浙江省生态效率区域差异及影响因素分析

韩吉媛 周红蕾 俞雅乖

摘 要：利用超效率DEA模型对2010—2017年浙江省11个地市的生态效率进行了测算，结果显示：浙江省整体上生态效率表现较好，但存在明显的区域差异，浙东北地区平均值高于浙西南地区。2010—2017年间各地市之间的生态效率差距呈扩大趋势，存在σ发散特征。进一步使用Tobit模型对浙江省生态效率影响因素进行研究，发现金融聚集程度、科技创新水平对生态效率产生显著正向影响，城镇化水平与生态效率存在明显的U型关系。为提高区域生态效率，应提升区域金融聚集度，加强绿色技术创新能力，加速产业升级，推进新型城镇化发展。

关 键 词：生态效率;区域差异;影响因素;超效率DEA

DOI：10.16315/j.stm.2019.03.010

中图分类号： F062.2

文献标志码： A

Abstract：This paper used superefficient DEA model to measure ecological efficiency of 11 cities in Zhejiang province from 2010 to 2017. The result shows that the level of ecological efficiency of Zhejiang province is fairly great as a whole， however， there are significant disparities between different regions， and the average level of Northeast cities is higher than that of southwest cities in Zhejiang province. The gap of ecological efficiency between different cities is tend to be widen from 2010 to 2017， which demonstrates σ divergence. Based on the research of determining factors with Tobit model， this paper finds that the density of finance and the level of innovation are positive relevant with ecological efficiency， while there is a clear Ushaped relationship between urbanization level and ecological efficiency. Thus， in order to promote ecological efficiency， it is supposed to improve the density of reginal finance， enhance the ability of technology innovation， accelerate industrial upgrading and promote the development of new urbanization.

Keywords：ecology efficiency; regional disparity; determining factors; superefficient DEA model

我國改革开放已经进入攻坚克难的阶段，经济发展与环境问题的矛盾日益凸显。伴随着长期的粗放扩张发展方式，资源匮乏及生态恶化问题日益加剧，中国经济亟待向绿色发展转型。“中国制造2025”提出贯彻生态文明建设，强化绿色发展才是解决资源环境制约问题的唯一出路。经济发展不应只考虑经济效益的增加，更应将生产活动中对生态环境的影响纳入考量范围;因此，如何通过最少的资源损耗和最小的环境代价实现最优的经济产出，提高生态效率是我国社会现阶段面临的重要议题。浙江省作为我国首批生态省建设试点省份，十几年来生态建设成果显著，以占全国3.9%的资源消耗量支撑了全国6.9%的GDP，在东部地区可持续发展中具有重要的代表性。由于经济发展水平的差距和产业结构的不同，浙江省内各地市生态建设水平不一。本文通过测算浙江省2010—2017年各地市生态效率，分析区域间差异变化趋势，剖析生态效率的影响因素，提出相应对策建议，有利于提升浙江省生态效率水平，保持区域经济与生态环境的协同发展，对我国其他东部省份生态效率的提高具有借鉴意义。

1 文献回顾

生态效率是指经济体消耗的资源及造成的环境负荷与产出价值的比值。这一概念讨论了经济活动产生的经济价值与环境污染的关系[1]，1992年，世界可持续发展工商业委员会（WBCSD）认为生态效率的实现应提供能满足人类需要和提高生活质量的商品和服务，同时使环境影响和能源消耗逐渐降低到一定水平[2]。此后，经合组织又进一步扩大了生态效率的应用范围，将其引入政府、工业企业及其它组织[3]，在发展中逐步具体化。对某一范围内地区来讲，其核心思想是尽可能减少对环境造成的负面影响即环境投入，创造最多的经济价值，实现经济效益和环境效益的统一[4]。目前，对生态效率的研究已从内涵、研究意义等理论探索拓展到实证研究，研究范围覆盖产业、行业、企业、省域等层面。国外学者Alves等[5]衡量了巴西微小型企业的生态效率，提出企业竞争力与生态效率存在密切联系。Michael等[6]采用联合应用生命周期评估（LCA）和生命周期成本核算（LCC）来评估地区木材资源的生态效率。我国学者梁星[7]利用熵权法对中国2006—2015年30个省的生态效率进行综合评价，认为经济发展水平、产业结构等与生态效率间存在非线性关系。曹俊文等[8]通过测算长江经济带11省市的生态效率，考察了其收敛性和追赶效应。

