葛仁東，于成學，徐 毅，王少軍

(大連民族大學 a.理學院；b.國際商學院，遼寧 大連116605)

基于DPESAR框架的遼寧省綠色發(fā)展實證研究

葛仁東a，于成學b，徐 毅a，王少軍a

(大連民族大學 a.理學院；b.國際商學院，遼寧 大連116605)

綠色發(fā)展對生態(tài)文明建設至關重要。基于DPESAR框架研究地區(qū)綠色經濟發(fā)展情況，識別影響綠色發(fā)展的主要因素。選擇遼寧省1995-2014年的統計數據，運用熵值法獲得64個指標的權重，進而形成6個二級指標的時間序列數據；依據識別控制變量指標，進而建立狀態(tài)變量指標的自回歸模型；通過相關系數及指標的相互影響因子，討論3個控制變量指標對3個狀態(tài)指標的控制機理；為本地區(qū)的綠色轉型建設提供依據。

標準化；熵值法；DPESAR框架；協整檢驗；自回歸模型

黨的“十八”大再次強調了綠色發(fā)展對生態(tài)文明建設的重要性?！笆濉逼陂g，是中國經濟發(fā)展綠色轉型、產業(yè)結構優(yōu)化升級的重要時期，因此保證生態(tài)環(huán)境與經濟增長的協調發(fā)展是新常態(tài)形勢下社會發(fā)展必須考慮的重要問題。改革開放以來的粗放型經濟發(fā)展形勢導致GDP增加與自然環(huán)境保護失衡，帶來了資源約束愈發(fā)緊張、生態(tài)環(huán)境系統退化現象逐年加重的巨大壓力，使環(huán)境承載能力逼近承受上限，逐步開始威脅到人類的生存。國內外有關綠色發(fā)展的研究框架多以可持續(xù)發(fā)展指標體系[1-4]為依據，建立PSR框架模型，隨后經過改進升級形成了DSR概念框架模型，進而對綠色發(fā)展進行了研究。但由于DSR模型忽視了驅動力與狀態(tài)指標之間沒有邏輯上的肯定聯系，即造成了對社會經濟指標之間的客觀實際關系的模糊臆斷，同時針對具體指標分類的界限并不十分明確和合理，使龐大的指標體系具體分類模糊，因而DSR模型存在很大缺陷，有待于進一步完善。結合中國綠色發(fā)展的具體實際情況，國內很多學者建立了具體符合各省條件的可持續(xù)發(fā)展指標體系[5-8]，這些研究方法基本上都利用了范圍法，即按可持續(xù)發(fā)展的主要研究方向對經濟、社會、環(huán)境等方面進行分類，然后再繼續(xù)分層定出更細致的目標，這也是當今采用最多的方法之一[9-15]。由于影響地區(qū)綠色發(fā)展的因素復雜多變，有的因素很難識別。

本文基于DPESAR框架，運用熵值法對遼寧省的綠色發(fā)展進行研究，可以客觀地獲得控制變量和狀態(tài)變量的結果，直接識別出影響綠色發(fā)展的關鍵因素，可為地區(qū)綠色發(fā)展提供科學依據，因而具有重要的理論意義和現實意義。

1 分析方法與評價體系

1.1 指標的選取與數據來源

(1)資源環(huán)境指標。包括資源利用和環(huán)境壓力。

(2)自然資源指標。包括水資源、森林資源、礦產資源和土地資源。

(3)環(huán)境政策與投資。包括環(huán)境科技投資、政策工具、環(huán)境治理和國際環(huán)境合作。

本文除設置1個一級指標和6個二級指標外，還設計了64個三級指標。

地區(qū)綠色發(fā)展指標的數據來源于1995-2014年的《遼寧省統計年鑒》、遼寧省環(huán)境公報、遼寧省國土資源統計以及遼寧省職能部門的公報。

1.2 標準化處理與指標權重的確定

(1)正向指標的標準化

正向指標指數值越大表明綠色發(fā)展越好的指標，標準化公式為

(1)

(2)負向指標的標準化

負向指標指數值越小表明綠色發(fā)展越好的指標，標準化公式為

(2)

(3)適中指標的標準化

適中指標指越接近某一個規(guī)定的值越好的指標，標準化公式為

(3)

