長江經濟帶工業環境效率空間動態分析及收斂性研究

□文傳浩，趙柄鑒，李 乾，4

（1.云南大學 經濟學院，云南 昆明650504；2.重慶工商大學 財政金融學院，重慶400067；3.重慶工商大學 長江上游經濟研究中心，重慶400067；4.華北水利水電大學 水利學院，河南 鄭州450046）

一、引言

近年來，中國經濟發展已由高速增長階段逐步轉入高質量發展階段，政府更加關注優化經濟結構、轉換增長動力。工業作為國民經濟的支柱以及發展實體經濟的主戰場，是經濟結構調整和產業轉型升級的主心骨，在“新常態”下呈現出新的特征，面臨著新的機遇和挑戰。實現高質量發展的前提和基礎條件包括實現工業的現代化和高效化，而工業效率的高低則是衡量其的重要指標。當前，資源、環境的規制約束要求工業發展進一步向高效集約的方向轉型。在這一轉型過程中，必須堅持增加科技創新、人才培養的投入，以提高能源使用效率，減少污染物排放，最終實現工業的高質量發展。長江經濟帶作為我國極其重要的工業走廊，其工業產能占全國總量的一半左右，是我國工業版圖中最突出的區域，但目前整個長江經濟帶工業經濟發展與環境問題的矛盾仍然比較突出：一方面是區域內污染物排放總量持續增加，工業環境污染沒有得到有效遏制，整個長江經濟帶工業廢氣排放總量年均增長11%，上海、江西、安徽的工業廢水排放量一直維持著上升的趨勢，云南、貴州的工業廢水排放量在近十年增加近兩倍。另一方面是工業生產與污染治理的不同步，環境治理投資費用的投入比重近幾年持續下降，對于環境治理投入的力度缺乏長期性。與此同時，隨著產業轉移的加速，長江中上游地區正逐漸成為高污染產業的“污染天堂”，進一步導致工業污染的區域差異化。

工業發展與生態環境相適應，是長江流域工業化整體狀況的直觀體現，同時也是實現生態優先，綠色發展的關鍵所在。在五部委統一發布的《加強長江經濟帶工業綠色發展的指導意見》中，明確提出了發揮技術改造對傳統產業轉型升級的促進作用，加快沿江現有重化工企業生產工藝、設施（裝備）改造。同時，進一步明確了向長江經濟帶工業綠色發展、水污染防治等領域的項目傾斜，支持符合條件的企業實施清潔生產技術改造、節水治污、能源利用效率提升、資源綜合利用等。目前，我國處于調整產業結構和經濟發展方式轉型的關鍵時期，世界新科技革命的日新月異帶來機遇和挑戰，環境風險日益嚴峻，在此約束下，對于提高工業效率所涉及的方面更加細致，更加需要綜合考量工業發展的主要要素。同時，長江經濟帶地域覆蓋范圍廣，橫穿中國最重要的經濟區域，自然環境、資源總量、發展水平區域差異巨大，產業布局因地而異，因制度而異，所以工業效率在區域上也存在著顯著特征。未來相當長時期，“生態優先，綠色發展”是整個長江流域產業發展的主題，也是長江經濟帶發展的主旨核心，分析這一區域沿線省市工業效率的空間動態特征，是了解長江經濟帶省際工業現狀，著眼長遠發展的必要之舉，同時也是討論長江經濟帶區域協調發展過程中應該清楚的一個問題。

二、文獻綜述

20 世紀后半期，由于人文社科界的“空間轉向”，使得空間研究成為熱潮[1]（p1-5）。空間研究被認為是地理學的核心概念[2]（p33）和傳統[3]（p211-216）。隨后，赫特納在其著作《地理學——它的歷史、性質和方法》中強調“地理學不應是關于各種不同事物地區分布的科學，而應是關于充填空間的科學。它是空間科學，正如歷史學是時間科學一樣”[4]（p133，141-143，147，152），空間研究逐漸具體化為區域研究。20世紀五六十年代之后，空間幾何思想開始逐漸成熟，并被廣泛應用于區域理論當中，隨后的20世紀70年代，“激進的空間”和“空間的生產”思想，形成對資本主義空間發展不平衡的批判[1]（p1-5），早期激進地理學家也是一些無政府主義者，他們反對不平等的社會。后期激進地理學家則批判資本主義空間發展不平衡[5]（p77）[6]（p936-943）。20 世紀80 年代之后，后現代地理學開始興起，其強調時空的特定和不確定性、時空的碎裂等[7]（p1-200）。在邏輯關系上，后現代地理學與人文社會學科的結合更加緊密，更重視空間內涵和空間動態的解構，空間要素差異和均衡性分析是其中的重要內容。

