中国省域空间单元绿色治理效率测度及其空间格局特征

刘宏笪,王晓霞,张济建,黄嘉梁*

中国省域空间单元绿色治理效率测度及其空间格局特征

刘宏笪1,2,王晓霞2,张济建3,黄嘉梁2*

(1.同济大学经济与管理学院,上海 200092；2.上海大学管理学院,上海 200444；3.江苏大学财经学院,江苏 镇江 212013)

全文构建广义面板三阶段DEA模型,实证测度2008～2019年我国31个省域绿色治理效率,基于外部环境和投影分析探究绿色治理的改进方向;利用空间自相关模型,判断省域绿色治理效率的潜在关联;通过空间引力模型、社会网络分析法,明确各省域绿色治理效率的空间关联规模,形成网络拓扑结构下的绿色治理效率社会网络.研究发现,中国省域绿色治理效率呈现U型特征,且非管理性因素制约了真实效率的提升;技术环境对绿色治理投入冗余的消除存在积极作用,但经济环境、金融环境的适应与调控须辩证展开;各省域存在大量的投入冗余现象,且冗余内部差异显著;绿色治理活动中,各省域产生空间正相关性,空间关联增量亦显著增加,但内部分化、贡献异质潜在影响绿色治理整体格局的塑造;我国基本形成“日”字型绿色治理空间关联框架,北京、上海等中心地区的空间效应与辐射作用有助于整体绿色治理效率的提升.

绿色治理效率；省域；空间格局；广义面板三阶段DEA；空间效应

绿色治理是以政府为核心和主要领导者,企业及其他各方主体为实践者和追随者,各主体基于互信互赖和共建共治共享原则,实现经济、政治、文化、社会、生态和谐持续的治理过程[1].在绿色治理过程中,政府作为绿色治理核心,通过管理职能等治理手段,引导或带领企业进行绿色创新,继而通过绿色创新引发的社会变革与进步,实现“五位一体”的新格局建设[2].而绿色创新引发的绿色技术与生产力,颠覆了传统发展模式的粗放,从而真正实现了社会的绿色发展.绿色治理的核心内涵表明,绿色治理的本质是政府—企业在绿色发展过程中的链接关系,政府以投入者身份参与,而企业以输出者形象面向社会,绿色治理的外显效力正是绿色创新的推进程度[3],因而绿色治理的直接产出与效果就是企业绿色创新能力的增幅、变化[4],对绿色治理的度量也须从政府投入与绿色创新产出两方面展开.

绿色治理效率表征绿色资源投入与社会变革产出间的比例关系,用以反馈政府投入与绿色创新产出的科学手段.绿色治理效率可以明确各类绿色活动展开及要素投入情况,引导绿色效益的提升并在内涵层面呼应五位一体的建设思路.中国式分权制度框架指出,绿色治理效率水平受外部环境影响[5].绿色低碳循环体系的协调则可能导致绿色治理投入产出比的失衡[6-7].以上研究较为全面地分析了绿色治理效率,然而绿色治理具有显著的空间依赖性,若忽视其空间相关性将无法全面揭示出绿色治理与空间区域的内在关联[8].结合绿色治理内涵来看,其既囊括政府层面的治理管理活动[9],又在企业微观层面以绿色技术创新作社会变革力[10].绿色治理由于政府活动的关联性、企业创新与生产的联动性,使之在跨区域层面的政府、企业活动互动中,不可避免地发生内外生空间联系[11].因此,如何全面地审视绿色治理的空间格局,成为当下研究创新的全新边际.

本文构建绿色治理的评价指标体系,科学测度各地区绿色治理效率;基于冗余分析,明确绿色治理的资源投入调整机制;利用莫兰指数、空间引力模型及社会网络分析法,明确各地区绿色治理的空间关联情况,借助核心地区的绿色治理空间效应辐射周边,进一步提升绿色治理效率并扩大绿色治理的宽广面.

1 研究方法与数据来源

1.1 研究方法

1.1.1 广义面板三阶段DEA模型 三阶段DEA模型通过随机前沿方法(SFA)剔除了外部环境因素､随机误差与管理噪声对目标效率的干扰,以获得更为准确的效率值[12].但三阶段DEA模型仍基于传统DEA的逻辑框架,其效率前沿面的解构过程中以默认且不可选的参照对象为“优秀单元集合”.广义面板DEA模型通过自主选定参考系,并设定系统“移动因子”刻画决策单元的整体进步性,以达到规避系统进步干扰、截面数据连续化处理的目标[13].考虑到中国绿色治理一直处于发展与优化阶段,其效率演变中会受系统进步性与外部环境、随机误差、管理噪声等非管理性因素的影响.由此,为规避数据的无效化处理与计算,解决并修正外部因素的影响,本文融合广义DEA模型与三阶段DEA模型[14],构建基于广义面板三阶段DEA模型的绿色治理效率测度模型.

