長江經濟帶城市綠色經濟績效的溢出效應及其分解

郝國彩 徐銀良 張曉萌 陳明華

摘要 生態文明視域下提升綠色經濟績效已經成為經濟發展的根本要求和必然選擇。本文基于長江經濟帶108個城市2003—2013年數據，使用非期望產出-超效率SBM模型對綠色經濟績效進行了測度，并進行了分區域比較；依據經濟空間權重構建多種空間計量模型實證檢驗了長江經濟帶綠色經濟績效的空間溢出效應；運用空間回歸模型偏微分方法對綠色經濟績效的影響因素及其溢出效應進行了檢驗與分解。研究結論表明：長江經濟帶綠色經濟績效的空間分布并不均衡，具有顯著的空間依賴和空間集聚特征。經濟發展水平越高的地區綠色經濟績效越高，經濟發展水平越低的地區綠色經濟績效越低，而且具有高者愈高、低者愈低的演變趨勢。長江經濟帶綠色經濟績效存在顯著的空間溢出效應。區域內環境污染與經濟發展水平之間存在“U”型關系，即“環境庫茲涅茨假說”并不存在。資源稟賦對區域內綠色經濟績效提升具有顯著的正向影響效應。產業結構升級的經濟示范效應有助于增強綠色經濟績效的區域間正向溢出。技術進步對區域內綠色經濟績效提升沒有起到應有的促進作用，但對區域間綠色經濟績效提升卻起到了顯著的抑制作用。外商直接投資對區域內、區域間綠色經濟績效提升都具有顯著的負向溢出效應，即區域內、區域間均存在“污染天堂假說”。長江經濟帶“共抓大保護，不搞大開發”，充分發揮地區間、城市間經濟增長的空間溢出效應，努力提升技術進步、產業結構、外商直接投資等因素對綠色經濟績效的正向影響作用，有助于促進長江經濟帶綠色經濟績效的協同提升。

關鍵詞 長江經濟帶；綠色經濟績效；溢出效應；空間回歸模型偏微分方法

中圖分類號 F293

文獻標識碼 A 文章編號 1002-2104（2018）05-0075-09 DOI：10.12062/cpre.20171204

建設長江經濟帶是中國新時期一項重大區域發展戰略。隨著資源環境約束的不斷加大，高投入、高消耗、偏重數量擴張的發展方式已經難以為繼，在加快推進生態文明建設的宏觀背景下，提升綠色經濟績效就成為經濟發展的根本要求和必然選擇[1-2]。目前，一方面長江經濟帶地域狹長，橫跨我國東、中、西部三大地區，區域間生態環境、資源稟賦、技術進步、產業結構等諸多方面均存在較大差異，為長江經濟帶綠色經濟績效的協同提升帶來了嚴峻挑戰；另一方面，隨著長江經濟帶戰略實施的不斷深化，區域間的相互聯系和空間依賴性不斷增強，空間溢出效應已經成為區域協調發展中不可忽視的重要因素[3-4]。在此背景下，科學測度長江經濟帶綠色經濟績效并深入揭示、分解其空間溢出效應，對于破解長江經濟帶經濟發展的資源環境約束難題、探尋長江經濟帶綠色經濟績效的提升路徑、增強長江經濟帶發展統籌度和整體性、協調性、可持續性具有重要理論價值和現實意義。

綠色經濟績效是在考慮資源投入和環境代價的基礎上，評價一個國家或地區經濟績效的指標，已有文獻的相關研究主要集中在綠色經濟績效評價和綠色經濟績效影響因素分析兩個方面。①關于綠色經濟績效的評價研究。準確評價綠色經濟績效是研究的基礎，早期關于綠色經濟績效的評價主要從省際、區域或行業層面展開[5-6]。近年來，也有少數學者基于長江經濟帶城市經濟績效進行了測度[7]。全要素生產率（Total Factor Productivity，TFP）是衡量綠色經濟績效的重要方法，而DEA方法不需要設定基本函數形式，可以考慮多種投入和產出，評價TFP更具優勢。目前，在DEA的綠色經濟績效評價研究中，有些文獻采用傳統的徑向距離或方向性距離函數模型，忽視了變量松弛問題[8]；有些文獻采用固定基準技術，按照當期的投入產出數據構造生產前沿，測度結果無法進行跨期比較[9]；還有些文獻忽視了決策單元的技術邊界差異[10]。②關于綠色經濟績效的影響因素研究。從已有文獻看，綠色經濟績效的影響因素主要包括經濟因素、資源條件因素、結構因素、對外開放因素、環境政策因素等[11]，但由于在指標測度、數據選擇、模型設定等方面的差異而導致影響方向、大小等研究結論存在不一致，甚至互相矛盾；此外，已有文獻表明區域經濟之間存在顯著的空間溢出效應[3-4]，但關于城市綠色經濟績效影響因素的檢驗大多基于傳統面板數據模型或Tobit模型展開，忽視了綠色經濟績效及其影響因素的空間溢出效應，未能將空間溢出效應予以分解，從而導致實證結果有偏，影響了政策建議的有效性。

