约束条件下中国循环经济发展中的生态效率——基于优化的超效率SBM-Malmquist-Tobit模型

马晓君,李煜东,王常欣,于渊博



约束条件下中国循环经济发展中的生态效率——基于优化的超效率SBM-Malmquist-Tobit模型

马晓君1*,李煜东1,王常欣1,于渊博2

(1.东北财经大学统计学院,辽宁 大连 116025；2.辽宁大学亚澳商学院,辽宁 沈阳 110136)

以中国30个省份、直辖市、自治区的年度面板数据为研究对象,重点将生态资源存量和环境污染造成的经济浪费两项指标纳入新的生态效率评价体系,运用优化的引入非期望产出的超效率SBM模型测算生态效率,再运用Malmquist指数考察全要素生产率(TFP)与生态效率的动态变动关系,最后运用Tobit回归分析探索生态效率主要影响因素的方向、强度和变化趋势,以此度量和展现循环经济发展的整体情况.结果显示:生态效率呈现由东到西、由沿海到内陆逐渐收敛的格局,东部沿海地区和中部、西部内陆地区间,循环经济发展水平存在显著的阶梯式区域失衡;生态效率的集群效应明显,辐射效应不足,不同地区或同一地区的不同省份间,循环经济发展水平同样参差不齐;经济发展引发的生态赤字问题逐步缓解,但在短时间内经济和生态的矛盾依旧存在,西北地区尤为突显;第三产业比重、技术进步、市场开放对生态效率的提升具有积极作用且趋于强化;政府规制、人口密度对生态效率的提升也具有积极作用但趋于减弱;第二产业比重、能源结构对生态效率的改善存在负面影响亦趋于强化.

循环经济；生态效率；优化的超效率SBM模型；Malmquist指数；影响因素

中国经济长期粗放式、掠夺式发展,不仅造成自然资源的过度消耗和惊人浪费,而且造成生态系统的巨大污染和严重破坏.如果说在过去高速增长时期,生态系统的回旋余地还比较大的话,那么进入新时期,经济规模的继续扩大和资源、环境消耗的继续增加将导致生态系统的硬约束和刚性压力日益强化[1],依靠大量消耗不可再生资源来实现经济快速增长的局面更加难以为继,经济增产的空间在很大程度上取决于能否转向绿色、低碳的可持续增长方式[2].

循环经济思想起源于Boulding[3]的宇宙飞船经济理论,其概念最早由Pearce等[4]提出.21世纪初,循环经济理念被阶段性地引入,因不断追求更大经济效益、更少资源消耗和更低环境污染的现代发展理念和模式,在中国得以迅速发展.韩瑞玲等[5]、黄和平[6]基于生态效率构建循环经济的度量模型.刘炳麟等[7]改进生态效率度量模型,引入脱钩指数及灰色关联分析方法分析辽宁、江西、江苏3个省份循环经济发展模式的变化轨迹.程晓娟[8]、赵玥等[9]针对各自研究区域,建立生态效率评价指标体系/框架,测度生态效率的变化趋势及对循环经济发展的影响.由此观之,生态效率是循环经济发展关注的永恒主题,如何精准、系统地测算、评价和提高生态效率成为循环经济发展的核心.

生态效率[10-11]定义为在提供满足人类需求和提高生活质量的竞争性定价商品与服务时,使整个生命周期的生态影响与资源强度逐渐降低到至少与地球的估计承载能力一致的水平,即以最少的自然界投入创造更多的福利.现阶段,生态效率被割裂成2个单独的研究领域:一是能源效率(RE),二是环境效率(EE).测算能源或环境效率的主流方法是DEA及其衍生模型:Apergis等[12]、马晓君等[13]、Wang等[14]、W u等[15]、Song等[16]、Sueyoshi等[17]和Mahdiloo等[18]先后运用引入非期望产出的SBM模型、超效率DEA模型和两阶段DEA模型等,从国家、地区和城市层面或者从产业、行业和企业层面,对能源或环境效率进行了测算.然而,单纯测算能源或环境效率的生态和经济意义不明显,将之与其他方法结合可以更清晰地说明问题症结、接近问题本质:一些学者将效率值与Malmquist生产率指数结合,探讨全要素生产率(TFP)及其结构性效率与能源或环境效率之间的动态联系,如王兵等[19]、刘丹丹等[20]和Wu等[21];或与Tobit回归分析结合,从静态层面测度能源或环境效率影响因素的方向和强度,如王俊能等[22]、Zhou等[23]和Zhang等[24];或与时间序列分析、空间计量模型结合,揭示能源或环境效率在时间和空间上的分异特征,如王强等[25]、张志辉等[26].随着研究不断深入,能源和环境效率研究框架的局限逐渐突显,因此系统整合能源和环境效率成果势在必行,一些学者已经尝试对生态效率进行整体研究,如Yu等[27]、Huang等[28]、成金华等[29]和李在军[30],但在生态效率内生结构性变动和外生影响因素动态关系的研究仍不完善,基于循环经济理论对生态效率的研究则更为稀少.

