技術異質下中國城市生態全要素生產率測度及其空間溢出效應

劉保留，蘭梓睿，尹 皓，晁祥瑞，孫天弘

（1.北京工業大學經濟與管理學院，北京 100124；2.北京工業大學生態文明研究院，北京 100124；3.天津社會科學院生態文明研究所，天津 300191；4.南加州大學經濟學院，美國 洛杉磯 90001；5.四川大學商學院，四川 成都 610064）

傳統粗放型的經濟發展模式帶來一系列亟須解決的環境問題，使得地區經濟可持續增長和發展不平衡性之間的矛盾加劇。一方面，以“高排放、高污染”為特征的快速經濟發展模式，出現了資源過度浪費、環境污染嚴重等問題；另一方面，東部、中部、西部和東北地區地理和空間分布格局上的差異，也導致區域經濟分化愈加明顯。黨的二十大報告中提出要著力提高全要素生產率，要求確保經濟效益穩步提升，發揮全要素生產率在經濟增長中的重要調控作用。提高全要素生產率不僅可以有效促進經濟發展方式轉變［1］，也對縮小地區間經濟發展的差距有重要影響［2-3］。然而，過度地強調經濟發展的重要地位，試圖用經濟發展來消除環境和社會的損失，是弱可持續理論的體現，并不能實現地區的長遠發展。新古典經濟學認為不同資本可以實現相互替代，可以為地區經濟可持續發展提供更多路徑［4］。雖然這樣的觀點受到政策制定者的青睞，但高速發展的經濟增長模式，卻帶來了嚴重的生態系統退化問題?？沙掷m發展經濟學中的強可持續理論提出，自然資本并不是可以完全替代的，必須控制生態環境總量和資源總量的理念逐漸被人們認可和接受［5］。黨的十八大、十九大、十九屆五中全會和六中全會的會議中，將生態文明建設納入社會主義現代化建設總體布局，并作為衡量經濟高質量發展的重要指標，是對強可持續理論的具體實踐。因此，本研究立足于中國要加快發展方式綠色轉型的發展背景，考慮如何用強可持續發展理論指導地區經濟發展，通過對地區生態全要素生產率進行測度，并厘清相鄰和不相鄰地區生態全要素生產率的相互作用，從空間視角對其分布特征和影響因素進行梳理，從而實現地區經濟效益和生態效益的共贏發展。

1 文獻綜述

生態文明的概念最早是1995 年由美國學者提出［6］，將生態文明定義成工業文明之后的另一種形態。近年來，在國外學者的相關研究中興起并逐漸形成“社會-生態轉型”理論，該理論指出應該關注全社會意義上的結構性重構，避免過度關注能源主導要素或層次的創新［7-8］。國外專門針對生態文明的闡述并不多，更多的是探討國家或地區可持續發展評價及其影響因素。如聯合國環境規劃署、經濟合作與發展組織提出的“壓力-狀態-響應”模型，建立的可持續發展評價指標體系也為生態文明的評價提供了參考。Wackernagel 等［9］首次提出生態足跡理論，后來被廣泛運用到生態和環境承載力評價等研究中。國內對于生態文明的理論和實踐創新研究也形成了較為完善的邏輯體系。從生態哲學、環境哲學和生態現代化理論的角度來看，生態文明是在傳統的原始文明、農業文明和工業文明之外新形成的一種文明形態［10］。生態文明的基本內涵主要涵蓋人與自然、生態文明與現代文明以及生態文明建設與時代發展的關系等［11］。生態文明建設的評價既有通過構建評價指標體系來進行研究的；也有基于復合生態系統理論和人文關系地域系統理論來建立相關指標，把生態文明建設分為幾部分子系統來進行綜合評估［12-13］；或者從傳統的“壓力-狀態-響應”模型來入手［14-15］；也有采用效率模型對生態文明建設效率進行評價，如隨機前沿分析（Stochastic Frontier Analysis，SFA）［16］和數據包絡分析（Data Envelope Analysis，DEA）模型［17］等。也有部分研究關注生態文明建設對社會和經濟產生的影響，如生態文明先行示范區的設立會對城市生態效率的提升有正向的促進作用［18］，對農業綠色效率增長有提升作用［19］，對提高地區碳減排潛力有一定的貢獻［20］，以及生態文明試驗區自身綠色發展效率的測度和影響因素分析等［21］。

