趙金凱，楊萬(wàn)平

0 引言

改革開(kāi)放近40年來(lái)，中國(guó)經(jīng)濟(jì)建設(shè)取得了世界矚目的成就，國(guó)內(nèi)生產(chǎn)總值（GDP）由1978年的3645億元躍至2016年的741140億元。然而，近年來(lái)我國(guó)經(jīng)濟(jì)發(fā)展步入新常態(tài)，經(jīng)濟(jì)增長(zhǎng)速度換擋滑落，逐漸低于10%，落入到7%區(qū)間。在經(jīng)濟(jì)增長(zhǎng)放緩的同時(shí)，其粗放的特征也日益明顯，“高投入、高能耗、高排放、低效益”的經(jīng)濟(jì)發(fā)展模式也逐漸獲得人們的重視。2016年，我國(guó)已經(jīng)進(jìn)入“十三五”時(shí)期，這是全面建成小康社會(huì)決勝階段的開(kāi)局之年。在此背景下，有必要研究各地區(qū)經(jīng)濟(jì)發(fā)展的綠色效率問(wèn)題，在可持續(xù)發(fā)展前提下，探尋有利于效率提高的實(shí)現(xiàn)途徑。

相關(guān)學(xué)者對(duì)經(jīng)濟(jì)發(fā)展效率有深入而廣泛的研究，通過(guò)對(duì)已有方法的回顧與總結(jié)，可以看到少有文獻(xiàn)考慮綠色經(jīng)濟(jì)發(fā)展下的效率問(wèn)題[1-10]。為此，本文在考慮物質(zhì)資本投入，人力資本投入的基礎(chǔ)上，引入能源消耗與環(huán)境污染，測(cè)度地區(qū)綠色經(jīng)濟(jì)發(fā)展效率。本文選取非參數(shù)方法，這可以避免對(duì)生產(chǎn)函數(shù)與誤差的假設(shè)限定，避免生產(chǎn)函數(shù)設(shè)定帶來(lái)的偏誤。然而，傳統(tǒng)DEA對(duì)效率的分析不能區(qū)分地區(qū)屬性的差別，也不能有效的控制外部環(huán)境變量與隨機(jī)沖擊的影響，而分類DEA模型(Categorical DEA)可以充分考慮不同省份所處環(huán)境及屬性的差別，四階段DEA可以控制環(huán)境變量的影響，Bootstrap-DEA模型可以進(jìn)一步剔除隨機(jī)沖擊的影響，使得測(cè)量結(jié)果更接近于真實(shí)結(jié)果。綜合考慮，本文選取基于四階段分類DEA和Bootstrap-DEA模型對(duì)中國(guó)2016年各?。ㄊ?、自治區(qū)）的綠色經(jīng)濟(jì)發(fā)展效率進(jìn)行實(shí)證分析，為政府決策提供參考。

1 效率評(píng)價(jià)模型

1.1 四階段分類DEA

四階段DEA基本步驟如下：

第一階段：計(jì)算不考慮環(huán)境變量影響的初始分類DEA模型，得到初始效率得分θ?和非徑向投入松弛變量s-。

第二階段：構(gòu)建J個(gè)Tobit回歸模型（J為投入的數(shù)量）。其中，被解釋變量為各投入的總松弛量，即徑向與非徑向松弛量之和，解釋變量分別為DMU的外生環(huán)境變量?；貧w模型可表述為：

其中，Sik=(1-θ?k)xik+s-ik，為初始DEA計(jì)算得到的第i個(gè)投入的總松弛量；Zik為外生環(huán)境變量向量；αi為常數(shù)項(xiàng)；βi為待估系數(shù)向量；ui為誤差項(xiàng)。

第三階段：根據(jù)投入松弛量的擬合值S?ik=αi+βiZik，對(duì)初始投入變量進(jìn)行調(diào)整。調(diào)整方式為：

調(diào)整的基本思想為：maxk{S?ik}為擬合的最大松弛變量，其代表最差的外部環(huán)境集。如果maxk{S?ik}-S?ik=0，著某個(gè)DMU不處于最差環(huán)境集，提高了原始投入水平。在產(chǎn)出不變的情況下，投入水平的降低將使得DEA效率得分降低，也就意味著，通過(guò)上述調(diào)整能夠“懲罰”來(lái)自較好環(huán)境集下的DMU，從而去掉外部環(huán)境所帶來(lái)的優(yōu)勢(shì)，從