生态效率衡量方法较为丰富，大体可分为比值法、指标法和模型法，方法的选择取决于研究目的和所能获得的指标信息。比值法使用较为简便，但无法区分不同的环境影响，不能客观反映复杂环境。指标体系法增加了衡量指标的维度，但是在选择权重时可能受到研究者主观因素的影响。模型法中较为普遍的是以数据包络分析（date envelope analysis，简称DEA）为代表的非参数方法，因为该方法无需自行确定权重，不需要对变量作函数假设，减少了主观因素对评价结果的干扰，因而被普遍采用。Charnes等[9]在规模报酬假设下运用线性规划原理，首次提出了技术效率的测定方法，成为DEA方法测度效率的基础。此后，DEA模型经过多次发展，Lidia等[10]运用多目标DEA模型评价农业实践的生态效率，评价环境影响和农业生产以实施改进计划。徐杰芳等[11]采用超效率DEA方法测算我国煤炭资源型城市的生态效率，并利用Malmquist指数对煤炭资源型城市的生态效率进行了分解。Liu等[12]使用 RSTDEA 方法测算中国各地区水体系的生态效率，发现生态效率存在区域差异。杨志江等[13]将非期望产出纳入指标体系，通过SBMDEA模型测度了中国省际的绿色发展效率。通过回顾文献可知，生态效率的测度实际上提供了一种在特定时期内对某一经济体生态和经济效益综合业绩进行评价的手段。对生态效率的关注有助于监控经济运行的健康程度，减少生产过程中的非期望产出比率，实现生产活动与生态环境的协调发展。

2 浙江省区域生态效率测度方法

2.1 建立评价模型

区域生态效率评价是一个多投入单产出的效率测度问题，本文选择采用Banker等[14]提出的超效率DEA模型解决该问题。传统DEA模型通过构建出一个包含若干个决策单元（DMU）的相对有效的前沿面，计算出各个DMU相对于效率前沿面的水平，该相对值即反映了该DMU的效率水平。当效率值大于1时，决策单元为DEA有效;小于1时，则为DEA无效。超效率DEA模型的关键在于能够在传统DEA模型的基础上，将有效决策单元分离，计算在技术效率不变的基础上DMU能够减少的产出的比例，从而比较大于1的DMU之间的效率水平。超效率DEA模型可以表示如下：

2.2 指标建立与数据来源

区域生态效率的测量需要考虑投入和产出2个方面。从产出的角度看，主要是社会经济效益的创造，多数学者采用地区生产总值衡量。投入则包括了2个方面，一是能源的消耗，即在生产活动中经济体必需投入的自然资源，如煤炭等化石燃料;二是环境的损耗，是由于生产活动所造成的一定程度环境污染，如废水排放等。本文在成金华等[15]、付丽娜等[16]的研究基础上，选取了资源消耗型指标和环境损耗型指标为投入指标，产出指标则为社会经济效益总量，确定了浙江省生态效率的评价体系，如表1所示。

本文选取浙江省11个地级市的相关指标数据，样本时期为2010—2017年。地区生产总值、能源消费总量、用水总量、地区就业人数数据来自于历年的《浙江省统计年鉴》、《浙江省自然资源与环境统计年鉴》、各地市《国民经济和社会发展统计公报2010—2017》。其中，为消除价格因素影响，历年地区生产总值以2010年为基期进行平减。能源消费总量是主要化石燃料消费总量，包括石油、天然气、煤炭等，折算为万吨标准煤。由于样本中DMU的数量有限，不宜选取过多的投入产出指标，本文参考任胜钢等[17]利用优化的熵值法将11个地级市的废气排放量、固废排放量、废水排放量折算为一个指标，即污染物排放指数。原始数据来自于浙江省历年的《自然资源与环境统计年鉴》和各地市《环境状况公报》。投入产出变量的初步描述统计，如表2所示，可以看出浙江省各地市GDP、资源消费量、污染物排放情况由于城市规模、发展水平不同而有较大差异，适合使用超效率DEA方法进行生态效率测度。

