黃河流域綠色經濟效率的測度及收斂性分析

相 征，顧元吉

（1.中國科普研究所，北京 100000； 2.西安交通大學 管理學院，陜西 西安 710049）

1 引 言

黃河流域橫跨我國東中西部，具有一些結構性的特點：一是流域發展不充分不平衡的問題比較突出，傳統產業轉型升級步伐相對緩慢，經濟發展滯后［1］，內生動力明顯不足；二是自然生態資源相對豐富，工業化進程仍在加速推進，經濟發展存在一定的后發優勢。近年來，隨著生產技術水平的提升和生態環境保護意識的增強，黃河流域各省（區）經濟發展效率得到明顯改善，經濟發展效率差異有所縮小，但各省（區）間的分化現象并未出現實質性改變［2］，以“高投入、高消耗、高排放、低產出”為特征的粗放型經濟發展方式，不僅浪費自然資源，而且造成環境污染。 因此，推進黃河流域高質量發展必須推動流域經濟向可持續的綠色發展方式轉變。

目前，關于黃河流域生態保護和高質量發展的研究主要包括三方面：一是從宏觀層面探討實施推進問題，如金鳳君［3］認為推進黃河流域生態保護和高質量發展，要處理好“四大關系”和構建“三區七群”協調發展格局；陳耀等［4］認為黃河流域生態保護和高質量發展是貫徹落實區域協調發展戰略的重要舉措；安樹偉等［5］認為黃河流域高質量發展的戰略重點是推進生態綜合治理、加強區域分工、促進產業轉型升級和強化區域聯系。 二是圍繞資源開發利用、生態環境保護等的研究，如賈紹鳳等［6］從水資源科學配置角度出發，提出要進一步完善黃河流域水權轉讓與補償制度、探索用水指標與土地指標調控的聯動機制；盧碩等［7］采用面板門限模型、熵值法等分析了環境規制對黃河流域資源型城市產業轉型的影響；朱永明等［8］采用AHPDEMATEL 方法定量探究了影響黃河流域高質量發展的主要因素；關偉等［9］基于超效率SBM 模型測度1997—2017 年黃河流域九省（區）的能源綜合效率值，并分析了能源綜合效率的時空演變特征和驅動因素；沈潔等［10］從經濟發展、生態保護、資源消耗、污染物排放、資源循環利用等方面構建評價指標體系，采用熵權法測評了2009—2018 年黃河流域九省（區）的產業生態化水平。 三是圍繞區域競爭、經濟發展等的研究，如彭榮勝［11］認為黃河流域經濟空間開發的總體方案是把濟南經濟圈（城市群）、中原城市群與關中城市群培育為經濟增長核心區，把隴海—蘭新沿線、黃河干流沿岸作為重點開發軸線；閆二旺等［12］運用城市競爭力模型，分析了黃河流域7 個省會城市的綜合競爭力及其變化趨勢；王寧等［13］通過對黃河流域綠色GDP 的核算，分析發現山東和河南兩省的綠色GDP 占到整個黃河流域的60%以上；曾賢剛等［14］構建超效率非期望產出SBM 模型，運用全局DEA 技術測算了黃河流域2007—2016 年共94 個城市的環境效率；徐輝等［15］從經濟發展、創新驅動、民生改善、環境狀況和生態狀況等方面構建評價指標體系，基于黃河流域九省（區）2008—2017 年的數據，運用熵權法進行測度后發現，黃河流域整體高質量發展水平呈現上升趨勢；寧朝山等［16］依據2011—2018 年黃河流域地級及以上城市數據，基于改進的“縱橫向”拉開檔次法綜合評價了黃河流域生態保護和經濟發展水平；劉建華等［17］認為黃河流域生態保護與高質量發展協同度呈現上升趨勢但整體協同度仍然不高。

綜上所述，黃河流域生態保護和高質量發展的研究內容較為發散，研究范圍相對較窄，尚有很大的研究空間。 黃河流域生態保護和高質量發展戰略的實施涉及眾多學科［18］，是一個復雜的系統工程。 筆者在已有研究的基礎上，將黃河流域高質量發展作為切入點，從堅持綠色發展的角度研究黃河流域綠色經濟效率及其收斂性問題，以期為黃河流域生態保護和高質量發展戰略的實施提供參考。

2 黃河流域綠色經濟效率測度及收斂性分析

2.1 數據來源

本文的研究數據來源于2010—2018 年公布的《中國統計年鑒》和黃河流域九省（區）歷年統計年鑒，以2000 年為基期對數據進行平減處理，以確保歷年數據的可比性。

