长三角城市群节能减排效率评价及驱动因素研究

田 泽,张宏阳,任芳容，景晓栋

(1.河海大学 低碳经济研究所，江苏 常州 201302;2.河海大学 商学院，江苏 南京 211100)

长三角城市群包括沪苏浙皖三省一市，是“一带一路”建设与“长江经济带”战略的重要交汇地带，在我国现代化建设大局和全方位开放格局中有着十分重要的战略地位。然而长三角城市群在为我国经济增长做出重大贡献的同时，能源耗费增长引发的环境问题恶化，区域性雾霾、灰霾等空气污染问题十分凸显。江浙沪地区全年空气质量(AQI)达标天数少于 250 天，资源环境问题成为制约长三角区域经济可持续发展的瓶颈。在国务院印发的《“十三五”节能减排综合工作方案》中，明确指出到2020年全国万元GDP能耗、全国挥发性有机物排放总量分别比2015年下降15%和10%的要求。国家层面对长三角地区节能减排指标的硬性约束，对于各省市节能减排起到了规范和引领作用。而长三角城市群的节能减排与环境治理将在全国城市节能减排工作中发挥示范和带头作用。笔者通过研究2007—2016年长三角城市群节能减排效率的时空演化规律特征，为长三角城市提升节能减排效率和绿色发展提供依据，对于推进长三角城市群生态文明建设和高质量发展具有重要意义。

1 文献综述

目前对于城市节能减排效率的测算和评价研究，大多数学者选择采用数据包络分析的方法，即DEA方法。郭彬等[1]采用超效率DEA模型对我国中部六省节能减排效率进行评价。邓姗姗等[2]采用三阶段DEA模型测量我国省际节能减排潜力。CHUNG等[3]提出了考虑产出增加和污染减少这两方面因素的Malmquist-Luenberger(ML)生产率指数。王维国等[4-6]利用ML指数对国内全要素能源效率问题进行了拓展研究。针对ML指数在计算跨期方向性距离函数时，结果存在着线性规划无解和不可传递性的问题，PASTOR等[7]在前人研究基础上，率先提出GML指数法(global malmquist-luenberger)，该方法在研究节能减排效率时可以进行跨期比较，克服了ML指数的不足，使得估算结果更加真实稳健。

对于投入产出指标选取方面，大多数学者选用人力资本、资本存量和能源消费量作为投入指标，但在非期望产出指标的选取上有所不同，如李科[8]运用超效率DEA方法研究我国省际节能减排效率时，选取二氧化碳作为非期望产出；王兵等[9]采用两期权重修正罗素模型研究节能减排对绿色全要素生产率的影响时，选取化学需氧量和二氧化硫作为非期望产出；黄清煌等[10]考察环境规制对节能减排效率的影响时，选取二氧化碳与二氧化硫作为非期望产出。

与已有研究不同，笔者将引入城市综合污染物排放指数作为非期望产出，以更准确地测量节能减排效率值。从都市圈视角出发，研究长三角城市群各城市节能减排效率的动态变化特征，以期为长三角城市群提升节能减排效率精确施策提供参考。

2 研究方法与数据

2.1 GML指数法

(1)

由上述理论可以测算出从t期到t+1期期间长三角地区城市群各城市相应年份的节能减排效率值，即相应的GML指数。如果相应年份的GML指数大于1，则说明该地区的节能减排效率较前一年有所提高；如果GML指数小于1，则表示该效率较上一年有所下降；如果GML指数等于1，则表示没有变化。在规模报酬不变的情况下，对GML指数继续进行分解，可以将GML指数分解为技术进步变化指数(GTECH)和技术效率变化指数(GEFFCH)，分解形式如下:

(2)

(3)

(4)

为了测算GML指数及其分解项，需要求解当期方向性距离函数和全局方向性距离函数，可通过以下线性规划得到：

Dt(xt,yt,bt)=maxβ

(5)

