淮河流域生态效率的测度及分析

孙伟+韩裕光

摘要：利用SBM模型和GML指数，将经济发展中的资源投入和非期望产出纳入流域生态效率的测算体系，根据淮河流域的相关数据，测算出2003—2015年淮河流域40个地级市的生态效率及其变动，比较分析了淮河流域各省份和淮河生态经济带的生态效率。整体来看，淮河流域在提升生态效率上依然存在较大空间，淮河流域及淮河生态经济带的GML指数均小于1，即在近十年来生态效率的增长率为负，其分解结果显示，技术进步因素是生态效率增长缓慢的主要原因，虽然规模效率对生态效率具有一定的促进作用，但并未抵消技术倒退造成的影响。淮河流域与淮河生态经济带仍需继续优化产业结构，促进生产方式的变革，鼓励企业创新，促进区域技术交流与合作，走资源节约、环境友好的可持续增长之路。

关键词：淮河流域；淮河经济带；生态效率；SBM模型；GML指数

中图分类号：F062.2 文献标志码：A 文章编号：1001-862X（2018）01-0045-005

十八大以来，党中央、国务院把生态文明建设和环境保护摆上更加重要的战略位置，李克强总理多次指出，要加大环境综合治理力度，提高生态文明水平，促进绿色发展，下决心走出一条经济发展与环境改善双赢之路。中国地域广阔，气候环境与经济实力地域差异较大，生态环境问题复杂多变，解决生态环境问题必须分区域、分流域、分阶段进行。本文根据淮河流域经济发展的特性，采取数据包络分析法来分析淮河流域生态效率的核算及挖掘影响生态效率的深层因素，力图实现淮河流域经济发展和生态环境的“双赢”。

一、淮河流域的现状及测算方法

（一）淮河流域的现状

淮河流域位居中原腹地，包括湖北、河南、安徽、山东、江苏五省40个地（市），面积约26.7万平方公里，总人口为1.84亿人，平均人口密度为690人/平方公里，是全国平均人口密度142人/平方公里的4.86倍，居各大江大河流域人口密度之首；耕地面积达0.126亿公顷，是传统农业的生产基地，拥有煤炭、岩盐、铁矿石、天然碱等丰富资源，也是沟通南北、连接东西的重要交通走廊。长期以来，由于淮河流域降雨量季节性分布不均，易出现旱涝灾害，国家投入大量资金用于淮河治理和区域经济发展，经济社会发展取得长足进步。但总体上看，现阶段淮河治理和环境保护的任务仍十分艰巨，流域经济社会发展仍面临许多问题，经济发展滞后，人均GDP为36035元，同期全国人均GDP为47203元；城镇化水平仅为38.99%，远低于全国城镇化率56.10%；水污染形势严峻，水生态系统受损严重。（1）

在实施中部地区崛起战略的大背景下，国家已经推进了中原经济区、武汉城市圈、皖江城市带等重点区域发展，越发凸显淮河流域缺乏高层次战略的尴尬处境。2014年中国国际经济交流中心在基于调研的基础上形成的《淮河生态经济带发展战略规划研究报告》，提出了构建淮河生态经济带，“努力把淮河打造为我国第三条出海黄金通道，把淮河流域打造为继珠三角、长三角、环渤海地区之后的第四增长极，把加快淮河生态经济带建设作为扩大内需的重要战略支点” [1]。在《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，明确提出要促进中部地区的崛起，推进淮河经济带建设。按照2016年3月28日举行的淮河生态经济带规划编制第一次磋商会议确定的范围，淮河生态经济带（2）包括：信阳市、驻马店市、周口市、漯河市、商丘市、平顶山市、蚌埠市、淮南市、阜阳市、六安市、亳州市、宿州市、淮北市、滁州市、淮安市、盐城市、宿迁市、徐州市、扬州市、泰州市等20个地级市。

