煤炭资源型城市工业生态效率及其绿色发展研究——基于山西省11个地级市面板数据

张丽家

(山西财经大学 国际贸易学院，太原 030006)

随着中国工业化进程的加快，环境污染问题随之而来。工业生产部门高投入、高消耗、高污染、低效率的发展特点，不仅对生态环境造成极大压力，也制约着工业绿色发展与低碳转型。因此，转变工业发展方式、推进工业生态化发展的绿色发展理念，不仅是实现工业增长与生态环境协调发展的重要选择，也是坚持低碳可持续发展理念的题中之意。山西省作为全国知名的煤炭资源型省份，为全国经济快速发展做出了重要贡献。但是，以煤炭为主的工业结构，叠加长期粗放式开采导致山西省生态环境问题突出，为工业可持续发展带来严峻挑战。因此，如何实现生态环境保护和经济发展协调一致，成为山西省深化能源革命、走好转型综改、建设生态文明的重要思路，也是助力中国实现2035年碳达峰、2060年碳中和任务的重要环节。当前，山西省工业正处于转型发展的重要时期，了解其工业绿色转型基本情况，对于山西省生态文明建设以及资源型城市如何处理好工业化和生态文明建设的关系具有重要意义。

生态效率主要用来反映经济活动的环境绩效，最早由Schaltegger等[1]提出，随后由国际经济合作与发展组织(OECD)进一步界定[2]。生态效率的本质就是产出与投入之比，在保障经济效率的同时兼顾环境效益，即以经济效应最大化和环境污染及资源损耗最小化为目标，实现可持续发展。近些年来，随着国家绿色发展战略的提出，有关生态效率的研究也成为学术界关注的重点。目前研究可以归纳为以下方面：①工业生态效率测算指标体系的构建。经济效应指标主要从经济价值入手，包括国内生产总值[3]、产业增加值[4]等。资源投入指标主要包括单位能耗、用水总量以及工业用电[5]。环境污染指标主要包括二氧化硫、二氧化碳、固体废弃物[4-5]、PM2.5[6]。同时，也有学者从生产过程出发，将资本、劳动力、技术[6]等生产要素纳入其中。②工业生态效率测算方法与模型。现有测算方法使用频率较高的有生态足迹法[7-8]、数据包络分析方法(DEA)[9-12]、随机前沿分析方法(SFA)[13-14]等。3种工业生态效率测算方法各有优缺点，生态足迹法属于客观赋权法，避免了人为因素带来的偏差，但是该方法忽略了指标本身的重要程度，因而存在指标权重与预期相差较大的问题。SFA计算结果稳定性较强，不易受异常点的影响，但是处理多产出模型时不如DEA。DEA具有不需要设定具体函数形式、内生化最优权重、避免人为干扰等优点，目前在效率测算中使用最为广泛。③工业生态效率空间驱动因素研究。现有文献围绕社会发展水平、产业集聚、产业结构、科技创新等方面进行影响因素研究[7-9]，取得了较多的成果，但是大多采用传统的回归统计方法[4,10]，鲜少从空间关联角度出发探究生态效率及其演化趋势。

综上所述，现有研究主要从工业生态效率测算、工业生态效率影响因素分析等方面展开，鲜少从地区绿色发展视角出发研究工业生态效率及其驱动因素。山西省作为中国资源型经济转型综改示范区，是积极响应国家持续深化改革开放的重要省份。因此，通过研究山西省工业生态效率的变化、空间演化来了解资源型经济工业绿色转型进展情况以及各地级市工业绿色发展的地区异质性具有重要意义。基于此，收集了山西省11地级市2003—2018年的相关数据，构建工业生态效率评价指标，运用含非期望产出的SBM-DEA模型测算工业生态效率，并分析其时空演化特征，运用探索性空间数据分析(ESDA)方法，检验各影响因素与工业生态效率的空间关联关系，以期为山西省等资源型城市绿色转型发展提供有益参考。

