安徽省生態效率測算及影響因素分析

孫 偉,李烜耀

（安徽建筑大學 經濟與管理學院 城市經濟與區域發展研究所,安徽 合肥230601）

0 引言

改革開放40年以來,我國經濟持續快速的增長.2017 年的十九大報告中指出目前我國經濟依然保持中高速增長,國內生產總值穩居世界第二,對世界經濟增長貢獻率超過百分之三十.世界銀行2018年最新發布的《中國系統性國別診斷報告》中指出中國在快速經濟增長取得了“史無前例的成就”.但是,在我國如此驚人的經濟增長的背后卻是以資源消耗損失、生態退化損失和環境污染損失為代價的.［1］隨著生態環境問題的日益突出,我國政府在1990年確立了環境保護為基本國策并加以執行.2007 年十七大報告提出了建設資源節約型和環境友好型社會的目標.十九大更是將建設生態文明提升為了中華民族永續發展的“千年大計”.但遺憾的是,至今為止我國的生態環境保護工作收效甚微,想要徹底解決生態環境問題還有很長的路要走.我國國土幅員遼闊,自然條件與經濟發展地域差異明顯,解決生態環境問題需要分區域進行.本文以安徽省地級市作為研究對象,探討安徽省各地級市的生態效率及影響效率的因素.

生態效率的概念是在1990 年被德國兩位學者Schaltegger 和Sturm 首次提出的.隨著學界對生態效率定義和內涵的深入研究,一系列的定義被提出.1992 年,世界可持續發展工商理事會將生態效率作為商業概念加以闡述并被廣泛認可:“生態效率是通過提供能滿足人類需要和提高生活質量的具有競爭性價格的商品與服務,同時使整個壽命周期的生態影響與資源強度逐漸降低到一個至少與地球的估計承載能力一致的水平來實現的”.［2］1996 年BASE 集團從產品生產的角度定義了生態效率的概念.隨后,生態效率被世界經濟合作與發展組織賦予了更寬泛的概念,生態效率意味著利用更少的生態資源來獲得更多的價值.

區域生態效率的評價方法很多,根據對象、評價的層面、評價的視角等不同,已有的研究中采用的方法也不相同.目前使用較多的評價方法為比值評價法和指標評價法.指標評價法中又包括因子分析法、數據包絡分析法等.因子分析法可以簡化數據結構,通過變換或者降維,使問題得到簡化,而且能最大限度地保留原有信息量.［3］陳傲以2000-2006 年中國29 個省際截面數據,采用因子賦權分析法評價了中國區域生態效率的差異性.［4］陳武新運用因子分析與聚類分析結合的研究方法,對中國區域生態效率的差異性進行評價.［5］但因子分析法適用的范圍較窄,數據須通過KMO 檢驗,否則評價就不能繼續進行.數據包絡分析法則可彌補以上的不足,因此,國內外眾多學者多利用DEA 模型對效率進行研究.曾賢剛、吳鳴然利用DEA模型測算我國省市的環境效率,然后利用Tobit 分析了該環境效率的影響因素.［6］［7］王寶義等基于1996-2015 年31 個省份面板數據,利用了DEA-Tobit 等多種模型方法,實證研究了中國農業生態效率省際差異和影響因素.［8］彭研基于超效率DEA-Tobit 分析框架,利用超效率DEA 評價了江蘇13 個地級市及蘇南、蘇中、蘇北3 個區域2009-2013 年的工業生態效率,并利用Tobit 測算了影響因素對效率值的影響.［9］付麗娜等運用超效率DEA 方法測算了長株潭城市群各城市的效率,再通過利用Malmquist-DEA 模型將各城市生態效率進行動態對比,最后建立了基于面板的Tobit 模型用以考察不同因素對效率的影響.［10］

通過對現有文獻的梳理可以發現,生態效率的研究存在以下問題有待完善:（1）大多數的國內學者將生態效率的研究范圍集中在省域及經濟發展水平較高的地區,而對中部地區尤其是安徽省關注不夠.（2）國內學者測算生態效率時多采用非參數SBM 模型,這樣造成的結果就是無法對有效單元決策進行進一步區分.（3）在生態效率測算時,已有文獻對于非期望產出與期望產出的處理方式有待完善,采用取倒數的方式并不能真實反映非期望產出對生態環境造成的負面效應.

