中国煤炭资源型城市生态效率评价及影响因素分析

（安徽理工大学 经济与管理学院，安徽 淮南 232001）

按照《中国矿产资源报告2019》中的数据：到2018年，我国的石油储量为35.73 亿t、天然气储量为57 936.08 亿m3、煤炭储量为17 085.73亿t 居于世界前列，但石油、天然气和煤炭的人均拥有量分别是2.57 t、4 167.82 m3和1 229.12 t，远远低于世界平均水平。按照国家统计局的数据表明：2018年中国大陆共开采了35.46 亿t 的煤炭，位居世界第一。2018年，我国的煤炭消费总量在我国的能源消费总量中占比约为58%，虽然比往年下降，但资源禀赋和传统的产业结构等原因的限制，造成对煤炭的依赖在短期内无法改变。因此，与煤炭拥有千丝万缕关系的煤炭资源型城市对中国经济的发展有着举足轻重的影响。但是煤炭对环境造成的污染问题是层出不穷的，寻找清洁能源对人们来说是能解决其污染问题最有效的途径。这给传统的采煤业带来很大打击。走可持续发展道路成为煤炭资源型城市想要取得长远发展的必经之路。生态效率是权衡可持续发展的重要指标之一。本研究将我国27 个主要的煤炭资源型城市作为研究对象，使用超效率SBM 模型测算2008—2017年的27 个煤炭资源型城市生态效率，应用Malmquist 对其生态效率进行分析，最后运用Tobit 分析影响生态效率的要素，并提出了相应的对策建议。

一、文献综述

Schaltegger 和Sturm 在1990年首次提出生态效率这一概念，它是指资源和环境条件在满足人类需要的同时，创造社会财富时的投入与产出的对应关系［1］。许多学者对生态效率展开研究。成金华［2］运用超效率DEA 模型，测算我国30个省份的生态效率，分析其生态效率区域间的差异；盖美[3]以环渤海沿海地区17 个城市为例，使用三阶段DEA 模型对其生态效率进行测算，并结合标准差椭圆和重心坐标方法，定量分析其生态效率的空间演化规律；卜洪运[4]利用USSBM 模型对京津冀的13 个城市的生态效率进行测算，并且确定影响生态经济无效率的内部因素；汪艳涛[5]运用包含非期望产出的超效率SBM 模型测算中国30 个省际地区生态效率，分析不同地区的生态效率差异。目前，现有的与煤炭相关的研究主要集中在煤炭产业和煤炭资源型城市。程晓娟［6］等人利用PCA 和DEA 组合模型对中国煤炭产业2001—2010年的生态效率进行评价，并基于实证分析给出相应的对策建议；武春友［7］等把MFA 和DEA 方法进行组合，并与生态效率评价方法相联系，提出一种基于新视角下煤炭资源效率的测算方法；牛苗苗［8］运用DEA 模型对中国煤炭产业的生态效率进行测算分析，并提出相关的对策建议；张晶［9］运用超效率方法对煤炭资源型城市-徐州的工业生态效率进行研究，从横、纵向两个维度比较分析徐州生态效率变化；汪克亮［10］构建中国煤炭资源型城市可持续发展评价指标体系，并基于熵权因子分析法对中国18个煤炭资源型城市的可持续发展能力进行评价；徐杰芳［11］运用超效率DEA 模型测算了27 个煤炭资源型城市的生态效率，利用Malmquist 指数对煤炭资源型城市的生态效率进行分解分析。

二、研究方法

（一）超效率SBM 模型

Charnes 等人最早提出数据包络分析，其是一种非参数效率分析方法，它可以用来评价多输入、输出的多个决策单元的相对效率，不需要建立函数模型，从而避免了表达投入产出关系时的主观因素。但传统的DEA 模型忽视变量的松弛性、径向等问题带来的测量误差，这让测量结果不精确。Tone 为降低传统DEA 模型的测量误差，提出了SBM 模型。之后，鉴于传统SBM 模型无法对多个有效的决策单元进行区分、排序，Tone 又提出超效率SBM 模型，该模型使有效单元的排序得以顺利解决。在应用过程中，将每个煤炭资源型城市视为一个DMU，其公式为：

