生态效率、城镇化与空间溢出——基于空间面板杜宾模型的研究.pdf

第２８卷第１１期管理评论Ｖｏｌ． ２８， Ｎｏ． １１２０１６年１１月Ｍａｎａｇｅｍｅｎｔ Ｒｅｖｉｅｗ Ｎｏｖ．， ２０１６生态效率、城镇化与空间溢出 基于空间面板杜宾模型的研究陈真玲（河南财经政法大学经济学院／中原经济区“三化”协调发展河南省协同创新中心，郑州４５００４６）摘要如何解决中国城镇化进程中的环境污染问题是有关城镇化是否健康持续发展的重要问题。为探究城镇化进程中的生态效率水平及城镇化与生态效率的作用机制，本研究采用超效率ＤＥＡ和空间计量的方法对中国２００３－２０１２年３０个省份的生态效率进行测算，并对生态效率和城镇化的关系进行了实证分析。研究表明，城镇化与生态效率呈现较强的负相关关系，并且对邻近区域产生负的溢出效应，城镇化每提高１％，平均空间溢出效应为－０􀆰 ４８５％。排污费的征收对改善环境质量并没有起到明显的作用。城镇化对生态效率的溢出效应主要通过产业结构和技术水平来实现的，产业结构优化和技术水平对生态效率具有较强的空间溢出效应。因此中国在制定城镇化发展战略的时候要以调整产业结构和提升技术水平为着力点，同时建立区域之间的有效沟通和合作机制，优化污染企业的空间布局。关键词生态效率；城镇化；空间溢出效应；空间杜宾模型收稿日期２０１４－０６－３０基金项目国家社会科学基金项目（１４ＢＪＬ０６２）；河南财经政法大学重点学科建设项目；河南省哲学社会科学规划项目（２０１６ＢＪＪ０７０）。作者简介陈真玲，河南财经政法大学经济学院讲师，博士。引 言近年来中国城镇化的飞速发展对于提高人民生活、促进社会发展起到了巨大作用，但是也出现了一些环境问题。空气污染、水污染等严重影响着城市居民的身体健康和城镇化的质量。如何实现经济－能源－环境的协调发展，以最小的能源和环境污染代价实现经济的最大效益是中国新型城镇化面临的重要问题。生态效率概念的提出为我们研究城镇化进程中的经济－能源－环境耦合效率提供可测量、可观测的入口。世界性的著名机构［１，２］和一些学者们［３－６］一致认为生态效率是投入与产出的比值，在实现最大化价值的同时使得资源消耗与环境污染最小化。研究如何提高城镇化进程中的生态效率水平，对于推进新型城镇化进程、提高城镇化质量具有重要意义。在城镇化与生态效率的关系方面，Ｚａｒｚｏｓｏ和Ｍａｒｕｏｔｔｉ［７］研究表明在经济发达国家ＣＯ２排放量与城镇化的弹性系数负相关，这意味着一旦城镇化水平到达某一阈值，城镇化对污染物排放的影响将转化为负效应。从土地使用角度出发有学者［８］证明城市化严重影响到当地的生态系统，进而导致生态环境的污染。城镇化带来了显著的生态效应，使城市生态系统的结构、过程和功能受到影响或发生不可逆转的变化，出现了耕地资源流失、水资源稀缺、能源压力、城市环境污染严重等资源与生态环境问题［９］。杨冬梅等［１０］认为城镇化进程中形成的人口聚集、城市数目增加、生产、生活方式的改变，一方面使城市对于环境污染的集中治理发挥了更大效率的规模效应，这种正反馈能使城市化对于生态环境的压力在一定程度上趋于减小；但另一方面，城镇化水平迅速提高也不可避免地带来日益严峻的生态环境问题，这种负效应集中体现在大气、水、和固体废弃物污染上。在城镇化对生态效率的影响方面，李姝［１１］运用ＧＭＭ分析方法对城市化、产业结构调整与环境污染之间的关系进行实证分析，认为城市化、产业结构调整与环境污染之间存在着显著的相关性，城市化是影响生态环境的主要因素。付丽娜等［１２］建立Ｔｏｂｉｔ回归模型，认为产业结构、研发强度对生态效率有显著的正向影响，但引进外资对生态效率的影响是负面的，技术进步则是促进生态效率增长的内在动力。邓波等［１３］运用三阶段第１１期陈真玲生态效率、城镇化与空间溢出６７ ＤＥＡ模型研究发现第三产业占经济总量比例及人均受教育年限促进生态效率的增长，而环保财政支出并没有对生态效率起到应有的促进作用。罗能生等［１４］利用ＩＰＡＴ模型认为城镇化水平与区域生态效率呈非对称Ｕ型关系。随着城镇化水平的提高，区域生态效率不断下降，西部地区更为突出，而产业结构、环境政策和技术水平都从不同方面影响城镇化的生态效率。李胜兰等［１５］从政府竞争的视角，检验了环境规制对中国区域生态效率的影响。研究表明地方政府在环境规制的制定和实施行为中存在明显的相互“模仿”行为，同时环境规制对区域生态效率具有“制约”作用。