黃河流域城市經(jīng)濟(jì)集聚對綠色全要素能源效率的影響研究

史繹君

(甘肅政法大學(xué) 經(jīng)濟(jì)學(xué)院,甘肅 蘭州 730000)

0 引言

黃河流域是指黃河水系從青海省發(fā)源地流經(jīng)四川、甘肅、寧夏、內(nèi)蒙古、陜西、山西、河南和山東匯入入海口所影響的地理生態(tài)區(qū)域。近年來,黃河流域城市不管是在數(shù)量還是規(guī)模上都得到了快速發(fā)展,許多生產(chǎn)要素都集中在城市,形成了集聚效應(yīng)。但隨著集聚帶來的經(jīng)濟(jì)發(fā)展,傳統(tǒng)靠不斷增加生產(chǎn)要素進(jìn)而擴(kuò)大生產(chǎn)規(guī)模的模式已不可持續(xù),比如在能源消耗方面,黃河流域蘊(yùn)含的豐富能源被大量開采利用,給流域內(nèi)的環(huán)境、地質(zhì)和氣候造成一定程度的損害。當(dāng)下中國經(jīng)濟(jì)增長的方式正在發(fā)生轉(zhuǎn)變,黃河流域要在生態(tài)保護(hù)的同時推動經(jīng)濟(jì)實(shí)現(xiàn)高質(zhì)量發(fā)展,能源是生態(tài)保護(hù)中重要的一環(huán)。據(jù)此,對城市集聚經(jīng)濟(jì)和能源利用效率的協(xié)同發(fā)展開展研究對節(jié)約資源和環(huán)境保護(hù)工作意義重大。

本文在傳統(tǒng)能源效率測度研究的基礎(chǔ)上,將環(huán)境、能源與經(jīng)濟(jì)發(fā)展三方面納入同一個體系,測算黃河流域城市綠色全要素能源效率,為此,本文以黃河流域城市為研究對象,探討黃河流域城市的經(jīng)濟(jì)集聚能否對綠色全要素能源效率產(chǎn)生影響?以城市為載體探究集聚對城市綠色全要素能源效率的影響是否存在中介因素?

1 文獻(xiàn)綜述與理論機(jī)制

1.1 文獻(xiàn)綜述

能源效率是全世界關(guān)注的重要課題。當(dāng)前學(xué)者關(guān)于綠色全要素能源效率的研究有以下兩個方面:①測度方法。Chung等[1]在測度瑞典紙漿廠生產(chǎn)率時提出了方向距離函數(shù),結(jié)合以前學(xué)者的研究,構(gòu)建了以方向性距離函數(shù)為基礎(chǔ)的非參數(shù)方法(DEA)。利用非參數(shù)方法(DEA)測度綠色全要素能源效率的研究主要集中在兩個方面:一是屈小娥[2]主要考慮以資本、勞動力、能源為投入要素,以GDP為產(chǎn)出,利用傳統(tǒng)的生產(chǎn)率指數(shù)——Malmquist生產(chǎn)率指數(shù)測度綠色全要素能源效率及生產(chǎn)率,但無法考慮非期望產(chǎn)出如二氧化碳等存在下的全要素能源效率;二是將環(huán)境污染物納入生產(chǎn)模型來測度全要素能源效率,將污染物作為投入指標(biāo)或作為非期望產(chǎn)出,利用劉海英等[3]在測度瑞典紙漿廠生產(chǎn)率時提出的方向距離函數(shù)及Malmquist-Luenberger生產(chǎn)率指數(shù)測度綠色全要素能源效率?；诖饲暗难芯?國內(nèi)學(xué)者更多地運(yùn)用DEA、SFA或超效率SBM進(jìn)行測度。②影響因素。綠色全要素能源效率作為一個衡量環(huán)境污染、能源消耗以及經(jīng)濟(jì)增長的效率值,影響其效率值的因素值得我們?nèi)ミM(jìn)一步探討。技術(shù)效率變動和技術(shù)進(jìn)步對全要素能源效率變動存在著一定影響,能源效率增長主要源于技術(shù)進(jìn)步[4],而且技術(shù)效率和技術(shù)進(jìn)步共同推動效率增長[5]。除此之外,人均GDP和產(chǎn)業(yè)結(jié)構(gòu)對能源效率增長具有正向影響[6-7],經(jīng)濟(jì)發(fā)展水平與綠色全要素能源效率水平呈“U”型關(guān)系[8],而能源結(jié)構(gòu)對能源效率增長有顯著的負(fù)向作用。

