人口—產(chǎn)業(yè)協(xié)同集聚與綠色經(jīng)濟(jì)效率
——基于2004—2021 年中國233 個(gè)地級(jí)城市的實(shí)證分析

李 娜，馬曉鈺，葛純寶

（1.新疆大學(xué) 新疆創(chuàng)新管理研究中心，新疆 烏魯木齊 830046；2.新疆大學(xué) 經(jīng)濟(jì)與管理學(xué)院，新疆 烏魯木齊 830046；3.安徽財(cái)經(jīng)大學(xué) 合肥高等研究院，安徽 合肥 233030）

一、引言

我國過去的經(jīng)濟(jì)增長(zhǎng)是明顯的粗放型增長(zhǎng)模式，一些地區(qū)依靠大量資本、勞動(dòng)力和能源等要素投入片面追求GDP 總量，忽視了資源約束和環(huán)境成本。黨的二十大報(bào)告指出，要推進(jìn)美麗中國建設(shè)，統(tǒng)籌產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、污染治理、生態(tài)保護(hù)、應(yīng)對(duì)氣候變化，協(xié)同推進(jìn)減碳、減污、擴(kuò)綠、增綠，促進(jìn)生態(tài)優(yōu)先、保護(hù)優(yōu)先、集約、綠色、低碳發(fā)展。

鑒于中國區(qū)域差異明顯，測(cè)量和評(píng)估不同地區(qū)綠色經(jīng)濟(jì)效率(GEE)水平的分布及其變化趨勢(shì)，是解決上述問題的前提。已有學(xué)者提出，產(chǎn)業(yè)集聚能促進(jìn)經(jīng)濟(jì)效率[1]，調(diào)整環(huán)境監(jiān)管政策能消除集聚造成的擁堵效應(yīng)。產(chǎn)業(yè)集聚的影響在經(jīng)濟(jì)發(fā)展早期階段具有促進(jìn)作用，但在達(dá)到一定水平后將轉(zhuǎn)為抑制作用。例如，東北產(chǎn)業(yè)集聚與綠色經(jīng)濟(jì)發(fā)展間具有“U”型關(guān)系[2]，人口集聚在上述過程中起促進(jìn)作用[3]。此外，產(chǎn)業(yè)集聚也是影響綠色經(jīng)濟(jì)效率重要因素。較多研究單獨(dú)從兩個(gè)方面研究，忽視了人口集聚和產(chǎn)業(yè)集聚之間的相互作用關(guān)系及其對(duì)綠色經(jīng)濟(jì)效率的影響。人口—產(chǎn)業(yè)協(xié)同集聚是指具有高度相關(guān)性的異質(zhì)產(chǎn)業(yè)和人口在空間上表現(xiàn)出相互依賴的現(xiàn)象[4]。某一地區(qū)產(chǎn)業(yè)集聚水平提升會(huì)產(chǎn)生更多知識(shí)技能，促進(jìn)不同技能勞動(dòng)力信息交流[5]，但如果兩種集聚不匹配就難以發(fā)揮高技能人力資本集聚的知識(shí)外溢效應(yīng)。那么實(shí)際中，人口—產(chǎn)業(yè)協(xié)同集聚會(huì)對(duì)綠色經(jīng)濟(jì)效率產(chǎn)生何種影響？

文章邊際貢獻(xiàn)在于：一是從人口—產(chǎn)業(yè)協(xié)同集聚這一新視角研究其對(duì)中國綠色經(jīng)濟(jì)效率的影響。二是文章采用能夠解決模型不確定性問題、充分反映觀測(cè)數(shù)據(jù)信息的BMA 方法，估計(jì)人口—產(chǎn)業(yè)協(xié)同集聚對(duì)綠色經(jīng)濟(jì)效率的影響，能夠克服單一模型設(shè)定偏誤和信息流失帶來的估計(jì)偏差問題。三是文章發(fā)現(xiàn)，人口—產(chǎn)業(yè)協(xié)同集聚與綠色經(jīng)濟(jì)效率呈倒“U”型關(guān)系，而且這種影響在不同地區(qū)、不同時(shí)期、不同地理距離下有明顯差異。并且專業(yè)化協(xié)同集聚和多元化協(xié)同集聚的倒“U”型關(guān)系在影響程度上有所不同。

