長三角城市群綠色發(fā)展效率評價

長三角城市群綠色發(fā)展效率評價摘要：當前，城市群建設已經(jīng)成為區(qū)域高質量發(fā)展的重要推動力。本文基于非徑向的Meta-frontierDEA模型測算了我國長三角城市群26個城市2006-2015年的綠色發(fā)展效率，并進一步分析了群組前沿面和共同前沿面之間的技術差距、分解了各個城市的無效性來源。結果表明：（1）長三角城市群在2006-2015年間的綠色發(fā)展效率整體呈上升趨勢，但城市群內(nèi)部各城市發(fā)展存在不平衡性；（2）從技術差距比來看，四個群組中上海在10年間始終處于領先地位，江蘇和浙江的綠色發(fā)展比較穩(wěn)定，而安徽表現(xiàn)出較好的綠色發(fā)展?jié)摿?，逐步追趕并超越了江蘇與浙江；（3）不同城市的綠色無效性的主要來源各不相同，有管理無效性，技術無效性或兩者兼而有之。最后，根據(jù)各個城市的綠色發(fā)展效率評價結果，對長三角城市群經(jīng)濟結構轉型、加快產(chǎn)業(yè)升級，實現(xiàn)綠色發(fā)展提供了可行建議。關鍵詞：綠色發(fā)展效率；共同前沿；DEA；非徑向模型；技術異質性

一、引言城市群作為工業(yè)化和城市化進程中區(qū)域空間形態(tài)的最高組織形式，其產(chǎn)業(yè)協(xié)同集聚對于經(jīng)濟發(fā)展有顯著的協(xié)同作用[1]。根據(jù)《國家新型城鎮(zhèn)化規(guī)劃（2014—2020年）》，我國的傳統(tǒng)省域經(jīng)濟正在向中心城市群經(jīng)濟轉變，城市群建設已成為中國城市化進程的必然趨勢。長三角城市群作為我國經(jīng)濟規(guī)模最大、人口最為密集的區(qū)域，近年來在經(jīng)濟和科技創(chuàng)新等方面取得了矚目成績。其2018年的GDP達到21萬億元，約占全國的23%，在11個國家級城市群中居于首位。2018年11月18日，中共中央、國務院發(fā)布的《中共中央國務院關于建立更加有效的區(qū)域協(xié)調發(fā)展新機制的意見》使長三角一體化正式上升為國家級發(fā)展戰(zhàn)略。由于區(qū)位優(yōu)勢、政策紅利、創(chuàng)新集聚等因素，長三角城市群引領中國城市的經(jīng)濟發(fā)展。然而，快速的經(jīng)濟發(fā)展也伴隨著環(huán)境問題較為突出、能耗過高等問題。由于城市群生態(tài)問題頻發(fā)，城市群內(nèi)部調節(jié)機制若不健全，環(huán)境污染可能面臨疊加效應[2]。因此，對長三角城市群綠色發(fā)展的研究顯得尤為重要和迫切?！熬G色經(jīng)濟”是“綠色發(fā)展”的前身，出現(xiàn)在1989年DavidPierce所著的《綠色經(jīng)濟的藍圖》一書中。早期概念局限于環(huán)境保護，但隨著可持續(xù)發(fā)展理念的深入，“綠色經(jīng)濟”的核心開始向經(jīng)濟與環(huán)境協(xié)調發(fā)展過渡。而“綠色發(fā)展”相關概念由聯(lián)合國開發(fā)計劃署（UNDP）在《2002年中國人類發(fā)展報告:讓綠色發(fā)展成為一種選擇》中首次提出，其核心是在資源和環(huán)境的雙重約束下，發(fā)展綠色產(chǎn)業(yè)以推動經(jīng)濟結構調整，將環(huán)境保護作為實現(xiàn)可持續(xù)發(fā)展重要支柱的一種新型發(fā)展模式。由此，綠色發(fā)展逐步形成了經(jīng)濟、生態(tài)協(xié)調發(fā)展的綜合理論體系。在全球生態(tài)環(huán)境日益惡化的背景下，綠色發(fā)展已經(jīng)成為衡量城市群綜合競爭力的一個重要指標。中國長期以來的粗放式發(fā)展帶來了高污染、高能耗等一系列問題。為此，2017年中央經(jīng)濟工作會議上習總書記指出“我國經(jīng)濟已由高速增長階段轉向高質量發(fā)展階段，推動高質量發(fā)展，是保持經(jīng)濟持續(xù)健康發(fā)展的必然要求”；隨后又在全國生態(tài)環(huán)境保護大會上總書記再次強調：“綠色發(fā)展是構建高質量現(xiàn)代化經(jīng)濟體系的必然要求，是解決污染問題的根本之策?！憋@然，如何在生態(tài)邊界的約束條件下開發(fā)經(jīng)濟發(fā)展的新模式，是長三角一體化過程中不可忽視的問題。對長三角城市群綠色發(fā)展效率的評價，對于作為全國高質量發(fā)展樣板區(qū)的長三角城市群至關重要。二、文獻綜述目前，綠色發(fā)展已成為學界的熱點問題，大量文獻對這一問題進行了深入研究。針對綠色發(fā)展的評價，現(xiàn)有文獻已呈現(xiàn)出概念的相似性，如：“綠色效率”、“能源效率”和“環(huán)境效率”。三個概念有相似之處，卻不能混淆使用。事實上，綠色效率是能源效率和環(huán)境效率的繼承和發(fā)展。能源效率考慮生產(chǎn)要素投入不變的條件下最大化經(jīng)濟產(chǎn)出，思維局限于生產(chǎn)領域；環(huán)境效率側重于環(huán)境污染的最小化，強調廢棄物產(chǎn)出的減少和循環(huán)再利用，指標選擇局限在經(jīng)濟環(huán)境系統(tǒng)。而綠色效率不僅強調經(jīng)濟產(chǎn)出的最大化和非期望產(chǎn)出的最小化，還把社會發(fā)展水平納入測度，實現(xiàn)了“經(jīng)濟-環(huán)境-社會”三個領域的統(tǒng)一，這更符合當代社會綠色、均衡發(fā)展的要求[2]。能源效率方面，Hu和Wang最先提出了全要素能源效率，即在單要素框架中加入勞動力、資本、能源等多個生產(chǎn)要素，從而合理評估能源效率[3]。然而，忽略如廢氣、廢水等環(huán)境污染會導致能源效率的測度偏差[4]。Zhang、Wu、Bi、Wang等學者進而同時考慮非期望產(chǎn)出，構建全新的全要素能源效率框架，這使得度量更加合理，研究對象的深度、廣度也得到了進一步發(fā)展[5-8]。Wang等把中國經(jīng)濟分為五大行業(yè)，分析了各行業(yè)間的差異[9]，Chen等從地區(qū)和細分行業(yè)的雙重視角考察了中國制造業(yè)的能源效率[10]。