趙當(dāng)如　陳為

摘 要：本文基于綠色視角，將環(huán)境因素納入財(cái)政科技投入績(jī)效的分析框架，采用非期望SBM模型對(duì)2005—2015年我國(guó)30個(gè)省的財(cái)政科技投入績(jī)效進(jìn)行了評(píng)價(jià)，并結(jié)合空間計(jì)量模型對(duì)我國(guó)財(cái)政科技投入效率空間收斂性進(jìn)行了研究，研究發(fā)現(xiàn)：從空間維度上看，我國(guó)財(cái)政科技投入效率值呈現(xiàn)東部高于西部高于中部，存在空間依賴、集聚現(xiàn)象；從時(shí)間維度上看，我國(guó)財(cái)政科技投入效率有先下降后趨于平穩(wěn)然后上升的趨勢(shì)，且東、中、西差距逐漸縮小，目前有32%左右效率提升空間；我國(guó)財(cái)政科技投入效率存在？琢、？茁空間收斂，其中絕對(duì)收斂速度為9.39%；居民教育程度、財(cái)政分權(quán)程度、環(huán)境污染治理程度與區(qū)域財(cái)政科技投入效率顯著正相關(guān)，市場(chǎng)化程度與區(qū)域財(cái)政科技投入效率正相關(guān)關(guān)系不顯著。

關(guān)鍵詞：綠色；財(cái)政科技投入效率；空間收斂；非期望SBM模型；空間計(jì)量模型

DOI：10.3969/j.issn.1003-9031.2018.02.01

中圖分類號(hào)：F812.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-9031（2018）02-0004-13

一、引言與文獻(xiàn)綜述

隨著“科學(xué)技術(shù)是第一生產(chǎn)力”的提出到“科教興國(guó)”戰(zhàn)略的深入實(shí)施再到“新常態(tài)”的到來，科技創(chuàng)新已經(jīng)逐漸成為當(dāng)今我國(guó)的熱點(diǎn)話題，科技投入力度不斷加大。由于科技活動(dòng)中基礎(chǔ)研究、社會(huì)公益研究等許多研究?jī)?nèi)容具有公共品特征，政府的財(cái)政科技投入就成為科技活動(dòng)最重要的資金來源。

目前，國(guó)內(nèi)外的文獻(xiàn)中對(duì)財(cái)政科技投入績(jī)效評(píng)價(jià)方法有些差異，但這些方法幾乎都是以科技直接產(chǎn)出為核心。Cook（1997）和Carmela Martin（2005）分別運(yùn)用平衡計(jì)分卡法和空間計(jì)量方法來進(jìn)行區(qū)域財(cái)政科技投入績(jī)效評(píng)價(jià)；Brown（1988）指出對(duì)R&D;實(shí)驗(yàn)室科研活動(dòng)的績(jī)效評(píng)價(jià)等同于對(duì)財(cái)政科技投入績(jī)效評(píng)價(jià)；李升澤（2013）、謝福泉（2008）分別運(yùn)用客觀賦權(quán)法和定性與定量的兩階段法對(duì)財(cái)政科技投入產(chǎn)出指標(biāo)進(jìn)行了選擇；王桂強(qiáng)（2006）提出“指標(biāo)靶”概念來建立財(cái)政科技投入績(jī)效評(píng)價(jià)模型；贠杰（2016）對(duì)傳統(tǒng)不科學(xué)、客觀化、獨(dú)立化財(cái)政科技投入績(jī)效評(píng)價(jià)加以改進(jìn)，并加入人員績(jī)效評(píng)估。從以上學(xué)者的研究方法可以看出，財(cái)政科技投入績(jī)效評(píng)價(jià)體系雖然在不斷完善，但幾乎沒有將環(huán)境影響因素納入此體系中，而當(dāng)今的“環(huán)境危機(jī)”的罪魁禍?zhǔn)淄强萍歼M(jìn)步，如果基于傳統(tǒng)的績(jī)效評(píng)價(jià)體系，就不符合當(dāng)今可持續(xù)發(fā)展、綠色科技的思想，因此有必要將科技投入所帶來的生態(tài)影響納入財(cái)政科技投入績(jī)效評(píng)價(jià)體系中。

