華東地區工業生態效率面板數據研究

戴志敏 曾宇航 郭露

摘要：構建了生態效率投入產出指標體系，運用超效率DEA法測度了相關省市2003～2013年間工業生態效率，并利用Malmquist指數對工業生態效率實施了動態對比，并建立Tobit模型對主要影響因素進行識別。研究結果表明：華東地區工業生態效率總體水平不高，省際間差異十分明顯，但是呈現顯著的趨同現象；Malmquist分析表明，各地區全要素生態效率TFP值都大于1，且年均增長率為72%，技術進步對工業生態效率增長有較大推動作用；工業生態效率同研發強度、利用外資、工業結構等因素具有正相關關系等。最后，就提高工業生態效率提出了相應的政策建議。

關鍵詞：超效率DEA；Malmquist指數；工業生態效率；華東地區

DOI：10.13956/j.ss.1001-8409.2016.07.08

中圖分類號：F1245；F127 文獻標識碼：A 文章編號：1001-8409（2016）07-0035-05

Abstract： This paper constructs the ecoefficiency indicator system of input and output， and then it measures industrial ecoefficiency of relevant provinces from 2003 and 2013 by Superefficiency DEA method. And then， it does dynamic and comparative analysis of industrial ecoefficiency by Malmquist index and identifies its main factors by Tobit model. Results show that， firstly， the overall level of industrial ecoefficiency in East China is not high， there exists individual differences between provinces， but shows a significant convergence phenomenon. Secondly， Malmquist analysis showed that the area of ecoefficiency TFP total factor value is greater than 1， and the average annual growth rate is 7.2%， industrial ecoefficiency and technological progress have a greater role in promoting growth. Thirdly， there is a positive correlation relationship among industrial ecoefficiency with the R&D intensity， foreign investment， industrial structure and other factors. In the end， it puts forward some suggestions to improve the industrial ecoefficiency.

Key words：Superefficiency DEA；Malmquist index；industrial ecoefficiency；East China

1引言

國際經濟發展經驗與產業結構升級規律表明，當經濟發展到一定程度時，環境污染、資源浪費等問題十分突出，需要著重提高工業發展的生態效率水平。生態效率評價的是人類生產活動同地區生態承載力的關系，這一概念最早由Schaltegger和Sturm提出[1]。1992年，世界可持續發展工商委員會提出了生態效率概念[2]。因此實現各個行業的生態效率提升對于維護人類生態環境具有重要意義。

最初研究多集中于企業、行業等微觀層面，如OECD國家通過對政府、工業企業以及其他微觀組織進行研究[3]；后來將對生態效率的研究逐步擴展到產業等宏觀層面，如Hur等運用環境經濟核算的生產率指標評價德國國家層面的生態效率水平[4]；類似的研究也在其他一些國家和地區展開[5～8]；Wurstorn等甚至嘗試建立歐洲統一的生態效率統計框架[9]，這對研究大區域生態效率具有很好的啟發意義。

目前我國關于生態效率的研究也主要是處于實證分析階段，如楊斌利用數據包絡分析（DEA）方法對我國生態效率進行研究，并從宏觀角度測度與評價了中國2000～2006年的生態效率[10]；另外在考慮地區生態效率的基礎上研究該地區的生態效率及影響因素，如羅能生等人運用超效率DEA方法對我國1999～2011年省際面板數據進行實證分析，既測量了區域生態效率，也通過面板計量模型研究了區域生態效率與城市化的關系，并認為城鎮化水平與區域生態效率呈非對稱U型關系的結論[11]；類似研究還可見付麗娜等人對長株潭地區的研究[12]；陳浩等人對32個資源型城市的研究[13]。在現有研究的基礎上結合各地區實際，對評價生態效率指標體系進行擴展研究。王震等人構建了評價區域工業生態效率的指標[14]；高峰等人綜合考慮了工業增加值、能源消耗以及環境等方面的因素，對我國30個省市工業生態效率進行測度[15]；潘興俠和何宜慶則將工業生態效率分解為源頭和末端消減效率，構建了效率評價模型[16]。

