城市生态效率的时空异质性及影响机理分析——以中部六省为例

郭力，程一凡

（河南工业大学 经济贸易学院，河南 郑州 450001）

年中部崛起战略实施以来，中部六省的城镇化进程不断加速、城市规模不断扩张、以各省会为中心的内陆新兴城市群逐渐成型。但同时中部各城市的重化工业占比较高[1]，资源型城市占到全国的近三分之一，传统粗放式增长模式使得城市资源消耗过度、环境承载力下降，引发大气污染、水资源紧缺、气候灾害频发、交通拥堵、城市宜居性下降等突出问题。尤其是在强省会战略下，中部六省普遍出现大城市化、特大城市化，人口、产业加速集聚，虹吸效应不仅使得城市体系结构两极分化，而且也导致城市生态安全面临巨大压力。

在长江经济带建设、黄河流域生态保护和高质量发展等国家重大战略相继实施背景下，中部地区发展导向逐渐由单纯追求经济增速转向高质量发展，区域生态系统协调和生态文明建设被置于更突出地位。在此背景下，如何提高中部六省城市的生态效率以实现经济高质量发展，成为进一步落实国家战略、实现中部崛起的突出关键问题。本文通过构建指标体系综合测度中部六省80个地级市的生态效率，进而探究城市生态效率的时空异质性及其影响机理，最后提出分区分类提升中部城市生态效率的对策建议，对于推进中部地区生态协调和高质量发展具有重要意义。

1 文献综述

德国学者Schalteggerher & Sturm[2]较早提出“生态效率”概念，认为生态效率不仅注重经济活动带来的社会财富价值，更要考察其对生态环境的影响。近年来众多学者就生态效率展开研究，主要集中在三个方面：一是关于不同区域空间尺度的研究。Jia 等[3]利用DEA 法分析了中国30 个省份整体的生态效率。侯孟阳和姚顺波[4]利用超效率SBM 模型对中国285 个地级及以上城市面板数据的生态效率进行了测算。任宇飞等[5]采用传统DEA 模型和非期望产出SBM 模型相结合的方法，对中国东部沿海地区四大城市群（京津冀城市群、山东半岛城市群、长三角城市群、珠三角城市群）的生态效率进行比较评价。马勇和张瑞[6]借助超效率EBM 模型对长江经济带752 个县域单元的生态效率进行了测算。二是关于生态效率评价指标体系的研究。张长江等[7]在构建评价指标体系时，选取资本、劳动力、土地、能源作为投入指标，以经济价值作为期望产出，以环境污染物排放作为非期望产出。万斯斯等[8]将土地、劳动、资本、用水量、用电量作为投入指标，将经济发展水平、财政收入、城市绿化、社会产出作为期望产出，将废气、废水排放作为非期望产出。孙钰等[9]选取了环保投入作为投入指标、城市绿化作为期望产出、空气污染作为非期望产出。三是关于测算方法方面的研究。当前生态效率测算的常用方法有随机前沿生产函数（SFA）[10]、生态足迹法[11]、熵值法[12]、层次分析法[13]、因子分析法[14]、数据包络分析（DEA）[15]等。近年来，国内相关研究多以数据包络分析法为基础并加以拓展，例如超效率DEA 法[16]、非期望产出的SBM 模型[17]、三阶段DEA 模型[18]等。

综上所述，当前对城市生态效率的研究成果多集中在省域、市域、某城市群尺度，但针对中部六省的系统评价研究较少。少数对中部六省的效率评价研究也多集中在科技创新效率、土地利用效率、农业生产效率等领域，缺少针对中部地区地市级层面的生态效率分析。近年来中部六省不仅成为全国区域新增长点、长江中游城市群、中原城市群等新兴城市群集中区域，而且更是长江、黄河等国家重大战略实施的核心承载区。鉴于中部六省的生态环境面临的胁迫压力与破题紧迫性，本文对中部地区城市层面的实证分析和对策建议对于当前生态效率研究具有重要理论贡献和实践参考机制。

