林永生+孙颖

摘 要：政府公共支出与经济、社会发展之间的关系一直为各界关注。基于2014年中国31省的空间截面数据，本文首先介绍了地区节能环保支出的基本情况，然后构建了绿色经济指数（GEI）并对不同地区绿色经济发展水平进行测度比较，最后运用空间滞后模型和空间误差模型分析了节能环保支出份额对绿色经济指数的影响。结果表明：各省节能环保支出差异明显，广东省总量最多，吉林省份额最高。经济发达省份的绿色经济指数相对较高。尽管节能环保支出份额与绿色经济指数之间存在轻微正相关，但并不显著。因此，促进地区绿色经济发展，除了要继续增加节能环保支出，还需多管齐下，着眼于增加人均GDP、降低单位GDP能耗和污染物排放强度。

关键词：节能环保支出；绿色经济；空间滞后模型；空间误差模型

一、引言

推进绿色发展，建设生态文明是我国“十三五”乃至更长时期都将面临的重大课题。党的十八大及随后多次全会的公报中都明确强调“绿色发展”与“生态文明”，这既是中国参与减缓和适应全球气候变化的积极做法，更是转变自身经济发展方式的必然要求。2008年底，美国金融海啸引发全球实体经济衰退以后，世界多国将绿色经济作为增长新引擎。中国绿色经济发展水平持续提升，但仍低于加拿大、澳大利亚等国（林永生，2016）。长期以来，国内经济增长迅速、体量巨大，但方式粗放，能源消耗骤增、环境污染严重，特别是2013年1月以来，公众对雾霾、水污染、土壤问题以及由此引发的粮食安全等方面的担忧持续增加。尽管同时还有反腐败、消产能、去库存和杠杆等一系列棘手的问题有待解决，但提升经济增长质量，促进节能减排，加强环境保护，确实已经刻不容缓，需要在这些任务清单中赋予更大权重。

如何才能有效促进绿色经济发展、实现经济增长与环境保护的共赢？这是一项复杂而系统的工程，需要从转变发展理念、调整能源与产业结构、绿化生产与消费方式、优化治污手段等角度进行综合治理（林永生，2016）。仅就宏观经济政策而言，需要在坚持适当扩张需求的同时推动供给侧改革与管理，有所区别地对节能降耗、生态保护等问题，加大要素投入力度，促进机制创新改进（贾康，2015）。作为调控经济的重要手段，政府公共支出与政治、经济、社会发展之间的关系一直是公共财政领域重要的研究课题，有学者从不同角度研究了政府公共支出的影响：比如肖洁、龚六堂、张庆华（2015）在财政分权框架下建立了三级政府的政治生命周期模型，研究了中国市级财政支出及结构的政治周期性及产生机制，并对财政支出的周期性波动进行解释。黄艳敏、张岩贵（2015）使用中国省际面板数据，就财政支出对社会稳定的影响进行非因果性检验发现，公共安全财政支出是社会稳定的单向Granger原因，表明以公共安全财政支出变量变化预测社会稳定形势具有显著的统计学意义。郭新强、胡永刚（2012）采用SVAR方法得到财政支出与财政支出结构偏向影响就业的经验事实。也有学者将政府安排专项资金用于支持节能减排视为“绿色财政”政策的组成部分，研究政府公共支出与资源节能利用（严立冬、郝文杰、邓远建，2009；刘西明，2013）、生态环境保护（谢妍，2014；万建香，2015）之间的相互关系。那么，从中国省域来看，增加节能环保支出能否促进地区绿色经济发展？本文首先分析了中国省级政府一般公共财政预算中的“节能环保”支出及其分布情况，然后进一步修订现有的绿色经济评估指标体系、测度比较31个省份的绿色经济发展水平，最后构建空间计量经济模型研究节能环保支出份额对绿色经济发展的影响。

