趙佳茹,田貴良,2
(1.河海大學(xué) 商學(xué)院,江蘇 南京 211100;2.江蘇長江保護與高質(zhì)量發(fā)展研究基地,江蘇 南京 210098)
生態(tài)效率即增加的價值與增加的環(huán)境影響的比值,由國外學(xué)者Schaltegger 等[1]于1990 年提出,得到世界可持續(xù)發(fā)展工商業(yè)聯(lián)合會(WBCSD)等國際組織的認可并對其定義進行完善[2],國內(nèi)有關(guān)學(xué)者把其作為衡量經(jīng)濟可持續(xù)發(fā)展、綠色競爭力的重要指標(biāo)[3-5]。生態(tài)效率的已有研究主要從評價指標(biāo)體系、測度方法、時空變化及影響因素等方面展開。 測度方法有單一比值、數(shù)據(jù)包絡(luò)分析(DEA)、非徑向超效率模型(SESBM)等,其中:DEA 可解決多投入多產(chǎn)出等復(fù)雜問題,是衡量生態(tài)效率的常用方法之一[6-7];SE-SBM 在DEA 基礎(chǔ)上克服了徑向有偏、難以處理無效決策單元、測算結(jié)果不可靠等問題[8-12]。 關(guān)于生態(tài)效率時空變化研究,大都從演化趨勢和空間差異兩方面入手,采用空間數(shù)據(jù)模型、局部空間自相關(guān)模型、LISA 集聚圖等開展研究[13-15]。 關(guān)于生態(tài)效率影響因素研究,有關(guān)學(xué)者采用的方法有廣義矩法、可拓展的隨機性環(huán)境影響評估模型、雙自助抽樣截斷回歸模型、層次分析與聚類分析法等[16-20]。 上述關(guān)于生態(tài)效率的研究中,針對黃河流域工業(yè)生態(tài)效率的很少,為了豐富對黃河流域工業(yè)生態(tài)效率的評價研究、給黃河流域高質(zhì)量發(fā)展提供參考,筆者以黃河干流沿線35 個地級市為樣本市、以技術(shù)效率表征黃河流域工業(yè)生態(tài)效率,基于SESBM 模型進行2008—2018 年黃河流域工業(yè)生態(tài)效率測算、純技術(shù)效率和規(guī)模效率分解,通過核密度估計、空間計量模型回歸等探究黃河流域工業(yè)生態(tài)效率的時間演化趨勢和空間分異特征、空間自相關(guān)性及其主要影響因素。
選擇沿黃河干流分布的35 個地級市(包括:青海西寧市,甘肅蘭州、白銀市,寧夏銀川、石嘴山、吳忠、中衛(wèi)市,內(nèi)蒙古呼和浩特、包頭、烏海市,山西太原、臨汾、運城、忻州、呂梁市,陜西延安、西安、榆林、渭南市,河南鄭州、開封、洛陽、焦作、新鄉(xiāng)、三門峽、濮陽市,山東濟南、淄博、東營、德州、濱州、泰安、濟寧、菏澤、聊城市)作為樣本市,其分布情況見圖1。
圖1 樣本市分布情況
參考相關(guān)文獻,本研究以各樣本市工業(yè)生產(chǎn)總值為期望產(chǎn)出,以工業(yè)廢水排放量、工業(yè)二氧化硫排放量、工業(yè)煙粉塵排放量為非期望產(chǎn)出,以工業(yè)固定資產(chǎn)投資額、工業(yè)年末從業(yè)人數(shù)、工業(yè)用水總量為投入要素,采用SE-SBM 模型測度工業(yè)生態(tài)效率。 以2008—2018 年為研究時段,為消除價格變動的影響,以2008年為基期采用平減法對工業(yè)生產(chǎn)總值和工業(yè)固定資產(chǎn)投資額進行處理。 研究所用數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》、國泰安數(shù)據(jù)庫,及各?。▍^(qū))統(tǒng)計年鑒、水資源公報等,個別年份的缺失數(shù)據(jù)通過估算加以補充。
