1 引言
目前，中国已转向由“创新、协调、绿色、开放、共享”新发展理念指引的经济高质量发展阶段。在新发展阶段，绿色发展是高质量发展的重要标志和底线，提高绿色全要素生产率（Green Total Factor Productivity，GTFP）是转变发展方式、优化经济结构、转换增长动力的战略重点，也是推动经济高质量发展的关键 [1]。作为我国高质量发展的先行区和创新驱动发展的示范区，国家高新区一直承担着引领和带动经济增长方式从要素驱动向绿色全要素生产率驱动转变的重大使命。2020年7月，为提高国家高新区绿色全要素生产率，国务院印发的《关于促进国家高新技术产业开发区高质量发展的若干意见》指出，支持国家高新区创建国家生态工业示范园区，推动国家高新区绿色发展；2021年2月，科技部印发的《国家高新区绿色发展专项行动实施方案》指出，国家高新区应在绿色发展方面走在前列、作出表率；2021 年 4 月，科技部印发了《国家高新技术产业开发区综合评价指标体系》，加大了对国家高新区绿色发展方面评价的指标数量和权重。因此， 未来国家高新区之间的竞争将从传统的 GDP 竞争转向绿色全要素生产率的竞争。然而，受复杂的内外部环境条件影响，不同国家高新区的绿色全要素生产率难以实现协同增长，这不仅加剧了其增长的区域差异，也给区域经济协同发展带来了巨大挑战。因此，我国面临的问题有：国家高新区绿色全要素生产率增长水平究竟如何？是否存在明显的区域差异？产生这种结果的驱动因素有哪些？全面回答这些问题对于带动区域绿色全要素生产率协同增长和实现区域经济协调发展具有重要的理论和现实意义。
关于绿色全要素生产率的研究主要聚焦于以下 3 个方面。
第一，对于绿色全要素生产率研究对象的选取而言，现有研究主要聚焦于省、市层面的绿色全要素生产率 [2-4]，仅有的有关国家高新区层面的相关研究也存在一些不足 [5-6]：其一，现有文献主要研究国家高新区全要素生产率，其分析框架中并未纳入资源和环境要素，即缺少国家高新区绿色全要素生产率的研究；其二，选取的国家高新区样本数量较少，难以全面反映国家高新区绿色全要素生产率整体情况；其三，现有文献在测算国家高新区全要素生产率时，常常采取参数法（如超越对数随机前沿生产函数方法），该方法会面临无法有效处理多个产出（含非期望产出）和误设生产函数等问题。因此，本文将研究对象由省、市层面扩展至国家高新区，并采用非参数法 （Malmquist-Luenberger，生产率指数）对 2016—2020 年 147 家国家高新区绿色全要素生产率进行分解，在测算绿色全要素生产率过程中，将土地投入纳入分析框架，这在以往研究中较为少见。
第二，就绿色全要素生产率的区域差异测度而言，现有研究普遍采用传统基尼系数、Theil 指数和变异系数等统计方法来分析绿色全要素生产率增长的区域差异 [4,7-8]。传统基尼系数与变异系数均是对研究样本的总体区域差异进行测度，无法对区域差异进行区域内、区域间差异分解；Theil指数虽能够将空间差异分解为区域内和区域间差异，但未考虑子样本分布状况，无法刻画交叉项（超变密度）对区域差异的贡献程度。本文采用的 Dagum 基尼系数及分解方法能够有效解决上述问题。
第三，就绿色全要素生产率的影响因素识别而言，现有研究更多地聚焦于绿色全要素生产率的影响因素，而对其内部构成单元（如技术效率、技术进步）的影响因素关注较少，因此，不能有效解释某一影响因素对绿色全要素生产率的作用机理，即无法准确回答“某一因素究竟是通过作用于技术进步还是技术效率对绿色全要素生产率产生影响”。同时，现有文献关注的因素主要有地理位置、市场环境、产业结构、创新政策等 [9-10]。考虑到国家高新区特殊性，本文加入了更具典型性的影响因素（如创新平台、技术引进与消化吸收费用支出），并通过Tobit 回归模型，对绿色全要素生产率、技术效率以及技术进步的驱动因素进行了探究。
