基于超效率SBM模型的中国绿色技术创新效率分析

2021年第02期

ScienceandTechnology&Innovation

┃

科技与创新

文章编号：2095

－

6835

（

2021

）

02

－

0017

－

03

基于超效率SBM模型的中国绿色技术创新效率分析

昝哲

1

，张道明

2

，张康辉

1

，陈振

1

＊

（1.河南农业大学信息与管理科学学院，河南郑州450002；2.河南省农村合作经济经营管理站，河南郑州450002）

摘要：

绿色技术创新是中国经济持续发展的重要动力。在传统

DEA

模型的基础上，引入非期望产出与要素“松

弛”情况，采用超效率SBM模型对2009—2018年中国绿色技术创新效率进行测度与分析。研究结果表明，中国

2009

—

2018

年绿色技术创新效率呈波动性上升趋势，但整体水平不高，技术创新能力有待提高，总体呈“东高西

低”的分布格局；各地区绿色技术创新效率处于不均衡状况，效率损失的主要原因是投入要素过多和非期望产出

过量，要素存在不同程度的冗余；从投入要素来看，影响中国绿色技术创新效率的因素依次为劳动力、资本、技

术。最后，有针对性地提出政策建议，为提升中国绿色技术创新效率提供理论依据。

关键词：

绿色技术创新；超效率

SBM

模型；投入产出；技术变化

中图分类号：F293.2文献标志码：ADOI

：

10.15913/.2021.02.006

建议，为提升中国绿色技术创新效率提供一定的理论依据。

1研究方法

数据包络分析（DEA）是美国CHARNES等于1978年

提出，用来评价一组具有多个投入、产出的决策单元间的相

对效率

[9]

。基本模型是CCR和BCC模型，但其没有考虑要

素“松弛”现象。为弥补此缺点，TONE分别在2001年

[10]

和2002年

[11]

提出SBM模型与超效率SBM模型，后者不仅

考虑松弛变量，还可以对效率值大于1的决策单元进行排

序。本文选用非导向超效率SBM模型进行研究，模型如下：

min







1

m



x



/

x

ik

m

i



1

r

2



1



r

1

ddu





yy

sk





y

u

y

qk





r



p



q



1



s



1



绿色技术创新是将绿色发展与技术创新相结合

[1]

，是中

国经济可持续发展的重要动力。目前，中国经济发展进入新

时代，在取得巨大成就的同时，也带来了一系列的资源浪费

与环境污染。党的十九大明确提出要通过构建市场导向的绿

色技术创新体系推动绿色发展，贯彻创新、协调、绿色、开

放、共享五大发展理念，坚持人与自然的和谐共生，推进绿

色发展。而要实现中国经济的高质量发展，在加强技术能力

的同时，也要推进绿色发展理念，构建高效的绿色技术创新

体系。

绿色技术创新包括节能、防污染、废物回收、环境管理

等方面，不仅能给消费者和企业带来益处，也能减少环境污

染。在绿色技术创新效率的测算方面，主要采用的方法是

数据包络分析。关成华等

[3]

、成琼文等

[4]

、陈振等

[5-6]

、WANG

等

[7]

、易明等

[8]

等采用DEA模型对各行业或各地的绿色技术

创新效率进行测算研究。在绿色技术创新效率的影响因素方

面，成琼文等

[4]

认为促进绿色技术创新效率提升的主要因素

为平均企业规模、市场化程度、对外开放程度及环境规制强

度，而技术环境主要作用于绿色技术研发阶段。

综上，国内外学者对绿色技术创新效率进行了大量研

究，但传统DEA模型很少同时考虑环境污染等非期望产出

因素和“松弛”要素对创新效率的影响，这会造成效率被高

估的情况，并且无法进一步区分效率值为1的有效决策单

元。基于此，本文将非期望产出和要素“松弛”情况引入传

统DEA模型，采用超效率SBM模型对2009—2018年中国

各省的绿色技术创新效率进行测度分析，并对未达到效率有

效水平地区的投入冗余与产出不足进行分析，最后提出改进

——————————————————————————

[2]

nnn



dddd

（1）



x







x

ij



j

；

y





y

sj



j

；

y





y

qj



j

j



1

，



kj



1

，



kj



1

，



k





dkuu

x





xk

；

y



y

d

；

y



y

k

s

.

t

.









