長江上游地區產業生態化演化特征及驅動因素分析

孔芳霞，何 強，程 莉，文傳浩

KONG Fang-xia, HE Qiang, CHENG Li, WEN Chan-hao

重慶工商大學 a. 經濟學院、b. 長江上游經濟研究中心，重慶 400067

Chongqing Technology and Business University, Chongqing 400067, China

生態環境是人類賴以生存和發展的重要物質基礎。工業革命造就了人類歷史上前所未有的物質財富，但傳統工業發展表現“高污染、高排放、低效益”的問題，造成生態失衡、環境污染等一系列問題，使得人類與自然的和諧共生關系面臨嚴峻挑戰，生態環境不斷惡化，如何在資源與環境承載力可持續前提下，確保經濟高質量快速發展備受全球廣泛關注和重視。

長江上游地區包括重慶、四川、貴州、云南四省市，人口總量近2億，是我國西部地區重要的經濟增長極，也是“一帶一路”倡議和長江經濟帶的節點和重要區域[1]。改革開放以來，長江上游地區經濟發展取得了巨大成效，2017年經濟總量超8萬億元，占整個長江經濟帶總量的23%，人口卻承載長江經濟帶總人口的33%。目前，長江流域生態問題表現為上游地區生態屏障的高要求[2]，直接決定著中下游地區的可持續發展。2018年4月，習近平總書記在武漢召開的深入推動長江經濟帶發展座談會指出，新形勢下推動長江經濟帶發展，要正確把握整體推進和重點突破、生態環境保護和經濟發展等，堅持共抓大保護，不搞大開發。因此，促進資源全面節約與低碳循環利用、推進傳統產業的綠色改造，推動建立綠色、高效、低碳、循環發展的生態產業體系成為長江經濟帶發展工作的重中之重。為實現上游地區可持續發展，改變產業發展模式，促進其產業生態化發展，充分發揮比較優勢，實現生態效益和經濟效益共贏，對長江經濟帶乃至全國發展具有重要的現實意義。

1 文獻回顧

20世紀80年代末，學術界就開始關注產業生態化問題。1989年Frosch和Gallopoulos首次提出了“產業生態學”概念，通過技術革新完成傳統產業向高效清潔產業的過渡，以實現產業生態系統轉變[3]。隨著研究的深入，產業經濟學、生態學等多學科交叉融合，促進產業生態化的內涵及內容呈現多元化、豐富化特征。產業生態化是產業發展的高級形態，是基于生態學、產業生態學與系統學等多學科形成的基本原理，合理優化各組成部分，逐步實現高效率、無污染的產業生態系統的一個過程[4]，目的是實現產業系統的生態化發展[5]，將產業活動對資源的消耗、環境的影響置于生態系統物質和能源的交換過程中，以實現生態系統的良性循環與持續發展[6]，目標在于達到創建一個經濟系統和自然系統之間物質、能量等能夠和諧流動的產業體系[7]，以減少污染物的排放，降低產業活動對環境所造成的破壞、推動經濟高質量發展。

在產業生態化評價方面，學者從生態效率分析、物質流能量流分析和構建綜合評價指標體系等方法進行分析。生態效率基于投入產出視角衡量生態資源使用的效率，用于衡量企業、行業、產業的生態化水平，該方法優點在于將環境因素考慮生產過程中的投入和產出中，采用擴展的DEA模型[8]、BCC-DEA和CCR-DEA模型[9]，以及Malmquist生產率指數方法[10]等對產業生態化效率進行測算，為了解相關地區產業生態化發展的實際成效、促進產業生態化發展提供了客觀依據。物質流分析主要研究物質的流動規律以及對環境產生的影響，測算區域的物質輸入量和物質需求總量等，對該區域的物質生產力進行評價[11]，如DMI分析[12]。同時，還有學者從不同角度構建評價指標體系，基于主成分分析[11]、運用灰色關聯法[13]、耦合分析模型等多種方法對某區域或者行業的產業生態化水平進行綜合評價。同時，就產業生態化水平的驅動因素方面，學者們從城市、區域與全國層面等研究尺度進行了實證分析，發現經濟增長[14]、研發投入與技術進步[15]顯著提高了產業生態化效率。另外，污染治理投資強度、產業集聚、所有制結構、環境管理力度與外商直接投資[16]也有利于改善產業生態化效率，而產業結構變遷、消費結構變遷、能源消耗、環境污染則不利于推動產業生態化發展。