根据以上研究可知城镇化作为中国经济增长的重要引擎，城镇的经济水平、产业结构和能源消费等都会对区域环境造成一定的影响，因此将城镇化与生态效率结合起来，研究城镇化如何影响区域生态效率，探究城镇化进程中能源、环境与经济发展的耦合机制具有重要的现实意义。在研究方法上，以往研究往往只考虑截面数据或者时间序列抑或是面板数据，而很少考虑空间溢出效应对各区域生态效率的影响作用，即某区域的生态效率会通过扩散或回流效应而对周围区域产生一定的影响。空间经济学认为，一个地区的某种经济地理行为与邻近地区的同一经济行为是相关的，因而会表现出一定程度的空间依赖或空间相关特征。国内外一些学者［１６－２２］分别从不同的角度验证了烟尘、ＣＯ２、ＰＭ１０等污染物存在着空间溢出效应。若空间溢出效应确实存在，忽视这种空间作用因素将会导致模型估计的偏误。因此本研究考虑生态效率与城镇化关系时把地理空间因素纳入分析框架中，利用空间计量模型进行定量研究，并对空间溢出效应进行验证和测算，从而克服了以往研究中的一些不足之处。空间自相关检验空间自相关揭示了区域之间的集聚现象，空间异质性指地理空间上的区域缺乏均质性，存在空间邻近区域的发达和落后、中心与外围等空间差异性。要检验生态效率和城镇化的空间自相关性需要估计出各区域生态效率值。本文根据Ａｎｄｅｒｓｅｎ和Ｐｅｔｅｒｓｅｎ［２３］提出的超效率ＤＥＡ方法来测算省域生态效率。选取的产出指标为地区ＧＤＰ。投入指标分别包括资源类投入和环境污染类投入，资源类投入选取能源消费总量、用水总量和建成区面积等指标。环境污染类指标选取各地区化学需氧量（ＣＯＤ），二氧化硫排放量（ＳＯ２）和烟（粉）尘排放量，这些非期望产出往往作为投入指标来处理，因此可以得到各地区生态效率评价指标体系。数据来源为历年中国统计年鉴、中国能源统计年鉴、中国环境统计年鉴等。选取中国３０个省、直辖市、自治区（西藏、台湾、香港和澳门数据暂缺）２００３－２０１２年数据。运用ＤＥＡ⁃ＳＯＬＶＥＲ Ｐｒｏ５计算出中国３０个省市生态效率值① 。各省城镇化水平采用城镇人口比上总人口来表示，生态效率值根据上述超效率ＤＥＡ测算出来。空间相关性检验常用Ｍｏｒａｎ’ｓ Ｉ指数来检验变量是否具有空间相关性。 Ｍｏｒａｎ’ｓ Ｉ指数定义如下Ｍｏｒａｎ’ｓ Ｉ ＝∑ ｎｉ ＝ １∑ ｎｊ ＝ １Ｗｉｊ（Ｙｉ － Ｙ－）（Ｙｊ － Ｙ－）Ｓ２∑ｎｉ ＝ １∑ ｎｊ ＝ １Ｗｉｊ（１）式（１）中Ｓ２ ＝ １ｎ ∑ ｎｉ＝１（Ｙｉ－Ｙ－）２，Ｙ－＝ １ｎ ∑ ｊｉ＝１Ｙｉ，Ｗｉｊ为空间权重矩阵，表达ｎ个区域的空间邻近关系。常用的０－１邻接矩阵设定为Ｗｉｊ ＝ １，当区域ｉ与ｊ相邻时０，当区域ｉ与ｊ不邻时{Ｍｏｒａｎ’ｓ Ｉ的取值范围一般为［－１，１］，小于０时表示空间负相关，等于０表示空间不相关，大于０时表示空间正相关。考虑到海南等省份是孤立区域，将其与广东省作为近邻。对于Ｍｏｒａｎ’ｓ Ｉ指数的计算结果，可以用标准化统计量Ｚ来检验空间自相关的显著性水平。利用ｍａｔｌａｂ７􀆰 ０软件按照公式（１）分别计算２００３－２０１２年度省域生态效率的Ｍｏｒａｎ’ｓ Ｉ指数，并得出相应的Ｚ值，如表１所示。 ２００３－２０１２年生态效率和城镇化水平的Ｍｏｒａｎ’ｓ Ｉ值均为正值，且Ｚ值在显著性５％的水平下都通过了空间自相关的检验，可以确信生态效①为了节省篇幅，生态效率值未列出，若有需要可以向作者索取。６８ 管理评论第２８卷率和城镇化水平两者均表现出一定的空间依赖性，且呈现空间正相关关系。这意味着构建生态效率与城镇化的模型时考虑空间效应符合客观的事实，这也与成金华等［２４］的研究结论一致即中国各地区生态效率呈现出正的空间相关性。至于这种空间自相关性的内在原因，可能的解释是各地区的城镇化在推进方式（以政府为主导的城镇化）、发展模式等方面具有相似性，并且普遍存在化石能源消费高，资源环境与经济发展不协调等问题，这种相似性在空间上就表现出一定的空间自相关性。表１ 省域生态效率Ｍｏｒａｎ’ｓ Ｉ统计量年份生态效率城镇化水平Ｍｏｒａｎ’ｓ Ｉ值Ｚ值Ｍｏｒａｎ’ｓ Ｉ值Ｚ值２００３ ０􀆰 ２６２９ ２􀆰 ５０２６ ０􀆰 ２３２１ ２􀆰 ２０４０２００４ ０􀆰 ２７０２ ２􀆰 ５５８６ ０􀆰 ２３２５ ２􀆰 ２０６５２００５ ０􀆰 １５８ １􀆰 ６３４８ ０􀆰 ２７０７ ２􀆰 ５３７６２００６ ０􀆰 ２４４２ ２􀆰 ４３５７ ０􀆰 ２７１６ ２􀆰 ５４６３２００７ ０􀆰 ２１５７ ２􀆰 １９０５ ０􀆰 ２７２７ ２􀆰 ５６１８２００８ ０􀆰 １８７５ ２􀆰 ００４６ ０􀆰 ２７３４ ２􀆰 ５７３７２００９ ０􀆰 １７２８ １􀆰 ８５５５ ０􀆰 ２７８２ ２􀆰 ６２１５２０１０ ０􀆰 １６８１ １􀆰 ８２１３ ０􀆰 ２６９ ２􀆰 ５４４６２０１１ ０􀆰 １８８ １􀆰 ９５８ ０􀆰 ２６４５ ２􀆰 ５１１５２０１２ ０􀆰 １７０８ １􀆰 ８０７２ ０􀆰 ２５９８ ２􀆰 ４７７２空间面板模型实证分析为了研究城镇化对生态效率的影响机制以及生态效率的空间溢出作用，以下建立生态效率影响因素的空间计量模型。