馬歆 MUHAMMAD+Raheel 薛天天 王繼東
摘要
在政府強化環(huán)境績效考核的當下,科學考察中國區(qū)域生態(tài)經(jīng)濟投入效益時空演化規(guī)律,對于中國實現(xiàn)經(jīng)濟發(fā)展與環(huán)境保護雙贏具有重要的現(xiàn)實意義?;诖耍疚牟捎?003—2014年中國大陸30個省、市和自治區(qū)數(shù)據(jù),考慮廢水、化學需氧量、工業(yè)廢氣和工業(yè)煙(粉)塵等非期望產(chǎn)出,構建SBMDEA超效率模型測算中國區(qū)域生態(tài)經(jīng)濟投入效益水平。并基于空間經(jīng)濟學的視角,對區(qū)域生態(tài)經(jīng)濟投入效益時空演化格局進行分析。結果顯示:①區(qū)域生態(tài)經(jīng)濟投入效益呈現(xiàn)從東部沿海向西部內陸地區(qū)逐漸遞減的地帶性差異;②要素配置失衡導致資源投入效率存在“短板效應”,各區(qū)域表現(xiàn)出不同的資源投入松弛量空間分布狀態(tài)、生態(tài)經(jīng)濟投入效益無法達到最優(yōu)狀態(tài);③空間全局Morans I 指數(shù)證實區(qū)域生態(tài)經(jīng)濟投入效益逐步由較強的空間集聚狀態(tài)向較弱集聚狀態(tài)轉變;④GetisOrd Gi*指數(shù)結果表明,熱點和次熱點區(qū)域呈現(xiàn)出與生態(tài)經(jīng)濟投入效益較為一致的地帶性分布;⑤重心移動軌跡曲折,東西往復擺動,表明中國區(qū)域生態(tài)經(jīng)濟投入效益分布存在振蕩演化趨勢。這意味著:要重視省際間的經(jīng)濟聯(lián)系,強化區(qū)域聯(lián)動和產(chǎn)業(yè)分工,在結構轉換的帶動下提升資源的配置效率;逐步引導企業(yè)成為科技研發(fā)投入的主體,使研發(fā)投入與產(chǎn)品和市場緊密結合,高層次人力資源,培養(yǎng)與企業(yè)需求相結合。延長熱點區(qū)域技術、人力資源等生產(chǎn)要素的空間溢出半徑,縮小生態(tài)經(jīng)濟投入效益冷熱點區(qū)域之間的失衡;政府要建立規(guī)范化的治污投資效益評價體系加強治污投資資金的管理和監(jiān)督,注重依靠市場化的手段將區(qū)域經(jīng)濟發(fā)展過程中的外部性內部化,從而推動區(qū)域生態(tài)經(jīng)濟投入效益水平的不斷提升。
關鍵詞 區(qū)域生態(tài)經(jīng)濟投入效益;非期望產(chǎn)出;SBMDEA超效率模型;時空演化
中圖分類號 F124.5 文獻標識碼 A 文章編號 1002-2104(2017)11-0010-11 DOI:10.12062/cpre.20170456
近年來,中國不少地區(qū)霧霾天氣頻發(fā),持續(xù)時間長,影響范圍大,給經(jīng)濟社會發(fā)展帶來了不利影響,引起全社會的關注。同期由亞洲開發(fā)銀行和清華大學聯(lián)合發(fā)布的環(huán)境報告中指出,中國最大的500個城市只有不到1%達到世界衛(wèi)生組織推薦的空氣質量,在全球污染最嚴重的10個城市中,中國占到了7個[1]。中國作為經(jīng)濟增長最快的國家,資源粗放式利用、污染物肆意排放與生態(tài)環(huán)境問題日益突出,并在不同地區(qū)間呈現(xiàn)出不同的表現(xiàn)形式[2]。傳統(tǒng)的資源環(huán)境經(jīng)濟學更多的是從資源稀缺配置的視角研究如何減少經(jīng)濟發(fā)展過程中外部性的影響,不少學者對污染物排放和資源投入之間的關系進行了探索,并得出許多有意義的結論[3-5]。但是這些文獻大都假定本地的資源投入和污染排放與鄰近地區(qū)沒有關系,即沒有考慮到空間的因素。根據(jù)美國地理學家Tobler在1970年提出的“地理學第一定律”中所指出的:Everything is related to everything else, but near things are more related than distant things[6],各地區(qū)之間的經(jīng)濟發(fā)展、資源投入和生態(tài)環(huán)境所存在的差異性必定與它們的地理位置和空間關系相關,臨近地區(qū)間有較強的相互影響并不斷地演化,既存在空間異質性(spatial heterogeneity),也存在空間相關性(spatial correlation)和集聚(clustering)分布。
黨的十八大首提“美麗中國”、將生態(tài)文明納入到“五位一體”總體布局。2016年12月12日,在國家發(fā)展改革委、國家統(tǒng)計局、環(huán)境保護部、中央組織部制定的《綠色發(fā)展指標體系》和《生態(tài)文明建設考核目標體系》中,資源利用權重占29.3%,環(huán)境治理權重占16.5%,環(huán)境質量權重占19.3%,生態(tài)保護指標權重占16.5%,增長質量權重占9.2%,綠色生活權重占9.2%。其中GDP增長質量權重不到資源利用、環(huán)境質量權重的一半,占全部考核權重不到10%。中國未來發(fā)展政策的制定既要“金山銀山”,也要“綠水青山”,不僅要為經(jīng)濟發(fā)展留有適當空間,更要以資源節(jié)約和生態(tài)環(huán)境的持續(xù)改善為終極目標?;诖?,本文選擇能夠同時反映經(jīng)濟發(fā)展和生態(tài)環(huán)境狀況的“生態(tài)經(jīng)濟投入效益”作為研究對象,分析其時空演化格局,并在此基礎上揭示相應的政策含義,具有必要性和現(xiàn)實的指導意義。本文結構安排如下:第一部分為相關研究述評;第二部分為研究方法與數(shù)據(jù)來源;第三部分運用考慮非期望產(chǎn)出的SBMDEA超效率模型對中國區(qū)域生態(tài)經(jīng)濟投入效益進行測算,并從空間經(jīng)濟學視角進行了分析;第四部分給出結論以及相應的政策建議。
1 相關研究述評
“經(jīng)濟和生態(tài)是一個不可分割的整體,在生態(tài)遭到破壞的世界里不可能有福利和財富”[7]。如果忽視經(jīng)濟活動對生態(tài)環(huán)境的影響,當兩者不能夠相互平衡時,就不可能實現(xiàn)社會再生產(chǎn)的良性發(fā)展。生態(tài)經(jīng)濟投入效益是投入生態(tài)資源要素的成本與獲得的經(jīng)濟收入的比值。在某區(qū)域范圍內,可使用地區(qū)生產(chǎn)總值或地區(qū)總產(chǎn)出等指標衡量經(jīng)濟收入;“生態(tài)資源要素”包含資源消耗與污染排放兩個部分[8]。其中,資源消耗可以用各種直接原料投入來衡量,主要包括能源消耗量、水消耗量、土地等資源消耗量[9];污染排放則以排放量進行衡量,主要包括廢水、廢氣、煙(粉)塵的排放量等[10]。
