张勇之 王伟 史文慧 戴晓琴

摘要：文章基于SBM模型及Tobit面板数据模型对2012～2017年中国四大区域的生态效率及影响因素进行测度发现：第一，北京、天津、上海、山东、广东、海南等东部经济大省或生态环境较好的省份实现了经济高质量发展，青海及宁夏生态效率也呈现较高水平。第二，东部地区历年来生态效率较高;东北部地区效率均值比较稳定，起伏波动小;中部地区生态效率亦有所增长;西部地区效率均值在缓慢下滑，但下滑幅度逐渐降低。第三，进一步对外开放对于东部及东北部地区生态效率的提高有促进作用，提高劳动力素质有助于中部地区的生态效率提升，而政府干预经济对于西部地区生态效率的提高有直接作用。

关键词：SBM模型;经济高质量发展;Tobit面板数据模型

一、引言和文献综述

2017年，在党的十九大报告中，习近平主席指出我国经济已由高速增长阶段转向高质量发展阶段。2019年国家发改委进一步明确目标要将外部环境的压力转变为推动经济高质量发展的动力。而生态效率是一种考虑资源与环境代价后的综合生态效率，能在一定程度上描述经济高质量发展状况，因此，统筹全局，多角度地探究中国生态效率的时空变化趋势及其影响因素，对于促进经济高质量发展有重要意义。

1990 年，Schaltegger 和 Sturm首次提出了生态效率的概念。WBCSD在1996年对其进行了进一步定义，认为生态效率必须满足人类需求和保证生活质量的产品或服务，同时能逐步降低产品或服务生命周期中的生态影响和资源的消耗强度”。EEA（1999）则认为生态效率意味着从更少的自然资源中获得更多的福利。杨斌（ 2009）对上述基本思想进行了总结，认为其均是在最大化价值的同时，最小化资源消耗与环境污染。

在当前的时代背景下，越来越多的国外或国内学者开始关注生态效率问题，而不再片面追求经济规模，主要从以下两个方面展开研究。

一是生态效率的评价，通过不同的评价方法对生态效率的不同维度进行评价。李林汉等（2019）、白琳琳（2019）、王江涛（2018） 分别建立了DEA模型，进行了各个维度或某些区域的生态效率评价。陈真玲（2016）、楼孟涵（2019）采用超效率DEA的方法，分别对中国某些区域的生态效率进行了评估，而Yufei Ren等（2020）应用具有不良产出的S-EBM混合距离模型，对2003～2013年中国283个地级市的生态效率进行了测度，实证结果表明，生态效率总体上呈现出从相对发达地区向发展中地区递减的地理趋势，但也有少数例外表明，较高的经济发展水平并不一定会导致更高的生态效率，反之亦然。

二是生态效率的影响因素分析。任梅等（2019）和黄和平（2020）等通过面板数据模型探究了影响我国各区域生态效率及工业生态效率的影响因素。李在军等（2016）通过空间误差模型对中国各地区生态效率的某个维度的影响因素进行探索性分析。钱争鸣等（2013）利用Tobit模型发现影响各省区市生态效率的其他因素在东、中、西三大区域各有差异。

當前学者的研究为生态效率的后续研究奠定了基础，成就显著，但仍存在可进一步研究的巨大空间。如部分学者DEA模型或超效率DEA模型综合评价某些区域的生态效率值域，但没有考虑非期望产出;或者考虑了非期望产出，但或是把非期望产出模型作为一种投入违背了生产过程，或是把非期望产出模型取倒数转化为期望产出的形式违背了其经济内涵，因而其生态效率评价都有一定的偏差;部分学者虽然用考虑了非期望产出模型的模型进行了生态效率评价，但未进行影响因素分析，另外部分学者对生态效率的影响因素进行分析时，或没有考虑到因变量受限于于[0，1]区间的特性，结果有一定偏差，而且已有学者利用Tobit模型进行生态效率影响机制探究，目前来看，与现在相隔十年左右，时效性不足。

本文构建了考虑非期望产出的投入产出系统，在此基础上求解SBM模型，对各区域的生态效率进行出了综合评价。并且考虑到因变量介于[0，1]区间的受限性质，建立了Tobit面板数据模型，进而得出了影响四大区域及各省份生态效率的重要因素。本文的重要研究意义在于对2012～2018年中国生态效率的时空异质性进行探究，在此基础上测度出影响中国区域生态效率的重要因素，为进一步提高各区域经济发展质量提供可供参考的决策依据。

