“一带一路”沿线国家可持续发展水平评价及其影响因素

黄天航 胡潇月 陈劭锋 王毅 张碧青

摘要 可持续发展是“一带一路”建设的重要内容，合理、客观地评价沿线国家可持续发展水平，识别沿线国家可持续发展水平的影响因素对于促进沿线国家可持续发展具有重要意义。采用考虑非期望产出的Super-SBM模型对“一带一路”沿线国家的可持续发展水平进行测度，利用GML指数对“一带一路”沿线国家可持续发展水平的动态变化及其构成进行计算，并进一步采用Tobit模型识别沿线国家整体及各类别国家可持续发展水平的影响因素。实证结果表明：①沿线国家整体的可持续发展水平较低，高收入国家和中高收入国家的可持续发展水平相对较高。②受金融危机的影响，沿线国家整体的可持续发展水平在2008年左右出现了一定程度的下降，但自2011年起，除低收入国家之外，其余类别国家的可持续发展水平均已开始逐渐上升。③自2008年起，技术进步已经取代技术效率，成为沿线国家可持续发展水平提高的主要动力。④经济发展水平与沿线国家可持续发展水平之间呈现出U型关系。⑤科技水平和可再生能源消费占比对沿线国家可持续发展水平具有促进作用。以出口资源型产品、劳动密集型出口产业为主的国家其对外开放水平与可持续发展水平之间呈现出负相关关系。除了低收入国家，从沿线国家整体来看，能源结构对提高可持续发展水平存在积极作用。最后针对我国实施“一带一路”倡议中应当如何面对和应对沿线国家的可持续发展状况提出了政策建议。

关键词 “一带一路”;可持续发展水平;Super-SBM模型;GML指数;Tobit模型

中图分类号 F061.3文献标识码 A文章编号 1002-2104（2020）12-0027-11DOI：10.12062/cpre.20200901

2015年3月，我国国家发展改革委、外交部和商务部联合发布《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》，标志着“一带一路”建设正式迈入实施阶段。习近平总书记在第二届“一带一路”国际合作高峰论坛上指出：“在共建‘一带一路过程中，要始终从发展的视角看问题，将可持续发展理念融入项目选择、实施、管理的方方面面” 。可持续发展既是“一带一路”建设的重要内容，同时也是“一带一路”建设的重大挑战。可持续性科学是融合了自然科学、社会科学和人文科学的跨学科复杂系统和机制[1]，包括广义和狭义的“可持续发展”[2-5]。“一带一路”沿线各个国家的社会经济、技术发展水平和制度等具体情况差异很大，如何有效评估“一带一路”沿线国家的社会经济发展水平[6]与环境效率的关系[7]对分析沿线国家可持续发展水平、发展趋势和变动原因是很重要的环节，如何选取合适的理论角度、研究方法来合理客观地评价沿线国家可持续发展水平并识别其影响因素，这些都还有待深入研究。该研究侧重狭义的可持续发展概念即社会经济发展与环境之间的关系，采用考虑非期望产出的Super-SBM模型对“一带一路”沿线国家可持续发展水平进行综合测度，使用GML指数来更深入地分析“一带一路”沿线国家可持续发展水平的发展趋势与变动原因，并进一步采用Tobit模型探讨沿线国家可持续发展水平的影响因素，以期为推动 “一带一路”建设提供决策参考。

1 文献综述

近年来，随着可持续发展理念的普及，可持续性科学逐步形成和发展[1]。现有的研究多数关注可持续发展的特定区域或特定领域[2]，从国家、地区、城市等特定区域[3-5]或产业、能源、环境等特定领域展开研究[8-10]，研究内容集中于可持续发展的理论内涵、指标构建、综合评价、应对策略等方面[11-13]。狭义的“可持续发展”认为环境公平与环境效率才是衡量可持续发展的核心要素，只有解决了“可持续”的环境公平问题，才能解决“发展”的环境效率问题，“可持续发展”包含的环境公平与环境效率评估了经济发展与环境影响之间的相关性[14-16]，具有高环境效率的国家可以通过最小的投入和环境成本代价实现经济效率的最大化[17]，广义的“可持续发展”认为可持续发展是广义的生态经济发展[11-13]。

