潘艳敏，吴凤娇

（芜湖职业技术大学，安徽 芜湖 241003）

摘要：2024年10月，习近平总书记在安徽考察时强调，在打造具有重要影响力的经济社会发展全面绿色转型区上持续发力。本文以安徽省16个地级市为研究对象，基于2014—2023年面板数据，采用非径向、非角度的SBM模型，有效处理传统DEA模型在评估绿色效率时忽视非期望产出的局限，科学测度各市绿色经济发展效率，并运用Tobit模型识别其关键影响因素。研究发现：资源利用效率提升对绿色经济发展效率的影响系数为0.27、经济发展水平和经济产业结构影响系数皆为负数，反映当前阶段安徽省经济增长仍依赖资源消耗与高污染产业，绿色转型压力显著。此外，对外开放水平、科技创新投入与平均教育程度均对绿色效率具有显著促进作用，其中科技创新投入影响系数达1.287，凸显其在绿色转型中的核心驱动力作用。基于此，本文从推动产业结构低碳化、强化绿色技术研发推广、深化高水平对外开放等方面提出政策建议，为安徽省全面建设绿色转型区提供实证依据。

关键词：绿色经济发展；DEA—Tobit模型；安徽省

生态环境保护是“国之大者”，是关乎中华民族永续发展的根本大计。政府工作报告提出，深入践行“绿水青山就是金山银山”的理念，协同推进降碳、减污、扩绿、增长，建设人与自然和谐共生的美丽中国^[1]。安徽省深入贯彻落实习近平生态文明思想，坚持生态优先、绿色发展，聚力污染防治攻坚，加强生态环境保护，勇于开展首创性、差异化改革，首创跨省流域生态补偿的“新安江模式”，在全国率先探索实施林长制，深入实施“长江大保护”，大力推动绿色低碳发展，着力打造具有重要影响力的经济社会发展全面绿色转型区。

一、安徽省绿色经济发展现状

安徽省依托其独特的区位优势和资源禀赋，正积极融入长三角高质量一体化发展格局，并将绿色经济确立为实现高质量发展的核心引擎。当前，安徽省正通过强有力的“双碳”目标牵引，驱动产业结构优化升级与能源体系低碳转型；同时，注重产业革新与生态治理的深度协同，努力破除传统发展路径依赖。但是，安徽省绿色经济转型仍面临很大挑战。最新评估结果显示，2024年安徽省全省单位GDP能耗比长三角地区均值高出12%，同时绿色全要素生产率增速同比下降1.7%，反映出转型过程中仍存在失衡问题^[2]。

二、安徽省绿色经济发展效率测算实证研究

安徽省内各市在绿色资源和产业结构上存在显著差异，加大了绿色转型的复杂度。因此，科学测算各市绿色经济发展效率，有助于识别不同地区的绿色资源、绿色技术、环境管理水平等具体差距，从而为后期制定政策提供科学依据。对于低效地区设置帮扶政策，对于高效地区形成可复制可推广的经验，推动全省协同发展，提高绿色经济发展效率。

（一）建立指标体系

我国绿色经济发展效率评价体系的构建尚处于探索阶段。本文基于国内外绿色发展理论成果，结合安徽省各市经济数据，构建了绿色经济发展效率评价体系，包括投入指标、期望产出、非期望产出^[3]。

投入指标：能源投入选取各市规模以上工业企业的能源消耗总量（单位：万吨标准煤）指标；劳动投入选取各市人口总数（单位：万人）指标；资本投入选取各市全社会固定资产投资规模（单位：万元）指标。

期望产出指标：采用地区生产总值（GDP）作为经济产出指标。

非期望产出指标：考虑到我国将构建绿色低碳循环发展体系作为国家战略重点，明确要求2030年前实现碳达峰、2060年实现碳中和。结合安徽省的经济发展区域特征，本文将二氧化碳排放总量纳入非期望产出指标，以增强评价结果对低碳发展的实际指导作用。

