中国区域环境绩效及波特假说的再检验

范 丹,王维国 (1.东北财经大学数学与数量经济学院,辽宁 大连 116025；2.中国科学院预测科学研究中心东北分中心,辽宁 大连 116025)

中国区域环境绩效及波特假说的再检验

范 丹1,2*,王维国1,2(1.东北财经大学数学与数量经济学院,辽宁 大连 116025；2.中国科学院预测科学研究中心东北分中心,辽宁 大连 116025)

以二氧化碳为非期望产出,基于序列DEA的方向性距离函数、环境规制强度指数、Malmqulist-Luenberger指数,测度了1999～2010年中国30个省、市、自治区及东、中、西、东北四大区域的环境技术效率、环境规制成本及全要素生产率,并对四大区域的全要素生产率进行了波特假说的再检验.研究结果表明:区域间的环境技术效率呈现东-东北-中-西依次递减的演变格局;东北老工业基地的环境规制成本最高、西部地区最低;环境规制强度与全国及四大区域全要素生产率有显著的正相关性,这支持了波特假说的存在;技术进步效应的检验结果显示,只有中部区域支持波特假说的存在,西部区域检验结果表明碳排放的规制过高会对技术进步带来消极影响;环境技术效率变化效应的检验结果显示,全国及四大区域均支持波特假说的存在,碳排放规制强度的加强,会推动各地区在不同时期追赶最优生产前沿面的程度.

环境技术效率；环境规制成本；全要素生产率；波特假说

改革开放以来,我国经济取得了举世瞩目的成就,国内生产总值由1978年的3624.1亿元增加到2011年的471564亿元,年平均增长率在9%以上,而这种高速增长依赖于高投资、高能耗和高排放[1].目前,我国正处于工业化、城市化快速发展阶段,能源需求的快速增长一时难以改变 ,在“十五”、“十一五”期间,我国一次能源的消费70%左右仍以为煤炭为主[2].这种粗放式的经济增长后果是:能源浪费严重,环境污染恶化,能源对外依存度加大.这对我国经济与社会的可持续发展构成了严重威胁.一次能源的燃烧是温室气体的主要来源.2007年中国成为世界第二大温室气体排放国[3],在2009年哥本哈根世界气候大会上,中国向世界承诺加强节能、提高能效工作,争取到2020年中国单位 GDP二氧化碳排放将比2005年下降40%～45%.世界银行在2007年指出室外空气和水污染给中国经济造成的损失相当于GDP的5.8%.而当今世界上污染最严重的20个城市,中国占了13个[4].由此可见,节能减排、实现环境友好型的绿色经济增长方式已经迫在眉睫.

近年来,国内外学者从不同角度研究了环境规制对全要素生产率的影响.主要存在两种观点:一是传统新古典经济学认为,环境规制所产生的社会收益会降低其生产单位的竞争力,增加生产单位的私人成本,其中隐含的抵消关系会对经济发展带来负面影响,即较高的环境规制成本对生产单位提高生产率和国际竞争力将产生消极影响.二是由麦可·波特提出良好的环境规制将刺激生产单位的技术革新,从而减少成本费用,提高产品质量,这样能够使生产单位在国际市场上获得竞争优势,从而提高产业生产率,并称之为“波特假说”[5].大量学者对波特假说进行了再检验.有些经济学家认为波特假说缺乏理论依据,认为环境规制成本会促使生产单位增加创新研发投入,但研发带来的收益有限,其隐含的抵消关系反而不利于生产率的提高[6-7].但是,也有一些学者的研究支持了波特假说[8-11].通过研究验证了环境规制成本与生产单位的技术创新存在着密切关系,长期来看环境规制对技术创新存在着一定的激励作用,环境规制可以使生产单位实现“节能、增产、环保”绿色生产率的增长.此外,利用非参数方法(DEA)测度全要素生产率研究主要集中在两个方面:一是部分文献主要考虑以资本、劳动力、能源为投入要素,以GDP为产出,利用传统的生产率指数(Malmquist生产率指数)测度全要素能源效率及生产率,但无法考虑非期望产出(如 CO2)存在下的全要素生产率[12-14].二是部分学者利用 Chung等[15]在测度瑞典纸浆厂生产率时提出的方向距离函数及 Malmquist-Luenberger (ML)生产率指数测度环境技术效率与全要素生产率,这种测量方法综合考虑了产出增加和污染减少[4,16-23].

