長三角城市群市場一體化與綠色發(fā)展效率：理論、測量與空間檢驗

陳立泰 籍 磊 李金林

[提要]尋求經濟增長與環(huán)境改善的雙贏已成為綠色發(fā)展的內在要求，而推動統(tǒng)一市場體系建設是實現(xiàn)經濟增長、生態(tài)環(huán)境保護與提高綠色增長效率等目標的重要制度保障。本文基于市場一體化視角，首先探討了市場一體化對綠色發(fā)展效率的作用機理，然后利用2004-2018年長三角城市群38個城市的面板數據，通過空間計量模型探討了市場一體化對長三角城市群綠色發(fā)展效率的影響，得到以下結論：(1)總體來看，在2004年到2018年這一考察期內，長三角城市群大多數城市綠色發(fā)展效率水平值有了顯著提高，但綠色發(fā)展效率不平衡發(fā)展的空間格局較為突出；(2)采用地理距離矩陣、經濟矩陣以及地理距離和經濟嵌套矩陣的空間計量模型回歸結果顯示，長三角城市群綠色發(fā)展效率的確存在顯著正向空間交互效應，即當長三角城市群內相鄰城市的綠色發(fā)展效率水平上升時，受影響城市的綠色發(fā)展效率水平也跟隨上升；(3)從空間異質性來看，市場一體化對綠色發(fā)展效率的影響呈現(xiàn)出空間連片特征，上海、南京、蘇州、揚州、杭州、溫州、寧波以及合肥等城市，其中大多數城市經濟比較發(fā)達，具有較大的系數。

改革開放40多年以來，中國依靠大規(guī)模投資迅速實現(xiàn)工業(yè)化和城市化，使得經濟實現(xiàn)跨越式的增長，令全世界為之矚目。但這種增長方式主要依靠大量勞動力和不可再生能源提供相應的支持，純粹以“高消耗、高污染、低效益”為導向的粗放型發(fā)展盡管使得經濟增長迅速，卻未能實現(xiàn)其由“量”到“質”的突破，并且還使中國付出了沉重的環(huán)境代價。[1]由2018年CEEB相關報告的數據可知，中國338個地級市及以上城市中，僅有少量城市實現(xiàn)了環(huán)境空氣治理達標，而環(huán)境空氣質量未能達標的城市竟有高達64.2%。嚴重的環(huán)境污染對于居民個體而言不利于其生理健康，對于國家而言則降低了經濟發(fā)展質量。[2]目前，綠色經濟被認為是減少污染物排放、節(jié)約能源與實現(xiàn)經濟可持續(xù)增長的有效途徑。[3]同時，黨的十九屆五中全會提出，要大力推動經濟社會發(fā)展全面綠色轉型，促進綠色生產和生活方式的形成。因此，“既要綠水青山，也要金山銀山”的發(fā)展模式成為學術界關注的焦點問題，[4]這不僅是高質量發(fā)展的內在要求，同時對于推動經濟社會全面綠色轉型也具有重要現(xiàn)實意義。

目前，推動統(tǒng)一市場體系建設是實現(xiàn)經濟增長、生態(tài)環(huán)境保護與提高綠色增長效率等目標的重要制度保障。[5]為了打破市場分割的限制，促進區(qū)域資源要素實現(xiàn)自由流動，黨中央和國務院先后出臺了《京津冀協(xié)同發(fā)展規(guī)劃綱要》《成渝城市群發(fā)展規(guī)劃》《長江三角洲城市群發(fā)展規(guī)劃》等一系列區(qū)域經濟發(fā)展規(guī)劃，且在上述規(guī)劃中均明確要求城市群一體化發(fā)展，這也意味著區(qū)域一體化市場建設已成為中國政府的重要任務之一。[6]而長三角城市群作為中國工業(yè)化發(fā)展進程最快的地區(qū)之一，其不僅是中國經濟發(fā)展的核心地區(qū)和戰(zhàn)略支撐點，更是在推進區(qū)域實現(xiàn)“生態(tài)優(yōu)先、綠色發(fā)展”過程中發(fā)揮示范作用。尤其是在《長江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》里面特別強調長三角城市群內上海、浙江、江蘇以及安徽應當重點圍繞“生態(tài)環(huán)境”等領域展開相應合作，生態(tài)環(huán)境一體化發(fā)展必定會成為長三角城市群區(qū)域一體化發(fā)展過程中不可或缺的一環(huán)。[7]因此，促進長三角城市群三省一市整體綠色發(fā)展效率水平不斷提升，縮小地區(qū)內部綠色發(fā)展效率差距，將成為長三角區(qū)域一體化進程中的必然選擇。

就大多學者的研究而言，市場一體化能夠顯著促進經濟增長。[8]從知識的維度來看，市場一體化可以通過對內要素和產品的交流以及相應的分工來緩解區(qū)域間知識錯配，從而推進區(qū)域全要素生產率提升。[9]毛其淋和盛斌從區(qū)域市場整合的視角出發(fā)，實證檢驗了其對省際全要素生產率的影響。研究后發(fā)現(xiàn)，區(qū)域市場整合能夠顯著地促進全要素生產率水平的提升。[10]但是，在關注市場一體化所帶來的經濟效應的同時，也不能忽略市場一體化所產生的環(huán)境效應。從理論上來看，市場分割會導致資源錯配，這將引起碳排放配置效率一定程度上的損失，進而在長期上會對碳排放強度帶來不利的影響。當地方政府進行一體化合作時，區(qū)域間市場一體化水平逐漸提升，生產要素也能實現(xiàn)自由流動，這將極大推動城市群的節(jié)能減排效應，從而有力地增強城市群經濟發(fā)展的整體質量。[11]然而，綠色可持續(xù)發(fā)展的內涵要求在實現(xiàn)經濟增長的同時又能兼顧資源節(jié)約與生態(tài)環(huán)境保護，那么，長三角城市群市場一體化是否能滿足這一要求——在實現(xiàn)經濟增長的同時還能實現(xiàn)環(huán)境的友好？這不僅對進一步探索可重復、可擴展的綠色發(fā)展新路徑來說顯得尤為必要，且更決定了長三角城市群生態(tài)保護戰(zhàn)略能否順利實現(xiàn)。[12]如果上述問題得以證實，其背后又蘊含著怎樣的作用機制？市場一體化對綠色發(fā)展效率的作用在本身特征及時空規(guī)律上又有何差異？本文嘗試對上述問題進行深入的論證，以期為政府制定和調整政策提供現(xiàn)實依據。

