中國區域生態效率的測度及其影響因素分析

傅京燕 原宗琳 曾 翩

中國區域生態效率的測度及其影響因素分析

傅京燕 原宗琳 曾 翩

綠色發展理念下，對我國區域生態效率的定量測度與評價需考慮生態效率的動態變化和對外貿易與環境規制對區域生態效率的影響。以2002-2012年中國30個省際面板數據為樣本，運用BCC框架下的超效率DEA模型測度中國2002-2012年區域生態效率，并使用Malmquist指數分析中國2002-2012年生態效率的動態變化趨勢，進一步以面板非線性Tobit模型對生態效率的影響因素進行實證分析。結果表明：在地理分布上，中國區域生態效率總體呈現“東高西低”的局面；在時間變化上，中國區域生態效率呈現逐漸減弱的趨勢，通過Malmquist指數分解發現生態效率改善的主要原因是技術進步，而技術效率在不斷減弱；對外貿易顯著促進了生態效率的增長，而環境規制對中國生態效率有影響但不顯著，說明環境規制不夠嚴格使生態效率改進達到拐點。對外貿易和環境規制對各區域生態效率的影響不一致，對東部和中部區域的影響較西部區域更為顯著。因此，通過強化環境規制來倒逼企業提高生產率，促進企業優勝劣汰機制形成，將有助于區域生態效率提升，推進經濟綠色發展。

生態效率； 對外貿易； 環境規制； 超效率DEA

一 引 言

長期以來，經濟效率一直是政府和學界關注的重要問題，主流經濟學研究在建立經濟增長模型時并不考慮生態系統的約束，認為經濟增長是沒有上限的。最初衡量生態經濟發展的指標是全要素生產率(TFP)，將大量投入要素引入新古典經濟增長核算分析框架中，通過增加產出或者減少投入來提高TFP，但是該指標基于傳統的資本和勞動力的投入因素，而沒有考慮與可持續生態經濟發展概念密切相關的能源和環境因素。后來，隨著資源和環境約束意識的提高，出現新的衡量方式和指標評估以往經濟發展模式的資源環境利用效率。作為環境效率的外延，生態效率被認為是環境績效綜合評價的最優指標。基于生態效率的綠色經濟，其目標函數是傳統GDP，約束條件是資源條件、環境容量、生態足跡、碳足跡等，以扣除資源消耗和環境損害成本后的綠色產出目標函數最大化來表征綠色經濟的發展。總體來說，生態效率主要強調經濟社會發展與環境資源承載力的相融性。自20世紀80年代以來，我國陸續采取了封山育林、退耕還林、建立自然保護區、在主體功能區規劃中設立重點生態功能區等一系列重大措施，試圖恢復原有的生態環境。然而，這些措施在相當一段時期內主要是借助工程技術手段來提高生態資源利用率，并未重視利用市場手段建立合理的生態保護補償機制。

黨的十八大和十八屆三中全會把生態文明提高到前所未有的高度，明確要求建立反映資源稀缺程度、市場供求關系、體現生態價值和代際補償的資源有償使用制度，建設生態文明成為中國未來發展的基本戰略。黨的十八屆五中全會把綠色發展作為五大發展理念之一，綠色發展的內涵是指在生態承載力限定的條件下，要提高經濟發展水平，不能再依靠投入要素規模擴張，而必須通過生態要素效率的提高來實現。十八大以來建立的若干促進生態文明建設的制度，從生態環境損害責任追究到生態環境損害賠償，從國家生態文明試驗區到重點生態功能區，這些重要綠色發展舉措的推行都需要對我國區域生態效率進行定量測度與評價，由于資源有償使用的量化和考核是一個難題，因此在自然資源負債表中價格問題解決之前，可以通過評估生態效率的改進、不變和降低作為考核的替代指標。

Schaltegger和Sturm(1990)[1]首次提出生態效率(Eco-efficiency)的概念，用于評估經濟活動產出與資源環境的比值效率。隨后，眾多學者逐漸引用“生態效率”來衡量經濟與環境的可持續發展，生態效率的本質逐漸演變為以少投入、少排放和多產出的生產方式達到較高質量的經濟發展(Hopwood et al.，2005)[2]。隨著Fare et al.(1989)[3]首次使用DEA環境生產技術進行環境效率的評估，此方法被逐步運用到生態效率的測算中。Korhonen et al.(2004)[4]運用DEA衡量歐盟國家24個電廠的生態效率。Zhang et al.(2008)[5]運用投入導向的DEA模型分析了中國30個省份的工業部門生態效率，發現東部地區的生態效率較高，且人均GDP高的地區生態效率也高。Liu等(2013)[6]運用RST-DEA模型分析中國31個地區的水體系生態效率，發現各地區生態效率值不同，主要原因是各地區的經濟、政治、歷史、文化和其他社會因素不一樣。

