長江經(jīng)濟帶生態(tài)效率及收斂性分析

趙鑫，胡映雪，孫欣

長江經(jīng)濟帶生態(tài)效率及收斂性分析

趙鑫1，胡映雪2，孫欣1

（1.安徽財經(jīng)大學(xué) 統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠 233000；2.美國猶他州立大學(xué) 亨思邁商學(xué)院）

針對現(xiàn)有效率測度模型的缺陷，本文采用三階段超效率DEA模型的Malmquist - Luenberger指數(shù)法，對長江經(jīng)濟帶生態(tài)效率進(jìn)行測算，同時借鑒新古典經(jīng)濟增長的收斂性假說，探究其收斂性。結(jié)果顯示：調(diào)整后整體及上、中游生態(tài)效率增長率降低，下游幾乎沒有變化，說明上、中游處于較好的外界環(huán)境和運氣狀態(tài)；外界環(huán)境變量對生態(tài)效率的投入產(chǎn)出松弛變量存在顯著影響，且影響方式不同，有必要進(jìn)行第二階段調(diào)整；整體及上中下游生態(tài)效率不存在σ收斂，整體及上游存在絕對β收斂，在經(jīng)濟發(fā)展速度、外資利用、產(chǎn)業(yè)結(jié)構(gòu)、環(huán)境規(guī)制、能源消費結(jié)構(gòu)和人力資源六種控制變量中，經(jīng)濟發(fā)展速度、產(chǎn)業(yè)結(jié)構(gòu)和能源消費結(jié)構(gòu)是促使其存在條件β收斂的重要因素。

長江經(jīng)濟帶；生態(tài)效率；三階段超效率DEA；ML指數(shù)；收斂性

一、引言

當(dāng)前，資源與環(huán)境質(zhì)量惡化已經(jīng)成為制約中國經(jīng)濟持續(xù)發(fā)展的瓶頸因素。改革開放以來，我國經(jīng)濟發(fā)展取得的成就舉世矚目，國民生產(chǎn)總值由1978年的3 645.2億元增長到2015年的109 893.1億元（以1978年為基期計算）。與此同時，我國環(huán)境問題帶來的挑戰(zhàn)也更加嚴(yán)峻，如2000年到2015年，工業(yè)廢水排放量從415.2億噸上升到735.3億噸，增長77.1%；工業(yè)廢氣排放量從138 145億立方米增加至685 190億立方米，增幅近4倍；工業(yè)固體廢物產(chǎn)生量從8.2億噸提升至33.1億噸，同樣大幅提升391.5%。經(jīng)濟的快速發(fā)展引致資源能源緊缺、生態(tài)環(huán)境失衡等問題，因此，對經(jīng)濟與資源環(huán)境協(xié)調(diào)可持續(xù)發(fā)展的關(guān)注日益增加。可持續(xù)發(fā)展以生態(tài)經(jīng)濟建設(shè)為基礎(chǔ)，它主張人類社會通過創(chuàng)造有價格競爭優(yōu)勢的產(chǎn)品和服務(wù)來滿足人類的需求并提高生活質(zhì)量，同時將其環(huán)境影響和資源利用強度控制在地球的承載力水平之內(nèi)（WBCSD，1996）。

在“新常態(tài)”的大背景下，大力推進(jìn)長江經(jīng)濟帶建設(shè)正當(dāng)其時（李春艷和文傳浩，2015）。從長江流域本身看，最核心的問題是生態(tài)環(huán)境，2016年1月召開的中央財經(jīng)領(lǐng)導(dǎo)小組第十二次會議以及在重慶召開的推動長江經(jīng)濟帶發(fā)展座談會上，習(xí)近平強調(diào)，推動長江經(jīng)濟帶發(fā)展，要堅持生態(tài)優(yōu)先和綠色發(fā)展，合理統(tǒng)籌各項資源要素，使沿江各省市的協(xié)同作用更明顯，促進(jìn)長江經(jīng)濟帶實現(xiàn)上中下游協(xié)同發(fā)展、東中西部互動合作，把長江經(jīng)濟帶建設(shè)成為我國生態(tài)文明建設(shè)的先行示范帶、創(chuàng)新驅(qū)動帶、協(xié)調(diào)發(fā)展帶。

二、文獻(xiàn)綜述

對于“生態(tài)效率”的概念， Schaltegger和Sturm（1990）最初以經(jīng)濟活動所產(chǎn)生的經(jīng)濟價值與環(huán)境污染為基礎(chǔ)，定義生態(tài)效率即經(jīng)濟增長與環(huán)境影響的比值。世界經(jīng)濟合作與發(fā)展組織（OECD）（2004）拓寬了生態(tài)效率的概念，指出較高的生態(tài)效率意味著資源要素的投入能夠帶來產(chǎn)業(yè)附加值的最大化和環(huán)境污染最小化。隨著研究的深入，更多機構(gòu)和學(xué)者將目光聚集在構(gòu)建生態(tài)效率評價指標(biāo)體系上，德國環(huán)境經(jīng)濟賬戶中選取土地、能源、水、原材料、溫室氣體和酸性氣體六種自然要素構(gòu)建投入產(chǎn)出指標(biāo)體系（H?h H et al， 2002）； Michelsen et al，（2006）選取9個環(huán)境指標(biāo)構(gòu)建出挪威家具產(chǎn)品的生態(tài)效率指標(biāo)；李勝蘭等（2014）基于地方政府競爭的視角，從資源消耗、環(huán)境污染和經(jīng)濟數(shù)據(jù)構(gòu)建區(qū)域生態(tài)效率指標(biāo)體系。

