2005-2015年中原城市群生态效率及影响因素分析——基于DEA-Malmquist-Tobit模型的实证研究

史方圆

(福建师范大学经济学院，福建 福州 350108)

中原城市群位于我国中东部，涵盖了河南、安徽、河北、山西、山东5省30个地市，是长江三角洲、珠江三角洲、京津冀之间规模最大、一体化程度最高、人口最密集的城市群。截至2016年底，该城市群总覆盖面积达28.7万km2，生产总值60343.72亿，是中国第四大增长极。然而，随着城市群的日渐发展成熟，经济发展与生态环境的矛盾关系日益凸显。在此背景下，若要发展壮大中原城市群，使其成为世界级城市群，形成支撑中部崛起的核心增长地带，需积极探求缓解该矛盾的方法以提升该城市群的竞争力。为此，评估中原城市群生态效率水平，指出中原城市群发展中可能面临的问题，并针对性地提出相关对策建议，对于中原城市群壮大经济增长极，实现建成绿色生态发展示范区的目标具有重要意义。

1 文献综述

生态效率这一概念最早是由Schaltegger等[2]在1990年提出的，随后世界可持续发展工商理事会[3](WBCSD)对其进行定义，即生态效率是在提供有价格竞争优势且满足人类需求和保证生活质量的产品或服务的同时，在产品或服务生命周期中能将生态影响和资源消耗强度逐步降低到至少与估算的地球承载力相一致的水平。之后，欧洲环境署(EEA)[4]和联合国亚洲与太平洋经济社会委员会(ESCAP)[5]分别从资源投入的角度定义了生态效率。前者认为生态效率是以尽可能少的自然界投入创造尽可能多的社会产出；后者认为生态效率是在提高社会生产力的同时降低资源消耗，且有助于绿色发展。世界经济合作与发展组织(OECD)[6]将生态效率的概念进一步扩大至政府、工业企业及其他组织，认为生态效率=产出/投入，目前这一说法得到世界的广泛认同。虽然不同机构的表达方式各有不同，但均体现了生态效率的内涵即以最小化的资源消耗和环境损害赢得最大化的价值。

在对生态效率的概念进行解释的同时，国外相关学者也通过各种方法对各个层面的生态效率展开评价。Netoa等[7]运用单一比值法评估物流系统的生态效率；Caneghem等[8]通过构建指标体系来衡量钢铁行业的生态效率，相较于这两种方法，通过构建模型测量生态效率则相对更为普遍，其中数据包络分析法被广泛的应用于生态效率的测度中。Pekka等[9]运用DEA模型分别对欧洲国家24个发电厂的生态效率进行测度；Arabi等[10]通过对伊朗电力行业重组期间的生态效率进行测度，结果显示该行业生态效率的增长主要缘于技术水平的提高；Goto等[11]运用DEA模型对日本工业区的生态效率进行测度，结果显示其DEA无效主要是由于CO2等温室气体过度排放导致；之后，Camarero等[12]又从国家层面出发运用DEA模型对经济合作与发展组织(OECD)国家的生态效率进行了测度，结果表明非期望产出较高的国家其生态效率较低且节约能源使用的潜力较小。

而国内学者近年来主要从以下3个层面积极进行有关生态效率的研究。(1)微观企业层面[13-14]。如戴铁军[13]分析了钢铁企业生态效率的资源效率、能源效率和环境效率，并利用它们对某钢铁企业的生态效率现状进行了分析；张炳等[14]通过构建企业生态效率评价指标体系运用DEA模型对杭州湾精细化工园区企业生态效率进行了分析。(2)宏观省域层面[15-17]。如陈傲[15]运用因子分析赋权的方法评价了我国区域生态效率的差异性，结果表明我国生态效率区域间差距较显著，呈现东高西低的格局，同时还运用线性回归模型对生态效率的影响因素进行了分析，结果表明以排污费为代表的环境经济政策对生态效率的提高影响并不显著；杨斌[16]运用DEA模型对2000-2006年中国各地区的生态效率进行评价和分析，结果表明工业固体废物、工业烟粉尘及水、土地等资源的过度消耗是制约生态效率提高的主要因素；成金华等[17]运用超DEA模型对我国30个省份的生态效率进行测算并运用空间自相关分析法探索影响区域生态效率差异的空间机制。(3)宏观城市层面[18-19]。如付丽娜[18]运用超效率DEA模型研究了长株潭“3+5”城市群的生态效率并建立了Tobit模型进行回归分析以探究不同因素对生态效率的影响，结果表明“3+5”城市群总体生态效率较高但各地区生态效率差距较大；任宇飞等[19]采取传统DEA模型、TOPSI模型，以及考虑非期望产出的SBM模型对东部沿海地区四大城市群的生态效率进行测度并分析了其影响因素。

