地方政府行为对工业能源环境效率的影响——以“一带一路”沿线省市区为例

杨恺钧，王文轩

（河海大学 商学院，江苏 南京 211106）

0 引言

“一带一路”倡议由习近平总书记提出，已上升为国家三大战略之一，成为高质量发展的重要着手点。“一带一路”倡议涉及的省市区多，经济体量大，工业发展迅速，有力地支撑了我国国民经济健康稳定发展。在贸易保护主义复苏、中美贸易摩擦加剧的国际环境和国内改革进入深水区的内部环境下，对“一带一路”沿线省份的工业能源消费结构、能源环境效率及分解进行研究，有助于探索工业高质量发展和工业能源合理消费的路径，对推动我国工业行业实现高质量发展、摆脱能源制约和贸易困境具有一定的现实意义。在市场在资源配置中起“决定性作用”的今天，政府干预在市场经济中的地位依旧不可或缺。能源消费总量大，环境污染较为严重，政府干预提高市场经济运行效率的同时，能否进而提高能源环境效率？现阶段，能源利用效率亟待提高，而公共产品的分配与使用离不开政府的决策与导向。财政分权后地方政府财权扩大，为了提高本地区经济水平与物质发展，不可避免会与相邻地区产生经济竞争。此类地方政府经济竞争能否对工业能源环境效率的提升创造良性条件？不断创新进行科学技术水平的提高才能带来能源利用效率的提升，仅凭企业自身这条技术研发之路却显得复杂漫长。那么如果地方政府给予创新方面的支持，会否对能源利用效率带来影响？工业能源环境效率的低下给周围环境带来持续压力，近年来环境保护问题一直是政府工作的重点，为此各地政府出台一系列环境规制政策对企业进行约束。此时政府的环保偏向行为影响企业的同时又能否影响能源环境效率？因此探讨地方政府经济干预、经济竞争、创新偏向和环保偏向行为对能源环境效率的影响，对地方政府在经济新常态下找准定位和服务方向，更好地发挥地方政府的积极作用有重要意义。

本文以2010—2020年“一带一路”沿线省市区工业为研究对象，测算“一带一路”沿线省市区工业能源环境效率，对工业能源环境效率与地方政府经济干预、经济竞争、创新偏向和环保偏向之间的内在联系展开研究，探讨不同地方政府行为对能源环境效率的影响。本文采用改进的非径向方向距离函数进行能源效率测算。该模型不仅克服了径向DEA模型的缺陷，能如实反映实际生产状况、提高测算的精确性，还能通过对各项指标的权重予以合理分配，在全要素框架下加强能源投入与其他投入的区分度，着重考察能源与产出的变动关系，从而测算出真正的能源效率。Tobit模型类型为因变量受限制模型，被解释变量通常为片断值、切割值。此模型利用极大似然法进行估计，能够很好地避免参数估计不一致或有偏问题。由于DEA模型（包括且不限于超效率DEA模型）所得的效率结果取值在［0，＋∞］，是典型的受限被解释变量，因而与Tobit模型具有天然的适配性。因此得出的工业能源环境效率值将作为被解释变量带入Tobit模型中用于考察4种地方政府行为对能源环境效率的影响。从研究区域和背景来看，目前未曾有文献以我国“一带一路”沿线省份为着眼点对工业全要素能源效率进行研究，而沿线省市区作为我国对外连接的窗口，研究意义重大。从研究视角来看，当前有关地方政府行为的研究主要集中在地方政府对经济的干预、政府环境规制强度上，极少存在对地方政府创新偏好的研究，且针对地方政府行为对能源环境效率影响方面的研究文献少之又少。据此，本文从地方政府的经济干预、经济竞争、创新偏好、环保偏好4个维度衡量地方政府的行为，从行为强度分组和时间段分组全面考察“一带一路”沿线省市区地方政府行为对能源环境效率的影响。

1 文献评述

1.1 地方政府行为对能源环境效率的影响

1.1.1 地方政府干预和竞争对能源环境效率的影响

从已有研究来看，有一些学者认为适宜的政府干预能够提高市场经济的运行效率，进而有利于提高能源环境效率。如陈峥（2017）发现虽然政府补贴对提高全要素能源效率具有消极作用，但政府处罚能促进全要素能源效率的提升。高达等（2022）得出结论，长三角城市政府干预与合作促进了市场一体化，明显提高了城市能源效率。刘那日苏等（2022）高度肯定政府干预为黄河流域的绿色全要素生产率提高做出的突出贡献。同样也有许多学者发现如果地方政府只注重短期政府干预手段的实施，很有可能不利于当地能源环境效率的提升（周敏等，2019）。聂雷等（2021）也表示政府干预程度越高，给绿色全要素生产率造成的负面影响越大。江洪等（2022）认为过高或过低强度的政府干预有抑制能源效率提升的趋向，适度的经济干预有利于能源效率的提高。

