中国省际绿色发展指数空间计量分析

郝汉舟，周校兵

（湖北科技学院a.资源环境科学与工程学院；b.长江中游水土资源研究中心，湖北 咸宁 437100）

0 引言

从农业文明为核心的黄色文明演进到以工业文明为核心的黑色文明，在诸多环境问题产生及环境与经济社会发展矛盾进一步凸显的背景下，各国政府对经济社会发展模式及途径不断思考和反省[1]。1987年世界环境与发展大会（WECD）发表的《Our Common Future》提出了可持续发展的概念[2]；1992年联合国环境与发展大会将可持续发展确定为大会的指导方针。如果说可持续发展强调的是人与环境的协调发展，那么起源于20世纪60年代的绿色运动及80年代英国经济学家皮尔斯的“绿色经济”[3]，经过逐步完善的绿色发展概念，则回答了经济增长和社会发展方式的新理念、新路径。

目前对绿色发展的研究[4-6]存在以下问题：（1）绿色发展评价测度研究较深入，但是其实现路径还需从理论到实证进行探索。（2）作为评价绿色发展的两种方法，指标法和DEA方法评价结果的互相比较印证文献报道较少。（3）指标法中确定指标体系的权重，文献较多的是引用已有文献中的权重，主观确定权重的依据不明确。

本文以省域为研究尺度，对省际绿色发展指数进行空间数据探索分析（ESDA），并在此基础上基于新古典经济增长模型进行空间计量分析，以期为探索绿色发展路径提供理论支持。

1 研究方法和数据来源

1.1 指标体系构建

绿色发展的内涵界定不同，必然导致指标体系的差异。本文认为，绿色发展作为一种理念，绿色是基础，发展既是目标也是手段，是一种新的发展理念。绿色发展涵盖了：（1）节约资源，保护环境；（2）产业结构的优化。构建科技含量高、资源消耗低、环境污染少的产业结构；（3）生产方式的改变。从粗放式资源消耗型的发展转变到依靠创新驱动发展；（4）生活方式的改变。实现生活理念绿色化、消费行为绿色化。

在实现绿色发展中，将产业转换、提档升级、科技创新作为绿色发展的路径和着力点，在此背景下，对绿色发展的评价中，应该包含实现绿色发展的能力和潜力的指标。基于此，本文设计了绿色发展指标体系（见下页表1）。

1.2 方法

本文中用因子分析方法计算绿色发展指数。因子分析方法用较少的新变量代替原来较多的旧变量，并且要求新变量尽可能反映原变量的信息。因子分析的结果通过KMO检验和Bartlett球度检验。如果KMO值大于0.7，因子分析效果较好；小于0.5时，因子分析结果较差。原始数据的标准化采用[0，1]区间的线性转换[7]。通过方差最大正交旋转，由提取的因子方差贡献计算绿色发展指数，其计算公式如下：

式（1）中Fi为提取的第i个因子的得分，αi为第i个因子的权重；λi为提取的第i个因子的方差贡献。

探索性空间数据分析（ESDA）方法用来分析绿色发展指数的空间联系和格局分布。在本文中采用全局空间自相关Moran指数I，I的取值一般在-1～1之间。其计算公式为：

表1 绿色发展评价指标体系

式（2）中I为Moran指数；wij为空间权重；xi、xj为区域i和j的绿色发展指数；。在本文中采用基于邻接（Contiguity）关系的一阶rook权重，其为二值分布，相邻为1，否则为0。海南省由于海岛隔离，但海南省与广东邻近，视为海南省与广东省邻接。对于I值，用标准化统计量Z来检验n个区域是否存在空间自相关。