鑒于此,本文可能的研究貢獻在于:第一,將基于非期望產出的超效率SBM 模型用于安徽省的生態效率評價的研究中,一定程度上充實了中部地區城市生態效率的研究.第二,以流經安徽省境內的長江與淮河為界,將安徽省劃分為皖南、皖北和江淮地區,期望為分區域治理做出微薄貢獻.第三,運用了Tobit 回歸對影響安徽省生態效率的關鍵因素進行分析,評價和分析結果有助于改進安徽省生態效率,以期促進安徽省經濟的高質量發展,實現區域經濟的可持續發展.

1 研究模型、指標體系及數據來源

1.1 超效率DEA 模型

數據包絡分析法（DEA）是由美國著名的運籌學大師Charnes 和Cooper 等創立.DEA 基本模型為CCR 模型和BBC 模型,其區別在于是否假設規模報酬可變.在規模報酬不變的情況下,DEA 模型又分為投入角度導向型和產出角度導向型.傳統模型僅考慮期望產出,對投入變量的松弛性和非期望產出并未考慮,會導致結果不準確.針對以上缺陷,Tone 提出將松弛變量加入傳統DEA 模型的SBM 模型,改良后的模型可以從投入角度和產出角度對無效狀態進行測量,使計算結果更為準確.基礎的SBM 模型的產出被設置為期望產出,忽視了非期望產出帶來的影響,因此,在基礎的SBM 模型上Tone 又提出了考慮非期望產出的SBM模型:［11］

式中:ρ 表示效率值;j 表示決策單元;n 表示決策單元個數;λj表示強度變量; xj, yj,bj分別代表第j 個決策單元的m 維投入變量;q1 代表期望產出變量;q2 代表非期望產出變量;m,q1,q2 分別表示投入、期望產出和非期望產出的指標的個數;x0,y0,b0分別表示被評論決策單元DMU0 的投入變量、產出變量和非期望產出變量;分別代表投入、期望產出和非期望產出的松弛變量.

通過模型（1）對數據進行測算的時,經常會出現多個決策單元具有效果,其結果均為1的情況,這樣造成的結果就是無法對效率值為1的有效單元決策進行進一步區分.針對以上問題,Andersen等提出了超效率DEA 模型解決了有效決策單元的評價問題,這一理論是在評價某一特定決策單元時,以排除被評價單元被以外的其他決策單元構成對照集,顯然這樣解決了多個決策單元效率值為1的問題,從而進一步對效率值為1的有效單元的進一步排序,所以把超效率DEA思想加入到模型（1）中,得到了有別于原始SBM模型的,考慮非期望產出的超效率SBM模型,［12］為:

式中各字母代表的意義與模型（1）中的相同,其ρ 與模型（1）不同,含義為被評價決策單元與由其他決策單元構成的前沿二者之間最小的距離,還需要將模型（1）中等于號替換為不等號,以使防止模型（2）中必然有解,模型（2）的有效性的判定原則如下:

1）若ρ＞1,則DMU0為有效,且ρ 值越大代表效率越高.

2）若ρ＝1,則DMU0有效

3）若ρ＜1,則DMU0無效

基于上述模型的生態效率評價模型,不僅考慮了投入產出的松弛性問題,而且考慮了因資源投入而導致的生態負效應,同時還解決了效率值均為1的高低排序問題.

1.2 Tobit 模型

當因變量滿足某種特定的約束時,可以使用Tobit模型,Tobit模型又被稱為截取回歸模型.該模型于1958 年由美國經濟學家Tobin 提出.［13］Tobit 模型有離散因變量模型和受限因變量模型兩種表達形式.由于超效率測算出的結果均大于0,因此選取后者.Tobit面板回歸模型為:

1.3 指標體系的構建

為全面準確的測算安徽省的區域生態效率,本文的投入產出指標是在借鑒已有的文獻并充分了考慮指標的可得性來選取的.其中,投入指標除了選取傳統的勞動和資本投入之外,還加入了土地、能源以及水資源投入納入分析體系;產出指標包括期望產出和非期望產出.構建的指標體系如表1所示:

表1 生態效率指標體系

1.4 決策單元及數據獲取

本文以2003-2016 年安徽省16 個地級市為決策單元,在此期間巢湖市出現了行政區劃調整的問題,因此予以剔除.研究期內的數據缺失采用了移動平均法進行補齊,相關數據按照2002年的不變價格進行了折算,所有數據源自《中國城市統計年鑒》和《安徽統計年鑒》（2004-2017年）.

