资源环境与高质量发展的耦合协调及空间关联——基于长三角城市群的数据分析

徐小鹰 陈 宓

(中南民族大学 经济学院,湖北 武汉 430074)

一、文献综述

经济与资源环境的关系是一个复杂的、棘手的问题,其研究随着社会经济发展需要和资源环境保护能力的变化而不断深入。学术界的相关研究,国外学者主要聚焦经济发展与资源环境的理论关系[1-2],构建纳入资源环境的经济增长模型[3-5],以及对环境库兹涅茨曲线的相关检验[6-7]等。中国于2017年正式提出“经济高质量发展”;近年来,国内学者对于资源环境与经济发展关系的研究,逐步转变为资源环境与经济高质量发展关系的研究。研究维度上,主要集中于资源环境与高质量发展协同推进的策略与路径[8],环境规制对高质量发展的影响[9-10],资源环境与高质量发展的耦合[11-12]。研究区域上,主要以黄河流域7个城市群和长三角城市群为对象。多数研究表明,为推进经济新常态发展,处理好资源环境与高质量发展之间的关系十分重要。研究方法上,一般采用熵值法计算各城市的资源环境指数与高质量发展指数;在此基础上,采用耦合协调模型揭示其协同关系[13-14],采用面板VAR模型考察两者间的交互响应[15],构建中介效应模型探讨环境规制下高质量发展的路径[9]。

资源环境与经济发展关系研究的成果虽丰,但仍需从以下方面进行拓展:一是区域研究少见空间分析,导致不够全面;二是对资源环境与高质量发展相互作用的研究较为薄弱;三是对长三角资源环境和高质量发展的研究较少,难以反映当下存在的新问题。笔者采用综合评价模型,对长三角城市群2006年至2019年资源环境和经济高质量发展水平进行时空定量分析。采用熵值法,测算出长三角城市群资源环境与高质量发展水平,利用耦合协调度模型,评价两者之间的协调度并对未来趋势做出预测;根据资源环境与高质量发展协调等级分析结果,运用空间马尔科夫链,从城市角度分析协调度的时空动态演变,以期为长三角城市群的资源环境保护和经济发展政策制定提供参考。

二、研究方法、指标体系

(一)研究方法

1.熵值法。在指标评估过程中,该方法可以根据每个指标值的变化所反映出的信息量,客观地确定权重大小。信息量越大,熵值越小,权重越大,反之则反。公式如下:ωj=

式中,ωj表示指标权重,Yij是将原始矩阵Xij标准化之后得到的结果,m表示年份,i表示i城市,j表示j指标。

2.耦合协调度模型。用于分析不同变量间的协调水平,构建步骤如下:

(1)耦合度评价。

式中,Ui≥0表示系统的评价值(以下或简称系统值,由各指标标准化后的值加权得到),C为耦合度,取值介于0-1,该值越大则表明两者的关联度越大,系统越有序;反之,则表示关联度越小,系统越无序。

(2)协调度评价。协调度模型可弥补耦合度对系统次序类型描述的不足,其计算公式为:

T=β1U1+β2U2+β3U3+…

(3)

(4)

式中,β1,β2,β3等代表权重,该值由专业知识而定,此处将所有分析项权重设为一致。D为协调度,C为耦合度,T为协调指标。从式(4)可以看出,协调度D∈[0,1],参考以往对耦合协调度等级划分[18],具体分类见表1。

表2 传统马尔科夫的转移概率矩阵E(k=3)

3.Kernel核密度估计。对于独立分布样本X1,X2,…,Xn,随机变量在点X的概率密度估计函数基本形式为:

(5)

式中,N为长三角26个城市;K为随机核函数,这里采用高斯核函数;h为密度估计带宽。

4.BP神经网络模型。该模型参照生物神经元系统原理,由输入层、隐藏层和输出层组成。信息的前向传播和误差的反向传播构成该非线性模型的学习过程,在给出一组输入模式时,该输入模式首先沿着输入层—隐藏层—输出层进行前向传播;如果输出结果不符合预期,则系统沿原路径返回错误,随即通过调整各层神经元的连接权重来减小误差信号,并且在误差达到一定范围之后立即停止学习,彼时可运用这一组最佳权重值进行预测[15]。

5.空间马尔科夫链。针对地理现象不同时期的连续属性值,马尔科夫链方法主要应用于该值的离散化处理,通常采用等级划分法,将数据划分为k种类型,通过测算各个类型的概率分布及其变化,将地理现象的演变过程近视为马尔科夫过程。用1×k的状态概率向量Et=[E1,t,E2,t,...,Ek,t]表示t时刻某类型的分布,而k×k的概率值为Nij的马尔科夫概率转移矩阵则用来表示整个事物的状态演变(见表3)。存在三种概率类型:拮抗、磨合和协调(简称LC,MC,HC),Pij表示从类型i转变为类型j的概率,其公式为:

表3 空间马尔科夫的转移概率矩阵N(k=3)

Pij=nij/ni

(6)

式中,nij表示初始时刻t类型为i,在t+1时刻类型为j的空间单元的总数;nij则表示所有空间单元类型为i的总数。

鉴于地理邻近带来的空间溢出会影响区域的经济发展[16],在传统马尔科夫链转移的概率矩阵基础上,将“空间滞后”条件分为k种类型并引入,则可以得到k个k×k的转移条件概率矩阵(见表3)。其中,矩阵中的元素Pki|j表示处在空间滞后为第k类的情况下,城市状态从i转移为j的概率。空间滞后的类型考虑了地理上邻近区域的影响,区域x的空间滞后Lagx是该区域邻接地理单元观测值的加权平均;公式如下:

(7)

式中,Lagx为区域x的空间滞后值;Y为区域y的观测值;空间权重矩阵Wxy表示区域x和区域y的空间关系;n为城市总个数。此处采用邻接原则定义空间关系,即地区不相邻值为0,相邻则为1。

还需对空间滞后效应进行假设检验,原假设为城市类型的转移相互独立,公式为:

式中,mij为传统马尔科夫转移概率;k为城市类型数量;mij(S)表示邻域类型为S的空间马尔科夫转移概率;Qb服从自由度为k(k-1)2的卡方分布;nij(S)表示邻域状态类型为S的空间马尔科夫转移的城市个数。

(二)资源环境与高质量发展的耦合关系及指标体系构建

1.耦合机理。“两山”理论为构建资源环境和高质量发展的耦合协调框架提供了理论支持。一方面,资源环境作用于高质量发展。区域资源环境的保护能有效提升居民整体的幸福感、社会福利和宜居共享程度,减少劳动力流出并吸引外来劳动力的流入,最终有利于地区经济协调发展;资源环境能够为经济的高质量发展提供充足的生产要素支撑,如资源利用效率的提升能催生出一批技术创新。另一方面,高质量发展反作用于资源环境。首先,高质量发展为资源环境保护提供经济基础,如为环境治理提供资金支持等。其次,经济增长能够推动产业发展,促进产业结构转型升级,加快实现地区产业结构合理化与高级化,进而提升地区环境质量;产业的升级改造能够提高生产要素利用率,从而减少资源型产品的消耗总量,有利于保护生态环境。可见,资源环境和高质量发展互为补充。

2.评价指标体系。围绕两个子系统建立相应的指标体系,并利用熵值法得到每个指标的权重(见表4)。

表4 综合评价指标体系

资源环境指标体系构建的依据在于:某一区域资源环境的优劣由区域内的资源环境现状所决定,而资源环境现状受环境破坏与修护两个动态过程的影响,环境质量则可以反映出动态过程中资源环境的变动情况。借鉴前人的研究[15],从状态-压力-响应的逻辑出发,从资源利用、环境质量、环境治理这三个方面,设立11个指标。资源利用方面,考虑人均水资源、耕地保有量及城市建设用地面积,选取此3个指标;环境质量方面,考虑固体、液体、气体的污染排放强度,选取3个指标;环境治理方面,考虑对固体、气体、液体污染物处理的情况以及环境保护投资额,选取5个指标。

高质量发展方面,部分学者从创新、协调、绿色、开放、共享五个维度(五大发展理念)来评判区域经济高质量发展状况[17]。笔者参考这种做法,共建立24个指标。(1)创新是实现高质量发展的重要动力,其指标涉及创新的投入和产出。(2)协调发展重点突出需求结构协调、区域协调以及产业结构协调。(3)绿色发展主要关注生产过程的“绿色化水平”、“绿色性水平”和“可持续性水平”。(4)开放发展主要衡量区域经济的对外开放水平。(5)共享发展注重社会经济发展的成果由全体民众在公平的原则下共享,因此该方面设立的指标主要用于衡量公共服务水平、人民生活质量。根据熵值法,得出系统层和指标层权重。

