产业系统经济与生态经济动态变化分析<br/>——基于动态因子分析模型

产业系统经济与生态经济动态变化分析
——基于动态因子分析模型

2017-06-19清福华

郑州航空工业管理学院学报 2017年2期

关键词：泛珠三角农用使用量

清福华

(湖南科技大学商学院，湖南湘潭 411201)

产业系统经济与生态经济动态变化分析
——基于动态因子分析模型

清福华

(湖南科技大学商学院，湖南湘潭 411201)

随着经济的持续增长，资源损耗加速，环境污染日益严重，经济发展方式的转变已经迫在眉睫。在综合众多学者研究成果的基础上以科学、简明、实用的原则构建产业系统经济与生态经济的指标体系，利用“泛珠三角”以及“环渤海”两个省域2005年至2014年的面板统计数据，并联合动态因子分析模型，实证分析 21 世纪以来“泛珠三角”以及“环渤海”的地区生态经济与产业经济的动态发展趋势。基于最后动态因子模型的因子得分将“泛珠三角”以及“环渤海”的地区生态经济与产业经济的协调发展进行排名，得出两地区的最优发展省份，为其他省份生态经济与产业经济的协同发展提供借鉴。

产业系统经济；生态经济；动态因子模型

一、引言

持续粗放型的经济将导致资源浪费和环境污染，而资源浪费和环境污染又反过来制约着经济的快速增长。据统计，2015年我国共出现了11次大规模、连续性的霾过程，涉及地区包括华北、山东、河南等地，这11次大规模的霾过程具有强度大、规模广、强浓雾与严重霾混杂、能见度接连偏低、影响程度大等特征[1]。随着我国工业化进程的快速发展，经济发展与资源匮乏的矛盾逐渐变得更加突出，如何处理这一矛盾已成为我国政府和学术界高度重视的重大课题。改革开放以来我国经济持续增长，与此同时也带来了资源的加速消耗和环境的严重污染，经济发展方式的转变已经迫在眉睫。产业经济作为经济的重要组成部分，要求从单纯追求 GDP 增长转向增长、结构、质量的合理化、高级化发展，实现经济增长与生态环境的协调发展。生态经济作为我国当期可持续经济发展的重中之重，需要从单纯保护环境，转向产业经济与生态经济循环发展，最终实现生态经济与产业经济的协调发展。基于此，如何实现产业经济和生态经济的协同发展成为当前中国急需解决的问题。近年来，国内外学术界围绕经济与生态环境的协调发展问题进行了大量的理论性和经验性分析。国外学者Ma Li等将区域系统分为经济发展子系统和环境污染子系统，计算出中国350个县的协调发展状况[2]；Chow 和 Li Jie利用1992年至2004年面板数据对132个国家进行T-test检验，验证了Ekc的存在[3]。国内学者杨士弘(1994)以 1985年至1990 年广东省的数据对广东的环境与经济协调循环发展的预测及治理进行了深入的探讨[4],廖重斌(1999)选取 24 个变量指标对 1994 年的珠三角城市群的环境与经济的协调状况进行了探讨研究[5]；李艳、曾珍香(2003)利用A市 1990年至1999 年的数据对该市的静态协调度和动态协调度进行了评价[6]；赵芳(2009)对中国 3E 系统 2000年至2007年的协调发展程度进行了测度与评价[7]；史亚琪(2010)等选取了 25 个独立指标，建立了经济与环境复合生态系统和谐循环发展的评价指标体系，测算了连云港1996年至2007 年经济与环境复合生态系统的综合发展指数[8]；傅珊(2013)利用协整检验和因果检验对局部机制进行了研究[9]。

