地区绿色经济发展测度及影响机制分析——以安徽省为例

陈 晨

（安徽省经济信息中心，安徽 合肥 230001）

2005 年8 月，习近平总书记在安吉考察时提出“绿水青山就是金山银山”，这一理念也逐渐深入人心，使社会公众不断意识到生态问题归根结底是经济发展方式的问题，绿色发展也是构建高质量现代化经济的必然要求。坚持生态优先、绿色发展，是一场从理念到行动的深刻革命。安徽省作为中部地区经济大省，在经济发展方面具有“速度稳、质量高、后劲足”的特点。2018 年，安徽地区生产总值突破三万亿大关，居全国第13位。2020年，安徽省更是以地区生产总值三万亿的新高度为起点，经济持续发力，主要经济指标增速“领跑”全国，实现经济增长的新局面。近年来，安徽省也着力改善生态环境问题，对突出生态环境问题进行大排查、大起底、大整治，不断强化生态优先、绿色发展理念，推进五大发展美好安徽的建设，并取得显著效果。一系列政策、方案、行动的落地体现了安徽省对于环境治理的信心和决心。准确测度安徽省整体和各个地级市的绿色发展水平，量化各影响因素对绿色发展效率的影响程度，对于安徽省绿色发展具有积极的促进作用，并能有效促进安徽省各地区的全面发展，提高省域整体竞争力，从而实现安徽省的经济高质量发展和美好安徽的建设目标。

一、文献综述

目前国内外对于绿色生态效率的研究主要涉及内涵界定、测算方法和影响机制三个方面。一是效率内涵的界定，两位德国学者Schaltegger &Sturm（1990）最早提出研究绿色发展的效率，认为这种效率即在社会生产活动中，经济增长相对环境影响的比值。随后，Schmidheiny（1992）提出效率应为单位时间中经济增长带来的价值与生态环境所承担的载荷的比值，将效率的定义进一步量化。1995 年，Fussler（1995）首次引入城市绿色发展的生态效率的概念并加以诠释。我国学者对于通过效率来进行绿色发展效率的研究也逐渐完善。周国梅等（2003）提出衡量地区绿色发展的生态效率即为单位生产消费对于环境的破坏程度。游达明和黄曦子（2016）提出衡量地区绿色发展的生态效率应该是一个反映生态创新技术投入与产出之间的集约型特征的概念。陈真玲（2016）指出衡量地区绿色发展的生态效率应该包含人均GDP 和人均绿地面积相对于环境压力的比重。二是效率的测算方法。Schaltegger &Burritt（2005）认为绿色发展效率是一个投入产出的过程，即将效率量化为经济的增长量（产品、服务产出）与环境负荷的增加值。Huppes &Ishikawa（2007）认为对于绿色发展来说，当经济水平提升时，废物排放、资源消耗和环境载荷程度越低，则发展效率越高，即效率是经济价值相对于环境消耗量的比重。陈林心等（2018）在进行省域绿色发展程度的测算时，采用包含GDP、生活垃圾处理效率、资源能耗效率等13个指标，构建指标体系对省域生态效率进行有效测算。杨斌（2009）在对我国省域绿色发展程度进行研究时，选取2000～2006 年的数据，采用传统数据包络模型进行分析和测度。查建平（2015）在对成都旅游景区进行绿色发展程度测算时，在环境的约束条件下，采用网格数据包络模型对生态效率进行分析。杨蕾和杜鹏（2017）在对广东省各地市进行绿色发展程度测算时，选择2005年至2014年的数据，运用主成分-DEA的组合方法对各地市生态效率差异进行分析。三是生态效率的影响因素，陈傲（2008）通过固定效应回归模型，选择政策保护、政府投资和产业结构三类指标对绿色发展程度进行测度和分析。陶迎平等（2012）通过采用双重效应模型和面板回归模型对我国绿色发展程度进行测算，选取产业结构、人均收入、资源投入、政策支持等四个方面的指标作为影响因素。胡达沙和李杨（2012）选取经济规模、产业层次、对外开放、政府管制等四个方面的指标作为影响因素，运用面板模型对绿色发展程度进行测算分析。崔玮（2014）使用2002～2012 年的数据集，运用Tobit 模型对我国东部、西部、中部三个地区的省域绿色发展程度进行测度，选取包含生产投入、技术投入、经济结构等三方面的指标作为影响因素。

