董 博

(中國人民大學(xué) 經(jīng)濟學(xué)院，北京 100872)

長江作為我國的第一大河流，由西向東綿延6300公里，橫跨我國東中西三大區(qū)域。長江經(jīng)濟帶覆蓋11個省市，包含長三角城市群、長江中游城市群及成渝城市群三大城市群，總面積占我國國土面積的21%，人口占我國的40%以上。在經(jīng)濟上，長江經(jīng)濟帶11省市的地區(qū)生產(chǎn)總值占全國40%以上，進出口總額約占全國40%①。在生態(tài)環(huán)境上，長江擁有獨特的生態(tài)系統(tǒng)，是我國重要的生態(tài)寶庫，同時更是沿江4億居民的飲用水水源，因此長江流域生態(tài)環(huán)境好壞所帶來的影響“牽一發(fā)而動全身”，在我國生態(tài)安全系統(tǒng)中起著重要作用。

改革開放40余年來，經(jīng)過快速的工業(yè)化、城市化、市場化發(fā)展，長江經(jīng)濟帶為國家的經(jīng)濟發(fā)展作出了重大貢獻。但與此同時，由于長江沿線的一些地區(qū)走上了追求高投入、高產(chǎn)出的粗放、不可持續(xù)的發(fā)展道路，長江流域生態(tài)功能退化、污染物排放量過大、流域環(huán)境風(fēng)險隱患突出等生態(tài)環(huán)境問題也逐步凸顯，已經(jīng)開始制約著地區(qū)發(fā)展與民生福祉的提升。

為應(yīng)對這一嚴(yán)峻挑戰(zhàn)，國家陸續(xù)出臺多項舉措全面推進長江經(jīng)濟帶的生態(tài)保護與綠色發(fā)展。2014年國務(wù)院頒布的《關(guān)于依托黃金水道推動長江經(jīng)濟帶發(fā)展的指導(dǎo)意見》②中就將“江湖和諧、生態(tài)文明”納入發(fā)展長江經(jīng)濟帶的基本原則。在2016年召開的推動長江經(jīng)濟帶發(fā)展座談會上，習(xí)近平總書記更是明確指出長江經(jīng)濟帶的發(fā)展要“把修復(fù)長江生態(tài)環(huán)境擺在壓倒性位置”，以“共抓大保護、不搞大開發(fā)”為基本原則，走“生態(tài)優(yōu)先、綠色發(fā)展”之路③。

在國家的科學(xué)布局與大力推動下，長江沿線各省市和有關(guān)部門積極行動、通力合作，長江經(jīng)濟帶的生態(tài)修復(fù)與綠色發(fā)展已經(jīng)取得初步成效，一些環(huán)境指標(biāo)開始逐漸好轉(zhuǎn)，長江生態(tài)功能正逐步恢復(fù)。但與此同時我們還要看到，長江經(jīng)濟帶面臨的生態(tài)問題依然嚴(yán)峻，區(qū)域綠色發(fā)展不平衡現(xiàn)象依然明顯，同時長江經(jīng)濟帶內(nèi)產(chǎn)業(yè)轉(zhuǎn)型升級的任務(wù)依然艱巨，區(qū)域合作機制依然有待進一步明確。因此，如何把握好保護和發(fā)展的辯證關(guān)系，在保護好生態(tài)環(huán)境的前提下推動長江經(jīng)濟帶綠色、科學(xué)、高質(zhì)量發(fā)展，依然是一個我們將長期面對并需要著力解決的重要問題。

為此，本文運用DEA-Malmquist方法計算了2011至2018年間長江經(jīng)濟帶11省市的生態(tài)效率，并使用Tobit回歸模型分析其影響因素，以期為制定相關(guān)對策提供參考依據(jù)。

一、文獻綜述

綠色經(jīng)濟的發(fā)展不僅要考慮經(jīng)濟和社會效益的產(chǎn)出，還要兼顧城市發(fā)展過程中的環(huán)境污染因素。為了更好地衡量各地在兼顧環(huán)境保護與經(jīng)濟發(fā)展時的表現(xiàn)，Schmidheiny提出了生態(tài)效率(eco-efficiency)的概念，即一定時期內(nèi)增加的經(jīng)濟價值與增加的生態(tài)環(huán)境負荷的比值[1]，其核心是少投入、少排放、多產(chǎn)出，在不對生態(tài)環(huán)境構(gòu)成威脅的前提下努力發(fā)展區(qū)域經(jīng)濟。由于生態(tài)效率符合可持續(xù)發(fā)展有關(guān)經(jīng)濟、資源和環(huán)境協(xié)調(diào)發(fā)展的核心理念，以此逐漸成為測度可持續(xù)發(fā)展的重要概念和工具。近年來,一些學(xué)者依照這一概念將環(huán)境因素納入到經(jīng)濟效率和生產(chǎn)率的分析框架中，使用數(shù)據(jù)包絡(luò)分析(DEA)方法及其衍生方法對中國的綠色經(jīng)濟發(fā)展進行實證研究。例如胡鞍鋼等以1999至2005年間中國的30個省市自治區(qū)為樣本，使用DEA模型計算這些地區(qū)納入環(huán)境因素后的技術(shù)效率情況，并發(fā)現(xiàn)東部地區(qū)考慮了環(huán)境因素的技術(shù)效率最高,中部地區(qū)次之,西部地區(qū)最低[2]；程丹潤和李靜則使用DEA-SBM模型研究了1990至2006年間28個省市的環(huán)境效率，他們發(fā)現(xiàn)環(huán)境變量的引入明顯降低了中國區(qū)域平均效率水平,中西部地區(qū)對環(huán)境變量的引入較東部地區(qū)更為敏感,西部地區(qū)處于經(jīng)濟發(fā)展和環(huán)境保護的雙重困境[3]；汪曉文和慕一君則運用DEA模型研究了1991至2015年間中國30個省份環(huán)境技術(shù)效率的收斂趨勢，他們發(fā)現(xiàn)全國總體及東、中、西部均存在條件收斂，但由于各區(qū)域的經(jīng)濟條件與特征不同，收斂速度存在差異[4]。

