城市绿色经济效率动态评价及影响因素——基于285个地级以上城市数据的分析-王晓云.pdf

《城市绿色经济效率动态评价及影响因素——基于285个地级以上城市数据的分析-王晓云.pdf》由会员分享，可在线阅读，更多相关《城市绿色经济效率动态评价及影响因素——基于285个地级以上城市数据的分析-王晓云.pdf（4页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、68 生态经济第33卷第2期(2017年2月) Eco，Dgfc以，Economy，V0133，No2(February 2017)城市绿色经济效率动态评价及影响因素_瑾于285个地级以上城市数据的分析王晓云，魏琦，杨秀平(兰州理工大学经济管理学院，甘肃兰州730050)摘要：将环境成本作为投入指标引入经济效率的分析框架，选用DEAMalmquist模型对我国285个地级以上城市20042013年的绿色经济效率进行动态评价。然后选用面板混合估计模型，对动态效率的影响因素进行分析。结论表明，城市绿色经济效率持续提升的主要驱动力量是技术进步；Malmquist指数与城市规模呈现“u”型曲线关系；与

2、第二产业比重、第三产业比重、地区生产总值增长率、私营和个体经济比重、职工工资水平呈显著正相关；与经济发展水平、外资利用规模呈显著负相关。关键词：绿色经济效率；Malmquist指数；动态效率；混合估计模型；影响因素中图分类号：F293；F0622 文献标识码：A 文章编号：16714407(2017)0206804Dynamic EValuation of Urban Green Economy Emciency and Its Innuencing Factors：Based onData of 285 CitiesWANG Xiaoyun，WEI Qi，YANG Xiuping(Schoo

3、l of Economy and Management，Lanzhou UniVers埘of Technology，Lanzhou Gansu 730050，China)Abstract：In this paper the enviro岫ental cost is introduced into me analysis丘amework of economic e伍ciency as the inputindex，using DEA-Malmquist model，makes dynamic evaluation of green economy e伍ciency of Chinas 285 c

4、ities丹om 2004to 2叭3Then establishes the paIlel mixed estimation model，and analyzes tlle innuencing factors of dynamic emciencyTheconclusion shows that me techn0109ical progress is the main“ving factor to enhance me city green economy emciencyMalmquist index presents a U-shaped curve relationship wit

5、h the size of the cityThe proponion of secondary industryand tertiary industryGDP growth rate，the proportion of priVate and indiVidual economy，wages of the employees showsa significant positive correlation to Malmquist indexAnd the economic development level，foreign capital scale show asigniflcantly

6、 negative correlation to Malmquist indexKey words：伊een economy emciency；Malmquist index；dynamic e伍ciency；mixed estimation model；innuencing factors1引言19782014年我国国内生产总值增长迅速，GDP年均增长率达154，但长期以来，片面追求经济增长速度的传统粗放式发展模式带来严重的环境污染问题，使资源环境付出巨大的代价，经济增长与保护环境之间的矛盾日益突显。世界卫生组织2011年公布了全球l 082个城市的空气质量调查数据，参与排名的中国31个省会

7、城市大多位于l 000名左右，在所有91个国家中，中国位于第77位，效率值即为绿色经济效率。已有研究表明，评价相同类型决策单元的相对效率，DEA方法是行之有效的分析工具。但在DEA模型中引入环境污染因素时，要想获得最优经济效率，作为“非期望产出”的环境污染变量必须尽可能地减少。如何将环境污染变量引入效率评价模型，存在以下方法：Scheel等使用倒数转换法2】；Hailu使用投入变量法【3】；seiford使用转换向量法【4】；Tone提出了SBM模型处理非期望产出口；Fare等提出方向性距离函数法【6】。依表现十分糟糕。因此，在城市经济发展过程中，重视城 据“外部性”理论，环境污染属于生产企业

8、的外部成本，但市经济效率的评价，并且将环境成本引入经济效率的分析框架，全面权衡城市经济发展的投入产出效率，改变以往单纯强调GDP增长的政府业绩考核方式，有利于实现城市经济的低碳绿色发展。评价经济效率时引入环境污染因素，全面反映经济发展的生产要素投入和环境成本，这种基于环境约束的综合对整个社会而言，环境污染构成社会成本的组成部分，所以本文将环境污染作为投入变量进行处理。国内学者主要从省级层面对绿色经济效率进行测算，如汪克亮等、钱争鸣等，或者只针对个别大城市B10】，只有少数文献针对全国地级市层面进行研究【l】，而且现有文献大都从静态角度对绿色经济效率进行评价。本文选基金项目：国家自然科学基金地区

