“两山”理论下安徽省产业结构绿色转型升级研究

张 艳，刘 琼

（铜陵学院，安徽 铜陵 244061）

一、引言

“生态兴则文明兴”——党的二十大报告指出，中国式现代化的本质要求之一， 就是要促进人与自然和谐共生。 党的十八大以来， 习近平总书记围绕着生态文明建设作出了一系列重要论断， 系统形成了“两山”理论，有力支持了安徽省产业结构绿色转型升级[1]。 2021 年安徽省GDP 同比增长8.3%，达到了42959.2 亿元， 三次产业结构从 2020 年的8.4：40：51.6 调整为 2021 年的 7.8：41：51.2。 安徽省近五年一直大力发展第三产业， 第三产业增加值占全省GDP 比重从 2017 年的 48.6%提升至 2021 年的41.2%，表明安徽省产业结构转型取得了一定成效，如表1 所示。

表1 2017-2021 年安徽省三次产业增加值占全省GDP 比重

安徽省产业结构绿色转型的进程较慢，经济发展与环境污染之间的矛盾日益加剧。根据习近平总书记对长三角一体化战略发展的要求，经济发展亟需转变为高质量发展，即绿色、高效的可持续发展。在此背景下， 安徽省必须加速探索产业结构绿色转型升级路径，缩小与长三角其他两省一市之间的差距。

二、安徽省产业结构绿色转型评价分析

（一）安徽省产业结构绿色转型评价指标体系构建

产业结构绿色转型是指通过国家政策的引导，改善当地环境治理， 通过科技创新等手段促进经济高质量发展，实现产业结构绿色转型升级[2]。 从经济高质量发展、科技创新、环境质量和国家政策四个维度选取指标来构建安徽省产业结构绿色转型评价指标体系。

1.经济高质量发展。 经济高质量发展状况一定程度上可以体现产业结构发展水平[3]。 选取第三产业增加值增长率和人均生产总值两个指标来衡量安徽省经济高质量发展。

2.科技创新。 科技创新可以预测产业结构绿色转型效果。 借鉴田泽等（2018）[4]的研究成果，选取财政科技支出指标来衡量安徽省科技创新。

3.环境质量。产业结果绿色转型与环境质量之间存在密切的关系，两者互相影响。借鉴刘浩等（2021）[5]的研究成果，选取生活垃圾无害化处理率和工业废水排放量两个指标来衡量安徽省的环境质量。

4.国家政策。 国家政策引导直接影响产业结构绿色转型的进程， 选取建成区绿化覆盖率指标来衡量国家政策。

本文构建的安徽省产业结构绿色转型评价指标体系，涵盖了四个维度、六大指标，如表2 所示。

表2 安徽省产业结构绿色转型评价指标体系

在构建安徽省产业结构绿色转型评价指标体系后，本文采取熵权法确定各指标的权重。针对正向型指标，采取公式（2-1）进行标准化处理，针对负向型指标，则采取公式（2-2）进行标准化处理。

以上的所有数据来源于2017-2021 年 《安徽省统计年鉴》，部分存在口径不一致的指标，采取均值插补法进行处理。 计算步骤如下所示：

（1）标准化处理

首先根据公式（2-1）和（2-2）将指标进行标准化，如表3 所示。

表3 安徽省产业结构绿色转型评价指标标准化

（2）计算熵值和熵权

在将指标标准化后，采用公式（2-3）求出每个指标的熵值，然后采用公式（2-4）计算出每个指标的熵权，如表4 所示。

表4 安徽省产业结构绿色转型评价指标熵值和熵权

（3）安徽省产业结构绿色转型评价指标权重

通过前文的计算， 安徽省产业结构绿色转型评价指标权重如表5 所示。

表5 安徽省产业结构绿色转型评价指标权重

（二）安徽省产业结构绿色转型评价

通过熵权法确定各指标权重后， 与相应指标的数值相乘可以得到各维度水平的评价结果[6]。

1.安徽省经济高质量发展水平评价

安徽省2017-2021 年经济高质量发展维度的评价结果如表6 所示。

表6 安徽省2017-2021 年经济高质量发展水平

从表6 可知， 安徽省经济高质量发展水平在近五年呈现了先增长，后下降，并于2021 年重新增长的态势。 安徽省在2019 年加入长三角经济协调会后，经济高质量发展水平下滑幅度减弱，说明安徽省充分意识到了经济与环境平衡发展的重要性， 并于2021 年通过产业结构绿色转型，实现了近五年内最高质量的经济发展。

