基于Super-SBM 模型的江蘇省生態(tài)效率評價

曾慶順，李永正，周子揚

（河海大學商學院，江蘇 常州 213022）

江蘇省地處長江經(jīng)濟帶，與上海市、浙江省、安徽省共同構(gòu)成長江三角洲城市群。江蘇省是中國綜合發(fā)展水平最高的省份之一，也是惟一一個所有地級市都躋身全國百強市的省份。然而，受效率至上的舊發(fā)展觀局限，江蘇省在經(jīng)濟發(fā)展取得很大成就的同時，也面臨著嚴重的環(huán)境污染問題。據(jù)2019 年《江蘇統(tǒng)計年鑒》數(shù)據(jù)與《江蘇省生態(tài)環(huán)境公報》顯示，2018 年江蘇省工業(yè)廢水排放14.36 億t，二氧化硫排放30.66 萬t，13 個市環(huán)境空氣質(zhì)量均未達到二級標準，環(huán)境問題突出。

2019 年習近平總書記在中國北京世界園藝博覽會開幕式上發(fā)出號召，呼吁“像保護自己的眼睛一樣保護生態(tài)環(huán)境，像對待生命一樣對待生態(tài)環(huán)境”。生態(tài)效率研究對分析環(huán)保問題意義重大，而對中國綜合發(fā)展水平最高的省份江蘇省進行生態(tài)效率研究有更大的經(jīng)濟意義與生態(tài)意義。目前學者們對于江蘇省生態(tài)效率的研究較少，且已有研究大多采用傳統(tǒng)的DEA 模型。本研究在已有研究成果的基礎(chǔ)上，選擇江蘇省13 個城市的面板統(tǒng)計數(shù)據(jù)，采用Super-SBM 模型綜合評價江蘇省13 市2009—2018 年的生態(tài)效率，為江蘇省的經(jīng)濟發(fā)展以及生態(tài)效率提高提供具有參考價值的理論依據(jù)。

1 研究背景與研究方法

1.1 研究背景

Schaltegger 等［1］在1989 年提出“生態(tài)效率”的概念，并將其定義為價值的增加量與環(huán)境影響的增加量的比值。隨后相關(guān)領(lǐng)域的學者對生態(tài)效率進行深入研究并豐富了生態(tài)效率的概念。

現(xiàn)有研究對生態(tài)效率的計算方法概括起來主要有單一比值法、指標體系法和模型法［2，3］。其中，單一比值法最終所有環(huán)境影響以一個特定的環(huán)境影響值體現(xiàn)，但卻不能區(qū)分不同環(huán)境的影響；指標體系法在一些情況下需要通過人為賦權(quán)來表達投入指標與產(chǎn)出指標之間的關(guān)系，該方法一定程度上可以反映不同投入指標的重要性，但賦權(quán)時的人為主觀因素會影響到最終結(jié)果的準確性；模型法在進行生態(tài)效率的研究時能夠彌補以上2 種方法的缺點。在模型法中，數(shù)據(jù)包絡(luò)分析方法（Data envelopment analysis，DEA）使用較廣。Moutinho 等［4］使用三階段DEA 模型預(yù)測了德國24 個城市的生態(tài)效率得分，并應(yīng)用分數(shù)回歸推斷了城市層面生態(tài)效率得分的影響因素；王恩旭等［5］運用超效率DEA 模型對中國30 個地區(qū)的生態(tài)效率進行了測度；任勝鋼等［6］將工業(yè)生態(tài)系統(tǒng)分解為工業(yè)經(jīng)濟、環(huán)境、能源3 個子系統(tǒng)，采用網(wǎng)絡(luò)DEA 模型對長江經(jīng)濟帶9 省2 市的工業(yè)生態(tài)效率及3 個子系統(tǒng)效率進行了評價。