此外,学者在生态效率测算和评价体系的研究上仍存争议.谢园园等[31]在理论层面将生态效率与循环经济相结合,构建较为独特的循环经济的生态效率度量模型.杨斌[32]将工业三废纳入到投入指标,陈武新等[33]在工业三废指标基础上,添加地区生产总能耗、地区生产总电耗两项投入指标,王恩旭等[34]则在工业三废指标的基础上添加耕地面积、建设用地面积、用水总量、能源消费总量四项投入指标.显然,工业三废在生态上属于污染物排放,在经济上属于生产活动附属的非期望产出,不加区分地将其视为经济建设的必要投入指标在理论上存在双重矛盾.

总体来看,生态效率研究在以下方面仍有欠缺:第一,生态效率研究割裂,基于循环经济理论对生态效率进行整体性、系统性研究较少.第二,投入指标未兼顾能源和环境指标在生态和经济意义上的协调和有机结合;产出指标中,期望产出指标长期单方面强调经济产出价值而忽视衡量生态系统质量的表征性指标,非期望产出则不重视相关污染治理过程中的经济浪费.第三,期望产出和非期望产出的处理方式不明确甚至混为一谈,即使采用取倒数的方法处理仍不能真实展现其对生态环境造成的负面效应.第四,生态效率影响因素的研究停留在静态层面,未能充分反映影响因素随着循环经济不断发展而动态变化的趋势.

综上所述,本文在以下方面进行创新:第一,整合资源效率(RE)和环境效率(EE)的研究成果,突出生态系统(资源和环境)的整体性和系统性.第二,重点将生态资源存量的表征性指标以及为治理环境污染造成的经济浪费指标纳入新的生态效率评价体系.第三,运用优化的引入非期望产出的超效率SBM模型测算中国不同地区的生态效率,运用Malmquist指数考察全要素生产率(TFP)与生态效率的动态变动关系,结合Tobit回归分析方法探索生态效率主要影响因素的方向、强度和变化趋势.基于中国30个省份、直辖市、自治区(不包括西藏、香港、澳门和台湾)的年度面板数据,挖掘不同地区之间生态效率的基本特征,提出未来循环经济发展中亟待采取的重要举措.

1 研究方法

1.1 引入非期望产出的超效率SBM模型

Tone[35]于2002年提出了一种非径向DEA模型——基于松弛变量(SBM)评价决策单元 (DMU)效率的方法,与传统BCC和CCR模型相比,SBM模型直接将松弛变量纳入到目标函数中,使模型的经济解释是使实际利润最大化,而不仅是效益比例最大化.同年,Tone又提出了超效率SBM模型,用于评价SBM有效的DMU,以此弥补不能将所有DMU效率值计算出来的缺陷.超效率SBM评价时需要先对DMU使用SBM模型评价,对SBM有效的DMU再运用超效率SBM进行评价.