二、节能环保支出的分类及省域分布

本文以省域节能环保支出作为重点研究内容，是因为能源节约、环境保护是发展绿色经济的必然要求，而在我国现有地方财政支出分类和统计口径中，“节能环保支出”这一项最接近于能源节约与环境保护，这也是地方政府安排这个专项财政资金的重要目标。在经济学中，“节能环保”支出属财政政策范畴，即可看作需求侧管理的经济政策，比如通过对节能环保类产品的定向政府采购或居民消费过程中给予政府补贴，可以促进社会对绿色产品的需求。又可看作供给侧管理的经济政策，比如通过专项资金支持资源综合利用、能源管理和污染治理，抑或对企业的绿色生产进行补贴，一方面优越的环境质量有益于改善劳动力健康状况和工作积极性，另一方面更高的能效以及对绿色生产的激励有益于提高劳动生产率、特别是对绿色产品的生产和供应。

在我国的财政预算体系中，“节能环保”作为支出专项、定期统计核算，是一个不断调整或渐进的过程：2010年以前，我国地区财政支出中有对“环境保护”专项的统计核算，2011年增加了节能领域的内容、扩充为“节能保护”，2012年至今统一调整为“节能环保”。依据修订后的《2014年政府收支分类科目》，“节能环保”支出的内容共分18大类、共计78个小类，即环境保护管理事务（8小类）、环境监测与监察（3小类）、污染防治（8小类）、自然生态保护（6小类）、天然林保护（5小类）、退耕还林（5小类）、风沙荒漠治理（2小类）、退牧还草（2小类）、已垦草原退耕还草（1小类）、能源节约利用（1小类）、污染减排（5小类）、可再生能源（1小类）、资源综合利用（1小类）、能源管理事务（15小类）、国有资本经营预算支出（6小类）、可再生能源电价附加收入安排的支出（4小类）、废弃电器电子产品处理基金支出（4小类）、其他节能环保支出（1小类）。

2014年，我国31个省份在一般财政预算中共安排节能环保支出3470.9亿元，占当年全国预算支出总额的2.69%。图1给出了2014年全国31个省份节能环保支出占财政预算支出中的份额情况。

如图 1所示，2014年，我国各省节能环保支出份额差距很大，吉林（4.82%）、北京（4.72%）、青海（4.21%）、河北（4.14%）、内蒙古（3.68%）、宁夏（3.46%）6省最高，而上海（1.57%）、江西（1.75%）、福建（1.87%）、河南（1.99%）4省最低。

三、绿色经济指数与省域比较

国内外学者围绕绿色经济的定义及其评估已开展了一些研究，总体来看，在对绿色经济的理解上远未达成共识，侧重点比较分散，既有聚焦生态经济、生物多样性保护、人与自然和谐发展，又有强调资源节约和环境保护。因对绿色经济理解不同，现有指标体系对绿色经济侧重评估的角度选取有所不同，有的突出评估宏观经济绩效，有的重点衡量生态系统功能，有的则聚焦节能减排。张江雪等（2010）对国内外绿色经济及其测度评估领域做了较为详细的文献综述。不过总体来看，现有指标体系大多过于复杂，通常包括几十个甚至上百个三级指标，仍需进一步精简和筛选，突出重点。

我们把绿色经济定义为“绿色”和“经济”的二维均衡，即绿色经济是以保持或增加“绿色”的方式实现增长的一种经济模式或形态，“绿色”重在强调节能环保，“经济”重在强调经济增长，二者同等重要、有机融合于发展的过程当中，“在保护中发展、在发展中保护”。林永生（2016）在比较中外绿色经济的发展水平时，使用经济、能源、环境3个一级指标，构建了更为精简的绿色经济指数（Green Economy Index，GEI）。在目前学界关于绿色经济测度评估的研究中，由于该指数既抓住了绿色经济共识性、本质性内涵，降低了指标维度、减少了指标个数，又在编制思路上与人类发展指数相似，因此，本文继续沿用其GEI的3个一级指标以及基本框架，但原GEI二级指标中的绿色能源消费比例、环境绩效等数据在我国无法获取省级层面数据，故这里在保持3个一级指标不变的前提下，对二级指标做部分修正。