國內學者近年來也開始關注生態效率問題，相關研究主要集中于測算方法的介紹及來源分解的分析上。劉巍等(2012)[7]運用非合意產出作投入法、非合意產出取倒數法、方向性距離函數法和基于松弛測度的SBM四種不同DEA模型衡量中國24個綜合類生態工業示范園區2010年的生態效率。初善冰和黃安平(2012)[8]分析了外商直接投資對生態效率的影響，認為外商直接投資對東部地區區域生態效率有顯著的正向影響。李勝蘭等(2014)[9]分析了環境規制對生態效率的影響，發現環境規制對生態效率有制約作用。史丹和王俊杰(2016)[10]運用生態足跡的方法對中國生態壓力與生態效率進行測度，發現中國生態壓力較大，而生態效率持續提高。

DEA方法最初由Charnes等(1978)[11]提出，旨在評價多投入多產出的相對效率。后續研究者站在規模報酬是否可變的角度將DEA模型進一步區分為CCR模型(規模報酬不變)和BCC模型(規模報酬可變)，這種模型細分雖然充實了DEA的研究內涵，但仍未解決傳統DEA模型中無法對有效決策單元進行比較的缺陷。隨著研究對象的不斷豐富，Banker和Gifford(1985)[12]提出了超效率的概念，將決策單元從參考集內移出后再進行相對效率測量，Anderson和Peterson(1993)[13]基于這種概念提出了決策單元間可比的超效率DEA模型(簡寫為SE-DEA)，可達到對所有決策單元進行全排序的研究目的。郭露和徐詩倩(2016)[14]、牛沖槐和曹海曼(2015)[15]運用SE-DEA模型，分別評價了中國中部地區工業生態效率及高技術產業創新相對效率。

與現有文獻相比，本文試圖從以下三個方面進行拓展：第一，運用BCC-SE-DEA模型計算中國2002-2012年的區域生態效率值。現有文獻主要關注企業或行業層面，而且由于對各項指標的選擇不同，對同一地區或行業的生態效率計算存在差異；第二，以Malmquist指數衡量生態效率的動態變化，同時對影響生態效率的因素進行分解，進一步分析生態效率動態變化的原因。現有研究多數采用截面數據且僅衡量某一年的生態效率，而且研究方法多樣，得出的效率值差異較大，無法觀測生態效率的動態變化；第三，進一步利用Tobit模型著重分析對外貿易與環境規制對區域生態效率的影響，現有研究關注的是封閉條件下的生態效率，而中國經濟高速增長的主要驅動力之一是對外貿易。以下內容結構安排為：第二部分以2002-2012年中國30個省際面板數據為樣本，運用BCC-SE-DEA模型測度中國2002-2012年區域生態效率，并使用Malmquist指數分析中國2002-2012年生態效率的動態變化趨勢；第三部分運用Tobit模型對生態效率的影響因素進行實證分析；最后一部分是結論和建議。

二 區域生態效率的測算模型及結果

(一)研究方法

數據包絡分析(DEA)是由Charnes et al.(1978)[11]提出的，運用特殊的數學規劃模型和決策單位(DMUs)的投入與產出數據來評估各決策單位的相對效率。由于DEA具有不需要對投入與產出的基礎函數形式作出假設以及使用統計學方法對環境影響指標賦權等優點(Zhou et al.，2007)[16]，其研究運用領域也越來越廣。

1.非合意產出作為投入的BCC-SE-DEA模型

假設有k個決策單位(DMUs)，j=1，2，……，k，對每一個DMU，有m種合意產出(y)，i=1，2，…，m，即y1，…，ym，n種非合意產出(z)，p=1，2，…，n，即z1，…，zn,s種投入(x)，r=1，2，……，s，即x1，……，xs。對于每個DMU而言，投入和產出都是非負的，即有(x,y,z)∈R+，生產技術為T={(x，y，z)：x生產(y，z)}。根據生態效率的定義，將非合意產出作為投入指標代入公式中，則第j個DMU的效率評價指數為：

(1)

μi, μp, vr≥0； i=1, …, m； p=1, …, n； r=1, …, s

通過Charnes-Cooper轉換，將上述非線性模型變換為與其等價的線性規劃模型，最后可以得到投入導向的BCC模型(模型1)：

min[θ-εET(sb+sg+s-)]

