绿色发展效率测度及时空动态演进 ——基于中国八大城市群的经验证据

蔺 鹏,孟娜娜

(河北经贸大学 金融学院,河北 石家庄 050061 )

党的十九大报告作出了中国经济已由高速增长阶段转向高质量发展阶段的重大战略论断,提出“推动中国经济发展质量变革、效率变革和动力变革,提高全要素生产率”[1]。党的二十大报告进一步强调“加快建设现代化经济体系,着力提高全要素生产率……推动经济实现质的有效提升和量的合理增长”[2]。全要素生产率增长是经济高质量发展的动力源泉,经济高质量发展的核心本质在于以全要素生产率持续提升驱动经济内生性、低碳性和可持续性发展[3]。城市群作为城市化进程演化出的高级空间组织形态,是区域经济发展中最具市场活力和创新潜力的核心增长极,也是区域生态文明建设和经济可持续发展的重要地域单元[4]。党的二十大报告明确提出“以城市群、都市圈为依托构建大中小城市协调发展格局”[2],进一步强化城市群在区域协调发展空间格局中的主体形态和核心地位。经济绿色低碳发展是实现高质量发展的关键环节,区域经济高质量发展集中体现为以绿色全要素生产率(GTFP)为核心驱动的城市群绿色化、低碳化发展。绿色全要素生产率不仅能够高度诠释创新、协调、绿色、开放、共享的新发展理念核心内涵,且更加契合“双碳”战略背景下中国经济绿色低碳转型的内在要求。基于此,本文从GTFP增长视角深入探究城市群绿色发展效率及其时空动态演进规律,对于深化城市群一体化进程和推动区域经济高质量发展具有重要理论价值和现实意义。

一、文献评述

新常态下经济发展面临着资源与环境的双重约束,仅包含资本和劳动要素的全要素生产率指标难以全面描述现代经济运行的总体特征,而纳入资源与环境要素的绿色全要素生产率指数能够系统反映经济高质量发展的效率,在绿色发展效率测度评价中得以广泛应用。学术界对于绿色发展效率的研究集中于以下两个方面:一是绿色发展效率的测度评价。随机前沿分析法(SFA)和数据包络分析法(DEA) 是绿色发展效率测度的两类常用方法。相比于建立在生产函数基础上且只能测度多要素投入和单一产出的SFA方法,DEA方法同时考虑了多种要素投入以及期望产出和非期望产出,且无须设定具体生产函数,使其成为绿色发展效率测度的最主流方法。学者们主要基于DEA方法及各类扩展模型(SBM-DEA、Bootstrap-DEA、EBM-DEA等)测度区域绿色发展效率,并结合Malmquist指数、Luenberger指数、Malmquist-Luenberger指数刻画区域绿色发展效率的时序演化特征[5-9]。二是绿色发展效率的空间分布格局。已有研究主要采用Dagum基尼系数、Kernel核密度估计、Theil指数、地理探测器和马尔科夫链等方法识别区域绿色发展效率的空间分异特征和分布动态趋势[10-13],并利用传统收敛模型、空间杜宾模型等探究区域绿色发展效率的σ收敛、β收敛和俱乐部收敛机制[14-15]。

随着城市群经济在区域经济一体化格局中的主导作用日益凸显,学者们对于区域绿色发展效率的测度逐渐拓展到城市群空间[16-17],并基于上述研究方法探究中国重点城市群绿色发展效率的空间差异来源、分布动态演进和时空收敛趋势[18]。陈明华等运用超效率SBM-DEA模型测算了五大城市群的绿色发展效率,利用Kernel密度估计和马尔科夫链方法探究了城市群绿色发展效率的时空分布动态和演进趋势[19]。蔺鹏和孟娜娜利用三阶段超效率SBM-Malmquist-Luenberger生产率指数模型测度了六大城市群绿色发展效率,运用Dagum基尼系数方法和动态空间SDM模型检验了绿色发展效率增长的时空分异和空间收敛特征[20]。姚进才和袁晓玲利用GS-SBM模型测度了黄河流域七大城市群的绿色发展效率,采用核密度估计和马尔科夫链描述城市群绿色发展效率的动态演进特征,运用Dagum基尼系数方法和传统收敛模型识别了城市群绿色发展效率的区域差异和收敛特征[21]。