上述研究很好地考察了非期望产出条件下的环境效率评价问题,但多数文献考虑以传统污染物作为非期望产出,基于当期 DEA且以投入为导向的分析框架.本文在已有研究的基础上进行以下三个方面拓展:(1)在研究对象上以产出为导向,同时考虑期望产出增加(GDP)和非期望产出(二氧化碳)减少的环境效率评价问题,这也符合目前中央政府提出实现绿色GDP持续增长的发展目标,兼顾温室气体减少同时提高环境技术效率对经济增长的贡献.(2)Shestalova[24]指出,当期DEA仅以当期的观察值来构造最佳实践边界,从而在动态的分析中有可能出现技术退步的情况.序列 DEA不仅考虑当期观察值,而且还要考虑以前所有的观察值来构造最佳实践边界,在动态分析中避免了技术退步的情况[25].因此本文选择基于序列 DEA来构造环境最佳实践前沿.(3)在研究方法上,本文采用方向性距离函数、环境规制强度指数、Malmqulist-Luenberger(ML)指数,以二氧化碳为非期望产出,测度了我国 30个省市及东、中、西、东北四大区域的环境技术效率、环境规制成本及全要素生产率,并利用面板数据模型对我国四大区域的全要素生产率进行了波特假说的再检验.希望能为我国政府针对不同区域制定相关环境政策提供科学的理论参考.

1 研究方法

1.1 环境技术集与方向性距离函数(DDF)

根据Chung等[15]和Fare等[25]对环境技术集的定义,假设k=1,…,K个生产单位使用N种投入要素,生产出M种期望产出和I种非期望产出.环境技术集能生产为由界闭集.需满足3个公理(1)非期望产出的弱处置性;(2)期望产出和非期望产出的零结合性;(3)投入要素和期望产出的自由可处置性.

基于环境技术集,Chung等[15]提出的方向距离函数(DDF),定义为:

式(1)中,g=（gy,gb),为期望产出扩张及非期望产出压缩的方向向量.此时非期望产出在技术上具有弱可处置性.这表明能够实现在提高期望产出的同时可以同比例降低非期望产出.这时方向距离函数变为:

式中:β为距离函数值,描述在产出水平上,按照方向运动到生产前沿面时,期望产出的提高和非期望产出同比例降低的最大倍数.β值越小,表明生产单位越接近生产的前沿面,效率越高,当β=0时生产单位位于生产的前沿面上,这时生产是完全有效率的.

1.2 环境规制下的环境技术效率模型及环境规制成本

环境技术集规定非期望产出在环境规制下是非自由处置的,期望产出和非期望产出满足零结合性,减少非期望产出意味着要付出经济成本,即导致期望产出减少,因此,Picazo-Tadeo(2005)[26]提出环境规制下的方向距离函数的线型规划模型如式(3):

式中:是第'k个决策单位在t时期的投入和产出向量;为权重;β为有环境规制下的方向距离函数值.式(3)投入变量和期望产出的不等式约束表示投入和期望产出是强可处置的,非期望产出的等式约束则表示期望产出和非期望产出联合弱可处置,因此非期望产出的减少是以期望产出的减少为代价的.

在无环境规制的情况下(即式(3)中的非期望产出等式约束变为不等式约束),意味着期望产出和非期望产出是自由可处置的,期望产出可以最大化,而非期望产出是无成本处理的.则无环境规制下的线性规划模型如式(4)所示:

在能源利用过程中,会产生如二氧化碳及环境污染物等副产品.决策单位需要投入一些资源来控制污染并在环境规制的条件下达到最小损失.然而,若没有环境规制,这些资源应该用于经济产出的生产,由环境规制所导致的好产出的损失称之为环境规制成本.Domazlicky等[11]提出利用方向距离函数的不同处置性条件来构造规制强度指数:

1.3 Malmquist-Luenberger(ML)生产率指数

在方向距离函数的基础上,根据Chung 等[15]提出的 Malmquist-Luenberger(ML)生产率指数来测度碳排放约束下的全要素生产率,以t期为基期的 1+t期的ML生产率指数为:

当 ML＞1 时,认为生产率增长,ML＜1 时,则表示生产率下降.通过计算四个方向上的方向距离函数,可将 ML生产率指数分解为技术进步变化指数(TECH)和效率变化指数(EFFCH):

2 数据处理与实证分析

2.1 数据来源与计算

数据选取以1999～2010年我国30个省、自治区和直辖市的投入产出数据为样本(西藏因部分数据缺失没有包括在内;香港、澳门、台湾地区不在分析范围之内).所有数据均由历年《中国统计年鉴》、《中国经济普查年鉴》及各地区统计年鉴整理获得[2].

