我国城镇居民生活质量对绿色效率提升路径的研究

张盼盼 闫海波 徐婉婷

摘 要：文章利用熵值法和考虑非合意产出的三阶段DEA模型，估算了城镇人民生活质量及绿色效率水平，结合空间Tobit模型实证分析了中国2013-2018年城镇人民生活质量对绿色效率的空间影响。研究表明：各地区生活质量在空间分布上具有显著的正相关关系，省会城市明显高于周边城市，东部高于西部，沿海高于内陆;绿色效率水平则相反，大部分绿色效率值较高的地方，人民生活质量相对较低，中部和西部地区尤其明显;城镇人民生活质量与绿色效率之间存在显著的空间负相关关系。

关键词：绿色效率;生活质量;三阶段DEA模型;空间Tobit模型

中图分类号：F223;X22;X24  文献标识码：A  文章编号：1673-260X（2021）05-0046-06

1 引言

新中国成立以来，随着社会经济快速发展及国民思想境界提升，越来越多的人步入了更加注重生活质量的新阶段。居民在享受经济变化所提供的宽裕物质生活的同时，也越发期待心灵上的愉悦和居住环境的舒适。但是生活水平的提高也造成了大量的工业废水和生活污水的排放，造成了绿地减少、空气污染加重等一系列影响城市发展的生态问题。在此情况下，居民生活质量和城市可持续发展统筹兼顾成为大多学者关注的焦点。因此，从生活质量的角度探讨城市绿色发展就变得尤为迫切。

目前，关于绿色效率的研究可大致分为两个部分：一是合理测度及影响因素研究。大多数学者采用改良后的數据包络分析法（DEA）并结合不同的回归方法对绿色发展效率展开研究，分析内容包括但不限于工业效率、环境规制、城镇化、能源消费、产业结构、资源禀赋等因素对绿色经济效率的影响[1-8]。二是时空动态演变研究。针对时间维度，学者普遍认为中国区域绿色经济效率总体上呈现上升趋势，区域间差异不断缩小，并朝均衡化方向发展，各影响因素作用程度具有明显的时间阶段性和区域差异性[9，10]。空间维度上呈现出“东中西”阶梯状递减的区域差异规律，不同类型城市群具有集群增长特征[11]。生活质量是对生活优劣的全方位评价[12]，是“居住在特定环境下的个体获得的心理和物质上的福利”[13]。目前学者在生活质量范畴内的研究大致分为两类：一类是生活质量的量化和测量。包括迁移模型和概念式多维度构建指标体系[14]。一类是基于生活质量对经济发展、生态问题等各方面变化的影响[15]，即把生活质量连同其他被研究因素在同一模型中进行分析讨论。随着人们生活质量的提高以及消费方式的变革，生活质量在调节区域吸引力中的地位也越发关键。

中国正处于人民生活质量稳步提高的关键时期，关于人民生活质量对绿色效率影响的研究却很少。为此，探究人民生活水平对绿色效率的影响，对于实现生活与环境的高度协调发展具有重要的理论和现实意义。鉴于此，本文采用三阶段DEA模型和空间面板Tobit模型，探究中国城镇人民生活质量进程对城市绿色效率的影响机制。

2 变量估算

2.1 绿色效率估算

2.1.1 测算方法

各城市绿色效率的测算选用含非合意产出的三阶段DEA模型。传统的DEA方法在一个确定的前沿面下，将所有因素造成的随机误差均归因于低效率，忽略了外部环境对决策单元（DUM）的影响。而三阶段DEA方法，则在第二阶段加入随机前沿模型（SFA），克服了传统DEA模型不考虑环境变量和随机误差的问题，使得模型结果更真实。鉴于此，本文采用三阶段DEA模型，对我国绿色效率进行研究。

具体模型如下：第一阶段为传统的BC2-DEA模型，利用线性规划思想，以最优的投入与产出作为生产前沿，如式（1）所示。第二阶段根据目标投入量与原始投入的差额，计算出松弛变量，再利用最大似然等方法估算未知参数的值，调整后如式（2）所示。运用SFA回归能够得到各环境变量的系数和效率值，然后调整DUM的投入值。第三阶段则利用调整后的投入与原来的产出，再次运用第一阶段的BC2-DEA模型，计算DMU的相对效率。

