摘要：選取281個地級以上城市的截面數據，使用傳統的SuperSBM模型和TOPSIS方法實證分析了2009年、2014年、2019年中國省會城市的綠色發展效率。結果表明：①我國城市的綠色發展效率呈現明顯的地帶差異性，省會城市綠色發展效率“南高北低”趨勢明顯，效率水平呈現典型的“特大城市大城市中等城市”特征，空間分布呈現弱正自相關性和集聚性特征。②區域城市布局的單中心、集中化發展對省會城市和非省會城市的綠色發展效率影響具有明顯的異質性。③絕對強省會能力與省會綠色發展效率之間存在顯著的正向變動關系。
關鍵詞：綠色發展效率;地帶差異;空間分布;SuperSBM模型;TOPSIS方法;省會城市
伴隨著“十三五”規劃目標的順利完成，我國社會正式步入“十四五”時期。與此同時，以國內大循環為主體、國內國際雙循環相互促進的新發展格局正逐步形成，我國社會正邁進高質量發展的新階段，綠色發展成為新時代的主旋律。城市綠色發展，尤其是省會城市的綠色發展方式轉型成為生態文明建設和社會主義現代化建設進程中的必然戰略選擇。
城市發展論文： 法中綠色城市發展特色對比與思考
目前，國內不少相關研究關注了國家[1]、區域[2]、經濟帶[3]、城市群[4]、省域[5]、縣域[6]等層面的城市綠色發展效率問題，其研究內容主要涉及時空演變[1]、影響因素[2]、效率評價[7]、溢出效應[8]、門檻效應[9]、區域差異與收斂性[10]等。如，周亮、車磊、周成虎運用SBM-undesirable模型分析了中國地級以上城市綠色發展效率的時空演變[1];高贏運用面板回歸模型分析了中國八大經濟區綠色績效的影響因素[2]。
已有文獻大部分采用了DEA相關模型和面板Tobit模型[11-13]，少數文獻使用了SFA模型[14]、空間計量模型[15]、分位數回歸模型[16]、生態足跡法[17]和門檻回歸模型[18]等。如，孟雪、狄乾斌、季建文運用超效率SBM模型分析了京津冀城市群的環境績效水平[13];常新鋒和管鑫運用隨機前沿模型和空間混合模型分析了長三角城市群的生態效率及影響因素[15]。
此外，一些學者分別關注了城市精明發展[19]、城市規模擴張[20]、科技創新[21]、產業結構調整[22]、地方政府競爭[23]、高鐵運營[24]、環境規制[25]、輿論監督[26]、城市居民感知[27]、金融集聚[28]等因素與城市綠色發展效率之間的關系。如，陳曉紅、周宏浩運用面板VAR模型分析了生態效率與城市精明發展之間的交互響應;賀斌等運用耦合協調度模型分析了城市效率與城市規模擴張之間的協同發展效應[19]。
綜上，已有綠色發展效率的相關文獻在研究內容上多為靜態效率分析，在研究層面上極少涉及中國省會城市，在研究方法上較少使用TOPSIS方法。此外，很多省份實施了“強省會”戰略，“強省會”戰略能否提高區域綠色發展效率?這一問題需要通過實證分析進行探究。鑒于此，本文選取包括我國26個省會城市在內的281個地級以上城市的截面數據，使用傳統的super-SBM模型和ML指數測度26個省會城市的靜態效率和動態效率，使用莫蘭指數分析綠色發展效率的空間分布，還使用TOPSIS方法分析了強省會能力與綠色發展效率之間的關系，期望這些研究能為我國省會城市的綠色發展提供理論參考。
1研究范圍、指標體系與研究方法
1.1研究范圍
本文選取281個地級以上城市(含除拉薩之外的26個省會或首府城市)作為研究對象，不包括香港特別行政區、澳門特別行政區、臺灣地區、西藏自治區、北京市、重慶市、上海市、天津市、三沙市、儋州市、畢節市、銅仁市、海東市、吐魯番市和哈密市，原因為：香港特別行政區、澳門特別行政區和臺灣地區的行政特殊性，與一般地級城市存在明顯差別;北京市、上海市、天津市和重慶市作為直轄市，與一般地級城市也存在明顯差別;西藏自治區與成立較晚的地級城市(如三沙市、儋州市、畢節市、銅仁市、海東市、吐魯番市和哈密市)，因為缺少相關數據而未納入研究范圍。此外，由于青海省只有西寧1個樣本城市，部分指標無法計算，故部分表格未將青海省(西寧市)納入分析。
1.2指標體系與數據來源
考慮到指標體系的科學性、綜合性以及數據的可獲得性，并參考已有研究成果[1,8,9],本文構建了城市綠色發展效率評價指標體系，其中投入要素包括土地、能源、勞動力和資本，具體指標為城市建成區面積、全社會用電量、勞動從業總人數和地方一般預算支出;產出要素包括期望產出和非期望產出.其中，期望產出包括經濟產出和社會福利，經濟產出指標為各城市GDP和平均GDP倍數(各城市GDP除以該省地級以上城市的平均GDP)，社會福利指標為人均社會消費品零售總額;非期望產出指標包括工業煙(粉)塵排放量、工業二氧化硫排放量和工業廢水排放量。研究數據為2009年、2014年和2019年281個城市的截面數據，數據主要來源于2010年、2015年和2020年的《中國城市統計年鑒》，少部分來源于26個省份(自治區)的省份統計年鑒以及相關城市的統計年鑒，少量空缺值采用插值法補充。
