闽赣产业生态化效率评价研究

吴俊媛， 毕佳佳， 黄雪媛

(1. 中共莆田市委党校 莆田市行政学院， 福建 莆田 351100； 2. 福建林业职业技术学院， 福建 南平 353000)

一、引言

优化产业结构，改善生态环境是推进生态文明建设的主要目标之一，产业生态化有助于推动生态与经济协调发展，它将产业与资源、生态环境作为整体研究。而生态效率(Eco-efficiency)是衡量产业生态化的重要指标[1]，因此通过生态效率来分析产业生态化对生态文明建设的研究很有意义。生态效率是1990年由美国Schaltegger和Stum首次提出[2]，其后受到广泛认可，大部分学者认为生态效率评价是兼顾了对经济效率和环境效益的综合评价，因此越来越多的学者采用生态效率来进行合理测度。国内外对生态效率研究涵盖区域、行业、企业和产品等方面[3]，其中区域产业生态化研究则是当代研究的焦点，所以渐渐有学者开始对生态城市、生态园区等如西部[4]、长江中游城市群[5]、潘阳湖生态经济区[6]等进行了生态效率评价研究，但从国家战略层面开展区域性产业生态化效率研究还相对较少。

2016年6月福建省和江西省被确认为国家生态文明试验区，绿色生态是福建和江西最大财富和优势。福建省生态文明建设起步早，生态环境状况指数一直处于全国首列，森林覆盖率多年位居全国第一，2016年绿色发展指数位居全国第二。江西自然资源丰富，生态环境优美，拥有生态区位优势。两省具有较好生态基础，被视为我国南方地区重要的生态安全屏障，但是两省间的经济社会发展水平又存在着一定的差异。因此本文通过对福建和江西两省产业生态化效率进行测算与分析具有典型和示范作用，研究结果对在新的生态环境需求的条件下推进经济发展方式转变、推动生态环境与资源保护、促进区域生态文明建设和共享等可持续发展具有一定的参考价值。

二、闽赣产业生态化评价指标选取与模型构建

1.方法选择与模型构建

学术界大多数采用的生态效率评价方法主要有以下三种：一是赋予相同权重的环境压力指标，但这种方法忽视差异性，不够合理；二是采用专家打分法赋予权重指标[7]，但是该方法存在较强的主观性；三是采用数据包络分析法(DEA)，该方法赢得了众多学者的青睐并得到广泛引用。DEA模型最早是由Charnes[8]等于1978年提出来，后Banker[9]等学者于1984年对其进行发展，提出了规模收益可变的效率模型，该模型的优点在于不需提前设定生产函数，可减少误差分布，且单位具有不变性，可有效避免主观因素的干扰和不确定性[10]。Kortelainen[11]结合DEA模型和Malmquist指数方法将生态效率评价从静态分析向动态分析转变。Malmquist指数是在1953年提出，Farrell等在1994年将其改进，提出产出导向Malmquist指数法，该方法主要用来衡量全要素生产率(TFP)的动态变化情况，可将其分解为技术效率变动(TEC)和技术变动(TC)，而技术变动效率(TEC)又可以分解为规模效率(SEC)和纯技术效率(PEC)[12]。但由于DEA模型中各投入产出指标间可能会存在一定的相关性，这可能对测算结果产生一定的影响，因此本研究先进行相关性检验，若各指标间确实存在较强的相关性，会进一步采用主成分分析法来降低其相关性，进而提高DEA测算结果的科学性。