三、结果与分析

采用上述方法,计算得出2006—2019年长三角城市群资源环境指数与高质量发展指数和两者的耦合协调度及未来5年的预测值,分析协调度的空间关联性。

(一)资源环境和高质量发展指数的时序演变

运用熵值法,可得长三角城市群26个城市资源环境与高质量发展指数(见表5、表6);由此可见,长三角地区各个城市的资源环境与高质量发展指数总体呈上升趋势。其中,资源环境水平排在前五位的城市分别是:上海、杭州、常州、苏州、马鞍山。这些城市拥有相对丰富的能源、土地和水资源,且采取了改善资源环境的措施,如上海着力推进重金属企业排查,杭州采取五水共治的战略举措,常州开展了针对城镇污水控治的精准攻坚行动,苏州则对VOC采用手工采样源解析,马鞍山实行环境监理员制度等。资源环境排名后五位的城市分别是盐城、安庆、宣城、南通、滁州。其中,盐城因环境保护投资额较低导致其内源修复能力差,城市环境质量得不到较好的保障;安庆和滁州虽然矿产资源丰富,但工业能耗较高且忽视污染物的治理;宣城和南通所处区位不利于污染物的排放,因此环境质量较差。

表5 长三角城市群26个城市资源环境指数

表6 长三角城市群26个城市高质量发展指数

高质量发展指数排名前五的城市分别是上海、苏州、杭州、无锡、南京。由于这些城市技术创新发展迅速且对外开放度日益扩大,经济发展自然稳步提升;如上海自贸区和苏州工业园吸引了大量外资,杭州建设国际电商综合试验区,无锡拥有全国唯一的国家传感网创新示范区,南京推动创新成果转换率提高。排名后五的城市分别是宣城、盐城、滁州、池州和安庆,它们发展水平比其他城市低,创新动力不足,开发能力还有待进一步提升。

将各年指数绘制成图1。从中清晰可见,长三角城市群资源环境和高质量发展水平变化趋势总体一致,均呈上升态势。资源环境指数年均提高2.97%,高质量发展指数年均提升4.37%。

图1 长三角城市群资源环境与高质量发展指数时序演变

(二)耦合协调度的时空演变趋势

1.耦合协调度的时序演变。为了观察该耦合协调水平的时间变化规律,采用Kernel密度估计并做出三维图(见图2)。从该图可知,耦合协调水平呈现以下特征:第一,核密度曲线整体向右移动,表明协调水平在逐渐上升;第二,波峰峰值在轻微波动中上升,曲线左尾逐渐向中心收拢,右尾逐渐偏离中心且有拖尾趋势,波峰宽度逐渐收窄,说明处于初级协调水平的城市逐渐增多;第三,核密度曲线均呈“单峰”状,说明不存在多级或两级分化情况。

图2 长三角城市群资源环境与高质量发展耦合协调度

从表8呈现的耦合协调度数值可知:2006—2011年,两者处于勉强协调;2012—2019年,达到初级协调,两者关系目前处于磨合阶段,说明协同发展水平还有待提升。

目前,长三角城市群处于转型关键期,为了有效把握未来该区域总体资源环境与高质量发展的协同情况,有必要进行预测。现以2015—2019年为测试集,2006—2014年为训练集,构建BP神经网络模型,经过反复迭代演算,最终确定为9个神经元输入层,5个神经元输出层,1个隐含层。表7列出了2015—2019年测试结果及误差比较;相对误差均在3%以下,预测拟合效果良好。

表7 实际值与预测值比较

通过BP神经网络模型预测未来5年的耦合协调度;由表8可知,两者耦合度在2020年达到峰值,随后4年呈小幅波动状;协调度逐年上升,耦合协调类型从初级协调上升为中级协调,说明未来5年,资源环境与高质量发展的良性互动更加明显。

表8 整体耦合协调关系

2.耦合协调度的空间差异。根据表8,选取2006、2011、2016和2019年4个时间点,分析协调度的空间差异现象。由图3可知,协调度存在空间差异性,其中上海的协调度一直处于领先地位。2006年,长三角区域约有65%的城市处于勉强协调,19%的城市濒临失调,而只有上海、常州、苏州、杭州为“初级协调”;到了2011年,上海跻身中级协调,南京、无锡、宁波从勉强协调逐渐升至初级协调,盐城、池州和宣城从濒临失调转为勉强协调,其余城市的耦合度保持不变。“十二五”期间,由于《长江三角洲地区区域规划》《关于依托黄金水道推动长江经济带发展的指导意见》的出台,长三角地区的战略地位进一步突显。由2016年的空间分异图可知,“十二五”期间,长三角地区的资源环境与高质量发展协调愈来愈好,上海成为该地区首个达到协调良好的城市;江苏也有4个城市(苏州、扬州、镇江、泰州)的协调度上升一个层次,浙江省有6个城市(杭州、嘉兴、湖州、绍兴、金华、舟山)的协调度上升一个层次,其中苏杭态势良好,由初级协调逐步升至良好协调。而在2014年才被纳入长三角城市群的安徽省,虽初期耦合协调度仅为0.494,但2016年提升至0.579。该省有5个城市(合肥、芜湖、马鞍山、安庆、滁州)的协调类型开始转正。最后,从2019年的空间分异图可知,上海以0.885的高值独居“良好协调”之列,其次是以杭州为代表的7个城市处于中级协调,而安庆则处在勉强协调阶段,其余城市均为初级协调状态。

