長江經濟帶與黃河流域生態效率差異及影響因素分析

邱兆林

[摘 要] 長江經濟帶發展與黃河流域生態保護和高質量發展是我國依托大江大河實施的重大國家戰略，文章采用Super-SBM模型和GML指數法測算了長江經濟帶與黃河流域生態效率及分解指標，建立面板Tobit模型識別生態效率的影響因素。研究發現：兩大區域生態效率整體呈現上升態勢，長江經濟帶生態效率GML指數高于全國水平，黃河流域低于全國水平。黨的十八大之后，長江經濟帶與黃河流域生態效率都實現快速提升，技術進步是生態效率提升的主要驅動因素，空間分布表現為“東高西低”特征。長江經濟帶生態效率的泰爾指數呈“U”型特征，黃河流域則呈倒“N”型特征。經濟發展、產業結構、環境規制、對外開放和基礎設施對生態效率產生顯著影響，外部因素的影響效果在區域間和區域內存在差異。新時代推進生態文明建設要堅持生態優先、綠色發展之路，多維度構建綠色發展的體制機制，注重區域間差異化發展和協同發展相結合。

[關鍵詞]長江經濟帶;黃河流域;生態效率;GML指數;Tobit模型

[中圖分類號]? F061.5; F205[文獻標識碼]? A[文章編號]? 1673-0461 （2022） 06-0039-11

一、引言

長江經濟帶和黃河流域是我國重要的生態屏障和經濟地帶，“長江經濟帶發展”和“黃河流域生態保護和高質量發展”先后上升為重大國家戰略，成為我國大江大河治理的重要標桿、國家生態安全的重要屏障和高質量發展的重要試驗區。2016年1月、2018年4月和2020年11月，習近平總書記先后在重慶、武漢、南京主持召開推動長江經濟帶發展座談會，強調踐行新發展理念，推動長江經濟帶高質量發展，繪就長江經濟帶發展宏偉藍圖。2016年3月中共中央政治局審議通過的《長江經濟帶發展規劃綱要》標志著長江經濟帶發展進入快車道。2019年9月和2021年10月，習近平總書記先后在鄭州和濟南召開推動黃河流域生態保護和高質量發展座談會，強調要科學分析黃河流域生態保護和高質量發展形式，把握好推動黃河流域生態保護和高質量發展的重大問題。2021年10月中共中央、國務院印發《黃河流域生態保護和高質量發展規劃綱要》，為保護好黃河流域生態環境，促進沿黃地區高質量發展指明了方向。

長江經濟帶覆蓋沿江11個省市，總面積占全國的21.4%。2020年人口總數占全國的42.9%，地區生產總值占全國的46.4%①。長江經濟帶經濟活躍，發展潛力大，在生態文明建設中占據重要位置。黃河流經9個省區，黃河流域是我國重要的生態安全屏障，也是人口活動和經濟發展的重要區域。2020年人口總數占全國的29.8%，地區生產總值占全國的25.0%②。長江經濟帶和黃河流域在經濟社會發展和生態文明建設方面各具特色，長江經濟帶經濟發展水平較高，生態文明建設起步較早，高質量發展成效顯著。黃河流域發展質量有待提高，其核心問題是什么呢？黃河流域資源、地理、交通因素與長江流域明顯不同，“黃河經濟帶”在全國經濟層面上不存在，黃河流域治理的核心依然是生態保護[1]。黃河流域生態環境脆弱、水資源短缺、經濟發展質量不高等問題更為嚴峻[2]。依托“大江大河”實施重大國家發展戰略，必須因地制宜，探索富有地域特色的綠色發展道路。

在上述背景下，本文遵循“總體差異-分項差異-成因識別”的思路，在科學量化長江經濟帶與黃河流域生態效率的基礎上，多維度剖析兩大區域生態效率的時空差異。并建立計量模型對生態效率的影響因素進行識別，探索長江經濟帶與黃河流域生態保護和高質量發展的路徑差異，為落實國家重大戰略區域高質量發展戰略提供理論支持。

二、文獻綜述

基于投入產出數據測算得到的生態效率（也

稱綠色全要素生產率）是用來衡量生產效率的重要指標，在生態文明建設和綠色發展理念下，企業生產不僅要考慮期望產出，還要關注生產過程產生的環境污染和資源浪費，即非期望產出。考慮非期望產出測算得到的生產效率稱之為生態效率。在測算方法上，主要有隨機前沿分析（SFA）和數據包絡分析（DEA）兩種方法。SFA是一種參數化方法，需要確定生產前沿面的具體形式。DEA方法的優勢在于無需對生產函數進行預設，可以處理多投入多產出問題，并能對生產效率進行分解，在實證研究中DEA成為測算生態效率的主要方法。CHUNG等（1997）提出了方向性距離函數（Directional distance function，DDF），將期望產出和非期望產出納入同一分析框架[3]。但DDF是采用徑向和角度DEA計算的，如果存在非期望產出，依靠傳統距離函數容易導致效率結果出現偏差。TONE（2001）基于松弛變量測度模型構建了非徑向和非角度的DEA模型，即SBM模型（Slacks-Based Measurement）[4]。然而，該方法測算得到的決策單元的效率值會出現多個決策單元同時有效的情況（即效率值都為1），無法進行有效排序和評價。TONE（2002）基于修正的松弛變量提出了Super-SBM模型[5]，該方法測算得到的效率值可以大于1，從而對SBM模型的有效單元繼續進行評價和排序[6]。

