广东省工业用地生态效率时空差异及影响因素研究

邓丽敏，唐晓莲，易嘉兴

（广东工业大学 管理学院，广东 广州510520）

改革开放四十年来，我国工业经济实现了快速发展，规模不断扩大，工业生产总值从1978年的1602亿元增长到2018年的305160亿元，占当年GDP总量的33.9%，工业发展已成为我国经济增长的主要动力源泉。现阶段我国工业的发展能源消耗量巨大，但由于思想观念、技术水平、管理体制等因素的限制，工业经济发展仍然以高能耗、高污染、低效率的传统增长模式为主，引发了资源过度消耗、环境污染严重、生态系统失调等一系列问题，不利于经济的可持续发展［1］。WBCSD和OECD对生态效率概念的阐述可以解释为经济产出和生态环境压力的比率。生态效率的核心思想是以更少的环境投入，使得经济效益最大化。目前国内外学者已经将生态效率广泛 应 用 到 产 业［2，3］、工 业 园 区［4］、区 域［5］等 范围的研究，主要运用的测算方法包括两大类：一是建立指标体系，构建综合指数［6］；二是采用数据包络分析方法［7］。随着生态文明建设的推进和产业转型升级的步伐加快，工业生态效率成为研究热点。关于工业生态效率，在研究角度上，学者们主要从工业生态效率的评价［8］、空间分异［9］和影响因素［10］等方面进行；在研究方法上，学者们多采用非参数经济计量分析方法，主要以数据包络分析方法及其扩展方法为主［10］，如超 效率DEA方 法［11］、SBM方法［12］、三阶段DEA方法［13］等，采用这类方法的优点是避免主观因素的影响，考虑投入产出因素，需要的指标相对较少、适用范围较广泛等；在研究尺度上，全国、省域和城市等范围的研究居多［14－16］，也有些学者从工业企业等微观角度［17－18］进行了研究。

综上所述，虽然目前国内学术界关于工业生态效率的研究相对成熟，但是大部分学者没有充分考虑到土地因素对于生态效率的影响，对于工业用地的生态效率鲜有研究。本文通过研究广东省工业用地生态效率，构建了工业用地生态效率指标体系，利用基于非期望产出的Super－SBM模型测算工业用地生态效率，通过空间自相关方法分析其空间聚集特征，并利用地理探测器探究其空间分布格局的主导影响因素。通过本研究，以期为广东省工业用地生态效率的提高和工业用地的可持续发展提供有价值的参考。

1 研究方法

1.1 基于非期望产出的Supe—SBM模型

DEA模型是利用线性规划法对具有投入和产出的若干决策单元（DMU）进行相对效率评估的一种方法，具有多种优点。但传统DEA模型最大的缺点在于使用经济社会类的期望产出指标，不适用于非期望产出指标。近年来城市经济社会发展暴露出各种各样的生态环境问题，人们越来越关注非期望产出对城市生态环境的影响［19］。关于投入和产出的松弛变量，Tone K［20］提出了非径向、非角度的SBM模型。随后，针对非期望产出问题的处理和SBM模型无法对多个效率值为1的有效DMU继续进行排序的不足，Tone K［21］又提出了Super－SBM模型。本文主要采用基于非期望产出的Super－SBM模型，模型构建如下：

式中，ρ为工业用地生态效率值；m为投入指标数量；s1和s2分别为期望产出和非期望产出指标的数量；x为投入；yg和yb分别为期望产出和非期望产出；λ为权重向量。当ρ≥1时，说明被评价的DMU是相对有效的；当ρ＜1时，说明被评价的DMU是相对无效的［22］。

1.2 空间自相关分析法

空间自相关是一定地域内，一个地域单元的某种地理要素与临近单元上的相同要素的关联性的重要指标，是研究要素空间分异的重要方法之一。包括全局自相关和局部自相关两种［23］。全局空间自相关主要反映了研究要素在全局范围内所表现出来的空间相关特性，本文使用全局Moran′s I来表示，公式如下：

式中，n为广东省内城市的数量；xi、xj分别为城市i和城市j的工业用地生态效率；Wij为空间权重系数矩阵，表示各城市邻近关系。I的取值范围为［－1，1］。当I＞0时，广东省各市工业用地生态效率整体呈正相关关系；当I＜0时，则表现为负相关关系；当I＝0时，表明没有相关性。