2.安徽省科技创新水平评价

安徽省2017-2021 年科技创新维度的评价结果如表7 所示。

表7 安徽省2017-2021 年科技创新水平

从表7 可以看出， 安徽省近五年的科技创新水平整体呈现明显的增长趋势。 这主要得益于安徽省一方面将新能源产业列为十大重点新兴产业并加大扶持力度，另一方面得益于加大科技人才的引进，例如安徽省在2021 年发布的政策中提到企业招募高科技人才可以享受税收补贴等， 这为安徽省产业结构绿色转型提供了有力支撑。

3.安徽省环境质量水平评价

安徽省2017-2021 年环境质量维度的评价结果如表8 所示。

表8 安徽省2017-2021 年环境质量水平

从表8 的数据可以发现， 安徽省环境质量水平的波动性较大， 呈现出来的特征是 “好一年， 坏一年”。 通过进一步研究发现，之所以导致这种情况发生的主要原因在于安徽省第二产业中的大量工业企业没有自发形成绿色发展的理念， 主要还是依赖于当地的环境规制。 这也从侧面展现出安徽省产业结构绿色转型还不够彻底， 特别是对于工业企业的污染排放缺乏常态化的机制。

4.安徽省政策水平评价

安徽省2017-2021 年国家政策维度的评价结果如表9 所示。

表9 安徽省2017-2021 年政策水平

从表9 中的数据可以发现， 安徽省在2017-2019 年的政策水平呈现上升趋势， 但是在2020 年突然下滑，并于2021 年出现了小幅的上升。 通过研究发现， 安徽省部分政策制定主要参照长三角其他两省一市，可能没有紧密结合安徽省实际发展情况，导致政策的匹配性变低， 这在一定程度上影响了安徽省产业结构绿色转型进程。

5.安徽省产业结构绿色转型综合评价

通过上述对安徽省产业结构绿色转型四个维度的评价分析后， 本节对安徽省产业结构绿色转型进行综合评价，如表10 所示。

表10 2017-2021 年安徽省产业结构绿色转型指数

从表10 中的数据显示，安徽省产业结构绿色转型指数在近五年总体上呈现上升趋势， 说明安徽省产业结构绿色转型的进展较好。 但是需要注意的是2018-2019 年该指数出现了明显的下降， 主要原因在于2019 年环境质量水平大幅度下滑，这也印证了产业结构绿色转型的关键在于经济与环境的平衡发展， 也表明安徽省对于工业企业的高质量绿色发展引导不足。

三、安徽省产业结构绿色转型影响因素分析

上文对安徽省产业结构绿色转型进行了简要评价，在此基础上，本节首先通过文献研究选取影响安徽省产业结构绿色转型的因素， 然后采用随机效应模型实证分析上述因素对于安徽省产业结构绿色转型的影响， 为下文的安徽省产业结果绿色转型升级路径建议奠定基础。

（一）影响因素指标选取

1.因变量选取

因变量为表2-9 中计算出来的安徽省产业结构绿色转型指数， 该指数可以体现安徽省产业结构绿色转型水平。

2.自变量选取

（1）劳动力。一方面，随着产业结构转型，产业对于劳动力的文化素质要求提升，另一方面，当劳动密集型的产业附加值较低[7]。 这在一定程度上可以衡量产业结构绿色转型的水平， 故选取普通高等学校在校学生人数来衡量劳动力。

