万广晓等：基于两阶段网络DEA模型的区域可再生能源技术创新绩效研究

一

引言

我国是世界第一大能源消费国、生产国和碳排放国，能源体系呈现“总量大、不清洁、不安全”的结构特点。^[1]为了积极应对气候变化问题，我国政府已经明确了力争2030年碳达峰、2060年碳中和的发展目标，并承诺“十四五”期间节能降碳改造规模不低于3.5亿千瓦，到2030年，非化石能源占一次能源消费比重将达到25%左右，风电、太阳能发电总装机容量将达到12亿千瓦以上。^[2]当前，我国能源体系正处于能源需求体量大、油气资源相对缺乏、新能源技术尚未规模突破的发展阶段。以清洁、无碳、可再生、可持续为核心的可再生能源不仅是保障国家能源安全和独立的必然选择，也是我国生态文明建设、可持续发展的客观要求。^[3]可再生能源技术创新能够为可再生能源应用推广提供技术支撑，是促进可再生能源发展的重要因素。^[4]然而，受地域和气候影响，我国各省份可再生能源禀赋存在明显差异，可再生能源技术创新发展的潜力不同。例如，风能资源主要集中在“三北” 与东部沿海地区，其中“三北”地区约占到总蕴藏量的69%；光能资源主要分布在西部与北部地区。^[5]区域可再生能源技术创新绩效的衡量和比较，可以充分反映区域可再生能源以及创新资源的利用水平及差异，发现关键创新短板，有助于探索可再生能源技术创新水平提升路径，加快我国能源转型的步伐。

二

文献综述

由于可再生能源技术创新在促进节能减排、推动绿色能源转型方面起着重要作用，近年来有众多学者对此展开研究，主要集中在两个方面。一是衡量可再生能源技术创新水平的研究。从研究对象来看，较多学者使用研发投入^[6]、可再生能源专利数^[7]和可再生能源知识存量^[3，8]等单一指标来衡量可再生能源技术创新水平，但单一指标并不能够测度可再生能源技术创新投入产出绩效。从研究过程来看，目前研究侧重于对可再生能源技术创新活动过程进行整体分析。Bai等^[9]通过收敛分析，研究我国可再生能源技术创新的研发投入和专利产出，以此评估可再生能源技术创新水平及其时空演变趋势；肖振红等^[10]利用超效率SBM模型，选取科研投入、专利授权量以及工业三废作为投入产出变量，衡量我国绿色技术创新效率；但刘凤朝等^[11]、韩兵等^[12]指出，技术创新的实现过程包括从研究到开发、从技术到生产、从产品到市场的一系列复杂过程，直接对技术创新的初始投入和最终产出进行研究，容易忽视中间过程而造成“黑箱”问题。从研究内容来看，学者们对可再生能源技术创新的成果产出研究更偏向于期望产出。隋俊等^[13]从研发绩效、制造绩效和营销绩效3个维度对绿色创新系统的创新绩效进行评估；其他学者也多是从能源^[14]、技术^[15]、经济^[16]角度来研究可再生能源技术创新，忽视了技术创新活动中的环境约束问题。二是对可再生能源技术创新发展差异化的研究。很多学者提出了目前我国可再生能源技术创新方面存在的区域发展不均衡问题^[17-18]，认为这可能会导致可再生能源创新能力的极度集中和失衡，致使创新增长不足，从而阻碍可再生能源产业的发展和清洁能源转型进程。Lindman等^[19]利用经济模型，研究不同地区的可再生能源政策对可再生能源技术创新水平的作用；Bai等^[9]采用面板固定效应回归模型和面板阈值模型，研究收入不平等与可再生能源技术创新发展不平等之间的非线性关系；Zhao等^[20]利用基尼系数量化，发现我国光伏、风电技术创新不平等程度均处于中等水平，并结合Shapley分解法提出，消除区域不平等首先应平衡好区域研发支出和知识存量的关系。

