| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 经济/产业 |
| 我国省域生态福利绩效测算及差异分析 |
| 第755期 作者：□文/刘万琦 时间：2025/6/16 16:59:11 浏览：61次 |
［提要］ 本文基于2011～2022年中国30个省份多维数据，通过构建考虑非期望产出的超效率SBM模型测算省域生态福利绩效水平，并采用空间自相关分析方法揭示各省份生态福利总体水平及其空间分布特征。研究结果表明：中国省域生态福利绩效整体处于中等偏低水平，且区域间差异显著，呈现“东高西低、东北最低”格局。进一步的空间自相关分析显示：生态福利绩效在地理上存在显著的集聚现象，形成“高-高”和“低-低”集聚区，且不同区域间的生态福利差异在观察期间有所扩大。通过分析生态福利绩效水平高的省份以及区域的优势，提出政策建议。
关键词：生态福利绩效；区域差异；空间自相关；可持续发展
中图分类号：F12 文献标识码：A
收录日期：2024年12月5日
引言
经济发展是保障和改善民生的基础，发展的根本目的是增进民生福祉。自改革开放以来，中国经济保持了持续稳定的高速增长。从1978年至今，中国年均GDP增速超过9%。然而，在经济高增长的同时，也不可避免地出现了环境污染、资源分配不均衡等一系列问题，在一定程度上制约了国民总体福利水平的均衡发展。因此，生态环境建设与社会民生建设的融合发展已成为当前的施政重点。为了平衡好经济增长、生态环境和社会福利三者之间的关系，科学测算区域生态福利绩效，并探究其空间分异特征，对于加快区域生态文明建设和可持续发展具有重要的理论及实践意义。
2005年，经济学家Daly首次提出“生态福利绩效”这一概念，旨在衡量自然资源向人类福利转化的效率。目前，对生态福利绩效的测度方法主要包括比值法、回归分析法和效率模型法。其中，比值法通过计算联合国人类发展指数（HDI）与生态足迹的比值来评估生态福利绩效；回归分析法则以全信息极大似然估计法为典型。随着研究的深入，当前的测度方法越来越侧重于多维指标的效率模型，包括随机前沿分析和数据包络分析。关于中国生态福利绩效区域差异的研究，现有文献主要运用空间数据分析、收敛性分析和回归分析等方法。冯吉芳（2016）采用迪氏分解（LMDI）法发现，全国30个省份中有12个省的生态福利水平呈现下降趋势，且人均GDP与生态福利效率之间并未显示出趋同效应；林木西（2019）通过MLD指数分解和分布动力学分析发现区域生态福利水平呈现极化趋势；徐维祥等（2022）发现黄河流域各城市生态效率总体呈东高西低、南高北低格局，并存在显著空间溢出效应，不同类型城市演化存在显著的时空惯性。
综上所述，尽管当前关于生态福利绩效的测度方法多样且理论基础合理，但基于数据包络模型的效率模型所采用的指标存在一定差异，并且现有研究大多依赖传统分析方法，未能充分考虑空间因素，鲜少关注生态福利绩效在空间维度及其时空关系上的信息。鉴于此，本文结合生态经济学与可持续发展理论，构建考虑非期望产出的超效率SBM模型，对2011～2022年中国省域的生态福利整体绩效进行测算，并在此基础上，运用空间自相关指标深入分析中国省域生态福利绩效区域差异性。
一、指标体系构建与数据来源
（一）指标体系构建。生态福利绩效是指自然生态资源投入转换成人类福利的比例，由自然生态资源与人类福祉两个方面构成。借鉴已有研究，考虑到数据可获得性，构建我国省域生态福利绩效指标体系：分别用人均用水量（立方米/人）、人均电力消费量（千瓦时/人）、人均建设用地面积（平方米/人）测算资源消耗来作为投入指标，用人均地区生产总值（元/人）、平均预期寿命（岁）、平均受教育年限（年）测算福利水平来作为期望产出指标，用人均化学需氧量排放量（千克/人）、人均二氧化硫排放量（千克/人）、人均工业固体废物产生量（千克/人）测算环境污染水平来作为非期望产出指标。
（二）数据来源。本研究选取2011～2022年期间中国除西藏及港澳台地区外的30个省份（包括直辖市和自治区）的数据，数据来源于《中国统计年鉴》《中国环境统计年鉴》《中国教育统计年鉴》和《中国人口统计年鉴》等官方统计资料。
二、研究方法
（一）超效率SBM模型。数据包络分析方法（简称DEA）是一种用于衡量相对效率的非参数统计方法。其在测算时无需对数据进行量纲化处理，不需要考虑成本、利润等条件，可以直接通过投入与产出数据来确定生产前沿面的结构，具有测算结果更客观的优势。本文采用考虑非期望产出的超效率SBM模型对生态福利绩效进行测算，具体模型如下：
