其中，全要素生产率的计算主要涉及投入和产出两类指标。本文采用以 ２００３年为基期的各地实际

国内生产总值来衡量产出指标［３０］

。投入指标涉及劳动投入和资本投入。劳动投入为各地区城镇单位、

私营和个体企业就业人数总和。资本投入为各地区资本存量。本文借鉴张军等［３１］

的方法，采用永续盘

存法来计算资本存量。基于以上指标，本文使用 ＤＥＡＰ２．１软件对中国 ３０个省份（西藏、港澳台除外）

２００３—２０１７年的数据进行计算，得出各地区的全要素生产率。

熵值法计算工业绿色转型升级指标的具体步骤如下：

第一步，为消除工业绿色转型升级指标体系各子指标的量纲和数量级的差异，将子指标数据进行线

性标准化。标准化方式如式（２）、式（３）。

Ｘｉｋ ＝( ｘｉｋ －Ｍｉｎｘ)

ｋ ／（Ｍａｘｘｋ －Ｍｉｎｘｋ） （２）

Ｘｉｋ ＝( Ｍａｘｘｋ －ｘ) ｉｋ ／( Ｍａｘｘｋ －Ｍｉｎｘ)

ｋ （３）

其中，式（２）为正向指标使用公式，本文仅有全要素生产率为正向指标；式（３）负向指标使用公式。

第二步，计算 ｉ省份 ｋ指标所占比重 ｒｉｋ：

ｒｉｋ ＝Ｘｉｋ／∑

ｎ

ｉ＝１

Ｘｉｋ （４）

第三步，计算 ｋ指标的熵值 ｅｉｋ：

ｅｉｋ ＝－ １

ｌｎ（ｎ）∑

ｎ

ｉ＝１

ｒｉｋｌｎ（ｒｉｋ） （５）

第四步，计算 ｋ指标的权重 ｗｉｋ：

ｗｉｋ ＝（１－ｅｉｋ）／∑

ｍ

ｋ＝１

（１－ｅｉｋ） （６）

第五步，在以上计算的基础上，加权平均得到工业绿色转型升级指标：

Ｕｐｇｒａｄｅｉ ＝∑

ｍ

ｋ＝１

ｗｉｋｒｉｋ （７）

根据以上方法，本文对中国 ３０个省份（西藏、港澳台除外）２００３—２０１７年工业绿色转型升级指标进

行了计算，并将各省份年平均值从高到低进行排序，结果见表 ２。总体来看，工业绿色转型升级程度排名

靠前的地区多为中国东部地区，排名靠后地区多为西部地区。东部地区经济较为发达，经济发展方式较

早由高速发展向高质量发展转变；而西部地区经济发展水平较为落后，工业发展以资源型产业为主，工业

绿色转型升级进度较为缓慢。

表 ２ ２００３—２０１７年各省份工业绿色转型升级指数年均值排序

省份 工业绿色

转型升级 排名 省份 工业绿色

转型升级 排名 省份 工业绿色

转型升级 排名

广东 ０．０４８ １ 四川 ０．０３８ １１ 江西 ０．０３２ ２１

天津 ０．０４５ ２ 陕西 ０．０３８ １２ 广西 ０．０２８ ２２

山东 ０．０４２ ３ 安徽 ０．０３７ １３ 山西 ０．０２８ ２３

上海 ０．０４２ ４ 湖北 ０．０３７ １４ 云南 ０．０２６ ２４

福建 ０．０４１ ５ 北京 ０．０３６ １５ 海南 ０．０２５ ２５

黑龙江 ０．０３９ ６ 河北 ０．０３６ １６ 新疆 ０．０２４ ２６

湖南 ０．０３９ ７ 吉林 ０．０３５ １７ 青海 ０．０２１ ２７

江苏 ０．０３９ ８ 重庆 ０．０３３ １８ 贵州 ０．０２１ ２８

浙江 ０．０３９ ９ 内蒙古 ０．０３３ １９ 甘肃 ０．０２０ ２９

河南 ０．０３８ １０ 辽宁 ０．０３２ ２０ 宁夏 ０．００７ ３０

杨 ?，等：环境规制与工业绿色转型升级 ４５

２．解释变量

环境规制强度（ＥＲ）。国内外学者主要从 ６个角度对环境规制进行测量［３２］

。本文借鉴傅京燕等［３３］

和童健等［２０］

构造方法，使用各地区城市污水处理率、工业二氧化硫去除率和工业烟粉尘去除率 ３个指标

的算数平均值综合衡量环境规制总体强度，该指标值越大，表示该地区环境规制强度越大。

为进一步分析异质性环境规制对工业绿色转型升级的影响，本文将环境规制分为命令控制型

（ＬＥＲ）、市场激励型（ＭＥＲ）和公众参与型（ＰＥＲ）三种类型。

（１）命令控制型环境规制（ＬＥＲ）

目前已有文献有采用污染排放综合指数［３４］

、政府计划中能源强度下降目标百分比［２５］

、当年完成环

保验收项目数［３５］

等指标来衡量命令控制型环境规制。为了更准确地体现命令控制型环境规制内涵，本

文借鉴李胜兰等［３６］

的衡量方法，使用各地区累积有效的地方性环保法规、政府规章和环境标准总数表示

命令控制型环境规制强度。

（２）市场激励型环境规制（ＭＥＲ）

有关市场激励型环境规制指标的衡量，国内学者主要使用能源价格综合指数［３７］

、排污权交易试点政

策［３８］

或排污费收入［３９］

来衡量市场激励型环境规制强度。由于环境税费制度是我国市场激励型环境规

制的重要代表，本文借鉴王兵等［４０］

的衡量方法，使用排污费实缴入库金额占工业增加值的比重表示市场

激励型环境规制强度。

（３）公众参与型环境规制（ＰＥＲ）

公众参与型环境规制强度主要使用地区环境信访来信总数［３９］和人大建议和政协提案数指标［４０］来

衡量。鉴于数据的完整性，本文借鉴吴磊等［３９］

的衡量方法，使用各地区人大建议和政协提案数来表征公

众参与型环境规制强度。

３．控制变量

为尽量减少因遗漏变量而造成的估计结果偏差，本文选取如下控制变量：① 人力资本水平（ｋ）：人力

资本水平的提高，有助于提升企业员工的环保意识和应用创新能力，为企业绿色转型升级提供助力。本

文使用各地区就业人员中大专及以上学历所占比重表示人力资本水平［４１］

。② 对外开放程度（ｆｄｉ）：对外

开放程度越高，意味着更容易引进国外先进污染治理技术，促进企业绿色转型。本文采用各地区实际利

用外商直接投资额占工业总产值的比重表示对外开放程度。③ 市场化程度（ｍａｒｋｅｔ）：提升市场化程度有

利于资源优化配置，促进企业优胜劣汰，推动工业转型升级。本文使用各地区财政支出占地区生产总值

的比重来衡量市场化程度，该指标值越小，表示该地区经济发展对政府部门的依赖度越低，市场化程度越

高。④ 产业结构（ｓｔｒｕｃ）：产业结构能够反映地区产业发展布局，其总体结构的变化对工业绿色转型亦能

产生影响。本文采用各地区 ＧＤＰ构成中第三产业与第二产业的比值表示产业结构。⑤ 经济发展水平

（ｇｄｐ）：地区经济发展水平越高，公众对于环境质量改善的诉求越高，有助于推动工业绿色转型升级。本

文采用各地区生产总值的对数表示经济发展水平。

（三）数据说明

本文采用 ２００３—２０１７年中国 ３０个省份的面板数据（基于数据的可得性和完整性，不包括西藏和港

澳台地区）。本文数据主要来源于历年《中国环境年鉴》《中国统计年鉴》《中国能源统计年鉴》《中国科

技统计年鉴》《中国工业经济统计年鉴》和各省份统计年鉴。为了提高估计的准确性和可信度，本文分别

使用工业生产者出厂价格指数、ＧＤＰ平减指数对工业增加值、ＧＤＰ进行价格平减以调整为可比价格，基

期为 ２００３年。变量的描述性统计见表 ３。

４６ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

表 ３ 变量的描述性统计

变量 变量名称 均值 标准差 最小值 最大值

Ｕｐｇｒａｄｅ 工业绿色转型升级 ０．０３３ ０．０１０ ０．００８ ０．０５３

ＥＲ 环境规制强度 ０．７５０ ０．１４６ ０．３７５ ０．９９８

ＬＥＲ 命令控制型环境规制 ０．２３７ ０．１７６ ０．０００ １．１８０

ＭＥＲ 市场激励型环境规制 １２．８６７ １１．０２２ ０．８９０ ８８．１２０

ＰＥＲ 公众参与型环境规制 ０．０４８ ０．０４４ ０．００２ ０．５８５

ｋ 人力资本 ０．１３０ ０．０９０ ０．０２０ ０．５５９

ｆｄｉ 对外开放程度 ０．０６６ ０．０６５ ０．００１ ０．４６９

ｍａｒｋｅｔ 市场化程度 ０．２０９ ０．０９３ ０．０７８ ０．６２７

ｓｔｒｕｃ 产业结构 ０．３９６ ０．０８５ ０．１１８ ０．７６９

ｇｄｐ 经济发展水平 ８．４８７ ０．８８２ ５．９５４ １０．１５４

四、实证分析

（一）基准回归结果

为确保本文回归结果的稳定性，识别控制变量是否对核心解释变量估计结果造成影响，在基准回归

分析中，本文采取逐步添加控制变量的方法对模型进行调整，具体回归结果如表 ４所示。

表 ４ 环境规制对工业绿色转型升级影响的基准回归结果

（１） （２） （３） （４） （５） （６）

ＥＲ ０．０２２

（０．００５）

０．０２６

（０．００５）

０．０２５

（０．００５）

０．０２５

（０．００５）

０．０２４

（０．００５）

０．００９

（０．００５）

ｋ ０．０４５

（０．００９）

０．０４６

（０．００９）

０．０３６

（０．００９４）

０．０３８

（０．００９）

０．０４１

（０．００８）

ｆｄｉ ０．０１９

（０．００７）

０．０１９

（０．００７）

０．０３２

（０．００７）

０．０２３

（０．００６）

ｍａｒｋｅｔ －０．０４１

（０．００９）

－０．０３９

（０．００９）

－０．０２６

（０．００８）

ｓｔｒｕｃ ０．０１８

（０．００４）

０．００８

（０．００３）

ｇｄｐ

０．０２２

（０．００２）

常数项 ０．０２２

（０．００３）

０．０１６

（０．００３）

０．０１５

（０．００３）

０．０２２

（０．００３）

０．０１４

（０．００４）

－０．１５７

（０．０１６）

地区效应 控制 控制 控制 控制 控制 控制

时间效应 控制 控制 控制 控制 控制 控制

Ｎ ４４６ ４４６ ４４６ ４４６ ４４６ ４４６

Ｒ２ ０．０４２ ０．０９４ ０．１１２ ０．１５７ ０．２０７ ０．３８６

注：括号内数字为系数的标准误，、、分别表示 １０％、５％、１％的水平上显著

杨 ?，等：环境规制与工业绿色转型升级 ４７

表 ４中（１）～（６）列回归结果显示，环境规制的回归系数均显著为正，说明环境规制能够对工业绿色

转型升级产生正向激励效应，假设 １得到验证。面临日趋严格的环境规制，工业企业的治污成本进一步

增加，这将导致一部分污染严重的企业倒闭或转移，另一部分企业在环境规制压力下进行绿色技术创新、

改进生产技术、减少污染排放，从而推动工业绿色转型升级。如第（２）～（６）列所示，在逐步加入控制变

量后，虽然关键解释变量的回归系数大小有所改变，但正负关系不变，环境规制对工业绿色转型升级的正

向激励效应依然存在，进一步证明本文模型设定的可靠性。

控制变量方面：人力资本（ｋ）的系数为正且通过 １％的显著性检验，说明人力资本对工业绿色转型升

级存在正向影响。对外开放水平（ｆｄｉ）系数显著为正，说明 ＦＤＩ对工业绿色转型升级存在积极效应，这与

王兵等［４０］

的结论相同。外资的流入能够缓解地区发展资金不足问题，带来较先进的技术，从而对外资流

入地的工业绿色转型升级产生正向促进作用。市场化程度（ｍａｒｋｅｔ）系数为负，这说明市场化程度低，会

阻碍该地区工业绿色转型升级。产业结构（ｓｔｒｕｃ）的系数显著为正，说明产业结构日趋合理化对工业绿色

转型升级有明显的推动作用。经济发展水平（ｇｄｐ）系数在 １％的水平上显著为正，意味着经济越发达的

地区，工业绿色转型升级程度越高，这与中国东部地区省份 ２００３—２０１７年工业绿色转型年平均值排名靠

前的事实相符。

（二）稳健性检验

１．内生性检验

为缓解环境规制与工业绿色转型升级之间可能存在的反向因果关系导致的内生性问题对回归结果

的影响，本文参考杜龙政等［２９］

的方法，选取环境规制的滞后一期作为工具变量，使用两阶段最小二乘法

（２ＳＬＳ）进行稳健性检验，研究环境规制对工业绿色转型升级的作用效果。回归结果见表 ５。

表 ５ 工具变量回归结果

（１） （２） （３） （４） （５） （６）

ＥＲ ０．０２５

（０．００８）

０．０３０

（０．００８）

０．０３０

（０．００８）

０．０２９

（０．００８）

０．０２９

（０．００７）

０．０１１

（０．００７）

ｋ ０．０４３

（０．０１１）

０．０４４

（０．０１０）

０．０３５

（０．０１０）

０．０３７

（０．０１０）

０．０４２

（０．００９）

ｆｄｉ ０．０１５

（０．００８）

０．０１６

（０．００７）

０．０３２

（０．００７）

０．０２４

（０．００７）

ｍａｒｋｅｔ －０．０４６

（０．０１１）

－０．０４４

（０．０１１）

－０．０３１

（０．０１０）

ｓｔｒｕｃ ０．０１７

（０．００４）

０．００６

（０．００３）

ｇｄｐ

０．０２２

（０．００２）

常数项 ０．０２３

（０．００５）

０．００３

（０．００７）

－０．００１

（０．００７）

０．０１０

（０．００８）

０．００１

（０．００７）

－０．１７１

（０．０２０）

ＫｌｅｉｂｅｒｇｅｎＰａａｐ

ｒｋＬＭ统计量

１０２．７８４

（０．０００）

９５．０３６

（０．０００）

９４．３３０

（０．０００）

９４．６７０

（０．０００）

９４．６９９

（０．０００）

９１．２８１

（０．０００）

ＫｌｅｉｂｅｒｇｅｎＰａａｐ

ｒｋＷａｌｄＦ统计量

３４０．６０２

（１６．８３）

３１３．２７８

（１６．８３）

３１２．１７０

（１６．８３）

３１７．２６５

（１６．８３）

３１５．８０７

（１６．８３）

２６８．９４７

（１６．８３）

４８ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

续表（表 ５）

（１） （２） （３） （４） （５） （６）

时间效应 控制 控制 控制 控制 控制 控制

地区效应 控制 控制 控制 控制 控制 控制

Ｎ ４１６ ４１６ ４１６ ４１６ ４１６ ４１６

Ｒ２ ０．８１４ ０．８２０ ０．８２２ ０．８３３ ０．８４１ ０．８７６

注：括号内数字为系数的标准误，、、分别表示 １０％、５％、１％的水平上显著

表 ５回归结果显示，第（１）～（６）列中 ＫｌｅｉｂｅｒｇｅｎＰａａｐｒｋＬＭ检验和 ＫｌｅｉｂｅｒｇｅｎＰａａｐｒｋＷａｌｄＦ检验

均拒绝了原假设，说明工具变量不存在识别不足和弱工具变量问题，工具变量的选取合理。在控制内生

性问题的前提下，逐步加入控制变量，环境规制的系数均显著为正，说明环境规制对工业绿色转型升级的

正向激励效应依然存在，这与上文基准回归结果一致，假设 １再次得到验证。

２．替代变量

为进一步保证回归结果的稳健性，本文参考沈坤荣等［４２］

和童健等［２０］

的方法，选取工业烟（粉）尘去

除率（ＥＲ２）和废水、废气污染治理投资占工业增加值的比重（ＥＲ３）作为环境规制的替代变量，验证环境

规制对工业绿色转型升级的作用。替代变量回归结果见表 ６。可以发现，在更换环境规制衡量方法后，

环境规制系数仍然显著为正，与上文结果一致，假设 １的稳健性再次得以证实。

表 ６ 替代变量回归结果

（１） （２）

ＥＲ２ ０．０２４ （０．０１０）

ＥＲ３ ０．０８５ （０．０４５）

ｋ ０．０４３ （０．００７） ０．０４２ （０．００８）

ｆｄｉ ０．０２１ （０．００６） ０．０２２ （０．００６）

ｍａｒｋｅｔ －０．０２９ （０．００６） －０．０１９ （０．００７）

ｓｔｒｕｃ ０．００８ （０．００３） ０．００８ （０．００３）

ｇｄｐ ０．０２２ （０．００２） ０．０２５ （０．００２）

常数项 －０．１７４ （０．０１５） －０．１７１ （０．０１６）

时间效应 控制 控制

地区效应 控制 控制

Ｎ ４１８ ４５０

Ｒ２ ０．４３９ ０．３７８

注：括号内数字为系数的标准误，、、分别表示 １０％、５％、１％的水平上显著

（三）异质型环境规制分析

中国环境规制工具种类多样，不同类型环境规制实施主体和作用机制不同，其对工业绿色转型升级

的作用效果也不尽相同。故本文在以上分析的基础上，将环境规制细分为命令控制型、市场激励型和公

众参与型环境规制，进一步研究异质性环境规制对工业绿色转型升级的作用效果。回归结果见表 ７。

杨 ?，等：环境规制与工业绿色转型升级 ４９

表 ７ 不同类型环境规制对工业绿色转型升级的影响

（１）

命令控制型

（２）

市场激励型

（３）

公众参与型

ＬＥＲ ０．００４ （０．００１）

ＭＥＲ ０．００１（０．００１）

ＰＥＲ ０．００６（０．００６）

ｋ ０．０３９ （０．００８） ０．０４１ （０．００８） ０．０４２ （０．００８）

ｆｄｉ ０．０２０ （０．００６） ０．０２１ （０．００６） ０．０２１ （０．００６）

ｍａｒｋｅｔ －０．０１６ （０．００７） －０．０２０ （０．００７） －０．０１６ （０．００７）

ｓｔｒｕｃ ０．００７ （０．００３） ０．００９ （０．００３） ０．００８ （０．００３）

ｇｄｐ ０．０２５ （０．００２） ０．０２５ （０．００２） ０．０２５ （０．００２）

常数项 －０．１７２ （０．０１６） －０．１７５ （０．０１６） －０．１７１ （０．０１６）

时间效应 控制 控制 控制

地区效应 控制 控制 控制

Ｎ ４５０ ４５０ ４５０

Ｒ２ ０．３８０ ０．３７７ ０．３７４

注：括号内数字为系数的标准误，、、分别表示 １０％、５％、１％的水平上显著

表 ７第（１）列回归结果显示命令控制型环境规制（ＬＥＲ）的系数在 ５％的水平上显著为正，表明命令

控制型环境规制对工业绿色转型升级有正向促进作用，假设 ２ａ得到验证。作为传统的环境规制工具，命

令控制型环境规制在中国环境规制体系中占比最大，起步早且趋于成熟。地方性环保法规、政府规章和

环境标准总数的增加不仅表示地方环境立法覆盖面的扩大和规则标准的进一步细化，也显示出地方政府

对污染治理、环境保护的重视程度与日俱增。此外，命令控制型环境规制具有较强的政策威慑力，能够对

工业企业能源资源消耗与污染排放形成强制约束，有效促进地区工业绿色转型升级，实现在保护环境的

同时推动经济高质量发展。

第（２）列回归结果显示市场激励型环境规制（ＭＥＲ）系数为正，但不显著。这说明现阶段排污收费制

度对工业绿色转型升级无明显作用，假设 ２ｂ得到验证。市场激励型环境规制依靠市场信号的引导作用，

对污染排放进行定价，使环境的负外部性成本内部化。中国的排污收费制度对工业绿色转型升级的影响

要结合各企业的成本效益来考虑。当企业实际缴纳的排污费金额超过企业减排成本时，企业将有动力进

行绿色技术创新减少污染排放，促进工业绿色转型升级。但中国排污费征收标准偏低，在实际执行时刚

性不足［２７］

，执行过程常出现政企合谋现象［２８］

，故排污收费制度往往不能达到激励企业减排并推动工业

绿色转型的政策预期。为解决排污收费制度所存在的弊端，中国于 ２０１８年 １月 １日正式开征环保税，取

代排污收费制度，这一变动有利于进一步规范环保收费行为，解决排污收费制度执行时刚性不足、政府过

多干预等问题。

第（３）列回归结果显示公众参与型环境规制（ＰＥＲ）系数为正，但不显著，表明公众参与型环境规制

对工业绿色转型升级无明显促进作用，假设 ２ｃ得到验证。究其原因，一方面是由于中国公众参与型环境

规制工具运用起步较晚，公众对参与环境保护行动的信息和渠道缺乏了解，且该类型环境规制不具有强

制性，公众参与基于自愿，作用效果存在一定的时滞。另一方面，面对公众参与型环境规制，企业主动节

能减排的动力源于消费者绿色理念和环保组织的压力［４３］

，而这部分压力不具有命令控制型环境规制的

威慑力，故而高污染企业并不会因此投入大量资金进行污染治理、研发绿色生产技术，无法有效发挥其对

５０ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

工业绿色转型升级的积极作用。

五、进一步分析：环境规制执行力度的调节作用

环境规制的作用效果不仅与环境规制强度有关，也与规制的执行力度密切相关。环境规制强度较

高，但执行力度不足，也难以发挥对工业绿色转型升级的推动作用。因此，有必要进一步探讨环境规制通

过执行力度影响工业绿色转型升级的机制。本文将计量模型（１）进行扩展，设定如下：

Ｕｐｇｒａｄｅｉｔ ＝β０ ＋β１ＥＲｉｔ＋β２ＥＲｉｔ×ＥＥＲｉｔ＋β３Ｘｉｔ＋μｉ＋δｔ＋εｉｔ （８）

其中，ＥＥＲ为环境规制执行力度，加入其与环境规制强度的交互项 ＥＲ×ＥＥＲ来分析环境规制执行力度对

环境规制实施效果的调节作用［４４］

。鉴于三种类型环境规制在执行过程中都有环保系统监察和监测部门

人员参与这一事实，本文使用环保系统监察和监测部门人员数作为环境规制执行力度的代理变量。原因

在于，环境执法监管任务繁重，需要大量的人力物力，监管人员不足将导致环境执法“捉襟见肘”，只有加

强执法队伍建设才能有效提高环境规制执行力度。为消除各地经济发展水平差异对结果的影响，本文使

用每亿元工业增加值环保系统监察和监测部门人员数来衡量环境规制执行力度。其他变量的选取与前

文一致。回归结果见表 ８。

表 ８ 环境规制执行力度调节作用回归结果

（１）

命令控制型

（２）

市场激励性

（３）

公众参与型

ＬＥＲ －０．００３（０．００２）

ＬＥＲ×ＥＥＲ ０．００９ （０．００３）

ＭＥＲ ０．０００５（０．０００５）

ＭＥＲ×ＥＥＲ ０．０００４ （０．０００２）

ＰＥＲ －０．００９（０．０１０）

ＰＥＲ×ＥＥＲ ０．０１７ （０．０１０）

ｋ ０．０４１ （０．００８） ０．０３５ （０．００８） ０．０３９ （０．００８）

ｆｄｉ ０．０２１ （０．００６） ０．０２０ （０．００６） ０．０２３ （０．００６）

ｍａｒｋｅｔ －０．０２３ （０．００７） －０．０１７ （０．００７） －０．０１８ （０．００７）

ｓｔｒｕｃ ０．０１０ （０．００３） ０．０１０ （０．００３） ０．００９ （０．００３）

ｇｄｐ ０．０２６ （０．００２） ０．０２７ （０．００２） ０．０２５ （０．００２）

常数项 －０．１８１ （０．０１６） －０．１９１ （０．０１８） －０．１７５ （０．０１６）

时间效应 控制 控制 控制

地区效应 控制 控制 控制

Ｎ ４５０ ４５０ ４５０

Ｒ２ ０．３９７ ０．３８５ ０．３７９

注：括号内数字为系数的标准误，、、分别表示 １０％、５％、１％的水平上显著

由表 ８第（１）～（３）列回归结果可见，交互项 ＬＥＲ×ＥＥＲ、ＭＥＲ×ＥＥＲ和 ＰＥＲ×ＥＥＲ均显著为正，表

明随着环境规制执行力度的增强，命令控制型、市场激励型和公众参与型环境规制对工业绿色转型升级

的作用效果均得到加强。这说明环境规制执行力度的强化会促进不同类型环境规制工具对工业绿色转

型升级正向激励作用的发挥，假设 ３得到验证。这意味着，为促进工业绿色转型升级，地方政府不仅要制

杨 ?，等：环境规制与工业绿色转型升级 ５１

定严格的环境规制政策，更要抓好落实，加大环境规制执行力度，做到“执规必严，违规必究”。

六、结论及建议

本文在经济高质量发展背景下，探究环境规制对工业绿色转型升级的影响，并从异质性环境规制以

及环境规制执行力度视角展开研究，主要结论如下：（１）从总体看，环境规制的实施显著推动了工业绿色

转型升级进程，经过一系列稳健性检验，该结论依然成立；（２）从环境规制类型看，命令控制型环境规制

对工业绿色转型升级具有明显的促进作用，市场激励型和公众参与型环境规制对工业绿色转型升级无明

显作用；（３）环境规制执行力度的提升能够促进环境规制工具对工业绿色转型升级正向激励作用的

发挥。

上述分析结果对完善中国环境规制体系与促进工业绿色转型升级具有重要启示，具体提出以下政策

建议。

第一，加大环境质量在地方政府官员政绩考核中的比重。本文研究表明，提高环境规制强度能够有

效促进工业绿色转型升级。过分注重短期经济效益而忽略长期环境效益，容易出现政企合谋行为，降低

环境规制强度，从而无法发挥环境政策工具的目标效果。因此，应加大环境质量在官员考核中的比重，促

使地方官员形成“绿水青山就是金山银山”的发展观念，积极完善并有效落实环境规制政策，推动地方工

业绿色转型升级。

第二，完善市场激励型环境规制政策体系。２０１８年，环境保护税制度的实施实现了环境保护“费”改

“税”的跨越，但环境保护税税额标准仍然沿用排污费征收标准，且征收标准远低于污染治理的边际成

本［４５］

，导致环保税的减排效应难以发挥。地方政府应按照“污染者付费”原则分地区分阶段逐步提高环

保税税率，有效激励企业减少污染排放。此外，环境保护税应依靠税收的强制性，克服排污收费制度执法

刚性不足、地方政府干预等问题，激励企业改进生产技术，减少污染排放，推动工业绿色转型升级。

第三，进一步健全公众参与型环境规制政策，完善社会公众监督体系。公众参与型环境规制不仅可

以降低政府部门对环境污染行为的监督、监察成本，还有利于充分调动公众参与环境保护事业的积极性。

中国目前公众参与型环境规制还在起步阶段，需进一步完善环境信访制度，开通多种环境污染问题投诉

渠道［４６］

，减少公众参与障碍，充分调动社会公众对环境保护的积极性，发挥公众参与型环境规制对工业

绿色转型升级的正向作用。

第四，加大环境规制执行力度。提升环境规制执行力度能够促进不同类型环境规制对工业绿色转型

升级发挥积极作用。因此，环境保护部门要强化对环境规制执行情况的监督，加强环保队伍建设，引进高

素质专业化人才加入环保队伍，并加大培训力度，提高生态环境执法人员业务能力和执法水平，将环境规

制政策落到实处，切实推动工业绿色转型升级，为经济高质量发展提供助力。

参考文献：

［１］ 韩超，胡浩然．清洁生产标准规制如何动态影响全要素生产率———剔除其他政策干扰的准自然实验分析［Ｊ］．中国工业

经济，２０１５（５）：７０－８２．

［２］ 宋弘，孙雅洁，陈登科．政府空气污染治理效应评估———来自中国“低碳城市”建设的经验研究［Ｊ］．管理世界，２０１９（６）：

９５－１０８，１９５．

［３］ ＧＲＡＹＷＢ．Ｔｈｅｃｏｓｔｏｆｒｅｇｕｌａｔｉｏｎ：ＯＳＨＡ，ＥＰＡａｎｄｔｈｅｐｒｏｄｕｃｔｉｖｉｔｙｓｌｏｗｄｏｗｎ［Ｊ］．ＡｍｅｒｉｃａｎＥｃｏｎｏｍｉｃＲｅｖｉｅｗ，１９８７，７７（７７）：