為了克服已有研究局限，本文將首先在環境生產技術和DEA框架下，基于非期望產出-超效率SBM模型，結合Meta-frontier、Global-DEA方法，構建城市綠色經濟績效測度方法對資源環境約束下長江經濟帶的城市全要素生產率（即綠色經濟績效）進行科學測度。其次，在經濟空間權重矩陣下，分別利用Moran I指數和Moran散點圖對長江經濟帶綠色經濟績效的全局和局域的空間相關性進行檢驗。再次，構建多種空間計量模型就長江經濟帶綠色經濟績效的空間溢出效應進行檢驗，并根據空間回歸模型偏微分方法[12]，對綠色經濟績效的影響因素及其溢出效應進行檢驗與分解。最后，在前文分析基礎上，得出結論與啟示。

中國人口·資源與環境 2018年 第5期

1 方法與數據

1.1 方法

1.1.1 非期望產出-超效率SBM模型

本文運用Li等[13]的DEA方法構建考慮非期望產出的超效率SBM模型（Super-efficiency SBM Model with Undesirable Outputs）。借鑒Fre等[14]的環境技術分析框架，構造包括期望產出和非期望產出的生產可能性集合，并以長江經濟帶每個城市作為決策單元（DMU）來構造最優的生產前沿面。在非參數框架下，構建一個非徑向、非角度的Malmquist生產率指數（MPI）用以表征全要素生產率（TFP）增長的指數，評價經濟效率的跨期變動[15]。具體如式（1）所示。

MPIT，T+1o=ρTo（xT+1o，yg，T+1o，yb，T+1o）ρTo（xTo，yg，To，yb，To）·ρT+1o（xT+1o，yg，T+1o，yb，T+1o）ρT+1o（xTo，yg，To，yb，To）1/2 （1）

MPIT，T+1o測度了DMUo從T時期到T+1時期的TFP的變動。其中，ρTo（xTo， yg，To， yb，To）、ρT+1o（xT+1o， yg，T+1o， yb，T+1o）分別表示DMU0在T、T+1時期的效率值；ρT+1o（xTo， yg，To， yb，To）是基于T+1時期生產技術和T時期投入產出值的效率值；ρTo（xT+1o， yg，T+1o， yb，T+1o）是基于T時期生產技術和T+1時期投入產出值的效率值。MPIT，T+1o=1，表明TFP沒有變化；若MPIT，T+1o<1，表明TFP下降；若MPIT，T+1o>1，表明TFP提高。

1.1.2 Morans I指數和Moran散點圖

本文采用Morans I指數對城市綠色經濟績效的全局空間相關性進行檢驗，如式（2）所示。其中，、S2分別為均值和方差，n為城市單元總數，wij為空間權重矩陣，xi為第i個城市單元的綠色經濟績效。Morans I指數的取值范圍為[-1， 1]。Morans I指數絕對值表征了全局空間相關程度的大小，絕對值越大，空間相關程度則越大；反之，越小。另外，通過繪制Moran散點圖，能夠直觀刻畫長江經濟帶綠色經濟績效的局域空間集聚特征。

Morans I=n∑ni=1∑nj=1wij（xi-）（xj-）∑ni=1∑nj=1wij∑ni=1（xi-）2

=∑ni=1∑nj=1wij（xi-）（xj-）S2∑ni=1∑nj=1wij （2）

1.1.3 空間溢出效應分解方法

如果空間計量模型估計結果中的空間滯后項系數顯著不為零，那么回歸系數不能直接用于解釋自變量的空間溢出效應，為了解決這一問題，LeSage和Pace[12]提出了空間回歸模型偏微分方法（Spatial Regression Model Partial Derivatives）。

y=αtn+ρWy+βX+θWX+ε（3）

（In-ρW）y=αtn+βX+θWX+ε（4）

y=∑kr=1Sr（W）xr+V（W）tnα+V（W）ε（5）

y1

y2

…

yn=∑kr=1

Sr（W）11Sr（W）12…Sr（W）1n

Sr（W）21Sr（W）22

………

Sr（W）1nSr（W）2n…Sr（W）nn

x1r

x2r

…

xnr+V（W）ιnα+V（W）ε（6）

yi=∑kr=1[Sr（W）i1x1r+Sr（W）i2x2r+…+

Sr（W）inxnr]+V（W）ιnα+V（W）iε （7）

yixjr=Sr（W）ij （8）

yixir=Sr（W）ii （9）

其中，Sr（W）=V（W）（Inβr+Wθr），V（W）=（In-ρW）-1=In+ρW+ρ2W2+…，In是n階單位矩陣、ιn為N×1階單位矩陣；xr為第r個解釋變量，r=1，2，…， k，βr為解釋變量xr的回歸系數，θr為WX的第r個變量的回歸系數。Sr（W）ij反映區域j的xr對區域i被解釋變量的影響，Sr（W）ii反映區域i的xr對本區域被解釋變量的影響，后者稱為直接效應，前者稱為間接效應，兩者相加則為總效應。直接效應即為解釋變量對被解釋變量的區域內溢出，而間接效應即為解釋變量對被解釋變量的區域間溢出。

1.2 數據與處理

1.2.1 區域劃分與城市選擇

長江經濟帶包括江蘇、浙江、安徽、江西、湖北、湖南、四川、云南、貴州9個省份和上海、重慶2個直轄市。由于2011年以后，貴州省畢節、同仁兩市才有數據可查且巢湖市數據不再統計，因此本文基于108個城市展開研究（由于篇幅所限，本文不再一一列出）。

