中国人口结构对生态效率的影响研究

杨明洪　刘昕禹　吴晓婷

[摘要]人口与生态是当代社会面临的两项重大议题，如何协调人与生态的关系，是实现社会可持续发展的前提。由此出发，文章基于2009—2018年全国31个省份的面板数据，运用包含非期望产出的超效率SBM模型计算各省份生态效率，随后构造时间和空间双固定效应面板回归模型探究人口结构对生态效率的影响，并就回归结果进行稳健性检验和异质性分析。研究结果表明，我国各省份生态效率从时间上看，除少数省份生态效率稳中有升，其他省份生态效率在2009—2018年間变动不大;从空间上看，生态效率呈现出东部最高、中部次之、西部最低的阶梯局势。而人口结构对生态效率的影响主要体现在两个方面：一是当地区经济发展水平达到一定高度时，人口密度正向影响生态效率;二是农村恩格尔系数负向影响生态效率，即降低农村恩格尔系数有利于提高地区生态效率。基于上述结论，文章认为一方面要缩小中西部与东部的经济发展差距，促进中西部地区产业结构转型、推动形成绿色发展方式;另一方面，要缩小城乡差距，持续改善农村居民的收入水平和消费结构。

[关键词]人口结构;生态效率;人口密度;农村恩格尔系数

[中图分类号] F062.2;X321[文献标识码] A[文章编号] 1673-0461（2022）02-0058-10

一、引言

“生态是资源和财富，是我们的宝藏。”①然而，经过长期粗放式经济增长后，中国正面临资源约束趋紧、生态系统恶化、环境压力倍增的局面，雾霾天气、地下水污染、土地荒漠化、垃圾激增等现象都预示着生态问题亟待解决，否则将制约我国社会经济的可持续发展。对此，党中央一直致力于改善生态环境，从党的十八大第一次将“美丽中国”生态文明建设目标作为中国梦的重要组成部分写进报告，到党的十九大提出“坚持人与自然和谐共生，树立绿水青山就是金山银山的理念，践行绿色发展方式和生活方式”，再到2021年4月22日国家主席习近平出席领导人气候峰会并发表题为《共同构建人与自然生命共同体》的重要讲话。

上述事件无不体现党和国家对生态问题的高度重视，而生态问题总是与人类活动息息相关，环境学领域著名的IPAT模型就将人口作为影响生态的三大要素之一。作为世界人口超级大国，人口问题同样是我国面临的突出社会问题。2020年第七次全国人口普查数据显示，中国的人口结构相比于2010年第六次人口普查发生了许多明显变化，主要体现在以下几方面：①人口总量141 178万人，与2010年相比，增加7 206万人，增长5.38%，人口低速增长，但基数依然庞大;②60岁及以上人口为26 402万人，占总人口的18.70%，比2010年上升5.44个百分点，老龄化程度进一步加深;③居住在城镇的人口为90 199万人，占总人口的63.89%，比2010年增加23 642万人，且占比上升14.21个百分点，城镇化进程稳步推进;④与2010年相比，每10万人中具有大学文化程度的人由8 930人上升为15 467人，15岁及以上人口的平均受教育年限由9.08年提高至9.91年，人口素质不断提升;⑤全国共有家庭户49 416万户，平均每个家庭户的人口为2.62人，比2010年的3.10人减少0.48人，家庭户规模继续缩小;⑥与2010年相比，人户分离人口增长88.52%，市辖区内人户分离人口增长192.66%，流动人口增长69.73%，人口流动持续进行，人口分布格局变动明显。

人口结构的逐步改变必然伴随着生态环境的深刻变革，如何处理好人与生态的关系将是新时期新形势下我国现代化建设面临的重大挑战，因而研究人口结构变化对生态的影响具有十分重要的理论价值和现实意义。基于此，本文将探究我国人口结构对生态效率的影响，研究贡献在于：第一，基于非期望产出的超效率SBM模型，将能源消耗、废物排放、生产总值等指标统一纳入到衡量体系中，以更综合的视角展示了全国31个省份的生态效率情况;第二，将人口密度、人口产业结构、人口消费结构、人口年龄结构、人口城乡户籍结构、人口受教育结构、人口家庭结构七个方面作为考察对象，较全面地分析了人口结构各要素，并进一步确定了哪些要素是影响生态效率最重要的要素;第三，在考虑时间异质性和空间异质性的基础上，探究了人与生态的关系，进一步丰富了该领域的理论研究。

二、文献回顾

1798年，马尔萨斯在其著作《人口学原理》中指出，若两性情欲保持不变，人口数量将按几何级数增长，而作为人类生存所必需的食物却仅能按算术级数增长，按照这一趋势，生活资料的增长必将赶不上人口增速，所以必须主动采取措施限制人口，这是最早探讨人口与生态的学说。虽然马尔萨斯的观点遭到后续学者的众多批评，但他对人口与生态的悲观论调却得到了不少学者的赞同。赫茨勒、艾利奇等学者都认为人口过快增长将会对资源与环境造成严重威胁，并且当代世界的人口总量已经使自然超负荷运转，地球资源将被耗尽，污染也将日益严重[1]。然而作为乐观派，博斯拉普率先表达了人口能够与生态协调发展的积极论调[2]，随后凯恩、西蒙等学者同样指出：人口增长虽然会造成资源短缺，但这种现象只是临时的，相反这将促进节约资源型或替代资源型技术的创新，进而改良生产方式，提高生态效率[3]。