Step2SFA模型调整:投入松弛变量的SFA回归模型如式(2)[15]:

SFA回归模型对原始投入的纠偏调整公式为

Step3 投入变量调整后的广义面板DEA模型:将公式(3)调整后的投入变量代入模型(1)进行重新计算,得到调整后的各省域绿色治理效率值.基于效率前沿面的探析明确最优投入,将实际投入与最优投入比对,得到投入冗余值.

基于公式(4),第个样本单元第项投入的冗余值Dx计算公式为:

本文以地区国内生产总值、技术市场成交额反映绿色治理的经济环境与技术环境.此外,绿色治理是高投入性、高风险性的公共管理行为,外部资本的涌入与支持、投资率的扩张将有助于绿色治理工作的展开,为绿色治理产生积极保障作用,本文以资本形成率刻画绿色治理的金融环境[16].由此,本文形成绿色治理评价指标体系[17],如表1所示.

表1 绿色治理效率评价指标体系

1.1.2 全局空间自相关分析 通过地理学第一定律与计量经济学的有效结合[18],基于空间数据的探索性分析,探讨空间单元内某种要素的集聚与互动关系程度.利用全局空间自相关分析,以Moran’s指数刻画中国各省域绿色治理效率的空间分布特征,并判断省域绿色治理的空间异质性情况.计算公式为:

式中:为省域个数;x与x分别为两个省域的绿色治理效率值;为空间权重矩阵的具体元素. Moran’s指数的范围为[-1,1],当计算值大于0时,表明各省域绿色治理间存在空间正相关,且随着值的增大及显著性的增强,表现出强烈的空间集聚特征.当计算值小于0时,表明各省域绿色治理间为空间负相关关系,随着值的降低及显著性的增强,表现出高度的空间差异特征,即各省域的绿色治理呈随机分布样式,不存在空间互动与集聚关联.

1.1.3 空间引力模型 基于空间自相关分析可以初步判断各省域绿色治理间是否存在互动关系,但无法反馈互动过程中的关联规模、引力主体等内容.通过空间引力模型的构建与修正,表征不同省域绿色治理间的相互作用程度.计算公式为[19]:

式中:R表示两省份间绿色治理效率的空间关联程度;M为空间引力系数;S和S即为省份与省份的绿色治理效率;D刻画两地区间的空间距离;和分别表示各省份的绿色产业规模和人均国内生产总值;A则表征地区绿色治理的空间关联总量,以衡量地区绿色治理效率对其他区域的影响程度.

1.1.4 社会网络分析方法 绿色治理空间关系的探索需要避免传统空间计量方法数据属性的局限性[20].基于社会网络分析,进一步得到“关系数据”下的绿色治理空间结构情况,有效反映各节点省域在绿色治理网络中的结构与地位.本文通过社会网络分析的个体结构中心性指标,刻画各省域在绿色治理网络中的位置与作用程度.其中度数中心度表征各省域在绿色治理网络中的作用位置,数值越高,表明其处于空间集聚效应的中心,是辐射其他地区绿色治理、扩张全局绿色治理效率的重要输出高地;接近中心度表征各省域在绿色治理网络中的独立程度,即不受其他地区控制、保有自主治理的能力,数值越高,表明其与其他地区绿色治理的直接关联较多,而非以其他地区主控引发的间接关联为主;中间中心度表征各省域在绿色治理网络中的话语权,是绿色治理投入、产出资源的控制高地,数值越高,表明其引导其他地区绿色治理效率增长,并推动资源中介流动、最终消化,以达到控制、普及全局绿色治理的目标.

1.2 数据来源

以中国31个省域为研究对象,基于数据获得性和分析价值,选取2008～2019年作为研究期.各项数据来源于EPS数据平台、国家知识产权局专利检索及分析系统等.本部分结合绿色治理及绿色创新的核心内涵,将各项原始数据进行了再处理,其中将地方(政府)部门在高技术产业领域的直属研究与开发机构数、在职研究与开发人员数、研究与开发政府资金支出总额、全部建成或投产创新项目数、新增创新固定资产投资总额作实际应用,以明确“绿色”内涵.产出指标中,通过国家知识产权局专利检索系统的“绿色”、“高技术”主题词搜索,复核得到绿色创新专利成果数;科技进步水平指数来源于科技部的科技进步统计监测结果,该指标的计算系统与本文指标体系间不存在重复与矛盾问题,从而确保本文的科学性.

