基于環境壓力視角的東北老工業基地生態效率研究*

尹妮妮 汪克亮

(安徽理工大學經濟與管理學院，安徽 淮南 232001)

東北老工業基地作為新中國最早與最大的重工業基地，為新中國經濟的飛速發展做出了巨大貢獻，然而隨著改革開放和我國經濟體制改革與結構轉型，東北老工業基地經濟的發展卻呈現出步履維艱、位次逐漸下滑的態勢。雖然我國于2003年提出的振興戰略帶動了東北老工業基地經濟的短暫回溫，但2012年起，東北老工業基地經濟增速急劇下滑，與全國平均增速水平難以達到同步。東北老工業基地長期依賴于高投入、高消耗和高污染的粗放型經濟發展模式，給當地生態環境帶來了巨大壓力。東北老工業基地的大氣、水和土壤污染較嚴重[1]，不僅制約了東北老工業基地的高質量發展，也影響了自然資源的可持續利用。為此，在“十三五”規劃伊始，我國開啟了新一輪“全面振興東北老工業基地”的戰略計劃，其中針對生態環境問題提到，應牢固樹立綠色發展理念，堅決摒棄損害甚至破壞生態環境的發展模式和做法，將老工業基地打造成北方生態屏障和山青水綠的宜居家園。在此基礎上，2018年習近平總書記在深入推進東北振興座談會上強調“要更好支持生態建設和糧食生產，鞏固提升綠色發展優勢”。在此背景下，為了緩解東北老工業基地嚴峻的生態環境壓力，促進區域經濟的綠色可持續發展，本研究將基于能源消耗和工業污染的環境壓力視角，評估23個東北老工業基地的生態效率，研究結果對于更好地實現振興東北老工業基地戰略目標具有重要的現實意義。

生態效率的概念首先由SCHALTEGGER等[2]提出。隨后，生態效率的概念在世界可持續工商理事會(WBCSD)的定義和推廣下，被世界相關研究機構和學者廣泛認識和接受[3-4]。此后，生態效率成為了國內外學者研究的熱點[5]。根據研究對象和目的的差異性，生態效率的測度方法也有所不同，一般可概括為3種。一是單一比值法[6-7]，二是指標體系法[8-9]，雖然以上兩種測算方法較為直觀，可以分析獨立或復雜的對象，但是卻有局限性，特別是指標體系構建中多使用德爾菲、層次分析、目標距離等含有較強主觀因素的賦權方法，難以剔除人為因素影響。三是數據包絡分析(DEA)模型法，針對以上兩種方法的不足，有學者引入DEA來測度生態效率，該方法是由CHARNES等[10]首創的一種非參數前沿方法，優點是不需要提前預設要素投入和產出的函數關系，也不需要統一指標單位及對權重進行主觀判斷，客觀性更強。DEA方法已得到廣泛應用。KUOSMANEN等[11]基于DEA方法評估了芬蘭東部城鎮公路運輸生態效率；LORENZO TOJA等[12]采用生命周期評價(LCA)與DEA結合的方法測算了西班牙113個污水處理廠的生態效率；WANG等[13]構造一種混合超效率DEA模型和Malmquist指數方法測算了我國22個工業部門的生態效率。

自生態效率概念引入我國[14]后，目前國內相關領域的學者已廣泛開展對生態效率的研究，在行業[15-17]、城市群[18-20]、區域[21-24]等層面的研究成果相對豐碩。然而，東北老工業基地作為我國區域經濟研究的重點，有關生態效率的研究較少。目前已有研究多結合DEA和Malmquist指數方法測算東北老工業基地的生態效率[25-27]，檢驗了DEA方法在生態效率測度上的可行性，然而也有不足之處：一是建立生態效率DEA模型時將資本、人力作為投入變量，并不能客觀反映生態效率的提高是基于能源消耗的節約和污染物減排還是資本和人力的增加；二是Malmquist指數雖然可以從動態角度分析生態效率的變化趨勢，但是由于該指數是基于徑向距離函數，在投入、產出變量存在非零松弛時會導致效率測度結果出現偏誤[28]。對此，本研究以2012—2017年23個東北老工業基地城市為研究對象，將城市經濟產出過程中消耗的能源和排放的環境污染物視為環境壓力，作為建立生態效率DEA模型的投入變量，且投入變量中不包括資本與人力；分別從整體與區域能源消耗和不同污染物層面依次考察東北老工業基地的生態效率，結合DEA窗口分析法綜合分析與挖掘生態效率的變化趨勢與制約因素，采用面板Tobit回歸模型檢驗東北老工業基地生態效率的影響因素，以期為東北老工業基地生態效率的研究和相關部門制定決策提供參考與借鑒。

