□ 楊傳明 卓青青 張莉莉

(蘇州科技大學(xué) 商學(xué)院, 江蘇 蘇州 215009)

一、引言及文獻(xiàn)綜述

2020年長(zhǎng)三角城市群以占全國(guó)3.73%的國(guó)土面積、10.71%的人口總數(shù),創(chuàng)造了全國(guó)24.23%的生產(chǎn)總值。在取得巨大成就的同時(shí),全區(qū)域也產(chǎn)生了嚴(yán)重的環(huán)境污染,2020年平均AQI指數(shù)超標(biāo)天數(shù)高達(dá)78天,工業(yè)廢水排放量、工業(yè)二氧化硫排放量、一般工業(yè)固體廢物產(chǎn)生量、能源消耗量分別達(dá)到了31.77億噸、42.62萬噸、3.14億噸和8.07億噸,分占全國(guó)的17.09%、10.68%、7.10%及16.52%。自2012年十八大開啟新時(shí)代以來,推進(jìn)生態(tài)文明建設(shè)、扭轉(zhuǎn)生態(tài)環(huán)境惡化趨勢(shì)成為經(jīng)濟(jì)社會(huì)發(fā)展的關(guān)鍵目標(biāo)。為此科學(xué)測(cè)量新時(shí)代以來長(zhǎng)三角城市群生態(tài)效率,辨析主要影響因素,給出效率提升建議,是實(shí)現(xiàn)本區(qū)域乃至全國(guó)可持續(xù)發(fā)展亟需解決的問題。

生態(tài)效率最早由德國(guó)經(jīng)濟(jì)學(xué)家Schaltegger引入社會(huì)經(jīng)濟(jì)領(lǐng)域,反映了生態(tài)資源滿足人類需要的經(jīng)濟(jì)、資源與環(huán)境綜合效率,該指標(biāo)有效的彌補(bǔ)了傳統(tǒng)僅依賴要素增加、數(shù)量擴(kuò)張、規(guī)模提升等方式實(shí)現(xiàn)經(jīng)濟(jì)增長(zhǎng)的缺陷[1-2]。在借助扎根理論法梳理收集的336篇中文及198篇英文文獻(xiàn)后,發(fā)現(xiàn)其可歸納為三個(gè)方面。一是研究對(duì)象,多數(shù)學(xué)者從城市[2]、省級(jí)[3]和國(guó)家[4]角度測(cè)算了宏觀層面的生態(tài)效率。二是研究方法,主要運(yùn)用了因子分析法[5]、生態(tài)足跡法[6]、門檻回歸模型[7]、數(shù)據(jù)包絡(luò)分析法(DEA)[8],其中DEA適用于多投入多產(chǎn)出情況,評(píng)價(jià)結(jié)果更加客觀,應(yīng)用相對(duì)廣泛。三是影響因素,主要涉及了財(cái)政支出、經(jīng)濟(jì)發(fā)展、環(huán)境規(guī)制、能源消費(fèi)、環(huán)保支出等[9-11]。

綜上所述,當(dāng)前城市生態(tài)效率研究已經(jīng)取得了一定成果,但仍存在尚待提升之處。一是針對(duì)中觀經(jīng)濟(jì)區(qū)、城市群等跨區(qū)域協(xié)作單位的研究相對(duì)較少,關(guān)于長(zhǎng)三角城市群生態(tài)效率動(dòng)態(tài)演化的全局系統(tǒng)性研究總體匱乏;二是現(xiàn)有主流方法雖能較好測(cè)算生態(tài)效率,但忽略了外部環(huán)境和隨機(jī)誤差的影響,致使計(jì)算結(jié)果與實(shí)際情況尚存一定偏差;三是研究時(shí)段大多基于短期面板數(shù)據(jù),缺乏長(zhǎng)時(shí)間段、廣空間性的對(duì)比性研究。