環(huán)境效率方面，Gan等針對性分析了長三角24個城市的環(huán)境治理效率并度量其動態(tài)變化[11]，Wang等運用SBM方向距離函數(shù)和盧恩伯格生產(chǎn)率指標測度了考慮資源環(huán)境因素下中國30個省份1998—2007年的環(huán)境效率[12]，Tu等運用兩階段的網(wǎng)絡DEA模型分析了工業(yè)領域的環(huán)境治理效率[13]。綠色效率的研究方法上，學界主要存在兩種方法：隨機前沿分析（SFA）和數(shù)據(jù)包絡分析（DEA）。Aigner、Lovell和Schmidt開發(fā)了隨機前沿分析，運用回歸分析的手段，通過預定義生產(chǎn)函數(shù)來分析輸入量和輸出量之間的關系[14]。Ghosh和Kathuria發(fā)展了SFA，較好地在多輸入、輸出的條件下評估效率[15]。由Charnes等人提出的DEA非參數(shù)方法，能夠在不指定生產(chǎn)函數(shù)的情況下評估多輸入、輸出的決策單元（DMU）的相對效率[16]。Thijssen等人的研究充分顯示了DEA作為非參數(shù)方法的優(yōu)越性[17]。在綠色效率的問題上，早期研究多假定被研究對象具有相同的技術水平。然而，這一假設并不現(xiàn)實。例如：中國東部沿海地區(qū)已進入城市化的中期階段，西部偏遠地區(qū)卻仍處于城市化的起步階段。采用上述假設會帶來生產(chǎn)前沿面的評估偏差，Chen和Song驗證了這一點[18]。為了將技術異質性納入考慮，O'Donnell等提出Meta-frontier的概念，其使用DEA來研究屬于不同群體的技術效率[19]。Li和Ma基于Meta-frontier模型考察了中國30個省區(qū)在資源與環(huán)境雙重約束下的工業(yè)用水效率[20]。Zhang等開發(fā)了基于Meta-frontier的非徑向方向距離函數(shù)來評估技術異質性和非期望產(chǎn)出對環(huán)境效率測量的影響[21]。Munisa和Arabi使用基于Meta-frontier的Malmquist-Luenberger生產(chǎn)力指數(shù)測度了發(fā)電站在一定時長內(nèi)的環(huán)境效率[22]。Alem等提出了一個隨機的Meta-frontier模型來衡量挪威奶牛場技術效率和技術差距的區(qū)域差異[23]。綜上所述，對能源效率和環(huán)境效率的研究雖然已得到較深入的發(fā)展，但考察綠色效率無疑更符合可持續(xù)發(fā)展戰(zhàn)略的要求。由于長三角城市群三省一市之間的城鎮(zhèn)化和工業(yè)化水平并不一致，在考慮省際、省內(nèi)城市間技術異質性的情況下研究其綠色效率將為中國城市群經(jīng)濟的發(fā)展提供更合理的現(xiàn)實依據(jù)。實際上，綠色發(fā)展理念就是同時考慮期望產(chǎn)出和非期望產(chǎn)出兩個改進方向的非徑向模型，而以往的徑向模型則沒有把綠色發(fā)展的理念納入考量。本文基于現(xiàn)有研究成果及不足，提出了考慮非期望產(chǎn)出和技術異質性的非徑向Meta-frontier模型，用于評價長三角城市群26個城市2006-2015年的綠色發(fā)展效率。進一步地，我們分析了群組前沿面和共同前沿面之間的技術差距、分解了各個城市的無效性來源。此外，我們還分析了這些實證結果的含義，并為政府相關部門提供了具體的對策建議。三、研究方法（一）、非徑向Meta-frontierDEA模型使用DEA方法評價城市發(fā)展效率時，其潛在假設認為被評價單元的生產(chǎn)技術處于相同或相似水平，從而分析單元的無效性和尋找單元效率改進的標桿。但是，我國不同省份的城市化程度差距較大，產(chǎn)業(yè)結構和工業(yè)化水平也不一致，不同省份的生產(chǎn)技術水平并不相同。此時，若不考慮這些省份的生產(chǎn)技術水平的差異性，繼續(xù)在統(tǒng)一的生產(chǎn)前沿面下評價城市的發(fā)展效率，將無法準確地衡量各地區(qū)的真實發(fā)展水平，也將難以發(fā)現(xiàn)無效性的來源。考慮生產(chǎn)技術異質性，基于O'Donnell等提出的處理辦法，本文構建了同時考慮期望產(chǎn)出和非期望產(chǎn)出的非徑向Meta-frontierDEA方法。假設有N個經(jīng)濟決策單元（DMU），每個單元都有m個投入，s個期望產(chǎn)出和t個非期望產(chǎn)出，令,和分別表示DMUn(n=1,...,N)的第i個投入、第r個期望產(chǎn)出和第f個非期望產(chǎn)出?？紤]到技術異質性，我們將N個DMU分為k個獨立的群組，群組k內(nèi)的DMU分別由Nk（）表示?；贠'Donnell等人的共同前沿模型，在規(guī)模報酬可變的假設條件下，則所有單元的共同生產(chǎn)可能集為：(1)根據(jù)不同省份城市發(fā)展水平的不同劃分上海、江蘇、浙江和安徽四個群組(k=1,2,3,4)，其群組生產(chǎn)可能集為：(2)由于共同前沿技術是群組前沿技術的包絡曲線，其滿足：1.對于任何k，若，則；2.若，則；3.?？紤]傳統(tǒng)的徑向共同前沿模型可能會忽視不同類型產(chǎn)出的改進潛力不相同的問題，本文提出了非徑向的同時考慮非期望產(chǎn)出的共同前沿和群組前沿DEA模型，如(3)和(4)所示。(3)(4)其中，和分別表示給定的期望產(chǎn)出和非期望產(chǎn)出的權重，滿足。兩個模型的目標函數(shù)分別表示DMUn在共同前沿面和群組前沿面下的無效程度。從而，我們分別得到了DMUn的共同前沿環(huán)境效率和群組前沿環(huán)境效率。（二）、技術差異分析為了評估群組前沿面和共同前沿面之間的差距，DMUn環(huán)境效率的技術差距比定義為（5）此外，第k組的平均技術差距比為（6）由于共同前沿由群組前沿包絡而成，故恒成立。因此，技術差距比在0到1之間。越趨近于1則技術異質性越小，群組的綠色效率越趨近于共同前沿的綠色效率。反之，越趨近于0則技術異質性越大，群組的綠色效率越遠離共同前沿的綠色效率。盡管共同前沿和特定的群組前沿之間的技術異質性可以通過TGR區(qū)分，卻無法識別共同前沿的低效來源。因此，共同前沿的無效性被分別分解為技術無效(TGI)和管理無效(GMI)，如下所示：（7）（8）其中，TGI表示由技術差異引起的共同前沿面與特定群組前沿面之間的技術差距。GMI表示由于投入和非期望產(chǎn)出過剩導致的無效性，這主要是由管理不善導致的。