長三角地區城鎮化對綠色全要素生產率的影響

荀守奎,秦夢云

(安徽理工大學 經濟與管理學院,安徽 淮南 232001)

2022年,國家發展和改革委員會發布《“十四五”新型城鎮化實施方案》,強調城鎮化要以推動高質量發展為主題,同時也要為城市可持續發展提供更加堅實的客觀條件。這再次說明城鎮化不是簡單的人口向城鎮轉移,而是要堅持以人為核心,從人口、布局、城市建設、城市治理水平、城鄉融合等多方面提高城鎮化建設質量,增強城市的可持續發展能力。

長三角是我國經濟發展最活躍、開放程度最高、創新能力最強的區域之一。長三角一體化發展上升為國家戰略以來,其城鎮化進程取得重大進展。然而,快速城鎮化有時難免以生態環境為代價。城鎮化進程中的高資源消耗、高能源消耗和高碳排放等問題會影響環境的可持續性,從而對該地區的綠色發展產生不利影響[1]。綠色全要素生產率是用來衡量一個地區或一個行業綠色發展效率的重要指標,研究城鎮化對綠色全要素生產率的影響作用對促進長三角地區經濟綠色可持續發展具有重要的理論和實際意義。

一、文獻綜述

鑒于城鎮化與生態環境狀況的協調程度會直接影響到一個地區的可持續發展能力,近些年部分學者開始研究城鎮化對綠色全要素生產率的影響作用[2]。一部分學者認為城鎮化會對綠色全要素生產率產生正面影響。尚娟運用系統GMM模型對我國30個省份的面板數據進行分析,發現新型城鎮化能顯著促進綠色全要素生產率的提高[3]。申丹虹運用OLS估計方法對黃河流域面板數據進行回歸,發現人口城鎮化對綠色全要素生產率有正向影響[4]。但也有學者對此提出不同的見解,如吳麗娟運用Tobit回歸模型分析了流通業綠色全要素生產率的影響因素,發現城鎮化水平對流通業綠色全要素發展率具有顯著的負面影響[5]。鄭垂勇基于長江經濟帶2006—2015年省際面板數據構建了以人口城鎮化率為門檻變量的門檻模型,研究發現城鎮化率總體對綠色全要素生產率起抑制作用[6]。此外,也有學者認為城鎮化對綠色全要素生產率的影響是非線性的,如徐倩運用OLS對面板數據進行回歸分析,發現人口城鎮化率對綠色發展效率存在顯著的先抑制后促進的“U”型關系[7]。

綜上所述,目前關于城鎮化與綠色全要素生產率的關系已經有了一定的研究,但尚未形成統一的結論,且現有研究大多從人口方面選取單一指標研究城鎮化對綠色全要素生產率的影響,而較少從新型城鎮化視角下探究二者之間的關系。在此基礎上,本文從新型城鎮化體系測算城鎮化水平并進行后續研究,契合政策的同時得出的結論也更加客觀全面。此外,目前的研究多從行業或省份層面上研究綠色全要素生產率及其影響因素,本文以長三角地區為研究對象分析了城鎮化對綠色全要素生產率的影響,為長三角地區綠色發展研究作出貢獻。

二、研究設計

1.研究方法

(1)綠色全要素生產率測度方法

數據包絡分析(DEA)是由Charnes等于1978年創建的績效評價方法,可用于在多投入多產出情況下對多個決策單元(DMU)的相對效率進行評價。為了解決徑向模型在評價效率過程中對于松弛變量的忽視問題,Tone于2001年提出了SBM模型(Slack Based Measure)[8],并于次年將超效率模型和SBM模型結合,提出超效率SBM模型,從而可以進一步對標準效率模型中同時有效的DMU進行效率排序[9]?？紤]非期望產出的超效率SBM模型數學表達式如式(1)所示。

(1)

其中,n表示DMU的個數,即城市個數;每個DMU有m種投入、S1種期望產出和S2種非期望產出;x表示投入矩陣中的元素;yd表示期望產出矩陣中的元素;yu表示非期望產出矩陣中的元素;ρ表示靜態的綠色發展效率值,ρ越大,說明綠色發展效率值越大,即綠色發展水平越高。

