長江經濟帶生態效率及收斂性分析

趙鑫，胡映雪，孫欣

長江經濟帶生態效率及收斂性分析

趙鑫1，胡映雪2，孫欣1

（1.安徽財經大學 統計與應用數學學院，安徽 蚌埠 233000；2.美國猶他州立大學 亨思邁商學院）

針對現有效率測度模型的缺陷，本文采用三階段超效率DEA模型的Malmquist - Luenberger指數法，對長江經濟帶生態效率進行測算，同時借鑒新古典經濟增長的收斂性假說，探究其收斂性。結果顯示：調整后整體及上、中游生態效率增長率降低，下游幾乎沒有變化，說明上、中游處于較好的外界環境和運氣狀態；外界環境變量對生態效率的投入產出松弛變量存在顯著影響，且影響方式不同，有必要進行第二階段調整；整體及上中下游生態效率不存在σ收斂，整體及上游存在絕對β收斂，在經濟發展速度、外資利用、產業結構、環境規制、能源消費結構和人力資源六種控制變量中，經濟發展速度、產業結構和能源消費結構是促使其存在條件β收斂的重要因素。

長江經濟帶；生態效率；三階段超效率DEA；ML指數；收斂性

一、引言

當前，資源與環境質量惡化已經成為制約中國經濟持續發展的瓶頸因素。改革開放以來，我國經濟發展取得的成就舉世矚目，國民生產總值由1978年的3 645.2億元增長到2015年的109 893.1億元（以1978年為基期計算）。與此同時，我國環境問題帶來的挑戰也更加嚴峻，如2000年到2015年，工業廢水排放量從415.2億噸上升到735.3億噸，增長77.1%；工業廢氣排放量從138 145億立方米增加至685 190億立方米，增幅近4倍；工業固體廢物產生量從8.2億噸提升至33.1億噸，同樣大幅提升391.5%。經濟的快速發展引致資源能源緊缺、生態環境失衡等問題，因此，對經濟與資源環境協調可持續發展的關注日益增加。可持續發展以生態經濟建設為基礎，它主張人類社會通過創造有價格競爭優勢的產品和服務來滿足人類的需求并提高生活質量，同時將其環境影響和資源利用強度控制在地球的承載力水平之內（WBCSD，1996）。

在“新常態”的大背景下，大力推進長江經濟帶建設正當其時（李春艷和文傳浩，2015）。從長江流域本身看，最核心的問題是生態環境，2016年1月召開的中央財經領導小組第十二次會議以及在重慶召開的推動長江經濟帶發展座談會上，習近平強調，推動長江經濟帶發展，要堅持生態優先和綠色發展，合理統籌各項資源要素，使沿江各省市的協同作用更明顯，促進長江經濟帶實現上中下游協同發展、東中西部互動合作，把長江經濟帶建設成為我國生態文明建設的先行示范帶、創新驅動帶、協調發展帶。

二、文獻綜述

對于“生態效率”的概念， Schaltegger和Sturm（1990）最初以經濟活動所產生的經濟價值與環境污染為基礎，定義生態效率即經濟增長與環境影響的比值。世界經濟合作與發展組織（OECD）（2004）拓寬了生態效率的概念，指出較高的生態效率意味著資源要素的投入能夠帶來產業附加值的最大化和環境污染最小化。隨著研究的深入，更多機構和學者將目光聚集在構建生態效率評價指標體系上，德國環境經濟賬戶中選取土地、能源、水、原材料、溫室氣體和酸性氣體六種自然要素構建投入產出指標體系（H?h H et al， 2002）； Michelsen et al，（2006）選取9個環境指標構建出挪威家具產品的生態效率指標；李勝蘭等（2014）基于地方政府競爭的視角，從資源消耗、環境污染和經濟數據構建區域生態效率指標體系。

