傅京燕 原宗琳 曾 翩

中国区域生态效率的测度及其影响因素分析

傅京燕 原宗琳 曾 翩

绿色发展理念下，对我国区域生态效率的定量测度与评价需考虑生态效率的动态变化和对外贸易与环境规制对区域生态效率的影响。以2002-2012年中国30个省际面板数据为样本，运用BCC框架下的超效率DEA模型测度中国2002-2012年区域生态效率，并使用Malmquist指数分析中国2002-2012年生态效率的动态变化趋势，进一步以面板非线性Tobit模型对生态效率的影响因素进行实证分析。结果表明：在地理分布上，中国区域生态效率总体呈现“东高西低”的局面；在时间变化上，中国区域生态效率呈现逐渐减弱的趋势，通过Malmquist指数分解发现生态效率改善的主要原因是技术进步，而技术效率在不断减弱；对外贸易显著促进了生态效率的增长，而环境规制对中国生态效率有影响但不显著，说明环境规制不够严格使生态效率改进达到拐点。对外贸易和环境规制对各区域生态效率的影响不一致，对东部和中部区域的影响较西部区域更为显著。因此，通过强化环境规制来倒逼企业提高生产率，促进企业优胜劣汰机制形成，将有助于区域生态效率提升，推进经济绿色发展。

生态效率； 对外贸易； 环境规制； 超效率DEA

一 引 言

长期以来，经济效率一直是政府和学界关注的重要问题，主流经济学研究在建立经济增长模型时并不考虑生态系统的约束，认为经济增长是没有上限的。最初衡量生态经济发展的指标是全要素生产率(TFP)，将大量投入要素引入新古典经济增长核算分析框架中，通过增加产出或者减少投入来提高TFP，但是该指标基于传统的资本和劳动力的投入因素，而没有考虑与可持续生态经济发展概念密切相关的能源和环境因素。后来，随着资源和环境约束意识的提高，出现新的衡量方式和指标评估以往经济发展模式的资源环境利用效率。作为环境效率的外延，生态效率被认为是环境绩效综合评价的最优指标。基于生态效率的绿色经济，其目标函数是传统GDP，约束条件是资源条件、环境容量、生态足迹、碳足迹等，以扣除资源消耗和环境损害成本后的绿色产出目标函数最大化来表征绿色经济的发展。总体来说，生态效率主要强调经济社会发展与环境资源承载力的相融性。自20世纪80年代以来，我国陆续采取了封山育林、退耕还林、建立自然保护区、在主体功能区规划中设立重点生态功能区等一系列重大措施，试图恢复原有的生态环境。然而，这些措施在相当一段时期内主要是借助工程技术手段来提高生态资源利用率，并未重视利用市场手段建立合理的生态保护补偿机制。

党的十八大和十八届三中全会把生态文明提高到前所未有的高度，明确要求建立反映资源稀缺程度、市场供求关系、体现生态价值和代际补偿的资源有偿使用制度，建设生态文明成为中国未来发展的基本战略。党的十八届五中全会把绿色发展作为五大发展理念之一，绿色发展的内涵是指在生态承载力限定的条件下，要提高经济发展水平，不能再依靠投入要素规模扩张，而必须通过生态要素效率的提高来实现。十八大以来建立的若干促进生态文明建设的制度，从生态环境损害责任追究到生态环境损害赔偿，从国家生态文明试验区到重点生态功能区，这些重要绿色发展举措的推行都需要对我国区域生态效率进行定量测度与评价，由于资源有偿使用的量化和考核是一个难题，因此在自然资源负债表中价格问题解决之前，可以通过评估生态效率的改进、不变和降低作为考核的替代指标。

Schaltegger和Sturm(1990)[1]首次提出生态效率(Eco-efficiency)的概念，用于评估经济活动产出与资源环境的比值效率。随后，众多学者逐渐引用“生态效率”来衡量经济与环境的可持续发展，生态效率的本质逐渐演变为以少投入、少排放和多产出的生产方式达到较高质量的经济发展(Hopwood et al.，2005)[2]。随着Fare et al.(1989)[3]首次使用DEA环境生产技术进行环境效率的评估，此方法被逐步运用到生态效率的测算中。Korhonen et al.(2004)[4]运用DEA衡量欧盟国家24个电厂的生态效率。Zhang et al.(2008)[5]运用投入导向的DEA模型分析了中国30个省份的工业部门生态效率，发现东部地区的生态效率较高，且人均GDP高的地区生态效率也高。Liu等(2013)[6]运用RST-DEA模型分析中国31个地区的水体系生态效率，发现各地区生态效率值不同，主要原因是各地区的经济、政治、历史、文化和其他社会因素不一样。

