基于非期望產出SBM模型的環渤海地區生態效率與影響因素研究

(遼寧師范大學 海洋經濟與可持續發展研究中心,遼寧 大連 116029)

1 引言

近年來,生態問題不僅是各國社會發展關注的焦點,生態水平的高低也被作為衡量各國經濟社會能否持續發展的重要因素之一。早在1962年的聯合國環境與發展大會上就對工業革命以來“高生產、高污染”的傳統發展模式及“先污染、后治理”的發展道路進行了否定,指出生態化轉型是未來工業發展的必經之路。隨著區域發展進程的逐步推進,城市化和工業化導致資源供需、環境污染和生態失衡等問題也在不斷加劇,經濟發展與環境壓力之間的矛盾日漸凸顯。我國強調生態建設是中華民族永續發展的千年大計,繼續實行最嚴格的生態環境保護制度是當前生態環境治理的重中之重。

生態效率的有效評價有利于揭示區域生態狀況和投入產出水平,為生態環境治理提供理論依據。“生態效率”一詞最初是由Schaltergger、Sturm于1990年提出,主要是指增加的價值與增加的環境影響之間的比值。隨后,各國學者紛紛對生態效率的內涵展開研究。國外在生態效率研究方面主要側重于企業及行業方面,并嘗試對城市及區域層面的生態效率展開研究。自1995年,克羅德·福斯勒將生態效率的概念引入我國,國內學者也逐漸開始關注生態效率問題。付麗娜、陳曉紅、冷智花等[1]以長株潭“3+5”城市群為研究對象,運用超效率DEA模型計算出各城市2005—2010年的生態效率值,分析了城市群整體及各城市生態效率發展水平;潘丹、應瑞瑤[2]運用非期望產出的SBM模型對我國30個省份的農業生態效率進行了測算,發現資源過度消耗和環境污染物的過量排放是造成農業生態效率損失的主要原因;胡彪、張旭東、程達[3]運用非期望產出SBM模型、相對發展度與耦合度模型對京津冀地區城市化與生態環境兩者的效率關系進行了耦合研究,發現京津兩地效率值與耦合水平較高,河北水平偏低;陸硯池、方世明[4]從城市建設用地視角出發對武漢城市圈生態效率時空演變及其影響因素進行了研究,得出城市圈生態效率呈螺旋式上升狀態,效率水平受生態壓力、工業發展水平和生態技術水平的負向影響;成金華、孫瓊、郭明晶[5]在運用超效率DEA模型對我國30個省份2000—2011的生態效率進行測算的基礎上,運用空間自相關分析方法對生態效率的演化格局進行了研究分析,提出轉變地區經濟發展方式、把握發展特征、加強區域交流合作是促進區域協調發展的新渠道;鄭慧、賈珊、趙昕[6]在新型城鎮化背景下,運用超效率DEA模型對我國30個省區域生態效率展開研究,為我國省際區域生態效率提高提出了對策建議。

從已有研究成果來看,區域生態效率的研究主要從省際角度展開,地級市層面的區域生態效率研究相對較少,特別是環渤海地區沿海城市。多數研究考察的產出指標中未能將非期望產出考慮在內,缺乏對生態效率的動態演化分析。本文基于考慮非期望產出的SBM模型,結合Malmquist生產率指數對環渤海沿海17市的面板數據展開研究,從靜態、動態和空間角度分析其生態效率時空演化特征及影響生態效率的外部因素,為環渤海地區的經濟發展、生態環境治理與可持續發展提供理論依據。

2 研究方法及指標選取

2.1 研究區概況

環渤海地區是指環繞著渤海全部和黃海部分沿岸地區組成的經濟區域,范圍涵蓋了沿海17個城市,分別為天津、秦皇島、唐山、滄州、濱州、東營、濰坊、煙臺、威海、青島、日照、大連、丹東、營口、盤錦、錦州和葫蘆島,海岸線總長度6924.2km,占全國海岸線長度的38.47%[7]。環渤海地區以其優越的地理位置、豐富的資源稟賦和深厚的產業基礎發展成為我國富有優勢和潛力的經濟增長極之一,在對外開放和現代化建設中的地位和優勢愈發明顯。21世紀“一帶一路”建設、《山東半島藍色經濟區發展規劃》的通過和《環渤海地區合作發展綱要》的實施,促進了經濟全球化和區域一體化的深入推進,國際與國內產業分工的深刻調整,為環渤海地區創新發展、轉型發展提供了良好契機。2016年,環渤海經濟區的天津、河北、山東、遼寧三省一市的GDP總和近13.9萬億元,約占國內生產總值的18.7%,且近十年來始終保持高速增長。經濟的快速發展導致一系列生態環境問題伴隨而來,因此有效測算環渤海地區的生態效率,對加強該地區生態文明水平、發展循環經濟和提高資源利用效率提供重要理論依據。

