主页 关于我们 最新公告 往期目录 录用通知 精彩阅读 原创作品选编 投稿指南 汇款方式 联系我们
最新公告
《价值工程》现安排24年5月版面!01-22
2023年中国科技核心期刊目录09-21
《价值工程》投稿咨询电话!08-22
《价值工程》栏目设置07-22
《价值工程》文章细节要求:05-15
《价值工程》作者简介格式07-19

版权信息

版权信息:
杂志名称:《价值工程》
主管单位:河北省科学技术协会
主办单位:河北省技术经济管理现代化研究会
国际刊号:1006-4311
国内刊号:13-1085/N
邮发代号:18-2
责任编辑:张崇
咨询电话:18132119945
投稿邮箱:vezzs02@163.com

原创作品选编
中国省际环境与经济的协调关系研究

Research on the Coordinated Relationship between China's Provincial Environment and Economy

高同 GAO Tong;朱海龙 ZHU Hai-long
(安徽财经大学统计与应用数学学院,蚌埠 233030)
(School of Statistics and Applied Mathematics,Anhui University of Finance & Economics,Bengbu 233030,China)

摘要:文章旨在研究中国省际环境与经济的协调关系,运用序列ML方法测度了中国30个省市2003-2017年的环境全要素生产率,并对环境全要素生产率的影响因素进行了面板分析。研究发现:环境全要素生产率无明显的区域分布特点,且与环境技术进步率的变化规律高度一致,具有震荡上升的特点;外资利用、人均资本增加以及长期教育科学投入对环境全要素生产率都具有正向影响。
Abstract: The aim of the paper is to study the coordinated relationship between environment and economy among provinces in China. The environmental total factor productivity of 30 provinces and cities in China from 2003 to 2017 are measured using sequential ML methods, and the influencing factors of environmental total factor productivity are analyzed in a panel. It is found that: environmental total factor productivity has no obvious regional distribution characteristics, and is highly consistent with the change pattern of environmental technological progress rate, with oscillating upward characteristics; foreign capital utilization, capital increase per capita, and long-term education and science investment all have positive effects on environmental total factor productivity.
关键词: 环境全要素生产率;序列ML;区域规律;影响因素
Key words: environmental total factor productivity;sequential ML;regional patterns;influencing factors
中图分类号:F127                                        文献标识码:A                                  文章编号:1006-4311(2021)01-0253-05

