长江经济带工业绿色创新效率的时空演化及其影响因素研究

马大来，赵娜，李青松

（1. 重庆理工大学 管理学院，重庆 400054；2. 重庆师范大学 地理与旅游学院，重庆 401331）

长江经济带作为我国综合实力最强、战略支撑作用最大的区域之一，工业占有举足轻重的地位，特别是制造业已经成为长江经济带乃至全国经济发展的命脉。但是，长期以来长江经济带的工业大而不强，面临科技创新能力弱、产品档次不高、资源能源利用率低、环境污染较为突出等问题[1]。要解决这些问题，加快推进工业发展绿色转型已经势在必行。2016年，《长江经济带创新驱动产业转型升级方案》明确提出，以创新驱动促进产业转型升级是长江经济带实现经济提质增效和绿色发展的重要任务。2017年，《关于加强长江经济带工业绿色发展的指导意见》则强调，强化技术创新和政策支持，加快传统制造业绿色化改造升级。可见，党和国家已经高度重视长江经济带工业绿色转型问题。但是，要实现工业绿色转型，其核心是要提升以低能耗、低污染和高创新为主的工业绿色创新效率。那么，长江经济带的工业绿色创新效率究竟有多高？又有哪些因素对工业绿色创新效率产生了重要影响？这些都是本文所要探讨的重要问题。

绿色创新在既有文献中也被称为生态创新、环境创新、可持续创新[2]。Beise & Rennings[3]认为，绿色创新是企业采用新的或者改良的流程、技术、实践、系统和产品，其出发点要减少或者避免给环境造成损害。Chen等[4]将绿色创新定义为与绿色产品或工艺有关的硬件或软件创新，包括节能、污染预防、废物回收、绿色产品设计或公司环境管理等方面的技术创新，并将绿色创新分为“绿色产品创新”和“绿色过程创新”。总之，对绿色创新内涵的解释大致可以分为三类：一是绿色创新旨在减少对环境的不利影响[5]，二是引入环境绩效进行绿色创新的解释[6]， 三是将绿色创新等同于生态创新或环境绩效的改进[7]。

随着绿色创新逐步成为学术界研究的热点，如何准确评估工业绿色创新水平也成为学者们关注的重要问题。从已有的文献看，大多数学者主要采用随机前沿分析（SFA）和数据包络分析（DEA）评估工业绿色创新效率。相对于SFA单一产出以及需要对生产函数进行事先假定的局限性，DEA克服了这些问题，故得到了更为普遍的应用。如罗良文和梁圣蓉[8]运用该模型测算各区域工业企业绿色技术创新效率并开展因素分解。但是，传统诸如CCR、BBC等DEA方法存在两个缺陷：一是未考虑松弛变量，二是该方法强调投入与产出要素同比例、同径向的变化，与现实情况不符。为克服上述方法的不足，Tone[9]于2001年提出了SBM模型。之后，该模型在创新效率评价领域得到了广泛的应用。如吕承超等[10]、吕岩威等[11]均采用SBM-DEA模型对中国30个省份的绿色创新效率进行测度。此外，Tone[12]还进一步提出了Supper-SBM模型，克服了SBM模型不能对多个效率值为1的评价单元进行排序的局限。为此，赵路等[13]、丁显有等[14]均采用Super-SBM方法测度了工业绿色创新效率。

除了工业绿色创新效率评估外，对其影响因素的识别与分析也同样是不能忽略的重要问题。王惠等[15]分析了产业集聚效应对工业绿色创新效率的重要影响，刘明玉和袁宝龙[16]探讨环境规制对工业绿色创新效率影响的空间异质效应，乔羽等[17]的研究结果证实，绿色税收对工业企业绿色创新效率会带来双重影响。此外，何育静和蔡丹阳[18]、肖仁桥等[19]还研究了综合因素对工业绿色创新效率的影响。

尽管有学者对长江经济带工业绿色创新效率的研究有所涉猎，但是仍然存在两个方面的短板：一方面，在测度工业绿色创新效率时，并未考虑其时空演化的问题。另一方面，在分析工业绿色创新效率的影响因素时，多数研究未能考虑到地理空间因素的重要作用。空间计量经济学假定一个地区空间单元上的某种经济地理现象或某一属性值与邻近地区空间单元上的同一种现象或属性值是相关的，但传统的计量经济学未能考虑这一点。有鉴于此，针对上述研究的不足，本文在以上两个不足之处进行了完善：其一，本文基于2011—2018年长江经济带11个省份的面板数据，运用Super-SBM模型对长江经济带工业绿色创新效率开展测度的同时，采用ArcGIS10.4.1对长江经济带11个省份的工业绿色效率进行分级图示化。其二，本文采用空间计量模型对工业绿色创新效率的影响因素进行实证分析，而该方法的最大优点是解决了残差项的空间自相关性问题，且拟合优度较好。

