陳 杰， 王建民， 范玉環(huán)

(安徽理工大學(xué) 經(jīng)濟(jì)管理學(xué)院， 安徽 淮南 232000)

一、引言

長(zhǎng)江經(jīng)濟(jì)帶由橫跨東中西三大區(qū)域的9省2市組成，是我國(guó)經(jīng)濟(jì)密度最高的經(jīng)濟(jì)地帶之一,發(fā)展?jié)摿薮?。長(zhǎng)江經(jīng)濟(jì)帶總面積約為205萬(wàn)平方公里，占全國(guó)的21.4%，2019年總?cè)丝诩s為6億，占全國(guó)的43%，生產(chǎn)總值約為45.78萬(wàn)億元，占同期全國(guó)總量的46.2%。然而在取得巨大經(jīng)濟(jì)發(fā)展成就的同時(shí)，其生態(tài)環(huán)境已不堪重負(fù)：長(zhǎng)江中上游地區(qū)水土流失嚴(yán)重，石漠化災(zāi)害嚴(yán)重，中下游地區(qū)湖泊、濕地面積大量萎縮，高風(fēng)險(xiǎn)企業(yè)沿江密布，水生態(tài)安全問(wèn)題突出，長(zhǎng)三角地區(qū)大氣污染排放負(fù)荷大，霧霾頻發(fā)[1]。為切實(shí)保護(hù)和改善長(zhǎng)江經(jīng)濟(jì)帶生態(tài)環(huán)境，2017年國(guó)家相關(guān)部門發(fā)布了《長(zhǎng)江經(jīng)濟(jì)帶生態(tài)環(huán)境保護(hù)規(guī)劃》,指出要將生態(tài)環(huán)境放在優(yōu)先地位，一切經(jīng)濟(jì)活動(dòng)都要以不破壞生態(tài)環(huán)境為前提；2018年4月，習(xí)近平在深入推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶發(fā)展座談會(huì)上強(qiáng)調(diào)，必須從長(zhǎng)遠(yuǎn)角度探索一條保護(hù)生態(tài)環(huán)境的綠色發(fā)展之路，體現(xiàn)國(guó)家政府對(duì)改善長(zhǎng)江經(jīng)濟(jì)帶生態(tài)環(huán)境的重視程度。在此背景下，本文基于長(zhǎng)江經(jīng)濟(jì)帶11省市的資源消耗、污染排放和工業(yè)總產(chǎn)值等相關(guān)數(shù)據(jù)，定量分析其工業(yè)生態(tài)效率，探索工業(yè)生態(tài)效率的外部影響因素，對(duì)長(zhǎng)江經(jīng)濟(jì)帶生態(tài)環(huán)境改善、實(shí)現(xiàn)區(qū)域可持續(xù)發(fā)展具有重要的理論與實(shí)踐意義。