第k組中的平均TGI和GMI由等式（9）和（10）分別表示。（9）（10）四、實證分析3.1變量和數(shù)據(jù)根據(jù)2016年通過的《長江三角洲城市群發(fā)展規(guī)劃》，長三角城市群包括上海、南京、無錫、常州、蘇州、南通、鹽城、揚州、鎮(zhèn)江、泰州、杭州、寧波、湖州、紹興、金華、舟山、臺州、合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城、六安26座城市。據(jù)此，本文對長三角城市群的26個地級市2006-2015年間的數(shù)據(jù)進行分析，依據(jù)城市所屬行政區(qū)域劃分為四個群組：上海、江蘇（南京、無錫、常州、蘇州、南通、鹽城、揚州、鎮(zhèn)江、泰州9座城市）、浙江（杭州、寧波、湖州、紹興、金華、舟山、臺州7座城市）和安徽（合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城、六安9座城市），將這26個地級市設置為決策單元（DMU）。變量選擇上，基于以往的研究成果，我們將綠色效率的輸入設定為年末單位從業(yè)人員數(shù)、資本存量和城市建設用地面積，期望產(chǎn)出為地區(qū)生產(chǎn)總值，非期望產(chǎn)出為工業(yè)二氧化硫排放量和工業(yè)煙塵排放量，數(shù)據(jù)來源為《中國統(tǒng)計年鑒2016》和《中國城市統(tǒng)計年鑒2016》。值得一提的是，雖然兩項非期望產(chǎn)出表面上僅與大氣污染有關，但環(huán)境污染的各項指標通常具有正相關性，因此本文非期望產(chǎn)出的選擇仍具有較強的代表性。表1數(shù)據(jù)的描述性統(tǒng)計分析群組年末單位從業(yè)人員數(shù)（萬人）資本存量（億元）城市建設用地面積(平方公里)地區(qū)生產(chǎn)總值（GDP）（億元）工業(yè)二氧化硫排放量(萬噸)工業(yè)煙塵排放量(萬噸)上海498.0621380.192780.30150948.5622.256.88江蘇87.833978234.24219.573577.757.933.64浙江98.445427.04165.712652.146.252.25安徽36.233760.9397.401204.842.852.60總計88.176367.85261.272896.706.273.03從表1可以看出，四個群組的三個輸入量和期望產(chǎn)出從大到小基本都呈現(xiàn)上海、江蘇、浙江和安徽的排列順序，這與四個群組的城市化程度是吻合的。而非期望產(chǎn)出也呈現(xiàn)出相似的特征，表明經(jīng)濟發(fā)展與環(huán)境污染間的強正相關關系。上海的所有輸入、輸出量都是最高的，安徽的除工業(yè)煙塵排放量外都是最低的。3.2效率分析通過求解模型（3）和（4），我們可以分別得到每個DMU群組前沿和共同前沿的綠色不效率程度和，進而根據(jù)公式和得到每個DMU群組前沿和共同前沿的綠色效率程度。附錄中的表2列出了26個城市2006-2015年的GEE和MEE值。圖1給出了這四個群組2006-2015年的平均MEE和GEE值。圖12006-2015年四群組的平均MEE和GEE值圖1中我們可以直觀看出四個群組綠色效率的平均表現(xiàn)，其中上海無論是MEE還是GEE，幾乎在所有年份中都達到了前沿面，而其他三個群組均與其存在較大的差距，多數(shù)MEE、GEE位于0.6到0.9之間。因此，這一結果說明了長三角城市群綠色發(fā)展的不平衡和技術異質性，同時說明了使用Meta-frontier模型的合理性：將上海與其他省份直接比較顯然是不公平的。以安徽省合肥市為例。根據(jù)表2，其GEE值在2006-2011年間恒為1，表明其群組技術的有效性。然而考慮到安徽在四個群組間偏低的表現(xiàn)，合肥市很有可能達不到共同前沿面。數(shù)據(jù)印證了這一推測：2006年合肥市MEE值僅為0.395，雖然此后合肥市的綠色發(fā)展工作取得一定成效，但2011年MEE值仍只有0.836。安徽省的MEE值在大多數(shù)年份中都低于其他三個群組，均值上約為三個群組MEE的76%，反映了其群組技術與沿海省份的較大差距。不過10年間GEE值全為1的六安市，其MEE值有7年達到1，這顯然值得安徽省內(nèi)其他地級市政府的學習。江蘇省的城市化進程總體快于浙江，但其MEE值卻與浙江省的數(shù)據(jù)十分接近，在一些年份中甚至被反超，我們有理由認為這是因為江蘇對綠色發(fā)展仍缺乏足夠的重視。從整體上繼續(xù)對長三角城市群的綠色效率進行分析。圖2反映了長三角城市群10年間綠色效率的均值走勢。圖22006-2015年長三角城市群綠色效率變化趨勢可以直觀看出，長三角城市群10年間綠色效率呈現(xiàn)上升趨勢，MEE、GEE值分別達到0.8、0.9，10年內(nèi)MEE均值為0.711，GEE均值為0.857。我們可以得出一些啟示：首先，長三角地區(qū)10年的生態(tài)治理逐步取得成果?？紤]到國家于2007年提出節(jié)約資源、保護環(huán)境的基本國策，自2007年起，長三角地區(qū)各城市MEE、GEE值雖然在2009和2012年出現(xiàn)了小幅下降，但分別從0.627、0.763上升到0.794和0.924，增幅分別達到26.63%和21.10%，總體上有著明顯的提升，說明城市群的綠色效率治理取得了一定的進展。其次，長三角城市群綠色效率仍有較大的提升空間。10年間綠色效率的提升幅度有限，總體均值離1有一定差距，由于一些城市已達到綠色有效狀態(tài)，說明仍有一批城市沒有達到綠色效率的前沿面。兩項數(shù)據(jù)10年里MEE均小于GEE，說明一些地區(qū)的城市綠色效率在群組內(nèi)的表現(xiàn)要優(yōu)于在共同群組中的表現(xiàn)，這也反映出城市群內(nèi)部的不均衡發(fā)展?？偠灾?，長三角城市群的綠色發(fā)展效率整體呈上升態(tài)勢。城市群內(nèi)部發(fā)展不均衡，表現(xiàn)在組成單元的群組表現(xiàn)優(yōu)于共同群組表現(xiàn)，對它們的研究不能一概而論，而應區(qū)別對待。長三角地區(qū)仍有較多城市是技術無效的。好在綠色發(fā)展的理念已被越來越多的地方政府接受并貫徹執(zhí)行，這些城市越來越接近技術有效前沿面。