王 紅

(中國社會科學院 數(shù)量經(jīng)濟與技術經(jīng)濟研究所， 北京 100732)

自然資源是用于人類生產或消費等經(jīng)濟活動、產生經(jīng)濟價值的自然資產，也是生態(tài)系統(tǒng)的重要組成部分，支撐著生態(tài)系統(tǒng)功能的正常運行。隨著社會經(jīng)濟的快速發(fā)展，不可再生資源不斷減少，人類可持續(xù)發(fā)展受到自然資源供給和環(huán)境容納能力的雙重挑戰(zhàn)。在這一背景下，轉變資源利用方式、提高資源利用效率已成為中國建設生態(tài)文明、實現(xiàn)綠色發(fā)展的必要路徑。2020年9月，習近平主席在第七十五屆聯(lián)合國大會上宣布中國將采取更加有力的政策和措施，二氧化碳排放力爭于2030年前達到峰值，努力爭取于2060年前實現(xiàn)碳中和，對資源高效利用和環(huán)境壓力減小提出了更大的要求。2020年底，黨的十九屆五中全會通過的《中共中央關于制定國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二〇三五年遠景目標的建議》，特別提出要貫徹“節(jié)約、集約、減約”的理念，推進資源總量管理、科學配置、全面節(jié)約、循環(huán)利用，提高礦產資源開發(fā)保護水平，全面提高資源利用效率。在這一背景下，有必要從資源消耗和環(huán)境壓力的雙重角度深入了解中國礦產資源利用效率的現(xiàn)狀、變化趨勢和主要影響因素，從而為中國開展資源高效管理提供有用的信息。

本文利用物質流核算方法(Material Flow Accounting，即MFA)計算2000—2017年中國30個省市自治區(qū)主要礦產資源投入面板數(shù)據(jù)，結合考慮資源綜合利用的工業(yè)固體廢棄物排放數(shù)據(jù)，建立含非期望產出的超效率SBM 模型，計算中國礦產資源利用的Malmquist指數(shù)和技術效率，分析樣本期中國礦產資源綠色效率的總體特征、變化趨勢、區(qū)域差異和主要影響因素。出于省域數(shù)據(jù)可得性和分析聚焦性的考慮，本文分析的礦產資源包括能源礦產(煤、石油和天然氣)、金屬礦產(主要為鐵礦)和非金屬礦產資源(主要為石灰石)。

本文的創(chuàng)新點在于：第一，將物質流核算(MFA)方法和數(shù)據(jù)包絡分析(DEA)方法相結合，能夠更深入、更專注地了解中國各地區(qū)礦產資源利用效率的動態(tài)變化；第二，利用考慮廢棄物排放非期望產出的超效率SBM方法，使本文對礦產資源利用效率的評價增加了生態(tài)和綠色的內涵，更加符合資源利用的資源和環(huán)境雙重屬性；第三，文獻中有很多利用DEA方法評價資源效率或生態(tài)效率的研究，但是缺乏對礦產資源效率的評價，本文彌補了相關研究的不足。第四，本文的研究內容較為全面，對國家和地區(qū)礦產資源高效利用和可持續(xù)管理具有一定的指導意義。

一、文獻綜述

資源效率通常指單位數(shù)量的資源經(jīng)利用后產生的經(jīng)濟、生態(tài)和環(huán)境等有益效益的相對數(shù)量，是資源配置效率與資源利用技術效率的總和。另一個涵義相近的概念是國內外文獻中常用的“生態(tài)效率”，其內涵是以較小的資源或生態(tài)投入得到較大的經(jīng)濟產出，且使得經(jīng)濟活動中產生的廢水、廢氣、固體廢棄物等環(huán)境污染物的產出盡可能小[1]。

資源效率或生態(tài)效率的評價有多種方法和指標。一些經(jīng)濟生態(tài)學家從經(jīng)濟效益的角度用簡單的數(shù)學公式計算得到資源產出率指標(Resource Productivity)。資源產出率是經(jīng)濟系統(tǒng)內地區(qū)生產總值與資源利用量的比值，即主要物質資源實物量的單位投入所產出的經(jīng)濟量。國內外學者常以物質流核算方法為基礎評價資源產出率。該方法是基于資源利用全周期理念和物質平衡原理，使用統(tǒng)一的重量單位，對特定經(jīng)濟系統(tǒng)計算物質投入(包括開采、收獲和進口的物質資源)和物質產出(包括廢棄物、污染物)；在此基礎上評估物質資源的利用及其環(huán)境影響[2]。該方法通常將單位GDP的物質投入或消耗作為評價資源產出率的一個重要指標。