數(shù)據(jù)包絡(luò)分析(DEA)模型因其所需指標(biāo)較少、無(wú)需權(quán)重假設(shè)、避免人為主觀影響等優(yōu)點(diǎn)成為目前測(cè)算經(jīng)濟(jì)單元相對(duì)效率的主流方法[2]。隨著國(guó)家生態(tài)文明建設(shè)進(jìn)程的推進(jìn)，學(xué)界也產(chǎn)生了許多高價(jià)值的研究結(jié)果，我國(guó)關(guān)于資源環(huán)境約束下的工業(yè)經(jīng)濟(jì)效率研究主要分為宏觀和微觀兩個(gè)層面。其中宏觀層面主要包括對(duì)省域、城市群等區(qū)域的工業(yè)生態(tài)效率的時(shí)序變化、空間相關(guān)性等方面進(jìn)行研究[3]。如李成宇等采用BCC模型結(jié)合Malmquist指數(shù)對(duì)中國(guó)30省市的工業(yè)生態(tài)效率進(jìn)行測(cè)算，并對(duì)其空間分布特征和影響因素進(jìn)行了分析[4]；楊亦民、王梓龍利用基于非期望產(chǎn)出DEA模型對(duì)湖南省14個(gè)市州的工業(yè)綠色發(fā)展效率進(jìn)行測(cè)算，選取6項(xiàng)工業(yè)生產(chǎn)指標(biāo)進(jìn)行影響因素分析，以期尋找改善工業(yè)生態(tài)效率的政策切入點(diǎn)[5]；張如波等利用網(wǎng)絡(luò)DEA模型對(duì)長(zhǎng)江三角洲35個(gè)城市工業(yè)生態(tài)系統(tǒng)及其經(jīng)濟(jì)、能源和環(huán)境子系統(tǒng)進(jìn)行評(píng)價(jià)[6]；汪克亮、劉曉萌等等學(xué)者分別對(duì)山東省和安徽省的城市工業(yè)生態(tài)效率進(jìn)行測(cè)度與評(píng)價(jià)[7-8]；田澤等對(duì)“一帶一路”沿線省市區(qū)的工業(yè)生態(tài)效率的時(shí)空變化特征進(jìn)行評(píng)價(jià)分析，并指出經(jīng)濟(jì)發(fā)展水平、城市結(jié)構(gòu)等因素對(duì)工業(yè)生態(tài)效率有顯著影響[9]。微觀層面主要以工業(yè)企業(yè)生態(tài)效率的測(cè)算和影響因素研究為主。如王俊嶺等結(jié)合鋼鐵行業(yè)特征建立基于DEA模型的生態(tài)效率評(píng)價(jià)指標(biāo)體系，對(duì)2009—2016年我國(guó)鋼鐵工業(yè)的生態(tài)效率進(jìn)行測(cè)算，并對(duì)其各年度的投入冗余進(jìn)行了分析[10]；陳毅輝、蘇凱利用傳統(tǒng)BCC模型對(duì)福建工業(yè)企業(yè)生態(tài)效率進(jìn)行測(cè)算，并結(jié)合空間計(jì)量模型對(duì)其進(jìn)行影響因素分析[11]，但未考慮管理效率、環(huán)境影響等隨機(jī)干擾的影響，難以探查效率低下的主要原因。Fried等學(xué)者基于此建立了三階段DEA模型，目前在國(guó)內(nèi)效率研究中被廣泛采用。如張會(huì)恒、劉士棟利用三階段DEA模型對(duì)我國(guó)工業(yè)各行業(yè)的生態(tài)效率進(jìn)行測(cè)算分析，并指出外部環(huán)境等非經(jīng)營(yíng)性因素對(duì)提升生態(tài)效率非常明顯[12]。

綜上所述，無(wú)論是宏觀或微觀,對(duì)工業(yè)生態(tài)效率的研究都已有許多，但仍然存在不足，主要有以下兩個(gè)方面：(1)工業(yè)生態(tài)效率與相關(guān)因素的作用機(jī)制復(fù)雜，相關(guān)文獻(xiàn)從靜態(tài)角度對(duì)工業(yè)生態(tài)效率的測(cè)度及評(píng)價(jià)較多，但對(duì)工業(yè)生態(tài)效率的動(dòng)態(tài)演進(jìn)及其機(jī)理探索不足；(2)在模型選擇上，大多采用傳統(tǒng)DEA和SBM模型，前者未考慮松弛變量的影響，測(cè)算值存在偏差，且二者都無(wú)法對(duì)效率值為1的有效決策單元進(jìn)行進(jìn)一步評(píng)價(jià)和排序。本文采用Super-SBM模型結(jié)合Malmquist指數(shù)法從靜態(tài)和動(dòng)態(tài)兩個(gè)角度對(duì)長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率的時(shí)空演變和區(qū)域差異進(jìn)行分析，并借助Tobit回歸模型研究其外部影響因素，以期為促進(jìn)我國(guó)區(qū)域工業(yè)綠色可持續(xù)發(fā)展提供理論依據(jù)和現(xiàn)實(shí)參考。