综上所述，为了进一步完善相关研究，本文选取 2016—2020 年 147 家国家高新区作为研究对象。首先，为了分解国家高新区绿色全要素生产率， 本文采取 Malmquist-Luenberger 生产率指数；其次， 本文采取 Dagum 基尼系数来测算绿色全要素生产率、技术效率以及技术进步的区域差异，并通过贡献率探究差异来源；再次，采用 Tobit 回归分析方法分别对绿色全要素增长率、技术进步和技术效率的影响因素进行分析；最后，获得研究结论和政策启示。
2 研究方法与数据
2.1研究方法
本文采取 Dagum 基尼系数分解方法进行研究。根据 Dagum 提出的基尼系数及其按子群分解的方法[11]，其定义如式（1）所示。其中，y (y ) 是j(h) 区域内任意一家国家高新区的绿色全要素生产率（技术效率或技术进步）；y 是四大区域中 147 家国家高新区绿色全要素生产率的平均值；n 是国家高新区的个数；k 是划分区域的个数；nj(nh) 是j(h) 区域内国家高新区的个数。
在进行基尼系数分解时，首先根据各个区域内国家高新区绿色全要素生产率（技术效率或技术进步）均值对划分的区域进行排序，如式（2） 所示。按照 Dagum 的基尼系数分解方法，将基尼系数分解为三个部分即区域内差异的贡献 Gw、区域间差异的贡献 Gnb、超变密度的贡献 Gt，三者的关系满足公式 G=Gw+Gnb+Gt。其中，式（3）和式（4）分别表示 j 区域内国家高新区的区域内基尼系数 Gjj 和区域内差异的贡献 Gw；式（5）和式（6） 分别表示 j 和 h 两个区域的区域间基尼系数 Gjh 和区域间差异的贡献 Gnb；式（7）表示超变密度的贡献 Gt。上述各公式均基于绿色全要素生产率（技术效率或技术进步）指标均值进行了平均处理。因此，基尼系数刻画的是绿色全要素生产率（技术效率或技术进步）相对差异的大小及其来源。
式（7）中，pj=nj/n，sj=nj/n(j=1，2，…，k)，Djh 为 j 和 h 区域间单位绿色全要素生产率（技术效率或技术进步）的相对影响，其定义如式（8）所示。其中，d 和 p的计算公式分别如式（9）和式（10）所示。F (F )分别为 j(h) 区域内国家高新区绿色全要素生产率（技术效率或技术进步）的累积密度分布函数。
本文将djP 定义为区域间绿色全要素生产率（技术效率或技术进步）的差值，可以理解为 j 和 h 区域中所有y ji–y hr>0 的样本值加总的数学期望；p jh定义为超变一阶矩，可以理解为 j 和 h 区域中所有y hr–y ji>0 样本值加总的数学期望。
2.2研究对象与数据来源
考虑到数据的准确性及可获得性，本文选取了2016—2020年147个国家高新区为研究对象， 并结合区域协调的发展战略，将其划分为东部、中部、西部以及东北四个地区的国家高新区，划分结果见表 1。
表 1 分地区的国家高新区
本文参照已有研究 [12-13]，采用Malmquist-Luenberger 生产率指数测算和分解了2016—2020 年 147 家国家高新区绿色全要素生产率。在上述模型中，本文以 2016—2020 年 147 个国家高新区营业收入衡量期望产出，以二氧化碳排放量为环境污染所带来的非期望产出。参照刘华军等 [8] 做法，二氧化碳排放量采用能源消耗量与碳排放系数乘积获得；以年末固定资产合计（火炬统计有标准口径的年末固定资产合计指标，避免了资本存量统计口径不一致与不同折算方法所带来的误差）、实际开发的土地、年末从业人员数、规模以上及重点企业能源消耗分别作为资本投入、土地投入、劳动投入以及能源投入。上述数据均来源于科技部火炬高技术产业开发中心火炬计划统计数据。