一、理論分析

(一)綠色發(fā)展效率的內涵

綠色發(fā)展是作為破解自然環(huán)境約束以及經濟實現(xiàn)綠色高質量發(fā)展轉型難題的關鍵所在，[13]與其概念相似的還有可持續(xù)發(fā)展、綠色經濟、綠色增長等相關概念。在1987年，“可持續(xù)發(fā)展”這一概念首次被世界環(huán)境與發(fā)展委員會提出，實質內涵是一方面不能危及后代發(fā)展所需，另一方面又能夠滿足當代人的發(fā)展所求。在2010年，綠色經濟這一概念率先由聯(lián)合國環(huán)境規(guī)劃署明確給出，認為綠色經濟的核心內涵一方面是其能夠提升全世界人民的以及帶來相應的社會公平，另一方面還能夠極大地降低對環(huán)境的破壞。[14]隨后，綠色增長這一具有更豐富內涵的衍生概念也逐漸出現(xiàn)。[15]尤其是2011年經濟合作與發(fā)展組織明確指出綠色發(fā)展不單單是有利于實現(xiàn)經濟增長，也還可以在防止環(huán)境破壞、生物喪失多樣性等方面發(fā)揮至關重要的作用。同時，在2017年黨的十九大報告中明確指出了中國要如何實現(xiàn)綠色發(fā)展的目標以及相應的實現(xiàn)方式，即綠色發(fā)展的核心內容是既強調要不斷地實現(xiàn)經濟增長，同時又要達到保護環(huán)境的目的，這是一種用高質量發(fā)展的理念來構建共同、協(xié)調、公平的可持續(xù)發(fā)展模式。[16]

綠色發(fā)展作為一種新的發(fā)展模式，循環(huán)、低碳、可持續(xù)是綠色發(fā)展的核心理念，其在本質上要求提高生態(tài)、環(huán)境和資源的綜合利用效率，且更加注重效率、和諧和可持續(xù)性，即關鍵之處在于提升綠色發(fā)展效率。[17]綠色發(fā)展效率作為多數學者測度綠色發(fā)展水平的重要方法之一，若所測度的綠色發(fā)展效率數值越大，這就充分表明綠色發(fā)展水平越高。[18]其本質在于一方面不僅能夠帶來經濟增長，另一方面還可以兼顧節(jié)能減排，[19]從而有力地推動由高投入、高排放和低產出轉向綠色生產的發(fā)展方式，這與中國正深入推進的綠色發(fā)展轉型的內在要求相契合。[20]

(二)市場一體化影響綠色發(fā)展效率的理論機制

對于目前中國的區(qū)域發(fā)展而言，市場一體化既是中國區(qū)域發(fā)展的主要趨勢又是推動地區(qū)經濟演變的重要引擎。[21]已有研究也表明，市場一體化不僅具有一定的經濟效應，[22][23]而且還具有一定的環(huán)境影響效應。[24][25]因此，本節(jié)參照Ciccone 和Hall[26]、Ciccone[27]、林伯強和譚睿鵬[4]以及郭愛君和張娜[28]的做法，構建數理模型分析市場一體化影響綠色發(fā)展效率的作用機制。假設生產函數符合C-D形式，那么其生產函數可以由如下形式表示：

Y=AF(L，K)

(1)

其中，Y表示總產出，L表示勞動力投入，K表示資本投入。假設企業(yè)生產一種資本密集型產品Q，在生產產品Q的過程中會產生相應的污染排放P，從而產生負外部性。由科斯定理可知，當產權能夠被清楚的界定時，企業(yè)就要為在生產過程中所排放物的污染物承擔相應的費用。因此，理性的企業(yè)此時就會在現(xiàn)有生產資料約束情形下對正常產出和非期望產出做出選擇從而實現(xiàn)自身的利潤最大化。假設廠商用于減少非期望產出的生產資料占總生產資料的比例為θ，0≤θ≤1。當θ=0，F(xiàn)為企業(yè)的潛在生產能力，當0<θ≤1時，廠商用于生產的生產資料為1-θ，其實際產量為(1-θ)Y。因此，我們可以得到企業(yè)生產的期望產出和非期望產出的表達式為：

期望產出產量Q=(1-θ)AF(L，K)

(2)

污染排放量P=φ(θ)AF(L，K)

(3)

此時，借鑒張可[29]的做法，用非期望產出占正常產出的比重來表示污染排放強度ω，即將式(3)代入到式(2)可以得到污染排放強度，具體形式如下：

(4)

同時，本文在參考Hulten等[30]、劉生龍和胡鞍鋼[31]以及毛其淋和盛斌[10]等學者的做法，我們假定A是多元組合，其具體形式為：

(5)

其中，A0表示初始的生產效率水平，segit表示市場一體化水平，ε表示的是市場一體化水平對生產率的影響彈性。

將(5)式帶入到(4)式可以得到：

(6)

進一步，將式(6)左右兩邊同時對市場一體化求導數可得：

(7)

由(7)式可知，污染排放強度對市場一體化的一階導數小于0，表明隨著市場一體化水平的提升，污染排放強度逐漸減小。

二、長三角城市群綠色發(fā)展效率的時空特征分析

(一)長三角城市群綠色發(fā)展效率測度

1.測算方法

Charnes等[32]首次提出DEA方法之后，該方法就被大多數學者廣泛運用于效率指標的測度當中，并且已成為評價相對效率的主要方法。然而，傳統(tǒng)的DEA方法在評價決策單元效率的時候往往忽視了松弛變量所帶來的影響，同時也未能考慮非期望產出，從而會引起測度的效率結果出現(xiàn)一定的偏差。就這些不足，Tone[33]又提出了非徑向和非角度的SBM(Slacks-Based Measure)模型。此后，為了可以更全面地考慮投入、產出、污染三者之間的聯(lián)系，Tone[34]又提出了加入非期望產出的SBM模型，從而不僅能夠有效避免投入產出松弛性的問題，還能進一步處理在將污染排放等作為非期望產出存在下的效率評價問題。因此，SBM模型也被學者們廣泛運用于生態(tài)效率、工業(yè)用水效率以及能源效率等領域。