2.2 變量選擇

一般而言，在運用DEA 模型進行效率分析時，要求決策單元的數量至少是變量個數（投入和產出變量之和）的2 倍。 為此，本文在以2009—2017 年黃河流域九省（區）作為決策單元的基礎上，額外增加一個決策單元作為“理想點”，其具有所有決策單元中相對最小的投入量和相對最大的產出量［19］。 通過構建理想點DEA 模型，可有效解決決策單元效率值區分度較差問題。

根據經濟學的基本理論和九省（區）實際，設定黃河流域綠色經濟效率的產出主要取決于勞動投入（L）、資本投入（K）、能源投入（E）和環境損耗（O）4 個方面，對應的產出函數為：Y＝f（L，K，E，O）。 其中投入變量：①勞動投入，采用年末從業人數（萬人）［20］；②資本投入，采用全社會固定資產投資額（億元）［21］；③能源投入，采用能源消耗總量（萬t 標準煤）［22］；④環境損耗，采用工業“三廢”排放量作為社會生產過程中因環境污染而損失的機會成本，并將最具代表性的廢水排放量、廢氣中的二氧化硫和煙（粉）塵排放量、固體廢棄物排放量運用熵權法進行數據加權處理，得到一個綜合指標——污染物排放量［23］。 產出變量采用九省（區）以2000 年為基期計算的實際GDP［24］。

同時，考慮到目前還沒有一個公認的理論作為判定綠色經濟效率影響因素的依據［25］，本文在參照現有研究基礎上，結合數據的可獲性，從經濟環境、社會環境、制度環境和自然資源稟賦4 個方面選取指標作為SFA 模型分析中的環境約束變量，其中：經濟環境因素采用人均GDP，社會環境因素采用城鎮化率，制度環境因素采用一般財政預算支出占GDP 的比重，自然資源稟賦采用農林牧漁業和采礦業固定資產投資額占全社會固定資產投資額的比重［22］。 黃河流域綠色經濟效率測度指標體系見表1。

2.3 綠色經濟效率的測度

2.3.1 第一階段DEA 分析

采用投入導向型的DEA 模型對黃河流域九省（區）2009—2017 年的綠色經濟效率進行分析，結果見表2。

表2 黃河流域綠色經濟效率（第一階段DEA 分析結果）

2009—2017 年，黃河流域九省（區）的綠色經濟效率均值為0.700，整體偏低。 從總效率值來看，內蒙古的綠色經濟效率最高，效率值為1.000，達到DEA 有效狀態；而寧夏的綠色經濟效率最低，效率值為0.356。從純技術效率值來看，達到DEA 有效狀態的省（區）有3 個，分別是青海、內蒙古和山東，其中青海和山東的規模效率分別為0.503 和0.920，兩者未能同時達到DEA 有效狀態，說明規模不合理是造成這兩省綠色經濟效率未能達到DEA 有效狀態的主要原因。 同時，2018 年山東省的GDP 為76 469.67 億元，是青海和寧夏兩省（區）之和的10 倍多，說明九省（區）經濟發展存在不均衡問題。 由于第一階段DEA 分析并沒有剔除外部環境因素和隨機干擾的影響，不能夠準確地反映九省（區）綠色經濟效率的實際情況，因此需要進行第二階段的調整。

2.3.2 第二階段SFA 回歸

為剔除環境因素和隨機干擾的影響，將第一階段DEA 分析得到的各投入變量的松弛變量分別作為因變量，以經濟、社會、制度、資源稟賦4 個方面的環境約束變量作為自變量，采用SFA 模型進行參數估計，分析環境約束變量是否對各投入變量的松弛變量具有顯著影響。 由于絕大多數省（區）在第一階段計算得到的污染物排放量的松弛變量數值為0，僅有寧夏在2009—2015 年存在污染物排放松弛變量，且在進行單獨SFA 回歸后發現各個環境約束變量對其并不存在顯著影響，因此在本階段SFA 模型參數估計中，不再將污染物排放量的松弛變量作為自變量。 第二階段SFA 模型參數估計結果見表3。

表3 黃河流域綠色經濟效率（第二階段SFA 參數估計結果）

由表3 可知，在黃河流域綠色經濟效率SFA 參數估計中，絕大多數環境約束變量的系數都是高度顯著的，說明外部環境因素對九省（區）的綠色經濟效率產生了顯著影響。 同時，各投入松弛變量的γ值均接近1 且通過1%的顯著性檢驗，說明在投入變量的冗余中，內部管理無效率發揮了主導作用。 此外，對數函數、似然函數的數值均較大，說明本階段采用SFA 模型具有較好的適應性。 SFA 參數估計總體結果表明，來自經濟、社會、制度、資源稟賦4 個方面的外部環境因素和隨機誤差對九省（區）綠色經濟效率具有顯著影響，進行第二階段的調整是合理且有必要的。