2.2 非期望產出SBM

數據包絡分析(DEA)是一種基于多投入、多產出角度測算決策單元相對效率的方法[8]。以往研究通常使用DEA方法中的傳統CCR、BBC等模型,此類模型多從徑向和角度出發對決策單元效率進行測算,未考慮投入變量的松弛問題和非期望產出問題,導致結果偏離實際。而由托恩提出的考慮非期望產出SBM模型[9,10]能將松弛變量考慮到目標函數中,沖破了非期望產出及傳統的徑向和角度DEA模型造成的阻礙,提供了更加準確的效率測度,該模型為:

(1)

(2)

式中,ρ*表示決策單元的效率值,取值介于0和1之間;m、s1、s2分別表示投入、期望產出和非期望產出個數;s表示投入產出的松弛量;λ為權重向量。目標函數ρ*是關于s-、sg、sb的嚴格單調遞減;當ρ*=1,決策單元效率最優,達到有效前沿;若ρ*<1,決策單元的效率缺失,需通過調整投入—產出量進行改進。

2.3 Malmquist指數

Malmquist生產效率指數最早是由馬奎斯特于1953年分析消費變化時提出來的[1],此后費爾[11]等將其應用于評價跨時期的動態生產效率上。本文借鑒謝珀德提出的方向性距離函數概念,得到考慮了非期望產出的Malmquist模型:

(3)

式中,ML表示決策單元從t期到t+1期全要素生產率的變化,可看成是由綜合技術效率變化和技術進步變化構成,即:

ML=Effch×TEch

(4)

(5)

(6)

2.4 指標選取及數據來源

投入和產出指標選取:生態效率強調經濟效率和環境效益的統一,反映研究地區在資源、環境和經濟方面的協調程度,本文在指標體系構建上充分考慮以上三種因素,參照以往研究,選取單位GDP能耗、用水總量、用電總量作為資源投入,社會固定資產投資和社會從業人員作為資本投入,地區生產總值作為期望產出,非期望產出指標則選擇廢水和廢氣的排放量,構建指標體系見表1。

表1 生態效率評價指標體系

注：數據來源于本文以環渤海沿海17市為研究對象,測算其2006—2015年的生態效率值,考慮到相關數據的一致性和可獲得性,研究數據來自于2007—2016年的《中國城市年鑒》、《中國區域統計年鑒》和山東省、遼寧省、河北省和天津市的統計年鑒。

3 實證結果分析

3.1 區域生態效率分析

本文基于規模報酬可變假設,運用Maxdea ultra7.0軟件逐年計算環渤海沿海17市2006—2015年的投入—產出數據,得到各地區的生態效率值,見表2。從表2可見,2006—2015年天津、滄州、青島、東營、煙臺、威海、大連七個城市的生態效率值均為1,處于技術效率前沿面,說明這些地區在生態建設方面效果顯著,其他城市處于效率非有效水平,在提高經濟效益的同時應注重資源與環境的協調發展。其中,日照、盤錦兩市的早期效率達到最優,隨后分別在2007年和2008年開始下降;唐山除2009年、2010年和2015年外,其他年份的效率值均為1,這與近年來唐山市不斷加大治污減排和環境綜合整治力度是密不可分的;錦州的生態效率呈階段性變化,2006—2009年效率為最優,從2010年開始回落,隨后逐年增加, 2015年再次回到效率最優水平;其他6個地區的生態效率水平偏低,環境治理和社會發展協調度有待提升。

表2 2006—2015年環渤海沿海17市生態效率值

根據2006—2015年環渤海地區生態效率值計算得出效率平均值變動趨勢,見圖1。由圖1可知,2006—2015年環渤海生態效率出現波動且增速緩慢,2007年效率達到最高水平后開始下降,于2012年降到最低,隨后呈緩慢增長趨勢。2007年之前,環渤海地區主要走高消費、高能耗的經濟發展模式,生態環境治理沒有得到充分重視;2012年前后,環渤海地區大氣環境污染、水污染嚴重,且遼寧6個城市與其他兩省一市比較，2012年效率均值最低,拉低了整體水平。“十八大”以來,隨著國家對生態建設的不斷重視,環渤海地區產業分工的優化調整和《環渤海地區合作發展綱要》的實施,促使該地區生態水平逐步提高。

