陕南三市绿色经济发展测度及演化研究

武婷婷，王 怡，董 朕

（1.商洛学院经济管理学院，陕西 商洛 726000；2.陕西高校新型智库商洛发展研究院，陕西 商洛 726000）

“绿水青山就是金山银山”“坚持节约资源和保护环境的基本国策”，已成为新时代中国特色社会主义生态文明建设和经济建设的思想和基本方针。陕西省贯彻党中央生态文明建设和经济发展的理念，大力推动绿色经济发展，取得明显的成效：生态环境持续改善、经济指标稳步提升、创新驱动发展持续良好、资源利用率不断提高，但仍存在总体水平相对滞后、地区差异明显等问题。地处秦巴山区腹地的陕南三市，承担着乡村振兴和阻止返贫的重要任务，同时也要贯彻“两山”理论实现绿色经济全面可持续发展。因此，对陕南三市绿色经济发展状况进行分析及研究，有利于推动秦巴山区经济社会绿色转型发展，探索适合秦巴山区的绿色发展之路提供方向。

从20世纪80年代就开始了对绿色经济的研究［1-3］。在国家层面绿色发展研究中，李苏等［4］结合中国实际构建了适于中国的GEP（绿色经济发展指标）体系，采用熵权法测度了中国2012—2016年GEP指数，并对指标特征进行了时空分析；刘军英［5］基于熵权法模型测量了中国不同城市绿色经济发展指数的变化及其空间差异性。在区域层面，殷阿娜等［6］从绿色生产、绿色生态、绿色技术、绿色消费4个维度出发，采用“G1主观赋权法+主成分客观赋权法”的组合赋权法作为评估方法，测度京津冀绿色经济发展水平对京津冀绿色经济发展区域差异进行了比较分析；李爽等［7］基于长江经济带105个地级市的面板数据，运用非期望SBM模型对各城市绿色效率进行了测算；夏晶晶等［8］从绿色经济、绿色生产和消费、绿色环境、绿色生态、绿色生活和绿色科技6个维度构建长江经济带绿色发展评价体系，对2012—2018年长江经济带绿色发展水平及时空变化进行了评价研究；任嘉敏等［9］以东北老工业基地11个典型城市为研究对象，从资源利用、产业绿色化、经济发展质量、环境保护、绿色人居5个方面构建指标体系，分析东北老工业基地绿色发展水平时空演变特征；张欢等［10］采用用多层次评价方法和熵权法，从绿色美丽家园、绿色生产消费、绿色高端发展3个方面构建了湖北省绿色发展水平测度指标体系，测度了湖北省2004—2013年各地市州绿色发展水平。

以上关于绿色经济发展的研究对中国经济增长从总量上和质量上均提供了一定程度的理论支撑，但是也存在一些不足：①构建指标体系时，指标选择过程的主观性较强，导致指标评价客观性较弱。②从研究对象上看，大部分研究都集中于全国范围或中西部、长江经济带或者省域等大范围地区，较少有关于秦巴山区不同时空下绿色经济发展情况。基于此，本研究利用绿色经济发展指标的构建方法，结合秦巴山区实际情况构建了绿色经济发展指标体系，使用遗传算法和粒子群算法优化的投影寻踪模型测度2000—2017年陕南三市绿色经济发展状况，并对不同区域的绿色经济发展的时空演化情况进行分析。

1 评价指标选取及计量模型

1.1 评价指标的选取

绿色经济发展是一个复杂的系统性概念，涉及经济-生态-社会3个子维度，因此必须结合秦巴山区发展的特殊性构建多维度、多指标的评价体系，根据指标选取的可靠性、权威性和可获得性原则，结合秦巴山区绿色经济发展目标，从经济发展水平、社会发展质量、生态文明建设、科技创新服务4个维度，构建绿色经济发展指标体系，对秦巴山区陕南三市的绿色经济发展成效进行测度（表1）。指标体系有4个一级指标，19个二级指标，既有正向指标，也有负向指标。

表1 绿色经济发展指标体系

1.2 计量模型

1.2.1 投影寻踪模型 投影寻踪（Projection pursuit，PP）是处理和分析高维数据的一类新兴统计方法，其基本思想是将高维数据投影到低维子空间上，并在该子空间上寻找出能够反映原高维数据结构或特征的投影，从而达到研究和分析高维数据的目的，在克服“维数祸根”以及解决小样本、超高维等问题中具有明显优势。与其他非参数方法一样，投影寻踪方法也可用来解决非线性问题。投影寻踪评价模型的建模过程如下：