1.2 Malmquist生产率指数

Malmquist指数方法是在DEA方法的基础上提出的,既可计算全要素生产率(TFP),又可将其分解为技术进步变化、纯技术效率变化、规模效率变化,可以更好地了解生产率的构成及其动态变化趋势.根据Fare等[36]、Grosskopf等[37]的研究,从时期到+1时期,Malmquist指数可以表示成:

根据Fare等[36]在VRS(规模报酬可变)的假设下,将Malmquist生产率指数分解为相对技术效率变化(effch)和技术进步变化(techch)两部分,其中技术效率变化又可进一步分解为纯技术效率变化(pech)和规模效率变化(sech),因此,式(3)可以分解为:

1.3 Tobit回归分析

通过SBM模型得到的生态效率,除了由选择的投入产出指标生成之外,还受到其他因素的影响,为了测度生态效率主要影响因素的方向、强度,逐渐衍生出两阶段法.第一步通过上述讨论的SBM模型评估出DMU的生态效率值,第二步以第一步中得出的生态效率值作为因变量,以影响因素作为自变量,建立回归模型,通过自变量的系数判断影响因素对生态效率的影响方向和强度.

Tobit回归分析是因变量受限模型的一种,当因变量为切割值或片段值时采用[38-39].回归模型形式可以写为:

1.4 循环经济的生态效率评价体系及数据来源

循环经济的本质是经济,外延是生态、社会和经济的关系[40],因此投入产出指标的设置要兼顾核心和外延的平衡.本文以Rasche[41]建立的三要素生产函数为蓝本,参考邱寿丰等[42]、李胜兰等[43]的研究结果进行创新:

1.4.1 投入指标 (1)自然资源投入指标:自然资源投入选取能源消费总量(不可再生资源)和水资源消耗总量(可再生资源)两项.由于不同地区的能源消费种类和量纲不一,将主要一次性能源(煤炭、石油、天然气)消费量统一转换成万t标准煤单位进行加总.水资源消耗总量以各地区用水总量表示.

(2)劳动力资源投入指标:为实现生态效率指标与经济要素中劳动生产率指标的可比性,劳动力投入选取城镇单位就业人员、私营企业和个体就业人员的总和,由于缺少教育水平数据,所以假设劳动力在质量上无差异.

(3)资本投入指标:资本投入选取固定资产投资总额,以2011年为基期进行不变价缩减.一方面,区别于无形资产,固定资产建设中资源、环境的投入成本更为巨大且直接;另一方面,区别于资本存量,资本增量更直观地展现当年投入的盲目性.

(4)土地投入指标:土地作为一种稀缺资源,具有自然和经济双重属性,而且土地性质的排他性决定了土地用途在同一时点上的唯一性,或承载生态环境的延续,或与劳动、资本的结合实现经济增长,故选取城市建设用地面积作为土地投入.

1.4.2 产出指标 产出指标的选取不仅包括经济增长指标,还包括生态资源存量指标,既能体现人类在经济活动中创造产品和服务的增加值,又能兼顾生态系统的发展质量,保有更多森林、湿地等表征性生态资源,使人类拥有更舒适、更宜居的生存环境.

(1)期望产出指标:期望产出指标选取不同省份、自治区、直辖市的生产总值(地区GDP),以2011年为基期进行不变价缩减,同时,还选取绿化覆盖面积来度量不同地区生态系统的生态资源存量.

(2)非期望产出指标:非期望产出会带来经济和生态的双重负效应,既削弱经济发展的实际成果,又造成资源的浪费和环境的破坏,因此选取工业三废(废水、废气、固体废物)排放总量的同时,将环境污染治理投资总额作为经济浪费亦计入非期望产出.

本文考虑到指标的科学性、稳定性和可操作性,结合中国现有统计数据的实际情况,确立研究范围为中国30个省份、直辖市、自治区(不包括西藏、香港、澳门和台湾),样本为2011~2015年的年度面板数据.研究数据均来自于2011~2016年各个省份、直辖市、自治区的统计年鉴、《中国统计年鉴》、《中国环境年鉴》、《中国城乡建设统计年鉴》.

2 实证分析

2.1 中国生态效率测算

不同省份、直辖市、自治区生态效率的规模报酬一般认为是可变的,而且在既有期望产出基础上,寻求投入和非期望产出的最小化,以达到更高的效率,因此利用规模报酬可变(VRS)条件下的超效率SBM模型进行综合分析,如果出现无解的情况则采用FPA改进方法重新计算.本文运用MaxDea6.3专业版软件得到的结果如下.

