考虑非期望产出中国区域生态效率测度及差异分析.docVIP

考虑非期望产出中国区域生态效率测度及差异分析 　　摘要：将环境污染视为非期望产出，并考虑省级区域的异质性，构建基于共同前沿的生态效率测度模型，对2005―2016年中国30个省市自治区的生态效率进行评价，并分析全国、三大经济带内及三大经济带间的差异。结果表明：考察期内中国整体生态效率偏低，但呈现平稳上升的趋势；在不同前沿面下，中国大多省市自治区生态效率的表现差异巨大；区域生态效率表现不同，东部地区生态效率最高、中部次之、西部地区最低，这与三大经济带的经济发展水平相一致；中国整体生态效率差距正逐步缩小，并趋向收敛，东部区域差距先收敛后发散但差距较小，中部区域差距趋向发散，西部区域差距居高不下，东部与中部间差距先收敛后发散且发散趋势明显，东西、中西部差距一直很大。 　　关键词：共同前沿；生态效率；非期望产出；收敛性 　　中图分类号：F205；X24 　　文献标识码：A 　　文章编号：1673-5595（2018）02-0045-05 　　改革开放30多年以来，中国经济高速发展，成为了世界第二大经济体。然而，高投入、高排放的粗放型经济增长方式并未从根本上转变。伴随在生产过程中非期望产出（如三废）的大量排放，严重破坏了中国的生态环境。因此，在经济新常态下，加快推进区域绿色发展，实现经济发展和环境质量的共同提升，是现阶段中国各级政府面临的首要问题。 　　一、文献综述 　　自从美国学者Schaltegger在1990年首次提出生态效率[1]的概念后，通过对生态效率评价来反映可持续发展程度的方法得到了广泛的认可。生态效率评价的方法主要有单一比值法、指标体系法及模型法三类。其中，单一比值法虽然操作简单，但只能得到一个单一的综合值，不能区分不同环境的影响，也不能给出改进方向[2-3]；指标体系法虽然能将经济、自然、社会等多方面因素综合考虑在内，但需要人为地确定权重，这就避免不了人的主观性[4-6]；而Data Envelopment Analysis模型（简称DEA模型）法凭借所需指标少、不需要人为确定权重、有很强的客观性等优点，被广泛应用于企业、行业、生态园区、区域等的生态效率评价研究中。例如，付丽娜等运用超效率DEA模型测算了2005―2010 年长株潭“3+5”城市群中各城市的生态效率[7]；李胜兰等运用DEA模型测算了地方政府竞争视角下的中国30个省市自治区的区域生态效率，并检验了环境规制对中国区域生态效率的影响[8]；成金华等应用空间自相关方法对中国省级区域的生态效率演化格局进行了实证分析，并探寻了影响区域生态效率差异变化的空间机制[9]；杨凯等基于区域梯度发展模式分析了中国工业生态效率区域差异[10]；李佳佳等通过建立空间计量和门槛面板模型研究了城市规模对生态效率的影响及其区域差异[11]。研究发现，在区域生态效率测算方面，大多学者将所有决策元（Decision Making Unit，简称DMU）放在单一前沿下参与运算，认为DMU之间不存在群组关系，并未考虑各区域的地域限制、资源禀赋、政策导向等因素而带来的异质性问题。另外，在区域生态效率差异分析方面，当前研究大多以效率值的统计分析作为差异分析手段，从静态和动态的视角对区域生态效率差异进行分析，而对区域内及区域间的生态效率差异是趋向收敛还是发散关注较少。 　　基于此，本研究将中国30个省市自治区（不包括港、澳、台及西藏，下同）按三大经济带划分为东、中、西三大区域，构建并应用考虑非期望产出的共同前沿模型，对2005―2016年中国生态效率进行评价，然后采用经济学中的σ-收敛假说来测度全国、三大区域内部及三大区域间生态效率的差异收敛性。 　　二、研究设计 　　（一） 考虑非期望产出的共同前沿模型 　　在传统区域生态效率的DEA测度中，认为不同区域是同质的，将所有DMU放在单一前沿面下进行评价，并通过单一效率值来判定各区域的生态效率是否为DEA有效，不考虑不同区域存在的“先天差异”，显然是不合理的。根据Fare等提出的环境生产技术（又?Q弱可处置性生产技术）概念[12]及Battese对共同前沿模型的定义[13]，将所有参评的S（S=30）个区域划分为L （L=3） 个不同类型的组，X=（x1，x2，…，xn）为投入要素，Y=（y1，y2，…，ym）为产出要素，U=（u1，u2，…，uj）为非期望产出，则第l个组的投入产出关系可以表示为：pl（x）={（y，u）：（x，y，u）∈Tl}，Tl为第l组DMU决定的技术集。pl（x）决定的生产前沿称为区域前沿面，所有pl（x）决定的生产前沿称为共同前沿面。 　　假定Xkn表示第k个地区的第n种投入总量（n=1，2，…，N；k=1，2，…，S），Ykm表示第k个地区第m种产出的总量（m=1，2，…，M），Ukj表示第