為此,本文以長(zhǎng)三角城市群為考察對(duì)象,基于十八大以來2012—2019年研究時(shí)段,采用三階段DEA和Malmquist模型,靜動(dòng)態(tài)綜合分析長(zhǎng)三角城市群生態(tài)效率時(shí)序變化特征和空間層次演變規(guī)律。再從經(jīng)濟(jì)、資源和環(huán)境三個(gè)方面選取影響因素,利用Tobit模型挖掘影響程度,以求更好揭示長(zhǎng)三角城市群生態(tài)效率現(xiàn)狀及潛力,有效提升決策建議的科學(xué)性和適用性。

二、模型構(gòu)建與指標(biāo)選取

(一)模型構(gòu)建

(1)三階段DEA模型

考慮到經(jīng)典DEA模型容易受到環(huán)境因素、隨機(jī)誤差及管理無效的影響,本文采用三階段DEA模型剔除干擾,以求更準(zhǔn)確計(jì)算長(zhǎng)三角城市群生態(tài)效率。

第一階段利用BCC-DEA計(jì)算長(zhǎng)三角城市群產(chǎn)業(yè)在既定投入下產(chǎn)出的最大化效率,設(shè)計(jì)投入導(dǎo)向規(guī)模報(bào)酬可變模型,見下公式。

(1)

(2)

(3)

λj≥0,S-≥0,S+≥0

(4)

上式中n為決策單元(DMU)數(shù)量,Xj及Yj分為第j個(gè)DMU輸入和輸出變量。S+、S-分別代表松弛變量和剩余變量;θ為DMU綜合效率值,數(shù)值為1時(shí)代表DMU效率有效,位于DEA前沿面。

第二階段運(yùn)用隨機(jī)前沿分析法(SFA)回歸函數(shù),分離第一階段所得的效率值、投入量及投入差額,利用公式(5)修正第j個(gè)DMU的第i個(gè)投入量Sij。

Sij=fi(zj,βi)+vij+uij

(5)

其中fi(zj,βi)代表了環(huán)境變量影響,zj及βi分為外部環(huán)境變量及待估參數(shù)向量。vij及uij為混合誤差項(xiàng),vij代表投入變量非人為控制因素產(chǎn)生的隨機(jī)干擾,uij反映了內(nèi)部管理無效。為了進(jìn)一步排除外部環(huán)境和隨機(jī)誤差對(duì)效率值的影響,構(gòu)建公式(6)調(diào)整DMU投入量。

(6)

(7)

第三階段采用調(diào)整后的投入數(shù)據(jù),保持產(chǎn)出數(shù)據(jù)不變,使用DEA-BCC模型再次計(jì)算,得到剔除環(huán)境因素和隨機(jī)誤差的相對(duì)效率值。

(2)Malmquist模型

(8)

(二)指標(biāo)選取

借鑒以往研究以及結(jié)合生態(tài)效率內(nèi)涵[12],從經(jīng)濟(jì)、環(huán)境和資源三個(gè)類別選取生態(tài)效率評(píng)價(jià)指標(biāo)。其中投入指標(biāo)包括資本、能源、水資源及勞動(dòng)力等4個(gè)投入子指標(biāo),資本投入選取產(chǎn)業(yè)固定資產(chǎn)投資總額(X1)，并以2012年為基期進(jìn)行平減；能源投入選擇原煤、汽油、柴油、煤油、燃料油、液化石油氣、天然氣、熱力、電力等九種能源(X2)，依照標(biāo)準(zhǔn)系數(shù)折算為標(biāo)準(zhǔn)煤后再加總；水資源投入以城市用水總量(X3)加以衡量，勞動(dòng)力投入采用從業(yè)人數(shù)(X4)數(shù)據(jù)。產(chǎn)出指標(biāo)包括期望產(chǎn)出和非期望產(chǎn)出，其中非期望產(chǎn)出選擇工業(yè)廢水排放量(X5)、工業(yè)二氧化硫排放量(X6)及一般工業(yè)固體廢物產(chǎn)生量(X7)，期望產(chǎn)出選擇地區(qū)生產(chǎn)總值(X8)。此外，運(yùn)用Spss23.0的Pearson系數(shù)對(duì)投入產(chǎn)出變量進(jìn)行同向性檢驗(yàn)。結(jié)果顯示所有變量均通過了至少5%顯著性水平的檢驗(yàn)，說明投入產(chǎn)出指標(biāo)之間具有較高的同向性，指標(biāo)選取合理。

