新一代信息技术产业绿色创新效率测度及区域差异研究

程刚 李傲翔

摘 要：在區域重大发展战略和区域协调发展战略的背景下，考察重大国家战略区域新一代信息技术产业绿色创新效率的态势及其空间差异，对于全面协同提升我国新一代信息技术产业绿色创新效率具有重要意义。运用超效率EBM模型综合测度了2011—2020年重大国家战略区域新一代信息技术产业的绿色创新效率，并借助Dagum基尼系数及其分解方法全面考察绿色创新效率的区域差异及其来源。研究发现，样本考察期内各省份新一代信息技术产业绿色创新效率水平呈明显的上升态势，“十三五”期间，多数地区新一代信息技术产业的绿色创新效率相比“十二五”期间均有所提升；重大国家战略区域新一代信息技术产业绿色创新效率的空间差异呈下降趋势，总体差异主要来源于区域间差异。

关键词：新一代信息技术产业；重大国家战略区域；绿色创新效率；超效率EBM模型；Dagum基尼系数

中图分类号：F061.5  文献标识码：A DOI：10.7535/j.issn.1671-1653.2023.03.003

Research on the Efficiency Measurement and Regional Differences of Green Innovation in the New Generation Information Technology Industry：Based on the Regional Perspective of Major National

Strategic Regions

CHENG Gang1，2，LI  Aoxiang1

（1.School of Management Science and Engineering， Anhui University of Finance and Economics， Bengbu 233030， China;2.Huainan Normal University， Huainan 232038， China）

Abstract： In the context of major regional development strategies and regional coordinated development strategies， this paper accurately examined the dynamics of green innovation efficiency of new generation information technology industry in major national strategic regions and its spatial differences， which is of great significance for the comprehensive and coordinated improvement of green innovation efficiency of China's new generation information technology industry. This paper employed the super-efficiency EBM model to comprehensively measure the green innovation efficiency of new-generation information technology industry in major national strategic regions from 2011 to 2020， and comprehensively examined the regional differences in green innovation efficiency and its sources with the help of Dagum Gini coefficient and its decomposition method. It is found that the green innovation efficiency of new-generation IT industry in each province during the sample period shows an obvious upward trend， and the green innovation efficiency of new-generation IT industry in most regions has increased during the 13th Five-Year Plan period compared with the 12th Five-Year Plan period. The spatial differences of green innovation efficiency of new generation IT industry in major national strategic regions show a decreasing trend， and the overall differences mainly come from inter-regional differences.

Keywords： the new generation iformation techology industry; major national strategic regions; green innovation efficiency; super efficiency EBM model; Dagum Gini coefficient

《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》明确提出，聚焦新一代信息技术产业，培育产业发展新动能[1]（P1-38）。新一代信息技术产业作为稳创新效率增长、促产业结构转型、育绿色创新动能的关键载体，为推进高质量发展、实现“双碳”目标提供了强大的技术支撑[2]（P385-402）。同时，绿色技术创新作为我国经济高质量发展的重要引擎，是倡导绿色低碳发展理念、实现创新驱动发展的关键要素[3]（P74-85）。2021年，国务院发布的《加快建立健全绿色低碳循环发展经济体系的指导意见》（以下简称《意见》）中指出，坚持创新引领，加快构建绿色技术创新体系，培育发展新动能。这意味着全面提升新一代信息技术产业绿色创新能力已经成为促进产业绿色转型升级、推动新旧动能转换的战略保障。值得注意的是，中国绿色创新能力存在明显的“发展失衡”问题[4]（P100-110），而区域发展失衡必将制约新一代信息技术产业的绿色创新发展。2022年《国务院政府工作报告》中指出，加快落实区域重大发展战略和协调发展战略。区域重大发展和区域协调发展战略成为推动我国经济高质量發展的重要支撑。因此，在上述背景下，本研究科学量化我国新一代信息技术产业绿色创新效率水平，准确把握新一代信息技术产业绿色创新的地区差异及差异成因，为协同提升我国重大国家战略区域新一代信息技术产业绿色创新效率提供有力支撑，为推动新一代信息技术产业高质量发展提供决策参考。

