删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

黄河流域沿线城市绿色发展效率时空演变及其影响因素

本站小编 Free考研考试/2021-12-29

岳立,, 薛丹,兰州大学经济学院,兰州 730000

Spatiotemporal change of urban green development efficiency in the Yellow River Basin and influencing factors

YUE Li,, XUE Dan,School of Economics, Lanzhou University, Lanzhou 730000, China

通讯作者: 薛丹,女,山东临沂人,博士研究生,主要研究方向为区域人口、资源、环境与可持续发展。E-mail: xuedan2748409@163.com

收稿日期:2020-04-17修回日期:2020-07-3网络出版日期:2020-12-25
基金资助:中央高校基本科研业务费专项资金资助项目.2019jbkyxs017


Received:2020-04-17Revised:2020-07-3Online:2020-12-25
作者简介 About authors
岳立,女,新疆哈密人,教授,博士生导师,主要研究领域为区域经济,区域可持续发展。E-mail: mgliang@lzu.edu.cn




摘要
黄河流域在中国经济社会发展和生态安全方面具有十分重要的地位。本文基于2005—2017年黄河流域沿线57个城市的面板数据,通过Super-SBM模型测算流域内各城市的绿色发展效率,构建Tobit模型,实证分析黄河流域绿色发展效率的影响因素。研究发现:①全流域的绿色发展效率整体呈现波动上升趋势,上游最高,下游次之,中游最低,效率高值集中在西宁、郑州、西安、太原等省会中心城市和中卫、武威、鄂尔多斯等地区中心城市。②从Tobit回归结果来看,经济发展和产业结构升级可以显著促进黄河流域绿色发展效率的提高,城镇化对黄河流域绿色发展效率的影响呈现“U”型曲线关系,外资利用和科技水平对黄河流域的绿色发展效率有负向影响,环境规制对绿色发展效率的影响不明显。③从各影响因素作用的区域异质性来看,科技水平和外资利用对上游绿色发展效率的影响不显著,经济发展水平对中游的影响有限,而产业结构升级对中游的绿色发展效率有显著的负向作用,外资利用对下游的影响不显著。本文对提升黄河流域的绿色发展水平、助推该地区的高质量发展具有重要意义。
关键词: 黄河流域;绿色发展效率;Super-SBM;时空演变;影响因素

Abstract
The Yellow River Basin plays an important role in the economic development and ecological security in China. Based on the panel data of 57 cities in the Yellow River Basin from 2005 to 2017, this study calculated the urban green development efficiency of the basin using the super-SBM (slacks-based measure) model, and constructed a Tobit model to empirically analyze the influencing factors of the green development efficiency of the basin. The results of this paper were as follows: (1) The overall green development efficiency of the basin is fluctuating and rising, with the highest in the upper reaches, followed by the lower reaches and the lowest is found in the middle reaches. The high efficiency values are concentrated in provincial capital cities such as Xining, Zhengzhou, Xi’an, and Taiyuan, and regional central cities such as Zhongwei, Wuwei, and Ordos. (2) Economic development and industrial structure upgrading can significantly improve the green development efficiency of the basin. The impact of urbanization on the green development efficiency of the basin presents a U-shaped curve. The use of foreign capital and science and technology development level have a negative impact on the green development efficiency of the basin. The impact of environmental regulations on the green development efficiency is not obvious. (3) The science and technology level and FDI have no significant impact on the green development efficiency of the upper reaches. The level of economic development has limited impact on the middle reaches, while upgrading industrial structure has negative impact on the green development efficiency of the middle reaches, and the impact of FDI on the the green development efficiency of the lower reaches is not significant. This study is of significance for improving the green development level of the Yellow River Basin and boosting the high-quality development of the region.
Keywords:Yellow River Basin;green development efficiency;Super-SBM;spatiotemporal change;influencing factors


PDF (5839KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
岳立, 薛丹. 黄河流域沿线城市绿色发展效率时空演变及其影响因素. 资源科学[J], 2020, 42(12): 2274-2284 doi:10.18402/resci.2020.12.02
YUE Li, XUE Dan. Spatiotemporal change of urban green development efficiency in the Yellow River Basin and influencing factors. RESOURCES SCIENCE[J], 2020, 42(12): 2274-2284 doi:10.18402/resci.2020.12.02


1 引言

资源和环境问题已成为中国发展的重要挑战,绿色发展是中国发展的战略选择[1]。绿色发展是指从传统的高消耗、高污染、高排放为代价的传统粗放模式,向以质量和效率为中心的资源节约、环境友好的创新模式转变。中国古代传统的天人合一、道法自然等思想,以及新时代的“绿水青山就是金山银山”、生态文明建设等思想就蕴含着绿色发展的理念。提升绿色发展水平的关键在于提升绿色发展效率,绿色发展效率将资源和环境因素引入了传统经济效率测度中,能够真实反映出当地经济发展的健康程度和绿色发展水平[2]。在资源和环境的约束下,分析绿色发展效率的影响因素,寻找绿色发展效率的提升途径,已成为当下研究的重要课题。黄河流域不仅是中国重要的生态屏障,也是重要的能源开发工业带,拥有支撑中国现代工业开发所需要的煤炭、石油、稀土、铁矿石等重要资源[3]。传统的高消耗、高污染、高排放的发展模式已不能适应流域内的生态保护和高质量发展的要求,需要探寻绿色发展的道路,以实现黄河流域内经济发展、生态保护和资源利用的协调发展。因此,有必要对黄河流域内的绿色发展效率及其影响因素进行分析。

关于绿色发展效率的研究吸引了众多****的注意,当前研究成果可以分为3类:①关于绿色发展效率的测度。该类研究普遍认为中国的绿色发展效率不高,但是整体呈现上升趋势。研究范围包括全国[4,5]、长江经济带[6]、主要城市群[7]、部分省份以及资源型城市[8];研究方法主要选择数据包络分析(DEA)和熵值法。②分析绿色发展效率的区际差异和时空演变[9]。该类研究普遍重视通过地区间合作来提升绿色发展效率。如程钰等[10]对中国30个省份的绿色发展时空演变轨迹进行了研究;周亮等[11]分析了中国城市绿色发展效率的时空演变特征。③考察绿色发展效率的影响因素。一般从城镇化、产业结构、人力资本、环境规制、FDI、城市规模等方面来考量。如王兵等[12]认为城镇化对绿色发展效率的影响呈“U”型曲线关系;Zhu等[13]认为产业结构升级是提高绿色发展效率的有效措施之一;何爱平等[14]认为环境规制可以促进绿色发展效率的提高,而地方政府竞争对绿色发展效率起到抑制作用;刘耀彬等[15]认为文化产业集聚对绿色经济效率的影响呈现先抑制后促进的“U”型曲线;高翠云等[16]认为绿色经济发展与命令型环境规制正相关,而与市场型环境规制手段负相关”;钱争鸣等[17]认为环境管制对改善绿色经济效率具有时滞性,长期治污投资能显著提高绿色经济效率。

