绿色发展效率测度及协同提高机制研究分析——以中原城市群为例

张艳，郑贺允，葛力铭

（1. 新疆财经大学 经济学院，新疆 乌鲁木齐 830013；2. 上海财经大学 城市与区域科学学院，上海 200433）

随着经济发展与环境保护之间的矛盾日益加剧，绿色发展成为必然趋势。党的十八届五中全会首次提出绿色发展理念；党的十九大报告强调通过结构转型升级实现新常态下的绿色发展；党的十九届五中全会进一步强调可持续发展，努力实现生态文明建设的新进步。黄河流域生态保护与高质量发展上升为国家战略是绿色发展理念深入贯彻的表现。

作为重要的生态屏障与经济地带，发展黄河流域是深入推进生态文明建设的重要抓手。中原城市群GDP占黄河流域的30%以上，是重要的增长极。地理位置优越，通过京广线和陇海—兰新线沟通东西与南北，发展中原城市群有助于缩小区域差距。《中原城市群发展规划》明确指出要加强生态环境保护，打造绿色生态发展示范区。但过快的工业化使得资源浪费及利用效率低等问题凸显[1]，严重阻碍了绿色发展。因此，分析中原城市群的绿色发展水平并探究提升机制，不仅能够为其构建绿色生态发展示范区指明方向，也能够为加快实现黄河流域的生态保护与高质量发展提供新思路。

绿色发展效率是在经济发展效率的基础上更加注重资源投入与环境污染，是衡量区域绿色发展水平的重要指标[2]。“绿色经济”最早由英国学者Pearce[3]于1989年提出，此后逐渐兴起关于绿色经济的研究，涵盖经济与环境的协调[4-5]、工业高效管理[6]、农业现代化生产[7]、贸易发展与环境[8]等方面。在构建评价指标体系方面，投入指标主要包含劳动力、资本和资源投入指标，产出指标主要涵盖期望产出（GDP）和非期望产出（例如污染物的排放）[9-10]。胡博伟等[11]选取劳动力、资本与资源（生产用水、工业用电量和建成区面积）作为投入指标，选择GDP与工业“三废”排放量作为产出指标。在测算方法上，现有文献主要运用DEA模型[12]、随机前沿分析[13]等测算效率的静态数值，以Malmquist指数法[14]衡量效率的动态演化。影响机制分析集中于各个影响因素对全样本绿色发展效率的探讨[15]，而异质性分析主要包括区域[16]、流域[17]视角。

针对当前强调实现生态文明建设新进步的要求，绿色发展效率成为国内学者的研究热点，研究范围主要为全国和跨省的经济带。在全国层面，杨志江和文超祥[18]指出绿色发展水平整体较低，区域间的差异存在扩大趋势。侯孟阳和姚顺波[19]得出我国中西部生态效率提升显著，而东部有所下降。在跨省的经济带层面，多数学者侧重于分析长江流域及长江经济带的绿色发展效率[20-21]。 而城市群层面的探讨较为分散，京津冀城市群[22]、长三角城市群[23]、长江中游城市群[24]、长株潭城市群[25]等均有涉及。目前，学者们对黄河流域的研究主要从水资源利用效率[26]、经济与环境协调发展[27]等展开。中原城市群的研究主要涉及发展模式与发展方向，其中生态研究聚焦于环境保护与生态系统评价[28]。

综上，当前绿色发展效率的综合评价体系较少地考虑到技术投入的作用，对中原城市群绿色发展效率的分析较少。此外，目前绿色发展效率影响机制的异质性分析主要聚焦区域与流域的地理位置层面，较少有从中心—外围省份、资源禀赋视角进行分析。因此，本文在指标选取上加入技术投入要素，采用熵值法计算资源投入指数与环境污染综合指数，构建更为全面的中原城市群绿色发展效率评价体系。然后，分别从静态和动态的角度，运用超效率SBM模型和Malmquist指数法分析中原城市群绿色发展效率变动态势。最后，探究中原城市群绿色发展效率的驱动机制，进行稳健性检验，并进一步从不同区域、中心—外围省份、资源禀赋的视角出发讨论异质性，以期为促进中原城市群和黄河流域的绿色发展提供参考。

