黄河流域绿色经济效率的测度及收敛性分析

相 征，顾元吉

（1.中国科普研究所，北京 100000； 2.西安交通大学 管理学院，陕西 西安 710049）

1 引 言

黄河流域横跨我国东中西部，具有一些结构性的特点：一是流域发展不充分不平衡的问题比较突出，传统产业转型升级步伐相对缓慢，经济发展滞后［1］，内生动力明显不足；二是自然生态资源相对丰富，工业化进程仍在加速推进，经济发展存在一定的后发优势。近年来，随着生产技术水平的提升和生态环境保护意识的增强，黄河流域各省（区）经济发展效率得到明显改善，经济发展效率差异有所缩小，但各省（区）间的分化现象并未出现实质性改变［2］，以“高投入、高消耗、高排放、低产出”为特征的粗放型经济发展方式，不仅浪费自然资源，而且造成环境污染。 因此，推进黄河流域高质量发展必须推动流域经济向可持续的绿色发展方式转变。

目前，关于黄河流域生态保护和高质量发展的研究主要包括三方面：一是从宏观层面探讨实施推进问题，如金凤君［3］认为推进黄河流域生态保护和高质量发展，要处理好“四大关系”和构建“三区七群”协调发展格局；陈耀等［4］认为黄河流域生态保护和高质量发展是贯彻落实区域协调发展战略的重要举措；安树伟等［5］认为黄河流域高质量发展的战略重点是推进生态综合治理、加强区域分工、促进产业转型升级和强化区域联系。 二是围绕资源开发利用、生态环境保护等的研究，如贾绍凤等［6］从水资源科学配置角度出发，提出要进一步完善黄河流域水权转让与补偿制度、探索用水指标与土地指标调控的联动机制；卢硕等［7］采用面板门限模型、熵值法等分析了环境规制对黄河流域资源型城市产业转型的影响；朱永明等［8］采用AHPDEMATEL 方法定量探究了影响黄河流域高质量发展的主要因素；关伟等［9］基于超效率SBM 模型测度1997—2017 年黄河流域九省（区）的能源综合效率值，并分析了能源综合效率的时空演变特征和驱动因素；沈洁等［10］从经济发展、生态保护、资源消耗、污染物排放、资源循环利用等方面构建评价指标体系，采用熵权法测评了2009—2018 年黄河流域九省（区）的产业生态化水平。 三是围绕区域竞争、经济发展等的研究，如彭荣胜［11］认为黄河流域经济空间开发的总体方案是把济南经济圈（城市群）、中原城市群与关中城市群培育为经济增长核心区，把陇海—兰新沿线、黄河干流沿岸作为重点开发轴线；闫二旺等［12］运用城市竞争力模型，分析了黄河流域7 个省会城市的综合竞争力及其变化趋势；王宁等［13］通过对黄河流域绿色GDP 的核算，分析发现山东和河南两省的绿色GDP 占到整个黄河流域的60%以上；曾贤刚等［14］构建超效率非期望产出SBM 模型，运用全局DEA 技术测算了黄河流域2007—2016 年共94 个城市的环境效率；徐辉等［15］从经济发展、创新驱动、民生改善、环境状况和生态状况等方面构建评价指标体系，基于黄河流域九省（区）2008—2017 年的数据，运用熵权法进行测度后发现，黄河流域整体高质量发展水平呈现上升趋势；宁朝山等［16］依据2011—2018 年黄河流域地级及以上城市数据，基于改进的“纵横向”拉开档次法综合评价了黄河流域生态保护和经济发展水平；刘建华等［17］认为黄河流域生态保护与高质量发展协同度呈现上升趋势但整体协同度仍然不高。

综上所述，黄河流域生态保护和高质量发展的研究内容较为发散，研究范围相对较窄，尚有很大的研究空间。 黄河流域生态保护和高质量发展战略的实施涉及众多学科［18］，是一个复杂的系统工程。 笔者在已有研究的基础上，将黄河流域高质量发展作为切入点，从坚持绿色发展的角度研究黄河流域绿色经济效率及其收敛性问题，以期为黄河流域生态保护和高质量发展战略的实施提供参考。

2 黄河流域绿色经济效率测度及收敛性分析

2.1 数据来源

本文的研究数据来源于2010—2018 年公布的《中国统计年鉴》和黄河流域九省（区）历年统计年鉴，以2000 年为基期对数据进行平减处理，以确保历年数据的可比性。