因此，本文參照Li 和Hu[35]的做法，選擇SBM模型所測度的最終變量來表示長三角城市綠色發(fā)展效率。其中，在SBM模型里面包含n個決策單元，而上述的投入變量(即x∈Rm)、期望產出變量(即yb∈Rs2)以及非期望產出變量(yb∈Rs2)都會包含在模型的每個決策單元里面。

X為投入變量所表示的矩陣(X>0)，X=[x1，x2，，，xn]∈Rm×n，Yg為期望產出變量所表示的矩陣(Yg>0)，Yg=[yg1，yg2，，，ygn]∈Rs1×n，Yb為非期望產出變量所表示的矩陣(Yb>0)，Yb=[y1b，y2b，，，ynb]∈Rs2×n，其中m、s1以及s2分別表示投入、期望產出和非期望產出的數量。綠色發(fā)展效率測度模型具體如下：

(8)

s.t.x0=Xλ+s-

(9)

y0g=Ygλ-sg

(10)

y0b=Ygb+sb

(11)

λ≥0，s-≥0，sg≥0，sb≥0

(12)

2.指標選取

根據前文的分析，并結合數據可得性原則，本文構建了綠色發(fā)展效率的測度指標體系，如表1所示，具體如下：非資源投入指標主要包括資本、勞動力、建成區(qū)面積、建成區(qū)綠化覆蓋率。其中，資本投入：用固定資產代替資本存量的方法，采用全社會固定資產投資額作為資本投入量；勞動投入：采用全社會就業(yè)人數，即城鎮(zhèn)單位就業(yè)人數、(私營/個體)就業(yè)人數的加總數來衡量；資源投入：采用天然氣和液化石油氣供應量來衡量；期望產出：用長三角城市群群內各城市當年國內生產總值(GDP)表示，非期望產出：用工業(yè)廢水、工業(yè)二氧化硫、工業(yè)煙塵以及碳排放表示。

表1 綠色發(fā)展效率的指標體系

3.研究對象與數據來源

由于2019年正式出臺的《長江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》涵蓋了長三角城市群內41個城市，其中，鑒于安徽省的六安市、池州市以及江蘇省的淮安市缺失數據較多，本文最終研究對象為長三角城市群38座城市。本文研究時間跨度為2004-2018年，選取2018年作為研究的時間終點是因為當前各省市統(tǒng)計年鑒的最新公開年份是2020年，也即是各城市2019年的實際指標，但由于2019年有相當多的城市數據缺失，因此，本文將實際年份定在2018年。所需數據主要來源于國泰安數據庫、《中國城市統(tǒng)計年鑒》《中國城市建設統(tǒng)計年鑒》以及《中國區(qū)域經濟統(tǒng)計年鑒》，同時部分數據還使用了長三角城市群各省級和地級市歷年統(tǒng)計年鑒和統(tǒng)計公報。此外，對于長三角城市群內某些城市數據存在個別的缺失值，本文采用插值法進行處理。

(二)長三角城市群綠色發(fā)展效率的區(qū)域差異及其分解

1.長三角城市群綠色發(fā)展效率的空間分布特征

為了更加直觀地刻畫長三角城市群各城市綠色發(fā)展效率的時空分異特征，本文基于地市級層面依次繪制了2004年、2009年、2014年以及2018年長三角城市群38座城市綠色發(fā)展效率的地區(qū)分布圖。從圖1可以看出，在2004-2018年間，長三角城市群綠色發(fā)展效率呈現(xiàn)出非均衡的狀態(tài)，各城市之間綠色發(fā)展效率水平存在很大的區(qū)別。綜合來看，2004年長三角城市群綠色發(fā)展效率水平最高的城市是浙江省的溫州市，其綠色發(fā)展效率水平值達到了0.9971；其次是江蘇省的鎮(zhèn)江市和泰州市，綠色發(fā)展效率水平值分別達到了0.9948和0.9947；綠色發(fā)展效率水平最低的城市是安徽省的銅陵市，其值僅為0.4519，各城市綠色發(fā)展效率水平差距明顯。從2009年的地圖來看，相較于2004年，長三角城市群大多數城市綠色發(fā)展效率水平出現(xiàn)了小幅度的上漲，綠色發(fā)展效率水平在0.7或者以上的城市明顯多于2004年。從2014年到2018年這兩年的地圖來看，長三角城市群大多數城市綠色發(fā)展效率水平值有了顯著的提高，2014年綠色發(fā)展效率水平值超過0.8的城市達到了21座，而2018年綠色發(fā)展效率水平值超過0.8的城市甚至高達28座。可能的原因在于，在這一時期國務院印發(fā)了《長江三角洲城市群發(fā)展規(guī)劃》，這極大有利于實現(xiàn)長三角城市群產業(yè)合理分工，優(yōu)化各城市的產出結構，并且可以實現(xiàn)生態(tài)環(huán)境的協(xié)同治理，進而大幅度提升長三角城市群各城市綠色發(fā)展效率水平。

圖1 2004-2018年長三角城市群各城市綠色發(fā)展效率

省際層面來看，本文選擇將長三角城市群各城市綠色發(fā)展效率取平均值得到相應省的綠色發(fā)展效率水平值。圖2 描繪了歷年長三角城市群各省(直轄市)綠色發(fā)展效率的變動過程。大致地看，長三角城市群總體、上海市、浙江省、江蘇省以及安徽省綠色發(fā)展效率均出現(xiàn)了“上升-下降-上升-下降”的M型波動趨勢。同時，綠色發(fā)展效率水平在各省(直轄市)之間存在著明顯的差異。江蘇省綠色發(fā)展效率平均水平大多年份處于領先地位，且大多數年份也高于同期長三角城市群總體綠色發(fā)展效率平均水平；上海市則前期綠色發(fā)展效率水平值相對較低，在2014年以后，其綠色發(fā)展效率水平值持續(xù)上升，至2018年已位居長三角城市綠色發(fā)展效率水平第一位；浙江省綠色發(fā)展效率水平大多年份也高于同期長三角城市群總體綠色發(fā)展效率水平的平均值，且與同期江蘇省綠色發(fā)展效率水平相近；安徽省綠色發(fā)展效率大多年份均處于長三角城市群總體綠色發(fā)展效率水平之下。

