中國省域空間單元綠色治理效率測度及其空間格局特征

劉宏笪,王曉霞,張濟建,黃嘉梁*

中國省域空間單元綠色治理效率測度及其空間格局特征

劉宏笪1,2,王曉霞2,張濟建3,黃嘉梁2*

(1.同濟大學經濟與管理學院,上海 200092；2.上海大學管理學院,上海 200444；3.江蘇大學財經學院,江蘇 鎮江 212013)

全文構建廣義面板三階段DEA模型,實證測度2008～2019年我國31個省域綠色治理效率,基于外部環境和投影分析探究綠色治理的改進方向;利用空間自相關模型,判斷省域綠色治理效率的潛在關聯;通過空間引力模型、社會網絡分析法,明確各省域綠色治理效率的空間關聯規模,形成網絡拓撲結構下的綠色治理效率社會網絡.研究發現,中國省域綠色治理效率呈現U型特征,且非管理性因素制約了真實效率的提升;技術環境對綠色治理投入冗余的消除存在積極作用,但經濟環境、金融環境的適應與調控須辯證展開;各省域存在大量的投入冗余現象,且冗余內部差異顯著;綠色治理活動中,各省域產生空間正相關性,空間關聯增量亦顯著增加,但內部分化、貢獻異質潛在影響綠色治理整體格局的塑造;我國基本形成“日”字型綠色治理空間關聯框架,北京、上海等中心地區的空間效應與輻射作用有助于整體綠色治理效率的提升.

綠色治理效率；省域；空間格局；廣義面板三階段DEA；空間效應

綠色治理是以政府為核心和主要領導者,企業及其他各方主體為實踐者和追隨者,各主體基于互信互賴和共建共治共享原則,實現經濟、政治、文化、社會、生態和諧持續的治理過程[1].在綠色治理過程中,政府作為綠色治理核心,通過管理職能等治理手段,引導或帶領企業進行綠色創新,繼而通過綠色創新引發的社會變革與進步,實現“五位一體”的新格局建設[2].而綠色創新引發的綠色技術與生產力,顛覆了傳統發展模式的粗放,從而真正實現了社會的綠色發展.綠色治理的核心內涵表明,綠色治理的本質是政府—企業在綠色發展過程中的鏈接關系,政府以投入者身份參與,而企業以輸出者形象面向社會,綠色治理的外顯效力正是綠色創新的推進程度[3],因而綠色治理的直接產出與效果就是企業綠色創新能力的增幅、變化[4],對綠色治理的度量也須從政府投入與綠色創新產出兩方面展開.

綠色治理效率表征綠色資源投入與社會變革產出間的比例關系,用以反饋政府投入與綠色創新產出的科學手段.綠色治理效率可以明確各類綠色活動展開及要素投入情況,引導綠色效益的提升并在內涵層面呼應五位一體的建設思路.中國式分權制度框架指出,綠色治理效率水平受外部環境影響[5].綠色低碳循環體系的協調則可能導致綠色治理投入產出比的失衡[6-7].以上研究較為全面地分析了綠色治理效率,然而綠色治理具有顯著的空間依賴性,若忽視其空間相關性將無法全面揭示出綠色治理與空間區域的內在關聯[8].結合綠色治理內涵來看,其既囊括政府層面的治理管理活動[9],又在企業微觀層面以綠色技術創新作社會變革力[10].綠色治理由于政府活動的關聯性、企業創新與生產的聯動性,使之在跨區域層面的政府、企業活動互動中,不可避免地發生內外生空間聯系[11].因此,如何全面地審視綠色治理的空間格局,成為當下研究創新的全新邊際.

本文構建綠色治理的評價指標體系,科學測度各地區綠色治理效率;基于冗余分析,明確綠色治理的資源投入調整機制;利用莫蘭指數、空間引力模型及社會網絡分析法,明確各地區綠色治理的空間關聯情況,借助核心地區的綠色治理空間效應輻射周邊,進一步提升綠色治理效率并擴大綠色治理的寬廣面.

1 研究方法與數據來源

1.1 研究方法

1.1.1 廣義面板三階段DEA模型 三階段DEA模型通過隨機前沿方法(SFA)剔除了外部環境因素?隨機誤差與管理噪聲對目標效率的干擾,以獲得更為準確的效率值[12].但三階段DEA模型仍基于傳統DEA的邏輯框架,其效率前沿面的解構過程中以默認且不可選的參照對象為“優秀單元集合”.廣義面板DEA模型通過自主選定參考系,并設定系統“移動因子”刻畫決策單元的整體進步性,以達到規避系統進步干擾、截面數據連續化處理的目標[13].考慮到中國綠色治理一直處于發展與優化階段,其效率演變中會受系統進步性與外部環境、隨機誤差、管理噪聲等非管理性因素的影響.由此,為規避數據的無效化處理與計算,解決并修正外部因素的影響,本文融合廣義DEA模型與三階段DEA模型[14],構建基于廣義面板三階段DEA模型的綠色治理效率測度模型.