9、项目“碳排放权交易体系中企业违约行为与监管机制构建的实验研究”(71563026)：甘肃省哲学社会科学规划项目“甘肃省人口城镇化和土地城镇化协调发展研究”(YB035)第一作者简介：王晓云(1976一)，女，山东临沂人，硕士，讲师，主要研究方向为城市经济增长与可持续发展。E-mail：wxylutcn万方数据王晓云等：城市绿色经济效率动态评价及影响因素 69辖区数据，由于污染物排放指标没有市辖区数据，所以利用全市统计数据代替。本文使用的数据主要来源于20052014年的中国城市统计年鉴。个别城市存在少数数据缺失，采用邻近前后两期取平均值方法补全。23城市绿色经济效率的Malmquist指数分析

10、利用DEAPvcrsioIl21软件，选用DEAMalmquist指数模型，从动态角度对285个地级以上城市20042叭3年绿色经济效率进行分析，得到反映城市绿色经济效率动态成长性的Malmquist指数及其分解指标(表1)。取全国285个地级以上城市作为研究对象，从动态角度对城市绿色经济效率进行评价，并进一步分析动态效率的影响因素。2城市绿色经济效率动态评价21 DEAMalmquist方法1978年美国著名运筹学家Chames等首先提出数据包络分析法(简称DEA)”21。它是一种运用数学规划原理的非参数分析模型，用于评价相似决策单元(简称DMu)的“相对效率”。包括基于规模报酬不变假设的c

11、cR模型121和基于规模报酬可变假设的BCc模型Il 31。DEA模型构造一条非参数包络前沿线，生产前沿线上的为有效生产单元，前沿线下方的为无效生产单元。根据研究角度的不同，该方法分为投入导向型和产出导向型。为了分析城市动态经济效率，本文选用Fare、Grosskopf、Lindgren&Ross定义的Malmquist指数进行分析【l 41。M=ECX TC=PEX SETCMalmquist指数分解的公式推导过程在此不再赘述。M1，代表评价单元效率进步：反之代表效率退步。EC称为技术效率指数，反映评价单元相对于生产前沿面的靠近程度，EC1表明评价单元向生产前沿面靠近，相对技术效率提高。形为

12、技术进步指数，代表生产前沿面自身的移动，形l代表生产技术进步。船为纯技术效率指数，反映评价单元管理水平的变化，船1表示评价单元管理水平改善，要素资源配置、利用水平提高，生产效率进步，反之表示管理水平恶化，效率降低。舾为规模效率，舾1表示评价单元更接近于最优生产规模，反之表示远离最优生产规模。22样本及指标选择本文选取的研究样本为我国285个地级及以上城市，由于指标数据的不可获得性，研究样本不包括西藏自治区的城市。城市经济效率测度首先需要构建投入、产出指标体系。结合己有的相关研究，并根据数据的可获得性原则，选取的投入指标包括资源性投入、非资源性投入和环境投入三个方面。资源性投入为土地、能源和水资

13、源，选取城市建设用地面积代表土地投入，选取工业用电量代表能源投入，选取供水总量与生活用水量的差额作为水资源投入指标，代表生产用水消耗量；非资源性投入为资本、劳动，选取固定资产投资额代表资本投入，选取单位从业人员数代表劳动投入：由于环境污染主要来源于工业生产部门，所以选取的环境投入指标为工业生产中的sO：排放量、废水排放量、烟尘排放量三项指标。选取城市GDP作为产出指标。资源性投入指标、非资源性投入指标和产出指标均选取市表1城市绿色经济效率Malmquist指数及分解指标区域 技术 技术 纯技 规模 Malm 效率术效qmst 排名 包含的省份名称 效率 进步 效率盎 指数东北地区 O987 1

14、052 1003 O984 1038 4 黑龙江、吉林、辽宁东部 北京、天津、河北、山地区 1018 105l 1006 1012 107 1 东、江苏、上海、浙江、福建、广东、海南中部 山西、安徽、河南、江西、地区 1017 1034 1016 1001 1052 3 湖北、湖南新疆、青海、宁夏、甘西部 1025 104 1025 l 1066 2 肃、内蒙古、陕西、四地区 川、重庆、贵州、云南、广西、西藏全国 1015 1042 1014 1002 1058分析表1城市绿色经济效率Malmquist指数分析结果，从全国范围看，20042013年研究期间，各城市Malnlqllist指数的平