目前國際公認的進行環境績效評價最好的方法之一是數據包絡分析法（Data Envelopment Analysis，DEA）。Dyckhoff 和Allen （2001）納入“壞”產出，系統地推導出測度企業環境管理生態效率的DEA模型； Hoang 和Alauddin（2012）基于投入導向型的DEA模型框架，對30個OECD國家的農業生態效率水平進行測度；lo Storto（2016）利用考慮非期望產出的DEA模型對116個意大利省會城市2011年的城市生態效率進行實證分析；黃建歡等（2015）從多維生態效率的視角利用超效率DEA模型測度中國省域生態效率；彭紅松等（2017）利用SBM-DEA模型測度旅游地復合系統的生態效率。DEA方法在測算多投入和多產出評價對象的生態效率時具有較大優勢，但以上DEA模型并沒有考慮外界環境和隨機誤差對生態效率測度結果的影響，結果可能無法反映生態效率的真實值。

現有文獻對非期望污染物進行處理時具有較大爭議，通常將污染物直接作為投入指標，如鄧波等（2011）。但在特定生產過程中，污染物與資源投入不可能總保持同比例關系，因此該處理方式不能反映真實的生產過程。也有學者將污染物通過一個合適的轉移向量轉化為正向輸出量（Seiford和Zhu，2002），如華堅等（2013），該方法雖然未改變有效前沿面，但是無效率DMU因選取的模型不同會導致效率值出現差異。少數學者將非期望產出指標轉為倒數后作為正向輸出量，如藍虹和穆爭社（2016），該方法進行了非線性轉換，這將改變DMU的有效前沿面，導致評價結果出現誤差。

本文采用三階段超效率DEA模型的Malmquist-Luenberger指數法（簡稱ML指數），它相比現有評價方法具有較大優勢。首先，傳統的DEA模型在面對多個DMU同時有效時，無法進一步區分；其次，將ML指數與DEA模型結合有效解決了納入非期望產出的爭議；最后，普通三階段DEA模型雖然考慮到外界環境和隨機誤差的影響，但只能分析截面數據，難以反映效率的動態變化情況。本文模型綜合了超效率DEA、ML指數以及三階段DEA的優點，克服了以上缺陷，為評價長江經濟帶生態效率提供了一種嶄新的視角。

三、模型方法、評價指標體系構建及變量說明

（一）三階段超效率DEA模型的ML指數分析法

Fried et al（2002）在傳統DEA模型的基礎上，將其與隨機前沿分析（Stochastic Frontier Analysis，SFA）方法相結合，提出三階段DEA模型，該模型能夠控制外生環境變量和隨機誤差的影響對效率評估所造成的偏誤，其構建和運用包括三個階段：

第一階段：使用超效率DEA模型的ML指數法測算長江經濟帶11個省市的生態效率指數及投入和產出松弛值。ML指數可分解為技術效率變化（Ef fi ciency Change，EFFCH）和技術進步（Technical Change，TECH ），分解式（1）如下：

其中，TECHt,t+1指數表現環境生產前沿面在t 到t+1時期的移動，EFFCHt,t+1指數測度技術落后區域在t 到t+1時期對技術先進區域的生產可能性前沿追趕的程度。

第二階段：利用類似SFA方法對初始的投入和產出松弛值進行分析，剝離出內部管理無效率、外部環境因素和隨機誤差等對效率產生的影響。設有K 個DMU，每個DMU有M 項期望產出，I 項非期望產出，N項投入。以構建期望產出松弛變量與外界環境變量的SFA模型為例，如下式（2）：

其中，Smk表示第一階段中第k 個DMU第m 項期望產出的投入松弛值；fm(βm;Zk)表示外界環境因素對松弛值的影響，Zk=[Z1k,…,Zjk]為J 個外生環境變量，βm為環境變量的待估參數；vmk+umk為混合誤差項，vmk表示隨機誤差影響，vmk～N(0,)，umk表示管理無效率，假設其服從零點截斷正態分布umk～N+(0)，兩者獨立且不相關。當γm=)趨近于1時，表明內部管理無效率因素占主導地位，而當γm趨于0時，表明隨機誤差因素的影響占主導地位。

為同時將每個DMU的外界環境和隨機誤差項調整至相同狀態，利用Jondrow et al（1982）提出、由羅登躍（2012）改進的方法從混合誤差項ε=v+u中將隨機因素分離出來（為方便起見，分離公式省略下標，該公式對投入和產出松弛變量進行分離均適用），具體分離公式如下式（3）：