2 城市生态效率的测度与空间相关性分析

2.1 指标选取与数据来源

本文选取固定资产投资总额作为资本要素投入，年末单位从业人员数作为劳动力要素投入，选取市辖区建成区面积作为土地要素投入，选取市辖区煤气（人工、天然气）供气总量、供水总量表征能源投入，选取普通高等学校数、床位数表征公共服务投入。产出指标则选择了市区地区生产总值和建成区绿化覆盖面积。另外以工业废水排放量、工业二氧化硫排放量作为非期望产出。基于此，构建了中部六省城市生态效率评价指标体系（表1）。因2011 年巢湖行政区划归合肥市，故剔除该城市，最终样本为中部六省80 个地级市。各指标的描述性统计见表2。本文数据来源于2006—2018 年的《中国城市统计年鉴》《中国城乡统计年鉴》以及各省统计年鉴。

表1 中部六省城市生态效率评价指标体系

表2 变量的描述性统计

2.2 SBM-Undesirable模型

数据包络分析（data envelopment analysis, DEA）最早是Charnes 等[19]在1978 年正式提出的，是在相对效率评价概念的基础上，根据多指标投入和多指标产出来评价相同类型的决策单元(DMU)的相对有效性或效益评价的一种非参数检验方法。传统的DEA 模型包括规模报酬不变的CCR 模型和规模报酬可变的BCC 模型，但其在径向性和角度方面存在测算缺陷。为弥补这一缺陷，Tone 在传统的径向、角度的DEA 模型的基础上提出了非径向、非角度的SBM 模型。本文采用引入非期望产出指标的SBM-Undesirable 模型来测算中部六省80个地级市的生态效率。对于某特定DMU(x0,y0)的生态效率测度如下：

2.3 测度结果分析

2.3.1 城市生态效率的时序演变特征

运用Stata16.0 软件，采用SBM-Undesirable 模型测算中部六省80 个地级市2008—2018 年的城市生态效率，绘制出中部六省总体生态效率演变趋势（图1）。

图1 2006—2018年中部六省总体城市生态效率

从整体来看，2006—2018 年中部六省城市生态效率以2014 年为转折点呈先降后升趋势。其中2006—2014年平均生态效率值由0.937 1 降低至0.688 1，一方面，这一时期中部六省大多数城市仍处于工业初级阶段，经济增长粗放低效，资源投入—产出比较低。尤其是各城市承接了较多污染产业转移，污染物大量排放导致环境质量逐步下降，生态效率不断下降；另一方面，2008 年金融危机后的强刺激计划加重了重化工业化和低端重复产能，不利于生态效率提升。2014—2018 年中部六省平均生态效率值开始有所回升，从0.688 1 上升至1，这主要得益于自党的十八大以来不断完善生态文明建设，积极推进产业转型升级，同时也受到前期经济效益滞后性的影响，城市生态效率显著提升。

2.3.2 城市生态效率的空间分布特征

为了更直观地理解和分析中部六省城市生态效率的空间分布特征，运用ARCGIS10.7 分别绘制了2006 年、2010 年、2014 年和2018 年这四年的中部六省城市生态效率分布图。从图2 可以看出，中部六省城市生态效率表现出明显差异，南方城市的生态效率水平明显要优于北方。2006—2014 年中部六省城市生态效率高值区由呈东南倾斜的“E”字型集聚演变成分散分布，接下来2018年演变为四周高中间低的“由”字型集聚分布。

