长江经济带生态福利绩效空间差距及动态演变

樊媛媛， 闫 莹， 杜 苇

（中北大学经济与管理学院，太原 030051）

生态福利绩效是衡量一个国家或地区经济社会可持续发展及高质量发展的有效测度工具. 在生态环境承载能力的约束下，通过建立生态消耗与福利水平的比值关系，可寻求在较少的生态投入前提下获得较大的福利产出.

生态福利绩效这一概念的最早提出者是Daly［1］，他将生态福利绩效定义为“Service/Throughput”，即通过生态消耗得到的福利制造量与产生福利所必须消耗的资源吞吐量之比. 同时他也提出，要测度各个国家的可持续发展程度，可通过计算单位自然生态消耗所带来的福利水平的增加来衡量. 但这一测度工具难以进行量化和表征，致使生态福利绩效这一概念迟迟未得到广泛应用. 我国于2013年首次提出生态福利绩效这一概念，诸大建和张帅［2］基于早期Daly的研究思想，将其定义为单位自然消耗所导致福利水平的提高，用以考察一个国家或地区将自然消耗作为投入所得到的福利水平这一产出的能力.

当前学术界对生态福利绩效的研究主要涵盖以下方面：

1）对生态福利绩效的研究初期，学者们大多采用经济型指标，如GDP及在此基础上引申出来的可持续经济福利指数（ISEW）和真实发展指数（GPI）等来衡量福利水平［3-4］. 但事实证明，单一追求经济增长并不能反映福利水平的高低. 因盲目发展经济而导致人类福利水平不升反降的情况出现后，有学者提出寻求包含经济成分的综合福利指标，进一步对生态福利绩效进行研究分析，如“出生时预期寿命”和“人类发展指数”［5-9］等测度指标；而后，龙亮军［10］又创新性地增加了“主观满意度”这一指标衡量福利产出；为更准确全面地衡量福利水平，肖黎明和肖沁霖［11］考虑经济、环境、社会三者的协同效应，构建了区域绿色发展理论和生态福利绩效相结合的高质量福利水平指标体系.

2）基于国家、省级、城市及小镇层面对生态福利绩效水平进行测算与评价对比. 2013年臧漫丹等［8］率先从国家层面对二十国集团的生态福利绩效进行了实证分析；李成宇等［12］采用包含非期望产出的SBM 模型对中国省级生态福利绩效进行测算研究；龙亮军［10］分别选取考虑松弛变量的Super-SBM 模型和两阶段考虑非合意产出的Super-NSBM 模型，测算我国35个主要大中城市的生态福利绩效；谭久霞和潘雨虹［13］运用Super-SBM 模型，以重庆8个各具特色的小镇为研究对象，对其生态福利绩效水平进行了综合评价. 由以上学者们的研究可以看出，在对生态福利绩效水平进行测度时，Super-SBM 模型受大多数学者的青睐.

3）探究生态福利绩效的空间效应及动态演进. 方时姣和肖权［14］引入空间效应对中国30个省份进行深入分析；王喜平和罗金芳［15］考察了京津冀13个地市的区域生态福利绩效空间关联性和空间集聚性. 有学者对生态福利绩效的区域差距进行动态分析，如林木西等［16］以我国30个省市为研究对象，基于动态和静态两个维度研究其生态福利绩效及空间非均衡特征；邓远建等［17］分析了我国29个省市生态福利绩效空间非均衡性以及动态演进；肖黎明和肖沁霖［11］采用动态空间杜宾模型分析黄河流域79个地市生态福利绩效的空间收敛性.

综上，现有研究对生态福利绩效提供了一定意义上的参考和借鉴，但仍有进一步优化和拓展的空间：第一，对于生态福利绩效的多数研究仅限于省域层面，缺乏对于国家战略布局区域的考察；第二，较少考虑新发展理念下我国新的发展模式与实现路径，在福利指标的选取上大多趋于一致，鲜有创新；第三，在方法的选取上，大多采用Super-SBM 模型对生态福利绩效进行测算，未考虑随机因素的影响，测算时容易存在偏误. 鉴于此，本研究选择长江经济带108个城市作为研究对象，基于新发展理念，构建生态福利绩效评价指标体系，并采用改进后的SFA方法测度生态福利绩效水平，利用Dagum基尼系数、Kernel核密度估计方法及Markov链等方法对空间差距及动态演变加以分析，以期为提高长江经济带生态福利绩效提供政策启示.