Step2SFA模型調整:投入松弛變量的SFA回歸模型如式(2)[15]:

SFA回歸模型對原始投入的糾偏調整公式為

Step3 投入變量調整后的廣義面板DEA模型:將公式(3)調整后的投入變量代入模型(1)進行重新計算,得到調整后的各省域綠色治理效率值.基于效率前沿面的探析明確最優投入,將實際投入與最優投入比對,得到投入冗余值.

基于公式(4),第個樣本單元第項投入的冗余值Dx計算公式為:

本文以地區國內生產總值、技術市場成交額反映綠色治理的經濟環境與技術環境.此外,綠色治理是高投入性、高風險性的公共管理行為,外部資本的涌入與支持、投資率的擴張將有助于綠色治理工作的展開,為綠色治理產生積極保障作用,本文以資本形成率刻畫綠色治理的金融環境[16].由此,本文形成綠色治理評價指標體系[17],如表1所示.

表1 綠色治理效率評價指標體系

1.1.2 全局空間自相關分析 通過地理學第一定律與計量經濟學的有效結合[18],基于空間數據的探索性分析,探討空間單元內某種要素的集聚與互動關系程度.利用全局空間自相關分析,以Moran’s指數刻畫中國各省域綠色治理效率的空間分布特征,并判斷省域綠色治理的空間異質性情況.計算公式為:

式中:為省域個數;x與x分別為兩個省域的綠色治理效率值;為空間權重矩陣的具體元素. Moran’s指數的范圍為[-1,1],當計算值大于0時,表明各省域綠色治理間存在空間正相關,且隨著值的增大及顯著性的增強,表現出強烈的空間集聚特征.當計算值小于0時,表明各省域綠色治理間為空間負相關關系,隨著值的降低及顯著性的增強,表現出高度的空間差異特征,即各省域的綠色治理呈隨機分布樣式,不存在空間互動與集聚關聯.

1.1.3 空間引力模型 基于空間自相關分析可以初步判斷各省域綠色治理間是否存在互動關系,但無法反饋互動過程中的關聯規模、引力主體等內容.通過空間引力模型的構建與修正,表征不同省域綠色治理間的相互作用程度.計算公式為[19]:

式中:R表示兩省份間綠色治理效率的空間關聯程度;M為空間引力系數;S和S即為省份與省份的綠色治理效率;D刻畫兩地區間的空間距離;和分別表示各省份的綠色產業規模和人均國內生產總值;A則表征地區綠色治理的空間關聯總量,以衡量地區綠色治理效率對其他區域的影響程度.

1.1.4 社會網絡分析方法 綠色治理空間關系的探索需要避免傳統空間計量方法數據屬性的局限性[20].基于社會網絡分析,進一步得到“關系數據”下的綠色治理空間結構情況,有效反映各節點省域在綠色治理網絡中的結構與地位.本文通過社會網絡分析的個體結構中心性指標,刻畫各省域在綠色治理網絡中的位置與作用程度.其中度數中心度表征各省域在綠色治理網絡中的作用位置,數值越高,表明其處于空間集聚效應的中心,是輻射其他地區綠色治理、擴張全局綠色治理效率的重要輸出高地;接近中心度表征各省域在綠色治理網絡中的獨立程度,即不受其他地區控制、保有自主治理的能力,數值越高,表明其與其他地區綠色治理的直接關聯較多,而非以其他地區主控引發的間接關聯為主;中間中心度表征各省域在綠色治理網絡中的話語權,是綠色治理投入、產出資源的控制高地,數值越高,表明其引導其他地區綠色治理效率增長,并推動資源中介流動、最終消化,以達到控制、普及全局綠色治理的目標.

1.2 數據來源

以中國31個省域為研究對象,基于數據獲得性和分析價值,選取2008～2019年作為研究期.各項數據來源于EPS數據平臺、國家知識產權局專利檢索及分析系統等.本部分結合綠色治理及綠色創新的核心內涵,將各項原始數據進行了再處理,其中將地方(政府)部門在高技術產業領域的直屬研究與開發機構數、在職研究與開發人員數、研究與開發政府資金支出總額、全部建成或投產創新項目數、新增創新固定資產投資總額作實際應用,以明確“綠色”內涵.產出指標中,通過國家知識產權局專利檢索系統的“綠色”、“高技術”主題詞搜索,復核得到綠色創新專利成果數;科技進步水平指數來源于科技部的科技進步統計監測結果,該指標的計算系統與本文指標體系間不存在重復與矛盾問題,從而確保本文的科學性.

