新时代优化开发区绿色经济绩效评估及时空演变——基于DDF-GlobalMalmquist-Luenberger指数方法分析

岳 立，郑文富

（兰州大学 经济学院，甘肃 兰州 730000）

党的十九大报告指出，新时代中国的社会主要矛盾已转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾，经济由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期。经济的高质量发展，需要加强自主创新、加大研发和教育投入、优化产业结构、降低能耗、减少环境污染、发展绿色经济。在此背景下，传统唯G DP政绩的绩效考核制度（周黎安，2007［1］）已与实际情况不相适应，需要转变绩效评估方法以促进经济的高质量发展。

根据《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》，坚持绿色发展理念的重要举措之一是加快建设主体功能区，主体功能区建设在中国经济高质量发展中具有重要的地位。主体功能区按开发方式可划分为优化开发区、重点开发区、限制开发区和禁止开发区，其中优化开发区是指经济比较发达、人口比较密集、开发强度较高、资源环境问题更加突出，从而应该优化进行工业化城镇化的城市化地区。作为中国提升竞争力、引领自主创新、优化产业结构的重要承载区域，处于东部地区的优化开发区已经实现了高速发展。但是，改革开放以来这些地区的发展以G DP的增长为主要目标，其发展严重依赖于资源能源的高消耗，忽视了环境保护，产生了环境污染、资源短缺等问题，这与经济高质量发展的要求相悖。因此，新时代使用包含环境资源约束等在内的指标评估优化开发区的绿色经济绩效，分析优化开发区绿色经济绩效的提升途径，对促进经济高质量发展具有重要意义。

一、文献综述

自2006年主体功能区构想提出后，国内研究主要集中在主体功能区生态环境保护及经济发展（徐莉萍、孙文明，2013［2］；曹前满，2015［3］），而涉及优化开发区的文献多是将其置于主体功能区，与重点开发区相结合进行讨论分析。例如：娄峰和侯慧丽（2012）［4］研究了开发区的人口分布，陈黎明等（2015）［5］估算了2011年开发区的经济、环境与生态效率；或仅以某个城市为例子展开，分析地方政府绩效评价指标体系（赵景华，2011［6］）。较少有学者专门研究优化开发区，并从整个区域及绩效方面进行实证方面的研究。

绿色经济绩效与生态效率具有一定程度的相似性。绿色经济绩效在一定程度上包含了经济、生态、可持续等方面，而生态效率是能反映经济状况及生态环境的综合指标，其从根本上扭转了对产值、速度与数量上追求的粗放型增长，转向了以效率、结构以及质量为核心的集约式增长（方创琳等，2010［7］），绿色经济绩效是在传统的生态效率基础上的创新。关于绿色经济绩效的相关研究，学界主要从以下三个角度展开：其一，绿色经济绩效的评估研究。学者们一是主要通过构建多级指标的综合评价体系，运用熵值法、因子分析法等对绩效进行评估（吴传清、黄磊，2017［8］；郭存芝等，2014［9］），二是基于投入产出的视角，主要采用投入产出法（张晓娣，2015［10］）、数据包络分析法（D EA）等来评价绩效（林伯强、谭睿鹏，2019［11］；R y b ac z e w s k a M&M asterna k Janus A，2018［12］），其中以数据包络分析法的应用最为广泛。其二，绿色经济绩效的演变研究。学者们主要是基于绿色经济绩效的测度结果，从静态和动态视角对绿色经济绩效进行空间、时间两个维度的差异及变化分析（黄跃、李琳，2017［13］）。其三，绿色经济绩效影响因素的研究，主要涉及财政分权、环境规制、市场潜能、产业结构等因素（罗能生、王玉泽，2017［14］；冯严超、王晓红，2019［15］）。上述研究，主要是单纯的评估省域、城市绿色经济绩效的研究，缺乏从优化开发区视角出发且基于城市维度的评估研究。