图1 2011~2015年中国三大经济区划生态效率值

从全国来看,生态效率呈现由东到西、由沿海到内陆逐渐收敛的格局,东部沿海地区和中部、西部内陆地区间,循环经济发展水平存在显著的阶梯式区域失衡,如图1所示.东部沿海地区的生态效率平均值是中部地区的1.65倍,是西部地区的1.48倍.从经济发展条件看,东部地区具有先天区位优势,地理位置优越,紧邻东部沿海,交通运输便利;优质资源集中,资金、技术、人才供给充足;营商环境良好,与海外有传统的经济联系;同时国家对东部地区的政策扶持时间最早、力度最大,因此东部地区最早实现传统经济模式向循环经济模式的转型,生态资源的高效利用和循环利用初具规模.反观中部和西部地区省份无一不是深居内陆,缺乏优质的先天区位条件,而且大多数长期倚重第二产业的发展,消耗大量资源和环境的同时造成严重污染和破坏,因此循环经济的发展相对滞后,从传统模式向绿色、低碳模式过度和转型还有很长的路要走.

图2 2011~2015年中国七大地理区划生态效率值

从地区来看,生态效率的集群效应明显,辐射效应不足,不同地区或同一地区不同省份间,循环经济发展水平同样参差不齐,如图2和表2所示.生态效率平均值最高且有效的是华南、华北和华东3个地区,约为全国平均水平的1.33倍、1.19倍和1.05倍;生态效率平均值较低且无效的是西北、东北、华中和西南4个地区,仅为全国平均水平的99%、88%、86%和72%.在生态效率最高的3个地区中,华南地区的广东省和海南省,华北地区的北京市、天津市,华东地区的上海市、浙江省最具代表性,在测算期内生态效率平均值连续保持高度有效状态,然而同一地区内的其他省份却连年处于无效状态.综合对比区位条件不难发现,生态效率有效地区在地理位置上相互接壤,在经济建设中能够最大限度地保证资源和环境的集约利用,形成了明显的内部集群效应.然而生态效率有效地区起到的辐射带动作用可说是寥寥无几,生态效率无效地区发展局面并未发生转变,没有能够享受到有效地区高速发展带来的便利和好处,在测算期内生态效率平均值仍是连年持续低迷,经济发展所带来的生态赤字问题依旧严重,亟需释放循环经济发达地区的辐射带动能力助力于本地发展.值得一提的是,西北地区青海省的生态效率在测算期内始终保持有效状态,这与积极推行国家制定的环保政策以及劳动力向外转移相关.

表2 2011~2015年中国30个省份的生态效率值

从不同省份生态效率的变动趋势来看,中国循环经济的发展前景依然严峻,如表2所示.中国生态效率长期有效的省份共11个,占36.67%,其中位于前5名的省份分别是天津、青海、海南、广东和北京;长期无效的省份共19个,占63.33%,其中最严重的5个省份为山西、湖北、云南、甘肃和新疆.据此判断,生态系统与经济、社会发展之间的关系基本处于中等偏下水平,生态环境恶化问题尚未得到有效遏制,经济、社会可持续发展尚面临挑战,三者之间的矛盾在短时间依然存在且尖锐.此外,牺牲生态环境换取经济增长、生态保护让位经济发展的现象仍然非常普遍,一些地区是因为承担着艰巨的发展和建设任务,如湖北省;一些地区是因为面临迫切的转型和升级压力,如辽宁省.湖北省早在十二五规划中已明确提出推进绿色、低碳新发展,但肩负着繁重且迫切的基础设施建设、老城区改造、交通枢纽布局等战略重任,因此生态效率整体水平连年无效,生态和经济、社会之间的关系仍较为吃紧且亟待改善.辽宁省作为共和国长子长期肩负甚至倚重重工业的发展,一度制造和积聚了大量落后和过剩产能,随着国家振兴东北老工业基地战略的实施,在十二五规划期间积极尝试经济结构的调整,对生态环境起到了良好的保护效果,然而经济结构的调整并非一蹴而就的过程,因此循环经济发展模式的进一步实施和监管仍需加强.

2.2 Malmquist指数分析

本文采用Malmquist指数对全要素生产率(TFP)及其分解得到的结构性效率进行计算,结果如表3所示.