1.2.2 數據來源及處理

出于數據平行性和可得性方面的考慮，本文研究基于2003—2013年城市面板數據展開。在DEA測算中，本文使用的投入要素主要包括資本、勞動、能源。資本投入方面，由于資本存量并無官方統計數據，與已有大多數文獻一致，本文采用永續盤存法對資本存量進行估算，具體公式如下：Kt=（1-δ）Kt-1+It，K0=I0（gi+δ）。其中，Kt和Kt-1分別表示t、t-1時期的資本存量，It為以不變價衡量的t時期全社會固定資產實際投資，δ為資本折舊率。K0為基期資本存量，I0為基期全社會固定資產實際投資，gi為一定時期內全社會固定資產實際投資的幾何平均增長率。由于目前城市全社會固定資產投資價格指數沒有相關統計數據，本文以2003年基期采用各城市所在省份的全社會固定資產投資價格指數對城市固定資產投資進行平減處理。gi依據2003—2013年各城市全社會固定資產實際投資額的幾何平均增長率計算可得。關于折舊率的設定，本文借鑒吳延瑞[16]的做法，不同省份設定不同的折舊率，而各城市折舊率依據所在省份的折舊率進行設定。勞動投入方面，本文采用單位從業人員、城鎮私營與個體從業人員之和作為代表。能源投入方面，由于城市煤炭、石油等傳統能源數據沒有統計，部分城市煤氣、液化石油氣數據缺失較為嚴重，因此本文采用全社會用電量近似反映能源投入狀況。期望產出方面，采用各城市地區生產總值作為期望產出，并以 2003年為基期進行平減處理。非期望產出方面，本文選取工業廢水、工業二氧化硫、工業煙（粉）塵排放三種污染物作為非期望產出[7]。數據均來源于《中國城市統計年鑒》《中國統計年鑒》。

1.2.3 空間權重矩陣的設置

空間計量分析中空間權重設置至關重要[17]，空間關聯模式對空間相關性的檢驗結果具有直接影響，出于穩健性的考慮，本文選擇地理距離權重和經濟空間權重兩種矩陣來表征長江經濟帶綠色經濟績效的空間關聯模式。

第一，地理距離權重矩陣。根據地理學第一定律[18]，距離較近的事物通常比距離較遠的事物聯系更為緊密。本文使用地理距離平方的倒數來構造地理距離權重矩陣。假定d為城市間球面距離，那么地理距離權重矩陣（W1）的矩陣元素wij=1/d2，i≠j；wij=0，i=j。

第二，經濟空間權重矩陣。經濟空間權重矩陣（W2）用于表征各城市經濟發展之間相互影響即“經濟距離”對綠色經濟績效的影響。W2可以依據W2=W1E求得，E為城市間經濟差異矩陣，其矩陣元素Eij=1/|yi-yj|，i≠j；Eij=0，i=j。其中，yi、yj分別為第i、 j個城市樣本觀測期內人均實際GRP（2003為基期）。

2 長江經濟帶綠色經濟績效測度

2.1 投入產出變量的等張性檢驗

決策單元DMU的生產過程滿足等張性假設是運用DEA模型進行效率和生產率評價的前提，即增加任意一個DMU的投入量，則其產出量也必須相應增加或至少不能減少。皮爾遜相關系數是檢驗投入產出等張性的常用方法[1]，檢驗結果顯示，在1%顯著性水平下，所有投入產出變量之間均存在顯著的正相關關系，這表明所有DMU生產過程滿足等張性要求。

2.2 綠色經濟績效測度及比較

本文以長江經濟帶108個城市為最佳生產前沿面，在規模報酬可變假設下，基于非期望產出-超效率SBM模型，結合Meta-frontier、Global-DEA方法，測得了2004—2013年長江經濟帶各城市Malmquist生產率指數并對其進行累積處理（由于篇幅所限，本文不再報告各城市具體結果）。累積TFP指數實際測度了以2003年為基期，2004—2013長江經濟帶各城市綠色經濟績效的增長狀況。為了避免“大象與螞蟻”之間的排名問題，本文按照經濟總量（地區生產總值）排名將108個城市平均分為高組、中組、低組，圖1反映了長江經濟帶不同分組的城市累積TFP指數的動態演變趨勢。

由圖1可知，長江經濟帶經濟發展高、中、低組的城市累積TFP指數存在明顯的梯度效應。其中高組城市累積TFP指數始終大于中組、低組城市；除2005年以外，中組城市累積TFP指數均高于低組城市。從總體演變態勢看，樣本觀測期內，高組城市累積TFP指數呈總體增長趨勢，低組城市呈總體下降趨勢，中組城市呈水平波動態勢。以上結果表明長江經濟帶經濟發展水平較高的城市綠色經濟績效也較高，經濟發展水平較低的城市綠色經濟績效也較低，而且具有高者越高、低者越低的總體演變趨勢。

