2000—2014年中国区域生态效率测度及其时空差异

刘军，马勇，问鼎，童昀，任洁

1. 湖北大学旅游发展研究院，湖北 武汉 430062；2. 湖北大学绿色发展研究院，湖北 武汉430062；3. 中国科学院沈阳应用生态研究所，辽宁 沈阳 110016；4. 昆士兰大学商学院，澳大利亚 昆士兰州 布里斯班 4072

国家“十三五”规划提出绿色发展的理念，并将“生态文明”建设纳入其中。同年，国务院印发了《生态文明体制改革总体方案》明确提出建立生态文明绩效考核制度。因此，在绿色发展与生态文明建设背景下，科学测度区域生态效率将有助于各级政府准确把握区域生态文明建设状况，进而采取针对性的措施提升区域生态效率水平，推动各地区向绿色发展转型。

生态效率（Eco-efficiency）一词最早由德国学者（Schaltegger et al.，1990）等提出，他们认为生态效率注重考察经济活动对环境的影响。世界可持续发展工商理事会（WBCSD，1996）进一步拓展了生态效率的内涵。随后，国内外学者从多个视角对生态效率进行了研究。从研究方法来看，生态效率的核算方法大致沿袭两个思路。

第一类，借鉴WBCSD关于生态效率的定义，将生态效率的计算归结为产品或服务的增加值与环境影响的比值，其中，关于产品或服务增加值以及环境影响既可以是单个指标，也可以是一个指标体系。单一比值法是基于“产出/投入”的思想，其基本表达式源于生态效率等于经济价值与环境影响的比值。目前被普遍接受的计算公式由WBCSD提出：生态效率=产品或服务的价值/环境影响。由于单一指标暗含一个假 设前提，即所采用的指标是最优的，因而不适合进行复杂分析。指标体系可以综合反映投入产出的过程，适合进行大尺度、大区域层面的研究。Koskela（2015）对计算生态效率使用的指标体系进行梳理，认为被使用最多的指标是能源消耗、水消耗、温室气体排放、物质消耗等。

第二类，基于“投入产出”思路设定模型，再进行生态效率的计算，即模型法，其中使用较多的方法是数据包络法。模型法在处理多指标问题时具有一定优势。Lauwers（2009）回顾前人文献指出生态效率研究中有两类模型：一类是加入环境影响的生产率模型（environmentally adjusted production efficiency models），另一类是可以处理多个环境指标影响的前沿生态效率模型（frontier eco-efficiency models）。加入环境影响的生产率模型主要有两种，一个是有参数的，如随机前沿分析（SFA）；另一个是非参数模型，如数据包络分析（DEA）。

从研究内容来看，国外生态效率研究主要集中在生态效率的评价。评价研究最开始集中在公司层面、行业层面，而在区域层面的研究较少，如Côté et al.（2006）、Fernándezviñé et al.（2010）对中小企业生态效率问题进行了研究；Renata et al.（2017）对大型矿业公司的生态效率进行了研究；Chung et al.（1997）在引入方向性距离函数的基础上，加入生产指数后对 39家造纸厂的期望和非期望产出进行了研究。在行业层面，生态效率研究集中在工业、农业领域，其他行业涉及较少，如 Jollands et al.（2004）、Salmi（2007）、Hoffrén et al.（2009）对工业相关部门的生态效率进行了研究；Hoffrén et al.（2010）、Jan et al.（2012）对农业部门的生态效率进行了研究。而在区域层面，Wursthorn et al.（2011）尝试建立欧洲各国统一的生态效率核算统计框架；Gómez-Calvet et al.（2015）对欧盟27国1993—2010年的生态效率进行了测算；Camarero et al.（2013）用 DEA对欧盟国家温室气体排放的生态效率收敛性进行了研究；Mercedes et al.（2017）则利用Luenberger生产力指标对欧盟 2001—2013的环境生态效率进行了研究。从国内研究成果来看，生态效率研究主要集中在生态效率测度（杨斌，2009；路战远等，2010；王恩旭等，2011；潘兴侠等，2013；彭红松等，2017）、生态效率影响因素（罗能生，2013；潘兴侠等，2014；武春友等，2015）、生态效率与循环经济（诸大建等，2005，2008；韩瑞玲等，2010）等方面。在关于生态效率差异研究中，王丽琼（2009）引进基尼系数对区域的资源利用效率差异进行了分析；成金华等（2014）利用超效率DEA模型以及探索性空间分析方法对中国区域生态效率进行了测度并分析了空间差异。程翠云等（2014）基于单一指标法对我国农业生态效率进行了计算，并通过回归方程分析了其差异产生的影响因素。胡彪等（2009）采用非期望产出的 SBM 模型对中国区域生态效率进行测度，同时利用全局空间自相关和局部空间自相关分析了生态效率的差异。任宇飞等（2017a；2017b）从空间差异的角度分析了京津冀县域以及中国四大城市群生态效率差异。