表3 2011~2015年中国30个省份环境效率的动态变化

由表3结果可知,2011~2015年Malmquist指数平均值均大于1,在1.046左右且波动幅度较小,说明生态效率逐步改善,循环经济的整体趋势向着良好的方向发展.从地区来看,华南、华北、华东3个地区仍然是循环经济发展最前沿的地区,在所有Malmquist指数大于1的省份中占50%;东北、华中、西南3个地区成长为循环经济崛起最迅速的地区,在所有Malmquist指数大于1的省份中占45%;西北地区循环经济的发展则相对滞后,其中Malmquist指数大于1的省份仅有陕西一省,在促进循环经济发展水平和生态效率提高上仍然面临巨大的压力.此外,北京市、上海市和广东省的Malmquist指数平均变动小于1,通过对Malmquist指数的分解可以看出,技术进步效率和纯技术效率均大于1,说明在环境整治和污染控制等方面具有政策和技术优势;但是规模效率小于1,说明在循环经济发展中存在规模不经济的问题,有过度投资、资源闲置的可能.

2.3 生态效率影响因素分析

根据环境库兹涅茨曲线(EKC)理论,环境效应可分解为规模、结构、技术、环境政策与管制等几个方面的效应[44].本文在此基础上参考马晓君等[13]、刘丹丹等[20]和王俊能等[22]的研究成果,结合循环经济中生态效率的评价体系,建立如下Tobit回归方程:

式中:EEI为第省份生态效率值;SR为第省份第二产业增加值占地区GDP比重,TR为第省份第三产业增加值占地区GDP比重,表示经济结构效应;RD为第省份R&D(研究与开发)经费支出占地区GDP比重,表示技术进步效应;DT为第省份进出口贸易总额占地区GDP比重,表示市场开放效应;MI为第省份环境污染治理投资占地区GDP比重,表示政府规制效应;EC为第省份煤炭消费总量占地区能源消费总量比重,表示能源结构效应;PD为第省份人口密度;为待定系数;为随机误差项.通过Eviews5.0软件计算得到结果,如表4所示.

表4 生态效率影响因素回归分析结果

注: ***为1%水平下显著,**为5%水平下显著,*为10%水平下显著.

第二产业比重、技术进步、市场开放、政府规制、能源结构和人口密度对生态效率的影响存在积极作用,且至少通过了10%水平的显著性检验.各个省份的第三产业比重、技术进步、市场开放程度与生态效率均呈现正相关关系且影响程度逐渐加强,说明第三产业的蓬勃发展不仅创造更高的经济附加值,而且减少资源、环境的消耗,随着经济规模的不断扩大,政府和企业拥有更多的资金用于高新技术的研究与开发,逐步加强在对外开放中的综合竞争力,提高经济效率;同时,经济效率的提高,使得在高新技术研发和国际贸易取得的优势进一步强化,稳步促进生态效率的改善且实现良性循环.

政府规制、人口密度与生态效率亦呈现正相关关系但影响程度逐渐减弱.说明政府环境污染治理资金的大力投入和人口密度的提升的确有利于生态效率的改善,会不断要求完善城市功能、调整产业结构、优化空间布局和共享环保设施.需要指出的是,如果政府环境污染治理资金依旧长期忽视使用效率,人口规模依旧超出环境容量继续出现过载,对生态效率的积极作用不仅会逐渐减弱,甚至会转变为消极作用.

第二产业比重、能源结构对生态效率的改善具有负面影响,若得不到及时、有效的处理,对生态效率的负向影响会持续恶化.第二产业比重、能源结构与生态效率呈现负相关关系,说明第二产业的发展水平、煤炭等化石能源的利用效率,仍然处于比较低端的地位,需要付出比较高昂的生态代价,因此亟需突破传统的粗放型发展模式,整体提升经济发展中资源、环境开发和利用的科学性和技术性.

总体来看,经济发展虽沿袭传统的粗放型发展模式但有所改善,绿色、低碳、循环的规模化结构转型已经开始却尚未真正到来.

3 建议

消除循环经济发展两极化严重,需要继续坚持区域协调发展战略.积极推动不同地区、不同省份间的协同发展、共同治理,加强东部沿海地区优质资源向中部和西部地区的跨区域转移,加强生态效率有效地区先进经验向无效地区的跨区域推广,助力全国循环经济实现均衡、协调发展.

