黃河流域城市經濟集聚對綠色全要素能源效率的影響研究

史繹君

(甘肅政法大學 經濟學院,甘肅 蘭州 730000)

0 引言

黃河流域是指黃河水系從青海省發源地流經四川、甘肅、寧夏、內蒙古、陜西、山西、河南和山東匯入入海口所影響的地理生態區域。近年來,黃河流域城市不管是在數量還是規模上都得到了快速發展,許多生產要素都集中在城市,形成了集聚效應。但隨著集聚帶來的經濟發展,傳統靠不斷增加生產要素進而擴大生產規模的模式已不可持續,比如在能源消耗方面,黃河流域蘊含的豐富能源被大量開采利用,給流域內的環境、地質和氣候造成一定程度的損害。當下中國經濟增長的方式正在發生轉變,黃河流域要在生態保護的同時推動經濟實現高質量發展,能源是生態保護中重要的一環。據此,對城市集聚經濟和能源利用效率的協同發展開展研究對節約資源和環境保護工作意義重大。

本文在傳統能源效率測度研究的基礎上,將環境、能源與經濟發展三方面納入同一個體系,測算黃河流域城市綠色全要素能源效率,為此,本文以黃河流域城市為研究對象,探討黃河流域城市的經濟集聚能否對綠色全要素能源效率產生影響?以城市為載體探究集聚對城市綠色全要素能源效率的影響是否存在中介因素?

1 文獻綜述與理論機制

1.1 文獻綜述

能源效率是全世界關注的重要課題。當前學者關于綠色全要素能源效率的研究有以下兩個方面:①測度方法。Chung等[1]在測度瑞典紙漿廠生產率時提出了方向距離函數,結合以前學者的研究,構建了以方向性距離函數為基礎的非參數方法(DEA)。利用非參數方法(DEA)測度綠色全要素能源效率的研究主要集中在兩個方面:一是屈小娥[2]主要考慮以資本、勞動力、能源為投入要素,以GDP為產出,利用傳統的生產率指數——Malmquist生產率指數測度綠色全要素能源效率及生產率,但無法考慮非期望產出如二氧化碳等存在下的全要素能源效率;二是將環境污染物納入生產模型來測度全要素能源效率,將污染物作為投入指標或作為非期望產出,利用劉海英等[3]在測度瑞典紙漿廠生產率時提出的方向距離函數及Malmquist-Luenberger生產率指數測度綠色全要素能源效率。基于此前的研究,國內學者更多地運用DEA、SFA或超效率SBM進行測度。②影響因素。綠色全要素能源效率作為一個衡量環境污染、能源消耗以及經濟增長的效率值,影響其效率值的因素值得我們去進一步探討。技術效率變動和技術進步對全要素能源效率變動存在著一定影響,能源效率增長主要源于技術進步[4],而且技術效率和技術進步共同推動效率增長[5]。除此之外,人均GDP和產業結構對能源效率增長具有正向影響[6-7],經濟發展水平與綠色全要素能源效率水平呈“U”型關系[8],而能源結構對能源效率增長有顯著的負向作用。

經濟集聚是指一個區域由于經濟規模大且密度高而催生出來的外部效應[9]。城市經濟集聚帶來的外部性有兩個方面,一是正外部性,董直慶等[10]、張可[11]將空間因素納入到傳統經濟學分析中,認為經濟集聚帶來的正外部性能促進規模經濟效應,而且經濟集聚對技術創新有一定的促進作用。Jacobs[12]認為“多樣化集聚”產生的外部經濟更有利于技術進步與知識溢出,更能推動產業發展與地區經濟發展。二是負外部性,指對城市環境的破壞,通常以城市污染物的排放量來衡量。負外部性多與環境污染相關[13],如經濟集聚和環境污染之間存在雙向作用機制:經濟集聚加重了環境污染,環境污染對經濟集聚存在反向抑制作用[14];經濟的集聚加速了污染的集聚,并且污染的集聚態勢趨同于經濟的集聚態勢[15]。