3.3技術差距分析技術差距比可由等式（5）和（6）得到，附錄中的表2列出了計算結果，圖3描繪了四個群組平均TGR的變化趨勢。圖32006-2015年四群組的TGR值變化趨勢從圖3可以看出，上海的技術差距比在多數(shù)年份都達到1，研究時期內(nèi)TGR均高于0.93，在長三角城市群內(nèi)處于領先地位。值得關注的是江蘇省和安徽省，2010年以前江蘇省TGR維持在0.9以上，而同時期安徽省TGR低于0.8。然而自2011年起，安徽省TGR達到0.9，10年間增幅為40.58%，并逐漸接近上海TGR值，江蘇省TGR卻出現(xiàn)了效率下降的情況，2014年起開始在長三角城市群中居末位。浙江省TGR則在研究時期內(nèi)連年低于0.81?？紤]到上一部分中江蘇與浙江MEE值不相上下甚至反超的情況，江蘇TGR下降的具體原因值得更深入的研究。不過毋庸置疑的是，江蘇省應當學習安徽省近年來對綠色技術的大力支持，盡快改進其技術水平。浙江省則應當縮小技術差距，盡快呈現(xiàn)出TGR的上升態(tài)勢。圖中紅線代表長三角城市群的整體技術差距變動情況。相關綠色政策實施以來，長三角地區(qū)總體技術差距比變化不大。作為經(jīng)濟較發(fā)達的沿海省份，江蘇省拉低了城市群的整體表現(xiàn)。而與之相比經(jīng)濟欠發(fā)達的安徽省卻有著優(yōu)異表現(xiàn)。安徽省近年來大力推廣綠色經(jīng)濟，如淮南的800MW全球單體最大的漂浮電站工程和全省農(nóng)業(yè)綠色發(fā)展機制；同時改變傳統(tǒng)的資源型產(chǎn)業(yè)結構和粗放型經(jīng)濟增長方式，銅陵市的環(huán)境治理是一個很好的例子：作為典型的工業(yè)城市，銅陵市長期依賴第二產(chǎn)業(yè)，GDP占比高達70%，但由于近年來對綠色技術的投入，環(huán)境治理設施利用率高，產(chǎn)業(yè)集群發(fā)展，污染物的排放與處理都更為集中，實現(xiàn)了高效率的環(huán)境治理，表2數(shù)據(jù)顯示該市TGR值自2011年以來一直為1。因此，經(jīng)濟發(fā)達并不完全等同于技術先進，政策制定者應當做好統(tǒng)籌協(xié)調工作，對技術發(fā)展引起足夠的重視。3.4低效率來源分析和效率改進方向綠色無效性主要由技術效率（TGI）低下和管理效率低下(GMI)組成，其可由公式（9）和（10）計算，具體結果在附錄表2中。圖4描繪了四個群組綠色無效性的構成。圖4四群組綠色無效程度的分解從圖4中我們可以看出，上海僅有的三個綠色無效年（2007、2009和2013）中，組成多為管理效率低下，即管理不當。對于江蘇而言，自2011年起該省TGR連年下跌，而綠色無效性的主要原因由管理不力轉變?yōu)榧夹g差距，這應當引起江蘇省政府的高度重視。浙江綠色無效的主因也是技術差距，表明其雖優(yōu)于江蘇，但技術水平仍有很大的提升空間。安徽綠色無效性的分解結果較為均衡，考慮到其TGR值近年來的顯著增長，安徽省政府應當繼續(xù)推動綠色發(fā)展，提高管理水平，促進高質量發(fā)展。不可忽略的是，對于管理效率低下，增加技術投入只會帶來更多的冗余，其可在較短的時間內(nèi)通過優(yōu)化管理制度、合理分配經(jīng)濟投入量等方式得到改善。而技術差距則需要較長的時間來彌補，江蘇、浙江的綠色效率仍有提高空間，政策制定者必須正視差距。上海作為長三角城市群綠色發(fā)展的標桿城市，也應改善管理，在資金投入不變的情況下，統(tǒng)籌規(guī)劃，增加單位資金投入的產(chǎn)出效率，同時還應將第一產(chǎn)業(yè)中的剩余勞動力向第二產(chǎn)業(yè)和第三產(chǎn)業(yè)轉移，提高從業(yè)人員素質，維持既有優(yōu)勢。圖5四群組TGI、GMI箱型圖進一步觀測城市群內(nèi)各個組成單元——城市，我們發(fā)現(xiàn)各個城市的綠色效率是存在差異的，而群內(nèi)差異程度反映城市群綠色效率的均衡特性。如果一個城市群的綠色效率很高，但是其內(nèi)部城市的綠色效率水平差異巨大，則該城市群在統(tǒng)籌協(xié)調、產(chǎn)業(yè)轉移等方面或存在問題，即沒有形成綠色發(fā)展的良性循環(huán)模式，而是單純地將高污染、高能耗的產(chǎn)業(yè)在城市群內(nèi)部進行簡單的遷移。從圖5中我們看到浙江無論是TGI還是GMI，省內(nèi)各城市的數(shù)據(jù)都較為趨近，說明其內(nèi)部差距較小，發(fā)展較為均衡。而江蘇則恰恰相反，表明其TGR值下降與技術低下的趨勢是由省內(nèi)發(fā)展不均衡導致的，有必要進行內(nèi)部分析，找出低效城市。圖62015年江蘇省9城市TGI、GMI雷達圖考慮到江蘇省各項數(shù)據(jù)的發(fā)展趨勢，以及距今更近的數(shù)據(jù)更具政策啟示性，選取最具代表性的2015年數(shù)據(jù)進行分析。由圖6易知，無錫和蘇州在技術和管理上都領先于江蘇省內(nèi)其他城市。鎮(zhèn)江、揚州、鹽城、常州的TGI均高于0.4，四個城市的市政府需要正視這一數(shù)據(jù)，通過加大資金投入、引進高技術人才等方式彌補其技術差距。而省會城市南京的情況與上海類似，應當以改善管理水平為主。五、結論及政策啟示本文基于2006-2015年長三角城市群26個地級市的面板數(shù)據(jù)，構建了非徑向的考慮非期望產(chǎn)出和技術異質性的Meta-frontierDEA模型評價該區(qū)域的綠色發(fā)展效率，為長三角城市群經(jīng)濟結構轉型、加快產(chǎn)業(yè)升級，實現(xiàn)綠色發(fā)展可行建議，得出結論如下：首先，長三角城市群綠色效率整體較高。長三角城市10年內(nèi)MEE均值為0.711，GEE均值為0.857。觀察期內(nèi)有許多城市達到了綠色有效狀態(tài)，但各城市的綠色效率之間存在差距。其次，長三角城市群綠色效率整體呈上升趨勢?？梢灾庇^看出，10年間長三角地區(qū)MEE、GEE均值分別能夠達到0.8、0.9。從總體上看，MEE、GEE、TGR都存在波動，但在觀察期內(nèi)都穩(wěn)步增長。TGI和GMI則逐年下降。城市群對現(xiàn)有治理技術的運用水平有所提高，治理技術也不斷進步。但仍有一些城市治理水平有所下降，亟待改進。最后，長三角城市群綠色效率改進方向存在差異。通過各城市低效率來源的分解，我們可以看出，當前各個城市基于自身特點，可以通過不同的路徑實現(xiàn)綠色發(fā)展。