中国绿色经济发展水平测度、动态演进及空间效应研究

汪 凌，邹建辉，刘淑敏

（1.华东交通大学 经济管理学院，南昌 330013；2.广西财经大数据重点实验室，南宁 530003）

0 引言

国内外关于绿色经济的研究主要从理论内涵[1]、评价测度[2—4]、时空演化[5,6]以及空间效应[7]等方面展开。Denona和Grdic（2020）[1]提出绿色经济旨在实现经济增长，佟贺丰等（2015）[2]指出绿色经济是以人与自然和谐共生为要素，实现经济发展、生态规模与社会公平和谐统一。评价测度研究包括绿色GDP 核算[3]、发展水平测度[4]、经济效率测度[5]。绿色经济发展时空演化包括投影寻踪模型法[6]、自相关分析[7]等。空间效应方面，如环境规制对绿色经济发展影响效应[8]；绿色经济绩效空间溢出效应[9]等。

学者们对绿色经济发展做了较多研究，但仍有一些不足，一是现有研究大多针对绿色经济评价测度和时空演变分析，缺乏对空间效应的深层次探讨；二是绿色经济发展水平指标体系不够全面系统，部分指标存在滞后，忽略了区域间的空间关联作用等。本文以我国30个省份2010—2020 年的面板数据为样本，运用空间计量经济学方法，实证分析绿色经济发展水平的空间效应。

1 研究设计

1.1 评价指标体系

结合绿色经济发展理论内涵，指标体系构建原则，本文构建中国绿色经济发展水平评价指标体系，如表1所示。

表1 中国绿色经济发展水平评价指标体系

1.2 研究对象与数据来源

本文研究对象主要包括我国30 个省份（不含西藏和港澳台）。主要数据来源于2011—2021年的《中国统计年鉴》《中国能源统计年鉴》等，部分数据来源于国家统计局公告数据等，样本期为2010—2020年。

2 中国绿色经济发展水平测度分析

2.1 测度方法

本文运用纵横向拉开档次法进行指标赋权，该方法充分利用客观数据信息。设我国绿色经济发展水平评价指标为x1，x2，…，xm。依据时间tk构造评价矩阵{xij(tk)}，对指标xij进行无量纲化处理，正向指标逆向指标。纵横向拉开档次法在计算指标权重时，将多个指标整合成一个综合价值评估指数，其综合评估函数为：

其中，wj为第j项指标权重。

纵横向拉开档次法计算评价对象间的差异性σ2=。其 中，W=(w1，w2，…，wm)T，Xk为n×m阶矩阵，为m×m阶矩阵。由此，将综合评价函数转化为非线性规划问题：

当W取矩阵H最大特征值的特征向量时，σ2为最大值。最后将W值代入yi( )tk中，计算出我国各省份不同年份的综合评价值。

2.2 测度结果分析

结合纵横向拉开档次分析法，测得2010—2020 年30个省份绿色经济发展水平测度值。为便于分析，将测度值扩大100 倍，如表2 所示。我国绿色经济发展水平总体均值呈现逐年稳定增长趋势；我国绿色经济发展水平不均衡，各省份之间差异较大，东部地区均值超过全国平均水平，中部地区整体差异相对较小，半数省份均达到全国平均水平；西部地区大幅度落后于全国平均水平，2020年仅四川、重庆两个省份达到全国平均水平。

表2 2010—2020年中国绿色经济发展水平测度值

3 全国及三大地区绿色经济发展水平动态演进

3.1 研究方法

Kernel密度估计是一种重要的非参数方法，广泛运用于地区差异评价及动态演变问题。设随机变量X的密度函数为f(x)，则在点x的概率密度估计函数为：

其中，N是样本量，xi为绿色经济发展水平测度值，xˉ为测度均值，h为带宽，K(·)为核密度函数。本文采用高斯核密度函数对我国绿色经济发展水平的分布动态演进进行估计：

3.2 结果分析

运用Kernel密度估计方法，刻画全国及三大地区绿色经济发展水平动态演变，如下页图1所示。（1）全国绿色经济发展水平动态演进。由图1（a）可知，2010—2020年我国绿色经济发展水平核密度曲线分布中心向右偏移，峰高略微下降，峰宽有所扩大，绝对差异呈扩大趋势。从分布位置看，四个主峰左偏，波峰形态由一个主峰逐渐演变为一主一侧两峰，侧峰形态愈加明显，存在一定梯度效应，且逐步呈两极分化格局。

