城镇化对中国生态福利绩效的影响研究——基于两阶段Super-NSBM模型

陈东景，刘卫毅

（青岛大学 经济学院，山东 青岛 266061）

一、引 言

改革开放以来，我国社会经济快速发展，人民生活水平大幅度提高。然而在创造巨大物质财富的同时，资源枯竭、环境污染以及生态破坏等问题日益突出，在很大程度上制约了我国的可持续发展。全国“十四五”规划纲要中明确指出，要在提升生态系统质量和稳定性的同时，持续改善环境，加快生产方式绿色转型，促进人的全面发展，使民生福祉达到新水平。这实质上就是要不断提高生态福利绩效。生态福利绩效指单位自然消耗所带来的福利水平的提升［1］，其基于强可持续范式，涵盖了经济、生态、社会等多方面信息，通常用以衡量一国或地区的可持续发展程度以及未来的可持续发展潜力与方向［2］。生态福利绩效将发展目标由原先的追求物质资本转向追求人类福利［3］，同时纳入了生态系统的损耗，注重经济增长、生态环境与民生福祉之间的协调发展。不断提升生态福利绩效对推动绿色转型发展，建设生态文明，实现可持续发展具有重要意义。

城镇化是多维的包含社会空间的复杂过程［4］，涉及社会发展的诸多方面，是生态福利绩效的重要影响因素之一。改革开放以来，中国的城镇化率从1978年的17.92%提高至2019年的60.60%。人们在享受城镇化带来的丰富物质和精神生活的同时，也面临着随之而来的一系列资源环境问题。因此，在测度生态福利绩效的基础上，考察城镇化对生态福利绩效的非线性影响及其区域异质性，有助于充分发挥城镇化的积极作用，平衡好经济、生态与社会之间的互动关系，推动生态福利绩效不断提升。

二、文献综述

生态福利绩效在生态效率的基础上将目标由物质增长转向福利提升，是生态效率在社会福利层面的延伸。它已逐渐成为衡量一个国家或地区可持续发展程度的重要指标，引起了国内外学者的广泛关注。关于生态福利绩效的研究，最早起源于Daly通过服务量与吞吐量的比值来评价经济体的可持续发展程度［5］。但是Daly没有给出可以量化的具体指标，因而其概念没有在实践中得到广泛应用。国内学者诸大建等明确了生态福利绩效的概念，将其表示为单位自然消耗所带来的福利水平的提升［1］。Common［6］曾以快乐寿命指数作为福利指标，以生态足迹作为自然消耗指标，提出与生态福利绩效类似的概念。部分学者采用更具可比性的客观福利指标进行研究，如臧漫丹等［7］以出生时预期寿命与生态足迹的比值测度生态福利绩效；诸大建等［2］以人类发展指数与生态足迹的比值作为衡量生态福利绩效的指标。

除比值法外，现有研究多采用参数法和非参数法对生态福利绩效进行测度。如Knight等［8］以生活满意度和生态足迹等指标构建回归方程，将回归后的非标准化残差项作为生态福利绩效指标；肖黎明等［9］和徐维祥等［10］运用随机前沿分析法对生态福利绩效进行测度；龙亮军等［11］基于松弛变量和非径向角度的Super-SBM模型测算生态福利绩效。为进一步探讨生态福利绩效的内在提升过程，部分学者结合网络DEA方法对生态福利绩效进行两阶段分解，进一步测度其分阶段效率［12-14］。

在生态福利绩效的区域差异方面，部分研究者发现中国省级生态福利绩效具有空间相关性，存在高生态福利绩效或低生态福利绩效聚集区域［15］，且不同区域内生态福利绩效存在不同程度的收敛性［16］。在对于生态福利绩效的影响因素研究中，经济增长作为衡量社会发展的重要依据，与生态福利绩效之间的关系尚未形成一致结论。Dietz等［17］以58国为样本的实证分析表明，生态福利绩效与经济增长呈现“U型”曲线关系；诸大建等［2］和方时姣等［18］分别采用国家和区域层面数据的研究结果表明，生态福利绩效与经济增长呈倒“U型”曲线关系。除经济增长外，产业结构、技术进步、城镇化、环境规制、绿化程度、医疗水平以及绿色技术创新等普遍被认为是影响生态福利绩效的重要因素［19-21］。

