新时代长三角城市群生态效率测度及影响因素研究

□ 杨传明 卓青青 张莉莉

(苏州科技大学 商学院, 江苏 苏州 215009)

一、引言及文献综述

2020年长三角城市群以占全国3.73%的国土面积、10.71%的人口总数,创造了全国24.23%的生产总值。在取得巨大成就的同时,全区域也产生了严重的环境污染,2020年平均AQI指数超标天数高达78天,工业废水排放量、工业二氧化硫排放量、一般工业固体废物产生量、能源消耗量分别达到了31.77亿吨、42.62万吨、3.14亿吨和8.07亿吨,分占全国的17.09%、10.68%、7.10%及16.52%。自2012年十八大开启新时代以来,推进生态文明建设、扭转生态环境恶化趋势成为经济社会发展的关键目标。为此科学测量新时代以来长三角城市群生态效率,辨析主要影响因素,给出效率提升建议,是实现本区域乃至全国可持续发展亟需解决的问题。

生态效率最早由德国经济学家Schaltegger引入社会经济领域,反映了生态资源满足人类需要的经济、资源与环境综合效率,该指标有效的弥补了传统仅依赖要素增加、数量扩张、规模提升等方式实现经济增长的缺陷[1-2]。在借助扎根理论法梳理收集的336篇中文及198篇英文文献后,发现其可归纳为三个方面。一是研究对象,多数学者从城市[2]、省级[3]和国家[4]角度测算了宏观层面的生态效率。二是研究方法,主要运用了因子分析法[5]、生态足迹法[6]、门槛回归模型[7]、数据包络分析法(DEA)[8],其中DEA适用于多投入多产出情况,评价结果更加客观,应用相对广泛。三是影响因素,主要涉及了财政支出、经济发展、环境规制、能源消费、环保支出等[9-11]。

综上所述,当前城市生态效率研究已经取得了一定成果,但仍存在尚待提升之处。一是针对中观经济区、城市群等跨区域协作单位的研究相对较少,关于长三角城市群生态效率动态演化的全局系统性研究总体匮乏;二是现有主流方法虽能较好测算生态效率,但忽略了外部环境和随机误差的影响,致使计算结果与实际情况尚存一定偏差;三是研究时段大多基于短期面板数据,缺乏长时间段、广空间性的对比性研究。

为此,本文以长三角城市群为考察对象,基于十八大以来2012—2019年研究时段,采用三阶段DEA和Malmquist模型,静动态综合分析长三角城市群生态效率时序变化特征和空间层次演变规律。再从经济、资源和环境三个方面选取影响因素,利用Tobit模型挖掘影响程度,以求更好揭示长三角城市群生态效率现状及潜力,有效提升决策建议的科学性和适用性。

二、模型构建与指标选取

(一)模型构建

(1)三阶段DEA模型

考虑到经典DEA模型容易受到环境因素、随机误差及管理无效的影响,本文采用三阶段DEA模型剔除干扰,以求更准确计算长三角城市群生态效率。

第一阶段利用BCC-DEA计算长三角城市群产业在既定投入下产出的最大化效率,设计投入导向规模报酬可变模型,见下公式。

(1)

(2)

(3)

λj≥0,S-≥0,S+≥0

(4)

上式中n为决策单元(DMU)数量,Xj及Yj分为第j个DMU输入和输出变量。S+、S-分别代表松弛变量和剩余变量;θ为DMU综合效率值,数值为1时代表DMU效率有效,位于DEA前沿面。

第二阶段运用随机前沿分析法(SFA)回归函数,分离第一阶段所得的效率值、投入量及投入差额,利用公式(5)修正第j个DMU的第i个投入量Sij。

Sij=fi(zj,βi)+vij+uij

(5)

其中fi(zj,βi)代表了环境变量影响,zj及βi分为外部环境变量及待估参数向量。vij及uij为混合误差项,vij代表投入变量非人为控制因素产生的随机干扰,uij反映了内部管理无效。为了进一步排除外部环境和随机误差对效率值的影响,构建公式(6)调整DMU投入量。