图1 全国及三大地区绿色经济发展水平核密度曲线图

（2）三大地区绿色经济发展水平动态演进。由图1（b）可知，东部地区的核密度曲线逐渐右移，主峰峰值下降最为明显，峰宽明显增加，波峰由一个主峰演变为“双峰”分布格局，地区间离散程度不断加大，绝对差异呈扩大趋势，且两极分化现象愈加明显，地区间发展不平衡现象加剧。由图1（c）可知，中部地区的核密度曲线具有明显右移趋势，主峰高度经历了“下降—停滞”的演进过程，变化区间逐步扩大，曲线由一个主峰演变为“一主一侧双峰”分布状态，侧峰形态逐步趋于平缓。由图1（d）可知，西部地区的核密度曲线逐渐右移，主峰高度先上升后下降，曲线宽度呈现小幅收缩态势，随着时间的推移，西部地区两极分化现象逐渐消退直至消失。

4 中国绿色经济发展水平空间效应分析

4.1 研究方法

4.1.1 全局空间自相关

全局莫兰指数是一种检验区域整体是否具有空间相关性，即是否存在空间聚集性的指数。全局莫兰指数I(tk)为：

其中，n代表30个省份，yi(tk)、yj(tk)分别表示第i、j个省份第tk年的绿色经济发展水平，表示第tk年全国绿色经济发展平均水平，Wij为空间权重。

表3 2010—2020年中国绿色经济发展水平全局Moran’s Ⅰ

全局Moran’s Ⅰ值I(tk)∈[- 1，1]，当I(tk)＞0时，表示全国绿色经济发展水平存在空间正相关性；当I(tk)＜0时，表示存在空间负相关性；当I(tk)=0时，表示无空间自相关性。

4.1.2 局部空间自相关

局部莫兰指数是一种检验当区域整体存在相关性时，部分区域是否存在局部聚集性的指数。局部莫兰指数Ii(tk)为：

比较Ii(tk)值与Z检验值，可将全国分为H-H（高-高）集聚、H-L（高-低）集聚、L-H（低-高）集聚、L-L（低-低）集聚四种分布状态。

4.1.3 空间权重矩阵

空间权重矩阵是一种反映个体在空间中依赖关系的矩阵，本文以地理邻接空间权重矩阵（W1）、反距离空间权重矩阵（W2）、经济距离空间权重矩阵（W3），以及经济-地理距离空间权重矩阵（W4）反映个体之间的地理、经济之间的相互影响程度。

其中，dij为i省份与j省份的地理中心距离；xi为i省份的某项经济指标。本文以人均地区生产总值作为经济指标，表示i省份在样本期内的均值，xˉ表示全国在样本期内的总体均值。

4.2 模型构建与变量选择

4.2.1 模型构建

本文首先设定不含空间因素的普通面板模型：

其中，Git为被解释变量，i、t分别表示省份、年份，β0为常数项，β1为待估系数，Xit为解释变量，μit、λit分别表示个体固定效应、时间固定效应，εit为随机误差项。

其次，基于空间自相关理论分析，本文引入空间权重矩阵，构建空间滞后模型（SLM）、空间误差模型（SEM）与空间杜宾模型（SDM）：

其中，W为空间权重矩阵，ρ为邻近地区被解释变量对本地区被解释变量的影响，γ为邻近地区误差项对本地区被解释变量的影响，δ为邻近地区解释变量对本地区被解释变量的影响。本文采用LM检验法，判断选取空间计量模型。

4.2.2 变量选择

（1）被解释变量：绿色经济发展水平。运用前文测度得到的绿色经济发展水平值表征。

（2）解释变量：根据绿色经济发展相关理论，本文选取下列指标作为解释变量：①城镇化；②产业结构；③创新驱动；④外商投资；⑤互联网；⑥房地产；⑦失业人数，本文以城镇登记失业人数（万人）表示。

4.3 实证分析

4.3.1 空间自相关检验

选取空间权重矩阵W1、W2、W3、W4，得到2010—2020年我国绿色经济发展水平全局Moran’s Ⅰ，如表3所示。由表3可知，在空间权重矩阵W1、W2、W3、W4下，全局Moran’s Ⅰ均大于0，在1%水平内通过显著性检验，表明我国绿色经济发展存在显著正空间自相关性。

表4 所示为2010—2020 年我国各省份局部Moran’s I空间分布状况。2010—2020年，大部分H-H集聚区在东部地区，说明东部地区绿色经济发展水平普遍高于中、西部地区，并能有效带动周边省份发展。2020年，H-H集聚区新增湖北、湖南两省，表明H-H集聚区有向中部地区省份延伸趋势。L-L集聚区主要在西部地区，受经济基础、高端人才与科技发展等限制，西部地区绿色经济发展受阻，增长速度缓慢。从H-L 集聚区与L-L 集聚区变化可以看出，自2013年以来，四川从L-L集聚区分离，合并为H-L集聚区，表明四川省绿色经济发展水平逐渐形成由弱向强转变。L-H集聚区逐年缩小，从最初2011年的河北、河南、江西三省减少至2020年仅江西一省，表明江西绿色经济发展尚未得到有效提升。