１、变量的选取本研究参考经典ＩＰＡＴ模型有关生态效率影响因素，认为城镇化主要是通过产业结构、技术水平、环境政策等因素来影响区域生态环境。具体的变量设定为（１）被解释变量 区域生态效率（ｘｉａｏｌｖ）采用超效率模型估计出的生态效率历年值。 （２）解释变量 城镇化（ｕｒｂ）本文采用城镇人口比上总人口来衡量各地区城镇化水平。 （３）控制变量 产业结构（ｉｎｄｕｓ）、技术水平（ｅｎｅｒｇｙ）、环境政策（ｐａｉｗｕ）。其中产业结构用区域第三产业占地区生产总值比重来表示；环境政策由于大多数据的不可得性，大多数学者采用各地区排污费征收总额来表示地方政府对经济发展的环境政策；生产技术水平则用单位ＧＤＰ能耗来反映，单位ＧＤＰ能耗越小，说明该地区的经济生产具有较高的技术含量，反之说明该地区经济发展的技术含量低。各地区相关数据来自历年中国统计年鉴、中国能源统计年鉴、中国环境统计年鉴、中国环境年鉴等。数据选取时间长度为２００３－２０１２年度除去港澳台和西藏等地区的中国３０个省、直辖市和自治区。２、模型选择与构建根据以上分析，城镇化与生态效率具有显著的空间自相关性，传统的非空间面板数据模型估计精度将会下降，因此考虑建立生态效率与城镇化关系的空间面板数据。生态效率（ｘｉａｏｌｖ）的影响因素有城镇化水平（ｕｒｂ）、产业结构（ｉｎｄｕｓ）、技术水平（ｅｎｅｒｇｙ）、环境政策（ｐａｉｗｕ）。对以上变量取对数，分别表示为ｌｘｉａｏｌｖ、ｌｕｒｂ、ｌｉｎｄｕｓ、ｌｅｎｅｒｇｙ和ｌｐａｉｗｕ。建立如下空间面板数据模型。（１）空间滞后模型（Ｓｐａｔｉａｌ Ｌａｇ Ｍｏｄｅｌ，ＳＬＭ）主要研究各变量对其他地区的空间溢出现象。如式（２）所示ｌｘｉａｏｌｖ ＝ ｃ ＋ ρ Ｗｌｘｉａｏｌｖ ＋ β１ ｌｕｒｂ ＋ β２ ｌｐａｉｗｕ ＋ β３ ｌｅｎｅｒｇｙβ４ ｌｉｎｄｕｓ ＋ δｉ ＋ μｔ ＋ εｉｔ （２）εｉｔ ～ Ｎ（０，σ２ｉｔＩｎ）（２）空间误差模型（Ｓｐａｔｉａｌ Ｅｒｒｏｒ Ｍｏｄｅｌ， ＳＥＭ）。由于空间关系的存在，ε很可能受到很多因素的影响而变得复杂，不再服从简单的正态分布。其他可能影响生态效率的空间因素可能包含在ε里面，使得ε具有较强的相关性，考虑这些因素就构成了如下空间误差模型第１１期陈真玲生态效率、城镇化与空间溢出６９ ｌｘｉａｏｌｖ ＝ ｃ ＋ β１ ｌｕｒｂ ＋ β２ ｌｐａｉｗｕ ＋ β３ ｌｅｎｅｒｇｙβ４ ｌｉｎｄｕｓ ＋ δｉ ＋ μｔ ＋ εｉｔ （３）εｉｔ ＝ λＷεｉｔ ＋ φｉｔ φｉｔ ～ Ｎ（０，σ２ｉｔＩｎ）（３）综合考虑了解释变量和被解释变量的空间滞后因素就是空间杜宾模型。本研究参考Ａｎｓｅｌｉｎ［２５］和ＬｅＳａｇｅ和Ｐａｃｅ［２６］给出的空间杜宾模型（Ｓｐａｔｉａｌ Ｄｕｒｂｉｎ Ｍｏｄｅｌ，ＳＤＭ），设定模型如下ｌｘｉａｏｌｖ ＝ ｃ ＋ ρ Ｗｌｘｉａｏｌｖ ＋ β１ ｌｕｒｂ ＋ β２ ｌｐａｉｗｕ ＋ β３ ｌｅｎｅｒｇｙ ＋ β４ ｌｉｎｄｕｓ＋ θ１ Ｗｌｕｒｂ ＋ θ２ Ｗｌｐａｉｗｕ ＋ θ３ Ｗｌｅｎｅｎｇ ＋ θ４ Ｗｌｉｎｄｕ ＋ δｉ ＋ μｔ ＋ εｉｔ （４）εｉｔ ～ Ｎ（０，σ２ｉｔＩｎ）以上模型中δｉ为空间特质效应，μｔ为时期特质效应，Ｗ为空间权重矩阵。本研究采用０－１邻接矩阵，将海南与广东省作为近邻。空间面板模型的选择主要围绕零假设Ｈ０ ∶θ＝０和Ｈ０ ∶θ＋ρβ＝ ０展开，如果两个零假设均被拒绝，则选择空间杜宾模型，否则应在空间滞后和空间误差模型之间选择，选择的方法主要参照Ｗａｌｄ检验和ＬＲ检验。可见空间滞后模型和空间误差模型是空间杜宾的特殊形式。３、空间面板模型的选择通过非空间面板模型的比较，可以对是否适合构建空间面板模型进行进一步的判断，这一判定主要通过ＬＭ检验来确定的。如表２所示的个体固定效应的普通面板回归结果，ＬＭ的检验结果在５％的显著水平下都拒绝了没有空间误差或者空间滞后影响的原假设，因此考虑包括空间因素的面板模型是更优的选择。