基于DPESAR框架的辽宁省绿色发展实证研究

葛仁东，于成学，徐 毅，王少军

(大连民族大学 a.理学院；b.国际商学院，辽宁 大连116605)

基于DPESAR框架的辽宁省绿色发展实证研究

葛仁东a，于成学b，徐 毅a，王少军a

(大连民族大学 a.理学院；b.国际商学院，辽宁 大连116605)

绿色发展对生态文明建设至关重要。基于DPESAR框架研究地区绿色经济发展情况，识别影响绿色发展的主要因素。选择辽宁省1995-2014年的统计数据，运用熵值法获得64个指标的权重，进而形成6个二级指标的时间序列数据；依据识别控制变量指标，进而建立状态变量指标的自回归模型；通过相关系数及指标的相互影响因子，讨论3个控制变量指标对3个状态指标的控制机理；为本地区的绿色转型建设提供依据。

标准化；熵值法；DPESAR框架；协整检验；自回归模型

党的“十八”大再次强调了绿色发展对生态文明建设的重要性。“十三五”期间，是中国经济发展绿色转型、产业结构优化升级的重要时期，因此保证生态环境与经济增长的协调发展是新常态形势下社会发展必须考虑的重要问题。改革开放以来的粗放型经济发展形势导致GDP增加与自然环境保护失衡，带来了资源约束愈发紧张、生态环境系统退化现象逐年加重的巨大压力，使环境承载能力逼近承受上限，逐步开始威胁到人类的生存。国内外有关绿色发展的研究框架多以可持续发展指标体系[1-4]为依据，建立PSR框架模型，随后经过改进升级形成了DSR概念框架模型，进而对绿色发展进行了研究。但由于DSR模型忽视了驱动力与状态指标之间没有逻辑上的肯定联系，即造成了对社会经济指标之间的客观实际关系的模糊臆断，同时针对具体指标分类的界限并不十分明确和合理，使庞大的指标体系具体分类模糊，因而DSR模型存在很大缺陷，有待于进一步完善。结合中国绿色发展的具体实际情况，国内很多学者建立了具体符合各省条件的可持续发展指标体系[5-8]，这些研究方法基本上都利用了范围法，即按可持续发展的主要研究方向对经济、社会、环境等方面进行分类，然后再继续分层定出更细致的目标，这也是当今采用最多的方法之一[9-15]。由于影响地区绿色发展的因素复杂多变，有的因素很难识别。

本文基于DPESAR框架，运用熵值法对辽宁省的绿色发展进行研究，可以客观地获得控制变量和状态变量的结果，直接识别出影响绿色发展的关键因素，可为地区绿色发展提供科学依据，因而具有重要的理论意义和现实意义。

1 分析方法与评价体系

1.1 指标的选取与数据来源

(1)资源环境指标。包括资源利用和环境压力。

(2)自然资源指标。包括水资源、森林资源、矿产资源和土地资源。

(3)环境政策与投资。包括环境科技投资、政策工具、环境治理和国际环境合作。

本文除设置1个一级指标和6个二级指标外，还设计了64个三级指标。

地区绿色发展指标的数据来源于1995-2014年的《辽宁省统计年鉴》、辽宁省环境公报、辽宁省国土资源统计以及辽宁省职能部门的公报。

1.2 标准化处理与指标权重的确定

(1)正向指标的标准化

正向指标指数值越大表明绿色发展越好的指标，标准化公式为

(1)

(2)负向指标的标准化

负向指标指数值越小表明绿色发展越好的指标，标准化公式为

(2)

(3)适中指标的标准化

适中指标指越接近某一个规定的值越好的指标，标准化公式为

(3)

(4)指标权重的确定

熵值法是一种常用的客观赋权重方法，一般认为，信息熵值越大，系统的结构越均衡，差异性越小，指标的权重就越小，反之亦然。运用熵值法计算权重主要分为5个步骤：

第一步 数值标准化处理，具体见式(1)-(3)。

第二步 比重的确定：

(4)