綜觀國內外產業生態化研究進展，其研究視角基于多學科交叉融合形成多樣化的產業生態化內涵界定，研究尺度包括關注微觀企業、中觀產業園區、宏觀層面的區域發展等，同時研究方法呈現多元化特征。基于現有研究基礎，本文從系統視角為切入，將生產過程中的產業活動納入生態系統中，促進產業活動與生態系統的良性循環和可持續發展，對長江上游地區產業系統與生態系統間的協調性、產業生態化水平進行測度分析，進一步基于靜態與動態面板模型對長江上游地區產業生態化驅動因素進行了實證研究，進而提出相應的提升策略。

2 長江上游地區產業生態化水平測度

2.1 指標體系

從系統視角出發，產業生態化強調產業系統與生態系統協同發展的理念，具有產業效率和生態效率的雙維度特征，是一個動態演變過程。因此，從產業效率和生態效率兩個方面對產業生態化進行客觀評價。在已有研究基礎上，基于數據可獲得性前提下，構建長江上游地區產業生態化綜合評價指標體系(表1)。

基于產業生態化的產業效率，不僅關注經濟增長速度，應更加注重經濟發展質量，如產業結構、人均收入水平、技術水平等[17]。生態效率提高立足于產品生產過程中生態化水平的提升，表現為生產過程中的資源損耗減少、資源利用效率提高、污染排放減少以及循環利用水平提高。因此，在生態效率指標上重點關注產業生產過程中資源消耗、廢棄物排放、資源循環利用水平等方面。

2.2 研究方法

2.2.1 熵值法

(1)數據標準化

為消除指標之間的量綱問題，對原始數據進行標準化處理。

正向指標：

(1)

負向指標：

(2)

式中，xij為原始數據；yij為標準化處理后的數據；max(xij)和min(xij)分別為第j項指標的最大值和最小值。

(2)指標熵值計算

按以下公式計算指標熵值：

(3)

式中，ej為指標熵值，0ej1；k=1/lnm，其中，m為評價對象個數；

(3)熵值法權重確定

按以下公式計算指標的權重：

(4)

式中，wij為指標權重；eij為指標熵值；n為指標數量。

(4)得分計算

要素層得分計算：

Yi=∑wij×yij

(5)

式中，Yi為要素層得分；wij為指標權重。

維度層得分計算：

Xi=∑Wi×Yi

(6)

式中，Xi為維度層得分；Wi為指標權重。

目標層得分計算：

Si=∑Qi×Xi

(7)

式中，Si為目標層得分；Qi為指標權重。

2.2.2 耦合評價模型

借用物理學中系統相互作用的耦合模型，構建產業效率和生態效率相互作用的耦合協調函數[17]。

(1)耦合度計算。產業效率與生態效率耦合度評價模型測算函數，表示為：

在公式中，C表示耦合度，C的數值大小可以直觀反映產業效率和生態效率的融合程度。C的取值范圍是[0，1]，C的數值越趨近于1，表明產業效率和生態效率耦合度越高，反之，說明耦合度越差。

(2)計算耦合協調度。為了避免單純依靠耦合度判斷引起的偏差，引入耦合協調模型，具體計算公式如下：

T=αU+βV

其中，D為耦合協調度，取值范圍為[0，1]，數值越大協調度越高；C為前面計算的耦合度；T為產業效率與生態效率綜合協調指數。借鑒已有研究結果，將α、β分別賦值為0.5、0.5，并將協調程度分為10等級(表2)[17]。

表2 耦合協調度等級劃分標準

2.2.3 數據來源

基于數據可獲得性，本文選取2004—2016年間長江上游地區四個省(市)的面板數據。研究數據主要來源于《中國統計年鑒》(2005—2017)、《中國環境統計年鑒》(2005—2017)、《中國工業統計年鑒》(2005—2017)、《中國高新技術產業統計年鑒》(2005—2017)。同時，為消除年際間物價上漲等其他影響，數據以2003年為基期進行折算。

2.3 產業生態化總體水平及協調水平評價

2.3.1 產業生態化總體水平成階段變化態勢

根據熵值法計算得到長江上游地區產業生態化綜合水平(圖1)。長江上游地區產業生態化水平發展具有明顯的階段性，2004年長江上游地區產業生態化得分為0.42；2016年產業生態化得分為0.37，從時間演變看，總體上未呈現明顯增長態勢。