表２ 普通面板回归结果变量估计值ｔ值／统计量ｐ值ｌｕｒｂ ０􀆰 ２８０４２∗ ∗ ∗ ２􀆰 ９０１６ ０􀆰 ００４０ｌｐａｉｗｕ －０􀆰 １８９５∗ ∗ ∗ －４􀆰 ９７７５ ０􀆰 ００００ｌｅｎｅｒｇｙ －０􀆰 ４１７７∗ ∗ ∗ －７􀆰 ３４４８ ０􀆰 ００００ｌｉｎｄｕｓ ０􀆰 ８６２９∗ ∗ ∗ ５􀆰 ０３８６ ０􀆰 ００００Ａｄｊｕｓｔｅｄ Ｒ２ ０􀆰 ５８６０∗ ∗ ∗Ｌｏｇ ｌｉｋｅｌｉｈｏｏｄ －１３４􀆰 ９９∗ ∗ ∗ＬＭ ｔｅｓｔ ｎｏ ｓｐａｔｉａｌ ｌａｇ ９４􀆰 ０２８１∗ ∗ ∗ ０􀆰 ００００Ｒｏｂｕｓｔ ＬＭ ｔｅｓｔ ｎｏ ｓｐａｔｉａｌ ｌａｇ １１􀆰 ２９０７∗ ∗ ∗ ０􀆰 ０００８ＬＭ ｔｅｓｔ ｎｏ ｓｐａｔｉａｌ ｅｒｒｏｒ ８４􀆰 ７６８９∗ ∗ ∗ ０􀆰 ００００Ｒｏｂｕｓｔ ＬＭ ｔｅｓｔ ｎｏ ｓｐａｔｉａｌ ｅｒｒｏｒ ２０􀆰 ３１４∗ ∗ ∗ ０􀆰 ００３１注∗ ∗ ∗ ，∗ ∗ ，∗分别表示在１％，５％和１０％的水平下统计显著，下同。空间效应的存在使得各变量之间的关系变得更为复杂，破坏了普通面板数据之间的相互独立性。因此为了综合考虑各种空间因素，建立空间杜宾模型、空间滞后模型和空间误差模型，综合比较变量之间的相互关系。同时引入空间因素以后，ＯＬＳ估计不再是最优无偏估计量，Ａｎｓｅｌｉｎ［２５］建议采用极大似然法估计空间模型的参数。面板数据模型具有随机效应和固定效应模型两种，这需要通过Ｈａｕｓｍａｎ检验选择是否具有随机效应。如表３所示结果Ｈａｕｓｍａｎ检验在５％的显著性水平下拒绝了面板模型是随机效应模型的原假设，因此考虑建立双固定的空间面板模型。如表３所示三种空间计量模型的比较来看，空间杜宾模型和空间滞后模型的系数都通过５％的显著性检验，空间误差模型的城镇化水平（ｌｕｒｂ）和环境政策（ｌｐａｉｗｕ）没有通过显著性检验。从Ｒ⁃ｓｑｕａｒｅｄ和Ｌｏｇ⁃ｌｉｋｅｌｉ⁃ｈｏｏｄ来看，空间杜宾模型的拟合程度更好。 Ｗａｌｄ检验和ＬＲ检验均拒绝了Ｈ０ ∶θ＝０和Ｈ０ ∶θ＋ρβ＝０的原假设，因此空间杜宾模型不能简化为空间误差和空间滞后模型。总之根据以上检验空间杜宾模型更能表达生态效率和城镇化的空间依赖关系。依据空间杜宾模型可以得出以下结论（１）从整体上看，四个变量均在５％的显著性水平下通过了变量的显著性检验。这说明各省生态效率受到城市化水平、排污费征收、单位ＧＤＰ能耗和产业结构优化等变量的显著性影响，模型具有一定的解释力。（２）城镇化与生态效率呈现负相关关系，这与罗能生等［１４］人的研究结论一致。城镇化每提高１个百分７０ 管理评论第２８卷表３ 空间计量模型估计结果变量空间杜宾模型（ＳＤＭ）（双固定）空间滞后模型（ＳＬＭ）（双固定）空间误差模型（ＳＥＭ）（双固定）系数ｐ值系数ｐ值系数ｐ值ｌｕｒｂ －０􀆰 ４２０２∗ ∗ ∗ ０􀆰 ００００ －０􀆰 ４１９６∗ ∗ ∗ ０􀆰 ００００ －０􀆰 ２６６６ ０􀆰 １１４９ｌｐａｉｗｕ －０􀆰 ０７４８∗ ∗ ０􀆰 ０１２４ －０􀆰 ０７７７∗ ∗ ０􀆰 ０１０３ －０􀆰 ００７１ ０􀆰 ８２９７ｌｅｎｅｒｇｙ －０􀆰 ３７８０∗ ∗ ∗ ０􀆰 ００００ －０􀆰 ４４６４∗ ∗ ∗ ０􀆰 ００００ －０􀆰 １４８０∗ ０􀆰 ０６５５ｌｉｎｄｕｓ ０􀆰 ６４９３∗ ∗ ∗ ０􀆰 ００００ ０􀆰 ６８２２∗ ∗ ∗ ０􀆰 ００００ －０􀆰 ２７１２∗ ０􀆰 ０８０７Ｗ∗ ｌｕｒｂ －０􀆰 １３６２∗ ∗ ∗ ０􀆰 ００３１Ｗ∗ ｌｐａｉｗｕ ０􀆰 ０２５３ ０􀆰 ６８７０Ｗ∗ ｌｅｎｅｎｇ －０􀆰 ２３６７∗ ∗ ０􀆰 ０１０７Ｗ∗ ｌｉｎｄｕｓ ０􀆰 ４８２３∗ ∗ ∗ ０􀆰 ０００２λ／ ρ ０􀆰 １９７０∗ ∗ ∗ ０􀆰 ００５５ ０􀆰 ３８６０∗ ∗ ∗ ０􀆰 ００００ ０􀆰 ３０４０∗ ∗ ∗ ０􀆰 ００４２Ｒ⁃ｓｑｕａｒｅｄ ０􀆰 ７４０５ ０􀆰 ７２８０ ０􀆰 ６９９０Ｌｏｇ⁃ｌｉｋｅｌｉｈｏｏｄ －３７􀆰 ７６３７ －４９􀆰 ５３２９ －５１􀆰 ７６３检验方法估计值Ｐ值Ｗａｌｄ＿ｓｐａｔｉａｌ＿ｌａｇ １８􀆰 ５３６１∗ ∗ ∗ ０􀆰 ０００９ＬＲ＿ｓｐａｔｉａｌ＿ｌａｇ ２０􀆰 ０４５０∗ ∗ ∗ ０􀆰 ０００５Ｗａｌｄ＿ｓｐａｔｉａｌ＿ｅｒｒｏｒ １８􀆰 ６２７０∗ ∗ ∗ ０􀆰 ０００９ＬＲ＿ｓｐａｔｉａｌ＿ｅｒｒｏｒ ２０􀆰 ３２９１∗ ∗ ∗ ０􀆰 ０００４Ｈａｕｓｍａｎ ｔｅｓｔ⁃ｓｔａｔｉｓｔｉｃ ２１􀆰 １１５８∗ ∗ ０􀆰 ０１２１点，生态效率平均下降０􀆰 ４２０２个百分点，这说明中国的城镇化进程依靠资源的大量投入，城市工业造成了一定的污染。