圖1 長江經濟帶按經濟總量分組的累積TFP

指數動態演變趨勢

Fig.1 Dynamic evolution trend of cumulative TFP

index grouped by economic amount in the Yangtze

River Economic Belt

3 長江經濟帶綠色經濟績效的空間相關性檢驗

空間相關性檢驗是區別選擇傳統面板數據模型和空間計量模型的重要依據。表1報告了長江經濟帶綠色經濟績效的空間相關性檢驗結果。為降低分析誤差，我們對累積TFP指數取對數，但很多城市的累積TFP指數小于1，取對數后為負值，為此本文進一步借鑒Managi等[19]的做法，在累積TFP指數的基礎上加1后再取對數。

由表1可以發現：①在10%顯著性水平上，基于地理距離權重的Morans I指數顯著為正；經濟空間權重下2004—2013年Morans I指數也顯著為正（10%顯著性水平），這表明長江經濟帶綠色經濟績效存在顯著的正向空間依賴性。②從Morans I指數的演變趨勢看，在地理距離權重、經濟空間權重下Morans I指數在波動中均呈總體增長態勢，樣本觀測期內年均增長率分別為14.54%、22.89%，這表明長江經濟帶綠色經濟績效的空間依賴性逐漸增強。此外，根據Moran散點圖（由于篇幅所限未列出）可以發現：在地理距離權重、經濟空間權重下，108個城市中分別有70、74個城市位于第一、三象限，這表明長江經濟帶綠色經濟績效的空間分布是非均質的，存在高度的空間集聚特征。經濟空間權重下的Morans I指數均大于地理距離權重下的Morans I指數，而且這種差距呈逐漸擴大趨勢，這表明經濟因素可能在一定程度上增強了長

江經濟帶城市間綠色經濟績效的空間依賴性。鑒于此，本文將基于經濟空間權重建立空間計量模型就長江經濟帶綠色經濟績效的影響因素進行分析。

4 空間溢出效應及其分解

4.1 影響因素及代理變量選擇

為了確保計量檢驗結果的穩健性，我們選擇空間滯后模型（SAR）、空間誤差模型（SEM）和空間 Durbin 模型（SDM）三種空間計量模型（如公式10～12所示），在經濟空間權重下分別進行固定效應和隨機效應回歸，然后選出較優的估計模型并進行實證分析。具體步驟如下：首先進行固定效應和隨機效應的選擇，模型的AIC值越小，模型的解釋力則越強。其次進行擬合優度評價，Log Likelihood 與R2值越大，模型的擬合優度越高。最后對SDM 是否可以轉化為SAR和SEM進行檢驗，如果檢驗結果顯著拒絕“SDM可以轉化為SAR”或“SDM可以轉化為SEM”的原假設，則選擇 SDM。

SAR模型： y=α+ρWy+βX+ε （10）

SEM模型： y=α+βX+ε，ε=λWε+v （11）

SDM模型： y=α+ρWy+βX+θWX+ε （12）

出于數據的考慮，同時借鑒已有經典文獻[5，20]，本文將長江經濟帶綠色經濟績效的影響因素設定如下：①經濟發展水平。綠色經濟績效反映資源環境約束下生產決策單位的投入產出關系，而不同的經濟發展水平下資源利用、環境污染、以及投入產出關系差異較大，因此經濟發展

表1 長江經濟帶綠色經濟績效的Morans I指數及顯著性

Tab.1 Morans I index and its significance of green

economic performance in the Yangtze River Economic Zone

注：10%顯著性水平上顯著。

水平對綠色經濟績效具有重要影響。本文以全市人均地區生產總值（PGRP，用X1表示）代表經濟發展水平，并以2003年為基期進行處理。為了檢驗環境污染與經濟發展之間是否存在倒“U”型關系（即“環境庫茲涅茨假說”），本文將全市人均地區生產總值的平方項（X2）引入了模型。②產業結構因素。不同產業的資源利用效率和管理效率不同，技術進步水平和污染排放水平也不同，因此產業結構變化會對綠色經濟績效產生重要影響。產業結構升級能否促進綠色經濟績效提升一般取決于第三產業占比提升帶來的環境污染下降與第二產業占比下降引起的技術進步效應弱化的對比關系。本文以全市第三產業占地區生產總值比重（X3）反映產業結構狀況。③技術進步水平。從理論上講，通過增加R&D;投入或政府科技支出提升自主創新能力、或利用市場機制引進先進的管理經驗和技術設備都有利于提升綠色經濟績效，但如果技術進步轉換到環境污染治理或企業生產過程的能力不強，則有可能引起技術進步投入對實際生產的“擠出效應”，從而弱化技術進步對綠色經濟績效提升的正向促進作用。由于城市R&D;經費沒有相關統計數據，本文以全市科學技術支出占地區生產總值比重（X4）近似代表技術進步水平。④資源稟賦結構因素。城市資源稟賦不同，資本與勞動比例關系則不同。資本密集型產業一般污染相對嚴重，但同時它也是技術創新的主導力量；勞動密集型產業通常污染較輕，但技術進步效應相對弱化。資源稟賦結構變化能否促進綠色經濟績效提升取決于技術進步正面效應和環境污染負面效應的對比關系。本文以資本-勞動比（X5）代表資源稟賦結構。⑤對外開放因素。對外開放是把“雙刃劍”：一方面，對外開放有助于引進先進的生產技術和管理

理念，從而促進綠色經濟績效的提升；另一方面，根據“污染天堂假說”，由于我國環境規制低于發達國家水平，伴隨著對外開放程度的逐漸提高，外商直接投資可能大量涌入國內污染密集型產業，從而造成城市綠色經濟績效低下。本文以當年實際使用外資金額（FDI）占地區生產總值比重（X6）代表對外開放程度。

