基于DEA-Malmquist模型的粤港澳大湾区9市工业生态效率研究

张 欣

湖南科技学院经济与管理学院，湖南 永州 425199

中国作为全球人口最多的国家，伴随着高GDP增速的社会经济发展，国民生活水平提高和工业规模扩张的趋势对能源的需求量越来越高。而根据全球工业经济发展与产业结构转型升级的经验，在工业经济发展到一定阶段时，工业生产的废弃物显著增加、生态环境被破坏等问题会显得尤为突出。

粤港澳大湾区在我国工业经济发展中，年度产值与能源消耗量较为庞大，其常住人口虽然仅占全国的5%，但它的GDP约占中国的12%[1]。我国政府于2019年出台了《粤港澳大湾区发展规划纲要》，计划将粤港澳大湾区打造成与纽约湾区、旧金山湾区、东京湾区相媲美的世界四大湾区之一，并建设世界一流的生态湾区[2]；广州、深圳等湾区9市在政府的规划驱动下进行城际间的产业分工，未来广州与深圳作为湾区核心城市之一主要发展低能耗的高端制造业，其他7个城市则在承接湾区核心城市原有高能耗工业的基础上逐渐发展制造外包等现代工业[3]。

目前珠海、肇庆等湾区内经济欠发达的城市由于工业体量较小、轻工业比例高于重工业、原始绿化程度较高，其生态环境呈现出生态管制高水平的表象，但在广州与深圳的工业转移的过程中，具有高能耗性质的污染企业将进入珠海、肇庆等7个城市；而珠海、肇庆等7个城市的工业生态管制水平与核心城市相比较的结果仍是未知项。基于理性人追求利润最大化的心理，企业缺乏对自我的生态约束力，体量巨大的转移工业在缺乏足够政府环境管制的条件下释放的工业污染物数量会是惊人的，这一能够产生大量负外部性的风险将为湾区非核心城市的政府生态管制部门构成一定的挑战。

承接产业的城市不仅要面对来自核心城市的工业转移压力，而且在现有工业生态效率的条件上发展现代工业时，仍面临着潜在污染物排放的问题。若当地政府的工业生态管制力度不能够与实际工业规模达成平衡状态，在国家战略驱动下的工业发展会带来更多的负外部效应，从而在承接工业转移压力的基础上进一步加深区域环境承载压力，对全球生态形成不良影响。

因此，研究粤港澳大湾区的内地9市工业生态效率及其影响因素的相对水平对于确定湾区产业承接城市政府的工业生态管制水平能否高效率地控制被转移工业的污染物排放量、工业转移是否会使工业废弃物排放量大幅上升具有重要意义。同时，该研究结果亦能够为政府在经济发展新环境下制定新型工业生态约束制度提供理论参考，以预防与解决工业生态效率不对称导致的负外部效应，推进实施绿色湾区战略。

1 数 据

1.1 变量

根据Golany和Roll[4]为提升DEA测量结果而总结的实证方法，可知投入指标和产出指标的总数不能超过决策单元的一半。在区域工业生态效率评价指标方面，本文的研究结果主要为政府发展产业转移预防污染风险及制定现代工业生态控制政策提供理论参考。考虑到湾区各市在工业消耗方面基本上使用新能源代替了传统能源，因此，为了提升分析结果的可靠性，本文剔除传统工业生态效率研究中使用的能源消耗指数，直接采用2008—2017年湾区9市的工业污水、废气和固体废弃物排放量总数作为投入变量，采用工业增加值作为产出变量。

表1 评价指标体系（DEA-Malmquist）

对于计算工业生态效率及其影响因素的相关性，考虑到在湾区接受外商投资的结构中，港澳台投资占据较大比例，因此将“外商投资水平”分解成“外国投资水平”和“港澳台投资水平”，以进一步分析每一部分的作用。最后，以产业结构、外商投资水平、港澳台投资水平、研发力度和环境治理水平作为自变量，而工业生态效率作为因变量。

