长江经济带城市绿色经济绩效的溢出效应及其分解
郝国彩 徐银良 张晓萌 陈明华
摘要 生态文明视域下提升绿色经济绩效已经成为经济发展的根本要求和必然选择。本文基于长江经济带108个城市2003—2013年数据，使用非期望产出-超效率SBM模型对绿色经济绩效进行了测度，并进行了分区域比较；依据经济空间权重构建多种空间计量模型实证检验了长江经济带绿色经济绩效的空间溢出效应；运用空间回归模型偏微分方法对绿色经济绩效的影响因素及其溢出效应进行了检验与分解。研究结论表明：长江经济带绿色经济绩效的空间分布并不均衡，具有显著的空间依赖和空间集聚特征。经济发展水平越高的地区绿色经济绩效越高，经济发展水平越低的地区绿色经济绩效越低，而且具有高者愈高、低者愈低的演变趋势。长江经济带绿色经济绩效存在显著的空间溢出效应。区域内环境污染与经济发展水平之间存在“U”型关系，即“环境库兹涅茨假说”并不存在。资源禀赋对区域内绿色经济绩效提升具有显著的正向影响效应。产业结构升级的经济示范效应有助于增强绿色经济绩效的区域间正向溢出。技术进步对区域内绿色经济绩效提升没有起到应有的促进作用，但对区域间绿色经济绩效提升却起到了显著的抑制作用。外商直接投资对区域内、区域间绿色经济绩效提升都具有显著的负向溢出效应，即区域内、区域间均存在“污染天堂假说”。长江经济带“共抓大保护，不搞大开发”，充分发挥地区间、城市间经济增长的空间溢出效应，努力提升技术进步、产业结构、外商直接投资等因素对绿色经济绩效的正向影响作用，有助于促进长江经济带绿色经济绩效的协同提升。
关键词 长江经济带；绿色经济绩效；溢出效应；空间回归模型偏微分方法
中图分类号 F293
文献标识码 A 文章编号 1002-2104（2018）05-0075-09 DOI：10.12062/cpre.20171204
建设长江经济带是中国新时期一项重大区域发展战略。随着资源环境约束的不断加大，高投入、高消耗、偏重数量扩张的发展方式已经难以为继，在加快推进生态文明建设的宏观背景下，提升绿色经济绩效就成为经济发展的根本要求和必然选择[1-2]。目前，一方面长江经济带地域狭长，横跨我国东、中、西部三大地区，区域间生态环境、资源禀赋、技术进步、产业结构等诸多方面均存在较大差異，为长江经济带绿色经济绩效的协同提升带来了严峻挑战；另一方面，随着长江经济带战略实施的不断深化，区域间的相互联系和空间依赖性不断增强，空间溢出效应已经成为区域协调发展中不可忽视的重要因素[3-4]。在此背景下，科学测度长江经济带绿色经济绩效并深入揭示、分解其空间溢出效应，对于破解长江经济带经济发展的资源环境约束难题、探寻长江经济带绿色经济绩效的提升路径、增强长江经济带发展统筹度和整体性、协调性、可持续性具有重要理论价值和现实意义。
绿色经济绩效是在考虑资源投入和环境代价的基础上，评价一个国家或地区经济绩效的指标，已有文献的相关研究主要集中在绿色经济绩效评价和绿色经济绩效影响因素分析两个方面。①关于绿色经济绩效的评价研究。准确评价绿色经济绩效是研究的基础，早期关于绿色经济绩效的评价主要从省际、区域或行业层面展开[5-6]。近年来，也有少数学者基于长江经济带城市经济绩效进行了测度[7]。全要素生产率（Total Factor Productivity，TFP）是衡量绿色经济绩效的重要方法，而DEA方法不需要设定基本函数形式，可以考虑多种投入和产出，评价TFP更具优势。目前，在DEA的绿色经济绩效评价研究中，有些文献采用传统的径向距离或方向性距离函数模型，忽视了变量松弛问题[8]；有些文献采用固定基准技术，按照当期的投入产出数据构造生产前沿，测度结果无法进行跨期比较[9]；还有些文献忽视了决策单元的技术边界差异[10]。②关于绿色经济绩效的影响因素研究。从已有文献看，绿色经济绩效的影响因素主要包括经济因素、资源条件因素、结构因素、对外开放因素、环境政策因素等[11]，但由于在指标测度、数据选择、模型设定等方面的差异而导致影响方向、大小等研究结论存在不一致，甚至互相矛盾；此外，已有文献表明区域经济之间存在显著的空间溢出效应[3-4]，但关于城市绿色经济绩效影响因素的检验大多基于传统面板数据模型或Tobit模型展开，忽视了绿色经济绩效及其影响因素的空间溢出效应，未能将空间溢出效应予以分解，从而导致实证结果有偏，影响了政策建议的有效性。
为了克服已有研究局限，本文将首先在环境生产技术和DEA框架下，基于非期望产出-超效率SBM模型，结合Meta-frontier、Global-DEA方法，构建城市绿色经济绩效测度方法对资源环境约束下长江经济带的城市全要素生产率（即绿色经济绩效）进行科学测度。其次，在经济空间权重矩阵下，分别利用Moran I指数和Moran散点图对长江经济带绿色经济绩效的全局和局域的空间相关性进行检验。再次，构建多种空间计量模型就长江经济带绿色经济绩效的空间溢出效应进行检验，并根据空间回归模型偏微分方法[12]，对绿色经济绩效的影响因素及其溢出效应进行检验与分解。最后，在前文分析基础上，得出结论与启示。
中国人口·资源与环境 2018年 第5期
1 方法与数据
1.1 方法
1.1.1 非期望产出-超效率SBM模型
本文运用Li等[13]的DEA方法构建考虑非期望产出的超效率SBM模型（Super-efficiency SBM Model with Undesirable Outputs）。借鉴Fre等[14]的环境技术分析框架，构造包括期望产出和非期望产出的生产可能性集合，并以长江经济带每个城市作为决策单元（DMU）来构造最优的生产前沿面。在非参数框架下，构建一个非径向、非角度的Malmquist生产率指数（MPI）用以表征全要素生产率（TFP）增长的指数，评价经济效率的跨期变动[15]。具体如式（1）所示。
MPIT，T+1o=ρTo（xT+1o，yg，T+1o，yb，T+1o）ρTo（xTo，yg，To，yb，To）·ρT+1o（xT+1o，yg，T+1o，yb，T+1o）ρT+1o（xTo，yg，To，yb，To）1/2 （1）
MPIT，T+1o测度了DMUo从T时期到T+1时期的TFP的变动。其中，ρTo（xTo， yg，To， yb，To）、ρT+1o（xT+1o， yg，T+1o， yb，T+1o）分别表示DMU0在T、T+1时期的效率值；ρT+1o（xTo， yg，To， yb，To）是基于T+1时期生产技术和T时期投入产出值的效率值；ρTo（xT+1o， yg，T+1o， yb，T+1o）是基于T时期生产技术和T+1时期投入产出值的效率值。MPIT，T+1o=1，表明TFP没有变化；若MPIT，T+1o<1，表明TFP下降；若MPIT，T+1o>1，表明TFP提高。
1.1.2 Morans I指数和Moran散点图
本文采用Morans I指数对城市绿色经济绩效的全局空间相关性进行检验，如式（2）所示。其中，、S2分别为均值和方差，n为城市单元总数，wij为空间权重矩阵，xi为第i个城市单元的绿色经济绩效。Morans I指数的取值范围为[-1， 1]。Morans I指数绝对值表征了全局空间相关程度的大小，绝对值越大，空间相关程度则越大；反之，越小。另外，通过绘制Moran散點图，能够直观刻画长江经济带绿色经济绩效的局域空间集聚特征。
Morans I=n∑ni=1∑nj=1wij（xi-）（xj-）∑ni=1∑nj=1wij∑ni=1（xi-）2
=∑ni=1∑nj=1wij（xi-）（xj-）S2∑ni=1∑nj=1wij （2）
1.1.3 空间溢出效应分解方法
如果空间计量模型估计结果中的空间滞后项系数显著不为零，那么回归系数不能直接用于解释自变量的空间溢出效应，为了解决这一问题，LeSage和Pace[12]提出了空间回归模型偏微分方法（Spatial Regression Model Partial Derivatives）。
y=αtn+ρWy+βX+θWX+ε（3）
（In-ρW）y=αtn+βX+θWX+ε（4）