1 研究方法、评价指标体系及数据来源

1.1 研究方法

1.1.1 Super-SBM模型

数据包络分析（DEA）是一种常用的评价方法，它不需要对生产函数进行事先假定，且可处理多产出的效率问题。但传统的DEA模型也存在着不足之处，即没有充分考虑投入产出的改进问题。为此，Tone在吸取传统的CCR、BBC等模型基础上，建立了SBM模型。虽然SBM模型是一种将投入产出松弛考虑在内的非径向、非角度的DEA方法，但却对多个效率值均为1的决策单元无法排序比较。为解决这一问题，Tone在SBM模型的基础上再次进行改进，据此提出Super-SBM模型。Super-SBM模型最大的优点是，突破了传统DEA方法中效率值最大为1的设定，有利于不同决策单元之间的比较与排序。

假定建立一个有n个决策单元（DMUs）的生产集合，m种投入要素，s1种期望产出，s2种非期望产出，投入要素、期望产出、非期望产出分别由以下向量表示则第i个决策单元第j期的投入和产出值为那么，包含非期望产出的Super-SBM模型的基本公式表示如下：

1.1.2 空间自回归模型与空间误差模型

依据地理学第一定律，任何事物之间在空间上都存在着联系，并且这种联系程度受到与事物之间距离大小的影响[20]。因此，本文充分考虑空间因素的重要影响，将空间矩阵纳入传统的计量模型之中，使得长江经济带工业绿色创新效率影响因素的测量更为准确。同时，之所用采用空间计量模型，这是因为相较于传统普通面板数据模型，空间计量模型在回归过程中考虑到了变量可能存在的空间效应，避免了回归结果中重大误差的出现。目前，经典的空间计量模型有空间自回归模型（SAR）和空间误差模型（SEM）。参照Anselin[21]的研究成果，空间自回归模型的基本形式如下：

式中：y是因变量；ρ、λ是空间自回归系数，该系数用于衡量整个模型中空间效应的大小；W是空间权重矩阵，一般表现为n×n矩阵；Wy是空间自回归项；β是自变量的系数；ε是随机误差项；N为正态分布。

借鉴Haining[22]的研究，空间误差模型可以表示为：

式中：y是因变量；λ是空间自回归系数，此系数含义不同于空间自回归模型中的系数，该系数体现了整个模型残差项是否具有空间效应；β同样是自变量的系数；μ是随机误差项。

1.2 工业绿色创新效率评价指标体系

借鉴易明和程晓曼[23]的观点，本文将工业绿色创新效率界定为，一定区域或产业在一定时期内，在综合考虑生态和资源环境要素前提下，生产和技术创新过程中各种投入要素的有效利用程度。本质上，工业绿色创新效率体现在一定时期内，工业行业综合考虑环境污染和能源消耗的创新发展水平。基于此，结合黄磊和吴传清等[24]的研究成果，本文建立衡量工业绿色创新效率投入产出的评价指标体系。其中，绿色创新效率投入要素为R&D人员投入、R&D经费投入和工业能源投入三大要素。较之传统的创新要素，本文将“能源”要素考虑在内，以此客观度量长江经济带工业绿色创新的质量。基于数据的可获得性，R&D人员投入选择规模以上工业企业R&D人员全时当量，R&D经费投入采用规模以上工业企业R&D经费内部支出，工业能源投入选择以万吨标准煤计量的工业能源消耗总量作为替代指标。绿色创新产出包含两部分，即期望产出和非期望产出。其中，期望产出分别由专利申请授权数和新产品销售收入构成，前者用规模以上工业企业有效发明专利数予以表征，后者则以规模以上工业企业新产品销售收入作为替代变量。此外，为消除价格因素带来的失真，规模以上工业企业新产品销售收入采用工业品出厂价格指数平减2011年为基期的不变价格。非期望产出则以工业废水排放总量、工业废气中的二氧化硫（SO2）排放量以及一般工业固体废弃物排放量三个变量为替代指标（表1）。