15、均值为1058，表明整个研究期间285个城市总体来讲绿色经济效率呈现持续上升的趋势，生产效率年均提高58。从MalIIlquist指数的分解发现，技术进步指数的平均值为1042，而纯技术效率指数、规模效率指数的平均值分别为1014、1002，表明整体来讲城市绿色经济效率持续提升的主要驱动力量是技术进步，其次是城市管理水平的提高。比较各区域城市绿色经济效率Malmquist指数分析结果，排名第一的是东部地区，其值为107，经济效率年均提高7；然后依次是西部地区、中部地区、东北地区，经济效率年均提高分别为66、52、38。从动态角度看，经济发展水平最高的东部地区也表现出最高的城市绿色经济效率的动态

16、成长性。比较各区域Malmquist指数分解结果发现，各区域动态效率的差异源于区域经济发展驱动因素的不同。由于显著的规模效率优势，东部沿海地区Malmquist效率指数位居第一；而西部地区和中部地区，城市管理水平提高，要素资源配置、利用更加合理，纯技术效率较高，Malmquist指数也较高，分别处于第二位和第三位；东北地区，虽然技术进步最快，但由于规模集聚水平的无效变动，加之城市管理水平提升缓慢，使规模效率、纯技术效率均表现最差，Malmquist指数最低。3城市动态经济效率的影响因素为检验城市动态经济效率的影响因素，下面利用285万方数据70 生态经济第33卷第2期(2叭7年2月) Eco，

17、Dgfc日，Eco门D朋y，V0133，No2(February 2017)个城市20052013年的相关数据，建立面板数据回归模型。31指标选择参照国内外的相关研究，并根据指标数据的可获得性，本文选取的影响因素指标包括城市规模、产业结构、经济发展水平、金融发展程度、科学技术支出、经济增长速度、产权结构、工资水平、外资利用规模、区域位置变量(表2)。表2变量定义及说明解释变量名 变量简称 定义及单位爿，B口 建成区面积平方公里城市规模爿地n2 建成区面积的平方lSl 第二产业占GDP的比重产业结构IS3 第三产业占GDP的比重经济发展水平 ED 人均地区生产总值元金融发展程度 FD 年末金融机

18、构存贷款余额与GDP的比值舭科学技术支出 sE 公共财政中的科学技术支出力兀经济增长速度 EG 地区生产总值增长率胍产权结构 PS 私营和个体从业人员占总从业人员比重胍工资水平 耽群 职工平均工资元外资利用规模 Fl 限额以上非内瓷氽、IpT、Ip总产佰占比区域虚拟变量 EAsT 城市处于东部地区为l，其他地区为032面板模型构建与估计结果分析面板数据模型通常包括固定效应模型、随机效应模型和混合估计模型3种类型，本文选择混合估计模型来分析动态经济效率的影响因素。以城市绿色经济效率Malmquist指数为被解释变量，以表2所列变量为解释变量，利用Eviews统计分析软件，选用具有面板结构的工作文

19、件，对全国285个城市建立面板回归模型，回归结果见表3。表3面板模型回归结果解释变量 系数 标准误 r统计量 显著性爿，P口 0000 16 89010。 1799 453 O072 l爿，P矿 16410“ 38110。8 4292 008 0IS2 0009 187 0OOO 439 20919 3 OIS3 O010 523 0000 687 15_324 8 0ED 94510。 38210“ 一2474 407 O013 4FD O011 949 0007 76 1539 782 O123 8sE 一1951 o_8 7071 o-8 0276 622 07821EG 0007 81

20、9 0001 342 5828 034 OPS 0215 665 0048 86 4413 96 O晰培e 302106 86710“ 3486 299 0000 5FI O084 108 O041 173 2042 808 O041 2EAsT O013 739 O016 312 0842 26 0399 8注：本文取10的置信度水平。第一，城市规模与Malmquist指数呈现“U”型曲线关系。建成区面积与Malmquist指数显著负相关，而建成区面积的平方与Malmquist指数显著正相关，说明城市规模与绿色经济效率Malmquist指数呈现“U”型曲线关系。城市绿色经济效率的增长速度最初