現有文獻對我國的工業生態效率進行了許多有意義的研究。但仍存在如下主要問題：一是單純考慮工業生態效率，缺乏對其影響因素的研究，如沒有從影響因素視角分析生態效率的差異[17]；二是在研究尺度上，現有文獻主要關注全國范圍內的工業生態效率，而對于重點區域的研究較少；三是在研究方法上多采用CCR和BBC模型計算效率值，而這些模型在面對面板數據時則存在顯著的局限性，如楊文舉無法對4個省都是有效決策單元進行區分[18]；四是在選用的數據格式上，大多文獻忽視了包含時空兩個維度的面板數據。在此情形下，本文以華東六省一市為例，利用超效率DEA法結合Malmquist指數模型研究2003～2013年間的工業生態效率，并從研發強度、利用外資、工業結構、環境治理等4個主要方面對影響因素進行Tobit模型的實證分析。

2研究方法與數據說明

21研究方法

211DEA方法

Charnes和Cooper于1959年在對工業的實證分析中提出了機會約束規劃。借助于數學規劃原理把決策單元（DMU）投入產出的權重系數作為優化變量求得效率[19]。而傳統的DEA模型在評價DMU時存在同時出現多個DMU都處于前沿面的狀況，從而導致了結果不可靠，因此無法進一步評價。Andersen等則建立了超效率DEA模型，使得效率高低的比較也能在相對有效決策單元之間進行[20]。超效率DEA模型基本思路如圖1所示。在計算單元B的效率值時，將B排除在DMU集合之外，線段BB′表示B點的投入量可增加的幅度，則B點的超效率評價值為OB′/OB>1。按此方法，本文可以繼續計算出A、C、D的超效率值。

22研究指標及數據選取

區域工業生態效率投入中主要以資源消耗和環境污染為代價，產出為工業生產成果的經濟價值。為全面反映各省的工業生態效率水平，參考前述學者的研究，本文將環境污染排放與資源消耗作為投入指標，以各個地區的工業增加值為產出指標[16]。其中環境污染指標選擇了具有代表性的工業廢水和工業廢氣排放量。因為考慮到我國能源消耗對全球和區域環境影響的嚴重性，資源消耗方面選取了工業能源消費量。構建了區域生態效率評價的指標體系（見表1）。

在衡量華東地區工業生態效率的影響因素方面，本文參考張淑英、潘興俠[16]等人的研究選取了4個影響因素指標分析因素變動對工業生態效率的影響：①研發強度：工業企業R&D經費內部支出與工業增加值的比值；②利用外資：外商投資工業企業工業總產值占工業總產值比重；③工業結構：重工業總產值與工業總產值的比值；④環境治理：工業污染治理項目本年完成投資額與工業增加值的比值。

本文投入產出指標數據來源于相關各年的《中國統計年鑒》（2004-2014）《中國工業統計年鑒》（2004-2014）《中國環境統計年鑒》（2004-2014），部分缺失數據由各省市2004～2014年統計年鑒補充，其中浙江省的工業能源消費量系數據組間估算。經手工統計整理合成2003～2013年華東地區六省一市的面板數據集。

3實證結果分析

31工業生態效率靜態分析

將2003～2013年華東地區六省一市投入產出相關數據輸入EMS13軟件，可以得到各省市的年度工業生態效率值，如表2所示。

結果表明：從時間尺度來看，華東地區各省市平均工業生態效率總體呈現先下降后上升的較好的發展趨勢。2003～2009年各DMU工業生態效率平均值小于1，處于規模報酬遞減階段，而從2010年開始，除2012年低于1之外其余都大于1，處于規模報酬遞增階段；總的平均值為096，說明從2003～2013年華東地區的工業生態效率總體水平不高，但呈現良好發展趨勢。而從空間角度來看：上海市是華東地區工業生態效率值最大的地區，達到1449，且2003～2013年的工業生態效率值均大于1，說明上海市的工業生態效率水平較高，其次是浙江省，再次是江蘇省，安徽省是華東地區工業生態效率水平最低的地區，平均值為0642，處于較為嚴重的規模報酬遞減階段。根據表2可以得到如下結論：