学术界关于绿色发展效率的研究成果已形成较为完善的研究体系,但仍有可拓展之处。首先,现有研究多是从全国层面、主要城市群、长江经济带等角度进行研究,对黄河流域的研究相对较少。其次,现有研究用省域数据的较多,用地级市数据的比较少,如徐辉等[18]对黄河流域9个省份的高质量发展水平进行了测度。最后,现有研究重视对计量模型的阐述,而对绿色发展效率影响因素的作用机理分析不足,说服力有待加强。基于此,本文采用2005—2017年黄河流域沿线57个城市的面板数据,使用Super-SBM模型测算其绿色发展效率,试图揭示出黄河流域绿色发展效率的时空演化规律,并考察黄河流域绿色发展效率的影响因素及作用机理,提出提升黄河流域绿色发展效率的有益对策,以期为黄河流域提高绿色发展水平提供参考。

2 研究方法、指标选择和数据处理

2.1 研究范围

黄河流域涉及青海、四川、甘肃、宁夏、内蒙古、山西、陕西、河南和山东9个省(区)的66个地级市340个县(市、旗)[19]。本文拟对黄河流域的绿色发展效率进行研究,由于省级数据空间跨度较大,不能准确反映黄河流域绿色发展效率的具体特征,而县级数据缺失较多,数据收集难度大,故本文从地级市的尺度来分析黄河流域的绿色发展效率。流域内的66个地级市根据《黄河文化百科全书》[20]整理而得(①文献[20]中黄河流域66个地级以上城市具体如下:山东省10个,分别为济南、淄博、东营、济宁、泰安、临沂、德州、聊城、滨州和菏泽;河南省9个,分别为郑州、开封、洛阳、安阳、鹤壁、新乡、焦作、濮阳和三门峡;山西省10个,分别为太原、阳泉、长治、晋城、朔州、晋中、运城、忻州、临汾和吕梁;陕西省7个,分别为西安、铜川、宝鸡、咸阳、渭南、延安和榆林;内蒙古自治区6个,分别为呼和浩特、包头、乌海、鄂尔多斯、巴彦淖尔和乌兰察布;宁夏回族自治区5个,分别为银川、石嘴山、吴忠、中卫和固原;甘肃省10个,分别为兰州、白银、天水、武威、平凉、庆阳、定西、陇南、临夏州和甘南州;青海省8个,分别为西宁、海东、海北州、黄南州、海南州、果洛州、玉树州和海西州;四川省1个,为阿坝州。)。其中,由于四川省阿坝羌族自治州、甘肃省临夏回族自治州和甘南藏族自治州、青海省海东市、海北藏族自治州、黄南藏族自治州、海南藏族自治州、果洛藏族自治州、玉树藏族自治州和海西蒙古族藏族自治州的数据不全,本文不包括这10个市(州)。另外,山东省莱芜市于2019年1月并入济南市,而本文的研究时间跨度为2005—2017年,考虑到统计口径的一致性,本文在计算黄河流域城市绿色发展效率时,仍将莱芜市作为单独的城市来看待,故本文的研究对象为黄河流域的57个城市。参照郭晗[21]的划分方法,本文将这57个城市分为黄河上游、中游、下游3个部分,上游地区从青海西宁市至内蒙古呼和浩特市(含呼和浩特),中游地区从内蒙古呼和浩特市至河南郑州市(含郑州),下游地区从河南郑州市至山东东营市(② 在本文中,黄河上游地区包括20个城市:西宁、银川、石嘴山、吴忠、中卫、固原、兰州、白银、天水、武威、平凉、庆阳、定西、陇南、呼和浩特、包头、乌海、鄂尔多斯、巴彦淖尔和乌兰察布;黄河中游地区包括21个城市:西安、铜川、宝鸡、咸阳、渭南、延安、榆林、太原、阳泉、长治、晋城、朔州、晋中、运城、忻州、临汾、吕梁、郑州、洛阳、焦作和三门峡;黄河下游地区包括16个城市:开封、安阳、鹤壁、新乡、濮阳、济南、淄博、东营、济宁、泰安、莱芜、临沂、德州、聊城、滨州和菏泽。)。

2.2 研究方法

2.2.1 包含非期望产出的Super-SBM模型

相关文献关于绿色发展效率的测度有多种方法,但其本质都是一样的,都是在考虑劳动、资本等生产要素投入的情况下,追求GDP等期望产出最大化,同时实现废水、废气、固体废弃物等非期望产出最小化[14]。DEA方法是测量效率的主流方法,但传统的DEA方法多为径向和角度的,没有考虑松弛改进的部分。Tone[22]提出了一个非径向、非角度的SBM模型,不仅包含投入产出变量间的等比例改进,而且包含变量间的松弛改进。Tone[23]又在SBM模型的基础上提出了Super-SBM模型,Super-SBM模型允许有效决策单元(decision-making units,DMUs)的效率值≥1,对有效DMUs进行了进一步区分,避免了有效DMUs无法比较的问题。本文选取Super-SBM方法来测算黄河流域的绿色发展效率。

假定有n个DMUs,m种投入要素,q种期望产出,w种非期望产出, xRm,ygRq,ybRw。定义向量 X=[x1,?,xn]Rm×n, Yg=[y1g,?,yng]Rq×n, Yb=[y1b,?,ynb]Rw×n,则不包括DMUs (xo,yog,yob)的生产性可能集为:

p(xo,yog,yob)=(x?,y?g,y?b)|x?j=1nλjxj,y?gj=1nλjyjg,y?bj=1nλjyjb,λ0

包含非期望产出的Super-SBM模型的线性规划式为:

ρ*=min1mi=1mx?ixio1q+wr=1qy?rgyrog+u=1wy?ubyuob
s.t.x?j=1,0nλjxj,j=1,?,my?gj=1,0nλjyjg,r=1,?,qy?bj=1,0nλjyjb,u=1,?,wx?xo,y?gyog,y?byobλ0,j=1,0nλj=1

式中: ρ*表示效率值; x为投入向量, yg为期望产出向量, yb为非期望产出向量; s-sgsb分别表示投入、期望产出和非期望产出的松弛向量,λ为权重向量,字母上方加横线代表在模型中对应投入和产出的投影值,下标o表示被评价决策单元。 ρ*>0, ρ*值越大,代表效率水平越高。

2.2.2 Tobit模型

本文测算的黄河流域沿线城市绿色发展效率均大于0,属于“受限因变量”,而Tobit模型可以很好地解决“受限因变量”的回归问题[24],因此建立Tobit模型来实证分析黄河流域绿色发展效率的影响因素。Tobit模型的公式如下:

Yit=Yit*=β0+t=1nβtxit+εit,Yit*>00,Yit*0
式中: Yit为因变量; xit为自变量; β0为常数项; βt为估计系数向量;i=1, 2, ?, 57,代表本文研究的黄河流域57个城市;t=1, 2, ?, n,n为自变量个数; εit为独随机误差扰动项,且 εit~(0,σ2)

2.3 指标选取

2.3.1 Super-SBM模型的指标选取

本文所用的Super-SBM模型主要包括3类指标:投入、期望产出和非期望产出。投入指标包括资本、劳动和资源[25]:选用资本存量来表征资本,本文使用永续盘存法对黄河流域57个城市的资本存量进行核算,折旧率取值为9.6%[26];选用期末单位就业人员数来表征劳动力;选用城市建设用地面积、供水总量与供电总量3个指标来表征资源[27]。期望产出从经济收益、社会收益、环境收益3个方面来考虑:经济收益用黄河流域各市的GDP来衡量,以2005年为基期,用GDP平减指数做了平减;社会收益用城镇居民平均工资来衡量,用消费价格指数折算成2005年的不变价格;环境收益用各城市的公园绿地面积来衡量。非期望产出主要考察对环境的负面影响,用工业废水排放量、工业SO2排放量和工业烟粉尘排放量来衡量。黄河流域沿线57个城市绿色发展效率的投入产出指标体系,及各指标的描述性统计如表1所示。

Table 1
表1
表1黄河流域绿色发展效率投入产出指标体系及其描述性统计
Table 1Input-output index system and descriptive statistics of green development efficiency in the Yellow River Basin
标准层要素层指标层单位观测数均值标准差最小值最大值
投入指标劳动力城市就业人员数万人74138.7532.954.84207.56
资本资本存量亿元7414048.724497.32104.2033395.27
资源城市建设用地面积km274196.8890.686.00661.00
供水总量万t74178.5594.240.811035.40
全社会用电总量万kW·h7410.870.970.025.74
期望产出经济收益实际GDP亿元741988.67934.474.265897.44
社会收益城镇居民平均工资74127421.339763.398659.1458504.86
环境收益公园绿地面积hm27411055.661112.801.009199.00
非期望产出对环境的负面影响工业废水排放量万t7415366.054856.0899.0022522.00
工业SO2排放量万t7417.665.830.0633.72
工业烟粉尘排放量万t7415.0422.540.03516.88

新窗口打开|下载CSV

2.3.2 Tobit模型的变量选取及作用机制分析

通过已有研究成果,结合黄河流域的现实,初步判断影响黄河流域绿色发展效率的因素包括经济发展水平、城镇化水平、产业结构、科技发展水平、外资利用和环境规制等。明确不同影响因素对黄河流域绿色发展效率的作用机理和作用程度,可以有针对性地提出促进黄河流域绿色发展效率提升的有效措施。本文实证检验选取黄河流域沿线城市的绿色发展效率为被解释变量,选取以下变量为解释变量:

(1)经济发展水平(lnpgdp)。一方面,较高的经济发展水平可以促进高层次知识人才的聚集,使得企业污染治理的技术和手段得到提升,资源、能源的利用效率提升;另一方面,经济发展使得人们生活水平提高、环保意识增强,引导企业生产更多的优质绿色产品[6]。故经济发展水平与绿色发展效率之间可能存在正相关关系。本文选用人均GDP来衡量经济发展水平,为了消除异方差的影响对其进行对数化处理。

(2)城镇化水平(urburb2)。在城镇化的初期和中期,随着人口由第一产业向第二产业转移,重化工业企业发展迅速,能源、资源消耗增加,工业“三废”排放增多,环境污染、交通拥堵等问题凸显[28],此时,城镇化的发展会对绿色发展效率产生负面影响。但是,随着城镇化的发展,产业结构不断升级,清洁产品创新增加,资源、能源的利用效率提升,人口素质提高,环保意识增强,此时,城镇化的发展将会促绿色发展效率的提升。故城镇化水平与绿色发展效率之间可能存在先降后升的“U”型曲线关系。本文选用城镇化率及其二次项来衡量城镇化水平,城镇化率用城镇常住人口与总人口的比率来表示。

(3)产业结构(is)。一般而言,与第三产业相比,第二产业的资源消耗和废弃物排放会更多,产业结构升级有助于资源节约和污染减少,从而会提高绿色发展效率。现阶段黄河流域产业发展质量并不高,高能耗、高污染、高排放的工业企业仍然占主要地位。本文用第二产业总产值占GDP的比重来表示产业结构,第二产业占比提高可能会抑制黄河流域的绿色发展水平。

(4)利用外资(lnfdi)。根据“污染天堂”假说,国外发达国家会将高污染、高能耗行业向发展中国家转移,虽然引进外资可以改善发展中国家资本的不足问题,带来技术上的溢出,但也容易把国外的污染密集型产业带到东道国,由此带来的环境恶化也会增加东道国的治污成本[29]。黄河流域特别是中、上游地区的经济发展相对落后,地方政府可能存在为了引进外资而降低环境标准的行为,外资利用水平的提升可能会降低黄河流域的绿色发展效率。本文用各城市的实际利用外商直接投资额来表示外资利用水平,并对其进行了对数化处理。

