韩增林
, 吴爱玲, 彭飞, 孙嘉泽, 夏康
辽宁师范大学海洋经济与可持续发展研究中心,辽宁 大连 116029;
HAN Zenglin, WU Ailing, PENG Fei, SUN Jiaze, XIA Kang
收稿日期: 2017-06-15
修回日期: 2017-11-20
网络出版日期: 2018-02-28
版权声明: 2018 地理科学进展 《地理科学进展》杂志 版权所有
基金资助:
作者简介:
作者简介：韩增林(1956-),男,山东商河人,博士,教授,博导,主要从事区域发展规划、交通运输地理及海洋经济地理等研究,E-mail: hzl@lnnu.edu.cn。
展开
摘要
利用基于非期望产出的SBM模型测算2005-2015年环渤海地区44个城市的生态效率,刻画其时空演化特征,并运用面板门槛回归模型分析其影响因素。研究表明：①未考虑非期望产出的环渤海地区生态效率值总体被高估,说明经济活动的非期望产出确实降低了实际经济价值,考虑非期望产出具有科学性、合理性。②2005-2010年,生态效率类型整体呈现“进化”特征;2010-2015年,整体呈现暂时性“退化”特征;可能与经济发展方式转变和驱动力转换有关。③各地区生态效率各类型数量和分布特征存在省际差异性和非均衡性,相同生态效率水平类型地区空间集聚特征显著。④科技水平、城市规模、对外开放、环境规制对地区生态效率均表现出双门槛特征,产业结构等对地区生态效率产生重要影响;提高科技吸收再创新能力、联防治污能力和人口素质,强化对外开放的“技术效应”,将增强各门槛变量对环渤海地区生态效率的促进作用;同时优化产业结构、加强信息化建设亦是提高该地区生态效率的重要举措。
关键词：
Abstract
Using the slack based measure (SBM) model of undesirable outputs, we measured the eco-efficiency of 44 cities in the Bohai Rim area from 2005 to 2015, depicted the spatiotemporal change characteristics, and analyzed the influencing factors with panel threshold regression model for stimulating ecological civilization construction and sustainable development. The results are as follows: (1) Eco-efficiency value is generally overestimated without considering undesirable outputs, indicating that undesirable outputs in the process of economy activities reduced true economy value fairly and considering undesirable outputs is reasonable; (2) From 2005 to 2010, the eco-efficiency types generally improved, but they deteriorated from 2010 to 2015, possibly relating to the transform of economic development mode and driving forces; (3) There exits interprovincial differentiation and imbalance in the number and spatial distribution of eco-efficiency types and a clear spatial aggregation character in regions of same eco-efficiency type; (4) Double threshold character appears in the relation of technology level, city scale, openness to the outside world, and environmental regulation for eco-efficiency. Industrial structure has a vital impact on regional eco-efficiency. Improving the capabilities of technology uptake and re-innovation, joint pollution control, and the quality of population, strengthening the "technical effect" heightening positive influences of threshold variables on ecological efficiency in the Bohai Rim area, and optimizing industrial structure and information system construction are also important methods for improving ecological efficiency.
Keywords：
在经济发展进入“新常态”和推进生态文明建设背景下,各地区迫切要求转变经济发展模式,突破资源环境对地区发展的瓶颈制约。2015年10月国家发改委发布的《环渤海地区合作发展纲要》明确指出,加强生态环境治理和保护以更加生态、有效、负责任的方式推动环渤海地区可持续发展。“三省两市”作为环渤海地区的核心区域,2015年该区域国内生产总值占全国的23.8%,科技水平、对外开放、人力资本等均具有较强优势,逐渐成为中国经济增长和转型升级的新引擎;同时资源环境约束日益趋紧,高强度的人类活动造成了渤海海洋环境愈加恶化,海洋生态不容乐观,2015年其工业污染治理投资总额约占GDP的0.125%。减小环境污染对经济发展的代价对区域发展和海洋保护具有重要意义。
生态效率为破解资源环境与地区发展矛盾提供了一种新的研究思路,由于兼顾了经济发展和资源环境,成为综合评价地区经济活动影响的重要方法和学术界研究的前沿热点议题。德国学者Schaltegger等(1990)首次提出生态效率并用来分析考虑环境影响下的经济产出问题,由此各学者和组织机构先后开展生态效率研究,呈现出理论到实证的趋势,主要包括以下几方面：生态效率概念及评价方面,已有研究主要从生态效率内涵出发考察研究对象的生态效率(Rees, 1992; Organization for Economic Cooperation and Development, 1998; Gössling等, 2005; 吴小庆等, 2009)。研究区域和应用领域方面,已有成果在国家发展、区域差异等宏观尺度逐步拓展到产业规划、政府管理等微观尺度(Cha et al, 2008; Martin Willison et al, 2009; 成金华等, 2014; 陈玲等, 2015; 史丹等, 2016)。研究方法及影响因素方面,多数成果采用指标体系法、传统DEA方法和单一线性回归法(付丽娜等, 2013; 刘晶茹等, 2014; 万庆等, 2015; 张小龙等, 2015)。对于环渤海地区,已有文献从城市环境、土地利用、城乡发展、海洋经济等方面开展了研究(王国刚等, 2013; 刘彦随等, 2015; 党晓云等, 2016; 孙才志等, 2016),但关于环渤海地区生态文明建设的文献十分有限。
通过对文献梳理可知,从生态效率视角分析微观市级单元尺度下的环渤海地可持续区发展的文献尚不多见,同时环渤海地区突出的环境污染问题没有得到足够重视,限制了其研究价值;指标体系法有待进一步完善,传统DEA方法缺乏对非期望产出的考虑,未能对其进行科学处理;单一线性回归方法不能反映出影响因素与生态效率之间的结构性、非单一的线性关系。综上所述,基于非期望产出的SBM模型和面板门槛回归模型,利用2003-2014年环渤海地区面板数据,以环渤海地区生态经济为研究对象,对其生态效率的时空演化特征及其影响因素进行深入分析,以期对环渤海地区生态文明建设和地区可持续发展提供借鉴。
本文以环渤海地区北京市、天津市、河北省、辽宁省、山东省44个城市作为研究对象。2015年,该地区国内生产总值约占全国的23.8%,行政区面积和人口分别占全国的5.4%和18.46%,人口城镇化率达到68%,远高于全国平均水平;但资源能源消费巨大,环境污染问题严峻,电力消耗总和占全国比重超过21%,水资源消耗比重约为19%,灰霾污染天数高达100天,直排入渤海污染物占全国入海污染物总量的47.7%。高投入、高产出和高污染现象同存是环渤海地区发展的重要特征。
数据包络分析方法(DEA)又称非参数分析方法,凭借其客观性和科学性,在相对效率评价中应用的有效性已被多数学者证明。传统径向、角度DEA模型(如CCR、BCC)处理非期望产出时,对无效率程度的测量只包含了所有投入(产出)等比例缩减(增加)的情况,松弛改进的部分在效率值的测量中并未得到体现,不能对非期望产出进行科学处理,将会导致测量结果有偏差。鉴于此,Tone (2001)提出了非径向的考虑松弛变量的DEA模型：SBM模型(Slack Based Measure)。SBM模型凭借其非径向、非角度的特点避免了径向和角度对测量结果的影响,在解决无效率决策单元DMU、投入产出的松弛性和包含非期望产出问题上具有突出优势,故使用基于非期望产出的SBM模型测度包含非期望产出的生态效率。模型的一般表达式如下：