關(guān)于區(qū)域財(cái)政科技投入績(jī)效空間收斂方面的研究，國(guó)內(nèi)外有關(guān)這方面的文獻(xiàn)還比較少，但有學(xué)者對(duì)財(cái)政科技投入績(jī)效與空間上的聯(lián)系作了研究。王元地（2013）在納入市場(chǎng)化程度、財(cái)政分權(quán)度和人均受教育年限等影響因素下，對(duì)我國(guó)地方財(cái)政科技投入效率外溢性進(jìn)行分析，結(jié)果表明財(cái)政科技投入效率空間外溢性較強(qiáng)。陳志軍（2016）對(duì)新常態(tài)下的財(cái)政科技投入集聚效應(yīng)作了研究，發(fā)現(xiàn)我國(guó)東西部財(cái)政科技投入效率存在集聚現(xiàn)象，但集聚效應(yīng)差距較大。尹奧（2010）也通過對(duì)山東省不同地級(jí)市的財(cái)政投入考察發(fā)現(xiàn)財(cái)政科技投入存在空間上的關(guān)聯(lián)。從上述研究成果可以發(fā)現(xiàn)，我國(guó)區(qū)域間的財(cái)政科技投入績(jī)效存在空間相關(guān)性，而Rey與Montouri（1999）就曾指出空間相關(guān)就是導(dǎo)致區(qū)域收斂的重要原因，因此我國(guó)財(cái)政科技投入效率就會(huì)產(chǎn)生收斂現(xiàn)象；根據(jù)新古典理論和新增長(zhǎng)理論，不同地區(qū)的環(huán)境條件不同，會(huì)導(dǎo)致區(qū)域收斂穩(wěn)態(tài)的差異，Rey（1999）就指出這個(gè)條件就是影響財(cái)政科技投入效率存在效率外溢性的原因，這就會(huì)造成條件收斂。這些因素之前的學(xué)者通過外溢性的研究也找了出來，但根據(jù)上文的分析，環(huán)境因素必須要納入財(cái)政科技投入績(jī)效評(píng)價(jià)體系之中，在這樣的條件之下，我國(guó)財(cái)政科技投入效率還會(huì)有收斂情況產(chǎn)生嗎？如果有，收斂速度是多少？上述的這些因素仍是條件收斂的條件嗎？因此，本文基于已有的研究成果，在財(cái)政科技投入績(jī)效評(píng)價(jià)體系中加入環(huán)境因素，從而基于綠色視角，建立非期望SBM模型計(jì)算2005—2015年我國(guó)30個(gè)省財(cái)政科技投入效率及其變化趨勢(shì)，然后結(jié)合空間計(jì)量分析方法來分析區(qū)域財(cái)政科技投入效率收斂性及其影響因素。

二、 研究方法

（一） 綠色視角下的財(cái)政科技投入效率評(píng)價(jià)模型

傳統(tǒng)DEA模型是通過徑向與角度來進(jìn)行效率測(cè)量，當(dāng)通過徑向來測(cè)算效率時(shí)就會(huì)造成投入“松弛”或者“擁擠”問題，若是投入呈現(xiàn)“松弛”情況時(shí)，或許丈量的結(jié)果就會(huì)偏大，而角度的測(cè)量方式只有投入或產(chǎn)出中一個(gè)角度，這樣的測(cè)算結(jié)果并不可靠，同時(shí)由于財(cái)政科技投入績(jī)效模型加入了環(huán)境約束，將科技帶來的環(huán)境污染視為非期望產(chǎn)出，因此盡量減少投入而增加經(jīng)濟(jì)效益的期望產(chǎn)出并減少環(huán)境污染的非期望產(chǎn)出是財(cái)政科技投入績(jī)效提高的表現(xiàn)，傳統(tǒng)DEA模型也沒有考慮到這一點(diǎn)，因此傳統(tǒng)DEA模型就不適合處理這類含有非期望產(chǎn)出的模型。針對(duì)以上缺陷，本文采用Tone K（2007）構(gòu)造出的非期望產(chǎn)出SBM模型，一方面該模型改進(jìn)了傳統(tǒng)DEA投入與產(chǎn)出比即為效率的缺點(diǎn)，考慮了松弛變量對(duì)效率的影響，構(gòu)造出投入產(chǎn)出的“利潤(rùn)”函數(shù)來求得效率值，另一方面考慮了負(fù)外部性非期望產(chǎn)出的影響。非期望SBM模型如下所示：

Minρ=■=■（x■，y■，u■，g） （1）

s.t.■z■x■+S■■=x■，n=1，2，…，N■z■x■+S■■=y■，m=1，2，…，M■z■u■+S■■=u■，i=1，2，…，I■z■=1；z■≥0；S■■≥0；S■■≥0；S■■≥0

其中，S■■、S■■、S■■分別表示投入冗余、期望產(chǎn)出不足、非期望冗余的松弛向量；xn、ym、ui分別表示n種投入、m種期望產(chǎn)出、i種非期望產(chǎn)出；■即為SBM方向性距離目標(biāo)函數(shù)，g為方向向量?！龅闹当硎緸棣眩?？綴（0，1]，如果ρ=1，則說明決策單元是完全有效率的，當(dāng)0<ρ<1時(shí)說明決策單元存在效率損失。式（1）中第4個(gè)約束表示規(guī)模報(bào)酬可變下的方向性距離目標(biāo)函數(shù)，如果去掉此約束，則為規(guī)模報(bào)酬不變下的方向性距離目標(biāo)函數(shù)。同時(shí)，式（1）中的非線性規(guī)劃模型可以轉(zhuǎn)化為線性規(guī)劃模型求解，具體過程參考Tone K（2007）。