二、研究方法

(一)Super-SBM模型

DEA即數(shù)據(jù)包絡(luò)分析，由美國(guó)著名運(yùn)籌學(xué)家Charnes和Cooper于1978年提出[13]，是一種運(yùn)用數(shù)學(xué)線性規(guī)劃方法評(píng)價(jià)經(jīng)濟(jì)系統(tǒng)生產(chǎn)前沿面有效性的非參數(shù)方法。DEA的傳統(tǒng)模型包括CCR模型和BCC模型，兩者雖然很好地克服了參數(shù)估計(jì)法系統(tǒng)誤差大的問(wèn)題，但未考慮投入與產(chǎn)出的松弛變量的影響，進(jìn)而導(dǎo)致效率值偏差?；诖耍琓one于2001年提出利用松弛變量測(cè)度效率的非徑向SBM模型(Slacks-based Measure)[14]，并在SBM的基礎(chǔ)上完善，于2002年提出以修正松弛變量為基礎(chǔ)的Super-SBM模型，較好地解決了傳統(tǒng)DEA模型和SBM模型無(wú)法對(duì)有效單元進(jìn)行進(jìn)一步評(píng)價(jià)和排序的問(wèn)題。本文將采用Super-SBM模型對(duì)長(zhǎng)江經(jīng)濟(jì)帶各省市的工業(yè)生態(tài)效率進(jìn)行靜態(tài)分析。Super-SBM模型表達(dá)式如(1)所示。

(1)

其中ρ為效率值，m、s分別表示投入與產(chǎn)出數(shù)量，xi、yr表示投入與產(chǎn)出要素，λ為權(quán)重向量。

(二)Malmquist指數(shù)模型

Malmquist指數(shù)最早由Malmquist于1953年提出，后由RolfF?re等人將這方法與DEA理論相結(jié)合，使得Malmquist指數(shù)模型廣泛應(yīng)用。Malmquist指數(shù)法將全要素生產(chǎn)率變動(dòng)指數(shù)(TFPC)分解為技術(shù)變化指數(shù)(TC)和技術(shù)效率變化指數(shù)(EC)，即TFPC=TC×EC，其表達(dá)式如(2)所示。

M0(xt,yt,xt+1,yt+1)=

(2)

其中技術(shù)效率變化指數(shù)(EC)可進(jìn)一步分解為純技術(shù)效率變化指數(shù)(PEC)和規(guī)模效率變化指數(shù)(SEC)，進(jìn)而全要素生產(chǎn)率變動(dòng)指數(shù)可表示為TFPC=TC×EC=TC×PEC×SEC,其表達(dá)式如(3)所示。

(3)

(三)Tobit回歸模型

本文通過(guò)建立回歸模型來(lái)進(jìn)一步探究長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率的影響因素，選取超效率SBM模型測(cè)出的效率值為被解釋變量，外部具有代表性的因素作為解釋變量，以此探究各外部因素對(duì)長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率的影響。由于超效率SBM測(cè)算出的效率值屬于截?cái)嚯x散數(shù)據(jù)，若采用最小二乘法進(jìn)行回歸分析，可能會(huì)出現(xiàn)參數(shù)估計(jì)量的偏誤和不一致現(xiàn)象，因此本文采用Tobit模型，該模型最早由Tobin提出，后由Coelli等人改進(jìn)提出“兩階段法”，可以用于解決截?cái)嗷蚴芟抟蜃兞拷?wèn)題，具體形式如下：

其中，Yi、Xi分別為截?cái)嘁蜃兞亢妥宰兞?，β為待估參?shù)，εi為隨機(jī)誤差項(xiàng)。

三、實(shí)證分析

(一)指標(biāo)體系建立與數(shù)據(jù)來(lái)源

在對(duì)長(zhǎng)江經(jīng)濟(jì)帶各省市進(jìn)行工業(yè)生態(tài)效率評(píng)價(jià)時(shí)，投入與產(chǎn)出指標(biāo)選取的準(zhǔn)確性對(duì)結(jié)果效率值影響很大。因此本文結(jié)合工業(yè)生態(tài)效率特點(diǎn)，參考相關(guān)文獻(xiàn)[4-8]，同時(shí)考慮數(shù)據(jù)的科學(xué)性、可得性等因素構(gòu)建評(píng)價(jià)指標(biāo)體系。具體評(píng)價(jià)指標(biāo)體系如表1所示。