2.2 变量选择

一般而言，在运用DEA 模型进行效率分析时，要求决策单元的数量至少是变量个数（投入和产出变量之和）的2 倍。 为此，本文在以2009—2017 年黄河流域九省（区）作为决策单元的基础上，额外增加一个决策单元作为“理想点”，其具有所有决策单元中相对最小的投入量和相对最大的产出量［19］。 通过构建理想点DEA 模型，可有效解决决策单元效率值区分度较差问题。

根据经济学的基本理论和九省（区）实际，设定黄河流域绿色经济效率的产出主要取决于劳动投入（L）、资本投入（K）、能源投入（E）和环境损耗（O）4 个方面，对应的产出函数为：Y＝f（L，K，E，O）。 其中投入变量：①劳动投入，采用年末从业人数（万人）［20］；②资本投入，采用全社会固定资产投资额（亿元）［21］；③能源投入，采用能源消耗总量（万t 标准煤）［22］；④环境损耗，采用工业“三废”排放量作为社会生产过程中因环境污染而损失的机会成本，并将最具代表性的废水排放量、废气中的二氧化硫和烟（粉）尘排放量、固体废弃物排放量运用熵权法进行数据加权处理，得到一个综合指标——污染物排放量［23］。 产出变量采用九省（区）以2000 年为基期计算的实际GDP［24］。

同时，考虑到目前还没有一个公认的理论作为判定绿色经济效率影响因素的依据［25］，本文在参照现有研究基础上，结合数据的可获性，从经济环境、社会环境、制度环境和自然资源禀赋4 个方面选取指标作为SFA 模型分析中的环境约束变量，其中：经济环境因素采用人均GDP，社会环境因素采用城镇化率，制度环境因素采用一般财政预算支出占GDP 的比重，自然资源禀赋采用农林牧渔业和采矿业固定资产投资额占全社会固定资产投资额的比重［22］。 黄河流域绿色经济效率测度指标体系见表1。

2.3 绿色经济效率的测度

2.3.1 第一阶段DEA 分析

采用投入导向型的DEA 模型对黄河流域九省（区）2009—2017 年的绿色经济效率进行分析，结果见表2。

表2 黄河流域绿色经济效率（第一阶段DEA 分析结果）

2009—2017 年，黄河流域九省（区）的绿色经济效率均值为0.700，整体偏低。 从总效率值来看，内蒙古的绿色经济效率最高，效率值为1.000，达到DEA 有效状态；而宁夏的绿色经济效率最低，效率值为0.356。从纯技术效率值来看，达到DEA 有效状态的省（区）有3 个，分别是青海、内蒙古和山东，其中青海和山东的规模效率分别为0.503 和0.920，两者未能同时达到DEA 有效状态，说明规模不合理是造成这两省绿色经济效率未能达到DEA 有效状态的主要原因。 同时，2018 年山东省的GDP 为76 469.67 亿元，是青海和宁夏两省（区）之和的10 倍多，说明九省（区）经济发展存在不均衡问题。 由于第一阶段DEA 分析并没有剔除外部环境因素和随机干扰的影响，不能够准确地反映九省（区）绿色经济效率的实际情况，因此需要进行第二阶段的调整。

2.3.2 第二阶段SFA 回归

为剔除环境因素和随机干扰的影响，将第一阶段DEA 分析得到的各投入变量的松弛变量分别作为因变量，以经济、社会、制度、资源禀赋4 个方面的环境约束变量作为自变量，采用SFA 模型进行参数估计，分析环境约束变量是否对各投入变量的松弛变量具有显著影响。 由于绝大多数省（区）在第一阶段计算得到的污染物排放量的松弛变量数值为0，仅有宁夏在2009—2015 年存在污染物排放松弛变量，且在进行单独SFA 回归后发现各个环境约束变量对其并不存在显著影响，因此在本阶段SFA 模型参数估计中，不再将污染物排放量的松弛变量作为自变量。 第二阶段SFA 模型参数估计结果见表3。

表3 黄河流域绿色经济效率（第二阶段SFA 参数估计结果）

由表3 可知，在黄河流域绿色经济效率SFA 参数估计中，绝大多数环境约束变量的系数都是高度显著的，说明外部环境因素对九省（区）的绿色经济效率产生了显著影响。 同时，各投入松弛变量的γ值均接近1 且通过1%的显著性检验，说明在投入变量的冗余中，内部管理无效率发挥了主导作用。 此外，对数函数、似然函数的数值均较大，说明本阶段采用SFA 模型具有较好的适应性。 SFA 参数估计总体结果表明，来自经济、社会、制度、资源禀赋4 个方面的外部环境因素和随机误差对九省（区）绿色经济效率具有显著影响，进行第二阶段的调整是合理且有必要的。