更多學者使用更加復雜的測度方法和指標，如以數(shù)據(jù)包絡分析(DEA)方法為主的評價方法和相應的效率指標。近20年來資源和生態(tài)效率的DEA評價研究有了很大的進展。測算方法從傳統(tǒng)的DEA方法逐漸向超效率DEA方法、Malmquist指數(shù)、非期望產出SBM模型等不斷拓展，在省際[3-4]、城際[1]、產業(yè)[5]和企業(yè)[6]等不同層次得到了廣泛運用。

從研究內容來看，關注點主要是資源或生態(tài)效率的變化趨勢和變化動力。對資源或生態(tài)效率變化趨勢的研究提出了增長[7]、穩(wěn)定[8]、下降[9]和U型變化趨勢[10]等多種結論。關于資源或生態(tài)效率變化的動力來源，一些學者指出技術進步提供了全要素生產率的增長動力[7]或引起了生態(tài)效率的波動下降[11]。這說明在不同的測算方法和樣本選取下資源效率或生態(tài)效率變化趨勢和變化動力的結論也有差異。因此，在進行效率評價時，一定要考慮效率評價的具體內涵和投入產出指標的類型特點，從而得出切合實際并具有現(xiàn)實指導意義的結論。

近年來，相關研究更加深入。在國際上，Hermoso-Orzáez等于2020年運用DEA方法計算了28個歐盟國家的環(huán)境效率并按國家進行分組分析[12]；Barduchi等比較分析了發(fā)達國家與發(fā)展中國家的生態(tài)效率及經(jīng)濟、政治、技術因素對其的影響[13]。2021年，Zhou等全面回顧了1996—2019年運用DEA方法評價可持續(xù)性的研究，發(fā)現(xiàn)研究領域主要為企業(yè)和地區(qū)可持續(xù)性評價、指標構建和績效分析等[14]；Shah比較分析了亞洲九大經(jīng)濟體的資源利用和二氧化碳排放效率[15]。中國的研究則覆蓋了省級、城市、產業(yè)和企業(yè)層面，涉及了自然資源、生態(tài)福利、再生資源利用等多種領域。比如，2020年韓潔平等測度了2008—2016年浙江省和江蘇省工業(yè)綜合生態(tài)效率及生態(tài)承載力[16]。2021年，余奕杉等測算了2004—2016年中國283個城市的綠色全要素生產率[7]；劉娜等測算了中國生態(tài)福利績效的時空演變特征[10]；唐燕和孟繁玥測算了2004—2017年中國26個省市區(qū)資源再生利用產業(yè)生態(tài)效率水平[17]；林志炳和陳志注提出新的工業(yè)綠色行業(yè)劃分方法，并以此為依據(jù)計算各地區(qū)工業(yè)結構綠色化指標[18]；郭炳南等測度了2005—2019年長江經(jīng)濟帶的綠色經(jīng)濟效率并分析其區(qū)域差異[19]。

總體而言，目前學術界對資源或生態(tài)效率的研究日益深入。研究涉及多種投入項和產出項，其中投入項包括資本、勞動力、原材料、土地、能源、水、再生資源等，期望產出項主要是GDP，非期望產出則主要為各種類型的污染物(如廢水、廢氣、固廢)排放以及碳排放量。在礦產資源利用方面，從資源投入及廢棄物排放雙視角評價資源效率的研究很少。另外，很多研究利用了DEA分析方法的優(yōu)勢，投入項包括了很多資源類別，比如同時包含了原材料、土地、能源和水資源投入等，非期望產出也同時包含了不同類型污染物，雖然效率評價比較全面，但是由于投入產出指標過于寬泛，影響了效率評價在現(xiàn)實中的指導意義。

本文對礦產資源效率的評價有機結合了物質流核算(MFA)方法和超效率數(shù)據(jù)包絡分析SBM方法，將多種礦產資源消耗總量作為一個投入指標，將工業(yè)固體廢棄物排放量作為非期望產出，使本效率評價更專注于礦產資源利用的資源與環(huán)境屬性，在本質上更接近礦產資源利用的綠色效率評價，對礦產資源可持續(xù)利用和綠色發(fā)展具有更強的指導意義。

