安徽省资源型城市转型效率分析及趋势预测

谢振安，吴澳霞

（1.安徽理工大学 人文社会科学学院，安徽 淮南 232001 2.安徽理工大学 经济与管理学院，安徽 淮南 232001）

一、引言

2020 年9 月， 习近平总书记向世界宣布中国力争在2030 年前实现“碳达峰”，在2060 年前实现“碳中和”。 随着“双碳”目标的提出，我国的能源消费结构必定会发生重大转变。而资源型城市作为依靠开采、加工当地矿产资源等工业活动带动经济发展的城市，其能耗高、碳排放量高及环境污染严重等问题突出，阻碍了“30.60”目标的实现。 在此背景下，资源型城市低碳转型势在必行，深入研究资源型城市转型效率，探索加快推进资源型城市转型发展的新路径，对实现“30.60”目标至关重要。

学术界针对资源型城市转型效率的研究较多，且采用的方法较为多元化，其中基于DEA 模型开展分析的居多。 郭海涛以我国2004 年的数据建立了7个DEA 模型， 针对12 个不同类型的矿产城市展开研究， 发现研究区内的矿产资源城市的综合效率存在一定差异，其中效果最好的是石油类城市，而煤炭类城市的效率最低［1］。 孙威基于 DEA 和 Malmquist指数模型， 综合评价了我国24 个具有代表性资源型城市的效率现状及变动趋势。 结果发现，东北地区的城市效率水平遥遥领先，但西部地区效率提高幅度最大［2］。2012 年商允忠率先引入“转型效率”概念，以山西省为研究区，运用DEA 和交叉评价法从宏观角度对其进行分析［3］。 王莉整合了商允忠的观点，在此基础上提出利用对抗交叉评价方法对山西省11 个地级市的转型效率变动状况展开对比分析［4］。段永峰在利用信息熵和DEA 交叉效率模型进行效率评价时发现包头市的转型效率不高［5］。 王巧莉等综合考虑资本、劳动力、技术、资源、环境、社会和经济等7 个方面选取计量指标， 针对东北三省的19个资源型城市开展研究，发现该地区资源型城市产业转型存在一定的区域差异性，但区域间的差距在逐渐缩小［6］。 张利等研究了陕西省 6 个资源型城市在2009—2014 年间的经济转型效率， 发现陕西省的转型效率呈波动上升趋势，并且环境状况是影响城市转型的重要因素［7］。

文章针对资源型城市转型的研究重点主要集中在效率测算与影响因素分析两方面，若缺少对未来转型趋势的预测分析，就难以制定应对措施来调控资源型城市转型效率。 因此，采用Malmquist 指数模型分析安徽省资源型城市2009—2018 年数据，结合灰色预测模型，对研究对象未来3 年的转型效率趋势进行预测，以期发现安徽省资源型城市转型过程中存在的部分问题，提出相关建议以促进资源型城市转型效率的提高，以期助力资源型城市的高质量发展。

二、研究方法和指标体系构建

（一）研究方法

1.Malmquist 指数模型

Malmquist 指数模型由 Malmquist 于 1953 年观察测量生产率在多个时间点下的变动状况时首次提出的［8］。1994 年 Fa¨re R 等提出将 Malmquist 指数分解成两部分——技术效率与技术发展，进而分析二者对生产率造成的影响［9］。 之后，Malmquist 指数便开始用于对多投入产出对象的动态效率分析［10］。其公式如下：

公式（1）中，（Xt，Yt）、（Xt+1，Yt+1）分别为第 t 时期和第t+1 时期的投入向量； 及为其各自的距离函数；MI＞1 表示相邻两个时期的效率有所提升，MI=1 表示效率不变，MI＜1 表示效率下降了。

2.熵值法

熵值法是从物理学发展到经济管理学领域的一种客观赋值的数据处理方法［11］(P17-18)，普遍应用于社会经济及管理科学方面的科学分析。该方法基于熵的多属性建立综合评价模型，利用熵值计算各项指标的权重［12］，最后得到指标的综合得分。 具体计算公式如下：

其中Yij为标准化处理过的i 地区j 指标的数值，Pij代表在 j 指标下 i 地区所占权重，Ej为 j 指标的熵值，Wj表示j 指标的权重，Z 为各地区的综合得分。

3.灰色预测模型GM(1,1)