（二）安徽省绿色经济发展效率测算结果

经典的径向DEA模型无法妥善处理二氧化碳等非期望产出，且忽视投入产出的松弛性问题，可能导致效率测度出现偏差。鉴于绿色经济发展的核心要义正是在于以更少的资源消耗和环境污染（非期望产出）创造更大的经济效益，本文采纳Tone提出的非径向、非角度的SBM-DEA模型。该模型直接地将非期望产出纳入测算框架，并通过松弛变量直接测度各项改进幅度，从而更贴合绿色经济“多维度协同优化”的内涵，能提供更为精确与稳健的效率评估结果。

DEA-SBM模型计算公式为：

其中MATLAB代码关键参数设置如表1、表2所示。

表1  DEA-SBM参数

 根据DEA-SBM模型对数据进行预处理后，运用MATLAB R2017b软件，计算出2014—2023年安徽省16市绿色经济发展效率值。测算结果如表3所示。

表3  2014-2023年安徽省16市绿色经济发展效率

数据来源：2014-2023年《中国城市统计年鉴》、《安徽统计年鉴》、地方统计年鉴、安徽生态环境保护厅公报。

根据表3，得出以下主要结论：

安徽省16个地级市的绿色经济发展效率呈现显著地域差异，其中最高值为1，最低值为0.3681，极差达0.6319。其中合肥市2014-2023年绿色经济发展效率值均为1；黄山市、亳州市、阜阳市、滁州市部分年份绿色经济发展效率值为1，实现了绿色经济发展效率DEA有效。

黄山市在2021年效率值降至0.6979，成为其十年间唯一非1的年份，有可能是受到新冠疫情对旅游业的影响。亳州市和阜阳市的效率值在2018年都出现了较大幅度的下降，分别降至0.4777和0.3861，有可能与当年安徽省统一环境规制调整政策有关。同时作为皖北重要农业和人口大市，面临着更为严格的环保管控，导致短期效率值迅速下降。

从标准差来看，合肥市效率值最稳定（σ=0）；阜阳市、亳州市、滁州市和铜陵市的标准差较大（σ>0.18），表明这些城市效率值波动剧烈；合肥、马鞍山、宣城等城市的标准差较小，表明这些城市具有更稳定的的经济结构、更稳定的政策环境。

（三）安徽省绿色经济发展效率分析

1.按效率水平高低划分

根据16个城市2014-2023年绿色经济发展效率的平均值和动态变化，可将其划分为四类：高效率组（效率值≥0.8）、中高效率组（0.55≤平均值<0.8）、中低效率组（0.4≤效率值<0.55）、低效率组（效率值<0.4）^[4]，分组情况如表4所示。

表4  安徽省16市绿色经济发展效率分组表

（1）高效率组：绿色经济发展效率值排名前三的为合肥市、黄山市、亳州市，这些地区绿色发展政策支持力度大，产业结构偏向轻量化，服务业或高附加值制造业占比较高，资源利用效率领先。

（2）中高效率组：滁州市、阜阳市、芜湖市、安庆市、蚌埠市，这些地区产业结构转型缓慢，绿色环保技术投入欠缺，绿色经济发展政策执行不足。

（3）中低效率组：六安市、宿州市、池州市、铜陵市、宣城市，这些地区对于农业、重工业等传统产业依赖度高，绿色技术应用弱。

（4）低效率组：淮南市、马鞍山市、淮北市，这些地区产业结构单一，环保历史欠账比较多，产业结构政策与绿色技术创新均滞后。同时淮南市、淮北市作为典型的煤炭资源型城市，效率值长期低于0.4，高耗能产业占比大。

基于ArcGIS平台绘制安徽省16市绿色经济发展效率空间分布图（图1），以色彩梯度反映绿色经济发展效率水平差异，其中深色区域代表高效发展区，浅色区域则对应低效区域。直观呈现绿色经济发展效率值的空间分异特征，发现安徽省内不同城市绿色经济效率存在明显区域不均衡性。

