碳约束下中国环境效率时空演化与影响因素分析

郭海良

（宁夏大学 法学院，宁夏 银川 750021）

1 引言与文献综述

中国经济正处于“三期叠加”特征下的新常态阶段，绿色转型、可持续和高质量发展成为经济发展过程中的重要诉求，政府治污防污的环保决心和环境保护的战略地位亦不断凸显。继2009年首次提出2020年单位GDP碳排放较2005年下降40%～45%的温室气体控制目标后，中国在2015年巴黎世界气候大会上进一步承诺到2030年单位GDP碳排放量相较2005年下降60%～65%，此后中国政府又提出在2030年左右实现碳排放达峰并争取提前达峰，同时力求在2060年实现“碳中和”。然而当前中国节能减排的现实效果并不尽如人意，直观反映为环境效率的长期低下和停滞不前。

环境效率指标能够对生产活动中资源环境与价值创造的投入产出情况予以衡量[1]，基于不同的测度内容和考察方向，能够具体划分为能源环境效率、环境污染效率、生态效率和综合性环境效率等[2]，而现阶段中针对不同区域和不同阶段的环境效率评估亦不在少数[3-8]。具体来说，能源环境效率集中表现为化石能源消费所引致的经济产值增加，即能源消耗越少且产值增加越多，则能源环境效率越高[9]；环境污染效率则具体表现为环境污染治理效益与环境污染治理投资的对比情况[10]；另外，生态效率等综合反映为既定生产率水平和资源消耗状态下的经济效益和污染排放情况[11-12]。

既有研究针对环境效率的讨论主要集中于三方面：一是环境效率的测度。事实上，现阶段学界中关于环境效率的评价方法莫衷一是。Laspeyres指数分解法、Topsis模型和生态足迹法等方法主要是基于不同的环境压力指标来评估经济活动效率，然而上述方法却普遍面临着环境压力指标之间动态关联性被阻断的问题[13-17]。相较于传统的单一或多元压力指标测度法，包含非期望产出的数据包络分析（DEA）能够通过构建共同前沿对单一的决策单元进行有效考察[18-21]，如超效率DEA法以及Malmquist指数等。二是对环境效率动态演化的分析。李林泽等[22]重点关注我国中部省份间资源环境效率的差异化特征；朴胜任和李健[23]则对我国省际环境效率进行对比分析进而讨论其可能的成因；张子龙等[24]则聚焦城市间环境效率的动态变动差异，并重点检验城市异质特征对环境效率的影响。三是环境效率的影响因素分析。环境效率作为刻画经济效率与环境污染的综合性效率指标，与多元化的经济因素存在密切关联，如黄庆华等[25]基于长江流域的面板数据研究发现产业活动集聚能够显著影响环境效率，而胡安军等[26]、张治栋和秦淑悦[27]、Guo等[28]均认为产业活动的空间分布状态对于环境效率具有非线性影响；陈阳和唐晓华[29]基于我国的城市面板数据研究发现，制造业生产活动与环境效率之间存在倒“U”型关系。

分析上述资料不难发现，既有的研究针对环境经济效率评估已进行相对丰富的讨论，但仍存在如下几点不足：研究方法上，传统的DEA方法忽略了决策单元的异质性特征，难以在共同前沿下对其环境效率进行有效估计；研究角度上，多数研究未能从时空维度对环境经济效率的动态演化路径进行充分地刻画，相关讨论浅尝辄止；研究内容上，既有研究仅仅关注多元要素对于环境效率的直接影响，而普遍忽略了环境效率的空间溢出效应。基于此，本文首先结合更为先进的EBM-DEA方法与Malmquist指数对环境效率进行有效测度；其次，依次从实践维度和空间维度分别考察环境效率的动态演化特征和空间分异特征，并将环境经济效率差距纳入考量；最后，本文构建空间Tobit模型对环境效率的影响因素进行多维度考察，以期为推动环境效率的全面提升提供经验支持。

2 研究方法

为刻画环境效率，本文将二氧化碳作为非期望产出纳入考量。一方面，期望产出与非期望产出是生产活动的必然产物，二者存在“径向”且“不可分”的关联特征；另一方面，要素投入与产出之间则具有“非径向”与“可分”的关系，这导致难以兼顾径向和非径向投入产出关系的传统数据包络分析法（DEA）和超效率模型（SBM）不再适用。针对上述问题，Tone &Tsutsui[30]提出混合距离EBM（Epsilon-Based Measure）模型，该模型不仅能够反映投入要素实际水平与前沿水平的径向差距，同时也能刻画投入要素的非径向松弛属性，从而对角色单元的效率水平予以更客观的考量，故本文采用EBM-DEA模型对环境效率GTFP进行测度：