目前國際公認(rèn)的進(jìn)行環(huán)境績效評價最好的方法之一是數(shù)據(jù)包絡(luò)分析法（Data Envelopment Analysis，DEA）。Dyckhoff 和Allen （2001）納入“壞”產(chǎn)出，系統(tǒng)地推導(dǎo)出測度企業(yè)環(huán)境管理生態(tài)效率的DEA模型； Hoang 和Alauddin（2012）基于投入導(dǎo)向型的DEA模型框架，對30個OECD國家的農(nóng)業(yè)生態(tài)效率水平進(jìn)行測度；lo Storto（2016）利用考慮非期望產(chǎn)出的DEA模型對116個意大利省會城市2011年的城市生態(tài)效率進(jìn)行實證分析；黃建歡等（2015）從多維生態(tài)效率的視角利用超效率DEA模型測度中國省域生態(tài)效率；彭紅松等（2017）利用SBM-DEA模型測度旅游地復(fù)合系統(tǒng)的生態(tài)效率。DEA方法在測算多投入和多產(chǎn)出評價對象的生態(tài)效率時具有較大優(yōu)勢，但以上DEA模型并沒有考慮外界環(huán)境和隨機誤差對生態(tài)效率測度結(jié)果的影響，結(jié)果可能無法反映生態(tài)效率的真實值。

現(xiàn)有文獻(xiàn)對非期望污染物進(jìn)行處理時具有較大爭議，通常將污染物直接作為投入指標(biāo)，如鄧波等（2011）。但在特定生產(chǎn)過程中，污染物與資源投入不可能總保持同比例關(guān)系，因此該處理方式不能反映真實的生產(chǎn)過程。也有學(xué)者將污染物通過一個合適的轉(zhuǎn)移向量轉(zhuǎn)化為正向輸出量（Seiford和Zhu，2002），如華堅等（2013），該方法雖然未改變有效前沿面，但是無效率DMU因選取的模型不同會導(dǎo)致效率值出現(xiàn)差異。少數(shù)學(xué)者將非期望產(chǎn)出指標(biāo)轉(zhuǎn)為倒數(shù)后作為正向輸出量，如藍(lán)虹和穆爭社（2016），該方法進(jìn)行了非線性轉(zhuǎn)換，這將改變DMU的有效前沿面，導(dǎo)致評價結(jié)果出現(xiàn)誤差。

本文采用三階段超效率DEA模型的Malmquist-Luenberger指數(shù)法（簡稱ML指數(shù)），它相比現(xiàn)有評價方法具有較大優(yōu)勢。首先，傳統(tǒng)的DEA模型在面對多個DMU同時有效時，無法進(jìn)一步區(qū)分；其次，將ML指數(shù)與DEA模型結(jié)合有效解決了納入非期望產(chǎn)出的爭議；最后，普通三階段DEA模型雖然考慮到外界環(huán)境和隨機誤差的影響，但只能分析截面數(shù)據(jù)，難以反映效率的動態(tài)變化情況。本文模型綜合了超效率DEA、ML指數(shù)以及三階段DEA的優(yōu)點，克服了以上缺陷，為評價長江經(jīng)濟帶生態(tài)效率提供了一種嶄新的視角。

三、模型方法、評價指標(biāo)體系構(gòu)建及變量說明

（一）三階段超效率DEA模型的ML指數(shù)分析法

Fried et al（2002）在傳統(tǒng)DEA模型的基礎(chǔ)上，將其與隨機前沿分析（Stochastic Frontier Analysis，SFA）方法相結(jié)合，提出三階段DEA模型，該模型能夠控制外生環(huán)境變量和隨機誤差的影響對效率評估所造成的偏誤，其構(gòu)建和運用包括三個階段：

第一階段：使用超效率DEA模型的ML指數(shù)法測算長江經(jīng)濟帶11個省市的生態(tài)效率指數(shù)及投入和產(chǎn)出松弛值。ML指數(shù)可分解為技術(shù)效率變化（Ef fi ciency Change，EFFCH）和技術(shù)進(jìn)步（Technical Change，TECH ），分解式（1）如下：

其中，TECHt,t+1指數(shù)表現(xiàn)環(huán)境生產(chǎn)前沿面在t 到t+1時期的移動，EFFCHt,t+1指數(shù)測度技術(shù)落后區(qū)域在t 到t+1時期對技術(shù)先進(jìn)區(qū)域的生產(chǎn)可能性前沿追趕的程度。

第二階段：利用類似SFA方法對初始的投入和產(chǎn)出松弛值進(jìn)行分析，剝離出內(nèi)部管理無效率、外部環(huán)境因素和隨機誤差等對效率產(chǎn)生的影響。設(shè)有K 個DMU，每個DMU有M 項期望產(chǎn)出，I 項非期望產(chǎn)出，N項投入。以構(gòu)建期望產(chǎn)出松弛變量與外界環(huán)境變量的SFA模型為例，如下式（2）：

其中，Smk表示第一階段中第k 個DMU第m 項期望產(chǎn)出的投入松弛值；fm(βm;Zk)表示外界環(huán)境因素對松弛值的影響，Zk=[Z1k,…,Zjk]為J 個外生環(huán)境變量，βm為環(huán)境變量的待估參數(shù)；vmk+umk為混合誤差項，vmk表示隨機誤差影響，vmk～N(0,)，umk表示管理無效率，假設(shè)其服從零點截斷正態(tài)分布umk～N+(0)，兩者獨立且不相關(guān)。當(dāng)γm=)趨近于1時，表明內(nèi)部管理無效率因素占主導(dǎo)地位，而當(dāng)γm趨于0時，表明隨機誤差因素的影響占主導(dǎo)地位。