表1 長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率評(píng)價(jià)指標(biāo)體系

本文研究對(duì)象為長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市2010—2017年間的工業(yè)生態(tài)效率，實(shí)證分析的所有數(shù)據(jù)均來(lái)自于歷年《中國(guó)統(tǒng)計(jì)年鑒》[15]和各省市歷年統(tǒng)計(jì)年鑒。變量描述統(tǒng)計(jì)特征如表2所示。

表2 樣本投入產(chǎn)出變量描述統(tǒng)計(jì)特征

(二)工業(yè)生態(tài)效率靜態(tài)分析

本文采用Super-SBM模型，利用DEA-Solver Pro.5.0軟件從靜態(tài)的角度測(cè)算了長(zhǎng)江經(jīng)濟(jì)帶2010—2017年11個(gè)省市的工業(yè)生態(tài)效率值，具體結(jié)果如表3所示。汪克亮[16]等學(xué)者將長(zhǎng)江經(jīng)濟(jì)帶劃分為三大區(qū)域，其中上游區(qū)域包括云南、貴州、四川、重慶；中游區(qū)域包括湖南、湖北、江西、安徽；下游區(qū)域包括江蘇、浙江、上海。上中下游區(qū)域工業(yè)生態(tài)效率的趨勢(shì)圖如圖1所示。

表3 2010—2017年長(zhǎng)江經(jīng)濟(jì)帶各省市工業(yè)生態(tài)效率測(cè)算值

圖1 2010—2017年長(zhǎng)江經(jīng)濟(jì)帶上中下游工業(yè)生態(tài)效率變化圖

以整體的視角來(lái)看，2010—2017年研究期間長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率呈現(xiàn)逐年遞增的趨勢(shì)，整體平均值由2010年0.583上升至2017年0.915，雖然每年的提升幅度不同，但仍然說(shuō)明研究期間長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率發(fā)展態(tài)勢(shì)良好且穩(wěn)定。研究期間整體效率平均值為0.728，由此可見(jiàn)其整體的工業(yè)生態(tài)效率水平不高，仍有較大的改善空間。

從區(qū)域的角度來(lái)看，長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率水平下游>中游>上游。下游最高，研究期間均值為1.197，大于1，屬于DEA有效區(qū)，其次是中游區(qū)域，均值為0.614，最低是上區(qū)域，均值僅為0.491。由圖1可以直觀地看出三大區(qū)域之間的顯著差異，下游區(qū)域工業(yè)生態(tài)效率平均值遠(yuǎn)高于其他區(qū)域和總體均值，而中上游區(qū)域則基本上處于總體均值以下。造成這一現(xiàn)象的原因是下游地區(qū)地理位置優(yōu)越，經(jīng)濟(jì)發(fā)展好，對(duì)生態(tài)環(huán)境的重視程度高；上游區(qū)域經(jīng)濟(jì)水平較低，但是自然資源豐富，為了追求經(jīng)濟(jì)的發(fā)展而引入許多高污染企業(yè)，導(dǎo)致在資源開(kāi)發(fā)過(guò)程中對(duì)生態(tài)環(huán)境造成破壞；而中游地區(qū)相較上下游，在經(jīng)濟(jì)發(fā)展和自然資源方面都處于中等水平，因此其工業(yè)生態(tài)效率介于二者之間。值得一提的是雖然中上游工業(yè)生態(tài)效率較低，但上升趨勢(shì)正逐漸靠近總體平均水平，說(shuō)明中上游區(qū)域的工業(yè)生態(tài)體系正在逐漸改善。