ρ＝min■ （1）
s.t. xik≥■λjxij-s■■，?坌i
yrk≤■λjyrj+s■■，?坌r
zlk≥■λjzlj-s■■，?坌l
1-■（■■+■■）＞0
s■■≥0，s■■≥0，s■■≥0，λi≥0，?坌i，j，r，l
式中，ρ代表相对效率值，m、s1、s2分别代表投入变量、期望产出变量和非期望产出变量的个数，xik、yrk、zlk分别表示模型的投入变量、期望产出变量和非期望产出变量，s■■、s■■、s■■分别对应于投入、期望产出和非期望产出的松弛量，λj为非负强度向量，目标函数ρ的值可以大于1，它可以对SBM模型测算有效的DMU进行排序。ρ的值越高，表示城市生态福利绩效越好。
（二）全局空间自相关指标。用全局空间自相关系数度量省级地区生态福利绩效在整个研究地区范围内的空间分布特征，即检验中国30个省级地区的生态福利绩效发展水平是否存在越相似越临近的现象。全局Moran’s I的计算公式如下：
I＝■ （2）
式中，S2＝■■（xi-■）2为样本方差，■=■■xi；xi表示第i个地区的观测值，n为省份总数，wij为空间权重矩阵。Moran’s I的取值范围为［-1，1］，当Moran’s I值大于0时，表示正相关，并且其值越接近1，说明空间依赖性越强，即该地区与其邻近地区的空间相关性越强；当Moran’s I值小于0时，表示负相关，并且其值越接近-1，说明空间依赖性越弱，即各地区间存在的差异越大，同时也表现了其值分布越不集中；当Moran’s I值越接近0，表示各地区间的空间相关性越弱，即各值趋于在空间上随机分布。本文的空间权重矩阵选用二进制邻接矩阵。
（三）局部空间自相关指标。全局Moran’s I只能提供整体的空间自相关性信息，可能会忽略掉局部区域间的区别，而局部莫兰指数可以针对每个具体位置进行分析，并且可以通过莫兰散点图识别出局部空间自相关性的模式和变化，进一步分析全局空间的内部结构与局部空间的相关性。
Local Moran’s I的计算公式如下：
Ii=■■wij（xj-■） （3）
正的Ii表示该省与其邻近省份在空间上具有相似的特性，比如高-高模式（HH），或低-低模式（LL）；负的Ii表示该省与其邻近省份在空间上的特性不相似，比如高-低模式（HL），或低-高模式（LH）。
三、实证分析
（一）生态福利绩效测算结果分析。本文基于2011～2022年中国省域面板数据，使用MAXDEA软件输入相关的投入与产出指标，以测算中国各省的生态福利绩效，同时采用国家统计局的统计口径，将30个省划分为东部、中部、西部及东北四个区域，并计算各区域及全国的生态福利绩效平均值，如表1所示。（表1）
从表1可以看出，2011～2022年中国的生态福利绩效平均值为0.764，整体水平偏低，未能达到前沿面上，表明现有资源和要素的利用效率仍需提升，中国的生态福利绩效水平仍有改进的空间。整体生态福利绩效在0.703～0.810之间波动，呈现出下降趋势，累计降幅为10.94%。从区域层面出发，本文将中国的30个省份划分为东部、中部、西部和东北四个地区，并对各区域的生态福利绩效进行差异性分析。通过上述指标的设计，我们获得了各省区的生态福利绩效水平。分析观察期内各地区的生态福利绩效平均值发现，在四大区域中，中部和西部的生态福利绩效发展趋势与全国总体变动趋势总体相似，显示出一定的联动特征。中部和东部的生态福利绩效水平相较于其他两个地区较高。综合来看，我国省域生态福利绩效整体呈现出“东高西低、东北最低”格局，这一现象与已有研究结论基本一致。
（二）生态福利绩效测算空间分布特征
首先，对生态福利绩效水平进行全局空间相关性分析。根据公式（2），计算各省份在该时期的全局Moran’s I值。表2展示了2011～2022年中国30个省份生态福利绩效的全局空间自相关性检验结果，其中各省的Moran’s I指数在0.161～0.478之间。所有年份的Moran’s I指数均大于零，显示出不同程度的显著性，除了2018年和2022年外，其余年份均在95%置信水平下显著，拒绝了生态福利绩效无空间自相关的原假设。这表明，30个省份生态福利绩效在大部分年份中存在显著的正向空间自相关性。（表2）
从Moran’s I指数的变化趋势分析，2011～2022年间中国城市生态福利绩效的全局自相关性呈现“升-降-升”的发展模式，整体上表现出波动下降的特征。这种波动下降的趋势表明，我国各省份生态福利绩效的空间相关性正在减弱。