1 研究方法

1.1 DEA測算框架

借鑒PICAZO TADEO等[29]的方法，將東北老工業基地生態效率定義為經濟增加值與環境壓力的比值。假設共有I個決策單元(文中即為東北老工業基地的23個地級市)，第i個決策單元的經濟增加值為ei，經濟產出過程中產生N種環境壓力，第n種環境壓力為pni，則決策單元i的整體生態效率(AEE)可以定義為AEEi，見式(1)：

(1)

在規模報酬不變的假設下，建立DEA測算框架，為了計算的便利性，將原始非線性規劃模型轉變為線性規劃模型，見式(2)，其約束條件見式(3)：

θi=minAEEi

(2)

(3)

式中：在維持ei不變的前提下，取pni等比例減小后的生態效率最小值，即為θi；zi為第i個決策單元的權重。

(4)

1.2 DEA窗口分析法

由于運用傳統DEA方法所構造的決策單元在不同時期的前沿面并不相同，反映的只是決策單元在某一時期的橫向靜態效率，在跨期縱向分析中并不具有可比性。對此，CHARNES等[30]引入DEA窗口分析法，該方法基于移動平均法原理，將處于不同時期的同一決策單元作為不同的決策單元進行考察，達到擴充小樣本數據數量、提高評價相對效率的辨識度與可靠性的目的；同時還能從時間序列的動態角度考察決策單元效率值的變化趨勢。DEA窗口分析法在運用過程中，首先要根據研究對象和樣本考察年限決定窗口寬度(d)的取值，在已有研究中，大部分學者將d設為3[31-33]。本研究根據需要，設定d=2。假設樣本考察總年限為T，則一共生成T-d+1個窗口，針對I個決策單元在每個窗口內共測算d×I個效率值；依據移動平均法原理，順著考察年限，分別測算第i個決策單元在第q(q=1，2，…，T-d+1)個窗口上的d個效率值，并依次類推到最后一個時間點，最后取各時間點上每個決策單元的d個效率值的平均值，即為最終橫縱向可比的決策單元的效率值。

2 樣本變量與數據

考慮投入/產出變量數據的可得性，選擇樣本考察期為2012—2017年，研究對象為東北老工業基地23個地級市，分屬遼寧、吉林、黑龍江3省，數據來源于各年份中國城市統計年鑒以及各省份統計年鑒。參考已有研究，將城市經濟產出過程中消耗的能源和排放的環境污染物視為環境壓力，作為考察生態效率的投入變量，包括各城市綜合能源消費量(記為E，以標準煤計)、工業廢水排放量(記為W)、工業SO2排放量(記為S)、工業煙粉塵排放量(記為D)。產出變量為東北老工業基地各城市地區生產總值，為保持數據口徑一致，各城市2012—2017年地區生產總值數據也以2012年不變價格表示。投入/產出變量數據的統計特征見表1。

表1 2012—2017年樣本投入/產出變量數據的統計特征

3 實證測算與結果分析

3.1 東北老工業基地生態效率

測算2012—2017年東北老工業基地23個地級市的AEE和4類基于環境壓力視角的生態效率指標，這4類環境壓力生態效率分別為綜合能源消耗壓力生態效率(EPEE)、工業廢水排放壓力生態效率(WPEE)、工業SO2排放壓力生態效率(SPEE)、工業煙粉塵排放壓力生態效率(DPEE)，且AEE和4類環境壓力生態效率指標等于(小于)1表示東北老工業基地生態效率有效(無效)。東北老工業基地生態效率測算結果見圖1和表2。

圖1 東北老工業基地3省AEE與4類環境壓力生態效率雷達圖Fig.1 Radar map of AEE and 4 kinds of environmental pressure eco-efficiency of 3 provinces in old northeastern industrial base