(4)指標權重的確定

熵值法是一種常用的客觀賦權重方法，一般認為，信息熵值越大，系統的結構越均衡，差異性越小，指標的權重就越小，反之亦然。運用熵值法計算權重主要分為5個步驟：

第一步 數值標準化處理，具體見式(1)-(3)。

第二步 比重的確定：

(4)

第三步 熵值計算：

(5)

第四步 變異系數計算：

γj=1-ej。

(6)

第五步 權重的計算：記v={v1,v2,…,vn}為權重向量，

(7)

(5)由相對權重可以得到6個指標的數據，見表1。

表1 6個指標權重結果

根據相關文獻和專家訪談，本文認為驅動力(A)、壓力(B)、響應(F)為控制變量；暴露(C)、敏感(D)、適應(E)為狀態(tài)變量。首先要確定數據的無矛盾性，之后列出它們各自的變化趨勢，如圖1和圖2，并結合實際情況作比較。

圖1 控制變量變化趨勢比較

圖2 狀態(tài)變量變化趨勢比較

通過研究遼寧省從1995年到2014年的自然、經濟、社會發(fā)展的實際狀況，本文認為，圖1和圖2所示的指標變化趨勢基本上是合理的。

2 指標的單整檢驗與結果分析

運用EViews6軟件進行分析，得到除E穩(wěn)定外，其余的數據都是一階單整的結論。驅動力(A)的單整結果見表2，適應(E)的單整結果見表3。

表2 驅動力指標的單整檢驗

表3 適應指標的單整檢驗

3 狀態(tài)變量協整檢驗與自回歸模型構建

3.1 暴露狀態(tài)變量協整檢驗與自回歸模型構建

首先考慮壓力(B)對暴露的自回歸模型。經過反復模擬修正，見表4，得到對暴露指標的單變量自回歸模型，但表4中的數據顯示多變量對暴露指標的回歸不明顯。

表4 暴露(C)狀態(tài)變量的自回歸結果

通過殘差分析，獲得回歸殘差圖如圖3，顯示回歸的結果良好。

圖3 暴露(C)狀態(tài)變量回歸的殘差圖

因此，可以獲得自回歸公式為

C(t+1)=0.89 041C(t)-0.234 939B(t)1/2+0.508 621B(t-1) 。

(8)

壓力指標主要是由農作物總播種面積、人均公共綠地面積、旅游業(yè)從業(yè)人數及“三廢”的排放量決定。暴露指標主要是由城市綠化面積、遼寧省國內游客量、環(huán)境治理污染投資及突發(fā)環(huán)境次數決定?；貧w公式顯示：暴露指標對自身的依賴程度比較大；壓力控制指標對暴露狀態(tài)指標有很大的影響，相關程度高達93 %。由回歸結果式(8)可以看出，當年的壓力指標(B)對下一年的暴露狀態(tài)(C)是有負指數影響的。這可能是由于“三廢”的治理客觀上造成了一些社會影響；當年的壓力指標的提升對下一年的暴露指標影響不明顯；而且由于數據波動較大，壓力指標的提升對前一年的暴露作用出現部分抵消。滯后的壓力指標(B)的影響在這里起了主要作用，這一點合乎實際情況。

如果考慮驅動力(A)對暴露的影響，其結果見表5。

表5 考慮驅動力(A)對暴露的自回歸結果

其殘差圖如圖4，顯示回歸結果良好。

圖4 考慮驅動力(A)對暴露的殘差圖

因此，可以獲得自回歸公式為

C(t+1)=0.530 837C(t)+0.356 698A(t)1/2。

(9)

驅動力指標主要是由人均生產總值、旅游業(yè)和進出口額決定。驅動力控制指標(A)對暴露狀態(tài)指標(AC)有很大的影響，相關程度高達92.5 %，且影響力是正的，但是以后這種影響程度在逐漸減少； 驅動力指標對暴露指標不具有滯后作用，只在年內起作用。

由于受篇幅限制，本文不在一一贅述，以此類推，以下只給出分析結果。

考慮適應(E)對暴露(C)的影響，適應指標主要是由當年人工造林面積、極端氣溫、渤海的近海平面決定。結果顯示出適應指標(E)對暴露狀態(tài)指標(AC)有很大的影響，相關程度高達55 %，當年的影響力是正的，其作用不大，而且這種影響程度在逐年減少； 適應指標對暴露指標具有滯后作用，滯后項與當年的暴露指標互交作用，對下一年的作用較大。可以得到自回歸公式C(t+1)=1.813 6C(t)E(t-1)+0.208 034E(t)1/2。