综上，国内外学者在绿色发展效率的内涵界定、测算方法和影响机制方面都有较多的研究成果，形成一定的框架结构，为本文研究地区绿色发展效率提供很好的参考。但是，通过对已有文献进行整理，发现以下不足：第一，现有文献中较少阐述效率对于城市建设的影响机制；第二，国内外文献更多是对国家、经济带和省域之间的效率测算，研究结果只能反映大方向的效率概况，并不能反映地市层面效率的情况；第三，国内文献对于效率的影响因素探究，往往是将省域作为一个整体进行分析，但是各省之间的城市群存在巨大的差异，对于各市的情况应该因地制宜地进行探究。

因此，本文从效率的微观层面着手，将2014～2018年安徽省16个地市的数据作为研究对象。一是构建基于数据包络模型的投入产出指标体系，二是分别从静态和动态两个视角出发，将超效率DEA与Malmquist指数有效结合，对效率进行逐一测度分析。本文的价值和贡献在于通过研究安徽省整体和各个地市的绿色发展效率和变化，有利于解决地区之间发展不平衡问题；通过合理评估资源利用情况，有利于资源配置的科学合理发展，高效处理资源冗余等难题。

二、安徽省绿色发展效率评价

（一）指标体系的构建

通过参考效率相关概念和国内外相关文献中广泛运用的投入产出指标体系，同时考虑安徽省的现状，本文对安徽省绿色发展效率评价指标体系进行构建。

1.数据来源。2013 年11 月，安徽省成为全国第二个开展国家创新型省份建设试点城市，2014 年安徽省委、省政府围绕“建设美好安徽”，大力推进生态文明建设，因此本文以2014 年为节点收集数据。采用安徽省2014～2018 年的数据来衡量安徽省城市群的绿色发展效率现状。原始数据来源于《中国城市建设统计年鉴》《中国城市统计年鉴》《安徽省统计年鉴》国家统计局网站和安徽省16个地市统计公报。

2.指标体系的构建。在投入指标选取时，综合考虑安徽省各地市统计口径不一致等因素，在能源投入方面，选取各个地区全社会用电总量指标；在劳动力投入方面，选取各个地区年均就业人数指标；在自然资源投入方面，选取地区供水总量指标；在固定资产投入方面，选择的指标为固定资产投资额指标；在土地资源投入方面，选择的指标是各个地区行政区域土地面积；在生态投入方面，选取的是合成的“生态包袱”指标（具体合成方法详见下文第三小节）。在产出指标选取时，基于已有文献和绿色发展效率视角，选取地区生产总值作为经济效益的直接体现（详见表1）。

表1 安徽省绿色发展效率评价指标体系

3“.生态包袱”指标子体系。本文中所涉及的“生态包袱”特指在经济活动中对生态造成破坏的人类部分，此指标综合反映所在地的潜在治理难度（即人类在经济活动中对生态环境造成的实际污染情况）。使用该指标来量化地区生态环境的恶化程度，并将该指标纳入投入指标，以此来综合分析最小的“生态包袱”的最大化经济发展模式（详见表2）。

表2 “生态包袱”指标体系

在综合评价指标体系构建的过程中，如果多个指标之间存在较强的相关关系，则可以运用主成分分析的方法对多个指标进行“降维”。为避免权重结果受到数据之间较强相关性和信息重叠性的影响，本文采用主成分分析法对各个影响因素的权重进行科学客观的测算，旨在“降维”和保留更多的原始数据信息，通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量来代替原有变量。

