廣西綠色發展效率測度評價研究

劉 棟，程 媛，隋譯萱，吳月桂

(1.廣西財經學院 工商管理學院，廣西 南寧 530007；2.廣西財經學院廣西(東盟)財經研究中心，廣西 南寧 530007)

1 引言

2020年國家出臺了《中共中央國務院關于新時代推進西部大開發形成新格局的指導意見》，意見指出要加大美麗西部建設力度，筑牢國家生態安全屏障。并明確提出了加快推進西部地區綠色發展，落實市場導向的綠色技術創新體系建設任務，推動西部地區綠色產業加快發展，大力發展循環經濟[1]。廣西作為西部陸海新通道的重要節點，也迎來了前所未有的發展機遇，提出了構建“南向、北聯、東融、西合”全方位開放發展新格局，被賦予的“綠色責任”更為艱巨。

2 文獻綜述

學者們關于綠色發展的研究主要集中在綠色發展研究概念、綠色發展效率的測度和評價、綠色發展效率影響因素和綠色發展機制等4個方面[2～10]，從不同視角采用不同的方法對綠色發展的理念和框架、綠色發展效率的測度和評價、綠色發展效率的影響因素和綠色發展的機制進行了研究。但很少有學者采用三階段DEA模型對綠色發展效率進行研究，更少有學者研究廣西的綠色發展問題和綠色發展效率的測度評價。其次，對于綠色發展效率評價指標體系也還不夠完善，對現有的評價指標不夠細致，大部分局限于宏觀的角度去分析。另外，在方法模型的選擇上不夠準確，沒有剔除環境因素和隨機因素的影響，容易造成最后的結果不準確。因此本文采用三階段DEA模型對廣西綠色效率進行了測度研究，以期得出的結果與實際情況更相符，更貼近真實性。

3 研究方法

3.1 三階段DEA模型

第一階段為傳統的DEA模型。將每個決策單元的原始投入和產出數據帶入傳統DEA-BCC模型，計算綜合效率值，為了減少規模報酬不變帶來的影響，本文選用規模報酬可變的BCC模型，利用DEAP2.1軟件進行運算，得到各決策單元最初的綜合效率值，并計算出相應的松弛變量。

第二階段是在傳統的DEA模型的基礎上，借助隨機前沿(SFA)模型，將第一階段計算出的投入變量作為被解釋變量，將環境變量作為解釋變量，利用Frontier4.1軟件進行運算，從而得到剔除外部環境變量等因素的調整后的投入變量值。本文主要依據Fried等提出的在傳統DEA模型基礎上，將各決策單元受到的管理無效率、外部環境和統計噪聲等影響進行剝離的三階段DEA模型的第二階段[13]。

第三階段是把在第二階段運算得到的調整后的投入變量值，結合原始產出值，再次帶入DEA-BCC模型，再次利用DEAP2.1軟件進行運算，最終得到了剔除外部環境變量等因素后的各決策單元綜合效率值。

3.2 Malmquist指數法

Malmquist指數法是一種廣泛應用于生產效率的動態測算方法?？梢詫γ磕甑臄祿隹v向對比同時也彌補DEA-BCC模型的不足之處，并且測算結果更為科學。事物的發展是一個長期、連續及連貫的過程，而三階段DEA模型只能測算某一時間節點的效率值，又因Malmquist指數具有無需對投入指標量綱統一和權重設定，允許各決策單元(DMU)的無效率，也無需假定DMU的優點，并且測算結果更為科學[14]。目前，Malmquist指數被廣泛運用在工業、農業等領域的生產率動態分析。

4 數據來源及指標選取

4.1 數據來源

本文以廣西14個地級市作為研究對象，采用2011～2018年各地級市的面板數據進行了實證分析，對其2011～2018年14個地級市的112個決策單元的綠色發展效率進行評價。數據主要來源于《中國城市統計年鑒》《廣西統計年鑒》和各地級市統計年鑒以及有關部門的官方數據。

4.2 變量指標選取

一是投入和產出指標的選擇。通過對已有文獻的分析[15]，構建了投入、產出、環境3個因素作為變量的指標體系。投入變量包括人力投入、資本投入和能源投入，參照既有文獻中學者們研究，選取年末就業人口作為人力投入指標；選取各市的電力消費量作為能源投入指標；考慮到廣西各地級市經濟發展存在差異，選取全社會固定資產投入作為資本投入指標。產出變量包括期望產出和非期望產出，用GDP作為期望產出變量；以工業廢氣排放、廢水排放和煙塵排放作為非期望產出變量。二是關于環境變量的指標選擇。以人口密度、對外開放、產業結構、文化教育和城鎮化水平作為環境變量指標。