基于既有文献的研究成果，本文拟从时间与空间两个视角分析区域生态效率的差异，同时利用泰尔指数测度区域生态效率空间差异产生的来源，即生态效率的空间差异到底是来源于区域间还是区域内。

1　研究区域与研究方法

1.1　研究区域概况

本文研究区域涵盖中国除港澳台地区及西藏以外的所有区域（3°51′～53°33′N，73°33′～135°05′E），共计30个省级行政单元，国土面积840.6万平方公里，占全国国土面积的87.25%。这30个省级行政单元按照国家统计局的划分通常分为东部地区、中部地区与西部地区。其中，东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。由于港澳台地区统计体系与内地不一样，同时西藏自治区由于缺乏较多指标，因而上述区域不纳入研究范围。本文研究数据均来源于《中国统计年鉴（2001—2015）》、国家统计局数据库（http://data.stats.gov.cn/）以及大气成分分析组织（http://fizz.phys.dal.ca/～atmos/martin/）。

1.2　研究方法

1.2.1数据包络法

数据包络法（Data Envelopment Analysis，DEA）由Charnes et al.（1978）提出，它以投入为导向，假设规模收益不变，故该模型被称为规模报酬不变模型。由于CRS模型假定所有的决策单元（DMU）处于最优规模，这在现实中几乎是不可能的，因此Banker et al.（1984）提出了规模报酬可变模型。但是，当各个决策单元效率接近时，DEA模型的有效区分度将大大降低（廖虎昌等，2011），其所测度的结果将有多个决策单元位于生产前沿面。此时，需要通过超效率的方法来进行区分，本文将使用超效率对中国各地区生态效率进行测度，并分析其生态效率的差异性。

超效率在对决策单元进行效率评价时，无效决策单元的效率值与 DEA测度得到的结果一致；对于有效的决策单元，即位于生产前沿面的决策单元，在保持其效率值不变的前提下，投入按比例增加，将投入增加的比例称为超效率值；由于有效决策单元的生产前沿面后移，因此得到的有效决策单元的效率值大于1（王金祥等，2008）。超效率的数

学模型如下式所示：

1.2.2Malmquist指数

Malmquist指数最早由瑞典经济学家Malmquist提出（Malmquist，1953），但直到1982年，Malmquist指数才开始被广泛应用于全要素生产率（TFP）的测度。DEA方法测度得到的是静态效率值，不能反映出生态效率变化率的情况，而Malmquist指数利用距离函数可反映出每个决策单元的变化率（章祥荪等，2008），因此本文将应用Malmquist指数来反映不同年份各个地区生态效率TFP的变化率，其数学表达式如下（Ray et al.，1997）：

式中，xt、yt分别表示t时期决策单元的投入向量与产出向量；Dt(xt, yt)、Dt+1(xt+1, yt+1)分别表示以t时期为参照，决策单元在t、t+1时期的距离函

数；M则表示决策单元生产效率的动态变化率。

1.2.3泰尔指数

泰尔指数（Theil index）源于1967年Theil利用信息理论中的熵概念计算收入的不平等程度（Theil，1967）。相比于变异系数、标准差等测度不平等程度的方法，泰尔指数由于不平等程度可分解，且能应用于不同空间尺度，即泰尔指数所测度到的区域差异可以分解为区域内差异与区域间差异，因此该指数被学者们广泛应用于区域差异的测度，如陈秀山等（2004）、冯长春等（2015）利用泰尔指数测度了中国区域经济发展之间的差异。泰尔指数的表达式如下（康晓娟等，2010）：

式中，n为地区数；yi为第i个地区的GDP占全国GDP的比例；Ei为第i个地区的生态效率占全国各地区生态效率值总和的比例。

将式（3）进行一阶分解，分别得到式（4）～（9）：

式中，TBR表示区域间生态效率差异；TWR表示区域内生态效率差异；Te、Tc、Tw表示东部地区、中部地区和西部地区生态效率差异；GDPe、GDPc、GDPw表示东部地区、中部地区和西部地区国内生产总值占全国国内生产总值的比例；Ee、Ec、Ew表示东部地区、中部地区和西部地区生态效率值占全国各地区生态效率值总和的比例。

1.2.4空间相关性

本文空间分析主要为全局空间自相关。它是测度空间上某一要素与其邻近空间的要素是否存在显著关联的指标，用莫兰指数（Moran’s I）来表示（Moran，1950）。本文用莫兰指数来测度中国各区域生态效率是否存在显著的空间差异性，其计算公式如下：

