人口—产业协同集聚与绿色经济效率——基于2004—2021 年中国233 个地级城市的实证分析

李 娜，马晓钰，葛纯宝

（1.新疆大学 新疆创新管理研究中心，新疆 乌鲁木齐 830046；2.新疆大学 经济与管理学院，新疆 乌鲁木齐 830046；3.安徽财经大学 合肥高等研究院，安徽 合肥 233030）

一、引言

我国过去的经济增长是明显的粗放型增长模式，一些地区依靠大量资本、劳动力和能源等要素投入片面追求GDP 总量，忽视了资源约束和环境成本。党的二十大报告指出，要推进美丽中国建设，统筹产业结构调整、污染治理、生态保护、应对气候变化，协同推进减碳、减污、扩绿、增绿，促进生态优先、保护优先、集约、绿色、低碳发展。

鉴于中国区域差异明显，测量和评估不同地区绿色经济效率(GEE)水平的分布及其变化趋势，是解决上述问题的前提。已有学者提出，产业集聚能促进经济效率[1]，调整环境监管政策能消除集聚造成的拥堵效应。产业集聚的影响在经济发展早期阶段具有促进作用，但在达到一定水平后将转为抑制作用。例如，东北产业集聚与绿色经济发展间具有“U”型关系[2]，人口集聚在上述过程中起促进作用[3]。此外，产业集聚也是影响绿色经济效率重要因素。较多研究单独从两个方面研究，忽视了人口集聚和产业集聚之间的相互作用关系及其对绿色经济效率的影响。人口—产业协同集聚是指具有高度相关性的异质产业和人口在空间上表现出相互依赖的现象[4]。某一地区产业集聚水平提升会产生更多知识技能，促进不同技能劳动力信息交流[5]，但如果两种集聚不匹配就难以发挥高技能人力资本集聚的知识外溢效应。那么实际中，人口—产业协同集聚会对绿色经济效率产生何种影响？

文章边际贡献在于：一是从人口—产业协同集聚这一新视角研究其对中国绿色经济效率的影响。二是文章采用能够解决模型不确定性问题、充分反映观测数据信息的BMA 方法，估计人口—产业协同集聚对绿色经济效率的影响，能够克服单一模型设定偏误和信息流失带来的估计偏差问题。三是文章发现，人口—产业协同集聚与绿色经济效率呈倒“U”型关系，而且这种影响在不同地区、不同时期、不同地理距离下有明显差异。并且专业化协同集聚和多元化协同集聚的倒“U”型关系在影响程度上有所不同。

二、理论分析

绿色经济效率是基于资源投入和环境成本考虑，对一个国家或地区投入要素的经济效率的综合表征。多数学者采用数据包络分析(DEA)方法和随机前沿分析(SFA)进行研究，已有研究指出当前中国各省份的绿色经济效率趋于改善。部分学者认为中国绿色经济效率受产业集聚、人口集聚、环境监管、人力资本、运输成本、外国直接投资的影响[6，7]。其中，环境监管对绿色经济增长有积极影响[8]，技术创新在推动绿色经济发展方面发挥着重要作用，而人力资本和外国直接投资也有着重要作用[9]。

人口—产业集聚的协同效应可通过人力资本、知识溢出、成本降低和拥挤效应影响绿色经济效率。人口—产业协同集聚是区域产业的空间聚集，该过程往往伴随人口或劳动力跨区域及行业流动，通过正式或非正式交流加强知识和技能交流和传播，促进技术创新和相关产业的进步。此外，人口—产业协同集聚能通过相关上下游产业“干中学”降低上下游产业的中间投入成本。随着协同集聚程度提升，形成的拥挤效应会造成污染和废物排放，抑制绿色经济效率改善。

三、中国绿色经济效率时空演化的评价

1. 绿色经济效率测度方法

数据包络分析(DEA)是利用数学规划方法根据统计数据确定生产前沿面，从而推断决策单元(DMU)效率高低的非参数测算方法[10]。DEA 具有不需考虑函数具体形式等优点被广泛使用，文章参考Tone(2001)[11]和田光辉等(2022)[10]的测算方法测算中国城市绿色经济效率。构建非期望产出SBM-DEA 模型如下所示：

其中，ρ∈(0，1)为绿色经济效率值，S-、Sg、Sb分别为投入、期望产出和非期望产出的松弛量；x、yg、zb分别为投入、期望产出和非期望产出值；m、S1、S2分别为投入、期望和非期望产出的要素个数；X、Yg、Zb分别为投入、期望和非期望产出对应的矩阵；λ 为权重向量。当且仅当S-=Sg=Sb=0，ρ=1 时决策单元为有效，若ρ<1 则无效。文章参考田光辉等(2022)[10]的研究，根据投入冗余度=S-/x，期望产出不足=Sg/yg，非期望产出冗余=Sb/zb计算上述线性规划方程。文章测算对象为2004—2021 年中国233 个城市绿色经济效率。