1 研究方法

1.1 工业生态效率测算

1.1.1 含非期望产出的SBM-DEA模型

DEA模型是在“相对效率”评价基础上发展的一种分析模型，应用数学模型进行最优化评价能够较好地排除人为因素的干扰。因此，选取DEA模型对山西省11地级市工业生态效率进行测度。在实际测算过程中，需要避免由于现行决策单元数量较少而产生的线性规划无法解决的问题。同时为了解决非期望产出的问题，借鉴Tone[15]的研究，采用可解决、处理非期望产出的非角度、非径向拓展式SBM-DEA模型，使计算所得的工业生态效率能更准确地反映工业生产过程中经济效应与环境效应之间的关系，表达式为

(1)

式中：TE为工业生态效率值；m为投入因素个数；s1为期望产出个数；s2为非期望产出个数；s=(s-,sg,sb)为投入、期望产出和非期望产出的松弛变量；x、yg、zb表示投入、期望产出和非期望产出值；X、Yg、Zb为对应矩阵；λ为权重向量。模型受到以下条件约束：

(2)

1.1.2 指标选取与数据来源

经济增长的源泉包括人力资本、物质资本、自然资本，环境是一种重要的自然资本[16]。在充分考虑资源环境对工业经济发展规律和速度的刚性约束，将资源环境纳入工业经济增长的分析框架中。以劳动力、资本和自然资源为投入指标，以工业总产值及污染物排放为产出指标，进行工业生态效率的测算，各指标说明如下。

1)投入指标。劳动力投入采用工业各部门从业人员衡量。自然资源投入包括水和电的消耗，用工业用水和工业用电衡量。

资本投入采用通过永续盘存法得到的资本存量来表示。借鉴Young[17]、张军等[18]等的研究以2003年为基期，按照PIM方法对山西省11个地级市的物质资本存量进行估算。

2)产出指标。包括期望产出和非期望产出。期望产出用工业总产值来衡量。非期望产出采用工业烟尘排放量、工业二氧化硫排放量和工业废水排放量来衡量。

数据主要来源于2004—2019年《山西省统计年鉴》《中国城市统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》、山西省各地级市公报等，缺失数据采用均值插值法加以补充。所有受价格影响的经济指标均按2003年价格进行平减。通过Stata16统计分析软件对数据进行整理与分析，得到各指标描述性统计(表1)，可以看出各变量的标准差都较小，数据较为平稳，具备后序研究的条件。

进一步说明，DEA模型按年份算出来的效率值是相对效率，只适合进行相同年份不同区域之间的比较，不能进行时间序列比较。因此在计算工业生态效率时，借鉴陆砚池等[19]的研究构建理想地级市。理想地级市的投入产出固定，投入为2018年各地级市的最低投入，产出为2018年各地级市的最高产出，这样计算出的效率值就可以进行时间序列的演变分析。

表1 工业生态效率测算变量的描述性统计

1.2 工业生态效率影响因素分析

ESDA是分析观测值空间关联性及规律的重要分析工具，空间自相关分析和空间计量分析方法使用较为频繁。

1.2.1 空间自相关分析

采用全局和局部空间自相关分析山西省11个地级市工业生态效率的空间分布特征。全局空间自相关用来分析区域内工业生态效率的空间关联关系，揭示其空间依赖性和异质性，但不能对局部区域的工业生态效率空间关联模式进行探索，而局域空间自相关能够弥补这一方面的不足。

在进行空间自相关分析中，为了避免单一空间权重产生的估计偏差，本文构建了3种空间权重矩阵，分别是邻近矩阵(如地级市i和地级市j有共同边界时赋值为1，没有共同边界时赋值为0)、地理矩阵(利用各地级市之间距离的倒数来表示)、经济地理矩阵(利用观察期内不同地级市之间的人均GDP绝对值差的倒数来表示)。