1 研究方法与数据来源

1.1 研究方法

1.1.1 超效率SBM模型

美国学者Charnes等[29]在1978年首次提出数据包络分析（DEA），能够分析多投入多产出的情形，因而广泛应用于绩效评估领域。但传统的DEA模型未能考虑到松弛变量问题，使得效率的测算存在偏误。因此，Tone[30]提出了非径向、非导向的SBM模型，但它无法对多个效率值为1的决策单元进行排序。为解决这一问题，超效率SBM模型[31]应运而生。具体公式为：

式中：x表示投入要素（劳动力、资本和资源等），表示产出要素（期望产出和非期望产出）；λj是权重向量，m、s、、分别代表投入和产出要素的指标个数、松弛变量；n代表决策单元（DMU）的个数。ρ代表绿色发展效率值，ρ≥1时，表明该地区的绿色发展效率相对有效；ρ＜1时，表明该地区的绿色发展效率存在改进的空间。

1.1.2 Malmquist指数

1953年，Malmquist[32]基于消费变化的分析提出了Malmquist指数。Färe等[33]人随后将该方法与数据包络分析结合，将应用领域扩展到生产层面。Malmquist指数可分解为两部分，即技术进步变化和技术效率变化，实现了对效率的动态评价。具体公式为：

1.2 数据来源与处理

基于数据的可获取性，本文构建了绿色发展效率评价指标体系（表1）。在投入方面，将技术与劳动力、资本和资源一起作为投入指标。其中，资本存量的计算采用永续盘存法，即Kt=(1-δ)Kt-1+It，其中Kt、Kt-1分别是第t期和第t-1期的资本存量，δ为资本的折旧率（借鉴张军等[34]的方法，δ=9.6%），It为第t年以当年价格计算的固定资产投资额；资源投入是采用熵值法计算得到资源投入综合指数；劳动力投入为年末单位从业人员数；技术投入为财政预算中的科学技术支出。在产出方面，为了剔除价格因素的影响，期望产出是根据GDP指数折算为以2007年为基期计算的地区生产实际总值；非期望产出是运用熵值法计算的环境污染综合指数。

表1 中原城市群绿色发展效率评价指标体系

根据国务院于2016年12月批复的《中原城市群发展规划》内容，中原城市群包括河南、河北、山西、山东和安徽5省30个地级市。由于济源市数据缺失严重，故删去，因此本文的研究对象为中原城市群的29个地级市。原始数据来自2007—2018年的《中国城市统计年鉴》，部分缺失数据采用移动平均法补齐。

2 中原城市群绿色发展效率特征性分析

2.1 中原城市群绿色发展效率时间演化

在整体层面上（图1），中原城市群2007—2018年的绿色经济效率呈现下降趋势，但个别年份存在小幅波动。主要原因可能是：2007—2008年，粗放式发展片面追求GDP而忽视环境保护，绿色发展效率上升缓慢；2008—2011年，经济受到金融危机的冲击，钢铁、煤炭等行业产能过剩问题突出，促使各城市调整发展规划，绿色发展受到影响；2011—2014年，经济发展进入新常态时期，注重经济与环境的协调发展，绿色发展效率提升；2014—2016年，“三去一降一补”政策通过淘汰落后产能关闭了大批高能耗企业，但也损失了部分GDP，绿色发展效率值有所下降；2016—2018年，新发展理念深入人心，产业结构有所优化，创新要素驱动更加明显，绿色发展水平上升。另外，绿色经济效率在样本期间的总体均值为0.847，效率值不高，表明经济发展、环境保护与资源利用三者之间存在一定的问题，中原城市群的绿色发展存在改进空间。