根據SFA 參數估計的基本原理，當回歸系數為負時，表明該環境約束變量能夠減少投入冗余，即有助于綠色經濟效率的提升；當回歸系數為正時，無助于綠色經濟效率的提升。 具體來看各個環境約束變量對投入變量冗余的影響：①人均GDP 對年末從業人數和能源消耗總量的影響分別為正和負，但這種影響均不顯著；對全社會固定資產投資額的影響為正，且通過了1%的顯著性檢驗。 黃河流域經濟發展相對落后，生態環境較為脆弱，固定資產投資大多局限在重化工、房地產開發等行業，從甘肅祁連山生態破壞、陜西秦嶺違建等事件就可看出這種無序過度開發對自然生態環境的破壞。 ②城鎮化率對年末從業人數、全社會固定資產投資額、能源消耗總量的影響均為正，且通過顯著性檢驗。 目前黃河流域城鎮化速度較快，但是整體效率不高，造成工業化和現代化發展進程受阻，加之部分省會城市和地級城市存在一定程度的“造城運動”，使得非適度的固定資產投資和能源消耗也隨之增加，客觀上無助于綠色經濟效率的提升。 ③一般財政預算支出占GDP 的比重的影響。 地方一般財政預算支出主要用于科技創新、教育、社會保障與就業、醫療衛生、環境保護、農林水事務、交通運輸等方面，而黃河流域一般財政預算支出的增加，可以更多地投入到當地節能減排、生態保護事業中，并通過強化政府影響力，加大對企業的支持力度，提高企業生產環節開展節能減排工作的主動性，從而促進綠色經濟效率的提升。 ④農林牧漁業和采礦業固定資產投資額占全社會固定資產投資額的比重的影響。 總體上，一個區域的自然資源稟賦會對該區域的產業結構產生顯著影響，該指標能夠反映黃河流域固定資產投資結構的改進方向，通過優化投資結構，可以更好地促進投資質量的提高，提升綠色經濟效率。

2.3.3 第三階段DEA 分析

根據SFA 參數估計結果對原始投入變量進行數據修正，再次運用DEA 模型進行測算，得到剔除外部環境因素和隨機干擾影響后的綠色經濟效率值（見表4）。

表4 黃河流域綠色經濟效率（第三階段DEA 分析結果）

由表4 可知，經過第二階段剔除外部環境和隨機干擾的影響后，九省（區）的綠色經濟效率均值為0.697，規模效率均值為0.759，相較于第一階段分別下降了0.43%和8.44%；而純技術效率均值為0.918，相較于第一階段提升了6.74%，說明忽略外部環境因素和隨機干擾的影響在一定程度上會低估純技術效率而高估規模效率，導致黃河流域綠色經濟效率的高估。同時，從九省（區）總效率的變化來看，相較于第一階段，青海、甘肅、寧夏、陜西和山西的綠色經濟效率有所下降，而四川、山東和河南的綠色經濟效率有所上升，內蒙古的綠色經濟效率仍是DEA 有效狀態。 這表明影響黃河流域綠色經濟效率的外部環境因素具有多元性和復雜性。 此外，就變異系數而言，在考慮外部環境因素的情況下，九省（區）在社會經濟發展中因對自然資源利用效率及生態環境破壞程度的不同而呈現綠色經濟效率差異。

從2009—2017 年九省（區）的綠色經濟效率變動趨勢來看，全流域整體效率均值在［0.666，0.777］范圍內（見表5），整體綠色經濟效率波動維持在相對穩定區間且呈現逐漸聚攏的發展趨勢。 其中：四川和甘肅的綠色經濟效率波動幅度相對明顯，在2010 年達到高點后逐漸下降，表現為先升后降的發展趨勢；而寧夏的綠色經濟效率波動呈現明顯的上升趨勢，并在2017 年達到高點。 為了進一步分析九省（區）經濟效率的動態變化，本文運用Malmquist-DEA 模型測算了TFP（全要素生產率）指數變化情況（見表6）。

表5 2009—2017 年九省（區）的綠色經濟效率測算結果

表6 2009—2017 年九省（區）TFP 指數變化測算結果

從2009—2017 年九省（區）的綠色經濟效率動態變化來看（見表7），流域整體效率呈現衰減態勢，其中只有寧夏的TFP均值大于1，表現為增長態勢；而其他省（區）的TFP均值均小于1，表現為不同程度的衰減態勢。 值得注意的是，2010—2011 年除了山東之外的其他省（區）綠色經濟效率均呈現出大幅衰退態勢，可能與該時段在黃河流域發生的嚴重冬春連旱及秋汛有關，造成地區工作重心的短期轉移，進而影響了經濟社會的正常發展。 從TFP指數分解情況來看，2009—2017 年九省（區）中“追趕效應”ECH≥1 的有6 個，超過半數，但卻沒有“增長效應”TCH＞1 的省（區）；黃河流域TFP指數均值呈現年均4.8%的衰減趨勢，而年均衰退5.7%的技術進步變動指數則是導致流域綠色經濟效率衰減的主要原因；同時，年均增長1.1%的技術效率變動指數也在流域綠色經濟效率的提升中發揮著推動作用，體現出一定的追趕效應，即純技術效率變動指數和規模效率變動指數分別呈現年均0.4%和0.7%的增長趨勢。