4.2 空間計量面板數據回歸

4.2.1 空間計量模型的估計結果

表2報告了經濟空間權重下三種空間計量模型的估計結果。在固定效應和隨機效應下，SDM模型的AIC值小于SAR和SEM模型的相應數值；SDM模型的Log Likelihood值和R2大于SAR和SEM模型的相應數值；顯著拒絕“SDM可以轉化為SAR”和“SDM可以轉化為SEM”的原假設。這一結果表明SDM模型優于SAR和SEM模型。如果就SDM模型兩種效應估計結果比較而言，固定效應模型則更優。另外，10%顯著性水平上SDM（固定效應）模型的ρ值顯著不為零。根據LeSage和Pace[12]，表2中的回歸系數不能直接用于解釋各變量對綠色經濟績效的影響。為此，接下來將使用空間回歸模型偏微分方法對空間溢出效應分解并進行解釋。表3報告了經濟空間權重下SDM固定效應模型的空間溢出效應分解結果。

4.2.2 空間溢出效應分解

第一，經濟發展水平溢出效應分解。經濟發展水平及其平方項的直接效應系數分別為0.096、-0.003，均通過了10%顯著性水平檢驗，這一結果表明綠色經濟績效與經濟發展水平之間存在倒“U”關系，而作為非期望產出，較高的環境污染水平通常會降低綠色經濟績效；較低的環境污染水平有助于提升綠色經濟績效[1]。因此，本文近似

表2 經濟空間權重下三種空間計量模型的估計結果

Tab.2 Estimation results of three spatial econometric models under economic spatial weights

注：***、**、*分別代表在1%、5%、10%顯著性水平上顯著。

認為環境污染與經濟發展水平之間存在“U”關系，即不支持“環境庫茲涅茨假說”。進一步計算得知，拐點位置在14.470萬元（2003年價格，以下同），而觀測期內城市人均地區生產總值的最大值為14.851萬元，這意味著大部分城市均處于倒“U”型拐點的左側，即城市經濟發展水平對本區域綠色經濟績效具有正向直接影響效應。這表明經濟發展水平越高的城市，基礎設施可能越完善，技術水平相對越高，環境治理投入相對越大，從而提升了綠色經濟績效。經濟發展水平及其平方項的間接效應系數分別為-0.041、0.003，這表明本城市的綠色經濟績效與其它城市的經濟發展水平存在“U”關系，即近似認為本城市環境污染與其它城市經濟發展水平之間存在倒“U”關系，這一結果支持“環境庫茲涅茨假說”。進一步計算得知，拐點位置在7.035萬元（2003年價格，以下同），而觀測期內96.630%的人均地區生產總值低于這一數值，這意味著大部分城市處于倒“U”型拐點的左側，即本城市經濟發展水平對其它城市綠色經濟績效具有負向影響效應，但這一影響的顯著性水平高于10%。可能的原因是，一方面本地較高的經濟發展水平吸引了外區域高質量勞動、資本等生產要素從而引起外區域綠色經濟績效的下降；另一方面，經濟發展水平較高的城市可能迫于環境污染壓力，將污染較為嚴重的產業轉移到鄰域地區，從而引起外區域綠色經濟績效下降。就總效應而言，經濟發展水平及其平方項的

表3 經濟空間權重下基于SDM固定效應模型的

溢出效應分解結果

Tab.3 Decomposition results of spillover effects under

economic spatial weights based on SDM fixed

effect model

注：***、**、*分別代表在1%、5%、10%顯著性水平上顯著；括號內數值代表t值。

影響系數分別為0.055、-0.000 4，表明綠色經濟績效與經濟發展水平存在倒“U”關系，即近似認為環境污染與經濟發展水平之間存在“U”關系，即不支持“環境庫茲涅茨假說”。本地經濟發展水平對外區域綠色經濟績效的負向影響效應小于其對本區域綠色經濟績效的正向影響效應，因此導致總效應表現為正向影響效應。

第二，產業結構溢出效應分解。產業結構的直接效應系數為0.001，這一結果表明城市產業結構升級對本區域綠色經濟績效提升具有顯著的正向直接影響效應，即產業結構升級意味著第三產業比重上升，第二產業比重相對下降，從而可能引起環境污染減弱，經濟績效提升。間接效應系數為0.001，這一結果表明城市產業結構升級對外區域綠色經濟績效提升具有顯著的正向溢出效應，一種可能的解釋是，權重選擇考慮了經濟因素的影響之后，產業結構升級帶動的地區間產業轉移弱化，示范效應加強，地區產業結構升級促進了外地區經濟績效的提升。總效應系數為0.002，這一結果表明城市產業結構升級對綠色經濟績效提升總體表現為正向溢出效應。但產業結構對綠色經濟績效的三種影響效應的顯著性水平均高于10%。

