黃河流域工業綠色發展效率時空格局與影響因素研究

趙建吉，展 瑞，王 晏

(河南大學 黃河文明與可持續發展研究中心暨黃河文明協同創新中心，河南 開封 475001）

18世紀60年代工業革命以來,工業文明的進步對經濟社會發展產生了深刻影響。工業是國民經濟的重要組成部分,也是國家綜合實力和競爭力的重要支撐。改革開放以來,我國工業經濟在高投入、高消耗、高污染中實現了高增長,但同時資源環境面臨著較大壓力。當前,我國總體處于工業化中期向中后期轉變的發展階段,加快推動工業綠色發展成為生態文明建設、新型工業化和高質量發展的必然要求。黨的十八屆五中全會將綠色發展作為五大發展理念之一,2015年黨中央、國務院《關于加快推進生態文明建設的意見》提出協同推進新型工業化、信息化、城鎮化、農業現代化和綠色化,十九大報告提出形成綠色發展方式和生活方式。黨的十九屆五中全會、國家“十四五”規劃進一步提出,推動綠色發展,促進人與自然和諧共生。

在Pearce等[1］提出的綠色經濟概念基礎上,Ahmed等[2-3］認為綠色經濟在追求經濟發展的同時,提升資源利用效率,并降低對生態環境的壓力。伴隨著人類社會對可持續發展、生態環境的持續關注,2030年聯合國可持續發展目標(SDGs)、未來地球計劃(Future Earth)都將綠色發展和可持續轉型作為主要任務。聯合國工業發展組織(UNIDO)認為,工業綠色發展是資源能源有效利用、新能源和可再生能源替代、環境績效持續改善的新型工業化模式。在此背景下,學術界圍繞工業綠色發展、綠色經濟、生態經濟的內涵、格局與測度開展了卓有成效的研究[4-6］,并提出了發展環境經濟地理學以及可持續性轉型地理學的構想[7-9］。在工業綠色發展效率測度方法方面,已有研究采用數據包絡分析(DEA)模型、相關拓展模型、隨機前沿評價模型等開展效率測度[1-2,10-14］。在工業綠色發展效率影響因素方面,主要采用空間計量模型、混合估計模型、Tobit模型、廣義最小二乘法(GLS)、灰色GM(1,N)模型等開展研究[15-20］,發現政府作用、環境規制、技術進步、工業結構等因素起重要作用。在研究空間尺度上,從全國尺度、省級尺度、城市群尺度開始向地級市尺度拓展[1,14,21-23］,對東北老工業基地、長江經濟帶以及資源型城市等特殊區域的關注逐漸增多[1,24-27］。

總體而言,學術界對工業綠色發展效率進行了豐富的研究,但現有研究存在以下不足:從研究方法看,大多數研究在DEA模型運用上忽視了松弛變量和非期望產出在工業綠色發展效率測度中的作用；從研究內容看,已有研究對工業綠色發展效率的空間關聯性及其影響因素的分析相對較少；從研究對象看,對長江經濟帶、東北振興等的研究相對較多,但對黃河流域的研究相對不足,而黃河流域工業綠色發展是黃河流域生態保護和高質量發展重大國家戰略的關鍵,此外還缺乏黃河流域與其他區域在時空格局和影響因素上的對比分析?；诖?筆者以黃河流域為研究對象,運用非期望產出DEA-SBM模型測算黃河流域工業綠色發展效率,并構建Tobit模型對工業綠色發展效率的影響因素進行研究。

1 研究區概況

在黃河流域九省(區)中四川省已納入長江經濟帶的范圍,因此本研究將黃河流域的空間范圍界定為青海、甘肅、寧夏、內蒙古、陜西、山西、河南、山東八省(區)。黃河流域在我國經濟社會發展格局中具有重要作用,其面積、人口、GDP總量分別占全國的32.1%、24.2%、20.3%。黃河流域三次產業結構比例為8.00∶41.72∶50.28,目前正處于工業化中期向中后期轉變階段,工業增加值占全國的比重達33.62%,分別比人口和經濟總量占全國的比重高出9.47、13.36個百分點。能源工業、重化工業、初級加工工業是當前黃河流域發展的重點,對其相對脆弱的生態環境造成較大影響,工業二氧化硫排放量占全國的比重達33%,亟待提升工業綠色發展效率,加快推動新舊動能轉換和高質量發展。