2 实证分析

2.1 中国省域绿色治理效率分析

表2 中国省域绿色治理效率情况

续表2

由表2可见,在考虑系统进步性的前提下,剔除外部环境、随机误差和管理噪声等非管理性因素影响后,第1阶段与第3阶段的中国省域绿色治理效率出现较大波动.除湖南绿色治理效率均值略微上升外,其余地区绿色治理效率均有显著降低.这表明绿色治理受外部环境的影响较强烈,非管理性因素主导了绿色治理效率的隐性提升.这对绿色治理格局的塑造及质量的提升存在两大隐患:其一,省域绿色治理可能存在“虚假繁荣”景象,表象卓越的绿色治理效率遮掩了管理的低效与盲目的投入;其二,绿色治理效率与外部环境“挂钩”,这导致部分环境基础较差､社会先天资源匮乏的地区成为绿色治理的“吊车尾”.以西藏、青海、宁夏、新疆为例,其第三阶段绿色治理效率降幅达70%.这是由于上述地区经济开发较少,先天卓越的绿色环境､较少工业污染侵蚀的良好基础使之绿色治理效率在第一阶段明显抬升,但实质上其真实的管理效率明显趋低,投入产出比例不够合适.

从时间维度来看,调整前后的绿色治理效率均存在两个变化周期,并呈现U型变化.

第1个周期为2008～2014年,即绿色治理战略的推出前夕.在该阶段,各地区绿色治理的相关活动呈散点状展开,依据各自规划部署、区位条件制定相关治理策略.第一个周期各省域绿色治理效率均值达0.468,呈现出较好的绿色治理动能,但内部差距较大、治理分化趋势加剧的问题不容忽视.以北京、天津、上海、江苏、浙江、广东、重庆、四川为代表绿色治理示范区效率均值达0.806,其余23个省份效率均值仅为0.350,仅有前者的43.4%.偌大的绿色治理断层使全国绿色发展明显失衡,且绿色治理高效地区全部集中在经济较发达区域,这种非平衡样态加剧教育发展、科技创新、文化建设等层面资源流动的失调,国内绿色治理的大循环明显阻塞.

第2个周期为2015～2019年,即绿色治理的正式出台期.在该阶段,各地区绿色治理呈现高度统一、紧密相连､互通有无的积极状态.十八届五中全会首次将绿色发展纳入国民经济和社会发展总体规划.基于资源与项目的最佳配置、生产方式的绿色化转型和创新绿色发展体制机制的营造,中国绿色发展程度不断攀升.进入十九大后,绿色发展的内涵与路线不断清晰,绿色治理更是被赋予深层次含义:建设人与自然和谐共生的现代化,在满足美好生活需要基础上提供更多优质生态产品.由表2可见,当期各省域绿色治理效率均值达0.515,较上一阶段增长约10.1%.北京、天津、上海、江苏、浙江、广东、重庆、四川地区绿色治理效率均值达0.833,其余23省份均值为0.404,差距由原先的0.456收窄至0.429,幅度逼近5.9%,表明绿色治理战略的统一制定进一步平缓内部矛盾,推动共同治理的形成.

绿色治理效率U型特征的出现,则主要源于彼时特殊的外部环境.从经济背景来看,2008年我国的整体经济环境､社会发展处于历史高点,全要素生产率明显较高,导致各类活动的经济效率较为卓越,此时绿色治理的投入产出比重合适,因此呈现了一定的高效率特征.而在2008～2014年期间,我国进入经济转型期,部分产出指标震荡趋势明显,导致效率收窄.2015年正式确定绿色治理后,各地方政府明确绿色治理方向,围绕目标产出重点发展,效率逐步回升,由此形成U型状态.从政策环境来看,2008年及之前,我国开展了大量的创新､基建等工作以展现国家风貌,迎接奥运,各指标数据活跃度较高(特殊年),而后多年进入稳步调整期,导致部分产出数据迅速跳水,使效率趋低,直到2015年五大发展等理念的重新提出,显著凸出绿色治理意义,绿色治理产出规模再度回升,带动绿色治理效率的回温.

2.2 中国省域绿色治理效率外部环境分析

基于SFA回归模型,本文探究环境变量对投入松弛变量的影响.基于公式(2)计算,回归结果如表3所示.

由表3可见,环境变量对投入松弛变量通过T检验,表明外部环境会对绿色治理的投入冗余存在作用关系.结合gamma值与调整前后的绿色治理效率比对,证明外部环境、管理噪音是主导绿色治理效率变动的关键要素,管理无效的影响高于随机误差,绿色治理管理能力有待进一步提升.

