广东省工业绿色发展效率测度与评价

苟富华 周敏

【摘  要】利用纳入非期望产出的Super-SBM模型和Malmquist指数模型测算广东省工业绿色发展效率及全要素生产率指数，并从静态与动态两个角度进行分析。研究结果显示：2008-2017年，广东省工业绿色发展效率稳定且处于中高等水平，但各城市间存在发展不均衡状态;珠三角作为广东省经济发展的先行地，经济与环境协调发展水平高于全省平均水平，对全省工业绿色发展具有引领作用;广东省工业绿色全要素生产率整体呈上升趋势，且技术进步对全要素生产率的作用大于技术效率的作用。

【关键词】绿色发展;工业绿色发展效率;全要素生产率;技术进步

自习近平总书记提出“绿水青山就是金山银山”的科学论断开始，特别是党的十八大以来，各地政府高度重视绿色发展。目前，绿色发展已成为中国经济发展的主基调，是实现经济高质量发展的重要路径。

绿色发展的概念最早是由英国环境经济学家Pearce[1]在其著作《绿色经济蓝皮书》中提出，他认为绿色发展是一种能够在满足自然资源条件和人类自身接受条件的前提下实现可持续发展的经济模式。唐啸、胡鞍钢[2]将绿色发展定义为三种实现：一是实现具有高效绿色生产函数的经济活动，二是实现隧穿库茨涅茨曲线的发展路径，三是实现人与自然互益的发展愿景。黄志斌、姚灿、王新[3]认为绿色发展是人与自然日趋和谐、绿色资产不断增值、人的绿色福利不断提升的过程。

绿色发展效率是衡量绿色发展的重要指标，在保证经济增长的同时衡量资源节约和环境保护的融洽程度，并且效率值的大小反映着经济与环境的和谐度。工业绿色发展效率是在传统绿色发展效率的基础上纳入了工业的发展特点，是工业发展的绿色化程度，在工业投入要素既定的条件下，考虑工业发展、能源消耗和环境污染，其本质就在于“绿色+发展”，无论是绿色水平的提高，还是工业发展能力的提升，都会体现在工业绿色发展效率的增长上，且工业绿色发展效率值的增长能实现工业发展与环境保护的双赢目标[4]。Motloch，Amistead[5]认为工业绿色发展就是实现工业产业的可持续发展。Unido[6]认为工业绿色发展是在工业发展过程中区域贫困和就业问题得以解决并实现生产和消费模式的可持续发展。

目前国内对工业绿色发展研究逐渐增多。刘健、刘鸿福、姚西龙[7]根据DEA-RAM方法，在构建含有经济效率和绿色效率的绿色发展效率模型的基础上，对我国煤炭产业的绿色发展效率进行了实证分析，发现2008年是我国煤炭产业绿色发展效率指数值的拐点，2008年前指数值较低，2008年后指数值呈较快增长的趋势。吴旭晓[8]以广东作为参考标准，运用超效率DEA视窗分析方法，利用2005-2013年的省级面板数据，测度青海、河南和福建的工业绿色效率。颜洪平[9]运用方向性距离函数和GML指数测算2004-2013年间我国30个省市工业部门的绿色发展效率，并将能源消耗和碳排放纳入绿色发展效率的函数中，研究发现：GML指数最高的为中部地区，其次是东部、西部地区。袁宝龙、李琛[10]采用2000-2015年中国工业30個省域面板数据，利用CDM模型，研究发现实质性的创新会促进工业绿色发展效率。陈瑶[11]构建包括RD投入的DEA-DDF模型，测算我国区域工业绿色发展效率，并利用GLS模型对工业绿色发展效率的影响因素进行实证分析，研究结果显示，技术进步、工业规模以及单位能耗的工业产值会对工业绿色发展效率产生正向作用。胡子韬[12]利用超效率SBM模型测算1991-2018年镇海区的绿色发展效率，并利用VECM模型实证分析了不同因素对绿色发展效率的影响。结果显示，该地区的绿色发展效率总体上还需提高，技术进步有利于区域绿色发展效率的改善。

由于广东省各区域经济发展状况及污染物处理能力等因素的差异性会对区域经济绿色发展效率的测算产生不同影响，为了更加准确地对广东省区域工业绿色发展效率进行衡量，采取纳入非期望产出的Super-SBM模型及Malmquist指数对广东省工业绿色发展效率进行测度分析，以期对广东省工业绿色发展提供理论借鉴。

一、研究方法

（一）Super-SBM模型

Super-SBM模型具有既能解决传统DEA模型所产生的松弛性问题，也能解决SBM模型不能对多个效率有效单元进行排序的问题，所以本文采用Super-SBM模型测算工业绿色发展效率值。Super-SBM模型表达式如下：

