曾慶順，李永正，周子揚(yáng)

（河海大學(xué)商學(xué)院，江蘇 常州 213022）

江蘇省地處長(zhǎng)江經(jīng)濟(jì)帶，與上海市、浙江省、安徽省共同構(gòu)成長(zhǎng)江三角洲城市群。江蘇省是中國(guó)綜合發(fā)展水平最高的省份之一，也是惟一一個(gè)所有地級(jí)市都躋身全國(guó)百?gòu)?qiáng)市的省份。然而，受效率至上的舊發(fā)展觀局限，江蘇省在經(jīng)濟(jì)發(fā)展取得很大成就的同時(shí)，也面臨著嚴(yán)重的環(huán)境污染問(wèn)題。據(jù)2019 年《江蘇統(tǒng)計(jì)年鑒》數(shù)據(jù)與《江蘇省生態(tài)環(huán)境公報(bào)》顯示，2018 年江蘇省工業(yè)廢水排放14.36 億t，二氧化硫排放30.66 萬(wàn)t，13 個(gè)市環(huán)境空氣質(zhì)量均未達(dá)到二級(jí)標(biāo)準(zhǔn)，環(huán)境問(wèn)題突出。

2019 年習(xí)近平總書(shū)記在中國(guó)北京世界園藝博覽會(huì)開(kāi)幕式上發(fā)出號(hào)召，呼吁“像保護(hù)自己的眼睛一樣保護(hù)生態(tài)環(huán)境，像對(duì)待生命一樣對(duì)待生態(tài)環(huán)境”。生態(tài)效率研究對(duì)分析環(huán)保問(wèn)題意義重大，而對(duì)中國(guó)綜合發(fā)展水平最高的省份江蘇省進(jìn)行生態(tài)效率研究有更大的經(jīng)濟(jì)意義與生態(tài)意義。目前學(xué)者們對(duì)于江蘇省生態(tài)效率的研究較少，且已有研究大多采用傳統(tǒng)的DEA 模型。本研究在已有研究成果的基礎(chǔ)上，選擇江蘇省13 個(gè)城市的面板統(tǒng)計(jì)數(shù)據(jù)，采用Super-SBM 模型綜合評(píng)價(jià)江蘇省13 市2009—2018 年的生態(tài)效率，為江蘇省的經(jīng)濟(jì)發(fā)展以及生態(tài)效率提高提供具有參考價(jià)值的理論依據(jù)。

1 研究背景與研究方法

1.1 研究背景

Schaltegger 等［1］在1989 年提出“生態(tài)效率”的概念，并將其定義為價(jià)值的增加量與環(huán)境影響的增加量的比值。隨后相關(guān)領(lǐng)域的學(xué)者對(duì)生態(tài)效率進(jìn)行深入研究并豐富了生態(tài)效率的概念。

現(xiàn)有研究對(duì)生態(tài)效率的計(jì)算方法概括起來(lái)主要有單一比值法、指標(biāo)體系法和模型法［2，3］。其中，單一比值法最終所有環(huán)境影響以一個(gè)特定的環(huán)境影響值體現(xiàn)，但卻不能區(qū)分不同環(huán)境的影響；指標(biāo)體系法在一些情況下需要通過(guò)人為賦權(quán)來(lái)表達(dá)投入指標(biāo)與產(chǎn)出指標(biāo)之間的關(guān)系，該方法一定程度上可以反映不同投入指標(biāo)的重要性，但賦權(quán)時(shí)的人為主觀因素會(huì)影響到最終結(jié)果的準(zhǔn)確性；模型法在進(jìn)行生態(tài)效率的研究時(shí)能夠彌補(bǔ)以上2 種方法的缺點(diǎn)。在模型法中，數(shù)據(jù)包絡(luò)分析方法（Data envelopment analysis，DEA）使用較廣。Moutinho 等［4］使用三階段DEA 模型預(yù)測(cè)了德國(guó)24 個(gè)城市的生態(tài)效率得分，并應(yīng)用分?jǐn)?shù)回歸推斷了城市層面生態(tài)效率得分的影響因素；王恩旭等［5］運(yùn)用超效率DEA 模型對(duì)中國(guó)30 個(gè)地區(qū)的生態(tài)效率進(jìn)行了測(cè)度；任勝鋼等［6］將工業(yè)生態(tài)系統(tǒng)分解為工業(yè)經(jīng)濟(jì)、環(huán)境、能源3 個(gè)子系統(tǒng)，采用網(wǎng)絡(luò)DEA 模型對(duì)長(zhǎng)江經(jīng)濟(jì)帶9 省2 市的工業(yè)生態(tài)效率及3 個(gè)子系統(tǒng)效率進(jìn)行了評(píng)價(jià)。