2 實證分析

2.1 中國省域綠色治理效率分析

表2 中國省域綠色治理效率情況

續表2

由表2可見,在考慮系統進步性的前提下,剔除外部環境、隨機誤差和管理噪聲等非管理性因素影響后,第1階段與第3階段的中國省域綠色治理效率出現較大波動.除湖南綠色治理效率均值略微上升外,其余地區綠色治理效率均有顯著降低.這表明綠色治理受外部環境的影響較強烈,非管理性因素主導了綠色治理效率的隱性提升.這對綠色治理格局的塑造及質量的提升存在兩大隱患:其一,省域綠色治理可能存在“虛假繁榮”景象,表象卓越的綠色治理效率遮掩了管理的低效與盲目的投入;其二,綠色治理效率與外部環境“掛鉤”,這導致部分環境基礎較差?社會先天資源匱乏的地區成為綠色治理的“吊車尾”.以西藏、青海、寧夏、新疆為例,其第三階段綠色治理效率降幅達70%.這是由于上述地區經濟開發較少,先天卓越的綠色環境?較少工業污染侵蝕的良好基礎使之綠色治理效率在第一階段明顯抬升,但實質上其真實的管理效率明顯趨低,投入產出比例不夠合適.

從時間維度來看,調整前后的綠色治理效率均存在兩個變化周期,并呈現U型變化.

第1個周期為2008～2014年,即綠色治理戰略的推出前夕.在該階段,各地區綠色治理的相關活動呈散點狀展開,依據各自規劃部署、區位條件制定相關治理策略.第一個周期各省域綠色治理效率均值達0.468,呈現出較好的綠色治理動能,但內部差距較大、治理分化趨勢加劇的問題不容忽視.以北京、天津、上海、江蘇、浙江、廣東、重慶、四川為代表綠色治理示范區效率均值達0.806,其余23個省份效率均值僅為0.350,僅有前者的43.4%.偌大的綠色治理斷層使全國綠色發展明顯失衡,且綠色治理高效地區全部集中在經濟較發達區域,這種非平衡樣態加劇教育發展、科技創新、文化建設等層面資源流動的失調,國內綠色治理的大循環明顯阻塞.

第2個周期為2015～2019年,即綠色治理的正式出臺期.在該階段,各地區綠色治理呈現高度統一、緊密相連?互通有無的積極狀態.十八屆五中全會首次將綠色發展納入國民經濟和社會發展總體規劃.基于資源與項目的最佳配置、生產方式的綠色化轉型和創新綠色發展體制機制的營造,中國綠色發展程度不斷攀升.進入十九大后,綠色發展的內涵與路線不斷清晰,綠色治理更是被賦予深層次含義:建設人與自然和諧共生的現代化,在滿足美好生活需要基礎上提供更多優質生態產品.由表2可見,當期各省域綠色治理效率均值達0.515,較上一階段增長約10.1%.北京、天津、上海、江蘇、浙江、廣東、重慶、四川地區綠色治理效率均值達0.833,其余23省份均值為0.404,差距由原先的0.456收窄至0.429,幅度逼近5.9%,表明綠色治理戰略的統一制定進一步平緩內部矛盾,推動共同治理的形成.

綠色治理效率U型特征的出現,則主要源于彼時特殊的外部環境.從經濟背景來看,2008年我國的整體經濟環境?社會發展處于歷史高點,全要素生產率明顯較高,導致各類活動的經濟效率較為卓越,此時綠色治理的投入產出比重合適,因此呈現了一定的高效率特征.而在2008～2014年期間,我國進入經濟轉型期,部分產出指標震蕩趨勢明顯,導致效率收窄.2015年正式確定綠色治理后,各地方政府明確綠色治理方向,圍繞目標產出重點發展,效率逐步回升,由此形成U型狀態.從政策環境來看,2008年及之前,我國開展了大量的創新?基建等工作以展現國家風貌,迎接奧運,各指標數據活躍度較高(特殊年),而后多年進入穩步調整期,導致部分產出數據迅速跳水,使效率趨低,直到2015年五大發展等理念的重新提出,顯著凸出綠色治理意義,綠色治理產出規模再度回升,帶動綠色治理效率的回溫.

2.2 中國省域綠色治理效率外部環境分析

基于SFA回歸模型,本文探究環境變量對投入松弛變量的影響.基于公式(2)計算,回歸結果如表3所示.

由表3可見,環境變量對投入松弛變量通過T檢驗,表明外部環境會對綠色治理的投入冗余存在作用關系.結合gamma值與調整前后的綠色治理效率比對,證明外部環境、管理噪音是主導綠色治理效率變動的關鍵要素,管理無效的影響高于隨機誤差,綠色治理管理能力有待進一步提升.