（二）生态效率的测算方法

在促进经济可持续发展的宏观背景下，生态效率作为易被衡量区域经济可持续发展的指标，被广泛用于多个领域。生态效率是指将生态资源用于满足人类需求的效率，并将其具体化为企业、行业或经济体等提供产品或服务的价值与对生态环境影响的比值（世界经济合作和发展组织OECD，1998）。[2]在实际运用中，生态效率不仅用于企业或行业的分析，也可用于区域或国家层面的测算，具体的测算方法主要包括两类：一类方法是通过改进“生态效率=经济增加值/环境影响”的基本公式，选取或构建生态效率的评价指标，来测算生态效率（Koskela，2015；Arabi等，2016）。[3][4]另一种方法是采取数据包络分析法（Data Envelopment Analysis，DEA）测算生态效率（Rashidi和Farzipoor Saen，2015；Deilmann等，2016）。[5][6]DEA模型無须事先假定投入产出函数的具体形式，可将不同衡量尺度下的多个变量纳入测算过程，能够克服环境产品市场价格缺失的缺陷，具有较强客观性，近年来在国内外文献中得到广泛运用。本文采取改进的DEA模型对淮河流域的生态效率进行了测算。

3.GML（Global Malmquist-Luenberger）指数模型

为测算包含非期望产出的效率，Chung等（1997）[8]将方向距离函数与Malmquist模型结合可得出ML指数，但ML指数来自相邻期生产效率的几何平均，不具有循环累乘性，Oh（2010）[9]提出的GML指数能够克服ML指数的缺陷，具有循环累乘性，能够进行生产效率的长期增长分析，且克服了可能存在的无可行解的问题。在规模不变报酬下可将GML指数分解为纯技术效率（PEC）、纯技术进步（PTC）、规模效率（SEC）和技术规模（STC）四个方面。[10]若GML>1表示生态效率上升，反之下降；PEC>1表示是生产活动中技术效率的改善，反之恶化；PTC>1是技术的进步，反之则为技术的倒退；SEC>1是规模效率的提高，反之下降；STC>1是技术偏离不变规模报酬。

二、测算结果与分析

（一）数据选取

为全面衡量流域的生态效率，本文在借鉴现有文献及考虑到指标的可获得性的基础上，选取了投入产出指标。其中，投入指标除了选取传统的劳动和资本投入之外，还将资源消耗状况的土地、能源以及水资源投入纳入分析体系；产出指标包括期望产出及非期望产出。endprint

1.投入指标

劳动投入用 “从业人员的期末人数”来代替；资本投入是按照国际上通用的永续盘存法根据指标“固定资本投资”计算得出（张军，2004；Hall和Jones，1999）[11][12]，并对各期固定资产投资按照固定资产投资价格指数进行平减；土地投入用各地级市的城市建设用地面积代替；能源投入用全社会用电量来衡量流域的资源投入水平；水资源投入用涵盖了农业、工业、生活和生态用水总量的各地级市用水总量指标代替。

2.产出指标

期望产出用“各地区生产总值”来代替，并按照以2002年为基期计算的GDP平减指数进行平减；非期望产出用废水、二氧化硫和工业烟（粉）尘的排放量代替。[13][14]相关指标均来自历年《中国城市统计年鉴》。

为比较分析，本文按照同样的方法测算经济效率，其中的投入产出变量仅包括劳动和资本投入及期望产出。

（二）基于SBM模型的生态效率静态分析

利用MAXDEA软件可测算得出淮河流域各地级市的生态效率得分。（3）结果表明，2003年至2015年淮河流域生态效率均值处于1和0.5608之间，其中2007年、2011年、2012年、2013年、2014年的生态效率值高于平均水平0.8326。淮河经济带规划中20个地级市生态效率的均值为0.8274。

为了比较环境资源投入及非期望产出的影响，本文测算了仅包含劳动和资本要素投入和期望产出的经济效率（4），淮河流域和淮河经济带的均值分别为0.7877和0.7688，均低于其生态效率值。这反映了节能减排和严格环境规制的宏观背景，促使社会投入更多资源用于生态建设和减少污染物排放，这部分成效并未在经济效率中得到体现。图1是淮河流域和淮河经济带的生态效率和经济效率历年来的均值，如图所示，生态效率和经济效率的差异自2010年开始加大，这也与我国“十二五”期间强调绿色发展以及建设资源节约型、环境友好型社会直接相关。