從各省市獨(dú)立的視角來(lái)看，2010—2017年研究期間工業(yè)生態(tài)效率平均值大于1的省市排名分別為上海(1.365)、浙江(1.207)、江蘇(1.019)，這三個(gè)省市處于生態(tài)技術(shù)前沿面上，是其他省市追趕的對(duì)象。說(shuō)明此三省市在推動(dòng)工業(yè)經(jīng)濟(jì)發(fā)展的過(guò)程中注重能源合理配置與生態(tài)環(huán)境保護(hù)，其主要原因是蘇浙滬地區(qū)地理交通位置優(yōu)越，是資本、人才、產(chǎn)業(yè)等經(jīng)濟(jì)要素的高度聚集地，工業(yè)技術(shù)和管理水平都處于全國(guó)領(lǐng)先水平，政府資源利用率和環(huán)境保護(hù)重視程度都較高；其次四川省是效率值最接近1的省市，效率值為0.713，仍有30%的改善空間，四川省在研究期間效率值出現(xiàn)驟增與驟降：首先由2013年0.628跳躍至2014年1.017，2015年又回彈至0.687，而后穩(wěn)步提高至2017年1.023。主要原因是四川省環(huán)境保護(hù)廳和財(cái)政廳2014年聯(lián)合發(fā)布了多項(xiàng)生態(tài)環(huán)境保護(hù)政策，采用“以獎(jiǎng)代補(bǔ)”的方式，促進(jìn)各高污染企業(yè)進(jìn)行污染總量減排和環(huán)境治理，在2015—2017年間產(chǎn)生了顯著成效；效率均值排名倒數(shù)的兩個(gè)省市是云南和貴州，效率均值僅為0.296和0.286，不足效率值第一的上海市的1/4，具有非常大的提升空間，這與其地理資源環(huán)境豐富、經(jīng)濟(jì)發(fā)展速度緩慢和粗放型生產(chǎn)方式是分不開(kāi)的，但是其發(fā)展態(tài)勢(shì)良好：云南省在研究期間由0.279提高至0.352，貴州省由0.160提高到0.350，說(shuō)明兩省正在積極地改變經(jīng)濟(jì)發(fā)展模式，提高生態(tài)效率；其余5省市包括重慶(0.669)、江西(0.640)、湖南(0.633)、湖北(0.619)、安徽(0.562)，各省市效率值相差不大，皆在0.50-0.70范圍不等。

(三)工業(yè)生態(tài)效率動(dòng)態(tài)分析

上文從靜態(tài)視角對(duì)長(zhǎng)江經(jīng)濟(jì)帶的工業(yè)生態(tài)效率進(jìn)行了分析，為進(jìn)一步探究工業(yè)生態(tài)效率隨時(shí)間的動(dòng)態(tài)變化以及變化的內(nèi)在結(jié)構(gòu)性原因，利用DEAP2.1測(cè)算長(zhǎng)江經(jīng)濟(jì)帶的Malmquist指數(shù)及其分解值，測(cè)算結(jié)果如表4、表5所示。

表4 2010—2017年長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率Malmquist指數(shù)及其分解

表5 長(zhǎng)江經(jīng)濟(jì)帶各年份平均全要素生產(chǎn)率及其分解

由表4測(cè)量結(jié)果可知，整體來(lái)看，在研究期間，長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率全要素生產(chǎn)率平均值為1.173，大于1，表明長(zhǎng)江經(jīng)濟(jì)帶整體的的工業(yè)生態(tài)效率在研究期間呈上升態(tài)勢(shì)，增長(zhǎng)幅度為17.3%，其中技術(shù)進(jìn)步是主要推動(dòng)力，年均增長(zhǎng)11.9%，技術(shù)進(jìn)步增速最快的是上海，高達(dá)78.7%。其次是技術(shù)效率，年均增長(zhǎng)4.8%，研究期間純技術(shù)效率和規(guī)模效率也分別小幅度增長(zhǎng)1.4%和3.4%，其中多地的純技術(shù)效率為停滯狀態(tài)，導(dǎo)致純技術(shù)效率對(duì)全要素生產(chǎn)率貢獻(xiàn)最低。從省市的角度來(lái)看，11個(gè)省市中全要素生產(chǎn)率最高的是上海市，為1.787，遠(yuǎn)高于其他省市，也正是其拉高了整體的平均水平，若除去上海市其他10省市的全要素生產(chǎn)率平均值僅為1.108。全要素生產(chǎn)率最低的則是江西省，研究期間年均增幅僅為7.2%，兩者差距懸殊。特別需要說(shuō)明的是，上海、江蘇、浙江三省全要素生產(chǎn)率的提高僅由技術(shù)進(jìn)步拉動(dòng)，改善路徑過(guò)于單一，若采取措施對(duì)其規(guī)模效率和技術(shù)效率進(jìn)行改善，其全要素生產(chǎn)率將會(huì)進(jìn)一步提高。

