中國人口結(jié)構(gòu)對生態(tài)效率的影響研究

楊明洪　劉昕禹　吳曉婷

[摘要]人口與生態(tài)是當(dāng)代社會面臨的兩項重大議題，如何協(xié)調(diào)人與生態(tài)的關(guān)系，是實現(xiàn)社會可持續(xù)發(fā)展的前提。由此出發(fā)，文章基于2009—2018年全國31個省份的面板數(shù)據(jù)，運用包含非期望產(chǎn)出的超效率SBM模型計算各省份生態(tài)效率，隨后構(gòu)造時間和空間雙固定效應(yīng)面板回歸模型探究人口結(jié)構(gòu)對生態(tài)效率的影響，并就回歸結(jié)果進行穩(wěn)健性檢驗和異質(zhì)性分析。研究結(jié)果表明，我國各省份生態(tài)效率從時間上看，除少數(shù)省份生態(tài)效率穩(wěn)中有升，其他省份生態(tài)效率在2009—2018年間變動不大;從空間上看，生態(tài)效率呈現(xiàn)出東部最高、中部次之、西部最低的階梯局勢。而人口結(jié)構(gòu)對生態(tài)效率的影響主要體現(xiàn)在兩個方面：一是當(dāng)?shù)貐^(qū)經(jīng)濟發(fā)展水平達到一定高度時，人口密度正向影響生態(tài)效率;二是農(nóng)村恩格爾系數(shù)負向影響生態(tài)效率，即降低農(nóng)村恩格爾系數(shù)有利于提高地區(qū)生態(tài)效率。基于上述結(jié)論，文章認為一方面要縮小中西部與東部的經(jīng)濟發(fā)展差距，促進中西部地區(qū)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型、推動形成綠色發(fā)展方式;另一方面，要縮小城鄉(xiāng)差距，持續(xù)改善農(nóng)村居民的收入水平和消費結(jié)構(gòu)。

[關(guān)鍵詞]人口結(jié)構(gòu);生態(tài)效率;人口密度;農(nóng)村恩格爾系數(shù)

[中圖分類號] F062.2;X321[文獻標識碼] A[文章編號] 1673-0461（2022）02-0058-10

一、引言

“生態(tài)是資源和財富，是我們的寶藏。”①然而，經(jīng)過長期粗放式經(jīng)濟增長后，中國正面臨資源約束趨緊、生態(tài)系統(tǒng)惡化、環(huán)境壓力倍增的局面，霧霾天氣、地下水污染、土地荒漠化、垃圾激增等現(xiàn)象都預(yù)示著生態(tài)問題亟待解決，否則將制約我國社會經(jīng)濟的可持續(xù)發(fā)展。對此，黨中央一直致力于改善生態(tài)環(huán)境，從黨的十八大第一次將“美麗中國”生態(tài)文明建設(shè)目標作為中國夢的重要組成部分寫進報告，到黨的十九大提出“堅持人與自然和諧共生，樹立綠水青山就是金山銀山的理念，踐行綠色發(fā)展方式和生活方式”，再到2021年4月22日國家主席習(xí)近平出席領(lǐng)導(dǎo)人氣候峰會并發(fā)表題為《共同構(gòu)建人與自然生命共同體》的重要講話。

上述事件無不體現(xiàn)黨和國家對生態(tài)問題的高度重視，而生態(tài)問題總是與人類活動息息相關(guān)，環(huán)境學(xué)領(lǐng)域著名的IPAT模型就將人口作為影響生態(tài)的三大要素之一。作為世界人口超級大國，人口問題同樣是我國面臨的突出社會問題。2020年第七次全國人口普查數(shù)據(jù)顯示，中國的人口結(jié)構(gòu)相比于2010年第六次人口普查發(fā)生了許多明顯變化，主要體現(xiàn)在以下幾方面：①人口總量141 178萬人，與2010年相比，增加7 206萬人，增長5.38%，人口低速增長，但基數(shù)依然龐大;②60歲及以上人口為26 402萬人，占總?cè)丝诘?8.70%，比2010年上升5.44個百分點，老齡化程度進一步加深;③居住在城鎮(zhèn)的人口為90 199萬人，占總?cè)丝诘?3.89%，比2010年增加23 642萬人，且占比上升14.21個百分點，城鎮(zhèn)化進程穩(wěn)步推進;④與2010年相比，每10萬人中具有大學(xué)文化程度的人由8 930人上升為15 467人，15歲及以上人口的平均受教育年限由9.08年提高至9.91年，人口素質(zhì)不斷提升;⑤全國共有家庭戶49 416萬戶，平均每個家庭戶的人口為2.62人，比2010年的3.10人減少0.48人，家庭戶規(guī)模繼續(xù)縮小;⑥與2010年相比，人戶分離人口增長88.52%，市轄區(qū)內(nèi)人戶分離人口增長192.66%，流動人口增長69.73%，人口流動持續(xù)進行，人口分布格局變動明顯。

人口結(jié)構(gòu)的逐步改變必然伴隨著生態(tài)環(huán)境的深刻變革，如何處理好人與生態(tài)的關(guān)系將是新時期新形勢下我國現(xiàn)代化建設(shè)面臨的重大挑戰(zhàn)，因而研究人口結(jié)構(gòu)變化對生態(tài)的影響具有十分重要的理論價值和現(xiàn)實意義。基于此，本文將探究我國人口結(jié)構(gòu)對生態(tài)效率的影響，研究貢獻在于：第一，基于非期望產(chǎn)出的超效率SBM模型，將能源消耗、廢物排放、生產(chǎn)總值等指標統(tǒng)一納入到衡量體系中，以更綜合的視角展示了全國31個省份的生態(tài)效率情況;第二，將人口密度、人口產(chǎn)業(yè)結(jié)構(gòu)、人口消費結(jié)構(gòu)、人口年齡結(jié)構(gòu)、人口城鄉(xiāng)戶籍結(jié)構(gòu)、人口受教育結(jié)構(gòu)、人口家庭結(jié)構(gòu)七個方面作為考察對象，較全面地分析了人口結(jié)構(gòu)各要素，并進一步確定了哪些要素是影響生態(tài)效率最重要的要素;第三，在考慮時間異質(zhì)性和空間異質(zhì)性的基礎(chǔ)上，探究了人與生態(tài)的關(guān)系，進一步豐富了該領(lǐng)域的理論研究。

二、文獻回顧

1798年，馬爾薩斯在其著作《人口學(xué)原理》中指出，若兩性情欲保持不變，人口數(shù)量將按幾何級數(shù)增長，而作為人類生存所必需的食物卻僅能按算術(shù)級數(shù)增長，按照這一趨勢，生活資料的增長必將趕不上人口增速，所以必須主動采取措施限制人口，這是最早探討人口與生態(tài)的學(xué)說。雖然馬爾薩斯的觀點遭到后續(xù)學(xué)者的眾多批評，但他對人口與生態(tài)的悲觀論調(diào)卻得到了不少學(xué)者的贊同。赫茨勒、艾利奇等學(xué)者都認為人口過快增長將會對資源與環(huán)境造成嚴重威脅，并且當(dāng)代世界的人口總量已經(jīng)使自然超負荷運轉(zhuǎn)，地球資源將被耗盡，污染也將日益嚴重[1]。然而作為樂觀派，博斯拉普率先表達了人口能夠與生態(tài)協(xié)調(diào)發(fā)展的積極論調(diào)[2]，隨后凱恩、西蒙等學(xué)者同樣指出：人口增長雖然會造成資源短缺，但這種現(xiàn)象只是臨時的，相反這將促進節(jié)約資源型或替代資源型技術(shù)的創(chuàng)新，進而改良生產(chǎn)方式，提高生態(tài)效率[3]。