1 研究设计

1.1 研究方法

1.1.1 SFA模型

SFA模型致力于解决单产出问题，包括两种类型：一是C-D知识生产函数，二是超越对数生产函数. 对比之下，超越对数生产函数应用范围更加广泛，同时可以规避由于初始模型误设而引起的误差. 但由于所要测度的生态福利绩效包含多个产出变量，故采用熵值法对其进行进一步改进，将生态福利绩效涉及的多产出变量综合为单一产出. 由此构建包含时间变量的超越对数生产函数模型如下：

式中：Yit表示i市t年的福利水平；RCit、EPit和EIit分别为i市t年的资源消耗、环境污染和生态治理投入等投入指标；β为待估参数；随机扰动项由vit和uit构成，其中vit为随机误差项，且vit～iidN(0,σv2)，表示无法预测的随机冲击；而uit为技术无效率项，与vit相互独立且uit～N+(mit,σu2)，表示i市t时期生态福利绩效的无效率成分；η表示待估的时变系数，反映城市生态福利绩效变化率的大小.

1.1.2 Dagum基尼系数

Dagum基于子群分解思想提出的基尼系数测算方法，既能测度地区相对差距大小，还能探究差距来源.因此，选择Dagum基尼系数对我国长江经济带108个城市生态福利绩效水平的相对差距及其来源进行研究.具体计算过程参考文献［18］.

1.1.3 Kernel核密度估计

Kernel核密度估计法属于非参数检验方法之一，被广泛应用于研究不均衡分布状况. 利用此方法考察长江经济带整体及上、中、下游三大区域生态福利绩效水平绝对差距的演变趋势.假设f(x)是随机变量X的密度函数，则：

式中：N表示观测值数目；Xi表示i市的生态福利绩效值；x为均值；K（·）为核函数；h为带宽，用于反映Kernel核密度估计图的精度与平滑度. 通常情况下，核密度估计图可反映观测值的分布位置、形态、延展性和极化趋势等信息.

1.1.4 Markov链

Markov链是一个离散事件随机过程，即{X(t),t∈T}. 集合T对应观察期内各个不同时期，有限类型随机变量相对应的类型数. 对所有时期t和所有可能的类型j、i和ik(k=0,1,2,…,t-2)，满足P{Xt+1=j|X0=i0,X1=i1,X2=i2,…,Xt=i} =P{Xt+1=j|Xt=i} ，说明t+1时期，生态福利绩效处于j类型的概率取决于在t时期的类型.

传统Markov 链考察不同时期长江经济带城市生态福利绩效水平的转移特征. 若按照生态福利绩效水平的差异将各个城市划分为k种类型，那么，k×k的转移概率矩阵P则可以反映生态福利绩效类型间的转移，如式（4）所示.Pij表示在观察期内，i类型的城市第t年生态福利绩效在t+1年转移到j类型的转移概率.利用Pij=nij/ni可求得. 其中，nij表示在整个观测期内由第t年属于i类型的城市在第t+1年转移为j类型的频数，ni是所有年份中属于i类型的频数. 由此可从转移概率的层面研究长江经济带生态福利绩效的动态演进趋势.

空间Markov链则是考察相邻城市生态福利绩效对本地生态福利绩效的影响程度. 基于传统Markov链，纳入k种空间滞后类型，形成k个k×k的矩阵，其转移概率用Pij|k表示，即在相邻城市空间滞后类型为k的前提下，t年份由i类型转移到t+1年份的j类型的空间转移概率. 本文选用邻接矩阵（0～1矩阵）与生态福利绩效的乘积衡量，即ωijyi. 其中ωij是城市i与j的空间关系，yi是相邻城市i的生态福利绩效.

1.2 指标选取与构建

提高长江经济带生态福利绩效，应以尽可能少的生态投入获得尽可能大的福利产出. 据此，遵循指标遴选的客观性、代表性和可操作性原则，将新发展理念与生态福利绩效评价指标相结合，基于投入产出角度，构建长江经济带城市生态福利绩效评价指标体系（表1）.

表1 在生态投入方面，参考相关学者［19-21］的研究成果，将资源消耗和环境污染纳入投入指标体系. 在生态治理的输入端均涉及了较高比例的人力、物力、财力等，更切实衡量生态福利绩效的生态投入力度，参考肖黎明和肖沁霖［11］的研究，将生态治理投入纳入生态福利绩效的投入指标体系，分别从人员投入、设施设备投入和资金投入3个维度来测度.