當前對城市經濟集聚和能源效率的研究不多,更多的研究還是針對于產業集聚和能源效率[16-17]。學者們對城市層面的集聚與能源效率的研究大致可以分為3種情形:促進、抑制和非線性關系[18]。集聚對能源效率的促進作用多聚焦于產業和省份層面[19-20],具體途徑包括技術溢出和基礎設施共享[21],全國層面上的產業集聚對能源效率具有促進作用[22]。而關于產業集聚對能源效率的抑制作用,比如制造業集聚將對能源效率產生一定的負效應,更多的研究發現產業集聚對綠色全要素能源效率的影響并非完全的促進或抑制,還可能呈“U”型關系,即產業集聚對能源效率有著先抑制后促進的影響。當產業集聚度大小合理時,產業集聚對綠色經濟效率的影響是正向的,當產業集聚程度大于臨界值時影響是負向的,表明產業集聚與綠色經濟效率呈倒“U型”關系[23]。同樣地,有研究證實黃河流域城市群經濟集聚與綠色經濟效率存在倒U型關系[24],經濟集聚處于合理的范圍內有助于提升綠色經濟效率,而當經濟集聚過度時則會抑制城市群綠色經濟效率提升[25-26]。

通過對研究現狀的梳理,可以發現一些不足:①當前研究雖然對綠色全要素能源效率的研究進行了比較多的實證檢驗,不過學者們主要對產業或區域的綠色全要素能源效率進行測度和分析,研究對象多聚焦于省級區域層面,地級市層面的實證檢驗比較少;而且將經濟集聚與綠色全要素能源效率相結合分析的研究仍有諸多不足,如學者們容易將產業集聚與經濟集聚的概念混淆、城市經濟集聚程度的測度標準各不相同等,產業集聚衡量的是某一產業在特定的地理區域內的集中程度,而經濟集聚衡量的是某一地理區域內整個經濟活動的集中程度,其測度所選指標也有一些差異。②對黃河流域經濟集聚和綠色全要素能源效率的中介機制仍需進一步探討,比如知識溢出等因素是否會對二者的關系起到一定的中介作用。③對黃河流域地級市經濟集聚與綠色全要素能源效率的研究不足,仍需要進一步分析黃河流域經濟高質量發展的特點,把握現實情況,從而更好地找尋對策,以保持黃河流域治理和經濟發展之間的平衡。

1.2 理論機制

通過文獻梳理,可以得知經濟集聚就是城市內人口、資源、要素通過各項產業和經濟活動在空間上集中產生的一系列結果,這些結果比如知識溢出能夠打破區域市場的分割,實現生產向更大市場的整合;其他結果如人均GDP和產業結構也是城市化快速發展的產物[27],人均GDP的提升和第一產業釋放勞力,特別是高素質人才到第二三產業都得益于城市化率的提升和基礎設施的完善[28],而知識溢出和產業結構等結果會對綠色全要素能源效率產生影響。因而考慮經濟集聚與綠色全要素能源效率二者結合的研究具有合理性。以上可以得到本文的分析思路:一是經濟集聚和綠色全要素能源效率都與經濟增長和環境污染相關,那么經濟集聚與綠色全要素能源效率之間定然存在著聯系;二是城市的出現往往伴生著一個市場的出現,城市里的市場因素遠大于農村,近年來我國城市在數量和規模上都得到了快速發展,許多生產要素都集中在城市,從而產生經濟集聚,因而選擇城市而不是產業作為集聚的研究對象進行分析;三是城市帶來了市場,市場的整合和資源的集中又產生了集聚效應,經濟集聚的外部性推動知識溢出、人才流入和基礎設施建設,這些又能夠對區域內綠色全要素能源效率產生影響,據此,本文嘗試將知識溢出等因素作為中介變量。