式中：ρ*即要测算的环渤海地区生态效率值,其取值范围为0~1;K, I, J分别代表投入、期望产出和非期望产出变量个数;
生态效率是指以更少的资源消耗、环境影响获得更大的产品或服务的价值,最早由Fussler(1995)引入中国,目前对区域生态效率的投入产出指标形成了较为一致的看法。借鉴经济学中将劳动和资本作为基本投入要素的做法,并将资本投入要素进一步分解为实物资本和货币资本。参照以往研究,同时在模型的投入产出指标个数的限制条件和数据可得性基础上,构建环渤海地区生态效率评价体系(表1)。
表1 环渤海地区生态效率评价体系
Tab.1 Index system of eco-efficiency evaluation in the Bohai Rim area
| 指标 | 类型 | 具体指标 |
|---|---|---|
| 投入指标 | 劳动投入 | 单位从业人员人数/万人 |
| 实物资本投入 | 供水总量/104t | |
| 地区总能耗/104t标准煤 | ||
| 城市建设用地面积/km2 | ||
| 货币资本投入 | 固定资本存量/万元 | |
| 产出指标 | 期望产出 | 地区生产总值/万元 |
| 非期望产出 | 城市废水排放量/104m3 | |
| 工业二氧化硫排放量/t | ||
| 工业烟粉尘排放量/t 城市垃圾清运量/104t |
选取地区年末单位从业人员作为劳动要素投入(付丽娜等, 2013),实物资源消耗以供水总量、地区总能耗、城市建设用地面积来衡量(李佳佳等, 2016);由于固定资产投资对产出的影响既基于当期值,又与以往投资形成的资本存量有关,故采用固定资本存量衡量货币资本要素投入。运用永续盘存法对资本存量进行估算：Kit=Kit-1(1-σ)+Iit,其中Kit表示第i个地区第t年的资本存量;σ表示固定资产折旧率(6%);Iit表示第i个地区第t年的资本形成总额(以2004年为基期)。
产出指标选取广泛使用、具有代表性的地区生产总值来反映经济体提供的产品或服务的价值,同时为消除价格因素影响,使用GDP平减指数对其进行数值平减。环境污染作为经济活动过程的非期望产出降低了实际经济价值(王晶等, 2012),将其纳入产出指标相较于纳入投入指标更具有合理性。选取城市废水排放量、工业二氧化硫排放量、烟粉尘排放量和城市垃圾清运量来衡量非期望产出(狄乾斌等, 2017)。全文数据来源为2005-2015年《中国城市统计年鉴》《中国城市建设统计年鉴》《中国统计年鉴》《中国环境统计年鉴》《中国环境年鉴》和各市统计公报和统计局网站。
测算前对指标进行无量纲化处理,对实物资本投入、非期望产出加权求和。由于无量纲化数据存在0,但DEA模型要求输出值不能为0,故采用如下规范化方法进行处理：
式中：V*为规范化处理数据,1≤V*≤5,;Vk为第k个城市的投入产出数值;Vmin、Vmax分别为环渤海44个城市投入产出指标的最小、最大值。
根据2005-2015年环渤海地区生态效率测算结果(表2),选取研究期内首末和中间年份,即2005、2010、2015年的数据,参考已有研究成果(马占新, 2010),将环渤海地区生态效率ρ划分为以下4个等级：ρ*=1为效率最高;0.8≤ρ*<1.0为效率良好;0.6≤ρ*<0.8为效率中等;ρ*<0.6为效率较低。利用ArcGIS 10.0软件绘制环渤海地区生态效率时空分布图(图1)。
表2 考虑和不考虑非期望产出的环渤海各市级单位生态效率值
Tab.2 Eco-efficiency value of each city in the Bohai Rim area with and without considering undesirable outputs
| 地区 | 2005 | 2010 | 2015 | 地区 | 2005 | 2010 | 2015 | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 考虑非期望ρ* | 未考虑非期望ρ* | 考虑非期望ρ* | 未考虑非期望ρ* | 考虑非期望ρ* | 未考虑 非期望ρ* | 考虑非期望ρ* | 未考虑非期望ρ* | 考虑非期望ρ* | 未考虑非期望ρ* | 考虑非期望ρ* | 未考虑非期望ρ* | ||||||
| 北京 | 1.000 | 1.000 | 0.946 | 0.936 | 0.919 | 0.904 | 盘锦 | 1.000 | 0.920 | 1.000 | 0.923 | 0.767 | 0.767 | ||||
| 天津 | 0.596 | 0.693 | 0.532 | 0.602 | 0.365 | 0.418 | 铁岭 | 0.924 | 0.974 | 0.963 | 0.969 | 0.829 | 0.845 | ||||
| 石家庄 | 0.674 | 0.782 | 0.706 | 0.761 | 0.484 | 0.554 | 朝阳 | 1.000 | 1.000 | 1.000 | 1.000 | 0.776 | 0.839 | ||||
| 唐山 | 0.798 | 0.960 | 0.753 | 0.859 | 0.523 | 0.656 | 葫芦岛 | 0.919 | 0.952 | 1.000 | 1.000 | 0.835 | 0.861 | ||||
| 秦皇岛 | 0.965 | 0.953 | 1.000 | 0.961 | 0.756 | 0.756 | 辽宁省 | 0.928 | 0.944 | 0.972 | 0.960 | 0.797 | 0.814 | ||||
| 邯郸 | 0.818 | 0.935 | 0.867 | 0.931 | 0.638 | 0.720 | 济南 | 0.747 | 0.785 | 0.756 | 0.751 | 0.522 | 0.576 | ||||
| 邢台 | 0.769 | 0.852 | 0.785 | 0.827 | 0.604 | 0.652 | 青岛 | 0.768 | 0.815 | 0.805 | 0.807 | 0.876 | 0.623 | ||||
| 保定 | 1.000 | 1.000 | 0.942 | 0.915 | 0.710 | 0.719 | 淄博 | 1.000 | 1.000 | 1.000 | 1.000 | 0.604 | 0.664 | ||||
| 张家口 | 0.859 | 0.944 | 0.894 | 0.933 | 0.747 | 0.764 | 枣庄 | 0.806 | 0.868 | 0.868 | 0.887 | 0.707 | 0.716 | ||||
| 承德 | 0.940 | 0.965 | 1.000 | 1.000 | 0.753 | 0.791 | 东营 | 0.882 | 0.931 | 0.919 | 0.900 | 0.730 | 0.706 | ||||
| 沧州 | 1.000 | 1.000 | 1.000 | 1.000 | 0.769 | 0.801 | 烟台 | 0.817 | 0.848 | 0.804 | 0.798 | 0.556 | 0.589 | ||||
| 廊坊 | 1.000 | 1.000 | 1.000 | 1.000 | 0.794 | 0.800 | 潍坊 | 0.789 | 0.846 | 0.814 | 0.866 | 0.571 | 0.616 | ||||
| 衡水 | 0.821 | 0.878 | 0.881 | 0.880 | 0.754 | 0.734 | 济宁 | 0.798 | 0.870 | 0.783 | 0.829 | 0.603 | 0.631 | ||||
| 河北省 | 0.877 | 0.933 | 0.893 | 0.915 | 0.685 | 0.722 | 泰安 | 0.862 | 0.897 | 0.887 | 0.894 | 0.682 | 0.682 | ||||
| 沈阳 | 1.000 | 1.000 | 1.000 | 1.000 | 1.000 | 1.000 | 威海 | 0.925 | 0.922 | 1.000 | 1.000 | 1.000 | 0.716 | ||||
| 大连 | 0.887 | 0.899 | 1.000 | 0.865 | 0.600 | 0.647 | 日照 | 0.953 | 0.967 | 0.945 | 0.919 | 0.692 | 0.723 | ||||
| 鞍山 | 0.721 | 0.791 | 0.803 | 0.824 | 0.576 | 0.627 | 莱芜 | 0.944 | 0.972 | 1.000 | 1.000 | 1.000 | 1.000 | ||||
| 抚顺 | 0.821 | 0.868 | 1.000 | 1.000 | 0.707 | 0.718 | 临沂 | 0.838 | 0.866 | 0.882 | 0.882 | 0.585 | 0.652 | ||||
| 本溪 | 1.000 | 1.000 | 1.000 | 1.000 | 1.000 | 0.886 | 德州 | 0.804 | 0.898 | 0.816 | 0.863 | 0.660 | 0.665 | ||||