0

，

i



1

，

2

，



，

m

；

j



1

，

2

，



，

n

，

j



0



j



s



1

，

2

，



，

r

；

q



1

，

2

，



，

p



式（1）中：ρ

*

为最终的技术创新效率值；x、y

d

、y

u

分别为

投入矩阵、期望产出矩阵和非期望产出矩阵中的必要元素；

n为决策单元数量，每个决策单元有m种投入，r种产出和

p种非期望产出；λ为权重向量。

2指标选取与数据来源

根据数据选取的全面性、科学性、代表性和数据可得性，

同时借鉴相关文献[4-8]，构建中国绿色技术创新效率指标体

系，如表1所示。本文所需数据均来源于《2010—2019年

中国统计年鉴》。

＊

［

基金项目

］

河南省现代农业产业技术体系；河南省农业科技创新资源效率评价与提升路径研究（编号：

2019-ZZJH-326

）

·17·

科技与创新

┃

ScienceandTechnology&Innovation

表1绿色技术创新效率评价指标体系

一级指标

投入指标

二级指标

劳动力投入

资本投入

技术投入

期望产出指标

创新结果产出

创新经济产出

环境污染

三级指标

R&D人员投入

R&D经费支出

R&D项目数

专利申请量

新产品销售收入

废水排放量

非期望产出指标废气排放量

固废排放量

单位

人/年

万元/年

项/年

件/年

万元/年

万吨/年

万吨/年

万吨/年

2021年第02期

部分代表年份的计算结果。

根据表2中各地效率平均值，将其分为高、中、低三类

效率组，高效率组效率值大于1，即总体达到有效水平；效

率值在0.8～1之间的为中效率组；效率值小于0.8的地区为

低效率组。

整体来看，处于高效率组的地市多位于中国东部地区，

这些地区有较强的生态环保理念和创新驱动能力。中、西部

地区主要处于中、低效率组，由于经济发展对这些地区的生

态环境压力较大，因此效率值相对较低。

从变化趋势来看，上海、北京、吉林等地的绿色技术创

新效率一直处于较高水平；黑龙江、内蒙古、青海等地的效

率值一直处于较低水平；重庆市的效率值在10年间出现了

明显下降；广东、安徽、广西等地有显著提升。

2013

1.1318

1.1822

1.2232

1.0556

1.1535

1.2302

1.0376

1.1127

1.0103

1.0504

0.4995

0.6636

0.5150

0.5812

0.4608

0.5329

0.4661

0.3925

0.4683

0.3990

0.3735

0.4408

0.4432

0.3590

0.3372

0.2836

0.3362

0.5466

0.2214

0.2143

2014

1.1372

1.2115

1.0223

1.1515

1.1088

1.1266

1.0913

1.1787

1.0226

1.0229

0.4886

0.5307

0.4198

0.4272

0.4891

0.5031

1.0326

0.4307

0.4159

0.3821

0.3736

0.4099

0.3198

0.3327

0.3338

0.2635

0.2980

0.1324

0.1997

0.1928

2016

1.1638

1.3260

1.1155

1.3298

1.9227

1.1037

1.0499

1.1701

1.0331

1.0417

0.4897

0.4564

0.6844

0.4618

0.4208

0.5167

0.4217

0.5747

0.3702

0.3534

0.3189

0.2415

0.2892

0.3274

0.2584

0.2770

0.2749

0.2106

0.2144

0.1756

2018

1.5692

1.2668

1.2682

1.6239

0.9236

1.1293

1.0386

1.1378

0.8926

0.8269

0.4628

0.4826

0.8962

0.4682

0.4672

0.5265

0.4386

0.6827