綜上，相關學者的研究較為豐富，從生態文明的理論創新到實踐應用都進行了一定的闡述。而提高地區生態文明建設水平需要重點解決環境和生態系統健康的問題，環境和生態系統質量決定了地區全要素生產率的大小。全要素生產率能夠較為全面地體現土地、資本和勞動力等各種要素之間的流動和聯系，是衡量國家和地區經濟增長的重要指標。與其相關的測算方法主要有索洛余值法［22-23］、數據包絡分析法（DEA）［24］以及隨機前沿分析方法（SFA）［25］等。經濟社會發展帶來的資源和環境壓力日益突出的發展背景下，學者們將環境和能源因素納入全要素生產率的評價體系，如李蘭冰［26］將生態和能源納入全要素生產率的測算中，并提出了一種新型的生態全要素能源生產率變動指標；吳傳清等［27］考慮了環境約束對全要素能源效率的影響作用，并指出全要素能源效率受多種因素影響。而在具體分析中，學者們通常將能源要素作為生產函數中的投入要素，將環境因素作為投入變量［28］，這種做法容易忽略實際生產過程中環境因素也是非合意產出這一事實。有的學者將環境因素作為非期望產出來進行分析，但存在規模報酬不可變的情況下無法求解的問題［29］；還有的學者將環境污染和經濟產出一同引入測算框架［5，30-32］。以上研究表明，關于全要素生產率方法學的研究在不斷完善中。

隨著可持續發展理念和生態文明建設的不斷發展和推進，國內外學者也逐漸將生態保護因素納入研究和分析中。如對生態效率的測算，部分學者分別從省級［33］、城市［34］、縣域［35］及不同行業［36］等角度來進行。部分學者則從全要素生產率的角度出發，將生態因素加入測算框架中，形成生態全要素生產率。如采用省級層面面板數據分析生態文明試點建設對生態全要素生產率的影響作用，發現開展相應試點有助于提升生態全要素生產率水平［37］；也有利用MEBM-Luenberger 模型對省級生態全要素生產率進行測算，對其區域差異性和空間收斂性進行分析，發現區域間不平衡現象較為明顯［5］。這些研究成果從不同角度來開展分析，對生態全要素生產率的相關研究工作作了更多的補充和完善。

但是，從現有研究來看：①鮮有學者將測算范圍進一步擴大，即從地級市層面對生態全要素生產率進行測度；②生態全要素生產率的測度方法也存在分歧；③生態全要素生產率的提升并不是孤立存在的，相鄰地區之間也會存在趕超和攀比效應，這也會產生一定的空間溢出效應。為此，本研究采用中國2011—2020 年285 個地級及以上城市面板數據，可能的拓展和邊際貢獻有以下幾方面：①將生態全要素生產率的研究尺度從省級擴展到地級市層面，進一步分析中國各城市生態全要素生產率的變化趨勢；②從方法學的角度來看，基于技術異質性的基礎，考慮到傳統三階段DEA 模型以及SBM 模型存在的不足，采用基于共同前沿的三階段SBM 模型來進行測度和優化；③考慮到各地區生態全要素生產率的空間差異性，進一步利用空間杜賓模型來研究其空間溢出效應以及影響因素；④討論了空間相鄰、地理相鄰以及經濟相鄰三種模式下，地方政府是如何實現自身利益最大化，確保生態全要素生產率水平提升，并實現互利共贏而不是以鄰為壑的發展格局，為區域協調發展提供一定的新思路。

2 研究方法及數據說明

2.1 非參數共同前沿理論及模型構建

中國東部、中部、西部及東北地區地理位置、資源稟賦以及經濟實力和技術發展水平等存在明顯的區域差異性，因而不同地區面對的生產前沿并不相同，也導致各地區生態全要素生產率中可利用的技術集也不同。具體來說，東部地區由于人力資源、技術手段和市場環境發展等都比較完善，企業創新發展模式以及環境規制水平都相對較高，而其他地區由于受區位發展、市場環境、人才和資金等方面因素的限制，社會和經濟發展優勢并不明顯。因此，在不同地區生態全要素生產率的生產可能集及最佳技術前沿面均不相同的情況下，將不同地區的生產單位放在同一技術前沿下來進行比較，可能會導致指標的有偏估計［38］，故需要根據不同地區的發展特點分別構建群組前沿面，對群組內的決策單元進行效率測度和評價。因此，為更好地將技術水平因素納入生產單元中，本研究基于已有研究［39-40］，通過梳理非參數共同前沿理論的發展脈絡，除了對不同地區構建群組前沿面，還構建了一個共同前沿面，并測算了兩種前沿面下的技術效率以及技術落差比率。具體模型構建過程如下［41］。

（1）構建群組前沿。假定決策單元(x，y)的投入向量為m維向量x=(x1，x2，…xm) ∈Rm，產出變量為n維向量y=(y1，y2，…yn) ∈Rn，這包含所有投入和產出的共同技術集合記為Tk：

式中：x為投入變量。y為產出變量，根據地區差異以及技術水平的不同，將研究樣本分為東、中、西部和東北地區這四個群組，故k=1，2，3，4。由此，可得群組k所對應的生產可能集為：

式中：Pk(x)所對應的上界就是群組前沿，θ反映的是投入同比例減少所能達到的最小值。按照投入最小化的原則，群組前沿下的距離函數為：

群組前沿下的技術效率（GTE）為：

（2）構建共同前沿。共同前沿是群組前沿下的包絡曲線，在構建共同前沿模型中，所有決策單元的共同技術集合記為Tmeta：

給定與共同前沿技術集合相關的投入變量為x，產出變量為y，產出集合Pmeta(x)定義如下：

式中：Pmeta(x)所對應的上界就是共同前沿，按照投入最小化的原則，共同前沿下的距離函數為：

共同前沿下的技術效率（MTE）為：

（3）定義技術落差比率（TGR）。TGR通常反映的是共同前沿和群組前沿之間的技術水平差距，其數值越高代表實際生產技術水平越接近潛在生產技術水平，反之則說明決策單元的生產技術水平和潛在生產技術水平的差異越來越大，具體表示為：

