劉洋 ,桑紅斌,孫志賢
(1. 濟南大學 商學院,山東 濟南 250002;2. 山東龍山綠色經濟研究中心,山東 濟南 250002)
“綠水青山就是金山銀山”理論(以下簡稱“兩山”理論)是習近平總書記綠色發(fā)展理論的核心理論,表明環(huán)境保護與經濟發(fā)展之間存在相互促進的關系?!皟缮健崩碚撌痉痘厥琼憫摾碚摰闹匾獙嵺`舉措,意在全國層面上深入探索可復制可推廣模式,從而示范引領全國生態(tài)文明建設,促進經濟高質量發(fā)展,改善區(qū)域生態(tài)環(huán)境質量。在2017年召開的全國生態(tài)文明建設現(xiàn)場推進會上,原環(huán)保部命名了浙江省安吉縣等13個地區(qū)為第一批“兩山”基地;2018—2021年又先后公布了4批示范基地。這些示范基地多數是縣域,具有開展“兩山”實踐試點的典型性和代表性,多數依托生態(tài)資源發(fā)展生態(tài)經濟,成效明顯,可為其他地區(qū)推進生態(tài)文明建設樹立標桿樣板。
針對特定地區(qū)進行生態(tài)福利績效評價是衡量地區(qū)生態(tài)文明建設成效,乃至區(qū)域可持續(xù)發(fā)展水平的重要方式。有關“生態(tài)福利”及“生態(tài)福利績效”的研究,最早可以追溯到美國生態(tài)經濟學家DALY[1]的思想,他首次提出各國可持續(xù)發(fā)展狀況可用單位自然資源消耗所引起的福利水平提升程度來表示,且可用服務與吞吐量的比值測算。此后,NICCOLUCCI等[2]、VICTOR[3]提出了“福利門檻”的概念,即經濟增長的邊際成本大于邊際收益,福利水平開始隨著經濟增長降低或者停滯,通過生態(tài)福利績效可較為準確地測算出福利門檻拐點。DIETZ等[4]認為福利生態(tài)強度代表生態(tài)福利績效,福利生態(tài)強度是人均生態(tài)足跡與出生時預期壽命的比值。國內學者對生態(tài)福利績效的研究起步較晚。臧漫丹等[5]、諸大建等[6]、馮吉芳等[7]根據DALY的理論思想,運用比例算法將生態(tài)福利績效定義為社會福利水平與生態(tài)資源投入的比值,反映一定水平下生態(tài)資源投入對福利水平的提升程度。
生態(tài)福利績效評價方法有DEA模型、VSM模型、生態(tài)足跡、TOPSIS模型、綜合評價、層次分析法等。其中,DEA模型因評價指標少、評價結果準確、指標原始信息損失少等優(yōu)勢,成為當前國內外生態(tài)福利績效評價最常用的模型之一。林克濤等[8]采用考慮非期望產出的兩階段Super-NSBM模型和Windows DEA模型,對福建省下轄九地市的生態(tài)福利綜合效率與分階段效率進行研究。趙哲等[9]運用Super-SBM模型測算內蒙古呼倫貝爾市草木業(yè)生態(tài)效率的時空變化特征,并運用Malmquist指數研究其影響因素。
有關生態(tài)福利績效評價的相關研究涉及國家、省域、城市等不同空間尺度。國家層面上,WURSTHOM等[10]建立了針對歐洲各國統(tǒng)一的生態(tài)福利效率評價指標體系;RASHIDI等[11]基于經濟合作與發(fā)展組織(OECD)國家的能源投入和非期望產出,以DEA模型評價了OECD內多個國家的生態(tài)福利效率。省域尺度上,郭露等[12]運用超效率DEA模型測算了中國中部六省工業(yè)生態(tài)效率,對主要影響因素進行了識別;盧燕群等[13]采用VRS_DEA模型測算了2005—2014年中國30個省域的生態(tài)效率,并在此基礎上采用空間計量模型檢驗其影響因素。城市尺度上,陳明華等[14]運用MinDS模型測算了長江經濟帶城市生態(tài)效率,采用Dagum基尼系數、Kernel密度估計等方法考察其空間格局及演進趨勢;韓燕等[15]使用Super-SBM模型測算了中原城市群29個城市的生態(tài)福利績效,并以GIS技術探究其驅動因素。