根据SFA 参数估计的基本原理，当回归系数为负时，表明该环境约束变量能够减少投入冗余，即有助于绿色经济效率的提升；当回归系数为正时，无助于绿色经济效率的提升。 具体来看各个环境约束变量对投入变量冗余的影响：①人均GDP 对年末从业人数和能源消耗总量的影响分别为正和负，但这种影响均不显著；对全社会固定资产投资额的影响为正，且通过了1%的显著性检验。 黄河流域经济发展相对落后，生态环境较为脆弱，固定资产投资大多局限在重化工、房地产开发等行业，从甘肃祁连山生态破坏、陕西秦岭违建等事件就可看出这种无序过度开发对自然生态环境的破坏。 ②城镇化率对年末从业人数、全社会固定资产投资额、能源消耗总量的影响均为正，且通过显著性检验。 目前黄河流域城镇化速度较快，但是整体效率不高，造成工业化和现代化发展进程受阻，加之部分省会城市和地级城市存在一定程度的“造城运动”，使得非适度的固定资产投资和能源消耗也随之增加，客观上无助于绿色经济效率的提升。 ③一般财政预算支出占GDP 的比重的影响。 地方一般财政预算支出主要用于科技创新、教育、社会保障与就业、医疗卫生、环境保护、农林水事务、交通运输等方面，而黄河流域一般财政预算支出的增加，可以更多地投入到当地节能减排、生态保护事业中，并通过强化政府影响力，加大对企业的支持力度，提高企业生产环节开展节能减排工作的主动性，从而促进绿色经济效率的提升。 ④农林牧渔业和采矿业固定资产投资额占全社会固定资产投资额的比重的影响。 总体上，一个区域的自然资源禀赋会对该区域的产业结构产生显著影响，该指标能够反映黄河流域固定资产投资结构的改进方向，通过优化投资结构，可以更好地促进投资质量的提高，提升绿色经济效率。

2.3.3 第三阶段DEA 分析

根据SFA 参数估计结果对原始投入变量进行数据修正，再次运用DEA 模型进行测算，得到剔除外部环境因素和随机干扰影响后的绿色经济效率值（见表4）。

表4 黄河流域绿色经济效率（第三阶段DEA 分析结果）

由表4 可知，经过第二阶段剔除外部环境和随机干扰的影响后，九省（区）的绿色经济效率均值为0.697，规模效率均值为0.759，相较于第一阶段分别下降了0.43%和8.44%；而纯技术效率均值为0.918，相较于第一阶段提升了6.74%，说明忽略外部环境因素和随机干扰的影响在一定程度上会低估纯技术效率而高估规模效率，导致黄河流域绿色经济效率的高估。同时，从九省（区）总效率的变化来看，相较于第一阶段，青海、甘肃、宁夏、陕西和山西的绿色经济效率有所下降，而四川、山东和河南的绿色经济效率有所上升，内蒙古的绿色经济效率仍是DEA 有效状态。 这表明影响黄河流域绿色经济效率的外部环境因素具有多元性和复杂性。 此外，就变异系数而言，在考虑外部环境因素的情况下，九省（区）在社会经济发展中因对自然资源利用效率及生态环境破坏程度的不同而呈现绿色经济效率差异。

从2009—2017 年九省（区）的绿色经济效率变动趋势来看，全流域整体效率均值在［0.666，0.777］范围内（见表5），整体绿色经济效率波动维持在相对稳定区间且呈现逐渐聚拢的发展趋势。 其中：四川和甘肃的绿色经济效率波动幅度相对明显，在2010 年达到高点后逐渐下降，表现为先升后降的发展趋势；而宁夏的绿色经济效率波动呈现明显的上升趋势，并在2017 年达到高点。 为了进一步分析九省（区）经济效率的动态变化，本文运用Malmquist-DEA 模型测算了TFP（全要素生产率）指数变化情况（见表6）。

表5 2009—2017 年九省（区）的绿色经济效率测算结果

表6 2009—2017 年九省（区）TFP 指数变化测算结果

从2009—2017 年九省（区）的绿色经济效率动态变化来看（见表7），流域整体效率呈现衰减态势，其中只有宁夏的TFP均值大于1，表现为增长态势；而其他省（区）的TFP均值均小于1，表现为不同程度的衰减态势。 值得注意的是，2010—2011 年除了山东之外的其他省（区）绿色经济效率均呈现出大幅衰退态势，可能与该时段在黄河流域发生的严重冬春连旱及秋汛有关，造成地区工作重心的短期转移，进而影响了经济社会的正常发展。 从TFP指数分解情况来看，2009—2017 年九省（区）中“追赶效应”ECH≥1 的有6 个，超过半数，但却没有“增长效应”TCH＞1 的省（区）；黄河流域TFP指数均值呈现年均4.8%的衰减趋势，而年均衰退5.7%的技术进步变动指数则是导致流域绿色经济效率衰减的主要原因；同时，年均增长1.1%的技术效率变动指数也在流域绿色经济效率的提升中发挥着推动作用，体现出一定的追赶效应，即纯技术效率变动指数和规模效率变动指数分别呈现年均0.4%和0.7%的增长趋势。

