长江经济带与黄河流域生态效率差异及影响因素分析

邱兆林

[摘 要] 长江经济带发展与黄河流域生态保护和高质量发展是我国依托大江大河实施的重大国家战略，文章采用Super-SBM模型和GML指数法测算了长江经济带与黄河流域生态效率及分解指标，建立面板Tobit模型识别生态效率的影响因素。研究发现：两大区域生态效率整体呈现上升态势，长江经济带生态效率GML指数高于全国水平，黄河流域低于全国水平。党的十八大之后，长江经济带与黄河流域生态效率都实现快速提升，技术进步是生态效率提升的主要驱动因素，空间分布表现为“东高西低”特征。长江经济带生态效率的泰尔指数呈“U”型特征，黄河流域则呈倒“N”型特征。经济发展、产业结构、环境规制、对外开放和基础设施对生态效率产生显著影响，外部因素的影响效果在区域间和区域内存在差异。新时代推进生态文明建设要坚持生态优先、绿色发展之路，多维度构建绿色发展的体制机制，注重区域间差异化发展和协同发展相结合。

[关键词]长江经济带;黄河流域;生态效率;GML指数;Tobit模型

[中图分类号]  F061.5; F205[文献标识码]  A[文章编号]  1673-0461 （2022） 06-0039-11

一、引言

长江经济带和黄河流域是我国重要的生态屏障和经济地带，“长江经济带发展”和“黄河流域生态保护和高质量发展”先后上升为重大国家战略，成为我国大江大河治理的重要标杆、国家生态安全的重要屏障和高质量发展的重要试验区。2016年1月、2018年4月和2020年11月，习近平总书记先后在重庆、武汉、南京主持召开推动长江经济带发展座谈会，强调践行新发展理念，推动长江经济带高质量发展，绘就长江经济带发展宏伟蓝图。2016年3月中共中央政治局审议通过的《长江经济带发展规划纲要》标志着长江经济带发展进入快车道。2019年9月和2021年10月，习近平总书记先后在郑州和济南召开推动黄河流域生态保护和高质量发展座谈会，强调要科学分析黄河流域生态保护和高质量发展形式，把握好推动黄河流域生态保护和高质量发展的重大问题。2021年10月中共中央、国务院印发《黄河流域生态保护和高质量发展规划纲要》，为保护好黄河流域生态环境，促进沿黄地区高质量发展指明了方向。

长江经济带覆盖沿江11个省市，总面积占全国的21.4%。2020年人口总数占全国的42.9%，地区生产总值占全国的46.4%①。长江经济带经济活跃，发展潜力大，在生态文明建设中占据重要位置。黄河流经9个省区，黄河流域是我国重要的生态安全屏障，也是人口活动和经济发展的重要区域。2020年人口总数占全国的29.8%，地区生产总值占全国的25.0%②。长江经济带和黄河流域在经济社会发展和生态文明建设方面各具特色，长江经济带经济发展水平较高，生态文明建设起步较早，高质量发展成效显著。黄河流域发展质量有待提高，其核心问题是什么呢？黄河流域资源、地理、交通因素与长江流域明显不同，“黄河经济带”在全国经济层面上不存在，黄河流域治理的核心依然是生态保护[1]。黄河流域生态环境脆弱、水资源短缺、经济发展质量不高等问题更为严峻[2]。依托“大江大河”实施重大国家发展战略，必须因地制宜，探索富有地域特色的绿色发展道路。

在上述背景下，本文遵循“总体差异-分项差异-成因识别”的思路，在科学量化长江经济带与黄河流域生态效率的基础上，多维度剖析两大区域生态效率的时空差异。并建立计量模型对生态效率的影响因素进行识别，探索长江经济带与黄河流域生态保护和高质量发展的路径差异，为落实国家重大战略区域高质量发展战略提供理论支持。

二、文献综述

基于投入产出数据测算得到的生态效率（也

称绿色全要素生产率）是用来衡量生产效率的重要指标，在生态文明建设和绿色发展理念下，企业生产不仅要考虑期望产出，还要关注生产过程产生的环境污染和资源浪费，即非期望产出。考虑非期望产出测算得到的生产效率称之为生态效率。在测算方法上，主要有随机前沿分析（SFA）和数据包络分析（DEA）两种方法。SFA是一种参数化方法，需要确定生产前沿面的具体形式。DEA方法的优势在于无需对生产函数进行预设，可以处理多投入多产出问题，并能对生产效率进行分解，在实证研究中DEA成为测算生态效率的主要方法。CHUNG等（1997）提出了方向性距离函数（Directional distance function，DDF），将期望产出和非期望产出纳入同一分析框架[3]。但DDF是采用径向和角度DEA计算的，如果存在非期望产出，依靠传统距离函数容易导致效率结果出现偏差。TONE（2001）基于松弛变量测度模型构建了非径向和非角度的DEA模型，即SBM模型（Slacks-Based Measurement）[4]。然而，该方法测算得到的决策单元的效率值会出现多个决策单元同时有效的情况（即效率值都为1），无法进行有效排序和评价。TONE（2002）基于修正的松弛变量提出了Super-SBM模型[5]，该方法测算得到的效率值可以大于1，从而对SBM模型的有效单元继续进行评价和排序[6]。