式中：n是决策单元DMU的数量；每个DMU由投入m、期望产出s1、非期望产出s2构成；x表示投入矩阵中的元素；yd表示期望产出矩阵中的元素；yu表示非期望产出矩阵中的元素；λ 表示所对应投入或产出元素的系数；ρ为生态效率值，ρ越大，效率越高。

（二）Malmquist 指数

Malmquist 既可以计算全要素生产率,也可以将其分解为技术进步、纯技术效率和规模效率，可以更好地分析生产率的构成和动态变化的趋势。根据相关的研究,从t到t+1时期,Malmquist可以用下列公式表示：

式中：Dt(xt,yt)，Dt+1(xt+1,yt+1)分别指以t时期的技术为参考时,t时期和t+1时期的DMU的距离函数；Dt(xt+1,yt+1)Dt+1(xt,yt)含义相似。

根据Fare 等在规模报酬可变的假设下,将Malmquist 生产率分解为相对技术效率（effch）和技术进步（techch）,其中，技术效率又可以进一步分解为纯技术效率（pech）和规模效率（sech）。因此，公式可以写为：

（三）Tobit 回归模型

生态效率不仅受上文中提到的投入和产出指标的影响，还可能受到其它因素对其造成影响，为了进一步的了解生态效率的主要影响因素，可以采取以下方法：先是通过上述的SBM 模型计算出每个DMU的生态效率值；然后将第一步中得出的生态效率值经过处理作为因变量，以基于已有文献及生态经济学、资源与环境经济学原理，同时考虑数据的可得性和煤炭资源型城市的特点，经过相应文献阅读选出的高频率的影响因素作为自变量，构建回归模型，通过自变量的系数判断影响因素对生态效率的影响。因此公式可以写为：

式中：y代表被解释变量，X代表解释变量，β为估计系数。

三、指标选取与数据获取

（一）生态效率评价指标体系

城市生态效率的衡量和比较主要集中在一定经济产出下的环境和资源投入量；或者考察在一定的环境和资源投入下有多少经济产出。本研究在参考相关研究的生态效率指标的设置和选取的基础上，加入科技投入指标，与此同时，考虑到数据的可获得性，构建煤炭资源型城市的生态效率评价指标体系（表1）。

表1 生态效率评价指标体系

废水排放量、化学需氧量、SO2 排放量、烟（粉）尘排放量、用水总量、用电总量、全社会固定资产投资总额、就业人数、建设用地面积、科学技术支出与教育支出、地区GDP 均来自《中国城市统计年鉴》，其中少量地区部分年份的化学需氧量未记载，按照“所属省份的化学需氧量*本市工业总产值/所属省份工业总产值”测算，工业总产值与所属省份化学需氧量来自《中国环境统计年鉴》；固体废物产生量根据“所属省份固体废物产生量*本市工业总产值/所属省份工业总产值计算得来，其中所属省份固体废物排放量来自《中国环境统计年鉴》。

（二）数据来源

在样本方面，根据国务院2013年印发的《全国资源型城市可持续发展规划（2013—2020年）》确认的资源型城市，选取其中依托煤炭资源的地级市及以上城市，共计27 个（吉林省辽源市由于数据采集原因，不包括在内）。所选样本城市覆盖了东部、中部、西部地区，能够代表中国煤炭资源型城市的总体情况。本研究中数据的主要来源有《中国环境统计年鉴（2009—2018）》《中国城市统计年鉴（2009—2018）》《中国能源统计年鉴（2009—2018）》、“各城市及所在省份的统计年鉴”和国民经济和社会发展统计公报等资料。对于其中有些缺失数据，采取加权平均法对其进行赋值。

