城市生态效率测评与空间溢出效应分析

李小语 董会忠

[摘要]基于2010-2018年“2+26”城市的面板数据，文章运用超效率DEA-Malmquist指数模型测算城市生态效率，并引入空间杜宾模型对城市生态效率的影响因素进行实证分析。结果表明：从时间序列来看，城市生态效率呈“M”型分布，上升波峰出现在2011年和2016年，下降波谷出现在2014年;从空间分布来看，2010年城市生态效率呈现出“中间低，两边高”的分布格局，多数城市的生态效率值在0.5-0.8之间;2018年城市生态效率呈现出由西南向东北逐渐递增的趋势，阶梯性特征凸显。城市的经济发展水平、人力资本和环境规制对城市生态效率有显著促进作用，产业结构在一定程度上阻碍城市生态效率的提升，对外开放程度对城市生态效率的影响不显著。城市的经济发展水平和环境规制对生态效率具有正向的空间溢出效应，产业结构对城市生态效率具有负向的空间溢出效应，人力资本和对外开放程度对城市生态效率的空间溢出效应不显著。因此，“2十26”城市应进一步加强区域交流合作，加快产业结构调整，提升人力资本水平，有效利用外资，发展生态经济。

[关键词]城市生态效率;空间溢出效应;超效率DEA-Malmquist指数;空间杜宾模型

[中图分类号]F127

[文献标识码]A

[文章编号]1008-0694（2022）01-0036-13

[作者]李小语硕士研究生山东理工大学管理学院淄博255012

董会忠教授博士生导师山东理工大学管理学院淄博255012

ー、引言

在经济新常态背景下，加快生态文明建设、推动城市绿色发展已成为我国经济增长由“速度领跑”向“质量拉动”转变的关键。但产业结构不合理、污染治理低效性导致我国经济增长方式仍需大量基础性自然资源作为支撑，这种典型的“粗放型发展模式”难以在短期内彻底转变。2017年生态环境部发布了《京津冀及其周边地区2017至2018年秋冬季大气污染综合防治行动计划》，将京津冀及周边地区28个城市认定为空气污染传播通道城市，包括北京、天津2个直辖市，河北省的石家庄、唐山、邯郸、邢台、保定、沧州、廊坊、衡水8个地级市，山西省的太原、阳泉、长治和晋城4个地级市，山东省的济南、淄博、济宁、德州、聊城、滨州和菏泽7个地级市，河南省的郑州、开封、安阳、鹤壁、新乡、焦作、濮阳7个地级市（以下简称“2+26”城市）。这些城市的空气污染问题较为严重，PM2.5值常年爆表1”，生态环境面临严峻的挑战。在此背景下，“2+26”城市如何协调其经济发展和环境保护二者之间的关系，以最小的资源投入得到最优的经济产出和生态效率[2”，这对于探索城市转型以及加强城市之间的生态合作具有重要意义。

二、文献综述

根据已有文献，国内外学者关于生态效率的评价指标3）、评价方法与模型4-5）、空间相关性[6]等研究均取得了丰富成果。在评价方法上，多数学者采用随机前沿分析（SFA）与数据包络分析（DEA）两种方法测度城市生态效率。例如，杨勇等（2019）采用随机前沿分析法和Kernel密度函数对我国281个城市的生态效率进行了测算，发现城市生态效率是一个波浪式变化的动态过程，总体效率呈增长趋势”。肖黎明等（2018）基于超越对数和产出距离函数改进后的SFA模型，测度了我国各省（自治区、直辖市）绿色创新生产率，认为其效率具有较为显著的路径依赖性和同质性，环境库滋涅茨曲线的拐点尚未显现8）。李在军等（2018）运用随机前沿分析法对我国地级市工业生态效率进行了度量，发现我国工业生态效率整体偏高且呈现出递增式演变规律，空间上表现出显著的集聚特征9）。