注:***、**、*分別表明值在1%、5%、10%顯著水平下顯著.

就經濟環境而言,其對綠色服務能力、綠色運營能力松弛變量呈現顯著正向作用,同時由于經濟需求的增長、經濟市場的壯大,這部分擴張的綠色投入資源得以快速消化,構建形成經濟增長—機構、人員與資金要素擴張—經濟再增長的良性循環鏈.在這種資源循環機制下,鮮有資源會被浪費,使得經濟環境對綠色組織建設能力、綠色組織配置能力和綠色投資能力保持較明顯的積極作用.技術環境方面,其與各投入松弛變量均呈顯著負向關系,表明技術市場推動了各項投入要素的精簡,有效吸收了冗余資源,這意味著綠色治理的最終導向應為技術市場.綠色發展需要創造現實的綠色價值.金融環境對綠色組織建設能力、綠色組織配置能力冗余呈顯著正向關系,但與綠色投資能力、綠色服務能力、綠色運營能力松弛變量呈顯著負向關系.表明卓越的金融環境在一定程度上促成政府綠色機構、綠色人員投入的積極性,但外部資本的涌入導致社會綠色氛圍增強,社會組織主導下的綠色機構、人員與之產生競爭性、對抗性.

2.3 中國省域綠色治理效率投影分析

基于效率最優前沿面投影分析,探究省域綠色治理各項投入的冗余情況.基于式(4)、式(5)計算,投影結果如表4所示.

表4 中國省域綠色治理投入冗余投影分析(%)

續表4

注:數據為投入冗余的可改進幅度(2008～2019年間的均值).

由表4可見,中國各省域綠色治理投入均存在顯著的低效冗余問題,且各投入冗余內部存在較大差異.總體來看,綠色組織建設能力冗余規模最大,平均冗余度為52.144%.綠色投資能力冗余最少,平均冗余度為40.699%.綠色組織配置能力、綠色服務能力和綠色運營能力平均冗余度分別為42.140%、42.413%和42.385%.由于綠色治理的快速推進,地方政府極易形成職能交錯、重復勞動的綠色機構置辦理念,但在機構劃分中導致智庫資源的分散、信息交流的閉塞,間接影響綠色人員的利用效率.伴隨機構導向的重疊,部分綠色人員無法實現資源共享機制,人才專業結構上存在缺陷,且知識水平的差異放大綠色治理管理能力的不足,形成一定的綠色組織配置能力冗余.而在綠色資本方面,考慮到地方財力不足以及財政分權下的治理壓力,中央政府發揮政府與社會資本的雙方優勢,對綠色資本引入市場機制并強化專業理念,在一定程度上縮減了綠色投資能力的冗余.

從地區而言,各省域內部的投入冗余問題亦存在差別.北京、天津、重慶、海南、西藏、青海、寧夏呈現反向特征:綠色組織建設能力冗余反低于綠色組織配置能力冗余,平均差值達6.228%.且上海綠色組織建設能力冗余也僅高出綠色組織配置能力冗余0.889%,遠低于平均值10.004%.其中北京、天津、重慶和上海均為直轄市,表明較大城市規模或經濟特別發達地區會產生人才擁擠現象,由于其特殊的虹吸效應及教育、區位優勢,導致人才資源過度集聚,并造成人力過剩、閑置與產出效益的損失.而海南、西藏、青海、寧夏則是人才與發展雙重邊緣地區,本身教育資源有限,一方面其過于狹隘的人才發展平臺使之對人才的依賴性較低、人才缺口較小,從而產生一定的人員冗余;另一方面,有限的知識結構?較低的知識協同水平使之產出水平不足,亦導致綠色組織配置能力的冗余.綠色投資能力、綠色服務能力及綠色運營能力冗余方面,四大直轄市的平均冗余度僅為23.219%,遠低于其他地區的44.590%,反言之,憑借上述地區的卓越表現與高效行動,使我國綠色治理投入冗余降低了2.758%,達到41.832%.因此在消化綠色治理冗余、精簡和優化綠色治理投入過程中,應形成以四大直轄市為引領的綠色治理圈,借助區域互通、合作機制調節資源流動,以大城市的領袖力、影響力調整落后地區治理行為,以達到共榮共治的發展目標.

2.4 中國省域綠色治理效率空間相關性分析

基于空間自相關模型,運用GeoDa軟件測算得到2008～2019中國各省域綠色治理效率的Moran’s指數.通過公式(6)計算,結果如表5所列.