国内学者近年来也开始关注生态效率问题，相关研究主要集中于测算方法的介绍及来源分解的分析上。刘巍等(2012)[7]运用非合意产出作投入法、非合意产出取倒数法、方向性距离函数法和基于松弛测度的SBM四种不同DEA模型衡量中国24个综合类生态工业示范园区2010年的生态效率。初善冰和黄安平(2012)[8]分析了外商直接投资对生态效率的影响，认为外商直接投资对东部地区区域生态效率有显著的正向影响。李胜兰等(2014)[9]分析了环境规制对生态效率的影响，发现环境规制对生态效率有制约作用。史丹和王俊杰(2016)[10]运用生态足迹的方法对中国生态压力与生态效率进行测度，发现中国生态压力较大，而生态效率持续提高。

DEA方法最初由Charnes等(1978)[11]提出，旨在评价多投入多产出的相对效率。后续研究者站在规模报酬是否可变的角度将DEA模型进一步区分为CCR模型(规模报酬不变)和BCC模型(规模报酬可变)，这种模型细分虽然充实了DEA的研究内涵，但仍未解决传统DEA模型中无法对有效决策单元进行比较的缺陷。随着研究对象的不断丰富，Banker和Gifford(1985)[12]提出了超效率的概念，将决策单元从参考集内移出后再进行相对效率测量，Anderson和Peterson(1993)[13]基于这种概念提出了决策单元间可比的超效率DEA模型(简写为SE-DEA)，可达到对所有决策单元进行全排序的研究目的。郭露和徐诗倩(2016)[14]、牛冲槐和曹海曼(2015)[15]运用SE-DEA模型，分别评价了中国中部地区工业生态效率及高技术产业创新相对效率。

与现有文献相比，本文试图从以下三个方面进行拓展：第一，运用BCC-SE-DEA模型计算中国2002-2012年的区域生态效率值。现有文献主要关注企业或行业层面，而且由于对各项指标的选择不同，对同一地区或行业的生态效率计算存在差异；第二，以Malmquist指数衡量生态效率的动态变化，同时对影响生态效率的因素进行分解，进一步分析生态效率动态变化的原因。现有研究多数采用截面数据且仅衡量某一年的生态效率，而且研究方法多样，得出的效率值差异较大，无法观测生态效率的动态变化；第三，进一步利用Tobit模型着重分析对外贸易与环境规制对区域生态效率的影响，现有研究关注的是封闭条件下的生态效率，而中国经济高速增长的主要驱动力之一是对外贸易。以下内容结构安排为：第二部分以2002-2012年中国30个省际面板数据为样本，运用BCC-SE-DEA模型测度中国2002-2012年区域生态效率，并使用Malmquist指数分析中国2002-2012年生态效率的动态变化趋势；第三部分运用Tobit模型对生态效率的影响因素进行实证分析；最后一部分是结论和建议。

二 区域生态效率的测算模型及结果

(一)研究方法

数据包络分析(DEA)是由Charnes et al.(1978)[11]提出的，运用特殊的数学规划模型和决策单位(DMUs)的投入与产出数据来评估各决策单位的相对效率。由于DEA具有不需要对投入与产出的基础函数形式作出假设以及使用统计学方法对环境影响指标赋权等优点(Zhou et al.，2007)[16]，其研究运用领域也越来越广。

1.非合意产出作为投入的BCC-SE-DEA模型

假设有k个决策单位(DMUs)，j=1，2，……，k，对每一个DMU，有m种合意产出(y)，i=1，2，…，m，即y1，…，ym，n种非合意产出(z)，p=1，2，…，n，即z1，…，zn,s种投入(x)，r=1，2，……，s，即x1，……，xs。对于每个DMU而言，投入和产出都是非负的，即有(x,y,z)∈R+，生产技术为T={(x，y，z)：x生产(y，z)}。根据生态效率的定义，将非合意产出作为投入指标代入公式中，则第j个DMU的效率评价指数为：

(1)

μi, μp, vr≥0； i=1, …, m； p=1, …, n； r=1, …, s

通过Charnes-Cooper转换，将上述非线性模型变换为与其等价的线性规划模型，最后可以得到投入导向的BCC模型(模型1)：

min[θ-εET(sb+sg+s-)]