研究经济与生态的协同发展的方法有Ekc模型法、投入产出法、因果检验计量方法以及协整检验法等。这些方法为经济与生态的协调性研究提供了启示和借鉴，但尚存在一些问题和不足。本文认为这些方法有两点不足：第一，评价体系有待完善，很多评价方法的经济指标和环境指标相对独立，体现不出经济与生态的动态协同关系；第二，评价方法单一，缺乏通用性。基于此，本文在综合众多学者的基础上以科学、简明、实用为原则构建产业系统经济与生态经济的指标体系，利用“泛珠三角”和“环渤海”14个省域2005年至2014年的面板统计数据，结合动态因子模型，实证分析 21 世纪以来“泛珠三角”以及“环渤海”的地区生态经济与产业经济的动态发展趋势，并基于最后动态因子模型的因子得分将“泛珠三角”以及“环渤海”的地区生态经济与产业经济的协调发展进行排名，得出两地区的最优发展省份，为其他省份的生态经济与产业经济的协调发展提供借鉴。最终希望通过本文的研究能够为各级政府制定产业政策提供理论依据，为企业投资战略选择提供重要的决策参考。

二、指标体系构建、数据来源以及计量模型的创设

(一)指标体系的建立以及数据来源

产业系统是以经济和生态变量为表征、由不同产业构成的复合体。以往的对产业经济学研究的重点均放在产业经济子系统上，对产业系统学研究的重点放在了产业生态子系统上，而事实上，产业经济子系统和产业生态子系统在产业系统内部的自组织和来自外界的调节管理活动(即他组织)作用下相互影响、相互制约、相互协调，在无序与有序、低序与高序之间不断发生状态转换[10]。基于本文的研究目的，笔者建立了产业系统经济与生态经济的指标体系，如表1所示。基于数据的可获得性以及指标选取的合理性，本文主要选取了10个指标对产业生态经济与生态经济的协同发展进行衡量。

表1 产业系统经济与生态经济的指标体系

注：本文所使用数据分别来源于《中国统计年鉴》(2006～2015)，《中国环境统计年鉴》(2006～2015)以及《中国工业统计年鉴》(2006～2015).

(二)计量模型构建

经典因子模型提出后，成为很多学科的统计工具，但其在经济领域的研究中却并不常见，主要是因为经典因子分析主要处理的是截面数据，而宏观计量经济学的主要研究对象为时间序列数据。Geweke(1977)和Sargent与Sims(1977)首先在经济学领域研究中提出用面板数据进行因子分析，即提出了动态因子模型(Dynamic Factor Model)，动态因子模型是在时间序列数据上的扩展。其基本思想是：经济周期的波动是通过一系列含有经济变量的活动来传播和扩散的，任何一个经济活动中经济变量的波动都不足以表示整个宏观经济的波动情况[11][12]。

传统的因子模型主要形式为Xit=λ'iFt+eit，其主要表示数据间的所有相关性都归因于共同因子。

动态因子分析的目的在于尽量保留较少的共同趋势或经济变量，以达到用较少的趋势或变量来合理地衡量 N个指标t时间内的类似变化的特征或规律[13][14]。具体来说，在对应时间t(t=1，…，T)的第 i(i=1，…，N)个指标的观察变量为Xit，可以将Xit写成向量形式 Xit=(X1t，…，XNt)′，基于此动态因子模型的数学表达形态为：

Xt=ГxxFt+et，e～N(0，∑xx)，t=1，…，T

(1)

(1)式中Гxx，表示为有着不变系数的 N×r 的因子载荷矩阵，Ft表示由 r 个共同趋势变量构成的 r 维向量，et为正态分布的随机扰动向量即白噪声。 Ft表示r个动态因子,可以写成 Ft=Zxɑxt的形式[14]。 Zx为固定效用选择矩阵，矩阵向量 ɑxt可以由一个动态线性组合模式进行表示[14]。基于此原理，本文将动态因子分析模型转化为空间向量的表示形式，其具体表达式为：

(2)