近年来北方大部分城市的雾霾现象就表明城市工业的发展造成了严重的空气污染。城镇化与权重矩阵乘积的系数也通过了５％的显著性检验，这说明城镇化对生态效率产生了一定的外溢效应，当地的城镇化进程会对邻近城市生态效率产生一定的负面影响，这也说明污染具有一定的空间溢出效应。 （３）从城镇化的环境规制、技术水平和产业结构优化对生态效率的影响来看Ａ．代表环境规制的排污费征收对生态效率呈现弱的负相关关系，有些学者则认为环境规制对环境污染具有正效应。也有学者［２７］与本文结论一致以排污费为代表的环境政策对改善生态效率并不显著。通过各省市历年排污费的征收情况来看，大多数省市的排污费呈现上升趋势，至于为什么没有对生态效率的改善起到应有的作用，究其原因是中国环保立法没有健全，环保部门的大部分收入来自于排污企业的排污费征收，环保部门与排污企业呈现出“供养”的关系使得环保力度大减。有研究将环境治理的低效归因于分权治理结构和政绩考核机制导致的地方政府在环境规制制定与实施过程中的“逐底竞争”（Ｒａｃｅ⁃ｔｏ⁃ｔｈｅ⁃Ｂｏｔｔｏｍ）行为由于环境污染具有外部性能够在地区之间传递（跨境污染问题），即使本地区实行严格的环境规制也不一定会减少环境污染带来的损失，因此地方政府倾向通过大力推动产业发展获取经济收益而与其他地区共同承担环境污染的成本［１５］。因此本文认为排污费的征收在现阶段还没有从根本上解决企业的污染排放问题。另外排污费的外溢效应并不显著，这主要是由于各地区在环境管制方面不具有趋同现象。 Ｂ．代表区域技术水平的万元ＧＤＰ能耗与生态效率负相关。能耗越高，代表能源消耗越多，从而环境污染越严重，主要是中国的能源结构以煤炭、石油等传统能源为主，城市的清洁能源使用程度较低，从而能源消费就会造成一定的环境污染。权重与能耗的乘积系数显著，说明能耗具有一定的空间溢出效应。这主要是中国区域的能源效率具有空间同质性。 Ｃ．城镇产业结构优化与生态效率呈现显著的正相关关系。产业结构优化每提高１％，生态效率平均提高０􀆰 ６４９３％。以服务业为代表的第三产业的发展具有节能环保的优点，对邻近地区产生了较强的溢出效应（产业结构优化与权重乘积显著为正）同时为重工业部门的节能环保提供一定的技术支撑。因此在改善区域环境质量方面发挥了重要的作用。第１１期陈真玲生态效率、城镇化与空间溢出７１ ４、空间溢出效应在不考虑空间因素的普通回归模型中，参数估计反映了自变量对因变量的影响。当考虑空间因素后，参数估计由于包含了大量关于观测区域之间信息而变得复杂。 Ｌｅｓａｇｅ ＆ Ｐａｃｅ［２８］提出了直接效应（ＤｉｒｅｃｔＥｆｆｅｃｔ）、间接效应（Ｉｎｄｉｒｅｃｔ Ｅｆｆｅｃｔ）和总效应（Ｔｏｔａｌ Ｅｆｆｅｃｔ）来刻画这种关系。直接效应反映了解释变量对本地区自变量的平均影响程度，间接效应反映了解释变量对其他地区因变量的平均影响程度，总效应则反映解释变量对所有地区的平均影响程度。空间杜宾模型的形式为ｙ ＝ ρＷｙ＋αιｎ ＋Ｘβ＋ＷＸγ＋ε，则将其变形为 （Ｉｎ － ρＷ）ｙ ＝ Ｘβ ＋ ＷＸθ ＋ αιｎ ＋ εｙ ＝ ∑ｋｒ ＝ １Ｓｒ（Ｗ）ｘｒ ＋ Ｖ（Ｗ）αιｎ ＋ Ｖ（Ｗ）ε （５）其中Ｓｒ（Ｗ） ＝ Ｖ（Ｗ）（Ｉｎβｒ ＋ Ｗθｒ）Ｖ（Ｗ） ＝ （Ｉｎ － ρＷ） －１ ＝ Ｉｎ ＋ ρＷ ＋ ρ２Ｗ２ ＋ ρ３Ｗ３ ＋ 将（５）式展开ｙ１ｙ２︙ｙｎéëêêêêêùûúúúúú＝ ∑ｋｒ ＝ １Ｓｒ （Ｗ）１１ Ｓｒ （Ｗ）１２ Ｓｒ （Ｗ）１ｎＳｒ （Ｗ）２１ Ｓｒ （Ｗ）２２ Ｓｒ （Ｗ）２ｎ Ｓｒ （Ｗ）ｎ１ Ｓｒ （Ｗ）ｎ２ Ｓｒ （Ｗ）ｎｎéëêêêêêùûúúúúúｘ１ｒｘ２ｒ︙ｘｎｒéëêêêêêùûúúúúú＋ Ｖ（Ｗ）αιｎ ＋ Ｖ（Ｗ）ε变量ｙｉ对ｘｉｒ的偏导∂ｙｉ∂ｘｉｒ＝Ｓｒ （Ｗ）ｉｉ度量了ｘ的变化对本地区的ｙ的观测值造成的平均影响，即直接效应，通过计算数值矩阵Ｓｒ（Ｗ）中对角线元素的平均值得到。 ｙｉ对ｘｊｒ的偏导∂ｙｉ∂ｘｊｒ＝Ｓｒ （Ｗ）ｊｉ度量了ｘ的变化对其他地区ｙ的观测值造成的平均影响，即间接效应，通过计算数值矩阵Ｓｒ（Ｗ）中非对角线元素的平均值得到。总效应则是数值矩阵Ｓｒ（Ｗ）所有元素的平均值。在数值上总效应等于直接效应加上间接效应。间接效应实际上是一种空间溢出效应，Ｂｅｈｒｅｎｓ和Ｔｈｉｓｓｅ［２９］指出空间回归模型考察这种交互作用是非常重要的一个方面。