局部空间自相关是反映空间单元与其周围邻近单元的同一属性的相关性，通常采用LASA图表示。通过局部自相关分析，研究广东省工业用地生态效率局部地区的空间关联特征。

1.3 地理探测器

地理探测器是用于探究某地理属性的空间分异格局及其影响因素的一种新的分析方法［24］。该方法由王劲峰提出，最早应用在医院领域，用于探测地方性疾病发生的风险影响因子。如今，地探测器已经广泛应用于各个领域，探测地理要素空间格局演变及空间分异的影响因素研究，既可以探测数值型数据，也可以探测定性数据。该模型由因子探测、交互作用探测、风险探测和生态探测4个部分组成，本文主要运用因子探测。

根据因子探测，可得到单个自变量对因变量空间分异的影响能力，用q值表示，表达式为：

式中，q为自变量X对因变量Y的空间分异的影响能力；L为层级个数；Nh表示和N表示层h和全区域的样本个数；σ2表示全区的因变量Y值的方差。q值越大，表明该因子对因变量的影响力越大。

2 指标体系构建与数据来源

2.1 生态效率指标体系构建

工业用地生态效率的实质是使用最少的投入，将对环境的影响降至最低，从而获取最大化的经济效益［25］。本文遵循科学性、全面性、可操作性等原则，从资源、资本、劳动力、土地4个方面选取5个投入指标；产出方面综合考虑期望产出和非期望产出，选取单位面积工业生产总值为期望产出的指标，非期望产出的指标从工业污染方面选取3个指标，具体如表1所示。

表1 广东省工业用地生态效率投入产出指标

2.2 影响因素指标体系构建

参考相关研究［19，22］，综合研究区的实际情况和数据获取的难易程度，从经济发展水平、工业化程度、工业聚集程度、科技投入水平、生态环境禀赋、利用外资水平、环境规制强度选取工业用地生态效率影响因素指标，其中环境规制强度采用工业“三废”与工业生产总值的比率进行线性标准化，再加权求和的方式获得。具体指标解释表2。

表2 广东省工业用地生态效率影响因素指标

2.3 数据来源

本文使用的指标数据主要来源于《中国城市统计年鉴》《中国城市建设统计年鉴》《广东省统计年鉴》和广东省各地级市统计年鉴、《国民经济和社会发展统计公报》《广东省水资源公报》，对部分缺失数据采用插值法或滑动平均窗口法进行补充。

3 实证分析

3.1 时空差异分析

本文根据公式（1），利用MAXDEA8.0软件，计算了2008—2018年广东省各城市的工业用地生态效率值（表3）。从表3可见，全省工业用地生态效率水平稳定。2008—2018年，广东省工业用地生态效率值整体维持在稳定水平，平均值为0.87，总体接近有效水平。总体变化为“上升—下降—再上升—再下降”，2018年为0.84，与2008年相比仅下降了0.01，基本维持稳定，最高值是2015年的0.93，最低值是2012年的0.80。分区域来看，工业用地生态效率均值表现为粤东＞粤西＞珠三角＞粤北的格局。珠三角地区工业用地生态效率水平整体有小幅增长，平均值为0.81，较接近全省平均水平，整体可分为两阶段的变化：2008—2015年为上升阶段，2015—2018年为下降阶段。粤东地区的工业用地生态效率整体水平较高，各年份均在全省平均水平之上，但较不稳定，呈波动变化，整体提高0.05。粤西地区表现为波动上涨的态势，2018年比2008年提高了14%；2008—2014年在波动中提高，2014—2018年稳步提高。粤北地区工业用地生态效率变化波动较大，总体水平提高，但低于全省平均水平，具体变化为2008—2012年下降明显，2013年之后维持稳定的水平。粤北地区的经济发展水平不仅制约着工业生产资金的投入水平，还限制着技术和环境管理水平，进而对工业用地生态效率产生影响。