整體來看，2012—2017年東北老工業基地23個地級市AEE為0.593，距離效率前沿存在41.7%的提升空間，EPEE、WPEE、SPEE、DPEE分別為0.390、0.309、0.211和0.176，從投入的角度來看節能減排的潛力巨大。分省市來看，遼寧省、吉林省和黑龍江省的AEE分別為0.493、0.638、0.733，其他4類環境壓力生態效率與AEE一致，皆呈現遼寧省<吉林省<黑龍江省的梯度變化特征，其中SPEE、DPEE比之其他兩類環境壓力生態效率更低，表明在考察期內工業煙粉塵和SO2為環境污染壓力的主要來源。東北老工業基地多為資源型城市，在以往年份的重化工業經濟發展中，對于自然資源的開發和化石能源的消耗較為粗放，且東北地區冬季采暖又以煤為主，SO2及煙粉塵大量排放，表現為煤煙型大氣污染嚴重。分城市來看，在3省中AEE分別排名第1的為朝陽市、白城市、大慶市，且3市的AEE均都在0.8以上。近年來，朝陽市環境空氣質量排名連續位居全省前列，全面整治了劣Ⅴ類(參考《地表水環境質量標準》(GB 3838—2002))水體且主要河流水質達標率為100%；白城市自2013年起環境空氣質量達《環境空氣質量標準》(GB 3095—2012)二級標準，轄區內水質均達到GB 3838—2002 Ⅲ類標準；大慶市近年來空氣質量優良率保持在87%以上，尤其2017年SO2和PM2.5分別達到GB 3095—2012一級和二級標準，處于北方城市領先水平。總的來說，以上3市抓住了全國范圍內產業梯度轉移時期，同時依托綠色高新技術產業推動產業結構升級，以高標準推進城市生態文明建設，這一套改革“組合拳”促使落后的老工業基地成為振興前線與生態文明建設的范本，是其他老工業基地城市學習的對象。

表2 東北老工業基地23個地級市AEE與4類環境壓力生態效率窗口分析結果

3.2 東北老工業基地生態效率的動態演變趨勢及指標分解

采用DEA窗口分析法從動態變化趨勢視角來分析東北老工業基地的生態效率指標；此外，為更好挖掘東北老工業基地生態環境效率變化的關鍵性因素，將AEE進一步分解為生態環境純技術效率(AEPTE)和生態環境規模效率(AESE)，3者關系表示為AEE=AEPTE×AESE。

由圖2可知，2012—2017年東北老工業基地的AEE呈現溫和波動下降的特征，由2012年的0.601下降到2017年的0.570。其他4類環境壓力生態效率，除EPEE呈現與AEE一致的下滑態勢外，其他3類環境壓力生態效率均呈現整體上升的趨勢，尤其是SPEE和DPEE，其在2015—2017年期間上升幅度較大，說明我國在“十三五”規劃中提出的新一輪“全面振興東北老工業基地”的戰略計劃對老工業基地的生態環境改善有一定的成效，但是AEE的下降，又為老工業基地的生態環境保護工作敲響了警鐘，所以必須要堅持轉變老工業基地為新興的綠色工業基地，才能更好發展綠色生態經濟。由表3可見，除吉林省AEE從2012年的0.627到2017年的0.669有所上升外，遼寧省和黑龍江省的AEE都呈波動下降的態勢。從4類環境壓力生態效率來看，雖然SPEE和DPEE數值相對較低，但在考察期間3省基本呈現上升態勢。

圖2 2012—2017年東北老工業基地AEE及4類環境壓力生態效率動態變化趨勢Fig.2 The dynamic trend of AEE and 4 kinds of environmental pressure eco-efficiency of old northeastern industrial base during 2012-2017

表3 2012—2017年東北老工業基地3省AEE與4類環境壓力生態效率動態變化趨勢

構建23個老工業基地城市的AEPTE和AESE分布圖，將23個地級市為4類，分別為高AEPTE-高AESE、高AEPTE-低AESE、低AEPTE-高AESE、低AEPTE-低AESE，結果見圖3。有15個城市在高AESE處聚集，而其中一半以上城市處于低AEPTE狀態。因此，東北老工業基地想要更好地貫徹“振興老工業基地”的倡議，走綠色生態轉型的道路，就應該重點從提高AEPTE出發，通過引入前沿綠色工業技術，改進現有的節能減排管理措施和工業設備來實現。此外，AESE相較AEPTE而言給AEE帶來的提升空間有限，如果生產投入規模過大，尤其是以環境為代價的生產規模過大，會導致資源調配的失調。

圖3 東北老工業基地23個地級市AEPTE和AESE散點圖Fig.3 Scatter diagram of AEPTE and AESE of 23 cities in old northeastern industrial base