(10)

考慮響應(F)對暴露(C)的影響，響應指標主要是由政府計劃中退耕還林、當年新育面積及政府的投資增長率決定。結果顯示出響應指標(F)對暴露狀態(tài)指標(AC)有很大的影響，相關程度高達89 %，當年的相應指標影響力是正的，其作用不大，而且這種影響程度在逐年減少； 響應指標對暴露指標具有滯后作用，與當年的暴露指標互交作用，對下一年的作用較大?？梢缘玫阶曰貧w公式D(t+1)=1.425 404C(t)F(t-1)+0.257 705F(t)1/2。

(11)

綜合回歸公式(8—11)，可以看出，幾個指標對暴露指標的影響中，響應指標(F)的滯后項F(t-1)與當年的暴露(C)的互交影響的影響因子最大(達到1.425×0.89)； 其次是環(huán)境指標滯后E(t-1)與當年的互交影響的影響因子也較大(達到1.82×0.55)。這里應當注意的是,當年的壓力指標(B)對暴露指標起著負作用，這可能是因為數據的波動較大；同時，反應出了政府的各項措施實施的不連貫。

3.2 敏感(D)指標的狀態(tài)變量協整檢驗與自回歸模型構建

經過反復修正，得到對敏感指標的單變量自回歸模型(多變量對敏感指標的回歸不明顯)：

如果考慮驅動力(A)對敏感(D)的影響(見表6)，其結果由表6確定，顯示其是協整的。

表6 考慮驅動力(A)對敏感(D)的自回歸結果

因此，可以得到表6顯示的自回歸公式為

D(t+1)=0.626 39D(t)+0.624 125A(t)1/2-0.420 784A(t-1)。

(12)

表6顯示出驅動力指標(A)對敏感狀態(tài)指標(AD)有很大的影響，相關程度高達74 %；敏感指標對自身的依賴程度還是比較大的；驅動力當年的影響力是正的，其作用較大，而且這種影響在逐年減少；滯后的影響力是負的，這可能是由于連續(xù)兩年指標波動較大而造成。

采取同樣方法研究壓力(B)對敏感(D)的影響情況，回歸結果顯示出壓力指標(B)對敏感狀態(tài)指標(AD)有較大的影響，影響程度高達69 %，當年的影響力是正的，其作用較大，而且這種影響在逐年減少；滯后作用不明顯。

考慮暴露(C)對敏感(D)的影響，回歸結果顯示出暴露指標(C)對敏感狀態(tài)指標(AD)有較大的影響，相關程度高達66 %，當年的影響力是正的，其作用較大； 滯后作用明顯，與D(t)-C(t-1)的變化成正比。

考慮響應(F)對敏感(D)的影響，回歸結果顯示出響應指標(F)對敏感狀態(tài)指標D(t+1)有較大的影響，相關程度高達78 %，當年的影響力是正的，其作用較大；滯后作用不明顯，同時說明，加大政府管理力度，可以使敏感指標增大，進而促進社會穩(wěn)定。

綜合幾個指標對敏感指標的影響中，暴露指標對D(t+1)的影響因子較大(達到0.974 563×0.66)，其次是當年的驅動力指標對D(t+1)的影響，影響因子達到0.624×0.77，這是政府決策時應當注意的，但要考慮滯后項的波動影響。

3.3 適應(E)指標的狀態(tài)變量協整檢驗與自回歸模型構建

經過反復修正，得到對適應指標的單變量自回歸模型(多變量對敏感指標的回歸不明顯)，發(fā)現社會系統、經濟系統對自然系統的影響不是很明顯。

首先，針對驅動力的影響(A)、政府決策(F)對自然環(huán)境(E)的影響，回歸結果見表7，其結果顯示是協整的。

表7 驅動力的影響(A)、政府決策(F) 對自然環(huán)境(E)的影響的自回歸結果

殘差圖如圖5，除個別年份外，變化回歸的趨勢基本準確。

圖5 驅動力(A)的影響下，政府決策(F) 對自然環(huán)境(E)的殘差圖

因此，依據表7的數據，建立自回歸公式為

E(t+1)=-0.674 117A(t)E(t)2+2.684 678F(t)-3.559 092F(t)2。

(13)

