长三角城市群绿色经济效率测度研究——基于共同前沿SBM模型的分析

朱　兵，刘成成

长三角城市群绿色经济效率测度研究——基于共同前沿SBM模型的分析

朱兵，刘成成

（安徽师范大学 经济管理学院，安徽 芜湖 241002）

准确测度绿色经济效率及其提升潜力能够为制定绿色经济发展策略提供参考依据。基于2005—2020年长三角城市群26个城市的面板数据，运用包含非期望产出的SBM模型和共同前沿模型测算各城市的绿色经济效率，利用共同技术比率指标对各城市间的生产技术差距做定量分析，并通过将绿色经济无效率分解为技术无效和管理无效来探究其提升路径。研究发现：共同前沿下高水平组、中等水平组和低水平组的绿色经济效率年均值分别为0.725、0.454和0.452，这说明三大群组分别有27.5%、54.6%和54.8%的效率提升空间，改善潜力巨大。高水平组的无效率主要由管理无效造成，改善绿色经济效率需要完善管理制度并提高管理水平；中等水平组和低水平组的无效率则由技术无效和管理无效共同决定，在制定绿色经济效率改善策略时需要兼顾技术改进和管理能力的提升。

绿色经济效率；SBM模型；共同前沿模型；长三角城市群

一、引言

为了解决经济增长和环境保护之间的矛盾，目前我国正在大力发展绿色经济。党的二十大报告指出要奋力推动经济社会发展绿色转型，这表明发展绿色经济已经上升到国家重大发展战略的高度。长三角城市群是我国形成时间最久、发展水平最高的城市群，在引领区域经济发展方面发挥着至关重要的作用。2021年长三角城市群GDP共计为27.6万亿元，占全国经济总量的24.1%。但是，随着经济的快速增长，长三角城市群的发展逐渐出现了资源利用率低、生态破坏和环境污染等问题，由此带来的资源环境压力严重阻碍了经济的进一步发展。提高绿色经济效率是有效解决经济发展和生态环境保护这个两难问题的重要途径。绿色经济效率是考虑了生产要素投入、资源消耗与环境污染排放的综合经济效率。效率值越高，表明绿色经济发展水平越高。测算各城市真实的绿色经济效率值并分析其提升潜力，是促进长三角城市群绿色经济快速、持续、健康发展的关键。

近年来，相关围绕绿色经济效率的研究主要有以下几个方面：测算方法上，目前国内学者测算绿色经济效率多采用随机前沿分析法（SFA）和数据包络分析法（DEA）。范建双等将工业环境污染作为环境约束变量引进SFA模型，测度了区域绿色经济效率。[1]王晓云等使用DEA-Malmquist模型对中国地级市的绿色经济效率进行了动态评价。[2]辛龙等运用非期望产出SBM模型测算了我国各省份的绿色经济效率。[3]不同区域层面上，斑斓等测算出中国省域绿色经济效率，并研究八大区域绿色经济效率空间影响机制。[4]吴遵杰等从静态和动态两个维度探究长江经济带108个地级市绿色经济效率的变动趋势。[5]孙金岭测度评价了“一带一路”重点省份的绿色经济效率。[6]绿色经济效率的影响因素上，钱争鸣和刘晓晨采用Tobit模型考察绿色经济效率的影响因素，研究发现人均GDP、FDI、产业结构，以及城市化水平等因素显著影响绿色经济效率。[7]叶仁道等在测算绿色经济效率的基础上构建出偏正态面板数据模型，指出经济发展水平、教育投入与外资利用水平促进绿色经济效率的提升，而产业结构、城市化水平和污染治理投入阻碍绿色经济效率的发展。[8]

综上所述，现有研究成果为制定绿色经济发展政策提供了重要依据，但仍存在不足之处：一是大部分研究集中于省域、市域层面，缺乏聚焦长三角城市群的研究；二是现有对于绿色经济效率的研究均假定所有决策单元面临同一个生产前沿面，忽视了不同主体的生产技术异质性，因此测算出的效率值缺乏真实性；三是大多数研究没有深入挖掘绿色经济无效率的真正根源。本文考虑了技术异质性特征，借鉴Battese等，O’Donnell，Zhang等，肖仁桥等的研究[9-12]，运用包含非期望产出的SBM模型和共同前沿模型测算2005—2020年长三角城市群26个城市的绿色经济效率。同时，采用共同技术比率对各城市间的生产技术差距做定量考察，探究绿色经济无效率来源，将其分解为技术无效和管理无效，为推动绿色经济协调发展提出相关政策建议。