(2)式中Λxx=ГxxZx表示为状态效用载荷矩阵，Txx表示为转移效用矩阵，Rxx表示为选择效用矩阵，ηt为随机扰动向量，对于任意的 t 和 s(t≠s)，都有ηt中的每一个变量都与 exs彼此相互独立[14]。系统效用矩阵Λxx，Txx，Rxx，∑xx和∑η都是固定不变的，并且它们所包含的变量均部分依赖于未知的因素。传统的或所谓的经典的因子分析方法并不合适研究具有多个研究对象的面板数据(panel data)[14]。基于经典因子分析的不足，本文利用Federici 和 Mazzitelli[13]描述的动态因子分析方法对“泛珠三角”以及“环渤海”14个省域生态经济与产业经济进行研究分析。

令 X(I，J，T)={Xijt}(i=1，…，14；j=1，…，10；t=1，…，10)，其中i表示研究对象主体，j表示本文所选择的解释变量，t表示时间。X(I，J，T)={Xijt}的方差协方差矩阵，可以表示为：S=*SI+*ST+SIT

(3)

(3) 式中*SI为每个观测对象主体的静态效用结构矩阵，其含义为不考虑时间因素变化的关系结构，实质上*SI等于每个观测对象主体固定时间不变的方差和协方差的平均动态效用矩阵[14]。*ST表示整个动态因子系统的平均动态效用矩阵，其反映的是考虑时间维度因素而非固定观测对象主体的所有主体的平均动态效用结构，即*ST为时间方面的方差和协方差矩平均动态效用矩阵；SIT表示每一个观测对象主体的不同时间动态效用矩阵，其反映的是既考虑观测主体因素又考虑时间变化因素的平均动态的特殊变化，即SIT等于考虑了主体和时间两因素之间动态变化的方差和协方差效用矩阵[14]。

依据以上的理论探讨分析可以将各个元素写成四个不同的成分之和:

(4)

在实际操作时，可以将(3)式写成式(5)，即：

S=(*ST+SIT+SIT)+*ST=ST+*ST

(5)

(5)式中ST表示时间和变量间的平均分散矩阵，可以通过PCA实现。*ST随时间变化而变化，其可以通过式(6)线性方程实现：

(6)

(6)式中的ejt满足[13][14]：

(7)

三、实证分析

本文运用上文介绍的动态因子模型，在总结以往学者对产业经济与生态经济指标体系设计的基础上，本着全面性、科学性、可比性和可操作性的原则，从产业经济与生态经济两个方面建立指标体系，选取10个指标对我国“泛珠三角”以及“环渤海”的省域产业经济与生态经济进行评估[14]。所选取的指标分别为x1第三产业/GDP、x2废水排放总量(万吨)、x3二氧化硫排放量(吨)、x4工业污染治理完成投资(万元)、x5能源消费总量(万吨标准煤)、x6垃圾清运量(万吨)、x7农用化肥施用折纯量(万吨)、x8农药使用量(万吨)、x9农用柴油使用量(万吨)以及x10农用塑料薄膜使用量(吨)。时间跨度为 2005～2014年共十年。因此本文共有140个观察变量(10*14)。

(一)提取公因子

根据式(5)利用Stata12.0对数据进行分析运算，首先，将各个观察变量进行标准化，形成标准化矩阵，计算得出ST矩阵，ST矩阵的具体结果如下所示。

然后，将数据的特征根计算出来，得出各个变量的特征根、方差贡献率以及累计贡献率，据此选取动态因子。其计算结果如表2所示。

表2 特征根以及累计贡献率

最后，提取动态公因子。由表2可知，若依据特征大于1来提取公因子，则可以提取7个公因子，若依据累计贡献率大于85%来提取公因子，则只能提取3个公因子。基于本文的数据变量的选取特点，本文拟选取累计贡献率大于90%的因子为公因子，因此选取了4个动态公因子。其中，x3二氧化硫排放量(吨)、x5能源消费总量(万吨标准煤)、x7农用化肥施用折纯量(万吨)以及x8农药使用量(万吨)在F1上的载荷较大，可以将 F1 命名为生态污染因子；x2废水排放总量(万吨)以及x6垃圾清运量(万吨)在F2上的载荷较大，可以将F2命名为废水量—垃圾量因子；x1第三产业/GDP在F3上载荷较大，可以将F3命名为产业经济因子；x4工业污染治理完成投资(万元)、x9农用柴油使用量(万吨)以及x10农用塑料薄膜使用量(吨)在F4上的载荷较大，可以将 F4 命名为污染治理—农用柴油薄膜因子。