2.2 三階段SBM模型

本研究在測算生態全要素生產率的過程中，著重考慮了非期望產出的影響作用。傳統的DEA模型以及后來的三階段DEA 模型在對效率進行計算時，所采用的CCR（固定規模報酬）或者BCC（變動規模報酬）模型為徑向模型，假定決策單元只能采用等比例的方式進行改善，只考慮相同的技術水平的影響，與實際生產過程可能會存在不符。為此，本研究考慮到技術異質性的差異影響，在共同前沿理論模型的基礎上采用三階段SBM 模型來對各地區生態全要素生產率進行測度，在第一階段和第三階段考慮了不同技術水平的影響，基于共同前沿的理論模型分為不同的群組來進行測算，具體步驟如下。

第一階段：基于SBM 模型投入松弛變量的計算。與傳統DEA 模型相比，SBM 模型可以對非期望產出進行處理，并考慮松弛變量的影響。借鑒Tone［42］的研究方法，采用投入導向、規模報酬不變的SBM 模型來計算決策單元（DMU）的初始效率。

式中：目標函數ρ*是投入無效率與產出無效率的比值，并反映了無效的DMUk和有效DMUk相互轉化時，投入變量減少量、期望產出增加量和非期望產出減少量之間也存在相應的關聯關系。m、S1、S2分別代表的是決策單元投入、期望產出和非期望產出的指標個數，λj為權重乘數大小。

第二階段：利用隨機前沿（SFA）回歸剔除環境因素和隨機誤差的影響。這個階段的主要目的是消除出現的不可控因素對效率值的影響，故利用SFA 中的成本函數對松弛變量進行分解，具體構建過程如下［43］：

式中：Sni代表的是第i個決策單元第n項投入的松弛值；Zi是影響決策單元的環境變量；βn代表的是環境變量的系數；νni+μni代表的是混合誤差項，νni表示隨機干擾項，μni表示決策單元內部的管理無效率項。假定ν～N(0) 代表隨機誤差項，μ代表管理無效率，并設μ～N(0，)；μni和νni不相關。

同時，為了有效剔除環境因素和隨機誤差對效率計算的影響，將所有決策單元調整于相同的外部環境中，以投入量為基礎對公式作出如下調整：

式中：是調整后的投入；Xni是調整前的投入；是將環境因素調整到相同狀態；是將隨機誤差項置于相同外部環境下。

第三階段：調整后的SBM 模型。利用調整后的投入產出變量重新帶入SBM 模型中去，計算各決策單元的生態全要素生產率，此時測算的效率值已經剔除環境因素和隨機誤差的影響作用，更能反映決策單元的真實水平。

2.3 空間杜賓模型

考慮到中國不同城市生態全要素生產率可能存在關聯性，本研究引入空間計量模型來體現研究樣本在時間和空間上的溢出效應。同時，為了避免模型內生性導致結果的誤差，對被解釋變量的滯后項進行分析。在前人研究的基礎上［44-45］，設定基準模型如下：

式中：ETFPit為i城市第t年的生態全要素生產率，Wn為空間加權矩陣，Wn×ETFPit為地區生態全要素生產率的空間滯后項，Zit為控制變量，WZit為控制變量的空間滯后項，εit為誤差項且εit～N(0，)，ρ、β2為空間自相關系數。

2.4 指標選取與說明

生態文明建設的本質和核心是實現人與自然和諧共生的現代化［46］，既要考慮生態環境的保護和可持續性發展，又不能忽略經濟效益提升的重要性。根據已有研究［5，37］，學者們通過構建MEBM 混合距離函數和Luenberger 指數來考察生態全要素生產率的區域差異和空間收斂性特征，或者來評估開展生態文明試點工作對生態全要素生產率的影響效果。查閱相關文獻，生態全要素生產率并沒有權威的定義，更多是在考慮地區經濟增長和環境保護的基礎上來進行研究的，如考慮碳排放因素形成的綠色全要素生產率。為此，本研究除了在傳統全要素生產率上考慮經濟效益和環境污染的產出外，還著重將生態效益作為期望產出的一部分，進而體現生態文明建設的發展背景和目標要求，并將其命名為生態全要素生產率（ETFP）。同時，這一指標還體現了強可持續發展理論的發展和應用，能夠更好地反映不同地區生態文明建設的效果大小，并能體現經濟增長和生態環境改善之間的內在關聯性。具體來說，在投入指標的選擇上從“自然-經濟-社會”這一復合生態系統理論入手［17］，將資源投入細分為能源、水資源和土地資源這三類，這主要是考慮到傳統的投入指標更多考慮資本、勞動力等，容易忽略自然本身帶來的價值和服務，為此本研究采用細分的指標投入來進行研究。具體指標設定如下。