现在大多数有关可持续发展水平分析的定量研究主要是狭义的“可持续发展”。常见的评价方法主要有层次分析法、模糊综合评判法、灰色关联分析法、主成分分析法等，这类评价方法依赖于系统科学的指标体系的建立和合理的指标权重的确定，但这类评价方法存在明显的不足：首先，这类方法可能掩盖以牺牲资源和环境的代价换取社会进步和经济增长的发展模式;其次，这类评价方法只能对评价对象进行排序，由于无法解释排序的原因，不能为未来发展提供针对性建议。因此，学者们开始将数据包络分析法（DEA）应用于可持续发展的评价中[18-19]。传统的DEA方法以产出最大化为假设，并不适用于生产过程中产生了废气、废水等非期望产出的情形。近年来，学者们采用了一系列方法将非期望产出纳入DEA模型中，例如将非期望产出作为投入要素[20-22]，采用倒数变换等数学方法将非期望产出转换为期望产出[23-25]等方法进行改进。但这些方法并不符合实际生产过程，导致测算结果存在偏差。Fre等[23]将期望和非期望产出直接纳入模型，采用方向性距离函数进行测算，但由于没有考虑投入产出的松弛性问题，使得效率值的度量不够准确。基于此，SBM模型提出了一种基于松弛变量测度的非径向非角度的DEA分析方法[24]，这种模型的优点是效率值随着投入产出松弛程度的变化而严格变化，可以消除因径向和角度选择差异所带来的偏差和影响。但是SBM模型测算效率值无法对多个同时有效的决策单元进行评价和排序，Super-SBM模型对此进行了改进[25]。由于该模型并未纳入非期望产出，Tone[26]进一步提出了考虑非期望产出的SBM模型，对此进行了进一步改进。Zhang等[27]进一步将其拓展为考虑非期望产出的Super-SBM模型。

由于DEA方法是从静态角度进行分析，无法分析各个决策单元跨时期的动态效率变化，在Stem Malmquist研究的基础上，提出了基于DEA模型的Malmquist指数（M指数）[23]，用来评价效率的动态变化情况。但由于传统的M指数并未考虑非期望产出，导致获得的结果不够准确。基于此，Chung等人[28]提出Malmquist-Luenberger指数（ML指數），将非期望产出纳入测算。但ML指数不具备传递性，并且当面临非同时期的参照技术时，线性规划可能无可行解。为此，有学者使用全局ML指数（GML指数）来克服ML指数传递性不足和无可行解的问题[30-31]。与此同时，部分学者开始将DEA模型与回归分析相结合，探讨可持续发展与经济规模、科技水平、对外开放、政府管制、环境政策、能源结构等方面的关系，从而为区域可持续发展提出有效建议[32-35]。

从“一带一路”沿线国家整体来看，2005—2014年沿线国家的可持续发展水平总体上呈现出上升趋势，效率值由2005年的0.388上升至2014年的0.406。高收入国家的可持续发展水平最高，其次为中高收入国家，中低收入国家和低收入国家的可持续发展水平相对较低。只有中高收入国家的可持续发展水平在2005—2014年间出现了明显提升，上升幅度超过10%;而高收入国家、中低收入国家和低收入国家的可持续发展水平在2005—2014年间出现了不同程度的下降，其中低收入国家的可持续发展水平下降幅度最大，超过10% （见图1）。

3.2 GML指数及其分解

进一步采用GML指数对“一带一路”沿线国家可持续发展水平的动态变化及其构成进行计算（见表2）。由表2结果可知，2005—2008年和2011—2014年大多数沿线国家的GML指数大于1，可持续发展水平不断提高;而2008—2011年只有不到一半的国家GML指数大于1，多数国家的可持续发展水平呈现下降趋势，这可能是受到金融危机的影响。从“一带一路”沿线国家整体来看，沿线国家的可持续发展水平在2005—2008年和2011—2014年不断提高，而在2008—2011年出现了小幅下降。高收入国家的可持续发展水平在2005—2011年呈现出下降趋势，而在2011—2014年开始逐渐上升;中高收入国家和中低收入国家的可持续发展水平在2005—2008年和2011—2014年不断提高，而在2008—2011年出现了一定程度的下降;低收入国家的可持续发展水平在2005—2011年呈现出上升趋势，而在2011—2014年逐渐下降。