二、研究方法及數(shù)據(jù)來源

(一)研究方法

傳統(tǒng)的DEA法由Charnes、Cooper和Rhodes于1978年提出[20]，用于評價多投入和多產出模式下決策單元(Decision Making Units，即DMU)間的相對有效性。該方法主要是通過保持決策單元的投入或產出不變，借助數(shù)學規(guī)劃和統(tǒng)計數(shù)據(jù)確定相對有效的生產前沿面，將各個決策單元投影到DEA的生產前沿面上，并通過比較決策單元偏離DEA前沿面的程度來評價它們的相對有效性[21]。DEA模型按計算方向分為投入主導型和產出主導型。

使用傳統(tǒng)DEA方法評價決策單元的效率時，經(jīng)常出現(xiàn)多個決策單元同時處于生產前沿面的情況，導致在多個決策單元都相對有效時不能進行進一步比較。為了彌補這一缺陷，1995年，Andersen建立了基于投入導向的超效率DEA模型，使相對有效決策單元之間也能進行效率高低的比較[22]。

傳統(tǒng)DEA模型大都屬于徑向的度量；徑向是指將投入等比例縮小或將產出等比例擴大來達到有效狀態(tài)。這種方法無法充分考慮投入與產出的松弛性問題，度量的效率值是不準確或者有偏的。2001年，Tone提出了非徑向、基于松弛變量的模型(Slacks-Based Measure，簡稱 SBM)[23]，避免了以往難以解決的徑向選擇問題帶來的測量誤差。

針對資源效率測算時涉及的非期望產出，Tone于2003年把非期望產出納入模型中，構建了非徑向、包含非期望產出的SBM 模型[24]。

在動態(tài)評價方面，Malmquist于1953年最早提出Malmquist生產率指數(shù)[25]，但直到1994年Fare將該理論與DEA分析相結合[26]，才使得Malmquist指數(shù)得到廣泛運用。Malmquist指數(shù)測算前后兩個時期的生產率變化，測算結果用全要素生產率(Total Factor Productivity，簡稱TFP)表示，該值顯示了生產系統(tǒng)中各個要素的綜合生產率。TFP>1表示全要素生產率呈上升趨勢，反之亦然。Fare在可變規(guī)模報酬(VRS)的假設下，將Malmquist生產率指數(shù)分解為技術效率變化(effch)和技術變化(techch)兩部分，其中技術效率變化又可進一步分解為純技術效率變化(pech)和規(guī)模效率(sech)變化，即TFP=pech×sech×techch。其中，技術進步(techch)表示從t期到t+1期的生產前沿面移動程度，是保持投入組合不變下產出的額外增長率，不僅包括技術、工藝的創(chuàng)新和引進，也包括制度改革帶來的紅利[27]，techch>1表示技術進步；技術效率變化(effch)表示從t期到t+1期的技術效率變化程度，effch>1表示相對技術效率提高；純技術效率變化(pech)>1意味著管理的改善使效率發(fā)生了改進；sech>1表示DMU從長期來看向最優(yōu)規(guī)?？拷?。

借鑒上述DEA分析方法，本文選擇非徑向、含非期望產出的超效率SBM模型測算中國分地區(qū)礦產資源綠色效率。由于本文旨在通過研究資源利用效率達到合理利用資源、減少環(huán)境壓力的目的，即在保證產出不變的情況下，減少礦產資源和其他要素的投入，因此選擇投入主導型DEA方法。

(二)研究指標及數(shù)據(jù)來源

本文將GDP作為期望產出指標，選取固定資本存量、勞動力投入、礦產資源投入作為投入指標；將工業(yè)固定廢棄物排放作為非期望產出指標。數(shù)據(jù)范圍為2000—2017年中國30個省市區(qū)的面板數(shù)據(jù)(考慮數(shù)據(jù)可獲得性，不包括西藏和港澳臺地區(qū))。其中，勞動力投入指標為各地區(qū)城鎮(zhèn)和鄉(xiāng)村年末就業(yè)人數(shù)之和，數(shù)據(jù)來源為各年度《中國人口和就業(yè)統(tǒng)計年鑒》。資本投入指標選取固定資本存量，使用永續(xù)盤存法估算。本文采用單豪杰的算法[28]，折舊率設定為10.96%，投資指標選擇各省全社會固定資產投資總額，并用所在省份歷年固定資產投資價格指數(shù)進行平減處理。原始數(shù)據(jù)來源于《新中國六十年統(tǒng)計資料匯編》和《中國統(tǒng)計年鑒(2004—2018)》。不變價數(shù)據(jù)為2000年價格。