從現有文獻來看，有關長江經濟帶工業環境效率的文獻主要集中于工業效率的測度以及影響因素或者成因分析，方法和手段都比較成熟。其中比較有代表性的主要是兩個方面：一是關于工業能源使用的討論，從能源投入的角度入手，分析測度產出的環境經濟效率。丁黃艷（2016）根據1999—2013 年的相關數據，分析了長江經濟帶工業能源效率的空間特征及變化規律，并進一步討論了對于效率水平的影響因素[8]（p27-34）。車童童（2017）對該區域全要素工業能源效率進行了測算，并討論了霧霾污染現狀[9]（p87-95）。尹慶民（2019）用融合徑向與非徑向距離函數特征的EBM方法測度環境約束下長江經濟帶九省二市的工業能源環境效率，借助效率核密度圖和技術分解分析效率隨時間的演變趨勢和空間差異，并且運用泰爾熵的方法進行了空間分解[10]（p240-247）。二是除了從投入視角來研究工業效率外，更主要的則是從綜合綠色生態效率入手。汪克亮（2015）通過2006—2012年11 個沿線省際單位的數據，分別得出了5 類工業生態效率的水平值，并考察了其地區差異與空間演變特征[11]（p1522-1534）。吳傳清（2018）從綠色發展的角度測度2011—2015年長江經濟帶的工業效率，也進一步討論了影響綠色發展水平的要素[12]（p91-99）。任勝剛（2018）把工業作為一個生態系統，并且將其解析為工業經濟、環境、能源三個子系統，以11 個沿江省市2009—2013 年的工業現狀為基礎，分別對工業生態效率和每一個子系統效率進行研究分析[13]（p5485-5497）。另外，游明達（2016）[14]（p128-134）、吳新中（2018）[15]（p50-58）從技術創新的角度分析長江經濟帶的工業效率。

綜合近年來國內已有文獻，現階段關于長江經濟工業環境效率的研究在方法和思路上相對成熟和固定，但仍然有可以深入討論的空間：一是由于效率測算方式不同，投入指標設置不夠全面，比如部分研究對于技術投入或者人力資本投入方面就并沒有涉及。二是由于思考角度不同，指標選取時間范圍較小，對以上差異水平的變化趨勢還不夠清楚，限制了對于效率水平的進一步分析。三是對于空間差異的分解與挖掘還不夠深入，部分文獻雖然采用了空間計量的方法，但是在指標選取和模型運用上，仍然存在改進和深化的空間。因此，借鑒梁紅艷[16]（p40-60）（2018）、楊騫[17]（p58-76）（2018）等學者的思路，本文試圖深入分析這一問題，以指標的可得性為前提，盡量考慮投入指標的全面性，測度省際工業環境的效率，并以此為基礎分解長江經濟帶工業效率的時空特征。

三、模型方法

（一）基于超效率SBM的工業環境效率測度

對于工業環境效率的測度，本文采用超效率SBM測算方法?；诜瞧谕a出的SBM模型首先由Tone[18]（p498－509）于2001年提出，傳統的數據包絡分析（DEA）需要考慮“徑向”和“角度”的問題相比，SBM模型能夠將選取的投入指標“擁擠”或“松弛” 的條件限制放寬，但SBM 算法與傳統數據包絡算法一樣，對于效率都為1的DMU，難以進一步區分有 效DMU 之間 的 效率 差 異，所 以Tone[19]（p32-41）在SBM 模型基礎之上進行了改進，提出了優化后的超效率SBM 模型，將超效率DEA 和SBM 的優勢結合，能夠有效對處于前沿面的DMU 進一步對比評價，模型構建為:

式中，假設有n 個DMU，每個DMU 由投入m，期望產出r1和非期望產出r2構成，x、yd、yu為相應的投入矩陣、期望產出矩陣和非期望產出矩陣中的元素，ρ為生態效率值。