本研究所构建的绿色经济发展指标体系中既有正向影响的指标，也有逆向影响的指标，因此，本研究采取极值标准化方法对指标数据进行标准化处理。

正向型指标数据标准化处理方法如式（1）所示：

逆向型指标数据标准化处理方法如式（2）所示：

2）构建投影指标函数Q()a。投影寻踪法就是把p维数据综合成以a={a(1),a(2),…,a(p)}为投影方向的一维投影值z(i)如式（3）所示：

其中，a为单位长度向量。为使局部投影点尽可能密集，最好凝聚成若干个点团，整体上投影点团之间尽可能散开。因此，投影指标函数可以表示为：

其中，Sz为投影值z(i)的标准差，Dz为投影值z(i)的局部密度。E(z)为序列的平均值；R为局部密度的窗口半径，根据试验来确定，R取值既要使包含在窗口内的投影点的平均个数不太少，避免滑动平均偏差太大，又不能使其随着n的增大而增加太高，一般可取值为0.1Sz；r(i,j)表示样本之间的距离，r(i,j)= |z(i)-z(j)|；u(t)为一单位阶跃函数，当t≥0时其函数值为1，当t＜0时其函数值为0。

3）优化投影指标函数。当样本集给定时，投影指标函数Q(a)仅随着投影方向a的变化而变化。最佳投影方向就是最大可能暴露高维数据某类特征结构的投影方向。因此，通过求解投影指标函数最大化问题来实现，即：

实际上这是一个求解复杂非线性优化的问题，优化变量{a(j)|j=1,2,…,p}用传统的优化方法很难处理，因此，需要引入相关算法进行求解优化问题。本研究利用遗传算法和粒子群算法通过改进优化来解决高维全局寻优问题。

4）综合评价。将最佳投影方向a∗代入式（3）后可得各样本投影值z∗(i)。根据值z∗(i)可以进行分类或优劣排序。

1.2.2 GA-PSO混合算法优化 粒子群优化算法（Particle swarm optimization，PSO）是一种群人工智能算法，其主要思想是模拟鸟类捕食过程，捕食过程即寻找全局最优解过程，所有粒子都有记忆功能，一次寻找过程中每个粒子通过平衡自身寻找过的最优位置pbest（局部最优位置）和粒子群分享信息得到的最优位置gbest（全局最优位置）来决定本次寻找的方向和运动的速度，再通过预先设置的适应度函数判断本次寻找位置的优劣，通过有限次寻找得到全局最优解［11］。

遗传算法（Genetic algorithm，GA）是一种模拟方法，利用数学模型来模仿生物的一系列进化过程，生物进化是通过染色体作为遗传基因的承载体，遗传算法则用一串数组来模拟染色体，并通过不断地选择、交叉、变异等遗传操作，对问题进行优化以获得相对最优解［12］。

粒子群算法具有收敛速度快、参数设置少、结构简单和易于实现等优点，不过其在运算过程中也存在一定的局限性，由于缺乏速度的动态调节，容易陷入局部最优，导致收敛精度低和不易收敛。遗传算法中的交叉操作体现了全局搜索能力，变异操作体现了局部搜索能力，使得遗传算法在运算过程中不易陷入局部最优解，不过遗传算法往往收敛较慢，或是容易过早收敛。

因此，将遗传算法的思想融入到粒子群算法中，引入遗传算法的交叉操作提高粒子的全局搜索能力，预防陷入局部最优；当陷入局部最优时，利用遗传算法中的变异操作改变粒子结构，从而跳出局部最优状态［13］。所以，利用遗传算法中交叉操作和变异操作的思想对粒子群算法进行优化改进，可以弥补粒子群算法容易陷入局部最优和收敛精度低的缺陷，最终获得精度更高的解。GA-PSO混合算法实现流程如图1所示。

2 实证分析

2.1 数据来源及参数设置

本研究基础数据来源于2010—2017年《陕西省统计年鉴》和2010—2017年各市的经济统计公报。根据上文所确定的绿色经济发展评价指标体系，应用GA-PSO混合算法优化的投影寻踪模型对标准化后的数据进行评价分析。依据图1所述的GA-PSO混合算法实现流程，利用MATLAB 2013a软件进行编程计算，采用混合算法求解投影指标函数的最大值，解决投影向量的优化问题。