| 丹东 | 1.000 | 1.000 | 1.000 | 0.966 | 0.876 | 0.895 | 聊城 | 0.869 | 0.908 | 0.865 | 0.880 | 0.685 | 0.706 | ||||
| 锦州 | 0.838 | 0.889 | 0.930 | 0.955 | 0.829 | 0.870 | 滨州 | 0.818 | 0.899 | 0.875 | 0.887 | 0.680 | 0.726 | ||||
| 营口 | 1.000 | 1.000 | 0.915 | 0.946 | 0.724 | 0.729 | 菏泽 | 0.922 | 0.929 | 0.860 | 0.908 | 0.703 | 0.732 | ||||
| 阜新 | 0.925 | 0.968 | 1.000 | 1.000 | 0.816 | 0.880 | 山东省 | 0.855 | 0.895 | 0.875 | 0.887 | 0.698 | 0.690 | ||||
| 辽阳 | 0.964 | 0.958 | 1.000 | 1.000 | 0.824 | 0.838 | |||||||||||
图1 环渤海地区生态效率时空分布
Fig.1 Spatial and temporal distribution of eco-efficiency in the Bohai Rim area
由表2可知,未考虑非期望产出的环渤海地区生态效率值总体被高估,说明经济活动的非期望产出确实降低了实际经济价值,考虑非期望产出测算的生态效率可更客观地反映环境污染下的真实生态效率水平,故本文采用考虑非期望产出下的生态效率值。
总体来看(图1)：①环渤海地区生态效率空间分布存在省际差异性和非均衡性,相同生态效率类型地区分布具有显著集聚性。②生态效率最高地区主要分布于首都、省会城市以及沿海城市。③2005、2010、2015年生态效率最高城市比重逐渐增加后下降,良好城市比重逐渐下降,中等城市比重逐渐增加,较低城市比重先持平后增加。
分地区来看(图1)：①辽宁省2005年生态效率最高地区主要呈现散点状分布,生态效率良好地区沿沈阳东西两侧纵向轴线分布,生态效率中等地区分布于沈阳—大连中部沿线;2010年生态效率最高城市有所增加,并呈现以沈阳为中心向西南、东南放射线状分布特征,生态效率中等地区减少;2015年生态效率最高和中等地区数量减少,较低和良好地区数量增加。②京津冀地区2005年生态效率最高地区呈现环天津市分布特征,良好地区分布于河北省北部;2010年生态效率最高地区分布于河北省东北部及京津周围,良好地区主要分布于北京及其以西地区,各类型地区数量与2005年大致持平;2015年生态效率较低、中等地区数量增加,最高、良好地区数量减少。③山东省生态效率最高地区主要分布于济南周围城市和胶东半岛。生态效率良好及以下类型地区数量及分布变化较大,但生态效率相同类型的地区集聚性特征依然显著;2010年良好地区数量增加,而2015年生态效率较低地区增加,并呈现平行于黄海岸线的分布特征。
出现上述分布特征可能的原因是：2005-2010年环渤海地区经济发展快速,但生态环境问题未能得到有效重视,GDP导向型发展是这一时期的显著特征,故此期间环渤海地区生态效率整体呈现上升趋势,生态效率类型向好的方向演进;2010-2015年,经济发展进入“新常态”时期和“三期叠加”阶段,前期依靠资源要素驱动、粗放型带动式的经济发展模式积累的弊病及生态环境问题由此凸显,表现为经济增长速度降低、经济发展动力转换、产业结构调整、环境治理力度加大,致使这一时期各地区生态效率值趋于下降。
(1) 建立门槛回归模型。由于经济基础、技术水平等方面的差异,环渤海地区各城市生态效率类型存在着“进化”—暂时性“退化”的时序演化特征以及省级差异性、非均衡性和集聚性的空间分布特征。城市生态效率影响因素与城市生态效率存在着非单一的线性关系,表现为一定的门槛特征,即某一影响因素跨过“门槛”后对城市生态效率的影响不同。本文根据Hansen(1999)提出的门槛回归模型,对影响环渤海地区城市生态效率的影响因素进行探讨。单一门槛回归模型如下：
Yit=αXit+β1Tit×I(Tit≤δ1)+β2Tit×I(Tit>δ1)+C+εit (3)
式中：i表示城市个体;t表示时间;Yit是被解释变量;Tit是门槛变量;Xit是一组除Tit 外对被解释变量产生显著影响的变量;δ表示门槛变量,δ1为特定的门槛值;α是Xit对被解释变量的影响系数;β1、β2分别表示门槛变量Tit在Tit≤δ1、Tit>δ1时对被解释变量Yit的影响系数;C为常系数;εit为随机扰动项;I(·)是一个定性函数。在模型(3)中,需要最小化δ的残差平方和S(δ)求得δ的估计值,进而估计出其他参数,然后进行检验：第一,门槛效果的检验,即检验门槛的存在性和门槛个数。原假设为H0: β1=β2(不存在明显门槛特征),备择假设为H1: β1≠β2,采用残差的F统计量和σ2统计量检验。第二,门槛值的检验,原假设为门槛估计值等于真实值,采用极大似然统计量LR(δ)检验。设定双门槛(δ1和δ2)回归模型为(李平等, 2011)：
Yit=αXit+β1Tit×I(Tit≤δ1)+β2Tit×I(δ1<Tit≤δ2)+
β3Tit×I(Tit>δ2)+C+εit (4)
(2) 生态效率影响变量。地区生态效率影响因素复杂,对地区生态效率的影响存在差异。上述分析在一定程度上揭示了环渤海地区生态效率与其经济发展水平、治污能力有关。为进一步考察生态效率影响因素的具体作用,从经济、社会、生态3个维度选取生态效率可能的影响因素(表3),以地区生态效率值Eit作为被解释变量,科技水平、城市规模、对外开放、环境规制作为门槛变量,经济规模、产业结构、信息化作为控制变量。经济规模、产业结构分别以人均GDP、第二产业占比来表示;借鉴已有研究成果,选取互联网用户数量(狄乾斌等, 2017)、港澳台外商企业工业产值之和占工业总产值比重分别表示信息化、对外开放水平(付丽娜等, 2013; 万庆等, 2015; 郭付友等, 2016);万人大学生人数反映地区高等教育水平;科学技术财政支出反映财政对于科学事业的支撑力度,用于衡量地区科技水平(王一帆, 2016);对于城市规模的衡量,多数学者采用城市人口规模作为替代变量,以城市年末总人口来衡量(柯善咨等, 2014; 高健, 2016);当前国内污染治理主要以强制型为主,故选取污水处理率、二氧化硫去除率、生活垃圾无害化处理率来衡量环境规制(任胜钢等, 2016)。
表3 环渤海地区生态效率影响因素
Tab.3 Influencing factors of eco-efficiency in the Bohai Rim area
| 影响因素 | 解释变量 | 具体指标 | 代码 |
|---|---|---|---|
| 经济 | 经济规模 | 人均GDP/(元/人) | PGDP |
| 产业结构 | 第二产业比重/% | STHD | |
| 社会 | 科技水平 | 每万人大学生人数/人 | TECH |
| 科学技术财政支出/万元 | |||
| 城市规模 | 年末总人口/万人 | SCAL | |
| 信息化 | 互联网用户数量/户 | INFO | |
| 对外开放 | 港澳台与外商企业工业产值之和占工业总产值比重/% | INEX | |
| 生态 | 环境规制 | 污水处理率/% | ECRE |
| 二氧化硫去除率/% | |||
| 生活垃圾无害化处理率/% |
基于模型(3)、(4)实际双门槛模型设定为：(限于篇幅,单门槛和三门槛模型这里不再阐述)。
Eit=λ1Xit+κ1TECH×I(TECH≤δ1)+κ2TECH×
I(δ1TECH≤δ2)+κ3TECH×I(TECH>δ2)+C1+εit1 (5)
Eit=λ2Xit+φ1SCAL×I(SCAL≤τ1)+φ2SCAL×
I(τ1<SCAL≤τ2)+φ3SCAL×I(SCAL>τ2)+C2+εit2 (6)
Eit=λ3Xit+ω1INEX×I(INEX≤η1)+ω2INEX×I(η1<
INEX≤η2)+ω3INEX×I(INEX>η2)+C3+εit3 (7)
Eit=λ4Xit+μ1ECRE×I(ECRE≤ν1)+μ1ECRE×I(ν1<
ECRE≤ν2)+ μ3ECRE×I(ECRE>ν2)+C4+εit4 (8)
式中：Xit为一组包含经济发展(PGDP)、产业结构(STHD)、信息化(INFO)的控制变量组。λn、κm、φm、ωm、μm分别为控制变量组;门槛变量即科技水平、城市规模、对外开放、环境规制的影响系数,δk、τk、ηk、νk分别为各门槛变量的双门槛值;Cn、εitn分别为回归方程的常数项和随机扰动项;n=1, 2, 3, 4;m=1, 2, 3;k=1, 2。
回归前对影响因素各指标运用式(2)进行无量纲化处理,对科技水平、环境规制分层加权求和。
4.2.1 模型回归结果
采用Hausman检验得到卡方统计量值为18.71,对应的P值为0.0165,说明显著拒绝原假设,应该采用固定效应模型。在固定效应模型的基础上,依次对以上各个因素运用门槛回归模型(5)-(8)进行检验和估计。
(1) 门槛效果和估计值检验。首先进行门槛个数检验,结果见表4。由表4可知,科技水平(TECH)、城市规模(SCAL)、对外开放(INEX)、环境规制(ECRE)分别通过5%、1%、1%和1%水平下的单门槛效果显著性检验,全部通过1%水平下的双门槛效果显著性检验,但均没有通过三重门槛效果显著性检验,说明均存在2个门槛。