為了更好地描述生態(tài)效率，進(jìn)一步選取影響生態(tài)效率且不受主觀影響控制的外部環(huán)境變量。具體包括人均GDP(C1)、產(chǎn)業(yè)結(jié)構(gòu)(第二產(chǎn)業(yè)產(chǎn)值占比、C2)、治理投入(節(jié)能環(huán)保投資額占當(dāng)年生產(chǎn)總值的比重、C3)、城市人口素質(zhì)(每萬人大專以上人口占比、C4)、城市化水平(城市人口占比、C5)及對(duì)外開放(實(shí)際利用外資額占地區(qū)生產(chǎn)總值的比重、C6)。

三、生態(tài)效率實(shí)證分析

利用各年區(qū)域統(tǒng)計(jì)年鑒、省市發(fā)展公報(bào)及長(zhǎng)三角發(fā)展年鑒等資料，完成數(shù)據(jù)收集。而后利用DEAP2.1完成三階段DEA模型第一階段測(cè)算，以所得投入松弛為因變量、環(huán)境變量為自變量，利用Frontier4.1完成二階段SFA回歸分析。在剔除外部環(huán)境和管理無效因素后，根據(jù)調(diào)整后的投入指標(biāo)值，完成第三階段及動(dòng)態(tài)效率測(cè)算。

(一)SFA回歸結(jié)果分析

回歸結(jié)果顯示，外部環(huán)境變量對(duì)投入松弛變量系數(shù)通過了10%的顯著性檢驗(yàn)，說明外部環(huán)境因素對(duì)長(zhǎng)三角城市群產(chǎn)業(yè)生態(tài)投入確實(shí)有顯著影響。所有外部環(huán)境因素對(duì)投入松弛變量的r值均通過了1%的顯著性檢驗(yàn)，表明管理無效對(duì)投入松弛變量有顯著影響。模型LR單邊檢驗(yàn)都通過了1%的顯著性檢驗(yàn)，拒絕不存在無效率項(xiàng)的假設(shè)，有必要使用SFA模型進(jìn)行隨機(jī)因素和管理無效的分離。

具體而言，C1對(duì)各投入松弛變量的回歸系數(shù)均為負(fù)，且通過至少5%的顯著性檢驗(yàn)，表明長(zhǎng)三角城市群人均GDP增加會(huì)提升生態(tài)效率。C2與X2、X5、X6、X7松弛變量的回歸系數(shù)在1%水平下顯著，與X4在10%水平下顯著，顯示長(zhǎng)三角城市群第二產(chǎn)業(yè)比重增加時(shí)，將會(huì)導(dǎo)致能源、資本、水資源和工業(yè)三廢的投入冗余增加，一定程度上降低生態(tài)效率。C3對(duì)X5、X6、X7投入松弛變量通過了1%顯著性水平檢驗(yàn)，一般而言，該指標(biāo)數(shù)值提升應(yīng)可減少能源、工業(yè)三廢的投入冗余，但檢驗(yàn)顯示除了工業(yè)二氧化硫排放量投入冗余減少之外，其余投入冗余均增加，說明當(dāng)前長(zhǎng)三角城市群節(jié)能環(huán)保投入尚未產(chǎn)生理想效果，各地政府應(yīng)在加大節(jié)能環(huán)保支出的同時(shí)，進(jìn)一步注重節(jié)能環(huán)保支出的有效配置。C4對(duì)X1、X2、X5、X6、X7松弛變量的回歸系數(shù)均為負(fù)，且通過了1%顯著性水平的檢驗(yàn)，與X4松弛變量為正相關(guān)，說明提高產(chǎn)業(yè)人口素質(zhì)可增加環(huán)保意識(shí)，減少污染排放和資源消耗。C5對(duì)各投入松弛變量的回歸系數(shù)均為負(fù)，對(duì)X3、X4投入松弛影響不顯著，X1回歸系數(shù)通過了5%顯著性水平檢驗(yàn)，其余投入松弛變量均在1%水平下顯著，顯示提升長(zhǎng)三角城市群城市化水平一定程度上可提高生態(tài)效率。C6對(duì)X1、X2、X5、X6、X7投入松弛變量的回歸系數(shù)為負(fù)，且均通過至少5%的顯著性檢驗(yàn)，對(duì)X3和X4影響較小且不顯著，說明長(zhǎng)三角城市群提高對(duì)外開放程度利于提升區(qū)域生態(tài)效率。