图1 中原城市群2007—2018年绿色发展效率趋势

在省份层面上（图2），山西省的年均绿色发展效率为1.158，整体水平最高，河南省（0.751）最低。从发展趋势上看，山东省的绿色发展效率呈现上升趋势，山西省、河北省、河南省整体发展较为平稳，而安徽省的效率值却不断下降，因此找到新的绿色发展动力是安徽省当前的首要任务。另外，河南省与其余省份的绿色发展水平差距较大，这体现出作为中原城市群核心的河南省尚未发挥出对周边地区绿色发展的辐射和带动效应。

图2 中原城市群各省份的绿色发展效率

在城市层面上（表2），亳州市、三门峡市、郑州市等6个城市在2007—2018年的绿色发展效率值都大于1，说明这些城市处于有效前沿面上，投入与产出相比于其他城市达到了最优水平。绿色发展效率最低的是驻马店市，其发展主要依靠加工、装备制造等劳动密集型产业，生产过程中资源耗费严重，绿色发展水平低。绿色经济效率值最高的亳州市与最低的驻马店市相差1.275，表明不同城市的绿色发展水平差距较大，绿色发展水平不均衡问题突出。

表2 中原城市群2007—2018年绿色经济效率值

2.2 中原城市群绿色发展效率动态分析

本文进一步采用Malmquist指数法从动态角度衡量中原城市群绿色发展效率变动值。由图3可得，中原城市群2007—2018年的全要素生产率总体呈现波动上升趋势，表明近年来资源开发利用效率有所提升。根据Malmquist指数的分解结果，技术效率变化指数（EC）、技术进步变化指数（TC）和全要素生产率指数（TFP）的变化趋势总体一致，特别是技术进步变化指数和全要素生产率指数的变化趋势高度吻合，表明技术进步是推动中原城市群绿色发展效率提升的主要因素。此外，全要素生产率的年均增长率仅为0.4%，增长速度较为缓慢。从地区层面上看，全要素生产率指数大于1的城市有18个，占中原城市群的62.07%，但增长幅度都在10%以下。这表明中原城市群中一半以上城市的绿色发展效率随着时间的推进有所提升，但提升速度较为缓慢。而剩余11个城市全要素生产率的增长速度呈现下降趋势。

图3 中原城市群2007—2018年全要素生产率指数及其分解

3 中原城市群绿色发展效率的协同提高机制分析

3.1 模型构建

本节将进一步寻找绿色发展效率的协同提高路径，构建如下计量模型：

式中：因变量efficiency来源于Malmquist指数分解得到的全要素生产率（TFP）、技术进步变化（TC）以及技术效率变化（EC），αi为个体固定效应；λt为时点固定效应；i=1, 2, …,N；t=1, 2, …,T；εit为随机扰动项。

解释变量的含义如下：（1）地区经济发展水平（pgdp），使用地区人均GDP来表示。经济越发达，生产效率的提升速度越快。（2）产业结构（industry），采用第二产业占GDP的比重衡量。（3）外商直接投资（fdi），使用当年实际使用外资金额表示。（4）人力资本（edu），采用普通高等在校学生数表示。（5）政府干预（gov），采用财政支出占GDP的比重衡量，反映政府对城市绿色发展效率的重视程度。（6）科技水平（patent），采用地级市专利授权总数衡量。数据来源于《中国城市统计年鉴》。

