馬歆 MUHAMMAD+Raheel 薛天天 王繼東
摘要
在政府強(qiáng)化環(huán)境績(jī)效考核的當(dāng)下,科學(xué)考察中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益時(shí)空演化規(guī)律,對(duì)于中國(guó)實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展與環(huán)境保護(hù)雙贏具有重要的現(xiàn)實(shí)意義?;诖耍疚牟捎?003—2014年中國(guó)大陸30個(gè)省、市和自治區(qū)數(shù)據(jù),考慮廢水、化學(xué)需氧量、工業(yè)廢氣和工業(yè)煙(粉)塵等非期望產(chǎn)出,構(gòu)建SBMDEA超效率模型測(cè)算中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益水平。并基于空間經(jīng)濟(jì)學(xué)的視角,對(duì)區(qū)域生態(tài)經(jīng)濟(jì)投入效益時(shí)空演化格局進(jìn)行分析。結(jié)果顯示:①區(qū)域生態(tài)經(jīng)濟(jì)投入效益呈現(xiàn)從東部沿海向西部?jī)?nèi)陸地區(qū)逐漸遞減的地帶性差異;②要素配置失衡導(dǎo)致資源投入效率存在“短板效應(yīng)”,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(jì)投入效益無法達(dá)到最優(yōu)狀態(tài);③空間全局Morans I 指數(shù)證實(shí)區(qū)域生態(tài)經(jīng)濟(jì)投入效益逐步由較強(qiáng)的空間集聚狀態(tài)向較弱集聚狀態(tài)轉(zhuǎn)變;④GetisOrd Gi*指數(shù)結(jié)果表明,熱點(diǎn)和次熱點(diǎn)區(qū)域呈現(xiàn)出與生態(tài)經(jīng)濟(jì)投入效益較為一致的地帶性分布;⑤重心移動(dòng)軌跡曲折,東西往復(fù)擺動(dòng),表明中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益分布存在振蕩演化趨勢(shì)。這意味著:要重視省際間的經(jīng)濟(jì)聯(lián)系,強(qiáng)化區(qū)域聯(lián)動(dòng)和產(chǎn)業(yè)分工,在結(jié)構(gòu)轉(zhuǎn)換的帶動(dòng)下提升資源的配置效率;逐步引導(dǎo)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(chǎng)緊密結(jié)合,高層次人力資源,培養(yǎng)與企業(yè)需求相結(jié)合。延長(zhǎng)熱點(diǎn)區(qū)域技術(shù)、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(jì)投入效益冷熱點(diǎn)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(píng)價(jià)體系加強(qiáng)治污投資資金的管理和監(jiān)督,注重依靠市場(chǎng)化的手段將區(qū)域經(jīng)濟(jì)發(fā)展過程中的外部性內(nèi)部化,從而推動(dòng)區(qū)域生態(tài)經(jīng)濟(jì)投入效益水平的不斷提升。
關(guān)鍵詞 區(qū)域生態(tài)經(jīng)濟(jì)投入效益;非期望產(chǎn)出;SBMDEA超效率模型;時(shí)空演化
中圖分類號(hào) F124.5 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1002-2104(2017)11-0010-11 DOI:10.12062/cpre.20170456
近年來,中國(guó)不少地區(qū)霧霾天氣頻發(fā),持續(xù)時(shí)間長(zhǎng),影響范圍大,給經(jīng)濟(jì)社會(huì)發(fā)展帶來了不利影響,引起全社會(huì)的關(guān)注。同期由亞洲開發(fā)銀行和清華大學(xué)聯(lián)合發(fā)布的環(huán)境報(bào)告中指出,中國(guó)最大的500個(gè)城市只有不到1%達(dá)到世界衛(wèi)生組織推薦的空氣質(zhì)量,在全球污染最嚴(yán)重的10個(gè)城市中,中國(guó)占到了7個(gè)[1]。中國(guó)作為經(jīng)濟(jì)增長(zhǎng)最快的國(guó)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(jì)學(xué)更多的是從資源稀缺配置的視角研究如何減少經(jīng)濟(jì)發(fā)展過程中外部性的影響,不少學(xué)者對(duì)污染物排放和資源投入之間的關(guān)系進(jìn)行了探索,并得出許多有意義的結(jié)論[3-5]。但是這些文獻(xiàn)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(guān)系,即沒有考慮到空間的因素。根據(jù)美國(guó)地理學(xué)家Tobler在1970年提出的“地理學(xué)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(jì)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(guān)系相關(guān),臨近地區(qū)間有較強(qiáng)的相互影響并不斷地演化,既存在空間異質(zhì)性(spatial heterogeneity),也存在空間相關(guān)性(spatial correlation)和集聚(clustering)分布。
黨的十八大首提“美麗中國(guó)”、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(guó)家發(fā)展改革委、國(guó)家統(tǒng)計(jì)局、環(huán)境保護(hù)部、中央組織部制定的《綠色發(fā)展指標(biāo)體系》和《生態(tài)文明建設(shè)考核目標(biāo)體系》中,資源利用權(quán)重占29.3%,環(huán)境治理權(quán)重占16.5%,環(huán)境質(zhì)量權(quán)重占19.3%,生態(tài)保護(hù)指標(biāo)權(quán)重占16.5%,增長(zhǎng)質(zhì)量權(quán)重占9.2%,綠色生活權(quán)重占9.2%。其中GDP增長(zhǎng)質(zhì)量權(quán)重不到資源利用、環(huán)境質(zhì)量權(quán)重的一半,占全部考核權(quán)重不到10%。中國(guó)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(jì)發(fā)展留有適當(dāng)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(biāo)?;诖耍疚倪x擇能夠同時(shí)反映經(jīng)濟(jì)發(fā)展和生態(tài)環(huán)境狀況的“生態(tài)經(jīng)濟(jì)投入效益”作為研究對(duì)象,分析其時(shí)空演化格局,并在此基礎(chǔ)上揭示相應(yīng)的政策含義,具有必要性和現(xiàn)實(shí)的指導(dǎo)意義。本文結(jié)構(gòu)安排如下:第一部分為相關(guān)研究述評(píng);第二部分為研究方法與數(shù)據(jù)來源;第三部分運(yùn)用考慮非期望產(chǎn)出的SBMDEA超效率模型對(duì)中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益進(jìn)行測(cè)算,并從空間經(jīng)濟(jì)學(xué)視角進(jìn)行了分析;第四部分給出結(jié)論以及相應(yīng)的政策建議。