总体上，目前针对优化开发区绿色经济绩效的研究主要存在两个方面需要完善之处：一是较少专门针对整个优化开发区进行的研究，也几乎很少有使用考虑经济增长、经济结构调整、能源消耗、环境污染四个方面的绿色经济绩效指标进行的研究；二是以优化开发区这一视角展开且基于城市维度的绿色经济绩效评估，少有学者涉及。鉴于此，本文基于优化开发区的视角，以54个城市作为研究对象，运用DD F-GML指数模型研究方法，评估其优化开发区考虑非期望产出的绿色经济绩效和未考虑非期望产出的传统经济绩效，并从横向区域与纵向时间的维度对其优化开发区进行较为全面的梳理与比较，以期对已有的研究进行拓展，并为优化开发区绿色经济绩效的提升提供科学的决策依据，以此契合新时代经济高质量发展的需要，促进优化开发区经济的绿色增长。

二、DD F-Glo b al M alm q uist-L uen b erger指数分析方法

本文选取DD F-Glo b al M alm q uist-L uen b erger（GML）分析方法评估并分解优化开发区城市的绿色经济绩效。大部分文献都根据C h ung，etal.（1997）［16］所构造的方向距离函数（DD F）对生产可能集进行定义，将效率评价中所包含的非期望产出进行弱可处置性约束，这将使得实际上应属于生产可能集的部分区域丢失，从而使结果产生误差。而若将非期望产出进行强可处置性约束，尽管模型的生产可能集不合逻辑，但其最终结果是准确的。故此本文为了最终结果的准确性，将强可处置性非期望产出纳入效率评价中。

本文将优化开发区中的每个城市作为一个决策单元（D M U），假设每个城市均使用M种投入x=（x1，x2，x3，…，xM）∈RM+，得到I种期望产出y=（y1，y2，y3，…，yl）∈Rl+及J种非期望产出b=（b1，b2，b3，…，bJ）∈RJ+。当设方向向量为g=（gy，gb），t（t=1，2，3，…，T）表示每一个时期，则第t期的方向距离函数为：Dt（xt，yt，bt；g）=sup{β|（yt+βgy，bt-βgb）∈Pt（xt）}。在该公式中，xt代表第t期的资本、劳动力和资源等投入向量；yt和bt各代表第t期中的期望产出向量和非期望产出向量；β代表在第t期中，使得期望产出yt最大化和非期望产出bt最小化的方向距离函数值。Pt（xt）={（yt，bt）|xt能生产（yt，bt），t=1，2，3，…，T}指当期生产可能性集合，该集合同时包含了期望产出与非期望产出，而且非期望产出具有强可处置性。

鉴于M L指数不满足传递性、可加性以及存在线性规划中无可行解等缺陷，因此本文采用O h（2010）［17］在M L指数基础上构建的GML指数方法，以此克服ML指数的缺陷。Oh在当期生产可能性集合的基础上，定义了全局生产可能性集合PG（x）=P1（x1）∪P2（x2）∪P3（x3）∪…∪PT（xT），表示所有当期生产可能性集合的并集。以下本文将方向向量设为g=（y，b），则方向距离函数可简写为D（x，y，b）。进而得到了全局方向距离函数DG（xt，yt，bt）=sup{β|（yt+βy，bt-βb）∈PG（x）}，所以其构建的GML指数及分解形式为：

各表示两时期每个城市绿色经济绩效的相对变化率、技术效率变化及技术变化，计算结果大于（小于）1，各指绿色经济绩效的提升（降低）、技术效率的改善（恶化）以及技术进步（倒退）。通过分析GML指数及其分解项，可了解到优化开发区绩效的变化情况及该变化的动力来源，从而能够提供较为贴切优化开发区实际情况的绩效提升方案。