第三，技術進步溢出效應分解。技術進步的直接效應系數為-0.002，但這一影響的顯著性水平高于10%，這表明城市技術進步對本區域綠色經濟績效提升沒有起到應有的正向直接影響效應。可能的原因是，一方面，科學技術支出費用對本地區從業人員、資本存量、全社會用電量等生產要素質量的改進可能并未起到應有的促進作用，未能有效提升城市綠色經濟績效；另一方面，隨著科學技術支出費用增加，一定程度上引起了生產投入相對下降，在技術進步沒有明顯提升生產要素質量的情況下，實際產出下降，從而拉低了經濟績效。技術進步的間接效應系數為-0.147，通過了10%的顯著性水平檢驗，這表明城市技術進步對外區域綠色經濟績效提升具有顯著的負向溢出效應，換言之，本城市技術進步對其它城市綠色經濟績效提升具有一定抑制作用。這可能與本區域技術進步帶動經濟發展從而可能引起外區域高質量勞動、資本等生產要素向本地區跨地區流動有關；另外，技術進步通常存在一定集聚效應，可能只有在經濟水平相當的地區間對綠色經濟績效才存在正向空間溢出效應[1]。技術進步的總效應系數為-0.149，通過了10%的顯著性水平檢驗。以上結果表明技術進步對本城市、城市間綠色經濟績效提升均沒有起到應有的帶動作用，其作用發揮仍有巨大的上升空間。

第四，資源稟賦溢出效應分解。資本-勞動比的直接效應系數為0.003，10%顯著性水平下通過了檢驗，表明城市資源稟賦對區域內綠色經濟績效提升具有顯著的正向直接影響效應，這與王兵等[5]的研究結論一致。一般來看，資本密集型產業污染相對嚴重，從而對綠色經濟績效存在一定負面影響，但資本密集型產業的技術進步因素可能抵消并超過了這一影響，從而表現為隨著資源稟賦增加綠色經濟績效得以提升。資本-勞動比的間接效應系數為-0.003，通過了10%的顯著性水平檢驗，表明本城市資源稟賦對外區域綠色經濟績效提升具有顯著的負向溢出效應。這一結果可能與跨區域資本流動和轉移有關，即隨著本區域資本流入增加，資本-勞動比上升，外區域資本-勞動比相對下降、資本密集型產業帶來的環境污染相對減弱，但其技術進步因素對綠色經濟績效的促進作用可能同時也在減弱，從而出現隨著本區域資源稟賦增加外區域綠色經濟績效得以下降的現象。資本-勞動比的總效應系數為-0.0001，表明資源稟賦對綠色經濟績效的區域間溢出效應稍大于區域內溢出效應，但這一總影響效應的顯著性水平高于10%。

第五，對外開放溢出效應分解。FDI的直接效應系數為-0.010，通過了10%的顯著性水平檢驗，這表明城市外商直接投資對本區域綠色經濟績效提升具有顯著的負向直接影響效應，這與涂正革[21]的研究結論一致，同時也印證了“污染天堂假說”的存在，即我國作為發展中國家，長江經濟帶環境規制水平相對較低，隨著貿易自由化的發展，外商直接投資逐漸流入城市污染密集型產業，從而降低了城市綠色經濟績效。FDI的間接效應系數為-0.012，通過了10%的顯著性水平檢驗，這表明城市外商直接投資對外區域綠色經濟績效提升具有顯著的負向溢出效應，其原因可能在于外商直接投資形成了跨區域的污染密集型產業鏈條從而產生了跨區域的污染溢出，從而降低了外區域綠色經濟績效。FDI的總效應系數為-0.022，通過了10%的顯著性水平檢驗。

5 研究結論與啟示

與已有研究相比較，本文研究特色在于：從空間溢出視角對長江經濟帶綠色經濟績效的影響因素進行了實證檢驗與效應分解。研究結論表明：長江經濟帶綠色經濟績效的空間分布并不均衡，具有顯著的空間依賴和空間集聚特征。經濟發展水平越高的城市綠色經濟績效越高，經濟發展水平越低的城市綠色經濟績效越低，而且具有高者越高、低者越低的演變趨勢。區域內“環境庫茲涅茨假說”并不存在。資源稟賦對本區域綠色經濟績效提升具有顯著的正向影響效應。產業結構升級的經濟示范效應有助于增強綠色經濟績效的區域間正向溢出。技術進步對區域內綠色經濟績效提升沒有起到應有的促進作用，但對外區域綠色經濟績效提升卻起到了顯著的抑制作用。外商直接投資對本區域、外區域綠色經濟績效提升均具有顯著的負向溢出效應，“污染天堂假說”存在。