2. 中国绿色经济效率的时变特征

文章测算了2004—2021 年中国233 个城市绿色经济效率水平如图1 所示，可见，2004—2021 年中国绿色经济效率呈现阶段性变化且稳定程度趋于下降。2008 年金融危机前，中国经济效率水平呈现波动式先降后升态势，其后出现先降后生再降再升等波动变化趋势，2019—2021 年逐渐稳定在1.120 左右水平。2004—2008 年，中国绿色经济效率水平从1.157 先降到2006 年0.970，其后出现短暂上升，2009 年升至局部最高点1.134。2009—2019 年，中国绿色经济效率出现波动变化，区间最大值和最小值分别为1.265 和0.857，上升和下降幅度不等。通过比较不同阶段可以发现，2008 年国际金融危机后中国绿色经济效率水平受到国际市场冲击的影响，绿色经济效率稳定性趋于下降。上述分析表明中国经济效率呈现“先降后升、波动变化”趋势，资源能源的利用效率水平相对不高且缺乏稳定性。

图1 中国绿色经济效率变化情况

进一步将样本划分为东部、中部和西部地区，图2 显示了2004—2021 年东部、中部和西部地区绿色经济效率变化情况。可见，中国东部、中部、西部地区城市绿色经济效率呈现“先降后升、波动变化”迹象，但幅度有所不同。从绝对值看，东部地区绿色经济效率水平整体高于中部、西部地区。从变化趋势看，东部地区绿色经济效率水平在波动中趋于上升。东部地区在劳动力、资本和资源能源的利用效率相对较高，绿色经济发展水平较高，而中部、西部地区在这些要素的利用效率方面亟待改进，以期扭转当前效率低下的基本局面。

图2 不同地区城市绿色经济效率变化情况

3. 中国绿色经济效率的地理分布演化

文章采用ARCGIS 软件绘制了2004 年、2009 年和2021 年中国城市cgee 空间分布图（版面限制，留存备索）。经分析，2004 年中国城市绿色经济效率呈“点状星”和“低水平连续”分布模式。绿色经济效率较高的城市分布比较分散，较低城市显示出连片聚集特征，且多数城市的绿色生产效率处于最优生产前沿之外。2009 年绿色经济效率水平相对较高的城市范围由“点星”格局逐渐分化，相对中低水平的城市的地理分布趋于分散。2021 年中国大部分城市的绿色经济效率水平集中在0.95~1.19 之间，中部和东部地区的一些城市绿色经济效率值为1.18~1.42。上述分析表明，中国城市绿色经济效率显现出明显的中西部集聚特征。总之，中国的绿色经济效率水平呈现出从“点状星”和“低水平连续”到“分散”和“大集群”的变化，中国绿色经济效率的空间异质性在逐渐降低。

四、计量模型与数据说明

1. 计量模型与估计方法

（1） 模型设定

根据人口—产业协同集聚会对绿色集聚效率产生倒“U”型作用机制，文章构建如下动态模型：

其中，cgeeit为i(i=1，2，…，233)城市t(t=2004，2005，…，2021)年绿色经济效率，lcgeeit为绿色经济效率滞后项。ppvs、ppvs2分别为人口—产业协同集聚及其平方项。Z为控制变量，包括产业结构is、地方政府干预gov、人口密度emdensity、对数化人均生产总值lnpgdp、对数化科技经费支出lnte、对数化外商直接投资lnfdi和环境规制er。γi、δt分别为个体和时间固定效应，εit为误差项。

（2） 估计方法

为克服控制变量选取主观性可能引致的模型不确定性，文章采用贝叶斯模型平均法(BMA)[12]估计上述模型。该方法主要优势在于在统一框架下，统一考虑该变量纳入的子模型与未纳入的子模型的情况，根据数据特征将不同子模型赋予不同权重从而确定该变量的重要性与否。BMA 法将所有变量组合而成的子模型集合都纳入考量，减少了信息损失风险。

模型(3)的简约式如下：

M1，M2，…，Mk分别为由不同变量组合所构成的不同子模型（共1024 个）。首先，假定真实模型和控制变量系数概率均未知，设定先验模型和参数概率分布；然后，基于数据D驱动，计算各子模型及其控制变量后验包含概率(PIP)。

其中，p(Mk)为模型先验密度或分布概率，下θk先验密度，是似然因子，θk为Mk参数向量。p(D为模型Mk综合似然值，采用高维积分计算得到。最后，再将控制变量按照各子模型估计系数和子模型PIP 进行加权，从而得到模型空间中各控制变量PIP、后验系数μ 和后验标准差σ 如下所示：