用DEA模型[5]和Malmquist指数[6]分析的4项变量的统计数据均来自2009—2018年《广东省统计年鉴》[7]。

Tobit回归模型中的5项变量的数据则皆来源于2009—2018年《中国城市统计年鉴》、2009—2018年《国家统计年鉴》和2009—2018年《广东省统计年鉴》[7-9]。

表2 变量体系（Tobit回归）

此外，为了提升评估结果的可信度和可行性，笔者以2013年作为涉及价格变量的基期，使用GDP平减指数法测算实际价格水平，并以此代替受到价格水平波动影响的原始数据。其中，按城市分类的GDP平减指数的数据取自2009—2018年的《广东省统计年鉴》[7]。

1.2 描述性统计

根据表3的数据，我们可以知道深圳和广州两市间的平均工业增加值相差1 540.2个单位，广州的平均工业增加值在9座城市中位列第二；然而相比其他8座城市，深圳的工业污染物排放处于较低水平。这个数据表明深圳市政府在工业生态控制实施相对严格的状况下，维持了一个相对高水平的工业增加值，进而能够更好地解释深圳工业生态效率远高于本研究中其他8座城市的原因。

表3 描述性统计结果

2 结 果

2.1 超效率DEA

由表4所示，从时间的角度而言，湾区9市的平均工业生态效率总体呈现震荡状态，尤其是除深圳外的其他8个城市在2015—2017年呈现工业生态效率下降的趋势，且效率值常年低于1，即处于规模报酬递减阶段和非效率状态；湾区9市各年份的工业生态效率均值虽然都达到了有效率状态，但这仅是深圳市的极高效率带动了整体效率，并不能够真实反映各市的效率情况。

表4 粤港澳大湾区9市工业生态效率（2008—2017年）

在空间的角度上，深圳市是湾区9市中工业生态效率值最高的城市，2008—2017年的均值为3.834。而其他8个城市于2008—2017年的工业生态效率均值皆小于1，即皆处于相对无效率状态。其中，佛山、广州、中山、惠州的工业生态效率的年际间均值处于闭区间[0.5，0.75]，处于规模报酬递减阶段；而东莞、珠海、江门和肇庆的工业生态效率的年际间均值处于闭区间[0.2，0.4]，处于极端严重的规模报酬递减阶段。

2.2 纯技术效率

基于本文投入变量和产出变量的设计，湾区9市的工业生态纯技术效率表示在一定的生态管制与引导水平上，由相关企业和政府的管理水平和技术水平决定的产出情况。由表5的数据可知，从时间的角度分析，湾区9市在2008—2017年的工业生态纯技术效率的总体趋势呈现较为稳定的状态。尽管10年间的效率均值皆低于1，但是每年的效率均值皆处于闭区间[0.75，0.9]。

表5 粤港澳大湾区9市工业生态纯技术效率（BCC）

在空间角度上，深圳市与中山市于2008—2017年的纯技术效率每年皆为1，说明深圳市的相关企业与政府的管理水平和技术水平使实际产出不低于最优产出；惠州市与珠海市的10年间纯技术效率均值处于开区间(0.9，1)；而广州市与东莞市是湾区中工业生态纯技术效率较低的城市，平均值分别为0.582和0.449。总体而言，除深圳市与中山市外其他7个湾区城市的年际间工业生态纯技术效率均值均低于1，这意味着该7个城市的相关企业与政府的管理水平和技术水平使实际产出低于最优产出，即纯技术效率为无效状态。

2.3 规模效率

基于本文研究的投入指标与产出指标的设计，湾区9市工业生态的规模效率表示决策单元实现实际增值所实际排放的工业污染物数量与实现该实际增值所需排放的最低工业污染物数量之间的关系。

由表6的结果可知，从时间的角度分析，湾区9个城市的规模效率总体呈现震荡趋势，尤其是9市2015—2017年的均值呈现递减趋势，且规模效率均值始终低于1，处于规模非效率状态。而总的平均值为0.639，该数值处于较低的状态，这意味着湾区总体规模效率的发展趋势严峻。

