中国绿色扶贫性增长测度及分析——兼论可持续性减贫

谢贤君，孙博文，雷 明，张 娜

(1.西安交通大学 经济与金融学院，陕西 西安 710061；2.北京大学 a.贫困地区发展研究院， b.光华管理学院，北京 100871；3.中国人民大学 应用经济学院，北京 100872； 4.石河子大学 经济与管理学院，新疆 石河子 832003)

一、引言

经合组织(OECD)的绿色增长战略中期报告认为：绿色增长既能防止环境恶化、生物多样性丧失和不可持续地利用自然资源，又能追求经济增长和发展方式转型升级，同时进一步强调，针对发展中国家而言，绿色增长与贫困治理必须同时推进，因此它被视为将经济效益、环境完整性和社会公平完美结合起来的一项最具前景的综合战略。绿色增长战略一提出，无论国内层面还是国际层面，各国政府开始对一些政策领域进行有针对性的干预，以应对环境产品和服务所产生的现有外部效应和市场失灵的问题，并加快绿色创新、农村贫困治理、向绿色经济转变的步伐。中国是坚持和践行绿色增长战略的先驱者，坚持走创新、协调、绿色、开放、共享的绿色之路，在兼顾高质量经济发展的同时，最大努力地改善生态环境、节约资源以及提高民生生活以降低农村贫困水平，这不仅对中国当前经济进一步实现绿色增长转型提出了重要挑战，也对中国实现可持续性减贫提出了迫切要求。因此，要实现绿色经济增长转型和可持续性减贫，就必须将绿色经济增长和贫困治理结合起来，缘由在于针对发展中国家而言，自然资源、生态环境对发展中国家生存和发展至关重要，自然资源退化、生态环境恶化对环境的可持续性和贫困治理来说都是威胁，适应生态环境以及自然资源变化将成为绿色扶贫性增长的重要前提，所以绿色增长必须与贫困治理一同推进，形成绿色扶贫性增长与发展，但无论是从推进绿色扶贫增长路径还是重构绿色扶贫生态系统等方面，都存在一个至关重要的前提条件，即如何有效准确衡量绿色扶贫性增长水平，这是推进绿色扶贫性增长的重要条件，对于发展中国家和地区推进绿色经济增长转型和可持续性贫困治理也具有前瞻性的指导意义。

针对绿色经济增长水平的衡量，研究内容相当丰富，既包括通过构建绿色增长指标体系，也包含基于成本效益视角对绿色增长水平进行测度，但无论前者还是后者，两者的方法不尽相同，导致结果莫衷一是。Kumar和Albagoury依据构建的绿色经济增长指标体系对绿色增长水平进行了测度[1-2]。但是，OECD认为，由于存在市场缺陷，再加上考虑政治经济方面的因素，评价和衡量绿色增长政策的基础方法应该是成本效益方法，因而通过构建评价指标体系来测度绿色增长水平存在一定的不足。随之，国内涌现了大量运用投入产出方法测度和评价绿色增长水平的研究。王晓岭等将资源约束和环境绩效纳入到全要素生产率的测算框架，同样基于劳动力、资本和能源作为投入指标，以GDP作为经济产出测量了20 国集团绿色增长水平的动态水平[3]。为了尽可能地充分考虑投入变量，杨万平以资本存量、人力资本、能源为投入指标，以GDP为合意性产出，以包含工业废水排放量、工业废气排放量、工业固体废弃物产生量为综合排污指数的非合意性产出，并基于非参数环境生产前沿模型对中国经济增长进行了绿色分解[4]。韩晶等以资本、劳动和能源作为投入变量，以地区GDP作为期望产出，以包含熵权法处理关于废水、废气、固体废弃物污染等污染量的综合污染指数作为非期望产出，并且运用方向性距离函数超效率模型测算了2005—2014 年中国绿色全要素生产率[5]。李江龙等基于投入(包括以劳动力、资本和能源为方式的传统投入)，以GDP为期望产出，以烟尘、二氧化硫和废水为非期望产出的经济产出指标，构建非径向距离函数模型来测度绿色经济绩效，并将此绩效的变化定义为绿色经济增长，测度结果指出，中国绿色经济绩效平均值为0.170～0.311[6]。随着绿色增长水平测度的研究不断深入，绿色增长水平测度也不断细化，关于行业层面、区域层面的绿色增长水平测度也不断涌现，如：张江雪等运用基于松弛测度的方向距离函数测算了2007—2011年中国行业的绿色增长指数[7]；武建新等运用Malmquist-Luenberger生产率指数测得环境全要素生产率指数[8]；陈明华等基于非期望产出-超效率SBM模型对长江经济带三大城市群绿色 TFP 增长进行了评价[9]。