現(xiàn)有文獻中關于區(qū)域生態(tài)經(jīng)濟投入效益的評價方法主要包括:模糊綜合評價法[11]、層次分析法(analytic hierarchy process,AHP)[12]、隨機前沿分析(Stochastic Frontier Approach,SFA)[13]和數(shù)據(jù)包絡分析法(data envelope analyse,DEA)[14]。模糊綜合評價法的優(yōu)點在于能夠通過隸屬度函數(shù)和模糊統(tǒng)計,實現(xiàn)被評價對象的定性指標定量化,且評價結論是評價集在其論域上的子集,涵蓋了非常豐富的潛在信息量。其不足之處是:權重指標的確定帶有較強的主觀性,如果是多目標決策問題,隸屬度函數(shù)的確定也存在較多困難[15]。AHP的優(yōu)勢在于原理的簡單性與計算的便利性。但是在構建層次結構模型, 并運用成對比較矩陣進行判斷的過程,存在著較強的主觀性,有可能產(chǎn)生某些片面性判斷,結果較為粗糙[16]。SFA始于對生產(chǎn)最優(yōu)化的研究,是一種典型的參數(shù)方法。其特點在于:當分析生產(chǎn)參與者決策行為的時候,誤差項不再是均值為0的對稱分布,而是與邊界線相聯(lián)系的誤差項,通常稱為“復合誤差項”,由對稱分布誤差項與單邊誤差項組成。其中,對稱分布誤差項用于考慮環(huán)境因素的影響,而單邊誤差項則用于測度生產(chǎn)參與者的技術有效性[17]。但是,當單邊誤差項存在異方差時,得到的生產(chǎn)邊界結構參數(shù)的估計值以及技術效率的估計值都是有偏的,無論是固定效應還是隨機效應模型都不適合,極大似然法雖然可用,但由于估計參數(shù)過多,實踐上并不可行[18]。DEA是一種基于被評價對象間相對比較的非參數(shù)方法,基本原理相對簡單,尤其是適用于多投入、多產(chǎn)出的決策單元(decision making unit, DMU)效率評價問題,而且不需要對評價系統(tǒng)輸入和輸出的函數(shù)形式進行假定,排除了主觀因素。在測算生態(tài)經(jīng)濟投入效益時,涉及的資源投入和污染排放指標較多,衡量單位存在著較大差異,而DEA能夠有效地解決此問題,因此,得到了較為廣泛的應用。Sueyoshi和Goto[19] 應用徑向DEA方法進行了相關研究,但是徑向距離函數(shù)采用的是傳統(tǒng)的謝潑德距離函數(shù)(shephard distance function),這種函數(shù)對于所有的期望產(chǎn)出和非期望產(chǎn)出的增加和減少是等比例的,而實際的情況是希望減少非期望產(chǎn)出,增加期望產(chǎn)出的數(shù)量。Rosanopean et al[20] 應用方向距離函數(shù)(directional distance function)彌補了謝潑德距離函數(shù)的不足,在設定期望產(chǎn)出增加的同時,非期望產(chǎn)出將嚴格等比例減少。但是在既定投入的情況下,如果對非期望產(chǎn)出采用強可處置性,則非期望產(chǎn)出減少的數(shù)量可能超越生產(chǎn)前沿,這顯然是不合邏輯的。如果對非期望產(chǎn)出采用弱可處置性,即對非期望產(chǎn)出的減少設定下限,則可能丟失一部分生產(chǎn)可能集。另外,在徑向DEA模型中,對于無效率程度的測量只包含了所有投入或(產(chǎn)出)等比例縮減(增加)的比例。對于無效DMU而言,其當前狀態(tài)與強有效目標值之間的差距,除了等比例改進的部分之外,還包括松弛改進的部分,而松弛改進的部分在效率值的測量中并未得到體現(xiàn)。Chang et al[21]采用SBMDEA(slack based measure,SBM)模型來解決這個問題,并應用于環(huán)境效率的測算,在SBMDEA模型中,可以用各項投入(產(chǎn)出)可以縮減(增加)的平均比例來衡量DMU的無效率。需要注意的是:無論是徑向距離函數(shù)DEA、方向距離函數(shù)DEA,或者是SBMDEA方法,在面對多投入和多產(chǎn)出指標時,由于有效DMU都為“1”,給進一步細化判斷帶來了困難。為此,Anderson和Petersen[22]提出了超效率(super efficiency model),其基本思想是用有效DMU的投影點(投入增加和/或產(chǎn)出減少)替換該DMU后,投影點在標準效率模型中是有效的,允許效率值大于1,這樣就可以對有效DMU的效率高低做進一步區(qū)分。成金華等人[23] 構建了徑向超效率DEA評價模型,在模型中將污染物等非期望產(chǎn)出設定為“投入”指標。一方面不符合生產(chǎn)實際情況,另一方面可能存在得到的效率值不滿足單調性,即可能出現(xiàn)被評價DMU減少投入或者增加產(chǎn)出后,得到的效率值反而會下降的情況,無法保證DMU無效率正確的改進方向。endprint
分析以上文獻可知:第一,傳統(tǒng)的徑向DEA方法無法解決松弛調整部分缺失問題,難以實現(xiàn)當前狀態(tài)與強有效目標值之間差距的有效縮?。坏诙?,方向距離函數(shù)存在強處置性處理非期望產(chǎn)出超越生產(chǎn)前沿,采用弱處置性處理非期望產(chǎn)出丟失一部分生產(chǎn)可能集,導致最終有效DMU不合理或者缺失;第三,當投入和產(chǎn)出指標較多時,由于最大有效DMU的效率值均為“1”,大多數(shù)DEA模型都無法做進一步的區(qū)分;第四,環(huán)境污染是非期望產(chǎn)出,如果被直接作為DEA模型的“投入”來測算生態(tài)經(jīng)濟投入效益,DMU相對效率的前沿面將發(fā)生本質改變,雖然能夠盡可能地縮減非期望產(chǎn)出,但不符合實際的生產(chǎn)過程;第五,當前采用DEA模型對于生態(tài)經(jīng)濟投入效益的分析大多是靜態(tài)分析,沒有考慮到空間因素和地理關聯(lián)屬性,研究動態(tài)演化的文獻很少。
本文的主要貢獻在于:首先,本研究采用Tone[24]提出的SBMDEA超效率模型作為基礎。與傳統(tǒng)的徑向DEA超效率模型相比,SBMDEA超效率模型將松弛變量直接加入到目標函數(shù)中,能夠較好地解決松弛調整部分缺失的問題;其次,將被評價DMU從參照的生產(chǎn)可能性集中去除,即被評價DMU的效率是通過參照其他DMU所構成的有效前沿得到,有效DMU的超效率值一般大于1,從而可以對有效DMU進行區(qū)分,保證研究結果的穩(wěn)健性;再次,為了與實際生產(chǎn)情況相一致,將污染物等作為非期望產(chǎn)出引入到SBMDEA超效率模型,構造了一個考慮非期望產(chǎn)出的改進SBMDEA超效率模型,用于中國區(qū)域生態(tài)經(jīng)濟投入效益的測算;最后,運用地理空間統(tǒng)計分析手段,考慮生態(tài)經(jīng)濟投入效益在區(qū)域之間的擴散和極化效應,研究了其空間差異和動態(tài)演化特征。
2 研究方法與數(shù)據(jù)來源
2.1 方法與模型
2.1.1 生態(tài)經(jīng)濟投入效益測度
本文構建了考慮非期望產(chǎn)出的SBMDEA超效率模型,實證測算中國區(qū)域生態(tài)經(jīng)濟投入效益水平。模型設定如下:
假設存在n個同質的DMU,每個DMU包括三種要素:m種資源消耗作為投入指標,q1種產(chǎn)品作為期望產(chǎn)出指標(例如GDP),q2種產(chǎn)品作為非期望產(chǎn)出指標(環(huán)境污染),向量形式分別表示:x∈Rm,y∈Rq1,b∈Rq2;X、Y和B是要素矩陣:
X=[x1,…,xn]∈Rm×n,
Y=[y1,…,yn]∈Rq1×n,
B=[b1,…,bn]∈Rq2×n。針對于每一個DMU,所有可行的投入和產(chǎn)出要素構成非負的生產(chǎn)可能性集,在給定技術條件下,通過調整投入和產(chǎn)出的松弛變量,所有的DMU實現(xiàn)自身效率的最大化。
minθ=[SX(]1+1m×∑m[]i=1s-ixi,k
1-1(q1+q2)×(∑q1r=1s+ryr,k+
∑q2f=1sb-fbf,k)(1)
s.t.∑nj=1,j≠kxi,jλj-s-i≤xi,k,s-i≥0 i=1,2,…,m
∑nj=1,j≠kyr,jλj+s+i≥yr,k,s+r≥0 r=1,2,…,q1
∑nj=1,j≠kbf,jλj-sb-f≥bf,k,sb-f≥0 f=1,2,…,q2
1-1(q1+q2)×(∑q1r=1s+ryr,k+
∑q2f=1sb-fbf,k)>0
λj>0 j=1,2,…,n
其中,θ為超效率值;s-i表示第i種資源消耗的松弛變量,s+r表示第r種期望產(chǎn)出的松弛變量,sb-f表示第f種非期望產(chǎn)出松弛變量;s-,s+,sb-為松弛變量向量;λ為參考DMU的權重系數(shù),待估計。
2.1.2 全局空間自相關
全局Morans I指數(shù)同時根據(jù)要素位置和要素值來度量全局空間自相關,用于檢驗鄰近區(qū)域之間相似或者獨立的關系。如果全局 Morans I 指數(shù)為正,其值越接近于1,表明具有相似屬性區(qū)域集聚程度越顯著;如果該指數(shù)為負,其值越接近-1,表明具有相異屬性的區(qū)域集聚程度越顯著;當指數(shù)趨近于0,表明鄰近區(qū)域之間不存在空間相關性或者屬性是隨機分布。Morans I 指數(shù)計算公式如下:
Morans I=n∑ni=1∑nj=1vi,j×
∑ni=1∑nj=1vi,j×|xi-x|×|xj-x|∑ni=1|xj-x|2(2)
其中,vi,j是要素i和j之間的空間權重,xi和xi是要素i和j的屬性值,x是平均值,n等于要素總數(shù)。
2.1.3 GetisOrd Gi*指數(shù)
為識別空間數(shù)據(jù)的局部特性,Getis和Ord提出可以對數(shù)據(jù)集中的每一個要素計算Getis-Ord Gi*指數(shù),表示為:
G*i=
∑nj=1φi,jxj-(1[]n∑nj=1xj)×∑nj=1φi,j
∑nj=1xjn-
(1[]n∑nj=1xj)2×
n∑nj=1φ2i,j-
(∑nj=1φi,j)2n-1
(3)
其中,xj是要素j的屬性值,φi,j是要素i和j之間的空間權重,n為要素總數(shù)。依據(jù)GetisOrd Gi*指數(shù)得到的z值和p值,可以顯示高值(熱點)或低值(冷點)要素在空間上發(fā)生聚類的位置。對于具有顯著統(tǒng)計學意義的正的z值,z值越高,高值(熱點)的聚類就越緊密;對于統(tǒng)計學上的顯著性為負的z值,z值越低,低值(冷點)的聚類就越緊密。各區(qū)域生態(tài)經(jīng)濟投入效益的熱點和冷點分別代表生態(tài)經(jīng)濟投入效益高水平地區(qū)和落后地帶。
2.1.4 重心
如何能夠精確顯示出中國區(qū)域生態(tài)經(jīng)濟投入效益的分布狀況和變化情況呢?本研究采用重心指標來測定和描繪中國2003—2014年區(qū)域生態(tài)經(jīng)濟投入效益的分布及演化軌跡。重心概念來源于力學,表示物體內各個點所受重力產(chǎn)生合力的作用點。1874年美國耶魯大學教授Walker首先將此概念應用于研究人口分布,隨后在經(jīng)濟、社會等多學科中得到了應用。本文設定某區(qū)域為質地均勻的平面,生態(tài)經(jīng)濟投入效益在此平面上分布,如果平面上存在著一個支點,使平面保持水平穩(wěn)定,則該支點被稱作區(qū)域生態(tài)經(jīng)濟投入效益的重心。采用經(jīng)緯度表示重心的位置,區(qū)域生態(tài)經(jīng)濟投入效益大小隨著時間持續(xù)變化,重心的位置也在不斷的改變,形成區(qū)域生態(tài)經(jīng)濟投入效益重心的移動軌跡。該軌跡移動方向表示區(qū)域生態(tài)經(jīng)濟投入效益的移動趨勢,而連續(xù)的移動軌跡表示在一個時間段內區(qū)域生態(tài)經(jīng)濟投入效益的歷史演化過程。假設n個小區(qū)域組成一個大區(qū)域,每個小區(qū)域均有各自的生態(tài)經(jīng)濟投入效益值,對于該大區(qū)域而言,區(qū)域生態(tài)經(jīng)濟投入效益重心的計算公式如下:endprint
ψ(Lngg,Latg)=[∑n[]a=1μaLnga∑n[]a=1μa,
∑n[]a=1μaLata∑n[]a=1μa](4)
其中,ψ(Lngg,Latg)表示某個小區(qū)域第g年重心的經(jīng)緯度坐標,μa為小區(qū)域的特定屬性值。
2.2 樣本與數(shù)據(jù)
考慮到數(shù)據(jù)的一致性和可得性,本研究樣本不含西藏、臺灣、香港以及澳門。采集了 2003—2014 年間中國大陸30個省、直轄市和自治區(qū)的樣本數(shù)據(jù)。以各省區(qū)建設用地、用水總量和能源消費總量為投入要素,以各省區(qū)GDP作為期望產(chǎn)出要素,以廢水排放總量、化學需氧量排放總量、工業(yè)廢氣排放總量、工業(yè)二氧化硫排放量、工業(yè)煙(粉)塵排放量和一般工業(yè)固體廢物產(chǎn)生量作為非期望產(chǎn)出要素來進行區(qū)域生態(tài)經(jīng)濟投入效益分析。①各省、區(qū)和直轄市年度GDP和GDP平減指數(shù)來自于各年度的《中國統(tǒng)計年鑒》,以2003年為基年,經(jīng)過平減整理得到研究期內各省、區(qū)和直轄市不變價格的GDP,單位為億元。②建設用地數(shù)據(jù)來源于Wind數(shù)據(jù)庫和《中國城市統(tǒng)計年鑒》,單位為hm2。③用水總量數(shù)據(jù)來源于Wind數(shù)據(jù)庫和《中國水利統(tǒng)計年鑒》,單位為萬m3。④各省、區(qū)和直轄市每年消耗的各種能源量,折算成標準煤后進行加總得到能源消耗總量,主要數(shù)據(jù)來自于相應各年份的《中國能源統(tǒng)計年鑒》。⑤ 非期望產(chǎn)出數(shù)據(jù)來自于各年度的《中國環(huán)境統(tǒng)計年鑒》。其中,廢水排放總量的單位為萬 t,化學需氧量排放總量的單位為萬 t,工業(yè)廢氣排放總量的單位為億 m3,工業(yè)二氧化硫排放量的單位為 t,工業(yè)煙(粉)塵排放量的單位為 t,一般工業(yè)固體廢物產(chǎn)生量的單位為萬 t。⑥按照國家統(tǒng)計局的劃分標準,將中國劃分為東部地區(qū)、中部地區(qū)和西部地區(qū)三個區(qū)域。其中,東部地區(qū)包括北京、上海和海南等 11 個省和直轄市。中部地區(qū)包括江西、河南和吉林等 8 個省份。西部地區(qū)包括四川、廣西和重慶等11 個省、市和自治區(qū)。