城镇化作为推动区域间要素转移与集聚、提升区域资源流动与优化配置的重要手段，是一个国家或地区实现现代化，加快经济社会转型发展的必由之路。城镇化在不断满足人们物质需要与精神需要的同时，也引发了一系列资源短缺、环境污染等问题，进而对生态福利绩效产生影响。方时姣等［18］运用空间计量方法分析发现，城镇化水平在直接效应与间接效应上均对生态福利绩效产生抑制作用；李成宇等［19］则认为，在省域尺度上城镇化水平能够显著促进生态福利绩效；胡美娟等［22］的实证分析结果表明，长江三角洲地区的城镇化水平对生态福利绩效的影响存在不同程度的门槛效应。

综上所述，学界越来越关注城镇化在生态福利转化过程中的影响，从不同层面对生态福利绩效与城镇化水平之间的关系展开探讨，并取得了重要研究成果。不过，该方面的研究仍然存在以下不足之处：首先，大多数研究将生态福利绩效的提升过程视作一个“黑箱”，运用单阶段DEA方法进行测算，忽略了分阶段效率的识别，缺乏对生态福利绩效成因及提升路径的分析；其次，城镇化过程的复杂性决定了生态福利绩效与城镇化水平之间的非线性关系，而现有文献鲜有对其非线性关系以及阶段性影响的探讨，对城镇化影响生态福利绩效的内在机制的探讨不够深入。鉴于此，基于超效率两阶段网络SBM（Super-NS⁃BM）模型，对2005—2018年中国大陆30个省（自治区、直辖市，不含西藏）的生态福利绩效进行测度与分解，实证分析城镇化水平对生态福利绩效及其分阶段效率的影响效应与区域异质性，最后提出提升生态福利绩效的政策建议。

三、生态福利绩效分解与指标构建

（一）生态福利绩效分解

生态福利转化过程可以视作生态投入向经济产出的转化与经济产出向福利水平的转化两阶段。因此为探讨生态福利绩效的内在提升过程，参考相关研究成果［12］，以经济增长为中间变量，将生态福利绩效分解为第一阶段生态经济效率与第二阶段经济福利效率。生态经济效率指生态投入向物质产出的转化效率，经济福利效率指物质产出向社会福利的转化效率。其中，生态经济效率的测算以资源消耗作为投入，以经济增长作为期望产出，以环境污染作为非期望产出；经济福利效率的测算以经济增长作为投入，以福利水平作为产出。整体转化过程如图1所示。

图1 考虑非期望产出的生态福利转化过程结构

（二）指标构建

依据科学性、系统性与可操作性的原则，参考诸大建等［1］、龙亮军［12］的观点，将资源消耗作为第一阶段投入变量，将环境污染作为第一阶段非期望产出变量，经济增长作为中间变量，福利水平作为第二阶段产出变量，测算生态福利绩效及第一阶段生态经济效率和第二阶段经济福利效率。其中，选取各省份能源、土地和水资源消耗作为资源投入指标，选取各省份废水、废气及固废的污染排放作为环境污染指标。经济产出用人均国内生产总值（GDP）指标衡量。参考联合国开发计划署（UNDP）的做法，从收入水平、教育水平与健康水平三个维度对社会福利水平进行评估。其中，以人均国民总收入（GNI）衡量收入水平，以平均受教育年限衡量教育水平，以平均预期寿命衡量健康水平。所构建的指标体系如表1所示。