式（4）反映外界環境因素和隨機干擾對生態效率的影響程度，同時反映純粹的因管理技術導致的效率低下。調整方程如下式（5）：

第三階段：利用調整后的產出和投入變量數據，采用第一階段的超效率DEA模型的ML指數法重新測得生態效率值，第三階段得到的生態效率值剔除了外界環境因素和隨機誤差的影響。

（二）評價指標體系的構建

生態效率是經濟、資源和環境三方面的綜合反映。本文從資源消耗類、環境影響類和經濟類指標構建長江經濟帶的生態效率評價指標體系，如表1，研究期間為2004-2015年。

（1）資源消耗類指標：選取能源、土地、水三種自然資源和勞動力、資本兩種社會資源，具體為：以建設用地面積衡量土地資源投入；選取能源消費總量衡量能源投入；以全社會用水總量表征水資源投入；選取三大產業從業人員總數表征勞動力投入；在選取資本投入指標時，多數學者采用永續盤存法計算資本存量，但該方法對基期資本存量以及折舊率的選擇具有較大出入（張軍和章元，2003）。在過去20多年中，全社會的固定資產投資和固定資本形成數據的增長趨勢基本保持一致（盧麗文等，2016），而數據包絡分析方法是對相對效率進行測度，保證樣本數據具有相對一致性，分析結果就不會有較大偏差。因此，本文選用全社會固定資產投資總額作為資本投入的代理變量，以2004年為基期進行縮脹處理。

（2）環境影響類指標：用全社會廢水排放總量表征全社會廢水排放對環境的污染；以全社會煙粉塵排放總量和全社會二氧化硫排放量來表征廢氣污染對環境的影響。

（3）經濟類指標：選取地區GDP進行衡量，同樣為剔除價格因素影響，以2004年為基年做了縮脹處理。

表1 長江經濟帶生態效率評價指標體系

（三）外界環境變量選取及說明

本文選取各地區產業結構（IS ）、環境政策力度（ER ）和人力資源（EDU）因素作為外界環境變量指標。目前多數學者使用第三產業占地區生產總值的比重表示產業結構發展水平，根據一般理論，第一產業、第三產業、第二產業的能源消耗強度依次遞增（毛建素等，2010），僅用第三產業占比衡量產業結構水平明顯不夠全面。本文綜合第二產業和第三產業占比對產業結構水平進行表征：區域產業結構水平=區域第二產業占比*0.4+區域第三產業占比*0.6；選取環境污染治理投資額與地區生產總值的占比作為衡量環境政策力度的指標；用勞動者人均受教育年限對人力資源進行表征，該指標根據各省市6歲及6歲以上人口中文盲、小學、初中、高中和大專以上的抽樣數據占比進行加權平均得到，借鑒康繼軍等（2007）的做法，將文盲、小學、初中、高中和大專以上受教育時間分別設為0年、6年、9年、12年和16年，從而人均受教育年限=（6歲及6歲以上人口中）小學文化人數占比*6+初中文化程度人數占比*9+高中文化程度人數占比*12+大專以上文化程度人數占比*16。

數據均來源于2005-2016年《中國統計年鑒》、《中國能源統計年鑒》、《中國環境統計年鑒》、《中國城市統計年鑒》或國家統計局、環保部和各省區市統計局網站。

四、實證結果分析

（一）長江經濟帶生態效率評價

1. 第一階段——超效率DEA模型的ML指數法

本階段使用軟件MaxDEA6.17，在不考慮外界環境因素和隨機誤差因素的情況下，測度長江經濟帶生態效率指數（ML指數）及其分解項，如表2和圖1所示。

表2 長江經濟帶第一階段ML指數

圖1 第一階段ML指數及其分解項

從表1生態效率均值看，長江經濟帶生態效率水平的地區差異顯著，上、中、下游流域分布不均衡。整體ML指數增長率為6%，三大流域中上游達16%，居于首位。從圖1看出，上游四個省市生態效率提高的主要原因在于技術進步的貢獻，上游地理位置優越，自然資源稟賦較高，擁有較好的生態效率水平。從省際視角看，貴州生態效率在11個省市中排名第一，均值為1.32，重慶和江西生態效率分居二、三名，技術進步率分別為10%和17%。研究表明，中游生態效率增速較緩，年均僅6%，下游生態效率水平退化，降幅年均2%，未達有效前沿。江蘇省和浙江省生態效率指數均未能到達有效，需要引起關注。此階段未考慮外界環境因素和隨機誤差因素對生態效率值的影響，因此可能存在分析偏誤。