综上所述，从国内研究来看测度和评价绿色经济增长水平的研究比较丰富，但存在以下两个方面的缺陷：一方面，由于研究视角、研究方法以及研究样本的差异，导致绿色增长水平的结论不一；另一方面，未充分考虑环境服务投入：如自然资源(水、鱼和某些物质)流动；政策融合指标以及创新指标和可持续扶贫性增长指标，特别是缺乏从成本收益视角来衡量绿色扶贫性增长水平的研究，即缺乏一个基于OECD绿色增长战略的框架从宏观层面全面评价和测度中国绿色扶贫性增长水平的研究。那么，如何基于OECD框架测度和分析中国绿色扶贫性增长？中国绿色扶贫性增长水平变动又是怎样，是否具有收敛性？未来政府如何实施可持续性的农村贫困治理？为了对上述问题做出回答，首先，本文在基于OECD绿色增长战略视角下，重新审视了绿色扶贫性增长的基本内涵，依据OECD绿色增长战略的核心指标，结合中国绿色经济发展的实际构建了中国绿色扶贫性增长指标体系，从而综合考虑经济增长、生态环境改善、环境服务投入、创新指标和可持续扶贫性增长指标等要素，进而有利于系统地、全局地反映中国政策的绿色扶贫性增长效应，为测度和分析中国经济绿色扶贫性增长水平提供了一个新的研究视角，同时也是现有关于绿色增长测度研究的一个有益补充、延伸和完善。其次，基于包含多种非期望产出的非径向ZSG-DEA 模型以及进行Malmquist指数分解指标，测度新审视的绿色扶贫性增长指标体系，同时细分和比较绿色扶贫性增长时间和空间差异。再次，分析中国绿色扶贫性增长指数的收敛性效应。最后，指出2020年后可持续性扶贫的政策启示。本文的研究将有助于认识和理解中国绿色经济增长和贫困治理的现实状态和发展趋势，为进一步提升中国绿色扶贫性增长水平和实现可持续性减贫提供理论基础及研究参考。

二、绿色扶贫性增长实证测度再审视

(一)绿色扶贫性增长指标体系

OECD绿色增长战略核心是将经济产出(由货物和服务组成)和用来生产它的经济、社会和环境投入联系起来的生产过程，从而综合考虑经济增长、生态环境改善、环境服务投入、政策融合、创新指标和可持续扶贫性增长指标等要素，并重点关注气候变化、生态环境、自然资源等环境问题，因而具体指标可以分为以下五个方面：传统的经济投入；反映环境服务投入；经济自然资产；生活环境质量；政策反应和工具。为了吻合OECD绿色增长战略指标体系，本文在结合中国经济发展实际的基础上，整理出与之相对应的指标体系，具体如表1所示。

表1 绿色扶贫性增长指标体系

(二)绿色扶贫性增长实证测度方法

基于收益成本基础方法衡量绿色扶贫性增长水平是绿色增长战略的具体要求和体现，较为经典的测度方式是DEA法，而传统的DEA模型的假设前提是各个DMU的产出投入是相互独立的，而现实应用中经济产出投入存在很多关联，为了克服上述传统DEA模型在现实应用中的不足，本文基于变量存在总和约束前提的ZSG-DEA模型，设存在k=1，2，…，N个DMU基本决策单元，时间跨度窗口为t=1，2，…，T，以xmk表示存在m种生产要素或服务投入(m=1，2，…，Q)，以vsk表示存在s种的经济货物或服务产出增加值(期望产出)(s=1，2，…，R)，以Zpk表示经济活动伴随产生的p种环境或其他压力(非期望产出)(p=1，2，…，Y)，基本ZSG-DEA模型表示如下：

p=1，2，…，Y

λk≥0，k=1，2，…，N，k≠j

(1)