(2)

λ, s-, sg, sb≥0, ε?0; j=1, 2, …， n

模型中，第4個限制條件為凸性限制，加入后可得BCC模型，在超效率模型下，當θ≥1，s-+sb或sg=0時，決策單元為DEA有效；當θ<1時，決策單元為DEA無效。

2. Malmquist生態效率指數

上述DEA模型的結果可以用來橫向比較各個決策單位的生態效率，比較單個決策單位在一段時間內生態效率的動態變化時，則可使用Malmquist生產率指數(Zhou et al.，2008)[17]。

以EF代表DEA模型的結果，MEF代表Malmquist生態效率指數，假設有兩個時期t和t+1，EFt(x0t，y0t，z0t)和EFt+1(x0t，y0t，z0t)分別代表DMU0以t時期投入與產出數據為基礎計算的t與t+1時期的生態效率，EFt(x0t+1，y0t+1，z0t+1)和EFt+1(x0t+1，y0t+1，z0t+1)分別代表DMU0以t+1時期的投入與產出數據為基礎計算的t與t+1時期的生態效率，則DMU0的Malmquist生態效率指數MEF可以表示為(模型2)：

(3)

MEFo衡量了DMUo的生態效率變化，MEFo>1、MEFo=1和MEFo<1時分別代表生態效率在改進、不變與退化，進一步將上述公式寫成如下形式：

(4)

式(4)等號右邊包括兩個部分，第一部分代表技術效率指數(EFFCH)，第二部分代表技術進步指數(TECHCH)。

(二)指標選擇和數據說明

在DEA應用中，產出指標分為合意產出和非合意產出，合意產出指的是經濟體所提供的產品或服務的經濟價值，其特點是值越大越好；非合意產出指的是環境污染，本文將非合意產出作為投入指標用于計算生態效率，此時其值越小越好；資源消耗也是投入指標，值越小越好。

1.生態效率、環境效率和資源效率的測度。生態效率強調經濟效率和環境效益的統一，表明經濟活動中產生的環境成本或價值與環境影響的關系，即用較少的資源消耗和環境污染產出產品和服務以滿足人類的需要，本質是以較少的投入得到較多的產出，同時產生較少的排放。因此，根據生態效率的含義，可以表示為：

(5)

即產品和服務價值與生態環境影響的比率，其中生態環境影響包括資源的消耗量和產生的環境污染，因而又可以把生態效率的公式寫成如下形式：

(6)

此外，由于對生態環境影響的側重點不同，單獨考慮資源消耗和環境污染即可以得到代表效率的指標“資源效率”和“環境效率”。資源效率和環境效率的公式如下：

(7)

(8)

2.合意產出。國內生產總值(GDP)代表一個經濟體一段時間內的最終產品總值，體現區域的整體產出價值。因此，本文選用以2002年為基期的各個省份實際地區生產總值衡量合意產出。

3.非合意產出。關于非合意產出衡量指標的選擇，Zhang et al.(2008)[5]選擇了化學需氧量(COD)、氮氧化物、二氧化硫(SO2)、煙塵排放物、粉塵排放物和工業固體排放物總量作為非合意產出。楊斌(2009)[19]和劉巍等(2012)[7]選擇了廢水排放量、化學需氧量(COD)、二氧化硫(SO2)以及工業固體排放物總量作為非合意產出。借鑒已有研究，本文選擇COD、SO2、CO2和工業固體排放量作為非合意產出指標。關于CO2排放量，根據歷年各地區能源消費情況，選取包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣及電力在內的消費數量最多的九種能源的統計數據，分別對應IPCC于2006年公布的《國家溫室氣體排放清單指南》中各種能源的CO2排放系數，得到各地區2002-2012年CO2排放數量。

4.資本投入。估算資本存量最常用的方法是“永續盤存法”，永續盤存法主要涉及當期投資指標的選擇、基期資本數量的計算、折舊率的選擇和投資平減指數四個問題。本文選擇固定資本形成總額作為當期投資指標。

5.勞動投入。衡量勞動投入的最好指標應是勞動時間，但是由于勞動時間數據比較難獲得，本文選取各地區年末就業人口數作為勞動投入指標。

6.資源投入。資源作為整體生態環境中不可或缺的部分，同時是引起環境問題的主要因素，因此本文將水資源和能源消耗量納入到生態效率的測算中。

由以上投入與產出指標的選擇歸納得出表1，各變量數據來源于《中國統計年鑒》、《中國人口與就業統計年鑒》、《中國環境統計年鑒》和《中國能源統計年鑒》。并基于2002-2012年中國30個省、市、自治區(除西藏外)的投入與產出數據測算生態效率。