综上所述,已有研究成果为本文探究中国城市群绿色发展效率及其时空动态演进提供了理论基础及方法借鉴,但仍存在以下不足之处:一是大多文献将绿色发展效率的研究尺度定位于省际、城市以及黄河流域、长江经济带等特定区域层面,少数涉及到城市群文献也未能涵盖“十四五规划”中国家重点建设的八大城市群;二是已有文献对于城市群绿色发展效率的分布动态及收敛机制研究不够深入,且利用传统空间面板模型识别绿色发展效率的收敛机制存在诸多内生性问题。基于此,本文将从以下两方面进行拓展研究:一是基于2010—2019年中国八大城市群139个城市的面板数据,采用超效率SBM-Luenberger生产率指数模型测度中国八大城市群绿色发展效率及其时序演化趋势;二是综合运用Kernel核密度估计方法和动态空间SDM模型从绝对差异和相对差异双重视角识别八大城市群绿色发展效率的分布动态演进和空间收敛机制,以期为科学评价城市群绿色发展效率和加快推进城市群绿色协同可持续发展提供理论参考和实证支撑。

二、研究设计

(一)研究方法

1.超效率SBM-Luenberger生产率指数模型。由于不同类型DEA模型会对绿色全要素生产率的时空分布及收敛特征产生显著的异质性影响,包含非期望产出的超效率SBM-DEA模型能更好地拟合GTFP增长的现实情境[22]。基于此,本文采用Tone提出的超效率SBM-DEA模型并结合Luenberger生产率指数测度中国八大城市群绿色发展效率及其时序演化趋势[23]。超效率SBM-DEA模型,如式(1)所示:

(1)

i=1,2…,m;r=1,2…,s1;t=1,2…,s2;j=1,…,n(j≠k)

为考察各城市群绿色发展效率的时序演变趋势,本文参照Chambers等的方法[24],构建Luenberger生产率指数模型,如式(2)所示:

(2)

基于Grosskopf的分解思路[25],将Luenberger生产率指数细分为纯效率变化(LPEC)、纯技术进步(LPTP)、规模效率变化(LSEC)和技术规模变化(LTPSC)。GTFP及其分解指标如式(3)—(7)所示:

GTFP=LPEC+LPTP+LSEC+LTPSC

(3)

(4)

(5)

(6)

(7)

2.Kernel核密度估计方法。Kernel核密度估计是空间分布非均衡研究的重要估计方法,利用核函数估计随机变量的概率密度,并通过连续的核密度曲线全景描述随机变量的分布位置、形态以及延展性等特征。假设随机变量X的密度函数为f(x),点x的概率密度估计如式(8)所示。

(8)

其中,X=(X1,X2,…,Xn)为独立同分布的观测值,x为观测值均值,N为观测值个数。h表示带宽,用于反映密度曲线的平滑程度及估计精确度,h值越小,密度函数曲线棱角度越突出,估计的精确度越高。K(·)为核密度函数。本文采用基于高斯核函数的Kernel核密度估计方法揭示中国八大城市群绿色发展效率的分布动态演进特征,高斯核密度函数如式(9)所示。

(9)

3.动态空间β收敛模型。β收敛分为绝对β收敛和条件β收敛。由于条件β收敛充分考虑到外部经济社会影响因素,更加契合经济社会特征空间异质性下城市群绿色发展效率变动的现实情境。同时,鉴于GTFP增长的动态性、持续性变动特征,本文利用Elhorst等提出的动态空间收敛模型识别八大城市群绿色发展效率的空间条件β收敛机制[26]。考虑到城市群之间的GTFP可能存在空间滞后效应、空间误差效应以及两类效应均同时存在,本文分别构建动态空间滞后模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM),具体公式如(10)—(12)所示。

γXit+ui+vt+εit

(10)

(11)

(12)

在式(10)—(12)中,GTFPi,t和GTFPi,t-1分别为i城市在t和t-1年的绿色发展效率,β<0意味着各城市绿色发展效率趋于收敛,各城市绿色发展效率的收敛速度s=-ln(1+β)/T,收敛的半生命周期τ=ln(2)/s。空间权重矩阵Wij采用地理距离空间权重矩阵、经济距离空间权重矩阵和经济地理距离空间权重矩阵。ρ和λ分别为空间自回归系数和空间误差系数,ui和vt分别为空间和时间固定效应的哑变量,εit为随机误差项。Xit为影响城市绿色发展效率的控制变量集合,包括城镇化水平(Urb),选择城镇人口占城市年末总人口的比重来表征。产业结构(Ind),选择第三产业增加值与第二产业增加值之比来表征。对外开放水平(Fdi),选择实际使用外资金额与地区生产总值之比来衡量。创新政策环境(Pol),选择地方财政教育和科技支出占财政一般预算内支出的比重来衡量。

(二)数据说明

本文借鉴于伟等[18]的做法,分别从东部、中部、西部和东北部四大经济区域选取京津冀、长三角和珠三角城市群,中原和长江中游城市群,成渝和关中平原城市群,哈长城市群作为研究对象,探究中国城市群绿色发展效率及动态演化特征。数据来源于《中国城市统计年鉴》《中国能源统计年鉴》以及相关省市统计年鉴。具体指标说明如下。

