县域尺度下河南省绿色发展效率测度及时空演化特征分析
2021-03-06杨亚丽
杨亚丽 董 旭
(1.郑州航空工业管理学院 a.信息管理学院 b.经济学院,河南 郑州450046;2.武汉大学 区域经济研究中心,湖北 武汉 430072)
一、引言
改革开放以来,我国经济发展取得巨大成就,但粗放型的产业发展方式尚未得到根本转变,长期积累的资源环境约束日益趋紧,生态环境与经济发展的矛盾亟待破解[1]。党的十九大以来,五大新发展理念深入人心,绿色发展理念更是成为处理生态环境保护与经济发展关系的基本遵循。在此背景下,如何推动绿色发展,为高质量发展筑牢生态之基,成为值得深入讨论的重要理论和现实问题。从学理上分析,绿色发展效率(Green Development Efficiency,简称 GDE)是衡量绿色发展状态的重要特征,提升绿色发展效率是推动绿色发展的必然要求和关键举措[2]。如何提升区域绿色发展效率,需要首先明确区域绿色发展效率的基本水平和现状特征。县域是我国最基本的行政单元,起着关乎整个国民经济健康稳定发展的关键节点作用,从县域层面测度绿色发展效率并分析其演化趋势和空间分布可以为区域绿色高质量发展提供重要参考[3]。
自英国环境经济学家D Pearce等.在其著作《绿色经济蓝皮书》中首提绿色发展思想以来,学术界针对绿色发展的研究逐渐增多[4]。为直观理解绿色发展的状态特征,“效率”概念被引入用于量化绿色发展,绿色发展效率的测度分析成为该领域研究的一个重点。从研究尺度来看,大多研究侧重从国家、省域、市域等宏观尺度测度整体经济或特定行业的绿色发展效率并分析其时空分布特征[5][6][7][8],也有部分学者立足企业等微观主体开展绿色发展效率的测度研究[9][10]。从研究方法来看,主要采用包含技术时变的SFA模型和包含非期望产出的DEA模型[11][12][13],其中基于松弛测度的方向性SBM-DEA模型最为常用[14]。从研究结论来看,大都表明我国绿色发展效率整体水平不高,但近年来有波动上升的趋势[15][16]。
总体而言,学术界关于绿色发展效率的测度和分析取得了较为丰硕的研究成果。然而,从区域层面来看,研究的空间尺度有待进一步细化,现有研究以省域和市域单元为主,使推动绿色发展效率提升的空间应对策略比较宽泛。此外,针对河南省绿色发展效率的研究较少,从县域尺度开展测度并分析时空演化特征的研究更是鲜有发现。因此,本文从县域尺度对河南省绿色发展效率进行测度,并分析其时间演变趋势、空间分异格局、空间关联特征以及时空收敛性,旨在为河南省县域经济绿色高质量发展提供一定的理论支持和政策参考。
二、研究方法与数据来源
(一)研究方法
1.SEBM模型。非期望产出的处理是测度绿色发展效率的关键。目前学术界较多采用基于方向性距离函数的SBM模型,这种方法可以有效区分非期望产出和期望产出,并考虑了投入和产出的松弛变动,但未能同时兼容径向和非径向冗余,Tone和Tsutsui(2010)[17]将径向距离函数与SBM距离函数相结合提出的EBM(Epsilon-Based Measure)模型在很大程度上解决了这一问题。为解决同一生产前沿上不同决策单元效率的不可比问题,本文将DEA的超效率模型融入EBM模型中,使用SEBM(Super-efficiency EBM)模型测度河南县域绿色发展效率。产出导向的SEBM模型基本形式如下:
在(1)式和(2)式中,x、y和 z分别代表投入、期望产出和非期望产出;εx、εy和εz分别为包含径向与非径向效率的参数,取值范围是[0,1];s=(s-mt,s+nt,s×bt)与w=(w-mt,w+nt,w×bt)分别代表t时期投入、期望产出和非期望产出对应的松弛变量和距离权重;M、N、B、T分别为投入、期望产出、非期望产出数量以及时期数;θ为径向效率,ρ为约束条件的线性组合系数,k为决策单元序号;φ为对上述线性规划进行求解得到的潜在效率值,即县域绿色发展效率值。
2.全局和局部空间自相关分析。空间自相关分析是定量刻画不同地区彼此关联程度的有效方法,包括全局空间自相关分析和局部空间自相关分析。全局空间自相关分析用于反映观测变量在整个研究区域内的分布状况,识别其是否存在空间集聚,通常使用全局莫兰指数Moran's I作为衡量指标,其计算公式为:
局部自相关分析用于反映特定地区与其相邻地区之间的局部相似性或差异性,通常使用局部莫兰指数Ii作为衡量指标,其计算公式如下:
正的Ii表示该地区与邻近地区的属性相似(“高—高”或“低—低”),负的Ii表示该地区与邻近地区的属性不相似(“高—低”或“低—高”)[18]。局部莫兰指数Ii一般以LISA(Local Indicator of Spatial Association)集聚图的方式呈现。
3.时空收敛分析法。现有收敛性研究文献通常考虑三种收敛类型——σ收敛、绝对β收敛和条件β收敛。σ收敛分析研究地区之间特定变量观测值的标准差变动情况,如果标准差随时间变小,则认为该变量在不同地区之间存在σ收敛。
绝对β收敛是指不同地区某一属性值能够实现相同的稳态增长率,一般通过对属性变量期末与期初的平均增长率关于期初水平进行回归得到收敛系数加以量化。绝对β收敛的回归模型如下:
式中,Yi,T和 Yi,0分别表示第 i个地区属性变量的期末值和期初值,βa为绝对β收敛系数。如果βa显著为负,表明该属性变量在不同地区之间存在绝对收敛趋势,否则存在发散趋势。
条件β收敛是指在考虑了不同地区的异质性后,不同地区的特定属性均朝着各自的稳态增长率趋近。但由于不同地区并不能得到统一的增长速度,因此,条件β收敛并不意味着各个地区的属性值趋同。条件β收敛的回归模型如下:
式中,Yi,t和 Yi,t-1分别表示第 i个地区属性变量的当期值和滞后一期值,βc为条件β收敛系数。如果βc显著为负,表明不同属性变量在不同地区之间存在条件收敛趋势,否则存在发散趋势。
对于绝对β收敛和条件β收敛,其收敛速度λ与收敛系数之间的关系为:
(二)数据来源
由于市辖区统计数据缺失较多,本文以河南省106个县和县级市为研究对象。考虑到行政区划调整的影响,剔除了撤县设区的“郾城县”“开封县”“陕县”和“许昌县”。同时,鉴于2018年全国各行政层面的环境统计数据并未公布,将研究的时间区间设定为2002—2017年。使用SEBM模型测度绿色发展效率的指标包括:
1.投入指标,包括劳动和资本。对于劳动投入,使用各县(市)全社会从业人员(万人)作为代理变量。对于资本投入,以各县(市)全社会固定资产投资(亿元)为基础,借助永续盘存法转换为固定资本存量[19][20]。
2.期望产出指标,以各县(市)地区生产总值(亿元)作为代理变量。
3.非期望产出指标,包括工业废水排放量(万吨)、工业二氧化硫排放量(吨)、工业烟粉尘排放量(吨)和一般工业固体废物产生量(万吨)。县级层面缺少此类指标的官方统计数据,但本文通过对省级和地级层面规模以上工业增加值与上述指标之间的关系进行统计分析和检验,发现存在高度的正相关性。据此,以各县(市)规模以上工业增加值占全省的比重为权数计算各县(市)四类非期望产出指标。
相关指标的原始数据来自2003—2018年的《河南统计年鉴》和《中国环境年鉴》,涉及市场价值的指标均以2002年为基期进行价格平减。
三、测度结果与分析
(一)时间演变特征
基于样本数据,使用MaxDEA软件测度河南省县域绿色发展效率。囿于篇幅所限,将全部106个县域按照相对区位划分为豫中、豫东、豫西、豫南和豫北五大区域①豫中地区包括郑州、平顶山、许昌和漯河4个城市,辖18个县(市);豫东地区包括开封、商丘和周口3个城市,辖20个县(市);豫西地区包括洛阳和三门峡2个城市,辖13个县(市);豫南地区包括南阳、信阳和驻马店3个城市,辖28个县(市);豫北地区包括安阳、鹤壁、新乡、焦作、濮阳和济源6个城市,辖27个县(市)。,以所辖县(市)绿色发展效率的均值反映区域绿色发展效率,各县(市)历年绿色发展效率结果不再罗列②如有需要,读者可联系作者索取。。如表1所示,研究期内河南全省绿色发展效率为0.8390,豫西地区效率值最高(0.8800),豫中地区效率值最低(0.8080)。
表1 河南省及五大区域绿色发展效率
动态来看,河南全省绿色发展效率呈波动下降态势(见图1a),从2002年的0.8498降至2017年的0.8111,累计降幅4.55%。就五大区域而言(见图1b),豫中、豫东、豫西和豫南地区绿色发展效率均在波动中下降,降幅分别为4.84%、8.33%、11.92%和1.65%,豫北地区绿色发展效率则经历了先升后降的“倒U型”轨迹,但期末相比期初略微上升1.14%。
(续表)
图1 河南省及各地区绿色发展效率演变趋势
(二)空间分布特征