圖2 2004-2018年長三角城市群省級綠色發(fā)展效率

進一步，根據行政劃分依據，按照省際層面測算長三角城市群內38座城市綠色發(fā)展效率水平的標準差，可以動態(tài)描述長三角城市群各城市之間綠色發(fā)展效率的差距變化(如圖3所示)。由于上海市是直轄市，其綠色發(fā)展效率的標準差始終為0，因此本文未將上海市納入省際對比中?？傮w來看，浙江省、江蘇省以及安徽省各城市在2004-2018年內綠色發(fā)展效率水平表現(xiàn)出鮮明的波動過程，大致由2004-2009年、2009-2011年以及2012-2017年三波段組成，依次呈現(xiàn)出綠色發(fā)展效率差距持續(xù)縮小-逐漸擴大-持續(xù)縮小的演變。從省際層面來看，江蘇省綠色發(fā)展效率水平的標準差多數年份均小于長三角城市群總體標準差，這表明江蘇省內部各城市綠色發(fā)展效率水平差距相對于其他省城市波動較小；而安徽省多數年份綠色發(fā)展效率水平的標準差大于長三角城市群總體標準差，這表明安徽省內各城市綠色發(fā)展效率水平差距較大；浙江省內各城市綠色發(fā)展效率水平差距變化趨勢在2004-2014年這一時間段內與江蘇省大體相似，2014年以后，浙江省內各城市綠色發(fā)展效率水平差異性快速拉大，并且超過了江蘇省。

圖3 長三角城市群城市間綠色發(fā)展效率水平標準差(2004-2018年)

2.長三角城市群綠色發(fā)展效率地區(qū)差異的分解及其來源

從現(xiàn)有的研究來看，對綠色發(fā)展效率水平的空間非均衡性測度通常可以采用基尼系數以及泰爾指數等常用指標，但上述方法不能有效解決諸如樣本數據的交叉重疊等問題。[36]而Dagum基尼系數分解在對變量進行描述時，可以對變量的區(qū)域內、區(qū)域間差距進行分解，不僅能夠更加全面反映變量的區(qū)域差異問題，同時，也還可以有效解決上述方法所忽略的問題。[37]因此，本文選擇 Dagum基尼系數分解法來測度長三角城市群綠色發(fā)展效率區(qū)域差異。其相應的計算公式如下所示：

G=Gω+Grb+Gt

(13)

(14)

μh≤μj≤...≤μk

(15)

(16)

(17)

(18)

(19)

(20)

(21)

(22)

(23)

從上式(13)可以看出，測算出的長三角城市群綠色發(fā)展效率總體基尼系數(G)等于長三角城市群內各省(直轄市)區(qū)域內差異貢獻(Gω)、各省(直轄市)區(qū)域間凈值差異貢獻(Grb)，以及各省超變密度貢獻(Gt)三者之和。上述中公式(14)、公式(17)、公式(19)以及公式(20)分別反映的是長三角城市群綠色發(fā)展效率的總體基尼系數(G)、區(qū)域內差異貢獻(Gω)、區(qū)域間凈值差異貢獻(Grb)及超變密度貢獻(Gt)測算公式。各公式均基于長三角城市群綠色發(fā)展效率水平值做了平均處理，因此，Dagum基尼系數即反映了長三角城市群綠色發(fā)展效率水平相對差異的大小及來源情況。公式(15)依據長三角各省(直轄市)綠色發(fā)展效率指標的均值對其進行了排序；公式(16)和公式(18)分別表示長三角城市群各省(直轄市)區(qū)域內基尼系數Gjj、區(qū)域間基尼系數Gjh。其中，yji(yhr)為第j(h)個省份(直轄市)任一城市的綠色發(fā)展效率指標，μ為長三角城市群綠色發(fā)展效率指標平均值，n為城市個數，k為省份(直轄市)個數，nj(nh)為第j(h)個省份(直轄市)內部城市個數，pj=nj/n，sj=njμj/nμ；公式(21)中Djh為j、h個省份(直轄市)之間綠色發(fā)展效率指標的相對影響；公式(22)中djh表示區(qū)域綠色發(fā)展效率指標的差值，可認為長三角城市群第j、h個省份(直轄市)中所有yji-yhr>0的樣本值加總的數學期望；公式(23)中pjh為超變一階矩，表示長三角城市群第j、h個省份(直轄市)中所有yhr-yji>0的樣本值加總的數學期望。其中，F(xiàn)j(Fh)為長三角城市群中第j(h)個省份(直轄市)的累積密度分布函數。

根據上述方法，本文分別測算出了長三角城市群三省一市2004—2018年的綠色發(fā)展效率水平的總體變化差異及其來源，并從多個角度對其進行了深入分析。

(1)長三角城市群綠色發(fā)展效率水平的總體及區(qū)域內差異

由于上海市作為一個單獨的直轄市存在，所以本文沒有測度其內部綠色發(fā)展效率水平的差異，最終只測度了長三角城市群總體、浙江省、江蘇省以及安徽省內部綠色發(fā)展效率差異。圖4反映了2004-2018年長三角城市群總體以及三省內部綠色發(fā)展效率水平差異的變化趨勢，具體數值見表3.2所示。