2. 第二階段——SFA回歸分析

將第一階段投入產出指標的松弛值作被解釋變量，所選三個外界環境變量作解釋變量，利用軟件Frontier 4.1建立基于SFA面板數據的回歸模型，回歸分析結果如表3和表4。

表3 投入松弛變量隨機前沿模型回歸結果

由表3可知，能源投入、水資源投入、土地投入和資本投入松弛變量的γ值均在1%的顯著性水平大于0.9，勞動力投入松弛變量的γ值也在1%的顯著性水平下達到0.625，LR單邊檢驗值大于臨界值，拒絕不存在管理無效率的原假設，說明管理無效率因素對5種投入的影響占主導地位。其次，三種環境變量對除勞動力投入松弛變量的4種投入的系數大多能夠通過顯著性檢驗，說明外界環境因素對長江經濟帶的生態投入松弛的確存在顯著影響。

進一步考察外界環境變量與投入松弛量的關系，IS對勞動力投入和資本投入松弛變量的系數顯著為負。表明產業結構水平的提高能有效減少勞動力和資本投入的浪費，進而提高生態效率。這與實際是吻合的，提高產業結構水平，促進產業結構優化升級并逐步高級化發展，對提高生態效率水平有重要推動作用。研究期間，我國三次產業占比從大到小一直保持二、三、一的格局，雖然現階段我國第二產業占比較高，但近年來第二產業中的高能耗、高污染行業開始進行產業轉型，致力于向生產清潔產品轉變。同時注意到，IS對能源投入松弛變量系數顯著為正，表明產業結構水平的提高將增加能源消耗總量，并不利于生態效率的提高，很大程度是由于第二產業擁有較多高能耗行業，在生產過程中產生巨大的能源消耗，對生態效率水平造成消極影響。IS對水資源投入和土地投入松弛變量的系數未通過顯著性檢驗，說明IS 對水資源和土地資源的影響可以忽略。ER對能源投入和資本投入松弛變量的系數均在1%的顯著性水平為負，表明環境污染治理投資的增加能減少能源和資本投入的浪費，促進生態效率提升，這與經驗分析結論保持一致。ER對其他3個松弛變量無顯著影響。EDU變量理應促進生態效率水平提升，教育程度的加深增強環保意識，進而減少污染物排放，提高生態環境質量，但是經驗分析并未支持該假設。EDU對能源投入、水資源投入和土地投入松弛變量的系數不顯著，對資本投入松弛變量系數顯著為負，對勞動力投入松弛變量的系數顯著為正，表明受教育程度的提高能減少資本浪費，增加就業人數，但這并未提升生態效率水平。

表4 產出松弛變量隨機前沿模型回歸結果

由表4可知，廢水排放總量、二氧化硫排放總量和地區GDP的松弛變量γ值在5%的顯著性水平下超過0.9。煙塵排放總量松弛變量γ值也在1%的顯著性水平下超過0.7，LR單邊檢驗值大于臨界值，說明管理因素對這4種產出變量的影響占據主導地位。其次，IS、ER和EDU對4種產出松弛變量的系數多數能通過顯著性檢驗，說明外界環境因素對長江經濟帶的生態產出松弛也存在顯著影響。IS 對煙粉塵、二氧化硫和廢水排放的松弛變量的系數顯著為正，說明產業結構水平的提高將增加煙粉塵、二氧化硫及廢水排放量，對生態效率產生不利影響，IS對地區GDP的系數顯著為負，該指標水平的提升有利于減少地區GDP的冗余，提升生態效率水平。ER的提高理論上講應促進生態效率改善，但實證結果顯示該變量與各產出松弛變量的系數均顯著為正，說明長江經濟帶的環保投入并沒有減少煙粉塵、二氧化硫和廢水的排放量，環境污染治理投資對生態效率改進的作用非常微弱。因此，在注重增加環境污染治理投資的同時，更加需要重視對投資使用效率的提高，讓環境污染治理投資發揮更加積極的作用。EDU對煙粉塵排放和地區生產總值的松弛變量影響不顯著，可以忽略。EDU對廢水排放和二氧化硫排放松弛變量的系數在1%的顯著性水平下為負，表明隨著平均受教育年限的增加，將減少廢水和二氧化硫的排放量，有利于改善生態效率水平。