y=∑kr=1Sr（W）xr+V（W）tnα+V（W）ε（5）
y1
y2
…
yn=∑kr=1
Sr（W）11Sr（W）12…Sr（W）1n
Sr（W）21Sr（W）22
………
Sr（W）1nSr（W）2n…Sr（W）nn
x1r
x2r
…
xnr+V（W）ιnα+V（W）ε（6）
yi=∑kr=1[Sr（W）i1x1r+Sr（W）i2x2r+…+
Sr（W）inxnr]+V（W）ιnα+V（W）iε （7）
yixjr=Sr（W）ij （8）
yixir=Sr（W）ii （9）
其中，Sr（W）=V（W）（Inβr+Wθr），V（W）=（In-ρW）-1=In+ρW+ρ2W2+…，In是n阶单位矩阵、ιn为N×1阶单位矩阵；xr为第r个解释变量，r=1，2，…， k，βr为解释变量xr的回归系数，θr为WX的第r个变量的回归系数。Sr（W）ij反映区域j的xr对区域i被解释变量的影响，Sr（W）ii反映区域i的xr对本区域被解释变量的影响，后者称为直接效应，前者称为间接效应，两者相加则为总效应。直接效应即为解释变量对被解释变量的区域内溢出，而间接效应即为解释变量对被解释变量的区域间溢出。
1.2 数据与处理
1.2.1 区域划分与城市选择
长江经济带包括江苏、浙江、安徽、江西、湖北、湖南、四川、云南、贵州9个省份和上海、重庆2个直辖市。由于2011年以后，贵州省毕节、同仁两市才有数据可查且巢湖市数据不再统计，因此本文基于108个城市展开研究（由于篇幅所限，本文不再一一列出）。
1.2.2 数据来源及处理
出于数据平行性和可得性方面的考虑，本文研究基于2003—2013年城市面板数据展开。在DEA测算中，本文使用的投入要素主要包括资本、劳动、能源。资本投入方面，由于资本存量并无官方统计数据，与已有大多数文献一致，本文采用永续盘存法对资本存量进行估算，具体公式如下：Kt=（1-δ）Kt-1+It，K0=I0（gi+δ）。其中，Kt和Kt-1分别表示t、t-1时期的资本存量，It为以不变价衡量的t时期全社会固定资产实际投资，δ为资本折旧率。K0为基期资本存量，I0为基期全社会固定资产实际投资，gi为一定时期内全社会固定资产实际投资的几何平均增长率。由于目前城市全社会固定资产投资价格指数没有相关统计数据，本文以2003年基期采用各城市所在省份的全社会固定资产投资价格指数对城市固定资产投资进行平减处理。gi依据2003—2013年各城市全社会固定资产实际投资额的几何平均增长率计算可得。关于折旧率的设定，本文借鉴吴延瑞[16]的做法，不同省份设定不同的折旧率，而各城市折旧率依据所在省份的折旧率进行设定。劳动投入方面，本文采用单位从业人员、城镇私营与个体从业人员之和作为代表。能源投入方面，由于城市煤炭、石油等传统能源数据没有统计，部分城市煤气、液化石油气数据缺失较为严重，因此本文采用全社会用电量近似反映能源投入状况。期望产出方面，采用各城市地区生产总值作为期望产出，并以 2003年为基期进行平减处理。非期望产出方面，本文选取工业废水、工业二氧化硫、工业烟（粉）尘排放三种污染物作为非期望产出[7]。数据均来源于《中国城市统计年鉴》《中国统计年鉴》。
1.2.3 空间权重矩阵的设置
空间计量分析中空间权重设置至关重要[17]，空间关联模式对空间相关性的检验结果具有直接影响，出于稳健性的考虑，本文选择地理距离权重和经济空间权重两种矩阵来表征长江经济带绿色经济绩效的空间关联模式。
第一，地理距离权重矩阵。根据地理学第一定律[18]，距离较近的事物通常比距离较远的事物联系更为紧密。本文使用地理距离平方的倒数来构造地理距离权重矩阵。假定d为城市间球面距离，那么地理距离权重矩阵（W1）的矩阵元素wij=1/d2，i≠j；wij=0，i=j。
第二，经济空间权重矩阵。经济空间权重矩阵（W2）用于表征各城市经济发展之间相互影响即“经济距离”对绿色经济绩效的影响。W2可以依据W2=W1E求得，E为城市间经济差异矩阵，其矩阵元素Eij=1/|yi-yj|，i≠j；Eij=0，i=j。其中，yi、yj分别为第i、 j个城市样本观测期内人均实际GRP（2003为基期）。
2 长江经济带绿色经济绩效测度
2.1 投入产出变量的等张性检验
决策单元DMU的生产过程满足等张性假设是运用DEA模型进行效率和生产率评价的前提，即增加任意一个DMU的投入量，则其产出量也必须相应增加或至少不能减少。皮尔逊相关系数是检验投入产出等张性的常用方法[1]，检验结果显示，在1%显著性水平下，所有投入产出变量之间均存在显著的正相关关系，这表明所有DMU生產过程满足等张性要求。
2.2 绿色经济绩效测度及比较
本文以长江经济带108个城市为最佳生产前沿面，在规模报酬可变假设下，基于非期望产出-超效率SBM模型，结合Meta-frontier、Global-DEA方法，测得了2004—2013年长江经济带各城市Malmquist生产率指数并对其进行累积处理（由于篇幅所限，本文不再报告各城市具体结果）。累积TFP指数实际测度了以2003年为基期，2004—2013长江经济带各城市绿色经济绩效的增长状况。为了避免“大象与蚂蚁”之间的排名问题，本文按照经济总量（地区生产总值）排名将108个城市平均分为高组、中组、低组，图1反映了长江经济带不同分组的城市累积TFP指数的动态演变趋势。
由图1可知，长江经济带经济发展高、中、低组的城市累积TFP指数存在明显的梯度效应。其中高组城市累积TFP指数始终大于中组、低组城市；除2005年以外，中组城市累积TFP指数均高于低组城市。从总体演变态势看，样本观测期内，高组城市累积TFP指数呈总体增长趋势，低组城市呈总体下降趋势，中组城市呈水平波动态势。以上结果表明长江经济带经济发展水平较高的城市绿色经济绩效也较高，经济发展水平较低的城市绿色经济绩效也较低，而且具有高者越高、低者越低的总体演变趋势。
图1 长江经济带按经济总量分组的累积TFP
指数动态演变趋势
Fig.1 Dynamic evolution trend of cumulative TFP
index grouped by economic amount in the Yangtze
River Economic Belt
3 长江经济带绿色经济绩效的空间相关性检验
空间相关性检验是区别选择传统面板数据模型和空间计量模型的重要依据。表1报告了长江经济带绿色经济绩效的空间相关性检验结果。为降低分析误差，我们对累积TFP指数取对数，但很多城市的累积TFP指数小于1，取对数后为负值，为此本文进一步借鉴Managi等[19]的做法，在累积TFP指数的基础上加1后再取对数。
由表1可以发现：①在10%显著性水平上，基于地理距离权重的Morans I指数显著为正；经济空间权重下2004—2013年Morans I指数也显著为正（10%显著性水平），这表明长江经济带绿色经济绩效存在显著的正向空间依赖性。②从Morans I指数的演变趋势看，在地理距离权重、经济空间权重下Morans I指数在波动中均呈总体增长态势，样本观测期内年均增长率分别为14.54%、22.89%，这表明长江经济带绿色经济绩效的空间依赖性逐渐增强。此外，根据Moran散点图（由于篇幅所限未列出）可以发现：在地理距离权重、经济空间权重下，108个城市中分别有70、74个城市位于第一、三象限，这表明长江经济带绿色经济绩效的空间分布是非均质的，存在高度的空间集聚特征。经济空间权重下的Morans I指数均大于地理距离权重下的Morans I指数，而且这种差距呈逐渐扩大趋势，这表明经济因素可能在一定程度上增强了长
江经济带城市间绿色经济绩效的空间依赖性。鉴于此，本文将基于经济空间权重建立空间计量模型就长江经济带绿色经济绩效的影响因素进行分析。
4 空间溢出效应及其分解
4.1 影响因素及代理变量选择