综上所述，众多学者已经围绕可再生能源技术创新绩效展开研究并取得了一定的学术成果，但现有文献仍存在以下不足：一是多采用单一指标衡量可再生能源技术创新水平；二是对于可再生能源技术创新绩效的研究仍局限于传统单一阶段，新兴的两阶段及多阶段DEA模型没有被用于探讨可再生能源技术实际创新活动中的“黑箱” 问题。忽视中间过程的动态转化，不利于分析和解决我国可再生能源技术创新过程中的薄弱环节和问题。因此，相比传统单一阶段，两阶段模型更贴近实际创新过程。基于此，本文将研究视角聚焦于可再生能源技术创新绩效评价，借鉴已有研究，采用考虑中间附加投入的两阶段网络DEA模型，构建包括非期望产出的综合评价指标体系，充分考虑可再生能源技术创新从研究到生产、从产品到市场过程的时滞效应，分析我国可再生能源技术创新绩效并探究其异质性，辨识可再生能源技术创新发展过程中的薄弱环节，为促进我国可再生能源技术进步、实现生态经济可持续发展提供支持。

三

研究设计

（一）模型建立

数据包络分析（DEA）是评估技术创新效率的主流方法，因其不需要建立固定的生产函数和参数权重，也不需要统一维度的优势，更适合具有多输入和多输出的复杂系统。^[21]但是随着时代进步，人们发现传统单阶段DEA模型无法为管理者提供DMU内部子系统的绩效改进信息^[22]，所以Liang等^[23]开发了基于博弈方法的DEA模型，以分解两阶段网络结构的效率，该模型能够有效解决实际创新过程中的“黑箱”问题。基于该模型，众多学者进行扩展改进，提出了关联网络DEA^[24]、非合作两阶段网络DEA^[25]、共享投入两阶段网络DEA^[26]以及两阶段网络交叉效率^[27]等模型，并将其运用到多个行业，如高科技产业^[28]、工业企业^[29]、金融行业^[30] 等。可再生能源技术创新的整个过程可以明显地划分为两阶段链式过程，同时也呈现出创新要素非线性流动的网络化特征。韩兵等^[12]提出，被评价DMU在两阶段的实际投入分配比例并非最优，利用共享投入两阶段模型求解共享投入分配比例的方法将导致DMU的效率值被高估。因此，参考Li等^[25]的研究，本文构建考虑中间附加投入的两阶段网络DEA模型，能够更有效地测度可再生能源技术创新过程中各子过程的创新绩效，具体的模型概念如图1所示。

图1 两阶段网络DEA模型

本文主要以CCR模型为基础。在CCR模型中，假设评价n个 DMU，每个省份设置初始投入变量m种、最终产出变量s种、中间变量D种和附加投入变量H种，x_ij是第j个省份的第i种初始投入，y_rj是第j个省份的第r种最终产出，z_dj是第j个省份的第d种中间变量，x_hj²是第j个省份的第h种附加投入。整体的DEA模型为

模型（2）的约束条件与模型（1）中的约束条件相同，从而确保第一阶段和第二阶段的效率都不超

（二）变量说明

构建可再生能源技术创新绩效评价指标体系的关键在于评价指标的选取。评价指标应当能够正确反映可再生能源技术创新从研究到开发、从技术到生产、从产品到市场等一系列复杂的经济活动。根据可再生能源技术创新过程的特点，综合考虑国内外研究成果，遵循系统性、动态性以及数据的可获取性原则^[31]，将可再生能源技术创新过程分为：第一阶段，上游利用创新资源的“技术研发阶段”；第二阶段，下游将创新产出转入市场的“ 成果转化阶段”。第一阶段，投入指标包括可再生能源行业R&D经费内部支出和R&D人员折合全时当量，分别代表技术研发阶段的资金投入和人员投入；产出指标包括可再生能源发明专利授权量和新产品项目数。第二阶段，投入指标包括可再生能源发明专利授权量、新产品项目数以及新产品开发经费，分别代表成果转化阶段的技术投入和资金投入；期望产出指标包括可再生能源行业的新产品销售收入以及可再生能源发电量，非期望产出指标为工业废气排放量。