９９８－１００６．

［４］ ＰＯＲＴＥＲＭＥ，ＬＩＮＤＥＣ．Ｔｏｗａｒｄａｎｅｗｃｏｎｃｅｐｔｉｏｎｏｆｔｈｅｅｎｖｉｒｏｎｍｅｎｔｃｏｍｐｅｔｉｔｉｖｅｎｅｓｓｒｅｌａｔｉｏｎｓｈｉｐ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃ

Ｐｅｒｓｐｅｃｔｉｖｅｓ，１９９５，９（４）：９７－１１８．

５２ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

［５］ ＢＲＵＮＮＥＲＭＥＩＥＲＳＢ，ＣＯＨＥＮＭＡ．ＤｅｔｅｒｍｉｎａｎｔｓｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｉｎｎｏｖａｔｉｏｎｉｎＵＳｍａｎｕｆａｃｔｕｒｉｎｇｉｎｄｕｓｔｒｉｅｓ［Ｊ］．Ｊｏｕｒｎａｌｏｆ

ＥｎｖｉｒｏｎｍｅｎｔａｌＥｃｏｎｏｍｉｃｓａｎｄＭａｎａｇｅｍｅｎｔ，２００３，４５（２）：２７８－２９３．

［６］ 王晓祺，郝双光，张俊民．新《环保法》与企业绿色创新：“倒逼”抑或“挤出”？［Ｊ］．中国人口·资源与环境，２０２０（７）：

１０７－１１７．

［７］ ＪＩＡＮＭＩＮＤ，ＨＡＮＸ．ＨｏｗｄｏｅｓｔｈｅｉｎｄｕｓｔｒｙｍｏｂｉｌｉｔｙａｆｆｅｃｔｐｏｌｌｕｔｉｏｎｉｎｄｕｓｔｒｙｔｒａｎｓｆｅｒｉｎＣｈｉｎａ：Ｅｍｐｉｒｉｃａｌｔｅｓｔｏｎｐｏｌｌｕｔｉｏｎｈａ

ｖｅｎｈｙｐｏｔｈｅｓｉｓａｎｄｐｏｒｔｅｒｈｙｐｏｔｈｅｓｉｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｌｅａｎｅｒＰｒｏｄｕｃｔｉｏｎ，２０１９，２１７：１０５－１１５．

［８］ ＬＩＳＴＪＡ，ＣＯＣＹ．Ｔｈｅｅｆｆｅｃｔｓｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｒｅｇｕｌａｔｉｏｎｓｏｎｆｏｒｅｉｇｎｄｉｒｅｃｔｉｎｖｅｓｔｍｅｎｔ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＥｃｏｎｏｍ

ｉｃｓａｎｄＭａｎａｇｅｍｅｎｔ，２０００，４０（１）：１－２０．

［９］ 刘和旺，刘博涛，郑世林．环境规制与产业转型升级：基于“十一五”减排政策的 ＤＩＤ检验［Ｊ］．中国软科学，２０１９（５）：４０

－５２．

［１０］余泳泽，孙鹏博，宣烨．地方政府环境目标约束是否影响了产业转型升级？［Ｊ］．经济研究，２０２０（８）：５７－７２．

［１１］原毅军，谢荣辉．环境规制的产业结构调整效应研究———基于中国省际面板数据的实证检验［Ｊ］．中国工业经济，２０１４

（８）：５７－６９．

［１２］钟茂初，李梦洁，杜威剑．环境规制能否倒逼产业结构调整———基于中国省际面板数据的实证检验［Ｊ］．中国人口·资

源与环境，２０１５（８）：１０７－１１５．

［１３］黄寰，秦思露，刘玉邦，等．环境规制约束下资源型城市产业转型升级研究［Ｊ］．华中师范大学学报（自然科学版），２０２０

（４）：５７６－５８６．

［１４］李攀艺，杨静娜，曹奥臣．环境政策的工业废气治理效应及其地区差异研究———基于省级面板数据的实证分析［Ｊ］．重

庆理工大学学报（社会科学），２０２０（８）：７－１６．

［１５］邓慧慧，杨露鑫．雾霾治理、地方竞争与工业绿色转型［Ｊ］．中国工业经济，２０１９（１０）：１１８－１３６．

［１６］岳鸿飞，徐颖，吴瞞．技术创新方式选择与中国工业绿色转型的实证分析［Ｊ］．中国人口·资源与环境，２０１７（１２）：１９６

－２０６．

［１７］申晨，李胜兰，黄亮雄．异质性环境规制对中国工业绿色转型的影响机理研究———基于中介效应的实证分析［Ｊ］．南开

经济研究，２０１８（５）：９５－１１４．

［１８］宋典，宋培，陈?．环境规制下中国工业绿色转型的技术路径选择：自主创新或技术外取？［Ｊ］．商业研究，２０２０（２）：１０１

－１１０．

［１９］朱东波，任力．环境规制、外商直接投资与中国工业绿色转型［Ｊ］．国际贸易问题，２０１７（１１）：７０－８１．

［２０］童健，刘伟，薛景．环境规制、要素投入结构与工业行业转型升级［Ｊ］．经济研究，２０１６（７）：４３－５７．

［２１］徐佳，崔静波．低碳城市和企业绿色技术创新［Ｊ］．中国工业经济，２０２０（１２）：１７８－１９６．

［２２］韩超，张伟广，冯展斌．环境规制如何“去”资源错配———基于中国首次约束性污染控制的分析［Ｊ］．中国工业经济，２０１７

（４）：１１５－１３４．

［２３］张?．环境规制与企业行为间的关联机制研究［Ｊ］．财经问题研究，２００５（４）：３４－３９．

［２４］赵玉民，朱方明，贺立龙．环境规制的界定、分类与演进研究［Ｊ］．中国人口·资源与环境，２００９（６）：８５－９０．

［２５］王班班，齐绍洲．市场型和命令型政策工具的节能减排技术创新效应———基于中国工业行业专利数据的实证［Ｊ］．中国

工业经济，２０１６（６）：９１－１０８．

［２６］ＪＡＦＦＥＡＢ，ＰＡＬＭＥＲＫ．Ｅｎｖｉｒｏｎｍｅｎｔａｌｒｅｇｕｌａｔｉｏｎａｎｄｉｎｎｏｖａｔｉｏｎ：Ａｐａｎｅｌｄａｔａｓｔｕｄｙ［Ｊ］．ＴｈｅＲｅｖｉｅｗｏｆＥｃｏｎｏｍｉｃｓａｎｄＳｔａ

ｔｉｓｔｉｃｓ，１９９７，７９（４）：６１０－６１９．

［２７］张小筠，刘戒骄．新中国 ７０年环境规制政策变迁与取向观察［Ｊ］．改革，２０１９（１０）：１６－２５．

［２８］郑石明．环境政策何以影响环境质量？———基于省级面板数据的证据［Ｊ］．中国软科学，２０１９（２）：４９－６１，９２．

［２９］杜龙政，赵云辉，陶克涛，等．环境规制、治理转型对绿色竞争力提升的复合效应———基于中国工业的经验证据［Ｊ］．经

济研究，２０１９（１０）：１０６－１２０．

［３０］余泳泽．中国省际全要素生产率动态空间收敛性研究［Ｊ］．世界经济，２０１５（１０）：３０－５５．

［３１］张军，吴桂英，张吉鹏．中国省际物质资本存量估算：１９５２—２０００［Ｊ］．经济研究，２００４（１０）：３５－４４．

［３２］张成，陆，郭路，等．环境规制强度和生产技术进步［Ｊ］．经济研究，２０１１（２）：１１３－１２４．

［３３］傅京燕，李丽莎．环境规制、要素禀赋与产业国际竞争力的实证研究———基于中国制造业的面板数据［Ｊ］．管理世界，

２０１０（１０）：８７－９８，１８７．

杨 ?，等：环境规制与工业绿色转型升级 ５３

［３４］李虹，邹庆．环境规制、资源禀赋与城市产业转型研究———基于资源型城市与非资源型城市的对比分析［Ｊ］．经济研究，

２０１８（１１）：１８２－１９８．

［３５］薄文广，徐玮，王军锋．地方政府竞争与环境规制异质性：逐底竞争还是逐顶竞争？［Ｊ］．中国软科学，２０１８（１１）：７６－９３．

［３６］李胜兰，初善冰，申晨．地方政府竞争、环境规制与区域生态效率［Ｊ］．世界经济，２０１４（４）：８８－１１０．

［３７］叶琴，曾刚，戴劭?，等．不同环境规制工具对中国节能减排技术创新的影响———基于 ２８５个地级市面板数据［Ｊ］．中国

人口·资源与环境，２０１８（２）：１１５－１２２．

［３８］齐绍洲，林磆，崔静波．环境权益交易市场能否诱发绿色创新？———基于我国上市公司绿色专利数据的证据［Ｊ］．经济

研究，２０１８（１２）：１２９－１４３．

［３９］吴磊，贾晓燕，吴超，等．异质型环境规制对中国绿色全要素生产率影响研究［Ｊ］．中国人口·资源与环境，２０２０（１０）：

８２－９２．

［４０］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（５）：９５－１０９．

［４１］许清清，孟天赐，江霞．智能制造对劳动力就业质量结构的影响及区域差异研究［Ｊ］．江汉学术，２０２２（２）：３２－４２．

［４２］沈坤荣，金刚，方娴．环境规制引起了污染就近转移吗？［Ｊ］．经济研究，２０１７（５）：４４－５９．

［４３］黄清煌，高明．中国环境规制工具的节能减排效果研究［Ｊ］．科研管理，２０１６（６）：１９－２７．

［４４］解学梅，朱琪玮．企业绿色创新实践如何破解“和谐共生”难题？［Ｊ］．管理世界，２０２１（１）：１２８－１４９，９．

［４５］吴健，陈青．环境保护税：中国税制绿色化的新进程［Ｊ］．环境保护，２０１７（Ｚ１）：２８－３２．

［４６］李涛，张一童．农村医疗减贫效果被低估了吗 －－来自社会空间视角的解释［Ｊ］．重庆理工大学学报（社会科学），２０２１

（８）：１２６－１３７．

Ｅｎｖｉｒｏｎｍｅｎｔａｌｒｅｇｕｌａｔｉｏｎａｎｄｉｎｄｕｓｔｒｉａｌｇｒｅｅｎｔｒａｎｓｆｏｒｍａｔｉｏｎ

ａｎｄｕｐｇｒａｄｉｎｇ：Ｆｒｏｍ ｔｈｅｐｅｒｓｐｅｃｔｉｖｅｏｆｒｅｇｕｌａｔｏｒｙ

ｈｅｔｅｒｏｇｅｎｅｉｔｙａｎｄｅｎｆｏｒｃｅｍｅｎｔ

ＹＡＮＧＺｈｅ

１

，ＣＨＥＮＱｉｎｇｈｕｉ１

，ＬＩＴａｏ

２

（１．ＳｃｈｏｏｌｏｆＥｃｏｎｏｍｉｃｓ，ＱｉｎｇｄａｏＵｎｉｖｅｒｓｉｔｙ，Ｑｉｎｇｄａｏ２６６０７１，Ｃｈｉｎａ；

（２．ＳｃｈｏｏｌｏｆＧｅｏｇｒａｐｈｙａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅ，ＨｅｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｋａｉｆｅｎｇ４７５００４，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｉｎｄｕｓｔｒｉａｌｇｒｅｅｎｔｒａｎｓｆｏｒｍａｔｉｏｎａｎｄｕｐｇｒａｄｉｎｇｉｓａｎｉｍｐｏｒｔａｎｔｐａｔｈｔｏａｃｈｉｅｖｅｈｉｇｈｑｕａｌｉｔｙ

ｅｃｏｎｏｍｉｃｄｅｖｅｌｏｐｍｅｎｔ．Ｏｎｔｈｅｂａｓｉｓｏｆｃｌａｒｉｆｙｉｎｇｔｈｅｉｍｐａｃｔｍｅｃｈａｎｉｓｍ ｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｒｅｇｕｌａｔｉｏｎｓｏｎ

ｉｎｄｕｓｔｒｉａｌｇｒｅｅｎｔｒａｎｓｆｏｒｍａｔｉｏｎａｎｄｕｐｇｒａｄｉｎｇ，ｔｈｉｓｐａｐｅｒｕｓｅｓＣｈｉｎａ’ｓｐｒｏｖｉｎｃｉａｌｐａｎｅｌｄａｔａｆｒｏｍ２００３ｔｏ２０１７

ｔｏｍｅａｓｕｒｅｔｈｅｉｎｄｕｓｔｒｉａｌｇｒｅｅｎｔｒａｎｓｆｏｒｍａｔｉｏｎａｎｄｕｐｇｒａｄｉｎｇｉｎｄｉｃａｔｏｒｓ，ａｎｄｓｙｓｔｅｍａｔｉｃａｌｌｙｅｖａｌｕａｔｅｓｔｈｅｉｍｐａｃｔ

ｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｒｅｇｕｌａｔｉｏｎｏｎｔｈｅｉｎｄｕｓｔｒｉａｌｇｒｅｅｎｔｒａｎｓｆｏｒｍａｔｉｏｎａｎｄｕｐｇｒａｄｉｎｇ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ：Ｆｉｒｓｔ，

ｉｎｇｅｎｅｒａｌ，ｔｈｅｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆＣｈｉｎａ’ｓｅｎｖｉｒｏｎｍｅｎｔａｌｒｅｇｕｌａｔｉｏｎｐｏｌｉｃｉｅｓｈａｓｓｉｇｎｉｆｉｃａｎｔｌｙｐｒｏｍｏｔｅｄｉｎｄｕｓｔｒｉａｌ

ｇｒｅｅｎｔｒａｎｓｆｏｒｍａｔｉｏｎａｎｄｕｐｇｒａｄｉｎｇ．Ｓｅｃｏｎｄ，ｄｉｆｆｅｒｅｎｔｔｙｐｅｓｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｒｅｇｕｌａｔｉｏｎｔｏｏｌｓｈａｖｅｄｉｆｆｅｒｅｎｔ

ｅｆｆｅｃｔｓｏｎｉｎｄｕｓｔｒｉａｌｇｒｅｅｎｔｒａｎｓｆｏｒｍａｔｉｏｎａｎｄｕｐｇｒａｄｉｎｇ．Ｃｏｍｍａｎｄａｎｄｃｏｎｔｒｏｌｅｎｖｉｒｏｎｍｅｎｔａｌｒｅｇｕｌａｔｉｏｎｐｌａｙｓａ

ｐｏｓｉｔｉｖｅｒｏｌｅｉｎｐｒｏｍｏｔｉｎｇｉｎｄｕｓｔｒｉａｌｇｒｅｅｎｔｒａｎｓｆｏｒｍａｔｉｏｎａｎｄｕｐｇｒａｄｉｎｇ，ｗｈｉｌｅｍａｒｋｅｔｉｎｃｅｎｔｉｖｅａｎｄｐｕｂｌｉｃ

ｐａｒｔｉｃｉｐａｔｉｏｎｅｎｖｉｒｏｎｍｅｎｔａｌｒｅｇｕｌａｔｉｏｎｓｈａｖｅｎｏｏｂｖｉｏｕｓｉｍｐａｃｔｏｎｉｎｄｕｓｔｒｉａｌｇｒｅｅｎｔｒａｎｓｆｏｒｍａｔｉｏｎａｎｄｕｐｇｒａｄｉｎｇ．

Ｔｈｉｒｄ，ｓｔｒｅｎｇｔｈｅｎｉｎｇｔｈｅｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｒｅｇｕｌａｔｉｏｎｃａｎｓｉｇｎｉｆｉｃａｎｔｌｙｐｒｏｍｏｔｅｔｈｅｒｏｌｅｏｆｔｈｅ

ｔｈｒｅｅｔｙｐｅｓｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｒｅｇｕｌａｔｉｏｎｉｎｐｒｏｍｏｔｉｎｇｔｈｅｇｒｅｅｎｔｒａｎｓｆｏｒｍａｔｉｏｎａｎｄｕｐｇｒａｄｉｎｇｏｆｉｎｄｕｓｔｒｉｅｓ．

Ｋｅｙｗｏｒｄｓ：ｉｎｄｕｓｔｒｉａｌｇｒｅｅｎｔｒａｎｓｆｏｒｍａｔｉｏｎａｎｄｕｐｇｒａｄｉｎｇ；ｅｎｖｉｒｏｎｍｅｎｔａｌｒｅｇｕｌａｔｉｏｎ；ｈｅｔｅｒｏｇｅｎｅｉｔｙ；ｅｎ

ｆｏｒｃｅｍｅｎｔ

（责任编辑 晏心悦）

５４ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＳｏｃｉａｌＳｃｉｅｎｃｅ）

２０２２年 第 ３６卷 第 ４期

Ｖｏｌ．３６ Ｎｏ．４ ２０２２

收稿日期：２０２１－１２－０７

基金项目：中央高校基本科研业务费资助项目 “基于期望效用 －熵模型的我国外汇储备资产结构优化研究”

（２０２１ＪＪ０２０）

作者简介：邵兴宇，博士研究生，主要从事宏观金融研究；通讯作者：范德胜，教授，硕士生导师，经济学博士，主要从事国

际金融、宏观经济研究。

本文引用格式：邵兴宇，范德胜．绿色风险投资抑制了碳排放吗？———基于绿色技术创新视角的实证研究［Ｊ］．重庆理工大学学报（社会

科学），２０２２（４）：５５－６８．

Ｃｉｔａｔｉｏｎｆｏｒｍａｔ：ＳＨＡＯＸｉｎｇｙｕ，ＦＡＮＤｅｓｈｅｎｇ．Ｄｏｅｓｇｒｅｅｎｖｅｎｔｕｒｅｃａｐｉｔａｌｃｕｒｂｃａｒｂｏｎｅｍｉｓｓｉｏｎｓ？———Ｅｍｐｉｒｉｃａｌｒｅｓｅａｒｃｈｂａｓｅｄｏｎｔｈｅｐｅｒｓｐｅｃ

ｔｉｖｅｏｆｇｒｅｅｎｔｅｃｈｎｏｌｏｇｙｉｎｎｏｖａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＳｏｃｉａｌＳｃｉｅｎｃｅ），２０２２（４）：５５－６８．