由表5可見,各年份全局Moran’s指數均大于0.4,且通過1%的顯著性水平檢驗.表明中國省域綠色治理效率呈現較強的空間正相關性,各區域間存在明顯的空間互動、依賴和集聚現象.尤其在2015年之后,全局Moran’s指數持續增長,增長幅度超42.887%,綠色治理空間關聯度快速增加,進一步契合2015年五大發展理念、五位一體建設格局的提出.隨著綠色治理戰略內涵的賦能、戰略行動力的增強,各省域表現出高度的趨同特征,促使綠色治理效率的空間集聚特征越發顯著.

表5 中國省域綠色治理空間自相關全局Moran’s I指數

2.5 中國省域綠色治理效率空間關聯分析

基于空間引力模型,通過式(7),測算得到2008～ 2019年中國省域綠色治理空間關聯情況,結果如表6所示.

表6 中國省域綠色治理效率空間關聯總量

續表6

由表6可見,時序演變視角下的省域綠色治理效率空間關聯總量呈快速增加特征,年平均關聯總量由2008年的6241躍升至2019年的40204,增加幅度達544.192%.其中2015～2019年的增長幅度為350.213%,表明2015年以后各省域進入綠色治理空間關聯快速增長期,綠色治理戰略的聚合功能逐步凸顯.就空間視角而言,研究期內的空間關聯總量分布格局變化較小,初期(2008～2014)主要集中于北京、上海、江蘇、浙江等地.2015年以后,天津、河北、山東、安徽等地亦明顯突出,空間關聯能力漸漸增強.但存在不足的是,天津、廣東盡管自身綠色治理效率較高、各方優勢較為明顯,但并沒有貢獻充沛的空間關聯量,即在綠色治理集聚圈中處于孤立發展、單核驅動的狀態.長三角一體化戰略中,融入了江蘇、安徽、浙江三個省份和上海直轄市,跨省域行政邊界的治理傳導機制使綠色治理空間關聯渠道拓寬,各省域的影響力也更甚.而珠江經濟帶建設更是由于沿線城市大多在廣東省內,成為廣東內部提質增效、強化統籌、平衡粵西粵北發展的關鍵工具,其影響力遠不如長江經濟帶的建設.這就導致廣東在綠色治理空間關聯參與度有所下降,很難發揮自身的引領作用.

2.6 中國省域綠色治理效率空間結構分析

結合空間關聯矩陣,利用UCINET分析軟件,構建綠色治理效率的社會網絡.研究發現,中國省域綠色治理效率社會網絡主要存在3大密集區,其一為北京、河北的北方關聯區,借助河北的區位優勢,綠色治理效率社會網絡進一步延展輻射至東北、內蒙古和山西地區.其二為江浙滬的沿海關聯區,其中江蘇與山東、安徽關聯形成綠色治理沿海、中部雙通道,浙江則與福建關聯,形成東南沿海治理通道.盡管江西與浙江存在地理關聯,但在綠色治理活動中,雙方并不存在資源轉接的聯絡渠道,進一步突出江西的尷尬地位.其三為湖北?重慶、四川的中部關聯區,其中湖北承上啟下,聯絡了長江經濟帶的上下游資源交互,重慶則與云貴地區開辟了西南治理通道,并對接青海、陜西、寧夏,開辟形成西北治理通道.由此,我國綠色治理初步形成“日”字型的空間關聯框架,即三橫兩縱治理大動脈,兩縱包括東北—北京—山東—江浙滬—福建的沿海線,其中東北地區為延展支線;西北—重慶—云貴的西部線.三橫包括東北—北京—內蒙古—陜西的北方線,江浙滬—湖北—四川的長江線,以及福建—海南—廣西的南延線.通過該綠色治理空間關聯框架,結合地緣特色和國家空間戰略布局,進一步實現綠色治理的精細化管理,有效解決了綠色治理的空間非均衡問題,并實現綠色治理與五大發展、五大建設的高度呼應.基于社會網絡分析,本文對中國省域綠色治理效率的關鍵節點進行分析,計算得到各省域在綠色治理中的度數中心度、接近中心度和空間中心度.計算結果如表7所示.