1.要素投入指标:劳动投入(L)为考虑劳动者质量的真实劳动投入,以城市所在省份的平均受教育年限占全国的比重为权重对城镇单位和私营个体从业人数之和进行同质化处理。资本投入(K)选择城市固定资本存量表示。城市固定资本存量使用永续盘存法进行计算,其公式为Kt=It+(1-δt)Kt-1,其中,It为经过城市固定资产投资价格指数(2010年=100)平减处理的城市实际固定资产投资额,δt为考虑时空差异的可变资本折旧率[27]①。利用K0=I0/(g+δt)对基期资本存量进行估算,其中,I0为2010年城市固定资产投资额,g为2010—2019年城市实际固定资产投资额的几何平均增长率。能源投入(E)以城市全社会用电量占所属省份的比重为权重,根据省际能源消耗总量折算得出各城市能源消费量。

2.产出指标:期望产出利用GDP指数平减处理得到的城市真实地区生产总值(GDP)来衡量。非期望产出则沿用蔺鹏和孟娜娜[20]的处理方法,利用工业废水、工业二氧化硫和工业烟(粉)尘排放量三种工业污染物构造环境污染综合指数(ER)来衡量,见表1。

表1 中国八大城市群变量指标的描述性统计

三、城市群绿色发展效率的测度分解

(一)城市群绿色发展效率及动态演化

表2报告了八大城市群整体及各城市群绿色发展效率的动态演化特征。(1)从绿色发展效率变动趋势来看,2011—2019年中国八大城市群整体绿色发展效率呈现“小幅下降—急剧抬升—平缓上扬”的动态演化特征;京津冀、长三角、珠三角、中原、长中游和成渝城市群绿色发展效率均呈现“下降—上升”交替变动的动态演化趋势,且波动程度互有差异;关中平原城市群绿色发展效率表现出“大幅上升—趋缓下降—平缓抬升—小幅下降”的变动特征;哈长城市群绿色发展效率呈现“急剧下降—趋稳上升—大幅下降”的动态演化趋势。(2)从绿色发展效率数值对比来看,考察期间中国八大城市群整体绿色发展效率均为负值,表明八大城市群整体的绿色发展效率均呈现微弱负增长态势,但这一态势随时间推移显著缓解,2019年绿色发展效率相比于2011年改善程度达72.5%;京津冀城市群绿色发展效率均呈现不同程度负增长态势,绿色发展效率提升幅度为77.4%;长三角城市群绿色发展效率由负增长逐步转向正增长,绿色发展效率改善程度达119.4%;珠三角城市群绿色发展效率在2011年、2017年和2019年为正值,其余年份均呈负增长态势;中原城市群绿色发展效率除2019年均为负值,绿色发展效率提升幅度高达161.2%;长中游城市群绿色发展效率均呈负增长态势,考察期间绿色发展效率提升55.2%;成渝和哈长城市群绿色发展效率在2011年均为正值,其余年份均呈负增长态势,且考察期末绿色发展效率相比于期初有所下降;关中平原城市群绿色发展效率在2018年为零增长,其余年份均为负增长,考察期间绿色发展效率改善程度为78.0%。

表2 八大城市群绿色发展效率及动态演化

(二)城市群绿色发展效率分解及动态演化

表3报告了中国八大城市群绿色发展效率的纯效率变化、纯技术进步、规模效率变化和技术规模变化等四类分解结果。2011—2019年八大城市群绿色发展效率的四类分解均呈现纷繁多样的动态演化趋势,并且四类分解对城市群绿色发展效率的贡献程度具有显著的时空异质性特征。

表3 八大城市群绿色发展效率分解及动态演化

京津冀城市群的纯效率变化在样本期间呈现“微弱下降—陡然增长—阶梯型下降”的变动特征,在2013年达到最高值0.108,随后波动性下降并在2019年处于最低值-0.138;纯技术进步水平则基本与纯效率变化的变动趋势相反,整体呈现“小幅下降—急剧下降—阶梯型抬升”的演化趋势,分别于2013年和2019年达到最低值-0.124和最高值0.125;规模效率变化呈现“小幅下降—大幅上升—陡然下降—急剧抬升”的演进规律;技术规模变化呈现与规模效率变化基本相反的动态演变趋势,表现出“小幅上升—大幅下降—急剧上升—陡然下降”的变动特征,在四类分解相互抵消后,京津冀城市群的绿色发展效率在考察期间呈现出“小幅下降—大幅上升”交替变动的演进趋势。上述现象表明京津冀协同发展战略的加快推进能够改善该区域绿色发展效率,但京津冀城市群内部绿色技术创新水平差异显著、产业绿色转型程度偏低、城市群内部环境污染“以邻为壑”等问题依旧显著,使得京津冀城市群绿色发展效率处于低水平阶段[28]。