1.2.1 SE-SBM 模型
SE-SBM 模型形式如下[21]:
參考曾賢剛等[22]、李在軍等[23]對環(huán)境效率、生態(tài)效率的分級方法,對工業(yè)生態(tài)效率進行分級:ρ<0.5 為低效率,0.5≤ρ<0.8 為中低效率,0.8≤ρ<1 為中高效率,ρ≥1 為高效率。
1.2.2 核密度估計
核密度估計(KDA)是探究指標(biāo)分布形態(tài)的非參數(shù)檢驗方法,運用KDA 可以得到黃河流域工業(yè)生態(tài)效率的概率分布曲線及演化軌跡。 核密度計算公式如下:
式中:f為核密度;b( )為高斯核函數(shù);h為核函數(shù)的帶寬,不同帶寬的核密度估計值存在差異,h較小時核密度曲線較為曲折,h較大時核密度曲線較為光滑。
1.2.3 莫蘭指數(shù)
構(gòu)建基于反距離權(quán)重和經(jīng)濟距離權(quán)重的嵌套式空間權(quán)重矩陣,計算工業(yè)生態(tài)效率的全局莫蘭指數(shù)和局部莫蘭指數(shù),對工業(yè)生態(tài)效率進行空間自相關(guān)性檢驗。莫蘭指數(shù)值域為[-1,1],其值大于0 表明研究對象空間正相關(guān),即高值與高值相聚或低值與低值相聚;小于0 表明研究對象空間負相關(guān),即高值與低值相聚;等于0,則研究對象不存在空間自相關(guān)性。 莫蘭指數(shù)計算公式如下:
1.2.4 SAR 空間計量模型
為解決傳統(tǒng)面板回歸模型未考慮空間異質(zhì)性和擬合回歸精度較低等問題,在面板回歸模型的基礎(chǔ)上考慮空間要素,建立如下形式的SAR 空間計量模型(對數(shù)據(jù)進行對數(shù)化處理以減小異方差):
lnρit=θωilnρt+βlnXit+ε
式中:ρit為地級市i、年份t工業(yè)生態(tài)效率;ωi為地級市i的權(quán)重;θ為相鄰地級市工業(yè)生態(tài)效率作用程度;ρt為年份t黃河流域整體工業(yè)生態(tài)效率;Xit為地級市i、年份t影響因素;β為回歸系數(shù);ε為隨機誤差。
按照上述方法計算的2008—2018 年黃河流域工業(yè)生態(tài)效率見表1。 從宏觀上看,黃河流域工業(yè)生態(tài)效率整體上呈波動上升態(tài)勢,從2008 年的0.561 上升至2018 年的0.896,由中低效率轉(zhuǎn)變?yōu)橹懈咝省?分階段看,工業(yè)生態(tài)效率呈現(xiàn)N 形上升態(tài)勢,2008—2011年年 均 提 高0.040,2011—2013 年 年 均 下 降0.042,2014—2018 年年均提高0.060。 研究時段中期工業(yè)生態(tài)效率“斷崖式”下降的原因可能是金融危機爆發(fā)后我國經(jīng)濟受到一定沖擊,各地工業(yè)長期粗放式的發(fā)展模式對生態(tài)造成了一定程度的破壞,流域經(jīng)濟快速增長的同時伴隨著高污染、高耗能,因此生態(tài)效率下降。
表1 2008—2018 年黃河流域工業(yè)生態(tài)效率
各地級市2008—2018 年多年平均工業(yè)生態(tài)效率、純技術(shù)效率、規(guī)模效率見表2。 從微觀層面看,各地級市多年平均工業(yè)生態(tài)效率空間分異顯著:太原、呼和浩特、包頭、延安、西安、榆林、東營等7 個地級市的工業(yè)生態(tài)效率≥1,屬于高效率;白銀、吳忠、忻州、渭南、新鄉(xiāng)等5 個地級市的生態(tài)效率<0.5,屬于低效率;工業(yè)生態(tài)效率最大值1.437(東營市)是最小值0.388(新鄉(xiāng)市)的3.7 倍,表明生態(tài)資源與工業(yè)經(jīng)濟匹配度較低。觀察各地級市純技術(shù)效率和規(guī)模效率可知:純技術(shù)效率為高效率的地級市有11 個(占地級市總數(shù)的31.4%)、為低效率的地級市僅有1 個,規(guī)模效率與純技術(shù)效率相反,規(guī)模效率為高效率的地級市只有1 個、為低及中低效率的地級市有13 個(占比為37.1%)。