在研究内容上，部分文献对长江经济带生态效率进行测算，并建立计量模型考察其影响因素，吴传清和董旭（2016）基于长江经济带11个省市的面板数据，运用超效率DEA模型和ML指数法测度了长江经济带全要素能源效率，考察外部因素对全要素能源效率的影响[7]。陈明华等（2020）基于城市数据测度了长江经济带城市生态效率水平，分析了城市生态效率的时空特征及驱动因素[8]。关于生态效率的外部驱动因素，黄磊和吴传清（2019）研究发现，经济发展、环境规制和对外开放是提升长江经济带工业绿色发展效率的直接驱动力[9]。杜宇等（2020）、黄磊和吴传清（2021）认为政府竞争、市场分割、产业结构优化、外商投资对长江经济带城市绿色效率具有显著影响[10-11]。也有学者对黄河流域地区绿色全要素生产率进行测算，并对其影响因素进行识别，样本选择涵盖了省级层面和地市级层面数据。刘华军和曲惠敏（2019）采用DEA-Malmquist生产率指数法测度了黄河流域9个省份的绿色全要素生产率，并考察其演变趋势和分布特征[12]。赵明亮等（2020）基于非径向、非角度SBM方向性距离函数的ML指数，测算了黄河流域65个重点城市的绿色全要素生产率[13]。陈明华等（2020）构建非期望产出的SBM模型，测算了黄河流域100个城市的生态效率，考察生态效率的内在增长潜力和外部驱动因素[14]。经验研究发现，环境规制、经济发展、产业结构、科技创新、金融发展、对外开放等对黄河流域生态效率的影响存在显著差异[14-15]。科技创新是提高黄河流域生态效率的核心驱动力[16-17]。曾刚和胡森林（2021）研究发现技术创新与绿色发展之间呈现“U”型非线性關系，技术进步存在“回弹效应”[18]。上述研究分别选择长江经济带或黄河流域作为研究对象，缺少将二者结合起来对比分析的相关研究。杨万平和张振亚（2020）采用黄河流域与长江经济带19个省份的样本数据，对两大流域生态全要素生产率指数及分项指数进行对比分析，识别外部因素对两大流域生态效率的影响[19]。刘华军等（2021）基于全国30个省份的样本数据，测度了长江经济带与黄河流域的生态效率，分析了二者之间的差异及影响因素[20]。上述文献在样本选择和研究方法上存在较大差别，研究结论也不尽相同。38BF582F-8363-446B-8C23-FD9CA46F95D5

综上所述，学者们关于长江经济带与黄河流域生态效率的研究为本文提供了有益借鉴，本文的主要贡献在于：第一，采用2000—2019年全国30个省份的样本数据，利用Super-SBM模型和GML指数法测算了长江经济带与黄河流域生态效率及其分解指标，多维度识别二者之间的差异;第二，以党的十八大为分界点，分阶段比较长江经济带与黄河流域生态效率的演变趋势;第三，构建面板Tobit模型，加入时间虚拟变量，检验党的十八大前后外部因素对生态效率影响的差异，从区域间和区域内识别生态效率的影响因素。

三、研究方法与样本数据

（一）测算方法

借鉴TONE（2002）基于修正松弛变量提出的Super-SBM模型[5]，假设有n个决策单元，每个决策单元使用m种要素投入x∈R+m，生产得到s1种期望产出yg∈R+s1和s2种非期望产出yb∈R+s2，定义矩阵X=[x1，…，xn]∈R+m×n、Yg=[yg1，…，ygn]∈R+s1×n、Yb=[yb1，…，ybn]∈R+s2×n。一个排除决策单元（x0，yg0，yb0）的有限生产可能性集可以表示为：p/（x0，yg0，yb0）={

（，g，b）|≥∑nj=1λjxj，g≤∑nj=1λjygj，b≥∑nj=1λjybj，λ≥0}，则考虑非期望产出的Super-SBM模型可表示为：

ρ*=min1m∑mi=1ixi0

1s1+s2∑s1r=1grygr0

+∑s2l=1blybl0（1）

s.t.≥∑nj=1，≠0λjxj，g≤∑nj=1，≠0λjygj，b≤∑nj=1，≠0λjybj

≥x0，g≤yg0，b≤yb0，λ≥0，∑nj=1，≠0λj=1

式（1）中，ρ*为目标效率值，该值越大表示效率越高;x、yg、yb分别表示投入向量、期望产出向量和非期望产出向量;m、s1、s2分别表示要素投入种类、期望产出种类和非期望产出种类，λ∈Rn为权重向量。

利用Super-SBM模型可以计算静态生态效率，但无法反映生态效率的动态变化以及效率分解指标的变化。CHUNG等（1997）提出Malmquist-Luenberger（ML）指数法[3]，将传统Malmquist指数与方向性距离函数（DDF）相结合，把期望产出和非期望产出同时纳入生态效率研究中，实证分析中获得广泛应用。由于ML指数采用两个当期ML指数几何平均值的形式，难以满足传递性和循环性要求，而且在测度方向性距离函数时可能存在线性规划无解的情况。OH（2010）提出了Global Malmquist-Luenberger（GML）指数，可以有效解决ML指数存在传递性不足和无可行解的问题[21]。为了对GML指数进行定义和分解，OH（2010）引入当期生产可能性集合和全局生产可能性集合两个概念，当期生产可能性集合定义为：

PTC（xt）={（yt，bt）|xt能够生产（yt，bt）}，

t=1，2，…，T（2）

全局生产可能性集合表示所有当期可能性集合的并集，即PG=P1C∪P2C∪…∪PTC，下标C和G分别代表当期和全局。GML指数定义及其分解形式为：

GMLt，t+1（xt，yt，bt，xt+1，bt+1）=1+DTG（xt，yt，bt）1+DTG（xt+1，yt+1，bt+1）

=1+DtC（xt，yt，bt）1+Dt+1C（xt+1，yt+1，bt+1）

×（1+DTG（xt，yt，bt）/（1+DtC（xt，yt，bt））（1+DTG（xt+1，yt+1，bt+1）/（1+Dt+1C（xt+1，yt+1，bt+1））