图2 2006年、2010年、2014年、2018年中部六省城市生态效率

分省来看，中部地区的城市生态效率存在显著的省际差异。如表3 所示，研究表明，中部六省城市生态效率水平高低排序为：安徽＞江西＞湖北＞湖南＞河南＞山西。这与2018 年公布的中部六省GDP 总量排名（河南＞湖北＞湖南＞安徽＞江西＞山西）有较大差异。虽然安徽省在中部六省中人口密度较大、经济总量不足，但其第三产业比重偏大，在中部六省中名列前茅，故生态发展情况较好。江西省人口密度较小且新兴技术产业加快集聚、规模扩大，生态水平发展好的势头更加明显。湖北省人口密度适中，经济发展也较为平稳，第一、第二、第三产业协调发展，工业实力相对较强，其生态发展居中。作为农业大省，湖南省的GDP 总量及增速均居于六省前列使得其生态发展优势不太明显。河南省人口密度远高于排名第二的安徽省，且其产业结构有所失衡，第三产业发展明显滞后，生态效率有待改善。山西省是中部人口密度最小的省份，全省面临着产业结构性失调以及能源结构型污染等难题，虽然“十三五”以来全力推进和实施污染防治攻坚战，生态质量有所改善，但是生态发展质量仍是山西省高质量发展的短板。

表3 2006—2018年中部六省城市生态效率

2.3.3 城市生态效率的归类分析

本文借鉴了常新锋和管鑫[20]的分类方法对2006年和2018 年中部六省的城市生态效率做出以下分类：EE∈(0, 0.3]为低效率，(0.3, 0.5]为较低效率，(0.5, 0.8]为中等效率，(0.8, 0.9]为较高效率，(0.9, 1]为高效率。

从表4 的城市生态效率分类来看，中部六省城市生态效率整体有显著提高。2006 年中部六省城市生态效率各个层次比例为54:0:11:11:4，2010 年为41:1:24:12:2，2014 年为24:3:31:19:2，2018 年为67:0:9:4:0。2018 年中部六省高效率城市占样本总量的比重最大，这表明中部六省生态效率总体表现为高效率水平。

表4 中部六省城市生态效率分类

城市生态效率水平提升最大的城市是吕梁、邵阳、临汾。这三个城市地形多为山地丘陵，因地制宜，持续开展植树造林，建立起造林绿化新机制，深入推进生态脆弱区林业生态建设工程，以及强力推进污染防治，使得城市生态效率有较大提升。

城市生态效率水平有所下降的城市有娄底、黄石、荆州、孝感、衡阳以及商丘。黄石、荆州、孝感（其中孝感下降的幅度最大）这些城市大都出现自然资源或矿产综合利用低效、环境污染等问题久拖不为，最终导致生态效率处于较低水平状态。而娄底、衡阳以及商丘因其水资源污染使得生态效率水平下降。

平均城市生态效率最高的城市多为中等城市，如黄山、宣城、随州、十堰、张家界以及漯河等。黄山、宣城和张家界拥有高水平的生态效率说明了特色旅游文化产业对城市生态效率友好。随州、十堰的生态水平也处于高水平状态，分别说明了特色农产品、汽车和医药产业对城市生态效率友好。特色食品工业对城市生态效率也友好，例如漯河。漯河作为一个工业发展较好的城市，生态效率处于高水平得益于其坚持生态优先、绿色发展的理念，坚持综合、系统化治理，加快工业转型升级，提升了生态优势。此外，作为省会城市，合肥的城市生态效率处于高水平状态，这与安徽省坚持生态优先的发展理念是分不开的。

3 中部六省生态效率影响因素分析

3.1 模型设定

美国经济学家Ehrlich & Holdren[21]提出人类活动对环境产生的压力等于人口数量与人均环境压力的乘积，即I=PF。随后，美国经济学家Commoner[22]认为影响生态环境的因素主要有人口、富裕程度、技术水平等，首次提出了经典的IPAT 模型，即将人类活动对环境压力表示为人口数量、富裕程度与技术进步程度的乘积：

式中：I为环境压力；P为人口数量；A为富裕程度；T为技术进步程度。

随后该模型被广泛用于研究环境、人口、经济、技术四者之间的定性或定量关系。但是由于IPAT 模型存在一定的局限性，不同学者根据不同的研究需求对IPAT 模型进行了扩展与变形。Dietz & Rosa[23]在IPAT 模型的基础上提出了随机回归影响模型（STIRPAT模型），公式如下：