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｓ）．２０２２．０４．００６ 能源与生态经济

绿色风险投资抑制了碳排放吗？

———基于绿色技术创新视角的实证研究

邵兴宇１

，范德胜２

（１．中国社会科学院大学 经济学院，北京 １０２４８８；２．北京外国语大学 国际商学院，北京 １０００８１）

摘要：深入研究绿色风险投资如何影响碳排放强度，对我国绿色金融体系建设和碳减排目标实现具

有重要意义。利用 ２００６—２０１９年 ２８个省（自治区、直辖市）相关数据，实证研究绿色风险投资规模变动

对碳排放强度的影响。结果表明：（１）绿色风险投资规模上升显著抑制了碳排放强度；（２）绿色风险投资

上升显著提高了绿色专利申请规模和绿色专利申请占比；（３）绿色专利申请规模和绿色专利申请占比均

在绿色风险投资与碳排放强度的关系中发挥了部分中介效应。因此，进一步支持绿色风险投资发展，加

快绿色技术自主创新研发，并进一步强化绿色金融体系建设与绿色技术创新的协同性是实现碳减排的有

效途径。

关键词：绿色风险投资；绿色技术创新；碳排放强度

中图分类号：Ｆ２９３ 文献标识码：Ａ 文章编号：１６７４－８４２５（２０２２）０４－００５５－１４

一、引言

改革开放 ４０多年以来，我国经济飞速增长，但高投资、高能耗和高排放的粗放型增长方式也让我们

付出了巨大的环境代价，环境问题已然对我国长期可持续发展形成资源和环境约束。在这种情况下，

２０２０年 ９月，习近平主席在第 ７５届联合国大会一般性辩论上向全世界做出“碳达峰”和“碳中和”的庄严

承诺，这一承诺无疑向全世界展现了我国实现经济绿色发展的决心和雄心。

碳减排目标的提出意味着经济社会向绿色低碳转型，而绿色技术创新正是推动这种转型的基础和关

键。与此同时，绿色革命作为新一轮的技术革命，其发展也同样离不开金融资本的支持。易纲认为绿色

金融的重点在于通过“市场 ＋政府支持”的机制，动员更多私人、民营资本加入绿色产业的融资行为［１］

。

绿色风险投资是社会各界积极应对环境变化、推动绿色技术发展的重要抓手。据新浪科技报道，由比尔

盖茨等科技大亨发起的风险投资计划已经完成对 ４５家创业企业共计 １０亿美元的投资，专门用于清洁能

源技术开发。在国内，绿色技术也同样是风险投资的热门领域。但是与实践相比，目前学界对于绿色风

险投资的研究还十分匮乏。那么绿色风险投资能否降低碳排放？绿色风险投资又是否促进了绿色技术

进步？这正是本文尝试解答的问题。

二、文献综述及研究假设

（一）绿色风险投资与碳排放

现有研究将绿色领域定义为：以知识为基础的，能够改善操作业绩、提高生产力、增加效益，同时减少

成本、原料、能源消耗、废物及污染的任何一种产品或服务。广义讲，绿色领域包括所有能够减少废物，提

高效益的科技、创新、产品、生产方式等等［２］

。所谓的绿色风险投资，指的就是投向绿色领域的风险投资。

从理论上看，绿色风险投资与绿色产业存在天然契合。不同于传统污染型企业，环境友好型企业代表了

未来绿色发展的方向，有相当比例正处于初创阶段，运营能力往往还不够成熟，具有成长阶段企业的普遍

特征［３］

。在现有文献中，作为绿色金融的一个重要组成部分，绿色风险投资也被普遍认为架起了金融资

本与绿色企业之间合作的桥梁［４］

，并直接促进了碳排放的减少［５］

。

具体来讲，一方面，绿色风险投资的引入增加了绿色行业金融资源供给，并通过促进绿色产品供给扩

大，实现碳排放减少［６］

。绿色风险投资本身就是绿色金融的一种形态，作为一种金融资源，其加大投入直

接促进了绿色产品的供给［７］

。与此同时，绿色风险投资对绿色行业的金融支持也带来了“信号”效应。

由于风险投资往往要求较高的回报率，风险投资的介入往往意味着被投资企业表现出健康的运行状态。

绿色风险投资向绿色行业的投资可以被视为一种“信号”，吸引更多其他资本形式流向绿色行业，从而进

一步放大对碳排放的影响［８］

。

假设 １：在其他条件相同的情况下，绿色风险投资与单位碳排放呈负相关关系，即随着绿色风险投资

提高，碳排放水平降低。

（二）绿色风险投资与绿色技术创新

在经典理论当中，关于金融与技术创新之间关系的研究已经相当多，一系列研究总体上认为金融加

快了技术创新的进程［９］

。近年来兴起的绿色革命很大程度上也是由绿色技术创新推动的。绿色创新被

定义为有助于提高环境可持续性的创新，是防止环境恶化的重要战略［１０］

。然而，绿色创新需要长期的战

略投资和大量的资金支持［１１］

。风险投资提供资金和资源，且投资周期往往较长，因此在促成绿色技术创

新上扮演了重要角色［１２］

。具体来看，绿色风险投资至少在 ３个层面促进了绿色技术创新：

第一，引入绿色风险投资缓解了融资约束，为创新提供了资金支持。通常来讲，创业企业往往具有经

营不稳定、风险较高等特征，且往往缺乏足值抵押物，因此导致企业在传统融资模式下难以获取金融支

持。风险投资本身就具有风险偏好较高的特点，其投资着眼于企业未来的发展前景而非企业固定资产，

通过提供资金推动企业进一步创新［１３－１４］

。

第二，引入绿色风险投资有助于完善公司治理结构，为创新提供组织支持。创业企业通常缺乏相关

资源和商业经验，内部组织架构不健全，公司治理结构不完善，极大制约了技术研发［１５］

。对风险投资而

言，投资人与被投资企业之间形成了委托代理关系，有必要强化对被投资企业的监督。与此同时，风险投

资本身也寄希望于通过被投资企业的稳步发展来推动完成 ＩＰＯ，从而获得较高收益并顺利退出，而这也

要求风险投资主动改善被投资企业公司治理结构［１６］

。

第三，引入绿色风险投资为创新搭建了信息交流的平台，为创新提供了平台支持。通过风险投资机

构所构建的网络，创业企业可以从外界获取资金、信息、知识、技术、信任等发展所必需的资源［１７］

。

５６ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

基于以上研究情况，本文提出如下假设：

假设 ２：在其他条件相同的情况下，绿色风险投资与绿色技术创新呈正相关关系，即随着绿色风险投

资提高，绿色技术进步水平提高。

（三）绿色技术创新与碳排放

绿色技术创新作为实现生态文明和绿色转型的关键途径，与其他技术相比更具创新性和可持续性。

人们很早就注意到技术创新在实现碳减排中的作用，１９９２年联合国举行的环境与发展大会中通过了《２１

世纪议程》，其中就明确强调了绿色技术的重要性［１８］

。技术进步同样也是我国近年来碳排放减少最为重

要的推动力量［１９］

。绿色技术水平的提高直接提升了现有能源的利用效率，绿色技术创新通过现有能源

循环利用提高了能源效率，使得单位 ＧＤＰ产出所需要的化石能源大大减少，进而达到了减少碳排放的目

的［２０］

。同时，技术进步也使核能、风能、生物能、地热能等各类清洁能源产出增加，改变了传统化石能源

与新兴清洁能源的比价关系，从而使得新能源成为能源供给的潜在替代选项，通过减少化石能源的使用，

改变了现有能源结构［２１］

。更重要的是，绿色技术创新的诞生和推广改善了绿色产品供给，率先实现绿色

技术进步的行业因其在高技术要素含量等方面的优势，自身获利能力增强，进而对产业结构产生影

响［２２］

；同时需求方面，绿色技术也促使绿色产品价格降低，从而改变了传统产品与绿色产品之间的比价

关系，由此改善产业结构，并最终实现碳减排目标［２３］

。

结合假设 １和假设 ２的论证，不难看到绿色风险投资、绿色技术进步与碳排放之间的密切联系。其

一，绿色风险投资对碳排放存在直接影响，绿色风险投资通过扩大绿色产品供给和“信号”效应直接促进

碳减排；其二，绿色技术创新在绿色风险投资与碳排放之间发挥中介效应，即绿色风险投资通过促进绿色

技术创新间接影响了碳排放。因此，本文提出如下假设：

假设 ３：绿色技术创新在绿色风险投资与碳排放之间发挥了中介效应。

总结上述理论机制分析，我们利用机制路线图（图 １）来更加清晰地展示绿色风险投资、绿色技术创

新和碳排放三者之间的关系。

图 １ 理论机制路线

三、数据来源和计量模型设定

（一）变量定义与数据来源

１．核心被解释变量

本文核心被解释变量为碳排放强度的对数值。碳排放强度是碳排放与实际 ＧＤＰ的比值，表示单位

产出对应的碳排放量。到目前为止，各省份碳排放强度仍然缺乏官方数据。本文采用联合国政府间气候

变化专门委员会（ＩＰＣＣ）提供的方法，根据如下公式计算获得各省份二氧化碳排放强度：

邵兴宇，等：绿色风险投资抑制了碳排放吗？ ５７

Ｃ＝∑Ｅｎ ×βｎ ×αｎ ×

１２

４４ （１）

式（１）中，Ｃ是碳排放强度，ｎ表示各类不同能源，参考联合国政府间气候变化专门委员会的研究方法，本

文将终端能源消费划分为煤炭、焦炭、汽油、煤油、柴油、燃料油和天然气 ７种，Ｅｎ为第 ｎ种能源消费量，数

据来自于《中国能源统计年鉴》，βｎ为第 ｎ种能源碳排放系数，具体数值参考 ＩＰＣＣ相关指南［２４］

，αｎ是能

源的标准煤折算系数，１２／４４是碳乘数因子。

２．核心解释变量

本文核心解释变量为绿色风险投资规模的对数值。目前国内关于绿色金融的研究大多局限于绿色

信贷和绿色债券等，对绿色风险投资研究较为薄弱的一个重要原因是研究数据的匮乏。本文参考江红莉

等［７］

的研究方法，将绿色风险投资定义为投向新能源、新材料和环保 ３个行业的风险投资总额，其中新能

源包括太阳能、风能和生物能等，环保包括水污染治理、大气污染治理、固废处理利用、环保产品和环境服

务等，新材料包括膜材料、环保设备等。绿色风险投资的原始数据来源于清科集团的私募通数据库（ＰＥ

ＤＡＴＡ），将新能源、新材料、环保 ３个行业的风险投资额依据风险投资事件发生的年份和被投资企业注册

地分别匹配到不同年份和省份，并取对数。

３．中介变量

绿色技术进步。现有研究分别从绿色技术创新的投入、产出和绩效 ３个维度入手，分别形成了 Ｒ＆Ｄ

投入、专利申请和获取、全要素生产率三类指标。但是 Ｒ＆Ｄ投资和绿色生产率的获取往往受限于数据可

得性，数据质量难以保证。目前看，绿色技术进步最为直接的体现是专利的获得情况，使用绿色专利来评

估绿色技术进步具有一定的优势。鉴于此，本文整理了中国知识产权局公布的有效专利申请信息，并结

合世界知识产权组织（ＷＩＰＯ）公布的环境友好型技术界定标准，从专利申请信息中筛选出各省份各个年

度绿色专利和全部专利申请数据。本文利用专利数据，参考王班班等［２５］

的研究方法，构造了两类指标：

（１）绿色专利申请规模，反映绿色技术创新的规模；（２）绿色专利申请占比，即绿色专利申请量占全部专

利申请量的比例，反映技术创新方向。

４．控制变量

考虑到碳排放强度还受到其他众多因素的影响，本文选取如下控制变量：（１）人均 ＧＤＰ的对数值及

人均 ＧＤＰ对数值的平方，用以刻画人均 ＧＤＰ对碳排放可能存在的倒“Ｕ”型影响，即环境库兹涅茨假说

（ＥＫＣ假说）；（２）城镇化率，定义为城镇人口占常住人口的比率；（３）产业结构，定义为第二产业占 ＧＤＰ

的比重；（４）人口密度，定义为每平方公里人口数的对数值；（５）贸易开放度，定义为进出口总额占 ＧＤＰ

的比重。以上数据全部取自国家统计局官网。

通过以上步骤，整合《中国能源统计年鉴》、私募通数据库、国家知识产权局专利数据等，剔除宁夏、

新疆、西藏等样本严重缺失的地区后，获得了 ２８个省份 ２００６—２０１９年的非平衡面板数据，对上述变量的

描述性统计如表 １所示。其中，碳排放强度取对数后均值为 ０．５８１，同时极值间差距较大，表明我国省级

碳排放强度整体偏高且不同区域间差距明显；绿色风险投资规模对数后均值为 ２．９９２，即绿色风险投资

平均规模仍相对较小，但标准差达到 ２．０７５，反映出各省份绿色风险投资发展上存在巨大差异；绿色专利

申请规模取对数后同样标准差较大，同时绿色专利申请占比两个极值间差距明显，反映出各省份绿色技

术进步水平的不均衡。控制变量方面，人均 ＧＤＰ在样本期间内稳步上升，产业结构均值为 ０４２９，第二产

业仍在经济结构中占有较大比重；我国当前城镇化进程稳步推进，但西部地区稍有落后，人口密度取对数

后均值达到 ７．９２７，反映了我国人口相对稠密的特点，同时也与新疆、西藏等部分西部省份样本缺失有

关，贸易开放度东西部之间差距明显。

５８ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

表 １ 描述性统计

变量名 样本量 均值 标准差 最小值 最大值

碳排放强度（取对数） ３８５ ０．５８１ ０．６３５ －１．４０５ ２．０９５

绿色风险投资规模（取对数） ３８５ ２．９９２ ２．０７５ －３．５０７ ８．６１８

绿色专利申请规模（取对数） ３６８ ４．０６６ ２．３７６ ０ １０．０８８

绿色专利申请占比 ３８５ ０．１５７ ０．０９１ ０ ０．４１７

人均 ＧＤＰ（取对数） ３８５ １０．４９６ ０．６０８ ８．７１７ １１．９９４

人均 ＧＤＰ对数平方 ３８５ １１０．５２６ １２．７１７ ７５．９７８ １４３．８５５

城镇化率 ３８５ ０．５５１ ０．１３７ ０．２８０ ０．９４１

产业结构 ３８５ ０．４２９ ０．０８５ ０．１６０ ０．６２３

人口密度（取对数） ３８５ ７．９２７ １．０９ ４．３３５ １０．３１３

贸易开放度 ３８５ ０．３１６ ０．３２２ ０．００２ １．４３１

（二）模型设定

１．散点图

为直观观测绿色风险投资与碳排放强度、绿色专利申请规模和绿色专利申请占比的关系，画出散点

图（图 ２～图 ４）。从图中不难看到，绿色风险投资与碳排放之间呈负相关关系，而与绿色专利申请规模、

绿色专利申请占比均呈正相关关系，即绿色风险投资规模上升可能导致碳排放强度下降，假设 １符合散

点图直观观察。同时绿色风险投资规模上升促使绿色专利申请规模和申请占比上升，表明假设 ２也很可

能是成立的，但要得到精确的结论还需要进行更严格的实证检验。

图 ２ 绿色风险投资与碳排放强度散点 图 ３ 绿色风险投资与绿色专利申请规模散点

图 ４ 绿色风险投资与绿色专利申请占比散点

邵兴宇，等：绿色风险投资抑制了碳排放吗？ ５９

２．模型构建

基于本文提出的研究假设，首先设定如下基准模型：

Ｌｎ（Ｃ／ＧＤＰ）ｉｔ ＝α０ ＋α１ＬｎＧｒｅｅｎＶＣｉｔ＋α２Ｃｏｎｔｒｏｌｓｉｔ＋μｉ＋υｔ＋εｉｔ （２）

其中，下标 ｉ代表不同省份，下标 ｔ代表不同年份，Ｌｎ（Ｃ／ＧＤＰ）ｉｔ为被解释变量，表示在时期 ｔ的第 ｉ个省

份碳排放强度的对数值。核心解释变量 ＬｎＧｒｅｅｎＶＣｉｔ为 ｉ省份在时期 ｔ的绿色风险投资规模的对数值。控

制变量组包括人均 ＧＤＰ对数值、人均 ＧＤＰ对数平方、城镇化率、产业结构、人口密度对数值、贸易开放

度，αｉ为待估参数，μｉ表示个体固定效应，υｔ为时间固定效应，εｉｔ为随机误差项。

同时，为检验假设 ２提出的绿色风险投资影响碳排放强度的具体机制，本文构建如下中介效应模型：

Ｐａｔｅｎｔｊ

ｉｔ ＝β０ ＋θｊＬｎＧｒｅｅｎＶＣｉｔ＋β２Ｃｏｎｔｒｏｌｓｉｔ＋μｉ＋υｔ＋εｉｔ （３）

Ｌｎ（Ｃ／ＧＤＰ）ｉｔ ＝γ０ ＋δｊＰａｔｅｎｔｊ

ｉｔ＋ω１ＬｎＧｒｅｅｎＶＣｉｔ＋γ２Ｃｏｎｔｒｏｌｓｉｔ＋μｉ＋υｔ＋εｉｔ （４）

本文采用逐步回归法进行中介效应检验，详细检验过程为：首先对基准方程（２）进行回归，如果核心

解释变量系数显著，则表明绿色风险投资对碳排放强度存在总体效应，进一步进行后续检验。其次，以绿

色技术水平的 ｊ维度（绿色专利申请规模、绿色专利占比）作为被解释变量，检验回归方程（３），验证绿色

风险投资是否影响了绿色技术水平。最后，以碳排放强度为被解释变量，将绿色风险投资与绿色技术水

平第 ｊ个维度同时纳入模型，检验回归方程（４）。如果回归方程（４）中回归系数 δｊ与回归方程（３）中系数

θｊ同时显著，则表明绿色技术水平第 ｊ个维度存在中介效应；若系数 δｊ与系数 θｊ当中至少存在一个变量

不显著，则进行 Ｓｏｂｅｌ检验；若检验结果显著，则存在中介效应，反之，则不存在中介效应。

四、直接效应分析

（一）基准回归结果

为防止计量结果出现伪回归，在实证开始前先进行了面板数据单位根检验，以检验变量的平稳性。

由于使用的数据样本是非平衡面板，采用面板 Ｆｉｓｈｅｒ型单位根检验，检验结果如表 ２所示，结果显示面板

数据平稳，可以对面板进行回归检验。

表 ２ 各变量平稳性检验结果

变量名 卡方值 Ｐ值 是否平稳

碳排放强度（取对数） １１１．４５３１ ０．００００ 平稳

绿色风险投资规模（取对数） １４１．９８７３ ０．００００ 平稳

绿色专利申请规模（取对数） ９４．９０８９ ０．０００５ 平稳

绿色专利申请占比 １４８．３０４６ ０．００００ 平稳

人均 ＧＤＰ（取对数） １１１．４５３７ ０．００００ 平稳

人均 ＧＤＰ对数平方 ２７３．９０３６ ０．００００ 平稳

城镇化率 ８９．０３６２ ０．００３３ 平稳

产业结构 １１３．３６０９ ０．００００ 平稳

人口密度（取对数） １６３．３６８３ ０．００００ 平稳

贸易开放度 １０４．６３０８ ０．００００ 平稳

本文首先使用全样本研究绿色风险投资对碳排放强度的影响。对回归方程（２）进行实证检验，结果

报告在表 ３的（１）～（４）列。表 ３的（１）列首先报告了不纳入控制变量下核心解释变量绿色风险投资对

６０ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

数值与被解释变量碳排放强度间双向固定效应模型的回归结果。结果显示，对全样本而言，绿色风险投

资与碳排放强度呈现负相关。随后（２）列将控制变量组加入回归，同时仍然控制个体效应和时间效应，

核心解释变量同样保持 １％水平上显著。为了便于比较分析，表 ３第（３）列 ～（４）列分别汇报了使用混合

最小二乘法（ＰｏｏｌｅｄＬｅａｓｔＳｑｕａｒｅ）和随机效应模型的回归结果，结果显示，在所有回归结果中，绿色风险

投资的估计系数均显著为负，且系数值为 －０．３１９～－０．１８７。此外，观察控制变量，人均 ＧＤＰ回归系数

全部显著为正，且人均 ＧＤＰ的平方项均显著为负，表明对本文样本而言，伴随着人均 ＧＤＰ的上升，碳排

放强度先上升后下降，即二者之间呈现倒“Ｕ”型，这与现有关于环境库兹涅茨假说的研究是契合的；城镇

化率、产业结构和人口密度系数全部为正，这也与现有研究结论保持一致［２６］

。上述结果说明，绿色风险

投资对碳排放强度具有显著负向作用，初步验证了本文的假设 １。

表 ３ 绿色风险投资对碳排放的直接效应回归结果

变量名

（１） （２） （３） （４）

固定效应 固定效应 ＯＬＳ 随机效应

碳排放强度 碳排放强度 碳排放强度 碳排放强度

绿色风险投资 －０．１９９ －０．１８７ －０．３１９ －０．２２３

（０．０４３１） （０．０４５３） （０．０１１５） （０．０３６１）

人均 ＧＤＰ ４．５２６ ５．３１７ ５．４８０

（２．４５２） （０．５４０） （１．５５６）

人均 ＧＤＰ平方 －０．２３０ －０．２６９ －０．２７９

（０．１１１） （０．０２６１） （０．０７０５）

城镇化率 １．８８４ ０．２９６ １．０６２

（０．８９４） （０．１８０） （０．５５４）

产业结构 ０．４６７ ０．２８０ ０．１３９

（０．１８０） （０．０４３） （０．１２４）

人口密度 ０．７６１ ０．０５２９ ０．０９９５

（０．６５５） （０．０１６１） （０．０６８６）

对外开放度 ０．３２２ －０．０４８０ ０．０１８０

（０．２１７） （０．０４８８） （０．１７６）

时间效应 是 是 是 是

个体效应 是 是 否 否

常数项 ０．８９７ －２８．５１ －２４．７９ －２５．４９

（０．１４１） （１０．４５） （２．７８７） （８．７４７）

观测值数 ３８５ ３８５ ３８５ ３８５

Ｒｓｑｕａｒｅｄ ０．７３６ ０．８５５ ０．９０２

省份数 ２８ ２８ ２８

注：、、分别表示在 １％、５％、１０％的水平上显著，括号内为稳健标准误，下同

（二）稳健性检验

１．变量替换

为检验上述结果的稳健性，进一步考察绿色风险投资对碳排放强度的影响，首先考虑替换被解释变

量，以消除单一变量测度对回归结果产生的潜在影响。本文借鉴胡海峰等［９］及 Ｘｉａｏｙａｎ等［２７］的研究方

法，用人均碳排放和 ＰＭ２．５替换碳排放强度，并继续用双向固定效应模型进行回归。其中，人均碳排放

定义为各省份当年碳排放总量除以常住人口规模后取对数，ＰＭ２．５使用华盛顿大学 ＡｔｍｏｓｐｈｅｒｉｃＣｏｍｐｏｓｉ

邵兴宇，等：绿色风险投资抑制了碳排放吗？ ６１

ｔｉｏｎＡｎａｌｙｓｉｓＧｒｏｕｐ提供的各省区地表 ＰＭ２．５年均浓度。回归结果分别汇报在表 ４的第（１）和第（２）列。

从回归结果看，绿色风险投资对人均碳排放和 ＰＭ２．５的回归系数分别为 －０．１８６和 －０．１７１，与绿色风险

投资对碳排放强度的回归系数较为接近，且回归系数均在 １％水平下显著。此外，控制变量组与基准回

归结果正负号方向及显著性也仍保持一致，这初步证明基准回归结果较为可信。

２．子样本回归

在基准分析的基础上，各省区按照地理位置划分为东中西部地区，并使用双向固定效应模型分别进

行回归，以考察绿色风险投资对碳排放强度在不同地区间可能存在的异质性。表 ４的第（３）～（５）列分

别汇报了东部地区、西部地区和中部地区的回归结果。从回归结果看，对不同地区而言，绿色风险投资对

碳排放强度的回归系数处于 －０．１７１到 －０．１９７之间，与全样本回归 －０．１８７的回归结果大致接近，且仍

然保持 １％水平下显著。其中，东部地区回归系数绝对值最小，中部地区最大，这表明绿色风险投资规模

上升对中部地区碳排放强度降低的作用作为明显，西部地区其次，东部地区作用最小。

表 ４ 变量替换及子样本回归结果

变量名

稳健性检验一

（１） （２）

人均碳排放 ＰＭ２．５

稳健性检验二

（３） （４） （５）

东部 西部 中部

单位碳排放 单位碳排放 单位碳排放

绿色风险投资 －０．１８６ －０．１７１ －０．１７１ －０．１７９ －０．１９７

（０．０３７８） （０．０１６９） （０．０５１０） （０．０５０２） （０．０３６１）

人均 ＧＤＰ ３．３１０ ０．８５０ １１．３１ ５．７２７ ３．８８６

（１．９７１） （０．３５６） （２．４３５） （３．５８３） （０．８８４）

人均 ＧＤＰ平方 －０．１７５ －０．０４１３ －０．５２３ －０．４２６ －０．０１６７

（０．０８９３） （０．０１８６） （０．１１９） （０．１７３） （０．０３４９）

城镇化率 １．４９７ ０．６９３ ３．１２１ ２．６００ ０．７５１

（０．８０７） （０．３０９） （１．４７９） （０．７４８） （０．７８５）

产业结构 ０．３９４ ０．１６１ ０．６３５ ０．９８５ ０．７５０

（０．１８１） （０．１７６） （０．１２２） （０．１９０） （０．１９４）

人口密度 ０．５２７ －０．１２３ ２．４０６ ０．２９４ ３．３０６

（０．５３７） （０．１２９） （１．４４６） （０．８７２） （０．７０９）

对外开放度 ０．２１７ －０．０８８６ ０．３４６ －０．０１７３ －０．２６９

（０．１８２） （０．０６６４） （０．１８８） （０．２４０） （０．１５９）

时间效应 是 是 是 是 是

个体效应 是 是 是 是 是

常数项 －１８．５２ ０．３６９ －４５．１４ －３３．８４ －１９．１２

（８．３６９） （１．７３６） （８．９９６） （１２．９４） （３．５９８）

观测值数 ３８５ ３８５ １４８ １２５ １１２

Ｒｓｑｕａｒｅｄ ０．８１６ ０．９５８ ０．９４５ ０．８７４ ０．９７９

省份数 ２８ ２８ １１ ９ ８

３．内生性处理

对于本文实证结果的一个担忧来自于变量内生性问题。尽管面板固定效应模型可以在一定程度上

解决回归模型存在的内生性问题，但严格的实证结论仍需要对内生性问题进行进一步研究讨论。就本文

６２ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

而言，内生性问题的潜在来源主要是核心被解释变量碳排放强度与核心解释变量绿色风险投资规模之间

可能存在的反向因果关系和遗漏变量。为此，借鉴江红莉等［７］

的研究思路，在基准模型（１）的基础上，提

出如下回归：

Ｌｎ（Ｃ／ＧＤＰ）ｉｔ ＝α０ ＋ξＬｎ（Ｃ／ＧＤＰ）ｉｔ－１ ＋α１ＬｎＧｒｅｅｎＶＣｉｔ＋α２Ｃｏｎｔｒｏｌｓｉｔ＋μｉ＋υｔ＋ειｔ （５）

引入滞后变量 ξＬｎ（Ｃ／ＧＤＰ）ｉｔ－１涵盖了其他可能对碳排放强度产生影响的因素，在很大程度上缓解

模型遗漏变量的问题，从而降低计量设定可能存在的设定偏误。另外，考虑到绿色风险投资规模与碳排

放强度之间可能存在的内生变量问题，采用两步系统 ＧＭＭ 方法（ｔｗｏｓｔｅｐｓｙｓＧＭＭ）进行估计，将

ξＬｎ（Ｃ／ＧＤＰ）ｉｔ－１及 ＬｎＧｒｅｅｎＶＣｉｔ视为内生变量，并将这些变量的两阶及更高阶滞后变量作为工具变量。这

一回归的结果分别报告在表 ５的第（３）列。

表 ５ 系统 ＧＭＭ回归结果

变量名

（１） （２） （３）

ＯＬＳ 固定效应 系统 ＧＭＭ

单位碳排放 单位碳排放 单位碳排放

单位碳排放滞后一阶 ０．７９９ ０．６２６ ０．６５６

（０．０３６１） （０．０５２８） （０．２０８）

绿色风险投资 －０．０４８７ －０．０６４５ －０．０４８９

（０．００８９５） （０．０１６３） （０．０１０２）

人均 ＧＤＰ ０．４８５ １．０１６ ３．９６５

（０．３７５） （０．７２６） （０．７１５）

人均 ＧＤＰ平方 －０．０２６６ －０．０５１７ －０．１８６

（０．０１７１） （０．０３１８） （０．０３５６）

城镇化率 －０．１０４ ０．４４２ －１．１１２

（０．０９９５） （０．２６９） （０．５４２）

产业结构 －０．０１４０ ０．０５１５ －０．５６２

（０．０８２９） （０．３３３） （０．６５６）

人口密度 －０．０３１８ ０．５４３ －０．２７５

（０．００９６０） （０．２８０） （０．０９０６）

对外开放度 －０．０１９３ ０．０７５２ ０．３９８

（０．０１９９） （０．０５８３） （０．１１４）

时间效应 是 是 是

个体效应 是 是 是

常数项 －１．６３６ －９．２４５ －１８．００

（１．９８９） （２．５４２） （３．３７６）

ＡＲ１检验 －２．２２

（０．０２６）

ＡＲ２检验 －０．８７

（０．３８５）

Ｓａｒｇａｎ检验 ０．９８

（０．９９９）

Ｈａｎｓｅｎ检验 ６．４３

（０．６９６）

观测值数 ３５４ ３５４ ３５４

Ｒｓｑｕａｒｅｄ ０．９８５ ０．９４６

省份数 ２８ ２８

邵兴宇，等：绿色风险投资抑制了碳排放吗？ ６３

但是在有限样本的条件下，两步系统 ＧＭＭ估计仍然有可能造成估计系数向下偏倚的问题。现有研

究认为，混合 ＯＬＳ通常会高估被解释变量滞后一阶的回归系数，与之相反，使用固定效应模型回归时则