2.指标选取及体系构建

当前关于生态效率指标体系一般包含资源和环境两个方面，资源主要通过水、土地、劳动力、资本和能源等指标衡量，环境主要通过三废来衡量。马勇、刘军运用DEA模型开展区域产业生态化效率研究时采用固定资产投资额、就业人数、能源消费总量、建成区面积和用水总量作为投入指标，以地区GDP、工业三废和固体废物利用率作为产出指标。李华旭、孔凡斌以从业人员数、固定资产投资额、综合能源消耗量、建成区面积和R&D经费内部支出作为投入指标，以地区GDP和工业固体废弃物利用率为合意性产出指标，以工业废水排放量、工业SO2排放量作为非合意性产出指标，并利用主成分分析方法处理后再采用DEA模型进行区域产业生态化效率评价模型；胡卫卫等运用DEA-Malmquist评价福建省各大地市生态效率动态变动，以土地、水资源、能源和劳动力为投入指标，以废弃、废水排放率、固废综合利用率和地区GDP为产出指标[13]。本文基于可操作和可量化的原则构建评价指标体系，以水资源、土地、能源、资本和劳动力作为投入指标，以地区GDP和工业固体废弃物综合利用率等合意性产出和工业三废等非合意性产出作为产出指标(见表1)。

表1 闽赣产业生态化效率评价指标设置及说明

3.数据来源与处理

(1)指标处理和数据来源

本研究以单位从业人员数、固定资产投资、综合能源消耗量、建成区面积和全年供水量来考察产业生态化过程中的投入因素，用地区GDP和工业固体废物综合利用率来衡量产业发展效益作为合意性产出，将工业三废排放量等会对生态造成污染的产出作为非合意性产出指标。但是由于非合意性产出对生态效率的影响是负相关的，为简化计算，将部分产出指标作为投入指标进行处理[1]，因此本文将工业SO2排放量、工业烟尘排放量、工业废水排放量和工业固体废物综合利用率作为投入指标。福建省涵盖9个地市，江西省涵盖11个地市，研究样本量为20个城市。样本的指标数据来源于2013-2016年《福建省统计年鉴》、《江西统计年鉴》和《中国城市统计年鉴》。

(2)指标相关性分析

为减少指标相关性对测算结果的影响，本文在进行DEA测算分析前要先进行相关性分析[14]，运用计量经济学软件SPSS20对闽赣20个地市2012-2015年各指标进行相关性分析，结果见表2。据表2可知，工业固体废物综合利用率与其他指标的相关性相对较弱，全年供水量与工业SO2排放量、工业烟尘排放量相关性较弱以及工业废水排放量和工业烟尘排放量、工业SO2排放量间的相关性相对较弱，其它指标如单位从业人员数、固定资产投资、能源消耗、建成区面积、地区生产总值GDP等之间的相关性较强，因此本文需要先采用主成分分析法来处理各投入指标。

表2 投入产出指标间的矩阵相关度

备注：***和**分别在0.01水平和0.05水平(双侧)上显著相关。

(3)主成分分析

因原始数据各指标单位不同，故需先对指标进行无量纲化处理，标准化公式为：

根据特征值大于1而提取主成分，运用SPSS20对其进行检验，结果见表3～5。

表3 KMO和Bartlett的检验结果

表4 解释的总方差

(接上表)

提取方法：主成分分析(Extraction Method： Principal Component Analysis.)

表5 成分矩阵

根据表3～5可知，KM0值为0.820，Sig<0.05，说明可以进行主成分分析，且变量中大部分信息能被提取，因此结果有效。只有前两个因子累积解释贡献率达到71.452%，故本文仅采用F1和F2来代表投入指标大多数信息。通过计算求得2012-2015年各主成分得分，但由于主成分可能出现负数，所以要进行数据处理，按照下列公式进行处理得到新的投入数据，使其全部为正以满足DEA测算要求。