表1 生態效率評價指標體系

(三)生態效率測算結果分析

1.中國區域生態效率結果分析

根據生態效率公式側重點的不同，如果只關注資源消耗而忽略環境影響，可以得到產出與資源消耗的比值即資源效率；如果只關注環境影響而忽略資源消耗，可以得到產出與環境影響的比值即環境效率。測算得到的中國區域生態效率(ecoeff)、環境效率(enveff)和資源效率(reseff)均值見表2。以省市為觀察單位，主要結論有：(1)僅有極少數區域達到了生態有效或資源有效，不存在環境有效的省市。東部地區的天津、上海和海南同時達到了生態有效與資源有效，這些省份經濟發展水平較高，單位GDP產出所面臨的環境與資源壓力較小，能夠充分利用社會及自然資源進行發展并兼顧生態均衡；西部地區的青海和寧夏也達到生態與資源DEA有效，但其經濟社會發展水平仍與東部地區有較大差距，生產要素與社會資本流動性較差，有效性良好可能與政府促進西部地區發展的特殊政策有關；(2)除北京外，其他地區均遵循“生態效率>資源效率>環境效率”的排序。可能的解釋是：當僅用非合意產出作為投入時，期望投入越小越好，導致有效前沿向原點劇烈凸出，相較之下，一般性投入組合和“非合意產出+一般性投入”組合產生的有效前沿面的凸性依次減緩；(3)傳統重工業集聚地區的生態、環境和資源有效性顯著低于區域平均水平。東部地區的河北和遼寧、西部地區的陜西、中部地區的山西和黑龍江均為典型重工業(主要有鋼鐵、機械、煤炭等重污染行業)集聚地，工業化、城鎮化和公共基礎建設都會使資源和能源使用量增加，從而忽視生態環境保護，污染的治理力度也未有效沖抵其形成速度，導致資源利用效率低下，生態環境嚴重破壞。

表2 各省、市、自治區2002-2012年生態效率、環境效率和資源效率均值

注：廣東省2012年的三類超效率值均出現“big”狀態，代表在非合意產出作為投入方法下，非合意產出可隨意增加而不影響合意產出，這種情況的出現源于該處理方法的強隨意處置性假設，故在廣東省、東部與全國的效率均值計算時將此奇異值剔除后作算術平均。

圖1-圖3分別刻畫了生態效率、環境效率和資源效率的分區域變化情況。著眼于區域DEA效率，得到的主要結論為：(1)中部地區的生態效率和資源效率常年處于三大區域中最低位，且低于全國平均水平，東部地區情況恰好相反，這與表2數據結果類似。東部地區依托靈活、快速的經濟發展方式，以及在技術、管理和人力資本上具有的優勢，不斷優化資源配置，充分利用外資與技術溢出，使環境保護程度處于領先地位；中部地區位于中國內陸腹地，自然資源豐富，早在2006年國務院及相關部門便出臺促進中部地區發展的專門政策，伴隨長江三角洲及中原城市群的飛速發展，能源高需求與環境高污染不可避免，生態效率及資源效率處于弱勢；(2)生態效率與資源效率在不同區域中的變化相近，但具有區域間差異；環境效率的變化趨勢呈現區域一致性。圖1與圖3顯示，西部地區2012年生態效率與資源效率均出現明顯下降，可能與當年國家新增22項西部大開發重點工程有關，資源在短期內的強烈需求往往導致配置效率下降，生態環境受到威脅。此外，環境效率波動的一致性也反映了環境污染的普遍性。

從全國來看，樣本期內的生態效率與資源效率處于0.6-0.8的范圍，環境效率持續低于0.5，雖然整體效率低下，但保持著“穩中求增”的趨勢，說明環境保護與資源利用仍有很大改善空間。盡管中國近幾年的經濟增長速度保持高速穩步的上升，不斷出臺新的經濟與環境政策，但中國經濟仍處于轉變發展方式階段，低能耗、低污染的生產模式無法在短時間內全面推廣。