有关地方政府竞争方面的研究，不同学者也持有不同观点。孙国锋等（2017）发现政府过度竞争对区域生态效率影响消极，同时周边地区的生态效率及其解释变量还能对本地区生态效率产生影响，即存在空间外溢的可能。杨航（2016）得出结论，地方政府的经济干预会明显抑制所属省市的出口技术复杂度，这种扭曲效应不利于提高工业能源效率，东部和中部地区效应更加显著。周敏等（2019）发现地方政府之间激烈的竞争行为会挤占节能减排以及社会福利等方面的支出，从而很难提高当地的能源环境效率。马流星等（2021）认为地方政府竞争行为能够缓解财政分权抑制全要素生产率提升的负面影响。宋晓玲等（2022）通过研究发现，政府经济竞争对制造业绿色发展存在负面影响，而创新竞争存在正面影响。刘儒等（2022）同样得出结论，地方政府竞争对绿色发展效率的提高存在抑制作用。

1.1.2 地方政府创新与环保对能源环境效率的影响

许多学者探讨了工业创新研发、工业技术进步对能源环境效率的影响并取得丰硕的研究成果，但关于地方政府创新对能源环境效率影响的相关研究却相对较少，更多的研究则是有关政府创新补贴对企业研发的影响。陈书伟等（2022）基于相关上市公司数据的研究发现，地方政府补贴等地方政府行为对企业绿色创新绩效会产生重要的积极影响。周凌燕等（2021）运用Tobit模型，以30个省份为研究对象进行实证，结果表明政府科技投入能够一定程度上提升绿色发展水平。宋马林等（2021）利用PVAR模型实证分析发现，政府提供的创新支持的确促进了能源生态效率的提升。徐敏等（2022）发现政府行为对绿色创新效率存在积极作用，同时其与企业研发投入存在明显倒“U”关系。同时张在旭等（2020）认为目前政府对技术创新发展的意识尚有欠缺，应继续加大科研资金投入。

大量学者从地方政府环境规制角度入手研究其对全要素能源效率的影响。杨慧慧（2019）运用PVAR方法实证发现，命令控制型环境管制方式对能源效率的提高可以起到正向促进作用。叶红雨等（2022）利用偏向性技术模型得到的非正式环境规制对能源效率有直接提高作用。马骏等（2022）使用非期望SBM模型对长江经济带绿色发展效率进行测度，发现合理的环境规制政策可以发挥出其对能源效率的正面影响。李颖等（2019）发现环境规制与工业全要素能源效率之间存在一种“U”型关系；穆献中等（2022）同样发现了这种“U”型关系，并发现当环境规制强度达到一定程度时就能扭转先前的不利关系。钱敏等（2021）认为提高FDI与环境规制水平能够对“一带一路”能源利用效率起到正向推动作用。

总结以上文献发现，当前有关地方政府行为的研究主要集中在地方政府对经济的干预、政府环境规制强度上，且多是研究某一种地方政府行为，鲜少与其他地方政府行为进行联系做交叉研究。对地方政府创新偏好方面的研究较少，针对能源环境效率方面的研究文献不多。据此，本文从地方政府的经济干预、经济竞争、创新偏好、环保偏好4个维度衡量地方政府行为对能源环境效率的影响。鉴于此，提出如下假设：