由圖4和表2可以看出，長三角城市群綠色發(fā)展效率水平總體差異較大，總體的基尼系數分布范圍在0.0774-0.1759之間。長三角城市群總體綠色發(fā)展效率水平的基尼系數在2004-2018年之間出現(xiàn)了M型的波動，其階段性趨勢現(xiàn)象尤為明顯。其中，在2004-2009年間，經歷了小幅的上升-下降-上升的趨勢，而在2009-2018年則經歷了下降-上升-下降的變化趨勢。就長三角城市群區(qū)域內差異而言，長三角城市群內的浙江省、江蘇省以及安徽省的綠色發(fā)展效率水平在其各自區(qū)域內差距位于不同的水平，但是并沒有呈現(xiàn)出明顯的差異化演變趨勢。在2004-2018年考察期間內，安徽省的區(qū)域內差異的平均值最大，達到了0.1236；其次是浙江省區(qū)域內差異的平均值，達到了0.1059；江蘇省區(qū)域內差異的平均值則最小，僅為0.0992。因此，由以上數據可以看出，安徽省區(qū)域內的綠色發(fā)展效率水平值差異最大，浙江省區(qū)域內綠色發(fā)展效率水平值差異則次之，江蘇省區(qū)域內綠色發(fā)展效率水平值差異最小。此外，在2004-2018年間，浙江省、江蘇省以及安徽省的區(qū)域內差異呈現(xiàn)出波動式上升趨勢，三省在這段考察期內的區(qū)域內差異年均分別增長了0.91%、2.30%以及1.55%。顯然，盡管江蘇省區(qū)域內差異平均值在長三角三省中最低，但其差異卻有可能存在顯著增大趨勢，因此，對江蘇省綠色發(fā)展效率的區(qū)域內差異有必要實施更為有效的控制。

圖4 長三角城市群綠色發(fā)展效率總體及區(qū)域內基尼系數的變化趨勢

表2 長三角城市群綠色發(fā)展效率總體及區(qū)域內基尼系數

(2)長三角城市群綠色發(fā)展效率水平的區(qū)域間差異

長三角城市群中浙江省、江蘇省以及安徽省綠色發(fā)展效率水平的區(qū)域間差異大小如圖5和表3所示。從總體來看，浙江省與江蘇省、浙江省與安徽省以及江蘇省與安徽省區(qū)域之間的差異變動趨勢大體相似，均經歷了上升-下降-上升-下降的循環(huán)往復過程，在2004-2018年間，從圖的變化趨勢可以明顯地看出，浙江和江蘇的區(qū)域間差異小于浙江與安徽、江蘇與安徽的區(qū)域間差距。同時，通過計算2004-2018年浙江和江蘇的區(qū)域、浙江與安徽、江蘇與安徽區(qū)域間差異的平均值分別為0.1088、0.1350和0.1413，由此可以看出，浙江和江蘇區(qū)域間差異最小，這表明浙江省和江蘇省在共同促進區(qū)域實現(xiàn)綠色發(fā)展方面的協(xié)同性相對較強。江蘇與安徽區(qū)域間差距最大，這也表明兩省份之間在共同促進綠色發(fā)展方面存在較弱的協(xié)同性。

圖5 長三角城市群綠色發(fā)展效率的區(qū)域間基尼系數

表3 長三角城市群綠色發(fā)展效率的區(qū)域間基尼系數

(3)長三角城市群綠色發(fā)展效率水平的差異及其來源

長三角城市群綠色發(fā)展效率水平的差異來源及其貢獻如圖6和表4所示。由圖6可以看出，長三角城市群綠色發(fā)展效率的區(qū)域內差異來源及其貢獻率在2004-2018年這一考察期內出現(xiàn)了一定程度的波動，但整體上來看變化相對較小；而區(qū)域間差異來源和超變密度則是反復出現(xiàn)上升-下降這一波動式的發(fā)展趨勢。從三者的貢獻大小來看，在2004-2018年期間，區(qū)域內差異、區(qū)域間差異以及超變密度的平均貢獻值大小分別為0.0310、0.0469以及0.0257，而其平均貢獻率則分別為30.01%、45.80%和24.19%。從以上數值可以看出，無論是貢獻的平均值大小還是貢獻率的大小，區(qū)域間差異均顯著超過了區(qū)域內和超變密度，這充分反映了區(qū)域間貢獻對于長三角城市群綠色發(fā)展效率總體區(qū)域差異至關重要，而區(qū)域內差異以及超變密度則分別緊隨其后，由此可知，縮小各省(直轄市)區(qū)域間差異是解決長三角城市群綠色發(fā)展效率區(qū)域不均衡問題的重要途徑。

圖6 長三角城市群綠色發(fā)展效率的差異來源貢獻變化態(tài)勢

表4 長三角城市群綠色發(fā)展效率的差異來源及其貢獻度

三、長三角城市群市場一體化對綠色發(fā)展效率的空間效應實證分析

已有研究表明，如果忽略一體化活動所帶來的空間外溢效應這一現(xiàn)象，那么就很有可能會導致實證回歸結果與現(xiàn)實出現(xiàn)較大偏差，[38]同時，中國省際之間的綠色發(fā)展效率也存在顯著的空間關聯(lián)性。[17]尤其近年來隨著空間計量經濟學的快速發(fā)展與廣泛運用，越來越多的學者開始在研究綠色發(fā)展相關問題時考慮空間因素。[39]因此，本文有必要考慮空間因素的影響。

(一)空間自相關的識別

一般而言，在采用空間計量模型進行實證回歸前，首先應當考察綠色發(fā)展效率是否存在空間相關性，而多數文獻通常采用Moran’s I指數來判斷變量是否具有空間相關性，而Moran’s I指數又可以分為全局Moran’s I指數和局部Moran’s I指數。具體方法如下：

1.全局Moran’s I指數

其相應的計算公式如下式(5.)所示：

(24)

其中，n代表長三角城市群內的城市數量，xi和xj分別代表長三角城市群內城市i和城市j的綠色發(fā)展效率水平值，ωij則對應著的是空間權重矩陣，反映的是長三角城市群內城市i和城市j的臨近關系，具體而言，當長三角城市群內城市i和城市j處于相鄰位置時，則ωij的取值為1，當它們位置不相鄰時，則ωij的取值為0。

全局Moran’s I指數在[-1，1]區(qū)間范圍內變化，當全局Moran’s I指數的取值大于0時，這代表著長三角城市群內各城市綠色發(fā)展效率之間具有正相關關系，其數值與1越接近則表明空間關系越密切。當該指數取值為0時，則表示長三角城市群內各城市綠色發(fā)展效率之間不存在空間相關關系。當該指數取值小于0時，則表示長三角城市群內各城市綠色發(fā)展效率之間具有負相關關系，研究時空內的綠色發(fā)展效率水平值是隨機分布的。