經(jīng)濟(jì)集聚是指一個區(qū)域由于經(jīng)濟(jì)規(guī)模大且密度高而催生出來的外部效應(yīng)[9]。城市經(jīng)濟(jì)集聚帶來的外部性有兩個方面,一是正外部性,董直慶等[10]、張可[11]將空間因素納入到傳統(tǒng)經(jīng)濟(jì)學(xué)分析中,認(rèn)為經(jīng)濟(jì)集聚帶來的正外部性能促進(jìn)規(guī)模經(jīng)濟(jì)效應(yīng),而且經(jīng)濟(jì)集聚對技術(shù)創(chuàng)新有一定的促進(jìn)作用。Jacobs[12]認(rèn)為“多樣化集聚”產(chǎn)生的外部經(jīng)濟(jì)更有利于技術(shù)進(jìn)步與知識溢出,更能推動產(chǎn)業(yè)發(fā)展與地區(qū)經(jīng)濟(jì)發(fā)展。二是負(fù)外部性,指對城市環(huán)境的破壞,通常以城市污染物的排放量來衡量。負(fù)外部性多與環(huán)境污染相關(guān)[13],如經(jīng)濟(jì)集聚和環(huán)境污染之間存在雙向作用機(jī)制:經(jīng)濟(jì)集聚加重了環(huán)境污染,環(huán)境污染對經(jīng)濟(jì)集聚存在反向抑制作用[14];經(jīng)濟(jì)的集聚加速了污染的集聚,并且污染的集聚態(tài)勢趨同于經(jīng)濟(jì)的集聚態(tài)勢[15]。

當(dāng)前對城市經(jīng)濟(jì)集聚和能源效率的研究不多,更多的研究還是針對于產(chǎn)業(yè)集聚和能源效率[16-17]。學(xué)者們對城市層面的集聚與能源效率的研究大致可以分為3種情形:促進(jìn)、抑制和非線性關(guān)系[18]。集聚對能源效率的促進(jìn)作用多聚焦于產(chǎn)業(yè)和省份層面[19-20],具體途徑包括技術(shù)溢出和基礎(chǔ)設(shè)施共享[21],全國層面上的產(chǎn)業(yè)集聚對能源效率具有促進(jìn)作用[22]。而關(guān)于產(chǎn)業(yè)集聚對能源效率的抑制作用,比如制造業(yè)集聚將對能源效率產(chǎn)生一定的負(fù)效應(yīng),更多的研究發(fā)現(xiàn)產(chǎn)業(yè)集聚對綠色全要素能源效率的影響并非完全的促進(jìn)或抑制,還可能呈“U”型關(guān)系,即產(chǎn)業(yè)集聚對能源效率有著先抑制后促進(jìn)的影響。當(dāng)產(chǎn)業(yè)集聚度大小合理時,產(chǎn)業(yè)集聚對綠色經(jīng)濟(jì)效率的影響是正向的,當(dāng)產(chǎn)業(yè)集聚程度大于臨界值時影響是負(fù)向的,表明產(chǎn)業(yè)集聚與綠色經(jīng)濟(jì)效率呈倒“U型”關(guān)系[23]。同樣地,有研究證實(shí)黃河流域城市群經(jīng)濟(jì)集聚與綠色經(jīng)濟(jì)效率存在倒U型關(guān)系[24],經(jīng)濟(jì)集聚處于合理的范圍內(nèi)有助于提升綠色經(jīng)濟(jì)效率,而當(dāng)經(jīng)濟(jì)集聚過度時則會抑制城市群綠色經(jīng)濟(jì)效率提升[25-26]。

通過對研究現(xiàn)狀的梳理,可以發(fā)現(xiàn)一些不足:①當(dāng)前研究雖然對綠色全要素能源效率的研究進(jìn)行了比較多的實(shí)證檢驗(yàn),不過學(xué)者們主要對產(chǎn)業(yè)或區(qū)域的綠色全要素能源效率進(jìn)行測度和分析,研究對象多聚焦于省級區(qū)域?qū)用?地級市層面的實(shí)證檢驗(yàn)比較少;而且將經(jīng)濟(jì)集聚與綠色全要素能源效率相結(jié)合分析的研究仍有諸多不足,如學(xué)者們?nèi)菀讓a(chǎn)業(yè)集聚與經(jīng)濟(jì)集聚的概念混淆、城市經(jīng)濟(jì)集聚程度的測度標(biāo)準(zhǔn)各不相同等,產(chǎn)業(yè)集聚衡量的是某一產(chǎn)業(yè)在特定的地理區(qū)域內(nèi)的集中程度,而經(jīng)濟(jì)集聚衡量的是某一地理區(qū)域內(nèi)整個經(jīng)濟(jì)活動的集中程度,其測度所選指標(biāo)也有一些差異。②對黃河流域經(jīng)濟(jì)集聚和綠色全要素能源效率的中介機(jī)制仍需進(jìn)一步探討,比如知識溢出等因素是否會對二者的關(guān)系起到一定的中介作用。③對黃河流域地級市經(jīng)濟(jì)集聚與綠色全要素能源效率的研究不足,仍需要進(jìn)一步分析黃河流域經(jīng)濟(jì)高質(zhì)量發(fā)展的特點(diǎn),把握現(xiàn)實(shí)情況,從而更好地找尋對策,以保持黃河流域治理和經(jīng)濟(jì)發(fā)展之間的平衡。