为了测度与分解GML指数，需利用线性规划对上式中不同的方向距离函数求解。因此t期和t+1期的当期方向距离函数、全局方向距离函数可通过求解以下线性规划得到：

三、优化开发区的绩效评估

（一）指标选取与数据来源

本文借鉴陈黎明等（2015）［5］的划分方法，根据《全国主体功能区规划》中所提到的优化开发区城市，选取北京、天津等54个城市作为研究对象。

在新古典增长理论中确定的劳动、资本两类投入要素基础之上，结合《全国主体功能区规划》中优化开发区的定位、发展方向、绩效考核评价体系总方向以及实际情况，选取年末单位从业人数、资本存量、全年用电量、建成区非绿化覆盖面积、供水总量作为投入指标，地区生产总值、第三产业增加值作为期望产出指标，工业废水排放量、工业二氧化硫排放量、工业固体废弃物产生量作为非期望产出指标。其中，资本存量参考张军等（2004）［18］的做法，鉴于大部分城市的固定资产投资价格指数较难获得完整数据，故使用城市所在省份的固定资产投资价格指数替代，并以此对全社会固定资产投资总额平减为以2007年为基期的实际值，最后使用9.6%的重置率，基于永续盘存法进行推导；地区生产总值、第三产业增加值则分别使用每个城市的地区生产总值指数、第三产业增加值指数进行平减至以2007年为基期的实际值，以剔除价格因素的影响。各指标的描述性统计如表1所示。

以上的投入产出指标，采用2007—2015年的数据，主要来源于《中国城市统计年鉴》、E PS数据库，各省市的统计年鉴、各市的统计公报、环境状况公报（年报）、固体废物污染防治信息公告、国家统计局网站以及各省市的环保局网站等。部分年鉴统计记载偏误的数据，对其进行修正；部分缺失数据由均值法予以补齐；部分无法使用均值法补齐的缺失数据由之前年份按照相应比例推算而得。

（二）DDF-GML指数评价结果及其分解

本文利用投入导向规模报酬不变的DD F-GML指数模型，采用M ax D EA7Ultra软件，对优化开发区各市未考虑环境破坏即非期望产出的传统经济绩效以及考虑生态环境问题即非期望产出的绿色经济绩效分别进行评价。图1列示了优化开发区总体2007—2015年的传统经济绩效和绿色经济绩效评估值。由图可发现，优化开发区总体的传统经济绩效评估值与绿色经济绩效评估值发展态势均较良好，呈现逐渐上升的趋势。同时，传统经济绩效值均低于绿色经济绩效值，且随着年份的推移，传统经济绩效与绿色经济绩效的差距拉大。这表明，一方面优化开发区近年来也越来越注重经济发展和环境保护的协调，另一方面地方传统的绩效评价考核低估了该地的实际绩效情况，不能够客观、有效地对绩效进行评价。

表1 优化开发区投入产出指标的描述性统计

图1 优化开发区绩效评估值

为了更深入地阐述优化开发区在2007—2015年绿色经济绩效、传统经济绩效的变动情况及时空演变情况，本文进一步利用GML指数对优化开发区绩效的增长率进行测度，并对其进行分解，结果如表2所示。

表2 优化开发区考虑非期望产出与未考虑非期望产出的GML指数及分解项累积变化值和几何平均值

从宏观层面上看，总体上优化开发区在考虑非期望产出与未考虑非期望产出时的绿色经济绩效与传统经济绩效评价值相差不大，再一次说明近年来优化开发区在高速发展经济的同时，越来越重视生态环境的治理与保护，以实现经济功能与生态功能的兼顾，走绿色经济发展道路。在考虑非期望产出时，总体的GML指数累积提升幅度为41.21%，年均增长4.21%。其中，技术效率变化（EC）与技术变化（T C）各累积增长1.40%、39.56%。这表明优化开发区的绿色经济绩效在样本年份期间整体保持上升状态，技术效率变化（EC）与技术变化（T C）均对该绿色经济绩效起到促进作用。因优化开发区总体定位为科学技术创新实力较强的区域，其绿色经济绩效的提高主要依赖于引进或自主创新技术等技术的变化。