二、理論分析

綠色經(jīng)濟(jì)效率是基于資源投入和環(huán)境成本考慮，對(duì)一個(gè)國家或地區(qū)投入要素的經(jīng)濟(jì)效率的綜合表征。多數(shù)學(xué)者采用數(shù)據(jù)包絡(luò)分析(DEA)方法和隨機(jī)前沿分析(SFA)進(jìn)行研究，已有研究指出當(dāng)前中國各省份的綠色經(jīng)濟(jì)效率趨于改善。部分學(xué)者認(rèn)為中國綠色經(jīng)濟(jì)效率受產(chǎn)業(yè)集聚、人口集聚、環(huán)境監(jiān)管、人力資本、運(yùn)輸成本、外國直接投資的影響[6，7]。其中，環(huán)境監(jiān)管對(duì)綠色經(jīng)濟(jì)增長(zhǎng)有積極影響[8]，技術(shù)創(chuàng)新在推動(dòng)綠色經(jīng)濟(jì)發(fā)展方面發(fā)揮著重要作用，而人力資本和外國直接投資也有著重要作用[9]。

人口—產(chǎn)業(yè)集聚的協(xié)同效應(yīng)可通過人力資本、知識(shí)溢出、成本降低和擁擠效應(yīng)影響綠色經(jīng)濟(jì)效率。人口—產(chǎn)業(yè)協(xié)同集聚是區(qū)域產(chǎn)業(yè)的空間聚集，該過程往往伴隨人口或勞動(dòng)力跨區(qū)域及行業(yè)流動(dòng)，通過正式或非正式交流加強(qiáng)知識(shí)和技能交流和傳播，促進(jìn)技術(shù)創(chuàng)新和相關(guān)產(chǎn)業(yè)的進(jìn)步。此外，人口—產(chǎn)業(yè)協(xié)同集聚能通過相關(guān)上下游產(chǎn)業(yè)“干中學(xué)”降低上下游產(chǎn)業(yè)的中間投入成本。隨著協(xié)同集聚程度提升，形成的擁擠效應(yīng)會(huì)造成污染和廢物排放，抑制綠色經(jīng)濟(jì)效率改善。

三、中國綠色經(jīng)濟(jì)效率時(shí)空演化的評(píng)價(jià)

1. 綠色經(jīng)濟(jì)效率測(cè)度方法

數(shù)據(jù)包絡(luò)分析(DEA)是利用數(shù)學(xué)規(guī)劃方法根據(jù)統(tǒng)計(jì)數(shù)據(jù)確定生產(chǎn)前沿面，從而推斷決策單元(DMU)效率高低的非參數(shù)測(cè)算方法[10]。DEA 具有不需考慮函數(shù)具體形式等優(yōu)點(diǎn)被廣泛使用，文章參考Tone(2001)[11]和田光輝等(2022)[10]的測(cè)算方法測(cè)算中國城市綠色經(jīng)濟(jì)效率。構(gòu)建非期望產(chǎn)出SBM-DEA 模型如下所示：