式中：a、b、c、d为待估计参数，e表示随机误差项。IPAT 模型是STIRPAT 模型的一种特殊形式，即a=b=c=d=e=1。

借鉴李佳佳和罗能生[24]的方法，本文对STIRPAT模型进行重构与拓展。首先，用城市生态效率EE代替式子中表示环境压力的I；其次，用城市规模US、人均储蓄PS、索罗余值SR来分别代替式子中的人口数量P、富裕程度A、技术进步程度T；然后，增加产业结构变量IS，使其与城市规模、人均储蓄、索罗余值一并作为解释变量。这样就得到了生态效率与城市规模的实证模型：

将式（4）转化为面板计量回归模型的形式：

式中：i表示城市，t表示年份，α、β、γ、δ、φ均为待估计参数。为方便实证分析，对式（5）两边取对数，得到面板回归模型为：

3.2 指标选取

本文把前面利用SBM-Undesirable 模型计算所得的城市生态效率（EE）作为被解释变量。选取了城市规模、富裕程度、技术水平以及产业结构四个指标作为解释变量。

城市的规模包括人口规模和用地规模，国内外学者大部分用城市人口数量来表示城市规模，所以本文以市辖区常住人口为标准来表示各地级市的城市规模。

富裕程度，本文选取市区居民当年年末储蓄余额（PS）来表示。居民年末储蓄余额越多，说明居民的富裕程度越高。反之，则说明居民的富裕程度越低。

技术水平，采用索罗余值（SR）来表示，计算公式为：

式中：ΔGDP/GDP为市辖区生产总值年均增长率表示的经济增长率，ΔInvest/Invest为全社会固定资产投资总额年均增长率表示的资本投入增长率，ΔEmployee/Employee为年末单位从业人员数年均增长率表示的劳动力投入增长率。本文将市辖区生产总值年均增长率、全社会固定资产投资总额年均增长率、年末单位从业人员数年均增长率逐年进行OLS 回归后得到的常数项用来表示为索罗余值。

产业结构，本文用第三产业增加值占GDP 的比重来表示。

4 实证分析

4.1 变量检验

为了防止伪回归现象的出现，本文对面板数据进行了单位根检验。采用了LLC 检验和不同单位根费雪式检验这两种方法，在对本文选取的各个变量进行一阶差分后，检验结果显示：在5%的显著性水平下，各个变量均强烈拒绝了原假设，即该面板数据不存在单位根。上述检验说明各个变量是一阶单整，可以进一步分析各变量之间的协整关系。

各个变量均通过单位根检验后，本文再次对各个变量直接进行协整检验。本文采用了Pedroni 和Westerlund 的协整检验方法，结果显示P值均小于0.1，通过了10%的显著性检验，这说明各个变量之间存在协整关系。

4.2 回归分析

首先通过F 检验和Hausman 检验，所有模型均选择固定效应模型而放弃混合回归、随机效应模型。考虑到中部六省城市在区位特征、资源禀赋等方面存在差异，将中部六省80 个地级市分为北方山西、河南、安徽所辖的44 个市，以及南方江西、湖北、湖南所辖的36 个市对比进行差异性诊断，结果如表5 所示。

表5 中部六省城市生态效率面板回归结果

从表5 可以得出，富裕程度对中部六省城市生态效率存在负向影响，这说明城市生态效率的提升并非是经济富裕的必然结果，而是存在生态系统演变的独立规律，因此在政策上中部六省必须在经济增长的同时注重保护环境、降污增效。

技术水平对中部六省城市生态效率水平有显著的正向影响。这与闫涛等[25]的研究得出的科技水平对城市生态效率的提升起着显著的促进作用一致。一方面，随着技术水平的提高，一些稀缺资源慢慢被开发出来，增加了资源的多样性，满足经济发展对资源的利用，降低了经济发展对能源的依赖性，从而使得能源消耗和污染物排放减少。另一方面，科技一直是解决我国生态环境问题的重要手段，随着技术水平的提高，环境防治的科技内涵不断丰富，环境防治的手段和方法不断得到创新，更多的环境问题可以得到解决，制约环境保护和防治工作的“瓶颈”也可以得到尽快解决。因此，技术水平的提升有利于环境污染的防护治理，达到节能减排的目的，从而促进了城市生态效率的提高。