在縣域尺度上,田鵬等[16]對東海海岸帶縣域城市進行生態(tài)福利績效評價,任宇飛等[17]以京津冀縣域為例進行生態(tài)福利績效評價。但總體來看,目前縣域尺度的生態(tài)福利績效評價的研究較少,針對特定示范區(qū)的研究更鮮見??h域是生態(tài)文明建設的具體實施單元,其空間異質性小,對其進行生態(tài)福利績效水平的研究更能展現(xiàn)地區(qū)綠色發(fā)展的實際情況,總結可能存在的規(guī)律和潛在問題,為其他地區(qū)的實踐提供可借鑒的經驗。因此,本研究以“兩山”基地的示范縣為研究對象,構建適合縣域尺度的生態(tài)福利績效評價體系,綜合運用超效率SBM模型、聚類分析等方法,分析其生態(tài)福利績效的時空變化特征,并運用地理時空加權回歸模型探討生態(tài)福利績效的驅動機制,從而闡明“兩山”基地的時空演化特征、關鍵影響因素及共性規(guī)律,進一步提高其資源環(huán)境承載能力和居民生態(tài)福利水平,有效推進“綠水青山”轉化為“金山銀山”,也為全國其他相似地區(qū)的綠色發(fā)展提供支撐,進而促進我國縣域生態(tài)福利水平的整體提升,以點帶面,推動地區(qū)生態(tài)文明建設和區(qū)域可持續(xù)發(fā)展。
1.1.1 超效率SBM模型
通過超效率SBM模型可以測度各示范縣的生態(tài)福利績效水平[18]。2001年TONE[19]首次提出了基于非期望產出的SBM模型,以此來全面測算評價單元間多項投入、多項產出的生態(tài)效率值。該模型有效解決了傳統(tǒng)DEA模型多歸于徑向和角度而易導致各投入產出間單元擁擠或松弛的問題,能夠從期望與非期望角度全面地進行效率評價。但SBM模型也存在和傳統(tǒng)DEA模型共同的問題,即無法有效區(qū)分評價單元效率都為1的結果,從而很難進一步分析各評價單元的效率值差異性。為此,TONE改進了SBM模型,深入定義和提出了超效率SBM模型。該模型結合了超效率DEA模型和SBM模型的優(yōu)勢,能夠對位于前沿面的評價單元(效率值大于1)進行有效區(qū)分。模型表達式為:
式中:φ為效率值;n為分析決策單元(decision making unit,DMU)個數;p、m1、m2分別為投入、期望產出和非期望產出變量的種類數;為投入松弛變量;為期望產出松弛變量;為非期望產出的松弛變量;λj為強度變量;xj、yj、bj分別為第j個DMU的投入變量、產出變量和非期望產出變量。
1.1.2 地理時空加權回歸
使用地理時空加權回歸模型(geographically and temporally weighted regression,GTWR)[20-21]對“兩山”基地的生態(tài)福利績效進行驅動因素分析。該模型是空間地理加權回歸模型的擴展,是時空非平穩(wěn)性回歸模型,核心是將時間因子加入空間地理加權回歸模型中[22]。該模型在分析中需要加入空間坐標和時間坐標來計算時空權重矩陣。傳統(tǒng)的地理加權回歸分析,沒有引入時間維度,分析對象的空間坐標數據固定不變;而GTWR模型則要求分析對象在不同的時間段有不同的空間坐標,較多的坐標重合則會使模型結果接近于以時間維度為研究的線性回歸分析[23-24]。該模型表述如下[25]:
式中:Yi為i縣被解釋變量的值;n為縣的個數;k為i縣解釋變量的個數;ti為i縣的時間坐標;β0(ui,vi,ti)表示i縣的時空截距項;Xik表示i縣第k個解釋變量的值;βk(ui,vi,ti)表示i縣第k個解釋變量的回歸系數,是時空坐標的函數;εi為誤差項。
生態(tài)環(huán)境與自然資源是人類福利提升的源泉,生態(tài)福利績效旨在以較少的生態(tài)資源消耗獲得較大的社會福利水平。基于此,從投入產出視角,參考已有研究[26-28],構建“兩山”基地生態(tài)福利績效評價指標體系(表1)。投入方面,主要考慮各種資源消耗程度,從土地資源、水資源、勞動力資源、資金及能源5個方面進行衡量,具體包括每萬人勞動力人數、人均固定資產投資、人均用水量、能源消費總量以及人均農作物播種面積。產出方面包含期望產出和非期望產出2種:期望產出從經濟收入水平、教育水平和醫(yī)療水平角度衡量,具體包括人均GDP,居民人均可支配收入、每萬人在校學生數和每萬人衛(wèi)生技術人員數;非期望產出為人均碳排放。
表1 生態(tài)福利績效評價指標體系
考慮到數據獲取的可行性,研究僅選擇前4批“兩山”基地進行實證分析,構建2010—2019年的面板數據進行驅動機制研究。剔除其中非縣域基地以及數據缺失較為嚴重的西藏隆子縣和貴陽市觀山湖區(qū),最后得到66個“兩山”縣域基地作為研究樣本。研究所需數據來源于EPSDATA數據庫、各年度《中國城市統(tǒng)計年鑒》、各地級市的統(tǒng)計年鑒以及各縣政府工作報告。
根據生態(tài)福利績效評價指標體系,采用超效率SBM模型測算得到66個“兩山”基地的生態(tài)福利績效。為了對比各地區(qū)生態(tài)福利績效的總體差異性,以2010—2019年各縣域的生態(tài)福利績效均值為依據[29],將66個地區(qū)劃分為3個等級,分別為:優(yōu)秀(生態(tài)福利績效均值≥1)、良好(0.5≤生態(tài)福利績效均值<1)和一般(生態(tài)福利績效均值<0.5)。
從各地區(qū)生態(tài)福利績效均值來看,處于優(yōu)秀等級的“兩山”基地有26個,其中溫州市洞頭區(qū)的生態(tài)福利績效是最高的。該地區(qū)位于浙江省東南部,是溫州市四大主城區(qū)之一,GDP從2010年的34.36億元增長到2019年的107.87億元,同時,洞頭區(qū)醫(yī)療及教育發(fā)展態(tài)勢良好,人均碳排放量較低。良好等級的縣域基地有12個地區(qū),在三種類型中數量最少。一般等級則有28個地區(qū),其中有6個地區(qū)的生態(tài)福利績效值低于0.3,分別為張家界市永定區(qū)、興安盟科爾沁右翼中旗、徐州市賈汪區(qū)、鹽城市鹽都區(qū)、泉州市永春縣以及本溪市桓仁滿族自治縣。除了賈汪區(qū)外,其他地區(qū)均為第四批“兩山”基地,相比前三批來說在貫徹落實“兩山”理論方面的實踐經驗不足,仍有較大的提升空間。