其中，ρ∈(0，1)為綠色經(jīng)濟(jì)效率值，S-、Sg、Sb分別為投入、期望產(chǎn)出和非期望產(chǎn)出的松弛量；x、yg、zb分別為投入、期望產(chǎn)出和非期望產(chǎn)出值；m、S1、S2分別為投入、期望和非期望產(chǎn)出的要素個(gè)數(shù)；X、Yg、Zb分別為投入、期望和非期望產(chǎn)出對(duì)應(yīng)的矩陣；λ 為權(quán)重向量。當(dāng)且僅當(dāng)S-=Sg=Sb=0，ρ=1 時(shí)決策單元為有效，若ρ<1 則無效。文章參考田光輝等(2022)[10]的研究，根據(jù)投入冗余度=S-/x，期望產(chǎn)出不足=Sg/yg，非期望產(chǎn)出冗余=Sb/zb計(jì)算上述線性規(guī)劃方程。文章測(cè)算對(duì)象為2004—2021 年中國233 個(gè)城市綠色經(jīng)濟(jì)效率。

2. 中國綠色經(jīng)濟(jì)效率的時(shí)變特征

文章測(cè)算了2004—2021 年中國233 個(gè)城市綠色經(jīng)濟(jì)效率水平如圖1 所示，可見，2004—2021 年中國綠色經(jīng)濟(jì)效率呈現(xiàn)階段性變化且穩(wěn)定程度趨于下降。2008 年金融危機(jī)前，中國經(jīng)濟(jì)效率水平呈現(xiàn)波動(dòng)式先降后升態(tài)勢(shì)，其后出現(xiàn)先降后生再降再升等波動(dòng)變化趨勢(shì)，2019—2021 年逐漸穩(wěn)定在1.120 左右水平。2004—2008 年，中國綠色經(jīng)濟(jì)效率水平從1.157 先降到2006 年0.970，其后出現(xiàn)短暫上升，2009 年升至局部最高點(diǎn)1.134。2009—2019 年，中國綠色經(jīng)濟(jì)效率出現(xiàn)波動(dòng)變化，區(qū)間最大值和最小值分別為1.265 和0.857，上升和下降幅度不等。通過比較不同階段可以發(fā)現(xiàn)，2008 年國際金融危機(jī)后中國綠色經(jīng)濟(jì)效率水平受到國際市場(chǎng)沖擊的影響，綠色經(jīng)濟(jì)效率穩(wěn)定性趨于下降。上述分析表明中國經(jīng)濟(jì)效率呈現(xiàn)“先降后升、波動(dòng)變化”趨勢(shì)，資源能源的利用效率水平相對(duì)不高且缺乏穩(wěn)定性。

圖1 中國綠色經(jīng)濟(jì)效率變化情況

進(jìn)一步將樣本劃分為東部、中部和西部地區(qū)，圖2 顯示了2004—2021 年東部、中部和西部地區(qū)綠色經(jīng)濟(jì)效率變化情況?？梢?，中國東部、中部、西部地區(qū)城市綠色經(jīng)濟(jì)效率呈現(xiàn)“先降后升、波動(dòng)變化”跡象，但幅度有所不同。從絕對(duì)值看，東部地區(qū)綠色經(jīng)濟(jì)效率水平整體高于中部、西部地區(qū)。從變化趨勢(shì)看，東部地區(qū)綠色經(jīng)濟(jì)效率水平在波動(dòng)中趨于上升。東部地區(qū)在勞動(dòng)力、資本和資源能源的利用效率相對(duì)較高，綠色經(jīng)濟(jì)發(fā)展水平較高，而中部、西部地區(qū)在這些要素的利用效率方面亟待改進(jìn)，以期扭轉(zhuǎn)當(dāng)前效率低下的基本局面。