在實際研究中，DEA 可以省略對函數(shù)關(guān)系的事先確定以及對所選指標進行主觀賦權(quán)，然而傳統(tǒng)的DEA 模型產(chǎn)出指標一般為經(jīng)濟社會類期望產(chǎn)出指標，不適用于非期望產(chǎn)出類指標［7］。針對此問題，相關(guān)學者提出了包括產(chǎn)出轉(zhuǎn)置法、正向?qū)傩赞D(zhuǎn)換法和方向性距離函數(shù)法在內(nèi)的非期望產(chǎn)出情況下的效率評價方法，這些方法雖然可以有效解決非期望產(chǎn)出問題，卻不能測算投入和產(chǎn)出松弛變量對效率的影響程度［8］。為把松弛變量引入目標函數(shù)，Tone［9］構(gòu)造了基于松弛變量測度的非徑向和非角度的SBM（Slacks-based measure）模型，該模型下測算的效率值的變化取決于投入和產(chǎn)出松弛程度的變化。但是，類似于傳統(tǒng)的DEA 模型，該模型同樣會出現(xiàn)多個決策單元同為完全有效的情況，于是Tone［10］進一步構(gòu)造了基于修正松弛變量的Super-SBM 模型，該模型能夠?qū)Χ鄠€有效決策單元進行比較與排序。近年來，許多學者運用Super-SBM 模型對生態(tài)效率進行了研究，王迪等［11］運用包含非期望產(chǎn)出的Super-SBM 模型對中國2011—2014 年各省份和四大區(qū)域農(nóng)業(yè)生態(tài)文明建設(shè)效率進行了測度；朱香好等［12］以30 個省市為研究對象，運用Super-SBM 模型測算了其2005—2015 年的效率值，并對其生態(tài)效率情況進行了靜態(tài)分析；馬曉君等［13］運用優(yōu)化的引入非期望產(chǎn)出的超效率SBM 模型測算了中國30 個省份、直轄市、自治區(qū)的生態(tài)效率，發(fā)現(xiàn)全國生態(tài)效率呈現(xiàn)由東到西、由沿海到內(nèi)陸逐漸收斂的格局。

1.2 研究方法

1.2.1 Super-SBM 模型 考慮松弛變量的Super-SBM 模型具體形式如下：

式中，ρ為目標生態(tài)效率值；x、yg和yb分別為投入、期望產(chǎn)出和非期望產(chǎn)出；m、S1和S2分別為投入、期望產(chǎn)出指標和非期望產(chǎn)出指標個數(shù)；向量S-、Sg和Sb分別為投入松弛量、期望產(chǎn)出的松弛量和非期望產(chǎn)出的松弛量；λ為權(quán)重向量。

1.2.2 Malmquist 指數(shù) Malmquist 指數(shù)認為，技術(shù)變化與技術(shù)效率變化是生產(chǎn)率發(fā)生變化的原因［14］。該指數(shù)可轉(zhuǎn)換為較簡潔的參數(shù)和非參數(shù)模型，因此被廣泛應(yīng)用于動態(tài)效率變化趨勢的研究。Malmquist指數(shù)的具體形式如下：

上式還可以分解為三部分的乘積：

式中，TFP表示生態(tài)效率，EC表示技術(shù)效率變化；TC表示技術(shù)進步變化；PE表示純技術(shù)效率變化；SE表示規(guī)模效率變化。

1.2.3 Tobit 模型 綜合考慮江蘇省生態(tài)效率的獨特性，選取經(jīng)濟發(fā)展水平、工業(yè)結(jié)構(gòu)、利用外資、人口密度、政府對科學技術(shù)的支持、政府對教育的支持作為影響因素，如表1 所示，并使用Tobit 模型進行生態(tài)效率影響因素分析。

表1 生態(tài)效率影響因素

由于效率評價值通過最低界限值0 將數(shù)據(jù)進行了截斷，使用普通的最小二乘法直接對模型進行回歸會導(dǎo)致最終的參數(shù)估計結(jié)果出現(xiàn)偏差。為使估計結(jié)果更準確，采用截斷回歸方法進行分析，建立如下的Tobit回歸模型。