如图 2绿色经济指数指标体系（GEI）所示，测度GEI的3个二级指标单位不一，而且指标的正逆属性不同，比如“人均GDP”是正指标，数值越高，GEI的值也应越高。“单位GDP能耗”、“单位GDP污染物排放强度”属逆指标，其他条件不变情况下，一省的单位GDP能耗或污染物排放强度越低，绿色经济发展水平越高。因此，本文在对3个二级指标的加总时采用最大最小值标准化处理方法，每个二级指标的最大值为1、最小值为0 逆指标经最大最小值方法处理后，若其值为1，说明该省的单位GDP能耗或污染物排放强度最低，其他条件不变的情况下，绿色经济发展程度越高。相反若为0，则说明其单位GDP能耗或污染物排放强度最高，其他条件不变的情况下，绿色经济发展程度越低。。在权重赋予方面：“能源消耗”、“环境质量”、“经济增长”对绿色经济同等重要，所以在GEI中的每个一级指标分配权重为1/3；假设经最大最小值方法处理后的3个二级指标值分别为X1（单位GDP能耗）、X2（单位GDP污染物排放强度）、X3（人均GDP数），可得绿色经济指数表达式：

GEI=13*X1+13*X2+13*X3（1）

表1给出了各省绿色经济指数的测度结果。

从表1可知，2014年，北京、上海、天津、浙江、江苏、广东6省的绿色经济指数最高，GEI依次为0.924、0.762、0.748、0.646、0.635、0.573，多为经济发达地区。

四、节能环保支出对绿色经济发展的影响

空间计量经济学家普遍认为，一定空间内的某些经济活动属性值与其周围区域空间内同一活动的属性值是有密切联系的，各区域之间的数据存在空间相关关系。中国省域节能环保支出份额和绿色经济发展水平，区别于一般性的时间序列变量，具有典型地理属性，应进一步探索其空间特征。莫兰指数是度量空间自相关较为流行的方法（Moran，1948；Moran，1950；Cliff et al.，1973；Tiefelsdorf，2005），见式（2）：

式（2）中，S2=ni=1Wijn，X是指空间经济变量，n表示地理空间观测样本个数，Wij为空间权重矩阵。莫兰指数的取值一般在-1到1之间：大于0表示正相关，值越接近1时表明具有相似的属性集聚在一起（即高值与高值相邻、低值与低值相邻），取值为1表明完全正相关；小于0表示负相关，值越接近-1时表明具有相异的属性集聚在一起（即高值与低值相邻、低值与高值相邻），取值为-1表示完全负相关；而若值接近于0时表明属性是随机分布的，或者不存在空间自相关性。图3给出了2014年中国31个省份节能环保支出份额、绿色经济指数2个变量的莫兰散点图和莫兰指数：

如图3所示，2014年中国31省节能环保支出份额、绿色经济指数的莫兰指数分别为0.17、0.16，表明这2个变量均存在空间自相关且为正相关，说明出现了相似属性集聚现象，即从全局来看，某个省份增加环保支出份额或促进绿色经济发展，会对临近地区产生一定程度的示范效应。

类似多元统计分析、回归分析、数据包络分析DEA等传统回归分析法，本质上是线性变量之间相互关系的一种测度，适合企业或产业部门时间序列层面的经验研究，没有考虑区域（或截面单元）之间的空间关联，局限性比较明显，而如果区域经济变量之间存在空间自相关特征，则传统回归分析法基本失效。有几种常见模型适用于空间横截面数据（Hordijik，1979；Anselin，1980；Anselin，1988；Bivand，1984）：当变量间的空间依赖性对模型显得非常关键而导致了空间相关时，使用空间滞后模型（Spatial Lag Model，SLM）；当模型的随机干扰项在空间上相关时，使用空间误差模型（Spatial Error Model，SEM）。由于事先无法根据先验经验推断空间相关的具体类型，进而难以判别SLM或SEM两种模型中哪种更符合客观实际，对此，Anselin等人（1995）提出一种判别准则，使用拉格朗日乘数在统计上更加显著且拟合优度更高的模型。