表4 门槛效果检验
Tab.4 Test on threshold effects
| 指标 | 科技水平 TECH | 城市规模 SCAL | 对外开放 INEX | 环境规制 ECRE |
|---|---|---|---|---|
| 单一门槛检验 | 3.935** [0.032] | 9.869*** [0.000] | 10.040*** [0.000] | 8.108*** [0.004] |
| 双重门槛检 | 20.575*** [0.000] | 51.852*** [0.000] | 11.207*** [0.000] | 5.658*** [0.004] |
| 三重门槛检验 | 0.000 [0.224] | 0.000 [0.452] | 0.000 [0.174] | 0.000 [0.420] |
| 样本最小值 | 7.97/452 | 124.38 | 1.08% | 6.99%/1.42%/9.40% |
| 样本最大值 | 1185.76/2877956 | 1339.30 | 66.73% | 100%/99.3%8/100% |
| 样本均值 | 179.65/98835 | 528.44 | 15.68% | 80.22%/51.42%/89.89% |
其次进行门槛估计值检验。各个门槛变量的估计值和对应的95%置信区间见表5和图2。
表5 门槛值估计
Tab.5 Estimation of threshold values
| 门槛变量 | 门槛估计值 | 95%置信 区间 | 门槛估计值 | 95%置信区间 |
|---|---|---|---|---|
| 科技水平(TECH) | 1.069 | [1.055, 2.193] | 1.517 | [1.069, 1.590] |
| 城市规模(SCAL) | 2.511 (583.2) | [1.388, 4.181] | 3.138 (773.7) | [1.198, 3.683] |
| 对外开放(INEX) | 1.553 (10.16) | [1.463, 3.403] | 2.823 (30.99) | [1.550, 3.115] |
| 环境规制(ECRE) | 3.129 | [2.565, 3.963] | 3.825 | [2.609, 4.078] |
图2 科技水平、城市规模、环境规制双门槛图
Fig.2 Distribution of double threshold value of technology level, city scale and environmental regulation
(2) 模型参数估计结果如表6所示,具体分析见4.2.2小节。
表6 模型参数估计结果
Tab.6 Estimation results of model parameters
| 变量 | 系数 | 变量 | 系数 | 变量 | 系数 | 变量 | 系数 |
|---|---|---|---|---|---|---|---|
| PGDP | 0.007 (0.013) | PGDP | 0.007 (0.014) | PGDP | 0.001 (0.012) | PGDP | 0.012 (0.013) |
| STHD | 0.051*** (0.013) | STHD | 0.060*** (0.015) | STHD | 0.054*** (0.013) | STHD | 0.046*** (0.013) |
| INEX | 0.010 (0.009) | INEX | 0.009 (0.009) | TECH | 0.089*** (0.023) | INEX | 0.010 (0.009) |
| SCAL | -0.305*** (0.009) | TECH | 0.091*** (0.023) | SCAL | -0.273*** (0.008) | TECH | 0.073*** (0.023) |
| INFO | 0.003 (0.020) | INFO | 0.006 (0.021) | INFO | 0.007 (0.020) | SCAL | -0.307*** (0.008) |
| ECRE | 0.004 (0.011) | ECRE | 0.005 (0.011) | ECRE | 0.002 (0.011) | INFO | 0.004 (0.020) |
| E·I(TECH≤δ1) | 0.149*** (0.047) | E·I(SCAL≤τ1) | 1.982*** (0.034) | E·I(INEX≤η1) | 0.131*** (0.028) | E·I(ECRE≤ν1) | 0.050** (0.021) |
| E·I(δ1<ENER≤δ2) | 0.134*** (0.039) | E·I(τ1<SCAL≤τ2) | -0.335*** (0.012) | E·I(η1<INEX≤η2) | 0.073*** (0.016) | E·I(ν1<ECRE≤ν2) | 0.034** (0.016) |
| E·I(ENER>δ2) | 0.097*** (0.027) | E·I(SCAL>τ2) | -0.334*** (0.009) | E·I(INEX>η2) | 0.031*** (0.011) | E·I(ECRE>ν2) | 0.023 (0.015) |
| C | 1.181*** (0.0852) | C | 0.974*** (0.073) | C | 1.056*** (0.078) | C | 1.155*** (0.079) |
| R2 | 0.829 | R2 | 0.984 | R2 | 0.812 | R2 | 0.826 |
4.2.2 实证分析
(1) 科技水平对地区生态效率的影响呈现显著
正向双门槛特征。当科技水平低于1.069时,其对地区生态效率的弹性系数仅为0.149,当跨过这一门槛后系数为0.134;而当科技水平高于1.517时,其对地区生态效率的弹性系数下降至0.097。该结果与预期相符,证实了科技水平对生态效率的正向作用且该正向作用大小与科技水平的门槛值有关。说明当科技水平跨过门槛水平前后,其对地区生态效率的正向促进作用程度存在差异。
通过观察样本,张家口、衡水、铁岭、盘锦、营口、朝阳、葫芦岛、枣庄、临沂、菏泽未跨过科技水平的第一门槛,而处于科技水平第一、第二门槛之间的城市数量明显增加,说明科技水平对地区发展的重要作用日益受到重视。
仅北京、天津、石家庄、秦皇岛、廊坊、沈阳、大连、济南、青岛、烟台、威海跨过科技水平的第二门槛。这些城市主要为省会(直辖)城市、沿海强市或者发展潜力大的城市,科技水平高于第二门槛,地区高等教育水平和科技后备力量高于其他地区,科学事业财政支持力度相对更大,但科技水平对生态效率的影响程度却有所下降,这可能是由于科技水平对地区发展是一个长期作用过程,需要学习、吸收再创新,且科技成果转化存在一定的时滞性。
(2) 城市规模对地区生态效率的影响存在显著双门槛特征,且影响方向、程度与门槛值有关。当地区年末总人口低于583.2万时,城市规模对地区生态效率的弹性系数为1.982;但跨过这一门槛后系数变为-0.335,当地区年末总人口高于773.7万时,城市规模对地区生态效率的弹性系数为-0.334。说明城市规模对地区生态效率的影响与其门槛水平有关,且当城市规模跨过门槛水平后,对地区生态效率的影响方向、程度发生改变。
究其原因：①当城市规模未跨过第一门槛时,由于环渤海地区的人口规模基数大,人口规模集聚效应已经充分显现;②跨过第一门槛后,人口红利效应趋于饱和,并呈现出略有减少现象,同时辽宁省除沈阳和大连,其他城市都存在着不同程度的人口外流现象,这对地区生态效率产生不利影响,导致城市规模对生态效率的影响由正转负;③跨过第二门槛后,人口效应更多的表现为人口素质的进步和技术带动作用,降低了城市规模对生态效率的负向作用。通过比较样本发现,辽宁省除沈阳、大连、鞍山外的其他城市,以及秦皇岛、东营、威海、日照、聊城、莱芜均未跨过城市规模对生态效率的第一门槛值,这些城市除辽宁省所属城市外,行政区域面积较省内其他城市小,人口规模效应有待进一步发挥;北京、天津,石家庄、唐山、邯郸、邢台、沧州,沈阳、大连,济南、青岛、烟台、潍坊、济南、临沂、聊城、菏泽通过了城市规模对生态效率的第二门槛值。
(3) 对外开放水平对地区生态效率的影响具有显著正向双门槛特征。当对外开放水平低于10.16%时,其对地区生态效率的弹性系数为0.131,当对外开放水平跨过这一门槛后,系数变为0.073;当对外开放水平跨过第二门槛值30.99%时,其对地区生态效率的弹性系数降为0.031,表明当对外开放水平在门槛水平前后,其对地区生态效率的影响程度不同,且对地区生态效率的正向影响有所下降。
究其原因可能是：一方面对外开放水平代表地区外向型经济发展水平和利用外商企业发展经济的能力,外商企业起到促进就业、调整结构、拓展市场、繁荣经济等作用,能提高地区产出价值,故对外开放水平对地区生态效率呈现显著正向影响特征;另一方面,外商企业对地区发展不仅具有“技术效应”,同时存在“污染转移效应”,即外商企业不仅提升了地区技术创新水平,同时高污染、高耗能型外商企业加剧了地区资源能源耗费和生态环境的恶化。同时,对外开放水平亦是衡量地区对外依赖程度的重要指标,对外水平越高说明地区发展对外商企业的依赖性越强,政府在制定政策时更容易降低其准入门槛,环境规制趋于松弛。故对外开放水平对地区生态效率的影响程度在跨过门槛值后有所下降。