此外，還有一些學(xué)者將研究重點放在生態(tài)效率的影響因素及其對地方政府行為的影響上。例如李勝蘭等以1997至2010年間中國30個省市為樣本，研究地方生態(tài)效率對當(dāng)?shù)卣h(huán)境規(guī)制的影響，他們發(fā)現(xiàn)生態(tài)效率對環(huán)境規(guī)制的制定和實施呈現(xiàn)制約作用，即生態(tài)效率較低的地區(qū)，地方政府傾向于更嚴(yán)格的環(huán)境規(guī)制，以遏制資源消耗和環(huán)境污染的惡化，改善當(dāng)?shù)厣鷳B(tài)環(huán)境[5]；施本植等則以2003至2015年間中國249個地級市為樣本，研究金融聚集對當(dāng)?shù)鼐G色經(jīng)濟效率的影響，他們發(fā)現(xiàn)金融集聚能夠提升城市綠色經(jīng)濟效率，該影響存在門檻效應(yīng)并且影響效果在不同的地區(qū)存在一定的差異[6]。方杏村等則同時研究了財政分權(quán)和產(chǎn)業(yè)聚集對綠色經(jīng)濟效率的影響，他們通過研究2005—2016年間270個地級以上城市的數(shù)據(jù)發(fā)現(xiàn)：財政分權(quán)、專業(yè)化產(chǎn)業(yè)集聚對綠色經(jīng)濟效率的影響均是顯著為負，多樣化產(chǎn)業(yè)集聚對綠色經(jīng)濟效率的影響則顯著為正[7]。

不過，現(xiàn)有文獻中有關(guān)生態(tài)效率的研究還是以全國范圍內(nèi)不同省市或地區(qū)間的比較為主，尚無專門針對長江經(jīng)濟帶地區(qū)的研究。長江流域是我國重要的生態(tài)寶庫，擁有獨特的生態(tài)系統(tǒng)，而長江在生態(tài)環(huán)境上的獨特性可能會對地區(qū)的生態(tài)效率產(chǎn)生較大影響。現(xiàn)有的全國性研究難以有效包含這些區(qū)域性的重要因素，導(dǎo)致相關(guān)結(jié)論難以精確描述長江經(jīng)濟帶地區(qū)生態(tài)效率水平和內(nèi)部差異，進而影響相關(guān)結(jié)論及建議在長江經(jīng)濟帶地區(qū)的適用性。同時，長江經(jīng)濟帶作為現(xiàn)階段中央重點實施的三大戰(zhàn)略之一，也肩負著引領(lǐng)我國經(jīng)濟高質(zhì)量發(fā)展的重要任務(wù)，在新時期社會主義經(jīng)濟建設(shè)過程中具有重要戰(zhàn)略作用。因此，鑒于長江經(jīng)濟帶在生態(tài)和經(jīng)濟上的重要性，十分有必要對該地區(qū)的生態(tài)效率展開專門研究，測算其效率水平并詳細分析相關(guān)影響因素，以便為推動長江經(jīng)濟在保護好生態(tài)環(huán)境的前提下實現(xiàn)綠色、均衡、高質(zhì)量發(fā)展提供政策參考。

二、研究方法及變量選取

(一)研究方法

本文首先使用數(shù)據(jù)包絡(luò)方法(DEA)對長江經(jīng)濟帶各省市近年來的生態(tài)效率進行測算。為了能分析規(guī)模因素對效率的影響，本文將使用由Banker et. al.提出的可變規(guī)模報酬(VRS)模型[8]進行計算。這一模型可以把技術(shù)效率(CRSTE)分解為純技術(shù)效率(VRSTE)和規(guī)模效率(SCALE)。其中，技術(shù)效率就是各省的生態(tài)效率。在投入型DEA模型中，技術(shù)效率的基本含義是決策單元(即各樣本省市)的實際產(chǎn)出與在既定投入規(guī)模下最優(yōu)理論產(chǎn)出之比。技術(shù)效率的取值范圍在0到1之間，數(shù)值越大意味著決策單元的投入產(chǎn)出效率越高，當(dāng)取值為1時，則表明該決策單元在既定投入量下已達到了最優(yōu)產(chǎn)出規(guī)模。規(guī)模效率是指決策單元在既定生產(chǎn)規(guī)模下的理論最優(yōu)產(chǎn)出與最優(yōu)規(guī)模下的產(chǎn)出之比，純技術(shù)效率則是技術(shù)效率中剔除規(guī)模因素后的部分。

