依然较弱.2019年，珠三角9市作为主要关联板块，呈现强弱分化加剧的特征，强联系关系对增加，分别为深圳→广州、佛山→广州、东莞→广州、深圳惠州，较强联系关系对与2010年基本一致，但弱联系的城市也增加，如梅州、潮州及阳江联系强度等级由2010年的一般联系降为弱联系，处于空间关联网络的外围.整体网络联系形成珠三角地区紧密联系的核心圈和粤东西北地区松散联系的外围圈.

2.2 个体网络关联结构特征分析

利用Ucinet 6.0软件计算各城市中心度、点出度、点入度、中间中心度（表1），用来识别各城市绿色创新效率对整个网络产生的影响.

中心度.2002，2010年和2019年绿色创新效率空间关联网络的中心度均值分别为2.95，4.10和5.14，整体联系强度增加.2019年高于平均值的城市为珠三角的深圳、广州、东莞、珠海、佛山、中山及江门，这些城市与其他城市绿色创新互动联系频繁，处于网络的核心位置.相比于2010年，2019年中心度排名第二位的城市由广州变为东莞，原因在于东莞将服装、五金加工等劳动密集型产业和污染密集型产业迁出，而引入电子信息、电气机械及设备制造业等资本密集型产业［40］.度数中心度较低的为粤东西北地区城市，这些城市产业以资源加工、纺织服装等传统为主，与珠三角地区绿色创新联系较弱.从点出度来看，深圳为全省最强的溢出城市，其次是广州、东莞、佛山，原因在于这些城市受土地、人力、环境治理等要素投入成本上升的影响，企业外迁至其他更有要素优势的城市.从点入度来看，深圳也是全省承接能力最强的城市，吸引省内其他城市的先进技术、人才、资金等创新要素和创新型企业迁入；东莞、江门等通过出台节能减排、污染整治等系列政策，引入绿色技术倒逼造纸、制革、陶瓷、玻璃等传统工业污染企业，实施清洁生产工艺推动绿色转型.

中间中心度.2002，2010年和2019年绿色创新效率空间关联网络的中间中心度均值分别为7.10，7.67和5.29，呈先升后降的特征.2002年和2010年，仅有深圳在网络中发挥“中介”和“枢纽”功能，其他城市的中间中心度均低于均值甚至为0，在网络中的控制力和影响力较弱，处于被支配地位.2019年较2002年和2010年发生了较大变化，珠三角地区城市绿色创新关联程度均有不同程度的提升，在全省的联系中介作用突出.尤其是珠海和中山，中间中心度实现了0的突破.

2.3 空间聚类与溢出路径分析

采用社会网络分析中的块模型［41］探析2019年全省绿色创新关联网络的空间聚类与溢出路径，借助Ucinet软件中的CONCOR算法，选择最大分割深度为2，收敛标准为0.2，将全省21个城市中关联强度高于网络均值的

广州、佛山、肇庆、深圳、东莞、惠州、珠海、中山、江门、清远10个城市归为净溢出板块，河源、汕头、汕尾、韶关、揭阳、云浮6个城市归为净溢入板块，将低于网络均值的湛江、茂名、梅州、阳江、潮州5个城市归为外围板块，板块间关联关系如图3所示.

在全省绿色创新效率空间关联网络的54条关联关系中，板块内部关系数为47条，其余7条为板块间关联，表现出自反性的结构特征，空间关联路径集中出现在板块Ⅰ内部，板块之间关联程度低.其中，板块Ⅰ拥有10个城市，包括珠三角9市和清远，板块内部关系47条，溢出到板块Ⅱ关系数为6条，接收板块Ⅱ关系数1条，内部关联紧密，具有“主溢出”板块角色特征.板块Ⅱ包括河源、汕头、汕尾、韶关、揭阳、云浮6个城市，接收板块Ⅰ溢出关系6条，内部关系为1条，体现主要受益角色.板块Ⅲ城市关联强度都小于均值，包括湛江、茂名、梅州、阳江、潮州5个城市.板块之间关联较为疏松，板块间的传递呈现明显的单向传递、梯度传递特征.全省绿色创新要素流动集中在珠三角地区，相互作用联系较强并且占主导，珠三角与粤东西北地区之间的绿色创新联系存在一定壁垒.因此，全省绿色创新效率提升的关键在于发挥珠三角城市多级联动的优势，打通珠三角和粤东西北地区之间绿色技术、人才、资金等要素流动的壁垒，推动全省绿色创新协调发展.