表6 粤港澳大湾区9市工业生态规模效率（BCC）

在空间的角度上，深圳市在2008—2017年始终保持规模效率为1，即效率有效，深圳市工业生态的规模效率表示决策单元实现工业增值所排放的工业污染物数量不低于实现该工业增值所需排放的最低工业污染物数量。而广州、佛山两市在2008—2017年各有1年实现规模效率有效，且年际间效率均值处于闭区间[0.9，0.95]；中山市虽然在2008—2017年存在2年实现规模效率有效，但是年际间的效率均值为0.655；其余5市在年际间的规模效率值始终小于1，即处于规模无效率。总体而言，除深圳外的湾区8市的规模效率均值皆低于1，这意味着该8市实现工业增值所排放的工业污染物数量大于实现该工业增值所需排放的最低工业污染物数量。

由前述超效率DEA模型[10]与BCC模型的数据分析，可以初步得到以下结论：

第一，湾区9市工业生态效率总体水平虽然较高，但是除深圳外8市的相对工业生态效率的总体水平较低，且在近年处于整体下降的趋势。9市总体效率水平较低的主要原因在于粤港澳大湾区经济发展水平两极分化严重。

第二，湾区的工业生态效率具有显著的城际差异，经济综合实力与工业生态效率呈正比变化，工业生态效率与经济综合实力的关联性很高。由数据测算结果可知，湾区工业生态效率值由高向低排序为：深圳、佛山、广州、中山、惠州、东莞、珠海、江门、肇庆。

第三，湾区城际间政府对工业生态的管制和引导力度差异明显。在工业增值与污染物排放方面，深圳市与其他8市的产出差异较大；在规模效率方面，湾区内除深圳外的8个城市实现实际工业增值所实际排放的工业污染物数量大于实现该实际工业增值所需排放的最低工业污染物数量；基于理性人假设，企业家会在其转向相对宽松政策约束的条件下减少处理工业污染物的预算。此外，因前述纯技术效率分析结果显示除深圳市与中山市外的7个城市的纯技术效率均值高于相关决策单元的规模效率均值，所以说明该7市的低工业生态效率现状受资源利用率较低的影响大于受资源配置不合理的影响。

因此，结合以上三个结论，并结合表4所示的产业生态效率排序，可以看出深圳市政府的工业生态管制水平远远高于其他8市。在一定程度上，表4中工业生态效率的平均差异和排名表明了城市之间工业生态管制的差距。

2.4 Malmquist指数

前述超效率DEA与BCC模式是采取截面数据对个体城市进行工业生态效率测算和分析的。而Malmquist指数分析法则是采取基于时间序列的面板数据对湾区9市整体的工业生态效率进行测算与分析。

由表7所显示的数据可知，粤港澳大湾区9个城市的全要素生产效率的均值为0.999 39，并呈小幅下降趋势，平均下降0.061%。其中，深圳、东莞、广州、珠海的个体全要素生产效率大于1，其余5市的全要素生产效率小于1，即处于规模收益递减阶段。该5市应当注意提高工业生态效率的增长速度，以减少城市之间的效率差异水平。

表7 粤港澳大湾区9市年均工业生态效率的Malmquist指数分解结果

在Malmquist指数分解的角度上，技术效率变化对全要素生产效率的正向变动具有主要的推动作用。在全要素生产效率大于1的城市中，深圳和珠海的技术效率变化（1.000 00）（1.102 73）和技术进步（1.002 90）（1.005 43）皆大于或等于1。而全要素生产效率最低的城市是中山市，其主要受到技术效率变化和规模效率变化的抑制，因此，中山市应当加大生产规模，形成规模效应，提升相关技术水平，促进二者良性互动。此外，惠州市的全要素生产效率虽然处于湾区城市中的第八名（0.930 95），但是其技术进步（1.044 59）位于9个城市中的第一名，其工业生态效率增长率较低的原因主要在于效率受限于技术效率变化（0.927 78）和规模效率变化（0.928 20），因此惠州市应当注意扩大其生产规模，促进组织创新和技术引进等外部因素，进而不断完善其生产规模体系。

