人口城镇化影响区域绿色经济效率的中介机制分析——基于随机边界模型的检验*

范建双,任逸蓉,虞晓芬

人口城镇化影响区域绿色经济效率的中介机制分析
——基于随机边界模型的检验*

范建双,任逸蓉,虞晓芬

近年来,中国许多城市的环境污染问题不断凸显，尤其是雾霾的大量出现使得区域绿色经济增长问题成为了关注的焦点。本文将环境污染排放纳入到效率测算框架，采用超越对数随机边界分析模型对2000-2014年间我国30个省份绿色经济效率进行测度，分析了绿色经济效率的区域差异变化趋势。进一步从人口集聚、人力资本积累和产业结构三个方面探讨了人口城镇化影响绿色经济效率的中介机制。研究表明：绿色经济效率值在研究期内普遍偏低，在时间上有上升的趋势，在空间上有趋同的现象。人口城镇化本身对绿色经济效率有促进作用。中介变量方面，人口集聚程度对绿色经济效率有显著正向作用，源于其对绿色经济效率产生了净正外部性；人力资本积累对绿色经济效率的正向作用源于其为资源利用效率提高、技术进步与创新,尤其是节能减排技术的创新和推广,提供了基础条件；产业结构构成效应对绿色经济效率的正向作用最为显著，源于第三产业比重的不断上升；产业结构竞争效应对绿色经济效率影响为负但不显著。

人口城镇化；绿色经济效率；资源利用效率；绿色经济增长

一、引言

环境问题关系到国计民生，关系到区域经济的可持续发展，推进区域绿色发展是我国未来经济发展的必由之路。尤其是近年来全国诸多城市雾霾的大量出现，进一步凸显了走绿色发展道路的重要性和紧迫性。在此背景下，以城镇化为依托推动区域产业结构调整和升级、提升区域绿色经济效率已经上升为国家战略*2016年3月17日《中华人民共和国国民经济和社会发展第十三个五年规划纲要》中明确提出了要全面推进绿色发展。。一些学者意识到传统的城市经济效率忽视了环境因素的影响，开始尝试将环境因素纳入到城市经济效率的分析框架中，提出了绿色经济效率的概念，如钱争鸣等(2013；2014；2015)提出绿色经济效率是全面衡量一个国家或地区在单位投入成本上尽可能增加期望产出而减少非期望产出的能力，是评价地区资源、环境和经济发展的综合绩效指标。卢丽文等(2016)也提出城市绿色效率要求城市实现经济和社会效益的增加而资源消耗最少，环境污染最小，是可持续发展的体现。学者们普遍认为绿色经济效率指标是比经济总量更能反映区域经济发展现状的指标。也有学者对绿色经济效率的驱动因素进行了分析，如王兵等(2014)研究发现人口城镇化对绿色发展效率有显著的促进作用。岳书敬等(2015)通过研究发现，产业集聚和绿色效率呈 U 型关系。从现有文献来看，尽管有学者分析了人口城镇化、产业集聚等要素对绿色经济效率的影响，但是还鲜有从人口城镇化的中介机制视角进行分析。因此，本文将基于上述定义的绿色经济效率展开研究，将非期望产出引入随机边界分析模型，进而分析环境约束下人口城镇化对绿色经济效率的影响作用，从人口城镇化中所产生的人口集聚、人力资本积累和产业结构等中介变量的视角研究人口城镇化对区域绿色经济效率的作用机制。

二、人口城镇化影响区域绿色经济效率的作用机理

人口城镇化的过程是人口和经济活动在区域空间集聚的过程。城镇人口的大规模集聚会引起城市产业结构、就业结构、生活方式和物理空间的急剧变化，导致资源利用效率和方式的转变，从而对区域绿色经济效率造成影响(吴婵丹和陈昆仑，2014)。即人口城镇化对绿色经济效率的影响存在直接和间接两个层面。区域绿色经济效率作为衡量区域经济可持续发展的综合指标，本文认为人口城镇化对区域绿色经济效率的间接影响机理主要包括以下几个方面(如图1所示)：

图1 人口城镇化影响区域绿色经济效率的作用机理

1.人口集聚的影响。首先，人口城镇化的过程表现为城镇人口规模的不断扩张，劳动力要素的空间集聚能够带来一定的规模效应，同时能够适度提高能源利用效率和减少碳排放，从而能够有效提升区域绿色经济效率(Clark, T.A.，2013；陆铭和冯皓，2014)。但是，随着城镇人口规模的不断扩张，由于负外部性的存在，人口集聚也会产生交通拥堵、住房可支付性差和环境污染等负面的拥挤效应；同时，人口在城镇的空间集聚过程也伴随着生活水平的普遍提高和生活方式的转变，进而驱动生活性能源消耗的增长和碳排放的增加。这些会阻碍绿色经济效率(Zha，D.L, Zhou，D.Q和Zhou P，2010；王业强，2012；朱勤和魏涛远，2013；王兴杰等，2015)。不难看出，人口集聚对绿色经济效率的影响存在明显的双重作用，即正向规模效应和负向拥挤效应。