圖1 區域生態效率比較

圖2 區域環境效率比較

圖3 區域資源效率比較

2. Malmquist生態效率指數結果分析

表3為2003-2012年各省、市、自治區Malmquist生態效率指數(MEF)、技術效率指數(EFFCH)和技術進步指數(TECHCH)的均值，根據模型2，MEF等于EFFCH和TECHCH的乘積。由表3可以看出，整體而言，全國的Malmquist生態效率指數均值為1.227，說明生態效率得到一定的改善，且主要是由技術的不斷進步促成的，但同時因技術效率偏弱而降低了整體生態效率的改進。分區域來看，東部地區是生態效率改善最明顯的區域(1.392)，東部地區由于具有一定的地理位置優勢，可以最先引進國內外先進技術，加快技術進步速度，同時經濟的快速發展促使該區域各項生態環境的法律規制逐步完善，加快了生態效率改善的步伐，表現為TECHCH值大于西部；中部地區和西部地區可能由于承接東部地區部分產業的轉移，經濟、資源和環境的協調性還不穩定，所以生態效率改善速度較慢。

表3 各省、市、自治區2003-2012年Malmquist生態效率指數均值

注：廣東省歷年EFFCH、TECHCH和MEF均出現與表2同樣的情況，故東部地區三類指標計算時將廣東省剔除。

三 影響區域生態效率差異的因素分析

(一) 計量模型的設定

本部分主要考察對外貿易開放度和環境規制對中國區域生態效率(ecoeff)、環境效率(enveff)、資源效率(reseff)和Malmquist生態效率指數(MEF)的影響，由于生態效率值介于0與1之間，本文采用面板數據Tobit模型來檢驗這一影響。模型構建如下：

(9)

(10)

其中i表示省份，t表示時間。gdppc代表人均GDP，用以衡量經濟發展水平；k/l代表資本勞動比，用以衡量要素稟賦結構；gyh代表第二產業占GDP的比重，用以衡量產業結構；energy代表煤炭使用量占總能源消耗的比重，用以衡量能源結構的變化；trade代表進出口貿易占GDP比重，用以衡量對外貿易開放度；ERS-water、ERS-gas和ERS-solid分別代表對廢水、廢氣和固體廢棄物的環境規制強度。

(二) 變量選擇

與前文保持一致，本部分選取2002-2012年30個省、市、自治區的面板數據，原始數據均來自歷年《中國統計年鑒》、《中國環境統計年鑒》和《中國能源統計年鑒》。相關變量的具體說明如下：

1.環境規制強度。選取主要污染物指標二氧化硫排放量、煙塵排放量、粉塵排放量、廢水排放量和固體廢棄物排放量，對各污染數據進行線性標準化，然后計算出各指標的調整系數，即各地區每年的平均權重，再通過標準化值和平均權重分別得出廢水、廢氣及固體廢棄物的環境規制強度(ERS-water、ERS-gas、ERS-solid)。

2.對外貿易(lntrade)。選取對外貿易進出口總額在GDP中占比的對數來衡量各地區對外貿易開放水平。

3.控制變量。選用人均GDP的對數(lngdppc)以及人均GDP對數的二次方(ln2gdppc)表示各省、市、自治區經濟發展水平；選擇資本-勞動比的對數ln(k/l)、第二產業占GDP份額的對數lngyh和能源結構中煤炭使用量在總能源消耗量中占比的對數lnenergy表示各省、市、自治區能源結構因素的不同。

(三)實證結果及分析

1.整體分析

表4給出了全國范圍的估計結果，LR檢驗顯示模型存在個體效應，需要使用隨機效應的面板Tobit回歸。對外貿易對生態效率(ecoeff)、資源效率(reseff)與Malmquist生態效率指數(MEF)有顯著促進作用，與環境效率呈正相關關系，但并未通過顯著性檢驗。對外貿易對生態效率與資源效率的影響相差不大，影響系數分別為0.063和0.077，對Malmquist生態效率指數的影響系數為0.096，主要是因為通過對外貿易可以進口先進技術從而刺激整體經濟的技術進步。而Malmquist生態效率指數的進步主要是因為技術效率的改進，但隨著貿易自由化的不斷擴大，技術差異程度越來越小使技術進步的增速下降，因此對其影響也在逐漸放緩。