(5)科技水平(lntec)。一方面,科技水平的提升有利于企业提高资源利用效率。技术进步可以通过对现有资源的深加工和开发,提高资源的利用程度,提升资源的利用效率。另一方面,技术进步有利于企业提高污染物治理水平,从而减少非期望产出的排放。黄河流域内资源丰富,科技水平提升可能会有利于流域内的绿色发展转型。本文用黄河流域沿线城市的科学技术支出额来衡量科技发展水平,同样对其进行了对数化处理。

(6)环境规制(er)。绿色发展效率是在传统的经济效率测度的基础上考虑了资源环境约束,非期望产出越小,绿色发展效率越大。在环境规制的压力下,企业会投入更多的资源到环境保护和废弃物处理,有利于工业废水、废气等非期望产出的减少,这将有利于绿色发展效率的提高。“波特假说”认为环境规制可以刺激企业投资环境技术改造,可以得到“创新补偿”[30],而成本约束论认为环境规制会导致企业的生产成本增加,会拖累经济技术效率。本文参照黄磊等[6]的做法,用一般工业固体废物综合利用率来代表环境规制水平。

2.4 数据来源及处理

Super-SBM模型的各个投入产出指标数据来源自历年《中国城市统计年鉴》和各省份历年统计年鉴。Tobit回归模型的变量中,绿色发展效率由本文测算得到,人均GDP、第二产业占比、科学技术支出额、外商直接投资和一般工业固体废物综合利用率指标来自历年《中国城市统计年鉴》,由于2018年的《中国城市统计年鉴》只披露了市辖区的经济发展情况,对城市整体的经济发展情况没有披露,故2017各城市的经济发展和产业结构指标从各省份的统计年鉴和部分城市的统计公报中获得。各城市的城镇化率指标来自Wind网和部分城市的统计公报。人均GDP、外商直接投资额和科学技术支出额为绝对额指标,为了消除异方差的影响对这3个指标进行对数化处理;而城镇化率、第二产业占比与一般工业固体废物综合利用率为相对比率指标,无需进行对数化处理。

3 实证结果分析

3.1 黄河流域绿色发展效率的测算结果分析

3.1.1 黄河流域绿色发展效率时序演进特征

根据Super-SBM模型,借助MaxDEA(专业版)软件计算得到黄河流域沿线57个城市的绿色发展效率,其均值变化趋势如图1所示。为了方便展示黄河流域内部绿色发展效率的地区差异,本文在趋势图中按照黄河流域整体、黄河上游、中游和下游4个部分分别来展示。

图1

新窗口打开|下载原图ZIP|生成PPT
图12005—2017年黄河流域绿色发展效率趋势图

Figure 1Trend of green development efficiency in the Yellow River Basin, 2005-2017



从黄河流域整体来看,2005—2017年,黄河流域绿色发展效率整体呈现波动上升趋势,2005—2009年比较稳定,2010—2014年大幅下降,2014年之后又快速上升。2008年全球金融危机爆发,黄河流域各地方政府为了刺激经济把大量资金投入到了基础建设项目,伴随而来的是能源、资源的大量消耗以及环境污染,唯GDP论也导致有些地方过度追求短期效益,没有考虑环境的代价。2010年之后经济刺激作用逐渐减弱,而对环境的破坏也逐渐显示出来,故2010年之后黄河流域的绿色发展效率逐渐下降。2014年,中国颁布了《国家新型城镇化规划(2014—2020年)》,大力推行新型城镇化,提倡绿色、循环、低碳发展,要求环境保护和生态修复。同时,国家要求淡化GDP考核,更强调经济发展的质量,越来越多的地方政府取消GDP考核,以环境和民生的考核导向取而代之。故2014年之后,黄河流域整体的绿色发展效率大幅提升。

从上、中、下游的划分来看,黄河上游的绿色发展效率最高,下游次之,中游最低。黄河流域横跨中国东、中、西三大区域,沿线省份的经济基础、资源禀赋等不同[31],绿色发展效率也存在差异。黄河上游地区人口稀少,生态环境较好,属于低收入、低排放地区,绿色发展效率较高。黄河下游地区经济较为发达,近年来注重经济转型发展与生态保护,如山东省实施新旧动能转换、腾笼换鸟等战略,绿色发展效率也得到了显著的提升。黄河中游地区能源资源丰富,生态环境脆弱,特别是山西省的部分资源型城市,经济的发展以牺牲生态环境为代价,绿色发展效率低。三大区域绿色发展效率的变化趋势与流域整体的变化趋势基本一致,2014年以后,三大区域的绿色发展效率均呈快速上升趋势。

3.1.2 黄河流域绿色发展效率空间分布特征

本文将黄河流域沿线57个城市的绿色发展效率用ArcGIS 10.2软件进行可视化制图。图2展示了2005、2011、2017年黄河流域绿色发展效率的空间分布情况。由图2可知,黄河流域的绿色发展效率呈现连片分布的特征,黄河“几”字内部的城市绿色发展效率较高,黄河以南城市的绿色发展效率明显高于黄河以北城市。2005年,黄河上游的绿色发展效率明显高于中、下游地区,效率高值聚集在西宁、银川、中卫、天水等西部城市,而黄河中下游的菏泽、滨州、新乡、长治等效率水平较低。2011年黄河流域的绿色发展效率下降,整体颜色较2005年变浅,黄河下游地区山东省各城市的效率值有所提升。2017年黄河流域的绿色发展效率整体水平较2011年提升,效率高值聚集在西宁、郑州、西安、太原等省会中心城市和中卫、武威、鄂尔多斯等地区中心城市,黄河中游的运城、临汾、长治等资源型城市的绿色发展效率较低。

图2

新窗口打开|下载原图ZIP|生成PPT
图22005、2011、2017年黄河流域绿色发展效率空间分布图

Figure 2Spatial distribution of green development efficiency in the Yellow River Basin in 2005, 2011 and 2017



3.2 黄河流域绿色发展效率驱动因素分析

3.2.1 Tobit模型回归结果分析

根据本文测算结果,黄河流域的绿色发展效率存在地区上的差异,为了考察区域异质性,分别对黄河流域整体、黄河上游、中游和下游进行Tobit回归分析(表2),回归过程借助了Stata15.0软件。