2 研究方法與數據來源

2.1 研究方法

(1)基于非期望產出的DEA-SBM模型。數據包絡分析(DEA)模型是目前研究中使用最多的效率測度方法。相較傳統的CCR模型、BCC模型,SBM模型將松弛變量考慮在內,進一步提高了測算結果的精確度。Tone[28］將非期望產出引入SBM模型,解決了長期以來非期望產出在測算工業效率時被忽視的問題?；诖?采用基于非期望產出的DEA-SBM模型對黃河流域的工業綠色發展效率進行測算。

假設評價單元有n個,投入有m種,產出有s種,S1為期望產出個數,S2為非期望產出個數,ρ*為效率值,X、Yg、Yb分別為投入、期望產出與非期望產出構成的矩陣。具體模型如下:

式中:x、yg、yb分別為投入、期望產出、非期望產出值；S-、Sg、Sb分別為投入、期望產出與非期望產出的松弛值；λ為權重向量。

目標函數ρ*取值范圍為0～1。當ρ*＝1且S-、Sg、Sb均為0時,說明被評價單元有效；當ρ*＜1,S-、Sg、Sb中至少有一個值不為0時,被評價單元無效[29］。

(2)空間自相關。全局自相關是在整個研究區域對地理要素進行空間特征性描述,全局莫蘭指數能夠較好地反映某一區域的空間關聯程度,其計算公式為

式中:I為全局莫蘭指數；X為研究區域內n個評價單元觀測值的均值；Xi為第i個單元觀測值；Xj為第j個單元觀測值；Wij為空間權重值[30］。

全局莫蘭指數的取值范圍為(-1,1),I大于0,表示空間正相關；I小于0,表示空間負相關；I＝0,表示空間不相關[31-32］。

全局自相關僅對觀測單元的空間相關程度進行描述,而局部空間自相關可有效分析不同空間單元與鄰近區域的空間差異程度及其顯著水平。局部莫蘭指數定義為

式中:Ii為區域內單元i的局部莫蘭指數。

局部莫蘭指數大于0表示相似觀測值的單元空間集聚,局部莫蘭指數小于0表示不相似觀測值的單元空間集聚[33-34］。

(3)面板Tobit回歸模型。Tobit回歸模型又稱截尾回歸模型,是被解釋變量受到限制的一種回歸模型。由于基于非期望產出的SBM-DEA模型測算出的工業綠色發展效率值在[0,1］范圍內,屬于截尾數據,因此根據因變量和Tobit模型的特點選擇最大似然法對Tobit回歸模型參數進行估計分析。

式中:IGEit為工業綠色發展效率,其中i為地區,t為時間；AGDP為經濟發展水平；TEC為科學投入水平；IS為產業結構水平；ER為環境規制水平；IND為產業集聚水平；OPEN為對外開放水平；β0為截距項；β1、β2、…、β6為待定系數；μit為隨機誤差項。

2.2 指標選取與數據來源

參考已有研究,將指標體系分為投入、產出兩個目標層[21,35-36］。其中,投入層包括資本、勞動力、資源、技術,產出層為期望產出和非期望產出。具體而言,采用工業企業資產總計表征資本投入,勞動力投入采用第二產業從業人數來表征,工業用水反映資源投入。工業增加值是工業發展追求的目標產出,也是期望產出；工業二氧化硫排放量則是伴隨期望產出而出現的非期望產出,見表1。

表1 工業綠色發展效率指標

研究所采用的數據主要來源于2003—2018年的《中國區域經濟統計年鑒》《中國城市統計年鑒》《中國城鄉建設統計年鑒》,以及黃河流域各省(區)的統計年鑒、國民經濟和社會發展統計公報、水資源公報等。此外,工業用水、工業增加值、二氧化硫排放量等指標少量數據缺失,基于相鄰單元可得數據,采用插值法和均值的方式進行補充。