表1 考虑非期望产出的两阶段生态福利绩效评价指标体系

四、研究方法与数据来源

（一）两阶段Super-NSBM模型

传统DEA模型以及超效率SBM模型都是基于单阶段进行效率测度，即将整个生产过程视作一个“黑箱”来处理，无法有效评价系统运行过程中的真实效率［23］。Tone等［24］构建了一种考虑松弛变量的网络DEA模型，不仅实现了对决策单元的整体效率进行测度，而且也能够对子阶段效率进行评价。本文运用可变规模报酬下的基于非径向非角度的考虑非期望产出的超效率网络SBM模型（Super-NSBM），对生态福利绩效及其第一阶段生态经济效率和第二阶段经济福利效率进行测度：

式（1）中，mk和νk为第k个阶段的输入与输出个数，ϕk为中间指标的个数，（k，h）为从阶段k到阶段h的连接，x为输入，y为输出，z为中间产出，λk为k阶段的模型权重，ωk为第k阶段的权重。sk-表示投入指标的松弛变量，sgk和sbk分别表示期望产出和非期望产出的松弛变量。研究中的效率评估过程分为两个阶段，即k=2，且设定两阶段的权重相同。当且仅当第一、二阶段效率均大于或等于1时，综合效率值大于或等于1，决策单元视为DEA相对有效。当综合效率值与其中一个阶段效率值大于或等于1时，决策单元视为弱DEA有效。否则，视为DEA无效。

（二）面板校正标准误（PCSE）估计方法

在分析城镇化水平对生态福利绩效的影响时，为了处理模型中存在的组间异方差、组间同期相关问题，应用面板校正标准误（PSCE）方法进行估计，基准回归模型为：

其中，β0，…β7为待估计参数；i代表省份，t代表年份，μi为个体固定效应，λt为时间固定效应，εit为随机扰动项。

式（2）中，被解释变量为运用Super-NSBM模型测算的生态福利绩效（ewp）。核心解释变量为城镇化水平（urba）及其平方项。同时参考相关文献，选取如下指标作为控制变量：经济发展水平（pgdp）、环境规制（er）、技术进步水平（tec）、绿化水平（ug）和对外开放程度（fdi）。其中，城镇化水平由城镇人口与总人口的比重表示，经济发展水平由人均实际GDP表示；环境规制由环境污染治理投资占GDP的比重表示；技术水平由R&D经费投入强度表示；绿化水平由人均公园绿地面积表示；对外开放程度由外商投资企业投资总额占GDP的比重表示。

（三）数据来源

考虑到数据的可比性和可获得性，本文以2005—2018年中国30个省（自治区、直辖市）为研究对象，不含香港、澳门、台湾以及西藏自治区。资源消耗指标、环境污染指标数据以及各影响因素数据主要来自《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国城市建设统计年鉴》以及《中国科技统计年鉴》等。考虑到DEA决策单元数量有限且投入产出变量过多，运用熵权法对环境污染中的5个指标进行处理，生成一个综合环境污染指标。各省（自治区、直辖市）的平均预期寿命数据来自全国历次人口普查数据与各省公布的数据，并参考徐昱东等［15］的处理方法补齐部分缺失数据。平均受教育年限的原始数据来自《中国教育统计年鉴》。研究期间的人均GDP和人均GNI已调整为2005年不变价格水平。

五、结果分析

（一）生态福利绩效及分阶段效率测算结果分析

1.生态福利绩效测算结果分析

基于考虑非期望产出的两阶段Super-NSBM模型，应用MAXDEA 8 Ultra软件，对2005—2018年中国大陆30个省（自治区、直辖市，不含西藏）的生态福利绩效及其分阶段效率进行测算，结果如表2所示。

表2 2005—2018年中国生态福利绩效整体测算结果

由表2可知，在全国层面上，2005—2018年中国生态福利绩效均值为0.724，未能实现DEA有效。这表明中国生态福利绩效整体水平不高，存在较大的提升空间。从演变趋势看，全国生态福利绩效总体上呈现逐渐下降的特点，年平均值从2005年的0.826下降到2018年的0.671，下降幅度达18.8%。其中，2005—2011年下降明显，2012—2017年下降趋于平缓，2018年有所回升。原因在于，中国过去粗放型发展模式以大量资源消耗和环境污染为代价换取经济增长，忽略了对于生态环境的损耗，导致生态福利绩效水平大幅度下降；但2013年之后，随着可持续发展理念深入人心，全国生态文明建设步伐加快，经济发展与环境保护协同推进，生态福利绩效下降趋势得到有效遏制。