=TEt+1TEt×BPGt，t+1t+1BPGt，t+1t

=ECt，t+1×BPCt，t+1

（3）

式（3）中，DTG（x，y，b）=max{β|（y+βy，b-βb）∈PG（x）}为全局方向性距离函数，根据全局生产可能性集合PG给出。GMLt，t+1大于1，表示生态效率提高，GMLt，t+1小于1，表示生态效率降低。TE代表技术效率，BPGt，t+1s是当期与全局技术前沿的“最佳实践者差距”（Best practice gap， BPG），其中s表示时期t和时期t+1。ECt，t+1表示两个时期技术效率的变化，BPCt，t+1表示两个时期技术进步的变化。

（二）样本选取和数据说明

本文选取2000—2019年中国30个省份（不含西藏和港澳台地区）作为研究样本，并划分长江经济带和黄河流域进行区域分析。长江经济带包含上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南和贵州共11个省份，重庆、四川、贵州、云南为上游地区，江西、湖北、湖南为中游地区，上海、江苏、浙江、安徽为下游地区。黄河流域包括青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东共9个省份，根据陈明华等（2020）的劃分方法[15]，把青海、甘肃、宁夏划为上游地区，内蒙古、陕西、山西划为中游地区，河南、山东划为下游地区③。

采用Super-SBM模型和GML指数法测算地区生态效率需要合理选择投入和产出指标。借鉴已有相关研究，本文界定投入指标包括劳动、资本和能源，其中，劳动投入用各地区年末就业总人数表示，数据来源于万得数据库。资本投入采用永续盘存法计算各地区资本存量，具体计算公式为：Kit=Kit-1（1-δit）+Iit，其中，i表示个体，t表示年份，I表示当期投资，采用全社会固定资产投资来衡量④，并采用各地区全社会固定资产投资指数折算为2000年为基期的实际值;K表示资本存量，基期2000年各地区资本存量的数据来自张军等（2004）的研究结果[22]，但该文献中四川和重庆的资本存量是合在一起的，本文以1997—2000年四川和重庆全社会固定资产投资之和的比值作为权重，将原文中四川的资本存量拆分成四川和重庆的资本存量;δ表示资本折旧率，选取9.6%。能源消费采用各地区能源消费总量（万吨标准煤）表示，数据来源于《中国能源统计年鉴》。期望产出采用各地区GDP表示，并用GDP平减指数折算为2000年为基期的实际值。非期望产出包括CO2排放和SO2排放，CO2排放量根据2006年联合国政府间气候变化专门委员会提出的二氧化碳计算方法和国家发展改革委能源研究所提供的原煤、焦炭、原油、汽油、煤油、柴油、燃料油、油田天然气8种化石能源碳排放系数测算得到。各种能源消费量数据来源于《中国能源统计年鉴》，各地区SO2排放量数据来源于《中国环境统计年鉴》和《中国统计年鉴》。38BF582F-8363-446B-8C23-FD9CA46F95D5

四、长江经济带与黄河流域生态效率差异分析

（一）生态效率时间演变趋势

图1表示的是2001—2019年全国、长江经济带和黄河流域生态效率GML指数的变化趋势，长江经济带与黄河流域生态效率的变化趋势同全国一致，整体呈现上升态势。长江经济带生态效率高于全国水平，黄河流域生态效率低于全国水平。2001—2019年，全国生态效率平均增长率为0.4%，长江经济带平均增长率为1.3%，黄河流域平均增长率为-0.8%。说明长江经济带生态文明发展水平远高于全国和黄河流域，这与两大区域经济发展水平相一致，长江经济带经济发展水平较高，尤其在产业结构升级和技术创新方面高于黄河流域，新兴产业发展迅速，大量优质要素资源不断流入，企业技术研发投入大，创新能力强。技术进步和产业结构升级引致长江经济带无论在污染减排还是资源利用效率方面，都具有较高水平。黄河流域自然生态脆弱，水资源严重短缺，高质量经济社会发展整体滞后，产业构成以第一和第二产业为主，第三产业比重不及全国平均水平，而且第二产业内部，采掘业和重化工业比重较高。长期粗放型增长方式带来严重的环境污染和资源浪费，受文化和体制等因素的制约，产业结构转型升级面临多重困境。从二者差距来看，黄河流域生态效率水平提升迅速，与长江经济带的差距在逐渐缩小，2019年长江经济带和黄河流域生态效率的增速分别为4.7%和3.9%，差距缩小到0.8个百分点。“十四五”规划和2035年远景目标纲要提出要“加强长江、黄河等大江大河和重要湖泊湿地生态保护治理”，依托重大国家战略强化大江大河生态保护和系统治理，有利于促进经济社会发展全面绿色转型，推动生态文明建设取得新进步。

分阶段来看，党的十八大前后生态效率差距明显（见表1）。具体而言，2001—2011年，全国、长江经济带和黄河流域的生态效率年平均增长  率分别为-1.2%、-0.6%、-2.3%，2012—2019年分别为2.8%、3.8%、1.3%。党的十八大之后，生态效率增速加快，绿色发展水平显著提高。比较两个阶段经济发展方式可知，改革开放之后，各地区依靠要素和投资驱动的粗放式发展实现了经济高速增长。党的十八大把生态文明建设放在突出地位，纳入社会主义现代化建设总体布局，生态文明建设理念和实践在全国快速推进。一方面政府主管部门加大了环境监察和保护修复力度，实行最严格的环境规制政策;另一方面企业主动履行社会责任，提高资源能源利用效率，促进了生态效率大幅提升。生态领域顶层设计统筹推进生态文明建设，有效激发行业技术变革和绿色发展低碳转型。

