●高质量发展
空间关联下绿色创新的雾霾污染效应研究
刘晓红
(南京晓庄学院 商学院，江苏 南京 211171)
摘 要: 文章利用我国29个省区的面板数据，在对绿色创新水平测度以后，分析了省际绿色创新的时空变化特征。结果发现：中国省际绿色创新呈缓慢上升趋势；绿色创新水平较高的区域为东部沿海、南部沿海和北部沿海，整体上呈现东高西低、南高北低的态势；中国省际绿色创新空间正自相关显著，存在空间集聚，主要是L-L集聚；中国省际雾霾污染存在空间外溢效应。使用邻接权重、距离权重和经济权重，实证考察了绿色创新、贸易开放度、能源强度对PM2.5的影响，经济权重中，绿色创新水平的直接效应、间接效应、总效应显著为负；邻接权重、距离权重和经济权重中，贸易开放度的直接效应、间接效应和总效应显著为负；邻接权重和经济权重中，能源强度的直接效应、间接效应和总效应显著为正。最后，提出相关对策建议。
关键词: 绿色创新；雾霾污染；空间杜宾模型
一、引 言
当前，对于绿色创新，学术界尚无统一的定义，绿色创新、环境创新和生态创新这几个属于同义词(Schiederig et al., 2011)[1]。本文使用下面的定义：“绿色创新是那些能够造福环境、实现环境可持续性发展的新的(或完善后的)流程、实践、系统和产品创新。”[2]绿色创新可以有效减少环境污染和资源(如能源)使用过程的负面影响，从而创造可持续发展(Kemp and Pearson, 2007)[3]。国内外对绿色创新的研究日益丰富，有的研究了绿色创新评价(Eiadat et al., 2008[4]；曹慧, 2016[5]；刘章生等，2017[6])。如周力(2010)基于DEA-Malmquist指数方法，测度了中国省级的绿色创新指数[7]。有的对绿色创新驱动因素进行了研究，包括利益相关者的压力、政府的规章制度、冗余资源、经理和员工的预期经济利益和环境意识(Caputo, 2014[8]; Murillo-Luna, 2008[9])。如应瑞瑶、周力(2009)利用1999-2006年中国省际面板数据,分析了资源禀赋、绿色创新及经济增长的逻辑关系，结果表明:我国绿色创新的激励机制主要源于煤炭的污染性,各地区的绿色创新主要面向“减排”[10]。有的研究了绿色创新所带来的影响，如Kunapatarawong and Martínez-Ros(2016)从西班牙技术创新小组(PITEC) 2007-2011年的数据中检验了绿色创新与就业之间的关系，结果发现绿色创新与就业存在正相关关系，绿色创新的重要性有所增加[11]。何小钢(2015)在内生经济增长框架下，揭示了绿色技术创新推动经济可持续增长转型的内生机制，理论研究表明：绿色技术创新是推动经济增长的重要动力和源泉；在既定的生产技术水平下，技术进步的绿色程度越高，越有利于企业生产过程中的节能减排[12]。王海龙等(2016)建立随机效应的Tobit回归模型，分析了绿色技术创新效率对绿色增长绩效的影响，结果表明：绿色技术创新效率对于绿色增长绩效存在显著的正向影响[13]。
既有的国内外文献对绿色创新进行了有益的探索，但也存在以下几个方面的不足：第一，在绿色创新评价指标体系方面，缺乏把废水排放量指标纳入评价体系的文献；第二，分析绿色创新时空分布特征的文献较少；第三，尚缺乏研究空间关联下绿色创新雾霾污染效应的文献。与以往研究相比，本文的主要贡献在于：第一，把废水排放量等指标纳入绿色创新评价指标体系；第二，分析了中国省际绿色创新水平的时空分布特征；第三，以PM2.5指代雾霾污染，使用邻接权重、距离权重和经济权重，分析了空间关联下绿色创新的雾霾污染效应。
二、绿色创新水平测度与数据来源
(一)指标体系构建与数据来源
第十三个五年规划纲要在创新驱动方面提出了研究与试验发展经费投入强度、发明专利、互联网普及率等指标。在资源环境方面，提出了单位GDP能源消耗、森林覆盖率、空气质量优良天数比率、二氧化硫及废水排放总量等指标。基于第十三个五年规划纲要以及中国区域创新能力评价报告(2016)，本文从创新驱动以及资源环境两个方面选取13个二级指标，具体见表1所列。
驱车进入市区的路上，已是华灯初上。一路的车灯和霓虹妆点夜的多彩和迷蒙。两人虽是第二次会面，但熟识度亦如多年老友。伍亦苒带着他去了新区的一家专营海鲜生意的高档酒楼，一桌生猛，艳丽奢华，两箸生辉，相谈甚欢。