1.3　指标选取与数据处理

1.3.1指标选取

从国外既有研究现状来看，能源消耗、水消耗、温室气体排放、物质消耗等几类指标是使用最多的环境影响指标（Koskela，2015）。从国内既有的研究现状来看，生态效率测度一般从资源、环境两个维度进行。资源维度主要包括水、土地、劳动力、资本以及能源；环境维度主要包括工业“三废”。本文在借鉴诸大建等（2008）构造的度量我国循环经济生态效率指标体系和任宇飞等（2017b）构建的生态效率评价指标体系基础上，进行适当增减，结果见表 1。根据生产函数，投入要素包括资本、劳动力、水、能源和土地，产出则包括经济产出和环境产出。其中经济产出由国内生产总值、第三产业增加值与一般财政预算收入组成；环境产出则由废水排放量、COD排放量、二氧化硫排放量、烟粉尘排放量、固体废弃物排放量和PM2.5组成。

表1　生态效率评价指标体系Table 1　Evaluation index of eco-efficiency

1.3.2数据处理

本文对区域生态效率的测度对象为不含港澳台地区和西藏自治区在内的 30个省级行政单元，测度时间为2000—2014年。表1中的指标除PM2.5外，其他指标原始数据均来源于《中国统计年鉴》。由于采用的是跨时期数据，有必要对相应的指标进行处理，如国内生产总值和固定资产投资额。根据GDP平减指数以及固定资产投资指数，将GDP及固定资产投资换算成以 2000年为基期的数据。PM2.5的数据来源于大气成分分析组织（ACAG）对全球PM2.5的解译图像，通过ArcGIS 10.5进行处理，得到2000—2014年中国各地区PM2.5值，其中，天津、山东、江苏、河南、安徽、上海、北京、河北的PM2.5均值超过40 μg·m-3，位于中国前列。由于环境产出为逆指标，在使用超效率 DEA模型进行计算时将其作为投入要素进行处理。

2　结果与分析

2.1　生态效率测度结果

2.1.1全国层面生态效率

根据式（1）与表1得知，xij表示第i个省份j年的投入要素（资本、劳动力、能源、土地、水）的向量矩阵，yij表示第i个省份j年的环境产出与经济产出向量矩阵，分别表示x、y矩阵ijij的松弛变量，θ为求得的超效率值。使用EMS 1.3软件对全国30个省级行政单元2000—2014年生态效率进行测度，结果见图1与表2。

图1　2000—2014年全国及东中西部地区生态效率值Fig. 1　Value of national eco-efficiency and regional eco-efficiency from 2000 to 2014

中国生态效率整体呈现出 U型曲线的变化趋势，其中2000—2006年生态效率逐年降低，生态效率从0.769下降至0.570。2007年开始呈现上升趋势，至 2014年生态效率为 0.920。2009年则由于金融危机的影响，生态效率出现了下降。中国生态效率的变化趋势与EKC曲线理论的思想基本吻合，表明随着经济的发展，中国的生态效率实现了先下降再上升，以牺牲环境为代价的经济增长方式得到改变，这基本符合中国实际情况，同时中国正处于生态效率上升阶段。随着国家对生态文明的高度重视以及生态投入的不断加大，中国生态效率还将不断改善。2000—2006年期间，各地区投入要素随着时间的变化都呈增加趋势，但是投入要素结构不合理导致部分投入要素的松弛量变大，如固定资产投资的松弛量逐年增加。同时，从环境产出松弛量来看，2000—2006年间，SO2、烟粉尘以及固体废弃物的松弛量都呈逐年增加趋势，这也对生态效率的下降起到了主要作用。由此可见，该阶段的经济发展方式存在较大的非效率性。2007—2014年期间，中国在经历2000—2006年经济的高速发展阶段后，2007年开始中国经济的宏观调控呈现“稳政策、调结构”的特点，同时中国也越来越重视经济的“又快又好”发展，因此该阶段的生态效率呈现上升趋势。

表2　2000—2014年各省生态效率值Table 2　Value of provincial eco-efficiency from 2000 to 2014

2.1.2区域生态效率测度结果

从东中西部地区生态效率的情况来看（见图1），东部地区生态效率均值最高，西部地区次之，中部地区生态效率状况最差。2000—2006年，东部地区生态效率逐年降低，由0.766下降至0.652；2007—2014年，东部地区生态效率逐年增加，由0.670增加至 1.017，增幅为 51.79%。产生这种结果的原因是由于 2000—2006全国经济发展处于粗放增长的模式，故生态效率持续下降。同时，东部地区从2006年转型后，由于地区经济发达，即使在经济危机影响的2009年，生态效率仍呈上升趋势，而中西部地区均出现了下降。2000—2009年，中部地区生态效率逐年下降，由0.878下降至0.504；2010—2014年，中部地区生态效率逐年增加，由0.565增长至0.763，生态效率仍低于2000—2002年。这表明中部地区的生态效率情况不容乐观，中部崛起任重道远。2000—2006年，西部地区生态效率逐年下降，由 0.692下降至 0.511；2007—2014年，西部地区生态效率总体呈现增长的趋势，由0.517增加至0.955，说明西部地区在区域生态环境治理、生态经济发展等方面有一定的后发优势。