式中，yit作為被解釋變量表示第i座城市第t年的生態(tài)效率值。αit是未知常數(shù)值，xit是解釋變量，βT是未知參數(shù)向量，εit～N（0，σ2）。Tobit 模型的特點是解釋變量xit不受限制，取其實際觀測值，而被解釋變量yit取值受限：當yit≥0 時取實際觀測值，反之觀測值截取為0。

2 研究對象與指標體系

2.1 樣本數(shù)據(jù)

本研究選取江蘇省13 個城市作為實證研究對象，對江蘇省2009—2018 年的面板數(shù)據(jù)進行研究。為保證樣本數(shù)據(jù)準確性，所有投入產(chǎn)出數(shù)據(jù)均選自《中國城市統(tǒng)計年鑒》《江蘇統(tǒng)計年鑒》以及各地級市統(tǒng)計年鑒。此外，為消除價格變動的影響，真實反映經(jīng)濟發(fā)展狀態(tài)，本研究根據(jù)相應(yīng)的價格指數(shù)將市GDP、政府對教育和科技的支出等指標換算成基期不變價格。

2.2 指標選取

生態(tài)效率的基本思想是在最大化價值的同時最小化資源消耗與環(huán)境污染，即以最少的資源投入和最小的環(huán)境代價獲得最大的經(jīng)濟價值，這與SBM 方法對投入與產(chǎn)出指標的要求一致。在具體的SBM運用中，通常將收益型的指標視為產(chǎn)出指標，將成本型指標作為投入指標來處理。借鑒已有研究成果［7］，同時兼顧數(shù)據(jù)的可得性與科學性構(gòu)建江蘇省生態(tài)效率評價指標體系（表2）。

表2 江蘇省生態(tài)效率評價指標體系

3 實證分析

3.1 生態(tài)效率靜態(tài)分析

根據(jù)以上原理，運用DEA-Solver Pro 13.1 軟件將13 個城市2009—2018 年的數(shù)據(jù)進行逐年計算，得到2009—2018 年江蘇省13 市生態(tài)效率（表3）。

由表3 可知，2009—2018 年江蘇省13 市生態(tài)效率總體水平呈下降趨勢，均值從1.095 下降到1.018，總體下降7.03%；除2014 年以外，其余年份生態(tài)效率平均值均大于1.000。

依據(jù)Super-SBM 模型原理，被評價決策單元在生態(tài)效率值≥1的條件下相對有效。由表3 可知，2009—2018 江蘇省13 市生態(tài)效率平均值≥1的城市共8 個；其中蘇北地區(qū)生態(tài)效率相對有效的城市有3個，占總有效城市的37.5%，蘇中地區(qū)沒有生態(tài)效率相對有效的城市，蘇南地區(qū)所有城市生態(tài)效率均相對有效。從空間分布來看，江蘇省生態(tài)效率相對有效城市分布不均衡，區(qū)域差異較大。

表3 2009—2018 年江蘇省13 市生態(tài)效率

生態(tài)效率平均值排序方面，宿遷＞鹽城＞蘇州＞南京＞無錫＞常州＞鎮(zhèn)江＞連云港＞徐州＞泰州＞南通＞揚州＞淮安。生態(tài)效率平均值位于第一、二名的宿遷市和鹽城市屬于蘇北地區(qū)，但蘇北地區(qū)整體生態(tài)效率不及蘇南地區(qū)。蘇南地區(qū)具有優(yōu)越的自然條件，并受上海市輻射作用影響，形成了以鄉(xiāng)鎮(zhèn)企業(yè)發(fā)展推動非農(nóng)化發(fā)展的蘇南模式。這一模式下的蘇南地區(qū)較早地引入外資，積累了較多的資本與先進的生產(chǎn)管理經(jīng)驗，工業(yè)生產(chǎn)總值高，居民收入水平高于全省平均水平。地區(qū)領(lǐng)導(dǎo)人在謀求經(jīng)濟發(fā)展的同時兼顧區(qū)域環(huán)境保護，對工業(yè)企業(yè)的污染物排放予以嚴格管制，因此蘇南地區(qū)整體生態(tài)效率水平較高。