秦铁崖说没有。老太医问他是何处人，秦铁崖回答说扬州。老太医有些吃惊：“扬州？老家就是扬州？我本以为，就你这身形，注定是山东大汉，武二郎再世。原来销金窟扬州，也出公门中人，威猛汉子。”
在中国陶瓷造型研究中，“盖罐”是常见的一种造型。“加了盖子的罐”，在原有的物体加上了构件，丰富了造型形态语言，创造不同的审美视角。“盖罐”既是盛实物的容器,早在新石器时代就已出现过配有盖的陶罐。依据其形制的不同，有不同的造型和装饰，各个朝代各个时期有其独有的特性。元代盖罐的造型风格在各个历史时期都具有不同的风格,而风格的变化中最为明显是造型的不同。由于受到蒙古族的民风和文化的影响,器型多具有形体大、胎厚、体较重的特征,腹部更鼓,且整个罐体有下压趋势, 颈变长直, 肩部较丰满，颈与腹部间的距离缩短。造型整体大气浑厚。
如前所述，空间计量面板模型一般有三种，为了确定采用哪一种模型，要使用非空间交互效应模型进行检验，结果见表4所列。
表1 绿色创新评价指标体系
(二)纵横向拉开档次法
y i (t k )为省区S i 在时刻t k 处的综合评价值。w j (j =1,2,…,m )为权重系数，其原则是最大可能体现出各被评价对象之间的差异；x ij (t k )是在t k 时期i 单元的第j 个评价指标。S 1,S 2, …,S n 在时序立体数据表上的整体差异，可用y i (t k )的总离差平方和表示：
郭亚军(2007)认为，基于时序动态视觉的纵横向拉开档次法，评价过程客观，能最大限度地体现评价对象之间的整体差异，非常适用于面板数据[16]。杨万平(2010)首次将纵横向拉开档次法应用于环境评价中[17]。故本文采用此方法进行绿色创新水平测度。
有n 个评价对象S 1,S 2, …, S n , 有m 个评价指标x 1,x 2,…,x m ,按照时间顺序t 1,t 2,…,t N ,可组成面板数据x ij (t k )。从而设置综合评价函数[18]：
y i (t k )=
k =1,2,…,N ；i =1,2,…,n
(1)
1.纵横向拉开档次评价方法
(2)
目前，虽然风能、太阳能等新型能源已逐渐运用到建筑电气工程中，但新型能源仍处于投入使用的摸索阶段，以致新型能源在其使用性能等方面依然存在很多缺陷，而智能化建筑的主要能耗就是电气能耗。相关统计证明，建筑耗能在我国的整体能耗中，占据相对较大的比重，而电气能耗位居首位。因为我国近几年才时兴智能化建筑的相关节能技术，实践经验严重不足，且仍未有规范的建筑电气节能设计标准，以致建筑电气节能在其运行中存在很多不足，耗能量也相对较大。
Inclusion criteria:clinical trials involving participants diagnosed with AD were included.
σ 2=
(3)
其中，
为m ×m 阶对称矩阵，
且
除学习科目外，学院在课程设置的其他方面也对学生提出了相应的要求和规范。例如：积极鼓励学生参加各种类型的学术会议以及与本学科专业相关的大型会议，参加会议可跟随导师，也可自行参加。在学术讨论上，学生可以与导师提前联系沟通，在时间允许的情况下，可进行同“师门”的学术研讨与汇报等。
A k =
k =1,2,…,N
(4)
如果w Tw =1，当取w 为矩阵H 的最大特征值λ max(H )所对应的(标准)特征向量时，σ 2取最大值。并且
故求出矩阵H 的最大特征向量，并归一化，即可求出对应权重w ,并且
2.使用纵横向拉开档次法计算绿色创新水平的步骤
首先，指标的归一化处理。为消除量纲，对各指标进行极值归一化处理。
对于压力指标，令
㊸Trouillot，Michel－ Rolph，“The anthropology of the state in the age of globalization”，Current Anthropology，2001．
(5)
通过GeoDA9.5软件，采用Queen相邻，得出2003-2016年中国省际绿色创新水平的Moran’sI 指数为0.371 5。经过999次permutations，可得P 值为0.001，正态统计量Z 值为3.422 3，大于正态分布函数在0.05显著水平下的临界值1.96，说明中国省际绿色创新水平空间自相关显著，存在空间集聚。
(6)
按照传统的八个区域划分方法，将我国省际绿色创新水平分为八个区域，如图1所示，八个区域绿色创新的描述性统计见表3所列。
其次，根据公式(4)计算实对称矩阵H k 和H 。