3 国家高新区绿色全要素生产率及其构成的区域差异分解结果
3.1国家高新区绿色全要素生产率分解结果
表 2 展示了四大区域的国家高新区绿色全要素生产率（Green Total Factor Productivity， GTFP）、技术效率（Efficiency Change，EC）和技术进步（Technical Change，TC）的测算结果。由绿色全要素生产率的均值大小分析可知，在样本考察期内，整体和四大区域的国家高新区绿色全要素生产率均呈现出不同程度的增长。其中， 整体绿色全要素生产率年均增长为 1.7%， 东部国家高新区绿色全要素生产率增长最快，年均增长率为 2.5%，中部与西部国家高新区次之， 年均增长率分别为 1.6% 和 0.8%，东北国家高新区最小，年均增长率仅为 0.4%。其原因可能是： 东部国家高新区拥有强大技术创新能力，科技与产业深度融合，产业转型升级步伐明显加快，在保持经济持续增长的同时，其资源消耗和污染排放明显变少，这使得东部国家高新区绿色全要素生产率增长最快；相反地，东北国家高新区以重工业作为经济支撑，其高新技术产业和现代服务业仍处于相对滞后的状态，在经济增长的同时， 往往会伴随着大量的资源消耗以及较为严重的环境污染问题，其绿色全要素生产率增长最慢。
表 2 分地区国家高新区绿色全要素生产率分解结果
通过分析绿色全要素生产率的演变趋势可知， 整体和东部地区的国家高新区绿色全要素生产率呈“W”形的变化趋势；中部国家高新区绿色全要素生产率呈现出先持续下降、后持续上升的“V” 形变化趋势，在 2020 年上升至 8.3%，成为绿色全要素生产率增幅最大的区域；西部地区的国家高新区绿色全要素生产率增速相对比较平稳，基本维持 1% 水平变动；东北国家高新区绿色全要素生产率则从 2016 年的 –11.5% 的增长至 2020 年的 5.5%，实现由负增长向正增长的转变。其原因可能是：中部国家高新区作为东部与西部国家高新区的关键桥梁，更容易享受东部国家高新区的技术创新或知识溢出的红利，也更便捷地吸引和使用西部国家高新区各类生产和创新资源，更能通过借力借势提高资源配置效率和推动生产技术转型升级，进而有助于提高绿色全要素生产率； 东北国家高新区在 2018 年之前经济增长过度依赖廉价的自然资源和劳动力优势，资源使用效率低且环境污染较高，绿色全要素生产率呈现负增长。在高质量发展阶段（2017 年以后），东北国家高新区开始大力实施新旧动能转换工程，持续淘汰落后产能，推动能源结构和产业结构持续变革升级，在节能减排、效率提升、环境优化等方面取得了一系列成绩，从而实现绿色全要素生产率正增长。值得注意的是，上述的测算结果与李兰冰等 [14]、王兵等 [2] 的研究结类似，即全国和不同区域的绿色全要素生产率均呈现出正增长的态势。
从技术效率而言，整体和四大地区的国家高新区技术效率均呈现不同程度的下降趋势。整体国家高新区技术效率年均下降 0.5%，东北高新区技术效率恶化最为严重，年均下降 1.2%，中部国家高新区年均下降 1.1%，东部和西部地区国家高新区下降速度较为缓慢，年均下降约 0.1%。其主要原因是：受投入要素边际收益递减规律的影响， 持续增加要素投入并不会带来生产率的提高；相反地，会造成资源浪费和污染增加，从而引起技术效率下降，未来经济增长应由要素推动转向创新驱动。
从技术进步来看，整体和四大地区的国家高新区技术进步年均增长率均为正。其中，整体国家高新区技术进步年均增长率为 4.1%；中部国家高新区技术进步的年均增长率最高，为 4.4%；东部和东北国家高新区技术进步的年均增长率次之， 分别为 4.4% 和 3.9%；西部国家高新区技术进步的年均增长率为 3.2%，在四大地区中最低。
从技术进步的变化趋势来看，整体和四大地区的国家高新区技术进步变化态势具有明显的趋同性，呈现出“下降-上升 -下降”变动态势。
