“城市矿产”产业生态效率动态演变特征与影响因素

唐燕　孟繁玥

摘要 “城市矿产”的资源化循环利用，是我国缓解资源瓶颈约束、构建产业生态化体系的重要手段之一，探究“城市矿产”产业生态效率特征及关键驱动因素，以期为我国继续推动该产业新旧动能转换、生态化转型升级提供参考。本文基于非期望产出的超效率SBM模型，测算我国2004—2017年26个省市层面生态效率，并分析其总体演变、区域差异及空间相关性特征，采用空间计量模型探寻该产业生态效率影响因素。结果表明：①“城市矿产”产业生态效率呈“类峰峦”结构的波动上升趋势，从2004年0.87上升至2017年1.06，这期间，峰顶和峰谷省市的该产业生态效率年均差值近12%，且存在较显著的区域差异特征，整体表现为东部地区始终高于中部和西部地区。②通过空间相关性分析发现，26个省市该产业生态效率存在较强的空间关联性，整体由低值集聚向中高值集聚状态转变，但发展后期，部分省市脱离整体趋势，出现“微分异”现象。③根据空间计量模型估计结果，技术创新是提高该产业生态效率的核心因素;产业发展水平和产业集聚水平为次要因素;环境规制与产业结构为一般影响因素;宏观调控与对外开放水平则无显著影响。最后，提出内外技术联合提高创新能力、以绿色产业合作提升产业集聚水平、环境标准细化增强环保效应、与制造业层级嵌套完善回收体系等对策建议，提升“城市矿产”产业生态发展水平。

关键词 “城市矿产”产业;生态效率;影响因素;空间效应

中图分类号 F062.1   文献标识码 A  文章编号 1002-2104（2021）06-0067-11

DOI：10.12062/cpre.20200932

“城市矿产”产业的目的是减少终态固体废弃物数量[1]，提高资源生态利用效率，扩容资源空间[2]，推进城乡生态化进程，更是为建成生态文明提供必要保障。据不完全统计，2019年，我国主要“城市矿产”回收总量约3.5万亿t，回收总值远超0.8万亿元。多年来，我国政府把发展“城市矿产”产业作为改善生态环境，促进生产生活方式绿色转型的重要战略部署[2]，制定了包括示范基地建设、新型技术展览、财政补贴、销售优惠、税收返点等一系列扶持政策。然而，因清洁生产尚未在该产业内全面普及，固體废弃物利用量的不断增长一直伴随着污染物排放总量过高和环境二次污染等问题。此情境下，“城市矿产”产业是否保障了持续有效的资源生态利用效率，又如何推动这种效率的高效发展成为本文主要关注的问题。产业生态学中，生态效率能有效解释产业中的资源生态利用效率问题[3-4]。鉴于此，文章在测算“城市矿产”产业生态效率的同时，采用空间计量法分析其影响因素，旨在发现该产业生态效率演变特征及其发展动力源，为研究该产业资源生态利用效率问题提供新思路与新视角，也为中国探索该产业生态化发展提供新的路径参考。

1 文献综述

“城市矿产”产业对固体废弃物资源化的过程，是将其中可利用的金属、塑料、橡胶等资源进行循环再制造，摒弃不可利用资源，其中会产生以废水、废气与固体废弃物为主的污染物[5]，造成了环境二次污染。因此，如何提高该产业生态效率等问题一直受到国内外学者关注。部分学者认为，在新型经济发展下，技术创新是提高该产业生态效率的主要方向[6]，其能够助力清洁生产，提高对废弃物剩余价值的利用率[7]，降低其污染物排放量，进而扭转该产业二次污染劣势[8]。也有学者提出不同观点，在部分经济水平较低的国家中，其正由线性经济方式向循环经济方式过渡[9]，尚未成立或完善有效可行的“城市矿产”产业管理手段[10]，对于这类国家，健全产业管理体系比技术创新更有效[11]。还有学者认为，对于上述问题应视不同国家国情而定[12-13]。我国“城市矿产”产业在政策与经济的同步推动下，在集聚水平[14]、知识产权[15]、产业经济[16]、回收模式[17]等方面的研究成果已较丰富，但探讨该产业如何提高生态效率等方面的研究尚需完善。

生态效率早期由Schaltegger等[18]将其引用到企业生态领域。两位学者认为，生态效率是企业绿色生产合理性衍生出的一种生态理性测算方式。在OECD（Organization for Economic Co-operation and Development，经济合作与发展组织）推广下，其概念被进一步界定为衡量经济与环境是否平衡发展的重要因素[19]，即可利用较少的环境损失为代价，换取较高的经济效益[20]。自此，生态效率在产业[21-23]、城市环境[24-25]、经济系统[26-27]等多个领域内得到了广泛应用和发展。