圖2 不同地區(qū)城市綠色經(jīng)濟(jì)效率變化情況

3. 中國綠色經(jīng)濟(jì)效率的地理分布演化

文章采用ARCGIS 軟件繪制了2004 年、2009 年和2021 年中國城市cgee 空間分布圖（版面限制，留存?zhèn)渌鳎?。?jīng)分析，2004 年中國城市綠色經(jīng)濟(jì)效率呈“點(diǎn)狀星”和“低水平連續(xù)”分布模式。綠色經(jīng)濟(jì)效率較高的城市分布比較分散，較低城市顯示出連片聚集特征，且多數(shù)城市的綠色生產(chǎn)效率處于最優(yōu)生產(chǎn)前沿之外。2009 年綠色經(jīng)濟(jì)效率水平相對(duì)較高的城市范圍由“點(diǎn)星”格局逐漸分化，相對(duì)中低水平的城市的地理分布趨于分散。2021 年中國大部分城市的綠色經(jīng)濟(jì)效率水平集中在0.95~1.19 之間，中部和東部地區(qū)的一些城市綠色經(jīng)濟(jì)效率值為1.18~1.42。上述分析表明，中國城市綠色經(jīng)濟(jì)效率顯現(xiàn)出明顯的中西部集聚特征。總之，中國的綠色經(jīng)濟(jì)效率水平呈現(xiàn)出從“點(diǎn)狀星”和“低水平連續(xù)”到“分散”和“大集群”的變化，中國綠色經(jīng)濟(jì)效率的空間異質(zhì)性在逐漸降低。

四、計(jì)量模型與數(shù)據(jù)說明

1. 計(jì)量模型與估計(jì)方法

（1） 模型設(shè)定

根據(jù)人口—產(chǎn)業(yè)協(xié)同集聚會(huì)對(duì)綠色集聚效率產(chǎn)生倒“U”型作用機(jī)制，文章構(gòu)建如下動(dòng)態(tài)模型：

其中，cgeeit為i(i=1，2，…，233)城市t(t=2004，2005，…，2021)年綠色經(jīng)濟(jì)效率，lcgeeit為綠色經(jīng)濟(jì)效率滯后項(xiàng)。ppvs、ppvs2分別為人口—產(chǎn)業(yè)協(xié)同集聚及其平方項(xiàng)。Z為控制變量，包括產(chǎn)業(yè)結(jié)構(gòu)is、地方政府干預(yù)gov、人口密度emdensity、對(duì)數(shù)化人均生產(chǎn)總值lnpgdp、對(duì)數(shù)化科技經(jīng)費(fèi)支出lnte、對(duì)數(shù)化外商直接投資lnfdi和環(huán)境規(guī)制er。γi、δt分別為個(gè)體和時(shí)間固定效應(yīng)，εit為誤差項(xiàng)。

（2） 估計(jì)方法

為克服控制變量選取主觀性可能引致的模型不確定性，文章采用貝葉斯模型平均法(BMA)[12]估計(jì)上述模型。該方法主要優(yōu)勢(shì)在于在統(tǒng)一框架下，統(tǒng)一考慮該變量納入的子模型與未納入的子模型的情況，根據(jù)數(shù)據(jù)特征將不同子模型賦予不同權(quán)重從而確定該變量的重要性與否。BMA 法將所有變量組合而成的子模型集合都納入考量，減少了信息損失風(fēng)險(xiǎn)。

模型(3)的簡(jiǎn)約式如下：

M1，M2，…，Mk分別為由不同變量組合所構(gòu)成的不同子模型（共1024 個(gè)）。首先，假定真實(shí)模型和控制變量系數(shù)概率均未知，設(shè)定先驗(yàn)?zāi)Ｐ秃蛥?shù)概率分布；然后，基于數(shù)據(jù)D驅(qū)動(dòng)，計(jì)算各子模型及其控制變量后驗(yàn)包含概率(PIP)。

其中，p(Mk)為模型先驗(yàn)密度或分布概率，下θk先驗(yàn)密度，是似然因子，θk為Mk參數(shù)向量。p(D為模型Mk綜合似然值，采用高維積分計(jì)算得到。最后，再將控制變量按照各子模型估計(jì)系數(shù)和子模型PIP 進(jìn)行加權(quán)，從而得到模型空間中各控制變量PIP、后驗(yàn)系數(shù)μ 和后驗(yàn)標(biāo)準(zhǔn)差σ 如下所示：