由于对某些基本决策单元DMU可能存在不可行解，因此为了弥补由于基本决策单元DMU投入产出较优而无法测得其效率值这一缺陷，基于以下模型的解来替代无可行解单元的解。

p=1，2，…，Y

0≤μ0≤1

λk≥0，k=1，2，…，N，k≠j

(2)

模型(2)中B表示一个极大正数，且决策参数μ0取值范围为0到1，而目标函数要求取得最大值，只有当决策参数μ0取值越靠近0时，B(1-μ0)越接近极大正数。可见，当模型(1)、(2)等价时，满足μ0=0；当模型(1)、(2)不等价时，满足决策参数取值接近0，此时均存在有效的基本决策单元DMU。

结合模型(1)、(2)，构造基于包含多种非期望产出的非径向ZSG-DEA模型的Malmquist指数分解指标，即利用ZSG-DEA中的距离函数比率计算生产效率指标。具体地：

(3)

(4)

式(4)表示技术效率指数与技术变动指数的分解，其中EF是指t到t+1时期效率变动的变化，TC代表t到t+1时期技术水平的变化，进而采用Caves的分解模型对技术效率指数进行分解：

=Tech×Ech=Tech×Pech×Sech

(5)

在式(5)中，Tech、Ech分别表示技术进步指数和效率提升指数；Pech表示纯技术效率指数；Sech表示规模效率变化指数。因此，Malmquist指数分解为技术进步和效率提升指数，后者则进一步分解为纯技术效率指数和规模效率指数。

(三)数据来源及说明

1.投入类

1)劳动力(L)。以全省年末从业人员数表示地区劳动力，单位为万人。

2)资本存量(H、K)。资本存量包括人力资本和物质资本两个方面，其中以各省平均受教育年限表示人力资本存量，具体表示方法为平均受教育年限=拥有小学学历人数/总人数×6+拥有初高中学历人数/总人数×10.5+拥有大学学历人数/总人数×16+拥有研究生学历人数/总人数×19，单位为年；物质资本存量的估算比较通用的方法是Goldsmith所提出的永续盘存法[10]，即期末资本净存量为期初资本存量与净投资量之和。本文计算省级资本存量的基期为1997年，其中名义总投资采取固定资产投资总额，经济折旧率采用张军等对全国各省份估计所采用的9.6%的水平[11]，固定资产投资价格指数采用黄永峰等的零售价格指数来替代[12]，初始资本即可用公式表达为Ki1998=Ii1997/(gi1997+δi1997)，其中g代表当年的GDP增长率，单位为万元。

3)能源(E)。能源的种类较多，包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气、电力等，但林伯强认为电力的产生有可能来源于包括煤炭等其他能源，因而电力消费与能源消费存在很高的相关性，同时电力消费数据采用电表记录，也相对更加精准[13]，所以本研究采用电力消费数据作为能源消费指标(E)，单位为亿千瓦小时。

4)公园绿地(P)。为了反映环境服务投入量，公园绿地可以反映环境服务对经济产出的贡献，因此以人均公园绿地面积(P)表示环境服务投入，单位为平方米/人。

5)水资源(W1)。水资源(W1)可以作为反映经济自然资产的核心指标，以人均水资源量表示，单位为立方米/人。

6)R&D经费支出(T)。技术研发和吸收、专利、研发及创新支出作为绿色增长战略政策的反应和工具，而R&D经费支出是其关键性指标，因此以各省R&D经费支出作为政策反应和工具指标，单位为亿元。

2.期望产出类(Y)