一、文献综述

新发展理念下统筹推进新一代信息技术产业绿色创新发展作为扎实推动高质量发展的基本遵循和现实支撑[5]（P29-38），受到学者们的广泛关注。从相关研究进展看，早期对新一代信息技术产业的研究多从定性层面展开，主要包括新一代信息技术产业的政策演化[6]（P26-32）、经济融合[7]（P3-16）、内生动力[8]（P20-25）[9]（P40-56）和产业优化转型[10]（P63-69）[11]（P90-100）。后期随着测度方法和数据的丰富化，学者们逐渐转向对新一代信息技术产业的定量研究。在研究主题上，孟庆时等[12]（P1407-1417）从产业技术升级全过程测度了我国新一代信息技术产业的技术升级；张薇薇等[13]（P44-51）基于模糊多因素模型对2000—2016年我国新一代信息技术产业“走出去”能力进行综合评价；于长钺等[14]（P110-113）基于动态演化视角对2011—2015年我国新一代信息技术产业发展水平进行测度。在评价方法上，刘亦文等[15]（P52-61）采用DEA方法，借助非径向SBM模型测度了2012—2018年我国28个省份新一代信息技术产业的创新效率；邢纪红等[16]（P100-104）运用熵值法从活动能力、科研产出能力以及商业产出能力三方面测度了2009—2015年我国新一代信息技术产业的自主创新能力；有少数学者对绿色创新效率空间非均衡进行了研究，孙晓婷等[17]（P1092-1098）运用变异系数，基于2006—2018年中国省份数据探究了绿色创新效率的时空分异特征；向云波等[18]（P108-117）采用Theil指数考察了长江经济带2001—2016年化工产业绿色技术创新效率的地区差异。

现有研究为考察我国新一代信息技术产业绿色创新效率的测度及区域差异提供了基础，但仍存在拓展空间。一是测度指标。已有研究主要选用资金和人力投入作为绿色创新投入，经济效益和发明专利作为绿色创新产出，但在经济高质量发展和“双碳”背景下，新一代信息技术产业绿色创新需充分考虑生态环境保护。因此，本文将环境污染治理投资和固体废物排放量纳入到绿色创新效率测度指标体系中，实现对新一代信息技术产业绿色创新效率的精准测度。二是研究视角。多数学者主要从三大经济圈、四大板块和省域等视角对新一代信息技术产业进行实证分析。党的十八大以来，重大国家区域发展战略相继提出，重大国家区域发展战略已经成为当前学术界关注的焦点，从重大国家战略区域视角全面评价我国新一代信息技术产业绿色创新效率的研究亟待展开。

鉴于此，以重大国家战略区域为着力点，深入剖析新一代信息技术产业绿色创新效率的测度和区域差异。本文的边际贡献在于：第一，选用全局基准超效率EBM模型测度新一代信息技术产业绿色创新效率，弥补了传统DEA模型存在的缺陷，提高了准确性。第二，将环境污染治理投资和固体废物排放量纳入指标体系，优化绿色创新效率的投入产出变量体系。第三，将2011—2020年分为“十二五”和“十三五”两个阶段，对两个时期的五大战略区新一代信息技术产业绿色创新效率及区域差异进行对比分析。

二、方法与数据

（一）研究方法

1.全局超效率EBM模型

在数据包络分析（DEA）框架下，Tone K等[19]（P1554-1563）提出的混合距离函数（EBM）模型，有效解决了传统径向DEA模型和非径向模型所存在的问题。此外，既有研究通常是独立看待每个时期构造的绿色创新效率最佳前沿面，致使各区域新一代信息技术产业的绿色创新效率不具有跨期可比性。为此，参考Pastor J T等[20]（P266-271）提出的全局参比技术，解决了不同时期绿色创新效率的可比性问题。

