“一帶一路”沿線國家可持續發展水平評價及其影響因素

黃天航 胡瀟月 陳劭鋒 王毅 張碧青

摘要 可持續發展是“一帶一路”建設的重要內容，合理、客觀地評價沿線國家可持續發展水平，識別沿線國家可持續發展水平的影響因素對于促進沿線國家可持續發展具有重要意義。采用考慮非期望產出的Super-SBM模型對“一帶一路”沿線國家的可持續發展水平進行測度，利用GML指數對“一帶一路”沿線國家可持續發展水平的動態變化及其構成進行計算，并進一步采用Tobit模型識別沿線國家整體及各類別國家可持續發展水平的影響因素。實證結果表明：①沿線國家整體的可持續發展水平較低，高收入國家和中高收入國家的可持續發展水平相對較高。②受金融危機的影響，沿線國家整體的可持續發展水平在2008年左右出現了一定程度的下降，但自2011年起，除低收入國家之外，其余類別國家的可持續發展水平均已開始逐漸上升。③自2008年起，技術進步已經取代技術效率，成為沿線國家可持續發展水平提高的主要動力。④經濟發展水平與沿線國家可持續發展水平之間呈現出U型關系。⑤科技水平和可再生能源消費占比對沿線國家可持續發展水平具有促進作用。以出口資源型產品、勞動密集型出口產業為主的國家其對外開放水平與可持續發展水平之間呈現出負相關關系。除了低收入國家，從沿線國家整體來看，能源結構對提高可持續發展水平存在積極作用。最后針對我國實施“一帶一路”倡議中應當如何面對和應對沿線國家的可持續發展狀況提出了政策建議。

關鍵詞 “一帶一路”;可持續發展水平;Super-SBM模型;GML指數;Tobit模型

中圖分類號 F061.3文獻標識碼 A文章編號 1002-2104（2020）12-0027-11DOI：10.12062/cpre.20200901

2015年3月，我國國家發展改革委、外交部和商務部聯合發布《推動共建絲綢之路經濟帶和21世紀海上絲綢之路的愿景與行動》，標志著“一帶一路”建設正式邁入實施階段。習近平總書記在第二屆“一帶一路”國際合作高峰論壇上指出：“在共建‘一帶一路過程中，要始終從發展的視角看問題，將可持續發展理念融入項目選擇、實施、管理的方方面面” 。可持續發展既是“一帶一路”建設的重要內容，同時也是“一帶一路”建設的重大挑戰。可持續性科學是融合了自然科學、社會科學和人文科學的跨學科復雜系統和機制[1]，包括廣義和狹義的“可持續發展”[2-5]。“一帶一路”沿線各個國家的社會經濟、技術發展水平和制度等具體情況差異很大，如何有效評估“一帶一路”沿線國家的社會經濟發展水平[6]與環境效率的關系[7]對分析沿線國家可持續發展水平、發展趨勢和變動原因是很重要的環節，如何選取合適的理論角度、研究方法來合理客觀地評價沿線國家可持續發展水平并識別其影響因素，這些都還有待深入研究。該研究側重狹義的可持續發展概念即社會經濟發展與環境之間的關系，采用考慮非期望產出的Super-SBM模型對“一帶一路”沿線國家可持續發展水平進行綜合測度，使用GML指數來更深入地分析“一帶一路”沿線國家可持續發展水平的發展趨勢與變動原因，并進一步采用Tobit模型探討沿線國家可持續發展水平的影響因素，以期為推動 “一帶一路”建設提供決策參考。

1 文獻綜述

近年來，隨著可持續發展理念的普及，可持續性科學逐步形成和發展[1]。現有的研究多數關注可持續發展的特定區域或特定領域[2]，從國家、地區、城市等特定區域[3-5]或產業、能源、環境等特定領域展開研究[8-10]，研究內容集中于可持續發展的理論內涵、指標構建、綜合評價、應對策略等方面[11-13]。狹義的“可持續發展”認為環境公平與環境效率才是衡量可持續發展的核心要素，只有解決了“可持續”的環境公平問題，才能解決“發展”的環境效率問題，“可持續發展”包含的環境公平與環境效率評估了經濟發展與環境影響之間的相關性[14-16]，具有高環境效率的國家可以通過最小的投入和環境成本代價實現經濟效率的最大化[17]，廣義的“可持續發展”認為可持續發展是廣義的生態經濟發展[11-13]。