灰色预测模型一般针对数量较少的序列展开预测，且主要适用于中短期预测，因此文章采用该模型进行全要素生产率变化趋势预测。 GM(1,1)模型的方程式为：

公式（7）中，a 为发展系数，b 为灰色作用量。

GM (1,1) 模型精度等级检验参考后验差比C值，该数值越小越好，其等级划分详见表1。

表1 模型精度检验标准

（二）指标体系构建

1.投入指标

文章从资本、 劳动力及技术等3 个方面设置Malmquist 模型的投入指标。 在参考其他文献的基础上，分别采用固定资产投资额、年末就业人数和R&D 经费进行表示。

2.产出指标

文章主要考虑资源型城市在转型过程中的经济与环境发展状况，产出指标选取主要涵盖经济发展以及环境发展两个方面。

（1）经济发展：文章选择以各市的地区生产总值来反应经济发展状况；

（2）环境发展：鉴于工业为资源型城市的主要产业，文章选择工业“三废”（工业废水、工业废气和工业固体废物） 排放量作为环境产出的原始数据，利用熵值法对其进行归一化处理，从而得到环境指数来表示环境发展状况。环境指数具体评价指标见表2。

表2 安徽省资源型城市转型效率评价指标

考虑数据可得性及可对比性，文章选取安徽省9 个市级资源型城市进行分析， 原始数据均源自2009—2018 年 《安徽省统计年鉴》 及2009—2018年各市统计年鉴与统计公报。

三、实证分析

（一）环境指数的计算

文章基于安徽省2009—2018 年的“三废”排放量原始数据，采用熵值法处理后得出的环境指数如图1 所示，研究发现各地级市的环境指数呈波动上升趋势，表明各资源型城市的环境质量在逐渐优化。

图1 2009-2018 年安徽省各资源型城市环境指数

（二）安徽省资源型城市转型效率分析

文章选取非导向的Malmquist 指数模型，利用MaxDEA 8 Ultra 软件对2009—2018 年安徽省资源型城市转型效率进行测算，从而得到Malmquist 指数值及其分解值，进而分析其动态变化趋势。

（1）安徽省资源型城市转型效率时间差异分析

以安徽省资源型城市为整体，分析各年效率值变动情况，各年效率值如表3 所示。

表3 安徽省资源型城市2009—2018 年转型效率值

为方便直接观察安徽省资源型城市全要素生产率等值的时间演化态势，生成条形图，详见图2。

图2 安徽省资源型城市2009—2018 年全要素生产率等值变化图

通过图2 可知，全要素生产率、技术效率以及技术发展变化均呈现出V 型趋势。 2009—2015 年全要素生产率一直在下降， 而2015—2018 年呈现持续稳定上升；2009—2016 年间的技术效率普遍处于下降状态，2016 年以后技术效率值逐步提高，但增幅有所缩小；2015 年之前技术发展均呈现不同程度的下滑，2015 年之后呈上升态势，且上升幅度呈V 型波动。

（2）安徽省各资源型城市转型效率空间差异分析

从市域层面对安徽省的资源型城市转型效率进行空间差异分析，各地级市的效率数据如表4 所示。

表4 2009—2018 年安徽省各资源型城市转型效率值

为能够鲜明地体现出安徽省各资源型城市转型效率值的区域差异， 文章利用ArcGIS 10.5 软件制作出各效率值的自然断点分类图，详见图3、图4和图5。

如图3 所示，各资源型城市间的区域差异较为明显。 9 个地级市中只有滁州、马鞍山和宣城三市的全要素生产率整体处于提高状态，其原因主要在于这三市靠近南京市，有效地促进了第三产业经济的循环发展。其中宣城市位于南京市与杭州市两个省会之间，地理位置得天独厚，极大地推动了其低碳经济发展。 在全要素生产率下降的地级市中，亳州与池州两市降幅最大。其原因主要在于这两个城市于技术发展方面的资金投入较少，缺少清洁能源以及先进工业技术的研发， 导致其经济水平不高，同时环境污染严重。

图3 各资源型城市全要素生产率

如图4 所示，安徽省各资源型城市转型技术效率差异并不明显。 只有宣城市呈现明显的增长，淮南市与铜陵市处于略微下降状态，其他各市的技术效率未发生变化，说明各资源型城市的资源配置水平较高。