表1 城市生态福利绩效评价指标体系Tab.1 Evaluation index system of urban ecological welfare performance

在福利产出方面，对城市居民福利水平进行多元化衡量，结合新发展理念，分别从创新、协调、绿色、开放、共享5 个层面共选取13项指标进行测度. 创新是推动经济高质量发展的第一动力，也对建设现代化经济体系起着重要的战略支撑作用，采用城市专利授权量和城市创新力指数来衡量. 协调发展是经济高质量发展的核心要素，可以对资源进行更加合理有效的配置，解决发展不平衡和不充分的问题. 借鉴宋冬林等［22］关于高质量发展在协调发展层面的指标选取办法，采取地区协调发展和城乡协调发展两方面来衡量. 绿色反映人与自然的和谐程度，在指标选择方面借鉴肖黎明和肖沁霖［11］的研究，选取城市生活污水处理率等指标. 开放注重的是解决发展内外联动问题，基于数据的代表性和可得性，选取外商直接投资合同项目数等指标来衡量. 共享是经济社会高质量发展的根本目标，除了为人民提供一定程度的教育、医疗等福利外，完善的信息基础设施也是提高人民生活福利水平的重要基础和保障，因此在共享层面的指标遴选上，借鉴刘亚雪等［23］关于高质量发展指标评价体系的构建，着重对教育、信息和医疗卫生水平三方面进行测度.

1.3 数据说明

选取长江经济带青、藏、川、滇、渝、鄂、湘、赣、皖、苏、沪等省份所包含的共108个城市作为研究对象（按数据可得性和可比性原则，没有将贵州省的毕节、铜仁两个城市列为研究对象）. 研究时间跨度为2008—2019 年. 依据2014 年《国务院关于依托黄金水道推动长江经济带发展的指导意见》，将长江经济带划分为上、中、下游三大区域. 文中所涉及的各项原始数据均来自《中国城市统计年鉴》《中国城乡建设统计年鉴》、相关省市统计年鉴及《国民经济和社会发展统计公报》等. 其中，涉及的人均指标均通过年末常住人口数计算而得到. 在不影响最终结果的前提下，个别年份缺失的数据通过线性插值法补全.

2 实证分析

2.1 长江经济带城市生态福利绩效水平的测度

通过Fronitier 4.1软件测算得到长江经济带2008—2019年108个城市的生态福利绩效值（图1）. 由图1可知，长江经济带城市生态福利绩效整体上处于上升状态，分区域看，上、中、下游区域也呈总体上升趋势，但区域间的生态福利绩效差距较明显：下游区域最高，这与下游区域经济总量和技术水平是长江经济带的“龙头”，资源集聚的规模效应也相对较强有关；中游区域次之，原因是中游地区拥有丰富的高校、科研院所人力资本等教育资源，但生态资源配置与利用水平存在不合理成分，生态环境保护问题仍需重视；上游区域最低，原因在于上游城市经济发展水平相对较低，产业转型内生动力不足，因而生态福利绩效水平相对落后. 由此可见，长江经济带区域发展协同效应不高，跨区域辐射带动作用有待加强.

图1 长江经济带及其上中下游区域城市生态福利绩效均值变化情况Fig.1 Change in the mean value of urban ecological welfare performance in the Yangtze River Economic Belt and its upstream，midstream and downstream regions

2.2 长江经济带城市生态福利绩效的空间差距及分解

在对长江经济带整体及区域层面生态福利绩效水平变化趋势描述的基础上，为进一步探究生态福利绩效水平在空间维度的相对差距大小与具体差距来源，选择Dagum基尼系数法分别测度2008—2019年长江经济带生态福利绩效水平总体及三大区域的基尼系数，并据此绘制图2.

图2 总体差距、区域间差距、区域内差距及贡献度的演变Fig.2 Evolution of overall gap，inter-regional gap，intra-regional gap and contribution degree

2.2.1 总体差距分析

图2（a）显示，长江经济带城市生态福利绩效水平的总体差距呈波动减小趋势. 其中，2011年基尼系数大幅度降低，表明2008—2019年长江经济带城市生态福利绩效水平差距呈减小趋势，于2011年出现最大降幅. 原因是通过严格控制环境污染排放等措施提升了生态投入转化为福利产出的效率. 2016年后基尼系数又增长，可能的原因是由于部分生态投入成本较高的污染企业从高水平生态福利绩效地区移至低水平地区，从而导致生态福利绩效差距不减反增.

2.2.2 区域间差距分析

图2（b）显示，上—中游的区域间基尼系数最大，其次为上—下游，中—下游差距最小. 从发展趋势看，三大地区间差距处于不同水平但趋势轨迹趋同，均呈现波动中下降的趋势. 其中上—中游、上—下游差距缩小幅度较大，中—下游差距缩小幅度相对较小说明长江经济带三大区域间生态福利绩效差距不断缩小，逐渐向均衡趋势发展. 值得注意的是，上—中游、上—下游、中—下游三大区域间生态福利绩效水平差距都于2011年出现最大降速，这同样与“十二五”期间政府提倡促进区域协调发展、城镇化绿色发展密不可分.