（二）收斂空間計(jì)量模型

一般的收斂分3種類型：？茁條件收斂、？茁絕對(duì)收斂、？琢收斂。？琢收斂是指各地區(qū)財(cái)政科技投入效率方差隨著時(shí)間推移逐漸減小，通常以變異系數(shù)、泰爾系數(shù)、基尼系數(shù)來表示收斂程度。？茁絕對(duì)收斂是指財(cái)政科技投入效率較低的區(qū)域往往比較高的區(qū)域有著更高的增長(zhǎng)率，隨著時(shí)間推移所有區(qū)域?qū)⑦_(dá)到同樣的穩(wěn)態(tài)。條件收斂假設(shè)不同區(qū)域有不同的基本條件，不同區(qū)域?qū)⑹諗康礁髯圆煌姆€(wěn)態(tài)。其中，？琢收斂和？茁絕對(duì)收斂都屬于絕對(duì)收斂，且？琢收斂是？茁收斂的充分條件，只有效率增長(zhǎng)速度上的收斂，效率較低地區(qū)才會(huì)趕上較高地區(qū)，但這不是必要條件，因?yàn)樵谧汾s過程中？琢收斂會(huì)受到隨機(jī)因素的影響?？紤]到空間之間的作用，經(jīng)典？茁收斂模型與空間計(jì)量模型的結(jié)合就是收斂空間計(jì)量模型，？茁收斂空間計(jì)量模型如下所示：

1n■=β■+β■1nρ■+θW1n■+？著，？著～N（0，？啄■） （2）

1n■=β■+β■1nρ■+？著■，？著■=？姿W？著■+ω，ω～N（0，？啄■） （3）

1n■=β■+β■1nρ■+？茲W1n■c■1nx■+？著，？著～N（0，？啄■），k=1，2，…，n （4）

1n■=β■+β■1nρ■+c■1nx■+？著■，？著■=？姿W？著■+ω，ω～N（0，？啄■） （5）

？濁=-■1n（1+β■）×100% （6）

其中，ρi，t和ρi，t-1分別表示i地域在t時(shí)候和t-1時(shí)候的效率值，式（6）中？濁的為收斂速度，當(dāng)β■<0時(shí)則表示區(qū)域i財(cái)政科技投入效率收斂。式（2）、（3）、（4）、（5）式可以看作是空間自回歸模型（SAR）、空間誤差模型（SEM）、加入控制變量xk的空間自回歸模型、加入控制變量xk的空間誤差模型與標(biāo)準(zhǔn)收斂模型的結(jié)合，這些控制變量就是收斂的條件。？茲表示空間自回歸系數(shù)，如果式（4）、（5）的ck>0，則說明該控制變量對(duì)財(cái)政科技效率的提高有正向作用，同時(shí)也說明對(duì)效率收斂有促進(jìn)作用。W表示標(biāo)準(zhǔn)化處理后的空間權(quán)重矩陣，其中標(biāo)準(zhǔn)化處理后的空間權(quán)重矩陣中的元素Wij=wij/■w■，wij為空間權(quán)重矩陣w中的元素，式（2）如果去掉？茲W1n■空間滯后項(xiàng)則變?yōu)榻?jīng)典的絕對(duì)β收斂模型。關(guān)于空間權(quán)重矩陣的選擇，目前大部分學(xué)者用地理鄰接權(quán)重矩陣、地理距離權(quán)重矩陣或者是經(jīng)濟(jì)距離權(quán)重矩陣進(jìn)行空間計(jì)量分析，本文借鑒之前學(xué)者對(duì)財(cái)政空間上的研究方式采用地理鄰接權(quán)重矩陣，其矩陣中元素表示為：

w■=1區(qū)域i與區(qū)域j相鄰0其他 （7）

其中，w為方陣，其對(duì)角線上的元素全為0。？著與？著■分別表示SAR、SEM模型隨機(jī)誤差項(xiàng)，？姿表示SEM模型中有關(guān)殘差項(xiàng)的空間參數(shù)，ω為隨機(jī)干擾項(xiàng)，且服從正態(tài)分布。

三、變量選擇與數(shù)據(jù)來源

對(duì)于財(cái)政科技投入績(jī)效研究的指標(biāo)選擇要基于科學(xué)、可行和系統(tǒng)的三原則。財(cái)政科技投入主要包括政府財(cái)政科技資金投入和試驗(yàn)發(fā)展經(jīng)費(fèi)支出，期望科技產(chǎn)出包括專利授權(quán)數(shù)這種科技直接成果和技術(shù)合同成交額等科技經(jīng)濟(jì)成果。一般來說科技進(jìn)步促進(jìn)了工業(yè)化進(jìn)程，因此科技進(jìn)步對(duì)環(huán)境的污染主要就表現(xiàn)在工業(yè)污染上，因此本文就以工業(yè)“三廢”排放量作為的非期望財(cái)政科技產(chǎn)出指標(biāo)，用工業(yè)SO2排放量（萬噸）、工業(yè)廢水排放量（萬噸）、工業(yè)固體廢物排放量（萬噸）來表示“三廢”排放量。同時(shí)由上文分析可知，財(cái)政科技投入績(jī)效空間相關(guān)性可能還與市場(chǎng)化程度、財(cái)政分權(quán)度、居民受教育程度有關(guān)，由于本文考慮到了環(huán)境因素，因此本文也將環(huán)境污染治理程度作為控制變量，這4種控制變量的表示方法參考王元地（2013）、陳志軍（2016）、尹奧（2010）。數(shù)據(jù)來源于科技網(wǎng)站門戶和各種年鑒中我國(guó)30個(gè)省、直轄市、自治區(qū)的統(tǒng)計(jì)數(shù)據(jù)，由于西藏部分年份數(shù)據(jù)缺失，因此不在本文的研究范圍內(nèi)。本文結(jié)合前人的研究成果，擬出綠色財(cái)政科技投入績(jī)效評(píng)價(jià)指標(biāo)體系、控制變量選擇及數(shù)據(jù)來源如表1所示。