基于以上研究結論，未來長江經濟帶綠色經濟績效的提升可以重點考慮以下幾個方面：第一，加快改善長江經濟帶的生態環境。十九大報告指出，長江經濟帶建設應以“共抓大保護，不搞大開發”為導向，推動長江經濟帶可持續發展。促進生態環境修復，一方面要加強長江中上游地區，特別是干支流源頭的水土保持和水源保護工作，三峽庫區的水源涵養工作，修復水生態；同時加大沿江的森林保護，充分發揮其生態屏障作用，修復物種多樣性。另一方面，加大長江流域的人為污染治理，嚴格工業企業的生產過程防止工業污染，同時重視生活污水和農業污水處理等，從而為長江黃金水道作用的發揮和金沙江、烏江等地的水電開發等資源利用提供保障，促進長江經濟帶綠色經濟績效的提升。第二，利用空間溢出效應促進綠色經濟績效協同提升。按照長江經濟帶“一軸、兩翼、三極、多點”的空間布局特點，通過長江流域聯通上、中、下游的城市，發揮綠色經濟績效較高的城市對較為落后城市的正向溢出效應，同時沿支流輻射帶動南北兩側的城市發展，加快整個區域生產要素的流動，并基于成渝城市群、長江中游城市群和長江三角洲城市群整合各地資源，提高生產效率，推動長江經濟帶綠色經濟績效的協同提升。第三，發揮技術進步對綠色經濟績效協同提升的正向促進作用。要加快實施創新驅動戰略，打造以上海、重慶及其他省會城市為核心的科技創新中心，并根據本地區特點量身打造創新示范區，實現科技成果的就地轉化。利用長江流域這個“通道”將先進生產技術向其他地區轉移，推動生產技術的不斷融合提高，從而逐步減小各地的技術進步差異，促進長江經濟帶綠色經濟績效的協同發展。第四，加快產業結構的優化、調整與升級，發揮產業結構對綠色經濟績效協同提升的促進作用。長江經濟帶歷來都是我國重要的工業聚集區，產業優勢突出，擁有一大批鋼鐵、汽車、家電、電子信息、航天航空等傳統重工業和高級制造業企業。在提升綠色經濟績效過程中，一方面，要結合未來產業發展趨勢，以創新驅動代替要素驅動進一步發展高級制造業，提升產業的經濟效益；另一方面，整合傳統重工業，關停高污染、高耗能產業，積極推動鋼鐵、石化、建材等行業的產業結構升級，對傳統行業進行綠色化改造。同時，積極發展現代化農業，提高農產品競爭力，并著力加大第三產業的發展，從而探索依托長江流域的綠色循環經濟模式。第五，提高長江經濟帶的環境規制水平，發揮FDI對綠色經濟績效的正向影響作用。加快建立綠色發展的指標體系，對外商采用“負面清單”的管理辦法，嚴禁高污染、高耗能企業的進入，同時對于科技含量高、污染小的外資企業，有針對性地提供優惠政策和獎勵機制予以支持，逐步扭轉FDI的負向影響，推動長江經濟帶綠色經濟績效的提升。

需要指出的是，目前城市口徑的數據主要源于《城市統計年鑒》，部分指標數據或沒有公布或缺失嚴重，因此在資本存量測算、能源投入選擇、非期望產出選擇、技術進步指標選擇等方面可能存在一定局限性。在未來研究中，將從兩個方面進行拓展：第一，擴展評估的污染物類型，加入水污染指標，突出水污染對長江流域綠色績效的影響；第二，對長江經濟帶綠色經濟績效的空間溢出效應進行分組考察。一種思路是按照上游、中游、下游進行分組，這種分組能夠對應污染物排放的流域特點；另一種思路是按照經濟體量進行分組，就不同經濟總量下城市綠色環境績效的空間溢出效應進行檢驗、分解與比較。

（編輯：李 琪）

參考文獻（References）

[1]劉華軍. 資源環境約束下中國全要素生產率增長的空間差異及區域協調對策研究 [M]. 北京： 經濟科學出版社， 2016： 218-229. [LIU Huajun. Spatial difference of Chinas total factor productivity growth and countermeasures of regional coordination under resource and environmental constraints [M]. Beijing： Economic Science Press， 2016： 218-229.]

[2]陳志光，李華香，李善同.“十二五”時期我國經濟社會發展的成就與問題[J].山東師范大學學報（人文社會科學版），2015（5）：101-110. [CHEN Zhiguang， LI Huaxiang， LI Shantong. On achievements and problems of Chinas economic and social development during the ‘12th Five-year Plan period [J]. Journal of Shandong Normal University （humanities and social sciences）， 2015（5）：101-110.]

[3]潘文卿. 中國的區域關聯與經濟增長的空間溢出效應 [J]. 經濟研究， 2012（1）： 54-65. [PAN Wenqing. Regional linkage and the spatial spillover effects on regional economic growth in China [J]. Economic research journal，2012（1）： 54-65.]

[4]張宗斌，辛靜靜.中國對外直接投資貿易效應區域差異研究[J].山東師范大學學報（人文社會科學版），2016（2）：89-96. [ZHANG Zongbin， XIN Jingjing. Study on regional differences of Chinas trade effect from FDI [J]. Journal of Shandong Normal University （humanities and social sciences）， 2016（2）：89-96.]

[5]王兵， 吳延瑞， 顏鵬飛. 中國區域環境效率與環境全要素生產率增長 [J]. 經濟研究， 2010（5）： 95-109.[WANG Bing， WU Yanrui， YAN Pengfei. Environmental efficiency and environmental total factor productivity growth in Chinas regional economies [J]. Economic research journal， 2010（5）： 95-109.]

[6]項目.知識溢出對高新技術產業影響的實證研究——一中關村國家自主創新示范區為例[J].山東師范大學學報（人文社會科學版），2016（4）：130-136. [XIANG Mu. The empirical research on the impact of knowledge spillover on high-tech industry： based on the data of Zhongguancun Self-innovative Demonstration Area[J]. Journal of Shandong Normal University （humanities and social sciences）， 2016（4）：130-136.]