現在大多數有關可持續發展水平分析的定量研究主要是狹義的“可持續發展”。常見的評價方法主要有層次分析法、模糊綜合評判法、灰色關聯分析法、主成分分析法等，這類評價方法依賴于系統科學的指標體系的建立和合理的指標權重的確定，但這類評價方法存在明顯的不足：首先，這類方法可能掩蓋以犧牲資源和環境的代價換取社會進步和經濟增長的發展模式;其次，這類評價方法只能對評價對象進行排序，由于無法解釋排序的原因，不能為未來發展提供針對性建議。因此，學者們開始將數據包絡分析法（DEA）應用于可持續發展的評價中[18-19]。傳統的DEA方法以產出最大化為假設，并不適用于生產過程中產生了廢氣、廢水等非期望產出的情形。近年來，學者們采用了一系列方法將非期望產出納入DEA模型中，例如將非期望產出作為投入要素[20-22]，采用倒數變換等數學方法將非期望產出轉換為期望產出[23-25]等方法進行改進。但這些方法并不符合實際生產過程，導致測算結果存在偏差。Fre等[23]將期望和非期望產出直接納入模型，采用方向性距離函數進行測算，但由于沒有考慮投入產出的松弛性問題，使得效率值的度量不夠準確。基于此，SBM模型提出了一種基于松弛變量測度的非徑向非角度的DEA分析方法[24]，這種模型的優點是效率值隨著投入產出松弛程度的變化而嚴格變化，可以消除因徑向和角度選擇差異所帶來的偏差和影響。但是SBM模型測算效率值無法對多個同時有效的決策單元進行評價和排序，Super-SBM模型對此進行了改進[25]。由于該模型并未納入非期望產出，Tone[26]進一步提出了考慮非期望產出的SBM模型，對此進行了進一步改進。Zhang等[27]進一步將其拓展為考慮非期望產出的Super-SBM模型。

由于DEA方法是從靜態角度進行分析，無法分析各個決策單元跨時期的動態效率變化，在Stem Malmquist研究的基礎上，提出了基于DEA模型的Malmquist指數（M指數）[23]，用來評價效率的動態變化情況。但由于傳統的M指數并未考慮非期望產出，導致獲得的結果不夠準確。基于此，Chung等人[28]提出Malmquist-Luenberger指數（ML指數），將非期望產出納入測算。但ML指數不具備傳遞性，并且當面臨非同時期的參照技術時，線性規劃可能無可行解。為此，有學者使用全局ML指數（GML指數）來克服ML指數傳遞性不足和無可行解的問題[30-31]。與此同時，部分學者開始將DEA模型與回歸分析相結合，探討可持續發展與經濟規模、科技水平、對外開放、政府管制、環境政策、能源結構等方面的關系，從而為區域可持續發展提出有效建議[32-35]。

從“一帶一路”沿線國家整體來看，2005—2014年沿線國家的可持續發展水平總體上呈現出上升趨勢，效率值由2005年的0.388上升至2014年的0.406。高收入國家的可持續發展水平最高，其次為中高收入國家，中低收入國家和低收入國家的可持續發展水平相對較低。只有中高收入國家的可持續發展水平在2005—2014年間出現了明顯提升，上升幅度超過10%;而高收入國家、中低收入國家和低收入國家的可持續發展水平在2005—2014年間出現了不同程度的下降，其中低收入國家的可持續發展水平下降幅度最大，超過10% （見圖1）。

3.2 GML指數及其分解

進一步采用GML指數對“一帶一路”沿線國家可持續發展水平的動態變化及其構成進行計算（見表2）。由表2結果可知，2005—2008年和2011—2014年大多數沿線國家的GML指數大于1，可持續發展水平不斷提高;而2008—2011年只有不到一半的國家GML指數大于1，多數國家的可持續發展水平呈現下降趨勢，這可能是受到金融危機的影響。從“一帶一路”沿線國家整體來看，沿線國家的可持續發展水平在2005—2008年和2011—2014年不斷提高，而在2008—2011年出現了小幅下降。高收入國家的可持續發展水平在2005—2011年呈現出下降趨勢，而在2011—2014年開始逐漸上升;中高收入國家和中低收入國家的可持續發展水平在2005—2008年和2011—2014年不斷提高，而在2008—2011年出現了一定程度的下降;低收入國家的可持續發展水平在2005—2011年呈現出上升趨勢，而在2011—2014年逐漸下降。