进一步地，为动态分解并考察GTFP的变化趋势，本文继续采用曼奎斯特罗伯格指数（Malmquist-Luenberger）对GTFP进行分析。考虑到相邻前沿交叉参比Malmquist模型在VRS假设下往往存在跨期参比无可行解的问题，同时既有研究中普遍忽略了决策单元的异质性特征，因此本文构建全局前沿下Metafrontier-Malmquist-Luenberger（MML）指数对GTFP进行动态评估

3 环境效率测度及讨论

3.1 时间维度的动态特征

基于上述EBM-DEA方法，本文对我国城市层面的环境效率进行测算，同时从时间维度考察环境效率的演化特征。图1为我国的环境效率指数及其变化率，不难看出，我国环效率指数整体呈现波动上升的趋势，2004—2009年上升趋势明显，环境效率指数达到第一个峰值，2010—2014年环境效率呈现不断走低的态势，而2015年开始环境效率迎来新一波的反弹并在2018年再次达到峰值。同样的，环境效率变化率呈现正负更替的不确定性，意味着我国长期以来尚未形成稳健的绿色发展路径，绿色发展仍存在较大的不确定性。图2则为我国城市间和东中西部地区之间环境效率差距的平均值，我国环境效率差距整体来看明显缩小，2004—2011年环境效率始终保持在较高的水平，而2012年则成为我国环境效率差距转变的转折点，2012—2018年环境效率差距渐趋缩小。值得注意的是，地区间的环境效率差距整体大于城市之间的差距，这也反映出我国东中西部地区之间环境效率的非平衡性。

图1 2004—2018年中国环境效率与环境效率变化率

图2 2004—2018年城市间与地区间环境效率城市间与差距

3.2 空间维度的分异特征

进一步地，本文利用Moran’s I指数及其转移矩阵考察环境效率在空间维度上的相关性与分异特征，全局Moran’s I指数的结果如表1所示。可以看出，环境效率的Moran’s I指数至少在10%的显著性水平下通过检验，即环境效率在空间维度存在显著的空间相关性。同时，城市间环境效率的空间相关性显著为正，这意味着地区间环境效率存在“逐顶竞争”特征，即本地环境效率改善能够引起周边地区环境效率的同步改善，从而佐证了跨地区污染治理和环境效率改善的现实必要性。

表1 2004—2018年环境效率全局Moran’s I指数值

与此同时，本文还对环境效率的局部空间相关性予以考察。根据Rey[31]的时空跃迁理论，环境效率的局部空间自相关直观反映在局域莫兰散点图中，第一象限（高高集聚，HH）和第三象限（低低集聚，LL）说明所观测的局部地区分别以较高或较低的环境效率水平集聚；与之相反，第二象限（低高集聚，LH）和第四象限（高低集聚，HL）则说明局域环境效率水平差距较大，存在显著的分异特征。根据Rey[31]提出的时空跃迁理论，空间跃迁状态大致包括区域自身相对跃迁、邻接区域相对跃迁、区域自身和邻接区域共同跃迁以及区域自身和邻接区域保持稳定，如表2所示。本文选用环境效率的空间稳定性指标（空间凝聚度）来衡量环境效率的空间跃迁状态，即研究某类跃迁类型占跃迁总数的比重。一般而言，空间凝聚值越高，则发生跃迁的阻力越大，意味着环境效率的空间路径锁定特征越显著。根据时空跃迁基本类型，可得环境效率的局域莫兰指数转移概率矩阵（表3）。

表2 碳强度时空跃迁基本类型划分

表3 环境效率局部莫兰指数转移概率矩阵

不难看出，环境效率的空间结构相对稳定，环境效率的跃迁主要集中在同一类型之间的跃迁，不同类型之间的跃迁概率相对较低，且主要表现为高高→高高跃迁和低低→低低跃迁两种，这意味着环境效率的空间凝聚度较强，环境效率在空间维度存在显著的空间“锁定”特征，从而导致低环境效率地区改善环境水平的难度增加。

4 环境效率时空演变的影响因素分析

4.1 模型设定与变量设定

基于上述的环境效率所呈现的复杂时空演化特征，本文从经济社会发展因素、环境治理水平因素以及政府管理等诸多方面考察其形成机制。根据已有的研究经验，本文构建如表4所示的环境效率影响因素指标体系。具体地，选取前文估计得到的环境效率作为被解释变量，相关解释变量主要包括经济增长、技术进步、对外开放、城市化率、产业结构、外资规模、环境规制和能源消费等，相关数据主要来源历年《城市统计年鉴》。其中，环境规制采用熵值法，将工业SO2去除率、工业COD去除率、工业固体废物综合利用率、生活污水处理率以及生活垃圾无害化处理率等指标纳入环境规制评价体系测度得到环境规制水平。