礦產資源投入為一個匯總指標，其理念來自基于“噸理論”的物質流核算理論。其中，煤炭、原油和天然氣投入量為各年度消費總量，數(shù)據(jù)來源于各年度《中國能源統(tǒng)計年鑒》；各省鐵礦石投入量為各年度消費量，根據(jù)中國統(tǒng)計年鑒中各年各地區(qū)生鐵產量，按照當年全國生鐵總產量與鐵礦石生產量和進口量之比計算，鐵礦石與生鐵比為2.0～3.4。各省石灰石投入量根據(jù)國家統(tǒng)計年鑒中各省水泥產量，按1噸水泥需要1.33噸石灰石的基本比例計算。

產出指標中，各省實際GDP以2019年國家統(tǒng)計年鑒中2017年實際GDP為基礎，按各省各年GDP增速推算。固體廢棄物排放指標不考慮生活垃圾，僅考慮工業(yè)固體廢棄物，以各年《中國環(huán)境年鑒》中各省工業(yè)固廢產生量減去工業(yè)固廢綜合利用量而得，相當于工業(yè)固廢排放、貯存及處置量之和。

三、礦產資源利用效率分析

(一)礦產資源全要素生產率指數(shù)分析

利用MAXDEA 6.0軟件，選擇投入導向、非徑向、含非期望產出、規(guī)模報酬可變(VRS)超效率SBM模型，計算2000—2017年中國30個省市區(qū)的Malmquist生產率指數(shù)(TFP)，結果見表1。該指數(shù)既考慮了勞動力、資本和礦產資源投入，也考慮了固廢排放的非期望產出；既考慮了經(jīng)濟活動投入的資源屬性，又考慮了經(jīng)濟活動產出的環(huán)境屬性，因此本文將其稱為全要素礦產資源綠色效率指數(shù)(GRTFP)。

總體來看，樣本期GRTFP指數(shù)總體均值為0.987，說明全要素礦產資源綠色效率總體上是下降的，階段變化則呈現(xiàn)2012年前持續(xù)下降、2012年后有所回升的“U型趨勢”。具體來看，2000—2017年間僅有6年的TFP大于1，2007年及2012年以后(含2012年)的TFP都大于1。

表1 2000—2017年中國分年份GRTFP指數(shù)

從指數(shù)分解來看，技術變化的總體均值為1.021，說明礦產資源利用的生產前沿面有較大幅度的前移。技術效率變化的總體均值為0.966，呈現(xiàn)持續(xù)下降趨勢。在技術效率下降的情況下，技術進步對全要素生產率產生了一定的提升作用，緩和了全要素礦產資源綠色效率的總體下降趨勢,在后期促進了全要素礦產資源綠色效率的改善。

從指數(shù)分解的時間趨勢來看，技術變化幅度從2000年起持續(xù)增加，在2007年和2008年達到了最高的1.05，之后增速略有下降但依然保持在1以上。這說明技術進步對全要素礦產資源綠色效率產生了很大的提升作用，但是該影響在2007年和2008年達到最高后有一定的減弱。技術效率變化的趨勢則有所不同，2003年降到18年間最低(為0.936)，之后變化幅度波動上升，在2017年增加至1.01，說明技術效率下降的情況逐漸改善，在2017年出現(xiàn)了回升趨勢。

(二)技術效率分析

利用上述超效率SBM模型計算2000—2017年中國30個省市區(qū)的礦產資源利用技術效率。由于該效率測算既考慮了投入的資源屬性，也考慮了產出的環(huán)境屬性，因此稱之為礦產資源綠色效率(GRTE)。2000—2017年中國礦產資源利用技術效率的幾何均值為0.532，綠色效率總體偏低。中國技術效率分解的時間變化趨勢和省域差異見表2和表3。