H1：总体上来看，地方政府的经济干预与经济竞争不利于提高工业能源环境效率，而创新偏好和环境保护有利于提高能源环境效率。

H2：当考虑不同强度的地方政府经济干预分组时，低强度与高强度下其余3种地方政府行为对工业能源环境效率的影响会存在差异。

1.2 DEA模型回顾和梳理

通过对全要素能源效率相关论文中的DEA模型进行回顾和梳理，发现以下问题值得注意，即模型使用不统一，传统径向的DEA模型仍在被大量使用。虽然DEA模型已由径向发展到非径向，但是目前尚有文献仍是以径向DEA模型来研究全要素能源效率。冉启英等（2015）、高明（2016）采用DDF模型计算全要素能源效率，张成芬等（2022）使用DEA模型对高技术产业创新效率进行测算，张宵等（2023）构建DEA-BCC模型分别测算高新技术产业的两子系统创新效率。使用早期的DEA模型可能很难真实反映生产实际，影响能源效率的测算精度。近年来，也有学者认为SBM模型中所有要素的缩减或扩张对效率变量都有贡献，得到的能源效率结果其实是整个经济的综合效率（杜克锐等，2018），即在“劳动、指标、能源3种投入，期望和非期望2种产出”的框架下，计算所得的效率究竟是 “全要素能源效率”还是“能源约束下的全要素生产率”，还值得仔细推敲。因此，为使全要素能源效率与“能源约束下的全要素生产率”进行区分，本文采用改进的非径向方向距离函数进行能源效率测算。该模型不仅克服了径向DEA模型的缺陷，能如实反映实际生产状况、提高测算的精确性，还能通过对各项变量的权重予以合理分配，在全要素框架下加强能源投入与其他投入的区分度，着重考察能源与产出的变动关系，从而测算出真正的能源效率。此外，采用“全局生产技术集”对“当期生产技术集”存在跨期不可比、容易造成“技术被动倒退”的缺点进行改进，同时，该生产技术集具有更容易满足DEA模型对决策单元数量要求的优点。

2 研究方法

2.1 非径向方向距离函数

本文工业能源环境效率测算模型采用非径向方向距离函数（NDDF），此模型克服了DDF的“松弛偏差”弊端（李政等，2018），更加符合生产实际。同时，NDDF在全要素变量选取中仍能测算某单一投入要素的效率值，Zhang等（2014）利用这一优点将测算所得的全要素能源效率称为“能源环境效率”。

将资本（K）、劳动（L）、技术进步（R）、能源（E）作为投入要素，工业产值（Y）为期望产出，CO2和SO2（CS）作为非期望产出，生产技术可作如下定义，

若综合考察11年间17个决策单元，在规模报酬不变时，可将上述生产技术表述为

式中：K为资本；L为劳动；R为技术进步；E为能源；Y为期望产出；CS为非期望产出；t为年份；i为省份；λ为变量系数。

公式（2）使用的是Oh（2010）提出的全局生产技术集，即生产前沿面是由考察期内所有决策单元的样本点组成的。相比于当期生产技术集，减少了技术水平“被动倒退”的可能性，提升了测算的精确度。

构造的NDDF为

式中：WT为6种投入产出要素的权重；G＝（-gK，-gL，-gR，-gE，gY，-gCS），为方向向量，表示沿着gY方向增加期望产出，并沿着-gK、 -gL、-gR、-gE、-gCS方向减少投入和非期望产出；β＝（βK，βL，βR，βE，βY，βCS），为松弛向量，代表投入产出可以增加和减少的比例，由于β的不同变量可以有不同的取值，从而打破了DDF类模型同比例放松投入产出变化的限制。

为了突出对能源效率的关注，与能源约束下的全要素生产率进行区分，应在资本、劳动、技术进步投入保持不变的情况下，考察能源与两种产出的变动情况，即资本、劳动、技术进步投入可变动程度为0，能源投入与期望产出、非期望产出根据Zhang等（2014）、林伯强等（2015）等观点各以1／3权重进行变动①在无法得知其他先验信息的情况下，对全要素框架中考察的指标平等对待是比较合理的做法，因此将3种考察要素的权重均分。，此时的权重向量为WT＝（0，0，0，1／3，1／3，1／3），方向向量为G＝（0，0，0，-gE，gY，-gCS）。结合公式（2）与公式（3），构建全局非径向方向距离函数 （global non-radial directional distance function，GNDDF），为

模型的经济含义是在资本、劳动、技术进步投入既定与能源投入最小化的情况下，使期望产出最大化以及非期望产出最小化。模型设置符合生产者的意愿，且避免了与全要素生产率相混淆。线性规划求解后可得具体的松弛变量代入到公式（5），即可得到第i个决策单元第t年的全局环境能源效率。

式中：ρ为所求效率；β*为松弛变量。

求解后的ρ在0与1之间，且越接近1，表明效率越高。若等于1，则表明该决单元此时正好处于生产前沿面上，达到DEA有效。

2.2 Tobit模型

Tobit模型类型为因变量受限制模型，被解释变量通常为片断值、切割值。Tobit模型利用极大似然法进行估计，能够很好地避免参数估计不一致或有偏问题。由于DEA模型（包括且不限于超效率DEA模型）所得的效率结果取值在［0， ＋∞］之间，是典型的受限被解释变量，因而与Tobit模型具有天然的适配性。自学术界研究全要素能源效率相关领域之始，经过学术先贤的研究总结，逐渐形成了DEA＋Tobit两阶段回归的研究范式，并在这一领域得到认可和广泛使用。近年来，在DEA模型更新换代的同时，众多学者开始用面板Tobit模型代替普通的Tobit模型进行实证研究，以求得到更加精准的结论，岳立等 （2018）使用面板Tobit模型检验了“丝绸之路经济带”沿线26国的绿色全要素能源效率的影响因素；李根等（2019）同样运用该模型分析了我国30个省份制造业全要素能源生态效率的影响因素。参考这些学者的做法，本文同样使用面板Tobit模型进行实证分析，模型如公式（6）所示。