2.1.1 测算指标选取

城市绿色效率的测算指标的选择应以绿色效率的内涵为基础，即城市绿色效率是以最小的要素投入或最少的非合意环境产出来获取最大的经济效益与社会效益，实现共赢。投入指标包括资本投入要素全社会固定资产投资总额、技术投入要素教育支出以及自然资源投入要素供水总量。产出指标分为期望产出和非期望产出两大类，其中期望产出包括代表城市经济水平的人均GDP和第三产业产值以及代表社会质量的社会消费品零售总额;非期望产出为工业废水排放量。环境指标包括对区域经济与环境协调发展起重要作用的产业结构;衡量居民生活水平的人均GDP;不同阶段对环境产生不同影响的城市化水平。

需要说明的是，在数据处理过程中应将非期望产出作为投入变量，原因在于非期望产出与投入都会导致成本的增加，且地方政府都希望用最小化的投入换取最大化的产出。产业结构以第三产业生产总值占国民生产总值的比率来衡量。城市化水平由城镇人口占总人口比率来表示。

2.1.3 模型结果及分析

利用以上指标，借助三阶段DEA方法对我国351个城市2013-2018年的绿色效率值进行估计。限于篇幅，表1中仅给出各个年份30个省会城市的绿色效率值以及首年和末年的排名。总体上，各个地区的效率值逐年波动上升，有明显的改善，东部地区明显高于西部地区。分区域来看，北京、福建、哈尔滨、长沙以及呼和浩特一直处于效率的前沿面;合肥、南宁、贵阳、南昌、西宁、乌鲁木齐等地绿色效率较低。大部分地区效率值在0.5～0.9间，体现了明显的异质性，因而对影响绿色经济效率的主要因素进行进一步分析是很必要的。

2.2 人民生活质量测算

2.2.1 估算方法

熵值法是相对客观的赋权方式，不涉及人为主观因素使熵权法较为稳定可信。熵值法具有广泛的适用性，能和多种评价方法结合使用，全面地进行综合评价。人民生活质量是经济、社会、人口、环境等多方面协调发展的系统，在评价其质量时，重点关注系统内差异部分，熵值正是强调了这种差异程度的存在。因此本文选用改进后的熵值法来确定城镇人民生活质量综合评价体系的指标权重。

2.2.2 测算指标选择及结果

环境质量是美好生活的重要维度之一，良好的环境质量可以提高人们的生活满意度，本文选用城镇人均道路以及城镇人均绿地面积来衡量环境质量。收入是经济发展的核心指标，地区收入质量左右了当地公共资源的供给质量，个体收支质量则直接决定了自身及其家庭的生活质量。现有相关文献显示，个人可支配收入以及消费支出的高低能够有效反映其生活质量的好坏，因此基于数据的可获得性，本文选用城镇居民人均可支配收入和城镇居民人均生活消费支出来衡量经济发展对人民生活质量的影响。测量结果见表2。

3 空间计量模型构建

3.1 空间计量模型

由于城镇人民生活质量存在空间效应，本文采用空间计量模型实证分析人民生活质量的变化对绿色效率的影响。对比于经典回归模型，空间计量模型的优势在于将不同个体间的空间联系也纳入对模型结果估计的考虑，更适合眼下开放与合作的经济环境。空间自回归模型（SAR）是空间计量模型的基本模型之一，其假设一个地区的被解释变量直接受其他地区的被解释变量影响，鉴于本文研究目的，选取空间自回归模型作为基础模型，考虑到被解释变量“绿色效率”的取值在[0，1]之间，属于受限变量，因而采用Tobit-SAR模型来保证回归结果更加准确合理。模型具体形式如式（3）：

3.2 变量选取及数据来源

本文选取数据为我国2013-2018年30个省域351个地区（由于西藏数据缺失较多，为保证研究结果的准确性，故将西藏排除在外）。其中，大部分数据来源于各省域《统计年鉴》，其余数据来源于《中国城市统计年鉴》《中国区域经济统计年鉴》以及各个地区的国民经济与社会发展统计公报。个别缺失数据采用插值法以及递推法补齐。变量说明见表3。