為了更好地分析66個“兩山”基地在生態(tài)福利績效水平及變化趨勢方面的相似性及規(guī)律性,選取2010—2019年生態(tài)福利績效均值及標準差為指標,利用SPSS軟件,采用系統(tǒng)聚類分析方法中的離差平方和法進行聚類[30],最終得到四類縣域。類型一為生態(tài)福利績效較高且穩(wěn)定的縣域,包括南山區(qū)、稻城縣、延慶區(qū)、長島縣、洞頭區(qū)、平昌縣、貢山縣、恩陽區(qū)、金秀瑤族自治縣、赤水市、寧海縣、鎮(zhèn)坪縣、九寨溝縣、東山縣、騰沖市、崇義縣、阿爾山市、留壩縣、華坪縣、集安市、邕寧區(qū)、門頭溝區(qū)共22個地區(qū);類型二為生態(tài)福利績效較高但不穩(wěn)定的縣域,包括旌德縣、大武口區(qū)、東源縣、蒙陰縣、龍勝各族自治縣5個地區(qū);類型三為生態(tài)福利績效較低且穩(wěn)定的地區(qū),包括賈汪區(qū)、資興市、永春縣、溧陽市、靖安縣、浮梁縣、烏當區(qū)、新縣、霍城縣、井岡山市、灣沚區(qū)、前郭爾羅斯蒙古族自治縣、薊州區(qū)、沁源縣、鹽都區(qū)、永定區(qū)、桓仁滿族自治縣、科爾沁右翼中旗、井陘縣、欒川縣、長汀縣、萊西市、安吉縣共23個地區(qū);類型四為生態(tài)福利績效較低且不穩(wěn)定地區(qū),包括右玉縣、光山縣、泗洪縣、開平市、霍山縣、新昌縣、大姚縣、婺源縣、懷柔區(qū)、岳西縣、撫松縣、平利縣、淳安縣、丹江口市、武隆區(qū)、密云區(qū)共16個地區(qū)。
基于66個“兩山”基地的生態(tài)福利績效等級,按照區(qū)域經濟四大板塊(東北、東部、西部以及中部地區(qū))對“兩山”基地不同等級的數量進行統(tǒng)計分析(圖1、圖2)。
圖1 不同生態(tài)福利績效等級的“兩山”基地空間分布圖
圖2 我國四大區(qū)域經濟板塊中“兩山”基地生態(tài)福利績效等級統(tǒng)計圖
結合圖1、圖2的分析可知,西部地區(qū)優(yōu)秀等級的“兩山”基地所占比例最高,為66.67%;東部地區(qū)和東北地區(qū)則分別為37.50%和25.00%;中部地區(qū)所占比例最小,僅為11.76%。與此相反,中部地區(qū)一般等級的“兩山”基地占比最大,為58.82%,可見中部地區(qū)整體生態(tài)福利績效偏低。西部地區(qū)位于我國偏遠地區(qū),地理環(huán)境復雜,生態(tài)破壞程度低;同時在國家西部大開發(fā)等政策扶持下,西部地區(qū)的“兩山”基地的經濟發(fā)展卓有成效。東部地區(qū)地理位置優(yōu)越,開放程度較高,擁有較為豐厚的資金以及先進的技術支持,有助于生態(tài)福利績效的提升。東北地區(qū)產業(yè)結構調整進度緩慢,人才流失嚴重,一定程度上限制了區(qū)域生態(tài)福利績效水平的提高。相比之下,被三大區(qū)域包圍的中部地區(qū),經濟發(fā)展水平相對緩慢,能源開采程度較高,環(huán)境破壞較為嚴重,導致區(qū)域整體生態(tài)福利績效水平低。
參考鄭德鳳等[31]的分析方法,選取2010年、2013年、2016年和2019年4個典型年份,對不同批次的“兩山”基地的生態(tài)福利績效進行時間變化分析。根據每年生態(tài)福利績效值,將示范縣劃分為優(yōu)秀(生態(tài)福利績效值≥1)、良好(0.5≤生態(tài)福利績效值<1)和一般(生態(tài)福利績效值<0.5)三個等級,分析4個批次“兩山”基地縣域的生態(tài)福利績效變化情況,結果如圖3所示。
圖3 縣域生態(tài)福利績效時間變化分析
從圖3中“兩山”基地的總數量值可知,我國縣域生態(tài)福利績效在2010年和2013年以一般等級居多,而2016年以后優(yōu)秀等級縣域的數量最多。這說明我國“兩山”基地的生態(tài)福利績效水平呈現(xiàn)逐步提升的趨勢。
