區域生態效率評價及空間相關性分析
——以山東省為例

周 洋，宗 科，侯淑婧

區域生態效率評價及空間相關性分析
——以山東省為例

周 洋，宗 科，侯淑婧

隨著山東省區域經濟的發展，經濟、資源、環境之間的問題越來越突出，因此，提高生態效率已受到了普遍的關注。文章采用超效率DEA模型方法測度了山東省2010-2014年17個地市的生態效率，并運用空間統計分析模型對山東省區域生態效率的空間相關性進行實證研究。

山東省；區域生態效率；超效率DEA；空間相關性

一、引 言

隨著經濟發展與環境資源矛盾的日益加劇，人類生產活動已經不再單純重視勞動和資本生產率的提高，而是把重點放在了關注生態效率的提高上，以此來實現人類與環境的可持續發展。

生態效率[1][2]這一概念由schaltegger等人于20世紀90年代最早提出，他們認為“生態效率”可以更加客觀和全面地描述人類社會的各種經濟行為對生態和自然環境所帶來的一系列影響。1992年，WBCSD組織對生態效率這一概念進行了重新界定，認為實現生態效率的路徑有兩個：一是要不斷地提供競價性商品和服務滿足人類需要，同時提升人們生活質量；二是要減少資源使用，使其消耗量在地球可承受的范圍之內。

從研究方法上看，大致上有兩種思路來進行生態經濟效率的考量：第一種方法是構建指標體系，在此基礎上運用專家打分等方法對不同指標進行賦值，從而進行生態效率評價，例如Van Caneqhem（2010）[3]，曾鵬和朱玉鑫（2013）等人[4]的研究；第二種方法是采用非參數的形式來分析生態效率，主要有數據包絡法等，例如Kortelainen（2015）等人[5]的研究。由于非參數的數據包絡分析法可以避免專家打分所帶來的主觀性，因此目前大多數學者都采用第二種方法。從研究內容上看，隸屬于不同行政區域的地區在社會發展和經濟發展等方面會存在一定程度的關聯性，這種關聯性可以表現為區域間所進行的貿易來往、區域間技術的模仿與擴散、區域間人口的流動以及區域間各種產業之間的聯系，因而無法滿足傳統回歸分析方法中樣本相互獨立的假設。我們可以利用空間計量模型描述上述現象，該模型可以將空間的相互關聯性與回歸分析相結合。本文以2010-2014年山東17個地市數據為樣本，采用DEA分析法，借助Matlab 7.1，得出該省17個地市的相對生態效率。進一步，運用空間計量經濟模型對該省各地市的生態效率情況進行空間統計研究。

二、山東省區域生態效率的測算

（一）模型和方法

Chames和Cooper等人[6]在1978年提出一種用來評價效率的方法，即數據包絡分析法（DEA），這是一種非參數統計的方法，通常以相對效率作為基礎，以凸分析和線性規劃作為工具，以多投入、多產出作為標準，對相同類型的決策單元DMU的相

對有效性進行測度。數據包絡分析法在確定指標權重時由決策單元的實際數據求得，減少了評價者主觀因素的影響，具有很強客觀性。

比如說，有m個地區，如果想要計算它們的生態效率，那么每個地區都會有g個投入變量和n個產出變量，如果用Sjk來表示第k個DMU中的第i個輸入變量，用Yjk來表示第k個DMU中的第i個輸出變量，而其中第k個DMU的輸入表示為Xk= (X1k，X2k，…，Xmk)T，輸出可以用 Yk=(Y1k，Y2k，…，Ysk)T進行表示，θ是第k個DMU的效率值，且θ介于0和1之間，我們先設目標函數為“第 k個地區的生態效率”，然后計算生態效率的約束條件是“所有決策單元（DMU）的效率指數”，再運用Charnes-Cooper變換的方法就可以得出DEA中最基礎的C2R模型的線性表達式：

上式（1）測算生態效率時，因為所有有效率的決策單元都為1，所以會出現多個最優決策單元（DMU），而這些有效單元可能會出現無法對地區生態效率好壞進行有效劃分的情況。本文為了避免這一問題的產生，也為了提高準確性，減小誤差，選擇運用 Andersen等學者提出的超效率 DEA(Super Efficiency DEA，SE-DEA)模型的方法來測算山東省各地區的生態效率。SE-DEA模型和傳統DEA模型有所不同：根據SE-DEA測算出的生態效率評價值，并不改變決策單元(DMU)的有效性，但對于有效率的 DMU，它卻可以對每個決策單元的有效程度進行排序。SE-DEA可以用式（2）進行表述：