二、研究方法和数据处理

（一）研究方法

1．SBM模型

2．共同前沿（Meta-frontier）模型

使用DEA方法测度效率时，其潜在假设认为被评价DMU都具有相似的生产技术水平。但实际上，各城市经济发展水平和生产技术有较大差距，面对的生产前沿也存在出入。针对这个问题，Battese等、O’Donnell等提出了共同前沿理论框架[9-10]，即依据特定标准将所有DMU划分为不同群组，分别构建出共同前沿，以及群组前沿，测算DMU在不同生产前沿下的技术效率。

共同前沿技术集合可定义为：

群组技术效率的距离函数表示为：

3．共同技术比率和绿色经济无效率的分解

在共同前沿分析框架下，共同前沿下效率值与群组前沿下效率值的比率即为MTR值，其取值范围为[0，1]。MTR值越接近于1，表明群组生产技术水平与共同生产技术水平的差距越小；反之，表明其差距越大。MTR可定义如下：

为识别不同群组绿色经济无效率的真正来源，本文参考Chiu等的研究从生产技术和管理两个维度将共同前沿下各城市的绿色经济无效率（MGEI）分解为两部分[14]，即技术无效率（TGI）和管理无效率（GMI），公式如下：

其中，不同群组的生产技术环境差异导致技术无效率，管理失误使得经济产出较低但污染排放较高，进而导致管理无效率。

（二）指标选取和数据处理

1．指标选取

本文选取2005—2020年长三角城市群26个城市的年度数据进行绿色经济效率的计算，具体数据指标包括投入指标和产出指标。投入指标中，资本投入以各城市的物质资本存量表示，本文参考单豪杰的研究使用永续盘存法对其进行估算[15]，劳动投入以单位年末从业人员数表示，能源投入以全社会用电量表示。产出指标中，选取各城市GDP作为期望产出，并以2005年为基期进行平减处理。由于DEA方法要求尽可能多的DMU个数和尽可能少的投入产出指标个数，因此本文借鉴蔺鹏、闫庆友的研究[16-17]，基于工业废水、工业SO2，以及工业烟（粉）尘污染排放的原始数据，使用熵权法构造环境污染指数作为非期望产出。数据来源于历年的《中国城市年鉴》、各省市统计年鉴和EPS全球数据库等，少数缺失值采用插值法补齐。

2．组别划分

Iyer指出地区所具备的生产技术水平与其经济发展水平密切相关。[18]人均GDP是衡量经济发展水平的重要标准，本文以城市人均GDP作为分组依据，把样本城市分为高水平组（包括上海、南京、无锡和苏州）、中等水平组（包括杭州、宁波、嘉兴、绍兴、舟山、扬州、镇江、常州、马鞍山和铜陵）和低水平组（包括湖州、金华、台州、盐城、南通、泰州、合肥、芜湖、安庆、滁州、池州和宣城）。

三、实证分析

（一）三大群组绿色经济效率的静态分析

为考察长三角城市群各城市绿色经济效率的水平差异，本文计算了2005—2020年共同前沿和群组前沿下26个城市的绿色经济效率均值，以及共同技术比率均值，计算结果见表1。

表1 2005—2020年各城市不同前沿下绿色经济效率及共同技术比率均值

由表1可以看出，长三角城市群绿色经济效率整体水平偏低，区域差异较为明显。共同前沿下，高水平组、中等水平组和低水平组的绿色经济效率历年均值分别为0.725、0.454和0.452，这表明如果采用潜在最优的生产技术，那么三个群组分别有27.5%、54.6%和54.8%的效率提升空间，仍然有巨大的改善潜力。

三大群组中，高水平组的MTR历年均值接近于1，该组的绿色经济发展表现较好，绿色生产技术水平最先进，组内城市基本不存在技术差距。而中等水平组和低水平组的MTR均值分别为0.636和0.643，说明这两组与潜在最优生产技术水平差距较大且组内城市的生产技术差距较大。