從不同批次來看,第一批次共有10個地區(qū),其中優(yōu)秀等級的縣域從2010年的3個增加到2019年的4個;良好等級的縣域數量先減小后增加,最終與2010年相同;一般等級的縣域數量從2010年的4個減少到2019年3個。第二批次以優(yōu)秀等級的縣域為主,并穩(wěn)定在7個;良好等級縣域從2010年的0個增加到2019年的2個;一般等級的縣域從2010年的4個減少為2019年的2個;其中,婺源縣和重慶市武隆區(qū)的生態(tài)福利績效水平由一般等級上升為良好等級。第三批次以優(yōu)秀等級的縣域為主,在研究時段內從2010年的8個增加到2019年的10個;良好等級和一般等級的縣域數量沒有明顯變化。第四批次以一般等級的縣域為主,在研究時段內從2010年的16個減少為2019年的12個;優(yōu)秀等級的縣域數量沒有明顯變化,良好等級的縣域數量從2010年的6個增加到2019年的10個。對于第四批次的“兩山”基地而言,其生態(tài)福利績效水平明顯偏低,主要變化是一般等級向良好等級過渡,具有轉好的趨勢,但優(yōu)秀等級的數量并未增加,且占比較低,這也是其被較晚批準的原因之一,預期在被升級為“兩山”示范基地后將有較大的提升空間。
基于2010—2019年“兩山”基地的面板數據,構建地理時空加權回歸模型,探究影響縣域生態(tài)福利績效的主要因素。通過參考陳少煒等[32]、郭付友等[33]的研究,結合相關性分析結果,選取每萬人勞動力人數、每萬人在校學生數、每萬人衛(wèi)生技術人員數,人均固定資產投資、人均GDP以及第三產業(yè)占比6個指標進行驅動因素分析。在所有變量標準化的基礎上,再利用回歸分析方法對其進行多重共線性檢驗,以避免出現(xiàn)偽回歸現(xiàn)象。結果表明,6個變量的方差膨脹因子(VIF)均小于10,不存在多重共線性。GTWR回歸模型的R2為0.87,擬合效果較好,可用于接下來的驅動因素分析。
2.5.1 所有縣域整體的驅動因素分析
利用GTWR模型對所有縣域樣本進行驅動因素分析,驅動力大小主要依據各驅動因素對不同縣域生態(tài)福利績效的作用程度(即回歸系數絕對值的大?。┡袛唷=Y果得到各驅動因素回歸系數的平均值和標準差,如表2所示;同時基于回歸系數不同年份的平均值分析驅動因素的時間變化趨勢[17],結果如圖4所示。結果表明,2010—2019年,所選的6個因素對于縣域整體生態(tài)福利績效均具有正向促進作用;其中,衛(wèi)生技術人員數、人均GDP和勞動力人數是主要驅動力。從變化趨勢上來看,人均GDP的影響系數呈現(xiàn)明顯的下降趨勢,在2011—2014年下降幅度最大,這說明GDP對于生態(tài)福利績效的促進作用逐漸減弱。因此,要提高縣域生態(tài)福利不能僅依賴于經濟總量,還要考慮社會經濟的全面可持續(xù)發(fā)展。勞動力人數和衛(wèi)生技術人員數對縣域生態(tài)福利績效的正向促進作用明顯,雖在2014年之前有所下降,但在2015年之后的影響程度最高,并趨于穩(wěn)定;說明這兩種因素對縣域生態(tài)福利績效起到主導的正向促進作用。在校學生數和固定資產投資的影響系數則相對較低,且呈相同的變化趨勢,并在2014年之前有所下降,之后趨于穩(wěn)定。第三產業(yè)占比對縣域整體生態(tài)福利績效的影響程度最低,且研究期間的整體變化趨勢不明顯。
圖4 2010—2019年整體及不同等級縣域的生態(tài)福利績效影響因素變化趨勢
表2 2010—2019年基于GTWR模型的影響因素回歸系數統(tǒng)計分析
2.5.2 不同等級縣域的驅動因素分析