从GML指数的分解来看，在2005—2008年，沿线国家可持续发展水平的提高主要归功于技术效率的提高，可以看到这个阶段无论是沿线国家整体还是各类别国家，全局技术效率变化指数（GEFFCH）均高于全局技术进步变化指数（GTECH）。而在2008—2014年，沿线国家可持续发展水平的提高主要归功于技术进步，这个阶段无论是沿线国家整体还是各类别国家，全局技术进步变化指数（GTECH）均高于全局技术效率变化指数（GEFFCH），并且无论是沿线国家整体还是各类别国家的GTECH指数基本都大于1，表明2008—2014年大多数沿线国家的技术水平呈现出上升趋势，并成为沿线国家提高可持续发展水平的重要动力。

4 沿线国家可持续发展水平影响因素分析

采用Tobit模型进一步对“一带一路”沿线国家整体及各类别国家的可持续发展水平的影响因素进行实证检验（见表3）。从沿线国家整体来看，人均GDP、科技水平、对外开放水平和能源消费结构对沿线国家可持续发展水平具有显著作用。人均GDP对可持续发展水平存在U型影响，表明在经济发展初期，沿线国家倾向于采用“高投入、高消耗、高排放”的粗放型增长方式推动经济增长，从而导致可持续发展水平不断降低，而随着经济发展水平的不断提高，沿线国家开始重视能源消耗和环境污染等问题，逐步转变增长方式，从而提高可持续发展水平，这符合环境库兹涅茨曲线理论。科技水平对可持续发展水平存在积极作用，表明随着科技水平的提高，可以促进要素资源的集约利用，从而提高可持续发展水平。对外开放水平与可持续发展水平之间呈现出显著的负相关关系，一方面，部分沿线国家矿产、能源等资源丰富，在国际贸易中具有资源禀赋优势，然而出口资源型产品的资源环境代价较大，导致这类国家的可持续发展水平较低;另一方面，部分沿线国家的发展水平较低，具有劳动力成本优势，加工贸易的发展也带来了一系列的环境问题。除了低收入国家，从沿线国家整体来看，能源结构对提高可持续发展水平存在积极作用。

分类别来看，低收入国家的可持续发展水平随着经济发展水平的提高反而降低，而中高收入国家和高收入国家的可持续发展水平随着经济发展水平的提高而提高，这进一步验证了环境库兹涅茨曲线理论。在各类别国家的回归中，科技水平、对外开放水平和能源结构的回归结果与沿线国家整体的回归结果基本保持一致。此外，在低收入国家和中低收入国家中，财政支出占比对可持续发展水平也具有积极作用。

5 结论与建议

研究采用考虑非期望产出的Super-SBM模型、GML指数对“一带一路”沿线60个国家可持续发展水平、动态变化及其构成进行测算，并用Tobit模型识别沿线国家整体及各类别国家可持续发展水平的影响因素。结果表明：多数沿线国家的可持续发展水平仍然较低;经济发展水平与可持续发展水平之间呈现出显著的U型关系;受金融危机的影响，多数国家的可持续发展水平在2008年左右出現了一定程度的下降，但自2011年起，除低收入国家之外，其余三类国家的可持续发展水平均呈现出上升趋势;科技水平、可再生能源消费占比与可持续发展水平之间呈现出显著的正相关关系;技术水平的上升已经替代技术效率的提高成为沿线国家提高可持续发展水平的重要动力。为此，提出以下建议。

第一，我国可以根据“一带一路”沿线国家可持续发展水平的不同采取分区分类合作模式。 “一带一路”沿线国家的人均GDP、科技水平、对外开放水平和能源消费结构存在显著差异，在遵循绿色投资与贸易规则下，对于人均GDP水平较低的国家，倾向于采取粗放型增长方式推动经济增长。因为这类国家仍处于经济发展初期，仅仅凭借市场力量，环境问题很难得到重视。推动绿色基础设施建设就是首要的方式，逐步转变其“高投入、高消耗、高排放”的粗放型增长方式，建设绿色供应链体系，促进其绿色转型升级。对科技水平较低的国家可以通过绿色投资提升其科技水平，促进要素资源的集约利用。以出口资源型产品为主或者具有劳动力成本优势以加工贸易为主的部分沿线国家，应该采取以绿色投资促进其产业、技术升级的方式，避免这些国家在发展中付出过大的资源环境代价。我国也应该通过与绿色科技水平较高的国家合作，转变能源结构，提高清洁能源和可再生能源在能源生产和消费中的占比，提高绿色技术门槛，以此推动解决与沿线国家合作中能源消耗和环境污染问题，提高可持续发展水平。