（1）投入指標方面。從資本、勞動力和資源投入這三大傳統要素入手進行分析。資本存量（K）以各地級及以上城市固定資產投資為基礎，采用永續盤存法來計算，以2011 年為基期，資本存量折舊率按照9.6%來進行計算［47］。勞動力（L）考慮到數據的可得性，采用城鎮單位從業人員、城鎮私營和個體從業人員這兩者的總數來衡量。資源投入（E）則考慮自然的因素，將其細分為能源投入、水資源投入和土地投入這三個部分。

（2）產出指標方面。生態全要素生產率體現了地區經濟效益和生態效益的協同增長，為此本研究參考了現有研究中關于綠色全要素生產率、生態效率、綠色效率及生態文明建設等相關指標的說明［18-19，21，30，34］，指標的選取和測算進行了調整和修改，以地區經濟效益和生態效益為期望產出，同時考慮經濟和生態效益的發展目標，這也較為符合當前生態文明建設的背景，與“綠水青山就是金山銀山”的發展理念相融合。地區經濟效益采用各地區生產總值（不變價）來表征，生態效益采用各地區生態文明建設評價指數來衡量，包括物質生活水平、人民居住環境和生態認知水平這三個方面，并采用熵值法來進行計算。其中，物質生活水平主要涉及到人均GDP、人均社會消費品零售總額、恩格爾系數、每萬人擁有衛生機構床位數、城鎮失業率和房價收入比；人民居住環境主要涉及到城市人口密度、人均綠地面積、建成區綠化覆蓋率、人均生活垃圾清運量、人均日常用水和用電量；生態認知水平主要涉及到生活污水處理率、科學和教育事業支出比例和城鎮居民可支配收入。非期望產出采用環境污染指數來表征，具體包括各地區工業廢水排放量、工業SO2排放量、工業煙粉塵排放量以及工業氮氧化物排放量這四個指標，并利用熵值法進行測算。

（3）外部環境變量方面。第二階段回歸的過程中，需要考慮對生態全要素生產率測算產生顯著影響，但是樣本中主觀條件下無法控制和改變的要素。為此，本研究選擇了五個外部環境變量來進行分析。①產業結構水平（ins）：采用各地區第三產業和第二產業生產總值的比重來衡量。②城鎮化率（urban）：采用各地區城鎮人口占年末常住人口的比重來衡量。③技術創新水平（tec）：采用各地區科學技術支出占當年財政一般預算內支出的比重來衡量。④環境規制強度水平（er）：借鑒前人的研究思路［37］，采用各地區環境治理投資額占當年地區生產總值的比重來衡量。⑤對外開放水平（fdi）：采用各地區當年實際利用外資金額占地區生產總值的比重來衡量。

（4）控制變量方面：利用動態空間杜賓模型來進行回歸分析，需要重點考慮不同因素的影響，為此本研究選擇五個主要的影響變量。①交通基礎設施水平（tra）：采用各地區道路總面積和總人口的比重來衡量。②經濟發展水平（pgdp）：采用各地區生產總值和年末常住人口的比重來衡量。③人力資本水平（hr）：采用各地區普通高等學校在校生人數占年末常住人口比重來衡量。④財政干預水平（gov）：借鑒前人的研究思路［34］，采用各地區當年財政支出占生產總值的比重來衡量。⑤金融發展水平（fin）：借鑒前人的研究思路［5］，采用各地區年末金融機構貸款余額和生產總值的比重來衡量。

2.5 數據來源與變量描述性統計

采用MaxDEA ultra7 軟件來測算地級市生態全要素生產率，考慮到部分地級市樣本數據獲取的難度較大以及樣本量過大容易導致軟件運行出錯等問題，故采用2011—2020 年中國285 個地級及以上城市為樣本，限于數據可得性，研究未涉及西藏、香港、澳門和臺灣，對于少量缺失數據采用平均增長率和線性插值法進行補充。由于被解釋變量（生態全要素生產率）涉及兩個結果，即第一和第三階段改進的測算結果，為了確保后續回歸的合理性和準確性，本研究選擇第三階段調整后的測算結果來進行后續空間面板模型的分析，并采用共同前沿的效率值。數據主要來自《中國統計年鑒》《中國城市統計年鑒》《中國能源統計年鑒》及地級市統計年鑒等。此外，為了保證模型回歸的準確性，消除異方差的影響和量綱問題，對數據進行對數化處理。與價格有關的指數以2011年為基期來進行平減處理。具體各變量的描述性統計結果見表1。