（2）利用有放回的抽樣方法，從θ?0中抽取一個(gè)規(guī)模為N的na?ve bootstrap樣本 ηb=(η1b，η2b，…，ηNb)；

（3）對(duì)上述na?ve bootstrap樣本進(jìn)行平滑處理，得到而去除由外部環(huán)境優(yōu)勢(shì)而帶來(lái)的效率得分。

第四階段：利用調(diào)整后的投入數(shù)據(jù)和初始產(chǎn)出數(shù)據(jù)，重新計(jì)算DEA效率得分，得到新的效率值θ?*。該效率值可以解釋為在最差的外部環(huán)境下，達(dá)到有效的運(yùn)作水平，則投入需要的投入比例，從另外角度講，也就是要達(dá)到有效的運(yùn)作水平，投入需要減少比例(1-θ?*)。

四階段分類DEA方法，通過(guò)將所有DMU向下拉到最差環(huán)境水平下，來(lái)過(guò)濾外部環(huán)境變量對(duì)效率值影響，但卻無(wú)法避免，外部隨機(jī)沖擊的影響，比如統(tǒng)計(jì)誤差、遺漏數(shù)據(jù)變量等，這依然可能會(huì)對(duì)效率的計(jì)算帶來(lái)偏差。Simar和Wilson開(kāi)發(fā)的基于Bootstrap-DEA方法可以解決這一缺陷。

1.2 Bootstrap-DEA

Bootstrap-DEA方法步驟為：

（1）以四階段DEA方法得到的調(diào)整后投入和初始產(chǎn)出數(shù)據(jù)總體，作為Bootstrap-DEA的初始樣本，計(jì)算得到樣

其中，h為平滑參數(shù)；σ?θ0為 θ?0的標(biāo)準(zhǔn)差；εkb產(chǎn)生于標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)誤差；進(jìn)行平滑處理的原因在于，總體密度函數(shù)是連續(xù)的，而na?ve bootstrap是從來(lái)離散的樣本中隨機(jī)抽取得到的。

（5）利用初始數(shù)據(jù)的產(chǎn)出數(shù)據(jù)和(4)調(diào)整后的投入數(shù)據(jù)，計(jì)算DMU模型，得到第j個(gè)決策主體的Bootstrap-DEA估計(jì)量：

（6）重復(fù)步驟（2）到（5）B次，每個(gè)DMU都獲得B個(gè)效率得分估計(jì)量：

{γkb，b=1，2，…，B，k=1，2，…,N}

2 變量說(shuō)明與數(shù)據(jù)來(lái)源

確定效率的指標(biāo)是進(jìn)行各地區(qū)發(fā)展效率評(píng)價(jià)的重要方面，綜合數(shù)據(jù)的可得性與綠色發(fā)展的背景，本文對(duì)變量作如下選擇：

投入變量包括物質(zhì)資本，人力資本，能源消耗和環(huán)境損耗。

由于我國(guó)沒(méi)有物質(zhì)資本投入直接統(tǒng)計(jì)數(shù)據(jù)，因此相關(guān)研究均進(jìn)行估算。物質(zhì)資本存量的常用測(cè)度方法為Goldsmith在1951年開(kāi)創(chuàng)的“永續(xù)盤(pán)存法”。本文選擇固定資本形成總額作為當(dāng)年投資流量。中國(guó)在1991年之前沒(méi)有公布固定資本投資價(jià)格指數(shù)，因此在對(duì)當(dāng)年投資流量進(jìn)行處理時(shí)，相關(guān)研究均自行構(gòu)造或?qū)ふ蚁鄳?yīng)的指數(shù)來(lái)平減當(dāng)年投資額。本文以基年的固定資本形成總額除以10%作為初始資本存量，折舊率取9.6%。為區(qū)分四川與重慶，本文將1952—1994年重慶固定資產(chǎn)投資累計(jì)總額與四川固定資產(chǎn)投資累計(jì)總額的相對(duì)比例，將按照上述方法算得的1995年四川資本存量數(shù)據(jù)分為四川和重慶兩個(gè)部分，1996—2016年的數(shù)據(jù)則分別按照四川與重慶的數(shù)據(jù)計(jì)算，最后得到2016年各地區(qū)物質(zhì)資本投入數(shù)據(jù)。各項(xiàng)數(shù)據(jù)來(lái)源于《新中國(guó)六十年統(tǒng)計(jì)資料匯編1949—2008》、《中國(guó)統(tǒng)計(jì)年鑒》各年。

