基于非期望产出SBM模型的环渤海地区生态效率与影响因素研究

(辽宁师范大学 海洋经济与可持续发展研究中心,辽宁 大连 116029)

1 引言

近年来,生态问题不仅是各国社会发展关注的焦点,生态水平的高低也被作为衡量各国经济社会能否持续发展的重要因素之一。早在1962年的联合国环境与发展大会上就对工业革命以来“高生产、高污染”的传统发展模式及“先污染、后治理”的发展道路进行了否定,指出生态化转型是未来工业发展的必经之路。随着区域发展进程的逐步推进,城市化和工业化导致资源供需、环境污染和生态失衡等问题也在不断加剧,经济发展与环境压力之间的矛盾日渐凸显。我国强调生态建设是中华民族永续发展的千年大计,继续实行最严格的生态环境保护制度是当前生态环境治理的重中之重。

生态效率的有效评价有利于揭示区域生态状况和投入产出水平,为生态环境治理提供理论依据。“生态效率”一词最初是由Schaltergger、Sturm于1990年提出,主要是指增加的价值与增加的环境影响之间的比值。随后,各国学者纷纷对生态效率的内涵展开研究。国外在生态效率研究方面主要侧重于企业及行业方面,并尝试对城市及区域层面的生态效率展开研究。自1995年,克罗德·福斯勒将生态效率的概念引入我国,国内学者也逐渐开始关注生态效率问题。付丽娜、陈晓红、冷智花等[1]以长株潭“3+5”城市群为研究对象,运用超效率DEA模型计算出各城市2005—2010年的生态效率值,分析了城市群整体及各城市生态效率发展水平;潘丹、应瑞瑶[2]运用非期望产出的SBM模型对我国30个省份的农业生态效率进行了测算,发现资源过度消耗和环境污染物的过量排放是造成农业生态效率损失的主要原因;胡彪、张旭东、程达[3]运用非期望产出SBM模型、相对发展度与耦合度模型对京津冀地区城市化与生态环境两者的效率关系进行了耦合研究,发现京津两地效率值与耦合水平较高,河北水平偏低;陆砚池、方世明[4]从城市建设用地视角出发对武汉城市圈生态效率时空演变及其影响因素进行了研究,得出城市圈生态效率呈螺旋式上升状态,效率水平受生态压力、工业发展水平和生态技术水平的负向影响;成金华、孙琼、郭明晶[5]在运用超效率DEA模型对我国30个省份2000—2011的生态效率进行测算的基础上,运用空间自相关分析方法对生态效率的演化格局进行了研究分析,提出转变地区经济发展方式、把握发展特征、加强区域交流合作是促进区域协调发展的新渠道;郑慧、贾珊、赵昕[6]在新型城镇化背景下,运用超效率DEA模型对我国30个省区域生态效率展开研究,为我国省际区域生态效率提高提出了对策建议。

从已有研究成果来看,区域生态效率的研究主要从省际角度展开,地级市层面的区域生态效率研究相对较少,特别是环渤海地区沿海城市。多数研究考察的产出指标中未能将非期望产出考虑在内,缺乏对生态效率的动态演化分析。本文基于考虑非期望产出的SBM模型,结合Malmquist生产率指数对环渤海沿海17市的面板数据展开研究,从静态、动态和空间角度分析其生态效率时空演化特征及影响生态效率的外部因素,为环渤海地区的经济发展、生态环境治理与可持续发展提供理论依据。

2 研究方法及指标选取

2.1 研究区概况

环渤海地区是指环绕着渤海全部和黄海部分沿岸地区组成的经济区域,范围涵盖了沿海17个城市,分别为天津、秦皇岛、唐山、沧州、滨州、东营、潍坊、烟台、威海、青岛、日照、大连、丹东、营口、盘锦、锦州和葫芦岛,海岸线总长度6924.2km,占全国海岸线长度的38.47%[7]。环渤海地区以其优越的地理位置、丰富的资源禀赋和深厚的产业基础发展成为我国富有优势和潜力的经济增长极之一,在对外开放和现代化建设中的地位和优势愈发明显。21世纪“一带一路”建设、《山东半岛蓝色经济区发展规划》的通过和《环渤海地区合作发展纲要》的实施,促进了经济全球化和区域一体化的深入推进,国际与国内产业分工的深刻调整,为环渤海地区创新发展、转型发展提供了良好契机。2016年,环渤海经济区的天津、河北、山东、辽宁三省一市的GDP总和近13.9万亿元,约占国内生产总值的18.7%,且近十年来始终保持高速增长。经济的快速发展导致一系列生态环境问题伴随而来,因此有效测算环渤海地区的生态效率,对加强该地区生态文明水平、发展循环经济和提高资源利用效率提供重要理论依据。