从中观层面城市群看，在考虑非期望产出的环境约束下，环渤海地区、长江三角洲地区、珠江三角洲地区分别累增了44.83%、40.54%、30.75%，年均各增长4.56%、4.18%、3.12%，由此可知环渤海地区的累积提升幅度、年均增长幅度最高，而珠江三角洲地区的提升幅度最低，呈现出自北向南递减的趋势。这表明尽管三大区域都在一定程度上获得了进步，但区域间的差距也存在不断扩大的趋势。从GML指数的分解项可得知，环渤海地区绿色经济绩效的提升得益于技术效率、技术变化的共同促进作用，而技术变化是长江三角洲、珠江三角洲地区绿色经济绩效增长的主要源泉；技术效率的下降，一定程度上抑制了地区绿色经济绩效的增长，假若长江三角洲、珠江三角洲地区进一步优化其资源配置结构，提高资源的投入组合效率，则绿色经济绩效将会大幅度提升。在未考虑环境约束的情况下，此三个地区均实现了一定的累积增长，但传统经济绩效均比其绿色经济绩效累积增长幅度要低，其中环渤海地区、长江三角洲地区的传统经济绩效与绿色经济绩效相差较大，而珠江三角洲则相差不大。因此，从绩效增长的这一角度来看，珠江三角洲地区在生态环境的保护、绿色经济的发展方面不如其他两个区域好。

从微观层面的各个城市看，在环境约束下，GML指数累积变化率在100%以上的城市有2个，分别为位于环渤海地区的营口和位于长江三角洲地区的常州。这2个地区的绿色经济绩效年增长率均高于9%，技术效率与技术变化均实现了正向增长，共同促进了绿色经济绩效的提高，从而对优化开发区绿色经济绩效的提升起到了举足轻重的作用。位于环渤海地区的沧州和位于珠江三角洲地区的东莞GML指数、技术效率、技术变化均为1，表明在样本期间内，沧州和东莞的绿色经济绩效保持不变。而位于长江三角洲的绍兴与位于珠江三角洲的肇庆，GML指数小于1，绿色经济绩效的值呈现下降趋势，主要是由于技术效率的降低导致的。具体说来，绍兴的技术变化虽然具有促进作用，但其升幅没有技术效率降幅大；肇庆的技术效率和技术变化均有不同程度的下降，但技术变化降幅小于技术效率降幅。这说明在样本选取期的9年间，绍兴与肇庆的资源优化配置程度在降低，主要依靠大量投入资源和资本等要素的粗放型发展方式来提升绿色经济绩效，技术变化对绿色经济绩效所起的促进作用微小甚至起到一定程度的抑制作用。除上述6个城市外，剩余48个城市的GML指数均大于1，表明其绿色经济绩效都有不同程度的提高，但是其提升驱动的因素不尽相同。环渤海地区的鞍山、本溪、大连、东营、抚顺、济南、潍坊、辽阳、日照、天津、潍坊、淄博，长江三角洲的杭州、湖州、嘉兴、镇江以及珠江三角洲的珠海，此17个城市均是由技术效率改善和技术进步二者双重驱动的结果，其中技术进步的驱动效应最为突出，比技术效率改善的促进作用高28.41%以上；保定、滨州、承德、葫芦岛、锦州、盘锦、秦皇岛、沈阳、唐山、张家口、南京、南通、宁波、泰州、扬州、舟山、惠州、江门等18个城市，主要是由于技术进步的驱动引致的，而其技术效率均呈现不同程度的恶化，反映这些区域主要依赖技术创新促进绿色经济绩效的提升；环渤海地区的铁岭，主要是由技术效率改善的驱动作用大于技术倒退的抑制作用而引致绿色经济绩效增长，这表明铁岭仍处于规模报酬递增阶段，主要依赖于扩大资源、资本等要素投入的粗放式发展道路；北京、青岛、威海、烟台、上海、苏州、台州、无锡、佛山、广州、深圳及中山等12个城市，主要得益于技术进步的驱动，其技术效率值为1，表明在样本期内这些地区的技术效率几乎没有发生变化，绿色经济效率的提高依赖于地区的技术创新。与考虑非期望产出这一环境约束相比，在未考虑非期望产出的情况下，GML指数变化增加较为明显的有东营、威海、深圳和肇庆4个城市，均增加了1%以上，其中肇庆增加达到了4.57%。分析GML指数的分解项可知，威海和深圳产生变化的主要原因在于技术变化驱动，而东营、肇庆则在于技术效率和技术变化的双重驱动。