人力資本是勞動(dòng)者通過(guò)教育、培訓(xùn)、實(shí)踐等方面的投資而獲取得知識(shí)和技能的積累。為同時(shí)考慮勞動(dòng)力投入的數(shù)量與質(zhì)量，本文用就業(yè)人數(shù)與平均受教育年限的乘積表示人力資本投入。就業(yè)人數(shù)采用年末從業(yè)人員數(shù)作為指標(biāo)；平均受教育年限=未上學(xué)人口占總?cè)丝诒戎亍?年+小學(xué)教育水平人口比重×6年+初中教育水平人口比重×9年+高中教育水平人口比重×12年+大專及以上教育水平人口比重×16年。所用數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)人口與就業(yè)統(tǒng)計(jì)年鑒》及各省（市、自治區(qū)）統(tǒng)計(jì)年鑒。

能源消費(fèi)總量是指一個(gè)地區(qū)在一定時(shí)間內(nèi)用于生產(chǎn)、生活等方面所消費(fèi)的各類能源總和。由于各類能源消耗的異質(zhì)性，本文將能源投入（包括煤炭、石油、天然氣、水電等）統(tǒng)一折算為萬(wàn)噸標(biāo)準(zhǔn)煤的能源消費(fèi)量。數(shù)據(jù)來(lái)自相應(yīng)年份的《中國(guó)統(tǒng)計(jì)年鑒》和各省（市、自治區(qū)）的統(tǒng)計(jì)年鑒。

本文將環(huán)境損耗與能源一樣當(dāng)作投入指標(biāo)，而不是非期望產(chǎn)出引入模型，我們希望其值越小越好，這符合綠色發(fā)展背景。為全面評(píng)價(jià)環(huán)境污染，本文選取二氧化硫排放量、二氧化碳排放量、固體廢棄物排放量、煙粉塵排放量、廢水排放量、生活垃圾清運(yùn)量、化肥施用量等與生活及工業(yè)相關(guān)的污染排放物作為計(jì)算環(huán)境污染指數(shù)的影響因素，運(yùn)用改進(jìn)的縱橫向拉開(kāi)檔次法計(jì)算出環(huán)境污染指數(shù)，具體計(jì)算方法見(jiàn)樊秀峰（2015）[11]。數(shù)據(jù)來(lái)源于中國(guó)自然資源數(shù)據(jù)庫(kù)、《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)環(huán)境年鑒》、《中國(guó)能源統(tǒng)計(jì)年鑒》和各?。ㄊ?、自治區(qū)）統(tǒng)計(jì)年鑒。

產(chǎn)出變量：國(guó)內(nèi)生產(chǎn)總值反映了一個(gè)國(guó)家在一定時(shí)間范圍內(nèi)生產(chǎn)的所有最終產(chǎn)品和勞務(wù)的市場(chǎng)價(jià)值，是衡量一個(gè)國(guó)家或地區(qū)總體經(jīng)濟(jì)狀況的最佳指標(biāo)，因此本文將各地區(qū)國(guó)內(nèi)生產(chǎn)總值作為合意產(chǎn)出的指標(biāo)，數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》。

環(huán)境變量選取對(duì)各地區(qū)發(fā)展效率產(chǎn)生影響，但不在樣本主觀可控范圍內(nèi)的因素，本文選取如下：

各地區(qū)的經(jīng)濟(jì)發(fā)展需要有一定的市場(chǎng)需求，各省份的人口數(shù)量和居民消費(fèi)、居民人均儲(chǔ)蓄構(gòu)成了各地區(qū)經(jīng)濟(jì)發(fā)展的需求條件，會(huì)影響生產(chǎn)效率的改進(jìn)。