DG((xt,yt,bt)=maxβ

(6)

2.2 数据来源

笔者选取2016年国务院出台的《长江三角洲城市群发展规划》中具有代表性的19个城市为研究对象，分别为上海、杭州、湖州、嘉兴、台州、宁波、舟山、绍兴、南京、无锡、镇江、泰州、南通、常州、扬州、苏州、合肥、芜湖和马鞍山。该发展规划将长三角城市群分为5个都市圈，分别是南京都市圈(南京、镇江及扬州)、杭州都市圈(杭州、嘉兴、湖州及绍兴)、合肥都市圈(合肥、芜湖及马鞍山)、苏锡常都市圈(苏州、无锡及常州)、宁波都市圈(宁波、舟山及台州)。考虑到数据的可获得性，面板数据时间跨度为2007—2016年，选取资本投入C、劳动力投入L和能源消耗E作为投入指标，选取地区生产总值G作为期望产出，综合污染排放指数T为非期望产出。

(1)资本投入C。由于不同城市的资本存量和相关资本折旧率的具体数据可获得难度较大，笔者选取2007—2016年期间长三角16个核心城市的各年份的固定资产投入值来衡量投入指标C,数据来源为相应年份长三角地区各城市统计年鉴。

(2)劳动力投入L。选取2007—2016年间长三角各核心城市的劳动力就业人数来衡量投入指标L，包括单位就业人数和个体私营从业人数，数据来源为相应年份的城市统计年鉴。

(3)能源消耗E。选取2007—2016年相应年份的综合能源消耗量来衡量投入指标E，数据来源为相关年份的城市统计年鉴和各城市统计局公布的数据资料。

(4)地区生产总值G。选取2007—2016年对应年份的地区生产总值即各目标城市相应年份的GDP总产值为期望产出指标G，数据来源为对应年份各相关城市的统计年鉴。

(5)综合污染排放指数T。为了全面地反映长三角城市群的污染排放现状，笔者选取长三角各城市2007—2016年的一些主要污染物排放指标：废水排放量、二氧化硫排放量及工业烟(粉)尘排放量，利用熵权法计算得出各城市相应年份的综合污染指数T，数据来源为相应年份的城市统计年鉴。

3 长三角城市群节能减排效率测算结果与分析

3.1 节能减排整体效率GML指数分析

利用GML指数方法求得长三角城市群19个城市的GML指数及其分解项，如表1所示，数据来源于MAXDEA6.6 PRO的计算整理结果。在考虑非期望产出的条件下，长三角城市群在样本期内节能减排效率整体呈上升趋势，GML指数为1.038，说明2007—2016年长三角城市群节能减排效率年均增长3.8%。从GML指数的分解项来看，技术进步变化指数和技术效率变化指数的几何平均值分别为1.032和1.010，说明技术进步与技术效率都是正向增长，对节能减排效率起到了促进作用，两者的贡献作用相当。

3.2 各都市圈减排效率GML指数分项分析

2007—2016年期间，五大都市圈的GML指数几何平均值从高到低依次为宁波都市圈、苏锡常都市圈、杭州都市圈、南京都市圈和合肥都市圈，GML指数几何平均值分别为1.034、1.034、1.033、1.031和1.029；从GML指数的分解项来看，各都市圈的技术进步指数和技术效率指数差别不大，技术进步与技术效率均是正向增长，节能减排效率的提升得益于两者的共同作用。就南京都市圈而言，3个城市的GML指数相等，南京市技术效率增速相对其他两个城市较低，阻碍了节能减排效率的提升。在宁波都市圈中，台州的GML指数几何平均值相对其他城市较低，技术效率是阻碍台州节能减排效率提升的重要原因。在苏锡常都市圈中，无锡的GML指数几何平均值最高，技术进步是促进无锡节能减排效率提高的重要原因。在杭州都市圈中，杭州和绍兴的GML指数几何平均值较高，技术进步和技术效率共同促进了节能减排效率的提升。