三、实证结果分析

1.闽赣产业生态效率静态分析

将原始数据和经主成分分析处理后的数据分别代入DEAP软件，采用规模效率可变的DEA-BCC模型对20个地市产业生态效率进行测算。

(1)闽赣各地市产业生态化效率及其源泉分析

表6 闽赣各地市产业生态化效率测算结果

根据表6可知，福建省除南平地市产业生态化效率低于1以外，其它八大地市生态化效率全部为1。经过主成分分析后的结果表明，仅江西省的上饶市和福建省厦门、莆田、泉州和漳州等5个地市综合技术效率为1，达到生态效率最优，实现了资源优化配置，其他15个地市的生态效率并未处于有效的生产前沿面上，仍需要通过技术或规模的改善来调整。由此可见，福建省生态效率高的地区主要集中在厦门、漳州、泉州、莆田四个地区，表明这些地区经济基础相对较好，产业生态化取得一定成效。究其原因，一方面是这些地区交通发达，是通往各地的中心枢纽，另一方面是沿海城市经济发展在资源、市场、人才、技术等方面比偏远山区更有优势。江西大部分地区产业生态化效率仍待进一步提高，特别是景德镇、萍乡和新余等地的生态效率较低，需要较长时间通过合理优化资源配置来提高产业生态化效率。

经过主成分分析后福建省的福州、三明、南平、龙岩和宁德等地产业生态化效率均未达到1，主要原因是这部分地区的纯技术效率和规模效率并未达到最优，特别是纯技术效率有待更进一步提高，即各地资源配置仍需要进一步地调整。而江西省采用原始数据测算结果表明，生态效率即使未达到1的地区，但是生态效率也在0.8以上，属于短期即可调整达到1。而经过主成分分析处理后的数据表明，大部分地市生态效率并没那么好，除了南昌接近于1之外，其他地区的生态效率集中在0.4～0.8之间，表明这些地区还有很多地方需要改善。

(2)闽赣各地市产业生态化规模效率分析

原始数据测算的结果表明，福建省南平市和江西省的景德镇、赣州和抚州等四个地市的规模报酬均为递增，只有江西省九江市呈现出规模报酬递减的态势，表明该地生态文明建设还需进一步提升。经过主成分分析后的结果表明，福建省福州、三明、南平和宁德等4个地市和江西省南昌、景德镇、萍乡、新余、鹰潭、吉安和抚州等7个地市处于规模报酬递增，而福建省南平市与江西省九江市和宜春市正处于规模报酬递减。

2.闽赣产业生态效率动态分析

将闽赣20个地市指标原始数据通过DEA-Malmquist指数法对产业生态化效率进行测算分析，结果见表7。

(1)闽赣产业生态化效率动态分析

根据表7可知，从总体来看，不管数据是否经过主成分分析，闽赣产业生态化效率在2012-2015年间呈现出缓慢下降的趋势，但是都在1左右徘徊，这说明闽赣各地产业生态化效率普遍较高，而且各地区产业全要素生产率也因技术进步和技术效率的影响呈现出缓慢增长。但是经过主成分分析后的结果表明闽赣两省产业生态化效率下降幅度更大，导致这一现象的原因在于纯技术效率和规模效率均小于1，因为采用主成分分析后的结果剔除了指标间的相关性，其结果与未经过处理的有一定的差异性。但是结果皆表明当前闽赣两省产业生态化效率呈现出缓慢且不稳定的下降态势，需找出关键制约因素，减少年际波动性。

表7 2012-2015年闽赣地区产业生态效率及其分解量的变异系数

(2)闽赣各地市产业生态化效率差异化分析

根据图1可知，闽赣各地市生态化效率变动主要集中在0.9～1.1之间。原始数据经DEA-Malmquist指数法测算，结果表明福建省南平、江西省景德镇和赣州等三个地市的技术效率变异系数相对有所增加，而江西省的萍乡、九江和宜春等三个地市相对有所下降，其他地市的生态效率为1，个体波动不大。而经过主成分分析后的结果表明，各地市间的差异变动更为明显，其中仅福建省厦门和泉州两地生态效率变动系数为1，波动性较小，而福建省三明、南平、龙岩、宁德和江西省萍乡、抚州等6个地市生态效率变动系数大于1，表明这些地市的生态经营管理方式相对有所提高，而其他12个地市的生态效率变动系数均小于1，表明这部分地市的生态经营管理方式还不够完善，仍需进一步改进，而各地市产业生态化效率变动主要源于其纯技术效率或规模效率。