文献分析可见，国内对于生态效率的研究表现出以下特点：(1)对生态效率的研究从微观到宏观，从省域到城市不断深入；(2)对生态效率的研究所使用的计量方法各有不同，但概括起来主要包括：因子分析法、超效率DEA法和传统DEA方法，其中数据包络分析法及其变形被广泛地应用于生态效率的研究；(3)有关城市群生态效率的研究多集中于东部沿海等发展较为成熟的城市群，针对建设初期的城市群如中原城市群则研究较少。相比现已成熟的城市群，中原城市群还处于发展初级阶段，但其衔接沿海开放地区和我国中西部，是承接发达国家和我国东部产业转移、西部资源输出的核心区域。同时，中原城市群不但产业体系完备而且拥有丰富的人力资源。因此，推进中原城市群的发展不仅可以发挥其人口优势，加快促进中部地区崛起，还有助于促进东中西协调发展，优化区域发展空间格局，还可通过提升内陆地区开放水平，为“一带一路”建设提供内陆支撑。鉴于此，本研究尝试以中原城市群为研究对象，首先利用DEA模型对中原城市群各地市生态效率的静态特征进行综合测度，并分别对2005年和2015年始终处于非生产前沿面的地市的投入冗余率进行分析；然后运用Malmquist指数对中原城市群的生态效率进行动态分析；最后运用Tobit面板回归模型对影响中原城市群生态效率的其他因素进行更进一步的实证分析，以期为中原城市群生态效率的提升提出有针对性的对策建议。

2 中原城市群生态效率的测度

2.1 研究方法

2.1.1 数据包络分析法 数据包络分析法(Data Environment Analysis)简称DEA，最初是1978年著名运筹学家Charnes等[20]在“相对效率评价”概念基础上提出的，该模型利用非参数方法，对具有多项投入和多项产出的决策单元(DMU)进行分析，根据对各DMU观察的数据来判断DMU的相对有效性(DEA有效)，本质是判断DMU是否位于可能集的生产前沿面上。DEA方法在处理多投入多产出的相对效率上具有绝对优势，因此在许多行业中得到广泛应用。

数据包络分析中最有代表性的是规模报酬不变的CCR模型和规模报酬可变的BCC模型。本研究采用的是以投入为导向的BCC模型。假设中原城市群中现有n个地市，则每个地市即为一个决策单元(DMU)，设n个决策单元(j=1，2，3，…，n)，每个决策单元有相同的m项投入(i=1，2，…，m)，相同的r项产出(r=1，2，3，…，s)，则Xij表示第j个决策单元的第i项投入，Yrj表示第j个决策单元的第r项产出。该模型的基本形式如下：

Minθ

λj≥0,S-≥0,S+≥0,j=1,2,…,n

2.1.2 Malmquist指数分析法 Malmquist指数最早是在1953年由瑞典经济学家Malmquist提出，1982年开始Caves等人将该方法用于生态效率的测算，直到1994年，RolfFare和Urosskopf等提出将该理论的一种非参数线性规划法与DEA模型相结合，才使得该指数分析法得以广泛应用[21]。Fare等人将Malmquist定义为：

(1)

(2)