對環境規制而言，本文通過線性標準化各項污染指標得出各地區廢水規制強度(ERS-water)、廢氣規制強度(ERS-gas)和固體廢棄物規制強度(ERS-solid)，三種規制對生態效率、資源效率、環境效率和Malmquist生態效率指數的影響存在差異。廢水規制(ERS-water)對以上四項效率指標均無統計相關性。雖然政府長期以來明令限制廢水排放，但研究結果顯示政策并未收到成效，可能由于在排污權交易制度下企業愿意付費排污，也可能源于對廢水排放的監控不力。廢氣規制強度(ERS-gas)與資源效率和環境效率有顯著正相關關系，廢氣規制水平每提高1%，資源效率和環境效率相應提高0.088%和0.043%。這一結果支持了“波特假說”，廢氣管制使企業治理廢氣污染的成本增加，從而引進或研發先進的清潔生產技術以減排廢氣，進一步提升競爭力且達到環境目標。固體廢棄物規制強度(ERS-solid)對四項效率指標均沒有顯著相關關系。由表4可以看出，三種環境規制對生態效率的影響不大，對資源效率和環境效率影響較大，所以要考慮如何讓環境規制激勵企業生產率提升而非削弱其生產率。根據理論分析，當環境規制提高到合理強度時，由環境規制引發的創新效應、競爭效應會大于規制成本。因此，強化環境規制能夠提高企業生產率，促進企業優勝劣汰機制的形成，從而有助于區域生態效率的提升。

控制變量方面，人均GDP對生態效率、資源效率和環境效率的影響均符合“環境庫茲涅茨曲線”假說。結構因素中，資本-勞動比(k/l)僅對資源效率有顯著的正作用，資本-勞動比的上升意味著該地區經濟結構從勞動密集型向資本密集型調整，通過資本相對積累促進生產模式革新，從而提升整個地區的資源利用效率；產業結構(gyh)對生態效率的影響顯著為負，由于目前中國工業正處于大范圍的產業結構調整時期，其技術水平、內部結構體系和運行流程并不成熟；能源結構(energy)的變化對生態效率和資源效率沒有顯著影響，可能是因為當前中國能源消耗仍然是以排放系數較高的能源為主，替代性清潔能源的使用并未形成規模。但能源結構變動對環境效率有顯著的負向影響，主要原因是：我國能源消耗結構仍以煤炭為主，煤炭消耗的微小上升都會使環境效率減小。

表4 整體估計結果

注： *、**和***分別表示在10%、5%和1%的水平上統計顯著；LR檢驗中括號內為P值。

2.分區域分析

由于中國各省、市、自治區發展水平、人口結構、產業結構和環境規制強度等均有較大差別，本文進一步把30個省、市、自治區分成東部、中部和西部三個地區分別進行實證檢驗，結果見表5*注：東部與中部對MEF的回歸由于未能通過LR檢驗，故使用混合Tobit回歸方法。。由表5可以看出，對外貿易對東部地區和中部地區有一定的正向促進作用，對西部地區影響不大，主要是因為東部地區和中部地區的發展水平和經濟開放度較高，能夠引進更多國外先進技術和知識，促進生態效率的改善。而西部地區發展較為落后且貿易開放度較低，技術和管理水平也比較落后，因此生態效率的改進較為困難。環境規制對東部、中部和西部地區的影響不同，東部地區發展水平快，技術水平也較先進，生態效率基礎水平較高，因此僅有廢水排放規制起到作用。而中部和西部地區受環境規制影響較大，廢氣排放規制強度越大，生態效率越高，說明氣體污染管制在一定時期內仍然有效，同時也可證明中部與西部地區的生態效率仍具備改進空間。

經濟發展水平(gdppc)因素中，三個區域的生態效率均支持“環境庫茲涅茨曲線”假說，即在經濟發展過程中，隨著人均GDP的提高，環境狀況先是惡化而后得到逐步改善。結構因素中，東部和中部地區生態效率對結構變化較敏感，東部地區可能受“新常態”經濟發展趨勢下產業間結構調整的影響，中部地區則主要是由于承接東部產業轉移，產業結構變動較大，對生態效率影響較大，因此應該致力于優化中部地區的產業結構和能源結構，以使生態效率不斷改進。

表5 分區域估計結果

注：*、**和***分別表示在10%、5%和1%的水平上統計顯著；LR檢驗中括號內為P值。

四 結論與政策建議

本文把廢水、SO2排放量、CO2排放量和固體廢棄物排放量作為“非合意”產出納入BCC-SE-DEA模型中測算中國30個省、市、自治區的區域生態效率，并用Malmquist指數來衡量中國30個省、市、自治區2002-2012年生態效率的動態變化情況，最后運用Tobit模型分析對外貿易和環境規制因素對區域生態效率的影響。得到結論如下：