（二）工業環境效率的空間分析模型

1. 核密度分析采用平滑的峰值函數擬合樣本數據，利用連續的密度曲線來估計隨機變量的分布形態，反映了要素在空間分布中的距離衰減效應。其函數形式為：

其中，n 是觀測值個數，Xi是獨立同分布的觀測值，K 是核函數，h是窗寬，核函數是加權函數或者平滑函數的一類，常用高斯核函數。

2.為了進一步對區域差距進行解釋，本文采用更進一步的Dagumn 基尼系數方法。其將基尼系數（G）分為三個組成部分，群體內差距（Gw）、群體間差距凈貢獻（Gnb）和群體間超變密度貢獻（Gt）[20]（p127-135）。其中，區域內（組內）差異對G 的貢獻Gw、區域間（組間）差異凈值對G 的貢獻Gnb、區域間（組間）超變密度對G 的貢獻Gt，滿足G=Gw+Gnb+Gt。限于篇幅原因，關于Dagumn 基尼系數的測算過程，有關文獻已有詳細說明，本文不再贅述[21]（p57-65）[22]（p103-105）。

3.收斂模型

（1）σ收斂。σ收斂可以定義為不同區域工業環境效率的變異性或差異性隨時間呈現出下降趨勢。本文采用變異系數法，公式見（4）：

上式中的σ代表標準差，主要用來比較區域之間的絕對差異。變異系數即為標準差和平均數之比，在本文中x則為工業環境效率。

（2）β收斂。根據β收斂的定義，如果工業環境效率較低地區的增長速率要高于效率較高的地區，則認為工業環境效率存在β 收斂。β 收斂可以劃分為不考慮其他因素的絕對β 收斂與考慮其他因素的條件β 收斂兩種類型。條件β 收斂是指在控制了一系列其他影響因素后，省際的工業環境效率變化呈收斂趨勢，而絕對β收斂是指在不考慮其他影響的情況下，區域之間的差異同樣會出現收斂的現象。經典β收斂模型如下：

其中，i表示地區（i=1，2，…，n），t表示時間（t=1，2，…，T）。 IEEi,t+1、IEEi,t分別表示地區i在t+1、t時期的工業環境效率水平至t+1 時間段內工業環境效率的年增長率；Xk，i，t表示條件控制變量。β 為收斂系數，如果β＜0且通過顯著性檢驗，則代表長江經濟帶工業環境效率存在β 收斂；若β＞0，且檢驗結果顯著，則代表的是發散的。 μi、λt分別表示空間效應與時間效應；ξi，t表示服從獨立同分布的干擾項。

考慮到地區間普遍存在不同程度的空間依賴性，因此有必要在進一步構建模型時考慮這種空間相互作用，才能得到更為可信的估計結果。因此在估計（5）之前，需要進行空間相關性檢驗，如果證明存在空間之間的聯系，說明傳統模型不再適用，因此本文進一步構建加入空間因素的空間計量模型，分別基于空間杜賓模型（SDM），見式（6）；空間誤差模型（SEM），見式（7）；空間滯后模型（SLM），見式（8）：

式中，θk為各控制變量Xi,t的估計系數，根據這一系數，判斷絕對收斂或者條件收斂，當θk取值為0 時，以上模型為β 絕對收斂;當θk不取值為0時，以上模型為β 條件收斂。可定義收斂速度為為空間效應系數，其結果大小和正負號方向代表了空間溢出方向和程度，ξi,t為空間自相關的誤差項，φk為控制變量與所采用權重矩陣的交互項的回歸系數；wi,t為空間權重矩陣W 中的元素，關于使用哪一種權重矩陣需要通過相關性檢驗來確定，此外，還要根據原始數據的特點確定。

四、數據選取

研究時段選取2003—2017 年，研究對象包括長江經濟帶沿線11個省級單元。相關數據主要來源于《中國統計年鑒》《中國工業統計年鑒》《中國環境統計年鑒》《中國能源統計年鑒》，各地方統計年鑒以及有關數據庫等。