1 相關(guān)研究述評(píng)
“經(jīng)濟(jì)和生態(tài)是一個(gè)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(cái)富”[7]。如果忽視經(jīng)濟(jì)活動(dòng)對(duì)生態(tài)環(huán)境的影響,當(dāng)兩者不能夠相互平衡時(shí),就不可能實(shí)現(xiàn)社會(huì)再生產(chǎn)的良性發(fā)展。生態(tài)經(jīng)濟(jì)投入效益是投入生態(tài)資源要素的成本與獲得的經(jīng)濟(jì)收入的比值。在某區(qū)域范圍內(nèi),可使用地區(qū)生產(chǎn)總值或地區(qū)總產(chǎn)出等指標(biāo)衡量經(jīng)濟(jì)收入;“生態(tài)資源要素”包含資源消耗與污染排放兩個(gè)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(jìn)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(xiàn)中關(guān)于區(qū)域生態(tài)經(jīng)濟(jì)投入效益的評(píng)價(jià)方法主要包括:模糊綜合評(píng)價(jià)法[11]、層次分析法(analytic hierarchy process,AHP)[12]、隨機(jī)前沿分析(Stochastic Frontier Approach,SFA)[13]和數(shù)據(jù)包絡(luò)分析法(data envelope analyse,DEA)[14]。模糊綜合評(píng)價(jià)法的優(yōu)點(diǎn)在于能夠通過隸屬度函數(shù)和模糊統(tǒng)計(jì),實(shí)現(xiàn)被評(píng)價(jià)對(duì)象的定性指標(biāo)定量化,且評(píng)價(jià)結(jié)論是評(píng)價(jià)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(quán)重指標(biāo)的確定帶有較強(qiáng)的主觀性,如果是多目標(biāo)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(shì)在于原理的簡(jiǎn)單性與計(jì)算的便利性。但是在構(gòu)建層次結(jié)構(gòu)模型, 并運(yùn)用成對(duì)比較矩陣進(jìn)行判斷的過程,存在著較強(qiáng)的主觀性,有可能產(chǎn)生某些片面性判斷,結(jié)果較為粗糙[16]。SFA始于對(duì)生產(chǎn)最優(yōu)化的研究,是一種典型的參數(shù)方法。其特點(diǎn)在于:當(dāng)分析生產(chǎn)參與者決策行為的時(shí)候,誤差項(xiàng)不再是均值為0的對(duì)稱分布,而是與邊界線相聯(lián)系的誤差項(xiàng),通常稱為“復(fù)合誤差項(xiàng)”,由對(duì)稱分布誤差項(xiàng)與單邊誤差項(xiàng)組成。其中,對(duì)稱分布誤差項(xiàng)用于考慮環(huán)境因素的影響,而單邊誤差項(xiàng)則用于測(cè)度生產(chǎn)參與者的技術(shù)有效性[17]。但是,當(dāng)單邊誤差項(xiàng)存在異方差時(shí),得到的生產(chǎn)邊界結(jié)構(gòu)參數(shù)的估計(jì)值以及技術(shù)效率的估計(jì)值都是有偏的,無論是固定效應(yīng)還是隨機(jī)效應(yīng)模型都不適合,極大似然法雖然可用,但由于估計(jì)參數(shù)過多,實(shí)踐上并不可行[18]。DEA是一種基于被評(píng)價(jià)對(duì)象間相對(duì)比較的非參數(shù)方法,基本原理相對(duì)簡(jiǎn)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(píng)價(jià)問題,而且不需要對(duì)評(píng)價(jià)系統(tǒng)輸入和輸出的函數(shù)形式進(jìn)行假定,排除了主觀因素。在測(cè)算生態(tài)經(jīng)濟(jì)投入效益時(shí),涉及的資源投入和污染排放指標(biāo)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(yīng)用。Sueyoshi和Goto[19] 應(yīng)用徑向DEA方法進(jìn)行了相關(guān)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(duì)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(shí)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(yīng)用方向距離函數(shù)(directional distance function)彌補(bǔ)了謝潑德距離函數(shù)的不足,在設(shè)定期望產(chǎn)出增加的同時(shí),非期望產(chǎn)出將嚴(yán)格等比例減少。但是在既定投入的情況下,如果對(duì)非期望產(chǎn)出采用強(qiáng)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(duì)非期望產(chǎn)出采用弱可處置性,即對(duì)非期望產(chǎn)出的減少設(shè)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(duì)于無效率程度的測(cè)量只包含了所有投入或(產(chǎn)出)等比例縮減(增加)的比例。對(duì)于無效DMU而言,其當(dāng)前狀態(tài)與強(qiáng)有效目標(biāo)值之間的差距,除了等比例改進(jìn)的部分之外,還包括松弛改進(jìn)的部分,而松弛改進(jìn)的部分在效率值的測(cè)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(gè)問題,并應(yīng)用于環(huán)境效率的測(cè)算,在SBMDEA模型中,可以用各項(xiàng)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(duì)多投入和多產(chǎn)出指標(biāo)時(shí),由于有效DMU都為“1”,給進(jìn)一步細(xì)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(diǎn)(投入增加和/或產(chǎn)出減少)替換該DMU后,投影點(diǎn)在標(biāo)準(zhǔn)效率模型中是有效的,允許效率值大于1,這樣就可以對(duì)有效DMU的效率高低做進(jìn)一步區(qū)分。成金華等人[23] 構(gòu)建了徑向超效率DEA評(píng)價(jià)模型,在模型中將污染物等非期望產(chǎn)出設(shè)定為“投入”指標(biāo)。一方面不符合生產(chǎn)實(shí)際情況,另一方面可能存在得到的效率值不滿足單調(diào)性,即可能出現(xiàn)被評(píng)價(jià)DMU減少投入或者增加產(chǎn)出后,得到的效率值反而會(huì)下降的情況,無法保證DMU無效率正確的改進(jìn)方向。endprint
