中国八大城市群节能减排效率的区域差异分解及收敛性研究

2023-05-12余华银于亚敏杨烨军

河南科技大学学报（社会科学版） 2023年3期

余华银,于亚敏,杨烨军

(安徽财经大学统计与应用数学学院,安徽蚌埠 233000)

一、引言

目前我国经济发展已步入“新常态”阶段,正逐渐由“高能耗、高排放、高污染”的粗放型经济发展模式向“低消耗、低排放、高效率”的绿色低碳发展模式转变。城市群作为经济集聚与人口集聚互动发展的空间载体,对推动中国区域经济增长和促进城镇化进程具有重要作用,但受到传统粗放型发展模式的影响,城市群也是中国能源消耗与环境污染最突出地区,大量的能源消费给生态环境造成了巨大的压力。面对经济增长与能源环境之间矛盾的日益加深,中国政府逐渐将节能减排作为解决这一发展困境的有效途径,从“十一五”规划到“十四五”规划持续推动节能减排,提出的节能减排约束性目标也逐渐由降低能耗与低排放污染物向以绿色发展为基调的生态环境质量改善治理转变。但由于我国社会经济发展的不平衡性,只有极少地区能够依托高新技术进行生产加工,相对落后地区仍然只能维持原有的生产和发展模式,这给节能减排政策的实施带来巨大困难[1]。同时,生态环境质量的改善需要巨大的投资,2011—2019年,中国财政一般公共预算环保支出由2 640.98亿元增加到7 390.2亿元。可见在实现节能减排目标的过程中,不仅要关注环境治理绩效,还应注重治理过程中的节能减排效率,探索节能减排效率影响因素,同时更应该考虑到区域经济发展不平衡性的影响,明确城市群之间节能减排效率差异,更有针对性地促进城市群区域协调发展。

目前国内外学者对节能减排效率内涵尚未达成统一共识,研究也主要从节能与减排两个角度分别定义。如张雪梅等认为节能即节约能源,通过加强用能管理、提高技术可行性,提高能源利用效率;减排即通过加强节能技术应用,减少污染物排放[2]。也有学者对节能减排效率进行全面定义,认为节能减排效率是在不考虑投入效率前提下,用经济增加值与被破坏环境负荷的比值来衡量的[3]。中国对节能减排效率研究开始较晚,但也和国外研究结论相似,认为节能减排效率在能耗投入不变的情况下,GDP产值越高,污染物排放越少[4]。也有学者从绿色发展视角,综合考虑节能与减排两方面,将节能减排效率定义为:通过较少的能源投入,获得更高的经济产出与环境收益,并且环境污染物排放也能减少[5]。

在节能减排效率评价方面,研究人员主要从节能减排效率测算方法与节能减排效果评价上进行探索。在测算方法方面,部分学者采用基于松弛DEA模型[6]、非径向加权Rusell方向性距离函数[7]、基于信息熵方法的DEA模型[8]、共同边界与超效率SBM模型[9]、零和收益数据包络分析方法(ZSG-DEA)[10]等进行测度;也有从全要素生产率视角进行探索,认为节能减排可以通过强化节能减排技术与管制,来挖掘节能与减排潜力[11]。在节能减排效率影响因素及区域差异方面,学者从不同角度对如何提高节能减排效率进行分析:主要认为技术创新[12-13]、产业结构转型升级[14]、经济集聚[15]、对外开放程度[16]、环境规制[17]对节能减排效率提升作用显著。也有从空间角度出发,认为经济发展水平、产业结构、能源结构等因素对三大城市群节能减排效率产生影响并存在显著空间溢出效应[5]。在区域差异方面主要认为中国区域节能减排效率差距正在逐步减小[18]。

综上所述,国内外学者对节能减排效率研究提供了很多借鉴经验,本文尝试从以下方面做出边际贡献:(1)研究层面的转变。现有文献主要集中在行业、企业、省域及单个城市角度展开对节能减排效率的定量研究,本文较以往研究从城市群层面进行重新审视。(2)从研究方法上改进。综合考虑变量松弛、跨期不可比以及有效决策单元之间比较排序问题,本文使用全局的非期望产出超效率SBM模型(GS-SBM)对节能减排效率进行测度;并运用Dagum基尼系数及其分解、核密度函数、变异系数和Moran’s I指数等区域经济方法对八大城市群节能减排效率的区域差异及来源、动态分布、收敛特征和空间分布特征进行较为全面、系统的量化分析;最后充分考虑到空间因素对节能减排效率的空间收敛性影响,采用β空间收敛模型探究八大城市群节能减排效率收敛的影响因素,为科学评价节能减排效率及制定差异化区域政策提供参考依据。