為同時將每個DMU的外界環(huán)境和隨機誤差項調(diào)整至相同狀態(tài)，利用Jondrow et al（1982）提出、由羅登躍（2012）改進(jìn)的方法從混合誤差項ε=v+u中將隨機因素分離出來（為方便起見，分離公式省略下標(biāo)，該公式對投入和產(chǎn)出松弛變量進(jìn)行分離均適用），具體分離公式如下式（3）：

式（4）反映外界環(huán)境因素和隨機干擾對生態(tài)效率的影響程度，同時反映純粹的因管理技術(shù)導(dǎo)致的效率低下。調(diào)整方程如下式（5）：

第三階段：利用調(diào)整后的產(chǎn)出和投入變量數(shù)據(jù)，采用第一階段的超效率DEA模型的ML指數(shù)法重新測得生態(tài)效率值，第三階段得到的生態(tài)效率值剔除了外界環(huán)境因素和隨機誤差的影響。

（二）評價指標(biāo)體系的構(gòu)建

生態(tài)效率是經(jīng)濟、資源和環(huán)境三方面的綜合反映。本文從資源消耗類、環(huán)境影響類和經(jīng)濟類指標(biāo)構(gòu)建長江經(jīng)濟帶的生態(tài)效率評價指標(biāo)體系，如表1，研究期間為2004-2015年。

（1）資源消耗類指標(biāo)：選取能源、土地、水三種自然資源和勞動力、資本兩種社會資源，具體為：以建設(shè)用地面積衡量土地資源投入；選取能源消費總量衡量能源投入；以全社會用水總量表征水資源投入；選取三大產(chǎn)業(yè)從業(yè)人員總數(shù)表征勞動力投入；在選取資本投入指標(biāo)時，多數(shù)學(xué)者采用永續(xù)盤存法計算資本存量，但該方法對基期資本存量以及折舊率的選擇具有較大出入（張軍和章元，2003）。在過去20多年中，全社會的固定資產(chǎn)投資和固定資本形成數(shù)據(jù)的增長趨勢基本保持一致（盧麗文等，2016），而數(shù)據(jù)包絡(luò)分析方法是對相對效率進(jìn)行測度，保證樣本數(shù)據(jù)具有相對一致性，分析結(jié)果就不會有較大偏差。因此，本文選用全社會固定資產(chǎn)投資總額作為資本投入的代理變量，以2004年為基期進(jìn)行縮脹處理。

（2）環(huán)境影響類指標(biāo)：用全社會廢水排放總量表征全社會廢水排放對環(huán)境的污染；以全社會煙粉塵排放總量和全社會二氧化硫排放量來表征廢氣污染對環(huán)境的影響。

（3）經(jīng)濟類指標(biāo)：選取地區(qū)GDP進(jìn)行衡量，同樣為剔除價格因素影響，以2004年為基年做了縮脹處理。

表1 長江經(jīng)濟帶生態(tài)效率評價指標(biāo)體系

（三）外界環(huán)境變量選取及說明

本文選取各地區(qū)產(chǎn)業(yè)結(jié)構(gòu)（IS ）、環(huán)境政策力度（ER ）和人力資源（EDU）因素作為外界環(huán)境變量指標(biāo)。目前多數(shù)學(xué)者使用第三產(chǎn)業(yè)占地區(qū)生產(chǎn)總值的比重表示產(chǎn)業(yè)結(jié)構(gòu)發(fā)展水平，根據(jù)一般理論，第一產(chǎn)業(yè)、第三產(chǎn)業(yè)、第二產(chǎn)業(yè)的能源消耗強度依次遞增（毛建素等，2010），僅用第三產(chǎn)業(yè)占比衡量產(chǎn)業(yè)結(jié)構(gòu)水平明顯不夠全面。本文綜合第二產(chǎn)業(yè)和第三產(chǎn)業(yè)占比對產(chǎn)業(yè)結(jié)構(gòu)水平進(jìn)行表征：區(qū)域產(chǎn)業(yè)結(jié)構(gòu)水平=區(qū)域第二產(chǎn)業(yè)占比*0.4+區(qū)域第三產(chǎn)業(yè)占比*0.6；選取環(huán)境污染治理投資額與地區(qū)生產(chǎn)總值的占比作為衡量環(huán)境政策力度的指標(biāo)；用勞動者人均受教育年限對人力資源進(jìn)行表征，該指標(biāo)根據(jù)各省市6歲及6歲以上人口中文盲、小學(xué)、初中、高中和大專以上的抽樣數(shù)據(jù)占比進(jìn)行加權(quán)平均得到，借鑒康繼軍等（2007）的做法，將文盲、小學(xué)、初中、高中和大專以上受教育時間分別設(shè)為0年、6年、9年、12年和16年，從而人均受教育年限=（6歲及6歲以上人口中）小學(xué)文化人數(shù)占比*6+初中文化程度人數(shù)占比*9+高中文化程度人數(shù)占比*12+大專以上文化程度人數(shù)占比*16。

數(shù)據(jù)均來源于2005-2016年《中國統(tǒng)計年鑒》、《中國能源統(tǒng)計年鑒》、《中國環(huán)境統(tǒng)計年鑒》、《中國城市統(tǒng)計年鑒》或國家統(tǒng)計局、環(huán)保部和各省區(qū)市統(tǒng)計局網(wǎng)站。

四、實證結(jié)果分析

（一）長江經(jīng)濟帶生態(tài)效率評價

1. 第一階段——超效率DEA模型的ML指數(shù)法

本階段使用軟件MaxDEA6.17，在不考慮外界環(huán)境因素和隨機誤差因素的情況下，測度長江經(jīng)濟帶生態(tài)效率指數(shù)（ML指數(shù)）及其分解項，如表2和圖1所示。

表2 長江經(jīng)濟帶第一階段ML指數(shù)