在省域层面上，北京、上海、天津和海南的生态福利绩效均值居于全国领先水平；河南、福建、广东、四川、浙江、陕西等省份的生态福利绩效处于中上游水平；青海、内蒙古、新疆和宁夏的生态福利绩效居于下游水平。研究期内，湖南、河北、重庆和天津的生态福利绩效呈“上升型”，上涨幅度分别为38.1%、34.1%、9.5%和0.4%；其余省份的生态福利绩效普遍呈“下降型”，其中下降最明显的为海南、山西、贵州、安徽等省份，它们的生态福利绩效下降幅度分别达到63.8%、44.2%、40.9%和35.6%。同时，中国生态福利绩效具有非常明显的区域差异，高水平生态福利绩效主要集中在东部地区及中部地区，而低水平生态福利绩效主要集中在西部及东北部地区。

在区域层面上，2005—2018年中国生态福利绩效水平呈现“东部>中部>西部>东北部”的分布格局，均值分别为0.898、0.792、0.588和0.506；东部地区的生态福利绩效高于全国的平均水平，中部地区的生态福利绩效与全国的平均水平较为接近，而西部与东北部地区的生态福利绩效则明显低于全国的平均水平。这是因为，东部地区凭借其优越的区位条件、发达的科学技术以及较完善的教育医疗与社会保障体系，始终保持较高的生态福利绩效水平；西部地区由于发展相对滞后，其经济发展、社会保障以及教育医疗水平与其他区域存在一定差距，使得该地区生态福利绩效始终低于全国平均水平；而东北部地区作为中国重要的老工业基地，其产业结构与布局较不合理，能源消耗与“三废”排放量巨大，经济发展所带来的负面影响较为突出，导致其生态福利绩效始终最低。在演变趋势上，东、中、西及东北地区的生态福利绩效均呈现不同程度的下降趋势，下降幅度分别为19.7%、18.1%、20.7%和6.0%。研究期内，中部地区生态福利绩效波动较大，在2008—2011年剧烈下降，3年内由0.886下降到0.733，下降幅度达17.3%，2013—2016年又有所回升；东、西部地区与东北地区生态福利绩效的下降趋势较为平稳。这是因为，东部地区在对自身进行产业结构升级与优化的同时，将部分高污染、高能耗产业转移至中西部，而中部地区作为中国重要的能源与工业基地，污染密集型产业的集聚使得当地生态环境承受了巨大压力，居民健康与社会福利受到威胁，致使生态福利绩效大幅度下降。但随着中部地区逐渐加强生态环境保护，其生态福利绩效在2013年后出现了一定程度的回升。

2.生态经济效率与经济福利效率测算结果分析

运用两阶段Super-NSBM模型对生态福利绩效进行分阶段测算，得到2005—2018年各省份的第一阶段生态经济效率和第二阶段经济福利效率。限于篇幅，仅将全国及其东、中、西及东北地区两阶段的生态经济效率和经济福利效率变化趋势以图2的形式呈现；将2005—2018年中国各省份两阶段的生态经济效率均值和经济福利效率均值以图3的形式呈现。

由图2可知，2005—2018年全国层面的第一阶段生态经济效率的变动趋势与表2中的整体生态福利绩效变动趋势相似，但是第一阶段生态经济效率普遍低于相应年份第二阶段经济福利效率。可见，生态福利绩效的高低在很大程度上取决于生态经济效率的高低，较低的生态经济效率是制约生态福利绩效提升的主要原因。在区域层面上，第一阶段生态经济效率区域间差异较大，呈现“东部>中部>西部>东北部”的分布格局，且各区域的生态经济效率皆呈下降趋势；然而，各区域的第二阶段经济福利效率并不存在明显差距，且变化幅度较小。其中，中部地区的经济福利效率均值略高于其他区域，而东部地区的经济福利效率在多数年份处于相对较低的位置。其原因可能是，由于我国经济增长在创造巨大社会财富的同时，也引发了诸多生态环境及社会问题，导致社会福利无法实现与经济增长同等幅度的增加［25］，且社会福利的增长速度随经济发展程度的提高而逐渐减小，各区域福利水平均存在相应的拐点［26］。东部地区的经济发展水平虽然领先于其他地区，但是其经济产出向社会福利的转化效率相对较低，导致人们的社会福利水平与其较高的收入水平出现错位，使得其经济福利效率普遍低于中部、西部及东北部地区。

