杨桐彬 ，朱英明 ，王 念 ，周 波

（1.南京理工大学 a.经济管理学院；b.江苏产业集群研究基地，江苏 南京 210094；2.南京航空航天大学 经济与管理学院，江苏 南京 211106）

一、引言及文献综述

长三角地区三省一市（江苏、浙江、安徽、上海）经济社会发展成效显著，经济总量占到全国近1/4，是中国经济最具活力、开放程度最高、创新能力最强的地区之一。但是，长期粗放式的经济增长方式使长三角地区付出了巨大的资源与环境代价（毕军等，2009）［1］。2019年12月《长江三角洲区域一体化发展规划纲要》正式印发，其中强调三省一市要围绕“生态环境”等重点领域展开合作，生态环境一体化发展将是未来长三角区域一体化进程中的重要维度。因此，提升长三角地区整体生态效率，缩小地区内部生态效率差距，成为长三角区域一体化进程中的必然选择。目前来看，无论是经济社会发展，抑或是生态环境保护，上海均处于领先水平，江苏和浙江紧随其后，安徽则相对落后。而这种地区内部发展的不平衡，降低了长三角地区生态效率的整体水平。通过改善生态效率空间分布的非均衡性，实现低水平区域生态效率向高水平区域收敛，是提升长三角地区整体生态效率的可行路径。因此，在长三角区域一体化背景下，研究长三角生态效率的地区差异与空间收敛，对于促进地区内部缩小生态效率差距，助力长三角生态环境一体化发展，具有重要的现实意义。

目前对生态效率的研究涉及内涵特征（Eller⁃brock and Young，1994）［2］、评价方法（Dahlstrom and Ekins，2010）［3］、地区差异（Liet.al，2018）［4］、影响因素（Ma et.al，2018）［5］等多个方面。生态效率是一定时期内经济增长与环境负荷的比值，学者普遍将资源消耗与环境污染作为投入指标，经济增长与社会发展作为产出指标，衡量区域生态效率水平（Seppäläa et.al，2010）［6］。评价方法主要有比值评价法、生态足迹法、综合评价法等（黄雪琴和王婷婷，2015）［7］。其中，综合评价法可以全面反映资源环境与经济社会之间的协调发展关系，具有较强的解释力，得到广泛应用（郭存芝等，2016）［8］。同时，较多学者在建立综合评价指标体系后，使用层次分析法、主成分分析法、DEA等方法测度区域生态效率（屈小娥，2018；刑贞成等，2018）［9-10］。

在生态效率测度的基础上，学者进一步研究生态效率的地区差异和影响因素。屈小娥（2018）研究发现中国区域生态效率呈现“东—中—西—东北”的梯度递减格局，经济发展水平、环境规制、结构变动、对外开放和城镇化水平等因素是影响生态效率变动的主要因素［9］。由于中国区域差异明显，较多学者针对不同地理单元，对区域生态效率进行更为细致的研究。例如，长江中游城市群（罗能生等，2018）［11］、京津冀城市群等（何砚和赵弘，2018）［12］。同时，由于长三角地区经济社会发展与资源环境之间的矛盾日益凸显，近年来针对长三角地区生态效率的研究逐步增多（毕斗斗等，2018）［13］。

本文将长三角地区划分为五大生态区，借鉴现有文献，首先构建包含能源与环境投入和经济与社会产出的综合指标体系，利用熵值法和DEA方法测度2005-2018年长三角地区41个城市的生态效率。进而使用Dagum基尼系数方法测度生态效率的地区相对差异，并按子群分解的方法将其分解为区域间、区域内和超变密度三部分，以揭示其差异来源。其次，采用变异系数法和空间杜宾模型，检验长三角地区生态效率的σ收敛、β收敛和俱乐部收敛，深入分析生态效率差距的演变趋势。最后，提出促进长三角生态环境一体化的政策建议。

二、研究方法与数据来源

（一）研究方法

1.熵值法与DEA方法

（1）熵值法。本文在构建生态效率综合指标体系的基础上，使用熵值法客观赋权，生成包含“资源利用”与“环境污染”投入以及“经济发展”与“社会发展”产出的综合指标。在使用熵值法生成综合指标时，首先需要进行指标标准化，然后计算指标比值和熵值，进而计算差异系数和权重系数，最后采用线性加权综合法计算所有指标的综合值。具体过程可参考郭存芝等（2016）［8］的研究。