主成分分析法具体步骤如下：

设指标体系由样本容量为n，指标项数为m组成，构造矩阵X=(xij)n×m，如公式（1）所示。

通过矩阵X 计算相关系数矩阵R=(rij)m×n,如公式（2）所示。

根据矩阵R 及公式（2）计算特征根和特征向量，如公式（3）所示。

根据公式（3）求出m 个根，记为λ1,λ2,…,λm。每一个λ对应特征向量a。

在用主成分分析法进行权数构建时，通常采用“累计贡献率原则”（即累计方差贡献率高于80%），选择前k(k＜m)个特征根和相对应的特征向量。但为了使评价体系可以充分利用所有的信息量，本文中选择使用m个特征根的方式，特征根和特征根所对应的特征向量公式如公式（4）所示。

设权重为w，如公式（5）所示。

对w*进行归一化处理，如公式（6）所示。

其中，a 为指标高于某一标准差时应加的常数；b为指标的实际值的水平得分。

首先将2014～2018 年安徽省16 个地级市的4 个“生态包袱”相关指标进行无量纲化处理，对数据进行转化，得到2014～2018 年安徽省16 个地市的“生态包袱”指标数值，如表3所示。

表3 2014～2018年安徽省各市生态包袱指标

（二）测度方法

1.超效率DEA模型。该模型可以将DMU分离出生产前沿，对于未评价的DMU，其可以将DMU隔离出包络模型的有效集中，并能够在同一时段将多个有效DMU得到大于1的效率值，更便于对效率值进行进一步的量化分析。

超效率DEA 是在规模效率不变（CRS）的假设下建立，其基本形式如公式（8）所示。

超效率DEA 模型中，待评价的DMU 可以存在于有效集外，通过自身除外的DMU 线性组合代替原有的DMU。

2.Malmquist 指数。基于DEA 的Malmquist 生产指数是一种衡量生产效率的综合有效方法。如果决策单元共n个，每个决策单元对应的输入指标共m个即xi(i=1,2,…,m)，输入指标对应的产出指标有s个即yi(i=1,2,…,m)。另外，如果t和t+1 对应生产函数是相同的，Malmquist 指数就要将两个单独和混合时期对应观测值计算出来。单独时期计算方法通过CRS-DEA模型完成，具体形式如公式（9）所示。

上述模型将t时期的有效前沿和t+1时期的进行比较，通过相似的方法也可以将另外一个混合时期对应的效率计算出来，详细算法如公式（11）所示。

该系统不仅具备仪表报警功能，同时还增加了巡检派单功能。根据仪表报警情况、专家库处理意见，操作人员可参考以上帮助信息，对现场保运人员进行巡检派单。相比老式报警监控系统，专家库的支持以及定向巡检可更加精准找到仪表故障点。

此时，投入导向模型中的Malmquist指数（TFP）可表示如公式（12）所示。

为可以同时衡量技术效率变化和生产前沿面移动情况，对TFP进行转化，如公式（13）和公式（14）所示。

其中，TC为技术变化，表明生产前沿面移动情况；EC为技术效率，指在第t期和第t+1 期中技术效率对生产效率的变动情况。

（三）测算结果

1.静态效率。使用MAXDEA ultra7.0 软件通过超效率DEA模型对各个地区的绿色发展效率进行逐年测算，2014～2018年安徽省绿色发展效率整体呈现出波动且有下降趋势（表4）。绿色发展水平最高的地区为合肥市，在2018 年均效率值高达2.36，且每年绿色发展效率值也在所有地级市中排名第一位。安庆市和六安市的绿色发展效率值较低，而且连续多年均处于落后状态。安徽省效率值＞1 的地区数量减少，从每年5～6 个降至2018 年的4 个。从2014 年至2018 年，各个地市之间的绿色发展效率差异度呈现先降后升的趋势，各地差距逐渐拉大。

表4 安徽省2014～2018年16个地区超效率值

根据各地区绿色发展效率，将其分为低效率地区、中效率地区和高效率地区三类，对应的效率值范围分别为：效率值＜0.85，0.85 ≤效率值＜1和效率值≥1，具体如表5所示。