(6)

(7)

第三阶段采用调整后的投入数据,保持产出数据不变,使用DEA-BCC模型再次计算,得到剔除环境因素和随机误差的相对效率值。

(2)Malmquist模型

(8)

(二)指标选取

借鉴以往研究以及结合生态效率内涵[12],从经济、环境和资源三个类别选取生态效率评价指标。其中投入指标包括资本、能源、水资源及劳动力等4个投入子指标,资本投入选取产业固定资产投资总额(X1)，并以2012年为基期进行平减；能源投入选择原煤、汽油、柴油、煤油、燃料油、液化石油气、天然气、热力、电力等九种能源(X2)，依照标准系数折算为标准煤后再加总；水资源投入以城市用水总量(X3)加以衡量，劳动力投入采用从业人数(X4)数据。产出指标包括期望产出和非期望产出，其中非期望产出选择工业废水排放量(X5)、工业二氧化硫排放量(X6)及一般工业固体废物产生量(X7)，期望产出选择地区生产总值(X8)。此外，运用Spss23.0的Pearson系数对投入产出变量进行同向性检验。结果显示所有变量均通过了至少5%显著性水平的检验，说明投入产出指标之间具有较高的同向性，指标选取合理。

为了更好地描述生态效率，进一步选取影响生态效率且不受主观影响控制的外部环境变量。具体包括人均GDP(C1)、产业结构(第二产业产值占比、C2)、治理投入(节能环保投资额占当年生产总值的比重、C3)、城市人口素质(每万人大专以上人口占比、C4)、城市化水平(城市人口占比、C5)及对外开放(实际利用外资额占地区生产总值的比重、C6)。

三、生态效率实证分析

利用各年区域统计年鉴、省市发展公报及长三角发展年鉴等资料，完成数据收集。而后利用DEAP2.1完成三阶段DEA模型第一阶段测算，以所得投入松弛为因变量、环境变量为自变量，利用Frontier4.1完成二阶段SFA回归分析。在剔除外部环境和管理无效因素后，根据调整后的投入指标值，完成第三阶段及动态效率测算。

(一)SFA回归结果分析

回归结果显示，外部环境变量对投入松弛变量系数通过了10%的显著性检验，说明外部环境因素对长三角城市群产业生态投入确实有显著影响。所有外部环境因素对投入松弛变量的r值均通过了1%的显著性检验，表明管理无效对投入松弛变量有显著影响。模型LR单边检验都通过了1%的显著性检验，拒绝不存在无效率项的假设，有必要使用SFA模型进行随机因素和管理无效的分离。

具体而言，C1对各投入松弛变量的回归系数均为负，且通过至少5%的显著性检验，表明长三角城市群人均GDP增加会提升生态效率。C2与X2、X5、X6、X7松弛变量的回归系数在1%水平下显著，与X4在10%水平下显著，显示长三角城市群第二产业比重增加时，将会导致能源、资本、水资源和工业三废的投入冗余增加，一定程度上降低生态效率。C3对X5、X6、X7投入松弛变量通过了1%显著性水平检验，一般而言，该指标数值提升应可减少能源、工业三废的投入冗余，但检验显示除了工业二氧化硫排放量投入冗余减少之外，其余投入冗余均增加，说明当前长三角城市群节能环保投入尚未产生理想效果，各地政府应在加大节能环保支出的同时，进一步注重节能环保支出的有效配置。C4对X1、X2、X5、X6、X7松弛变量的回归系数均为负，且通过了1%显著性水平的检验，与X4松弛变量为正相关，说明提高产业人口素质可增加环保意识，减少污染排放和资源消耗。C5对各投入松弛变量的回归系数均为负，对X3、X4投入松弛影响不显著，X1回归系数通过了5%显著性水平检验，其余投入松弛变量均在1%水平下显著，显示提升长三角城市群城市化水平一定程度上可提高生态效率。C6对X1、X2、X5、X6、X7投入松弛变量的回归系数为负，且均通过至少5%的显著性检验，对X3和X4影响较小且不显著，说明长三角城市群提高对外开放程度利于提升区域生态效率。