图1 2012-2015年闽赣产业生态化效率地区差异化分析

四、结论与讨论

通过对闽赣20个地市产业生态化效率测算与比较分析，可以得出以下结论：

(1)经主成分分析处理后再运用DEA模型测算后的结果比将原始数据直接代入DEA模型得到的结果更为科学，区域差别性更明显。经主成分提取削弱了数据间相关性，结果表明只有个别地市产业生态化效率为1，大部分地市评价结果区分度更高，提高了DEA测算结果准确性[1]，这为进一步探究闽赣产业生态化效率奠定了良好基础。

(2)闽赣各地市的产业生态化效率在2012-2015年间呈现出逐渐下降的态势，表明其产业生态化投入产出不稳定。但结果也表明闽赣大部分地市生态化效率仍较高，因此这些地市通过调整后能较快达到最优状态。生产要素的合理配置和适当的经营规模是影响产业生态效率的关键，产业纯技术效率或规模效率相对较低会导致闽赣生态化效率的不稳定，因此这部分地市还需在产业技术或是产业规模上进行相应地调整。对此，福建和江西两省仍需做好产业发展的统筹规划，划分不同地区发展重点，因地制宜差异化制定产业生态化效率目标，避免产业发展趋同化，特别在产业规模和规划上，两省要积极结合国家层面的战略规划来布局各地产业发展，从而提高产业规模和产业资源配置能力。另一方面，两省要不断提高产业生产技术创新水平，特别要加强环境治理能力。作为全国生态文明建设示范区，两省要在保持现有生态效率水平的基础上，加强生态环境保护，减少企业产业发展活动对环境造成的负面影响，减少工业三废排放量和固体废弃物的排放量，通过提高区域技术创新对产业发展的驱动力。江西资源利用效率较低，还需进一步合理优化资源配置，提高生产要素利用率。

参考文献：

[1] 李华旭，孔凡斌．长江经济带沿海地区产业生态化效率研究——基于沿海9省(区)27个城市2011-2014年相关统计数据[J]．区域经济，2016(10)：101-108．

[2] 杨文举．中国地区工业的动态环境绩效：基于DEA的经验分析[J]．数量经济技术经济研究，2009(6)：87-98．

[3] 王 震，石 磊，刘晶茹，等．区域工业生态效率的测算方法及应用[J]．中国人口·资源与环境，2008，18(6)：121-126．

[4] 刘淑茹，韩世芳．西部地区产业生态化评价研究[J]．生态经济，2017，33(3)：90-94．

[5] 马 勇，刘 军．长江中游城市群产业生态化效率研究[J]．经济地理，2015，35(6)：124-129．

[6] 王 晶，孔凡斌．区域产业生态化效率评价研究[J]．经济地理，2012，32(12)：101-107．

[7] 邹伟进，陈 伟，郭明晶．我国钢铁产业生态化水平的评价[J]．经济纵横，2010(8)：113-116．

[8] Charnes A．WW Copper，E Rhodes． Measuring the Efficiency of Decision Making Units[J]．European Journal of Operational Research， 1978,2(6)：429-444．

[9] Banker R D，A Charnes， WW Cooper．Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J]．Management Science，1984(9)：1078-1092．

[10] 朱 乔．数据包络分析(DEA)方法综述与展望[J]．系统工程理论方法应用，1994(4)：1-8．

[11] Kortelainen，M． Dynamic Environment Performance Analysis： A Malmquist Index Approach[J]．Ecological Economics， 2008(4)：701-715．

[12] Lovell C A K．The decomposition of Malmquist Productivity index[J]． Journal of Productivity Analysis，2003，20(3)：437-458．

[13] 胡卫卫，施生旭，郑逸芳，等．福建生态文明先行示范区生态效率测度及影响因素实证分析[J]．林业经济，2017(1)：13-18．

[14] 智冬晓．指标相关性对DEA评价效用的影响[J]．统计教育，2009(6)：40-44．