5 實證分析

5.1 描述性統計分析

由于每個指標計量單位的不同，需要對所有的數據進行無量綱處理，本文借鑒郭四代(2018)的方法，將每個決策單元的二級指標值除該二級指標下所有決策單元均值，使得所有二級指標的樣本均值為1，從而消除指標不同計量單位的影響，得到廣西綠色發展效率測度指標體系和數據描述性統計(表1)和廣西綠色發展效率測度評價投入和產出圖(圖1、圖2)[12]。

從表1和圖1投入情況可以看出，在人力投入方面，年末就業人口總數排在前三名的分別為南寧、玉林、貴港，排在后三名的城市是桂林、北海和防城港，南寧的值最大為417.3萬人，最小值為桂林33.82萬人；在能源投入方面，南寧的電力消費量最高，平均每年消耗136.82億kW·h，崇左的電力消費量最低，平均每年消耗23.5億kW·h，崇左市主要以農種植甘蔗農作物為主；在固定資產投入方面，總體來看，各市差距比較明顯，首府南寧以3315.6億元居于首位，后面依次是柳州、桂林、北海，河池是405.12億元排在最后。

表1 廣西綠色發展效率測度指標體系和數據描述性統計

從表1和圖2可以看出，對于期望產出GDP，整體呈遞增的趨勢，每個城市之間又存在明顯的差異，貧富差異大，南寧、桂林、柳州3個城市排在領先位置。GDP平均值排在前三名的依次是南寧3152.19億元、柳州2209.22億元、桂林1639.91億元；排在后三位的城市依次是賀州、河池和來賓，平均值都不到500億元；由于崇左是邊境城市，也是廣西邊貿第一大市，充分發揮了自身的地勢優勢，從單一產業變成多元化產業，崇左近年來加強對外開放交流與合作，提高了地區生產總值，帶動了經濟的發展。

對于非期望產出，考慮到三階段DEA模型要求不管投入還是產出變量均為正值，在實證分析時，本文借鑒了Fire and Grosskopf提出的對非期望產出采用線性轉換方法，利用的形式，為最大值的1.1倍，以此保證所有的數值轉換之后均為正值。各市的非期望產出排放量同樣呈增長趨勢，隨著經濟的增長而增加。對于工業廢氣排放，平均值排在前三名的城市是梧州11.0萬t、賀州10.9萬t、北海10.7萬t，其中梧州主要是以冶金機械和醫藥食品為主，因為梧州與廣東省毗鄰，工業相對發達，在工業廢水排放量中比較大。排在后三位的是百色5.6萬t、來賓6.2萬t、河池8.2萬t；對于廢水排放，桂林2.3萬t、防城港2.5萬t、北海2.4萬t，最少是河池1.3萬t；對于工業廢氣排放，前三的是賀州9.45億m3、欽州9.40億m3、梧州9.3億m3，最少是柳州3.2億m3。通過期望產出和非期望產出的值看，在經濟產出和污染產出之間他們的差距還是很大的，所以為了在研究綠色發展效率過程中避免結果上的誤差和為了真實性，有必要增加“三廢”排放量作為非期望產出。

圖1 廣西綠色發展效率測度投入變量值分析

5.2 廣西各地級市綠色發展效率評價分析

5.2.1 第一階段傳統DEA模型結果分析

第一階段采用傳統的DEA模型，使用DEAP2.1軟件測算了廣西14個地級市2011～2018年的綠色發展效率，其結果如表2所示。

圖2 廣西綠色發展效率測度產出變量值分析

不考慮外部環境影響，廣西各地級市綠色發展效率整體呈上升趨勢，到2018年，除貴港0.886和百色0.695外，其余各市的綠色發展效率值全部為1，達到了有效前沿面。各地級市綠色發展效率均值處在0.694和1之間，排在前三的分別是防城港1、崇左1和北海0.998，省會南寧以0.887排在第十二位；有11個地級市的綠色發展效率超過了0.9，說明這些地級市既考慮經濟社會的發展，又注重對非期望產出廢氣、廢水和煙塵的控制，使經濟與環境協同發展；綠色發展效率最差的是百色0.694，因百色處在桂西，是典型的石漠化片區，同時具有豐富的礦產資源，主要的礦區礦床就達198處，礦種36種，主要以鋁業為主，所以污染廢棄氣體排放量高，對環境造成了一定的影響。因表2的結果只考慮了投入和產出，并未考慮外部環境變量和產生的隨機誤差的影響，所得到的綠色發展效率值均有偏大或者偏小的情況，不能真實地反應出廣西各地級市的綠色發展效率，需要進一步在后面兩個階段進行調整分析。