1.2.2 空间计量模型

常用的空间计量模型有空间误差模型(SEM)、空间滞后模型(SLM)和空间杜宾模型(SDM)。空间误差模型和空间滞后模型能够分析因变量的空间相关性，但无法考察自变量是否具有自相关性，空间杜宾模型能够综合考虑因变量和自变量的空间相关性。

空间滞后模型：分析观测值是否具有空间溢出效应，公式为

y=λWy+xβ+ε

(3)

空间误差模型：当空间依赖性体现在误差项时，即空间依赖性存在于不影响x但影响y的遗漏变量中时采用空间误差模型，公式为

y=xβ+u，u=ρWu+ε

(4)

空间杜宾模型：如果某区域的被解释变量还受到其他相邻区域解释变量的影响，就引入空间杜宾模型：

y=λWy+xβ+δWx+u+υ+ε

(5)

式(3)～式(5)中：y为因变量；W为空间权重矩阵；x为各影响因素；λ为空间滞后Wy对y的影响，称为空间自回归系数；ρ为空间误差系数；u为个体固定效应；υ为时间固定效应；ε为空间自相关误差项；ε=N(0,σ2In)。Wy和Wx分别考虑了被解释变量和解释变量的空间相关性和依赖性。

1.2.3 指标选取与数据来源

为了进一步探究山西省11个地级市工业生态效率影响因素、影响程度以及各地级市之间的相互关系，对影响工业生态效率的外部因素进行空间计量分析。借鉴已有研究文献[7，16-17]，选择了以下外部因素。

1)经济发展水平(jj)。社会经济发展水平对生态环境有着重要影响，因此选取人均国内生产总值来衡量山西省地级市经济发展水平。

2)产业集聚水平(ic)。有关工业产业集聚与环境污染存在正外部性还是负外部性的关系，目前学界尚未形成一致观点。选择各地级市工业增加值占全省的比重来衡量。

3)产业结构(is)。山西省处于工业化后期发展阶段，第二产业比重将逐步下降，第三产业比重上升，选取第三产业产值占地区生产总值的比重来表示。

4)对外开放水平(op)。外资的引入不仅影响了我国工业产业的选择与布局，也影响了工业生态效率的提高。综合学者研究，选取各地级市实际利用外资金额作为对外开放水平的代理变量。

5)技术水平(st)。技术水平可以反映工业生产对资源的有效利用程度，提高技术水平可增加资源的利用率，达到节能减排的效应，选取各地区单位总产值能耗来表示。

6)环境管制(gz)。环境管制反映了政府对当地环境的重视程度，本文收集城市污水、固体废弃物和二氧化硫去除率，采用熵权法计算环境管制指标。各指标数据来源同上。

从表2影响因素描述性统计可知，各变量的标准差都较小，数据较为平稳，具备后序研究的条件。

表2 工业生态效率影响因素的描述性统计

2 实证结果与分析

2.1 工业生态效率测算结果与分析

在SBM-DEA模型的基础上，利用Stata16软件对山西省11地级市工业生态效率进行测算。由于加入理想地级市这一设定，测算出的工业生态效率可以进行时间序列的比较。

2.1.1 工业生态效率时序演变特点

表3展示的是采用含非期望产出的SBM-DEA模型测算的山西省11市工业生态效率值，从整体和三大区域2个层次评价山西省工业生态效率发展状况及演变趋势。整体上，山西省工业生态效率波动上升，年均增长0.25%，说明在工业生产发展过程中兼顾了生态环境的治理与保护，生态效率得到有效提升，工业绿色发展稳步推进。2003—2018年，山西省工业生态效率均值为0.79，工业生态效率水平较低，距离生产前沿面还存在21%的改进潜力，即在现有技术不变的情况下，工业废水排放量、二氧化碳排放量和工业烟尘排放量还面临着21%的减排压力。