由此可見，學(xué)者們對人口與生態(tài)的論斷各執(zhí)一詞，有必要做進一步探究。此外，人口結(jié)構(gòu)包括方方面面，單就人口總體論影響太過籠統(tǒng)，需要從各部分出發(fā)分別探討，這也是當(dāng)前研究人口對生態(tài)影響的主流思路。接下來，本文將從人口密度、人口產(chǎn)業(yè)結(jié)構(gòu)、人口消費結(jié)構(gòu)、人口年齡結(jié)構(gòu)、人口城鄉(xiāng)戶籍結(jié)構(gòu)、人口受教育結(jié)構(gòu)、人口家庭結(jié)構(gòu)七個方面梳理人口結(jié)構(gòu)對生態(tài)的影響。

人口密度是人口數(shù)量與地區(qū)面積的比值，反映了一個地區(qū)人口聚集程度。那么，地區(qū)內(nèi)人口規(guī)模或聚集程度會對當(dāng)?shù)厣鷳B(tài)產(chǎn)生何種影響呢？主要結(jié)論分為兩派，一派認為，人口集聚必然導(dǎo)致人類的生產(chǎn)和消費行為激增[4]，資源消耗速度加快[5]，相應(yīng)的廢水、廢氣、廢物的排放量也會加大[6-7]，從而對生態(tài)產(chǎn)生負面影響。因此，人口密度需要控制在一定范圍，以使人口數(shù)量與生態(tài)協(xié)調(diào)發(fā)展[8];另一派則認為資源與環(huán)境并不構(gòu)成人口數(shù)量的硬約束[9]，人口集聚也不會破壞生態(tài)系統(tǒng)，反而能形成規(guī)模效應(yīng)，促進城市中各種設(shè)施和設(shè)備的共享率和利用率[10-11]，從而抑制污染排放量的增長，起到改善生態(tài)環(huán)境的作用[12]。

人口產(chǎn)業(yè)結(jié)構(gòu)是指分布于國民經(jīng)濟各個部門、從事各種經(jīng)濟活動的人口所構(gòu)成的數(shù)量比例關(guān)系[13]。隨著一國生產(chǎn)水平的提高，勞動力通常會先從第一產(chǎn)業(yè)向第二產(chǎn)業(yè)轉(zhuǎn)移，最后再向第三產(chǎn)業(yè)轉(zhuǎn)移，形成人口產(chǎn)業(yè)結(jié)構(gòu)的動態(tài)演進 ②。其中第二產(chǎn)業(yè)一般包括采礦業(yè)、電力燃氣行業(yè)、建筑業(yè)、制造業(yè)等，這些行業(yè)與能源息息相關(guān)，其生產(chǎn)活動直接與生態(tài)掛鉤。因此，學(xué)者們普遍認為第二產(chǎn)業(yè)的經(jīng)濟和人口占比會對生態(tài)造成重要影響，并且越是以第二產(chǎn)業(yè)為主導(dǎo)的地區(qū)，污染越嚴重，生態(tài)效率越差[14]。這說明轉(zhuǎn)變經(jīng)濟增長方式，升級產(chǎn)業(yè)結(jié)構(gòu)，降低人口產(chǎn)業(yè)結(jié)構(gòu)中第二產(chǎn)業(yè)人口占比，將有利于提高生態(tài)效率，改善自然環(huán)境[15]。

人口消費結(jié)構(gòu)的改變意味著人們需求的消費品的種類和數(shù)量發(fā)生變化，部分學(xué)者注意到這種變化也會對生態(tài)造成影響，因為消費品的生產(chǎn)過程與能源消耗、廢物排放密切相關(guān)[16]。一方面，消費品數(shù)量的增多將帶來能源消耗的增加，進而對生態(tài)與資源造成更大壓力[17];另一方面，消費品種類的變化，特別是當(dāng)人們更多選擇排污較少、環(huán)保更佳的消費品時，將有利于人口與生態(tài)的可持續(xù)發(fā)展[18]。因此，在推動經(jīng)濟發(fā)展、提高居民消費水平的同時，有必要倡導(dǎo)綠色的消費方式，創(chuàng)造人與自然和諧共處的局面。

隨著經(jīng)濟水平和醫(yī)療技術(shù)的不斷提高，中國人均壽命由新中國剛成立時的不足35歲，提升到如今的77歲以上。但就目前而言，我國人口年齡結(jié)構(gòu)面臨的最大問題莫過于老齡化。2014年，我國的老年人口數(shù)量達到2.12億，成為世界上第一個老年人口破2億的國家，此后老齡化程度進一步加深。由此出發(fā)，不少學(xué)者開始關(guān)注老齡化對生態(tài)的影響。其中，一部分學(xué)者認為人口老齡化對生態(tài)沒有實質(zhì)影響[19]，一部分學(xué)者認為人口老齡化對生態(tài)具有線性負作用[20-21]或倒U型負作用[22-23]，還有一部分學(xué)者則發(fā)現(xiàn)人口老齡化有利于提高生態(tài)效率，原因在于老齡化意味著人口紅利消失，于是倒逼經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型，即從勞動密集型、資源消耗型的粗放式經(jīng)濟發(fā)展方式轉(zhuǎn)變?yōu)橘Y本密集型、資源節(jié)約型的集約式經(jīng)濟發(fā)展方式，最終促進生態(tài)環(huán)境的改善[24-25]。

改革開放以來，我國的城鎮(zhèn)化伴隨著農(nóng)村人口向城鎮(zhèn)人口轉(zhuǎn)變、農(nóng)業(yè)人口向非農(nóng)業(yè)人口轉(zhuǎn)變，在此期間人口城鎮(zhèn)化率不斷提高，并于2019年首次超過60%。快速的城鎮(zhèn)化在帶給廣大群眾更優(yōu)質(zhì)的生活服務(wù)的同時，也帶來了霧霾、交通堵塞、飲用水污染等城市病，危及人體健康。針對上述現(xiàn)象，不少學(xué)者認為生態(tài)的破壞總是伴隨著城鎮(zhèn)化[26]，城市建設(shè)和工業(yè)發(fā)展會導(dǎo)致資源的過量開采和污染物的高強度排放，因而人口城鎮(zhèn)化率的提高會惡化生態(tài)環(huán)境[27-28]。不過，另一些學(xué)者指出，城鎮(zhèn)化對生態(tài)的影響是一個動態(tài)演變過程，城鎮(zhèn)化的初期會加劇污染，但是后期隨著人們對環(huán)境質(zhì)量要求的提高，會引致環(huán)保技術(shù)的創(chuàng)新，進而改善環(huán)境[29]。