BMA 法是以各變量PIP作為在不確定條件下各控制變量重要性的概率證明的衡量標(biāo)準(zhǔn)。根據(jù)Kass 等(1995)[13]和于津平、葛純寶(2023)[14]的研究，若變量PIP<50%則不重要，50%

（3） 變量選取與數(shù)據(jù)說明

第一，綠色經(jīng)濟(jì)效率cgee。測(cè)算過程與方法如前所述。

第二，人口—產(chǎn)業(yè)協(xié)同集聚ppvs及其平方項(xiàng)ppvs2。參考Ellison&Glaeser(1997)[4]的研究，構(gòu)建人口—產(chǎn)業(yè)協(xié)同集聚指數(shù)，計(jì)算公式如下：

其中，magi和psgi分別為i城市人口區(qū)位熵指數(shù)和產(chǎn)業(yè)區(qū)位熵指數(shù)，Pmi、Pm分別為i城市m產(chǎn)業(yè)從業(yè)人員和全部從業(yè)人員，Pi、P分別為i城市群全部產(chǎn)業(yè)從業(yè)人員和所有城市全部從業(yè)人員。ppvsi為人口—產(chǎn)業(yè)協(xié)同集聚指數(shù)，指數(shù)越大說明人口與產(chǎn)業(yè)協(xié)同集聚程度越高，人口集聚和產(chǎn)業(yè)集聚的協(xié)同程度越高，反之則越低。在指標(biāo)處理上，為消除量綱影響，式(9)和式(10)分別采用x′=(x-xmin)/(xmax-xmin)（xmax、xmin分別為2004 年的最大值和最小值），進(jìn)行正向化和標(biāo)準(zhǔn)化處理。

第三，控制變量Z。參考Li 等(2022)、Guo 等(2022)[1，2]的研究，is用第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的產(chǎn)值占GDP 比例表示，gov由地方政府財(cái)政一般預(yù)算支出占GDP 比例衡量，emdensity用城市常住人口和總面積比例衡量，lnpgdp以名義GDP 為基礎(chǔ)，用2000 年基期GDP 指數(shù)進(jìn)行平減。lnte用研發(fā)支出存量占GDP 比例表示。lnfdi用對(duì)數(shù)化的外商直接投資實(shí)際交易額表示，并按當(dāng)年美元/人民幣的中間價(jià)折算。er以“三廢”產(chǎn)品綜合利用產(chǎn)值占GDP 比重衡量。各變量數(shù)據(jù)來自歷年《中國城市統(tǒng)計(jì)年鑒》《中國區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》、各城市的統(tǒng)計(jì)年鑒和城市統(tǒng)計(jì)公報(bào)。

五、實(shí)證結(jié)果分析

1. 基準(zhǔn)結(jié)果分析

BMA 法估計(jì)的PMP 較高的前250 個(gè)子模型的變量規(guī)模概率和變量后驗(yàn)系數(shù)分布情況如圖3 所示。由圖3 可知，變量數(shù)均值約為5~6 個(gè)，但根據(jù)觀測(cè)數(shù)據(jù)進(jìn)行擬合后，子模型后驗(yàn)概率呈偏峰狀，變量數(shù)均值約4 個(gè)，兩種概率分布呈現(xiàn)明顯差異，說明式(3)中的核心變量和控制變量對(duì)因變量的重要性并非等同，大約只有4 個(gè)變量發(fā)揮了重要作用，其余變量的作用相對(duì)較小。從圖3 變量系數(shù)符號(hào)分布可知，cgee滯后期、ppvs2、is和gov后驗(yàn)系數(shù)均為負(fù)，其余變量為正或0，其中大約只有4 個(gè)變量在0~0.99、0.27~0.99 和0.37~0.99 累積分布概率上系數(shù)均不為0，進(jìn)一步證明了上述結(jié)論。