从各地区测度的结果来看（见表2），内蒙古、广东、北京、上海生态效率均值超过 0.800，位于前列。北京、广东、上海一直以来都是经济发达地区，其在环境治理与保护方面的投入较多，产业结构调整较其他地区开展得早，从而使得三地的生态效率均值较高。另外，从北京、上海、广东生态效率的变化情况来看，上海的生态效率处于持续上升状态，由2000年的0.647持续增加至1.162，与全国以及东部地区的变化趋势均不一样。说明上海地区作为中国的经济中心，一直重视区域经济发展的生态效率。北京生态效率在 2000—2014年间，除2010年外，总体上也呈现增长趋势，表明北京在生态环境的治理上的投入也不断加大。2000—2014年，广东生态效率相对较为平稳，一直保持在0.893～1.126之间，表明该地区具有较好的生态与经济优势，区域生态效率较高。内蒙古的生态效率在2000—2003年间呈现下降趋势，2004—2014年呈现上升趋势，与全国变化趋势相比，生态效率的波谷提前至2003年。2014年广东生态效率为3.365，明显高于全国其他省份，一方面是由于投入要素中固定资本投资、用水量投入冗余减少为 0，另一方面非合意产出中COD、固体废弃物冗余也减少为0。此外，内蒙古地区单位 GDP能耗也持续降低，这在一定程度上改善了区域生态效率。宁夏、青海、贵州 2000—2014年生态效率均值位于全国末尾。这3个地区一直处于中国经济欠发达地区，不论是产业结构、技术水平还是生态环境均没有比较优势，因而3个地区生态效率均值较低。其中，贵州2000—2003年生态效率处于持续下降阶段，2004—2014年则相对较为平稳。宁夏和青海的生态效率则呈现“下降—上升—下降—上升”的状态。

2.2　区域生态效率差异性分析

2.2.1区域生态效率差异的时间维度

进一步分析 2000—2014年生态效率的变动情况，引入Malmquist指数模型进行计算。根据式（2），xt、yt分别表示t时期各省级行政单元的投入向量（资本、劳动力、能源、土地、水）以及产出向量（环境产出、经济产出），M 表示各省级行政单元的生态效率 TFP的变化率。根据 Malmquist指数，Tfpch=Effch×Techch=Pech×Sech×Techch ， 其 中Tfpch表示全要素生态效率，Effch表示技术效率，Techch表示技术进步，Pech表示纯技术效率，Sech表示规模效率。

利用DEAP 2.1软件，计算得到表3、表4。从全国层面来看，全要素生态效率的变化来源于技术效率中纯技术效率、规模效率的变化以及技术进步变化的共同作用，其中技术进步起到主导作用。2000—2014年间，除2002—2003年全要素生态效率变化率下降了0.1%，其余年份全要素生态效率变化率均为正值，即表示后一年相对于前一年的全要素生态效率持续优化，且 2007—2008年、2010—2011年全要素生态效率变化率超过10%。技术进步在 2000—2014年间始终为正值，表明中国区域生态化生产、环境污染处理等技术不断提升，并且对全要素生态效率的增长起主要作用。同时也表明当前中国生态效率的改善主要来源于技术进步，技术效率与规模效率的改善还有较大的空间。从技术效率与规模效率来看，2008年之前两者相对于前一年均没有增长。2008年之后，两者部分年份出现了增长。这说明从 2008年开始，中国的全要素生态效率的增长由技术进步、技术效率与规模效率的变化引起，同时也表明 2008年后中国开始重视生态经济建设、生态环境治理等。

表3　2000—2014年全国各年份全要素生态效率Table 3　National eco-efficiency of TFP from 2000 to 2014

表4　2000—2014年全国各省域全要素生态效率Table 4　Provincial eco-efficiency of TFP from 2000 to 2014

从各地区的情况来看，2000—2014年北京、上海、浙江、江苏、山东、广东、四川、内蒙古、新疆生态效率TFP增长最大，年均超过了8%，表明上述地区在投入量不变的情况下，生态效率仍能增长的部分高于其他地区，即上述地区可能在技术进步、规模报酬、组织结构创新以及教育培训等方面优于其他地区。从生态效率TFP的分解情况来看，2000—2014年，各地区生态效率TFP的增长主要来源于技术进步，且北京、上海、浙江、江苏、山东、广东、四川、海南、云南、青海、内蒙古、新疆12个地区技术进步率超过8%，它们位于中国东部地区以及西部地区，而中部地区技术进步普遍低于6%，其中湖南、河南、湖北为中部地区最低。这主要是由于东部地区经济一直较为发达，技术创新、技术进步在全国具有明显优势，而西部地区得益于西部大开发战略，从东部引进了先进的技术，因而技术进步率最高的地区均位于东部与西部地区。中部地区虽然拥有较好的区位优势，但由于发展相对缓慢，技术进步率反而落后于全国平均水平。