由此可见，学者们对人口与生态的论断各执一词，有必要做进一步探究。此外，人口结构包括方方面面，单就人口总体论影响太过笼统，需要从各部分出发分别探讨，这也是当前研究人口对生态影响的主流思路。接下来，本文将从人口密度、人口产业结构、人口消费结构、人口年龄结构、人口城乡户籍结构、人口受教育结构、人口家庭结构七个方面梳理人口结构对生态的影响。

人口密度是人口数量与地区面积的比值，反映了一个地区人口聚集程度。那么，地区内人口规模或聚集程度会对当地生态产生何种影响呢？主要结论分为两派，一派认为，人口集聚必然导致人类的生产和消费行为激增[4]，资源消耗速度加快[5]，相应的废水、废气、废物的排放量也会加大[6-7]，从而对生态产生负面影响。因此，人口密度需要控制在一定范围，以使人口数量与生态协调发展[8];另一派则认为资源与环境并不构成人口数量的硬约束[9]，人口集聚也不会破坏生态系统，反而能形成规模效应，促进城市中各种设施和设备的共享率和利用率[10-11]，从而抑制污染排放量的增长，起到改善生态环境的作用[12]。

人口产业结构是指分布于国民经济各个部门、从事各种经济活动的人口所构成的数量比例关系[13]。随着一国生产水平的提高，劳动力通常会先从第一产业向第二产业转移，最后再向第三产业转移，形成人口产业结构的动态演进 ②。其中第二产业一般包括采矿业、电力燃气行业、建筑业、制造业等，这些行业与能源息息相关，其生产活动直接与生态挂钩。因此，学者们普遍认为第二产业的经济和人口占比会对生态造成重要影响，并且越是以第二产业为主导的地区，污染越严重，生態效率越差[14]。这说明转变经济增长方式，升级产业结构，降低人口产业结构中第二产业人口占比，将有利于提高生态效率，改善自然环境[15]。

人口消费结构的改变意味着人们需求的消费品的种类和数量发生变化，部分学者注意到这种变化也会对生态造成影响，因为消费品的生产过程与能源消耗、废物排放密切相关[16]。一方面，消费品数量的增多将带来能源消耗的增加，进而对生态与资源造成更大压力[17];另一方面，消费品种类的变化，特别是当人们更多选择排污较少、环保更佳的消费品时，将有利于人口与生态的可持续发展[18]。因此，在推动经济发展、提高居民消费水平的同时，有必要倡导绿色的消费方式，创造人与自然和谐共处的局面。

随着经济水平和医疗技术的不断提高，中国人均寿命由新中国刚成立时的不足35岁，提升到如今的77岁以上。但就目前而言，我国人口年龄结构面临的最大问题莫过于老龄化。2014年，我国的老年人口数量达到2.12亿，成为世界上第一个老年人口破2亿的国家，此后老龄化程度进一步加深。由此出发，不少学者开始关注老龄化对生态的影响。其中，一部分学者认为人口老龄化对生态没有实质影响[19]，一部分学者认为人口老龄化对生态具有线性负作用[20-21]或倒U型负作用[22-23]，还有一部分学者则发现人口老龄化有利于提高生态效率，原因在于老龄化意味着人口红利消失，于是倒逼经济结构转型，即从劳动密集型、资源消耗型的粗放式经济发展方式转变为资本密集型、资源节约型的集约式经济发展方式，最终促进生态环境的改善[24-25]。

改革开放以来，我国的城镇化伴随着农村人口向城镇人口转变、农业人口向非农业人口转变，在此期间人口城镇化率不断提高，并于2019年首次超过60%。快速的城镇化在带给广大群众更优质的生活服务的同时，也带来了雾霾、交通堵塞、饮用水污染等城市病，危及人体健康。针对上述现象，不少学者认为生态的破坏总是伴随着城镇化[26]，城市建设和工业发展会导致资源的过量开采和污染物的高强度排放，因而人口城镇化率的提高会恶化生态环境[27-28]。不过，另一些学者指出，城镇化对生态的影响是一个动态演变过程，城镇化的初期会加剧污染，但是后期随着人们对环境质量要求的提高，会引致环保技术的创新，进而改善环境[29]。

百年大计，教育为本，国民受教育程度体现了一个国家的发展水平和发展潜力。我国历来十分重视教育的投入，积极发展高等教育、普及九年制义务教育、扫除青壮年文盲，并取得了一系列成效，各级教育普及程度已达到或超过中高收入国家的平均水平 ③。就人口受教育结构对生态的影响而言，现有研究普遍赞同人口受教育程度越高，越有利于生态的保护与改善[30]。因为人口素质的提高会增强人们的环保意识，从而改变资源的利用方式，减少污染物的排放[31-32]。当然，有学者指出，人口素质对生态的正向影响只有在经济发展达到一定水平后才有所体现[33]。

人口家庭结构是指各种规模和类型的家庭在家庭总体中所占的比重。与人口消费结构相似，人口家庭结构的变化主要是指家庭类型和家庭规模的变化。现有针对人口家庭结构与生态关系的研究主要以家庭规模的变化对生态的影响为主，例如有学者认为家庭规模对碳排放具有显著负向影响，即家庭规模越大，碳排放越小[34]，也有学者指出家庭规模对生态的影响体现在：家庭的小型化趋势会加重雾霾污染[35]。