地方對(duì)科技研發(fā)的投入水平，用R&D人員人均經(jīng)費(fèi)衡量，反應(yīng)地方對(duì)技術(shù)創(chuàng)新的支持，一般而言，對(duì)科技的支持越大，企業(yè)的研發(fā)能力越強(qiáng)，創(chuàng)造的科技成果越多，帶來(lái)的經(jīng)濟(jì)效益與社會(huì)效益越大。

地方政府對(duì)環(huán)境保護(hù)的支持，用環(huán)境保護(hù)支出占地方財(cái)政支出的百分比衡量。這反映了地方政府對(duì)綠色發(fā)展的重視程度，會(huì)影響綠色經(jīng)濟(jì)發(fā)展的效率。

環(huán)境變量數(shù)據(jù)均來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》。

3 實(shí)證結(jié)果與分析

3.1 初始DEA分析

第一階段采用分類DEA模型(Categorical DEA BBC模型)，以充分考慮不同省份所處環(huán)境及屬性的差別，將評(píng)價(jià)30個(gè)?。ㄊ小⒆灾螀^(qū)）分成若干個(gè)處于相同屬性的大地區(qū)（東部地區(qū)，中部地區(qū)和西部地區(qū)），再利用MaxDEA對(duì)它們的效率進(jìn)行評(píng)估，結(jié)果見(jiàn)表1。在第一階段，不考慮環(huán)境變量時(shí)，我國(guó)各省份的平均技術(shù)發(fā)展效率為0.7250，平均純技術(shù)發(fā)展效率為0.7935，平均規(guī)模效率為0.9221。分地區(qū)來(lái)看，東部的平均技術(shù)發(fā)展效率，平均純技術(shù)發(fā)展效率和平均規(guī)模效率最高，分別為0.8925、0.9366和0.9529，而西部的三項(xiàng)平均效率最低，分別為0.5946、0.6999和0.8830，中部地區(qū)居中。東部的平均技術(shù)發(fā)展效率約為西部平均技術(shù)發(fā)展效率的1.5倍。從各省份來(lái)看，有4個(gè)省份（北京、天津、河北和海南）處于技術(shù)發(fā)展效率前沿，其他省份有進(jìn)一步提升的空間；有11個(gè)省份（北京、天津、河北、上海、江蘇、福建、廣東、海南、湖南、青海和寧夏）處于純技術(shù)發(fā)展效率前沿，有16個(gè)省份（遼寧、吉林、黑龍江、山西、江西、河南、湖北、內(nèi)蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、新疆）的純技術(shù)發(fā)展效率低于規(guī)模效率，說(shuō)明代表管理水平的純技術(shù)效率低，是阻礙各地區(qū)技術(shù)發(fā)展提升的關(guān)鍵因素。

3.2 Tobit回歸模型及結(jié)果分析

進(jìn)行第一階段的分類DEA模型，可以得到各投入的松弛變量，該松弛變量受環(huán)境變量的影響，由此可以進(jìn)行回歸分析。由于模型中的松弛變量均為非負(fù)值，若直接進(jìn)行回歸可能得到松弛變量為負(fù)，故采用左尾在0處截?cái)嗟腡obit模型進(jìn)行回歸。將各省份的人口數(shù)量、居民消費(fèi)、居民人均儲(chǔ)蓄、地方對(duì)科技研發(fā)的投入水平和地方政府對(duì)環(huán)境保護(hù)的支持五個(gè)環(huán)境變量作為解釋變量，物質(zhì)資本松弛量，人力資本松弛量，能源消耗松弛量和環(huán)境損耗松弛量分別作為被解釋變量，利用Stata12.0進(jìn)行模型估計(jì)，得到參數(shù)具體見(jiàn)表2。