從GML指數的分解來看，在2005—2008年，沿線國家可持續發展水平的提高主要歸功于技術效率的提高，可以看到這個階段無論是沿線國家整體還是各類別國家，全局技術效率變化指數（GEFFCH）均高于全局技術進步變化指數（GTECH）。而在2008—2014年，沿線國家可持續發展水平的提高主要歸功于技術進步，這個階段無論是沿線國家整體還是各類別國家，全局技術進步變化指數（GTECH）均高于全局技術效率變化指數（GEFFCH），并且無論是沿線國家整體還是各類別國家的GTECH指數基本都大于1，表明2008—2014年大多數沿線國家的技術水平呈現出上升趨勢，并成為沿線國家提高可持續發展水平的重要動力。

4 沿線國家可持續發展水平影響因素分析

采用Tobit模型進一步對“一帶一路”沿線國家整體及各類別國家的可持續發展水平的影響因素進行實證檢驗（見表3）。從沿線國家整體來看，人均GDP、科技水平、對外開放水平和能源消費結構對沿線國家可持續發展水平具有顯著作用。人均GDP對可持續發展水平存在U型影響，表明在經濟發展初期，沿線國家傾向于采用“高投入、高消耗、高排放”的粗放型增長方式推動經濟增長，從而導致可持續發展水平不斷降低，而隨著經濟發展水平的不斷提高，沿線國家開始重視能源消耗和環境污染等問題，逐步轉變增長方式，從而提高可持續發展水平，這符合環境庫茲涅茨曲線理論。科技水平對可持續發展水平存在積極作用，表明隨著科技水平的提高，可以促進要素資源的集約利用，從而提高可持續發展水平。對外開放水平與可持續發展水平之間呈現出顯著的負相關關系，一方面，部分沿線國家礦產、能源等資源豐富，在國際貿易中具有資源稟賦優勢，然而出口資源型產品的資源環境代價較大，導致這類國家的可持續發展水平較低;另一方面，部分沿線國家的發展水平較低，具有勞動力成本優勢，加工貿易的發展也帶來了一系列的環境問題。除了低收入國家，從沿線國家整體來看，能源結構對提高可持續發展水平存在積極作用。

分類別來看，低收入國家的可持續發展水平隨著經濟發展水平的提高反而降低，而中高收入國家和高收入國家的可持續發展水平隨著經濟發展水平的提高而提高，這進一步驗證了環境庫茲涅茨曲線理論。在各類別國家的回歸中，科技水平、對外開放水平和能源結構的回歸結果與沿線國家整體的回歸結果基本保持一致。此外，在低收入國家和中低收入國家中，財政支出占比對可持續發展水平也具有積極作用。

5 結論與建議

研究采用考慮非期望產出的Super-SBM模型、GML指數對“一帶一路”沿線60個國家可持續發展水平、動態變化及其構成進行測算，并用Tobit模型識別沿線國家整體及各類別國家可持續發展水平的影響因素。結果表明：多數沿線國家的可持續發展水平仍然較低;經濟發展水平與可持續發展水平之間呈現出顯著的U型關系;受金融危機的影響，多數國家的可持續發展水平在2008年左右出現了一定程度的下降，但自2011年起，除低收入國家之外，其余三類國家的可持續發展水平均呈現出上升趨勢;科技水平、可再生能源消費占比與可持續發展水平之間呈現出顯著的正相關關系;技術水平的上升已經替代技術效率的提高成為沿線國家提高可持續發展水平的重要動力。為此，提出以下建議。

第一，我國可以根據“一帶一路”沿線國家可持續發展水平的不同采取分區分類合作模式。 “一帶一路”沿線國家的人均GDP、科技水平、對外開放水平和能源消費結構存在顯著差異，在遵循綠色投資與貿易規則下，對于人均GDP水平較低的國家，傾向于采取粗放型增長方式推動經濟增長。因為這類國家仍處于經濟發展初期，僅僅憑借市場力量，環境問題很難得到重視。推動綠色基礎設施建設就是首要的方式，逐步轉變其“高投入、高消耗、高排放”的粗放型增長方式，建設綠色供應鏈體系，促進其綠色轉型升級。對科技水平較低的國家可以通過綠色投資提升其科技水平，促進要素資源的集約利用。以出口資源型產品為主或者具有勞動力成本優勢以加工貿易為主的部分沿線國家，應該采取以綠色投資促進其產業、技術升級的方式，避免這些國家在發展中付出過大的資源環境代價。我國也應該通過與綠色科技水平較高的國家合作，轉變能源結構，提高清潔能源和可再生能源在能源生產和消費中的占比，提高綠色技術門檻，以此推動解決與沿線國家合作中能源消耗和環境污染問題，提高可持續發展水平。