综上所述，学者们的研究无论是在方法上还是理论上都为我们了解人口结构对生态的影响提供了丰富的参考。然而上述研究中仍然有不少地方值得进一步探讨和完善，主要表现在以下几个方面：

一是人口结构对生态的影响，大多数研究以单一的排放指标、资源利用指标或能源消耗指标为主，但是生态作为一个综合系统，对它的考察不宜太片面，应该采取更全面的指标进行度量。因此，本文以生态效率为因变量，利用包含非期望产出的超效率SBM模型，将能源消耗、废物排放、生产总值等指标统一纳入到衡量体系中，以期更综合地描述人口结构对生态的影响。

二是以人口结构作为自变量时，大部分学者只考虑了人口结构的一个或少数几个方面，且集中在人口数量、人口老龄化以及人口受教育程度几个方面，少有研究将人口结构各个方面综合起来，并进一步确定哪些人口结构因素是影响生态最重要的因素。因此，本文将从人口密度、人口产业结构、人口消费结构、人口年龄结构、人口城乡户籍结构、人口受教育结构以及人口家庭结构七个方面共同考查人口结构如何影响生态效率。

三是由于样本选取、计量方法、研究背景等方面的差异，上述研究得出的结论不尽相同。例如，部分研究并未考虑各地区生态可能存在空间相关性，或只采用截面数据，忽略了特定时间段生态经历的变化，这些都可能造成最终的估计结果存在偏差。因此，本文在充分考虑各地区的时空差异后，采用2009—2018年间中国31个省份的面板数据，建立时间和空间双固定效应面板回归模型，并对实证结果进行稳健性检验和异质性分析，以获得更可信的研究结论。

三、生态效率的计算

（一）模型介绍

本文拟将能源消耗、废物排放、生产总值等指标统一纳入到生态效率的衡量体系中，但是传统回归模型无法处理多个因变量问题，需要将上述各方面整合起来，而数据包络分析（DEA）模型提供了解决多投入与多产出的计算方法[36]。不过值得注意的是，产出端同时包括了废物排放与生产总值，但两者并非同方向指标，即废物排放越少越好，生产总值越高越好。而传统DEA模型，如BCC、CCR模型，由于产出被要求同比例同方向变动，所以无法计算包含废物排放这类非期望产出的生态效率，于是有学者将污染排放指标放入投入端[37]，但这并不符合生产过程。

基于上述考虑，本文打算采用SBM模型，SBM模型基于松弛测度，能够弥补径向和角度的缺陷[38]，解决非期望产出问题[39]。同时，SBM模型具有无量纲的特性，可以有效避免投入产出单位量纲不同引起的偏误，更真实地反映生态效率。然而，传统SBM模型在计算投入产出效率时，可能会出现多个效率值为1的决策单元，并且无法对这些单元做进一步区分和评价。对此，TONE（2002）在传统SBM模型的基础上提出了改进方案，使得新模型允许决策单元的效率值大于1，因而新模型也被称为超效率SBM模型[40]。综上，本文对生态效率的计算将基于包含非期望产出的超效率SBM模型，模型的具体设定如式（1）：

（二）数据来源及处理方法

考虑数据可得性，本文选取2009—2018年全国31个省份（不含香港、澳门以及台湾地区）的面板数据作为考察样本。由于生态效率的计算分为投入部分与产出部分，以下将按此类别，分别介绍数据指标、来源及处理方法。

投入部分。以三要素生产函数为基础，将资本存量、劳动力和资源消耗纳入投入部分。其中，资本存量以单豪杰估算的2006年省际资本存量为基期，采用永续盘存法进行估算，资本折旧率取10.96%[41];劳动力采用各省年末就业人数作为衡量指标;资源消耗采用各省建设用地面积、水资源消耗总量以及能源消费总量三项指标。其中，建设用地面积的部分缺失值用线性趋势回归法填补;能源消费总量则是将各种能源消费种类统一换算成万吨标准煤并加总后生成的数据，由于此项数据西藏部分缺失年份较多，这里将经济条件与西藏相似的新疆和青海作为参考，取两省各年能源消费增长率的平均值作为西藏能源消费的增长率，然后基于已有数据进行插补。投入部分各指标的数据来源于《中国统计年鉴》《中国环境统计年鉴》以及各省统计年鉴与统计公报。

产出部分。包含期望产出和非期望产出两部分。其中，期望产出选择地区GDP为衡量指标，并且以2006年为基期进行不变价缩减，以保证与计算资本存量时的起始年份相对应。非期望产出选用工业三废（废水、废气、固体废物）的排放总量。其中，废水排放总量由于2016年后不再统计，所以改用废水排放中化学需要量（COD）作为替代，废气排放以二氧化硫排放总量测度，固体废物排放以一般工业固体废物产生量测度。产出部分各指标的数据来源于《中国统计年鉴》《中国环境统计年鉴》。