表1 變量描述性統計結果

3 實證結果分析

3.1 第一階段SBM計算結果

通過根據前文構建的生態全要素生產率指標體系，基于共同前沿理論和三階段SBM 模型來測算共同前沿和群組前沿下地級市生態全要素生產率的共同前沿效率、群組前沿效率以及技術落差比率。同時，考慮到文章篇幅有限，直接將所有地級市樣本量進行展示，難度較大（考慮到篇幅限制，未能展現所有地級市共同前沿和群組前沿效率值，感興趣可以向作者索取），因此采用計算分地區、分省份均值的方式來進行處理，并根據《中共中央國務院關于促進中部地區崛起的若干意見》（中發〔2006〕10 號）、《國務院辦公廳轉發國務院西部開發辦關于西部大開發若干政策措施實施意見的通知》（國辦發〔2001〕73號）等相關文件，沿用國家統計局對全國地區的劃分，將研究樣本劃分為東部、中部、西部和東北地區來對比分析不同地區生態全要素生產率的演變特征。

從表2的結果來看，共同前沿效率和群組前沿效率分別反映了以共同邊界和群組邊界為比較基準計算的距離函數值，反映了生產單元集在相同投入水平下實際產出到兩者邊界產出的距離大小。本研究從技術異質性的角度來分析不同地區的均值差異。首先，從全國總體的均值分布來看，共同前沿和群組前沿下生態全要素生產率分別為0.537 1 和0.671 9，以全國最優技術為參照還有46.29%的提升空間，以區域最優技術為參照還有32.81%的提升空間。出現這樣的偏差的主要原因是兩者所參考的生產技術集有所不同。其次，從各地區的均值情況來看，共同前沿下東部地級市生態全要素生產率均值最大為0.609 6，東北、西部和中部地區分別仍然有45.86%、49.96%和50.64%的效率改善空間。從以上效率均值分布情況來看，東部地區具有更好的要素資源、人才和資金等，更有助于地區生態文明建設的完善和發展；而中西部地區和東北部地區生態全要素生產率均值整體偏低，表明這三個地區資源利用效率不高，環境保護和治理能力需要進一步提升，經濟和生態效益協同增長水平不足。再次，從群組前沿的結果來看，分地區地級市生態全要素生產率均值從高到低依次為東北部、西部、中部和東部地區，分別有25.55%、31.11%、34.44%和36.11%的效率改善空間。最后，從共同前沿和群組前沿效率這兩種對比分析來看，東部地區地級市生態全要素生產率均值變動幅度并不太明顯，而中部、西部和東北地區效率值有了較大的改變，這可能的原因是：東部地區具有較高的生產技術，經濟發展水平和資源利用效率等比中部、西部和東北地區高，生產技術集處于最優水平，而中部、西部和東北地區在兩類前沿技術集合下差異比較明顯，前沿面的距離有了較大的改變，各自的群組前沿效率值也存在高估的可能［48］。

表2 2011—2020年共同前沿和群組前沿下地區生態全要素生產率描述性統計

從表3的結果來看，將中國城市生態全要素生產率分為東部、中部、西部和東北這四大區域，并細分計算分省共同前沿和群組前沿下生態全要素生產率均值。①東部地區：天津和海南的城市生態全要素生產率均值最大，共同前沿和群組前沿下的效率均值達到最優水平，為1.000 0；北京和上海市共同前沿下效率均值分別有10.84%和10.99%的改善空間，遠高于其他東部省份的效率均值；群組前沿下福建的效率均值最小，為0.537 9，與東部地區群組邊界的技術水平相比仍有46.21%的改善空間。②中部和西部地區的共同前沿和群組前沿下生態全要素生產率均值差異比較明顯：共同前沿下河南和新疆的效率均值最大，分別排序第一，安徽和重慶的效率均值最小，分別有55.02%和70.09%的改善空間；群組前沿下湖北和貴州的效率均值最小，分別為0.617 6 和0.504 3。③從東北地區效率值來看，共同前沿和群組前沿下三個省份的效率均值都比較小，仍有較大的改善空間。

表3 2011—2020年分地區共同前沿和群組前沿下生態全要素生產率均值計算結果

從技術落差比率均值的結果來看，技術落差比率（TGR）反映了在一定制度環境下群組技術水平和潛在共同邊界技術水平之間的缺口，該值越大則說明生產決策單元的實際技術水平和共同邊界下的技術水平之間的距離越接近。東部地區中不同地區技術落差比率均值都接近于1，說明東部地區群組前沿技術水平和共同前沿邊界技術水平較為接近；而中部、西部和東北地區的技術落差比率均值波動幅度較大，呈現出差異化的特征。這也從側面說明本研究將城市樣本按照群組來進行劃分的合理性。

3.2 第二階段：相似SFA回歸

在本研究第一階段計算生態全要素生產率的過程中，可以得到各地級市投入要素的松弛變量。松弛變量容易受外部環境、隨機誤差項及管理無效率項等因素的影響，因此在第二階段采用SFA 方法來分析外部環境變量對投入要素中松弛變量的影響作用。