百年大計，教育為本，國民受教育程度體現(xiàn)了一個國家的發(fā)展水平和發(fā)展?jié)摿ΑＮ覈鴼v來十分重視教育的投入，積極發(fā)展高等教育、普及九年制義務(wù)教育、掃除青壯年文盲，并取得了一系列成效，各級教育普及程度已達到或超過中高收入國家的平均水平 ③。就人口受教育結(jié)構(gòu)對生態(tài)的影響而言，現(xiàn)有研究普遍贊同人口受教育程度越高，越有利于生態(tài)的保護與改善[30]。因為人口素質(zhì)的提高會增強人們的環(huán)保意識，從而改變資源的利用方式，減少污染物的排放[31-32]。當(dāng)然，有學(xué)者指出，人口素質(zhì)對生態(tài)的正向影響只有在經(jīng)濟發(fā)展達到一定水平后才有所體現(xiàn)[33]。

人口家庭結(jié)構(gòu)是指各種規(guī)模和類型的家庭在家庭總體中所占的比重。與人口消費結(jié)構(gòu)相似，人口家庭結(jié)構(gòu)的變化主要是指家庭類型和家庭規(guī)模的變化。現(xiàn)有針對人口家庭結(jié)構(gòu)與生態(tài)關(guān)系的研究主要以家庭規(guī)模的變化對生態(tài)的影響為主，例如有學(xué)者認為家庭規(guī)模對碳排放具有顯著負向影響，即家庭規(guī)模越大，碳排放越小[34]，也有學(xué)者指出家庭規(guī)模對生態(tài)的影響體現(xiàn)在：家庭的小型化趨勢會加重霧霾污染[35]。

綜上所述，學(xué)者們的研究無論是在方法上還是理論上都為我們了解人口結(jié)構(gòu)對生態(tài)的影響提供了豐富的參考。然而上述研究中仍然有不少地方值得進一步探討和完善，主要表現(xiàn)在以下幾個方面：

一是人口結(jié)構(gòu)對生態(tài)的影響，大多數(shù)研究以單一的排放指標、資源利用指標或能源消耗指標為主，但是生態(tài)作為一個綜合系統(tǒng)，對它的考察不宜太片面，應(yīng)該采取更全面的指標進行度量。因此，本文以生態(tài)效率為因變量，利用包含非期望產(chǎn)出的超效率SBM模型，將能源消耗、廢物排放、生產(chǎn)總值等指標統(tǒng)一納入到衡量體系中，以期更綜合地描述人口結(jié)構(gòu)對生態(tài)的影響。

二是以人口結(jié)構(gòu)作為自變量時，大部分學(xué)者只考慮了人口結(jié)構(gòu)的一個或少數(shù)幾個方面，且集中在人口數(shù)量、人口老齡化以及人口受教育程度幾個方面，少有研究將人口結(jié)構(gòu)各個方面綜合起來，并進一步確定哪些人口結(jié)構(gòu)因素是影響生態(tài)最重要的因素。因此，本文將從人口密度、人口產(chǎn)業(yè)結(jié)構(gòu)、人口消費結(jié)構(gòu)、人口年齡結(jié)構(gòu)、人口城鄉(xiāng)戶籍結(jié)構(gòu)、人口受教育結(jié)構(gòu)以及人口家庭結(jié)構(gòu)七個方面共同考查人口結(jié)構(gòu)如何影響生態(tài)效率。

三是由于樣本選取、計量方法、研究背景等方面的差異，上述研究得出的結(jié)論不盡相同。例如，部分研究并未考慮各地區(qū)生態(tài)可能存在空間相關(guān)性，或只采用截面數(shù)據(jù)，忽略了特定時間段生態(tài)經(jīng)歷的變化，這些都可能造成最終的估計結(jié)果存在偏差。因此，本文在充分考慮各地區(qū)的時空差異后，采用2009—2018年間中國31個省份的面板數(shù)據(jù)，建立時間和空間雙固定效應(yīng)面板回歸模型，并對實證結(jié)果進行穩(wěn)健性檢驗和異質(zhì)性分析，以獲得更可信的研究結(jié)論。

三、生態(tài)效率的計算

（一）模型介紹

本文擬將能源消耗、廢物排放、生產(chǎn)總值等指標統(tǒng)一納入到生態(tài)效率的衡量體系中，但是傳統(tǒng)回歸模型無法處理多個因變量問題，需要將上述各方面整合起來，而數(shù)據(jù)包絡(luò)分析（DEA）模型提供了解決多投入與多產(chǎn)出的計算方法[36]。不過值得注意的是，產(chǎn)出端同時包括了廢物排放與生產(chǎn)總值，但兩者并非同方向指標，即廢物排放越少越好，生產(chǎn)總值越高越好。而傳統(tǒng)DEA模型，如BCC、CCR模型，由于產(chǎn)出被要求同比例同方向變動，所以無法計算包含廢物排放這類非期望產(chǎn)出的生態(tài)效率，于是有學(xué)者將污染排放指標放入投入端[37]，但這并不符合生產(chǎn)過程。

基于上述考慮，本文打算采用SBM模型，SBM模型基于松弛測度，能夠彌補徑向和角度的缺陷[38]，解決非期望產(chǎn)出問題[39]。同時，SBM模型具有無量綱的特性，可以有效避免投入產(chǎn)出單位量綱不同引起的偏誤，更真實地反映生態(tài)效率。然而，傳統(tǒng)SBM模型在計算投入產(chǎn)出效率時，可能會出現(xiàn)多個效率值為1的決策單元，并且無法對這些單元做進一步區(qū)分和評價。對此，TONE（2002）在傳統(tǒng)SBM模型的基礎(chǔ)上提出了改進方案，使得新模型允許決策單元的效率值大于1，因而新模型也被稱為超效率SBM模型[40]。綜上，本文對生態(tài)效率的計算將基于包含非期望產(chǎn)出的超效率SBM模型，模型的具體設(shè)定如式（1）：

（二）數(shù)據(jù)來源及處理方法

考慮數(shù)據(jù)可得性，本文選取2009—2018年全國31個省份（不含香港、澳門以及臺灣地區(qū)）的面板數(shù)據(jù)作為考察樣本。由于生態(tài)效率的計算分為投入部分與產(chǎn)出部分，以下將按此類別，分別介紹數(shù)據(jù)指標、來源及處理方法。

投入部分。以三要素生產(chǎn)函數(shù)為基礎(chǔ)，將資本存量、勞動力和資源消耗納入投入部分。其中，資本存量以單豪杰估算的2006年省際資本存量為基期，采用永續(xù)盤存法進行估算，資本折舊率取10.96%[41];勞動力采用各省年末就業(yè)人數(shù)作為衡量指標;資源消耗采用各省建設(shè)用地面積、水資源消耗總量以及能源消費總量三項指標。其中，建設(shè)用地面積的部分缺失值用線性趨勢回歸法填補;能源消費總量則是將各種能源消費種類統(tǒng)一換算成萬噸標準煤并加總后生成的數(shù)據(jù)，由于此項數(shù)據(jù)西藏部分缺失年份較多，這里將經(jīng)濟條件與西藏相似的新疆和青海作為參考，取兩省各年能源消費增長率的平均值作為西藏能源消費的增長率，然后基于已有數(shù)據(jù)進行插補。投入部分各指標的數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》以及各省統(tǒng)計年鑒與統(tǒng)計公報。