3 黃河流域工業綠色發展效率時空演變

3.1 工業綠色發展效率時間變化

根據式(1)計算2003—2018年黃河流域八省(區)的工業綠色發展效率,結果見表2、圖1。根據表2,將黃河流域工業綠色發展效率整體變化劃分為兩個時間段,其中2004—2010年為穩定上升期,2010—2018年為平穩發展期。2004—2010年黃河流域工業綠色發展效率總體呈遞增趨勢,其中,山東、河南、山西、甘肅4個省2004—2018年工業綠色發展效率最大值出現在2010年,分別為0.703、0.692、0.442、0.296。說明此階段黃河流域工業綠色發展效率處于成長期,總體表現為穩定上升趨勢。2010—2018年黃河流域工業綠色發展效率較為穩定,但部分省(區)的工業綠色發展效率波動變化比較明顯。山東、河南、山西、甘肅4個省的工業綠色發展效率小幅波動下降,而寧夏、陜西、內蒙古、青海4個省(區)的工業綠色發展效率略有上升,寧夏的工業綠色發展效率最大值出現在2014年為0.405,而內蒙古、青海2個省(區)的最大值出現在2016年,分別為0.721、0.300。提升最為明顯的是內蒙古,2016年的工業綠色發展效率超過山東省,位居黃河流域首位?？傮w而言,研究期內黃河流域各省(區)工業綠色發展效率呈現穩定上升的態勢,各省(區)間的差異較為明顯。山西、甘肅、寧夏、青海等省(區)的工業綠色發展效率偏低,可能是這些省(區)工業產業結構較為單一、資源能源開采和加工行業占比較高、資源利用和技術進步水平較低等,在一定程度上制約了工業綠色發展效率的提升。

圖1 2003—2018年各區工業綠色發展效率變化趨勢

表2 部分年份八省（區）工業綠色發展效率

分區域來看,2003—2018年黃河流域工業綠色發展效率始終呈現出下游、中游、上游依次遞減的態勢,見圖1。2003—2011年黃河下游地區工業綠色發展效率呈波動上升的趨勢,但2011—2018年工業綠色發展效率波動下降。原因可能是2008年國際金融危機發生后,受經濟刺激政策的影響,黃河下游地區的山東、河南在經濟發展中出現了發展方式較為粗放、過剩產能和落后產能過大、工業產業結構偏重等問題?？傮w來看,2003—2018年下游地區工業綠色發展效率處于較高水平,明顯高于中上游地區。2003—2010年中游地區工業綠色發展效率略低于黃河流域的平均值,但2010—2018年中游地區工業綠色發展效率逼近甚至反超黃河流域的平均值。整體來說,2003—2018年黃河中游地區工業綠色發展效率呈波動上升態勢,雖明顯低于下游地區的,但發展勢頭較好。表明中游地區特別是山西省在國家資源型經濟轉型發展綜合配套改革建設背景下,能源綜合利用和綠色發展成效顯著。2003—2018年黃河上游地區工業綠色發展效率呈上升趨勢,尤其在2007年、2011年和2014年,該地區的工業綠色發展效率明顯提升。綜合來看,上游地區的工業綠色發展效率低于黃河流域的平均值,表明上游地區工業綠色發展效率相對較低,但這也反映出該地區具有較大的發展潛力和提升空間。2003—2018年黃河流域工業綠色發展效率整體呈現平穩上升的趨勢,除部分年份受市場環境和政策影響導致工業綠色發展效率略微下降外,黃河流域工業綠色發展效率始終呈穩定上升勢頭,變化較為平穩。

