福建工业企业生态效率及影响因素实证研究

陈毅辉， 苏 凯

(1.福建农林大学安溪茶学院，福建 福州 350002； 2.福州大学经济与管理学院，福建 福州 350116)

党的十八大提出大力推进生态文明建设以来，生态效率越来越受到国家和社会各界的关注。2014年，中共中央总书记习近平提出“要抓住机遇，着力推进科学发展、跨越发展，努力建设机制活、产业优、百姓富、生态美的新福建”[1]。2017年，在党的十九大报告中，习近平总书记对生态文明建设进行了深刻论述，指出建设生态文明是中华民族永续发展的千年大计。生态文明和可持续发展已成为中国未来经济发展的重心之一。其中，生态效率作为衡量生态投入和生态产出效益的重要手段，成为评价福建经济、资源和环境协同关系的重要指标。而工业企业在发展过程中，承担国民生产总值的主要来源，为国民经济发展作出重大贡献，但同时也会给生态环境带来不利影响。因此，如何衡量工业企业生态效率，确保生态环境可持续，成为当今研究的重点问题之一。

一、文献综述

德国学者Schaltegger等首次提出生态效率的概念，指出生态效率是用于评估经济活动产出与资源环境的比值效率[2]。1992年,世界可持续发展工商理事会(World Business Council for Sustainable Development, WBCSD)正式提出生态效率的定义，认为生态效率是环境效率产品或服务的价值环境负荷，即投入与产出的比值[3]。此后，WBCSD指出，可以通过生态效率衡量人类对环境影响与地球承载力之间的关系，注重商品服务和附加值的最大化[4]。目前，国际上比较认同的是WBCSD在2000年提出的定义，即生态效率等于经济增加值与环境影响的比值。生态效率为企业实现环境效益和经济效益的“双赢”提供了重要的理论依据。

随着生态文明建设的推进，企业生态效率的研究也在不断增。张淑英等测算了环境压力指标下中国区域工业的最优工业相对生态效率，并采用Tobit模型分析了工业生态效率的影响因素，认为中国各省的工业生态效率普遍偏低，区域差异大[5]；潘兴侠等评价了2005—2010年中国中部和东部各省工业生态效率，证实中部六省的工业生态效率低于东部各省，甚至低于全国平均水平，表明中部省份工业发展仍以资源消耗和环境影响为代价[6]；周守华等从企业微观层面分析了生态效率，以2013年世界银行公布的中国制造企业调查数据为样本，对制造业出口企业的生态效率进行了实证检验[7]；谢琨等运用基于中心点三角白化权函数的灰色综合评估模型，研究了某个具体钢铁企业的生态效率，属于企业微观层面的研究[8]；孔海宁利用数据包络分析法(DEA)和曼奎斯特生产力指数模型，选取中国具有代表性的40家大中型钢铁企业作为评价单元，证实中国钢铁企业生态效率总体呈上升趋势，生态效率改善主要依靠技术进步，而规模经济效应没有得到体现[9]；赵爽等认为依照工业企业生态效率的高低，可将中国其中30个省(市、自治区)分为相对高效率、相对低效率、高效率高投入、高效率低投入、低效率高投入和低效率低投入六大类型，各地区应切合自身特征采取措施提升生态效率[10]；高文研究证实大部分经济发达地区的生态效率值较高，资源丰富地区由于经济发展过度依赖资源消耗，生态效率值反而不高[11]。田满文等则首次分析了低碳并购的生态效率改善状况及优化策略[12]。

在生态效率的影响因素方面，张淑英等证实地区人均生产总值和地理位置对生态效率的改善有积极正向作用[5]；潘兴侠等认为工业产业结构、外资利用、研发投资和污染治理投资对工业企业生态效率的源头消减效率和末端治理效率有显著影响[6]；高文以2008—2011年中国其中31个省(市、自治区)的工业企业生态效率为例，认为工业企业生态效率受到工业污染物治理投资、政府环保政策、轻重工业结构和企业R&D投入等环境变量的影响[11]；王晓玲等研究证实东北老工业基地的人口密度、人均GDP、产业结构、环境规制对生态效率具有促进作用，对外开放度和科技水平则阻碍了生态效率的提高，上述影响因素也是东北老工业基地生态效率区域差异形成的重要原因[13]。