在研究內容上，部分文獻對長江經濟帶生態效率進行測算，并建立計量模型考察其影響因素，吳傳清和董旭（2016）基于長江經濟帶11個省市的面板數據，運用超效率DEA模型和ML指數法測度了長江經濟帶全要素能源效率，考察外部因素對全要素能源效率的影響[7]。陳明華等（2020）基于城市數據測度了長江經濟帶城市生態效率水平，分析了城市生態效率的時空特征及驅動因素[8]。關于生態效率的外部驅動因素，黃磊和吳傳清（2019）研究發現，經濟發展、環境規制和對外開放是提升長江經濟帶工業綠色發展效率的直接驅動力[9]。杜宇等（2020）、黃磊和吳傳清（2021）認為政府競爭、市場分割、產業結構優化、外商投資對長江經濟帶城市綠色效率具有顯著影響[10-11]。也有學者對黃河流域地區綠色全要素生產率進行測算，并對其影響因素進行識別，樣本選擇涵蓋了省級層面和地市級層面數據。劉華軍和曲惠敏（2019）采用DEA-Malmquist生產率指數法測度了黃河流域9個省份的綠色全要素生產率，并考察其演變趨勢和分布特征[12]。趙明亮等（2020）基于非徑向、非角度SBM方向性距離函數的ML指數，測算了黃河流域65個重點城市的綠色全要素生產率[13]。陳明華等（2020）構建非期望產出的SBM模型，測算了黃河流域100個城市的生態效率，考察生態效率的內在增長潛力和外部驅動因素[14]。經驗研究發現，環境規制、經濟發展、產業結構、科技創新、金融發展、對外開放等對黃河流域生態效率的影響存在顯著差異[14-15]。科技創新是提高黃河流域生態效率的核心驅動力[16-17]。曾剛和胡森林（2021）研究發現技術創新與綠色發展之間呈現“U”型非線性關系，技術進步存在“回彈效應”[18]。上述研究分別選擇長江經濟帶或黃河流域作為研究對象，缺少將二者結合起來對比分析的相關研究。楊萬平和張振亞（2020）采用黃河流域與長江經濟帶19個省份的樣本數據，對兩大流域生態全要素生產率指數及分項指數進行對比分析，識別外部因素對兩大流域生態效率的影響[19]。劉華軍等（2021）基于全國30個省份的樣本數據，測度了長江經濟帶與黃河流域的生態效率，分析了二者之間的差異及影響因素[20]。上述文獻在樣本選擇和研究方法上存在較大差別，研究結論也不盡相同。38BF582F-8363-446B-8C23-FD9CA46F95D5

綜上所述，學者們關于長江經濟帶與黃河流域生態效率的研究為本文提供了有益借鑒，本文的主要貢獻在于：第一，采用2000—2019年全國30個省份的樣本數據，利用Super-SBM模型和GML指數法測算了長江經濟帶與黃河流域生態效率及其分解指標，多維度識別二者之間的差異;第二，以黨的十八大為分界點，分階段比較長江經濟帶與黃河流域生態效率的演變趨勢;第三，構建面板Tobit模型，加入時間虛擬變量，檢驗黨的十八大前后外部因素對生態效率影響的差異，從區域間和區域內識別生態效率的影響因素。

三、研究方法與樣本數據

（一）測算方法

借鑒TONE（2002）基于修正松弛變量提出的Super-SBM模型[5]，假設有n個決策單元，每個決策單元使用m種要素投入x∈R+m，生產得到s1種期望產出yg∈R+s1和s2種非期望產出yb∈R+s2，定義矩陣X=[x1，…，xn]∈R+m×n、Yg=[yg1，…，ygn]∈R+s1×n、Yb=[yb1，…，ybn]∈R+s2×n。一個排除決策單元（x0，yg0，yb0）的有限生產可能性集可以表示為：p/（x0，yg0，yb0）={

（，g，b）|≥∑nj=1λjxj，g≤∑nj=1λjygj，b≥∑nj=1λjybj，λ≥0}，則考慮非期望產出的Super-SBM模型可表示為：

ρ*=min1m∑mi=1ixi0

1s1+s2∑s1r=1grygr0

+∑s2l=1blybl0（1）

s.t.≥∑nj=1，≠0λjxj，g≤∑nj=1，≠0λjygj，b≤∑nj=1，≠0λjybj

≥x0，g≤yg0，b≤yb0，λ≥0，∑nj=1，≠0λj=1

式（1）中，ρ*為目標效率值，該值越大表示效率越高;x、yg、yb分別表示投入向量、期望產出向量和非期望產出向量;m、s1、s2分別表示要素投入種類、期望產出種類和非期望產出種類，λ∈Rn為權重向量。

利用Super-SBM模型可以計算靜態生態效率，但無法反映生態效率的動態變化以及效率分解指標的變化。CHUNG等（1997）提出Malmquist-Luenberger（ML）指數法[3]，將傳統Malmquist指數與方向性距離函數（DDF）相結合，把期望產出和非期望產出同時納入生態效率研究中，實證分析中獲得廣泛應用。由于ML指數采用兩個當期ML指數幾何平均值的形式，難以滿足傳遞性和循環性要求，而且在測度方向性距離函數時可能存在線性規劃無解的情況。OH（2010）提出了Global Malmquist-Luenberger（GML）指數，可以有效解決ML指數存在傳遞性不足和無可行解的問題[21]。為了對GML指數進行定義和分解，OH（2010）引入當期生產可能性集合和全局生產可能性集合兩個概念，當期生產可能性集合定義為：

PTC（xt）={（yt，bt）|xt能夠生產（yt，bt）}，

t=1，2，…，T（2）

全局生產可能性集合表示所有當期可能性集合的并集，即PG=P1C∪P2C∪…∪PTC，下標C和G分別代表當期和全局。GML指數定義及其分解形式為：

GMLt，t+1（xt，yt，bt，xt+1，bt+1）=1+DTG（xt，yt，bt）1+DTG（xt+1，yt+1，bt+1）

=1+DtC（xt，yt，bt）1+Dt+1C（xt+1，yt+1，bt+1）

×（1+DTG（xt，yt，bt）/（1+DtC（xt，yt，bt））（1+DTG（xt+1，yt+1，bt+1）/（1+Dt+1C（xt+1，yt+1，bt+1））