第三步 熵值计算：

(5)

第四步 变异系数计算：

γj=1-ej。

(6)

第五步 权重的计算：记v={v1,v2,…,vn}为权重向量，

(7)

(5)由相对权重可以得到6个指标的数据，见表1。

表1 6个指标权重结果

根据相关文献和专家访谈，本文认为驱动力(A)、压力(B)、响应(F)为控制变量；暴露(C)、敏感(D)、适应(E)为状态变量。首先要确定数据的无矛盾性，之后列出它们各自的变化趋势，如图1和图2，并结合实际情况作比较。

图1 控制变量变化趋势比较

图2 状态变量变化趋势比较

通过研究辽宁省从1995年到2014年的自然、经济、社会发展的实际状况，本文认为，图1和图2所示的指标变化趋势基本上是合理的。

2 指标的单整检验与结果分析

运用EViews6软件进行分析，得到除E稳定外，其余的数据都是一阶单整的结论。驱动力(A)的单整结果见表2，适应(E)的单整结果见表3。

表2 驱动力指标的单整检验

表3 适应指标的单整检验

3 状态变量协整检验与自回归模型构建

3.1 暴露状态变量协整检验与自回归模型构建

首先考虑压力(B)对暴露的自回归模型。经过反复模拟修正，见表4，得到对暴露指标的单变量自回归模型，但表4中的数据显示多变量对暴露指标的回归不明显。

表4 暴露(C)状态变量的自回归结果

通过残差分析，获得回归残差图如图3，显示回归的结果良好。

图3 暴露(C)状态变量回归的残差图

因此，可以获得自回归公式为

C(t+1)=0.89 041C(t)-0.234 939B(t)1/2+0.508 621B(t-1) 。

(8)

压力指标主要是由农作物总播种面积、人均公共绿地面积、旅游业从业人数及“三废”的排放量决定。暴露指标主要是由城市绿化面积、辽宁省国内游客量、环境治理污染投资及突发环境次数决定。回归公式显示：暴露指标对自身的依赖程度比较大；压力控制指标对暴露状态指标有很大的影响，相关程度高达93 %。由回归结果式(8)可以看出，当年的压力指标(B)对下一年的暴露状态(C)是有负指数影响的。这可能是由于“三废”的治理客观上造成了一些社会影响；当年的压力指标的提升对下一年的暴露指标影响不明显；而且由于数据波动较大，压力指标的提升对前一年的暴露作用出现部分抵消。滞后的压力指标(B)的影响在这里起了主要作用，这一点合乎实际情况。

如果考虑驱动力(A)对暴露的影响，其结果见表5。

表5 考虑驱动力(A)对暴露的自回归结果

其残差图如图4，显示回归结果良好。

图4 考虑驱动力(A)对暴露的残差图

因此，可以获得自回归公式为

C(t+1)=0.530 837C(t)+0.356 698A(t)1/2。

(9)

驱动力指标主要是由人均生产总值、旅游业和进出口额决定。驱动力控制指标(A)对暴露状态指标(AC)有很大的影响，相关程度高达92.5 %，且影响力是正的，但是以后这种影响程度在逐渐减少； 驱动力指标对暴露指标不具有滞后作用，只在年内起作用。

由于受篇幅限制，本文不在一一赘述，以此类推，以下只给出分析结果。

考虑适应(E)对暴露(C)的影响，适应指标主要是由当年人工造林面积、极端气温、渤海的近海平面决定。结果显示出适应指标(E)对暴露状态指标(AC)有很大的影响，相关程度高达55 %，当年的影响力是正的，其作用不大，而且这种影响程度在逐年减少； 适应指标对暴露指标具有滞后作用，滞后项与当年的暴露指标互交作用，对下一年的作用较大。可以得到自回归公式C(t+1)=1.813 6C(t)E(t-1)+0.208 034E(t)1/2。