分指标来看，生态效率GML指数可分解为技术效率的变化（EC）和技术进步的变化（BPC），2000—2019年，全国GML指数、技术效率和技术进步的年平均增长率分别为0.4%、-3.0%和3.6%，技术效率表现为负增长，技术进步为正增长。技术进步是生态效率提升的主要驱动因素，技术效率成为绿色发展的短板。比较党的十八大前后发现，技术进步的年平均增长率分别为2.1%和5.6%，技术效率的年平均增长率分别为-3.3%和-2.7%。表明党的十八大之后，技术进步的增速显著提升，技术效率有所改善，仍表现为负增长，技术效率恶化一直是生态效率提升的制约因素。长江经济带和黄河流域生态效率的提升同样依靠技术进步推动，2000—2019年，长江经济带GML指数、技术效率和技术进步的年平均变化率分别为1.3%、-2.1%和3.4%，黄河流域GML指数、技术效率和技术进步的年平均变化率分别为-0.8%、-3.5%和2.8%。长江经济带技术进步更快，弥补了技术效率的损失，整体生态效率正向增长。但黄河流域技术进步不足以弥补技术效率的损失，整体生态效率呈现负增长。党的十八大之后这一现象发生扭转，2012—2019年长江经济带和黄河流域技术进步增长较快，年平均增速分别为5.9%和4.2%，都弥补了技术效率带来的损失，整体生态效率都实现了正向增长。

（二）生态效率空间分布特征

分区域来看，长江经济带与黄河流域内部上中下游地区生态效率差距较大（见表2）。2000—2019年长江经济带上游、中游和下游地区的生态效率平均增速为0.6%、0.2%和2.8%，样本考察期内，长江经济带生态效率呈现东高西低的特征，下游地区生态效率最高，上游地区高于中游地区。原因可能是上游地区相对于中游地区工业规模较小，污染排放较少。下游的长三角地区是我国经济发展最活跃、开放程度最高、创新能力最强的区域之一，长三角一体化发展战略的实施为区域经济协同发展提供了坚实的制度基础。2000—2019年黃河流域上游、中游和下游地区的生态效率平均增速为-1.3%、-1.0%和0.1%，样本考察期内，黄河流域生态效率同样呈现东高西低特征，只有下游地区实现正向增长，增长率比长江经济带明显偏低，黄河流域上游和中游地区绿色发展相对滞后。这与地区经济发展模式相关，中上游地区经济发展水平落后，资源消耗大，环境污染严重，对生态环境造成破坏;下游地区虽然经济总量发达，但产业结构优化升级滞后，技术研发创新能力不足，导致生态效率提升难度较高。

分省份来看，2001—2019年长江经济带11个省份的生态效率差距较大（见表3），有8个省份实现正向增长，增速由高到低排序为上海、江苏、重庆、浙江、四川、湖南、安徽、湖北;其余3个省份为负增长，增速由高到低排序为江西、云南、贵州。最快的上海平均增速达到7.0%，最慢的贵州平均增速仅为-0.5%。可以看出，长江经济带下游各省份绿色发展水平较高，尤其是上海、江苏和浙江。上海积极发挥龙头带动作用，携手江苏和浙江协同发展，紧扣“一体化”和“高质量”两个关键词，推动长三角一体化发展全面提速。中上游地区除重庆和四川外，其他地区绿色发展水平偏低，尤其是西南云贵地区，缺乏绿色发展创新驱动力，整体低于中下游地区。近年来得益于产业结构调整和生态效益提高，绿色发展水平逐渐提升。从时间趋势看，长江经济带11个省市在2012年之后每年都实现正向增长，表明党的十八大提出的生态文明建设得到有效落实。38BF582F-8363-446B-8C23-FD9CA46F95D5

相比于长江经济带，黄河流域8个省份的绿色发展水平较低，大部分省份生态效率呈衰退趋势（见表4）。2000—2019年生态效率平均增速大于零的省份只有河南，年平均增长率为0.4%;其余7个省份的平均增速全都小于零，平均增速由高到低排序为陕西、山东、青海、内蒙古、甘肃、宁夏、山西。相对而言，下游地区绿色发展水平高于中上游地区。下游地区的河南和山东作为经济大省，正处在工业化和城镇化发展的加速阶段，随着生产规模不断扩大，污染增加，导致生态效率提升幅度不大。河南经济转型发展较为成功，2011年之后生态效率全部实现正增长，2019年增速达到7.8%。山东经济转型发展相对缓慢，尤其在营商环境优化、產业结构升级、人才引进和技术创新等方面同发达省份的差距逐渐拉大。中游地区属于能源区域，内蒙古、陕西、山西被看作我国“煤炭金三角”，长期的能源开采造成植被破坏、水土流失，产生大量废物，导致生态效率较低，山西生态效率衰退最为严重，年平均增速为-2.0%。资源型省份由于过度依赖能源开采，高端产业缺失，经济发展水平相对落后，受交通、技术、人才等因素制约，产业转型升级困难。上游地区随着黄河源区社会经济不断发展⑤，人类活动足迹扩大导致黄河源区湖泊湿地逐渐萎缩，过度放牧，植被覆盖度逐渐减少。

（三）生态效率空间差异程度

本文采用泰尔指数及分解方法衡量长江经济带与黄河流域生态效率的差异程度，泰尔指数的优点是可以把地区间总体差距分解为区域内差距和区域间差距，并衡量它们在总体差距中的贡献度，构建泰尔指数及其分解公式如式（4）～（7）：