由表7可見,各省域綠色治理中心度均呈顯著上升趨勢,但考慮到同步增加且增加幅度差異不大等因素,各省域在綠色治理社會網絡中的地位與作用相對固化.從度數中心度來看,北京、上海是重要的綠色治理中心地區,對其他地區的影響程度較強,并促成各條空間關聯渠道的形成與穩固.而重慶雖然度數中心度僅在43.277～61.048范圍內波動,但考慮到西南地區的現實狀況,其實質上承擔了綠色治理中心輻射的重要任務,且其增長幅度達41.06%,遠高于平均水平32.68%,表明重慶在綠色治理社會網絡中的地位快速突出,是重要的綠色治理中心行動者與空間互動促成者.接近中心度方面,北京、天津、上海、浙江均高于60,表明其與其他地區極易產生綠色治理的直接關聯.由于其治理能力相對獨立,使其在綠色治理社會網絡中處于主動地位,由此成為綠色治理大通道中的節點地區.而在中間中心度中,上海、廣東、江西水平較高,但其背后原因則有差別.就上海而言,其是綠色治理空間關聯框架中的通道交織點,擁有大量的綠色治理資源,是綠色治理沿海線、長江線的輸出省域,其較高的中間中心度表明上海對引控其他地區綠色治理效率增長存在積極作用.而廣東、江西則相對閉鎖,由于關鍵通道的遠離,導致這類省域雖掌握全省大量的綠色治理資源,但難以融入交互渠道,僅能實現自身的綠色治理效率增長.但由于內部效率的明顯增長,亦使其呈現較優的中間中心度.結合表7、圖1來看,我國綠色治理社會網絡雛形初步建立,下一階段應依托重點省域拓展治理關聯渠道[21],進一步強化綠色治理的宏觀格局塑造.

表7 中國省域綠色治理效率社會網絡節點結構演化

2.7 政策建議

強化綠色治理管理效率提升,貫徹落實中央統一部署,深入推進綠色治理體制改革.政府及企業應打開思維及眼界,破除認知固化的藩籬.解放思想,消除現有體制機制弊端,切實提升綠色治理的管理效率.綠色治理本身會伴隨社會系統的多元進步水漲船高,呈現較為正面的治理形象.在治理背后,管理無效的問題依舊長期存在,各地方省域應改除積習和弊端,樹立正確的綠色治理觀,結合綠色治理的核心內涵,對重點領域進行專項突破.

借力打力,有效依托外部環境消解綠色治理冗余,客觀把握當前經濟運行優勢,辯證統一外部環境與綠色治理關系,正確發揮環境優勢與綠色治理的融合作用.各地須有意識地利用市場機制,借助綠色金融契機重構金融環境,強化對綠色資本的引導與支持,更好的發揮政府的引領作用,堅持以市場為導向、技術為落腳點,適應形成綠色治理現代體系.充分發揮經濟和治理的融合作用,減少資本等要素冗余,更好的提高綠色治理效率.化解政府資源結構性冗余,推動綠色治理要素精細化滲透,轉換政府職能、重塑執政思維,避免盲目投入引發資源無效問題.

響應綠色治理效率空間格局,結合國家國土空間“兩橫三縱”為主體的城市化戰略格局,塑造綠色治理“日”字型發展新格局.利用環渤海、長三角、珠三角等特大城市群的現有基礎,借助江淮、長江中游、成渝等都市圈的新開發,打通綠色治理資源傳導的阻滯,以綠色治理契機培育全新的城市、省域集群.提高邊緣地域的話語權,均衡市場、人力、資本等要素的參與度,提高綠色治理效率社會網絡的穩定度,并最終借助社會網絡推動形成布局合理、功能完善、銜接順暢、運作高效的治理平臺.各地區發展戰略應互相寫入、準確借鑒,將綠色治理大通道做成國家生態走廊、產業合作平臺,通過產業鏈條的不斷完善、政產學研的不斷融合,最終形成國家層面的經濟大通道,達到國家治理體系和治理能力現代化的目標.

3 結論

3.1 綠色治理受系統進步性、外部環境、隨機誤差和管理噪聲等非管理性因素的影響較強,且非管理性因素主導了綠色治理效率的隱性提升.我國省域綠色治理效率存在兩個發展周期,并以2015年為拐點呈現U型變化特征.地方政府各項投入要素的冗余現象較為嚴重,且冗余內部差異問題明顯.冗余問題主要集中在綠色組織建設能力方面,地方政府對綠色機構的設置存在不足,低端、無效、重復的機構設置暴露綠色治理基層投入的矛盾性.而大規模城市(省域)則存在綠色人才的擁擠現象,導致綠色組織配置能力的冗余.

3.2 基于綠色治理效率的空間相關性分析發現,各省域在綠色治理中存在顯著的空間正相關性,空間集聚與依賴特征逐漸增強.基于綠色治理效率的空間關聯分析發現,各省域的空間關聯增量隨時序快速增長,但部分效率卓越地區的空間關聯貢獻較為有限,空間關聯的異質性分化不利于綠色治理格局的塑造.我國已基本形成“日”字型空間關聯框架,打造出三橫兩縱的綠色治理大動脈,包括縱向的沿海線、西部線,以及橫向的北方線、長江線、南延線.在綠色治理關聯渠道中,北京、上海是重要的綠色治理策源地、中心地,基于重要地區的起承轉合,我國綠色治理社會網絡初現雛形,綠色治理空間效應日益增加.