在實(shí)際研究中，DEA 可以省略對(duì)函數(shù)關(guān)系的事先確定以及對(duì)所選指標(biāo)進(jìn)行主觀賦權(quán)，然而傳統(tǒng)的DEA 模型產(chǎn)出指標(biāo)一般為經(jīng)濟(jì)社會(huì)類(lèi)期望產(chǎn)出指標(biāo)，不適用于非期望產(chǎn)出類(lèi)指標(biāo)［7］。針對(duì)此問(wèn)題，相關(guān)學(xué)者提出了包括產(chǎn)出轉(zhuǎn)置法、正向?qū)傩赞D(zhuǎn)換法和方向性距離函數(shù)法在內(nèi)的非期望產(chǎn)出情況下的效率評(píng)價(jià)方法，這些方法雖然可以有效解決非期望產(chǎn)出問(wèn)題，卻不能測(cè)算投入和產(chǎn)出松弛變量對(duì)效率的影響程度［8］。為把松弛變量引入目標(biāo)函數(shù)，Tone［9］構(gòu)造了基于松弛變量測(cè)度的非徑向和非角度的SBM（Slacks-based measure）模型，該模型下測(cè)算的效率值的變化取決于投入和產(chǎn)出松弛程度的變化。但是，類(lèi)似于傳統(tǒng)的DEA 模型，該模型同樣會(huì)出現(xiàn)多個(gè)決策單元同為完全有效的情況，于是Tone［10］進(jìn)一步構(gòu)造了基于修正松弛變量的Super-SBM 模型，該模型能夠?qū)Χ鄠€(gè)有效決策單元進(jìn)行比較與排序。近年來(lái)，許多學(xué)者運(yùn)用Super-SBM 模型對(duì)生態(tài)效率進(jìn)行了研究，王迪等［11］運(yùn)用包含非期望產(chǎn)出的Super-SBM 模型對(duì)中國(guó)2011—2014 年各省份和四大區(qū)域農(nóng)業(yè)生態(tài)文明建設(shè)效率進(jìn)行了測(cè)度；朱香好等［12］以30 個(gè)省市為研究對(duì)象，運(yùn)用Super-SBM 模型測(cè)算了其2005—2015 年的效率值，并對(duì)其生態(tài)效率情況進(jìn)行了靜態(tài)分析；馬曉君等［13］運(yùn)用優(yōu)化的引入非期望產(chǎn)出的超效率SBM 模型測(cè)算了中國(guó)30 個(gè)省份、直轄市、自治區(qū)的生態(tài)效率，發(fā)現(xiàn)全國(guó)生態(tài)效率呈現(xiàn)由東到西、由沿海到內(nèi)陸逐漸收斂的格局。

1.2 研究方法

1.2.1 Super-SBM 模型 考慮松弛變量的Super-SBM 模型具體形式如下：

式中，ρ為目標(biāo)生態(tài)效率值；x、yg和yb分別為投入、期望產(chǎn)出和非期望產(chǎn)出；m、S1和S2分別為投入、期望產(chǎn)出指標(biāo)和非期望產(chǎn)出指標(biāo)個(gè)數(shù)；向量S-、Sg和Sb分別為投入松弛量、期望產(chǎn)出的松弛量和非期望產(chǎn)出的松弛量；λ為權(quán)重向量。