上海、南京等城市可通過優(yōu)化管理水平，有效提高綠色效率。而鎮(zhèn)江、揚州、鹽城、常州可從提高對環(huán)境治理的技術水平著手，進而提高綠色效率。少數(shù)綠色效率低下的城市則需要對兩方面都給予足夠的重視和投入，才能較為有效地提高綠色效率。針對以上結論，本文給出相關的政策建議：第一，加快綠色技術引進和研發(fā)，推動技術進步?？紤]到前文綠色無效程度分解的情況，技術是區(qū)域綠色發(fā)展中極為重要的一環(huán)。長三角城市群作為中國對外開放程度最高、創(chuàng)新能力最強的地區(qū)之一，擁有良好的技術引進政策環(huán)境，充足的資金，眾多的科研機構，高素質的人才，設備齊全，技術引進和研發(fā)條件優(yōu)越。因此，長三角地區(qū)各城市應充分利用區(qū)位優(yōu)勢，積極整合資源，大力推進碳捕捉、碳封存等綠色技術的研發(fā)以及廢棄物的清潔處理和綜合利用，控制城市的末端輸出，實現(xiàn)污染物減排，規(guī)模利用可再生能源，同時推動以改進、運用綠色生產(chǎn)技術為導向的技術創(chuàng)新，提高各產(chǎn)業(yè)的綠色發(fā)展效率，發(fā)揮城市群綠色發(fā)展的協(xié)同效應。對于金屬和化工等能源效率較低的產(chǎn)業(yè)，政府要給予相關企業(yè)技術支持，培育綠色生產(chǎn)的技術優(yōu)勢。而沿海地區(qū)能源效率較高的高新技術產(chǎn)業(yè)也能夠通過產(chǎn)業(yè)轉移帶動城市群西部行業(yè)的技術進步。第二，統(tǒng)籌協(xié)調綠色發(fā)展，加快長三角地區(qū)產(chǎn)業(yè)結構調整。由于長三角城市群內(nèi)部的技術異質性，城市群應以綠色發(fā)展的規(guī)劃總領全局，而城市群綠色發(fā)展現(xiàn)行政策實施效果的保證和后續(xù)動力的挖掘，是各城市綠色發(fā)展所面臨的共同問題。各級政府要做好協(xié)調與指導工作，制定科學的城市綠色發(fā)展規(guī)劃，完善長三角地區(qū)環(huán)境污染的防治協(xié)作機制，加強城市群內(nèi)的經(jīng)驗和技術交流，共享環(huán)境治理經(jīng)驗，探索科學的發(fā)展路徑，通過綠色規(guī)劃引導綠色增長，積累綠色財富。充分發(fā)揮地區(qū)比較優(yōu)勢是一個理想的途徑，具體而言，上海、南京、杭州要繼續(xù)保持自己的人才與技術資源優(yōu)勢，毗鄰的蘇南和浙北地區(qū)要利用自己的地域優(yōu)勢，引進先進的綠色技術和高水平人才，蘇北地區(qū)和安徽要增強自主創(chuàng)新能力，積極探索綠色科技，利用政府扶持政策，依靠城市的主體功能定位，調整產(chǎn)業(yè)生產(chǎn)布局，并挖掘自身優(yōu)勢，打造綠色旅游等環(huán)保產(chǎn)業(yè)，加快經(jīng)濟轉型產(chǎn)業(yè)升級。即在城市群內(nèi)部培育綠色產(chǎn)業(yè)集群，加快知識、信息、人才、技術的流動和融合，共同打造綠色創(chuàng)新、協(xié)同發(fā)展的平臺，發(fā)揮長三角城市群一體化的作用。同時，轉變經(jīng)濟發(fā)展方式，大力發(fā)展新能源行業(yè)、新興產(chǎn)業(yè)和第三產(chǎn)業(yè)，掌握創(chuàng)新發(fā)展的核心競爭力，形成高質量發(fā)展的綠色工業(yè)體系和以第三產(chǎn)業(yè)為主導的經(jīng)濟增長模式。源頭上，減少工業(yè)污染物的排放，嚴格控制高耗能、高排放和高污染行業(yè)的發(fā)展并通過新能源及可再生能源的合理開發(fā)利用，把控好能源的輸入，加快碳基能源向氫基能源的轉變，推廣清潔資源的使用，實現(xiàn)能源利用的清潔化和生產(chǎn)方式的綠色化，促進綠色低碳循環(huán)發(fā)展產(chǎn)業(yè)體系的形成。第三，完善環(huán)境政策，加大監(jiān)督力度。對高能耗、高污染的企業(yè)要實施多元化的懲罰機制，完善排污權、碳交易的市場交易體制。對強化綠色研發(fā)的企業(yè)實施獎勵，鼓勵節(jié)能環(huán)保企業(yè)進入綠色技術創(chuàng)新的薄弱環(huán)節(jié)。同時引導市民的綠色消費行為，如推廣綠色低碳出行，購買和使用綠色標志產(chǎn)品等，降低居民生活方式在末端輸出上的壓力。然后通過提升節(jié)能環(huán)保和減排控污等相關技術指標的約束改變能源消費結構，促進構建綠色產(chǎn)業(yè)體系，落實開發(fā)、生產(chǎn)和銷售等各個環(huán)節(jié)的環(huán)保要求，提高生產(chǎn)過程中對生態(tài)的保護力度，實現(xiàn)產(chǎn)業(yè)的綠色發(fā)展。長三角地區(qū)應當根據(jù)自身情況，建立適應性強、有針對性的環(huán)境績效評價體系，定期進行考核評價，建立嚴格的監(jiān)督機制，規(guī)范監(jiān)督流程，并鼓勵新聞媒體和公眾參與監(jiān)督，懲處違法違規(guī)行為。參考文獻[1]CicconeA.AgglomerationeffectsinEurope[J].SocialScienceElectronicPublishing,2000,46(2):213-227.[2]劉陽,秦曼.中國東部沿海四大城市群綠色效率的綜合測度與比較[J].中國人口·資源與環(huán)境,2019,29(03):11-20.[3]HuJL,WangSC.Total-factorenergyefficiencyofregionsinChina[J].EnergyPolicy,2006,34(17):3206-3217.[4]WuF,FanLW,ZhouP,ZhouDQ.IndustrialenergyefficiencywithCO2emissionsinChina:Anonparametricanalysis[J].EnergyPolicy,2012,49:164-172.[5]ZhangN,ZhouP,ChoiY.Energyefficiency,CO2emissionperformanceandtechnologygapsinfossilfuelelectricitygenerationinKorea:Ameta-frontiernon-radialdirectionaldistancefunctionanalysis[J].EnergyPolicy,2013,56:653-662.