表2 2000—2017年中國技術效率分解的時間變化趨勢

表3 2000—2017年中國技術效率分解的省域差異

從總體時間趨勢來看，2000—2017年技術效率年幾何均值呈現(xiàn)持續(xù)下降的趨勢，技術效率從2000年的0.746持續(xù)下降到了2016年的0.415，僅在2017年有所增加(見表2)。這可能與礦產資源利用的物理局限性和中國經(jīng)濟社會發(fā)展的階段特點有關。礦產資源利用存在特定的物理局限性，即使一些礦產資源的集約節(jié)約利用技術取得了很大進步，但其物理局限性制約了礦產資源消費的大幅度減少。比如生產水泥所需要的石灰石比例和生產鋼鐵所需的鐵礦石比例是基本穩(wěn)定的，在經(jīng)濟社會活動對水泥和鋼鐵的需求大幅度增加的情況下，礦產資源消費也大幅度增加。另外，隨著中國經(jīng)濟社會發(fā)展水平的不斷提高，基礎設施建設和居民衣食住行需求增加導致了對礦產資源消費的需求大幅度增加，在一定程度上抑制了礦產資源利用效率的提高。

從省域差異來看，中國各省區(qū)市礦產資源利用的技術效率差異大。北京、天津和上海三大直轄市處于效率有效的狀態(tài)，其2000—2017年技術效率幾何均值分別為1.459、1.137和1.110。東南沿海地區(qū)如廣東、江蘇和浙江處于效率次佳的狀態(tài)，三省多年效率幾何均值為0.7～0.9。技術效率最低的是貴州、云南、寧夏、甘肅和青海，主要位于西南和西北地區(qū)。其他省份的技術效率處于中等水平，多年效率幾何均值在0.4～0.7，覆蓋了各個區(qū)域(見表3)。技術效率的省域差異隨時間呈現(xiàn)逐漸加大的趨勢，30個省區(qū)市技術效率的方差值從2000年的0.053 2增加到了2017年的0.119。

區(qū)域差異小于省域差異，但也呈現(xiàn)出較為明顯的區(qū)域特點。根據(jù)2000—2017年各區(qū)域技術效率多年幾何均值，華北、華東和華南地區(qū)效率最高且區(qū)域間差異很小，技術效率均值在0.62～0.63；東北、華中和西南地區(qū)的效率為中間水平，在0.4左右；西北地區(qū)的效率最低，低于0.4(見圖1)。技術效率的區(qū)域差異隨時間呈現(xiàn)逐漸減小的趨勢，7個區(qū)域技術效率的方差值從2000年的0.022 7減少到了2017年的0.006 8。

圖1 2000—2017年中國各區(qū)域技術效率變化趨勢

(三)分解分析

根據(jù)技術效率分解結果，礦產資源利用的純技術效率(PTE)與規(guī)模效率(SE)總體均值分別為0.674和0.789，兩者均存在很大的改進空間，且規(guī)模效率略高于純技術效率。

從各年效率分解結果來看，純技術效率從2000年的0.842下降至2017年的0.674，而規(guī)模效率從2000年的0.886下降至2017年的0.697，表明18年間中國礦產資源利用技術效率的下降來源于規(guī)模效率和純技術效率的雙重下降(見表2)。

從各省效率分解結果來看，北京、天津、上海、廣東、江蘇、海南和青海的資源利用純技術效率值大于1，其中北京、天津、上海、廣東和江蘇屬于發(fā)達地區(qū)，在資源集約利用和廢棄物綜合利用方面具有很大的優(yōu)勢；而海南和青海的經(jīng)濟規(guī)模小，發(fā)展較為落后，但是各自具有建設國家生態(tài)文明試驗區(qū)和實施生態(tài)立省戰(zhàn)略的特殊發(fā)展定位，在一定程度上促進了兩個地區(qū)的資源利用純技術效率水平的提高。遼寧、黑龍江、河北、內蒙古、河南、安徽、云南、貴州和甘肅均低于0.5，其資源利用和廢棄物管理效率處于較低的水平(見表3)。

各省規(guī)模效率存在較大的差異。海南、青海和寧夏的規(guī)模效率多年均值都低于0.4，雖然這3個地區(qū)的純技術效率較高，但是低規(guī)模效率明顯拉低了3個地區(qū)的技術效率。其余地區(qū)的規(guī)模效率均在0.7以上、1以下的有效水平。