上述所有指标的汇总情况见表1。

（三）生态效率描述性统计与分析

由包含非期望产出的超效率SBM模型计算得到的各省生态效率值显示：一方面，从各省份自身变动来看，2009—2018年十年间，除部分省份如吉林、天津、宁夏、辽宁稳中有升，其他省份的生态效率变动相对平稳。另一方面，从各省份之间的对比来看，以十年间的生态效率均值为标准进行排名，前五名分别是北京、海南、广东、上海、山东，可以看出，经济实力强劲的“北上广”，其生态效率同样位居全国前列，海南、山东属于著名旅游省份，人均GDP水平也处于全国中上游;而生态效率相比最低的五个省份为：西藏、新疆、甘肃、江西、广西，这些地区经济水平相对落后，以粗放式发展为主，资源利用效率相对较低。

如图1所示，按地理区划将全国31个省份分成华北地区、东北地区、华东地区、华中地区、华南地区、西南地区、西北地区七大区 ④，每个地区的生态效率值取该地区包含的各省份生态效率平均值。从图中可以看出，以全国生态效率平均值为基准（图中黑色实线），华北地区、华东地区、华南地区都高于全国平均水平，而东北地区、华中地区、西南地区和西北地区则低于全国平均水平。其中，华南地区生态效率最高，西南地区生态效率最低，前者是全国平均水平的1.44倍，后者仅为全国平均水平的61%。整体来看，生态效率呈现东部强而中西部弱的格局，且这种局面在2009—2018年十年间维持不变。

前文主要从时间方面分析了31个省份生态效率的演变过程，而从空间方面出发，生态效率呈现出由东向西逐步递减的趋势，与全国经济发展水平分布格局类似。这也在一定程度上说明，东部地区先天的交通和区位优势，造就了经济效率先起飞，各种优质的资源向东部集中，推动技术不断更迭，因而最早实现传统经济模式向绿色经济模式的转型。相反，中西部地区，尤其是西部地区，地形地貌复杂，交通不便，国家政策扶持时间也较短，不少地方仍然以高耗能、高污染的第二产业作为经济支柱，造成严重污染和生态破坏，因此提高中西部生态效率、转变地区经济发展模式是今后较长一段時间的重要任务。值得注意的是，青海省虽属于西部地区，但生态效率十年间都处于国内前列。此外，生态效率虽然表现出集聚效应，如京津冀地区、长三角地区以及广东、海南地区，但是辐射效应不足，即生态效率无法由高水平地区向低水平地区传导，低水平地区仍然受限于自身条件，未能在此期间打破生态效率无效的局面。

四、实证分析

（一）理论模型设定与变量选取

经典的IPAT模型最初由HOLDREN和EHRLICH（1972）提出的I=PF等式演化而来[42]，随后由COMMONER（1990）改进并正式提出IPAT模型（I=PAT）[43]。其中，I表示环境受影响程度，P表示人口规模，A表示人均财富，T表示技术水平，以此阐释人与生态环境的关系。IPAT模型由于简单直观，一经提出便得到多位学者的应用与推广，但是该模型将各影响因素认定为同比例线性关系，并不能反映真实的情况，于是YORK、DIETZ、ROSA（1994，2003）等学者对IPAT模型进行了拓展，得到STIRPAT模型[44-45]，具体形式如式（2）：

其中，a为常数项，ε为随机误差项，β、β、β为指数项。可以看出，STIRPAT模型为多变量非线性模型，设定更为灵活，而在实际应用中该模型也支持相关变量的替换与拓展[46]。因此，本文在此基础上，以Eff表示因变量生态效率，A表示人均GDP，T表示技术水平，并将P扩展为多项人口结构变量，同时为保障数据的平稳性和模型估计的便捷性，将等式两边分别取对数。在未考虑其他控制变量的情况下，得到如式（3）模型：

其中，下标i表示省份，t表示年份，p′为人口结构各变量集合，β′为人口结构各变量的系数集合。此外，参考相关文献[47-49]，本文还在上述等式中加入环境治理、对外开放程度、对外贸易依存度等控制变量。上述所有变量的说明及统计信息见表2。其中，核心解释变量的数据来源于《中国人口和就业统计年鉴》《中国社会统计年鉴》，控制变量的数据来源于《中国统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》《中国贸易外经统计年鉴》。

（二）计量模型的选择

1.空间相关性检验

在生态效率描述性统计与分析部分，我们发现生态效率呈现出较强的集聚效应，因而需要考虑31个省份的生态效率间是否存在空间相关性。这里采用Moran’s I指数，检验结果表明，2009—2018年每一年的Moran’s I指数都为正数，且在1%的水平上显著，表现出较强的正向空间自相关。

2.面板回归模型的效应选择

检测空间相关性后，我们还需要考虑面板回归模型应该选择固定效应还是随机效应。通常的做法是采用豪斯曼检验，而检验结果表明，p值为0.005，意味着模型在1%的显著性水平上拒绝了“采用随机效应”的原假设，所以此处应该建立固定效应模型。

在确定采用固定效应模型后，还有必要进一步探究模型是仅包含空间固定效应或时间固定效应，还是时间固定效应和空间固定效应兼而有之。这里可以用模型之间的对数似然值互相比较的方法，即先计算空间固定效应模型的对数似然值logliksfe，再计算时间固定效应模型的对数似然值logliktfe，最后再计算时间和空间双固定效应模型的对数似然值loglikstfe，最后将三个对数似然值两两结合形成似然比统计量，而似然比统计量服从λ2分布，可以据此计算出概率值来判断采用何种效应。表3展示了上述计算过程的结果，由最后两行可知，检验在1%的显著性水平上拒绝了“空间效应不显著”以及“时间效应不显著”的原假设，因此本文应该选取时间和空间双固定效应模型。