因此,與以往文獻相比,結合上述機制分析,本文將從以下幾個方面進行延伸研究:①以黃河流域9個省份的98個地級市作為觀測對象,考察地級市的經濟集聚對綠色全要素能源效率的影響;②構建模型探討二者的關系,將中介因素置入二者的關系模型,對假設進行檢驗,同時考察城市經濟集聚帶來的影響效應是否會對綠色全要素能源效率產生作用;③采用工具變量解決內生性問題。

2 實證研究

2.1 綠色全要素能源效率測度

傳統DEA模型并沒有考慮松弛變量[29-30],而在此基礎上改進的SBM模型(Slacks-based Measure,SBM)很好地解決了這一問題。然而SBM模型也存在一定的不足,主要在于其在測算時忽略了效率值≥1的情況(完全效率),即多個決策單元處在前沿面。為解決這一問題,學者們又提出了超效率SBM模型。超效率SBM模型既能避免常規DEA模型下變量松弛性和徑向帶來的測量誤差問題,又能夠解決多個有效決策單元之間的可比性問題。因此,我們將采用超效率SBM模型構建并測度衡量綠色全要素能源效率的指標。本文在借鑒Tone(2003)的基礎上,考慮能源效率的情況下,構建的非導向規模報酬不變的方向性距離函數為:

式(1)中:n表示決策單元DMU的數量,每個DMU由投入m、期望產出和非期望產出組成的s構成;x表示投入矩陣中的元素、y表示期望產出矩陣和非期望產出矩陣中的元素、λ表示所對應投入或產出元素的系數;ρ為綠色全要素能源效率值,ρ越大說明效率越高。計算該指標用到的數據有資本存量、勞動、能源、實際GDP、工業廢水、工業二氧化硫和工業煙粉塵。其中資本存量數據使用永續盤存法計算得到,所需要的原始數據有各地級及以上城市固定資產投資,來自CEIC中國經濟數據庫;各城市以2003年為基期的資本存量數據;同一個省內各城市使用的資本存量折舊率相同。勞動數據、能源消費量數據和實際GDP數據來自CEIC中國經濟數據庫; 除工業煙粉塵數據來自《中國城市統計年鑒》外,其他兩類污染物數據來自CEIC中國經濟數據庫。

本文選取黃河流域9個省份的98個地級市2005-2020年城市綠色全要素能源效率進行測度,數據全部來自于各省份2005-2021年統計年鑒,但由于在搜集資料過程中發現《青海省統計年鑒》從2000-2021年間青海省共計7個自治州的數據不全,分別是海西蒙古族藏族自治州、玉樹藏族自治州、海北藏族自治州、海南藏族自治州、黃南藏族自治州、果洛藏族自治州、海東藏族自治州,同時也剔除內蒙古自治區的興安盟、錫林郭勒盟和阿拉善盟;四川省的阿壩藏族羌族自治州、甘孜藏族自治州和涼山彝族自治州以及甘肅省的臨夏回族自治州和甘南藏族自治州。因此本文對除去這幾個自治州外的98個地級市數據進行測算,得出了相關結果。

2.2 模型設計

本文在Miller等的基礎上,對 Cobb-Douglas生產函數進行適度擴展,設定如下生產函數:

q=f(l,k,e,Qrc,Arc,Ωrc)

(2)

或(2)中,l表示單位土地面積上雇傭的勞動力人數;k表示單位土地面積上用于經濟活動的實物資本;e表示單位土地面積上用于經濟生產所消耗的能源;Ωrc表示該區域內考慮經濟生產活動中資本、勞動、能源、“好”產出和污染物的經濟產出效率,也即本文要研究的綠色全要素能源效率;Qrc表示總產出;Arc表示該區域的總土地面積。

根據柯布道格拉斯公式的進一步推演,可改寫為如下形式作為本文用來估計的計量模型:

(3)

式(3)中,Lrc/Arc即為本文重點關注的解釋變量: 經濟集聚程度,用單位土地面積上的勞動力進行衡量。結合前文分析,經濟集聚對綠色全要素能源效率的影響很可能是非線性的,因此在公式兩邊取對數,加入經濟集聚度的二次項,并進一步加入其他控制變量,最終模型如下:

(4)