此外，為了對樣本各省市生態(tài)效率進行動態(tài)比較分析，本文還使用DEA-Malmquist指數(shù)進行分析。DEA-Malmquist生產(chǎn)率指數(shù)描述了t到t+1期間決策單元整體生產(chǎn)率的幾何平均變情況，即計算全要素生產(chǎn)率變化指數(shù)(FTPCH)，并且還可以將其進一步分解為技術(shù)效率變化指數(shù)(EFFCH)和技術(shù)進步變化指數(shù)(TECH)的乘積。其中前者表示決策單元對生產(chǎn)可能性邊界的追趕速度，可以反映由于制度變遷引起的資源要素配置效率變化的綜合技術(shù)效率；后者是生產(chǎn)前沿面的移動，用來反應(yīng)由于技術(shù)創(chuàng)新或者新技術(shù)引入從而引起生產(chǎn)可能前沿面外移的技術(shù)進步。而技術(shù)效率變化指數(shù)又可繼續(xù)分解為純技術(shù)效率變化指數(shù)(PECH)和規(guī)模效率變化指數(shù)(SECH)的乘積，分別反映由于管理、制度及分工引起的技術(shù)效率變化和由于生產(chǎn)規(guī)模變化引起的變化。上述所有指標(biāo)的結(jié)果均為在1附近的正數(shù)，數(shù)值大于1，表示在這方面取得改進，反之則表示惡化。本文使用DEAP2.1軟件完成上述DEA相關(guān)模型的計算。

在得到綜合效率水平及相關(guān)分解指標(biāo)后，本文還將進一步探究影響這些效率指標(biāo)的區(qū)域性因素。為此本文參考有關(guān)文獻[9-11]的作法，將DEA-Malmquist模型計算出的各項效率指標(biāo)作為被解釋變量，將樣本省市的相關(guān)特征作為解釋變量進行回歸分析。由于作為被解釋變量的效率指標(biāo)是有界的截取變量，本文使用面板數(shù)據(jù)Tobit方法進行回歸分析。上述回歸分析部分本文使用stata12.0軟件進行計算。

(二)樣本及變量選取

本文使用的樣本為位于長江經(jīng)濟帶的11個省市，樣本年度為2011至2018年，數(shù)據(jù)來源于2011-2019年統(tǒng)計年鑒。在數(shù)據(jù)包絡(luò)分析階段，我們把2011年作為基準(zhǔn)年，將每個省市都視為一個決策單元(DMU)，并選取相關(guān)省級層面的數(shù)據(jù)作為投入和產(chǎn)出指標(biāo)。應(yīng)用DEA模型測算生態(tài)效率相較于測算其他效率的特殊之處在于需要考慮環(huán)境污染這種非合意產(chǎn)出的情況。由于環(huán)境污染被視作經(jīng)濟活動的代價，部分學(xué)者[5,12-13]直接將非合意產(chǎn)出作為模型中的投入項來計算環(huán)境效率。根據(jù)生態(tài)效率的基本概念，我們也借鑒該方法，將環(huán)境污染這種非合意產(chǎn)出作為模型的投入項處理。

在投入指標(biāo)方面，本文參考現(xiàn)有文獻[6,7,14-15]，選取資本、人力以及技術(shù)三項普通投入指標(biāo)，以及污染物排放這一非合意產(chǎn)出作為投入指標(biāo)。其中資本投入本文參考施本植等[6]的作法，采用永續(xù)盤存法核算股東資產(chǎn)存量，計算公式為Ki t=(1-δ)Ki t-1+Ei t。其中Ki t和Ki t-1分別表示i省市當(dāng)期和上一期的資本存量；δ為折舊率，本文將其定為9.6%；Ei t=Ki0/(δ+g)，其中Ki0為2011年該省的固定資產(chǎn)投資額，g為2012至2018年長江經(jīng)濟帶地區(qū)固定資產(chǎn)投資的幾何平均增長率。本文選取該省當(dāng)年城鎮(zhèn)單位就業(yè)人員數(shù)量作為人力投入指標(biāo)，選取該省當(dāng)年規(guī)模以上工業(yè)企業(yè)R&D經(jīng)費作為技術(shù)投入指標(biāo)。在污染物指標(biāo)投入方面，本文參考孫金嶺和朱沛宇的做法[15]，選取該省當(dāng)年廢水排放總量、二氧化硫排放量以及煙(粉)塵排放量，并采用熵權(quán)法對數(shù)據(jù)進行加權(quán)處理得到一個綜合指標(biāo)。同時本文選取該省當(dāng)年的地區(qū)生產(chǎn)總值作為衡量其生態(tài)效率的產(chǎn)出指標(biāo)。