在数据方面，充分考虑可再生能源技术创新从研究到生产、从产品到市场过程的时滞效应，参考刘凤朝等^[11]的研究，初始投入变量采用T年数据，中间变量和附加投入变量采用T+1年数据，最终产出数据采用T+2年数据，具体指标如表1 所示。

表1 可再生能源技术创新绩效评价指标体系

（三）数据来源与处理

由于部分地区（西藏、香港、澳门、台湾）数据不全，本文的研究对象是我国其他30个省份。考虑到水、电、气、热生产和供应行业是可再生能源项目研发和投资的主要来源，本文使用水、电、气、热生产和供应行业的研发数据来表征可再生能源行业的研发数据。^[32]R&D经费内部支出、R&D人员折合全时当量、新产品项目数、新产品开发经费、新产品销售收入数据来源于《中国科技统计年鉴》以及各省统计年鉴，可再生能源发明专利授权量数据来源于中国知识产权网，工业废气排放量数据来源于《中国环境年鉴》。原始数据的描述性统计如表2所示。

表2 原始数据的描述性统计

四

 实证分析

（一） 可再生能源技术创新绩效静态评价分析

本文充分考虑研发、生产以及商业化过程中（可再生能源技术创新的全过程）的时滞效应，设置2年的滞后期，以2014—2016年为第1期，2015—2017年为第2期，以此类推，2018—2020年为第5期。利用Matlab2017b软件进行运算，得到2014—2018年各省份可再生能源技术创新的整体绩效和两阶段绩效。参考区域化质量^[33]测度中的计算公式，将各省份整体绩效平均值平均划分成4个等级，从高到低依次排序为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级，如图2所示。同时，我国幅员辽阔，区域自然条件和资源禀赋差异大、发展不均衡，这会直接影响各地区可再生能源利用水平。为分析我国可再生能源技术创新与资源禀赋的关系，依据Chen等^[34]关于我国可再生资源的地区容量因子研究结论，本文将30个评价省份划分为可再生资源丰富、一般、欠佳3类地区，如图3所示。

从图2、图3可以看出，Ⅰ级区域包括北京、浙江、吉林、青海、新疆、内蒙古、海南7个省份，其可再生能源技术创新整体绩效相较于其他省份排名靠前，其中4个省份的可再生资源容量丰富，表明突出的资源优势为当地可再生能源技术创新发展奠定了良好的基础；而包含福建、湖南、湖北、辽宁的Ⅳ级区域，其可再生能源技术创新整体绩效排名较低，并且除辽宁外其他省份的可再生资源容量欠佳，表明匮乏的资源条件是限制可再生能源技术创新发展的首要因素；但像辽宁、黑龙江、甘肃等地，可再生资源容量丰富但创新绩效表现较低，表明在实际的可再生能源技术创新过程中存在资源未高效利用的问题。

图2 各省份可再生资源技术创新整体绩效

图3 各省份可再生资源禀赋

为了进一步分析各省份的薄弱环节，根据计算出的各省份分阶段绩效的平均值，画出各省份两阶段绩效矩阵图，如图4所示，横坐标为可再生能源技术创新过程中的第一阶段技术研发绩效，纵坐标为第二阶段技术成果转化绩效。根据技术研发绩效均值（0.895）和成果转化绩效均值（0.728），可将整个矩阵图划分成 4 个矩阵^[12]，同时也将30个评价省份划分成4种类型。

（1）第Ⅰ矩阵为高研发高转化省份所在区域。该区域只有云南一个省份，相较于其他省份，云南的可再生能源技术创新两阶段绩效均表现良好，技术研发水平与技术成果转化水平较为均衡。首先，云南的可再生资源较为丰富，绿色能源可开发总量居全国第二位，是太阳能资源丰富的省份之一，可再生能源装机占总装机容量的比例高达86.9%，良好的资源条件为当地可再生能源技术创新发展奠定了基础。其次，云南作为国家光伏扶贫示范省份，政府出台了一系列激励政策和优惠措施支持光伏技术的产业化发展，2022年，全省光伏全产业链产值破千亿元，占全国光伏产业产值的7.7%。