为了确保计量检验结果的稳健性，我们选择空间滞后模型（SAR）、空间误差模型（SEM）和空间 Durbin 模型（SDM）三种空间计量模型（如公式10～12所示），在经济空间权重下分别进行固定效应和随机效应回归，然后选出较优的估计模型并进行实证分析。具体步骤如下：首先进行固定效应和随机效应的选择，模型的AIC值越小，模型的解释力则越强。其次进行拟合优度评价，Log Likelihood 与R2值越大，模型的拟合优度越高。最后对SDM 是否可以转化为SAR和SEM进行检验，如果检验结果显著拒绝“SDM可以转化为SAR”或“SDM可以转化为SEM”的原假设，则选择 SDM。
SAR模型： y=α+ρWy+βX+ε （10）
SEM模型： y=α+βX+ε，ε=λWε+v （11）
SDM模型： y=α+ρWy+βX+θWX+ε （12）
出于数据的考虑，同时借鉴已有经典文献[5，20]，本文将长江经济带绿色经济绩效的影响因素设定如下：①经济发展水平。绿色经济绩效反映资源环境约束下生产决策单位的投入产出关系，而不同的经济发展水平下资源利用、环境污染、以及投入产出关系差异较大，因此经济发展
表1 长江经济带绿色经济绩效的Morans I指数及显著性
Tab.1 Morans I index and its significance of green
economic performance in the Yangtze River Economic Zone
注：10%显著性水平上显著。
水平对绿色经济绩效具有重要影响。本文以全市人均地区生产总值（PGRP，用X1表示）代表经济发展水平，并以2003年为基期进行处理。为了检验环境污染与经济发展之间是否存在倒“U”型关系（即“环境库兹涅茨假说”），本文将全市人均地区生产总值的平方项（X2）引入了模型。②产业结构因素。不同产业的资源利用效率和管理效率不同，技术进步水平和污染排放水平也不同，因此产业结构变化会对绿色经济绩效产生重要影响。产业结构升级能否促进绿色经济绩效提升一般取决于第三产业占比提升带来的环境污染下降与第二产业占比下降引起的技术进步效应弱化的对比关系。本文以全市第三产业占地区生产总值比重（X3）反映产业结构状况。③技术进步水平。从理论上讲，通过增加R&D;投入或政府科技支出提升自主创新能力、或利用市场机制引进先进的管理经验和技术设备都有利于提升绿色经济绩效，但如果技术进步转换到环境污染治理或企业生产过程的能力不强，则有可能引起技术进步投入对实际生产的“挤出效应”，从而弱化技术进步对绿色经济绩效提升的正向促进作用。由于城市R&D;经费没有相关统计数据，本文以全市科学技术支出占地区生产总值比重（X4）近似代表技术进步水平。④资源禀赋结构因素。城市资源禀赋不同，资本与劳动比例关系则不同。资本密集型产业一般污染相对严重，但同时它也是技术创新的主导力量；劳动密集型产业通常污染较轻，但技术进步效应相对弱化。资源禀赋结构变化能否促进绿色经济绩效提升取决于技术进步正面效应和环境污染负面效应的对比关系。本文以资本-劳动比（X5）代表资源禀赋结构。⑤对外开放因素。对外开放是把“双刃剑”：一方面，对外开放有助于引进先进的生产技术和管理
理念，从而促进绿色经济绩效的提升；另一方面，根据“污染天堂假说”，由于我国环境规制低于发达国家水平，伴随着对外开放程度的逐渐提高，外商直接投资可能大量涌入国内污染密集型产业，从而造成城市绿色经济绩效低下。本文以当年实际使用外资金额（FDI）占地区生产总值比重（X6）代表对外开放程度。
4.2 空间计量面板数据回归
4.2.1 空间计量模型的估计结果
表2报告了经济空间权重下三种空间计量模型的估计结果。在固定效应和随机效应下，SDM模型的AIC值小于SAR和SEM模型的相应数值；SDM模型的Log Likelihood值和R2大于SAR和SEM模型的相应数值；显著拒绝“SDM可以转化为SAR”和“SDM可以转化为SEM”的原假设。这一结果表明SDM模型优于SAR和SEM模型。如果就SDM模型两种效应估计结果比较而言，固定效应模型则更优。另外，10%显著性水平上SDM（固定效应）模型的ρ值显著不为零。根据LeSage和Pace[12]，表2中的回归系数不能直接用于解释各变量对绿色经济绩效的影响。为此，接下来将使用空间回归模型偏微分方法对空间溢出效应分解并进行解釋。表3报告了经济空间权重下SDM固定效应模型的空间溢出效应分解结果。
4.2.2 空间溢出效应分解
第一，经济发展水平溢出效应分解。经济发展水平及其平方项的直接效应系数分别为0.096、-0.003，均通过了10%显著性水平检验，这一结果表明绿色经济绩效与经济发展水平之间存在倒“U”关系，而作为非期望产出，较高的环境污染水平通常会降低绿色经济绩效；较低的环境污染水平有助于提升绿色经济绩效[1]。因此，本文近似
表2 经济空间权重下三种空间计量模型的估计结果
Tab.2 Estimation results of three spatial econometric models under economic spatial weights
注：***、**、*分别代表在1%、5%、10%显著性水平上显著。
认为环境污染与经济发展水平之间存在“U”关系，即不支持“环境库兹涅茨假说”。进一步计算得知，拐点位置在14.470万元（2003年价格，以下同），而观测期内城市人均地区生产总值的最大值为14.851万元，这意味着大部分城市均处于倒“U”型拐点的左侧，即城市经济发展水平对本区域绿色经济绩效具有正向直接影响效应。这表明经济发展水平越高的城市，基础设施可能越完善，技术水平相对越高，环境治理投入相对越大，从而提升了绿色经济绩效。经济发展水平及其平方项的间接效应系数分别为-0.041、0.003，这表明本城市的绿色经济绩效与其它城市的经济发展水平存在“U”关系，即近似认为本城市环境污染与其它城市经济发展水平之间存在倒“U”关系，这一结果支持“环境库兹涅茨假说”。进一步计算得知，拐点位置在7.035万元（2003年价格，以下同），而观测期内96.630%的人均地区生产总值低于这一数值，这意味着大部分城市处于倒“U”型拐点的左侧，即本城市经济发展水平对其它城市绿色经济绩效具有负向影响效应，但这一影响的显著性水平高于10%。可能的原因是，一方面本地较高的经济发展水平吸引了外区域高质量劳动、资本等生产要素从而引起外区域绿色经济绩效的下降；另一方面，经济发展水平较高的城市可能迫于环境污染压力，将污染较为严重的产业转移到邻域地区，从而引起外区域绿色经济绩效下降。就总效应而言，经济发展水平及其平方项的
表3 经济空间权重下基于SDM固定效应模型的
溢出效应分解结果
Tab.3 Decomposition results of spillover effects under
economic spatial weights based on SDM fixed
effect model
注：***、**、*分别代表在1%、5%、10%显著性水平上显著；括号内数值代表t值。
影响系数分别为0.055、-0.000 4，表明绿色经济绩效与经济发展水平存在倒“U”关系，即近似认为环境污染与经济发展水平之间存在“U”关系，即不支持“环境库兹涅茨假说”。本地经济发展水平对外区域绿色经济绩效的负向影响效应小于其对本区域绿色经济绩效的正向影响效应，因此导致总效应表现为正向影响效应。
第二，产业结构溢出效应分解。产业结构的直接效应系数为0.001，这一结果表明城市产业结构升级对本区域绿色经济绩效提升具有显著的正向直接影响效应，即产业结构升级意味着第三产业比重上升，第二产业比重相对下降，从而可能引起环境污染减弱，经济绩效提升。间接效应系数为0.001，这一结果表明城市产业结构升级对外区域绿色经济绩效提升具有显著的正向溢出效应，一种可能的解释是，权重选择考虑了经济因素的影响之后，产业结构升级带动的地区间产业转移弱化，示范效应加强，地区产业结构升级促进了外地区经济绩效的提升。总效应系数为0.002，这一结果表明城市产业结构升级对绿色经济绩效提升总体表现为正向溢出效应。但产业结构对绿色经济绩效的三种影响效应的显著性水平均高于10%。