3 浙江省生态效率评价结果

3.1 生态效率静态分析

根据上述投入产出指标，本文使用EMS1.3软件，计算得到浙江省11地市2010—2017年生态效率值，并进行了排序，结果如表3所示。

对浙江省各市生态效率值进行静态分析，各年达到DEA有效的决策单元数量在3～4个，历年整体平均值均在0.8以上，水平良好，但个体间差异较大。其中，表现最好的是杭州市，2010—2017年生态效率值均大于1且在17年达到1.46，宁波市、舟山市、台州市表现也较好，在全省中处于较高水平，历年生态效率值处于0.9以上。衢州市、湖州市、金华市则表现相对较差，衢州市历年生态效率值仅有0.55左右，远低于全省平均水平。

同时，浙江省内生态效率出现了明显的区域差异。按照浙江省统计局的划分，浙东北地区包括杭州市、宁波市、舟山市、嘉兴市、湖州市和绍兴市，浙西南地区则包括温州市、金华市、衢州市、台州市和丽水市。全省生态效率的前3名杭州市、宁波市和舟山市均位于浙东北地区，该地区平均生态效率为0.984，浙西南地区金华市、衢州市排名处于末位，该地区平均生态效率为0.804。因此，浙江省内生态效率水平区域差异明显，且浙东北地区平均水平高于浙西南地区。

可以看出，2010—2017年间，浙江省整体生态效率的σ值在波动中呈上升趋势，由2010年的0.16上升到2017年的0.25，表明各地市之间的生态效率差距在扩大，存在σ发散特征。进一步分析浙东北和浙西南地区，可以发现浙东北地区σ值变化趋势与整体变化趋势相同，呈上升态势，内部差异水平在2011年后高于浙西南地區，2014年有所下降，但之后又迅速攀升。表明浙东北地区内部地市生态效率差距明显扩大，可能是由于经济发展差距、产业结构转变等原因造成的。相较而言，生态效率平均水平较低的浙西南地区内部差距并没有大幅度变化，不存在σ收敛现象。

4 浙江省生态效率影响因素分析

4.1 模型建立与自变量选取

生态效率的影响因素较多，结合已有研究和浙江省发展特点，本文主要考虑以下几点影响因素：

1）城镇化水平（urbanization）。城镇化水平的提高往往伴随着经济发展和产业重心转变，谢锐等[19]利用改进的STIRPAT模型测算了中国284个地级及以上城市的数据，认为新型城镇化有助于本地生态环境质量的改善。但是，城市规模的扩大和城镇人口的增加也可能加剧污染和能源消耗，导致城市环境质量进一步恶化[20]，对生态效率产生负面作用。两种截然相反的观点表明，城镇化与生态效率之间的关系较为复杂，城镇化水平越高，不一定生态效率就越高。但是可以认为城镇化水平对生态效率具有重要影响，两者可能存在某种非线性关系。本文用各地区城市人口占总人口的比重衡量城镇化水平。

2）金融集聚度（financial density）。在金融集聚度较高的地区，地区创新程度也较高，对经济增长方式的转变具有较大影响。何宜庆等[21]认为区域金融聚集通过影响资源的有效配置，具有优化产业结构、提升生态效率的作用。可以合理地认为，金融集聚度是地区生态效率的重要影响因素之一，随着金融业的发展，这种影响具有持续强化的趋势。根据陈林心等[22]的研究，金融集聚度可以用区位熵Qnt来衡量。计算公式为

4.2 实证结果分析

对生态效率的影响因素进行实证分析，具体数据来源于2010—2017年的浙江省《统计年鉴》、各地市《国民经济和社会发展统计公报2010—2017》。利用STATA软件进行Tobit回归，其中，模型1是未引入二次项的模型，模型2中加入了二次项，回归结果如表4所示。