（2）DEA方法。学者普遍使用传统DEA模型评价生态效率，但存在多个有效决策单元无法进一步比较的问题。而超效率DEA模型可以有效克服这一缺陷，能够区分生态效率有效（即效率值为1）的决策单元之间的效率差异，进而对所有决策单元进行排序。因此，本文使用超效率DEA模型测算2005-2018年长三角地区41个城市的生态效率。

2.Dagum基尼系数方法

本文借鉴Dagum基尼系数方法测度长三角地区生态效率差异（Dagum，1997）［14］。基本公式如下：

其中，yji（yhr）表示j（h）区域内任意城市的生态效率水平；μ表示长三角地区41个城市生态效率水平的均值；n=41，k=5，nj（nh）表示j（h）区域内城市数量。在进行基尼系数分解时，先要依据生态效率水平的均值对区域进行排序，即μh≤…≤μj≤…≤μk。根据Dagum基尼系数分解策略，将基尼系数分解为三个部分：区域内差异贡献Gw、区域间差异贡献Gnb和超变密度贡献 Gt，即 G=Gw+Gnb+Gt。

式（2）和式（3）分别表示j区域的基尼系数Gjj和区域内差异贡献率Gw；式（4）和式（5）分别表示j和h区域的区域间基尼系数Gjh和区域间差异贡献率Gnb；式（6）表示超变密度贡献率Gt，其中，pj=nj/n，sj=njμj/nμj，j=1，2，…，k；Djh表示j和h区域间生态效率水平的相对影响，具体为公式（7）；djh表示区域间生态效率水平贡献率差值，即j和h区域间所有yji-yhr＞0的样本值的加权平均，pjh表示超变一阶矩，即j和h区域间所有yhr-yji＞0的样本值的加权平均，Fh（Fj）分别为h（j）区域的累积密度分布函数，公式分别为（8）和（9）。

3.收敛性检验方法

（1）σ收敛。σ收敛反映了不同城市生态效率水平的离散程度随着时间的推移呈现持续下降的过程。本文采用变异系数法考察长三角地区生态效率的σ收敛，具体计算公式如下：

其中，j表示区域；i表示城市；Nj表示第j个区域内城市数量；EE表示生态效率；----EE表示生态效率均值。

（2）β收敛。β收敛是指生态效率水平落后的城市具有较高的增长率，因此会逐步赶上高效率城市，两者之间的差距逐渐缩小并最终达到一致的稳态水平。β收敛进一步分为β绝对收敛和β条件收敛。长三角地区城市间要素流动频繁，经济联系密切，存在一定的空间依赖性。因此，应将空间因素纳入生态效率收敛模型。本文建立生态效率β收敛的空间杜宾模型，绝对收敛和条件收敛模型分别为：

式（11）和（12）中，EE表示生态效率水平；i表示城市；t表示年份；ln（EEi，t/EEi，t-1）表示第 i个城市第 t年的生态效率增长速度；μi是地区固定效应；νt是时间固定效应；εi，t是随机误差项；α、β和λ为待估参数，β＜0意味着收敛；b=-ln(1+β)/T，b越大，表示收敛速度越快；ρ和δ为空间相关系数，反映邻近地区的相关变量对本地区的影响；wi，j为空间权重矩阵的元素；X为控制变量，本文选取人力资本（Hum）、技术进步（Tec）、环境规制（Env）、产业集聚（Ind）、对外开放（Ope）作为控制变量。其中，使用每万人中普通高校在校生人数表示人力资本水平，使用RD经费支出占财政支出比重作为技术进步的代理变量，使用工业SO2去除率表示环境规制强度，使用区位熵方法测算工业集聚程度反映产业集聚状况，使用FDI与GDP的比值表示对外开放程度。

（3）俱乐部收敛。俱乐部收敛是指具有相似特征的城市之间的生态效率差距呈现缩小的趋势。基于上述生态效率β收敛的空间杜宾模型以及长三角地区41个城市的分组情况，继续对长三角地区生态效率的俱乐部收敛状况进行检验。