以上主要是从决策单元等区域角度分析优化开发区绿色经济绩效的变动情况，为进一步探究绿色经济绩效在样本期间内的纵向演变情况，以下将从时间维度对优化开发区的绩效进行分析。图2分别为考虑非期望产出（a1，b1，c1）与未考虑非期望产出（a2，b2，c2）的2007—2015年GML指数，及其分解情况的累积变化趋势图。

图2 2007—2015年优化开发区考虑非期望产出（a1，b1，c1）与未考虑非期望产出（a2，b2，c2）的累积GML指数及其分解项变动趋势

从图中可看出，无论是否考虑非期望产出，衡量优化开发区绩效截止当期增长幅度的累积GML指数均呈现上升的态势，但在2012—2013年二者绩效的相对增长速度放缓。究其原因，在2012—2013年时段内因为技术进步指数的下降，使之在一定程度上抑制了优化开发区绩效的增长速度，此时主要依靠技术效率的推动作用。此外，累积的EC指数在2007—2010年和2014—2015年呈现下降的趋势，此时传统经济绩效仍上涨主要是由于累积T C指数的上升，其幅度大于累积EC指数的下降幅度所导致的。其余时段内，绩效的增长则是受技术效率与技术变化共同拉动作用的结果。这一现象表明优化开发区作为我国综合实力较强和重要的创新区域，其在经济不断高速发展的同时，大部分期间较为注重自主创新，注重创新对绿色绩效的驱动作用，充分运用高精尖技术，不断转变经济结构，由主要依赖第二产业向依靠第二、第三产业转变，从而不再持续单纯依赖资源大规模投入而导致环境污染、资源浪费的发展模式，而是不断地向现代化集约式发展模式转变。

从三大区域来看，第一，无论是否考虑非期望产出的影响，三大区域的累积GML指数、累积T C指数上升的总体趋势均基本一致，且总体上在考虑非期望产出时的累积GML和T C值较大。这再次印证了一定程度上，传统经济绩效的评价低估了实际的地区绩效。第二，对于累积的EC指数，2009—2010年长江三角洲地区和2010—2012年珠江三角洲地区，在是否未考虑非期望产出的情况下产生了相反的结果。这表明在未考虑环境约束下，将有可能会对技术效率的改进或抑制作用产生误判。第三，环渤海地区的累积GML、EC和T C值的变化趋势均和优化开发区整体变化趋势基本一致，且累积GML和EC指数的值均位于三大区域之首，总体上高于优化开发区整体平均水平。2007—2010年，环渤海地区的累积GML指数和T C指数高速增长，而累积EC指数在2007—2009年呈上涨态势、2009—2010年出现下滑；2010—2012年累积GML指数和T C指数的增速放缓，而累积EC指数先快速上涨而后有一定程度的降低；2012年后，GML指数快速增长，T C指数除在2012—2013年有小幅下降后也快速增长，EC指数在2012—2013年上升、2014年后出现一定程度的下降。第四，长江三角洲地区的累积EC指数震荡幅度在三大区域中最大，累积GML和T C指数趋势则和优化开发区总体的变动趋势大致一样。2007—2010年累积GML指数、累积T C指数保持上升趋势，累积EC指数在2007—2009年出现大幅下跌，2009—2010年考虑非期望产出的值上升、而未考虑非期望产出的值依然在下跌；2010—2012年，累积GML指数仍保持上涨趋势但速度有些减缓，累积EC指数则加速上升，T C指数在考虑环境约束的情况下缓慢上升，而在不考虑环境约束时在2010—2011年有小幅下降；2012—2013年间，考虑非期望产出的累积GML指数呈下降趋势，累积EC指数快速下跌，累积T C指数增速缓慢；2013年后，累积GML、T C指数呈不断上升趋势，累积EC指数在考虑非期望产出时基本不变，增长后劲不足。第五，珠江三角洲地区的累积GML指数虽一直保持上升态势，但在三大区域中，增速最为缓慢，低于优化开发区整体水平。2007—2009年，累积EC指数呈下降趋势，累积T C指数高速上升，此时因为T C指数的上升幅度大于EC指数下降的抑制作用，使得累积GML指数仍处于上升趋势；2009—2010年，累积GML、T C指数有所上升，同时累积EC指数上升幅度较大；2010—2012年，累积GML、T C指数均呈上升趋势，但考虑非期望产出的累积EC指数呈现趋于下降的态势；2012—2013年，因累积T C指数大体保持一致而累积EC指数出现下降，导致该阶段的累积GML指数有所下降；2013—2015年，累积GML指数不断增长，而累积EC指数和考虑非期望产出的累积T C指数则进入不同程度的震荡调整阶段。第六，由图2可以看出，三大区域在样本年份期间的累积GML、累积T C指数曲线形状大体相同，而EC指数则处于波动变化中。这表明，优化开发区三大区域的绩效提升均主要依赖于技术进步的促进拉动作用，技术效率成为这些地区绩效提升的主要约束。