1.2.2 Malmquist 指數(shù) Malmquist 指數(shù)認(rèn)為，技術(shù)變化與技術(shù)效率變化是生產(chǎn)率發(fā)生變化的原因［14］。該指數(shù)可轉(zhuǎn)換為較簡(jiǎn)潔的參數(shù)和非參數(shù)模型，因此被廣泛應(yīng)用于動(dòng)態(tài)效率變化趨勢(shì)的研究。Malmquist指數(shù)的具體形式如下：

上式還可以分解為三部分的乘積：

式中，TFP表示生態(tài)效率，EC表示技術(shù)效率變化；TC表示技術(shù)進(jìn)步變化；PE表示純技術(shù)效率變化；SE表示規(guī)模效率變化。

1.2.3 Tobit 模型 綜合考慮江蘇省生態(tài)效率的獨(dú)特性，選取經(jīng)濟(jì)發(fā)展水平、工業(yè)結(jié)構(gòu)、利用外資、人口密度、政府對(duì)科學(xué)技術(shù)的支持、政府對(duì)教育的支持作為影響因素，如表1 所示，并使用Tobit 模型進(jìn)行生態(tài)效率影響因素分析。

表1 生態(tài)效率影響因素

由于效率評(píng)價(jià)值通過(guò)最低界限值0 將數(shù)據(jù)進(jìn)行了截?cái)?，使用普通的最小二乘法直接?duì)模型進(jìn)行回歸會(huì)導(dǎo)致最終的參數(shù)估計(jì)結(jié)果出現(xiàn)偏差。為使估計(jì)結(jié)果更準(zhǔn)確，采用截?cái)嗷貧w方法進(jìn)行分析，建立如下的Tobit回歸模型。

式中，yit作為被解釋變量表示第i座城市第t年的生態(tài)效率值。αit是未知常數(shù)值，xit是解釋變量，βT是未知參數(shù)向量，εit～N（0，σ2）。Tobit 模型的特點(diǎn)是解釋變量xit不受限制，取其實(shí)際觀測(cè)值，而被解釋變量yit取值受限：當(dāng)yit≥0 時(shí)取實(shí)際觀測(cè)值，反之觀測(cè)值截取為0。

2 研究對(duì)象與指標(biāo)體系

2.1 樣本數(shù)據(jù)

本研究選取江蘇省13 個(gè)城市作為實(shí)證研究對(duì)象，對(duì)江蘇省2009—2018 年的面板數(shù)據(jù)進(jìn)行研究。為保證樣本數(shù)據(jù)準(zhǔn)確性，所有投入產(chǎn)出數(shù)據(jù)均選自《中國(guó)城市統(tǒng)計(jì)年鑒》《江蘇統(tǒng)計(jì)年鑒》以及各地級(jí)市統(tǒng)計(jì)年鑒。此外，為消除價(jià)格變動(dòng)的影響，真實(shí)反映經(jīng)濟(jì)發(fā)展?fàn)顟B(tài)，本研究根據(jù)相應(yīng)的價(jià)格指數(shù)將市GDP、政府對(duì)教育和科技的支出等指標(biāo)換算成基期不變價(jià)格。

2.2 指標(biāo)選取

生態(tài)效率的基本思想是在最大化價(jià)值的同時(shí)最小化資源消耗與環(huán)境污染，即以最少的資源投入和最小的環(huán)境代價(jià)獲得最大的經(jīng)濟(jì)價(jià)值，這與SBM 方法對(duì)投入與產(chǎn)出指標(biāo)的要求一致。在具體的SBM運(yùn)用中，通常將收益型的指標(biāo)視為產(chǎn)出指標(biāo)，將成本型指標(biāo)作為投入指標(biāo)來(lái)處理。借鑒已有研究成果［7］，同時(shí)兼顧數(shù)據(jù)的可得性與科學(xué)性構(gòu)建江蘇省生態(tài)效率評(píng)價(jià)指標(biāo)體系（表2）。

表2 江蘇省生態(tài)效率評(píng)價(jià)指標(biāo)體系

3 實(shí)證分析

3.1 生態(tài)效率靜態(tài)分析

根據(jù)以上原理，運(yùn)用DEA-Solver Pro 13.1 軟件將13 個(gè)城市2009—2018 年的數(shù)據(jù)進(jìn)行逐年計(jì)算，得到2009—2018 年江蘇省13 市生態(tài)效率（表3）。