圖1 第一階段ML指數(shù)及其分解項

從表1生態(tài)效率均值看，長江經(jīng)濟帶生態(tài)效率水平的地區(qū)差異顯著，上、中、下游流域分布不均衡。整體ML指數(shù)增長率為6%，三大流域中上游達(dá)16%，居于首位。從圖1看出，上游四個省市生態(tài)效率提高的主要原因在于技術(shù)進(jìn)步的貢獻(xiàn)，上游地理位置優(yōu)越，自然資源稟賦較高，擁有較好的生態(tài)效率水平。從省際視角看，貴州生態(tài)效率在11個省市中排名第一，均值為1.32，重慶和江西生態(tài)效率分居二、三名，技術(shù)進(jìn)步率分別為10%和17%。研究表明，中游生態(tài)效率增速較緩，年均僅6%，下游生態(tài)效率水平退化，降幅年均2%，未達(dá)有效前沿。江蘇省和浙江省生態(tài)效率指數(shù)均未能到達(dá)有效，需要引起關(guān)注。此階段未考慮外界環(huán)境因素和隨機誤差因素對生態(tài)效率值的影響，因此可能存在分析偏誤。

2. 第二階段——SFA回歸分析

將第一階段投入產(chǎn)出指標(biāo)的松弛值作被解釋變量，所選三個外界環(huán)境變量作解釋變量，利用軟件Frontier 4.1建立基于SFA面板數(shù)據(jù)的回歸模型，回歸分析結(jié)果如表3和表4。

表3 投入松弛變量隨機前沿模型回歸結(jié)果

由表3可知，能源投入、水資源投入、土地投入和資本投入松弛變量的γ值均在1%的顯著性水平大于0.9，勞動力投入松弛變量的γ值也在1%的顯著性水平下達(dá)到0.625，LR單邊檢驗值大于臨界值，拒絕不存在管理無效率的原假設(shè)，說明管理無效率因素對5種投入的影響占主導(dǎo)地位。其次，三種環(huán)境變量對除勞動力投入松弛變量的4種投入的系數(shù)大多能夠通過顯著性檢驗，說明外界環(huán)境因素對長江經(jīng)濟帶的生態(tài)投入松弛的確存在顯著影響。

進(jìn)一步考察外界環(huán)境變量與投入松弛量的關(guān)系，IS對勞動力投入和資本投入松弛變量的系數(shù)顯著為負(fù)。表明產(chǎn)業(yè)結(jié)構(gòu)水平的提高能有效減少勞動力和資本投入的浪費，進(jìn)而提高生態(tài)效率。這與實際是吻合的，提高產(chǎn)業(yè)結(jié)構(gòu)水平，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級并逐步高級化發(fā)展，對提高生態(tài)效率水平有重要推動作用。研究期間，我國三次產(chǎn)業(yè)占比從大到小一直保持二、三、一的格局，雖然現(xiàn)階段我國第二產(chǎn)業(yè)占比較高，但近年來第二產(chǎn)業(yè)中的高能耗、高污染行業(yè)開始進(jìn)行產(chǎn)業(yè)轉(zhuǎn)型，致力于向生產(chǎn)清潔產(chǎn)品轉(zhuǎn)變。同時注意到，IS對能源投入松弛變量系數(shù)顯著為正，表明產(chǎn)業(yè)結(jié)構(gòu)水平的提高將增加能源消耗總量，并不利于生態(tài)效率的提高，很大程度是由于第二產(chǎn)業(yè)擁有較多高能耗行業(yè)，在生產(chǎn)過程中產(chǎn)生巨大的能源消耗，對生態(tài)效率水平造成消極影響。IS對水資源投入和土地投入松弛變量的系數(shù)未通過顯著性檢驗，說明IS 對水資源和土地資源的影響可以忽略。ER對能源投入和資本投入松弛變量的系數(shù)均在1%的顯著性水平為負(fù)，表明環(huán)境污染治理投資的增加能減少能源和資本投入的浪費，促進(jìn)生態(tài)效率提升，這與經(jīng)驗分析結(jié)論保持一致。ER對其他3個松弛變量無顯著影響。EDU變量理應(yīng)促進(jìn)生態(tài)效率水平提升，教育程度的加深增強環(huán)保意識，進(jìn)而減少污染物排放，提高生態(tài)環(huán)境質(zhì)量，但是經(jīng)驗分析并未支持該假設(shè)。EDU對能源投入、水資源投入和土地投入松弛變量的系數(shù)不顯著，對資本投入松弛變量系數(shù)顯著為負(fù)，對勞動力投入松弛變量的系數(shù)顯著為正，表明受教育程度的提高能減少資本浪費，增加就業(yè)人數(shù)，但這并未提升生態(tài)效率水平。