以重大国家发展区域内各省份作为决策单元，构造绿色创新效率的最佳生产前沿面。假设有[WTBX]n个DMU（n=1，2，…，N），在t个时期内（t=1，2，…，T）对于每个DMUo而言，有m项投入指标X=（X1，X2，…，Xi，…，Xm） ，S项期望产出Y=（Y1，Y2，…，Yr，…，Ys），以及p项非期望产出B=（B1，B2，…，Bq，…，Bp），则生产可能性集（PPS）为

其中，（X，Y，B）为EBM模型的最优解。X代表投入，Y代表期望产出，B代表非期望产出，λ为权重变量。基于此，考虑全局基准的超效率EBM模型为

其中，s-i代表投入冗余变量，s+r代表期望产出中的不足变量，sB-q代表模型中非期望产出冗余变量，w-i表示投入变量的权重系数，w+r表示非期望产出的权重系数，ε代表模型中傳统径向松弛变量和非径向松弛变量的契合程度，取值［0，1］。若ε=0，则模型等同于传统径向模型；若ε=1，则模型等同于SBM模型。

2.基尼系数及其分解方法

运用Camilo Dagum[21]（P515-531）提出的基尼系数及其分解方法，考察重大国家发展区域新一代信息技术产业绿色创新效率的空间分异程度。相较于Theil指数、变异系数等指数，基尼系数的优点在于利用子群分解法将总体差异分解成不同来源的差异，从而分析不同子样本对总体差异的影响程度[22]（P62-82）。基尼系数的基本定义为

基尼系数可以分解为地区内差异的贡献、地区间差异的贡献以及超变密度。

式（4）与式（5）分别代表j地区新一代信息技术产业绿色创新效率总体差异Gjj和地区内差异Gw。式（6）、（7）分别代表j、h地区间新一代信息技术产业绿色创新效率差异Gjh和地区间差异净值Gnb。而Gk代表超变密度，即不同地区间绿色创新发展的交叉重叠程度。式（8）中

将Djh定义为j、h两地区间新一代信息技术产业绿色创新效率的相对影响，如式（9）、（10）、（11）所示。

其中，Fj和Fh分别代表j、h两地区累计密度函数；djh表示地区间新一代信息技术产业绿色创新效率水平的差异，等同于两地区所有yj-yh>0省份绿色创新效率水平总和的数学期望；pjh代表超变一阶矩，等同于两地区满足yh-yj>0省份绿色创新效率水平总和的数学期望。

（二）指标选取与数据说明

选取2011—2020年中国23个省（市、自治区）（不包含港澳台和西藏）作为评价对象，在此基础上综合测算重大国家战略区域新一代信息技术产业的绿色创新效率，其中重大国家战略区域包括京津冀地区、粤港澳大湾区、长三角地区、长江经济带及黄河流域。①在投入指标的选取上，采用R&D人员全时当量、新技术研发机构数作为人员和平台要素的代理变量；采用人均环境污染治理投资作为环境保护的代理变量。在期望产出指标的选取上，采用新产品销售收入反映绿色创新带来的经济效益；采用新技术研发项目数表征绿色创新的直接成果。在非期望产出的指标选取上，采用固体废物排放量作为非期望产出指标。

新一代信息技术包括通信网络、物联网、三网融合、新型平板显示、高性能集成电路以及高端软件6个行业，但新一代信息技术产业尚未有较为系统全面的产业划分和统计数据，因此，在数据选择上，借鉴李佳等[22]（P515-531）的研究，采用“电子及通信制造业”近似替代新一代信息技术产业进行实证分析。以上数据来源于《中国高技术产业统计年鉴》《中国统计年鉴》和国家统计局，针对部分年份及省份的数据丢失现象，采用趋势外推法对数据进行处理，以保证数据的完整性。

三、新一代信息技术产业绿色创新效率测度

绿色创新效率是以全面落实绿色发展理念为根本出发点，注重通过资源与资本的高效配置，实现资源能源节约集约利用、推进节能低碳减排和降低生态环境负荷，强调生态效益、经济效益、社会效益相统一的绿色发展趋势水平。基于全局基准和考虑非期望产出的超效率EBM模型，测度国家重大战略区域新一代信息技术产业绿色创新效率，结果见表1。