從表4中的回歸結果來看，對于大部分環境變量來說，其回歸系數均在1%的水平上顯著，說明在SFA 回歸模型中，相比較隨機因素的影響來說，管理無效率項對投入松弛變量的影響更加顯著。外部環境變量對城市生態全要素生產率的投入要素存在一定影響，這進一步表明模型設定的可靠性以及對調整原始投入值可以確?；貧w結果更加合理。對于環境變量來說，產業結構水平對資本、能源、水資源和土地投入松弛變量的影響均顯著為負，說明隨著產業結構優化升級，產業結構高級化水平越高，相對應的投入冗余量就越少，越有利于地區生態全要素生產率的提升；而勞動力投入的影響回歸系數顯著性則一般。城鎮化率變化對資本、勞動力、能源和水資源投入松弛變量的影響回歸系數為正，說明在城鎮化推進的過程中，容易造成資源利用的浪費，進而導致投入冗余量增加。城鎮化率對土地投入松弛變量的影響為負，表明隨著城鎮化水平的逐步提高，更有助于減少土地投入冗余。

表4 第二階段SFA回歸結果

整體來看，技術創新水平對投入松弛變量的影響回歸系數為負，環境規制強度水平則與投入松弛變量之間有正相關關系，對外開放水平會增加資本、勞動力以及土地投入冗余。

上述回歸結果表明，在考慮外部環境因素的影響時，不同城市生態全要素生產率水平會有較大的差異，因此，需要對初始投入變量進行調整，剔除環境變量中的隨機因素，確保在測算效率過程中各生產單元處于相同的外部環境。

3.3 第三階段：調整后的SBM計算結果

通過對第二階段調整后的投入和產出數據再次導入SBM 模型中，得到第三階段分地區共同前沿和群組前沿效率下生態全要素生產率均值計算結果。同時，計算出與第一階段相比改進的比例，具體結果見表5。

表5 2011—2020年第三階段分地區生態全要素生產率均值計算結果

從表5中的結果可以看出，在剔除外部環境因素和隨機因素之后，共同前沿和群組前沿下全國總體效率均值分別由0.537 1 降至0.299 9、0.671 9 降至0.417 3，說明地區生態全要素生產率的提升容易受到外部環境和隨機因素的干擾，不利于實現其高質量發展目標。從分地區均值改進情況來看，東部地區生態全要素生產率均值變動并不明顯，而中部、西部和東北地區效率均值結果變動幅度比較大，這可能的原因是東部各地區、各城市之間發展差距并不算很大，經濟結構和產業結構比較均衡，而中部、西部和東北地區資源稟賦差異比較大，更容易受到外部環境的影響，從而在提高地區生態全要素生產率水平的過程中更需要克服外界因素的干擾。

3.4 空間溢出效應分析

3.4.1 相關性檢驗

前文采用基于共同前沿的三階段SBM 模型測算了共同前沿和群組前沿下的生態全要素生產率，為了進一步考察其空間關聯性，本研究通過構建Moran'sI指數，對各城市生態全要素生產率的空間自相關性進行檢驗。同時，重點利用共同前沿下的效率來進行分析。計算方法如下：

表6 顯示的是地級市生態全要素生產率的Moran'sI分布情況，從歷年指數分布的情況來看，Moran'sI值呈現正向的空間相關性，且均在1%以上的水平上顯著為正。這表明地區生態全要素生產率大小并不是呈現散亂、隨機分布的特點，而是存在空間相關性的關系，具有一定的空間集聚特征，從而也為接下來進一步探究變量間的空間溢出效應奠定了基礎。

表6 生態全要素生產率全局空間自相關Moran's I指數

3.4.2 空間杜賓模型回歸檢驗

在運用空間杜賓模型來進行回歸之前，首先，需要對變量進行多重共線性檢驗，通過發現變量的方差膨脹因子（VIF）為1.60，遠小于經驗法則中的零界值10，說明變量之間不存在共線性的問題。其次，需要考慮采用空間杜賓固定效應還是隨機效應模型。為此，本研究進一步進行豪斯曼（Hausman）檢驗，結果表明應該選用固定效應模型。最后，為了明晰不同權重矩陣下各地區生態全要素生產率的影響變化趨勢，增強回歸結果的穩健性，本研究分別采用地理距離矩陣（W1）、鄰接權重矩陣（W2）和經濟距離矩陣（W3）來構建空間距離矩陣，具體的回歸結果見表7。

表7 不同空間矩陣下SDM模型回歸結果

從表7 中可以看出，在三種不同的權重矩陣下，中國城市生態全要素生產率的回歸系數均在5%或1%的水平上顯著為正。這說明地區生態全要素生產率具有一定的空間溢出性，提高地區生態全要素生產率水平對實現經濟高質量發展具有重要推動作用。同時，比較地理距離和鄰接權重矩陣的回歸系數，鄰接權重矩陣下的回歸系數更大，說明地區生態全要素生產率變動更容易受到相鄰地區的影響；而經濟距離權重下的回歸系數顯著性水平也較高，說明地區經濟發展水平相鄰的地區更容易促進地區生態全要素生產率提高，從而形成以鄰為伴和互利共贏的發展模式。