2.2.2区域生态效率差异的空间格局

生态效率的差异性既表现在时间上，也表现在空间上。引入全局空间自相关的分析方法来判断2000—2014年区域生态效率是否存在显著的空间关系。利用 ArcGIS 10.5计算全局空间自相关Moran’s I，结果显示，除2000—2002年、2010年、2012年外，其他年份均未通过显著性检验，表明2000—2014年间大多数时期中国各区域生态效率均不存在显著的空间分布模式。同时也说明经济的发展程度与生态效率之间存在不平衡性，经济发达的地区并不意味着其生态效率较高；经济发展滞后的地区其生态效率也可能较高。进一步使用Geoda 1.6对 2000—2014年区域生态效率值进行Univariate Moran’s I检验以判断局部地区的生态效率聚集模式。通过计算，得到Moran’s I散点图。该图的第一象限表示高生态效率地区被高生态地区包围，即高高聚集（High-High）；第二象限表示低生态效率地区被高生态效率地区包围，即低高聚集（Low-High）；第三象限表示低生态效率地区被低生态效率地区包围，即低低聚集（Low-Low）；第四象限表示高生态效率地区被低生态效率地区包围，即高低聚集（High-Low）。

根据图2，2000年、2005年、2010年生态效率的莫兰指数散点大部分落在第一象限和第三象限，即生态效率处于高高聚集（High-High）和低低聚集（Low-Low），表明相邻地区多数存在着正向影响。而到2014年，生态效率的莫兰指数散点在1个、2个、3个、4个象限分布较为均衡，分别为9个、8个、9个和4个，表明部分地区已经较为明显地超过或滞后于周边地区的生态效率。从各个地区变动的情况来看，2000—2014年，江苏、福建、山东一直位于高高聚集（High-High），表明这3个省份及其周边地区生态效率一直位于中国生态效率的高值区；青海一直位于低低聚集（Low-Low），表明青海及周边生态效率一直位于中国生态效率的低值区；四川则一直位于高低聚集（High-Low），表明四川的生态效率在周边一直是“一枝独秀”，周边地区的生态效率一直较差。北京、上海分别由2000年的低高聚集（Low-High）迁移到高高聚集（High-High），表明两地的生态效率在2000年相对于周边地区较差。广东地区由高高聚集（High-High）迁移到高低聚集（High-Low），表明广东的生态效率自 2005年开始明显优于周边地区。新疆的生态效率则由 2000年的低低聚集（Low-Low）迁移到高低聚集（High-Low），表明新疆的生态效率相对于周边地区发生了改善，自 2005年开始，新疆生态效率明显优于周边地区。

2.2.3区域生态效率差异的空间分析

进一步对生态效率空间差异产生的原因进行分析，利用泰尔指数对生态效率地区间差异与地区内差异进行分解。地区间差异反映东中西部地区之间的生态效率差异，地区内差异则主要是否反映东中西部地区内部各省域之间生态效率的差异。按照泰尔指数分解的计算公式（见式3～9），计算得到东中西部地区生态效率的泰尔指数及泰尔指数分解结果（见表5）。东部地区各省份生态效率差异较大，中部地区次之，西部地区差异最小。东部地区生态效率在2000—2002年、2004—2010年呈现差距缩小的趋势，其余年份有一定波动，但总体上东部地区各省份之间生态效率差异变小了。西部地区的生态效率泰尔指数一直为负，这表明西部地区内部各省份之间生态效率差异较小，它们对全国生态效率的均衡起到了促进作用。中部地区的生态效率泰尔指数则由负变正，即由地区内的相对均衡变为地区内的不平衡，且 2007—2014年总体上呈现出中部地区各省份生态效率差异扩大的趋势。

从生态效率总的差异贡献情况来看，区域内差异对总差异贡献更大，2000—2014年间达到了62.85%～71.83%。区域间差异与区域内差异变化趋势几乎同步。区域间与区域内差异在 2000—2013年间，除2003—2004年、2010年外，总体上均呈现出差距缩小的趋势。这表明在该阶段，中国各地区随着经济的发展，生态效率也在逐渐趋于平衡。2003年由于“非典”的影响、2010年由于“金融危机”的影响造成 2000—2013年生态效率总体差异出现了扩大。而2012年11月开始，中国将生态文明纳入“五位一体”总体布局，各地区开始高度重视生态文明建设，部分地区生态文明发展快于周边地区，因此在2014年出现了生态效率总体差异扩大的情况。