從表5可以看出，在研究期間長(zhǎng)江經(jīng)濟(jì)帶各年度工業(yè)生態(tài)全要素生產(chǎn)率均大于1，說(shuō)明長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率體系逐年完善，這得益于國(guó)家近年來(lái)對(duì)生態(tài)效率的重視。從各年份來(lái)看，2010-2011年全要素生產(chǎn)率為1.173，較上一年漲幅為17.3%，各項(xiàng)分解指標(biāo)均有不同程度的提升，但主要依賴于技術(shù)效率(9.2%)和技術(shù)進(jìn)步(7.4%)的提升。2011—2012年長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率全要素生產(chǎn)率為1.109，除去純技術(shù)效率僅增長(zhǎng)0.2%之外，技術(shù)效率(5.2%)、技術(shù)進(jìn)步(5.5%)和規(guī)模效率(5.0%)都促進(jìn)了工業(yè)生態(tài)效率的提高。2012—2013年比上一年增長(zhǎng)了13.6%，由其分解指標(biāo)可知，主要是由于技術(shù)效率(10.6%)和規(guī)模效率(6.6%)的提高。2013—2014年全要素生產(chǎn)效率增長(zhǎng)8.4%，由其分解指標(biāo)可知主要是由技術(shù)進(jìn)步帶來(lái)的提升。2014—2015年全要素生產(chǎn)率為1.064，是研究期間增幅最低的一年，主要原因是技術(shù)進(jìn)步的增長(zhǎng)速度放緩和規(guī)模效率的下降。2015—2016年全要素生產(chǎn)率增長(zhǎng)22.8%，技術(shù)進(jìn)步較上一年增長(zhǎng)了18.9%，說(shuō)明在此期間技術(shù)進(jìn)步是推動(dòng)工業(yè)生態(tài)效率提升的主要原因。2016—2017年全要素生產(chǎn)率為1.457，是研究期間漲幅最快的一年，達(dá)到45.7%，其中該階段技術(shù)進(jìn)步貢獻(xiàn)最大，較上一年增長(zhǎng)42.6%。綜上所述，在研究期間全要素生產(chǎn)率每年都實(shí)現(xiàn)穩(wěn)定增長(zhǎng)，但每年推動(dòng)增長(zhǎng)的要素各不相同，其中技術(shù)進(jìn)步占比最大，最高增長(zhǎng)達(dá)42.6%，而技術(shù)效率、純技術(shù)效率和規(guī)模效率每年貢獻(xiàn)不大，或偶有下降。因此長(zhǎng)江經(jīng)濟(jì)帶在改善工業(yè)生態(tài)效率時(shí)要注重提高其工業(yè)技術(shù)和企業(yè)管理水平，改善其規(guī)模效率。

(四)工業(yè)生態(tài)效率影響因素分析

通過(guò)前文對(duì)長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率靜態(tài)與動(dòng)態(tài)的分析，發(fā)現(xiàn)長(zhǎng)江經(jīng)濟(jì)帶上中下游11個(gè)省市工業(yè)生態(tài)效率異質(zhì)性特征顯著。為探討其原因，本文采用Tobit回歸模型對(duì)其進(jìn)行影響因素分析。影響工業(yè)生態(tài)效率的因素有許多，參考已有研究成果[4,5,6,9,16,17]，并結(jié)合長(zhǎng)江經(jīng)濟(jì)帶的區(qū)域特點(diǎn)，本文選取經(jīng)濟(jì)發(fā)展水平、研發(fā)強(qiáng)度等五個(gè)方面的影響因素，各因素的定義以及預(yù)期影響如表6所示。