选取2014年中国31省的节能环保支出份额为自变量，记为ENVSH，同年对应各省的绿色经济指数为因变量，记为Y_2014，自变量和因变量均是31*1的列向量，建立空间计量模型分析地区节能环保支出对绿色经济发展的影响，分别建立SLM模型、SEM模型两种表达形式，见式（3）、式（4）：

σ2是随机干扰向量ε的方差。ρ、γ分别为自回归和移动平均（空间自相关误差）参数，在SEM模型——式（4）中，误差项u满足标准正态分布假设。表2给出了两种结果：

从表2可知，对比拟合优度、拉格朗日系数、对数似然值、AIC和SC准则，并结合自回归（WY-2014）、自相关误差（Wε）这两个参数估计值的显著性，可知，SEM模型效果相对更好，回归系数（0.009）为正，但并未通过显著性检验，说明地区节能环保支出份额并不能显著促进绿色经济发展。

五、结论与进一步讨论

一省在其年度财政预算支出中安排较高份额的节能环保支出，可能有三种原因：一是环境污染形势严峻，亟待加大治理力度；二是国家划定的某些重点保护区，尽管其生态环境质量较好，但必须按要求每年安排固定额度或比例的节能环保专项支出；三是积极主动增加节能环保支出份额，旨在提高经济增长质量，促进绿色经济发展。节能环保支出份额越高的省份，固然可以不同程度地促进节能环保，增加“绿色”，但难以显著促进地区经济增长，增加人均GDP，如表2所示，节能环保支出份额与绿色经济指数之间的正相关关系并不显著，可能由于人均GDP越高的地区拥有更丰富的财力、技术和经验促进节能减排，降低单位GDP能耗和污染物排放强度，表现为绿色经济指数最高的省份多为经济发达省份。这也进一步佐证了本文在构建GEI时的定义和假设，即绿色经济是“绿色”与“经济”的二维均衡，促进地区绿色经济发展，除了增加节能环保支出以外，还要多管齐下，着眼于增加人均GDP、降低单位GDP能耗和污染物排放强度。

考虑到各省在面积、人口数量、经济总量等方面的差异和影响，我们使用了节能环保支出份额、人均GDP、单位GDP能耗、单位GDP污染物排放强度这样的指标。需要强调的是，不能仅仅依靠节能环保支出去促进总量意义上的节能减排，更不能因此而否定省级财政预算中安排节能环保支出的效力和意义，相反更需增加节能环保支出份额、特别是注重这些支出项目的内部结构优化与调整。2014年，中国各省现价GDP总和为64.07万亿元，公共预算支出总额为12.92万亿元，其中专项安排节能环保支出0.35万亿元，如何奢望用0.35万亿元的节能环保支出去显著削减超过64万亿元GDP和13.68亿人口所带来的能源消耗和污染物排放？安排一定额度的财政资金专项支持“节能环保”，既是确保地方政府履行环保领域公共服务职能的必然要求，也是我国需求侧管理（绿色采购、节能环保产品购买补贴）、供给侧管理（绿色技术研发应用、优越环境质量的外部正效应）经济政策的有机组成部分。

参考文献：

[1] 郭新强、胡永刚，2012：《中国财政支出与财政支出结构偏向的就业效应》，《经济研究》第2期。[Guo Xinqiang and Hu Yonggang，2012，“Employment Effects of Chinas Government Spending and its Expenditure Structure Bias”，Economic Research Journal，2.]