随机前沿分析法虽然可以较好地处理测量误差等因素，但需要事先限定模型，这就会限制了SFA方法在城市生态效率中的应用。DEA模型是一种非参数的多要素生产率分析工具，不需要预先估计参数，也不需要在解释变量和因变量之间建立函数关系。例如，胡彪等（2016）基于非期望产出SBM模型对我国生态效率进行测度，并运用空间自相关分析其空间差异，发现我国生态效率呈“W”型波动上升趋势，原有的两极分化格局得到改善，区域差异性不断缩小1。成金华等（2014）利用超效率DEA模型对我国各省（自治区、直辖市）生态效率进行测算，并采用空间自相关方法分析其生态效率的演化格局，发现生态效率呈现由东到西、由沿海到内陆逐级递减的格局，各地区生态效率表现为正向空间相关性特征1）。罗能生等（2019）运用超效率SBM模型来衡量我国各省（自治区、直辖市）的生态效率，并研究环境监管和财政分权对生态效率的影响，发现增加财政分权会降低生态效率”。

从研究区域看，部分学者从微观层面分析城市生态效率，将研究地区限定在某个城市群或者某个城市。李东方等（2018）运用DEA模型测度我国296个地级城市的生态效率，并考察这些城市在空间上的关联性，发现城市生态效率存在正向空间相关性，并且H一L集聚随着时间推移逐渐增强13）。吴义根等（2017）以安徽省16个地级市为研究对象，并通过超效率DEA模型对生态效率进行了测度，发现这些城市生态效率呈现出明显的集聚趋势，产业结构对生态效率提升有正向促进作用14幻。焦国伟等（2019）选取了我国285个城市的面板数据，运用空间计量模型探讨了环境规制对我国城市生态效率的影响，发现不同城市之间的负向空间溢出效应明显15）。黄建欢等（2018）采用全国191个地级市的统计数据，探讨我国城市生态效率空间溢出的模式及其影响因素，发现地方官员考核指标能够通过“见贤思齐”模式来提升城市生態效率16）。

以上文献拓展了城市生态效率的研究思路，但仍存在不足之处：一是部分学者从静态角度对同一时点上的城市生态效率进行横向比较，而对于生态效率动态演化的成果则相对较少。二是多数文献对城市生态效率空间相关性的研究，只强调了研究对象在空间上的集聚或分散特征，对空间溢出效应缺乏深入的探讨。基于此，本文将超效率DEA模型与Malmquist指数相结合，在测算“2+26”城市生态效率的基础上尝试回答以下问题：城市生态效率具有怎么样的演变规律？是否存在空间聚集特征？城市生态效率是否存在空间溢出效应，溢出方向具有怎样的规律？通过回答上述问题，本文尝试明确“2+26”城市生态效率的空间纹理特征，为提升该区域生态效率提供理论依据与决策参考。

三、模型设定

1.超效率DEA-almquist指数模型

传统的DEA模型在分析生态效率过程中可能会出现多个决策单元值相同的情况，无法进一步对生态效率进行有效的评估。Anderson（1995）在传统DEA模型的基础上提出了超效率DEA模型1”，该模型可以对所有的有效决策单元进行重新排序。超效率DEA模型测算的有效单元效率值通常大于1，并且不同的有效决策单元对应的超效率值不同，使得有效决策单元具有生态效率可比性的特点，有助于了解其效率变化的原因18”。其数学表达式如下：

其中0表示“2十26”城市生态效率;X表示投入变量;Y表示产出变量;入为有效决策单元中的组合比例，可据此判断决策单元的规模效益情况（∑入《1、∑入=1、λ》1分别代表规模效益递增、规模效益不变和规模效益递减）;S和S+为松弛变量，分别表示输入超量和输出亏量。当0≥1时，若S≥0且S+≥0说明该决策单元的投入产出已实现最优效率;当0《1时，若S≠0或S+≠0，那么该决策单元没有达到最优效率，存在改进空间。

超效率DEA模型测算结果都是静态的，而Malmquist指数克服了当前DEA模

型测算结果无法跨期比较的不足，实现了城市生态效率的动态比较。在超效率DEA的基础上构建Malmquist模型，公式如下：

Malmquist指数可分解为技术进步（TECHCH）和综合技术效率（EFFCH），綜合技术效率又可分解为纯技术效率（PECH）和规模效率（SECH），表达式如下：