表4 產(chǎn)出松弛變量隨機前沿模型回歸結(jié)果

由表4可知，廢水排放總量、二氧化硫排放總量和地區(qū)GDP的松弛變量γ值在5%的顯著性水平下超過0.9。煙塵排放總量松弛變量γ值也在1%的顯著性水平下超過0.7，LR單邊檢驗值大于臨界值，說明管理因素對這4種產(chǎn)出變量的影響占據(jù)主導(dǎo)地位。其次，IS、ER和EDU對4種產(chǎn)出松弛變量的系數(shù)多數(shù)能通過顯著性檢驗，說明外界環(huán)境因素對長江經(jīng)濟帶的生態(tài)產(chǎn)出松弛也存在顯著影響。IS 對煙粉塵、二氧化硫和廢水排放的松弛變量的系數(shù)顯著為正，說明產(chǎn)業(yè)結(jié)構(gòu)水平的提高將增加煙粉塵、二氧化硫及廢水排放量，對生態(tài)效率產(chǎn)生不利影響，IS對地區(qū)GDP的系數(shù)顯著為負(fù)，該指標(biāo)水平的提升有利于減少地區(qū)GDP的冗余，提升生態(tài)效率水平。ER的提高理論上講應(yīng)促進(jìn)生態(tài)效率改善，但實證結(jié)果顯示該變量與各產(chǎn)出松弛變量的系數(shù)均顯著為正，說明長江經(jīng)濟帶的環(huán)保投入并沒有減少煙粉塵、二氧化硫和廢水的排放量，環(huán)境污染治理投資對生態(tài)效率改進(jìn)的作用非常微弱。因此，在注重增加環(huán)境污染治理投資的同時，更加需要重視對投資使用效率的提高，讓環(huán)境污染治理投資發(fā)揮更加積極的作用。EDU對煙粉塵排放和地區(qū)生產(chǎn)總值的松弛變量影響不顯著，可以忽略。EDU對廢水排放和二氧化硫排放松弛變量的系數(shù)在1%的顯著性水平下為負(fù)，表明隨著平均受教育年限的增加，將減少廢水和二氧化硫的排放量，有利于改善生態(tài)效率水平。

從以上分析能夠看出，外界環(huán)境因素對長江經(jīng)濟帶不同省市的影響不同，這很可能導(dǎo)致一些面臨較好經(jīng)營環(huán)境或運氣的地區(qū)擁有較高生態(tài)效率，而處在較差經(jīng)營環(huán)境或運氣的地區(qū)表現(xiàn)出較差的生態(tài)效率。因此，進(jìn)行第二階段的調(diào)整，將長江經(jīng)濟帶11個省市置于相同的經(jīng)營環(huán)境和運氣之下，對考察真實的生態(tài)效率水平具有重要意義。

3.第三階段——調(diào)整后的DEA實證結(jié)果分析

第三階段使用調(diào)整后的投入產(chǎn)出數(shù)據(jù)，測得ML指數(shù)及其分解項的動態(tài)變化，結(jié)果如表5、表6和圖2、圖3所示。

表5 長江經(jīng)濟帶第三階段ML指數(shù)

從總體看，調(diào)整后整體生態(tài)效率從年均增長6%降低至4%，上游從16%下降至12%，中游從6%減少到4%，下游幾乎沒有變化，說明上、中游處于較好的外界環(huán)境和運氣狀態(tài)，其調(diào)整前較高的生態(tài)效率并非因為較高的管理技術(shù)水平，下游生態(tài)效率受外界環(huán)境因素和隨機干擾的影響較小。從圖2能夠清楚地看到，上游調(diào)整前后ML指數(shù)變動較大，表明上游受外界環(huán)境和隨機干擾的影響程度較大。從省際視角看，云南和江西排位互換，說明江西較云南具有較好的外界環(huán)境和運氣狀態(tài)，調(diào)整至相同狀態(tài)后的生態(tài)效率不如云南。從表6及圖3看出，重慶、貴州、云南、江西和安徽的ML指數(shù)、EFFCH指數(shù)、TECH指數(shù)均發(fā)生不同程度下降，浙江EFFCH指數(shù)下降而TECH指數(shù)上升，ML指數(shù)從0.93上升至0.95，江蘇EFFCH指數(shù)上升0.1，上海EFFCH指數(shù)下降0.1，其他省市的各指數(shù)未發(fā)生變動。

圖2 第一階段與第三階段ML指數(shù)對比圖

表6 第一階段與第三階段ML指數(shù)及其分解

圖3 第一階段與第三階段ML指數(shù)及其分解對比圖

（二）長江經(jīng)濟帶生態(tài)效率收斂性分析

本小節(jié)借鑒Barro（1990）和Sala-I-Martin（1992）對經(jīng)濟增長收斂性的基本思想，從σ收斂、絕對β收斂和條件β收斂對長江經(jīng)濟帶生態(tài)效率差異的變動趨勢進(jìn)行研究。

1. 生態(tài)效率σ收斂

采用標(biāo)準(zhǔn)差對區(qū)域生態(tài)效率σ收斂進(jìn)行衡量，如下式（6）所示：

其中，Ii(t)為第i 個區(qū)域第t 年的生態(tài)效率值，N 為區(qū)域的數(shù)目。如果σ值表現(xiàn)為逐年減小，則趨于σ收斂，反之，則趨于σ發(fā)散。

圖4給出長江經(jīng)濟帶整體及上中下游生態(tài)效率σ收斂變化趨勢。從整體層面看，長江經(jīng)濟帶生態(tài)效率標(biāo)準(zhǔn)差從2005年到2012年呈現(xiàn)逐年上升的態(tài)勢，未表現(xiàn)出σ收斂；從2012年開始，標(biāo)準(zhǔn)差逐步減小，表現(xiàn)出σ收斂趨勢；從總體看不存在σ收斂。長江經(jīng)濟帶上游4個省市生態(tài)效率標(biāo)準(zhǔn)差的變化趨勢與整體變動表現(xiàn)一致，總體看也不存在σ收斂。中游3個省市和下游4個省市的生態(tài)效率標(biāo)準(zhǔn)差變化狀況一致，均表現(xiàn)為逐年增加的趨勢，研究期間未表現(xiàn)出σ收斂的態(tài)勢。從整體及三大流域生態(tài)效率標(biāo)準(zhǔn)差的比較來看，上游生態(tài)效率標(biāo)準(zhǔn)差遠(yuǎn)遠(yuǎn)高于中、下游，也高于整體生態(tài)效率的標(biāo)準(zhǔn)差，這表明上游生態(tài)效率區(qū)域差異性最大，中游和下游生態(tài)效率的標(biāo)準(zhǔn)差較為接近，表明中、下游生態(tài)效率差異性表現(xiàn)相當(dāng)。