表8表示2008—2017年粤港澳大湾区各指数分解指标的动态变化数据，从均值的角度看，粤港澳大湾区9市的全要素生产效率均值为0.999 39，在总体上呈现规模报酬递减的阶段，年均下降0.061%；技术效率变化的均值和纯技术效率变化的均值分别为1.043 05和1.046 30，由此数据可知，粤港澳大湾区的全要素生产效率主要由技术效率变化和纯技术效率变化拉动；此外，技术进步的均值为0.974 32，规模效率变化的均值为0.987 00，在技术创新和规模上对全要素生产效率起到了一定的制约作用。

表8 粤港澳大湾区9市工业生态效率的年均Malmquist指数及其分解结果

由表8的区域全要素生产效率的时序变化过程中的数据可知，全要素生产效率在总体上呈现先下降、后上升和再次下降的趋势。在分解指数的层面，技术效率变化、规模效率变化同全要素生产效率保持着相似的变化形态，基本呈现先下降、后上升和再次下降的历程，但规模效率变化和技术进步的波动幅度较小，它们9个阶段数值的极差分别大约为0.4和0.33；而技术效率变化指标的波动性较大，技术效率变化在9个时段的极差大约为0.65；另外，纯技术效率变化的年际波动幅度较小，它在9个时段的极差约为0.32。由此可见，除2008—2009年、2011—2012年和2013—2015年外，纯技术效率变化是较技术效率变化更为主要的推动因素。

2.5 Tobit回归

如表9所示，本文在构建Tobit回归模型的过程中采取产业结构、外国投资水平、港澳台投资水平、研发力度和环境治理水平作为自变量，以工业生态效率为因变量，回归计算结果如表9所示。

表9 Tobit回归分析结果

从表9的数据可以看出，产业结构、外国投资水平和研究实力在促进工业生态效率方面发挥了积极作用。

2018年是“美丽中国全域旅游年”，要求对旅游目的地整体打造与美丽乡村、社会主义新农村建设的完美契合，乡村旅游备受关注。江苏省乡村旅游的发展一直走在全国前列，乡村旅游的业态包涵农、林、牧、副、渔等，已经形成了类型丰富、特色鲜明、复合性强的乡村旅游产品，成为江苏旅游“美丽乡村”的重要增长极。同时，江苏省地处沿江、沿海、长三角等区位，随着省内高速铁路的快速发展，一个半小时的高铁交通圈已经逐步形成，这无疑为江苏乡村旅游的发展添上了一双羽翼。通过高铁进行落地自驾的模式出现在江苏旅游市场上，逐渐受到自助旅游爱好者的追捧，也为乡村旅游提供了新的发展路径。

首先，产业结构对工业生态效率的影响系数为0.502，影响系数高于5项指标中的3项指标，t的数值为1.92，在10%的水平下显著，这意味着粤港澳大湾区在促进区域工业发展时应当注意控制重工业的比重和加大对重工业污染物排放的监控力度；其次，外国投资水平对工业生态效率的影响系数为0.251，它的影响系数高于5项指标中的2项指标，t的数值为1，这表示湾区吸引的外资有利于促进工业生态效率提升；另外，研发力度对工业生态效率的影响系数为10.177，影响系数在5项指标中高于其余4项，t值为5.95，在1%的水平下显著。此数据说明科研投入资金与提升工业生态效率间存在着密切联系，湾区各大科研主体应当继续加大对控制工业污染物排放领域的研发投资。

港澳台投资水平和环境治理力度对工业生态效率起到逆向的导向作用。港澳台投资水平对工业生态效率的影响系数为-0.256，t值为-0.66，主要原因可能在于港澳台在粤港澳大湾区大陆区域的投资项目以污染物排放量较高的工业为主或港澳台投资逐年退出污染物排放量较低的工业项目，进而使港澳台投资额总体上抑制了湾区工业生态效率的增长。因此，政府应当妥善引导港澳台企业投资低污染的工业，以及加强构建港澳台投资工业的污染物检测体系。此外，环境治理力度对工业生态效率的影响系数为-30.001，t值为-4.99，在1%的显著水平下起到显著作用，这说明湾区政府与企业等主体在环境治理上的投资数额明显不足，主要原因在于政府投资数额较少或缺乏对企业治理工业污染的引导，亦可能是企业家基于追求利润最大化的心理而置处理工业污染物的费用于政府管制的下限。因此，政府应当注意采取提高排污税等引导企业减排污染物的措施，并以投资污染源治理的直接方式或予以企业减排补贴的间接方式，通过增加财政支出来提高工业生态治理的投资额。