从各群组内部来看：（1）高水平组中，无锡、苏州和上海的GGE分别为0.807、0.796和0.776，MGE值分别为0.800、0.796和0.776，说明这三个城市的绿色生产技术均接近于该群组的潜在最优技术水平。南京的表现相对较差，MGE值和GGE值均为0.529，表明南京在两种生产前沿下都仍有47.1%的效率提升空间。（2）对于中等水平组而言，群组前沿绿色经济效率值均大于共同前沿效率值。从群组前沿下绿色经济效率值来看，扬州的GGE表现最好，达到0.960，而表现最差的马鞍山仅为0.510，说明马鞍山在生产上还有48.1%的效率提升空间。同理，从共同前沿下绿色经济效率值来看，这两个城市分别有42.6%、61.0%的效率提升空间。（3）在低水平组中，群组前沿下绿色经济效率表现最好的台州GGE值为0.896，而表现最差的池州GGE值仅为0.421，在生产上还有57.9%的效率提升空间；在共同前沿下，两个城市分别有52.2%和68.0%的效率提升空间。

（二）三大群组绿色经济效率的动态分析

为分析长三角城市群绿色经济效率的时间演化特征，本文绘制出各城市共同前沿效率值、群组前沿效率值以及共同技术比率的动态变化趋势图（图1）。

图1 三大群组共同前沿、群组前沿下绿色经济效率及共同技术比率的变动趋势图

由图1可知，2005—2020年间，共同前沿下高水平组的绿色经济效率均值呈现出波动式上升的趋势，中等水平组的绿色经济效率均值呈现出先上升、后下降、再上升的趋势，而低水平组的绿色经济效率均值总体上呈现逐年下降的趋势。而在群组前沿下，绿色经济效率均值并没有表现出如共同前沿下高水平组大于中等水平组大于低水平组的现象，说明了分组考察绿色经济效率具有一定的必要性与合理性。具体来看，群组前沿下高水平组的绿色经济效率均值基本呈现出波动上升的趋势，而中等水平组和低水平组的绿色经济效率均值则是来回波动，波动幅度基本控制在0.1之内。

观察共同技术比率的变化趋势图可以发现，高水平组的MTR均值一直处于较高水平，说明该组距离绿色生产技术共同前沿较近，拥有最先进的绿色生产技术，在长三角城市群的绿色经济增长中发挥着引领与示范的作用；另外两组距离共同技术前沿较远，其绿色生产技术低于最优水平，生产能力具有巨大的提升空间。再次说明了根据经济发展水平划分三大群组是合理的。

（三）绿色经济无效率分解和改善潜力分析

本文将共同前沿下绿色经济无效率（MGEI）分解为技术无效率（TGI）和管理无效率（GMI），以分析阻碍绿色经济效率改善的重要因素。分解结果的时间变化趋势如图2所示。

图2 三大群组共同前沿下绿色经济无效率分解的变动趋势图

整体来看，长三角城市群的绿色经济效率总损失较大。其中，2009年之前，中等水平组的无效率值历年最大，而之后则是低水平组的无效率值最大。

在三大群组中，高水平组的绿色经济效率损失在2005—2020年间呈现逐年递减的态势，说明绿色经济效率损失得到了一定的改善。分解结果显示，该群组各城市历年的绿色经济效率损失主要由管理无效率决定。中等水平组历年的绿色经济效率损失呈现先下降、后上升、再下降的变化趋势，造成这种现象的原因主要是管理无效，但近年来技术无效逐渐赶超管理无效，成为效率损失的主要原因。低水平组的效率总损失在2013年之前呈现逐年递增的态势，之后有所波动但变化幅度不大，该群组的绿色经济无效率由技术无效和管理无效共同决定。

此外，为进一步揭示绿色经济无效率的改善潜力来源，本文利用公式计算出2005—2020年各城市的MGEI、TGI和GMI值，并将其按年份进行平均化处理，结果如表2所示。

总体来看，绿色经济效率损失较大的城市主要集中在中等水平组和低水平组。主要因为这些城市经济发展水平较低，地方政府长期以耗费大量自然资源和牺牲生态环境为代价换取经济效益，生态破坏和环境污染问题严重。