在生态效率的研究方法中，部分研究者采用指标评价法[28]、分割法[29]、权重组合法[30]、虚拟生态成本模型[31]等，这些评价方法一是需要大量数据支撑，二是需要对投入产出要素详细分解。Dyckhoff等[32]提出的DEA（Data Envelopment Analysis，数据包络分析）模型与上述方法相比，可无需受数据和要素类别制约，更无需设定生产函数，因此，该种方法得到了广泛应用。运用DEA模型测算生态效率的相关研究可分为三个角度来看，一是生态产出表现，如中国经济发展水平存在阶梯式失衡下，工业生态效率和农业生态效率由沿海向内陆逐渐收敛[33-35]。二是生态受益者角度，如Timo[36]、Gvdipudi等[37]和Mahdiloo等[38]等认为，生态效率的提升，有益于自然资源、公众等主体，但对部分公司来说是经济损失的表现。三是生态效率的影响因素方面，文献梳理后发现，多数学者从产业资本、政策、环境等角度进行分析。罗能生等[39]认为不同类型环境规制对生态效率具有不同影响，其中最有效的方式为污染治理投入型;付玉芹等[40]系统分析了产业结构对生态环境的影响发现，随着产业发展水平的不断提升，更多的资源将由维持经济增长转向生态环境保护;龚新蜀

等[41]研究了FDI（Foreign Direct Investment，外商直接投资）对生态效率的影响，发现FDI对本地生态效率产生负影响，而对邻地生态效率影响为正向;魏艳旭等[42]认为，科技创新可提高资源利用效率，降低产业二次污染;杨仁发[43]分析了产业集聚对环境污染的影响，发现产业集聚水平提升与环境污染改善程度呈正相关。

綜上所述，国内外学者主要从生态产出、生态受益和影响因素角度进行了生态效率的研究，对于同时是生态产出者和受益者的“城市矿产”产业的生态效率问题尚需要被深入揭示与分析，其影响因素也应被发现，如“产业结构升级”“环境污染防治”等对该产业是否产生影响。因此，文章基于2004—2017年我国26个省份的面板数据，运用DEA衍生模型中的超效率SBM模型，对各省份“城市矿产”产业生态效率进行省份及区域分析，并探究促进其提升的主要因素。

2 指标体系、数据来源与研究方法

2.1 指标体系构建

2.1.1 生态效率指标选择

“城市矿产”产业一般具有盈利性、环保性和公益性特征[44]，在国民经济行业分类中，国内学者多将其对应为“废弃资源综合利用业”（GB/T 4754—2017，分类号为C-42，即制造业-废弃资源综合利用业，前身为“废弃资源和废旧材料回收加工业”）[45]。因此，基于工业生态效率[46]、城市生态效率[47-48]等测度指标，结合“废弃资源综合利用业”投入物与产出物等特点，最终以该产业能源消费总量、从业人员工资、固定资产投资及固体废弃物综合利用量作为投入指标，以该产业总产值作为期望产出，以该产业废水排放量、废气排放量和固体废弃物处置量作为非期望产出，见表1。

2.1.2 影响因素指标选取

“城市矿产”产业生态效率除与其基础投入产出要素相关外，还可能受到其他因素的影响，如产业发展水平和政府政策等。文章综合参考相关文献，借鉴产业生态化发展的相关理论意义，选取7个可能影响该产业生态效率的因素：发展水平、技术创新、对外开放、环境规制、宏观调控、产业集聚和产业结构进行影响因素分析。

（1）核心变量。产业创新理论中，技术创新是产业高质量发展的动力之一，也是产业向生态转型的动力源[50]。在“城市矿产”产业中，高技术创新可推动该产业深入探索环保型再加工处理技术，持续开发废弃物潜在生态价值，降低该产业环境负面影响。反之，技术创新能力较低时，该产业生态价值挖掘能力不显著，废弃物未被完全利用，致使非期望产出量仍较多，生态效率可能也会随之降低。

（2）控制变量。①依据环境EKC理论，当该产业发展水平较低时，会将多数资源投入于经济效益的创造，属于该产业盈利性特征，而当经济水平增长到一定高度时，会将部分资源投入于环境的保护[51]，属于该产业环保性特征;②对外开放下，该产业部分外资企业为降低环境治理成本会转向环保标准较低的地区，这不利于该产业提高生态效率，但也有研究发现，对外开放可引进新型技术，降低产业环境负外部性[52];③环境规制有效抑制该产业生产过程对环境的污染，但同时也影响了该产业盈利目标，进而影响其环保积极性，降低生态效率;④政府通过减税政策、金融手段和优惠补贴等为该产业提供经济支持，扩大该产业环保效应;⑤该产业集聚以技术溢出、互补效应等方式促进废弃物的合理利用，正向促进生态效率，而非期望产出量的聚集，降低该产业生态效率[51];⑥产业结构方面，该产业推动了消费品在闭环产业链上的逆向流动，该产业在工业中的结构占比越高，废弃物再利用能力越强，其生态效率越高。具体指标与变量说明见表2。

2.2 数据来源与预处理

“城市矿产”产业生态效率及其影响因素指标数据来源于2005—2018年《中国统计年鉴》《中国工业统计年鉴》和《中国环境统计年鉴》，以省份统计年鉴补充部分数据，文章对数据进行以下预处理：

（1）指标一致性。为减小计算误差，文章统一了该产业的企业规模标准，以“全部国有及规模以上非国有企业”为一致性指标，反映该产业在数据统计上的规模一致。

（2）时间连续性。受数据的统计时间和部分数据中断情况限制，文章将研究时间设定为2004—2017年，对于部分缺失数据，从各省份统计年鉴补充无效后，运用增长率法进行补充，增强数据时间连续性。