长三角城市群的纯效率变化在考察期间呈现“缓和上升—急剧下降—陡然激增—小幅下降—平缓抬升—微弱下降”的动态演化特征,在2013年和2018年分别达到最低值-0.119和最高值0.059;纯技术进步呈现“小幅下降—阶梯型抬升—大幅下降—平缓上升”的动态变动趋势,在2016年达到峰值0.064;规模效率变化呈现出“小幅上升—平缓下降—微弱抬升—急剧下降—陡然上升”的演进趋势;技术规模变化与规模效率变化基本呈现互为相反的动态演进特征,且这一特征在2016年以后尤为显著,在四类分解的相互作用下,长三角城市群的绿色发展效率整体呈现出“小幅下降—急剧下降—陡然激增—阶梯性上升”的动态演进趋势。这说明长三角一体化战略的纵深推进有利于提升城市群绿色发展效率,但该城市群作为我国主要的制造业集聚地也存在绿色技术创新与绿色技术效率未能协同提升等问题,从而造成该城市群内部绿色发展水平差异显著和绿色发展效率不平衡。

珠三角城市群的纯效率变化与技术规模变化在样本期间基本保持一致的演变态势,两者均呈现出“小幅下降—陡然抬升—大幅下降—平缓上升—急剧下降”的动态演进趋势;纯技术进步与规模效率变化也呈现较为一致的变动规律,两者均表现出“微弱上升—小幅下降—大幅上升—平缓下降—陡然激增”的动态演进特征;进一步观察可知,珠三角城市群的纯效率变化和技术规模变化基本呈现出与纯技术进步和规模效率变化完全相反的动态演变趋势,在上述四类分解相互削减后,致使该城市群绿色发展效率呈现出“急剧下降—陡然上升—平缓下降—缓和上升—小幅下降—微弱抬升”的波动性上升态势。这表明珠三角城市群具有较高的绿色技术创新水平,但绿色技术溢出效应未能充分释放,绿色技术应用范围偏小,产业转移对接未能形成良性循环,使得该城市群绿色发展效率呈现显著的空间非均衡特征[12]。

中原城市群的纯效率变化在考察期间呈现“持续上升—小幅下降—陡然激增—急剧下降—大幅提升”的动态变动趋势,技术规模变化呈现“平缓上升—微弱下降—大幅上升—急剧下降—小幅抬升”的动态演化特征,这两类分解2014年后呈现基本一致的变动方向;纯技术进步呈现出“持续下降—稳步抬升—急剧下降—大幅提升—微弱下降”的动态演化特征,规模效率变化呈现出“小幅下降—微弱上升—持续下降—陡然激增—急剧下降”的动态演进规律,这两类分解在2016—2019年基本上保持较为一致的变动趋势,并且这一阶段纯效率变化和技术规模变化与纯技术进步和规模效率变化基本呈现方向相反且正负强度相当的演进规律。在上述四类分解相互作用下,中原城市群的绿色发展效率呈现“微弱下降—大幅抬升”交替变动的阶梯型上升趋势。这表明中原城市群对于资源要素依赖性仍旧偏高,绿色技术创新水平相对较低,清洁生产技术等应用领域有限,进而制约该城市群绿色发展效率提升,该城市群环境保护与资源利用存在较大改善空间[29]。

长中游城市群的纯效率变化与技术规模变化在2011—2019年呈现出较为一致动态演变态势,且在2015年以后尤为显著,两类分解均表现出“平缓下降—微弱上升—小幅下降—陡然激增—急剧下降—大幅上升”的动态演进趋势;纯技术进步呈现出“微弱下降—平缓抬升—急剧下降—陡然上升—小幅下降”的动态演化特征,规模效率变化呈现出“趋缓下降—稳步上升—小幅下降—平缓上升—急剧下降—陡然激增—大幅下降”的动态演进规律,这两类分解自2016—2019年表现出方向尤为一致的动态演化特征。在四类分解的综合作用下,长中游城市群的绿色发展效率呈现出“小幅下降—持续上升—微弱下降—缓和上升”的稳步上升演进趋势。这反映出长中游城市群仍然未能摆脱粗放式经济发展模式,绿色技术创新溢出效应相对偏低,绿色发展效率不平衡等问题仍然存在,亟需进一步强化绿色技术创新驱动功能,以实现长中游城市群“资源—环境—经济”均衡协调发展[30]。