(二)靜態(tài)效率分析

(1)區(qū)域整體分析

完成SFA回歸后，借助第三階段得到更真實(shí)客觀的效率值。表1顯示，就整體均值而言,技術(shù)效率(TE)和規(guī)模效率(SE)調(diào)整后均有所下降,分別從一階段的0.818和0.876下降到三階段的0.622和0.626,降幅分別高達(dá)23.96%和28.54%,純技術(shù)效率(PTE)則由0.927上升到0.992,漲幅為7.01%,可見產(chǎn)業(yè)生態(tài)規(guī)模效率低下是影響當(dāng)前長(zhǎng)三角城市群產(chǎn)業(yè)生態(tài)技術(shù)效率的主要負(fù)面因素。單年數(shù)據(jù)方面,調(diào)整后的TE和SE數(shù)值除了在2015年有較小幅度的提升外,其余年份基本處于遞減趨勢(shì),說明研究期長(zhǎng)三角城市群在經(jīng)濟(jì)發(fā)展、資源消耗和環(huán)境污染方面尚實(shí)現(xiàn)高效配合。由上可見,無論從整體均值還是單年數(shù)據(jù)來看,目前長(zhǎng)三角城市群生態(tài)效率尚未達(dá)到有效水平。

表1 2012—2019年長(zhǎng)三角城市群第一階段及第三階段生態(tài)效率

(2)三省一市分析

計(jì)算顯示,研究期TE排名由高到低依次為上海(1.000)、江蘇(0.843)、浙江(0.630)、安徽(0.413)。其中,上海TE從2012至2019年一直為1.000,江蘇TE呈“上升—下降—上升”的波動(dòng)起伏狀態(tài),浙江TE整體處于下降趨勢(shì),安徽TE則為持續(xù)下降形式。PTE排名由高到低依次為上海(1.000)、江蘇(0.998)、安徽(0.989)、浙江(0.951)。其中,上海PTE仍舊為1.000,江蘇PTE呈現(xiàn)波浪式上升下降,但整體起伏較小,最大波動(dòng)值為0.003,浙江PTE于2013年前后波動(dòng)明顯,最大降幅為31.31%,安徽PTE整體變動(dòng)較小。SE排名由高到低依次為上海(1.000)、江蘇(0.845)、浙江(0.674)、安徽(0.417)。其中,上海SE始終為1.000,江蘇SE由2012年到2019年的整體降幅為20.41%,浙江SE整體降幅略低于江蘇,為18.37%,安徽整體降幅最大,達(dá)到50.60%。上海排名第一且處于技術(shù)效率前沿,說明上海生態(tài)效率投入產(chǎn)出比較合理,資源利用效率較高、配置相對(duì)合理。江蘇處于邊緣非效率狀態(tài),調(diào)整部分指標(biāo)可以有效提升TE和SE。浙江和安徽的效率值則處于相對(duì)較低水平,反映兩省資本、資源、環(huán)境等投入配置不利于提升TE和SE,需要著重提高資源配置效率、提升生產(chǎn)技術(shù)水平。