圖4 生態(tài)效率σ收斂變化趨勢

2. 生態(tài)效率絕對β收斂

生態(tài)效率絕對β收斂要求不同區(qū)域之間具有相同的基本特征，即不同的區(qū)域具有相似的經(jīng)濟發(fā)展速度、產(chǎn)業(yè)結(jié)構(gòu)、環(huán)境政策、人力資源、能源消費結(jié)構(gòu)和外商投資等，在具有這些相同基本特征的情況下，不同區(qū)域生態(tài)效率將趨于相同的穩(wěn)態(tài)。用如下檢驗方程式（7）表示絕對β收斂：

其中，Ii,t和Ii,t+T分別表示第i 個區(qū)域第t 期和t+T 期的生態(tài)效率值；ln(Ii,t+TIi,t)T 表示從第t 期至t+T 期生態(tài)效率的年平均增長率；a 為常數(shù)項；b 為基期生態(tài)效率值的系數(shù)；μi,t為隨機誤差項。若b顯著為負(fù)，表示生態(tài)效率的增長速度與初始值呈負(fù)相關(guān)，生態(tài)效率較低的省市對生態(tài)效率較高的省市具有“追趕”的趨勢，即存在絕對β收斂，反之則不存在絕對β收斂。為了最大效用地利用樣本數(shù)據(jù)，同時使計量回歸的時間序列表現(xiàn)出連續(xù)性，令T=1。

表7給出長江經(jīng)濟帶整體及上中下游生態(tài)效率絕對β收斂回歸的檢驗結(jié)果。從整體層面看，期初生態(tài)效率系數(shù)估計值b 顯著為負(fù)，說明整體生態(tài)效率存在絕對β收斂，即長江經(jīng)濟帶11個省市生態(tài)效率趨向于一個共同的穩(wěn)態(tài)。從上中下游看，僅上游區(qū)域的b值在1%的顯著性水平為負(fù)，說明上游4個省市間生態(tài)效率表現(xiàn)出絕對β收斂的趨勢，期初生態(tài)效率水平較低的地區(qū)對較高地區(qū)具有“追趕”效應(yīng)，最終達(dá)到一個穩(wěn)定狀態(tài)。對于中、下游來說，b值并不顯著，說明中、下游生態(tài)效率不存在絕對β收斂，即這兩個區(qū)域各省市間生態(tài)效率的差距既未呈現(xiàn)縮小趨勢，也未呈現(xiàn)發(fā)散趨勢。

表7 生態(tài)效率絕對β收斂回歸結(jié)果

3. 生態(tài)效率條件β收斂

生態(tài)效率條件β收斂不再要求不同區(qū)域具有相同基本特征，即不同區(qū)域可以處于不同的增長路徑和穩(wěn)態(tài)水平。如果存在條件β收斂，則最終憑借自身特征收斂于各自的穩(wěn)態(tài)。根據(jù)Sala-IMartin&Xavier X（1996）的研究，條件β收斂檢驗方程式如下：

本文分別從經(jīng)濟發(fā)展速度、外資利用、產(chǎn)業(yè)結(jié)構(gòu)、環(huán)境規(guī)制、能源消費結(jié)構(gòu)和人力資源六個方面對長江經(jīng)濟帶整體生態(tài)效率的條件β收斂進(jìn)行考察，研究哪些因素促使生態(tài)效率到達(dá)條件β收斂狀態(tài)。其中，經(jīng)濟發(fā)展速度（gdprate ）使用地區(qū)生產(chǎn)總值增長率作為代理變量；外資利用（fdi ）使用實際利用外商直接投資額占地區(qū)生產(chǎn)總值的比重表示，美元單位按照當(dāng)年平均外匯價格換算成人民幣；能源消費結(jié)構(gòu)（ecs ）選取煤炭消費量占能源消費總量的份額；產(chǎn)業(yè)結(jié)構(gòu)（is）、環(huán)境規(guī)制（er ）、人力資源（hr）指標(biāo)與上文產(chǎn)業(yè)結(jié)構(gòu)、環(huán)境污染治理投資占比和人均受教育年限所使用的數(shù)據(jù)一致。

表8給出6個控制變量的條件β收斂回歸結(jié)果。模型一將六個控制變量納入回歸方程，回歸結(jié)果中b值顯著為負(fù)，說明將選取的六個指標(biāo)作為控制變量的情況下，長江經(jīng)濟帶生態(tài)效率存在條件β收斂。從控制變量的系數(shù)估計值看，gdprate、is和ecs三個控制變量可以作為生態(tài)效率條件β收斂的影響因素，其中，gdprate和is回歸系數(shù)的估計值顯著為正，說明經(jīng)濟發(fā)展速度的提高和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對長江經(jīng)濟帶生態(tài)效率的條件β收斂有顯著正向促進(jìn)作用，ecs回歸系數(shù)的估計值顯著為負(fù)，表明該影響因素不利于長江經(jīng)濟帶生態(tài)效率條件β收斂。同時注意到，fdi、er和hr的回歸系數(shù)不顯著，說明在模型一中，這三個控制變量對長江經(jīng)濟帶生態(tài)效率的條件β收斂無明顯促進(jìn)作用。模型二剔除fdi、er和hr三個變量，僅考慮gdprate、is和ecs三個控制變量對生態(tài)效率條件β收斂的影響，結(jié)果顯示這三個影響因素的顯著性加強，進(jìn)一步驗證了經(jīng)濟發(fā)展速度、產(chǎn)業(yè)結(jié)構(gòu)和能源消費結(jié)構(gòu)是長江經(jīng)濟帶生態(tài)效率條件β收斂的重要影響因素。