式中：Yit为被解释变量；为对应的潜变量；Xit为自变量；β0为常数项；βt为相关系数变量；εit为随机误差项。

3 “一带一路”沿线省市区工业能源环境效率

利用非径向方向距离函数对“一带一路”沿线省市区工业能源环境效率进行测度，得出的工业能源环境效率值将作为被解释变量代入Tobit模型中，用于考察4种地方政府行为对能源环境效率的影响。

3.1 变量选取与说明

1）资本投入。本文参考吴延瑞（2008）估算的各省市折旧率来确定资本投入，单位为亿元，采用固定资产价格指数以2007年为基期进行平减，保证考察期内数据的可比性。

2）劳动力投入。综合考虑劳动力数量与质量比较适应高质量发展的要求，本文以当年平均工业从业人员数量作为劳动力投入，单位为万人。

3）能源投入。本文选取工业生产中主要使用的8种直接燃烧的一次能源与2种间接能源，分别是：原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然气、电力、热力。使用《2020年中国能源统计年鉴》提供的能源折合标准煤参考系数统一折合为标准煤，单位为万t。

4）研发投入。参考杨恺钧等（2019）以规模以上工业企业R＆D经费作为技术进步的投入要素，单位为亿元。参照杨志江等（2017），设定R＆D经费价格指数＝0.55×消费价格指数＋0.45×固定资产投资价格指数进行平减。

5）期望产出：绿色工业增加值。参考杨恺钧等（2019），使用工业增加值减去大气污染治理费用后的绿色工业增加值作为期望产出，再用工业品出厂价格指数进行平减为2010年不变价，单位为亿元。

6）非期望产出：大气污染物和CO2排放量。大气污染物包括SO2、氮氧化物、烟尘和粉尘，单位为万t。

8种一次能源的CO2排放量根据《能源消耗引起的温室气体排放计算工具指南（2.1版）》的指导，用公式（7）进行测算。

式中：Mi为能源实际使用量；HVi为燃料基于重量或体积的热值；OXi为燃烧过程中的氧化率；Ci为燃料基于热值的碳含量值；44／12为C和CO2的转换因子；10-6为g与t的转换。

热力和电力的CO2排放量则根据《指南（2.1版）》提供的各省热力、电力碳排放因子计算得出，单位为万t。

本文变量选取涉及的数据主要来自《中国统计年鉴（2010—2020）》、国家统计局、17个省市区2010—2020年统计年鉴和《2020年中国能源统计年鉴》。一次能源的碳排放因子和热力、电力碳排放因子来自《能源消耗引起的温室气体排放计算工具指南（2.1版）》。对数据进行整理，各项变量的统计性信息见表1。

表1 投入产出变量的统计性信息Table 1 Statistical information of input／output variables

表2展示了各要素之间的相关性。由此可以看出，技术进步和传统投入要素一样，均与两种产出显著相关，且与期望产出的相关性大于与非期望产出的相关性。因此，技术进步在统计上也适合纳入投入产出变量选取，参与DEA模型的运算。

3.2 “一带一路”沿线省市区工业能源环境效率的测算结果

3.2.1 总体分析

基于2010—2020年17个省市区（西藏数据缺失严重，故不包含）工业行业面板数据，使用MATLAB软件对各省市区工业能源环境效率进行测算。据《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》，上海、浙江、福建、广东、海南5省为21世纪海上丝绸之路（以下简称“一路”），其余12省市区归属于丝绸之路经济带（以下简称“一带”）的范畴。各省市区11年间工业能源环境效率值如表3所示。

表3 2010—2020年“一带一路”沿线省市区工业能源环境效率值Table 3 2010 to 2020 industrial energy environmental efficiency of“the Belt and Road”provinces／cities