[1] 劉宏笪,張濟建,張 茜.全球供應鏈視角下的中國碳排放責任與形象[J]. 資源科學, 2021,43(4):652-668.

Liu H D, Zhang J J, Zhang X. China’s carbon emission responsibility and image from the perspective of global supply chain [J]. Resources Science, 2021,43(4):652-668.

[2] 翟坤周,侯守杰.“十四五”時期我國城鄉融合高質量發展的綠色框架、意蘊及推進方案[J]. 改革, 2020,10(11):53-68.

Zhai K, Hou J. Green framework, implication and promotion scheme of high-quality development of urban-rural integration in China during the 14th five-year plan period [J]. Reform, 2020,10(11):53- 68.

[3] 彭甲超,許榮榮,付麗娜,等.長江經濟帶工業企業綠色創新效率的演變規律[J]. 中國環境科學, 2019,39(11):4886-4900.

Peng J C, Xu R R, Fu L N, et al. The evolution pattern of green innovation efficiency of industrial enterprises in the Yangtze river economic belt [J]. China Environmental Science, 2019,39(11):4886- 4900.

[4] 周 力.中國綠色創新的空間計量經濟分析 [J]. 資源科學, 2010, 32(5):932-939.

Zhou L. Space econometric analysis of green innovation based on a perspective of resource endowment [J]. Resources Science, 2010, 32(5):932-939.

[5] 郭愛君,張 娜,鄧金錢.財政縱向失衡、環境治理與綠色發展效率[J]. 財經科學, 2020,(12):72-82.

Guo A J, Zhang N, Deng J Q. Vertical fiscal imbalance, environmental governance and green development efficiency [J]. Finance & Economics, 2020,(12):72-82.

[6] 吳傳清,周西敏.長江經濟帶綠色經濟效率的時空格局演變及其影響因素研究[J]. 宏觀質量研究, 2020,8(3):120-128.

Wu C Q, Zhou X M. Research on the spatiotemporal evolution and the influencing factors of green economic efficiency in the Yangtze river economic belt [J]. Journal of Macro-quality Research, 2020,8(3): 120-128.

[7] 馬曉君,魏曉雪,劉 超,等.東北三省全要素能源效率測算及影響因素分析[J]. 中國環境科學, 2017,37(2):777-785.

Ma X J, Wei X X, Liu C, et al. The analysis of total factor energy efficiency calculation and influence factors of the three northeast provinces [J]. China Environmental Science, 2017,37(2):777-785.

[8] 李 敬,陳 澍,萬廣華,等.中國區域經濟增長的空間關聯及其解釋——基于網絡分析方法[J]. 經濟研究, 2014,49(11):4-16.

Li J, Chen S, Wang G H, et al. Study on the spatial correlation and explanation of regional economic growth in China--Based on analytic network process [J]. Economic Research Journal, 2014,49 (11):4-16.

[9] 施本植,湯海濱.中國式分權視角下我國工業污染治理效率及其影響因素研究[J]. 工業技術經濟, 2019,38(5):152-160.

Shi B Z, Tang H B. Study on the efficiency of industrial pollution control and its influencing under the chinese style decentralization [J]. Journal of Industrial Technological Economics, 2019,38(5):152-160.

[10] 何好俊,祝樹金.制造業集聚是否有利于提升環境治理績效[J]. 中國科技論壇, 2016,31(10):59-64.

He H J, Zhu S J. Is manufacturing industry agglomeration conducive to improving the performance of environmental governance [J]. Forum on Science and Technology in China, 2016,31(10):59-64.

[11] 梁 中,昂 昊.中國綠色技術創新效率演化及其空間治理[J]. 財貿研究, 2019,30(8):16-25,63.

Liang Z, Ang H. Green technology innovation efficiency evolution and space governance in china [J]. Finance and Trade Research, 2019,30 (8):16-25,63.

[12] Fried H O, Lovell C A, Schmidt S S, et al. Accounting for environment effects and statistical noise in data envelopment analysis [J]. Journal of Productivity Analysis, 2002,17(1):157-174.

[13] 馬生昀,馬占新.基于樣本前沿面移動的廣義DEA有效性排序[J]. 系統工程學報, 2014,29(4):443-457.

Ma S Y, Ma Z X. Ranking of generalized DEA efficiency based on the moving of sample frontier [J]. Journal of Systems Engineering, 2014, 29(4):443-457.

[14] 劉春艷.A股上市銀行創新能力技術缺口比率分析——基于廣義DEA效率視角[J]. 會計與經濟研究, 2018,32(3):117-128.