(四)考慮與不考慮非期望產出的技術效率比較

用同樣的超效率SBM模型，在不考慮工業(yè)固廢排放非期望產出的情況下，計算中國礦產資源利用的技術效率，對考慮與不考慮兩種情景下的效率差距進行比較分析。表4中，TEw-TEnw、PEw-PEnw和SEw-SEnw分別表示考慮與不考慮非期望產出的技術效率、純技術效率和規(guī)模效率的差值。

表4 2000—2017年中國各地區(qū)考慮與不考慮非期望產出的礦產資源利用效率差距

表4表明，與不考慮工業(yè)固廢排放非期望產出相比，考慮非期望產出時，中國礦產資源利用技術效率的總體均值增加了0.021，純技術效率的總體均值增加了0.039，規(guī)模效率則有所下降，總體均值下降了0.016。由此可見，中國在工業(yè)固廢綜合利用方面取得了顯著的成績，明顯提升了中國礦產資源利用的技術效率，尤其是純技術效率，但在一定程度上制約了資源利用規(guī)模效率的優(yōu)化。

與不考慮工業(yè)固廢排放非期望產出相比，考慮非期望產出時，中國各省技術效率的變化是不同的，大部分省份差距為零或不明顯，但是天津、上海、江蘇、浙江、山東、廣東和海南有明顯的效率提高，提升值在0.014～0.394，天津、上海和江蘇的效率提升最大。由此可見，自2000年以來，這些省份在工業(yè)廢棄物資源回收綜合利用方面做出了顯著的成績，帶動了各自省市和全國總體礦產資源效率的提升。

四、礦產資源綠色效率影響因素分析

本文將礦產資源利用的技術效率即礦產資源綠色效率(GRTE)作為因變量，分析若干解釋變量對礦產資源綠色效率的影響。

(一)指標選擇

學者對資源效率影響因素的研究較多，本文參考已有研究，根據(jù)資源效率的一般特點，選擇以下影響因素。第一個影響因素是人均GDP(Pergdp)，該指標體現(xiàn)經(jīng)濟發(fā)展水平和居民收入水平。第二個影響因素是城市化率(Urban)，為各地區(qū)城市人口占總人口比重，體現(xiàn)一個地區(qū)城市化發(fā)展程度和城鄉(xiāng)差距。第三個影響因素是產業(yè)結構高級化程度(Sector)，為各地區(qū)第三產業(yè)比重除以第二產業(yè)比重。該指標的動態(tài)變化能夠體現(xiàn)產業(yè)結構從第二產業(yè)占優(yōu)勢比重向第三產業(yè)占優(yōu)勢比重演進的過程，反映經(jīng)濟發(fā)展水平的高低和發(fā)展階段。3個指標數(shù)據(jù)均來源于各年度《中國統(tǒng)計年鑒》。第四個影響因素是環(huán)境污染治理投資(Epinvest)，既代表各地區(qū)對環(huán)境污染治理和生態(tài)環(huán)境保護的重視程度和執(zhí)政強度，也代表各省為減輕資源消耗的環(huán)境壓力而做出的努力和付出的成本。該數(shù)據(jù)來源于各年度《中國環(huán)境年鑒》并對照了CEIC數(shù)據(jù)庫，2000—2002年數(shù)據(jù)不全，用2003年各省比重與全國總量計算而得。第五個影響因素是綠色技術創(chuàng)新指標(Greenpat)。專利申請量較授權數(shù)更具有時效性[29]，即使與真實的創(chuàng)新水平存在一定偏差，仍能動態(tài)反映創(chuàng)新的活躍程度[30]。本文采用的綠色技術專利申請數(shù)據(jù)含發(fā)明專利、實用新型以及外觀設計申請量，是在中國國家知識產權局(WIPO)專利數(shù)據(jù)庫(http://pss-system.cnipa.gov.cn/)中，基于世界知識產權組織(WIPO)的七大綠色專利分類，利用數(shù)據(jù)爬蟲技術分年度分類檢索而得，并經(jīng)中國歷年科技統(tǒng)計年鑒、中國歷年火炬年鑒、中國研究數(shù)據(jù)服務平臺(CNRDS)等創(chuàng)新數(shù)據(jù)進行匹配驗證。