圖3 不同子模型對(duì)應(yīng)變量規(guī)模累積分布和變量后驗(yàn)系數(shù)分布

由表1 列(1)、列(2)可知，lcgee后驗(yàn)包含概率為100%，后驗(yàn)系數(shù)顯著為負(fù)，說明中國綠色經(jīng)濟(jì)效率變化過程存在負(fù)反饋效應(yīng)。依靠政府投資和要素投入推動(dòng)經(jīng)濟(jì)增長(zhǎng)的模式產(chǎn)生了大量環(huán)境污染問題，難以在短期內(nèi)實(shí)現(xiàn)經(jīng)濟(jì)效率的顯著提升，因而存在負(fù)反饋效應(yīng)。ppvs及其平方項(xiàng)ppvs2對(duì)應(yīng)PIP分別為59.1%和81.2%，后驗(yàn)系數(shù)分別為-0.031、0.032，表明中國綠色經(jīng)濟(jì)效率和人口—產(chǎn)業(yè)協(xié)同集聚之間存在明顯的倒“U”型關(guān)系。隨著中國地區(qū)人口—產(chǎn)業(yè)協(xié)同集聚水平的提升，綠色經(jīng)濟(jì)效率表現(xiàn)出先提升后下降的現(xiàn)象。人口—產(chǎn)業(yè)協(xié)同集聚通過增強(qiáng)異質(zhì)性產(chǎn)業(yè)間的垂直關(guān)聯(lián)和縱向關(guān)聯(lián)，產(chǎn)生共生經(jīng)濟(jì)效應(yīng)以及推動(dòng)資源集中消耗和污染物集中治理，提升資源配置效率，從而促進(jìn)綠色經(jīng)濟(jì)效率提升。當(dāng)超出最優(yōu)臨界值，人口—產(chǎn)業(yè)協(xié)同集聚會(huì)產(chǎn)生擁塞效應(yīng)，抑制資源配置效率提升[16]。此外，表1 列(3)~列(6)分別報(bào)告了靜態(tài)模型的BMA 和單一模型下FE 和OLS 估計(jì)結(jié)果?？梢?，不納入因變量滯后項(xiàng)時(shí)，ppvs2后驗(yàn)系數(shù)依舊顯著為正。FE 和OLS 對(duì)應(yīng)核心變量系數(shù)均為負(fù)與基準(zhǔn)結(jié)果一致。因此，BMA 法考慮更為全面，估計(jì)結(jié)果更為可靠。

表1 全樣本估計(jì)結(jié)果

2. 異質(zhì)性分析

（1） 區(qū)域異質(zhì)性

表2 列(1)~列(6)分別對(duì)應(yīng)東部、中部和西部地區(qū)回歸結(jié)果，可知東部、中部和西部地區(qū)人口—產(chǎn)業(yè)協(xié)同集聚與cgee之間存在倒“U”型關(guān)系，而且在拐點(diǎn)兩側(cè)，中部和西部地區(qū)效果更為明顯。因此，在人口和產(chǎn)業(yè)集聚程度不高的中部、西部地區(qū)，仍可利用政策優(yōu)勢(shì)，吸引更多的高技能人口流入，提高人口—產(chǎn)業(yè)協(xié)同集聚程度，促進(jìn)綠色經(jīng)濟(jì)效率提升。拐點(diǎn)右側(cè)分析邏輯類似。

表2 異質(zhì)性分析回歸結(jié)果

（2） 時(shí)段異質(zhì)性

2008 年金融危機(jī)爆發(fā)后，中國政府出臺(tái)一系列刺激政策，通過基礎(chǔ)設(shè)施建設(shè)提升經(jīng)濟(jì)，實(shí)際上這些政策通過影響私人部門投資進(jìn)而影響了整體綠色經(jīng)濟(jì)效率。文章以2008 年金融危機(jī)為節(jié)點(diǎn)設(shè)置虛擬變量dumyear（2008 年及以后取1，之前取0），表2 列(7)、列(8)結(jié)果表明，金融危機(jī)的沖擊惡化了中國綠色經(jīng)濟(jì)效率水平。