EffIndi t=β0+βiTrdIndsi t+β2Patenti t+β3NewPrdSalsei t+β4FinAggi t+β5FDIi t+β6TEIVi t+β7UrbanRatei t+β8FiscalExhdi t+β9controlsi t+εi t

(1)

其中EffIndi t代表各省市的年度生態(tài)效率指標(biāo)，包括全要素生產(chǎn)率變動指數(shù)及其4個分解指數(shù)，腳標(biāo)i和t分別代表不同的省市和年份(下同)；controlsi t是控制變量，包括各省市GDP總額、人均GDP以及GDP增長率。

三、實證結(jié)果與分析

(一)DEA模型計算結(jié)果分析

通過DEA模型計算所得的各省市各年度生態(tài)效率及其分解指標(biāo)列示見表1。

表1 各省市生態(tài)效率DEA計算結(jié)果

從表1中可以看到，就綜合技術(shù)效率(CRSTE)而言，長江經(jīng)濟帶11省市的平均生態(tài)效率水平由2011年的0.904逐漸提升為2018年的0.951，說明各省市的效率水平在逐漸接近。在這11省市中，貴州省、四川省、云南省以及上海市的效率水平始終為1，說明這些省市的生態(tài)效率始終處在前沿。相較于2011年，安徽省、江蘇省以及江西省在2018年的生態(tài)效率水平有所提升，且其中江蘇省效率水平上升最多；而湖北省、湖南省以及重慶市在2018年的效率水平有所下降，且其中湖南省的效率水平下降最多；浙江省2018年的效率水平?jīng)]有改變，但在中間一些年份里出現(xiàn)了下降。

我們還可以將綜合技術(shù)效率分解為純技術(shù)效率乘以規(guī)模效率(VRSTE*SCALE)。從分解結(jié)果中可以看出，在所有年份中長江經(jīng)濟帶11省市的平均純技術(shù)效率水平均低于平均規(guī)模效率水平，并且純技術(shù)效率水平在不同省市之間的差異也更大，這說明各省市的生態(tài)綜合技術(shù)效率差異主要還是由純技術(shù)效率差異所造成的。此外相較于2011年，安徽省、江蘇省以及江西省在2018年的純技術(shù)效率水平有所提升，湖北省和湖南省的則有所下降，貴州省、上海市、四川省、云南省、浙江省以及重慶市的純技術(shù)效率水平則始終為1。而在規(guī)模效率方面，相較于2011年，安徽省、湖北省和江蘇省在2018年的水平有所上升，湖南省、江西省和重慶市的有所下降，浙江省在這兩年的規(guī)模效率水平雖然都為1，但在中間的一些年份里出現(xiàn)過下降，其余4省市則是始終保持在最優(yōu)規(guī)模效率水平上。

(二)DEA-Malmquist模型計算結(jié)果分析

1.長江經(jīng)濟帶地區(qū)平均生態(tài)效率水平年度變化情況。

表2 生態(tài)效率全要素生產(chǎn)率變動指數(shù)年度均值

我們首先分析長江經(jīng)濟帶地區(qū)生態(tài)效率全要素生產(chǎn)率變動指數(shù)(TFPCH)的年度均值變化情況。從表2的第1列中可以看出，2012—2018年間，全要素生產(chǎn)率變化指數(shù)的平均值是大于1的，為1.002。這說明在這7年間，長江經(jīng)濟帶地區(qū)的生態(tài)效率總體呈現(xiàn)出微弱上升，年平均增幅為0.2%。在樣本期內(nèi)，共有3年的全要素生產(chǎn)率變動指數(shù)取值大于1，分別是2013年、2017年以及2018年，其中最大值出現(xiàn)在2018年間，達到1.066。這說明，在這些年長江經(jīng)濟帶平均生態(tài)效率出現(xiàn)上升，并且在2018年上升幅度最大，增幅達到了6.6%。在另外4年的平均全要素生產(chǎn)率變動指數(shù)則小于1，并且在2015年取得最小值，為0.948，這說明，在這四年中長江經(jīng)濟帶內(nèi)生態(tài)效率出現(xiàn)下降，且2015年的降幅最大，降幅為5.2%。因此在整個樣本期內(nèi)長江經(jīng)濟帶地區(qū)的生態(tài)效率的變動趨勢為：初期相對平穩(wěn)，中期出現(xiàn)較大幅度下降，后期出現(xiàn)較大上升，即整體呈現(xiàn)出“J型”上升曲線。