第三，技术进步溢出效应分解。技术进步的直接效应系数为-0.002，但这一影响的显著性水平高于10%，这表明城市技术进步对本区域绿色经济绩效提升没有起到应有的正向直接影响效应。可能的原因是，一方面，科学技术支出费用对本地区从业人员、资本存量、全社会用电量等生产要素质量的改进可能并未起到应有的促进作用，未能有效提升城市绿色经济绩效；另一方面，随着科学技术支出费用增加，一定程度上引起了生产投入相对下降，在技术进步没有明显提升生产要素质量的情况下，实际产出下降，从而拉低了经济绩效。技术进步的间接效应系数为-0.147，通过了10%的显著性水平检验，这表明城市技术进步对外区域绿色经济绩效提升具有显著的负向溢出效应，换言之，本城市技术进步对其它城市绿色经济绩效提升具有一定抑制作用。这可能与本区域技术进步带动经济发展从而可能引起外区域高质量劳动、资本等生产要素向本地区跨地区流动有关；另外，技术进步通常存在一定集聚效应，可能只有在经济水平相当的地区间对绿色经济绩效才存在正向空间溢出效应[1]。技术进步的总效应系数为-0.149，通过了10%的显著性水平检验。以上结果表明技术进步对本城市、城市间绿色经济绩效提升均没有起到应有的带动作用，其作用发挥仍有巨大的上升空间。
第四，资源禀赋溢出效应分解。资本-劳动比的直接效应系数为0.003，10%显著性水平下通过了检验，表明城市资源禀赋对区域内绿色经济绩效提升具有显著的正向直接影响效应，这与王兵等[5]的研究结论一致。一般来看，资本密集型产业污染相对严重，从而对绿色经济绩效存在一定负面影响，但资本密集型产业的技术进步因素可能抵消并超过了这一影响，从而表现为随着资源禀赋增加绿色经济绩效得以提升。资本-劳动比的间接效应系数为-0.003，通過了10%的显著性水平检验，表明本城市资源禀赋对外区域绿色经济绩效提升具有显著的负向溢出效应。这一结果可能与跨区域资本流动和转移有关，即随着本区域资本流入增加，资本-劳动比上升，外区域资本-劳动比相对下降、资本密集型产业带来的环境污染相对减弱，但其技术进步因素对绿色经济绩效的促进作用可能同时也在减弱，从而出现随着本区域资源禀赋增加外区域绿色经济绩效得以下降的现象。资本-劳动比的总效应系数为-0.0001，表明资源禀赋对绿色经济绩效的区域间溢出效应稍大于区域内溢出效应，但这一总影响效应的显著性水平高于10%。
第五，对外开放溢出效应分解。FDI的直接效应系数为-0.010，通过了10%的显著性水平检验，这表明城市外商直接投资对本区域绿色经济绩效提升具有显著的负向直接影响效应，这与涂正革[21]的研究结论一致，同时也印证了“污染天堂假说”的存在，即我国作为发展中国家，长江经济带环境规制水平相对较低，随着贸易自由化的发展，外商直接投资逐渐流入城市污染密集型产业，从而降低了城市绿色经济绩效。FDI的间接效应系数为-0.012，通过了10%的显著性水平检验，这表明城市外商直接投资对外区域绿色经济绩效提升具有显著的负向溢出效应，其原因可能在于外商直接投资形成了跨区域的污染密集型产业链条从而产生了跨区域的污染溢出，从而降低了外区域绿色经济绩效。FDI的总效应系数为-0.022，通过了10%的显著性水平检验。
5 研究结论与启示
与已有研究相比较，本文研究特色在于：从空间溢出视角对长江经济带绿色经济绩效的影响因素进行了实证检验与效应分解。研究结论表明：长江经济带绿色经济绩效的空间分布并不均衡，具有显著的空间依赖和空间集聚特征。经济发展水平越高的城市绿色经济绩效越高，经济发展水平越低的城市绿色经济绩效越低，而且具有高者越高、低者越低的演变趋势。区域内“环境库兹涅茨假说”并不存在。资源禀赋对本区域绿色经济绩效提升具有显著的正向影响效应。产业结构升级的经济示范效应有助于增强绿色经济绩效的区域间正向溢出。技术进步对区域内绿色经济绩效提升没有起到应有的促进作用，但对外区域绿色经济绩效提升却起到了显著的抑制作用。外商直接投资对本区域、外区域绿色经济绩效提升均具有显著的负向溢出效应，“污染天堂假说”存在。
基于以上研究结论，未来长江经济带绿色经济绩效的提升可以重点考虑以下几个方面：第一，加快改善长江经济带的生态环境。十九大报告指出，长江经济带建设应以“共抓大保护，不搞大开发”为导向，推动长江经济带可持续发展。促进生态环境修复，一方面要加强长江中上游地区，特别是干支流源头的水土保持和水源保护工作，三峡库区的水源涵养工作，修复水生态；同时加大沿江的森林保护，充分发挥其生态屏障作用，修复物种多样性。另一方面，加大长江流域的人为污染治理，严格工业企业的生产过程防止工业污染，同时重视生活污水和农业污水处理等，从而为长江黄金水道作用的发挥和金沙江、乌江等地的水电开发等资源利用提供保障，促进长江经济带绿色经济绩效的提升。第二，利用空间溢出效应促进绿色经济绩效协同提升。按照长江经济带“一轴、两翼、三极、多点”的空间布局特点，通过长江流域联通上、中、下游的城市，发挥绿色经济绩效较高的城市对较为落后城市的正向溢出效应，同时沿支流辐射带动南北两侧的城市发展，加快整个区域生产要素的流动，并基于成渝城市群、长江中游城市群和长江三角洲城市群整合各地资源，提高生产效率，推动长江经济带绿色经济绩效的协同提升。第三，发挥技术进步对绿色经济绩效协同提升的正向促进作用。要加快实施创新驱动战略，打造以上海、重庆及其他省会城市为核心的科技创新中心，并根据本地区特点量身打造创新示范区，实现科技成果的就地转化。利用长江流域这个“通道”将先进生产技术向其他地区转移，推动生产技术的不断融合提高，从而逐步减小各地的技术进步差异，促进长江经济带绿色经济绩效的协同发展。第四，加快产业结构的优化、调整与升级，发挥产业结构对绿色经济绩效协同提升的促进作用。长江经济带历来都是我国重要的工业聚集区，产业优势突出，拥有一大批钢铁、汽车、家电、电子信息、航天航空等传统重工业和高级制造业企业。在提升绿色经济绩效过程中，一方面，要结合未来产业发展趋势，以创新驱动代替要素驱动进一步发展高级制造业，提升产业的经济效益；另一方面，整合传统重工业，关停高污染、高耗能产业，积极推动钢铁、石化、建材等行业的产业结构升级，对传统行业进行绿色化改造。同时，积极发展现代化农业，提高农产品竞争力，并着力加大第三产业的发展，从而探索依托长江流域的绿色循环经济模式。第五，提高长江经济带的环境规制水平，发挥FDI对绿色经济绩效的正向影响作用。加快建立绿色发展的指标体系，对外商采用“负面清单”的管理办法，严禁高污染、高耗能企业的进入，同时对于科技含量高、污染小的外资企业，有针对性地提供优惠政策和奖励机制予以支持，逐步扭转FDI的负向影响，推动长江经济带绿色经济绩效的提升。
需要指出的是，目前城市口径的数据主要源于《城市统计年鉴》，部分指标数据或没有公布或缺失严重，因此在资本存量测算、能源投入选择、非期望产出选择、技术进步指标选择等方面可能存在一定局限性。在未来研究中，将从两个方面进行拓展：第一，扩展评估的污染物类型，加入水污染指标，突出水污染对长江流域绿色绩效的影响；第二，对长江经济带绿色经济绩效的空间溢出效应进行分组考察。一种思路是按照上游、中游、下游进行分组，这种分组能够对应污染物排放的流域特点；另一种思路是按照经济体量进行分组，就不同经济总量下城市绿色环境绩效的空间溢出效应进行检验、分解与比较。
（编辑：李 琪）
参考文献（References）
[1]刘华军. 资源环境约束下中国全要素生产率增长的空间差异及区域协调对策研究 [M]. 北京： 经济科学出版社， 2016： 218-229. [LIU Huajun. Spatial difference of Chinas total factor productivity growth and countermeasures of regional coordination under resource and environmental constraints [M]. Beijing： Economic Science Press， 2016： 218-229.]