总而言之，不同地区的国家高新区绿色全要素生产率的增幅差异显著，技术进步弥补了技术效率的衰退，从而促进了国家高新区绿色全要素生产率的增长。
3.2国家高新区绿色全要素生产率的区域差异分解结果
为了探究国家高新区绿色全要素生产率的区域差异及其来源，本文参照已有研究做法 [1,6]，以2015 年为基期（即以 2015 年为 1）对绿色全要素生产率、技术效率以及技术进步进行累计处理， 从而获得 2016—2020 年国家高新区累计绿色全要素生产率、累计技术效率与累计技术进步指数（如无特殊说明，下文均指累计指数）。在此基础上， 本文采用 Dagum 基尼系数分解方法分别测算了2016—2020 年四大地区的国家高新区绿色全要素生产率及其构成要素的基尼系数。表 3—表 5分别呈现了国家高新区绿色全要素生产率、技术效率变化和技术进步的 Dagum 基尼系数分解结果。
由表 3 可知：①从总体差异的演变趋势来看， 国家高新区绿色全要素生产率的总体差异呈持续扩大态势，基尼系数由 2016 年的 0.000 94 增长至 2020 年 0.002 24，年均增长 34.57%，2016—2020 年年均值为 0.001 77。②从区域内差异的演变趋势来看，东部、中部、西部和东北地区国家高新区绿色全要素生产率的区域内差异均呈持续扩大态势；从区域内差异的均值大小来看，东部地区国家高新区绿色全要素生产率的区域内差异最大，东北与西部国家高新区次之，中部国家高新区最小。③就区域间差异的演变趋势而言，其绿色全要素生产率区域间差异均呈现持续扩大态势；就区域间差异大小而言，按照区域间差异大小进行排序，依次是东部与东北国家高新区的区域间差异＞东部与中部国家高新区的区域间差异= 东部与西部国家高新区的区域间差异＞西部与东北国家高新区的区域间差异＞中部与东北国家高新区的区域间差异＞中部与西部国家高新区的区域间差异，对应的 2016—2020 年年均值依次为0.002 06、0.001 75、0.001 75、0.001 74、0.001 72、0.001 42。④从区域差异贡献率的演变趋势来看，区域内差异和超变密度的贡献率均呈上升态势，而区域间差异贡献率明显变小；就贡献率大小而言， 超变密度贡献最大（53.41%），区域内差异贡献次之（32.13%），区域间差异贡献最小（14.46%）。
表 3 绿色全要素生产率 Dagum 基尼系数分解结果
3.3国家高新区技术效率变化的区域差异分解结果
由表 4 可知：①国家高新区技术效率的总体差异呈持续上升态势，基尼系数由 2016 年的 0.001 04 增长至 2020 年 0.002 13，年均增长 26.20%，2016—2020 年年均值为 0.001 74。②从区域内差异的演变趋势来看，东部、中部、西部及东北地区国家高新区技术效率的区域内差异均呈明显扩大态势；就区域内差异的大小而言， 东部国家高新区技术效率的区域内差异最大，东北与西部国家高新区次之，中部国家高新区最小。③就区域间差异的演变趋势而言，区域间差异均呈现扩大态势；就区域间差异大小而言，按照区域间差异大小进行排序，依次是东部与东北国家高新区的区域间差异＞西部与东北国家高新区的区域间差异 > 中部与东北国家高新区的区域间差异＞东部与西部国家高新区的区域间差异＞东部与中部国家高新区的区域间差异＞中部与西部国家高新区的区域间差异，对应的 2016—2020 年年均值依次为 0.002 04、0.001 94、0.001 82、0.001 76、0.001 62、0.001 56。④就区域差异贡献率的演变趋势而言，区域内差异和超变密度贡献率均呈现上升态势，区域间差异的贡献率明显变小；就贡献率大小而言，超变密度贡献率最大（58.06%），区域内差异贡献率次之（30.72%）， 区域间差异贡献率最小（11.22%）。