往往会造成被解释变量滞后一阶系数被低估。为此，参考 Ｂｏｎｄ等［２８］的检验法则，这一法则提出，如果

ＧＭＭ对被解释变量滞后一阶的估计系数介于固定效应与 ＯＬＳ估计值之间，那么 ＧＭＭ的估计结果就相

对较为可靠。为此，表 ５第（１）列和第（２）列分别提供了带有滞后项的混合 ＯＬＳ模型估计值和固定效应

模型估计值。

从回归结果看，３种方法估计一阶滞后项系数分别为 ０．７９９、０．６２６和 ０．６５６，其中 ＧＭＭ估计值大于

固定效应估计值而小于混合 ＯＬＳ估计值，满足 Ｂｏｎｄ等［２８］

提出的经验法则，可以认为系统 ＧＭＭ方法的

估计结果是有效的。此外，Ｓａｒｇａｎ检验和 Ｈａｎｓｅｎ检验的结果 Ｐ值分别为 ０．９９９和 ０．６９６，均明显高于

０１，即工具变量的选择是有效的。同时残差序列相关性检验显示 ＡＲ（２）的 Ｐ值大于 ０．１，表明差分后残

差项不存在序列相关性问题。从实证结果看，核心解释变量与被解释变量之间回归系数仍然保持 １％水

平下显著性，同时系统 ＧＭＭ估计显示回归系数为 －０．０４８９，二者之间仍然存在显著负相关关系，这表明

绿色风险投资规模对碳排放强度的影响在统计上是稳健的。

五、中介效应分析

（一）绿色技术进步的中介效应分析

以上实证结果表明绿色风险投资规模上升降低了碳排放强度。为进一步讨论绿色风险投资对碳排

放强度的具体影响机制，本文将绿色专利申请规模和绿色专利申请占比纳入回归，对回归方程（３）和回

归方程（４）进行检验，检验结果如表 ６所示。

表 ６ 绿色专利申请规模及申请占比中介效应回归结果

变量名 （１） （２） （３） （４）

绿色专利申请规模 绿色专利申请占比 单位碳排放 单位碳排放

绿色专利申请规模 －０．１４９

（０．０５１２）

绿色专利申请占比 －１．３３６

（０．３０４）

绿色风险投资 ０．４２５ ０．０２９５ －０．１２３ －０．１４７

（０．１２５） （０．００８１０） （０．０３９９） （０．０３４７）

人均 ＧＤＰ １２．７５ １．０２５ ６．４２９ ５．８９５

（４．３２８） （０．３１６） （２．３７５） （２．３６５）

人均 ＧＤＰ平方 －０．３７５ －０．０４４７ －０．２８６ －０．２８９

（０．２１８） （０．０１６２） （０．０９８６） （０．１０７）

城镇化率 ３．２２９ －０．００３８０ ２．３６６ １．８７９

（２．９０３） （０．１４３） （０．７３７） （０．８１２）

产业结构 ０．３１３ ０．１４７ ０．５１４ ０．６６４

（１．３１０） （０．１１８） （０．８６４） （０．９１９）

人口密度 －１．０１１ －０．１４１ ０．６１０ ０．５７２

（１．２２３） （０．０７２５） （０．６５８） （０．６１７）

对外开放度 －０．６０８ ０．０３６２ ０．２３２ ０．３７１

（０．６５６） （０．０３４４） （０．１６７） （０．２１０）

６４ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

续表（表 ６）

变量名 （１） （２） （３） （４）

绿色专利申请规模 绿色专利申请占比 单位碳排放 单位碳排放

时间效应 是 是 是 是

个体效应 是 是 是 是

常数项 －８３．０６ －４．５８６ －４０．９１ －３４．６４

（２２．３９） （１．４８２） （１０．７１） （９．８８７）

观测值数 ３８５ ３８５ ３８５ ３８５

Ｒｓｑｕａｒｅｄ ０．９８２ ０．６４１ ０．８７１ ０．８７５

省份数 ２８ ２８ ２８ ２８

在表 ６的第（１）和第（２）列，首先使用双向固定效应分别对绿色风险投资与绿色专利申请规模、申请

占比的关系进行回归。回归结果显示，绿色风险投资规模对绿色专利申请规模和绿色专利申请占比回归

系数均在 １％水平下显著，且回归系数为正，即绿色风险投资规模的上升促进了绿色专利申请规模和绿

色专利申请占比上升，假设 ２得到验证。

表 ６的第（３）和第（４）列汇报了使用双向固定效应模型对回归方程（４）的检验结果。从回归结果看，

绿色专利申请规模及绿色专利申请占比的回归系数均在 １％水平下显著为负，说明绿色专利申请规模及

申请占比的上升抑制了碳排放强度。与此同时，在对方程（４）的检验中，核心解释变量绿色风险投资规

模的回归系数仍然保持显著为负。综合考虑回归方程（３）和回归方程（４）的检验结果，绿色专利申请规

模及绿色专利申请占比均在绿色风险投资与碳排放强度的关系中发挥部分中介效应，假设 ３得到验证，

即绿色风险投资规模上升促进了绿色技术进步，进而实现了碳排放强度下降。

（二）稳健性检验

为证明本文结论的可靠性，同时进一步深入讨论绿色技术进步在绿色风险投资与碳排放强度间的中

介作用，将中介变量替换为绿色专利获得规模及绿色专利在全部获得专利中的占比，同时继续使用双向

固定效应模型，再次对方程（３）和方程（４）进行检验，回归结果如表 ７所示。

表 ７ 绿色专利获得规模及获得占比中介效应回归结果

变量名 （１） （２） （３） （４）

绿色专利获得规模 绿色专利获得占比 单位碳排放 单位碳排放

绿色专利获得规模 －０．１１４

（０．０４７１）

绿色专利获得占比 －１．４００

（０．３３１）

绿色风险投资 ０．３７０ ０．０２８８ －０．１４５ －０．１４６

（０．１５４） （０．０１０１） （０．０４００） （０．０３２２）

人均 ＧＤＰ １５．５５ １．２５７ ６．２９６ ６．２８６

（５．８７０） （０．４００） （２．２４６） （２．２４１）

人均 ＧＤＰ平方 －０．５２０ －０．０５５２ －０．２８９ －０．３０７

（０．２８８） （０．０２００） （０．０９５３） （０．１０１）

城镇化率 ０．５７１ －０．１０９ １．９４９ １．７３２

（３．１１４） （０．１４４） （０．７５０） （０．７８５）

邵兴宇，等：绿色风险投资抑制了碳排放吗？ ６５

续表（表 ７）

变量名 （１） （２） （３） （４）

绿色专利获得规模 绿色专利获得占比 单位碳排放 单位碳排放

产业结构 ０．１６２ ０．１０８ ０．４８６ ０．６１９

（１．８７０） （０．１４３） （０．８４１） （０．８６２）

人口密度 ０．０９８６ －０．１７３ ０．７７２ ０．５１９

（１．３６９） （０．０７８８） （０．６２５） （０．５８９）

对外开放度 －１．０９６ ０．０２７８ ０．１９７ ０．３６１

（０．８３６） （０．０３９８） （０．１５２） （０．１９４）

时间效应 是 是 是 是

个体效应 是 是 是 是

常数项 －１０５．１ －５．６５７ －４０．４８ －３６．４３

（３０．０９） （１．８２９） （１０．７４） （９．４３７）

观测值数 ３８５ ３８５ ３８５ ３８５

Ｒｓｑｕａｒｅｄ ０．９６２ ０．６２４ ０．８７２ ０．８８３

省份数 ２８ ２８ ２８ ２８

表 ７的第（１）和第（２）列汇报了绿色风险投资对绿色专利获得规模和获得占比的检验结果。与使用

绿色专利申请规模及占比回归得到的结果类似，绿色风险投资对绿色专利获得规模和绿色专利获得占比

的回归系数仍为正，且保持一定显著性。同时，将绿色专利获得规模及绿色专利获得占比纳入方程（４），

检验结果汇报在表 ７第（３）和第（４）列。结果表明绿色专利获得规模及绿色专利获得占比均对碳排放强

度存在负向作用，同时绿色风险投资回归系数保持显著为负，即绿色专利获得规模和绿色专利获得占比

均在绿色风险投资与碳排放强度的关系中发挥部分中介效应。检验结果表明中介效应回归结果较为

可信。

六、结论及政策建议

本文利用 ２００６—２０１９年 ２８个省（自治区、直辖市）的面板数据，采用双向固定效应模型和中介效应

模型，实证研究了绿色风险投资规模变动对碳排放强度的影响。研究结果表明：（１）绿色风险投资规模

上升显著抑制了碳排放强度；（２）绿色风险投资上升显著提高了绿色专利申请规模和绿色专利申请占

比，即绿色风险投资促进了绿色技术进步；（３）绿色专利申请规模和绿色专利申请占比均在绿色风险投

资与碳排放强度的关系中发挥了部分中介效应，绿色风险投资规模上升促进了绿色技术进步，进而实现

了碳排放强度下降。

基于以上结论，本文提出如下政策建议：

（１）支持绿色风险投资发展，通过绿色投资促进碳减排。在以政府为主导的绿色金融供给之外，通

过发展绿色风险投资，将民间资本汇集于绿色产业中。考虑适当放宽绿色风险投资资金来源，降低绿色

风险投资相关税费。同时通过多层次资本市场建设，进一步完善风险投资退出机制，最终实现绿色风险

投资与绿色产业发展的良性互动。

（２）加快绿色技术自主创新研发，用创新的方式完成我国经济低碳转型。作为绿色技术创新的供给

方，企业部门特别是新兴产业企业部门需要成为政策保护和支持的重点。未来仍需要继续着眼于绿色技

术的研发和普及，积极促进产学研相结合，提高企业创新的规模和质量，对企业创新予以鼓励，提高企业

６６ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

部门创新的积极性。

（３）强化绿色金融体系建设与绿色技术创新的协同性。以绿色风险投资发展为抓手，促进绿色金融

资源与绿色技术创新相融合。用金融提升创新，以创新实现减碳，完善绿色金融、绿色技术创新和经济低

碳化三者之间的协作机制。建议在绿色金融改革创新试验区探索绿色风险投资与绿色技术创新协同推

进的新路径，尽快形成可复制、可推广的协同发展经验。

参考文献：

［１］ 易纲．完善全球金融治理 促进世界经济增长［Ｎ］．人民日报，２０１６－１０－２５（７）．

［２］ 刘曼红，秋永霞．绿色风险投资助推绿色 ＧＤＰ［Ｊ］．生产力研究，２００９（２０）：５３－５４，６９，２０３．

［３］ 王韧．绿色金融、技术创新与绿色政策———基于耦合模型与灰色关联模型的实证分析［Ｊ］．金融理论探索，２０１９（６）：

６０－７０．

［４］ 安伟．绿色金融的内涵，机理和实践初探［Ｊ］．经济经纬，２００８（５）：１５６－１５８．

［５］ ＭＲＫＡＪＩＣＢ，ＭＵＲＴＩＮＵＳ，ＳＣＡＬＥＲＡＶＧ．Ｉｓｇｒｅｅｎｔｈｅｎｅｗｇｏｌｄ？Ｖｅｎｔｕｒｅｃａｐｉｔａｌａｎｄｇｒｅｅｎｅｎｔｒｅｐｒｅｎｅｕｒｓｈｉｐ［Ｊ］．ＳｍａｌｌＢｕｓｉ

ｎｅｓｓＥｃｏｎｏｍｉｃｓ，２０１９，５２（４）：９２９－９５０．

［６］ ＯＷＥＮＲ．Ｌｅｓｓｏｎｓｆｒｏｍｇｏｖｅｒｎｍｅｎｔｖｅｎｔｕｒｅｃａｐｉｔａｌｆｕｎｄｓｔｏｅｎａｂｌｅｔｒａｎｓｉｔｉｏｎｔｏａｌｏｗｃａｒｂｏｎｅｃｏｎｏｍｙ：ＴｈｅＵ．Ｋ．ｃａｓｅ［Ｊ］．

ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＥｎｇｉｎｅｅｒｉｎｇＭａｎａｇｅｍｅｎｔ，２０２１：１－１５．

［７］ 江红莉，王为东，王露，等．中国绿色金融发展的碳减排效果研究———以绿色信贷与绿色风投为例［Ｊ］．金融论坛，２０２０

（１１）：３９－４８，８０．

［８］ ＧＵＪＢＡＨ，ＴＨＯＲＮＥＳ，ＭＵＬＵＧＥＴＴＡＹ，ｅｔａｌ．ＦｉｎａｎｃｉｎｇｌｏｗｃａｒｂｏｎｅｎｅｒｇｙａｃｃｅｓｓｉｎＡｆｒｉｃａ［Ｊ］．ＥｎｅｒｇｙＰｏｌｉｃｙ，２０１２，４７：７１－

７８．

［９］ 胡海峰，王爱萍．金融发展与经济增长关系研究新进展［Ｊ］．经济学动态，２０１６（５）：１０２－１１２．

［１０］ＨＥＧＥＭＡＮＰＤ，ＳＲＨＥＩＭＲ．Ｗｈｙｄｏｔｈｅｙｄｏｉｔ？Ｃｏｒｐｏｒａｔｅｖｅｎｔｕｒｅｃａｐｉｔａｌｉｎｖｅｓｔｍｅｎｔｓｉｎｃｌｅａｎｔｅｃｈｓｔａｒｔｕｐｓ［Ｊ］．Ｊｏｕｒｎａｌｏｆ

ＣｌｅａｎｅｒＰｒｏｄｕｃｔｉｏｎ，２０２１，２９４．

［１１］ＷＥＩＺ，ＹＵＧＵＯＪ，ＪＩＡＰＩＮＧＷ．ＧｒｅｅｎｉｚａｔｉｏｎｏｆｖｅｎｔｕｒｅｃａｐｉｔａｌａｎｄｇｒｅｅｎｉｎｎｏｖａｔｉｏｎｏｆＣｈｉｎｅｓｅｅｎｔｉｔｙｉｎｄｕｓｔｒｙ［Ｊ］．Ｅｃｏｌｏｇｉｃａｌ

Ｉｎｄｉｃａｔｏｒｓ，２０１５，５１：３１－４１．

［１２］ＷＥＩＪＩＡＤ，ＹＥＬ，ＸＩＮＬ，ｅｔａｌ．Ｈｏｗｄｏｅｓｖｅｎｔｕｒｅｃａｐｉｔａｌｓｐｕｒｔｈｅｉｎｎｏｖａｔｉｏｎｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｌｙｆｒｉｅｎｄｌｙｆｉｒｍｓ？Ｅｖｉｄｅｎｃｅｆｒｏｍ

Ｃｈｉｎａ［Ｊ］．ＥｎｅｒｇｙＥｃｏｎｏｍｉｃｓ，２０２１，１０３．

［１３］张伟科．风险投资介入与企业创新：基于 ＰＳＭ模型的经验证据［Ｊ］．科技进步与对策，２０２０（２）：１０－１８．

［１４］ＣＲＯＣＥＡ，ＭＡＲＴ?Ｊ，ＭＵＲＴＩＮＵＳ．ＴｈｅｉｍｐａｃｔｏｆｖｅｎｔｕｒｅｃａｐｉｔａｌｏｎｔｈｅｐｒｏｄｕｃｔｉｖｉｔｙｇｒｏｗｔｈｏｆＥｕｒｏｐｅａｎｅｎｔｒｅｐｒｅｎｅｕｒｉａｌｆｉｒｍｓ：

‘Ｓｃｒｅｅｎｉｎｇ’ｏｒ‘ｖａｌｕｅａｄｄｅｄ’ｅｆｆｅｃｔ？［Ｊ］．ＪｏｕｒｎａｌｏｆＢｕｓｉｎｅｓｓＶｅｎｔｕｒｉｎｇ，２０１３，２８（４）：４８９－５１０．

［１５］加里·杜什尼茨基，余雷，路江涌．公司创业投资：文献述评与研究展望［Ｊ］．管理世界，２０２１（７）：１９８－２１６，１４，１８－２５．

［１６］谢漾，洪正．私募股权投资能缓解中小企业非效率投资吗———来自中小板、创业板上市公司的经验证据［Ｊ］．广东财经

大学学报，２０２０（４）：５８－７１．

［１７］ＨＡＬＬＥＮＢＬ．Ｔｈｅｃａｕｓｅｓａｎｄｃｏｎｓｅｑｕｅｎｃｅｓｏｆｔｈｅｉｎｉｔｉａｌｎｅｔｗｏｒｋｐｏｓｉｔｉｏｎｓｏｆｎｅｗｏｒｇａｎｉｚａｔｉｏｎｓ：Ｆｒｏｍｗｈｏｍｄｏｅｎｔｒｅｐｒｅｎｅｕｒｓ

ｒｅｃｅｉｖｅｉｎｖｅｓｔｍｅｎｔｓ［Ｊ］．ＡｄｍｉｎｉｓｔｒａｔｉｖｅＳｃｉｅｎｃｅＱｕａｒｔｅｒｌｙ，２００８，５３（４）：６８５－７１８．

［１８］张同斌，宫婷．中国工业化阶段变迁、技术进步与能源效率提升———基于时变参数状态空间模型的实证分析［Ｊ］．资源

科学，２０１３（９）：１７７２－１７８１．

［１９］杨莉莎，朱俊鹏，贾智杰．中国碳减排实现的影响因素和当前挑战———基于技术进步的视角［Ｊ］．经济研究，２０１９（１１）：

１１８－１３２．

［２０］王道平，杜克锐，鄢哲明．低碳技术创新有效抑制了碳排放吗？———基于 ＰＳＴＲ模型的实证分析［Ｊ］．南京财经大学学

报，２０１８（６）：１－１４．

邵兴宇，等：绿色风险投资抑制了碳排放吗？ ６７

［２１］白雪洁，宋培，王宝璐．碳排放交易制度的节能减排路径：效率提升还是结构转型？———来自中国省级数据的准自然实

验［Ｊ］．商业经济与管理，２０２１（８）：７０－８５．

［２２］鄢哲明，邓晓兰，陈宝东．绿色技术进步对中国产业结构低碳化的影响［Ｊ］．经济社会体制比较，２０１６（４）：２５－３９．

［２３］罗良文，李珊珊．技术进步、产业结构与中国工业碳排放［Ｊ］．科研管理，２０１４（６）：８－１３．

［２４］ＩＰＣＣ．２００６ＩＰＣＣｇｕｉｄｅｌｉｎｅｓｆｏｒｎａｔｉｏｎａｌｇｒｅｅｎｈｏｕｓｅｇａｓｉｎｖｅｎｔｏｒｙ［Ｍ］．ＮｅｗＹｏｒｋ：ＩｎｔｅｒｇｏｖｅｒｎｍｅｎｔａｌＰａｎｅｌｏｎＣｌｉｍａｔｅＣｈａｎｇｅ，

２００６．

［２５］王班班，赵程．中国的绿色技术创新———专利统计和影响因素［Ｊ］．工业技术经济，２０１９（７）：５３－６６．

［２６］李飞越．老龄化、城镇化与碳排放———基于 １９９５—２０１２年中国省级动态面板的研究［Ｊ］．人口与经济，２０１５（４）：９－１８．

［２７］ＸＩＡＯＹＡＮＬ，ＪＩＡＬ，ＰＥＩＪＩＥＮ．ＴｈｅｉｍｐａｃｔｏｆｔｈｅｄｉｇｉｔａｌｅｃｏｎｏｍｙｏｎＣＯ２ｅｍｉｓｓｉｏｎｓ：Ａｔｈｅｏｒｅｔｉｃａｌａｎｄｅｍｐｉｒｉｃａｌａｎａｌｙｓｉｓ［Ｊ］．

Ｓｕｓｔａｉｎａｂｉｌｉｔｙ，２０２１，１３（１３）：７２６７．

［２８］ＢＯＮＤＳ，ＨＯＥＦＦＬＥＲＡ，ＴＥＭＰＬＥＪ．ＧＭＭｅｓｔｉｍａｔｉｏｎｏｆｅｍｐｉｒｉｃａｌｇｒｏｗｔｈｍｏｄｅｌｓ［Ｊ］．ＣＥＰＲＤｉｓｃｕｓｓｉｏｎＰａｐｅｒｓ，２００１，１５９（１）：

９９－１１５．

Ｄｏｅｓｇｒｅｅｎｖｅｎｔｕｒｅｃａｐｉｔａｌｃｕｒｂｃａｒｂｏｎｅｍｉｓｓｉｏｎｓ？

———Ｅｍｐｉｒｉｃａｌｒｅｓｅａｒｃｈｂａｓｅｄｏｎｔｈｅｐｅｒｓｐｅｃｔｉｖｅｏｆｇｒｅｅｎｔｅｃｈｎｏｌｏｇｙｉｎｎｏｖａｔｉｏｎ

ＳＨＡＯＸｉｎｇｙｕ

１

，ＦＡＮＤｅｓｈｅｎｇ

２

（１．ＳｃｈｏｏｌｏｆＥｃｏｎｏｍｉｃｓ，ＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｏｃｉａｌＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０２４８８，Ｃｈｉｎａ；

２．ＩｎｔｅｒｎａｔｉｏｎａｌＢｕｓｉｎｅｓｓＳｃｈｏｏｌ，ＢｅｉｊｉｎｇＦｏｒｅｉｇｎＳｔｕｄｉｅｓＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｉｎｄｅｐｔｈｓｔｕｄｙｏｎｗｈｅｔｈｅｒａｎｄｈｏｗｇｒｅｅｎｖｅｎｔｕｒｅｃａｐｉｔａｌａｆｆｅｃｔｓｃａｒｂｏｎｅｍｉｓｓｉｏｎｉｎｔｅｎｓｉｔｙｉｓｏｆ

ｇｒｅａｔｓｉｇｎｉｆｉｃａｎｃｅｔｏｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆＣｈｉｎａ’ｓｇｒｅｅｎｆｉｎａｎｃｉａｌｓｙｓｔｅｍａｎｄｔｈｅｒｅａｌｉｚａｔｉｏｎｏｆｃａｒｂｏｎｅｍｉｓｓｉｏｎ

ｒｅｄｕｃｔｉｏｎｔａｒｇｅｔｓ．Ｂａｓｅｄｏｎｔｈｅｐａｎｅｌｄａｔａｏｆ２８ｐｒｏｖｉｎｃｅｓｆｒｏｍ２００６ｔｏ２０１９，ｔｈｉｓｐａｐｅｒｅｍｐｉｒｉｃａｌｌｙｓｔｕｄｉｅｓｔｈｅ

ｉｍｐａｃｔｏｆｔｈｅｓｃａｌｅｃｈａｎｇｅｏｆｇｒｅｅｎｖｅｎｔｕｒｅｃａｐｉｔａｌｏｎｃａｒｂｏｎｅｍｉｓｓｉｏｎｉｎｔｅｎｓｉｔｙ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ：（１）

Ｔｈｅｉｎｃｒｅａｓｅｏｆｇｒｅｅｎｖｅｎｔｕｒｅｃａｐｉｔａｌｓｉｇｎｉｆｉｃａｎｔｌｙｉｎｈｉｂｉｔｅｄｃａｒｂｏｎｅｍｉｓｓｉｏｎｉｎｔｅｎｓｉｔｙ；（２）Ｔｈｅｉｎｃｒｅａｓｅｏｆｇｒｅｅｎ

ｖｅｎｔｕｒｅｃａｐｉｔａｌｓｉｇｎｉｆｉｃａｎｔｌｙｉｎｃｒｅａｓｅｄｔｈｅｓｃａｌｅａｎｄｐｒｏｐｏｒｔｉｏｎｏｆｇｒｅｅｎｐａｔｅｎｔａｐｐｌｉｃａｔｉｏｎｓ；（３）Ｂｏｔｈｔｈｅｓｉｚｅｏｆ

ｇｒｅｅｎｐａｔｅｎｔａｐｐｌｉｃａｔｉｏｎａｎｄｔｈｅｐｒｏｐｏｒｔｉｏｎｏｆｇｒｅｅｎｐａｔｅｎｔａｐｐｌｉｃａｔｉｏｎｐｌａｙａｐａｒｔｏｆｍｅｄｉａｔｉｎｇｅｆｆｅｃｔｏｎｔｈｅ

ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｇｒｅｅｎｖｅｎｔｕｒｅｃａｐｉｔａｌａｎｄｃａｒｂｏｎｅｍｉｓｓｉｏｎｉｎｔｅｎｓｉｔｙ．Ｔｈｅｒｅｆｏｒｅ，ｔｏｆｕｒｔｈｅｒｓｕｐｐｏｒｔｔｈｅ

ｄｅｖｅｌｏｐｍｅｎｔｏｆｇｒｅｅｎｖｅｎｔｕｒｅｃａｐｉｔａｌ，ａｃｃｅｌｅｒａｔｅｔｈｅｉｎｄｅｐｅｎｄｅｎｔｉｎｎｏｖａｔｉｏｎｒｅｓｅａｒｃｈａｎｄｄｅｖｅｌｏｐｍｅｎｔｏｆｇｒｅｅｎ

ｔｅｃｈｎｏｌｏｇｙ，ａｎｄｆｕｒｔｈｅｒｓｔｒｅｎｇｔｈｅｎｔｈｅｓｙｎｅｒｇｙｂｅｔｗｅｅｎｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｇｒｅｅｎｆｉｎａｎｃｉａｌｓｙｓｔｅｍ ａｎｄｇｒｅｅｎ

ｔｅｃｈｎｏｌｏｇｙｉｎｎｏｖａｔｉｏｎａｒｅｅｆｆｅｃｔｉｖｅｗａｙｓｔｏａｃｈｉｅｖｅｃａｒｂｏｎｅｍｉｓｓｉｏｎｒｅｄｕｃｔｉｏｎ．

Ｋｅｙｗｏｒｄｓ：ｇｒｅｅｎｖｅｎｔｕｒｅｃａｐｉｔａｌ；ｇｒｅｅｎｔｅｃｈｎｏｌｏｇｙｉｎｎｏｖａｔｉｏｎ；ｃａｒｂｏｎｉｎｔｅｎｓｉｔｙ

（责任编辑 晏心悦）

６８ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＳｏｃｉａｌＳｃｉｅｎｃｅ）

２０２２年 第 ３６卷 第 ４期

Ｖｏｌ．３６ Ｎｏ．４ ２０２２

收稿日期：２０２０－０９－２８；修回日期：２０２２－０３－３１

基金项目：国家社会科学基金西部项目“全球价值链视域下中国与‘一带一路’沿线国家服务业竞合关系研究”

（１８ＸＪＬ０１０）

作者简介：钟惠芸，教授，经济学博士，主要从事服务贸易研究。

本文引用格式：钟惠芸．中国与“一带一路”沿线国家服务业在全球价值链中的竞争力比较［Ｊ］．重庆理工大学学报（社会科学），２０２２

（４）：６９－８０．

Ｃｉｔａｔｉｏｎｆｏｒｍａｔ：ＺＨＯＮＧＨｕｉｙｕｎ．ＡｃｏｍｐａｒａｔｉｖｅｓｔｕｄｙｏｎｔｈｅｃｏｍｐｅｔｉｔｉｖｅｎｅｓｓｏｆｔｈｅｓｅｒｖｉｃｅｉｎｄｕｓｔｒｙｉｎｔｈｅｇｌｏｂａｌｖａｌｕｅＣｈａｉｎｂｅｔｗｅｅｎＣｈｉｎａａｎｄ

ｃｏｕｎｔｒｉｅｓａｌｏｎｇｔｈｅＢｅｌｔ＆Ｒｏａｄ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＳｏｃｉａｌＳｃｉｅｎｃｅ），２０２２（４）：６９－８０．

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｓ）．２０２２．０４．００７ 区域经济一体化

中国与“一带一路”沿线国家服务业

在全球价值链中的竞争力比较

钟惠芸

（闽南师范大学 商学院，福建 漳州 ３６３０００）

摘要：基于全球价值链研究院 ＵＩＢＥＧＶＣＩｎｄｉｃａｔｏｒｓ和 ＡＤＢＭＲＩＯ２０１８数据库，采用产业部门前向联

系测算的显性比较优势指数（ＮＲＣＡ）对中国与“一带一路”沿线 ３３个国家服务业整体以及细分部门在全

球价值链中的竞争力进行测度与比较。从服务业整体来看，中国服务业 ＮＲＣＡ指数在沿线国家排名中处

于比较靠后的位置，２０１７年位居第 ２４位。从细分部门来看，中国资本密集型服务业的竞争力最强，劳动密

集型服务业的竞争力次之，知识密集型服务业竞争力最弱。但即使是资本密集型服务业，考察期内 ＮＲＣＡ

指数均值也依然小于 １，知识密集型服务业 ６个细分部门均呈现出上升趋势，但从 ２０１７年 ＮＲＣＡ指数来看，

仅有金融业 ＮＲＣＡ指数大于 １。本文提出服务贸易是中国与“一带一路”沿线国家贸易的一项重要内容，要

实施优势服务业“走出去”、弱势服务业“引进来”的差异化战略。对于与沿线国家存在优势冲突的服务业，

需要寻找各自的独特优势点，发展产业内服务贸易，以形成合理的服务业分工体系。

关键词：一带一路；全球价值链；ＮＲＣＡ指数；竞争力

中图分类号：Ｆ７９０ 文献标识码：Ａ 文章编号：１６７４－８４２５（２０２２）０４－００６９－１２

一、引言

联合国贸发会议（ＵＮＣＴＡＤ）统计数据显示，１９８０年世界服务贸易总额为 ８４３４亿美元，２０００年上升

为 ３．０４万亿美元，２０１８年更是达到 １１．４５万亿美元，３８年间增长了 １２．５８倍，年均增长 ８％。中国的服

务贸易起步较晚，规模不大，但发展速度非常快。１９８２年中国服务贸易进出口总额仅为 ４５．３６亿美元，到

２０１８年已经达到 ７９１８．８１亿美元，增长了 １７３．５８倍，年均增长 １５％。截至 ２０１８年，中国服务业增加值

占 ＧＤＰ比重达到了 ５２．２％。尽管如此，２０１８年，英国、美国及许多欧洲国家的服务业增加值占比已超过

７０％，同样为金砖国家的巴西服务业增加值占 ＧＤＰ比重也已达到 ６２．６３％。世界各国的实践及相关学者

的研究均表明，服务业日益成为社会经济持续发展和转型升级的强劲引擎，服务贸易竞争是衡量一个国

家国际竞争力的重要指标。

在“一带一路”的贸易合作中，服务贸易扮演着重要角色，是“一带一路”沿线国家对外贸易的重要组

成部分，与商品贸易并行成为“一带一路”倡议的重要内容。随着“一带一路”倡议的推进，一些学者对

“一带一路”沿线国家服务贸易竞争力展开了研究。国内学者王江等［１］

利用国际市场占有率指数 ＩＭＳ、显

性比较优势指数 ＲＣＡ、贸易竞争优势指数 ＴＣ、Ｍｉｃｈａｅｌｙ竞争优势指数比较了中国与“一带一路”沿线十国

的生产性服务贸易竞争力。黄满盈等［２］

基于国际收支平衡表统计数据和《银行家》数据库对中国与“一

带一路”沿线国家和地区金融服务贸易的竞争力进行了比较分析。石荣［３］根据中国和新加坡两个国家

的贸易规模、显性比较优势、贸易竞争优势和服务贸易开放度等竞争力指标因素，分析了“一带一路”背

景下中新两国服务贸易的国际竞争力。

然而，目前关于“一带一路”沿线国家服务贸易竞争力的文献仍然不多，相关的实证研究主要是基于

传统总值贸易的 ＩＭＳ、ＴＣ、ＲＣＡ指数等进行的，且多集中于沿线个别国家或个别服务业部门，缺乏对沿线

大多数国家服务业整体性的实证揭示以及对大多数细分部门的具体分析。随着全球价值链（ＧＶＣ）的迅

猛发展，基于传统总值贸易进行研究的缺陷逐渐显现出来，而增加值贸易理论因能消除传统总值贸易的

“统计幻象”、准确核算各国参与国际分工的贸易利得，而受到越来越多的关注。

有鉴于此，从增加值贸易的视角，采用对外经贸大学全球价值链研究院 ＵＩＢＥＧＶＣＩｎｄｉｃａｔｏｒｓ和亚洲

开发银行 ＡＤＢ－ＭＲＩＯ增加值贸易数据对“一带一路”沿线 ３３国服务业整体以及所有服务业细分部门在

全球价值链中的竞争力进行测算和比较，找出中国具有比较优势和处于相对劣势的服务部门，以期深化

中国与“一带一路”沿线国家的服务贸易往来，进一步推进中国与“一带一路”沿线国家的服务贸易合作，

提升中国在“一带一路”区域价值链中的主导地位。

二、研究方法和数据说明

（一）一国总出口的增加值分解

Ｗａｎｇ等①根据出口品的价值来源地和吸收地，将 ｓ国对 ｒ国的出口 Ｅｓｒ

分解为如下：

Ｅｓｒ＝（Ｖｓ

Ｂｓｓ

）’

＃Ｙ 







 ｓｒ

（１）ＤＶＡ＿ＦＩＮ

＋（Ｖｓ

Ｌｓｓ

）’

＃（Ａｓｒ

Ｂｒｒ

Ｙｒｒ



















））

（２）ＤＶＡ＿ＦＩＮ

＋

（Ｖｓ

Ｌｓｓ

）’

＃［（Ａｓｒ

Ｂｒｔ

Ｙｔｔ

）＋（Ａｓｒ

Ｂｒｒ

Ｙｒｔ

）＋（Ａｓｒ

Ｂｒｔ

Ｙｔｒ

）＋ 







































 ］

（３）ＤＶＡ＿ＦＩＮ

＋

（Ｖｓ

Ｌｓｓ

）’

＃［（Ａｓｒ

Ｂｒｒ

Ｙｒｓ

）＋（Ａｓｒ

Ｂｒｔ

Ｙｔｓ

）＋（Ａｓｒ

Ｂｒｓ

Ｙｓｓ

）＋ 











































 ］

（４）ＲＤＶ

＋

（Ｖｓ

Ｌｓｓ

）’

＃［Ａｓｒ

Ｂｒｓ

（Ｙｓｒ＋Ｙｓｔ

）］＋（Ｖｓｓ

Ｂｓｓ－Ｖｓ

Ｌｓｓ

）’

＃（Ａｓｒ

Ｘｒ













































 ）

（５）ＤＤＣ

＋

［（Ｖｒ

Ｂｒｓ

）’

＃Ｙｓｒ＋（Ｖｔ

Ｂｔｓ

）’

＃Ｙｓｒ

























 ］

（６）ＦＶＡ＿ＦＩＮ

＋｛［（Ｖｒ

Ｂｒｓ

）’ ＋（Ｖｔ

Ｂｔｓ

）’