2.2 非期望产出SBM

数据包络分析(DEA)是一种基于多投入、多产出角度测算决策单元相对效率的方法[8]。以往研究通常使用DEA方法中的传统CCR、BBC等模型,此类模型多从径向和角度出发对决策单元效率进行测算,未考虑投入变量的松弛问题和非期望产出问题,导致结果偏离实际。而由托恩提出的考虑非期望产出SBM模型[9,10]能将松弛变量考虑到目标函数中,冲破了非期望产出及传统的径向和角度DEA模型造成的阻碍,提供了更加准确的效率测度,该模型为:

(1)

(2)

式中,ρ*表示决策单元的效率值,取值介于0和1之间;m、s1、s2分别表示投入、期望产出和非期望产出个数;s表示投入产出的松弛量;λ为权重向量。目标函数ρ*是关于s-、sg、sb的严格单调递减;当ρ*=1,决策单元效率最优,达到有效前沿;若ρ*<1,决策单元的效率缺失,需通过调整投入—产出量进行改进。

2.3 Malmquist指数

Malmquist生产效率指数最早是由马奎斯特于1953年分析消费变化时提出来的[1],此后费尔[11]等将其应用于评价跨时期的动态生产效率上。本文借鉴谢珀德提出的方向性距离函数概念,得到考虑了非期望产出的Malmquist模型:

(3)

式中,ML表示决策单元从t期到t+1期全要素生产率的变化,可看成是由综合技术效率变化和技术进步变化构成,即:

ML=Effch×TEch

(4)

(5)

(6)

2.4 指标选取及数据来源

投入和产出指标选取:生态效率强调经济效率和环境效益的统一,反映研究地区在资源、环境和经济方面的协调程度,本文在指标体系构建上充分考虑以上三种因素,参照以往研究,选取单位GDP能耗、用水总量、用电总量作为资源投入,社会固定资产投资和社会从业人员作为资本投入,地区生产总值作为期望产出,非期望产出指标则选择废水和废气的排放量,构建指标体系见表1。

表1 生态效率评价指标体系

注：数据来源于本文以环渤海沿海17市为研究对象,测算其2006—2015年的生态效率值,考虑到相关数据的一致性和可获得性,研究数据来自于2007—2016年的《中国城市年鉴》、《中国区域统计年鉴》和山东省、辽宁省、河北省和天津市的统计年鉴。

3 实证结果分析

3.1 区域生态效率分析

本文基于规模报酬可变假设,运用Maxdea ultra7.0软件逐年计算环渤海沿海17市2006—2015年的投入—产出数据,得到各地区的生态效率值,见表2。从表2可见,2006—2015年天津、沧州、青岛、东营、烟台、威海、大连七个城市的生态效率值均为1,处于技术效率前沿面,说明这些地区在生态建设方面效果显著,其他城市处于效率非有效水平,在提高经济效益的同时应注重资源与环境的协调发展。其中,日照、盘锦两市的早期效率达到最优,随后分别在2007年和2008年开始下降;唐山除2009年、2010年和2015年外,其他年份的效率值均为1,这与近年来唐山市不断加大治污减排和环境综合整治力度是密不可分的;锦州的生态效率呈阶段性变化,2006—2009年效率为最优,从2010年开始回落,随后逐年增加, 2015年再次回到效率最优水平;其他6个地区的生态效率水平偏低,环境治理和社会发展协调度有待提升。

表2 2006—2015年环渤海沿海17市生态效率值

根据2006—2015年环渤海地区生态效率值计算得出效率平均值变动趋势,见图1。由图1可知,2006—2015年环渤海生态效率出现波动且增速缓慢,2007年效率达到最高水平后开始下降,于2012年降到最低,随后呈缓慢增长趋势。2007年之前,环渤海地区主要走高消费、高能耗的经济发展模式,生态环境治理没有得到充分重视;2012年前后,环渤海地区大气环境污染、水污染严重,且辽宁6个城市与其他两省一市比较，2012年效率均值最低,拉低了整体水平。“十八大”以来,随着国家对生态建设的不断重视,环渤海地区产业分工的优化调整和《环渤海地区合作发展纲要》的实施,促使该地区生态水平逐步提高。