2.人力资本积累的影响。城镇的受教育机会和教育基础设施明显好于农村，人口城镇化更有利于知识技能的提高，促进人力资本的形成和积累(程开明，2009)。首先，人口城镇化的过程通过生产和生活方式的转变，提升了人力资本在生产和生活中的作用，产生人力资本的需求效应。其次，人口城镇化也刺激人力资本投资规模的增长，衍生出人力资本供给效应。第三，以劳动力迁移为特征的人口城镇化过程提高了人力资本拥有者与需求者之间的匹配性，改善了人力资本的市场配置，而城镇开放的环境和竞争的氛围则加强了人力资本的市场供求，产生积累效应(时慧娜，2012)。人口城镇化的过程逐步实现由以体力为主的劳动力向以技能和知识为主的脑力劳动力转变，引发人力资本的需求效应、供给效应和积累效应，这为资源利用效率提高、技术进步与创新尤其是节能减排技术的创新和推广提供了基础条件，人力资本积累一定程度对区域绿色经济效率有提升作用。

3.产业结构的影响。一方面，产业结构通过市场选择效应提高高技术含量、高知识、高服务化产业的份额，有利于提高资源利用效率、降低能源消耗，减少污染物的排放量而提高环境质量；另一方面，各地区根据自身的比较优势进行专业化生产深化了产业内和产业间分工，带动市场的扩大进而引起更大的市场需求，在强化规模经济效应的同时提高了经济效益，促进了资源高效利用，改善环境。因此，人口城镇化过程中产生的产业结构调整和升级实现资源的优化配置使得资源从低效率产业向高效率产业转移和规模经济效应而对区域绿色经济效率产生正向影响。

4.人口集聚、人力资本积累与产业结构之间的互动关系。城镇化通过人口集聚、人力资本积累和产业结构调整而对区域绿色经济效率产生影响。同时，人口集聚、人力资本积累和产业结构在城镇化进行中也相互影响。如人口的大规模集聚能够为相互学习和模仿创造了机会和场所，知识溢出的外部性被凸显，从而促进了人力资本水平的提高；而人力资本水平提高到一定程度后会促进高新技术产业的产生和发展，从而促进产业结构升级；人口在城镇的大规模集聚为产业尤其是第三产业的发展提供了大量的劳动力资源；产业结构的优化升级促进了区域的经济增长和就业需求，进一步带动人口向城镇的集聚。总之，三者之间在城镇化进程中相互促进，三者的共同作用带来了区域绿色经济效率的提升。

三、计量模型与数据选取

(一)绿色经济效率测度方法的选择

目前对绿色经济效率的测度主要有两种方法，一种是参数方法(如随机前沿分析，简称SFA)，另一种是非参数方法(如数据包络分析，简称DEA)。SFA方法作为一种参数方法，其优势在于其对生产函数的设定较为灵活，而且能够将随机扰动项剥离，使得最终测算结果更接近真实值，而且SFA方法在检验参数估计结构、模型设定是否合理以及检验结果是否有效等方面均有优势(曲亮等，2015)。该文献将二氧化碳排放量作为投入变量引入生产函数中。赵国浩等(2012)和雷玉桃、杨娟(2014)进一步将碳排放效率定义为每单位二氧化碳实际产出期望与生产前沿边界的产出期望的比值。Wang, Q.等(2013)则将碳排放量作为非期望产出引入到SFA模型中，并在SFA模型中引入了方向性距离函数，从而解决处理非期望产出的问题。从现有文献来看，学者们大多直接将二氧化碳作为投入或者产出变量引入SFA模型中来测度绿色经济增长效率。区域绿色经济增长效率作为环境约束下的区域经济增长效率，碳排放只是环境的一个方面，如果仅以碳排放作为环境变量难免有失偏颇。因此，本文将采用工业污染排放作为环境约束变量引入到SFA模型中对区域绿色经济增长效率进行测度。

(二)随机边界分析方法(SFA)

对区域绿色经济效率本文采用随机边界模型进行测度。该模型通过极大似然估计的方法来确定前沿边界，实际产出和生产前沿边界之间的偏离由技术无效和随机误差项两部分组成。SFA模型的一般形式为：

yit=f(xit;β)×exp(vit-uit) (1)

uit=exp[-η×(t-T)]×ui(2)

上式中，参数η表示时间因素对技术无效率项u的影响，η>0,η=0和η<0分别表示技术效率随时间变化递增、不变和递减。并且v和u是相互独立的。因此，技术效率可以表示为实际产出期望与生产前沿面产出期望之间的比值，即有：

TE=E[f(xit)exp(vit-uit) ]/E[f(xit)exp(vit)|uit=0]=exp(-uit) (3)

mit=δ0+δ×zit(4)

上式中zit为影响技术非效率的因素，δ0为常数项。δ是无效率方程外生影响因素变量的待估系数，如果δ<0，则说明该影响因素对技术效率存在正向影响，反之则存在负向影响。同时，Battese和Coelli(1995) 还设定了方差参数来检验复合扰动项中技术非效率项所占比重，r处于0～1之间。若r= 0被接受，则表明实际产出与最大产出之间的距离均来自于不可控的纯随机因素的影响。此时没有必要使用SFA技术，直接采用OLS方法即可(朱承亮等，2011)。