[2] 黄艳敏、张岩贵，2015：《财政支出维稳倾向影响社会稳定形势的实证研究——来自中国省际面板数据的考证》，《经济经纬》第2期。[Huang Yanmin and Zhang Yangui，2015，“An Empirical Study about the Effects of Fiscal Expenditure of Public Security on the Stability of Social Situation in China：A Proof from the Panel Data of Chinese Province”，Economic Survey，2.]

[3] 贾康，2015：《供给侧改革五题》，上海证券报，12月30日。[Jia Kang，2015，“The Five Issues of Supplyside Reform”，Shang Hai Financial Securities Newspaper，December 30.]

[4] 林永生，2016a：《绿色经济之中外比较》，《中国经济报告》第2期。[Lin Yongsheng，2016，“The Comparison Between China and Foreign Countries on Green Economy”，China Policy Review，2.]

[5] 林永生，2016b：《中国环境污染的经济追因与综合治理》，北京师范大学出版社。[Lin Yongsheng，2016，“Chinas Environmental Pollution：economic Factor Sand Comprehensive Control”，Beijing Normal University Press.]

[6] 刘西明，2013：《中国绿色财政：框架与实践浅述》，《中国行政管理》第1期。[Liu Ximing，2013，“China Green Finance：Framework and Practices Brief”，Chinese Public Administration，1.]

[7] 万建香，2015：《中国财政预算支出对经济增长、资源消耗、环境保护的绩效分析》，《财政研究》第3期。[Wan Jianxiang，2015，“China Budget Expenditure on Economic Growth，Resource Consumption，Environmental Protection Performance Analysis”，Public Finance Research，3.]

[8] 肖洁等，2015：《分权框架下地方政府财政支出与政治周期——基于地级市面板数据的研究》，《经济学动态》第10期。[Xiao Jie et al.，2015，“Under the Framework of Decentralization of Local Government Expenditure and Political Cycle ResearchBased on Level City Panel Data”，Economic Perspectives，10.]

[9] 谢妍，2014：《完善绿色发展的财政支持政策》，《中国财政》第20期。[Xie Yan，2014，“Complete Finance Support Policy of Green Development”，China State Finance，20.]

[10] 严立冬等，2009：《绿色财政政策与生态资源可持续利用》，《财政研究》第12期。[Yan Lidong et al.，2009，“Green Financial Policy and Sustainable Use of Biological Resources”，Public Finance Research，12.]

[11] 张江雪等，2010：《国外绿色指数相关研究述评》，《经济学动态》第9期。[Zhang Jiangxue et al.，2010，“Foreign Green Index Research Review”，Economic Perspective，9.]

[12] Anselin L.，1980，“Selection of Regressors”，International Economic Review，21：pp.33154.

[13] Anselin，L.，1988a，“Lagrange Multiplier Test Diagnostics for Spatial Dependence And Spatial Heterogeneity”，Geographical Analysis，20：pp.117.

[14] Anselin L.，1988b，“Spatial Econometrics：Methods and Models”，Kluwer Academic.

[15] Anselin L.and R.J.G.M Florax，1995，“New Directions in Spatial Econometrics”，Berlin：SpringerVerlag.

[16] Bivand R.，1984，“Regression Modeling with Spatial Dependence：An Application of Some Class Selection and Estimation Methods”，Geographical Analysis，16：pp.2537.

[17] Cliff A.and J.Ord.，1973，“Spatial Autocorrelation”，London：Pion.

[18] Hordijik，L.，1979，“Problem in Estimating Econometric Relations in Space”，Regional Science and Urban Economics，4：pp.11740.

[19] Moran PAP.，1948，“The Interpretation of Statistical Maps”，Biometrika，35：pp.255260.

[20] Moran PAP.，1950，“A test for Serial Independence of Residuals”，Biometrika，37：pp.178181.

[21] Tiefelsdorf M.，1995，“The Exact Distribution of Morans I”，Environment and Planning A，27：pp.985999.