3.2 区域生态效率动态演化分析

利用Malmquist指数模型对各地区生态效率变化情况进行分析,得到2006—2015年环渤海地区各城市年均全要素生产率指数及其分解,由表3可见,唐山、秦皇岛、日照的城市综合生态效率呈现下降趋势,滨州、丹东、营口和葫芦岛的城市综合生态效率表现为增长。其中,葫芦岛城市的增长速度最快,年均增长率达到13.6%,其他城市综合效率为1,说明在这10年间各地区综合技术效率变化不明显。各地区在技术进步方面年均增长率仅为2.5%,其中唐山、秦皇岛、锦州和葫芦岛4个城市低于正常水平;环渤海地区全要素生产率缓慢提升,年均增长率达到2.1%。从表4可见,规模效率表现为增长,年均增长率为0.9%,表明各地投入规模趋于合理化,避免了投入过剩造成的浪费;而纯技术效率水平偏低是影响部分地区全要素生产率降低的主要原因,阻碍了地区生态效率的提升。

图1 2006—2015年环渤海地区生态效率变化趋势

表3 2006—2015年环渤海沿海17市年均Malmquist指数及其分解

从各市10年间的发展动态来看,技术效率变化态势呈波动型,几次变化后于2015年开始增长,说明环渤海地区近十年生态建设处于探索阶段并逐渐趋于稳定;纯技术效率落后是限制环渤海地区生态环境发展的主要因素;技术进步和规模效率虽年际间稍有下降,但整体呈上升状态,说明该地区在先进技术和投入规模方面表现较好;全要素生产率指数仅在2008—2009年和2013—2014年稍有减少,其余各年的指数值均大于1。由此可见,在技术进步和规模效率的共同作用下,环渤海地区生态效率表现良好并稳步增长。

表4 环渤海沿海地区各年份平均Malmquist指数及其分解

为了对2006—2015年环渤海各地区生态效率的差异程度进一步分析,本文采用变异系数[12]进行计算,公式为:

(6)

图2 2006—2015年环渤海地区生态效率差异系数

3.3 基于Tobit模型的生态效率影响因素分析

Tobit回归模型:以上研究运用非期望产出SBM模型得到了2006—2015年环渤海地区生态效率值,从结果来看,各地区的效率水平存在明显差异,因此应对影响生态效率的外部变量进行深入考察研究。本文计算得出的效率值介于0和1之间,数据被截断,若仅采用普通最小二乘法对模型直接进行回归运算，会导致结果误差较大,因此本文采用最大似然法来估计，考虑了截断回归方法的Tobit模型[1，14],公式为:

(7)

式中,yit为被解释变量,表示第i个地区第t年的生态效率值,且在取值上受限:yit≥0时取实际观测值;yit<0时,数据被截断,取0为观测值;xit为解释变量;β表示未知参数;αit是第i个地区第t年的固定效应。

变量选取:为了更好地探究各地区生态效率的影响因素,结合已有研究,考虑到各地区指标的可获取性,本文从社会因素、经济因素、产业结构和能源强度方面考虑选取变量进行分析。其中,社会因素采用人口密度(X1)表示,经济因素选用人均GDP(X2)和实际使用外资额占GDP比重(X3)衡量,产业结构用第三产业占GDP比重(X4)表示,能源强度则选取各地区能源消费总量(X5)表示。同时,考虑到各省市在空间区位、经济发展水平和自然资源禀赋等方面存在一定差距,因此各外部变量对其产生的作用可能不同,本文分别对津冀地区、山东省和辽宁省进行了Tobit回归,从而更加准确地剖析各区域生态效率受外部变量的影响情况。全部数据来自各省市2007—2016年的统计年鉴和《中国城市年鉴》,在不改变数据性质和关系的基础上,为了消除数据存在的异方差问题,本文对各环境变量数据进行取对数处理。