根據上述“兩山”基地的三個等級劃分結果,對不同等級的縣域進行驅動因素分析,結果如表2所示;同時基于回歸系數不同年份的平均值分析各驅動因素的時間變化趨勢(圖4),從而找出其異質性或同質性的影響機制,提出針對性的政策建議。
結果表明:優(yōu)秀等級的縣域的主導驅動因素為人均GDP,影響系數平均值為1.86,遠高于其他因素(表2)。2010—2019年,人均GDP影響系數呈現(xiàn)出明顯的下降趨勢,由2010年的3.72下降為2019年的0.78,其中2011—2017年下降幅度較大。衛(wèi)生技術人員數和在校學生數則具有相似的變化趨勢,影響系數先下降后逐漸提高。第三產業(yè)占比、固定資產投資和勞動力人數的影響相對較為穩(wěn)定。
從表2影響系數的平均值可見,良好等級的縣域也主要受到人均GDP的影響,影響系數平均值為1.68,且勞動力人數和衛(wèi)生技術人員數的影響較高,系數平均值分別為1.40和1.57。變化趨勢上,人均GDP影響系數標準差為1.34,波動較大,尤其是2010—2014年出現(xiàn)顯著的降幅;固定資產投資的影響出現(xiàn)先下降(2010—2014年)后波動上升的變化趨勢;第三產業(yè)占比、在校學生數影響系數較低且較為穩(wěn)定。
一般等級縣域主要受衛(wèi)生技術人員數和勞動力人數影響,其系數平均值分別為1.68和1.18。變化趨勢上,人均GDP的影響系數呈下降趨勢,且降幅較大,由2010年的2.55下降到2019年的-0.59;在2014年之后,其影響系數開始小于0,即對生態(tài)福利績效的影響為負,其原因可能是經濟過度增長導致生態(tài)環(huán)境失衡,其他生態(tài)福利指標值下降;固定資產投資在2010—2018年處于下降趨勢,但2019年有所提高;在校學生數的影響系數較低,并且在2014—2017年對生態(tài)福利績效起到負向作用;第三產業(yè)占比的影響系數較低且歷年變化不明顯。
2.5.3 不同類別縣域的驅動因素分析
在GTWR模型計算的基礎上,結合上述“兩山”基地的聚類分析結果,分析不同類型縣域生態(tài)福利績效的影響因素,結果如表2所示;同時基于回歸系數不同年份的平均值分析各類驅動因素及其變化趨勢(圖5)。根據影響因素回歸系數的多年均值可知:類型一和類型二縣域的主導驅動力為人均GDP,衛(wèi)生技術人員數和勞動力人數的影響程度均較高。類型三和類型四縣域則主要受衛(wèi)生技術人員數和勞動力人數的影響。
圖5 2010—2019年不同類別縣域的生態(tài)福利績效影響因素變化趨勢
根據影響因素回歸系數的歷年變化趨勢可知:類型一縣域,人均GDP的影響系數呈下降趨勢且降幅較大。衛(wèi)生技術人員數在2010—2015年呈下降趨勢,2015年后則逐漸上升。勞動力人數的影響在2013年前呈現(xiàn)緩降趨勢,之后則趨于穩(wěn)定。固定資產投資的影響系數較低,且在2014年和2019年為負。在校學生數影響系數在2010—2015年逐漸下降,2015年后開始上升,且2014—2016年為負。第三產業(yè)占比影響系數較低且穩(wěn)定。
對類型二縣域來說,人均GDP的影響系數在2010—2016年呈下降趨勢,由2010年的3.81下降為2016年的1.02,之后較為穩(wěn)定。勞動力人數的影響系數較高且穩(wěn)定。衛(wèi)生技術人員數在2010—2015年呈下降趨勢,2017—2019年逐漸上升。固定資產投資和學生數的變化趨勢不明顯。第三產業(yè)占比的變化也較為穩(wěn)定,但影響系數為負值。該類型包括蒙陰縣、旌德縣、大武口區(qū)、東源縣、龍勝各族自治縣5個縣域,這些縣域生態(tài)福利績效水平較高但不穩(wěn)定,且第三產業(yè)相比其它類縣域較為落后,因此,這些地區(qū)需要優(yōu)化產業(yè)結構,發(fā)展優(yōu)勢產業(yè),促進生態(tài)福利績效的提高。