=TEt+1TEt×BPGt，t+1t+1BPGt，t+1t

=ECt，t+1×BPCt，t+1

（3）

式（3）中，DTG（x，y，b）=max{β|（y+βy，b-βb）∈PG（x）}為全局方向性距離函數，根據全局生產可能性集合PG給出。GMLt，t+1大于1，表示生態效率提高，GMLt，t+1小于1，表示生態效率降低。TE代表技術效率，BPGt，t+1s是當期與全局技術前沿的“最佳實踐者差距”（Best practice gap， BPG），其中s表示時期t和時期t+1。ECt，t+1表示兩個時期技術效率的變化，BPCt，t+1表示兩個時期技術進步的變化。

（二）樣本選取和數據說明

本文選取2000—2019年中國30個省份（不含西藏和港澳臺地區）作為研究樣本，并劃分長江經濟帶和黃河流域進行區域分析。長江經濟帶包含上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南和貴州共11個省份，重慶、四川、貴州、云南為上游地區，江西、湖北、湖南為中游地區，上海、江蘇、浙江、安徽為下游地區。黃河流域包括青海、四川、甘肅、寧夏、內蒙古、陜西、山西、河南、山東共9個省份，根據陳明華等（2020）的劃分方法[15]，把青海、甘肅、寧夏劃為上游地區，內蒙古、陜西、山西劃為中游地區，河南、山東劃為下游地區③。

采用Super-SBM模型和GML指數法測算地區生態效率需要合理選擇投入和產出指標。借鑒已有相關研究，本文界定投入指標包括勞動、資本和能源，其中，勞動投入用各地區年末就業總人數表示，數據來源于萬得數據庫。資本投入采用永續盤存法計算各地區資本存量，具體計算公式為：Kit=Kit-1（1-δit）+Iit，其中，i表示個體，t表示年份，I表示當期投資，采用全社會固定資產投資來衡量④，并采用各地區全社會固定資產投資指數折算為2000年為基期的實際值;K表示資本存量，基期2000年各地區資本存量的數據來自張軍等（2004）的研究結果[22]，但該文獻中四川和重慶的資本存量是合在一起的，本文以1997—2000年四川和重慶全社會固定資產投資之和的比值作為權重，將原文中四川的資本存量拆分成四川和重慶的資本存量;δ表示資本折舊率，選取9.6%。能源消費采用各地區能源消費總量（萬噸標準煤）表示，數據來源于《中國能源統計年鑒》。期望產出采用各地區GDP表示，并用GDP平減指數折算為2000年為基期的實際值。非期望產出包括CO2排放和SO2排放，CO2排放量根據2006年聯合國政府間氣候變化專門委員會提出的二氧化碳計算方法和國家發展改革委能源研究所提供的原煤、焦炭、原油、汽油、煤油、柴油、燃料油、油田天然氣8種化石能源碳排放系數測算得到。各種能源消費量數據來源于《中國能源統計年鑒》，各地區SO2排放量數據來源于《中國環境統計年鑒》和《中國統計年鑒》。38BF582F-8363-446B-8C23-FD9CA46F95D5

四、長江經濟帶與黃河流域生態效率差異分析

（一）生態效率時間演變趨勢

圖1表示的是2001—2019年全國、長江經濟帶和黃河流域生態效率GML指數的變化趨勢，長江經濟帶與黃河流域生態效率的變化趨勢同全國一致，整體呈現上升態勢。長江經濟帶生態效率高于全國水平，黃河流域生態效率低于全國水平。2001—2019年，全國生態效率平均增長率為0.4%，長江經濟帶平均增長率為1.3%，黃河流域平均增長率為-0.8%。說明長江經濟帶生態文明發展水平遠高于全國和黃河流域，這與兩大區域經濟發展水平相一致，長江經濟帶經濟發展水平較高，尤其在產業結構升級和技術創新方面高于黃河流域，新興產業發展迅速，大量優質要素資源不斷流入，企業技術研發投入大，創新能力強。技術進步和產業結構升級引致長江經濟帶無論在污染減排還是資源利用效率方面，都具有較高水平。黃河流域自然生態脆弱，水資源嚴重短缺，高質量經濟社會發展整體滯后，產業構成以第一和第二產業為主，第三產業比重不及全國平均水平，而且第二產業內部，采掘業和重化工業比重較高。長期粗放型增長方式帶來嚴重的環境污染和資源浪費，受文化和體制等因素的制約，產業結構轉型升級面臨多重困境。從二者差距來看，黃河流域生態效率水平提升迅速，與長江經濟帶的差距在逐漸縮小，2019年長江經濟帶和黃河流域生態效率的增速分別為4.7%和3.9%，差距縮小到0.8個百分點。“十四五”規劃和2035年遠景目標綱要提出要“加強長江、黃河等大江大河和重要湖泊濕地生態保護治理”，依托重大國家戰略強化大江大河生態保護和系統治理，有利于促進經濟社會發展全面綠色轉型，推動生態文明建設取得新進步。

分階段來看，黨的十八大前后生態效率差距明顯（見表1）。具體而言，2001—2011年，全國、長江經濟帶和黃河流域的生態效率年平均增長? 率分別為-1.2%、-0.6%、-2.3%，2012—2019年分別為2.8%、3.8%、1.3%。黨的十八大之后，生態效率增速加快，綠色發展水平顯著提高。比較兩個階段經濟發展方式可知，改革開放之后，各地區依靠要素和投資驅動的粗放式發展實現了經濟高速增長。黨的十八大把生態文明建設放在突出地位，納入社會主義現代化建設總體布局，生態文明建設理念和實踐在全國快速推進。一方面政府主管部門加大了環境監察和保護修復力度，實行最嚴格的環境規制政策;另一方面企業主動履行社會責任，提高資源能源利用效率，促進了生態效率大幅提升。生態領域頂層設計統籌推進生態文明建設，有效激發行業技術變革和綠色發展低碳轉型。