（一）分区域绿色创新效率的时空格局

从绿色创新效率的整体水平看，粤港澳、长三角、京津冀、长江经济带地区绿色创新效率均高于全国水平，而黄河流域绿色创新效率在样本考察期内略低于全国水平。具体而言，2011—2020年，粤港澳地区绿色创新效率平均水平为0.888，在五大战略区中处于绝对领先地位；长三角、长江经济带和京津冀次之，绿色创新效率平均水平分别为0.618，0.513和0.632；黄河流域绿色创新效率最低，平均水平为0.349，原因在于黄河流域大部分省份地处内陆，经济发展较为落后，在技术创新、环境保护等方面与沿海地区存在比较明显的差距，容易出现创新效率低、生态环境差的现象，导致该地区新一代信息技术产业绿色创新效率提升难度大。从时变趋势看，重大国家战略区域绿色创新效率均呈波动中提升态势，其年均增长率由高到低依次为黄河流域、粤港澳、京津冀、长江经济带以及长三角。上述分析表明，整个样本期内，重大国家战略区域绿色创新效率的时序特征存在显著差异，粤港澳地区绿色创新效率表现为效率高、增速快，长三角、京津冀和长江经济带表现为效率高、增速慢，而黄河流域表现为效率低、增速快。虽然绿色创新效率均得到明显提升，但部分地区仍处于最佳生产前沿之下，存在较大提升空间。

（二）分省份绿色创新效率的时空格局

图1刻画了重大国家战略区域各省市新一代信息技术产业绿色创新效率及年均增长率。从样本考察期总体测度看，2011—2020年各省份新一代信息技术产业绿色创新效率的平均水平存在显著差异，有8个省份的绿色创新效率平均水平超过0.80，其中北京的平均水平最高，为0.89，但还有6个省份的绿色创新效率平均水平不足0.30。从年均增长率看，绿色创新效率水平较低的省份的年均增长率未必较慢。在23个省份中，尽管河北、湖北和江西三省的绿色创新效率平均水平低于0.80，但其绿色创新效率均实现10%以上的年均增长，凭借快速增长，这些省份与其他地区绿色创新效率水平的差距正在不断缩小并可能实现反超。此外，陕西、贵州和四川等省的绿色创新效率呈现波动下降的趋势，其中陕西省的绿色创新效率年均降速超过10.00%。究其原因在于2011—2020年，陕西省的人力资本投入等年均增速高于大部分地区，但其环境污染治理投资存在明显下降趋势，同时固体废物产生量等非期望产出一直居高不下，高速增长的投入和居高不下的非期望产出加剧了创新投入和绿色产出的失衡，从而致使陕西省新一代信息技术产业绿色创新效率出现快速下降态势。因此，陕西省应结合实际，充分依托秦创原创新驱动平台，全面推进绿色低碳技术研发，加快新一代信息技术产业绿色转型，以人才资本、环境污染治理资金等绿色创新资源的高效利用作为支撑，逐渐提高全省绿色创新效率。由上述分析可知，各省新一代信息技术产业绿色创新效率存在较大提升潜力，绿色创新效率发展任务艰巨。

（三）分阶段绿色创新效率的时空格局

图2刻画了重大国家战略区域新一代信息技术产业绿色创新效率的阶段演进特征。在整个样本时期，五大战略区绿色创新效率呈现明显的阶梯分布特征。分阶段看，“十二五”期间粤港澳区域绿色创新效率最高，位列第一梯队；京津冀、长三角和长江经济带绿色创新效率次高，处于第二梯队；黄河流域绿色创新效率最低，位列第三梯队。“十三五”期间，党和政府全面谋划绿色技术创新规划总体布局，多数地区的绿色创新效率相比“十二五”期间有所提升。长三角超越京津冀成为我国新一代信息技术产业绿色创新高地，而黄河流域的绿色创新效率仍相对较低。其中，粤港澳的增长幅度最大，为32.00%，京津冀出现下降态势。鉴于此，要加强对京津冀与黄河流域新一代信息技术产业绿色创新的政策与资金支持，为京津冀协同发展及黄河流域高质量发展提供技术支撑。