（二）数据来源

本文样本为2005-2018年长三角地区41个城市。生态效率综合指标体系和实证模型中变量涉及的数据主要来自《中国城市统计年鉴》《中国统计年鉴》以及各省市统计年鉴、农村统计年鉴和统计公报。部分缺失数据采用插值法和自回归移动平均法补齐。地区生产总值、人均GDP、人均可支配收入等数据使用相关的价格指数调整为以2005年为基期的实际值。

三、生态效率测度

（一）五大生态区划分

一方面，长三角地区跨界污染现象十分严重，在多主体治理模式下，导致“生态公地”问题（席恺媛和朱虹，2019）［15］。因此，打破省市之间的行政区划壁垒，是长三角地区实现生态环境领域“共商、共享、共治”和推进生态环境一体化的必然要求。另一方面，本文以资源环境投入和经济社会产出测算各城市的生态效率水平，生态区的划分应依据城市之间资源环境相关程度和经济社会发展程度。因此，本文突破行政边界，探索性提出长三角五大生态区的概念，揭示长三角地区生态效率的差异来源和演变趋势，为三省一市实现生态环境领域的协同提供经验证据。具体而言：东部生态区主要包含上海、江苏南部城市以及浙江东北部城市，经济社会发展水平较高，大部分城市处于太湖流域；西部生态区主要包含安徽中西部城市，同处于皖江经济带西段，自然环境以沿江平原丘陵为主；南部生态区主要包含安徽黄山以及浙江西南部城市，自然环境以山地丘陵为主；北部生态区主要包含江苏北部城市和安徽北部城市，经济社会发展程度相对较低，同处于淮河流域；中部生态区主要包含南京都市圈内的城市，经济社会联系紧密，一体化程度较高。

（二）构建指标体系

本文依据李胜兰等（2014）关于区域生态效率内涵的阐述，即以较少的资源消耗和环境污染，生产具有竞争力的产品和服务以满足人类需要和改善生活［16］，建立长三角地区生态效率水平的指标评价体系，具体内容见表1所列。进而使用熵值法和DEA方法测算出2005-2018年长三角地区41个城市生态效率水平，具体结果见表2所列。

表1 长三角地区生态效率水平指标评价体系

表2 2005-2018年长三角地区41个城市生态效率均值

（三）生态效率测算结果

观察表2测算结果，可以发现长三角地区整体生态效率水平较低，五大生态区之间存在一定差距。继续观察图1，可以发现2005-2018年长三角地区和五大生态区生态效率水平的变动趋势。①东部生态区生态效率水平一直处于领先地位，而北部生态效率水平较低，这与长三角地区整体经济社会发展的现实情况相符合。②整体来看，2005-2011年长三角地区生态效率水平波动下降，2012-2016年有所上升，2017年以后再次出现下降趋势，这表明长三角地区“十二五”时期资源节约型和环境友好型社会建设成效显著，但随着经济发展步入“新常态”，生态效率的提升速度有所放缓。③2016年以后五大生态区生态效率水平的差距趋于缩小，但“东部领先、北部落后”的状态尚未改变。这表明长三角生态环境一体化进程仍有较大的发展空间，需要加强东部生态区的带动作用以及其他区域的主动融入与积极协同。

图1 2005-2018年长三角地区生态效率水平变动趋势

四、生态效率地区差异

（一）整体基尼系数

表3报告了2005-2018年长三角地区生态效率水平基尼系数及其分解情况。观测期内长三角地区整体基尼系数呈现波动下降的变动趋势。基尼系数整体下降意味着长三角地区生态效率水平趋于平衡，同时存在收敛的可能，需要进一步加以检验。

表3 2005-2018年长三角地区生态效率水平基尼系数及其分解

（二）区域内基尼系数

横向对比可以发现，西部生态区的基尼系数明显高于整体基尼系数，而其他生态区则低于整体水平，且东部生态区的基尼系数最低。这主要是由于西部生态区内合肥的生态效率水平明显高于其他城市，导致内部差距过大；而东部生态区内的城市整体生态效率水平较高，内部差距较小。纵向对比可以发现，观测期内西部和南部生态区的基尼系数呈下降趋势，生态效率趋于平衡；而东部、北部和中部生态区的基尼系数呈上升趋势，生态效率差距有所扩大。