分析以上文獻(xiàn)可知:第一,傳統(tǒng)的徑向DEA方法無法解決松弛調(diào)整部分缺失問題,難以實(shí)現(xiàn)當(dāng)前狀態(tài)與強(qiáng)有效目標(biāo)值之間差距的有效縮??;第二,方向距離函數(shù)存在強(qiáng)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(dǎo)致最終有效DMU不合理或者缺失;第三,當(dāng)投入和產(chǎn)出指標(biāo)較多時(shí),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(jìn)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(cè)算生態(tài)經(jīng)濟(jì)投入效益,DMU相對(duì)效率的前沿面將發(fā)生本質(zhì)改變,雖然能夠盡可能地縮減非期望產(chǎn)出,但不符合實(shí)際的生產(chǎn)過程;第五,當(dāng)前采用DEA模型對(duì)于生態(tài)經(jīng)濟(jì)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(guān)聯(lián)屬性,研究動(dòng)態(tài)演化的文獻(xiàn)很少。
本文的主要貢獻(xiàn)在于:首先,本研究采用Tone[24]提出的SBMDEA超效率模型作為基礎(chǔ)。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(biāo)函數(shù)中,能夠較好地解決松弛調(diào)整部分缺失的問題;其次,將被評(píng)價(jià)DMU從參照的生產(chǎn)可能性集中去除,即被評(píng)價(jià)DMU的效率是通過參照其他DMU所構(gòu)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(duì)有效DMU進(jìn)行區(qū)分,保證研究結(jié)果的穩(wěn)健性;再次,為了與實(shí)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(gòu)造了一個(gè)考慮非期望產(chǎn)出的改進(jìn)SBMDEA超效率模型,用于中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益的測(cè)算;最后,運(yùn)用地理空間統(tǒng)計(jì)分析手段,考慮生態(tài)經(jīng)濟(jì)投入效益在區(qū)域之間的擴(kuò)散和極化效應(yīng),研究了其空間差異和動(dòng)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(jì)投入效益測(cè)度
本文構(gòu)建了考慮非期望產(chǎn)出的SBMDEA超效率模型,實(shí)證測(cè)算中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益水平。模型設(shè)定如下:
假設(shè)存在n個(gè)同質(zhì)的DMU,每個(gè)DMU包括三種要素:m種資源消耗作為投入指標(biāo),q1種產(chǎn)品作為期望產(chǎn)出指標(biāo)(例如GDP),q2種產(chǎn)品作為非期望產(chǎn)出指標(biāo)(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(duì)于每一個(gè)DMU,所有可行的投入和產(chǎn)出要素構(gòu)成非負(fù)的生產(chǎn)可能性集,在給定技術(shù)條件下,通過調(diào)整投入和產(chǎn)出的松弛變量,所有的DMU實(shí)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(quán)重系數(shù),待估計(jì)。
2.1.2 全局空間自相關(guān)
全局Morans I指數(shù)同時(shí)根據(jù)要素位置和要素值來度量全局空間自相關(guān),用于檢驗(yàn)鄰近區(qū)域之間相似或者獨(dú)立的關(guān)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(fù),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(dāng)指數(shù)趨近于0,表明鄰近區(qū)域之間不存在空間相關(guān)性或者屬性是隨機(jī)分布。Morans I 指數(shù)計(jì)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(quán)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(shí)別空間數(shù)據(jù)的局部特性,Getis和Ord提出可以對(duì)數(shù)據(jù)集中的每一個(gè)要素計(jì)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(quán)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(diǎn))或低值(冷點(diǎn))要素在空間上發(fā)生聚類的位置。對(duì)于具有顯著統(tǒng)計(jì)學(xué)意義的正的z值,z值越高,高值(熱點(diǎn))的聚類就越緊密;對(duì)于統(tǒng)計(jì)學(xué)上的顯著性為負(fù)的z值,z值越低,低值(冷點(diǎn))的聚類就越緊密。各區(qū)域生態(tài)經(jīng)濟(jì)投入效益的熱點(diǎn)和冷點(diǎn)分別代表生態(tài)經(jīng)濟(jì)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(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益的分布狀況和變化情況呢?本研究采用重心指標(biāo)來測(cè)定和描繪中國(guó)2003—2014年區(qū)域生態(tài)經(jīng)濟(jì)投入效益的分布及演化軌跡。重心概念來源于力學(xué),表示物體內(nèi)各個(gè)點(diǎn)所受重力產(chǎn)生合力的作用點(diǎn)。1874年美國(guó)耶魯大學(xué)教授Walker首先將此概念應(yīng)用于研究人口分布,隨后在經(jīng)濟(jì)、社會(huì)等多學(xué)科中得到了應(yīng)用。本文設(shè)定某區(qū)域?yàn)橘|(zhì)地均勻的平面,生態(tài)經(jīng)濟(jì)投入效益在此平面上分布,如果平面上存在著一個(gè)支點(diǎn),使平面保持水平穩(wěn)定,則該支點(diǎn)被稱作區(qū)域生態(tài)經(jīng)濟(jì)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(jì)投入效益大小隨著時(shí)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(jì)投入效益重心的移動(dòng)軌跡。