從以上分析能夠看出，外界環境因素對長江經濟帶不同省市的影響不同，這很可能導致一些面臨較好經營環境或運氣的地區擁有較高生態效率，而處在較差經營環境或運氣的地區表現出較差的生態效率。因此，進行第二階段的調整，將長江經濟帶11個省市置于相同的經營環境和運氣之下，對考察真實的生態效率水平具有重要意義。

3.第三階段——調整后的DEA實證結果分析

第三階段使用調整后的投入產出數據，測得ML指數及其分解項的動態變化，結果如表5、表6和圖2、圖3所示。

表5 長江經濟帶第三階段ML指數

從總體看，調整后整體生態效率從年均增長6%降低至4%，上游從16%下降至12%，中游從6%減少到4%，下游幾乎沒有變化，說明上、中游處于較好的外界環境和運氣狀態，其調整前較高的生態效率并非因為較高的管理技術水平，下游生態效率受外界環境因素和隨機干擾的影響較小。從圖2能夠清楚地看到，上游調整前后ML指數變動較大，表明上游受外界環境和隨機干擾的影響程度較大。從省際視角看，云南和江西排位互換，說明江西較云南具有較好的外界環境和運氣狀態，調整至相同狀態后的生態效率不如云南。從表6及圖3看出，重慶、貴州、云南、江西和安徽的ML指數、EFFCH指數、TECH指數均發生不同程度下降，浙江EFFCH指數下降而TECH指數上升，ML指數從0.93上升至0.95，江蘇EFFCH指數上升0.1，上海EFFCH指數下降0.1，其他省市的各指數未發生變動。

圖2 第一階段與第三階段ML指數對比圖

表6 第一階段與第三階段ML指數及其分解

圖3 第一階段與第三階段ML指數及其分解對比圖

（二）長江經濟帶生態效率收斂性分析

本小節借鑒Barro（1990）和Sala-I-Martin（1992）對經濟增長收斂性的基本思想，從σ收斂、絕對β收斂和條件β收斂對長江經濟帶生態效率差異的變動趨勢進行研究。

1. 生態效率σ收斂

采用標準差對區域生態效率σ收斂進行衡量，如下式（6）所示：

其中，Ii(t)為第i 個區域第t 年的生態效率值，N 為區域的數目。如果σ值表現為逐年減小，則趨于σ收斂，反之，則趨于σ發散。

圖4給出長江經濟帶整體及上中下游生態效率σ收斂變化趨勢。從整體層面看，長江經濟帶生態效率標準差從2005年到2012年呈現逐年上升的態勢，未表現出σ收斂；從2012年開始，標準差逐步減小，表現出σ收斂趨勢；從總體看不存在σ收斂。長江經濟帶上游4個省市生態效率標準差的變化趨勢與整體變動表現一致，總體看也不存在σ收斂。中游3個省市和下游4個省市的生態效率標準差變化狀況一致，均表現為逐年增加的趨勢，研究期間未表現出σ收斂的態勢。從整體及三大流域生態效率標準差的比較來看，上游生態效率標準差遠遠高于中、下游，也高于整體生態效率的標準差，這表明上游生態效率區域差異性最大，中游和下游生態效率的標準差較為接近，表明中、下游生態效率差異性表現相當。

圖4 生態效率σ收斂變化趨勢

2. 生態效率絕對β收斂

生態效率絕對β收斂要求不同區域之間具有相同的基本特征，即不同的區域具有相似的經濟發展速度、產業結構、環境政策、人力資源、能源消費結構和外商投資等，在具有這些相同基本特征的情況下，不同區域生態效率將趨于相同的穩態。用如下檢驗方程式（7）表示絕對β收斂：