产业结构对城市生态效率具有正向促进作用，且与其他因素相比作用效果最大。中部六省的第三产业多为劳动密集型的传统服务业，相比工矿业尤其是占比较大的重工业、化工业、资源能源产业来说，资源消耗较低、环境污染较低小。因此发展第三产业有利于中部六省城市生态效率的提升和可持续发展。

城市规模没有通过显著性检验，说明中部六省城市总体尚没有充分发挥人口集聚对城市生态效率的正向促进作用，需要进一步对城市人口规模进行优化。

从表5 分区域回归结果来看，南北区域的生态效率影响机制之间存在一定的差异。科技水平对北方三省城市生态效率有促进作用，而对南方三省没有通过显著性检验，这说明样本期内北方工业的节能减排技术推广对城市生态效率的增加效果更显著，而南方技术水平的提高更多地体现在劳动效率和技术创新上，对城市生态效率的提高效果不显著。产业结构对北方三省、南方三省都有显著的正向影响，南方三省的第三产业占比每增加1%，可以带动生态效率值提高1.127%，要远高于北方三省的0.711%。南方三省第三产业更多为知识密集型的高端服务业，知识创新度和高新技术产业占比较高，而北方三省的第三产业仍多为劳动密集型的传统服务业。这说明与传统服务业相比，知识型和高新技术产业更有利于中部六省城市生态效率的提高。

5 结论与建议

基于2006—2018 年13 年间中部六省80 个地级市的面板数据，运用基于非期望产出的SBM 模型测算出了中部六省市域层面的生态效率值，并对城市生态效率的时空演变格局以及影响机制进行了比较分析，得出了以下结论。

（1）从时序演变来看，2006—2018 年中部六省城市生态效率整体呈现先降后升的规律。其中2006—2014年呈下降趋势，2014—2018 年中部六省平均生态效率值开始回升。

（2）从空间分布来看，中部六省城市生态效率存在明显差异。中部六省城市生态效率水平高值区由“E”字型集聚演变成分散分布，又在2014 年后发展为“由”字型集聚。且南方城市生态效率要普遍优于北方城市，排序为：安徽＞江西＞湖北＞湖南＞河南＞山西。

（3）从生态效率分类来看，中部六省城市生态效率整体有显著提高。另外，平均城市生态效率最高的城市多为中等城市。

（4）从回归结果来看，总体回归结果和分区域回归结果之间存在较大差异。总体回归结果显示，城市规模的作用效果不显著，富裕程度对中部六省城市生态效率有抑制作用，技术水平、产业结构有显著的正向影响。但生态效率影响机制之间存在南北区域差异，技术进步倾向差异使得科技水平的促进作用仅在北方三省存在，在南方三省不显著；而且由于服务业结构层次差异使产业结构的促进作用在南方省份要远高于北方省份。

根据以上分析和总结，要实现中部六省的生态保护和经济高质量发展，继续提升中部六省城市生态效率水平，提出以下建议：

（1）中部六省在加快技术进步的同时也要注重技术进步的倾向。中部六省要通过技术水平的提高来减少对能源的依赖性，进而实现节能减排的目标。对于其位于南方的江西、湖南、湖北三省，也要注重科学技术在生态防护治理上发挥作用。

（2）中部六省要加快产业转型升级路径转变，遏制污染产业转移。产业结构转型升级要以高质量的生态环境为基底；因为中部地区劳动生产率低下，对污染产业不能进行“一刀切”管理，尤其是位于北方的山西、河南应结合自身资源禀赋，逐渐淘汰落后产能，实现降污增效的目的。

（3）中部六省各城市之间要加强交流，缩小城际生态效率差距。生态效率水平较高的城市应更好地发挥其生态溢出效应以及辐射作用。对于生态效率处于较低水平的城市，如商丘、孝感、黄冈和忻州等城市，应该积极主动地向周围生态效率处于高水平的城市学习和交流，借鉴先进发展经验，并结合自身产业结构、自然资源本底等，以期可以更加快速地提升生态效率水平。