1.2 理論機(jī)制

通過文獻(xiàn)梳理,可以得知經(jīng)濟(jì)集聚就是城市內(nèi)人口、資源、要素通過各項產(chǎn)業(yè)和經(jīng)濟(jì)活動在空間上集中產(chǎn)生的一系列結(jié)果,這些結(jié)果比如知識溢出能夠打破區(qū)域市場的分割,實(shí)現(xiàn)生產(chǎn)向更大市場的整合;其他結(jié)果如人均GDP和產(chǎn)業(yè)結(jié)構(gòu)也是城市化快速發(fā)展的產(chǎn)物[27],人均GDP的提升和第一產(chǎn)業(yè)釋放勞力,特別是高素質(zhì)人才到第二三產(chǎn)業(yè)都得益于城市化率的提升和基礎(chǔ)設(shè)施的完善[28],而知識溢出和產(chǎn)業(yè)結(jié)構(gòu)等結(jié)果會對綠色全要素能源效率產(chǎn)生影響。因而考慮經(jīng)濟(jì)集聚與綠色全要素能源效率二者結(jié)合的研究具有合理性。以上可以得到本文的分析思路:一是經(jīng)濟(jì)集聚和綠色全要素能源效率都與經(jīng)濟(jì)增長和環(huán)境污染相關(guān),那么經(jīng)濟(jì)集聚與綠色全要素能源效率之間定然存在著聯(lián)系;二是城市的出現(xiàn)往往伴生著一個市場的出現(xiàn),城市里的市場因素遠(yuǎn)大于農(nóng)村,近年來我國城市在數(shù)量和規(guī)模上都得到了快速發(fā)展,許多生產(chǎn)要素都集中在城市,從而產(chǎn)生經(jīng)濟(jì)集聚,因而選擇城市而不是產(chǎn)業(yè)作為集聚的研究對象進(jìn)行分析;三是城市帶來了市場,市場的整合和資源的集中又產(chǎn)生了集聚效應(yīng),經(jīng)濟(jì)集聚的外部性推動知識溢出、人才流入和基礎(chǔ)設(shè)施建設(shè),這些又能夠?qū)^(qū)域內(nèi)綠色全要素能源效率產(chǎn)生影響,據(jù)此,本文嘗試將知識溢出等因素作為中介變量。

因此,與以往文獻(xiàn)相比,結(jié)合上述機(jī)制分析,本文將從以下幾個方面進(jìn)行延伸研究:①以黃河流域9個省份的98個地級市作為觀測對象,考察地級市的經(jīng)濟(jì)集聚對綠色全要素能源效率的影響;②構(gòu)建模型探討二者的關(guān)系,將中介因素置入二者的關(guān)系模型,對假設(shè)進(jìn)行檢驗(yàn),同時考察城市經(jīng)濟(jì)集聚帶來的影響效應(yīng)是否會對綠色全要素能源效率產(chǎn)生作用;③采用工具變量解決內(nèi)生性問題。

2 實(shí)證研究

2.1 綠色全要素能源效率測度

傳統(tǒng)DEA模型并沒有考慮松弛變量[29-30],而在此基礎(chǔ)上改進(jìn)的SBM模型(Slacks-based Measure,SBM)很好地解決了這一問題。然而SBM模型也存在一定的不足,主要在于其在測算時忽略了效率值≥1的情況(完全效率),即多個決策單元處在前沿面。為解決這一問題,學(xué)者們又提出了超效率SBM模型。超效率SBM模型既能避免常規(guī)DEA模型下變量松弛性和徑向帶來的測量誤差問題,又能夠解決多個有效決策單元之間的可比性問題。因此,我們將采用超效率SBM模型構(gòu)建并測度衡量綠色全要素能源效率的指標(biāo)。本文在借鑒Tone(2003)的基礎(chǔ)上,考慮能源效率的情況下,構(gòu)建的非導(dǎo)向規(guī)模報酬不變的方向性距離函數(shù)為:

式(1)中:n表示決策單元DMU的數(shù)量,每個DMU由投入m、期望產(chǎn)出和非期望產(chǎn)出組成的s構(gòu)成;x表示投入矩陣中的元素、y表示期望產(chǎn)出矩陣和非期望產(chǎn)出矩陣中的元素、λ表示所對應(yīng)投入或產(chǎn)出元素的系數(shù);ρ為綠色全要素能源效率值,ρ越大說明效率越高。計算該指標(biāo)用到的數(shù)據(jù)有資本存量、勞動、能源、實(shí)際GDP、工業(yè)廢水、工業(yè)二氧化硫和工業(yè)煙粉塵。其中資本存量數(shù)據(jù)使用永續(xù)盤存法計算得到,所需要的原始數(shù)據(jù)有各地級及以上城市固定資產(chǎn)投資,來自CEIC中國經(jīng)濟(jì)數(shù)據(jù)庫;各城市以2003年為基期的資本存量數(shù)據(jù);同一個省內(nèi)各城市使用的資本存量折舊率相同。勞動數(shù)據(jù)、能源消費(fèi)量數(shù)據(jù)和實(shí)際GDP數(shù)據(jù)來自CEIC中國經(jīng)濟(jì)數(shù)據(jù)庫; 除工業(yè)煙粉塵數(shù)據(jù)來自《中國城市統(tǒng)計年鑒》外,其他兩類污染物數(shù)據(jù)來自CEIC中國經(jīng)濟(jì)數(shù)據(jù)庫。

本文選取黃河流域9個省份的98個地級市2005-2020年城市綠色全要素能源效率進(jìn)行測度,數(shù)據(jù)全部來自于各省份2005-2021年統(tǒng)計年鑒,但由于在搜集資料過程中發(fā)現(xiàn)《青海省統(tǒng)計年鑒》從2000-2021年間青海省共計7個自治州的數(shù)據(jù)不全,分別是海西蒙古族藏族自治州、玉樹藏族自治州、海北藏族自治州、海南藏族自治州、黃南藏族自治州、果洛藏族自治州、海東藏族自治州,同時也剔除內(nèi)蒙古自治區(qū)的興安盟、錫林郭勒盟和阿拉善盟;四川省的阿壩藏族羌族自治州、甘孜藏族自治州和涼山彝族自治州以及甘肅省的臨夏回族自治州和甘南藏族自治州。因此本文對除去這幾個自治州外的98個地級市數(shù)據(jù)進(jìn)行測算,得出了相關(guān)結(jié)果。

2.2 模型設(shè)計

本文在Miller等的基礎(chǔ)上,對 Cobb-Douglas生產(chǎn)函數(shù)進(jìn)行適度擴(kuò)展,設(shè)定如下生產(chǎn)函數(shù):

q=f(l,k,e,Qrc,Arc,Ωrc)

(2)

或(2)中,l表示單位土地面積上雇傭的勞動力人數(shù);k表示單位土地面積上用于經(jīng)濟(jì)活動的實(shí)物資本;e表示單位土地面積上用于經(jīng)濟(jì)生產(chǎn)所消耗的能源;Ωrc表示該區(qū)域內(nèi)考慮經(jīng)濟(jì)生產(chǎn)活動中資本、勞動、能源、“好”產(chǎn)出和污染物的經(jīng)濟(jì)產(chǎn)出效率,也即本文要研究的綠色全要素能源效率;Qrc表示總產(chǎn)出;Arc表示該區(qū)域的總土地面積。

根據(jù)柯布道格拉斯公式的進(jìn)一步推演,可改寫為如下形式作為本文用來估計的計量模型:

(3)

式(3)中,Lrc/Arc即為本文重點(diǎn)關(guān)注的解釋變量: 經(jīng)濟(jì)集聚程度,用單位土地面積上的勞動力進(jìn)行衡量。結(jié)合前文分析,經(jīng)濟(jì)集聚對綠色全要素能源效率的影響很可能是非線性的,因此在公式兩邊取對數(shù),加入經(jīng)濟(jì)集聚度的二次項,并進(jìn)一步加入其他控制變量,最終模型如下:

(4)