再次，求解实对称矩阵H 的最大特征值及相应的标准特征向量，对标准特征向量进行归一化处理以确定组合权向量w j 。
最后，利用公式(1)测算绿色创新水平。
三、中国省际绿色创新水平时空分异特征
(一)中国省际绿色创新水平时间变化特征
使用上文所述的评价指标体系和研究方法，可得29个省区绿色创新水平的测度值，具体见表2所列。
表2 中国29个省区绿色创新水平
如表2所列，中国省际绿色创新水平呈缓慢上升趋势，这说明中国省际绿色创新水平并不乐观。绿色创新水平年度均值排在前八位的省区分别是北京、广东、浙江、上海、福建、江苏、海南、天津。其中，北京绿色创新水平最高。由低到高，绿色创新水平年度均值排在后八位的省区分别是山西、新疆、河北、内蒙古、宁夏、河南、甘肃、青海。山西的绿色创新水平最低，为0.2675。北京的绿色创新水平是山西的2.12倍，可能是由于经济发展水平、所处地理位置和科技水平不同而产生的差距。
对于VPN网络，大多数企业认为，公司网络处于一道网络防火墙之后是安全的，员工可以拨号进入系统，而防火墙会将一切非法请求拒之其外。然而公司的防火墙虽然可以将侵入者隔离在外，但侵入者却可以通过一个被信任的用户进入网络。针对VPN的安全防护，一般可以采用隧道技术、加解密技术、密钥管理技术和使用者与设备身份认证技术来进行安全保证。
(二)中国区域绿色创新水平时间变化特征
分别为第j 个指标的最大值和最小值。
图1 中国区域绿色创新水平变动轨迹
表3 区域绿色创新水平的统计性描述
从图1可以看出，2003-2016年，绿色创新水平较高的区域为东部沿海、南部沿海和北部沿海，这三个区域各年绿色创新水平的均值高于全国。在样本考察期内，西南地区、黄河中游、西北地区这三个区域各年绿色创新水平的均值低于全国。从表3可以看出，全国绿色创新水平的年均值为0.362 9。八个区域中，东部沿海绿色创新水平的年均值为0.456 6，居于第一位；南部沿海与北部沿海分别位居第二、第三位；东北地区绿色创新水平的年均值高于长江中游，这两个地区绿色创新水平的年均值与全国大致持平；西南地区、黄河中游和西北地区绿色创新水平的年均值低于全国。
四、中国省际绿色创新水平空间分异特征
(一)中国省际绿色创新水平空间分布格局
使用ArcGIS10.2软件，根据四分位法，绘出2003-2016年中国省际绿色创新水平的均值分布图如图2所示。
图2 2003-2016年中国绿色创新水平均值分布
由低到高，省际绿色创新水平分为四个层级：第一层级的省区有山西、新疆、河北、内蒙古、宁夏、河南、甘肃等；第二层级的省区有青海、贵州、山东、四川、安徽、广西、湖南、云南等；第三层级的省区有湖北、辽宁、黑龙江、陕西、吉林、江西、天津；第四层级有海南、江苏、福建、广东、上海，浙江、北京等。从中可以看出，中国省际绿色创新水平存在空间集聚，南部沿海、东部沿海地区的绿色创新水平较高，西北地区、黄河中游的绿色创新水平较低，中国省际绿色创新水平整体上呈现东高西低、南高北低的态势。
(二)中国省际绿色创新水平全局空间自相关分析
对于支撑力指标，令
使用Moran’sI 指数散点图进一步考察这种空间集聚状态，如图3所示。
第一象限为H-H(高-高)集聚，广东、浙江、上海、福建、天津、江苏、江西等7省区位于这一象限，海南同时跨越第一象限和第四象限。第一象限省区数量占所考察全部省区的27.6%，主要位于东部沿海与南部沿海。第三象限为L-L(低-低)集聚，山东、河北、辽宁、云南、河南、山西、湖北、内蒙古、宁夏、甘肃、青海、新疆、四川、贵州等14个省区位于这一象限，占所考察全部省区的48.3%，主要位于西北地区、黄河中游。第二象限是L-H(低-高)集聚，安徽、广西、湖南这3个省区位于这一象限。第四象限为H-L(高-低)集聚，北京、吉林、陕西、黑龙江这4个省区以及海南一共5个省区位于这一象限。总的来说，位于H-H象限与L-L象限有相同空间自相关的省区所占比重为75.9%;位于L-H象限与H-L象限具有不同空间自相关的省区只占27.6%。综合以上可以看出，中国省际绿色创新水平主要是L-L集聚，与前文所述一致，中国省际绿色创新水平亟需提高。
图3 2003-2016年中国绿色创新水平均值的 Moran’s I 指数散点图
五、空间关联下绿色创新的雾霾污染效应研究
基于绿色创新水平的空间集聚，下文使用空间计量模型分析绿色创新水平对雾霾污染的影响。
(一)空间计量模型构建