］＃（Ａｓｒ

Ｌｒｒ

Ｙｒｒ































）｝

（７）ＦＶＡ＿ＩＮＴ

＋

［（Ｖｒ

Ｂｒｓ

）’ ＋（Ａｓｒ

Ｌｒｒ

Ｅｒ

）＋（Ｖｔ

Ｂｔｓ

）’

＃（Ａｓｒ

Ｌｒｒ

Ｅｒ







































）］

（８）ＦＤＣ

（１）

７０ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

① 推导过程可参看：

１．ＺＨＩＷ，ＳＨＡＮＧＪＩＮＷ，ＫＵＮＦＵＺ．Ｑｕａｎｔｉｆｙｉｎｇｉｎｔｅｒｎａｔｉｏｎａｌｐｒｏｄｕｃｔｉｏｎｓｈａｒｉｎｇａｔｔｈｅｂｉｌａｔｅｒａｌａｎｄｓｅｃｔｏｒｌｅｖｅｌｓ．ＮＢＥＲＷｏｒｋｉｎｇＰａｐｅｒＮｏ．

１９６７７．２０１３．

２．ＺＨＩＷ，ＳＨＡＮＧＪＩＮＷ，ＫＵＮＦＵＺ，ｅｔａｌ．Ｃｈａｒａｃｔｅｒｉｚｉｎｇｇｌｏｂａｌｖａｌｕｅｃｈａｉｎｓ：Ｐｒｏｄｕｃｔｉｏｎｌｅｎｇｔｈａｎｄｕｐｓｔｒｅａｍｎｅｓｓ．ＮＢＥＲＷｏｒｋｉｎｇＰａｐｅｒＮｏ．

２３２６１．２０１７ａ．

３．ＺＨＩＷ，ＳＨＡＮＧＪＩＮＷ，ＫＵＮＦＵＺ，ｅｔａｌ．Ｍｅａｓｕｒｅｓｏｆｐａｒｔｉｃｉｐａｔｉｏｎｉｎｇｌｏｂａｌｖａｌｕｅｃｈａｉｎｓａｎｄｇｌｏｂａｌｂｕｓｉｎｅｓｓｃｙｃｌｅｓ．ＮＢＥＲＷｏｒｋｉｎｇＰａｐｅｒＮｏ．

２３２２２．２０１７ｂ．

上式中，总出口 １６个分解结果可以归纳为 ８个部分，各部分的关系可由图 １表示。

注：Ｅ适用于任何层级的总贸易统计数据，包括国家／部门层面，国家汇总层面，双边部门层面，或双边汇总层面

图 １ 一国总出口增加值分解示意图

（二）ＮＲＣＡ指数

美国经济学家巴拉萨（Ｂａｌａｓｓａ）于 １９６５年首次提出用来测算一个国家或地区产业部门国际竞争力的

显性比较优势指数（ＲｅｖｅａｌｅｄＣｏｍｐａｒａｔｉｖｅＡｄｖａｎｔａｇｅＩｎｄｅｘ，ＲＣＡ），它反映了一个国家或地区某一产业部

门出口总额在该国或地区出口总额中的占比与世界该产业部门出口总额在世界总出口中占比的比值。

用公式表示如下：

ＲＣＡｒ

ｉ ＝

ｅｒ

ｉ／∑

ｎ

ｉ

ｅｒ

ｉ

∑

Ｇ

ｒ

ｅｒ

ｉ／∑

Ｇ

ｒ

∑

ｎ

ｉ

ｅｒ

ｉ

（２）

其中，ｅｒ

ｉ表示 ｒ国 ｉ产业的总出口，Ｇ和 ｎ分别表示国家数量和产业数量，∑

ｎ

ｉ

ｅｒ

ｉ表示 ｒ国的总出口，∑

Ｇ

ｒ

ｅｒ

ｉ

表示世界 ｉ产业的总出口，∑

Ｇ

ｒ

∑

ｎ

ｉ

ｅｒ

ｉ表示世界所有产业的总出口。

ＲＣＡ指数基于传统总值贸易下的总出口流量，不能反映全球生产分割的现实以及实际参与全球价

值链的真实出口规模，且忽略了该产业增加值在本国其他部门总出口中所做的贡献。Ｗａｎｇ等①认为在

全球生产分工的背景下，一国某产业的真实出口规模应该包括被国外吸收的国内增加值和返回并被本国

吸收的国内增加值，因此定义了测度一个国家／部门出口竞争优势的新 ＲＣＡ指数（ＮＲＣＡ），即基于产业部

门前向联系计算的本国总出口中，隐含的该部门增加值占该国出口中总国内增加值的比例相对于所有国

家出口中的该部门所创造的增加值占全球总出口国内增加值的比例的比较值。用公式表示为：

钟惠芸：中国与“一带一路”沿线国家服务业在全球价值链中的竞争力比较 ７１

① 推导过程可参看：

１．ＺＨＩＷ，ＳＨＡＮＧＪＩＮＷ，ＫＵＮＦＵＺ．Ｑｕａｎｔｉｆｙｉｎｇｉｎｔｅｒｎａｔｉｏｎａｌｐｒｏｄｕｃｔｉｏｎｓｈａｒｉｎｇａｔｔｈｅｂｉｌａｔｅｒａｌａｎｄｓｅｃｔｏｒｌｅｖｅｌｓ．ＮＢＥＲＷｏｒｋｉｎｇＰａｐｅｒＮｏ．

１９６７７．２０１３．

２．ＺＨＩＷ，ＳＨＡＮＧＪＩＮＷ，ＫＵＮＦＵＺ，ｅｔａｌ．Ｃｈａｒａｃｔｅｒｉｚｉｎｇｇｌｏｂａｌｖａｌｕｅｃｈａｉｎｓ：Ｐｒｏｄｕｃｔｉｏｎｌｅｎｇｔｈａｎｄｕｐｓｔｒｅａｍｎｅｓｓ．ＮＢＥＲＷｏｒｋｉｎｇＰａｐｅｒＮｏ．

２３２６１．２０１７ａ．

３．ＺＨＩＷ，ＳＨＡＮＧＪＩＮＷ，ＫＵＮＦＵＺ，ｅｔａｌ．Ｍｅａｓｕｒｅｓｏｆｐａｒｔｉｃｉｐａｔｉｏｎｉｎｇｌｏｂａｌｖａｌｕｅｃｈａｉｎｓａｎｄｇｌｏｂａｌｂｕｓｉｎｅｓｓｃｙｃｌｅｓ．ＮＢＥＲＷｏｒｋｉｎｇＰａｐｅｒ