結(jié)合2012至2018年國內(nèi)經(jīng)濟發(fā)展及環(huán)境保護的形勢變化，我們不難對上述結(jié)果進行解釋。為應(yīng)對2008年金融危機，我國于2008年11月推出一系列經(jīng)濟促進計劃，進一步擴大投資消費，刺激內(nèi)需，促進經(jīng)濟增長。該政策雖然幫助我國有效降低了受到的沖擊，在短期內(nèi)提升了經(jīng)濟活躍度，但也在客觀上造成了大量低效投資并形成過剩產(chǎn)能，這些低效投資與過剩產(chǎn)能不但降低了后續(xù)年度的經(jīng)濟增長水平，也給環(huán)境帶來了巨大的壓力，因此在2014年經(jīng)濟下行疊加環(huán)境污染的壓力不斷增強，長江經(jīng)濟帶地區(qū)生態(tài)效率出現(xiàn)惡化。持續(xù)惡化的自然環(huán)境與不斷發(fā)生的污染事件喚醒了民眾及政府對環(huán)保問題的關(guān)注，國家開始逐步從各方面加強對環(huán)境污染的治理力度。特別是我國經(jīng)濟建設(shè)進入十三五發(fā)展規(guī)劃以來，隨著環(huán)保治理目標(biāo)由“總量控制”轉(zhuǎn)向“質(zhì)量改善”，不僅環(huán)保政策出臺頻率不斷提高，而且環(huán)保治理微觀手段也越來越豐富和具體，各細分領(lǐng)域的具體防治措施密集出臺，政策的可操作性越來越強，大幅提升了政策對環(huán)境治理效果的直接影響力。具體而言，在全國層面，國家相繼出臺并實施“中央環(huán)保督察”、“河長制”、“全國污染源普查”、“水十條”、“大氣十條”、“土十條”、“保護生態(tài)紅線”等環(huán)保相關(guān)政策、行動。在地區(qū)層面，國家于2014年正式提出“長江經(jīng)濟帶發(fā)展戰(zhàn)略”，并在相關(guān)指導(dǎo)意見中明確指出長江經(jīng)濟帶的發(fā)展要以“江湖和諧、生態(tài)文明”為基本原則；在2016年和2018年召開的推動長江經(jīng)濟帶發(fā)展座談會上，習(xí)近平總書記也先后指出長江經(jīng)濟帶的發(fā)展要以“共抓大保護、不搞大開發(fā)”為基本原則，“把修復(fù)長江生態(tài)環(huán)境擺在壓倒性位置”，走“生態(tài)優(yōu)先、綠色發(fā)展”之路。在國家及有關(guān)部門、省市的大力推動與嚴(yán)格監(jiān)督下，在長江沿線企事業(yè)單位和居民的積極配合下，長江地區(qū)污染問題得到了有效緩解。這最終體現(xiàn)為長江經(jīng)濟帶地區(qū)的整體生態(tài)效率于2017和2018年出現(xiàn)提升，并且在2018年實現(xiàn)了最大的效率增幅。

接下來我們需要對全要素生產(chǎn)率變動指數(shù)進行分解。首先將其分解為技術(shù)效率變化指數(shù)乘以技術(shù)進步變化指數(shù)(EFFCH*TECH)，即表2的第2列和第3列。從中可以看出在樣本期內(nèi)技術(shù)效率變化指數(shù)和技術(shù)進步變化指數(shù)的平均值分別為1.006和0.996。這說明在樣本期內(nèi)，長江經(jīng)濟帶地區(qū)金融支持高技術(shù)產(chǎn)業(yè)的技術(shù)效率和技術(shù)水平變動也都不大，分別平均每年上升了0.6%和下降了0.4%。同時，我們還看到兩個分解指數(shù)中技術(shù)效率變化指數(shù)的增幅絕對值更高，在整個樣本期內(nèi)的波動幅度也更大，這意味著樣本期內(nèi)全要素生產(chǎn)率的增長主要是源自于技術(shù)效率的提升，即由于制度變遷引起的資源要素配置效率的改善。

在上述分析的基礎(chǔ)上，我們還可以將技術(shù)效率變化指數(shù)繼續(xù)分解為純技術(shù)效率變化指數(shù)乘以規(guī)模效率變化指數(shù)(PECH*SECH)，即表2的第4列和第5列。從中我們可以看出，在樣本期內(nèi)純技術(shù)效率變化指數(shù)和規(guī)模效率變化指數(shù)的平均值分別為1.012和0.994，即兩個效率指標(biāo)分別平均每年上升了1.2%和下降了0.6%。同時，我們還看到兩個分解指數(shù)中純技術(shù)效率變化指數(shù)的增幅絕對值更高，在整個樣本期內(nèi)的波動幅度也更大，這意味著樣本期內(nèi)技術(shù)效率的增長主要是源自于純技術(shù)效率的提升，即由于管理、制度及分工引起的技術(shù)效率改善。