四、實(shí)證分析及結(jié)果

（一）我國(guó)省域財(cái)政科技投入效率值測(cè)算及評(píng)價(jià)

根據(jù)上文的投入、期望產(chǎn)出、非期望產(chǎn)出指標(biāo)再結(jié)合式（1），利用MaxDEA5.2測(cè)算我國(guó)省域財(cái)政科技投入效率值（見表1），除此之外本文按照《中國(guó)統(tǒng)計(jì)年鑒》對(duì)我國(guó)東、中、西大區(qū)域的劃分，也計(jì)算出東部效率、中部效率、西部效率、全國(guó)效率平均值（見表1）。同時(shí)本文也根據(jù)傳統(tǒng)DEA模型，利用Deap2.1軟件對(duì)不考慮非期望產(chǎn)出情況下的省域財(cái)政科技投入效率進(jìn)行了測(cè)算。

由表1可知，2005—2015年，全國(guó)到達(dá)相對(duì)財(cái)政科技投入有效的省份個(gè)數(shù)并沒有太大的變化，其中東部地區(qū)省份到達(dá)相對(duì)有效個(gè)數(shù)占大部分，西部地區(qū)的陜西、重慶、甘肅也曾有達(dá)到效率值為1.000時(shí)候。從全國(guó)平均來看，2005—2015年全國(guó)財(cái)政科技投入效率呈現(xiàn)出先下降接著趨于平穩(wěn)，然后上升趨勢(shì)，但總體效率值卻有下降的趨勢(shì)（見圖1）。從全國(guó)平均具體值上看，2015年均值為0.679，說明我國(guó)目前還有32%左右的財(cái)政科技效率提升空間。當(dāng)不考慮環(huán)境影響時(shí)，2005—2015年全國(guó)平均效率明顯高于考慮環(huán)境影響的效率值，這表明我國(guó)科技成長(zhǎng)和環(huán)境之間還不夠和諧，科技研究活動(dòng)對(duì)環(huán)境負(fù)面影響較大。從大的區(qū)域角度來看，東、中、西部效率走勢(shì)隨著時(shí)間推移差異逐漸減小，然后又開始擴(kuò)大，最后又開始逐漸縮小，其中2005—2008年東部財(cái)政科技投入效率高于西部高于中部，2008—2014年東部財(cái)政科技投入效率卻低于西部，但未考慮非期望產(chǎn)出時(shí)，東部財(cái)政科技投入效率高于中部高于西部，通過這兩種結(jié)果對(duì)比可以發(fā)現(xiàn)，東部財(cái)政科技投入效率變化不穩(wěn)定，中部效率被高估，西部被低估。盡管中部區(qū)域的科技成效多，但對(duì)環(huán)境的毀壞更多，西部雖然科技成果少，但對(duì)環(huán)境保護(hù)比較到位，東部對(duì)環(huán)境治理有表現(xiàn)，但表現(xiàn)不穩(wěn)定，需要進(jìn)一步控制污染物的排放，總體上看，當(dāng)考慮環(huán)境非期望產(chǎn)出的全國(guó)財(cái)政科技投入效率值要小于不考慮環(huán)境非期望產(chǎn)出財(cái)政科技投入效率值。綜上所述，中部財(cái)政科技投入效率與東部和西部財(cái)政科技投入效率有一定差距，雖然這個(gè)差距在慢慢縮小，表現(xiàn)出一定的收斂性，但中部地區(qū)仍舊是目前綠色科技、可持續(xù)發(fā)展目標(biāo)應(yīng)重點(diǎn)關(guān)注的區(qū)域。

（二）我國(guó)省域財(cái)政科技投入效率空間相關(guān)性分析

1.全局空間自相關(guān)分析

根據(jù)上文的分析，基于綠色視角下的東、中、西部財(cái)政科技投入效率變化趨勢(shì)相似，且有著東西高、中低的分布特征。下面從空間經(jīng)濟(jì)學(xué)的視角來探究區(qū)域財(cái)政科技投入效率空間相關(guān)程度，這也是判斷是否有空間集聚和依賴、是否采用空間計(jì)量模型來進(jìn)行收斂性研究的充要條件，如果結(jié)果顯示存在空間自相關(guān)，則表明經(jīng)典的收斂模型中必須要納入空間依賴成分。這里本文選取全局Morans I指數(shù)來表示空間相關(guān)程度，Moran指數(shù)I的取值范圍在1和-1之間，I大于0表明存在正的空間自相關(guān)，小于0表明存在負(fù)的空間自相關(guān)性，等于0表明不存在空間自相關(guān)性。本文的Moran指數(shù)I計(jì)算公式如下所示：