Table 2
表2
表2Tobit模型回归结果
Table 2The regression results of Tobit model
变量流域整体黄河上游黄河中游黄河下游
lnpgdp0.1710***0.1370***0.001590.3430***
(6.89)(3.98)(0.03)(6.39)
urb-0.0226***-0.0320***-0.0168**-0.0232***
(-7.63)(-9.15)(-2.25)(-2.92)
urb20.0002***0.0002***0.0002***0.0002**
(6.31)(7.64)(3.74)(2.10)
is-0.0030***-0.0057***0.0130***-0.0080***
(-3.22)(-4.16)(6.41)(-3.11)
lnfdi-0.0186***0.0074-0.0349***-0.0223
(-3.30)(0.97)(-3.62)(-0.94)
lntec-0.0290***-0.0215-0.0300*-0.0696***
(-2.89)(-1.44)(-1.74)(-3.11)
er0.000040.00080.00030.0013
(0.09)(1.28)(0.41)(0.75)
_cons-0.07870.39400.4160-1.6730***
(-0.37)(1.38)(0.92)(-2.99)
var(e.gde)0.0719***0.0538***0.0624***0.0569***
(19.25)(11.40)(11.68)(10.20)
N741260273208
注:括号内的数字为T统计量,***、**、*分别为在1%、5%、10%的水平下显著,下同。

新窗口打开|下载CSV

从黄河流域整体的分析结果来看:①经济发展水平(lnpgdp)。经济发展水平的回归系数在1%的水平下显著为正,说明提高经济发展水平可以显著提升绿色发展效率,这与田时中等[32]的研究结论一致。经济发展水平的提升有利于提高居民的环保意识,提升企业的污染治理能力,从而提高黄河流域的绿色发展效率。②城镇化水平(urburb2)。一次项系数在1%的水平下显著为负,二次项系数在1%的水平下显著为正,这说明黄河流域的城镇化水平对绿色发展效率的影响不是单一的线性关系,而是先降后升的“U”型曲线关系。城镇化初期,低技术水平的劳动密集型产业得到较快发展,环境污染较为严重,绿色发展效率低下;随着城镇化水平的进一步提高,技术得到改进,污染治理能力增强,绿色发展效率得到提升。③产业结构(is)。第二产业占比的系数在1%的水平下显著为负,说明第二产业占比提高会抑制城市绿色发展效率。长期以来,黄河流域以石油加工业、有色金属冶炼、采矿业等重化工业为主,可通过产业的转型升级来提升绿色发展效率。④外资利用水平(lnfdi)。外商直接投资的系数为负,并且通过了1%的显著水平检验,说明“污染天堂”假说在黄河流域存在,黄河流域的经济发展水平相对较低,政府为了吸引外资,降低了环境标准,使其成为跨国企业的“污染避难所”,引进外资对黄河流域绿色发展效率起到了抑制作用。⑤科技水平(lntec)。估计系数通过了1%的显著性水平检验,但是系数值为负值,表明黄河流域的财政科技投入没有带来绿色发展效率的提升,这与邱兆林等[33]的研究结果一致。原因可能在于企业更多倾向于加强逐利性生产技术研发,对清洁型技术研发投入较少。⑥环境规制(er)。估计系数为正,但是不显著,这在一定程度上说明“波特假说”在黄河流域不存在,现行环境规制水平并没有带来经济技术效率的提升,这与Hao等[34]的研究结论一致。

从黄河上游、中游、下游的回归结果来看:①经济发展水平(lnpgdp)。经济发展水平对黄河上游和下游的绿色发展效率有显著的正向作用,这与流域整体的估计结果一致。在黄河中游地区的统计不显著,但估计系数的符号为正,说明黄河中游地区经济增长对绿色发展效率的促进作用有限。②城镇化水平(urburb2)。黄河上游、中游、下游城镇化水平的估计系数均与流域整体一致,说明城镇化水平与绿色发展效率的“U”型曲线关系在3个地区都存在。③产业结构(is)。第二产业占比对黄河上游和下游绿色发展效率的影响显著为负,与流域整体的估计结果一致;而对黄河中游绿色发展效率的影响显著为正。这表明产业结构升级会提升黄河上游和下游绿色发展效率,反而会抑制黄河中游的绿色发展效率。原因可能在于黄河中游地区,特别是山西省的部分城市以资源型产业为主,战略性新兴产业和现代服务业发展相对滞缓,短期内产业结构升级不会带来绿色发展效率的提升。④外资利用水平(lnfdi)。外资利用水平对黄河中游绿色发展效率的影响显著为负,对黄河上游和黄河下游的影响不显著。说明“污染天堂”假说在黄河中游地区存在,该地区吸引外资并没有带来绿色发展效率的提升。⑤科技水平(lntec)。黄河中游和下游地区的科技水平的估计系数显著为负,这与流域整体的估计结果一致。黄河上游的估计系数统计不显著,原因可能是黄河上游地区科技水平整体较低,对绿色发展效率的影响有限。⑥环境规制(er)。环境规制的估计系数在3个地区均为正,但都不显著,这与流域整体的估计结果一致,黄河流域的环境规制并没有带来绿色发展水平的提高。

3.2.2 稳健性检验

为了检验实证结果的可靠性,本文把研究样本分为2005—2011年、2012—2017年两部分,分别对黄河流域整体、黄河上游、中游和下游的实证结果进行检验,详细结果如表3所示。在流域整体的检验结果中,经济发展水平、城镇化水平、产业结构、利用外资、环境规制的分样本回归结果与全样本回归结果一致;科技水平在2012—2017年样本中的回归结果不显著,但回归系数的符号仍然为负;分样本检验得出的结论与前文基本一致。在黄河上游、中游、下游的检验中,由于回归所涉及的变量较多,部分变量的系数和显著性出现了变化,但是得出的基本结论仍然与前文类似。