從核心影響變量的回歸結果來看，交通基礎設施水平對地區生態全要素生產率提升存在負向的影響，這可能是因為，現有的交通基礎設施建設仍然不能有效實現各創新要素的正常流動，導致地區綠色發展進程比較遲緩［49］。人均GDP 對地區生態全要素生產率的影響在1%的水平上顯著為正，說明實現地區經濟增長和環境保護的雙贏發展離不開資金投入的支持。同時，政府干預水平的回歸系數也在1%的水平上顯著為正，這進一步表明需要采用政府引導和市場發展相結合的方式來提高生態全要素生產率水平，政府需要采取相應政策措施、投入大量資金來緩解經濟發展和環境污染之間的矛盾。人力資本水平則與地區生態全要素生產率之間存在負向的影響關系，可能的原因是當前地區物質資本積累和人力資本投入不足，人口紅利的逐漸消失導致地區生產率增長處于減速階段，從而不利于整體生態全要素生產率水平提高。提高金融發展水平有助于地區生態全要素生產率發展，這是因為通過加大對企業的貸款力度，能夠實現資金投入要素的有效流動，確保各創新主體能夠有效提高技術創新水平，優化資源配置效率，從而實現由傳統依靠要素投入轉向創新要素的轉變發展。加入權重矩陣后，影響變量的顯著性水平依舊比較明顯，表明地區生態全要素生產率存在溢出效應，對相鄰地區的生產率發展水平提高也有促進作用，從而實現整體共贏提升。

3.5 拓展性討論

前文通過采用空間杜賓模型對地區生態全要素生產率的空間溢出效應進行了分析，并指出了影響生態全要素生產率變化的關鍵性因素，但不同城市地理位置及資源稟賦等的差異容易導致地區生態全要素生產率增長具有不均衡性。同時，在空間相鄰、地理相鄰和經濟相鄰三種城市模式下，城市生態全要素生產率的變化趨勢也可能會存在明顯不同。深入探究不同發展模式下地方政府如何實現自身利益最大化發展，從而擺脫以鄰為壑的發展困境，實現互利共贏的發展格局，也對促進地區高質量發展具有重要推動作用。為此，本研究考慮地區地理位置及資源稟賦的差異性進行分析。

3.5.1 考慮不同地區的差異

考慮到不同地區地理位置和經濟發展情況等因素的不同，按照國家統計局對全國地區的劃分，將總樣本分為東部、中部、西部以及東北地區四個，進行分樣本回歸。

表8顯示不同地區生態全要素生產率的空間溢出效應差異?？梢钥闯觯诓煌仃嚹Ｊ较拢鞯貐^生態全要素生產率的空間外溢效應也存在明顯的差異性。對東部地區來說，各城市生態全要素生產率之間的聯系更加密切，產生的空間外溢效應更加明顯。這可能的原因是東部地區技術發展水平和金融市場發展更加前沿，擁有更多資金、技術和市場資源等去促進經濟增長以及改善環境治理能力，從而實現生態全要素生產率的快速增長。對中部、西部和東北這三個地區來說，中部地區和東北地區生態全要素生產率的空間外溢效應更加明顯，而西部地區的影響作用相對較弱，影響作用整體弱于東部地區，主要是因為這些地區經濟發展實力不夠發達，創新資源和人才也較缺乏，對外開放程度不夠高，從而不利于要素資源實現跨區域流動，導致地區間發展差距越來越明顯，不利于地區生態全要素生產率提升。同時，由于地理和經濟距離因素的影響比較大，地方政府也更需要采取區域協調發展戰略，確保要素資源能夠更加合理分配，形成地區間互利共贏的發展格局。

表8 基于不同地區的檢驗結果

3.5.2 考慮資源稟賦的差異

實現一個地區生態全要素生產率水平的快速發展，不僅需要考慮地理和經濟發展實力等因素的影響，也需要考慮不同城市資源稟賦的差異性。對自然資源或社會資源比較豐富的城市來說，如何去平衡經濟發展和環境保護之間的矛盾，有效促進生態全要素生產率也顯得尤為重要。因此，本研究進一步參考國家對資源枯竭型城市的分類及前人的研究［50］，將研究樣本分為資源枯竭型（具有煤炭、森工、有色冶金、石油以及黑色冶金等產業特征）和非資源枯竭型城市，考察兩種城市模式下生態全要素生產率的空間溢出性。

從表9 可以看出，對于資源枯竭型城市，城市發展長期依賴主要資源，生態修復能力相對較弱，城市生態全要素生產率的空間外溢效應并不明顯，這可能的原因是短期內資源枯竭型城市實現生產要素的合理配置及產業結構的合理發展，需要克服重重困難，同時環境污染治理的成本也會成為制約地區經濟的增長的重要因素。非資源枯竭型城市則擁有更多的精力及機會平衡經濟發展和環境保護之間的關系，這也有利于生態全要素生產率水平的快速提升。