为直观展示河南省县域绿色发展效率的空间分布特征,基于ArcGIS10.6制作四分位地图。如图2所示,研究期内河南省县域绿色发展效率的空间差异明显,总体呈现出“豫西和豫南地区高于其他地区”的分布格局。研究期初,绝大部分县域的绿色发展效率处于第一个四分位区间;到研究期末,多数县域的绿色发展效率分布在第二个四分位区间,但绝对水平的效率值出现了下降。进一步计算河南省五大区域内部县域绿色发展效率标准差(见表2),分析区域内部县域绿色发展效率的分布差异。可以看出,豫西地区虽然县域绿色发展效率较高,但内部差异也最大,远高于其他区域。豫中地区县域绿色发展效率的分布差异低于豫西地区但高于其他地区,研究期内标准差均在0.11以上;豫东、豫南和豫北地区县域绿色发展效率的分布差异较小,大部分年份的标准差低于0.10。
图2 河南省县域绿色发展效率空间分布格局及演变
表2 河南省五大区域县域绿色发展效率标准差
(三)空间关联特征
根据图2,河南省县域绿色发展效率在空间分布上似乎存在同类聚集的现象。为验证这一空间关联特征是否存在,采用空间自相关分析方法进行判断。第一,基于地理邻接空间权重矩阵计算县域绿色发展效率的全局莫兰指数(见表3)①为保证结果的稳健性,本文同时基于地理距离和经济距离计算县域绿色发展效率的全局莫兰指数,结果与此基本相同。。结果显示,除2003年外,其他年份河南省县域绿色发展效率的全局莫兰指数均不显著,表明河南省绿色发展效率在县域尺度上并不存在明显的空间集聚特征。第二,运用LISA集聚图对县域绿色发展效率进行局部空间自相关分析(见图3)。可以看出,研究期内河南省绝大多数县域绿色发展效率的局部空间集聚特征也不明显,少数县域存在“高—低”或“低—高”集聚效应,但这同样表明县域绿色发展效率在局部地区的差异性显著。事实上,LISA集聚图中不显著县域占比很高与全局莫兰指数的结果相一致,均表明河南省县域绿色发展效率的空间分异明显。
表3 河南省县域绿色发展效率的全局莫兰指数
图3 河南省县域绿色发展效率的局部空间自相关格局
(四)时空收敛特征
1.河南省县域绿色发展效率的σ收敛检验(见图4)。整体来看,河南全省绿色发展效率标准差由期初的0.1850降至期末的0.1347,峰值出现在2003年和2012年,研究期内县域绿色发展效率呈现出了较为明显的σ收敛趋势。分区域来看,豫中和豫南县域绿色发展效率标准差在整个研究期内保持低位平稳,豫东和豫北县域绿色发展效率标准差在2006年之后保持较低水平,直观上存在一定程度的σ收敛趋势;豫西县域绿色发展效率标准差波动较大,但总体呈下降趋势,σ收敛趋势较为明显。
图4 河南省及各地区绿色发展效率标准差演变趋势
2.河南省县域绿色发展效率的绝对β收敛和条件β收敛检验。表4显示了2002—2017年河南省县域绿色发展效率的绝对β收敛和条件β收敛检验结果。第一,看绝对β收敛,全省及五大区域的回归系数βa均为负且通过了1%水平的显著性检验,表明河南县域绿色发展效率存在绝对β收敛趋势,收敛速度在3%—13%之间,这与σ收敛检验给出的直观结论基本一致。第二,看条件β收敛,全省及五大区域的回归系数βc同样在1%的水平上显著为负,表明河南省县域绿色发展效率也存在明显的条件β收敛趋势,但收敛速度低于绝对β收敛,介于1%—7%之间,同样印证了σ收敛检验的结论。
表4 河南省县域绿色发展效率绝对β收敛与条件β收敛检验
四、结论与展望
(一)结论
本文利用SEBM模型测度2002—2017年河南省县域绿色发展效率,进而对其时间演变、空间分布、空间关联和时空收敛等特征进行了初步分析。结果显示:(1)河南省县域绿色发展效率整体呈波动下降态势,豫西县域的降幅最为明显。(2)河南省县域绿色发展效率存在显著的空间差异,呈现“豫西、豫南高于其他地区”的分布格局;分区域看,豫西县域绿色发展效率水平最高,但内部差异也最大;豫东、豫南和豫北县域绿色发展效率内部差异较小。(3)不论是全局层面还是局部层面,河南省县域绿色发展效率均不存在明显的空间集聚特征,县域绿色发展缺乏协调联动性。(4)河南省县域绿色发展效率虽然存在明显的空间差异,但σ收敛、绝对β收敛和条件β收敛检验均表明,这种空间差异随时间变化出现了显著的收敛趋势。
(二)展望
本文从县域层面对河南省绿色发展效率进行测度分析,是对现有研究的补充和完善,但还存在一些不足,需要在后续研究中深化和改进。第一,由于县级层面污染排放数据的缺失,采用规模以上工业增加值占比作为权重估算县域的非期望产出指标,可能影响绿色发展效率测度结果的准确性。第二,本文仅针对河南省县域绿色发展效率进行测度分析,缺乏一定的参照系,后续可以通过扩大样本范围识别河南县域绿色发展效率的相对水平。第三,绿色发展效率的测度有助于明确绿色发展的基本现状,如何提升绿色发展效率才是理论和实践工作的核心,接下来需要着力探究影响绿色发展效率的可能因素和作用机制,为河南省县域绿色发展效率协同提升提供决策依据。