2.3 其他變量與指標選取

在其他控制變量中,本文用取對數的人均GDP(2000年為基期)來衡量一個城市的經濟發展水平,剩余控制變量包括: 產業結構、金融發展、財政支出力度、要素稟賦、研發支出、信息化水平以及地區文化水平。產業結構變量用地區第二產業和第三產業產值的總和來衡量;金融發展以金融機構存貸款余額衡量;地區財政支出以分權地區人均財政支出來衡量,要素稟賦為資本存量在勞動力人口的占比,研發支出為科技支出在GDP的占比,信息化水平為互聯網寬帶接入端口數。

除此之外,本文也考慮到了中介變量可能會產生的影響,因而選取了4個中介變量。一是考慮知識溢出這一因素,創新是經濟發展的核心驅動,技術進步能夠帶來經濟的飛躍式發展,并且想要實現經濟的持續穩定發展,就必須立足于技術創新,發揮城市經濟的集聚效應與技術創新的溢出效應。由于經濟集聚的外部性推動知識溢出,知識溢出產生的空間溢出效應能夠促進區域內的技術進步,而經濟集聚為城市帶來技術進步,技術進步會轉而對綠色全要素能源效率產生影響,因此知識溢出是城市經濟集聚對綠色全要素能源效率產生影響的一個重要媒介。本文以高等學校教師人數占總勞動人口的比重衡量知識溢出。二是選擇了基礎設施作為中介變量,城市基礎設施建設是基于經濟發展的,經濟集聚推動城市經濟發展,有了資金支持和經濟快速發展對營商環境的需求,基礎設施會進一步完善,也可以稱基礎設施完善是經濟集聚正外部性的另一個體現,因此考慮將基礎設施作為第二個中介變量進行檢驗,本文以城市的人均道路面積衡量這一指標。三是選擇了環境規制作為中介變量,這里參照林伯強(2019)采用一般工業固體廢物綜合利用率來衡量。四是高質量勞力比例,經濟集聚使得高素質人才占總勞動人口比重進一步提升,所以考慮高質量勞動力比重作為中介變量,以高校在校生在勞動力人口中的占比來衡量。本文機制驗證模型設定如式(5):

Zmt=α+β1Aggmt+β2Agg2mt+γXmt+εmt

(5)

表1 變量選取及解釋

3 結果與討論

3.1 計量結果分析

表2是使用OLS最小二乘法和2SLS兩階段最小二乘法兩種方法對模型估計的結果,結果第二列使用的固定效應模型的結果,第三到五列為引入工具變量的估計結果,其中第三、四列為使用工具變量法的第一階段回歸,第五列為使用工具變量法的第二階段回歸。

表2 OLS和2SLS估計結果

為了降低樣本存在的內生性偏誤問題,本文參照卞元超等[31]的研究引入了地形起伏度這一工具變量,地形起伏度是以中國地理90米分辨率數字高程數據,采用ArcGIS軟件計算獲得各地區的地理坡度數據;另外由于引入了經濟集聚的二次項,需要選取兩個工具變量,因而選取城市的交通狀況作為第二個工具變量,以城市所擁有的鐵路里程數作為第二個工具變量[32]。由于地理坡度不存在隨年份變化的情況,鐵路里程的變動較小,因而將地形起伏度和鐵路里程都乘以全國城鎮化率增長率構造為新的兩個工具變量,其中全國城鎮化率增長率以當年全國城鎮化率比2004年全國城鎮化率得到。

如表2所示,兩個模型均加入了控制變量,第二列固定效應的回歸結果顯示,解釋變量經濟集聚及其二次項對被解釋變量綠色全要素能源效率的影響作用均不顯著,經濟集聚對綠色全要素能源效率的影響為負,二次項為正,影響效果呈正“U”型關系,即先抑制后促進;而使用工具變量解決內生性問題后,第五列顯示經濟集聚對綠色全要素能源效率系數為1.176,呈顯著正向影響,二次項系數-0.111為顯著負向影響,影響結果呈倒“U”型關系,與第二列OLS最小二乘法回歸的結果相反,也說明經濟集聚變量和二次項變量存在內生性問題,并且本文所選取的工具變量通過了弱工具變量檢驗,顯示了處理內生性問題后的結果更可靠,同時這一結果與多數學者研究一致。