(3)單個(gè)城市分析

在計(jì)算完省市效率后,進(jìn)一步計(jì)算長(zhǎng)三角城市群41個(gè)城市效率均值。結(jié)果顯示各城市生態(tài)效率存在明顯差異。無錫、蘇州、杭州和上海處于生態(tài)效率前沿面,南京、徐州、南通、泰州、寧波、合肥6個(gè)城市技術(shù)效率處于0.900到1.000之間,生態(tài)效率相對(duì)較高。常州、鹽城、揚(yáng)州、溫州處于0.800到0.900區(qū)間,需從引進(jìn)先進(jìn)技術(shù)、提高技術(shù)水平等方面提升效率。其余27個(gè)城市的技術(shù)效率均低于0.800,需要重點(diǎn)關(guān)注提高資源利用效率、降低環(huán)境污染、優(yōu)化生產(chǎn)規(guī)模。此外,在不考慮環(huán)境變量和隨機(jī)誤差的因素下,各城市純技術(shù)效率值均明顯提升,且處于較高水平,可見提升規(guī)模效率是長(zhǎng)三角各城市產(chǎn)業(yè)生態(tài)技術(shù)效率提高的突破口。

為更直觀顯示生態(tài)效率的空間分布差異,利用自然斷點(diǎn)法,根據(jù)考察期內(nèi)TE均值將41個(gè)城市分為5種效率類型,見表2,并繪制代表年份城市空間分布圖1。

表2 長(zhǎng)三角城市群41個(gè)城市生態(tài)效率分類

圖1 2012、2015和2019年長(zhǎng)三角城市群生態(tài)效率空間分布圖

以上圖表顯示,長(zhǎng)三角城市群生態(tài)效率呈現(xiàn)非平衡性,整體呈現(xiàn)東部沿海城市高于內(nèi)陸城市的格局。其中上海和江蘇的大部分城市處于高效率和較高效率類型,浙江所轄城市歸屬于5個(gè)效率類型且分布較為均衡,安徽所轄城市多屬于低效率和較低效率類型。高效率型城市有13個(gè),包括上海、8個(gè)江蘇城市、3個(gè)浙江城市以及安徽的合肥。較高效率型城市有7個(gè),包括4個(gè)江蘇城市和3個(gè)浙江城市。江蘇連云港、浙江嘉興、安徽蕪湖和安慶屬于中等效率型城市。較低效率的城市共有10個(gè),低效率的城市有7個(gè),分布在浙江(4個(gè))和安徽(13個(gè))。

(三)動(dòng)態(tài)效率分析

基于調(diào)整后的投入產(chǎn)出指標(biāo)數(shù)據(jù),運(yùn)用Malmquist模型測(cè)算長(zhǎng)三角城市群的全要素生產(chǎn)率(TFP),并計(jì)算EC(技術(shù)效率指數(shù))、TC(技術(shù)進(jìn)步指數(shù))對(duì)TFP的貢獻(xiàn)程度,結(jié)果見表3和表4。

表3 2012—2019年長(zhǎng)三角城市群整體全要素生產(chǎn)率

表3顯示,除了2014—2015年EC值達(dá)到1.012,其余時(shí)段均小于1,最低值0.875,標(biāo)準(zhǔn)差為0.053。TC最大值為1.140,最小值為1.058,標(biāo)準(zhǔn)差為0.029,波動(dòng)幅度比EC小。TFP最小值為2015—2016年的0.944,2018—2019年為0.958,其余時(shí)段均大于1,最大值為1.082,標(biāo)準(zhǔn)差為0.056,變化趨同于EC。就均值而言,EC、TC、TFP均值分別為0.944、1.090和1.029,技術(shù)效率的年均增長(zhǎng)率下降了5.6%,技術(shù)進(jìn)步的年均增長(zhǎng)率提高了9.0%。由上可見,當(dāng)前技術(shù)進(jìn)步是提升長(zhǎng)三角城市群TFP指數(shù)的主要因素,產(chǎn)業(yè)生態(tài)技術(shù)效率整體相對(duì)穩(wěn)定,但仍有較大提升空間。