四、新一代信息技术产业绿色创新效率的区域差异及分解

上述分析表明五个重大国家战略区域新一代信息技术产业绿色创新效率存在显著差异，为进一步揭示绿色创新效率地区差异的来源结构特征，采用Dagum基尼系数及其分解方法探寻我国新一代信息技术产业绿色创新效率区域差异来源，并对重大国家战略区域下绿色创新效率的空间异质性展开研究。由于数据的可获得性，粤港澳地区只考虑广东一个省份，其绿色创新能力区域内差异为零，因此，本文的区域差异分析不包含粤港澳地区。

（一）总体绿色创新效率差异格局及分解

表2为重大国家战略区域新一代信息技术产业绿色创新效率总体差异及其来源分解。从整体看，绿色创新效率的总体基尼系数呈现波动下降的演变态势，年均下降率为5.80%。具体而言，在2011—2013年，总体基尼系数呈现先下降后上升趋势，相比上升幅度，下降幅度更大。2014年后，总体基尼系数呈稳步下降趋势，绿色创新效率的总体差异不断缩小，原因主要在于此阶段为解决区域发展不均衡问题，国家推行了区域协调发展总战略，使得经济不发达地区大力培育发展绿色低碳的新一代信息技术产业，进而缩小了绿色创新效率的地区差距。从演变趋势看，区域内基尼系数演变趋势与绿色创新效率总体差异相似，均呈现先上升后下降的态势。区域间基尼系数演变趋势较为平稳，在样本考察期内未超过0.19。而超变密度存在大幅下降趨势，年均下降率为6.52%。从来源及贡献率看，除2013和2015年外，区域间差异一直是构成绿色创新效率总体差异的主要来源，平均贡献率为47.60%，因此，缩小地区间差距是解决绿色创新效率空间非均衡的关键。

（二）重大国家战略区域绿色创新效率的差异格局

图3描述了重大国家战略区域新一代信息技术产业绿色创新效率差异的演变特征。从总体层面看，长江经济带内部差异出现较大幅度下降，与2011年相比，2020年长江经济带内部基尼系数降幅达到71.37%；京津冀和长三角地区内部基尼系数呈现较为平稳的发展趋势；而黄河流域内部基尼系数在波动中有所提升，上升幅度为33.52%。具体看，虽然长江经济带绿色创新效率的

基尼系数在大多数年份都高于其他地区，但是其地区内部基尼系数下降最快，年均下降率达12.98%；长三角地区内差异的年均下降率次高，为11.38%；而京津冀绿色创新效率的基尼系数年均下降率最低，仅为4.27%。但同时，黄河流域内部绿色创新效率差异还在不断扩大，年均增速为3.26%。上述分析表明，长江经济带、长三角和京津冀地区内新一代信息技术产业绿色创新效率的差距在不断缩小，均衡性在逐渐加强。黄河流域虽然总体绿色创新效率显著提升，但地区内的绿色创新效率仍存在较大差异，各省份间的联动性有待加强。

由图4可知，“十二五”期间，长江经济带地区新一代信息技术产业绿色创新效率的基尼系数最大，为0.048，黄河流域和京津冀次之（0.027，0.004），长三角最低，其地区内绿色创新效率基尼系数均值为0.003，原因可能是长三角地区上海、江苏和浙江三省市地处沿海，具有独特的区位优势，经济发展水平高，其地区内新一代信息技术产业率先推动区域绿色转型升级，推动了绿色创新效率快速提高；而安徽省受到沿海地区的经济辐射，通过环境保护、资金投入，使生态、经济优势转化为技术优势，产业结构不断转型升级，绿色创新效率提高，差异降低。“十三五”期间，各区域新一代信息技术产业绿色创新效率差异均有所降低。具体看，样本期内，长江经济带地区差异下降幅度最大，达50.49%；长三角次之，为38.13%；京津冀和黄河流域最小，分别为28.14%，28.32%。在此阶段，国家提出建立健全绿色技术创新体系，各区域采取绿色技术创新“双百双千”行动等具体措施，促使和支持新一代信息技术产业走上绿色发展的道路，促进了绿色创新效率差异的稳步下降。