產(chǎn)出部分。包含期望產(chǎn)出和非期望產(chǎn)出兩部分。其中，期望產(chǎn)出選擇地區(qū)GDP為衡量指標，并且以2006年為基期進行不變價縮減，以保證與計算資本存量時的起始年份相對應(yīng)。非期望產(chǎn)出選用工業(yè)三廢（廢水、廢氣、固體廢物）的排放總量。其中，廢水排放總量由于2016年后不再統(tǒng)計，所以改用廢水排放中化學(xué)需要量（COD）作為替代，廢氣排放以二氧化硫排放總量測度，固體廢物排放以一般工業(yè)固體廢物產(chǎn)生量測度。產(chǎn)出部分各指標的數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》。

上述所有指標的匯總情況見表1。

（三）生態(tài)效率描述性統(tǒng)計與分析

由包含非期望產(chǎn)出的超效率SBM模型計算得到的各省生態(tài)效率值顯示：一方面，從各省份自身變動來看，2009—2018年十年間，除部分省份如吉林、天津、寧夏、遼寧穩(wěn)中有升，其他省份的生態(tài)效率變動相對平穩(wěn)。另一方面，從各省份之間的對比來看，以十年間的生態(tài)效率均值為標準進行排名，前五名分別是北京、海南、廣東、上海、山東，可以看出，經(jīng)濟實力強勁的“北上廣”，其生態(tài)效率同樣位居全國前列，海南、山東屬于著名旅游省份，人均GDP水平也處于全國中上游;而生態(tài)效率相比最低的五個省份為：西藏、新疆、甘肅、江西、廣西，這些地區(qū)經(jīng)濟水平相對落后，以粗放式發(fā)展為主，資源利用效率相對較低。

如圖1所示，按地理區(qū)劃將全國31個省份分成華北地區(qū)、東北地區(qū)、華東地區(qū)、華中地區(qū)、華南地區(qū)、西南地區(qū)、西北地區(qū)七大區(qū) ④，每個地區(qū)的生態(tài)效率值取該地區(qū)包含的各省份生態(tài)效率平均值。從圖中可以看出，以全國生態(tài)效率平均值為基準（圖中黑色實線），華北地區(qū)、華東地區(qū)、華南地區(qū)都高于全國平均水平，而東北地區(qū)、華中地區(qū)、西南地區(qū)和西北地區(qū)則低于全國平均水平。其中，華南地區(qū)生態(tài)效率最高，西南地區(qū)生態(tài)效率最低，前者是全國平均水平的1.44倍，后者僅為全國平均水平的61%。整體來看，生態(tài)效率呈現(xiàn)東部強而中西部弱的格局，且這種局面在2009—2018年十年間維持不變。

前文主要從時間方面分析了31個省份生態(tài)效率的演變過程，而從空間方面出發(fā)，生態(tài)效率呈現(xiàn)出由東向西逐步遞減的趨勢，與全國經(jīng)濟發(fā)展水平分布格局類似。這也在一定程度上說明，東部地區(qū)先天的交通和區(qū)位優(yōu)勢，造就了經(jīng)濟效率先起飛，各種優(yōu)質(zhì)的資源向東部集中，推動技術(shù)不斷更迭，因而最早實現(xiàn)傳統(tǒng)經(jīng)濟模式向綠色經(jīng)濟模式的轉(zhuǎn)型。相反，中西部地區(qū)，尤其是西部地區(qū)，地形地貌復(fù)雜，交通不便，國家政策扶持時間也較短，不少地方仍然以高耗能、高污染的第二產(chǎn)業(yè)作為經(jīng)濟支柱，造成嚴重污染和生態(tài)破壞，因此提高中西部生態(tài)效率、轉(zhuǎn)變地區(qū)經(jīng)濟發(fā)展模式是今后較長一段時間的重要任務(wù)。值得注意的是，青海省雖屬于西部地區(qū)，但生態(tài)效率十年間都處于國內(nèi)前列。此外，生態(tài)效率雖然表現(xiàn)出集聚效應(yīng)，如京津冀地區(qū)、長三角地區(qū)以及廣東、海南地區(qū)，但是輻射效應(yīng)不足，即生態(tài)效率無法由高水平地區(qū)向低水平地區(qū)傳導(dǎo)，低水平地區(qū)仍然受限于自身條件，未能在此期間打破生態(tài)效率無效的局面。

四、實證分析

（一）理論模型設(shè)定與變量選取

經(jīng)典的IPAT模型最初由HOLDREN和EHRLICH（1972）提出的I=PF等式演化而來[42]，隨后由COMMONER（1990）改進并正式提出IPAT模型（I=PAT）[43]。其中，I表示環(huán)境受影響程度，P表示人口規(guī)模，A表示人均財富，T表示技術(shù)水平，以此闡釋人與生態(tài)環(huán)境的關(guān)系。IPAT模型由于簡單直觀，一經(jīng)提出便得到多位學(xué)者的應(yīng)用與推廣，但是該模型將各影響因素認定為同比例線性關(guān)系，并不能反映真實的情況，于是YORK、DIETZ、ROSA（1994，2003）等學(xué)者對IPAT模型進行了拓展，得到STIRPAT模型[44-45]，具體形式如式（2）：

其中，a為常數(shù)項，ε為隨機誤差項，β、β、β為指數(shù)項。可以看出，STIRPAT模型為多變量非線性模型，設(shè)定更為靈活，而在實際應(yīng)用中該模型也支持相關(guān)變量的替換與拓展[46]。因此，本文在此基礎(chǔ)上，以Eff表示因變量生態(tài)效率，A表示人均GDP，T表示技術(shù)水平，并將P擴展為多項人口結(jié)構(gòu)變量，同時為保障數(shù)據(jù)的平穩(wěn)性和模型估計的便捷性，將等式兩邊分別取對數(shù)。在未考慮其他控制變量的情況下，得到如式（3）模型：

其中，下標i表示省份，t表示年份，p′為人口結(jié)構(gòu)各變量集合，β′為人口結(jié)構(gòu)各變量的系數(shù)集合。此外，參考相關(guān)文獻[47-49]，本文還在上述等式中加入環(huán)境治理、對外開放程度、對外貿(mào)易依存度等控制變量。上述所有變量的說明及統(tǒng)計信息見表2。其中，核心解釋變量的數(shù)據(jù)來源于《中國人口和就業(yè)統(tǒng)計年鑒》《中國社會統(tǒng)計年鑒》，控制變量的數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》《中國貿(mào)易外經(jīng)統(tǒng)計年鑒》。