3.拉格朗日乘子检验（LM检验）

在经过空间相关性检验和效应选择后，接下来确定选取哪种空间模型，即确定是否需要在面板回归模型中添加空间滞后项。解决这一问题，需要借助拉格朗日乘子检验（LM检验），该检验方法在学术界已经得到广泛应用，是判断选择空间滞后模型抑或空间误差模型最普遍的检验方法。需要说明的是，LM检验需要依赖空间权重矩阵，这里采用基于Rook原则（边相邻原则）的地理邻近空间权重矩阵。为避免权重矩阵中含有零向量从而产生“孤岛效应”，我们将海南省与广东省视作相邻省份（海南省在1988年时从广东省划出后独立建省）。

如表4所示，报告了各项显著性检验的结果。其中，第一行和第二行分别为空间滞后项的LM检验和稳健性LM检验，第三行和第四行分别为空间误差项的LM检验和稳健性LM检验，四项检验都显示不能拒绝原假设，即面板回归模型不需要加入空间滞后项和空间误差项。至此，本文确定使用不含空间滞后项和空间误差项的时间和空间双固定效应面板回归模型探究人口结构对生态效率的影响。

（三）实证结果分析

由上一节确定的时间和空间双固定效应面板回归模型出发，得到人口结构各变量对生态效率的影响，结果如表5所示。从回归结果中可以看出，在人口结构方面，有三项因素通过了显著性检验，分别是人口密度、少儿抚养率以及农村恩格尔系数。首先是人口密度，可视作刚好通过10%显著性水平检验，说明地区人口密度越大，生态效率越高，人口集聚并不会对生态造成破坏，反而是一种利好的表现。其次是代表人口年龄结构的少儿抚养率，系数为负，且通过10%的显著性检验，意味着少儿抚养率越高，即总人口中的少儿占比越高，生态效率越低。与此相反，老年抚养率对生态效率的影响并不显著，这在一定程度上表明少儿占比高的地区对生态的压力可能比老年占比高的地区大。最后是农村恩格尔系数，在1%的水平上显著为负，表明该系数越高，越不利于生态效率的提高。而农村恩格尔系数作为衡量人口消费结构的指标之一，与农村居民的收入水平息息相关。一般来说，随着农民收入水平的提高，食物消费支出在总支出中的占比将逐渐降低 ⑤，结合实证结果来看，这一过程还将伴随着地区生态效率的提高。此外，城镇恩格尔系数并不显著，这也预示着城乡之间可能存在较大的差距。

在控制变量方面，仅有代表环境治理的变量——各省环境污染治理投资与GDP比值通过了显著性检验，并在1%的水平上显著负向影响生态效率。对这一结果可能的解释为：一是当前环境污染治理的資金利用率较低，投入较多资金也未能改善地区生态状况;二是某些地区仍以高污染高耗能的产业为主，造成较严重的生态破坏，此时迫于环保压力，地区加大环境治理投资，于是形成“高污染、高治理费、低生态效率”同时存在的局面。

五、进一步分析

（一）稳健性检验

针对时间和空间双固定效应面板回归模型的结果，需要做进一步检验，以保证结果具有稳健性。本文拟采取两种方法检验，一是更换回归方程式，二是改变计量模型。前者基于相关文献的研究设计[50-51]，即只对回归方程中的人口密度、人口受教育平均年限、家庭人口规模、人均GDP以及国内三种专利申请授权数这几项离差绝对值相对较大的变量取对数，而其他变量，包括因变量生态效率值和以百分比出现的自变量则不进行对数处理，此时得到的回归结果如表6所示。

改变计量模型则是利用包含滞后项或误差项的空间计量模型进行检验。虽然在之前的LM检验中提示模型可能不含空间滞后项或空间误差项，但是也有学者认为空间杜宾模型应该作为研究的起点，因为忽略空间滞后项可能导致模型产生遗漏变量问题，从而得出有偏的估计[52]。因此，接下来我们将采用空间杜宾模型和空间杜宾误差模型进行稳健性检验，结果同样见表6。

限于篇幅，表6中仅列出表5回归结果中显著的四项变量，即人口密度、少儿抚养率、农村恩格尔系数以及各省环境污染治理投资与GDP比值。从表中可以看出，除了在空间杜宾模型和空间杜宾误差模型中，少儿抚养率这一变量未通过显著性检验，其他变量均显著，且影响方向未发生改变。由此进一步说明，除少儿抚养率外，人口密度正向影响生态效率，农村恩格尔系数与环境治理投资负向影响生态效率。

（二）异质性分析

经过稳健性检验后，还需要对回归结果进行异质性分析。因为在前文生态效率计算部分，我们发现各省生态效率在2009—2018年间的变动不大，但空间上呈现出东部最高、中部次之、西部最低的阶梯局势，东部生态效率高的省份以北京、上海、广东为代表，西部除了青海外，云南、新疆、西藏等省份的生态效率皆低，这与全国经济发展水平的分布格局非常相似。因此，我们有理由怀疑，在固定时间和空间效应后，回归模型仍然可能因为地区经济发展水平不同存在较大的异质性因素。此外，库兹涅兹环境曲线表明，随着人均GDP水平的不断提高，生态状况会经历先恶化然后逐步改善的过程[53]，这意味着人口结构等变量对生态效率的影响可能会因为地区人均GDP的差异而发生改变。例如，人均GDP水平高的地区，往往有丰富的教育资源、先进的技术条件、完善的社会保障体系等，这些都会对人口结构产生影响，进而影响地区生态效率。鉴于此，为验证上述猜想和提高回归结果的可信度，我们将在时间和空间双固定效应面板回归模型的基础上，加入人均GDP与通过显著性检验的四项自变量的交互项，以期剖析地区经济发展水平的差异在人口结构对生态效率的影响中所起到的作用。