3.3 東北老工業基地生態效率的影響因素分析

分別以東北老工業基地及遼寧省、吉林省和黑龍江省的AEE為被解釋變量，選取時間趨勢、經濟發展水平、產業結構、科技水平、環境規制為解釋變量，采用Tobit回歸模型考察東北老工業基地及3省的生態效率的影響機制。5項解釋變量的具體界定如下：以考察期的時間范圍作為時間趨勢衡量；以東北老工業基地23個地級市的人均地區生產總值表征經濟發展水平，人均地區生產總值數據以2012年不變價格表示；以第二產業占地區生產總值的比重表征產業結構；以城市地方財政支出中的科學技術支出占地區生產總值的比重表征科技水平；以一般工業固體廢棄物綜合利用率表征環境規制。回歸結果見表4。

由回歸結果可知：(1)東北老工業基地和3省的時間趨勢系數為負，其中東北老工業基地和吉林省的回歸系數分別通過0.01和0.05的顯著性檢驗，說明在考察期內隨著時間的推移，東北老工業基地AEE呈現下降態勢，遼寧省下降最快，但是影響力較低。(2)經濟發展水平均對東北老工業基地、吉林省和黑龍江省AEE的影響顯著為正，說明經濟發展水平的提高對居民的環保意識有著積極作用，而遼寧省地區生產總值在過去幾年出現負增長，也是全國唯一負增長的省份，經濟的下滑嚴重制約了綠色生態經濟的發展。(3)產業結構系數均為負數，除遼寧省、黑龍江省不顯著外，其他均通過顯著性檢驗，說明東北老工業基地AEE的下降與單一的產業結構有關，輕重工業比例失調，應從調整產業結構出發，扭轉不合理的現狀，走綠色技術轉型振興之路。(4)除遼寧省外，科技水平與AEE呈顯著負相關，這與預期有出入。主要原因是東北老工業基地本身科技水平較低，工業設備落后，技術管理水平低下，而東北老工業基地的振興主要依托于以高科技產業為主導的工業發展模式，然而這種模式帶來經濟增長的同時，由于對高科技產業認識的不足，加之其生產技術流程在法規與標準化管理層面上缺乏有效支撐，使得環境污染問題仍然嚴峻。此外，科技投入的多少并不代表科技水平的高低，只有合理配置科技資源并向綠色產業轉移，不斷提升綠色高新技術的開發與使用率，才能有效促進生態環境實質性改善。(5)環境規制對于東北老工業基地的生態效率有著顯著的積極影響，除黑龍江省不顯著外，其余均通過顯著性檢驗，其中遼寧省影響最大，回歸結果進一步驗證了東北老工業基地生態效率的提高與政府的嚴格環境規制手段有著密切關系。

表4 東北老工業基地Tobit回歸結果1)

4 結論與建議

4.1 結 論

(1) 2012—2017年東北老工業基地AEE均值為0.593，整體偏低且呈現小幅度波動下降趨勢，表現出遼寧省<吉林省<黑龍江的地域變化特征。4類環境壓力生態效率中，DPEE、SPEE較低，表明在考察期內工業煙粉塵和SO2為老工業基地環境污染壓力的主要來源。

(2) 東北老工業基地AEE不高主要是AEPTE過低造成的。

(3) 經濟發展水平、環境規制對東北老工業基地AEE有顯著的正效應，而產業結構和過低的科技水平則嚴重抑制了AEE的提升。

4.2 建 議

(1) 2012—2017年，AEE無明顯起色，3省差距仍舊明顯，在保證地區經濟增長的同時，應嚴格做好環境規制管理。此外，結合老工業基地不同城區的工業特色，因地制宜制定有效的生態污染防治措施，同時加大科技資金投入與扶持力度。

(2) 為從源頭上管控東北老工業基地SO2和工業煙粉塵的排放量，進一步提高能源利用率，各老工業基地城市需要引進和推廣以節能減排、低碳為主的綠色生態技術。對于重化工企業著重進行脫硫、除塵改造，如淘汰落后設備，限制排放甚至關停重污染企業；提高以天然氣、潔凈煤等為主的清潔能源的使用比例。

(3) 東北老工業基地亟需調整過去大力發展重工化企業遺留下來的單一的產業結構模式，提高以綠色生態技術為主力的高新技術產業的比重，綠色生態技術提高與創新是東北老工業基地生態環境效率提升的根本動力。其次，引進新型科技人才，整合優勢技術資源，加強與周邊發達地區的科學技術交流，真正實現先進科技資源共享，從而打破東北老工業基地從工業資源型向綠色生態循環經濟轉型的瓶頸。