類型三縣域中,人均GDP的影響作用一直下降,2010年為2.79,2017—2019年為負值,2019年下降為-0.30,說明經濟增長對該類縣生態(tài)福利績效的影響為負。衛(wèi)生技術人員數的影響系數在2010—2016年處于下降趨勢,2017—2019年則逐漸上升。固定資產投資的影響系數在2010—2018年呈下降趨勢,2018—2019年有所提高。第三產業(yè)占比對生態(tài)福利績效具有正向促進作用,但影響程度較低且變化穩(wěn)定。學生數的影響作用呈現(xiàn)先下降后上升的趨勢,2014—2017年期間為負值,對生態(tài)福利績效的影響作用為負。
類型四縣域中,人均GDP的影響系數波動較大,2010—2014年降幅較大,之后有所緩解,2016—2019年則逐漸上升,且2014—2018年影響系數為負。衛(wèi)生技術人員數的影響系數在2011—2016年逐漸下降,2016年后趨于穩(wěn)定。固定資產投資和學生數的變化趨勢相似,呈現(xiàn)先下降后趨于穩(wěn)定的變化趨勢。勞動力人數和第三產業(yè)占比的影響變化不大,但前者的影響程度明顯高于后者。
“兩山”基地是我國推進生態(tài)文明建設的重要實踐,其生態(tài)福利績效水平是衡量地區(qū)建設成效和可持續(xù)發(fā)展的重要方面。文章利用超效率SBM模型對我國“兩山”基地的生態(tài)福利績效進行系統(tǒng)評價,并通過地理時空加權回歸模型進行了驅動因素分析,以期探尋發(fā)展規(guī)律并提出有針對性的政策建議。研究主要結論如下:
(1)“兩山”基地的生態(tài)福利績效水平以優(yōu)秀和一般等級最多,中間等級的縣域較少,效率值最低的地區(qū)多為第四批次的縣域。
(2)空間分布上,位于西部地區(qū)縣域的生態(tài)福利績效水平普遍偏高,中部地區(qū)縣域的生態(tài)福利績效偏低,東部地區(qū)以及東北地區(qū)縣域的生態(tài)福利績效處于中等水平。
(3)“兩山”基地的生態(tài)福利績效水平呈現(xiàn)上升趨勢。第一批次和第三批次的縣域優(yōu)秀等級增加,第二批次和第四批次主要表現(xiàn)為一般等級向良好等級轉變。
(4)人均GDP、勞動力資源、衛(wèi)生環(huán)境及教育條件等驅動因素對縣域生態(tài)福利績效均具有正向促進作用;其中衛(wèi)生技術人員數、勞動力人數和人均GDP是主要驅動力;人均GDP呈下降趨勢且降幅較大,衛(wèi)生技術人員數和勞動力人數的影響呈現(xiàn)先下降后趨于平穩(wěn)的趨勢。從不同等級來看,優(yōu)秀和良好等級縣域的主導驅動力為人均GDP,但影響程度下降;而一般等級縣域的主導驅動力為衛(wèi)生技術人員數和勞動力人數。從不同類型來看,類型一和類型二縣域的主導驅動力為人均GDP,類型三和類型四則主要受衛(wèi)生技術人員數和勞動力人數的影響。
基于上述研究,提出如下政策建議以全面提升縣域生態(tài)福利績效:
(1)推動區(qū)域間協(xié)同發(fā)展,深化合作領域,實現(xiàn)優(yōu)勢互補,資源共通。東部的南山區(qū)、延慶區(qū)等經濟與科技較發(fā)達的縣域,可在政府政策指引下,充分發(fā)揮經濟技術優(yōu)勢,與其他發(fā)展較緩慢地區(qū)有效合作,從協(xié)作機制、基礎建設、產業(yè)合作、人才融入等層面切入,深化協(xié)同領域,推動生態(tài)福利績效整體水平的提升。
(2)深入貫徹“兩山”理論,充分發(fā)揮示范區(qū)帶動作用,轉變發(fā)展模式。研究發(fā)現(xiàn),頒布較晚的第四批“兩山”基地相比于前三批的生態(tài)福利績效水平偏低,這說明“兩山”基地的頒布實施可以促進地區(qū)生態(tài)福利績效,從而證明了“兩山”理論的重要實踐意義。因此,應遵循“綠水青山就是金山銀山”的綠色發(fā)展理念,以示范區(qū)創(chuàng)建為引領,帶動周邊縣域的轉型發(fā)展,探索適合本地生產發(fā)展、生活富裕、生態(tài)良好的文明發(fā)展模式;充分考慮生態(tài)環(huán)境的承載能力,重塑“三生空間”,促進生態(tài)產品和服務的持續(xù)供給,提高地區(qū)生態(tài)福利績效水平。
(3)促進縣域經濟由“GDP增長”向包容性增長轉變。從驅動因素的分析來看,人均GDP對地區(qū)生態(tài)福利績效的影響強度大幅下降,而勞動力人數和衛(wèi)生技術人員數的影響程度則逐漸趨于主導地位,說明人力資本和醫(yī)療衛(wèi)生環(huán)境對縣域生態(tài)福利績效具有重要作用。因此,應提升人力資本,促進勞動力資源的有效供給;而這其中的關鍵是加大教育投入,提升人居環(huán)境質量。通過進一步改善教學條件,優(yōu)化醫(yī)療衛(wèi)生環(huán)境,增強區(qū)域發(fā)展軟實力。
(4)提高生產要素使用率,以科技創(chuàng)新為發(fā)展導向,推動產業(yè)結構持續(xù)優(yōu)化。研究結果表明,中部地區(qū)縣域的生態(tài)福利績效在四大區(qū)域板塊中最低,其主要原因是中部地區(qū)縣域的主導產業(yè)多以高污染、高耗能的類型為主,缺乏綠色發(fā)展所需的高新技術產業(yè)。因此,這些地區(qū)應充分認識到資源短缺和環(huán)境污染的現(xiàn)狀,研發(fā)能源改進技術,優(yōu)化能源結構,發(fā)展清潔能源,助推產業(yè)全面升級。此外,生態(tài)福利績效較高但不穩(wěn)定的蒙陰縣、大武口區(qū)等縣域,其第三產業(yè)占比對生態(tài)福利績效具有負向影響,說明產業(yè)結構不合理,應因地制宜,發(fā)展優(yōu)勢產業(yè),促進產業(yè)結構繼續(xù)優(yōu)化。
本文從投入產出角度構建了縣域生態(tài)福利績效評價體系,彌補了縣域尺度上相關研究的不足,有助于明確“兩山”基地的發(fā)展現(xiàn)狀,推動相似縣域的生態(tài)文明建設和可持續(xù)發(fā)展。然而,本文仍存在一些不足:首先,由于數據搜集上的困難,研究區(qū)域沒有涵蓋所有“兩山”基地縣域,未來可在研究時間充足的條件下,進一步收集整理最新“兩山”基地的數據。其次,由于縣域數據獲取困難,研究所用的生態(tài)福利績效評價指標僅選擇具有典型性和代表性的指標,且部分指標數據僅更新到2019年;因此,未來在數據可得性的基礎上,繼續(xù)更新完善評價指標體系。最后,對比分析非“兩山”基地的縣域生態(tài)福利績效,深入探討“兩山”理論示范基地的政策效應也是重要的研究方向,但考慮研究主題與文章篇幅的有限性,未進行相關分析。因此,未來將加強該方面的研究,以期全面摸清該政策的實施成效。