由表3 可知，2009—2018 年宿遷市所有年份生態(tài)效率值都位居全省第1，投入產(chǎn)出水平較高；通過對原始數(shù)據(jù)的分析發(fā)現(xiàn)，宿遷市各年份單位建設(shè)用地面積生產(chǎn)總值都處于較高水平，相同產(chǎn)出下能源消耗水平較低。而淮安市各年份生態(tài)效率處于較低水平，投入冗余和產(chǎn)出不足的問題比較嚴重；存在單位建設(shè)用地面積生產(chǎn)總值較低，工人工資偏低，工業(yè)固體廢物利用率偏低，城市綠地面積偏小等問題。這與淮安市能源自給率低，低碳新能源的開發(fā)利用量占能源消耗總量比重較低，能源結(jié)構(gòu)單一，全社會能源消耗和規(guī)模以上工業(yè)企業(yè)能源消耗以煤為主，環(huán)?；A(chǔ)設(shè)施建設(shè)落后等現(xiàn)實情況相符合。綜合以上分析發(fā)現(xiàn)，不同城市生態(tài)建設(shè)應(yīng)結(jié)合城市的具體情況，對生態(tài)建設(shè)過程中出現(xiàn)的短板采取差異化措施。

3.2 生態(tài)效率動態(tài)分析

為更好地分析江蘇省13 個城市的生態(tài)效率變化趨勢，本研究采用江蘇省13 個城市2009—2018 年的面板數(shù)據(jù)，運用Malmquist 指數(shù)模型計算其效率變動值。

由表4 可知，2009—2018 年生態(tài)效率（TFP）年均增長-1.2%，13 個市中有7 個市增長率小于0，6 個市的增長率大于0；從年均增長率的分解來看，規(guī)模效率的增長率大于0，年均增長率為0.2%，綜合技術(shù)效率與純技術(shù)效率年均增長率為0，技術(shù)進步年均下降1.4%。從各城市來看，連云港市、南京市增長較快，TFP增長率超過3%，顯著高于平均水平；靜態(tài)分析下宿遷市生態(tài)效率很高，但是TFP呈負增長，技術(shù)進步缺乏動力；淮安市TFP增長率為負，同時靜態(tài)分析下淮安市生態(tài)效率排名居全省末位，其生態(tài)效率建設(shè)方面存在一定問題，需要進一步加強城市生態(tài)文明建設(shè)，提升投入產(chǎn)出水平。

表4 江蘇省13 市年均Malmquist指數(shù)及其分解

由表5 可知，江蘇省13 市各年份平均生態(tài)效率增長不穩(wěn)定，2009—2011 年呈明顯上升趨勢，隨后2011—2012 年呈明顯下降趨勢，2013—2018 年的變化相對穩(wěn)定。從生態(tài)效率變化情況的影響因素來看，規(guī)模效率與綜合技術(shù)效率是推動生態(tài)效率增長的動力，但其貢獻率僅為0.2%；純技術(shù)效率對生態(tài)效率增長的貢獻率為0，技術(shù)進步的增長率均值小于0，制約了生態(tài)效率的增長。

表5 江蘇省13 市各年份平均Malmquist指數(shù)及其分解

3.3 區(qū)域生態(tài)效率影響因素分析

由于作為解釋變量而選取的6 個影響因素之間可能存在多重共線性，于是通過STATA 軟件對這6個變量進行相關(guān)性檢驗，結(jié)果如表6 所示。結(jié)果顯示變量之間的相關(guān)系數(shù)均小于0.800，在可接受范圍之內(nèi)，共線性程度不高。

表6 變量多重共線性檢驗

利用STATA 軟件對變量進行回歸分析，結(jié)果見表7。經(jīng)濟發(fā)展水平、人口密度、政府對科學技術(shù)的支持會對各城市生態(tài)效率產(chǎn)生正向影響，工業(yè)結(jié)構(gòu)、利用外資、政府對教育的支持會對各城市生態(tài)效率產(chǎn)生負向影響。人口密度與政府對科學技術(shù)的支持對城市生態(tài)效率的影響在1%的水平下顯著，工業(yè)結(jié)構(gòu)對城市生態(tài)效率的影響在5%的水平下顯著，其余變量未通過顯著性檢驗。