2004—2007年，長江上游地區產業生態化呈逐年降低。其中，貴州省和云南省的產業生態化水平分別高于和低于長江上游地區整體水平。在前期階段，重慶市、四川省產業生態化水平分別低于和高于整體水平，后期階段，重慶市、四川省與長江上游地區整體水平相一致。在這一時期，長江上游地區著重產業結構調整，著重發展勞動、資本密集型產業。借助西部大開發宏觀戰略，積極承接發達地區產業轉移，大力發展能源工業、重化工產業、輕紡等產業。因此，長江上游地區經濟發展水平提高的同時，伴隨著相當大的資源消耗和污染排放，致使產業生態化水平降低。2008—2013年，長江上游地區整體以及四個省(市)產業生態化水平呈“M”型變化，此階段為勞動、資本密集型向資本密集型過渡階段，產業發展目標表現為重工業化、服務業化，產業發展重點為產業結構轉型階段。因為2008年的金融危機與2010年的西部大開發再啟動，表現為產業生態化水平波動較大。2014—2016年，長江上游地區產業生態化水平呈增長態勢。重慶市的產業生態化水平增長最為顯著并高于整體水平，貴州省產業生態化水平呈下降趨勢。此階段核心是促進產業結構升級，大力發展第三產業，以信息技術為核心的高新技術向傳統產業滲透，同時生物醫藥、新材料和新能源等產業開發能力提升。各地區產業生態化發展與其產業定向和產業結構呈相當大的相關性，但長江上游地區整體產業生態化水平呈穩步增長態勢。

圖1 2004—2016年長江上游地區產業生態化水平演變Fig.1 Evolution of industrial ecological level in the upper reaches of the Yangtze River,2004-2016

2.3.2 產業效率與生態效率呈現出一個此起彼伏的“X”型發展狀態

在研究期內，產業效率和生態效率這兩個維度的發展水平呈“X”型，產業效率大體呈現穩步提升，生態效率水平呈降低趨勢(圖2)。

長江上游地區產業效率一直穩中向好，產業發展基礎穩步提升，并且2010年之后，產業效率水平增長快速，2010年是西部大開發的再啟動之年，西部地區資源豐富、市場潛力進一步凸顯，加之國內經濟結構調整以及發展方式轉變，西部投資環境不斷完善，為承接產業轉移和發展現代化產業體系創造良好條件，有助于產業效率提升。在2010年后，重慶市在四省(市)中產業效率水平最高，重慶近年來發展戰略新興產業、實體經濟，讓產業轉型升級成為重慶市經濟增長的重要支撐。生態效率方面，長江上游地區及各省(市)生態效率處于降低趨勢。從相關指標統計數據顯示，長江上游地區各省(市)單位GDP能耗、電耗、水耗以及單位工業增加值廢水排放量處于降低趨勢，但工業廢棄物等的循環利用水平并未提升。

圖2 2004—2016年長江上游地區產業效率及生態效率演變Fig.2 2004-2016 Evolution of Industrial Efficiency and Ecological Efficiency in the Upper Reaches of the Yangtze River

2.3.3 產業效率與生態效率協調水平評價

產業-生態系統的目標在于注重“經濟”與“生態”之間的動態“均衡”關系。根據耦合協調模型計算長江上游地區耦合協調度(表3)。

從耦合協調度計算結果來看，長江上游地區產業效率與生態效率的耦合關系在0.24～0.29之間小范圍波動，處于中度失調耦合狀態，從圖2可知，在2004—2008年間，長江上游地區屬于生態先行型，2009—2011年，屬于產業和生態同步發展型，2012年及以后，屬于產業先行型，表現為產業效率與生態效率協同作用較弱，影響程度較低，耦合協調發展狀況改善不明顯。同時重慶市耦合協調發展狀態與整體水平相同；貴州省的產業效率與生態效率的協調度雖小幅度波動，整體上屬于輕度失調耦合狀態，2015年與2016年處于中度失調水平，產業效率與生態效率相互作用不明顯；四川省和云南省在2010年屬于嚴重失調，源于產業效率的低水平，其余年份都屬于中度失調耦合狀態，產業與生態協同水平較低。