3 計算結果與相關分析
3.1 區(qū)域生態(tài)經(jīng)濟投入效益測度及總體特征
建立考慮非期望產(chǎn)出的SBMDEA超效率模型,對2003—2014年中國區(qū)域生態(tài)經(jīng)濟投入效益進行估計。從省級尺度上分析,中國各省區(qū)生態(tài)經(jīng)濟投入效益存在明顯的波動性(見表1)。大體分為五種類型:① 上升型,包括天津、遼寧、上海、北京、廣東等5個東部省市,以及中部地區(qū)的吉林;② 下降型,包括浙江、福建、山東等3個東部省份,山西、黑龍江、安徽、河南等4個中部省份,以及西部地區(qū)的云南;③ 平穩(wěn)型,包括東部地區(qū)的江蘇,中部地區(qū)的江西、湖北,以及西部地區(qū)的青海;④ 下降-上升型,東部地區(qū)的海南,中部地區(qū)的湖南,以及西部地區(qū)的重慶;⑤ 上升-下降型,包括寧夏、新疆、內蒙古、陜西、甘肅、四川、貴州和廣西等8個西部地區(qū),以及東部地區(qū)的河北??傮w而言,經(jīng)濟發(fā)展水平較高的地區(qū)如北京、天津和上海等,以及經(jīng)濟發(fā)展水平雖然不高,但是旅游資源較為豐富的海南等省市,生態(tài)經(jīng)濟投入效益始終保持向好的態(tài)勢,生態(tài)資源投入和經(jīng)濟發(fā)展之間的平衡性較好。而甘肅、青海等經(jīng)濟欠發(fā)達地區(qū),以及河南、山西等以資源型、重工業(yè)型為經(jīng)濟主導的省份,生態(tài)經(jīng)濟投入效益發(fā)展趨勢不佳。
從平均值來看(見表2),中國各省、市和自治區(qū)生態(tài)經(jīng)濟投入效益差異顯著。北京(1.893)的生態(tài)經(jīng)濟投入效益最高,位于生態(tài)經(jīng)濟投入效益最優(yōu)前沿曲線上。廣東(1408)、天津(1319)、 上海(1.231)、福建(1.151)、浙江(1057)和海南(1019)等省市生態(tài)經(jīng)濟投入效益相對較高,而安徽(0.590)、廣西(0.582)、山西(0.572)、青海(0520)、甘肅(0465)、新疆(0.378)和寧夏(0.271)是生態(tài)經(jīng)濟投入效益最低的省區(qū)。從各年份來看,北京、天津、廣東和上海位于生態(tài)經(jīng)濟投入效益最優(yōu)前沿曲線上的次數(shù)較多,始終是生態(tài)經(jīng)濟投入效益最高的省市。甘肅、新疆、寧夏和青海等西部省區(qū)一直是生態(tài)經(jīng)濟投入效益較低的省區(qū)。
從區(qū)域尺度分析,生態(tài)經(jīng)濟投入效益存在著明顯的地帶性差異,呈現(xiàn)出從東部地區(qū)向西部地區(qū)逐步遞減的趨勢。同時,總體的生態(tài)經(jīng)濟投入效益也處于明顯下降的態(tài)勢,從2003—2014年,位于生態(tài)經(jīng)濟投入效益高水平的省區(qū)數(shù)量在明顯減少,說明中國的生態(tài)環(huán)境狀況在持續(xù)惡化。全國生態(tài)經(jīng)濟投入效益的平均值為0.822,東部地區(qū)平均值最高(1.118),中部地區(qū)次之(0.711),西部地區(qū)最低(0.605)。但從各年份來看,三大區(qū)域生態(tài)經(jīng)濟投入效益的差異相對較為穩(wěn)定。不同區(qū)域生態(tài)經(jīng)濟投入效益的空間分布格局反映出區(qū)域資源投入產(chǎn)出效率,對污染物等非期望產(chǎn)出的控制能力,以及經(jīng)濟發(fā)展水平的差異性??傮w而言,良好的地理位置和較高的生產(chǎn)技術水平為東部地區(qū)資源投入產(chǎn)出的清潔與高效率提供了有利保障。而西部地區(qū)由于受生產(chǎn)技術水平約束、資源要素配置結構合理性、交通基礎設施完備性等多種因素的影響,生態(tài)經(jīng)濟投入效益一直處于較低水平。
中國的區(qū)域生態(tài)經(jīng)濟投入效益與自然資源稟賦之間總體存在明顯的負相關性。自然資源相對匱乏的地區(qū)或者自然資源調入的地區(qū),生態(tài)經(jīng)濟投入效益相對較高,如北京、上海、廣東、天津等省市。而自然資源豐富的地區(qū),如煤炭資源較為豐富的貴州、山西、內蒙古、河南等省區(qū),水資源較為豐富的四川、云南、廣西、湖南等省區(qū),油氣資源較為豐富的新疆、黑龍江等省區(qū),生態(tài)經(jīng)濟投入效益反而相對較低(見表2),這種現(xiàn)象在某種程度上反映出中西部地區(qū)的生態(tài)經(jīng)濟投入效益存在著巨大的提升空間,可以通過改進生產(chǎn)技術水平、優(yōu)化資源投入比例等措施來提升自然資源投入產(chǎn)出的效率,降低廢水、化學需氧量、工業(yè)廢氣等非期望產(chǎn)出的水平。
從自然資源投入比例分析,由于中國經(jīng)濟、資源、技術水平等空間分布的不平衡,導致影響各省、市、區(qū)生態(tài)經(jīng)濟投入效益變化的因素存在差異性。在當前的技術水平約束下,要素配置失衡是生態(tài)經(jīng)濟投入效益無法達最優(yōu)狀態(tài)的主要誘導因素,呈現(xiàn)資源投入效率的“短板效應”,造成自然資源的浪費和無效率。可以將資源要素投入松弛分為三種類型:即建設用地投入松弛、能源消耗總量投入松弛、用水總量投入松弛,不同類別的省、市、自治區(qū)表現(xiàn)出不同的空間分布狀態(tài)。endprint
(1)建設用地投入松弛。隨著各省、市和自治區(qū)城市化和工業(yè)化進程的加快,建設用地利用效率較低,使有限的土地資源空間受到了嚴重的擠壓。2003年18個省、市和自治區(qū)的建設用地投入松弛,居于前五位的省為遼寧(83 736.9,單位:hm2,下同)、湖北(83 442.1)、四川(62 407.2)、安徽(57 801.0)和黑龍江(52 431.8)。2008年18個省、市、自治區(qū)的建設用地投入松弛,居于前五位的省為黑龍江(75 277.4)、遼寧(68 306.1)、安徽(39 5764)、吉林(36 955.8)和湖北(36 645.5)。2014年20個省、市和自治區(qū)的建設用地投入松弛,居于前五位的省區(qū)為山東(104 231.4)、黑龍江(89 507.6)、湖北(76 562.7)、新疆(63 091.5)和安徽(48 381.8)。這些省區(qū)以中部地區(qū)為主,東部和西部地區(qū)較少。從2006年中國政府提出“中部崛起”戰(zhàn)略以來,借助于優(yōu)質的資源稟賦和獨特的地理區(qū)位,中部地區(qū)的經(jīng)濟發(fā)展速度得到了極大地提升,但是中部地區(qū)是中國農(nóng)業(yè)發(fā)展條件最為優(yōu)良的區(qū)域,是中國糧食主產(chǎn)區(qū),如何提升中部地區(qū)建設用地利用效率,對于化解建設用地擴張與保障中國糧食安全之間的矛盾具有重要意義。