超效率SBM模型只能對截面數據進行效率分析,為了衡量效率的動態變化程度,需要結合動態指數對效率值進行跨期比較。傳統的Malmquist指數沒有將非期望產出納入考慮范圍[10],Chung等人改進后得到的Malmquist-Luenberger指數在測算跨期方向距離函數時,面臨潛在的線性規劃無可行解的問題[11]。為此,吳東賢將全局可能性生產集和方向距離函數的概念進行整合,提出了Global Malmquist-Luenberger(GML)指數[11]。GML指數綜合運用各期數據的總和作為參考集,由于各期參考的是共同的全局前沿,所以GML指數具備傳遞性,可累乘[12]。第t期～第t+1期的GML指數計算公式如式(2)所示。

(2)

(3)

(2)城鎮化水平測度方法

運用熵值法確定城鎮化水平測度的指標權重。具體步驟如下。

第一步,原始數據的設定。

假設數據為t個年度內m個省份的n個指標,則Xθij表示第θ年省份i的第j個指標值。

第二步,數據標準化。

正向指標:

(4)

負向指標:

(5)

標準化后會出現0值,因此對所有數據加0.0001向右平移,使標準化后的數據在[0.0001,1.0001]的區間內。

第三步:比重計算。

計算第θ年省份i的第j個指標在第j個指標中所占的比重。

(6)

第四步:信息熵計算。

計算第j個指標對應的信息熵。

(7)

第五步:權重計算。

首先,計算第j項指標的差異系數。

Gj=1-Ej

(8)

其次,計算第j項指標的權重。

(9)

第六步,綜合得分計算。

計算第θ年第i個省的綜合得分。

(10)

(3)城鎮化對綠色全要素生產率影響分析方法

由以上方法可以計算出綠色全要素生產率和城鎮化水平,為了進一步檢驗城鎮化對長三角地區綠色全要素生產率的影響作用,構建基準回歸模型如式(11)所示。

(11)

其中,GTFPit為被解釋變量,表示第i個城市第t年的綠色全要素生產率;URBit為核心解釋變量,表示第i個城市第t年的城鎮化水平;β0為核心解釋變量的回歸系數;βn為控制變量的回歸系數;Xn為控制變量;αi是個體不隨時間變化的因素,表示個體固定效應;λt是不隨個體改變而隨時間變化的因素,表示時間固定效應;εit為隨機誤差項。

2.指標選取及數據來源

(1)綠色全要素生產率測算指標

投入指標從資本、勞動和能源三方面選取,分別用固定資本存量、就業人員數和能源消費總量來表示。其中,固定資本存量用永續盤存法測算,公式為Kt=(1-δ)Kt-1+It,Kt表示t期的固定資本存量,δ表示折舊率,It表示t期的投資。文章在張軍等的方法基礎上[13],選取資本形成總額作為當期投資指標,以9.6%的折舊率、2000年為基期,得到更為接近現實的省際資本存量,并參考張少輝等的方法將省級資本存量按一定權重折算到各個城市[14]。就業人員數從各城市統計年鑒中直接獲取。能源消費總量則以省級能源數據為基礎,通過GDP占比將省級能源數據折算為城市級能源投入數據。

期望產出用地區生產總值來表示。為了剔除價格因素的影響,對各年GDP以2009年為基期進行平減處理。

非期望產出的指標選取上,參考多數學者的研究,選取工業廢水排放量、工業二氧化硫排放量和工業煙(粉)塵排放量作為非期望產出指標[15]。此外,考慮到國際上對“雙碳”問題的愈發重視,加上氣候問題的日益嚴峻,本文將二氧化碳排放量也納入非期望產出指標體系中,最終構建指標體系如表1所示。