表3 2008—2018年广东省各市工业用地生态效率值

不同城市工业用地生态效率值差异明显。工业用地生态效率值按均值排名为深圳＞潮州＞阳江＞茂名＞佛山＞河源＞广州＞中山＞汕尾＞揭阳＞惠州＞梅州＞湛江＞汕头＞云浮＞珠海＞清远＞肇庆＞江门＞东莞＞韶关。前五名中，珠三角和粤西地区各有2个城市，粤东地区有1个城市；排名后五位的是清远、肇庆、江门、东莞、韶关，有3个属于珠三角地区，2个属于粤北地区。可见，珠三角地区各城市的工业用地生态效率两极分化较严重，粤北地区的城市多为中等及以下水平。从各城市来看，深圳、佛山、河源、广州、中山、汕尾、梅州、汕头、云浮、肇庆和韶关的工业用地生态效率值有所提高，其他城市则有所下降。深圳市的工业用地生态效率值稳居第一位，这与其发达的经济和以高科技产业为主有很大的关系。深圳是我国重要的创新型城市，工业以高科技智能化产业和新型产业为主，资金投入量大、单位工业用地的产出高，对环境的污染远低于传统的工业。此外，当地政府高度重视环境保护，污染物排放少、产出高，污染少成就了深圳市较高的工业用地生态效率。广州工业用地生态效率均值排名第七位，整体效率水平提高。广州工业经济发达，政府及相关部门不断推进各种政策来促进工业转型升级，减少工业环境污染，积极落实生态文明建设。韶关、清远等城市的工业用地生态效率水平低下与经济水平低有密切的关系，由于经济较落后、工业投资少，造成生产技术水平低，工业用地利用效率和管理水平也较低。另外，落后的经济限制了对工业污染治理的投资和设施配套，工业污染较大。东莞工业用地上生态效率水平低，这主要归因于其产业结构与产业类型。东莞工业比重较大，工业主要以电子信息、电气机械、纺织服装等劳动密集型产业为主，尽管工业投资大，工业生产总值水平也较高，但伴随而来的环境方面的非期望产出更大，因此工业用地生态效率水平较低。

3.2 时空分布分析

为了更加直观地表现广东各地市工业用地生态效率在空间上的分布情况，本文利用ArcGIS软件平台，采用自然断点法将工业用地生态效率水平分为5个水平，对2008年、2013年和2018年广东省各地级市工业用地生态效率进行可视化（图1）。从图1可见，广东省各地市工业用地生态效率空间上的分布差异明显，3个时段间的格局变动强度不大。工业用地生态效率高水平和中高水平城市较少，分布差异较明显，主要以沿海城市为主，2008年有7个城市（粤西地区3个、珠三角地区3个、粤东地区1个）；2013年数量相同，主要分布在粤东、珠三角和粤西三地；2018年数量减少了1个，主要分布在珠三角和粤东。在中等水平城市的分布中，2008年以粤东和粤北地区为主，2013年和2018年格局相似，各地区皆有分布，分布较分散。中低效率和低效率城市在全省范围内分布以珠三角和粤北地区为主，分布格局变化不大。总体而言，沿海地区的工业用地生态效率整体高于内陆地区。由于地理位置的优势，沿海地区经济相对于内陆地区发展得更好，对外来投资的吸引力更大，技术创新与研发能力更强，更注重对城市形象和生态环境的整治。

图1 2008年、2013年和2018年广东省工业用地生态效率空间分布

3.3 广东工业用地生态效率空间分异分析

根据地理学第一定律，空间上任何事物与其他事物之间都具有一定的相关性，且相关性的强弱与距离有关，距离越近，相关性越强，即空间依赖性强。本文利用GeoDa软件分析了广东省城市工业用地生态效率空间相关性。

全局空间自相关：从表4可见，全局Moran′s I除了2009年和2010年为外，其他年份皆为正数，表明广东省各市工业用地生态效率在空间上为正相关关系。P值通过显著性水平检验的年份表明空间相关性显著，其中2011年、2013年、2016—2018年均通过至少10%水平下的显著性检验。Moran′s I总体提高，但其间有较大的波动，说明广东省各地市工业用地生态效率空间相关显著性虽然有所增强，但是不稳定，空间分布格局容易发生变动。

表4 2008—2018年广东省工业用地生态效率全局Moran′s I

局部空间自相关：为了更好地体现空间格局的变化，揭示工业用地生态效率的局部集聚特征，本文结合莫兰散点图绘制了LISA图（图2），以显示广东省各城市的空间局部聚集分类（包括显著与不显著）［15］。本文选取2008年、2013年和2018年的LISA图，H—H（高—高）聚类即高值的区域周围也是高值；L—L（低—低）聚类表示低值区域周围也是低值；H—L（高—低）聚类表示高值的区域周围为低值；L—H（低—高）聚类表示低值的区域周围是高值。