(2)

λ, s-, sg, sb≥0, ε≻0; j=1, 2, …， n

模型中，第4个限制条件为凸性限制，加入后可得BCC模型，在超效率模型下，当θ≥1，s-+sb或sg=0时，决策单元为DEA有效；当θ<1时，决策单元为DEA无效。

2. Malmquist生态效率指数

上述DEA模型的结果可以用来横向比较各个决策单位的生态效率，比较单个决策单位在一段时间内生态效率的动态变化时，则可使用Malmquist生产率指数(Zhou et al.，2008)[17]。

以EF代表DEA模型的结果，MEF代表Malmquist生态效率指数，假设有两个时期t和t+1，EFt(x0t，y0t，z0t)和EFt+1(x0t，y0t，z0t)分别代表DMU0以t时期投入与产出数据为基础计算的t与t+1时期的生态效率，EFt(x0t+1，y0t+1，z0t+1)和EFt+1(x0t+1，y0t+1，z0t+1)分别代表DMU0以t+1时期的投入与产出数据为基础计算的t与t+1时期的生态效率，则DMU0的Malmquist生态效率指数MEF可以表示为(模型2)：

(3)

MEFo衡量了DMUo的生态效率变化，MEFo>1、MEFo=1和MEFo<1时分别代表生态效率在改进、不变与退化，进一步将上述公式写成如下形式：

(4)

式(4)等号右边包括两个部分，第一部分代表技术效率指数(EFFCH)，第二部分代表技术进步指数(TECHCH)。

(二)指标选择和数据说明

在DEA应用中，产出指标分为合意产出和非合意产出，合意产出指的是经济体所提供的产品或服务的经济价值，其特点是值越大越好；非合意产出指的是环境污染，本文将非合意产出作为投入指标用于计算生态效率，此时其值越小越好；资源消耗也是投入指标，值越小越好。

1.生态效率、环境效率和资源效率的测度。生态效率强调经济效率和环境效益的统一，表明经济活动中产生的环境成本或价值与环境影响的关系，即用较少的资源消耗和环境污染产出产品和服务以满足人类的需要，本质是以较少的投入得到较多的产出，同时产生较少的排放。因此，根据生态效率的含义，可以表示为：

(5)

即产品和服务价值与生态环境影响的比率，其中生态环境影响包括资源的消耗量和产生的环境污染，因而又可以把生态效率的公式写成如下形式：

(6)

此外，由于对生态环境影响的侧重点不同，单独考虑资源消耗和环境污染即可以得到代表效率的指标“资源效率”和“环境效率”。资源效率和环境效率的公式如下：

(7)

(8)

2.合意产出。国内生产总值(GDP)代表一个经济体一段时间内的最终产品总值，体现区域的整体产出价值。因此，本文选用以2002年为基期的各个省份实际地区生产总值衡量合意产出。

3.非合意产出。关于非合意产出衡量指标的选择，Zhang et al.(2008)[5]选择了化学需氧量(COD)、氮氧化物、二氧化硫(SO2)、烟尘排放物、粉尘排放物和工业固体排放物总量作为非合意产出。杨斌(2009)[19]和刘巍等(2012)[7]选择了废水排放量、化学需氧量(COD)、二氧化硫(SO2)以及工业固体排放物总量作为非合意产出。借鉴已有研究，本文选择COD、SO2、CO2和工业固体排放量作为非合意产出指标。关于CO2排放量，根据历年各地区能源消费情况，选取包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气及电力在内的消费数量最多的九种能源的统计数据，分别对应IPCC于2006年公布的《国家温室气体排放清单指南》中各种能源的CO2排放系数，得到各地区2002-2012年CO2排放数量。

4.资本投入。估算资本存量最常用的方法是“永续盘存法”，永续盘存法主要涉及当期投资指标的选择、基期资本数量的计算、折旧率的选择和投资平减指数四个问题。本文选择固定资本形成总额作为当期投资指标。

5.劳动投入。衡量劳动投入的最好指标应是劳动时间，但是由于劳动时间数据比较难获得，本文选取各地区年末就业人口数作为劳动投入指标。

6.资源投入。资源作为整体生态环境中不可或缺的部分，同时是引起环境问题的主要因素，因此本文将水资源和能源消耗量纳入到生态效率的测算中。

由以上投入与产出指标的选择归纳得出表1，各变量数据来源于《中国统计年鉴》、《中国人口与就业统计年鉴》、《中国环境统计年鉴》和《中国能源统计年鉴》。并基于2002-2012年中国30个省、市、自治区(除西藏外)的投入与产出数据测算生态效率。