图2　莫兰指数散点图Fig. 2　Scatter plot of Moran’s I

表5　2000—2014年生态效率总差异的泰尔指数分解Table 5　Theil index of eco-efficiency from 2000 to 2014

3　结论与建议

3.1　讨论

（1）就中国生态效率总体变化趋势来看，中国经济发展的方式经历了由粗放式增长向有质量发展的转变，这体现在生态效率经历了“先下降—再上升”的阶段，并且随着国家对生态文明建设与绿色发展的重视，中国的生态效率还将持续改善。（2）各地区的生态效率差异可能来源于其本身在经济发展的差异，经济发达地区得益于经济发展的优势，在生态环境治理、生态经济转型、绿色发展等方面更具有比较优势。而经济欠发达地区不仅在经济发展上落后于发达地区，在经济发展的模式上仍处于非效率发展阶段。但是经济欠发达地区仍有生态效率提升的潜力，具备一定的后发优势。（3）东中西部地区生态效率的差异可能源于东部地区经济发展基础好，优势明显。中西部地区相对东部地区经济发展滞后，承接产业转移的后果可能是东部地区落后产能的转移。同时，由于政策导向，西部大开发明显提升了西部技术水平，造成西部地区生态效率在后期反而优于中部地区，这也从一定程度上解释了“中部塌陷”。（4）从生态效率的时间差异来看，中国整体的生态效率差异源于 TFP的变动，它主要由技术进步主导，表明中国在 2000—2014年更加注重生态环境污染的末端治理。具体到各省，生态效率TFP差异主要源于各地区在生态经济领域的管理创新、知识、教育培训、规模经济等方面的不平衡。（5）从生态效率产生的空间差异来看，地区内差异大于地区间差异。地区间差异与地区内差异总体上仍呈现缩小的趋势，表明地区间以地区内的生态效率趋向于平衡发展。同时，东部地区各省的生态效率差异对中国生态效率总体差异贡献最大，西部地区没有扩大总体差异，反而在一定程度上平衡了总体差异，中部地区对总体差异由无到有，但仍低于西部地区。比较三大地区，东部地区内部的差异大于中西部地区，这可能是由于东部地区可能存在“马太效应”，即生态效率好的地区越来越好，而生态效率差的地区越来越差。因此，对于经济发达地区，应该鼓励技术溢出，通过技术溢出实现周边地区的共同发展，从而改善生态效率的地区差异。

3.2　结论

利用 2000—2014年中国各省级行政单元的面板数据对生态效率进行了测度，同时从时间与空间两个视角分析了区域生态效率差异。得出如下结论，（1）中国生态效率总体上呈现U型曲线变化趋势。2000—2006年，中国生态效率处于下降阶段，由2000年的0.769下降到2006年的 0.570。2007—2014年，中国生态效率总体上呈现上升趋势，由2007年的0.573上升到2014年的0.920。（2）从各地区的情况来看，北京、上海、广东的年均生态效率排在中国前列，其生态效率值分别为0.833、0.804和 0.993。宁夏、青海、贵州年均生态效率位于中国末尾，其生态效率值分别为0.391、0.445和0.514。内蒙古的年均生态效率排在第一，均值为 1.002，即使不考虑2014年生态效率值为3.635，其年均生态效率为 0.814，仍排在广东、北京之后，居于中国前列。（3）从东中西部地区生态效率的情况来看，东中西部地区生态效率基本符合 U型曲线变化趋势，但是在具体变动趋势上有所差异。（4）从时间尺度来看，2000—2014年中国各地区生态效率的差异主要来自于TFP的增加，年均TFP为6.24%，除2003年出现了负值，最高年份为2010—2011年的14.00%。但是从生态效率TFP的分解情况来看，规模报酬效率还有待进一步提升，仅2005—2006年、2009—2010年、2012—2013年大于1。从各省情况来看，内蒙古、北京、上海生态效率TFP为全国最高；广西、湖南、宁夏生态效率TFP为全国最低。（5）从空间尺度来看，2000—2014年各地区生态效率通过全局空间自相关检验的年份较少，表明中国各地区生态效率不存在显著的空间集聚模式。但是通过Moran’s散点图对局部地区的聚集特征进行识别，江苏、福建、山东 3个地区一直呈高高集聚（High-High），青海一直呈低低集聚（Low-Low），四川则一直呈高低聚集（High-Low）。北京、上海则由低高集聚（Low-High）发展为高高集聚（High-High），广东则由高高集聚（High-High）发展为高低聚集（High-Low）。