由表3 可知，2009—2018 年江蘇省13 市生態(tài)效率總體水平呈下降趨勢(shì)，均值從1.095 下降到1.018，總體下降7.03%；除2014 年以外，其余年份生態(tài)效率平均值均大于1.000。

依據(jù)Super-SBM 模型原理，被評(píng)價(jià)決策單元在生態(tài)效率值≥1的條件下相對(duì)有效。由表3 可知，2009—2018 江蘇省13 市生態(tài)效率平均值≥1的城市共8 個(gè)；其中蘇北地區(qū)生態(tài)效率相對(duì)有效的城市有3個(gè)，占總有效城市的37.5%，蘇中地區(qū)沒(méi)有生態(tài)效率相對(duì)有效的城市，蘇南地區(qū)所有城市生態(tài)效率均相對(duì)有效。從空間分布來(lái)看，江蘇省生態(tài)效率相對(duì)有效城市分布不均衡，區(qū)域差異較大。

表3 2009—2018 年江蘇省13 市生態(tài)效率

生態(tài)效率平均值排序方面，宿遷＞鹽城＞蘇州＞南京＞無(wú)錫＞常州＞鎮(zhèn)江＞連云港＞徐州＞泰州＞南通＞揚(yáng)州＞淮安。生態(tài)效率平均值位于第一、二名的宿遷市和鹽城市屬于蘇北地區(qū)，但蘇北地區(qū)整體生態(tài)效率不及蘇南地區(qū)。蘇南地區(qū)具有優(yōu)越的自然條件，并受上海市輻射作用影響，形成了以鄉(xiāng)鎮(zhèn)企業(yè)發(fā)展推動(dòng)非農(nóng)化發(fā)展的蘇南模式。這一模式下的蘇南地區(qū)較早地引入外資，積累了較多的資本與先進(jìn)的生產(chǎn)管理經(jīng)驗(yàn)，工業(yè)生產(chǎn)總值高，居民收入水平高于全省平均水平。地區(qū)領(lǐng)導(dǎo)人在謀求經(jīng)濟(jì)發(fā)展的同時(shí)兼顧區(qū)域環(huán)境保護(hù)，對(duì)工業(yè)企業(yè)的污染物排放予以嚴(yán)格管制，因此蘇南地區(qū)整體生態(tài)效率水平較高。

由表3 可知，2009—2018 年宿遷市所有年份生態(tài)效率值都位居全省第1，投入產(chǎn)出水平較高；通過(guò)對(duì)原始數(shù)據(jù)的分析發(fā)現(xiàn)，宿遷市各年份單位建設(shè)用地面積生產(chǎn)總值都處于較高水平，相同產(chǎn)出下能源消耗水平較低。而淮安市各年份生態(tài)效率處于較低水平，投入冗余和產(chǎn)出不足的問(wèn)題比較嚴(yán)重；存在單位建設(shè)用地面積生產(chǎn)總值較低，工人工資偏低，工業(yè)固體廢物利用率偏低，城市綠地面積偏小等問(wèn)題。這與淮安市能源自給率低，低碳新能源的開(kāi)發(fā)利用量占能源消耗總量比重較低，能源結(jié)構(gòu)單一，全社會(huì)能源消耗和規(guī)模以上工業(yè)企業(yè)能源消耗以煤為主，環(huán)?；A(chǔ)設(shè)施建設(shè)落后等現(xiàn)實(shí)情況相符合。綜合以上分析發(fā)現(xiàn)，不同城市生態(tài)建設(shè)應(yīng)結(jié)合城市的具體情況，對(duì)生態(tài)建設(shè)過(guò)程中出現(xiàn)的短板采取差異化措施。

3.2 生態(tài)效率動(dòng)態(tài)分析

為更好地分析江蘇省13 個(gè)城市的生態(tài)效率變化趨勢(shì)，本研究采用江蘇省13 個(gè)城市2009—2018 年的面板數(shù)據(jù)，運(yùn)用Malmquist 指數(shù)模型計(jì)算其效率變動(dòng)值。