表6 各影響因素的定義及預(yù)期影響

本文構(gòu)建的回歸模型具體如下：

IEEi=β0+β1lnGDPit+β2INDUSit+β3ERit+β4FDIit+β5RDIi+εit

其中IEEi是各省市以及上中下游地區(qū)的工業(yè)生態(tài)效率值，β0、β1～β5為待估參數(shù)，εit為隨機(jī)干擾項(xiàng)。利用Stata12.0軟件，得出Tobit模型的回歸結(jié)果如表7所示。

表7 長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率Tobit模型回歸結(jié)果

由表7的Tobit回歸結(jié)果可知：各模型的Prob>chi2結(jié)果均小于0.01，可知各模型的擬合度較好。以下就長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率影響因素進(jìn)行分析。

1.由結(jié)果可知，人均生產(chǎn)總值對(duì)長(zhǎng)江經(jīng)濟(jì)帶整體和其上中下游區(qū)域都有不同程度的促進(jìn)作用，且回歸方程的系數(shù)皆在5%的顯著性水平下通過(guò)檢驗(yàn)，這說(shuō)明地區(qū)經(jīng)濟(jì)水平的提高對(duì)地區(qū)工業(yè)生態(tài)效率有較好的改善作用。好的經(jīng)濟(jì)水平對(duì)資金、人才、技術(shù)等要素都有較強(qiáng)的吸引作用，這些要素對(duì)地區(qū)工業(yè)生態(tài)效率的改善提供了強(qiáng)有力的支持。

2.產(chǎn)業(yè)結(jié)構(gòu)對(duì)長(zhǎng)江經(jīng)濟(jì)帶整體工業(yè)生態(tài)效率有抑制作用，但程度較小，回歸系數(shù)為-0.06，通過(guò)5%的顯著性水平檢驗(yàn)，但是產(chǎn)業(yè)結(jié)構(gòu)對(duì)區(qū)域工業(yè)生態(tài)效率的影響皆不顯著。由生態(tài)效率的定義可知，對(duì)長(zhǎng)江經(jīng)濟(jì)帶而言，第二產(chǎn)業(yè)發(fā)展對(duì)工業(yè)的經(jīng)濟(jì)增長(zhǎng)小于其對(duì)環(huán)境造成的負(fù)面影響。

3.環(huán)境治理與長(zhǎng)江經(jīng)濟(jì)帶整體工業(yè)生態(tài)效率呈現(xiàn)負(fù)相關(guān)，與預(yù)期結(jié)果相反。中下游的回歸結(jié)果也類似，只對(duì)上游有促進(jìn)作用，但未通過(guò)顯著性水平檢驗(yàn)。說(shuō)明加大環(huán)境治理力度并不能有效地改進(jìn)長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率。

4.外資利用水平對(duì)整體的工業(yè)生態(tài)效率影響不顯著，對(duì)區(qū)域工業(yè)生態(tài)效率影響有正有負(fù)。對(duì)中下游區(qū)域有顯著的推動(dòng)作用，對(duì)上游地區(qū)有明顯的抑制作用。究其原因，上游地區(qū)為實(shí)現(xiàn)經(jīng)濟(jì)的崛起，只關(guān)注外資數(shù)量而忽視了質(zhì)量，導(dǎo)致眾多高污染企業(yè)入駐，雖然對(duì)經(jīng)濟(jì)發(fā)展有促進(jìn)作用，卻是以犧牲生態(tài)環(huán)境為代價(jià)。

5.研發(fā)強(qiáng)度與長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率顯著正相關(guān)，在5%的顯著性水平上通過(guò)檢驗(yàn)，對(duì)效率值的影響程度僅次于經(jīng)濟(jì)發(fā)展，研發(fā)強(qiáng)度每提高一個(gè)百分點(diǎn)能對(duì)工業(yè)生態(tài)效率值改善12.8%，而且對(duì)各區(qū)域也有不同程度的促進(jìn)作用。提高研發(fā)投入能夠促進(jìn)工業(yè)企業(yè)進(jìn)行技術(shù)、設(shè)備和管理方法的更新改善，使之能夠以更小的資源環(huán)境代價(jià)創(chuàng)造更大的經(jīng)濟(jì)效益。