2 安徽生態效率評價結果及分析

根據模型（2）,運用MaxDEA 7 Ultra 軟件對2003-2016 年安徽省各地級市的生態效率進行測算,并利用加權平均的方式得出皖南、江淮、皖北地區三大區域的生態效率,具體結果如表2所示.

表2 安徽省各地級市及三大區域生態效率

研究期內安徽省各地級市生態效率整體均值為0.564,總體水平不高,低于效率均值的地級市有8 個,占樣本的50%,說明有一半的地級市生態效率達不到安徽平均水平;均值高于平均水平的地級市有8 個,分別是合肥、安慶、滁州、阜陽、宿州、六安、亳州、宣城,其中江淮地區、皖北地區、皖南地區分別占4 個、3 個、1 個.效率最高的是亳州,為0.947.最低的是淮南,僅為0.263.可見,安徽省的生態效率仍具有較大的提升空間.

為了分析安徽省歷年生態效率的演變,將研究期內所有城市生態效率的均值作于圖1.如圖所示,安徽省的生態效率呈現波動上升趨勢,其中生態效率值最低的年費是2003年,2016年生態效率值最高,僅在2011 年增長較快又快速回落.為了緩解環境壓力,2012 年十八大報告明確了大力推進生態文明建設的總體要求,2013 年又陸續出臺了大氣污染、水污染、土壤污染防治行動計劃.由圖形趨勢可見,2012 年之后安徽省生態效率呈現快速上升態勢,說明我國出臺的一系列污染防治措施對生態效率具有正向的促進作用.

圖1 安徽省生態效率歷年均值

為比較皖南、江淮、皖北地區三大區域生態效率的差異,將其生態效率的歷年均值作于圖2.可見,安徽省三大區域的生態效率呈現遞增趨勢,但是波動較大.江淮地區的生態效率在2003與2004 年位居首位,但是在2005-2007 的生態效率卻為地區最低值,隨著時間的推移,安徽省大力發展江淮地區,人民生活水平提高,對環境質量的要求也不斷提升,使得其生態效率不斷向好,到2016 年已為地區生態效率最高值.皖北地區生態效率增長較為平穩,在2005 至2010 年期間位居為地區生態效率首位,但是在近幾年發展中江淮地區的生態效率增長較快,皖北地區反而發展緩慢.皖南地區的生態效率發展不夠穩定,波動較大,但總體仍呈現增長的趨勢.

圖2 安徽省三大區域生態效率歷年均值

3 安徽省生態效率影響因素分析

3.1 變量的選取

考慮到數據的可得性及生態效率的特點,結合已有文獻,選取了經濟發展水平、外資利用、人口密度、城市化率、政府財政教育支出及科技支出等作為生態效率的影響因素（見表3）.

表3 生態效率影響因素

3.2 模型建立

基于Tobit模型,本文構造式（4）模型:

其中,itEE 代表i地區t年的生態效率值,itα代表常數項,1β～6β 代表五個影響因素對生態效率的影響大小,itE 代表模型的截取回歸模型.回歸結果見表4:

表4 安徽省各地級市及三大區域生態效率影響因素測算結果

通過表4可以看出,從安徽省生態效率的影響因素中,經濟發展水平（Eco）、外資利用（Open）、城市化率（UL）、政府對教育的支持（Gov1）、政府對科技的支持（Gov2）均通過檢驗,并且擬合效果良好.人口密度（PD）指標未通過檢驗.

在百分之十的顯著水平下經濟發展水平（Eco）與安徽省生態效率（EE）呈正相關,人均GDP 每提高1 億元,安徽省城市生態效率就會提高0.047%,但對江淮、皖南地區來說卻影響不大.這說明隨著安徽省經濟發展水平的提高,地方政府更加有能力建設生態文明與環境保護,在一定程度上實現了經濟發展“反哺”生態環境,但是對于江淮地區和皖南地區,經濟發展反哺生態環境的作用仍需加強.

在百分之一的顯著水平下外資利用（Open）和安徽省的生態效率（EE）呈負相關,外資利用（Open）每提高1%,安徽省的生態效率（EE）就會降低10.28%,這說明外資的投入會影響安徽省生態效率,這與安徽省承接的污染密集型產業有著緊密的聯系,污染密集型的產業雖然帶動了地方經濟的發展,但也導致加重了環境污染.而分區域中的外資利用（Open）對皖北、江淮、皖南地區影響不大,說明對三個地區而言外資的投入并沒有對其生態效率的提升造成阻礙,可能和各地區核心城市改變招商思路,提高外企進入的環境門檻有一定關系.