適應指標主要是由當年人工造林面積、極端氣溫、渤海的近海平面決定，除了人工造林面積外，其他兩個因素受全球性氣候影響，無法進行主觀性調整。表7顯示出響應指標(F)對適應狀態(tài)指標E(t+1)有一定的影響，相關程度只有25 %，當年的響應影響力呈二次曲線型，當政府考慮驅動力做出的決策量在一定范圍內時，政府的決策對環(huán)境的提升是正作用的，但隨著政府決策量的增加，其作用越來越小，這說明對環(huán)境的改變，政府不應給予過多的干預；同時，滯后作用不明顯。

采取同樣研究方法，對暴露指標因素(C)，考慮政府決策(F)對自然環(huán)境(E)的影響情況進行分析，得出對適應指標的自回歸公式：

E(t+1)=-0.650 648C(t)E(t)1.4+2.790 564F(t)-3.647 677F(t)2。

(14)

回歸結果顯示出暴露指標因素(C)和政府決策(F)的當年互交影響對下一年環(huán)境的影響起一定的副作用(抵觸作用)；考慮暴露做出的響應指標(F)對適應狀態(tài)指標(AE)有一定的影響，相關程度只有24 %，當年的響應影響力呈二次曲線型，當政府考慮暴露指標做出的決策量在一定范圍內時，決策對環(huán)境的提升是也正作用的，但隨著政府決策量的增加，其作用越來越??； 同時，滯后作用不明顯。

對敏感指標因素(D)，考慮政府決策(F)對自然環(huán)境(E)的影響情況，得出對適應指標的自回歸公式

E(t+1)=-547 908D(t)E(t)-4.068 81F(t)2+3.117 991F(t) 。

(15)

其回歸結果顯示出敏感指標因素(D)和政府決策(F)的當年互交影響對下一年環(huán)境的影響起一定的副作用(抵觸作用)；考慮敏感做出的響應指標(F)對適應狀態(tài)指標(AE)有一定的影響，影響程度只有26 %，當年的響應影響力呈二次曲線型，當政府考慮敏感指標做出的決策量在一定范圍內時，決策對環(huán)境的提升是也正作用的，但隨著政府決策量的增加，其作用越來越小； 同時，滯后作用不明顯。

綜合對適應指標(E)的分析討論，政府做出的決策及文件發(fā)布的數量不應太多，不然將造成執(zhí)行過程中的抵觸和疲軟，對環(huán)境的影響造成負影響。另外，驅動指標(A)、暴露指標(C)、敏感指標(D)對適應指標(E)的互交影響對下一年的適應指標(AE)影響不起主要作用，不超過0.67×0.25，這是合理的。在這里，政府的決策仍占主要因素。

4 結論與措施

基于DPESAR框架，運用熵值法研究了遼寧省1995-2014年的綠色發(fā)展現狀，通過協整檢驗和構建自回歸模型，獲得相應結果，可以得出如下結論：

第一，通過幾個指標對暴露指標的影響分析，政府在“十三五”期間，應注重民生和社會價值的影響；其次是環(huán)境指標滯后項與當年暴露的互交影響的影響因子也是較大的。目前的人工造林對改變環(huán)境的變化影響不大，這是因為重視的力度還不夠；沙化及自然災害對環(huán)境的影響日趨嚴重，因此必須花大力氣，各級組織也應高度重視，加大環(huán)境治理的投入和宣傳力度，使全民養(yǎng)成重視和參與綠化的行動意識。這里應當注意的是當年的壓力指標對暴露指標起著負作用，這可能是因為數據的波動較大；同時，反應出政府的各項措施實施的不連貫。

第二，幾個指標對敏感指標的影響中，暴露指標對敏感指標的影響因子較大，由于敏感指標主要由人均水資源、人均森林面積及污染程度決定，所以，在“十三五”期間，要加大城市的綠化速度，加強環(huán)境治理污染投資的力度，啟動優(yōu)化突發(fā)事件預防機制；其次是當年的驅動力指標對D(t+1)的影響，這方面的影響可以靠加大遼寧省對外貿易及港口的吞吐量來增強；這是政府決策應當注意的，但要考慮滯后項的波動影響。

第三，適應指標主要是由當年人工造林面積、極端氣溫、渤海的近海平面決定，除了人工造林面積外，其他兩個因素受全球性氣候影響，無法進行主觀性調整，但幾個指標對適應指標的影響中，政府做出的決策及文件發(fā)布的數量不應太多，不然將造成執(zhí)行過程中的抵觸和疲軟，對環(huán)境的影響造成負影響。

[1]REILLYJM.Greengrowthandtheefficientuseofnaturalresources[J].EnergyEconomics. 2012, 34(3):S85-S93.