图2 2005—2018年中国区域生态经济效率与经济福利效率

由图3可知，内蒙古、青海等地的生态经济效率与经济福利效率均较低，可见该类地区面临着持续提高生态经济效率和经济福利效率的双重压力。北京、天津、海南、福建等地的生态经济效率较高，表明这些省份能够更为有效地协调好生态消耗与经济增长之间的关系，未来应更加注重提高物质产出向福利水平的转化效率，从而实现生态福利绩效的进一步提升。宁夏、新疆、甘肃等地的经济福利效率相对较高，但生态经济效率偏低，表明这些省份应在发展经济的同时要更加注重保护生态环境，尽早实现经济发展与自然消耗的脱钩。

图3 2005—2018年中国各省份生态经济效率均值与经济福利效率均值

（二）城镇化水平对生态福利绩效的影响分析

1.描述性统计

为探讨城镇化水平对生态福利绩效的影响，将生态福利绩效（ewp）作为被解释变量，城镇化水平（urba）及其平方项（urba2）作为核心解释变量，经济发展水平（pgdp）、环境规制（er）、技术进步水平（tec）、绿化水平（ug）和对外开放程度（fdi）作为控制变量，应用面板校正标准误（PSCE）方法进行回归分析。

主要变量的描述性统计特征如表3所示。由表3中各变量的描述性特征可知，研究样本的各变量数据的离散程度较大，适合构建模型进行实证分析。

表3 主要变量描述性统计

2.总体回归结果分析

根据式（2），应用所测算的中国大陆30个省（自治区、直辖市，不含西藏）生态福利绩效对城镇化水平及五个控制变量进行回归，结果如表4所示。

表4 总体回归结果

由表4可知，加入城镇化水平的平方项这一解释变量后，回归结果明显改善。由表4中模型（2）的回归结果可知，城镇化水平的一次方项系数和平方项系数分别为2.067和-2.435，且均通过了1%的显著性水平检验，表明我国的生态福利绩效与城镇化水平之间存在倒U型曲线关系，且曲线拐点约为0.424。这意味着在全国层面上，当城镇化率低于42.4%时，城镇化对生态福利绩效存在显著的促进作用，即生态福利绩效随着城镇化水平的提高而不断增加；当城镇化率高于42.4%时，城镇化对生态福利绩效存在抑制作用，即生态福利绩效随城镇化水平的提高而不断降低。城镇化初期，产业集聚可以有效提高能源效率［27］，同时能够促进社会保障体系的完善和加快基础设施的建设，进而提高人们的生活质量与福利水平。但是，城镇化达到一定水平后，紧凑型发展模式所带来的弊端开始凸显，人口的过度聚集和生产规模的持续扩张引发了交通拥堵、资源短缺及环境污染等一系列问题。当城镇污染处理能力的扩张速度跟不上污染排放的增长速度时，城镇化对生态福利绩效的负面影响逐渐超过其正面影响，从而出现生态福利绩效随着城镇化水平的提高而下降的问题。目前，中国的城镇化率已高于42.4%的拐点，处于倒U型曲线的右半部分。因此，如何加快推动社会经济转型发展，充分发挥城镇化的积极作用，实现高质量的新型城镇化，是提升生态福利绩效需要重点关注的问题。