分指標來看，生態效率GML指數可分解為技術效率的變化（EC）和技術進步的變化（BPC），2000—2019年，全國GML指數、技術效率和技術進步的年平均增長率分別為0.4%、-3.0%和3.6%，技術效率表現為負增長，技術進步為正增長。技術進步是生態效率提升的主要驅動因素，技術效率成為綠色發展的短板。比較黨的十八大前后發現，技術進步的年平均增長率分別為2.1%和5.6%，技術效率的年平均增長率分別為-3.3%和-2.7%。表明黨的十八大之后，技術進步的增速顯著提升，技術效率有所改善，仍表現為負增長，技術效率惡化一直是生態效率提升的制約因素。長江經濟帶和黃河流域生態效率的提升同樣依靠技術進步推動，2000—2019年，長江經濟帶GML指數、技術效率和技術進步的年平均變化率分別為1.3%、-2.1%和3.4%，黃河流域GML指數、技術效率和技術進步的年平均變化率分別為-0.8%、-3.5%和2.8%。長江經濟帶技術進步更快，彌補了技術效率的損失，整體生態效率正向增長。但黃河流域技術進步不足以彌補技術效率的損失，整體生態效率呈現負增長。黨的十八大之后這一現象發生扭轉，2012—2019年長江經濟帶和黃河流域技術進步增長較快，年平均增速分別為5.9%和4.2%，都彌補了技術效率帶來的損失，整體生態效率都實現了正向增長。

（二）生態效率空間分布特征

分區域來看，長江經濟帶與黃河流域內部上中下游地區生態效率差距較大（見表2）。2000—2019年長江經濟帶上游、中游和下游地區的生態效率平均增速為0.6%、0.2%和2.8%，樣本考察期內，長江經濟帶生態效率呈現東高西低的特征，下游地區生態效率最高，上游地區高于中游地區。原因可能是上游地區相對于中游地區工業規模較小，污染排放較少。下游的長三角地區是我國經濟發展最活躍、開放程度最高、創新能力最強的區域之一，長三角一體化發展戰略的實施為區域經濟協同發展提供了堅實的制度基礎。2000—2019年黃河流域上游、中游和下游地區的生態效率平均增速為-1.3%、-1.0%和0.1%，樣本考察期內，黃河流域生態效率同樣呈現東高西低特征，只有下游地區實現正向增長，增長率比長江經濟帶明顯偏低，黃河流域上游和中游地區綠色發展相對滯后。這與地區經濟發展模式相關，中上游地區經濟發展水平落后，資源消耗大，環境污染嚴重，對生態環境造成破壞;下游地區雖然經濟總量發達，但產業結構優化升級滯后，技術研發創新能力不足，導致生態效率提升難度較高。

分省份來看，2001—2019年長江經濟帶11個省份的生態效率差距較大（見表3），有8個省份實現正向增長，增速由高到低排序為上海、江蘇、重慶、浙江、四川、湖南、安徽、湖北;其余3個省份為負增長，增速由高到低排序為江西、云南、貴州。最快的上海平均增速達到7.0%，最慢的貴州平均增速僅為-0.5%。可以看出，長江經濟帶下游各省份綠色發展水平較高，尤其是上海、江蘇和浙江。上海積極發揮龍頭帶動作用，攜手江蘇和浙江協同發展，緊扣“一體化”和“高質量”兩個關鍵詞，推動長三角一體化發展全面提速。中上游地區除重慶和四川外，其他地區綠色發展水平偏低，尤其是西南云貴地區，缺乏綠色發展創新驅動力，整體低于中下游地區。近年來得益于產業結構調整和生態效益提高，綠色發展水平逐漸提升。從時間趨勢看，長江經濟帶11個省市在2012年之后每年都實現正向增長，表明黨的十八大提出的生態文明建設得到有效落實。38BF582F-8363-446B-8C23-FD9CA46F95D5

相比于長江經濟帶，黃河流域8個省份的綠色發展水平較低，大部分省份生態效率呈衰退趨勢（見表4）。2000—2019年生態效率平均增速大于零的省份只有河南，年平均增長率為0.4%;其余7個省份的平均增速全都小于零，平均增速由高到低排序為陜西、山東、青海、內蒙古、甘肅、寧夏、山西。相對而言，下游地區綠色發展水平高于中上游地區。下游地區的河南和山東作為經濟大省，正處在工業化和城鎮化發展的加速階段，隨著生產規模不斷擴大，污染增加，導致生態效率提升幅度不大。河南經濟轉型發展較為成功，2011年之后生態效率全部實現正增長，2019年增速達到7.8%。山東經濟轉型發展相對緩慢，尤其在營商環境優化、產業結構升級、人才引進和技術創新等方面同發達省份的差距逐漸拉大。中游地區屬于能源區域，內蒙古、陜西、山西被看作我國“煤炭金三角”，長期的能源開采造成植被破壞、水土流失，產生大量廢物，導致生態效率較低，山西生態效率衰退最為嚴重，年平均增速為-2.0%。資源型省份由于過度依賴能源開采，高端產業缺失，經濟發展水平相對落后，受交通、技術、人才等因素制約，產業轉型升級困難。上游地區隨著黃河源區社會經濟不斷發展⑤，人類活動足跡擴大導致黃河源區湖泊濕地逐漸萎縮，過度放牧，植被覆蓋度逐漸減少。

（三）生態效率空間差異程度

本文采用泰爾指數及分解方法衡量長江經濟帶與黃河流域生態效率的差異程度，泰爾指數的優點是可以把地區間總體差距分解為區域內差距和區域間差距，并衡量它們在總體差距中的貢獻度，構建泰爾指數及其分解公式如式（4）～（7）：