（二）計量模型的選擇

1.空間相關(guān)性檢驗

在生態(tài)效率描述性統(tǒng)計與分析部分，我們發(fā)現(xiàn)生態(tài)效率呈現(xiàn)出較強的集聚效應(yīng)，因而需要考慮31個省份的生態(tài)效率間是否存在空間相關(guān)性。這里采用Moran’s I指數(shù)，檢驗結(jié)果表明，2009—2018年每一年的Moran’s I指數(shù)都為正數(shù)，且在1%的水平上顯著，表現(xiàn)出較強的正向空間自相關(guān)。

2.面板回歸模型的效應(yīng)選擇

檢測空間相關(guān)性后，我們還需要考慮面板回歸模型應(yīng)該選擇固定效應(yīng)還是隨機效應(yīng)。通常的做法是采用豪斯曼檢驗，而檢驗結(jié)果表明，p值為0.005，意味著模型在1%的顯著性水平上拒絕了“采用隨機效應(yīng)”的原假設(shè)，所以此處應(yīng)該建立固定效應(yīng)模型。

在確定采用固定效應(yīng)模型后，還有必要進一步探究模型是僅包含空間固定效應(yīng)或時間固定效應(yīng)，還是時間固定效應(yīng)和空間固定效應(yīng)兼而有之。這里可以用模型之間的對數(shù)似然值互相比較的方法，即先計算空間固定效應(yīng)模型的對數(shù)似然值logliksfe，再計算時間固定效應(yīng)模型的對數(shù)似然值logliktfe，最后再計算時間和空間雙固定效應(yīng)模型的對數(shù)似然值loglikstfe，最后將三個對數(shù)似然值兩兩結(jié)合形成似然比統(tǒng)計量，而似然比統(tǒng)計量服從λ2分布，可以據(jù)此計算出概率值來判斷采用何種效應(yīng)。表3展示了上述計算過程的結(jié)果，由最后兩行可知，檢驗在1%的顯著性水平上拒絕了“空間效應(yīng)不顯著”以及“時間效應(yīng)不顯著”的原假設(shè)，因此本文應(yīng)該選取時間和空間雙固定效應(yīng)模型。

3.拉格朗日乘子檢驗（LM檢驗）

在經(jīng)過空間相關(guān)性檢驗和效應(yīng)選擇后，接下來確定選取哪種空間模型，即確定是否需要在面板回歸模型中添加空間滯后項。解決這一問題，需要借助拉格朗日乘子檢驗（LM檢驗），該檢驗方法在學(xué)術(shù)界已經(jīng)得到廣泛應(yīng)用，是判斷選擇空間滯后模型抑或空間誤差模型最普遍的檢驗方法。需要說明的是，LM檢驗需要依賴空間權(quán)重矩陣，這里采用基于Rook原則（邊相鄰原則）的地理鄰近空間權(quán)重矩陣。為避免權(quán)重矩陣中含有零向量從而產(chǎn)生“孤島效應(yīng)”，我們將海南省與廣東省視作相鄰省份（海南省在1988年時從廣東省劃出后獨立建省）。

如表4所示，報告了各項顯著性檢驗的結(jié)果。其中，第一行和第二行分別為空間滯后項的LM檢驗和穩(wěn)健性LM檢驗，第三行和第四行分別為空間誤差項的LM檢驗和穩(wěn)健性LM檢驗，四項檢驗都顯示不能拒絕原假設(shè)，即面板回歸模型不需要加入空間滯后項和空間誤差項。至此，本文確定使用不含空間滯后項和空間誤差項的時間和空間雙固定效應(yīng)面板回歸模型探究人口結(jié)構(gòu)對生態(tài)效率的影響。

（三）實證結(jié)果分析

由上一節(jié)確定的時間和空間雙固定效應(yīng)面板回歸模型出發(fā)，得到人口結(jié)構(gòu)各變量對生態(tài)效率的影響，結(jié)果如表5所示。從回歸結(jié)果中可以看出，在人口結(jié)構(gòu)方面，有三項因素通過了顯著性檢驗，分別是人口密度、少兒撫養(yǎng)率以及農(nóng)村恩格爾系數(shù)。首先是人口密度，可視作剛好通過10%顯著性水平檢驗，說明地區(qū)人口密度越大，生態(tài)效率越高，人口集聚并不會對生態(tài)造成破壞，反而是一種利好的表現(xiàn)。其次是代表人口年齡結(jié)構(gòu)的少兒撫養(yǎng)率，系數(shù)為負，且通過10%的顯著性檢驗，意味著少兒撫養(yǎng)率越高，即總?cè)丝谥械纳賰赫急仍礁撸鷳B(tài)效率越低。與此相反，老年撫養(yǎng)率對生態(tài)效率的影響并不顯著，這在一定程度上表明少兒占比高的地區(qū)對生態(tài)的壓力可能比老年占比高的地區(qū)大。最后是農(nóng)村恩格爾系數(shù)，在1%的水平上顯著為負，表明該系數(shù)越高，越不利于生態(tài)效率的提高。而農(nóng)村恩格爾系數(shù)作為衡量人口消費結(jié)構(gòu)的指標之一，與農(nóng)村居民的收入水平息息相關(guān)。一般來說，隨著農(nóng)民收入水平的提高，食物消費支出在總支出中的占比將逐漸降低 ⑤，結(jié)合實證結(jié)果來看，這一過程還將伴隨著地區(qū)生態(tài)效率的提高。此外，城鎮(zhèn)恩格爾系數(shù)并不顯著，這也預(yù)示著城鄉(xiāng)之間可能存在較大的差距。

在控制變量方面，僅有代表環(huán)境治理的變量——各省環(huán)境污染治理投資與GDP比值通過了顯著性檢驗，并在1%的水平上顯著負向影響生態(tài)效率。對這一結(jié)果可能的解釋為：一是當(dāng)前環(huán)境污染治理的資金利用率較低，投入較多資金也未能改善地區(qū)生態(tài)狀況;二是某些地區(qū)仍以高污染高耗能的產(chǎn)業(yè)為主，造成較嚴重的生態(tài)破壞，此時迫于環(huán)保壓力，地區(qū)加大環(huán)境治理投資，于是形成“高污染、高治理費、低生態(tài)效率”同時存在的局面。

五、進一步分析

（一）穩(wěn)健性檢驗

針對時間和空間雙固定效應(yīng)面板回歸模型的結(jié)果，需要做進一步檢驗，以保證結(jié)果具有穩(wěn)健性。本文擬采取兩種方法檢驗，一是更換回歸方程式，二是改變計量模型。前者基于相關(guān)文獻的研究設(shè)計[50-51]，即只對回歸方程中的人口密度、人口受教育平均年限、家庭人口規(guī)模、人均GDP以及國內(nèi)三種專利申請授權(quán)數(shù)這幾項離差絕對值相對較大的變量取對數(shù)，而其他變量，包括因變量生態(tài)效率值和以百分比出現(xiàn)的自變量則不進行對數(shù)處理，此時得到的回歸結(jié)果如表6所示。

改變計量模型則是利用包含滯后項或誤差項的空間計量模型進行檢驗。雖然在之前的LM檢驗中提示模型可能不含空間滯后項或空間誤差項，但是也有學(xué)者認為空間杜賓模型應(yīng)該作為研究的起點，因為忽略空間滯后項可能導(dǎo)致模型產(chǎn)生遺漏變量問題，從而得出有偏的估計[52]。因此，接下來我們將采用空間杜賓模型和空間杜賓誤差模型進行穩(wěn)健性檢驗，結(jié)果同樣見表6。