表1 生态效率评价指标体系

(三)生态效率测算结果分析

1.中国区域生态效率结果分析

根据生态效率公式侧重点的不同，如果只关注资源消耗而忽略环境影响，可以得到产出与资源消耗的比值即资源效率；如果只关注环境影响而忽略资源消耗，可以得到产出与环境影响的比值即环境效率。测算得到的中国区域生态效率(ecoeff)、环境效率(enveff)和资源效率(reseff)均值见表2。以省市为观察单位，主要结论有：(1)仅有极少数区域达到了生态有效或资源有效，不存在环境有效的省市。东部地区的天津、上海和海南同时达到了生态有效与资源有效，这些省份经济发展水平较高，单位GDP产出所面临的环境与资源压力较小，能够充分利用社会及自然资源进行发展并兼顾生态均衡；西部地区的青海和宁夏也达到生态与资源DEA有效，但其经济社会发展水平仍与东部地区有较大差距，生产要素与社会资本流动性较差，有效性良好可能与政府促进西部地区发展的特殊政策有关；(2)除北京外，其他地区均遵循“生态效率>资源效率>环境效率”的排序。可能的解释是：当仅用非合意产出作为投入时，期望投入越小越好，导致有效前沿向原点剧烈凸出，相较之下，一般性投入组合和“非合意产出+一般性投入”组合产生的有效前沿面的凸性依次减缓；(3)传统重工业集聚地区的生态、环境和资源有效性显著低于区域平均水平。东部地区的河北和辽宁、西部地区的陕西、中部地区的山西和黑龙江均为典型重工业(主要有钢铁、机械、煤炭等重污染行业)集聚地，工业化、城镇化和公共基础建设都会使资源和能源使用量增加，从而忽视生态环境保护，污染的治理力度也未有效冲抵其形成速度，导致资源利用效率低下，生态环境严重破坏。

表2 各省、市、自治区2002-2012年生态效率、环境效率和资源效率均值

注：广东省2012年的三类超效率值均出现“big”状态，代表在非合意产出作为投入方法下，非合意产出可随意增加而不影响合意产出，这种情况的出现源于该处理方法的强随意处置性假设，故在广东省、东部与全国的效率均值计算时将此奇异值剔除后作算术平均。

图1-图3分别刻画了生态效率、环境效率和资源效率的分区域变化情况。着眼于区域DEA效率，得到的主要结论为：(1)中部地区的生态效率和资源效率常年处于三大区域中最低位，且低于全国平均水平，东部地区情况恰好相反，这与表2数据结果类似。东部地区依托灵活、快速的经济发展方式，以及在技术、管理和人力资本上具有的优势，不断优化资源配置，充分利用外资与技术溢出，使环境保护程度处于领先地位；中部地区位于中国内陆腹地，自然资源丰富，早在2006年国务院及相关部门便出台促进中部地区发展的专门政策，伴随长江三角洲及中原城市群的飞速发展，能源高需求与环境高污染不可避免，生态效率及资源效率处于弱势；(2)生态效率与资源效率在不同区域中的变化相近，但具有区域间差异；环境效率的变化趋势呈现区域一致性。图1与图3显示，西部地区2012年生态效率与资源效率均出现明显下降，可能与当年国家新增22项西部大开发重点工程有关，资源在短期内的强烈需求往往导致配置效率下降，生态环境受到威胁。此外，环境效率波动的一致性也反映了环境污染的普遍性。

从全国来看，样本期内的生态效率与资源效率处于0.6-0.8的范围，环境效率持续低于0.5，虽然整体效率低下，但保持着“稳中求增”的趋势，说明环境保护与资源利用仍有很大改善空间。尽管中国近几年的经济增长速度保持高速稳步的上升，不断出台新的经济与环境政策，但中国经济仍处于转变发展方式阶段，低能耗、低污染的生产模式无法在短时间内全面推广。