該軌跡移動(dòng)方向表示區(qū)域生態(tài)經(jīng)濟(jì)投入效益的移動(dòng)趨勢(shì),而連續(xù)的移動(dòng)軌跡表示在一個(gè)時(shí)間段內(nèi)區(qū)域生態(tài)經(jīng)濟(jì)投入效益的歷史演化過程。假設(shè)n個(gè)小區(qū)域組成一個(gè)大區(qū)域,每個(gè)小區(qū)域均有各自的生態(tài)經(jīng)濟(jì)投入效益值,對(duì)于該大區(qū)域而言,區(qū)域生態(tài)經(jīng)濟(jì)投入效益重心的計(jì)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(gè)小區(qū)域第g年重心的經(jīng)緯度坐標(biāo),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(tái)灣、香港以及澳門。采集了 2003—2014 年間中國(guó)大陸30個(gè)省、直轄市和自治區(qū)的樣本數(shù)據(jù)。以各省區(qū)建設(shè)用地、用水總量和能源消費(fèi)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(xué)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(jìn)行區(qū)域生態(tài)經(jīng)濟(jì)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(guó)統(tǒng)計(jì)年鑒》,以2003年為基年,經(jīng)過平減整理得到研究期內(nèi)各省、區(qū)和直轄市不變價(jià)格的GDP,單位為億元。②建設(shè)用地?cái)?shù)據(jù)來源于Wind數(shù)據(jù)庫和《中國(guó)城市統(tǒng)計(jì)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(guó)水利統(tǒng)計(jì)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(biāo)準(zhǔn)煤后進(jìn)行加總得到能源消耗總量,主要數(shù)據(jù)來自于相應(yīng)各年份的《中國(guó)能源統(tǒng)計(jì)年鑒》。⑤ 非期望產(chǎn)出數(shù)據(jù)來自于各年度的《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》。其中,廢水排放總量的單位為萬 t,化學(xué)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(guó)家統(tǒng)計(jì)局的劃分標(biāo)準(zhǔn),將中國(guó)劃分為東部地區(qū)、中部地區(qū)和西部地區(qū)三個(gè)區(qū)域。其中,東部地區(qū)包括北京、上海和海南等 11 個(gè)省和直轄市。中部地區(qū)包括江西、河南和吉林等 8 個(gè)省份。西部地區(qū)包括四川、廣西和重慶等11 個(gè)省、市和自治區(qū)。
3 計(jì)算結(jié)果與相關(guān)分析
3.1 區(qū)域生態(tài)經(jīng)濟(jì)投入效益測(cè)度及總體特征
建立考慮非期望產(chǎn)出的SBMDEA超效率模型,對(duì)2003—2014年中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益進(jìn)行估計(jì)。從省級(jí)尺度上分析,中國(guó)各省區(qū)生態(tài)經(jīng)濟(jì)投入效益存在明顯的波動(dòng)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(gè)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(gè)東部省份,山西、黑龍江、安徽、河南等4個(gè)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(nèi)蒙古、陜西、甘肅、四川、貴州和廣西等8個(gè)西部地區(qū),以及東部地區(qū)的河北??傮w而言,經(jīng)濟(jì)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(jì)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(jì)投入效益始終保持向好的態(tài)勢(shì),生態(tài)資源投入和經(jīng)濟(jì)發(fā)展之間的平衡性較好。而甘肅、青海等經(jīng)濟(jì)欠發(fā)達(dá)地區(qū),以及河南、山西等以資源型、重工業(yè)型為經(jīng)濟(jì)主導(dǎo)的省份,生態(tài)經(jīng)濟(jì)投入效益發(fā)展趨勢(shì)不佳。
從平均值來看(見表2),中國(guó)各省、市和自治區(qū)生態(tài)經(jīng)濟(jì)投入效益差異顯著。北京(1.893)的生態(tài)經(jīng)濟(jì)投入效益最高,位于生態(tài)經(jīng)濟(jì)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(jì)投入效益相對(duì)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(jì)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(jì)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(jì)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(jì)投入效益較低的省區(qū)。
從區(qū)域尺度分析,生態(tài)經(jīng)濟(jì)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(shì)。同時(shí),總體的生態(tài)經(jīng)濟(jì)投入效益也處于明顯下降的態(tài)勢(shì),從2003—2014年,位于生態(tài)經(jīng)濟(jì)投入效益高水平的省區(qū)數(shù)量在明顯減少,說明中國(guó)的生態(tài)環(huán)境狀況在持續(xù)惡化。全國(guó)生態(tài)經(jīng)濟(jì)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(jì)投入效益的差異相對(duì)較為穩(wěn)定。不同區(qū)域生態(tài)經(jīng)濟(jì)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(duì)污染物等非期望產(chǎn)出的控制能力,以及經(jīng)濟(jì)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(shù)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(shù)水平約束、資源要素配置結(jié)構(gòu)合理性、交通基礎(chǔ)設(shè)施完備性等多種因素的影響,生態(tài)經(jīng)濟(jì)投入效益一直處于較低水平。