限于篇幅，表6中僅列出表5回歸結(jié)果中顯著的四項變量，即人口密度、少兒撫養(yǎng)率、農(nóng)村恩格爾系數(shù)以及各省環(huán)境污染治理投資與GDP比值。從表中可以看出，除了在空間杜賓模型和空間杜賓誤差模型中，少兒撫養(yǎng)率這一變量未通過顯著性檢驗，其他變量均顯著，且影響方向未發(fā)生改變。由此進一步說明，除少兒撫養(yǎng)率外，人口密度正向影響生態(tài)效率，農(nóng)村恩格爾系數(shù)與環(huán)境治理投資負向影響生態(tài)效率。

（二）異質(zhì)性分析

經(jīng)過穩(wěn)健性檢驗后，還需要對回歸結(jié)果進行異質(zhì)性分析。因為在前文生態(tài)效率計算部分，我們發(fā)現(xiàn)各省生態(tài)效率在2009—2018年間的變動不大，但空間上呈現(xiàn)出東部最高、中部次之、西部最低的階梯局勢，東部生態(tài)效率高的省份以北京、上海、廣東為代表，西部除了青海外，云南、新疆、西藏等省份的生態(tài)效率皆低，這與全國經(jīng)濟發(fā)展水平的分布格局非常相似。因此，我們有理由懷疑，在固定時間和空間效應(yīng)后，回歸模型仍然可能因為地區(qū)經(jīng)濟發(fā)展水平不同存在較大的異質(zhì)性因素。此外，庫茲涅茲環(huán)境曲線表明，隨著人均GDP水平的不斷提高，生態(tài)狀況會經(jīng)歷先惡化然后逐步改善的過程[53]，這意味著人口結(jié)構(gòu)等變量對生態(tài)效率的影響可能會因為地區(qū)人均GDP的差異而發(fā)生改變。例如，人均GDP水平高的地區(qū)，往往有豐富的教育資源、先進的技術(shù)條件、完善的社會保障體系等，這些都會對人口結(jié)構(gòu)產(chǎn)生影響，進而影響地區(qū)生態(tài)效率。鑒于此，為驗證上述猜想和提高回歸結(jié)果的可信度，我們將在時間和空間雙固定效應(yīng)面板回歸模型的基礎(chǔ)上，加入人均GDP與通過顯著性檢驗的四項自變量的交互項，以期剖析地區(qū)經(jīng)濟發(fā)展水平的差異在人口結(jié)構(gòu)對生態(tài)效率的影響中所起到的作用。

考慮異質(zhì)性的面板回歸結(jié)果如表7所示，可以看出，雖然在不同模型中，人均GDP本身對生態(tài)效率無顯著的直接影響，但是它對其他變量具有重要的調(diào)節(jié)作用。具體來說，人口密度方面，單項不再顯著影響生態(tài)效率，而是人口密度與人均GDP的交互項在1%的水平上對生態(tài)效率產(chǎn)生顯著正向影響，這說明并不是只要人口密度高的地區(qū)，其生態(tài)效率就會更高。事實上，人口集聚往往伴隨著經(jīng)濟集聚，這兩者的共同作用推動了地區(qū)生態(tài)效率的提高，如北京、上海等大城市正是這種模式。

少兒撫養(yǎng)率方面，單項與交互項的影響都不顯著，這與穩(wěn)健性檢驗時改變空間計量模型后出現(xiàn)的結(jié)果相同，因而推測這一變量并不會對生態(tài)效率產(chǎn)生顯著影響。同樣，這一情況發(fā)生在環(huán)境治理投資比值及其交互項上，兩項變量同樣未通過顯著性檢驗。聯(lián)系到前文對表5結(jié)果中環(huán)境治理投資負向影響生態(tài)效率的解釋，即某些地區(qū)的經(jīng)濟依賴高污染高耗能產(chǎn)業(yè)，造成高治理費和低生態(tài)效率共存的局面，該解釋中提及的現(xiàn)象將隨著人均GDP交互項的介入而消失。也就是說，人均GDP水平達到一定高度的過程很可能與淘汰高污染高耗能產(chǎn)業(yè)、轉(zhuǎn)變粗放式經(jīng)濟發(fā)展方式一同發(fā)生，進入到這一階段后，環(huán)境治理投資對生態(tài)效率的影響不再顯著。

最后，農(nóng)村恩格爾系數(shù)方面，單項系數(shù)仍然通過了顯著性檢驗，表明農(nóng)村恩格爾系數(shù)的降低有利于提升生態(tài)效率;農(nóng)村恩格爾系數(shù)與人均GDP的交互項也在10%的顯著性水平上正向影響生態(tài)效率，這一結(jié)果更多強調(diào)的是增加農(nóng)村居民的收入水平將提高生態(tài)效率。總之，隨著農(nóng)民收入水平的提高和消費結(jié)構(gòu)的改善，地區(qū)生態(tài)效率也將提升。

六、結(jié)論與啟示

一切生命起源于自然，又作用于自然。我國在經(jīng)歷了經(jīng)濟高速發(fā)展后，正面臨水資源短缺、大氣污染、垃圾難以處理等生態(tài)問題，人與生態(tài)的矛盾日益凸顯。而“綠水青山就是金山銀山” ⑥，只有處理好人與生態(tài)的關(guān)系，秉持人與生態(tài)和諧發(fā)展的生態(tài)文明理念，才能實現(xiàn)中國乃至世界的可持續(xù)發(fā)展。據(jù)此，本文從人與生態(tài)的關(guān)系出發(fā)，基于2009—2018年全國31個省份的面板數(shù)據(jù)，運用包含非期望產(chǎn)出的超效率SBM模型計算各省生態(tài)效率，隨后構(gòu)造時間和空間雙固定效應(yīng)面板回歸模型探究人口結(jié)構(gòu)對生態(tài)效率的影響，并就回歸結(jié)果進行穩(wěn)健性檢驗和異質(zhì)性分析。本文主要研究結(jié)論如下：①從時間上看，除少數(shù)省份生態(tài)效率穩(wěn)中有升，其他省份生態(tài)效率在2009—2018年間變動不大;從空間上看，生態(tài)效率呈現(xiàn)出東部最高、中部次之、西部最低的階梯局勢，東部生態(tài)效率高的省份以北京、上海、廣東為代表，中西部除青海外，大部分省份的生態(tài)效率都有待提高;②人口密度越大的地區(qū)，生態(tài)效率越高，不過這一影響的機理在于人口集聚與經(jīng)濟集聚往往同時發(fā)生，只有當(dāng)?shù)貐^(qū)經(jīng)濟發(fā)展水平達到一定高度時，人口密度才能正向影響生態(tài)效率;③農(nóng)村恩格爾系數(shù)負向影響生態(tài)效率，即農(nóng)村恩格爾系數(shù)越高，地區(qū)生態(tài)效率越低。