21、随着城市规模的扩大而下降，达到“U”型拐点后，绿色经济效率的增长速度随着城市规模的扩大而上升。可以用集聚效应进行解释，最初扩大城市规模时，集聚效应不明显，居民的环保意识淡薄，城市产出的增加带来严重的环境污染，因此，随着城市规模的扩大，绿色经济效率的增长速度反而下降。当城市扩大至一定规模时，集聚效应明显增强，居民的环保意识提高，绿色经济效率以递增的速度上升。第二，地区生产总值增长率、第二产业比重、第三产业比重、私营和个体从业人员比重、职工工资水平5个变量与Malmquist指数显著正相关。地区生产总值增长率与Malmquist指数正相关，说明城市GDP增长率的提高，也引起绿色经济效率增长率的同向

22、上升。城市较高的经济发展速度、较低的失业率，使政府没有后顾之忧，可以考虑实施关停落后产能，增强对传统高能耗、高污染产业的监督和控制，加大污染治理的财政投入，增进城市绿色经济效率的提升。提高第二产业比重，可能会带来城市GDP的增加，从而提高绿色经济效率；另一方面，提高第二产业比重也可能会增加污染排放，从而降低绿色经济效率。两方面的综合作用，使第二产业比重对绿色经济效率的影响不确定。实证模型中第二产业比重的系数显著为正，说明第二产业比重的提高促进了绿色经济效率的动态成长性，这可能是由于第二产业在明显增加地区生产总值的同时，注重运用绿色生产技术和节能减排的结果。第三产业是减物质化的，因此第三产业比重

23、提高引致的产业结构优化升级会对绿色经济效率产生正向的影响，实证模型也验证了这一点。同时也可以发现，与第二产业比较，第三产业比重提高更大幅度地提高了绿色经济效率的动态成长性。用私营和个体从业人员占总从业人员的比重来反映产权结构状况，Malmquist指数与私营和个体从业人员比重正相关，说明城市私营和个体经济越发达，城市绿色经济效率的动态成长性越高，这符合“科斯定理”的内容，产权结构的明晰界定有利于市场机制的发挥，有助于提高整个社会的资源配置效率。职工平均工资与Malmquist指数显著正相关，这可以用“效率工资”理论进行解释，企业支付给员工的较高工资，能够起到有效激励作用，可以提高生产率与企业经

24、营绩效。第三，人均地区生产总值、外资利用规模与Malmouist指数显著负相关。前述Malmquist指数分析表明，经济发展水平最高的东部地区Malmquist指数也最高，表面上看城市较高的经济发展水平促进了城市绿色经济效率的动态成长性，但对285个城市进行面板回归的结果并未支持该结论，人均地区生产总值与Malmquist指数呈现显著负相关关系。表明东部地区较高的Malmquist指数并不是由较高的经济发展水平引起的。一般认为地区人均产值增加，代表着人们生活水平提高，进而刺激人们追求更高的环境质量，这有助于绿色经济效率的提高，这是基于存量角度的分析。如果转而分析效率的增量变化，根据边际报酬递减

25、规律，人均GDP较高的地区经济增长的潜力往往不及经济落后地区，从而富裕地区绿色经济效率的增长速度反而越低。外资利用规模与Malmquist指数呈负向关系，限万方数据王晓云等：城市绿色经济效率动态评价及影响因素 71额以上非内资企业工业总产值占比每增加一个百分点Malmquist指数下降0084 108。这一结论反映了诸多城市的现实情况，很多城市在引进外资时片面追求外资利用的数量和规模，而忽视投资方向和投资质量，现实中存在较多外资投向采矿、冶金等传统高污染行业，对环境造成较大压力，因此对绿色经济效率的动态成长性造成负面影响。第四，金融发展程度、公共财政中的科学技术支出、区域虚拟变量与Malmqu

26、ist指数并未表现出显著相关性。金融发展变量的回归系数并不显著，表明金融发展对绿色经济效率的提升并未产生有效影响。由于本文以年末金融机构存贷款余额占GDP的比重反映金融发展程度，原因可能是，银行部门在发放贷款时对贷款企业没有加以认真甄别，严重污染企业同样获得了银行部门的贷款支持。科学技术支出的影响不显著，可能是公共财政中的科学技术支出主要投向从事技术研发的政府机构，这种政府机构主导的技术研发与市场实际应用脱钩，科技成果难以转化为现实生产能力；也可能是由于科学技术支出没能够重点投向于绿色生产技术的开发。另外，绿色经济效率的动态成长性与城市区位因素也没有明显的相关关系。4结论与建议本文选用DEAM