（2）科技创新。科技创新可以预测产业结构绿色转型效果， 选取财政科技支出指标来衡量安徽省科技创新。

（3）消费水平。 根据凯恩斯的观点，需求决定供给， 相应的居民消费水平对于产业结构绿色转型有着重要作用[8]，选取居民可支配收入指标来衡量消费水平。

（4）政策扶持。通过前文分析可知，安徽省环境质量出现“好一年，坏一年”的原因主要在于政府政策扶持力度不足，引导不够彻底，并且因为安徽省政策制定主要参照长三角经济协调会的其他两省一市，缺乏对本省的匹配性，所以政策扶持对于产业结构绿色转型至关重要，选取工业废水排放量来衡量政策扶持。

综上，变量选取情况如表11 所示。

表11 变量定义

上述数据来源于2017-2022 年 《安徽省统计年鉴》，部分存在口径不一致的指标，本文采取均值插补法进行处理。

（二）模型构建

本文采取面板数据回归模型实证分析安徽省产业结构绿色转型影响因素，如公式（3-1）所示。

公式（3-1）包含三种不同类型的面板数据回归模型，要区分具体的类型，首先需要采用F 检验来选择固定效应模型或混合数据模型， 接着采用Hausman 检验来判定固定效应模型或随机效应模型。 按照此方法构建本文模型。

1.变量描述性统计

采用2017-2021 年选取的变量构建面板数据模型，相关变量的描述性统计如表12 所示。

表12 变量统计性描述

2.平稳性检验

在进行回归前首先需要确保变量是否平稳。 采用IPS 单位根的方法对变量进行平稳性检验， 如表13 所示。 根据表13 的结果显示，所有变量在5%水平下显著，并且在差分后否定序列不稳定假设，所以可以得到结论，所有变量是平稳的。

表13 变量平稳性检验

3.F 检验 &Hausman 检验

首先对变量进行F 检验， 发现模型为固定效应模型， 接着采用Hausman 检验发现统计值为3.2，P值远大于0.05， 所以本文的面板数据模型选取为随机效应模型，如表14 所示。

表14 F检验 &Hausman 检验

（三）实证结果分析

在确定了模型为随机效应模型后， 对变量进行回归处理，得到表15。 普通高等学校在校学生人数、财政科技支出和居民可支配收入在5%水平下显著，工业废水排放量在1%水平下显著，说明上述指标对于安徽省产业结构绿色转型有促进作用。

表15 变量回归系数

（1）劳动力。从表15 可以发现，普通高等学校在校学生人数对于安徽省产业结构绿色转型的影响最大，说明随着劳动力文化素质的不断提高，安徽省产业结构绿色转型的水平会相应提升。 从另一个角度而言，随着安徽省产业结构绿色转型水平的提升，对于劳动力文化素质的要求也会越来越高。

（2）科技创新。从表15 中的数据可以发现，安徽省每增加的1%财政科技支出， 安徽省产业结构绿色指数的水平便会上升0.0427%。 随着财政科技支出的提高，社会生产效率提升，同时带动第三产业的发展， 从而促进安徽省产业结构绿色转型。 与此同时， 随着财政科技支出的提高， 科技创新的机会提高，这是安徽省产业结构绿色转型的重要动力。

（3）消费水平。 从表 15 中的数据可知，居民可支配收入对于安徽省产业结构绿色转型的影响程度弱于劳动力和科技创新，这说明虽然居民消费一定程度上可以促进产业结构绿色转型，但是传导速度较慢。

（4）政策扶持。从表15 中的数据可知，工业废水排放量与安徽省产业结构绿色转型呈显著的负相关，而且系数的绝对值大于财政科技支出。这说明如果政府不加快引导企业自主性的向绿色发展路径进行转变， 那么安徽省的的财政科技支出带来的正向效应会被安徽省工业企业的环境污染行为所替代。