2.各省平均生態(tài)效率指數(shù)分析。

表3 各省市生態(tài)效率全要素生產(chǎn)率變動指數(shù)平均值

接下來我們將分析長江經(jīng)濟帶地區(qū)內(nèi)各省市在整個樣本期內(nèi)的生態(tài)效率全要素生產(chǎn)率的變化情況。從表3的第1列中可以看出，在全部11個樣本省市中，安徽省、湖北省、江蘇省、江西省、上海市、四川省等6省市在樣本內(nèi)全要素生產(chǎn)率變動指數(shù)均值大于1，其余5省市的均值小于1。這說明在長江經(jīng)濟帶內(nèi)的大部分省市的生態(tài)效率達到生產(chǎn)前沿面，實現(xiàn)了DEA有效。同時我們還可以看到，11省市全要素生產(chǎn)率變動指數(shù)的整體年度均值依然為1.002，與表2中的均值保持一致。在這11省市中，全要素生產(chǎn)率變動指數(shù)年度均值最大的是四川省，為1.045，此外，江蘇省和江西省的全要素生產(chǎn)率變動指數(shù)年度均值也都較高，均在1.03以上。這說明在整個樣本期間內(nèi)，四川省的生態(tài)效率增長幅度最大，年均增長4.5%，同時江蘇省和江西省在樣本期內(nèi)也實現(xiàn)了生態(tài)效率的大幅提升。此外，在全部樣本省份中，全要素生產(chǎn)率變動指數(shù)年度均值最小的是貴州省，為0.963，湖南省的年度均值也較小，為0.967。這說明在樣本期內(nèi)貴州和湖南兩省生態(tài)效率降幅較大，年均降幅分別為3.7%和3.3%。

在此基礎(chǔ)上，我們還是對各省市的全要素生產(chǎn)率變動指數(shù)年度均值進行分解分析。我們依然先將其分解為技術(shù)效率變化指數(shù)乘以技術(shù)進步變化指數(shù)，即表3的第2列和第3列。兩個指數(shù)的總體平均值與表2中的保持一致，這里便不再贅述。就技術(shù)效率變化指數(shù)而言，安徽省、湖北省、江蘇省和江西省的年度均值大于1，即實現(xiàn)了技術(shù)效率的提升，且其中江蘇省的提升幅度最大，年均增幅達到6%；貴州省、湖南省、浙江省和重慶市的年度均值小于1，即出現(xiàn)了技術(shù)效率的下降，且其中湖南省的降幅最大，年均降幅為3.5%；其余三個省市的年度均值剛好等于1，即技術(shù)效率水平保持不變。就技術(shù)進步變化指數(shù)而言，湖南省、江西省、上海市、四川省以及重慶市等6省市的年度均值大于1，即實現(xiàn)了技術(shù)水平的提升，且其中四川省的提升幅度最大，年均增幅達到4.5%；其余6省的年度均值小于1，即出現(xiàn)了技術(shù)水平的下降，且其中貴州省的降幅最大，年均降幅為3.4%。

我們同樣還可以將技術(shù)效率變化指數(shù)繼續(xù)分解為純技術(shù)效率變化指數(shù)乘以規(guī)模效率變化指數(shù)，即表2的第4列和第5列。從中可以看到，就純技術(shù)效率變化指數(shù)而言，安徽省、湖北省、江蘇省以及江西省的年度均值大于1，即實現(xiàn)了純技術(shù)效率的提升，且其中江蘇省的提升幅度最大，年均增幅達到9.1%；湖南省的年度均值小于1，即出現(xiàn)了純技術(shù)效率的下降，年均降幅為3%；其余6個省市的年度均值剛好等于1，即純技術(shù)效率水平保持不變。就規(guī)模效率變化指數(shù)而言，江西省的年度均值大于1，即實現(xiàn)了規(guī)模效率的提升，年均增幅為5%；貴州省、湖南省、江蘇省、浙江省以及重慶市的年度均值小于1，即出現(xiàn)了規(guī)模效率的下降，且其中江蘇省的降幅最大，年均降幅為2.8%；其余5個省市的年度均值剛好等于1，即規(guī)模效率水平保持不變。

3.各省市各年度生態(tài)效率水平分析。

表4 各省市各年度生態(tài)效率全要素生產(chǎn)率變動指數(shù)

從長江經(jīng)濟帶地區(qū)全要素生產(chǎn)率變動指數(shù)的面板數(shù)據(jù)看，不同省市不同年度的生態(tài)效率存在較大差異。其中全要素生產(chǎn)率增長幅度最大的是2013年的江蘇省(TFPCH=1.578)，增幅高達57.8%；下降幅度最大的是2016年貴州省(TFPCH=0.86)，降幅達到14%。2012至2018年，上海市和四川省在5個年度都實現(xiàn)了整體效率上升，是效率上升年份最多的省市；而貴州省、湖南省、云南省、浙江省以及重慶市則在5個年度中都出現(xiàn)了效率下降，是效率下降年份并列最多的省份。在2017年，全部11個樣本省市中有10個省市的效率水平實現(xiàn)了上升，是效率增長省市出現(xiàn)最多的年份；而在2015年，有9個省市的效率水平出現(xiàn)了下降，是效率下降省市出現(xiàn)最多的年份。由于篇幅所限，這里不再對全要素生產(chǎn)率變動指數(shù)的分解指數(shù)進行進一步的闡述。