（三）区域间基尼系数

横向对比可以发现，东部—北部之间的基尼系数最大，这是由于东部生态区内的城市经济社会发展水平明显高于北部生态区内的城市，由此带来两大区域在资源利用效率和环境保护程度方面的差距。纵向对比可以发现，观测期内西部—北部、西部—中部和北部—中部生态区之间的基尼系数有所扩大，其他区域间的基尼系数均呈下降趋势，其中，降幅最大的是东部—中部生态区。东部和中部生态区内的城市之间在空间地理和要素流动方面最为密切，一体化程度最高，由此带来生态效率差距的快速降低。

（四）地区差异来源及其贡献率

观察长三角地区生态效率差异来源及其贡献率的演变趋势，可以发现区域间差异和超变密度贡献率较高，而区域内差异贡献率较低。从差异来源的演变趋势看来，区域间差异的贡献率呈现波动下降的趋势，而区域内差异和超变密度的贡献率则波动上升。区域间差异和超变密度作为生态效率差异的主要来源，两者之间的变动呈现此消彼长的趋势，2011年之前区域间差异占据主导地位，而2012年之后超变密度的贡献率较高。超变密度主要用于识别区域间的交叉重叠现象，整体生态效率水平较高的区域存在某些生态效率较低的城市，其效率可能低于整体生态效率水平较低区域内某些效率较高的城市。超变密度的提高体现生态效率水平较低区域的追赶现象，区域间的差距将逐步缩小。

五、生态效率空间收敛

（一）σ收敛检验

根据变异系数计算方法，可得观测期内长三角地区生态效率σ收敛系数，见表4所列。

表4 2005-2018年长三角地区生态效率σ收敛系数

首先从长三角地区整体层面看，2005-2018年生态效率的σ收敛系数呈现波动下降的趋势，具有σ收敛特征。继续观察五大生态区的表现：东部、北部和中部生态区的σ收敛系数呈现波动上升的趋势，具有发散特征；西部和南部生态区的σ收敛系数均呈现波动下降趋势，具有σ收敛特征；同时，东部生态区的σ收敛系数最小，而西部最大。这与上文地区内基尼系数结果分析相一致。

（二）β收敛检验

1.空间相关性检验

为考察长三角地区41个城市生态效率的空间相关性，首先构建以下三种空间权重矩阵：①地理距离权重矩阵（W1），利用两市之间最短公路里程的倒数表示矩阵的元素；②经济距离权重矩阵（W2），利用两市之间人均GDP年均值绝对差值的倒数表示矩阵的元素；③地理与经济距离的嵌套权重矩阵（W3），即W3=φW1+（1-φ）W2，φ表示地理距离权重矩阵所占比重，参考邵帅等（2016）［17］的做法，令φ=0.5。然后采用Moran'sI指数方法测度生态效率的空间相关系数，结果表明各年份都呈现显著的正向空间相关性。

2.β收敛实证分析

本文采用更具综合意义的地理与经济距离的嵌套权重矩阵（W3）进行β收敛实证检验，表5报告了β绝对收敛检验结果。观察可知，长三角地区生态效率的β收敛系数为负，表明存在显著的β绝对收敛。这意味着长三角地区各城市生态效率水平最终将收敛于同一稳态水平，生态效率水平较低的城市相比于较高的城市具有更快的增长速度，城市间差距逐渐缩小。同时，生态效率的空间滞后项系数和生态效率增长速度的空间自回归系数均显著为正，表明生态效率存在明显的空间溢出效应，地理空间距离接近和经济发展程度相似的城市之间更容易相互学习生态治理经验，共享生态治理成果。