其次，进行生态福利绩效水平局部空间相关性分析。通过结合Moran散点图和Local Moran’s I，可以更深入地探讨不同区域间的空间差异。本文选择2011年和2022年为例展开分析，以反映这一期间生态福利绩效水平的整体空间演进特征，见图1。（图1）
图1的（a）（b）直观地展示了2011年和2022年中国生态福利绩效水平的空间格局。第一象限（HH）和第三象限（LL）聚集了30个省级地区中的大多数，正相关关系较为显著，表明空间依赖性在很大程度上优于空间异质性。就具体年份而言，2011年有15个省份位于第一象限，9个省份位于第三象限，总计占样本的80%。类似地，2022年落在第一象限的有9个省份，落在第三象限的有11个省份，合计占样本的66.67%。从各省市在这两个象限的分布来看，HH型聚集区的省份自身的生态福利绩效水平较高，且相邻省份也呈现较高水平，主要分布在东部沿海地区；而LL型聚集区则表明该区域省份的生态福利绩效水平较低，且相邻地区同样较低，主要集中在东北和西部地区。相对而言，第二象限（LH）和第四象限（HL）的省级地区数量较少，尤其是第四象限。这两个象限的省份表现出明显的空间“异质性”特征。具体而言，第二象限的省级地区多为生态福利绩效水平较低，但与高绩效地区相邻，例如湖北与湖南、河南相邻；而第四象限的省级地区多为生态福利绩效水平较高，但与低绩效地区相邻，如陕西与宁夏、甘肃、湖北相邻。上述分析结果也表明，中国省际区域生态福利水平变化具有明显的空间依赖性与异质性。
四、政策建议
（一）制定更加灵活的区域发展政策，优化资源配置。特别是对生态福利绩效较低的西部和东北地区，应提供更多的财政支持和技术援助，以推动生态修复和绿色产业发展，从而提升整体生态福利水平。同时，各省政府应抓住“高质量发展”的机遇，实现向“集约型、可持续”的产业结构转型。比如，西部地区应加强对“三高”行业的环保监管，促进工业结构调整，提高能源使用效率和污染控制水平。
（二）基于区域之间的差异特点，制定合适的提升路径。对于“高-高”相邻地区，应加强省级间的合作，寻求互利共赢的局面；而对于“低-低”相邻地区，这些省份需要强化沟通与协作，识别共同短板并共同解决问题。对于空间异质的“低-高”相邻省份，应该充分发挥其地理优势，加强对相邻高值省份的学习与借鉴，建立新的沟通与协调机制，从而获取更多的溢出效应。同时，政府应关注总结“高-高”相邻地区在促进空间溢出方面的有效实践，为“低-低”相邻地区，尤其是“低-高”型地区提供借鉴。
（三）综合多种措施，促进均衡的生态发展。要结合政策倾斜、区域合作、基础设施建设、绿色产业发展、教育参与、差异化管理和科技创新等多方面措施，减少中国生态福利绩效的区域差异。例如，增强对生态福利较低地区的财政支持，制定有针对性的政策，优先资助中西部和东北地区的生态建设与治理项目，以确保资源的合理分配；建立区域协作机制，推动东部发达地区与中西部及东北地区在技术、资金和经验上的共享，通过合作提升整体生态福利水平；提升公众的生态环保意识，鼓励社区和个人参与生态保护活动，增强社会各界对生态福利的重视与参与。
（作者单位：海南师范大学）
主要参考文献：
［1］肖黎明，肖沁霖.黄河流域城市生态福利绩效格局分异及空间收敛分析［J］.软科学，2021.35（02）.
［2］任腾，贾彬彬，喻惠娟，潘向云.中国省域生态福利绩效测算、空间分异及其驱动因素分析［J］.统计与决策，2024（13）.
［3］常新锋，管鑫.新型城镇化进程中长三角城市群生态效率的时空演变及影响因素［J］.经济地理，2020.40（03）.
［4］龙亮军，王霞，郭兵.生态福利绩效视角下的上海市可持续发展评价研究［J］.长江流域资源与环境，2016.25（01）.
［5］冯吉芳，袁健红.中国区域生态福利绩效及其影响因素［J］.中国科技论坛，2016（03）.
［6］徐昱东，亓朋，童临风.中国省级地区生态福利绩效水平时空分异格局研究［J］.区域经济评论，2017（04）.
［7］林木西，耿蕊，李国柱.省域生态福利绩效水平的空间非均衡性研究——基于MLD指数与分布动态学模型［J］.东岳论丛，2019.40（10）.
［8］徐维祥，郑金辉，王睿，等.黄河流域城市生态效率演化特征及门槛效应［J］.地理科学，2022.42（01）.
［9］肖权，方时姣，赵路.异质性环境规制对中国区域生态福利绩效的影响［J］.统计与决策，2024.40（03）.
|
|
|
|