Liu C Y. Analysis on technological gap ratio of a share listed banks’ innovation ability: A perspective of generalized dea efficiency [J]. Accounting and Economics Research, 2018,32(3):117-128.

[15] 高旭闊,張 迪.考慮環境因素的城鎮污水處理投資效率——基于三階段DEA的方法[J]. 中國環境科學, 2018,38(9):3594-3600.

Gao X K, Zhang D. Efficiency evaluation of the investment in urban sewage treatment via the three stage DEA method considering environmental factors [J]. China Environmental Science, 2018,38(9): 3594-3600.

[16] 王 維,鄭巧慧,喬朋華.金融環境、政府補貼與中小企業技術創新——基于中小板上市公司的實證研究[J]. 科技進步與對策, 2014, 31(23):87-92.

Wang W, Zhen Q H, Qiao P H. Financial environment, government subsidies and technological innovation of smes——an empirical study on the sme board based on listing corporation [J]. Science & Technology Progress and Policy, 2014,31(23):87-92.

[17] 于麗英,劉宏笪,陳子璇.長江經濟帶綠色治理效率測度與分析——基于廣義面板三階段DEA模型[J]. 華東經濟管理, 2021,35(6): 88-99.

Yu L Y, Liu H D, Chen Z X. Measurement and analysis of green governance efficiency in the Yangtze river economic belt: Based on the generalized panel three-stage dea model [J]. East China Economic Management, 2021,35(6):88-99.

[18] Tobler W. A computer movie simulating urban growth in the detroit region [J]. Economic Geography, 1970,46(2):234－240.

[19] 劉 佳,安珂珂.環渤海城市旅游產業綠色創新效率的空間格局[J]. 華東經濟管理, 2020,34(6):27-37.

Liu J, An K K. Spatial pattern of green innovation efficiency of tourism industry of cities in Bohai rim region [J]. East China Economic Management, 2020,34(6):27-37.

[20] 史慶斌,謝永順,韓增林,等.東北城市間旅游經濟聯系的空間結構及發展模式[J]. 經濟地理, 2018,38(11):211-219.

Shi Q B, Xie Y S, Han Z L, et al. Spatial structure and spatial development patterns of urban tourism economic connections in northeast China [J]. Economic Geography, 2018,38(11):211-219.

[21] 周廣強,謝 英,吳劍斌,等.基于WRF-Chem模式的華東區域PM2.5預報及偏差原因 [J]. 中國環境科學, 2016,36(8):2251-2259.

Zhou G Q, Xie Y, Wu J B, et al. Based on WRF-Chem model, the PM2.5forecast and deviation reason in East China region [J]. China Environmental Science, 2016,36(8):2251-2259.

Measurement of green governance efficiency of China's provincial spatial units and analysis of spatial pattern characteristics.

LIU Hong-da1,2, WANG Xiao-xia2, ZHANG Ji-jian3, HUANG Jia-liang2*

(1.School of Economics & Management, Tongji University, Shanghai 200092, China；2.School of Management, Shanghai University, Shanghai 200444, China；3.School of Finance and Economics, Jiangsu University, Zhenjiang 212013, China)., 2022,42(3)：1477～1488

The paper constructed a generalized panel three-stage DEA model to empirically measure the green governance efficiency of 31provinces in China from 2008 to 2019, and explored the improvement direction of green governance based on external environment and projection analysis; a spatial autocorrelation model was used to determine the potential association of provincial green governance efficiency; a spatial gravity model and social network analysis were used to clarify the scale of spatial association of green governance efficiency in each province. The green governance efficiency of Chinese provinces had a U-shaped characteristic, and non-managerial factors restrict the improvement of the real efficiency; the technical environment had a positive effect on the elimination of green governance input redundancy, but the adaptation and regulation of the economic must be dialectical; there was a large amount of input redundancy in each province, and the internal variation of redundancy was significant The spatial correlation among provinces in green governance activities was positive, and the increment of spatial correlation was significantly increased, but the internal differentiation and contribution heterogeneity potentially affected the shaping of the overall pattern of green governance; China had basically formed a "day" spatial correlation framework of green governance, and the spatial effect and radiation of central regions such as Beijing and Shanghai help the overall The spatial effect and radiating effect of central regions such as Beijing and Shanghai contributed to the improvement of the overall green governance efficiency.

green governance efficiency；province area；spatial pattern；broad panel three-stage DEA；spatial effect

X82;X22

A

1000-6923(2022)03-1477-12

劉宏笪(1996-),男,江蘇南通人,同濟大學博士研究生,主要研究方向綠色治理.發表論文30余篇.

2021-08-02

國家自然科學基金資助項目(11671250);上海市社科規劃項目(2020BGL023)

*責任作者, 助教, dimples_hjl@126.ccom