結合已有文獻，在投入、產出指標上綜合考量多種因素。在投入指標上，考慮了資本投入、能源投入、技術投入三個方面。資本投入包括工業固定資產投資、工業固定資產原值、工業企業從業人員年平均人數。已有的大量研究通常采用工業資產年平均余額作為投入指標，但是近年來這一指標在大部分省市并未進行統計，所以本文采用了能夠反映企業關于固定資產方面的投資和當前生產規模、裝備水平的固定資產原值作為替代指標。能源投入指標選擇了工業能源消費量、工業用水量。技術投入包括工業污染治理完成投資、工業企業R&D 活動經費，另外部分文獻采用了R&D 活動人員數量，但是本文認為不同區域從事科技活動的人力投入質量差距顯著，而且流通性較差，單純將這一數量指標作為投入并不合理，無法體現質量差異。在產出指標上，期望產出以工業增加值代表當前的生產能力，非期望產出采用“三廢”作為環境指標，其中工業廢氣排放總量不同區域在統計口徑上并不統一，以及若干年數據存在缺失，因此采用工業二氧化硫和工業煙（粉）塵排放總量兩個代表性指標作為替代。同樣的原因，工業固體廢物排放量存在區域統計口徑的不統一，因此采用產生總量數據，另外工業廢水也采用了排放量指標。上述所有指標都根據相關指數進行了平減。

五、實證結果

（一）長江經濟帶工業環境效率測度

根據長江流域上中下游分段，由于長江流域上中下游劃分點位于地級市，而本文采用省級面板數據，基于嚴謹性，將四川、重慶、云南、貴州作為長江經濟帶的上段，代表上游；將湖南、湖北、江西作為長江經濟帶的中段，代表中游；將安徽、浙江、江蘇、上海作為長江經濟帶的下段，代表下游。采用DEA-SOLVER Pro5.0軟件，選擇非徑向、規模報酬可變的超效率SBM 模型（Super-SBMV），基于2003—2017 年的數據，對上述長江經濟帶沿線省級單位的工業環境效率進行測度，得出結果如圖1、圖2、圖3所示。

通過對比發現，（1）長江經濟帶沿線省市整體水平較高，除安徽、湖北以外，大部分省市的工業環境效率水平長期維持在1 以上，而且從2011年開始，整個區域的總體效率水平基本維持在1.2以上，說明整個長江經濟帶的總體水平是相對有效率的，并且這一狀態相對穩定，除個別省市的總體平均水平出現了緩慢下降，沒有出現極端情況。（2）長江經濟帶上段的效率水平相對平均且總體趨勢平穩，在2007年之后，四個省市一直維持在1 以上，其中云南的工業效率水平在2010 年之前高于其他省市，但在2007 年之后一直呈現出總體下降趨勢，目前略低于其他省市的水平。另外在2016—2017 年，四個省市的工業環境效率水平同時出現了小幅度的下降。（3）長江經濟帶中段效率水平變化趨勢表現出明顯的省際差異，湖南和江西的水平有效且趨勢相對平緩，但是湖北省的效率水平卻起伏頻繁，而且波動范圍大部分時期都位于1以下的無效率水平，但是2015年之后，湖北表現出了緩慢上升的情況，總體達到了江西、湖南的水平。（4）下段省市中，上海、浙江、江蘇一直處于較高的水平，其中上海在2005 年以后一直保持著1.5 以上的水平，而且這三省市在2015 年以后，效率水平相對趨勢穩定，總體上緩慢提高。相反，同樣位于下游的安徽在2006年以后，效率水平出現了較為頻繁的起伏，且總體水平較低。（5）將上段、中段以及下段的工業效率水平進行平均值比較，呈現出下段（1.34）>上段（1.20）>中段（1.01）的情況，其中上段和中段在近幾年開始有趨同的現象，效率水平維持在1—1.2，下段除了安徽省，另外三省市則一直呈現1.3以上的高水平，上海更是接近2.0。在地理位置上，安徽和湖北作為長江在中下游的主要流經省份，且兩省作為中下游地理上的交界地區，工業效率水平同時表現出了相同的趨勢情況，必然存在著某些空間因素的相互作用。