黃河流域多為中西部欠發達地區,山西、內蒙古和河南等雖然能源豐富但產業結構亟待升級,許多城市依靠資源發展經濟使得生態環境進一步惡化,據生態環境部向媒體發布的全國空氣質量狀況可見,2019年8月,168個重點城市中全國倒數排名前20中有安陽、臨汾、晉城、成都、洛陽、焦作、太原、長治、西安、陽泉、運城、鶴壁、瀘州和咸陽十幾個黃河流域內城市,可見黃河流域內中部地區城市經濟發展對環境的破壞程度比較嚴重。同樣地,西部地區如甘肅、青海和寧夏等地區人口密度小,城市特別是省會城市的經濟發展能夠帶動省內更多經濟落后地區的經濟發展,促進了區域的技術進步,能源消耗量快速上升,雖然綠色能源如水能和風能的使用能夠減少環境污染,但西部省份原本的生態屏障相對比較脆弱,經濟發展反而會給傳統能源使用造成的環境破壞帶來一定的生態壓力。與多數城市類似,一個城市的人口和經濟集聚能夠帶來知識溢出和技術進步,技術進步進而促進綠色技術創新,從而提升綠色全要素能源效率,但當經濟集聚到一定程度后,到達城市的環境承載力峰值,集聚帶來的正效益小于環境污染帶來的負效應,這時經濟集聚帶來的擁塞效應抑制了綠色全要素能源效率值。

3.2 進一步分析

上述實證結果表明,黃河流域城市經濟集聚對綠色全要素能源效率呈現先促進后抑制的影響效應,那么黃河流域城市經濟集聚提高綠色全要素能源效率的機制也值得進行進一步探討。本文選擇了知識溢出、基礎設施、環境規制和高質量勞動力作為中介變量,來驗證“經濟集聚——中介因素——綠色全要素能源效率”的機制。檢驗中介變量時,加入了與前文相同的控制變量,具體實證檢驗步驟: 第一步,對解釋變量與被解釋變量進行回歸,若系數顯著,則表明經濟集聚促進了綠色全要素能源效率;第二步,將解釋變量與中介變量進行回歸,若系數顯著,說明經濟集聚對中介變量產生了顯著作用;第三步,將中介變量加入被解釋變量和解釋變量的模型中進行回歸,若系數顯著提升,則證明經濟集聚通過中介變量促進了綠色全要素能源效率的提高,從而機制得到驗證。按照上述檢驗步驟,第二階段的檢驗結果如下:

結果見表3,(1)-(4)列按順序分別為知識溢出、基礎設施、環境規制和高質量勞動力作為中介變量的檢驗結果,表2的檢驗結果證明了解釋變量經濟集聚對被解釋變量綠色全要素能源效率有著倒“U”型影響,而表3第二行二次項的結果表明,經濟集聚對知識溢出、基礎設施、環境規制和高質量勞動力均在1%的水平上顯著為負,說明城市經濟集聚程度對這4個中介變量有著先抑制后促進的作用,處于一定階段的經濟集聚程度越高,知識溢出、基礎設施、環境規制和高質量勞動力比例提升程度越大,即城市經濟集聚可以通過知識溢出、基礎設施、環境規制和高質量勞動力對綠色全要素能源效率呈倒“U”型影響,經濟集聚帶來的負外部性使得城市環境惡化,人們開始意識到改善生態環境的重要性,也就使得知識溢出提升、基礎設施完善、環境規制和高素質人才比重提升,進而促進綠色全要素能源效率的提升。實證檢驗結果顯示,知識溢出、基礎設施、環境規制和高質量勞動力是黃河流域城市經濟集聚與綠色全要素能源效率的中介因素。