表3 長江上游地區產業生態化水平的耦合協調度D及等級

3 產業生態化驅動因素研究

3.1 模型、變量與數據描述

上述分析表明長江上游地區產業生態化整體水平不高，存在較大的提升空間，因此，進一步對產業生態化的驅動因素進行分析，并制定科學合理的應對策略。在既有文獻研究的基礎上，從產業結構[13]、市場結構[14]、治理投資[15]等方面，選取具有代表性指標。同時為減少數據的異方差性，將所有變量取對數。基于此，建立如下面板模型：

(1)

其中，μit為地區效應，θt為時間效應，εit為隨機干擾項，αi為待估系數。

方程(1)是本文的基準估計模型。被解釋變量不僅受當期各解釋變量的影響還受上期產業生態化水平的影響。靜態面板回歸模型忽略了被解釋變量滯后項對其本身的影響，造成估計結果產生較大的偏差。在此基礎上，建立動態面板計量模型，表達形式為：

(2)

動態模型采用差分廣義矩(DIF-GMM)和系統廣義矩(SYS-GMM)方法進行估計。差分廣義矩估計雖克服了靜態模型因內生性問題而產生的偏差，但存在弱工具變量問題，而系統廣義矩估計方法同時克服了內生性和弱工具變量的問題。因此，本文采用系統廣義矩估計方法估計方程(2)。

被解釋變量：Yit=[lnSE,lnIE,lnEE]為一組被解釋變量，分別產業生態化水平(SE)、產業效率(IE)、生態效率(EE)，以前文計算結果表示。

解釋變量：(1)經濟發展水平(PGDP)。Grossman和Krueger(1991)認為環境污染與人均收入之間存在倒U型曲線關系，即當人均收入水平處于較低水平時，更多關注經濟的發展，此時環境污染隨著收入增加而加劇，當人均收入水平達到一定水平后，開始注重環境質量的改善，此時環境污染隨著收入增加得到改善，即經濟發展與環境污染存在庫茲涅茨假說。因此，在模型中引入經濟發展水平的一次項和二次項。(2)清潔生產(RD)。企業技術創新直接決定了其清潔生產水平，一般來說科技創新水平越高企業的清潔生產水平以及循環利用水平越高，相應的資源利用效率和環境效率越高。在此采用工業企業研究與試驗發展經費支出占工業總產值之比表示。(3)末端治理(IF)。工業企業環境治理強度直接決定了產業生態化發展的末端治理水平。Porter[18]通過案例研究認為，環境污染是對企業資源的浪費，降低污染有助于提高企業生產效率，企業同時獲得經濟績效與環境績效[19]。采用工業污染治理投資占工業總產值之比表示環境治理強度。(4)產業集聚(AGGL)。產業集聚具有知識共享及技術溢出效應有助于企業創新和專業化分工，由生產水平提高、治污理念優化帶來正向效應，提高資源利用效率以及循環再利用水平，降低單位產出能耗，改善生態環境。采用區位商指數法衡量第二產業的集聚程度，其值為長江上游地區四省市第二產業從業人員占全部從業人數的比重與全國該比重的比值。(5)市場化程度(NG)。市場化程度是影響著產業生態化發展行為的決定性因素，市場化程度越高，意味著更多民間資本進入產業發展。同時市場化程度越高，市場競爭越強，企業更有動力加大自主創新，利于產業生態化發展。采用國有及國有控股產值占比衡量。(6)對外貿易依存度(FDI)。在國際貿易過程中，各種利益相關者的不同訴求所引發的外部性、產權不明確和信息不對稱等問題導致的市場失靈和政府失靈的因素存在，對外貿易會對地區產業發展及其環境產生不同程度的影響[20]。以地區進出口總額占地區生產總值的比重來表示地區對外貿易依存度。(7)產業結構(IS)。產業結構是資源環境的消耗以及污染物形成的質和量的控制體，其對污染物種類、規模以及形成原因存在影響[21]，第三產業產值比重反映產業結構優化趨勢與程度，決定著產業生態化體系的完善，第三產業占比上升，能夠進一步提升產品的附加值，相應產業生態化發展水平越高。以第三產業產值占地區生產總產值之比表示。