(4) 环境规制对地区生态效率的影响具有显著正向双门槛特征。当环境规制水平低于3.129时,其对地区生态效率的弹性系数为0.050,跨过这一门槛后系数为0.034;当环境规制水平高于3.825时,其对地区生态效率的弹性系数降为0.023,且显著性不明显。说明当环境规制跨过门槛水平后,其对地区生态效率的正向促进作用逐渐减弱,且跨过第二门槛后,其对地区生态效率正向影响的可能性有所下降。
呈现该结果的原因为：一是当环境规制水平低于第一个门槛值时,出现在考察前期,此时治理成本和治理难度相比较考察期后期小,治理效果较明显;当环境规制水平跨过第一门槛后,各地区开始重视污染治理以减少经济发展代价,地方政府从GDP导向发展理念转向环境经济协调导向发展理念,环境规制强度增加且环境治理成本提高,故环境规制对生态效率的弹性系数有所减少,环渤海地区各市的环境规制水平处于两个门槛之间的最多,集中体现了这一点;二是当环境规制水平跨过第二门槛后,环境规制对生态效率的弹性系数有所下降且显著性降低。由于污水处理率、二氧化硫去除率、生活垃圾无害化处理率是被动式、监管式的治污手段的体现,而城市的可持续发展更多依靠技术创新的驱动和产业高级化带动,以及污染的跨区域性和政府环境规制之间的非独立性(李胜兰等, 2014),导致治污结果低于预期。
(5) 由表6可知,人均GDP正向影响地区生态效率。说明人均GDP的提升使得人们对于生活质量的要求提高,环保意识增强,有利于提升地区生态效率;产业结构优化对于地区生态效率具有正向影响。通常这是因为产业结构通过“结构效应”倒逼城市提升技术水平,提高资源配置效率、减少污染物排放,从而实现提高生态效率的目的; 信息化对地区生态效率呈现正向影响,但总体影响较弱。信息化是地区发展的重要新兴要素和有力引擎,但环渤海地区信息化发展不平衡、有效溢出不足,配套基础设施建设及体制机制的完善尚需时日。
(1) 本文采用基于非期望产出的SBM模型测度2005-2015年环渤海地区44个城市的生态效率,结果表明未考虑非期望产出的生态效率总体被高估,考虑非期望产出的生态效率更能反映出环渤海地区的真实情况。
(2) 通过分析环渤海地区生态效率的时间序列演化特征可得出：①环渤海地区生态效率空间分布存在省际差异性和非均衡性,相同生态效率类型地区分布具有显著集聚性;②生态效率最高型地区主要集中于政治功能型城市以及沿海城市,且其比重先增加后下降;生态效率良好型城市比重先增加后减少,中等类型城市比重后期有所上升,而较低型城市比重后期略有增加;③各地区生态效率各类型数量和分布特征随时间变化而变化。2005-2010年,生态效率类型整体呈现“进化”特征;2010-2015年,整体呈现暂时性“退化”,可能与经济发展方式转变和驱动力转换有关。
(3) 选取科技水平等影响因素,通过运用面板门槛回归模型实证分析环渤海地区生态效率的影响因素可知,科技水平、城市规模、对外开放、环境规制对环渤海地区生态效率的影响均表现出双门槛特征,即在跨过门槛前后对地区生态效率产生的影响不同,证实了环渤海地区生态效率的影响因素与生态效率之间存在非单一的线性关系;产业结构等控制变量也对地区生态效率产生重要影响。
综上所述,为提高环渤海地区生态效率,推进地区生态文明建设和可持续发展,提出以下几点建议：①加强科学技术财政支出对科技研发的支持力度,营造良好科技研发环境,完善人才引进制度,加强科技吸收再创新能力建设,提高科技成果转化率;②环境污染仍是制约其生态效率提升的瓶颈,故在今后发展中需兼顾环渤海地区生态效率的“效率”与“公平”,在治理污染过程中引导社会多方参与,联合防控,重点调动企业主体的治理意愿和能力;③提高人口素质和外商企业准入门槛,充分发挥外商企业在促进技术创新、产业升级中的重要牵动作用,同时加快信息基础设施建设,提升信息要素在促进地区发展、治理生态环境中的重要作用。
此外,环渤海地区生态效率呈现出显著的集聚性,故考虑空间因素的环渤海地区生态效率有待今后作进一步研究。
The authors have declared that no competing interests exist.
| [1] |
地方政府生态效率绩效评价研究 [D].Research on the local government ecological efficiency performance evaluation [D]. |
| [2] |
中国生态效率的区域差异及动态演化研究 [J].https://doi.org/10.3969/j.issn.1002-2104.2014.01.008 URL [本文引用: 1] 摘要
采用2000-2011年的统计数据,首先运用超效率DEA模型对中国30个省份的生态效率进行测算,在此基础上,运用空间自相关分析方法对中国省域生态效率的演化格局进行了实证分析,以此来探寻影响中国生态效率区域差异变化的空间机制。研究表明:我国生态效率平均水平处于0.854-1.050之间,整体呈现波动性变化趋势。从区域层面看,东部地区、中部地区和西部地区2000-2011年生态效率的平均值依次为1.821,0.559和0.381,生态效率呈现由沿海向内陆、由东部向中西部递减的格局,具有明显的"俱乐部收敛"现象。从省级层面看,生态效率较高的省区集聚于东部经济发达地区,而生态效率较低的省区则集中于西部经济欠发达地区;从全局空间自相关来看,2000-2011年中国各省份生态效率的全局Moran’s I值均显著为正(指数取值范围在0.236-0.400之间),表明中国各地区生态效率呈现出正的空间相关性特征,存在较明显的空间集聚特征,近邻效应显著;从局域空间自相关来看,80%左右的省份表现为在地理空间上显著的空间正相关(H-H集聚和L-L集聚),其中H-H集聚的沿海地区已成为中国生态效率的重要增长极,有着较强的正向辐射效应,有向周围扩散的趋势,而位于L-L集聚区的西部、中部地区的大部分省区及东北三省则在空间分布上较稳定。根据实证分析结果,提出政策建议:一是转变经济发展方式,巩固节能减排效果;二是把握区域发展特征,因地制宜促进发展;三是加强区域合作与交流,寻求区域协调发展新渠道。
Research on regional disparity and dynamic evolution of eco-efficiency in China [J].https://doi.org/10.3969/j.issn.1002-2104.2014.01.008 URL [本文引用: 1] 摘要
采用2000-2011年的统计数据,首先运用超效率DEA模型对中国30个省份的生态效率进行测算,在此基础上,运用空间自相关分析方法对中国省域生态效率的演化格局进行了实证分析,以此来探寻影响中国生态效率区域差异变化的空间机制。研究表明:我国生态效率平均水平处于0.854-1.050之间,整体呈现波动性变化趋势。从区域层面看,东部地区、中部地区和西部地区2000-2011年生态效率的平均值依次为1.821,0.559和0.381,生态效率呈现由沿海向内陆、由东部向中西部递减的格局,具有明显的"俱乐部收敛"现象。从省级层面看,生态效率较高的省区集聚于东部经济发达地区,而生态效率较低的省区则集中于西部经济欠发达地区;从全局空间自相关来看,2000-2011年中国各省份生态效率的全局Moran’s I值均显著为正(指数取值范围在0.236-0.400之间),表明中国各地区生态效率呈现出正的空间相关性特征,存在较明显的空间集聚特征,近邻效应显著;从局域空间自相关来看,80%左右的省份表现为在地理空间上显著的空间正相关(H-H集聚和L-L集聚),其中H-H集聚的沿海地区已成为中国生态效率的重要增长极,有着较强的正向辐射效应,有向周围扩散的趋势,而位于L-L集聚区的西部、中部地区的大部分省区及东北三省则在空间分布上较稳定。根据实证分析结果,提出政策建议:一是转变经济发展方式,巩固节能减排效果;二是把握区域发展特征,因地制宜促进发展;三是加强区域合作与交流,寻求区域协调发展新渠道。
|
| [3] |
环渤海地区城市居住环境满意度评价及影响因素分析 [J].Satisfaction evaluation of living environment and influencing factors in the Bohai Rim area [J]. |
| [4] |
基于非期望产出的城市发展效率时空差异探讨: 以中国东部沿海地区城市为例 [J].Spatial and temporal disparities of urban development efficiency of coastal cities in China based on undesirable outputs [J]. |
| [5] |
基于超效率DEA模型的城市群生态效率研究: 以长株潭“3+5”城市群为例 [J].https://doi.org/10.3969/j.issn.1002-2104.2013.04.027 URL [本文引用: 3] 摘要
循环经济是区域实现可持续发展的重要模式,生态效率方法是研究循环经济比较适合的定量方法。本文以长株潭"3+5"城市群为研究对象,建立了基于DEA模型的生态效率投入产出指标体系,运用超效率DEA方法测算了各城市2005-2010年的效率,然后利用Malmquist—DEA模型对生态效率进行动态对比研究,最后建立基于面板数据的Tobit模型考察不同因素对效率的影响。实证结果表明:城市群整体生态效率水平比较高,城市间差距较大,长沙作为省会城市生态效率明显处于领先地位。通过运用Malmquist—DEA指数分析结果表明2005-2010年全要素生态效率的增长率TFP值都大于1,年均增长率为12.6%。从增长率的进一步分解表明技术进步是推动生态效率增长率的主要动力,而综合技术效率和纯技术效率的下降是制约TPF提升的瓶颈因素。最后通过对各省生态效率影响因素分析表明产业结构、研发强度对生态效率有显著的正向影响,但引进外资对生态效率的影响是负面的;技术进步则是促进生态效率增长的内在动力。