（3）地区一致性。由于各省份该产业规模化发展时间不一致，文章选取了26个省份作为研究样本（西藏、宁夏、新疆、海南、青海、港澳台等地部分数据不全，未包含在样本中）。

2.3 研究方法

2.3.1 超效率SBM模型

DEA模型中，超效率SBM模型可在产出要素中纳入非期望产出要素，同时还可突破传统DEA效率最高值为1的限制，可更表现效率水平。基于此，文章采用DEA模型中的超效率SBM模型来进行时序测算分析。文中，以ECO表示“城市矿产”产业生态效率，其内涵为要素投入效率与产品产出效率的总效应。进一步明确投入效率与产出效率，假定我国某一省市的该产业（一般称为决策单元，DMU）有m类投入指标，s类产出指标，则投入再生产向量x与产出向量y可表示为x=[x1，x2， ……，xn]∈Rm×n，y=[y1，y2， ……，yn]∈Rs×n。分别以x-i

和y+k表示投入冗余与产出不足，则一项投入要素与产出要素的非效率水平为x-i/xi、y+k/yk，进而得出该产业态效率公式为：

ECO*=min1-1/m∑mi=1x /xi/1+1/p∑pk=1yk+/yk（1）

进一步将该产业非期望产出向量P′纳入上式（1）中，则模型调整为：

min ECO=1m∑mi=1x-ixi

1P+P'（∑pa=1yu+yua+∑p'b=1yv-yvb）

s.t.x-i≥∑nj=1，≠kxijλj;yu+≤∑nj=1，≠kyu+aiλj;yv-≥∑nj=1，≠kyv-bjλj;

λj≥0;x-i≥0;yu+≥0;yv-≥0;

i=1，2， ……，m;a=1，2， ……，p; b=1，2， ……，

p; j=1，2， ……，n.（2）

式中，当01时，表明该产业生态效率有效，且ECO值越大，效率越高[55]。

2.3.2  空間相关性检验

“城市矿产”产业受所在地区的条件制约，发展速率和发展阶段均不相同，在生态文明建设背景下，相邻地区的资源禀赋可能会吸引本地区企业转移，降低了本地区该产业生态效率，使得产业间空间溢出效应更显著。因此，文章采用空间自相关性分析模型（Morans I），来检验该产业生态效率是否存在空间相关性，具体公式如下：

I=n·∑ni=1∑nj=1Wij（ECOi-ECO）（ECOj-ECO）∑ni=1∑nj=1Wij·∑ni=1（ECOi-ECO）2（3）

式中，ECO=1n∑ni=1ECOi;n为地区总数;ECOi与ECOj分别为i地区与j地区的生态效率观测值;Wij为i与j的地理相邻空间权重矩阵。

I∈[0，1]，越靠近0，表示空间相关性越不明显，空间分布的随机性越强，当I>0，且Z[I]>1.96（I<0，Z[I]<1.96），表示空间正相关性（负相关性）显著，存在一定的集聚现象（扩散现象）。

2.3.3 空间计量模型

传统回归模型因空间因素干扰，会导致度量结果不太准确。为有效考察多个影响因素对“城市矿产”产业生态效率的空间效应，文章选取可考虑空间因素的空间计量模型。目前，认可度较高且应用较为广泛的模型有空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）。空间杜宾模型是SAR和SEM的一般形式，在一定条件下发生转化：

（1）空间杜宾模型。

ECOit=α∑26j=1WijECOjt+β1IDLit+β2（R&D）it+

β3OPUit+β4ENRit+β5PRPit+β6INAit+

β7INSit+∑26j=1WijIDLjtη1+∑26j=1Wij（R&D）jtη2+

∑26j=1WijOPUjtη3+∑26j=1WijENRjtη4+

∑26j=1WijPRPjtη5+∑26j=1WijINAjtη6+

∑26j=1WijINSjtη7+μi+γt+εit（4）

（2）空间滞后模型。

若η=0，则空间杜宾模型可转化为空间滞后模型。

ECOit=α∑nj=1WijECOjt+β1IDLit+β2（R&D）it+

β3FDIit+β4ENRit+β5PRPit+β6INAit+

β7INSit+μi+εit+γt+φ（5）

（3）空间误差模型。

若η×αβ=0，则空间杜宾模型可转化为空间误差模型。

ECOit=λ∑nj=1Wijψjt+β1IDLit+β2（R&D）it+β3FDIit+

β4ENRit+β5PRPit+β6INAit+β7INSit+μi+

γt+εit+φ（6）

式（4）—（6）中，α为空间效应系数;λ为误差项间的空间关联系数;ψjt为地区j第t年具有空间自相关特性的误差项;β1、β2、β3、β4、β5、β6、β7

分别为地区i第t年的发展水平（IDL）、技术创新（R&D）、对外开放（FDI）、环境规制（ENR）、宏观调控（PRP）、产业集聚（INA）、产业结构（INS）的参数向量;

η1、η2、η3、η4、η5、η6、η7为度量相邻地区“城市矿产”产业生态效率的参数;εit为地区i第t年的随机误差项;μi为空间效应;γt为时间效应;φ为突变效应。