二、研究方法及数据来源与处理

(一)基于全局的非期望产出的超效率SBM模型

本文参考杨骞等[19]研究采用基于全局的非期望产出超效率SBM模型(GS-SBM)测度节能减排效率,GS-SBM方法考虑了非期望产出,且允许有效决策单元效率大于1,对于不同效率可以跨期比较。模型构建如下:

假设生产系统有n个决策单元,每个决策单元包含投入、期望产出、非期望产出三种投入产出变量,分别表示为x∈Rm、yg∈Rs1和yb∈Rs2,在t时期(t=1,2,...,T),第k个决策单元的生产可能性集合为:

Pt={(x,yg,yb)|x>Xλ,yg≥Ygλ,yb≥Ybλ,λ≥0}

(1)

在此基础上,基于全局的生产可能性集合(PG)为:

PG=(P1∪P2∪...∪PT)

(2)

则GS-SBM模型构建如下:

(3)

(4)

本部分为考察不同城市能源消耗以及污染排放问题,选取京津翼、长三角、珠三角、长江中游、成渝、关中、哈长以及中原八大城市群共138个城市作为DMU测度各个城市节能减排效率,具体城市群空间范围及依据确定参考于伟等[20]研究,样本时间跨度为2006—2018年。根据节能减排效率涵义以及3E理论和绿色发展理论,参考郭姣[5]研究,构建了考虑环境收益的节能减排效率投入产出指标体系,其中投入变量为劳动力、资本存量、能源消费,期望产出包括经济收益与环境收益,分别为各市GDP和建成区绿化覆盖率,非期望产出为工业废水排放量、工业SO2排放量、工业烟(粉)尘排放量,研究原始数据来自《中国城市统计年鉴》、各省市统计年鉴、国民经济与社会发展统计公报,对于无法搜集到的数据,通过线性插值法进行数据补充,相关指标的选取与说明如表1所示。

表1 八大城市群节能减排投入产出指标体系

(二)Dagum基尼系数及其分解方法

Dagum基尼系数分解方法是Dagum于1997年提出的一种将基尼系数按子群进行分解的方法。由于该方法弥补了传统基尼系数和泰尔指数等方法的局限性,有效解决了样本数据间交叉重叠以及区域差异来源的问题,所以被诸多学者广泛应用于各个领域的地区差异问题研究中。本文在分析中国八大城市群节能减排效率相对地区差异时主要采用Dagum基尼系数及其分解这一方法(1)限于篇幅,这里不再详细列示这一方法的具体计算步骤,感兴趣的读者可以和作者联系索取。。

(三)核密度估计

本文使用核密度估计(kernel density estimation)方法对各个年份各城市群节能减排效率的分布情况进行估计。假定随机变量X的密度函数为f(x),点x的概率密度函数为式(5),其中n为探究的城市个数、xi为独立同分布的观测值即节能减排效率值,h(h>0)为一个平滑参数,称作带宽(Bandwith),K(x)为核函数,本文采用的是常见的高斯核函数,如式(6)所示。

(5)

(6)

(四) 收敛模型

为了进一步分析八大城市群节能减排效率区域差异的演变趋势,本文主要通过σ收敛和β收敛两个层面进行实证分析。

(7)

2.β收敛。β收敛是基于增长率角度分析不同城市群间节能减排效率的收敛趋势。刘帅认为节能减排效率相对低的地区具有更高的增长率,会逐渐赶上发达地区,最后达到同样的增长率发展状态[22]。β收敛又可分为绝对β收敛与条件β收敛两类。就节能减排效率来看,条件β收敛是在控制了其他影响因素的条件下,各城市群的节能减排效率随着时间的推移逐渐收敛到相同的水平,而绝对β收敛是指在不控制其他因素,城市群之间的节能减排效率也能达到相同的收敛水平。同时根据缪尔达尔(1957)提出的“循环积累因果理论”,生产要素会在区域间产生回流效应与扩散效应,即欠发达地区的生产要素会回流到发达地区,而发达地区经济发展到一定水平后,生产要素会向欠发达地区进行扩散,由此可见生产资源会在地区之间进行互动,因此在构建β收敛时应该考虑到地区之间的空间依赖性,采用空间计量模型进行分析。

基于以上分析构造β收敛模型如下,式(8)与式(9)分别为绝对β收敛模型与条件β收敛模型。本文遵循Elhors和Anselin的检验思路[23],进行空间依赖性存在性检验以及最优空间计量模型的选取,最终决定最合适模型进行分析:

(8)

(9)