其中，Ii,t和Ii,t+T分別表示第i 個區域第t 期和t+T 期的生態效率值；ln(Ii,t+TIi,t)T 表示從第t 期至t+T 期生態效率的年平均增長率；a 為常數項；b 為基期生態效率值的系數；μi,t為隨機誤差項。若b顯著為負，表示生態效率的增長速度與初始值呈負相關，生態效率較低的省市對生態效率較高的省市具有“追趕”的趨勢，即存在絕對β收斂，反之則不存在絕對β收斂。為了最大效用地利用樣本數據，同時使計量回歸的時間序列表現出連續性，令T=1。

表7給出長江經濟帶整體及上中下游生態效率絕對β收斂回歸的檢驗結果。從整體層面看，期初生態效率系數估計值b 顯著為負，說明整體生態效率存在絕對β收斂，即長江經濟帶11個省市生態效率趨向于一個共同的穩態。從上中下游看，僅上游區域的b值在1%的顯著性水平為負，說明上游4個省市間生態效率表現出絕對β收斂的趨勢，期初生態效率水平較低的地區對較高地區具有“追趕”效應，最終達到一個穩定狀態。對于中、下游來說，b值并不顯著，說明中、下游生態效率不存在絕對β收斂，即這兩個區域各省市間生態效率的差距既未呈現縮小趨勢，也未呈現發散趨勢。

表7 生態效率絕對β收斂回歸結果

3. 生態效率條件β收斂

生態效率條件β收斂不再要求不同區域具有相同基本特征，即不同區域可以處于不同的增長路徑和穩態水平。如果存在條件β收斂，則最終憑借自身特征收斂于各自的穩態。根據Sala-IMartin&Xavier X（1996）的研究，條件β收斂檢驗方程式如下：

本文分別從經濟發展速度、外資利用、產業結構、環境規制、能源消費結構和人力資源六個方面對長江經濟帶整體生態效率的條件β收斂進行考察，研究哪些因素促使生態效率到達條件β收斂狀態。其中，經濟發展速度（gdprate ）使用地區生產總值增長率作為代理變量；外資利用（fdi ）使用實際利用外商直接投資額占地區生產總值的比重表示，美元單位按照當年平均外匯價格換算成人民幣；能源消費結構（ecs ）選取煤炭消費量占能源消費總量的份額；產業結構（is）、環境規制（er ）、人力資源（hr）指標與上文產業結構、環境污染治理投資占比和人均受教育年限所使用的數據一致。

表8給出6個控制變量的條件β收斂回歸結果。模型一將六個控制變量納入回歸方程，回歸結果中b值顯著為負，說明將選取的六個指標作為控制變量的情況下，長江經濟帶生態效率存在條件β收斂。從控制變量的系數估計值看，gdprate、is和ecs三個控制變量可以作為生態效率條件β收斂的影響因素，其中，gdprate和is回歸系數的估計值顯著為正，說明經濟發展速度的提高和產業結構調整對長江經濟帶生態效率的條件β收斂有顯著正向促進作用，ecs回歸系數的估計值顯著為負，表明該影響因素不利于長江經濟帶生態效率條件β收斂。同時注意到，fdi、er和hr的回歸系數不顯著，說明在模型一中，這三個控制變量對長江經濟帶生態效率的條件β收斂無明顯促進作用。模型二剔除fdi、er和hr三個變量，僅考慮gdprate、is和ecs三個控制變量對生態效率條件β收斂的影響，結果顯示這三個影響因素的顯著性加強，進一步驗證了經濟發展速度、產業結構和能源消費結構是長江經濟帶生態效率條件β收斂的重要影響因素。

表8 生態效率條件β收斂回歸結果

五、結論及啟示

第一，因地制宜推進生態文明建設。長江經濟帶各區域生態效率水平存在較大差異，應結合區域發展狀況制定相應政策和措施。遵循“分區推進、適度開發、協調發展”的原則，從各省市生態特點出發，對經濟發達且擁有較高生態效率的地區，如上海，重點關注其經濟—資源—環境協調發展的可持續性；對經濟較為發達但不具備較高生態效率的地區，如江蘇、浙江，不僅關注技術進步，更應注重技術效率的提升；欠發達地區也需因地制宜，對擁有較高資源稟賦且擁有較高生態效率的地區，如貴州、重慶、云南、江西等，應充分利用其地理優勢保證生態效率水平的穩固提升；對不具有先天優勢且生態效率較低的地區，如湖南、湖北、四川等，不應片面追求高生態效率，其首要任務應在于優化資源配置、改善生產力空間布局、推進資源環境可承載的特色產業發展，同時積極引進先進的技術，推進技術進步，從而有效提高生態效率。