2.3 其他變量與指標(biāo)選取

在其他控制變量中,本文用取對數(shù)的人均GDP(2000年為基期)來衡量一個城市的經(jīng)濟(jì)發(fā)展水平,剩余控制變量包括: 產(chǎn)業(yè)結(jié)構(gòu)、金融發(fā)展、財政支出力度、要素稟賦、研發(fā)支出、信息化水平以及地區(qū)文化水平。產(chǎn)業(yè)結(jié)構(gòu)變量用地區(qū)第二產(chǎn)業(yè)和第三產(chǎn)業(yè)產(chǎn)值的總和來衡量;金融發(fā)展以金融機(jī)構(gòu)存貸款余額衡量;地區(qū)財政支出以分權(quán)地區(qū)人均財政支出來衡量,要素稟賦為資本存量在勞動力人口的占比,研發(fā)支出為科技支出在GDP的占比,信息化水平為互聯(lián)網(wǎng)寬帶接入端口數(shù)。

除此之外,本文也考慮到了中介變量可能會產(chǎn)生的影響,因而選取了4個中介變量。一是考慮知識溢出這一因素,創(chuàng)新是經(jīng)濟(jì)發(fā)展的核心驅(qū)動,技術(shù)進(jìn)步能夠帶來經(jīng)濟(jì)的飛躍式發(fā)展,并且想要實(shí)現(xiàn)經(jīng)濟(jì)的持續(xù)穩(wěn)定發(fā)展,就必須立足于技術(shù)創(chuàng)新,發(fā)揮城市經(jīng)濟(jì)的集聚效應(yīng)與技術(shù)創(chuàng)新的溢出效應(yīng)。由于經(jīng)濟(jì)集聚的外部性推動知識溢出,知識溢出產(chǎn)生的空間溢出效應(yīng)能夠促進(jìn)區(qū)域內(nèi)的技術(shù)進(jìn)步,而經(jīng)濟(jì)集聚為城市帶來技術(shù)進(jìn)步,技術(shù)進(jìn)步會轉(zhuǎn)而對綠色全要素能源效率產(chǎn)生影響,因此知識溢出是城市經(jīng)濟(jì)集聚對綠色全要素能源效率產(chǎn)生影響的一個重要媒介。本文以高等學(xué)校教師人數(shù)占總勞動人口的比重衡量知識溢出。二是選擇了基礎(chǔ)設(shè)施作為中介變量,城市基礎(chǔ)設(shè)施建設(shè)是基于經(jīng)濟(jì)發(fā)展的,經(jīng)濟(jì)集聚推動城市經(jīng)濟(jì)發(fā)展,有了資金支持和經(jīng)濟(jì)快速發(fā)展對營商環(huán)境的需求,基礎(chǔ)設(shè)施會進(jìn)一步完善,也可以稱基礎(chǔ)設(shè)施完善是經(jīng)濟(jì)集聚正外部性的另一個體現(xiàn),因此考慮將基礎(chǔ)設(shè)施作為第二個中介變量進(jìn)行檢驗(yàn),本文以城市的人均道路面積衡量這一指標(biāo)。三是選擇了環(huán)境規(guī)制作為中介變量,這里參照林伯強(qiáng)(2019)采用一般工業(yè)固體廢物綜合利用率來衡量。四是高質(zhì)量勞力比例,經(jīng)濟(jì)集聚使得高素質(zhì)人才占總勞動人口比重進(jìn)一步提升,所以考慮高質(zhì)量勞動力比重作為中介變量,以高校在校生在勞動力人口中的占比來衡量。本文機(jī)制驗(yàn)證模型設(shè)定如式(5):

Zmt=α+β1Aggmt+β2Agg2mt+γXmt+εmt

(5)

表1 變量選取及解釋

3 結(jié)果與討論

3.1 計量結(jié)果分析

表2是使用OLS最小二乘法和2SLS兩階段最小二乘法兩種方法對模型估計的結(jié)果,結(jié)果第二列使用的固定效應(yīng)模型的結(jié)果,第三到五列為引入工具變量的估計結(jié)果,其中第三、四列為使用工具變量法的第一階段回歸,第五列為使用工具變量法的第二階段回歸。