2.2.3 区域内差距分析

图2（c）显示，区域内差距最大者为上游，其次是中游，最后是下游. 从演变趋势看，上、中、下游区域都呈波动中下降趋势，表明区域内部差距均在不同程度的缩小. 其中，中游区域年均下降率的原因在于中游区域没有下游区域将生态优势转化为经济优势的雄厚资本，同时环境规制强度也普遍低于“标尺竞争”效应显著的上游区域.

2.2.4 差距来源及贡献度分析

图2（d）显示，区域内部差距的贡献度基本稳定，而区域间差距与超变密度二者呈“此消彼长”状态. 具体表现为2008—2017年区域间差距小于超变密度，且在2011年最为显著，说明在此阶段总体差距的第一来源为超变密度. 但从2012年开始，超变密度下降的同时，区域间差距表现出明显的上升趋势. 到2019年，区域间差距超越超变密度占据主导，区域间差距成为总体差距的第一来源.

2.3 长江经济带城市生态福利绩效的分布动态演进

2.3.1 基于Kernel核密度估计的生态福利绩效动态演进

为进一步探究长江经济带城市生态福利绩效的分布动态演进，对2008、2011、2015、2019年长江经济带的城市生态福利绩效进行核密度估计，从而对其分布位置、分布形态、分布延展性及极化趋势等进行全面分析（图3）.

图3 长江经济带整体及上游、中游、下游区域生态福利绩效水平的动态演进Fig.3 The dynamic evolution of ecological welfare performance level of the Yangtze River Economic Belt and its upstream，midstream and downstream regions

从分布位置看，长江经济带整体及三大区域的生态福利绩效水平曲线总体上均发生右移，表明其生态福利绩效水平总体上在不断提高. 从曲线右移的幅度看，中游右移幅度最大，上游次之，下游右移幅度最小. 说明上、中游的生态福利绩效水平提升速度较快，下游的提升速度较慢.

从分布态势看，长江经济带整体及三大区域生态福利绩效水平的绝对差异均有所降低. 具体来看，长江经济带整体及中、下游区域生态福利绩效水平分布的主峰峰值呈现“增大—减小”的趋势，总体有所增大，主峰宽度呈现“缩小”的趋势；上游区域生态福利绩效水平分布的主峰峰值逐年上升，主峰宽度也逐年缩小.

从分布延展性来看，长江经济带整体及三大区域的生态福利绩效水平曲线均未出现右拖尾现象，但可以明显看出上、中游区域仍存在生态福利绩效水平明显低于平均水平的城市，原因在于上、中游区域水土流失严重，且产业集聚能力相对较差，没有像下游区域城市所拥有的教育、医疗、科技、社会保障等众多资源，因而导致其生态福利绩效水平长期未能居于前列.

从极化现象来看，长江经济带整体及中、下游区域都没有明显的“双峰”分布，说明其未出现极化分布，区域综合集聚性相对较强，而上游区域存在较低程度的“双峰”分布. 2019 年呈现“左侧右主”的“双峰”状态，侧峰较低. 与2008年右侧峰初显相比，上游区域主峰在逐渐增高，说明上游区域存在“梯度效应”，具有一定程度的极化状态.

2.3.2 基于空间Markov链的生态福利绩效动态演进

利用四分位数将长江经济带108个城市的生态福利绩效划分为4个等级，25%以下为低水平，26%～50%为中低水平，51%～75%为中高水平，75%以上为高水平. 将这4 个等级分别用数字1～4 表示，据此以滞后一年的条件计算得到2008—2019年长江经济带生态福利绩效状态转移的传统Markov 链转移矩阵（表2）和空间Markov链转移矩阵（表3）.

对传统Markov链进行分析可得到如下结论：①长江经济带各城市不考虑空间地理分布影响时，生态福利绩效水平发展趋势较稳定. 表2中，处于对角线位置的概率值远大于其他位置的概率值，且均大于0.51，表明不同水平城市之间相对不容易实现跨类型转移. ②相邻类型城市间发生类型转移的概率相对较大.从表2可看出，不与对角线直接相邻的数值表示城市生态福利绩效水平实现跨越式变化的概率. 在非对角线位置上，除相邻类型外，其余类型的转移概率都非常小，同样表明各城市短期内实现跨类型转移的可能性很小.