表2 第一階段綜合技術效率結果

5.2.2 第二階段SFA模型回歸結果分析

第二階段采用Frontier4.1軟件，分別對人力、能源和資本3個投入松弛變量進行SFA回歸分析，并進行顯著性判斷分析。其中3個投入松弛變量的LR值分別是26.964、6.506和59.866,均在1%的水平下顯著，說明使用SFA模型進行回歸分析是有效的；人力、能源和資本3個投入松弛的值均小于1，分別是0.554、0.340和0.749，說明隨機干擾和外部環境因素對三者的影響較大；對各外部環境變量來說，若系數為正，則該環境變量的增加對綠色發展效率的提升是不利的，比如會造成非期望產出增加、成本的提升和能源的浪費，對綠色發展效率產生不利影響，如果系數為負，說明環境變量的上升會容易產生節約的現象，對環境效率產生有利的影響。

通過SFA回歸分析(表3)，人口密度未能通過顯著性檢驗，并對人力投入松弛變量、資本投入松弛變量產生正向影響；產業結構對人力投入松弛變量在10%的水平下正向影響顯著，對能源投入松弛變量正向影響但不顯著，對資本投入松弛變量在5%水平下正向影響顯著；對外開放對人力、能源和資本3個投入松弛變量的影響較?。回斦С謱θ肆ν度胨沙?、能源投入松弛和資本投入松弛變量回歸系數為正，并在1%水平下顯著；文化教育對人力投入松弛、能源投入松弛和資本投入松弛變量回歸系數正向影響，但沒有通過顯著性檢驗；廣西的城鎮化水平對人力投入松弛變量的歸回系數為正值，并在10%的水平上顯著。環境因素和隨機因素在不同的程度上會容易造成偏差，也對人力、資本和能源投入造成不同的影響，所以有必要剔除環境效率和隨機效率的外部影響，最后可在第三階段求出廣西綠色發展的效率。

表3 第二階段SFA回歸分析結果

5.2.3 第三階段調整后DEA模型結果分析

從表4可以看出，2011～2018年廣西14個地級市的綠色發展效率均值都超過0.9，每年的綠色發展綜合效率處在0.905和0.979之間，總體綠色發展效率高。投入變量調整后，14個地級市每年的綠色發展綜合效率有了很顯著的提升，說明廣西綠色發展效率被低估。除桂林、崇左和北海外，各地級市歷年的綠色發展綜合效率均值都有增加，桂林、崇左和北海的技術管理水平被高估，桂林綠色發展綜合效率從0.997下降到0.991；崇左綠色發展綜合效率從效率的前沿面1下降到0.999；北海的綠色發展綜合效率由0.998下降到0.979。近年來，廣西大力發展旅游經濟，桂林和北海作為全國有名的旅游景點，吸引了國內外大量的游客，導致人口密度大幅提升，與其經濟產出不匹配，崇左地處中國西南門戶，有很長的邊境線，邊貿相對發達。其他11個地級市中，河池綠色發展綜合效率由0.997提升到有效前沿面1；百色綠色發展綜合效率由0.694提升到0.8，提高了15.2%；貴港綠色發展綜合效率由0.877提升到0.94，提高了7.2%；玉林綠色發展綜合效率從0.915提升到0.945，提高了3.3%；說明河池、百色、貴港和玉林4個地級市的綠色發展綜合效率受到隨機和環境因素的影響較大，技術管理水平被低估。2011～2018年南寧、柳州、梧州、欽州、賀州和來賓6個地級市的綠色發展綜合效率變化幅度不大，說明受到隨機因素和環境因素的影響不大，發展較為穩定。防城港在第一階段和第三階段的綠色發展綜合效率值都達到有效前沿面1。

5.2.4 Malmquist指數動態分析

運用DEAP2.1軟件，對2011～2018年廣西綠色發展效率做Malmquist指數動態分析，結果見表4。由表5可知，技術效率(Effich)、技術進步效率(Techch)、純技術效率(Pech)、規模效率(Sech)和全要素生產率(Tfpch)的指數范圍在[0.523，1.189]之間。除2017年外，廣西綠色發展各種效率波動不大，全要素生產效率均值略小于1，為0.96。2012、2016和2018年全要素生產效率的值均大于1，為效率增加的年份，其余年份的效率是下降的，由于技術進步效率的均值小于1，在一定意義上阻礙了廣西綠色發展效率的提升。2013年全要素生產效率的下降是由技術進步效率的下降所致；2014和2015年效率的下降是由技術效率和規模效率的下降所致；2017年效率的下降是由技術進步效率和純技術效率的下降所致；2012、2016和2018年效率的增加是由技術進步效率的上升所致。由以上分析可知，技術進步效率是廣西綠色發展效率主要影響因素，提高技術進步效率有利于廣西提高綠色發展效率水平。