表6报告了β条件收敛检验结果。在控制了人力资本等一系列控制变量后，长三角地区生态效率的β收敛系数仍然为负，表明存在明显的β条件收敛。这也意味着长三角地区各城市的生态效率都是向各自的稳态水平变化发展。从控制变量的回归结果看，人力资本、技术进步、产业集聚和对外开放都对生态效率增长速度产生显著的正向影响；但是环境规制的系数为负且不显著，而且环境规制空间滞后项的系数显著为负，反映出邻近城市环境规制水平提高，可能引起污染产业转移，导致本地生态效率增长速度降低。上述结果表明，长三角地区可以通过发挥人力资本和技术水平的优势，提升管理能力，改进生产设备，促进生态效率的提升。产业集聚有利于共享污染处理设施，促进环保技术的学习和外溢，缓解环境污染（朱英明等，2019）［18］。同时，长三角地区经济发展水平较高，吸引和利用外资能力较强，可有效借鉴国外生态治理的先进经验。但当前长三角地区生态治理领域行政壁垒尚未打破，完善的协同治理模式尚未形成，“各自为政”的环境规制并不能从根本上解决跨界污染、邻避项目、生态公地等治理难题。

表5 长三角地区及五大生态区β绝对收敛检验结果

表6 长三角地区及五大生态区β条件收敛检验结果

3.俱乐部收敛实证分析

继续观察表5和表6中五大生态区生态效率的俱乐部收敛状况。结果显示，五大生态区的β绝对收敛系数和β条件收敛系数均显著为负，存在俱乐部收敛特征，表明在区域内部生态效率存在趋同的态势。同时，生态效率的空间滞后项系数和生态效率增长速度的空间自回归系数均通过显著性检验，生态效率的空间溢出效应在区域内部仍然明显。然而，各地区的收敛机制也具有一定的差异。

一方面，从β绝对收敛和β条件收敛的检验结果来看，西部生态区的绝对收敛速度和北部生态区的条件收敛速度相对较快，而东部生态区的收敛速度则较慢。这表明生态效率水平较高的东部生态区进一步缩小内部差距的难度较大，而西部和北部生态区内部生态效率水平差距明显，具有较大的缩小空间，需进一步发挥合肥和徐州对其他城市的辐射带动作用。另一方面，东部生态效率的空间滞后项系数和生态效率增长速度的空间自回归系数显著为正，而其他地区显著为负。表明在经济社会发展程度相对较高的东部生态区，生态效率表现出正向空间溢出效应，区域内资源利用高效、生态治理良好的城市会对其他城市形成较强的示范效应。

六、结论与政策建议

本文将长三角地区划分为五大生态区，首先采用熵值法和DEA方法测度2005-2018年长三角地区41个城市的生态效率水平。在此基础上，使用Dagum基尼系数方法测度生态效率的地区相对差异，同时利用变异系数法和空间杜宾模型，检验生态效率的收敛特征。结果发现：①长三角地区整体生态效率水平较低，五大生态区之间存在一定差距。东部生态区生态效率水平一直处于领先地位，而北部生态效率水平较低。五大生态区生态效率水平的差距趋于缩小，但“东部领先、北部落后”的状态尚未改变。②长三角地区整体基尼系数呈现波动下降的趋势，长三角地区生态效率水平趋于平衡。西部和南部生态区的基尼系数呈下降趋势，而东部、北部和中部的基尼系数呈上升趋势。西部—北部、西部—中部和北部—中部生态区之间的基尼系数有所扩大，其他区域间的基尼系数均呈下降趋势。区域间差异和超变密度的贡献率较高，而区域内差异的贡献率较低。③长三角地区整体以及西部和南部生态区具有σ收敛特征；长三角地区生态效率存在显著的β绝对收敛和β条件收敛，同时生态效率存在明显的空间溢出效应；五大生态区存在俱乐部收敛特征。

基于上述研究结论，本文提出以下几点政策建议：①以强带弱、以点带面，努力缩小区域内生态效率差距。应发挥核心城市的辐射带动作用，通过生态效率的空间溢出效应，加速低效率城市生态效率的收敛速度，最终实现地区内部的平衡。②合作开发、协同治理，以一体化思维解决生态治理难题。应避免“各自为政”的环境规制措施，打破行政壁垒，加强顶层设计，建立环境治理“成本共担、效益共享、合作共治”机制。例如组建跨区域生态治理机构，统一排污标准，设立生态补偿基金，保障治理能力。③引导集聚、提质增效，通过产业一体化带动生态环境一体化。各地区应在长三角产业一体化进程中，利用比较优势，打造先进制造业集群，发挥产业集聚的基础设施共享效应和环保技术学习效应，在提升长三角产业一体化高度的同时，促进生态环境一体化，实现生态效率的全面提升。