第一，華東地區工業生態效率總體水平不高，但處于整體上升階段。主要原因在于華東地區的經濟發展水平差異較大，上海等長江三角洲地區是我國經濟發展最為活躍的地區，其次是山東和福建，安徽和江西則處于我國經濟發展水平較低的中部地區。

第二，華東地區的工業生態效率存在顯著的省際間差異，經濟發展水平越高的省市工業生態效率水平越高。結果表明華東地區工業生態效率水平高低排序依次為：上海、浙江、江蘇、福建、山東、江西、安徽；上海市工業生態效率值一直大于1，而安徽則一直處于1以下。由此看出，經濟發展水平與工業生態效率的關系密切相關。

第三，華東地區的工業生態效率整體存在趨同性。首先，從上海的工業生態效率可以看出：2003～2013年工業生態效率值呈現下降趨勢，但總體還是處于規模報酬遞增階段；福建、山東的工業生態效率值有明顯的下降趨勢；浙江、江蘇從規模報酬遞減階段轉變為遞增階段；江西、安徽的工業生態效率總體呈現上升趨勢，但一直處于規模報酬遞減狀態。

32工業生態效率動態分析

超效率DEA是基于截面數據對單個地區的工業生態效率進行研究的。而Malmquist指數分析模型則是基于時序一體的面板數據對地區的工業生態效率進行研究，依據式（1）和式（2）可知，Malmquist指數分析模型可將地區的工業生態效率分為綜合技術效率、技術進步、純技術效率、規模效率與全要素生產率5個指標。表3給出了2003～2013年華東六省一市工業生態效率的Malmquist指數分解；表4則給出了華東地區各年份平均工業生態效率的Malmquist指數及分解結果。

從表3可以看出：華東地區各省市的全要素生產率都大于1，平均全要素生產率為72%。江西和安徽是華東地區全要素生產率最高的地區，福建是華東地區全要素生產率最低的地區。這說明目前華東地區的工業生態效率總體呈現較好的趨勢。但是全要素生產率較低的福建和山東要注重提高工業生態效率的增長速度。

從分解指標看來：技術進步對全要素生產率有很大的影響。擁有較高的全要素生產率的江西、安徽，它們的綜合技術效率（1041）、（1042）和技術進步（1062）、（1061）都非常高。而擁有最低的全要素生產率的福建，主要是受規模效率和技術進步的抑制，所以福建要擴大生產規模，形成規模效應，并提高技術水平。雖然山東的全要素生產率處于第二低的位置，但是技術進步位于第二（1070），工業生態效率增長幅度小主要是受規模效率的約束。故其應擴大規模，進一步完善生產規模體系。

根據表4，本文進一步來分析2003～2013年華東地區各指標的發展動態變化。從均值看，華東地區的全要素生產率為1072，總體上處于規模報酬遞增階段，綜合技術效率、技術進步、純技術與規模效率分別為1009、1062、1005和1004。由此可見，華東地區的全要素生產率主要依靠技術進步來拉動，純技術效率與規模效率對華東地區的綜合技術效率提升作用不明顯。從表4中華東地區全要素生產率動態演變來看，全要素生產率呈現先減后增再減的趨勢，在2003～2010年達到最大值1116，且均值為1072大于1，說明華東地區的工業生態效率經過了一個先衰弱再提高再衰弱的過程。而從分解的指標看來，技術進步與全要素生產率變化趨勢一致，亦呈現先下降后上升再下降的特征，但整體水平還是較高，除2008年和2009年外均大于1。而純技術效率、規模效率呈現波動中略有上升的特征。從綜合技術效率及分解指標的動態演變可以看出，除2008年和2009年外，技術進步始終都是主要的推動力，這與表3中的結論一致。

33華東地區工業生態效率影響因素分析

本文以工業生態效率為因變量，以研發強度、利用外資、工業結構與環境治理為自變量構建Tobit模型做回歸分析，回歸結果如表5所示。

如表5所示：研發強度、利用外資程度、工業結構對工業生態效率呈現正向的促進作用。其中，研發強度對工業生態效率的影響為6098，大于其他因素對工業生態效率的影響，t值為2230，5%的顯著性水平下是顯著的，說明研發強度是推動工業生態發展的第一要素，這要求華東地區在實現工業生態發展中要繼續加強研發投入；其次是利用外資，對工業生態效率的影響為1420，在1%的顯著性水平下是顯著的，表明工業生態效率的提高有賴于外資流入；相比較而言，工業行業結構變化水平則對華東地區的工業生態效率沒有多大的影響，僅為0024，且在10%的顯著性水平下都不顯著。從影響工業生態效率的正向因素看來，華東地區提高工業生態效率首先要加強科技研發，其次是吸引外資，再次是推動產業結構調整。