3 驱动因素分析

运用Ucinet软件进行QAP回归分析，选择5 000次随机置换，得到2002，2010，2019年绿色科技创新效率空间关联矩阵与各影响因素的相关系数，见表2.调整后的R2分别为0.370，0.405，0.316，且通过了1%显著性水平检验，拟合效果较好，回归结果中的6个影响因素总体上可以解释绿色创新效率空间关联性变化.

1）地理空间邻近的回归系数始终显著为正，3个年份的相关系数值不断增大，分别为0.055，0.170，0.177，其中2002年未通过显著性检验，2010和2019年均在1%的水平上显著.表明地理邻近对绿色创新效率提升存在显著的正向空间溢出效应，空间邻近有利于绿色技术互动和信息交流，降低绿色创新溢出障碍，这与以往研究结论一致［11，14］.

2）经济发展水平差异的相关系数值由正相关转向显著负相关，但2002和2010年未通过显著性检验，2019年在10%的水平上显著，体现出绿色创新溢出具有阶段性，早期城市间经济发展水平梯度差异越大，越有利于绿色创新溢出；随着绿色创新效率提升，绿色创新溢出更倾向于发生在经济发展水平梯度小的城市之间.

3）财政分权差异在3个年份均为负值，分别在1%，10%，1%的水平上显著，2019年回归系数值较大，表明较大的财政分权差异会抑制绿色创新溢出，并且影响程度较强.由于绿色创新既涉及环境治理，又涉及经济发展模式转型，具有双重外部性，拥有更大财政自主权限的政府可以用财税政策工具支持绿色创新发展或矫正市场失灵［42］，这与已有研究结论一致［43］.

4）创新基础差异在2002年和2010年的回归系数为正，2019年转为负，但2019年未通过显著性检验，创新基础差异的作用强度远高于其他指标.表明早期城市间适度的创新梯度差异有利于绿色创新溢出，随着绿色创新的发展，城市绿色创新要素的吸收或承接需要一定的创新基础和技术吸收能力，验证了以往的研究结论［14，41］.

5）对外开放差异回归系数3个年份均未通过显著性检验，并且系数值在所有指标中最小，说明对外开放差异对城市间绿色创新溢出关系的建立影响不显著.这与对大部分研究结论并不一致［8，44］，但验证了文献［20］的结论.可能的原因在于，城市在逐底竞争的情况下，开放水平提升带来高能耗、高排放产业进驻，加剧生态环境压力，影响绿色创新效率的提升.

6）环境规制差异回归系数在3个年份内均为负值，且呈现系数值趋于增大，2002年未通过显著性检验，2010年和2019年均在10%的置信水平上显著.表明环境规制强度相近的城市间更容易实现绿色创新溢出，由于生态文明、绿色发展上升到国家战略层面后，地方政府基于“邻避主义”和引入优质项目，提高企业进入的环境门槛和环境规制水平，呈现“竞相向上”互动形式［23，43］.

4 结论与讨论

采用非期望产出的SBM模型测算2002—2019年广东省21市绿色创新效率，借助社会网络分析与QAP回归分析研究绿色创新效率空间关联网络特征及影响因素.结论表明：绿色创新效率空间关联网络从早期以广深双核引领，逐渐转变为深圳、广州、东莞、佛山等多核心联动、并趋于紧密关联的网络，形成珠三角地区核心圈和粤东西北地区外围圈;空间关联可分为净溢出、净受益和外围板块三类角色，板块间联系松散，绿色创新以珠三角板块内溢出为主，板块之间绿色创新要素流动存在较强壁垒；地理空间邻近促进绿色创新溢出联系，随着绿色创新效率的提升，城市间经济基础差异、创新基础差异的影响作用由促进转为抑制，财政分权差异和环境规制强度差异会抑制绿色创新溢出，对外开放差异的影响不显著，创新基础、财政分权、经济发展水平的作用强度高于其他因素.