中國(guó)的區(qū)域生態(tài)經(jīng)濟(jì)投入效益與自然資源稟賦之間總體存在明顯的負(fù)相關(guān)性。自然資源相對(duì)匱乏的地區(qū)或者自然資源調(diào)入的地區(qū),生態(tài)經(jīng)濟(jì)投入效益相對(duì)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(nèi)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(jì)投入效益反而相對(duì)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(jì)投入效益存在著巨大的提升空間,可以通過改進(jìn)生產(chǎn)技術(shù)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(xué)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(guó)經(jīng)濟(jì)、資源、技術(shù)水平等空間分布的不平衡,導(dǎo)致影響各省、市、區(qū)生態(tài)經(jīng)濟(jì)投入效益變化的因素存在差異性。在當(dāng)前的技術(shù)水平約束下,要素配置失衡是生態(tài)經(jīng)濟(jì)投入效益無法達(dá)最優(yōu)狀態(tài)的主要誘導(dǎo)因素,呈現(xiàn)資源投入效率的“短板效應(yīng)”,造成自然資源的浪費(fèi)和無效率??梢詫①Y源要素投入松弛分為三種類型:即建設(shè)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(shè)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(jìn)程的加快,建設(shè)用地利用效率較低,使有限的土地資源空間受到了嚴(yán)重的擠壓。2003年18個(gè)省、市和自治區(qū)的建設(shè)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(gè)省、市、自治區(qū)的建設(shè)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(gè)省、市和自治區(qū)的建設(shè)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(guó)政府提出“中部崛起”戰(zhàn)略以來,借助于優(yōu)質(zhì)的資源稟賦和獨(dú)特的地理區(qū)位,中部地區(qū)的經(jīng)濟(jì)發(fā)展速度得到了極大地提升,但是中部地區(qū)是中國(guó)農(nóng)業(yè)發(fā)展條件最為優(yōu)良的區(qū)域,是中國(guó)糧食主產(chǎn)區(qū),如何提升中部地區(qū)建設(shè)用地利用效率,對(duì)于化解建設(shè)用地?cái)U(kuò)張與保障中國(guó)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(gè)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(gè)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(gè)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(nèi)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(jì)發(fā)展水平增速較快。但是,這些省區(qū)的工業(yè)結(jié)構(gòu)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(shù)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(zhǎng)的態(tài)勢(shì)。
(3)用水總量投入松弛。2003年14個(gè)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(nèi)蒙古(1 165 106.914)和甘肅(760 202.730)。2008年20個(gè)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(gè)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(nèi)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(guó)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(jì)社會(huì)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(zāi)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(nèi)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(jì)社會(huì)持續(xù)發(fā)展面臨“無水可用”的境地,一些謀劃多年的大項(xiàng)目因沒有用水資源指標(biāo)的支撐而停擺。必須通過落實(shí)最嚴(yán)格水資源管理制度,嚴(yán)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(shí)現(xiàn)水資源消耗總量和強(qiáng)度的雙控,最終達(dá)到經(jīng)濟(jì)社會(huì)發(fā)展與水資源條件相適應(yīng)。
3.2 全局空間演化特征
前文對(duì)中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益時(shí)間演變特征及區(qū)域差異特征進(jìn)行了分析,然而中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)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(jì)投入效益的高低變化與相鄰區(qū)域生態(tài)經(jīng)濟(jì)投入效益變化是否存在關(guān)聯(lián)關(guān)系?則需要通過地理空間統(tǒng)計(jì)方法研究。
通過全局Morans I指數(shù)來分析2003—2014年中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益總體格局演化特征,運(yùn)用ArcGIS10.2分析軟件,測(cè)算出2003—2014年中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益的全局Morans I估計(jì)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(yàn),2003,2009和2011年能夠通過5 %顯著性水平檢驗(yàn),其他年份可以在10 %的顯著性水平通過檢驗(yàn);② 在所有的顯著性檢驗(yàn)水平上,全局Morans I估計(jì)值均表現(xiàn)出正的空間相關(guān)性,說明生態(tài)經(jīng)濟(jì)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(jì)值有不斷上升的態(tài)勢(shì),從0.516 8提高到0.887 5,說明這6年以來中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益的空間相關(guān)性愈加明顯,呈現(xiàn)較強(qiáng)的空間集聚態(tài)勢(shì)。2008年之后,全局Morans I估計(jì)值呈現(xiàn)出不斷下降的態(tài)勢(shì),2014年降低到0.401 6,有向0值靠攏的趨勢(shì),表明空間格局上逐漸呈現(xiàn)顯著的弱集聚分布態(tài)勢(shì)。