破解循环经济发展模式普及缓慢,需要继续坚持创新驱动发展战略.保持循环经济前沿地区的良好发展态势,加快崛起地区的布局和调整,刺激发展滞后地区的转型和升级.以制度创新、技术创新、发展方式创新等手段,促使发展理念从以量取胜向以质取胜转变,逐步扭转中国资源消耗强度大、环境污染严重、生态系统退化的严峻局面.

面对政府规制、人口密度促进效果减弱,第二产业、能源结构抑制效果加强,需要继续坚持供给侧结构性改革,深化结构调整、优化、升级.增强政府规制的执行力,提高政府支出中生态环境治理资金的使用效率;促进人口的合理配置和自由流动;大力发展第三产业特别是现代服务业,加快转变以第二产业为主的经济发展模式和以煤炭为主的能源利用模式,着力提高供给体系质量和效率,增强经济持续增长动力,实现循环经济良性发展.

4 结论

4.1 中国生态效率呈现由东到西、由沿海到内陆逐渐收敛的格局,东部沿海地区和中部、西部内陆地区间,循环经济发展水平存在显著的阶梯式区域失衡,循环经济的发展严重两极化.

4.2 中国生态效率的集群效应明显,而辐射效应不足,不同地区或同一地区不同省份间,循环经济的发展水平同样参差不齐.华南、华北和华东3个地区的生态效率位列前3位,高于全国平均水平且保持有效,西北、东北、华中和西南4个地区的生态效率位列4~7位,低于全国平均水平且有持续无效的趋势.

4.3 中国经济发展引发的生态赤字问题逐步缓解,循环经济的基本模式初步确立.华南、华北和华东3个地区成为循环经济发展最前沿的区域;东北、华中和西南3个地区成长为循环经济崛起最迅速的区域;西北地区循环经济的发展则相对滞后.

4.4 第三产业比重、技术进步、市场开放对生态效率的提升具有积极作用且趋于强化.政府规制、人口密度对生态效率的提升也具有积极作用但趋于减弱.第二产业比重、能源结构增加对生态效率的改善具有负面影响且趋于强化.

[1] 王一鸣.中国经济新一轮动力转换与路径选择 [J]. 管理世界, 2017,(2):1-14.

[2] 王一鸣.加快转变经济发展方式关系现代化建设全局 [J]. 经济研究, 2011,46(10):16-20.

[3] Boulding K. The economics of the coming spaceship Earth [J]. The Earthscan Reader in Environmental Economics, 1992:27-35.

[4] Pearce D W, Turner R K. Economics of natural resources and the environment [M]. New York: Harvester Wheat-sheaf, 1990:215-289.

[5] 韩瑞玲,佟连军,宋亚楠.基于生态效率的辽宁省循环经济分析 [J]. 生态学报, 2011,31(16):4732-4740.

[6] 黄和平.基于生态效率的江西省循环经济发展模式 [J]. 生态学报, 2015,35(9):2894-2901.

[7] 刘柄麟,汪 欢,胡 晴,等.基于生态效率的区域循环经济发展实证研究——以江苏省为例[J]. 环境工程技术学, 2017,7(2):216-224.

[8] 程晓娟.湖南省循环经济发展的生态效率测度——基于2001年—2010数据的实证 [J]. 石家庄经济学院学报, 2013,36(4):54-59.

[9] 赵 玥,李梅芳.循环经济视角下山东蓝色经济区生态效率研究——基于DEA方法的实证分析 [J]. 环境保护与循环经济, 2015, 35(7):21-24.

[10] Schaltegger S, Sturm A. Ökologische Rationalität: Ansatzpunkte zur Ausgestaltung von ökologieorientierten Managementinstrumenten [J]. Die Unternehmung, 1990,44(4):273-290.

[11] Schmidheiny S, Stigson B. Eco-efficiency: creating more value with less impact [M]. World Business Council for Sustainable Development, 2000:5-36

[12] Apergis N, Aye G C, Barros C P, et al. Energy efficiency of selected OECD countries: A slacks based model with undesirable outputs [J]. Energy Economics, 2015,51:45-53.