(2)能源消耗總量投入松弛。2003年18個省、市和自治區(qū)的能源消耗總量投入松弛,居于前五位的省為安徽(2 328.245,單位:萬tce,下同)、山西(7 297.017)、河北(5 827.267)、四川(4 906.453)和貴州(4 465.890)。2008年19個省、市、自治區(qū)的能源消耗總量投入松弛,居于前五位的省為山西(9 817.769)、四川(6 920.162)、遼寧(6 437.531)、湖北(5 393.499)和湖南(4 995.452)。2014年19個省、市和自治區(qū)的能源消耗總量投入松弛,居于前五位的省區(qū)為河北(14 486.452)、山西(13 253.026)、新疆(10 324.510)、內蒙古(9 103.557)和河南(7 173.515)。能源消耗總量投入松弛的省區(qū)以中西部地區(qū)為主,這些省區(qū)不僅能源資源豐富,而且近年來經(jīng)濟發(fā)展水平增速較快。但是,這些省區(qū)的工業(yè)結構以礦產(chǎn)、冶煉、電力、煤化工、重型裝備制造業(yè)為主,高新技術產(chǎn)業(yè)占比較低,能源利用無效率現(xiàn)象較為突出,且呈現(xiàn)出急劇增長的態(tài)勢。
(3)用水總量投入松弛。2003年14個省、市、自治區(qū)的用水總量投入松弛,居于前五位的省區(qū)為新疆(4 412 977.160,單位:萬m3)、廣西(1 828 408.412)、黑龍江(1 449 235.465)、內蒙古(1 165 106.914)和甘肅(760 202.730)。2008年20個省、市、自治區(qū)的用水總量投入松弛,居于前五位的省為新疆(4 786 027.910)、黑龍江(2 364 325.461)、廣西(2 173 824.114)、江蘇(2 138 527.379)和湖南(1 782 202.561)。2014年19個省、市、自治區(qū)的用水總量投入松弛,居于前五位的省區(qū)為新疆(5 044 989.290)、黑龍江(2 992 901.023)、廣西(2 052 976.334)、江西(1 576 950.802)和內蒙古(1 547 622.865)。用水總量投入松弛的省區(qū)以西部地區(qū)為主,西部是中國主要江河的源頭和上游地區(qū),也是重要的生態(tài)安全屏障。由于自然條件惡劣,經(jīng)濟社會發(fā)展底子薄,歷史欠賬多,投入規(guī)模不足等原因,西部地區(qū)在水資源、水環(huán)境、水生態(tài)、水災害等方面存在較多的問題,水供需矛盾的老問題逐漸演變成制約西部發(fā)展的大瓶頸。在新疆、甘肅、內蒙古等西部省區(qū),多數(shù)地區(qū)已逼近用水總量“紅線”,經(jīng)濟社會持續(xù)發(fā)展面臨“無水可用”的境地,一些謀劃多年的大項目因沒有用水資源指標的支撐而停擺。必須通過落實最嚴格水資源管理制度,嚴格水資源開發(fā)利用控制、用水效率控制和水功能區(qū)限制納污控制 “三條紅線”管控,才能實現(xiàn)水資源消耗總量和強度的雙控,最終達到經(jīng)濟社會發(fā)展與水資源條件相適應。
3.2 全局空間演化特征
前文對中國區(qū)域生態(tài)經(jīng)濟投入效益時間演變特征及區(qū)域差異特征進行了分析,然而中國區(qū)域生態(tài)經(jīng)濟投入效益在空間上及演化過程表現(xiàn)出何種規(guī)律?換言之,某一區(qū)域的生態(tài)經(jīng)濟投入效益的高低變化與相鄰區(qū)域生態(tài)經(jīng)濟投入效益變化是否存在關聯(lián)關系?則需要通過地理空間統(tǒng)計方法研究。
通過全局Morans I指數(shù)來分析2003—2014年中國區(qū)域生態(tài)經(jīng)濟投入效益總體格局演化特征,運用ArcGIS10.2分析軟件,測算出2003—2014年中國區(qū)域生態(tài)經(jīng)濟投入效益的全局Morans I估計值(見表3)。全局Morans I分析發(fā)現(xiàn):① 2004—2008,2010年能夠通過1 %顯著性水平檢驗,2003,2009和2011年能夠通過5 %顯著性水平檢驗,其他年份可以在10 %的顯著性水平通過檢驗;② 在所有的顯著性檢驗水平上,全局Morans I估計值均表現(xiàn)出正的空間相關性,說明生態(tài)經(jīng)濟投入效益高(或低)的省區(qū)總體呈現(xiàn)集聚分布空間格局;③ 2003—2008年,全局Morans I估計值有不斷上升的態(tài)勢,從0.516 8提高到0.887 5,說明這6年以來中國區(qū)域生態(tài)經(jīng)濟投入效益的空間相關性愈加明顯,呈現(xiàn)較強的空間集聚態(tài)勢。2008年之后,全局Morans I估計值呈現(xiàn)出不斷下降的態(tài)勢,2014年降低到0.401 6,有向0值靠攏的趨勢,表明空間格局上逐漸呈現(xiàn)顯著的弱集聚分布態(tài)勢。
3.3 冷熱點格局演化特征
通過GetisOrd Gi*指數(shù)的計算對中國區(qū)域生態(tài)經(jīng)濟投入效益局部聚集特征進行分析,采用自然斷裂點法(Jenks)將數(shù)值由低到高劃分為5類,分別為:熱點區(qū)域、次熱點區(qū)域、過渡區(qū)域、冷點區(qū)域和次冷點區(qū)域(見表4)。2003年,2008年和2014年3個年份的冷點和熱點數(shù)量、結構的分布不均勻,呈現(xiàn)出顯著的空間異質性。① 2003、2008和2014年熱點區(qū)域的比重始終相對穩(wěn)定,保持在6.67%。熱點區(qū)域和冷點區(qū)域之和的比重分別占總數(shù)的30%、33.34%和16.67%,次熱點區(qū)域、過渡區(qū)域和冷點區(qū)域之和的比重分別占總數(shù)的70%、66.66%和8333%,表現(xiàn)出較為顯著的紡錘體結構,各類型區(qū)域不平衡的狀態(tài)明顯。這種不平衡的狀態(tài)在2008年雖然有所緩解,但隨即有進一步加劇的趨勢。② 中國區(qū)域生態(tài)經(jīng)濟投入效益的冷熱點格局表現(xiàn)為與經(jīng)濟增長水平較為一致的地帶性分布,從東部沿海地區(qū)到中西部內陸地區(qū)的格局差異明顯。2003年熱點區(qū)域為東部地區(qū)的北京和福建,次熱點區(qū)域endprint