表3 2003—2018年山西省地级市工业生态效率值

从2003—2018年山西省工业生态效率值的时间变化来看(图1)，山西省工业绿色发展可以分为3个阶段：“低效发展期”“不稳定转型过渡期”“转型成效初显期”。

2003—2011年，山西省工业绿色发展进入“低效发展期”，工业生态效率表现为先下降后上升的波动态势。这一时间段内，山西省进入经济发展关键时期，煤炭、冶金、化工等高耗能产业不断发展，煤炭开采和洗选业增加值占工业增加值比重一度由29.22%增加到了60.70%，产业结构严重失衡，加上粗放的资源开发方式、以污染为代价的经济发展方式等问题，生态环境遭到严重破坏，工业生态效率水平较低。

2011—2014年，山西省工业绿色发展进入“不稳定转型过渡期”，工业生态效率逐年下降。这一时期，受国际国内经济形势影响，山西省经济形势严峻，尤其是2012年后出现了断崖式下滑，全省经济增速由2012年的10.1%下降到2014年4.9%，工业生态效率也出现不断下降的趋势。2012年，随着《山西省国家资源型经济转型综合配套改革试验总体方案》的印发，山西省正式进入转型综改新时期，成为中国资源型经济探索转型综改先行者，但转型工作未能在工业发展与环境保护中寻求到平衡点，导致环境压力增大，工业生态效率持续下降。

2014—2018年，山西省工业绿色发展进入“转型成效初显期”，生态效率上升趋势明显。山西省作为资源型经济的代表，实现绿色转型发展是重要任务。在经历3年转型综改探索，山西省工业绿色发展逐渐步入正轨，环境保护和工业发展提质增效政策效果逐渐显现，全省工业生态效率稳步上升，由2014年的0.74上升到2018年的0.86，并表现出持续向好的态势。

图1 2003—2018年山西省地级市工业生态效率均值

2.1.2 工业生态效率空间变化特征

从三大区域对比分析来看，山西省工业生态效率呈现出“中间大，两头小，南部高于北部”的空间分布格局。由图2可知，山西省中部工业生态效率在0.75～0.90，高于山西省南北部，与山西省南北部地区的差值表现出“收敛-发散-收敛”的波动变化趋势。南部地区总体高于北部地区，两区域整体差值基本保持一致。在一定程度上说明工业生产效率与地区产业结构和经济发展水平存在一定的相关关系。从演变趋势来看，山西省中部2003—2014年工业生态效率波动下降，此后呈持续上升趋势；2003—2016年南部工业生态效率优于北部，整体保持相似的变化趋势；2016—2017年北部工业生态效率短暂超过南部地区后，于2017年迅速下降，落后于南部地区。由此可见，伴随山西省煤炭产业为主的经济发展空间异化，三大区域生态环境环境质量不平衡问题也逐渐显现。但随着山西省转型综改、绿色转型发展的推进，山西省工业生态效率整体呈现向好趋势。

图2 2003—2018年山西省分区域工业生态效率

2.2 基于空间计量模型的工业生态效率驱动因素分析

2.2.1 工业生态效率的空间自相关分析

2.2.1.1 全局空间自相关

运用Stata16软件计算山西省11地级市2003—2018年工业生态效率全局Moran’sI(表4)。3种空间矩阵下，山西省11地级市工业生态效率的Moran’sI均通过了5%的显著性检验，而且3种空间权重下的Moran'sI均呈增加态势。其中，经济地理矩阵下的Moran’sI最大，其次为地理矩阵，最后为邻近矩阵，说明山西省各地级市工业生态效率存在较强的空间自相关关系，具有空间集聚分布特征，而且这种空间相关性逐渐增强。