[2]陈志光，李华香，李善同.“十二五”时期我国经济社会发展的成就与问题[J].山东师范大学学报（人文社会科学版），2015（5）：101-110. [CHEN Zhiguang， LI Huaxiang， LI Shantong. On achievements and problems of Chinas economic and social development during the ‘12th Five-year Plan period [J]. Journal of Shandong Normal University （humanities and social sciences）， 2015（5）：101-110.]
[3]潘文卿. 中国的区域关联与经济增长的空间溢出效应 [J]. 经济研究， 2012（1）： 54-65. [PAN Wenqing. Regional linkage and the spatial spillover effects on regional economic growth in China [J]. Economic research journal，2012（1）： 54-65.]
[4]張宗斌，辛静静.中国对外直接投资贸易效应区域差异研究[J].山东师范大学学报（人文社会科学版），2016（2）：89-96. [ZHANG Zongbin， XIN Jingjing. Study on regional differences of Chinas trade effect from FDI [J]. Journal of Shandong Normal University （humanities and social sciences）， 2016（2）：89-96.]
[5]王兵， 吴延瑞， 颜鹏飞. 中国区域环境效率与环境全要素生产率增长 [J]. 经济研究， 2010（5）： 95-109.[WANG Bing， WU Yanrui， YAN Pengfei. Environmental efficiency and environmental total factor productivity growth in Chinas regional economies [J]. Economic research journal， 2010（5）： 95-109.]
[6]项目.知识溢出对高新技术产业影响的实证研究——一中关村国家自主创新示范区为例[J].山东师范大学学报（人文社会科学版），2016（4）：130-136. [XIANG Mu. The empirical research on the impact of knowledge spillover on high-tech industry： based on the data of Zhongguancun Self-innovative Demonstration Area[J]. Journal of Shandong Normal University （humanities and social sciences）， 2016（4）：130-136.]
[7]卢丽文， 宋德勇， 李小帆. 长江经济带城市发展绿色效率研究 [J]. 中国人口·资源与环境， 2016（6）：35-42.[LU Liwen， SONG Deyong，LI Xiaofan. Green efficiency of urban development in the Yangtze River Economic Belt [J]. China population，resources and environment， 2016（6）： 35-42.]
[8]TONE K. A slacks-based measure of efficiency in data envelopment analysis [J]. European journal of operational research， 2001， 130（3）：498-509.
[9]PASTOR J T， LOVELL C A K. A global malmquist productivity index [J]. Economics letters， 2005， 88（2）： 266-271.
[10]OH D H. A metafrontier approach for measuring an environmentally sensitive productivity growth index [J]. Energy economics， 2010， 32（1）： 146-157.
[11]王兵， 唐文獅，吴延瑞，等.城镇化提高中国绿色发展效率了吗？[J].经济评论，2014（4）：38-49.[WANG Bing，TANG Wenshi，WU Yanrui，et al.Does urbanization increase Chinas green development efficiency？ [J].Economic review，2014（4）：38-49.]
[12]LESAGE J P， PACE R K. Introduction to spatial econometrics [M]. Boca Raton： Taylor & Francis Group， 2009： 34-48.
[13]LI H， SHI J F. Energy efficiency analysis on Chinese industrial sectors： an improved super-sbm model with undesirable outputs [J]. Journal of cleaner production， 2014（65）： 97-107.
[14]FRE R， GROSSKOPF S， PASURKA CA. Environmental production functions and environmental directional distance functions [J]. Energy， 2007， 32（7）： 1055-1066.
[15]COOPER W W， SEIFORD L M， TONE K. Data envelopment analysis： a comprehensive text with models， applications， references and dea-solver software [M]. New York： Springer， 2007： 55-63.
[16]吴延瑞. 生产率对中国经济增长的贡献： 新的估计 [J]. 经济学（季刊）， 2008（7）： 827-842. [WU Yanrui. The role of productivity in Chinas growth： new estimates [J]. China economic quarterly， 2008（7）： 827-842.]
[17]ANSELIN L， GALLO J L， JAYET H. Spatial panel econometrics [M]. Berlin：Springer， 2008： 20-30.
[18]TOBLER W R. A computer movie simulating urban growth in the detroit region [J]. Economic geography， 1970， 46（2）： 234-240.
[19]MANAGI S， JENA P R. Environmental productivity and Kuznets Curve in India [J]. Ecological economics， 2008， 65（2）： 432-440.
[20]刘华军， 杨骞. 资源环境约束下中国TFP增长的空间差异和影响因素 [J]. 管理科学， 2014， 27（5）： 133-144.[LIU Huajun， YANG Qian. The spatial disparities and influence factors of Chinas total factor productivity growth under the constraints of resource and environment [J]. Journal of management science， 2014， 27（5）： 133-144.]
[21]涂正革. 环境、资源与工业增长的协调性 [J]. 经济研究， 2008（2）： 93-105. [TU Zhengge. The coordination of industrial growth with environment and resource [J]. Economic research Journal， 2008（2）： 93-105.]
Spillover effect and decomposition of green economic performance of the city
in the Yangtze River Economic Belt
HAO Guo-cai XU Yin-liang ZHANG Xiao-meng CHEN Ming-hua
（School of Economics， Shandong University of Finance and Economics， Jinan Shandong 250014， China）
Abstract The promotion of green economic performance in the perspective of ecological civilization has become the fundamental requirement and inevitable choice of economic development. Based on the data of 108 cities in the Yangtze River Economic Belt for 2003-2013， this paper measures the performance of green economy with the undesirable output super efficiency SBM model， and makes comparisons in different regions. Then， we test the spatial spillover effect of the green economic performance of the Yangtze River Economic Belt by building a variety of spatial econometric models based on the economic space weight， and use the partial differential method of spatial regression model to test and decompose the influence factors and spillover effects of green economic performance. The conclusion of the study shows that， the spatial distribution of green economic performance in Yangtze River Economic Belt is not balanceable， with significant spatial dependence and spatial agglomeration. We find that the higher the level of economic development， the higher the performance of green economy is， and the lower the level of economic development， the lower the green economic performance is. There is a significant spatial spillover effect on the green economic performance of the Yangtze River Economic Belt， and there is a ‘U relationship between the environmental pollution in the region and the level of economic development， which means that the environmental Kuznets hypothesis does not exist. Whats more， resource endowment has a significantly positive effect on the promotion of green economic performance in the region. The economic demonstration effect of industrial structure upgrading helps to enhance the inter-regional spillover of green economic performance. Technological progress has not played a positive role in promoting the performance of green economy in the region， but it has played a significant role in improving the performance of inter regional green economy. FDI has a significantly negative effect on the promotion of regional and inter-regional spillover of green economic performance； therefore， ‘pollution heaven hypothesis really exists in both regions and regions. Moreover， Yangtze River Economic Belt should take measure of ‘total protection and no more large development， and give full play to the spatial spillover effect of economic growth in the region and the city， to promote technology progress， industrial structure， foreign direct investment and other positive effects on the performance of the green economy. Just in this way， we can promote the green economic performance in Yangtze River Economic Belt.