模型2中，城镇化水平的一次项回归系数为-5.634 28，二次项系数為4.302 41，且分别通过了1%和5%水平上的显著性检验，表明城镇化水平对区域生态效率的影响不是单纯的线性关系，而是存在明显的先减后增的U型关系，可以计算出其拐点值为65.4%。这一结果可以结合环境库兹涅茨曲线解释，在城镇化发展初期，环境恶化程度随着经济增长和城镇化率提高而不断加剧，生态效率下降，在达到某个临界点后，随着城镇化水平进一步提高，技术水平提升，环境污染程度逐步减缓，环境质量得到改善，区域生态效率呈现上升趋势。浙江省在发展早期，由于城市扩张对生态效率造成了负面影响，但随着经济发展和科技进步，这一负面影响在城镇化发展中后期得到缓解。

金融聚集程度与生态效率呈显著正相关。模型2中金融聚集程度回归系数为0.586 53且通过1%显著性水平下的检验，说明高的金融聚集度能促进生态效率的提升。这一结论与何宜庆[18]、吴井峰[23]的研究结果吻合。金融产业的集聚能够促进区域创新，吸引高级人才流入，同时促进产业结构转变，有效引导资源配置向绿色产业倾斜，从而提高区域的生态效率。金融聚集程度较低的地区，缺乏利用金融工具引导资源跨区配置的优势，生态效率较为低下。

科技创新能力与生态效率呈显著正相关。科技创新能力的回归系数在10%的显著性水平上为正，说明区域科技创新能力对生态效率提升有正向影响。技术创新能够带来科技进步，提高地区劳动生产率，尤其是绿色技术的创新，有助于绿色新型能源的开发与利用，降低生产经营活动过程中对环境的污染。因此，提高科技创新能力是提升生态效率的重要途径。

环境治理投资的回归系数为正，但模型1、2中数据都未通过10%水平上的显著性检验，不能说明与生态效率存在明显的正相关关系。

5 结论与建议

通过超效率DEA模型对2010—2017年浙江省生态效率进行测算，并使用Tobit模型对影响因素进行研究，得到以下结论：浙江省内各市生态效率整体表现较好，但存在明显的区域差异，浙东北地区平均值高于浙西南地区;2010—2017年，浙江省各地市之间的生态效率差距在扩大，存在σ发散，且浙东北地区的σ发散特征更为显著;进一步分析生态效率影响因素，金融聚集程度、科技创新能力能显著提高生态效率，城镇化水平与生态效率存在明显的U型关系。

基于以上研究结论，为促进生态效率的提升，增强我国经济可持续发展能力，本文提出以下建议：

1）注重新型城镇化发展。传统城镇化进程中存在以牺牲环境为代价促进经济发展的粗犷式发展模式，新型城镇化发展应避免片面追求城市规模扩张和人口密度扩增，保质保量求发展，形成生态健康的新经济发展模式。在城镇化建设中加强企业的环保意识和社会责任感，将环境影响评价机制、生态补偿机制纳入生产经营过程。有关部门加强对环境污染的防治，做好顶层设计，完善相关法律制度，对生态效率低的产业、企业重点监控，充分发挥监督效应。同时协调优化区域产业结构，不断发展第三产业，使单位资源经济效益最大化，单位经济生态效益最大化。

2）提高区域金融聚集度。金融机构聚集时不仅会产生规模效应，还会通过协同合作与竞争等方式对周围经济产生溢出效应，金融机构的规模和结构会推动区域经济的发展。政府要设计良好的金融制度，营造良好的金融环境，维持良好的金融生态环境，支持金融机构在防控风险前提下做出的金融创新。金融的发展不仅能够为区域企业的发展提供资金支持，还能促进市场资源的组合优化。金融聚集度的提升有助于多层次多元化投融资体系的构建，有利于充分发挥市场的资源配置作用，使资本等生产要素流向生态效率高的企业，淘汰生态效率低的企业，为区域带来长远发展。

3）提高科技创新能力。高新技术企业是区域技术创新的关键孵化场所，但是该类企业通常存在融资渠道和融资规模受限的问题，导致资金供给困难。因此，政府应当给予一定的财政支持，引导企业加大研发投入，提高企业的创新能力。同时，通过政策鼓励手段促进风险投资对生产与经营技术密集的创新产品或服务进行投资，激励区域创新能力的提升。此外，应当形成企业与学校、研究所、科研机构之间的合作互联机制，加大人才的引入，加快科技成果的产生，以创新促发展，提高产业、企业的生态效率。