四、结论及建议

（一）结论

本文基于DD F-GML指数分析模型，测度了2007—2015年优化开发区考虑非期望产出及不考虑非期望产出这一环境约束条件下的绩效评估值，从横向区域角度及纵向时间维度较为全面地比较分析了优化开发区绩效的时空演变规律，得出以下结论：

第一，优化开发区考虑非期望产出的绿色经济绩效均比不考虑非期望产出的传统经济绩效要高。这表明传统的经济绩效评价指标低估了开发区的绩效，不能较为准确地体现开发区的实际情况。同时，这也从侧面反映出优化开发区越来越重视生态环境的保护，注重经济功能与生态功能的结合，走上绿色经济发展的道路。

第二，从横向区域角度，可知优化开发区整体绩效水平与三大区域的趋势均基本一样，即均在样本期内保持上升趋势，且绩效大体呈现由北向南递减的格局，绩效提升的动力源泉具有区域异质性。其中，环渤海地区依靠技术效率和技术变化的共同促进作用，而长江三角洲、珠江三角洲地区则主要依靠技术变化的拉动作用。此外，珠江三角洲地区没有GML指数累积变化100%以上的城市，而且是否考虑环境这一约束条件时GML指数值变化增加较为明显的城市，主要来自该区域和环渤海地区。

第三，从纵向时间维度分析可知，未考虑非期望产出的约束条件，可能会对技术效率对绩效的拉动或抑制作用产生误判；优化开发区城市的绩效提升主要依靠技术进步的贡献，而技术效率成为优化开发区提高绩效的主要约束。在样本期间内，长江三角洲地区在优化开发区中的震荡幅度最大，较不稳定。

（二）建议

根据上述分析结论及优化开发区的实际情况，在新时代中国社会主要矛盾变化和经济发展转向高质量发展阶段的背景下，本文提出如下政策建议：

第一，改进绩效评价指标，促进区域的绿色增长。优化开发区的城市应依据《全国主体功能区规划》中的功能定位与城市的具体情况，对本地的绩效考核指标进行优化，强化工业二氧化硫排放量、工业废水排放量、工业固体废弃物产生量等各项绿色生态指标的考核，以使得对优化开发区的绩效评价更符合现实情况，不产生低估绩效的现象，并使得优化开发区能更好地协调经济发展与生态之间的关系，走绿色增长的发展道路。

第二，调整优化产业结构，实现区域的转型升级。优化开发区的绿色经济绩效大体呈现由北向南递减的格局，与区域的产业结构具有较强的相关性。优化开发区各城市应将产业结构的重心向第三产业转移，将劳动密集型产业和污染型产业向信息技术密集型产业和清洁集约型产业转变。环渤海地区及长江三角洲地区的城市应保持目前的发展态势，坚持新时代绿色经济增长理念推动绩效的增长；珠江三角洲地区的城市不仅需要在“有效市场”的基础上积极发挥“有为政府”的作用，以优化升级产业结构，更应将生态环境作为经济发展的强约束，严格控制污染物的排放，加大对污染行为的处罚力度。

第三，改善技术效率约束，提升区域的绿色绩效。优化开发区绩效的提升动力来源具有区域异质性，但从时间维度上看，技术效率是优化开发区绩效进一步提高的主要约束。因此，优化开发区的各城市应努力提高本地区科技的自主创新能力、加强高新技术产业的发展，应注重资源的集约化利用，以促进技术效率的改善。