其中ρ为效率值，m、s分别代表投入个数和产出个数，x和y分别为投入要素和产出要素，λ为权重向量，ρ值越大，表示该地区工业绿色发展效率越高。

（二） Malmquist指数

事物的发展是一个长期、连续及连贯的过程，而Super-SBM模型只能测算某一时间节点的效率值，又因Malmquist指数具有无需对投入指标量纲统一和权重设定，允许决策单元（DMU）的无效率，也无需假定DMU的优点，并且测算结果更为科学。目前，Malmquist指数被广泛运用在工业、农业等领域的生产率动态分析。Malmquist指数计算公式如下：

二、工业绿色发展效率指标体系

（一）指标选取与数据处理

工业绿色发展效率的评价指标体系与传统的绿色发展效率不同，其不仅需要考虑经济效率与绿色发展的协调融洽度，还需考虑工业的属性和特征，选取更具工业代表性的衡量指标。工业绿色发展效率的评价指标体系应该立足于工业投入产出的角度，探究各类工业投入要素在生产过程中的利用效率，同时统筹期望产出和非期望产出，在度量工业经济生产成果的同时引入绿色观念，充分考虑污染排放与环境质量[4]。根据行业特征，本文从工业绿色发展的内涵出发将投入-产出理论延伸，建立广东省工业绿色发展效率综合评价指标体系，分别从工业劳动、资源、能源以及工业经济发展产出、绿色发展非期望产出选取相应指标（见表1）。

（二）数据来源

本文以广东省21个地级市（含2个副省级市）作为研究对象，基于城市层面数据的可获得性，收集了2008-2017年间各市投入产出共7个变量的数据。实证分析所研究的相关数据均来自2009-2018年《广东省统计年鉴》和各市的统计年鉴，变量描述统计特征如表2所示。

三、广东省工业绿色发展效率测度与评价

（一）广东省工业绿色发展效率现状

本文基于纳入非期望产出的Super-SBM模型，采用MAX-DEA软件测算了2008-2017年广东省21个城市工业绿色发展效率（见表3）。

十年期间，广东省工业绿色发展效率值均在0.8以上，处于中等偏上水平，资源利用与环境保护都还未达到最优发展水平，说明广东省在之后的工业发展中需要努力改善资源利用和加强环境保护。从各城市在样本期间的工业绿色发展效率值来看，共有8个城市的效率值大于1，分别为广州、深圳、珠海、河源、汕尾、阳江、茂名和潮州，占城市总数的38.09%，表明这8个城市相对于其他城市而言，其投入产出水平达到较优水平，但在这8个效率值大于1的城市中有经济相对落后的城市，如河源、阳江、茂名等，说明这几个城市作为珠三角工业转移承接地，在发展工业时注重绿色发展，没有盲目追求经济增长。工业绿色发展效率值在0.5-1之间的城市有10个，占总数的47.62%。工业效率值低于0.5的城市有3个，分别为韶关、江门和肇庆，占总数的14.29%。广东省21个城市中有超过50%的工业绿色发展效率值低于平均值，包括韶关、江门等在内的11个城市。因此，可以看出，广东省各城市工业绿色发展效率值差距较大，同时工业绿色发展处于低水平的城市较多，这些城市今后在注重经济增长的同时还需要兼顾环境保护、资源利用等绿色指标。

为进一步明确广东省各城市绿色发展效率随时间的变动趋势，按照传统的经济区域划分将广东省分为珠三角、东翼、西翼和山区，四个区域2008—2017年工业绿色发展效率变化趋势如图1所示。可以看出，广东省整体工业绿色发展效率在样本研究期间内变化幅度较大但在2012年之后逐渐均衡;珠三角的工业绿色发展效率值一直大于1并高于全省平均值，说明珠三角经济区在促进经济增长的同时有效地兼顾了环境保护;山区和东翼两地区的工业绿色发展效率普遍偏低，经济增长和环境保护不相协调，其产业转型升级和绿色发展具有很大的改善空间。

（二）工业绿色发展效率的动态变化

Super-SBM模型是从静态维度分析广东省各城市工业绿色发展效率，为了更好地分析产业集聚在发展过程中对区域环境的连续表现，运用Malmquist指数与DEAP.2.1软件，测算得出2008-2017年广东省各城市工业绿色发展效率的动态变化情况并对其进行分解。

1.广东省各城市工业绿色发展效率动态变化分析。根据Malmquist指数模型的测算结果，可以得出2008-2017年广东省各城市工业绿色发展效率Malmquist指数及其分解（见表4）。

根据表4可以看出，2008-2017年广东省21市的Malmquist效率指数都是大于1的，均值为1.044，说明广东省各城市工业绿色发展效率处于上升态势且整体年平均工业绿色发展效率的增长幅度为4.4%。从各城市角度分析，广东省工业绿色发展效率提高速度最快的是珠海市，其年均增幅为11.3%，最低的为汕头和梅州，年平均增长率仅0.3%。从分解指标来看，除东莞的TC值小于1以外，其余城市的TC值均大于1。而EC值只有深圳、东莞和清远是大于1的，其余18个城市的EC值都小于1。同时根据图2可以看出广东省四大区域ML指数均大于1，可知广东各区域工业全要素生产率呈现上升趋势，其中工业绿色全要素生产率西翼>珠三角>东翼>山区，且均是技术效率的影响小于技术进步的影响，说明广东各市在经济发展过程中，技术进步对提高工业绿色发展效率的贡献比技术效率更大。

