广西绿色发展效率测度评价研究

刘 栋，程 媛，隋译萱，吴月桂

(1.广西财经学院 工商管理学院，广西 南宁 530007；2.广西财经学院广西(东盟)财经研究中心，广西 南宁 530007)

1 引言

2020年国家出台了《中共中央国务院关于新时代推进西部大开发形成新格局的指导意见》，意见指出要加大美丽西部建设力度，筑牢国家生态安全屏障。并明确提出了加快推进西部地区绿色发展，落实市场导向的绿色技术创新体系建设任务，推动西部地区绿色产业加快发展，大力发展循环经济[1]。广西作为西部陆海新通道的重要节点，也迎来了前所未有的发展机遇，提出了构建“南向、北联、东融、西合”全方位开放发展新格局，被赋予的“绿色责任”更为艰巨。

2 文献综述

学者们关于绿色发展的研究主要集中在绿色发展研究概念、绿色发展效率的测度和评价、绿色发展效率影响因素和绿色发展机制等4个方面[2～10]，从不同视角采用不同的方法对绿色发展的理念和框架、绿色发展效率的测度和评价、绿色发展效率的影响因素和绿色发展的机制进行了研究。但很少有学者采用三阶段DEA模型对绿色发展效率进行研究，更少有学者研究广西的绿色发展问题和绿色发展效率的测度评价。其次，对于绿色发展效率评价指标体系也还不够完善，对现有的评价指标不够细致，大部分局限于宏观的角度去分析。另外，在方法模型的选择上不够准确，没有剔除环境因素和随机因素的影响，容易造成最后的结果不准确。因此本文采用三阶段DEA模型对广西绿色效率进行了测度研究，以期得出的结果与实际情况更相符，更贴近真实性。

3 研究方法

3.1 三阶段DEA模型

第一阶段为传统的DEA模型。将每个决策单元的原始投入和产出数据带入传统DEA-BCC模型，计算综合效率值，为了减少规模报酬不变带来的影响，本文选用规模报酬可变的BCC模型，利用DEAP2.1软件进行运算，得到各决策单元最初的综合效率值，并计算出相应的松弛变量。

第二阶段是在传统的DEA模型的基础上，借助随机前沿(SFA)模型，将第一阶段计算出的投入变量作为被解释变量，将环境变量作为解释变量，利用Frontier4.1软件进行运算，从而得到剔除外部环境变量等因素的调整后的投入变量值。本文主要依据Fried等提出的在传统DEA模型基础上，将各决策单元受到的管理无效率、外部环境和统计噪声等影响进行剥离的三阶段DEA模型的第二阶段[13]。

第三阶段是把在第二阶段运算得到的调整后的投入变量值，结合原始产出值，再次带入DEA-BCC模型，再次利用DEAP2.1软件进行运算，最终得到了剔除外部环境变量等因素后的各决策单元综合效率值。

3.2 Malmquist指数法

Malmquist指数法是一种广泛应用于生产效率的动态测算方法。可以对每年的数据做纵向对比同时也弥补DEA-BCC模型的不足之处，并且测算结果更为科学。事物的发展是一个长期、连续及连贯的过程，而三阶段DEA模型只能测算某一时间节点的效率值，又因Malmquist指数具有无需对投入指标量纲统一和权重设定，允许各决策单元(DMU)的无效率，也无需假定DMU的优点，并且测算结果更为科学[14]。目前，Malmquist指数被广泛运用在工业、农业等领域的生产率动态分析。

4 数据来源及指标选取

4.1 数据来源

本文以广西14个地级市作为研究对象，采用2011～2018年各地级市的面板数据进行了实证分析，对其2011～2018年14个地级市的112个决策单元的绿色发展效率进行评价。数据主要来源于《中国城市统计年鉴》《广西统计年鉴》和各地级市统计年鉴以及有关部门的官方数据。

4.2 变量指标选取

一是投入和产出指标的选择。通过对已有文献的分析[15]，构建了投入、产出、环境3个因素作为变量的指标体系。投入变量包括人力投入、资本投入和能源投入，参照既有文献中学者们研究，选取年末就业人口作为人力投入指标；选取各市的电力消费量作为能源投入指标；考虑到广西各地级市经济发展存在差异，选取全社会固定资产投入作为资本投入指标。产出变量包括期望产出和非期望产出，用GDP作为期望产出变量；以工业废气排放、废水排放和烟尘排放作为非期望产出变量。二是关于环境变量的指标选择。以人口密度、对外开放、产业结构、文化教育和城镇化水平作为环境变量指标。