绿色创新发展不协调、不平衡问题是约束广东经济高质量发展的短板，推动绿色创新效率的提升，激活全省绿色创新资源的流动性，需要规避完全市场条件下珠三角地区绿色创新要素流动圈层化，对粤东西北区地区绿色创新升级形成的阻碍.因此，提出以下建议：

1）加大力度对粤东西北地区给予宽松优惠的绿色创新相关的技术及人才支持，积极探索绿色技术和企业转移承接模式，鼓励采取长期租赁、先租后让、弹性年限等方式供应土地，激发对绿色要素转移与承接的内生动力.

2）加大对粤东西北地区企业绿色创新升级的补贴，设立专项绿色技术产业化基金，缓解粤东西北地区绿色升级投入的经济压力，协同企业进行绿色技术创新活动的研发或者技术转移，加快绿色技术创新成果的转化、应用和推广.

3）围绕全省的绿色低碳转型，建立环境规制标准共识，对重点行业、企业的能耗及主要污染物减排进行有效规制，开展区域绿色发展联防联治，压缩企业跨城市转移逃避环境规制的空间，倒逼企业在地加大绿色研发投入或技术引进开展绿色创新升级.

绿色创新效率的提升是一个多领域、动态过程，包括科技研发和成果转化两个阶段，未来可以进一步分析不同阶段差异和嵌套关系，以及二者对绿色创新效率的交互影响效应，更好地服务于区域绿色创新发展.

参考文献：

［1］ 彭文斌，苏欣怡，杨胜苏，等.环境规制视角下城市绿色创新时空演变及溢出效应［J］.地理科学，2023，43（1）：41.

［2］ MEDEIROS F D，JANINE，RIBEIRO D，et al.Success factors for environmentally sustainable product innovation：a systematic literature review［J］.J Clean Prod，2014，65：76.

［3］ 刘毅，杨宇，康蕾，等.新时代粤港澳大湾区人地关系的全球模式与区域响应［J］.地理研究，2020，39（9）：1949.

［4］ 曹贤忠，曾刚，邹琳.长三角城市群Ramp;D资源投入产出效率分析及空间分异［J］.经济地理，2015，35（1）：104.

［5］ 刘涛.福建省城市工业污染治理投资动态效率评价：基于EDA和Malmquist指数［J］.西北师范大学学报（自然科学版），2013，49（4）：94.

［6］ 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.

［7］ 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，2014，30（7）：176.

［8］ 孙燕铭，谌思邈.长三角区域绿色技术创新效率的时空演化格局及驱动因素［J］.地理研究，2021，40（10）：2743.

［9］ 王金河，张玲梅.中国绿色创新效率的地区差异及空间收敛性研究［J］.生态经济，2023，39（1）：81.

［10］ 段德忠，杜德斌.中国城市绿色技术创新的时空分布特征及影响因素［J］.地理学报，2022，77（12）：3125.

［11］ 孙中瑞，樊杰，孙勇，等.中国绿色科技创新效率空间关联网络结构特征及影响因素［J］.经济地理，2022，42（3）：33.

［12］ 滕堂伟，瞿丛艺，胡森林，等.长三角城市群绿色创新效率格局分异及空间关联特征［J］.华东师范大学学报（哲学社会科学版），2019，51（5）：107.

［13］ 杨树旺，吴婷，李梓博.长江经济带绿色创新效率的时空分异及影响因素研究［J］.宏观经济研究，2018（6）：107.

［14］ 骆灿，陆菊春.绿色创新效率的空间网络关联特征及形成机理：以长江经济带城市为例［J］.科技管理研究，2021，41（24）：195.

［15］ 董会忠，李旋，张仁杰.粤港澳大湾区绿色创新效率时空特征及驱动因素分析［J］.经济地理，2021，41（5）：134.

［16］ 曹靖，张文忠.不同时期城市创新投入对绿色经济效率的影响：以粤港澳大湾区为例［J］.地理研究，2020，39（9）：1987.

［17］ 许玉洁，刘曙光.黄河流域绿色创新效率空间格局演化及其影响因素［J］.自然资源学报，2022，37（3）：627.

［18］ 盛彦文，骆华松，宋金平，等.中国东部沿海五大城市群创新效率、影响因素及空间溢出效应［J］.地理研究，2020，39（2）：257.