由表4 可知，2009—2018 年生態(tài)效率（TFP）年均增長(zhǎng)-1.2%，13 個(gè)市中有7 個(gè)市增長(zhǎng)率小于0，6 個(gè)市的增長(zhǎng)率大于0；從年均增長(zhǎng)率的分解來(lái)看，規(guī)模效率的增長(zhǎng)率大于0，年均增長(zhǎng)率為0.2%，綜合技術(shù)效率與純技術(shù)效率年均增長(zhǎng)率為0，技術(shù)進(jìn)步年均下降1.4%。從各城市來(lái)看，連云港市、南京市增長(zhǎng)較快，TFP增長(zhǎng)率超過(guò)3%，顯著高于平均水平；靜態(tài)分析下宿遷市生態(tài)效率很高，但是TFP呈負(fù)增長(zhǎng)，技術(shù)進(jìn)步缺乏動(dòng)力；淮安市TFP增長(zhǎng)率為負(fù)，同時(shí)靜態(tài)分析下淮安市生態(tài)效率排名居全省末位，其生態(tài)效率建設(shè)方面存在一定問(wèn)題，需要進(jìn)一步加強(qiáng)城市生態(tài)文明建設(shè)，提升投入產(chǎn)出水平。

表4 江蘇省13 市年均Malmquist指數(shù)及其分解

由表5 可知，江蘇省13 市各年份平均生態(tài)效率增長(zhǎng)不穩(wěn)定，2009—2011 年呈明顯上升趨勢(shì)，隨后2011—2012 年呈明顯下降趨勢(shì)，2013—2018 年的變化相對(duì)穩(wěn)定。從生態(tài)效率變化情況的影響因素來(lái)看，規(guī)模效率與綜合技術(shù)效率是推動(dòng)生態(tài)效率增長(zhǎng)的動(dòng)力，但其貢獻(xiàn)率僅為0.2%；純技術(shù)效率對(duì)生態(tài)效率增長(zhǎng)的貢獻(xiàn)率為0，技術(shù)進(jìn)步的增長(zhǎng)率均值小于0，制約了生態(tài)效率的增長(zhǎng)。

表5 江蘇省13 市各年份平均Malmquist指數(shù)及其分解

3.3 區(qū)域生態(tài)效率影響因素分析

由于作為解釋變量而選取的6 個(gè)影響因素之間可能存在多重共線(xiàn)性，于是通過(guò)STATA 軟件對(duì)這6個(gè)變量進(jìn)行相關(guān)性檢驗(yàn)，結(jié)果如表6 所示。結(jié)果顯示變量之間的相關(guān)系數(shù)均小于0.800，在可接受范圍之內(nèi)，共線(xiàn)性程度不高。

表6 變量多重共線(xiàn)性檢驗(yàn)

利用STATA 軟件對(duì)變量進(jìn)行回歸分析，結(jié)果見(jiàn)表7。經(jīng)濟(jì)發(fā)展水平、人口密度、政府對(duì)科學(xué)技術(shù)的支持會(huì)對(duì)各城市生態(tài)效率產(chǎn)生正向影響，工業(yè)結(jié)構(gòu)、利用外資、政府對(duì)教育的支持會(huì)對(duì)各城市生態(tài)效率產(chǎn)生負(fù)向影響。人口密度與政府對(duì)科學(xué)技術(shù)的支持對(duì)城市生態(tài)效率的影響在1%的水平下顯著，工業(yè)結(jié)構(gòu)對(duì)城市生態(tài)效率的影響在5%的水平下顯著，其余變量未通過(guò)顯著性檢驗(yàn)。

表7 Tobit回歸結(jié)果

1）人均GDP 每增加1 萬(wàn)元，城市生態(tài)效率將會(huì)上升5.9 個(gè)百分點(diǎn)。經(jīng)濟(jì)發(fā)展水平的提高伴隨著資本投入量的增加，尖端技術(shù)的引進(jìn)會(huì)對(duì)生態(tài)效率產(chǎn)生正向的影響，因此各市需要在發(fā)展經(jīng)濟(jì)的同時(shí)兼顧對(duì)環(huán)境的保護(hù)，走可持續(xù)發(fā)展道路。