成渝城市群的纯效率变化在考察期间呈现“微弱下降—小幅上升—小幅下降—大幅上升”的周期性波动特征,且样本后期的波动程度要显著高于前期,技术规模变化呈现“趋缓下降—平缓上升—小幅下降—大幅提升—急剧下降—陡然激增”的动态演化规律,这两类分解在样本期间基本保持较为一致的动态演进趋势;纯技术进步与规模效率变化则呈现出更为一致的动态演化态势,两类分解均表现出“微弱下降—小幅上升—大幅下降—陡然激增—急剧下降”的动态演进特征。上述四类分解的相互作用使得成渝城市群绿色发展效率呈现出“急剧下降—趋缓下降—微弱上升—小幅下降—陡然激增—急剧下降”的动态演进趋势。这反映出成渝城市群绿色技术创新水平整体不高且资源利用效率相对偏低,同时城市群内部出现绿色发展低效率区与高效率区并存现象,使得该城市群呈现较为显著的绿色发展效率空间分异特征[31]。

关中平原城市群的纯效率变化和技术规模变化在2011—2018年呈现基本一致的动态演进趋势,仅在2019年呈现反向变动特征,两类分解表现出“大幅上升—小幅下降—陡然上升—平缓下降—微弱下降(上升)”的演化规律;纯技术进步与规模效率变化呈现出尤为一致的动态演化态势,两类分解在考察期表现出“大幅下降—小幅上升—急剧下降—平缓抬升—小幅(微弱)上升”的演进特征;进一步观察发现,整个样本期间纯效率变化和技术规模变化与纯技术进步和规模效率变化的变动方向基本相反且强度较为接近。在四类分解相互抵消后,关中平原城市群的绿色发展效率呈现出“急剧上升—小幅下降—平缓上升—微弱下降”的动态演进特征。上述现象反映出关中平原城市群对于资源要素投入具有较高依赖性,尤其是资源型城市的绿色转型和生态治理任重道远,同时城市群内部绿色发展效率存在较强的马太效应,造成该城市群绿色发展效率整体偏低且空间差异显著[9]。

哈长城市群的纯效率变化在样本期间呈现出“小幅下降—平缓上升—微弱下降—大幅上升—急剧下降”的动态演化特征,技术规模变化呈现“小幅下降—大幅上升—急剧下降—陡然激增—微弱下降”的动态演进趋势,这两类分解在考察期基本表现出较为一致的演变特征;纯技术进步在样本期间呈现出“微弱下降—平缓上升—小幅下降—大幅提升—急剧下降—陡然激增”的动态演变趋势;规模效率变化呈现出“趋缓上升—急剧下降—大幅上升—急速下降—小幅上扬”的动态演化态势。在四类分解的相互作用下,哈长城市群的绿色发展效率呈现出“大幅下降—微弱上升—趋缓下降—平稳上升—小幅下降—急剧上升—陡然下降”的动态演进特征。这反映出哈长城市群作为东北老工业基地振兴发展的重要增长极,绿色技术创新水平相对偏低,产业结构转型升级进程缓慢,尤其是资源型城市的高投入、高能耗和高污染等问题未能有效解决,给该城市群绿色发展效率带来一定程度的损失[6]。

综上,从八大城市群绿色发展效率的四类分解年度均值来看:(1)京津冀和长三角城市群绿色发展效率的负增长主要由技术进步和技术效率降低所致,两类分解的贡献率之和分别为96.5%和 90.9%,规模效率下降的贡献率较为微弱,环境技术边界偏离规模报酬不变技术条件的正向激励作用十分有限。充分释放绿色技术溢出效应、提高能源资源利用效率成为这两大城市群绿色发展效率提升的关键。(2)珠三角和关中平原城市群的技术进步改善(不变)和规模效率提高为绿色发展效率带来正向激励,但仍不能有效抵补技术效率下降和环境技术边界趋近CRS引起的负向作用,使得该城市群绿色发展效率年均增长率为负值。提升绿色技术创新效率、扩大绿色技术应用成为珠三角和关中平原城市群绿色发展效率提升的重点。(3)中原和成渝城市群的技术效率改善和环境技术边界偏离CRS的正向激励作用均十分显著,但技术进步水平下降和规模效率降低带来的负向影响则更为显著,致使两个城市群绿色发展效率年度均值为负。强化绿色技术创新研发应用、提升资源利用效率成为中原和成渝城市群绿色发展效率提升的重点。(4)长中游和哈长城市群技术效率改善的促进作用较为微弱,环境技术边界偏离CRS的正向激励作用较为明显,技术进步下降和规模效率降低带来更为显著的抑制作用,致使两个城市群绿色发展效率均值呈负增长态势。充分激发技术创新驱动功能、优化资源要素配置机制成为长中游和哈长城市群绿色发展效率改善的关键。