Table 3
表3
表3稳健性检验一
Table 3First robustness test
变量名称2005—2011年2012—2017年
流域整体黄河上游黄河中游黄河下游流域整体黄河上游黄河中游黄河下游
lnpgdp0.1520***0.07030.02300.3690***0.3060***0.2250***0.3030**0.4460***
(4.11)(1.54)(0.23)(5.26)(7.97)(3.65)(3.25)(4.86)
urb-0.0159***-0.0301***-0.0077-0.0159-0.0316***-0.0319***-0.0311-0.0450**
(-4.03)(-7.32)(-0.85)(-1.39)(-5.55)(-4.11)(-1.37)(-2.48)
urb20.0001***0.0002***0.0002*0.00010.0002***0.0002***0.0003*0.0003*
(3.07)(5.79)(1.92)(0.97)(4.50)(3.41)(1.68)(1.87)
is-0.0036**-0.0041*0.0135***-0.0130***-0.0054***-0.0066***0.0062**-0.0137***
(-2.39)(-1.96)(3.65)(-3.31)(-4.04)(-3.14)(2.40)(-3.80)
lnfdi-0.0280***0.0097-0.0435***-0.0209-0.0199**-0.0017-0.0353***-0.0126
(-3.30)(0.93)(-3.05)(-0.60)(-2.49)(-0.12)(-2.93)(-0.39)
lntec-0.0266*-0.0034-0.0663**-0.0411-0.0117-0.04090.0045-0.0985**
(-1.91)(-0.18)(-2.44)(-1.63)(-0.79)(-1.60)(0.21)(-2.18)
er0.000050.0014*0.0005-0.0099**0.0008-0.000020.00130.0040*
(0.08)(1.79)(0.55)(-2.41)(1.34)(-0.02)(1.40)(2.16)
_cons0.07980.8810*-0.0044-0.750-1.1550***-0.3240-1.9150**-2.1680*
(0.26)(2.41)(-0.01)(-1.05)(-3.30)(-0.62)(-2.58)(-1.82)
var
(e.gde)
0.0767***0.0463***0.0644***0.0514***0.0601***0.0589***0.0447***0.0484***
(14.12)(8.37)(8.57)(7.48)(13.08)(7.75)(7.94)(6.93)
N39914014711234212012696

新窗口打开|下载CSV

为了进一步检验回归结果的稳健性,采用替换变量的方法对模型进行重新估计。在上文的回归估计中,本文使用第二产业占比来表示产业结构,也有****用第三产业占比来表示。本文的环境规制指标用一般工业固体废物综合利用率来表示,也有****用污水处理厂集中处理率、生活垃圾无害化处理率等指标表征环境规制水平。本文将一般工业固体废物综合利用率、污水处理厂集中处理率、生活垃圾无害化处理率3个指标综合考虑,利用熵值法,计算出黄河流域沿线城市的环境规制综合水平。在稳健性检验时,本文用第三产业总产值占GDP的比重来替代产业结构指标,用熵值法计算的环境规制水平来替代环境规制指标,其他变量保持不变,重新进行Tobit回归估计。回归结果如表4所示。由于第二产业和第三产业此消彼长的关系,表4中产业结构估计系数的正负性与表2中均相反,其他变量的估计系数除了个别的显著性水平发生了变化外,与前文基本一致,得到的基本结论仍然与前文类似。整体而言,可认为回归结果具稳健性。

Table 4
表4
表4稳健性检验二
Table 4Second robustness test
变量流域整体黄河上游黄河中游黄河下游
lnpgdp0.1610***0.1060***-0.01170.2950***
(6.61)(3.31)(-0.19)(6.47)
urb-0.0234***-0.0339***-0.0111-0.0221***
(-8.05)(-9.67)(-1.47)(-2.87)
urb20.0002***0.0002***0.0002***0.0002*
(6.40)(7.91)(3.40)(1.86)
is0.0045***0.0062***-0.0142***0.0120***
(4.01)(3.92)(-5.78)(4.28)
lnfdi-0.0215***0.0028-0.0295***-0.0339
(-3.81)(0.36)(-2.97)(-1.44)
lntec-0.0328***-0.0234-0.0333*-0.0763***
(-3.27)(-1.62)(-1.94)(-3.29)
er0.11100.3260***0.01630.0697
(1.48)(3.18)(0.12)(0.28)
_cons-0.31800.11001.5230***-1.8300***
(-1.43)(0.38)(2.81)(-3.51)
var
(e.gde)
0.0712***0.0525***0.0638***0.0548***
(19.25)(11.40)(11.68)(10.20)
N741260273208

新窗口打开|下载CSV

4 结论及启示

4.1 结论

本文基于2005—2017年黄河流域沿线57个城市的面板数据,采用Super-SBM模型测算其绿色发展效率,并分析其时空演化规律,揭示了黄河流域绿色发展效率的影响因素及其作用机制,并从黄河上、中、下游的角度,对各影响因素的区域异质性做了考察。得到如下结论:

(1)黄河流域绿色发展效率整体水平较低,在研究时间范围内呈现波动上升趋势,各地区间差异明显,黄河上游的绿色发展效率最高,下游次之,中游最低。从空间分布特征来看,黄河流域的绿色发展效率呈现连片分布的特征,黄河“几”字内部城市的绿色发展效率较高,效率高值聚集在西宁、郑州、西安、太原等省会中心城市和中卫、武威、鄂尔多斯等地区中心城市,黄河中游的运城、临汾、长治等资源型城市的绿色发展效率较低。

(2)从黄河流域整体来看,经济发展和产业结构升级可以显著促进绿色发展效率的提高,城镇化水平对黄河流域绿色发展效率的影响呈现先降后升的“U”型曲线关系,外资利用和科技投入对黄河流域的绿色发展效率有抑制作用,环境规制对绿色发展效率的影响不明显。

(3)从影响因素的区域异质性来看,经济发展对黄河中游地区绿色发展效率的提升作用有限,产业结构升级反而会拖累黄河中游地区的绿色发展效率,外资利用对黄河上游和黄河下游地区的影响不显著,科技水平对黄河上游地区绿色发展效率的影响有限。

4.2 政策建议

通过本文研究结论得到的政策建议如下:

(1)基于黄河流域沿线城市绿色发展效率普遍不高的现状,黄河流域各地方政府,要根据黄河流域生态保护与高质量发展的要求,以绿色发展为出路,提高资源能源利用效率,减少“工业三废”等污染物排放。特别是流域内的资源型城市,要降低经济增长对化石能源的依赖,严控产能过剩行业和高污染行业,倒逼企业向低污染、低排放、低能耗的发展模式转型。