图4 各资源型城市技术效率

如图5 所示，安徽省各资源型城市转型技术发展存在较大的区域差异。池州市与亳州市下降幅度最为明显，宿州市与淮北市的下降程度略小于前两者， 而淮北市与淮南市的技术发展呈略微下滑趋势，只有滁州市、马鞍山市以及宣城市的技术发展处于波动上升状态，且其上升幅度排序为：宣城市＞滁州市＞马鞍山市。 全要素生产率与技术发展变化趋势相同，说明技术水平是影响各资源型城市转型的重要因素。

图5 各资源型城市技术发展

（三）灰色预测模型分析

（1）数据分析

文章运用灰色预测模型对安徽省资源型城市全要素生产率数据进行级比值计算， 结果如表5所示。

表5 安徽省资源型城市全要素生产率级比值计算结果

数据适合模型构建的条件为：λ∈［e^(-2/(n+1)),e^ (2/n+1)］， 计算结果显示 λ 均介于［0.819,1.221］内，说明可以采用GM(1,1)模型对各年全要素生产率进行分析。

（2）模型精度检验

模型构建后需要对模型精度进行检验，该模型的C 值为0.348＜0.35， 说明该模型的精度等级较好。

表6 GM(1,1)模型精度检验结果

（3）数据预测

文章基于2009—2018 年安徽省资源型城市全要素生产率运用GM（1,1）模型预测后3 期数值，结果（图6）显示，安徽省资源型城市全要素生产率预测结果显示后3 期均呈上升趋势。

图6 安徽省资源型城市全要素生产率预测趋势

（4）模型检验

模型检验主要是针对残差进行检验，结果如表7 所示。

表7 GM(1,1)模型检验

通过检验结果可知，该模型的相对误差最大值0.063＜0.1，极比偏差最大值为 0.086＜0.1，表明模型拟合度非常高，接受预测结果。 随着国家减碳政策的不断推进，各资源型城市相关部门必然对城市低碳转型更为重视，推动创新型工业、企业发展，从而提高城市转型效率。

四、结论及建议

（一）结论

文章基于2009—2018 年安徽省9 个资源型城市的数据， 采用Malmquist 指数模型评价转型效果，并结合灰色预测模型对研究期后3 年的全要素生产率趋势走向加以预测。 研究结果显示：从整体来看，2009—2015 年安徽省资源型城市的全要素生产率处于下降趋势，且技术发展的抑制作用大于技术效率；2015—2018 年安徽省资源型城市的全要素生产率处于上升趋势，且技术发展为主要驱动力。 这说明2009—2018 年安徽省资源型城市的技术手段和资源配置都在不断优化，最终实现全要素生产率的提高。 且模型预测结果显示：未来3 年的全要素生产率将一直处于上涨趋势，这表明安徽省资源型城市的整体转型效果较为明显。

从区域差异上看，淮北、亳州、宿州及池州四市全要素生产率呈下降趋势，主要原因在于该区域的技术手段较为落后；淮南市和铜陵市的全要素生产率也同样下降，原因在于两市的技术落后且资源配置水平低下；滁州、马鞍山及宣城三市的全要素生产率呈现波动上升态势，主要原因在于该区域接近三大省会（合肥、南京、杭州）经济圈，有利于技术水平的大幅度提升，从而推进城市转型效率提升。

（二）建议

以上研究发现安徽省各市资源型城市转型效率差别较大，且技术进步对提高全要素生产率的驱动力较大。 为提升安徽省的资源型城市转型效率，文章提出以下建议。

1.因地制宜。 基于各资源型城市全要素生产率及分解指数的变动差异状况，实施相应的战略。 比如淮南、铜陵等市，应当加大技术研发资金投入，同时应当调整产业结构，提高自然资源以及人力资源配置水平，从而提高全要素生产率。

2.协同发展。 各市全要素生产率存在较大的区域差异， 相邻城市应当互相交流城市转型经验，转型效率高的城市（例如宣城）可以通过技术支持助力效率低的城市（例如池州）产业转型，实现区域高质量转型发展。

3.创新驱动。 模型预测结果表示，未来3 年安徽省资源型城市全要素生产率仍处于上升状态，但是上升幅度不大。政府可以在现有基础上加大技术研发投入，做好人才引进工作，提升城市创新能力，以期加速安徽省资源型城市转型。