图1  安徽省16市绿色经济发展效率空间分布

2.按变动趋势类型划分

根据表3中2014-2023年安徽省16市绿色经济发展效率值，做出了折现图，可以反映每个城市绿色经济发展效率的波动趋势情况，结果如图2。根据图2波动趋势情况，将安徽省16个市分为四种类型，具体如表5所示。

 表5  安徽省16市绿色经济发展效率走势类型

（1）高效稳定型：合肥市、黄山市。合肥市连续七年效率值均为1，始终居于全省首位；黄山市除了2021年降至0.6979外，其余年份效率值均稳定在1。

（2）波动上升型：芜湖市、铜陵市、宣城市。这三个城市的效率值虽然在个别年份存在波动，但十年内总体呈上升趋势。

（3）波动下降型：安庆市、宿州市、六安市、蚌埠市、淮北市。这五个城市的绿色效率值虽然中间某些年份出现反弹，但是整体呈下降趋势。

（4）不断波动型：池州市、滁州市、阜阳市、亳州市、淮南市、马鞍山市，这六个城市的效率值表现出无规律震荡特征。

图2  安徽省16市绿色经济发展效率趋势折线图

三、安徽省绿色经济发展效率时空分析

（一）全局Moran指数检验分析

结合DEA模型测度结果，发现省内绿色经济效率存在明显区域不均衡性，为进一步验证绿色经济发展效率分布的空间关联特征，引入Moran指数开展全局空间自相关性检验，探究地理单元间是否存在集聚或离散趋势。

全局Moran指数公式如下：

通过Stata15软件对安徽省16市2014-2023年面板数据进行回归分析，全局Moran指数测算结果如表6所示。

表6  2014-2023年安徽省16市全局Moran指数及检验

由表6可以看出，安徽省2014-2023年各市在空间分布上长期呈现分散特征。所有年份的指数均为负值，说明绿色经济发展效率相近的城市在空间上并非趋于集聚，反而更倾向于相互“排斥”，表现为高值区域被低值区域包围。尽管存在年度间的波动，指数始终未脱离负值区间且大部分年份显著，证明了这种分散化空间格局在安徽省具有相当的稳定性和持续性。其中2019年指数降至最低（-0.2297），且伴随极低p值（0.006），说明该年区域差异达到峰值。

这一空间格局与安徽省在长三角一体化进程中的非均衡发展密切相关。在长三角区域协同发展战略推动下，合肥等中心城市的资源集聚能力增强，绿色转型步伐较快，形成效率“高地”，但对周边地区产生了一定的“虹吸效应”，导致高值区域被低值区域包围，核心城市与外围城市之间的差距持续存在甚至拉大。

（二）局部Moran指数检验分析

表7  2023年安徽省16市局部Moran指数及检验

如2023年的数据显示（表7），安徽省16个城市的局部Moran's I的p值均大于0.05。说明安徽省在2023年确实存在整体的空间分异格局（高、低值交错分布），但这种格局是弥散性的。合肥的“高-低”分异、皖南的“低-低”潜在集聚、以及其他城市间的正负关系，说明安徽省的区域协调发展，面临的或许不是一个简单的“扶强带弱”或“定点帮扶”问题，而是一个需要从整体性、系统性着手的空间结构优化课题。政策的着力点或许不应仅仅聚焦于培育单个增长极，更需要致力于构建能够促进城市间协同联动、使发展红利更能跨越行政边界进行扩散的网络化机制，从而将当前这种“弥散性分异”格局，逐步引导向更具协同性的“板块性集聚”发展。

四、安徽省绿色经济发展效率影响因素实证研究

（一）绿色经济发展效率影响因素指标体系构建

安徽省各市在绿色经济发展效率方面呈现显著的地区差异，绿色经济发展效率作为多维要素共同作用的复杂系统，绿色经济效率的影响机制需结合地域特殊性进行分析。本文基于数据可得性及规避共线性的考虑，结合已有研究及安徽省绿色发展实际情况，将DEA模型测算出来的绿色经济发展效率值（Y）作为被解释变量，从经济发展水平、资源利用效率、对外开放水平、经济产业结构、科技创新投入、平均教育程度六个方面，构建了绿色经济发展效率影响因素指标体系^[5]，具体如表8所示。