表2 相关变量描述性统计

三、八大城市群节能减排效率的区域差异分解与动态分布特征

(一)区域差异与分解

1.八大城市群节能减排效率总体差异与区域内差异。图1展示了八大城市群及总体内部节能减排效率基尼系数演变趋势。从总体来看,考察期内节能减排效率的总体差异呈现“上升—下降—上升”震荡趋势,总体差异逐渐扩大,基尼系数介于0.237 9与0.331 9之间,2010年达到最大值0.331 9。从各城市群来看,与总体变化趋势相似,也呈现“上升—下降—上升”变化趋势。长三角、珠三角城市群内节能减排效率差异呈震荡下降趋势,基尼系数分别由2006年0.410 1、0.332 9下降到2018年0.278 6、0.245 4,内部差异逐渐缩小。成渝城市群波动幅度较大,但总体呈现出下降趋势,在0.142—0.416 3之间波动,说明群内差异逐渐缩小;而长江中游城市群震荡幅度最为明显,整体呈现上升趋势,在0.125 2—0.473 8之间波动,上升了0.348 6,其次为中原城市群、哈长城市群、关中城市群呈上升趋势,分别由2006年0.155 9、0.213 1、0.372 7上升到2018年0.228 2、0.308 1、0.386 7,表明此四大城市群内节能减排效率差异逐渐扩大;京津翼城市群基尼系数变化较为平缓,上下涨幅在10%左右。总体而言,八大城市群节能减排效率差异有先降后升趋势,呈现两极化状态,长三角、珠三角、成渝城市群内部差异呈现缩小趋势,而京津翼、哈长、中原、长江中游、关中城市群呈现扩大趋势,地区间节能减排效率不平衡性较大,这可能与城市群工业基础、产业结构及技术水平存在较大差异有关。

图1 八大城市群及总体节能减排效率基尼系数演变趋势

2.八大城市群节能减排之间差异。图2为八大城市群之间节能减排效率区域间差异计算结果。从整体来看,在考察期内,城市群间节能减排效率差异呈现“上升—下降—上升”模式,考察期末与期初相比有扩大趋势。从城市群层面来看,其中京津翼与中原城市群效率差异最为明显,研究期内均值为0.565 7,其次为京津翼与关中、京津翼与哈长、长三角与中原,系数均值依次为0.510 4、0.499 0、0.459 8;而哈长与中原之间效率差异最小,系数均值为0.220 1,其次为成渝与哈长、关中与哈长、成渝与中原之间效率差异较小,系数均值依次为0.295 7、0.326 6、0.331 7.从变化趋势上来看,长江中游与中原差异增幅最为明显,年平均增长率为7.43%,然后为京津翼与长江中游、长江中游与关中、京津翼与哈长差异增幅较大,年均增长率分别为6.35%、6.28%、5.88%;而哈长与中原差异越来越小,以平均每年2.59%幅度缩小差异,珠三角与长江中游、成渝与哈长也分别以每年2.4%、2.04%幅度缩小差异。上述结果表明城市群间节能减排效率的差异较为显著,主要原因可能在于城市群间工业经济发展水平、节能减排技术存在较大差异,如京津翼城市群的北京、天津与中原城市群的郑州、洛阳在工业结构和劳动、资本和技术等基础生产要素集聚水平上都存在一定发展差异。

图2 中国八大城市群节能减排效率的区域间差异

3.八大城市群之间节能减排效率差异来源。八大城市群节能减排效率的差异来源及贡献度如表3所示,各差异来源贡献度的变化反映了节能减排效率差异产生机制的变化情况。从总体来看,考察期内城市群节能减排效率基尼系数呈现“上升—下降—上升”的变化趋势。从差异来源来看,考察期内节能减排效率城市群内差异贡献率介于8.60%—11.52%,总体呈下降趋势,年均降低率为1.05%;城市群之间差异与城市群内相反,贡献率处于45.23%—74.41%之间,总体呈上升趋势,年均增长率为4.04%;超变密度反映了城市群交叉重叠对总体差距的影响,其贡献率在16.98%—43.25%之间,与城市群内差异趋势相似总体呈下降趋势,年均下降率为3.11%,而节能减排效率的城市群间差异贡献度始终高于超变密度与城市群内差异贡献度,说明城市群间差异是总体城市群差异的主要来源,解决城市群间差异对于解决节能减排效率不平衡性问题具有重要现实意义。