表7 2009—2017 年黃河流域綠色經濟效率Malmquist 指數分解情況

2.3.4 收斂性分析

由上述測算結果可知，黃河流域綠色經濟效率整體偏低，其波動維持在相對穩定區間，且隨著經濟社會不斷發展呈現出逐漸聚攏的趨勢。 與此同時，流域內相對落后的甘肅、寧夏等省（區）在綠色經濟效率方面呈現一定的趕超優勢和追趕效應，這是否表明黃河流域綠色經濟效率存在明顯的收斂趨勢，在整體綠色經濟效率不斷提升的過程中逐漸達到穩定狀態？ 據此，本文采用絕對β收斂檢驗模型進行分析，計算公式為

式中：Teit、Pteit、Seit分別為i省（區）從第0 期（基期）到第t期的綠色經濟效率、純技術效率和規模效率的年均增長率；lnTei0、lnPtei0、lnSei0分別為i省（區）在第0 期的綠色經濟效率、純技術效率和規模效率的自然對數值；α1、α2和α3為常數項；β1、β2和β3為收斂系數，負值表示收斂，正值表示發散；εit、μit、φit為殘差項。

2009—2017 年黃河流域綠色經濟效率收斂性檢驗結果見表8。

表8 2009—2017 年黃河流域綠色經濟效率收斂性檢驗結果

由表8 可知，β1、β2、β3的估計值分別為-6.555、-10.673、-6.174，其中β1、β3均在1%水平上顯著，β2在5%水平上顯著。 綜合來看，黃河流域綠色經濟效率具有收斂趨勢，體現在純技術效率收斂和規模效率收斂兩方面。 2009—2017 年九省（區）的綠色經濟效率整體表現為不斷收斂的特征，主要原因是部分省（區）綠色經濟效率的提升存在明顯的“追趕”現象，例如，寧夏的綠色經濟效率從2009 年的0.186 提升到2017 年的0.437，同時技術效率變動指數也呈現出年均11.3%的高速增長，使得其綠色經濟效率不斷縮小與其他省（區）的差距，各省（區）的經濟發展效率更加協同。 該結果也印證了三階段DEA 模型和Malmquist-DEA 模型的分析結果。

3 結論與建議

以黃河流域高質量發展為切入點，從堅持綠色發展的角度出發，運用三階段DEA 模型、Malmquist-DEA模型及絕對β收斂檢驗模型對黃河流域綠色經濟效率進行綜合分析，結果表明：黃河流域綠色經濟效率整體偏低，規模偏小是導致綠色經濟效率偏低的主要原因，各省（區）綠色經濟效率存在明顯差異，忽略外部環境因素和隨機干擾的影響在一定程度上會低估純技術效率而高估規模效率，最終導致黃河流域綠色經濟效率的高估；同時，影響黃河流域綠色經濟效率的外部環境因素具有多元性和復雜性，其作用也具有兩面性，其中黃河流域人均GDP 和城鎮化率的提高無助于綠色經濟效率的提升，一般財政預算支出占GDP 的比重、農林牧漁業和采礦業固定資產投資額占全社會固定資產投資額的比重的提高有助于綠色經濟效率的提升；2009—2017 年黃河流域整體綠色經濟效率呈現衰減態勢，技術進步變動指數衰減是導致流域綠色經濟效率衰減的主要原因，而技術效率變動指數體現出一定的追趕效應；黃河流域綠色經濟效率具有收斂趨勢，綜合體現在純技術效率收斂和規模效率收斂兩方面。

因此，在推動黃河流域生態保護和高質量發展的過程中，應當注意以下幾方面：一是加強頂層設計、抓好科學規劃，要著手制定黃河流域發展的綜合規劃和專項規劃，前者關乎黃河流域各省（區）的統籌兼顧、協同發展，后者關乎黃河流域各省（區）的比較優勢、特色發展；二是突出創新驅動、推動產業升級，要大力推進科技創新，不僅要為流域環境治理和生態保護提供技術支撐，還要為適應綠色經濟發展需求和推動現代產業體系建設提供動力來源；三是抓好脫貧攻堅、縮小發展差距，特別是要解決好黃河流域人民群眾關心的防洪、飲水等生態安全問題，提升中心城市、城市群等優勢地區的承載和輻射帶動能力，加快貧困地區的產業導入，增強人民群眾的安全感、獲得感和幸福感。