第二，統籌國內綠色治理體系，促進與重塑“一帶一路”沿線國家的綠色治理合作模式。合理的環境規制政策可以在有效增強各地區技術創新能力、促進經濟增長的同時減少環境污染[37]。我國應該在統籌國內環境保護與經濟發展相協調的綠色治理體系的基礎上，提高出口技術與產品的綠色化門檻，根據“一帶一路”國家經濟社會發展水平的不同情況，重塑綠色治理合作模式。在與經濟發展水平較低的國家合作中，應通過綠色投資、綠色金融合作的方式適當提高當地政府的財政支出水平，尤其是加強與這類國家政府對環境污染治理的綠色金融合作。與經濟發展水平較高的國家合作，可以通過建立綠色治理政策合作機制的方式，引介和交流各自的綠色治理經驗。同時根據“一帶一路”沿線國家經濟發展水平的不同，推動建立“一帶一路”環境保護協調機制，對可持續發展水平進行績效評估，在“一帶一路”的綠色基礎設施建設和綠色投資中建立綠色治理合作協商模式。

第三，加強綠色科技合作提升技術效率，協商制定綠色技術標準，促進技術進步，提升“一帶一路”沿線國家的可持續發展水平。對于GML指數小于1的“一帶一路”沿線國家，我國可以通過綠色投資方式通過不斷改進其生產工藝促進技術效率提高的方式開展合作，以中國制造2025政策為機遇，將綠色轉型的升級要求和環境標準內化嵌入到中國制造過程中，促進我國綠色技術標準、綠色技術產品能推廣出去，共同提升可持續發展水平。對于GML指數大于等于1的“一帶一路”沿線國家，我國在同這些國家的合作與國際貿易過程中要根據綠色環保標準的要求，加大綠色技術合作、分享綠色發展技術經驗，并結合現有國際與區域組織合作機制，建立可持續發展信息共享與智庫平臺，共同協商和完善綠色技術標準，促進技術水平的共同提升，發揮技術進步在提升可持續發展水平中的驅動作用。我國在發揮自身比較優勢的同時，也需要積極引進、消化和吸收國外先進技術，從而不斷優化出口產品結構、提高出口產品附加值，降低出口產品的資源環境代價。

參考文獻

[1]KATES R W， CLARK W C， CORELL R， et al. Sustainability science[J]. Science，2001，292（5517）：641-642.

[2]彭斯震， 孫新章. 全球可持續發展報告：背景、進展與有關建議[J]. 中國人口·資源與環境， 2014，24（12）：1-5.

[3]牛文元. 中國可持續發展的理論與實踐[J]. 中國科學院院刊， 2012，27（3）：280-289.

[4]楊建輝， 任建蘭， 程鈺， 等. 我國沿海經濟區可持續發展水平綜合評價[J]. 經濟地理， 2013，33（9）：13-18.

[5]PIJAWKA D. Understanding sustainable cities： concepts， cases， and solutions[M]. Dubuque： Kendall Hunt Publishing，2012.

[6]WEI Y ， LI Y ， WU M ， et al. Progressing sustainable development of‘the Belt and Road countries： estimating environmental efficiency based on the Super-slack-based measure model[J]. Sustainable development，2019（9）：1-19.

[7]胡健， 張維群， 邢方， 等. “一帶一路”國家經濟社會發展水平測度與評價研究：基于絲路沿線64國指標數據的分析[J].統計與信息論壇， 2018，33（6）：43-53.

[8]尹昌斌， 程磊磊， 楊曉梅， 等. 生態文明型的農業可持續發展路徑選擇[J]. 中國農業資源與區劃， 2015，36（1）：15-21.

[9]苗韌， 周伏秋， 胡秀蓮， 等. 中國能源可持續發展綜合評價研究[J]. 中國軟科學， 2013（4）：17-25.

[10]廖慧璇， 籍永麗， 彭少麟. 資源環境承載力與區域可持續發展[J]. 生態環境學報， 2016，25（7）：1253-1258.

[11]朱婧， 孫新章， 何正. SDGs框架下中國可持續發展評價指標研究[J]. 中國人口·資源與環境， 2018，28（12）：9-18.

[12]孫曉， 劉旭升， 李鋒， 等. 中國不同規模城市可持續發展綜合評價[J]. 生態學報， 2016，36（17）：5590-5600.