4 实证分析

4.1 绿色效率的空间相关性

4.1.1 全局空间相关性分析

空间相关性检验是对于属性值在整个区域的空间特征的描述，通过比较邻近空间位置观测值的相似程度来测量全局空间自相关。本文采取Moran's I指数来测量全局自相关，空间权重矩阵采用基于邻接关系的“车”相邻。如果两个地区有公共边则邻接，用1表示，反之用0表示。若Moran's I在统计上显著大于0，表示在地理空间分布中相似的属性值趋向于聚集在一个区域，即存在空间正相关，数值越大说明空间正相关性越强;若Moran's I统计上显著小于0，表示不同的属性值趋向于聚集在一个区域，即存在空间负相关，数值越大说明空间负相关性越强;若Moran's I等于0，则表示不存在相关性，空间分布随机。表4报告了检验所得的空间相关性结果，可以清楚的看出历年Moran's I检验值均通过0.01的显著性水平，说明各地区绿色效率在考察年份的空间分布上具有显著的正自相关关系，表现出相似值之间的空间集群形态。所有指数都大于0，说明绿色效率值低的地区倾向于与其他绿色效率值较低的地区相临近，绿色效率值较高的地区倾向于与其他绿色效率值较高的地区相临近。因此，从整体上看，各地区绿色效率存在明显的空间相关性。

4.1.2 局部空间相关性分析

全局空间自相关只能解释各个变量之间的总体关联特征，并不能揭示局部变量间的关联特征，为进一步探索绿色效率局部关联特征，接下来进行局部空间自相关检验。

图1是各个地区2018年绿色效率的局域 Moran's I检验的散点图。检验结果表明：各个地区绿色效率表现为共同的空间特征，呈现出正向的自相关性。其中，高绿色效率地区和低绿色效率地区的自我集聚占主导地位，绝大部分地区处在第一象限和第三象限。

4.2 模型的估计及检验

表5为空间自回归模型在不同情况下的回归结果。在模型的选择中，由R2可知空間自回归Tobit模型的拟合程度高于传统Tobit的模型，采用距离矩阵优于采用邻接关系矩阵，且替换权重矩阵可作为常用的稳健性检验方法。表5同时给出了两种权重矩阵的SAR模型估计结果，对比估计结果可知两种权重矩阵无论是系数的符号还是显著性都相差不大，说明模型是稳健有效的。Tobit-SAR模型所有变量的符号符合预期，系数在0.01的显著性水平下非常显著，R2为0.9811说明模型拟合度非常好。综上，在模型的选择中选用距离权重矩阵的Tobit-SAR模型。

由Tobit-SAR模型实证结果我们得到如下结论：首先，被解释变量的空间滞后项系数？啄为0.1817776，在1%的显著性水平下显著为正，说明绿色效率具有显著的空间溢出效应，即某个地区绿色效率值的增加会带动邻接地区绿色效率值增加。同时也与前文中进行的Moran相关性分析相吻合，说明了模型使用空间计量模型是合理得，绿色效率值确实存在空间影响。

其次，城镇居民生活质量的回归系数（x）符号为负，系数值为-0.3138622，并且在1%的显著性水平下通过检验。这个结果表明，某个地区的城镇人民生活质量的提高会抑制当地的绿色效率。也就是说人民生活质量的提高非但没有促进绿色效率，反而对绿色效率产生了负面影响，这似乎与我们在协调发展中想要得到的结果相悖。但这与实际情况是相符的，可能基于如下原因：为了提高生活质量，却不得不以增加碳排放为代价，使得环境污染对绿色效率产生了重要负面影响;中国人民生活质量的发展取得了巨大成就，但发展的同时也加剧了能源的消耗、环境的污染，导致城市绿色效率与生活质量之间呈现负向关系;地方对于满足人民日益增长的美好生活需要而产生的相关政策推动了生活质量的提高，但也付出了过高的资源和环境代价。在短期内，难以平衡绿色效率与生活质量的同步提高，唯有主动改革官员激励机制，发挥地方政府在转变提高生活质量方式中的正向作用，并从要素禀赋结构着手，才有可能逐步提高中国城市的绿色效率。

最后，关于控制变量对绿色效率的影响分析。产业结构（xt）的系数为0.0037177，在0.01的显著性水平下显著为正，说明某个地区的第三产业比率的增长会促进当地的绿色效率。城镇化水平（xp）的系数为-0.0022525，在0.01的显著性水平下显著为负，说明某个地区的城镇化水平提高会抑制当地的绿色效率。人均GDP（xa）的系数为0.0037177，在0.01的显著性水平下显著为正，说明某个地区的人均GDP的增长会促进当地的绿色效率。