考虑异质性的面板回归结果如表7所示，可以看出，虽然在不同模型中，人均GDP本身对生态效率无显著的直接影响，但是它对其他变量具有重要的调节作用。具体来说，人口密度方面，单项不再显著影响生态效率，而是人口密度与人均GDP的交互项在1%的水平上对生态效率产生显著正向影响，这说明并不是只要人口密度高的地区，其生态效率就会更高。事实上，人口集聚往往伴随着经济集聚，这两者的共同作用推动了地区生态效率的提高，如北京、上海等大城市正是这种模式。

少儿抚养率方面，单项与交互项的影响都不显著，这与稳健性检验时改变空间计量模型后出现的结果相同，因而推测这一变量并不会对生态效率产生显著影响。同样，这一情况发生在环境治理投资比值及其交互项上，两项变量同样未通过显著性检验。联系到前文对表5结果中环境治理投资负向影响生态效率的解释，即某些地区的经济依赖高污染高耗能产业，造成高治理费和低生态效率共存的局面，该解释中提及的现象将随着人均GDP交互项的介入而消失。也就是说，人均GDP水平达到一定高度的过程很可能与淘汰高污染高耗能产业、转变粗放式经济发展方式一同发生，进入到这一阶段后，环境治理投资对生态效率的影响不再显著。

最后，农村恩格尔系数方面，单项系数仍然通过了显著性检验，表明农村恩格尔系数的降低有利于提升生态效率;农村恩格尔系数与人均GDP的交互项也在10%的显著性水平上正向影响生态效率，这一结果更多强调的是增加农村居民的收入水平将提高生态效率。总之，随着农民收入水平的提高和消费结构的改善，地区生态效率也将提升。

六、结论与启示

一切生命起源于自然，又作用于自然。我国在经历了经济高速发展后，正面临水资源短缺、大气污染、垃圾难以处理等生态问题，人与生态的矛盾日益凸显。而“绿水青山就是金山银山” ⑥，只有处理好人与生态的关系，秉持人与生态和谐发展的生态文明理念，才能实现中国乃至世界的可持续发展。据此，本文从人与生态的关系出发，基于2009—2018年全国31个省份的面板数据，运用包含非期望产出的超效率SBM模型计算各省生态效率，随后构造时间和空间双固定效应面板回归模型探究人口结构对生态效率的影响，并就回归结果进行稳健性检验和异质性分析。本文主要研究结论如下：①从时间上看，除少数省份生态效率稳中有升，其他省份生态效率在2009—2018年间变动不大;从空间上看，生态效率呈现出东部最高、中部次之、西部最低的阶梯局势，东部生态效率高的省份以北京、上海、广东为代表，中西部除青海外，大部分省份的生态效率都有待提高;②人口密度越大的地区，生态效率越高，不过这一影响的机理在于人口集聚与经济集聚往往同时发生，只有当地区经济发展水平达到一定高度时，人口密度才能正向影响生态效率;③农村恩格尔系数负向影响生态效率，即农村恩格尔系数越高，地区生态效率越低。

本文的政策性启示在于：①中西部地区由于发展时间较东部地区更晚，加上自身地形、交通等条件相对较差，不少地区的经济发展水平落后，且仍以高耗能高污染的产业为主，加剧了生态破坏，因而促进中西部地区产业结构转型、推动形成绿色发展方式是今后较长时间的重要任务;②我国经济发展在继续“做大蛋糕”的同时，要兼顾“分好蛋糕”的工作，特别是要坚持乡村振兴，缩小城乡差距，持续改善农村居民的收入水平和消费结构，这将有利于地区生态效率的提高。

[注释]① 这句话是2021年6月8日，国家主席习近平在青海湖仙女湾，实地察看青海湖环境综合治理、生物多样性保护工作时提出。

② 来自配第一克拉克定理。

③ 来自2020年12月1日，教育部新闻发布会消息，http：//www.moe.gov.cn/fbh/live/2020/52692/mtbd/202012/t20201201_502753.html。

④ 华北地区：北京、天津、河北、山西、内蒙古;东北地区：辽宁、吉林、黑龙江;华东地区：上海、江苏、浙江、安徽、福建、江西、山东;华中地区：河南、湖北、湖南;华南地区：广东、广西、海南;西南地区：重庆、四川、贵州、云南、西藏;西北地區：陕西、甘肃、青海、宁夏、新疆。

⑤ 来自恩格尔定律。

⑥ 这句话是时任浙江省委书记习近平于2005年8月在浙江湖州安吉考察时提出的科学论断。

基金项目：国家社会科学基金重大项目《十八大以来党中央“治边稳藏”战略思想的理论体系研究》（16ZZD051）。

作者简介：杨明洪（1968—），男，四川南充人，博士，云南大学民族学与社会学学院教授，主要研究方向为马克思主义政治经济学;

刘昕禹（1993—），男，四川雅安人，云南大学经济学院博士研究生，主要研究方向为区域经济与社会发展;

吴晓婷（1989—），女，四川巴中人，博士，中共成都市委党校讲师，主要研究方向为马克思主义政治经济学。DOI： 10.13253/j.cnki.ddjjgl.2022.02.007

[参考文献][1]MEADOWS D H， ROME C O. The limits to growth： a report for the club of Rome’s project on the predicament of mankind[J]. Technological forecasting and social change， 1973， 4（3）：323-332.