四、结果与分析

（一）生态效率测算及分析

对全国27 个煤炭资源型城市2008—2017年的投入、产出数据，先运用熵权法将原始数据进行合并。将废水排放、废气排放和固废排放3 类指标综合成环境投入指标；将水资源消耗、电力消耗、资本投入、人力消耗、能源消耗、土地资源消耗以及科技投入等指标综合成能源投入指标。将环境和能源投入作为投入指标，将GDP 作为产出指标，通过DEA-SOLVERPro13.1 软件，选用超效率SBM 模型进行分析，可以得到各煤炭资源型城市的生态效率值（表2）

从表2中可以看出，从全国层面看，2008—2017年间主要煤炭资源型城市的生态效率均值整体呈现平稳上升趋势，但整体大致分布在0.62-0.76 之间，这与地方政府在环境保护和资源消耗方面的努力有直接关系。从区域层面看，东、中、西部地区2008—2017年间生态效率的平均值分别为0.982、0.553、0.614，因此，三个地区生态效率的排序是：东部地区＞中部地区＞西部地区。值得注意的是，根据已有文献的研究结论，生态效率的顺序是：东部地区＞中部地区＞西部地区。然而，本研究计算得出的结论表明，中、西部地区的生态效率均值非常地接近，中部地区甚至还比西部地区略低。这是因为本研究选取的样本是各地区的主要煤炭资源型城市，没有涉及全部的煤炭资源型城市，而且生态效率值还受城市类型的影响。虽然中部地区的经济发展在总体上要比西部地区发展态势好，但有许多衰退型煤炭资源型城市，对生态效率值产生了很大影响。东部地区的生态效率是明显比中西部地区要高的，表明东部地区在经济增长方式方面的转变取得了初步成功。从变动趋势看，各地区呈现出整体上升趋势。东部地区2012 和2015年的生态效率均值达到10年间的最大值1.017；中部地区一直平稳增长，2009—2013年间增速是有明显提升，生态效率均值增长约50%；西部地区2008—2017年间生态效率均值增长，2009—2010年增幅加大，增长率达15%左右。从省级层面看，10年间生态效率均值最高的省份是河北，为1.268，生态效率均值最低的是四川和陕西，分别为0.409 和0.445。从市级层面并结合城市类型看，生态效率最高的是河北唐山，为2.750；其次是乌海和七台河分别为1.059 和0．878；生态效率均值在0.4～0.6 之间的有17 个，占总样本量的63%，0.6～1.0 之间的有6 个，占22.2%，其他区间比较分散。研究指出，全国27 个煤炭资源型城市生态效率均值的高低排序为唐山＞乌海＞七台河＞石嘴山＞抚顺＞枣庄＞朔州＞焦作＞晋城＞平顶山＞邯郸＞阳泉＞鹤壁＞长治＞淮南＞双鸭山＞萍乡＞阜新＞鸡西＞邢台＞淮北＞赤峰＞达州＞铜川＞大同＞鹤岗＞广元。

（二）生态效率的分解：Malmquist 指数分析

使用DEAP2.1 软件，对2008—2017年27 个煤炭资源型城市的数据进行Malmquist 及分解，结果如表3所示。

表2 2008—2017年全国27 个煤炭资源型城市生态效率值

表3 2008—2017年全国27 个煤炭资源型城市生态效率年均Malmquist 指数及其分解

2008—2017年27 个样本城市的TFP 值的年均增长率21%，这说明从全国整体水平来看，生态效率是动态增长的。在这10年间全要素生产率呈现一定的波动，而且全要素生产率的变化趋势与技术进步较为一致。因此，总体而言，技术进步对全要素生产率的变化有着十分重要的影响力度，但是统计的每个煤炭资源型城市的技术效率值不高，表明新技术和新产品的研发能力需要加强，技术效率需要在一定程度上提高。从TFP的分解情况可以看出，除了纯技术效率年均下降1.4%外，其他3 个指标均是增加的，其中综合技术效率增加15.7%，技术进步增加18.3%，规模效率增加17.6%。从这三个指标的增加幅度可见，近10年来煤炭资源型城市生态效率的增长主要是由技术进步贡献得来的。