Tobit回归结果分析:本文运用Stata软件对各区域生态效率进行了回归分析,结果见表5。社会因素、经济因素、产业结构和能源强度对各区域的生态效率产生的影响与显著性有一定差别。具体来看,人口密度能反映出该地区的生态负荷能力,对辽宁省的生态效率产生了负向影响。这是由于辽宁省作为东北老工业基地和农业大省，经济发展相对滞后，发展水平亟待提高,加之人口基数较大，外来人口不断涌入,对辽宁省的生态环境造成了较大的压力。人口密度对津冀地区和山东地区则产生了正向影响,且山东省通过了5%水平的显著性检验,说明这两个区域在容纳更多人口的同时注重了对生态环境的保护。

表5 Tobit模型回归结果

注:***、**、*分别表示在1%、5%、10%水平下显著；括号内为p值。

经济因素对津冀地区生态效率产生了消极作用,且均未通过显著性水平检验。天津是环渤海地区经济发展和对外开放重要的增长极,但受河北省发展相对落后的影响,对生态环境的贡献度不高。另一方面反映了津冀两地协调发展能力较差,不利于生态水平的提高。类似地还表现在产业结构方面,津冀地区第三产业占GDP比重对生态效率产生了负向影响;人均GDP对山东省产生了显著的积极作用,在1%的水平下通过检验;产业结构对山东省生态效率起到了显著性水平为1%的抑制作用,这是由于2009年以前,山东省第三产业仍以传统服务业为主且各行业占比不均,第三产业劳动力优势不明显[15],制约其产业发展,优化产业结构、促进区域协调发展是今后山东省经济建设的必经之路;辽宁省近年来加强经济建设和对外开放强度,沿海港口城市积极参与“一带一路”和自贸区建设,实际使用外资情况对生态环境的改善起到了显著的促进作用;产业结构对辽宁省生态效率起到了正向作用,说明近年来辽宁省第三产业比重的稳步增长带来了良好的生态效益。

能源强度对津冀和山东地区的生态效率起到了明显的抑制作用,且山东省在5%水平下显著。1990—2014年,山东省能源消费总量持续上涨[16],其中占比最大的是煤炭消费量,表明经济发展依靠能源的大量消耗必然导致生态环境的恶化;河北省也面临着同样的问题,自1985年起能源消费总量不断攀升,截至2015年增长了近6倍,其中煤炭消费量占能源消耗总量的90%,给生态系统带来了巨大压力。能源消费量对辽宁省产生了显著的正向作用,虽然近十年辽宁省的能源消费总量不断增长,但总体增量相对较少、消耗强度明显低于环渤海其他省份。随着辽宁省的经济发展和科技进步,能源利用效率也在不断提升,加上生态文明建设水平逐渐提高,使其与能源强度产生了良性互动。

4 结论与讨论

在运用考虑了非期望产出的SBM模型测算环渤海地区生态效率水平的基础上,本文对各地区、各年份效率值的动态演变特征进行了深入剖析,并结合Tobit回归模型研究了影响各地区生态效率的外部变量,得到以下结论:①2006—2015年,天津、沧州、青岛、东营、烟台、威海、大连7个城市生态效率水平最优,其他城市均出现波动,地区间效率水平差异明显。整体来看,效率值有先下降后上升趋势,并在近几年趋于稳定,变动幅度较小,说明生态文明建设已初显成果,但总体效率值不高,尤其是少数效率均值低于0.5的地区亟需加强生态环境治理力度,合理调整生态投入,减少能源消耗特别是煤炭的使用,降低不利产出。此外,效率处于有效前沿的天津、沧州、青岛、大连等城市应充分发挥自身优势,不断提高对周边地区的辐射带动能力,构建“中心—周边”经济、生态、环境发展格局,促进环渤海各地区间深度合作交流、协调发展,提升整体实力。②从生态效率的发展动态来看,10年间各地技术效率变化态势呈波动型,可见生态文明建设仍处于探索阶段,成效并不显著;技术进步和投入规模方面表现较好,避免了投入过剩造成的浪费现象,而纯技术效率相对落后，是阻碍部分地区全要素生产率提高的主要原因。生态效率的改善需要依靠先进的科学技术,效率偏低地区应多重视高科技人才的培养与吸纳以及高新技术产业的发展,促进企事业单位和政府部门多与高校、科研机构交流学习,注重研发能力的提升。③由Tobit回归模型分析各外部因素对环渤海地区生态效率的影响可知,社会因素对辽宁省产生了负向影响,而对津冀地区和山东省表现出明显的正向影响;经济因素对津冀地区有着不显著的抑制作用,对其他两地效果相反;产业结构和能源强度对津冀地区无显著影响,山东省表现出显著的负向作用,而对辽宁省产生显著的积极作用,说明各外部变量对不同地区的影响程度具有一定差异。因此,为了避免人口给生态环境造成巨大压力,辽宁省应控制人口增速，合理调整城乡人口比例，推进城镇化建设;津冀地区、山东省应积极改善产业及能源消费结构,推进第三产业转型升级,由以工业为导向转为以服务业为导向,与此同时,要树立科学合理的能源消费观,走低污染、低消耗的绿色发展之路,通过产业结构的调整促进能源利用效率的提高,加大新能源研发力度,积极响应国家节能减排政策;各地政府需加强对外开放程度,鼓励提高外资使用,将其更多地投入到生态治理产业中,在推动经济发展的同时加强生态环境建设。