0  引言
在全球经济快速发展过程中,人类正面临越来越严峻的环境问题:台风、干旱等极端天气频繁出现;南北极冰川、格陵兰冰川等地球降温器快速融化;森林大火频繁出现……作为地球生态系统中的一员,人类的生存与发展与地球环境息息相关。2016年4月《巴黎协定》的签署既是人类开始重视环境问题的表现,也是人类共同治理环境问题的重要尝试。
作为当前全球重要经济体之一,中国的环境治理态度对全球的环境治理具有重要影响。在国际方面,2016年9月全国人大常委会正式批准中国加入《巴黎协定》,反映出中国愿意参与全球环境治理的意志;在国内方面,2014年4月第十二届全国人大常委会第八次会议表决通过了《环保法修订案》,新的《环境保护法》赋予中国环保部门更多的执法手段和更强的处罚力度,反映出中国治理内部环境问题的坚定决心。
根据图1(a)可见随着2011年地区生产总值增长放缓,总能源消费、废水排放虽然保持增长,但有放缓趋势,其中二氧化硫排放明显下降。
由图1(b)可见2003-2017年间总能源消费强度、固定资产强度和城镇就业强度都居高不下,而废水排放强度和二氧化硫排放强度都有下降趋势,其中二氧化硫排放强度下降非常明显。综合图1(a)和图1(b),一方面反映了近年来中国加大环境污染治理力度有效抑制了污染物的排放,另一方面也反映了中国当前总能源消费、资本、劳动的无效率问题仍然不容忽视。
1  文献综述
由于数据包络分析(DEA)具有不需要假设函数形式、可以对全要素生产率进行分解等优点,DEA方法已经成为经济效率测算的重要方法之一。基于DEA方法的经济效率研究主要从两个角度展开:一是横向角度,即相同时间下估算不同决策单元(DMU)间的相对经济效率。二是纵向角度,即同一个决策单元(DMU)在时间轴上的经济效率演变。相比于传统经济效率只考虑资本、劳动投入和经济的期望产出,环境经济效率额外引入了经济的非期望产出。
横向研究方面,最为重要和基础的理论模型是Charnes[1]创建的CCR模型,从经济学中的生产有效性角度看,该模型是评价具有多个输入和一个或多个输出的决策单元是否技术有效和规模有效的理想模型。随后Banker[2]建立了BCC模型,该模型主要用来评价决策单元的技术有效性。CCR模型与BCC模型是其他DEA模型的重要基石,但依旧有不足的地方,这两种模型建立在投入或产出变量等比例缩减或扩大的前提条件上,不能体现实际投入和产出的灵活变化。考虑到CCR模型与BCC模型的缺点,Tone[3]提出了基于松弛变量的效率测量模型(即SBM模型),SBM模型是一种非径向非角度DEA模型,不仅可以弥补径向角度DEA方法不能反映投入产出灵活变化的缺点,而且具有测量值只依靠参考集的优点。鉴于前面提到的几种模型不能有效解决带有非期望产出的DMU间的效率评价,Tone[4]提出的非期望SBM模型与Cooper[5]提出的RAM模型有效的解决了这一问题。
纵向研究方面,最为重要和基础的理论模型是Shephard[6]基于产出距离函数提出的Malmquist(简称M)指数法,然而在评价环境经济效率时,M指数法要求无效决策单元的产出变量按比例同时增加以实现有效状态,与环境经济效率要求期望产出增加和非期望产出减少并存的理念相偏离。Chung[7]基于方向产出距离函数提出的Malmquist_Luenberger指数法(简称ML)则在保留M指数法优点的同时有效解决了非期望产出变化方向的问题。M指数法与ML指数法虽然是当前研究时间轴上经济效率变化的最为广泛的方法,但是其理论方法依旧难以完全反映实际,因此在部分情况下会出现线性规划无解的问题。为了从宏观经济角度剔除技术伪回归问题,Donghyun[8]提出了序列ML指数法。而Battese[9]提出的共同前沿面ML指数法则考虑了组间异质性,将不同时期前沿面分组进行效率测评,也可以避免在规模收益不变假设条件下线性规划无解的问题。
作为全球的重要经济体之一,中国的环境经济效率一直是国内外学者的研究热点。重要的实证研究有:涂正革[10]采用方向性环境距离理论方法对中国30个省市地区环境、资源与工业增长的协调状况进行了分析;聂玉立与温湖炜[11]利用非期望SBM模型对中国286个地级以上城市于2005-2011年的绿色经济效率进行了测算分析;王兵与吴延瑞等[12]同时运用SBM方向性距离函数和卢恩伯格生产率指标测算分析了中国30个省市1998-2007年的环境效率、环境全要素生产率;朱文涛[13]利用SBM方向性距离函数及ML指数对中国29个省市于2003-2015年的绿色全要素生产率进行了测算,并实证考察了对外直接投资及逆向技术溢出对中国绿色全要素生产率的影响。Chen与Golley[14]运用径向距离函数和ML指数法测算分析了中国38个工业行业在1980-2010年期间的环境全要素生产率变化规律。
本文基于序列ML指数法测算各省市的环境全要素生产率值,并进行影响因素分析。相比于已有文献,本文引入序列ML指数法,剔除了技术伪回归问题,希望可以获得更为可靠的结论。文章结构安排如下:第二章为模型与数据描述,第三章为环境全要素生产率的实证分析结果,第四章为环境全要素生产率的影响因素分析结果,第五章为结论与建议。
2  模型与数据
2.1 环境全要素生产率测量模型
传统ML指数里的生产前沿面取决于当年各决策单元投入产出的线性组合,而由于每一年投入产出的波动性比较大,往往会出现技术退步的情况。对此,序列ML指数方法可以排除技术退步这一情况的出现,因为其每一年的技术前沿面依赖于整体决策单元当年及往年的所有投入产出的线性组合。从t期到t+1期的序列ML指数模型可以表述为:
■×
  ■(1)
序列ML指数方法中的四个距离函数具有相似性,这里仅举例其中一个,对于决策单元k′,其测算表达式如下:■
上式origin是数据起始年,t是目标决策单元所在年份,n为决策单元数量,x、y、b分别为投入、期望产出、非期望产出变量,m、s1、s2分别为投入、期望产出、非期望产出的数量。序列ML指数可以进一步分解为效率进步与技术进步的乘积:

(3)
2.2 数据
在省市选择方面,由于制度差异和数据可得性,本文剔除了香港、澳门、台湾以及西藏等地区,最后保留了30个省市。文章涉及的变量数据来源于《中国统计年鉴》:
①期望产出:选用30个省市以1990年为基期的实际地区生产总值;②非期望产出:由于在现实生产活动中废水、废气和固体废物是三类主要的污染排放,对环境具有负的外部效应,本文采用数据相对完整的二氧化硫和废水排放量作为各省市的非期望产出指标;③资本投入:本文以1990年为起始期,利用“永续盘存法”计算各省市各年的资本存量,固定资产折旧率设为5%。值得注意的是,以1990年为起始期计算的资本存量忽略了1990年以前的资本投入,但是由于1990年以前的资本投资比较低而且逐年折旧,因此本文计算的固定资本存量依旧能够充分反映各省市的真实资本存量大小;④劳动投入:由于全社会总劳动数据难以获取,本文采用城镇单位就业人员数为劳动投入指标;⑤资源投入:传统全要素生产率的测度一般都不考虑资源投入,但在考虑环境约束后,一些学者开始将能源等资源投入纳入到生产率的测度中,以作为非期望产出的主要来源。本文选择总能源消费量作为资源投入指标。表1为投入产出变量的描述性统计结果。
3  环境全要素生产率实证分析
3.1 环境全要素生产率与传统全要素生产率
文章基于序列ML指数模型(即SML),分别测算了中国30个省市2003-2017年的环境全要素生产率值及其分解值。同时为了与传统全要素生产率进行对比,本文亦基于不考虑非期望产出的序列M指数模型(即SM)测算了对应的传统全要素生产率值及其分解值。测算结果见表2。表2中的数值是该时间段内各年全要素生产率积的年数次平方根,反映了该时间段的全要素生产率平均值,根据表2可以发现:
①2003-2005、2005-2010、2010-2015、2015-2017四个时间阶段里测量的SML值对SM值的误差平均值分别为0.049、0.405、0.327、0.319,误差平均值大于0说明环境全要素生产率整体上高于传统全要素生产率,即在考虑非期望产出后,全要素生产率是上升的,说明中国的环境政策的确促进了环境与经济间的协调发展。②从平均值来看,2003-2005、2005-2010、2010-2015、2015-2017四阶段里测量的SML值和SM值整体上呈上升趋势,说明2003-2017年间我国经济质量越来越高,环境管理效率与资本劳动效率趋于上升,特别是最近的2015-2017阶段的环境全要素生产率增长和传统全要素生产率增长皆创2003年以来历史新高。
3.2 环境全要素生产率及其分解值变化规律
本节基于以上测量的环境全要素生产率值,绘制了30个省市在2003-2005、2005-2010、2010-2015、2015-2017四个时期阶段的区域分布图,其中环境全要素生产率分为小于0.900、0.901-1.000、1.001-1.100、大于1.100四个等级,绘图结果见图2。可以发现:
①在图2基础上,可以看出环境全要素生产率的区域分布特点没有从东到西阶级递减的特点,经济发达程度低和地理位置偏远的省市仍然有很多实现环境全要素生产率增长;②环境全要素生产率在四个时期中有低、高、低、高的波动特点,整体上环境全要素生产率有震荡上升的特点,这可能与生产技术更新升级的时间周期有关,值得肯定的是,2015-2017年绝大部分省市实现了环境全要素生产率增长;③根据图3(b)可见效率进步率在1上下小幅波动,没有明显的规律。而图3(a)中技术进步率普遍大于1,这是由于本文采用序列ML指数方法避免了技术退步,根据图3(a)可见技术进步率在2003-2017年间有两次明显大于1的波动阶段,波动时间与图2中环境全要素生产率的震荡上升时间是一致的,说明当前技术进步是环境全要素生产率能否实现增长的决定性因素。
4  环境全要素生产率的影响因素分析
4.1 变量与平稳性检验
在对环境与经济协调关系的影响因素分析过程中,因变量选择文中测算的环境全要素生产率(sml),自变量在现有涂正革[10]、聂玉立[11]、王兵[12]、钱争鸣[15]、以及邱士雷[16]等人研究的基础上选择了具有代表性的影响因素:
①禀赋结构因素:单位劳动固定资本的对数(ln_mcap);②产业结构因素:第二产业产值占比(per_gdp2);③经济发展水平因素:人均GDP对数(ln_mgdp)及其平方项(ln_mgdp2);④外商投资因素:外商注册资本的对数(ln_fdi);⑤教育投入因素:财政教育事业费投入对数(ln_edu)及其滞后变量;⑥技术投入因素:财政科学事业费投入对数(ln_sci)及其滞后值。