从地区层面看，西部地区的TFP 值最高。东部地区、西部地区和中部地区的技术进步分别为0.89、0.95 和0.91，可见东部、中部、西部地区都在技术进步方面做了努力，但仍然没有取得较好的进步。从技术进步指标来看，大于1 的城市是没有的，在技术的应用方面，各城市的发展均未达到满意状态，说明煤炭资源型城市的研发方面需要给予更多的关注；从纯技术效率指标来看，大于1 的城市有18 个，等于1 的有4 个，小于1 的有5 个，说明有一部分煤炭资源城市的生产管理水平有待提高，大部分城市说明在环境整治和污染控制等方面具有技术优势；从规模效率指标来看，小于1 的城市有9 个，大于（或等于）1 的有18 个，这表示对于绝大多数的煤炭资源型城市来说，规模效率在很大程度上制约着生态效率的提高。生产规模不是最优的，存在生产要素结构与生产规模不匹配、规模不经济、过度投资和资源闲置的可能性等问题，反映出这些城市需要对经济结构进行适当调整。从各指标随时间的变化趋势（表4）可以看出，全要素生态效率的增长率TFP 值呈有增有减的波浪变化趋势，2010—2011年有1 个显著增长，增长幅度为93%。随后TFP 值开始下降，2012 和2013年平均每年降低约27%，2014年增长65%，2015年和2016年平均每年降低约7%，可见近几年生态效率增长率的变化一直在变。结合前面的分析发现，生态效率均值本身是逐年波动式递增的，但其增长率是变化的。这反映出在处理生态和经济发展两大目标时会出现矛盾和冲突。如何在促进环境保护和倡导资源节约的同时兼顾经济增长，是一个需要长期探索的问题。

表4 全国27 个煤炭资源型城市各年份平均Malmuquist指数及其分解

（三）回归分析

以2008—2016年为考察期，我国27 个主要的煤炭资源型城市作为此次的研究对象。利用stata15.0软件进行Tobit回归分析，结果如表5所示。

从表5可以看出，城镇化率、人均GDP、大中型企业研究和试验发展经费支出、进出口总额这4 个指标对生态效率值具有正向影响；科技与教育支出、能源消费总量、环境治理投资这3 个指标对生态效率值具有负向影响。

表5 生态效率的影响因素实证结果

城市化进程有利有弊，一方面它可以将优秀的人才、充足的资本、高科技技术等聚集起来，有利于提高自然资源和社会资源的综合利用；另一方面。也可能带来资源浪费等问题。因此，在城镇化的推进进程中，不能盲目地、疯狂地追求城镇化进程的速度，而要综合权衡各项指标的同步协调发展；人均GDP 的这种正相关关系可能是因为随着煤炭资源型城市经济的增长、人民收入的提高，意识到环境质量越来越重要，需求逐渐从物质转向物质与生态环境质量并重，从而使得生态效率提升；技术进步、市场开放程度与生态效率呈现出正向关系，这表明技术进步对生态效率的提升具有积极作用，加强人才培养，提高科研水平，加大技术引进和研发投入，是提高生态效率的重要手段。同时表明对外贸易的发展对区域内经济的发展有促进作用；煤炭资源型城市的第二产业占比对生态效率有正向作用。得到的这一结论与有些学者的研究结论不同，这是因为煤炭资源型城市的工业化水平较高，同时依靠经济全球化，经济也取得了巨大成就。但由于土地、交通等条件的约束，煤炭资源型城市目前现有产业大多工业化程度低，经济发展缓慢。我们一般认为第二产业是资源消耗产业，会造成大量的能源消耗和环境污染。然而，由于煤炭资源型城市的经济增长速度迅速，基础设施建设规模大，工业化对经济增长的贡献大于破坏资源和环境所付出的代价，因此工业化对生态效率有正向影响。不过可以肯定，随着煤炭资源型城市经济的增长和产业结构的升级，第二产业占比对生态效率提高的负向作用会慢慢显现出来。