(二)静态效率分析

(1)区域整体分析

完成SFA回归后，借助第三阶段得到更真实客观的效率值。表1显示，就整体均值而言,技术效率(TE)和规模效率(SE)调整后均有所下降,分别从一阶段的0.818和0.876下降到三阶段的0.622和0.626,降幅分别高达23.96%和28.54%,纯技术效率(PTE)则由0.927上升到0.992,涨幅为7.01%,可见产业生态规模效率低下是影响当前长三角城市群产业生态技术效率的主要负面因素。单年数据方面,调整后的TE和SE数值除了在2015年有较小幅度的提升外,其余年份基本处于递减趋势,说明研究期长三角城市群在经济发展、资源消耗和环境污染方面尚实现高效配合。由上可见,无论从整体均值还是单年数据来看,目前长三角城市群生态效率尚未达到有效水平。

表1 2012—2019年长三角城市群第一阶段及第三阶段生态效率

(2)三省一市分析

计算显示,研究期TE排名由高到低依次为上海(1.000)、江苏(0.843)、浙江(0.630)、安徽(0.413)。其中,上海TE从2012至2019年一直为1.000,江苏TE呈“上升—下降—上升”的波动起伏状态,浙江TE整体处于下降趋势,安徽TE则为持续下降形式。PTE排名由高到低依次为上海(1.000)、江苏(0.998)、安徽(0.989)、浙江(0.951)。其中,上海PTE仍旧为1.000,江苏PTE呈现波浪式上升下降,但整体起伏较小,最大波动值为0.003,浙江PTE于2013年前后波动明显,最大降幅为31.31%,安徽PTE整体变动较小。SE排名由高到低依次为上海(1.000)、江苏(0.845)、浙江(0.674)、安徽(0.417)。其中,上海SE始终为1.000,江苏SE由2012年到2019年的整体降幅为20.41%,浙江SE整体降幅略低于江苏,为18.37%,安徽整体降幅最大,达到50.60%。上海排名第一且处于技术效率前沿,说明上海生态效率投入产出比较合理,资源利用效率较高、配置相对合理。江苏处于边缘非效率状态,调整部分指标可以有效提升TE和SE。浙江和安徽的效率值则处于相对较低水平,反映两省资本、资源、环境等投入配置不利于提升TE和SE,需要着重提高资源配置效率、提升生产技术水平。

(3)单个城市分析

在计算完省市效率后,进一步计算长三角城市群41个城市效率均值。结果显示各城市生态效率存在明显差异。无锡、苏州、杭州和上海处于生态效率前沿面,南京、徐州、南通、泰州、宁波、合肥6个城市技术效率处于0.900到1.000之间,生态效率相对较高。常州、盐城、扬州、温州处于0.800到0.900区间,需从引进先进技术、提高技术水平等方面提升效率。其余27个城市的技术效率均低于0.800,需要重点关注提高资源利用效率、降低环境污染、优化生产规模。此外,在不考虑环境变量和随机误差的因素下,各城市纯技术效率值均明显提升,且处于较高水平,可见提升规模效率是长三角各城市产业生态技术效率提高的突破口。

为更直观显示生态效率的空间分布差异,利用自然断点法,根据考察期内TE均值将41个城市分为5种效率类型,见表2,并绘制代表年份城市空间分布图1。

表2 长三角城市群41个城市生态效率分类

图1 2012、2015和2019年长三角城市群生态效率空间分布图

以上图表显示,长三角城市群生态效率呈现非平衡性,整体呈现东部沿海城市高于内陆城市的格局。其中上海和江苏的大部分城市处于高效率和较高效率类型,浙江所辖城市归属于5个效率类型且分布较为均衡,安徽所辖城市多属于低效率和较低效率类型。高效率型城市有13个,包括上海、8个江苏城市、3个浙江城市以及安徽的合肥。较高效率型城市有7个,包括4个江苏城市和3个浙江城市。江苏连云港、浙江嘉兴、安徽芜湖和安庆属于中等效率型城市。较低效率的城市共有10个,低效率的城市有7个,分布在浙江(4个)和安徽(13个)。