空间面板模型主要包括空间滞后模型SLM、空间误差模型SEM和空间杜宾模型SDM三类(Anselin et al., 2008)[19]。根据Elhorst (2012)[20]的研究，空间滞后模型SLM公式为：
现阶段，我国部分中小型企业之所以出现贸易融资风险，其主要原因就是融资渠道较少，且融资形式较为单一，融资效率极为低下。我国中小型企业目前的主要融资方式为：信用证押汇、打包贷款、国际保理等形式。出口银行可以向企业推荐合适的融资渠道和融资形式，但由于我国实际情况的限制，中小企业无法采用国际上较为盛行的现代融资方式，只能通过传统融资方式进行融资，信用证仍然是我国中小型企业进行国际贸易融资最主要的方法，致使我国中小型企业在国家金融动荡环境下，很容易因为贸易融资渠道的单一而发生风险。
y it =
i =1,…,N ；t =1,…,T
(7)
其中，y it =(y 1t ,y 2t ,y 3t …,y Nt )T,是被解释变量组成的N ×1维矢量；
是被解释变量y it 同相邻单元y jt 之间的交互效应；w ij 为N ×N 阶非负空间权重矩阵；δ 是内生交互效应的响应参数；α 是常数项；x it 是N ×K 的外生解释变量矩阵；β 是与x it 相匹配的响应参数；ɛit 是独立同分布误差项，服从(0，σ 2)分布；μ i 代表空间效应，λ t 是时间固定效应。
由于对原始数据的标准化处理，有
从而有:
本文使用三种空间权重矩阵，一种是传统的二进制空间邻接矩阵，即
(8)
另一种是距离权重，即
(9)
d ij 为两地区地理中心位置之间的距离。
第三种是经济权重，是邻接权重w 与各地区GDP所占比重均值为对角元的对角矩阵的乘积(王火根、沈利生，2007)[21]，即
(10)
其中：
空间误差模型SEM具体形式为：
y it =α +x it β +μ i +λ t +φ it
(11)
φ it 是空间自相关误差项；ρ 是空间自回归系数。
空间杜宾模型SDM具体形式为：
y it =
(12)
θ 和β 相同，是K ×N 维参数向量。
为了分析绿色创新对中国省际雾霾污染的影响，构建如下模型：
ln(PM 2.5it )=α +β 1ln(Greeninit )+β 2(lnTo)+
β 3ln(Eiit )+ε it
(13)
其中，PM2.5为可入肺颗粒物年均浓度，我国政府文件习惯称之为细颗粒物，单位是微克/立方米；解释变量是绿色创新，用Greenin表征。控制变量是贸易开放度和能源强度，To表征贸易开放度，为各省区进出口货物总额占地区GDP的比重，单位为%；Ei表征能源强度，为各省区能源消费量与地区GDP之比，单位是吨标准煤/万元GDP。
基于模型(13)，结合空间计量经济学模型，下文接着考察绿色创新对雾霾污染的影响。
3.2 播种造林法：又称直播造林，是将林木种子直接播种在造林地进行造林的方法。这种方法省去了育苗工序，而且，施工容易，便于在大面积造林地上进行造林。但是这种方法造林对造林立地条件要求较严格，造林后的幼林抚育管理措施要求也较高。播种造林的适用条件∶适合于种粒大、发芽容易、种源充足的树种，如橡栎类、核桃、油茶、油桐和山杏等大粒种子。其要求造林地土壤水分充足，各种灾害性因素较轻，对于边远且人烟稀少地区的造林更为适宜。
(二)空间诊断性检验
本文对中国大陆29个省级行政区域进行考察，基于西藏与重庆的数据缺失较多，故不考虑西藏和重庆。本文各原始数据来自2004-2017年《中国统计年鉴》《中国能源统计年鉴》《中国科技统计年鉴》以及各省区历年《统计年鉴》、各省区历年国民经济和社会发展统计公报。雾霾污染的主要成分为PM2.5和PM10，本文用PM2.5指代雾霾污染。我国对PM2.5的监测较迟，所以，对于2010年及以前PM2.5浓度数据的获取，主要根据哥伦比亚大学和巴特尔研究所研究团队利用卫星搭载设备对全球气溶胶光学厚度(AOD)进行测定得到的年均值(Donkelaar et al., 2010)[14]。本文2003-2010年中国各省人口加权年均PM2.5浓度数据也来源于此。2011-2012年PM2.5浓度数据根据中国环境监测中心的监测资料计算得来。2013-2016年资料来自中国统计年鉴(2014-2017)。借鉴马丽梅(2016)[15]的研究,以省会城市数据代替省区数据。
表4 非交互效应模型检验结果
注：*、**、***分别表示在10%、5%、1%水平上显著，下同。