第二，统筹国内绿色治理体系，促进与重塑“一带一路”沿线国家的绿色治理合作模式。合理的环境规制政策可以在有效增强各地区技术创新能力、促进经济增长的同时减少环境污染[37]。我国应该在统筹国内环境保护与经济发展相协调的绿色治理体系的基础上，提高出口技术与产品的绿色化门槛，根据“一带一路”国家经济社会发展水平的不同情况，重塑绿色治理合作模式。在与经济发展水平较低的国家合作中，应通过绿色投资、绿色金融合作的方式适当提高当地政府的财政支出水平，尤其是加强与这类国家政府对环境污染治理的绿色金融合作。与经济发展水平较高的国家合作，可以通过建立绿色治理政策合作机制的方式，引介和交流各自的绿色治理经验。同时根据“一带一路”沿线国家经济發展水平的不同，推动建立“一带一路”环境保护协调机制，对可持续发展水平进行绩效评估，在“一带一路”的绿色基础设施建设和绿色投资中建立绿色治理合作协商模式。

第三，加强绿色科技合作提升技术效率，协商制定绿色技术标准，促进技术进步，提升“一带一路”沿线国家的可持续发展水平。对于GML指数小于1的“一带一路”沿线国家，我国可以通过绿色投资方式通过不断改进其生产工艺促进技术效率提高的方式开展合作，以中国制造2025政策为机遇，将绿色转型的升级要求和环境标准内化嵌入到中国制造过程中，促进我国绿色技术标准、绿色技术产品能推广出去，共同提升可持续发展水平。对于GML指数大于等于1的“一带一路”沿线国家，我国在同这些国家的合作与国际贸易过程中要根据绿色环保标准的要求，加大绿色技术合作、分享绿色发展技术经验，并结合现有国际与区域组织合作机制，建立可持续发展信息共享与智库平台，共同协商和完善绿色技术标准，促进技术水平的共同提升，发挥技术进步在提升可持续发展水平中的驱动作用。我国在发挥自身比较优势的同时，也需要积极引进、消化和吸收国外先进技术，从而不断优化出口产品结构、提高出口产品附加值，降低出口产品的资源环境代价。

参考文献

[1]KATES R W， CLARK W C， CORELL R， et al. Sustainability science[J]. Science，2001，292（5517）：641-642.

[2]彭斯震， 孙新章. 全球可持续发展报告：背景、进展与有关建议[J]. 中国人口·资源与环境， 2014，24（12）：1-5.

[3]牛文元. 中国可持续发展的理论与实践[J]. 中国科学院院刊， 2012，27（3）：280-289.

[4]杨建辉， 任建兰， 程钰， 等. 我国沿海经济区可持续发展水平综合评价[J]. 经济地理， 2013，33（9）：13-18.

[5]PIJAWKA D. Understanding sustainable cities： concepts， cases， and solutions[M]. Dubuque： Kendall Hunt Publishing，2012.

[6]WEI Y ， LI Y ， WU M ， et al. Progressing sustainable development of‘the Belt and Road countries： estimating environmental efficiency based on the Super-slack-based measure model[J]. Sustainable development，2019（9）：1-19.

[7]胡健， 张维群， 邢方， 等. “一带一路”国家经济社会发展水平测度与评价研究：基于丝路沿线64国指标数据的分析[J].统计与信息论坛， 2018，33（6）：43-53.

[8]尹昌斌， 程磊磊， 杨晓梅， 等. 生态文明型的农业可持续发展路径选择[J]. 中国农业资源与区划， 2015，36（1）：15-21.

[9]苗韧， 周伏秋， 胡秀莲， 等. 中国能源可持续发展综合评价研究[J]. 中国软科学， 2013（4）：17-25.

[10]廖慧璇， 籍永丽， 彭少麟. 资源环境承载力与区域可持续发展[J]. 生态环境学报， 2016，25（7）：1253-1258.

[11]朱婧， 孙新章， 何正. SDGs框架下中国可持续发展评价指标研究[J]. 中国人口·资源与环境， 2018，28（12）：9-18.

[12]孙晓， 刘旭升， 李锋， 等. 中国不同规模城市可持续发展综合评价[J]. 生态学报， 2016，36（17）：5590-5600.

[13]徐冠华， 葛全胜， 宫鹏， 等. 全球变化和人类可持续发展：挑战与对策[J]. 科学通报， 2013，58（21）：2100-2106.