3 结 论

本文基于粤港澳大湾区9市2008—2017年的相关数据，采取超效率DEA模型、DEA方法的BCC模式分析湾区工业生态效率的静态情况；并用Malmquist指数模型及指数分解，分析湾区9市工业生态效率的10年间动态变化；最后采用Tobit回归模型测算5种影响湾区工业生态效率的因素。在上述3个阶段的分析中，笔者得出以下重要结论：

（1）粤港澳大湾区9市的总体工业生态效率水平在2008—2017年处于震荡状态，而城市间的差异非常明显；除深圳市外湾区8市的总体水平较低，且该8市政府的工业生态管制和引导力度明显不足，在10年中的效率变动具有一定的同向趋势，但多数城市的效率在2015—2017年处于明显下降趋势。此结果说明粤港澳大湾区9市的城际合作水平在近年来得到一定程度的提高，但深圳市与其他8个城市在工业生态效率上的差距随着地区工业增长而扩大。根据研究结果显示：由于湾区内城际间的差异显著，工业增加值较高及综合经济实力较为发达的城市的工业生态效率较高，而工业增加值及综合经济实力较弱的城市的工业生态效率较低，从而形成以深圳市为第一梯队，佛山市、广州市为第二梯队，中山市、惠州市、东莞市为第三梯队，江门市和肇庆市则为第四梯队的形势。其中，第一梯队与第二梯队的差距特别显著。2015—2017年湾区多市的工业生态效率呈下降趋势，其主要原因在于湾区工业增加值在该年间下降的同时，总体工业污染物排放量仍在上升。除此恶性趋势之外，随着我国政府实施《粤港澳大湾区发展规划纲要》，深圳市和广州市为进一步扩大本市的高新技术企业覆盖率，以及重点发展对高端生产要素依赖性较高的产业，这两个城市的低端工业逐渐会转移至湾区内工业生态效率较低的城市。

因此，湾区多市工业生态效率在2015—2017年呈下降趋势，出现深圳市与其他8市的较低工业生态效率差异极大的现象，使湾区除深圳与广州外的其他7个城市面临着因城际间存在的工业生态管制和引导水平的缺口导致的工业污染物排放量在短期内大幅增长的风险。湾区工业生态效率较低的城市的政府应当加强完善工业生态管制体系，学习深圳市政府，主动对接存在工业污染物排放问题的各个企业，采取增加各种环境税费和对减少排污量的企业进行补贴等措施。

因此，粤港澳大湾区的行政单位应当加强推动高工业生态效率的城市与较低工业生态效率城市合作与交流，促进城际科研信息流动，采取以强帮弱、监督弱方、加强政策改革的措施，缩减区域内部的两极分化差距。

（3）工业污染物减排相关的研发项目对于提升工业生态效率具有非常重要的作用，而区域政府与企业对工业污染物治理费用的不足则严重抑制了工业生态效率的增长。本文研究结果显示：依据对工业生态效率形成的作用由大到小排序，可排列为研发力度、产业结构、外国投资水平；而依据对工业生态效率形成负面作用的系数的绝对值由大到小排序，则可排列为环境治理水平、港澳台投资水平。

因此，一方面，各相关主体应当不断加大对工业污染物减排的技术研发力度，引导各类工业企业发展以维持较好的轻重工业比例，并积极设立各种优惠政策吸引外资进入；另一方面，政府应当在适当扩大企业环境税的范围和力度的同时，合理规划该税收中用以治理工业污染物排放的部分并为企业治理污染物而产生的成本进行补贴，以摆脱过去数年中环境治理投入较少的局面，并促进政府与企业共同开展工业环境治理。