注:***、**、*分别表明值在1%、5%、10%显著水平下显著.

就经济环境而言,其对绿色服务能力、绿色运营能力松弛变量呈现显著正向作用,同时由于经济需求的增长、经济市场的壮大,这部分扩张的绿色投入资源得以快速消化,构建形成经济增长—机构、人员与资金要素扩张—经济再增长的良性循环链.在这种资源循环机制下,鲜有资源会被浪费,使得经济环境对绿色组织建设能力、绿色组织配置能力和绿色投资能力保持较明显的积极作用.技术环境方面,其与各投入松弛变量均呈显著负向关系,表明技术市场推动了各项投入要素的精简,有效吸收了冗余资源,这意味着绿色治理的最终导向应为技术市场.绿色发展需要创造现实的绿色价值.金融环境对绿色组织建设能力、绿色组织配置能力冗余呈显著正向关系,但与绿色投资能力、绿色服务能力、绿色运营能力松弛变量呈显著负向关系.表明卓越的金融环境在一定程度上促成政府绿色机构、绿色人员投入的积极性,但外部资本的涌入导致社会绿色氛围增强,社会组织主导下的绿色机构、人员与之产生竞争性、对抗性.

2.3 中国省域绿色治理效率投影分析

基于效率最优前沿面投影分析,探究省域绿色治理各项投入的冗余情况.基于式(4)、式(5)计算,投影结果如表4所示.

表4 中国省域绿色治理投入冗余投影分析(%)

续表4

注:数据为投入冗余的可改进幅度(2008～2019年间的均值).

由表4可见,中国各省域绿色治理投入均存在显著的低效冗余问题,且各投入冗余内部存在较大差异.总体来看,绿色组织建设能力冗余规模最大,平均冗余度为52.144%.绿色投资能力冗余最少,平均冗余度为40.699%.绿色组织配置能力、绿色服务能力和绿色运营能力平均冗余度分别为42.140%、42.413%和42.385%.由于绿色治理的快速推进,地方政府极易形成职能交错、重复劳动的绿色机构置办理念,但在机构划分中导致智库资源的分散、信息交流的闭塞,间接影响绿色人员的利用效率.伴随机构导向的重叠,部分绿色人员无法实现资源共享机制,人才专业结构上存在缺陷,且知识水平的差异放大绿色治理管理能力的不足,形成一定的绿色组织配置能力冗余.而在绿色资本方面,考虑到地方财力不足以及财政分权下的治理压力,中央政府发挥政府与社会资本的双方优势,对绿色资本引入市场机制并强化专业理念,在一定程度上缩减了绿色投资能力的冗余.

从地区而言,各省域内部的投入冗余问题亦存在差别.北京、天津、重庆、海南、西藏、青海、宁夏呈现反向特征:绿色组织建设能力冗余反低于绿色组织配置能力冗余,平均差值达6.228%.且上海绿色组织建设能力冗余也仅高出绿色组织配置能力冗余0.889%,远低于平均值10.004%.其中北京、天津、重庆和上海均为直辖市,表明较大城市规模或经济特别发达地区会产生人才拥挤现象,由于其特殊的虹吸效应及教育、区位优势,导致人才资源过度集聚,并造成人力过剩、闲置与产出效益的损失.而海南、西藏、青海、宁夏则是人才与发展双重边缘地区,本身教育资源有限,一方面其过于狭隘的人才发展平台使之对人才的依赖性较低、人才缺口较小,从而产生一定的人员冗余;另一方面,有限的知识结构､较低的知识协同水平使之产出水平不足,亦导致绿色组织配置能力的冗余.绿色投资能力、绿色服务能力及绿色运营能力冗余方面,四大直辖市的平均冗余度仅为23.219%,远低于其他地区的44.590%,反言之,凭借上述地区的卓越表现与高效行动,使我国绿色治理投入冗余降低了2.758%,达到41.832%.因此在消化绿色治理冗余、精简和优化绿色治理投入过程中,应形成以四大直辖市为引领的绿色治理圈,借助区域互通、合作机制调节资源流动,以大城市的领袖力、影响力调整落后地区治理行为,以达到共荣共治的发展目标.

2.4 中国省域绿色治理效率空间相关性分析

基于空间自相关模型,运用GeoDa软件测算得到2008～2019中国各省域绿色治理效率的Moran’s指数.通过公式(6)计算,结果如表5所列.