本文的政策性啟示在于：①中西部地區(qū)由于發(fā)展時間較東部地區(qū)更晚，加上自身地形、交通等條件相對較差，不少地區(qū)的經(jīng)濟發(fā)展水平落后，且仍以高耗能高污染的產(chǎn)業(yè)為主，加劇了生態(tài)破壞，因而促進中西部地區(qū)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型、推動形成綠色發(fā)展方式是今后較長時間的重要任務(wù);②我國經(jīng)濟發(fā)展在繼續(xù)“做大蛋糕”的同時，要兼顧“分好蛋糕”的工作，特別是要堅持鄉(xiāng)村振興，縮小城鄉(xiāng)差距，持續(xù)改善農(nóng)村居民的收入水平和消費結(jié)構(gòu)，這將有利于地區(qū)生態(tài)效率的提高。

[注釋]① 這句話是2021年6月8日，國家主席習(xí)近平在青海湖仙女灣，實地察看青海湖環(huán)境綜合治理、生物多樣性保護工作時提出。

② 來自配第一克拉克定理。

③ 來自2020年12月1日，教育部新聞發(fā)布會消息，http：//www.moe.gov.cn/fbh/live/2020/52692/mtbd/202012/t20201201_502753.html。

④ 華北地區(qū)：北京、天津、河北、山西、內(nèi)蒙古;東北地區(qū)：遼寧、吉林、黑龍江;華東地區(qū)：上海、江蘇、浙江、安徽、福建、江西、山東;華中地區(qū)：河南、湖北、湖南;華南地區(qū)：廣東、廣西、海南;西南地區(qū)：重慶、四川、貴州、云南、西藏;西北地區(qū)：陜西、甘肅、青海、寧夏、新疆。

⑤ 來自恩格爾定律。

⑥ 這句話是時任浙江省委書記習(xí)近平于2005年8月在浙江湖州安吉考察時提出的科學(xué)論斷。

基金項目：國家社會科學(xué)基金重大項目《十八大以來黨中央“治邊穩(wěn)藏”戰(zhàn)略思想的理論體系研究》（16ZZD051）。

作者簡介：楊明洪（1968—），男，四川南充人，博士，云南大學(xué)民族學(xué)與社會學(xué)學(xué)院教授，主要研究方向為馬克思主義政治經(jīng)濟學(xué);

劉昕禹（1993—），男，四川雅安人，云南大學(xué)經(jīng)濟學(xué)院博士研究生，主要研究方向為區(qū)域經(jīng)濟與社會發(fā)展;

吳曉婷（1989—），女，四川巴中人，博士，中共成都市委黨校講師，主要研究方向為馬克思主義政治經(jīng)濟學(xué)。DOI： 10.13253/j.cnki.ddjjgl.2022.02.007

[參考文獻][1]MEADOWS D H， ROME C O. The limits to growth： a report for the club of Rome’s project on the predicament of mankind[J]. Technological forecasting and social change， 1973， 4（3）：323-332.

[2]BOSERUP E. Environment， population， and technology in primitive societies[J]. Population and development review， 1976， 2（1）：21-36.

[3]童玉芬.國外人口與環(huán)境關(guān)系研究的理論與方法綜述[J].中國人口·資源與環(huán)境，2004（5）：117-121.

[4]孫峰華，孫東琪，胡毅，等.中國人口對生態(tài)環(huán)境壓力的變化格局：1990～2010[J].人口研究，2013，37（5）：103-113.

[5]MISHALANI R G， GOEL P K， WESTRA A M， et al. Modeling the relationships among urban passenger travel carbon dioxide emissions， transportation demand and supply， population density， and proxy policy variables[J]. Transportation research part d transport & environment， 2014， 33（dec.）：146-154.

[6]肖周燕.中國人口空間聚集對生產(chǎn)和生活污染的影響差異[J].中國人口·資源與環(huán)境，2015，25（3）：128-134.

[7]李崇梅，傅崇輝.人口規(guī)模與廢污水排放量關(guān)系的動態(tài)穩(wěn)定性研究[J].資源科學(xué)，2016，38（6）：1169-1178.

[8]ZAGHENI E. The leverage of demographic dynamics on carbon dioxide emissions： does age structure matter？[J]. Demography， 2011， 48（1）：371-399.

[9]易富賢.資源、環(huán)境不構(gòu)成人口增長的硬約束[J].國際經(jīng)濟評論，2012（6）：136-149，7-8.

[10]GLAESER E L， KAHN M E. The greenness of cities： carbon dioxide emissions and urban development[J]. Nber working papers， 2010， 67（3）：404-418.

[11]ISHII S， TABUSHI S， ARAMAKI T， et al. Impact of future urban form on the potential to reduce greenhouse gas emissions from residential， commercial and public buildings in Utsunomiya， Japan[J]. Energy policy， 2010， 38（9）：4888-4896.

[12]梁偉，楊明，李新剛.集聚與城市霧霾污染的交互影響[J].城市問題，2017（9）：83-93.

[13]王憲恩，溫鑫，蔡飛飛，等.水環(huán)境人口承載力與人口產(chǎn)業(yè)結(jié)構(gòu)研究——以遼河源頭區(qū)為例[J].人口學(xué)刊，2015，37（3）：71-77.

[14]林黎，李敬.長江經(jīng)濟帶環(huán)境污染空間關(guān)聯(lián)的網(wǎng)絡(luò)分析——基于水污染和大氣污染綜合指標[J].經(jīng)濟問題，2019（9）：86-92，111.

[15]李玉紅.黃河流域干支流水污染治理研究[J].經(jīng)濟問題，2021（5）：9-15.

[16]羅能生，張夢迪.人口規(guī)模、消費結(jié)構(gòu)和環(huán)境效率[J].人口研究，2017，41（3）：38-52.

[17]KIM J H. Changes in consumption patterns and environmental degradation in Korea[J]. Structural change & economic dynamics， 2004， 13（1）：1-48.

[18]張彩云，張運婷.消費的環(huán)境庫茲涅茨曲線存在嗎？——基于空間杜賓模型的實證分析[J].商業(yè)經(jīng)濟與管理，2015（10）：68-77.

[19]COLE M A， NEUMAYER E. Examining the impact of demographic factors on air pollution[J]. Population and environment， 2004， 26（1）：5-21.

[20]DALTON M， O’NEILL B， PRSKAWETZ A， et al. Population aging and future carbon emissions in the United States[J]. Energy economics， 2008， 30（2）：642-675.

[21]ZHOU Y， LIU Y. Does population have a larger impact on carbon dioxide emissions than income？ evidence from a crossregional panel analysis in China[J]. Applied energy， 2016， 180：800-809.

[22]OKADA A. Is an increased elderly population related to decreased CO2 emissions from road transportation？[J]. Energy policy， 2012， 45（Jun.）：286-292.

[23]李飛越.老齡化、城鎮(zhèn)化與碳排放——基于1995-2012年中國省級動態(tài)面板的研究[J].人口與經(jīng)濟，2015（4）：9-18.

[24]郭晗，任保平.人口紅利變化與中國經(jīng)濟發(fā)展方式轉(zhuǎn)變[J].當(dāng)代財經(jīng)，2014（3）：5-13.