(1)投入

资本存量:资本存量采用“永续盘存法”进行估算.根据单豪杰[28]的估算方法:,其中Kit为第i个省份当年的资本存量,1itK-为第i个省份上一年的资本存量,δ固定资产折旧率,itI为第i个省份当年的实际固定资产投资.在此基础上补充测算了 2008～2010年的资本存量数据,并转化为2000年不变价,单位为亿元.

劳动力:当年就业人数=(当年年末就业人数+上一年年末就业人数)/2,单位为万人.

能源:采用各地区的能源消耗为基础折算成标准煤,单位为万t标准煤.

(2)产出

期望产出:用各地区的实际 GDP来表示,考虑到资本存量是以2000年不变价测算,为了保持指标统计口径的一致,本文将 1999～2010年名义GDP折算为以2000年不变价GDP,单位为亿元.

非期望产出(CO2):以往多数文献以煤炭、石油、天然气3种一次能源消耗为基准来测算我国各地区碳排放,但多数学者认为样本量较少导致测算结果不够准确.因此,本文以6种能源(煤炭、汽油、煤油、柴油、燃料油、天然气)消耗为基准来测算各地区的碳排放量.根据《2006年IPCC国家温室气体清单指南》提供的计算方法,采用下面公式来测算二氧化碳的排放量:

式中:Ei表示第i种能源消耗量,折算成统一的单位万 t标准煤; N VCi为第i种能源净发热值;C EFi为IPCC(2006)提供的第i种能源的碳排放系数, COF为碳氧化因子.本文测算煤炭、汽油、煤油、柴油、燃料油、天然气的碳排放系数分别为:0.7552kgC/kgce; 0.5532kgC/kgce; 0.5737 kgC/kgce; 0.5913kgC/kgce; 0.6176kgC/kgce; 0.4479kgC/kgce.

DEA模型各投入项与产出项之间必须符合同向性假设,即当投入量增加时,产出量不得减少,常用的方法是采用spearman相关性检验方法对其进行检测.利用该方法对上述投入产出项进行检验,检验结果如表1示.由表1可以看出,各省市投入变量与产出变量之间的相关系数均为正,并且均能在1%显著性水平下通过双尾检验,说明该投入产出指标符合模型所要求的同向性的原则,具有合理性.

表1 投入产出的spearman相关性检验Table 1 Input-output spearman correlation test

2.2 环境规制下的环境技术效率及环境规制成本分析

本文以资本、劳动力、能源为投入指标;以GDP、二氧化碳为产出指标,基于序列DEA的方向性距离函数测度环境技术效率与全要素生产率.根据式(3)与式(4),利用 MAXDEA6.0可测算出全国及各区域的环境技术效率、环境规制强度指数及环境规制成本,测算结果如表2所示.

表2 1999～2010年中国各省份环境技术效率及环境规制成本Table 2 Environmental technical efficiency and environmental regulatory cost of various provinces in China from 1999 to 2010

由表 2可知,所有地区的弱可处置条件下的环境技术效率均大于等于强可处置条件下的环境技术效率(即.这与王兵等[22]、Li等[23]研究结果相同.从区域的比较分析来看,两种技术条件下西部区域的无效率水平最高,其次是中部区域、东北区域,东部区域的无效率水平最低,区域间的环境技术效率呈现东-东北-中-西依次递减的演变格局.其中东北区域略低于东部沿海经济发达区域,这意味着考察期内东北区域实现了资源型城市经济转型试点,节能减排取得积极成效.此外,从不同环境规制条件下的环境技术效率的差异来看,东部、中部、西部及东北部区域的在两种技术下的环境技术效率的差异分别为 0.0121、0.0393、0.0097、0.0327,而环境技术效率在不同管制条件下的差异体现了环境规制对生产力的影响程度.研究结果表明,在“十五”、“十一五”期间国家加大区域间的经济技术合作和交流,“技术外溢”体现在中部区域对东部区域不断的“追赶效应”,但环境规制对中部区域的经济产出造成较大的负担.