Key words Yangtze River Economic Belt； green economic performance； spatial spillover； partial derivatives of spatial regression model
摘要 生态文明视域下提升绿色经济绩效已经成为经济发展的根本要求和必然选择。本文基于长江经济带108个城市2003—2013年数据，使用非期望产出-超效率SBM模型对绿色经济绩效进行了测度，并进行了分区域比较；依据经济空间权重构建多种空间计量模型实证检验了长江经济带绿色经济绩效的空间溢出效应；运用空间回归模型偏微分方法对绿色经济绩效的影响因素及其溢出效应进行了检验与分解。研究结论表明：长江经济带绿色经济绩效的空间分布并不均衡，具有显著的空间依赖和空间集聚特征。经济发展水平越高的地区绿色经济绩效越高，经济发展水平越低的地区绿色经济绩效越低，而且具有高者愈高、低者愈低的演变趋势。长江经济带绿色经济绩效存在显著的空间溢出效应。区域内环境污染与经济发展水平之间存在“U”型关系，即“环境库兹涅茨假说”并不存在。资源禀赋对区域内绿色经济绩效提升具有显著的正向影响效应。产业结构升级的经济示范效应有助于增强绿色经济绩效的区域间正向溢出。技术进步对区域内绿色经济绩效提升没有起到应有的促进作用，但对区域间绿色经济绩效提升却起到了显著的抑制作用。外商直接投资对区域内、区域间绿色经济绩效提升都具有显著的负向溢出效应，即区域内、区域间均存在“污染天堂假说”。长江经济带“共抓大保护，不搞大开发”，充分发挥地区间、城市间经济增长的空间溢出效应，努力提升技术进步、产业结构、外商直接投资等因素对绿色经济绩效的正向影响作用，有助于促进长江经济带绿色经济绩效的协同提升。
关键词 长江经济带；绿色经济绩效；溢出效应；空间回归模型偏微分方法
中图分类号 F293
文献标识码 A 文章编号 1002-2104（2018）05-0075-09 DOI：10.12062/cpre.20171204
建设长江经济带是中国新时期一项重大区域发展战略。随着资源环境约束的不断加大，高投入、高消耗、偏重数量扩张的发展方式已经难以为继，在加快推进生态文明建设的宏观背景下，提升绿色经济绩效就成为经济发展的根本要求和必然选择[1-2]。目前，一方面长江经济带地域狭长，横跨我国东、中、西部三大地区，区域间生态环境、资源禀赋、技术进步、产业结构等诸多方面均存在较大差異，为长江经济带绿色经济绩效的协同提升带来了严峻挑战；另一方面，随着长江经济带战略实施的不断深化，区域间的相互联系和空间依赖性不断增强，空间溢出效应已经成为区域协调发展中不可忽视的重要因素[3-4]。在此背景下，科学测度长江经济带绿色经济绩效并深入揭示、分解其空间溢出效应，对于破解长江经济带经济发展的资源环境约束难题、探寻长江经济带绿色经济绩效的提升路径、增强长江经济带发展统筹度和整体性、协调性、可持续性具有重要理论价值和现实意义。
绿色经济绩效是在考虑资源投入和环境代价的基础上，评价一个国家或地区经济绩效的指标，已有文献的相关研究主要集中在绿色经济绩效评价和绿色经济绩效影响因素分析两个方面。①关于绿色经济绩效的评价研究。准确评价绿色经济绩效是研究的基础，早期关于绿色经济绩效的评价主要从省际、区域或行业层面展开[5-6]。近年来，也有少数学者基于长江经济带城市经济绩效进行了测度[7]。全要素生产率（Total Factor Productivity，TFP）是衡量绿色经济绩效的重要方法，而DEA方法不需要设定基本函数形式，可以考虑多种投入和产出，评价TFP更具优势。目前，在DEA的绿色经济绩效评价研究中，有些文献采用传统的径向距离或方向性距离函数模型，忽视了变量松弛问题[8]；有些文献采用固定基准技术，按照当期的投入产出数据构造生产前沿，测度结果无法进行跨期比较[9]；还有些文献忽视了决策单元的技术边界差异[10]。②关于绿色经济绩效的影响因素研究。从已有文献看，绿色经济绩效的影响因素主要包括经济因素、资源条件因素、结构因素、对外开放因素、环境政策因素等[11]，但由于在指标测度、数据选择、模型设定等方面的差异而导致影响方向、大小等研究结论存在不一致，甚至互相矛盾；此外，已有文献表明区域经济之间存在显著的空间溢出效应[3-4]，但关于城市绿色经济绩效影响因素的检验大多基于传统面板数据模型或Tobit模型展开，忽视了绿色经济绩效及其影响因素的空间溢出效应，未能将空间溢出效应予以分解，从而导致实证结果有偏，影响了政策建议的有效性。
为了克服已有研究局限，本文将首先在环境生产技术和DEA框架下，基于非期望产出-超效率SBM模型，结合Meta-frontier、Global-DEA方法，构建城市绿色经济绩效测度方法对资源环境约束下长江经济带的城市全要素生产率（即绿色经济绩效）进行科学测度。其次，在经济空间权重矩阵下，分别利用Moran I指数和Moran散点图对长江经济带绿色经济绩效的全局和局域的空间相关性进行检验。再次，构建多种空间计量模型就长江经济带绿色经济绩效的空间溢出效应进行检验，并根据空间回归模型偏微分方法[12]，对绿色经济绩效的影响因素及其溢出效应进行检验与分解。最后，在前文分析基础上，得出结论与启示。
中国人口·资源与环境 2018年 第5期
1 方法与数据
1.1 方法
1.1.1 非期望产出-超效率SBM模型
本文运用Li等[13]的DEA方法构建考虑非期望产出的超效率SBM模型（Super-efficiency SBM Model with Undesirable Outputs）。借鉴Fre等[14]的环境技术分析框架，构造包括期望产出和非期望产出的生产可能性集合，并以长江经济带每个城市作为决策单元（DMU）来构造最优的生产前沿面。在非参数框架下，构建一个非径向、非角度的Malmquist生产率指数（MPI）用以表征全要素生产率（TFP）增长的指数，评价经济效率的跨期变动[15]。具体如式（1）所示。
MPIT，T+1o=ρTo（xT+1o，yg，T+1o，yb，T+1o）ρTo（xTo，yg，To，yb，To）·ρT+1o（xT+1o，yg，T+1o，yb，T+1o）ρT+1o（xTo，yg，To，yb，To）1/2 （1）
MPIT，T+1o测度了DMUo从T时期到T+1时期的TFP的变动。其中，ρTo（xTo， yg，To， yb，To）、ρT+1o（xT+1o， yg，T+1o， yb，T+1o）分别表示DMU0在T、T+1时期的效率值；ρT+1o（xTo， yg，To， yb，To）是基于T+1时期生产技术和T时期投入产出值的效率值；ρTo（xT+1o， yg，T+1o， yb，T+1o）是基于T时期生产技术和T+1时期投入产出值的效率值。MPIT，T+1o=1，表明TFP没有变化；若MPIT，T+1o<1，表明TFP下降；若MPIT，T+1o>1，表明TFP提高。
1.1.2 Morans I指数和Moran散点图
本文采用Morans I指数对城市绿色经济绩效的全局空间相关性进行检验，如式（2）所示。其中，、S2分别为均值和方差，n为城市单元总数，wij为空间权重矩阵，xi为第i个城市单元的绿色经济绩效。Morans I指数的取值范围为[-1， 1]。Morans I指数绝对值表征了全局空间相关程度的大小，绝对值越大，空间相关程度则越大；反之，越小。另外，通过绘制Moran散點图，能够直观刻画长江经济带绿色经济绩效的局域空间集聚特征。
Morans I=n∑ni=1∑nj=1wij（xi-）（xj-）∑ni=1∑nj=1wij∑ni=1（xi-）2
=∑ni=1∑nj=1wij（xi-）（xj-）S2∑ni=1∑nj=1wij （2）
1.1.3 空间溢出效应分解方法
如果空间计量模型估计结果中的空间滞后项系数显著不为零，那么回归系数不能直接用于解释自变量的空间溢出效应，为了解决这一问题，LeSage和Pace[12]提出了空间回归模型偏微分方法（Spatial Regression Model Partial Derivatives）。
y=αtn+ρWy+βX+θWX+ε（3）
（In-ρW）y=αtn+βX+θWX+ε（4）
y=∑kr=1Sr（W）xr+V（W）tnα+V（W）ε（5）
y1
y2
…
yn=∑kr=1
Sr（W）11Sr（W）12…Sr（W）1n
Sr（W）21Sr（W）22
………
Sr（W）1nSr（W）2n…Sr（W）nn
x1r
x2r
…