表2 OLS和2SLS估計結(jié)果

為了降低樣本存在的內(nèi)生性偏誤問題,本文參照卞元超等[31]的研究引入了地形起伏度這一工具變量,地形起伏度是以中國地理90米分辨率數(shù)字高程數(shù)據(jù),采用ArcGIS軟件計算獲得各地區(qū)的地理坡度數(shù)據(jù);另外由于引入了經(jīng)濟(jì)集聚的二次項,需要選取兩個工具變量,因而選取城市的交通狀況作為第二個工具變量,以城市所擁有的鐵路里程數(shù)作為第二個工具變量[32]。由于地理坡度不存在隨年份變化的情況,鐵路里程的變動較小,因而將地形起伏度和鐵路里程都乘以全國城鎮(zhèn)化率增長率構(gòu)造為新的兩個工具變量,其中全國城鎮(zhèn)化率增長率以當(dāng)年全國城鎮(zhèn)化率比2004年全國城鎮(zhèn)化率得到。

如表2所示,兩個模型均加入了控制變量,第二列固定效應(yīng)的回歸結(jié)果顯示,解釋變量經(jīng)濟(jì)集聚及其二次項對被解釋變量綠色全要素能源效率的影響作用均不顯著,經(jīng)濟(jì)集聚對綠色全要素能源效率的影響為負(fù),二次項為正,影響效果呈正“U”型關(guān)系,即先抑制后促進(jìn);而使用工具變量解決內(nèi)生性問題后,第五列顯示經(jīng)濟(jì)集聚對綠色全要素能源效率系數(shù)為1.176,呈顯著正向影響,二次項系數(shù)-0.111為顯著負(fù)向影響,影響結(jié)果呈倒“U”型關(guān)系,與第二列OLS最小二乘法回歸的結(jié)果相反,也說明經(jīng)濟(jì)集聚變量和二次項變量存在內(nèi)生性問題,并且本文所選取的工具變量通過了弱工具變量檢驗(yàn),顯示了處理內(nèi)生性問題后的結(jié)果更可靠,同時這一結(jié)果與多數(shù)學(xué)者研究一致。

黃河流域多為中西部欠發(fā)達(dá)地區(qū),山西、內(nèi)蒙古和河南等雖然能源豐富但產(chǎn)業(yè)結(jié)構(gòu)亟待升級,許多城市依靠資源發(fā)展經(jīng)濟(jì)使得生態(tài)環(huán)境進(jìn)一步惡化,據(jù)生態(tài)環(huán)境部向媒體發(fā)布的全國空氣質(zhì)量狀況可見,2019年8月,168個重點(diǎn)城市中全國倒數(shù)排名前20中有安陽、臨汾、晉城、成都、洛陽、焦作、太原、長治、西安、陽泉、運(yùn)城、鶴壁、瀘州和咸陽十幾個黃河流域內(nèi)城市,可見黃河流域內(nèi)中部地區(qū)城市經(jīng)濟(jì)發(fā)展對環(huán)境的破壞程度比較嚴(yán)重。同樣地,西部地區(qū)如甘肅、青海和寧夏等地區(qū)人口密度小,城市特別是省會城市的經(jīng)濟(jì)發(fā)展能夠帶動省內(nèi)更多經(jīng)濟(jì)落后地區(qū)的經(jīng)濟(jì)發(fā)展,促進(jìn)了區(qū)域的技術(shù)進(jìn)步,能源消耗量快速上升,雖然綠色能源如水能和風(fēng)能的使用能夠減少環(huán)境污染,但西部省份原本的生態(tài)屏障相對比較脆弱,經(jīng)濟(jì)發(fā)展反而會給傳統(tǒng)能源使用造成的環(huán)境破壞帶來一定的生態(tài)壓力。與多數(shù)城市類似,一個城市的人口和經(jīng)濟(jì)集聚能夠帶來知識溢出和技術(shù)進(jìn)步,技術(shù)進(jìn)步進(jìn)而促進(jìn)綠色技術(shù)創(chuàng)新,從而提升綠色全要素能源效率,但當(dāng)經(jīng)濟(jì)集聚到一定程度后,到達(dá)城市的環(huán)境承載力峰值,集聚帶來的正效益小于環(huán)境污染帶來的負(fù)效應(yīng),這時經(jīng)濟(jì)集聚帶來的擁塞效應(yīng)抑制了綠色全要素能源效率值。