四、城市群绿色发展效率的分布动态演进

本文绘制了全样本及各城市群绿色发展效率的三维Kernel核密度图(见图1和图2),以刻画城市群绿色发展效率的分布位置、形态、延展性和极化等特征。

图1 八大城市群整体绿色发展效率的分布动态演进特征

图2 八大城市群绿色发展效率的分布动态演进特征

(一)城市群整体绿色发展效率的分布动态演进

图1呈现了八大城市群整体绿色发展效率的三维Kernel核密度图。由图1可知:第一,考察期内八大城市群整体绿色发展效率分布曲线表现出较为明显的向右偏移演进特征,表明城市群整体的绿色发展效率呈现出显著的上升趋势。第二,八大城市群整体绿色发展效率分布曲线的波峰高度呈现出“微弱上升—急剧下降—大幅回升”交替反复的周期性波动特征,波峰宽度呈现“平缓减小—略有增大—趋稳减小”的变动趋势,但整体呈现出波峰高度趋于上升和波峰宽度趋于缩小的变动态势,表明各城市绿色发展效率水平的差距呈现出阶梯状缩小的演化趋势。第三,八大城市群整体绿色发展效率分布曲线的右拖尾趋于缩短,同时分布延展性呈现“微弱拓宽—平缓收敛—小幅拓宽—大幅收敛”的变动特征,表明各城市绿色发展效率的空间差异呈现不稳定的趋于缩小的演进趋势。第四,八大城市群整体绿色发展效率分布曲线始终以单一主峰为主,表明城市群整体绿色发展效率水平并未出现极化现象,各城市绿色发展效率呈现较为均衡的空间分布特征。

(二)八大城市群绿色发展效率的分布动态演进

图2(a)—(h)分别描述了京津冀、长三角、珠三角、中原、长中游、成渝、关中平原和哈长城市群绿色发展效率的三维Kernel核密度图,表4报告了八大城市群绿色发展效率的分布动态演进特征。

表4 中国八大城市群绿色发展效率的分布动态演进特征

从分布位置来看,2011—2019年八大城市群绿色发展效率分布曲线均呈现出不同程度的“右偏—左偏—右偏”变动趋势,但整体上均表现出向右偏移的动态演进特征。长三角、中原、长中游和成渝城市群绿色发展效率分布曲线均呈现出“小幅右偏—微弱左偏—大幅右偏”的演化特征;珠三角城市群绿色发展效率分布曲线的左右偏离程度尤为显著,呈现出“大幅右偏—明显左偏—急剧右偏”的动态演进趋势;京津冀、关中平原、哈长城市群在考察期间基本上呈现出右偏为主的动态演进特征。上述现象表明,由于八大城市群的资源禀赋、地理区位等空间异质性使得各城市群绿色发展效率呈现出不同演化路径的波动性上升态势。

从分布形态来看,样本期间八大城市群绿色发展效率分布曲线呈现出不同程度的波峰高度“上升—下降”频繁变动和波峰宽度“缩小—扩大”反复交替的动态演化趋势。长三角、珠三角、中原、长中游、成渝城市群绿色发展效率分布曲线的波峰高度表现出较为剧烈的“上升—下降—上升”的周期性波动特征,波峰宽度均呈现出较为明显的“减小—增大—减小”的动态演化态势;京津冀、关中平原和哈长城市群绿色发展效率分布曲线的波峰高度呈现“大幅上升—缓和下降—微弱上升”的变动趋势,波峰宽度均表现出“小幅减小—微弱增大—平缓减小”的演化特征。这说明八大城市群绿色发展效率的差距整体上呈现出异质性的“缩减—扩大—缩减”的动态演进趋势。同时,八大城市群绿色发展效率的分布曲线未出现两个及多个波峰,始终单一波峰为主要形态,表明各城市群绿色发展效率不存在两极分化或多极分化现象,城市群内部基本形成较为均衡的绿色发展效率空间格局。

从分布延展性来看,八大城市群绿色发展效率分布曲线在考察期间均呈现不同程度的右拖尾现象,表明各城市群内部的绿色发展效率差异存在不断扩大的演变趋势。原因在于各城市群内部均存在绿色发展效率指数偏高的中心城市或特大城市,致使各城市群绿色发展效率均表现出较为明显的右拖尾特征。同时京津冀、长三角、成渝和哈长城市群绿色发展效率的分布延展性呈现“拓宽—收敛”小幅交替变动的演进趋势,珠三角和中原城市群绿色发展效率的分布延展性“拓宽—收敛”变动更为频繁且幅度更为明显,长中游和关中平原城市群绿色发展效率的分布延展性呈现较为平缓的持续收敛的变动态势,这表明各城市群经济高质量发展的空间差异呈现出“缩小—扩大”的不稳定动态波动态势。