5 实证分析

5.1 描述性统计分析

由于每个指标计量单位的不同，需要对所有的数据进行无量纲处理，本文借鉴郭四代(2018)的方法，将每个决策单元的二级指标值除该二级指标下所有决策单元均值，使得所有二级指标的样本均值为1，从而消除指标不同计量单位的影响，得到广西绿色发展效率测度指标体系和数据描述性统计(表1)和广西绿色发展效率测度评价投入和产出图(图1、图2)[12]。

从表1和图1投入情况可以看出，在人力投入方面，年末就业人口总数排在前三名的分别为南宁、玉林、贵港，排在后三名的城市是桂林、北海和防城港，南宁的值最大为417.3万人，最小值为桂林33.82万人；在能源投入方面，南宁的电力消费量最高，平均每年消耗136.82亿kW·h，崇左的电力消费量最低，平均每年消耗23.5亿kW·h，崇左市主要以农种植甘蔗农作物为主；在固定资产投入方面，总体来看，各市差距比较明显，首府南宁以3315.6亿元居于首位，后面依次是柳州、桂林、北海，河池是405.12亿元排在最后。

表1 广西绿色发展效率测度指标体系和数据描述性统计

从表1和图2可以看出，对于期望产出GDP，整体呈递增的趋势，每个城市之间又存在明显的差异，贫富差异大，南宁、桂林、柳州3个城市排在领先位置。GDP平均值排在前三名的依次是南宁3152.19亿元、柳州2209.22亿元、桂林1639.91亿元；排在后三位的城市依次是贺州、河池和来宾，平均值都不到500亿元；由于崇左是边境城市，也是广西边贸第一大市，充分发挥了自身的地势优势，从单一产业变成多元化产业，崇左近年来加强对外开放交流与合作，提高了地区生产总值，带动了经济的发展。

对于非期望产出，考虑到三阶段DEA模型要求不管投入还是产出变量均为正值，在实证分析时，本文借鉴了Fire and Grosskopf提出的对非期望产出采用线性转换方法，利用的形式，为最大值的1.1倍，以此保证所有的数值转换之后均为正值。各市的非期望产出排放量同样呈增长趋势，随着经济的增长而增加。对于工业废气排放，平均值排在前三名的城市是梧州11.0万t、贺州10.9万t、北海10.7万t，其中梧州主要是以冶金机械和医药食品为主，因为梧州与广东省毗邻，工业相对发达，在工业废水排放量中比较大。排在后三位的是百色5.6万t、来宾6.2万t、河池8.2万t；对于废水排放，桂林2.3万t、防城港2.5万t、北海2.4万t，最少是河池1.3万t；对于工业废气排放，前三的是贺州9.45亿m3、钦州9.40亿m3、梧州9.3亿m3，最少是柳州3.2亿m3。通过期望产出和非期望产出的值看，在经济产出和污染产出之间他们的差距还是很大的，所以为了在研究绿色发展效率过程中避免结果上的误差和为了真实性，有必要增加“三废”排放量作为非期望产出。

图1 广西绿色发展效率测度投入变量值分析

5.2 广西各地级市绿色发展效率评价分析

5.2.1 第一阶段传统DEA模型结果分析

第一阶段采用传统的DEA模型，使用DEAP2.1软件测算了广西14个地级市2011～2018年的绿色发展效率，其结果如表2所示。

图2 广西绿色发展效率测度产出变量值分析

不考虑外部环境影响，广西各地级市绿色发展效率整体呈上升趋势，到2018年，除贵港0.886和百色0.695外，其余各市的绿色发展效率值全部为1，达到了有效前沿面。各地级市绿色发展效率均值处在0.694和1之间，排在前三的分别是防城港1、崇左1和北海0.998，省会南宁以0.887排在第十二位；有11个地级市的绿色发展效率超过了0.9，说明这些地级市既考虑经济社会的发展，又注重对非期望产出废气、废水和烟尘的控制，使经济与环境协同发展；绿色发展效率最差的是百色0.694，因百色处在桂西，是典型的石漠化片区，同时具有丰富的矿产资源，主要的矿区矿床就达198处，矿种36种，主要以铝业为主，所以污染废弃气体排放量高，对环境造成了一定的影响。因表2的结果只考虑了投入和产出，并未考虑外部环境变量和产生的随机误差的影响，所得到的绿色发展效率值均有偏大或者偏小的情况，不能真实地反应出广西各地级市的绿色发展效率，需要进一步在后面两个阶段进行调整分析。