为观察局部空间聚集，采用局部Moran指数M表示，其计算公式如下：

式（3）中Mi为区域i的局部Moran指数；其中S2=

1.3 数据来源及软件

本文收集了我国除西藏、香港、澳门、台湾外的30个省、自治区、直辖市2010—2015年相关统计数据，数据主要来源于中国经济与社会发展统计数据库、国研网统计数据库中的年度数据。部分数据来源于2010—2015年《中国环境状况公报》、各省市发表的《国民经济和社会发展统计公报》以及《中国城市统计年鉴》。部分缺失数据采用SPSS支持下的线性插值。ESDA分析采用Geoda软件；空间计量分析采用MatlabR2015a软件的空间计量工具箱jplv7。

2 结果与讨论

2.1 绿色发展指数年际及空间变化分析

因子分析的结果显示，KMO值为0.753。Bartlett球形检验，其概率p＜0.000，表明因子分析效果较好。因子分析按照特征值大于1的准则，共提取4个因子，方差累积共献73%。按照公式（1），根据各因子的权重计算出绿色发展指数GDI（见图1）。

图1 不同省份2010年、2015年绿色发展指数

根据《中国环境统计年鉴》对东、中、西和东北地区划分方法：东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南10个省市；中部地区包括山西、安徽、江西、河南、湖北和湖南6个省；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆11个省市（由于数据的原因，不包括西藏）；东北地区包括辽宁、吉林和黑龙江3个省。其区域绿色发展指数见图2。

图2 区域绿色发展指数平均值及标准差

从GDI的年际波动性来看，山西的GDI标准差最大（0.15），上海的GDI标准差最小（0.06）。从图2可以看出绿色发展指数总体上是东部＞中部＞西部。西部和东北差别不是很明显。从时间趋势来看，各区域绿色发展指数均呈现增加的趋势。从绿色指数增长率来看，东北（40.9%）＞西部（40.0%）＞中部（39.2%）＞东部（22.8%）。从区域绿色指数波动性来看，东部区域内部不同省份的绿色发展指数标准差都较大，显示东部区域省份间指数的不平衡性。中部区域省份的绿色发展指数标准差较小，说明省际间绿色发展指数差别较小。

2.2 绿色发展指数ESDA分析

ESDA分析是利用统计学原理和图形图表相结合，对空间信息进行分析鉴别，以便为空间建模提供支持。四分位图在分位数的基础之上，将数据分成4个等级，每个等级代表数据不同的属性大小。四分位图可以比较直观的判断区域属性值大小，可以宏观分析区域绿色指数情况。对2010—2015年绿色发展指数做四分位图，经处理后得到表2。

表2 2010—2015年全国30个省市绿色发展指数四分位表

全局空间自相关用Moran's I来度量，用Geoda软件中Space/Univariate Moran's I实现。其有三种模式：空间集聚模式、空间发散模式、空间随机模式。当p值＜0.05且Z得分高于1.96.时，空间分布模式为集聚分布。当p值值＜0.05且Z得分小于-1.69时为发散模式。p值大于0.05为随机模式。对2010—2015年绿色发展指数做全局空间自相关分析得到表3。

表3 2010—2015年绿色发展指数全局Moran′sⅠ自相关系数

表3显示2010年到2015年Moran′sⅠ值均大于零，表示我国绿色发展指数在空间上存在正相关关系，绿色发展指数存在正的空间自相关过程，表现为空间集聚的特点。此外随着时间的推移，从2010—2015年这种空间相依性逐渐降低，Global Moran'sI从2010年的0.532下降到2015年的0.447，绿色发展指数呈现空间扩散的趋势。

局部空间自相关分析结果通常用莫兰散点图来表示。莫兰散点图有四个象限，分别对应四种不同的数据类型。第一象限数据代表高观测值被高观测值包围的区域，即通常所说的H-H型（高值聚集）；第二象限数据表示低观测值被高观测值所包围的区域，即L-H型；第三象限表示低观测值被低观测值包围，即L-L型（低值聚集）；第四象限表示高观测值被低观测值所包围的区域，即H-L型。其中H-H、L-L代表空间正相关，H-L、L-H代表空间负相关，莫兰散点图的斜率即Moran′s I值。2010年和2015年绿色发展指数的莫兰散点图见图3。