对于控制变量而言，经济发展水平与生态福利绩效呈显著正相关关系。这表明经济增长是改善人们生活水平、完善教育医疗体系、提升社会福利的重要因素，保持经济长期稳定增长是促进生态福利绩效不断提升的主要推动力。生态福利绩效与环境规制呈现显著的负相关关系。这表明环境规制虽然能够通过对企业生产经营实施约束，推动企业提升创新水平并减少对环境的污染，但是环境硬约束可能制约企业的规模与结构，影响企业的生产经营活动，造成生产效率的下降。技术进步对生态福利绩效存在显著的正向影响。技术进步能够推动企业实现生产技术水平的突破，降低生产过程中的资源消耗与环境污染，促进生态福利绩效的提高。绿化水平也对生态福利绩效产生了显著的正向影响。绿化面积的增加，不仅能够改善生态环境，而且为人们提供了娱乐休闲场地，一定程度上有益于人们身心健康，促进社会福利水平的提高。对外开放程度的回归系数为负值，但未通过显著性水平检验。这表明外商投资在一定程度上加剧了高能耗、高污染型企业对生态环境的损耗［28］，未能对生态福利绩效产生积极影响。

3.区域异质性分析

为进一步探讨城镇化水平对生态福利绩效影响的区域异质性，将区域进一步划分为东、中、西及东北地区对式（2）进行回归，结果如表5所示。由表5可知，中部与东北地区城镇化平方项系数为负值，一次方项系数为正值，且均通过了显著性水平检验。这表明在中部与东北部地区，随着城镇化水平的提高，生态福利绩效先上升后下降。这与全国层面的城镇化对生态福利绩效所产生的影响结论一致。与全国层面相比，东北部地区生态福利绩效与城镇化水平的倒U型曲线拐点由42.4%右移至62.1%。这表明东北部地区有效发挥了城镇化在推动区域内要素流动、资源合理配置等方面的重要作用，使其在高城镇化率下仍能保持对生态福利绩效的促进作用。不过，2018年东北地区城镇化率已达到61.9%，其城镇化对生态福利绩效的促进作用可能会逐渐减弱。

表5 分区域回归结果

在东部地区与西部地区，生态福利绩效对城镇化水平以及控制变量进行回归时，城镇化水平的系数为负值，且通过了显著性水平检验；当在模型中引入城镇化水平的平方项作为解释变量时，城镇化水平的一次方项与平方项均没有通过显著性水平检验。这表明，东、西部区域的生态福利绩效与城镇化水平之间存在显著的负向线性关系，不同于生态福利绩效与城镇化水平在全国层面的倒U型曲线关系。东部地区产生这种现象的原因在于：首先，具有较高城镇化率的东部地区，城镇化所带来的经济发展与社会福利的提升无法弥补其对生态环境造成的损耗，从而使生态福利绩效与城镇化水平之间呈现出显著的负向线性关系；其次，由于东部地区人口密度大，城镇化的推进在很大程度上加剧了热岛效应、灰霾效应、交通拥堵等社会性问题，最终对生态环境与人民福利产生了比较明显的负面影响。西部地区产生这种现象的原因在于：西部地区在经济、科教、医疗等方面相对落后，物质与福利的转化效率低，城镇化没能有效发挥其在促进要素流动以及资源优化配置方面的重要作用，最终对生态福利绩效产生了较为显著的负面影响。

4.分阶段效率回归分析

为进一步探讨城镇化影响生态福利绩效变化的内在机制，将第一阶段生态经济效率（stage1）和第二阶段经济福利效率（stage2）分别作为被解释变量重新运用式（2）进行回归，结果如表6所示。

表6 分阶段效率回归结果

由模型（11）可知，第一阶段生态经济效率对城镇化的回归结果与整体生态福利绩效对城镇化的回归结果较为一致，这间接表明了第一阶段的生态经济效率是影响生态福利绩效的主导因素。具体来看，城镇化率的一次方项回归系数为正值，平方项回归系数为负值，且两者均通过了显著性水平检验，表明生态经济效率与城镇化水平也存在先促进后抑制的倒U型曲线关系。当前中国城镇化平均水平已跨过倒U型曲线的拐点（0.475），表明自然消耗与经济增长之间的转化效率随着城镇化水平的提高而逐渐降低。