3.3　建议

基于上述结论与讨论，本文提出改善区域生态效率差异的4条建议：第一，绿色发展，树立生态文明理念。从中国近 15年生态效率的现状来看，中国的经济增长方式需要树立起绿色发展、生态发展的理念，在追求生态环境质量不断优化的前提下寻求最大的经济增长。第二，提质增效，调整区域产业结构。区域产业结构、产业主导的发展方式对区域生态效率有着较大的影响。由于目前东部地区经济发展走在前列，中西部承接东部产业转移牺牲掉了环境质量，这不仅将使得经济的不平衡加剧，同时也会造成环境质量的不平衡。因而，提质增效是从根本上改善区域生态效率的策略之一，即在对环境造成一定影响的前提之下寻求最大的经济增长来提升发展效率。第三，统筹研发，促进区域技术进步。各区域在经济发展过程中都应注重新技术在生态保护与环境治理当中的应用，通过提升科技发展水平降低单位经济产出对环境的影响。第四，因地制宜，缩小区域发展差距。就东部地区而言，应充分发挥东部地区各省域的溢出效应，通过空间溢出解决生态效率不平衡的问题。就中部地区而言，要防止“中部塌陷”，中部地区需要更多的政策支持，实现中部崛起，从而实现整个区域生态效率的提升。就西部地区而言，需要进一步发挥后发优势，坚持发展绿色产业、生态产业，同时通过转移财政支付、降低税费等形式，引导地方政府保护环境。

参考文献：

BANKER R D, CHARNES A, COOPER W. 1984. Some models for estimating technical and scale efficiencies in data envelopment analysis[J]. Manage Science 30, 1078-1092.

CAMARERO M, CASTILLO-GIMENEZ J, et al. 2013. Is the eco-efficiency in greenhouse gas emissions converging among European Union countries? [J]. Empirical Economics, 47(1): 143-168.CHARNES A, COOPER WW, RHODES E. 1978. Measuring the efficiency of decision making units [J]. European Journal of Operational Research, 2(6): 429-444.

CHUNG Y H, FARE R, GROSSKOPF S. 1997. Productivity and undesirable outputs: A directional distance function approach [J].Journal of Environmental Management, 51(3): 229-240.

CÔTÉ R, BOOTH A, LOUIS B. 2006. Eco-efficiency and SMEs in Nova Scotia, Canada [J]. Journal of Cleaner Production, 14(6-7): 542-550.

FERNÁNDEZVIÑÉ M B, GOMEZNAVARRO T, CAPUZRIZO S F. 2010.Eco-efficiency in the SMEs of Venezuela. Current status and future perspectives [J]. Journal of Cleaner Production, 18(8): 736-746.

GOMEZ-CALVET R, CONSEA D, GÓMEZ-CALVET A R, et al. 2015. On the dynamics of eco-efficiency performance in the European Union [J].Computers & Operations Research, 66: 336-350.

HOFFREN J, APAJALAHTI E. 2009. Development of eco-efficiency in metal production in Finland [J]. Progress in Industrial Ecology, 6(6):153-167.

HOFFREN J. 2010. Development of eco-efficiency in Finnish forest industry: 1997—2007 [J]. Progress in Industrial Ecology, 7(2):163-174.

JAN P, DUX D, LIPS M, et al. 2012. On the link between economic and environmental performance of Swiss dairy farms of the alpine area [J].The International Journal of Life Cycle Assessment, 17(6): 706-719.

JOLLANDS N, LERMIT J, PATTERSON M, et al. 2004. Aggregate eco-efficiency indices for New Zealand: A principal components analysis [J]. Journal of Environment Management, 73(4): 293-305.

KOSKELA M. 2015. Measuring eco-efficiency in the Finnish forest industry using public data [J]. Journal of Cleaner Production, 98:316-327.

LAUWERS L. 2009. Justifying the incorporation of the materials balance principle into frontier-based eco-efficiency models [J]. Ecological Economics, 68(6): 1605-1614.

MALMQUIST S. 1953. Index Numbers and Indifference Surfaces [J].Trabajos de Estadistica, 4(2): 209-242.

MERCEDES B, ANDRES J. 2017. Assessing environmental performance in the European Union: Eco-innovation versus catching-up [J]. Energy Policy, 104(5): 240-252.

MORAN P. 1950. Notes on Continuous Stochastic Phenomena [J].Biometrika, 37(1): 17-23.

RAY S C, DESLI E. 1997. Productivity Growth, Technical Progress, and Efficiency Change in Industrialized Countries: Comment [J]. American Economic Review, 87(5): 1033-1039.

RENATA O, ANA S, ANDREIA Z. 2017. Expanded eco-efficiency assessment of large mining firms [J]. Journal of Cleaner Production,142(4): 2364-2373.

SALMI O. 2007. Eco-efficiency and industrial symbiosis: A counterfactual analysis of mining community [J]. Journal of Cleaner Production,15(17): 1696-1705.

SCHALTEGGER S, STURM A. 1990. Ecological Rationality [J]. Company,4: 273-290.