表8  绿色经济发展效率影响因素指标体系

（二）安徽省绿色发展效率影响因素实证分析

由于上文DEA模型分析出的绿色经济发展效率值介于0到1之间，若采用普通最小二乘法（OLS）进行估计，参数估计值将因数据截断而有偏且不一致。为了解决此问题，本文采用由经济学家James Tobin提出的Tobit截断回归模型。该模型专门为处理此类受限因变量而设计，能够有效纠正估计偏误，从而确保影响因素识别结果的可靠性，为后续政策建议提供实证依据。

Tobit模型计算公式为：

在进行回归分析前，需要对各解释变量数据进行相关性检验，避免变量之间产生多重共线性关系，从而影响分析，检验结果如表9所示。

表9  各变量的相关性系数

根据相关性分析结果，各变量间的关联程度普遍较弱，相关系数绝对值最高仅为0.34，说明解释变量之间出现多重共线性的风险较低。这一特征为后续建模分析提供了数据基础，无需担忧变量间相互干扰问题。

根据安徽省16个城市2014-2023年的相关数据，借助stata15.0软件进行回归分析，分析结果如表10所示。

表10  Tobit模型回归结果

注：***、**、*分别表示在0.01,、0.05、0.1的显著性水平

回归结果显示：

1.经济发展水平的回归系数为-0.044，且在1%的水平下通过了显著性检验影响，表明当前安徽省经济增长对绿色效率存在显著抑制作用。这一结果符合环境库兹涅茨曲线（EKC）的阶段特征，即经济发展初期依赖资源密集型产业扩张，导致环境负荷加剧，这一矛盾凸显粗放增长模式下，经济规模扩张未能有效转化为绿色效益。

2.资源利用效率的回归系数为0.27，且在5%的水平下通过了显著性检验影响，表明当单位GDP能耗增加，资源利用效率下降，绿色经济发展效率下降。能源消耗强度反映资源转化效率，高能耗通常伴随传统化石能源占比过大，挤压清洁能源替代空间。特别值得注意的是其z值2.547显示影响的稳健性，但标准误0.1086相对较大，暗示不同区域的效率改进存在显著异质性，这符合演化经济学中“技术轨迹分化”的理论预期。

3.经济产业结果的回归系数为-0.011，且在1%的水平下通过了显著性检验影响.第二产业作为国家经济增长的基础，但是第二产业以高污染、高能耗产业为主，对绿色经济发展效率起到抑制作用。值得注意的是其系数绝对值虽小，但因产业结构具有宏观稳定性特征，长期累积影响不容忽视。

4.对外开放水平对安徽省绿色经济发展效率正相关。通过跨境合作，本地的企业能接触到国外环境治理的经验，也能对接国际上的相关规则，逐渐建立起一套更加高效的污染防控体系。这种开放与创新相互带动的效应，降低了绿色技术转化和推广的成本，同时也借助市场机制把企业内在的环保动力激发出来。

5.科技创新投入的回归系数为1.287，并且在1%的水平上通过了显著性检验，说明技术创新对绿色转型影响很大，这一结果也符合内生增长理论。具体来看，绿色技术创新既能提高传统生产要素的边际收益，也能降低环境治理的边际成本。

6.平均教育程度的回归系数为0.041，且在1%的水平下通过了显著性检验影响。高素质劳动力具备绿色技术吸收能力，推动清洁能源设备运维、数字化管理系统应用等关键环节的技术落地。环保知识普及增强社会生态认知，激发企业主动优化生产工艺，减少资源浪费与污染排放。