表1 綠色全要素生產率測算指標體系

(2)城鎮化水平測算指標

從人口、土地、生態、社會和經濟五個方面分別選取指標構建城鎮化指標體系,并用熵值法確定各指標所占權重,結果如表2所示。

表2 城鎮化水平評價指標體系

(3)城鎮化對綠色全要素生產率影響的回歸模型變量

被解釋變量:綠色全要素生產率(GTFP)。以2009年為基期,以2009年各城市綠色發展效率值為基數,以后各年的綠色全要素生產率由2009年的綠色發展效率值累乘每年的GML指數得到。

核心解釋變量:城鎮化指數(URB)。根據城鎮化指標體系計算得出的城鎮化指數。

控制變量:經濟發展水平(PGDP),用人均生產總值取對數來表示;環境規制(ENV),用工業廢水排放量、工業二氧化硫排放量和工業煙(粉)塵排放量通過熵值法構建的環境規制綜合指數來表示;外商直接投資(FDI),用實際利用外商投資額取對數來表示,其中實際利用外商投資額乘以人民幣匯率的年平均價轉化為以人民幣為單位的計價方式;技術創新投入強度(RDE),用全社會R&D經費占GDP的比例來表示;產業結構(INS),用第二產業增加值占GDP的比重來表示。

(4)數據來源

如表3所示,數據來自2009—2021年長三角三省一市及各地級市的統計年鑒、統計公報、《中國城市統計年鑒》《中國能源年鑒》以及中國碳核算數據庫(CEAD)。為保證面板數據的平衡性,剔除研究期內出現行政區域變動的巢湖市。少量缺失數據采取插值法補齊。

表3 變量的描述性統計

三、實證分析

1.長三角地區綠色全要素生產率分析

(1)靜態分析

通過超效率SBM模型測算2009—2020年間長三角地區41個城市的綠色發展效率如表4所示。長三角地區的綠色發展效率整體呈現出東南高、西北低的分布特征,從行政區劃來看,綠色發展效率最高的是上海,其次是江蘇,第三是浙江,最后是安徽,且安徽綠色發展效率與前面三個省市仍有差距。綠色發展效率高的城市主要有兩類:一類是上海、杭州、無錫等經濟發達的城市,經濟水平的提高彌補了其他方面的不足,從而帶來高綠色發展效率;另一類是黃山、蘇州和溫州等旅游型城市,以良好的生態環境和自然風光作為發展基礎,在經濟水平提高的同時不會對環境造成嚴重污染,從而使綠色發展效率保持在高水平狀態。而馬鞍山、銅陵、淮南、淮北、宣城等資源型城市,主要依靠煤礦等重工業發展經濟,必然會給環境帶來嚴重負擔,從而導致綠色發展效率水平低下。

表4 靜態綠色發展效率分析

(2)動態分析

采用核密度估計長三角地區綠色全要素生產率的動態演進情況,變化特征如圖1所示。從曲線分布特征來看,呈明顯的雙峰分布,說明長三角地區綠色全要素生產率兩極分化態勢顯著,存在較大區域差異。主峰一直位于左側,即長三角地區綠色全要素生產率較低的城市居多。2009—2012年間,主峰高度持續上升,綠色全要素生產率低水平聚集程度加大。主峰高度在2012年達到最高,主峰與次峰高度差距大,表明這一年大多城市的綠色全要素生產率聚集于較低水平,較少城市的綠色全要素生產率聚集于較高水平。2014年開始波峰變窄,主峰與次峰的高度差降低,隱隱呈現由雙峰向單峰過渡的趨勢,說明長三角地區絕對差異總體減小,區域間發展不均衡程度降低、且綠色全要素生產率兩極化趨勢減弱。主峰總體向右偏移,說明長三角地區綠色全要素生產率低水平聚集城市的綠色全要素生產率水平提升明顯。從2009—2020年的總體變化可以看出,長三角區域綠色全要素生產率水平整體提高,區域差異總體縮小,兩極化趨勢減弱。

圖1 長三角GTFP動態特征

2.城鎮化對綠色全要素生產率影響實證分析

(1)基準回歸

通過HT檢驗和IPS檢驗檢驗數據的平穩性,結果p值都小于0.05,所以拒絕原假設,即不存在單位根,數據平穩。在模型的選擇上,首先,用LM檢驗確定了隨機效應模型優于混合OLS模型;其次,用修正的Hausman檢驗確定了固定效應模型優于隨機效應模型。因此,文章最終選擇用固定效應模型進行回歸。