(2)基于黄河流域绿色发展效率影响因素的回归结果,经济发展和产业结构升级可以显著促进黄河流域绿色发展效率的提升,在当前经济增长放缓的情况下,可以通过产业结构转型升级来提高绿色发展效率,建议延长资源类企业产业链,扶持老工业基地转型,在黄河流域因地制宜有序布局新材料、电子信息技术等新兴产业。黄河流域的城镇化水平与绿色发展效率之间存在“U”型曲线关系,建议推进绿色城镇化,让城镇化对绿色发展效率的影响转到“U”型曲线右侧。现阶段外资利用与科技投入对黄河流域的绿色发展效率有负向影响,要重视引入外资的质量,避免成为发达国家的“污染避难所”,鼓励清洁技术创新,让科技投入成为拉动黄河流域绿色发展的有效力量。

(3)基于黄河流域绿色发展效率及其影响因素的区域异质性,在制定相关政策时,既要将黄河流域视为一个整体,建立协调发展机制,注意生态环境保护和规制的系统性、整体性和协同性,又要考虑到黄河上游、中游和下游的差异,因地制宜,分类施策。

参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

胡鞍钢, 周绍杰. 绿色发展:功能界定、机制分析与发展战略
[J]. 中国人口·资源与环境, 2014,24(1):14-20.

[本文引用: 1]

[ Hu A G, Zhou S J. Green development: Functional definition, mechanism analysis and development strategy
[J]. China Population, Resources and Environment, 2014,24(1):14-20.]

[本文引用: 1]

Hailu A. Non-parametric productivity analysis with undesirable outputs: An application to the Canadian pulp and paper industry
[J]. American Journal of Agricultural Economics, 2003,85(4):1075-1077.

DOI:10.1111/ajae.v85.4URL [本文引用: 1]

杨永春, 穆焱杰, 张薇. 黄河流域高质量发展的基本条件与核心策略
[J]. 资源科学, 2020,42(3):409-423.

[本文引用: 1]

[ Yang Y C, Mu Y J, Zhang W. Basic conditions and core strategies of high- quality development in the Yellow River Basin
[J]. Resources Science, 2020,42(3):409-423.]

[本文引用: 1]

杨志江, 文超祥. 中国绿色发展效率的评价与区域差异
[J]. 经济地理, 2017,37(3):10-18.

[本文引用: 1]

[ Yang Z J, Wen C X. Evaluation on China’s green development efficiency and regional disparity
[J]. Economic Geography, 2017,37(3):10-18.]

[本文引用: 1]

Yang Q, Wan X Z, Ma H M. Assessing green development efficiency of municipalities and provinces in China integrating models of super-efficiency DEA and Malmquist index
[J]. Sustainability, 2015,7(4):4492-4510.

[本文引用: 1]

黄磊, 吴传清. 长江经济带城市工业绿色发展效率及其空间驱动机制研究
[J]. 中国人口·资源与环境, 2019,29(8):40-49.

[本文引用: 3]

[ Huang L, Wu C Q. Industrial green development efficiency and spatial driven mechanism in cities of the Yangtze River Economic Belt
[J]. China Population, Resources and Environment, 2019,29(8):40-49.]

[本文引用: 3]

刘杨, 杨建梁, 梁媛. 中国城市群绿色发展效率评价及均衡特征
[J]. 经济地理, 2019,39(2):110-117.

[本文引用: 1]

[ Liu Y, Yang J L, Liang Y. The green development efficiency and equilibrium features of urban agglomerations in China
[J]. Economic Geography, 2019,39(2):110-117.]

[本文引用: 1]

胡博伟, 周亮, 王中辉, . 干旱区资源型城市绿色经济效率时空分异特征
[J]. 资源科学, 2020,42(2):383-393.

[本文引用: 1]

[ Hu B W, Zhou L, Wang Z H, et al. Spatiotemporal differentiation of green economic efficiency of resource-based cities in arid area
[J]. Resources Science, 2020,42(2):383-393.]

[本文引用: 1]

李俊杰, 景一佳. 基于SBM-GIS的绿色发展效率评价及时空分异研究: 以中原城市群为例
[J]. 生态经济, 2019,35(9):94-101.

[本文引用: 1]

[ Li J J, Jing Y J. Research on green development efficiency evaluation and spatial-temporal differentiation based on SBM-GIS: Take the Central Plains urban agglomeration as an example
[J]. Ecological Economy, 2019,35(9):94-101.]

[本文引用: 1]

程钰, 王晶晶, 王亚平, . 中国绿色发展时空演变轨迹与影响机理研究
[J]. 地理研究, 2019,38(11):2745-2765.

[本文引用: 1]

[ Cheng Y, Wang J J, Wang Y P, et al. A comparative research of the spatial-temporal evolution track and influence mechanism of green development in China
[J]. Geographical Research, 2019,38(11):2745-2765.]

[本文引用: 1]

周亮, 车磊, 周成虎. 中国城市绿色发展效率时空演变特征及影响因素
[J]. 地理学报, 2019,74(10):2027-2044.

[本文引用: 1]

[ Zhou L, Che L, Zhou C H. Spatio-temporal evolution and influencing factors of urban green development efficiency in China
[J]. Acta Geographica Sinica, 2019,74(10):2027-2044.]

[本文引用: 1]

王兵, 唐文狮, 吴延瑞, . 城镇化提高中国绿色发展效率了吗?
[J]. 经济评论, 2014, (4):38-49.

[本文引用: 1]

[ Wang B, Tang W S, Wu Y R, et al. Does urbanization increase China’s green development efficiency?
[J]. Economic Review, 2014, (4):38-49.]

[本文引用: 1]

Zhu B Z, Zhang M F, Zhou Y H, et al. Exploring the effect of industrial structure adjustment on interprovincial green development efficiency in China: A novel integrated approach
[J]. Energy Policy, 2019,134, 110946.

[本文引用: 1]

何爱平, 安梦天. 地方政府竞争、环境规制与绿色发展效率
[J]. 中国人口·资源与环境, 2019,29(3):21-30.

[本文引用: 2]

[ He A P, An M T. Competition among local governments, environmental regulation and green development efficiency
[J]. China Population, Resources and Environment, 2019,29(3):21-30.]