(10)

考虑响应(F)对暴露(C)的影响，响应指标主要是由政府计划中退耕还林、当年新育面积及政府的投资增长率决定。结果显示出响应指标(F)对暴露状态指标(AC)有很大的影响，相关程度高达89 %，当年的相应指标影响力是正的，其作用不大，而且这种影响程度在逐年减少； 响应指标对暴露指标具有滞后作用，与当年的暴露指标互交作用，对下一年的作用较大。可以得到自回归公式D(t+1)=1.425 404C(t)F(t-1)+0.257 705F(t)1/2。

(11)

综合回归公式(8—11)，可以看出，几个指标对暴露指标的影响中，响应指标(F)的滞后项F(t-1)与当年的暴露(C)的互交影响的影响因子最大(达到1.425×0.89)； 其次是环境指标滞后E(t-1)与当年的互交影响的影响因子也较大(达到1.82×0.55)。这里应当注意的是,当年的压力指标(B)对暴露指标起着负作用，这可能是因为数据的波动较大；同时，反应出了政府的各项措施实施的不连贯。

3.2 敏感(D)指标的状态变量协整检验与自回归模型构建

经过反复修正，得到对敏感指标的单变量自回归模型(多变量对敏感指标的回归不明显)：

如果考虑驱动力(A)对敏感(D)的影响(见表6)，其结果由表6确定，显示其是协整的。

表6 考虑驱动力(A)对敏感(D)的自回归结果

因此，可以得到表6显示的自回归公式为

D(t+1)=0.626 39D(t)+0.624 125A(t)1/2-0.420 784A(t-1)。

(12)

表6显示出驱动力指标(A)对敏感状态指标(AD)有很大的影响，相关程度高达74 %；敏感指标对自身的依赖程度还是比较大的；驱动力当年的影响力是正的，其作用较大，而且这种影响在逐年减少；滞后的影响力是负的，这可能是由于连续两年指标波动较大而造成。

采取同样方法研究压力(B)对敏感(D)的影响情况，回归结果显示出压力指标(B)对敏感状态指标(AD)有较大的影响，影响程度高达69 %，当年的影响力是正的，其作用较大，而且这种影响在逐年减少；滞后作用不明显。

考虑暴露(C)对敏感(D)的影响，回归结果显示出暴露指标(C)对敏感状态指标(AD)有较大的影响，相关程度高达66 %，当年的影响力是正的，其作用较大； 滞后作用明显，与D(t)-C(t-1)的变化成正比。

考虑响应(F)对敏感(D)的影响，回归结果显示出响应指标(F)对敏感状态指标D(t+1)有较大的影响，相关程度高达78 %，当年的影响力是正的，其作用较大；滞后作用不明显，同时说明，加大政府管理力度，可以使敏感指标增大，进而促进社会稳定。

综合几个指标对敏感指标的影响中，暴露指标对D(t+1)的影响因子较大(达到0.974 563×0.66)，其次是当年的驱动力指标对D(t+1)的影响，影响因子达到0.624×0.77，这是政府决策时应当注意的，但要考虑滞后项的波动影响。

3.3 适应(E)指标的状态变量协整检验与自回归模型构建

经过反复修正，得到对适应指标的单变量自回归模型(多变量对敏感指标的回归不明显)，发现社会系统、经济系统对自然系统的影响不是很明显。

首先，针对驱动力的影响(A)、政府决策(F)对自然环境(E)的影响，回归结果见表7，其结果显示是协整的。

表7 驱动力的影响(A)、政府决策(F) 对自然环境(E)的影响的自回归结果

残差图如图5，除个别年份外，变化回归的趋势基本准确。

图5 驱动力(A)的影响下，政府决策(F) 对自然环境(E)的残差图

因此，依据表7的数据，建立自回归公式为

E(t+1)=-0.674 117A(t)E(t)2+2.684 678F(t)-3.559 092F(t)2。

(13)