3.3 冷熱點(diǎn)格局演化特征
通過GetisOrd Gi*指數(shù)的計(jì)算對(duì)中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益局部聚集特征進(jìn)行分析,采用自然斷裂點(diǎn)法(Jenks)將數(shù)值由低到高劃分為5類,分別為:熱點(diǎn)區(qū)域、次熱點(diǎn)區(qū)域、過渡區(qū)域、冷點(diǎn)區(qū)域和次冷點(diǎn)區(qū)域(見表4)。2003年,2008年和2014年3個(gè)年份的冷點(diǎn)和熱點(diǎn)數(shù)量、結(jié)構(gòu)的分布不均勻,呈現(xiàn)出顯著的空間異質(zhì)性。① 2003、2008和2014年熱點(diǎn)區(qū)域的比重始終相對(duì)穩(wěn)定,保持在6.67%。熱點(diǎn)區(qū)域和冷點(diǎn)區(qū)域之和的比重分別占總數(shù)的30%、33.34%和16.67%,次熱點(diǎn)區(qū)域、過渡區(qū)域和冷點(diǎn)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(jié)構(gòu),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(jìn)一步加劇的趨勢(shì)。② 中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益的冷熱點(diǎn)格局表現(xiàn)為與經(jīng)濟(jì)增長(zhǎng)水平較為一致的地帶性分布,從東部沿海地區(qū)到中西部?jī)?nèi)陸地區(qū)的格局差異明顯。2003年熱點(diǎn)區(qū)域?yàn)闁|部地區(qū)的北京和福建,次熱點(diǎn)區(qū)域endprint
圍繞熱點(diǎn)區(qū)域分布,主要集中在環(huán)渤海區(qū)域的天津和山東,長(zhǎng)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(diǎn)區(qū)域?yàn)閷幭?、新疆、甘肅、貴州、內(nèi)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(diǎn)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(jìn)入熱點(diǎn)區(qū)域,北京保持不變。次熱點(diǎn)區(qū)域有所收斂并呈現(xiàn)出向北偏移的趨勢(shì),內(nèi)蒙古和河北分別從冷點(diǎn)區(qū)域和過渡區(qū)域變?yōu)榇螣狳c(diǎn)區(qū)域,而江蘇和山東則由次熱點(diǎn)區(qū)域轉(zhuǎn)變?yōu)檫^渡區(qū)域。冷點(diǎn)區(qū)域和次冷點(diǎn)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(diǎn)區(qū)域仍然為北京和廣東,次熱點(diǎn)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(diǎn)區(qū)域和次冷點(diǎn)區(qū)域集中在新疆、寧夏、甘肅、內(nèi)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(yīng)和核心—邊緣結(jié)構(gòu)理論解釋,區(qū)域生態(tài)經(jīng)濟(jì)投入效益冷熱點(diǎn)失衡的原因在于:①熱點(diǎn)和次熱點(diǎn)區(qū)域不斷累積有利因素增加而冷點(diǎn)區(qū)域卻持續(xù)積累不利因素,冷點(diǎn)和次冷點(diǎn)區(qū)域往往是中西部經(jīng)濟(jì)欠發(fā)達(dá)地區(qū),這些區(qū)域存在的地理二元經(jīng)濟(jì)格局又進(jìn)一步放大了這種累積效應(yīng);② 先天稟賦較好的熱點(diǎn)和次熱點(diǎn)區(qū)域一方面通過“涓滴效應(yīng)”帶動(dòng)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(dòng)力等生產(chǎn)要素又由
于“虹吸效應(yīng)”逐漸流入熱點(diǎn)區(qū)域,加劇了區(qū)域生態(tài)經(jīng)濟(jì)投入效益失衡,而逐漸顯化的極化效應(yīng)又進(jìn)一步抑制鄰近區(qū)域的發(fā)展。
(2)從傳統(tǒng)的經(jīng)濟(jì)地理學(xué)的角度分析,區(qū)位優(yōu)勢(shì)顯著、先天要素豐裕的區(qū)域往往成為生態(tài)經(jīng)濟(jì)投入效益的熱點(diǎn)和次熱點(diǎn)區(qū)域。而大部分冷點(diǎn)和次冷點(diǎn)區(qū)域則位于經(jīng)濟(jì)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(yán)重滯后的生態(tài)管理體系是導(dǎo)致冷熱點(diǎn)空間不平衡的初始性前置制約因素。即使受到國(guó)家西部大開發(fā)等政策的有力支持,但是長(zhǎng)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(jié)構(gòu)難以在短期內(nèi)予以調(diào)整,這在一定程度上又抑制了發(fā)展模式的轉(zhuǎn)型升級(jí),甚至形成惡性循環(huán)。因此,冷點(diǎn)和次冷點(diǎn)區(qū)域的生態(tài)經(jīng)濟(jì)投入效益無法得到有效改善。
(3)從新經(jīng)濟(jì)地理學(xué)的視角出發(fā),人力資本和技術(shù)要素的知識(shí)溢出、市場(chǎng)需求能力和完善的交通體系是促進(jìn)生態(tài)經(jīng)濟(jì)投入效益提升的重要驅(qū)動(dòng)因素。中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益的冷熱點(diǎn)分布也證實(shí)了這一點(diǎn)。熱點(diǎn)和次熱點(diǎn)主要集中在長(zhǎng)江三角洲、環(huán)渤海、珠江三角洲、海西經(jīng)濟(jì)區(qū)等經(jīng)濟(jì)發(fā)達(dá)的東部沿海地區(qū),尤其是上海、北京、天津和廣州作為長(zhǎng)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(chǔ)設(shè)施良好、金融市場(chǎng)發(fā)達(dá),區(qū)域帶動(dòng)效應(yīng)顯著。而主要位于中西部地區(qū)的冷點(diǎn)和次冷點(diǎn)區(qū)域,高層次人才嚴(yán)重匱乏,科技基礎(chǔ)薄弱,交通和通信等基礎(chǔ)設(shè)施較為欠缺,嚴(yán)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(jì)聯(lián)動(dòng)發(fā)展較弱,互補(bǔ)程度低,阻礙了這些區(qū)域承接熱點(diǎn)和次熱點(diǎn)區(qū)域的知識(shí)溢出與產(chǎn)業(yè)轉(zhuǎn)移,延遲了通過經(jīng)濟(jì)發(fā)展模式轉(zhuǎn)變提升生態(tài)經(jīng)濟(jì)投入效益的時(shí)間。