表5 安徽省绿色发展效率的地区分类

2.动态效率。使用MAXDEA ultra7.0 对安徽省16 个地市4 个区间内的效率变动进行分解。如表6所示，总体上看，全要素生产率从2015年的0.99上升至2018 年的1.34，整体呈现稳定提高的趋势。技术进步在2015 年到2018 年之间，由0.97 逐渐提高到1.12，提高全要素生产率。纯技术效率和综合技术效率基本上都超过1，成为促进全要素生产率提升的重要原因。安徽省全要素生产率在2015年初至2018年末期间不断提高，技术进步和纯技术效率较基期都有一定提高，而规模效率较基期却有所下降，说明安徽省在提升科技水平的同时，需要对规模发展进行合理控制和安排。

表6 安徽省各年份平均Malmquist指数及其分解

进一步探究安徽省各个地市绿色发展效率的变化趋势，基于Malmquist 指数分析模型对各个地区效率值的动态变化进行观测。如表7所示，安徽省16个地市的TFP值小于1的地区有10个，且全要素生产率低的原因不尽相同，说明较多的城市在2014～2018年内没有根据自身城市特色实现相对充分的发展，存在较大的发展潜力。

表7 2014～2018年安徽省16个地平均Malmquist指数及其分解

安徽省16个地市中TFP 值大于1的地区有6个，分别是合肥市、芜湖市、宣城市、亳州市、淮南市、马鞍山市，这6 个地区均为生态有效城市，说明这些城市绿色发展效率较高。

三、安徽省绿色发展效率影响机制分析

（一）指标选择

安徽省的绿色发展不仅受到内生性变量（如资源配置）的影响，还与外界环境（如经济发展、科技发展、环境污染等）息息相关。因此，在选取影响因素时，基于绿色发展的指标体系，以资源消耗、环境污染和经济发展三个对绿色发展有直接影响的角度入手，研究影响因子。最终选择经济发展水平、产业结构、城镇化率、外资利用、研发强度、固定资产投资、对外开放程度、绿色资源禀赋等8个影响因素来探究其对于绿色发展效率的影响。所选取的指标相关数据主要来自2015～2019年的《安徽省统计年鉴》和《中国城市统计年鉴》、安徽省16个地市统计年鉴及统计公报等资料。具体变量如表8所示。

表8 变量释义与预期作用

（二）模型构建及检验

本文将超效率DEA 模型计算得到的绿色发展效率值（y）作为因变量，前文所示8 个影响因素作为自变量，考虑到模型准确性，对指标绝对数值较大的自变量（x5、x6、x7）进行对数化处理，构造Tobit 回归模型如公式（15）所示。

其 中，β1、β2、β3、β4、β5、β6、β7、β8为估计参数；yit代表i个地区t年的绿色发展效率值；ait为固定效应。

考虑到变量间可能存在多重共线性而导致模型估计结果发生偏差，所以在进行Tobit回归之前，使用STATA14软件对数据进行处理，采用方差膨胀因子方法对各影响因素进行共线性检验，检验结果如表9所示。各变量VIF值均小于10，表明各变量之间不存在显著的多重共线性问题。

表9 共线性检验

使用STATA14 软件并采用Hausman 检验对固定效应模型和随机效应模型进行判断和选择。如表10所示，对于普通面板模型的Hausman估计，在1%的显著性水平下，Hausman 估计值为69.29，选择固定效应模型对安徽省绿色发展效率的影响因素进行研究。

表10 Hausman检验

（三）实证分析

通过DEA-Tobit 模型对安徽省绿色发展效率影响因素进行分析，该模型分为两个阶段：第一阶段是通过超效率DEA模型测算安徽省各个区域绿色发展效率值；第二阶段是对各个影响因素进行Tobit回归。

1.Tobit 总体回归。如表11 所示，在10%显著性水平下，x4（外资利用）、lnx5（研发强度）、lnx7（对外开放程度）、x8（绿色资源禀赋）通过检验，且模型拟合良好。x4（外资利用）、lnx5（研发强度）、lnx7（对外开放程度）、x8（绿色资源禀赋）对绿色发展效率具有正向显著影响；x2（产业结构）对绿色发展效率具有负向显著影响。

表11 安徽省各个地市绿色发展效率影响因素Tobit回归结果

2.Tobit 分类回归。为进一步探究各影响因素在不同效率地区对绿色发展效率的影响程度，根据前文的效率分类，对安徽省三个层级的效率地区进行分类回归，回归结果见表12。