科技与教育支出的增加没有提高生态效率，反而造成了效率的下降，这说明科技与教育支出存在冗余或浪费的情况，对生态效率来讲，科技与教育支出的经济转化率过低，科技与教育方面的高支出并没有直接、有效地转化为生态效率。这说明盲目提高科技与教育方面支出是不可取，应将重点放到提高资金的转化效率；能源消费总量对生态效率的影响是负向。我国太阳能、风电、水电等清洁电力对优化区域电力结构、降低煤炭消耗、提升生态效益具有重要意义；环境治理投资对生态效率的影响也是负向，但是影响的力度是非常小的，这可能与环境治理投资结构不合理等原因有关。

五、结论与建议

将加入科技、能源投入，构建煤炭资源型城市的生态效率评价体系，用超效率SBM 模型计算出2008—2017年煤炭资源型城市的生态效率，对煤炭资源型城市生态效率的空间差异以及变化趋势进行比较和分析，利用Malmquist 对煤炭资源型城市的生态效率进行分解分析，并利用Tobit模型分析煤炭资源型城市生态效率的主要影响因素。主要的结论如下：

第一，从全国层面看，2008—2017年间主要煤炭资源型城市的生态效率均值整体呈现平稳上升趋势，大致分布在0.62～0.76 之间；从区域层面看，三个地区生态效率的排序是：东部地区＞中部地区＞西部地区；从省级层面看，10年间生态效率均值最高的省份是河北，生态效率均值最低的是四川和陕西；从市级层面并结合城市类型看，生态效率最高的是河北唐山，其次是乌海和七台河；不同城市的生态效率值存在较大差异。

第二，10年间的全要素生产率呈现一定的波动，从综合技术效率、技术进步、规模效率这三个指标的增加幅度可以看出来，近10年来煤炭资源型城市生态效率的增长主要是由技术进步贡献得来的。从纯技术效率来看，大部分的煤炭资源型城市的生产管理水平有待进一步地提高。从规模效率指标来看，大部分煤炭资源型城市的生产规模未达到最优。

第三，城镇化率、人均GDP、大中型企业研究和试验发展经费支出、进出口总额这4 个指标对生态效率值具有正向影响；科技与教育支出、能源消费总量、环境治理投资这3 个指标对生态效率值具有负向影响。

根据上述结论，在此提出下列几点建议：

第一，关注不同地区、不同省市之间的发展差距。中西部地区要努力提高技术水平，借鉴发达地区的发展经验，不仅要成为落后产能和技术的转移目的地，还要因地制宜探索统筹发展的道路。

第二，要继续优化产业结构，使产业结构的改善发挥应有的促进经济增长作用，协调不同地区的产业资源，促进高污染、高能耗的产业进行产业结构转型，加快传统产业升级改造，努力优化能源结构。

第三，增加科技创新力度。首先，政府要给予一定的政策支持，营造良好的研发氛围，并且引导、鼓励企业进一步加大对研发的资金和人力投入，最终形成有效的创新机制。同时，要为煤炭资源型城市的科技创新提供支持和帮助，通过资金支持大中型企业的研发活动，积极推进企业与地方高校、科研院所、事业单位的科研合作，加快科技成果转化。

第四，鼓励和引导煤炭资源型城市大力地发展循环经济，提高资源的回收利用率。煤炭资源属于不可再生资源，煤炭资源型城市都不可避免的面临着煤炭枯竭、城市衰落的潜在威胁。因此，通过鼓励和引导煤炭资源型城市大力发展循环经济手段，可以提高煤炭资源型城市的生态效率。