图4 各省份两阶段绩效矩阵

（2）第Ⅱ矩阵为低研发高转化省份所在区域。该区域包括青海、新疆、吉林、陕西、山西、内蒙古、宁夏、甘肃、贵州、海南10个省份，这些省份的可再生能源技术研发能力较弱，但技术成果转化能力较强。这些省份的GDP排名基本垫底，经济基础的薄弱以及技术人才的引进、储备不足，导致其可再生能源技术创新研发的动力不足，致使可再生能源技术创新研发绩效水平较为落后。但是，由图3可知，这些地区拥有较为丰富的可再生资源，再加上地广人稀的地理优势，更利于建成大规模的清洁能源产业化基地，因此其可再生能源技术创新的商业化产出能力较强。

（3）第Ⅲ矩阵为高研发低转化省份所在区域。该区域包括北京、天津、浙江、江苏、江西、广东、上海、山东、安徽、四川、重庆、福建12个省份，这些省份的可再生能源技术创新研发能力较强，但技术成果转化能力较弱。根据全国GDP以及技术排名，这些省份无论是经济水平还是科研水平都位于全国前列，科技人才引进、储备较为充足，充足的资金、科技和人才条件，使其可再生能源技术创新研发水平相对突出。但由图3可知，这些地区可再生资源条件先天不足，工业废气污染排放量较高，占全国排放量的40%以上，对环境的负面输出较大，导致其技术成果转化绩效较低。

（4）第Ⅳ矩阵为低研发低转化省份所在区域。该区域包括广西、湖南、湖北、河南、河北、辽宁、黑龙江7个省份，这些省份的可再生能源技术创新两阶段绩效均较为落后。根据全国GDP以及技术排名，这些省份经济发展水平以及科技创新能力都相对落后，并由图3可知，湖南、湖北、广西和河南的可再生资源条件相对不足，黑龙江和辽宁虽具备可再生资源禀赋优势，但受气候及地理位置限制，可再生能源技术创新的研发水平和成果转化水平均较低。

（二）可再生能源技术创新绩效动态评价分析

从2014—2018年我国各省份可再生能源技术创新整体绩效变化情况（见图5）来看，各省份的可再生能源技术创新整体绩效大体呈现逐年递增的趋势，其中内蒙古涨幅超过了40%，大多省份处于20%~30%之间，20%以下的省份有4个，分别是云南、安徽、新疆、重庆。

图5 各省份可再生能源技术创新整体绩效变化

对不同资源禀赋地区的可再生能源技术创新的整体绩效、技术研发绩效及成果转化绩效趋势分别进行分析。从图6可以看出，不同资源禀赋地区的可再生能源技术创新整体绩效均逐年提高，资源禀赋越丰富的地区，整体创新绩效越高，而区域间的整体绩效差异逐年减小；在技术研发绩效方面，不同资源禀赋地区绩效水平存在一定的差异，资源欠佳地区的研发绩效最高，资源一般地区次之，资源丰富地区最低，区域间的技术研发绩效差异逐年减小；在成果转化绩效方面，不同资源禀赋地区绩效水平差异明显，资源丰富地区的转化绩效最高，资源一般地区次之，资源欠佳地区最低，区域间的成果转化绩效差异也在逐年减小。值得注意的是，2018年的最终产出数据来源于2020年，由于疫情对我国新能源发电项目建设和并网进度造成了一定影响，这种影响对于我国可再生能源发电的主力军——资源丰富地区的冲击更加明显，因此资源丰富地区第5期的可再生能源技术创新成果转化绩效相对有所下降，其他地区相对有所上升，导致区域间的差异明显减少，使得区域可再生能源技术创新成果转化绩效趋同，进而使得区域可再生能源技术创新整体绩效趋同。

图6 2014—2018年各区域绩效变化

进一步计算得到，2014—2018年可再生资源丰富、一般、欠佳地区以及全国可再生能源技术创新整体绩效的增长率分别是 24.96%、20. 02%、19.60%、 21.54%，技术研发绩效的增长率分别是4.32%、 3.82%、4.93%、4.29%，成果转化绩效的增长率分别是19.65%、16.82%、15.38%、17.41%。从中可以看出，可再生资源丰富地区的可再生能源技术创新整体绩效、成果转化绩效增长更快。