[13]徐冠華， 葛全勝， 宮鵬， 等. 全球變化和人類可持續發展：挑戰與對策[J]. 科學通報， 2013，58（21）：2100-2106.

[14]文同愛， 李寅銓. 環境公平、環境效率及其與可持續發展的關系[J]. 中國人口·資源與環境，2003，13（4）：13-17.

[15]SONG M， ZHANG L， AN Q， et al. Statistical analysis and combination forecasting of environmental efficiency and its influential factors since China entered the WTO： 2002–2010–2012[J]. Journal of cleaner production，2013，42（11），42–51.

[16]LOPEZ R E， FIGUEROA B E. On the nexus between fiscal policies and sustainable development[J]. Sustainable development，2016，24（4），201-219.

[17]SHEN J， WANG S， LIU W， et al. Does migration of pollution intensive industries impact environmental efficiencye：evidence supporting‘Pollution Haven Hypothesis[J]. Journal of environmental management，2019，242：142–152.

[18]肖杰， 鄭國璋， 郭鵬軍，等. 基于主成分分析的關中：天水經濟區水資源承載力評價[J]. 中國農業資源與區劃， 2018，39（7）：159-167.

[19]郭存芝， 彭澤怡， 丁繼強. 可持續發展綜合評價的DEA指標構建[J]. 中國人口·資源與環境， 2016，26（3）：9-17.

[20]彭程， 陳志芬， 吳華瑞，等. 基于ESDA的城市可持續發展水平時空分異格局研究[J]. 中國人口·資源與環境， 2016，26（2）：144-151.

[21]LOVELL C A K ， JESUS T P， TURNER J A. Measuring macroeconomic performance in the OECD： a comparison of European and non-European countries[J]. European journal of operational research，1995，87（3）：507-518.

[22]SEIFORD L M， ZHU J. Modeling undesirable factors in efficiency evaluation[J]. European journal of operational research，2001，142（1）：16–20.

[23]FRE R ， GROSSKOPF S. Modeling undesirable factors in efficiency evaluation： comment[J]. European journal of operational research，2004，157（1）：242-245.

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

[25]TONE K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European journal of operational research，2002，143（1）：32-41.

[26]TONE K. Dealing with undesirable outputs in DEA： a slacks-based measure （SBM） approach[R]. Presentation at NAPW III， Toronto， 2004.

[27]ZHANG J ， ZENG W ， WANG J ， et al. Regional low-carbon economy efficiency in China： analysis based on the Super-SBM model with CO2 emissions[J]. Journal of cleaner production，2015，163（oct.1）：202-211.

[28]CHUNG Y H， FARE R， GROSSKOPF S. Productivity and undesirable outputs： a directional distance function approach[J]. Journal of environment management，1997，51（3）：229-240.

[29]JESUS T P， LOVELL C A K. A global Malmquist productivity index[J]. Economics letters，2005，88（2）：266-271.

[30]OH D. A global Malmquist-Luenberger productivity index[J]. Journal of productivity analysis，2010，34（3）：183-197.

[31]LI H， FANG K， YANG W， et al. Regional environmental efficiency evaluation in China： analysis based on the Super-SBM model with undesirable outputs[J]. Math comput model，2013，58（5-6）：1018-1031.

[32]ZHANG J ， ZENG W ， WANG J ， et al. Regional low-carbon economy efficiency in China： analysis based on the Super-SBM model with CO2 emissions[J]. Journal of cleaner production，2015，163（oct.1）：202-211.

[33]CHEN N ， XU L ， CHEN Z. Environmental efficiency analysis of the Yangtze River Economic Zone using super efficiency data envelopment analysis （SEDEA） and Tobit models[J]. Energy，2017，134：659-671.

[34]馬曉君， 李煜東， 王常欣， 等. 約束條件下中國循環經濟發展中的生態效率：基于優化的超效率SBM-Malmquist-Tobit模型[J]. 中國環境科學， 2018，38（9）： 3584-3593.

[35]黃潔， 吝濤， 張宏強. 基于DEA和Malmquist模型的中國三大城市群可持續發展效率研究[J]. 中國人口·資源與環境， 2016，26（S1）：373-376.

[36]FEENSTRA R C ， INKLAAR R ， TIMMER M P. The next generation of the Penn World Table[J]. Social Science electronic publishing，2013， 105（10）：1025-1031.

[37]黃天航， 趙小渝， 陳凱華. 技術創新、環境污染和政策規制：轉型創新政策的視角[J]. 科學學與科學技術管理，2020，41（1）：49-65.

（責任編輯：李 琪）