2.局部Moran’s I指數

該指數的計算公式如下式(25)所示：

(25)

其中，局部Moran’s I指數反映的是長三角城市群內城市i的綠色發(fā)展效率水平值與周邊城市的關聯(lián)程度。通過長三角城市群內各城市的綠色發(fā)展效率水平值可制作出“局部Moran’s I指數散點圖”。其中，第一象限表示長三角城市群內綠色發(fā)展效率水平值較高的城市被其他綠色發(fā)展效率水平值較高的城市包圍，即(高-高)型；第二象限則表示長三角城市群內綠色發(fā)展效率水平值較低城市被其他綠色發(fā)展效率水平值較高的城市包圍，即(低-高)型；第三象限表示長三角城市群內綠色發(fā)展效率水平值較低城市被其他綠色發(fā)展效率水平值較低城市包圍，即(低-低)型；第四象限表示長三角城市群內綠色發(fā)展效率水平值較高城市被其他綠色發(fā)展效率水平值較低城市包圍，即(高-低)型。

3.綠色發(fā)展效率的全局Moran’s I指數測算結果

根據上述計算方法，本小節(jié)計算出了長三角城市群2004-2018年綠色發(fā)展效率水平的全局moran’s I指數及其統(tǒng)計分布特征，具體情況如下表5所示。

表5 長三角城市群綠色發(fā)展效率的Moran’s I空間自相關檢驗結果

從上表5的結果可以看出，長三角城市群綠色發(fā)展效率的Moran’s I值在考察期內一直保持顯著為正，大多數年份在1%的顯著性水平上顯著。這充分說明了長三角城市群綠色發(fā)展效率存在明顯的空間自相關性，且長三角城市群內綠色發(fā)展效率水平值較高的城市更加可能接近其他綠色發(fā)展效率水平值較高的城市。

4.綠色發(fā)展效率的局部Moran’s I 散點圖

由上述長三角城市群綠色發(fā)展效率的全局 Moran’s I指數反映了綠色發(fā)展效率的整體空間相關性，但其忽視了長三角城市群內具體城市的空間特征，為進一步直觀反映長三角城市群綠色發(fā)展效率的局部特征，本小節(jié)特刻畫了綠色發(fā)展效率的局部Moran’s I散點圖，但為了與前述內容保持一致性，本小節(jié)僅展示2004年、2009年、2014年以及2018年綠色發(fā)展效率的局部Moran’s I散點圖。

圖7 2004年-2018年長三角城市群綠色發(fā)展效率Moran’s I散點圖

從上圖7所反映的結果我們可以清楚地看出，相較于2004年的Moran’s I值，2018年的Moran’s I值有一定程度的上升，且長三角城市群內多數城市處在第一象限和第三象限內，這充分說明長三角城市群綠色發(fā)展效率水平值存在比較明顯的高高聚集和低低聚集的特征，但這種集聚現(xiàn)象并沒有隨著時間的推移而發(fā)生根本性的改變。

(二)空間計量模型設定

本小節(jié)根據上述分析，參照于斌斌[40]的做法建立空間滯后模型(26)與空間誤差模型(式27和式28)對前文的理論假設展開實證檢驗。具體模型如下：

(26)

Greenit=δ1Integrationit+δiXit+φit

(27)

(28)

上述公式(26)-(28)為市場一體化對綠色發(fā)展效率空間影響的主效應。其中，Wij表示空間權重矩陣。t表示時期，i代表城市，εit則表示隨機誤差項，ρ表示空間滯后模型回歸系數，λ則表示空間誤差模型回歸系數，Wij表示空間權重矩陣。本文參照韓峰和陽立高[41]設立了三種空間權重矩陣，分別為地理距離矩陣、經濟矩陣以及地理距離和經濟嵌套矩陣。權重矩陣的設置具體說明如下：

地理距離矩陣(Wdistance)：其中，Wij=1/dij，而dij表示長三角城市群內兩兩城市間的距離，對角線元素Wij=0。

經濟矩陣(Weconomic)：采用長三角城市群內兩個城市人均GDP差值之差的絕對值倒數來表示經濟空間權重矩陣，即wij=(1/|xi-xj|)。

地理距離和經濟嵌套矩陣(Wnested)：Wnested=φWdistance+(1-φ)Weconomic，其中φ表示地理距離矩陣的權重，且其取值范圍為0<φ<1。參照邵帥等(2016)的做法，本文將φ的值取 0.5。該矩陣進一步表示了空間個體在地理和經濟上的雙重空間鄰近性。

(三)指標選取

1.被解釋變量

綠色發(fā)展效率(green)：根據第三章以SBM模型所測度的數值作為其代理變量。

2.核心解釋變量

市場一體化(Integration)：目前大多文獻在測度時主要采用商品市場價格指數或者勞動力市場價格指數這種相對單一的指標來衡量市場一體化程度，[42]但通過這樣得到市場一體化程度只能單一地反映商品市場或者勞動力市場，不能有效反映中國各大市場之間的空間聯(lián)動效應。因此，本文在參考趙奇?zhèn)ズ托苄悦繹43]做法基礎之上，將市場一體化范圍拓展到了商品市場、勞動力市場以及金融市場。同時參照李增福等[44]的做法，首先采用商品價格指數、職工平均實際工資指數以及FH指數分別測算出三個子市場的市場一體化程度，接著再通過主成分分析法計算出綜合市場一體化指數(Integration)。綜上所述，長三角城市群市場一體化指數的具體計算過程如下：首先，采用相對價格法來測度商品市場一體化程度(Commodity)；其次，參照都陽和蔡昉[45]采用工資趨同的做法來測度長三角城市群勞動力市場一體化水平(Labor)；再次，利用有條件的投資率與儲蓄率的相關性(FH系數)來衡量長三角城市群金融市場一體化水平；[46]最后，利用主成分分析法得到商品市場一體化、勞動市場一體化以及金融市場一體化指數的主成分，從而最終得到長三角城市群綜合市場一體化水平指數。