Ｎｏ．２３２２２．２０１７ｂ

ＮＲＣＡｒ

ｉ ＝

（ｖａｒ＿ｆｒ

ｉ＋ｒｄｖ＿ｆｒ

ｉ）／∑

ｎ

ｉ

（ｖａｘ＿ｆｒ

ｉ＋ｒｄｖ＿ｆｒ

ｉ）

∑

Ｇ

ｒ

（ｖａｒ＿ｆｒ

ｉ＋ｒｄｖ＿ｆｒ

ｉ）／∑

Ｇ

ｒ

∑

ｎ

ｉ

（ｖａｘ＿ｆｒ

ｉ＋ｒｄｖ＿ｆｒ

ｉ）

＝

ｄｖａ＿ｆｒ

ｉ／∑

ｎ

ｉ

ｄｖａ＿ｆｒ

ｉ

∑

Ｇ

ｒ

ｄｖａ＿ｆｒ

ｉ／∑

Ｇ

ｒ

∑

ｎ

ｉ

ｄｖａ＿ｆｒ

ｉ＋ｒｄｖ＿ｆｒ

ｉ）

（３）

ＮＲＣＡｒ

ｉ＞１，表示 ｒ国 ｉ产业相对于其他国家来说能够为本国的其他部门做出更大的贡献，具有比较

优势。因此，一国参与全球价值链时应发挥其优势产业；ＮＲＣＡｒ

ｉ＜１，则表示 ｒ国 ｉ产业参与全球价值链时

不具备比较优势。

（三）数据说明

全球价值链研究院的 ＵＩＢＥＧＶＣＩｎｄｉｃａｔｏｒｓ是基于 ＷＩＯＤ、ＯＥＣＤ、ＧＴＡＰ和 ＡＤＢ等跨国投入产出表派

生而来，最新发布的 ＡＤＢＭＲＩＯ数据库（ＡＤＢＭＲＩＯ２０１８）增加了一些亚洲主要经济体，覆盖 ２０１１—２０１７

年 ６１个国家或地区（其中 ３３个“一带一路”国家）３５个部门（其中 １７个服务部门）的投入产出数据。这

３３个“一带一路”国家分布在 ８个地区，分别是东亚（中国和韩国 ２国），东南亚（印度尼西亚、马来西亚、

菲律宾、泰国、越南、老挝、文莱和柬埔寨 ８国），南亚（印度、孟加拉、斯里兰卡、巴基斯坦、不丹、马尔代夫

和尼泊尔 ７国），中亚（哈萨克斯坦和吉尔吉斯坦 ２国），西亚地区（土耳其 １国），独联体（俄罗斯 １国），

东欧（斯洛文尼亚、克罗地亚、罗马尼亚、保加利亚、爱沙尼亚、立陶宛和拉脱维亚 ７国）和中欧（波兰、捷

克、斯洛伐克、奥地利和匈牙利 ５国）。需要说明的是，本文对“一带一路”各地区所包含国家的界定均按

照此处的划分方法。

ＵＩＢＥＧＶＣＩｎｄｉｃａｔｏｒｓ和 ＡＤＢＭＲＩＯ２０１８数据库涉及的服务业部门共 １７个，根据樊茂清等［４］

、戴翔［５］

和尹伟华［６］

等人的相应研究结果，将这１７个服务业部门分为三大类，一类是劳动密集型服务业，包括 ｃ１９

汽车及摩托车的销售、维护及修理，ｃ２０燃油零售批发（不含汽车及摩托车），ｃ２１零售（不含汽车及摩托

车），ｃ２２住宿和餐饮业，ｃ２６旅行社业务，ｃ３５私人雇佣的家庭服务业；一类是资本密集型服务业，包括

ｃ２３陆路运输，ｃ２４水路运输，ｃ２５航空运输，ｃ２７邮政通讯业和 ｃ２９房地产业；一类是知识密集型服务业，

包括 ｃ２８金融业，ｃ３０租赁和商务服务业，ｃ３１公共管理和国防及社会保障业，ｃ３２教育，ｃ３３卫生和社会

工作以及 ｃ３４其他社区、社会及个人服务业。

三、中国与“一带一路”沿线国家服务业在全球价值链中的竞争力比较

（一）中国与“一带一路”沿线国家服务业整体在全球价值链中的竞争力比较

１．中国服务业整体的竞争力及其动态演化情况

表 １统计了 ２０１１—２０１７年“一带一路”沿线国家服务业整体基于产业部门前向联系测算的 ＮＲＣＡ指

数及其变化情况，从中国服务业整体 ＮＲＣＡ指数动态变化来看，自 ２０１４年“一带一路”倡议提出以来，中

国服务业整体 ＮＲＣＡ指数呈现出缓慢的上升趋势，至 ２０１７年达到 ０．８２５，比 ２０１１年上升了 ４．５６％，但依

然小于 １，表明中国服务业整体在国际市场上依然竞争力不足。

７２ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

表 １ ２０１１—２０１７年“一带一路”沿线国家服务业整体 ＮＲＣＡ指数动态变化

排

名

２０１１

国家 ＮＲＣＡ

２０１２

国家 ＮＲＣＡ

２０１３

国家 ＮＲＣＡ

２０１４

国家 ＮＲＣＡ

２０１５

国家 ＮＲＣＡ

２０１６

国家 ＮＲＣＡ

２０１７

国家 ＮＲＣＡ

１ 马尔代夫 １．８９９ 马尔代夫 ２．０４２ 马尔代夫 １．８９０ 马尔代夫 １．９３９ 马尔代夫 １．６７３ 马尔代夫 １．６９９ 马尔代夫 １．７０４

２ 尼泊尔 １．４０９ 尼泊尔 １．７６０ 尼泊尔 １．６５１ 尼泊尔 １．５８２ 尼泊尔 １．４７８ 尼泊尔 １．４９５ 尼泊尔 １．５５２

３ 拉脱维亚 １．３８０ 拉脱维亚 １．５２４ 拉脱维亚 １．３７４ 拉脱维亚 １．３４３ 保加利亚 １．１２８ 拉脱维亚 １．３０７ 拉脱维亚 １．２８７

４ 印度 １．３６０ 印度 １．４２３ 克罗地亚 １．２６５ 克罗地亚 １．２２２ 拉脱维亚 １．２７４ 立陶宛 １．２５２ 奥地利 １．２５０

５ 克罗地亚 １．２３７ 克罗地亚 １．３７９ 立陶宛 １．２３１ 立陶宛 １．２０６ 立陶宛 １．２５１ 印度 １．２３５ 克罗地亚 １．２３７

６ 立陶宛 １．２０９ 斯里兰卡 １．３４５ 立陶宛 １．２３１ 印度 １．１９１ 克罗地亚 １．１７８ 克罗地亚 １．２１０ 菲律宾 １．２１５

７ 爱沙尼亚 １．１５９ 爱沙尼亚 １．３３７ 菲律宾 １．２２１ 爱沙尼亚 １．１７６ 印度 １．１６０ 菲律宾 １．２０２ 爱沙尼亚 １．２０６

８ 菲律宾 １．１５４ 立陶宛 １．３３４ 印度 １．２０８ 保加利亚 １．１７２ 爱沙尼亚 １．１４４ 罗马尼亚 １．１９１ 立陶宛 １．１９８

９ 波兰 １．１５０ 波兰 １．３０３ 爱沙尼亚 １．２０１ 罗马尼亚 １．１６７ 菲律宾 １．１３９ 爱沙尼亚 １．１８８ 印度 １．１９８

１０ 保加利亚 １．１４６ 菲律宾 １．２９３ 斯里兰卡 １．１７２ 斯里兰卡 １．１６５ 罗马尼亚 １．１３３ 斯里兰卡 １．１３８ 罗马尼亚 １．１９５

１１ 孟加拉 １．１３５ 罗马尼亚 １．２６２ 罗马尼亚 １．１７０ 菲律宾 １．１６０ 斯里兰卡 １．０８１ 保加利亚 １．１３５ 泰国 １．１５２

１２ 巴基斯坦 １．１３０ 孟加拉 １．２６０ 保加利亚 １．１５５ 波兰 １．１０２ 奥地利 １．０７２ 泰国 １．１２１ 保加利亚 １．１１４

１３ 斯里兰卡 １．１１１ 保加利亚 １．２５９ 波兰 １．１４７ 泰国 １．０８７ 波兰 １．０５９ 奥地利 １．０８９ 斯里兰卡 １．１１３

１４ 泰国 １．０７５ 泰国 １．２０４ 泰国 １．１２４ 奥地利 １．０４９ 泰国 １．０５８ 波兰 １．０７２ 斯洛伐克 １．０９４

１５ 奥地利 １．０６０ 土耳其 １．１３１ 奥地利 １．０８７ 斯洛伐克 ０．９９２ 斯洛伐克 １．０４７ 斯洛伐克 １．０６５ 波兰 １．０７１

１６ 土耳其 １．０１１吉尔吉斯坦 １．１２５ 斯洛伐克 １．０６６ 孟加拉 ０．９６４哈萨克斯坦 ０．９８０斯洛文尼亚 ０．９７０斯洛文尼亚 ０．９６９

１７ 俄罗斯 １．００６ 斯洛伐克 １．１０３ 俄罗斯 ０．９７９ 俄罗斯 ０．９４３斯洛文尼亚 ０．９６８ 匈牙利 ０．９４２ 匈牙利 ０．９５４

１８ 匈牙利 ０．９７４ 柬埔寨 １．０９３吉尔吉斯坦 ０．９７２ 土耳其 ０．９２１ 匈牙利 ０．９１６ 土耳其 ０．９３６吉尔吉斯坦 ０．９２８

１９ 斯洛文尼亚 ０．９７０ 俄罗斯 １．０８９ 土耳其 ０．９６８ 匈牙利 ０．９１１ 土耳其 ０．９１５哈萨克斯坦 ０．９２８ 土耳其 ０．９１８

２０ 罗马尼亚 ０．９５７ 匈牙利 １．０６６ 匈牙利 ０．９６０斯洛文尼亚 ０．９０６吉尔吉斯坦 ０．９１２吉尔吉斯坦 ０．９２７哈萨克斯坦 ０．９０８

２１ 柬埔寨 ０．９２６斯洛文尼亚 １．０５０ 柬埔寨 ０．９５２ 柬埔寨 ０．８８８ 孟加拉 ０．８９４ 俄罗斯 ０．９２２ 俄罗斯 ０．９０１

２２ 捷克 ０．８４０ 奥地利 １．０２１斯洛文尼亚 ０．９３５吉尔吉斯坦 ０．８８３ 俄罗斯 ０．８７２ 孟加拉 ０．８９４ 孟加拉 ０．８７９

２３ 斯洛伐克 ０．８３８ 巴基斯坦 １．０１０ 捷克 ０．８２８ 中国 ０．８０９ 柬埔寨 ０．８２９ 柬埔寨 ０．８６０ 柬埔寨 ０．８７５

２４ 吉尔吉斯坦 ０．８２７ 捷克 ０．９２６ 中国 ０．８２５ 巴基斯坦 ０．８０７ 捷克 ０．８２５ 中国 ０．８１９ 中国 ０．８２５

２５ 中国 ０．７８９ 中国 ０．９２０ 巴基斯坦 ０．８１７哈萨克斯坦 ０．８０５ 中国 ０．８０９ 巴基斯坦 ０．７９３ 巴基斯坦 ０．８１０

２６ 马来西亚 ０．７５６ 马来西亚 ０．８５０ 马来西亚 ０．７６６ 捷克 ０．７７５ 韩国 ０．７７９ 捷克 ０．７９３ 韩国 ０．７７１

２７ 不丹 ０．７４０ 韩国 ０．８４６ 韩国 ０．７５４ 韩国 ０．７６８ 巴基斯坦 ０．７６５ 韩国 ０．７９１ 捷克 ０．７６２

２８ 韩国 ０．７３６哈萨克斯坦 ０．８４４哈萨克斯坦 ０．７４２ 马来西亚 ０．７４４ 马来西亚 ０．７２８ 马来西亚 ０．７５４ 马来西亚 ０．７５８

２９ 哈萨克斯坦 ０．７３２ 不丹 ０．８２８ 越南 ０．６８８ 不丹 ０．７４０ 越南 ０．６２９ 不丹 ０．７０６ 不丹 ０．７１８

３０ 越南 ０．６３５ 越南 ０．７５４ 不丹 ０．６７８ 越南 ０．６６４ 不丹 ０．７０７ 越南 ０．６４９ 越南 ０．６５２

３１ 印度尼西亚 ０．４６１印度尼西亚 ０．５２３印度尼西亚 ０．４４８印度尼西亚 ０．４３９印度尼西亚 ０．４５７印度尼西亚 ０．４８５印度尼西亚 ０．４６９

３２ 老挝 ０．３９５ 老挝 ０．３７２ 老挝 ０．２８０ 老挝 ０．４１７ 老挝 ０．４５６ 老挝 ０．４３２ 老挝 ０．３９９

３３ 文莱 ０．１３５ 文莱 ０．１５７ 文莱 ０．１４７ 文莱 ０．１９２ 文莱 ０．１８９ 文莱 ０．２０５ 文莱 ０．２１１

数据来源：根据 ＵＩＢＥＧＶＣＩｎｄｉｃａｔｏｒｓ和 ＡＤＢＭＲＩＯ２０１８数据库整理得到

２．“一带一路”沿线国家服务业整体的竞争力及其动态演化情况

从沿线国家 ２０１７年服务业整体 ＮＲＣＡ指数来看，“一带一路”沿线 ３３国中有 １５个国家服务业整体

具有较强的国际竞争力，排在前列的依次是马尔代夫、尼泊尔、拉脱维亚、奥地利、克罗地亚、菲律宾和爱

沙尼亚 ７个国家，ＮＲＣＡ指数分别高达 １．７０４、１．５５２、１．２８７、１．２５０、１．２３７、１．２１５和 １．２０６，其余 ８个国家

钟惠芸：中国与“一带一路”沿线国家服务业在全球价值链中的竞争力比较 ７３

ＮＲＣＡ指数介于 １．０～１．２。马尔代夫、尼泊尔服务业竞争力最强主要得益于国家以服务业为主的产业结

构。从目前南亚国家的产业结构来看，服务业是其主要的经济部门，各国服务业占比都超过了经济总量

的一半以上，远远大于农业和工业占比，尤其是马尔代夫和尼泊尔，２０１７年服务业增加值占 ＧＤＰ比重分

别为 ７０．７％和 ５１．５％［４］

，且增长势头比较乐观。在中东欧国家中，拉脱维亚地理位置优越，海运、铁路等

运输业非常发达，２０１７年服务业增加值占 ＧＤＰ比重为 ６４．４％。克罗地亚也是欧洲重要的交通枢纽，作

为高收入市场经济体，经济主要以服务业为主，交通运输业和旅游服务是支撑本国经济发展的重要部分，

服务业国际竞争力具有很强优势。爱沙尼亚自从 ２００３年加入欧盟后，其服务贸易发展较快，在国际市场

上国际竞争力较强。

“一带一路”沿线竞争力较小的国家居多，包括文莱、老挝、印度尼西亚、越南、哈萨克斯坦、韩国、不

丹和马来西亚等 １８个国家，尤其是文莱、老挝和印度尼西亚，ＮＲＣＡ指数分别只有 ０．２１１、０．３９９和

０４６９，竞争劣势较为明显。亚洲非东盟国家中新兴经济体及东盟国家总体服务贸易国际竞争力处于相

对竞争劣势的水平，这主要是由于服务业各部门发展结构不均衡，且管理水平和技术水平相对落后。文

莱、老挝和印度尼西亚 ２０１７年服务业增加值占 ＧＤＰ比重分别为 ４０．９％、４１．５％和 ４３．６％。文莱以石油

和天然气开采为主，农业为辅。老挝的经济发展水平相对落后，主要输出矿产、能源、农产品等低端初级

产品。印度尼西亚采矿业、纺织和轻工业在国民经济中发挥重要作用，近年来服务业发展较快，但主要以

旅游、运输等传统服务部门为主，现代服务业发展滞后。在中东欧国家中，斯洛伐克、斯洛文尼亚国家独

立时间短，国家规模小，其服务贸易国际竞争力也比较弱。

从服务业 ＮＲＣＡ指数排名位次变化情况来看，“一带一路”倡议提出来之后，有 １１个国家 ＮＲＣＡ指

数排名位次较 ２０１１年出现了上升，其中奥地利、罗马尼亚、斯洛伐克、哈萨克斯坦位次上升得最多，分别

上升了 １１位、１０位、９位和 ９位。奥地利属经济发达国家，服务业发达，在金融和旅游等领域有较强竞争

力。在罗马尼亚，服务业已成为国家经济发展的主要引擎，服务业贯彻欧盟“统一、非歧视”的市场准入

政策，金融、租赁、酒店餐饮业、运输业、科研、咨询等行业均得到迅速发展。哈萨克斯坦是中亚地区的头

号经济体，２０１７年服务业增加值占 ＧＤＰ比重为 ５７．４％，交通运输、住宿和餐饮业、教育、金融近几年增速

明显。有 １２个国家排名位次出现了下降，其中巴基斯坦和孟加拉位次下降得最多，分别下降了 １３位和

１１位，这与巴基斯坦还处在传统服务业为主的发展阶段，生产性服务业为较为落后，而孟加拉长期以农

业为主的单一产业结构有着较为密切的关系。

从上述分析发现，“一带一路”沿线国家服务业整体国际竞争力并不具有优势，在国际上缺乏竞争

力，仅有少数国家如马尔代夫、尼泊尔、拉脱维亚、克罗地亚、立陶宛和印度等在国际上竞争力较强，而越

南、印度尼西亚、老挝和文莱等服务业国际竞争力处于相对劣势的水平。就中国而言，服务业 ＮＲＣＡ指数

在“一带一路”沿线国家中处于较低的水平，２０１１年为 ０．７８９，位居第 ２５位（倒数第 ９位），２０１２—２０１６年

一直在第 ２５位和第 ２４位徘徊，至 ２０１７年，ＮＲＣＡ指数为 ０．８２５，位居第 ２４位。中国服务业竞争力落后，

这与中国服务贸易量及产业发展水平处于显著的不对称状态有关。

（二）中国与“一带一路”沿线国家服务业细分部门在全球价值链中的竞争力比较

Ｇｅｒｅｆｆｉ［７］

指出一国要主导一条价值链，需要该国在价值链分工中具有核心控制能力，主要表现为对

价值链高附加值环节的掌控。接下来对“一带一路”沿线国家服务业细分部门在全球价值链中的竞争力

进行探究，以了解我国构建服务业区域价值链的控制能力。

１．中国服务业细分部门的竞争力及其动态演化情况

从图２中国不同要素密集度服务业 ＮＲＣＡ指数动态变化来看，２０１１—２０１７年中国资本密集型服务业

７４ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

的 ＮＲＣＡ指数位置最高，考察期内 ＮＲＣＡ指数均值为 ０．９３２，劳动密集型服务业的位置次之，ＮＲＣＡ指数

均值为 ０．８８５，知识密集型服务业的位置最低，ＮＲＣＡ指数均值为 ０．５４３，表明中国资本密集型服务业竞

争力高于劳动密集型服务业和知识密集型服务业，但是即使是竞争力最强的资本密集型服务业，ＮＲＣＡ

指数均值也依然小于 １，在国际市场上不具备竞争力。

数据来源：根据 ＵＩＢＥＧＶＣＩｎｄｉｃａｔｏｒｓ和 ＡＤＢＭＲＩＯ２０１８数据库整理得到

图 ２ 中国不同要素密集度服务业在全球价值链中的 ＮＲＣＡ指数动态变化

从图 ３中国服务业细分部门 ＮＲＣＡ指数动态演化来看，劳动密集型服务业 ４个细分部门①只有 ｃ２６

旅行社业务 ＮＲＣＡ指数呈现出小幅上升趋势；资本密集型服务业 ５个细分部门中 ｃ２３陆路运输和 ｃ２９房

地产业 ＮＲＣＡ指数保持较为稳定的趋势，其余 ３个部门包括 ｃ２４水路运输、ｃ２５航空运输和 ｃ２７邮政通讯

业呈现下降趋势；知识密集型服务业 ６个细分部门均呈现出上升趋势，表明中国知识密集型服务业竞争

力上升潜力最大。

数据来源：根据 ＵＩＢＥＧＶＣＩｎｄｉｃａｔｏｒｓ和 ＡＤＢＭＲＩＯ２０１８数据库整理得到

图 ３ 中国服务业细分部门在全球价值链中的 ＮＲＣＡ指数动态演化

钟惠芸：中国与“一带一路”沿线国家服务业在全球价值链中的竞争力比较 ７５

① ｃ１９汽车及摩托车的销售、维护及修理和 ｃ３５私人雇佣的家庭服务业数据缺失。

从 ２０１７年劳动密集型服务业细分部门 ＮＲＣＡ指数来看，ｃ２０燃油零售批发 ＮＲＣＡ指数最大，为

１１８７，在国际市场上具备一定的竞争力，其余 ３个细分部门 ＮＲＣＡ指数均小于 １，不具备竞争力；而资本

密集型服务业细分部门中，ｃ２４水路运输 ＮＲＣＡ指数最大，为 １．４４０，在国际市场上竞争力较强，ｃ２３陆路

运输指数第二，为 １．００４，其余 ３个细分部门 ＮＲＣＡ指数均小于 １，处于竞争劣势；知识密集型服务业细分

部门中，仅有 ｃ２８金融业 ＮＲＣＡ指数大于 １，为 １．０８５，具备一定的竞争力，其余 ５个部门 ＮＲＣＡ指数均小

于 １，分别为 ０．４８５、０．４７６、０．５０６、０．３６７和 ０．８８２，竞争劣势非常明显。综上可见，中国只在 ４个服务业细

分部门具有较为明显的竞争优势。

２．“一带一路”沿线国家服务业细分部门的竞争力情况

根据计算出来的 ２０１７年“一带一路”沿线国家服务业细分部门在全球价值链中的 ＮＲＣＡ指数，可以

看出，在劳动密集型服务业部门，中国、印度、孟加拉、巴基斯坦、吉尔吉斯坦、哈萨克斯坦和斯洛文尼亚

ＮＲＣＡ指数大于 １的细分部门只有 １个，韩国、印度尼西亚、菲律宾、柬埔寨、不丹、马尔代夫、哈萨克斯

坦、斯洛伐克和匈牙利有 ２个细分部门 ＮＲＣＡ指数大于 １，马来西亚、泰国、越南、老挝、孟加拉、斯里兰

卡、土耳其、罗马尼亚、克罗地亚、保加利亚、爱沙尼亚、立陶宛、奥地利和捷克有 ３个细分部门 ＮＲＣＡ指数

大于 １，尼泊尔、拉脱维亚、波兰和俄罗斯有 ４个细分部门 ＮＲＣＡ指数大于 １，而文莱 ＮＲＣＡ指数大于 １的

细分部门为 ０个。

在资本密集型服务业部门，中国 ＮＲＣＡ指数大于 １的细分部门只有 ２个，马来西亚、菲律宾、老挝、文

莱、哈萨克斯坦 ＮＲＣＡ指数大于 １的细分部门只有 １个，印度、斯里兰卡、巴基斯坦、吉尔吉斯坦、立陶宛、

奥地利、捷克、匈牙利、俄罗斯和波兰 ＮＲＣＡ指数大于 １的细分部门也只有 ２个，韩国、柬埔寨、不丹、土耳

其、尼泊尔、保加利亚、拉脱维亚、爱沙尼亚、斯洛文尼亚和斯洛伐克有 ３个细分部门 ＮＲＣＡ指数大于 １，

马尔代夫、克罗地亚和罗马尼亚有 ４个细分部门 ＮＲＣＡ指数大于 １，而印度尼西亚、越南、泰国、老挝和孟

加拉 ＮＲＣＡ指数大于 １的细分部门为 ０个。

在知识密集型服务业部门，中国、印度尼西亚、马来西亚、文莱、柬埔寨、哈萨克斯坦、吉尔吉斯坦、土

耳其、立陶宛和捷克 ＮＲＣＡ指数大于 １的细分部门也为 ０个，韩国、老挝、斯里兰卡、俄罗斯、拉脱维亚和

波兰 ＮＲＣＡ指数大于 １的细分部门为 １个，泰国、越南、印度、巴基斯坦、马尔代夫、爱沙尼亚和斯洛伐克

ＮＲＣＡ指数大于 １的细分部门为 ２个，孟加拉、不丹、斯洛文尼亚、奥地利和匈牙利 ＮＲＣＡ指数大于 １的

细分部门为 ３个，尼泊尔、克罗地亚、罗马尼亚和保加利亚 ＮＲＣＡ指数大于 １的细分部门为 ４个，而菲律

宾 ＮＲＣＡ指数大于 １的细分部门为 ０个。

可见，“一带一路”沿线国家具有显性比较优势的服务业细分部门分布不同，具有优势的程度也有所

不同。２０１７年，尼泊尔、克罗地亚服务业 ＮＲＣＡ指数大于 １的细分部门最多，为 １１个，保加利亚服务业

ＮＲＣＡ指数大于１的细分部门次之，为１０个，接下来是罗马尼亚，为９个，不丹、马尔代夫、斯洛文尼亚、爱

沙尼亚、拉脱维亚、奥地利为 ８个，俄罗斯、波兰、斯洛伐克、匈牙利为 ７个，韩国、斯里兰卡为 ６个，泰国、

越南、柬埔寨、巴基斯坦、土耳其、立陶宛、捷克为 ５个，中国、马来西亚、菲律宾、老挝、印度、孟加拉为 ４

个，印度尼西亚、吉尔吉斯坦为 ３个，哈萨克斯坦为 ２个，文莱为 １个。

为进一步分析“一带一路”沿线国家服务业各细分部门的比较优势，表 ２描述了 ２０１７年“一带一路”

沿线国家服务业各细分部门 ＮＲＣＡ指数大于 １的分布情况。

７６ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

表 ２ ２０１７年“一带一路”沿线国家的 ＮＲＣＡ指数分布

服务业部门 ＮＲＣＡ指数大于 １的国家 中国 ＮＲＣＡ指数，位次

劳

动

密

集

型

服

务

业

ｃ１９汽车及摩托

车的销售、维护

及修理

１４个，波兰（６．９８９）、孟加拉（３．２５６）、土耳其（３．１６）、马来西亚

（２５０４）、立陶宛（１．９５２）、爱沙尼亚（１．９０５）、捷克（１．７６８）、老挝

（１．５５６）、匈牙利（１．５４０）、奥地利（１．４２９）、印度尼西亚（１．４１２）、

罗马尼亚（１．２４８）、俄罗斯（１．１６５）、拉脱维亚（１．１３６）

—①

ｃ２０燃油零售

批发

１１个，哈萨克斯坦（２．５４９）、立陶宛（１．６９７）、泰国（１．６１３）、越南

（１．５１６）、斯里兰卡（１．５１４）、柬埔寨（１．４８３）、俄罗斯（１．２５６）、中

国（１．１８７）、拉脱维亚（１．１７４）、保加利亚（１．１００）、波兰（１．０５８）

１．１８７，第 ８位

ｃ２１零售

２１个，菲律宾（４．８１２）、吉尔吉斯坦（４．６５６）、尼泊尔（４．３８２）、印

度（３．５６２）、泰国（３．１３１）、克罗地亚（３．０７５）、波兰（３．０１０）、老挝

（２６０８）、马来西亚（２．５４９）、保加利亚（２．４２８）、土耳其（２．１９４）、

韩国 （１．９７４）、不 丹 （１．９１３）、罗 马 尼 亚 （１．６６１）、斯 洛 伐 克

（１４１１）、爱沙尼亚 （１．３５３）、斯洛文尼亚 （１．２５３）、拉脱维亚

（１１４９）、印度尼西亚（１．１３５）、斯里兰卡（１．０１３）

０．９１３，第 ２５位

ｃ２２住宿和

餐饮业

１１个，马尔代夫（３５．４５１）、柬埔寨（７．１６９）、泰国（５．４３２）、不丹

（４．５７４）、菲律宾（３．３７３）、越南（２．５６３）、罗马尼亚（２．４３９）、斯里

兰卡（２．０１２）、奥地利（１．９３７）、尼泊尔（１．３０３）、韩国（１．１１３）

０．８０９，第 １３位

ｃ２６旅行社业务

１７个，拉脱维亚（５．０９８）、爱沙尼亚（４．６０５）、立陶宛（４．０８１）、尼

泊尔（２．１８７）、匈牙利（２．０９９）、斯洛文尼亚（１．９１４）、马尔代夫

（１．８１７）、奥地利（１．７９６）、克罗地亚（１．７５６）、罗马尼亚（１．４１５）、

土耳其（１．３２０）、捷克（１．２８７）、斯洛伐克（１．２９０）、波兰（１．２６３）、

保加利亚（１．１９８）、俄罗斯（１．１３３）、越南（１．１０１）

０．４６８，第 ２４位

ｃ３５私人雇佣的

家庭服务业 ３个，克罗地亚（２．４５４）、马来西亚（１４．３６５）、老挝（５．４２８） ———

资

本

密

集

型

服

务

业

ｃ２３陆路运输

２３个，斯里兰卡（４．９３０）、立陶宛（３．９５１）、俄罗斯（３．５５３）、土耳

其（２．８８８）、罗马尼亚（２．８２２）、尼泊尔（２．７５９）、柬埔寨（２．３８１）、

拉脱维亚（２．２９９）、哈萨克斯坦（２．１６３）、不丹（２．１５１）、斯洛文尼

亚（１．９５９）、爱沙尼亚（１．７１５）、波兰（１．７０２）、斯洛伐克（１．５８０）、

吉尔吉斯坦（１．５５１）、印度 （１．５２８）、奥地利 （１．４２０）、匈牙利

（１４１５）、保加利亚（１．３７６）、巴基斯坦（１．３０４）、捷克（１．２３５）、克

罗地亚（１．１３３）、中国（１．００４）

１．００４，第 ２３位

ｃ２４水路运输

８个，马尔代夫（２．５６８）、土耳其（２．２４７）、克罗地亚（１．８２８）、中国

（１．４４０）、韩国（１．３３１）、罗马尼亚（１．３２４）、拉脱维亚（１．１０２）、文

莱（１．０８９）

１．４４０，第 ４位

ｃ２５航空运输 ６个，马尔代夫（４．４４０）、斯里兰卡（１．６７０）、不丹（１．４６１）、韩国

（１１２７）、保加利亚（１．０２７）、印度尼西亚（１．０１６） ０．６１０，第 １４位

ｃ２７邮政通讯业

１２个，马 尔 代 夫 （２．９５２）、斯 洛 伐 克 （２．７１５）、吉 尔 吉 斯 坦

（１８４０）、克罗地亚（１．６６３）、尼泊尔（１．６３６）、马来西亚（１．５７０）、

爱沙尼亚（１．３０５）、柬埔寨（１．２７６）、波兰（１．２４６）、不丹（１．１９２）、

菲律宾（１．０７０）、斯洛文尼亚（１．０１３）

０．５２０，第 ２７位

ｃ２９房地产业

１７个，斯洛伐克（４．３１３）、克罗地亚（２．６０２）、爱沙尼亚（２．２９１）、

奥地利（１．７６７）、拉脱维亚（１．７１５）、保加利亚（１．６４７）、立陶宛

（１．２９９）、斯洛文尼亚（１．２３６）、俄罗斯（１．２０７）、匈牙利（１．１９４）、

捷克 （１．１４０）、巴 基 斯 坦 （１．１４１）、马 尔 代 夫 （１．１１１）、韩 国

（１０８４）、尼泊尔（１．０４７）、土耳其（１．０１７）、柬埔寨（１．０１３）

０．９２８，第 １９位

① 中国 ｃ１９汽车及摩托车的销售、维护及修理和 ｃ３５私人雇佣的家庭服务业数据缺失。

钟惠芸：中国与“一带一路”沿线国家服务业在全球价值链中的竞争力比较 ７７

续表（表 ２）

服务业部门 ＮＲＣＡ指数大于 １的国家 中国 ＮＲＣＡ指数，位次

知

识

密

集

型

服

务

业

ｃ２８金融业 ４个，拉脱维亚（１．３６６）、保加利亚（１．１５２）、中国（１．０８５）、孟加拉

（１．０１９） １．０８５，第 ３位

ｃ３０租赁和商务

服务业

７个，菲律宾（２．０３５）、印度（１．６９０）、爱沙尼亚（１．２６７）、罗马尼亚

（１．１９６）、匈牙利（１．１８２）、奥地利（１．０８０）、克罗地亚（１．０２１） ０．４８５，第 １７位

ｃ３１公共管理和

国防 及 社 会 保

障业

８个，吉尔吉斯坦（１２．９３４）、尼泊尔（１０．８６８）、马尔代夫（４．８６２）、

俄罗斯（２．７２２）、不丹（２．０５２）、孟加拉（１．６７４）、匈牙利（１．３９８）、

老挝（１．３３０）

０．４７６，第 １８位

ｃ３２教育

１０个，巴基斯坦（３．８９８）、克罗地亚（３．０７２）、罗马尼亚（２．０４０）、

奥地 利 （１．３１５）、尼 泊 尔 （１．３０５）、越 南 （１．２９６）、马 尔 代 夫

（１２５６）、保加利亚（１．１８６）、不丹（１．１５１）、斯洛文尼亚（１．０６２）

０．５０６，第 ２１位

ｃ３３卫生和社会

工作

１１个，克罗地亚（７．０５５）、巴基斯坦（４．２１９）、保加利亚（２．２７８）、

泰国（２．０１１）、越南（１．７４８）、韩国（１．６２６）、斯洛文尼亚（１．２４８）、

不丹（１．１７１）、尼泊尔（１．１５８）、斯洛伐克（１．１２９）、波兰（１．０５５）

０．３６７，第 ２６位

ｃ３４其他社区、

社会 及 个 人 服

务业

１３个，尼泊尔（１１．００３）、孟加拉（５．３０９）、印度（２．１５８）、斯里兰卡

（１．９８９）、罗马尼亚（１．９１９）、斯洛伐克（１．８２３）、奥地利（１．７６４）、

克罗地亚（１．４９８）、爱沙尼亚（１．４１０）、泰国（１．４０４）、保加利亚

（１．１１０）、匈牙利（１．０６９）、斯洛文尼亚（１．０４１）

０．８８２，第 １７位

数据来源：根据 ＵＩＢＥＧＶＣＩｎｄｉｃａｔｏｒｓ和 ＡＤＢＭＲＩＯ２０１８数据库整理得到

从表 ２可以看出，中国服务业各细分部门 ＮＲＣＡ指数在“一带一路”沿线国家中排名差异较大，其中

排名最靠前的是 ｃ２８金融业，在“一带一路”沿线 ３３国中排名第 ３位，其次是 ｃ２４水路运输，排名第 ４位，

然后是 ｃ２０燃油零售批发（排名第 ８位），ｃ２２住宿和餐饮业（排名第 １３位），ｃ２５航空运输（排名第 １４

位），ｃ３０租赁和运输服务业和其他社区、社会及个人服务业（排名均为第 １７位），ｃ３１公共管理和国防及

社会保障业（排名第 １８位），ｃ２９房地产业（排名第 １９位），ｃ３２教育（排名第 ２１位），而 ｃ２３陆路运输，ｃ２６

旅行社业务，ｃ２１零售，ｃ３３卫生和社会工作，ｃ２７邮政通讯业，排名则较靠后，分别排第 ２３、２４、２５、２６、２７

位，显示了这些部门国际竞争力较弱，在中国出口中所占比重很小，仍有很大的提升与发展空间。

四、结论与启示

本文采用 ＵＩＢＥＧＶＣＩｎｄｉｃａｔｏｒｓ和 ＡＤＢＭＲＩＯ２０１８数据库的增加值贸易数据对“一带一路”沿线 ３３

国服务业整体以及细分部门在全球价值链中的竞争力进行了测度与比较。研究表明：“一带一路”沿线

国家服务业整体国际竞争力并不具有优势，在国际上缺乏竞争力，仅有少数国家如马尔代夫、尼泊尔、拉

脱维亚、克罗地亚、立陶宛和印度等在国际上竞争力较强，而越南、印度尼西亚、老挝和文莱等服务业国际

竞争力处于相对劣势的水平。就中国而言，中国服务业竞争力在沿线 ３３个国家中处于较低的水平，考察

期内 ＮＲＣＡ指数排名靠后，在第 ２４、２５位徘徊。

就服务业细分部门而言，“一带一路”沿线国家具有显性比较优势的服务业细分部门分布不同，具有

优势的程度也有所不同。２０１７年，尼泊尔、克罗地亚服务业 ＮＲＣＡ指数大于 １的细分部门最多，为 １１个，

保加利亚服务业 ＮＲＣＡ指数大于 １的细分部门次之，为 １０个，接下来是罗马尼亚，为 ９个，印度尼西亚、

吉尔吉斯坦较少，为 ３个，哈萨克斯坦为 ２个，文莱最少，只有 １个。中国资本密集型服务业竞争力高于

７８ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

劳动密集型和知识密集型服务业，但即使是竞争力最强的资本密集型服务业，ＮＲＣＡ指数均值也依然小

于 １，在国际市场上不具备竞争力。中国服务业细分部门 ＮＲＣＡ指数在沿线国家中排名差异较大，大部

分细分部门排名比较靠后，排名比较靠前的是 ｃ２８金融业（排名第 ３）、ｃ２４水路运输（排名第 ４）、ｃ２０燃油

零售批发（排名第 ８）、ｃ２２住宿和餐饮（排名第 １３）和 ｃ２５航空运输（排名第 １４）。

本文的研究对于推进“一带一路”沿线国家服务贸易的分工与合作具有一定的政策借鉴意义。中国

在与“一带一路”沿线国家进行贸易时，需要将服务贸易作为“一带一路”倡议的重要内容，实施优势服务

业“走出去”、弱势服务业“引进来”的差异化战略，充分发展具有竞争优势的服务业。中国服务贸易的出

口潜力主要在金融业、水路运输、燃油零售批发等，对于金融业，中国应加快推进金融机构和金融服务的

网络化布局，加强金融基础设施互联互通，积极构建和完善多层次、多种类的金融服务体系，有效发挥金

融在“一带一路”建设中的重要支撑作用。对于水路运输，应以双边、多边海运会谈为平台，与沿线国家

在海上运输、港口物流等领域开展更多的战略合作，完善沿线国家间海运服务网络，深度参与国际海事组

织和航行安全合作事务，提升我国话语权和影响力。对于燃油零售批发，“一带一路”辐射区域是全球能

源需求增长最快的地区，应加快新技术创新与应用和中国油企走出去的步伐。通过培育金融业、水路运

输等具有显性比较优势的服务出口产业，带动中国知识密集型服务业的发展。

对于中国与“一带一路”沿线国家存在优势冲突的服务业，需要进一步细分，寻找各自的独特优势

点，发展产业内服务贸易，以形成合理的服务业分工体系，创造新的贸易增长点和“双赢”局面。中国的

租赁和商务服务业，与东南亚、南亚和东欧地区存在一定程度的竞争，应与这些国家互相举办服务推介洽

谈会，加强企业管理服务、法律服务、咨询与调查、人力资源服务等方面的交流，进行差异性竞争与合作。

而对于陆路运输，中国可以利用与独联体、东南亚接壤的地理优势，进行陆路运输基础设施合作。对于中

国存在比较劣势的服务业，需要与“一带一路”沿线国家进行互补性合作和产业间贸易。中国的卫生和

社会工作，邮政通讯业，汽车及摩托车的销售、维护及修理出口潜力较弱，需分别与东欧、南亚、东南亚地

区和南亚、中欧、中亚地区以及中欧、南亚、西亚地区进行互补性贸易。

当前世界经济处于深刻调整中，国际经贸格局和全球治理模式正在不断演变，中国经济增长开始结

构性减速。中国需要进一步加快推进“一带一路”的深化发展，通过实施差异化战略，既获得资源、开拓

市场，又学习技术，获得技术溢出效应，摆脱“被锁定”和“悲惨增长”等比较优势陷阱，推动服务业产业升

级，提升中国服务业在“一带一路”区域价值链中的地位和竞争力。

参考文献：

［１］ 王江，陶磊，黄雨婷．中国与“一带一路”沿线十国生产性服务贸易竞争力比较［Ｊ］．商业研究，２０１７（４）：４８－５４．

［２］ 黄满盈，邓晓虹．中国双边金融服务贸易竞争力：基于动态面板引力模型的分析［Ｊ］．经济问题探索，２０１８（１２）：

１４３－１５１．

［３］ 石荣．新贸易保护背景下中国服务贸易竞争力钻石模型分析［Ｊ］．经营与管理，２０２０（１１）：１５１－１５５．

［４］ 樊茂清，黄薇．基于国家间投入产出模型的全球价值链分解方法：拓展与应用［Ｊ］．南开经济研究，２０１６（３）：７５－８９．

［５］ 戴翔．中国服务出口竞争力：增加值视角下的新认识［Ｊ］．经济学家，２０１５（３）：３１－３８．

［６］ 尹伟华．中、美两国服务业国际竞争力比较分析———基于全球价值链视角的研究［Ｊ］．上海经济研究，２０１５（１２）：

４１－５１．

［７］ ＧＥＲＥＦＦＩＧ．Ｉｎｔｅｒｎａｔｉｏｎａｌｔｒａｄｅａｎｄｉｎｄｕｓｔｒｉａｌｕｐｇｒａｄｉｎｇｉｎｔｈｅａｐｐａｒｅｌｃｏｍｍｏｄｉｔｙｃｈａｉｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＩｎｔｅｒｎａｔｉｏｎａｌＥｃｏｎｏｍ

ｉｃｓ，１９９９，１（４８）：３７－７１．

钟惠芸：中国与“一带一路”沿线国家服务业在全球价值链中的竞争力比较 ７９

Ａｃｏｍｐａｒａｔｉｖｅｓｔｕｄｙｏｎｔｈｅｃｏｍｐｅｔｉｔｉｖｅｎｅｓｓｏｆｔｈｅ

ｓｅｒｖｉｃｅｉｎｄｕｓｔｒｙｉｎｔｈｅｇｌｏｂａｌｖａｌｕｅＣｈａｉｎｂｅｔｗｅｅｎ

ＣｈｉｎａａｎｄｃｏｕｎｔｒｉｅｓａｌｏｎｇｔｈｅＢｅｌｔ＆ Ｒｏａｄ

ＺＨＯＮＧＨｕｉｙｕｎ

（ＢｕｓｉｎｅｓｓＳｃｈｏｏｌ，ＭｉｎｎａｎＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｚｈａｎｇｚｈｏｕ３６３０００，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：ＢａｓｅｄｏｎＵＩＢＥ ＧＶＣ ＩｎｄｉｃａｔｏｒｓａｎｄＡＤＢＭＲＩＯ２０１８ｄａｔａｂａｓｅ，ｔｈｉｓｐａｐｅｒｍｅａｓｕｒｅｓａｎｄ

ｃｏｍｐａｒｅｓｔｈｅｃｏｍｐｅｔｉｔｉｖｅｎｅｓｓｏｆｓｅｒｖｉｃｅｉｎｄｕｓｔｒｙｏｆＣｈｉｎａａｎｄ３３ｃｏｕｎｔｒｉｅｓａｌｏｎｇｔｈｅＢｅｌｔａｎｄＲｏａｄｉｎｇｌｏｂａｌ

ｖａｌｕｅｃｈａｉｎｓｉｎｔｅｒｍｓｏｆｏｖｅｒａｌｌａｎｄｓｕｂｓｅｃｔｏｒｓｏｆｓｅｒｖｉｃｅｉｎｄｕｓｔｒｉｅｓｂｙｅｘｐｌｉｃｉｔｉｎｇｃｏｍｐａｒａｔｉｖｅａｄｖａｎｔａｇｅｉｎｄｅｘ

（ＮＲＣＡ）ｉｎｔｈｅｐｅｒｓｐｅｃｔｉｖｅｏｆｆｏｒｗａｒｄｌｉｎｋａｇｅ．Ｉｎｔｅｒｍｓｏｆｔｈｅｓｅｒｖｉｃｅｓｅｃｔｏｒａｓａｗｈｏｌｅ，ｔｈｅＮＲＣＡｉｎｄｅｘｏｆ

Ｃｈｉｎａ’ｓｓｅｒｖｉｃｅｓｅｃｔｏｒｉｓａｔａｒｅｌａｔｉｖｅｌｙｌｏｗｐｏｓｉｔｉｏｎｉｎｔｈｅｒａｎｋｉｎｇｏｆｃｏｕｎｔｒｉｅｓａｌｏｎｇｔｈｅｒｏｕｔｅ，ｒａｎｋｉｎｇ２４ｔｈｉｎ

２０１７．Ｉｎｔｅｒｍｓｏｆｓｅｇｍｅｎｔａｔｉｏｎ，Ｃｈｉｎａ’ｓｃａｐｉｔａｌｉｎｔｅｎｓｉｖｅｓｅｒｖｉｃｅｓａｒｅｔｈｅｍｏｓｔｃｏｍｐｅｔｉｔｉｖｅ，ｗｉｔｈｌａｂｏｒ

ｉｎｔｅｎｓｉｖｅｓｅｒｖｉｃｅｓｔｈｅｎｅｘｔｍｏｓｔｃｏｍｐｅｔｉｔｉｖｅａｎｄｋｎｏｗｌｅｄｇｅｉｎｔｅｎｓｉｖｅｓｅｒｖｉｃｅｓｔｈｅｌｅａｓｔｃｏｍｐｅｔｉｔｉｖｅ．Ｈｏｗｅｖｅｒ，

ｅｖｅｎｆｏｒｃａｐｉｔａｌｉｎｔｅｎｓｉｖｅｓｅｒｖｉｃｅｉｎｄｕｓｔｒｙ，ｔｈｅａｖｅｒａｇｅｖａｌｕｅｏｆＮＲＣＡｉｎｄｅｘｉｓｓｔｉｌｌｌｏｗｅｒｔｈａｎ１；ｆｏｒｋｎｏｗｌｅｄｇｅ

ｉｎｔｅｎｓｉｖｅｓｅｒｖｉｃｅ，ｓｉｘｓｕｂｓｅｃｔｏｒｓｓｈｏｗａｎｕｐｗａｒｄｔｒｅｎｄ．Ｂｕｔａｃｃｏｒｄｉｎｇｔｏ２０１７ＮＲＣＡｉｎｄｅｘ，ｏｎｌｙｔｈｅＮＲＣＡ

ｉｎｄｅｘｏｆｆｉｎａｎｃｅｉｓｇｒｅａｔｅｒｔｈａｎ１．Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓｔｈａｔｓｅｒｖｉｃｅｔｒａｄｅｉｓａｎｉｍｐｏｒｔａｎｔｐａｒｔｏｆｔｒａｄｅｂｅｔｗｅｅｎ

ＣｈｉｎａａｎｄｔｈｅｃｏｕｎｔｒｉｅｓａｌｏｎｇｔｈｅＢｅｌｔａｎｄＲｏａｄ，ｗｅｓｈｏｕｌｄｉｍｐｌｅｍｅｎｔｔｈｅｄｉｆｆｅｒｅｎｔｉａｔｉｏｎｓｔｒａｔｅｇｙｏｆｇｏｉｎｇｏｕｔ

ｆｏｒｓｕｐｅｒｉｏｒｓｅｒｖｉｃｅｉｎｄｕｓｔｒｙａｎｄｉｎｔｒｏｄｕｃｉｎｇｏｆｄｉｓａｄｖａｎｔａｇｅｄｓｅｒｖｉｃｅｉｎｄｕｓｔｒｙ．Ｆｏｒｓｅｒｖｉｃｅｉｎｄｕｓｔｒｉｅｓｗｈｉｃｈ

ｃｏｎｆｌｉｃｔｗｉｔｈｔｈｅａｄｖａｎｔａｇｅｓｏｆｔｈｅｓｅｃｏｕｎｔｒｉｅｓ，ｗｅｓｈｏｕｌｄｓｅｅｋｔｈｅｉｒｕｎｉｑｕｅａｄｖａｎｔａｇｅｓａｎｄｄｅｖｅｌｏｐｉｎｔｒａ

ｉｎｄｕｓｔｒｙｔｒａｄｅｉｎｓｅｒｖｉｃｅｓｓｏａｓｔｏｆｏｒｍａｒｅａｓｏｎａｂｌｅｄｉｖｉｓｉｏｎｓｙｓｔｅｍｏｆｓｅｒｖｉｃｅｉｎｄｕｓｔｒｙ．

Ｋｅｙｗｏｒｄｓ：ＢｅｌｔａｎｄＲｏａｄＩｎｉｔｉａｔｉｖｅ；ＧＶＣ；ＮＲＣＡｉｎｄｅｘ；ｃｏｍｐｅｔｉｔｉｖｅｎｅｓｓ

（责任编辑 晏心悦）

８０ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＳｏｃｉａｌＳｃｉｅｎｃｅ）

２０２２年 第 ３６卷 第 ４期

Ｖｏｌ．３６ Ｎｏ．４ ２０２２

收稿日期：２０２１－０８－２２；修回日期：２０２２－０３－３１

基金项目：国家社会科学基金重点项目“创新视域下的马克思剩余价值理论研究”（１７ＡＫＳ００１）

作者简介：潘春苗，博士研究生，主要从事区域科技创新研究；母爱英，教授，博士，主要从事区域经济学研究。

本文引用格式：潘春苗，母爱英．中国三大城市群协同创新网络比较研究———基于专利合作数据［Ｊ］．重庆理工大学学报（社会科学），

２０２２（４）：８１－９３．

Ｃｉｔａｔｉｏｎｆｏｒｍａｔ：ＰＡＮＣｈｕｎｍｉａｏ，ＭＵＡｉｙｉｎｇ．ＡｃｏｍｐａｒａｔｉｖｅｓｔｕｄｙｏｆｃｏｌｌａｂｏｒａｔｉｖｅｉｎｎｏｖａｔｉｏｎｎｅｔｗｏｒｋｓｉｎＣｈｉｎａ’ｓｔｈｒｅｅｕｒｂａｎａｇｇｌｏｍｅｒａ