表1 2007—2016年长三角各城市GML指数及其分解(几何平均值)

从各个城市具体的GML指数值来看，所有城市的GML指数几何平均值都大于1，其中，上海的节能减排效率最高，增速达到了8.0%，紧接着是南通、绍兴、舟山等，节能减排效率最低的是湖州，年均增长率为0.5%，技术效率的下降制约了节能减排效率的提升。综上所述，技术进步是促进各城市节能减排效率提升的源泉，技术效率的普遍降低阻碍了节能减排效率的增速。

3.3 城市群GML指数变化趋势

2007—2016年长三角城市群GML指数及其分解项如表2所示(数据来源为MAXDEA6.6PRO的计算整理结果)，可进一步分析长三角城市群节能减排效率的变化趋势。

表2 2007—2016年长三角城市群GML指数及其分解项(几何平均值)

由表2可看出，在时间维度上，长三角城市群历年的GML指数几何平均值呈“M”型波动，2007—2011年期间，该指数整体保持增长的趋势，技术进步对节能减排效率的提升起到了重要作用；2010—2013年期间，GML指数几何平均值呈下降的趋势，特别是2012—2013年期间长三角节能减排效率出现负增长，技术效率的恶化是其增速下滑的原因；2013—2016年期间节能减排效率的增速逐渐回归稳定，这与我国产业结构调整，技术进步密不可分。从样本期历年的GML指数及其分解项来看，技术效率提高的空间很大，长三角城市群未来技术效率不断提高，这将改变节能减排效率依赖技术进步的局面，技术效率的提升与技术进步将共同促进节能减排效率的增长。

通过测量2007—2016年GML指数及其分解变化情况，得到长三角五大都市圈GML指数及其分解项几何平均值变化趋势图，可以反映出各城市圈节能减排效率及其影响因素在时间维度上的变化情况。GML指数变化趋势如图1所示，可看出除了合肥都市圈外，其他都市圈的节能减排效率都呈“M”型波动趋势。技术进步指数变化趋势如图2所示，可看出2010—2012年期间，南京都市圈技术进步值呈“V”型波动，技术效率呈缓慢下降趋势，GML指数略微增长，技术进步抑制了南京都市圈节能减排效率的提高。技术效率变化趋势如图3所示，可看出2010—2014年期间，合肥都市圈技术效率值先下滑后上升，波动幅度较大，技术效率较大程度地阻碍了合肥都市圈节能减排效率的提升。综合图1～图3可以看出，GML指数、技术进步和技术效率都呈现缓慢增长态势，说明各都市圈“十二五”节能减排工作已经取得一定的成效。

图1 GML指数变化趋势图

图2 技术进步指数变化趋势图

图3 技术效率变化趋势图

4 长三角城市群节能减排效率驱动因素分析

4.1 模型设定与变量选取

为了进一步确定影响长三角城市群节能减排效率的相关驱动因素及不同驱动因素对节能减排效率的综合影响程度，借鉴文献[1]、文献[12]和文献[13]的研究成果，从劳动力投入、资本投入、产业结构和能源消费量4个方面考察对长三角节能减排效率的影响驱动因素。设定的模型如下：

lnGMLi,t=β0+β1lnCi,t+β2lnISi,t+

β3lnEi,t+β4lnLi,t+εi,t

(7)

式中：被解释变量lnGMLi,t表示GML指数的对数值；lnCi,t表示资本投入的对数值；lnISi,t表示产业结构的对数值；lnEi,t表示能源消费量的对数值；lnLi,t表示劳动力投入的对数值；εi,t为随机误差项；i和t分别代表地区和时间。变量的设定与含义如表3所示。

表3 各解释变量的具体设定与选取情况

相关实证数据涉及长三角城市群19个城市，时间区间为2007—2016年，数据总量共计144条。由于面板数据在估计过程中可能出现序列相关性及异方差，因此采用广义最小二乘法(GLS)对式(7)进行估计。此外，对面板数据进行豪斯曼检验发现p值小于0.05，拒绝原假设，即认为固定效应模型优于随机效应模型，估计结果如表4所示。