[7]盧麗文， 宋德勇， 李小帆. 長江經濟帶城市發展綠色效率研究 [J]. 中國人口·資源與環境， 2016（6）：35-42.[LU Liwen， SONG Deyong，LI Xiaofan. Green efficiency of urban development in the Yangtze River Economic Belt [J]. China population，resources and environment， 2016（6）： 35-42.]

[8]TONE K. A slacks-based measure of efficiency in data envelopment analysis [J]. European journal of operational research， 2001， 130（3）：498-509.

[9]PASTOR J T， LOVELL C A K. A global malmquist productivity index [J]. Economics letters， 2005， 88（2）： 266-271.

[10]OH D H. A metafrontier approach for measuring an environmentally sensitive productivity growth index [J]. Energy economics， 2010， 32（1）： 146-157.

[11]王兵， 唐文獅，吳延瑞，等.城鎮化提高中國綠色發展效率了嗎？[J].經濟評論，2014（4）：38-49.[WANG Bing，TANG Wenshi，WU Yanrui，et al.Does urbanization increase Chinas green development efficiency？ [J].Economic review，2014（4）：38-49.]

[12]LESAGE J P， PACE R K. Introduction to spatial econometrics [M]. Boca Raton： Taylor & Francis Group， 2009： 34-48.

[13]LI H， SHI J F. Energy efficiency analysis on Chinese industrial sectors： an improved super-sbm model with undesirable outputs [J]. Journal of cleaner production， 2014（65）： 97-107.

[14]FRE R， GROSSKOPF S， PASURKA CA. Environmental production functions and environmental directional distance functions [J]. Energy， 2007， 32（7）： 1055-1066.

[15]COOPER W W， SEIFORD L M， TONE K. Data envelopment analysis： a comprehensive text with models， applications， references and dea-solver software [M]. New York： Springer， 2007： 55-63.

[16]吳延瑞. 生產率對中國經濟增長的貢獻： 新的估計 [J]. 經濟學（季刊）， 2008（7）： 827-842. [WU Yanrui. The role of productivity in Chinas growth： new estimates [J]. China economic quarterly， 2008（7）： 827-842.]

[17]ANSELIN L， GALLO J L， JAYET H. Spatial panel econometrics [M]. Berlin：Springer， 2008： 20-30.

[18]TOBLER W R. A computer movie simulating urban growth in the detroit region [J]. Economic geography， 1970， 46（2）： 234-240.

[19]MANAGI S， JENA P R. Environmental productivity and Kuznets Curve in India [J]. Ecological economics， 2008， 65（2）： 432-440.

[20]劉華軍， 楊騫. 資源環境約束下中國TFP增長的空間差異和影響因素 [J]. 管理科學， 2014， 27（5）： 133-144.[LIU Huajun， YANG Qian. The spatial disparities and influence factors of Chinas total factor productivity growth under the constraints of resource and environment [J]. Journal of management science， 2014， 27（5）： 133-144.]

[21]涂正革. 環境、資源與工業增長的協調性 [J]. 經濟研究， 2008（2）： 93-105. [TU Zhengge. The coordination of industrial growth with environment and resource [J]. Economic research Journal， 2008（2）： 93-105.]

Spillover effect and decomposition of green economic performance of the city

in the Yangtze River Economic Belt

HAO Guo-cai XU Yin-liang ZHANG Xiao-meng CHEN Ming-hua

（School of Economics， Shandong University of Finance and Economics， Jinan Shandong 250014， China）

Abstract The promotion of green economic performance in the perspective of ecological civilization has become the fundamental requirement and inevitable choice of economic development. Based on the data of 108 cities in the Yangtze River Economic Belt for 2003-2013， this paper measures the performance of green economy with the undesirable output super efficiency SBM model， and makes comparisons in different regions. Then， we test the spatial spillover effect of the green economic performance of the Yangtze River Economic Belt by building a variety of spatial econometric models based on the economic space weight， and use the partial differential method of spatial regression model to test and decompose the influence factors and spillover effects of green economic performance. The conclusion of the study shows that， the spatial distribution of green economic performance in Yangtze River Economic Belt is not balanceable， with significant spatial dependence and spatial agglomeration. We find that the higher the level of economic development， the higher the performance of green economy is， and the lower the level of economic development， the lower the green economic performance is. There is a significant spatial spillover effect on the green economic performance of the Yangtze River Economic Belt， and there is a ‘U relationship between the environmental pollution in the region and the level of economic development， which means that the environmental Kuznets hypothesis does not exist. Whats more， resource endowment has a significantly positive effect on the promotion of green economic performance in the region. The economic demonstration effect of industrial structure upgrading helps to enhance the inter-regional spillover of green economic performance. Technological progress has not played a positive role in promoting the performance of green economy in the region， but it has played a significant role in improving the performance of inter regional green economy. FDI has a significantly negative effect on the promotion of regional and inter-regional spillover of green economic performance； therefore， ‘pollution heaven hypothesis really exists in both regions and regions. Moreover， Yangtze River Economic Belt should take measure of ‘total protection and no more large development， and give full play to the spatial spillover effect of economic growth in the region and the city， to promote technology progress， industrial structure， foreign direct investment and other positive effects on the performance of the green economy. Just in this way， we can promote the green economic performance in Yangtze River Economic Belt.

Key words Yangtze River Economic Belt； green economic performance； spatial spillover； partial derivatives of spatial regression model