原始數據來源于中經網統計數據庫、《中國工業統計年鑒》(2005—2017)、《重慶統計年鑒》(2005—2017)、《四川統計年鑒》(2005—2017)、《貴州統計年鑒》(2005—2017)、《云南統計年鑒》(2005—2017)。涉及變量的統計性描述見表4。

表4 變量的統計性描述

3.2 實證研究與結果分析

3.2.1 序列的檢驗

在探究產業生態化水平的驅動因素之前，首先運用Stata 14.0對進行回歸序列的平穩性進行檢驗。本文所用面板數據包含4個截面13期(N

根據對表5的分析可知，所有變量均為I(1)序列，但不能說明它們之間是存在長期的協整關系。本文使用KAO ADF統計量對變量之間是否存在協整關系進行了檢驗，并在5%的顯著水平下均拒絕了原假設(不存在協整關系)，表示各序列間存在顯著的協整關系，因此可以進行回歸估計。

表5 變量單位根檢驗結果

注：*、△、▲分別表示10%、5%、1%的顯著性水平。

3.2.2 模型的檢驗與估計

為檢驗各種因素對長江上游地區產業生態化水平的作用方向和作用強度，分別以產業生態化水平、產業效率、生態效率為被解釋變量，以各被解釋變量滯后項、各影響因素為解釋變量，進行靜態和動態實證分析。實證結果見表6。

表6 靜態與動態面板數據的估計結果

注：*、△、▲分別表示10%、5%、1%的顯著性水平，括號內為t統計量值；AR(1)和AR(2)分別檢驗差分殘差項一階和二階序列相關；Sargan為工具變量過度識別檢驗的統計量。

表6中M1～M3為對靜態面板數據模型(1)執行可行廣義最小二乘法(FGLS，Feasible generalized least squares method)的估計結果。表6中N1～N3是對動態面板數據模型(2)進行的動態面板估計結果，模型(2)的SYS-GMM估計的序列相關AR(1)、AR(2)檢驗和Sargan過度識別檢驗均通過了檢驗，表明模型不存在序列相關且工具變量合理，即SYS-GMM估計結果有效。因此，將按SYS-GMM估計結果進一步對各個變量系數及顯著性進行分析。

根據動態面板回歸模型估計結果，在模型N1～N3中，產業生態化水平、產業效率以及生態效率的滯后一期的回歸系數分別為0.294、0.111、0.628，并分別通過了5%、10%、1%顯著性水平檢驗，說明上一期產業生態化水平對下一期產業生態化水平產生很大的影響，即產業生態化發展是一個連續的、動態的調整過程。在各驅動因素上：(1)在模型N1中經濟發展水平一次項和二次項系數均顯著，且一次方系數為負、二次方系數為正，說明產業生態化水平與經濟發展水平呈“U”型曲線關系，表明產業生態化水平隨著經濟發展水平提高而降低，在經濟發展水平超過一定水平之后，產業生態化水平會隨著經濟發展水平的提升而提高，此時位于“U”型曲線的左側通道[22]，當前經濟發展還未帶來生態環境紅利的釋放。同時，經濟發展水平在模型N3結果也顯示同樣的系數符號關系，但未通過顯著型檢驗。模型N2表示，經濟發展有助于產業效率提升。(2)清潔生產在模型N1、N2、N3中估計結果均不顯著，但具有正向作用，說明當前企業科技創新是有利于提高清潔生產水平，以及產業生產技術水平，優化產業結構，但影響效應有限。(3)末端治理，采用的工業環境治理強度衡量，在模型N1中估計系數為0.051，并通過了10%的顯著性水平檢驗，說明污染投資治理能有效促進產業生態化發展。同時，末端治理在模型N3中未通過顯著性檢驗，具有正向作用，說明工業環境治理強度增加能降低產業發展過程中廢棄物的排放量，降低對環境的影響，但影響作用有限。在模型N2中估計結果顯示，污染治理投資增加不利于產業效率提高，主要是生產過程中，往往抽取部分利潤或生產投入用于環保設施投資或者污染后的末端治理[23]，存在產業生產的“擠出效應”。(4)在模型N3中，產業集聚在1%的顯著性水平下通過檢驗，模型N1、N2沒有通過顯著性檢驗，說明產業集聚帶來的知識共享等方面的正外部性，有助于提高企業的運營水平以及生產效率，降低單位產出能耗，改善生態環境[24]。(5)市場化程度在模型N1、N2中通過1%顯著性水平檢驗，且估計系數為負，而在模型N3中未通過檢驗，但具有負向作用。說明國有及國有控股企業產值比重降低，能有效提升產業生態化發展的總體水平和資源效率，同樣積極促進民營資本進入行業領域，有助于產業效率提高以及改善生態環境改善[15]。(6)對外貿易依存度在模型N1、N2、N3均未通過顯著性檢驗，從估計結果來看，系數符號與預期相符，對外貿易依存度對產業生態化以及生態效率有著負向作用，對產業效率有著正向作用。說明隨著地區進出口貿易在地區生產總值中所占比重的增加，產業生態化水平以及生態效率呈降低趨勢，這主要是因為出口產品主要集中在初級產品和初級加工制成品以及半成品等，此類產品數據資源消耗型，不利于本地的產業生態化發展與生態效率提高，卻有助于產業生產的提高。(7)產業結構在模型N1、N2、N3中估計系數為正，并在模型N2、N3中通過5%顯著性水平檢驗。本文采用第三產業產值比重表示產業結構，根據統計數據顯示，第三產業產值比重上升，從勞動密集型到資本密集型再到技術密集型的轉變，實現了產業效率以及生態效率的提高，即產業結構合理化、高級化能顯著提升生態效率和產業效率。