关于空间权重矩阵的选择，由于空间依赖性与省份间地理位置相关，文章选用地理相邻权重矩阵[55]。

3 结果分析

3.1 “城市矿产”产业生态效率演变特征

3.1.1 总体演变特征

经MATLAB软件测算，我国2004—2017年各省份“城市矿产”产业生态效率水平如表3所示。从总体情况看，该产业生态效率水平有所提升，从2004年的0.87上升至2017年的1.06，年增长率约为1.53%。2017年生态效率最高的是湖南、广东、浙江、天津、北京和上海，均是省份均值的1.3倍以上，其次是黑龙江、福建、山东和江苏，在均值的1倍以上，其他省份都低于均值水平。

由表3可知，2004—2017年间26个省份该产业生态效率呈“类峰峦”结构演变，波动趋势较明显，集中性上升趋势多出现在2005、2012和2016年，集中性下降趋势多出现在2006、2013和2017年。对比年际峰顶和峰谷可知，位于峰顶的省份有4个，分别为北京（6次）、广东（4次）、天津（3次）和湖南（1次）;位于峰谷的省份有5个，分别为山西（1次）、辽宁（1次）、广西（3次）、云南（3次）和甘肃（5次）。综合对比以上9个省份“城市矿产”产业生态效率可发现，广东、北京和天津稳居省份均值之上，年增长率分别为-1.89%、3.12%和2.95%;甘肃、广西和山西始终在省份均值以下，年增长率为-1.40%、-1.49%和2.90%;云南波动程度最大，该产业生态效率最高值是最低值的5.18倍，湖南的该产业生态效率有稳步提升的表现，于2017年上升至26个省份最高点。

3.1.2  区域差异比较

综合省级“城市矿产”产业生态效率情况可发现，位于峰顶和峰谷的省份存在较显著的区域差异特征，集中变动的年份也多为“金融风暴”时期。因此，文章以中国三大区域为划分依据，进一步分析该产业生态效率差异情况，如图1所示。

由图1可知，三大区域“城市矿产”产业生态效率均值呈“趋同-分异-趋同”态势发展。其中，东部稳居首位，西部除2009年高于中部外，其他年份均低于中部。由区域对比结果，具体划分三个阶段分析。① 生态效率“趋同”阶段（2004—2005）。三区域集中增长至第一个小高峰，排名首位与排名末尾的区域该产业生态效率均值相差0.09，差异较小。分析原因可发现，2004年《中华人民共和国固体废物污染环境防治法》修订后，全国“城市矿产”相关企业数量迅速增长，至2005年扩大了近3.3倍，该阶段也是中国推动该产业发展的起步时期，同一作用下三区域该产业生态效率均值差异明显缩小。② 生态效率“分异”阶段（2006—2015）。2005年后，该产业生态效率均值分别于2009、2013和2016年出现了峰顶和峰谷现象。为适应国际金融危机影响，“城市矿产”相关企业迅速扩大规模、扩张产业链，分摊生产成本，由此提高了废弃物投入量，提高了生态效率，而西部以企业规模优势上升使得该产业生态效率均值第二;但上述措施的负面影响是再生产品总值低于回收总值，导致该产业生态成本变高，环保投资能力变弱，三区域该产业生态效率均值降到峰谷。③ 生态效率“趋同”阶段（2016—2017）。东部仍保持首位

发展，西部逐渐向中部地区该产业生态效率均值靠近，到2016年中部和西部该产业生态效率均值仅差0.03，增长趋势显著。但到2017年，三区域下降幅度较大，可能与禁止“洋垃圾”入境规定有关。

3.2 “城市矿产”产业生态效率自相关分析

对各省份“城市矿产”产业生态效率进行自相关检验结果，见表4。各省份该产业生态效率存在显著的正向空间相关性，且均通过了10%水平的显著性检验，表明各省份该产业生态效率具有较明显的空间聚集。即运用空间面板计量模型来探讨该产业生态效率的影响因素能够减少误差，模型结构具有说服力。

从表4可知，2004—2017年“城市矿产”产业生态效率的Morans I值呈增长趋势，期间有最大差值约为0.147的波动现象，说明该产业生态效率空间相关显著性虽有所增强，但分布格局还不太稳定，易发生变动。为更好体现该产业生态效率的空间集聚状态，绘制2004和2017年Morans I空间分布圖，如图2所示。图中H为高效率值边界，L为低效率值边界，H-H（一象限）、L-L（三象限）分别表示高-高集聚区、低-低集聚区，L-H（二象限）、H-L（四象限）分别表示低-高分异区、高-低分异区。横坐标为各代表年份该产业生态效率，纵坐标代表相邻省份该产业生态效率的加权平均值。

由图2可知，“城市矿产”产业生态效率整体由低值集聚向较高值集聚状态转变，但存在“微分异”现象。位于H-H集聚区的省份主要集中在东部地区和中部地区，西部省份在L-L集聚区和H-L分异区徘徊。位于第一、三象限的省份占比分别为30.8%、26.9%，表明该产业生态效率水平较高和较低的省份在地理空间分布上相对集中，且表现出正相关的空间效应，该产业生态效率水平较高的省份对周边省份的辐射带作用较强。在2017年位于L-L集聚区的西部部分省份在2004年位于H-L分异区，属于自身该产业生态效率水平较低，分异于相邻中部省份，周边省份在2017年已将其从分异状态带入低值集聚状态，未来需再对其加大辐射力度。位于L-H分异区的广西、河北、重庆和贵州则紧邻生态效率水平较高的省份，受自身优势产业与周边省份该产业辐射作用影响，“城市矿产”产业生态效率波动性较大，需要协调好产业的协同发展。