国内外工业企业生态效率的研究成果总体较少，但近几年开始逐渐增多，说明工业企业生态效率问题得到进一步关注。研究内容从企业、产品、行业等微观层面逐渐拓展到区域等宏观层面，对生态效率的研究和评价有了一定的总结。现有研究主要采用DEA模型进行生态效率测度，鲜少利用超效率DEA模型和空间计量模型对生态效率的影响因素进行科学有效分析。此外，学术界普遍认为工业企业生态效率存在空间上的差异，因此对某个特定区域进行研究显得尤为关键。目前，中国正着力推进“一带一路”建设，福建是“21世纪海上丝绸之路核心区”，对“一带一路”建设的稳步推进具有重要作用。因此，本研究基于2011—2016年福建工业企业数据，分析工业企业生态效率动态演变与空间的相关性，同时利用超效率DEA模型和空间计量模型讨论生态效率的影响因素，以期对促进福建工业企业生态效率提升、加强生态文明建设有所裨益。

二、计量模型

(一)数据包络分析

在效率测度中，Charnes等提出的数据包络分析(DEA)模型成为当下主流的测度工具[14]。DEA模型利用非参数的方法评价复杂系统中多投入和多产出的决策单元之间的相对有效性，许多决策单元在达到相对有效的情况下无法比较其效率高低，对DEA模型进行改造，模型的基本表示如下：

minθ

(1)

其中，θ表示每个决策单元的超效率值，其值高低反映了投入产出效率的相对有效性；s-表示投入松弛变量；s+表示产出松弛变量；xj和yj分别表示决策单元的投入指标和产出指标。通过所构建的模型，可以有效测量工业企业生态效率的相对值。

(二)空间自相关

空间计量作为新的学科分支，最早开始于20世纪七八十年代。Anselin认为，空间计量经济学的基本内容是在计量经济学模型中考虑经济变量的空间效应，并进行一系列相应的模型设定、估计、检验以及预测的计量经济学模型方法[15]。因此，对具有地理空间属性的经济变量进行研究时，有必要研究变量在空间上的分布，考虑空间在经济模型中的权重问题。空间自相关反映变量在空间分布上的集聚状态。全局空间自相关由Moran指数I表示。在进行空间自相关分析前，通常需要定义空间权重矩阵W。空间权重矩阵W的定义如下：

(2)

式中，Wij表示区域i和区域j的临近关系。当区域i和区域j相邻接时，取值为1；否则，取值为0。

用来度量全局空间自相关的Moran指数I被定义为：

(3)

(三)空间计量模型

区域经济发展与地理空间通常存在一定的相关性，经济发展反映了地理空间上的某些特征。传统计量模型忽视了地理区域对经济发展的影响。空间计量模型的采用能够有效解决这个问题，它考虑一个空间单元的某种经济地理现象或某一属性值与临近空间单元存在空间依赖性或空间相关性，这与社会发展的事实相符，因此本文采用空间计量模型进行测度和分析。空间计量模型的基本模型主要包含空间滞后模型和空间误差模型。空间滞后模型表示被解释变量之间的空间依赖性对模型显得非常关键而导致了空间相关；空间误差表示模型的误差项在空间上相关。

空间滞后模型可表示为：

Y=ρWY+Xβ+ε,ε～N[0,σ2]

其中，Y表示被解释变量，X表示解释变量矩阵，ρ表示空间效应系数，β表示参数向量，W表示空间矩阵。W具体表述为：

(4)

其中，Wij描述了第j个截面个体和第i个截面个体被解释变量之间的相关性。

空间误差模型可表示为：

Y=Xβ+ε,ε=λWε+μ,μ～N[0,σ2]

其中，λ表示空间误差相关系数，Wij描述了第j个截面个体和第i个截面个体误差项之间的相关性，具体的空间矩阵及相关含义同上所述。

三、变量选择和数据描述

(一)投入、产出指标

工业企业生态效率的投入指标包括环境污染、潜在的环境污染和能源消耗[11]。工业企业在生产过程中会造成生态环境的破坏，其中主要为环境污染。环境污染包含污染物的排放量和污染物的产生量[6]，由于统计口径的关系，污染物的排放量缺乏足够指标，因此主要用工业“三废”来表示[5]。在测量工业企业生态效率时，主要考虑将非期望产出指标作为投入指标。工业企业生产需要耗费大量能源，因此，能源消耗也作为投入指标。环境污染指标主要可分成3个，分别为工业废气排放量(t)、工业废水排放量(万t)、工业固体废物产生量(万t)，能源消耗可以用万元地区生产总值能耗(吨标准煤/万元)表示。产出指标主要指工业总产值的产出[5，6]，以规模以上工业总产值(亿元)、地区工业生产总值(亿元)表示。