3.控制變量

參照李江龍等[47]、林伯強等[4]相關研究，選取控制變量：(1)固定資產投資(inv)：用各地區(qū)固定資產投資總額與各地市的生產總值之比表示。(2)外商直接投資(fdi)：選擇外商實際投資額占其實際GDP的比重來衡量。(3)政府干預程度(gov)：選擇財政支出占其實際GDP的比重來衡量。(4)環(huán)境規(guī)制程度(rate)：選擇工業(yè)固體廢物綜合利用率來衡量，即該指標越高，那么代表環(huán)境規(guī)制程度則越強。(5)城市經濟發(fā)展水平(gdp)：選擇實際人均gdp來衡量。其中，采用以2004年為基期對各城市的人均 GDP做相應平減，從而得到各城市實際人均GDP；(6)城鎮(zhèn)化水平(city)：選擇用各城市城鎮(zhèn)人口占總人口的比重來表示。

4.數據來源

選取2004-2018年長三角城市群38個地級市及以上城市作為樣本進行實證分析。所需數據來源于長三角城市群內各省級和地級市統(tǒng)計年鑒和統(tǒng)計公報，以及國泰安數據庫、《中國城市統(tǒng)計年鑒》《中國區(qū)域經濟統(tǒng)計年鑒》《中國城市建設統(tǒng)計年鑒》等，由作者查閱、整理或價格平減測算獲得。此外，為避免在實證檢驗過程中受到異常值的影響，本文對所有連續(xù)變量進行 1%的縮尾處理。

(四)空間計量模型估計結果及分析

1.基本回歸結果分析

基于長三角城市群38個城市2004-2018年的面板數據，并且采用上述三種權重矩陣，將市場一體化作為解釋變量帶入基本模型進行回歸。同時，對于本文選擇空間滯后模型(SAR)還是選擇空間誤差模型(SEM)，通過比較空間滯后模型的LM-Lag統(tǒng)計、Robust-LM-Lag統(tǒng)計量和空間誤差模型的LM-Error統(tǒng)計量、Robust-LM-Error統(tǒng)計量可以做出相應的選擇，本文的模型無論比較哪一個統(tǒng)計量，空間誤差模型的統(tǒng)計量更優(yōu)，因此，本文采用空間誤差模型作為基本空間計量回歸模型。

由表6的回歸結果可以看出：首先，第(1)列—第(3)列分別表示采用地理距離矩陣、經濟矩陣以及地理距離和經濟嵌套矩陣時市場一體化對綠色發(fā)展效率影響的空間效應，其回歸系數分別為0.0532、0.0713以及0.0839，且分別在1%、5%以及5%的顯著性水平上顯著，這充分說明市場一體化在考慮空間效應時，其對綠色發(fā)展效率的影響依然顯著為正。其次，長三角城市群綠色發(fā)展效率存在顯著的正向空間互動效應。從空間誤差的系數估計值來看，以市場一體化作為自變量的空間誤差系數λ估計值都為正，且在 1%的顯著性水平上通過了檢驗，表明綠色發(fā)展效率的確存在顯著的正向空間交互效應，即當長三角城市群內相鄰城市的綠色發(fā)展效率水平上升時，受影響城市的綠色發(fā)展效率水平也跟隨上升。

表6 空間計量模型回歸結果

2.異質性分析

由于不同地區(qū)的生態(tài)環(huán)境指標存在空間效應，[48]且地區(qū)間資源稟賦、區(qū)位條件、經濟基礎、歷史發(fā)展等因素存在異質性，市場一體化對綠色發(fā)展效率的作用關系不可避免地會受到來自這些區(qū)域異質因素的影響，因此在回歸中必須考慮自變量系數為非常數這種可能性的存在，故本文選用地理加權回歸(GWR)模型參數估計來考察市場一體化對綠色發(fā)展效率作用機制問題，既考慮相關解釋變量的空間關聯(lián)性，又考慮不同地區(qū)各項影響作用系數的異質性。GWR模型一般表達式為：

(29)

其中，Greenit表示被解釋變量綠色發(fā)展效率，xit表示解釋變量，所有變量與前文指標一致。(ui，vi)是第i個樣本點的空間坐標，βj系數的下標j表示與觀測值聯(lián)系的m×1階待估參數向量，是關于地理位置(ui，vi)的k+1元函數。GWR可以對每個觀測值估計出k個參數向量的估計值，εi是第i個區(qū)域的隨機誤差項。

本文選擇了2004年、2009年、2014年以及2018年的數據來分析長三角城市群市場一體化影響綠色發(fā)展效率的空間異質性，由于篇幅限制不全部列出所有年份。表7是2004年、2009年、2014年和2018年市場一體化與綠色發(fā)展效率的回歸結果。

表7 市場一體化對綠色發(fā)展效率影響的GWR參數估計結果

從表7的回歸結果可以看出：第一，市場一體化與綠色發(fā)展效率成正比，且從回歸的系數來看，各城市市場一體化系數相差較大，這也說明長三角城市群各城市資源稟賦因素差異對本地區(qū)綠色發(fā)展效率有影響。第二，市場一體化對綠色發(fā)展效率的影響呈現(xiàn)出空間連片特征，上海、江蘇與浙江三省(直轄市)回歸系數普遍較高，其可能的原因是，在市場機制的作用下，弱化了該區(qū)域間存在的市場壁壘，提升了企業(yè)的增長效率，從而增強了該區(qū)域綠色發(fā)展水平。上海、南京、蘇州、揚州、杭州、溫州、寧波以及合肥等城市，其中大多數城市經濟比較發(fā)達，具有較大的系數，深層次的機制離不開省份城市的梯度分布差異，經濟相對發(fā)達地區(qū)市場一體化水平較高，地方保護主義減少，那么較低的購買成本會增加地區(qū)外同類產品的比較優(yōu)勢，從而加大購買地區(qū)外產品以替代本地生產，這將進一步減少污染產業(yè)在本地區(qū)所占的比例，從而大幅度提升了城市綠色發(fā)展效率。