(三)数据来源及处理

1.数据来源

本文选取2000-2014年为研究区间，所采用的基础数据来源于《中国统计年鉴》、《中国环境统计年鉴》和各省的统计年鉴。这里需要说明的是对于个别省份、个别年份的缺失数据采取了取前后两年的平均数进行补齐的方式加以处理。同时，由于西藏的数据不全而没有被列入考察范围。因此本文实际研究对象是中国30个省份。另外，为了进一步分析区域之间的差异，本文按照传统的区域划分方式，将30个省份划分为东部地区、中部地区、东北地区和西部地区。其中，东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南10个省市；中部地区包括山西、安徽、江西、河南、湖北、湖南6个省份；东北老工业基地包括辽宁、吉林和黑龙江3个省份；西部地区包括贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西、四川、重庆和内蒙古11个省市区。

2.变量选取及说明

(1)投入和产出变量。本文采用各地区的经济产出来表征产出变量，这里用各地区GDP(亿元)来表征产出变量。由于统计年鉴中的GDP为名义GDP，因此采用GDP价格系数以1999年为基期对数据进行了缩减得到实际GDP，相关数据均摘自《中国统计年鉴》各年。本文采用的投入变量包括劳动力、资本和环境污染物排放量。其中，劳动力投入要素采用年末全社会从业人员数量(万人)来测度，数据摘自各省统计年鉴；资本要素投入理论上来讲应该采用资本存量，但是现有统计数据没有关于资本存量的统计，本文采用全社会固定资产投资总额(亿元)来代替。同样的，为了消除价格波动的影响，采用固定资产投资价格指数对该指标进行了缩减；环境污染物排放量指标方面，应该将尽可能多的环境污染物统计进来，考虑到数据的可获取性和连续性，本文主要统计了废水排放总量、化学需氧量排放量、二氧化硫排放总量和烟尘排放总量、工业粉尘排放总量和工业固体废弃物排放量六类污染物的排放量，将这六类污染物的排放量之和(万吨)作为环境污染物排放量的代理变量。

(2)影响因素变量。本文着重分析人口城镇化对区域绿色经济效率的影响机制。人口城镇化水平(Population Urbanization，用PU表示)作为核心的影响变量，这里采用区域的城镇人口占全部人口(农村与城镇人口之和)的比重来表示。数据来源于《中国统计年鉴》的各年。由于2001-2004年《中国统计年鉴》中没有披露人口城镇化水平的相关数据，本文中2001-2004年的数据采用了林坚(2010)的估计结果。在分析人口城镇化对区域绿色经济效率的影响机制过程中，发现除了人口城镇化水平本身的影响以外，还包括人口集聚程度、人力资本积累和产业结构的中介变量的影响。变量具体设定如下：

首先，人口集聚程度(Population Density, 用PD表示)。在城镇化进程中，人口向城镇区域的空间集聚是其主要特征之一。本文将人口集聚程度作为衡量人口城镇化过程中区域内劳动力要素在区域空间上分布状况的指标。因此本文采用人口密度(人口/平方公里)=常住人口/土地面积来衡量人口集聚程度。其中，常住人口为各省份的年末人口数量，摘自《中国统计年鉴》各年；土地面积为各省份的行政区域面积。

其次，人力资本积累(Human Capital，用HC表示)。借鉴时慧娜(2012)的做法，采用劳动者平均受教育年限来测度人力资本水平。具体地，假定未上过学、小学、初中、高中、大专及以上教育程度的居民平均受教育年数分别为 2、6、9、12 和16 年，则劳动者平均受教育年限的计算公式为：

humancapital=illiteracy×2+primary×6+middle×9+high×12+university×16 (5)

其中，illiteracy、primary、middle、high和university分别为未上过学、小学、初中、高中和大专及以上受教育程度从业人员占全部从业人员的比重，即劳动者受教育程度构成。数据来源于《中国劳动统计年鉴》和《中国人口和就业统计年鉴》各年。由于年鉴中没有披露2000年受教育程度的数据，本文采用平均值进行了拟合。

最后，产业结构。借鉴Perloff(1957)的研究思路，从构成效应和竞争效应两个层面来分析产业结构状况。其中，产业结构构成效应用MIX表示，用来衡量产业间比例关系的长期变化趋势，即以产业结构协调化和高度化为主要内容的产业结构优化趋势，其测算方法为：

上式中，E表示各产业生产总值；i表示各产业；A和C分别表示各省份和全国；括号中的公式表示从t-1期到t期全国层面上第i个产业产值增长率与全国国内生产总值增长率的差额。如果某产业在全国产业结构中具有较为显著的增长趋势，并且在省域总体经济结构中占有重要地位，则可以认为该省份的经济增长中具有构成效应。

产业结构竞争效应用DIF表示，用来衡量各省份充分利用当地资源发展自己优势产业的能力，其测算方法为：

上式中各参数的含义与公式(8)相同，公式(9)括号中的公式表示从t-1期到t期省域层面第i产业增长率与同类产业的全国平均增长率的差异。如果一省份中某产业与该产业的全国水平相比具有更高的增长率，且在区域经济结构中占有重要地位，则说明该省份的经济增长中具有产业竞争效应。