表2 第一阶段综合技术效率结果

5.2.2 第二阶段SFA模型回归结果分析

第二阶段采用Frontier4.1软件，分别对人力、能源和资本3个投入松弛变量进行SFA回归分析，并进行显著性判断分析。其中3个投入松弛变量的LR值分别是26.964、6.506和59.866,均在1%的水平下显著，说明使用SFA模型进行回归分析是有效的；人力、能源和资本3个投入松弛的值均小于1，分别是0.554、0.340和0.749，说明随机干扰和外部环境因素对三者的影响较大；对各外部环境变量来说，若系数为正，则该环境变量的增加对绿色发展效率的提升是不利的，比如会造成非期望产出增加、成本的提升和能源的浪费，对绿色发展效率产生不利影响，如果系数为负，说明环境变量的上升会容易产生节约的现象，对环境效率产生有利的影响。

通过SFA回归分析(表3)，人口密度未能通过显著性检验，并对人力投入松弛变量、资本投入松弛变量产生正向影响；产业结构对人力投入松弛变量在10%的水平下正向影响显著，对能源投入松弛变量正向影响但不显著，对资本投入松弛变量在5%水平下正向影响显著；对外开放对人力、能源和资本3个投入松弛变量的影响较小；财政支持对人力投入松弛、能源投入松弛和资本投入松弛变量回归系数为正，并在1%水平下显著；文化教育对人力投入松弛、能源投入松弛和资本投入松弛变量回归系数正向影响，但没有通过显著性检验；广西的城镇化水平对人力投入松弛变量的归回系数为正值，并在10%的水平上显著。环境因素和随机因素在不同的程度上会容易造成偏差，也对人力、资本和能源投入造成不同的影响，所以有必要剔除环境效率和随机效率的外部影响，最后可在第三阶段求出广西绿色发展的效率。

表3 第二阶段SFA回归分析结果

5.2.3 第三阶段调整后DEA模型结果分析

从表4可以看出，2011～2018年广西14个地级市的绿色发展效率均值都超过0.9，每年的绿色发展综合效率处在0.905和0.979之间，总体绿色发展效率高。投入变量调整后，14个地级市每年的绿色发展综合效率有了很显著的提升，说明广西绿色发展效率被低估。除桂林、崇左和北海外，各地级市历年的绿色发展综合效率均值都有增加，桂林、崇左和北海的技术管理水平被高估，桂林绿色发展综合效率从0.997下降到0.991；崇左绿色发展综合效率从效率的前沿面1下降到0.999；北海的绿色发展综合效率由0.998下降到0.979。近年来，广西大力发展旅游经济，桂林和北海作为全国有名的旅游景点，吸引了国内外大量的游客，导致人口密度大幅提升，与其经济产出不匹配，崇左地处中国西南门户，有很长的边境线，边贸相对发达。其他11个地级市中，河池绿色发展综合效率由0.997提升到有效前沿面1；百色绿色发展综合效率由0.694提升到0.8，提高了15.2%；贵港绿色发展综合效率由0.877提升到0.94，提高了7.2%；玉林绿色发展综合效率从0.915提升到0.945，提高了3.3%；说明河池、百色、贵港和玉林4个地级市的绿色发展综合效率受到随机和环境因素的影响较大，技术管理水平被低估。2011～2018年南宁、柳州、梧州、钦州、贺州和来宾6个地级市的绿色发展综合效率变化幅度不大，说明受到随机因素和环境因素的影响不大，发展较为稳定。防城港在第一阶段和第三阶段的绿色发展综合效率值都达到有效前沿面1。

5.2.4 Malmquist指数动态分析

运用DEAP2.1软件，对2011～2018年广西绿色发展效率做Malmquist指数动态分析，结果见表4。由表5可知，技术效率(Effich)、技术进步效率(Techch)、纯技术效率(Pech)、规模效率(Sech)和全要素生产率(Tfpch)的指数范围在[0.523，1.189]之间。除2017年外，广西绿色发展各种效率波动不大，全要素生产效率均值略小于1，为0.96。2012、2016和2018年全要素生产效率的值均大于1，为效率增加的年份，其余年份的效率是下降的，由于技术进步效率的均值小于1，在一定意义上阻碍了广西绿色发展效率的提升。2013年全要素生产效率的下降是由技术进步效率的下降所致；2014和2015年效率的下降是由技术效率和规模效率的下降所致；2017年效率的下降是由技术进步效率和纯技术效率的下降所致；2012、2016和2018年效率的增加是由技术进步效率的上升所致。由以上分析可知，技术进步效率是广西绿色发展效率主要影响因素，提高技术进步效率有利于广西提高绿色发展效率水平。