表7 2009—2017 年黄河流域绿色经济效率Malmquist 指数分解情况

2.3.4 收敛性分析

由上述测算结果可知，黄河流域绿色经济效率整体偏低，其波动维持在相对稳定区间，且随着经济社会不断发展呈现出逐渐聚拢的趋势。 与此同时，流域内相对落后的甘肃、宁夏等省（区）在绿色经济效率方面呈现一定的赶超优势和追赶效应，这是否表明黄河流域绿色经济效率存在明显的收敛趋势，在整体绿色经济效率不断提升的过程中逐渐达到稳定状态？ 据此，本文采用绝对β收敛检验模型进行分析，计算公式为

式中：Teit、Pteit、Seit分别为i省（区）从第0 期（基期）到第t期的绿色经济效率、纯技术效率和规模效率的年均增长率；lnTei0、lnPtei0、lnSei0分别为i省（区）在第0 期的绿色经济效率、纯技术效率和规模效率的自然对数值；α1、α2和α3为常数项；β1、β2和β3为收敛系数，负值表示收敛，正值表示发散；εit、μit、φit为残差项。

2009—2017 年黄河流域绿色经济效率收敛性检验结果见表8。

表8 2009—2017 年黄河流域绿色经济效率收敛性检验结果

由表8 可知，β1、β2、β3的估计值分别为-6.555、-10.673、-6.174，其中β1、β3均在1%水平上显著，β2在5%水平上显著。 综合来看，黄河流域绿色经济效率具有收敛趋势，体现在纯技术效率收敛和规模效率收敛两方面。 2009—2017 年九省（区）的绿色经济效率整体表现为不断收敛的特征，主要原因是部分省（区）绿色经济效率的提升存在明显的“追赶”现象，例如，宁夏的绿色经济效率从2009 年的0.186 提升到2017 年的0.437，同时技术效率变动指数也呈现出年均11.3%的高速增长，使得其绿色经济效率不断缩小与其他省（区）的差距，各省（区）的经济发展效率更加协同。 该结果也印证了三阶段DEA 模型和Malmquist-DEA 模型的分析结果。

3 结论与建议

以黄河流域高质量发展为切入点，从坚持绿色发展的角度出发，运用三阶段DEA 模型、Malmquist-DEA模型及绝对β收敛检验模型对黄河流域绿色经济效率进行综合分析，结果表明：黄河流域绿色经济效率整体偏低，规模偏小是导致绿色经济效率偏低的主要原因，各省（区）绿色经济效率存在明显差异，忽略外部环境因素和随机干扰的影响在一定程度上会低估纯技术效率而高估规模效率，最终导致黄河流域绿色经济效率的高估；同时，影响黄河流域绿色经济效率的外部环境因素具有多元性和复杂性，其作用也具有两面性，其中黄河流域人均GDP 和城镇化率的提高无助于绿色经济效率的提升，一般财政预算支出占GDP 的比重、农林牧渔业和采矿业固定资产投资额占全社会固定资产投资额的比重的提高有助于绿色经济效率的提升；2009—2017 年黄河流域整体绿色经济效率呈现衰减态势，技术进步变动指数衰减是导致流域绿色经济效率衰减的主要原因，而技术效率变动指数体现出一定的追赶效应；黄河流域绿色经济效率具有收敛趋势，综合体现在纯技术效率收敛和规模效率收敛两方面。

因此，在推动黄河流域生态保护和高质量发展的过程中，应当注意以下几方面：一是加强顶层设计、抓好科学规划，要着手制定黄河流域发展的综合规划和专项规划，前者关乎黄河流域各省（区）的统筹兼顾、协同发展，后者关乎黄河流域各省（区）的比较优势、特色发展；二是突出创新驱动、推动产业升级，要大力推进科技创新，不仅要为流域环境治理和生态保护提供技术支撑，还要为适应绿色经济发展需求和推动现代产业体系建设提供动力来源；三是抓好脱贫攻坚、缩小发展差距，特别是要解决好黄河流域人民群众关心的防洪、饮水等生态安全问题，提升中心城市、城市群等优势地区的承载和辐射带动能力，加快贫困地区的产业导入，增强人民群众的安全感、获得感和幸福感。