表 4 技术效率 Dagum 基尼系数分解结果
3.4国家高新区技术进步变化的区域差异分解结果
由表 5 可知：①就总体差异的演变趋势而言， 国家高新区技术进步总体差异呈现出持续上升态势，基尼系数由 2016 年的 0.000 8 增长至 2020 年0.001 05，年均增长 7.8%，2016—2020 年年均值为 0.000 99。②就区域内差异的演变趋势而言，东部、中部、西部国家高新区技术进步的区域内差异均呈现明显扩大态势，东北国家高新区的区域内差异则出现收敛态势；就区域内差异均值大小而言，西部国家高新区技术进步的区域内差异最大，中部与东部国家高新区次之，东北国家高新区最小。③就区域间差异的演变趋势而言，技术进步区域间差异均呈现扩大态势；就区域间差异大小而言，按照区域间差异大小进行排序，依次是中部与西部国家高新区的区域间差异＞东部与西部国家高新区的区域间差异 > 西部与东北国家高新区的区域间差异＞东部与中部国家高新区的区域间差异＞中部与东北国家高新区的区域间差异＞东部与东北国家高新区的区域间差异，对应的2016—2020 年年均值依次为 0.001 06、0.001 03、0.001 01、0.000 99、0.000 97、0.000 93。④从区域差异贡献率的演变趋势来看，区域内、区域间差异的贡献率均呈现上升态势，超变密度贡献率呈现波动中下降态势；就贡献率大小而言，超变密度贡献率最大（61.95%），区域内差异贡献率次之（30.34%），区域间差异率贡献最小（7.71%）。
表 5 技术进步 Dagum 基尼系数分解结果
4 国家高新区绿色全要素生产率及其构成的影响因素
4.1变量选取与模型设定
在变量选取上，本文参照王兵等[2]、刘华军等[8] 的研究，考虑到国家高新区绿色发展特殊性，加入了如“国家级创新平台、境外技术经费支出及其消化吸收费用”等对国家高新区绿色发展更有针对性的影响因素。选择的影响因素如下：①经济发展（Economy，用 ECO 表征），以国家高新区的人均营业收入衡量，并引入平方项以检验“环境库兹涅茨曲线”假说在国家高新区层面是否成立；②资本积累（Capital/Labor，用 K/L 表征）， 以资本与劳动之比来进行衡量；③对外出口（In- ternational Export，用 INT 表征），用出口总额占营业收入比例进行衡量；④产业结构（Structure of Industry，用 STR 表征），以第三产业增加值占第二产业产值比例来衡量；⑤技术引进（Import of Technology，用 IMP 表征），以引进境外技术经费支出及其消化吸收费用占营业收入比例来衡量；⑥创新平台（Innovation Platforms，用 IPL 表征）， 以国家级创新平台数量进行衡量，国家级创新平台主要包括国家级重点实验室、国家级企业技术中心、国家级工程技术研究中心、国家级工程研究中心、国家级博士后工作站等。
在模型设定上，本文将上述影响因素作为解释变量，并将绿色全要素生产率、技术效率和技术进步的累计形式作为被解释变量（Z）。由于被解释变量 Z 为截尾数据（均大于 0），传统的普通最小二乘法回归结果将出现偏差。因此，本文采用面板数据的 Tobit 模型进行计量，构建面板数据的 Tobit 模型如式（11）所示：
4.2模型回归结果分析
表 6 展示了 Tobit 回归分析结果，分析可得以下结论。
表 6 Tobit 回归结果
