工业环境效率的区域差异、空间分布与影响因素研究

来源:用户上传      作者:梁佐英 姚德利

　　摘 要：基于非期望产出的Super-SBM模型，考察了长江经济带2010—2017年11个省市工业环境效率的区域差异与空间分布，再用改进的灰色关联模型分析其影响因素。结果表明：长江经济带的工业环境效率总体较高，区域之间有差异，呈现“下游>上游>中游”格局。根据泰尔指数分析可知，下游地区内部差距是长江经济带工业环境效率差异的主要原因。从空间分布来看，高效率集中在下游和上游地区，低效率集中在中游地区，呈现由“外围”向“中心”延伸趋势。经济发展水平、环境方面、地区因素对工业环境效率起到正向作用。其中，地区因素对工业环境效率影响作用不大。产业结构、外资水平对工业环境效率起到负向作用。
　　关键词：工业环境效率;非期望产出Super-SBM模型;区域差异;改进的灰色关联模型;影响因素
　　中图分类号：F424文献标识码：A文章编号：1672-1101（2020）01-0023-07
　　Abstract： Based on the Super-SBM model of non-expected output， the regional differences and spatial distribution of industrial environmental efficiency in the Yangtze River economic belt from 2010 to 2017 were investigated， and the influence factors were analyzed with the improved grey correlation model. The results show that the industrial environmental efficiency of the Yangtze River economic belt is generally high with differences among regions， presenting a pattern of “downstream> upstream > midstream”. According to the Thiel index analysis， the internal gap in the lower reaches is the main reason for the difference in industrial environmental efficiency in the Yangtze River economic belt. From the perspective of spatial distribution， high efficiency is concentrated in the downstream and upper reaches， while low efficiency is concentrated in the middle reaches， showing an extension trend from “periphery” to “center”. Economic development level， environmental aspects and regional factors have positive effects on industrial environmental efficiency. And regional factors have little effect on industrial environmental efficiency. Industrial structure and level of foreign capital have negative effects on industrial environmental efficiency.
　　Key words：Industrial environmental efficiency;Non-expected output of Super-SBM model;Regional differences;Improved grey relation model;Influencing factors