表12 安徽省各个地市绿色发展效率分类回归结果

如表12所示，在5%显著性水平下，低效率地区，x1（经济发展水平）、x2（产业结构）、lnx5（研发强度）、lnx7（对外开放程度）四个影响因素对此类地区的绿色发展效率具有正向显著影响；中效率地区，x1（经济发展水平）、lnx5（研发强度）、lnx7（对外开放程度）三个影响因素对此类地区的绿色发展效率具有正向显著影响；高效率地区，x4（外资利用）、lnx5（研发强度）、lnx7（对外开放程度）、x8（绿色资源禀赋）四个影响因素对此类地区的绿色发展效率具有正向显著影响。

四、结论与建议

（一）主要结论

1.静态效率值整体呈现出波动中略有下降的趋势。2014～2018年，绿色发展效率均值为1.05，表明安徽省的资源节约和环境保护还存在较大的改善空间。从安徽省2014～2018年的各个绿色发展效率来看，绿色发展效率最小值和最大值之间差异较为明显，在2018年差异最大，高达1.54。根据绿色发展效率值测算后的分类可知，高效率地区有4个，分别为合肥市、芜湖市、宣城市、亳州市；中效率地区包括黄山市、铜陵市、阜阳市、马鞍山市、滁州市、淮南市、宿州市和淮北市8个地区；低效率城市包括安庆市、池州市、六安市和蚌埠市4个地区。另外，个别城市呈现的状态为非DEA 有效且规模效率非有效，而且规模报酬不断增高。从空间分布来看，安徽省东南地区（合肥市、芜湖市、宣城市等）绿色发展效率均值往往高于西南地区城市（六安市、安庆市、池州市等）。除了绿色发展效率外，安徽省东南地区的经济发展水平相较于其他地区而言，也处于领先水平。安徽省西南地区往往更加依赖高能耗、高污染的工业产业，资源利用率低，环境载荷程度高，整体的绿色发展效率呈现相对较低的水平。

2.动态效率值整体呈现稳中有升趋势。2014～2018年间，安徽省全要素生产效率的增长率（TFP）呈现稳中有升的趋势，年均上升1.18个百分点。从效率分解来看，技术进步和纯技术效率呈现上升态势，分别上升0.4 和1.14 个百分点；而规模效率则为下滑态势，下降比例为0.5%。技术进步是TFP 全要素生产率提升的主要原因。在2014～2018年间，安徽省16个地市中合肥市、芜湖市、宣城市、亳州市、淮南市、马鞍山市的TFP值均大于1，且逐年提升，说明这5个地区的综合生产水平在稳步提高。而安徽省其他地区全要素生产率偏低，因此这些地区应该突破生产规模瓶颈，引入生产先进技术，实现高质量发展。

3.绿色发展效率影响因素。首先从总体回归来看，影响安徽省整体绿色发展效率的因素有产业结构、外资利用、研发强度、对外开放程度、绿色资源禀赋5个指标。其中，对绿色发展效率具有正向显著影响的是外资利用、研发强度、对外开放程度、绿色资源禀赋4个指标；对绿色发展效率具有负向影响的是产业结构指标。在绿色发展效率的影响因素中，绿色资源禀赋的影响作用最大，绿色资源禀赋每提高1个百分点，安徽省绿色发展效率就会平均上升1.73个百分点。人均绿地面积的增加，有利于改善生态循环，从而提高绿色发展效率。除此之外，外资利用每提高1个百分点，绿色发展效率就会平均上升1.43 个百分点。外资投入的增加，有利于引进先进的技术和管理经验，促进生产方式转型，从而提高绿色发展效率。研发强度每提高1个百分点，绿色发展效率就会平均上升0.09个百分点。政府对于研发投入的增加，有利于科技的进步和技术的革新，推动资源节约型生产技术的研发，从而提高绿色发展效率。开放程度每提高1 个百分点，安徽省绿色发展效率就会平均上升0.19个百分点。扩大贸易规模和提升对外开放水平，有利于吸引更多的人才和促进区域之间的交融贯通，从而提高绿色发展效率。在拉低绿色发展效率方面，产业结构每提高1个百分点，安徽省绿色发展效率就会平均下降1.49个百分点。因此，调整第二产业的规模和提高发展质量，促进绿色健康的产业结构建设尤为重要。其次从分类回归来看，低效率地区绿色发展效率的影响因素为经济发展水平、产业结构、研发强度、对外开放程度四个指标。提高经济发展水平、调整产业结构、加大研发投入和对外开放程度对于该类地区绿色发展水平的提高，具有积极的促进作用。中效率地区绿色发展效率的影响因素有经济发展水平、研发强度、对外开放程度三个影响指标。提高经济发展水平、加大研发投入和对外开放程度对于该类地区绿色发展水平的提高，具有积极的促进作用。高效率地区绿色发展效率的影响因素有外资利用、研发强度、对外开放程度、绿色资源禀赋四个影响指标。提高外资利用和绿色资源禀赋、加大研发投入和对外开放程度对于该类地区绿色发展水平的提高，具有积极的促进作用。不同类型的地区，在提高绿色发展水平方面的侧重点也有所不同，在后续发展中，安徽省应根据不同类型地区的特点，制定符合地区特色的绿色发展效率政策。