地区生产总值作为反映期望产出的指标，本文以平减后的各省GDP作为衡量指标，即以1997年为基期，对GDP指标进行总量平减，计算出真实GDP水平，单位为亿元。

3.非期望产出类

1)废水(W2)。以各省废水排放总量表示废水(W2)，单位为万吨。

2)化学需氧量(D)。以各省化学需氧量排放总量表示化学需氧量(D)，单位为万吨。

3)二氧化硫(S)。以各省二氧化硫排放总量表示二氧化硫(S)，单位为吨。

4)农村贫困人口比例(R)。以各省农村贫困人口数占农村人口总数的比例表示农村贫困人口比例，单位为%。

此外，上述所有指标或变量的原始数据来源于1997—2017年《中国统计年鉴》《中国工业经济统计年鉴》以及CEIC数据库。本文以中国大陆30个省市自治区作为研究样本的总体，剔除了数据不全的西藏。各指标描述性统计如表2所示。

表2 绿色扶贫性增长指标体系描述性统计

三、绿色扶贫性增长实证测度结果及分析

根据前文投入产出指标体系和测算公式，对中国1998—2016年30个省份的绿色扶贫性增长进行测度和分解，结果如表3所示[注]考虑到文章篇幅问题，这里省去了纯技术效率和效率改进测度结果的报告。。表3以及图1中显示，中国1998—2016年绿色扶贫性增长Malmquist指数介于0.953 3～1.198 3，均值为1.034 1；绿色扶贫性增长水平呈现逐年波动下降趋势，这与纯技术进步和效率改进具有重要关联。其中，纯技术进步指标介于0.986 8～1.2453，均值为1.051 9；纯技术进步指标呈现逐年波动上升趋势，这与中国注重引进先进技术等具有重要关联。效率改进指标介于0.904 1～1.060 6之间，均值为0.983 1；效率改进指标呈现逐年波动下降趋势。由此可见，中国绿色扶贫性增长中效率改进水平下降幅度明显高于纯技术进步上升幅度，因而绿色扶贫性增长呈现下降趋势，说明中国绿色扶贫性增长生产效率改进仍然不足，绿色扶贫性增长仍然以技术进步作为其主要动力。出现这种情况的原因可能在于：由于中国经济增长模式是以高投入、低效率的粗放经济增长模式为主[4]，绿色扶贫性增长也不例外，绿色扶贫性增长过度依赖于要素投入，相对纯技术进步效率改进水平不高，即只关注技术进步而忽视生产效率改进，容易造成生产要素资源的浪费和低效，由此带来严重的环境污染问题，从而对经济高质量发展形成了阻力，绿色扶贫性增长也将受到严峻挑战。此外，在中国以扶贫脱贫为主的经济增长目标前提下，政府“跃进式”扶贫脱贫政策可能以牺牲地方环境为代价来达到扶贫脱贫性经济增长的目的，虽然在一定程度上有助于消除贫困，但是这样可能导致扶贫脱贫难以持续，即不可持续性减贫，甚至可能因为追求高扶贫脱贫效果而使得生态环境遭到严重破坏，导致已经达成的扶贫脱贫进一步反弹，形成新一轮的贫困，由此可见绿色扶贫性增长依然是中国面临的一项重要的战略任务，也是发展中国家所面临的迫切任务。

表3 部分年份各地区绿色扶贫性增长Malmquist指数

图1 绿色扶贫性增长Malmquist指数均值及其分解

图2中显示，各省1998—2016年绿色扶贫性增长Malmquist指数平均值存在差异，同时各省的纯技术进步指标、效率改进指标也存在差异。进一步就东中西部分地区来看，东部地区绿色扶贫性增长平均水平最高，中部次之，西部地区最低；纯技术进步指标方面，中部地区最高，东部次之，西部最低；效率改进方面，东部地区最高，中部次之，西部最低，这说明东部地区生产效率提升明显，西部地区稍显不足。在经济增长和贫困治理过程中，以城市城镇化为例，在城镇化发展前期，城镇化的加速推进可以促进经济发展以及有效降低农村贫困；随着城镇化不断推进，农村贫困减少的效用下降，甚至出现阻碍作用，即城镇化与农村贫困呈现U 型关系[14]；究其原因，可能在于以下两个方面：一方面，由于城市城镇化质量水平不高，导致后续城镇化推动农村贫困减少的动力不足；另一方面，由于绿色扶贫性增长的源泉，即纯技术进步与效率改进动力不足，特别是过度依赖要素投入、引进技术等，导致生产效率水平难以持续提升，资源浪费严重，绿色扶贫性增长不可持续，同时也会降低城镇化质量，进一步使得扶贫脱贫难以持续。