Theil=Theilb+Theilw（4）

Theilb=∑3p=1npN×plnp（5）

Theilw=∑3p=1npN×p×Theilp（6）

Theilp=1np∑i∈npepiPlnpip，（p=1，2，3）（7）

式（4）～（7）中，i表示省份，N表示省份的数量，np（p=1，2，3）表示第p组的省份数量，p表示组别，分为上游、中游、下游三个组，e表示生态效率的变化，表示平均值。Theil表示生态效率总体差距的泰尔指数，Theilp表示第p组内各省份生态效率差距的泰尔指数，Theilb和Theilw分别表示生态效率地区间差距和地区内差距的泰尔指数。

表5列出了长江经济带与黄河流域生态效率差距的泰尔指数及分解结果。长江经济带生态效率的泰尔指数呈先降后升的“U”型变化趋势，2001—2012年呈下降态势，2012年之后开始呈现波动性上升态势。党的十八大之后，生态文明建设在全国加快推进，各地区实施了一系列旨在保护环境、控制污染排放的环境规制政策，但由于地区间经济发展水平以及政策实施力度存在差异，生态效率差距不断加大。从分解指标看，区域内差异贡献明显超过区域间差异，考察期内区域内差异对总体差异的平均贡献达到72.2%，区域间差异的平均贡献不到30%。因此，缩小区域内差异是改善长江经济带生态效率发展不平衡的关键。

黄河流域生态效率的差距较小，泰尔指数呈现“下降-上升-下降”的倒“N”型变化趋势。2001—2011年呈下降趋势，2012—2013年短暂上升，2014年之后下降，并呈现波动状态。党的十八大明确提出大力推进生态文明建设，2012—2013年各地相继推出了加快生态文明建设的政策措施，地方政府通过行政手段控制污染排放，短期内能够促使生态效率提升，但缺乏可持续性，长期绿色发展要依靠科技进步寻求经济与环境的双赢，而非单纯的控制污染排放。

五、生态效率的影响因素分析

以长江经济带与黄河流域地区生态效率GML指数作为因变量，建立计量模型考察外部因素对生态效率的影响，对长江经济带和黄河流域之间的差异进行比较分析。上文采用Supper-SBM模型和GML指数法测算得到的各地区生态效率为非负截断离散数据，使用普通最小二乘法可能会导致参数估计有偏，宜采用面板Tobit模型进行回归分析。

（一）因素选取与模型建立

借鉴已有研究，本文选取9个指标作为生态效率的影响因素：①经济发展。采用人均实际GDP表示，以2000年为基期折算为可比价。经济发展水平与生态效率密切相关，一方面经济发展水平提高会带来生产规模扩大，从而增加了污染排放，不利于生态效率提升;另一方面，经济发展达到较高水平后，技术进步会提高生产效率，又会有助于生态效率提升。同时为了验证“环境库兹涅茨曲线”（EKC）假说，模型中加入人均实际GDP的平方项。②产业结构。用第二产业和第三产业增加值的比值来表示。一般来说，第二产业以采掘业、重化工业和建筑业为主，具有高投入、高污染特征，所以第二产业比重上升会导致生态效率降低。③环境规制。采用各地区污染源治理投资额占名义GDP的比重表示。根据“波特假说”，合理设计的环境规制能够激励企业技术创新，从而实现绿色发展。④科技创新。采用研发经费内部支出与名义GDP之比表示。⑤金融发展。采用金融机构存贷款余额与名义GDP之比表示。⑥对外开放程度。采用外商投资企业投资额与名义GDP的比值表示，外商投资企业投资额采用美元兑人民币年平均汇率折算为人民币的形式，该指标可以检验“污染晕轮”和“污染避难所”假说。⑦基础设施。采用各地区铁路营运里程和公路里程与地区面积之比来衡量⑥。⑧人力资本水平。采用各地区从业人员的平均受教育年限来衡量，具体测算方法是：将就业人员的受教育程度分为未上过学、小学、初中、高中、大学专科、大学本科、研究生七级水平，各阶段平均受教育年限界定为1.5年、6年、3年、3年、3年、4年、3.5年⑦，结合各阶段的就业比重，计算得到各地区就业人员的平均受教育年限。⑨时间虚拟变量。为了检验党的十八大前后外部因素对生态效率影响的差异，模型中加入时间虚拟变量，2001—2011年取值为0，2012—2019年取值为1。数据全部来源于《中国统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》《中国劳动统计年鉴》以及EPS数据平台和中经网统计数据库。建立如式（8）面板Tobit模型：38BF582F-8363-446B-8C23-FD9CA46F95D5

GMLit=αit+β1gdpit+β2gdp2it+φ1Dit+∑jrjxj，it+ui+εit（8）

式（8）中，i表示个体，t表示时间，j表示其他影响因素的数量;GML表示生态效率;gdp表示人均实际GDP;D为虚拟变量，D=0表示2012年之前，D=1表示2012年之后;x表示其他的影响因素，ui为个体效应的标准差，ε为随机扰动项。

（二）区域间影响因素分析

由于固定效应Tobit模型通常不能得到一致无偏的估计量，随机效应模型效果更好。本文采用随机效应的面板Tobit模型进行回归分析，检验结果如表6所示。可以看出，外部因素对生态效率的影响在长江经济带和黄河流域存在较大差异，具体来看：

（1）经济发展对生态效率的影响在长江经济带和黄河流域都没有通过显著性检验，经济发展平方项的系数在长江经济带显著为正，在黄河流域不显著。长江经济带的结果支持“环境库兹涅茨曲线”假说，经济发展与生态效率之间存在“U”型关系。样本考察期内，仍处在“U”型曲线的左通道，经济发展促进生态效率的拐点尚未出现，经济发展模式转型和能源消费结构优化要继续推进。黄河流域的结果尚不支持“环境库兹涅茨曲线”假说，主要是因为黄河流域粗放式经济发展消耗了大量能源，污染排放增加，生产规模扩大难以带来生态效率提升。黄河流域生态环境面临上游水源破坏、中游水土流失、下游能源消耗严重等问题，环境保护力度和高质量发展有待提高。