ｔｉｏｎｓ———Ｂａｓｅｄｏｎｐａｔｅｎｔｃｏｏｐｅｒａｔｉｏｎｄａｔａ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＳｏｃｉａｌＳｃｉｅｎｃｅ），２０２２（４）：８１－９３．

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｓ）．２０２２．０４．００８ 区域经济一体化

中国三大城市群协同创新网络比较研究

———基于专利合作数据

潘春苗１

，母爱英２

（１．中国社会科学院大学 经济学院，北京 １０２４８８；

２．河北经贸大学 经济研究所，河北 石家庄 ０５００６１）

摘要：选取京津冀、长三角、粤港澳大湾区的专利合作数据构建协同创新网络，从整体拓扑结构、各城

市的地位、创新合作产出差距、参与主体、技术领域等微观层面，对三大城市群协同创新网络进行比较研

究。结果发现：三大城市群协同创新网络的整体拓扑结构特征不同，但均满足核心—边缘结构，分别形成

了以北京、天津、石家庄、保定、唐山为中心的京津冀协同创新网络，以上海、苏州、南京、杭州、合肥为中心

的长三角协同创新网络，以广州、深圳、珠海、佛山、东莞为中心的粤港澳大湾区协同创新网络；在三大城

市群中，城市间创新合作产出差距最大的是京津冀，三者协同创新核心主体均以企业为主，协同创新所在

的技术领域主要集中在物理、电学、作业和运输、化学和冶金等。建议：继续完善京津冀协同创新布局，缩

小城市间创新产出差距；加强长三角城市群内部的跨省份创新合作，提升区域的整体协同创新能力；推动

粤港澳三地的科技创新要素加速对接合作，共同助力国际科技创新中心建设。

关键词：城市群；协同创新网络；专利合作；社会网络分析；专利统计；节点城市特征

中图分类号：Ｆ０６１．５ 文献标识码：Ａ 文章编号：１６７４－８４２５（２０２２）０４－００８１－１３

一、引言

城市群正成为推动我国区域协调发展、创新驱动发展和新型城镇化建设的重要力量。近年来，国家

层面出台系列政策文件，推进全国重点城市群一体化建设，以缩小区域发展差距，提升区域整体发展水

平。区域协同创新是城市群一体化建设的重要内容。２０１９年，中央经济工作会议提出，将京津冀、长三

角、粤港澳大湾区打造成为具有国际竞争力的创新平台，这为全国高质量发展提供了重要动力源。《中华

人民共和国国民经济和社会发展第十四个五年规划和 ２０３５年远景目标纲要》进一步明确了京津冀、长三

角、粤港澳大湾区的科技创新功能，通过持续提升科技创新策源能力，以打造高质量发展的重要增长极。

自京津冀、长三角、粤港澳大湾区等城市群一体化建设上升为国家战略以来，它们充分发挥科技创新资源

优势，加强城市群内部城市间协同创新联系，加快构建协同创新共同体，以协同创新引领城市群协同发

展。三大城市群作为全国创新驱动发展的 ３个典型区域，在协同创新方面有其共同点，但也有所差异。

本研究基于 ２０１４—２０１８年京津冀、长三角、粤港澳大湾区的发明专利合作数据，分别构建三大城市群协

同创新网络，在此基础上对三大城市群协同创新网络进行比较研究。

二、文献回顾

关于协同创新的研究，学者们主要研究了协同创新的内涵、理论模式、机制构建、理论分析方法、绩效

评价等。陈劲等认为，协同创新是企业、高校、研究院所、政府等各类主体通过创新合作实现知识增值的

过程［１］

。何郁冰提出了“战略—知识—组织”三重互动的产学研协同创新模式［２］

。杨继瑞等提出从合作

机制、组织机制、行政机制 ３个方面来构建区域协同创新机制［３］

。苏屹认为，研究协同创新理论应遵循系

统科学方法［４］

。白俊红等研究发现，加强协同创新有利于促进区域间创新要素的动态流动和知识溢出，

提升区域创新绩效［５］

。

基于协同创新理论和相关研究成果，学者们在跨区域协同创新内涵、动因、影响因素、水平度量等方

面开展了诸多研究。龙开元提出了跨区域创新体系的概念和核心特征，阐述了跨区域创新体系建设的基

本框架、演化阶段、面临的困难及解决措施［６］

。王鹏进一步阐释了跨区域创新系统的内涵、形成基础及动

力支持要素［７］

。现有研究成果表明，跨区域协同创新的影响因素主要包括区域间的多维邻近关系、区域

创新环境、政策制度、技术水平、经济与社会因素［８－１５］

。Ａｃｏｓｔａ、谢伟伟等选择合著论文数据，庄涛、苏灿

等基于联合申请专利数据，杨龙志和刘霞、肖站旗等运用技术交易数据，分别来测度跨区域协同创新水

平［１６－２１］

。跨区域协同创新水平的度量方法主要包括社会网络分析、空间计量、创新引力模型、空间滞后

模型等［２２－２５］

。

近年来，部分学者以城市群为研究对象，研究城市群内部城市间的协同创新问题。其中，京津冀、长

三角、粤港澳大湾区的协同创新问题是近年来的研究热点。学者们重点围绕专利转移网络的形成及影响

因素、技术转移网络结构及网络治理、协同创新网络韧性形成的驱动机制、产学协同创新绩效、产业协同

创新、技术创新演化、空间格局的发展演变、高质量协同创新策略等内容对三大城市群进行了研究［２６－３４］

。

总体而言，目前学术界在跨区域协同创新的内涵、模式、动力机制、影响因素、水平测度、绩效评价等

宏观问题方面，研究得较为深入。同时，部分学者对某些特定区域或城市群的协同创新等中观问题也日

益关注，但是对不同城市群的协同创新网络结构、节点城市特征、技术领域等微观问题的对比分析较少。

因此，本研究选取京津冀、长三角、粤港澳大湾区三大典型城市群，从微观层面剖析三大城市群协同创新

网络的异同，并提出进一步推动三大城市群协同创新的对策建议。

三、研究方法与数据来源

本研究搜集了 ２０１４—２０１８年京津冀、长三角、粤港澳大湾区三大城市群内部城市间联合申请发明专

利数据，数据内容包括专利名称、申请日期、申请人名称和所在地址、ＩＰＣ分类号等。在此基础上，选择城

市间联合申请发明专利数据来构建三大城市群的协同创新网络，运用社会网络分析、专利统计等方法，分

析三大城市群协同创新网络的整体拓扑结构、各城市在网络中的地位、节点城市间的创新合作产出差距、

参与主体类型及合作专利所在的技术领域等。

８２ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

（一）研究方法

１．社会网络分析法

社会网络分析是运用图论、代数模型等工具，对网络行动者及其间的关系特征进行定量分析的一种

方法。本文选取网络规模、网络密度、平均聚类系数、平均路径长度等指标，分析京津冀、长三角城市群、

粤港澳大湾区协同创新整体网络的拓扑结构特征，运用核心—边缘分析、中心性分析，剖析节点城市在协

同创新网络中的地位。

２．专利统计分析

专利统计分析是专利计量方法的一种。本文通过对城市间合作发明专利的数量、申请主体、技术领

域等信息进行收集、加工和计算，对比分析京津冀、长三角城市群、粤港澳大湾区协同创新网络节点城市

间的创新合作产出差距、参与主体的性质及地域分布、协同创新的技术领域。

（二）数据来源

依托国家知识产权局专利数据库，检索专利类型为发明发布，申请日为 ２０１４年 １月 １日至 ２０１８年

１２月 ３１日，地址分别为京津冀 １３个城市（北京市、天津市和河北省 １１个城市）、长三角 ２６个城市（上海

市、江苏省 ８个城市、浙江省 ８个城市和安徽省 ８个城市）、粤港澳大湾区 １１个城市（广东省 ９个城市和

香港、澳门特别行政区），分别获取京津冀、长三角城市群、粤港澳大湾区内部两个及以上城市联合申请发

明专利数据。若某项专利的申请人来自 Ａ、Ｂ两个城市，则计城市 Ａ与城市 Ｂ联合申请专利 １件；若专利

的申请人来自两个以上城市，比如来自 Ａ、Ｂ、Ｃ三个城市，则计 Ａ与 Ｂ合作申请专利 １件，Ａ与 Ｃ合作申

请专利 １件，Ｂ与 Ｃ合作申请专利 １件。

四、分析结果

（一）协同创新整体网络的拓扑结构

城市群内部城市间合作专利可以分为两类：一类是同一省份内部不同城市间的合作；另一类是跨省

份不同城市间的合作。三大城市群相比，这两类合作专利数量差别较大（见表 １）。京津冀跨省份城市间

合作专利数量显著高于同省份合作专利数量，前者是后者的 １０．２倍，跨省份城市间合作专利数量占京津

冀合作专利总量的比重高达 ９１％；长三角城市群跨省份合作专利数量略低于同省份合作专利数量，二者

之比为 ４８．１∶５１．９；粤港澳大湾区跨省份合作专利数量占大湾区合作专利总量的比重仅为 ３．９％，只相当

于同省份合作专利数量的 ４．１％。这表明与长三角城市群、粤港澳大湾区相比，京津冀倾向在更大地域

范围内寻求专利合作。

表 １ 三大城市群联合申请发明专利情况

京津冀 长三角 粤港澳大湾区

同省份城市间合作／件 １４５７ ８４４８ ８０５６

跨省份城市间合作／件 １４８１７ ７８２５ ３２９

合作专利数量合计／件 １６２７４ １６２７３ ８３８５

同省份城市间合作专利数量占比／％ ９．０ ５１．９ ９６．１

跨省份城市间合作专利数量占比／％ ９１．０ ４８．１ ３．９

潘春苗，等：中国三大城市群协同创新网络比较研究 ８３

根据已有研究成果，网络规模、合作关系数、网络密度值及其标准差、平均路径长度、平均聚类系数等

是测度网络整体特征的常用指标。运用社会网络分析软件 ＵＣＩＮＥＴ分别计算出上述指标，以分析三大城

市群协同创新网络的整体拓扑结构特征（见表 ２）。从网络规模来看，京津冀 １３个城市、长三角城市群 ２６

表 ２ 整体协同创新网络的拓扑结构

京津冀 长三角 粤港澳大湾区

网络规模 １３ ２６ １１

关系数 ５８ ２１２ ４４

网络密度 ０．７４４ ０．６５２ ０．８００

网络密度标准差 ０．４３７ ０．４７７ ０．４００

平均聚类系数 ０．８４６ ０．７９９ ０．９００

平均路径长度 １．２５６ １．３５１ １．２００

个城市、粤港澳大湾区 １１个城市均开展了专

利合作。从整体网络密度值来看，由低到高

排序分别为长三角城市群、京津冀、粤港澳

大湾区，表明与其他两大城市群相比，粤港

澳大湾区城市间协同创新联系更为紧密。

从整体网络密度值的标准差来看，粤港澳大

湾区协同创新网络密度标准差最低，说明在

三大城市群中，粤港澳大湾区城市间联系强

度的差异性最小，即创新合作的不平衡性最

低。平均聚类系数用来衡量协同创新网络节点与其邻接节点结成“小团体”的可能性，反映了整体网络

的集聚性。在三大城市群中，粤港澳大湾区的平均聚类系数为 ０．９，高于其他两大城市群，说明粤港澳大

湾区协同创新网络的整体集聚化发展能力最强，京津冀次之，长三角城市群的集团化发展程度较低。从

三大城市群节点之间的平均路径长度来看，长三角城市群的平均路径长度最长，京津冀次之，粤港澳大湾

区最短，表明与其他两大城市群相比，长三角城市间的交流畅通程度更低。

（二）节点城市在协同创新网络中的地位

１．核心—边缘结构分析

运用 ＵＣＩＮＥＴ软件对京津冀、长三角、粤港澳大湾区协同创新网络分别进行核心—边缘拟合分析，结

果显示拟合优度均大于 ０．５，说明三大城市群协同创新网络结构均符合核心—边缘结构。测度结果以及

核心区与边缘区成员分布情况见表３和表４。从表中可以看出，三大城市群协同创新网络中，核心区成员

间的创新联系均十分紧密，但是边缘区成员间的创新联系较为松散，尤其是粤港澳大湾区边缘区的 ３个

城市之间目前还没有建立起专利合作关系，未来仍有较大提升空间。

表 ３ 三大城市群协同创新网络核心—边缘结构拟合结果

京津冀 长三角 粤港澳大湾区

核心区密度 ０．９６４ ０．９７４ １．０００

边缘区密度 ０．１００ ０．３０８ ０．０００

拟合优度 ０．８６４ ０．６９５ １．０００

表 ４ 三大城市群协同创新网络核心区成员和边缘区成员

京津冀 长三角 粤港澳大湾区

核心区成员 北京、天津、石家庄、保定、

唐山、秦皇岛、沧州、邯郸

上海、南京、无锡、常州、苏州、南通、镇江、

杭州、宁波、嘉兴、绍兴、台州、合肥

广州、深圳、珠海、佛山、

东莞、中山、江门、香港

边缘区成员 廊坊、承德、张家口、邢台、

衡水

盐城、扬州、泰州、湖州、金华、舟山、芜湖、

马鞍山、铜陵、安庆、滁州、池州、宣城 惠州、肇庆、澳门

８４ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

２．中心性分析

从核心—边缘结构分析结果中可知，三大城市群协同创新网络中均存在核心城市和边缘城市，本文

进一步通过中心性分析，探析在各城市在创新网络中的位置。度数中心度、中间中心度是衡量节点城市

在网络中的地位重要性和对资源及信息控制能力的重要指标。本文运用 ＵＣＩＮＥＴ软件分别计算出三大

城市群各城市的相对度数中心度和相对中间中心度，结果见表 ５。

表 ５ 三大城市群协同创新网络中心性分析结果

京津冀

城市 度数中心度 中间中心度

长三角

城市 度数中心度 中间中心度

粤港澳大湾区

城市 度数中心度 中间中心度

北京 １．００ ５．８２ 上海 ０．９６ ４．９１ 广州 １．００ ６．６９

天津 １．００ ５．８２ 南京 ０．９６ ４．０５ 深圳 １．００ ６．６９

石家庄 １．００ ５．８２ 无锡 ０．８８ ２．６６ 珠海 １．００ ６．６９

保定 ０．９２ ４．２９ 常州 ０．７２ １．２３ 佛山 ０．９０ １．５０

廊坊 ０．６７ ０．６９ 苏州 ０．９６ ４．９１ 惠州 ０．７０ ０

唐山 ０．９２ ３．４８ 南通 ０．６８ ０．５１ 东莞 ０．９０ １．５０

秦皇岛 ０．６７ ０．４１ 扬州 ０．５６ ０．３１ 中山 ０．８０ ０．７４

承德 ０．５８ ０．１９ 镇江 ０．６４ ０．４５ 江门 ０．８０ ０．３２

张家口 ０．８３ ３．０８ 盐城 ０．５６ ０．４４ 肇庆 ０．６０ ０

沧州 ０．６７ ０．６９ 泰州 ０．６０ ０．５０ 香港 ０．８０ ０．３２

邯郸 ０．５０ ０ 杭州 ０．９６ ４．０５ 澳门 ０．３０ ０

邢台 ０．４２ ０ 宁波 ０．８４ １．９９

衡水 ０．５０ ０ 湖州 ０．５６ ０．１３

嘉兴 ０．６４ ０．７４

绍兴 ０．７２ １．４６

金华 ０．４８ ０．２０

舟山 ０．４８ ０．２２

台州 ０．６４ ０．６３

合肥 ０．９２ ４．４７

芜湖 ０．６０ １．５２

马鞍山 ０．６０ １．３５

铜陵 ０．４４ ０．６０

安庆 ０．４０ ０．２９

滁州 ０．４０ ０．１１

池州 ０．２８ ０．０６

宣城 ０．４０ ０．２２

在京津冀协同创新网络中，北京、天津、石家庄的相对度数中心度和相对中间中心度位居前列，说明

这 ３个城市在京津冀协同创新网络中占据最重要的位置，对资源和信息的控制程度最高，次之为保定、唐

山，这两个城市的度数中心度和中间中心度位列北京、天津、石家庄之后，在京津冀协同创新网络中的地

潘春苗，等：中国三大城市群协同创新网络比较研究 ８５

位和控制力也紧随其后，邯郸、邢台、衡水的度数中心度和中间中心度最低，在京津冀协同创新网络中的

地位和控制力也最弱。

在长三角协同创新网络中，上海和苏州的相对度数中心度、相对中间中心度同时位居首位，表明上

海、苏州在长三角协同创新网络中占据着最为重要的地位，控制着更多资源和信息，南京和杭州的度数中

心度排名并列第二，中间中心度排名第三，位列合肥之后，这说明南京和杭州在长三角协同创新网络中的

地位重要性高于合肥，但合肥在控制资源和促进信息流通方面却占据着更为重要的位置。分省份来看，

除南京、苏州、杭州、合肥之外，江苏省的无锡和常州，浙江省的宁波和绍兴，其度数中心度和中间中心度

均较高，这表明这 ４个城市在长三角协同创新网络中的地位和控制能力也较强，安徽省的芜湖、马鞍山度

数中心度不高，但中间中心度较高，说明这两个城市在网络中起到了较为重要的中介作用。

在粤港澳大湾区协同创新网络中，广州、深圳、珠海的相对度数中心度和相对中间中心度排名并列第

一，表明这三个城市处在粤港澳大湾区协同创新网络中最为突出的位置，在更大程度上控制着网络的资

源和信息，次之为佛山和东莞，其度数中心度和中间中心度排名并列第二，在粤港澳大湾区协同创新网络

中的地位和控制力也仅次于广州、深圳、珠海，惠州、肇庆、澳门的度数中心度分别为 ０．７、０．６和 ０．３，但中

间中心度均为 ０，说明这 ３个城市的专利合作表现为城市间的直接合作，并没有发挥中介作用。

结合中心性分析结果，运用 ｎｅｔｄｒａｗ工具，绘制三大城市群协同创新网络结构图（见图 １）。图中节点

较大的几个城市，它们的中心度较高，位于协同创新网络的核心位置，两个城市间连线越粗，表示这两个

城市间联合发明申请数量越多。

图 １ 三大城市群协同创新网络

（三）节点城市间的创新合作产出差距

１．三大城市群各城市参与合作专利的数量对比

京津冀、长三角、粤港澳大湾区三大城市群 ５０个城市中，按照参与联合申请专利数量进行排名，北京

居于首位，联合申请发明专利数量 １４４７９件，分别是位居第二、三位的天津、上海联合申请发明专利数量

的 ２．０７倍和 ２．４９倍，这与北京丰富的科技创新资源紧密相关，同时也进一步凸显北京在全国科技创新

城市中的地位和实力。在合作专利数量上，北京不仅与长三角、粤港澳大湾区的城市间存在较大差距，而

且在京津冀内部也遥遥领先，北京参与专利合作数量分别是在京津冀内部排名位列最末两位的秦皇岛、

承德的 ６１．４倍和 ８１．８倍。

２０１４—２０１８年，三大城市群 ｔｏｐ２０城市合作申请专利数量（见图 ２）占 ５０个城市合作专利总量的

８５％左右，其余 ３０个城市合作专利数量仅占到合作总量的 １５％，说明城市间的专利合作产出能力差距较

大。在 ｔｏｐ２０城市中，京津冀共有北京、天津、石家庄、保定、沧州 ５个城市入选，长三角共有上海、南京、

８６ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

杭州、苏州、南通、无锡、宁波、常州、台州、嘉兴 １０个城市入选，粤港澳大湾区共有广州、深圳、佛山、东莞、

珠海 ５个城市入选，京津冀、长三角、粤港澳大湾区入选 ｔｏｐ２０城市的合作专利数量分别占 ｔｏｐ２０城市合

作专利总量的 ４１．８％、３８％和 ２０．２％。

图 ２ 三大城市群 ｔｏｐ２０城市的合作发明专利数量

２．三大城市群合作专利产出差距比较

通过计算合作专利产出的平均基尼系数来衡量三大城市群内部各城市间的合作专利产出差距，计算

公式为：

Ｇ＝ １

２Ｍ２

Ｘ珔∑

ｎ

ｂ＝１

∑

ｎ

ｃ＝１

｜Ｘｂ －Ｘｃ｜ （１）

式中，ｎ表示各个城市群的城市数量，Ｘ珔表示城市群 ｎ个城市合作专利产出的平均值，Ｘｂ、Ｘｃ分别表示同

一城市群内部任意两个城市的发明专利合作数量，Ｇ表示平均基尼系数，该值越大表明城市群内部城市

间的合作专利产出差距越大。

通过计算得出，２０１４—２０１８年京津冀、长三角城市群、粤港澳大湾区的合作专利产出平均基尼系数

分别为 ０．６７６、０．５８４、０．５２６，说明京津冀与其他两大城市群相比，京津冀内部城市间的合作专利产出差距

更大，合作专利产出在空间上呈现的分布不均衡特点也更加明显。在京津冀内部，北京与天津的创新合

作关系最为紧密，联合申请发明专利 ６６５７件，占京津冀合作专利总数的 ４０．９％；天津与河北 １１个地级

市仅联合申请发明专利 ３３８件，占天津与北京联合申请专利数量的 ５％左右，说明天津与河北的创新合作

水平相对较低；从河北省内部来看，１１个地级市间联合申请发明专利 １４５７件，仅占京津冀合作专利总数

的 ８９％，表明河北省内各城市间仍需加强协同创新联系。长三角城市群的专利合作产出也存在一定的

不均衡问题，安徽省 ８个地级市与上海、江苏 ９个地级市、浙江 ８个地级市共联合申请发明专利 １２４７件，

占长三角城市群联合申请发明专利总数的比重不足 ８％，说明安徽与长三角其他地区的合作联系强度较

弱。与京津冀、长三角城市群相比，粤港澳大湾区城市间的合作专利产出更为均衡，但香港、澳门与粤港

澳大湾区其他城市间的合作联系相对较弱，香港、澳门与广东省 ９个地级市之间联合申请发明专利 ３２９

件，仅占大湾区联合申请发明专利总数的 ３．９％。

潘春苗，等：中国三大城市群协同创新网络比较研究 ８７

（四）协同创新网络的主体分析

１．三大城市群协同创新网络的机构分布情况

从三大城市群城市间联合申请发明专利的申请单位或机构来看（见表 ６），２０１４—２０１８年，京津冀、长

三角、粤港澳大湾区分别有 ２１６６个、５５０９个、１８１９个机构参与了合作申请发明专利，其中合作频次在

５０次以上的机构数量分别为 ８１个、９７个和 ５７个。三大城市群中合作频次大于 ５０次的合作机构数量占

所有合作机构数量的比例均较低，但都贡献了较高比例的联合申请专利，其中京津冀城市群内合作频次

在 ５０次以上的机构的贡献率（合作频次在 ５０次以上的机构合作频次之和与所有机构的合作频次总和之

比）达到 ７３．８８％，位居三大城市群首位，这表明京津冀内部创新主体之间合作专利产出差距较大；其次

为粤港澳大湾区；长三角城市群的这一比例相对较低，但也贡献了 ４２．３７％的联合申请专利。

表 ６ 协同创新网络的机构分布情况

京津冀 长三角 粤港澳大湾区

合作机构数量／个 ２１６６ ５５０９ １８１９

合作频次在 ５０次以上的机构数量／个 ８１ ９７ ５７

合作频次在 ５０次以上的机构数量占比／％ ３．７４ １．７６ ３．１３

所有机构的合作频次总和／次 ３３６２１ ３５２１３ １８７５１

合作频次在 ５０次以上的机构合作频次之和／次 ２４８３９ １４９２０ １１５３５

合作频次在 ５０次以上机构的贡献率／％ ７３．８８ ４２．３７ ６１．５２

２．三大城市群核心合作机构的空间分布与主体类型

从不同角度考察合作频次在 ５０次以上的机构分布情况，依此来分析三大城市群核心合作机构的异

同（见图 ３）。从核心合作机构的地域分布情况来看，京津冀城市群的 ８１个核心合作机构分布在北京、天

津、石家庄、保定、廊坊、唐山、秦皇岛、承德、张家口、沧州、邯郸、邢台、衡水等 １３个城市，其中有 ３０．５％的

机构来自北京，２４．４％的机构来自天津，１７．１％的机构来自石家庄。长三角城市群 ９７个核心合作机构分

布在上海、南京、苏州、杭州、常州、南通、宁波、镇江、盐城、泰州、无锡、扬州、嘉兴、绍兴、台州、合肥、马鞍

山等 １７个城市，其中上海、南京的机构数量最多，次之为苏州和杭州，来自这 ４个城市的机构数量占比达

到 ６１．３％。粤港澳大湾区 ５７个核心合作机构分布在广东省 ９个城市，其中有 ６８．４％的机构来自广州、

深圳、佛山三个城市，这与上文的中心性分析结果相一致。

图 ３ 三大城市群核心合作机构的地域分布情况

８８ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

从核心合作机构的类型来看，三大城市群核心合作机构占比最高的均是企业，在京津冀、长三角城市

群、粤港澳大湾区的核心合作机构中，企业占比分别为 ７６．５４％、６４．９５％和 ７７．１９％，这进一步说明了企

业是技术创新最重要的主体。核心合作机构中高校占比（见表 ７）最高的为长三角城市群，其次为京津

冀，粤港澳大湾区最低，这说明长三角城市群的高校参与专利技术合作的积极性相对更高。核心合作机