五、城市群绿色发展效率的空间收敛分析

为全面揭示八大城市群绿色发展效率的动态空间β收敛机制,本文首先利用全局 Moran’s I指数对各城市绿色发展效率的空间关联性进行检验。结果显示,基于经济地理距离空间权重矩阵的八大城市群绿色发展效率的全局 Moran’s I指数在考察期内均为正值,表明各城市绿色发展效率存在显著的正向空间关联性。在此基础上,本文遵循LM/Robust LM统计量检验-Wald和LR统计量检验-Hausman统计量检验-LR联合显著性检验的步骤对三类空间计量模型的适用性加以判断,确定空间SDM模型作为基准模型。相比于传统极大似然估计方法,准极大似然估计方法(Q-MLE)能够得到更加渐进有效的无偏一致估计量[32]。鉴于此,本文利用Q-MLE方法对空间SDM模型进行估计。

(一)城市群整体绿色发展效率的空间β收敛分析

表5报告了2012—2019年八大城市群整体绿色发展效率的空间条件β收敛估计结果。表5中模型(1)(3)(5)为传统空间SDM估计结果,模型(2)(4)(6)为动态空间SDM估计结果。从中可知,两类空间SDM模型下空间自回归系数ρ基本上显著为正值,表明八大城市群的绿色发展效率呈现较强的正向空间关联特征。从空间收敛系数β来看,八大城市群整体的β系数在1%的显著性水平上均为负值,表明八大城市群整体绿色发展效率呈现显著的空间条件β收敛特征,即城市群整体的绿色发展效率趋向于收敛到其稳态水平。从收敛速度s和半生命周期τ来看,三类空间权重矩阵下动态空间SDM模型中绿色发展效率的收敛速度分别为0.045、0.047、0.047,半生命周期分别为15.271、14.609、14.877,传统空间SDM模型中绿色发展效率的收敛速度分别为0.022、0.023、0.024,半生命周期分别为31.123、30.130、29.267。对比发现,动态空间SDM模型中绿色发展效率的收敛速度近乎为传统空间SDM模型的2倍,其半生命周期则基本为传统空间SDM模型的1/2。

表5 城市群整体绿色发展效率的条件β收敛检验

从控制变量来看,城镇化水平提高有助于提升城市绿色发展效率,基于地理距离空间权重矩阵的促进作用较为有限,基于经济距离和经济地理距离空间权重矩阵的正向激励作用更为显著,这说明经济发展水平相当且地理相互毗邻的城市之间通过正向同群效应深入推进城市化进程,其带来的规模经济和集聚经济效应更易于实现城市绿色发展效率的趋同。城市产业结构的回归系数在1%的显著性水平上均为负值,表明产业结构升级明显抑制了城市绿色发展效率提升,其原因可能在于信息通信、计算机及软件业等数字经济产业的前期发展通常需要较大规模的人力资本、资金等资源要素投入,同时新型数字基础设施建设也会产生较强的能源回弹效应和碳排放回弹效应,在一定程度上加重城市生态环境压力并造成绿色发展效率损失。城市对外开放水平提升对城市绿色发展效率产生显著的抑制性作用,基于经济距离和经济地理距离空间权重矩阵的抑制效应尤为显著,这说明经济距离邻近城市在引进外资过程中,通过环境规制逐底竞赛效应会带来更为明显的生态环境绩效降低,并在一定程度上支持了“污染避难所假说”,因此城市群在引进外资时,需要进一步提升环境规制强度并加强竞相向上的环境规制协同执行。基于地理距离空间权重矩阵的城市创新政策环境改善对城市绿色发展效率产生一定程度的抑制效应,在经济距离和经济地理距离空间权重矩阵下,城市创新政策环境优化对城市绿色发展效率产生较为微弱的正向激励效应。这表明地理邻近城市之间因行政区划带来的市场分割制约了创新资源要素的有序流动和有效配置,并在一定程度上抑制了城市群绿色发展效率,经济距离邻近城市之间更容易通过创新资源要素的交流互动和优化配置形成城市群绿色发展效率协同提升的空间格局。

(二)八大城市群绿色发展效率的空间β收敛分析

表6报告了基于经济地理距离空间权重矩阵的八大城市群绿色发展效率的空间条件β收敛估计结果。观察表6可知,从空间自回归系数ρ来看,仅有长三角、中原、成渝城市群绿色发展效率存

表6 八大城市群绿色发展效率的条件β收敛检验

在一定程度的正向空间相关性,其余城市群ρ均为负值,表明这些城市群内部城市绿色发展效率存在较为显著的竞争关系。观察空间收敛系数β可知,八大城市群中仅有关中平原城市群β系数为正值,说明该城市群绿色发展效率呈现微弱的发散趋势,其原因可能在于关中平原城市群多以资源依赖型城市为主,并且面临着较为严峻的生态环境能力,同时单中心空间组织结构对城市群整体绿色发展效率提升产生一定的阻滞作用,中心城市和次级城市绿色协同发展进程较为缓慢,使得各城市绿色发展效率的地区差异较为显著,难以在短期内形成绿色经济效率增长的趋同。其余七大城市群绿色发展效率的β系数在不同显著性水平上均为负值,表明这些城市群的绿色发展效率均存在不同程度的俱乐部收敛趋势,即各城市群内部城市的绿色发展效率均呈现趋同于各自稳态水平的演进特征。从收敛速度s和半生命周期τ对比看,京津冀和珠三角城市群绿色发展效率具有较快的收敛速度以及更短的半生命周期;中原、成渝、哈长和长三角城市群绿色发展效率呈现中等收敛速度和较长的半生命周期;长中游城市群绿色发展效率的收敛速度相对更慢,半生命周期相对更长。