表2 Tobit模型估計(jì)結(jié)果

由表2可知，環(huán)境變量對(duì)四個(gè)投入松弛變量的Tobit回歸均能通過(guò)顯著性檢驗(yàn)，對(duì)應(yīng)的Wald檢驗(yàn)卡方統(tǒng)計(jì)量為8.98，49.56、9.86和18.67。人力資本松弛變量和環(huán)境損耗松弛變量在對(duì)應(yīng)的P值不超過(guò)1%，物質(zhì)資本投入松弛量和能源消耗投入松弛量對(duì)應(yīng)的P值不超過(guò)10%，表明了環(huán)境因素對(duì)四項(xiàng)投入松弛變量存在顯著影響。

進(jìn)一步考察環(huán)境變量對(duì)于松弛變量的系數(shù)，當(dāng)環(huán)境變量對(duì)投入松弛變量的系數(shù)為負(fù)時(shí)，表明增加環(huán)境變量有利于減少松弛量，即有利于發(fā)展效率的改善，可以提高產(chǎn)出或者降低投入變量的浪費(fèi)；反之，當(dāng)環(huán)境變量對(duì)投入松弛變量的系數(shù)為正時(shí)，表明增加環(huán)境變量不利于減少松弛量，造成產(chǎn)出的降低或投入變量的浪費(fèi)。

人均儲(chǔ)蓄和地區(qū)人口數(shù)量對(duì)四項(xiàng)松弛變量的影響系數(shù)為正，說(shuō)明人均儲(chǔ)蓄和人口數(shù)量是不利因素，二者的增加不利于發(fā)展效率的改善，會(huì)相應(yīng)增加要素的投入；各省消費(fèi)量對(duì)四項(xiàng)的影響系數(shù)為負(fù)，說(shuō)明消費(fèi)是改善發(fā)展效率的有利因素；政府環(huán)境保護(hù)投入對(duì)效率的改善作用明顯；R&D人員人均經(jīng)費(fèi)所代表政府對(duì)科技的重視程度的回歸系數(shù)也大部分為負(fù)，只有對(duì)人力資本投入的松弛變量為負(fù)的影響，表明各地區(qū)對(duì)科技的重視尚未達(dá)到提高發(fā)展效率的階段。

3.3 四階段DEA分析

根據(jù)第二階段的回歸結(jié)果，調(diào)整投入變量，并將調(diào)整后的投入變量與初始產(chǎn)出進(jìn)行BBC模型的Categorical DEA分析，可得第四階段各地區(qū)的效率值及規(guī)模狀態(tài)，如表3所示。

表32016 年中國(guó)各地區(qū)第四階段發(fā)展效率比較

在第四階段，考慮外部環(huán)境變量后，我國(guó)各省份的平均技術(shù)發(fā)展效率為0.7418，平均純技術(shù)發(fā)展效率為0.8376，平均規(guī)模效率為0.8896，與第一階段DEA測(cè)算結(jié)果相比，各效率值除規(guī)模效率外有明顯上升，說(shuō)明如果不考慮外部環(huán)境變量的影響，會(huì)低估發(fā)展效率值。分地區(qū)來(lái)看，東部的平均技術(shù)發(fā)展效率，平均純技術(shù)發(fā)展效率和平均規(guī)模效率依然最高，分別為0.8974、0.9384和0.9563，西部地區(qū)的平均技術(shù)發(fā)展效率和平均規(guī)模效率最低，分別為0.7116和0.7305，中部地區(qū)居中。從各省份來(lái)看，處于技術(shù)發(fā)展效率前沿的省份由原來(lái)的4個(gè)（北京、天津、河北和海南）增加為8個(gè)（河北、上海、江蘇、廣東、海南、湖北、湖南和內(nèi)蒙古），說(shuō)明實(shí)際處于效率前沿的只有河北和海南，而北京和天津處于效率前沿是因?yàn)橥獠凯h(huán)境帶來(lái)的優(yōu)勢(shì)；處于純技術(shù)發(fā)展效率前沿的省份由原來(lái)11個(gè)（北京、天津、河北、上海、江蘇、福建、廣東、海南、湖南、青海和寧夏）變?yōu)?4個(gè)（北京、天津、河北、上海、江蘇、浙江、福建、廣東、海南、湖北、湖南、內(nèi)蒙古、青海和寧夏），剔除環(huán)境變量的影響后，浙江、湖北和內(nèi)蒙古占據(jù)前沿位置；純技術(shù)發(fā)展效率低于規(guī)模效率的省份由原來(lái)有16個(gè)省份（遼寧、吉林、黑龍江、山西、江西、河南、湖北、內(nèi)蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、新疆）降低為14個(gè)（遼寧、山東、山西、江西、安徽、河南、湖北、廣西、重慶、四川、貴州、云南、陜西、甘肅、新疆）。就規(guī)模報(bào)酬而言，規(guī)模報(bào)酬遞減的省份由原來(lái)的14個(gè)增加至29個(gè)，出現(xiàn)較大逆轉(zhuǎn)，在剔除環(huán)境變量的影響后，除廣東省外，其他省份均處于投入過(guò)度狀態(tài)，這也暴露出了我國(guó)目前經(jīng)濟(jì)發(fā)展主要依靠大量物質(zhì)資本、能源等要素投入，進(jìn)而造成生態(tài)環(huán)境污染，依舊是一種粗放且不可持續(xù)的發(fā)展模式。