（2）产业结构的系数在长江经济带不显著，在黄河流域通过1%的显著性检验，符号都为负。第二产业比重上升抑制了生态效率提升，主要是因为，我国能源消费结构以煤炭为主，第二产业是能源消费的主要部门，第二产业比重提高必然会带来高污染，降低了绿色发展水平。这在黄河流域体现的更为明显，黄河流域第二产业的比重偏高。第二产业内部又以资源型产业和传统制造业占据主导，高端服务业和现代服务业发育不够[23]。长江经济带产业结构转型升级较为明显，高新技术制造业和新兴产业发展迅速，第二产业内部污染严重的部门持续向中西部地区转移，产业结构对生态效率的负向作用不显著。

（3）环境规制的系数都显著为负，说明环境规制并未带来生态效率的提升，样本考察期内不支持“波特假说”。可能原因在于，环境规制对绿色发展的影响存在长期性，短期环境规制增加了企业治污成本负担，不利于企业绿色生产。加之我国现行的环境规制普遍采用行政命令型手段，从源头有效控制污染排放，对技术创新的激励不足。

（4）科技创新对生态效率的影响都不显著，原因可能在于两个方面，一是研发经费使用效率较低，以政府为主导的研发模式与市场需求脱节，大量研发经费投入并未转化为先进的生产技术;二是存在“技术-环境悖论”，如果技术进步偏向于规模扩张和生产速度提升，而不是绿色生产技术，那么技术进步带来产出增加的同時也会带来污染排放增加，从而降低生态效率。

（5）金融发展对生态效率的影响都不显著，黄河流域金融发展的系数为负。这与资本逐利性密切相关，金融资本大量流入收益率高的资本密集型产业，这些产业的能源消耗和污染排放较高，降低了绿色发展水平。绿色金融理念虽已提出，但其发展道路还面临诸多挑战，以银行为主的金融市场体系存在明显的行政垄断特征，降低了金融资本的流动性和使用效率。

（6）对外开放对生态效率的影响在长江经济带显著为正，在黄河流域显著为负。表明在长江经济带“污染晕轮”假说成立，外商直接投资有利于引进国外先进生产设备和技术，从而产生技术外溢，提高绿色生产效率。在黄河流域“污染避难所”假说成立，国外污染严重产业随着外资转移到环境规制较弱的发展中国家，从而对生态环境产生破坏。这与两大区域对外开放水平和外资利用效率有关，长江经济带相比黄河流域对外开放程度和水平更高，获得更多外资青睐，外资流入高新技术产业和现代服务业，通过引进先进技术和设备，有利于提高生态效率。黄河流域进出口总额、实际利用外资金额相当于长江流域的两成左右⑧，外商直接投资集中在污染较为严重的能源产业和重化工业，导致绿色发展水平不高。

（7）基础设施对生态效率的影响方面，以单位面积铁路里程衡量的基础设施在长江经济带的系数显著为负，在黄河流域的系数显著为正;以单位面积公路里程衡量的基础设施在长江经济带的系数显著为正，在黄河流域的系数不显著，符号为负。长江经济带铁路交通网络发达，铁路是主要的运输方式，铁路基础设施的大规模扩张导致大量能源消耗。黄河流域铁路网络不发达，公路成为主要运输方式，公路基础设施导致绿色发展水平下降。

（8）人力资本对生态效率的影响都不显著，在长江经济带符号为正，在黄河流域符号为负。人力资本尚未发挥提升生态效率的关键要素作用，主要是因为制度性因素导致人力资本流动和配置没有完全实现市场机制的决定性作用，人力资本的配置效率较低抑制了技术创新和绿色发展。

（9）时间虚拟变量的系数的符号为正，长江经济带和黄河流域分别在1%和15%的水平上通过显著性检验，表明党的十八大之后，两大区域生态效率都显著提升。长江经济带生态效率提升幅度高于黄河流域，二者生态效率分别提高了0.022和0.013。

（三）区域内影响因素分析

（1）从长江经济带内部看。经济发展在长江经济带各区域的系数都通过了10%的显著性检验，在上游和中游符号为正，在下游符号为负。表明上游和中游经济发展水平提升能够弥补污染排放，提高生态效率，下游经济发展面临转型升级。经济发展平方项的系数在上游和中游为负，下游系数为正，表明只在长江经济带的下游存在“环境库兹涅茨曲线”，意味着只有经济发展到一定水平，即超过“临界点”后，随着经济发展水平的提高，绿色发展水平开始提升。产业结构只在中游地区通过显著性检验，表现为第二产业比重增加抑制了生态效率改善。环境规制在下游地区通过显著性检验，环境规制抑制了生态效率提升。科技创新在中游地区通过5%的显著性检验，存在负向影响。基础设施、人力资本和虚拟变量在各区域对生态效率的影响同整体一致，原因不足赘述。38BF582F-8363-446B-8C23-FD9CA46F95D5