[6]WuJ,ZhuQ,LiangL.CO2emissionsandenergyintensityreductionallocationoverprovincialindustrialsectorsinChina[J].AppliedEnergy,2016,166:282-291.[7]BiGB,SongW,ZhouP,LiangL.DoesenvironmentalregulationaffectenergyefficiencyinChina’sthermalpowergeneration?Empiricalevidencefromaslacks-basedDEAmodel[J].EnergyPolicy,2014,66:537-546.[8]FengC,WangM,ZhangY,LiuGC.Decompositionofenergyefficiencyandenergy-savingpotentialinChina:Athree-hierarchymeta-frontierapproach[J].JournalofCleanerProduction,2017,176:1054-1064.[9]WangH,AngBW,WangQW,ZhouP.Measuringenergyperformancewithsectoralheterogeneity:Anon-parametricfrontierapproach[J].EnergyEconomics,2017,62:70-78.[10]陳亞,張志強,周志翔,梁樑.中國制造業(yè)全要素能源效率分析——基于地區(qū)和細分行業(yè)雙重視角[J].北京理工大學學報(社會科學版),2019,21(02):48-58.[11]甘甜,王子龍.長三角城市環(huán)境治理效率測度[J].城市問題,2018(01):81-88.[12]王兵,吳延瑞,顏鵬飛.中國區(qū)域環(huán)境效率與環(huán)境全要素生產(chǎn)率增長[J].經(jīng)濟研究,2010(5):95-109.[13]涂正革,諶仁俊.傳統(tǒng)方法測度的環(huán)境技術效率低估了環(huán)境治理效率?——來自基于網(wǎng)絡DEA的方向性環(huán)境距離函數(shù)方法分析中國工業(yè)省級面板數(shù)據(jù)的證據(jù)[J].經(jīng)濟評論,2013(5):89-99.[14]AignerD,LovellCAK,SchmidtP.Formulationandestimationofstochasticfrontierproductionfunctionmodels[J].JournalofEconometrics,1977,6(1):21-37.[15]GhoshR,KathuriaV.TheeffectofregulatorygovernanceonefficiencyofthermalpowergenerationinIndia:Astochasticfrontieranalysis[J].EnergyPolicy,2016,89:11-24.[16]CharnesA,CooperWW,RhodesE.Measuringtheefficiencyofdecisionmakingunits[J].EuropeanJournalofOperationalResearch,1978,2(6):429-444.[17]Reinhard,S.NitrogenefficiencyofDutchdairyfarms:ashadowcostsystemapproach[J].EuropeanReviewofAgricultureEconomics,2000,27(2):167-186.[18]ChenZ,SongS.EfficiencyandtechnologygapinChina’sagriculture:Aregionalmeta-frontieranalysis[J].ChinaEconomicReview,2008,19(2):287-296.[19]O'Donnell,C.J.,D.S.P.Rao,andG.E.Battese.2008.Metafrontierframeworksforthestudyoffirm-levelefficienciesandtechnologyratios.EmpiricalEconomics.34:231-255.[20]李靜,馬瀟璨.資源與環(huán)境雙重約束下的工業(yè)用水效率——基于SBM-Undesirable和Meta-frontier模型的實證研究[J].自然資源學報,2014,29(06):920-933.[21]Zhang,N.,P.Zhou,andY.Choi.2013.Energyefficiency,CO2,emissionperformanceandtechnologygapsinfossilfuelelectricitygenerationinKorea:Ameta-frontiernon-radialdirectionaldistancefunctionanalysis.EnergyPolicy.56(2):653-662.[22]Munisamy,S.,B.Arabi.2015.Eco-efficiencychangeinpowerplants:usingaslacks-basedmeasureforthemeta-frontierMalmquist–Luenbergerproductivityindex.JournalofCleanerProduction.105:218-232.[23]Alem,Lien,Hardaker,Guttormsen.RegionaldifferencesintechnicalefficiencyandtechnologicalgapofNorwegiandairyfarms:astochasticmeta-frontiermodel[J].AppliedEconomics,2019,51(4):218-232.