圍繞熱點區(qū)域分布,主要集中在環(huán)渤海區(qū)域的天津和山東,長江三角洲區(qū)域的江蘇、上海和浙江,珠江三角洲區(qū)域的廣東、海南,中部地區(qū)的河南、湖南,西部地區(qū)的云南。冷點區(qū)域為寧夏、新疆、甘肅、貴州、內蒙古、廣西和青海,全部為西部省區(qū)。除了四川和陜西之外,次冷點區(qū)域則主要集中在中部地區(qū)的吉林、江西、安徽、黑龍江和湖北等省份;2008年廣東代替福建進入熱點區(qū)域,北京保持不變。次熱點區(qū)域有所收斂并呈現(xiàn)出向北偏移的趨勢,內蒙古和河北分別從冷點區(qū)域和過渡區(qū)域變?yōu)榇螣狳c區(qū)域,而江蘇和山東則由次熱點區(qū)域轉變?yōu)檫^渡區(qū)域。冷點區(qū)域和次冷點區(qū)域的數(shù)量有所增加,但是主要集中在中西部地區(qū)的格局沒有改變。2014年熱點區(qū)域仍然為北京和廣東,次熱點區(qū)域的分布,主要集中在東部區(qū)域的江蘇、海南、上海、天津、福建和遼寧,以及中部地區(qū)的湖南和吉林。冷點區(qū)域和次冷點區(qū)域集中在新疆、寧夏、甘肅、內蒙古、山西、黑龍江、安徽、貴州、廣西、青海、云南、江西和湖北。
(1)從循環(huán)累積因果效應和核心—邊緣結構理論解釋,區(qū)域生態(tài)經(jīng)濟投入效益冷熱點失衡的原因在于:①熱點和次熱點區(qū)域不斷累積有利因素增加而冷點區(qū)域卻持續(xù)積累不利因素,冷點和次冷點區(qū)域往往是中西部經(jīng)濟欠發(fā)達地區(qū),這些區(qū)域存在的地理二元經(jīng)濟格局又進一步放大了這種累積效應;② 先天稟賦較好的熱點和次熱點區(qū)域一方面通過“涓滴效應”帶動了邊緣區(qū)域的發(fā)展,另一方面邊緣區(qū)域的自然資源、資本和勞動力等生產(chǎn)要素又由
于“虹吸效應”逐漸流入熱點區(qū)域,加劇了區(qū)域生態(tài)經(jīng)濟投入效益失衡,而逐漸顯化的極化效應又進一步抑制鄰近區(qū)域的發(fā)展。
(2)從傳統(tǒng)的經(jīng)濟地理學的角度分析,區(qū)位優(yōu)勢顯著、先天要素豐裕的區(qū)域往往成為生態(tài)經(jīng)濟投入效益的熱點和次熱點區(qū)域。而大部分冷點和次冷點區(qū)域則位于經(jīng)濟發(fā)展速度較為緩慢的地區(qū),這些區(qū)域有限的生態(tài)環(huán)境承載能力和嚴重滯后的生態(tài)管理體系是導致冷熱點空間不平衡的初始性前置制約因素。即使受到國家西部大開發(fā)等政策的有力支持,但是長期以來所形成的粗放式發(fā)展方式和不合理的產(chǎn)業(yè)結構難以在短期內予以調整,這在一定程度上又抑制了發(fā)展模式的轉型升級,甚至形成惡性循環(huán)。因此,冷點和次冷點區(qū)域的生態(tài)經(jīng)濟投入效益無法得到有效改善。
(3)從新經(jīng)濟地理學的視角出發(fā),人力資本和技術要素的知識溢出、市場需求能力和完善的交通體系是促進生態(tài)經(jīng)濟投入效益提升的重要驅動因素。中國區(qū)域生態(tài)經(jīng)濟投入效益的冷熱點分布也證實了這一點。熱點和次熱點主要集中在長江三角洲、環(huán)渤海、珠江三角洲、海西經(jīng)濟區(qū)等經(jīng)濟發(fā)達的東部沿海地區(qū),尤其是上海、北京、天津和廣州作為長三角、環(huán)渤海和珠三角的核心區(qū)域,高校和科研院所集聚、基礎設施良好、金融市場發(fā)達,區(qū)域帶動效應顯著。而主要位于中西部地區(qū)的冷點和次冷點區(qū)域,高層次人才嚴重匱乏,科技基礎薄弱,交通和通信等基礎設施較為欠缺,嚴重制約了人流、物流和信息流在各區(qū)域之間聯(lián)系,經(jīng)濟聯(lián)動發(fā)展較弱,互補程度低,阻礙了這些區(qū)域承接熱點和次熱點區(qū)域的知識溢出與產(chǎn)業(yè)轉移,延遲了通過經(jīng)濟發(fā)展模式轉變提升生態(tài)經(jīng)濟投入效益的時間。
3.4 重心分析
中國生態(tài)經(jīng)濟投入效益重心反映了資源要素投入產(chǎn)出合理化程度在空間格局上的分布中心,如果向某個方向上移動,表明此方向上的區(qū)域生態(tài)經(jīng)濟投入效益增長速度要快于其他區(qū)域,資源要素投入產(chǎn)出合理化程度更高,重心分析對于研究中國生態(tài)經(jīng)濟投入效益的空間演化過程,實現(xiàn)資源要素投入的地理空間引導具有重要的意義。依據(jù)公式(4),計算出中國生態(tài)經(jīng)濟投入效益重心演化軌跡如圖1所示。
(1)從整體上看,每年中國生態(tài)經(jīng)濟投入效益重心的變化范圍在111.806°E—113.947°E,32.587°N—33.797°N之間,大致位于河南南部與西南部,總體移動范圍大約240 km,說明從2003—2014年以來,中國區(qū)域生態(tài)經(jīng)濟投入效益分布一直在振蕩演變。
(2)從經(jīng)度來看,中國生態(tài)經(jīng)濟投入效益重心的移動軌跡曲折,東西往復擺動。但是向西部擺動的幅度逐漸減小,向東部擺動的幅度則逐漸加大。2003—2005年,中國生態(tài)經(jīng)濟投入效益重心總體上向西北發(fā)生偏移,移動距離約91.052 km;2006—2007年,中國生態(tài)經(jīng)濟投入效益重心總體上又向東部發(fā)生偏移,移動距離約30.027 km;2008—2010年,中國生態(tài)經(jīng)濟投入效益重心折向西南方向,偏移距離大約46.834 km;2010年之后,中國生態(tài)經(jīng)濟投入效益重心持續(xù)向東部移動,移動距離約136.578 km。如果取東經(jīng)113.458°E為擺動的中心線,則在2003—2014年間,在此中心線西部有5個年份,而有7個年份在此中心線東部。這一個特點說明中國生態(tài)經(jīng)濟投入效益重心從2003年之后呈現(xiàn)出向東部偏移,尤其是在2010年之后,整體移動速度有所加快,表明東西部之間的生態(tài)經(jīng)濟投入效益差距有進一步擴大的趨勢。
(3)在緯度變化方面,2003—2005年間中國生態(tài)經(jīng)濟投入效益重心的緯度持續(xù)提高,從2003年的32.587°N上升到2005年的33.797°N,但是從2006年開始,重心緯度始終以33.358°N為中心線進行擺動。這一特點表明中國南北方之間的生態(tài)經(jīng)濟投入效益格局在2006年之后基本上保持穩(wěn)定。
(4)可能的原因在于:東部地區(qū)的生產(chǎn)技術水平較高,高層次人力資本存量大,新技術擴散
速度快,技術溢出效應明顯,近年來一些傳統(tǒng)的高耗能、高污染行業(yè)逐步壓縮產(chǎn)能或者轉移
到中西部地區(qū)。此外,東部地區(qū)各?。ㄊ?、區(qū))不斷強化相互之間的經(jīng)濟合作與分工,發(fā)揮
自身的經(jīng)濟比較優(yōu)勢,在研發(fā)和生產(chǎn)加工方面形成有效互動,彼此協(xié)調趨向合理,已經(jīng)成為
中國先進產(chǎn)業(yè)的主要集聚區(qū)域。同時,出口的政策支持、產(chǎn)業(yè)集聚效應、對外資的吸收優(yōu)勢