六、研究结论及政策建议

本文利用超效率SBM-Luenberger生产率指数模型实证测算中国八大城市群绿色发展效率及其分解,采用Kernel核密度估计方法揭示了八大城市群绿色发展效率的分布动态演进特征,利用动态空间SDM模型识别了八大城市群绿色发展效率的空间收敛机制。主要研究结论如下:第一,考察期间八大城市群整体及各城市群的绿色发展效率年度均值均表现出不同程度的负增长,且四类分解对各城市群绿色发展效率的贡献程度呈现显著的区域异质性。京津冀和长三角城市群绿色发展效率年均负增长主要由技术进步水平下降、技术效率恶化和规模效率下降所致;珠三角和关中平原城市群绿色发展效率年均负增长主要由技术效率下降和环境技术边界趋近CRS引起的负向作用所致;中原、成渝、长中游和哈长城市群绿色发展效率年均负增长主要由技术进步水平下降和规模效率降低所致。第二,八大城市群整体及各城市群绿色发展效率的核密度曲线均表现出向右偏移、单峰为主和趋于收敛的变动特征,表明考察期内八大城市群整体及各城市群的绿色发展效率均呈现波动性上升、空间差异趋于缩小的演进趋势和较为均衡的空间分布特征。第三,八大城市群整体绿色发展效率呈现显著的空间条件β收敛特征,八大城市群中仅有关中平原城市群绿色发展效率呈现微弱的发散趋势,其余七大城市群绿色发展效率均存在不同程度的俱乐部收敛趋势。

基于上述研究结论,提出如下政策建议:第一,强化技术创新对城市群绿色发展效率提升的核心驱动功能,增强城市群绿色高质量发展的内生动力。城市群绿色发展效率提升应充分结合各城市群的战略定位、发展模式、规模等级和空间结构等异质性特征,因地制宜建立优化与城市资源要素禀赋、环境承载能力和经济发展水平等相适应的技术创新体系,以充分激发城市群技术创新活力,全面提升区域创新水平和创新效率,不断提高技术创新对城市群绿色发展效率的贡献率。同时,通过优化技术创新体制机制推动创新资源要素跨区域流动配置,增强城市群协同创新能力和创新绩效,缩减城市群间及城市间技术创新的梯度差异,为城市群绿色协同可持续发展注入内生动力。第二,充分发挥“有为政府”和“有效市场”的作用合力,提高技术效率、规模效率对城市群绿色发展效率的贡献程度。充分发挥市场机制在资源配置中的决定性作用,同时强化政府治理效能,为城市群绿色发展效率提升提供良好的市场环境和制度保障,有效消除要素市场化配置的市场分割和制度壁垒,推动资源要素有序流动和优化配置,全面提高要素利用效率、技术效率及规模效率对城市群绿色发展效率的贡献程度。同时,平衡协调城市群在资源开发、生态保护与经济可持续发展之间的关系,综合改善城市群高质量发展进程中的资源效率、环境效率和经济效率,进而推动城市群绿色全要素生产率增长。第三,分类推进城市群空间治理,强化城市群之间的空间联动机制,有效缩小城市群绿色发展效率的空间差异。一方面,紧密结合国家重大区域战略规划,因群施策、分类推进各城市群空间治理,在充分释放京津冀、长三角、珠三角等世界级城市群示范引领作用基础上,持续加大对关中平原、长中游等后发城市群绿色低碳发展的政策扶持,健全八大城市群在生态联保共治、科技协同创新、产业分工协作等区际联动机制,不断缩小各城市群之间绿色发展效率的区域差异。另一方面,全面优化各城市群内部空间布局,在充分释放中心城市资源集聚效应、辐射带动效应的同时,有效发挥中小城市的承接疏解效应、规模借用效应,通过强化不同等级城市间的协调联动机制,加快形成大城市与中小城市优势互补、功能协同的城市群一体化空间格局,以缩小城市群内部绿色发展效率的空间差异。

注释：

①陈昌兵(2020)测度的分省市、分年度的可变折旧率考虑了技术进步引起的经济折旧,使其具有更强的现实解释力,其时间跨度为1990—2015年,对于2016—2019年的资本折旧率则统一沿用2015年数据。