27、almquist模型，对我国285个地级以上城市20042013年的绿色经济效率进行动态评价分析，发现城市绿色经济效率持续提升的主要驱动力量是技术进步。从动态角度看，由于显著的规模效率优势，经济发展水平最高的东部地区也表现出最高的绿色经济效率的动态成长性。面板混合估计模型表明，城市规模与绿色经济效率Malmquist指数呈现“U”型曲线关系；第二产业比重、第三产业比重、地区生产总值增长率、私营和个体经济比重、职工工资水平与Malmquist指数显著正相关；经济发展水平、外资利用规模与Malmquist指数显著负相关；金融发展程度、政府的科学技术支出水平、区域虚拟变量与Malmquist指数并未

28、表现出显著相关性。基于上述实证模型的分析结果，提出以下若干政策建议，以促进城市经济的转型发展。(1)转变经济发展方式，优化产业结构。转变“高投入、高污染、高增长”的传统经济发展模式，走“资源节约型，环境友好型”的经济发展道路，大力发展第三产业，促进产业结构的优化和升级，推动绿色经济效率的提高。(2)加大科技投入，鼓励科技创新。技术进步是影响城市绿色经济效率的重要因素，各城市应对科技资源进行整合，因地制宜发展先进技术，进一步强化先进技术对城市绿色经济发展的推动作用。重视调动大中型企业的科技研发积极性，培育企业成为地区科技研发主体，鼓励企业积极开发绿色生产技术，鼓励企业积极开展科技成果的转化。(3

29、)加强对外商投资企业的引导和监管，严格控制其污染物排放。注重引导外资投向高附加值、低污染产业，使循环经济领域成为招商引资的重点。鼓励外资企业使用先进的节能减排技术和环境管理方法，加强对外商投资企业的监管，从根本上控制污染物排放，以实现外商投资污染物排放的最小化和经济效率的最大化。(4)继续深化产权制度改革，鼓励非公有经济发展。在产权明晰的前提下，市场机制能够通过自我调节，有效配置经济资源。所以各城市应继续深化产权结构改革，鼓励非公有经济发展，充分发挥市场在资源配置中的决定性作用。同参考文献：【1李艳军，华民中国城市经济的绿色效率及其影响因素研究J城市与环境研究，2014(2)：3652【2Sc

30、heel HUndesirable outputs in efficiency valuationsJ】European Jo啪al ofOperational Research，200l(2)：400-4103】Hailu A，Veeman T SNonparametric pmductivity analysis wimundesirable outputs：An application to the Canadian pulp andpaper industry【J】AmericaIl Joumal of AgricultIlral Economics，2001，83(3)：605616

31、4Seiford L M，Zhu JModeling undesirable fktors in emciencyeValuationJ】European Journal of Operational Research，2002(1)：1620【5】Tbne KDealing with undesirable outputs in DEA：A slacks_badedmeasure(SBM)叩proach【R】Japan：GRIPS Policy InfomationCenter20036】Fare R，Grosskopf S，Pasurka C AEnvironmental producti

32、on血nctions and envimnmental directional distance functions：Ajointproduction comparison【EB0L】(2004-0425)http：ssmcomabstract=506222【7汪克亮，杨力，程云鹤异质性生产技术下中国区域绿色经济效率研究J】财经研究，2013(4)：57678】钱争鸣，刘晓晨中国绿色经济效率的区域差异与影响因素分析J中国人口资源与环境，2013(7)：1041099王家庭环境约束条件下中国城市经济效率测度【J】城市问题，2012(7)：182310】潘文砚，王宗军中国大城市环境效率实证研究fJ

33、城市问题，2014(1)：913【1 1】zhang x P，Li Y F，wu w JEvaluation of urban resource andenVironmental efhciency in China based on the DEA modelJJo啪al ofRcsources aIld Ecolog)r，2014(1)：ll-19【12】Chames A，Cooper w W，Rhodes EMeasuring the emciencyof decision making unitsJ】European Joumal of OperationalResearch，l 97

34、8(2)：42944413】Banker R D，Ch啪es A，Cooper w wSome models for estimatingtechnical and scale ine伍ciencies in data envelopment analysisJManagement Science，1984(9)：1078-109214】Fare R，Grosskopf S，Lindgren B，et a1Productivity changes inSwedish pharmacies 19801989：A nonparametric Malmquist印proach【J】Jo啪al ofProductiv崎Analysis，1992(3)：85-101(责任编辑：国怀亮)万方数据