4 “城市矿产”产业生态效率影响因素分析

4.1 模型选择

为选定适合“城市矿产”产业生态效率影响因素分析的模型，对26个省份该生态效率的影响因素进行传统面板模型参数估计，见表5。

表5与表6列出了传统面板模型和空间计量模型估计结果。由表5固定效应检验结果可知，空间、时间固定效应均显著存在。进一步，基于这两种固定效应下建立空间面板模型发现，LM Lag、Robust LM Lag均通过1%的显著性检验，尽管LM与Robust LM倾向于SAR模型，但SAR与SEM均成立，应建立SDM模型进行分析，通过Wald检验、LR检验发现，统计量均通过1%的显著性检验。因此，最终应选择空间和时间双向固定的SDM模型进行影响因素分析。

4.2 结果分析

基于表6分析结果，以因素显著性及系数大小为依据将影响因素分为以下四类：

（1）核心显著因素。技术创新（R&D）通过了1%的显著性检验，与“城市矿产”产业生态效率呈强正相关。技术创新以先进再制造技术、污染减排技术和智能回收模式等方式[57]，推动该产业对废弃物潜在价值的开发，在提高该产业清洁生产能力的同时，降低了环境二次污染，可有效提升该产业生态效率，促使产业朝阳发展[58]。相邻地区间无法通过R&D影响本地该产业生态效率，这说明技术创新的“洼地”未形成，不利于该产业的知识引进，偏向传统型的加工处理技术依旧存在。

（2）次要显著因素。产业发展水平（IDL）和产业集聚（INA）对该产业生态效率有较大影响力。产业集聚更有利于弥补该产业短板，形成优势互补效应来促进该产业紧缺资源要素的流动，使得集聚区内的产业不断提高发展水平，逐渐凸显其环保性和公益性特征。但需要注意的是，邻地该产业越集聚，本地该产业资源越易转移[59]，使其生态效率越低;邻地产业发展水平越高，对本地辐射作用也越强，生态效率提高。

（3）一般显著因素。环境规制（ENR）和产业结构（INS）也可提升该产业生态效率。从表6看出，政府的环境规制有了一定效果，该产业积极提高污染治理能力和环保贡献力，具有广阔的进步空间;相对于其他工业产业，该产业优势在于“消化”废弃终端[60]，因此，其产业结构水平越高生态效率越高。

（4）其他因素。对外开放水平（FDI）与宏观调控（PRP）对该产业生态效率无显著影响。实际生活中，对外开放背景下，进口垃圾因资源利用效率高的优势虽然促进了该产业发展进步，但会严重危害我国生态环境，垃圾进口限令下，该效应需要时间来验证;该产业生态效率并未受到优惠政策的促进，说明宏观调控手段应继续调整或完善。

5 结论与建议

基于2004—2017年我国26个省份面板数据，通过构建超效率SBM模型对“城市矿产”产业生态效率进行测算，从总体与区域两个角度分析其动态演变特征，并分析了影响该产业生态效率发展的影响因素。研究发现，研究期内我国“城市矿产”产业生态效率整体表现为上升趋势，大致呈“类峰峦”结构演变，平均值从2004年的0.87提高至2017年的1.06。① 在总体特征上，该产业生态效率年增长率在-1.89%～3.12%间波动，超效率发展省份由7个增加至12个，生态效率有效发展局面由沿海地区逐渐向内陆地区扩散。② 区域差异比较上，主要表现为东部>中部>西部的发展格局，三区域该产业生态效率均值呈“趋同-分异-趋同”态势，造成这种发展态势的原因主要是金融危机与区域经济差异。③ 从空间相关性看，2004—2017年我国“城市矿产”产业生态效率整体存在显著正相关性，且相关性逐渐增强。从局部相关性看，该产业生态效率分布状态以高值集聚与低值集聚为主，东部与中部省市居多，但后期出现“微分异”现象，这表明该产业生态效率的邻近效应不稳定。

从影响因素检验结果可以发现，提升“城市矿产”产业生态效率的主要动力是技术创新因素，虽然邻地间尚未表现出显著的技术集聚效应，但可通过产业发展水平弥补这一不足;产业集聚水平也是提高该产业生态效率的关键因素，但需要警惕由邻地产业集聚导致的资源外溢现象;环境规制与产业结构体现了该产业环保态度和环保地位;宏观调控与对外开放水平需要时间验证其对该产业生态效率的影响能力。

基于上述研究结论，建议从三个方面提高“城市矿产”产业生态效率。

一是，以技术创新提高“城市矿产”产业生态效率。创造产业外部研发环境，建议该产业每个行业内的典型企业与高校、科研机构等共建技术创新实验室，针对行业技术类型与特点，制定清洁技术投产、绿色先进制造等技术投产方案，提高新型技术投产效率。营造产业内部技术创新氛围，鼓励该产业积极探索拆解加工类、精细加工类、再制造类等技术的组合效应，并对其精细化分工以寻求环保处理方法。