表4 長(zhǎng)三角城市群三省一市全要素生產(chǎn)率

上表顯示,研究期間江蘇、浙江、安徽和上海的TFP指數(shù)均處于上升趨勢(shì),年均增長(zhǎng)率分別達(dá)到3.7%、5.5%、0.1%和14.4%,上海上升幅度最大,安徽上升幅度最小。上海的EC值為1.000且保持不變,江蘇、浙江和安徽的EC值均小于1,年均增長(zhǎng)率分別降低3.5%、2.9%和9.2%,顯示三省產(chǎn)業(yè)生態(tài)技術(shù)效率均需要提升。三省一市的TC值均大于1,年均增長(zhǎng)率分別上升7.5%、8.7%、10.2%和14.4%,表明TC值上升是提升全要素生產(chǎn)率的原因,說明今后三省一市需要重點(diǎn)關(guān)注產(chǎn)業(yè)生態(tài)技術(shù)效率指數(shù)的提升。

四、影響因素分析

依照經(jīng)濟(jì)、資源和環(huán)境三個(gè)維度,初選7個(gè)影響指標(biāo)。經(jīng)濟(jì)維度選取第三產(chǎn)業(yè)占比(FWY)和R&D經(jīng)費(fèi)占比(R&D),資源維度選取單位產(chǎn)業(yè)產(chǎn)值能耗(NH)和水耗(SZY),環(huán)境維度選取固廢利用率(GH)、環(huán)境規(guī)制強(qiáng)度(ER)和建成區(qū)綠化覆蓋率(LH),ER采用排污費(fèi)征收總額占政府收入比重加以表征。繼而以2012—2019年長(zhǎng)三角城市群生態(tài)效率為被解釋變量,以7個(gè)影響指標(biāo)為解釋變量,構(gòu)建面板Tobit模型。

yit=αit+β1FWY+β2R&D+β3NH+β4SZY+

β5GF+β6ER+β7LH+eit

(9)

其中yit為第三階段生態(tài)效率,αit代表固定效應(yīng),β1、β2、β3、β4、β5、β6、β7為各變量回歸系數(shù),eit是隨機(jī)誤差項(xiàng)。在進(jìn)行回歸分析之前,首先利用stata14對(duì)所選指標(biāo)進(jìn)行多重共線性檢驗(yàn),結(jié)果顯示各解釋變量方差膨脹因子(VIF)均小于1,均值為1.43,變量之間不存在多重共線性。接著Hausman檢驗(yàn)得出面板數(shù)據(jù)模型檢驗(yàn)值為77.25,通過了1%顯著性水平檢驗(yàn),拒絕原假設(shè),以此確定使用固定效應(yīng)模型。在回歸分析結(jié)果中,GH和LH未通過顯著性檢驗(yàn),剔除這兩個(gè)變量后再次進(jìn)行回歸分析,得表7。