从各省份的环境规制强度指数来看,环境技术效率较高的省份其环境规制强度指数较低,其中北京、上海、广东、海南、四川、青海、宁夏、新疆这几省份的环境规制强度指数为零,这说明环境规制的标准对这几省份的环境影响不大,意外地是青海、宁夏、新疆相对全国其他省份的环境技术效率偏低,但环境规制强度指数却很低.叶祥松等[4]在讨论我国环境规制下的环境技术效率时,关于这3个省份也得到类似的结论.这说明环境规制成本较低并不意味着环境技术效率较高.从区域的环境规制强度指数来看,中部最高,西部最低这与王兵等[22]研究结果不同,主要原因应该是研究的样本区间不同及投入产出指标的差异.从环境规制的成本测算来看,山西的环境规制成本最高,主要原因是山西的环境规制强度指数全国最高,这与山西省以煤炭为主的重工业特点相符合的.从区域来看,东北老工业基地的环境规制成本最高,这意味着环境规制对东北三省所造成的经济产出的损失较大.西部地区的环境规制成本最低,主要原因是西部地区的环境规制的强度指数较低,这说明环境规制对经济产出的影响不大.在国家实施“西部大开发战略”以来,加快了中、西部地区的发展.产业结构的调整取得了显著成效,经济发展步伐明显加快,但中、西部地区由于产业结构的特点,其经济增长模式仍以高能耗、高排放的“粗放型”为主,是环境规制的重点区域. 从上述分析来看,政府亦切忌走入盲目提高环境规制强度的误区,应当根据各个地区现实特点,对不同的地区因地制宜的制定环境规制政策或激励手段,不能搞“一刀切”,并注重动态修订环境规制标准,根据不同时期各地区经济发展水平及时调整规制标准到合理水平,使环境规制能够起到持续不断的刺激作用.

2.3 全要素生产率与波特假说的再检验

基于前文测度的环境规制指数,对全国及四大区域的全要素生产率及其分解变量进行波特假说再检验.根据式(8)测算四个方向距离函数可得中国四大区域ML生产率指数如表3所示.

表3 1999～2010全国及四大区域环境生产率Table 3 Environmental productivity of nationwide and four main regions from 1999 to 2010

由于面板数据既包含了截面数据也包含了时间数据,在进行模型估计时参数的估计值均通过显著性检验,但DW值很低说明残差序列存在序列相关.因此,可以在模型中采用 Cochrance－Orcutt迭代法修正模型存在的序列相关或加入AR项,这里根据全国和四大区域样本数据的不同,分别加入不同的AR滞后项,则检验模型为:

式中:tkY,表示t时期k地区ML指数(TECH指数、EFFCH指数);C为截距项;kν为k地区个体因素对ML指数(TECH指数、EFFCH指数)的影响;tη为时间因素对ML指数(TECH指数、EFFCH指数)的影响;tk,ε为回归模型式(11)的随机扰动项;tku,为回归模型式(10)的随机扰动项.根据面板数据模型的Hausman检验及最大似然比检验结果都表明固定效应模型优于随机效应模型,故采用固定效应模型进行估计,检验结果见表4.

表4 全要素生产率及其分解变量的波特假说检验结果Table 4 The tests of total factor productivity and its decomposition variables on Potter hypothesis

由表 4可知,AR项的回归参数显著不为零,DW 的值说明模型已消除了残差序列的自相关.由估计结果可知,环境规制强度对全国的全要素生产率的回归系数为正,这说明环境规制强度指数越高,对全要素生产率影响越大.这支持了波特假说的存在,意味着我国制定良好的环境规制制度对我国的全要素生产率提高起到了积极的作用.从ML指数的各区域的检验结果来看,环境规制强度对东部、中部、西部、东北区域的ML指数均有显著影响,其中对中部区域的全要素生产率影响最大,这说明加强对中部区域的碳排放规制会有益于中部区域的全要素能源生产率的提高;对技术进步效应的检验结果来看,只有中部区域支持波特假说的存在,而西部区域检验结果表明碳排放的规制过高会对全要素生产率带来消极影响,即过度的环境规制反而使西部地区失去创新的动力,从而不能推进生产前沿面的外移.同样在全国、东部、东北区域的检验结果也与波特假说相反,但统计上并不显著.这与李静[29]研究结果类似.对环境技术效率变化效应的检验来看,与ML指数的检验结果类似,全国及四大区域均支持波特假说的存在,也就是说碳排放规制强度的加强,会推动各地区在不同时期追赶最优生产前沿面的程度.从以上分析来看,本研究支持加强碳排放的环境规制将有利于我国全要素生产率的提高及竞争力的提升.