在邻接权重中，LM-lag、LM-error、Robust LM-lag检验显示，联合OLS，空间固定效应、时间固定效应、双向固定效应等四类模型都在10%的显著水平上拒绝了没有空间滞后项的原假设和没有空间自相关误差项的原假设。空间固定效应与时间固定效应没有通过Robust LM-error的显著性检验。根据埃尔霍斯特(2015)[22]的研究,选用空间杜宾面板模型，计量方法为Elhorst(2003)[23]提出的极大似然(ML)估计。距离权重中，LM-lag、LM-error检验显示，四类模型都通过了1%水平的显著性检验。时间固定效应没有通过Robust LM-lag检验。从Robust LM-error检验来看，只有空间固定效应通过了显著性检验，故与邻接权重相同，选择空间杜宾面板模型。经济权重中，LM-lag、Robust LM-lag、Robust LM-error检验表明，联合OLS等四类模型都在10%的显著水平上拒绝了没有空间滞后项的原假设和没有空间自相关误差项的原假设。故与距离权重、邻接权重相同，选择空间杜宾面板模型。通过LR检验进行固定效应的选择，结果显示，在1%的显著水平上，既拒绝了空间固定效应不显著性的原假设，也拒绝了时间固定效应不显著的原假设，故选择双向固定效应模型。
(三)实证结果分析
双向固定效应的空间杜宾模型SDM结果见表5所列。
表5 空间杜宾模型SDM估计结果
续表5
三种权重的Wald和LR检验显示：在1%显著水平上，既拒绝了空间杜宾模型SDM转化为空间滞后模型SLM的原假设，也拒绝了空间杜宾模型SDM简化为空间误差模型SEM的原假设，因此，要使用空间杜宾模型SDM。邻接权重Hausman检验的估计值为26.037 9，自由度为7，P 值为0.000 5。故拒绝随机效应，使用双向固定效应模型。埃尔霍斯特(2015)指出，空间滞后被解释变量和解释变量的系数估计对偏误修正比较敏感[22]，故在下文邻接权重的分析中，选择偏误修正的双向固定效应模型即表5中第三列数据进行分析。距离权重Hausman检验的估计值为2.561 9，自由度为7，P 值为0.922 4。故要拒绝双向固定效应模型，选择随机效应模型，即距离权重使用表5下半部分最后一列数据进行说明。经济权重Hausman检验的估计值为43.264 7，自由度为7，P 值为0，故拒绝随机效应，使用双向固定效应模型。与邻接权重相同，选择偏误修正的估计结果，即经济权重使用表5中下半部分第三列数据进行分析。
比较表4和表5的估计结果，可以看出，不管是邻接权重、距离权重以及经济权重，非交互效应模型的R 2较小。邻接权重、距离权重以及经济权重非交互效应双向固定模型的R 2都为0.201 5。邻接权重、经济权重偏误修正的双向固定效应空间杜宾模型R 2分别为0.940 8、0.920 4，距离权重空间随机效应和时间固定效应空间杜宾模型R 2为0.873 9。这说明本文使用空间计量模型分析绿色创新水平对雾霾污染的影响是合理的。邻接权重、距离权重、经济权重的空间自回归系数分别为0.507 8、0.403 9、0.251 7，且都通过了1%水平的显著性检验，中国省际雾霾污染存在空间外溢效应。
由于非空间双向固定效应与空间计量模型中每一变量估计值所表示的意义并不相同，故表4中双向固定效应估计各变量的系数与表5中的估计系数无法进行比较。LeSage and Pace(2009)[24]认为，直接效应和间接效应能够说明各变量真实的空间溢出效应，故本文分解了解释变量和控制变量的直接效应和间接效应，结果见表6所列。经济权重的分解结果优于邻接权重和距离权重，故使用经济权重的结果进行分析。绿色创新水平的直接效应显著为负，绿色创新水平每提高一个百分点，将使本地区雾霾污染下降1.280 8个百分点。绿色创新的间接效应和总效应都为负值，且都通过了显著性检验，说明我国绿色创新水平的提高可以有效减少雾霾污染。控制变量中，贸易开放的直接效应、间接效应和总效应都通过了显著性检验，且都为负值。贸易开放度每提高一个百分点，将使本地区雾霾污染下降0.283 2个百分点，使相邻地区雾霾污染下降0.586 6个百分点，进而使全局雾霾污染下降0.824 8个百分点。能源消费的直接效应、间接效应和总效应都显著为正，降低能源强度会降低本地区雾霾污染，并使相邻地区雾霾污染下降，最终减少全局雾霾污染。
表6 空间杜宾面板模型SDM的直接效应、间接效应和总效应
(四)稳健性检验