xnr+V（W）ιnα+V（W）ε（6）
yi=∑kr=1[Sr（W）i1x1r+Sr（W）i2x2r+…+
Sr（W）inxnr]+V（W）ιnα+V（W）iε （7）
yixjr=Sr（W）ij （8）
yixir=Sr（W）ii （9）
其中，Sr（W）=V（W）（Inβr+Wθr），V（W）=（In-ρW）-1=In+ρW+ρ2W2+…，In是n阶单位矩阵、ιn为N×1阶单位矩阵；xr为第r个解释变量，r=1，2，…， k，βr为解释变量xr的回归系数，θr为WX的第r个变量的回归系数。Sr（W）ij反映区域j的xr对区域i被解释变量的影响，Sr（W）ii反映区域i的xr对本区域被解释变量的影响，后者称为直接效应，前者称为间接效应，两者相加则为总效应。直接效应即为解释变量对被解释变量的区域内溢出，而间接效应即为解释变量对被解释变量的区域间溢出。
1.2 数据与处理
1.2.1 区域划分与城市选择
长江经济带包括江苏、浙江、安徽、江西、湖北、湖南、四川、云南、贵州9个省份和上海、重庆2个直辖市。由于2011年以后，贵州省毕节、同仁两市才有数据可查且巢湖市数据不再统计，因此本文基于108个城市展开研究（由于篇幅所限，本文不再一一列出）。
1.2.2 数据来源及处理
出于数据平行性和可得性方面的考虑，本文研究基于2003—2013年城市面板数据展开。在DEA测算中，本文使用的投入要素主要包括资本、劳动、能源。资本投入方面，由于资本存量并无官方统计数据，与已有大多数文献一致，本文采用永续盘存法对资本存量进行估算，具体公式如下：Kt=（1-δ）Kt-1+It，K0=I0（gi+δ）。其中，Kt和Kt-1分别表示t、t-1时期的资本存量，It为以不变价衡量的t时期全社会固定资产实际投资，δ为资本折旧率。K0为基期资本存量，I0为基期全社会固定资产实际投资，gi为一定时期内全社会固定资产实际投资的几何平均增长率。由于目前城市全社会固定资产投资价格指数没有相关统计数据，本文以2003年基期采用各城市所在省份的全社会固定资产投资价格指数对城市固定资产投资进行平减处理。gi依据2003—2013年各城市全社会固定资产实际投资额的几何平均增长率计算可得。关于折旧率的设定，本文借鉴吴延瑞[16]的做法，不同省份设定不同的折旧率，而各城市折旧率依据所在省份的折旧率进行设定。劳动投入方面，本文采用单位从业人员、城镇私营与个体从业人员之和作为代表。能源投入方面，由于城市煤炭、石油等传统能源数据没有统计，部分城市煤气、液化石油气数据缺失较为严重，因此本文采用全社会用电量近似反映能源投入状况。期望产出方面，采用各城市地区生产总值作为期望产出，并以 2003年为基期进行平减处理。非期望产出方面，本文选取工业废水、工业二氧化硫、工业烟（粉）尘排放三种污染物作为非期望产出[7]。数据均来源于《中国城市统计年鉴》《中国统计年鉴》。
1.2.3 空间权重矩阵的设置
空间计量分析中空间权重设置至关重要[17]，空间关联模式对空间相关性的检验结果具有直接影响，出于稳健性的考虑，本文选择地理距离权重和经济空间权重两种矩阵来表征长江经济带绿色经济绩效的空间关联模式。
第一，地理距离权重矩阵。根据地理学第一定律[18]，距离较近的事物通常比距离较远的事物联系更为紧密。本文使用地理距离平方的倒数来构造地理距离权重矩阵。假定d为城市间球面距离，那么地理距离权重矩阵（W1）的矩阵元素wij=1/d2，i≠j；wij=0，i=j。
第二，经济空间权重矩阵。经济空间权重矩阵（W2）用于表征各城市经济发展之间相互影响即“经济距离”对绿色经济绩效的影响。W2可以依据W2=W1E求得，E为城市间经济差异矩阵，其矩阵元素Eij=1/|yi-yj|，i≠j；Eij=0，i=j。其中，yi、yj分别为第i、 j个城市样本观测期内人均实际GRP（2003为基期）。
2 长江经济带绿色经济绩效测度
2.1 投入产出变量的等张性检验
决策单元DMU的生产过程满足等张性假设是运用DEA模型进行效率和生产率评价的前提，即增加任意一个DMU的投入量，则其产出量也必须相应增加或至少不能减少。皮尔逊相关系数是检验投入产出等张性的常用方法[1]，检验结果显示，在1%显著性水平下，所有投入产出变量之间均存在显著的正相关关系，这表明所有DMU生產过程满足等张性要求。
2.2 绿色经济绩效测度及比较
本文以长江经济带108个城市为最佳生产前沿面，在规模报酬可变假设下，基于非期望产出-超效率SBM模型，结合Meta-frontier、Global-DEA方法，测得了2004—2013年长江经济带各城市Malmquist生产率指数并对其进行累积处理（由于篇幅所限，本文不再报告各城市具体结果）。累积TFP指数实际测度了以2003年为基期，2004—2013长江经济带各城市绿色经济绩效的增长状况。为了避免“大象与蚂蚁”之间的排名问题，本文按照经济总量（地区生产总值）排名将108个城市平均分为高组、中组、低组，图1反映了长江经济带不同分组的城市累积TFP指数的动态演变趋势。
由图1可知，长江经济带经济发展高、中、低组的城市累积TFP指数存在明显的梯度效应。其中高组城市累积TFP指数始终大于中组、低组城市；除2005年以外，中组城市累积TFP指数均高于低组城市。从总体演变态势看，样本观测期内，高组城市累积TFP指数呈总体增长趋势，低组城市呈总体下降趋势，中组城市呈水平波动态势。以上结果表明长江经济带经济发展水平较高的城市绿色经济绩效也较高，经济发展水平较低的城市绿色经济绩效也较低，而且具有高者越高、低者越低的总体演变趋势。
图1 长江经济带按经济总量分组的累积TFP
指数动态演变趋势
Fig.1 Dynamic evolution trend of cumulative TFP
index grouped by economic amount in the Yangtze
River Economic Belt
3 长江经济带绿色经济绩效的空间相关性检验
空间相关性检验是区别选择传统面板数据模型和空间计量模型的重要依据。表1报告了长江经济带绿色经济绩效的空间相关性检验结果。为降低分析误差，我们对累积TFP指数取对数，但很多城市的累积TFP指数小于1，取对数后为负值，为此本文进一步借鉴Managi等[19]的做法，在累积TFP指数的基础上加1后再取对数。
由表1可以发现：①在10%显著性水平上，基于地理距离权重的Morans I指数显著为正；经济空间权重下2004—2013年Morans I指数也显著为正（10%显著性水平），这表明长江经济带绿色经济绩效存在显著的正向空间依赖性。②从Morans I指数的演变趋势看，在地理距离权重、经济空间权重下Morans I指数在波动中均呈总体增长态势，样本观测期内年均增长率分别为14.54%、22.89%，这表明长江经济带绿色经济绩效的空间依赖性逐渐增强。此外，根据Moran散点图（由于篇幅所限未列出）可以发现：在地理距离权重、经济空间权重下，108个城市中分别有70、74个城市位于第一、三象限，这表明长江经济带绿色经济绩效的空间分布是非均质的，存在高度的空间集聚特征。经济空间权重下的Morans I指数均大于地理距离权重下的Morans I指数，而且这种差距呈逐渐扩大趋势，这表明经济因素可能在一定程度上增强了长
江经济带城市间绿色经济绩效的空间依赖性。鉴于此，本文将基于经济空间权重建立空间计量模型就长江经济带绿色经济绩效的影响因素进行分析。
4 空间溢出效应及其分解
4.1 影响因素及代理变量选择
为了确保计量检验结果的稳健性，我们选择空间滞后模型（SAR）、空间误差模型（SEM）和空间 Durbin 模型（SDM）三种空间计量模型（如公式10～12所示），在经济空间权重下分别进行固定效应和随机效应回归，然后选出较优的估计模型并进行实证分析。具体步骤如下：首先进行固定效应和随机效应的选择，模型的AIC值越小，模型的解释力则越强。其次进行拟合优度评价，Log Likelihood 与R2值越大，模型的拟合优度越高。最后对SDM 是否可以转化为SAR和SEM进行检验，如果检验结果显著拒绝“SDM可以转化为SAR”或“SDM可以转化为SEM”的原假设，则选择 SDM。
SAR模型： y=α+ρWy+βX+ε （10）
SEM模型： y=α+βX+ε，ε=λWε+v （11）
SDM模型： y=α+ρWy+βX+θWX+ε （12）
出于数据的考虑，同时借鉴已有经典文献[5，20]，本文将长江经济带绿色经济绩效的影响因素设定如下：①经济发展水平。绿色经济绩效反映资源环境约束下生产决策单位的投入产出关系，而不同的经济发展水平下资源利用、环境污染、以及投入产出关系差异较大，因此经济发展