[13] 马晓君,魏晓雪,刘 超,等.东北三省全要素能源效率测算及影响因素分析 [J]. 中国环境科学, 2017,37(2):777-785.

[14] Wang Q, Zhao Z, Shen N, et al. Have Chinese cities achieved the win–win between environmental protection and economic development? From the perspective of environmental efficiency [J]. Ecological indicators, 2015,51:151-158.

[15] Wu J, Xiong B, An Q, et al. Total-factor energy efficiency evaluation of Chinese industry by using two-stage DEA model with shared inputs [J]. Annals of Operations Research, 2017,255(1/2):257-276.

[16] Song M, Zhang G, Zeng W, et al. Railway transportation and environmental efficiency in China [J]. Transportation Research Part D: Transport and Environment, 2016,48:488-498.

[17] Sueyoshi T, Goto M, Snell M A. DEA environmental assessment: measurement of damages to scale with unified efficiency under managerial disposability or environmental efficiency [J]. Applied Mathematical Modelling, 2013,37(12/13):7300-7314.

[18] Mahdiloo M, Saen R F, Lee K H. Technical, environmental and eco-efficiency measurement for supplier selection: An extension and application of data envelopment analysis [J]. International journal of production economics, 2015,168:279-289.

[19] Wu A H, Cao Y Y, Liu B. Energy efficiency evaluation for regions in China: an application of DEA and Malmquist indices [J]. Energy efficiency, 2014,7(3):429-439.

[20] 刘丹丹,赵颂扬旸,郭 耀.全要素视角下中国西部地区能源效率及影响因素 [J]. 中国环境科学, 2015,35(6):1911-1920.

[21] 王 兵,吴延瑞,颜鹏飞.中国区域环境效率与环境全要素生产率增长 [J]. 经济研究, 2010,45(5):95-109.

[22] 王俊能,许振成,胡习邦,等.基于DEA理论的中国区域环境效率分析 [J]. 中国环境科学, 2010,30(4):565-570.

[23] Zhou Y, Xing X, Fang K, et al. Environmental efficiency analysis of power industry in China based on an entropy SBM model [J]. Energy Policy, 2013,57:68-75.

[24] Zhang J, Zeng W, Shi H. Regional environmental efficiency in China: Analysis based on a regional slack-based measure with environmental undesirable outputs [J]. Ecological indicators, 2016,71:218-228.

[25] 王 强,樊 杰,伍世代.1990~2009年中国区域能源效率时空分异特征与成因 [J]. 地理研究, 2014,33(1):43-56.

[26] 张志辉.中国区域能源效率演变及其影响因素 [J]. 数量经济技术经济研究, 2015,32(8):73-88.

[27] Yu Y, Chen D, Zhu B, et al. Eco-efficiency trends in China, 1978~ 2010: Decoupling environmental pressure from economic growth [J]. Ecological Indicators, 2013,24:177-184.

[28] Huang J, Yang X, Cheng G, et al. A comprehensive eco-efficiency model and dynamics of regional eco-efficiency in China [J]. Journal of Cleaner Production, 2014,67:228-238.

[29] 成金华,孙 琼,郭明晶,等.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.

[30] 李在军,姚云霞,马志飞,等.中国生态效率的空间格局与影响机制分析 [J]. 环境科学学报, 2016,36(11):4208-4217.

[31] 谢园园,傅泽强.基于生态效率视角的循环经济分析 [J]. 生态经济, 2012,(9):49-51.

[32] 杨 斌.2000—2006年中国区域生态效率研究——基于DEA方法的实证分析 [J]. 经济地理, 2009,29(7):1197-1202.

[33] 陈武新,吕秀娟.中国区域生态效率差异的实证分析 [J]. 统计与决策, 2009,(7):107-108.

[34] 王恩旭,武春友.基于超效率DEA模型的中国省际生态效率时空差异研究 [J]. 管理学报, 2011,8(3):443-450.

[35] Tone K. A slacks-based measure of super-efficiency in data envelopment analysis [J]. European Journal of Operational Research, 2002,143(1):32-41.