(二)影响因素

引入国外先进技术设备，优化工业结构，降低能耗，提高资源利用率，减少污染物的产生和排放，从而提高生态效率[6]。此外，科技研发投入可使工业企业装备水平提高，机器的节能水平提高，资源得到充分利用，减少废弃物产生，使得生产废料得以再利用，降低了污染排放，从而有效提高生态效率[6]。因此，根据相关文献[5，6，11，13]，结合福建发展自身特征，考虑指标数据的科学性和可得性，工业企业生态效率影响因素分别表示为人口密度(人·km-2)、人均GDP(元)、工业产值比重(%)、进出口商品总额占GDP比重(%)、科学技术支出占一般公共财政支出比重(%)、工业固体废物综合利用率(%)。

(三)样本和数据来源

本文选择福建省各设区市2011—2016年的工业企业数据和国民经济基本数据。数据主要来源于2012—2017年《福建统计年鉴》，部分数据来自各设区市的统计年鉴。

四、实证分析与结果

(一)工业企业生态效率

通过软件MyDEA 1.0对福建各设区市工业企业生态效率进行计算(表1)。表1显示，福州、厦门、三明、泉州、南平等设区市工业企业生态效率保持稳步增长，表明随着经济发展方式的转变，这些区域的工业企业更加注重企业发展与生态发展的关联，注重主动承担企业社会责任。除此之外，莆田、漳州、宁德的工业企业生态效率虽偶有波动，但总体呈上升趋势，说明区域着力于转变经济增长方式，在政策探索和选择中不断进步。表1还表明，各设区市工业企业生态效率存在较大差距。2016年，厦门工业企业生态效率值达3.926，远高于三明的0.430。效率产生差异的深层次原因值得进一步研究。

表1 2011-2016年福建省各设区市工业企业生态效率值

总之，福建省各设区市工业企业生态效率值总体呈上升趋势，但不同区域存在差异，差异随时间推移不断扩大。工业企业生态效率存在差异的原因是多方面的。从原始数据看，福州、泉州和宁德通过工业企业生产，消耗大量能源，排放大量废气、废水和工业固体废物，同时利用较先进的生产技术和改进生产工艺，产生较高的工业企业产出，因此工业企业生态效率值较高。莆田、厦门的能源消耗和废物排放则相对较少，实现与之匹配的产出，达到较高的工业企业生态效率。相比之下，三明、漳州、南平和龙岩在耗费大量能源、排放大量废物的同时，没能确保实现合理产出，其中，三明、南平和龙岩的效率值甚至远低于0.600，说明这些地区的投入产出配置需要得到进一步优化，以确保生态效率值的进一步提升，实现工业企业的可持续发展。

(二)工业企业生态效率空间分布

在分析工业企业生态效率空间分布前，必须构建空间权重矩阵。本文采用简单的二进制邻接矩阵，即当2个区域相邻接时，取值为1，否则取值为0。在构建空间权重矩阵后，通过计算Moran指数I测算工业企业生态效率值在空间上的分布，即效率值的空间全局自相关。通过软件GeoDa 1.12对Moran指数I进行测算，其中，2011—2016年工业企业生态效率值Moran指数I分别为0.080，0.234，0.151，0.073，0.181和0.025。所有年份的Moran指数I均大于0，充分说明不同区域的生态效率值之间存在正相关，生态效率的空间效应应得到更为深入的研究。

此外，2011—2016年，福建东部靠近台湾海峡地区的设区市工业企业具有较高的生态效率，其次是西南地区，生态效率最低的是西北地区。其原因在于东部地区经济相对比较发达，人才储备丰富，具有足够的经济基础和技术能力对工业生产过程中排放的废物进行有效控制，确保所投入的资源能够得到较大限度的产出，且工业多属于轻工业。西北部地区属于老工业基地，具有较多的重工业产业，本身属于排放废物较多的产业，由于技术发展水平的限制，暂时无法对所排废物进行更为有效地控制。从工业固体废物综合利用率可以看出，西北部地区的固体废物利用率相对较低，这进一步验证了该区域工业企业生态效率相对较低的现实情况。

(三)工业企业生态效率影响因素

反映全局空间自相关的Moran指数I表明工业企业生态效率存在一定的空间相关性，在测量生态效率影响因素时必须考虑空间权重的影响。因此，本文通过构建空间误差模型和空间滞后模型，运用软件RStudio Version 1.1测量工业企业生态效率影响因素。模型中，以生态效率为因变量，各影响因素为自变量进行空间计量模型的计算，结果见表2。