表5 影響因素Tobit回歸結(jié)果

上表顯示,5個(gè)變量均通過了1%顯著性水平檢驗(yàn)。其中第三產(chǎn)業(yè)占比、R&D經(jīng)費(fèi)占比和環(huán)境規(guī)制強(qiáng)度與長(zhǎng)三角城市群生態(tài)效率顯著正相關(guān),單位產(chǎn)業(yè)產(chǎn)值能耗和水消則呈現(xiàn)負(fù)相關(guān)關(guān)系。具體而言,第三產(chǎn)業(yè)技術(shù)性水平較高,跟工農(nóng)業(yè)相比,得到相同產(chǎn)出的情況下消耗較少的能源及其他資源,因此第三產(chǎn)業(yè)環(huán)境負(fù)面影響相對(duì)較小,其比重不斷上升有利于減少資源消耗和降低環(huán)境污染。R&D經(jīng)費(fèi)不斷投入,企業(yè)的技術(shù)創(chuàng)新水平得到不斷提升,一方面生產(chǎn)技術(shù)的提升可以節(jié)約資源、降低污染,由三高發(fā)展模式向高效清潔的發(fā)展模式轉(zhuǎn)變,另一方面通過改進(jìn)生產(chǎn)技術(shù)及污染治理技術(shù)能節(jié)約資源并降低污染。長(zhǎng)三角城市群各級(jí)政府重視企業(yè)污染排放問題,積極制定政策,引導(dǎo)宣傳,提高亂排亂放成本,以提升環(huán)境規(guī)制強(qiáng)度,而較高的環(huán)境規(guī)制強(qiáng)度則有利于促進(jìn)產(chǎn)業(yè)綠色轉(zhuǎn)型,推動(dòng)地區(qū)落后產(chǎn)能淘汰,提升生態(tài)效率。單位產(chǎn)業(yè)產(chǎn)值能耗呈現(xiàn)了較強(qiáng)負(fù)相關(guān)性,說明長(zhǎng)三角城市群節(jié)能降耗水平和能源利用效率越低,需要消耗較多的能源才能促進(jìn)產(chǎn)業(yè)產(chǎn)值的提升,由此體現(xiàn)出當(dāng)前長(zhǎng)三角城市群能源利用效率仍需進(jìn)一步提升,產(chǎn)業(yè)節(jié)能降耗效果尚待加強(qiáng)。此外,雖然長(zhǎng)三角城市群擁有豐富的水資源,但結(jié)果顯示水資源利用效率及水體污染問題仍然較為突出,對(duì)長(zhǎng)三角城市群生態(tài)效率產(chǎn)生了負(fù)面影響,節(jié)水和治污減排是提高人均水資源量的手段,提高污水處理技術(shù),促進(jìn)水資源重復(fù)利用,對(duì)提升長(zhǎng)三角地區(qū)的產(chǎn)業(yè)生態(tài)效率具有重要意義。

五、結(jié)論和建議

本文使用三階段DEA模型和Malmquist模型測(cè)算了新時(shí)代長(zhǎng)三角城市群生態(tài)效率,并利用Tobit模型分析了相關(guān)指標(biāo)對(duì)生態(tài)效率的影響程度,得出以下結(jié)論。

第一、靜態(tài)效率方面,考察期內(nèi)長(zhǎng)三角城市群整體生態(tài)效率尚未達(dá)到技術(shù)效率前沿,規(guī)模效率較低是造成技術(shù)效率不高的原因。三省一市生態(tài)效率值排名由高到低依次為上海、江蘇、浙江、安徽,其中上海各項(xiàng)效率值均達(dá)到有效水平,江蘇處于邊緣非效率狀態(tài),浙江和安徽效率值較低。無錫、蘇州、杭州和上海生態(tài)效率的生態(tài)效率有效,其余37個(gè)城市則存在不同程度的提升空間。第二、動(dòng)態(tài)效率方面,技術(shù)進(jìn)步是幫助全要素生產(chǎn)率指數(shù)提升的動(dòng)因,當(dāng)前長(zhǎng)三角城市群尚需著力提升技術(shù)效率。第三、影響因素方面,第三產(chǎn)業(yè)占比、R&D經(jīng)費(fèi)占比和環(huán)境規(guī)制強(qiáng)度與長(zhǎng)三角城市群生態(tài)效率顯著正相關(guān),單位產(chǎn)業(yè)產(chǎn)值能耗和水耗則呈負(fù)相關(guān)關(guān)系。