2.2 指标选取

从生态效率的本质来看，生态效率包含资源投入、环境影响和经济效益，因此，要提高城市群的生态效率，就要求在实现经济效益的同时正确处理好其与资源投入和环境影响之间的关系。其中，资源投入是进行经济活动的前提，具体包括自然资源投入、能源投入、人力资源投入等；经济效益指投入一定资源所产生的经济价值；环境影响指投入一定的资源经过生产这一过程所产生的对环境的负面影响，通常用生产所产生的废物表示。经济发展要以一定的资源投入为支撑，还会伴随着对环境的污染，在追求价值最大化的同时，使得资源消耗和环境污染最小化，其作为生态效率的基本思想，与DEA方法对投入和产出指标的要求相符。因此，本研究在相应指标的选取方面，一方面结合生态效率的内涵和DEA对投入产出指标的要求，另一方面借鉴国内有关学者的做法[16-18,22]，根据数据的可得性、可比性和科学性，用地区生产总值表示经济效益，代表产出水平；用资源消耗和环境污染分别表示资源投入和环境影响，代表投入水平。其中，前者中用建成区土地面积代表土地资源投入、供水总量代表水资源投入、全社会用电总量代表能源投入，就业人数代表人力资源投入；后者中用工业废水排放量、工业SO2排放量、工业烟(粉)尘排放量和一般工业固体废物产生量分别从废水、废气、固体废物的侧面代表其对环境的污染程度，具体指标体系见表1。

2.3 数据来源及处理

选取中原城市群各地市作为研究对象(济源市由于统计数据不完整故不予考虑)，选取2005-2015年数据对其进行实证分析。原始数据主要来自于相关年份的《中国统计年鉴》《中国城市统计年鉴》《河南统计年鉴》《安徽统计年鉴》《邯郸统计年鉴》《菏泽统计年鉴》《山东统计年鉴》《长治统计年鉴》《晋城统计年鉴》《运城统计年鉴》和各地相关环境公报。

表1 中原城市群生态效率评价指标

考虑到价格因素的变化，以2005年为基期，利用国内生产总值指数对各地市的地区生产总值和人均GDP进行平减。

3 中原城市群生态效率的实证分析

3.1 综合效率分析

根据中原城市群各地市2005-2015年表1指标体系对应的相关数据，在规模报酬可变的假设下运用DEAP软件，计算中原城市群各地市的生态效率(表2)。

从表2可以看出，2005-2015年中原城市群各地市生态综合效率平均值为0.882，处于中等水平；而且，中原城市群的生态综合效率均值波动不大，保持在0.862～0.916之间，即达到DEA最优前沿面的86.2%～91.6%。然而，各地市间的生态效率在研究时间截面上却存在明显差异(图1)，只有亳州市、聊城市、洛阳市、许昌市和周口市五地生态效率较高，年均为1，说明其处于生产前沿，该决策单元的DEA是有效的；其他地市生态效率均值彼此均存在显著差异。

3.2 冗余率分析

对于没有实现DEA有效的地区，其在产出一定的时候未能达到最优投入，因此，分析这些地方的投入冗余情况有利于更好地指出其生态效率改进方向。非DEA有效地区2005年和2015年产出一定的情况下的投入冗余分析结果见表3、表4。

表2 2005-2015年中原城市群各地市生态综合效率情况

图1 2005-2015年中原城市群各地市生态综合效率均值情况

2005年始终未达到DEA有效的地区中(表3)，长治市和焦作市两地的投入冗余率均值较高，分别达到21.91%和24.25%，晋城市、鹤壁市和濮阳市3地投入冗余较低均为0。从冗余率均值来看，城市用水、全社会用电和工业烟粉尘冗余率较高，均达到了20%左右。2015年始终未达到DEA有效的地区中(表4)，虽然其生态效率均值较2005年的0.719提高至0.758，但地区投入冗余率均值达到20%以上的地区个数增至3个，分别为长治市(25.82%)、晋城市(22.44%)和安阳市(24.42%)；投入冗余率均值为0的地区减少为淮北市和濮阳市两地；平均冗余率也普遍高于2005年，其中冗余程度较高的依次为工业烟粉尘、工业SO2、用电量、工业固废、用水量。可见，水电等资源投入和工业废水、工业SO2和工业固废等污染物的排放是制约这些地区生态效率提高的重要因素，因此，如若加大对冗余率较高指标的调控将有利于这些地区生态效率的提高。

表3 非DEA有效地区2005年投入冗余率情况

表4 非DEA有效地区2015年投入冗余率情况

3.3 生态效率Malmquist指数分析

相对于运用规模报酬可变的DEA模型对中原城市群的生态效率进行的测度而言，运用Malmquist指数法对生态综合效率进行分解则更能表现出中原城市群生态效率动态的变化情况。Malmquist指数分解结果见表5。