不同群组内的绿色经济无效率存在一定差异。高水平组中，南京的效率损失最大，为0.471，无锡的效率损失最小，为0.200；中等水平组中，嘉兴的效率损失最大，为0.643，杭州的效率损失最小，为0.406；低水平组中，池州的效率损失最大，为0.680，安庆的效率损失最小，为0.434。这表明先进的绿色生产技术和管理水平在组内并没有得到有效的推广和实践。

表2 各城市绿色经济效率总损失值分解及改善潜力来源

为更好理解各城市在改善绿色经济效率方面需要着重强化哪些能力，本文设定当技术无效或管理无效的比例超过效率总损失的40%时，即认为应该重点强化该项能力。从表3可以发现，高水平组内城市的管理无效占绿色经济无效率的比重均接近于100%，该群组需要采取措施重点提升绿色生产经营的管理能力进而推动绿色经济效率的改善；而对于中等水平组和低水平组来说，其绿色经济无效率基本由技术无效和管理无效共同决定，这两组需要在改善管理能力的同时提升绿色生产技术水平。

四、结论和建议

本文基于共同前沿理论框架，运用考虑非期望产出的SBM模型和共同前沿模型对2005—2020年长三角城市群26个城市的绿色经济效率进行测算，并分析绿色经济效率的变化趋势以及效率损失的原因，以及效率改善的潜力来源，得出以下结论：

（1）长三角城市群三大群组平均绿色经济效率值较低，且绿色经济发展不平衡，但改善潜力巨大。共同前沿下，高水平组、中等水平组和低水平组绿色经济效率年均值分别为0.725、0.454和0.452。即如果采用潜在的最优绿色生产技术，各群组将分别有27.5%、54.6%和54.8%的效率提升空间。

（2）高水平组、中等水平组和低水平组之间存在显著的技术异质性。高水平组的平均共同技术比率接近于1，其在群组前沿和共同前沿下的绿色经济效率基本没有差异；中等水平组和低水平组的平均共同技术比率分别为0.636和0.643，在两种前沿下的绿色经济效率差异性较大。

（3）将共同前沿下各城市绿色经济无效率分解为技术无效和管理无效，发现不同群组的绿色经济无效率来源存在明显差异。高水平组的绿色经济效率损失主要由管理无效造成，需要完善管理制度和提升管理能力水平；中等水平组和低水平组的绿色经济效率损失则是由技术无效和管理无效共同构成，需要在改善管理能力的同时提升绿色生产技术水平。

基于上述分析，本文提出以下建议：

第一，转变经济发展方式。长三角城市群的大多数城市在提升绿色经济效率方面都存在较大的改进空间。应该加快推动经济增长方式由粗放式向集约式转变，在提升经济增长速度的同时也要重视经济增长质量。同时，要将资源节约和环境保护置于更高的战略地位，加大节能减排力度。

第二，以科技创新提高绿色生产技术水平，完善管理制度。长三角城市群汇聚了丰富的创新资源，当地政府应该加强创新产业布局与发展，对绿色科技创新项目采取税收减免、财政补贴等鼓励措施，推动地区间的产学研联合创新。另外，积极开展城际合作，强化政策协同，通过城市合作办公室或城市群发展战略联盟的方式发挥协同管理优势。

第三，因地制宜，精准施策。长三角城市群各城市的绿色生产技术差距显著，因而要通过科学精准施策实现各城市绿色经济的协调发展。上海、无锡等经济发展水平较高的城市是发展绿色经济的先行者，应该积极引进国外成熟的节能减排技术与管理模式，同时与其他经济欠发达城市开展合作交流，通过技术溢出效应和知识溢出效应来带动周边城市发展。而经济发展水平低的城市应该积极优化产业结构，增强自主创新能力，引进先进的绿色生产技术，缩小与高水平城市间的绿色经济发展差距。

[1]范建双，任逸蓉，虞晓芬.人口城镇化影响区域绿色经济效率的中介机制分析——基于随机边界模型的检验[J].宏观质量研究，2017（4）：52-65.

[2]王晓云，魏琦，杨秀平.城市绿色经济效率动态评价及影响因素——基于285个地级以上城市数据的分析[J].生态经济，2017（2）：68-71.

[3]辛龙，孙慧，王慧，等.基于地理探测器的绿色经济效率时空分异及驱动力研究[J].中国人口·资源与环境，2020（9）：128-138.

[4]班斓，袁晓玲.中国八大区域绿色经济效率的差异与空间影响机制[J].西安交通大学学报，2016（3）：22-30.