Morans I=■ （8）

s■=■■（θ■-■）■=■ （9）

其中，θ■與θ■分別表示區(qū)域i區(qū)域j的財(cái)政科技投入效率值；wij表示空間權(quán)重矩陣中的元素。利用stata11.2軟件對(duì)我國(guó)區(qū)域財(cái)政科技效率進(jìn)行空間自相關(guān)檢驗(yàn)，檢驗(yàn)結(jié)果如表3所示。

檢驗(yàn)結(jié)果顯示各年份的Morans I>0，說明財(cái)政科投入效率存在正的空間相關(guān)性，除了2005年的Morans I值沒有通過5%顯著性水平檢驗(yàn)，其余年份均通過了檢驗(yàn)。從圖2中可以看出財(cái)政科技投入正相關(guān)性先上升后開始波動(dòng)然后下降趨勢(shì)，但總體上看財(cái)政科技投入效率還是存在較強(qiáng)的空間依賴、集聚現(xiàn)象，這也說明本文在收斂性分析中要考慮空間依賴因素。

2.局部空間自相關(guān)分析

全局空間自相關(guān)分析只能判斷我國(guó)財(cái)政科技投入效率整體集聚分布情況，而局部空間自相關(guān)分析可以反映不同地區(qū)的財(cái)政科技投入效率關(guān)聯(lián)方式及程度。局部空間關(guān)聯(lián)類型可以分為L(zhǎng)L（低值地區(qū)與低值地區(qū)接壤）、HH（高值地區(qū)與高值地區(qū)接壤）、HL（高值地區(qū)與低值地區(qū)接壤）、LH（低值地區(qū)與高值地區(qū)接壤）四種類型，HH與LL類型占比越高就說明空間集聚現(xiàn)象越明顯，同時(shí)這四種類型隨時(shí)間變化情況可以反映出財(cái)政科技投入效率收斂或發(fā)散的大致情況。本文將2005—2015年分為2005—2008年、2009—2012年和2013—2015年3個(gè)時(shí)段來分析各個(gè)時(shí)段的財(cái)政科技投入效率局部空間相關(guān)模式，3個(gè)時(shí)段的局部空間關(guān)聯(lián)類型占比統(tǒng)計(jì)如表4所示。通過表4，可以發(fā)現(xiàn)HH和LL類型的占比先升高后略有降低，這和圖2的分析結(jié)果相符。為了得到各空間關(guān)聯(lián)類型隨時(shí)間變化的情況，本文參照RRey S， Montouri B（1999）的時(shí)空躍遷測(cè)度法來描述，結(jié)果表明2005—2008年時(shí)間段到2009—2012年時(shí)間的主要躍遷方式為HHLL，2009—2012年時(shí)間段到2013—2015時(shí)間段的主要躍遷方式為HHLH、LHLL、HHLL，這說明財(cái)政科技投入效率高的地區(qū)增長(zhǎng)速度相對(duì)于較低地區(qū)的增長(zhǎng)速度來說有所放緩，全國(guó)高效率地區(qū)與低效率地區(qū)的效率增速差距逐漸縮小，反映出我國(guó)財(cái)政科技投入效率有收斂趨勢(shì)，但收斂的具體形式和影響因素還需進(jìn)一步分析。

（三）我國(guó)省域財(cái)政科技投入效率空間收斂性分析

1.α收斂分析

本文以變異系數(shù)（CV）來檢驗(yàn)我國(guó)區(qū)域財(cái)政科技投入效率是否存在α收斂。本文的變異系數(shù)計(jì)算方式如下：

CVt=■ （10）

其中，δt表示在時(shí)間t時(shí)全國(guó)所有地區(qū)財(cái)政科技投入效率的標(biāo)準(zhǔn)差，μt表示在時(shí)間t時(shí)我國(guó)財(cái)政科技投入效率均值。CV值如果有變小的趨勢(shì)，說明我國(guó)財(cái)政科技投入效率存在α收斂。

由圖2可以看出，變異系數(shù)先變大后保持平穩(wěn)不變，然后急劇下降，這說明我國(guó)財(cái)政科技投入效率在2005—2014年不存在α收斂，在2014年以后存在α收斂。α收斂只能判斷整體區(qū)域在一段時(shí)期內(nèi)得收斂情況，要判斷各地區(qū)財(cái)政科技投入具體的效率變化情況以及環(huán)境條件對(duì)其影響還需進(jìn)一步分析。