[本文引用: 2]

刘耀彬, 袁华锡, 王喆. 文化产业集聚对绿色经济效率的影响: 基于动态面板模型的实证分析
[J]. 资源科学, 2017,39(4):747-755.

[本文引用: 1]

[ Liu Y B, Yuan H X, Wang Z. Dynamic panel data modeling of the effects of cultural industry clusters on green economic efficiency
[J]. Resources Science, 2017,39(4):747-755.]

[本文引用: 1]

高翠云, 王倩. 绿色经济发展与政府环保行为的互动效应
[J]. 资源科学, 2020,42(4):776-789.

[本文引用: 1]

[ Gao C Y, Wang Q. Effects of interactions of green economic development and government environmental protection behavior
[J]. Resources Science, 2020,42(4):776-789.]

[本文引用: 1]

钱争鸣, 刘晓晨. 环境管制与绿色经济效率
[J]. 统计研究, 2015,32(7):12-18.

[本文引用: 1]

[ Qian Z M, Liu X C. Environmental regulation and green economic efficiency
[J]. Statistical Research, 2015,32(7):12-18.]

[本文引用: 1]

徐辉, 师诺, 武玲玲, . 黄河流域高质量发展水平测度及其时空演变
[J]. 资源科学, 2020,42(1):115-126.

[本文引用: 1]

[ Xu H, Shi N, Wu L L, et al. High-quality development level and its spatiotemporal changes in the Yellow River Basin
[J]. Resources Science, 2020,42(1):115-126.]

[本文引用: 1]

水利部黄河水利委员会. 黄河年鉴(2018)[M]. 郑州: 黄河年鉴社, 2018.
[本文引用: 1]

[ Yellow River Water Conservancy Commission of the Ministry of Water Resources. Yellow River Yearbook (2018)[M]. Zhengzhou: Yellow River Yearbook Press, 2018.]
[本文引用: 1]

黄河文化百科全书编纂委员会. 黄河文化百科全书[M]. 成都: 四川辞书出版社, 2000.
[本文引用: 2]

[ Yellow River Cultural Encyclopedia Compilation Committee. Yellow River Culture Encyclopedia[M]. Chengdu: Sichuan Dictionary Press, 2000.]
[本文引用: 2]

郭晗. 黄河流域高质量发展中的可持续发展与生态环境保护
[J]. 人文杂志, 2020, (1):17-21.

[本文引用: 1]

[ Guo H. Sustainable development and ecological environment protection in the high quality development of the Yellow River Basin
[J]. The Journal of Humanities, 2020, (1):17-21.]

[本文引用: 1]

Tone K. A slacks-based measure of efficiency in data envelopment analysis
[J]. European Journal of Operational Research, 2001,130(3):498-509.

[本文引用: 1]

Tone K. A slacks-based measure of super-efficiency in data envelopment analysis
[J]. European Journal of Operational Research, 2002,143(1):32-41.

[本文引用: 1]

Tobin J. Estimation of relationships for limited dependent varables
[J]. Econometrica, 1956, DOI: 10.2307/1907382.

URLPMID:12264762 [本文引用: 1]

Zhou C S, Shi C Y, Wang S J, et al. Estimation of eco-efficiency and its influencing factors in Guangdong Province based on Super-SBM and panel regression models
[J]. Ecological Indicators, 2018,86:67-80.

DOI:10.1016/j.ecolind.2017.12.011URL [本文引用: 1]

张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算: 1952-2000
[J]. 经济研究, 2004, (10):35-44.

[本文引用: 1]

[ Zhang J, Wu G Y, Zhang J P. The estimation of China’s provincial capital stock: 1952-2000
[J]. Economic Research, 2004, (10):35-44.]

[本文引用: 1]

Bai Y P, Deng X Z, Jiang S J, et al. Exploring the relationship between urbanization and urban eco-efficiency: Evidence from prefecture-level cities in China
[J]. Journal of Cleaner Production, 2018,195:1487-1496.

[本文引用: 1]

岳立, 薛丹. 新型城镇化对中国城市土地利用效率的影响研究
[J]. 经济问题探索, 2020, (9):110-120.

[本文引用: 1]

[ Yue L, Xue D. Study on the impact of new-type urbanization on urban land use efficiency in China
[J]. Inquiry into Economic Issues, 2020, (9):110-120]

[本文引用: 1]

Copeland B, Taylor M S. Trade, growth, and the environment
[J]. Journal of Economic Literature, 2004,42(1):7-71.

[本文引用: 1]

Porter M E. America’s green strategy
[J]. Scientific American, 1991,264(4):168-168.

[本文引用: 1]

关伟, 许淑婷, 郭岫垚. 黄河流域能源综合效率的时空演变与驱动因素
[J]. 资源科学, 2020,42(1):150-158.

[本文引用: 1]

[ Guan W, Xu S T, Guo X Y. Spatiotemporal change and driving factors of comprehensive energy efficiency in the Yellow River Basin
[J]. Resources Science, 2020,42(1):150-158.]

[本文引用: 1]

田时中, 丁雨洁. 长三角城市群绿色化测量及影响因素分析: 基于26城市面板数据熵值-Tobit模型实证
[J]. 经济地理, 2019,39(9):94-103.

[本文引用: 1]

[ Tian S Z, Ding Y J. Greenization measurement of urban agglomeration in Yangtze River Delta and its influence factors: An empirical study based on the Entropy-Tobit model of 26 cities’ panel data
[J] . Economic Geography, 2019,39(9):94-103.]

[本文引用: 1]

邱兆林, 王业辉. 行政垄断约束下环境规制对工业生态效率的影响: 基于动态空间杜宾模型与门槛效应的检验
[J]. 产业经济研究, 2018, (5):114-126.

[本文引用: 1]

[ Qiu Z L, Wang Y H. The impact of environmental regulation on industrial ecological efficiency under the constraints of administrative monopoly: Based on dynamic spatial Durbin model and threshold effect
[J]. Industrial Economics Research, 2018, (5):114-126.]

[本文引用: 1]

Hao Y, Deng Y X, Lu Z N, et al. Is environmental regulation effective in China? Evidence from city-level panel data
[J]. Journal of Cleaner Production, 2018,188:966-976.

[本文引用: 1]

相关话题/城市 环境 资源 经济 指标