Urban agglomerations eco-efficiency analysis based on super-efficienty DEA model: Case study of Chang-Zhu-Tan "3+5" Urban Agglomeration [J].https://doi.org/10.3969/j.issn.1002-2104.2013.04.027 URL [本文引用: 3] 摘要
循环经济是区域实现可持续发展的重要模式,生态效率方法是研究循环经济比较适合的定量方法。本文以长株潭"3+5"城市群为研究对象,建立了基于DEA模型的生态效率投入产出指标体系,运用超效率DEA方法测算了各城市2005-2010年的效率,然后利用Malmquist—DEA模型对生态效率进行动态对比研究,最后建立基于面板数据的Tobit模型考察不同因素对效率的影响。实证结果表明:城市群整体生态效率水平比较高,城市间差距较大,长沙作为省会城市生态效率明显处于领先地位。通过运用Malmquist—DEA指数分析结果表明2005-2010年全要素生态效率的增长率TFP值都大于1,年均增长率为12.6%。从增长率的进一步分解表明技术进步是推动生态效率增长率的主要动力,而综合技术效率和纯技术效率的下降是制约TPF提升的瓶颈因素。最后通过对各省生态效率影响因素分析表明产业结构、研发强度对生态效率有显著的正向影响,但引进外资对生态效率的影响是负面的;技术进步则是促进生态效率增长的内在动力。
|
| [6] |
中国城市规模、效率与经济增长研究 [D].Research on city scale, efficiency and economic growth in China [D]. |
| [7] |
松花江流域(吉林省段)产业系统生态效率时空分异特征与影响因素 [J].https://doi.org/10.11821/dlyj201608007 URL [本文引用: 1] 摘要
在对产业系统生态效率内涵进行阐释的基础上,基于资源消减、清洁生产和末端治理等不同生产环节生态效率要素综合构建了产业系统生态效率测度模型以及产业系统可持续性评价模型,并据此对松花江流域(吉林省段)产业系统生态效率时空演变特征以及影响因素进行了深入分析,研究发现:1综合型城市侧重于源头消减效率的提高从而使产业变"轻",总体呈现低投入、低消耗以及低排放的发展特征。资源型城市侧重于清洁生产效率的提高从而使产业变"清",总体呈现高投入、高利用以及高排放的发展特征。2产业系统生态效率增长幅度为白城市松原市吉林市松花江流域长春市,流域特征明显。另外从不同生产环节效率对生态效率的贡献率分析可知,资源减量化以及末端治理是松花江流域(吉林省段)生态效率变化的决定性因素。3总体上流域产业系统可持续性有不断增强的趋势,但产业可持续性发展态势分异现象显著。并且产业可持续性发展规律性较差侧面说明了区域产业之间缺乏有效的分工与联系,产业联动发展模式尚未形成。4认为所有制结构、环境管理力度、外商投资以及科学技术是松花江流域(吉林省段)产业系统生态效率的影响因素,而经济发展水平、产业结构以及政府调控因素没有通过显著性检验。
Spatial-temporal differentiation and influencing factors of industrial system eco-efficiency in the Songhua River Basin of Jilin Province [J].https://doi.org/10.11821/dlyj201608007 URL [本文引用: 1] 摘要
在对产业系统生态效率内涵进行阐释的基础上,基于资源消减、清洁生产和末端治理等不同生产环节生态效率要素综合构建了产业系统生态效率测度模型以及产业系统可持续性评价模型,并据此对松花江流域(吉林省段)产业系统生态效率时空演变特征以及影响因素进行了深入分析,研究发现:1综合型城市侧重于源头消减效率的提高从而使产业变"轻",总体呈现低投入、低消耗以及低排放的发展特征。资源型城市侧重于清洁生产效率的提高从而使产业变"清",总体呈现高投入、高利用以及高排放的发展特征。2产业系统生态效率增长幅度为白城市松原市吉林市松花江流域长春市,流域特征明显。另外从不同生产环节效率对生态效率的贡献率分析可知,资源减量化以及末端治理是松花江流域(吉林省段)生态效率变化的决定性因素。3总体上流域产业系统可持续性有不断增强的趋势,但产业可持续性发展态势分异现象显著。并且产业可持续性发展规律性较差侧面说明了区域产业之间缺乏有效的分工与联系,产业联动发展模式尚未形成。4认为所有制结构、环境管理力度、外商投资以及科学技术是松花江流域(吉林省段)产业系统生态效率的影响因素,而经济发展水平、产业结构以及政府调控因素没有通过显著性检验。
|
| [8] |
产业结构、城市规模与中国城市生产率 [J].Industrial structure, city size and urban productivity in China [J]. |
| [9] |
城市规模对生态效率的影响及区域差异分析 [J].Effect of urban scale on eco-efficiency and the regional difference analysis [J]. |
| [10] |
国际智力回流的技术扩散效应研究: 基于中国地区差异及门槛回归的实证分析 [J].On the diffusion effect of intellectual returnees: An analysis based on regional differences and threshold characters in China [J]. |
| [11] |
地方政府竞争、环境规制与区域生态效率 [J].Difang zhengfu jingzheng, huanjing guizhi yu quyu shengtai xiaolv [J]. |
| [12] |
生态产业园的复合生态效率及评价指标体系 [J].https://doi.org/10.5846/stxb201212071764 Magsci [本文引用: 1] 摘要
生态产业园的建设在国内取得了丰富的成果，已成为我国循环经济建设和可持续发展的重要载体之一。与国外不同，我国的生态产业园最终将演化为生态城市，其功能也从工业生产功能发展为融生产、生活和生态为一体的复合功能。生态效率是评价一个研究对象投入产出效益的量化工具，将生态效率的理念融入生态产业园，从园区作为区域可持续发展的载体、作为生态城市演化的一个特定阶段的视角，提出了复合生态效率的概念，构建了园区复合生态效率评价指标体系，并以郑州经济技术开发区为例，说明了复合生态效率指标在产业园中的应用。
Definition and evaluation indicators of ecological industrial park's complex eco-efficiency [J].https://doi.org/10.5846/stxb201212071764 Magsci [本文引用: 1] 摘要
生态产业园的建设在国内取得了丰富的成果，已成为我国循环经济建设和可持续发展的重要载体之一。与国外不同，我国的生态产业园最终将演化为生态城市，其功能也从工业生产功能发展为融生产、生活和生态为一体的复合功能。生态效率是评价一个研究对象投入产出效益的量化工具，将生态效率的理念融入生态产业园，从园区作为区域可持续发展的载体、作为生态城市演化的一个特定阶段的视角，提出了复合生态效率的概念，构建了园区复合生态效率评价指标体系，并以郑州经济技术开发区为例，说明了复合生态效率指标在产业园中的应用。
|
| [13] |
中国环渤海地区城乡发展转型格局测度 [J].https://doi.org/10.11821/dlxb201502006 URL [本文引用: 1] 摘要
城乡发展转型是城乡要素转移、战略转变、机制转换的综合人文过程.利用网格和地统计分析方法,揭示了环渤海地区城乡发展转型的中心性、动态性与差异性;利用logistic回归模型,探测了城乡发展转型的空间敏感性.研究表明:①城乡发展转型中心性呈现以中心城市为核心的空间分异格局.平原地区逐渐形成以省会城市为一级集聚中心、地级市为二级集聚中心、县级市及县城镇为三级集聚中心的空间格局,山区城乡发展转型的中心集聚性尚不明显.②城乡发展转型空间拓展呈现“小聚集,大分散”的结构特征.以北京、天津、济南、沈阳、大连、石家庄、青岛为主要城市扩展核心,呈空间聚核模式持续向外蔓延拓展.沿海岸线的“C”型带和港口群区域的土地快速非农化,成为城乡快速转型的热点区.③受点—轴—面区位要素综合影响,城乡发展转型的空间敏感性具有明显的区域差异性,其最佳探测空间尺度为1200m.④未来城乡发展转型的极强敏感区以北京—天津—滨海新区为轴带,以京津为核心区,以辽东、山东半岛为两翼的环渤海区域经济协同发展格局初步形成.合理有序的城乡空间开发应以城乡发展转型空间中心性、动态性和差异性为依据,科学实施城乡空间优化与差别化管控策略.