為比較第一階段與第四階段的效率值是否存在顯著性差異，本文進(jìn)行Wilcoxon秩檢驗(yàn)，結(jié)果見(jiàn)表4。其中，Pro.為獨(dú)立樣本的總體是否相同的顯著性概率，如果Pro.接近于零，則拒絕原無(wú)差別原假設(shè)；h為假設(shè)檢驗(yàn)的結(jié)果，如果總體差別不顯著，則h為零；如果總體差別顯著，則h為1。由表4可見(jiàn)，第一階段與第四階段的技術(shù)效率，純技術(shù)效率和規(guī)模效率總體差別顯著。這表明本文所選取的環(huán)境變量對(duì)效率值存在影響，需要調(diào)整，四階段分類DEA模型比初始分類DEA更精確。

表4 第一階段與第四階段效率值Wilcoxon檢驗(yàn)

3.4 Bootstrap-DEA分析

運(yùn)用R軟件的Bootstrap對(duì)四階段DEA方法得到的效率值進(jìn)行修正，剔除隨機(jī)沖擊的影響，抽樣中重復(fù)抽樣2000次，修正結(jié)果如下頁(yè)圖1所示。

由圖1可知，經(jīng)過(guò)Bootstrap調(diào)整后，各省份的純技術(shù)效率值出現(xiàn)下降，說(shuō)明隨機(jī)沖擊帶來(lái)的影響不容忽視。我國(guó)各省份的平均純技術(shù)發(fā)展效率為0.7716，與第四階段DEA測(cè)算結(jié)果相比，效率值下降，說(shuō)明如果不考慮隨機(jī)沖擊的影響，會(huì)高估發(fā)展效率值。分地區(qū)來(lái)看，東部的平均純技術(shù)發(fā)展效率為0.8754，中部地區(qū)平均純技術(shù)發(fā)展效率為0.8320，西部地區(qū)的平均純技術(shù)發(fā)展效率為0.6240。

圖1 各省份四階段DEA與Bootstrap DEA純技術(shù)效率值

圖2 各省份四階段DEA與Bootstrap DEA技術(shù)發(fā)展效率值

由圖2可知，經(jīng)過(guò)Bootstrap調(diào)整后，各省份的技術(shù)效率稍有下降，說(shuō)明隨機(jī)沖擊對(duì)技術(shù)效率的有一定影響。我國(guó)各省份的平均技術(shù)發(fā)展效率為0.6911，與第四階段DEA測(cè)算結(jié)果相比，效率值下降，說(shuō)明如果不考慮隨機(jī)沖擊的影響，會(huì)高估發(fā)展效率值。分地區(qū)來(lái)看，東部的平均技術(shù)發(fā)展效率為0.8170，中部地區(qū)平均技術(shù)發(fā)展效率為0.7850，西部地區(qū)的平均技術(shù)發(fā)展效率為0.4769。