0.3678

0.3926

0.3287

0.3692

0.3689

0.3586

0.3021

0.3623

0.2869

0.5832

0.3628

0.2869

均值

1.3796

1.2827

1.2046

1.1797

1.1493

1.0817

1.0197

0.9817

0.9573

0.8750

0.5841

0.5229

0.5125

0.4941

0.4698

0.4555

0.4403

0.4055

0.3630

0.3372

0.3356

0.3123

0.3104

0.2959

0.2760

0.2754

0.2668

0.2362

0.2202

0.1875

3实证分析

3.1中国绿色技术创新效率测算与结果分析

运用DEASolver-Pro5.0软件采用超效率SBM模型对中

国2009—2018年30个省市（西藏除外）的绿色技术创新效

率进行测算，结果如表2所示。由于篇幅限制，表2仅展示

分组地区

上海

北京

吉林

高效率组广东

天津

浙江

江苏

安徽

中效率组重庆

湖南

福建

山东

广西

海南

四川

湖北

新疆

江西

辽宁

低效率组

河南

贵州

甘肃

宁夏

河北

云南

陕西

山西

青海

内蒙古

黑龙江

2009

1.1368

1.3269

1.2825

0.9861

1.1136

0.9326

0.9562

0.7286

1.0106

0.7629

0.4276

0.5182

0.2986

0.5382

0.3382

0.3327

0.3082

0.2082

0.3163

0.2625

0.3276

0.2372

0.2198

0.2182

0.2361

0.2369

0.2285

0.1283

0.1628

0.1269

2011

1.1901

1.4091

1.2505

0.9774

1.1226

0.9672

0.9758

0.5620

1.0410

0.5174

0.4090

0.5197

0.2329

0.5732

0.3098

0.3444

0.3227

0.2181

0.3193

0.2662

0.3558

0.2630

0.2341

0.2368

0.2623

0.2637

0.2342

0.0512

0.1794

0.1551

表22009—2018年中国各地绿色技术创新效率

将中国分为东、中、西三大区域，各区域绿色技术创新

效率变化情况如图1所示。由图1可知，中国2009—2018

年绿色技术创新效率呈波动性上升趋势，但整体水平不高，

有很大提升空间，总体呈“东高西低”的分布格局。出现这

样的分布局势，原因可能为东部地区经济发达，有较强的创

新驱动能力，且在技术创新过程中，注重保护生态环境，采

用了较为合理的绿色发展措施，相应的绿色技术创新效率就

领先于中国平均水平。

3.2区域绿色技术创新效率优化分析

对2018年中国30个省份的相关数据进行处理，得到各

·18·

2021年第02期

地绿色技术创新相应指标的松弛量。下面列出2018年23个

DEA相对无效地区的要素投入产出的冗余与不足情况，如

表3所示。

图12009—2018年中国各区域绿色技术创新效率

表32018年中国地区绿色技术创新投入产出冗余率

投入冗余率/（%）期望产出不足率/（%）

地区

劳动力资本技术

专利销售

申请量收入

天津-11.61-1.31-43.9100

东

河北-11.11-18.360120.9214.93

部

辽宁0-26.76-6.9291.921.9

地

福建-18.280-19.09087.09

区

山东0-37.63-12.0586.470.57

海南-1.920-45.7977.949.15

山西-41.59-31.180107.70

中

黑龙江-15.390-14.62132.81126.58

部

江西0-8.75-0.7900

地

河南-19.53-14.17088.516.81

区

湖北-10.5-14.09048.370

湖南-20.55-4.9303.90

内蒙古-36.81-44.56059.250

广西20.730000