五、结论与建议

（一）结论

本文采用全局超效率EBM模型测度了2011—2020年重大国家战略区域新一代信息技术产业的绿色创新效率，综合运用Dagum基尼系数测算了五大战略区绿色创新效率的区域差异。研究结论如下；第一，根据绿色创新效率的测度结果，样本考察期内五大战略区新一代信息技术产业绿色创新效率水平均呈明显的上升态势，但仍存在较大改进空间。 “十三五”期间，多数地区的绿色创新效率相比“十二五”期间均有所提升，长三角超越京津冀成为我国新一代信息技术产业绿色创新高地。第二，根据基尼系数的测算结果，重大国家战略区域新一代信息技术产业绿色创新效率的总体差异呈现波动下降的演变态势，除2013和2015年外，区域间差异明显大于区域内差异。“十三五”期间，各区域新一代信息技术产业绿色创新效率差异均有所降低。

（二）建议

基于上述研究结论，绿色创新效率空间非均衡成为制约重大国家战略区域新一代信息技术产业高质量发展的重要因素，缩小区域间差距成为推动区域协调发展亟待解决的问题。故提出如下建议。

1.坚持科技创新赋能新一代信息技术产业绿色转型

在“双碳”目标战略下，绿色低碳发展成为新一代信息技术产业转型升级的底色，科技创新能力显著增强成为新一代信息技术产业提质增效任务的首要目标。同时，前文研究表明，各区域新一代信息技术产业绿色创新效率有所提升，但总体偏低，粗放式发展方式尚未根本扭转。因此，应加快各区域新一代信息技术产业转型升级。首先，推动黄河流域产业生态化、绿色化改造，深化资源能源绿色化循环利用，大力发展新材料、新能源等调整能源结构的产业，持续强化黄河流域绿色低碳技术创新。其次，强化新一代新信息技术产业科技创新支撑，加强长三角地区企业绿色创新主体地位。通过绿色金融、资金投入等方式，支持骨干企业加大绿色技术创新的研发经费投入，突破关键核心技术，探索实现“双碳”目标的变革性技术。最后，各区域应加强人才资源的引进和整合。人才是推进绿色技术创新的关键，应加快制定高技术产业人才招聘及培养制度，引进和培育具有高水平的科技人才。

2.科学认识新时代绿色创新的新内涵，继续提高新一代信息技术产业绿色创新效率水平

“双碳”背景下，新发展理念的提出为绿色创新赋予了新的内涵，绿色低碳要求将节能减排纳入其中，创新则强调生态化、绿色化创新。所以，要重视绿色创新发展的充分性，持续提升绿色创新效率水平。研究发现，粤港澳作为新一代信息技术产业绿色创新效率的“领头羊”，与长三角、长江经济带、京津冀、黄河流域差距明显，广东、江苏、北京等省市的新一代信息技术产业绿色创新效率占据绝对优势。因此，各区域需坚持问题导向，充分整合域内资源，实施差异化提升策略。一方面，绿色创新效率较高区域的新一代信息技术产业，要在保持绿色创新资源投入的基础上减少投入与产出冗余，把绿色低碳发展理念贯穿在产业结构调整、创新驱动技术升级等各个方面。另一方面，绿色创新效率较低的区域，如黄河流域、长江经济带，应加快完善绿色技术创新激励机制，实现政府企业协同运转，推动绿色发展理念的转变，抓住机遇全力推进绿色技术创新，加快提升新一代信息技术产业绿色创新效率水平。

3.制定绿色创新效率空间不均衡解决方案，坚持精准施策

各区域应结合自身情况因地制宜，不能盲目要求绿色创新效率水平达到同一标准，杜绝“一刀切”发展模式。对于京津冀地区，需要着重解决绿色创新资源的断层问题，加强顶层设计，明确各省市功能定位以及产业分工。对于长三角和粤港澳大湾区，仍需继续发挥区位优势，将其作为新一代信息技术产业绿色创新的战略重点，打造具有国际影响力的绿色创新中心。对于长江经济带区域，需要从绿色创新实践地转向主战场，充分发挥上海、江苏及浙江等省市的绿色创新带头作用，辐射带动沿江省市绿色创新发展，实现联合创新。对于黄河流域，要加强郑洛西城市群与周边城市新一代信息技术产业的协作发展，紧抓数字创新发展机遇，加快產业转型升级，制定完善的高技术人才发展激励机制，扭转黄河流域绿色创新效率在五大战略区的劣势地位。