表3 中介效應回歸結果

3.3 異質性檢驗

由于黃河流域城市自西向東流經青藏高原、內蒙古高原、黃土高原和黃淮海平原4個地貌單元,分布地區廣泛,東中西部的經濟發展水平相差較大,因而本文將從各地經濟發展差異層面探究流域內城市經濟集聚對綠色全要素能源效率的影響。本文依據2020年黃河流域城市的GDP增長幅度大小將98個城市分為4組,按照2020年GDP增速由快到慢依次為經濟發展快速、較快、較慢和慢速,觀察這4組城市經濟集聚對綠色全要素能源效率的影響有何分別。表4為對經濟發展增速進行異質性分析的結果,依舊使用了2SLS法進行估計,列(1)-(4)依次為城市GDP發展快速、較快、較慢和慢速的2SLS第二階段估計結果。

表4 異質性檢驗

從結果中可以看出,4個分區均通過了弱工具變量檢驗,并且都得到了倒“U”型顯著影響的結果,雖然各地區的城市經濟發展水平參差不齊,GDP增長速度相差較大,但對本文的研究沒有太大的影響,與上文得到的黃河流域整體的城市經濟集聚對綠色全要素能源效率的估計結果一致。

4 結論與啟示

4.1 研究結論

本文對黃河流域9個省份的98個地級市2005-2020年城市進行實證檢驗,探究經濟集聚對綠色全要素能源效率的影響,同時通過異質性檢驗和中介效應模型檢驗得到結論如下:①黃河流域城市經濟集聚對綠色全要素能源效率存在先促進后抑制的倒“U”型影響;②知識溢出、基礎設施、環境規制和高質量勞動力是黃河流域城市經濟集聚對綠色全要素能源效率影響的的中介因素;③通過異質性檢驗發現黃河流域城市經濟增速的異質性不影響倒“U”型影響的結果。

4.2 管理啟示

根據上述研究,本文認為首先黃河流域城市應當把握經濟集聚對綠色全要素能源效率產生的正向和負向作用規律,合理維持集聚程度。采取區域一體化發展更有利于整體綠色全要素能源提升,注重優化綠色發展模式,提升綠色全要素能源效率。其次應當重視經濟集聚引起的知識溢出、基礎設施、環境規制和高質量勞動力。知識溢出方面要加大技術投入,基礎設施方面要投入資金到城市建設中、增加財政環保支出,夯實綠色經濟資金基礎,環境規制方面要完善金融服務體系,助力綠色經濟高質量發展,建立區域間污染補償制度,實現合意與非合意產出的跨區互補。探索建立健全碳排放權、排污權交易機制,通過市場機制對碳排放、污染排放進行有效配置,同時通過資源節約集約和創新發展驅動,推動綠色產業發展,不斷提高流域內城市的綠色全要素能源的利用效率和綠色經濟發展水平。人才方面,要健全高素質人才引進和優待政策。最后,黃河流域處于不同經濟發展增速的省份城市宜采取因地制宜的推進措施,加快綠色全要素能源效率的跨越提升,推動異質化集聚,優化集聚結構,加速集聚中間梯隊轉型升級,由于經濟集聚對于中間梯隊省市的綠色經濟效率的促進作用較弱,甚至存在一定的抑制作用,故應通過建立多層次金融體系,放寬對社會資本的行業準入,加速經濟集聚發展,縮短跨越周期。即縮小綠色經濟發展差異,統籌推進綠色發展。

4.3 研究局限與展望

本文研究存在以下不足,本文的變量衡量更多地參考了普遍使用的指標,還是存在一定的滯后性;影響二者關系的因素還有很多,僅選擇宏觀層面的4個中介變量也存在局限性;黃河流域城市的研究結果和其他地區是否存在差異,以及差異為何會出現也需要進一步思考。

因此,后續可考慮對變量進行更準確衡量,選取其他因素評價經濟集聚對綠色全要素能源效率的影響,分析黃河流域經濟與環境之間存在的聯系,為黃河流域城市的可持續發展提供更好的建議。