二是，以产业融合推动“城市矿产”产业发展。一方面，加强绿色供应链顶层设计，工业企业应遵循回收性、拆解性等产品设计理念，优先采用再生材料进行产品设计与生产活动;鼓励制造业供应链主导企业加强绿色生产与产品标准，激活上下游企业与该产业融合活力，提高该产业发展水平。另一方面，强化汽车、电子、电池类产品的生产者废弃物回收处置责任，鼓励生产者与“城市矿产”产业链上企业合作，形成一体化废弃物回收处理体系，以此提高该产业集聚水平。

三是，以环保措施促进“城市矿产”产业环保效应。根据该产业每个细分行业特点，尤其是稀有金属冶炼行业，细化从拆解、粗加工、精细加工、提炼等每个环节的绿色生产标准与环境标准，并对行业全过程实行环境效应监测。此外，加快“城市矿产”回收体系建设，优化产业结构，对于企事业单位等同规模的集体组织，采取定时回收废弃电池、电子产品等策略，对于个体用户与乡镇用户，采取社区定时定点回收策略。

参考文献

[1]SEPUIVEDA A， SCHLUEP M， RENAUD F G， et al. A review of the environmental fate and effects of hazardous substances released from electrical and electronic equipments during recycling： examples from China and India [J]. Environmental impact assessment review， 2010， 30（1）： 28-41.

[2]JONES P T， GEYSEN D， TIELEMANS Y， et al. Enhanced landfill mining in view of multiple resource recovery： a critical review [J]. Journal of cleaner production， 2013， 55： 45-55.

[3]王昶， 徐尖， 姚海琳. 城市礦产理论研究综述 [J]. 资源科学， 2014， 36（8）： 1618-1625.

[4]罗宏， 孟伟， 冉圣宏. 生态工业园区： 理论与实证 [M]. 北京： 化学工业出版社， 2004： 102.

[5]薛菲， 袁汝华. 城市矿产环境效益分析 [J]. 重庆理工大学学报（自然科学）， 2014， 28（6）： 126-130.

[6]CHERUBINI F， BARGIGLI S， ULGIATI S. Life cycle assessment （LCA） of waste management strategies： landfilling， sorting plant and incineration [J]. Energy， 2019， 34（12）： 2116-2123.

[7]OLIVEIRA M L S， IZQUIERDO M， QUEROL X， et al. Nanoparticles from construction wastes： a problem to health and the environment [J]. Journal of cleaner production，2019，219：236-243.

[8]WILSON D C， VELIS C A， RODIC L. Integrated sustainable waste management in developing countries [J]. Waste and resource management， 2013， 166（2）： 52-68.

[9]GUNARATHNE N， ALWIS A， ALAHAKOON Y. Challenges facing sustainable urban mining in the e-waste recycling industry in Sri Lanka [J]. Journal of cleaner production， 2020， 251.

[10]ARDI R， LEISTEN R. Assessing the role of informal sector in WEEE management systems： a system dynamics approach [J]. Waste management， 2016， 57： 3-16.

[11]ILANKOON I M S K， GHORBANI Y， CHONG M N， et al. E-waste in the international context：a review of trade flows， regulations， hazards， waste management strategies and technologies for value recovery [J]. Waste management， 2018， 82： 258-275.

[12]VOGEL C， WELLENDORF S. Chemical reactions during the preparation of P and NPK fertilizers from thermochemically treated sewage sludge ashes [J]. Soil ence and plant nutrition， 2010， 56（4）： 627-635.

[13]GALVEZM J L， STYLES D， SCHOENBERGER H， et al. Construction and demolition waste best management practice in Europe [J]. Resources， conservation and recycling， 2018， 136： 166-178.

[14]李健， 唐燕， 张吉辉. 中国再生资源产业聚集度变动趋势及影响因素研究 [J]. 中国人口·资源与环境， 2012， 22（5）： 94-100.

[15]刘光富， 张士彬， 鲁圣鹏. 中国再生资源产业知识产权运用机制顶层设计 [J]. 科学学与科学技术管理， 2014， 35（10）： 3-12.

[16]李艳梅， 孙丽云， 牛苗苗. 再生资源产业关联及宏观经济效应分析 [J]. 资源科学， 2018， 40（3）： 580-588.

[17]郗永勤， 张大涛. 再生资源“互联网+回收”模式的构建 [J]. 科技管理研究， 2018， 38（23）： 260-267.

[18]SCHALTEGGER S， STURM A. kologische rationalitt [J]. Die unternehmung ， 1990， 44（4）： 273-290.

[19]OECD. Eco-efficiency [R]. Paris： Organisation for economic co-operation and development， 1998： 7-9.

[20]GJALT H， MASANOBU I. A framework for quantified eco-efficiency analysis [J]. Journal of industrial ecology， 2005 （4）： 25-41.

[21]SILVEIRA J L， JR J A D C. Combined cycle versus one thousand diesel power plants： pollutant emissions， ecological efficiency and economic analysis [J]. Renewable & sustainable energy reviews， 2007， 11（3）： 524-535.