表1 变量选取及说明

续表1

上述分析的变量选取及其说明如表1所示。综上所述，本文运用超越对数产生函数，在2000-2014年省级面板数据的基础上，建立了相应的随机边界模型(主函数模型和效率影响函数模型)。基于本文研究目的的需要，根据是否考虑环境因素的影响，本文将设定四个模型进行研究，即模型1(不考虑环境因素，不考虑中介影响因素)和模型2(考虑环境因素，不考虑中介影响因素)、模型3(不考虑环境因素，考虑中介影响因素)和模型4(同时考虑环境因素和中介影响因素)。不考虑环境影响时，产出变量y采用的是GDP指标表示。投入变量为资本和劳动力。则模型1和模型3可以表示为：

lnyit=β0+βKlnKit+βLlnLit+βKK(lnKit)2+βLL(lnLit)2+βLKlnLit×lnKit+vit-uit(8)

通过上式求取的效率值为不考虑环境影响的区域经济效率。

考虑环境影响时，产出变量y采用GDP除以环境污染物排放量指标表示。本文借鉴了赵国浩等(2012)和雷玉桃、杨娟(2014)等的做法，将环境污染物排放量作为投入变量引入到模型中，进而考出产出与环境污染物排放量、资本和劳动力之间的关系。则模型2和模型4可以表示为：

lnYit=β0+βPlnPit+βKlnKit+βLlnLit+βPP(lnPit)2+βKK(lnKit)2+βLL(lnLit)2+βPKlnPit×lnKit

+βPLlnPit×lnLit+βLKlnLit×lnKit+vit-uit(9)

将上式左右两边同时减去lnP可以得到：

ln(Yit/Pit)=β0+(1-βP)lnPit+βKlnKit+βLlnLit+βPP(lnPit)2+βKK(lnKit)2+βLL(lnLit)2+βPKlnPit

×lnKit+βPLlnPit×lnLit+βLKlnLit×lnKit+vit-uit(10)

记yit=Yit/Pit，依据上式就可以求解考虑环境影响的区域绿色经济效率，即每单位工业污染排放实际产出期望与生产前沿面的产出期望的比值。考虑中介影响因素的模型3和模型4的效率影响函数形式相同，均可以进一步表述为：

mit=δ0+δ1PU+δ2PD+δ3HC+δ4MIX+δ5DIF(11)

四、实证结果及分析

(一)假设检验

本文采用广义似然率统计量来进行假设检验，目的是检验模型设定的合理性，λ=-2[L(H0)-L(H1)]，L(H0)、L(H1)分别是零假设H0和被择假设H1模型的似然函数值。如果零假设成立，则检验统计量服从混合卡方分布，自由度为受约束变量的数目。假设检验主要包括两部分：

1.模型形式的检验，即生产函数采用简单的柯布道格拉斯生产函数还是超越对数生产函数形式。对此，对于模型1和模型3检验零假设H0∶βLL=βKK=βKL=0；对于模型2和模型4检验零假设H0∶βPP=βLL=βKK=βKL=βKP=βLP=0；

2.随机前沿生产函数模型的适用性检验，即模型是否适合使用随机前沿方法进行估计，为此，对于模型1和模型2检验技术效率服从半正态分布的零假设H0∶η=γ=μ=0；对于模型3和模型4检验零假设H0∶γ=μ=0。检验的结果如表2所示。综合上述检验结果，发现所有假设都被拒绝，说明4种模型的函数形式设定都是合理的。

表2 模型的假设检验结果

注：模型1、模型2、模型3和模型4的无约束的对数似然值L(H1)分别为461.22、475.58、105.93和183.51；临界值为1%显著性水平下的值，自由度为参数设为0的变量的数目(可在卡方分布临界值表中查询)。*涉及γ=0的假设，其统计量服从混合卡方分布，对应的临界值来源于Kodde和Palm(1986)的推导。

(二)SFA分析结果

根据上述研究方法和面板数据，本文采用frontier4.1软件对模型中参数进行了估计，所运用的函数形式为上文中检验所选择的超越对数随机前沿函数模型。模型1～模型4的参数估计结果如表3所示。从表3不难看出，四个模型估计的γ值均在1%显著性水平下显著不为零，这意味着技术无效率在分析的样本中是非常显著的，传统的生产函数由于不允许无效率的存在，因此不适合对现有数据的处理，而应该选择随机前沿生产函数形式。同时，由于模型1和模型2的γ值均接近于1，说明随机误差中大部分来自于技术无效率的影响，少部分是来自于统计误差等外部因素的影响，说明有进一步运用模型3和模型4考察技术无效率的影响因素的必要性。模型1和模型2的μ值均大于0，说明我国各省份的经济增长不处于前沿面上，仍然还有较大的增长空间，需要从技术无效率状态向生产前沿面靠拢；而模型1和模型2的η值显著不为0，表明我国各地区经济增长效率总体上随着时间不断改进。