表4 2010—2020年中国30个省份局部Moran’s Ⅰ空间分布状况

4.3.2 普通面板模型分析

表5 为全国及四大地区普通面板模型回归结果。从全国范围看，产业结构与失业人数分别在0.1%和1%的显著性水平上对绿色经济发展水平具有负向影响，创新驱动、外商投资、互联网具有正向影响。从东部地区看，产业结构与失业人数负向影响更大，创新驱动正面影响更明显。从中部地区看，互联网对中部地区抑制作用显著，这可能是因为，虽然中部地区“互联网+”新经济、新业态改变了传统的生产生活方式，但中部地区互联网经济发展处于瓶颈期，导致互联网发展不能显著提高绿色经济发展，甚至表现出一定的抑制作用。而对于西部地区，由于其经济落后且限于地理区位的影响，互联网的发展能够很好地带动当地农产品等绿色产品的销售，这在一定程度上会促进当地的绿色经济发展。

表5 普通面板模型回归结果

4.3.3 空间面板模型分析

运用LM 检验与Hausman 检验确定空间面板模型类型，如表6 所示。由表6可知，在地理邻接矩阵、反距离矩阵、经济-地理距离矩阵下，LM检验仅通过LM-lag检验与RLM-lag检验，选取SLM模型；经济距离矩阵通过LM-error检验与RLM-error检验，选取SEM模型。上述模型均通过Hausman检验，说明空间面板模型在1%显著水平上拒绝随机效应。

表6 LM检验与Hausman检验结果

下页表7 为全国绿色经济发展水平空间面板模型回归结果。由表7 可知，各变量回归系数均通过显著性检验，回归结果具有稳健性。具体来看，城镇化、创新驱动、外商投资、互联网对绿色经济发展具有正向影响，城镇化影响最显著。产业结构、房地产、失业人数对绿色经济发展具有负向影响，产业结构影响最显著，工业化对环境破坏造成负向影响，制约绿色经济发展。

表7 全国绿色经济发展水平空间面板模型回归结果

表8为我国东、中、西部地区绿色经济发展水平空间面板模型回归结果。由表8可知，东部地区的产业结构与创新驱动对绿色经济发展影响程度高于全国，中部地区的城镇化与互联网会抑制绿色经济发展；西部地区的城镇化、产业结构、互联网对绿色经济发展具有正向影响；产业结构在西部地区具有促进作用，在东、中部地区具有抑制作用。

4.3.4 空间溢出效应

下页表9 为绿色经济发展水平各影响因素的效应分解结果。三种空间权重矩阵的空间效应值差异变化不大，效应分解结果具有稳健性。城镇化、创新驱动、外商投资、互联网对绿色经济发展水平的直接与间接效应均显著为正，城镇化对绿色经济发展影响最大。产业结构、房地产、失业人数对绿色经济发展水平的直接与间接效应均显著为负，产业结构对绿色经济发展的负向效应最大，说明应合理优化产业结构，加快产业“绿色化”发展。

由下页表10可知，在三种空间权重矩阵下，各影响因素的间接效应结果趋同。西部地区城镇化对绿色经济发展的空间溢出效应要远高于全国，表明西部地区的城镇化对周边省份绿色经济发展具有促进作用，创新驱动对周边省份绿色经济发展水平的影响显著为负，这是由于当前西部地区绿色技术创新成果转化率低，一定程度上制约了绿色经济发展。

表10 东、中、西部地区绿色经济发展水平各影响因素的间接效应

5 结论

本文以我国30个省份2010—2020年的面板数据为对象，构建绿色经济发展水平评价指标体系；运用纵横向拉开档次法、核密度函数估计法、空间计量模型等，分析了中国绿色经济发展水平的时空演化及空间效应，结论如下：（1）我国绿色经济发展水平呈逐年增长趋势，各省份差异显著，东部地区两极化差异明显，中部地区发展明显落后，西部地区各省份差异不断缩小，整体存在显著的空间关联性。（2）从全国来看，城镇化、创新驱动、外商投资、互联网对我国绿色经济发展具有促进作用，而产业结构、房地产、失业人数具有抑制作用，各因素对绿色经济发展水平空间溢出效应均显著。（3）从三大地区看，东部地区的创新驱动与外商投资对绿色经济发展促进效应明显，中部地区的城镇化与互联网会抑制绿色经济发展，西部地区的产业结构对绿色经济发展具有正向影响，创新驱动对周边省份具有负向影响。