純技術(shù)效率以平均值0.7716為臨界值，規(guī)模技術(shù)效率以平均值0.8646為臨界值，按照純技術(shù)效率與規(guī)模技術(shù)效率進(jìn)行劃分，可以將我國(guó)各省的發(fā)展效率分為四種類型，如圖3所示。

圖32016 年各省純技術(shù)效率與規(guī)模技術(shù)效率分布

第一種類型為“雙高型”，即純技術(shù)效率與規(guī)模技術(shù)效率均在平均值以上，這些省市包括北京、河北、上海、江蘇、浙江、福建、廣東、海南、天津、黑龍江、湖北、湖南和內(nèi)蒙古13個(gè)地區(qū)，這類地區(qū)效率需要改善的較少，屬于占優(yōu)勢(shì)的地區(qū)；第二種類型為“低高型”，包括山東、山西、安徽、江西、河南、廣西、云南和陜西8個(gè)地區(qū)，這類地區(qū)純技術(shù)效率在平均值以上，但規(guī)模效率在平均值以下，發(fā)展效率重點(diǎn)在提高規(guī)模效率，提升產(chǎn)業(yè)聚集度，實(shí)現(xiàn)資源集中配置；第三種類型為“高低型”，包括遼寧、重慶、四川、貴州、甘肅、青海、寧夏和新疆8個(gè)地區(qū)，該類型的純技術(shù)發(fā)展效率低于平均值，但規(guī)模效率高于平均值，為此，該類型的地區(qū)調(diào)整重點(diǎn)在純技術(shù)發(fā)展效率，在具有資源聚集優(yōu)勢(shì)的前提下，應(yīng)提高決策與管理水平，提升發(fā)展效率；第四種類型為“雙低型”，這類地區(qū)的純技術(shù)效率與規(guī)模技術(shù)效率均在平均值以下，屬于不發(fā)達(dá)地區(qū)，產(chǎn)業(yè)與資源聚集度低，決策與管理水平較低，此類地區(qū)為雙調(diào)整，今后發(fā)展不僅要注重資源的集中配置也要提高技術(shù)管理水平，提高資源利用效率。

4 結(jié)論

本文運(yùn)用四階段分類DEA剔除外部環(huán)境變量的影響，并用Bootstrap-DEA模型剔除隨機(jī)沖擊的影響，對(duì)我國(guó)2016年各?。ㄊ?、自治區(qū)）經(jīng)濟(jì)發(fā)展的綠色效率進(jìn)行了分析，得出以下結(jié)論：

（1）四階段分類DEA模型對(duì)經(jīng)濟(jì)發(fā)展效率的評(píng)估比傳統(tǒng)分類DEA模型的測(cè)度結(jié)果更為準(zhǔn)確，二者測(cè)度結(jié)果存在顯著性差異，環(huán)境變量會(huì)干擾效率值的測(cè)算，如果不考慮外部環(huán)境變量的影響，會(huì)出現(xiàn)低估效率值的現(xiàn)象。Bootstrap-DEA模型可以有效避免隨機(jī)沖擊的影響，如果對(duì)隨機(jī)沖擊進(jìn)行控制會(huì)造成效率值的高估。

（2）各地區(qū)要注重環(huán)境因素的改善，創(chuàng)造效率提高的途徑。目前政府對(duì)環(huán)境的保護(hù)以及對(duì)科學(xué)技術(shù)的重視還未充分發(fā)揮對(duì)效率的改善作用，政府要加大對(duì)環(huán)境的重視與投入，以調(diào)整經(jīng)濟(jì)結(jié)構(gòu)、發(fā)展生態(tài)文明為戰(zhàn)略方向，緩解經(jīng)濟(jì)發(fā)展對(duì)于環(huán)境造成的巨大壓力，培養(yǎng)環(huán)保產(chǎn)業(yè)發(fā)展；政府也要大力支持原創(chuàng)性技術(shù)，提高知識(shí)創(chuàng)新轉(zhuǎn)化為技術(shù)創(chuàng)新的效率，有效地配置資源，為轉(zhuǎn)變經(jīng)濟(jì)發(fā)展提供有力的保障。同時(shí)要引導(dǎo)居民消費(fèi)，減少居民儲(chǔ)蓄，驅(qū)動(dòng)生產(chǎn)結(jié)構(gòu)的供給側(cè)改革，促進(jìn)地區(qū)效率的提高。