[22]刘璨， 于法稳， 任鸿昌， 等. 平原林业生态效率测算与分析：以江苏省淮安市为例 [J]. 中国农村经济， 2004 （6）： 47-53.

[23]吴小庆， 王亚平， 何丽梅， 等. 基于AHP和DEA模型的农业生态效率评价：以无锡市为例[J]. 长江流域资源与环境， 2012， 21（6）： 714-719.

[24]GIORDANO P， CAPUTO P， VANCHERI A. Fuzzy evaluation of heterogeneous quantities： measuring urban ecological efficiency [J]. Ecological modeling， 2014， 288（5）： 112-126.

[25]付麗娜， 陈晓红， 冷智花. 基于超效率DEA模型的城市群生态效率研究：以长株潭“3+5”城市群为例 [J]. 中国人口·资源与环境， 2013， 23（4）： 169-175.

[26]HANNON B. Ecological pricing and economic efficiency [J]. Ecological economics， 2001， 36（1）： 19-30.

[27]陈黎明， 王文平， 王斌. “两横三纵”城市化地区的经济效率、环境效率和生态效率：基于混合方向性距离函数和合图法的实证分析 [J]. 中国软科学， 2015 （2）： 96-109.

[28]刘宁， 吴小庆， 王志凤， 等. 基于主成分分析法的产业共生系统生态效率评价研究 [J]. 长江流域资源与环境， 2008（6）： 831-838.

[29]马晓君， 李煜东， 王常欣， 等. 约束条件下中国循环经济发展中的生态效率：基于优化的超效率SBM-Malmquist-Tobit模型 [J]. 中国环境科学， 2018， 38（9）： 3584-3593.

[30]刘子怡， 郝红霞. 基于组合式多元统计模型的区域生态效率评价 [J]. 统计与决策， 2017 （4）： 113-115.

[31]VOGTLANDER J G， BIJMA A， BREZET H C. Communicating the eco-efficiency of products and services by means of the eco-costs/ value model [J]. Journal of cleaner production， 2002，10（1）：57-67.

[32]DYCKHOFF H， ALLEN K. Measuring ecological efficiency with data envelopment analysis（DEA） [J]. European journal of operational research， 2001， 132（2）： 312-325.

[33]卢燕群， 袁鹏. 中国省域工业生态效率及影响因素的空间计量分析 [J]. 资源科学， 2017， 39（7）： 1326-1337.

[34]李成宇， 张士强， 张伟. 中国省际工业生态效率空间分布及影响因素研究 [J]. 地理科学， 2018， 38（12）： 1970-1978.

[35]侯孟阳， 姚顺波. 空间视角下中国农业生态效率的收敛性与分异特征 [J]. 中国人口·资源与环境， 2019， 29（4）： 116-126.

[36]TIMO K.Measurement and analysis of eco-efficiency an economists perspective [J]. Journal of industrial ecology， 2005， 9（4）： 15-18.

[37]GUDIPUDI R， LUDEKE M K B， RYBSKI D， et al. Bench marking urban eco-efficiency and urbanites perception [J]. Cities， 2018， 74（4）： 109-118.

[38]MAHDILOO M， SAEN R F， LEE K H. Technical environmental and eco-efficiency measurement for supplier selection： an extension and application of data envelopment analysis [J]. International journal of production economics， 2015， 168： 279-289.

[39]罗能生， 王玉泽. 财政分权、环境规制与区域生态效率：基于动态空间杜宾模型的实证研究 [J]. 中国人口·资源与环境， 2017， 27（4）： 110-118.

[40]付玉芹， 于君宝， 周迪， 等. 黄河三角洲典型滨海城市产业结构转变过程及生态环境效应 [J]. 中国人口·资源与环境， 2016， 26（S2）： 133-136.

[41]龚新蜀， 王曼， 张洪振. FDI、市场分割与区域生态效率：直接影响与溢出效应 [J].中国人口·资源与环境，2018， 28（8）：95-104.

[42]魏艳旭， 孙根年， 李静. 基于技术进步的中国能源消耗与经济增长： 前后两个30年的比较 [J]. 资源科学， 2011， 33（7）： 1338-1345.

[43]杨仁发. 产业集聚能否改善中国环境污染 [J]. 中国人口·资源与环境， 2015， 25（2）： 23-29.

[44]曾现来， 李金惠. 城市矿山开发及其资源调控： 特征、可持续性和开发机理 [J]. 中国科学： 地球科学， 2018， 48（3）： 288-298.

[45]姚海琳， 张翠虹. 政策工具视角下中国城市矿产政策效果评估 [J]. 城市问题， 2018 （11）： 12-20.

[46]高峰， 王金德， 郭政. 我国区域工业生态效率评价及DEA分析 [J]. 中国人口·资源与环境， 2011， 21（S1）： 318-321.

[47]黄建欢， 方霞， 黄必红. 中国城市生态效率空间溢出的驱动机制：见贤思齐VS见劣自缓 [J]. 中国软科学， 2018 （3）： 97-109.

[48]侯孟阳， 姚顺波. 中国城市生态效率测定及其時空动态演变 [J]. 中国人口·资源与环境， 2018， 28（3）： 13-21.

