基于超效率SBM-ESDA模型工业生态效率及影响因素解析

赵杨秋,何 刚,阮 君,王莹莹

(安徽理工大学,安徽 淮南 232001)

我国生态文明建设正稳步进行,其中法律法规和环境政策发挥了重大作用。2020年5月,全国两会提出继续减少单位GDP能耗和污染物的排放量,提高生态环境治理成效。2020年10月,十九届五中全会提出加快推动绿色低碳发展,全面提高资源利用效率。国家高度重视生态环境问题,强调不能因发展经济忽视环境保护。然而,我国2018年单位GDP电耗为0.09万kWh/万元,相比2017年提高了12.5%,可知我国能源消耗不容乐观,第二产业用电量最高,因此对工业生产的生态效益和经济效益进行研究,以期对提高工业生态效率有所裨益。

1 文献综述

国内外大量学者对生态效率进行研究,主要研究方法包括随机前沿模型和数据包络模型。随机前沿模型需要设定参数因而存在计算误差,数据包络模型则克服了这一弊端。1978年,Charnes等[1]第一次提出数据包络模型,当决策单元(DMU)的投入或产出一方保持不变时,比较DMU与有效生产前沿面的差距进而评价效率,由此衍生出基于规模报酬不变的CCR模型和规模报酬可变的BCC模型。刘捷[2]利用BCC模型对2006—2016年山东省17个地级市的绿色经济效率进行测算评价,在此基础上利用泰尔指数探索其区域差异,并提出相关建议。打破传统的数据包络模型的弊端,考虑松弛变量提出SBM模型,考虑超效率理论提出超效率SBM模型,又因产出可能包含非合意产出提出SBM-Undesirable模型和超效率SBM-Undesirable模型等。秦宏等[3]基于SBM模型测度2008—2016年中国海水养殖生态经济效率。侯孟阳等[4]借助Kernel密度估计和SE-SBM模型分析中国农业生态效率区域时空格局演变趋势。胡彪等[5]借助SBM-Undesirable模型测度中国生态效率,并采用ESDA方法分析区域空间差异。马晓君等[6]创新性地纳入生态资源存量和经济浪费两项指标,并借助超效率SBMUndesirable模型测算生态效率。

对于生态效率的研究不仅局限于测算方面,分析生态效率的影响因素为提高生态效率提供了重要参考。蒋硕亮等[7]测算工业生态效率后选取经济地理因素和经济政策因素通过计量模型探寻影响因素。洪铮等[8]发现旅游业生态效率的影响因素具有门槛效应,因此运用PVAR模型分析旅游生态效率影响因素并进行实证分析。孙伟[9]运用空间计量模型检验黄河流域城市能源生态效率外部影响因素,得出优化产业结构能够提高能源生态效率的结论。刘海龙等[10]利用地理探测器模型探寻影响耕地生态效率的因素,得出降水量和经济水平的共同作用将有利推动耕地生态效率的提升。淮河生态经济带区位优势明显,且工业化程度较高,因此本研究以淮河生态经济带为研究对象,借助超效率SBM模型和探索性空间数据分析工具共同分析经济带25市工业生态效率,并通过计量模型实证分析找出影响工业生态效率的主要因素,以期为淮河生态经济带可持续发展提供一定的参考。

2 研究方法与数据

2.1 工业生态测算方法

2.1.1 超效率SBM(SE-SBM)模型

DEA是对DMU进行非参数效率测度的方法,能够同时对多个产出和多个投入进行分析。最初DEA模型仅能同比例改变投入产出量从而提高效率,因此2001年Tone[11]加入松弛变量进而提出SBM模型。限于SBM模型测算出的效率值存在多个评价单元同时有效的状态,不能进一步对有效单元进行排序,因此,2002年Tone[12]进一步提出SE-SBM模型,本研究基于SE-SBM模型测度安徽省工业生态效率,模型如下:

式(1)中:ρ——效率值;i——投入要素;r——产出要素;j、k为决策单元;x——投入变量;m——投入要素数量;y——产出变量;s——产出要素数量;λ——DMU的线性组合系数;si-、sj+为投入产出松弛变量。

2.1.2 探索性空间数据分析(ESDA)

探索性空间数据分析是通过一系列空间分析技术和方法对区域某些特征进行可视化表达,进而直观描述空间分布特征和空间集聚特性。

2.1.3 数据来源

由于部分省市2020年统计年鉴尚未公布,限于数据可得性,仅选用2009—2018年数据进行分析,数据从2010—2019年《中国城市统计年鉴》、四省及各地级市统计年鉴获取。

2.2 影响因素分析

研究工业生态效率影响因素对提高安徽省新型工业化和生态效率化水平具有一定的参考意义。梳理相关文献,选取以下影响因素:

2.2.1 经济发展

人均工业增加值越高则工业化程度越高,经济发展水平越高越会注重效率的提高。

2.2.2 科技进步

专利申请受理量代表区域科技水平,科技水平提高能促进效率提升。

2.2.3 对外开放

实际利用外资代表对外开放程度,淮河生态经济带江苏段对外贸易水平较高,对外依赖度高,资本的积累有利于生态效率提高。

2.2.4 产业结构

用第三产业与第二产业产值比重代表产业结构,第三产业用电量远远低于第二产业用电量,优化调整产业结构能够减少工业用电量。

2.2.5 城市化

用城镇化率代表城镇化水平,城镇化水平越高,二、三产业越发达。

由于解释变量间没有明显的滞后效应,故采用静态面板模型:

式(2)中:i——时期数;j——个体数;k——解释变量数;α0——常数项;αk——解释变量系数;Yij——被解释变量;Xkij——第k个解释变量;ζij——随机扰动项。

3 淮河生态经济带工业生态效率分析

3.1 工业生态效率测算

基于SE-SBM模型测算出淮河生态经济带25市工业生态效率,运用OriginPro9.1软件绘图,如图1所示。经济带2010年效率下降为0.635 6,2011—2018年呈现波动上升状态,年平均增速为0.857 7%。分段来看,山东段工业生态效率最高,江苏段其次,河南段最低。山东段临沂市效率远远低于平均水平,严重拉低全段水平,可知临沂市加快工业经济发展的同时,忽视了当地生态环境的保护,对环境造成了极大的破坏;其余各市均高于平均水平,且与山东段波动趋势一致。江苏段的徐州和扬州二市效率处于高水平,徐州市十年效率均值为0.864 4,扬州市为0.983 5,接近于1,可知扬州市工业生态效率一直较高,扬州市经济发展的资本积累为当地生态环境治理提高了可能性。安徽段淮北市工业生态效率最高,这可能是因为淮北市规模以上工业企业固定资产和工业增加值均较高,投入和产出较高使得工业生态效率高于其他城市。工业生态效率低于安徽段平均水平的各市历年波动较为稳定,总体呈提升趋势。河南段2009—2018年漯河、周口、信阳和平顶山四市效率呈断崖式下滑后稳定波动,转折点主要发生在2010年和2011年两年。河南段各市工业用电量逐年增加,工业增加值增幅不大,甚至有后退之势,进而工业生态效率出现下降的趋势。

图1 2009—2018年淮河生态经济带工业生态效率

3.2 工业生态效率空间格局及趋势分析

由于2009—2018年淮河生态经济带在2010年出现转折点,后为波动发展趋势,故选取2010年、2013年、2016年、2018年的效率进行空间格局的可视化表达,借助ArcGIS10.7软件绘图,如图2所示。2010—2018年,整个经济带超效城市越来越多,由2个发展为7个,高效城市由6个减少为3个,可知经济带整体呈良好发展态势。分段来看,山东段枣庄市从高效提升为超效状态,菏泽和济宁2市在高效和超效之间交叉波动,临沂市一直为中高效状态,表明山东注重生态环境和经济水平协调发展,对生态效益极为重视。江苏段,连云港、宿迁和扬州3市为持续上升状态,泰州和徐州2市为波动上升态势,淮安和盐城2市一直处于中高效状态,这是由于市级政府大力加强生态文明建设,扬州市《全市生态文明建设突破年实施方案》、宿迁市《生态文明建设三年行动计划(2016—2018)》等相继实施且成效显著。安徽段各个城市效率波动明显,其中亳州和淮北2市在2018年达到超效状态,周边各市应加强沟通交流,与超效城市形成积极的辐射带动关系。河南段工业生态效率并不乐观,均表现为后退或保持原状,省市政府及工业企业应将生态效益纳入发展体系中,秉持习近平主席“绿水青山就是金山银山”的理念。

图2 淮河生态经济带工业生态效率空间格局

结合图3分析经济带工业生态效率空间趋势,其中x轴指向正东,y轴指向正北。2009—2018年效率总体表现为东北向西南方向递减。南北方向上一直表现为由北向南断崖式下降状态,表明随时间推移,经济带南部城市工业生态效率一直处于较低水平;东西方向上,2010—2013年效率由东向西递增转变为由东向西递减,2013—2018年效率空间格局基本不变,为由东向西递减,2016—2018年为“中间高,两头低”状态,这可能是因为处于经济带中部的亳州、淮北等市工业生态效率大幅度提高。

4 淮河生态经济带工业生态效率影响因素分析

考虑到淮河生态经济带各城市之间没有确定的关联,消除解释变量间量纲影响后,构建N=16,T=10的静态短面板模型如下:

式(3)中:SESBM——工业生态效率;economy——经 济 水 平;technology——技 术 进 步;open——对 外 开 放;industry——产 业 结 构;urban——城镇化。

4.1 单位根检验

本研究采用面板数据进行实证分析,因此可能存在时序上的非平稳变量,对变量进行单位根检验来确定所有变量在时序上是否平稳,若不平稳则不能进行回归。采用两种检验方式进行检验,结果如表2所示,由表2可知,所有变量均在10%的置信水平下显著,表明面板数据平稳。

表2 单位根检验结果

4.2 协整检验

进行协整检验是为了检验是否会出现伪回归,如检验结果显著则表明进行回归是可行的。本研究采用Pedroni进行检验,表3中发现组间和组内统计值均显著,因此可以进行回归。

表3 协整检验结果

4.3 Hausman检验

为了在固定效应模型和随机效应模型中选择更优的模型,需要进行Hausman检验,检验统计量对应的P值为0.000 0,表征选择固定效应模型进行回归更合理。

4.4 实证分析

基于个体和时间的不同,可将固定效应模型分为三类,即时间固定效应模型、空间固定效应模型和双向固定效应模型,三类固定效应模型的回归结果表4所示。

表4 回归结果

(1)人均工业增加值的回归系数均为正值,在1%的置信水平下显著,可知人均工业增加值与工业生态效率呈正相关,表明经济发展水平对提高工业生态效率具有积极作用。比较三种类型回归系数可知,经济发展水平在仅考虑时序关联性时对工业生态效率的有利影响最大,由此可知,未来伴随着经济发展水平的提高,资本的积累使得对生态环境的污染治理投资增大,工业生态效率有进一步提高的可能性。

(2)专利申请受理量的回归系数均为负值,且在同时考虑时间和空间效应的回归结果不显著,可知技术进步对工业生态效率的影响主要体现在时间维度,在空间维度为弱显著影响,回归系数均为负,与预期结果相反。技术进步使得企业增加先进技术设备和科技人才,理应有利于工业生态效率,这里表现为负相关影响可能是因为技术投入并没有针对减少废水、废气和废弃物的排放,也没有致力于污染物的治理和循环利用,因此生态效益低于经济效益使得工业生态效率降低。

(3)实际利用外资的回归系数均为负,且极度显著,表明对外开放水平与工业生态效率呈强负相关,实际利用外资的增加反而导致效率降低。对外开放水平的系数并不大,就时间维度而言,实际利用外资增加1%,工业生态效率则降低0.099 9%,虽有降低,但幅度不大,这可能是因为对外开放水平在促进经济发展的同时,追求经济利益最大化而忽视了资源消耗和环境污染,因此降低了工业生态效率。

(4)第三产业与第二产业比重回归系数均为正,与工业生态效率呈正相关。在仅考虑时间维度时,产业结构对效率的正向影响不显著。在空间维度上,产业结构有利于工业生态效率的提高,各个地市之间相互促进、相互弥补,经济发达城市发挥经济和技术辐射作用拉动周边城市进而提高经济水平,工业污染严重的企业向其余地区进行迁移,减少当地生态污染。

(5)城镇化水平的回归系数为负,仅在考虑时间效应的前提下,回归结果在5%的置信水平下显著,因此,在空间上城镇化水平并没有表现出对工业生态效率的影响程度。随着时间推移,城镇率逐渐提高,工业化程度也逐渐增强,占地面积增加、资源过度利用、工业污染物排放增加等问题使得工业生态效率的生态效益逐渐降低,因此,在推进城镇化时应强调与生态的协调发展。

5 结论

本研究选取淮河生态经济带25市2009—2018年数据,结合超效率SBM和探索性空间数据分析工具从时空维度解析工业生态效率,最后优选固定效应模型从时空维度分析工业生态效率的影响因素,结果表明:(1)经济带工业生态效率总体上呈上升趋势,按照分段效率由大到小排序为:山东段>江苏段>安徽段>河南段。(2)空间维度上,位于北部的山东段工业生态效率较高,部分城市达到超效水平,总体上效率由东北向西南递减。(3)工业生态效率的影响因素中经济发展和产业结构对工业生态效率起促进作用,科技进步、对外开放和城镇化对工业生态效率起抑制作用。科技进步在时间维度上影响显著,产业结构在空间上影响显著,经济发展和对外开放在时空维度均呈显著影响。

因此,基于研究结果提出以下几点建议:(1)淮河生态经济带全面推进新型工业化转型发展,不能因为追求过快经济发展而忽视污染问题。(2)发挥毗邻城市的经济带动作用,效率较低城市应积极加强学习,对重污染企业实行迁移补偿政策,致力于缓解当地生态问题。(3)优化产业结构,调整对工业生态有利的生产运行方式,注重经济和生态的协调发展。