4.長江經(jīng)濟帶11省市生態(tài)效率的分析結(jié)論。

通過對長江經(jīng)濟帶11省市生態(tài)效率全要素生產(chǎn)率變動指數(shù)及其分解指數(shù)的分析，我們可以得出如下結(jié)論：首先，從整體上看，長江經(jīng)濟帶的平均生態(tài)效率水平在樣本期經(jīng)歷了一個先下降后上升的變化趨勢，最終在期末相對于期初有微弱的上升，年度平均增幅為0.2%。其中2015年是整體效率水平下降最多的年份，而2018年是效率水平上升最多的年份。說明中央一系列的環(huán)保政策，特別是針對長江地區(qū)的治理舉措逐漸顯現(xiàn)出了效果，近兩年來長江經(jīng)濟帶地區(qū)的環(huán)境得到了明顯改善，生態(tài)效率因此也出現(xiàn)上升。其次，長江經(jīng)濟帶11省市中，四川省、江蘇省以及江西省在樣本期內(nèi)效率增長較快，而貴州省和湖南省的生態(tài)效率下降幅度較大。在全要素生產(chǎn)率變動指數(shù)的全部分解指數(shù)中，技術(shù)效率變動指數(shù)的影響力最大，這說明近年來長江經(jīng)濟帶地區(qū)生態(tài)效率的提升主要得益于由制度變遷引起的資源要素配置效率的改善。

(三)Tobit回歸結(jié)果分析

表5 各省市特征變量對生態(tài)效率相關(guān)指標(biāo)的回歸結(jié)果

注：括號內(nèi)為z統(tǒng)計量，***、**和*分別表示顯著性水平為1%、5%和10%。

從表5的第1列中我們可以看出，各省市第三產(chǎn)業(yè)占GDP的比重、規(guī)模以上工業(yè)企業(yè)專利申請數(shù)、新產(chǎn)品銷售收入、外商投資企業(yè)投資總額、省內(nèi)單位進出口總額、城鎮(zhèn)化率以及地省財政環(huán)境保護支出占財政一般預(yù)算支出的比重都能對其生態(tài)效率的全要素生產(chǎn)率變動指數(shù)產(chǎn)生顯著正向影響，這些結(jié)果說明，各省經(jīng)濟結(jié)構(gòu)改進、高新技術(shù)產(chǎn)業(yè)發(fā)展水平的提升、擴大對外開放程度、推進城鎮(zhèn)化以及增加政府對環(huán)保事業(yè)的投入，均能改進其生態(tài)整體效率。

而表5中第2到第5列的結(jié)果則展示了上述這些因素是如何對全要素生產(chǎn)率變動指數(shù)的細分指數(shù)產(chǎn)生影響的。從中我們可以看到：各省高新技術(shù)產(chǎn)業(yè)發(fā)展水平的提升能增加其生態(tài)效率的技術(shù)效率和純技術(shù)效率；擴大對外開放則可以同時提升其技術(shù)效率、技術(shù)進步效率以及純技術(shù)效率；推進城鎮(zhèn)化和增加財政資金對環(huán)保事業(yè)的投入則可以提升技術(shù)進步效率。

四、結(jié) 語

(一)研究結(jié)論

本文首先運用DEA模型計算了2011至2018年間長江經(jīng)濟帶各省市每年的生態(tài)效率水平。結(jié)果顯示，貴州省、四川省、云南省以及上海市的生態(tài)效率始終處在DEA前沿，并且進一步的分析表明，各省市的生態(tài)綜合技術(shù)效率差異主要是由純技術(shù)效率差異造成的。緊接著本文運用DEA-Malmquist指數(shù)法測算了各省市生態(tài)效率的全要素生產(chǎn)率變動指數(shù)及其分解指數(shù)。結(jié)果顯示，長江經(jīng)濟帶的平均生態(tài)效率水平在樣本期內(nèi)經(jīng)歷了微弱的上升，年度平均增幅為0.2%，而年度平均效率水平則經(jīng)歷了前期平穩(wěn)—中期下降—后期上升的波動過程，其中2015年是整體效率水平下降幅度最大的年份，而2018年則是整體效率水平上升最多的年份；生態(tài)效率水平的空間分布表現(xiàn)為四川省、江蘇省和江西省的增長幅度較大。

隨后本文又運用面板數(shù)據(jù)Tobit回歸模型分析了各省市生態(tài)效率全要素生產(chǎn)率變動指數(shù)及其分解指數(shù)的影響因素。本文發(fā)現(xiàn)各省市經(jīng)濟結(jié)構(gòu)改進、發(fā)展高新技術(shù)產(chǎn)業(yè)、擴大對外開放以及增加財政資金對環(huán)保事業(yè)的投入均能改進其生態(tài)效率的全要素生產(chǎn)率，同時上述這些因素也會分別影響技術(shù)效率、技術(shù)進步幅度以及規(guī)模效率等分解效率指標(biāo)。