重庆00-20.0221.10

西

四川-8.30-16.81052.73

部

贵州-26.960-23.410100.4

地

云南00-17.0770.06105.01

区

陕西-21.310029.15113.69

甘肃-12.520-20.590152.44

青海-3.86-19.40048.71

宁夏0-8.91-12.4361.9561.03

新疆-2.46-37.490029.41

总体平均值-12.32-8.36-7.9231.2528.45

从表3可得，在30个决策单元中，相对有效的决策单

元有7个，相对无效决策单元有23个，其中有4个效率值

大于0.8，稍加改进就可以达到有效水平。

从各省份的数据来看，各省的绿色技术创新发展处于不

均衡状况，要素存在不同程度冗余。从投入要素来看，绿色

技术创新效率的影响因素依次为劳动力、资本、技术。劳动

力占比最高，达到12.32%，说明中国劳动力投入稍高，存

在浪费现象。其中，山西、内蒙古的劳动力冗余率分别高达

41.59%、36.81%。资本是第二因素，内蒙古、山东的资本冗

余率分别达到44.56%、37.63%。技术投入的冗余率是7.92%，

对效率损失影响最小，其中海南、天津、贵州技术冗余较高，

分别达到45.79%、43.91%、23.41%。

ScienceandTechnology&Innovation

┃

科技与创新

4结语

在传统DEA模型的基础上，考虑非期望产出与要素“松

弛”情况，采用超效率SBM模型对中国各地的绿色技术创

新效率进行测度与分析。结果表明：①中国2009—2018年

绿色技术创新效率呈波动性上升趋势，但整体水平不高，总

体呈“东高西低”发展态势，空间差异明显。②2009—2018

年各地绿色技术创新效率出现不同情况的变动。广东、安徽

等地的绿色技术创新效率有显著提升；重庆市出现明显下

降；上海、北京、吉林等地一直处于较高水平；而黑龙江、

内蒙古等地一直处于较低水平。③各省绿色技术创新效率处

于不均衡状况，要素存在不同程度的冗余。从投入要素的平

均冗余率来看，其影响因素依次为：劳动力、资本与技术。

基于上述结论，提出以下建议：①加大绿色技术创新投

入，优化创新资源合理配置。充分发挥政府的引导作用，鼓

励企业加大科技投入与研发，减少市场干预。同时加大对资

金紧张且创新能力强的企业的支持。此外，政府还可以鼓励

企业与高校间多多进行技术交流，从而形成高效的绿色技术

创新体系。②因地制宜实施环境治理政策，缩小区域发展差

距。针对区域发展不均衡状况，因地制宜实施环境治理措施，

适当增加东部对中西部地区的技术与资源共享，促进区域的

协调可持续发展。③加强实施创新驱动战略，促进绿色技术

创新发展。各地政府应落实创新驱动战略，制定创新激励政

策，加强地区间的技术交流。此外，工业企业应将绿色作为

发展理念，转变传统的发展模式，促进绿色经济发展效益的

大幅度提升。同时，针对一些对环境污染较严重的企业，政

府应予以关闭或者迁移，采用高标准的污染防治，为中国经

济的绿色发展奠定坚实基础。

此外，本研究还存在一些不足之处，例如未对中国绿色

技术创新效率的影响因素做进一步实证探究，未对绿色技术

创新全要素生产率进行分解，明确技术创新效率的动态演化

趋势有待提高，在指标体系构建上还有待完善等，这些不足

之处需在以后研究中进一步探讨。

参考文献：

1

］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.

2］LUOQ，MIAOC，SUNL，encyevaluationof

greentechnologyinnovationofChina'sstrategicemerging

industries:anempiricalanalysisbasedonmalmquist-data

envelopmentanalysisindex［J］.Journalofcleaner

production

，

2019

，

238

（

9

）：

146-156.

3

］关成华，李晴川

.

环境规制对技术创新效率的影响分析

——基于创新链视角的两阶段实证检验［J］.中国环

境管理，

2020

，

12

（

2

）：

105-112.

4

］成琼文，贺显祥，李宝生

.