（3） 資源依賴異質(zhì)性

相比于非資源型城市，資源型城市主要依靠煤、礦等自然資源推動(dòng)經(jīng)濟(jì)增長(zhǎng)，煤、礦等自然資源的開采、初步加工以及相關(guān)生產(chǎn)活動(dòng)會(huì)對(duì)自然環(huán)境產(chǎn)生污染和破壞。文章依據(jù)國務(wù)院頒布的《全國資源型城市發(fā)展規(guī)劃（2013—2020 年）》，將樣本中的91 個(gè)城市以及這些城市在2013 年及其后的時(shí)段作為資源型城市虛擬變量(resource)進(jìn)行估計(jì)。從表2 列(9)、列(10)結(jié)果可知，資源型城市相比于非資源型城市在推動(dòng)城市結(jié)構(gòu)優(yōu)化和高質(zhì)量發(fā)展中面臨更多的資源稟賦約束，并且在綠色經(jīng)濟(jì)效率提升過程中存在資源稟賦路徑依賴，所以資源型城市在促進(jìn)綠色經(jīng)濟(jì)轉(zhuǎn)型過程中面臨更大的難度和挑戰(zhàn)。

（4） 城市等級(jí)異質(zhì)性

人口—產(chǎn)業(yè)協(xié)同集聚對(duì)綠色經(jīng)濟(jì)效率的影響可能存在城市等級(jí)差異，文章選擇樣本中的省會(huì)和四個(gè)直轄市作為虛擬變量pc進(jìn)行回歸。由表2 列(11)、列(12)可知，pc系數(shù)不顯著，說明人口—產(chǎn)業(yè)協(xié)同集聚的影響不存在城市異質(zhì)性。

3. 不同協(xié)同集聚的差異化作用

產(chǎn)業(yè)集聚分為多樣化集聚和專業(yè)化集聚[17]，所以，人口—產(chǎn)業(yè)協(xié)同集聚可以區(qū)分為人口—產(chǎn)業(yè)協(xié)同專業(yè)化集聚和多樣化集聚兩種類型，前者可通過知識(shí)溢出和信息交流，形成良好的集體學(xué)習(xí)和創(chuàng)新環(huán)境，影響綠色經(jīng)濟(jì)效率；后者能增強(qiáng)不同技術(shù)人員在正式和非正式合作和交流的機(jī)會(huì)，刺激產(chǎn)生創(chuàng)新思維，提高勞動(dòng)生產(chǎn)率。表3 列(1)~列(4)分別報(bào)告了人口—產(chǎn)業(yè)協(xié)同多樣化集聚pvs和專業(yè)化pss集聚的估計(jì)結(jié)果。分析可知，人口—產(chǎn)業(yè)協(xié)同專業(yè)化集聚對(duì)綠色經(jīng)濟(jì)效率的非線性影響強(qiáng)于多樣化集聚。

表3 不同類型協(xié)同集聚和內(nèi)生性檢驗(yàn)結(jié)果

4. 內(nèi)生性討論及穩(wěn)健性檢驗(yàn)

文章使用1984 年中國城市郵局?jǐn)?shù)和固定電話數(shù)以及城市起伏度作為人口—產(chǎn)業(yè)協(xié)同集聚的工具變量，分別進(jìn)行兩種2SLS 估計(jì)，結(jié)果分別如表3 列(5)、列(6)所示，核心變量系數(shù)顯著。為克服bd 法的缺陷，文章將每次變量選取與否都賦予50%概率，然后再進(jìn)行重新抽樣(rev-jump)，確定各子模型變量組成[14]，結(jié)果如列(7)所示?？梢姡诵淖兞繉?duì)應(yīng)PIP及后驗(yàn)系數(shù)與基準(zhǔn)估計(jì)較為接近。采用RIC 先驗(yàn)分布，結(jié)果如列(8)所示?？梢?，無論是哪種先驗(yàn)參數(shù)設(shè)定，核心變量PIP及后驗(yàn)系數(shù)均與基準(zhǔn)結(jié)果一致?？傊恼陆Y(jié)論穩(wěn)健。