由表5可见,各年份全局Moran’s指数均大于0.4,且通过1%的显著性水平检验.表明中国省域绿色治理效率呈现较强的空间正相关性,各区域间存在明显的空间互动、依赖和集聚现象.尤其在2015年之后,全局Moran’s指数持续增长,增长幅度超42.887%,绿色治理空间关联度快速增加,进一步契合2015年五大发展理念、五位一体建设格局的提出.随着绿色治理战略内涵的赋能、战略行动力的增强,各省域表现出高度的趋同特征,促使绿色治理效率的空间集聚特征越发显著.

表5 中国省域绿色治理空间自相关全局Moran’s I指数

2.5 中国省域绿色治理效率空间关联分析

基于空间引力模型,通过式(7),测算得到2008～ 2019年中国省域绿色治理空间关联情况,结果如表6所示.

表6 中国省域绿色治理效率空间关联总量

续表6

由表6可见,时序演变视角下的省域绿色治理效率空间关联总量呈快速增加特征,年平均关联总量由2008年的6241跃升至2019年的40204,增加幅度达544.192%.其中2015～2019年的增长幅度为350.213%,表明2015年以后各省域进入绿色治理空间关联快速增长期,绿色治理战略的聚合功能逐步凸显.就空间视角而言,研究期内的空间关联总量分布格局变化较小,初期(2008～2014)主要集中于北京、上海、江苏、浙江等地.2015年以后,天津、河北、山东、安徽等地亦明显突出,空间关联能力渐渐增强.但存在不足的是,天津、广东尽管自身绿色治理效率较高、各方优势较为明显,但并没有贡献充沛的空间关联量,即在绿色治理集聚圈中处于孤立发展、单核驱动的状态.长三角一体化战略中,融入了江苏、安徽、浙江三个省份和上海直辖市,跨省域行政边界的治理传导机制使绿色治理空间关联渠道拓宽,各省域的影响力也更甚.而珠江经济带建设更是由于沿线城市大多在广东省内,成为广东内部提质增效、强化统筹、平衡粤西粤北发展的关键工具,其影响力远不如长江经济带的建设.这就导致广东在绿色治理空间关联参与度有所下降,很难发挥自身的引领作用.

2.6 中国省域绿色治理效率空间结构分析

结合空间关联矩阵,利用UCINET分析软件,构建绿色治理效率的社会网络.研究发现,中国省域绿色治理效率社会网络主要存在3大密集区,其一为北京、河北的北方关联区,借助河北的区位优势,绿色治理效率社会网络进一步延展辐射至东北、内蒙古和山西地区.其二为江浙沪的沿海关联区,其中江苏与山东、安徽关联形成绿色治理沿海、中部双通道,浙江则与福建关联,形成东南沿海治理通道.尽管江西与浙江存在地理关联,但在绿色治理活动中,双方并不存在资源转接的联络渠道,进一步突出江西的尴尬地位.其三为湖北､重庆、四川的中部关联区,其中湖北承上启下,联络了长江经济带的上下游资源交互,重庆则与云贵地区开辟了西南治理通道,并对接青海、陕西、宁夏,开辟形成西北治理通道.由此,我国绿色治理初步形成“日”字型的空间关联框架,即三横两纵治理大动脉,两纵包括东北—北京—山东—江浙沪—福建的沿海线,其中东北地区为延展支线;西北—重庆—云贵的西部线.三横包括东北—北京—内蒙古—陕西的北方线,江浙沪—湖北—四川的长江线,以及福建—海南—广西的南延线.通过该绿色治理空间关联框架,结合地缘特色和国家空间战略布局,进一步实现绿色治理的精细化管理,有效解决了绿色治理的空间非均衡问题,并实现绿色治理与五大发展、五大建设的高度呼应.基于社会网络分析,本文对中国省域绿色治理效率的关键节点进行分析,计算得到各省域在绿色治理中的度数中心度、接近中心度和空间中心度.计算结果如表7所示.