BMA 法是以各变量PIP作为在不确定条件下各控制变量重要性的概率证明的衡量标准。根据Kass 等(1995)[13]和于津平、葛纯宝(2023)[14]的研究，若变量PIP<50%则不重要，50%

（3） 变量选取与数据说明

第一，绿色经济效率cgee。测算过程与方法如前所述。

第二，人口—产业协同集聚ppvs及其平方项ppvs2。参考Ellison&Glaeser(1997)[4]的研究，构建人口—产业协同集聚指数，计算公式如下：

其中，magi和psgi分别为i城市人口区位熵指数和产业区位熵指数，Pmi、Pm分别为i城市m产业从业人员和全部从业人员，Pi、P分别为i城市群全部产业从业人员和所有城市全部从业人员。ppvsi为人口—产业协同集聚指数，指数越大说明人口与产业协同集聚程度越高，人口集聚和产业集聚的协同程度越高，反之则越低。在指标处理上，为消除量纲影响，式(9)和式(10)分别采用x′=(x-xmin)/(xmax-xmin)（xmax、xmin分别为2004 年的最大值和最小值），进行正向化和标准化处理。

第三，控制变量Z。参考Li 等(2022)、Guo 等(2022)[1，2]的研究，is用第二产业和第三产业的产值占GDP 比例表示，gov由地方政府财政一般预算支出占GDP 比例衡量，emdensity用城市常住人口和总面积比例衡量，lnpgdp以名义GDP 为基础，用2000 年基期GDP 指数进行平减。lnte用研发支出存量占GDP 比例表示。lnfdi用对数化的外商直接投资实际交易额表示，并按当年美元/人民币的中间价折算。er以“三废”产品综合利用产值占GDP 比重衡量。各变量数据来自历年《中国城市统计年鉴》《中国区域经济统计年鉴》、各城市的统计年鉴和城市统计公报。

五、实证结果分析

1. 基准结果分析

BMA 法估计的PMP 较高的前250 个子模型的变量规模概率和变量后验系数分布情况如图3 所示。由图3 可知，变量数均值约为5~6 个，但根据观测数据进行拟合后，子模型后验概率呈偏峰状，变量数均值约4 个，两种概率分布呈现明显差异，说明式(3)中的核心变量和控制变量对因变量的重要性并非等同，大约只有4 个变量发挥了重要作用，其余变量的作用相对较小。从图3 变量系数符号分布可知，cgee滞后期、ppvs2、is和gov后验系数均为负，其余变量为正或0，其中大约只有4 个变量在0~0.99、0.27~0.99 和0.37~0.99 累积分布概率上系数均不为0，进一步证明了上述结论。

图3 不同子模型对应变量规模累积分布和变量后验系数分布

由表1 列(1)、列(2)可知，lcgee后验包含概率为100%，后验系数显著为负，说明中国绿色经济效率变化过程存在负反馈效应。依靠政府投资和要素投入推动经济增长的模式产生了大量环境污染问题，难以在短期内实现经济效率的显著提升，因而存在负反馈效应。ppvs及其平方项ppvs2对应PIP分别为59.1%和81.2%，后验系数分别为-0.031、0.032，表明中国绿色经济效率和人口—产业协同集聚之间存在明显的倒“U”型关系。随着中国地区人口—产业协同集聚水平的提升，绿色经济效率表现出先提升后下降的现象。人口—产业协同集聚通过增强异质性产业间的垂直关联和纵向关联，产生共生经济效应以及推动资源集中消耗和污染物集中治理，提升资源配置效率，从而促进绿色经济效率提升。当超出最优临界值，人口—产业协同集聚会产生拥塞效应，抑制资源配置效率提升[16]。此外，表1 列(3)~列(6)分别报告了静态模型的BMA 和单一模型下FE 和OLS 估计结果。可见，不纳入因变量滞后项时，ppvs2后验系数依旧显著为正。FE 和OLS 对应核心变量系数均为负与基准结果一致。因此，BMA 法考虑更为全面，估计结果更为可靠。

表1 全样本估计结果

2. 异质性分析

（1） 区域异质性

表2 列(1)~列(6)分别对应东部、中部和西部地区回归结果，可知东部、中部和西部地区人口—产业协同集聚与cgee之间存在倒“U”型关系，而且在拐点两侧，中部和西部地区效果更为明显。因此，在人口和产业集聚程度不高的中部、西部地区，仍可利用政策优势，吸引更多的高技能人口流入，提高人口—产业协同集聚程度，促进绿色经济效率提升。拐点右侧分析逻辑类似。