(1)BCC-DEA模型測算結果表明，中國各省市生態效率總體呈現“東高西低”的格局，東部的北京、天津、上海、海南的生態效率均在1.1以上，而西部的內蒙古、貴州、云南、陜西的生態效率則在0.5以下。主要是因為東部地區良好的經濟基礎與技術支撐為環境保護提供了支持，而西部地區工業化階段尚處于成長期，資金與技術仍主要用于發展生產，環境保護環節相對薄弱。資源效率和環境效率也遵循同樣規律，東部最高，其中最為突出的是北京、上海和海南，說明這些地區資源得到充分利用，且產生的環境負面影響較小，環境效率較高；西部的青海和寧夏資源利用率較高，但由于資源開采帶來的環境問題仍較嚴重，表現為環境效率低下；中部地區雖處于中間位置，但仍需兼顧資源利用與環境保護問題。

(2)Malmquist指數及其分解項表明，中國生態效率整體上逐步改善，但各區域生態效率改善程度存在差異，其中一個重要原因是，生態效率改善來自于技術進步，而中西部地區在技術進步速度方面還不穩定。

(3)就全國樣本而言，對外貿易對生態效率(ecoeff)、資源效率(reseff)與Malmquist生態效率指數(MEF)有顯著促進作用，對外貿易與環境效率呈正相關關系，但是并未通過顯著性檢驗。廢水規制強度(ERS-water)、廢氣規制強度(ERS-gas)和固體廢棄物規制強度(ERS-solid)對生態效率、資源效率、環境效率和Malmquist生態效率指數的影響存在差異。廢水規制強度(ERS-water)與四項效率指標均呈負相關關系，但對Malmquist生態效率指數并未通過顯著性檢驗。廢氣規制強度(ERS-gas)對資源效率和環境效率有顯著正向影響，固體廢棄物規制強度(ERS-solid)與四項效率指標均沒有顯著相關關系。

(4)區域分組研究中，對外貿易的增長對東部地區和中部地區的生態效率有正向影響，而對西部地區生態效率的影響不顯著。廢水和廢氣規制對東部地區生態效率有負向影響，但并不顯著，而固體廢棄物規制對東部地區生態效率有顯著促進作用。三廢規制對中部地區生態效率影響顯著，但作用不同。廢氣規制對西部地區生態效率有顯著負作用，因而不支持“波特假說”。由于各地區經濟水平、要素稟賦結構和產業結構不同，對外貿易和環境規制對各區域的影響也有較大差異。

綜上，本文提出以下政策建議：

(1)中國分區域生態效率差異明顯，東部地區整體生態效率水平較高，西部地區較低。由于區域生態效率不均衡，應推進主體功能區政策以考慮區域之間的合作，將生態效率評價納入到各級政府的考核目標之中。

(2)技術進步仍然是改善生態效率的主要途徑，可以加大研發投入以改進技術并形成自主創新能力，使資源和能源得到充分利用。

(3)對外貿易能促進生態效率的改善，因此，可以放寬貿易開放政策，同時嚴格控制進出口貿易質量，刺激對外貿易的良性增長，達到進一步改善生態環境的目的。

(4)通過強化環境規制來倒逼企業提升生態效率，思考如何讓環境規制激勵企業生產率提升而非削弱其生產率。現階段不宜“一刀切”地強化環境規制水平，對發達地區有競爭優勢的行業，環境規制程度應逐步提高，這樣更有利于激勵企業形成穩固的國際競爭力。并從中遴選環保領跑者，納入中長期規劃予以強力支持。

(5)產業結構對生態效率有顯著影響。通過結構調整、技術進步和管理水平提高等方式，實現增長方式轉變，推進綠色產業發展。

[1]Schaltegger, S., Sturm A.. ?kologische Rationalit?t: Ansatzpunkte zur Ausgestaltung von ?kologieorientierten Managementinstrumenten[J].DieUnternehmung, 1990, 44(4): 273-290.

[2] Hopwood, B., Mellor, M., O’ Brien, G.. Sustainable Development: Mapping Different Approaches[J].SustainableDevelopment, 2005, 13(1): 38-52.

[3] F?re, R., Grosskopf, S., Lovell, C. A. K., et al.. Multilateral Productivity Comparisons When Some Outputs are Undesirable: A Nonparametric Approach[J].TheReviewofEconomicsandStatistics, 1989, 71(1): 90-98.

[4] Korhonen, P., Syrj?nen, M.. Resource Allocation Based on Efficiency Analysis[J].ManagementScience, 2004, 50(8): 1134-1144.

[5] Zhang, B., Bi, J., Fan, Z., et al.. Eco-efficiency Analysis of Industrial System in China: A Data Envelopment Analysis Approach[J].EcologicalEconomics, 2008, 68(1): 306-316.

[6] Liu, Y., Sun, C., Xu, S.. Eco-efficiency Assessment of Water Systems in China[J].WaterResourcesManagement, 2013, 27(14): 4927-4939.