人口密度（PD）對安徽生態效率（EE）的影響并不顯著,但對江淮地區的生態效率在1%的水平下呈負相關,說明對江淮地區而言,人口密度過大,會增加環境壓力,加劇生態破壞,不利于生態效率的提升.

在百分之十的顯著水平下城市化率（UL）與安徽省生態效率（EE）呈負相關,城市化率（UL）每提高1%,安徽省的生態效率就會下降0.067%;在分地區分析中,皖北與皖南地區的回歸結果顯著為負值,江淮地區的回歸結果不顯著,但回歸系數依然為負值.可解釋為大量農業人口轉移進入城市帶動了城市基礎建設、住宅的需求.在拉動經濟快速增長的同時,同時帶來了城市交通擁擠、垃圾增多,水污染、大氣污染等一系列與生態環境相關的問題,從而對生態效率產生負面影響.

在百分之一的顯著水平下政府對教育的支持（Gov1）與安徽省生態效率（EE）呈正相關,政府對教育的支持每提高1%,安徽省生態效率就上升2.54%.教育的支持,有助于提高人們的綜合素質,并提高人們對綠色生活的渴望,從而減少資源的浪費,進而提高生態效率.政府對教育的支出對皖北、江淮、皖南地區的生態效率影響并不顯著.

在百分之十的顯著水平下政府對科技的支持（Gov2）與安徽省生態效率（EE）呈正相關,政府對科技的支持水平每提高1%,安徽省的生態效率提高31.26%;在分地區分析中,江淮與皖南地區的回歸結果顯著為正值,對皖北地區的影響不顯著.政府科技支出水平是影響生態效率提升的重要因素.科技進步有助于創新和推廣節能減排技術,將大量的科研成果轉化為生產力,在推動城市工業化與城市化的進程中提高生態效率.但是在皖北地區,仍需充分發揮科技對生態效率的帶動作用.

結 論

本文基于2003-2016 年安徽省16 個地級市的面板數據,運用了非期望產出的超效率SBM模型測算出了安徽省各地級市的生態效率,對皖南、江淮、皖北地區三大區域的生態效率進行比較分析,并利用Tobit 模型對生態效率影響因素進行研究.結論如下:

（1）安徽省各地級市生態效率整體均值總體水平不高,有一半的地級市生態效率達不到安徽平均.各地級市生態效率均值從高到低排名:為亳州（0.947）、滁州市（0.765）、宿州市（0.751）、宣城市（0.685）、阜陽市（0.666）、安慶市（0.647）、六安市（0.583）、合肥市（0.571）、黃山市（0.559）、蕪湖市（0.549）、蚌埠市（0.465）、池州市（0.447）、馬鞍山市（0.415）、銅陵市（0.398）、淮北市（0.308）、淮南市（0.263）.從時間序列來看,安徽省的生態效率出現先增長后下降再增長,總體趨勢向上的發展態勢.

（2）影響因素分析結果顯示,經濟發展水平、政府對教育的支持、政府對科技的支持對安徽省生態效率呈正向影響,外資利用、城市化率對安徽省生態效率呈負向影響.經濟發展水平、外資利用、人口密度、城市化率、政府對教育的支持、政府對科技的支持對安徽省生態效率的影響根據區域的不同影響也有差異.對皖北地區而言,生態效率的兩個指標是經濟發展水平、城市化率;影響江淮地區生態效率提升的主要因素是人口密度、政府對科技的支出;影響皖南生態效率的兩個指標是政府對科技的支持、人口密度.

（3）從經濟發展水平對安徽省生態效率的影響來看,安徽省需要發展成低消耗、低排放的環境友好型經濟.對外資利用的結果來看,外資在推動經濟增長的同時也對環境造成了負面的影響,安徽各地級市應在積極引進外資的前提下,提高外資企業進駐的門檻.隨著城市化的進程,大量的問題也涌入了城市,需要在開發的同時注意環境保護,不能走先污染后治理的老路.政府對教育的投入可以提高安徽省的生態效率,但對于皖北、江淮、皖南地區卻不顯著,說明政府的教育投入并沒有最終傳導到各區域,政府應加強環境保護意識的教育力度,以提高人們的生態保護意識.科技是第一生產力,科技的進步有助于創新和推廣節能減排技術,在推動城市工業化與城市化的進程中提高生態效率.政府對科技的投入對皖北的生態效率影響并不明顯,說明皖北的科技投入未得充分的利用,因此政府需要積極調動資源合理利用科技投入,將科技投入轉化為節能減排成果.