［19］ 任阳军，何彦，杨丽波，等.生产性服务业集聚、制造业集聚对绿色创新效率的影响：基于中国城市面板数据的空间计量分析［J］.系统工程，2020，38（3）：27.

［20］ 姚孟超，段进军，张仁杰，等.中国高技术产业绿色创新效率的空间关联结构与影响机制分析［J］.长江流域资源与环境，2022，31（11）：2345.

［21］ 张桅，胡艳.长三角地区创新型人力资本对绿色全要素生产率的影响：基于空间杜宾模型的实证分析［J］.中国人口·资源与环境，2020，30（9）：106.

［22］ 梁圣蓉，罗良文.国际研发资本技术溢出对绿色技术创新效率的动态效应［J］.科研管理，2019，40（3）：21.

［23］ AITKEN B J，HARRISON A E.Do domestic firms benefit from direct foreign investment？Evidence from［J］.Am Econom Rev，1999，89（3）：605.

［24］ SHUAI S，FAN Z.Modeling the role of environmental regulations in regional green economy efficiency of China：Empirical evidence from super efficiency DEA-Tobit model［J］.J Environ Manag，2020，261（1）：110.

［25］ WANG Q，YI H T.New energy demonstration program and China’s urban green economic growth：Do regional characteristics make a difference？［J］.Energy Policy，2021，151：112.

［26］ 郭倩倩，张志斌，马晓敏，等.“流空间”视角下西北地区城市群内部网络空间结构及其驱动机制［J］.兰州大学学报（自然科学版），2024，60（1）：49.

［27］ 张峰，陈嘉伟.京沪高铁沿线装备制造业绿色创新效率的空间网络结构特征［J］.地理科学，2023，43（12）：2150.

［28］ LHAJJ R，ROKNE J.Encyclopedia of Social Network Analysis and Mining［M］.New York：Springer Publishing Company，2014：18.

［29］ 高志刚，苟红霞.科技创新门槛下贸易开放对绿色全要素生产率的影响——基于新疆14个地州市的实证分析［J］.资源开发与市场，2022，38（6）：688.

［30］ HAO Y，WU Y R，WU H T，et al.How do FDI and technical innovation affect environmental quality？Evidence from China［J］.Environ Sci Poll Res，2020，27（8）：7835.

［31］ TONE K.A slack-based measure of super-efficiency in data envelopment analysis［J］.Eur J of Operat Res，2002，143（1）：32.

［32］ 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.

［33］ 单豪杰.中国资本存量K的再估算：1952—2006年［J］.数量经济技术经济研究，2008，25（10）：17.

［34］ 王婧，杜广杰.中国城市绿色创新空间关联网络及其影响效应［J］.中国人口·资源与环境，2021，31（5）：21.

［35］ GUAN J，CHEN K.Modeling Macro-Ramp;D production frontier performance：an application to Chinese province-level Ramp;D［J］.Scientometrics，2010，82（1）：165.

［36］ 白俊红，王钺，蒋伏心，等.研发要素流动、空间知识溢出与经济增长［J］.经济研究，2017，52（7）：109.

［37］ SNYDER D，KICK E L.Structural position in the world system and economic growth，1955—1970：A multiple-network analysis of transnational interactions［J］.Am J Sociol，1979，84（5）：1096.

［38］ 王少剑，王泽宏，方创琳.中国城市碳排放绩效的演变特征及驱动因素［J］.中国科学：地球科学，2022，52（8）：1613.

［39］ 李青原，肖泽华.异质性环境规制工具与企业绿色创新激励：来自上市企业绿色专利的证据［J］.经济研究，2020，55（9）：192.

［40］ 冯瑜满，梁育填.中国电子信息制造业时空格局演化及影响因素［J］.热带地理，2022，42（12）：1980.

［41］ 刘承良，管明明，段德忠.中国城际技术转移网络的空间格局及影响因素［J］.地理学报，2018，73（8）：1462.

［42］ 董香书，卫园园，肖翔.财政分权如何影响绿色创新？［J］.中国人口·资源与环境，2022，32（8）：62.

［43］ 金刚，沈坤荣.以邻为壑还是以邻为伴：环境规制执行互动与城市生产率增长［J］.管理世界，2018，34（12）：43.

［44］ 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.

（责任编辑 马宇鸿）