将淮河流域中各省份的生态效率均值，按照从高到低进行排序分别是0.8870、0.8366、0.8280、0.8089、0.7851，对应省份分别为江苏省、河南省、山东省、湖北省、安徽省。将历年来生态效率的均值作于图2，可观察到近十年来，各省份生态效率的变化趋势并不明显，江苏省、安徽省和湖北省的生态效率呈现增长趋势，而河南省和山东省的生态效率值波动较大。

（三）基于GML指数的生态效率动态分析

为比较分析，本文利用GML指数及其分解分布测算2003年至2015年淮河流域和淮河经济带生态效率及经济效率的变动。表1报告了生态效率及经济效率GML指数分解结果的均值。（5）由于GML指数具有循环可加性，表1中的GML、PEC、PTC、SEC和STC数值是各地级市在2003—2015年的累积变化值，反映了淮河流域和淮河经济带的生态效率、经济效率、纯技术效率、技术进步、规模效率和技术规模的总体变动程度。

表1显示，2003—2015年淮河流域的生态效率和经济效率的增长指数分别为1.0004和0.9808，生态效率值增长了0.04%，而经济效率恶化了1.92%。淮河经济带的生态效率和经济效率均小于1，呈恶化趋势，分别降低了0.03%和2.4%。

淮河流域中生态效率仅增长了0.04%，虽然节能减耗的约束促使纯技术效率增长了0.17%，规模效率上升了0.03%，技术规模效率上升了0.10%，但技术进步并未得到同步增长，反而倒退了0.26%；淮河经济带的生态效率反而降低了0.03%，主要原因在于技术进步及技术规模效率的下降，抵消了纯技术效率和规模效率的上升。淮河流域和淮河经济带的规模效率呈上升趋势反映了这些地区的要素集聚有利于规模效率的提升，比较分析淮河流域中的江苏省、安徽省、河南省和湖北省都呈现相同趋势。

从淮河流域生态效率变动及其分解的地理差异来看，江苏省和湖北省的生态效率均增长了0.62%，山东省、安徽省、河南省的生态效率均下降了，分别下降了0.45%，0.1%和0.22%。淮河流域中的江苏省和湖北省较好地处理了经济发展与生态环境的协调问题，在经济增长中实现人与环境、生态的友好相处，相对而言，山东省、安徽省和河南省的生态效率仍有较大的提升空间。

三、结论及政策建议

本文运用包括非期望产出的SBM模型，测算了淮河流域及淮河经济带的生态效率，并用GML指数测算和分解了2003年至2015年淮河流域及淮河经济带的生态效率变动，得出以下结论：

納入资源投入及非期望产出的投入产出指标体系测算的生态效率值能较全面衡量流域效率，测算得出淮河流域及淮河生态经济带的生态效率值为0.8326和0.8274，均大于其经济效率，这是政府采取节能减排、强化生态保护等工作的成效；同时，淮河流域及淮河生态经济带的生态效率仍有较大的提升空间。

淮河流域及淮河生态经济带生态效率的动态变化情况并不乐观，淮河流域的GML指数仅为1.0004，淮河生态经济带生态效率的GML指数小于1，淮河流域的省份中仅有江苏省和湖北省生态效率的增长率大于1，对GML指数分解的结果显示，技术进步的欠缺使其生态效率的增长较为缓慢。

据此，提出提升淮河流域生态效率，推动淮河经济带建设的政策建议。

（一）加强淮河流域的绿色创新能力

通过政府资金支持及税收补贴等多种政策手段，激发企业创新能力特别是绿色创新水平，充分发挥技术进步对区域生态效率和经济效率的促进作用。加大金融机构资金对淮河流域可持续发展的促进作用，鼓励金融机构进行金融创新，灵活运用多种金融工具，为中小企业的绿色环保行为提供资金支持。