续表3

注：***、**和*分别表示显著性水平为1%、5%和10%。

从表3还可以看出，在不考虑环境因素对区域经济增长影响的情况下，模型1和模型3中资本和劳动力的回归系数均不显著，而模型3中变量之间自我影响和变量之间相互影响对产出均有不同程度影响。这说明了将环境要素纳入到效率评价模型中的必要性。从模型2和模型4的回归结果来看，资本和劳动力对产出的影响均为正，而环境污染物排放量对产出的影响为负，即环境污染与GDP之间呈反向变动关系。模型2和模型4中变量之间自我影响和变量之间相互影响对产出均有不同程度影响。其中，环境污染变量、资本变量和劳动力变量之间自我影响对产出有显著负向影响，而环境污染和资本、环境污染和劳动力变量之间相互影响对产出有显著正向影响；资本和劳动力要素之间相互影响对产出影响关系不明显。

(三)区域绿色经济效率的演进趋势和区域差异分析

从4个模型的效率测度结果来看，研究期内我国区域平均经济增长效率基本呈现出平稳的上升趋势，除了模型3以外，其他三类模型的上升趋势并不明显，如图2所示。

图2 四类模型测算经济增长效率的演进趋势

从图2不难看出，模型1～模型4测算的经济效率均值分别为0.1895 、0.2988、0.5680 和0.4317。不难看出，在不考虑中介影响因素(模型1和模型2)冲击的情况下，我国的区域经济增长效率水平将可能被低估。同时，从四个模型的回归系数来看，相对于模型1和模型2(资本回归系数不显著)而言，考虑了影响因素的模型3和模型4的设定更符合我国经济增长典型的要素投入型的现实。进一步的，我们发现不考虑环境因素(模型3)的情况下，资本和劳动力的回归系数均不显著，与考虑了环境因素(模型4)相比测算结果存在一定差异，由于忽视了经济增长中的环境代价，导致了测算的平均经济增长效率值(0.5680)高于模型4测算的平均绿色经济效率值(0.4317)。这说明模型4的测算结果更符合中国区域经济的现实。综上所述，在测算我国区域经济增长效率时，要同时考虑中介影响因素的冲击和环境因素的影响，否则就可能高估或者低估我国区域经济真实的增长效率，即应该采用区域绿色经济效率来测度区域经济增长水平。从模型4的绿色经济效率估计结果来看，2000-2014年间全国绿色经济效率呈现缓慢上升趋势，中间有小幅下降，其全国效率均值在0.3-0.5之间(如表4所示)。这表明我国经济还有很大的发展空间，在现有技术水平下通过提高技术效率可以使全国经济增长总量在现有基础上增长60%左右，即提高经济增长的技术效率尤其是考虑了环境因素的绿色效率是提高我国区域经济增长质量的主要动力之一。值得注意的是，我国各地区的绿色经济效率(模型4测算结果)由于受到各种不同因素的影响，区域之间存在较大的差异性，并且这种差异性随着时间的推移也在不断变化。

表4 我国各地区2000-2014年主要年份绿色经济效率

数据来源：根据已有数据采用frontier软件计算得出。

为了进一步厘清绿色经济增长效率区域之间差异的变化，本文将借鉴雷玉桃和杨娟(2014)的做法，采用Epanechikov核函数对绿色经济效率的区域差异变化进行分析，通过增长分布图来刻画绿色经济效率的区域差异化演进趋势。对我国30个省份进行核密度估计的增长分布如图3所示。图中横轴表示绿色经济效率水平，纵轴表示密度。图3中刻画了2000年、2003年、2006年、2009年、2012年和2014年六个年份的Kernel密度分布图，采用Eviews8.0软件绘制。则可以通过波峰的数量以及分布图的位移来判断绿色经济效率的区域差异演进过程*具体判断标准参见文献雷玉桃、杨娟(2014)。。首先，从核密度分布曲线位置的变化趋势来看，2000-2014年核密度分布曲线整体呈现出向右平移的趋势(除了2003年出现向左平移以外)，这反映了我国各省份的绿色经济效率基本处于快速增长的发展趋势。其次，从核密度分布曲线峰度变化上可以看出，我国各省区绿色经济效率2000-2014年出现了由相对宽峰形向尖峰形发展的变化趋势，尤其在2012年和2014年的尖峰趋势明显，同时波峰的高度有不断升高的趋势，这些都说明我国省域之间的绿色经济效率差异在不断缩小，意味着趋同和收敛的存在。最后，从曲线的形状来看，2000-2014年，我国各地区的绿色经济效率没有明显的双峰趋同和多峰趋同。但是从2006、2009和2012年的分布图来看，我国各省区的绿色经济效率出现了由单峰向双峰转变的趋势，尽管这种趋势并不明显。这种双峰分布说明在我国30个省区中绿色经济效率较高的区域内部(高峰)和绿色经济效率较低的区域内部(低峰)分别存在收敛，也说明高峰值区域和低峰值区域之间的差距在扩大，反映出了我国区域绿色经济效率有区域间发展不平衡的问题存在。

