揚子江城市群綠色要素增長效率評價及其影響因素研究

李根忠 武淑慧

(三江學院 法商學院,江蘇 南京 210012)

揚子江城市群憑借在長江經濟帶的區位優勢，交通便利，資源豐富，在區域經濟中具有重要地位，全面推進揚子江城市群區域協調發展能夠提升江蘇省經濟向高質量發展的動力，并對長江經濟帶區域發展具有引領示范作用。生態文明建設是“五位一體”總布局的重要一環。習近平總書記在黨的十九大中指出，建設生態文明必須要樹立“金山銀山”的理念，堅持節約和保護生態資源。改革開放40年，江蘇經濟取得了舉世矚目的成就，但城市環境也遭到了嚴重破壞。過去以犧牲環境促經濟發展的“粗糙”式發展模式已經嚴重影響了經濟進一步增長和居民生活水平的進一步提高。目前，江蘇經濟呈現出產業結構優化，經濟增長動力轉換的新特征，既要搞好生態環境建設又要實現經濟高質量發展，其符合江蘇政府提出的六個標準之一。雖然揚子江城市群環境治理取得了一定的成效，但是形勢依舊嚴峻。因此，在江蘇經濟轉型的關鍵時期，處理好“綠水青山”與經濟“高質量”增長的平衡關系顯得十分重要。基于此背景，本研究對揚子江城市群綠色要素增長效率進行評價并分析其影響因素，為揚子江城市群區域經濟高質量發展探尋發展路徑。

1 文獻綜述

正確把握生態環境與經濟發展的關系是經濟持續增長的內在動力。如何克服經濟活動對生態環境的破壞問題，大量研究從綠色全要素和生產效率角度進行了廣泛研究。早期對于綠色要素的測算方法主要是圍繞投入產出，如Solow利用柯布-道格拉斯生產函數研究了經濟增長與資本、勞動力投入的關系[1]。但是該測算過度關注“好”產出，而忽視“壞”產出的存在，導致綠色GDP的核算出現偏差。隨著經濟的發展環境問題日益嚴峻，將“三廢”作為產出要素來處置，既可以區別對待“好”產出和“壞”產出，又可以通過投入與產出變化來測算綠色要素生產效率對經濟增長的影響。對于綠色要素生產效率的測算比較流行的是利用隨機前沿函數分析和DEA-SBM模型等，該模型有效地考慮了“好”和“壞”產出，是一種非常有效的綠色效率評價方法。Chung在1997年將期望產出和非期望產出納入綠色要素效率測算評價，并提出了方向性函數[2]。Tone提出SBM模型，將松弛變量納入目標函數解決了角度和徑向帶來的測算偏差，并通過SBM模型測算出含非期望產出的綠色要素效率[3]。劉瑩利用DEA與馬姆奎斯指數測算了長三角城市的綠色要素得分以及動態和靜態的綠色貢獻效率[4]。

對于綠色增長的影響因素不同的學者給出了不同的解釋。朱承亮基于產出角度的SBM-Mundesirable模型基礎上測算了節能減排對經濟增長的綠色生產效率[5]。劉瑩利用DEA與馬姆奎斯指數測算了長三角城市的綠色要素得分以及動態和靜態的綠色貢獻效率[5]。吳利利用非期望產出的SBM-Mundesirable模型對我國東部、中部和西部三大區域的綠色效率進行橫向比較，并在此基礎上評價出綠色效率的影響因素[6]。張彰等基于DEA模型基礎從財政分權及政府行為的角度支出二者對綠色要素生產率增長具有正向的影響的機制[7]。王燕、孫超通過門限回歸模型研究指出產業協同對綠色全要素生產率的影響呈現出倒U型[8]。許麗夢等基于非期望產出的SBM模型,對山東省各區域綠色發展效率進行評價,并進一步構建Tobit模型探究其影響因素[9]。馮海波、葛小南通過基于R&D投入經濟增長模型，從R&D投入對綠色全要素生產率有輻射擴撒和外溢效益[10]。

綜上所述，目前各學者在有關綠色全要素增長效率評價的方法上所持觀點各不相同，研究對象多數是以單一省份，而對揚子江城市群的綠色全要素生產效率測度還比較少。本研究基于非期望產出的SBM超效率模型以及GML指數對揚子江城市群綠色增長效率問題進行測算研究。

2 研究方法

2.1 效率測度模型

基于Tone Kaoru提出的包含非期望產出的SBM-Undesirable模型[11]與歐文構建的GML指數相結合，構建包含非期望產出的SBM超效率模型。

(1)

s-,s+,sb-,λ≥0;

i=1,2,…,m;r=1,2,…,q;j=1,2,…n(j≠k)