2.絕對(duì)β收斂分析

為了得到區(qū)域財(cái)政科技投入效率具體的β收斂情況，本文利用式（4）、式（5）、式（6）進(jìn)行空間作用下的絕對(duì)β收斂分析。在模型估計(jì)之前，我們先對(duì)SAR模型和SEM模型Hausam檢驗(yàn)來判斷選擇固定效應(yīng)模型還是隨機(jī)效應(yīng)模型，結(jié)果顯示SAR模型的Hausman Test值為44.05，SEM模型的Hausman Test值為15.10，它們都通過了1%顯著性水平檢驗(yàn)，因此本文應(yīng)選擇空間固定效應(yīng)模型。另外，我們還需進(jìn)一步通過檢驗(yàn)來判定SAR模型與SEM中哪個(gè)空間計(jì)量模型更適合本文的研究。對(duì)于空間計(jì)量模型的選擇，通常有兩種方法：一是通過這兩種模型的LM檢驗(yàn)結(jié)果比較，即LM-sar檢驗(yàn)和LM-error檢驗(yàn)值的大小及其穩(wěn)健性檢驗(yàn)結(jié)果比較來選擇最佳模型。二是通過Wald檢驗(yàn)和Lratio檢驗(yàn)的檢驗(yàn)結(jié)果來選擇模型。本文利用方法二來進(jìn)行模型的選擇，當(dāng)Wald檢驗(yàn)值在5%顯著性水平下顯著，而Lratio檢驗(yàn)量在5%顯著性水平下不顯著時(shí)，則選擇SEM模型，當(dāng)Wald檢驗(yàn)值在5%顯著性水平下不顯著，而Lratio檢驗(yàn)量在5%顯著性水平下顯著時(shí)，則選擇SAR模型。檢驗(yàn)結(jié)果如表5所示。

由5表的檢驗(yàn)結(jié)果可知Wald檢驗(yàn)統(tǒng)計(jì)量在5%顯著性水平下顯著，而Lratio檢驗(yàn)統(tǒng)計(jì)量沒有通過5%顯著性水平檢驗(yàn)，這說明SAR模型不適合本我國(guó)政科技投入效率收斂機(jī)制的研究，選擇SEM模型更為合理?？紤]到可能存在時(shí)間效應(yīng)，本文在固定效應(yīng)的基礎(chǔ)上也加入時(shí)間效應(yīng)來進(jìn)行最大似然估計(jì)（MLE），同時(shí)給出經(jīng)典絕對(duì)收斂模型估計(jì)結(jié)果，由Hausman檢驗(yàn)和時(shí)間效應(yīng)檢驗(yàn)結(jié)果顯示時(shí)間、固定模型來估計(jì)絕對(duì)收斂模型較為合適（見表6）。

由表6中經(jīng)典收斂模型、SEM固定效應(yīng)與時(shí)間、固定效應(yīng)模型中的Log-likelihood值和AIC值還有調(diào)整R2值對(duì)比，可以判斷SEM模型更適合本文的研究，特別是SEM時(shí)間、固定效應(yīng)模型最適合本文的研究。SEM時(shí)間、固定效應(yīng)模型估計(jì)結(jié)果中的值為0.0763，且在1%顯著性水平下顯著，這表明我國(guó)財(cái)政科技投入效率有顯著的空間外溢性，其他省份財(cái)政科技投入效率的提高會(huì)帶動(dòng)本地區(qū)效率的提升，這說明效率低的在不停學(xué)習(xí)效率高的區(qū)域提升效率的政策方式，科技活動(dòng)與財(cái)政活動(dòng)聯(lián)系緊密，有著互補(bǔ)效應(yīng)，這都是通過誤差項(xiàng)自相關(guān)而體現(xiàn)出來。另外β1=-0.6090<0，這說明我國(guó)財(cái)政科技投入存在絕對(duì)β收斂性，即我國(guó)財(cái)政科技投入效率差距正逐漸縮小，收斂速度為9.39%。根據(jù)前文對(duì)我國(guó)各地區(qū)財(cái)政效率的分析結(jié)果，我國(guó)區(qū)域財(cái)政科技投入效率有一定的差異。為了找出影響區(qū)域財(cái)政科技投入效率和收斂的原因，本文接下來進(jìn)行條件β收斂分析。

3.條件β收斂分析

由于各個(gè)區(qū)域條件不同，根據(jù)上文的分析，在絕對(duì)β收斂空間計(jì)量模型的基礎(chǔ)上我們加入市場(chǎng)化程度（MAR）、財(cái)政分權(quán)度（POW）、居民受教育程度（EDU）、環(huán)境污染治理程度（ENV）作為控制變量，使之成為條件β收斂空間計(jì)量模型。由于上文表明SEM模型適合本文的研究，這里我們?nèi)杂肧EM模型進(jìn)行估計(jì)。Hausman檢驗(yàn)值為12.02，在1%顯著性水平上顯著，這說明SEM固定效應(yīng)模型更合適，然后我們?cè)偌尤霑r(shí)間虛擬變量進(jìn)行最大似然估計(jì)（MLE），發(fā)現(xiàn)絕大部分時(shí)間虛擬變量在5%顯著性水平上顯著，然后再進(jìn)行Wald檢驗(yàn)來檢驗(yàn)所有的時(shí)間虛擬變量是否全部為0，Wald檢驗(yàn)結(jié)果為73.09，在1%顯著性水平上顯著，這說明SEM固定、時(shí)間效應(yīng)模型最為合適（見表7）。