（二）推动产业发展绿色化

优化产业结构，根据地域采取适宜的生态农业循环模式，推进农业生态化、产业化；加大工业化发展中的科技投入，运用绿色技术改造，加快工业低碳循环发展，提高资源使用效率，构建生态工业体系，降低经济发展对环境的负面影响；构建现代服务业体系，鼓励绿色商业和绿色消费，大力发展第三产业，吸纳冗余劳动力，促进区域经济和环境的协调发展。endprint

（三）加强流域间省市之间的协调配合

淮河流域和淮河生态经济带的建设需要各省份之间的互相配合，协同发展。流域发展的上中下游地区，存在资源利用、污染排放和生产发展之间的矛盾，下游地区对上游地区的经济发展进行适当的生态补偿。淮河生态经济带“一带、三核、三枢纽、多节点”的空间开发格局，需要各省份之间的互相配合，协同发展。按照点轴发展理论，跨越省份界限，发挥核心城市的辐射效应，通过完善铁路、公路、航运、河海运输等轴线，形成区域经济协调发展的增长网络体系。

（四）继续加大环境规制力度

政府在发展区域经济的同时要重视生态环境保护，灵活使用命令型和市场型环境规制手段，加强重点工业污染源治理；实施最严格的水资源管理制度，持续改善淮河流域水质；加快淮河干支流湿地保护，提升淮河流域的生态承载能力，推动淮河流域经济的可持续发展。

注释：

（1）以上数据来源：《治淮汇刊年鉴》（2015）和《中国统计年鉴》（2015）。

（2）淮河生态经济带包括20个地级市和1个县，受限于数据可得性，本文仅分析淮河生态经济带的20个地级市。

（3）具体计算结果省略，如需可向作者索要。

（4）具体计算结果省略，如需可向作者索要。

（5）具体计算结果省略，如需可向作者索要。

参考文献：

[1]郑新立.把加快淮河生态经济带建设作为我国扩大内需的重要战略支点[J].经济研究参考，2014，（3）：69-72.

[2]OECD.Eco-efficiency[M].Paris：Organisation for Economic Co-operation and Development （OECD）：1998.

[3]Koskela M.Measuring eco-efficiency in the Finnish forest industry using public data[J].Journal of Cleaner Production ，2015，98：316-327.

[4]Arabi B ，Munisamy S，Emrouzenjad A，et al.Eco-efficiency considering the issue of heterogeneity among power plants [J].Energy，2016，111：722-735.

[5]Rashidi K，Saen R F .Measuring eco-efficiency based on green indicators and potentials in energy saving and undesirable output abatement [J].Energy Economics，2015，50：18-26.

[6]Deilmann C，Lehmann I，Reibmann D，et al.Data envelopment analysis of cities-Investigation of the ecological and economic efficiency of cities using a benchmarking concept from production management [J].Ecological Indicators，2016，67：798-806.

[7]Tone K.Dealing with Undesirable Outputs in DEA：A Slack-based Measure（SBM）Approach （DEA）[R].GRIPS Research Report Series I，2003.

[8]Chung，Y.H.，Fare，R.and Grosskopf，S. Productivity and Undesirable Outputs：A Directional Distance Function Approach，Journal of Environmental Management，1997，51（3）：229-240.

[9]Oh D，Heshmati A. A global malmquist-luenberger productivity index [J].Journal of Productivity Analysis，2010，34（3）：183-197.

[10]陶長琪，齐亚伟.资源环境约束下我国省际全要素生产率测度分析——基于Global Malmquist-Luenberger指数[J].数量经济研究，2012，3（1）：58-75.

[11]张军，吴桂英，张鹏.中国省际物质资本存量估算：1952—2000[J].经济研究，2004，（10）：35-44.

[12]Hall R E，Jones C I.Why do Some Countries Produce So Much More Output Per Worker than Others？[J].The Quarterly Journal of Economics.1999，114（1）：83-116.

[13]聂普焱，黄利.环境规制对全要素能源生产率的影响是否存在产业异质性？[J].产业经济研究，2013，（4）：50-58.

[14]屈小娥.考虑环境约束下的中国省际全要素生产率再估算[J].产业经济研究，2012，（1）：35-43.

（责任编辑 明 笃）endprint