图3 2010年、2015年绿色发展指数莫兰散点图（方框中的为p＜0.05）

从图3可以看出，绿色发展指数显著地于东部省份高值聚聚（H-H），显著地于西部省份低值聚聚（L-L）。2010年安徽省绿色发展指数还是处于低观测值被高观测值所包围（L-H），到了2015年安徽省、江西省进入了H-H范围，显示了长江经济带发展的成效。处于低值聚聚范围的6个省民营变化（新疆、四川、青海、宁夏、内蒙古、甘肃）显示西部省份绿色发展任务任重道远。

2.3 绿色指数空间计量分析

通过空间全局及局部自相关分析，Moran′sⅠ值大于0，且显著p＜0.05，即绿色发展指数在空间上存在正的相关性，总体上表现为集聚性（HH、LL），因此可以进行空间计量分析。另一方面通过绿色发展概念内涵分析知道，绿色发展实际上是一种发展方式的转换，从资源消耗性转换到创新驱动发展。在新古典经济增长模型中，资本和劳动是决定经济增长的两个要素，技术进步作为外生变量会对经济增长产生影响，基于Romer的假设，其模型如下：

上述模型两边取对数，修改后的模型为：

式中，GDI为区域绿色发展指数；R为区域科学研究与试验发展经费R&D占GDP比重；EI为区域环保投资占GDP比重；H为区域人力资本存量；IS为产业结构，在这里指第二产业占GDP比重；TL为区域科技发展水平，这里用专利申请量与地区常住人口的比重表示；U为城市化率。

区域人力资本存量H计算方法采用彭国华的方法[8]，其计算过程为：①首先计算劳动力平均接受教育年数；②根据平均受教育年数采用分段函数计算综合回报率Lnh，③由Lnh计算人力资本存量。H=exp(Lnh)*L，其中L为就业人数。

在上述基础上，采用空间杜宾模型（Spatial Dubin Model，SDM）作进一步分析。空间杜宾模型不仅考虑了因变量的空间相关性，还考虑了自变量的空间相关性，即因变量不仅受到本地区自变量的影响，还受到其他地区自变量和因变量的影响，其形式如下[9]：

其中，i表示空间单元（i=1，2，…，N），N为单元总数；t表示时期（t=1，2，…，T），T为时期总数；yit为因变量；r为空间滞后系数；wij为空间权重矩阵；a为待估计的系数；Xit为自变量；wi表示空间（个体）效应；dt表示时间效应；eit是独立且同分布的随机误差项，wijXjt表示邻近自变量的空间滞后变量，q为待估计的系数。

关于权重的构造，这里主要考虑科技创新的影响，参照经济距离空间权重矩阵，建立人力资本空间权重矩阵[10]：

在Matlab空间计量工具箱支持下，其空间计量分析主要步骤为：（1）运行demoLMsarsem_panel.m文件，得到表6第2列和第三列。模型的稳健LM检验统计量均在5%水平下显著，说明存在显著的空间自相关，应采用空间计量模型。（2）为确定空间面板模型的形式，用Wald统计量检验空间杜宾模型（SDM）可否弱化为空间滞后模型或空间误差模型。运行demopanelscompare.m文件进行Wald检验，在表4中，Wald(spatial lag)、Wald(spatial error)的值在5%下显著，并且R2从0.74增加到0.98，说明可以用空间杜宾模型进行分析。空间杜宾模型有固定效应和随机效应，在本文中Hausman检验显示应采用固定效应模型。固定效应中有时间固定、空间固定以及时间空间双固定三种形式[11]。在本文中根据R2和Log likelihood值大小，在本文中选择时间和空间固定效应模型。（3）在时间和空间固定的空间杜宾模型下，整理出直接效应、间接效应和总效应。