(二)各个地区得分的计算

利用stata12.0计算出各个地区的因子得分，其结果如表3所示。

表3 各地区因子得分以及排名

本文以4、1和-3为产业经济与生态经济得分的门槛值，可以将“泛珠三角”以及“环渤海”的省域产业经济与生态经济得分划为一级、二级、三级以及四级，根据表3可以将14个省份进行分类，其分类结果如表4所示。

表4 产业经济与生态经济得分分类

从表4可以看出，产业经济与生态经济得分较高的主要是第一级和第二级中的山东、广东、河北、北京以及湖南，而辽宁、福建、四川、广西、江西、云南、贵州、海南以及天津9个省份综合得分都是0以下，表明这九个省的产业经济与生态经济发展不协调。在14个省份中山东在F3(产业经济因子)中得分最高，北京在F1 (生态污染因子)中得分最高，广东省F2(废水量—垃圾量因子)中得分最高，河北在F4 (污染治理—农用柴油薄膜因子)中得分最高。该结果比较符合当前的经济现状，尤其北京生态污染因子得分高充分表明了北京当前较为糟糕的天气状况；广东省在废水量—垃圾量因子中得分高主要由广东是世界大工厂的现状所决定；而山东在产业经济因子中得分高与其近年来经济的快速发展分不开，河北在污染治理—农用柴油薄膜因子中得分高表明河北省近年来在环境污染治理方面投资较大。

根据上述的因子得分，由stata12.0绘出14个省份的静态结构图，见图1。

图1 “泛珠三角”以及“环渤海”14个省域的静态结构图

(三)变量趋势的轨迹图

通过stata12.0软件，本文得出“泛珠三角”以及“环渤海”14个省域变量趋势的轨迹图，其具体结果如图2所示。

图2 “泛珠三角”以及“环渤海”14个省域的变量趋势图

从图2可以看出,广东、河北和山东三个省份在2005～2014年相对于第一主成分而言有较高的价值，而海南、北京以及天津三个省份在2005～2014年相对于第一主成分而言价值最低。图2与图1的结果相吻合具有一定的参考意义。

(四)单一变量的均值与时间的回归

根据式(5)以及式(6)可知，*ST可以依据Xijt=aj+bjt+ejt(j=1,…,J,t=1,…,T)计算得出，因此利用stata12.0软件得出每一变量的均值与实践的回归函数，其结果如表5所示。

表5 单一变量的均值与时间的回归结果

注：* p<.1; ** p<.05; *** p<.01 H0: no serial correlation.

由表5可知，x1第三产业/GDP、x2废水排放总量(万吨)、x3二氧化硫排放量(吨)、x5能源消费总量(万吨标准煤)、x6垃圾清运量(万吨)、x7农用化肥施用折纯量(万吨)、x8农药使用量(万吨)以及x10农用塑料薄膜使用量(吨)与时间的回归函数显著，且各个常数在5%置信水平下都是显著的，即第三产业/GDP、废水排放总量(万吨)、二氧化硫排放量(吨)、x5能源消费总量(万吨标准煤)、垃圾清运量(万吨)、农用化肥施用折纯量(万吨)、农药使用量(万吨)以及农用塑料薄膜使用量与时间t存在显著的线性关系；相反x9农用柴油使用量(万吨)以及x4工业污染治理完成投资(万元)与时间不显著，没有明显的线性关系。