2.广东省整体工业绿色发展效率动态变化分析。根据Malmquist模型可以得到广东省工业绿色发展各年份平均Malmquist指数及其分解，从整体上分析广东省工业绿色发展效率动态变化。

在样本研究期间，广东省年均Malmquist指数（ML）为1.044>1，技术效率变化指数（EC）为0.975<1，技术进步变化指数（TC）为1.070>1，说明广东省绿色全要素生产率呈上升趋势，主要是技术进步的作用。在不同的时间段，广东省绿色全要素生产率变动及原因呈不同的差异性。2008-2009年ML<1，工业绿色全要素生产率呈下降趋势，但技术进步仍然是上升趋势;2009-2010年ML>1， 工业绿色全要素生产率呈上升趋势，是技术效率与技术进步的共同促进;2010-2011年ML>1， 工业绿色全要素生产率呈下降趋势，原因是技术效率的下降大于技术进步的提升;2011-2012年ML>1，工业绿色全要素生产率呈下降趋势，主要原因是技术效率的上升低于技术进步的下降;2012-2013年和2013-2014年ML>1，工业绿色全要素生产率呈下降趋势，是技术效率的上升低于技术进步的下降的结果;2014-2015年ML>1， 工业绿色全要素生产率呈上升趋势，主要原因是技术效率与技术进步的同步提升;2015-2016年ML>1， 工业绿色全要素生产率呈上升趋势，是因为技术进步的提升大于技术效率的下降;2016-2017年ML>1， 工业绿色全要素生产率仍呈上升趋势，是技术效率与技术进步的共同促进。

四、结论与建议

根据广东省各城市工业绿色发展效率的静态与动态分析，可以得出以下结论：第一，2008-2017年间广东省工业绿色发展效率整体处于中等偏上水平，还有较大的发展空间，各城市及区域工业绿色发展效率及变化具有差异性，并且这种差异在短期是不会改变的，但最终会向各地区自身的稳定状态发展。第二，珠三角作为广东省经济发展的先行地，其工业绿色发展水平高于全省平均水平，说明其在经济发展的同时追求资源、环境的协調发展，具有带头示范作用。第三，区域工业绿色全要素生产率呈波动状态，但整体是上升趋势，主要是技术进步的推动作用，技术进步对提高工业绿色发展效率的贡献比技术效率更大。

基于研究结论和实际情况，现提出以下建议：（1）因地制宜推进工业绿色转型发展，少走弯路，改变粗放型经济增长方式，走新型工业化道路;（2）发挥区域带头作用，广州、深圳、珠海、河源、汕尾、阳江、茂名和潮州在工业绿色发展水平上处于较高水平，要与周边城市加强经济合作，共商工业发展道路，共同促进经济与环境协调发展。（3）加快技术创新步伐，广东省在技术效率方面还需进一步提升，政府应大力鼓励和支持技术创新，提高绿色技术水平和技术利用效率，充分发挥两者对绿色发展效应的推动作用。

参考文献

[1]Pearce D W，Markandya A，Barbier E. Blueprint for a green economy [M].Earthscan，1989.

[2]唐啸，胡鞍钢.绿色发展与“十三五”规划[J].学习与探索，2016（11）：120-125+176.

[3]黄志斌，姚灿，王新.绿色发展理论基本概念及其相互关系辨析[J].自然辩证法研究，2015，31（08）：108-113.

[4]瞿丛艺.产业集聚、技术创新与工业绿色发展效率研究[D].华东师范大学，2019.

[5] Motloch J.， Armistaed J D，Lebkowsky J. Eco-economics in Texas：Competitive Adaptation for the Next Industy Revolution [J].Texas Business Review，2008（10）：1-6.

[6] UNDIO.UNDIO Green Industry： Policies for supporting Green Industry [R].2011.

[7]劉健，刘鸿福，姚西龙.我国煤炭产业绿色发展效率研究[J].工业技术经济，2015，34（10）：145-150.

[8]吴旭晓.区域工业绿色发展效率动态评价及提升路径研究——以重化工业区域青海、河南和福建为例[J].生态经济，2016，32（02）：63-68.

[9]颜洪平.中国工业绿色全要素生产率增长及其收敛性研究——基于GML指数的实证分析[J].西北工业大学学报（社会科学版），2016，36（02）：44-51.

[10]袁宝龙，李琛：环境规制政策下创新驱动中国工业绿色全要素生产率研究[J].产业经济研究，2018（05）：101-113.

[11]陈瑶.中国区域工业绿色发展效率评估——基于R&D投入视角[J].经济问题，2018（12）：77-83.

[12]胡子韬.镇海区绿色发展及影响因素分析[J].特区经济，2020（05）：52-58.

（作者苟富华系上海工程技术大学管理学院硕士研究生;周敏系宜宾学院经济与管理学院副教授。本文为教育部人文社科项目（17YJC630234）资助的部分研究成果）