5 结论与启示

综合前面的所有分析，可以得出以下结论和建议：

第一，中国城镇绿色效率在空间上存在显著的正相关性，本地区的绿色效率水平一定程度上会对邻接地区绿色效率水平产生正向的影响。因此，地区政府因借助正向影响，大力促进城市绿色效率的提高，利己利人，充分发挥资源的溢出效应。

第二，中国绿色效率值的空间分布特点是各省会城市人民生活质量明显高于周边城市，东部地区生活质量高于西部地区，沿海地区高于内陆地区。因此，应该利用省会城市对周边城市绿色效率发展的带头作用，调整影响力度，加大辐射区域，充分发挥空间依赖性，提高中国整体发展速度。

第三，城镇居民生活质量对绿色效率值的增长产生负向影响，生活质量的提高非但没有促进本地区的绿色效率值的增长，而且对邻接地区的绿色效率值的增长也产生了抑制效果。因此，应该在合理安排调控的基础上深化提高生活质量方式的改革，注重对污染排放等级的严格测量，呼吁市民节能减排，提倡各大工业产业绿色生产，让生活质量的提高在福及本地的基础上更充分的福及邻接地区，使整体协调发展。

第四，产业结构和人均GDP对绿色效率产生了显著的正向的影响，城镇化水平对绿色效率产生了显著的负向的影响。因此，首先，政府应该合理安排政府行为，对城镇化政策加以控制和调整，转变城镇化水平所产生的负向影响，否则很可能导致绿色效率值缓慢下降。其次，对于产业结构和人均GDP所产生的影响应该在保持对自身绿色效率促进作用的基础上加大辐射范围，形成地区之间的互惠互利，共同发展。最后，不同地区之间存在环境、政策发展水平等多方面的差异，对不同地区应采取不同的措施，因地制宜。

参考文献：

〔1〕聂名华，齐昊.对外直接投资能否提升中国工业绿色创新效率？基于创新价值链与空间关联的视角[J].世界经济研究，2019（02）：111-122+137.

〔2〕YUE S J，YANG Y，HU Y Y. Does foreign direct investment affect green growth？evidence from China's experience[J].Sustainability，2016，8（02）：158-170.

〔3〕王冉，孙涛.基于超效率DEA模型的环境规制对中国区域绿色经济效率影响研究[J].生态经济，2019，35（11）：131-136.

〔4〕杨佳伟，王美强.基于非期望中间产出网络DEA的中国省际生态效率评价研究[J].软科学，2017， 31（02）：92-97.

〔5〕谢秋皓，杨高升.新型城镇化背景下中国区域绿色发展效率测算[J].统计与决策，2019，35（24）：132-136.

〔6〕卢丽文，宋德勇，李小帆.长江经济帶城市发展绿色效率研究[J].中国人口·资源与环境，2016， 26（06）：35-42.

〔7〕陈星星.绿色全要素能源效率的空间溢出效应测度[J].统计与决策，2019，35（21）：118-121.

〔8〕刘阳，秦曼.中国东部沿海四大城市群绿色效率的综合测度与比较[J].中国人口·资源与环境，2019，29（03）：11-20.

〔9〕曹鹏，白永平.中国省域绿色发展效率的时空格局及其影响因素[J].甘肃社会科学，2018（04）：242-248.

〔10〕王志平，陶长琪，沈鹏熠.基于生态足迹的区域绿色技术效率及其影响因素研究[J].中国人口·资源与环境，2014，24（01）：35-40.

〔11〕周亮，车磊，周成虎.中国城市绿色发展效率时空演变特征及影响因素[J].地理学报，2019，74（10）：2027-2044.

〔12〕李兆中，甄峰.多源数据结合的城市生活空间质量评价——以南京为例[J].人文地理，2019，34（06）：53-61.

〔13〕Liu， B. C. （1983）. Variations in economic quality of life indicators in the u.s.a.： an interstate observation over time.Mathematical Social Sciences，5（01）， 107-120.

〔14〕黄俊.贫困地区农村老龄人口生活质量评估——基于湖北、安徽13个贫困村的调查[J].统计与决策，2019，35（23）：85-89.

〔15〕刘鹏飞，孙斌栋.中国城市生产、生活、生态空间质量水平格局与相关因素分析[J].地理研究，2020，39（01）：13-24.