　　2017年7月，環保部等部委联合印发《长江经济带生态环境保护规划》，指出长江经济带是我国重要的生态环境保护区。长江经济带涵盖11个省市，其面积约占205万平方千米、总人口和生产总值也超过全国的40%[1]。是我国经济发展的重要部分，而工业是长江经济带发展的主力军。同样，长江经济带也面临资源环境等诸多问题，2017年长江经济带工业固体废弃物产生量为80 386.76万吨，工业废水排放总量83.24亿吨，2016年长江经济带工业能源终端消费量为112 387.01万吨标准煤，占全国的40.27%。由此可以看出，长江经济带的环境问题十分严重。所以，在经济发展的同时，实现工业发展与资源环境保护是长江经济带急需解决的首要问题。
　　工业环境效率是指在工业系统单位所产生价值的同时对环境的影响力大小[2]。近年来，大多数学者对工业环境效率的研究主要位于四个方面：企业[3]、区域[4]、行业[3]、国家层面[5]等。袁鹏，程施（2010）[6]基于方向性距离函数，非期望产出中考虑了污染排放，测量了中国的工业环境效率，结果表明：我国工业环境效率较低，如果不考虑污染环境产出，将会影响各个地区的真实效率值。王连芬（2011）[7]采用环境DEA 模型，测算了工业环境效率。结果发现：各省环境效率差别较大。工业环境效率值呈现“东部>中部>西部”的格局。而且，在考虑污染排放的情况下，环境效率降低。佟连军，宋亚楠，韩瑞玲，李名升（2012）[8] 运用了DEA和SFA模型，测算辽宁沿海经济带的效率及工业产出弹性。并利用Tobit模型对影响因素进行分析。丁焕峰，高溦（2015）[9]对广东省及四大区域环境效率使用SBM-V模型进行了测算，在此基础上对影响因素进行分析。结果得出：在考虑污染排放的因素下效率值降低了。经济发展水平、对外开放水平、区域因素，对环境效率的影响作用具有促进作用，剩下的具有抑制作用。徐盈之，周圆（2016）[10] 首先使用SBM模型测量了我国效率值，再使用EKC曲线研究工业环境效率与规制力度间的关系。结果显示：我国工业环境水平总体不高，全国及东中西部EKC呈现“N型”，东北地区却是“倒N型”。而且，各个地区的EKC所处阶段与发展态势都是有差异的。苏伟洲，李航，钱昱冰，郭四代（2018）[11]测算了效率值，并对效率值的影响因素分析。宋刘洁，汪克亮，王杰（2018）[12]通过采用SBM-Undesirable 模型、Malmquist-Lunberger生产率指数，来分析研究江苏省县域效率值的地区差异、动态演进。结果发现： 整体来说环境效率较低，三大区域效率值有差距。从空间来看，效率值基本上呈现“苏南> 苏中>苏北”格局。张乐勤，陈素平（2019）[13]采用主成分分析方法，对安徽省工业环境效率和科技创新综合指数进行了评价。黄娟，孙坤鑫（2019）[14]以我国37个工业行业2001—2013年间为研究对象，使用Super-SBM模型测算环境效率值，并分析市场集中对环境效率的影响力。 　　综上所述，本文的研究进展如下：其一，对工业环境效率的研究主要集中在“国家”，“省域”，“行业”等方面，而以“长江经济带”作为研究对象的不多。其二，在测量工业环境效率的方法选择上，采用非期望产出Super-SBM模型对2010—2017长江经济带工业环境效率进行了区域差异、空间分布分析，解决了SBM模型不能同时区分有效单元为1的问题，而且克服了DEA模型高估效率的缺陷。其三，为了解决极端值对计算结果的影响，对灰色关联分析模型方法进行了改进，提高计算结果的科学性和可靠性。
　　一、研究方法
　　（一）非期望产出的Super-SBM模型
　　对Tone[15]和Kaoru[16]的DEA模型分析总结后，构建了包含Super-SBM模型。设决策单元为N，每个单元包含：α个投入指标X、β1个期望产出 Yg要素、β2个非期望产出Yb要素，根据Fre等[17]建立生产可能集：
　　（二）改进的灰色关联模型
　　灰色关联分析以灰色关联度，确定因子之间的影响程度大小的[18]。而改进的灰色关联分析，使用各因素的变化情况来计算关联度的。具体步骤如下：
　　1.预处理。确定参考数列和比较数列。
　　二、长江经济带区域差异、空间分布分析
　　（一）數据来源及指标说明
　　在借鉴其他学者[19-21]研究的基础之上，鉴于数据的可获得性，构建如下指标体系。投入指标还是参考已有的研究的做法，选择资本、劳动、能源三种指标外，本文还增加了污染治理投资投入指标。期望产出：本文选择工业生产总值。非期望产出：本文选择“工业废水”作为非期望产出。资本投入：本文工业固定资产投资为工业资本投入指标，单位：亿元。劳动投入：第二产业就业人数，单位：万人。能源投入：工业能源终端消费量，单位：万吨标准煤。污染治理投入：污染治理投资，单位：亿元。期望产出：工业生产总值，单位：亿元。非期望产出：工业废水排放总量，单位：亿吨。数据均来自《中国统计年鉴》（2010—2017年）、《中国环境年鉴》（2010—2017年）、国民经济和社会发展统计公报（2010—2017年）。其投入和产出数据的描述性统计如下表1。