表4 环境效率的影响因素指标体系

直接采用OLS方法对通过EBA-DEA所测度得到的效率值进行回归容易引起估计偏误，因此选用面板Tobit模型进行估计。考虑到环境效率在空间维度存在显著的空间相关性，忽略其空间溢出效应同样会引起新的估计偏误，因此本文采用空间Tobit模型，在空间维度上考察环境效率的影响因素。相较于以往的研究，本文创新性地兼顾环境效率的空间滞后性，具体的基准回归模型设定如下：

式中：i和t分别表示城市和年份，Y表示效率；α0表示常数项；α1表示空间滞后项系数；α2表示待估系数；X则表示本文重点考察的环境效率的影响因素；θt表示时间固定效应，μi表示个体固定效应，ε则表示随机扰动项。Wij表示空间权重矩阵，为保证估计结果的稳健性，本文分别构建地理距离权重矩阵（W1）、经济距离空间权重矩阵（W2）以及二者的复合矩阵（W3）。其中，地理距离权重矩阵由城市距离的倒数组成，经济距离空间权重矩阵则是由城市间GDP差值的倒数组成，而复合矩阵则是由二者的乘积构成。

4.2 回归结果分析及讨论

表5汇报了环境效率影响因素分析的结果，作为对比，本文同时列出普通Tobit面板模型的回归结果。不难看出，环境效率在空间维度存在显著的空间滞后效应，同时环境效率受到多元因素的显著影响。不同的空间权重矩阵之下，环境效率的影响因素分析结果整体保持相对稳健，从而证明本文估计结果的可靠性。

表5 环境效率影响因素分析结果

具体地，经济增长对环境效率的影响显著为正，这意味着经济增长能够在一定程度上提高环境效率。无疑，这与我国深入贯彻高质量发展的基本国情密切相关，传统的粗放型发展模式得以改良。技术进步对我国环境效率的影响同样显著为正，技术改良有助于提高能源利用效率并降低单位能耗，从而有助于改善环境污染。值得注意的是，生产导向型技术进步同时会引致生产规模的快速扩张，从而诱发“能源回弹”效应并加剧环境污染，因此技术研发应强化其绿色属性。对外开放有助于我国环境效率的显著提升，造成这一情况的主要原因在于，对外开放有利于国外先进清洁型生产技术的引入和环境规制制度管理模式的推广，从而形成良好的环境治理效应，但与此同时，外商投资的影响却显著为负，这说明我国仍然面临着“污染天堂”的发展风险，部分地区成为国外高污染产业的承接地。城市化推进对于环境效率具有较为显著的消极影响，这是因为城市化推进过程中伴随着大量的基础设施建设和能源消耗，从而导致环境污染问题加剧。产业结构对环境效率的影响显著为正，这与近年来我国优化产业结构和大力发展以服务业为代表的第三产业密切相关。环境规制对环境效率的影响显著为正，这意味着环境规制政策的实施能够显著改善环境治理水平从而提升环境效率。

5 结论与政策建议

立足我国“碳达峰”和“碳中和”的现实背景，本文将碳排放作为非期望产出纳入考量，选取2004—2018年城市层面数据作为研究样本，采用EBM-DEA方法对我国环境效率进行测度并考察其在时空维度的演化特征，进而构建空间Tobit模型多维度考察环境效率的影响因素，主要得到以下结论：（1）我国环境效率在时间维度上呈现波动上升的趋势，环境效率增长率表现为较大的不确定性，我国绿色发展尚未形成真正稳健的有效路径；同时，城市间和区域间环境效率差距呈现明显的缩减，说明我国在强化区域协同治理和联防联控方面的举措成效显著。（2）我国环境效率在空间维度上存在显著的正向空间溢出效应，本地环境效率的提升有助于周边地区环境效率的同步改善。从空间结构来看，环境效率集中表现为高高集聚和低低集聚的基本态势，且空间跃迁的惰性较强，不同类型之间转移的概率较低。（3）我国环境效率受到多元化因素的共同影响，其中，经济增长、环境规制、技术进步、对外开放以及产业结构调整等因素对于我国环境效率的改善具有积极作用，而城市化推进和外商投资则会抑制我国环境效率的改善。

据此，本文提出如下政策建议：环境效率在空间维度的显著溢出性证明，环境治理工作的落实需要强化跨区域、跨部门的交流协作，通过碳排放权交易与生态补偿、环境规制的联合出台以及环境污染的联防联控等途径，充分发挥邻域之间积极的示范效应和溢出效应的正外部性。同时，继续深入贯彻落实高质量发展理念，以碳约束作为生产活动的重要约束，强化环境污染监管和治理力度，形成真正稳健可靠的绿色发展路径；坚持多管齐下，既要转变经济发展方式，持续优化产业结构，构建生态型、循环型和低碳型的生产、生活和消费方式，强化绿色技术创新研发，完善环境规制体系，还要发挥政府与民众的积极作用，通过政府的“监管之手”督促企业绿色生产，通过引领绿色效率形成健康可持续的消费理念。