图1 区域生态效率比较

图2 区域环境效率比较

图3 区域资源效率比较

2. Malmquist生态效率指数结果分析

表3为2003-2012年各省、市、自治区Malmquist生态效率指数(MEF)、技术效率指数(EFFCH)和技术进步指数(TECHCH)的均值，根据模型2，MEF等于EFFCH和TECHCH的乘积。由表3可以看出，整体而言，全国的Malmquist生态效率指数均值为1.227，说明生态效率得到一定的改善，且主要是由技术的不断进步促成的，但同时因技术效率偏弱而降低了整体生态效率的改进。分区域来看，东部地区是生态效率改善最明显的区域(1.392)，东部地区由于具有一定的地理位置优势，可以最先引进国内外先进技术，加快技术进步速度，同时经济的快速发展促使该区域各项生态环境的法律规制逐步完善，加快了生态效率改善的步伐，表现为TECHCH值大于西部；中部地区和西部地区可能由于承接东部地区部分产业的转移，经济、资源和环境的协调性还不稳定，所以生态效率改善速度较慢。

表3 各省、市、自治区2003-2012年Malmquist生态效率指数均值

注：广东省历年EFFCH、TECHCH和MEF均出现与表2同样的情况，故东部地区三类指标计算时将广东省剔除。

三 影响区域生态效率差异的因素分析

(一) 计量模型的设定

本部分主要考察对外贸易开放度和环境规制对中国区域生态效率(ecoeff)、环境效率(enveff)、资源效率(reseff)和Malmquist生态效率指数(MEF)的影响，由于生态效率值介于0与1之间，本文采用面板数据Tobit模型来检验这一影响。模型构建如下：

(9)

(10)

其中i表示省份，t表示时间。gdppc代表人均GDP，用以衡量经济发展水平；k/l代表资本劳动比，用以衡量要素禀赋结构；gyh代表第二产业占GDP的比重，用以衡量产业结构；energy代表煤炭使用量占总能源消耗的比重，用以衡量能源结构的变化；trade代表进出口贸易占GDP比重，用以衡量对外贸易开放度；ERS-water、ERS-gas和ERS-solid分别代表对废水、废气和固体废弃物的环境规制强度。

(二) 变量选择

与前文保持一致，本部分选取2002-2012年30个省、市、自治区的面板数据，原始数据均来自历年《中国统计年鉴》、《中国环境统计年鉴》和《中国能源统计年鉴》。相关变量的具体说明如下：

1.环境规制强度。选取主要污染物指标二氧化硫排放量、烟尘排放量、粉尘排放量、废水排放量和固体废弃物排放量，对各污染数据进行线性标准化，然后计算出各指标的调整系数，即各地区每年的平均权重，再通过标准化值和平均权重分别得出废水、废气及固体废弃物的环境规制强度(ERS-water、ERS-gas、ERS-solid)。

2.对外贸易(lntrade)。选取对外贸易进出口总额在GDP中占比的对数来衡量各地区对外贸易开放水平。

3.控制变量。选用人均GDP的对数(lngdppc)以及人均GDP对数的二次方(ln2gdppc)表示各省、市、自治区经济发展水平；选择资本-劳动比的对数ln(k/l)、第二产业占GDP份额的对数lngyh和能源结构中煤炭使用量在总能源消耗量中占比的对数lnenergy表示各省、市、自治区能源结构因素的不同。

(三)实证结果及分析

1.整体分析

表4给出了全国范围的估计结果，LR检验显示模型存在个体效应，需要使用随机效应的面板Tobit回归。对外贸易对生态效率(ecoeff)、资源效率(reseff)与Malmquist生态效率指数(MEF)有显著促进作用，与环境效率呈正相关关系，但并未通过显著性检验。对外贸易对生态效率与资源效率的影响相差不大，影响系数分别为0.063和0.077，对Malmquist生态效率指数的影响系数为0.096，主要是因为通过对外贸易可以进口先进技术从而刺激整体经济的技术进步。而Malmquist生态效率指数的进步主要是因为技术效率的改进，但随着贸易自由化的不断扩大，技术差异程度越来越小使技术进步的增速下降，因此对其影响也在逐渐放缓。