SBM模型表達式中(見式1)，s為投入與產出的松弛量，λ表示權重向量；xik、yrk、btk分別表示投入要素、期望產出要素與非期望產出要素；sb-、s-、s+分別表示三種要素的松弛變量；m、q1、q2分別表示三類要素的數量；目標函數ρ表示關于sb-、s-、s+，并且其值在0與1間。xij為第j個DMU的i項投入，yrj為第j個DMU的r項產出。待決策單元，當且僅當其值為1時，即滿足s-、sb、sg相等時，該決策單位有效，否則無效或效率損失。

2.2 GML指數模型

GML指數模型(GML-Malmquist-Luenberger指數)在傳統的Malmquist指數基礎上構建而成，解決了傳統的Malmquist指數只能計算方向性距離函數的缺點，將含壞產出的方向距離函數應用于SBM模型構建了GML指數方法。運用該方法計算2008—2019年揚子江城市群綠色全要素生產率，該模型的計算公式如下：

(2)

3 綠色要素生產率測算與分析

3.1 數據選取與說明

研究內容選取了2008—2019年揚子江城市群的面板數據來測算該區域內的綠色全要素生產率。為了測算綠色全要素生產率，選取要素投入、期望產出和非期望產出三個指標。其中，要素投入主要包括：資本投入、勞動力投入、能源投入，分別用資本存量、揚子江城市群各地區年末就業總人數以及各地區能源消耗總量進行衡量。具體數據說明如下：

1)資本存量。目前普遍采用的測量資本存量的方法是Goldsmith于1951年開創的永續盤存法，由于中國沒有進行大規模資產普查，張軍等提出選取一個基準年估計后再采用永續盤存法按照不變價格測算各省市資本存量。計算公式為：

Kt=Kt-1(1-δ)+It

(3)

式(3)中Kt表示第t年的資本存量，Kt-1表示上一年的資本存量，It表示第t年的新增固定資產投資金額，δ表示固定資產的折舊率為9.6%。2)勞動力投入。勞動力是生產資本要素中不可缺失的一個重要部分，本研究采用揚子江城市群8市2008—2019年年末從業人員數來表示。3)能源投入。選取《江蘇省能源統計年鑒》能源平衡表中發布的2008—2019年揚子江各城市能源消費終端量、能源損失量作為能源消耗總量。4)產出變量。期望產出以2008—2019年揚子江城市群各地區GDP作為衡量期望產出值。非期望產出選取工業“三廢”(廢水、廢氣、固廢)排放量通過熵權法賦權處理后得到環境污染綜合值作為衡量非期望產出值。其中廢氣選取占絕對比例的二氧化硫排放量作為代表指標文章中的數據均來源于2008—2019年《江蘇統計年鑒》《南京統計年鑒》《中國能源統計年鑒》及各地區統計年鑒。

3.2 綠色全要素生產效率的靜態評價

將投入變量的三個投入和兩個產出分別代入非期望產出SBM模型，結合Matlab線性求解函數得出揚子江城市群各地區靜態綠色全要素增長率及變化趨勢，見表1。從測算結果整體來看，綠色要素生產效率的均值總體保持在0.7～0.9之間波動，2018—2019年間呈下降趨勢，說明綠色要素效率受外部環境影響加劇。從各城市區域來看， 無錫、揚州和南通各地區的綠色要素效率2008—2019年基本比較穩定，說明綠色經濟效率在這10年間是有效的，該區域經濟發展中的投入與產出基本實現了均衡。

3.3 綠色要素增長的動態效率評價

本研究考慮了揚子江城市群8市的地理距離空間權重，將投入與產出代入GML指數模型，利用線性規劃求解軟件測算出該區域綠色全要素生產效率的動態變化及其各分解項演變態勢，見圖1。綠色全要素生產率(GTFP)在2010—2012年、2013—2015年的兩個時間空間內比較不穩定，波動幅度明顯。在2015年以后就呈現了穩定的態勢，且從2017年以后開始逐年下降。GTFP指數變化與技術進步變動(MLTECH)指數變化的規律基本吻合，說明技術變動對綠色全要素效率的貢獻非常大，特別是在2013年以后該吻合度表現得更加明顯。從圖1具體來看，2013—2014年GTFP指數從0.860上漲到了2.482，增長了2.89倍，而MLTECF指數由0.645上漲到了4.071，增長了6.3倍。因此，在考慮環境因素下揚子江城市群區域內綠色生產要素效率(GTFP)不高的主要影響因素是MLTECH，技術進步是促進經濟增長的主要驅動力。

表1 2008—2019年揚子江城市群8市綠色全要素靜態效率評價結果

圖1 2008—2019年揚子江城市群8市GTFP動態變化及指數分解(數據來源：DEA-Malmquist測算結果)