以上對于11個省市的工業效率值的測算以及時間上的變化趨勢，與辜子寅（2014）[23]（p128-133）、王兵（2015）[24]（p99-119）等基于全國層面的研究結果存在差異，基于全國層面的結果普遍得出中游省市的效率水平高于上游省市，但是與汪克亮（2015）、吳傳清（2018）[25]（p116-126）、任勝剛（2018）等基于長江經濟帶的研究結果一致。因此，本文認為長江經濟帶沿線省市工業發展中環境保護的成績是顯著的，而且近幾年一直保持了穩定有效的總體態勢，特別是經濟較為落后的上段區域，但同時發現，目前部分省市效率值有緩慢下降的情況出現，特別是上段和中段的省市，這些省市雖然保持了有效率的水平，但并沒有達到長三角地區的水平，而且差距有明顯的擴大，說明這些區域可能進入了“瓶頸期”。

（二）長江經濟帶工業環境效率的分布動態

核密度估計如圖4 所示，首先從位置上來觀察，從2003 年到2017 年，核密度分布呈現出了向左移動的趨勢，說明整體效率水平有下降的趨勢，但是主要面積部分仍然在橫坐標1的右邊，印證了長江經濟帶以內的整體效率值普遍是有效的。其次從分布形態來看，根據時間趨勢，呈現出了寬峰和尖峰交替變化，總體上寬峰多于尖峰，并且高度下降明顯，表明整個長江經濟帶的工業環境效率呈現出了離散的趨勢，說明了整個區域內效率的省際差異更加明顯，而且在2017 年這一離散的情況進一步擴大。最后從形狀上來看，分布曲線都存在明顯的右拖尾現象，在2013年以后，右拖尾的面積不斷擴大，存在多峰極化的趨勢，由單峰向雙峰發展，雙峰模式代表著部分省市的工業環境效率將在高水平上集中，其他一部分區域在較低水平上集中，這一結果與峰度變化的分析相互印證，表明長江經濟帶的工業環境效率水平可能出現極化現象，存在區域間不協調的情況。

（三）長江經濟帶工業環境效率的空間差異分解

通過效率時間趨勢的直觀觀察和核密度分析，認為長江經濟帶工業效率存在著區域差異擴大的現象，為了進一步揭示總體差異及其來源，采用degum基尼系數繼續對11個省市單位工業環境效率的相對差異進行測算并分解。

1. 長江經濟帶工業環境效率的總體差異和區域內差異。長江經濟帶工業環境效率總體和分段內基尼系數演變如圖5 所示，先看總體差異，其演變表現出了頻繁波動，整體水平上升，差異系數從2003 年的0.09 提高到2017 年的0.14，因此表明長江流域整體工業環境效率差距在擴大，這與前文分析結果一致。再來看組內差異，上段的組內差異呈現出了明顯的下降特征，從2003年的0.1下降到2017 年的0.02，組內呈現出了顯著的下降情況。中段的差異水平波動頻繁，總體維持較低水平，在2014 年之后，系數一直降低。此外，上段和中段從2009 年到2015 年，同時出現了先上升后下降的差異變化，趨勢上大體一致，并且總體差異水平在近幾年趨于一致。而長江經濟帶下段則明顯保持上升特征，與總體系數演變軌跡相似，說明長江經濟帶下段組內差異正在擴大，表明長三角地區與其他長江經濟帶沿線省市的工業環境效率水平在逐漸拉大，特別是同樣位于長江下游的安徽省，逐漸被上海、江蘇、浙江拉開了差距，這一結果也印證了時間趨勢變化。

2.長江經濟帶工業環境效率的省市間差異。長江經濟帶工業環境效率分段間基尼系數演變如圖6 所示，從差異演變上來看，上段與中段之間的差異在2014 年之前變化頻繁，但這之后呈逐漸下降趨勢，兩個區域之間的差異水平從0.09 下降到了0.04。與此相反，上段與下段、中段與下段之間的差異卻顯著上升，分別從2003 年的0.1 和0.08 上升到2017 年的0.21 和0.23。這一結果說明下游區域的優勢正在逐漸擴大，而且從基尼系數大小上來看，下段的也遠遠高于中段和上段，反映出東中西部不平衡情況加劇。這種差異特點也與分布動態中表現的核密度變化趨勢是一致的，印證了從“高單峰”到“矮雙峰”變化的核密度趨勢。