2）第三產(chǎn)業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值比重的上升會(huì)帶來(lái)生態(tài)效率的下降。這是因?yàn)榻K省第三產(chǎn)業(yè)的發(fā)展仍處于較低級(jí)階段，批發(fā)零售餐飲業(yè)及交通運(yùn)輸業(yè)等污染較重的產(chǎn)業(yè)占比較大。

3）利用外資對(duì)生態(tài)效率的影響未通過(guò)顯著性檢驗(yàn)。江蘇省地處東部沿海地區(qū)，外資利用水平較高。研究結(jié)果表明，繼續(xù)提高外資利用水平無(wú)法給生態(tài)效率帶來(lái)正向影響，因此需要轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式，合理減少外資使用，使經(jīng)濟(jì)發(fā)展更多依靠?jī)?nèi)需接動(dòng)。

4）人口密度對(duì)生態(tài)效率產(chǎn)生正向影響，并且在1%的水平下顯著，但是人口密度對(duì)生態(tài)效率影響較小，影響系數(shù)僅為0.001，說(shuō)明目前江蘇省人口密度較優(yōu)，對(duì)環(huán)境造成壓力較小。

5）政府對(duì)科學(xué)技術(shù)的支持與政府對(duì)教育的支持分別會(huì)給生態(tài)效率帶來(lái)正向與負(fù)向的影響，政府對(duì)科學(xué)技術(shù)的支持對(duì)生態(tài)效率的影響顯著，政府對(duì)教育的支持對(duì)生態(tài)效率的影響并不顯著。

4 結(jié)論與建議

1）整體來(lái)看，統(tǒng)計(jì)期間內(nèi)江蘇省13 市生態(tài)效率平均值為1.033，處于較高發(fā)展水平?？臻g上差異較大，蘇南＞蘇北＞蘇中。蘇北與蘇中地區(qū)需要在科技研發(fā)上投入更多資金，大力推進(jìn)科技成果向生產(chǎn)力轉(zhuǎn)化，同時(shí)完善城市環(huán)?；A(chǔ)設(shè)施建設(shè)，提高城市公共服務(wù)能力。

2）從對(duì)江蘇省13 市生態(tài)效率的動(dòng)態(tài)分析中發(fā)現(xiàn)，江蘇省生態(tài)效率的進(jìn)步來(lái)自規(guī)模效率的提升，其貢獻(xiàn)率為0.2%。技術(shù)進(jìn)步變化制約了生態(tài)效率的增長(zhǎng)，因此需要進(jìn)一步加大對(duì)科研活動(dòng)的投入，拓寬科研經(jīng)費(fèi)的來(lái)源渠道，激發(fā)高校的科技創(chuàng)新活力。同時(shí)鼓勵(lì)企業(yè)以另一主體的身份參與新技術(shù)的研發(fā)過(guò)程，激發(fā)大中型企業(yè)的創(chuàng)新熱情，促進(jìn)科研成果向?qū)嶋H生產(chǎn)力的高效轉(zhuǎn)化。

3）從影響因素的回歸分析來(lái)看，經(jīng)濟(jì)發(fā)展水平、人口密度、政府對(duì)科學(xué)技術(shù)的支持會(huì)對(duì)各城市生態(tài)效率產(chǎn)生正向影響。其中政府對(duì)科學(xué)技術(shù)的支持影響最為顯著；工業(yè)結(jié)構(gòu)、政府對(duì)教育的支持會(huì)對(duì)各城市生態(tài)效率產(chǎn)生負(fù)向影響。為了提高江蘇省整體生態(tài)效率，縮小區(qū)域差異，需要進(jìn)一步優(yōu)化第三產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)，盡快實(shí)現(xiàn)從以批發(fā)零售餐飲業(yè)及交通運(yùn)輸業(yè)為主的初級(jí)階段向以信息、科技、金融等為主的高級(jí)階段過(guò)渡。