(二)模型分析

首先分析上述5個解釋變量是否存在多重共線性。用Eviews檢驗2000—2017年全國30個省區(qū)市5個解釋變量的面板數(shù)據(jù)的相關關系，發(fā)現(xiàn)變量Pergdp與變量Urban之間的相關系數(shù)達0.86，可以認為二者之間存在共線性，因此將變量Urban剔除。剩余4個解釋變量之間的相關系數(shù)最高為0.69，共線性在可以接受的范圍。

將各省各年礦產資源綠色效率(GRTEit)作為因變量，建立如下面板數(shù)據(jù)模型：

GRTEit=β1Greenpatit+β2Sectorit+β3Pergdpit+β4Epinvestit+μi+eit

其中，GRTEit為i省t年礦產資源綠色效率，Greenpatit為i省t年綠色技術專利申請量，Sectorit為i省t年第三產業(yè)比重與第二產業(yè)比重的比值，Pergdpit為i省t年人均GDP，Epinvestit為i省t年環(huán)境污染治理投資，μi為代表個體異質性的截距項即“個體效應”,eit為隨個體與時間而改變的擾動項。

利用Stata軟件進行混合效應模型、固定效應模型與隨機效應模型分析。BP檢驗結果表明回歸分析不適合運用混合效應模型；Hausman檢驗結果表明，隨機效應模型優(yōu)于固定效應模型(Prob>chi2 = 0.177 0)。結果見表5。

表5 礦產資源綠色效率(GRTE)影響因素的參數(shù)估計結果

從表5參數(shù)估計結果可以看出，無論采用固定效應模型還是隨機效應模型，4個解釋變量對因變量的影響是一致的。綠色技術創(chuàng)新對礦產資源綠色效率(GRTE)產生了顯著的正向影響力，即綠色技術創(chuàng)新的力度越大，礦產資源綠色效率的水平越高。產業(yè)結構高級化程度亦對礦產資源綠色效率產生了顯著的正向影響力，即資源消耗強度大的第二產業(yè)比重越低、資源消耗強度小的第三產業(yè)比重越高，礦產資源綠色效率就越高。

人均GDP水平對礦產資源綠色效率產生了顯著的負面影響。這是因為隨著人均GDP的增加，社會富裕程度和居民生活水平相應提高，人們對礦產資源消費的需求隨之增加。根據(jù)統(tǒng)計年鑒，2000—2017年，中國人均能源消費量從1.2噸標準煤增加到了3.2噸標準煤，人均水泥和粗鋼產量從0.5噸和0.1噸分別增加到了1.7噸和0.6噸，礦產資源的人均需求量和消費量顯著增加，產生了很大的資源和環(huán)境壓力。

環(huán)境污染投資對礦產資源綠色效率產生了負面的影響，這雖然有點出乎意料但也可合理解釋。環(huán)境污染治理投資代表了各地政府在提高生態(tài)環(huán)境質量方面的力度，在一定程度上也代表了政府在資源管理方面的力度，但是越大的環(huán)境污染治理投入也意味著更大的資金投入、更多的勞動力投入以及更多的原材料投入。比如，污水處理廠的建設運營需要增加大量的能源、鋼鐵和水泥等資源的投入，火力發(fā)電廠開展二氧化硫和二氧化氮減排也需要投入大量的脫硫脫硝原料、排放大量的副產石膏等，增加資源和環(huán)境壓力。

五、結論和建議

本文結合物質流核算(MFA)方法和超效率SBM方法，將多種礦產資源消耗總量作為一個投入指標，將工業(yè)固體廢棄物排放量作為非期望產出，對中國2000—2017年各省區(qū)市礦產資源綠色效率進行評價，得出如下結論：

第一，2000—2017年中國全要素礦產資源綠色效率總體上是下降的，具體呈現(xiàn)2012年前持續(xù)下降、2012年后有所回升的“U型趨勢”；中國礦產資源利用的技術效率亦總體偏低且呈現(xiàn)持續(xù)下降的趨勢。一方面這可能是由于礦產資源利用存在特定的物理局限性；另一方面是因為隨著經(jīng)濟社會發(fā)展水平的不斷提高，基礎設施建設和居民衣食住行需求增加導致了礦產資源消費需求的大幅度增加，在一定程度上抑制了礦產資源利用效率的提高。在礦產資源利用的物理局限性難以克服的情況下，未來要提高中國礦產資源綠色效率仍面臨巨大的壓力。