3.2 基准回归分析

本文采用双向固定效应模型分析绿色发展效率的提高机制。表3模型（1）～（9）分别表示控制地区、控制时间、同时控制地区和时间的全要素生产率（TFP）、技术进步变化（TC）以及技术效率变化（EC）的估计结果。以模型（7）～（9）为基准，经济发展水平、人力资本对TFP和EC具有促进作用，即经济发展水平、人力资本每增加1%，全要素生产率和技术效率将分别增加0.602%和0.516%，即经济发展水平和人力资本通过提高效率来提升全要素生产率。经济发展水平越高，企业内部运营管理越有效率，产出水平就越高。具有高素质特征的人力资本能够优化企业管理效率，提升全要素生产率。产业结构显著抑制了TFP、TC和EC。第二产业比重的提高不仅加剧了能源的消耗，使环境污染问题更为严重[35]，还会强化路径锁定，导致技术创新和管理改进更加困难。外商直接投资显著阻碍了TFP和TC的发展，进一步证明了“污染天堂”假说。此外，由于当前污染密集型产业的生产具有高额利润，企业不愿意使用增加成本的新技术，使得技术进步停滞不前。政府干预对TFP和TC具有明显促进作用，表明政府的行政手段能够起到鼓励技术创新的作用，使地区的发展重点从“唯GDP”转变为绿色发展。科技水平的提高能够提升TC，表明科技水平对技术进步具有明显的作用，但由于科技水平整体偏低，对技术效率的提升并不明显。

表3 基准回归

3.3 稳健性分析

3.3.1 被解释变量滞后一期

中原城市群的绿色发展效率不仅受到该地区经济发展水平、产业结构、外商直接投资等因素影响，还受到该地区上一年绿色发展效率的影响。因此，将被解释变量的一期滞后放入模型（3）进行回归，以解决遗漏变量导致的内生性问题，估计结果为表4的第（1）～（3）列。加入被解释变量的滞后一期之后，变量的显著性和系数与基准回归结果基本一致，表明基准模型估计的结果是稳健的。

3.3.2 缩尾处理

由于异常值对样本估计结果的影响较大，因此考虑对样本进行缩尾处理，以排除异常值对估计结果的干扰，如表4的第（4）～（6）列所示。估计系数与基本回归估计系数无明显差别，表明基本回归估计的结果是稳健的。

3.3.3 引入省份和年份的交互项

中原城市群共包含5个省份，由于5个省份中可能存在同一省份同一年份之间的影响，因此考虑省份与年份的交互项。通过引入省份和年份的交互项，将省份和年份进行控制，结果为表4中的第（7）～（9）列。估计系数的差异较小，表明基准估计结果的稳健性。

表4 稳健性分析

4 异质性分析

4.1 分区域异质性讨论

本文将中原城市群分为东部和中部，回归结果见表5，东部地区绿色发展的变量显著性低于中部地区。对东部地区而言，政府干预显著促进TFP和TC，政府能够为科研创新提供强大的财政支持，促进技术创新。科技水平对TC产生不利影响，表明高端技术转换为生产力的能力有待加强。但其余变量对东部地区的影响不显著，可能是由于东部地区的技术效率已经达到较高水平，提升空间较小。对中部地区而言，经济发展水平和产业结构分别能显著提升和降低TFP和EC。外商直接投资对TFP和TC具有抑制作用。不合理的产业结构以及降低环境门槛而引入的外资会加重当地产业转型升级的难度和环境污染，不利于技术创新。政府干预、人力资本对TFP具有显著作用，可以通过加强干预程度和积累人力资本提升绿色发展水平。科技水平显著促进TC，表明科技成果转换效果明显。凭借邻近东部与西部的地理位置，中部地区既容易享受东部地区的知识溢出效应，又能吸引西部地区的高技术人才[36]，相比于东部地区具有更大的发展空间。

表5 分区域绿色发展效率

4.2 中心—外围省份异质性讨论

由于河南省在中原城市群中占据主要位置，因而选取河南省作为中心省份，河北省等周边省份作为外围省份，考察中心省份与外围省份绿色发展效率的影响机制。根据表6可知，中心省份变量的显著性与周边省份基本类似，表明中心省份与外围省份的发展大体一致，作为中心的河南省虽然显现出“外溢效应”，但其支柱地位尚不凸显。此外，工业结构不利于周边省份TFP和EC的提高，但对河南省绿色发展效率的影响并不显著，说明河南省的产业结构有所优化，抵消了一部分由于第二产业比重增加带来的环境污染。而河北等周边省份应该进一步优化产业结构，降低对绿色发展的不利影响。