构中研究院所占比最高的为粤港澳大湾区，表明大湾区的研究院所在专利技术合作中更为主动。

表 ７ 三大城市群各类型核心合作机构占比 ％

京津冀 长三角 粤港澳大湾区

企业 ７６．５４ ６４．９５ ７７．１９

高校 １１．１１ ２６．８０ ８．７７

研究院所 １２．３５ ８．２５ １４．０４

借助国家企业信用信息公示系统，进一步分析三

大城市群核心合作机构中企业的类型，结果见表 ８。

京津冀 ６２家核心合作企业中，有 １４．５２％的企业类型

为国有独资或控股的有限责任公司或分公司，这一比

例在三大城市群中最高，其中合作频次最高的 ｔｏｐ１０

企业中，国有独资企业达到 ３家，分别为国家电网有限

公司、中国石油天然气集团公司、中国海洋石油集团

有限公司。这三家国有独资企业的合作频次相当于 ６２家核心企业合作频次的 ３６．５％，表明国有独资企

业对推动京津冀协同创新发挥了重要作用。长三角 ６３家核心合作企业中，自然人投资或控股的法人独

资（自然人投资或控股）的有限责任公司／分公司占比在三大城市群中占比最高。合作频次排名前三位

的企业分别为浙江吉利控股集团有限公司（自然人投资或控股的有限责任公司）、国网江苏省电力有限

公司（非自然人投资或控股的法人独资有限责任公司）、浙江吉利汽车研究院有限公司（外商投资企业法

人独资有限责任公司），这三家企业的合作频次占 ６３家核心企业合作频次的 ３１％，表明参与主体性质为

自然人和非自然人投资或控股、外商投资企业法人独资有限责任公司的企业是构建长三角协同创新网络

的重要力量。粤港澳大湾区 ４４家核心合作企业中，股份有限公司数量占比在三大城市群中位居首位。

合作频次 ｔｏｐ１０企业中，非自然人投资或控股的法人独资有限责任公司或分公司 ３家，自然人投资或控股

的法人独资有限责任公司 １家，股份有限公司（上市）３家，台港澳投资或台港澳与境内合资有限责任公

司 ２家，外商投资企业法人独资有限责任公司 １家，这 １０家企业合作频次占 ４４家核心企业合作频次的

５４．８％，表明以上几种类型的企业在粤港澳大湾区协同创新网络中起到了举足轻重的作用。

表 ８ 三大城市群核心合作机构中不同类型企业数量占比 ％

企业类型 京津冀 长三角 粤港澳大湾区

国有独资或控股有限责任公司／分公司 １４．５２ ０ １１．３６

非自然人投资或控股的法人独资有限责任公司／分公司 ５６．４５ ３９．６８ ３１．８２

自然人投资或控股的法人独资有限责任公司／分公司 １．６１ １４．２９ １３．６４

自然人投资或控股有限责任公司／分公司 １．６１ ６．３５ ２．２７

外商投资企业法人独资／中外合资有限责任公司 １．６１ ４．７６ ６．８２

台港澳投资／台港澳与境内合资有限责任公司 ０ ４．７６ ９．０９

股份有限公司 ９．６８ １７．４６ ２０．４５

外商投资企业分支机构 １．６１ ０ ０

其他 １２．９０ １２．７０ ４．５４

潘春苗，等：中国三大城市群协同创新网络比较研究 ８９

（五）协同创新的技术领域分布

按照 ＩＰＣ主分类号对应的八大技术领域，分析京津冀、长三角、粤港澳大湾区三大城市群联合申请发

明专利的技术领域分布情况（见图 ４）。在京津冀 １３个城市联合申请发明专利中，物理领域的合作专利

数量最多，占全部联合申请发明专利数量的 ３４．９％；其次为电学领域，占比为 ２１．７％；排名第三位的为作

业和运输领域，所占比重为 １３．２％。在长三角城市群 ２６个城市联合申请的发明专利中，化学和冶金领域

的合作专利数量位居首位，占比达到 ２４％；物理、电学领域的合作专利数量分别位列第二、三位，所占比

重分别为 ２１．３％和 １７．２％。在粤港澳大湾区 １１个城市联合申请发明专利中，物理、电学领域的合作专

利数量分别排在前两位，这两大领域的合作专利数量占比达到 ５５．７％。

通过对比三大城市群联合申请专利的技术领域分布情况（见图 ４）可以看出，京津冀与粤港澳大湾区

的技术领域较为相似，在这两大城市群联合申请的发明专利中，均有 ７０％左右的合作专利来自物理、电

学、作业和运输三大技术领域，表明京津冀、粤港澳大湾区这两大城市群内部物理、电学、作业和运输领域

的专利合作活动更加活跃；长三角城市群在物理、电学、作业和运输三大技术领域的合作专利数量占比为

５５６％，低于京津冀和粤港澳大湾区，但化学和冶金领域的合作专利数量占比却高于其他两大城市群，说

明长三角城市群中化学和冶金领域的创新主体参与专利合作的积极性更强。

图 ４ 三大城市群合作专利的技术领域分布情况

五、主要结论与对策建议

（一）主要结论

本文基于合作专利数据构建了京津冀、长三角、粤港澳大湾区的协同创新网络，对比分析了三大城市

群协同创新整体网络的拓扑结构、各城市在网络中的地位、节点城市间的创新合作产出差距、参与主体类

型及技术领域分布，得出以下结论：第一，京津冀、长三角、粤港澳大湾区协同创新网络的整体拓扑结构特

征不同，但均满足核心—边缘结构，中心性分析结果显示，京津冀协同创新网络中的北京、天津、石家庄、

保定、唐山，长三角协同创新网络中的上海、苏州、南京、杭州、合肥，粤港澳大湾区协同创新网络中的广

州、深圳、珠海、佛山、东莞，在各自城市群协同创新网络占据着最重要的位置，在更大程度上控制着网络

的资源和信息；第二，虽然北京在三大城市群 ５０个城市中，参与联合申请专利数量高居首位，而且远高于

排名第二位的天津和上海，但是京津冀内部城市间的专利合作数量差距很大，其合作专利产出的平均基

９０ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

尼系数在三大城市群中最高，表明专利合作产出在空间上呈现的分布不均衡特点更加明显；第三，京津冀

的核心合作机构有 ７２％来自北京、天津、石家庄，长三角城市群有 ６１．３％的机构来自上海、南京、苏州和

杭州，粤港澳大湾区有 ６８．４％的机构来自广州、深圳、佛山，三大城市群的核心合作机构均以企业为主，

其中京津冀的国有独资或控股公司排名第一，长三角城市群的自然人投资或控股的法人独资公司占比最

高，粤港澳大湾区的股份有限公司数量占比位居三大城市群首位；第四，从技术领域分布来看，京津冀与

粤港澳大湾区均有 ７０％左右的合作专利来自物理、电学、作业和运输三大技术领域，而长三角城市群合

作专利占比在前三位的技术领域分别是化学和冶金、物理、电学。

（二）对策建议

根据上述研究结论，为进一步推动京津冀、长三角城市群、粤港澳大湾区协同创新，特提供几点政策

建议以供参考。

第一，继续完善京津冀协同创新布局，缩小城市间创新产出差距。天津、河北都在积极谋划与北京的

协同创新合作，在承接北京创新资源疏解和创新成果产业化落地方面，河北与天津之间存在一定程度的

竞争关系。因此，一方面要结合各地发展基础和资源特点，明确京津冀区域各城市的功能定位和产业发

展方向，聚焦重点产业领域，促进京津冀各城市合理分工与优势互补；另一方面要支持河北省内的高校、

科研院所、各类型企业开展多种形式的协同创新合作，加强省内各城市的协同创新联系，缩小与京津的创

新产出差距。

第二，加强长三角城市群内部的跨省份创新合作，提升区域的整体协同创新能力。未来要围绕化学

和冶金、物理、电学等重点合作领域，鼓励上海、江苏、浙江、安徽的高新技术企业、高校院所、产业技术联

盟等各类创新主体开展跨省份创新合作，合作申请和实施国内国际科学工程，共建研发平台，联合开展关

键核心技术攻关，推动城市群内各城市间科技创新资源开放共享，共同推进长三角协同创新共同体建设。

第三，推动粤港澳三地的科技创新要素加速对接合作，共同助力国际科技创新中心建设。目前，香

港、澳门与广东 ９个城市之间的协同创新联系不强，未来合作空间很大。因此，要加快破除粤港澳三地创

新合作的体制机制障碍，加强三地的交通联系强度，充分发挥三地的科技资源优势，大力支持物理、电学、

作业和运输等重点合作领域的民营企业合作实施国家科技重大项目，鼓励三地的高校、科研院所联合培

养人才，共同建设具有全球有影响力的国际科技创新中心。

参考文献：

［１］ 陈劲，阳银娟．协同创新的理论基础与内涵［Ｊ］．科学学研究，２０１２（２）：１６１－１６４．

［２］ 何郁冰．产学研协同创新的理论模式［Ｊ］．科学学研究，２０１２（２）：１６５－１７４．

［３］ 杨继瑞，杨蓉，马永坤．协同创新理论探讨及区域发展协同创新机制的构建［Ｊ］．高校理论战线，２０１３（１）：５６－６２．

［４］ 苏屹．基于系统科学的协同创新理论分析方法研究［Ｊ］．科研管理，２０１３（Ｓ１）：１４０－１４３，１８８．

［５］ 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．

［６］ 龙开元．跨行政区创新体系建设初探［Ｊ］．中国科技论坛，２００４（６）：５０－５４．

［７］ 王鹏．试论跨行政区域创新系统的形成基础和动力支持［Ｊ］．科技管理研究，２００９（１）：２１５－２１７．

［８］ ＧＬＣＫＬＥＲＪ．Ｅｃｏｎｏｍｉｃｇｅｏｇｒａｐｈｙａｎｄｔｈｅｅｖｏｌｕｔｉｏｎｏｆｎｅｔｗｏｒｋｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃＧｅｏｇｒａｐｈｙ，２００７，７（５）：６１９－６３４．

［９］ 叶一军，顾新，李晖，等．跨行政区域创新体系下创新主体间协同创新模式研究［Ｊ］．科技进步与对策，２０１４（１６）：２９－３３．

［１０］ＭＡＧＧＩＯＮＩＭＡ，ＵＢＥＲＴＩＴＥ，ＮＯＳＶＥＬＬＩＭ．Ｄｏｅｓｉｎｔｅｎｔｉｏｎａｌｍｅａｎｈｉｅｒａｒｃｈｉｃａｌ？Ｋｎｏｗｌｅｄｇｅｆｌｏｗｓａｎｄｉｎｎｏｖａｔｉｖｅｐｅｒｆｏｒｍ

潘春苗，等：中国三大城市群协同创新网络比较研究 ９１

ａｎｃｅｏｆＥｕｒｏｐｅａｎｒｅｇｉｏｎｓ［Ｊ］．ＴｈｅＡｎｎａｌｓｏｆＲｅｇｉｏｎａｌＳｃｉｅｎｃｅ，２０１４，５３（２）：４５３－４８５．

［１１］ＳＣＨＥＲＮＧＥＬＬＴ，ＨＵＹ．ＣｏｌｌａｂｏｒａｔｉｖｅＫｎｏｗｌｅｄｇｅＰｒｏｄｕｃｔｉｏｎｉｎＣｈｉｎａ：ｒｅｇｉｏｎａｌｅｖｉｄｅｎｃｅｆｒｏｍａｇｒａｖｉｔｙｍｏｄｅｌａｐｐｒｏａｃｈ［Ｊ］．

ＲｅｇｉｏｎａｌＳｔｕｄｉｅｓ，２０１１，４５（６）：７５５－７７２．

［１２］吕国庆，曾刚，顾娜娜．基于地理邻近与社会邻近的创新网络动态演化分析———以我国装备制造业为例［Ｊ］．中国软科

学，２０１４（５）：９７－１０６．

［１３］刘凤朝，闫菲菲，马荣康，等．邻近性对跨区域研发合作模式的影响研究———基于北京、上海、广东的实证［Ｊ］．科研管

理，２０１４（１１）：１００－１０８．

［１４］侯媛媛．中国跨区域创新合作的模式及影响研究［Ｄ］．北京：北京理工大学，２０１５．

［１５］刘鹏程，韩贵鑫，王小洁．个体创业、区域创业精神与主观社会阶层［Ｊ］．南开经济研究，２０２１（６）：２１６－２３３．

［１６］ＡＣＯＳＴＡＭ，ＣＯＲＯＮＡＤＯＤ，ＦＥＲＲ?ＮＤＩＺＥ，ｅｔａｌ．ＦａｃｔｏｒｓａｆｆｅｃｔｉｎｇｉｎｔｅｒｒｅｇｉｏｎａｌａｃａｄｅｍｉｃｓｃｉｅｎｔｉｆｉｃｃｏｌｌａｂｏｒａｔｉｏｎｗｉｔｈｉｎＥｕ

ｒｏｐｅ：Ｔｈｅｒｏｌｅｏｆｅｃｏｎｏｍｉｃｄｉｓｔａｎｃｅ［Ｊ］．Ｓｃｉｅｎｔｏｍｅｔｒｉｃｓ，２０１１，８７（１）：６３－７４．

［１７］谢伟伟，邓宏兵，苏攀达．长江中游城市群知识创新合作网络研究———高水平科研合著论文实证分析［Ｊ］．科技进步与

对策，２０１９（１６）：４４－５０．

［１８］庄涛．区域产学研协同创新关系及时空演化———来自合作专利的证据［Ｊ］．技术经济与管理研究，２０２０（１０）：１２３－１２８．

［１９］苏灿，曾刚，叶雷，等．长三角地区跨区域合作创新对区域多样化的影响研究［Ｊ］．长江流域资源与环境，２０２１（３）：５３４

－５４３．

［２０］杨龙志，刘霞．区域间技术转移存在“马太效应”吗？———省际技术转移的驱动机制研究［Ｊ］．科学学研究，２０１４（１２）：

１８２０－１８２７，１８５８．

［２１］肖站旗，张淑慧，刘凤朝，等．区域技术搜索特征对其技术交易网络位置的影响———基于技术位的分析［Ｊ］．科学学与科

学技术管理，２０１９（４）：６５－７５．

［２２］牛欣，陈向东．城市间创新联系及创新网络空间结构研究［Ｊ］．管理学报，２０１３（４）：５７５－５８２．

［２３］吕拉昌，梁政骥，黄茹．中国主要城市间的创新联系研究［Ｊ］．地理科学，２０１５（１）：３０－３７．

［２４］弓志刚．基于社会网络分析的中国跨区域技术创新合作研究［Ｊ］．科技管理研究，２０１２（１０）：１０－１４．

［２５］刘芳芳，冯锋．产学研跨区域合作现状及特征研究———基于社会网络视角［Ｊ］．科学学与科学技术管理，２０１５（８）：８３

－９２．

［２６］周密，孙癹阳．专利权转移、空间网络与京津冀协同创新研究［Ｊ］．科学学研究，２０１６（１１）：１７３６－１７４３．

［２７］李庆博，李子彪．京津冀区域技术转移网络结构与网络治理［Ｊ］．科技管理研究，２０１９（３）：９９－１０６．

［２８］陈红军，谢富纪．京津冀产学协同创新绩效影响因素分析———基于多维邻近性视角［Ｊ］．技术经济，２０２１（１０）：１０８－１１８．

［２９］徐宜青，曾刚，王秋玉．长三角城市群协同创新网络格局发展演变及优化策略［Ｊ］．经济地理，２０１８（１１）：１３３－１４０．

［３０］付晓宁，孙伟，闫东升．长三角专利转移网络的时空演化研究［Ｊ］．长江流域资源与环境，２０２１（１０）：２３４７－２３５９．

［３１］吴慧，顾晓敏，赵袁军．长三角区域产业协同创新一体化的社会网络研究［Ｊ］．华东经济管理，２０２１（１）：１６－２３．

［３２］徐维祥，周建平，周梦瑶，等．长三角协同创新网络韧性演化及驱动机制研究［Ｊ］．科技进步与对策，２０２２（３）：４０－４９．

［３３］李文辉，李青霞，丘芷君．基于专利计量的粤港澳大湾区协同技术创新演化研究［Ｊ］．统计研究，２０１９（８）：７４－８６．

［３４］锁箭，汤瑞丰．粤港澳大湾区高质量创新协同发展研究［Ｊ］．科技进步与对策，２０２０（２４）：４６－５３．

９２ ｈｔｔｐ：／／ｃｌｇｓｋ．ｑｋｓ．ｃｑｕｔ．ｅｄｕ．ｃｎ

Ａｃｏｍｐａｒａｔｉｖｅｓｔｕｄｙｏｆｃｏｌｌａｂｏｒａｔｉｖｅｉｎｎｏｖａｔｉｏｎｎｅｔｗｏｒｋｓ

ｉｎＣｈｉｎａ’ｓｔｈｒｅｅｕｒｂａｎａｇｇｌｏｍｅｒａｔｉｏｎｓ

———Ｂａｓｅｄｏｎｐａｔｅｎｔｃｏｏｐｅｒａｔｉｏｎｄａｔａ

ＰＡＮＣｈｕｎｍｉａｏ

１

，ＭＵＡｉｙｉｎｇ

２

（１．ＳｃｈｏｏｌｏｆＥｃｏｎｏｍｉｃｓ，ＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｏｃｉａｌＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０２４８８，Ｃｈｉｎａ；

２．ＩｎｓｔｉｔｕｔｅｏｆＥｃｏｎｏｍｉｃｓ，ＨｅｂｅｉＵｎｉｖｅｒｓｉｔｙｏｆＥｃｏｎｏｍｉｃｓａｎｄＢｕｓｉｎｅｓｓ，Ｓｈｉｊｉａｚｈｕａｎｇ０５００６１，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ： Ｓｅｌｅｃｔｉｎｇ ｔｈｅ ｐａｔｅｎｔｃｏｏｐｅｒａｔｉｏｎ ｄａｔａ ｏｆＢｅｉｊｉｎｇＴｉａｎｊｉｎＨｅｂｅｉ，Ｙａｎｇｔｚｅ ＲｉｖｅｒＤｅｌｔａ，

ＧｕａｎｇｄｏｎｇＨｏｎｇＫｏｎｇＭａｃａｏＧｒｅａｔｅｒＢａｙＡｒｅａｔｏｂｕｉｌｄａｃｏｌｌａｂｏｒａｔｉｖｅｉｎｎｏｖａｔｉｏｎｎｅｔｗｏｒｋ，ｔｈｅｓｔｕｄｙｃｏｍｐａｒｅｓ

ｔｈｅｃｏｌｌａｂｏｒａｔｉｖｅｉｎｎｏｖａｔｉｏｎｎｅｔｗｏｒｋｓｏｆｔｈｅｔｈｒｅｅｍａｊｏｒｕｒｂａｎａｇｇｌｏｍｅｒａｔｉｏｎｓｆｒｏｍｔｈｅｏｖｅｒａｌｌｔｏｐｏｌｏｇｙ，ｓｔａｔｕｓｏｆ

ｅａｃｈｃｉｔｙ，ｉｎｎｏｖａｔｉｖｅｃｏｏｐｅｒａｔｉｏｎｏｕｔｐｕｔｇａｐ，ｐａｒｔｉｃｉｐａｎｔｓ，ｔｅｃｈｎｉｃａｌｆｉｅｌｄｓａｎｄｏｔｈｅｒｍｉｃｒｏｌｅｖｅｌ．Ｔｈｅｒｅｓｕｌｔｓ

ｓｈｏｗｔｈａｔｔｈｅｏｖｅｒａｌｌｔｏｐｏｌｏｇｉｃａｌｓｔｒｕｃｔｕｒｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｃｏｌｌａｂｏｒａｔｉｖｅｉｎｎｏｖａｔｉｏｎｎｅｔｗｏｒｋｓｏｆｔｈｅｔｈｒｅｅ

ｍａｊｏｒｕｒｂａｎａｇｇｌｏｍｅｒａｔｉｏｎｓａｒｅｄｉｆｆｅｒｅｎｔ，ｂｕｔｔｈｅｙａｌｌｓａｔｉｓｆｙｔｈｅｃｏｒｅｐｅｒｉｐｈｅｒｙｓｔｒｕｃｔｕｒｅ．Ｔｈｅｔｈｒｅｅｍａｊｏｒｕｒｂａｎ

ａｇｇｌｏｍｅｒａｔｉｏｎｓｆｏｒｍｓＢｅｉｊｉｎｇＴｉａｎｊｉｎＨｅｂｅｉｃｏｌｌａｂｏｒａｔｉｖｅｉｎｎｏｖａｔｉｏｎｎｅｔｗｏｒｋｃｅｎｔｅｒｅｄｏｎＢｅｉｊｉｎｇ，Ｔｉａｎｊｉｎ，

Ｓｈｉｊｉａｚｈｕａｎｇ，ＢａｏｄｉｎｇａｎｄＴａｎｇｓｈａｎ，ｔｈｅＹａｎｇｔｚｅＲｉｖｅｒＤｅｌｔａｃｏｌｌａｂｏｒａｔｉｖｅｉｎｎｏｖａｔｉｏｎｎｅｔｗｏｒｋｃｅｎｔｅｒｅｄｏｎ

Ｓｈａｎｇｈａｉ，Ｓｕｚｈｏｕ，Ｎａｎｊｉｎｇ，Ｈａｎｇｚｈｏｕ，ａｎｄＨｅｆｅｉ，ａｎｄＧｕａｎｇｄｏｎｇＨｏｎｇＫｏｎｇＭａｃａｏＧｒｅａｔｅｒＢａｙＡｒｅａ

ｃｏｌｌａｂｏｒａｔｉｖｅｉｎｎｏｖａｔｉｏｎｎｅｔｗｏｒｋｃｅｎｔｅｒｅｄｏｎＧｕａｎｇｚｈｏｕ，Ｓｈｅｎｚｈｅｎ，Ｚｈｕｈａｉ，Ｆｏｓｈａｎ，ａｎｄＤｏｎｇｇｕａｎ．Ａｍｏｎｇ

ｔｈｅｔｈｒｅｅｍａｊｏｒｕｒｂａｎａｇｇｌｏｍｅｒａｔｉｏｎｓ，ＢｅｉｊｉｎｇＴｉａｎｊｉｎＨｅｂｅｉｈａｖｅｔｈｅｌａｒｇｅｓｔｇａｐｉｎｔｈｅｏｕｔｐｕｔｏｆｉｎｔｅｒｃｉｔｙ

ｉｎｎｏｖａｔｉｏｎｃｏｏｐｅｒａｔｉｏｎ，ｔｈｅｃｏｒｅｉｎｓｔｉｔｕｔｉｏｎｓｏｆｃｏｌｌａｂｏｒａｔｉｖｅｉｎｎｏｖａｔｉｏｎａｒｅｍａｉｎｌｙｅｎｔｅｒｐｒｉｓｅｓ，ａｎｄｔｈｅｔｅｃｈｎｉｃａｌ

ｆｉｅｌｄｓｏｆｃｏｌｌａｂｏｒａｔｉｖｅｉｎｎｏｖａｔｉｏｎａｒｅｍａｉｎｌｙｄｉｓｔｒｉｂｕｔｅｄｉｎｐｈｙｓｉｃｓ，ｅｌｅｃｔｒｉｃｉｔｙ，ｏｐｅｒａｔｉｏｎａｎｄｔｒａｎｓｐｏｒｔａｔｉｏｎ，

ｃｈｅｍｉｓｔｒｙａｎｄｍｅｔａｌｌｕｒｇｙ．ＩｔｉｓｒｅｃｏｍｍｅｎｄｅｄｔｏｃｏｎｔｉｎｕｅｔｏｉｍｐｒｏｖｅｔｈｅＢｅｉｊｉｎｇＴｉａｎｊｉｎＨｅｂｅｉｃｏｌｌａｂｏｒａｔｉｖｅ

ｉｎｎｏｖａｔｉｏｎｌａｙｏｕｔａｎｄｎａｒｒｏｗｔｈｅｇａｐｉｎｉｎｎｏｖａｔｉｏｎｏｕｔｐｕｔｂｅｔｗｅｅｎｃｉｔｉｅｓ；ｓｔｒｅｎｇｔｈｅｎｃｒｏｓｓｐｒｏｖｉｎｃｉａｌｉｎｎｏｖａｔｉｏｎ

ｃｏｏｐｅｒａｔｉｏｎｗｉｔｈｉｎｔｈｅＹａｎｇｔｚｅＲｉｖｅｒＤｅｌｔａｕｒｂａｎａｇｇｌｏｍｅｒａｔｉｏｎｔｏｅｎｈａｎｃｅｔｈｅｏｖｅｒａｌｌｃｏｌｌａｂｏｒａｔｉｖｅｉｎｎｏｖａｔｉｏｎ

ｃａｐａｂｉｌｉｔｙｏｆｔｈｅｒｅｇｉｏｎ；ｐｒｏｍｏｔｅｔｈｅａｃｃｅｌｅｒａｔｅｄｃｏｎｎｅｃｔｉｏｎｏｆｔｅｃｈｎｏｌｏｇｉｃａｌｉｎｎｏｖａｔｉｏｎｅｌｅｍｅｎｔｓｉｎＧｕａｎｇｄｏｎｇ，

ＨｏｎｇＫｏｎｇａｎｄＭａｃａｏｃｏｏｐｅｒａｔｉｏｎｔｏｊｏｉｎｔｌｙｃｏｎｔｒｉｂｕｔｅｔｏｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆａｎｉｎｔｅｒｎａｔｉｏｎａｌｓｃｉｅｎｃｅａｎｄ

ｔｅｃｈｎｏｌｏｇｙｉｎｎｏｖａｔｉｏｎｃｅｎｔｅｒ．

Ｋｅｙｗｏｒｄｓ：ｕｒｂａｎａｇｇｌｏｍｅｒａｔｉｏｎ；ｃｏｌｌａｂｏｒａｔｉｖｅｉｎｎｏｖａｔｉｏｎｎｅｔｗｏｒｋ；ｐａｔｅｎｔｃｏｏｐｅｒａｔｉｏｎ；ｓｏｃｉａｌｎｅｔｗｏｒｋ

ａｎａｌｙｓｉｓ；ｐａｔｅｎｔｓｔａｔｉｓｔｉｃｓ；ｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｎｏｄｅｃｉｔｉｅｓ

（责任编辑 张佑法）

潘春苗，等：中国三大城市群协同创新网络比较研究 ９３

ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＳｏｃｉａｌＳｃｉｅｎｃｅ）

２０２２年 第 ３６卷 第 ４期

Ｖｏｌ．３６ Ｎｏ．４ ２０２２

收稿日期：２０２１－０８－３１；修回日期：２０２２－０３－３１

作者简介：谷亚平，助理研究员，博士，主要从事中非关系、非洲民族问题研究；杨凯，讲师，博士，主要从事国际公法

研究。

本文引用格式：谷亚平，杨凯．中国探索人类发展权的实践创新与政策建议———以“一带一路”为例［Ｊ］．重庆理工大学学报（社会科

学），２０２２（４）：９４－１０３．

Ｃｉｔａｔｉｏｎｆｏｒｍａｔ：ＧＵＹａｐｉｎｇ，ＹＡＮＧＫａｉ．Ｃｈｉｎａ’ｓｐｒａｃｔｉｃｅｏｆｐｒｏｍｏｔｉｎｇｔｈｅｒｉｇｈｔｏｆｈｕｍａｎｄｅｖｅｌｏｐｍｅｎｔａｎｄｐｏｌｉｃｙｒｅｃｏｍｍｅｎｄａｔｉｏｎｓ———Ｔａｋｅ

ｔｈｅＢｅｌｔａｎｄＲｏａｄＩｎｉｔｉａｔｉｖｅａｓｅｘａｍｐｌｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＳｏｃｉａｌＳｃｉｅｎｃｅ），２０２２（４）：９４－１０３．

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｓ）．２０２２．０４．００９ 区域经济一体化

中国探索人类发展权的实践创新与政策建议

———以“一带一路”为例

谷亚平１

，杨 凯２

（１．中国社会科学院 西亚非洲研究所（中国非洲研究院），北京 １００７３２；

２．中国政法大学 国际法学院，北京 １０２２４９）

摘要：第二次世界大战之后，发展中国家为了争取平等和公平的发展机会，提出了发展权的概念，之

后发展权成为国际法中的一项基本人权。中国向来重视发展权，所开展的“一带一路”建设，有力地提升

了沿线国家的发展权。实现“一带一路”建设和发展权的最终目的都是为了提升全人类的福祉。“一带

一路”所要构建的人类命运共同体就蕴含着发展权的内涵。此外，“一带一路”建设有助于建立新的国际

经济秩序，而且注重“一带一路”沿线国家的基础设施和经贸合作。在“一带一路”建设的过程中，也出现

了一些问题，诸如沿线国家对于“一带一路”的质疑，以及债务风险、劳资纠纷和环保问题。中国应该加

强同沿线国家关于“一带一路”建设和发展权等方面的共识，提高融资能力和风险控制能力，尊重当地人

民的自主权，同时注重环境保护和外宣工作，继续为促进人类发展权的充分实现贡献力量。

关键词：“一带一路”；发展权；人类命运共同体；国际经济秩序

中图分类号：Ｃ９３４ 文献标识码：Ａ 文章编号：１６７４－８４２５（２０２２）０４－００９４－１０

一、引言

发展是人类以及人类社会永恒的主题。第二次世界大战之后，国际政治经济格局发生了巨大变化。

第三世界国家摆脱殖民统治、实现民族解放后，迫切需要发展本国经济以满足人民的生活需求，同时迫切

需要改变不平等的国际政治经济秩序。在国际舞台上，为了争取平等和公平发展的机会，改变不合理的

国际政治经济秩序，实现自身的发展，在坚持基本的人权保护理念的基础上，发展中国家提出了发展权的

概念。发展权是“二战”以来发展中国家为争取发展利益在国际社会不断斗争的产物，是发展中国家对

西方发达资本主义国家主导的不公平的国际政治经济秩序的回应。