而與研發強度、利用外資和工業結構相反，環境治理與工業生態效率呈現反比。主要原因在于環境治理需要大量資金和設備的投入，對于企業來說，這是一個很大的負擔，因此企業并沒有動力將工業污染治理做到位。此外，也可能源于政府工業污染治理資金的投入或許并沒有得到有效利用。因此華東各省市在投入工業污染治理資金的同時，應該加強完善技術和設備的政府監督和行業指導，盡快形成完善的工業污染治理體系。

4結論與建議

本文利用超效率DEA模型測算了華東地區六省一市2003～2013年間工業生態效率，并應用Malmquist指數分析其動態的變化，然后通過構建TOBIT回歸模型對于工業生態效率的影響因素及顯著性進行實證分析。在此基礎上運用產出分解技術分析年均和一般工業生產效率。得出以下結論：

（1）華東地區的工業生態效率這11年間總體呈先下降后上升的趨勢，地區差異十分明顯，總體水平不高，但是呈現顯著的趨同現象。這說明，區域內省域間的協同效應得到了一定程度水平提升。研究表明：由于地區差異巨大，華東地區的工業生態效率水平總體不高，而上海、江蘇和浙江則是華東地區工業生態效率水平最高的地區，形成中間高兩邊低的格局。2003～3013年間華東地區的工業生態效率呈現空間趨同的特征，地區間的差異逐漸減少。產生這一現象的原因主要在于經濟是地區工業生態效率的主導因素，而華東地區的經濟發展水平呈現顯著差異，但是近年來，隨著中部地區省份經濟得到顯著提升，長江三角地區的產業向內陸轉移，華東地區的工業生態效率因此通過非經濟因素在工業生態效率中釋放作用得到有效提升，因此呈現出顯著趨同的特征。

（2）華東地區各省份全要素生態效率TFP值都大于1，年均增長率為72%，技術進步是全要素生產率提高的主要因素，但華東地區的全要素生產率近年來呈現波動下降的趨勢。研究表明：技術進步對全要素生產率的貢獻最大，較高的技術進步也推動了較高的綜合技術效率，2003～2013年華東地區的綜合技術效率都大于1。但是，從全要素生產率來看，雖然一直處于較高的水平（大于1），但是近年來呈現波動下降的趨勢。而全要素生產率的下降也主要是由技術效率的下降導致，這說明華東地區這11年間技術推動帶來的工業生態效率并未成為效率提升的主要來源，這一方面當然是由于華東區域內較發達的省市，如江蘇、浙江和上海在工業產業轉移的過程中一般轉移的省份就是區域內的其他省份，這使得技術替代程度存在較小差異；另一方面主要來自于整體技術發展格局面臨著低水平的天花板狀態。因此在華東地區逐步提高工業生態效率過程中，需要加強技術投入，推動技術研發，從而推動全要素生產率上升。

（3）研發強度是提高工業生態效率的關鍵，環境治理負荷則制約了工業生態效率的提高。研究表明：研發強度對工業生態效率的提高作用最大，且在5%的顯著性水平下是顯著的；相比較而言，環境治理對工業生態效率則呈現最大的負作用，且在10%的顯著性水平下是不顯著的。這要求華東地區在經濟發展過程中，需要進一步提高研發強度，同時采取更多的措施吸引外資。不僅如此，還應合理安排環境治理投入，保證環境治理投入與工業生態效率處于一個較長時間內的平衡增長空間，且這種環境治理應著眼于未來企業產業結構調整和工業行業替代或升級的戰略性、基礎性的治理安排，而不能仍然處于頭痛醫頭、腳痛醫腳的跟隨治理模式，如若不然，未來可預見的較長一段時間內環境治理負荷將通過以系統治理資金大規模使用且效果不明朗的方式繼續爆發其負作用的影響。

參考文獻：

[1]Schaltegger S， Sturm A. Okologische Rationalitat： Ansatzpunkte Zur Ausgestaltung Yonokologieorienttierten Management Instrumenten [J]. Die Unternehmung， 1990（4）：273-290.