3.2 區域生態效率動態演化分析

利用Malmquist指數模型對各地區生態效率變化情況進行分析,得到2006—2015年環渤海地區各城市年均全要素生產率指數及其分解,由表3可見,唐山、秦皇島、日照的城市綜合生態效率呈現下降趨勢,濱州、丹東、營口和葫蘆島的城市綜合生態效率表現為增長。其中,葫蘆島城市的增長速度最快,年均增長率達到13.6%,其他城市綜合效率為1,說明在這10年間各地區綜合技術效率變化不明顯。各地區在技術進步方面年均增長率僅為2.5%,其中唐山、秦皇島、錦州和葫蘆島4個城市低于正常水平;環渤海地區全要素生產率緩慢提升,年均增長率達到2.1%。從表4可見,規模效率表現為增長,年均增長率為0.9%,表明各地投入規模趨于合理化,避免了投入過剩造成的浪費;而純技術效率水平偏低是影響部分地區全要素生產率降低的主要原因,阻礙了地區生態效率的提升。

圖1 2006—2015年環渤海地區生態效率變化趨勢

表3 2006—2015年環渤海沿海17市年均Malmquist指數及其分解

從各市10年間的發展動態來看,技術效率變化態勢呈波動型,幾次變化后于2015年開始增長,說明環渤海地區近十年生態建設處于探索階段并逐漸趨于穩定;純技術效率落后是限制環渤海地區生態環境發展的主要因素;技術進步和規模效率雖年際間稍有下降,但整體呈上升狀態,說明該地區在先進技術和投入規模方面表現較好;全要素生產率指數僅在2008—2009年和2013—2014年稍有減少,其余各年的指數值均大于1。由此可見,在技術進步和規模效率的共同作用下,環渤海地區生態效率表現良好并穩步增長。

表4 環渤海沿海地區各年份平均Malmquist指數及其分解

為了對2006—2015年環渤海各地區生態效率的差異程度進一步分析,本文采用變異系數[12]進行計算,公式為:

(6)

圖2 2006—2015年環渤海地區生態效率差異系數

3.3 基于Tobit模型的生態效率影響因素分析

Tobit回歸模型:以上研究運用非期望產出SBM模型得到了2006—2015年環渤海地區生態效率值,從結果來看,各地區的效率水平存在明顯差異,因此應對影響生態效率的外部變量進行深入考察研究。本文計算得出的效率值介于0和1之間,數據被截斷,若僅采用普通最小二乘法對模型直接進行回歸運算，會導致結果誤差較大,因此本文采用最大似然法來估計，考慮了截斷回歸方法的Tobit模型[1，14],公式為:

(7)

式中,yit為被解釋變量,表示第i個地區第t年的生態效率值,且在取值上受限:yit≥0時取實際觀測值;yit<0時,數據被截斷,取0為觀測值;xit為解釋變量;β表示未知參數;αit是第i個地區第t年的固定效應。

變量選取:為了更好地探究各地區生態效率的影響因素,結合已有研究,考慮到各地區指標的可獲取性,本文從社會因素、經濟因素、產業結構和能源強度方面考慮選取變量進行分析。其中,社會因素采用人口密度(X1)表示,經濟因素選用人均GDP(X2)和實際使用外資額占GDP比重(X3)衡量,產業結構用第三產業占GDP比重(X4)表示,能源強度則選取各地區能源消費總量(X5)表示。同時,考慮到各省市在空間區位、經濟發展水平和自然資源稟賦等方面存在一定差距,因此各外部變量對其產生的作用可能不同,本文分別對津冀地區、山東省和遼寧省進行了Tobit回歸,從而更加準確地剖析各區域生態效率受外部變量的影響情況。全部數據來自各省市2007—2016年的統計年鑒和《中國城市年鑒》,在不改變數據性質和關系的基礎上,為了消除數據存在的異方差問題,本文對各環境變量數據進行取對數處理。