观察表3可知，存在不少省份的效率值与期初能源环境效率值相比出现上升或下降趋势，呈现出较大的波动，其原因可能与规模效率有关。在工业企业生产过程中，碳、二氧化硫等工业废弃物排放量时刻影响着规模效率的高低。本省份每年工业能源的集约使用量不同，控制工业废弃物排放量不同，使得规模效率出现变化，导致该省的能源环境效率值出现波动。依据表3，总体来看，工业能源环境效率呈现“海上丝绸之路＞沿线平均水平＞丝绸之路经济带”的态势。海上丝绸之路省份中上海和广东的效率最好，能源环境效率在基期为1，尽管期间波动较大，最终在2020年重新实现了效率有效。浙江和福建的效率紧随其后，然而，虽然福建的能源环境效率在基期完全有效，但在之后的10年里一直呈现下降趋势且较为严重，到2020年效率值仅为0.598。关于部分省份如上海、福建、广东等能源环境效率值下降，其原因可能与边际报酬递减与产能过剩有关。这段时期我国PPI指数呈现连年负增长趋势，延缓了制造业发展进程，以上部分省份工业领域核心行业存在相当明显的产能过剩与库存堆积问题，投入连年增加但期望产出却增值有限，导致工业能源环境效率的下降。海南由于其工业规模较小，其能源环境效率在5省市中排名垫底，效率值一直在0.6～0.4的水平徘徊。丝绸之路经济带各省市区的效率同样分为3档。第一档是工业基础较好的黑龙江、内蒙古、广西3省区，其能源环境效率值相对较高，在2010年达到DEA有效后，其余年份的效率值基本上都高于0.6；辽宁、吉林和重庆的效率值处于第二档水平，大部分年份的效率值均在0.4以上；其余6省市区的效率欠佳，位于第三档，尤其是青海、宁夏两省的效率值始终在0.2～0.3浮动，考虑到这些省份地区偏远且工业基础薄弱，其效率有待进一步提高。

3.2.2 分支线分析

考虑到地理位置、地区经济状况等存在较大差异，进一步将“一带一路”沿线省市区划为4条支线：东南线，包括上海、浙江、福建、广东、海南5省；东北线，包括内蒙古、辽宁、吉林、黑龙江4省；西南线，包括重庆、广西、云南3省市；西北线，包括陕西、甘肃、青海、宁夏、新疆5省区。沿线所有省市区平均水平及四大支线的工业能源环境效率11年间的变化趋势如图1所示。

图1 2010—2020年四大支线及沿线平均工业能源环境效率Fig.1 2010 to 2020 average industrial energy environmental efficiency of“the Belt and Road”and its four side lines

观察图1可知，从效率值大小来看，各支线的工业能源环境效率依“东南线＞西南线＞东北线＞平均水平＞西北线”的次序分布。从变动趋势来看，各支线及沿线平均水平的变动趋势基本一致，呈现 “先降后升”的波动变化。具体来看，以2014年为分界点，可将整体变动趋势分为两段。

第一段，2010—2014年，沿线省市区工业能源环境效率整体呈现“先降后升”的变化态势。其中处于“波谷”的年份为2012年，2010—2012年除东北线先增后减外其余诸线整体均呈下降趋势，2012年触底反弹后逐年递增，于2014年达到高峰；其中西南线效率于2013年、2014年超过东南线并处于领先位置。各线效率于2013年出现上升，可能与年初政府简政放权的提出与不断推进有关。地方政府服务社会的职能越发凸显，工业企业在较为宽松的发展中对外交流日益频繁，对外能源合作、技术合作的开展有助于提高能源环境效率。

第二段，2014—2020年，亦存在整体“先降后升”的波动变化。各支线的工业能源环境效率于2014—2018年均呈现缓步下降趋势，其中西南线与东北线多有重合，东南线效率整体高于其余支线并于2018年实现效率值的“扭降转升”，其余三大支线省市区的转折点出现在2019年。2018年2月国家能源局发布能源工作指导意见，提出加强能源系统整体优化，强调更加注重提高能源系统效率。从结果来看，各路支线工业能源环境效率均于2018—2019年停止下降并出现回升，并且随着改革的深入，2020年回升幅度有进一步扩大的趋势。

4 地方政府行为对工业能源环境效率的影响

4.1 模型建立

参考岳立等（2018）和李根等（2019）的做法，本文使用面板Tobit模型进行实证分析，模型如公式（8）所示。

式中：Yit为被解释变量，即工业能源环境效率（EEFit）；Yit*为对应的潜在变量；GEIit、GECit、GIPit、GEPit为核心解释变量，分别为地方经济政府干预、地方政府经济竞争、地方政府创新偏向、地方政府环保偏向，代表不同的地方政府行为；εit为随机误差项；Xit为控制变量（考虑到变量遗漏会产生内生性问题，增加Xit作为控制变量）。