[2]World Business Council for Sustainable Development.Measuring Eco-efficiency：A Guide to Reporting Company Performance[R]. WBCSD， 2000.

[3]OECD. Eco-efficiency[R].Paris， Organization for Economic Cooperation and Development， 1998.

[4]Hur T， Kim I， Yamamoto R. Measurement of Green Productivity and Its Improvements[J].Journal of Cleaner Production， 2004， 12（7）： 673-683.

[5]Grant J.Planning and Designing Industrial Landscapes for Ecoefficiency[J]. Journal of Cleaner Production， 1997， 5： 75-78.

[6]Seppala J， Melanen M， Menp I， et al. How can the Ecoefficiency of a Region be Measured and Monitored？[J]. Journal of Industrial Ecology， 2005， 9（4）：117-130.

[7]Mickwitz P， Melanena M， Rosenstrma U， et al.Regional Ecoefficiency Indicators——A Participatory Approach[J].Journal of Cleaner Production， 2006， 14（18）： 1603-1611.

[8]Zhang B， Bi J， Fan Z Y.Eco-efficiency Evaluation of Industrial System in China：A Data Envelopment Analysis Approach[J]. Ecological Economics， 2008， 68： 306-316.

[9]Wursthom S， Poganielz Schebek L.Economic-environmental Monitoring Indicators for European Countries：A Disaggregated Sector-Based Approach for Monitoring Eco-Efficiency [J].Ecological Economics， 2011， 70 （3）：487-496.

[10]楊斌. 2000～2006年中國區域生態效率研究：基于DEA方法的實證分析[J]. 經濟地理， 2009， 29（7）：1197-1202.

[11]羅能生， 李佳佳， 羅富政. 中國城鎮化進程與區域生態效率關系的實證研究[J]. 中國人口·資源與環境， 2013， 23（11）：53-60.

[12]付麗娜， 陳曉紅， 冷智花. 基于超效率DEA模型的城市群生態效率研究——以長株潭“3+5”城市群為例[J]. 中國人口·資源與環境， 2013， 23（4）：169-175.

[13]陳浩， 陳平， 羅艷. 基于超效率DEA模型的中國資源型城市生態效率評價[J]. 大連理工大學學報：社會科學版， 2015（2）：34-40.

[14]王震， 石磊， 劉晶茹. 區域工業生態效率的測算方法及應用[J]. 中國人口·資源與環境， 2008， 18（6）：121-126.

[15]高峰， 王金德， 郭政. 我國區域工業生態效率評價及DEA分析[J]. 中國人口·資源與環境， 2011：318-321.

[16]潘興俠， 何宜慶. 工業生態效率評價及其影響因素研究——基于中國中東部省域面板數據[J]. 華東經濟管理， 2014（3）：33-38.

[17]王恩旭， 武春友. 基于超效率DEA模型的中國省際生態效率時空差異研究[J]. 管理學報， 2011， 8（3）：443-450.

[18]楊文舉. 基于DEA的生態效率測度——以中國各省的工業為例[J]. 科學經濟社會， 2009， 27（3）：56-60.

[19]Charnes A， Cooper W W， Rhodes E.Measuring the Efficiency of Decision Making Units [J].European Journal of Operational Research， 1979， 3（4）： 338-339.

[20]Fare R，Grosskopf S，Lovell C A K，et al.Multilateral Productivity Comparisons When Some Outputs are Undesirable：A Nonparametric Approach[J].The Review of Economics and Statistics，1989，71（1）：90-98.

[21]Fre R， Grosskopf S， Linderdgren B， et al.Productivity Changes in Swedish Pharmacies 1980-1989：Anonparametric Malmquist Approach [J]. Journal of Productivity Analysis， 1992， 3： 85-101.

（責任編輯：冉春紅）