图2 各地区绿色扶贫性增长Malmquist指数均值及其分解(1998—2016)

四、绿色扶贫性增长指数收敛性

张翼基于空间关联网络结构分析了中国省域碳减排的协调性和稳定性，为考察指标的协调性和稳定性提供了较好的示范[15]。因此，为直观认识各地区绿色扶贫性增长指数收敛性和稳定性，本文首先基于σ收敛模型反映各地区绿色扶贫性增长指数变动趋势，其中σit表示第i个地区第t年绿色扶贫性增长指数的标准差，lnMit表示第i个地区第t年绿色扶贫性增长指数的自然对数；当σit-1>σit时，表示各地区绿色扶贫性增长指数随着时间推移其差距不断减小，即各地区绿色扶贫性增长指数存在收敛；反之，则不存在收敛。具体模型如下：

(6)

其中i=1，2，3，…，n；t=1，2，3，…，T。

依据所测算的各省份绿色扶贫性指数，对东部地区、中部地区、西部地区以及全国四个层面计算σ收敛指标，其结果如图3所示。图3表明，整体上，东部地区绿色扶贫性增长指数与全国层面变动趋势一致，即存在阶段性下降趋势，在样本期内1998—2005年呈现下降的变动趋势，2007—2016年也呈现下降趋势；换言之，在整个样本期内，东部地区和全国层面绿色扶贫性增长不具有显著的σ收敛；而具有阶段性σ收敛。相比而言，中部地区和西部地区变动趋势较为平稳，可见既不存在整体性的σ收敛，也不存在阶段性的σ收敛。

图3 历年地区绿色扶贫性增长σ收敛指标变动趋势

进一步基于β收敛模型从长期变动趋势视角来分析中国绿色扶贫性增长指数是否具有收敛性，并根据是否将外在影响因素纳入收敛条件，分为绝对β收敛和条件β收敛。因此，绝对β收敛模型和条件β收敛模型分别如式(7)和(8)所示：

lnMi，t-lnMi，t-1=α+βlnMi，t-1+ε

(7)

lnMi，t-lnMi，t-1=α+βlnMi，t-1+γzi，t-1+ε

(8)

其中lnMi，t表示第i个地区第t年绿色扶贫性增长指数的自然对数，lnMi，t-1表示第i个地区第t-1年绿色扶贫性增长指数的自然对数，t=2，3，…，T+1，z表示收敛条件的变量矩阵，α表示常数项，β表示收敛系数，ε表示误差项，γ表示系数矩阵。式(7)中，如果β<0且通过显著性水平检验，表明存在绝对β收敛。式(8)中，如果β<0且通过显著性水平检验，表明存在条件β收敛。

收敛条件变量的设置，本文以政府影响力(gov)、贸易开放度(open)、交通基础设施结构(trans)、城镇化水平(city)以及城市人口密度(den)作为控制变量。具体检验结果分别如表4和表5所示。

表4反映了中国绿色扶贫性增长指数绝对β收敛检验结果。无论是从东、中、西部三大地区层面，还是从全国层面，β的系数均为负数，且都通过1%的显著性水平检验，说明都存在绝对β收敛特征；即东部各地区之间、中部各地区之间、西部各地区之间的绿色扶贫性增长指数趋向收敛于内部相同的稳态水平，三大区域间的地区绿色扶贫性增长指数差异逐渐缩小；全国层面的绿色扶贫性增长指数也趋向收敛于同一个稳态水平，表明低水平地区不断向高水平地区靠拢。从β的系数绝对值来看，东部>全国>中部>西部，即绝对β收敛速度东部最快、西部最慢；各地区的绝对β收敛速度存在差异。

