资源型城市生态效率时空演变及影响因素研究——以黑龙江省为例

冯露

（1.哈尔滨工程大学 经济管理学院，黑龙江 哈尔滨 150006；2.黑龙江科技大学 管理学院，黑龙江 哈尔滨 150022）

党的二十大报告明确指出，经济高质量发展取得新突破是全面建设社会主义现代化国家的主要目标任务，推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节[1]。资源型城市的转型和高质量发展是我国新阶段经济社会发展的现实需求和重要着力点，然而，资源型城市资源约束趋紧、环境污染等问题突出，其转型发展涉及调整产业结构、转变资源利用方式、提升产业效率和治理生态环境等多个方面[2]。生态效率可作为度量绿色化、低碳化的综合性指标，能够评价资源环境系统与经济社会的耦合协调程度，为客观衡量资源型城市转型成效和高质量发展水平提供了新思路和新视角[3-4]。

生态效率概念在1990 年由SCHALTEGGER 等[5]提出，后被推广和定义为在满足人类基本需求和改善生活质量的基础上，要确保资源消耗强度、环境负面影响与地球承载力保持一致，现被广泛应用于政府、企业和产业的研究中[6]。资源型城市的生态效率以城市作为经济——生态复合系统，基于经济、社会和自然要素的有效配置，强调以最少的资源要素投入创造最高的经济社会效益，并最大限度降低对生态环境的破坏，追求实现“资源—经济—环境”的三维统一[7]。城市生态效率的测度主要采用物质流法、生态足迹法、生命周期法、数据包络分析法和能值分析法等[8-12]。在生态效率定量评价指标体系中，投入指标包括能源、资源、资本、土地和劳动力等，经济产出指标包括GDP、销售产出或工业增加值等，生态环境影响指标包括工业“三废”和温室气体排放量等[13-16]。城市生态效率的影响因素涵盖经济、社会、自然、政策和技术等多方面，包括产业结构、工业发展水平、科技进步水平、产业集聚水平及环境规制等因素[17-20]。

城市生态效率问题已受到国内外学者的广泛关注，已有研究表明，资源型城市的生态效率大多低于非资源型城市[21-22]，不同资源类型、地理区位和城市规模的生态效率存在较大差异[23-24]，但对于欠发达地区尤其是集聚煤炭、林业和石油的资源型地区的研究较少。因此，本文以典型的欠发达资源型地区黑龙江省为研究对象，系统分析其生态效率测度及时空演变特征，探讨生态效率的关键影响因素并提出具体对策建议，以期为推动资源型城市绿色低碳转型和经济高质量发展提供依据和参考。

1 研究方法与数据来源

1.1 研究方法

1.1.1 非期望产出超效率SBM模型

本文采用非期望产出超效率SBM-DEA 模型，可以同时解决无效决策单元松弛变量和有效决策单元效率值无法排序的问题，是评估生态效率最有效的方法之一[11]。以劳动力、资本和能源作为投入指标，以经济作为期望产出，同时考虑环境因素作为非期望产出，对黑龙江省生态效率进行评价，构建指标体系如表1 所示。

表1 非期望产出超效率SBM模型投入产出指标

假设生态效率评价模型中有n个决策单元（DMU），即DMUj(j=1,2,…,n)；每个决策单元中有m个输入数据，xi代表投入指标，即xi(i=1,2,…,qm)；yr和bt分别代表期望产出和非期望产出，即yr(r=1,2,…,q1)和bt(t=1,2,…,q2)，整体模型设置如下：

式（1）、（2）中：i=1,2,…,m；r=1,2,…,q；j=1,2,…,n(j≠k)；ρ为DMU 的生态效率；分别为投入、期望和非期望产出的松弛变量；λ是权重。超效率SBM运行值反映了某个决策单元的生态效率，ρ值越大，表明该地区生态效率水平越高，当ρ≥1 时，表明决策单元在某年的生态效率处于最优水平。