[25]HASSAN K， SALIM R. Population ageing， income growth and CO2 emission： empirical evidence from high income OECD countries[J]. Journal of economic studies， 2015， 42（1）：54 - 67.

[26]李佐軍，盛三化.城鎮(zhèn)化進程中的環(huán)境保護：隱憂與應(yīng)對[J].國家行政學(xué)院學(xué)報，2012（4）：69-73.

[27]王婷，呂昭河.人口增長、收入水平與城市環(huán)境[J].中國人口·資源與環(huán)境，2012，22（4）：143-149.

[28]高明，吳雪萍，郭施宏.城市化進程、環(huán)境規(guī)制與大氣污染——基于STIRPAT模型的實證分析[J].工業(yè)技術(shù)經(jīng)濟，2016，35（9）：110-117.

[29]王芳，周興.人口結(jié)構(gòu)、城鎮(zhèn)化與碳排放——基于跨國面板數(shù)據(jù)的實證研究[J].中國人口科學(xué)，2012（2）：47-56，111.

[30]趙向華.我國公民環(huán)保意識影響因素研究綜述[J].生態(tài)經(jīng)濟，2016，32（9）：189-192.

[31]胡家僖.環(huán)境意識、社會階層及民族文化對云貴民族地區(qū)居民環(huán)境行為的影響[J].中國農(nóng)業(yè)資源與區(qū)劃，2020，41（2）：204-212.

[32]蘇芳，宋妮妮，馬靜，等.生態(tài)脆弱區(qū)居民環(huán)境意識的影響因素研究——以甘肅省為例[J].干旱區(qū)資源與環(huán)境，2020，34（5）：9-14.

[33]童玉芬.西北地區(qū)人口-資源-環(huán)境協(xié)調(diào)發(fā)展研究[M].北京：中國人口出版社，2009：68-70.

[34]付云鵬，馬樹才，宋琪.基于空間計量的人口規(guī)模、結(jié)構(gòu)對環(huán)境的影響效應(yīng)研究[J].經(jīng)濟經(jīng)緯，2016，33（5）：24-29.

[35]張云輝，韓雨萌.人口因素對霧霾污染的影響——基于省級面板數(shù)據(jù)的實證分析[J].調(diào)研世界，2018（1）：9-16.

[36]CHARNES A，COOPER W W，RHODES E. Measuring the efficiency of decision making units[J]. European journal of operational research， 1978， 2（6）：429-444.

[37]HAILU A. Nonparametric productivity analysis with undesirable outputs： an application to the Canadian pulp and paper industry[J]. American journal of agricultural economics， 2011， 85（4）：1075-1077.

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

[39]TONE K. Dealing with undesirable outputs in DEA： a slacksbased measure （SBM） approach[J]. GRIPS research report series， 2003.

[40]TONE K. A slacksbased measure of superefficiency in data envelopment analysis[J]. European journal of operational research， 2002， 143（1）：32-41.

[41]單豪杰.中國資本存量K的再估算：1952～2006年[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2008，25（10）：17-31.

[42]EHRLICH P R， HOLDREN J P. Onedimensional economy[J]. Bulletin of the atomic scientists， 1972， 28（5）：16-27.

[43]COMMONER B. Making peace with the planet[M]. New York： Pantheon Books， 1990： 245-276.

[44]DIETZ T， ROSA E A. Rethinking the environmental impacts of population， affluence and technology[J]. Human ecology review， 1994， （1）：277-300.

[45]YORK R， ROSA E A， DIETZ T. STIRPAT， IPAT and ImPACT： analytic tools for unpacking the driving forces of environmental impacts[J]. Ecological economics， 2003， 46（3）：351-365.

[46]ROSA， EUGENE A， et al. Climate change and society： speculation， construction and scientific investigation[J]. International sociology， 1998， 13（4）：421-455.

[47]蘇偉洲，李航，錢昱冰，等.“一帶一路”沿線省份工業(yè)環(huán)境效率評價及影響因素研究[J].科技進步與對策，2018，35（19）：155-160.

[48]邱士雷，王子龍，劉帥，等.非期望產(chǎn)出約束下環(huán)境規(guī)制對環(huán)境績效的異質(zhì)性效應(yīng)研究[J].中國人口·資源與環(huán)境，2018，28（12）：40-51.

[49]林澍珅，羅能生，楊鈞.交通結(jié)構(gòu)對區(qū)域生態(tài)效率的影響——基于中國省際面板數(shù)據(jù)的經(jīng)驗分析[J].經(jīng)濟地理，2019，39（12）：21-30，38.

[50]韓永輝，黃亮雄，王賢彬.產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級改進生態(tài)效率了嗎？[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2016，33（4）：40-59.

[51]王寶義，張衛(wèi)國.中國農(nóng)業(yè)生態(tài)效率的省際差異和影響因素——基于1996～2015年31個省份的面板數(shù)據(jù)分析[J].中國農(nóng)村經(jīng)濟，2018（1）：46-62.

[52]PACE R K， LESAGE J P. A sampling approach to estimate the log determinant used in spatial likelihood problems[J]. Journal of geographical systems， 2009， 11（3）：209-225.

[53]GROSSMAN G M， KRUEGER A B. Economic growth and the environment[J]. Nber working papers， 1995， 110（2）：353-377.Study on the Effect of Population Structure on Ecological Efficiency in China

Yang? Minghong1，? Liu? Xinyu2，? Wu? Xiaoting3

（1. School of Ethnology and sociology， Yunnan University， Kunming 650021， China; 2. School of economics， Yunnan University，

Kunming 650504， China; 3. Party School of the CPC Chengdu Municipal Committee， Chengdu 610110，China）

Abstract：? Population and ecology are two major issues in contemporary society. How to coordinate the relationship between human and ecology is the premise of realizing social sustainable development. Therefore， this article is based on the panel data of 31 provinces from 2009 to 2018， using the superefficiency SBM model with undesired output to calculate the ecological efficiency of each province， then constructing time and space double fixed effect panel regression model to explore the influence of population structure on ecological efficiency， and the regression results are tested for robustness and analyzed for heterogeneity. The results show that， from the perspective of time， the ecological efficiency of all provinces in China has little change from 2009 to 2018， except for a few provinces that have a steady increase in ecological efficiency. From the perspective of space， the ecological efficiency is the highest in the east， the second in the middle and the lowest in the west. The effect of population structure on the ecological efficiency is mainly reflected in two aspects： first， when the regional economic development level reaches a certain height， population density positively affects the ecological efficiency; Second， the rural Engel coefficient negatively affects the ecological efficiency， that is， reducing the rural Engel coefficient is conducive to improving the regional ecological efficiency. Based on the above conclusions， this paper believes that on the one hand， we should narrow the gap of economic development between the eastern region and the central and western regions， promote the transformation of industrial structure in the central and western regions， and promote the green development mode; On the other hand， we need to narrow the gap between urban and rural areas and continue to improve the income level and consumption structure of rural residents.

Key words：population structure; ecological efficiency; population density; rural Engel coefficient

（責(zé)任編輯：張夢楠）