從表7的結(jié)果可以看出，加入控制變量之后調(diào)整R2顯著提高，Log-likelihood與AIC的值分別變大和變小了，這說明市場(chǎng)化程度、居民教育程度、財(cái)政分權(quán)度和環(huán)境污染治理程度對(duì)財(cái)政科技投入效率的變化產(chǎn)生了影響。β1=-0.695<0，這表明我國(guó)財(cái)政科技投入效率存在條件β收斂，且收斂速度為11.78%。居民教育程度變量系數(shù)為0.349，且在5%顯著性水平上顯著，這說明當(dāng)?shù)鼐用袷芙逃潭鹊奶岣邔?duì)當(dāng)?shù)刎?cái)政科技頭投入效率有促進(jìn)效果。受教育程度較高的居民一方面科技創(chuàng)新意識(shí)強(qiáng)，有利于對(duì)科技資源的充分利用，另一方面有較高的環(huán)保意識(shí)，在提高科技產(chǎn)出的同時(shí)有意識(shí)地思量環(huán)境問題。財(cái)政分權(quán)度變量系數(shù)為0.0315，在5%水平下顯著，這說明財(cái)政分權(quán)度的提高對(duì)當(dāng)?shù)刎?cái)政科技投入效率有正面影響。財(cái)政分權(quán)可以讓當(dāng)?shù)卣鶕?jù)自身情況制定政策方針，自主地對(duì)財(cái)政科技投入進(jìn)行調(diào)整，這有利于財(cái)政科技投入效率的提高。環(huán)境污染治理程度變量系數(shù)為0.0122，且在5%水平上顯著，這說明對(duì)環(huán)境治理程度越高，不僅對(duì)環(huán)境產(chǎn)生正面影響，也對(duì)科技投入效率有促進(jìn)作用，對(duì)環(huán)境的治理往往迫使人們對(duì)科技活動(dòng)的反思，就會(huì)使得人們尋找更加有效科技研究方式，提高了科技產(chǎn)出效率，減少了對(duì)環(huán)境的污染。市場(chǎng)化程度變量系數(shù)為0.155，通過了10%顯著性水平檢驗(yàn)但沒有通過5%顯著性水平檢驗(yàn)，這說明說明市場(chǎng)化程度的提高對(duì)財(cái)政科技投入效率的有正面作用，但作用并不明顯，這與王元地（2013）在未考慮環(huán)境時(shí)所得的結(jié)論略有不同。一般的，市場(chǎng)化程度的提高可以加強(qiáng)地區(qū)與地區(qū)之間的科技交流，也會(huì)使得部分科技投入流向經(jīng)濟(jì)效應(yīng)高的科研活動(dòng)，但環(huán)境資源屬于公共資源，在市場(chǎng)機(jī)制下，科技活動(dòng)會(huì)“搭環(huán)境的便車”對(duì)環(huán)境造成污染，這部分無效率會(huì)在一定程度上抵消科技帶來的經(jīng)濟(jì)效益效率，使得市場(chǎng)化程度對(duì)在考慮環(huán)境污染非期望產(chǎn)出時(shí)財(cái)政科技投入效率促進(jìn)作用不太大。以上分析同時(shí)表明居民受教育程度、財(cái)政分權(quán)度、環(huán)境污染治理程度都是影響我國(guó)區(qū)域財(cái)政科技投入效率差異的原因，要縮小這種差異，就必須改善低效率地區(qū)的這些環(huán)境條件，促使我國(guó)財(cái)政效率差距的縮小，從而提升我國(guó)財(cái)政科技投入整體績(jī)效。

五、結(jié)論與政策建議

（一）結(jié)論

本文在考慮科技活動(dòng)對(duì)環(huán)境的污染來看待我國(guó)區(qū)域財(cái)政科技投入效率，從而基于綠色視角利用非期望SBM模型來對(duì)2005—2015年我國(guó)30個(gè)省的財(cái)政科技投入效率進(jìn)行評(píng)價(jià)，并結(jié)合空間計(jì)量模型來對(duì)分析我國(guó)財(cái)政科技投入效率差異和收斂性及其影響因素，研究發(fā)現(xiàn)：

1.在考慮科技對(duì)環(huán)境污染情況下，我國(guó)財(cái)政科技投入效率總體低于未考慮環(huán)境因素時(shí)的效率值，且呈現(xiàn)出東部高于西部高于中部的局面，與未考慮環(huán)境因素時(shí)東部高于中部高于西部的結(jié)果不同。從空間維度上看，我國(guó)財(cái)政科技投入效率存在空間依賴、集聚現(xiàn)象。從時(shí)間維度上來看，我國(guó)財(cái)政科技投入效率自2005年來先下降后趨于平穩(wěn)，到2014年有上升趨勢(shì)，且東、中、西差距逐漸縮小，到2015年時(shí)，均值為0.679，目前還有32%左右的財(cái)政科技效率提升空間。

2.我國(guó)財(cái)政科技投入效率在2014年后存在α收斂，在加入空間因素后，我國(guó)財(cái)政科技投入效率存在絕對(duì)β收斂，收斂速度為9.39%，且財(cái)政科技投入效率空間相關(guān)性表現(xiàn)在β收斂空間計(jì)量模型中誤差項(xiàng)上。在加入控制變量后，我國(guó)財(cái)政科技投入效率存在條件β收斂，收斂速度為11.87%。控制變量中居民受教育程度、財(cái)政分權(quán)程度、環(huán)境污染治理程度的提高對(duì)我國(guó)區(qū)域財(cái)政科技投入效率有著正向影響，同時(shí)也是我國(guó)區(qū)域財(cái)政科技投入效率差距縮小、收斂的原因，但市場(chǎng)化程度的提高對(duì)區(qū)域財(cái)政效率的提升效果不大，原因在于市場(chǎng)化程度的提高造成科技活動(dòng)加劇了對(duì)環(huán)境的負(fù)面影響，從而導(dǎo)致效率的損失，這部份效率損失抵消了部分市場(chǎng)化進(jìn)程中科技所帶來的經(jīng)濟(jì)效益效率。

