城市环境转化效率的空间统计分析

作者：李刚 卢增梅

背景 中国经济发展具有显著的地域特征，东部经济发展水平高于中部，中部高于西部 。 1987 年，布兰特夫人在世界环境与发展峰会上将可持续发展定义为“当代人的发展不应该影响未来人对发展的需求。”这既反映了人们对经济发展的渴望也显示了人们对资源耗竭和环境污染的忧虑。 在对环境转化效率的相关研究中往往忽视了效率的空间依赖性对其区域分布的影响。在实证研究中也没有考虑相邻地区转化效率的多少对本地转化效率的空间效应。

问题的提出

发展水平高是不是其环境转化效率就高？发展水平低其环境转化效率就低？

影响环境转化效率的因素有哪些？

如果选取空间数据模型进行估计 , 会得到怎样的结果？

样本和指标的选择 样本的选择：除西藏之外的中国大陆 26 个省、自治区的 282

个地级市和 4 个直辖市。 指标的选择：

投入指标 产出指标资源资产 生态资产 经济发展 水土地煤气电

汽油和柴油

工业废水排放量工业废气排放量工业固体废物排

放量 工业废水排放量

地区生产总值

使用的方法1 、 DEA 和 SDEA

数据包络分析（ DEA ）是评价生产效率的重要非参数方法 ，是以相对效率为基础，以凸分析和现行规划为工具的一种评价方法。对评价对象作出评价，能充分考虑对于决策单元本身最优的投入产出方案。

··

D

S

S

BA

X1

X2

C

EC’

规模报酬不变的超效率 DEA 模型

在实践中，使用传统 DEA 模型评价决策单元效率时，有时会出现多个决策单元的技术效率值 θ 等于 1 的情况，从而不能按效率值高低对决策单元进行排序。为了弥补这一缺陷，从而提出了超效率（ SDEA ），其值是可以大于 1 的。

2 、同步自回归（ SAR ）模型

SAR 通过对其他区域的值做回归分析来预测空间相异性，即误差项 被建模。

1

1W

XWyy

其中 1

构建模型：

)ln(capital)&ln()ln(

)ln(y)ln(tertiarry)ln(seconda)ln()ln()ln()ln(

876

5432

21

DRFDI

investmentscalescaleseffWseff

其中， seff 为 SDEA 的超技术效率水平，即环境资产转化效率； scale 为城市人口规模； secondary 为第二产业比重； tertiary 为第三产业比重； investment为固定资产投资额； FDI 为外商直接投资； R&D 为科研与教育支出； capital为虚变量，省会城市是 1 ，非省会城市是 0 。

SAR 通过对其他区域的值做回归分析来预测空间相异性，即误差项 被建模。

实证结果

组织结构图

城市环境转化效率的空间统计分析

DEA 和 SDEA 测算结果的描述统计

影响转化效率因素的空间统计分析

我国 286 个城市 DEA 和 SDEA 测算结果的描述统计

DEA SDEA

指标 东部 中部 西部 全部 东部 中部 西部 全部

平均数 0.832 0.462 0.788 0.792 1.384 0.814 1.385 1.105

标准差 0.168 0.19 0.218 0.194 1.79 0.278 2.021 1.592

最小值 0.476 0.403 0.242 0.242 0.476 0.403 0.242 0.242

最大值 1 1 1 1 11.13 1.661 7.916 11.13

样本数 92 110 84 286 92 110 84 286

结果显示，经济水平与环境资产的转化效率之间并非线性关系，当然也就不能认为经济发展水平高的城市，可持续发展水平也高，反之亦然。

第一、无论是 DEA还是 SDEA ，东部和西部城市的环境资产转化效率都要显著地高于中部城市。在区域上表现为“两边高、中间低”，呈 U形。

第二、从环境资产转化效率的离散程度上看，西部大于中部、中部大于东部。

第三、对 SDEA 进行排序，在前十名中，东部城市和西部城市各有 5 个；在后十名中，西部有 8 个城市，中部有 2个城市。

变量 解释变量 全国

intercept 常数3.841

-0.2565

Log(scale) 城市人口规模-2.722

-0.0082

Log(scale)^2 人口规模的平方0.249

-0.0085

Secondary第二产业的比重

-0.185

industry -0.9138

Tertiary第三产业的比重

0.756

industry -0.6969

invest 固定资产投资额-0.218

-0.3254

FDI 外商直接投资-0.075

-0.3591

R&D 科研与教育支出0.633

-0.0054

capital 虚变量-0.385

-0.3707

ρ空间自回归系数 0.135

-0.0023

λ空间误差自相关系数 0.475

-0.0378

R2 可决系数 0.946

结论：

1 、模型的估计结果较为理想 , ρ 和 λ均为正值且显著，说明我国各城市 seff 和相邻城市 seff 间确实存在正向的空间依赖关系。空间自回归系数为 0. 135说明周围城市的 seff 水平提高 1%, 本城市的 seff 将提高 0. 135% ，相邻地区环境转化效率的增加将有助于本城市效率的提高。空间误差自相关系数为0.475,说明地区间的各种观测不到的因素的地区相关性也对 seff 产生正向作用。

2、影响环境资产转化效率的因素分别是城市规模和科研与教育支出，其中城市规模对环境资产转化效率的影响表现为“ U” 型曲线，随着城市规模的增大， seff先下降，后上升。也就是说，小城市和大城市具有较高的环境资产转化效率，中等城市偏低。科研与教育支出对环境资产转化效率的影响是正向的，不但对经济增长的促进作用明显，而且还能够提高环境资产的转换效率。

分析工具

回归结果

GeoDo软件

Shapefile 、 GWT文件

城市数据、经纬度

Spautolm函数

Spdep软件包

R语言环境 Benchmarking软件包

DEA 和 SDEA 值

不足及改进不足： 1 、空间自回归模型的提出无疑为我们对可能具有空间相关

的面板数据建模提供了有用的工具。但是我们注意到以空间自回归模型为代表的一系列空间自相关模型，均未考虑到观测变量自身在时间上的相关性。

2 、在分析转化效率影响因素没有把东部、中部和西部区分开，影响环境资产转化效率的因素在区域上可能会存在显著的差异。

改进： 1 、建立空间面板数据来分析。 2 、在建立 SAR 模型时把东、中、西部分开。

所谓的环境转化效率可以理解为是一种技术进步率或者可持续发展水平，它是一个相对范畴的概念。也就是说，在评价某一地区的技术进步率时，它是相对于另一个地区而言的，我们只需度量环境资产向经济资产的转化效率，就能够评价区域间技术进步率的相对水平。

根据 Hartwick(1977) 法则，环境投入最终要转化为经济产出。环境资产包括资源资产和生态资产。将环境作为资产，通过测算环境资产向经济资产的转化效率，来评价城市的可持续发展水平。