因此本研究通过建立空间计量模型，估计出自变量对因变量的直接效应和间接效应等来观察生态效率的空间溢出效应。表４ 空间溢出效应估计结果变量直接效应间接效应总效应系数ｐ值系数ｐ值系数ｐ值ｌｕｒｂ －０􀆰 ４２０２∗ ∗ ∗ ０􀆰 ００００ －０􀆰 ０６４８∗ ∗ ∗ ０􀆰 ０００２ －０􀆰 ４８５０∗ ∗ ∗ ０􀆰 ０００５ｌｐａｉｗｕ －０􀆰 ０７４８∗ ∗ ０􀆰 ０１２４ －０􀆰 ０４５３ ０􀆰 ６３６７ －０􀆰 １１０１∗ ∗ ∗ ０􀆰 ００３７ｌｅｎｅｒｇｙ －０􀆰 ３７８０∗ ∗ ∗ ０􀆰 ００００ －０􀆰 ３７２９∗ ∗ ∗ ０􀆰 ０００３ －０􀆰 ７５０９∗ ∗ ∗ ０􀆰 ００００ｌｉｎｄｕｓ ０􀆰 ６４９３∗ ∗ ∗ ０􀆰 ００００ ０􀆰 ５４８４∗ ∗ ∗ ０􀆰 ０００３ １􀆰 １９７７∗ ∗ ∗ ０􀆰 ００００利用ｍａｔｌａｂ７􀆰 ０软件，根据上文提到的估计空间效应的方法得到空间溢出效应如表４所示。从直接效应的回归系数来看与空间杜宾模型的解释变量回归系数是一致的。从间接效应的回归系数来看，城镇化对邻近区域具有显著的空间溢出效应。城镇化进程的每提高１％，引起邻近区域的生态效率平均下降为０􀆰 ０６４８％。城镇化对本地区和近邻影响的总效应为０􀆰 ４８５，也就意味着城镇化每提高１％，导致对所有地区的生态效率平均下降０􀆰 ４８５％。排污费对本地区具有一定的影响，但是对近邻的影响却不显著。万元ＧＤＰ能耗对本地区生态效率的弹性为－０􀆰 ３７８，对近邻影响的平均弹性为－０􀆰 ３７２９，总的影响效应平均为－０􀆰 ７５０９，这说明万元ＧＤＰ能耗具有强烈的空间溢出效应，能耗的提高将会对本地区和周围地区的环境造成严重的污染。产业结构优化无论对本地区还是邻近区域生态效率都产生正的空间溢出效应，具体为产业结构每提高１个百分点，直接效应、间接效应和总效应分别提高０􀆰 ６４９３、０􀆰 ５４８４和１􀆰 １９７７个百分点，这种较强的空间溢出将会带来环境质量的较大改善。７２ 管理评论第２８卷结论和政策建议本研究将生态效率与城镇化进程结合起来构建生态效率与城镇化关系的空间杜宾模型，从而克服了以往研究遗漏空间效应的问题，提高了模型估计精度。通过对城镇化对生态效率的影响机理分析，得出以下结论（１）城镇化与生态效率呈现负相关。城镇化每提高１个百分点，生态效率平均下降０􀆰 ４２０２个百分点。城镇化对近邻区域间接影响弹性为－０􀆰 ０６４８，总的影响效应高达－０􀆰 ４８５０。城镇化进程过多的依赖资源能源的投入，粗放型的经济增长模式不仅对本地区造成严重的污染，通过空间效应也对周围地区产生一定的环境污染。城镇化对环境的影响表现出较强的空间溢出效应。 （２）排污费无论对本地区还是近邻地区的生态效率影响较小，这说明排污费的征收并没有起到应有的环境污染控制作用，因此合理设计相关机制，发挥排污费对环境污染的消减机制具有重要的意义。 （３）单位ＧＤＰ能耗与生态效率呈现负相关关系。这种关系不仅表现在对本地区的生态效率的抑制作用，还通过空间影响产生一定的空间溢出效应。这说明中国的能源利用技术和能源消费结构一直未得到根本性转变，这在一定程度上导致了环境污染问题的加剧。因此提高科技水平，不断研发新的节能减排技术，有效改善能源消费结构，才能提高生态效率水平。 （４）产业结构优化对生态效率具有正面的响应。产业结构每提高１个百分点，直接效应提高０􀆰 ６４９３％，间接效应提高０􀆰 ５４８４％，从而总效应提高１􀆰 １９７７％。第二产业包含了大量的能源、环境密集型行业，是我国能源消耗与环境污染最集中的产业。优化经济结构，降低第二产业的比重，切实提升第三产业的比重，大力发展高新技术产业与服务业对中国节能减排具有积极作用［３０］。根据以上研究，城镇化和生态效率具有明显的空间溢出效应，因此各地区在治理环境污染的时候要考虑到区域之间的沟通和合作。为此提出以下政策建议（１）城镇化进程中的产业结构调整与优化是治理环境污染的关键，但是这也涉及到产业结构的转移，环境学家指出高耗能产业向经济落后国家转移是经济发达国家环境质量改善的重要原因，而中国的发达地区的高耗能重工产业转移不能仅仅考虑本地区的环境问题，还要考虑中西部地区的环境污染问题，因为环境污染的空间溢出作用将对全国大部分地区造成一定的空间回流作用。因此在全国整体角度上优化产业结构的空间布局，合理安排污染产业的空间转移问题是缓解环境压力的重要举措。（２）环境规制对于城镇环境污染本应起到明显的积极作用，但是本研究显示这种作用并不明显，而且没有显著的空间溢出。