[7] 劉巍, 田金平, 李星等. 基于DEA的中國綜合類生態工業園生態效率評價方法研究[J].中國人口·資源與環境, 2012, 22(5): 93-97.

[8] 初善冰, 黃安平. 外商直接投資對區域生態效率的影響: 基于中國省際面板數據的檢驗[J]. 國際貿易問題, 2012, (11): 128-144.

[9] 李勝蘭, 初善冰, 申晨. 地方政府競爭、 環境規制與區域生態效率[J]. 世界經濟, 2014, (4): 88-110.

[10] 史丹, 王俊杰. 基于生態足跡的中國生態壓力與生態效率測度與評價[J]. 中國工業經濟, 2016, (5): 5-21.

[11] Charnes, A., Cooper, W. W., Rhodes, E.. Measuring the Efficiency of Decision Making Units[J].EuropeanJournalofOperationalResearch, 1978, 2(6): 429-444.

[12] Banker, R. D., Gifford, J. L.. Relative Efficiency Analysis[R]. Working Paper, School of Urban and Public Affairs. Pittsburgh: Carnegie-Mellon University, 1985.

[13] Anderson, P., Peterson, N. C.. A Procedure for Ranking Efficient Unit in Data Envelopment Analysis[J].ManagementScience, 1993, 39(10): 1261-1264.

[14] 郭露, 徐詩倩. 基于超效率DEA的工業生態效率——以中部六省2003-2013年數據為例[J]. 經濟地理, 2016, (6): 116-121.

[15] 牛沖槐, 曹海曼. 中部六省高技術產業研發創新的相對效率分析——基于超效率DEA方法[J]. 工業技術經濟, 2015, (2): 111-116.

[16] Zhou, P., Poh, K. L., Ang, B. W.. A Non-radial DEA Approach to Measuring Environmental Performance[J].EuropeanJournalofOperationalResearch, 2007, 178(1): 1-9.

[17] Zhou, P., Ang, B. W., Poh, K. L.. Measuring Environmental Performance Under Different Environmental DEA Technologies[J].EnergyEconomics, 2008, 30(1): 1-14.

[18] Korhonen, P. J., Luptacik, M.. Eco-efficiency Analysis of Power Plants: An Extension of Data Envelopment Analysis[J].EuropeanJournalofOperationalResearch, 2004, 154(2): 437-446.

[19] 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)： 1197-1202.

[引用方式]傅京燕, 原宗琳, 曾翩. 中國區域生態效率的測度及其影響因素分析[J]. 產經評論, 2016, 7(6): 85-97.

Research on Regional Ecological Efficiency in China: Measurement and Determinants

/2

Under the green development, it is necessary to measure and evaluate China’s regional eco-efficiency. This paper uses Super-Efficiency-DEA model which goes under the structure of BCC to calculate the regional eco-efficiency in 30 provinces in China from year 2002 to 2012. By using the Malmquist Index decomposition analysis, this paper further analyzes the factors that contribute to the changes. In the end, the Panel Nonlinear Tobit model is used to empirically analysis the influence from international trade and environmental regulation to the ecological efficiency. The main conclusions are: the regional ecological efficiency in China is high in the east and low in the west, and the regional ecological efficiency is gradually weakening. The Malmquist Index decomposition analysis reveals that technological progress is the main reason that improves ecological efficiency, but technology efficiency keeps weakening. International trade significantly promotes the growth of ecological efficiency, environmental regulation has impact on the ecological efficiency, but not significantly. The impact of foreign trade and environmental regulation for each region is different, the east and the middle of China received a more significant effect than the west, so strengthening environmental regulation can improve enterprise productivity, help to premote the formation of the mechanism of survival of the fittest, thus being helpful for the improvement of the ecological efficiency.

ecological efficiency; international trade; environmental regulation; Super-efficiency DEA

2016-08-31

國家社科基金重大項目“我國重點生態功能區市場化生態補償機制研究”(項目編號：15ZDA054，項目主持人：張捷)。

傅京燕，經濟學博士，暨南大學經濟學院、暨南大學資源環境與可持續發展研究所教授、博士生導師，研究方向：環境經濟政策；原宗琳，暨南大學經濟學院博士研究生，研究方向：環境經濟政策；曾翩，暨南大學經濟學院碩士研究生，研究方向：環境經濟政策。

F205

A

1674-8298(2016)06-0085-13

[責任編輯：陳 林]

10.14007/j.cnki.cjpl.2016.06.008