（二）政策建議

1.在推動(dòng)市場(chǎng)化進(jìn)程中，改變以往政府粗放式財(cái)政投入方式，根據(jù)不同投入方式而取得的科技產(chǎn)出對(duì)環(huán)境的影響來調(diào)整投入方式，同時(shí)也要建立相應(yīng)科技活動(dòng)法規(guī)，來控制財(cái)政投入所帶來的科技污染。

2.打破以往區(qū)域間科技績(jī)效高成本競(jìng)爭(zhēng)的局面，加強(qiáng)地方政府科技交流和合作以達(dá)到共贏的局面。

3.繼續(xù)完善我國(guó)的財(cái)政分權(quán)體制，根據(jù)不同地區(qū)的財(cái)政收支情況和科技投入產(chǎn)出情況設(shè)計(jì)不同財(cái)政分權(quán)運(yùn)行制度。

4.提高當(dāng)?shù)亟逃聵I(yè)的支持水平，并且加強(qiáng)居民科技知識(shí)的普及，從而提高當(dāng)?shù)鼐用駥?duì)科技創(chuàng)新的重視度和對(duì)科技事業(yè)的支持。

（責(zé)任編輯：夏凡）

參考文獻(xiàn)：

[1]Drongelen I C K，Cooke A.Design principles for thedeveloping of——measurement systems for R&D; processes[M].R&D; Management，1997.

[2]Carmela Martín，Carlos Mulas-Granados，Ismael Sanz. Spatial distribution of R&D; expenditure and patent applications across EU regions and its impact on economic cohesion[J].Investigaciones Regionales，2005.

[3]Brown Avension.Measuring R&D; Productivity[J].Research Tech-nology Management，1988.

[4]李升澤，賀定修，范明明.基于客觀賦權(quán)法的財(cái)政科技投入績(jī)效評(píng)價(jià)軟件研究[J].科技管理研究，2013（11）：193-196.

[5]謝福泉.財(cái)政科技投入產(chǎn)出績(jī)效評(píng)價(jià)指標(biāo)的選擇[J].統(tǒng)計(jì)與信息論壇，2008（8）：15-21.

[6]王桂強(qiáng)，張青.基于“指標(biāo)靶”概念的地方政府財(cái)政科技投入績(jī)效評(píng)價(jià)模型體系的構(gòu)建[J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2006（7）：49-53.

[7]贠杰.中國(guó)地方政府績(jī)效評(píng)估：研究與應(yīng)用[J].政治學(xué)研究，2015（6）：76-86.

[8]周婷.論科技發(fā)展與環(huán)境危機(jī)——唯物史觀視野下的現(xiàn)代科技發(fā)展問題[J].學(xué)海，2016（1）：206-211.

[9]王元地，潘雄鋒，楊越.中國(guó)地方政府科技投入效率的空間外溢效應(yīng)研究[J].中國(guó)人口.資源與環(huán)境，2013，23（12）：125-130.

[10]陳志軍.新常態(tài)下我國(guó)財(cái)政科技投入的空間集聚效應(yīng)研究[J].財(cái)政研究，2016（11）：41-50.

[11]尹奧，李星洲，丁謙.山東省財(cái)政科技投入績(jī)效空間差異分析[J].山東經(jīng)濟(jì)，2010，26（1）：149-154.

[12]Rey S，Montouri B.US regional income convergence：A spatial econometric[M]. Regional Studies AssociationPerspective，1999.

[13]Tone K.Dealing with undesirable outputs in DEA：A slacks-based measure（SBM）approach[EB/OL].

[2007-04-10]http： //scienedinks.jp/east.

[14]仇方道，佟連軍，朱傳耿.省際邊緣區(qū)經(jīng)濟(jì)發(fā)展差異的時(shí)空格局及驅(qū)動(dòng)機(jī)制[J].地理研究，2009，28（2）：451-463.

[15]Anselin L.Spatial econometrics：Methods[M].Kluwer Academic Pub，1998.

[16]王越.我國(guó)居民環(huán)保意識(shí)影響因素分析[D].沈陽：遼寧大學(xué)，2015.

[17]吳碧英.財(cái)政分權(quán)對(duì)地方政府科技投入的影響研究[D].成都：西南財(cái)經(jīng)大學(xué)，2012.

[18]趙連閣，鐘搏，王學(xué)淵.工業(yè)污染治理投資的地區(qū)就業(yè)效應(yīng)研究[J].中國(guó)工業(yè)經(jīng)濟(jì)，2014（5）：70-82.

[19]張小蒂.論市場(chǎng)化與環(huán)境保護(hù)的兼容性[J].管理世界，2003（2）：138-143.