（3）我國(guó)各地區(qū)發(fā)展效率幾乎均處在規(guī)模報(bào)酬遞減的階段，要素投入過(guò)度。地區(qū)經(jīng)濟(jì)發(fā)展依靠物質(zhì)資本的高投入和自然資源的大量消耗推動(dòng)，并且伴隨著環(huán)境污染，這種以消耗資源和污染環(huán)境為代價(jià)的粗放發(fā)展模式，帶來(lái)較大的生態(tài)環(huán)境風(fēng)險(xiǎn)，發(fā)展方式還是要素驅(qū)動(dòng)型。各地區(qū)要轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式，將經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變到依靠效率提高的、可持續(xù)的綠色發(fā)展道路上；要加大知識(shí)創(chuàng)新與技術(shù)創(chuàng)新，發(fā)展創(chuàng)新驅(qū)動(dòng)型經(jīng)濟(jì)。

（4）各地區(qū)的發(fā)展效率存在差異，從地區(qū)看，東部整體發(fā)展效率較高。各?。ㄊ小⒆灾螀^(qū)）的技術(shù)效率特征不一致，按照純技術(shù)效率與規(guī)模技術(shù)效率可分為“雙高型”、“高低型”、“低高型”、“雙低型”，各省要根據(jù)自身實(shí)際情況，有側(cè)重的進(jìn)行發(fā)展效率改進(jìn)，提高綠色經(jīng)濟(jì)發(fā)展效率。

[1]郭慶旺，賈俊雪.中國(guó)全要素生產(chǎn)率的估算:1979—2004[J].經(jīng)濟(jì)研究,2005，(6).

[2]蔡曉陳.中國(guó)二元經(jīng)濟(jì)結(jié)構(gòu)變動(dòng)與全要素生產(chǎn)率周期性——基于原核算與對(duì)偶核算TFP差異的分析[J].管理世界，2012，(6)．

[3]張健華,王鵬.中國(guó)全要素生產(chǎn)率:基于分省份資本折舊率的再估計(jì)[J].管理世界，2012，(10)．

[4]袁曉玲,仲云云.我國(guó)區(qū)域經(jīng)濟(jì)發(fā)展效率的時(shí)空變化及影響因素分析[J].商業(yè)經(jīng)濟(jì)與管理,2010,(7).

[5]魯曉東,連玉君.中國(guó)工業(yè)企業(yè)全要素生產(chǎn)率估計(jì):1999—2007[J].經(jīng)濟(jì)學(xué)(季刊)，2012，(2)．

[6]簡(jiǎn)澤,段永瑞.企業(yè)異質(zhì)性、競(jìng)爭(zhēng)與全要素生產(chǎn)率的收斂[J].管理世界，2012，(8)．

[7]陸玉雙,葛久研.基于DEA的江蘇省經(jīng)濟(jì)發(fā)展有效性研究[J].河海大學(xué)學(xué)報(bào)：哲學(xué)社會(huì)科學(xué)版,2007,(3).

[8]薛聲家,韓小花.中國(guó)區(qū)域經(jīng)濟(jì)發(fā)展有效性的實(shí)證分析[J].科技管理研究,2008,(11).

[9]張運(yùn)華,馮鑫明.江蘇省區(qū)域經(jīng)濟(jì)發(fā)展效率的窗口分析[J].系統(tǒng)管理學(xué)報(bào),2009,(8).

[10]張學(xué)良,孫海鳴.探尋長(zhǎng)三角地區(qū)經(jīng)濟(jì)增長(zhǎng)的真正源泉:資本積累、效率改善抑或TFP貢獻(xiàn)[J].中國(guó)工業(yè)經(jīng)濟(jì)，2009，(5)．

[11]樊秀峰,劉伯龍.中國(guó)污染綜合排放的省際分布、動(dòng)態(tài)排序及影響機(jī)制[J].福建論壇：人文社會(huì)科學(xué)版,2015,(7).