（1）经济发展水平。经济发展水平及其平方项对绿色全要素生产率回归系数显著为正，则表明经济发展水平及其平方项对绿色全要素生产率增长具有显著的正向影响。该结果与刘华军等 [8] 的研究结论一致。究其原因，经济落后的国家高新区往往侧重产业规模和经济体量，以物质财富的增加为目标，不考虑或者鲜少考虑环境的承载能力，呈现出明显高资源消耗、高污染排放的典型特征，从而导致绿色全要素生产率降低。相反地， 经济相对发达的国家高新区则主要依托技术创新， 促进节能减排，实现效率的提升，从而促进绿色全要素生产率增长。值得注意的是，这一结果意味着随着经济发展水平的持续提高，环境污染正处于下降区间，即“环境库兹涅茨曲线”假说在国家高新区仍然成立。就内部构成而言，经济发展水平及其平方项对技术效率与技术进步的回归系数均为正。该结果说明经济越发达的国家高新区，其科技创新能力越强，技术效率提升越明显， 从而对绿色全要素生产率有明显的促进作用。
（2）资本积累。从回归结果来看，资本积累对绿色全要素生产率和技术效率的回归系数分别为 –0.002 87 和 –0.002 67，且均通过了 1% 显著性水平检验。这表明资本积累通过阻碍技术效率提升对绿色全要素生产率增长产生负向影响。究其原因：一方面，由于资本的收益递减规律影响， 资本要素投入持续增加并不会带来相应产出的增加，反而造成了资源的浪费和利用效率的降低， 导致绿色全要素生产率下降；另一方面，资本与劳动之比上升意味着产业结构由劳动密集型产业转向资本密集型产业。与劳动密集产业相比，资本密集型产业更多呈现出能源高消耗与环境高污染的特征，这将导致绿色全要素生产率的下降。此外，资本积累对技术进步的回归系数为 0.000 10，但在统计上并不显著。
（3）对外出口。对外出口对绿色全要素生产率和技术效率、技术进步均具有负向影响。该结果表明，对外出口阻碍了技术效率提升和技术进步，进而对绿色全要素生产率增长产生负向影响。该结果与孙晓华等 [15] 研究结论一致，验证了国家高新区出口的生产率悖论。其主要原因在于，现阶段许多国家高新区依靠低成本要素的比较优势嵌入到全球价值链低端，从事加工贸易活动，出口技术含量不高、附加值较低且对环境污染较大的产品，利润率十分有限，使得出口园区存在较为严重的研发惰性，陷入出口越多、生产率越低的恶性循环。
（4）产业结构。产业结构对绿色全要素生产率、技术效率和技术进步均具有显著的正向影响。该结果表明，产业结构可以提升技术效率，促进技术进步，进而对绿色全要素生产率产生正向促进作用。其主要原因在于，国家高新区作为我国创新驱动发展的示范区，区别于传统服务业，其第三产业具有高技术性、高知识性、高增加值性、低污染性等特征，产业结构向高级化方向发展， 有助于促进技术效率提升和技术进步，进而有助于促进绿色全要素生产率的增长。
（5）技术引进。技术引进对绿色全要素生产率、技术效率和技术进步均具有负向影响。该结果表明，技术引进阻碍了技术效率提升和技术进步，进而对绿色全要素生产率产生负向影响，该结论与金雪军等 [16] 的研究结果类似。其主要原因有两方面。一方面，技术引进会促使国家高新区产生技术路径依赖，进而抑制企业自主创新能力。在这种情况下，国家高新区一旦针对生产问题引进的技术出现落后，出于成本或短期利益考虑， 往往会再次采用技术引进的策略，由此形成“技术落后 - 技术引进 - 技术再落后 - 技术再引进 - 技术再落后”等恶性循环，使得国家高新区技术创新惰性增加，进而抑制园区技术进步。另一方面， 技术引进对生产和管理资金的挤占效应。由于国家高新区可用资源有限，过多的技术引进费用会挤占生产投入，导致用于生产过程中的资源受限， 在一定程度上忽略产品生产、制造与管理过程， 从而对生产效率（技术效率）产生抑制作用。正是技术引进引起的技术路径锁定和对生产投入的挤占效应，导致绿色全要素生产率降低。
（6）创新平台。创新平台对绿色全要素生产率、技术进步回归系数均具有显著的正向影响。该结果表明，创新平台可以推动技术进步，进而促进绿色全要素生产率增长 [17]。此外，创新平台对技术效率的回归系数为 0.000 33，但在统计上不显著。