3.2 工業綠色發展效率空間特征

(1)工業綠色發展效率空間分布。根據計算得出的工業綠色發展效率,運用ArcGIS10.2軟件,采用自然間斷法繪制了2003年、2008年、2013年和2018年黃河流域工業綠色發展效率的空間分布圖,見圖2。2003年黃河流域工業綠色發展效率總體呈現出由西向東逐漸增大的空間分布格局,其中高效率區域集中分布在山東、河南兩?。惠^高效率區域主要分布在山東省西北部、河南省中南部；中等效率區域包括山東省的日照、河南省的信陽以及山西省的呂梁等地；較低效率區域分布在河南、山西、陜西、內蒙古、甘肅等省(區)的部分區域；低效率區域集中分布于寧夏、青海、內蒙古、山西、甘肅等省(區)。2008年山東省濰坊、聊城兩市處于高效率區,而威海市從高效率區退至較高效率區；河南省南陽等市由高效率區退至較高效率區,河南省較高效率區域明顯增加；陜西省的榆林和延安在2008年以跨越式的增長方式由較低效率區域和中等效率區域躋身高效率區域；與2003年相比,2008年的低效率區域明顯增多且集中分布在甘肅省,形成集中連片的低效率集聚區,說明這些地區之間存在較強的空間相關性；除此之外,山西、寧夏等省(區)部分地區由較低效率區域轉為低效率區域。與2008年相比,2013年黃河流域工業綠色發展效率有所提升。山東、陜西以及內蒙古等省(區)高效率區域明顯增多,尤其是陜西省形成了以榆林市為中心的高效率集聚區；而山西省則陷入了資源型區域普遍面臨的“資源詛咒”,出現了黃河流域工業綠色發展低效率的“凹陷地帶”；另外甘肅省的部分低效率區域向較低效率區域邁進,說明甘肅省在2013年工業綠色發展效率有了較為顯著的提升。相比2013年,2018年黃河流域高效率區域分布變化較為明顯,內蒙古自治區鄂爾多斯和烏蘭察布跨入高效率區域,與此同時陜西省榆林和延安退出高效率區域分別進入較高效率區域和中等效率區域；山東省高效率區域所占比重明顯下降,河南省高效率區域有所變化,較高效率區域明顯減少；中等和較低效率區域分布最廣,包括內蒙古、甘肅、山西、陜西等省(區)；低效率區域覆蓋甘肅省絕大部分地區,形成低效率帶狀分布區。

圖2 典型年份黃河流域工業綠色發展效率空間分布

(2)工業綠色發展效率空間自相關分析。黃河流域工業綠色發展效率在空間上呈現出集中連片的分布格局,說明區域之間存在一定空間關聯性。運用GeoDa軟件計算部分年份黃河流域工業綠色發展效率的全局莫蘭指數(見表3),并繪制2003年、2008年、2013年和2018年的LISA聚類圖,分析其空間聚集特征和地區間的空間依賴性。黃河流域工業綠色發展效率的全局莫蘭指數在0.3～0.6區間波動,且P＜0.01,Z＞2.58,表示計算結果在0.001水平顯著,也說明工業綠色發展效率在空間上具有較強關聯性?？傮w來看,全局莫蘭指數在研究期內波動較小,最小值為2016年的0.308,最大值為2008年的0.526,其余年份的全局莫蘭指數均為0.4左右,說明工業綠色發展效率對區域間的空間影響持續存在。

表3 黃河流域工業綠色發展效率全局莫蘭指數

根據式(3)計算并繪制LISA聚類圖,見圖3。根據計算結果將工業綠色發展效率分為高高區域、低高區域、低低區域和不顯著區域4類,其中:高高區域表示某區域及周圍區域的工業綠色發展效率都高；低高區域表示某區域工業綠色發展效率低,周圍區域的高；低低區域表示某區域及周圍區域工業綠色發展效率均低。高高區域和低低區域表示局部空間正相關,而低高區域則表示局部空間負相關。2003年黃河流域工業綠色發展效率以高高區域和低低區域為主,其次為低高區域。高高區域主要集中在黃河流域下游地區,具體分布在河南省的許昌、漯河以及山東省的威海、煙臺、青島等地；而低高區域僅包括河南省的信陽、平頂山；低低區域集中分布在上游地區,包括寧夏回族自治區的中衛、內蒙古自治區的鄂爾多斯以及甘肅省的絕大部分地區。與2003年相比,2008年山東省高高區域有所減少,河南省高高區域明顯增多,形成區塊狀集聚區；低高區域毗鄰高高區域,分別出現在山東省日照和河南省平頂山；該時期低低區域集中位于甘肅省大部分地區,值得關注的是山西省在該時期形成了一個塊狀的低低集聚區,其工業綠色發展效率遠低于周圍地區的。2013年山東省高高區域有所減少,只包含威海、青島等少數地區；河南省高高區域變化尤為明顯,高高區域僅剩濮陽和商丘；低低區域分布范圍有所縮小,主要集中于上游地區的寧夏、甘肅等省(區),其中甘肅省所占比例較大。2018年山東省高高區域新增濰坊和菏澤,其余大部分地區空間相關性不顯著；河南省的高高區域為濮陽、安陽和鶴壁；低高區域僅有甘肅省的慶陽；低低區域依舊集中在上游地區以及山西省朔州和忻州。