从表5可知，2005-2015年中原城市群生态效率平均为1.004(全要素生产率指数)，生态效率年均上升0.4%，表明2005-2015年间中原城市群的生态效率总体呈微弱上升之势，但各期间波动幅度不同；其中，2009-2010年增幅最大达到23.9%。究其原因，2010年是“十一五”收官之年，“十一五”期间的各项政策措施所带来的投入的要素效率充分显现出来，该年技术水平更是相比上年大幅增长21.8%；而2011年作为“十二五”的开局之年，“十二五”所制定的各项政策措施刚付诸实践，各方面还有待完善，从而导致投入的要素效率未完全显现，同时该年技术进步变化指数较上年大幅下降达27.5%，这导致了2011年相比2010年生态效率降幅达24.5%。

表5 2005-2015年中原城市群生态效率Malmquist指数及分解

表5还可知，中原城市群的技术效率变化指数、技术进步变化指数、纯技术效率变化指数、规模效率变化指数和全要素生产率指数年均上升幅度分别为0.1%、0.3%、0.1%、0%、0.4%；其中，技术进步变化指数变化幅度和全要素生产率变化指数变化幅度几乎一致，而技术效率变化指数、纯技术效率变化指数和规模效率变化指数的波动则较为稳定，说明技术的波动是导致全要素生态效率发生波动的主要因素。

根据Malmquist指数的定义，中原城市群生态效率可分为9类(表6)：第一类包括宿州市，这些地区效率小于1，说明这些地区生态效率下降，原因主要是由技术效率低、技术进步缓慢、纯技术效率水平低和规模效率较低共同作用的结果；第二类包括邢台市，该地区生态效率小于1，说明这些地区生态效率下降，原因主要是由纯技术效率低、技术进步缓慢和规模效率较低所导致的；第三类包括晋城市和运城市两地，这些地区生态效率小于1，说明这些地区生态效率下降，原因主要是由技术效率和规模效率偏低所导致的；第四类包括淮北市和平顶山市两地，这些地区生态效率小于1，说明这些地区生态效率下降，原因主要是由技术进步缓慢和规模效率偏低导致；第五类包括邯郸市、长治市、亳州市、菏泽市、洛阳市、鹤壁市、焦作市、许昌市、南阳市九地，这类地区的生态效率小于1，说明该城市生态效率下降，原因主要是由于技术进步缓慢所导致；第六类城市包括蚌埠市和开封市两地，这类地区的生态效率大于1，说明该城市生态效率上升，原因主要是由技术效率高、技术进步较快、纯技术效率较高和规模效率较高共同作用的结果；第七类城市包括郑州市、濮阳市、漯河市和三门峡市四地，这类地区的生态效率大于1，说明该城市生态效率上升，原因主要是由技术效率高、技术进步较快和规模效率较高所导致；第八类城市包括安阳市和新乡市两地，这类地区的生态效率大于1，说明该城市生态效率上升，原因主要是由技术效率高、技术进步较快和规模效率较高导致；第九类城市是除前八类之外的其余6个地市，这类地区的生态效率大于1，说明该城市生态效率上升，原因主要是由技术进步较快所导致的。

4 中原城市群生态效率的影响因素分析

根据生态效率的内涵并结合相关文献，生态效率的影响因素除了前文中指标体系中包含的相关变量，还会受到经济规模、产业结构、环境规制等因素的影响。为了进一步探讨中原城市群生态效率的影响因素，同时考虑到数据的可获得性，选取如下变量作为解释变量：经济规模(X1，用人均GDP来表示，它等于该地区某年总的GDP除该地区总人口)、对外开放程度(X2，用某年该地区实际利用外资情况表示)、环境规制水平(X3，用固体废物综合利用率来表示)、地区特色(X4，用人口密度表示)、城镇化水平(X5，用某地区年末市辖区区人口比全市人口表示)、产业结构(X6，用某地区某年第二产业占GDP的比重表示)，将前文通过DEA模型得到的综合效率(Y)作为被解释变量，构造Tobit面板计量回归模型。其形式如：