等因素又進一步提升了東部地區(qū)的產(chǎn)業(yè)層次,有效地促進區(qū)域生態(tài)效率的提升。而中西部地endprint
區(qū),盡管受到國家西部大開發(fā)戰(zhàn)略和中部崛起戰(zhàn)略等政策的大力支持,但是低碳高端產(chǎn)業(yè)的
發(fā)展狀況仍不容樂觀,比重較大的是一些資源加工型產(chǎn)業(yè),如煙草加工、金屬冶煉、建材、
煤化工、電力、鹽加工業(yè)等。中部地區(qū)僅僅在運輸設備制造業(yè),西部地區(qū)在航空航天設備制
造業(yè)等方面在國內行業(yè)中占有較大份額,雖然達到了一定的技術水平,但是與國外先進水平
相比仍有較大差距,當前產(chǎn)品以滿足內需為主,出口則面臨著較高的“門檻效應”,對外依存
度低,對外貿易難以促進區(qū)域生態(tài)效率水平的大幅提升。此外,西部地區(qū)國有經(jīng)濟的比例一
直居全國最高,國有經(jīng)濟投資一直占主導地位,對于西部各省份而言,個體上仍然是一個相
對封閉的自我循環(huán)經(jīng)濟體,發(fā)展不均衡,經(jīng)濟聯(lián)系與協(xié)作程度低,分工合作體制障礙嚴重。
投資主體多元化,各種經(jīng)濟成分共同發(fā)展的區(qū)域經(jīng)濟一體化格局遠未形成,難以有效地通過
市場化的手段引導投資方向,提升資源配置效率,降低污染物的排放,促進區(qū)域生態(tài)效率的
改善。
4 結論與政策建議
實現(xiàn)經(jīng)濟發(fā)展和環(huán)境質量的有效平衡,是保持中國可持續(xù)發(fā)展的主要目標。本文采用中國30個省、市和自治區(qū)2003—2014年的數(shù)據(jù),構建了考慮非期望產(chǎn)出的SBM—DEA超效率模型,對中國各地區(qū)的生態(tài)經(jīng)濟投入效益進行測算。在此基礎上,從空間經(jīng)濟學的視角出發(fā),對其時空演化過程進行了分析。主要結論如下:
(1)整體上,中國各個地區(qū)的生態(tài)經(jīng)濟投入效益呈現(xiàn)出明顯的地帶性差異,表現(xiàn)為從東部沿海向西部內陸地區(qū)逐漸遞減的趨勢。但是生態(tài)經(jīng)濟投入效益的地帶性差異水平相對保持穩(wěn)定,反映了經(jīng)濟發(fā)展水平與資源利用能力的差異。從省際尺度來看,北京的平均生態(tài)經(jīng)濟投入效益最高,寧夏最低。從區(qū)域尺度來看,東部地區(qū)的平均生態(tài)經(jīng)濟投入效益最高,中部次之,西部最低。
(2)由于中國經(jīng)濟、自然資源、技術水平、人力資本等空間分布的不平衡,導致影響各省、市和自治區(qū)生態(tài)經(jīng)濟投入效益變化的因素存在差異性。在當前的技術水平約束下,要素配置失衡導致資源投入效率的“短板效應”,使生態(tài)經(jīng)濟投入效益無法達到最優(yōu)狀態(tài),主要表現(xiàn)為建設用地投入松弛、能源消耗總量投入松弛、用水總量投入松弛,各省、市和自治區(qū)表現(xiàn)出不同的資源投入松弛空間分布狀態(tài)。
(3)空間計量的全局Morans I 指數(shù)檢驗發(fā)現(xiàn),中國的區(qū)域生態(tài)經(jīng)濟投入效益在空間上存在顯著的正的空間相關性,這表明空間相鄰區(qū)域生態(tài)經(jīng)濟投入效益高(或低)的省區(qū)呈現(xiàn)集聚分布空間格局。從時間尺度分析,全局Morans I估計值先上升后下降,說明中國區(qū)域生態(tài)經(jīng)濟投入效益從較強的空間集聚態(tài)勢逐漸向較弱集聚分布態(tài)勢轉變。
(4)中國區(qū)域生態(tài)經(jīng)濟投入效益存在明顯的失衡,這是現(xiàn)實的困境。熱點和次熱點區(qū)域集中在東部沿海地區(qū),冷點和次冷點區(qū)域主要位于中西部地區(qū);不同年份的冷熱點分布雖然呈現(xiàn)出一定的波動性,但是總體上表現(xiàn)為與經(jīng)濟發(fā)展水平較一致的地帶性分布,并且顯示從沿海到內陸、東中西部逐步遞減的狀態(tài);各區(qū)域的累積效應、生態(tài)承載力等初始性制約因素、基礎設施和資金等彈性約束都是區(qū)域生態(tài)經(jīng)濟投入效益冷熱點失衡的誘因。
(5)2003—2014年以來,中國生態(tài)經(jīng)濟投入效率重心的變化范圍在111.806°E—113.947°E,32.587°N—33797°N之間,其分布存在振蕩,重心的移動軌跡曲折,東西往復擺動,說明東西部之間的生態(tài)效率差距有進一步擴大的趨勢。
上述結論蘊含的政策含義包括:①充分認識長期以來由于“梯度發(fā)展”模式所造成的東、中、西部不平衡的經(jīng)濟發(fā)展格局,打破地方保護主義壁壘,重視省際間的經(jīng)濟聯(lián)系,強化區(qū)域聯(lián)動和產(chǎn)業(yè)分工,結合各地區(qū)的資源稟賦、生產(chǎn)技術水平等外部因素,因地制宜統(tǒng)籌考慮產(chǎn)業(yè)結構的中長期優(yōu)化布局,避免為了追求短期績效而造成資源利用的無效率,有效降低污染物等非期望產(chǎn)出數(shù)量;②充分發(fā)揮市場資源配置的基礎性作用,重視區(qū)域技術創(chuàng)新的空間溢出效應,強化東部地區(qū)與中西部地區(qū)之間研發(fā)合作,從而推動區(qū)域生態(tài)經(jīng)濟投入效益水平的不斷提升;③完善資源市場的價格形成機制,注重對生態(tài)環(huán)境的補償價值,緩解由于生態(tài)資源稟賦、環(huán)境承載力等先天制約因素所造成的負向效應。④加快推動基礎設施均衡化發(fā)展,延長熱點區(qū)域技術、人力資源等生產(chǎn)要素的空間溢出半徑,助力鄰近區(qū)域的產(chǎn)業(yè)結構轉型升級,縮小生態(tài)經(jīng)濟投入效益冷熱點區(qū)域之間的失衡;⑤政府要建立規(guī)范化的治污投資效益評價體系,加強治污投資資金的管理和監(jiān)督。在考慮經(jīng)濟發(fā)展、生產(chǎn)技術水平、資源稟賦和空間關聯(lián)所形成的“內涵排放”基礎上,大力發(fā)展排污權交易、碳排放交易和資源稅等環(huán)境管制措施,注重依靠市場化的手段將區(qū)域經(jīng)濟發(fā)展過程中的外部性內部化。
(編輯:于 杰)
參考文獻(References)
[1]景維民, 張璐. 環(huán)境管制、對外開放與中國工業(yè)的綠色技術進步[J]. 經(jīng)濟研究, 2014(9): 34-47. [JING Weimin, ZHANG Lu. Environmental regulation, economic opening and Chinese industrial green technology progress[J]. Economic research journal, 2014 (9): 34-47.]