二、研究设计

（一）数据来源

根据数据可获得性，本文仅分析了除港澳台，西藏以外的30各个省市自治区。数据主要来源于2013～2018年《中国能源统计年鉴》、2013～2018年《中国统计年鉴》以及2013～2018年各省区市统计年鉴，其中各地区年末就业总人数来源于各省区市统计年鉴（2013～2018），各地区能源消耗量指标数据来源于《中国能源统计年鉴》（2013～2018）。

（二）生态系效率评价

1. SBM模型

Tone提出SBM模型对传统DEA模型进行了改进， 不仅对投入产出松弛性问题进行了处理，又考虑了存在非期望产出的效率评价问题。因此，本文采用 SBM 模型对生态效率进行测算。根据生态效率的定义假定每个省区都有如下投入产出矩阵：投入矩阵X=[x1，x2，x3…xm];期望产出矩阵Y=[y1，y2，y3…y];非期望产出矩阵B=[b1，b2，b3…b]，其中，xi>0，yi>0，bi>0。

则生产可能性集合为P={（x，y，b）|x≥Xλ，y≤Yλ，b≥Bλ，λ≥0}，λ为权重向量，当∑λi=1时，规模报酬可变。否则，不变。由于各省区的经济条件各不相同，规模报酬可变的SBM-VRS模型更适合进行分析：

式中，ρ*为目标函数的生态效率值，S、S、S分别表示期望产出、投入 及非期望产出的松弛量，λ为权重向量，用来判定各省区市的规模效益，“0”表示被评价单元，m、n1、n2分别表示投入，期望产出和非期望产出指标个数。ρ*关于S、S、S严格递减，并且0≤ρ*≤1。当ρ*<1时，ρ*越接近1，生态效率值越高，当存在最优解ρ*=1时，即S、S、S均为0时，表明该被评价单元的生态效率达到了最优。上述模型是非线性规划，进一步转换为如下线性规划问题，进行求解。τ*为所求解，t为约束参数：

2. 指标选取

生态效率（ Green Economic Efficiency，简称 GEE）是在考虑资源投入和环境代价的基础上，评价一个国家或地区生态效率的指标。根据文献分析法进行相关总结后，本文基于非资源投入要素 、资源投入要素 、期望产出和非期望产出构建投入产出系统，测算生态效率。具体衡量指标如表1所示。

（三）生态效率影响因素研究

1. Tobit面板模型

SBM方法得出的效率指数值都非负，且数据集中于（0，1）之间，其可以看作是受限因变量，因此采用Tobit 模型数学模型进行因素分析：

2. 变量设计

本文选择通过投入导向的SBM模型计算的生态效率来测度各省历年来区域生态水平差异，作为被解释变量。后采用文献分析法及定性分析发现政府对于市场的干预度（见公式6）、教育投入（见公式7）、经济规模、污染治理、开放程度（见公式8）、劳动力素质（见公式9）、城市化水平（见公式10）以及产业结构（见公式11）均会或多或少地影响各区域生态效率，具体衡量指标及描述性统计见表2。

三、研究结果及分析

（一）生态效率评价

1. 四大区域下各省效率值

根据公式（1）包含非期望产出的SBM模型，计算中国出的各省区市的生态效率值见表3。为了便于进行分析，本文根据马占新的做法，设定效率值ρ*=1为效率最高;0.8≤ρ*<1为效率良好;0.6≤ρ*<0.8为效率中等;ρ*<0.6为效率无效。

就东部地区来看，北京、天津、上海、山东、广东、海南等经济大省或生态环境较好的省份相对来说均达到了最高的生态效率，历年来效率值均为1，一定程度上实现了经济高质量发展。而相对来说，河北、浙江、福建的生态效率则处于较低水平，且处于下降趋势。具体来看，2013年之后几年，河北省生产总值虽然仍居前列，但投入要素不断增多，非期望产出亦居于各省前列，生態效率有所下降。浙江省历年投入规模相对来说远超他省，同时非期望产出较多，以2012年为例，投入人力资本3691.24万人，居各省第三，废水排放量达420961万吨，居各省第四，由边际产量递减规律可知，过多的投入并不一定能被全部利用，带来有效产出，而过多的废水排放量也是导致浙江省效率未达到最优大关键。福建省的生态效率在无效及中等之间。