表6 中原城市群各地Malmquist指数分解

其中，i表中原城市群各地市，t表年份，α表回归系数，ε表随机误差项。采用Stata 15.0软件进行分析，其Tobit面板回归结果见表7。

从表7可知，经济规模和对外开放程度与生态效率显著正相关，城市化程度与生态效率显著负相关，环境规制水平、地区特色和产业结构与生态效率没有通过显著性检验。

4.1 经济规模

从结果看，lnX1与生态效率负相关，(lnX1)2与生态效率正相关，且均通过了1%的显著性检验，即人均GDP每提高1个百分点，生态效率下降2.048207个百分点；人均GDP平方每提高1个百分点，生态效率提高0.1104965个百分点，说明当中原城市群经济发展水平较低的时候，生态效率较高，但是随着人均收入的增加，环境污染程度加剧；当经济规模扩大到一定程度后，随着人均GDP的增加，人们的环保意识逐渐增强，环境污染程度逐渐放缓，这就使得中原城市群生态效率先下降后上升，这与环境库茨涅兹曲线假说[23]相符，即在经济发展处于较低水平时，环境污染会随经济增长更加严重；当经济发展到较高水平时，环境污染将逐渐降低。

表7 生态效率影响因素的Tobit回归结果

注：***、**、*分别表示在1%、5%、10%的水平下显著。

4.2 对外开放水平

从结果看，当年实际利用外资情况与生态效率成正相关并通过了5%的显著性检验，即实际利用外资每提高1个百分点，生态效率提高0.00000131个百分点，说明各城市要利用现有资源如郑州航空港综合实验区等通过积极引进外资，特别是一些先进的技术和管理经验，使得在获得同等收益的同时尽可能的减少资源消耗和污染排放。与此同时，由于提高开放程度是把双刃剑，在引进外资时要加强监管力度，多关注对生态环境的影响，避免以量取胜成为污染产业的接收站。

4.3 环境规制

从结果看，固体废物综合利用率与生态效率正相关，但并未通过显著性检验，即固体废物综合利用率每提高1个百分点，生态效率提高0.0004064个百分点，说明环境规制对中原城市群生态效率的提升作用并不显著。这很大程度上是由于一方面环境规制对于生态效率的改善是个长期的过程，各地区针对生态环境所出台的各项政策措施在短时间内并不能完全的发挥出其全部作用，另一方面在加大环境治理投入的同时，忽视了治污效率的提高，因此，其对生态效率的提升作用并不明显。

4.4 地区特色

从结果看，人口密度与生态效率正相关但并未通过显著性检验，即人口密度每提高1个百分点，生态效率提高0.0001089个百分点，说明人口密度的适当增加有助于生态效率的提高。一般的观点[24]认为，人口增长可能使城市出现环境污染等一系列问题，但是人口与环境在一定程度上是相互联系的，一定程度上适应环境发展的人口增长会使人口增长与环境发展形成来良性循环，从而有助于生态效率的提高。以河南省为例，依据河南省统计局公布的“十二五”时期河南人口发展报告，到2015年年底河南省总人口10722万人，仍为人口大省，但是河南省2000年已开始进入老龄化社会，截至2015年年底河南省劳动适龄人口减至6555万，因此，适当的增加人口数量可缓解适龄劳动力的减少，从而缓解劳动力成本的上涨，有利于该地区的发展。

4.5 城镇化水平

从结果看，城市化率与生态效率负相关并通过了1%的显著性检验，即城市化率每提高1个百分点生态效率降低0.6444832个百分点，说明了城市化水平的提高会对生态效率的提高产生一定的抑制作用。城镇化是推进我国经济增长和社会进步的重要力量，截至2015年底，中原城市群城镇化率达47.2%，城镇人口较2010年增长了28%。但随着城镇化的推进，也会加重水电等资源的消耗，同时也会增加城市垃圾，城市生活污水等的排放，这就要求各地区在推进城镇化的过程中要密切关注城镇化对环境的影响，不断提高城市化的质量。

4.6 产业结构

从结果看，第二产业占GDP比重与生态效率负相关但未通过显著性检验，即第二产业占GDP比重每提高1个百分点，生态效率就降低0.0016972个百分点，说明第二产业比重的上升会抑制生态效率的提升。第二产业资源消耗多，环境污染严重，因此，要求中原城市群各地区切实采取各项措施加快产业转型升级，加大对服务业的扶持力度，降低第二产业比重，增加第三产业比重，进而提升地区生态效率水平。