（三）残差检验

图4  残差直方图

从残差直方图与Q-Q图可以看出，残差大致呈对称分布，且大多数点落在45°参考线上，说明残差近似服从正态分布。正态性通过Shapiro–Wilk检验检验正态性，Shapiro–Wilk正态性检验p值为0.00000289。因此，基于该Tobit模型进行的影响因素分析结果在统计上是稳健和可靠的。

五、研究结论与政策建议

（一）研究结论

基于2014—2023年安徽省16市面板数据，采用DEA-Tobit模型，从静态和动态角度分析了安徽省16市的绿色经济发展效率及其影响因素，得出以下结论：（1）从静态角度看，安徽省16市中，绿色经济发展效率值从低到高依次为合肥、黄山、亳州、滁州、阜阳、芜湖、安庆、蚌埠、六安、宿州、池州、铜陵、宣城、淮南、马鞍山、淮北。合肥、黄山、亳州、滁州、阜阳的绿色经济发展效率高于全省平均值。（2）从动态视角看，合肥、黄山等城市为绿色经济发展效率高效稳定型城市；亳州、铜陵等城市为绿色经济发展效率波动显著型城市；淮北、淮南等城市为绿色经济发展效率持续低迷型城市，且绿色经济发展效率皖南地区整体表现优于皖北。（3）资源利用效率、对外开放水平、科技创新投入和平均教育程度与绿色经济发展效率呈现正相关关系；经济发展水平、经济产业结构与绿色经济发展效率呈现负相关关系。

（二）政策建议

在新安江流域“多方共治”经验的启发下，安徽省可从四个方向推动绿色转型。首先，组建实体化的“皖江绿色技术创新联盟”，联合企业、高校以及上下游城市的环保部门，建立“谁污染、谁付费、谁治理、谁受益”的补偿机制，把科技创新与生态价值直接挂钩，让技术研发更有针对性，也把绿色经济理论中的协同创新落到实处；其次，借鉴新安江补偿机制中明确权责、量化价值、双向补偿的思路，在“企业小循环—园区中循环—区域大循环”模式中设立“循环经济绩效补偿基金”，对主动将副产品或废弃物转化为其他企业原料的主体给予税收减免或资金补偿；第三，在皖南地区学习新安江源头的保护性发展做法，将省级“三新”产业基金优先投向生态康养、碳汇交易等新业态，同时支持海螺集团等传统龙头企业利用自身工业场景发展碳捕获技术服务，验证了环境保护与经济增长可以通过创新实现共赢；第四，在安徽自贸试验区设立“新安江理念”绿色产业投资专区，实施环境准入负面清单和碳排放强度评估，并依托已有生态补偿经验建立“跨境环境技术转移中心”，把本土生态治理智慧向国际输出。

参考文献：

[1]使命重在担当，奋斗创造未来[N].人民日报海外版，2024.

[2]夏胜为. 逐“绿”奋进，绘出美丽新画卷[N].安徽日报，2024.

[3]安梦天.基于DEA和Tobit模型的陕西省绿色发展效率测度及其影响因素研究[D].西安：西北大学,2019.

[4]朱书敏.新疆绿色经济发展效率及对策研究[D].乌鲁木齐：新疆大学,2018.

[5]夏春芳.基于DEA-Tobit模型的新疆各地州绿色经济发展效率研究[D].喀什：喀什大学,2022.

[6]洪大用.生态文明建设与绿色发展[M].北京:中国社会科学出版社,2020.

[7]王金南,蒋洪强.长江经济带绿色发展水平测度与路径优化[J].中国环境科学,2021,41(7):3429-3438.
[8]李雪松,张宇.区域创新生态系统对绿色经济效率的影响机制[J].经济学家,2022(3):87-95.

基金项目：2023年安徽省教育厅科学研究项目-人文社科重点项目《长三角G60科创走廊绿色发展与产业结构耦合协调研究》（2022AH052184）；2023年芜湖职业技术学院校级质量工程-中青年骨干教师（2023ggjs07）；2022年芜湖职业技术学院校级人才工程-优秀青年拔尖人才（rc2022qnbj04）