四、安徽省产业结构绿色转型升级对策建议

通过以上实证分析得知， 劳动力文化素质的提高、财政科技支出的提升、居民可支配收入的提升可以促进安徽省产业结构绿色转型， 工业废水排放量的提升会抑制安徽省产业结构绿色转型。 针对上述实证结果，本文提出以下对策建议。

（一）重视高素质劳动力的培养与引进

高素质劳动力是产业结构绿色转型的基本资源要素， 安徽省产业结构绿色转型升级的关键路径之一就是持续培养和引进高素质劳动力。 一是安徽省需要加大高等教育的投入， 包括给与当地高等院校更多的研发经费和财政补贴， 鼓励安徽省各大高等院校提升学生的综合素质， 并将学生的培养方向与安徽省产业转型方向相结合[9]。 二是在原有的高素质人才引进政策基础上加大奖励力度， 例如鼓励当地的高科技企业通过股权、 住房使用权等激励方式吸引高素质劳动力来安徽就业发展， 相应的政府也需要对企业在这方面的投入进行大幅度的补贴。

（二）不断加强科技创新投入

除了政府加大财政科技支出外， 更需要出台更具激励性的政策引导企业加大科技创新投入。 随着各地政府隐形债务风险的提升， 安徽省应该谨慎的加大财政科技支出， 要以成果转化为导向。 与此同时， 安徽省需要号召各市主动寻求科技支出资金的有效来源， 并在各种场合引导企业加大科技创新投入，出台鼓励企业科技创新投入的政策，特别是对于绿色金融业务加大扶持。建议安徽省可以加速当地实体企业与金融企业之间的融合，一方面通过鼓励科技创新投入来促进上述两类企业的高质量发展，另一方面通过政府担保等方式为实体企业注入科技创新资金，解决科研经费短缺问题，最终实现实体企业、金融企业、政府三方共同投入科技创新的局面[10]。

（三）大力促进居民消费

随着疫情管控措施的改变， 居民消费欲望逐渐被唤醒。虽然从实证结果来看，居民消费对于安徽省产业结构绿色转型的促进作用略弱于劳动力和科技创新，但是居民消费的作用是多元化的，因为消费是经济发展关键的“三驾马车”之一。 为此，一方面安徽省需要主动引导居民向绿色产品的消费， 可以发放相应的消费券，另一方面，安徽省需要重视中小企业的扶持问题， 因为中小企业为社会创造了大量就业， 而中小企业的健康发展直接带来的就是居民可支配收入的提升，从而促进产业结构绿色转型。最为重要的是， 安徽省需要充分借助加入长三角经济协调会的契机，摒弃当下区域发展的局限性眼光，鼓励下属的城市加入南京都市圈、杭州都市圈、上海都市圈等，一方面可以加速下属城市的经济发展，另一方面也可以借鉴长三角相关城市的绿色发展经验。

（四）增强环境整治力度

首先，安徽省需要加强环境保护规制，一方面加大对于破坏环境的企业的罚款力度， 并加强企业环境保护方面的日常监督， 另一方面除了上述强制性的环境保护规制外， 安徽省需要加强对于企业绿色发展的日常引导， 出台相应的政策鼓励企业履行环保保护的社会责任[11]。其次，除了从根源上解决企业环境污染问题外， 安徽省需要加大新能源产业的开发力度，与行业内知名的新能源企业建立合作关系，尝试引进一批新能源龙头企业，推动风能、光能和氢能等绿色能源的使用， 积极引导安徽能源使用结构转型。

五、结语

本文在研究安徽省产业结构绿色转型升级路径的过程中构建了安徽省产业结构绿色转型评价指标体系， 运用随机效应模型对安徽省产业结构绿色转型的影响因素进行实证分析， 并提出了相应的转型升级对策建议。 由于安徽省产业结构绿色转型影响因素众多，文章仅选取劳动力、科技创新、消费水平和政策扶持四个方面的指标，可能具有一定局限性，而且并没有对安徽省下属的十六个地级市进行异质性分析，未来的研究会在上述两个方面进行完善。