附錄表22006-2015年間長三角城市群綠色效率群組城市年份MEEGEETGRTGIGMI群組城市年份MEEGEETGRTGIGMI上海上海20061.0001.0001.0000.0000.000浙江紹興20060.5380.6830.7880.1450.31720070.7370.7720.9550.0350.22820070.5000.6410.7800.1410.35920081.0001.0001.0000.0000.00020080.5550.6850.8100.1300.31520090.6710.6890.9740.0180.31120090.6781.0000.6780.3220.00020101.0001.0001.0000.0000.00020100.5801.0000.5800.4200.00020111.0001.0001.0000.0000.00020110.5900.8650.6820.2750.13520121.0001.0001.0000.0000.00020120.5320.7660.6950.2340.23420130.9461.0000.9460.0540.00020130.5480.7880.6950.2400.21220141.0001.0001.0000.0000.00020140.5470.6910.7920.1440.30920151.0001.0001.0000.0000.00020150.5220.8480.6160.3260.152江蘇南京20060.5220.5490.9510.0270.451金華20060.5171.0000.5170.4830.00020070.4570.4790.9540.0220.52120070.5161.0000.5160.4840.00020080.7440.8070.9220.0630.19320080.5081.0000.5080.4920.00020090.6470.6760.9570.0290.32420090.5261.0000.5260.4740.00020100.5530.5760.9600.0230.42420100.7211.0000.7210.2790.00020110.6040.6470.9340.0430.35320110.9591.0000.9590.0410.00020120.5590.6310.8860.0720.36920120.7290.8100.9000.0810.19020130.5210.6070.8580.0860.39320130.7941.0000.7940.2060.00020140.4920.6020.8170.1100.39820140.7190.8410.8550.1220.15920150.4410.5790.7620.1380.42120150.6371.0000.6370.3630.000無錫20060.7030.7040.9990.0010.296舟山20061.0001.0001.0000.0000.00020070.5630.5631.0000.0000.43720070.8421.0000.8420.1580.00020081.0001.0001.0000.0000.00020081.0001.0001.0000.0000.00020091.0001.0001.0000.0000.00020091.0001.0001.0000.0000.00020100.8260.8330.9920.0070.16720100.9401.0000.9400.0600.00020110.8800.9080.9690.0280.09220110.5920.7630.7760.1710.23720120.8531.0000.8530.1470.00020120.5820.8330.6990.2510.16720130.7730.8460.9140.0730.15420130.6250.9120.6850.2870.08820140.8451.0000.8450.1550.00020140.8741.0000.8740.1260.00020151.0001.0001.0000.0000.00020151.0001.0001.0000.0000.000常州20060.7290.7291.0000.0000.271臺州20060.6731.0000.6730.3270.00020070.5750.5751.0000.0000.42520070.7090.9290.7630.2200.07120081.0001.0001.0000.0000.00020080.6350.7770.8170.1420.22320091.0001.0001.0000.0000.00020090.6070.7320.8290.1250.26820100.7810.7811.0000.0000.21920100.5980.6700.8930.0720.33020111.0001.0001.0000.0000.00020111.0001.0001.0000.0000.00020120.7470.8140.9180.0670.18620120.8240.8940.9220.0700.10620130.6480.7640.8480.1160.23620130.7660.8690.8810.1030.13120140.6041.0000.6040.3960.00020140.7950.8630.9210.0680.13720150.5711.0000.5710.4290.00020151.0001.0001.0000.0000.000蘇州20061.0001.0001.0000.0000.000安徽合肥20060.3951.0000.3950.6050.00020070.8270.8271.0000.0000.17320070.3161.0000.3160.6840.00020081.0001.0001.0000.0000.00020080.6451.0000.6450.3550.00020091.0001.0001.0000.0000.00020090.4881.0000.4880.5120.00020101.0001.0001.0000.0000.00020100.4821.0000.4820.5180.00020111.0001.0001.0000.0000.00020110.8361.0000.8360.1640.00020121.0001.0001.0000.0000.00020120.7390.8380.8820.0990.16220130.7840.8790.8920.0950.12120130.6680.7500.8910.0820.25020140.8090.9040.8950.0950.09620140