Tobit回歸結果分析:本文運用Stata軟件對各區域生態效率進行了回歸分析,結果見表5。社會因素、經濟因素、產業結構和能源強度對各區域的生態效率產生的影響與顯著性有一定差別。具體來看,人口密度能反映出該地區的生態負荷能力,對遼寧省的生態效率產生了負向影響。這是由于遼寧省作為東北老工業基地和農業大省，經濟發展相對滯后，發展水平亟待提高,加之人口基數較大，外來人口不斷涌入,對遼寧省的生態環境造成了較大的壓力。人口密度對津冀地區和山東地區則產生了正向影響,且山東省通過了5%水平的顯著性檢驗,說明這兩個區域在容納更多人口的同時注重了對生態環境的保護。

表5 Tobit模型回歸結果

注:***、**、*分別表示在1%、5%、10%水平下顯著；括號內為p值。

經濟因素對津冀地區生態效率產生了消極作用,且均未通過顯著性水平檢驗。天津是環渤海地區經濟發展和對外開放重要的增長極,但受河北省發展相對落后的影響,對生態環境的貢獻度不高。另一方面反映了津冀兩地協調發展能力較差,不利于生態水平的提高。類似地還表現在產業結構方面,津冀地區第三產業占GDP比重對生態效率產生了負向影響;人均GDP對山東省產生了顯著的積極作用,在1%的水平下通過檢驗;產業結構對山東省生態效率起到了顯著性水平為1%的抑制作用,這是由于2009年以前,山東省第三產業仍以傳統服務業為主且各行業占比不均,第三產業勞動力優勢不明顯[15],制約其產業發展,優化產業結構、促進區域協調發展是今后山東省經濟建設的必經之路;遼寧省近年來加強經濟建設和對外開放強度,沿海港口城市積極參與“一帶一路”和自貿區建設,實際使用外資情況對生態環境的改善起到了顯著的促進作用;產業結構對遼寧省生態效率起到了正向作用,說明近年來遼寧省第三產業比重的穩步增長帶來了良好的生態效益。

能源強度對津冀和山東地區的生態效率起到了明顯的抑制作用,且山東省在5%水平下顯著。1990—2014年,山東省能源消費總量持續上漲[16],其中占比最大的是煤炭消費量,表明經濟發展依靠能源的大量消耗必然導致生態環境的惡化;河北省也面臨著同樣的問題,自1985年起能源消費總量不斷攀升,截至2015年增長了近6倍,其中煤炭消費量占能源消耗總量的90%,給生態系統帶來了巨大壓力。能源消費量對遼寧省產生了顯著的正向作用,雖然近十年遼寧省的能源消費總量不斷增長,但總體增量相對較少、消耗強度明顯低于環渤海其他省份。隨著遼寧省的經濟發展和科技進步,能源利用效率也在不斷提升,加上生態文明建設水平逐漸提高,使其與能源強度產生了良性互動。

4 結論與討論

在運用考慮了非期望產出的SBM模型測算環渤海地區生態效率水平的基礎上,本文對各地區、各年份效率值的動態演變特征進行了深入剖析,并結合Tobit回歸模型研究了影響各地區生態效率的外部變量,得到以下結論:①2006—2015年,天津、滄州、青島、東營、煙臺、威海、大連7個城市生態效率水平最優,其他城市均出現波動,地區間效率水平差異明顯。整體來看,效率值有先下降后上升趨勢,并在近幾年趨于穩定,變動幅度較小,說明生態文明建設已初顯成果,但總體效率值不高,尤其是少數效率均值低于0.5的地區亟需加強生態環境治理力度,合理調整生態投入,減少能源消耗特別是煤炭的使用,降低不利產出。此外,效率處于有效前沿的天津、滄州、青島、大連等城市應充分發揮自身優勢,不斷提高對周邊地區的輻射帶動能力,構建“中心—周邊”經濟、生態、環境發展格局,促進環渤海各地區間深度合作交流、協調發展,提升整體實力。②從生態效率的發展動態來看,10年間各地技術效率變化態勢呈波動型,可見生態文明建設仍處于探索階段,成效并不顯著;技術進步和投入規模方面表現較好,避免了投入過剩造成的浪費現象,而純技術效率相對落后，是阻礙部分地區全要素生產率提高的主要原因。生態效率的改善需要依靠先進的科學技術,效率偏低地區應多重視高科技人才的培養與吸納以及高新技術產業的發展,促進企事業單位和政府部門多與高校、科研機構交流學習,注重研發能力的提升。③由Tobit回歸模型分析各外部因素對環渤海地區生態效率的影響可知,社會因素對遼寧省產生了負向影響,而對津冀地區和山東省表現出明顯的正向影響;經濟因素對津冀地區有著不顯著的抑制作用,對其他兩地效果相反;產業結構和能源強度對津冀地區無顯著影響,山東省表現出顯著的負向作用,而對遼寧省產生顯著的積極作用,說明各外部變量對不同地區的影響程度具有一定差異。因此,為了避免人口給生態環境造成巨大壓力,遼寧省應控制人口增速，合理調整城鄉人口比例，推進城鎮化建設;津冀地區、山東省應積極改善產業及能源消費結構,推進第三產業轉型升級,由以工業為導向轉為以服務業為導向,與此同時,要樹立科學合理的能源消費觀,走低污染、低消耗的綠色發展之路,通過產業結構的調整促進能源利用效率的提高,加大新能源研發力度,積極響應國家節能減排政策;各地政府需加強對外開放程度,鼓勵提高外資使用,將其更多地投入到生態治理產業中,在推動經濟發展的同時加強生態環境建設。