表4 第三阶段综合技术效率结果

表5 基于Malmquist指数的绿色发展效率评价

对2011～2018年广西绿色发展Malmquist指数进一步分解，得到如图3所示结果，可以看出，技术效率基本保持稳定，在1上下浮动，浮动幅度不大。2016年以前广西绿色发展效率都基本保持稳定，2017年以后由于技术进步效率的影响，全要素生产效率呈现“V”字型，效率下降的原因是因为技术进步效率的均值小于1，导致了绿色发展效率的降低，在2017～2018年间达到最低值0.523，受到技术进步效率的影响较大。

图3 2011～2018年广西绿色发展Malmquist指数分析结果

对广西绿色发展技术效率变化指数进行分解得到如图4所示结果，可以看出，2011～2018年广西绿色发展纯技术效率整体变化幅度不大，并在1上下浮动；技术效率在2012～2013年和2017～2018年存在了一个较大的提升；规模效率在2011～2015年变化波动较小，但在2016年以后出现了急速下降，但是在2017年以后大幅度上升，主要原因是技术效率的改进，可以看出技术效率对规模效率的趋势存在很大的影响。

图4 2011～2018年广西绿色发展技术效率变化指数分解结果

广西14个地级市的技术效率、技术进步效率、纯技术效率和规模效率的Malmquist指数分解如表6所示。全要素生产率变化能够反映各市时间的变化。根据表6的广西14个地级市绿色发展Malmquist指数及其分解指数可知，从整体看，全要素生产要素均值小于1，说明在生产水平与生产效率仍需要提高。其中技术进步效率为0.934，也说明了是受技术进步效率影响大，导致全要素生产率降低。从14个地级市来看，除了来宾的全要素生产率均值大于1，其他的地区均值都小于1，说明广西在技术方面上属于落后现象，对绿色发展效率产生不利的影响。各地的经济差距明显，也导致了技术进步存在失衡的状态。因此，需要在生产规模做出合理的调整，加大技术的改进与创新，国家政府要给予相对应的扶持政策，推动适合广西绿色发展效率的发展方向。

表6 广西14个地级市绿色发展Malmquist指数及其分解指数

6 结论及政策启示

本文基于广西14个地级市2011～2018年面板数据，采用三阶段DEA模型对各地级市的绿色发展效率进行测度，对剔除人口密度、财政支持、对外开放、产业结构、文化教育、城镇化水平6个环境变量因素影响前后的绿色效率进行了对比研究。运用Malmquist指数分析方法，对广西的绿色发展效率进行了综合测度评价。结果表明：广西大部分地级市绿色发展效率较高，说明广西在经济社会发展的同时，比较注重生态和环境保护；环境因素中，人口密度、对外开放和文化教育对各地级市的绿色效率没有显著影响；产业结构和城镇化水平对绿色发展效率影响较为显著；财政支持对各地级市的绿色效率影响显著。部分地级市的绿色发展效率还有较大提升空间，根据研究结果提出以下提升广西绿色发展效率的政策建议。

一是优化产业结构，适当进行环境污染治理。应该搞好节能和减排的第二产业,提高产业科技创新的能力,逐步实现第二产业的主导地位,并逐步优化产业结构调整的比例,并积极实施产业转移的帮助下“一带一路”战略。要完善好相关的体系和制度问题，同时政府要加大投资力度，企业要大力引进技术，继续推进生态文明建设提高创新能力和技术水平，实现绿色发展。二是要依据规模收益变化创新实施发展模式。对于规模经济增长的城市，可以继续选择投资规模效益实现绿色环境效率的提高；对于规模经济递减的地级市，要优化区域环境效率。同时，还应提高使用效率。三是要加强对绿色发展和广西城市间交流合作的监督评估制度建设。广西地理位置优越，也是东盟博览会的常驻举办地，可以不断与外界进行交流与合作，以及与比邻的城市进行学习合作，同时也要进行监督评估制度的建设。四是实施差异化策略，广西城市之间的异质性较大,政府和有关部门的绿色发展效率处理人类、能源和资本投资的配置优化系统设计,对于城镇居民密集的地方，政府可以采取一定的政策，大力鼓励人们返乡创业就业，对人流量进行一定的分流。