Theil=Theilb+Theilw（4）

Theilb=∑3p=1npN×plnp（5）

Theilw=∑3p=1npN×p×Theilp（6）

Theilp=1np∑i∈npepiPlnpip，（p=1，2，3）（7）

式（4）～（7）中，i表示省份，N表示省份的數量，np（p=1，2，3）表示第p組的省份數量，p表示組別，分為上游、中游、下游三個組，e表示生態效率的變化，表示平均值。Theil表示生態效率總體差距的泰爾指數，Theilp表示第p組內各省份生態效率差距的泰爾指數，Theilb和Theilw分別表示生態效率地區間差距和地區內差距的泰爾指數。

表5列出了長江經濟帶與黃河流域生態效率差距的泰爾指數及分解結果。長江經濟帶生態效率的泰爾指數呈先降后升的“U”型變化趨勢，2001—2012年呈下降態勢，2012年之后開始呈現波動性上升態勢。黨的十八大之后，生態文明建設在全國加快推進，各地區實施了一系列旨在保護環境、控制污染排放的環境規制政策，但由于地區間經濟發展水平以及政策實施力度存在差異，生態效率差距不斷加大。從分解指標看，區域內差異貢獻明顯超過區域間差異，考察期內區域內差異對總體差異的平均貢獻達到72.2%，區域間差異的平均貢獻不到30%。因此，縮小區域內差異是改善長江經濟帶生態效率發展不平衡的關鍵。

黃河流域生態效率的差距較小，泰爾指數呈現“下降-上升-下降”的倒“N”型變化趨勢。2001—2011年呈下降趨勢，2012—2013年短暫上升，2014年之后下降，并呈現波動狀態。黨的十八大明確提出大力推進生態文明建設，2012—2013年各地相繼推出了加快生態文明建設的政策措施，地方政府通過行政手段控制污染排放，短期內能夠促使生態效率提升，但缺乏可持續性，長期綠色發展要依靠科技進步尋求經濟與環境的雙贏，而非單純的控制污染排放。

五、生態效率的影響因素分析

以長江經濟帶與黃河流域地區生態效率GML指數作為因變量，建立計量模型考察外部因素對生態效率的影響，對長江經濟帶和黃河流域之間的差異進行比較分析。上文采用Supper-SBM模型和GML指數法測算得到的各地區生態效率為非負截斷離散數據，使用普通最小二乘法可能會導致參數估計有偏，宜采用面板Tobit模型進行回歸分析。

（一）因素選取與模型建立

借鑒已有研究，本文選取9個指標作為生態效率的影響因素：①經濟發展。采用人均實際GDP表示，以2000年為基期折算為可比價。經濟發展水平與生態效率密切相關，一方面經濟發展水平提高會帶來生產規模擴大，從而增加了污染排放，不利于生態效率提升;另一方面，經濟發展達到較高水平后，技術進步會提高生產效率，又會有助于生態效率提升。同時為了驗證“環境庫茲涅茨曲線”（EKC）假說，模型中加入人均實際GDP的平方項。②產業結構。用第二產業和第三產業增加值的比值來表示。一般來說，第二產業以采掘業、重化工業和建筑業為主，具有高投入、高污染特征，所以第二產業比重上升會導致生態效率降低。③環境規制。采用各地區污染源治理投資額占名義GDP的比重表示。根據“波特假說”，合理設計的環境規制能夠激勵企業技術創新，從而實現綠色發展。④科技創新。采用研發經費內部支出與名義GDP之比表示。⑤金融發展。采用金融機構存貸款余額與名義GDP之比表示。⑥對外開放程度。采用外商投資企業投資額與名義GDP的比值表示，外商投資企業投資額采用美元兌人民幣年平均匯率折算為人民幣的形式，該指標可以檢驗“污染暈輪”和“污染避難所”假說。⑦基礎設施。采用各地區鐵路營運里程和公路里程與地區面積之比來衡量⑥。⑧人力資本水平。采用各地區從業人員的平均受教育年限來衡量，具體測算方法是：將就業人員的受教育程度分為未上過學、小學、初中、高中、大學專科、大學本科、研究生七級水平，各階段平均受教育年限界定為1.5年、6年、3年、3年、3年、4年、3.5年⑦，結合各階段的就業比重，計算得到各地區就業人員的平均受教育年限。⑨時間虛擬變量。為了檢驗黨的十八大前后外部因素對生態效率影響的差異，模型中加入時間虛擬變量，2001—2011年取值為0，2012—2019年取值為1。數據全部來源于《中國統計年鑒》《中國科技統計年鑒》《中國環境統計年鑒》《中國勞動統計年鑒》以及EPS數據平臺和中經網統計數據庫。建立如式（8）面板Tobit模型：38BF582F-8363-446B-8C23-FD9CA46F95D5

GMLit=αit+β1gdpit+β2gdp2it+φ1Dit+∑jrjxj，it+ui+εit（8）

式（8）中，i表示個體，t表示時間，j表示其他影響因素的數量;GML表示生態效率;gdp表示人均實際GDP;D為虛擬變量，D=0表示2012年之前，D=1表示2012年之后;x表示其他的影響因素，ui為個體效應的標準差，ε為隨機擾動項。

（二）區域間影響因素分析

由于固定效應Tobit模型通常不能得到一致無偏的估計量，隨機效應模型效果更好。本文采用隨機效應的面板Tobit模型進行回歸分析，檢驗結果如表6所示。可以看出，外部因素對生態效率的影響在長江經濟帶和黃河流域存在較大差異，具體來看：

（1）經濟發展對生態效率的影響在長江經濟帶和黃河流域都沒有通過顯著性檢驗，經濟發展平方項的系數在長江經濟帶顯著為正，在黃河流域不顯著。長江經濟帶的結果支持“環境庫茲涅茨曲線”假說，經濟發展與生態效率之間存在“U”型關系。樣本考察期內，仍處在“U”型曲線的左通道，經濟發展促進生態效率的拐點尚未出現，經濟發展模式轉型和能源消費結構優化要繼續推進。黃河流域的結果尚不支持“環境庫茲涅茨曲線”假說，主要是因為黃河流域粗放式經濟發展消耗了大量能源，污染排放增加，生產規模擴大難以帶來生態效率提升。黃河流域生態環境面臨上游水源破壞、中游水土流失、下游能源消耗嚴重等問題，環境保護力度和高質量發展有待提高。