表7 Tobit回歸結(jié)果

1）人均GDP 每增加1 萬元，城市生態(tài)效率將會上升5.9 個百分點。經(jīng)濟發(fā)展水平的提高伴隨著資本投入量的增加，尖端技術(shù)的引進會對生態(tài)效率產(chǎn)生正向的影響，因此各市需要在發(fā)展經(jīng)濟的同時兼顧對環(huán)境的保護，走可持續(xù)發(fā)展道路。

2）第三產(chǎn)業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值比重的上升會帶來生態(tài)效率的下降。這是因為江蘇省第三產(chǎn)業(yè)的發(fā)展仍處于較低級階段，批發(fā)零售餐飲業(yè)及交通運輸業(yè)等污染較重的產(chǎn)業(yè)占比較大。

3）利用外資對生態(tài)效率的影響未通過顯著性檢驗。江蘇省地處東部沿海地區(qū)，外資利用水平較高。研究結(jié)果表明，繼續(xù)提高外資利用水平無法給生態(tài)效率帶來正向影響，因此需要轉(zhuǎn)變經(jīng)濟發(fā)展方式，合理減少外資使用，使經(jīng)濟發(fā)展更多依靠內(nèi)需接動。

4）人口密度對生態(tài)效率產(chǎn)生正向影響，并且在1%的水平下顯著，但是人口密度對生態(tài)效率影響較小，影響系數(shù)僅為0.001，說明目前江蘇省人口密度較優(yōu)，對環(huán)境造成壓力較小。

5）政府對科學技術(shù)的支持與政府對教育的支持分別會給生態(tài)效率帶來正向與負向的影響，政府對科學技術(shù)的支持對生態(tài)效率的影響顯著，政府對教育的支持對生態(tài)效率的影響并不顯著。

4 結(jié)論與建議

1）整體來看，統(tǒng)計期間內(nèi)江蘇省13 市生態(tài)效率平均值為1.033，處于較高發(fā)展水平?？臻g上差異較大，蘇南＞蘇北＞蘇中。蘇北與蘇中地區(qū)需要在科技研發(fā)上投入更多資金，大力推進科技成果向生產(chǎn)力轉(zhuǎn)化，同時完善城市環(huán)?；A(chǔ)設(shè)施建設(shè)，提高城市公共服務(wù)能力。

2）從對江蘇省13 市生態(tài)效率的動態(tài)分析中發(fā)現(xiàn)，江蘇省生態(tài)效率的進步來自規(guī)模效率的提升，其貢獻率為0.2%。技術(shù)進步變化制約了生態(tài)效率的增長，因此需要進一步加大對科研活動的投入，拓寬科研經(jīng)費的來源渠道，激發(fā)高校的科技創(chuàng)新活力。同時鼓勵企業(yè)以另一主體的身份參與新技術(shù)的研發(fā)過程，激發(fā)大中型企業(yè)的創(chuàng)新熱情，促進科研成果向?qū)嶋H生產(chǎn)力的高效轉(zhuǎn)化。

3）從影響因素的回歸分析來看，經(jīng)濟發(fā)展水平、人口密度、政府對科學技術(shù)的支持會對各城市生態(tài)效率產(chǎn)生正向影響。其中政府對科學技術(shù)的支持影響最為顯著；工業(yè)結(jié)構(gòu)、政府對教育的支持會對各城市生態(tài)效率產(chǎn)生負向影響。為了提高江蘇省整體生態(tài)效率，縮小區(qū)域差異，需要進一步優(yōu)化第三產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)，盡快實現(xiàn)從以批發(fā)零售餐飲業(yè)及交通運輸業(yè)為主的初級階段向以信息、科技、金融等為主的高級階段過渡。