（二）指標的建立及測算結果

1.指標選擇。生態效率要求在考慮經濟收益的同時還要減少環境的消耗，也就是說用最小的生態環境污染消耗來換取最大的社會經濟效益，在超效率 DEA模型的分析過程中，我們通常將產出指標體系用收益型指標進行衡量，而投入指標體系則用成本型指標進行衡量。為了能夠全方位地、較為真實地展現山東省每個地級市的生態效率及其變化情況，同時考慮數據的易獲取性，構建如下指標體系，見表1。

表1 山東省區域生態效率投入與產出評價指標體系

2.結果分析。利用超效率DEA模型，計算山東省2010-2014年17個地市的數據，獲得區域生態效率評價值，測算結果如表2所示。

表2 山東省2010-2014年區域生態效率評價結果

由山東省2010-2014年區域生態效率評價結果可得出結論，在宏觀層面上，山東省的總體生態效率在5年內呈下降趨勢，且變化不大；中觀層面

上，山東省各經濟區域的生態效率有明顯差別，東部區域的生態效率相較于中西部明顯要高，雖然每年的區域生態效率值基本都大于1.0，但卻呈逐年遞減趨勢，中西部地區生態效率值相比較東部地區都比較低，并且沒有顯著的變化；在微觀層面上，青島、日照、威海、濰坊、煙臺等5個城市的生態效率水平最高，并且這5個城市都位于東部經濟發達區域，中部和西部地區生態效率低下，這說明該地區主要采用的是高耗能、高污染為代價的發展模式，這種經濟模式將導致中西部區域的環境污染、資源利用效率低等問題產生，而這些問題將會伴隨經濟的發展越來越嚴峻，這種現象尤以棗莊、濟寧、淄博等資源型城市突出。因此中西部區域要借鑒東部發達地區的經濟發展經驗，逐步向低污染、低消耗、高效率、可持續的集約型經濟發展模式轉變。

以下圖1顯示山東省生態效率水平是以東、中、西、南依次進行梯度分布的，具體為：處于第一梯隊（生態效率最高）的日照、青島、濰坊、煙臺、威海都位于東部地區；中部地區生態效率水平較好，屬于第二梯隊，主要包括濟南、萊蕪、泰安、東營、濱州等5個城市；菏澤、聊城、德州位于第三梯隊（生態效率水平一般）；南部地區生態效率水平最差，主要有淄博、臨沂、棗莊和濟寧4個城市。同時，生態效率分布具有明顯的“俱樂部現象”：高水平的生態效率區主要集中在以魯東為代表的東部經濟發達地區；第二梯隊和第三梯隊城市主要分布在魯西和魯中地區；魯南地區由于其資源型城市特征形成了第四梯隊聚集地。

圖1 山東生態效率水平四分位圖

三、山東省區域生態效率的空間相關性分析

（一）全域空間自相關

分析區域之間整體上的空間關聯與差異程度，一般可以使用空間自相關（Moran'I）指數，其公式為：

先在統計數據分布的基礎上，求出E（I）和VAR（I），然后計算 Moran'I的正態統計量 Z=，通過上述計算我們就可以檢驗不同區域是否有空間關聯性。

Moran'I在-1到1的范圍內，Moran'I顯著且大于零時，表示地理分布模式中相似的屬性值呈正相關（正空間關聯）；Moran'I小于零，同時存在顯著性時，說明不同區域的屬性值呈負相關的地理模式分布（負空間關聯）；Moran'I等于零，同時存在顯著性時，說明了隨機現象的屬性值不相關，是隨機的。

山東17個地市生態效率的Moran'I指數為0.3272，檢驗的p值為0.0006，表明在空間分布上山東17個地市的生態效率存在較顯著的正自相關的聯系，即城市之間的生態效率相互正向影響。

（二）局部空間的關聯性

全域空間自相關將各個地區之間的差異進行了平均，所以只能從整體上考察山東省空間自相關的情況，要想全面具體地展示山東省各個區域之間的空間關聯性，需要利用局域空間關聯指標。為了達到這一目標，本文選取局域Moran'I指數來對山東省局域顯著性空間關聯進行分析：