图3 2000-2014年我国各省份部分年份的核密度估计分布图

(四)人口城镇化对绿色经济效率影响的实证分析

表5 模型4绿色经济效率影响因素函数的SFA估计结果

注：***、**和*分别表示显著性水平为1%、5%和10%。

首先，人口城镇化水平(PU)的回归系数显著为负，表明人口城镇化对区域绿色经济效率有促进作用，人口城镇化水平每增长1%，绿色经济效率将会增长176%。这说明在考虑了环境因素的情况下，人口城镇化在经济增长中起到了正向的环境效应。当然，人口城镇化对绿色经济效率的综合影响还要考虑其他中介变量的共同作用。

其次，人口集聚程度变量(PD)的系数为负且在5%水平上显著，表明人口集聚程度对绿色经济效率产生了促进作用。人口集聚相对规模每增加1%，区域绿色经济效率水平会增加1%。说明人口集聚所形成规模正外部性不仅抵消了拥挤负外部性效应，而且随着经济发展和技术进步，人口集聚所产生的规模正外部性效应会通过共享、匹配和学习机制进一步推动绿色经济增长效率的提高。但是，由于我国各地区之间发展不平衡，人口集聚的规模效应在短时间内还很难在经济欠发达地区显现，尤其是中西部地区人口集聚能力较弱，这可能是导致人口集聚程度对我国区域绿色经济效率促进作用相对较低(回归系数值仅为-0.01)的主要原因之一。

再次，人力资本积累(HC)的回归系数为负且在1%水平上显著，表明我国的区域人力资本积累对绿色经济效率产生了积极的推动作用。这与理论分析相吻合。人力资本积累相对规模每增加1%，区域绿色经济效率水平会增加8%。这说明了人口城镇化过程中形成的人力资本的需求效应、供给效应和积累效应，为促进资源的优化配置、节能减排措施的制定提供了条件和基础，进而提高绿色经济效率。当前，如何通过制定有效的住房政策、户籍政策等来吸引人才、留住人才是人口城镇化进程中各地区需要着力解决的关键问题。

最后，产业结构的影响。包括产业结构构成效应(MIX)和竞争效应(DIF)。其中，构成效应(MIX)的回归系数为负且在1%水平上显著，表明产业结构过程中产生的构成效应对我国绿色经济效率产生了正向的促进作用。这与理论分析相吻合。产业结构构成效应相对规模每增加1%，区域绿色经济效率水平会增加460%。这说明了区域产业结构中各产业构成关系的改善(产业结构优化升级)对区域绿色经济效率产生了显著的推动作用，而且远远超出了人口城镇化本身对绿色经济效率的作用。而竞争效应(DIF)的回归系数为正但不显著，表明产业结构的竞争效应对我国区域绿色经济效率的影响并不明显。这一结果并不让人意外。一方面，产业结构调整短期内可能有一定的盲目性，一个地区的比较优势短时间内难以凸显；另一方面，比较地区找到优势并利用比较优势进行专业化生产尽管能够在短时间内提高资源利用效率进而提高绿色经济效率，但是当某一地区的产业专业化集聚程度达到某一最优阀值后，更高的专业化水平和集聚程度将造成更多的能源低效利用和环境污染，从而降低区域绿色经济效率水平。而不同的地区之间由于经济发展水平和产业结构竞争效应阶段的差异性的存在，决定了其对绿色经济效率的影响也存在差异性，有些地区为正，有些地区为负，这是导致最终回归结果不显著的主要原因之一。

五、结论及启示

本文将环境污染物排放纳入到经济效率测算框架，在构建了人口城镇化及其中介变量对区域绿色经济效率影响的理论模型的基础上，采用超越对数面板随机边界模型对我国30个省区2000-2014年的绿色经济效率进行了测度，并进一步对人口城镇化及其中介变量对绿色经济效率的影响程度和方向进行了分析，得到如下结论：

第一，总体而言，我国绿色经济效率呈现缓慢上升趋势，中间有小幅下降。大多数省份的效率值普遍偏低，仍有较大的提升空间。并且省区间绿色经济效率存在明显的差异，而这种差异有随时间趋同的态势；第二，忽略了人口城镇化及其中介变量等影响因素会低估我国的绿色经济效率，并且不考虑环境因素下测度的效率值明显偏高，说明在测度经济效率时既要考虑环境因素又要考虑人口城镇化及其中介变量的影响，这样才能反映我国真实的经济增长水平；第三，人口城镇化本身对绿色经济效率有显著的正向直接影响，同时人口城镇化对绿色经济效率的推进作用离不开其他中介变量的影响；第四，人口集聚程度对绿色经济效率有显著正向影响，说明人口集聚产生的规模正外部性效应要强于其拥挤负外部性效应；第五，人力资本积累对绿色经济效率有显著正向，这说明人力资本的积累为城镇的经济增长和节能减排等技术创新提供了智力支持；第六，产业结构构成效应对绿色经济效率的推动作用最为显著，表明第三产业比重的稳步提升是区域绿色经济发展的重要动力之一。产业结构竞争效应对绿色经济效率影响不显著，说明了区域产业比较优势的形成需要一个过程，短期盲目结构调整不但不利于找到自身比较优势产业，长期来看还会带来一定的负面效应。