　　（二）工业环境效率区域差异分析
　　本文在DEA-Solver Pro5.0软件中Super-SBM Nonoriented的模板测算下，测算2010—2017年长江经济带11个省市的工业环境效率。并将长江经济带划分为：上游（重庆、云南、贵州、四川），中游（湖北、湖南、江西、安徽），下游（上海、江苏、浙江）。
　　从图1可知，长江经济带工业环境效率值总体较高，区域之间有差异。整体效率值为0.99，接近于1，效率值总体较高。效率平均值从大到小为：下游（1.23）、上游（0.95）、中游（0.79），基本不符合区域发展“梯度”特征。而是呈现“下游>上游>中游”格局，下游的效率平均值大于整体平均值、上游和中游的效率平均值小于整体的平均值。
　　由于，每个区域的资源储备、区域文化、重点发展产业、技术水平等存在差异，必然导致三大区域的工业环境效率有差异。从图2可知，从效率平均值来看，下游的效率值从2010年的1.24上升到2013年1.77再下降到2017年的1.25。整体上下游的工业环境效率值是上升的，只是上升的幅度很小。中游的环境效率值从2010年的0.77下降到2013年的0.57再上升到2017年的0.61。整体上中游的工业环境效率有小幅度的下降趋势。上游的工业环境效率从2010年0.85下降到2013年的0.77再上升到2017年的1.08。整体上上游的工业环境效率是上升的。可能因为：下游的效率值高，因为下游地区属于我国改革开放的前沿城市、引进国外的先进理论和科学技术更加容易，所以，工业发展与资源环境能够协调起来。中游地区工业环境效率最低，说明了工业的发展与资源环境的保护之间产生了矛盾，再考虑到国家的经济发展战略是“先东后西”。而中游地区紧挨上游地区。在产业转移中，下游地区污染物大量的流入中游地区。除此之外，中游地区工业技术、工业设施、工业管理方法相对较弱，环境保护意识较差等。而上游的工业环境效率高于中游，并不说明上游工业发展优于中游，是因为上游工业发展相对较晚，很多高污染、高能耗向中游地区转移。再加上上游地区工业发展水平较低，进而污染产生的也较少。所以，上游地区的效率值优于中游地区。
　　（三）效率值的泰尔指数分析
　　为了揭示长江经济带工业环境效率地区差异的原因，本研究利用泰尔指数，将区域总体差距分为地区间的差异和地区内的差异后，再计算它们的贡献率。其中，泰尔指数越小，说明它们的差距越小，反之越大。从下表2可知，长江经济带工业环境效率的泰尔指数总体差距是呈增大趋势。从2010年的0.045 97升到2017年的0.105 15，可以看出总体差距在增大。从泰尔指数的分解部分来看，地区之间和地区内部的贡献率分别是25.176%、74.824%。说明地区内部的差距是长江经济带工业环境效率差异的主要原因。从时间上来看，地区之间差距呈现下降趋势，从2010年的46.122%到2017年的40.666%;而地区内部差距的贡献率呈现上升的趋势，从2010年的53.878%到2017年的59.334%。这说明提高效率值的关键是地区内部差距。从地区内部来看，上游、中游、下游之间的贡献率均值分别是24.807%、41.117%、52.029%。下游地区的贡献率基本保持30%以上，说明下游地区差距是地区内部差距的根源。综上所述，下游地区内部之间的差距是提升效率值的关键。
　　（四）工业环境效率空间分布分析
　　为了更加详细分析长江经济带工业环境效率值，将它们效率值大小分成两组：（1）高效率（>1）省市个数在2010年、2013年、2017年的节点分别为：5、 3、 7，分别约占45.5%、 27.3%、 63.6%。 （2）低效率（<1）省市个数在在2010年、2013年、2017年的节点分别为：6、8、4，分别约占54.5%、72.7%、36.4%。从以上数据值可知：其一在各个时间节点上，高效率主要集中上游和下游地区。其二从时间序列上来看，长江经济带2010—2017年工业环境效率先下降后上升。 　　再对2010年、2013年、2017年三个节点长江经济带工业环境效率值进行空间可视化处理，得到图3。
　　从图3可知，三大区域工业环境效率呈现由“外围”向“中心”分布趋势。在三个时间节点上，上游和下游都是高效率省市，距离上游、下游距离越近，效率值越高。从时间序列来分析，效率值的空间布局从“外围”向“中心”增多。这表明工业环境效率除了受到资源储备、区域文化、重点发展产业、技术水平等原因，还受到外围省市的带动作用。因此，在提高环境效率值要考虑“外围”的带动作用。
　　三、影响因素分析