表2 各市多年平均工業(yè)生態(tài)效率、純技術(shù)效率與規(guī)模效率
2.2.1 時間演化趨勢
選取2008 年、2012 年和2018 年3 個代表年份繪制的黃河流域工業(yè)生態(tài)效率核密度曲線見圖2,可以看出:隨著時間的推移,核密度中心呈右移趨勢,2008—2012 年右移幅度較小、2012—2018 年右移幅度較大,表明黃河流域工業(yè)生態(tài)效率呈上升態(tài)勢,經(jīng)歷了由緩慢提升到高速提升的過程;同時,核密度曲線在2008 年為雙峰、到2012 年和2018 年變?yōu)閱畏澹甯咧饾u下降、跨度逐漸加大,表明黃河流域工業(yè)生態(tài)效率區(qū)域差異逐步加大。
圖2 代表年份工業(yè)生態(tài)效率核密度曲線
2.2.2 空間分異特點
把青海、甘肅、寧夏3 個?。▍^(qū))作為上游區(qū)域(本研究不涉及四川?。?,把內(nèi)蒙古、山西、陜西3 個?。▍^(qū))作為中游區(qū)域,把河南、山東兩省作為下游區(qū)域,統(tǒng)計各區(qū)域逐年工業(yè)生態(tài)效率均值,見表3。 選取2008 年、2012 年、2015 年、2018 年4 個代表年份,按自然斷點法把各地級市工業(yè)生態(tài)效率分為4 個等級,其空間分異情況見圖3。 由表3、圖3 可知:2008 年和2012 年低效率地級市較多且集中分布在上游區(qū)域,中游區(qū)域效率最高,下游區(qū)域各地級市效率差異較大;2015 年和2018 年上游區(qū)域的中衛(wèi)市邁入高效率行列,中游區(qū)域多數(shù)地級市仍處于高效率狀態(tài),下游區(qū)域工業(yè)生態(tài)效率比較穩(wěn)定。 整體來看,中下游區(qū)域工業(yè)生態(tài)效率高于上游區(qū)域的。
表3 各區(qū)域逐年工業(yè)生態(tài)效率均值
圖3 典型年份工業(yè)生態(tài)效率空間分異情況
2008—2018 年黃河流域工業(yè)生態(tài)效率全局莫蘭指數(shù)見表4。 由表4 可知,黃河流域工業(yè)生態(tài)效率全局莫蘭指數(shù)除2016 年和2018 年為負外其他年份均為正,各年份的空間相關(guān)性均達到10%的顯著性水平,表明各地級市工業(yè)生態(tài)效率存在顯著的正向空間集聚效應(yīng)。
表4 工業(yè)生態(tài)效率全局莫蘭指數(shù)及空間相關(guān)顯著性水平
依據(jù)局部莫蘭指數(shù)計算結(jié)果,點繪各年份莫蘭散點圖(圖略)表明,黃河流域各地級市工業(yè)生態(tài)效率呈現(xiàn)高高集聚和低低集聚的空間分布特征,即各地級市工業(yè)生態(tài)效率具有正向空間集聚效應(yīng),但這種正向空間集聚效應(yīng)呈逐年弱化態(tài)勢。
基于“綠水青山就是金山銀山”的理念,構(gòu)建生態(tài)保護、創(chuàng)新開放、民生保障、產(chǎn)業(yè)轉(zhuǎn)型、社會保障等5 個維度的工業(yè)生態(tài)效率影響因素指標(biāo)體系,見表5。