本文所得结论的启示在于，除了人口城镇化对区域绿色经济效率有直接影响以外，还存在间接影响机制，而这种间接影响机制恰恰是理解我国城镇化进程对区域经济带动作用的关键。要充分发挥人口城镇化对区域绿色经济效率的推动作用，一方面要将环境因素与地方经济增长目标统一起来，重视经济增长中的资源环境代价问题，另一方面要因地制宜地制定地区的城镇化发展战略，实现地区人口集聚程度不断提高、人力资本不断积累和劳动力的优化配置，发挥产业竞争优势和优化产业结构，在提高经济增长水平的同时降低对环境的污染，这样才能实现城镇化与环境的良性互动，进而实现经济增长与生态环境的和谐统一。

[1]程开明，2009：《城市化、技术创新与经济增长：基于创新中介效应的实证研究》，《统计研究》第5期。[Cheng Kaiming, 2009, Urbanization, Technology Innovation and Economic Growth,StatisticalResearch, 5.]

[2]雷玉桃、杨娟，2014：《基于SFA方法的碳排放效率区域差异化与协调机制研究》，《经济理论与经济管理》第7期。[Lei Yutao and Yang Juan, A Study of Regional Difference of Carbon Emission Efficiency Based on Stochastic Frontier Analysis,EconomicTheoryandBusinessManagement, 7.]

[3]林坚，2010：《2000年以来人口城镇化水平变动省际差异分析：基于统计数据的校正和修补》，《城市规划》第3期。[Lin Jian, 2010, Provincial Difference of Urbanization Level in Terms of Population Since 2000: Based on Emendation of Statistical Data,CityPlanningReview, 3.]

[4]卢丽文、宋德勇、李小帆，2016，《长江经济带城市发展绿色效率研究》，《中国人口·资源与环境》第6期。[Lu Liwen, Song Deyong and Li Xiaofan, 2016, Green efficiency of urban development in the Yangtze River Economic Belt, China Population.ResourcesandEnvironment, 6.]

[5]陆铭、冯皓，2014，《集聚与减排:城市规模差距影响工业污染强度的经验研究》，《世界经济》第7期。[Lu Ming and Feng Hao, 2014, Agglomeration and Emission Reduction: An Empirical Study of Industrial Pollution Intensity of City Scale Distance,TheJournalofWorldEconomy, 7.]

[6]钱争鸣、刘晓晨，2013：《中国绿色经济效率的区域差异与影响因素分析》，《中国人口·资源与环境》第7期。[Qian Zhengming and Liu Xiaochen, 2013, Regional Differences in China’s Green Economic Efficiency and Their Determinants,ChinaPopulation.ResourcesandEnvironment, 7.]

[7]钱争鸣、刘晓晨,2014：《我国绿色经济效率的区域差异及收敛性研究》，《厦门大学学报(哲学社会科学版)》第1期。[Qian Zhengming and Liu Xiaochen, 2014, A Study of Regional Differences and Convergence of Green Economic Efficiency in China,JournalofXiamenUniversity(Arts&SocialSciences), 1.]

[8]钱争鸣、刘晓晨，2015：《环境管制与绿色经济效率》，《统计研究》第7期。 [Qian Zhengming and Liu Xiaochen, 2015, Urbanization, Technology Innovation and Economic Growth,StatisticalResearch, 7.]

[9]曲亮、蔡宏波、任国良等，2015，《财政分权与中国区域碳减排效率实证研究》，《经济地理》第5期。[Qu Liang,Cai Hongbo and Ren Guoliang et al.,2015,Fiscal Decentralization and Regional System of Carbon Emission Reduction：An Empirical Research Based on the Provincial in China,EconomicGeography, 5.]

[10]时慧娜，2012：《中国城市化的人力资本积累效应》，《中国软科学》第3期。[Shi Huina, 2012, The Effect of Urbanization on Human Capital Accumulation in China,ChinaSoftScience, 3.]

[11]王兵、唐文狮、吴延瑞等，2014：《城镇化提高中国绿色发展效率了吗?》，《经济评论》第4期。[Wang Bing, Tang Wenshi and Wu Yanrui et al.,2014, Does Urbanization Increase China’s Green Development Efficiency?，EconomicReview, 4.]

[12]王兴杰、谢高地、岳书平，2015，《经济增长和人口集聚对城市环境空气质量的影响及区域分异：以第一阶段实施新空气质量标准的74个城市为例》,《经济地理》第2期。[Wang Xingjie,Xie Gaodi and Yue Shuping,2015,Impact of Economic Growth and Population Aggregation on Urban Environmental Quality and Its Regional Differentiation：A Case Study of 74 Cities Implemented the New Standard for Air Quality during the First Stage,EconomicGeography, 2.]

[13]王业强，2012：《倒“U”型城市规模效率曲线及其政策含义：基于中国地级以上城市经济、社会和环境效率的比较研究》，《财贸经济》第11期。[Wang Yeqiang, 2012, Inverted “U” Curve of Urban Scale Efficiency and Its Policy Implications: a Comparative Study on Economic, Social and Environmental Efficiency of Prefecture-level Cities and Above in China,Finance&TradeEconomics,11.]