（2）產業結構的系數在長江經濟帶不顯著，在黃河流域通過1%的顯著性檢驗，符號都為負。第二產業比重上升抑制了生態效率提升，主要是因為，我國能源消費結構以煤炭為主，第二產業是能源消費的主要部門，第二產業比重提高必然會帶來高污染，降低了綠色發展水平。這在黃河流域體現的更為明顯，黃河流域第二產業的比重偏高。第二產業內部又以資源型產業和傳統制造業占據主導，高端服務業和現代服務業發育不夠[23]。長江經濟帶產業結構轉型升級較為明顯，高新技術制造業和新興產業發展迅速，第二產業內部污染嚴重的部門持續向中西部地區轉移，產業結構對生態效率的負向作用不顯著。

（3）環境規制的系數都顯著為負，說明環境規制并未帶來生態效率的提升，樣本考察期內不支持“波特假說”。可能原因在于，環境規制對綠色發展的影響存在長期性，短期環境規制增加了企業治污成本負擔，不利于企業綠色生產。加之我國現行的環境規制普遍采用行政命令型手段，從源頭有效控制污染排放，對技術創新的激勵不足。

（4）科技創新對生態效率的影響都不顯著，原因可能在于兩個方面，一是研發經費使用效率較低，以政府為主導的研發模式與市場需求脫節，大量研發經費投入并未轉化為先進的生產技術;二是存在“技術-環境悖論”，如果技術進步偏向于規模擴張和生產速度提升，而不是綠色生產技術，那么技術進步帶來產出增加的同時也會帶來污染排放增加，從而降低生態效率。

（5）金融發展對生態效率的影響都不顯著，黃河流域金融發展的系數為負。這與資本逐利性密切相關，金融資本大量流入收益率高的資本密集型產業，這些產業的能源消耗和污染排放較高，降低了綠色發展水平。綠色金融理念雖已提出，但其發展道路還面臨諸多挑戰，以銀行為主的金融市場體系存在明顯的行政壟斷特征，降低了金融資本的流動性和使用效率。

（6）對外開放對生態效率的影響在長江經濟帶顯著為正，在黃河流域顯著為負。表明在長江經濟帶“污染暈輪”假說成立，外商直接投資有利于引進國外先進生產設備和技術，從而產生技術外溢，提高綠色生產效率。在黃河流域“污染避難所”假說成立，國外污染嚴重產業隨著外資轉移到環境規制較弱的發展中國家，從而對生態環境產生破壞。這與兩大區域對外開放水平和外資利用效率有關，長江經濟帶相比黃河流域對外開放程度和水平更高，獲得更多外資青睞，外資流入高新技術產業和現代服務業，通過引進先進技術和設備，有利于提高生態效率。黃河流域進出口總額、實際利用外資金額相當于長江流域的兩成左右⑧，外商直接投資集中在污染較為嚴重的能源產業和重化工業，導致綠色發展水平不高。

（7）基礎設施對生態效率的影響方面，以單位面積鐵路里程衡量的基礎設施在長江經濟帶的系數顯著為負，在黃河流域的系數顯著為正;以單位面積公路里程衡量的基礎設施在長江經濟帶的系數顯著為正，在黃河流域的系數不顯著，符號為負。長江經濟帶鐵路交通網絡發達，鐵路是主要的運輸方式，鐵路基礎設施的大規模擴張導致大量能源消耗。黃河流域鐵路網絡不發達，公路成為主要運輸方式，公路基礎設施導致綠色發展水平下降。

（8）人力資本對生態效率的影響都不顯著，在長江經濟帶符號為正，在黃河流域符號為負。人力資本尚未發揮提升生態效率的關鍵要素作用，主要是因為制度性因素導致人力資本流動和配置沒有完全實現市場機制的決定性作用，人力資本的配置效率較低抑制了技術創新和綠色發展。

（9）時間虛擬變量的系數的符號為正，長江經濟帶和黃河流域分別在1%和15%的水平上通過顯著性檢驗，表明黨的十八大之后，兩大區域生態效率都顯著提升。長江經濟帶生態效率提升幅度高于黃河流域，二者生態效率分別提高了0.022和0.013。

（三）區域內影響因素分析

（1）從長江經濟帶內部看。經濟發展在長江經濟帶各區域的系數都通過了10%的顯著性檢驗，在上游和中游符號為正，在下游符號為負。表明上游和中游經濟發展水平提升能夠彌補污染排放，提高生態效率，下游經濟發展面臨轉型升級。經濟發展平方項的系數在上游和中游為負，下游系數為正，表明只在長江經濟帶的下游存在“環境庫茲涅茨曲線”，意味著只有經濟發展到一定水平，即超過“臨界點”后，隨著經濟發展水平的提高，綠色發展水平開始提升。產業結構只在中游地區通過顯著性檢驗，表現為第二產業比重增加抑制了生態效率改善。環境規制在下游地區通過顯著性檢驗，環境規制抑制了生態效率提升。科技創新在中游地區通過5%的顯著性檢驗，存在負向影響。基礎設施、人力資本和虛擬變量在各區域對生態效率的影響同整體一致，原因不足贅述。38BF582F-8363-446B-8C23-FD9CA46F95D5