适应指标主要是由当年人工造林面积、极端气温、渤海的近海平面决定，除了人工造林面积外，其他两个因素受全球性气候影响，无法进行主观性调整。表7显示出响应指标(F)对适应状态指标E(t+1)有一定的影响，相关程度只有25 %，当年的响应影响力呈二次曲线型，当政府考虑驱动力做出的决策量在一定范围内时，政府的决策对环境的提升是正作用的，但随着政府决策量的增加，其作用越来越小，这说明对环境的改变，政府不应给予过多的干预；同时，滞后作用不明显。

采取同样研究方法，对暴露指标因素(C)，考虑政府决策(F)对自然环境(E)的影响情况进行分析，得出对适应指标的自回归公式：

E(t+1)=-0.650 648C(t)E(t)1.4+2.790 564F(t)-3.647 677F(t)2。

(14)

回归结果显示出暴露指标因素(C)和政府决策(F)的当年互交影响对下一年环境的影响起一定的副作用(抵触作用)；考虑暴露做出的响应指标(F)对适应状态指标(AE)有一定的影响，相关程度只有24 %，当年的响应影响力呈二次曲线型，当政府考虑暴露指标做出的决策量在一定范围内时，决策对环境的提升是也正作用的，但随着政府决策量的增加，其作用越来越小； 同时，滞后作用不明显。

对敏感指标因素(D)，考虑政府决策(F)对自然环境(E)的影响情况，得出对适应指标的自回归公式

E(t+1)=-547 908D(t)E(t)-4.068 81F(t)2+3.117 991F(t) 。

(15)

其回归结果显示出敏感指标因素(D)和政府决策(F)的当年互交影响对下一年环境的影响起一定的副作用(抵触作用)；考虑敏感做出的响应指标(F)对适应状态指标(AE)有一定的影响，影响程度只有26 %，当年的响应影响力呈二次曲线型，当政府考虑敏感指标做出的决策量在一定范围内时，决策对环境的提升是也正作用的，但随着政府决策量的增加，其作用越来越小； 同时，滞后作用不明显。

综合对适应指标(E)的分析讨论，政府做出的决策及文件发布的数量不应太多，不然将造成执行过程中的抵触和疲软，对环境的影响造成负影响。另外，驱动指标(A)、暴露指标(C)、敏感指标(D)对适应指标(E)的互交影响对下一年的适应指标(AE)影响不起主要作用，不超过0.67×0.25，这是合理的。在这里，政府的决策仍占主要因素。

4 结论与措施

基于DPESAR框架，运用熵值法研究了辽宁省1995-2014年的绿色发展现状，通过协整检验和构建自回归模型，获得相应结果，可以得出如下结论：

第一，通过几个指标对暴露指标的影响分析，政府在“十三五”期间，应注重民生和社会价值的影响；其次是环境指标滞后项与当年暴露的互交影响的影响因子也是较大的。目前的人工造林对改变环境的变化影响不大，这是因为重视的力度还不够；沙化及自然灾害对环境的影响日趋严重，因此必须花大力气，各级组织也应高度重视，加大环境治理的投入和宣传力度，使全民养成重视和参与绿化的行动意识。这里应当注意的是当年的压力指标对暴露指标起着负作用，这可能是因为数据的波动较大；同时，反应出政府的各项措施实施的不连贯。

第二，几个指标对敏感指标的影响中，暴露指标对敏感指标的影响因子较大，由于敏感指标主要由人均水资源、人均森林面积及污染程度决定，所以，在“十三五”期间，要加大城市的绿化速度，加强环境治理污染投资的力度，启动优化突发事件预防机制；其次是当年的驱动力指标对D(t+1)的影响，这方面的影响可以靠加大辽宁省对外贸易及港口的吞吐量来增强；这是政府决策应当注意的，但要考虑滞后项的波动影响。

第三，适应指标主要是由当年人工造林面积、极端气温、渤海的近海平面决定，除了人工造林面积外，其他两个因素受全球性气候影响，无法进行主观性调整，但几个指标对适应指标的影响中，政府做出的决策及文件发布的数量不应太多，不然将造成执行过程中的抵触和疲软，对环境的影响造成负影响。

[1]REILLYJM.Greengrowthandtheefficientuseofnaturalresources[J].EnergyEconomics. 2012, 34(3):S85-S93.