[5]吴遵杰，巫南杰.长江经济带绿色经济效率测度、分解及影响因素研究——基于超效率SBM-ML-Tobit模型的分析[J].城市问题，2021（1）：52-62+89.

[6]孙金岭，朱沛宇.基于SBM-Malmquist-Tobit的“一带一路”重点省份绿色经济效率评价及影响因素分析[J].科技管理研究，2019（12）：230-237.

[7]钱争鸣，刘晓晨.中国绿色经济效率的区域差异与影响因素分析[J].中国人口·资源与环境，2013（7）：104-109.

[8]叶仁道，张勇，罗堃.中国绿色经济效率的测算及影响因素——基于偏正态面板数据模型[J].技术经济，2017（11）：79-85.

[9]Battese G E,Rao D S P,O'Donnell C J.A meta-frontier production function for estimation of technical efficiencies and technology gaps for firms operating under different technologies[J].Journal of Productivity Analysis，2004（1）：91-103.

[10]O’Donnell C J.Meta-frontier frameworks for the study of firm level efficiency and technology ratios[J].Empirical Economics，2008（2）：231-255.

[11]Zhang N,Kong F,Yu Y.Measuring ecological total-factor energy efficiency incorporating regional heterogeneities in China[J].Ecological Indicators，2015（51）：165-172.

[12]肖仁桥，王宗军，钱丽.技术差距视角下我国不同性质企业创新效率研究[J].数量经济技术经济研究，2015（10）：38-55.

[13]Tone K,Tsutsui M.Dynamic DEA:A slacks-based measure approach[J].Omega，2010，38(3-4):145-156.

[14]Chiu C R,Liou J L,Wu P I, et al. Decomposition of the environment inefficiency of the meta-frontier with undesirable output[J].Energy Economics，2012（5）：1392-1399.

[15]单豪杰.中国资本存量K的再估算:1952～2006年[J].数量经济技术经济研究，2008（10）：17-31.

[16]蔺鹏，孟娜娜.绿色全要素生产率增长的时空分异与动态收敛[J].数量经济技术经济研究，2021（8）：104-124.

[17]闫庆友，桂增侃，张文华，等.中国能源影子价格和能源环境效率省际差异[J].资源科学，2020（6）：1040-1051.

[18]Iyer K,Rambaldi A N,Tang K K.Globalisation and the Technology Gap: Regional and Time Evidence[J]. Leading Economic & Managerial Issues Involving Globalization，2006：213-227.

Study on the Measurement of Green Economic Efficiency in the Yangtze River Delta Urban Agglomeration-An analysis based on meta frontier SBM model

Zhu Bing, Liu Chengcheng

Accurate calculation of the green economic efficiency and its improvement potential can provide a scientific basis for the formulation of green economy development strategy. Based on the panel data of 26 cities in the Yangtze River Delta urban agglomeration from 2005 to 2020, this paper uses the SBM model considering undesired output and the meta frontier model to measure the green economic efficiency of each city. Then, it uses the meta-technology ratio index to quantitatively analyze the production technology gap among cities and decomposes the green economic inefficiency into technology gap inefficiency and managerial inefficiency to explore the path of its improvement. The annual mean of green economic efficiency in the high level, middle level and low-level groups under the meta frontier were 0.725,0.454 and 0.452, respectively The finding showed that the three groups still have a large room for efficiency improvement of 27.5%, 54.6% and 54.8%, respectively, indicating the great potential for improvement would be huge. The inefficiency of high economic level group is mainly caused by the ineffective management, showing that to improve the green economic efficiency needs to improve both the management system and the management level. The inefficiency of the middle economic level group and the low economic level group is jointly determined both by the technology and the management ineffectiveness, showing that technical improvement and management ability improvement need to be taken into account in formulating the improvement strategy of green economic efficiency.

Green economic efficiency; SBM model; Meta frontier model; the Yangtze River Delta urban agglomerations

F124.5

A

1671-9255（2023）02-0006-06

2022-11-27

安徽省哲学社会科学项目（AHSKY2020D21）

朱兵（1980－ ），男，安徽庐江人，安徽师范大学经济管理学院副教授，博士，主要从事区域经济研究。

10.13685/j.cnki.abc. 000698