为了避免模型出现伪回归问题,本文基于LLC和ADF单位根检验方法对面板数据进行了平稳性检验,结果见表3,可见面板数据具有平稳性。
4.2 模型构建与实证分析
对环境全要素生产率影响因素进行分析的面板模型主要包含:固定效应模型、随机效应模型以及混合效应模型。在试验数据过程中,三种模型中混合回归模型表现最优,因此本文以混合回归模型结果为主要分析对象,同时列出固定效应模型回归结果作为参考,回归结果见表4。
此外,考虑到变量滞后阶数增加会导致可用数据量快速减少,本文仅引入教育投入和技术投入的两期滞后变量来研究两种投入是否具有滞后效应。根据表4可以发现:
①在教育和技术投入因素方面,教育投入有明显的滞后效应,即当期教育投入不会立即影响当年的全要素生产率,而是显著促进第二年的环境全要素生产率增长,虽然表4结果反映当期教育投入对第三年环境全要素生产率有抑制效应,但教育投入两年的累计效应依旧大于0。而当教育投入每年都增加1%时,环境全要素生产率每一年都会增加0.092%,可见教育投入保持长期增长的促进效果更加明显。技术投入则与教育投入有相似的滞后效应;②在外商投资因素方面,2003-2017年外商投资企业注册投资总额对技术进步有显著的正向影响,说明在国家重视发展环境经济的政策下,引进符合我国环保政策的外企对我国的技术进步有正向影响,但影响有限,外商投资企业注册投资总额每增加1%,环境全要素生产率仅增加0.005%左右;③在产业结构因素方面,2003-2017年第二产业总产值占比对环境全要素生产率有显著的负向影响,第二产业总产值占比每提高1%,环境全要素生产率近似降低0.118%,这与研究预期相同,因为第二产业包含采矿业、建筑业等高污产业;④在禀赋结构因素方面,2003-2017年人均资本对环境全要素生产率有显著的正向影响,人均资本每增加1%,环境全要素生产率近似增加0.02%,这一结果可能的原因是近年来资本密集型企业的技术进步抵消了其对环境的负面影响。
5  结论与建议
本文基于序列ML方法测算了2003-2017年30个省市的环境全要素生产率,从纵向角度研究了中国省际环境与经济的协调关系,综合以上实证分析可以得出以下结论和建议:
5.1 结论
基于环境全要素生产率简单分析:在2003-2017年间,环境全要素生产率普遍高于传统全要素生产率,即考虑非期望产出后,全要素生产率是上升的,说明中国的环境政策是有成效的;环境全要素生产率没有明显的地域分布特点,说明经济发达程度低和地理位置偏远的省市同样可以实现环境全要素生产率增长;环境全要素生产率与技术进步率的变化规律高度一致,具有震荡上升的特点,同时效率进步没有明显的规律且波动动幅度较小,说明2003-2017年期间技术进步是环境全要素生产率能否实现增长的决定性因素。基于环境全要素生产率的影响因素分析:长期的教育和技术投入、外国投资、人均资本对环境全要素生产率皆有显著的正效应,其中教育和技术投入具有显著的滞后效应;第二产业占比则对环境全要素生产率有显著的负效应。
5.2 建议
根据本文实证分析结论,可以提出以下政策建议:
由于环境全要素生产率与技术进步的演变规律高度一致,具有震荡上升的特点。各省市一方面应该以技术进步为突破点,努力提升全要素生产率。另一方面则应该鼓励技术研发和更新,尽量缩短技术进步的周期,进而降低全要素生产率震荡上升的震荡周期。
此外,为了更快地提高经济发展质量,各省市还可以做到:对劳动资本在质和量上进行升级;加快第二产业相关行业的技术升级;欢迎符合环保条件的外商进行投资;长期增加教育和科学投入。
参考文献:
[1]Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of decision making units[J]. European Journal of Operations Research, 1978, 2(6):429-444.
[2]Banker R D, Charnes A, Cooper W W. Some models for estimating technical and scale inefficiencies data envelopment analysis[J]. Management Science, 1984, 30(9): 1078-1092.