表3 八大城市群节能减排效率的差异来源及贡献度

(二)分布动态

为了更为细致地体现节能减排效率绝对差异的动态信息,本部分运用核密度估计方法来对八大城市群及总体节能减排效率的分布位置、分布形态以及延展性进行刻画,并选取2006年、2011年、2015年、2018年为样本观察期,图3(a,b,c,d,e,f,g,h,i)分别为总体城市群、京津冀、长三角、珠三角、长江中游等城市群的核密度曲线二维图。

图3 八大城市群节能减排效率的分布动态

图3(a)描述了138个城市节能减排效率在观察期内的分布动态演进趋势。可以看出,观察期内总体城市群分布曲线表现出峰值先降后升的趋势,右尾逐渐变长,峰度呈现出由“宽峰形态”向“尖峰形态”又向“宽峰形态”演变的特征,说明节能减排效率在不断提高的同时,城市群间差异也在逐渐增大。同时随着时间的推移,总体城市群节能减排效率的核密度曲线图右尾呈双峰形态越来越明显,说明城市节能减排效率在不断提高的同时,区域之间差异也在逐渐扩大,一些城市的节能减排效率向较高水平聚集,表现出“俱乐部趋同”的特点。总体城市群与各城市群的密度曲线图具体分布形态也存在差异:京津冀、长三角、成渝、哈长、关中城市群的核密度曲线右移幅度增大,且也存在双峰形态,说明存在“俱乐部趋同”的特点;珠三角、长江中游、中原城市群尾部多峰形态逐渐消失,密度曲线逐渐变为单峰形态,表明此城市群内节能减排存在“追赶效应”。从长三角、长江中游、成渝、关中、哈长城市群可以看出,节能减排效率存在“中部塌陷”情况,呈现出明显的“极化”趋势。

四、八大城市群节能减排效率收敛性分析

(一)σ收敛检验与结果分析

根据对中国八大城市群节能减排效率σ收敛趋势的检验(见图4),总体城市群收敛系数从2006年的0.690增加到2018年的0.745,年平均增长率为0.66%,说明节能减排效率的总体差异变化以扩大为主,因而不具备σ收敛特点,进一步验证了前文基于Dagum分解的总体差异检验结果。通过对比八大城市群的σ收敛情况可知,京津冀、长江中游、哈长、中原城市群的节能减排效率收敛系数整体呈上升趋势,说明上述城市群节能减排效率不存在显著的σ收敛趋势,这也与Dagum基尼系数的内部差异检验结果基本相一致,相比较而言,长三角、珠三角、成渝、关中城市群的节能减排效率总体呈σ收敛趋势,即城市群内部效率差异正在逐渐减小。

图4 中国八大城市群节能减排效率的σ收敛趋势

(二)β收敛检验与结果分析

1.八大城市群节能减排效率绝对β收敛分析。表 4报告了八大城市群节能减排效率绝对β收敛检验结果,通过对模型进行LM检验、Hausman检验、LR检验及Wald检验(2)由于篇幅限制,不再显示这部分结果,可向作者索取。,八大城市群及总体收敛系数β在1%水平下显著为负,意味着八大城市群节能减排效率存在绝对收敛趋势;从各城市群来看,绝对β收敛系数均在1%水平下显著为负,表明各城市群内部节能减排效率存在β收敛趋势。从收敛速度上来看,八大城市群总体节能减排效率的平均收敛速度为2.61%,且哈长城市群收敛最快为5.07%,其次分别是关中、京津冀、成渝、长三角、珠三角、中原、长江中游城市群,分别为4.21%、3.51%、2.53%、2.43%、2.15%、0.57%、0.39%。综上所述,八大城市群节能减排效率存在明显的绝对β收敛趋势,且节能减排效率较低水平城市群拥有较高的收敛速度,这也与收敛理论相符合。同时,城市群之间收敛速度的差异化可能会导致总体城市群节能减排效率不平衡现象长期存在。