由表7可见,各省域绿色治理中心度均呈显著上升趋势,但考虑到同步增加且增加幅度差异不大等因素,各省域在绿色治理社会网络中的地位与作用相对固化.从度数中心度来看,北京、上海是重要的绿色治理中心地区,对其他地区的影响程度较强,并促成各条空间关联渠道的形成与稳固.而重庆虽然度数中心度仅在43.277～61.048范围内波动,但考虑到西南地区的现实状况,其实质上承担了绿色治理中心辐射的重要任务,且其增长幅度达41.06%,远高于平均水平32.68%,表明重庆在绿色治理社会网络中的地位快速突出,是重要的绿色治理中心行动者与空间互动促成者.接近中心度方面,北京、天津、上海、浙江均高于60,表明其与其他地区极易产生绿色治理的直接关联.由于其治理能力相对独立,使其在绿色治理社会网络中处于主动地位,由此成为绿色治理大通道中的节点地区.而在中间中心度中,上海、广东、江西水平较高,但其背后原因则有差别.就上海而言,其是绿色治理空间关联框架中的通道交织点,拥有大量的绿色治理资源,是绿色治理沿海线、长江线的输出省域,其较高的中间中心度表明上海对引控其他地区绿色治理效率增长存在积极作用.而广东、江西则相对闭锁,由于关键通道的远离,导致这类省域虽掌握全省大量的绿色治理资源,但难以融入交互渠道,仅能实现自身的绿色治理效率增长.但由于内部效率的明显增长,亦使其呈现较优的中间中心度.结合表7、图1来看,我国绿色治理社会网络雏形初步建立,下一阶段应依托重点省域拓展治理关联渠道[21],进一步强化绿色治理的宏观格局塑造.

表7 中国省域绿色治理效率社会网络节点结构演化

2.7 政策建议

强化绿色治理管理效率提升,贯彻落实中央统一部署,深入推进绿色治理体制改革.政府及企业应打开思维及眼界,破除认知固化的藩篱.解放思想,消除现有体制机制弊端,切实提升绿色治理的管理效率.绿色治理本身会伴随社会系统的多元进步水涨船高,呈现较为正面的治理形象.在治理背后,管理无效的问题依旧长期存在,各地方省域应改除积习和弊端,树立正确的绿色治理观,结合绿色治理的核心内涵,对重点领域进行专项突破.

借力打力,有效依托外部环境消解绿色治理冗余,客观把握当前经济运行优势,辩证统一外部环境与绿色治理关系,正确发挥环境优势与绿色治理的融合作用.各地须有意识地利用市场机制,借助绿色金融契机重构金融环境,强化对绿色资本的引导与支持,更好的发挥政府的引领作用,坚持以市场为导向、技术为落脚点,适应形成绿色治理现代体系.充分发挥经济和治理的融合作用,减少资本等要素冗余,更好的提高绿色治理效率.化解政府资源结构性冗余,推动绿色治理要素精细化渗透,转换政府职能、重塑执政思维,避免盲目投入引发资源无效问题.

响应绿色治理效率空间格局,结合国家国土空间“两横三纵”为主体的城市化战略格局,塑造绿色治理“日”字型发展新格局.利用环渤海、长三角、珠三角等特大城市群的现有基础,借助江淮、长江中游、成渝等都市圈的新开发,打通绿色治理资源传导的阻滞,以绿色治理契机培育全新的城市、省域集群.提高边缘地域的话语权,均衡市场、人力、资本等要素的参与度,提高绿色治理效率社会网络的稳定度,并最终借助社会网络推动形成布局合理、功能完善、衔接顺畅、运作高效的治理平台.各地区发展战略应互相写入、准确借鉴,将绿色治理大通道做成国家生态走廊、产业合作平台,通过产业链条的不断完善、政产学研的不断融合,最终形成国家层面的经济大通道,达到国家治理体系和治理能力现代化的目标.

3 结论

3.1 绿色治理受系统进步性、外部环境、随机误差和管理噪声等非管理性因素的影响较强,且非管理性因素主导了绿色治理效率的隐性提升.我国省域绿色治理效率存在两个发展周期,并以2015年为拐点呈现U型变化特征.地方政府各项投入要素的冗余现象较为严重,且冗余内部差异问题明显.冗余问题主要集中在绿色组织建设能力方面,地方政府对绿色机构的设置存在不足,低端、无效、重复的机构设置暴露绿色治理基层投入的矛盾性.而大规模城市(省域)则存在绿色人才的拥挤现象,导致绿色组织配置能力的冗余.

3.2 基于绿色治理效率的空间相关性分析发现,各省域在绿色治理中存在显著的空间正相关性,空间集聚与依赖特征逐渐增强.基于绿色治理效率的空间关联分析发现,各省域的空间关联增量随时序快速增长,但部分效率卓越地区的空间关联贡献较为有限,空间关联的异质性分化不利于绿色治理格局的塑造.我国已基本形成“日”字型空间关联框架,打造出三横两纵的绿色治理大动脉,包括纵向的沿海线、西部线,以及横向的北方线、长江线、南延线.在绿色治理关联渠道中,北京、上海是重要的绿色治理策源地、中心地,基于重要地区的起承转合,我国绿色治理社会网络初现雏形,绿色治理空间效应日益增加.