(三)动态效率分析

基于调整后的投入产出指标数据,运用Malmquist模型测算长三角城市群的全要素生产率(TFP),并计算EC(技术效率指数)、TC(技术进步指数)对TFP的贡献程度,结果见表3和表4。

表3 2012—2019年长三角城市群整体全要素生产率

表3显示,除了2014—2015年EC值达到1.012,其余时段均小于1,最低值0.875,标准差为0.053。TC最大值为1.140,最小值为1.058,标准差为0.029,波动幅度比EC小。TFP最小值为2015—2016年的0.944,2018—2019年为0.958,其余时段均大于1,最大值为1.082,标准差为0.056,变化趋同于EC。就均值而言,EC、TC、TFP均值分别为0.944、1.090和1.029,技术效率的年均增长率下降了5.6%,技术进步的年均增长率提高了9.0%。由上可见,当前技术进步是提升长三角城市群TFP指数的主要因素,产业生态技术效率整体相对稳定,但仍有较大提升空间。

表4 长三角城市群三省一市全要素生产率

上表显示,研究期间江苏、浙江、安徽和上海的TFP指数均处于上升趋势,年均增长率分别达到3.7%、5.5%、0.1%和14.4%,上海上升幅度最大,安徽上升幅度最小。上海的EC值为1.000且保持不变,江苏、浙江和安徽的EC值均小于1,年均增长率分别降低3.5%、2.9%和9.2%,显示三省产业生态技术效率均需要提升。三省一市的TC值均大于1,年均增长率分别上升7.5%、8.7%、10.2%和14.4%,表明TC值上升是提升全要素生产率的原因,说明今后三省一市需要重点关注产业生态技术效率指数的提升。

四、影响因素分析

依照经济、资源和环境三个维度,初选7个影响指标。经济维度选取第三产业占比(FWY)和R&D经费占比(R&D),资源维度选取单位产业产值能耗(NH)和水耗(SZY),环境维度选取固废利用率(GH)、环境规制强度(ER)和建成区绿化覆盖率(LH),ER采用排污费征收总额占政府收入比重加以表征。继而以2012—2019年长三角城市群生态效率为被解释变量,以7个影响指标为解释变量,构建面板Tobit模型。

yit=αit+β1FWY+β2R&D+β3NH+β4SZY+

β5GF+β6ER+β7LH+eit

(9)

其中yit为第三阶段生态效率,αit代表固定效应,β1、β2、β3、β4、β5、β6、β7为各变量回归系数,eit是随机误差项。在进行回归分析之前,首先利用stata14对所选指标进行多重共线性检验,结果显示各解释变量方差膨胀因子(VIF)均小于1,均值为1.43,变量之间不存在多重共线性。接着Hausman检验得出面板数据模型检验值为77.25,通过了1%显著性水平检验,拒绝原假设,以此确定使用固定效应模型。在回归分析结果中,GH和LH未通过显著性检验,剔除这两个变量后再次进行回归分析,得表7。

表5 影响因素Tobit回归结果

上表显示,5个变量均通过了1%显著性水平检验。其中第三产业占比、R&D经费占比和环境规制强度与长三角城市群生态效率显著正相关,单位产业产值能耗和水消则呈现负相关关系。具体而言,第三产业技术性水平较高,跟工农业相比,得到相同产出的情况下消耗较少的能源及其他资源,因此第三产业环境负面影响相对较小,其比重不断上升有利于减少资源消耗和降低环境污染。R&D经费不断投入,企业的技术创新水平得到不断提升,一方面生产技术的提升可以节约资源、降低污染,由三高发展模式向高效清洁的发展模式转变,另一方面通过改进生产技术及污染治理技术能节约资源并降低污染。长三角城市群各级政府重视企业污染排放问题,积极制定政策,引导宣传,提高乱排乱放成本,以提升环境规制强度,而较高的环境规制强度则有利于促进产业绿色转型,推动地区落后产能淘汰,提升生态效率。单位产业产值能耗呈现了较强负相关性,说明长三角城市群节能降耗水平和能源利用效率越低,需要消耗较多的能源才能促进产业产值的提升,由此体现出当前长三角城市群能源利用效率仍需进一步提升,产业节能降耗效果尚待加强。此外,虽然长三角城市群拥有丰富的水资源,但结果显示水资源利用效率及水体污染问题仍然较为突出,对长三角城市群生态效率产生了负面影响,节水和治污减排是提高人均水资源量的手段,提高污水处理技术,促进水资源重复利用,对提升长三角地区的产业生态效率具有重要意义。