表4 八大城市群节能减排效率绝对β收敛检验

2.八大城市群节能减排效率条件收敛分析。为了进一步检验八大城市群节能减排效率在控制能源消费、产业结构升级、城市规模、政府支出结构、对外开放度、经济发展水平等因素条件下的β收敛性,通过对模型进行LM检验、Hausman检验、LR检验及Wald检验,确定八大城市群节能减排效率最优的条件收敛模型如表5所示。由表 5可得出以下结论。第一,总体以及所有城市群的节能减排效率的条件收敛系数均显著为负,说明在充分考虑能源消费、产业结构升级、城市规模、政府支出结构等因素情况下,总体城市及八大城市群节能减排效率存在条件β收敛趋势。第二,从控制变量来看,能源结构对京津冀和中原城市群节能减排系数呈现显著正向作用,但系数较小,显著性水平不够高,总体上与其他城市群系数为负或为正不显著。产业结构升级对长三角与哈长城市群节能减排效率具有显著作用,但对于长三角具有显著的负向影响,可能原因是由于长三角产业结构即将完成调整任务,第二产业占比较小。从政府支出结构来看,节能减排效率对总体以及关中城市群呈正向显著作用,表明在国家层面及部分地区的政府的能源政策对节能减排起到明显作用,而在其他地区作用不够明显。从对外开放水平来看,其作用效果均不显著,可能是由于不同地区对外开放水平程度不同对于节能减排效率也呈现不同作用;从经济发展水平来看,对珠三角及关中城市群节能减排作用起到显著正向作用,说明在此地区经济发展水平越高,对于环境保护意识越高。第三,从空间溢出效应进行分析,只有总体以及长江中游城市群中选择了SDM模型,控制变量对节能减排效率产生空间溢出效应,其中能源消费结构对总体城市群的空间溢出效应为负,即对目标城市节能减排效率具有促进作用,反而会对周边城市产生抑制作用,长江中游城市群能源结构的空间溢出效应不显著;总体城市群的城市规模空间溢出效应为负,表明城市规模对目标城市节能减排效率具有促进作用,城市扩张不利于本地节能减排效率提升,反而会对周边城市产生抑制作用;总体城市群的对外开放水平空间溢出效应为负,说明对目标城市节能减排效率具有促进作用,对周边城市则会产生抑制作用;而长江中游城市群的对外开放水平空间溢出效应为正,说明对外开放程度越高,本地以及周围城市的节能减排效率越高。总体以及长江中游城市群经济发展水平均显著为正,说明空间溢出效应显著为正。第四,从收敛速度来看,总体城市群收敛速度为2.86%。在八大城市群中,收敛速度最快的关中城市群为6.16%,最慢的长江中游城市群为0.95%。综上所述,八大城市群节能减排效率存在明显的条件β收敛趋势,在考虑能源结构、产业结构、城市规模等控制因素后,收敛速度也发生变化,且节能减排效率较低水平城市群拥有较高的收敛速度,这也与收敛理论相符合。同时,城市群之间收敛速度的差异化可能会导致总体城市群节能减排效率不平衡现象长期存在。

表5 八大城市群节能减排效率条件β收敛检验

五、结论与建议

(一) 研究结论

第一,从差异及其来源来看,在样本期内,中国八大城市群节能减排效率呈现区域不平衡性特点,且节能减排效率总体差异呈现“上升—下降—上升”震荡趋势,总体差异逐渐扩大,说明总体不平衡性特点在不断增强。从差异来源来看,考察期内,总体城市群节能减排效率基尼系数呈现“上升—下降—上升”的变化趋势,而节能减排效率的城市群间差异贡献度始终高于超变密度与城市群内差异贡献度,说明城市群间差异是总体城市群差异的主要来源。

第二,从分布动态来看,总体城市群节能减排效率分布密度图呈现拖尾现象,表明节能减排效率的绝对差异呈扩大趋势,且峰度呈现由“宽峰形态”向“尖峰形态”又向“宽峰形态”演变特征,说明节能减排效率在不断提高的同时,城市间差异也在逐渐增大。同时随着时间的推移,总体城市群节能减排效率的核密度曲线图右尾呈双峰形态越来越明显,说明城市节能减排效率在不断提高的同时,区域之间差异也在逐渐扩大。一些城市的节能减排效率向较高水平聚集,表现出“俱乐部趋同”的特点。

第三,从σ收敛特征来看,总体城市群节能减排效率不存在σ收敛特征,其中,京津冀、长江中游、哈长、中原城市群的节能减排效率收敛系数整体呈现为上升趋势,因此也不存在σ收敛特征,相比较而言,长三角、珠三角、成渝、关中城市群的节能减排效率收敛系数的总体趋势具有σ收敛趋势。

第四,从β收敛特征来看,总体城市群及各城市群节能减排效率均存在绝对β收敛趋势和条件β收敛趋势,且绝对β收敛系数均在1%水平下通过显著检验,表明总体及各级城市群节能减排效率随着时间推移会收敛至同一平稳水平。在考虑到能源消费、产业结构升级、城市规模、政府支出结构、对外开放度、经济发展水平等因素后,条件β收敛系数也在1%水平下通过显著性检验,同时可以看出在控制了上述影响因素后的收敛速度与绝对β收敛速度相比有不同幅度的提升,表明能源消费、产业结构升级、城市规模、政府支出结构、对外开放度、经济发展水平等因素会加速总体及各城市群节能减排效率收敛速度。