3 结论

3.1 从环境规制的区域差异来看,区域间的环境技术效率呈现东-东北-中-西依次递减的演变格局.东部、中部、西部及东北部区域的在两种技术下的环境技术效率的差异分别为 0.0121、0.0393、0.0097、0.0327,而环境技术效率在不同管制条件下的差异体现了环境规制对生产力的影响程度.

3.2 从区域的环境规制成本来看,东北老工业基地的环境规制成本最高,过度环境规制会对东北区域的经济产出的造成较大损失.西部地区的环境规制成本最低,主要原因是西部地区环境规制的强度指数较低,环境规制对西部区域经济产出影响不大. 但中、西部地区由于产业结构的特点,其经济增长模式仍以高能耗、高排放的“粗放型”为主,是环境规制的重点区域.

3.3 以碳排放为非期望产出的环境规制强度与全国及四大区域全要素生产率有显著的相关性,这支持了波特假说的存在;对技术进步效应的检验结果来看,只有中部区域支持波特假说的存在,西部区域检验结果表明碳排放的规制过高会对全要素生产率带来消极影响;对环境技术效率变化效应的检验来看,全国及四大区域均支持波特假说的存在,碳排放规制强度的加强,会推动各地区在不同时期追赶最优生产前沿面的程度.

[1]魏 梅,曹明福,江金荣.生产中碳排放效率长期决定及其收敛性分析 [J]. 数量经济技术研究, 2010(9):43-52.

[2]中国能源统计年鉴 [M]. 北京:中国统计出版社, 2000-2011.

[3]U.S. Energy Information Administration.International energy Statistics[EB/OL].http://www.eia.doe.gov/, 2009-10-23.

[4]叶祥松,彭良燕.我国环境规制下的规制效率与全要素生产率研究, 1999-2008 [J]. 财贸经济, 2011,(2):102-109.

[5]Porter M E. America’s green strategy [J]. Scientific American,1991,264(4):168.

[6]Brannlund R, Chung Y, Fare R, et al. Emissions trading and profitability: The Swedish pulp and paper industry [J].Environmental and Resource Economics, 1998,12(3):345-356.

[7]Jaffe A B, Palmer J K. Environmental regulation and innovation:a panel data study [J]. Review of Economics and Statistics,1997,79(4):610-619.

[8]Lanjouw J O, Mody A. Innovation and the international diffusion of environmentally responsive technology [J]. Research Policy,1996,25(4):549-571.

[9]Berman E, Bui L T. Environmental regulation and productivity:Evidence from oil refineries [J]. The Review of Economics and Statistics, 2001,88(3):498-510.

[10]Brunnermeier S B,Cohen M A. Determinants of environmental innovation in US manufacturing industries [J]. Journal of Environmental Economics and Management, 2003,45(2):278-293.

[11]Domazlicky B, Weber W. Does environmental protection lead to slower productivity growth in the chemical industry [J].Environmental and Resource Economics, 2004,28(3):301-324.

[12]Hu Jin-Li, Wang Shih-Chuan. Total factor energy efficiency of regions in China [J]. Energy Policy, 2006,34(2):3206-3217.

[13]屈小娥.中国省际全要素能源效率变动分解——基于Malmquist指数的实证研究 [J]. 数量经济技术研究, 2009,(8):29-43.

[14]Honma Satoshi, Hu Jin-Li.Total-factor energy productivity growth of regions in Japan [J]. Energy Policy, 2009,37:3941-3950.

[15]Chung Y H, Fare R, Grosskopf S. Productivity and undesirable outputs: a directional distance function approach [J]. Journal of Environmental Management, 1997,51(3):229-240.

[16]胡鞍钢,郑京海,高宇宁,等.考虑环境因素的省级技术效率排名(1999-2005) [J]. 经济学(季刊), 2008,(2):933-960.