表4 长三角节能减排效率影响因素估计结果

注：括号内的数值为标准差；*、**、***分别表示在10%、5%、1%水平下显著

4.2 结果分析

由表4可知，模型(1)、模型(2)、模型(3)和模型(4)是逐步加入各影响因素变量对其系数的估计，反映了4个变量对节能减排效率的影响程度，各模型都具有较好的稳健性。

(1)资本投入对长三角城市群节能减排效率具有显著的正向影响，即当城市固定资产投资增加时，节能减排效率将会提升。通过加大资本投入，长三角地区可以引进先进的生产制造设备和节能减排技术。同时，长三角城市群在吸引资本投入的过程中要做好甄别工作，对于那些经济附加值低、污染排放大的投资在引进过程中需慎重考虑。

(2)劳动力投入对长三角城市群节能减排效率具有显著的负向影响，说明劳动力数量会阻碍长三角地区节能减排效率的提升。因此，对于传统的以廉价劳动力为竞争优势的劳动密集型企业，要积极鼓励他们引进先进的生产技术，进行生产线的升级换代，提高企业的生产效率和技术水平。

(3)产业结构对长三角城市群节能减排效率的影响显著为正，且在5%的显著性水平下通过检验，其系数为0.237。由此可见，大力发展第三产业，尤其是推动现代服务业的发展，提高第三产业在整个地区GDP总量中的占比是提高长三角城市群节能减排效率的重要途径。

(4)能源消耗对长三角城市群节能减排效率的影响显著为负，长三角地区能源消耗量每增加1%，相应的节能减排效率将会降低42.1%。因此从总量上控制长三角城市群的能源消耗水平是提高地区整体节能减排效率的有效途径，相关地区应该加强对高耗能企业的监管力度，鼓励相应企业进行自主减排，提高能源使用效率。

5 结论与建议

通过运用GML指数对2007—2016年期间长三角城市群节能减排效率的测算，分析了长三角城市节能减排效率的基本特征和变化情况，特别是对长三角五大都市圈节能减排效率进行了对比分析。研究发现长三角城市群的节能减排效率总体“有效”，长三角城市群整体的GML指数呈“M”型波动。通过对五大都市圈GML指数的测量与分解，发现不同都市圈的节能减排效率趋势的变化情况不尽相同，其中合肥都市圈的节能减排效率较低。

通过对长三角城市群节能减排效率驱动因素进行回归分析，结果显示资本投入与产业结构对长三角城市群节能减排效率产生了显著的正向影响，劳动力投入和能源消耗抑制了长三角城市群节能减排效率的提高。

基于以上结论，提出以下政策建议：

(1)发挥技术进步与科技创新在长三角城市群节能减排中的关键作用。长三角城市群要积极推广“工业互联网+绿色创新”，发展绿色智造产业和低碳产业，加大节能环保技术研发投入。

(2)大力发展第三产业，切实发挥现代服务业对经济增长的新引擎作用。长三角城市群应该逐步淘汰落后产能，鼓励和发展先进的现代服务型产业，推动产业结构高端化，促进产业结构由劳动与资本密集型产业向技术密集型产业转移。

(3)发挥市场在长三角城市群环境资源配置的决定性作用，构建多元激励和约束作用。加快低碳城市试点和建设碳排放交易市场，对高污染、高耗能的企业征收碳排放税、环保税，推行排污许可、排污权交易制度，倒逼城市群内产业转型升级，健全城市群内生态补偿机制。

(4)加强长三角城市群一体化发展中的顶层设计和规划衔接、跨省际环保联防联控和产业布局调整等方面的合作。以改革创新，破除区域发展壁垒和利益藩篱，打通资源流动壁垒，实现区域协同创新和长三角高质量一体化。