表5 工業(yè)生態(tài)效率影響因素指標(biāo)體系
經(jīng)LR、LM、Hausman 檢驗及聯(lián)合顯著性檢驗,選取固定效應(yīng)的SAR 空間計量模型進行影響因素分析,即分別進行個體固定、時間固定與雙向固定3 種效應(yīng)模型回歸。 結(jié)果表明,黃河流域工業(yè)生態(tài)效率回歸系數(shù)為-1.076,達到了極顯著水平,即黃河流域工業(yè)生態(tài)效率隨時間變化呈負向溢出效應(yīng)、各地級市工業(yè)生態(tài)效率對周邊市工業(yè)生態(tài)效率有極顯著負向影響,這一結(jié)果解釋了上述空間正向集聚效應(yīng)逐漸弱化的原因。由各指標(biāo)回歸系數(shù)及顯著性(見表6)可知,大部分指標(biāo)的直接效應(yīng)(回歸系數(shù)的絕對值)大于間接效應(yīng)的,表明工業(yè)生態(tài)效率受本市有關(guān)因素的影響大于周邊市有關(guān)因素的影響。
表6 工業(yè)生態(tài)效率影響因素回歸系數(shù)及顯著性
從生態(tài)保護維度看,水資源總量(X1)促進了本市工業(yè)生態(tài)效率的提升,但抑制了周邊市工業(yè)生態(tài)效率的提升,其可能的原因是水資源為本市工業(yè)發(fā)展提供了條件,使得本市工業(yè)生態(tài)效率得到提升,但隨著水資源利用量的增大,環(huán)境污染等負向效應(yīng)逐漸抵消水資源對周邊市帶來的正向效用,使得周邊市的環(huán)境治理成本提高;工業(yè)用電量(X2)對本市工業(yè)生態(tài)效率有負向效應(yīng),但不顯著。
從創(chuàng)新開放維度看,當(dāng)年實際使用外資金額(X3)和進出口總額(X4)與本市工業(yè)生態(tài)效率正相關(guān)、與周邊市工業(yè)生態(tài)效率負相關(guān),可能原因是資本的逐利性,外資總量有限且通常集中于發(fā)展?jié)摿^大的城市,對周邊市工業(yè)生態(tài)效率的提升作用甚微;R&D 經(jīng)費支出(X5)與本市工業(yè)生態(tài)效率極顯著負相關(guān)、與周邊市工業(yè)生態(tài)效率極顯著正相關(guān),這一回歸結(jié)果與實際情況似不符,其原因可能是科研與技術(shù)創(chuàng)新水平較低且效應(yīng)滯后和科研經(jīng)費投入的低效性。
從民生保障維度看,人均GDP(X6)與本市工業(yè)生態(tài)效率極顯著正相關(guān)、與周邊市工業(yè)生態(tài)效率極顯著負相關(guān),說明本市工業(yè)經(jīng)濟的高速發(fā)展在提高居民生活水平的同時激發(fā)了勞動者的工作積極性并吸引外部人才流入,長此以往有助于工業(yè)生態(tài)效率的提升。
從產(chǎn)業(yè)轉(zhuǎn)型維度和社會保障維度看,第二產(chǎn)業(yè)產(chǎn)值占比(X7)與本市工業(yè)生態(tài)效率顯著正相關(guān),表明工業(yè)產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型升級有利于本市工業(yè)生態(tài)效率的提升,這一結(jié)果與姚愉芳等[24]的研究結(jié)果一致;規(guī)模以上工業(yè)固定資產(chǎn)凈值(X8)和重工業(yè)產(chǎn)值占比(X9)與本市工業(yè)生態(tài)效率負相關(guān)、與周邊市工業(yè)生態(tài)效率正相關(guān),表明其抑制了本市工業(yè)生態(tài)效率提升、有利于提升周邊市工業(yè)生態(tài)效率;建成區(qū)綠化覆蓋率(X10)與本市工業(yè)生態(tài)效率負相關(guān)、與周邊市工業(yè)生態(tài)效率正相關(guān),理論上講,建成區(qū)綠化覆蓋率的提高會促進本市工業(yè)生態(tài)效率的提升,而回歸結(jié)果與之相悖,這與上述黃河流域科研與技術(shù)創(chuàng)新水平較低且效應(yīng)滯后的情況類似。
