扬子江城市群绿色要素增长效率评价及其影响因素研究

李根忠 武淑慧

(三江学院 法商学院,江苏 南京 210012)

扬子江城市群凭借在长江经济带的区位优势，交通便利，资源丰富，在区域经济中具有重要地位，全面推进扬子江城市群区域协调发展能够提升江苏省经济向高质量发展的动力，并对长江经济带区域发展具有引领示范作用。生态文明建设是“五位一体”总布局的重要一环。习近平总书记在党的十九大中指出，建设生态文明必须要树立“金山银山”的理念，坚持节约和保护生态资源。改革开放40年，江苏经济取得了举世瞩目的成就，但城市环境也遭到了严重破坏。过去以牺牲环境促经济发展的“粗糙”式发展模式已经严重影响了经济进一步增长和居民生活水平的进一步提高。目前，江苏经济呈现出产业结构优化，经济增长动力转换的新特征，既要搞好生态环境建设又要实现经济高质量发展，其符合江苏政府提出的六个标准之一。虽然扬子江城市群环境治理取得了一定的成效，但是形势依旧严峻。因此，在江苏经济转型的关键时期，处理好“绿水青山”与经济“高质量”增长的平衡关系显得十分重要。基于此背景，本研究对扬子江城市群绿色要素增长效率进行评价并分析其影响因素，为扬子江城市群区域经济高质量发展探寻发展路径。

1 文献综述

正确把握生态环境与经济发展的关系是经济持续增长的内在动力。如何克服经济活动对生态环境的破坏问题，大量研究从绿色全要素和生产效率角度进行了广泛研究。早期对于绿色要素的测算方法主要是围绕投入产出，如Solow利用柯布-道格拉斯生产函数研究了经济增长与资本、劳动力投入的关系[1]。但是该测算过度关注“好”产出，而忽视“坏”产出的存在，导致绿色GDP的核算出现偏差。随着经济的发展环境问题日益严峻，将“三废”作为产出要素来处置，既可以区别对待“好”产出和“坏”产出，又可以通过投入与产出变化来测算绿色要素生产效率对经济增长的影响。对于绿色要素生产效率的测算比较流行的是利用随机前沿函数分析和DEA-SBM模型等，该模型有效地考虑了“好”和“坏”产出，是一种非常有效的绿色效率评价方法。Chung在1997年将期望产出和非期望产出纳入绿色要素效率测算评价，并提出了方向性函数[2]。Tone提出SBM模型，将松弛变量纳入目标函数解决了角度和径向带来的测算偏差，并通过SBM模型测算出含非期望产出的绿色要素效率[3]。刘莹利用DEA与马姆奎斯指数测算了长三角城市的绿色要素得分以及动态和静态的绿色贡献效率[4]。

对于绿色增长的影响因素不同的学者给出了不同的解释。朱承亮基于产出角度的SBM-Mundesirable模型基础上测算了节能减排对经济增长的绿色生产效率[5]。刘莹利用DEA与马姆奎斯指数测算了长三角城市的绿色要素得分以及动态和静态的绿色贡献效率[5]。吴利利用非期望产出的SBM-Mundesirable模型对我国东部、中部和西部三大区域的绿色效率进行横向比较，并在此基础上评价出绿色效率的影响因素[6]。张彰等基于DEA模型基础从财政分权及政府行为的角度支出二者对绿色要素生产率增长具有正向的影响的机制[7]。王燕、孙超通过门限回归模型研究指出产业协同对绿色全要素生产率的影响呈现出倒U型[8]。许丽梦等基于非期望产出的SBM模型,对山东省各区域绿色发展效率进行评价,并进一步构建Tobit模型探究其影响因素[9]。冯海波、葛小南通过基于R&D投入经济增长模型，从R&D投入对绿色全要素生产率有辐射扩撒和外溢效益[10]。

综上所述，目前各学者在有关绿色全要素增长效率评价的方法上所持观点各不相同，研究对象多数是以单一省份，而对扬子江城市群的绿色全要素生产效率测度还比较少。本研究基于非期望产出的SBM超效率模型以及GML指数对扬子江城市群绿色增长效率问题进行测算研究。

2 研究方法

2.1 效率测度模型

基于Tone Kaoru提出的包含非期望产出的SBM-Undesirable模型[11]与欧文构建的GML指数相结合，构建包含非期望产出的SBM超效率模型。

(1)

s-,s+,sb-,λ≥0;

i=1,2,…,m;r=1,2,…,q;j=1,2,…n(j≠k)