5结论与建议
5.1研究结论
本文分别采用 Malmquist-Luenberger 生产率指数、Dagum 基尼系数分解方法以及Tobit 回归方法， 探究了 2016—2020 年 147 家高新区绿色全要素生产率区域差异与驱动因素。研究发现：①整体和不同地区的国家高新区绿色全要素生产率、技术进步均呈现出正增长态势，技术效率则出现了不同程度的衰退；②绿色全要素生产率、技术进步以及技术效率的总体差异、区域内差异以及区域间差异大体上均呈现出扩大态势，区域内差异和超变密度是区域差异的主要来源；③经济发展水平及其平方项对绿色全要素生产率、技术效率与技术进步具有正向作用，而对外出口、技术引进和资本积累等因素对绿色全要素生产率与技术效率均具有负向影响，产业结构与创新平台对绿色全要素生产率、技术进步具有正向作用。
5.2政策建议
（1）发挥国家高新区对我国绿色发展的引领带动作用。一方面，各地方政府应瞄准区域协调发展战略的目标要求，遵循比较优势原则，制定切实有效的绿色发展政策，改变以经济总量为唯一标准的绩效考核方式，将绿色发展水平纳入政府绩效考核目标，将考核重点由经济总量转向经济高质量发展。另一方面，各个国家高新区应围绕提升园区绿色可持续发展的能力来制定切实有效的战略规划，以“碳达峰”“碳中和”的技术创新和产业转化作为发展高科技和实现产业化的指导方向，致力于推动园区的绿色可持续发展。
（2）强化国家高新区绿色发展跨区域的交流与合作。一方面，政府应因地制宜，引导不同绿色发展水平的国家高新区进行合作交流，增强绿色发展水平较高的国家高新区对绿色发展水平较低的国家高新区的辐射带动作用。另一方面，针对地区间的非均衡状态，国家高新区应破除空间位置的限制，积极推动不同地区的国家高新区构建跨区际、多元化的信息共享、资源交流的合作网络，合理配置和协调国家高新区之间创新资源要素，促进区域间协同协调发展。
（3）实施国家高新区差异化绿色发展工程。一方面，绿色可持续发展水平较高的国家高新区应当以突破国外技术封锁、破解核心技术“卡脖子” 问题为目标，着力提升自主创新能力，不断钻研国际关键技术，努力将园区建设成我国甚至国际代表性的模范园区。另一方面，绿色全要素生产率较低水平的国家高新区要根据自身的优势，以增强可持续发展能力为基础，以生态环保问题为切入点，充分发挥固有的资源优势和产业优势， 加快从以能源利用为主要模式的第二产业向以现代服务业为主的第三产业进行调整与转换，不断提高生产效率，提升产业核心竞争力，推进产业现代化建设。
6 研究不足与展望
一方面，研究样本的数量和规模有待进一步扩充。自 20 世纪末首个国家高新区成立以来，经历30 余年的发展，国家高新区的队伍规模得到迅速扩大。本文考虑到数据可获得性和准确性，只选取 2016—2020 年 147 个国家高新区（全国共计169 家）作为研究对象。未来随着火炬统计工作的完善以及统计数据质量的提升，有必要将更多的国家高新区纳入研究和分析。
另一方面，本文主要聚焦于国家高新区绿色全要素生产率测算、区域差距与驱动因素研究， 尚未进一步从空间关联、空间溢出视角探究不同国家高新区之间绿色全要素生产率的相互作用。一个国家高新区绿色全要素生产率是否会对另一个国家高新区绿色全要素生产率产生影响呢？其内在的作用机理是什么？如何衡量这种影响的方向和大小？因此，未来需要关注与从事国家高新区绿色全要素生产率的空间关联与空间溢出效应等方面的研究，难点或许在于内在相互关联或空间溢出效应的解释与空间计量经济模型的选择。
参考文献
[1]刘华军 , 李超 , 彭莹 , 等 . 中国绿色全要素生产率增长的空间不平衡及其成因解析 [J]. 财经理论与实践 , 2018, 39(5): 116-121.