城鎮化水平對綠色全要素生產率的回歸結果如表5所示。第(1)列是僅考慮核心解釋變量的最小二乘回歸結果,第(2)列是僅考慮核心解釋變量的固定效應回歸結果。兩種情況下,URB的回歸系數分別為0.472和0.153,且都在1%的置信水平下顯著,說明城鎮化水平對綠色全要素生產率有明顯的正向影響。第(3)-(7)列分別為依次加入控制變量的固定效應回歸結果,在引入控制變量的過程中,核心解釋變量URB的系數始終為正,進一步說明城鎮化水平對長三角地區綠色全要素生產率具有顯著的促進作用。

表5 固定效應模型回歸結果

經濟發展水平(PGDP)系數顯著為負,長三角地區經濟發展水平對綠色全要素生產率具有顯著的抑制作用?，F有文獻大多表明,在經濟發展初期,由于技術水平有限、資源利用效率較低以及產業結構不合理等原因,生產過程中污染排放量大,不利于環保,從而對綠色全要素生產率的提高產生負面影響;當經濟發展到某一階段時,技術迭代提高資源利用效率,生產方式變得綠色環保,從而使經濟發展開始逐漸對綠色全要素生產率產生正面影響。雖然長三角地區自“一體化”戰略以來經濟發展水平不斷提高,但仍存在較大區域差異,整體經濟發展水平還處于“環境庫茲涅茨曲線”的右側,尚未達到經濟發展促進綠色全要素生產率發展的階段。

環境規制(ENV)的系數顯著為負,長三角地區的環境規制強度對于綠色全要素生產率具有顯著抑制作用。根據目前的研究來看,綠色技術創新的補償效應大小是能否實現環境規制與綠色全要素生產率的雙贏的關鍵所在[16]。而在長三角地區目前的發展狀態下,環境規制引領企業技術創新的補償效應還不能完全抵消其帶來的高成本與高投入,即環境規制對綠色全要素生產率產生的仍是抑制作用。

產業結構(INS)的系數顯著為負,長三角地區的產業結構對綠色全要素生產率產生顯著的負面影響。長三角地區雖已提出要產業轉型以推進高質量發展,但主導產業仍集中在制造業。除上海外,江蘇、浙江和安徽的第二產業增加值占生產總值比例都在40%以上,說明第二產業仍是長三角經濟發展的重要支柱。而第二產業占比大不可避免會帶來高污染與高能耗,不利于綠色全要素生產率的提高。

外商直接投資(FDI)的系數為負,但并不顯著。在經濟全球化背景下,外商直接投資帶來技術和知識,為推動各國經濟增長作出重要貢獻。與此同時,大量吸引外資有時也意味著降低環境準入條件,外資企業因此選擇將高污染高能耗的生產環節轉移被投資地區,從而對綠色全要素生產率產生負面作用?？赡苁且驗殚L三角地區城市間吸引外商直接投資的能力懸殊,所以在城市群層面回歸中外商直接投資對綠色全要素生產率的影響不顯著。

科技創新投入強度(RDE)的系數為正,但并不顯著。新古典經濟增長理論認為,技術創新是提高全要素生產率的重要途徑。一方面,科技創新改進技術條件,提高資源利用效率;另一方面,科技創新可以減少污染物排放,提高污染治理能力。不論是從節能,還是減排方面來看,加大科技創新投入強度都能對綠色全要素生產率產生正面影響。長三角地區科技創新投入強度對綠色全要素生產率的促進作用不顯著可能是因為對創新資源的配置效率不高,科技創新投入未能充分發揮在對制約產業鏈的關鍵核心技術的創新發展上。