3.2 進(jìn)一步分析

上述實(shí)證結(jié)果表明,黃河流域城市經(jīng)濟(jì)集聚對綠色全要素能源效率呈現(xiàn)先促進(jìn)后抑制的影響效應(yīng),那么黃河流域城市經(jīng)濟(jì)集聚提高綠色全要素能源效率的機(jī)制也值得進(jìn)行進(jìn)一步探討。本文選擇了知識溢出、基礎(chǔ)設(shè)施、環(huán)境規(guī)制和高質(zhì)量勞動力作為中介變量,來驗(yàn)證“經(jīng)濟(jì)集聚——中介因素——綠色全要素能源效率”的機(jī)制。檢驗(yàn)中介變量時,加入了與前文相同的控制變量,具體實(shí)證檢驗(yàn)步驟: 第一步,對解釋變量與被解釋變量進(jìn)行回歸,若系數(shù)顯著,則表明經(jīng)濟(jì)集聚促進(jìn)了綠色全要素能源效率;第二步,將解釋變量與中介變量進(jìn)行回歸,若系數(shù)顯著,說明經(jīng)濟(jì)集聚對中介變量產(chǎn)生了顯著作用;第三步,將中介變量加入被解釋變量和解釋變量的模型中進(jìn)行回歸,若系數(shù)顯著提升,則證明經(jīng)濟(jì)集聚通過中介變量促進(jìn)了綠色全要素能源效率的提高,從而機(jī)制得到驗(yàn)證。按照上述檢驗(yàn)步驟,第二階段的檢驗(yàn)結(jié)果如下:

結(jié)果見表3,(1)-(4)列按順序分別為知識溢出、基礎(chǔ)設(shè)施、環(huán)境規(guī)制和高質(zhì)量勞動力作為中介變量的檢驗(yàn)結(jié)果,表2的檢驗(yàn)結(jié)果證明了解釋變量經(jīng)濟(jì)集聚對被解釋變量綠色全要素能源效率有著倒“U”型影響,而表3第二行二次項的結(jié)果表明,經(jīng)濟(jì)集聚對知識溢出、基礎(chǔ)設(shè)施、環(huán)境規(guī)制和高質(zhì)量勞動力均在1%的水平上顯著為負(fù),說明城市經(jīng)濟(jì)集聚程度對這4個中介變量有著先抑制后促進(jìn)的作用,處于一定階段的經(jīng)濟(jì)集聚程度越高,知識溢出、基礎(chǔ)設(shè)施、環(huán)境規(guī)制和高質(zhì)量勞動力比例提升程度越大,即城市經(jīng)濟(jì)集聚可以通過知識溢出、基礎(chǔ)設(shè)施、環(huán)境規(guī)制和高質(zhì)量勞動力對綠色全要素能源效率呈倒“U”型影響,經(jīng)濟(jì)集聚帶來的負(fù)外部性使得城市環(huán)境惡化,人們開始意識到改善生態(tài)環(huán)境的重要性,也就使得知識溢出提升、基礎(chǔ)設(shè)施完善、環(huán)境規(guī)制和高素質(zhì)人才比重提升,進(jìn)而促進(jìn)綠色全要素能源效率的提升。實(shí)證檢驗(yàn)結(jié)果顯示,知識溢出、基礎(chǔ)設(shè)施、環(huán)境規(guī)制和高質(zhì)量勞動力是黃河流域城市經(jīng)濟(jì)集聚與綠色全要素能源效率的中介因素。

表3 中介效應(yīng)回歸結(jié)果

3.3 異質(zhì)性檢驗(yàn)

由于黃河流域城市自西向東流經(jīng)青藏高原、內(nèi)蒙古高原、黃土高原和黃淮海平原4個地貌單元,分布地區(qū)廣泛,東中西部的經(jīng)濟(jì)發(fā)展水平相差較大,因而本文將從各地經(jīng)濟(jì)發(fā)展差異層面探究流域內(nèi)城市經(jīng)濟(jì)集聚對綠色全要素能源效率的影響。本文依據(jù)2020年黃河流域城市的GDP增長幅度大小將98個城市分為4組,按照2020年GDP增速由快到慢依次為經(jīng)濟(jì)發(fā)展快速、較快、較慢和慢速,觀察這4組城市經(jīng)濟(jì)集聚對綠色全要素能源效率的影響有何分別。表4為對經(jīng)濟(jì)發(fā)展增速進(jìn)行異質(zhì)性分析的結(jié)果,依舊使用了2SLS法進(jìn)行估計,列(1)-(4)依次為城市GDP發(fā)展快速、較快、較慢和慢速的2SLS第二階段估計結(jié)果。

表4 異質(zhì)性檢驗(yàn)

從結(jié)果中可以看出,4個分區(qū)均通過了弱工具變量檢驗(yàn),并且都得到了倒“U”型顯著影響的結(jié)果,雖然各地區(qū)的城市經(jīng)濟(jì)發(fā)展水平參差不齊,GDP增長速度相差較大,但對本文的研究沒有太大的影響,與上文得到的黃河流域整體的城市經(jīng)濟(jì)集聚對綠色全要素能源效率的估計結(jié)果一致。