圖3 部分年份工業綠色發展效率LISA聚類圖

工業綠色發展效率高的區域主要集中在下游地區。受發展基礎、地理區位、技術條件等影響,黃河下游地區工業體系發展相對完善,呈現出較顯著的空間關聯性。但隨著時間推移,山東省和河南省各地級市間工業綠色發展效率差距逐漸拉大。工業綠色發展效率差異最大的兩個省份分布在中游地區。主要原因在于,近些年陜西省發揮科技創新和技術研發優勢,在國家政策、資金投入等支持下大力發展綠色制造業,在“三廢”綜合處理、節能環保產業發展等方面取得了較大進展。山西省作為資源型區域,煤炭資源的大量開采、精深加工以及產業鏈拓展延伸不足、傳統高耗能的工業生產模式,導致其工業綠色發展效率較低,在空間分布上呈現為低效率的空間關聯性。工業綠色發展效率低的區域集中分布在上游地區,該地區生態環境脆弱,加上技術落后、資源能源利用率低等問題導致工業綠色發展效率低。

4 工業綠色發展效率影響因素分析

工業綠色發展效率受多方面因素的影響,依據現有研究成果[37-38］,綜合考慮黃河流域發展現狀及數據的可獲取性,從經濟發展水平、科學投入水平、產業結構、環境規制、產業集聚、對外開放水平等維度進行指標體系構建,見表4。人均GDP是衡量一個地區經濟發展水平的重要指標,科學投入占財政支出的比重代表一個地區的科學投入水平,產業結構則用第三產業總產值占GDP的比重來表示,工業固體廢物綜合利用率一定程度上反映了一個地區的環境規制情況,規模以上工業企業數量代表一個地區的產業集聚狀況,貨物進出口總額占GDP的比重是一個地區對外開放水平的重要體現。

表4 工業綠色發展效率影響因素

通過建立面板Tobit回歸模型對工業綠色發展效率的影響因素進行分析,結果見表5。

表5 工業綠色發展效率影響因素回歸分析結果

經濟發展水平的回歸系數顯著為正,說明經濟發展水平對工業綠色發展效率的提升具有明顯促進作用。黃河流域工業綠色發展效率呈現出自東向西逐漸遞減的空間分布格局,經濟發展水平較高的區域集中在黃河中下游地區,表明高質量的經濟發展水平是促進工業轉型升級、綠色發展效率提升的重要支撐。產業結構的回歸系數顯著為負,說明產業結構對工業綠色發展效率的提升具有明顯抑制作用。根據產業結構演替的相關理論,夯實第二產業基礎能夠為第三產業成長提供支撐[39］。黃河流域總體處于工業化中期,甘肅、青海等上游省份工業化水平相對較低,應該在加快推進工業化基礎上,發展服務型制造業和生產性服務業,推動效率提升。在此背景下,如果跨越發展階段發展第三產業,對于工業綠色發展效率的提升將產生負向影響。產業集聚的回歸系數顯著為正,說明產業集聚同樣能促進工業綠色發展效率的提升。產業集聚可以帶來地區間的技術交流與合作,并且能夠產生空間溢出效應。但同時產業集聚會導致污染加劇等問題,因此要求企業在追求經濟效益的同時注重對生態環境的保護,實現區域間資源配置效率的最大化,從而推動工業綠色發展效率的提升。對外開放水平的回歸系數為負,未通過顯著性檢驗,說明對外開放對工業綠色發展效率具有抑制作用。黃河流域相對長三角、珠三角地區,開放水平相對較低,外資投資少、外向型經濟發展較為滯后,且容易成為發達地區污染產業轉移的“避難所”[40］,導致對外開放水平對工業綠色發展效率具有不顯著的負向影響。環境規制的回歸系數為正,且在1%水平顯著相關,說明環境治理對工業綠色發展效率具有顯著正向促進作用。黃河流域正處在工業化轉型發展的關鍵時期,在發展經濟的同時開始注重對環境的保護,各地區不斷加大環境治理力度,大力推廣環保節能型工業生產方式。環境治理措施的增加以及環保資金的投入極大地推動了工業綠色發展效率的提升?？茖W投入水平的回歸系數為負,未通過顯著性檢驗,說明科學投入水平對工業綠色發展效率具有阻礙作用。理論上,科學投入對科技水平的提升起著至關重要的作用,但是黃河流域除下游地區外總體發展階段較為滯后,科技基礎設施、研發與創新平臺載體、技術人才儲備、科技成果轉化、創新環境與氛圍等方面水平較低,導致科學投入對工業綠色發展效率產生負向影響。