第二，堅持優化能源消費結構。能源消費結構對長江經濟帶生態效率的改善具有抑制效用，長江經濟帶省市產業結構多以第二產業為主，煤炭化石燃料是第二產業主要的能源消費來源，這必然不利于長江經濟帶生態效率提升。各地區一方面應重點關注高新技術產業發展，推動傳統產業改造升級，另一方面降低化石燃料能源消費比重，提高能源利用效率，同時積極開發清潔能源。對傳統支柱產業中高耗能的生產設備，應加快生產工藝技術設備的改造更新，加大節能降耗技術的研發。對新建項目要嚴格把關，提高高能耗、高污染項目的準入門檻，逐漸淘汰落后產能和行業。

第三，積極推進人力資源水平提高。人均受教育年限的增加將提高全社會環保意識，促進全社會環保技術水平提高，增加資源的循環利用率，減少環境污染，最終推進生態效率提升。本文實證結果顯示長江經濟帶人力資源對生態效率的正向促進作用并不顯著，因此需要培養形成正確的生態環保意識，減少日常生活中破壞生態的行為。人力資源的提高一方面對產業結構向生態發展轉型具有重要作用，能夠為產業結構調整提供全面的技術支持和后備力量，另一方面也能推動經濟增長方式轉變，從粗放型的經濟增長方式向集約型的經濟增長方式轉變，最終提高長江經濟帶生態效率水平。

[1] 李春艷, 文傳浩. 長江經濟帶合作共贏的理論與實踐探索——“長江經濟帶高峰論壇”學術研討會觀點綜述[J]. 中國工業經濟, 2015, (02): 44-49.

[2] 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, (04): 88-110.

[3] 黃建歡,楊曉光,成剛,汪壽陽. 生態效率視角下的資源詛咒：資源開發型和資源利用型區域的對比[J]. 中國管理科學,2015,(01):34-42.

[4] 彭紅松,章錦河,韓婭,湯國榮,張瑜. 旅游地生態效率測度的SBM-DEA模型及實證分析[J]. 生態學報, 2017, (02):628-638.

[5] 鄧波,張學軍,郭軍華. 基于三階段DEA模型的區域生態效率研究[J]. 中國軟科學, 2011, (01): 92-99.

[6] 華堅, 任俊, 徐敏, Eric Fong. 基于三階段DEA的中國區域二氧化碳排放績效評價研究[J]. 資源科學, 2013, (07):1447-1454.

[7] 藍虹,穆爭社. 我國農村信用社改革績效評價——基于三階段DEA模型Malmquist指數分析法[J]. 金融研究, 2016,(06): 159-175.

[8] 羅登躍. 三階段DEA模型管理無效率估計注記[J]. 統計研究, 2012, (04): 104-107.

[9] 張軍, 章元. 對中國資本存量K的再估計[J]. 經濟研究, 2003, (07): 35-43.

[10] 盧麗文,宋德勇,李小帆.長江經濟帶城市發展綠色效率研究[J]. 中國人口·資源與環境, 2016, (06): 35-42.

[11] 毛建素, 曾潤, 杜艷春, 姜畔. 中國工業行業的生態效率[J]. 環境科學, 2010, (11): 2788-2794.

[12] 康繼軍, 張宗益, 傅蘊英. 中國經濟轉型與增長[J]. 管理世界, 2007, (01): 7-17.

[13] Seiford L M, Zhu J. Modeling Undesirable Factors in Efficiency Evaluation [J]. European Journal of Operational Research, 2002, 142(1): 16-20.

[14] WBCSD. Eco-efficient leadership for improved economic and environmental performance [M]. Geneva: WBCSD,1996: 3-16.