此外，对比两阶段创新绩效，发现大部分省份的技术研发绩效均高于成果转化绩效，说明我国许多地区普遍存在可再生能源转化消纳不足的问题。虽然近年来可再生能源装机容量逐年提升，但由于可再生能源存在不稳定的缺点，并且大规模、高比例的可再生能源发电并网尚存在一定的技术瓶颈，“弃风弃光”问题日益突出，可再生能源转化消纳问题依然面临长期挑战。

通过对30个省份整体绩效与两阶段绩效的相关性分析（见表3），发现整体绩效与两阶段绩效均相关，但整体绩效与成果转化绩效的相关性比技术研发绩效更强，表明造成我国可再生能源技术创新整体绩效不高的主要原因，是可再生能源技术成果转化阶段表现不佳。若想提高我国可再生能源技术创新的整体绩效，需将注意力更多地放在提高可再生能源技术成果转化绩效上，这与目前很多学者如Kao^[24]、李峰等^[35]的研究结论一致。

表3 整体和阶段绩效的 Spearman 秩相关检验

五

 结论及建议

本文采用考虑中间附加投入的两阶段网络DEA模型，对我国30个省份2014—2018年的可再生能源技术创新绩效进行评价分析，将可再生能源技术创新过程分解为技术研发阶段和成果转化阶段两个子过程，打开“黑箱”操作，并在考虑时滞效应的基础上构建两阶段投入产出指标体系，依据可再生资源禀赋水平划分区域，更加系统客观地衡量各区域、省份在可再生能源技术创新活动中的整体绩效及两阶段绩效，研究得到如下结论。

（1）通过可再生能源技术创新绩效静态评价分析，发现我国可再生能源技术创新绩效整体水平不高，各省发展不均衡。将所有省份按两阶段绩效水平划分成 4个矩阵，各矩阵间绩效差异较明显，大部分省份的技术研发绩效远高于成果转化绩效。绩效水平与可再生资源禀赋水平之间表现出较强的正相关性，说明良好的资源条件为可再生能源技术创新发展奠定了基础，同时揭示了有些省份存在资源未高效利用的现象。

（2）通过可再生能源技术创新绩效动态评价分析，发现我国可再生能源技术创新整体绩效、技术研发绩效以及成果转化绩效均呈现逐年递增态势。不同资源禀赋地区的整体绩效、技术研发绩效以及成果转化绩效均存在不同程度的差异，但这些差异正在逐年减小。

（3）通过整体绩效与阶段绩效的相关性分析，发现整体绩效与两阶段绩效均相关，但受成果转化绩效的影响更为显著，要想提高可再生能源技术创新的整体绩效，应在保证可再生能源技术研发进步的同时，更注重提升可再生能源技术创新成果转化产出。

基于上述研究结论，本文提出如下政策建议。

（1）对于资源丰富但技术研发水平较差的省份，如青海、新疆、内蒙古等，应当加大对资源的开发利用。一方面要注重科研人才及技术的培养和引进，为可再生能源技术创新研发提供充足的人才后备力量；另一方面要抓住自身的可再生资源优势，就地建设相关实验室、试验台、培育基地以及配套的机器设备等优质基础设施，吸引外省客户的投资，弥补自身经济基础薄弱的不足，努力促进可再生能源技术研发专利的高质量产出。

（2）对于资源丰富但成果转化水平较差的省份，如辽宁、黑龙江等，在努力提升当地经济水平的基础上，一是加强政策创新，为加快可再生能源电力消纳提供支撑保障；二是降低发电过程中污染物排放水平，实现电力生产清洁化，减少对环境的负面产出；三要注重自身可再生资源的挖掘和外部资源的引入，打造与本省资源相关的特色型可再生能源技术产业。

（3）对于资源欠佳但技术研发水平较高的省份，如上海、浙江等，要充分发挥自身良好的资金、技术、人才优势，加强与资源丰富地区的能源合作，做好技术与资源的输出和共享。