為了檢驗研究結果的穩健性,選擇OLS回歸模型,運用Eviews10.0軟件再次對工業綠色發展效率的影響因素進行分析研究,結果見表6。從表6可知,各影響因素的測算結果基本與表5一致。只有科學投入水平對工業綠色發展效率的影響由原先的負向不顯著變為在5%水平負向顯著,由此說明科學投入對工業綠色發展效率的提升確實存在一定阻礙作用。

表6 穩健性檢驗結果

5 結論與討論

5.1 研究結論

基于非期望產出的DEA-SBM模型測算了黃河流域2003—2018年的工業綠色發展效率,研究了工業綠色發展效率的時空分布特征及空間依賴性,并在此基礎上運用面板Tobit回歸模型對黃河流域工業綠色發展效率的影響因素進行了分析,得出如下研究結論。

(1)在時間上,黃河流域工業綠色發展效率整體經歷了穩定上升期和平穩發展期兩個階段:2004—2010年為穩定上升期,工業綠色發展效率處于成長階段,總體呈上升趨勢；2010—2018年為穩定發展期,工業綠色發展效率呈現出較為穩定的發展態勢,但各省(區)工業綠色發展效率差異較大。

(2)在空間上,黃河流域工業綠色發展效率總體呈現由西向東遞增的空間分布格局,下游地區最高,中游次之,上游地區最低。形成區塊狀集聚區。全局莫蘭指數始終為正,說明工業綠色發展效率對區域間的影響持續存在。集聚類型主要為高高區域集聚和低低區域集聚,反映了黃河流域工業綠色發展效率空間差異性較大。

(3)在影響因素中,經濟發展水平、產業集聚、環境規制等因素對黃河流域工業綠色發展效率的提升具有明顯促進作用,受黃河流域發展水平和發展階段影響,產業結構、科學投入水平、對外開放水平對工業綠色發展效率具有負向作用。

5.2 討 論

黃河流域與其他區域一致,工業綠色發展效率先提升后下降再提升,總體呈現波動提升的發展趨勢[26］。主要原因是,2008年全球金融危機后,受經濟刺激政策影響,各地從保增長、保發展的角度出發,在一定程度上放松了對工業綠色發展的要求。近年來,伴隨著生態文明、綠水青山就是金山銀山等理念提出以及相關政策舉措的持續推進,工業綠色發展效率逐步提升。經濟發展水平、產業集聚、環境規制等因素對黃河流域工業綠色發展效率具有正向作用,這與學術界對于全國、長江經濟帶的研究是一致的[21,41］。但是,產業結構、科學投入水平、對外開放水平等因素對黃河流域工業綠色發展效率產生負向影響,這與已有對長江經濟帶、粵港澳大灣區等的研究結論相反[5,25,42］,與岳立等[43］對黃河流域城市綠色發展效率的研究結論較為一致。主要原因是,黃河流域總體發展階段相對滯后,還需要加快推動綠色工業化進程,實現綠色工業化與開放發展、創新發展、第三產業發展的良性互動。對于黃河流域而言,加快提升工業綠色發展效率,一方面要夯實經濟發展基礎、不斷提升經濟實力,通過綠色工業化推動經濟增長、在經濟增長中提升工業綠色化發展水平；另一方面要推動產業空間集聚和集群化發展,發揮集聚經濟效應和空間溢出效應,在產業集聚中推動工業綠色化發展效率提升；此外,要強化政策引導,加大環境治理投入,提升環境規制水平,通過政策驅動提升工業綠色發展效率。雖然產業結構、科學投入水平和對外開放水平等因素對黃河流域工業綠色發展效率產生負向影響,但這是在當前特定發展條件下的結果。黃河流域還應在引進高端外資、加強技術創新與技術改造、發展生產性服務業等方面持續發力,打造工業綠色化發展的新動能。