[2]成金華, 李悅,陳軍. 中國生態(tài)文明發(fā)展水平的空間差異與趨同性[J]. 中國人口·資源與環(huán)境, 2015, 25(5): 1-9. [CHENG Jinhua, LI Yue, CHEN Jun. Regional difference and convergence of ecological civilization level in China [J]. China population, resources and environment, 2015, 25(5): 1-9.]endprint
[3]SANTOS S P, AMADO C, ROSADO J R. Formative evaluation of electricity distribution utilities using data envelopment analysis[J]. Journal of the operational research society, 2011, 62 (7): 1298-1319.
[4]涂正革, 諶仁俊. 排污權交易機制在中國能否實現(xiàn)波特效應?[J]. 經(jīng)濟研究, 2015(7): 160-173. [TU Zhengge, CHEN Renjun. Can emissions trading scheme achieve the Porter effect in China?[J]. Economic research journal, 2015(7): 160-173.]
[5]KIELENNIVA N, ANTIKAINEN R, SORVARI J. Measuring ecoefficiency of contaminated soil management at the regional level[J]. Journal of environmental management, 2012, 109(30): 179-188.
[6]TOBLER W R. A computer movie simulating urban growth in the detroit region[J]. Economic geography, 1970, 46(2):234-240.
[7]GIARINI O . Dialogue on wealth and welfare, an alternative view of world capital formation: a report to the club of Rome [J]. Pergamon international library of science technology engineering and social studies, 1980, 48 (10):1814-1817.
[8]李勝蘭, 初善冰,申晨. 地方政府競爭、環(huán)境規(guī)制與區(qū)域生態(tài)效率[J]. 世界經(jīng)濟, 2014(4): 88-110. [LI Shenglan, CHU Shanbing, SHEN Chen. Interprovince regulatory competition, environmental regulation and ecoefficiency of regions[J]. The journal of world economy, 2014(4): 88-110.]
[9]SEPPALAA J, MELANEN M, MAENPAA I, et al. How can the ecoefficiency of a region be measured and monitored?[J]. Journal of industrial ecology, 2005, 9(4):117-130.
[10]PICAZOTADEO A J, REIGMARTINEZ E, HERNANDEZSANCHO F. Directional distance functions and environmental regulation[J]. Resource and energy economics, 2005,27(2): 131-142.
[11]HAN Y, GENG Z, ZHU Q, et al. Energy efficiency analysis method based on fuzzy DEA crossmodel for ethylene production systems in chemical industry[J]. Energy, 2015,83:685-695.
[12]CHEN R Y. RFMbased ecoefficiency analysis using takagisugeno fuzzy and AHP approach[J]. Environmental impact assessment review, 2009, 29(3): 157-164.
[13]李燕, 李應博. 我國生態(tài)效率演化及影響因素的實證分析[J]. 統(tǒng)計與決策, 2015(15):120-122.[LI Yan, LI Yingbo. An empirical analysis on the evolution of ecological efficiency and its influencing factors in China[J]. Statistics and decision, 2015(15):120-122.]
[14]GERDESSEN J C, PASCUCCI S. Data envelopment analysis of sustainability indicators of European agricultural systems at regional level[J]. Agricultural systems, 2013(118): 78-90.
[15]SUEYOSHI T, YUAN Y. Returns to damage under undesirable congestion and damages to return under desirable congestion measured by DEA environmental assessment with multiplier restriction: economic and energy planning for social sustainability in China[J]. Energy economics, 2016,56: 288-309.endprint
[16]EGILMEZ G, KUCUKVAR M, TATARI O. Sustainability assessment of U.S. manufacturing sectors: an economic input outputbased frontier approach[J]. Journal of cleaner production, 2013,53 (16):91-102.
[17]陶長琪, 王志平. 隨機前沿方法的研究進展與展望[J]. 數(shù)量經(jīng)濟技術經(jīng)濟研究, 2011(11):148-160.[TAO Changqi, WANG Zhiping. Stochastic frontier approach progress and prospects[J]. The journal of quantitative and technical economics, 2011(11):148-160.]
[18]KUOSMANEN T, SAASTAMOINEN A, SIPILAINEN T. What is the best practice for benchmark regulation of electricity distribution? Comparison of DEA, SFA and StoNED methods[J]. Energy policy, 2013,61 (10):740-750.
[19]SUEYOSHI T, GOTO M. Returns to scale and damages to scale with strong complementary slackness conditions in DEA assessment: Japanese corporate effort on environment protection[J]. Energy economics, 2012,34 (5): 1422-1434.
[20]ROSANOPENA C, GUARNIERI P, SOBREIRO V A, et al. A measure of sustainability of Brazilian agribusiness using directional distance functions and data envelopment analysis[J]. International journal of sustainable development and world ecology, 2014,21 (3):210-222.
[21]CHANG Y T, PARK H S, JEONG J B, et al. Evaluating economic and environmental efficiency of global airlines: a SBMDEA approach[J]. Transportation research part D: transport and environment, 2014,27 (1):46-50.
[22]ANDERSON P, PETERSEN N C. A procedure for ranking efficient units in data envelopment analysis[J]. Management science, 1993,39 (10):1261-1264.
[23]成金華, 孫瓊, 郭明晶,等. 中國生態(tài)效率的區(qū)域差異及動態(tài)演化研究[J]. 中國人口·資源與環(huán)境, 2014, 24(1): 47-54. [CHENG Jinhua, SUN Qiong, GUO Mingjing, et al. Research on regional disparity and dynamic evolution of ecological in China[J]. China population, resources and environment, 2014, 24(1): 47-54.]
[24]TONE K. A slacksbased measure of superefficiency in data envelopment analysis[J]. European journal of operational research, 2002,143(1):32-41.
[25]PENG S Z, SUN X Z. Research on challenges and strategies for Chinas green economy development [J]. Chinese journal of population, resources and environment, 2015, 13(2):127-131.
[26]LUO L W, LIANG S R. Stndy on the efficiency and regional disparity of green technology innovation in Chinas industrial companies[J]. Chinese journal of population, resources and environment, 2016, 14(4):262-270.endprint