[14]文同爱， 李寅铨. 环境公平、环境效率及其与可持续发展的关系[J]. 中国人口·资源与环境，2003，13（4）：13-17.

[15]SONG M， ZHANG L， AN Q， et al. Statistical analysis and combination forecasting of environmental efficiency and its influential factors since China entered the WTO： 2002–2010–2012[J]. Journal of cleaner production，2013，42（11），42–51.

[16]LOPEZ R E， FIGUEROA B E. On the nexus between fiscal policies and sustainable development[J]. Sustainable development，2016，24（4），201-219.

[17]SHEN J， WANG S， LIU W， et al. Does migration of pollution intensive industries impact environmental efficiencye：evidence supporting‘Pollution Haven Hypothesis[J]. Journal of environmental management，2019，242：142–152.

[18]肖杰， 郑国璋， 郭鹏军，等. 基于主成分分析的关中：天水经济区水资源承载力评价[J]. 中国农业资源与区划， 2018，39（7）：159-167.

[19]郭存芝， 彭泽怡， 丁继强. 可持续发展综合评价的DEA指标构建[J]. 中国人口·资源与环境， 2016，26（3）：9-17.

[20]彭程， 陳志芬， 吴华瑞，等. 基于ESDA的城市可持续发展水平时空分异格局研究[J]. 中国人口·资源与环境， 2016，26（2）：144-151.

[21]LOVELL C A K ， JESUS T P， TURNER J A. Measuring macroeconomic performance in the OECD： a comparison of European and non-European countries[J]. European journal of operational research，1995，87（3）：507-518.

[22]SEIFORD L M， ZHU J. Modeling undesirable factors in efficiency evaluation[J]. European journal of operational research，2001，142（1）：16–20.

[23]FRE R ， GROSSKOPF S. Modeling undesirable factors in efficiency evaluation： comment[J]. European journal of operational research，2004，157（1）：242-245.

[24]TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European journal of operational research，2001，130（3）：498-509.

[25]TONE K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European journal of operational research，2002，143（1）：32-41.

[26]TONE K. Dealing with undesirable outputs in DEA： a slacks-based measure （SBM） approach[R]. Presentation at NAPW III， Toronto， 2004.

[27]ZHANG J ， ZENG W ， WANG J ， et al. Regional low-carbon economy efficiency in China： analysis based on the Super-SBM model with CO2 emissions[J]. Journal of cleaner production，2015，163（oct.1）：202-211.

[28]CHUNG Y H， FARE R， GROSSKOPF S. Productivity and undesirable outputs： a directional distance function approach[J]. Journal of environment management，1997，51（3）：229-240.

[29]JESUS T P， LOVELL C A K. A global Malmquist productivity index[J]. Economics letters，2005，88（2）：266-271.

[30]OH D. A global Malmquist-Luenberger productivity index[J]. Journal of productivity analysis，2010，34（3）：183-197.

[31]LI H， FANG K， YANG W， et al. Regional environmental efficiency evaluation in China： analysis based on the Super-SBM model with undesirable outputs[J]. Math comput model，2013，58（5-6）：1018-1031.

[32]ZHANG J ， ZENG W ， WANG J ， et al. Regional low-carbon economy efficiency in China： analysis based on the Super-SBM model with CO2 emissions[J]. Journal of cleaner production，2015，163（oct.1）：202-211.

[33]CHEN N ， XU L ， CHEN Z. Environmental efficiency analysis of the Yangtze River Economic Zone using super efficiency data envelopment analysis （SEDEA） and Tobit models[J]. Energy，2017，134：659-671.

[34]马晓君， 李煜东， 王常欣， 等. 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[J]. 中国环境科学， 2018，38（9）： 3584-3593.

[35]黄洁， 吝涛， 张宏强. 基于DEA和Malmquist模型的中国三大城市群可持续发展效率研究[J]. 中国人口·资源与环境， 2016，26（S1）：373-376.

[36]FEENSTRA R C ， INKLAAR R ， TIMMER M P. The next generation of the Penn World Table[J]. Social Science electronic publishing，2013， 105（10）：1025-1031.

[37]黄天航， 赵小渝， 陈凯华. 技术创新、环境污染和政策规制：转型创新政策的视角[J]. 科学学与科学技术管理，2020，41（1）：49-65.

（责任编辑：李 琪）