表2表明，除了随机效应估计和固定效应估计外，影响因素对工业企业生态效率总体上均存在较明显的显著作用，各模型的决定系数R2表明模型分析效果良好。人均GDP对工业生态效率有空间上的显著正向影响，影响系数较小，区域经济状况足以成为区分生态效率高低的重要标志，区域经济发展促使工业企业更加关注可持续发展，关注生态发展理念。但目前福建区域经济发展对工业企业生态效率的正向作用仍没有完全实现，必须继续强化“绿色GDP”概念，强化“绿水青山就是金山银山”发展理念，避免将传统经济发展指标作为衡量区域发展的唯一指标。人口密度和工业产值比重对生态效率具有显著正向影响。其中，人口密度在1%的水平上对生态效率有显著正向影响，验证了王晓玲等的研究结论[13]。人口密度越高，说明当地对人才的吸引能力越强，越能为区域经济发展提供强大的人才保障。高新技术人才的引进有利于加快技术进步，促进经济发展，对工业生态环境的保护和治理提供技术支持。此外，工业产值比重对生态效率也有显著的正向影响。工业产值比重的提升，可以提高工业在产业体系中的地位，进一步形成产业集群，促进资源优化配置，获取工业产业在发展过程中的边际收益，同时能够对工业企业排放的废弃物加以统一控制和管理。

表2 工业企业生态效率的空间计量分析

注：**、*分别表示在1%、5%的水平上显著

表2还表明，进出口商品总额占GDP比重和科学技术支出占一般公共财政支出比重对工业企业生态效率起负向作用，在1%水平上显著。对外贸易降低了工业企业生态效率，表明福建应进一步优化进出口的结构和比例，制定相应的管理制度，采取相应的措施对包含服装、塑料、电子数码产品等在内的“洋垃圾”进行有效规制。此外，科学技术支出降低了工业企业生态效率，表明福建应加强科学技术支出的管理，确保科学技术支出真正用在有利于生态效率提升的基础研究、应用研究和试验发展上。工业固体废物综合利用率对工业企业生态效率具有空间上的显著正向影响，这不仅符合数据统计结果，也符合现实情况。就目前情况来看，工业企业生态效率较高的设区市工业固体废物综合利用率均较高，除个别年份外，基本保持在90%以上，而生态效率较低的设区市，工业固体废物综合利用率甚至低至50%，可见不同设区市在该指标上存在较大差异。从发展趋势看，绝大多数设区市的利用率维持在相对稳定的水平上，并逐年好转，说明各地政府和工业企业对工业固体废物的管理与利用有新的认识，通过采用科学合理的手段，加大对工业废物的利用率，在保护生态环境的同时促进企业发展和经济增长。

五、结论与对策

(一)结论

利用福建省2011—2016年的统计数据，通过超效率DEA模型和空间计量对工业企业生态效率进行分析，得出以下主要结论。

1.工业企业生态效率在时间分布上，有一定波动；在空间分布上，具有一定的地理特性。据统计，福建各设区市工业企业生态效率值总体呈上升趋势，仅漳州、龙岩、宁德和莆田个别年份呈现下降趋势，但随后均得到进一步提升。总体上，福建强化绿色发展，结合可持续发展理念，转变经济增长方式，在“再上新台阶，建设新福建”的发展道路上稳步推进。此外，福建各设区市工业企业生态效率存在较大差异，差异随时间推移不断扩大。福建东部地区的效率值要高于西南地区，西北地区的效率值最低，这与各区域的重工业分布有一定关系，表明废物排放制度和绿色发展的有效评价需得到各级政府和企业的进一步重视。Moran指数I也表明工业企业生态效率存在一定的空间自相关。

2.空间计量模型的参数估计显示，多数变量对效率具有显著正向或负向影响。研究表明，人口密度、人均GDP、工业产值比重、工业固体废物综合利用率对工业企业生态效率在空间上呈显著正向影响，这与许多现有研究结论相似，但影响系数较小，表明诸多影响因素的显著作用并未受到足够重视，例如通过人才引进产生的人才集聚效应并未得到充分体现。此外，进出口商品总额占GDP比重、科学技术支出占一般公共财政支出比重对工业企业生态效率具有显著负向影响，进一步说明进出口结构和科技经费支出需要得到进一步规范，特别是科技发展对生态效率的正向提升作用需得到进一步加强。