表4 中国绿色扶贫性增长指数绝对β收敛检验结果

注：括号内的值为t值；*、** 、***分别表示在10%、5%、1%条件下通过显著性水平检验。数据来源于stata15.0估计结果。下同。

表5 中国绿色扶贫性增长指数条件β收敛检验结果

表5反映了中国绿色扶贫性增长指数条件β收敛检验结果。无论是从东、中、西部三大地区层面，还是从全国层面，β的系数均为负数，且都通过1%的显著性水平检验，说明都存在条件β收敛特征；即东部各地区之间、中部各地区之间、西部各地区之间的绿色扶贫性增长指数趋向收敛于内部各自的稳态水平，三大区域间的地区绿色扶贫性增长指数差异逐渐缩小；全国层面的绿色扶贫性增长指数也趋向收敛于地区各自的稳态水平。从β的系数绝对值来看，依然是东部>全国>中部>西部，即各地区的条件β收敛速度存在差异；条件β收敛速度东部最快、西部最慢，可能的原因在于西部地区在追求扶贫增长过程中，忽视了环境、效率因素，往往以高污染、高能耗换取经济增长，从而表现出绿色经济增长绩效不佳；而东部地区注重创新、采取节能减排措施、提升生产效率，以此提升绿色扶贫性增长水平。

五、结论与政策启示

(一)主要结论

本文基于OECD绿色增长战略视角下，融合经济增长、生态环境、环境服务、创新指标和可持续扶贫性增长指标等要素，重塑了测度中国绿色扶贫性增长指标体系；运用基于包含多种非期望产出的非径向ZSG-DEA 模型和Malmquist指数及其指数分解对1998—2016年中国绿色扶贫性增长进行了科学合理的测度，结果表明：其一，中国各地区绿色扶贫性增长水平总体呈现逐年波动下降的趋势，其中两个重要源泉：纯技术进步呈现上升趋势，效率改进呈现下降趋势，且前者的上升幅度低于后者的下降幅度。其二，各地区绿色扶贫性增长水平、纯技术进步水平以及效率改进水平存在明显差异，东部地区绿色扶贫性增长水平和效率改进水平最高，中部地区纯技术效率水平最高，而西部地区三个方面指标都最低。其三，中国绿色扶贫性增长指数呈现逐年波动下降趋势，这可能与中国扶贫脱贫治理政策“跃进式”有关。其四，收敛性分析表明，中国绿色扶贫性增长指数具有阶段式σ收敛；而无论从全国层面还是东、中、西部三大地区而言，绿色扶贫性增长指数都存在绝对β收敛和条件β收敛，前者的绿色扶贫性增长指数趋向收敛于内部相同的稳态水平，后者趋向收敛于内部各自的稳态水平，并且无论是绝对β收敛还是条件β收敛，各地区收敛速度存在明显差异。

(二)政策启示

第一，提升中国绿色扶贫性增长水平的政策措施需要从“纯技术”引进向“效率”改进转变。本文研究发现，中国绿色扶贫性增长主要效率改进动力不足，长期制约绿色扶贫性增长水平的提高，针对提升中国绿色扶贫性增长水平的政策措施，要尽可能避免这种只关注“技术进步”的措施而忽视生产效率的提升，从而应当将关注重点聚焦到资源配置效率、资金利用效率、技术创新等方面，进而提升绿色扶贫性增长的动力。

第二，为实现可持续性农村贫困治理，提升农村扶贫脱贫质量是关键，而提升扶贫质量的根本在于促进绿色扶贫性经济增长，对中国乃至世界其他发展中国家而言，完善管理和治理自然资源能够确保资源基础可持续，这对于依赖于自然资源的发展中国家治理农村贫困至关重要；重点关注和治理环境污染，从而降低对气候变化不良适应的风险，以此确保绿色扶贫性增长的重要前提条件；由传统的高污染能源来源向现代能源来源的低碳增长模式转变，使绿色扶贫性增长健康安全可持续。

第三，未来一段时间内的扶贫脱贫治理，特别是2020年后农村贫困治理，应当积极构建区域协调扶贫机制。收敛性分析指出，各地区均趋向收敛于相同或不同的稳态水平，因而创建区域协调扶贫机制，形成统一贫困治理框架，有利于助推未来农村贫困治理的深化和可持续。