3. 長江經濟帶工業環境效率的差異來源及其貢獻。長江經濟帶工業環境效率的差異來源與貢獻水平如表1所示。首先從差異來源上來看，分段之內的差異的貢獻率一直總體下降，從2003 年的28.4%下降到了2017年的22.6%，并且維持在較低的水平。超變密度反映了不同分段之間關于交叉重疊對于總體差異程度的貢獻，從結果上來看，超變密度的貢獻水平波動頻繁，且波動幅度較大，最高為40%，最低只有11%?？梢园l現，總體差異的主要來源還是省際的差異，貢獻率基本維持在40%之上，最高水平為73%。通過前文的分析結果，這種組間差距的擴大主要是由于長江下游地區的優勢更加明顯，長江經濟帶下段四個省市之間內部差異以及組間優勢的凸顯，是造成整個長江經濟工業環境效率水平區域差距擴大的主要因素。

（四）長江經濟帶工業環境效率的收斂性分析

從以上結果分析來看，長江經濟帶工業環境效率整體表現為發散，為了進一步研究這一格局演變的趨勢，接下來運用計量手段進一步探討σ收斂和β 收斂的情況。

1. σ 收斂分析。根據公式（4），分別計算長江經濟總體、上段、中段和下段的系數值（如圖7 所示）。根據圖中的信息，長江經濟帶工業效率的變異系數波動頻繁，且波動幅度較大，因此不存在σ收斂。其中長江經濟下段的上升波動明顯，說明區域間的絕對差距存在擴大趨勢，而中段和下段的絕對差距相對穩定且偏小，因此可以認為長江經濟帶上段和中段存在著區域內部的σ 收斂，但是下段不存在σ 收斂，而且造成σ 不收斂的原因在于長江經濟帶下段省市之間工業環境效率的絕對差距拉大。此外圖7 和圖5 表現出了較大的相似性，前后結構一致，證明了這一結果的真實有效。

2.β收斂分析。目前已經證明了長江經濟帶工業環境效率存在著空間差異擴大的趨勢，且這種差異是由于長江經濟帶下段省市優勢增大，其中上海等三省市區域較安徽省優勢增大。所以，需要進一步分析這種差距在未來是擴大還是縮小，所以繼續進行β 收斂分析。

進行β 收斂回歸之前，需要利用Moran’s I 指數方法對工業環境效率是否存在空間關聯性進行確認。通過ArcGIS自帶的空間自相關檢驗程序發現，在使用鄰接（0—1）矩陣的條件下，除了2003年、2004 年、2006 年、2012 年沒有出現顯著檢驗結果以外，其余年份均通過了顯著性10%（或5%）以下的空間相關性檢驗，相關性水平在0.2—0.4，表明長江經濟帶工業環境效率在長江經濟帶的空間布局上呈較顯著的正向關聯關系，鄰近省市之間工業環境效率的影響存在省際依賴性。因此，本文不考慮傳統收斂模型進行回歸，直接加入空間因素，對改進后的模型實施回歸。由于β 收斂模型包括絕對和條件兩種情況，因此我們需要設置條件收斂中的控制變量，參考相關文獻研究，采用：（1）產業結構（Ins），第二產業增加值在總增加值中的比重；（2）市場化程度（Mar），個體和私營企業從業人員數占就業人員總數比例；（3）貿易開放度（Open），平均匯率折算后的進出口總額占地區生產總值的比重；（4）城鎮化水平（Urb）；（5）經過可比價折算后的省際人均GDP，反映經濟水平。

關于最優空間計量模型的選擇，依據以下原則選擇最優模型：（1）根據赤池信息準則（AIC）、貝葉斯信息準則（BIC）選擇解釋力較高的模型，AIC、BIC 值越低，解釋力越高。（2）通過R2、LogL、Sigma2檢驗判斷模型的擬合水平，其中R2、LogL統計值越高，Sigma2統計值越低，說明擬合水平更好。（3）通過Hausman 檢驗，來確定是使用固定效率，或者是隨機效應，由于空間滯后項的存在，才有MLE進行回歸。