从图2可见，高—高聚集城市主要集中于粤东和粤西地区，如湛江、阳江、汕头、揭阳等城市，随着时间推移，该类型的分布有明显的增加，且呈向珠三角地区扩展的趋势；低—低聚集城市主要分布在粤北和珠三角地区，如肇庆、东莞、清远等，低—高聚集城市较少，分散分布于珠三角和粤西地区，如惠州、江门等；高—低聚集城市多分布在珠三角和粤北地区，如佛山、中山、河源等。从不同年份空间格局的变化来看，2013年与2008年的相比变化较大，高—低聚集城市明显减少，主要转变为高—高聚集，说明这些工业用地生态效率水平较高的城市对周围城市的辐射作用增强，带动了周围城市的工业用地生态效率的提高；2018年和2013年的聚集分布格局基本不变，整体格局趋于稳定。从上述分析可看出，工业用地生态效率高—高聚集和低—低聚集的城市较多，以空间依赖性为主，其中粤东和粤西地区空间依赖性较强，珠三角和粤北地区空间依赖性较弱，差异性较强。

图2 2008年、2013年和2018年广东省工业用地生态效率LISA图

4 影响因素分析

广东省工业用地生态效率的时空演变是一个复杂的过程，是多种因素共同作用的结果。本文选取经济发展水平、工业化程度、工业聚集程度、科技投入水平、生态环境禀赋、利用外资水平和环境规制强度等7个指标作为影响因子，采用地理探测器分析了广东省工业用地生态效率空间分异的影响因素。同时，本文在ArcGIS软件中利用自然断点法将影响因子分类，将连续变量转变成分类变量，使变量数据符合要求。

从表5可见，各影响因子在不同年份中对广东省工业用地生态效率空间分异的影响力度存在着一定的差异，显著性水平也随之发生变化。2008年，影响广东省工业用地生态效率的主导因素是工业聚集程度、科技投入水平、生态环境禀赋和环境规制强度，q值分别为0.6671、0.5025、0.5480和0.6206，经济发展水平和利用外资水平的影响力度不大，在0.23—0.34之间，工业化程度影响力不显著。2013年主导因子包括经济发展水平、工业聚集程度、科技投入水平和利用外资水平，其次是生态环境禀赋，工业化程度和环境规制强度影响力小，与2008年相比，除生态环境禀赋和环境规制强度的影响力有所下降外，其他影响因素的影响力均有所提高。2018年主要受工业聚集程度和科技投入水平的影响，q值均在0.65以上，利用外资水平、经济发展水平、生态环境禀赋、环境规制强度与2013年相比影响力度下降，工业化程度未通过显著性水平检验。

表5 广东省工业用地生态效率空间分异的影响因素q值水平

不同影响因子的作用机理不同，具体分析如下：①工业聚集程度对广东省工业用地生态效率的空间分异发挥着重要的作用，q值均在0.65以上，影响力度大。产业的分散不利于生产效率的提高，而工业园区的建立，通过集中生产、管理与治理，有利于提高工业生产的效率，实现工业规模化效益。②科技投入水平影响力度较大，在3个年份均作为主导因子影响着广东省各市工业用地生态效率的空间格局。研发创新对工业生产技术、生态治理技术等方面起着重要的作用，生产技术水平的提高，不仅能减少生产过程中原材料的投入，还能降低对能源的消耗。此外，科学技术的创新能减少各种污染废物的产生和排放，有助于工业用地生态效率的提高。③经济发展水平对广东各市工业用地生态效率的空间差异影响在2013年较大，为主导因子之一。一般而言，一个地方的经济水平越高，工业用地生态效率也相应得到提高。经济发展水平影响着广东各地区工业用地生态效率的水平，由于不同城市之间经济发展不平衡，造成工业用地生态效率存在较明显的差距。④生态环境禀赋从2008年的主导因子变为非主导因子，影响力度下降。城市绿化覆盖有助于改善城市的环境、减少环境污染，在此基础上，各地方绿化工程兴起，城市绿化覆盖率均明显增加，生态环境得到明显改善，城市绿化覆盖率对地区间工业用地生态效率差异作用逐渐减弱。⑤利用外资水平在2013年的是主导因子，在2008年和2018年为非主导因子。“污染避难假说”指出，各国污染密集型产业更倾向于往环境污染控制标准较低的国家或区域转移，这些企业会对转入国家的生态环境造成严重污染。但也有研究表明，吸引外来投资有利于引入先进的技术和设备，从而降低能耗、改善环境。广东省对外开放程度高，在充分使用外资发展自身经济的同时，应严格控制工业污染排放，加大环境规制强度和监测力度。⑥环境规制强度在2008年为主导因子，2013年和2018年q值逐渐减小，影响力逐渐减弱。国家重视生态环境的发展，严格要求政府和企业加大对污染的治理力度，减少工业污染物的排放。随着工业非期望产出的大幅减少，各地工业用地生态效率水平提高，尤其是原来对工业环境污染缺乏足够重视的城市，经过较大力度的治理之后，工业用地生态效率的提高幅度更大，因此城市间的差距缩小。⑦工业化程度对广东省各市的工业用地生态效率的影响力较小。广东工业经济发达，各地市的工业化程度都较高，因此对广东工业用地生态效率空间差异的影响程度较小。