（2）从黄河流域内部看。经济发展在各区域的系数都不显著，经济发展平方项的系数在上游地区显著为正。表明黄河流域各区域经济发展没有带来生态效率的提升，意味着黄河流域经济发展模式面临粗放型向集约型转变。环境规制的系数不显著，环境规制对生态效率的提升不明显，反映出环境规制手段的缺陷，虽然提高了环境质量，却一定程度抑制了绿色生产效率。科技创新在中游地区对生态效率的影响显著为正，中游地区承接了下游地区产业和技术转移，研发支出的增加能够带来技术创新和生产效率提升。基础设施的系数只在中游地区通过显著性检验，铁路基础设施建设有利于提高生态效率，公路基础设施建设则抑制了生态效率。表明黄河中游地区铁路网络不发达，增加铁路基础设施建设能够提高运输效率和绿色发展。产业结构、金融发展、对外开放和人力资本在各区域对生态效率的影响同整体一致。

六、结论与建议

本文选取2000—2019年我国30个省份（不含西藏和港澳台地区）的面板数据，采用Super-SBM模型和GML指数法测算了长江经济带与黄河流域生态效率及其分解指标，多维度剖析生态效率的差异，并建立面板Tobit模型从区域间和区域内识别生态效率的影响因素。研究结论如下：第一，长江经济带与黄河流域生态效率整体呈现上升态势，长江经济带生态效率高于全国水平，黄河流域生态效率低于全国水平，二者的差距逐渐缩小。党的十八大之后，两大区域生态效率都明显提升。第二，技术进步是生态效率提升的驱动因素，技术效率制约了生态效率提升;长江经济带与黄河流域内部上中下游地区生态效率差距较大，主要表现为“东高西低”特征。第三，长江经济带生态效率的泰尔指数呈“U”型变化趋势，区域内差异的贡献超过区域间差异;黄河流域生态效率的总体泰尔指数呈倒“N”型变化趋势，大多数年份区域内差异高于区域间差异。第四，Tobit模型回归结果表明，长江经济带的结果支持“环境库兹涅茨曲线”假说，而黄河流域的结果不支持。产业结构对黄河流域生态效率的影响显著为负。环境规制的影响在两大区域都显著为负。长江经济带“污染晕轮”假说成立，黄河流域“污染避难所”假说成立。铁路基础设施和公路基础设施在两大区域的效果相反。时间虚拟变量系数显著为正，党的十八大之后，两大区域生态效率显著提升。科技创新、金融发展和人力资本的影响在两大区域都不显著。

基于研究结论，本文提出如下政策建议：第一，坚持绿色发展理念，大力推进生态文明建设。“生态兴则文明兴，生态衰则文明衰”，生态文明建设非一朝一夕之事，需要多维度构建绿色发展的体制机制，充分发挥政府、企业、社会组织等各类主体联动作用。坚持正确的政绩观，准确把握保护和发展的关系，完善以绿色发展为导向的考核评价体系，坚定不移走生态优先、绿色发展之路。强化数字化赋能生态环境监管和治理，提高数字技术在环境监测、污染防治、跨区域联防联控中的应用，提升生态环境治理水平。坚持创新驱动绿色发展，强化企業创新的主体地位，加强生态环保领域关键核心技术的研发和推广应用。第二，实施区域差异化生态保护和高质量发展方案。从绿色发展水平和影响因素看，长江经济带各地区积极推进供给侧结构性改革，加快培育战略性新兴产业和高新技术产业，绿色发展成效显著。依托其区位和资源优势，以技术创新和产业升级驱动高质量发展。注重差异化发展和区域协同发展相结合，一方面，充分重视地区差异，鼓励和支持各区域因地制宜探索符合自身特色的绿色发展路径和模式;另一方面，长江经济带生态治理要加强区域协同，要在产业布局、能源结构优化、基础设施建设、污染物联防联控等方面加强合作。黄河流域的核心问题依然是生态保护修复，把水资源作为最大的刚性约束，贯彻落实“四水四定”原则。从黄河生态系统的全局性出发，分区分类推进生态环境保护修复，上游保水源、中游保水土、下游保湿地。因地制宜重点推进产业发展、新型基础设施建设和综合交通运输体系建设，扩大有效投资。第三，加强不同重大国家战略区域的交流合作，共建生态中国。立足于发展不平衡不充分的问题，京津冀协同发展、长江经济带发展、粤港澳大湾区建设、长三角一体化发展、黄河流域生态保护和高质量发展等一系列重大国家战略先后推出，不同地区和不同板块互联互通，区域发展协同性不断增强。长江经济带和黄河流域作为依托大江大河建立的重大国家战略区域，既存在差异性，也存在共通性，长江经济带与黄河流域之间应积极开展交流合作，也要深化同其他区域交流合作，尤其在产业升级、技术研发和应用等方面实现优势互补。

[注 释]

① 数据来源：经济日报，http：//www.ce.cn/xwzx/gnsz/gdxw/202112/18/t20211218_37182773.shtml。

② 数据来源：作者根据国家统计局数据计算得到。

③ 借鉴刘华军等（2021）的处理方法，把四川归入长江经济带，原因是四川受长江水系影响更大，黄河在四川境内只流经阿坝藏族羌族自治州和甘孜藏族自治州，对黄河流域经济发展影响较小。

④ 《中国统计年鉴》中全社会固定资产投资数据只到2017年，2018年开始只公布固定资产投资（不含农户）增长率指标。本文通过增长率计算得到2018和2019年的数据，将固定资产投资（不含农户）和农户固定资产投资两个指标相加作为各地区固定资产投资。

⑤ 黄河源区是指唐乃亥水文站以上的黄河流域，涉及青海、四川和甘肃3省的6个州、19个县，是全流域重要的产水区和水源涵养区。

⑥ 这里没有选用内河航道里程数，主要是考虑长江和黄河运力差距较大，该指标无法体现航运能力。各地区面积数据来源于中华人民共和国中央政府网站-中国概况。

⑦ 《中国劳动统计年鉴》关于受教育阶段的划分没有区分硕士研究生和博士研究生，一般来说，硕士学制3年，博士学制3～4年，考虑到硕士比重较大，博士存在延期毕业现象，所以研究生教育年限取3.5年。

⑧ 资料来源：生态环境部黄河流域生态环境监督管理局，https：//huanghejg.mee.gov.cn/xxgk/hhwh/202011/t20201112_807688.html。38BF582F-8363-446B-8C23-FD9CA46F95D5

[参考文献]

[1]陆大道，孙东琪.黄河流域的综合治理与可持续发展[J].地理学报，2019，74（12）：2431-2436.