3.穩(wěn)健性檢驗

為了確保市場一體化影響綠色發(fā)展效率的回歸結果穩(wěn)健可靠，本文主要采用被解釋變量替換、安慰劑檢驗的處理方式，進行穩(wěn)健性檢驗。首先，參照劉楊等[18]的做法，選擇資本、能源、勞動力以及技術等4個變量作為對應的投入變量，選擇長三角城市群內各城市的GDP作為期望產出，同時選擇工業(yè)三廢以及碳排放作為非期望產出，進一步對被解釋變量進行重新測度。將測得的指標作為前文的被解釋變量替代指標進行穩(wěn)健性檢驗，實證考察市場一體化對綠色發(fā)展效率的影響，具體的結果如下表8中第(1)-(3)列所示，從回歸的結果可以看出，市場一體化對綠色發(fā)展效率的影響依然顯著為正，充分說明基本回歸結果穩(wěn)健可靠。其次，我們參照李玉山和陸遠權[49]的做法，構造一個排他性的安慰劑(Placebo)檢驗。即在使得本文選擇的其他影響因素保持不變的情況下，人為地改變樣本中市場一體化變量，如果市場一體化對綠色發(fā)展效率的促進效應仍不改變，則我們可以認為是本文觀測樣本中的某一未知因素，不僅強化了市場一體化對綠色發(fā)展效率的影響效果，而且對綠色發(fā)展效率產生了促進作用。因此，保持所有控制變量一一對應，將市場一體化隨機分配給各城市，如果市場一體化對綠色發(fā)展效率的促進效應就此消失，我們即可認為是市場一體化本身而不是長三角城市群的其他因素影響了綠色發(fā)展效率。具體的結果如表8中第(4)-(6)列所示，此時的市場一體化對綠色發(fā)展效率未能產生顯著性影響，這表明隨機配對的市場一體化對綠色發(fā)展效率未能產生顯著的影響，該結果與表基本回歸結果形成鮮明的對比。因此，本小節(jié)借助安慰劑檢驗進一步排除了與市場一體化相關的其他因素對綠色發(fā)展效率產生促進作用的可能影響。

表8 穩(wěn)健性檢驗

四、結論與政策建議

本文基于長三角城市群38個城市2004-2018年的面板數據，運用超效率SBM 模型對區(qū)域生態(tài)效率進行評價，并利用空間計量模型探討了市場一體化對長三角城市群綠色發(fā)展效率的影響，得到以下結論：(1)總體來看，在2004年到2018年這一考察期內，長三角城市群大多數城市綠色發(fā)展效率水平值有了顯著的提高，但是長三角城市群綠色發(fā)展效率呈現(xiàn)出非均衡的狀態(tài)，各城市之間綠色發(fā)展效率水平存在較大差異，其中，長三角城市群省際間的差異是影響長三角城市群綠色發(fā)展效率總體區(qū)域差異的主要因素。(2)長三角城市群綠色發(fā)展效率呈現(xiàn)出顯著的空間相關性，綠色發(fā)展效率水平相對較高的地區(qū)，其集聚空間溢出效應對周邊區(qū)域也具有較強的輻射帶動作用。實證結果還顯示，長三角城市群綠色發(fā)展效率存在顯著的正向空間交互效應。(3)從空間異質性來看，市場一體化對綠色發(fā)展效率的影響呈現(xiàn)出空間連片特征，上海、江蘇與浙江三省(直轄市)回歸系數普遍較高，上海、南京、蘇州、揚州、杭州、溫州、寧波以及合肥等城市，其中大多數城市經濟比較發(fā)達，具有較大的系數。

根據以上的研究結論，本文提出如下政策建議：(1)加快推進長三角城市群市場一體化發(fā)展，適時清理長三角城市群內各城市存在的阻礙商品、資源、要素等跨區(qū)域流動的政策法規(guī)，消除市場壁壘，實行統(tǒng)一的市場規(guī)范，從而構建一個統(tǒng)一與全面開放的商品、要素市場；在要素資源配置過程中以價格機制為主導，以增強市場一體化在長三角城市群內對要素配置的作用，進一步促使長三角城市群產業(yè)結構轉向清潔化并形成綠色發(fā)展體系。積極探索以市場化為導向的環(huán)境治理方法，提升金融市場對環(huán)境治理的作用，如積極開發(fā)碳金融、綠色信貸、綠色基金等新產品。(2)長三角城市群在促進城市綠色發(fā)展的過程中，應根據各城市經濟發(fā)展水平與現(xiàn)有產業(yè)分布狀況，實行適當的環(huán)境監(jiān)管標準以滿足不同企業(yè)的需求，從而推動城市群內各城市產業(yè)結構趨于合理化和高級化。加大財政投入以支持環(huán)境治理，加快淘汰污染產業(yè)和促進產業(yè)在城市群內有序轉移；同時，增強城市群內各城市合作力度，避免由于產業(yè)結構變遷造成污染在產業(yè)鏈上下游間轉移，充分發(fā)揮技術創(chuàng)新帶來的溢出效應，使產業(yè)結構變遷能夠在城市群內實現(xiàn)正向效應，進而推動長三角城市群綠色發(fā)展效率值的“高高”集聚。(3)長三角城市群逐步統(tǒng)一各地市政策法規(guī)，實現(xiàn)污染聯(lián)防聯(lián)治。建立統(tǒng)一的污染排放交易市場，提升污染排放交易權在城市群內跨區(qū)域配置效率，從而達到長三角城市群節(jié)能減排的目的。在城市群內實現(xiàn)跨區(qū)域污染核算，明確城市群內跨區(qū)域污染治理責任。長三角城市群各城市共同出資建立污染聯(lián)防聯(lián)治基金，根據各城市本身污染情況以及受外部污染程度來確定需要分攤的財政資金比重。長三角城市群在推動自身市場一體化的同時還應支持周邊地區(qū)市場一體化的發(fā)展，在制定長三角城市群發(fā)展規(guī)劃和其他政策時，應充分考慮對接周邊地區(qū)相應的規(guī)劃和政策，逐步消除市場分割對環(huán)境污染治理帶來的負向影響。