4）推进区域经济与生态协调发展。浙江省区域生态效率差异显著，且区域差异在波动中呈上升趋势。在区域发展过程中应警惕企业“以邻为壑”行为的发生，即将高能耗、高排放企业迁移至监管较松、经济水平较低的区域，从而对隔壁省市产生负的外部效应，形成环境风险的空间转移。浙东北地区经济发展较发达，可优先发展高新技术产业，制定恰当的节能减排目标，提高生态效率。浙西南地区生态效率较低，可因地制宜地制定环境保护政策，合理优化产业结构，重点发展低能耗、低排放的高附加值产业。对于附加值较低的企业可适当征税，对附加值高的企业可给予适当补贴或者税收优惠，形成市场激励效应，提高生态环境的边际经济产出。

参考文献：

[1] WILARD B.The sustainability advantage： seven business case benefits of a Triple Bottom Line[M].Gabriola Island：New Society Publishers，2002：1.

[2] WBCSD.Ecoefficient Leadership for Improved Economic and Environmental Performance[R].Geneva：WBCSD，1996：3.

[3] OECD.Ecoefficiency Leadership for Improved Economic and Environmental Performance[R].Geneva：WBCSD，1996：1.

[4] 盧燕群，袁鹏.中国省域工业生态效率及影响因素的空间计量分析[J].资源科学，2017，39（7）：1326.

[5] ALVES J L S，MEDIROS D D，Ecoefficiency in microenterprise and small firms：a case study in the automotive services sector[J].Journal of Cleaner Production，2015，108（1）：595.

[6] MICHAEL R，GABRIELE W B，KLAUS R.Ecoefficiency analysis of recycling recovered solid wood from construction into laminated timber products[J].Science of the Total Environment，2019（）：661.

[7] 梁星，卓得波.中国区域生态效率评价及影响因素分析[J].统计与决策，2017（19）：143.

[8] 曹俊文，李湘德.长江经济带生态效率测度及分析[J].生态经济，2018，34（8）：174.

[9] CHARNES A，COOPER W W，RHODES E.Measuring efficiency of decisionmaking units[J].European Journal of Operational Research，1978，2（6）：429.

[10] LIDIA A M，MARCELA G A，ALFREDO I， et al. A multiobjective DEA model to assess the ecoefficiency of agricultural practices within the CF+DEA method[J].Computers and Electronics in Agriculture，2018，61：151.

[11] 徐杰芳，田淑英，占沁嫣.中国煤炭资源型城市生态效率评价[J].城市问题，2016（12）：85.

[12] LIU Y，SUN C，XU S.Ecoefficiency assessment of water systems in China[J].Water Resources Management，2013，27（14）：4927.

[13] 杨志江，文超祥.中国绿色发展效率的评价与区域差异[J].经济地理，2017，37（3）：10.

[14] BANKER R D，COOPER A C.Some Models for Estimating Technical and Scale In Inefficiencies in Data Envelopment Analysis[J].Management Science，1984，30（9）：1078.

[15] 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.

[16] 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.

[17] 任胜钢，张如波，袁宝龙.长江经济带工业生态效率评价及区域差异研究[J].生态学报，2018，38（15）：5485.

[18] 汪克亮，孟祥瑞，杨宝臣，等.基于环境压力的长江经济带工业生态效率研究[J].资源科学，2015，37（7）：1491.

[19] 谢锐，陈严，韩峰，等.新型城镇化对城市生态环境质量的影响及时空效应[J].管理评论，2018，30（1）：230.

[20] HAN L，ZHOU W，LI W，et al.Impact of urbanization level on urban air quality：A case of fine particles（PM 2.5）in Chinese Cities[J].Environmental Pollution，2014，194：163.

[21] 何宜庆，陈林心，焦剑雄，等.金融集聚的时空差异与省域生态效率关系研究[J].数理统计与管理，2017，36（1）：162.

[22] 陈林心，何宜庆，王芸，等.金融集聚、经济发展与生态效率空间面板数据的SD仿真[J].系统工程，2017，35（1）：23.

[23] 吴井峰.金融集聚与地区生态效率的空间计量实证研究[J].统计与决策，2016（3）：149.

[编辑：厉艳飞]