表1 工业绿色创新效率评价指标体系

1.3 数据来源

基于数据的可得性与全面性，本文选择使用长江经济带11个省份2011—2018年的面板数据作为研究样本，数据均来源于2012—2019年的《中国统计年鉴》《中国科技统计年鉴》《中国工业统计年鉴》《中国能源统计年鉴》以及长江经济带各省份的地方统计年鉴。此外，部分缺失数据由平均法以及移动平均法填补。

2 长江经济带工业绿色创新效率评价及其时空演化

2.1 长江经济带工业绿色创新效率静态分析

基于所构建的工业绿色创新效率评价指标体系，在整理出长江经济带11个省份2011—2018年的面板数据后，本文采用Super-SBM模型对长江经济带工业绿色创新效率进行测度。为了方便分析，将长江经济带划分为下游、中游和上游三大区域（表2）。

表2 长江经济带工业绿色创新效率的测度结果

从整体来看，长江经济带2011—2018年的工业绿色创新效率均值为0.833 7，未达到DEA有效状态，这充分表明长江经济带的工业绿色创新仍有很大的发展空间。从时间演变看，2011—2015年长江经济带总体工业绿色创新效率逐步提高。该上升态势的形成，其原因在于：“十二五”规划明确提出要坚持绿色发展，建设资源节约型、环境友好型社会，同时强调创新驱动，这为长江经济带的生态环境保护带来了良好的契机。2015—2018年，长江经济带工业绿色创新效率较为平稳，波动变化不大。可见，伴随着“共抓大保护，不搞大开发”方针的实施，长江经济带正逐步走上生态优先、绿色发展之路。

将长江经济带划分为上游、中游、下游并做进一步分析。长江经济带工业绿色创新效率下游最高，均值为1.010 3，上游为0.767 2，居于中间位置，中游最低，其平均值为0.686 9。可见，长江经济带下游的工业绿色创新水平最高，其重要的原因在于，下游的工业发展起步早，工业体系完善，加之对工业绿色发展的重视程度高，用于创新的研发人员与研发资金投入多。中游和上游的工业绿色创新效率相对较低，说明了中游和上游的工业绿色创新体系仍需不断完善。

从省域范围看，上海、浙江、安徽、重庆、湖南、四川在样本期内工业绿色创新效率均值高于长江经济带的平均水平。其中，上海市的工业绿色创新效率均值大于1，属于DEA有效区。之所以上海的工业绿色创新效率实现了最优化，其原因在于上海作为全国最大的金融中心，工业绿色创新的研发人员、研发资金充足，生产技术水平先进，且政策方面更注重产业转型升级。浙江、安徽、重庆、湖南、四川5个省份虽然不属于DEA有效区，但仍领先于长江经济带总体的发展。其中，浙江、安徽、重庆3个省份的工业绿色创新效率分别为0.991 7、0.957 7、0.937 3，接近DEA有效状态。此外，江苏、贵州、湖北、云南、江西等5个省份的工业绿色创新效率均值低于长江经济带平均水平，这意味着这5个省份在工业绿色创新方面有较大的提升空间。

2.2 长江经济带工业绿色创新效率时空演化

在时空演变上，运用ArcGIS10.4.1对长江经济带11个省份的工业绿色效率进行分级图示化（图1）。颜色越深代表效率越高，选取2011年、2013年、2015年、2018年4个时段进行比较分析。由图1可知，2011—2018年长江经济带工业绿色效率较高的省份数量总体呈减少趋势，需要引起重视。其中，上海、浙江、安徽等长江经济带下游省份的工业绿色创新效率始终维持在较高水平。上海作为我国最大的经济中心城市，其人才、资金、政策等具有先天的优势，为企业开展绿色创新活动提供了优越的条件。得益于依托长三角的强有力辐射带动作用，浙江、安徽的工业绿色创新也维持了较高水平。江苏的工业绿色创新效率一直不尽如人意，可能原因是江苏作为传统的制造业大省，制造业的层次和水平还处于中低端，核心关键技术突破不够。湖北、江西的工业绿色创新效率也一直维持在较低水平上，而湖南的工业绿色创新效率则出现较大幅度下降。湖北、湖南、贵州作为长江经济带中游省份，其工业结构的“重型化”依旧明显，亟待实现工业的绿色转型发展。重庆、四川、贵州的工业绿色创新效率在样本期内呈现波动中下降趋势，而云南整体趋于稳定，但处于较低水平，未来这些省份的工业绿色创新具有较大发展潜力。整体上，长江经济带的工业绿色创新效率呈现出显著的空间分异特征，上海是工业绿色创新效率最高的地区，江西最低，效率值总体呈“两头高、中间低”的空间分布格局。