EFFCH=PECHXSECH

MI（x1，y1，x'，y'=TFPCH=TECHCHXEFFCH

综合技术效率是衡量两个时间段的效率变化对生产率的影响，纯技术效率表示生产管理水平变化对生产率的影响，规模效率表示规模报酬变化引起的效率变化;技术进步是衡量两个时间段的技术变化。

2.Moran'sI指数

为了研究城市生态效率在空间上是否具有相关性和依懒性，本文对城市生态效率的空间相关性进行测度。空间相关性的方法包括Moran’sI、LM-error等，而最常用的方法是Moran'sI指数，其计算公式如下：

3.空间计量模型

空间权重矩阵。目前学术界关于空间权重矩阵的设定没有统一标准，本文参考Lesage（2008）的研究成果1），优先考虑只有0和1组成的邻近权重矩阵（W）;如果i市与j市相邻，则权重W;=1，否则W;=0。此外，构建经济距离权重矩阵（W）来检验估计结果的稳健性，其公式为：W=Wdiag

其中，W为地理距离空间权重矩，Y：表示第i城市的GDP均值，Y表示所有地区的GDP均值。

空间计量模型。传统的计量模型假定各城市的生态效率是相互独立的，这显然不符合实际。由于各城市之间生产要素的流动，某个城市的生态效率可能会受到邻近城市的影响。因此，本文将构建空间杜宾模型（SDM）来考察“2+26”城市生态效率的空间溢出效应，具体形式如下：

InTFPCHit=pWInTFPCHit+Bxit+WxitY+ui+eit

其中TFPCH表示城市生态效率，本文对其求对数，p表示空间自相关系数，W表示空间权重矩阵，以表示个体固定效应，x代表一系列解释变量，ε代表随机干扰项。

4.数据来源

本文的研究样本为京津冀及周边地区28个城市的面板数据。指标的原始数据来源于2010-2018年的《中国城市统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》，各地市的统计年鉴以及EPS数据库，并对部分缺失数据进行了插补处理。

四、城市生态效率测度及分解指数

城市生态效率的核心内容主要包括3个方面：资源投入减量化、期望产出最大化和非期望产出最小化。在参考杨勇等（2019）、侯孟阳等（2018）研究的基础上2-1”，本文将各城市的实际GDP作为产出变量;将非期望产出作为投入变量22），环境投入变量表示为废水、废气与固体废物排放，其投入越少越好;资源投入变量表示为水、电能消耗、土地资源的利用;人力投入和固定资产投入作为社会投入变量（详见表1]。

本文依据公式（2）测算出“2+26”城市生态效率，并在ArcGIS10.2软件的支

持下，采用自然间断点法对2010年、2013年、2016年和2018年城市生态效率空间格局进行渲染。从时间维度看（详见图1），城市生态效率指数呈“M”型分布，波峰出现在2012年和2017年，波谷出现在2013年和2015年;2010-2012年城市生态效率快速增长并达到峰值，导致该变化的主要原因是2008年金融危机过后，我国经济开始回暖，市场环境在培育创新产出、产业结构调整等方面的影响逐渐增大;2017-2018年出现“断崖式”下跌，原因是“2十26”城市开始加大对环境治理力度，加快工业转型升级;尽管在基础设施、技术设备等方面投入不断增加，但部分企业还是面临转型困难，在短时间内难以适应新环境、新市场，导致生态效率降低。同时本文还发现了TECHCH值与TFPCH值的走势基本一致，EFFCH值的走势较为平稳，这表明“2+26”城市生态效率变化的主要原因可能是受技术进步的影响。