THEIL H. 1967. Economics and Information Theory [M]. Amsterdam:North Holland Publishing Company.

WORLD BUSINESS COUNCIL FOR SUSTAINABLE DEVELOPMENT.1996. Eco-efficient: Leadership for improved economic and environmental performance [R]. Geneva: WBCSD.

WURSTHORN S, POGANIETZ W R, SCHEBEK L. 2011. Economicenvironmental monitoring indicators for European countries: a disaggregated sector-based approach for monitoring eco-efficiency [J].Ecological Economics, 70(3): 487-496.

程翠云, 任景明, 王如松. 2014. 我国农业生态效率的时空差异[J]. 生态学报, 34(1): 142-148.

成金华, 孙琼, 郭明晶, 等. 2014. 中国生态效率的区域差异及动态演化研究[J]. 中国人口·资源与环境, 24(1): 47-54.

陈秀山, 徐瑛. 2004. 中国区域差距影响因素的实证研究[J]. 中国社会科学, 40(5): 117-129.

冯长春, 曾赞荣,崔娜娜. 2015. 2000年以来中国区域经济差异的时空演变[J]. 地理研究, 34(2): 234-246.

韩瑞玲, 佟连军, 宋亚楠. 2011. 基于生态效率的辽宁省循环经济分析[J]. 生态学报, 31(16): 4732-4740.

胡彪, 付业腾. 2009. 中国生态效率测度与空间差异实证——基于SBM模型与空间自相关性的分析[J]. 干旱区资源与环境, 30(6): 6-12.

靳诚. 2009. 基于县域单元的江苏省经济空间格局演化[J]. 地理学报,64(6): 714-723.

康晓娟, 杨冬民. 2010. 基于泰尔指数法的中国能源消费区域差异分析[J]. 资源科学, 32(3): 485-490.

科埃利, 等. 2008. 效率与生产率分析引论[M]. 第2版//玉等(译). 北京:中国人民大学出版社.

廖虎昌, 董毅明. 2011. 基于DEA和Malmquist指数的西部12省水资源利用效率研究[J]. 资源科学, 33(2): 273-279.

刘秉镰, 林坦, 刘玉海. 2010. 规模和所有权视角下的中国钢铁企业动态效率研究——基于 Malmquist指数[J]. 中国软科学, (1):150-157.

路战远, 智颖飙, 王再岚, 等. 2010. 资源-环境双重约束下的区域生态效率的时序特征——以广西壮族自治区为例[J]. 生态环境学报,19(8): 1815-1821.

罗能生, 李佳佳, 罗富政. 2013. 中国城镇化进程与区域生态效率关系的实证研究[J]. 中国人口·资源与环境, 23(11): 53-60.

潘兴侠, 何宜庆, 胡晓峰. 2013. 区域生态效率评价及其空间计量分析[J]. 长江流域资源与环境, 22(5): 640-647.

潘兴侠, 何宜庆. 2014. 工业生态效率评价及其影响因素研究——基于中国中东部省域面板数据[J]. 华东经济管理, 28(3): 33-38.

彭红松, 章锦河, 韩娅, 等. 2017. 旅游地生态效率测度的SBM-DEA模型及实证分析[J]. 生态学报, 37(2): 628-638.

任宇飞, 方创琳. 2017a. 京津冀城市群县域尺度生态效率评价及空间格局分析[J]. 地理科学进展, 36(1): 87-98.

任宇飞, 方创琳, 蔺雪芹. 2017b. 中国东部沿海地区四大城市群生态效率评价[J]. 地理学报, 72(11): 2047-2063.

王恩旭, 武春友. 2011. 基于超效率DEA模型的中国省际生态效率时空差异研究[J]. 管理学报, 8(3): 443-450.

王金祥, 王卓. 2008. 基于超效率DEA模型的城市效率评价[J]. 西安电子科技大学学报: 社会科学版, 8(1): 62-64.

王丽琼. 2009. 中国能源利用效率区域差异基尼系数分析[J]. 生态环境学报, 18(3): 974-978.

武春友, 于文嵩, 郭玲玲. 2015. 基于演化理论的生态效率影响因素研究[J]. 技术经济, 34(5): 63-69, 85.

杨斌. 2009. 2000—2006年中国区域生态效率研究——基于DEA方法的实证分析[J]. 经济地理, 29(7): 1197-1202.

章祥荪, 贵斌威. 2008. 中国全要素生产率分析: Malmquist 指数法评述与应用[J]. 数量技术经济研究, 8(6): 111-122.

诸大建, 朱远. 2005. 生态效率与循环经济[J]. 复旦学报(社会科学版),60(2): 60-66.

诸大建, 邱寿丰. 2008. 作为我国循环经济测度的生态效率指标及其实证研究[J]. 长江流域资源与环境, 7(1): 1-5.