图1 GA-PSO混合算法实现流程

MATLAB参数设置为：指标数p=19，学习因子c1=2、c2=2，交叉率pc1=0.6、pc2=0.7，变异率pm=0.2，最大迭代次数Tmax=1 000。

2.2 分地区纵向绿色经济发展评价

2.2.1 汉中市2010—2017年汉中市绿色经济发展评价结果如表2和图2所示。从表2和图2可以看出，汉中市绿色经济发展水平有着不同程度的增长。其中，经济发展水平的增长幅度最大，生态文明建设次之，而科技创新服务发展相对较慢，并且在2013—2014年、2016—2017年科技创新服务水平还略有下降。从综合投影值可以看出，2010—2017年汉中市绿色经济发展水平呈稳步增长的趋势。

表2 2010—2017年汉中市绿色经济发展水平投影值

图2 2010—2017年汉中市绿色经济发展趋势

2.2.2 安康市2010—2017年安康市绿色经济发展评价结果如表3和图3所示。从表3和图3可以看出，安康市绿色经济发展水平有着不同程度的增长。其中，社会发展质量的增长幅度最大，经济发展水平次之，科技创新服务在2015年后发展较快。而生态文明建设在2015年前都在稳步增长，但2015年后有所下降。从综合投影值可以看出，2010—2017年安康市绿色经济发展水平呈增长的趋势，并且在2012年后增长斜率也在变大。

表3 2010—2017年安康市绿色经济发展水平投影值

图3 2010—2017年安康市绿色经济发展趋势

2.2.3 商洛市2010—2017年商洛市绿色经济发展评价结果如表4和图4所示。从表4和图4可以看出，商洛市绿色经济发展水平有着不同程度的增长。其中，经济发展水平的增长幅度最大，社会发展质量紧随其后，生态文明建设在2010—2012年有些许下降，2013—2015年又快速增长，到2016年有所下降，2017年又重回升势。而科技创新服务仅在2015年有迅速下降，其余年份均在稳步增长，主要原因在于2015年商洛市R&D经费支出相较于2014年缩减了1.22亿元，同时申请专利也少了500件。从综合投影值可以看出，2010—2017年商洛市绿色经济发展水平也呈稳步增长的趋势。

表4 2010—2017年商洛市绿色经济发展水平投影值

图4 2010—2017年商洛市绿色经济发展趋势

2.3 分指标横向绿色经济发展评价

将陕南三市横向进行对比，运用投影寻踪模型进行评价，评价结果如表5和图5所示。从表5和图5可以看到，2010—2017年在经济发展水平和社会发展质量方面，汉中市领先于安康市，安康市领先于商洛市。在生态文明建设方面，2013年前安康市居于首位、汉中市次之、商洛市第三，而在2014年后安康市生态文明建设总体呈下降趋势，同时商洛市在生态文明建设方面有了大幅提升，汉中市总体上也呈上升趋势，到2017年陕南三市在生态文明建设基本相差无几，说明商洛市近些年在生态环境治理方面取得了很大的成效。在科技创新服务方面，汉中市居于首位，商洛市领先于安康市，反映出安康市的科技创新服务是发展的短板。从综合绿色经济发展水平来看，汉中市依旧位于首位，安康市排第二，商洛市还是落后于汉中市和安康市。

图5 2010—2017年陕南三市分指标绿色经济发展趋势

表5 2010—2017年综合绿色经济发展水平投影值

3 结论

本研究从经济发展水平、社会发展质量、生态文明建设和科技创新服务4个方面构建了绿色经济发展评价指标体系，运用遗传算法和粒子群算法混合优化的投影寻踪模型对位于秦巴山区的陕南三市2010—2017年绿色经济发展水平进行了实证分析。结果表明，从分地区的纵向视角来看，2010—2017年汉中、安康和商洛三市的综合绿色经济发展水平均呈现稳步增长态势，不同地区的发展特征也不相同，2010—2017年汉中市在绿色经济发展的4个维度方面总体上均在上升，其中经济发展水平的增长幅度最大；安康市社会发展质量的增长幅度最大，不过生态文明建设方面在2015年后有所下降；商洛市在绿色经济发展的4个维度方面总体上也均在上升，不过生态文明建设和科技创新服务在某些年度有些许反复。从分指标的横向视角来看，综合绿色经济发展水平，汉中市位列第一，安康市第二，商洛市第三；在经济发展水平和社会发展质量方面，商洛市均落后于汉中市和安康市；在生态文明建设方面，汉中市增长幅度较小，安康市还有所下降，而商洛市取得了很好的成效；科技创新服务是安康市绿色经济发展的短板。