对环境规制而言，本文通过线性标准化各项污染指标得出各地区废水规制强度(ERS-water)、废气规制强度(ERS-gas)和固体废弃物规制强度(ERS-solid)，三种规制对生态效率、资源效率、环境效率和Malmquist生态效率指数的影响存在差异。废水规制(ERS-water)对以上四项效率指标均无统计相关性。虽然政府长期以来明令限制废水排放，但研究结果显示政策并未收到成效，可能由于在排污权交易制度下企业愿意付费排污，也可能源于对废水排放的监控不力。废气规制强度(ERS-gas)与资源效率和环境效率有显著正相关关系，废气规制水平每提高1%，资源效率和环境效率相应提高0.088%和0.043%。这一结果支持了“波特假说”，废气管制使企业治理废气污染的成本增加，从而引进或研发先进的清洁生产技术以减排废气，进一步提升竞争力且达到环境目标。固体废弃物规制强度(ERS-solid)对四项效率指标均没有显著相关关系。由表4可以看出，三种环境规制对生态效率的影响不大，对资源效率和环境效率影响较大，所以要考虑如何让环境规制激励企业生产率提升而非削弱其生产率。根据理论分析，当环境规制提高到合理强度时，由环境规制引发的创新效应、竞争效应会大于规制成本。因此，强化环境规制能够提高企业生产率，促进企业优胜劣汰机制的形成，从而有助于区域生态效率的提升。

控制变量方面，人均GDP对生态效率、资源效率和环境效率的影响均符合“环境库兹涅茨曲线”假说。结构因素中，资本-劳动比(k/l)仅对资源效率有显著的正作用，资本-劳动比的上升意味着该地区经济结构从劳动密集型向资本密集型调整，通过资本相对积累促进生产模式革新，从而提升整个地区的资源利用效率；产业结构(gyh)对生态效率的影响显著为负，由于目前中国工业正处于大范围的产业结构调整时期，其技术水平、内部结构体系和运行流程并不成熟；能源结构(energy)的变化对生态效率和资源效率没有显著影响，可能是因为当前中国能源消耗仍然是以排放系数较高的能源为主，替代性清洁能源的使用并未形成规模。但能源结构变动对环境效率有显著的负向影响，主要原因是：我国能源消耗结构仍以煤炭为主，煤炭消耗的微小上升都会使环境效率减小。

表4 整体估计结果

注： *、**和***分别表示在10%、5%和1%的水平上统计显著；LR检验中括号内为P值。

2.分区域分析

由于中国各省、市、自治区发展水平、人口结构、产业结构和环境规制强度等均有较大差别，本文进一步把30个省、市、自治区分成东部、中部和西部三个地区分别进行实证检验，结果见表5*注：东部与中部对MEF的回归由于未能通过LR检验，故使用混合Tobit回归方法。。由表5可以看出，对外贸易对东部地区和中部地区有一定的正向促进作用，对西部地区影响不大，主要是因为东部地区和中部地区的发展水平和经济开放度较高，能够引进更多国外先进技术和知识，促进生态效率的改善。而西部地区发展较为落后且贸易开放度较低，技术和管理水平也比较落后，因此生态效率的改进较为困难。环境规制对东部、中部和西部地区的影响不同，东部地区发展水平快，技术水平也较先进，生态效率基础水平较高，因此仅有废水排放规制起到作用。而中部和西部地区受环境规制影响较大，废气排放规制强度越大，生态效率越高，说明气体污染管制在一定时期内仍然有效，同时也可证明中部与西部地区的生态效率仍具备改进空间。

经济发展水平(gdppc)因素中，三个区域的生态效率均支持“环境库兹涅茨曲线”假说，即在经济发展过程中，随着人均GDP的提高，环境状况先是恶化而后得到逐步改善。结构因素中，东部和中部地区生态效率对结构变化较敏感，东部地区可能受“新常态”经济发展趋势下产业间结构调整的影响，中部地区则主要是由于承接东部产业转移，产业结构变动较大，对生态效率影响较大，因此应该致力于优化中部地区的产业结构和能源结构，以使生态效率不断改进。

表5 分区域估计结果

注：*、**和***分别表示在10%、5%和1%的水平上统计显著；LR检验中括号内为P值。

四 结论与政策建议

本文把废水、SO2排放量、CO2排放量和固体废弃物排放量作为“非合意”产出纳入BCC-SE-DEA模型中测算中国30个省、市、自治区的区域生态效率，并用Malmquist指数来衡量中国30个省、市、自治区2002-2012年生态效率的动态变化情况，最后运用Tobit模型分析对外贸易和环境规制因素对区域生态效率的影响。得到结论如下：