從揚子江群城市群區域地理位置層面來看，根據SBM模型，筆者對2008—2019年揚子江城市群8個決策單元的綠色全要素生產率進行測算，測算結果見表2，揚子江城市群各市的平均技術效率變動指數只有南京、蘇州、揚州和泰州較高，技術效率增幅超過1%，鎮江市、常州市和南通市的技術效率變動指數小于1。按平均技術效率變動指數大小得到的各市排序與按綠色全要素生產率GML指數得到的排序較不符，因此，研究期內技術效率變動對揚子江城市群綠色全要素生產率的變動影響較小，而綠色全要素生產率的變動會受其技術進步的影響較大。

4 影響綠色全要素效率指數的因素分析

為了進一步考察影響2008—2019年揚子江城市群綠色全要素效率的因素，筆者結合現有的研究成果，重點圍繞產業結構、城鎮化進程、環境治理能力等因素進行分析。由于靜態效率值在0與1之間，故變量是受限變量，鑒于LM檢驗結果拒絕stata_u=0，故認為其存在個體效應。所以，如果利用普通的最小二乘數法可能與實際結果出現偏差，鑒于本研究采用Tobit回歸模型，該模型公式如下：

表2 2008—2019年揚子江城市群綠色全要素生產率GML指數分解

Yit=α+βXit+uit+εit

(4)

式(4)中，Yit代表因變量，其表示第i市區域在第t年綠色全要素效率，Xit表示影響綠色要素的因素變量，α表示截距項，β為被估計差數，uit表示個體效應，εit誤差系數。變量的選取說明具體如下：

1)城鎮化發展水平(Urb)用城鎮人口與該地區常住人口總數之比表示。2)產業結構(Indit)用第二產業增加值占該區域GDP增加值之比表示。3)金融支持效率(Fin)。選取各市區域內金融貸款余額占該區域內金融存款余額之比。4)研發投入金額(R&D)用各市R&D研發投入金額占該地區GDP的比重表示。5)能源消費(Enit)指煤炭消耗量占能源消費總量的比重。6)環境治理力度(Er)由各市治理環境投資總金額取對數后得出。7)人力資本(Hc)指各市高校的在校大學生人數占該地區在校學生數的比重。

基于Stata15.0進行Tobit回歸模型對揚子江城市群綠色全要素生產效率的影響因素進行回歸分析。為了方便統計相關數據，故將揚子江城市群分為蘇南和蘇中兩大區域進行實證分析，(1)代表揚子江城市群整體綠色全要素生產效率影響因素，(2)和(3)分別代表蘇中和蘇南的區域分析，其結果見表3。

表3 揚子江城市群綠色全要素效率影響因素的Tobit回歸結果

由表3所示可以得出以下結論：

其一，一個地區的城鎮化(Urb)發展進程可以反映該地區的經濟發展水平，在促進該地區經濟增長的同時，由于城鎮化擴張、工業化發展以及人口不斷聚集等因素對環境造成污染。由表3可以看出城鎮化發展對綠色全要素增長率影響的實證結果為0.061，是正向影響，且對蘇南的綠色效率值影響具有明顯的顯著性，說明城鎮化進程對蘇南綠色效率影響遠大于其對蘇南環境的破壞。但是，城鎮化進程對蘇中區域綠色要素效率影響值為-0.051**，說明其阻礙了該地區的綠色要素效率提升。

其二，合理的產業結構(Indit)協同聚集可以通過影響純技術效率、規模效率和技術變化改變綠色全要素生產效率值。尤其是一些高新科技產業與“互聯網+”的緊密結合可以有效地節約資源，提升綠色全要素效率。從表3中可以看出，產業結構對揚子江城市群和蘇南綠色要素增長效率的影響值分別為0.172和0.386,因此對綠色要素的提升有正影響。但是，對蘇中區域的綠色要素效率提升有抑制作用。其原因可能是由于蘇中地區的第二產業結構轉型緩慢，生產技術效率依然低下，尤其是高消耗、高污染產業嚴重阻礙了改善環境質量的進程，成為制約蘇中地區產業結構向綠色產業轉型發展的重要因素，造成GDP產出效應小于非期望產出的負效應，進而降低了綠色要素增長效率。

其三，金融對實體經濟的支持率(Fin)主要來自社會融資和外資投資兩個方面，兩者在共同促進經濟增長的同時對資源環境也會產生負的影響。從表3可以看出，外資投資對揚子江城市群綠色要素增長的影響表現不明顯，而對蘇中地區綠色要素的影響為負作用，一方面說明金融資源在蘇南和蘇北出現了不均衡配置，導致金融發展支持實體經濟出現了“脫實入虛”的現象，降低了金融的利用效率。另一方面說明蘇北的產業結構可能還存在不合理，在該地區金融資源流入了“三高”企業，制約了綠色全要素效率的提升。