(2)分解指數回歸

為了探究城鎮化對綠色全要素生產率的作用路徑,分別用綠色全要素生產率分解得出的效率進步(EC)和技術進步(TC)作為被解釋變量進行固定效應回歸,結果如表6所示。

表6 綠色全要素分解指數回歸結果

城鎮化對EC和TC的系數都為正,且分別在5%和1%的置信水平下顯著,說明城鎮化對效率進步和技術進步都存在顯著促進作用。其中,TC的系數為0.186,EC的系數為0.060,說明城鎮化對技術進步的影響更強,通過影響技術進步從而促進綠色全要素生產率增長是長三角地區城鎮化水平影響綠色全要素生產率的主要路徑。

(3)異質性檢驗

根據城區常住人口數量將城市規模劃分為小型、中型、大型、特大和超大。因為超大城市僅有上海,所以將其和特大城市一起做回歸。表7中(1)-(4)列分別表示特大及超大城市、大型城市、中型城市和小型城市樣本的固定效應回歸結果。

結果顯示,城鎮化對中型城市的綠色全要素生產率具有顯著的促進作用,對其他規模城市的綠色全要素生產率影響作用并不顯著。規模大的城市城鎮化進程大多已經到中后期,物質資源、人力資本等已經與產業充分融合,所以進一步城鎮化對綠色全要素生產率的影響不顯著。中型城市處于城鎮化快速發展期,在發展模式的探索上已經形成相對成熟的經驗,通過產業結構優化、能源消費結構優化等路徑對綠色全要素生產率產生明顯的帶動作用。小型城市城鎮化進程大多處于較為初期的階段,在這一階段往往會過分注重城鎮化速度,忽視城鎮化的質量,造成土地過度開發、資源過分開采等問題,從而無法給綠色全要素生產率增長帶來顯著的正面影響?？傮w來看,回歸結果與實際情況相符合。

表7 城市規模異質性檢驗

續表7

四、結論與建議

1.結論

本文運用超效率SBM-GML模型測算了長三角地區41個城市的綠色全要素生產率,并運用固定效應回歸模型實證分析了城鎮化水平對綠色全要素生產率的影響,得到主要結論如下。第一,長三角地區綠色全要素生產率整體提高,兩極分化趨勢減弱,即城市間綠色發展協調性提高,但區域差異仍然存在。第二,城鎮化水平總體提升,呈現東高西低、中部高南北低的態勢;同時,城鎮化能顯著促進長三角地區綠色全要素生產率增長,且這種促進作用主要是通過影響技術進步實現的。第三,異質性分析表明,城鎮化對中型城市的全要素生產率促進作用十分顯著,對小型城市和超大、特大及大型城市的作用不明顯。

2.建議

根據上述結論,提出以下建議。

第一,推動城鎮化高質量發展,提升城市可持續發展能力。從長三角整體來看,城鎮化水平提高會對綠色全要素生產率產生顯著的正面影響。因此,要深入推進以人為核心的新型城鎮化戰略,促進城鎮化建設的提質增效,以此實現提高長三角地區綠色全要素生產率、增強可持續發展能力的目的。

第二,加大科技創新投入,促進對綠色技術的研發與應用。通過對分解指數進行回歸發現,“城鎮化-技術進步-綠色全要素生產率”是城鎮化影響綠色全要素生產率的主要作用路徑。在城鎮化發展進程中,政府可以通過制定政策、發放補貼等方式引導企業進行綠色技術研發,大力推動技術革新,推動城鎮化向綠色集約方向發展。

第三,因地制宜實施城鎮化建設措施,推動長三角地區城鎮化均衡、協調發展。對于城鎮化建設已經較完善的超大、特大和大型城市,要避免過度城鎮化,將重點放在城鎮化質量的提升上,推動現代服務業、公共服務業、文化旅游等產業發展,形成更高質量的城鎮化體系。對于城鎮化規模擴張較快的中型城市,應重點關注產業結構的升級調整,在發展經濟的過程中控制對環境的影響,使城鎮化進程對綠色全要素生產率的促進作用更加顯著。對于城鎮化初期的小型城市,應重點健全產業體系,保證充足的就業機會,避免因人口流失導致經濟規?？s小;同時,提高城市治理能力,最大程度降低城鎮化過程中給環境帶來的負面影響。