1.1.2 Malmquist指数

非期望产出超效率SBM-DEA 模型从静态视角分析了不同决策单元的生态效率值，本研究结合Malmquist指数从动态变化视角进行展开分析，Malmquist 指数（MI）可分解为技术效率变化指数（Effch）和技术进步变化指数（Techch），分别代表决策单元生产技术变化和可利用的技术能力。在规模报酬可变且要素随机处理条件下，技术效率指数可进一步分解为纯技术效率变化指数（Pech）和规模效率变化指数（Sech），指数计算公式如下：

1.1.3 空间自相关

利用Moran’s I 指数分析研究区域内每个决策单元与周围决策单元在空间要素上的依赖程度，检验不同决策单元的生态效率是否具有空间集聚性。全局自相关中采用全局Moran’s I 指数检验区域内整体的空间关联性及聚散程度，局部空间自相关中采用局域Moran’s I 指数分析空间某要素与相邻要素的相关程度，表征其在内部空间及邻域范围内的聚集状态，计算公式如下：

式（8）～（10）中：n代表研究对象的数量，表示生态效率的平均值，S2表示生态效率的标准差，xi和xj分别代表不同地区的生态效率值。wij表示空间邻接矩阵，即地区i和j之间的邻接关系，若相邻，则值为1；若不相邻，则值为0，Ii＞0，表示生态效率高值区和低值区分别具有空间集聚性，Ii＜0，表示生态效率高值区和低值区在空间上错位集聚。

1.1.4 面板回归模型

（1）生态效率影响因素选择。对于资源型城市生态效率影响因素尚未有明确的标准，本文借鉴已有研究文献[17-20]，选择工业发展水平、产业结构升级、环境规制、技术水平和对外开放5 项因素。

①工业发展水平（ID）：资源型城市主要依赖于第二产业的发展，很大程度决定着整体经济发展水平，对生态环境具有重要影响。②产业结构升级（IS）：黑龙江省处于工业化后期发展阶段，第二、三产业比重将分别呈下降和上升趋势，选择两者比值代表产业结构升级。③环境规制（ER）：政府制定相关政策防止过度追求经济利益而破坏环境，因此，环境规制会影响资源型城市的生态效率。本文采用综合指数法计算环境规制指数，选取非期望产出4 个指标进行标准化处理，利用熵权法计算权重，即标准化值×权重=环境规制指数。④技术水平（TL）：主要体现工业生产对资源的有效利用程度，改善技术水平，提高资源利用率，促进节能减排，本文选取分地区单位总产值能耗来表示。⑤对外开放（OW）：进出口贸易能够带动经济发展，影响资源型城市工业发展布局，从而影响整体生态效率水平，本文选取进出口贸易额与GDP 的比值作为衡量对外开放水平的指标。

（2）构建面板回归模型。构建各地区生态效率影响因素标准面板数据模型如式（11）：

式中：EFit代表地区i在t年的生态效率；αi代表随时间推移而保持不变的未观察到的特征，当αi与一个或多个因素相关，则建立固定效应模型，当αi独立于所有因素，则建立随机效应模型；β代表标准化回归系数；μit代表误差项。

1.2 研究对象与数据来源

本文以黑龙江省为实证研究对象，其所辖13 个地级市作为生态效率评价的决策单元，选取2011—2020年的面板数据进行研究。各指标原始数据来源于历年《黑龙江统计年鉴》和公开发布的统计数据，黑龙江省分地区生态效率及其影响因素描述性统计如表2 和表3 所示，部分年份和城市的缺失数据通过插值法进行合理补充。

表2 黑龙江省分地区生态效率指标描述性统计

表3 黑龙江省分地区生态效率影响因素描述性统计

2 实证结果与分析

2.1 黑龙江省生态效率测算结果与特征分析

基于超效率SBM 模型（MaxDEA 7.0 软件）计算出2011—2020 年黑龙江省生态效率变化情况，如图1 所示。总体上，黑龙江省生态效率呈现出增加的趋势，与2011年相比，2020 年生态效率值提高了0.215，表明生态环境治理有一定成效，生态效率值有所提高。2011—2020年，黑龙江省生态效率年均值为0.716，处于较低水平，仍存在28.4%的提升潜力，主要集中在工业“三废”及温室气体排放上的减排压力。