[1] 刘宏笪,张济建,张 茜.全球供应链视角下的中国碳排放责任与形象[J]. 资源科学, 2021,43(4):652-668.

Liu H D, Zhang J J, Zhang X. China’s carbon emission responsibility and image from the perspective of global supply chain [J]. Resources Science, 2021,43(4):652-668.

[2] 翟坤周,侯守杰.“十四五”时期我国城乡融合高质量发展的绿色框架、意蕴及推进方案[J]. 改革, 2020,10(11):53-68.

Zhai K, Hou J. Green framework, implication and promotion scheme of high-quality development of urban-rural integration in China during the 14th five-year plan period [J]. Reform, 2020,10(11):53- 68.

[3] 彭甲超,许荣荣,付丽娜,等.长江经济带工业企业绿色创新效率的演变规律[J]. 中国环境科学, 2019,39(11):4886-4900.

Peng J C, Xu R R, Fu L N, et al. The evolution pattern of green innovation efficiency of industrial enterprises in the Yangtze river economic belt [J]. China Environmental Science, 2019,39(11):4886- 4900.

[4] 周 力.中国绿色创新的空间计量经济分析 [J]. 资源科学, 2010, 32(5):932-939.

Zhou L. Space econometric analysis of green innovation based on a perspective of resource endowment [J]. Resources Science, 2010, 32(5):932-939.

[5] 郭爱君,张 娜,邓金钱.财政纵向失衡、环境治理与绿色发展效率[J]. 财经科学, 2020,(12):72-82.

Guo A J, Zhang N, Deng J Q. Vertical fiscal imbalance, environmental governance and green development efficiency [J]. Finance & Economics, 2020,(12):72-82.

[6] 吴传清,周西敏.长江经济带绿色经济效率的时空格局演变及其影响因素研究[J]. 宏观质量研究, 2020,8(3):120-128.

Wu C Q, Zhou X M. Research on the spatiotemporal evolution and the influencing factors of green economic efficiency in the Yangtze river economic belt [J]. Journal of Macro-quality Research, 2020,8(3): 120-128.

[7] 马晓君,魏晓雪,刘 超,等.东北三省全要素能源效率测算及影响因素分析[J]. 中国环境科学, 2017,37(2):777-785.

Ma X J, Wei X X, Liu C, et al. The analysis of total factor energy efficiency calculation and influence factors of the three northeast provinces [J]. China Environmental Science, 2017,37(2):777-785.

[8] 李 敬,陈 澍,万广华,等.中国区域经济增长的空间关联及其解释——基于网络分析方法[J]. 经济研究, 2014,49(11):4-16.

Li J, Chen S, Wang G H, et al. Study on the spatial correlation and explanation of regional economic growth in China--Based on analytic network process [J]. Economic Research Journal, 2014,49 (11):4-16.

[9] 施本植,汤海滨.中国式分权视角下我国工业污染治理效率及其影响因素研究[J]. 工业技术经济, 2019,38(5):152-160.

Shi B Z, Tang H B. Study on the efficiency of industrial pollution control and its influencing under the chinese style decentralization [J]. Journal of Industrial Technological Economics, 2019,38(5):152-160.

[10] 何好俊,祝树金.制造业集聚是否有利于提升环境治理绩效[J]. 中国科技论坛, 2016,31(10):59-64.

He H J, Zhu S J. Is manufacturing industry agglomeration conducive to improving the performance of environmental governance [J]. Forum on Science and Technology in China, 2016,31(10):59-64.

[11] 梁 中,昂 昊.中国绿色技术创新效率演化及其空间治理[J]. 财贸研究, 2019,30(8):16-25,63.

Liang Z, Ang H. Green technology innovation efficiency evolution and space governance in china [J]. Finance and Trade Research, 2019,30 (8):16-25,63.

[12] Fried H O, Lovell C A, Schmidt S S, et al. Accounting for environment effects and statistical noise in data envelopment analysis [J]. Journal of Productivity Analysis, 2002,17(1):157-174.

[13] 马生昀,马占新.基于样本前沿面移动的广义DEA有效性排序[J]. 系统工程学报, 2014,29(4):443-457.

Ma S Y, Ma Z X. Ranking of generalized DEA efficiency based on the moving of sample frontier [J]. Journal of Systems Engineering, 2014, 29(4):443-457.

[14] 刘春艳.A股上市银行创新能力技术缺口比率分析——基于广义DEA效率视角[J]. 会计与经济研究, 2018,32(3):117-128.

Liu C Y. Analysis on technological gap ratio of a share listed banks’ innovation ability: A perspective of generalized dea efficiency [J]. Accounting and Economics Research, 2018,32(3):117-128.