5 结论与对策建议

基于2005-2015年中原城市群面板数据，先利用传统DEA方法对其综合效率进行静态测算，并进行投入冗余分析，再运用Malmquist指数对生态效率进行动态测算，最后对生态效率影响因素进行Tobit回归分析，可得出如下结论：

(1)2005-2015年间中原城市群综合生态效率总体波动不大，处于中等水平，但各地区间生态效率差异显著。这就要求中原城市群在发展经济的同时，首先要牢固树立和践行生态文明理念，加强环境保护力度；其次，中原城市群各地市要树立大局意识，将中原城市群看作一个整体，勇于突破行政壁垒，各地市在明确各地产业分工的同时，还需在产业整合方面加大合作力度，提升关联带动效应，提高城市群内聚力使得城市群整体优势的发挥不受制于行政壁垒的约束；最后，要共享优质生态管理经验，效率水平较低的地市一方面要积极学习借鉴效率较高地市的资源环境管理经验，另一方面要完善技术、人才等资源的市场流通机制，从生态效率高的地区吸引优秀要素资源，并结合自身实际情况走出一条经济增长和环境保护协调发展的道路。

(2)通过对冗余率分析，可以看出水电等资源使用、固体废弃物、废水、工业SO2、烟(粉)尘等污染物的排放是制约中原城市群生态效率提高的主要因素，说明要提高生态效率。首先，各地政府部门应严格污染物排放标准，注重源头治理，综合治理，实施将强制性行政政策、经济手段和社会舆论相结合的多元化污染控制手段，鼓励各企事业单位加大环境保护建设投入，加大对清洁生产、污染治理和循环生产等资金投入和政策支持力度；其次，各地企事业单位要提高环保意识，努力进行技术改进，循环利用工业废气，提高资源利用效率，同时积极进行可再生能源、新能源的研发，从源头减少有害物产生；最后，各地市和相关企业个人需提高节约意识，时刻以绿色发展和循环发展为指导，充分利用节能减排技术，加大节能减排力度，加快淘汰落后生产力，降低高耗能、高污染产业比重，提高低耗能高技术产业比重，积极推进能源结构调整。

(3)根据Malmquist指数分解结果，可以看出技术进步变动指数相比技术效率变动指数对全要素生产率的变动指数影响作用更为显著。其中，技术效率变动指数又是由纯技术效率指数和规模效率变动指数共同作用的结果。分析结果可以看出，技术效率指数的变动主要是由纯技术效率所导致，表明要提高中原城市群生态效率可以从以下两方面入手：一是各地市和相关企业可通过制定高规格的管理工作标准，健全信息管理系统，建立有助于技术转化的管理体制机制和内部责任追究体系，严格规范管理行为进而提高生产管理水平，同时，要积极学习国外先进经验促使管理方式的更新换代，不断完善自身；二是各地市要加强对新技术的研发投入，拓宽研发资金来源，同时出台相关研发奖励政策，鼓励相关企业和科研机构进行研发创新，促使技术升级，实施创新驱动。

(4)通过Tobit回归分析，可以看出经济规模和对外开放水平是提升生态效率的重要因素，而城市化水平却与生态效率显著负相关，环境规制水平、地区特色和产业结构对生态效率的提高虽有影响，但并不明显。因此，要提高生态效率水平就要正确处理好经济发展与环境保护、对外开放与自主创新、加快城市化进程与提高城市化水平、加大治污力度与提高治污质量、人口增长与城市发展等一系列关系。一方面，中原城市群作为由东向西发展的中间地带，应充分利用交通区位优势和现有发展平台如郑州航空港经济综合试验区、郑洛新国家自主创新示范区、河南自由贸易试验区和跨境电子商务综合实验区等，提高“米”字型的综合交通枢纽能力和综合服务水平，完善投资环境，引导外资更多地流向清洁生产和循环生产等技术要求较高的项目，促使中原城市群的产业发展由污染密集型和资源密集型向技术密集型转换；另一方面，在经济发展初期，以高投入、高消耗、高污染为标志的发展模式已不适应如今资源匮乏、环境负担重的社会，各地市要加快产业发展结构转变，降低第二产业比重，积极发展以低投入、低消耗、高产出为标志的文化产业、旅游观光业等第三产业。