东北三省及中部起地区效率普遍过低，生态效率值普遍在0.6以下。总体上来看，东北三省第二产业比重占据一半以上，由此带来的高消耗及高污染进一步降低了东北各省的生态效率。而对于中部地区各省来说，一方面，由于其各省经济规模历年来居于各省中后列;另一方面，则由于其某些维度的非期望产出居于各省前列，以2012年山西省为例，其地区生产总值位列该年各省经济规模排名第二十一位，但其工业固体废物总量则达29031.5万吨，居各省第二位。

西部地区各省经济规模位于各省尾端，除青海、宁夏两省投入较少，资源得到有效利用同时非期望产出较少，实现了经济有效外，其余省份存在着资源浪费现象，而且个别省份非期望产出过多也是其生态效率低的主要原因。2012～2013年，内蒙古实现了经济有效发展，2014年，其效率值剧烈下滑，由1减小到0.429，该年其固定资产投资由14217.4亿元增长到17591.8亿元，而地区生产总值增长幅度较小，非期望产出却均有相应的增加，尤其是工业固体废物增长了近200万吨，进一步降低了其生态效率。广西、贵州、四川、重庆、陕西、云南、新疆、甘肃等省效率值几乎在0.6以下，生态经济低效。

2. 分区域效率均值

由2012～2018年中国分区域生态效率均值可以看出，东部地区生态效率明显高于其他各区域，效率均值稳定在0.8～0.9之间，接近实现效率最优;东北部地区效率均值比较稳定，起伏波动小;中部地区生态效率亦有所增长，2012～2016年经历了效率的缓慢下滑，后缓慢上升;西部地区效率均值有所下滑，由0.5降低到0.45左右，2013～2014年下滑明显，后下滑幅度逐渐降低，趋于稳定;全国生态效率均值在0.6左右附近波动，较为稳定，意味着就全国来看，生态经济发展良好，且有进一步发展空间。

（二）影响因素分析

利用除西藏外30省市2012～2018年来9个指标共1890个数据进行Tobit面板数据回归，分析全国省际生态效率及四大区域生态效率影响因素，回归结果表4。

总体来看，政府干预、开放程度及产业结构的回归系数均至少通过10%的显著性水平检验，说明三者均对全国生态效率有影响。且回归系数均为正，意味政府对市场的进一步干预，开放程度的提高自己产业结构的升级及对全国生态效率的提高有促进作用，另一方面来看，第二产业比重的增加有利于生态效率的提高，说明我国第二产业与生态环境的对立关系得到有效控制，而开放程度的回归系数为0.017，意味着进出口总额占GDP比重每上升1%，生态效率会增加0.017个单位。

就东部地区来看，仅开放程度的回归系数通过1%的显著性水平检验，而仅从回归系数看，教育投入、政府支持及城市化水平的回归系数为负，说明东部地区简政放权的必要性及东部地区城市化质量欠缺性，而教育投入会降低生态效率可能与教育投入的回报周期及相应的投入质量有关，教育回报的周期过长，对于大部分人的思想教育在实物方面不容易体现。相反，开放程度的回归系数为正，说明对外开放有助于东部地区提高生态效率，进一步验证了东部地区对外开放的必要性。

教育投入、经济规模、污染治理及产业结构对东北地区生态效率的提高有负向作用，各因素的回归系数均通过1%的显著性水平检验，其中教育投入回报不明显、高素质人才可应用性及污染治理质量的相对较低一定程度上降低了东北地区的生态效率，而东北地区经济规模的扩大不利于其生态效率的提高，意味着东北地区距离实现经济的高质量发展还有一段距离，第二产业比重的增加会明显降低东北地区的生态效率，说明东北地区重工业与经济高质量发展之间的矛盾依旧存在。对外贸易及城市化水平对于东北地区的生态效率的提高有促进作用，通过了1%的显著性检验，回归系数分别为0.009，0.020，意味着外贸依存度及城市化率每增加1%，则东北地区生态效率分别会增加0.009及0.020个单位。

政府干预关于中部地区的生态效率的回归系数通过1%的显著性水平检验，回归系数为负，说明政府对于市场的干预对于中部地区经济的高质量发展有一定的不利性，而相反，劳动力素质关于中部地区生态效率的回归系数为正，通过1%的显著性水平检验，意味着高素质劳动力人口占比的提高有利于中部地区生态效率的提高，这可能与中部地区旺盛的人才需求有关。由于经济差距导致人才流动，中部地区对于人才有旺盛的需求，人才的作用也容易在短时间内内得到体现。