表4 2003—2018年山西省地级市工业生态效率全局Moran’s I

2.2.1.2 局域空间自相关

为了分析山西工业生态效率的局部差异化特征，本文计算了2003、2010和2018年3个年份山西省11个地级市工业生态效率的局域Moran’sI，并绘制了相应的Moran’sI散点图(图3)和山西省11个地级市局部聚类分布表(表5)。根据地级市与其邻近地级市之间工业生态效率的空间联系形式的不同，可以将Moran’sI散点图分为4个象限，分别为高-高型(H-H型)、低-高型(L-H型)、低-低型(L-L型)和高-低型(H-L型)。H-H型和L-L型表明11个地级市工业生态效率之间存在正的空间相关关系，L-H型和H-L型表明工业生态效率之间存在负的空间相关关系。

由图3可知，2003、2010年局部Moran’sI为负，表明各地级市工业生态效率存在空间负相关。而2018年局部Moran’sI为正，表明各地级市工业生态效率存在空间正相关。从2003年到2018年的这一转变表明山西相邻地级市工业生态效率之间正的空间关联性正在加强，工业生态效率具有明显的溢出效应。

图3 山西省地级市工业生态效率局部散点图

进一步，由表5可知，山西省11地级市工业生态效率空间正相关占比呈逐年上升趋势，从2003年的45%，到2010年的55%，再到2018年的64%，工业生态效率空间聚集性显著增强、异质性显著减弱，说明山西省11地级市工业生态效率空间溢出效应明显。具体分析存在空间正相关关系的象限，位于H-H型象限的地级市主要为长治、太原、运城和阳泉，这些地级市受产业结构、旅游资源、高科技项目等影响，工业生态效率较高并对周边地区形成较好的辐射带动作用；位于L-L型象限的地级市主要为朔州、吕梁和大同，这些地级市煤炭产业比较发达，以煤为主的产业结构叠加较低的煤炭开采技术是造成工业生态效率低下的主要原因。要想改善目前工业生态效率低的情况，必须根据当地资源环境情况进行产业结构升级，同时积极引进煤炭开采和利用技术，提高资源利用效率，降低碳排放，推进工业经济与环境协调发展。

表5 2003—2018年山西省地级市工业生态效率空间相关性局部聚类分布

2.2.2 空间计量模型结果与分析

通过构建空间计量模型，分析经济发展水平、产业集聚、产业结构、对外开放、技术水平和环境管制对工业生态效率的影响程度以及地级市之间的相互关系。本部分所有变量均取对数形式，以便最大限度消除异方差带来的问题。

(6)

(7)

(8)

在进行回归结果分析之前，要确定最优模型：首先通过Wald检验进行空间杜宾模型能否退化为空间误差模型、空间滞后模型检验；其次通过F检验、Hausman检验在混合效应模型、随机效应模型、固定效应模型间进行选择；最后采用LR检验在时间固定、个体固定以及双固定效应模型之间进行选择。

由表6可知，不同空间矩阵下的Wald检验结果均在1%的显著水平下拒绝了SDM模型可以转为SEM模型或SLM模型的原假设，所以SDM模型更优。

SDM模型下的时间和城市双固定效应更优。Hausman检验(P=0.000)和LR(P=0.000)检验结果均拒绝原假设，并在1%的水平上选择了双固定效应。因此采用空间杜宾模型下双固定效应模型回归结果进行工业生态效率影响因素的分析。为了比较结果的可靠性，表7展示了未添加空间因素得到OLS面板模型固定效应的回归结果。

表6 不同空间矩阵下的Wald检验结果

从表7可知，OLS面板模型和不同空间矩阵下的空间计量模型回归结果在回归系数大小、显著性方面存在较大差异。不同空间权重下的空间自回归系数ρ均显著不为零，表明山西省地级市工业生态效率存在空间溢出效应，因此还需要对模型求偏微分得出各影响因素的直接和间接效应(表8)。

工业生态效率测算核心是产出/投入，属于一种经济活动，因此基于地区经济水平和地理位置构建的经济地理矩阵(W3)更加符合工业生态效率的生产活动特性，而表8中经济地理矩阵(W3)下的回归结果好于其他两种矩阵也说明了这一特点，因此接下来主要对经济地理矩阵(W3)下的结果进行分析。