[2]BOSERUP E. Environment， population， and technology in primitive societies[J]. Population and development review， 1976， 2（1）：21-36.

[3]童玉芬.国外人口与环境关系研究的理论与方法综述[J].中国人口·资源与环境，2004（5）：117-121.

[4]孙峰华，孙东琪，胡毅，等.中国人口对生态环境压力的变化格局：1990～2010[J].人口研究，2013，37（5）：103-113.

[5]MISHALANI R G， GOEL P K， WESTRA A M， et al. Modeling the relationships among urban passenger travel carbon dioxide emissions， transportation demand and supply， population density， and proxy policy variables[J]. Transportation research part d transport & environment， 2014， 33（dec.）：146-154.

[6]肖周燕.中国人口空间聚集对生产和生活污染的影响差异[J].中国人口·资源与环境，2015，25（3）：128-134.

[7]李崇梅，傅崇辉.人口规模与废污水排放量关系的动态稳定性研究[J].资源科学，2016，38（6）：1169-1178.

[8]ZAGHENI E. The leverage of demographic dynamics on carbon dioxide emissions： does age structure matter？[J]. Demography， 2011， 48（1）：371-399.

[9]易富贤.资源、环境不构成人口增长的硬约束[J].国际经济评论，2012（6）：136-149，7-8.

[10]GLAESER E L， KAHN M E. The greenness of cities： carbon dioxide emissions and urban development[J]. Nber working papers， 2010， 67（3）：404-418.

[11]ISHII S， TABUSHI S， ARAMAKI T， et al. Impact of future urban form on the potential to reduce greenhouse gas emissions from residential， commercial and public buildings in Utsunomiya， Japan[J]. Energy policy， 2010， 38（9）：4888-4896.

[12]梁偉，杨明，李新刚.集聚与城市雾霾污染的交互影响[J].城市问题，2017（9）：83-93.

[13]王宪恩，温鑫，蔡飞飞，等.水环境人口承载力与人口产业结构研究——以辽河源头区为例[J].人口学刊，2015，37（3）：71-77.

[14]林黎，李敬.长江经济带环境污染空间关联的网络分析——基于水污染和大气污染综合指标[J].经济问题，2019（9）：86-92，111.

[15]李玉红.黄河流域干支流水污染治理研究[J].经济问题，2021（5）：9-15.

[16]罗能生，张梦迪.人口规模、消费结构和环境效率[J].人口研究，2017，41（3）：38-52.

[17]KIM J H. Changes in consumption patterns and environmental degradation in Korea[J]. Structural change & economic dynamics， 2004， 13（1）：1-48.

[18]张彩云，张运婷.消费的环境库兹涅茨曲线存在吗？——基于空间杜宾模型的实证分析[J].商业经济与管理，2015（10）：68-77.

[19]COLE M A， NEUMAYER E. Examining the impact of demographic factors on air pollution[J]. Population and environment， 2004， 26（1）：5-21.

[20]DALTON M， O’NEILL B， PRSKAWETZ A， et al. Population aging and future carbon emissions in the United States[J]. Energy economics， 2008， 30（2）：642-675.

[21]ZHOU Y， LIU Y. Does population have a larger impact on carbon dioxide emissions than income？ evidence from a crossregional panel analysis in China[J]. Applied energy， 2016， 180：800-809.

[22]OKADA A. Is an increased elderly population related to decreased CO2 emissions from road transportation？[J]. Energy policy， 2012， 45（Jun.）：286-292.

[23]李飞越.老龄化、城镇化与碳排放——基于1995-2012年中国省级动态面板的研究[J].人口与经济，2015（4）：9-18.

[24]郭晗，任保平.人口红利变化与中国经济发展方式转变[J].当代财经，2014（3）：5-13.

[25]HASSAN K， SALIM R. Population ageing， income growth and CO2 emission： empirical evidence from high income OECD countries[J]. Journal of economic studies， 2015， 42（1）：54 - 67.

[26]李佐军，盛三化.城镇化进程中的环境保护：隐忧与应对[J].国家行政学院学报，2012（4）：69-73.

[27]王婷，吕昭河.人口增长、收入水平与城市环境[J].中国人口·资源与环境，2012，22（4）：143-149.

[28]高明，吴雪萍，郭施宏.城市化进程、环境规制与大气污染——基于STIRPAT模型的实证分析[J].工业技术经济，2016，35（9）：110-117.

[29]王芳，周兴.人口结构、城镇化与碳排放——基于跨国面板数据的实证研究[J].中国人口科学，2012（2）：47-56，111.

[30]赵向华.我国公民环保意识影响因素研究综述[J].生态经济，2016，32（9）：189-192.

[31]胡家僖.环境意识、社会阶层及民族文化对云贵民族地区居民环境行为的影响[J].中国农业资源与区划，2020，41（2）：204-212.