[2] 佟贺丰，杨阳，王静宜，等. 中国绿色经济发展展望——基于系统动力学模型的情景分析[J]. 中国软科学， 2015(6): 20-34.

[3] 向书坚，郑瑞坤. 中国绿色经济发展指数研究[J]. 统计研究，2013(3): 72-77.

[4] 李月，佘济云，肖默. 湖南省14市州绿色经济与生态环境耦合度与协调度研究[J]. 中南林业科技大学学报(社会科学版)， 2015(2): 20-23.

[5] 董战峰，吴琼，葛察忠. 利用EGSS统计框架完善我国环保产业统计制度[J]. 环境保护， 2015(21): 60-63.

[6] 刘西明. 绿色经济测度指标及发展对策[J]. 宏观经济管理， 2013(2): 39-40.

[7] 王仁文，宋伟. 泛长三角地区绿色经济效率评价与排序研究[J]. 科技管理研究，2014(6): 206-208.

[8] 诸大建. 绿色经济新理念及中国开展绿色经济研究的思考[J]. 中国人口.资源与环境， 2012(5): 40-47.

[9] 刘纪远，邓祥征，刘卫东，等. 中国西部绿色发展概念框架[J]. 中国人口·资源与环境，2013(10): 1-7.

[10] 李琳，刘莹. 中三角城市群与长三角城市群绿色效率的动态评估与比较[J]. 江西财经大学学报，2015(3): 3-12.

[11] 吕福新. 绿色发展的基本关系及模式——浙商和遂昌的实践[J]. 管理世界， 2013(11): 166-169.

[12] 堵秀凤，张剑，张宏民. 数学建模[M]. 北京：北京航空航天大学出版社 ,2011.

[13]李秋荣，王健.空气质量分析预测[J].西南民族大学学报，2014,30(5)：553-556.

[14]何晓群.多元统计分析[M].北京：中国人民大学出版社，2014.

[15]姜启源，谢金星，叶俊.数学模型[M].北京：高等教育出版社，2012.

(责任编辑 邹永红)

The Empirical Study of Green Development for Liaoning Province Based on DPESAR Framework

GE Ren-donga, YU Cheng-xueb, XU Yia， WANG Shao-juna

(a. School of Science; b.School of International Business，Dalian Minzu University, Dalian Liaoning 116605, China)

Green development is important to eco-civilization construction. This paper mainly discusses the current status of local green development based on DPESAR framework, and identifies the key impacting factors. Selecting Liaoning Province statistics data from 1995 to 2014, we apply the entropy method to obtain the weights of 64 indicators, so as to get the time sequence data. The control variables are identified, and the auto-regression model for state variables are constructed. Based on the correlation coefficients and their impacting factors, we discuss the controlling mechanism between 3 control variables and 3 state variables, which will provide the basis for the construction of green transformation for the government.

standardization; entropy method; DPESAR framework; co-integration; auto-regression model

2016-09-05；最后

2016-10-26

国家自然科学基金面上项目(71373035)；国家民委留学归国人员择优资助项目(启动类)(0908-210001)； 中央高校基本科研业务费专项资金资助项目(DC20150209)。

葛仁东(1958-)，男，辽宁锦州人，教授，博士，主要从事应用数学与数理经济学研究。

于成学(1970-)，男，辽宁大连人，教授，博士，主要从事生态安全评价、绿色发展研究，E-mail：yuchengxue@dlut.edu.cn。

2096-1383(2017)01-0048-07

X22

A