4.2 变量选取与数据来源

4.2.1 被解释变量

工业能源环境效率（EEF），即为“一带一路”沿线省市区工业能源环境效率的测算结果，见3.2部分。

4.2.2 核心解释变量

1）地方政府经济干预（GEI）。参考张治栋等（2019）的研究，在政府财政支出中扣除了教育、科学、文化传媒与环境保护支出，并借鉴田红宇等（2019）的研究，构建商指数，剔除人口规模差异和地区经济发展水平差异，具体操作如公式（9）所示。GEI越大，表明地方政府经济干预的强度越高。

2）地方政府经济竞争（GEC）。借鉴吴勋等（2019）的做法，使用外商直接投资表示地方政府经济竞争，并且参考田红宇等（2019）的研究，构建商指数，剔除人口规模差异和地区经济发展水平差异，具体计算方法见公式（10）。GEC越大，表明地方政府经济竞争的强度越高。

3）地方政府创新偏向（GIP）。长期来看，地方政府直接或间接的创新活动会形成“补偿”机制，进而对当地经济发展造成影响。本文借鉴李政等（2018）的研究，将地方政府的教育支出和科学技术支出之和占地方政府财政总支出的比重设为地方政府创新偏向。

4）地方政府环保偏向（GEP）。高质量发展背景下，参考李政等（2018）的研究，以地方财政环境保护支出占地方财政总支出（扣除教育和科学技术支出后）的比重表示地方政府环保偏向。

4.2.3 控制变量

1）能源消费结构 （ECS）。参考岳立等（2018）、李根等（2019）的研究，用工业煤炭能源消费量占工业能源消费总量的比重表示能源消费结构，数值越大，表明能源生产越依靠能耗较高的煤炭资源。

2）地区经济发展水平（lnPGDP）。参考周敏等（2019）的研究，使用人均地区生产总值作为控制变量，数值越大，说明该地区经济发展程度越高。考虑到该变量原始数据较大，故对其做取对数处理。

3）工业发展规模（IC）。借鉴东童童（2017）的做法，从工业行业出发，用工业增加值占比衡量工业发展规模，并将其设为控制变量，数值越大，代表工业行业的规模越大。

4）对外开放程度（OPE）。本文研究区域是“一带一路”沿线省份，使用该变量作为控制变量符合地区特性。参照汪东芳等（2019）等的研究，使用货物进出口总额占地区生产总值的比重表示对外开放程度（OPE），数值越大，说明对外开放的程度越高。

4.2.4 数据来源

实证分析数据主要来自国家统计局数据库，数据库缺失的数据以“一带一路”沿线17个省市的统计年鉴（2010—2020年）为补充。FDI数据来自Wind数据库（吉林省2017年FDI数据缺失，以该省近3年FDI的平均增长率估算得出）。待各项变量整理完毕之后，运用STATA 15.1对其进行描述性统计分析，具体信息见表4。

表4 回归模型中各变量的描述性统计信息Table 4 Descriptive statistical information of variables in regression model

4.3 地方政府行为对工业能源环境效率影响的检验

4.3.1 总体样本回归检验

基于2010—2020年“一带一路”沿线省份面板数据，运用STATA 15.1软件在面板Tobit模型下进行回归，考察4种地方政府行为对能源环境效率的影响，回归结果如表5所示。

表5 2010—2020年总体样本回归结果Table 5 Regression results of 2010 to 2020 total samples

从总体样本来看：地方政府经济干预（GEI）和地方政府经济竞争（GEC）对工业能源环境效率会产生负面影响；地方政府创新偏向（GIP）和地方政府环保偏向（GEP）的提高有利于促进工业能源环境效率。这验证了假设1内容的正确性。具体来看，2种负面影响有所不同。GEI对工业能源环境效率的负面影响较大，系数为-0.272 8，即不考虑其他变量变化，地方政府对经济发展的干预每提高1个单位，会对工业能源环境造成27.28%的负面影响。GEC对工业能源环境效率的负面影响则较小，系数为-0.076 2，即不考虑其他变量变化，地方政府对经济发展的干预每提高1个单位，会对工业能源环境造成7.62%的负面影响。两者的负面影响大小不同，原因在于地方政府对经济的直接干预容错率低、机会成本高，一旦不适当行政决策被推行，会在很长时间内对经济造成影响；地方政府的经济竞争具有两面性，恶性竞争会造成经济资源的浪费，而适当的经济竞争则会加速人才、经济资源的流动，提高各项资源的利用率。从本文的实证结果来看，“一带一路”沿线省市区的地方政府应当适当减少政府干预，减少恶性竞争，通过经济的良性竞争来提高工业能源效率。