图1 2011—2020年黑龙江省生态效率均值

基于时间测序可以分为三个阶段：①2011—2013年转型过渡期，黑龙江省资源和能源消耗严重，尽管环境污染治理步伐已逐年加快，但长期以来经济粗放型增长直接导致了环境结构性污染和局部生态失衡，主要污染物排放总量并没有得到有效控制。②2014—2016 年初见成效期，“十二五”时期黑龙江省将化学需氧量、二氧化硫、氨氮和氮氧化物纳入约束性指标，主要污染物减排力度加大，效果逐渐显现，生态效率有所提升。③2017—2020 年稳定发展期，生态效率值在0.780～0.802 范围内，全省规模以上工业增加值、制造业增加值以及工业固定资产投资额等各项指标表明了省工业经济运行平稳向好。

与2011 年和2014 年相比，各区域的生态效率值 在2017 年 和2020 年有较大变化（图2），2011 年，生态效率高值区为哈尔滨、绥化、大庆、大兴安岭（1.064～1.173），低值区为七台河、伊春和双鸭山（0.206～0.233）；2014 年，生态效率高值区为大庆、哈尔滨、绥化、大兴安岭和黑河（1.005～1.171），低值区七台河、伊春、齐齐哈尔和双鸭山（0.211～0.327）；2017 年，生态效率高值区为大庆、大兴安岭、绥化、哈尔滨、黑河、佳木斯和鸡西（1.007～1.143），低值区为七台河、伊春、齐齐哈尔（0.395～0.457）；2020 年，生态效率高值区为大兴安岭、大庆、黑河、绥化、哈尔滨、鸡西和佳木斯（1.005～1.129），低值区为七台河、伊春、齐齐哈尔（0.341～0.476）。2011—2020 年，生态效率均值前三名依次为大庆、哈尔滨和绥化，生态效率均值最低为七台河。总体上，低值区的生态效率呈现上升趋势，2016 年后增幅显著，前三名依次为鸡西、双鸭山和鹤岗，主要原因是煤炭资源型城市去产能后，虽然经济效益下滑，但工业“三废”及温室气体排放量大幅下降。

图2 不同年份各区域生态效率对比图

2.2 黑龙江省生态效率动态变化趋势

黑龙江省生态效率动态变化趋势如表4 所示，2011—2020 年各指数变化的几何均值中，Malmquist 指数接近于1，技术效率变化指数（Effch）及其分解指数（Pech、Sech）均大于1，表明黑龙江省生态效率整体水平有所改善；技术进步变化指数（Techch）小于1，表明技术水平亟待提高。2013—2014 年、2015—2016 年、2016—2017 年、2017—2018 年 和2019—2020 年，黑龙江省生态效率Malmquist 指数均大于1，保持生态效率稳步提升仍是资源型城市转型升级的核心。总体上，技术效率变化指数（Effch）大多高于技术进步变化指数（Techch），表明生产技术变化水平优于可利用的技术能力；纯技术效率变化指数（Pech）大多略高于规模效率变化指数（Sech），表明整体规模效益有待提高。值得关注的是，2016 年至今，除了2018—2019 年以外，年均生态效率分别增长14.4%、35.9%和24.8%，主要是由于技术进步的贡献，表明2016 年以后技术进步可以降低资源的消耗，提高资源利用率。

从表5 各区域上分析，哈尔滨、齐齐哈尔、鸡西、鹤岗、双鸭山和七台河的Malmquist 指数大于1。其中，哈尔滨和齐齐哈尔分别作为黑龙江的省会城市和临近副中心城市，具有坚实的科技实力，注重资源利用和环境保护，整体经济转型效果良好；鸡西、鹤岗、双鸭山和七台河是黑龙江省典型的煤炭资源型城市，“十三五”时期产业转型全面加速，延展煤化工产业链，聚焦煤炭、石墨、绿色食品和生物医药四大主导产业，生态效率得到明显改善。“四大煤城”技术效率指数（Effch）大于技术进步指数（Techch），纯技术效率指数（Pech）大于规模效率指数（Sech），表明系统资源配置优化合理，技术进步和规模效益有待提高。黑龙江省其他区域的Malmquist指数小于1，多数地区主要受技术进步水平的限制，从而影响生态效率测度。