(二)对策

从研究结论看，工业企业生态效率受到多方影响，既涉及经济发展和人口密度，也涉及科学技术经费支出等。建设生态文明和建设美丽中国成为未来社会经济发展的前进方向之一。

1.建立健全废物排放制度和生态评价机制。为确保工业企业生态效率得到进一步提升，政府应建立完善的生态效率奖惩机制，逐步提升工业企业的生态观念和生态意识，对努力践行生态保护机制、提升生态效率的工业企业予以适当奖励，对生态效率没有良好改善的工业企业予以惩罚。企业应加强员工生态意识的培养和强化，这不仅有助于促进企业生产效益的提升，更有利于企业保持长期的可持续发展。技术上，工业企业可以通过引进高精尖人才，促进废物利用的技术改革，提升废物综合利用率。政府和企业在制定企业生态效率评价机制时，应弱化传统经济发展指标对生态效率的影响，不断强化科技投入和发展水平与生态效率间的相关关系。政府需要汇聚各方力量，形成多方联立共治的工业企业生态发展和环境治理体系，其中，地方各级政府负责建立健全相应的评价机制，工业企业负责污染治理，公众参与生态环境保护，从源头、过程、后果全方位予以监控，同时建立环境污染终身责任追究制度，共同提升福建工业企业生态治理效率。

2.建立健全绿色发展评价机制。传统经济发展重在短期效益，对可能产生的环境负面效应关注不足。近年来，全国各地不断发生重大环境污染事件，给经济发展带来一定打击。一味追求经济利润、忽视环境保护要求，已不能为区域经济发展提供长久支撑。党和政府提出的绿色发展理念，是区域经济发展和企业发展应遵循的基本理念。人均GDP的增加强化了绿色消费观念，对绿色产品和环境友好产品的关注度持续上升，进一步为工业企业的生产指明了道路。此外，长久以来引进的服装、塑料、电子数码产品等在内的“洋垃圾”，成为绿色发展的障碍。政府要建立健全相应机制，对进出口商品贸易进行审查。

3.加强科技研发投入，增强人才引进效用，完善创新人才培养体系。工业企业生态效率的提升需要依靠大量的技术改进和技术革新。大量有效的研发投入不仅能吸引高精尖人才，也能促进人才和高新技术产业聚集，形成强大的集聚效应，为工业企业发展提供大量的科技支撑和人才支撑。人才的集聚效应在研究中得到证实，人口密度会显著促进生态效率的提升。人才大量涌入一方面给当地经济发展带来新的活力；另一方面，也产生较大的集聚效应。此外，创新人才培养体系需进一步优化和完善。传统的人才培养模式已不太适应当下经济社会发展需求，当下企业发展需要大量的创新型人才参与。因此，与人才培养有关的政府、高校、企业等应尽可能地创造良好的培养环境，优化人才培养制度和体系，努力培养具有创新思维和创新能力的新型人才。

[参考文献]

[1]兰锋,胡斌.建设机制活、产业优、百姓富、生态美的新福建——习近平总书记考察福建纪行[J].海峡通讯,2014(12):4-6.

[2]SCHALTEGGER S, STURM A. Ökologische rationalität: znsatzpukte zur ausgetsaltung von Ökologieorientierten management instrumenten[J]. Die Unternehmung,1990,44(4):273-290.

[3]WBCSD. Eco-efficient leadership for improved economic and environment performance[M]. Geneva: WBCSD,1996.

[4]WBCSD. Measuring eco-efficiency — guide to reporting company performance[M]. Geneva: WBCSD,2000.

[5]张淑英,李德山,刘媛媛.区域工业生态效率评价及其影响因素研究[J].统计与决策,2013(3):61-64.

[6]潘兴侠,何宜庆.工业生态效率评价及其影响因素研究——基于中国中东部省域面板数据[J].华东经济管理,2014(3):33-38.

[7]周守华,吴春雷,刘国强.企业生态效率、融资约束异质性与出口模式选择——基于2013年世界银行公布的中国企业调查数据[J].财贸经济,2015(10):134-147.

[8]谢琨,刘思峰.基于灰色评估的钢铁企业生态效率评价[J].生态经济,2016(5):111-116,142.

[9]孔海宁.中国钢铁企业生态效率研究[J].经济与管理研究,2016(9):88-95.

[10]赵爽,刘红.基于三阶段DEA模型的我国工业企业生态效率研究[J].生态经济,2016(11):88-91,102.

[11]高文.我国工业企业生态效率及污染治理研究[J].生态经济,2017(1):21-27.

[12]田满文,李敏.生态文明视域下企业低碳并购的生态效率评价及优化新探[J].生态经济,2015(6):75-78.

[13]王晓玲,方杏村.东北老工业基地生态效率测度及影响因素研究——基于DEA-Malmquist-Tobit模型分析[J].生态经济,2017(5):95-99.

[14]CHARNES A, COOPER W W, RHODES E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research,1978,2(6):429-444.

[15]ANSELIN L. Spatial econometric: methods and models[J]. Journal of the American Statistical Association,1990,85(411):160.