4 結論與政策啟示

本文以長江上游地區為例，從產業效率、生態效率兩個維度，構建了產業生態化評價指標體系，采用熵值法、借助耦合協調模型綜合評價產業生態化水平，并基于2004—2016年的面板數據，進一步使用靜態與動態面板模型對長江上游地區產業生態化驅動因素進行了實證研究。研究發現：(1)長江上游地區產業生態化發展具有明顯的階段性，2004—2007年，長江上游地區產業生態化呈逐年降低；2008—2013年，長江上游地區整體以及四個省(市)產業生態化水平呈“M”型變化；2014—2016年，長江上游地區產業生態化水平呈增長態勢。(2)長江上游地區的產業效率與生態效率呈現出一個此起彼伏的“X”型發展狀態，產業效率大體呈現穩步提升，生態效率水平呈降低趨勢。(3)長江上游地區的產業效率與生態效率的耦合關系在0.24～0.29之間小范圍波動，處于中度失調耦合狀態，產業效率與生態效率協同水平較低。(4)實證顯示，產業生態化水平、產業效率以及生態效率的滯后項對本期發展皆存在顯著的正向影響，經濟發展水平、清潔生產、末端治理、產業集聚、市場化程度、對外貿易依存度、產業結構等因素從不同程度上作用于產業生態化水平，且驅動因素對產業效率和生態效率呈現不同效果，產業效率更多受經濟發展水平、市場化程度、產業結構的影響，而生態效率則受產業集聚、產業結構的影響更為顯著。結合本文研究結論，為促進長江上游地區產業生態化發展，提出以下建議：

第一，明確產業發展重點，建立嚴格的產業準入退出機制。對不同區域的項目引入實施進入壁壘、污染排放等的差異性標準，積極引入高效、清潔生產的效益產業；建立市場退出機制，對與上游地區生態功能定位不符的高污染、高排放企業，通過補貼、產業轉移等手段，逐步進行淘汰，以高強度的環境規制倒逼企業轉型。

第二，重點積極推進對正面清單產業市場化、多元化、激勵型的綠色財政補償和政策調控控制。構建形成按照生態受益者付費、保護生態者得到補償、生態資源使用者付費、破壞生態者付費等原則的財政補償及政策調控，以資金、人力、技術等的生態補償方式，積極引導生態高要求的正面清單產業發展。

第三，搭建政產學研綜合平臺，實現生態產業的基礎研究、成果轉化與規模生產三個階段的有機銜接，加快促進產業生態化。以市場運行機制、技術經紀服務、引導供需合作等搭建政產學研綜合平臺，提升區域創新能力和核心競爭力，調整產業結構、促進產業轉型升級，打造現代生態產業體系。

第四，探索創建現代生態產業績效考核評價制度，把GEP作為綠色發展的政績考核新標尺。在生態文明新時代，要轉變過去以GDP為導向的績效考核制；要轉變地方政府職責，政企分開，弱化政府的“經濟人”特性，避免地方保護主義和地方割據等不利于區域協作的社會現象；要建立和明確協作機構，避免管理混亂。