表8 生態(tài)效率條件β收斂回歸結(jié)果

五、結(jié)論及啟示

第一，因地制宜推進(jìn)生態(tài)文明建設(shè)。長江經(jīng)濟帶各區(qū)域生態(tài)效率水平存在較大差異，應(yīng)結(jié)合區(qū)域發(fā)展?fàn)顩r制定相應(yīng)政策和措施。遵循“分區(qū)推進(jìn)、適度開發(fā)、協(xié)調(diào)發(fā)展”的原則，從各省市生態(tài)特點出發(fā)，對經(jīng)濟發(fā)達(dá)且擁有較高生態(tài)效率的地區(qū)，如上海，重點關(guān)注其經(jīng)濟—資源—環(huán)境協(xié)調(diào)發(fā)展的可持續(xù)性；對經(jīng)濟較為發(fā)達(dá)但不具備較高生態(tài)效率的地區(qū)，如江蘇、浙江，不僅關(guān)注技術(shù)進(jìn)步，更應(yīng)注重技術(shù)效率的提升；欠發(fā)達(dá)地區(qū)也需因地制宜，對擁有較高資源稟賦且擁有較高生態(tài)效率的地區(qū)，如貴州、重慶、云南、江西等，應(yīng)充分利用其地理優(yōu)勢保證生態(tài)效率水平的穩(wěn)固提升；對不具有先天優(yōu)勢且生態(tài)效率較低的地區(qū)，如湖南、湖北、四川等，不應(yīng)片面追求高生態(tài)效率，其首要任務(wù)應(yīng)在于優(yōu)化資源配置、改善生產(chǎn)力空間布局、推進(jìn)資源環(huán)境可承載的特色產(chǎn)業(yè)發(fā)展，同時積極引進(jìn)先進(jìn)的技術(shù)，推進(jìn)技術(shù)進(jìn)步，從而有效提高生態(tài)效率。

第二，堅持優(yōu)化能源消費結(jié)構(gòu)。能源消費結(jié)構(gòu)對長江經(jīng)濟帶生態(tài)效率的改善具有抑制效用，長江經(jīng)濟帶省市產(chǎn)業(yè)結(jié)構(gòu)多以第二產(chǎn)業(yè)為主，煤炭化石燃料是第二產(chǎn)業(yè)主要的能源消費來源，這必然不利于長江經(jīng)濟帶生態(tài)效率提升。各地區(qū)一方面應(yīng)重點關(guān)注高新技術(shù)產(chǎn)業(yè)發(fā)展，推動傳統(tǒng)產(chǎn)業(yè)改造升級，另一方面降低化石燃料能源消費比重，提高能源利用效率，同時積極開發(fā)清潔能源。對傳統(tǒng)支柱產(chǎn)業(yè)中高耗能的生產(chǎn)設(shè)備，應(yīng)加快生產(chǎn)工藝技術(shù)設(shè)備的改造更新，加大節(jié)能降耗技術(shù)的研發(fā)。對新建項目要嚴(yán)格把關(guān)，提高高能耗、高污染項目的準(zhǔn)入門檻，逐漸淘汰落后產(chǎn)能和行業(yè)。

第三，積極推進(jìn)人力資源水平提高。人均受教育年限的增加將提高全社會環(huán)保意識，促進(jìn)全社會環(huán)保技術(shù)水平提高，增加資源的循環(huán)利用率，減少環(huán)境污染，最終推進(jìn)生態(tài)效率提升。本文實證結(jié)果顯示長江經(jīng)濟帶人力資源對生態(tài)效率的正向促進(jìn)作用并不顯著，因此需要培養(yǎng)形成正確的生態(tài)環(huán)保意識，減少日常生活中破壞生態(tài)的行為。人力資源的提高一方面對產(chǎn)業(yè)結(jié)構(gòu)向生態(tài)發(fā)展轉(zhuǎn)型具有重要作用，能夠為產(chǎn)業(yè)結(jié)構(gòu)調(diào)整提供全面的技術(shù)支持和后備力量，另一方面也能推動經(jīng)濟增長方式轉(zhuǎn)變，從粗放型的經(jīng)濟增長方式向集約型的經(jīng)濟增長方式轉(zhuǎn)變，最終提高長江經(jīng)濟帶生態(tài)效率水平。

[1] 李春艷, 文傳浩. 長江經(jīng)濟帶合作共贏的理論與實踐探索——“長江經(jīng)濟帶高峰論壇”學(xué)術(shù)研討會觀點綜述[J]. 中國工業(yè)經(jīng)濟, 2015, (02): 44-49.

[2] 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, (04): 88-110.

[3] 黃建歡,楊曉光,成剛,汪壽陽. 生態(tài)效率視角下的資源詛咒：資源開發(fā)型和資源利用型區(qū)域的對比[J]. 中國管理科學(xué),2015,(01):34-42.

[4] 彭紅松,章錦河,韓婭,湯國榮,張瑜. 旅游地生態(tài)效率測度的SBM-DEA模型及實證分析[J]. 生態(tài)學(xué)報, 2017, (02):628-638.

[5] 鄧波,張學(xué)軍,郭軍華. 基于三階段DEA模型的區(qū)域生態(tài)效率研究[J]. 中國軟科學(xué), 2011, (01): 92-99.

[6] 華堅, 任俊, 徐敏, Eric Fong. 基于三階段DEA的中國區(qū)域二氧化碳排放績效評價研究[J]. 資源科學(xué), 2013, (07):1447-1454.

[7] 藍(lán)虹,穆爭社. 我國農(nóng)村信用社改革績效評價——基于三階段DEA模型Malmquist指數(shù)分析法[J]. 金融研究, 2016,(06): 159-175.

[8] 羅登躍. 三階段DEA模型管理無效率估計注記[J]. 統(tǒng)計研究, 2012, (04): 104-107.