具体来看，x1第三产业/GDP、x2废水排放总量(万吨)、x4工业污染治理完成投资(万元)、x5能源消费总量(万吨标准煤)、x6垃圾清运量(万吨)、x7农用化肥施用折纯量(万吨)、x8农药使用量(万吨)以及x10农用塑料薄膜使用量(吨)具有时间的负向效应，即随着时间的增加变量反而越来越小。这和各个省份更加重视生态环境的建设有着直接的联系。然而产业经济指标(x1)以及工业污染治理完成投资x8(尽管变量不显著)具有负向效应，则体现“泛珠三角”以及“环渤海”14个省域产业生态经济的构建并不十分合理，需要进行一定的改进，出现这种情况也可能与此回归是将14个省份10年的变量数据进行平均然后与时间t进行回归，所以可能会有一定的回归偏误(各个省份的差距较大，异质性较为明显)。x3二氧化硫排放量(吨)以及x9农用柴油使用量(万吨)(变量不显著)具有时间的正向效应，即随着时间的增加变量也随着增加，这两个指标充分反映了当前工业的快速发展以及废弃排放的治理不及时等问题，也说明随着科学技术的快速发展，农村农业机械化的发展迅速，这两个指标符合当前经济的发展现状。

最后，利用统计软件并结合ST矩阵，计算得出IT矩阵。结果显示IT矩阵均为1。这很可能是本文的动态因子模型所选择的区域、变量或是时间都较小。但是从总体上来看本文所选取的省域、变量或是时间都是符合动态因子模型的设定的，都能较好地满足模型的要求，为所要解释的经济现象提供有益的解释。

四、结论以及建议

通过上文对产业系统经济与生态经济的动态因子分析研究，得出以下结论：(1)本文依据特征大于1以及累计贡献率大于90%来提取公因子的原则，利用动态因子模型提取了4个动态公因子。动态公因子分别为F1生态污染因子,F2废水量—垃圾量因子，F3产业经济因子以及F4污染治理—农用柴油薄膜因子。(2)利用动态因子模型中的因子得分模型计算出14个地区的综合因子得分并对14个地区进行排名，通过各地区综合因子得分，本文将14个省域划分为四个等级，第一等级为山东、广东、河北；第二等级为北京、湖南；第三等级为辽宁、福建、四川、广西、江西；第四等级为云南、贵州、海南、天津。(3)通过变量趋势的轨迹图，可知广东、河北和山东三个省份在2005～2014年相对于第一主成分而言具有较高的价值，而海南、北京以及天津三个省份在2005～2014年相对于第一主成分而言具有较低的价值。(4)通过单一变量的均值与时间的回归可知：第一，产业经济指标、废水排放总量、二氧化硫排放量、能源消费总量、垃圾清运量、农用化肥施用折纯量、农药使用量以及农用塑料薄膜使用量与时间t存在显著的线性关系，而农用柴油使用量以及工业污染治理完成投资与时间t没有显著的线性关系；第二，产业经济指标、废水排放总量、工业污染治理完成投资、能源消费总量、垃圾清运量、农用化肥施用折纯量、农药使用量以及农用塑料薄膜使用量具有时间的负向效应，即随着时间的增加变量反而越来越小，其中产业经济指标以及工业污染治理完成投资(变量不显著)具有负向效应，体现了“泛珠三角”以及“环渤海”14个省域产业生态经济的构建十分不合理，需要进行一定的调整与改进；第三，二氧化硫排放量以及农用柴油使用量(变量不显著)具有时间的正向效应，这两个指标充分反映了当前工业快速发展情况下工业废气排放治理不及时、不合理等问题以及随着科学技术的快速发展，农村农业机械化程度迅速提高的现状。