[2]王兵 , 吴延瑞 , 颜鹏飞 . 中国区域环境效率与环境全要素生产率增长 [J]. 经济研究 , 2010, 45(5): 95-109.
[3]谭政 , 王学义 . 绿色全要素生产率省际空间学习效应实证 [J]. 中国人口 · 资源与环境 , 2016, 26(10): 17-24.
[4]陈明华 , 张晓萌 , 刘玉鑫 , 等 . 绿色 TFP 增长的动态演进及趋势预测 : 基于中国五大城市群的实证研究 [J]. 南开经济研究 , 2020(1): 20-44.
[5]孙红军 , 陈鸣 , 王胜光 , 等 . 中国高新区全要素生产率增长的空间不平衡及影响因素研究 [J]. 软科学 , 2020, 34(1): 1-6.
[6]孙红军 , 王胜光 . 国家高新区全要素生产率增长的区域差距及影响因素 [J]. 中国科技论坛 , 2020(8): 76-87.
[7]李博 , 秦欢 , 孙威 . 产业转型升级与绿色全要素生产率提升的互动关系 : 基于中国 116 个地级资源型城市的实证研究 [J]. 自然资源学报 , 2022, 37(1): 186-199.
[8]刘华军 , 李超 , 彭莹 . 中国绿色全要素生产率的地区差距及区域协同提升研究 [J]. 中国人口科学 , 2018(4): 30-41, 126.
[9]汪锋 , 解晋 . 中国分省绿色全要素生产率增长率研究[J]. 中国人口科学 , 2015(2): 53-62, 127.
[10]崔兴华, 林明裕. FDI 如何影响企业的绿色全要素生产率 ?: 基于 Malmquist-Luenberger 指数和 PSM-DID 的实证分析 [J]. 经济管理 , 2019, 41(3): 38-55.
[11]DAGUM C. A new decomposition of the Gini income inequality ratio[J]. Empirical Economics, 1997, 22(4): 515-531.
[12]陈超凡 . 中国工业绿色全要素生产率及其影响因素 : 基于 ML 生产率指数及动态面板模型的实证研究 [J]. 统计研究 , 2016, 33(3): 53-62.
[13]CHUNG Y H, FÄRE R, GROSSKOPF S. Productivity and undesirable outputs: A directional distance function approach[J]. Journal of Environmental Management, 1997, 51(3): 229-240.
[14]李兰冰, 刘秉镰. 中国区域经济增长绩效、源泉与演化: 基于要素分解视角 [J]. 经济研究 , 2015, 50(8): 58-72.
[15]孙晓华 , 王昀 . 研发、出口与全要素生产率 : 基于联立方程模型的实证检验 [J]. 管理工程学报 , 2015, 29(4): 1-8.
[16]金雪军 , 欧朝敏 , 李杨 . 全要素生产率、技术引进与R&D 投入 [J]. 科学学研究 , 2006, 24(5): 702-705.
[17]孙红军 , 王胜光 . 创新创业平台对国家高新区全要素生产率增长的作用研究 : 来自 2012—2017 年 88 个国家高新区关系数据的证据 [J]. 科学学与科学技术管理 , 2020, 41(1): 83-98.
作者：孙红军 中国标准化研究院国家标准馆
转载请注明出处