[32]苏芳，宋妮妮，马静，等.生态脆弱区居民环境意识的影响因素研究——以甘肃省为例[J].干旱区资源与环境，2020，34（5）：9-14.

[33]童玉芬.西北地区人口-资源-环境协调发展研究[M].北京：中国人口出版社，2009：68-70.

[34]付云鹏，马树才，宋琪.基于空间计量的人口规模、结构对环境的影响效应研究[J].经济经纬，2016，33（5）：24-29.

[35]張云辉，韩雨萌.人口因素对雾霾污染的影响——基于省级面板数据的实证分析[J].调研世界，2018（1）：9-16.

[36]CHARNES A，COOPER W W，RHODES E. Measuring the efficiency of decision making units[J]. European journal of operational research， 1978， 2（6）：429-444.

[37]HAILU A. Nonparametric productivity analysis with undesirable outputs： an application to the Canadian pulp and paper industry[J]. American journal of agricultural economics， 2011， 85（4）：1075-1077.

[38]TONE K. A slacksbased measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001， 130（3）：498-509.

[39]TONE K. Dealing with undesirable outputs in DEA： a slacksbased measure （SBM） approach[J]. GRIPS research report series， 2003.

[40]TONE K. A slacksbased measure of superefficiency in data envelopment analysis[J]. European journal of operational research， 2002， 143（1）：32-41.

[41]单豪杰.中国资本存量K的再估算：1952～2006年[J].数量经济技术经济研究，2008，25（10）：17-31.

[42]EHRLICH P R， HOLDREN J P. Onedimensional economy[J]. Bulletin of the atomic scientists， 1972， 28（5）：16-27.

[43]COMMONER B. Making peace with the planet[M]. New York： Pantheon Books， 1990： 245-276.

[44]DIETZ T， ROSA E A. Rethinking the environmental impacts of population， affluence and technology[J]. Human ecology review， 1994， （1）：277-300.

[45]YORK R， ROSA E A， DIETZ T. STIRPAT， IPAT and ImPACT： analytic tools for unpacking the driving forces of environmental impacts[J]. Ecological economics， 2003， 46（3）：351-365.

[46]ROSA， EUGENE A， et al. Climate change and society： speculation， construction and scientific investigation[J]. International sociology， 1998， 13（4）：421-455.

[47]苏伟洲，李航，钱昱冰，等.“一带一路”沿线省份工业环境效率评价及影响因素研究[J].科技进步与对策，2018，35（19）：155-160.

[48]邱士雷，王子龙，刘帅，等.非期望产出约束下环境规制对环境績效的异质性效应研究[J].中国人口·资源与环境，2018，28（12）：40-51.

[49]林澍珅，罗能生，杨钧.交通结构对区域生态效率的影响——基于中国省际面板数据的经验分析[J].经济地理，2019，39（12）：21-30，38.

[50]韩永辉，黄亮雄，王贤彬.产业结构优化升级改进生态效率了吗？[J].数量经济技术经济研究，2016，33（4）：40-59.

[51]王宝义，张卫国.中国农业生态效率的省际差异和影响因素——基于1996～2015年31个省份的面板数据分析[J].中国农村经济，2018（1）：46-62.

[52]PACE R K， LESAGE J P. A sampling approach to estimate the log determinant used in spatial likelihood problems[J]. Journal of geographical systems， 2009， 11（3）：209-225.

[53]GROSSMAN G M， KRUEGER A B. Economic growth and the environment[J]. Nber working papers， 1995， 110（2）：353-377.Study on the Effect of Population Structure on Ecological Efficiency in China

Yang  Minghong1，  Liu  Xinyu2，  Wu  Xiaoting3

（1. School of Ethnology and sociology， Yunnan University， Kunming 650021， China; 2. School of economics， Yunnan University，

Kunming 650504， China; 3. Party School of the CPC Chengdu Municipal Committee， Chengdu 610110，China）

Abstract：  Population and ecology are two major issues in contemporary society. How to coordinate the relationship between human and ecology is the premise of realizing social sustainable development. Therefore， this article is based on the panel data of 31 provinces from 2009 to 2018， using the superefficiency SBM model with undesired output to calculate the ecological efficiency of each province， then constructing time and space double fixed effect panel regression model to explore the influence of population structure on ecological efficiency， and the regression results are tested for robustness and analyzed for heterogeneity. The results show that， from the perspective of time， the ecological efficiency of all provinces in China has little change from 2009 to 2018， except for a few provinces that have a steady increase in ecological efficiency. From the perspective of space， the ecological efficiency is the highest in the east， the second in the middle and the lowest in the west. The effect of population structure on the ecological efficiency is mainly reflected in two aspects： first， when the regional economic development level reaches a certain height， population density positively affects the ecological efficiency; Second， the rural Engel coefficient negatively affects the ecological efficiency， that is， reducing the rural Engel coefficient is conducive to improving the regional ecological efficiency. Based on the above conclusions， this paper believes that on the one hand， we should narrow the gap of economic development between the eastern region and the central and western regions， promote the transformation of industrial structure in the central and western regions， and promote the green development mode; On the other hand， we need to narrow the gap between urban and rural areas and continue to improve the income level and consumption structure of rural residents.

Key words：population structure; ecological efficiency; population density; rural Engel coefficient

（责任编辑：张梦楠）