为了检验上述结论的稳健性，根据第十三个五年规划纲要，构建新的绿色创新评价指标体系。仍然从创新驱动和资源环境两个方面选取指标，创新驱动指标不变，包含研究与试验发展经费投入强度、发明专利、互联网普及率等8个指标。资源环境方面，去除了废水排放量指标，增加了氨氮、需氧量等指标。采用上文所述的纵横向拉开档次评价方法进行绿色创新水平测度。下面使用重新测度的29个省区绿色创新水平进行空间计量分析。空间诊断性检验表明，需要采用空间杜宾模型。空间杜宾模型即稳健性检验结果见表7所列。
Hausman检验显示，邻接权重和经济权重选择偏误修正的双向固定效应，距离权重选择空间随机效应和时间固定效应。邻接权重、距离权重、经济权重的空间自回归系数分别为0.487 1、0.402 9、0.241 1，且都通过了1%水平的显著性检验，中国省际雾霾污染存在空间外溢效应。这与前文结论一致。
表7 空间杜宾模型SDM估计结果
续表7
解释变量和控制变量的直接效应、间接效应和总效应见表8所列。经济权重的分解结果依然优于邻接权重和距离权重，故仍然使用经济权重结果进行分析。绿色创新水平、贸易开放的直接效应、间接效应和总效应都显著为负，绿色创新水平、贸易开放程度的提高，会降低本地区雾霾污染，并且能降低相邻地区乃至全局的雾霾污染。能源消费的直接效应、间接效应和总效应显著为正，降低能源强度会降低本地区雾霾污染，并使相邻地区雾霾污染下降，最终减少全局雾霾污染。这也与前文结论一致，因此，上文所得结论具有稳健性。
表8 空间杜宾面板模型SDM的直接效应、间接效应和总效应
六、结论与政策启示
本文利用我国29个省区的面板数据，在对绿色创新水平测度以后，分析了省际绿色创新水平的时空变化特征。并采用空间杜宾模型实证考察了绿色创新对雾霾污染的影响。主要有以下研究发现：
中国省际绿色创新水平呈缓慢上升趋势。绿色创新水平较高的区域为东部沿海、南部沿海和北部沿海，这三个区域各年绿色创新水平的均值高于全国。在样本考察期内，西南地区、黄河中游、西北地区这三个区域各年绿色创新水平的均值低于全国。中国省际绿色创新水平整体上呈现东高西低、南高北低的态势。中国省际绿色创新水平空间正自相关显著，存在空间集聚，主要是L-L集聚。这一结论的政策含义在于：一方面，我国各省区亟需提高绿色创新水平。即我国在进行技术创新、加快建设创新型国家的同时，要重视资源环境，着眼于保护环境，建设美丽中国；另一方面，基于中国省际绿色创新的空间集聚效应，绿色创新需要协同合作，实现协同创新[25]。对于东部沿海、南部沿海和北部沿海，区域内部各省份之间乃至区域之间要加强创新人才等方面的合作，从而提高各区域的绿色创新水平，并通过绿色创新的外溢效应，提升整个区域的绿色创新水平。其他区域，如西南地区、黄河中游、西北地区相互之间要通力合作，在制定本省区绿色创新措施时要意识到本省区的绿色创新水平与其他省区乃至其他区域密切相关，本着全局意识，提升本省区的绿色创新水平。进而提高整个区域的绿色创新水平。
安全利益是一个国家生存和发展的基本条件，在全球化的今天，国家间安全利益的联系前所未有地紧密，参与维和行动，加强与国际社会的安全合作正是国家利益发展的需要。而联合国维和机制是联合国集体安全保障的一种特殊方式，冷战结束后，越来越被大多数联合国成员认可为调节国家间关系、维持国际安全的重要手段。因此，在国际安全机制中处于非主导地位的中国可通过参与国际维和这一途径争取扩大与安全机制、乃至整个国际体系具有积极意义的“接触点”、“接触面”，来扩大中国的国际影响，这样的接触越多，中国的安全就越有条件得到保障。[2]中国参加维和行动既能促进世界和平发展，也能为自己营造良好的国际环境。
盛旦老师轻轻敲了下桌子，给了查理一张纸，示意查理念出上面的文字，查理念道：“一张牌可以睡个懒觉，一张牌可以逃学一次，一张牌可以迟到一次……”念完所有的文字，班上就炸开了锅。
经济权重中，绿色创新水平的直接效应、间接效应、总效应显著为负，绿色创新水平的提高，能有效减少本地区、相邻地区乃至全局的雾霾污染。这一结论的政策含义在于：提高省际绿色创新水平，能有效减少雾霾污染。基于我国省际绿色创新水平较低的事实，我国要通过各种措施，努力提高绿色创新水平。首先，提高绿色创新技人员的薪酬待遇。人才为绿色创新之本，故通过激励措施，提高绿色创新人员的效率，提高我国的绿色创新水平。其次，提高绿色创新的资本规模。绿色创新需要财力支持，故拓宽绿色创新融资渠道，在扩大绿色创新资本规模的同时，促进绿色创新生产规模的扩大。最后，政府可以实施有所倾斜的支持措施。西南地区、黄河中游、西北地区这三个区域不但经济发展水平落后，而且绿色创新水平较低，故政府可以加大对这些地区人力、物力、财力的支持力度，使这些地区的绿色创新水平得以提高。