2結果及分析
2.1綠色發展效率的靜態測度與動態測度
基于不同省市行政區劃的測度：構建非期望產出的super-SBM模型，運用MaxDEA8.0軟件計算281個地級以上城市的綠色發展效率。結果顯示，2009年有55個城市的發展效率大于1，約占全部城市的19.57%。281個城市的平均發展效率為0.56，其中26個省會城市的平均發展效率為0.77，高于255個非省會城市的平均發展效率0.54。2019年有64個城市的發展效率大于1，約占全部城市的22.78%。281個城市的平均發展效率為0.62，其中26個省會城市的平均發展效率為0.84，高于255個非省會城市的平均發展效率0.59。
由此可知，w國城市的綠色發展效率離生產前沿面還有較大差距，環境保護與資源合理利用仍有較大改善空間。整體上省會城市的平均發展效率明顯高于非省會城市。從2019年281個城市的綠色發展效率排名來看，以廣州和海口為代表的省會城市，以深圳和青島為代表的非省會特大城市和及以舟山和中衛為代表的非省會中小城市在綠色經濟發展方面表現尤為突出，究其原因，可能與這些城市典型的高投入高產出或低投入低污染模式有關。
從26個省會城市的發展效率來看，2009年、2014年和2019年分別有11個、9個和15個省會城市處于綠色高效發展(效率值大于1)，分別占全部省會城市的42.31%、34.61%和57.69%，有效城市主要集中在廣州、長沙、福州、海口和西寧，即胡煥庸線以東區域(除西寧外)。省會城市綠色發展效率“南高北低”趨勢明顯，這些城市在政策優勢與技術優勢的雙重推動下，實現了經濟增長與環境治理的協調統一。
綠色發展低效方面，2009年、2014年和2019年分別有15個、17個和11個省會城市處于綠色低效發展(效率值小于1)，這些城市主要包括烏魯木齊、貴陽、太原、石家莊、呼和浩特和鄭州，雖然它們聚集了本省的各種要素資源，但是沒有充分發揮應有的規模集聚效應。測算26個省會城市的傳統超效率，結果顯示，2009年、2014年和2019年其平均發展效率分別為1.02、0.99和1.13，而考慮環境污染物后的效率值分別降低0.25、0.23和0.29，降幅分別為25%、23%和26%。由此可知，環境污染導致了省會城市傳統發展效率的較大損失。
從2019年281個城市的投入產出冗余率計算結果來看，平均冗余率較高的變量主要有煙(粉)塵排放量58%、二氧化硫排放量55%和廢水排放量43%，且三大污染物的冗余率明顯高于各個投入變量的冗余率。因此，我國地級以上城市綠色發展效率損失的主要原因是污染物的過量排放，進一步控制三大污染物的過量排放成為提高中國城市綠色發展效率、抑制“污染天堂”效應的重要途徑。從26個省會城市的測度結果來看，省會城市除了存在嚴重的三大污染物冗余外，還存在明顯的從業人員過剩，這可能是由于強省會戰略的實施，過多的農村勞動力和小城鎮人口涌入省會城市，造成從業人員的大量過剩。
基于不同地區和城市規模的測度：從不同地區的測度結果來看，中國城市的綠色發展效率呈現明顯的地帶差異性和空間集聚性特征，2009年、2014年和2019年四大地區的省會城市平均發展效率均明顯優于相應非省會城市，且全部城市呈現典型的“東部優于西部、中部和東北”和“東部、西部優于中部和東北”的格局特征。非省會城市的效率水平同樣表明，東部地區和西部地區的平均發展效率高于中部地區和東北地區，中國城市綠色發展效率呈現明顯的“中部塌陷”特征和“新東北現象”。
從城市規模的測度結果來看，省會特大城市和大城市的平均發展效率明顯優于中等城市，且特大城市優于大城市，城市規模與效率水平之間呈現明顯的同向變動關系。非省會城市則發生了從“小城市>大城市>中等城市”，到“特大城市>小城市≈大城市>中等城市”，再到“特大城市>大城市>中等城市>小城市”的演變，城市規模與效率水平之間呈現明顯的U型關系。
究其原因，可能是因為省會城市一般具有優越的制度、資金、技術和人才優勢，在大幅增加投入的同時更易于發揮規模效應和虹吸效應，因此省會特大城市的平均發展效率高于大城市，且大城市高于中等城市。而非省會城市在資金、技術和人才不齊備的背景下，大幅增加要素投入的同時可能無法發揮規模效應，由此導致投入產出率下降。在一定的情形下，非省會小城市的平均發展效率相對較高，而隨著經濟的進一步發展，非省會大中城市的資金、技術和人才短板逐漸補齊，大幅增加要素投入后的規模效應開始顯現，城市綠色發展效率得到明顯提升。