3. 長江經濟帶工業環境的效率絕對β 收斂分析。根據相關結果的比較發現，SDM 模型和SLM模型并未通過Hausman 檢驗，因此認為隨機效應比固定效應更有效率，而SEM 和SLM 模型除了AIC和BIC檢驗結果比較理想，但差距極小可以忽略，其他結果均不如SDM模型，絕對β收斂模型以SDM 模型結果為準。根據結果顯示，β 值為負，所以判斷存在絕對β收斂性，表明工業環境效率較低的地區具有更高的增長速度，一定時期的增長變化之后，能夠達到增長速度較高區域的水平。此外，空間滯后系數ρ 為負且通過了5%的顯著性檢驗，表明長江經濟帶沿線各省級單位的工業環境效率在區域內存在負向關聯關系，考慮到環境因素，說明沿線省市之間工業發展仍然可能存在“環境沖突”，部分區域出現了虹吸效應，將更多有利因素吸收到本區內，從而邊緣化周邊省市，同時自身的環境成本又轉嫁到周邊地區，表現出負的外部性。

4. 長江經濟帶工業環境的效率條件β 收斂分析。通過比較，SDM模型的R2、LogL、Sigma2、AIC 、BIC 統計結果最優（見表2），所在條件β 收斂分析中繼續選擇SDM。進一步通過Hausman 檢驗發現，個體固定效應比隨機效應和雙效固定效應更有效率，因此選擇個體固定效應的SDM模型。

對結果進行分析，第一，β 系數顯著小于0，說明在考慮條件因素的情況下，長江經濟帶的工業環境效率也存在著收斂的趨勢，證明水平落后地區確實存在著后發趕超的趨勢，而且從收斂速度上來看，條件收斂速度是絕對收斂速度的4 倍，說明現有外部環境導致區域間存在異質性，這種差異化的空間因素會提高收斂的速度。第二，在條件收斂設定下，空間相關系數仍然為負，且檢驗結果比較顯著，說明區域間的競爭相對激烈，各省市都在盡力提高自己的增長速度，而且落后區域在面對激烈競爭的情況下，依然保持了強勁的增長速度。第三，關于控制變量的解釋，結果顯示，除了城鎮化水平以外，其他控制變量均通過了顯著性檢驗，其中產業結構和市場化程度的系數為正，說明這兩個指標對于效率增長具有正向的激勵影響，其原因在于隨著產業結構更加合理以及市場水平的不斷加深，工業企業更加注重全面有效的發展模式，對于環境的關注和保護也日益重視。而對外開放程度和居民經濟水平的系數為負，則表示這兩個因素會制約工業環境效率的改善，其中對外開放程度系數為負，反映出長江經濟帶沿線省市在面對國外市場沖擊的時候，工業發展會受到影響，工業企業可能為了應對外部競爭而采取無效率的發展模式，繼續從事環境成本極高的生產活動，進而影響環境質量，反映出部分省市所引進的外資本身就可能用在了環境績效低的工業生產中。地區人均GDP 水平系數為負，其原因可能在于居民經濟水平的提高仍然沒有與環境保護相適應，工業生產能力提高，造成的環境問題抑制了居民生活水平的改善，居民生活水平的改善是建立在環境惡化的基礎之上的，工業中與居民生活質量密切相關的行業依然存在環境效率低的情況。

六.結論及對策建議

長江經濟帶工業生產效率提高是未來轉型升級的主要目標，工業轉型升級應該在重視其發展效益的前提下，更加深入地考慮到其環境效益，最終實現高質量發展。以2003—2017年長江經濟帶沿線省市的面板數據為研究單元，采用核密度分析、Dagum基尼系數等空間分析方法對省際工業環境效率進行測算，將效率水平和空間作用相結合，對長江經濟帶工業環境效率的空間特點進行研究，得到的主要的結論如下。

表2 模型的回歸估計結果

第一，從空間態勢上來看，首先，長江經濟帶工業效率最高的地區位于下游流域，主要是上海、江蘇、浙江三個省市，這一區域經濟發展水平高，工業現代化起步早，總體水平高于其他省市，其中上海、江蘇、浙江一直保持總體上升的高效率狀態。其次，上段的工業環境效率水平要略高于中段，兩個區域總體水平當前都保持在有效率的水平之上。此外，三個分段區域在經歷了波動較為頻繁的時期之后，目前都進入了一個相對平緩的階段，部分區域效率水平開始緩慢下降。從整個區域在工業環境效率的分布上來看，長江經濟帶工業環境效率區域不平衡現象比較明顯，下游與上、中游之間呈現出了較大的效率差異，而且差異化正逐漸向極化發展。