綜上所述,黃河流域各地級市不僅要加強產(chǎn)業(yè)結(jié)構(gòu)合理調(diào)整、對外開放等,而且還應(yīng)加強與周邊城市的科研合作,提升區(qū)域創(chuàng)新活力及其效應(yīng)。
以黃河干流沿線35 個地級市為樣本市,運用SESBM 模型測度黃河流域工業(yè)生態(tài)效率,并通過核密度估計、空間計量模型回歸等分析其時空演化情況及影響因素,得到以下結(jié)論。
(1)從宏觀層面看,黃河流域工業(yè)生態(tài)效率2008年為0.561、2018 年為0.896,研究時段內(nèi)由中低效率穩(wěn)步上升為中高效率,其主要受純技術(shù)效率上升的拉動,而規(guī)模效率上升的作用相對較??;從微觀層面看,各地級市工業(yè)生態(tài)效率空間差異顯著,最大值是最小值的3.7 倍,表明生態(tài)資源與工業(yè)經(jīng)濟匹配度較低。
(2)黃河流域工業(yè)生態(tài)效率時間演化趨勢是在波動上升的同時空間差異逐步加大,空間分異特點是中下游地區(qū)高于上游地區(qū),由高到低順序為中游地區(qū)、下游地區(qū)、上游地區(qū)。
(3)黃河流域各地級市工業(yè)生態(tài)效率存在顯著的正向空間集聚效應(yīng),即呈現(xiàn)高高集聚和低低集聚的空間分布特征,但這種正向空間集聚效應(yīng)呈逐年弱化態(tài)勢。
(4)在工業(yè)生態(tài)效率的眾多影響因素中,R&D 經(jīng)費支出、規(guī)模以上工業(yè)固定資產(chǎn)凈值抑制本市工業(yè)生態(tài)效率提升、促進周邊市工業(yè)生態(tài)效率提升,人均GDP 促進本市工業(yè)生態(tài)效率提升、抑制周邊市工業(yè)生態(tài)效率提升,而水資源總量對工業(yè)生態(tài)效率的影響不顯著。
(1)各地級市應(yīng)根據(jù)自身條件因地制宜制定工業(yè)生態(tài)效率提升策略,如:東營等工業(yè)生態(tài)效率較高的地級市可借助自身經(jīng)濟發(fā)展優(yōu)勢,繼續(xù)加強工業(yè)高新技術(shù)研發(fā),實施工業(yè)生態(tài)化建設(shè);白銀、吳忠等工業(yè)生態(tài)效率較低的地級市可借助優(yōu)良的生態(tài)環(huán)境,合理調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、承接優(yōu)勢工業(yè)產(chǎn)業(yè),盡快提升工業(yè)生態(tài)效率。
(2)各區(qū)域應(yīng)破除行業(yè)壁壘和行政區(qū)劃壁壘,強化彼此間的協(xié)同治理聯(lián)系,搭建黃河流域生態(tài)經(jīng)濟一體化合作橋梁。 工業(yè)生態(tài)效率較低的區(qū)域要突破“信息孤島”的桎梏,加強區(qū)域間工業(yè)信息的交融與互動;工業(yè)生態(tài)效率較高的區(qū)域要保持良好發(fā)展勢態(tài),輻射、帶動周邊區(qū)域提升工業(yè)生態(tài)效率,促進黃河流域工業(yè)產(chǎn)業(yè)由“單核心”向“多核心”共贏局面發(fā)展。