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

[16] Common M S. Taxation and the Environment: Complementary Policies : Organization for Economic Cooperation and Development Paris, Organization for Economic Cooperation and Development, 1993, reprinted 1994, 116 pp [J].Resources Policy, 2004, 20(4).

[17] H?h H, Schoer K, Seibel S. Eco-efficiency Indicators in German Environmental Economic Accounting [J]. Statistical Journal of the United Nations Economic Commission for Europe, 2002, 19: 41-52.

[18] Michelsen O, Fet A M, Dahlsrud A. Eco-efficiency in extended supply chains: A case study of furniture production[J].Journal of Environmental Management, 2006, 79(3):290-7.

[19] Dyckhoff H, Allen K. Measuring Ecological Efficiency with Data Envelopment Analysis (DEA) [J]. European Journal of Operational Research, 2001, 132(2): 312-325.

[20] Hoang V N, Alauddin M. Input-orientated Data Envelopment Analysis Framework for Measuring and Decomposing Economic, Environmental and Ecological Efficiency: An Application to OECD Agriculture [J]. Environmental and Resource Economics, 2012, 51(3): 431-452.

[21] lo Storto C. Ecological Efficiency Based Ranking of Cities: A Combined DEA Cross-Efficiency and Shannon’s Entropy Method [J]. Sustainability, 2016, 8(2): 124.

[22] Fried H O, Lovell C A K, Schmidt S S, et al. Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis [J]. Journal of Productivity Analysis, 2002, 17(1): 157-174.

[23] Jondrow J, Lovell C A K, Materov I S, et al. On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Function Model [J]. Journal of Econometrics, 1982, 19(2-3): 233-238.

[24] Barro R J, Sala-I-Martin X. Economic growth and convergence across the United States[J]. Social Science Electronic Publishing, 1990.

[25] Barro R J, Sala-I-Martin X. Convergence[J]. Journal of Political Economy, 1992, (100): 223-251.

[26] Sala-I-Martin X X. The Classical Approach to Convergence Analysis[J]. Economic Journal, 1995, 106(437): 1019-1036.

Ecological Eff i ciency and Convergence Analysis of the Yangtze River Economic Belt

ZHAO Xin1, HU Ying-xue2, SUN Xin1
(1.School of Statistics and Applied Mathematics, Anhui University of Finance and Economics, Bengbu 233030,China;2.UT Business School of Heng Simai, Utah State University, Utah, UT, USA)

Aiming at the shortcomings of the existing efficiency measurement model, using Malmquist -Luenberger index method in three stage super eff i ciency DEA model to calculate the ecological eff i ciency of Yangtze River Economic Belt. At the same time, the convergence of new classical economic growth is used to explore its convergence. The results showed that after adjustment, the overall and upper and middle reaches of the ecological eff i ciency growth rate decreased, the downstream has almost no change. It shows that the upper reaches and the middle reaches are in good external environment and good luck. The external environment variables have signif i cant effects on the input-output slack variables of ecological eff i ciency, and different ways of inf l uence, it is necessary to adjust the second stage. There is no sigma convergence in the ecological eff i ciency of the whole, upper, middle and lower reaches, and there exists absolute beta convergence in the whole and upstream. In the speed of economic development, utilization of foreign capital, industrial structure, environmental regulation, energy consumption structure and human resources six kinds of control variables, the speed of economic development, industrial structure and energy consumption structure are important factors in prompting the existence condition of beta convergence.

the Yangtze River Economic Belt; ecological eff i ciency; three stage super eff i ciency DEA; ML index; convergence

F424.1

A

2095-7572(2017)06-0090-14

2017-10-7

國家自然科學基金（項目編號：71471001；71503001；71301033）；全國統計科學研究項目（項目編號：2016LY26）

趙鑫（1993-），男，安徽淮南人，安徽財經大學統計與應用數學學院碩士研究生，研究方向：環境與能源統計、數量經濟；

胡映雪(1996-)， 女，安徽六安人，美國猶他州立大學本科生，研究方向：國際經濟與貿易研究；

孫欣（1973-），男，安徽廬江人，博士，安徽財經大學統計與應用數學學院副教授，研究方向：環境與能源統計、數量經濟。

﹝執行編輯：周冬﹞