四、結(jié)論與建議

(一)結(jié)論

本文對(duì)長(zhǎng)江經(jīng)濟(jì)帶2010—2017年工業(yè)生態(tài)效率及其動(dòng)態(tài)變化進(jìn)行研究，并對(duì)長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率外部影響因素進(jìn)行回歸分析，得出以下結(jié)論。

其一，在研究期間，長(zhǎng)江經(jīng)濟(jì)帶各年度工業(yè)生態(tài)效率值普遍較低，但發(fā)展態(tài)勢(shì)良好，逐年上升，從2010—2017年效率值提高了近60%。區(qū)域差距顯著，呈現(xiàn)下游>整體>中游>上游，且下游效率值遠(yuǎn)高于中上游。省際差距顯著，排名最高與最低工業(yè)生態(tài)效率值相差近1.1，排名前三的蘇浙滬地區(qū)研究期間一直保持大于1的狀態(tài)，是其他省份趕超的目標(biāo)。

其二，研究期間各省市工業(yè)生態(tài)效率增長(zhǎng)速度差距顯著，最快與最慢相差70%，各省市的全要素生產(chǎn)率分解指標(biāo)中技術(shù)進(jìn)步對(duì)長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率貢獻(xiàn)最大。從時(shí)間角度來(lái)看，研究期間各年度全要素生產(chǎn)率均大于1，增長(zhǎng)幅度有高有低，技術(shù)進(jìn)步均為正，且增長(zhǎng)率水平較高，是全要素生產(chǎn)率的主要推動(dòng)力。

其三，經(jīng)濟(jì)發(fā)展和研發(fā)強(qiáng)度對(duì)長(zhǎng)江經(jīng)濟(jì)帶整體以及上中下游區(qū)域的工業(yè)生態(tài)效率均有顯著的促進(jìn)作用，說(shuō)明經(jīng)濟(jì)水平和研發(fā)投入的提高都能對(duì)長(zhǎng)江經(jīng)濟(jì)帶工業(yè)生態(tài)效率有顯著的改善。產(chǎn)業(yè)結(jié)構(gòu)對(duì)整體有輕微的抑制作用，環(huán)境治理與整體及中下游的工業(yè)生態(tài)效率呈現(xiàn)不同程度的負(fù)相關(guān)，表明加強(qiáng)環(huán)境治理并不能有效提高工業(yè)生態(tài)效率。外資利用水平對(duì)上中下游的影響較為復(fù)雜，由于上中下游經(jīng)濟(jì)環(huán)境、資源條件等情況不同，其對(duì)工業(yè)生態(tài)效率影響有正有負(fù)。

(二)建議

要打破長(zhǎng)江經(jīng)濟(jì)帶區(qū)域限制，實(shí)現(xiàn)區(qū)域聯(lián)合發(fā)展，引導(dǎo)下游先進(jìn)的技術(shù)和管理經(jīng)驗(yàn)向中上游轉(zhuǎn)移，提高長(zhǎng)江經(jīng)濟(jì)帶整體的經(jīng)濟(jì)發(fā)展質(zhì)量。實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展，加大科研投入，引進(jìn)高端技術(shù)人才，提高工業(yè)企業(yè)的自主創(chuàng)新能力，使技術(shù)創(chuàng)新成為長(zhǎng)江經(jīng)濟(jì)帶綠色發(fā)展的新推動(dòng)力。優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，中上游區(qū)域省市應(yīng)因地制宜，調(diào)整能源結(jié)構(gòu)和工業(yè)結(jié)構(gòu)，淘汰落后產(chǎn)能，加快長(zhǎng)江經(jīng)濟(jì)帶發(fā)展動(dòng)力向第三產(chǎn)業(yè)轉(zhuǎn)移的步伐。加強(qiáng)外資引進(jìn)門檻，特別是中上游地區(qū)在引進(jìn)外資時(shí)要統(tǒng)籌經(jīng)濟(jì)發(fā)展與生態(tài)環(huán)境，避免成為發(fā)達(dá)國(guó)家高污染企業(yè)的“避難所”。