(1)BCC-DEA模型测算结果表明，中国各省市生态效率总体呈现“东高西低”的格局，东部的北京、天津、上海、海南的生态效率均在1.1以上，而西部的内蒙古、贵州、云南、陕西的生态效率则在0.5以下。主要是因为东部地区良好的经济基础与技术支撑为环境保护提供了支持，而西部地区工业化阶段尚处于成长期，资金与技术仍主要用于发展生产，环境保护环节相对薄弱。资源效率和环境效率也遵循同样规律，东部最高，其中最为突出的是北京、上海和海南，说明这些地区资源得到充分利用，且产生的环境负面影响较小，环境效率较高；西部的青海和宁夏资源利用率较高，但由于资源开采带来的环境问题仍较严重，表现为环境效率低下；中部地区虽处于中间位置，但仍需兼顾资源利用与环境保护问题。

(2)Malmquist指数及其分解项表明，中国生态效率整体上逐步改善，但各区域生态效率改善程度存在差异，其中一个重要原因是，生态效率改善来自于技术进步，而中西部地区在技术进步速度方面还不稳定。

(3)就全国样本而言，对外贸易对生态效率(ecoeff)、资源效率(reseff)与Malmquist生态效率指数(MEF)有显著促进作用，对外贸易与环境效率呈正相关关系，但是并未通过显著性检验。废水规制强度(ERS-water)、废气规制强度(ERS-gas)和固体废弃物规制强度(ERS-solid)对生态效率、资源效率、环境效率和Malmquist生态效率指数的影响存在差异。废水规制强度(ERS-water)与四项效率指标均呈负相关关系，但对Malmquist生态效率指数并未通过显著性检验。废气规制强度(ERS-gas)对资源效率和环境效率有显著正向影响，固体废弃物规制强度(ERS-solid)与四项效率指标均没有显著相关关系。

(4)区域分组研究中，对外贸易的增长对东部地区和中部地区的生态效率有正向影响，而对西部地区生态效率的影响不显著。废水和废气规制对东部地区生态效率有负向影响，但并不显著，而固体废弃物规制对东部地区生态效率有显著促进作用。三废规制对中部地区生态效率影响显著，但作用不同。废气规制对西部地区生态效率有显著负作用，因而不支持“波特假说”。由于各地区经济水平、要素禀赋结构和产业结构不同，对外贸易和环境规制对各区域的影响也有较大差异。

综上，本文提出以下政策建议：

(1)中国分区域生态效率差异明显，东部地区整体生态效率水平较高，西部地区较低。由于区域生态效率不均衡，应推进主体功能区政策以考虑区域之间的合作，将生态效率评价纳入到各级政府的考核目标之中。

(2)技术进步仍然是改善生态效率的主要途径，可以加大研发投入以改进技术并形成自主创新能力，使资源和能源得到充分利用。

(3)对外贸易能促进生态效率的改善，因此，可以放宽贸易开放政策，同时严格控制进出口贸易质量，刺激对外贸易的良性增长，达到进一步改善生态环境的目的。

(4)通过强化环境规制来倒逼企业提升生态效率，思考如何让环境规制激励企业生产率提升而非削弱其生产率。现阶段不宜“一刀切”地强化环境规制水平，对发达地区有竞争优势的行业，环境规制程度应逐步提高，这样更有利于激励企业形成稳固的国际竞争力。并从中遴选环保领跑者，纳入中长期规划予以强力支持。

(5)产业结构对生态效率有显著影响。通过结构调整、技术进步和管理水平提高等方式，实现增长方式转变，推进绿色产业发展。

[1]Schaltegger, S., Sturm A.. Ökologische Rationalität: Ansatzpunkte zur Ausgestaltung von Ökologieorientierten Managementinstrumenten[J].DieUnternehmung, 1990, 44(4): 273-290.

[2] Hopwood, B., Mellor, M., O’ Brien, G.. Sustainable Development: Mapping Different Approaches[J].SustainableDevelopment, 2005, 13(1): 38-52.

[3] Färe, R., Grosskopf, S., Lovell, C. A. K., et al.. Multilateral Productivity Comparisons When Some Outputs are Undesirable: A Nonparametric Approach[J].TheReviewofEconomicsandStatistics, 1989, 71(1): 90-98.

[4] Korhonen, P., Syrjänen, M.. Resource Allocation Based on Efficiency Analysis[J].ManagementScience, 2004, 50(8): 1134-1144.

[5] Zhang, B., Bi, J., Fan, Z., et al.. Eco-efficiency Analysis of Industrial System in China: A Data Envelopment Analysis Approach[J].EcologicalEconomics, 2008, 68(1): 306-316.

[6] Liu, Y., Sun, C., Xu, S.. Eco-efficiency Assessment of Water Systems in China[J].WaterResourcesManagement, 2013, 27(14): 4927-4939.