注  释：

①京津冀包括北京、天津和河北3个省市；长三角包括上海、江苏、浙江和安徽4个省市；长江经济带包括上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、贵州和云南11个省市；黄河流域包括青海、甘肃、宁夏、内蒙古、陕西、山西、河南和山东8个省份；由于数据的可获得性，粤港澳地区只考虑广东省。

参考文献：

［1］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［J］.中国水利，2021（6）.

［2］秦阿宁，孙玉玲，王燕鹏，等.碳中和背景下的国际绿色技术发展态势分析［J］.世界科技研究与发展，2021（4）.

［3］王婧，杜广杰.中国城市绿色创新水平的空间差异及分布动态［J］.中国人口科学，2021（4）.

［4］曹虹剑，张建英，刘丹.模块化分工、协同与技术创新——基于战略性新兴产业的研究［J］.中国软科学，2015（7）.

［5］庄芹芹，吴滨，洪群联.市场导向的绿色技术创新体系：理论内涵、实践探索与推进策略［J］.经济学家，2020（11）.

［6］杨伟，张璐，杜伟锦，等.试探性治理视角下新一代信息技术产业政策演化研究［J］.科技管理研究，2021（3）.

［7］赵剑波.推动新一代信息技术与实体经济融合发展：基于智能制造视角［J］.科学学与科学技术管理，2020（3）.

［8］邓金堂，李进兵.我国战略性新兴产业内生增长机制研究［J］.软科学，2013（8）.

［9］马文君，蔡跃洲.新一代信息技术能否成为动力变革的重要支撑——基于新兴产业分类与企业数据挖掘的实证分析［J］.改革，2020（2）.

［10］杜传忠，金华旺，金文翰.新一轮产业革命背景下突破性技术创新与中国产业转型升级［J］.科技进步与对策，2019（24）.

［11］孟庆时，余江，陈凤，等.数字技术创新对新一代信息技术产业升级的作用机制研究［J］.研究与发展管理，2021（1）.

［12］孟庆时，余江.新一代信息技术产业的技术升级测度研究［J］.科学学研究，2021（8）.

［13］张薇薇，高帅雄，杜鹏飞.新一代信息技术产业“走出去”的能力评价实证研究［J］.工业技术经济，2018（8）.

［14］于长钺，王长峰，庄文英，等.基于动态演化视角的新一代信息技术产业评价研究［J］.情报科学，2018（5）.

［15］刘亦文，欧阳莹.我国新一代信息技术产业创新效率的时空特征与动态演进［J］.湖南大学学报（社会科学版），2020（5）.

［16］邢纪红，龚惠群.我国新一代信息技术产业自主创新能力评价研究［J］.华东经济管理，2017（3）.

［17］孙晓婷，高净鹤，范丹.我国绿色技术创新的区域差异和效率提升分析［J］.科技促进发展，2018（11）.

［18］向云波，王圣云，邓楚雄.长江经济带化工产业绿色发展效率的空间分异及驱动因素［J］.经济地理，2021（4）.

［19］Tone K， Tsutsui M. An Epsilon-based Measure of Efficiency in dea：A Third Pole of Technicaleiciency［J］. European Journal of Operational Research， 2010（3）.

［20］Pastor J T， Lovell C.A Global Malmquist Productivity Index［J］. Economics Letters， 2005（2）.

［21］Camilo Dagum. A New Approach to the Decomposition of the Gini Income Inequality Ratio［J］. Empirical Economics，1997（4）.

［22］李佳，王丽丽，王欢明.产业持续创新发展水平评价研究——以新一代信息技术产业为例［J］.科学决策，2021（3）.