绿色技术创新效率及其影响

（下转第22页）

·19·

［

［

［

［

科技与创新

┃

ScienceandTechnology&Innovation

4应用情况

本课题基于浏览器/服务器模式，使用基于Python的

flask框架技术，使用HTML5、JavaScript和CSS等前端技

术，通过异步请求实现无刷新定时更新页面数据。通过传输

层TCP协议与应用层HTTPS协议传输数据，保证数据完整

性和安全性。使用MySQL数据库管理数据，浏览器通过发

送HTTPS请求、接收JSON格式的返回数据。主要实现数

据采集、数据存储及管理、可视化展示3个功能模块。

数据采集：包括实时数据和非实时数据两种。非实时数

据包括服务器基本配置信息、操作系统版本、系统启动时间

等。实时数据包括服务器主要负载指标、硬盘使用情况、网

卡实时流量、系统运行时长、端口使用和进程分配的情况。

数据存储及管理：通过数据库管理系统将采集到的结构

化数据整合为业务数据。

可视化展示：包括服务器硬件资源使用情况、系统端口

使用列表和进程分配列表等数据的多种模型可视化展示。

本课题已经在车辆监控平台相关的15台服务器上研究

部署并成功应用，如图4所示，实现了对服务器、网络、数

据库、中间件和应用系统等要素的监控和统一管理，具有分

布式、全覆盖、自动化和安全可靠等特点。本课题支持从业

务视角排查并定位故障，让系统运维人员能够及时定位并解

决系统运行问题，提升运维质量和效率，降低运维难度和风

险，具有良好的推广前景。在今后的工作中，还需要进一步

完善系统日志深化分析和报警体系（如微信、短信推送等）

建设，使之成为更加全面、高效、智能的自动化监控运维

参考文献：

平台。

2021年第02期

图4首页

［

1

］郑征

.Python

自动化运维快速入门［

M

］

.

北京：清华大

学出版社，

2019.

［2］李辉.FlaskWeb开发实战：入门、进阶与原理解析［M］.

北京：机械工业出版社，

2018.

［

3

］王国平

.Python

数据可视化之

Matplotlib

与

Pyecharts

［

M

］

.

北京：清华大学出版社，2020.

————————

作者简介：

吴文哲（

1985

—），

2011-08

毕业于电子科技大

学，工程硕士学位，技术专家、高级工程师，主要从事信息

系统集成和运维等方面的工作。

〔编辑：张思楠〕

（上接第19页）

因素——基于我国35个工业行业的实证研究［J］.中

南大学学报（社会科学版），2020，26（2）：97-107.

［

5

］陈振，郑锐，李佩华，等

.

河南省农业科技创新效率评

价与分析［J］.河南农业大学学报，2018，52（3）：

464-469，484.

［

6

］陈振，郑锐，李佩华

.

基于

DEA-Malmquist

方法的全国

农业科技创新效率分析［J］.河南科学，2017，35（12）：

2048-2054.

［

7

］

WANGY

，

PANJ

，

PEIR

，

ingthetechnological

innovationefficiencyofChina'shigh-techindustrieswith

atwo-stagenetworkDEAapproach［J］.Socio-economic

planningsciences

，

2020

（

71

）：

100810.

［8］易明，李纲，彭甲超，等.长江经济带绿色全要素生产

率的时空分异特征研究［J］.管理世界，2018，34（11）：

178-179.

［9］魏权龄.数据包络分析［M］.北京：科学出版社，2004.

［10］s-basedmeasureofefficiencyindata

［

J

］

anjournalofoperational

research，2001，130（3）：498-509.

［11］s-basedmeasureofsuper-efficiencyin

dataenvelopmentanalysis

［

J

］

.Europeanjournalof

operationalresearch，2002，143（1）：32-41.

————————

作者简介：

昝哲（

1997

—），女，河南平顶山人，硕士研究

生，研究方向为不确定性决策理论与方法、复杂系统建模与

仿真。

通讯作者：

陈振（

1974

—），男，河南汝南人，教授，硕士

研究生导师，研究方向为运筹学与控制论、不确定性决策理

论与方法。

〔编辑：严丽琴〕

·22·