由模型（12）可知，城镇化水平的一次方项回归系数为负值，平方项回归系数为正值，且均通过了显著性水平检验，表明第二阶段经济福利效率与城镇化水平之间存在U型曲线关系。该U型曲线的拐点约为0.643，即在城镇化率达到64.3%之前，经济福利效率随着城镇化进程的推进而降低，这与生态经济效率和生态福利绩效的变化趋势不一致。这表明在城镇化初期，推进城镇化进程虽然能够带来经济产出的增长，但是经济产出与社会福利之间的转化效率逐渐降低。当城镇化率大于64.3%时，即跨过U型曲线底部后，随着城镇化水平的不断提高，整个社会教育与医疗体系逐渐完善，基础设施及公共产品所能惠及的人群范围持续扩大，越来越多的居民能够享受到城镇化的福利，经济福利效率随着城镇化率的提高而不断提升。

可见，城镇化水平对生态福利绩效、生态经济效率以及经济福利效率的影响存在差异。当城镇化率低于64.3%时，随着城镇化水平的提高，经济福利效率处于下降状态，生态福利绩效在生态经济效率的影响下，呈现出先上升后下降的变化趋势；当城镇化率高于64.3%时，经济福利效率随着城镇化水平的提高而有所上升，但由于其提升幅度不及生态经济效率下降幅度，使得生态福利绩效仍然呈现下降趋势。总体上，在生态经济效率与经济福利效率的叠加作用下，生态福利绩效与城镇化水平呈现出先上升后下降的倒U型曲线关系。

5.稳健性检验

为了考察回归结果的可靠性，对模型进行了以下稳健性检验：首先，对于模型可能存在的组间异方差、组内自相关和组间同期相关问题，采用允许不同个体扰动项存在异方差和同期相关的可行广义最小二乘法（FGLS），重新对回归模型进行估计；其次，考虑到直辖市普遍具有更高的社会发展水平和城镇化水平，参考罗煜等［29］的处理方法，将北京、天津、上海和重庆四个直辖市从样本中剔除，重新对回归模型进行估计；由表7可知，运用两种方法所得参数估计值的符号与显著性与前文的回归结果基本一致，表明实证结果具有稳健性。

表7 稳健性检验结果

由于被解释变量生态福利绩效及其分阶段效率与解释变量城镇化水平之间可能存在双向因果关系，导致估计结果有偏或不一致，因此进一步对回归模型进行了两项内生性处理：第一，考虑到各因素影响潜在的时滞性和内生性问题，将所有解释变量滞后一期作为代理变量重新对回归模型进行估计，回归结果见表8的模型（19）（20）（21）；第二，将城镇化水平滞后一期作为当期值的工具变量，用两阶段最小二乘法（2SLS）以处理原回归模型中潜在的内生性问题，IV-2SLS回归结果见表8的模型（22）（23）（24）。由表8可知，运用两种方法针对内生性问题进行处理后，所得到的回归结果与前文基本保持一致，即城镇化水平对生态福利绩效和生态经济效率的影响均具有倒U型特征，对经济福利效率的影响具有正U型特征，表明本文模型设定的合理性以及结果的稳健性。

表8 内生性处理估计结果

六、结论与建议

基于2005—2018年中国大陆30个省（自治区、直辖市，不含西藏）的面板数据，运用两阶段Super-NSBM模型测度了全国各省域的生态福利绩效及其第一阶段生态经济效率和第二阶段经济福利效率，并实证分析了生态福利绩效与城镇化水平的非线性关系和区域异质性，探究了城镇化对生态福利绩效影响的内在机制。主要结论如下：