:

[1]付麗娜,陳曉紅,冷智花.基于超效率DEA模型的城市群生態效率研究——以長株潭“3+5”城市群為例[J].中國人口·資源與環境,2013,23(4)∶169-175.

[2]潘丹,應瑞瑤.中國農業生態效率評價方法與實證——基于非期望產出的SBM模型分析[J].生態學報,2013,33(12)∶3837-3845.

[3]胡彪,張旭東,程達.京津冀地區城市化效率與生態效率時空耦合關系研究[J].干旱地區資源與環境,2017,31(8)∶56-62.

[4]陸硯池,方世明.基于SBM-DEA和Malmquist模型的武漢城市圈城市建設用地生態效率時空演變及其影響因素分析[J].長江流域資源與環境,2017,26(10)∶1575-1585.

[5]成金華,孫瓊,郭明晶.中國生態效率的區域差異及動態演化研究[J].中國人口·資源與環境,2014,24(1)∶47-54.

[6]鄭慧,賈珊,趙昕.新型城鎮化背景下中國區域生態效率分析[J].資源科學,2017,39(7)∶1314-1325.

[7]覃雄合，孫才志，王澤宇.代謝循環視角下的環渤海地區海洋經濟可持續發展測度[J].資源科學,2014,36(12)∶2647-2656.

[8]Charnes A,Cooper W W,Rhodes Eetal.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research,1978,2(6)∶429-444.

[9]Tone K.Dealing with Undesirable Outputs in DEA：A Slacks-based Measure(SBM) Approach[R].Grips Research Report Series,2003.

[10]Tone K.A Slacks-based Measure of Efficiency in DEA Analysis[J].European Journal of Operational Research,2001，(3)∶498-509.

[11]Fare R,Grosskopf S,Lindedgren B,etal.Productivity Changes in Swedish Pharmacies 1980-1989：A Nonparametric Malmquist Approach[J].Journal of Productivity Analysis,1992,3(1)∶85-101.

[12]王文森.變異系數----一個衡量離散程度簡單而有用的統計指標[J].中國統計,2007，(6)∶41-42.

[13]彭紅松,章錦河,韓婭，等.旅游地生態效率測度的SBM-DEA模型及實證分析[J].生態學報,2017，(2)∶96-101,108.

[14]周華林,李雪松.Tobit模型估計方法與應用[J].經濟理論與模型方法,2012，(5)∶105-119.

[15]韓克,劉穎.山東省產業結構分析[J].區域經濟,2012，(7)∶102-104.

[16]崔元麗,李月旺.山東省能源消費情況分析及對策[J].智富時代,2016，(12)∶163-165.

[17]趙林,張宇碩,焦新穎.基于SBM和Malmquist生產率指數的中國海洋經濟效率評價研究[J].資源科學,2016,38(3)∶461-475.

[18]彭妍,岳金桂,李景理.基于DEA—Tobit的城市生態效率評價及影響因素研究——以江蘇省為例[J].環境保護科學,2016,42(4)∶71-78.

[19]胡彪,付業騰.中國生態效率測度與空間差異實證——基于SBM模型與空間自相關性的分析[J].干旱區資源與環境,2016,30(6)∶6-12.