从图2可以看出，沧州市、衡水市、德州市、聊城市等7个城市始终处于较高效率水平;相比于2010年，长治市和濮阳市生态效率降低，退出高效率区域;焦作市、新乡市、保定市和太原市生态效率保持不变，依旧停留在较低水平;其他城市的生态效率都有不同程度提升，高效率城市所占比例大幅度增加。从空间分布来看，2010年城市生态效率呈现出“中间低，两边高”的分布格局，多数城市的生态效率值在0.5-0.8之间，高效率城市主要分布在河北省沧州市和衡水市、山东省德州市和滨州市、河南省濮阳市和鹤壁市以及山西省长治市和晋城市等。2018年城市生态效率呈现出由西南向东北逐渐递增的趋势，阶梯性特征凸显，表明近年来“2十26”城市的生态效率有了较大改善，生态环境“高颜值”与经济发展“高素质”双双得到进一步发展。其中，生态效率增长较快的城市主要分布在北京、天津和河北省的沧州市和廊坊市等，而下降的城市大多集中在山西省长治市和河南省濮阳市。

从分解指数来看（详见表2），城市生态效率值排名第一的是北京（1.113），排名最低的是长治（0.944）。北京市生态效率值比长治市高出0.169，差距较大。天津市生态效率值以1.08排名第三，在“2+26”城市排名中比较靠前。这说明其他四省的城市生态效率相对于北京和天津这两个直辖市而言，存在一定的差距。EFFCH值排名前三的城市分别是新乡市（1.027）、濮阳市（1.022）和鹤壁市（1.021），其中新乡市比排名最低的邯郸市（0.978）高出0.049。虽然新乡市和濮阳市EFFCH值排名很高，但TFPCH值排名较差，是因为这两个城市的技术水平落后（TECHCH值分别为0.967、0.953），这表明它们忽视了技术进步的作用，没有及时进行技术更新，依然停留在较低的技术水平。同时本文还可以看出绝大多数城市的TECHCH值与TFPCH值排名顺序基本一致，原因是“2+26”城市整体发展水平依然处于中低级阶段，城市生态效率增长的动力主要来自技术进步，但是并没有充分利用技术效率。

五、实证分析

1.城市生态效率的空间相关性检验

本文在选取邻近空间权重矩阵的基础上，利用Stata15.0软件测算了2010-2018年“2+26”城市生态效率的Moran'sI值（详见表3）。结果显示所有年份的统计值均大于零且通过了显著性检验，说明“2+26”城市生态效率存在空间依懒性。此外，Moran'sI指数值随着时间的推移呈现波动上升的趨势，说明随着我国经济的快速发展，“2十26”城市的联系更加紧密，聚集程度也越来越明显。

2.变量选取

为进一步验证“2+26”城市生态效率是否存在溢出效应，本文将采用空间计量模型对其进行检验。根据我国经济发展的特点，本文从以下五个方面来探究空间计量模型的解释变量：对外开放程度（OPEN）用外商投资占GDP比重来表示;产业结构（IND）用第二产业占GDP的比重表示;人力资本（EDU）为每万人在校大学生人数;经济发展水平（RGDP）用人均GDP表示。为了全面衡量环境规制（ER）对城市生态效率的影响，本文参考李斌（2017）等、王涛（2018）等的研究思路23-24），选取工业二氧化硫去除率、工业烟（粉）尘去除率、工业固体废物综合利用率、生活污水处理率和生活垃圾无害化处理率5个指标，并运用熵值法来测度环境规制（详见表4）。

3.描述性统计

本文对各个变量进行描述性统计，其结果如表5所示：

4.模型估计

本文基于空间杜宾模型对“2+26”城市生态效率的影响因素进行了实证分析（详见表6）。从表6中可以看出，p系数通过了1%的显著性水平，说明本文选择的模型存在空间性。“2十26”城市的经济发展水平、人力资本、环境规制对其生态效率均起到了促进作用，这是显而易见的。产业结构抑制了城市生态效率的进一步发展，然而对外开放程度对城市生态效率却没有任何影响。

本文的基准模型采用的是邻近权重矩阵，没有考虑到不同城市之间存在经济活动的关联性。因此，本文构建经济距离权重矩阵进行稳健性检验（详见表7）。从回归结果可以看出，空间杜宾模型所有解释变量系数符号均未发生改变，仅有部分结果的显著性降低，可以判断基准模型估计结果具有一定的稳健性。