第二，技術變化有明顯進步，在純技術效率和規(guī)模效率雙下降的情況下，技術變化緩和了全要素礦產資源綠色效率的總體下降趨勢，在后期促進了全要素礦產資源綠色效率的改善；但是技術變化幅度在2007年和2008年達到最高后增幅略有下降，對全要素礦產資源綠色效率產生的推動作用有一定減弱。這充分說明，技術工藝創(chuàng)新和制度改革所帶來的技術進步，對全要素礦產資源綠色效率產生起到了顯著的提升作用，但該作用后期有所減弱。對此，國家需要給予充分的重視，進一步加強資源利用的技術創(chuàng)新和管理創(chuàng)新。

第三，中國礦產資源利用的技術效率存在較大的省域差異且省域差異隨時間變化而逐漸加大，區(qū)域差異小于省域差異且隨時間變化而逐漸減小。北京、天津、上海、廣東和江蘇等發(fā)達地區(qū)的純技術效率和規(guī)模效率均較高；而海南、青海和寧夏的低規(guī)模效率明顯拉低了3個地區(qū)的技術效率。

第四，中國在工業(yè)固廢綜合利用方面取得了顯著的成績，明顯提升了中國礦產資源利用的技術效率，尤其是純技術效率，其中天津、上海和江蘇等省市在工業(yè)廢棄物資源回收綜合利用方面做出了顯著的成績，帶動了全國總體礦產資源效率的提升。

第五，綠色技術創(chuàng)新和產業(yè)高級化程度對礦產資源綠色效率產生了顯著的正向影響，人均GDP水平和環(huán)境污染治理投資則產生了顯著的負向影響。

針對未來提高礦產資源綠色效率的巨大壓力，需要在生產領域和消費領域同時采取有力措施。在生產領域，要進一步加強礦產資源利用的技術工藝創(chuàng)新和管理創(chuàng)新，增強技術進步對礦產資源綠色效率的提升力度；加強生態(tài)設計、全生命周期資源節(jié)約和循環(huán)產業(yè)鏈構建，從源頭推動資源減量；推動礦產資源尤其是可再生能源資源的替代使用，提高廢棄物資尤其是廢舊金屬、廢舊塑料、廢舊建材的綜合利用，推動資源再生循環(huán)，增加二次礦產資源供給，從而減少礦產資源利用的物理局限性，降低礦產資源供給壓力。在消費領域，要進一步推動全民綠色消費行動，培育綠色消費理念，倡導綠色生活方式，鼓勵綠色產品消費，在滿足居民提升生活水平要求的同時，降低礦產資源需求壓力。針對資源利用技術和制度創(chuàng)新的效率提升作用有所減弱的趨勢，要進一步提升重點資源利用領域的技術創(chuàng)新能力，突破資源高效和資源替代的關鍵技術瓶頸，加強企業(yè)的核心創(chuàng)新能力，為中國礦產資源綠色效率提供更大的驅動力。針對中國礦產資源利用效率的區(qū)域差異特點，要開展精細化地區(qū)資源管理，針對各省區(qū)市自身特點制定實施相應的資源管理措施；加強資源利用高效省份的實踐引領作用，推廣資源利用高效省份的工業(yè)固廢綜合利用技術和經(jīng)驗。

最后，要充分考慮中國礦產資源綠色效率的重要影響因素，完善礦產資源高效利用政策。推動產業(yè)結構升級，在做好傳統(tǒng)產業(yè)轉型升級的同時，培育新能源、新材料等戰(zhàn)略新興產業(yè)，推動制造業(yè)加速向數(shù)字化、網(wǎng)絡化、智能化發(fā)展，促進新一代互聯(lián)網(wǎng)技術與傳統(tǒng)產業(yè)的深度融合。大力發(fā)展節(jié)能環(huán)保產業(yè)，促進綠色技術研發(fā)和運用。促進傳統(tǒng)生產性服務業(yè)升級，推動生活性服務業(yè)綠色低碳發(fā)展。隨著中國生態(tài)文明建設的進一步推進，在實現(xiàn)雙碳目標的巨大壓力下，中國正大幅度提高污染治理和碳減排力度，在此過程中一定要遵循資源集約利用的原則，提高環(huán)境污染治理和碳減排行動中礦產資源投入的效率水平，并在資源效率和治理效果間取得科學合理的平衡。