表6 省份异质性

4.3 资源禀赋异质性讨论

根据《全国资源型城市可持续发展规划（2013—2020年）》中的资源型城市名单，将中原城市群分为资源型城市和非资源型城市（表7），考察不同资源禀赋下城市绿色发展效率的影响机制。资源型城市绿色发展效率的变量显著性高于非资源型城市。资源型城市的发展主要依靠高污染、高能耗的第二产业，增加第二产业比重以及引入污染密集型的工厂会使当地的发展产生路径依赖，企业为避免生产成本增加而不愿意使用先进技术[37]，阻碍全要素生产率的上升。因此，资源型城市应该把降低第二产业比重以及大力引入高质量外资作为提升绿色发展水平的主要方向。近年来，资源型城市的扶持政策从教育、科技等方面入手，显著提升了当地的人力资本、政府干预程度、科技水平，从而实现了技术进步。而非资源型城市当前绿色发展的重点在于进行产业结构的优化升级。

表7 资源禀赋异质性

5 结论与建议

本文运用超效率SBM模型和Malmquist指数法测算2007—2018年中原城市群29个城市的绿色发展效率和全要素生产率变化指数，从静态和动态层面探究中原城市群的绿色发展水平，进一步分析其协同提高机制。研究发现：

在静态上，中原城市群的绿色发展效率在2007—2018年呈现下降趋势，整体水平偏低；山西省的年均绿色发展效率最高，河南省最低，河南省尚未发挥出作为中原城市群中心的引领作用；绿色发展水平不均衡问题突出。在动态上，2007—2018年中原城市群全要素生产率总体呈现上升趋势，但增长速度较慢。

协同提高机制分析显示，在总体基准回归中，经济发展水平、人力资本对TFP和EC具有促进作用；产业结构显著抑制了TFP、TC和EC；外商直接投资、政府干预分别显著阻碍和促进了TFP和TC的发展；科技水平对TC起到了重要的拉动作用。异质性分析中，东部地区绿色发展的推动力弱于中部地区；中心省份与外围省份的绿色发展大体一致；资源型城市绿色发展的推动力强于非资源型城市。

为了提升中原城市群整体的绿色发展水平，本文提出如下建议：

第一，加强跨省合作，缩小区域发展差距。为了缩小中原城市群绿色发展水平的地域差异，需要促进城市之间的交流与合作，打破阻碍城市群发展的行政壁垒。加强中原城市群多中心城市建设，并在各个城市之间建立综合立体交通走廊，推动与周边城市的联动发展，加快形成高质量发展区域增长极。实施产业带发展规划，引导技术密集型产业向中原城市群中心聚集，推动劳动密集型产业向周边城市扩散，促使地区间的产业分工更为合理。绿色发展效率低的驻马店、安阳等城市需要提升资源配置与利用效率，增强政府环境治理能力。作为高效率地区的郑州等城市应该发挥中心城市优势，进一步提升对中原城市群的龙头带动作用，加强与效率较低城市之间的交流与合作，不断提高中原城市群绿色发展整体水平。第二，重视经济发展、人力资本、政府干预和科技水平对绿色发展效率的积极作用，降低产业结构和外商直接投资的不利影响，这些将是中原城市群未来提升绿色发展水平的主要突破口。中原城市群的中部地区应该注重提升经济发展水平、人力资本与科技水平，响应政府政策，吸引高质量外资并优化产业结构。东部地区应该进一步与政府的政策导向保持一致、加强科技成果的转换能力，实现绿色发展。进一步加强洛阳等中原城市群副中心建设，强化河南省在绿色发展中的中心地位；作为周边省份的河北、山西、安徽、山东需要合理调整产业结构，削弱产业结构对绿色发展效率的不利影响。重视资源型城市的绿色发展，加强培养人力资本、提高政府干预的程度、科技水平以及外资引入的环境门槛，降低第二产业比重；非资源型城市需要提高产业结构的优化水平。