(二)政策啟示

從本文上述分析與結(jié)論中可以看出，雖然近年來長江經(jīng)濟帶生態(tài)效率出現(xiàn)一定的上升，但不同省市間依然存在較大的效率差異，確保長江經(jīng)濟帶走生態(tài)優(yōu)先、綠色發(fā)展之路，實現(xiàn)在綠色發(fā)展中兼顧經(jīng)濟效益、社會效益和生態(tài)效益，依然任務(wù)艱巨。結(jié)合本文主要結(jié)論以及長江經(jīng)濟帶地區(qū)環(huán)境資源與經(jīng)濟發(fā)展?fàn)顩r特征事實，本文得出的政策啟示如下：

第一，加大長江流域環(huán)境保護投入力度，竭力保護自然資源，持續(xù)增強環(huán)境承載力。要繼續(xù)推進生態(tài)修復(fù)治理工程，逐步解決長江生態(tài)環(huán)境透支問題。統(tǒng)籌好山水林田湖草等生態(tài)要素，加強水土流失治理、沙漠化治理、濕地修復(fù)、退耕還林、退耕還濕、退漁還水、退房還岸等工作。實施好重大生態(tài)修復(fù)工程，因地制宜地建設(shè)人工濕地，加大自然保護的生態(tài)補償力度。制定合理的土地使用規(guī)劃，在保護好耕地的同時，注重對土地生態(tài)環(huán)境的保護。

第二，加大對科技創(chuàng)新的扶持力度。長江經(jīng)濟帶的保護與高質(zhì)量發(fā)展都離不開科學(xué)技術(shù)的支持，因此要著力實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，把長江經(jīng)濟帶得天獨厚的科研優(yōu)勢、人才優(yōu)勢轉(zhuǎn)化為發(fā)展優(yōu)勢。要統(tǒng)籌協(xié)調(diào)國家、地區(qū)層面的各種類型的科研機構(gòu)，以問題和需求為導(dǎo)向，集中科技力量協(xié)同攻關(guān)，著力解決長江經(jīng)濟帶生態(tài)保護與修復(fù)等共性關(guān)鍵技術(shù)，集成一批實用的技術(shù)與模式，構(gòu)建生態(tài)保護與生態(tài)產(chǎn)業(yè)技術(shù)體系。持續(xù)推進相關(guān)科技成果應(yīng)用和轉(zhuǎn)化，充分發(fā)揮科技成果的社會價值，將先進技術(shù)在長江經(jīng)濟帶生態(tài)大保護工作中推廣使用。充分認(rèn)識綠色技術(shù)的正外部性，通過技術(shù)標(biāo)準(zhǔn)、排污稅費、補貼等政策工具，激發(fā)企業(yè)對綠色技術(shù)的應(yīng)用需求，改變綠色技術(shù)產(chǎn)品需求不旺的現(xiàn)狀；通過征收資源環(huán)境稅等措施，促進資源環(huán)境外部性內(nèi)部化，提振企業(yè)對綠色產(chǎn)品的需求。各省市要加強科研人才隊伍體系建設(shè)，促進長江經(jīng)濟帶高等教育協(xié)同發(fā)展，實現(xiàn)讓人才引領(lǐng)創(chuàng)新，創(chuàng)新驅(qū)動發(fā)展。

第三，大力推進供給側(cè)結(jié)構(gòu)性改革，在去除舊動能的同時培育新動能，推動長江經(jīng)濟帶建設(shè)現(xiàn)代化經(jīng)濟體系。加快長江沿線石油、化工、醫(yī)藥、有色金屬采選冶等經(jīng)濟支柱型企業(yè)優(yōu)化升級，發(fā)展新型生態(tài)產(chǎn)業(yè)，淘汰落后產(chǎn)能、實行環(huán)保技術(shù)改造、優(yōu)化行業(yè)企業(yè)結(jié)構(gòu)，實現(xiàn)長江經(jīng)濟帶清潔生產(chǎn)、綠色發(fā)展和循環(huán)發(fā)展。加快建設(shè)實體經(jīng)濟、科技創(chuàng)新、現(xiàn)代金融、人力資源協(xié)同發(fā)展的產(chǎn)業(yè)體系。下大氣力抓好落后產(chǎn)能淘汰關(guān)停，采取提高環(huán)保標(biāo)準(zhǔn)、加大執(zhí)法力度等多種手段倒逼產(chǎn)業(yè)轉(zhuǎn)型升級和高質(zhì)量發(fā)展。加快在長江沿線發(fā)展循環(huán)經(jīng)濟、綠色產(chǎn)業(yè)，以“綠色引擎”助推長江經(jīng)濟帶高質(zhì)量發(fā)展。

注釋：

① 數(shù)據(jù)來源：國家統(tǒng)計局網(wǎng)站。

② 全文可見于中國政府網(wǎng)，網(wǎng)頁鏈接：http://www.gov.cn/zhengce/content/2014-09/25/content_9092.htm。

③ 參見新華網(wǎng)的新聞報道《習(xí)近平：走生態(tài)優(yōu)先綠色發(fā)展之路 讓中華民族母親河永葆生機活力》，網(wǎng)頁鏈接：http://www.xinhuanet.com/politics/2016-01/07/c_1117704361.htm。