地方政府创新偏向（GIP）和地方政府环保偏向（GEP）对工业能源环境效率的正面影响都比较显著，系数均在2以上，说明地方政府对创新环境和生态环境的维护可能会成倍地“反哺”给工业能源环境效率。地方政府直接或间接的创新活动激发了社会其他创新主体如各大高校、研究所以及大规模企业的创新活力和创造精神。市场竞争机制倒逼各界创新主体进一步提高体创新活动的效率，同时地方政府通过所得税优惠和政府补贴的方式，为这些创新主体提供了安定舒适的创新环境，加强了创新成果的产出和转化。随着政府职能的转变，地方政府一方面会通过税收减免等方式鼓励工业企业绿色转型，另一方面会直接加大环境保护的财政支出。两方共同作用下，非期望产出将逐渐减少，工业企业对环境造成的负面影响逐渐削弱。政府环境补偿机制将会发挥显著作用，期望产出增加和工业污染排放减少能显著促进能源效率的提高。

简单看一下控制变量的回归结果。能源消费结构（ECS）的系数显著为负，表明“一带一路”沿线省市区以煤炭为主的工业能源消费结构不利于能源环境效率的提高。地区经济发展水平（lnPGDP）的系数也显著为负，结合“一带一路”现实情况，可能由于能源环境效率的增长与地区经济发展水平的增长存在背离趋势，在大部分考察期中，各省市区能源环境效率呈现下降趋势，而经济发展水平却不断提高。工业发展规模（IC）和对外开放程度（OPE）的回归系数均显著为正，在持续推进高质量发展时代背景下，会格外要求工业企业合理扩张，实现绿色发展，对外开放程度越高，说明沿线省市区对外交流越紧密，能在互通有无中学习国外先进技术和管理经验，同时，在激烈的国际市场竞争中面临着巨大的挑战，也会倒逼沿线省份工业企业加强创新，提高能源环境效率。

4.3.2 分强度回归检验

地方政府经济干预行为不仅会随着时间推移发生改变，在此过程中也会对其他3种地方政府行为产生影响，进而影响能源环境效率。据此，本文将地方政府经济干预（GEI）按强度进行分组①将地方政府经济干预指标按降序进行排序，然后取中位数分成高低两类样本组。，在不同干预行为强度视角下考察其余3种地方政府行为对能源环境效率的影响，面板Tobit回归结果如表6所示。

表6 不同地方政府经济干预强度分组下的回归结果Table 6 Grouping regression results under different local governmental economic intervention intensities

本回归检验验证了假设2的说法，并且发现当地方政府经济干预（GEI）强度下降时，有助于激发其余3种地方政府行为对工业能源环境效率的积极影响。当地方政府经济干预强度较高时，地方政府经济竞争（GEC）的回归系数为-0.057 7，此时对工业能源环境效率造成的影响仍然消极。但当干预强度较低时，地方政府经济竞争（GEC）对工业能源环境效率的影响显著为正，且回归系数增加到0.210 1。其原因可能是GEI强度下降，减少了行政主体决策失误的发生几率，地方政府之间的恶性经济竞争得到抑制，同时良性经济竞争得以显露，有助于吸引外部高质量的人才资源、科技资源和其他经济资源，更好地助力工业发展和能源使用。地方政府创新偏向（GIP）对工业能源环境效率的作用会增强但不显著，分析其原因可能与工业活动的创新主体有关。从指标选取来看，GIP面向经济社会，反映的是对社会创新环境的保护倾向，而工业行业只是经济社会中的组成部分之一。加强GIP有助于营造良好的创新氛围，继而有助于工业创新活动。但工业创新活动的直接主体始终是工业企业自身而非地方政府，地方政府营造的外在创新氛围只是起到辅助作用而非直接作用。因此，工业企业应当抓住政策机遇，提高创新活动的转化率。地方政府对经济干预的强度由高转低时，地方政府环保偏向（GEP）对工业能源环境效率的影响会显著地由负转为正。结合李颖等（2019）的论述，其原因可能是适当降低地方政府的经济干预强度有助于GEP跨越“U”型关系的拐点。地方政府对经济干预的强度下降时，有助于推动地方政府的职能转变，具体表现为地方政府通过税收减免等方式鼓励工业企业绿色转型，同时直接加大环境保护的财政支出。两方合力可使工业企业逐渐减少对环境造成的负面影响，期望产出增加和工业污染排放减少能显著促进能源效率的提高。总体来看，分强度回归检验结果验证了中央政府提出简政放权、转变政府职能等一系列政策的科学性。