（二）政策建议

1.统筹发展，缩小差异。安徽省各个地区由于经济实力、生产方式、资源供给的不同，不同地市间绿色发展效率出现差异。即使这种差异性逐年收敛，但绝对差距依然无法避免且客观存在。安徽省东南地区交通发达，资源倾斜，对外贸易程度较高，高新技术发展较快，较少依赖于传统高能耗、高污染的工业生产方式，因此东南地区绿色发展效率普遍高于安徽省其他地区，且经济也处于领先状态。而西南地区更多依靠传统粗放型生产方式和地区资源发展，技术创新缓慢，研发投入不足，生产方式转型不完全，导致人才流失、投资流失、技术流失。因此加强省内区域联动和合作是解决差异化的关键，其可有效解决部分城市资源拥堵和浪费现象，帮助落后地区加速技术革新和产业升级。各个地区可以利用自身优势，优化资源配置，实现地区之间的合作双赢。

2.扩大对外开放。加大外资利用和对外开放程度是促进绿色发展效率提升和地区经济发展的重要因素。安徽省作为内陆城市，受地理方面制约，通过对外开放可以吸收区域外先进的生产理念、管理理念和高新技术，吸收外资发展自身，促进区域经济交流合作，提高资源利用率和生产水平，加大人才引进力度，增强科技成果产出的能力。因此，政府应制定鼓励性政策，加大外资利用和对外开放程度，促进企业之间的交流。

3.促进产业结构升级和科技发展。安徽省的经济发展整体处于粗放模式，高污染、高能耗的煤炭、化工等重工业占比仍然较大，给地区环境带来较大压力，治理难度加大，不利于绿色发展效率的提升。因此，在后续发展中，要侧重于产业结构调整，加大发展低碳环保产业力度，加速淘汰落后产能，优化产业结构。与此同时，安徽省应持续加大对创新的投入，致力于提高技术效率，发展新兴技术产业，培育新的经济增长点。

第三产业与第一产业、第二产业相比，对人才的需求更大，相对来说对能源资源的需求较少。因此，政府应加大对高新技术园区的投入，制定相应政策鼓励科技型企业的孵化和扩容，例如简化企业贷款程序或减免税款等。除此之外，还可以因地制宜发展具有当地特色的旅游产业链和绿色产业链，例如亳州市可以大力发展中药材的相关产业。

同时，技术进步是安徽省全要素生产率提高的关键驱动力，因此应不断加强科学技术的核心力量。首先，应提高城市生态文明建设的财政投入，使生态保护措施更加完善，城市环境更加绿色友好。其次，以低碳环保的产业结构为导向，鼓励科技型企业加强科技创新，重工业型企业提高资源利用率。最后，应加大高新园区的建设。高新技术是地区发展潜力的有效度量，加快高新园区建设，不断提高科技研发投入和高新技术产品的产出，有利于地区竞争力和绿色发展效率长久有效的提高。