[15] 高旭阔,张 迪.考虑环境因素的城镇污水处理投资效率——基于三阶段DEA的方法[J]. 中国环境科学, 2018,38(9):3594-3600.

Gao X K, Zhang D. Efficiency evaluation of the investment in urban sewage treatment via the three stage DEA method considering environmental factors [J]. China Environmental Science, 2018,38(9): 3594-3600.

[16] 王 维,郑巧慧,乔朋华.金融环境、政府补贴与中小企业技术创新——基于中小板上市公司的实证研究[J]. 科技进步与对策, 2014, 31(23):87-92.

Wang W, Zhen Q H, Qiao P H. Financial environment, government subsidies and technological innovation of smes——an empirical study on the sme board based on listing corporation [J]. Science & Technology Progress and Policy, 2014,31(23):87-92.

[17] 于丽英,刘宏笪,陈子璇.长江经济带绿色治理效率测度与分析——基于广义面板三阶段DEA模型[J]. 华东经济管理, 2021,35(6): 88-99.

Yu L Y, Liu H D, Chen Z X. Measurement and analysis of green governance efficiency in the Yangtze river economic belt: Based on the generalized panel three-stage dea model [J]. East China Economic Management, 2021,35(6):88-99.

[18] Tobler W. A computer movie simulating urban growth in the detroit region [J]. Economic Geography, 1970,46(2):234－240.

[19] 刘 佳,安珂珂.环渤海城市旅游产业绿色创新效率的空间格局[J]. 华东经济管理, 2020,34(6):27-37.

Liu J, An K K. Spatial pattern of green innovation efficiency of tourism industry of cities in Bohai rim region [J]. East China Economic Management, 2020,34(6):27-37.

[20] 史庆斌,谢永顺,韩增林,等.东北城市间旅游经济联系的空间结构及发展模式[J]. 经济地理, 2018,38(11):211-219.

Shi Q B, Xie Y S, Han Z L, et al. Spatial structure and spatial development patterns of urban tourism economic connections in northeast China [J]. Economic Geography, 2018,38(11):211-219.

[21] 周广强,谢 英,吴剑斌,等.基于WRF-Chem模式的华东区域PM2.5预报及偏差原因 [J]. 中国环境科学, 2016,36(8):2251-2259.

Zhou G Q, Xie Y, Wu J B, et al. Based on WRF-Chem model, the PM2.5forecast and deviation reason in East China region [J]. China Environmental Science, 2016,36(8):2251-2259.

Measurement of green governance efficiency of China's provincial spatial units and analysis of spatial pattern characteristics.

LIU Hong-da1,2, WANG Xiao-xia2, ZHANG Ji-jian3, HUANG Jia-liang2*

(1.School of Economics & Management, Tongji University, Shanghai 200092, China；2.School of Management, Shanghai University, Shanghai 200444, China；3.School of Finance and Economics, Jiangsu University, Zhenjiang 212013, China)., 2022,42(3)：1477～1488

The paper constructed a generalized panel three-stage DEA model to empirically measure the green governance efficiency of 31provinces in China from 2008 to 2019, and explored the improvement direction of green governance based on external environment and projection analysis; a spatial autocorrelation model was used to determine the potential association of provincial green governance efficiency; a spatial gravity model and social network analysis were used to clarify the scale of spatial association of green governance efficiency in each province. The green governance efficiency of Chinese provinces had a U-shaped characteristic, and non-managerial factors restrict the improvement of the real efficiency; the technical environment had a positive effect on the elimination of green governance input redundancy, but the adaptation and regulation of the economic must be dialectical; there was a large amount of input redundancy in each province, and the internal variation of redundancy was significant The spatial correlation among provinces in green governance activities was positive, and the increment of spatial correlation was significantly increased, but the internal differentiation and contribution heterogeneity potentially affected the shaping of the overall pattern of green governance; China had basically formed a "day" spatial correlation framework of green governance, and the spatial effect and radiation of central regions such as Beijing and Shanghai help the overall The spatial effect and radiating effect of central regions such as Beijing and Shanghai contributed to the improvement of the overall green governance efficiency.

green governance efficiency；province area；spatial pattern；broad panel three-stage DEA；spatial effect

X82;X22

A

1000-6923(2022)03-1477-12

刘宏笪(1996-),男,江苏南通人,同济大学博士研究生,主要研究方向绿色治理.发表论文30余篇.

2021-08-02

国家自然科学基金资助项目(11671250);上海市社科规划项目(2020BGL023)

*责任作者, 助教, dimples_hjl@126.ccom