表7 计量模型固定效应回归结果

表8 不同权重矩阵下的空间SDM模型空间溢出效应分解

1)经济发展水平3种效应均为正，且通过1%的显著性检验，表明经济发展水平的提高不仅有助于本地级市工业生态效率的提升，而且对其他地级市生态效率的提升也有一定的积极影响。因此，山西省地级市在着力提升经济发展水平的同时，也要加强不同地级市之间的经济合作，以太原、阳泉等发达地级市带动朔州、吕梁等发展中的地级市，实现工业生态效率的整体提高。

2)产业集聚的总效应、间接效应为负，通过了5%的显著性检验，说明产业集聚对本地级市工业生态效率提高具有负面影响。这主要是受产业集聚“虹吸效应”影响，随着产业集聚水平的提高会对周边地级市资金、技术等生产要素形成强大吸引力，致使邻近地区未能完成工业生态效率的改进。

3)工业产业结构总效应和直接效应显著为正。产业结构的不断升级意味着低污染、高附加值的产业在产业结构中占较大比重，当地环境污染问题得到有效缓解。

4)对外开放3种效应均为负。对外开放的影响具有复杂性，因此在坚持对外开放的同时要加强对外资的筛选，多引进环境污染小、处于价值链高端的产业，不断优化本地产业结构。

5)科技水平的各项效应均为正，通过了1%的显著性检验。说明科技水平的提高，不仅有利于本地工业生态效率的提升，也对邻近地级市工业生态效率具有促进效应。随着科技水平的提高，工业企业可利用先进技术，实现资源利用效率的提升，减少污染物的排放，实现由粗放式到精细化生产的过渡。

6)环境管制并未通过显著性检验。可能是受山西省以煤炭产业为主产业结构的影响，政府政策为主的环境规制短时间内无法改变这种以高环境污染为代价的生产活动。

3 结论与对策建议

运用含有非期望产出的SBM-DEA模型测算了山西省11个地级市工业生态效率，通过ESDA进行工业生态效率时空演变及空间关联性分析，并采用空间杜宾模型对影响工业生态效率的因素进行具体分析。得到以下结论：①山西省11地级市工业生态效率年均值呈波动增长，根据其变化趋势可将山西省2003—2018年绿色转型发展分为“低效发展期”“不稳定转型过渡期”“转型成效初显期”3个时期；②工业生态效率具有显著空间自相关性，聚集特征也随时间不断增强，地级市间溢出效应明显；③空间杜宾模型和效应溢出分解结果显示，在经济地理矩阵下，经济发展水平、产业结构和科技水平总效用为正，是促进地级市工业生态效率提升的重要动力；产业集聚和对外开放总效应和间接效应为负，对周边地级市工业生态效率具有显著遮掩效应。

在低碳经济时代背景下，山西省走新型工业化道路是实现绿色转型发展的重要选择。山西省工业布局更需要结合本省实际情况，审慎合理规划，科学有效治理，提升工业生态效率，促进绿色转型发展。因此，提出以下建议：①工业生态环境受到多重方面的影响，不仅受本地级市相关因素的影响，还会对周边地级市产生溢出效应。因此，提升全省工业生态效率，不仅需要本地级市工业、环保、科技部门等多部门齐抓共管，还需要地级市之间政府部门、工业企业、科研机构等多领域联动，形成合力。②积极发挥各地级市产业园区的门槛优势，淘汰落后产能。针对淘汰的“外迁”企业，迁出地政府和迁入地政府应建立相关合作机制，共同引导和帮扶“外迁”企业实现技术升级改造，以避免“外迁”企业在新迁入地造成再次污染。③对于工业发展水平相对落后的吕梁等地级市，要不断深化与太原等先进地级市的合作，在继续帮扶落后地级市传统行业技术改造升级的同时，还应加大对新能源、新材料、生物医药、高端装备和节能环保等新兴产业的投资力度，不断推动地级市间均衡发展。