從式（4）和式（5）看出，通過計算局部Moran'I，可以作出各個地區的聚集圖及其Moran散點圖。其中Moran散點圖展現了四個不同的空間相關性，這四種類型具體是：第一象限是H－H，也就是高－高型，

它表明生態效率高的城市被生態效率高的相鄰城市包圍，從而進一步說明高水平生態效率具有高空間滯后性。第二象限是L－H，即低－高型，它表明生態效率低的城市被生態效率高的相鄰城市包圍，說明低水平生態效率具有高空間滯后性。第三象限是L－L，即低－低型，它表明生態效率低的城市被生態效率低的相鄰城市包圍，說明低水平生態效率具有低空間滯后性。第四象限是H－L，即高－低型，它表明生態效率高的城市被生態效率低的相鄰城市包圍，說明高水平生態效率具有低空間滯后性。在這四個象限中H－H以及L－L是正的空間自相關，LH和H－L為負的空間自相關。

圖2 2014年山東省區域生態效率Moran散點圖

從圖2可以看出，2014年，處于第Ⅰ象限（即高－高的正自相關性集群）的6個地市為青島、煙臺、威海、東營、濟南、濱州。處于第Ⅱ象限（L－H負自關聯性集群）的是淄博。位于第Ⅳ象限（即H－L的負自相關性集群）的地市為德州、聊城以及菏澤。而泰安、萊蕪、臨沂、日照、濰坊和濟寧則同時位于第Ⅰ、第Ⅳ象限（即高－高的正自相關性集群和L－L的正自相關性集群）。位于第Ⅲ象限（即LL的正自相關性集群）的地市為棗莊。

在上述圖表中還存在“俱樂部收斂”的現象。以5%的顯著水平為例，共計7個城市的生態效率存在顯著的空間關聯：其中青島、煙臺、東營、威海、濟南位于H－H類型空間離群區，棗莊位于L－L型低值集聚區，而淄博處于空間離群區（L－H型）。H－L類型區域局部空間缺少關聯性，體現出生態效率高的區域，生態效率不僅產生著較弱的相互影響，而且也沒有明顯對鄰近的較低水平地區產生溢出效應。

四、結 語

本文根據2011-2014年山東各區域資源環境及經濟統計數據分析，利用DEA分析對山東省各地市生態效率的優勢和劣勢做出了總結，并利用空間統計分析模型對各區域生態效率的空間相關性分析總結。結論表明：

第一，2010-2014年，山東省各地市生態效率表現為顯著的東高西低，呈梯度分布格局，三大經濟地帶的生態效率具有較大的差異性，在三大經濟地帶中東部地帶的生態效率最高，“俱樂部收斂”特征較為明顯，呈現日益降低的趨勢；中西部及南部地區生態效率值與東部地區相比明顯偏低，為粗放式經濟增長模式，即高消耗、高污染、高排放，這種現象尤以棗莊、濟寧、淄博等城市最為嚴峻。

第二，山東省各地市生態效率正的自相關集聚，集聚程度在波動中趨于收斂，H-H集聚區位于東部沿海地區，L-L集聚區位于魯南資源型地區。

[1]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（7）.

[2]秦偉山，張義豐，袁境.生態文明城市評價指標體系與水平測度[J].資源科學，2013（8）.

[3]Van Caneghem J,Block C,Van Hooste H,et al.Ecoefficiency Trends of the Flem ish Industry:Decoupling of Environmental Impact from Econom ic Grow th[J].Journal of Cleaner Production，2010（14）.

[4]曾鵬，朱玉鑫.中國十大城市群生態發展狀況比較研究[J].地域研究與開發，2013（1）.

[5]Kortelainen M.Dynam ic Environmental Performance Analysis:A Malmquist Index Approach [J].Ecological Econom ics，2015（4）.

[6]Charnes A,Cooper W W,Rhodes E.Measuring the Efficiency of Decision Making Units[J].European Journal of Operational Research，1978（6）.

[責任編輯：劉烜顯]

周洋，山東科技大學經濟管理系教授，碩士生導師；宗科（通訊作者），山東科技大學經濟管理系講師，博士研究生；侯淑婧，山東科技大學經濟管理系碩士研究生，山東 泰安 271000

F205

A

1004-4434(2016)10-0078-04

國家社科基金資助項目“基于多方法融合空間統計分析的區域生態經濟效益評價研究”(13BJY026)；教育部人文社科規劃項目“產業轉型期煤礦生態效率評價研究”(14YJCZH 236)的階段性成果