五、结论和建议

本文使用三阶段DEA模型和Malmquist模型测算了新时代长三角城市群生态效率,并利用Tobit模型分析了相关指标对生态效率的影响程度,得出以下结论。

第一、静态效率方面,考察期内长三角城市群整体生态效率尚未达到技术效率前沿,规模效率较低是造成技术效率不高的原因。三省一市生态效率值排名由高到低依次为上海、江苏、浙江、安徽,其中上海各项效率值均达到有效水平,江苏处于边缘非效率状态,浙江和安徽效率值较低。无锡、苏州、杭州和上海生态效率的生态效率有效,其余37个城市则存在不同程度的提升空间。第二、动态效率方面,技术进步是帮助全要素生产率指数提升的动因,当前长三角城市群尚需着力提升技术效率。第三、影响因素方面,第三产业占比、R&D经费占比和环境规制强度与长三角城市群生态效率显著正相关,单位产业产值能耗和水耗则呈负相关关系。

基于上述研究结论,提出以下建议。

第一、打破区域壁垒,推动协同发展。十八大以来长三角城市群生态效率由高到低依次是上海、江苏、浙江、安徽,且城市间也发展不一,为此缩小区域内部差异是协同提升城市群生态效率的重点。一是要继续加强全区域统一规划,实施因地制宜的生态效率提升策略。要充分发挥上海、苏州、杭州、南京等区域核心的带动和辐射作用,加强内部协作交流,推动绿色技术、专业人才、环保资金等向长三角城市群其他城市共享及转移,实现内部生态深度协作。此外,在国内国外双循环的背景下,长三角城市群要积极推动外部合作,加强与国内外其他地区的合作交流,科学利用外资,借鉴先进管理经验和技术,更好促进全区域绿色发展。

第二、优化产业结构,合理配置资源。长三角城市群应继续淘汰三高产业,加快传统产业绿色改造和升级换代,大力推进高新技术产业和战略新兴产业发展,支持服务业发展,促进区域整体产业结构优化升级。鉴于长三角城市群生态效率发展不同,面临迥异的矛盾和问题,所以还应综合考虑各城市资源分布、经济发展、生态环境及功能定位等情况,紧抓新基建契机进一步完善基础设施,合理有效配置资源,提高资源利用效率,结合自身优势推动可再生能源和新能源发展。

第三、加大资金投入,提高技术水平。一是实施创新驱动发展战略,继续加大对企业、高校、研发机构等科研工作的支持力度,激发产学研创新积极性,推动产学研一体化发展。以高新技术产业带动传统制造业改造升级,借助技术创新持续降低产业单位能耗及水耗,争取更高效更合理更清洁的发展模式。二是增加节能环保和污染治理投资,提升环保技术研发强度,促进节能环保产业发展,提高污染防治总体效果。

第四、完善管理机制,加强环境规制。一是牢牢把握长三角一体化契机,完善本地及跨区域法律法规,提高政府政绩考核中生态建设成效占比,积极引导宣传,鼓励企业主动承担生态责任,塑造生态竞争力,促进政府管理和企业生产生态化。同时呼吁公众、环保组织和行业协会等更多更好参与生态文明建设工作,多元主体协同提升生态文明建设有效性。二是完善环境治理机制,灵活运用市场治理和经济手段,提升联合防控与治理水平,优化能源消费结构,切实减少污染排放,防止污染异地流通。着力构建污染防治联动机制和资源数据共享平台,提高全区域生态承载力。□