[49]国家统计局.指标解释 [EB/OL]. 北京：国家统计局， 2013-10-29. [2019-12-02]. http：//www.stats.gov.cn/tjsj/zbjs/201912/t20191202_1713053.html.

[50]陈兰. 技术创新驱动产业生态转型的模式分析 [J]. 技术经济与管理研究， 2017 （7）： 103-107.

[51]王磊， 王琰琰， 李慧明. 再生资源产业集聚与区域环境污染：来自我国省域面板数据的实证分析[J].科技进步与对策， 2018， 35（13）： 72-77.

[52]林季红， 刘莹. 内生的环境规制：“污染天堂假说”在中国的再检验 [J]. 中国人口·资源与环境， 2013， 23（1）： 13-18.

[53]MADDISON D. Environmental Kuznets curves：a spatial econometric approach[J].Journal of environmental economics and management， 2006， 51（2）： 218-230.

[54]陈立泰， 张祖妞. 我国服务业空间集聚水平测度及影响因素研究 [J]. 中国科技论坛， 2010 （9）： 51-57.

[55]王腾， 梁晶. 基于非期望产出超效率SBM模型的港口能源效率评价 [J]. 武汉理工大学学报（交通科学与工程版）， 2018， 42（4）： 637-641.

[56]杨文举. 中国省份工业的环境绩效影响因素：基于跨期DEA-Tobit模型的经验分析 [J]. 北京理工大学学报（社会科学版）， 2015， 17（2）： 40-48.

[57]ELLISON G， GLAESER E. Geographic concentration in U.S. manufacturing industries： a dartboard approach [J]. Journal of political economy， 1997， 105（5）： 889-927.

[58]陆菊春， 段文璐， 钟珍， 等. 战略新兴产业内在需求与技术创新互动机制及周期异质性研究 [J]. 软科学， 2019，33（7）：1-7，14.

[59]张其春， 郗永勤. 城市废弃物资源化利用网络的脆弱性及影响机理 [J]. 经济管理， 2016， 38（10）： 168-183.

[60]张翠菊， 张宗益. 中国省域产业结构升级影响因素的空间计量分析 [J]. 统计研究， 2015， 32（10）： 32-37.

Dynamic evolution characteristics and influencing factors of

‘urban mining industrial ecological efficiency

TANG Yan MENG Fanyue

（School of Management， Tianjin University of Technology， Tianjin 300384， China）

Abstract The recycling of ‘urban mining is one of the means to alleviate resource bottlenecks and build an ecological industrial system in China. This study attempts to explore the ecological efficiency of ‘urban mining industry and its key driving factors， aiming to provide a reference for China to continuously promote the replacement of old growth drivers and the ecological transformation and upgrading of the industry. Based on the unexpected output super-efficiency SBM model， this paper measured the ecological efficiency of 26 provinces and municipalities in China from 2004 to 2017 to analyze its overall evolution， regional differences and spatial correlation， and used spatial econometric model to explore the factors affecting the ecological efficiency of the industry. The results showed that： ① The ecological efficiency of the ‘urban mining industry showed a peak-like fluctuating upward trend from 0.87 in 2004 to 1.06 in 2017. During this period， the average annual difference of the ecological efficiency between the provinces and municipalities located in the peaks and valleys was about 12%， and the eastern region was always higher than the central and western regions， with more significant regional differences. ② The spatial correlation analysis showed that there was a strong spatial correlation between the 26 provinces and municipalities in terms of industrial ecological efficiency， which showed an overall shift from low-value agglomeration to medium-high value agglomeration， but in the late stage of development， some provinces and municipalities broke away from the overall trend and showed a slight divergence phenomenon. ③ The estimation results of the spatial econometric model showed that technological innovation was the core factor to improve the ecological efficiency of the urban mining industry， the level of industrial development and agglomeration was secondary factors， environmental regulation and industrial structure were general influencing factors， and macro-control and opening up level had no significant influence. Finally， this paper puts forward countermeasures and suggestions， such as improving innovation capacity by using domestic and foreign technologies， enhancing industrial agglomeration level through cooperation in green industries， enhancing environmental effects through refining environmental standards， and improving the recycling system through nesting with manufacturing layers， so as to improve the ecological development level of urban mining industry.

Key words urban mining industry; ecological efficiency; influencing factor; spatial effect

（責任编辑：于 杰）

收稿日期：2020-01-05  修回日期：2020-09-15

作者简介：唐燕，博士，副教授，主要研究方向为循环经济、“城市矿产”产业。E-mail：sugaryan@yeah.net。

基金项目：国家自然科学基金青年项目“中国再生资源产业脆性生成机理、风险测度与优化研究”（批准号：71503179）;教育部人文社会科学研究规划基金项目“城乡生活垃圾处理政策工具作用机理、效能评价及提升路径研究”（批准号：20A10060005）。

唐燕，孟繁玥.“城市矿产”产业生态效率动态演变特征与影响因素[J].中国人口·资源与环境，2020，31（6）：67-77.[TANG Yan，MENG Fanyue.Dynamic evolution characteristics and influencing factors of ‘urban mining industrial ecological efficiency[J]. China population， resources and environment， 2021，31（6）：67-77.]