邻接权重、距离权重和经济权重的空间自回归系数都显著为正，中国省际雾霾污染存在空间外溢效应。这一结论的政策含义在于：对于雾霾污染，我国要继续推进区域协同治理。对于雾霾污染的协同治理问题，国内外文献提出了许多对策措施，在此不再赘述。邻接权重、距离权重和经济权重中，控制变量贸易开放度的直接效应、间接效应和总效应都显著为正，这表明我国贸易强国建设利于减缓我国雾霾污染。因此，要按照十九大报告的要求，积极拓展对外贸易，培育贸易新业态新模式，推进贸易强国建设。并优化区域开放布局，加大西部开放力度。邻接权重和经济权重中，能源强度的直接效应、间接效应和总效应都显著为正，降低能源强度能够有效减缓雾霾污染程度，而降低能源强度也是绿色创新的应有之义。故我国要提高技术水平，提高能源效率，通过能源强度的下降直接减缓雾霾污染，并间接地通过提高绿色创新水平以降低雾霾污染。
(3) 在相同冻融循环以及硫酸盐干湿循环作用条件下，两种因素的交替作用对混凝土的破坏并没有呈现出各个因素的简单叠加情况，而是这两种因素之间呈现出相互促进的作用，从而导致了混凝土试样的加速破坏。
参考文献：
[1] SCHIEDERIG T, TIETZE F. HERSTATT C. What is green innovation? -A quantitative literature review[C]. Hamburg:The XXII ISPIM conference, 2011.
[2] OLTRA V, JEAN M S. Sectoral systems of environmental innovation: An application to the French automotive industry[J]. Technological Forecasting & Social Change, 2009, 76(4): 567-583.
[3] KEMP R, PEARSON P. Final report MEI project about measuring eco-innovation[C]. Paris:Global Fouum on Environment on Eco-innovation, 2009.
[4] EIADAT Y, KELLY A, ROCHE F, et al., Green and competitive? An empirical test of the mediating role of environmental innovation strategy[J]. Journal of World Business, 2008, 43(1): 131-145.
[5] 曹慧,石宝峰,赵凯. 我国省级绿色创新能力评价及实证[J]. 管理学报, 2016, 13(8): 1215 -1222.
[6] 刘章生, 宋德勇, 弓媛媛. 中国绿色创新能力的时空分异与收敛性研究[J]. 管理学报, 2017, 14(10): 1475-1483.
[7] 周力. 中国绿色创新的空间计量经济分析[J]. 资源科学, 2010, 32(5): 932-939.
[8] CAPUTO M R. Comparative statics of a monopolistic firm facing price-cap and command-and-control environmental regulations[J]. Energy Economics, 2014, 46(C): 464-471.
[9] MURILLO-LUNA J L, GARCéS-AYERBE C, RIVERA-TORRES P. Why do patterns of environmental response differ? A stakeholders' pressure approach[J]. Strategic Management Journal, 2008, 29(11): 1225-1240.
[10] 应瑞瑶, 周力. 资源禀赋与绿色创新——从中国省际数据的经验研究看“荷兰病”之破解[J]. 财经研究, 2009, 35(11): 92-102.