（2）從黃河流域內部看。經濟發展在各區域的系數都不顯著，經濟發展平方項的系數在上游地區顯著為正。表明黃河流域各區域經濟發展沒有帶來生態效率的提升，意味著黃河流域經濟發展模式面臨粗放型向集約型轉變。環境規制的系數不顯著，環境規制對生態效率的提升不明顯，反映出環境規制手段的缺陷，雖然提高了環境質量，卻一定程度抑制了綠色生產效率。科技創新在中游地區對生態效率的影響顯著為正，中游地區承接了下游地區產業和技術轉移，研發支出的增加能夠帶來技術創新和生產效率提升。基礎設施的系數只在中游地區通過顯著性檢驗，鐵路基礎設施建設有利于提高生態效率，公路基礎設施建設則抑制了生態效率。表明黃河中游地區鐵路網絡不發達，增加鐵路基礎設施建設能夠提高運輸效率和綠色發展。產業結構、金融發展、對外開放和人力資本在各區域對生態效率的影響同整體一致。

六、結論與建議

本文選取2000—2019年我國30個省份（不含西藏和港澳臺地區）的面板數據，采用Super-SBM模型和GML指數法測算了長江經濟帶與黃河流域生態效率及其分解指標，多維度剖析生態效率的差異，并建立面板Tobit模型從區域間和區域內識別生態效率的影響因素。研究結論如下：第一，長江經濟帶與黃河流域生態效率整體呈現上升態勢，長江經濟帶生態效率高于全國水平，黃河流域生態效率低于全國水平，二者的差距逐漸縮小。黨的十八大之后，兩大區域生態效率都明顯提升。第二，技術進步是生態效率提升的驅動因素，技術效率制約了生態效率提升;長江經濟帶與黃河流域內部上中下游地區生態效率差距較大，主要表現為“東高西低”特征。第三，長江經濟帶生態效率的泰爾指數呈“U”型變化趨勢，區域內差異的貢獻超過區域間差異;黃河流域生態效率的總體泰爾指數呈倒“N”型變化趨勢，大多數年份區域內差異高于區域間差異。第四，Tobit模型回歸結果表明，長江經濟帶的結果支持“環境庫茲涅茨曲線”假說，而黃河流域的結果不支持。產業結構對黃河流域生態效率的影響顯著為負。環境規制的影響在兩大區域都顯著為負。長江經濟帶“污染暈輪”假說成立，黃河流域“污染避難所”假說成立。鐵路基礎設施和公路基礎設施在兩大區域的效果相反。時間虛擬變量系數顯著為正，黨的十八大之后，兩大區域生態效率顯著提升。科技創新、金融發展和人力資本的影響在兩大區域都不顯著。

基于研究結論，本文提出如下政策建議：第一，堅持綠色發展理念，大力推進生態文明建設。“生態興則文明興，生態衰則文明衰”，生態文明建設非一朝一夕之事，需要多維度構建綠色發展的體制機制，充分發揮政府、企業、社會組織等各類主體聯動作用。堅持正確的政績觀，準確把握保護和發展的關系，完善以綠色發展為導向的考核評價體系，堅定不移走生態優先、綠色發展之路。強化數字化賦能生態環境監管和治理，提高數字技術在環境監測、污染防治、跨區域聯防聯控中的應用，提升生態環境治理水平。堅持創新驅動綠色發展，強化企業創新的主體地位，加強生態環保領域關鍵核心技術的研發和推廣應用。第二，實施區域差異化生態保護和高質量發展方案。從綠色發展水平和影響因素看，長江經濟帶各地區積極推進供給側結構性改革，加快培育戰略性新興產業和高新技術產業，綠色發展成效顯著。依托其區位和資源優勢，以技術創新和產業升級驅動高質量發展。注重差異化發展和區域協同發展相結合，一方面，充分重視地區差異，鼓勵和支持各區域因地制宜探索符合自身特色的綠色發展路徑和模式;另一方面，長江經濟帶生態治理要加強區域協同，要在產業布局、能源結構優化、基礎設施建設、污染物聯防聯控等方面加強合作。黃河流域的核心問題依然是生態保護修復，把水資源作為最大的剛性約束，貫徹落實“四水四定”原則。從黃河生態系統的全局性出發，分區分類推進生態環境保護修復，上游保水源、中游保水土、下游保濕地。因地制宜重點推進產業發展、新型基礎設施建設和綜合交通運輸體系建設，擴大有效投資。第三，加強不同重大國家戰略區域的交流合作，共建生態中國。立足于發展不平衡不充分的問題，京津冀協同發展、長江經濟帶發展、粵港澳大灣區建設、長三角一體化發展、黃河流域生態保護和高質量發展等一系列重大國家戰略先后推出，不同地區和不同板塊互聯互通，區域發展協同性不斷增強。長江經濟帶和黃河流域作為依托大江大河建立的重大國家戰略區域，既存在差異性，也存在共通性，長江經濟帶與黃河流域之間應積極開展交流合作，也要深化同其他區域交流合作，尤其在產業升級、技術研發和應用等方面實現優勢互補。

[注 釋]

① 數據來源：經濟日報，http：//www.ce.cn/xwzx/gnsz/gdxw/202112/18/t20211218_37182773.shtml。

② 數據來源：作者根據國家統計局數據計算得到。

③ 借鑒劉華軍等（2021）的處理方法，把四川歸入長江經濟帶，原因是四川受長江水系影響更大，黃河在四川境內只流經阿壩藏族羌族自治州和甘孜藏族自治州，對黃河流域經濟發展影響較小。

④ 《中國統計年鑒》中全社會固定資產投資數據只到2017年，2018年開始只公布固定資產投資（不含農戶）增長率指標。本文通過增長率計算得到2018和2019年的數據，將固定資產投資（不含農戶）和農戶固定資產投資兩個指標相加作為各地區固定資產投資。

⑤ 黃河源區是指唐乃亥水文站以上的黃河流域，涉及青海、四川和甘肅3省的6個州、19個縣，是全流域重要的產水區和水源涵養區。

⑥ 這里沒有選用內河航道里程數，主要是考慮長江和黃河運力差距較大，該指標無法體現航運能力。各地區面積數據來源于中華人民共和國中央政府網站-中國概況。

⑦ 《中國勞動統計年鑒》關于受教育階段的劃分沒有區分碩士研究生和博士研究生，一般來說，碩士學制3年，博士學制3～4年，考慮到碩士比重較大，博士存在延期畢業現象，所以研究生教育年限取3.5年。

⑧ 資料來源：生態環境部黃河流域生態環境監督管理局，https：//huanghejg.mee.gov.cn/xxgk/hhwh/202011/t20201112_807688.html。38BF582F-8363-446B-8C23-FD9CA46F95D5

[參考文獻]

[1]陸大道，孫東琪.黃河流域的綜合治理與可持續發展[J].地理學報，2019，74（12）：2431-2436.