　　研究工业环境效率的影响因素很多，本研究参考已有文献[22-24]，并考虑数据的可获得性。选取经济发展水平、产业结构、环境方面、外资水平、地区因素等五个影响因素。经济发展水平：本文选择人均地区生产总值（元/人），用R表示。产业结构：选择工业增加值占GDP比重（%），用ZB表示。环境方面：取污染治理投资的对数，用WB表示。外资水平：实际外资投资额占GDP比重（%），用WD表示。地区因素：人口密度的对数，用RD表示。数据来源于《中国统计年鉴》、《中国环境统计年鉴》、各省市的国民经济和社会发展统计公报。
　　本研究以长江经济带的工业环境效率值为被解释变量，以经济发展水平、產业结构、环境方面、外资水平、地区因素为解释变量。用改进的灰色关联模型，测量和分析效率值与影响因素之间的联系。其变量说明如下表3：
　　首先从经济发展水平来看，经济发展水平与长江经济带工业环境效率的关联度是0.13，影响程度排第四。两者之间呈现正向关系，说明经济水平会提高工业环境效率。人均生产总值的提高，导致了人们提高了对环境质量要求，从而促进了工业环境效率。另外经济发达的地区，更容易使人力和物力结合起来，推动环境资源的保护。所以，两者之间呈现正向关系。
　　从产业结构来看，产业结构与长江经济带工业环境效率的关联度是-0.32，影响程度排第二。两者之间呈现抑制关系，说明产业结构会阻止工业环境效率的提高。也就是说，工业增加值的提高抑制环境效率的提高。原因有：其一，在工业生产过程中，不可避免的会产生大量的工业污染物，对环境造成一定的危害，从而降低工业环境效率。另外，在工业发展中能源消耗，也造成了资源的浪费。所以，两者之间呈现抑制作用。
　　从环境方面来看，环境方面与长江经济带工业环境效率的关联度是0.28，影响程度排名第三。两者之间呈现正相作用，说明环境方面会促进工业环境效率的提高。由于环境方面力度的加大，使各个省市采用清洁污染少的技术生产和先防污染治理方法，避免以牺牲环境来发展经济。
　　从外资水平来看，外资水平与长江经济带工业环境效率的关联度是-0.42，影响程度排名第一。两者之间呈现负相关，说明外资水平对工业环境效率起抑制作用。很多外商投资者投资目标看重的是工业方面的领域，而每个省市注重的是经济发展规模大小，忽略了外商者的投资方向，所以使工业环境效率受到一定程度的影响。
　　从地区因素来看，人口密度与效率的关联度是0.05，影响程度排名第五。两者之间呈现正相关系，说明人口密度的增加提高工业环境效率。人口密度的增加，导致人口劳动力的增加，进而工业产值的增加，最终提高工业环境效率。另外，随着人口密度的增加，会增加环境的承载力。从整体上来说，正向作用大于负向作用一点，所以，人口密度对工业环境效率的影响程度不是特别大。
　　四、结论和建议
　　本研究基于非期望产出Super-SBM模型，研究了长江经济带11个省市2010—2017年的工业环境效率的地区差异、空间分布，并用改进的灰色关联模型分析了工业环境效率的影响因素。得出以下结论：
　　1.从整体上来看，工业环境效率较高，区域之间有差异。不符合区域发展“梯度”特征。而是呈现“下游>上游>中游”格局。从泰尔指数来看，长江经济带工业环境效率差异的主要原因是地区内部的差距。且三大区域的贡献率，呈现：“下游>中游>上游”格局。说明下游地区内部的差距是影响长江经济带工业环境效率的主要原因。
　　2.从空间分布来看，长江经济带的工业环境效率，高效率地区主要集中在上游和下游，高效率地区数量先降低后逐渐增多。呈现上游和下游地区从“外围”向“中心”逐渐延伸的趋势。说明上游和下游地区起到了带动工业环境效率的作用。
　　3.从影响因素来看，长江经济带的工业环境效率受到经济发展水平、环境方面、地区因素、产业结构、外资水平等五种因素影响。其中，经济发展水平、环境方面、地区因素对工业环境效率起到促进作用。产业结构、外资水平对工业环境效率起到抑制作用。
　　根据上面的结论，提出以下建议：（1）转变工业经济增长模式。重点和大力发展绿色经济，每个省市要根据自己当前经济发展的形式，制定合适的经济模式，了解本省市的经济发展重点和目的。（2）优化产业结构。由于产业结构对环境效率呈现负相关，所以，要减少工业增加值的比例。降低对高污染工业的依赖性，大力发展一些污染小、节能的新型产业。另外，对一些污染物产量过大的工业产业尽量少经营或淘汰。（3）加大环境方面力度。注重对污染物投资治理的监督，使投资成本发挥最大作用。同时，提高采用高端治理技术，注重工业污染物的源头治理，尽量不先污染后治理。（4）提高外商投资的质量。在对外开放投资的同时，要加强环境的保护，并对引进项目进行环境和经济发展的综合评价，应引进高端的技术和设备，避免高污染工业的投资项目。（5）合理分布人口。使人口、经济、环境之间协调性发展，提高工业环境效率。
　　参考文献：
　　[1] 杜雯翠，江河.《长江经济带生态环境保护规划》内涵与实质分析[J].环境保护，2017，45（17）：51-56.