图3 耦合协调度空间分异

(三)耦合协调度的空间关联性

以上只是简单地刻画耦合协调度的时空变化趋势,未能反映其内在动态演变规律,而利用马尔科夫链能更好地呈现出该耦合协调度类型随时间变化的概率。根据耦合协调度的分类标准,存在3种概率类型,即拮抗、磨合、协调。其中,主对角线数值表示耦合协调度状态保持不变的概率,而非对角线的数值则表示耦合协调度向上或向下的概率。

笔者计算了协调度类型的马尔科夫转移概率矩阵。由表9可知:(1)主对角线的概率值均大于非主对角线,说明该耦合协调存在的拮抗、磨合和协调三个趋同俱乐部均具有较强的稳定性,且0.797为对角线上的最小值,说明该城市群至少有近80%的概率保持原有协调度类型。(2)在非对角线区域,主对角线右侧的数值较左侧大,说明该耦合协调度存在长期上升的趋势,这与前文分析结果相呼应。非对角线区域的数值均偏小,说明在相邻年份,城市的协调度类型突变的概率较小。(3)与主对角线不相邻的非对角线的概率均为0,表明耦合协调度的状态演变是一个持续漫长的过程,短期内难以实现跨越式突变(如拮抗→协调),与前文空间格局演变分析的结果相吻合。

表9 马尔科夫转移概率矩阵

将空间滞后条件与传统马尔科夫链转移概率矩阵关联,构建空间马尔科夫转移的概率矩阵,可剖析邻域背景对城市协调度转移的影响。据表10可知:(1)城市资源环境与高质量发展的耦合协调类型具有协同性。当邻域的类型为“拮抗”时,t时段处于该类型的城市为78,明显多于其他类型的城市数量;当邻域类型为“磨合、“协调”时,也具有该特征。(2)城市协调度的演变存在空间溢出效应,相邻的两个城市耦合协调度互相影响,如处于“拮抗”状态的城市,与“拮抗”、“磨合”和“协调”城市相邻,邻域为“协调”类型的城市向上的概率最大。然而,当某城市处于高协调类型、邻域为磨合和协调类型时,其保持原协调类型的概率更大,向下的概率更小。(3)与不同类型城市相邻时,某城市耦合协调度保持其自身类型不变的概率均大于其向上或是向下转移的概率。如,邻域类型为“磨合”时,从LC→LC,MC→MC,HC→HC的概率分别为0.8、0.836和1,均高于从初始类型转变为另外类型的概率。“俱乐部趋同”现象自此处显现,各种类型的时空演变具有惯性。

表10 空间马尔科夫转移矩阵

为验证在统计学意义上空间滞后效应是否显著,需要进行假设检验;假设城市的该协调类型的转移相互独立,与邻域状态类型无关。自由度为12,在α=0.1的置信水平下,Qb=19.964>x2(12)=18.549,不接受假设。

四、结论与启示

从上文分析中可得以下三点结论:第一,长三角城市群资源环境与高质量发展水平均保持上升趋势,但各城市水平参差不齐。第二,长三角城市群资源环境与高质量发展的耦合协调逐步改善,但不同城市的协调度不同。目前尚处在磨合期,未来五年将上升为中级协调。第三,耦合协调度存在空间溢出效应和时空惯性;与不同类型城市相邻时,城市耦合协调度保持其自身类型不变的概率均大于其向上或是向下的概率。

据此有以下政策启示:一方面,要在保证环境质量的前提下,加快产业结构的优化。长三角城市群的资源环境水平虽在不断提升,但仍存在短板;要在“不搞大开发,共抓大保护”的前提下发展社会经济,必须高效有力地推进高新技术产业和现代服务业发展,转变传统的粗放型经济增长方式,提高资源环境软实力。另一方面,探索跨地域的环境治理模式,促进城市群经济协同高质量发展。在推进区域一体化的大趋势下,将城市群内环境治理卓见成效的措施进行推广,将污染治理从城市层面上升到城市群层面,建立横向生态补偿机制,强化“三省一市”与城市之间统筹协调,共同防御跨区污染,探索跨区域管理模式,为全面提高长三角城市群合作质量和水平摸索经验。