2.3 黑龙江省生态效率空间相关性分析

2.3.1 全局空间自相关分析

基于黑龙江省13 个地级市的地理权重矩阵，先后利 用ArcGIS 10.8 和Geoda 1.14 对2011—2020 年生态效率的全局Moran’s I 指数进行测算，反映各区域相关指标总体的空间相关关系（表6）。2011—2016 年生态效率全局Moran’s I 指数大于0，除2013 年、2016 年外，其他年份的生态效率在10%水平下显著，表明各区域生态效率具有正向的空间集聚特征，即生态效率高值区相互邻近、生态效率低值区相互邻近；2017—2020 年全局Moran’s I 指数小于0 且P值不显著，由全局正相关向负相关转变，表明空间集聚特征减弱，生态效率高值区和低值区分散分布，具有随机性，各地区生态效率几乎不受邻近地区的影响。

表6 黑龙江省生态效率全局Moran’s I指数及其统计量

2.3.2 局部空间自相关分析

局部Moran’s I 指数体现出不同区域间的生态效率差异，大部分区域生态效率局部空间相关性不显著（图4），2011 年高—高聚集区为大庆，其作为成熟型资源型城市依托石油传统产业带动石化等新兴产业发展；2016年高—高聚集区为绥化，其占据地理优势，借助邻近省会哈尔滨的资源优势，形成良性资源配置促进区域协同发展；2016 年高—低聚集区为鸡西，接壤七台河、双鸭山和牡丹江生态效率低值区；齐齐哈尔在2011 年、2016年和2020 年为低—高聚集区，周边的黑河、绥化和大庆为生态效率高值区。

图4 生态效率局部空间自相关Lisa图

从局部Moran’s I 指数散点图（图5）可以看出，2011年，黑龙江省生态效率主要分布在第一、二、三象限，位于第一象限的高—高集聚区域为黑河、哈尔滨、绥化、大庆和大兴安岭，位于第二象限的低—高集聚区域为齐齐哈尔和伊春，位于第三象限低—低集聚区域为七台河、鹤岗、双鸭山、鸡西、牡丹江和佳木斯，占比达46.15%，煤炭资源型城市占比为66.67%。与2011 年相比，2016年生态效率变化较为明显，位于第一象限的区域为大兴安岭、伊春、绥化、大庆、黑河，且聚集程度较高，位于第二象限的区域为齐齐哈尔和鹤岗，但相关性较弱，聚集在第三象限的区域为七台河、双鸭山、佳木斯和牡丹江，聚集在第四象限的区域为哈尔滨和鸡西，位于高—低集聚和低—高集聚的“非典型”区域占比为30.77%。2020 年，位于第一象限高—高聚集区为大兴安岭、绥化和大庆，与2016 年相比，高—高集聚区减少两个，位于第二象限的为齐齐哈尔、伊春和七台河，聚集在第三象限的为鹤岗，牡丹江和双鸭山处于第二、三象限交界处，表明局部空间相关性减弱，位于第四象限的区域为黑河、哈尔滨、佳木斯和鸡西，处于高—低集聚和低—高集聚的“非典型”区域占比提高至53.85%。

图5 生态效率Moran’s I散点图

2.4 黑龙江省生态效率影响因素分析

2.4.1 影响因素回归结果分析

在面板回归模型前，利用方差膨胀因子（VIF）对自变量进行多重共线性检验，结果显示VIF 值1.13～3.87范围内，表明自变量间不存在多重共线性问题。利用Stata 17.0 相关计量模型，以工业发展水平、产业结构升级、环境规制指数、技术水平和对外开放作为解释变量，以生态效率作为被解释变量构建面板模型，并且使用稳健标准误法进行建模（表7）。

表7 生态效率影响因素回归结果

F检验表明固定效应模型（FE）优于混合效应模型（OLS），固定效应模型纳入虚拟变量因素对个体固定效应模型进行评估（FE_LSDV）。Hausman 检验P值为0.000 0，表明固定效应模型（FE）优于随机效应模型（RE）。为了避免数据中存在异常值对回归结果产生影响，本文对生态效率值及其影响因素分别进行了剔除省会和缩尾处理，重新对回归结论的稳健性进行考证。结果表明，影响因素的显著性和正负系数均未发生变化，回归结果稳健。