本文需要进一步分析各个影响因素的直接效应和溢出效应（详见表8）。经济发展水平对城市生态效率的直接效应为0.142，并且通过1%水平上的显著性检验，说明经济发展显著地促进了本地区城市生态效率的提升。一般来说，经济发展水平较高的城市，其经济发展方式逐步地向密集型、节约型转变，对环境的重视程度也比较大，从而有利于城市生态效率的提升。经济发展水平的溢出效应为正，说明各城市经济发展水平的提高一定程度上会促进其他邻近地区城市生态效率的提升。

对外开放程度对“2+26”城市生态效率的直接效应和溢出效应均没有通过显著性检验。出现这种结果的可能原因，一方面是因为外商投资的产业所占有的比例较小，对城市生态效率的影响不大;另一方面是因为外商投资的产业虽然拥有先进的管理模式，但是他们可能并不关注城市生态效率，更关注的是经济效益，忽视了生态效益。

产业结构对城市生态效率的直接效应为-0.198，并且通过5%水平上的显著性检验，表明第二产业产值的增加对本地区城市生态效率的提升有显著的抑制作用。我国是以第二产业为主，能源消耗和环境污染强度一直较高。京津冀及周边地区是我国发展的重心，重工业更为集中，大气污染等环境问题相对于其他地方更为严重。产业结构的溢出效应也显著为负，表明各城市第二产业产值的增加对周边城市的生态效率具有抑制效应。

人力资本对城市生态效率的直接效应为0.0878，并且通过1%水平上的显著性检验，溢出效应不显著。这说明人力资本的提升对本地区城市生态效率具有显著的促进作用，对周边地区无显著影响。这是因为高水平劳动力对本地企业创新能力的影响尤为重要，即劳动者素质有助于提升企业内部知识水平，加快创新技术落地和使用，从而提升了本地区城市生态效率。

环境规制对城市生态效率的直接效应为0.325，并且通过5%水平上的显著性检验。表明环境规制力度的增加对本地区城市生态效率的提升有显著的促进作用，主要是因为近年来我国开始重视环境污染问题，京津冀及周边地区作为环境污染的“重灾区”，加大了对环保技术和污染治理的投入，加之各项环保政策不断完善，使得环境规制从根本上提高了“2+26”城市的生态效率。环境规制的溢出效应也显著为正，表明各城市环境治理力度的增加也会促进周边城市生态效率的提升。

六、结论与建议

本文在测度“2+26”城市生态效率的基础上，考察了生态效率的演变规律以及空间溢出效应。研究结果表明：与2010年相比，2018年城市生态效率有了大幅度增长，生态效率增长较快的城市主要分布在北京、天津和河北省的沧州市和廊坊市等，而下降的城市大多集中在山西省的长治市和河南省的濮阳市。经济发展水平、人力资本和环境规制对本地区城市生态效率有显著的促进作用;产业结构在一定程度上会阻碍本地区城市生态效率的提升;经济发展水平和环境规制对周边城市的生态效率有显著的溢出效应且起着正向作用;产业结构对周边城市生态效率有显著的负向溢出效应;人力资本的溢出效应不显著;对外开放程度对城市生态效率的影响不存在任何效应。

本文提出以下的政策建议：

第一，加强区域交流合作，制定共同的行动纲领。仅依靠提高个别城市的技术水平很难实现所有城市生态效率的长期提升，所以应该加强区域协同发展，强化“2十26”城市群之间在发展规划、环保政策和联合执法等方面的组织协调，形成以经济技术协同为主，政策协同为辅的创新发展格局。

第二，加快产业结构调整，发展生态经济。加大第二产业的技术投入，鼓励第三产业发展，推进经济增长方式的转变。努力挖掘“2十26”城市的资源潜力，发展环保、高效的生态经济。例如，充分发挥保定、开封和邯郸等历史名城的优势，深度挖掘文化底蕴，着力发展文化创意产业;济南、天津和郑州这些城市应充分重视生态涵养功能，重点发展休闲旅游产业和绿色产品等生态经济。