SBM模型表达式中(见式1)，s为投入与产出的松弛量，λ表示权重向量；xik、yrk、btk分别表示投入要素、期望产出要素与非期望产出要素；sb-、s-、s+分别表示三种要素的松弛变量；m、q1、q2分别表示三类要素的数量；目标函数ρ表示关于sb-、s-、s+，并且其值在0与1间。xij为第j个DMU的i项投入，yrj为第j个DMU的r项产出。待决策单元，当且仅当其值为1时，即满足s-、sb、sg相等时，该决策单位有效，否则无效或效率损失。

2.2 GML指数模型

GML指数模型(GML-Malmquist-Luenberger指数)在传统的Malmquist指数基础上构建而成，解决了传统的Malmquist指数只能计算方向性距离函数的缺点，将含坏产出的方向距离函数应用于SBM模型构建了GML指数方法。运用该方法计算2008—2019年扬子江城市群绿色全要素生产率，该模型的计算公式如下：

(2)

3 绿色要素生产率测算与分析

3.1 数据选取与说明

研究内容选取了2008—2019年扬子江城市群的面板数据来测算该区域内的绿色全要素生产率。为了测算绿色全要素生产率，选取要素投入、期望产出和非期望产出三个指标。其中，要素投入主要包括：资本投入、劳动力投入、能源投入，分别用资本存量、扬子江城市群各地区年末就业总人数以及各地区能源消耗总量进行衡量。具体数据说明如下：

1)资本存量。目前普遍采用的测量资本存量的方法是Goldsmith于1951年开创的永续盘存法，由于中国没有进行大规模资产普查，张军等提出选取一个基准年估计后再采用永续盘存法按照不变价格测算各省市资本存量。计算公式为：

Kt=Kt-1(1-δ)+It

(3)

式(3)中Kt表示第t年的资本存量，Kt-1表示上一年的资本存量，It表示第t年的新增固定资产投资金额，δ表示固定资产的折旧率为9.6%。2)劳动力投入。劳动力是生产资本要素中不可缺失的一个重要部分，本研究采用扬子江城市群8市2008—2019年年末从业人员数来表示。3)能源投入。选取《江苏省能源统计年鉴》能源平衡表中发布的2008—2019年扬子江各城市能源消费终端量、能源损失量作为能源消耗总量。4)产出变量。期望产出以2008—2019年扬子江城市群各地区GDP作为衡量期望产出值。非期望产出选取工业“三废”(废水、废气、固废)排放量通过熵权法赋权处理后得到环境污染综合值作为衡量非期望产出值。其中废气选取占绝对比例的二氧化硫排放量作为代表指标文章中的数据均来源于2008—2019年《江苏统计年鉴》《南京统计年鉴》《中国能源统计年鉴》及各地区统计年鉴。

3.2 绿色全要素生产效率的静态评价

将投入变量的三个投入和两个产出分别代入非期望产出SBM模型，结合Matlab线性求解函数得出扬子江城市群各地区静态绿色全要素增长率及变化趋势，见表1。从测算结果整体来看，绿色要素生产效率的均值总体保持在0.7～0.9之间波动，2018—2019年间呈下降趋势，说明绿色要素效率受外部环境影响加剧。从各城市区域来看， 无锡、扬州和南通各地区的绿色要素效率2008—2019年基本比较稳定，说明绿色经济效率在这10年间是有效的，该区域经济发展中的投入与产出基本实现了均衡。

3.3 绿色要素增长的动态效率评价

本研究考虑了扬子江城市群8市的地理距离空间权重，将投入与产出代入GML指数模型，利用线性规划求解软件测算出该区域绿色全要素生产效率的动态变化及其各分解项演变态势，见图1。绿色全要素生产率(GTFP)在2010—2012年、2013—2015年的两个时间空间内比较不稳定，波动幅度明显。在2015年以后就呈现了稳定的态势，且从2017年以后开始逐年下降。GTFP指数变化与技术进步变动(MLTECH)指数变化的规律基本吻合，说明技术变动对绿色全要素效率的贡献非常大，特别是在2013年以后该吻合度表现得更加明显。从图1具体来看，2013—2014年GTFP指数从0.860上涨到了2.482，增长了2.89倍，而MLTECF指数由0.645上涨到了4.071，增长了6.3倍。因此，在考虑环境因素下扬子江城市群区域内绿色生产要素效率(GTFP)不高的主要影响因素是MLTECH，技术进步是促进经济增长的主要驱动力。

表1 2008—2019年扬子江城市群8市绿色全要素静态效率评价结果

图1 2008—2019年扬子江城市群8市GTFP动态变化及指数分解(数据来源：DEA-Malmquist测算结果)