4 結論與政策建議

4.1 研究結論

從強可持續理論和共同前沿理論的角度入手，本研究將生態環境保護和經濟增長納入統一分析框架，采用基于共同前沿的三階段SBM 模型來測算地級及以上城市生態全要素生產率，并對比共同前沿和群組前沿下效率值的差異性。同時，運用空間杜賓面板模型分析三種不同權重矩陣下城市生態全要素生產率的空間溢出效應特征。研究結果表明：①城市生態全要素生產率受多種因素影響，在剔除外部環境因素和隨機因素影響后，各地區生態全要素生產率均值較未調整前有了較大變動，進一步證實了采用三階段SBM 模型來測度是較為客觀的；此外，從分地區效率均值來看，呈現出東部＞東北＞西部＞中部的特征。這是由于不同地區生產技術、經濟發展水平和資源利用效率等差異，導致不同地區效率值有了較大差距。②中國城市生態全要素生產率具有明顯的空間溢出效應特征，在地理距離、鄰接權重和經濟距離這三種矩陣下，地區生態全要素生產率的空間外溢效果也存在差異，同時也受到交通基礎水平、人均GDP、人力資本水平、財政干預水平以及金融發展水平的影響作用。這說明不同地區要素資源流動存在較大差異，由于經濟實力和地理距離等因素會導致生態全要素生產率水平存在不平衡的分布格局。③從考慮地理位置、經濟發展水平及資源稟賦的差異性來看，東部地區和非資源枯竭型城市生態全要素生產率的空間溢出效應更加明顯，而中部、西部、東北地區和資源枯竭型城市生態全要素生產率產生的空間溢出作用則一般，這也從側面體現了要素資源具有集聚的特征。④從地理距離、鄰接權重和經濟距離這三種模式下城市生態全要素生產率的回歸結果中來看，各地區經濟發展水平和生態治理、保護能力的提升離不開相鄰地區的協作和交流，進而形成以鄰為伴和互利共贏的發展格局。

4.2 政策建議

基于上述研究結論，本研究有以下幾點政策啟示。

第一，要重視提高要素和資源的利用效率，充分考慮不同地區的技術差距，積極加大對外開放力度，推動創新要素和人力資本的發展，從而縮小不同地區之間的技術水平距離，增強技術進步和效率改進對地區生態全要素生產率的提升作用。研究結果顯示，東部地區具有較高的生產技術水平，經濟發展實力和要素創新能力也居于全國前列，需要更好地發揮技術引領作用，為其他地區提供更加便捷的合作和服務，通過促進地區之間的交流合作，確保不同要素資源能夠更好地流動。此外，也要加大對技術創新水平的投入力度，為地區經濟增長和生態效益提升提供技術保障。通過技術進步來推動產業結構、能源結構、交通運輸結構等的調整升級，進而實現經濟社會發展方式綠色轉型。

第二，深化和統籌區域協調發展的戰略布局，逐漸弱化城市生態全要素生產率的空間非均衡性特征。黨的二十大報告中明確指出要大力推進區域協調發展的戰略方針，不同地區應該充分發揮自身優勢，地方政府需要采取因地制宜的政策措施，縮小地區之間在經濟發展水平、人口以及生態環境治理等方面的差距，并加強資本、勞動力以及創新等資源的集聚，從而形成地區規模發展效應。同時，要優化產業結構，減少地方經濟發展對高排放和高污染產業的依賴，引導由傳統要素投入驅動轉向創新要素投入轉型發展，實現經濟增長和生態環境保護的共贏發展。推進地區發展方式綠色轉型，對于傳統的資源型城市地區轉型來說需要克服更大的困難和壓力，要逐漸通過顛覆性技術變革的方式，從技術創新上來進行突破，進而逐步擺脫資源依賴效應，構建多元化開放發展的新格局。

第三，要創新體制機制，建立并完善區域互助機制，強化政策實施對地區生態全要素生產率提升的引導作用。破除地區經濟增長和環境保護之間矛盾的關鍵路徑之一是發揮有為政府和有效市場的協同增效作用。企業生產和運行作為提升地區生態全要素生產率中的重要環節和組成部分，需要擁有健康和良好的市場競爭環境，從而為企業開展創新活動提供保障。這就要求：一方面，政府部門要出臺和完善有關生態環境保護的法律法規，從制度層面為地方環境治理工作提供保障；另一方面，要充分考慮經濟發展水平和資源稟賦等因素帶來的差異性影響，加強區域協調的生態環境治理，促進相鄰地區之間形成互利共贏的發展格局，從而實現整體區域高質量發展。

4.3 研究不足與展望

本研究立足于中國要加快發展方式綠色轉型的發展背景，從考慮經濟效益和生態效益協同發展的角度入手，來考察中國地級及以上城市生態全要素生產率的變化趨勢、地區差異性及空間溢出效應，未來仍然有可以改進和深入研究的地方：第一，在研究指標的選擇方面，本研究參考了現有研究的指標選取方法，未來可以進一步修改和完善，使指標體系的選取更具科學性和可推廣性；第二，不同地區生態全要素生產率的空間效應研究，也會涉及本地和相鄰地區的相互博弈，未來可針對如何協同提升不同地區的生態全要素生產率展開更深入的研究。