基于上述研究結(jié)論,提出以下建議。

第一、打破區(qū)域壁壘,推動(dòng)協(xié)同發(fā)展。十八大以來長(zhǎng)三角城市群生態(tài)效率由高到低依次是上海、江蘇、浙江、安徽,且城市間也發(fā)展不一,為此縮小區(qū)域內(nèi)部差異是協(xié)同提升城市群生態(tài)效率的重點(diǎn)。一是要繼續(xù)加強(qiáng)全區(qū)域統(tǒng)一規(guī)劃,實(shí)施因地制宜的生態(tài)效率提升策略。要充分發(fā)揮上海、蘇州、杭州、南京等區(qū)域核心的帶動(dòng)和輻射作用,加強(qiáng)內(nèi)部協(xié)作交流,推動(dòng)綠色技術(shù)、專業(yè)人才、環(huán)保資金等向長(zhǎng)三角城市群其他城市共享及轉(zhuǎn)移,實(shí)現(xiàn)內(nèi)部生態(tài)深度協(xié)作。此外,在國(guó)內(nèi)國(guó)外雙循環(huán)的背景下,長(zhǎng)三角城市群要積極推動(dòng)外部合作,加強(qiáng)與國(guó)內(nèi)外其他地區(qū)的合作交流,科學(xué)利用外資,借鑒先進(jìn)管理經(jīng)驗(yàn)和技術(shù),更好促進(jìn)全區(qū)域綠色發(fā)展。

第二、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),合理配置資源。長(zhǎng)三角城市群應(yīng)繼續(xù)淘汰三高產(chǎn)業(yè),加快傳統(tǒng)產(chǎn)業(yè)綠色改造和升級(jí)換代,大力推進(jìn)高新技術(shù)產(chǎn)業(yè)和戰(zhàn)略新興產(chǎn)業(yè)發(fā)展,支持服務(wù)業(yè)發(fā)展,促進(jìn)區(qū)域整體產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)。鑒于長(zhǎng)三角城市群生態(tài)效率發(fā)展不同,面臨迥異的矛盾和問題,所以還應(yīng)綜合考慮各城市資源分布、經(jīng)濟(jì)發(fā)展、生態(tài)環(huán)境及功能定位等情況,緊抓新基建契機(jī)進(jìn)一步完善基礎(chǔ)設(shè)施,合理有效配置資源,提高資源利用效率,結(jié)合自身優(yōu)勢(shì)推動(dòng)可再生能源和新能源發(fā)展。

第三、加大資金投入,提高技術(shù)水平。一是實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略,繼續(xù)加大對(duì)企業(yè)、高校、研發(fā)機(jī)構(gòu)等科研工作的支持力度,激發(fā)產(chǎn)學(xué)研創(chuàng)新積極性,推動(dòng)產(chǎn)學(xué)研一體化發(fā)展。以高新技術(shù)產(chǎn)業(yè)帶動(dòng)傳統(tǒng)制造業(yè)改造升級(jí),借助技術(shù)創(chuàng)新持續(xù)降低產(chǎn)業(yè)單位能耗及水耗,爭(zhēng)取更高效更合理更清潔的發(fā)展模式。二是增加節(jié)能環(huán)保和污染治理投資,提升環(huán)保技術(shù)研發(fā)強(qiáng)度,促進(jìn)節(jié)能環(huán)保產(chǎn)業(yè)發(fā)展,提高污染防治總體效果。

第四、完善管理機(jī)制,加強(qiáng)環(huán)境規(guī)制。一是牢牢把握長(zhǎng)三角一體化契機(jī),完善本地及跨區(qū)域法律法規(guī),提高政府政績(jī)考核中生態(tài)建設(shè)成效占比,積極引導(dǎo)宣傳,鼓勵(lì)企業(yè)主動(dòng)承擔(dān)生態(tài)責(zé)任,塑造生態(tài)競(jìng)爭(zhēng)力,促進(jìn)政府管理和企業(yè)生產(chǎn)生態(tài)化。同時(shí)呼吁公眾、環(huán)保組織和行業(yè)協(xié)會(huì)等更多更好參與生態(tài)文明建設(shè)工作,多元主體協(xié)同提升生態(tài)文明建設(shè)有效性。二是完善環(huán)境治理機(jī)制,靈活運(yùn)用市場(chǎng)治理和經(jīng)濟(jì)手段,提升聯(lián)合防控與治理水平,優(yōu)化能源消費(fèi)結(jié)構(gòu),切實(shí)減少污染排放,防止污染異地流通。著力構(gòu)建污染防治聯(lián)動(dòng)機(jī)制和資源數(shù)據(jù)共享平臺(tái),提高全區(qū)域生態(tài)承載力。□