图1 长江经济带工业绿色创新效率时空分异

3 长江经济带工业绿色创新效率影响因素的空间回归分析

3.1 空间计量模型构建与数据来源

为进一步探讨工业绿色创新效率的影响因素，参考前文的相关文献，本文设定包括经济增长、企业规模、产业结构、金融发展、市场化程度、环境规制、能源消费结构等7个影响因素，具体各个影响因素的指标解释见表3。下面将具体分析各个影响因素对工业绿色创新的作用机理。

表3 工业绿色创新效率的影响因素指标

（1）经济增长。从长期看，经济增长能够为技术创新提供物质保障，是企业开展技术创新活动不可缺少的动力源泉[25]。但是从短期看，过度追求经济增长目标，反而对企业的技术创新水平产生抑制作用。特别是在经济增长预期目标的压力之下，相比较于周期长、风险高的技术创新投资项目，固定资产投资项目更容易受到企业或者政府的偏好，这反而提高了企业技术创新资金的筹集难度。因此，经济增长对工业绿色创新效率的影响具有一定的不确定性，还需要本文的进一步检验。

（2）企业规模。“熊彼特假设”提出企业规模与技术创新之间存在紧密的联系。其中，大企业的资源、地位保证了大规模的研发投入，并使企业具有较强的风险抵御能力[25]。同时，企业规模扩大可以产生规模经济效应，平摊研发成本，这对于技术创新活动来说是必要的[26]。但是，企业规模过大也可能导致组织固化，降低企业灵活性，使得企业创新决策缓慢和管理无效率[27]。因此，究竟企业规模与工业绿色创新效率的关系如何，这值得本文探究。

（3）产业结构。产业变革与技术变革两者之间存在长期稳定的互动关系[28]。一般而言，产业结构调整带有明显的战略性调整的特征。产业结构可以对需求产生重要影响，而需求变化则会反过来推动技术创新活动。特别是当前中国大力倡导产业结构的优化升级，注重发展绿色制造，这对企业生产技术的智能化、绿色化提出了更高的要求。因此，产业结构的升级有利于提升工业绿色创新效率。

（4）金融发展。Levine[29]认为，金融发展与技术进步相互促进，相辅相成。随着金融发展规模的不断扩大，金融市场越发完善，越利于降低企业用于开展绿色创新活动的借贷成本，方便环保类企业获得充足的外部融资。鉴于企业从事创新活动周期长，资金需求量大，只有较高金融发展水平才能为企业获得外部资金提供便利，利于降低企业从事绿色创新活动中的资金短缺问题[30]。此外，对于高污染、高排放行业中存在的落后产能，可以借助金融尤其是绿色金融方式实现出清，从而提高绿色创新效率。

（5）市场化程度。市场化程度越高，往往意味着包括资本、人力等创新资源配置水平越高，这有利于提升企业创新效率。李晓阳等[31]验证了市场化改革对工业绿色创新效率的影响，其实证结果表明了推进市场化改革能够有效提高中国的工业绿色创新效率。有鉴于此，本文初步认定市场化程度与工业绿色创新效率呈现正相关关系。

（6）环境规制。环境规制主要是通过环境规制政策来实现。“波特假说”认为环境规制具有创新补偿效应，且能够促进企业进行技术创新，提高创新效率[32]。从消费者需求的角度来说，环境规制政策会提高消费者的环保意识，使得消费者在消费过程中更倾向于低污染、低耗能产品，环境规制强度增加会激发企业对绿色产品的研发创新。

（7）能源消费结构。地区的能源消费会对企业生产技术的导向产生较大影响。当地区能源结构以传统的化石能源为主时，此时企业的生产技术创新更多呈现灰色偏向，绿色创新的动力不足。反之，当清洁能源逐步替代传统的化石能源时，会逐步带动企业的技术创新活动偏向绿色化。长江经济带大多数省份的能源消费以煤炭、石油等为主，这种能源结构显然不利于提升工业绿色创新效率。

由于传统的计量模型没有考虑到空间因素，可能导致回归结果存在一定的误差。因此，基于上文所提出的长江经济带工业绿色创新效率的7个影响因素，本文采用空间计量模型进行回归分析。根据选取的影响因素指标，构建如下空间计量模型：

该模型为包含固定效应的空间计量模型。δ、λ分别是空间自回归系数、空间误差系数。若δ=0，则该模型为空间误差模型；若λ=0，则该模型转化为空间自回归模型。其中，i表示长江经济带沿线的各个省份，t为年份。IGIE表示工业绿色创新效率，是被解释变量；EG、ES、IS、FD、MD、ER、ECS均为解释变量，分别代表经济增长、企业规模、产业结构、金融发展、市场化程度、环境规制和能源消费结构。