[9] 張軍, 章元. 對中國資本存量K的再估計[J]. 經(jīng)濟研究, 2003, (07): 35-43.

[10] 盧麗文,宋德勇,李小帆.長江經(jīng)濟帶城市發(fā)展綠色效率研究[J]. 中國人口·資源與環(huán)境, 2016, (06): 35-42.

[11] 毛建素, 曾潤, 杜艷春, 姜畔. 中國工業(yè)行業(yè)的生態(tài)效率[J]. 環(huán)境科學(xué), 2010, (11): 2788-2794.

[12] 康繼軍, 張宗益, 傅蘊英. 中國經(jīng)濟轉(zhuǎn)型與增長[J]. 管理世界, 2007, (01): 7-17.

[13] Seiford L M, Zhu J. Modeling Undesirable Factors in Efficiency Evaluation [J]. European Journal of Operational Research, 2002, 142(1): 16-20.

[14] WBCSD. Eco-efficient leadership for improved economic and environmental performance [M]. Geneva: WBCSD,1996: 3-16.

[15] Schaltegger S, Sturm A. ?kologische Rationalit?t: Ansatzpunkte zur Ausgestaltung von ?kologieorientierten Managementinstrumenten [J]. Die Unternehmung, 1990, 44(4):273-290.

[16] Common M S. Taxation and the Environment: Complementary Policies : Organization for Economic Cooperation and Development Paris, Organization for Economic Cooperation and Development, 1993, reprinted 1994, 116 pp [J].Resources Policy, 2004, 20(4).

[17] H?h H, Schoer K, Seibel S. Eco-efficiency Indicators in German Environmental Economic Accounting [J]. Statistical Journal of the United Nations Economic Commission for Europe, 2002, 19: 41-52.

[18] Michelsen O, Fet A M, Dahlsrud A. Eco-efficiency in extended supply chains: A case study of furniture production[J].Journal of Environmental Management, 2006, 79(3):290-7.

[19] Dyckhoff H, Allen K. Measuring Ecological Efficiency with Data Envelopment Analysis (DEA) [J]. European Journal of Operational Research, 2001, 132(2): 312-325.

[20] Hoang V N, Alauddin M. Input-orientated Data Envelopment Analysis Framework for Measuring and Decomposing Economic, Environmental and Ecological Efficiency: An Application to OECD Agriculture [J]. Environmental and Resource Economics, 2012, 51(3): 431-452.

[21] lo Storto C. Ecological Efficiency Based Ranking of Cities: A Combined DEA Cross-Efficiency and Shannon’s Entropy Method [J]. Sustainability, 2016, 8(2): 124.

[22] Fried H O, Lovell C A K, Schmidt S S, et al. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis [J]. Journal of Productivity Analysis, 2002, 17(1): 157-174.

[23] Jondrow J, Lovell C A K, Materov I S, et al. On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Function Model [J]. Journal of Econometrics, 1982, 19(2-3): 233-238.

[24] Barro R J, Sala-I-Martin X. Economic growth and convergence across the United States[J]. Social Science Electronic Publishing, 1990.

[25] Barro R J, Sala-I-Martin X. Convergence[J]. Journal of Political Economy, 1992, (100): 223-251.

[26] Sala-I-Martin X X. The Classical Approach to Convergence Analysis[J]. Economic Journal, 1995, 106(437): 1019-1036.

Ecological Eff i ciency and Convergence Analysis of the Yangtze River Economic Belt

ZHAO Xin1, HU Ying-xue2, SUN Xin1
(1.School of Statistics and Applied Mathematics, Anhui University of Finance and Economics, Bengbu 233030,China;2.UT Business School of Heng Simai, Utah State University, Utah, UT, USA)

Aiming at the shortcomings of the existing efficiency measurement model, using Malmquist -Luenberger index method in three stage super eff i ciency DEA model to calculate the ecological eff i ciency of Yangtze River Economic Belt. At the same time, the convergence of new classical economic growth is used to explore its convergence. The results showed that after adjustment, the overall and upper and middle reaches of the ecological eff i ciency growth rate decreased, the downstream has almost no change. It shows that the upper reaches and the middle reaches are in good external environment and good luck. The external environment variables have signif i cant effects on the input-output slack variables of ecological eff i ciency, and different ways of inf l uence, it is necessary to adjust the second stage. There is no sigma convergence in the ecological eff i ciency of the whole, upper, middle and lower reaches, and there exists absolute beta convergence in the whole and upstream. In the speed of economic development, utilization of foreign capital, industrial structure, environmental regulation, energy consumption structure and human resources six kinds of control variables, the speed of economic development, industrial structure and energy consumption structure are important factors in prompting the existence condition of beta convergence.

the Yangtze River Economic Belt; ecological eff i ciency; three stage super eff i ciency DEA; ML index; convergence

F424.1

A

2095-7572(2017)06-0090-14

2017-10-7

國家自然科學(xué)基金（項目編號：71471001；71503001；71301033）；全國統(tǒng)計科學(xué)研究項目（項目編號：2016LY26）

趙鑫（1993-），男，安徽淮南人，安徽財經(jīng)大學(xué)統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院碩士研究生，研究方向：環(huán)境與能源統(tǒng)計、數(shù)量經(jīng)濟；

胡映雪(1996-)， 女，安徽六安人，美國猶他州立大學(xué)本科生，研究方向：國際經(jīng)濟與貿(mào)易研究；

孫欣（1973-），男，安徽廬江人，博士，安徽財經(jīng)大學(xué)統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院副教授，研究方向：環(huán)境與能源統(tǒng)計、數(shù)量經(jīng)濟。

﹝執(zhí)行編輯：周冬﹞