表4 第三階段綜合技術效率結果

表5 基于Malmquist指數的綠色發展效率評價

對2011～2018年廣西綠色發展Malmquist指數進一步分解，得到如圖3所示結果，可以看出，技術效率基本保持穩定，在1上下浮動，浮動幅度不大。2016年以前廣西綠色發展效率都基本保持穩定，2017年以后由于技術進步效率的影響，全要素生產效率呈現“V”字型，效率下降的原因是因為技術進步效率的均值小于1，導致了綠色發展效率的降低，在2017～2018年間達到最低值0.523，受到技術進步效率的影響較大。

圖3 2011～2018年廣西綠色發展Malmquist指數分析結果

對廣西綠色發展技術效率變化指數進行分解得到如圖4所示結果，可以看出，2011～2018年廣西綠色發展純技術效率整體變化幅度不大，并在1上下浮動；技術效率在2012～2013年和2017～2018年存在了一個較大的提升；規模效率在2011～2015年變化波動較小，但在2016年以后出現了急速下降，但是在2017年以后大幅度上升，主要原因是技術效率的改進，可以看出技術效率對規模效率的趨勢存在很大的影響。

圖4 2011～2018年廣西綠色發展技術效率變化指數分解結果

廣西14個地級市的技術效率、技術進步效率、純技術效率和規模效率的Malmquist指數分解如表6所示。全要素生產率變化能夠反映各市時間的變化。根據表6的廣西14個地級市綠色發展Malmquist指數及其分解指數可知，從整體看，全要素生產要素均值小于1，說明在生產水平與生產效率仍需要提高。其中技術進步效率為0.934，也說明了是受技術進步效率影響大，導致全要素生產率降低。從14個地級市來看，除了來賓的全要素生產率均值大于1，其他的地區均值都小于1，說明廣西在技術方面上屬于落后現象，對綠色發展效率產生不利的影響。各地的經濟差距明顯，也導致了技術進步存在失衡的狀態。因此，需要在生產規模做出合理的調整，加大技術的改進與創新，國家政府要給予相對應的扶持政策，推動適合廣西綠色發展效率的發展方向。

表6 廣西14個地級市綠色發展Malmquist指數及其分解指數

6 結論及政策啟示

本文基于廣西14個地級市2011～2018年面板數據，采用三階段DEA模型對各地級市的綠色發展效率進行測度，對剔除人口密度、財政支持、對外開放、產業結構、文化教育、城鎮化水平6個環境變量因素影響前后的綠色效率進行了對比研究。運用Malmquist指數分析方法，對廣西的綠色發展效率進行了綜合測度評價。結果表明：廣西大部分地級市綠色發展效率較高，說明廣西在經濟社會發展的同時，比較注重生態和環境保護；環境因素中，人口密度、對外開放和文化教育對各地級市的綠色效率沒有顯著影響；產業結構和城鎮化水平對綠色發展效率影響較為顯著；財政支持對各地級市的綠色效率影響顯著。部分地級市的綠色發展效率還有較大提升空間，根據研究結果提出以下提升廣西綠色發展效率的政策建議。

一是優化產業結構，適當進行環境污染治理。應該搞好節能和減排的第二產業,提高產業科技創新的能力,逐步實現第二產業的主導地位,并逐步優化產業結構調整的比例,并積極實施產業轉移的幫助下“一帶一路”戰略。要完善好相關的體系和制度問題，同時政府要加大投資力度，企業要大力引進技術，繼續推進生態文明建設提高創新能力和技術水平，實現綠色發展。二是要依據規模收益變化創新實施發展模式。對于規模經濟增長的城市，可以繼續選擇投資規模效益實現綠色環境效率的提高；對于規模經濟遞減的地級市，要優化區域環境效率。同時，還應提高使用效率。三是要加強對綠色發展和廣西城市間交流合作的監督評估制度建設。廣西地理位置優越，也是東盟博覽會的常駐舉辦地，可以不斷與外界進行交流與合作，以及與比鄰的城市進行學習合作，同時也要進行監督評估制度的建設。四是實施差異化策略，廣西城市之間的異質性較大,政府和有關部門的綠色發展效率處理人類、能源和資本投資的配置優化系統設計,對于城鎮居民密集的地方，政府可以采取一定的政策，大力鼓勵人們返鄉創業就業，對人流量進行一定的分流。