六、研究結(jié)論和建議

文章選取2004—2021 年我國233 個(gè)地級(jí)以上城市數(shù)據(jù)，測(cè)算并評(píng)價(jià)了我國綠色經(jīng)濟(jì)效率水平時(shí)空分布演化特征，在此基礎(chǔ)上采用貝葉斯模型平均法(BMA)考察了人口—產(chǎn)業(yè)協(xié)同集聚對(duì)綠色經(jīng)濟(jì)效率的影響。結(jié)果表明：我國綠色經(jīng)濟(jì)效率水平呈現(xiàn)“先降后升、波動(dòng)變化”趨勢(shì)。以2008 年國際金融危機(jī)為界，我國綠色經(jīng)濟(jì)效率水平出現(xiàn)先降后升再降再升等波動(dòng)變化趨勢(shì)，資源能源的利用效率水平相對(duì)不高且缺乏穩(wěn)定性。從地理上看，我國綠色經(jīng)濟(jì)效率呈現(xiàn)從“點(diǎn)狀星”“低位連片”向“分散化”和“大面積集聚”格局轉(zhuǎn)變，其中東部地區(qū)城市集聚程度明顯高于中部、西部地區(qū)。東部地區(qū)對(duì)勞動(dòng)力、資本和資源能源的利用效率相對(duì)較高，綠色經(jīng)濟(jì)發(fā)展水平較高，而中部、西部地區(qū)在這些要素的利用效率方面亟待改進(jìn)，從而扭轉(zhuǎn)當(dāng)前效率下滑的基本局面?；趥鹘y(tǒng)計(jì)量方法估計(jì)單一模型所帶來的數(shù)據(jù)信息損失，造成估計(jì)結(jié)果偏誤等問題，文章采用BMA 法在所有變量排列組合而成的模型空間中進(jìn)行估計(jì)，該方法能克單一模型的不確定性和樣本損失產(chǎn)生的估計(jì)偏差，因而存在參數(shù)估計(jì)上的優(yōu)勢(shì)。研究發(fā)現(xiàn)，人口—產(chǎn)業(yè)協(xié)同集聚與綠色經(jīng)濟(jì)效率之間呈現(xiàn)倒“U”型關(guān)系，此種效應(yīng)在不同區(qū)域、不同時(shí)段和不同地理距離存在明顯差異，其中專業(yè)化協(xié)同集聚對(duì)綠色經(jīng)濟(jì)效率的非線性影響強(qiáng)于多樣化協(xié)同集聚。

根據(jù)上述研究結(jié)論有如下三點(diǎn)建議：第一，充分發(fā)揮市場(chǎng)機(jī)制作用，消除多種要素流動(dòng)障礙，通過加強(qiáng)生態(tài)補(bǔ)償機(jī)制多樣化，提高人口與產(chǎn)業(yè)協(xié)同集聚與綠色經(jīng)濟(jì)效率之間的契合度。第二，西部地區(qū)應(yīng)加快探索基于人口和產(chǎn)業(yè)協(xié)同集聚最優(yōu)水平，深挖政策紅利，提升經(jīng)濟(jì)發(fā)展質(zhì)量。第三，政府要合理引導(dǎo)產(chǎn)業(yè)和人口的合理集聚，提升集聚協(xié)同性。根據(jù)不同行業(yè)特點(diǎn)和差異化需求，重點(diǎn)加快生物醫(yī)藥制造、航空航天、新能源和新材料等高新技術(shù)產(chǎn)業(yè)的國際競(jìng)爭(zhēng)力，推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展和綠色轉(zhuǎn)型。