3.4 重心分析
中國(guó)生態(tài)經(jīng)濟(jì)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(gè)方向上移動(dòng),表明此方向上的區(qū)域生態(tài)經(jīng)濟(jì)投入效益增長(zhǎng)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(duì)于研究中國(guó)生態(tài)經(jīng)濟(jì)投入效益的空間演化過程,實(shí)現(xiàn)資源要素投入的地理空間引導(dǎo)具有重要的意義。依據(jù)公式(4),計(jì)算出中國(guó)生態(tài)經(jīng)濟(jì)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(guó)生態(tài)經(jīng)濟(jì)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(dòng)范圍大約240 km,說明從2003—2014年以來,中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益分布一直在振蕩演變。
(2)從經(jīng)度來看,中國(guó)生態(tài)經(jīng)濟(jì)投入效益重心的移動(dòng)軌跡曲折,東西往復(fù)擺動(dòng)。但是向西部擺動(dòng)的幅度逐漸減小,向東部擺動(dòng)的幅度則逐漸加大。2003—2005年,中國(guó)生態(tài)經(jīng)濟(jì)投入效益重心總體上向西北發(fā)生偏移,移動(dòng)距離約91.052 km;2006—2007年,中國(guó)生態(tài)經(jīng)濟(jì)投入效益重心總體上又向東部發(fā)生偏移,移動(dòng)距離約30.027 km;2008—2010年,中國(guó)生態(tài)經(jīng)濟(jì)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(guó)生態(tài)經(jīng)濟(jì)投入效益重心持續(xù)向東部移動(dòng),移動(dòng)距離約136.578 km。如果取東經(jīng)113.458°E為擺動(dòng)的中心線,則在2003—2014年間,在此中心線西部有5個(gè)年份,而有7個(gè)年份在此中心線東部。這一個(gè)特點(diǎn)說明中國(guó)生態(tài)經(jīng)濟(jì)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(dòng)速度有所加快,表明東西部之間的生態(tài)經(jīng)濟(jì)投入效益差距有進(jìn)一步擴(kuò)大的趨勢(shì)。
(3)在緯度變化方面,2003—2005年間中國(guó)生態(tài)經(jīng)濟(jì)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(jìn)行擺動(dòng)。這一特點(diǎn)表明中國(guó)南北方之間的生態(tài)經(jīng)濟(jì)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(shù)水平較高,高層次人力資本存量大,新技術(shù)擴(kuò)散
速度快,技術(shù)溢出效應(yīng)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(zhuǎn)移
到中西部地區(qū)。此外,東部地區(qū)各省(市、區(qū))不斷強(qiáng)化相互之間的經(jīng)濟(jì)合作與分工,發(fā)揮
自身的經(jīng)濟(jì)比較優(yōu)勢(shì),在研發(fā)和生產(chǎn)加工方面形成有效互動(dòng),彼此協(xié)調(diào)趨向合理,已經(jīng)成為
中國(guó)先進(jìn)產(chǎn)業(yè)的主要集聚區(qū)域。同時(shí),出口的政策支持、產(chǎn)業(yè)集聚效應(yīng)、對(duì)外資的吸收優(yōu)勢(shì)
等因素又進(jìn)一步提升了東部地區(qū)的產(chǎn)業(yè)層次,有效地促進(jìn)區(qū)域生態(tài)效率的提升。而中西部地endprint
區(qū),盡管受到國(guó)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?fàn)顩r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(yùn)輸設(shè)備制造業(yè),西部地區(qū)在航空航天設(shè)備制
造業(yè)等方面在國(guó)內(nèi)行業(yè)中占有較大份額,雖然達(dá)到了一定的技術(shù)水平,但是與國(guó)外先進(jìn)水平
相比仍有較大差距,當(dāng)前產(chǎn)品以滿足內(nèi)需為主,出口則面臨著較高的“門檻效應(yīng)”,對(duì)外依存
度低,對(duì)外貿(mào)易難以促進(jìn)區(qū)域生態(tài)效率水平的大幅提升。此外,西部地區(qū)國(guó)有經(jīng)濟(jì)的比例一
直居全國(guó)最高,國(guó)有經(jīng)濟(jì)投資一直占主導(dǎo)地位,對(duì)于西部各省份而言,個(gè)體上仍然是一個(gè)相
對(duì)封閉的自我循環(huán)經(jīng)濟(jì)體,發(fā)展不均衡,經(jīng)濟(jì)聯(lián)系與協(xié)作程度低,分工合作體制障礙嚴(yán)重。
投資主體多元化,各種經(jīng)濟(jì)成分共同發(fā)展的區(qū)域經(jīng)濟(jì)一體化格局遠(yuǎn)未形成,難以有效地通過
市場(chǎng)化的手段引導(dǎo)投資方向,提升資源配置效率,降低污染物的排放,促進(jìn)區(qū)域生態(tài)效率的
改善。
4 結(jié)論與政策建議
實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展和環(huán)境質(zhì)量的有效平衡,是保持中國(guó)可持續(xù)發(fā)展的主要目標(biāo)。本文采用中國(guó)30個(gè)省、市和自治區(qū)2003—2014年的數(shù)據(jù),構(gòu)建了考慮非期望產(chǎn)出的SBM—DEA超效率模型,對(duì)中國(guó)各地區(qū)的生態(tài)經(jīng)濟(jì)投入效益進(jìn)行測(cè)算。在此基礎(chǔ)上,從空間經(jīng)濟(jì)學(xué)的視角出發(fā),對(duì)其時(shí)空演化過程進(jìn)行了分析。主要結(jié)論如下:
(1)整體上,中國(guó)各個(gè)地區(qū)的生態(tài)經(jīng)濟(jì)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?jī)?nèi)陸地區(qū)逐漸遞減的趨勢(shì)。但是生態(tài)經(jīng)濟(jì)投入效益的地帶性差異水平相對(duì)保持穩(wěn)定,反映了經(jīng)濟(jì)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(jì)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(jì)投入效益最高,中部次之,西部最低。
(2)由于中國(guó)經(jīng)濟(jì)、自然資源、技術(shù)水平、人力資本等空間分布的不平衡,導(dǎo)致影響各省、市和自治區(qū)生態(tài)經(jīng)濟(jì)投入效益變化的因素存在差異性。在當(dāng)前的技術(shù)水平約束下,要素配置失衡導(dǎo)致資源投入效率的“短板效應(yīng)”,使生態(tài)經(jīng)濟(jì)投入效益無法達(dá)到最優(yōu)狀態(tài),主要表現(xiàn)為建設(shè)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(jì)量的全局Morans I 指數(shù)檢驗(yàn)發(fā)現(xiàn),中國(guó)的區(qū)域生態(tài)經(jīng)濟(jì)投入效益在空間上存在顯著的正的空間相關(guān)性,這表明空間相鄰區(qū)域生態(tài)經(jīng)濟(jì)投入效益高(或低)的省區(qū)呈現(xiàn)集聚分布空間格局。從時(shí)間尺度分析,全局Morans I估計(jì)值先上升后下降,說明中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益從較強(qiáng)的空間集聚態(tài)勢(shì)逐漸向較弱集聚分布態(tài)勢(shì)轉(zhuǎn)變。
(4)中國(guó)區(qū)域生態(tài)經(jīng)濟(jì)投入效益存在明顯的失衡,這是現(xiàn)實(shí)的困境。熱點(diǎn)和次熱點(diǎn)區(qū)域集中在東部沿海地區(qū),冷點(diǎn)和次冷點(diǎn)區(qū)域主要位于中西部地區(qū);不同年份的冷熱點(diǎn)分布雖然呈現(xiàn)出一定的波動(dòng)性,但是總體上表現(xiàn)為與經(jīng)濟(jì)發(fā)展水平較一致的地帶性分布,并且顯示從沿海到內(nèi)陸、東中西部逐步遞減的狀態(tài);各區(qū)域的累積效應(yīng)、生態(tài)承載力等初始性制約因素、基礎(chǔ)設(shè)施和資金等彈性約束都是區(qū)域生態(tài)經(jīng)濟(jì)投入效益冷熱點(diǎn)失衡的誘因。
(5)2003—2014年以來,中國(guó)生態(tài)經(jīng)濟(jì)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(dòng)軌跡曲折,東西往復(fù)擺動(dòng),說明東西部之間的生態(tài)效率差距有進(jìn)一步擴(kuò)大的趨勢(shì)。
上述結(jié)論蘊(yùn)含的政策含義包括:①充分認(rèn)識(shí)長(zhǎng)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(jì)發(fā)展格局,打破地方保護(hù)主義壁壘,重視省際間的經(jīng)濟(jì)聯(lián)系,強(qiáng)化區(qū)域聯(lián)動(dòng)和產(chǎn)業(yè)分工,結(jié)合各地區(qū)的資源稟賦、生產(chǎn)技術(shù)水平等外部因素,因地制宜統(tǒng)籌考慮產(chǎn)業(yè)結(jié)構(gòu)的中長(zhǎng)期優(yōu)化布局,避免為了追求短期績(jī)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(chǎng)資源配置的基礎(chǔ)性作用,重視區(qū)域技術(shù)創(chuàng)新的空間溢出效應(yīng),強(qiáng)化東部地區(qū)與中西部地區(qū)之間研發(fā)合作,從而推動(dòng)區(qū)域生態(tài)經(jīng)濟(jì)投入效益水平的不斷提升;③完善資源市場(chǎng)的價(jià)格形成機(jī)制,注重對(duì)生態(tài)環(huán)境的補(bǔ)償價(jià)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(fù)向效應(yīng)。④加快推動(dòng)基礎(chǔ)設(shè)施均衡化發(fā)展,延長(zhǎng)熱點(diǎn)區(qū)域技術(shù)、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(jié)構(gòu)轉(zhuǎn)型升級(jí),縮小生態(tài)經(jīng)濟(jì)投入效益冷熱點(diǎn)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(píng)價(jià)體系,加強(qiáng)治污投資資金的管理和監(jiān)督。在考慮經(jīng)濟(jì)發(fā)展、生產(chǎn)技術(shù)水平、資源稟賦和空間關(guān)聯(lián)所形成的“內(nèi)涵排放”基礎(chǔ)上,大力發(fā)展排污權(quán)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(chǎng)化的手段將區(qū)域經(jīng)濟(jì)發(fā)展過程中的外部性內(nèi)部化。
(編輯:于 杰)
參考文獻(xiàn)(References)
[1]景維民, 張璐. 環(huán)境管制、對(duì)外開放與中國(guó)工業(yè)的綠色技術(shù)進(jìn)步[J]. 經(jīng)濟(jì)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(guó)生態(tài)文明發(fā)展水平的空間差異與趨同性[J]. 中國(guó)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(quán)交易機(jī)制在中國(guó)能否實(shí)現(xiàn)波特效應(yīng)?[J]. 經(jīng)濟(jì)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(jìng)爭(zhēng)、環(huán)境規(guī)制與區(qū)域生態(tài)效率[J]. 世界經(jīng)濟(jì), 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(yīng)博. 我國(guó)生態(tài)效率演化及影響因素的實(shí)證分析[J]. 統(tǒng)計(jì)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(zhǎng)琪, 王志平. 隨機(jī)前沿方法的研究進(jìn)展與展望[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)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(guó)生態(tài)效率的區(qū)域差異及動(dòng)態(tài)演化研究[J]. 中國(guó)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