这说明目前以征收排污费为手段的环境规制并不能对环境改善起到相应的作用。汪克亮等［３１］也认为管理的无效率即资源环境管理水平的低下是阻碍生态效率提高的最重要根源。地方政府追求自身利益的考虑往往导致公共政策在制定与执行的过程中被扭曲。因此虽然中国的环境法明确规定了地方政府对本地环境应该承担的责任与义务，但许多地方政府仍然以牺牲环境为代价来追求高速的经济增长。为此不但要加强中央政府对地方政府环境管制政策执行的监督力度，还应继续优化地方政府考核机制，重点考察能够反映地区经济可持续增长能力的绿色ＧＤＰ，缓和增长与污染之间的两难选择［３２］。（３）以万元ＧＤＰ能耗为代表的地方技术水平对生态效率提高具有显著的影响，因此政府在城镇化推进的同时要加大节能减排技术的开发力度和政策支持。李婧和管莉花［３３］认为区域创新效率与地理位置及经济发展水平之间存在显著的正向空间相关性，地区创新效率依赖于其他与之具有相似空间特征的地区创新活动。因此中央和地方政府在制定区域创新发展战略时，必须考虑各地区经济与创新水平的异质性，将区域创新效率的空间联系与相互作用纳入政策制定过程中，合理安排相应的政策，以促进区域创新生产的协调发展。参考文献［１］ ＷＢＣＳＤ． Ｅｃｏ⁃ｅｆｆｉｃｉｅｎｔ Ｌｅａｄｅｒｓｈｉｐ ｆｏｒ Ｉｍｐｒｏｖｅ Ｅｃｏｎｏｍｉｃ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｐｅｒｆｏｒｍａｎｃｅ［Ｍ］． Ｇｅｎｅｖａ ＷＢＣＳＤ， １９９６［２］ ＯＥＣＤ． Ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ［Ｒ］． Ｏｒｇａｎｉｚａｔｉｏｎ ｆｏｒ Ｅｃｏｎｏｍｉｃ Ｃｏｏｐｅｒａｔｉｏｎ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ， １９９８［３］ Ｙｉｎ Ｋ．， Ｗａｎｇ Ｒ． Ｓ．， Ａｎ Ｑ． Ｘ．， ｅｔ ａｌ． Ｕｓｉｎｇ Ｅｃｏ⁃Ｅｆｆｉｃｉｅｎｃｙ ａｓ ａｎ Ｉｎｄｉｃａｔｏｒ ｆｏｒ Ｓｕｓｔａｉｎａｂｌｅ Ｕｒｂａｎ Ｄｅｖｅｌｏｐｍｅｎｔ Ａ Ｃａｓｅ Ｓｔｕｄｙ ｏｆＣｈｉｎｅｓｅ Ｐｒｏｖｉｎｃｉａｌ Ｃａｐｉｔａｌ Ｃｉｔｉｅｓ［Ｊ］． Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ， ２０１４，３６（１）６６５⁃６７１［４］ Ｋｉｅｌｅｎｎｉｖａ Ｎ．， Ａｎｔｉｋａｉｎｅｎ Ｒ．， Ｓｏｒｖａｒｉ Ｊ． Ｍｅａｓｕｒｉｎｇ Ｅｃｏ⁃Ｅｆｆｉｃｉｅｎｃｙ ｏｆ Ｃｏｎｔａｍｉｎａｔｅｄ Ｓｏｉｌ Ｍａｎａｇｅｍｅｎｔ ａｔ ｔｈｅ Ｒｅｇｉｏｎａｌ Ｌｅｖｅｌ［Ｊ］．第１１期陈真玲生态效率、城镇化与空间溢出７３ Ｊｏｕｒｎａｌ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｍａｎａｇｅｍｅｎｔ， ２０１２，１０９（１０）１７９⁃１８８［５］ Ｍｉｃｋｗｉｔｚ Ｐ．， Ｍｅｌａｎｅｎ Ｍ．， Ｒｏｓｅｎｓｔｒöｍ Ｕ．， ｅｔ ａｌ． Ｒｅｇｉｏｎａｌ Ｅｃｏ⁃Ｅｆｆｉｃｉｅｎｃｙ Ｉｎｄｉｃａｔｏｒｓ Ａ Ｐａｒｔｉｃｉｐａｔｏｒｙ Ａｐｐｒｏａｃｈ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆＣｌｅａｎｅｒ Ｐｒｏｄｕｃｔｉｏｎ， ２００６，１４（１８）１６０３⁃１６１１［６］ Ｙａｎｇ Ｚ． Ｆ．， Ｚｈｏｕ Ｘ． Ｃ．， Ｘｕ Ｌ． Ｙ． Ｅｃｏ⁃ｅｆｆｉｃｉｅｎｃｙ Ｏｐｔｉｍｉｚａｔｉｏｎ ｆｏｒ Ｍｕｎｉｃｉｐａｌ Ｓｏｌｉｄ Ｗａｓｔｅ Ｍａｎａｇｅｍｅｎｔ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｃｌｅａｎｅｒ Ｐｒｏ⁃ｄｕｃｔｉｏｎ， ２０１４，１０４（１０）１⁃８［７］ Ｚａｒｚｏｓｏ Ｉ． Ｍ．， Ｍａｒｕｏｔｔｉ Ａ． Ｔｈｅ Ｉｍｐａｃｔ ｏｆ Ｕｒｂａｎｉｚａｔｉｏｎ ｏｎ ＣＯ２ Ｅｍｉｓｓｉｏｎｓ Ｅｖｉｄｅｎｃｅ Ｆｒｏｍ Ｄｅｖｅｌｏｐｉｎｇ Ｃｏｕｎｔｒｉｅｓ［Ｊ］． Ｅｃｏｌｏｇｉｃａｌ Ｅ⁃ｃｏｎｏｍｉｃｓ， ２０１１，７０（７）１３４４⁃１３５３［８］ Ｋｈａｒｅｌ Ｇ． Ｉｍｐａｃｔｓ ｏｆ Ｕｒｂａｎｉｚａｔｉｏｎ ｏｎ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｒｅｓｏｕｒｃｅｓ Ａ Ｌａｎｄ Ｕｓｅ Ｐｌａｎｎｉｎｇ Ｐｅｒｓｐｅｃｔｉｖｅ ［Ｄ］． Ｍａｓｔｅｒ Ｔｈｅｓｉｓ， Ｔｈｅ Ｕｎｉ⁃ｖｅｒｓｉｔｙ ｏｆ Ｔｅｘａｓ ａｔ Ａｒｌｉｎｇｔｏｎ， ２０１０［９］ 李双成，赵志强，王仰麟．