The spatial pattern measure of urban-rural development transformation in the Bohai Rim region in China [J].https://doi.org/10.11821/dlxb201502006 URL [本文引用: 1] 摘要
城乡发展转型是城乡要素转移、战略转变、机制转换的综合人文过程.利用网格和地统计分析方法,揭示了环渤海地区城乡发展转型的中心性、动态性与差异性;利用logistic回归模型,探测了城乡发展转型的空间敏感性.研究表明:①城乡发展转型中心性呈现以中心城市为核心的空间分异格局.平原地区逐渐形成以省会城市为一级集聚中心、地级市为二级集聚中心、县级市及县城镇为三级集聚中心的空间格局,山区城乡发展转型的中心集聚性尚不明显.②城乡发展转型空间拓展呈现“小聚集,大分散”的结构特征.以北京、天津、济南、沈阳、大连、石家庄、青岛为主要城市扩展核心,呈空间聚核模式持续向外蔓延拓展.沿海岸线的“C”型带和港口群区域的土地快速非农化,成为城乡快速转型的热点区.③受点—轴—面区位要素综合影响,城乡发展转型的空间敏感性具有明显的区域差异性,其最佳探测空间尺度为1200m.④未来城乡发展转型的极强敏感区以北京—天津—滨海新区为轴带,以京津为核心区,以辽东、山东半岛为两翼的环渤海区域经济协同发展格局初步形成.合理有序的城乡空间开发应以城乡发展转型空间中心性、动态性和差异性为依据,科学实施城乡空间优化与差别化管控策略.
|
| [14] |
|
| [15] |
中国环境规制类型对区域生态效率影响的差异化机制研究 [J].The differentiation mechanism study on the effect of types of environmental regulation to the regional eco-efficiency in China [J]. |
| [16] |
基于生态足迹的中国生态压力与生态效率测度与评价 [J].Measurement and evaluation of China's ecological pressure and ecological efficiency based on ecological footprint [J]. |
| [17] |
基于WSBM模型的环渤海地区海洋经济脆弱性研究 [J].https://doi.org/10.13249/j.cnki.sgs.2016.05.008 URL Magsci [本文引用: 1] 摘要
<p>基于海洋经济脆弱性内涵,结合“压力-状态-响应”模型（PSR）和“暴露度<i>-</i>敏感性<i>-</i>应对能力”模型,从压力、敏感性、应对能力3个方面构建海洋经济脆弱性测度评价指标体系,采用考虑了松弛变量权重的数据包络分析方法（WSBM）对2000~2011年环渤海地区17个沿海城市海洋经济脆弱性进行测算,并利用核密度估计模型分析了海洋经济脆弱性的动态演变,结果基本显示了环渤海地区海洋经济脆弱性的分布格局。其中微度脆弱地区为天津市、大连市、东营市、烟台市;轻度脆弱地区为秦皇岛市、丹东市、盘锦市、葫芦岛市、威海市、日照市;中度脆弱地区为青岛市、潍坊市、滨州市;高度脆弱地区为唐山市、沧州市、锦州市、营口市。同时对环渤海地区海洋经济脆弱性空间分异规律进行研究,研究成果对降低环渤海地区海洋经济脆弱性具有一定理论价值和现实意义。</p>
Assessment of marine economy vulnerability of coastal cities in Bohai Sea Ring area based on WSBM model [J].https://doi.org/10.13249/j.cnki.sgs.2016.05.008 URL Magsci [本文引用: 1] 摘要
<p>基于海洋经济脆弱性内涵,结合“压力-状态-响应”模型（PSR）和“暴露度<i>-</i>敏感性<i>-</i>应对能力”模型,从压力、敏感性、应对能力3个方面构建海洋经济脆弱性测度评价指标体系,采用考虑了松弛变量权重的数据包络分析方法（WSBM）对2000~2011年环渤海地区17个沿海城市海洋经济脆弱性进行测算,并利用核密度估计模型分析了海洋经济脆弱性的动态演变,结果基本显示了环渤海地区海洋经济脆弱性的分布格局。其中微度脆弱地区为天津市、大连市、东营市、烟台市;轻度脆弱地区为秦皇岛市、丹东市、盘锦市、葫芦岛市、威海市、日照市;中度脆弱地区为青岛市、潍坊市、滨州市;高度脆弱地区为唐山市、沧州市、锦州市、营口市。同时对环渤海地区海洋经济脆弱性空间分异规律进行研究,研究成果对降低环渤海地区海洋经济脆弱性具有一定理论价值和现实意义。</p>
|
| [18] |
中国城市群城市化效率及影响因素研究 [J].Study on the urbanization efficiency and determinants of China's urban agglomerations [J]. |
| [19] |
环渤海地区土地利用效益综合测度及空间分异 [J].https://doi.org/10.11820/dlkxjz.2013.04.017 URL Magsci [本文引用: 1] 摘要
土地利用的多功能性决定了土地利用效益的多样化。通过构建土地利用效益评价指标体系、效益测度指数与耦合协调发展度模型,探讨了环渤海地区县域土地利用的社会效益、经济效益、生态效益、耦合格局及其协调发展特征。研究表明:环渤海地区土地利用效益的空间分异性与集聚性特征显著;经济社会中高值区主要分布在沿海地区和内陆平原区,生态高值区以冀西北间山盆地、坝上高原和辽宁山地丘陵区为主;从土地利用效益耦合度类型看,环渤海地区磨合阶段区域数量最多,占研究区的63.9%,集中分布于冀中冀南和山东省;低度耦合、拮抗阶段的区域呈带状环绕环渤海北部地区;高度耦合区域呈现出散乱的点状空间分布格局;协调发展度指数显示,轻度失调区占据主导地位,其次是初级协调区域,滞后失调区域数量较少,分别占环渤海地区总面积的51.09%、31.76%和10.87%。通过划分土地利用类型区,制定差别化区域土地利用政策,加强区域土地管理与规划,建立健全区域利益协调与补偿机制,是今后统筹协调土地利用的社会经济生态效益的重要方向。
Comprehensive evaluation and spatial distinction of land use efficiency around Bohai Rim in China [J].https://doi.org/10.11820/dlkxjz.2013.04.017 URL Magsci [本文引用: 1] 摘要
土地利用的多功能性决定了土地利用效益的多样化。通过构建土地利用效益评价指标体系、效益测度指数与耦合协调发展度模型,探讨了环渤海地区县域土地利用的社会效益、经济效益、生态效益、耦合格局及其协调发展特征。研究表明:环渤海地区土地利用效益的空间分异性与集聚性特征显著;经济社会中高值区主要分布在沿海地区和内陆平原区,生态高值区以冀西北间山盆地、坝上高原和辽宁山地丘陵区为主;从土地利用效益耦合度类型看,环渤海地区磨合阶段区域数量最多,占研究区的63.9%,集中分布于冀中冀南和山东省;低度耦合、拮抗阶段的区域呈带状环绕环渤海北部地区;高度耦合区域呈现出散乱的点状空间分布格局;协调发展度指数显示,轻度失调区占据主导地位,其次是初级协调区域,滞后失调区域数量较少,分别占环渤海地区总面积的51.09%、31.76%和10.87%。通过划分土地利用类型区,制定差别化区域土地利用政策,加强区域土地管理与规划,建立健全区域利益协调与补偿机制,是今后统筹协调土地利用的社会经济生态效益的重要方向。
|
| [20] |
区域产业生态化效率评价研究: 以鄱阳湖生态经济区为例 [J].Efficiency evaluation of regional industrial ecology: A case study of Poyang Lake Eco-economic zone [J]. |
| [21] |
东北三省循环经济效率评价及其影响因素分析 [D].The analysis of the circular economy efficiency and its influencing factors in northeast China [D]. |
| [22] |
农业生态效率评价: 以盆栽水稻实验为例 [J].https://doi.org/10.3321/j.issn:1000-0933.2009.05.035 URL Magsci [本文引用: 1] 摘要
农业面源污染已成为我国主要环境污染源，但目前缺乏一套针对农业生产的综合评价体系，作为对农业面源污染评估和监督的依据。根据生态效率理论，结合农业生产的特点，建立了综合考虑经济效益、资源物质消耗和环境影响的农业生态效率评价指标体系。以不同氮处理下(0.05、0.15、0.25 g N kg-1)不同水稻品种(锡稻11和武粳4)的盆栽实验为例，以氨挥发、肥料使用量和经济产量等数据为基础，运用基于层次分析法的TOPSIS法对6个评价对象的农业生态效率进行了评价和排序，分析各对象在经济效益、资源物质消耗和环境影响方面的差异与特点，指出施氮量和作物品种都对生态效率具有明显的影响。该评价体系的建立，将为我国农业生产模式从片面追求产量向经济、资源、环境协调可持续发展起到一定的推动作用。
The evaluation of agricultural eco-efficiency: A case of rice pot-experiment [J].https://doi.org/10.3321/j.issn:1000-0933.2009.05.035 URL Magsci [本文引用: 1] 摘要
农业面源污染已成为我国主要环境污染源，但目前缺乏一套针对农业生产的综合评价体系，作为对农业面源污染评估和监督的依据。根据生态效率理论，结合农业生产的特点，建立了综合考虑经济效益、资源物质消耗和环境影响的农业生态效率评价指标体系。以不同氮处理下(0.05、0.15、0.25 g N kg-1)不同水稻品种(锡稻11和武粳4)的盆栽实验为例，以氨挥发、肥料使用量和经济产量等数据为基础，运用基于层次分析法的TOPSIS法对6个评价对象的农业生态效率进行了评价和排序，分析各对象在经济效益、资源物质消耗和环境影响方面的差异与特点，指出施氮量和作物品种都对生态效率具有明显的影响。该评价体系的建立，将为我国农业生产模式从片面追求产量向经济、资源、环境协调可持续发展起到一定的推动作用。
|
| [23] |
基于生态效率的循环经济评价指标体系: 山西省实证研究 [D].Researches on the evaluation indicator system of circular economy in Shanxi Province based on eco-efficiency: Empirical research in Shanxi Province [D]. |
| [24] |
Eco-efficiency approach for global warming in the context of Kyoto mechanism [J].https://doi.org/10.1016/j.ecolecon.2007.09.016 URL [本文引用: 1] 摘要
This study discusses an approach to measuring and improving the economic and ecological efficiency of Kyoto Mechanism projects. The approach consists of Global Warming Eco-Efficiency (GWEE), Clean Development Mechanism (CDM) & Joint Implementation (JI) Environmental-Efficiency (EE) and CDM & JI Economic-Productivity (EP). The GWEE indicator is based on the ratio of the value added of a system to its global warming influence in order to measure the eco-efficiency of a product in terms of the global warming issue. In addition, CDM & JI EE and CDM & JI EP are proposed to measure the environmental and economic performances of CDM and JI projects, respectively. While EE is defined as the ratio of the Certified Emission Reductions (CER) obtained from a CDM project or Emission Reduction Unit (ERU) from a JI project to total global warming influence relevant to the CDM or JI implemented, EP is defined as the ratio of the total of CER profit (and ERU profit) and the sales revenue to the costs of the CDM (and JI) implemented. Then, the feasibility of these indicators is examined through a case study for the power generations in the field of alternative energy.