从扬子江群城市群区域地理位置层面来看，根据SBM模型，笔者对2008—2019年扬子江城市群8个决策单元的绿色全要素生产率进行测算，测算结果见表2，扬子江城市群各市的平均技术效率变动指数只有南京、苏州、扬州和泰州较高，技术效率增幅超过1%，镇江市、常州市和南通市的技术效率变动指数小于1。按平均技术效率变动指数大小得到的各市排序与按绿色全要素生产率GML指数得到的排序较不符，因此，研究期内技术效率变动对扬子江城市群绿色全要素生产率的变动影响较小，而绿色全要素生产率的变动会受其技术进步的影响较大。

4 影响绿色全要素效率指数的因素分析

为了进一步考察影响2008—2019年扬子江城市群绿色全要素效率的因素，笔者结合现有的研究成果，重点围绕产业结构、城镇化进程、环境治理能力等因素进行分析。由于静态效率值在0与1之间，故变量是受限变量，鉴于LM检验结果拒绝stata_u=0，故认为其存在个体效应。所以，如果利用普通的最小二乘数法可能与实际结果出现偏差，鉴于本研究采用Tobit回归模型，该模型公式如下：

表2 2008—2019年扬子江城市群绿色全要素生产率GML指数分解

Yit=α+βXit+uit+εit

(4)

式(4)中，Yit代表因变量，其表示第i市区域在第t年绿色全要素效率，Xit表示影响绿色要素的因素变量，α表示截距项，β为被估计差数，uit表示个体效应，εit误差系数。变量的选取说明具体如下：

1)城镇化发展水平(Urb)用城镇人口与该地区常住人口总数之比表示。2)产业结构(Indit)用第二产业增加值占该区域GDP增加值之比表示。3)金融支持效率(Fin)。选取各市区域内金融贷款余额占该区域内金融存款余额之比。4)研发投入金额(R&D)用各市R&D研发投入金额占该地区GDP的比重表示。5)能源消费(Enit)指煤炭消耗量占能源消费总量的比重。6)环境治理力度(Er)由各市治理环境投资总金额取对数后得出。7)人力资本(Hc)指各市高校的在校大学生人数占该地区在校学生数的比重。

基于Stata15.0进行Tobit回归模型对扬子江城市群绿色全要素生产效率的影响因素进行回归分析。为了方便统计相关数据，故将扬子江城市群分为苏南和苏中两大区域进行实证分析，(1)代表扬子江城市群整体绿色全要素生产效率影响因素，(2)和(3)分别代表苏中和苏南的区域分析，其结果见表3。

表3 扬子江城市群绿色全要素效率影响因素的Tobit回归结果

由表3所示可以得出以下结论：

其一，一个地区的城镇化(Urb)发展进程可以反映该地区的经济发展水平，在促进该地区经济增长的同时，由于城镇化扩张、工业化发展以及人口不断聚集等因素对环境造成污染。由表3可以看出城镇化发展对绿色全要素增长率影响的实证结果为0.061，是正向影响，且对苏南的绿色效率值影响具有明显的显著性，说明城镇化进程对苏南绿色效率影响远大于其对苏南环境的破坏。但是，城镇化进程对苏中区域绿色要素效率影响值为-0.051**，说明其阻碍了该地区的绿色要素效率提升。

其二，合理的产业结构(Indit)协同聚集可以通过影响纯技术效率、规模效率和技术变化改变绿色全要素生产效率值。尤其是一些高新科技产业与“互联网+”的紧密结合可以有效地节约资源，提升绿色全要素效率。从表3中可以看出，产业结构对扬子江城市群和苏南绿色要素增长效率的影响值分别为0.172和0.386,因此对绿色要素的提升有正影响。但是，对苏中区域的绿色要素效率提升有抑制作用。其原因可能是由于苏中地区的第二产业结构转型缓慢，生产技术效率依然低下，尤其是高消耗、高污染产业严重阻碍了改善环境质量的进程，成为制约苏中地区产业结构向绿色产业转型发展的重要因素，造成GDP产出效应小于非期望产出的负效应，进而降低了绿色要素增长效率。

其三，金融对实体经济的支持率(Fin)主要来自社会融资和外资投资两个方面，两者在共同促进经济增长的同时对资源环境也会产生负的影响。从表3可以看出，外资投资对扬子江城市群绿色要素增长的影响表现不明显，而对苏中地区绿色要素的影响为负作用，一方面说明金融资源在苏南和苏北出现了不均衡配置，导致金融发展支持实体经济出现了“脱实入虚”的现象，降低了金融的利用效率。另一方面说明苏北的产业结构可能还存在不合理，在该地区金融资源流入了“三高”企业，制约了绿色全要素效率的提升。