[2]師博，何璐.黃河流域城市高質量發展的動態演進與區域分化[J].經濟與管理評論，2021（6）：15-25.

[3]CHUNG Y， FARE R， GROSSKOPF S. Productivity and undesirable outputs： a directional distance function approach[J]. Journal of environmental management， 1997，51（3）：229-240.

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

[5]TONE K. A slacks-based measure of super-efficiency in data envelopment analysis [J]. European journal of operational research， 2002，143（1）：32-41.

[6]周澤炯，胡建輝.基于Super-SBM模型的低碳經濟發展績效評價研究[J].資源科學，2013，35（12）：2457-2466.

[7]吳傳清，董旭.環境約束下長江經濟帶全要素能源效率研究[J].中國軟科學，2016（3）：73-83.

[8]陳明華，劉文斐，王山，等.長江經濟帶城市生態效率的時空分異及其驅動因素[J].中國人口·資源與環境，2020，30（9） ：121-127.

[9]黃磊，吳傳清.長江經濟帶城市工業綠色發展效率及其空間驅動機制研究[J].中國人口·資源與環境，2019，29（8）： 40-49.

[10]杜宇，吳傳清，鄧明亮.政府競爭、市場分割與長江經濟帶綠色發展效率研究[J].中國軟科學，2020（12）：84-93.

[11]黃磊，吳傳清.長江經濟帶城市綠色技術創新效率及其動力機制研究[J].重慶大學學報（社會科學版），2021（1） ： 50-64.

[12]劉華軍，曲惠敏.黃河流域綠色全要素生產率增長的空間格局及動態演進[J].中國人口科學，2019（6）：59-70.

[13]趙明亮，劉芳毅，王歡，等.FDI、環境規制與黃河流域城市綠色全要素生產率[J].經濟地理，2020，40（4）：38-47.

[14]陳明華，王山，劉文斐.黃河流域生態效率及其提升路徑——基于100個城市的實證研究[J].中國人口科學，2020（4）：46-58.

[15]岳立，薛丹.黃河流域沿線城市綠色發展效率時空演變及其影響因素[J].資源科學，2020，42（12）：2274-2284.

[16]任保平，張倩.黃河流域高質量發展的戰略設計及其支撐體系構建[J].改革，2019（10）：26-34.

[17]張超，宋曉華，孫亞男.黃河流域科技創新效率差異測度、來源分解與形成機理[J].經濟與管理評論，2021（6）：37-50.

[18]曾剛，胡森林.技術創新對黃河流域城市綠色發展的影響研究[J].地理科學，2021，41（8）：1314-1323.

[19]楊萬平，張振亞.黃河流域與長江經濟帶生態全要素生產率對比研究[J].管理學刊，2020，33（5）：26-37.

[20]劉華軍，喬列成，石印.重大國家戰略區域視角下長江經濟帶與黃河流域生態效率比較研究[J].中國軟科學，2021（10）：73-81.

[21]OH DH. A global malmquist-luenberger productivity index[J]. Journal of productivity analysis， 2010，34（3）：183-197.

[22]張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952—2000[J].經濟研究，2004（10）：35-44.

[23]宋潔.新發展格局下黃河流域高質量發展“內外循環”建設的邏輯與路徑[J].當代經濟管理，2021，43（7）：69-76.

An Analysis of Ecological Efficiency Differences and the Causes

between the Yangtze River Economic Belt and the Yellow River Basin

Qiu? Zhaolin

（School of Economics， Shandong University of Finance and Economics， Jinan 250014， China）

Abstract： ??The development of Yangtze River Economic Belt and the ecological protection and high-quality development of Yellow River Basin are major national strategies implemented by the Chinese government relying on large rivers. This paper uses the Super-SBM model and the GML index method to calculate the ecological efficiency and its decomposition index in the Yangtze River Economic Belt and the Yellow River Basin， and establishes a panel Tobit model to identify the influencing factors of eco-efficiency. The results show that the ecological efficiency of the Yangtze River Economic Belt and the Yellow River Basin is on the rise. The ecological efficiency of the Yangtze River Economic Belt is higher than the national average， while the ecological efficiency of the Yellow River Basin is lower than the national average. After the 18th National Congress of the Communist Party of China， the ecological efficiency of the two regions has achieved rapid improvement. Technological progress is the main driver of ecological efficiency improvement. The characteristic of spatial distribution is that the ecological efficiency in the east is higher than that in the west. The Theil index of ecological efficiency in the Yangtze River Economic Belt shows a U-shaped evolution trend， and the Yellow River Basin shows an inverted N trend. Factors that have a significant impact on eco-efficiency include economic development， industrial structure， environmental regulation， opening to the outside world and infrastructure construction. The influence of external factors on the ecological efficiency is different between and within regions. In order to promote the construction of ecological civilization in Chinas new era， we must unswervingly follow the path of ecological priority and green development， build a multi-dimensional mechanism for green development， and pay attention to the combination of regional differentiated development and coordinated development.

Key words：the Yangtze River Economic Belt; the Yellow River Basin; ecological efficiency; GML index; Tobit model

（責任編輯：張夢楠）38BF582F-8363-446B-8C23-FD9CA46F95D5