中国城市化过程及其资源与生态环境效应机制［Ｊ］．地理科学进展， ２００９，２８（１）６３⁃７０［１０］ 杨冬梅，万道侠，杨晨格．产业结构、城市化与环境污染 基于山东的实证研究［Ｊ］．经济管理研究， ２０１４，（２）６７⁃７４［１１］ 李姝．城市化、产业结构调整与环境污染［Ｊ］．财经问题研究， ２０１１，（６）３８⁃４３［１２］ 付丽娜，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［１３］ 邓波，张学军，郭军华．基于三阶段ＤＥＡ模型的区域生态效率研究［Ｊ］．中国软科学， ２０１１，（１）９２⁃９９［１４］ 罗能生，李佳佳，罗富政．中国城镇化进程与区域生态效率关系的实证研究［Ｊ］．中国人口·资源与环境， ２０１３，２３（１１）５３⁃６０［１５］ 李胜兰，初善冰，申晨．地方政府竞争、环境规制与区域生态效率［Ｊ］．世界经济， ２０１４，（４）８８⁃１１０［１６］ Ｒｕｐａｓｉｎｇｈａ Ａ．， Ｇｏｅｔｚ Ｓ． Ｊ．， Ｄｅｂｅｒｔｉｎ Ｄ． Ｌ．， ｅｔ ａｌ． Ｔｈｅ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｋｕｚｎｅｔｓ Ｃｕｒｖｅ ｆｏｒ ＵＳ Ｃｏｕｎｔｉｅｓ Ａ Ｓｐａｔｉａｌ ＥｃｏｎｏｍｅｔｒｉｃＡｎａｌｙｓｉｓ ｗｉｔｈ Ｅｘｔｅｎｓｉｏｎｓ［Ｊ］． Ｐａｐｅｒｓ ｉｎ Ｒｅｇｉｏｎａｌ Ｓｃｉｅｎｃｅ， ２００４，８３（２）４０７⁃４２４［１７］ Ｐｏｏｎ Ｊ． Ｐ． Ｈ．， Ｃａｅａｓ Ｉ．， Ｈｅ Ｃ． Ｆ． Ｔｈｅ Ｉｍｐａｃｔ ｏｆ Ｅｎｅｒｇｙ， Ｔｒａｎｓｐｏｒｔ， ａｎｄ Ｔｒａｄｅ ｏｎ Ａｉｒ Ｐｏｌｌｕｔｉｏｎ ｉｎ Ｃｈｉｎａ［Ｊ］． Ｅｕｒａｓｉａｎ Ｇｅｏｇｒａ⁃ｐｈｙ ａｎｄ Ｅｃｏｎｏｍｉｃｓ， ２００６，４７（５）１⁃１７［１８］ Ｋａｎｇ Ｙ． Ｑ．， Ｚｈａｏ Ｔ．， Ｙａｎｇ Ｙ． Ｙ． Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｋｕｚｎｅｔｓ Ｃｕｒｖｅ ｆｏｒ ＣＯ２ Ｅｍｉｓｓｉｏｎｓ ｉｎ Ｃｈｉｎａ Ａ Ｓｐａｔｉａｌ Ｐａｎｅｌ Ｄａｔａ Ａｐｐｒｏａｃｈ［Ｊ］．Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ， ２０１６，６３（４）２３１⁃２３９［１９］ Ｈｏｓｓｅｉｎ Ｈ． Ｍ．， Ｋａｎｅｋｏ Ｓ． Ｃａｎ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｑｕａｌｉｔｙ Ｓｐｒｅａｄ ｔｈｒｏｕｇｈ Ｉｎｓｔｉｔｕｔｉｏｎｓ［Ｊ］． Ｅｎｅｒｇｙ Ｐｏｌｉｃｙ， ２０１３，５６（１）３１２⁃３２１［２０］ 王火根，滕玉华．经济发展与环境污染空间面板数据分析［Ｊ］．技术经济与管理研究， ２０１３，（２）８５⁃８９［２１］ 许和连，邓玉萍．外商直接投资导致了中国的环境污染吗 基于中国省际面板数据的空间计量研究［Ｊ］．管理世界，２０１２，（２）３０⁃４３［２２］ 马丽梅，张晓．中国雾霾污染的空间效应及经济、能源结构影响［Ｊ］．中国工业经济， ２０１４，（４）１９⁃３１［２３］ Ａｎｄｅｒｓｅｎ Ｐ．， Ｐｅｔｅｒｓｅｎ Ｎ． Ｃ． Ａ Ｐｒｏｃｅｄｕｒｅ ｆｏｒ Ｒａｎｋｉｎｇ Ｅｆｆｉｃｉｅｎｔ Ｕｎｉｔｓ ｉｎ Ｄａｔａ Ｅｎｖｅｌｏｐｍｅｎｔ Ａｎａｌｙｓｉｓ［Ｊ］． Ｍａｎａｇｅｍｅｎｔ Ｓｃｉｅｎｃｅ，１９９３，３９（１０）１２６１⁃１２６４［２４］ 成金华，孙琼，郭明晶，等．中国生态效率的区域差异及动态演化研究［Ｊ］．中国人口·资源与环境， ２０１４，２４（１）４７⁃５４［２５］ Ａｎｓｅｌｉｎ Ｌ． Ｓｐａｔｉａｌ Ｅｃｏｎｏｍｅｔｒｉｃｓ Ｍｅｔｈｏｄｓ ａｎｄ Ｍｏｄｅｌｓ［Ｍ］． Ｄｏｒｄｒｅｃｈｔ Ｋｌｕｗｅｒ Ａｃａｄｅｍｉｃ Ｐｕｂｌｉｓｈｅｒｓ， １９８８［２６］ ＬｅＳａｇｅ Ｊ．， Ｐａｃｅ Ｒ．