4.3.3 稳健性检验

为了加强总体回归的可靠性，本文补充了稳健性检验。借鉴惠炜等（2016）的做法，将2010年的样本剔除，重新代入面板Tobit模型进行回归，结果如表7所示。

表7 剔除1年后的总体回归结果Table 7 Overall regression results excluding 1 year

表7展示的信息与表5中的内容几乎一致，回归系数的大小比较接近，回归符号则完全一样，显著性也基本一致。综合来看，本次稳健性检验的结果与总体样本回归结果基本一致，加强了本文实证分析的稳健性。

5 结论与政策建议

利用GNDDF模型测算、分解与分析“一带一路”沿线省份工业能源环境效率，并选取4种地方政府行为分别进行总体回归、分强度回归与稳健性检验，验证地方政府行为对工业能源环境效率的影响，得出以下结论。

1）工业能源环境效率呈现“海上丝绸之路＞沿线平均水平＞丝绸之路经济带”的次序分布；将“一带一路”沿线省市区划为4条支线后发现，各支线的工业能源环境效率依“东南线＞西南线＞东北线＞平均水平＞西北线”的次序分布。从变动趋势来看，各支线及沿线平均水平的变动趋势基本一致，呈现“先降后升”的波动变化。

2）Tobit模型下进行总体回归发现，地方政府经济干预（GEI）和地方政府经济竞争（GEC）对工业能源环境效率会产生负面影响；地方政府创新偏向（GIP）和地方政府环保偏向（GEP）的提高有利于提升工业能源环境效率。关于控制变量的回归结果，能源消费结构（ECS）和地区经济发展水平（PGDP）的回归系数均显著为负；工业发展规模（IC）和对外开放程度（OPE）的回归系数均显著为正。

3）对比分强度检验结果发现，当地方政府经济干预强度下降时，地方政府经济竞争（GEC）对工业能源环境效率的影响由负转为正且显著；地方政府创新偏向（GIP）对工业能源环境效率的作用会增强但不显著；地方政府环保偏向（GEP）对工业能源环境效率的影响同样显著地由负转为正。这说明适当降低地方政府对经济的干预强度，有助于激发其余3种地方政府行为对工业能源环境效率的积极影响。

根据本文的研究结果与结论，提出以下政策建议。

1）加强区域联动，实现优势互补。从能源环境效率测算来看，“一带”能源环境效率大于“一路”。提高自身能源环境效率，应与本省具体条件相结合。如东部省份的工业可发挥其技术和经济优势，研发和利用先进的生产设备提高劳动生产率，加强对大气污染物的治理，增加大气污染物的回收效率；内陆工业企业要注意关注东部地区的工业和能源发展动态，做好技术沟通，充分发挥出追赶效应；靠近西北的区域可发挥其毗邻中东的地理位置优势，在能源使用上加强“一带一路”能源合作，与能源、矿产丰富的沿线国家开展能源贸易往来。

2）放管结合，保持地方政府的良性竞争。文中实证发现，地方政府经济竞争对工业能源环境效率的影响呈现积极作用，表明应当在减少地方政府干预的情况下合理鼓励地方政府之间的良性竞争，使其占据主导地位。对此，一方面，在决策源头上修正地方政府跨区域经济活动的行为机制；另一方面，在决策实行时，坚持放管结合，避免竞争恶化。当地方政府涉及跨区域经济活动时，可通过中央部委统一部署、逐级指导分摊决策和执行的任务量，减少地方政府争夺资源配置的空间。

3）依法行政，优化地方政府的服务职能。从本文实证结果来看，地方政府在技术创新和环境保护等方面的作为有助于提高工业能源环境效率，这并非让地方政府直接承担科技创新和环境保护的责任，而是通过优化其职能，为工业行业的发展减少阻力，营造氛围，如地方政府通过加大对工业企业研发投入补贴的方式直接减少工业研发的成本等。在环境保护层面，可以和金融部门合作开发“绿色债券”，开放和鼓励碳交易。

4）引进外来先进技术，实现管理减排。本文实证结果也表明扩大对外开放程度有助于提高能源环境效率。鉴于此，沿线省份的工业需要坚持对外开放不动摇，在互通有无中学习先进技术，实现“管理减排”。具体来说，沿线省市区的工业企业可以通过改进生产技术减少大气污染物和温室气体的排放，利用技术手段回收可重复利用的大气污染物和CO2，合理规划清洁能源消费比例，以此提高能源环境效率。