基于ML指數的動態測度：構建非期望產出的超效率SBM模型，運用MaxDEA8.0軟件計算281個地級以上城市2009—2014年和2015—2019年的ML指數。結果顯示，2009—2014年，219個非省會城市的綠色發展效率得到明顯改善，約占非省會城市總數的85.9%，技術效率、技術進步分別對63.1%和87.1%的非省會城市的發展效率有促進作用，技術效率與技術進步的同時改善對52.1%的非省會城市的發展效率有促進作用。2015—2019年，9個非省會城市的綠色發展效率得到改善，僅占非省會城市總數的3.5%，技術效率、技術進步分別對52.9%和2.0%的非省會城市的發展效率有促進作用。
從26個省會城市的測度結果來看，2009—2014年，除太原、合肥等8個省會城市外，其余城市的發展效率均得到了明顯改善，特別是南京、武漢等10個城市的改善尤為明顯(ML指數大于1.5)。13個省會城市的技術效率EC得到改善，23個省會城市的技術進步TC得到改善。2015—2019年，僅有南京和哈爾濱的ML指數大于1，且都是因為技術效率EC改善所致。15個城市的技術效率EC大于1，僅有貴陽的技術進步TC大于1。
由此可知，與255個非省會城市的ML指數變動趨勢相似，26個省會城市的綠色發展效率在2009—2014年的改善速度明顯快于2015—2019年，且發生了從技術進步與技術效率同時并存的“雙因素驅動”到僅存技術效率的“單因素驅動”演變。
3結論與啟示
本文選取281個地級以上城市的截面數據，使用傳統的super-SBM模型和TOPSIS方法等實證分析了2009年、2014年、2019年我國26個省會城市的綠色發展效率，得到以下主要結論：①中國城市的綠色發展效率呈現明顯的地帶差異性，東部地區和西部地區的平均發展效率明顯高于中部地區和東北地區。省會城市綠色發展效率“南高北低”趨勢明顯，其效率水平與城市規模之間呈現明顯的同向變動關系，而非省會城市規模與效率水平之間呈現明顯的“U型”關系。三大污染物的過量排放是中國省會城市綠色發展效率損失的主要原因，此外，從業人員過剩也是一個重要原因。②
26個省會城市綠色發展效率在2009—2014年期間的改善速度明顯快于2015—2019年，其促進因素由2009—2014年的技術進步與技術效率同時并存的“雙因素驅動”轉變為2015—2019年的技術效率獨存的“單因素驅動”。③中國省會城市的綠色發展效率呈現弱正自相關性和空間集聚性特征。絕對強省會能力與省會綠色發展效率之間存在顯著的正向變動關系，而相對強省會能力與省會綠色發展效率之間并不存在顯著的正向變動關系。④我國4大區域的城市分布均較為分散，且分散程度呈現明顯的“東北<西部<東部<中部”的格局特征，區域城市布局的單中心、集中化發展對省會城市和非省會城市的綠色發展效率影響具有明顯的異質性。
基于上述結論，得到以下主要啟示：①鑒于省會特大城市的“高投入—高產出—中高污染”模式與非省會小城市的“低投入—低產出—低污染”模式在城市綠色發展方面表現突出，對于省會或非省會大中城市而言，在既定的中高投入情形下，要想獲得較高的綠色發展效率就應努力提高產出水平和降低污染，走“中高投入—中高產出—中低污染”的道路。
②對于中國省會城市而言，適當擴大城市規模、增強絕對強省會能力有利于提升區域整體的綠色發展效率，片面強調GDP首位度或人口首位度并不能顯著提高區域整體的綠色發展效率。③中國城市的綠色發展要重點提升西部省會城市和東北非省會城市的綠色發展效率，提升過程中不僅要重視降低三大污染物的過量排放，還要注意消除人力資源的大量剩余。④當前許多省份實施了“強省會”戰略，實證結果表明，區域城市布局的單中心、集中化發展對區域整體的綠色發展效率影響具有明顯的地區維度與時期維度的異質性。因此，“強省會”戰略的全面實施需要結合具體的省情和城市布局集中化階段進行綜合判斷，不宜搞“一刀切”。
參考文獻：
[1]周亮車磊周成虎中國城市綠色發展效率時空演變特征及影響因素[J].地理學報,2019,74(10):20272044.
[2]高贏中國八大綜合經濟區綠色發展績效及其影響因素研究[J].數量經濟技術經濟研究,2019,36(9):323.
[3]黃磊吳傳清長江經濟帶城市工業綠色發展效率及其空間驅動機制研究[J].中國人口資源與環境,2019,29(8):4049.
作者：葉文顯
相關閱讀