3.2 实证结果及分析

基于公式（4），本文运用传统的最小二乘法对其开展初步模拟，并运用Matlab7.12软件验证模型的残差项是否表现出显著空间自相关性，以此表明采用空间计量模型对于优化模型估计的必要性。同时，为表明模型通过控制固定效应得以提高解释力度，表4分别给出4种不同模型的回归结果。通过比较无固定、空间固定、时间固定和双向固定4个不同模型结果的差异性，以此判断究竟采用哪种固定效应的模型用于变量解释是最优的。

根据表4结果，选出合适的模型以提高变量解释力度。首先，对4个模型的R2值进行比较，结果显示无固定效应模型最小，仅为0.500 1，时间固定效应模型为0.515 0，略大于前者，空间固定效应是0.771 2，处于第二位置，双向固定效应最大，达到了0.829 5。因此，双向固定效应模型拟合度要好于其他3个模型。其次，再对4个模型DW值的大小进行比较。4个模型分别为2.058 8、1.780 5、2.122 9和2.280 6，双向固定模型再次超过其他3个模型。基于以上两个方面的比较，这充分表明双向固定效应模型的拟合结果比其他3个模型都要好。为此，本文最终选择采用该模型进行后面的实证分析。此外，检验了模型的残差项是否具有空间自相关性。双向固定效应模型的LM-lag、LM-err分别为5.157 9、6.118 9，前者通过了5%显著水平的检验，后者在1%水平上表现显著。以上两个结果显示出，在普通模型中残差项不可避免存在空间自相关性。传统的最小二乘法估计对于这一问题是无法解决的，其结果往往导致模型估计有偏的情况出现，故本文将普通模型换成空间模型。由于LM-err的统计量要大于LM-lag的统计量，相比较之下，空间误差模型（SEM）的结果表现更优。

表4 普通面板数据模型的估计与检验结果

由于传统的最小二乘法估计不能解决残差项的空间自相关问题，在估计结果有偏的情况，有必要对普通模型的结果进行重新分析。为此，本文基于空间计量模型的极大似然法再次对公式（4）开展回归，具体结果如表5所示。表5同时给出了SAR模型和SEM模型两个不同的模拟结果。与前文的普通模型结果比较可知，不仅空间模型的R-squared值实现了提升，而且部分解释变量的T检验得以改进，这充分表明双向固定效应空间计量模型的结果在原有基础上实现了优化。此外，SAR模型和SEM模型的估计结果差异较小。但是，相比较而言，SEM模型的Log-L值略大，这意味着SEM模型的估计结果解释力度更好。最终，本文选择SEM模型的估计结果进行解释变量的分析。

表5 空间计量模型的估计与检验结果（双向固定效应）

经济增长（EG）对工业绿色创新效率具有显著的抑制作用。这一结果与刘明玉和袁宝龙[16]的研究结论整体一致。在过度追求经济规模与速度的前提下，长江经济带大多数省份的经济增长依旧依靠资源的大量投入作为代价，呈现出典型的粗放型增长特征。同时，由于多数企业对粗放型增长方式产生了严重的路径依赖，导致企业严重缺乏绿色创新的积极性，并且这一问题在短期内难以扭转，这显然对工业绿色创新效率产生了不利的影响。

企业规模（ES）在1%显著水平上对工业绿色创新效率的影响为正，表明企业规模扩大对实现工业绿色创新有利。这也印证了前文的假设：一方面，企业规模越大，能够用于开展绿色创新的人力和资金就越多，能够更好地开展绿色创新活动；另一方面，绿色创新的规模报酬递增特征使得企业规模对技术创新活动产生驱动效应。

产业结构（IS）的估计系数为正，且通过了1%显著水平的检验，这意味着第二产业产值在GDP所占比重的提高有利于提升工业绿色创新效率。特别是中央政府出台了《中国制造2025》战略文件后，我国将更加重视工业的提质增效问题，明确将创新驱动与绿色发展作为工业发展的基本方针。在此背景下，工业发展对技术创新提出了更高的需求，这显然有利于激发企业的绿色创新动力。