　　[2] Verfailie H A，Bidwell R.Measuring eco-efficiency：a guide to reporting company performance[M].Geneva：World Business Council for Sustainable  Development，2001. 　　[3] 王飞儿，史铁锤.基于物质代谢的中国纺织业生态效率评价[J].中国人口·资源与环境，2008，18（ 16） ： 116-120.
　　[4] Seppalaa J，Melanen M，Maenpaa I，et al.How can the eco-efficiency of a region be measured and monitored[J].Journal of Industrial Ecology，2005，9（4）：117-130.
　　[5] 杨斌.2000—2006年中国区域生态效率研究： 基于DEA 方法的实证分析[J].经济地理，2009，29 （7）：1 197-1 202.
　　[6] 袁鹏，程施.中国城市工业环境效率度量与分析[J].大连理工大学学报（社会科学版），2010，31（4）：31-36.
　　[7] 王连芬.我国工业环境效率评价及地区差异[J].社会科学家，2011（9）：88-91.
　　[8] 佟连军，宋亚楠，韩瑞玲，等.辽宁沿海经济带工业环境效率分析[J].地理科学，2012，32（3）：294-300.
　　[9] 丁焕峰，高溦.广东省工业环境效率的区域差异及影响因素分析[J].城市观察，2015（2）：76-87.
　　[10] 徐盈之，周圆.我国区域工业环境效率的库兹涅茨曲线研究[J].经济经纬，2016，33（1）：8-13.
　　[11] 苏伟洲，李航，钱昱冰，等.“一带一路”沿线省份工业环境效率评价及影响因素研究[J].科技进步与对策，2018，35（19）：155-160.
　　[12] 宋刘洁，汪克亮，王杰.江苏省工业环境效率的地区差异与动态演进——基于县域层面的研究[J].安徽理工大学学报（社会科学版），2018，20（6）：28-35.
　　[13] 张乐勤，陈素平.创新驱动战略实施对工业环境效率的影响及演化规律探析[J].科技促进发展，2019，15（3）：318-325.
　　[14] 黄娟，孙坤鑫.环境规制、市场集中与环境效率——来自中国工业行业面板数据的检验[J].资源开发与市场，2019，35（5）：646-653.
　　[15] Tone K. A slacks-based measure of super-efficiency in data envelopment analysis [J].European  Journal of Operational Research， 2002， 143（1）： 32-41.
　　[16] Kaoru T.Dealing  with  undesirable  outputs  in  DEA：A slacks-based  measure（SBM）  approach[R].Tokyo：The  Operations Research Society of Japan，2004：44-45.
　　[17] Fre R，Grosskopf  S，Pasurka  Jr A C.Environmental production functions and  environmental  directional  distance  functions[J].Energy，2007，32（7）： 1 055-1 066.
　　[18] 孫晓东. 基于灰色关联分析的几种决策方法及其应用[D].青岛：青岛大学硕士学位论文，2006.
　　[19] 马骏，王雪晴. 长江经济带工业环境效率差异及其影响因素——基于超效率DEA-Malmquist-Tobit模型[J].河海大学学报（哲学社会科学版），2017，19（3）：49-54.
　　[20] 刘辉，李志翠. 我国西部工业环境效率与经济效率的差异研究——基于DEA-SBM模型与DEA-CCR模型的比较分析[J].西部论坛，2013，23（6）：90-96.
　　[21] 申晨，李胜兰，代丹丹. 中国省际工业环境效率区域差异及动态演进[J].统计与决策，2017（1）：121-126.
　　[22] 蔺雪芹，郭一鸣，王岱. 中国工业资源环境效率空间演化特征及影响因素[J].地理科学，2019，39（3）：377-386.
　　[23] 马晓明，张灿，熊思琴，等. 中国区域工业环境效率及其影响因素：基于Super-SBM的实证分析[J]. 生态经济，2018，34（11）：96-102.
　　[24] 袁荷，仇方道，朱传耿，等. 江苏省工业环境效率时空格局及影响因素[J].地理与地理信息科学，2017，33（5）：112-118.
　　[责任编辑：范 君]
转载注明来源:https://www.xzbu.com/4/view-15190918.htm