[17]袁晓玲,张宝山,杨万平.基于环境污染的中国全要素能源效率研究 [J]. 中国工业经济, 2009,(2):76-86.

[18]吴 军,笪凤媛,张建华.环境规制与中国区域生产率增长 [J].统计研究, 2010(1):83-89.

[19]Kaneko S H, Fujii N, Sawazu R,et al .Financial a location strategy for the regional pollution A batement cost of reducing sulfur dioxide emissions in the thermal power sector in China [J].Energy Policy, 2010,38(5):2131-2141.

[20]Chen Tser-yieth, Lai Pei-ying. A comparative study of energy utilization efficiency between Taiwan and China [J]. Energy Policy, 2010,38:2386-2394.

[21]Shi Guang-Ming, Bi Jun, Wang Jin-Nan. Chinese regional industrial energy efficiency evaluation based on a DEA model of fixing non-energy inputs [J]. Energy Policy, 2010,38(6):6172-6179.

[22]王 兵,王 丽.环境约束下中国区域工业技术效率与生产率及其影响因素实证研究 [J]. 南方经济, 2010(11):3-19.

[23]Li Lan-Bing, Hu Jin-Li.Ecological total-factor energy effici- ency of regions in China [J]. Energy Policy, 2012,46:216-224.

[24]Shestalova V. Sequential malmquist indices of productivity growth: an application to OECD industrial activities [J]. Journal of Productivity Analysis, 2003,19(2):211-226.

[25]Fare R , Grosskopf S, Carl A, et al. Environmental produ- ction functions and environmental Directiona [J]. Energy, 2007,32(7):1055-1066.

[26]Picazo-Tadeo A J, Reig-Martínez E, y Hernández-Sancho F.Directional distance functions and environmental regulation [J].Resource and Energy Economics, 2005,27(2):131-142.

[27]Fare R, Grosskopf S, Lovell K, et al. Multilateral producti- vity comparisons when some outputs are undesirable: a nonparametric approach [J]. Review of Economics and Statistics, 1989,71(1):90-98.

[28]单豪杰.中国资本存量K的再估算: 1952-2006 [J]. 数量经济技术经济研究, 2008(10):17-31.

[29]李 静,沈 伟.环境规制对中国工业绿色生产率的影响——基于波特假说的再检验 [J]. 山西财经大学学报, 2012,34(2):56-64.

Environmental performance in China’s regional economies and re-testing the Porter Hypothesis.

FAN Dan1,2*,WANG Wei-guo1,2(1.Department of Mathematics and Quantitative Economics, Dongbei University of Finance and Economics, Dalian 116025, China；2.Center for Econometric Analysis and Forecasting, Northeastern Branch Liaoning,Chinese Academy of Sciences, Dalian 116025, China).China Environmental Science, 2013,33(5)：952～959

Based on the sequence DEA-DDF, regulation index, Malmquist-Luenberger (ML) productivity index,environmental technical efficiency, cost of environmental regulation and total factor productivity in eastern, central, western,northeast regions, 30 provinces of china from 1999 to 2010 were measured, and re-testing the Porter hypothesis were taken.The results showed that, the structure of environmental technical efficiency presented the highest in eastern, a little bit lower in northeast, lower in Central and the lowest in western regions. The cost of environmental regulation was the highest in the old industrial base of the northeast , the lowest in the western regions; environmental regulation intensity and total factor productivity of nationwide and four main regions had significant positive correlations, which supported the existence of the Porter hypothesis.The tests on the effect of technological progress showed that , only the central region supported the existence of the Porter hypothesis, the tests of the western regions showed that the higher regulation of carbon emissions would have a negative impact to technological advances. The inspection of the technical efficiency effect of changes in nationwide and four main regions supported the Porter hypothesis, the strengthening of the regulation of carbon emissions intensity would promote the various regions to catch up with the optimal production frontiers at different time.

environmental technical efficiency；cost of environmental regulation；total factor productivity；Porter hypothesis

X321

A

1000-6923(2013)05-0952-08

2012-09-12

国家自然科学基金资助项目 (71171035);辽宁省高校创新团队支持计划资助(WT2011004)

* 责任作者, 讲师, fandanrx@163.com

范 丹(1978-),女,辽宁海城人,讲师,东北财经大学博士研究生,主要从事资源与环境经济学研究.发表论文10余篇.