第二，從空間差異的分解上來看，首先，長江經濟帶工業環境效率水平總體差異上升，其中上段和中段差異減小，下段內部差異增大，主要表現為安徽與上海、江蘇、浙江之間的差距增大。其次，區域間的總體差距卻在擴大，特別是中段與下段之間的差異，而上段和中段之間的差異卻在縮小。最后，總體差異的擴大原因在于區域間差異，特別是下段優勢的擴大，其中以上海為代表的長三角發達地區工業發展的環境優勢短期內不會改變。

第三，從效率變化速度上來看，雖然區域間差距在不斷擴大，并且有極化趨勢，但這種擴大的原因在于過去區域間存在著工業發展速度、環境保護力度的差距，長江下游的發達地區工業水平高，同時技術先進，環境負外部性較小，而上游和中游省市工業發展雖然進步快，但高技術含量低，總體上偏重以污染換效益。但是從收斂性的結果來看，落后區域工業環境效率提高的速度將逐漸趕上發達地區，說明較落后的省市正逐步在改善工業發展高污染低效益的局面，未來這種工業環境效率區域間差距增大的趨勢會被遏制。此外，不同影響因素對于提高速度的改變存在差異，產業結構和市場化程度對于工業環境效率的提高存在著正向影響。

根據上述結論，進一步有以下思考：一是在政策和管理上，突破政域限制，從流域視角科學規劃長江經濟帶沿線省市的工業空間布局。由推動長江經濟帶發展領導小組牽頭，下設由省級相關領導組成的高層次省級聯席會議，協同推進長江經濟帶產業綠色發展“大部制”[26]（p18-21）。進一步統一履行分散在不同部門間環境監管、環保投入、污染防控、招商引資、產業規劃等各項相關職能，統一制定長江經濟帶工業綠色發展的中長期發展規劃，實行長江上游全流域“工業發展規劃一張圖”，促進地方各級工業用地、企業經營管理、產城協調、環境保護等多規融合。同時，針對不同區域工業發展現狀因地制宜提供差異化、合理化的財稅金融政策、產業政策、土地政策、人口政策、環保政策等配套服務。此外根據各個省市未來產業發展定位，建立不同的考核指標體系，依據工業部門對經濟增長貢獻、生活質量提升貢獻和生態環境改善貢獻賦予不同的考核權重。

二是從生態補償和產業發展激勵層面，基于“受益者付費和破壞者付費”原則，從流域的角度出發，建立長江流域上中下游的生態補償機制。工業發展體系成熟、技術先進的下游受益地區或群體補償上游。另外，由生態環境部牽頭，首先全面梳理長江經濟帶沿線省市工業企業的負面清單和正面清單，以制定好的考核指標體系為基礎，評估各區域工業企業的環境效益，在梳理的企業清單的基礎上，加大正面清單的補償力度。上游和中游省市可實行降低稅收，或者零稅收政策，大量引進環保綠色產業（如戰略性環保新興產業），培育以環保型工業企業為龍頭的戰略性新興工業體系，推進工業產業生態化，推動生態環境治理與戰略性新興產業深度融合，以新一代信息技術為導向發展流域大數據產業和智能終端產業，以生物技術為導向發展生物滯留系統、水體凈化裝置等生物環保產業，以高端裝備制造業為載體帶動高端環保裝備制造，以新能源產業為導向發展新能源汽車產業，以新材料為導向發展環保新材料，逐步形成環保產業集聚地。

三是從整個區域經濟發展層面，在產業結構調整過程中，要堅持市場導向，發揮“看不見的手” 的作用，政府扮活“守夜人”的角色，尤其是東部經濟發達省市在向西部地區進行產業轉移的過程中，避免已經被清退關停的高污染、高耗能工業企業在中西部生態脆弱地區“借尸還魂”，嚴防地方政府以外資引進為契機，承接污染物排放不達標的落后產能，或者降低環保標準，以成本優勢與外資競爭。同時，上游和中游第二產業規模的擴大，要堅持本地原則，堅守生態紅線，實現產業生態化，實現人產和諧、產城協同。