金融发展（FD）与工业绿色创新效率呈现出正相关关系，并且在5%水平上表现出高度显著。该结果充分印证了资金不足是制约企业开展创新活动的关键因素，而成熟的金融市场环境利于企业以较小成本与风险获得信贷资金。同时，在政府绿色金融政策引导下，越来越多的金融机构开始将信贷资金向清洁低碳企业倾斜，而高污染企业难于获得融资，这同样有利于倒逼企业开发低碳清洁生产技术，逐步淘汰高污染、高能耗的生产设备[33]。

市场化程度（MD）在5%显著水平上对工业绿色创新效率的影响为正，显示出规模以上工业企业中非国家资本在实收资本中所占的比重越高，越有利于提高工业企业绿色创新效率，这与前文假设保持一致。同时，该结果还反映出，伴随着中国逐步完善市场机制，价格机制对资源配置的引导作用越来越大，这能灵活地引导相关资源流转并集聚到获得更高效益的生产领域。此外，市场化程度提高还能激发以企业作为重要创新主体的创新热情与研发能力。

环境规制（ER）对工业绿色创新效率具有明显的促进作用。正如前文所假设的一样，即地区的环境规制强度越强，企业开展生产活动所需要付出的“绿色”成本也越高。在严格的环境规制下，为保持企业竞争力并减少环境成本支出，企业有动力从事绿色创新活动。

能源消费结构（ECS）对工业绿色创新效率的影响虽然为负，但是却表现不显著。可能与长江经济带煤炭消费占能源消费的比例不断下降有关。正如前文所说的，降低化石能源在整个能源消费中的比重有利于提高绿色创新效率。来自统计局的数据表明，2011年长江经济带的煤炭消费占能源消费总量的67.47%，而截至2018年这一数据已经下降到56.47%，8年期间下降了11个百分点。可以说，虽然长江经济带的煤炭消费占能源消费总量的比重依然较高，但是随着时间推移不断下降，由此导致了能源消费结构对工业绿色创新效率的影响不显著。

4 主要结论与政策建议

通过梳理相关文献，本文构建出工业绿色创新效率的评价指标体系，并使用Super-SBM模型测度了长江经济带2011—2018年11个省份的绿色创新效率。同时，本文还应用Arcgis软件对长江经济带工业绿色创新效率开展时空演化分析。此外，本文还使用双向固定效应空间计量模型实证检验了经济增长、企业规模、产业结构、金融发展、市场化程度、环境规制、能源消费结构等七个因素对工业绿色创新效率的影响。基本结论如下：

从整体来看，长江经济带2011—2018年总体绿色创新效率均值为0.833 7，未达到DEA有效。分大区范围来看，长江经济带工业绿色创新效率下游最高，上游次之，中游最低。上海、浙江、安徽、重庆、湖南、四川在样本考察期间内工业绿色创新效率均值高于长江经济带的总体水平，其余五省份的工业绿色创新效率均值低于长江经济带的平均水平。上海的工业绿色创新效率最高，达到了DEA有效，而其他省份的工业绿色创新效率均未能达到DEA最优状态。时空演化结果显示，2011—2018年长江经济带工业绿色创新效率较高的省份数量总体呈减少趋势，这值得引起重视。同时，长江经济带工业绿色创新效率还呈现出“两头高、中间低”的空间分布格局。从空间计量模型的结果看，企业规模、产业结构、金融发展、市场化程度、环境规制对工业绿色创新效率有显著的正向影响，经济增长则起到了负向影响，而能源消费结构的影响却表现不显著。

基于以上结论，要进一步提高长江经济带的工业绿色创新效率，具体的政策建议如下：第一，大力推进长江经济带的经济高质量发展，改变过去传统的高投入、高排放、低产出的粗放型增长模式，进而实现经济增长由要素驱动向创新驱动的根本转变。第二，企业要积极构建绿色创新体系，并根据自身实际扩大经营规模，以充分发挥企业的规模经济效应。第三，优化产业结构，逐步淘汰落后产能企业，积极发展高技术制造业和环保产业。第四，长江经济带要积极落实绿色金融政策，积极推广绿色信贷、绿色债券、绿色股票、绿色保险、碳金融等绿色金融工具，以解决企业开展绿色创新的融资难、融资贵问题。第五，大力完善市场体系，减少政府对市场活动的过度干预，并要以市场化引导企业绿色创新的方向与领域。第六，加大环境规制强度，长江经济带各省份应因地制宜地健全与环境保护相关的政策法规，合理制定工业企业节能减排考核制度，引导工业企业主动开展绿色创新活动。第七，积极推进能源生产和消费革命，加大绿色清洁能源的发展力度，构建清洁低碳、安全高效的能源体系。