第三，着力提升人力资本水平。人力资本通过人力投资形成，其中最重要的是教育支出。各地政府应适当提高其教育投资，通过高水平教育提高劳动者素质、工作能力和技术水平，从而提高本地区的资源利用率以及资本配置率，进而促进城市生态效率的提升。

第四，有效利用外资。各地区应进一步完善法律法规，加强外资的管理力度。整治一些高耗能、高污染的外资企业，重点引进互联网、人工智能、新材料、节能环保等方面的外资企业。促进外资企业与国内企业的竞争与合作，形成研发创新、产业转化和市场推广的良性循环，以推动本地经济的绿色发展。

参考文献：

[1]JIANGL，HES，ZHOUH.Spatial-temporalcharacteristicsandconvergencetrendsofPM2.5pollution：acasestudyofcitiesofairpollutiontransmissionchannelinBeijing-Tian-jin-Hebeiregion，China[J].JournalofCleanerProduction，2020，256（5].

[2][11]成金华，孙琼，郭明晶，等.中国生态效率的区域差异及动态演化研究[J].中

国人口·资源与环境，2014，（01）.

[3]MICKWITZ P，MELANEN M，ROSENSTROM U，et al.Regional eco-efficiency indi-catorsa participatory approach[J].Journal of Cleaner Production，2006，14（18].

[4]PEKKA J K，MIKULAS L.Eco-efficiency analysis of power plants：an extension ofdata envelopment analysis[J].European Journal of Operational Research，2004，154（2].

[5]Gong Y，Zhu J，Chen Y，et al.DEA as a tool for auditing：application to the Chinesemanufacturing industry with parallel network structures[J].Annals of Operations Research，2018，263（1].

[6][9]李在军，姚云霞，马志飞，等.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，（11）.

[7][20]杨勇，邓祥征.中国城市生态效率时空演变及影响因素的区域差异[J].地理科学，2019，（07）.

[8]肖黎明，高军峰，韩彬.中国省际绿色创新效率的空间溢出效应——同质性和异质性检驗[J].工业技术经济，2018，（04）.

[10]胡彪，付业腾.中国生态效率测度与空间差异实证——基于SBM模型与空间自相关性的分析[J].千旱区资源与环境，2016，（06）.

[12]罗能生，王玉泽.财政分权、环境规制与区域生态效率——基于动态空间杜宾模型的实证研究[J].中国人口·资源与环境，2017，（04）.

[13]李东方，杨柳青青.我国城市生态效率的空间关联与空间溢出效应[J].中南民族大学学报（人文社会科学版），2018，（04）.

[14]吴义根，冯开文，曾珍，等.外商直接投资、区域生态效率的动态演进和空间溢出以安徽省为例[J].华东经济管理，2017，（06）.

[15]焦国伟，冯严超.环境规制与中国城市生态效率提升——基于空间计量模型的分析[J].工业技术经济，2019，（05）.

C16）黄建欢，方霞，黄必红.中国城市生态效率空间溢出的驱动机制：见贤思齐VS见劣自缓[J].中国软科学，2018，（03）.

[17]ANDERSON D.Energy efficiency and the economists：the case for a policy based oneconomic principles[J].Annual Review of Energy and the Environment，1995，20（1].

[18]陈浩，陈平，罗艳.基于超效率DEA模型的中国资源型城市生态效率评价[J].大连理工大学学报（社会科学版），2015，（02）.

[19]LESAGE J P.An introduction to spatial econometrics[J].Revue Deconomie Indus-trielle，2008，123（3].

[21]侯孟阳，姚顺波.中国城市生态效率测定及其时空动态演变[J].中国人口·资源与环境，2018，（03）.

[22]揭懋汕，郭洁，陈罗烨，等.碳约束下中国县域尺度农业全要素生产率比较研究[J]地理研究，2016，（05）.

[23]李斌，曹万林.环境规制对我国循环经济绩效的影响研究一基于生态创新的视角[J].中国软科学，2017，（06）.

[24]王涛，石丹.环境规制与区域工业经济增长——规模和效率的门槛效应[J].工业技术经济，2018，（04）.

（责任编辑 费俊俊）