4 結(jié)論與啟示

4.1 研究結(jié)論

本文對黃河流域9個省份的98個地級市2005-2020年城市進(jìn)行實(shí)證檢驗(yàn),探究經(jīng)濟(jì)集聚對綠色全要素能源效率的影響,同時通過異質(zhì)性檢驗(yàn)和中介效應(yīng)模型檢驗(yàn)得到結(jié)論如下:①黃河流域城市經(jīng)濟(jì)集聚對綠色全要素能源效率存在先促進(jìn)后抑制的倒“U”型影響;②知識溢出、基礎(chǔ)設(shè)施、環(huán)境規(guī)制和高質(zhì)量勞動力是黃河流域城市經(jīng)濟(jì)集聚對綠色全要素能源效率影響的的中介因素;③通過異質(zhì)性檢驗(yàn)發(fā)現(xiàn)黃河流域城市經(jīng)濟(jì)增速的異質(zhì)性不影響倒“U”型影響的結(jié)果。

4.2 管理啟示

根據(jù)上述研究,本文認(rèn)為首先黃河流域城市應(yīng)當(dāng)把握經(jīng)濟(jì)集聚對綠色全要素能源效率產(chǎn)生的正向和負(fù)向作用規(guī)律,合理維持集聚程度。采取區(qū)域一體化發(fā)展更有利于整體綠色全要素能源提升,注重優(yōu)化綠色發(fā)展模式,提升綠色全要素能源效率。其次應(yīng)當(dāng)重視經(jīng)濟(jì)集聚引起的知識溢出、基礎(chǔ)設(shè)施、環(huán)境規(guī)制和高質(zhì)量勞動力。知識溢出方面要加大技術(shù)投入,基礎(chǔ)設(shè)施方面要投入資金到城市建設(shè)中、增加財政環(huán)保支出,夯實(shí)綠色經(jīng)濟(jì)資金基礎(chǔ),環(huán)境規(guī)制方面要完善金融服務(wù)體系,助力綠色經(jīng)濟(jì)高質(zhì)量發(fā)展,建立區(qū)域間污染補(bǔ)償制度,實(shí)現(xiàn)合意與非合意產(chǎn)出的跨區(qū)互補(bǔ)。探索建立健全碳排放權(quán)、排污權(quán)交易機(jī)制,通過市場機(jī)制對碳排放、污染排放進(jìn)行有效配置,同時通過資源節(jié)約集約和創(chuàng)新發(fā)展驅(qū)動,推動綠色產(chǎn)業(yè)發(fā)展,不斷提高流域內(nèi)城市的綠色全要素能源的利用效率和綠色經(jīng)濟(jì)發(fā)展水平。人才方面,要健全高素質(zhì)人才引進(jìn)和優(yōu)待政策。最后,黃河流域處于不同經(jīng)濟(jì)發(fā)展增速的省份城市宜采取因地制宜的推進(jìn)措施,加快綠色全要素能源效率的跨越提升,推動異質(zhì)化集聚,優(yōu)化集聚結(jié)構(gòu),加速集聚中間梯隊轉(zhuǎn)型升級,由于經(jīng)濟(jì)集聚對于中間梯隊省市的綠色經(jīng)濟(jì)效率的促進(jìn)作用較弱,甚至存在一定的抑制作用,故應(yīng)通過建立多層次金融體系,放寬對社會資本的行業(yè)準(zhǔn)入,加速經(jīng)濟(jì)集聚發(fā)展,縮短跨越周期。即縮小綠色經(jīng)濟(jì)發(fā)展差異,統(tǒng)籌推進(jìn)綠色發(fā)展。

4.3 研究局限與展望

本文研究存在以下不足,本文的變量衡量更多地參考了普遍使用的指標(biāo),還是存在一定的滯后性;影響二者關(guān)系的因素還有很多,僅選擇宏觀層面的4個中介變量也存在局限性;黃河流域城市的研究結(jié)果和其他地區(qū)是否存在差異,以及差異為何會出現(xiàn)也需要進(jìn)一步思考。

因此,后續(xù)可考慮對變量進(jìn)行更準(zhǔn)確衡量,選取其他因素評價經(jīng)濟(jì)集聚對綠色全要素能源效率的影響,分析黃河流域經(jīng)濟(jì)與環(huán)境之間存在的聯(lián)系,為黃河流域城市的可持續(xù)發(fā)展提供更好的建議。