5 结论、讨论与建议

5.1 结论与讨论

本文通过基于非期望产出的Super－SBM模型，对2008—2018年广东省工业用地生态效率进行测算，采用空间自相关分析方法进行空间格局演变分析，利用地理探测器识别影响城市工业用地生态效率空间分异的影响因子，得到以下主要结论：①从整体水平来看，广东省工业用地生态效率水平稳定在0.83—0.93；分区域来看，粤东地区最高，其次是粤西地区和珠三角地区，最低的是粤北地区。珠三角地区城市工业用地生态效率两集分化较严重，粤北地区城市工业用地生态效率值均较低。工业用地生态效率均值前五名分别为深圳、潮州、阳江、茂名、佛山，后五名分别为清远、肇庆、江门、东莞、韶关，不同城市工业用地生态效率值差异明显。②利用ArcGIS软件对广东省工业用地生态效率进行空间可视化，结果表明广东省各城市工业用地生态效率空间上的分布差异明显，高效率和中高效率城市较少，主要为沿海城市；中等效率城市2013年和2018年分布较为分散，多分布于粤东和粤北地区；中低效率和低效率城市多分布在珠三角和粤北地区，格局较稳定。③广东省工业用地生态效率空间相关性总体增强，但空间分布格局不稳定，全局Moran′s I呈波动上升。根据LISA图，广东省工业用地生态效率高—高聚集与低—低聚集明显，整体空间依赖性较强，高—高聚集城市主要集中于粤东、粤西地区，且向珠三角地区扩展，低—低聚集城市主要分布在粤北和珠三角。④不同时期影响广东省工业用地生态效率的空间分异的主导因子差异较大。其中，工业聚集程度和科技投入水平的作用显著，3个年份均为主导因子。生态环境禀赋、环境规制强度仅在2008年为主导因子，经济发展水平和利用外资水平仅在2013年为主导因子，工业化程度的影响力度不大。

本文以工业用地生态效率作为研究对象，与区域整体生态效率的研究进行相比，结果更具有针对性。Super－SBM模型能够有效地区分期望产出与非期望产出，弥补了传统方法将非期望产出作为投入的不足，而地理探测器方法从更深的层次分析了影响因素对工业用地生态效率的空间分异的影响。但本文也存在着一些不足之处，如由于统计年鉴中部分数据的缺失，本文采用插值法和滑动平均窗口法对缺失数据进行了填补，可能会对研究结果产生一定的影响。此外，工业用地生态效率测算指标和影响因素指标是在已有研究的成果上，结合研究区实际情况构建的，指标可能存在针对性不足的问题。因此，打破数据的局限，进一步完善指标体系是今后研究的重点。

5.2 建议

基于上述分析，本文提出以下建议：①坚定不移地走新型工业化道路，加快产业转型升级，加快高污染、高消耗、低产出的粗放型发展模式转向低污染、低消耗、高产出的绿色发展与可持续发展模式。地方政府应通过税收或补贴等方式鼓励支持企业构建绿色和可持续的生产体系；企业则应自主加大科技研发经费投入，提高研发和创新能力，加快生产和生态技术研发和应用。同时，企业应结合自身实际，有针对性地学习管理经验，引进国外先进的技术与设备，在软件硬件方面提升自身实力，提高生产效率，减少污染物产生和排放，减轻工业污染对环境造成的压力。②提高企业的环境准入门槛。尤其是对于非珠三角地区，在外来资金的引进方面，各地方政府应严格遵守环境准入标准，坚决拒绝高污染、高消耗、低效率的企业进驻，避免落入“污染天堂”的陷阱。同时，积极引进和发展环境友好型企业，发展高科技产业，带动经济发展。③制定科学合理的产业发展规划。各地应合理引导产业发展与转移，将地区产业聚集程度控制在合理的范围内，防止产业聚集程度过高。④加强环境规制力度。地方政府应加大工业污染治理投资，加强工业污染治理监督，确保资金用的使用效率，使工业污染得到有效治理。此外，政府应提高企业污染排放的成本，加大执法力度，对违规排放等行为严惩不贷，从源头处有效控制，摒弃“先污染后治理”的治理思想。政府治理与严格管控双管齐下，提高工业污染治理水平。