[2] 佟賀豐，楊陽，王靜宜，等. 中國綠色經濟發(fā)展展望——基于系統動力學模型的情景分析[J]. 中國軟科學， 2015(6): 20-34.

[3] 向書堅，鄭瑞坤. 中國綠色經濟發(fā)展指數研究[J]. 統計研究，2013(3): 72-77.

[4] 李月，佘濟云，肖默. 湖南省14市州綠色經濟與生態(tài)環(huán)境耦合度與協調度研究[J]. 中南林業(yè)科技大學學報(社會科學版)， 2015(2): 20-23.

[5] 董戰(zhàn)峰，吳瓊，葛察忠. 利用EGSS統計框架完善我國環(huán)保產業(yè)統計制度[J]. 環(huán)境保護， 2015(21): 60-63.

[6] 劉西明. 綠色經濟測度指標及發(fā)展對策[J]. 宏觀經濟管理， 2013(2): 39-40.

[7] 王仁文，宋偉. 泛長三角地區(qū)綠色經濟效率評價與排序研究[J]. 科技管理研究，2014(6): 206-208.

[8] 諸大建. 綠色經濟新理念及中國開展綠色經濟研究的思考[J]. 中國人口.資源與環(huán)境， 2012(5): 40-47.

[9] 劉紀遠，鄧祥征，劉衛(wèi)東，等. 中國西部綠色發(fā)展概念框架[J]. 中國人口·資源與環(huán)境，2013(10): 1-7.

[10] 李琳，劉瑩. 中三角城市群與長三角城市群綠色效率的動態(tài)評估與比較[J]. 江西財經大學學報，2015(3): 3-12.

[11] 呂福新. 綠色發(fā)展的基本關系及模式——浙商和遂昌的實踐[J]. 管理世界， 2013(11): 166-169.

[12] 堵秀鳳，張劍，張宏民. 數學建模[M]. 北京：北京航空航天大學出版社 ,2011.

[13]李秋榮，王健.空氣質量分析預測[J].西南民族大學學報，2014,30(5)：553-556.

[14]何曉群.多元統計分析[M].北京：中國人民大學出版社，2014.

[15]姜啟源，謝金星，葉俊.數學模型[M].北京：高等教育出版社，2012.

(責任編輯 鄒永紅)

The Empirical Study of Green Development for Liaoning Province Based on DPESAR Framework

GE Ren-donga, YU Cheng-xueb, XU Yia， WANG Shao-juna

(a. School of Science; b.School of International Business，Dalian Minzu University, Dalian Liaoning 116605, China)

Green development is important to eco-civilization construction. This paper mainly discusses the current status of local green development based on DPESAR framework, and identifies the key impacting factors. Selecting Liaoning Province statistics data from 1995 to 2014, we apply the entropy method to obtain the weights of 64 indicators, so as to get the time sequence data. The control variables are identified, and the auto-regression model for state variables are constructed. Based on the correlation coefficients and their impacting factors, we discuss the controlling mechanism between 3 control variables and 3 state variables, which will provide the basis for the construction of green transformation for the government.

standardization; entropy method; DPESAR framework; co-integration; auto-regression model

2016-09-05；最后

2016-10-26

國家自然科學基金面上項目(71373035)；國家民委留學歸國人員擇優(yōu)資助項目(啟動類)(0908-210001)； 中央高校基本科研業(yè)務費專項資金資助項目(DC20150209)。

葛仁東(1958-)，男，遼寧錦州人，教授，博士，主要從事應用數學與數理經濟學研究。

于成學(1970-)，男，遼寧大連人，教授，博士，主要從事生態(tài)安全評價、綠色發(fā)展研究，E-mail：yuchengxue@dlut.edu.cn。

2096-1383(2017)01-0048-07

X22

A