表4中的空间杜宾模型显示，环保投资比例（EI）、产业结构（IS）、科学技术水平（TL）、城市化率（U）等通过了显著性检验（p＜0.01）并且系数为正，即这些变量对绿色发展指数有正向作用。在不考虑其他因素作用的情况下，EI、IS、TL、U每增加1%，绿色发展指数分别增加0.065%、0.270%、0.027%、0.269%，可以看出产业结构和城市化率的变动对绿色发展指数影响最为显著。区域人力资本存量H和科学研究与试验发展经费强度R&D两个变量不显著，说明人力资本存量和R&D转化为现实的科技创新有一个过程，即要重视H和R&D的效率问题，促进科技成果的更多的产出。

表5表示基于时间和空间固定效应下的空间效应。Lesage和Pace（2008）[12]提出了直接效应、间接效应和总效应等概念，用来反映自变量对因变量的影响。直接效应表示自变量x对本地区因变量y造成的平均影响，间接效应表示x对其他地区y造成的平均影响，总效应表示x对所有地区造成的平均影响。从表4可以看出，对本地绿色发展指数有正向影响且通过检验的是EI、IS、TL、U。从空间溢出效应（间接效应）来看，产业结构IS和城市化率U对周边区域具有正向的空间溢出效应，说明一地的IS和U的提高，能够带动邻近区域的绿色指数增长。值得注意的是科技水平TL对周边区域的绿色发展指数具有负向影响即存在负向空间溢出效应。这说明科技水平具有集聚效应和虹吸效应。科技发展水平高的区域会吸收周边区域的科技创新资源，导致周边区域科技创新资源的负向影响。总之，IS和U的扩散效应导致临近区域的绿色发展受益，目前对区域科技创新的极点效应给予更多的关注。

表4 SLM SEM和SDM模型选择

表5 SDM模型的直接效应、间接效应和总效应

3 结论与建议

本文在界定绿色发展内涵的基础上，利用2010—2015年中国各省域统计数据，构建了中国绿色发展指标体系框架，在Geoda软件支持下，进行ESDA分析。在新古典经济增长模型的基础上，运用空间杜宾模型，在MATLAB空间计量工具箱支持下，从研究与开发投入强度R、环保治理资金投入强度EI、人力资本存量H、产业结构IS、科技创新水平TL及城市化率U等方面研究对绿色发展的影响及空间溢出效应。结构显示：（1）2010—2015年省际绿色发展指数呈现集聚分布（HH型和LL型）。绿色发展指数总体上是东部省份＞中部省份＞西部省份和东北省份，西部省份和东北省份差异不明显。（2）EI、IS、TL、U对本地区域绿色发展有显著的推动作用。（3）IS和和U提升对临近区域的绿色发展有显著的推动作用。（4）一个区域的TL提升，并不利于周边地区绿色发展的提高，这种原因可能于区域TL的虹吸效应有关。

基于以上结论，本文有如下建议：

（1）从区域发展均衡性来看，要促进我国东部、中部、西部、东北区域协调发展。尽管西部、东北区域绿色发展指数增长速度较快，但是区域差异还是非常巨大。西部、东北区域的要从依赖资源的传统性发展方式，突破资源诅咒，实现发展方式的转变。

（2）进一步加大环境污染防治、生态环境保护和建设投资占GDP的比例。加大环保投入是转变经济发展方式的重要手段和推进生态文明建设的根本措施。环保产业作为战略性新兴产业之一，是环境保护的物质基础和技术保障，是推进节能减排的重要支撑。

（3）继续推进城市化。健康城市化不仅对本地而且对临近区域的绿色发展有促进作用。要加快基础设施建设、实现产城融合城乡一体化、加快公共服务均等化等，进一步推进产业升级，做好产业间和产业内部升级。

（4）转变发展方式，推动创新驱动发展。对区域的科技创新避免更多的虹吸效应，加快创新成果对临近区域的扩散和对口帮扶。