就西部地区来看，除经济规模及开放程度的回归系数未通过显著性检验外，其余各因素均通过至少为5%的显著性水平检验，其中政府干预、城市化水平及产业结构关于西部地区生态效率的回归系数为正，意味着政府对市场的干预，城市化水平的提高及第二产业比重的增加有利于西部地区生态效率的提高。其中，第二产业亦对西部地区的经济健康发展有明显的促进作用，原因可能是因为西部地区重工业数量不及东北三省，相反多是轻工业，污染相对较少。而教育投入、高素质劳动力及污染治理等因素并没有预想地会促进西部地区生态效率的提高，相反有抑制作用。

四、总结及发展建议

基于2012～2017年全国各省有关数据，对中国四大区域及其各省生态效率进行全面测算及影响因素分析，得出如下结论。

第一，北京、天津、上海、山东、广东、海南等东部经济大省或生态环境较好的省份实现了经济高质量发展，河北、浙江、福建的生态效率则处于较低水平，且处于下降趋势;东北三省及中部六省效率普遍过低;青海及宁夏，由于投入较少的同时实现了有效产出，生态效率呈现较高水平;其余各省份生态效率处于较低水平。

第二，东部地区生态效率明显高于其他各区域，效率均值稳定在0.8～0.9之间;东北部地区效率均值比较稳定，起伏波动小;中部地区生态效率亦有所增长;西部地区效率均值在缓慢下滑，但下滑幅度逐渐降低，2016年到达低点后有上升态势;全国生态效率均值在0.6左右附近波动，意味着就全国来看，生态效率良好，且有进一步发展空间。

第三，对外贸易有助于东部及东北部地区的生态效率提高，另外，提高城市化水平对于东北部地区的经济高质量发展有促进作用，吸引优秀人才，提高劳动力素质有助于中部地区经济健康发展，而政府干预市场及增加第二产业比重对于促进西部地区的生态效率有重要意义。

参考文献：

[1]Schaltegger S，Sturm A.Ökologische Rationalität：Ansatzpunkte zur Ausgestaltung von Ökologieorientierten Managementinstrumenten[J].Die Unternehmung，1990，44（04）.

[2]WBCSD.Measuring Eco-efficiency：A Guide to Reporting Company Performance [M].Geneva：World Business Council for Sustainable Development，2000.

[3]EUROPEANENVIRON MENT AGENCY.Making sustainability accountable：edo-efficiency，resource productivity and innovation [R].Copenhagen：EEA，1999.

[4]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（07）：1197-1202.

[5]李林汉，岳一飞.基于四阶段DEA模型的中国绿色发展效率评价[J].科技管理研究，2019，39（24）：247-258.

[6]白琳琳. 基于综合效率DEA的省际生态效率评价研究[D].昆明：云南财经大学，2019.

[7]王江涛.基于三阶段DEA模型的西部地区生态效率研究[D].贵阳：贵州财经大学，2018.

[8]陈真玲.基于超效率DEA模型的中國区域生态效率动态演化研究[J].经济经纬，2016，33（06）：31-35.

[9]楼孟涵.山东省经济发展的生态效率评价研究[D].济南：山东师范大学，2019.

[10]Yufei Ren and Chuanglin Fang and Guangdong Li. Spatiotemporal characteristics and influential factors of eco-efficiency in Chinese prefecture-level cities：A spatial panel econometric analysis[J].Journal of Cleaner Production，2020，260（prepublish）：120787.

[11]任梅，王小敏，刘忠梅，刘雷，张文新.中国区域生态效率时空变化及其影响因素分析[J].华东经济管理，2019，33（09）：71-79.

[12]黄和平，李亚丽，王智鹏.基于Super-SBM模型的中国省域城市工业用地生态效率时空演变及影响因素研究[J].生态学报，2020，40（01）：100-111.

[13]李在军，姚云霞，马志飞，胡美娟，吴启焰.中国生态效率的空间格局与影响机制分析[J].环境科学学报，2016，36（11）：4208-4217.

[14]赵林，张宇硕，焦新颖，吴迪，吴殿廷.基于SBM和Malmquist生产率指数的中国海洋经济效率评价研究[J].资源科学，2016，38（03）：461-475.

*基金项目：聊城大学2020年大学生创新创业训练计划一般项目“中国四大区域生态效率动态演化机制研究”（CXCY2020Y13）。

（作者单位：聊城大学商学院）

2485500511287