其四，研发(R&D)投入是实现技术创新、提升绿色要素效率的重要途径，研发投入力度越大其创新能力就越高。从表3中可以看出研发投入对整个扬子江城市群绿色全要素增长呈现了正作用，缓解了经济增长对环境带来的破坏压力，对发挥扬子江城市群区域的绿色经济转型发展起到了推动作用。

其五，能源消费(Enit)结构对扬子江城市群绿色要素增长效率具有抑制作用，从实证结果来看其系数是-0.153，且苏北高于苏南。这表明苏中的煤炭消费量较高，落后产能的产业结构转型比苏南迟缓。其原因是苏南具有人才聚集的地理优势，为实现技术创新奠定了基础。

其六，环境规制力度(Er)对整个扬子江城市群区域的绿色要素增长率的影响为-0.010 9，说明政府对环境治理的投资力度较低。从实证结果来看，在苏北经济欠发达地区的环境规制对绿色要素增长率具有抑制作用，而在经济发达的苏南地区，对环境规制与绿色要素增长产生了积极的效果。主要是因为在苏南“三高”产业随着技术创新实现了产业结构转型，逐渐形成了绿色经济体系。环境治理是一个漫长的过程，不能立竿见影。同时在环境治理的过程中环境污染也会产生，导致环境治理对绿色要素增长产生了负作用。

其七，人力资本(Hc)是经济增长的驱动力，是实现技术创新的核心要素。优质的人力资本聚集区域拥有高素质的劳动力及较强的环保意识，能够拉动绿色要素生产率提升。如表3所示，在苏南地区人力资本对绿色要素生产率的拉动作用表现得比较明显，说明人力资本可以促进绿色要素的技术进步。在苏中地区由于缺乏人才的同质性或是人才聚集力不够等问题导致人力资本对绿色要素效率增长的促进作用不明显。

5 结论与建议

基于本研究对2008—2019年扬子江城市群8市的绿色要素增长效率影响因素进行实证研究后，笔者得出以下结论及建议。

(1) 结论。扬子江城市圈8市环境治理、绿色要素增长率在各市间存在差异，GTFP指数变化与技术进步变动(MLTECH)指数呈现吻合度较高的态势，说明技术变动对绿色要素效率的贡献非常大，是绿色要素增长率提升的主要驱动力。通过实证分析后发现，各个要素对绿色要素效率增长的影响存在区域差异性。R&D、人力资本、环境规制以及产业结构对扬子江城市群绿色要素效率增长具有明显的正作用。金融对实体经济的支持效率对苏南绿色要素增长效率影响表现的比较明显，而对苏中地区影响不大。城镇化进程对整个扬子江城市群及苏中地区分别有显著的正、负影响。

(2) 建议。第一，提高环保政策效益的十分效率。生态优先是建设绿色产业经济的前提，通过强化环境资产的市场调节与利用机制使环保政策经济效益的释放效率最大化。如进一步完善市场价格形成机制，在排污费补贴、可转让排污许可证等激励型环境政策中，通过完善环境评价机制使扬子江城市群内的不同企业执行环境政策的成本差异能够通过市场机制进行调节。同时，要改善政策效益释放效率的评价标准，以动态影响的可持续标准代替帕累托最优标准，纠正发展决策效率标准的静态化导致的区域间资源配置扭曲和发展路径出现偏差。第二，提升经济主体一致行动的协调效率。区域经济一体化发展要打破区域间存在的行政壁垒，统筹扬子江城市群区域产业布局，健全区域环境执法机制和部门联动执法机制，形成跨行政区生态环境联防联控机制。积极破除产业环境政策行政的多头与多层管理导致的相互推诿和管理效率低下，以破除区域行政管制,提高环境污染治理效率。第三，大力发展扬子江城市群绿色产业集群，降低经济增长对资源消耗型产业的依赖程度。通过加大绿色金融支持引进人才，以R&D研发投入促进产能落后产业转型。人力资本要素是构建现代化产业体系的“因”，是经济能够持续增长的源泉，产业转型是“果”，是经济增长的外在特征。因此，如何形成科技创新与扬子江城市群区域经济协调发展显得尤为重要。要充分利用绿色信贷资源，将有限的资金资源用到绿色技术进步产业中去，避免R&D科研的盲目投入，从而提升研发经费对绿色经济的转化效率。