第一，中国生态福利绩效整体水平不高，未能实现DEA有效，且呈现逐渐下降的趋势。其中北京、上海、天津和海南等地生态福利绩效居于前列，青海、内蒙古、新疆和宁夏等地生态福利绩效相对较低，居于下游水平。生态福利绩效呈现“东部>中部>西部>东北部”的分布格局，且均表现出不同程度的下降趋势。第一阶段生态经济效率普遍低于第二阶段经济福利效率，且生态经济效率变动趋势与整体生态福利绩效变动趋势相似，生态福利绩效很大程度上取决于第一阶段的转化效率。经济福利效率变动相对较小，且区域间的差异不明显，其中中部地区经济福利效率水平较高，东部地区经济福利效率相对较低。内蒙古、青海等地生态经济效率与经济福利效率均较低；北京、天津、海南、福建等地生态经济效率较高；宁夏、新疆、甘肃等地经济福利效率较高而生态经济效率普遍偏低。

第二，在全国层面上，生态福利绩效与城镇化水平之间存在倒U型曲线关系，拐点约为0.424。当城镇化率低于42.4%时，生态福利绩效随城镇化水平的提高而上升；当城镇化率高于42.4%时，生态福利绩效随城镇化水平提高而下降。在区域层面上，中部与东北部地区城镇化水平对生态福利绩效的影响表现为先促进后抑制；东部与西部地区生态福利绩效与城镇化间存在显著的线性负相关关系。经济发展水平、技术进步以及绿化水平能够显著促进生态福利绩效；生态福利绩效与环境规制之间存在显著的负向关系；对外开放程度对生态福利绩效的影响不显著。

第三，第一阶段生态经济效率与城镇化水平之间表现为倒U型曲线关系，而第二阶段经济福利效率与城镇化之间表现为U型曲线关系，拐点分别为0.475和0.643。整体生态福利绩效水平取决于“生态—经济—福利”过程中分阶段的效率水平，生态福利绩效与城镇化水平在二者综合作用下呈现出先上升后下降的倒U型曲线关系。

依据上述结论，为我国持续提升生态福利绩效提出如下建议：

首先，加快推动经济发展由量向质的转变，持续提升福利水平。要从社会福祉角度出发，在追求经济产出的同时注重质量的提升，做到经济、社会、生态协调发展。东部地区要在保持发展优势的前提下，注重教育、医疗以及社会保障体系的巩固与完善，使经济产出有效转化为社会福利。中部地区要加快推进能源与污染密集型产业的绿色转型和合理布局，杜绝以牺牲生态环境为代价换取经济增长。西部地区要借鉴发达地区的先进发展经验，积极实施引才、育才、用才、留才与聚智政策，在坚守生态红线底线的同时大力发展经济，为提升生态福利绩效奠定坚实的生态供给基础和物质产出支撑。东北地区则要在保证经济稳定增长的前提下加快推动产业、能源结构的优化升级并淘汰落后产能，加强对高能耗、高污染行业的管制与约束，推动区域经济实现绿色转型发展。

其次，充分发挥新型城镇化在推动经济转型发展时的独特优势，不断提升生态福利绩效。在城镇化进程中，注重交通、医疗、教育等公共资源的有效配置，加强基础设施及社会保障的建立与完善，努力实现以物质资本增长带动社会福利水平的提升。推动产业结构优化升级与产业集群，充分发挥城镇化的聚集效应与发散效应，带动区域内以及周边地区生态福利绩效的共同提升，打造物质充裕、文化丰富、环境优良的宜居城市。

最后，科学统筹经济发展与生态环境治理，走集约、智能、绿色、低碳的新型城镇化道路。加强对生态环境保护及治理的顶层设计与总体规划，各地制定和完善生态环境治理的行动方案，从人、财、物和制度等各方面加大对环境污染治理的投入，积极发展高效率、低污染的环境友好型产业，在新型城镇化建设中促进人口、资源与环境的协调发展。我国各区域的发展模式与发展特点迥异，城镇化在生态福利转化的不同阶段中所起到的作用也有所不同，因此各地在制定相关政策时要因地制宜，充分考虑特定区域可持续发展的潜力与短板，尽早实现经济发展与自然消耗的脱钩以及福利水平与经济增长的脱钩，推动生态福利绩效的持续提升。