表2 长江经济带城市生态福利绩效传统Markov链矩阵Tab.2 Transition probability matrix of traditional Markov chain of urban ecological welfare performance in the Yangtze River Economic Belt

为了考察不同水平福利绩效城市对与其相邻城市生态福利绩效的影响，进一步构建空间Markov 链（表3）. 可以看出：①即使考虑到相邻地区的生态福利绩效水平的地域影响性，各城市的生态福利绩效仍倾向于保持当下类型的稳定性. 在表3中具体表现为处于对角线位置的转移概率值均高于其他位置的转移概率值. ②高水平生态福利绩效城市对与其相邻的城市有正向的促进作用，低水平生态福利绩效城市对与其相邻的城市具有反向抑制作用. 表3中，4种空间滞后条件下的4个转移概率矩阵均不相同，表明在城市生态福利绩效水平不同的情况下，与其相邻城市的生态福利绩效水平受影响的概率也不同，具有一定的空间溢出效应. 例如，当邻近高水平城市时，原城市由中高水平城市提升至高水平的概率为25%，高于传统马尔科夫链测算的19.6%，且原城市由高水平城市降低至中高水平的概率为11.8%，低于传统马尔科夫链测算的19.4%；当邻近城市为低水平时，原城市由中高水平城市提升至高水平的概率为19.2%，低于传统马尔科夫链测算的19.6%.

表3 长江经济带城市生态福利绩效空间Markov链矩阵Tab.3 Transition probability matrix of spatial Markov chain of urban ecological welfare performance in the Yangtze River Economic Belt

3 结论

1）长江经济带城市生态福利绩效水平具有空间非均衡特征. 整体层面上，长江经济带城市生态福利绩效水平在空间上呈现下游高、中游次之、上游低的分布格局. 局部层面上，各城市水平呈稳步上升趋势的同时，区域间的梯度差距也较为明显，排名靠前的城市以下游区域为主，排名靠后的城市主要集中在上游区域. 这一情况说明长江经济带区域生态福利绩效水平具有非均衡性，区域发展协调度不高.

2）长江经济带城市生态福利绩效相对差距、绝对差距均呈波动中减小趋势. 一方面，针对相对差距的分解，上—下游区域间差距最大，中—下游区域间差距最小，上游区域内部差距最大，下游最小，超变密度差距是空间非均衡状态的第一来源. 另一方面，从绝对差距的动态演进来看，在观察期内，城市间绝对差距在一定程度上呈缩小趋势，区域内部绝对差距也在减小，且上游区域减小趋势最明显. 此外，弱极化趋势在上游区域也具有一定的体现.

3）长江经济带城市生态福利绩效存在相对稳定性及空间溢出效应. 传统Markov链研究表明各城市生态福利绩效存在相对稳定性，不同水平城市之间不容易实现跨类型转移. 进一步，通过空间Markov链研究发现，当相邻城市间水平存在差异时，其受变化影响的可能性是不同的，存在一定的空间溢出效应，即高水平生态福利绩效城市对与其相邻的城市存在正向促进作用，低水平生态福利绩效城市对与其相邻的城市则具有反向抑制作用.

4 建议

1）产业转移有序化，促进区域均衡发展. 深入贯彻新发展理念，优化长江经济带省际协商合作机制，全面推动下游区域有序实行产业转移，使发展要素在区域间充分涌动. 在下游区域将产业转型升级作为促进发展的新引擎. 同时有序做好中、上游区域产业转移的承接过渡，统筹经济布局、生态治理与资源环境承载能力，做到发展经济与环境生态并重，进一步增强长江经济带发展的整体性与协调性.

2）协同辐射带动化，缩小城市发展差距. 重点强化长江经济带下游区域对中、上游区域相对落后城市的辐射带动作用. 建立对点帮扶合作关系，通过以强带弱，实现上、中、下游三大区域间的优势互补. 依托“一带一路”发展机遇，提高其生态资源利用效率的同时兼顾民生福祉. 加强对上游区域的政策扶持力度，改善其营商环境，提高其基础设施水平，缩小生态福利绩效差距.

3）正向促进加强化，完善空间溢出渠道. 按照长江经济带“一轴、两翼、三极、多点”的新格局，以长江黄金水道为依托，强化与邻近城市的合作交流，发挥高水平生态福利绩效城市的正向促进效应，完善空间溢出渠道. 邻近高水平城市的低水平生态福利绩效城市应借助地缘优势，充分吸纳高水平城市的正向溢出效应，从而在生态门槛内促进长江经济带各城市人民福利的提升.