表2 异质性分析回归结果

（2） 时段异质性

2008 年金融危机爆发后，中国政府出台一系列刺激政策，通过基础设施建设提升经济，实际上这些政策通过影响私人部门投资进而影响了整体绿色经济效率。文章以2008 年金融危机为节点设置虚拟变量dumyear（2008 年及以后取1，之前取0），表2 列(7)、列(8)结果表明，金融危机的冲击恶化了中国绿色经济效率水平。

（3） 资源依赖异质性

相比于非资源型城市，资源型城市主要依靠煤、矿等自然资源推动经济增长，煤、矿等自然资源的开采、初步加工以及相关生产活动会对自然环境产生污染和破坏。文章依据国务院颁布的《全国资源型城市发展规划（2013—2020 年）》，将样本中的91 个城市以及这些城市在2013 年及其后的时段作为资源型城市虚拟变量(resource)进行估计。从表2 列(9)、列(10)结果可知，资源型城市相比于非资源型城市在推动城市结构优化和高质量发展中面临更多的资源禀赋约束，并且在绿色经济效率提升过程中存在资源禀赋路径依赖，所以资源型城市在促进绿色经济转型过程中面临更大的难度和挑战。

（4） 城市等级异质性

人口—产业协同集聚对绿色经济效率的影响可能存在城市等级差异，文章选择样本中的省会和四个直辖市作为虚拟变量pc进行回归。由表2 列(11)、列(12)可知，pc系数不显著，说明人口—产业协同集聚的影响不存在城市异质性。

3. 不同协同集聚的差异化作用

产业集聚分为多样化集聚和专业化集聚[17]，所以，人口—产业协同集聚可以区分为人口—产业协同专业化集聚和多样化集聚两种类型，前者可通过知识溢出和信息交流，形成良好的集体学习和创新环境，影响绿色经济效率；后者能增强不同技术人员在正式和非正式合作和交流的机会，刺激产生创新思维，提高劳动生产率。表3 列(1)~列(4)分别报告了人口—产业协同多样化集聚pvs和专业化pss集聚的估计结果。分析可知，人口—产业协同专业化集聚对绿色经济效率的非线性影响强于多样化集聚。

表3 不同类型协同集聚和内生性检验结果

4. 内生性讨论及稳健性检验

文章使用1984 年中国城市邮局数和固定电话数以及城市起伏度作为人口—产业协同集聚的工具变量，分别进行两种2SLS 估计，结果分别如表3 列(5)、列(6)所示，核心变量系数显著。为克服bd 法的缺陷，文章将每次变量选取与否都赋予50%概率，然后再进行重新抽样(rev-jump)，确定各子模型变量组成[14]，结果如列(7)所示。可见，核心变量对应PIP及后验系数与基准估计较为接近。采用RIC 先验分布，结果如列(8)所示。可见，无论是哪种先验参数设定，核心变量PIP及后验系数均与基准结果一致。总之，文章结论稳健。

六、研究结论和建议

文章选取2004—2021 年我国233 个地级以上城市数据，测算并评价了我国绿色经济效率水平时空分布演化特征，在此基础上采用贝叶斯模型平均法(BMA)考察了人口—产业协同集聚对绿色经济效率的影响。结果表明：我国绿色经济效率水平呈现“先降后升、波动变化”趋势。以2008 年国际金融危机为界，我国绿色经济效率水平出现先降后升再降再升等波动变化趋势，资源能源的利用效率水平相对不高且缺乏稳定性。从地理上看，我国绿色经济效率呈现从“点状星”“低位连片”向“分散化”和“大面积集聚”格局转变，其中东部地区城市集聚程度明显高于中部、西部地区。东部地区对劳动力、资本和资源能源的利用效率相对较高，绿色经济发展水平较高，而中部、西部地区在这些要素的利用效率方面亟待改进，从而扭转当前效率下滑的基本局面。基于传统计量方法估计单一模型所带来的数据信息损失，造成估计结果偏误等问题，文章采用BMA 法在所有变量排列组合而成的模型空间中进行估计，该方法能克单一模型的不确定性和样本损失产生的估计偏差，因而存在参数估计上的优势。研究发现，人口—产业协同集聚与绿色经济效率之间呈现倒“U”型关系，此种效应在不同区域、不同时段和不同地理距离存在明显差异，其中专业化协同集聚对绿色经济效率的非线性影响强于多样化协同集聚。

根据上述研究结论有如下三点建议：第一，充分发挥市场机制作用，消除多种要素流动障碍，通过加强生态补偿机制多样化，提高人口与产业协同集聚与绿色经济效率之间的契合度。第二，西部地区应加快探索基于人口和产业协同集聚最优水平，深挖政策红利，提升经济发展质量。第三，政府要合理引导产业和人口的合理集聚，提升集聚协同性。根据不同行业特点和差异化需求，重点加快生物医药制造、航空航天、新能源和新材料等高新技术产业的国际竞争力，推动经济高质量发展和绿色转型。