|
| [25] |
工业生态效率的发展 [J].The development of industrial eco-efficiency [J]. |
| [26] |
The eco-efficiency of tourism [J].https://doi.org/10.1016/j.ecolecon.2004.10.006 URL [本文引用: 1] 摘要
The use of fossil energy is one of the major environmental problems associated with tourism and travel. Consequently, the need to limit fossil energy use has been highlighted as a precondition for achieving sustainable tourism development. However, tourism is also one of the most important sectors of the world economy, and fears have thus been expressed by the tourist industry and its organisations that increasing energy prices (for example, as a result of eco-taxes) could substantially decrease the economic welfare of countries and destinations. In this article, the interplay of environmental damage and economic gains is thus analysed within the context of tourism. Carbon dioxide-equivalent emissions are assessed in relation to the revenues generated, allowing for conclusions about the eco-efficiency of tourism.
|
| [27] |
Threshold effects in non-dynamic panels: Estimation, testing, and inference [J].https://doi.org/10.1016/S0304-4076(99)00025-1 URL [本文引用: 1] 摘要
Threshold regression methods are developed for non-dynamic panels with individual-specific fixed effects. Least squares estimation of the threshold and regression slopes is proposed using fixed-effects transformations. A non-standard asymptotic theory of inference is developed which allows construction of confidence intervals and testing of hypotheses. The methods are applied to a 15-year sample of 565 US firms to test whether financial constraints affect investment decisions.
|
| [28] |
Counting biodiversity waste in industrial eco-efficiency: Fisheries case study [J].https://doi.org/10.1016/j.jclepro.2008.08.003 URL [本文引用: 1] 摘要
The foundation for the creation of eco-efficiency metrics for industrial impacts on biodiversity is considered. Because biodiversity is the essence of life itself, these metrics are essential for effectiveness in the theory and practice of eco-efficiency, particularly in the case of primary natural resource extraction industries such as fishing and forestry. The case of fishing is examined, with particular attention to by-catch, lost nets, and habitat damage caused by mobile fishing gears. It is appropriate to examine fishing because industrial era impacts on marine biodiversity have been severe and are driving large and deleterious changes in marine ecosystems. For discarded by-catch, it is proposed that an eco-efficient metric for the value per unit mass of discarded fish can be set to be equivalent to that of the market value of the utilized catch. In estimating the eco-efficient value of the catch, the value of the discarded fish is then subtracted from the market value of the catch. Fish killed in lost nets can be treated similarly. It is more difficult to address marine habitat damage by mobile fishing gear, which has the highest potential for ecological injury.By using the approach proposed, negative eco-efficiencies are obtained under circumstances in which the collateral damage to biodiversity exceeds the economic benefit obtained. This is a logical outcome given the long-term effects of biodiversity decline. A metric is also proposed for assessing whether avoidance of harm to biodiversity, in the form of switching fishing gear, is required. Lastly it is proposed that metrics might be developed to provide eco-efficiency credit for companies taking effective actions to improve, or actively participate in, ecosystem-based fisheries management.
|
| [29] |
Eco-efficiency [R]. |
| [30] |
Ecological footprints and appropriated carrying capacity: What urban economics leaves out [J].https://doi.org/10.1177/095624789200400212 URL [本文引用: 1] |
| [31] |
Ökologische rationalität ansatzpunkte zur ausgestaltung von ökologieorientierten management instrumenten [J].
00Die Umweltkrise zwingt uns zu einer 05berprüfung der Pr01missen und Prinzipien des wirtschaftlichen Rationalit01tsbegriffs.0301 Es dürfte wenig umstritten sein: Umweltschutz bedeutet entweder Verzicht, Einsatz von Technik oder beides. Doch Verzicht und Technikeinsatz bedeuteten nicht zwangsl01ufig auch Umweltschutz. Die Grundlage 02kologisch vernünftigen Handelns ist eine bestimmte Denkhaltung. Der vorliegende Beitrag zeigt auf, was unter 02kologischer Vernunft verstanden werden kann. Dazu wird, nach einer Untersuchung des gesellschaftlichen Umfeldes von Unternehmungen, das Konzept der sozio02konomischen Rationalit01t bezüglich 02kologischer Fragestellungen weiterentwickelt. Daraus wird ein Kriterienraster abgeleitet, das der Beurteilung und Entwicklung einer Methodik dient, die rationale 02kologiebezogene Entscheide auf Produkt-, Produktions- und Investitionsebene und im Endeffekt auch für ganze Betriebe erm02glicht.
|
| [32] |
A slacks-based measure of efficiency in data envelopment analysis [J].https://doi.org/10.1016/S0377-2217(99)00407-5 URL [本文引用: 1] 摘要
In this paper, we will propose a slacks-based measure (SBM) of efficiency in Data Envelopment Analysis (DEA). This scalar measure deals directly with the input excesses and the output shortfalls of the decision making unit (DMU) concerned. It is units invariant and monotone decreasing with respect to input excess and output shortfall. Furthermore, this measure is determined only by consulting the reference-set of the DMU and is not affected by statistics over the whole data set. The new measure has a close connection with other measures proposed so far, e.g., Charnes–Cooper–Rhodes (CCR), Banker–Charnes–Cooper (BCC) and the Russell measure of efficiency. The dual side of this model can be interpreted as profit maximization, in contrast to the ratio maximization of the CCR model. Numerical experiments show its validity as an efficiency measurement tool and its compatibility with other measures of efficiency.
|
/
| 〈 |
|
〉 |