[7] 刘巍, 田金平, 李星等. 基于DEA的中国综合类生态工业园生态效率评价方法研究[J].中国人口·资源与环境, 2012, 22(5): 93-97.

[8] 初善冰, 黄安平. 外商直接投资对区域生态效率的影响: 基于中国省际面板数据的检验[J]. 国际贸易问题, 2012, (11): 128-144.

[9] 李胜兰, 初善冰, 申晨. 地方政府竞争、 环境规制与区域生态效率[J]. 世界经济, 2014, (4): 88-110.

[10] 史丹, 王俊杰. 基于生态足迹的中国生态压力与生态效率测度与评价[J]. 中国工业经济, 2016, (5): 5-21.

[11] Charnes, A., Cooper, W. W., Rhodes, E.. Measuring the Efficiency of Decision Making Units[J].EuropeanJournalofOperationalResearch, 1978, 2(6): 429-444.

[12] Banker, R. D., Gifford, J. L.. Relative Efficiency Analysis[R]. Working Paper, School of Urban and Public Affairs. Pittsburgh: Carnegie-Mellon University, 1985.

[13] Anderson, P., Peterson, N. C.. A Procedure for Ranking Efficient Unit in Data Envelopment Analysis[J].ManagementScience, 1993, 39(10): 1261-1264.

[14] 郭露, 徐诗倩. 基于超效率DEA的工业生态效率——以中部六省2003-2013年数据为例[J]. 经济地理, 2016, (6): 116-121.

[15] 牛冲槐, 曹海曼. 中部六省高技术产业研发创新的相对效率分析——基于超效率DEA方法[J]. 工业技术经济, 2015, (2): 111-116.

[16] Zhou, P., Poh, K. L., Ang, B. W.. A Non-radial DEA Approach to Measuring Environmental Performance[J].EuropeanJournalofOperationalResearch, 2007, 178(1): 1-9.

[17] Zhou, P., Ang, B. W., Poh, K. L.. Measuring Environmental Performance Under Different Environmental DEA Technologies[J].EnergyEconomics, 2008, 30(1): 1-14.

[18] Korhonen, P. J., Luptacik, M.. Eco-efficiency Analysis of Power Plants: An Extension of Data Envelopment Analysis[J].EuropeanJournalofOperationalResearch, 2004, 154(2): 437-446.

[19] 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， (7)： 1197-1202.

[引用方式]傅京燕, 原宗琳, 曾翩. 中国区域生态效率的测度及其影响因素分析[J]. 产经评论, 2016, 7(6): 85-97.

Research on Regional Ecological Efficiency in China: Measurement and Determinants

/2

Under the green development, it is necessary to measure and evaluate China’s regional eco-efficiency. This paper uses Super-Efficiency-DEA model which goes under the structure of BCC to calculate the regional eco-efficiency in 30 provinces in China from year 2002 to 2012. By using the Malmquist Index decomposition analysis, this paper further analyzes the factors that contribute to the changes. In the end, the Panel Nonlinear Tobit model is used to empirically analysis the influence from international trade and environmental regulation to the ecological efficiency. The main conclusions are: the regional ecological efficiency in China is high in the east and low in the west, and the regional ecological efficiency is gradually weakening. The Malmquist Index decomposition analysis reveals that technological progress is the main reason that improves ecological efficiency, but technology efficiency keeps weakening. International trade significantly promotes the growth of ecological efficiency, environmental regulation has impact on the ecological efficiency, but not significantly. The impact of foreign trade and environmental regulation for each region is different, the east and the middle of China received a more significant effect than the west, so strengthening environmental regulation can improve enterprise productivity, help to premote the formation of the mechanism of survival of the fittest, thus being helpful for the improvement of the ecological efficiency.

ecological efficiency; international trade; environmental regulation; Super-efficiency DEA

2016-08-31

国家社科基金重大项目“我国重点生态功能区市场化生态补偿机制研究”(项目编号：15ZDA054，项目主持人：张捷)。

傅京燕，经济学博士，暨南大学经济学院、暨南大学资源环境与可持续发展研究所教授、博士生导师，研究方向：环境经济政策；原宗琳，暨南大学经济学院博士研究生，研究方向：环境经济政策；曾翩，暨南大学经济学院硕士研究生，研究方向：环境经济政策。

F205

A

1674-8298(2016)06-0085-13

[责任编辑：陈 林]

10.14007/j.cnki.cjpl.2016.06.008