其四，研發(R&D)投入是實現技術創新、提升綠色要素效率的重要途徑，研發投入力度越大其創新能力就越高。從表3中可以看出研發投入對整個揚子江城市群綠色全要素增長呈現了正作用，緩解了經濟增長對環境帶來的破壞壓力，對發揮揚子江城市群區域的綠色經濟轉型發展起到了推動作用。

其五，能源消費(Enit)結構對揚子江城市群綠色要素增長效率具有抑制作用，從實證結果來看其系數是-0.153，且蘇北高于蘇南。這表明蘇中的煤炭消費量較高，落后產能的產業結構轉型比蘇南遲緩。其原因是蘇南具有人才聚集的地理優勢，為實現技術創新奠定了基礎。

其六，環境規制力度(Er)對整個揚子江城市群區域的綠色要素增長率的影響為-0.010 9，說明政府對環境治理的投資力度較低。從實證結果來看，在蘇北經濟欠發達地區的環境規制對綠色要素增長率具有抑制作用，而在經濟發達的蘇南地區，對環境規制與綠色要素增長產生了積極的效果。主要是因為在蘇南“三高”產業隨著技術創新實現了產業結構轉型，逐漸形成了綠色經濟體系。環境治理是一個漫長的過程，不能立竿見影。同時在環境治理的過程中環境污染也會產生，導致環境治理對綠色要素增長產生了負作用。

其七，人力資本(Hc)是經濟增長的驅動力，是實現技術創新的核心要素。優質的人力資本聚集區域擁有高素質的勞動力及較強的環保意識，能夠拉動綠色要素生產率提升。如表3所示，在蘇南地區人力資本對綠色要素生產率的拉動作用表現得比較明顯，說明人力資本可以促進綠色要素的技術進步。在蘇中地區由于缺乏人才的同質性或是人才聚集力不夠等問題導致人力資本對綠色要素效率增長的促進作用不明顯。

5 結論與建議

基于本研究對2008—2019年揚子江城市群8市的綠色要素增長效率影響因素進行實證研究后，筆者得出以下結論及建議。

(1) 結論。揚子江城市圈8市環境治理、綠色要素增長率在各市間存在差異，GTFP指數變化與技術進步變動(MLTECH)指數呈現吻合度較高的態勢，說明技術變動對綠色要素效率的貢獻非常大，是綠色要素增長率提升的主要驅動力。通過實證分析后發現，各個要素對綠色要素效率增長的影響存在區域差異性。R&D、人力資本、環境規制以及產業結構對揚子江城市群綠色要素效率增長具有明顯的正作用。金融對實體經濟的支持效率對蘇南綠色要素增長效率影響表現的比較明顯，而對蘇中地區影響不大。城鎮化進程對整個揚子江城市群及蘇中地區分別有顯著的正、負影響。

(2) 建議。第一，提高環保政策效益的十分效率。生態優先是建設綠色產業經濟的前提，通過強化環境資產的市場調節與利用機制使環保政策經濟效益的釋放效率最大化。如進一步完善市場價格形成機制，在排污費補貼、可轉讓排污許可證等激勵型環境政策中，通過完善環境評價機制使揚子江城市群內的不同企業執行環境政策的成本差異能夠通過市場機制進行調節。同時，要改善政策效益釋放效率的評價標準，以動態影響的可持續標準代替帕累托最優標準，糾正發展決策效率標準的靜態化導致的區域間資源配置扭曲和發展路徑出現偏差。第二，提升經濟主體一致行動的協調效率。區域經濟一體化發展要打破區域間存在的行政壁壘，統籌揚子江城市群區域產業布局，健全區域環境執法機制和部門聯動執法機制，形成跨行政區生態環境聯防聯控機制。積極破除產業環境政策行政的多頭與多層管理導致的相互推諉和管理效率低下，以破除區域行政管制,提高環境污染治理效率。第三，大力發展揚子江城市群綠色產業集群，降低經濟增長對資源消耗型產業的依賴程度。通過加大綠色金融支持引進人才，以R&D研發投入促進產能落后產業轉型。人力資本要素是構建現代化產業體系的“因”，是經濟能夠持續增長的源泉，產業轉型是“果”，是經濟增長的外在特征。因此，如何形成科技創新與揚子江城市群區域經濟協調發展顯得尤為重要。要充分利用綠色信貸資源，將有限的資金資源用到綠色技術進步產業中去，避免R&D科研的盲目投入，從而提升研發經費對綠色經濟的轉化效率。