[3]Tone K. A Slacks-Based Measure of Efficiency in Data Envelopment Analysis[J]. European Journal of Operational Research, 2001, 130(3): 498-509.
[4]Tone K. Dealing with Undesirable Outputs in DEA: A Slacks-Based Measure Approach[R]. Toronto: North American Productivity Workshop, 2004.
[5]Cooper W W, Park K S, Pastor J T. RAM: A range adjusted measure of inefficiency for use with additive models, and relations to other models and measures in DEA[J]. Journal of productivity analysis, 1999, 11(1): 5-42.
[6]Shephard R W. Theory of Cost and Production[M]. Princeton: Princeton University Press, 1970.
[7]Chung Y H, Fare R, Grosskopf S. Productivity and Undesirable Outputs: A Directional Distance Function Approach[J]. Journal of Environmental Management, 1997, 51(3): 229-240.
[8]Donghyun O, Almas H. A sequential Malmquist-Luenberger productivity index: Environmentally sensitive productivity growth considering the progressive nature of technology[J]. Energy Economics, 2010, 32(6):1345-1355.
[9]Battese G E, Prasada Rao D S, O’Donnell C J. A metafrontier production function for estimation of technical efficiencies and technology gaps for firms operating under different technologies[J].Journal of Productivity Analysis, 2004, 21(1): 91-103.
[10]涂正革.环境、资源与工业增长的协调性[J].经济研究,2008(02):93-105.
[11]聂玉立,温湖炜.中国地级以上城市绿色经济效率实证研究[J].中国人口·资源与环境,2015,25(S1):409-413.
[12]王兵,吴延瑞,颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究,2010,45(05):95-109.
[13]朱文涛,吕成锐,顾乃华.OFDI、逆向技术溢出对绿色全要素生产率的影响研究[J].中国人口·资源与环境,2019,29(9):63-73.
[14]Chen S, Golley J. 'Green' productivity growth in China's industrial economy[J]. ENERGY ECONOMICS, 2014(44): 89-98.
[15]钱争鸣,刘晓晨.中国绿色经济效率的区域差异与影响因素分析[J].中国人口·资源与环境,2013,23(07):104-109.
[16]邱士雷,王子龙,刘帅,等.非期望产出约束下环境规制对环境绩效的异质性效应研究[J].中国人口·资源与环境,2018,28(12):40-51.

社址:石家庄市槐安西路88号卓达玫瑰园物业楼 050091    电话:18132119945    微信:15132496582

投稿邮箱:vezzs02@163.com

价值工程杂志社

    点击这里给我发消息      点击这里给我发消息

备案号:冀ICP备19020820号-1


我要啦免费统计
点击这里给我发消息
点击这里给我发消息
24小时热线: 18132119945