[36] Färe R, Grosskopf S, Lindgren B, et al. Productivity changes in Swedish pharamacies 1980~1989: A non-parametric Malmquist approach [M]//International Applications of Productivity and Efficiency Analysis. Springer Netherlands, 1992:81-97.

[37] Grosskopf S, Norris M, Zhang Z. Productivity Growth, Technical Progress and Efficiency Changes in Industrialised Countries [J]. American Economic Review, 1994,84(1):66-83.

[38] 郭 彬,逯雨波.我国中部六省节能减排效率测评及其影响因素分析——基于超效率DEA模型和Tobit模型 [J]. 技术经济, 2012, 31(12):58-62+76.

[39] 佟金萍,马剑锋,王 圣,等.长江流域农业用水效率研究:基于超效率DEA和Tobit模型 [J]. 长江流域资源与环境, 2015,24(4):603-608.

[40] 陆 学,陈兴鹏.循环经济理论研究综述 [J]. 中国人口.资源与环境, 2014,24(S2):204-208.

[41] Rasche R H, Tatom J A. Energy resources and potential GNP [J]. Federal Reserve Bank of St. Louis Review, 1977,59(6):68-76.

[42] 邱寿丰,诸大建.我国生态效率指标设计及其应用 [J]. 科学管理研究, 2007,25(1):20-24.

[43] 李胜兰,初善冰,申 晨.地方政府竞争、环境规制与区域生态效率 [J]. 世界经济, 2014,37(4):88-110.

[44] 胡 聃,许开鹏,杨建新,等.经济发展对环境质量的影响——环境库兹涅茨曲线国内外研究进展 [J]. 生态学报, 2004,24(6):1259-1266.

Ecological efficiency in the development of circular economy of China under hard constraints based on an optimal super efficiency SBM-Malmquist-Tobit model.

MA Xiao-jun1*, LI Yu-dong1, WANG Chang-xin1, YU Yuan-bo2

(1.School of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China；2.Asia Australia Business College, Liaoning University, Shenyang 110136, China)., 2018,38(9)：3584~3593

In this paper, a novel ecological efficiencyevaluation system was proposed which considered both the indicator of ecological resources and the indicator of economic waste caused by environmental pollution. Firstly, an optimized super efficiency SBM model was used to calculate the ecological efficiency of China by introducing the non-expected output in the model. Then, Malmquist index method was used to examine the dynamic changes between Total Factor Productivity (TFP) and ecological efficiency. Finally, Tobit regression model was applied to explore the directions, intensities and dynamic trends of the main factors affecting the ecological efficiency. The new ecological efficiency evaluation system could help us to capture the overall situation of circular economy development in China. By analyzing the annual panel data of 30provinces in China, the empirical results showed that, there existed a gradual convergence pattern in the ecological efficiency from east to west and from the coast to the inland. There also existed a significant step-by-step regional imbalance in the development of circular economy between the eastern coastal areas and the central and western inland areas. The cluster effect of ecological efficiency was obvious, while the radiation effect was not so evident. The development of circular economy was also uneven in either different regions or different provinces of the same region. The deficit in the ecosystem triggered by economic development was gradually reduced, but the contradiction between economy and ecology still existed in the near future, especially in the northwest region. The proportion of tertiary industries, technological progress and market opening level had a significant positive effect on the promotion of ecological efficiency and the impacts were strengthening more and more. Government regulation and population density had a significant positive effect on the improvement of ecological efficiency but the impacts were weakening gradually. The proportion of secondary industries and the structure of energy had a significant negative impact on the improvement of ecological efficiency and the impacts were strengthening more and more.

circular economy；ecological efficiency；optimized super efficiency SBM model；Malmquist index；influence factors

X22

A

1000-6923(2018)09-3584-10

马晓君(1978-),女,辽宁抚顺人,副教授,博士,研究方向为宏观经济统计.发表论文30余篇.

2018-03-07

国家社会科学基金资助项目(17BTJ020);国家自然科学基金资助项目(71772113,71272010);教育部人文社会科学研究资助项目(18YJC910013);辽宁省教育厅资助项目( LN2016YB026);辽宁省哲学社会科学规划基金资助项目(L17BTJ003,L16BTJ001)

* 责任作者, 副教授, maxiaojun@dufe.edu.cn