[11] KUNAPATARAWONG R, MART
NEZ-ROS E. Towards green growth: How does green innovation affect employment?[J]. Research Policy, 2016, 45(6): 1218-1232.
[12] 何小钢. 能源约束、绿色技术创新与可持续增长——理论模型与经验证据[J]. 中南财经政法大学学报, 2015, 211(4): 30-38.
[13] 王海龙, 连晓宇, 林德明. 绿色技术创新效率对区域绿色增长绩效的影响实证分析[J]. 科学学与科学技术管理, 2016, 37(6): 80-87.
[14] DONKELAAR A V, MARTIN R V, BRAUER M, et al. Global estimates of ambient fine Particulate Matter concentrations from satellite-Based aerosol optical depth: Development and application[J]. Environmental Health Perspectives , 2010, 118(6): 847-855.
[15] 马丽梅, 刘生龙, 张晓. 能源结构、交通模式与雾霾污染——基于空间计量模型的研究[J]. 财贸经济, 2016, (1): 147-160.
[16] 郭亚军. 综合评价理论、方法及应用[M]. 北京：科学出版社, 2007.
[17] 杨万平. 中国省际环境污染的动态综合评价及影响因素[J]. 经济管理, 2010(8): 159- 165.
[18] 袁晓玲, 李政大. 中国生态环境动态变化、区域差异和影响机制[J]. 经济科学, 2013,35 (6): 59-76.
[19] ANSELIN L, LE GALLO J, JAYET H. Spatial panel econometrics[M]. Berlin Heidelberg:Springer-Verlag, 2008: 901-969.
[20] ELHORST J P. Matlab software for spatial panels[J].International Regional Science Review, 2012, 37(3): 389-405.
[21] 王火根，沈利生.中国经济增长与能源消费空间面板分析[J].数量经济技术经济研究, 2007(12): 98-107.
[22] 埃尔霍斯特·J·保罗. 空间计量经济学——从横截面数据到空间面板[M]. 肖光恩,译.北京： 中国人民大学出版社, 2015:4.
[23] ELHORST J P. Specification and estimation of spatialpanel data models[J]. International Regional Science Review, 2003, 26: 244-268.
[24] LESAGE J P, PACE R K. Introduction to spatial econometrics[M]. Boca Raton, US: CRC Press Taylor and Francis Group, 2009: 513-514.
[25] 白俊红, 蒋伏心. 协同创新、空间关联与区域创新绩效[J]. 经济研究, 2015(7): 174-187
Study on Haze Pollution Effect of Green Innovation Under Spatial Correlation
LIU Xiao-hong
(Business College ,Nanjing Xiaozhuang University ,Nanjing 211171,China )
Abstract : Using the panel data of 29 provinces and regions in China, after measuring the green innovation, this article analyzes the temporal and spatial characteristics of the provincial green innovation. The study finds that China's inter-provincial green innovation level is rising slowly; the areas with higher green innovation level are the eastern coast, the southern coast, and the northern coast. The overall situation is high in the east, low in the west, and low in the south and high in the north; the inter-provincial green innovation level in China has a significant spatial positive autocorrelation. There is a spatial agglomeration, mainly L-L agglomeration; there is a spatial spillover effect of interprovincial haze pollution in China. Using neighboring weights, distance weights and economic weights, this article also examines empirically the impact of green innovation, trade openness, and energy intensity on haze pollution. Under the economic weight, the direct effects, indirect effects and total effects of green innovation are significantly negative； under the neighboring weights, distance weights and economic weights, the direct effects, indirect effects and total effects of trade openness are significantly negative; under the neighboring weights and economic weights, direct effects, indirect effects and total effects of energy intensity are significantly positive. Accordingly, the relevant countermeasures and suggestions are put forward.
Keywords : green innovation; haze pollution; spatial Durbin model
中图分类号： F062.2； F127
文献标志码: A
文章编号: 1007-5097( 2019) 10-0048-10
[DOI ]10.19629/j.cnki.34-1014/f.190410020
收稿日期： 2019-04-10
基金项目： 江苏省社会科学基金项目“中国绿色创新的时空分异及其对空气质量的影响机制研究”(17EYD006)；江苏省自然科学基金项目“产业集聚对环境影响：空间效应、空间分异与空间优化”(BK20171422)；南京市环境科学与工程重点建设学科项目
作者简介： 刘晓红(1976-)，女，河南邓州人，副教授，管理学博士，研究方向：区域经济，可持续发展。
[责任编辑： 余志虎]
标签：绿色创新论文; 雾霾污染论文; 空间杜宾模型论文; 南京晓庄学院商学院论文;