[2]师博，何璐.黄河流域城市高质量发展的动态演进与区域分化[J].经济与管理评论，2021（6）：15-25.

[3]CHUNG Y， FARE R， GROSSKOPF S. Productivity and undesirable outputs： a directional distance function approach[J]. Journal of environmental management， 1997，51（3）：229-240.

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

[5]TONE K. A slacks-based measure of super-efficiency in data envelopment analysis [J]. European journal of operational research， 2002，143（1）：32-41.

[6]周泽炯，胡建辉.基于Super-SBM模型的低碳经济发展绩效评价研究[J].资源科学，2013，35（12）：2457-2466.

[7]吴传清，董旭.环境约束下长江经济带全要素能源效率研究[J].中国软科学，2016（3）：73-83.

[8]陈明华，刘文斐，王山，等.长江经济带城市生态效率的时空分异及其驱动因素[J].中国人口·资源与环境，2020，30（9） ：121-127.

[9]黄磊，吴传清.长江经济带城市工业绿色发展效率及其空间驱动机制研究[J].中国人口·资源与环境，2019，29（8）： 40-49.

[10]杜宇，吴传清，邓明亮.政府竞争、市场分割与长江经济带绿色发展效率研究[J].中国软科学，2020（12）：84-93.

[11]黄磊，吴传清.长江经济带城市绿色技术创新效率及其动力机制研究[J].重庆大学学报（社会科学版），2021（1） ： 50-64.

[12]刘华军，曲惠敏.黄河流域绿色全要素生产率增长的空间格局及动态演进[J].中国人口科学，2019（6）：59-70.

[13]赵明亮，刘芳毅，王欢，等.FDI、环境规制与黄河流域城市绿色全要素生产率[J].经济地理，2020，40（4）：38-47.

[14]陈明华，王山，刘文斐.黄河流域生态效率及其提升路径——基于100个城市的实证研究[J].中国人口科学，2020（4）：46-58.

[15]岳立，薛丹.黄河流域沿线城市绿色发展效率时空演变及其影响因素[J].资源科学，2020，42（12）：2274-2284.

[16]任保平，張倩.黄河流域高质量发展的战略设计及其支撑体系构建[J].改革，2019（10）：26-34.

[17]张超，宋晓华，孙亚男.黄河流域科技创新效率差异测度、来源分解与形成机理[J].经济与管理评论，2021（6）：37-50.

[18]曾刚，胡森林.技术创新对黄河流域城市绿色发展的影响研究[J].地理科学，2021，41（8）：1314-1323.

[19]杨万平，张振亚.黄河流域与长江经济带生态全要素生产率对比研究[J].管理学刊，2020，33（5）：26-37.

[20]刘华军，乔列成，石印.重大国家战略区域视角下长江经济带与黄河流域生态效率比较研究[J].中国软科学，2021（10）：73-81.

[21]OH DH. A global malmquist-luenberger productivity index[J]. Journal of productivity analysis， 2010，34（3）：183-197.

[22]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000[J].经济研究，2004（10）：35-44.

[23]宋洁.新发展格局下黄河流域高质量发展“内外循环”建设的逻辑与路径[J].当代经济管理，2021，43（7）：69-76.

An Analysis of Ecological Efficiency Differences and the Causes

between the Yangtze River Economic Belt and the Yellow River Basin

Qiu  Zhaolin

（School of Economics， Shandong University of Finance and Economics， Jinan 250014， China）

Abstract：   The development of Yangtze River Economic Belt and the ecological protection and high-quality development of Yellow River Basin are major national strategies implemented by the Chinese government relying on large rivers. This paper uses the Super-SBM model and the GML index method to calculate the ecological efficiency and its decomposition index in the Yangtze River Economic Belt and the Yellow River Basin， and establishes a panel Tobit model to identify the influencing factors of eco-efficiency. The results show that the ecological efficiency of the Yangtze River Economic Belt and the Yellow River Basin is on the rise. The ecological efficiency of the Yangtze River Economic Belt is higher than the national average， while the ecological efficiency of the Yellow River Basin is lower than the national average. After the 18th National Congress of the Communist Party of China， the ecological efficiency of the two regions has achieved rapid improvement. Technological progress is the main driver of ecological efficiency improvement. The characteristic of spatial distribution is that the ecological efficiency in the east is higher than that in the west. The Theil index of ecological efficiency in the Yangtze River Economic Belt shows a U-shaped evolution trend， and the Yellow River Basin shows an inverted N trend. Factors that have a significant impact on eco-efficiency include economic development， industrial structure， environmental regulation， opening to the outside world and infrastructure construction. The influence of external factors on the ecological efficiency is different between and within regions. In order to promote the construction of ecological civilization in Chinas new era， we must unswervingly follow the path of ecological priority and green development， build a multi-dimensional mechanism for green development， and pay attention to the combination of regional differentiated development and coordinated development.

Key words：the Yangtze River Economic Belt; the Yellow River Basin; ecological efficiency; GML index; Tobit model

（责任编辑：张梦楠）38BF582F-8363-446B-8C23-FD9CA46F95D5