[14]吴婵丹、陈昆仑，2014：《国外关于城市化与碳排放关系研究进展》，《城市问题》第6期。 [Wu Chandan and Chen Kunlun, 2014, Foreign Research Progress on the Relationship between Urbanization and Carbon Emissions,UrbanProblems,6.]

[15]岳书敬、邹玉琳、胡姚雨，2015：《产业集聚对中国城市绿色发展效率的影响》，《城市问题》第10期。[Yu Shujing, Zhou Yulin and Hu Yaoyu, 2015, Effect of Industrial Agglomeration on Chinese City Green Development Efficiency,UrbanProblems,10.]

[16]赵国浩、李玮、张荣霞等，2012：《基于随机前沿模型的山西省碳排放效率评价》，《资源科学》第10期。[Zhao Guohao, Li Wei and Zhang Rongxia et al., 2012, Evaluation of Carbon Emission Efficiency for Shanxi:Using Stochastic Frontier Analysis,ResourcesScience, 10.]

[17]朱承亮、岳宏志、师萍，2011：《环境约束下的中国经济增长效率研究》,《数量经济技术经济研究》第5期。 [Zhu Chengliang, Yue Hongzhi and Shi Ping, 2011, Empirical Study on China’s Economic Growth Efficiency Under the Binding of Environment,TheJournalofQuantitative&TechnicalEconomics, 5.]

[18]朱勤、魏涛远，2013：《居民消费视角下人口城镇化对碳排放的影响》,《中国人口.资源与环境》第11期。[Zhu Qin and Wei Taoyuan, 2013, Impacts of Urbanization on Carbon Emissions from Perspective of Residential Consumption,China Population.ResourcesandEnvironment, 11.]

[19]Clark, T. A.,2013, Metropolitan Density, Energy Efficiency and Carbon Emissions: Multi-attribute Tradeoffs and Their Policy Implications,EnergyPolicy, (53):413-428.

[20]Perloff,H., 1957,Interrelations of State Income and Industrial Structure,TheReviewofEconomicsandStatistics, 39(2):162-171.

[21]Wang, Q.W., P.Zhou, N.Shen and S.S.Wang, 2013, Measuring Carbon Dioxide Emission Performance in Chinese Provinces: A Parametric Approach,RenewableandSustainableEnergyReviews, (21):324-330.

[22]Zha D. L., D.Q.Zhou and P.Zhou, 2010, Driving Forces of Residential CO2Emissions in Urban and Rural China: an Index Decomposition Analysis,EnergyPolicy, (38)：3377-3383.

AnAnalysisoftheMechanismBetweenPopulationUrbanizationandRegionalGreenEconomicEfficiency——BasedonStochasticFrontierAnalysisModel

FanJianshuang,RenYirongandYuXiaofen
(Zhejiang University of Technology, School of Economics and Management, Hangzhou Zhejiang 310023)

The problem of environmental pollution is becoming increasingly noticeable in a great number of Chinese cities in recent years, especially the emergence of severe haze, making the green quality of regional economic growth the focus of attention. This paper, by studying the emission of environmental pollutants in the framework of economic efficiency testing, measures the green economic efficiency in 30 Chinese provinces, and analyzes the changing trend in regional differences in the 2000 - 2014 period using the trans logarithmic SFA model. Furthermore, the relationship between population urbanization and green economic efficiency also receives analysis in view of the three aspects of population agglomeration, human capital accumulation and the evolution of industrial structure in the regions. The results show that the values of green economic efficiency are generally low during the study period, while exhibiting the phenomenon of rise with time and convergence with space. Population urbanization itself has a significant positive effect on promoting green economic efficiency. In terms of mediation variables, the degree of population agglomeration has a significant positive effect on green economic efficiency, as the large-scale agglomeration of population to urban areas generates more positive external effects than crowding effect which simply produces environmental pollution. The positive effect of human capital accumulation on green economic efficiency mainly comes from its supply of intellectual support for regional economic growth, especially innovation in energy saving and emission reduction. The positive effect of industrial structure composition on green economic efficiency is the most notable, because of the continuous rise of the proportion of tertiary industrial output value. The competitive effect of industry structure on green economic efficiency is, on the other hand, negative but not so significant.

Population Urbanization, Green Economic Efficiency, Resource Utilization Rate, Green Economic Growth

10.13948/j.cnki.hgzlyj.2017.12.005

* 范建双,浙江工业大学经贸管理学院副教授，电子邮箱：fjshmy@zjut.edu.cn。本文获得国家自然科学基金项目(71774142)、教育部人文社科项目(17YJAZH022)、浙江省自然科学基金项目(LY16G030029)、浙江省哲学社会科学重点研究基地项目(16JDGH045)、杭州市科技计划软科学研究重点项目(20160834M23)、浙江省哲学社会科学重点研究基地“技术创新与企业国际化研究中心”项目资助。感谢匿名评审人对本文提出的修改意见，文责自负。

■责任编辑邓 悦