:

[1]付丽娜,陈晓红,冷智花.基于超效率DEA模型的城市群生态效率研究——以长株潭“3+5”城市群为例[J].中国人口·资源与环境,2013,23(4)∶169-175.

[2]潘丹,应瑞瑶.中国农业生态效率评价方法与实证——基于非期望产出的SBM模型分析[J].生态学报,2013,33(12)∶3837-3845.

[3]胡彪,张旭东,程达.京津冀地区城市化效率与生态效率时空耦合关系研究[J].干旱地区资源与环境,2017,31(8)∶56-62.

[4]陆砚池,方世明.基于SBM-DEA和Malmquist模型的武汉城市圈城市建设用地生态效率时空演变及其影响因素分析[J].长江流域资源与环境,2017,26(10)∶1575-1585.

[5]成金华,孙琼,郭明晶.中国生态效率的区域差异及动态演化研究[J].中国人口·资源与环境,2014,24(1)∶47-54.

[6]郑慧,贾珊,赵昕.新型城镇化背景下中国区域生态效率分析[J].资源科学,2017,39(7)∶1314-1325.

[7]覃雄合，孙才志，王泽宇.代谢循环视角下的环渤海地区海洋经济可持续发展测度[J].资源科学,2014,36(12)∶2647-2656.

[8]Charnes A,Cooper W W,Rhodes Eetal.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research,1978,2(6)∶429-444.

[9]Tone K.Dealing with Undesirable Outputs in DEA：A Slacks-based Measure(SBM) Approach[R].Grips Research Report Series,2003.

[10]Tone K.A Slacks-based Measure of Efficiency in DEA Analysis[J].European Journal of Operational Research,2001，(3)∶498-509.

[11]Fare R,Grosskopf S,Lindedgren B,etal.Productivity Changes in Swedish Pharmacies 1980-1989：A Nonparametric Malmquist Approach[J].Journal of Productivity Analysis,1992,3(1)∶85-101.

[12]王文森.变异系数----一个衡量离散程度简单而有用的统计指标[J].中国统计,2007，(6)∶41-42.

[13]彭红松,章锦河,韩娅，等.旅游地生态效率测度的SBM-DEA模型及实证分析[J].生态学报,2017，(2)∶96-101,108.

[14]周华林,李雪松.Tobit模型估计方法与应用[J].经济理论与模型方法,2012，(5)∶105-119.

[15]韩克,刘颖.山东省产业结构分析[J].区域经济,2012，(7)∶102-104.

[16]崔元丽,李月旺.山东省能源消费情况分析及对策[J].智富时代,2016，(12)∶163-165.

[17]赵林,张宇硕,焦新颖.基于SBM和Malmquist生产率指数的中国海洋经济效率评价研究[J].资源科学,2016,38(3)∶461-475.

[18]彭妍,岳金桂,李景理.基于DEA—Tobit的城市生态效率评价及影响因素研究——以江苏省为例[J].环境保护科学,2016,42(4)∶71-78.

[19]胡彪,付业腾.中国生态效率测度与空间差异实证——基于SBM模型与空间自相关性的分析[J].干旱区资源与环境,2016,30(6)∶6-12.