2.4.2 生态效率影响因素分析

基于固定效应回归结果表明，设定影响因素中除环境规制外均呈负向显著性检验，表明黑龙江省生态效率水平低是多种因素的综合影响。在工业发展水平方面，工业化率每提高1%，生态效率下降0.747 4%。黑龙江省工业化发展起步早，制造业产业规模大，过度依赖传统能源，不仅耗用大量不可再生资源，而且在利用过程中不可避免产生二氧化硫、氮氧化物和烟尘等污染物。在产业结构升级方面，产业结构每提高1%，生态效率下降0.070 3%，表明第三产业的发展相对弱化，污染强度较高的第二产业仍占据主导地位。在环境规制方面，环境规制对生态效率产生显著正向影响，表明环境规制对改善黑龙江省生态环境发挥显著作用。在技术水平方面，单位总产值能耗每增加1%，生态效率下降0.687 4%，表明黑龙江省对资源和能源的依赖程度较高，仍处于粗放式的经济发展模式，“高投入，低产出”的生产模式对生态环境造成严重影响。在对外开放方面，对外开放程度每提高1%，生态效率下降0.087 1%，进出口贸易聚焦在以“煤、油和气”为主的能源贸易，加之新冠疫情的影响，进出口贸易额在2019—2021 年大幅下降，从而影响生态效率水平。

3 结论与建议

本文通过构建黑龙江省生态效率评价指标体系，基于非期望产出超效率SBM 模型和Malmquist 指数分析生态效率时空演变特征，利用Moran’s I 指数分析生态效率空间相关性，构建固定效应模型分析黑龙江省生态效率的影响因素。主要研究结论如下：

（1）2011—2020 年，黑龙江省生态效率总体呈增加趋势，基于时间测序可分为转型过渡期、初见成效期和稳定发展期三个阶段；不同区域的生态效率差异较大，低值区的生态效率呈现上升趋势，煤炭资源型城市增幅较为显著。

（2）基于时间维度动态变化，黑龙江省生态效率整体水平有所改善，但仍有较大增长空间，系统资源配置水平优于技术进步水平，整体规模效益有待提高。基于区域维度动态变化，哈尔滨和齐齐哈尔分别作为省会城市和邻近副中心城市，整体经济转型效果良好；四大煤炭资源型城市产业转型全面加速，生态效率得到明显改善。

（3）从全局空间自相关上看，2011—2016 年各区域生态效率具有正向的空间集聚特征，2017—2020 年空间集聚特征减弱，各地区生态效率几乎不受邻近地区的影响。从局部空间自相关上看，处于高—低集聚和低—高集聚的“非典型”区域占比提高，经济关联性逐渐减弱。

（4）工业发展水平、产业结构升级、技术水平和对外开放对生态效率产生显著负向影响，综合原因聚焦在对传统产业、资源和能源的依赖，粗放式的经济发展模式尚未彻底改变，对生态环境造成负面影响；环境规制因素对生态效率产生显著正向影响，起到显著提升黑龙江省生态效率的作用。

基于上述结论，本文提出以下建议。

（1）以煤炭资源型城市为核心，持续优化产业结构。有序减少矿产资源开采，因地制宜对矿山矿洞进行绿色回填，扩大省内绿化空间。推进传统工业向新型智能制造产业转型，提高资源利用率，降低废弃物产出，减少对生态环境的破坏，从而提高黑龙江省整体生态效率水平。

（2）持续增强哈尔滨作为省会城市的辐射力、影响力和带动力，加速技术、资本和人力等要素的外溢，发挥空间集聚效应，优先建立以哈尔滨为中心的生态效率高—高集聚区域，逐步带动省内其他区域生态环境发展。

（3）着重提高生态纯技术效率，加大政府、企业、高校和科研院所的合作力度，实现技术引进、改造和自主研发。对于传统产业尤其是制造业和能源工业，加强数字技术研发，推动数字技术赋能生态环境保护，从而提高黑龙江省整体规模效益。