.6500.6970.9330.0470.30320151.0001.0001.0000.0000.00020150.5900.6050.9750.0150.395南通20060.6650.6920.9610.0270.308蕪湖20060.5071.0000.5070.4930.00020070.5680.5870.9680.0190.41320070.4360.8400.5190.4040.16020080.9030.9100.9920.0070.09020080.4430.7780.5690.3350.22220090.6960.6961.0000.0000.30420090.4631.0000.4630.5370.00020100.5850.5851.0000.0000.41520100.4301.0000.4300.5700.00020111.0001.0001.0000.0000.00020110.5860.6740.8690.0880.32620120.5390.6280.8580.0890.37220120.5770.6540.8820.0770.34620130.5120.6260.8180.1140.37420130.5390.5830.9250.0440.41720140.6361.0000.6360.3640.00020140.5960.6070.9820.0110.39320150.4780.6560.7290.1780.34420150.6530.6531.0000.0000.347鹽城20060.5770.6320.9130.0550.368馬鞍山20060.4420.7040.6280.2620.29620070.5080.6090.8340.1010.39120070.4040.6120.6600.2080.38820081.0001.0001.0000.0000.00020080.3810.5520.6900.1710.44820090.9811.0000.9810.0190.00020090.5191.0000.5190.4810.00020100.8490.9870.8600.1380.01320100.5161.0000.5160.4840.00020110.7150.9850.7260.2700.01520110.7271.0000.7270.2730.00020120.6951.0000.6950.3050.00020120.6550.9060.7230.2510.09420130.6371.0000.6370.3630.00020130.6341.0000.6340.3660.00020140.6231.0000.6230.3770.00020140.6871.0000.6870.3130.00020150.5511.0000.5510.4490.00020150.7081.0000.7080.2920.000揚州20060.7431.0000.7430.2570.000銅陵20060.5510.6650.8290.1140.33520070.6630.8470.7830.1840.15320070.4670.5050.9250.0380.49520081.0001.0001.0000.0000.00020080.4540.4920.9230.0380.50820091.0001.0001.0000.0000.00020090.5870.7150.8210.1280.28520100.8630.9470.9110.0840.05320100.6591.0000.6590.3410.00020111.0001.0001.0000.0000.00020111.0001.0001.0000.0000.00020120.7580.8570.8840.0990.14320120.6110.6240.9790.0130.37620130.6280.7800.8050.1520.22020130.8540.9470.9020.0930.05320140.6150.7980.7710.1830.20220141.0001.0001.0000.0000.00020150.6181.0000.6180.3820.00020151.0001.0001.0000.0000.000鎮(zhèn)江20060.7640.7990.9560.0350.201安慶20060.5580.7270.7680.1690.27320070.6580.6720.9790.0140.32820070.5580.7430.7510.1850.25720081.0001.0001.0000.0000.00020080.5340.6800.7850.1460.32020090.7130.7770.9180.0640.22320090.8211.0000.8210.1790.00020100.5340.6180.8640.0840.38220100.6601.0000.6600.3400.00020110.7660.9380.8170.1720.06220110.8281.0000.8280.1720.00020120.7160.9080.7890.1920.09220120.7560.8270.9140.0710.17320130.6090.8150.7470.2060.18520130.7170.8460.8480.1290.15420140.6010.7950.7560.1940.20520140.6570.7010.9370.0440.29920150.5231.0000.5230.4770.00020150.7180.7181.0000.0000.282泰州20060.7081.0000.7080.2920.000滁州20060.5711.0000.5710.4290.00020070.5430.6020.9020.0590.39820070.5270.7190.7330.1920.28120080.9691.0000.9690.0310.00020080.5160.6450.8000.1290.35520090.8191.0000.8190.1810.00020090.5710.7590.7520.1880.24120100.6951.0000.6950.3050.00020100.5580.6500.8580.0920.35020110.7301.0000.7300.2700.00020110.6750.7600.8880.0850.24020120.6620.