生态经济的本质即为将经济发展建立在生态环境可承受的范围之内，实现经济发展和生态环境的“共赢”，构建经济、社会、自然三个系统的可持续经济循环复合体系。依据本文的研究结论，可以提出如下建议：(1)“泛珠三角”以及“环渤海”14个省域产业生态经济的构建并不合理，政府需要进行一定的改进，努力促进产业经济与生态经济的协调发展。(2)工业虽快速发展但工业废气排放治理不及时、不合理等问题仍然十分突出，需要各个地区更加重视，增加对废弃排放治理的投资。(3)在全国范围进行改善，即由某些在产业经济与生态经济的协调发展中有较好成绩的省份，总结经验，努力形成一套较为完善的产业经济与生态经济的循环发展模式，以供其他省份进行学习、借鉴。(4)各地区政府应该坚持依法治国，依据相关的法律法规对环境污染等问题进行治理，加强制度建设，强化环保问责的力度，逐步建立健全环保问责制度，逐渐形成完善的经济发展与环境保护的相关法律法规以及制度。(5)各个公民应该强化自身的环境保护意识，主动地监督政府、企业和其他人，并自觉地约束自己行为，努力为经济发展与环境保护贡献自己的一份力量。(6) 逐步形成依靠金融支持等因素促进技术创新最终实现产业结构合理化以及高级化的循环体系，逐步提高资源的利用效率，逐渐形成以市场为导向政府为辅助的宏观环境，为产业经济与生态经济的优化发展提供良好的宏观环境。(7)云南、贵州等贫困省域必须紧跟国家与全社会前进的步调，及时准确把握“一带一路”和西部大开发等战略机会，最终达到产业系统经济与生态经济的良性互动的状态[15]。(8)发挥区域资源优势，真正做到因地制宜、因省制宜，走具有区域特色的产业化、规模化、集约化和生态化的发展道路，通过理念、技术、市场、制度、管理等全方位创新，加快各区域产业结构转型升级。

[1]2015年全国雾霾天数统计，遇到雾霾天气该怎么办？[EB/OL].http://www.zyjjqxw.com/chuhe/4842.html.

[2]Ma Li,Jin Fengjun,Song Zhouying,et al.Spatial coupling analysis of regional economic development and environmental pollution in China[J].Journal of Geographical Sciences,2013,23(3):525-537.

[3]Chow GC,Li Jie.Environmental Kuznets curve：conclusive econometric evidence for CO2[J].Journal of Geographical Sciences,2014,19(1):1-7.

[4]杨士弘.广州城市环境与经济协调发展预测及调控研究[J].地理科学,1994,(5):136-143.

[5]廖重斌.环境与经济协调发展的定量评判及其分类体系——以珠江三角洲城市群为例[J].热带地理,1999,(6):171-177.

[6]李艳，曾珍香.经济——环境系统协调发展评价方法研究及应用[J].系统工程理论与实践,2003,(5):54-58.

[7]赵芳.中国能源—经济—环境(3E)协调发展状态的实证研究[J].经济学家,2009,(12):35-41.

[8]史亚琪，朱晓东.区域经济—环境复合生态系统协调发展动态评价——以连云港为例[J].生态学报,2010,(15):4119-4128.

[9]傅珊.能源、经济与环境驱动关系的统计研究[D].长沙:湖南大学,2013.

[10]赵玉林,叶翠红.中国产业系统经济与生态协同演化的实证分析[J].山西财经大学学报,2013,35(6):49-59.

[11]高华川,张晓峒.动态因子模型及其应用研究综述[J].统计研究,2015,32(12):101-109.

[12]白仲林,汪玲玲.两类DSGE模型的动态因子模型表示[J].数量经济技术经济研究,2014,(6):117-130.

[13]FedericiA Mazzitelli A.Dynamic Factory Analysis with STATA[M].2nd Itlian Stata Users Crop meeting Milano,2005:1-13.

[14]李小帆,罗腾飞,刘欢.我国省域投资环境竞争力动态变化分析——基于动态因子分析模型[J].宁夏大学学报,2015,37(5):163-171.