表1 长江经济带绿色经济绩效的Morans I指数及显著性
Tab.1 Morans I index and its significance of green
economic performance in the Yangtze River Economic Zone
注：10%显著性水平上显著。
水平对绿色经济绩效具有重要影响。本文以全市人均地区生产总值（PGRP，用X1表示）代表经济发展水平，并以2003年为基期进行处理。为了检验环境污染与经济发展之间是否存在倒“U”型关系（即“环境库兹涅茨假说”），本文将全市人均地区生产总值的平方项（X2）引入了模型。②产业结构因素。不同产业的资源利用效率和管理效率不同，技术进步水平和污染排放水平也不同，因此产业结构变化会对绿色经济绩效产生重要影响。产业结构升级能否促进绿色经济绩效提升一般取决于第三产业占比提升带来的环境污染下降与第二产业占比下降引起的技术进步效应弱化的对比关系。本文以全市第三产业占地区生产总值比重（X3）反映产业结构状况。③技术进步水平。从理论上讲，通过增加R&D;投入或政府科技支出提升自主创新能力、或利用市场机制引进先进的管理经验和技术设备都有利于提升绿色经济绩效，但如果技术进步转换到环境污染治理或企业生产过程的能力不强，则有可能引起技术进步投入对实际生产的“挤出效应”，从而弱化技术进步对绿色经济绩效提升的正向促进作用。由于城市R&D;经费没有相关统计数据，本文以全市科学技术支出占地区生产总值比重（X4）近似代表技术进步水平。④资源禀赋结构因素。城市资源禀赋不同，资本与劳动比例关系则不同。资本密集型产业一般污染相对严重，但同时它也是技术创新的主导力量；劳动密集型产业通常污染较轻，但技术进步效应相对弱化。资源禀赋结构变化能否促进绿色经济绩效提升取决于技术进步正面效应和环境污染负面效应的对比关系。本文以资本-劳动比（X5）代表资源禀赋结构。⑤对外开放因素。对外开放是把“双刃剑”：一方面，对外开放有助于引进先进的生产技术和管理
理念，从而促进绿色经济绩效的提升；另一方面，根据“污染天堂假说”，由于我国环境规制低于发达国家水平，伴随着对外开放程度的逐渐提高，外商直接投资可能大量涌入国内污染密集型产业，从而造成城市绿色经济绩效低下。本文以当年实际使用外资金额（FDI）占地区生产总值比重（X6）代表对外开放程度。
4.2 空间计量面板数据回归
4.2.1 空间计量模型的估计结果
表2报告了经济空间权重下三种空间计量模型的估计结果。在固定效应和随机效应下，SDM模型的AIC值小于SAR和SEM模型的相应数值；SDM模型的Log Likelihood值和R2大于SAR和SEM模型的相应数值；显著拒绝“SDM可以转化为SAR”和“SDM可以转化为SEM”的原假设。这一结果表明SDM模型优于SAR和SEM模型。如果就SDM模型两种效应估计结果比较而言，固定效应模型则更优。另外，10%显著性水平上SDM（固定效应）模型的ρ值显著不为零。根据LeSage和Pace[12]，表2中的回归系数不能直接用于解释各变量对绿色经济绩效的影响。为此，接下来将使用空间回归模型偏微分方法对空间溢出效应分解并进行解釋。表3报告了经济空间权重下SDM固定效应模型的空间溢出效应分解结果。
4.2.2 空间溢出效应分解
第一，经济发展水平溢出效应分解。经济发展水平及其平方项的直接效应系数分别为0.096、-0.003，均通过了10%显著性水平检验，这一结果表明绿色经济绩效与经济发展水平之间存在倒“U”关系，而作为非期望产出，较高的环境污染水平通常会降低绿色经济绩效；较低的环境污染水平有助于提升绿色经济绩效[1]。因此，本文近似
表2 经济空间权重下三种空间计量模型的估计结果
Tab.2 Estimation results of three spatial econometric models under economic spatial weights
注：***、**、*分别代表在1%、5%、10%显著性水平上显著。
认为环境污染与经济发展水平之间存在“U”关系，即不支持“环境库兹涅茨假说”。进一步计算得知，拐点位置在14.470万元（2003年价格，以下同），而观测期内城市人均地区生产总值的最大值为14.851万元，这意味着大部分城市均处于倒“U”型拐点的左侧，即城市经济发展水平对本区域绿色经济绩效具有正向直接影响效应。这表明经济发展水平越高的城市，基础设施可能越完善，技术水平相对越高，环境治理投入相对越大，从而提升了绿色经济绩效。经济发展水平及其平方项的间接效应系数分别为-0.041、0.003，这表明本城市的绿色经济绩效与其它城市的经济发展水平存在“U”关系，即近似认为本城市环境污染与其它城市经济发展水平之间存在倒“U”关系，这一结果支持“环境库兹涅茨假说”。进一步计算得知，拐点位置在7.035万元（2003年价格，以下同），而观测期内96.630%的人均地区生产总值低于这一数值，这意味着大部分城市处于倒“U”型拐点的左侧，即本城市经济发展水平对其它城市绿色经济绩效具有负向影响效应，但这一影响的显著性水平高于10%。可能的原因是，一方面本地较高的经济发展水平吸引了外区域高质量劳动、资本等生产要素从而引起外区域绿色经济绩效的下降；另一方面，经济发展水平较高的城市可能迫于环境污染压力，将污染较为严重的产业转移到邻域地区，从而引起外区域绿色经济绩效下降。就总效应而言，经济发展水平及其平方项的
表3 经济空间权重下基于SDM固定效应模型的
溢出效应分解结果
Tab.3 Decomposition results of spillover effects under
economic spatial weights based on SDM fixed
effect model
注：***、**、*分别代表在1%、5%、10%显著性水平上显著；括号内数值代表t值。
影响系数分别为0.055、-0.000 4，表明绿色经济绩效与经济发展水平存在倒“U”关系，即近似认为环境污染与经济发展水平之间存在“U”关系，即不支持“环境库兹涅茨假说”。本地经济发展水平对外区域绿色经济绩效的负向影响效应小于其对本区域绿色经济绩效的正向影响效应，因此导致总效应表现为正向影响效应。
第二，产业结构溢出效应分解。产业结构的直接效应系数为0.001，这一结果表明城市产业结构升级对本区域绿色经济绩效提升具有显著的正向直接影响效应，即产业结构升级意味着第三产业比重上升，第二产业比重相对下降，从而可能引起环境污染减弱，经济绩效提升。间接效应系数为0.001，这一结果表明城市产业结构升级对外区域绿色经济绩效提升具有显著的正向溢出效应，一种可能的解释是，权重选择考虑了经济因素的影响之后，产业结构升级带动的地区间产业转移弱化，示范效应加强，地区产业结构升级促进了外地区经济绩效的提升。总效应系数为0.002，这一结果表明城市产业结构升级对绿色经济绩效提升总体表现为正向溢出效应。但产业结构对绿色经济绩效的三种影响效应的显著性水平均高于10%。
第三，技术进步溢出效应分解。技术进步的直接效应系数为-0.002，但这一影响的显著性水平高于10%，这表明城市技术进步对本区域绿色经济绩效提升没有起到应有的正向直接影响效应。可能的原因是，一方面，科学技术支出费用对本地区从业人员、资本存量、全社会用电量等生产要素质量的改进可能并未起到应有的促进作用，未能有效提升城市绿色经济绩效；另一方面，随着科学技术支出费用增加，一定程度上引起了生产投入相对下降，在技术进步没有明显提升生产要素质量的情况下，实际产出下降，从而拉低了经济绩效。技术进步的间接效应系数为-0.147，通过了10%的显著性水平检验，这表明城市技术进步对外区域绿色经济绩效提升具有显著的负向溢出效应，换言之，本城市技术进步对其它城市绿色经济绩效提升具有一定抑制作用。这可能与本区域技术进步带动经济发展从而可能引起外区域高质量劳动、资本等生产要素向本地区跨地区流动有关；另外，技术进步通常存在一定集聚效应，可能只有在经济水平相当的地区间对绿色经济绩效才存在正向空间溢出效应[1]。技术进步的总效应系数为-0.149，通过了10%的显著性水平检验。以上结果表明技术进步对本城市、城市间绿色经济绩效提升均没有起到应有的带动作用，其作用发挥仍有巨大的上升空间。
第四，资源禀赋溢出效应分解。资本-劳动比的直接效应系数为0.003，10%显著性水平下通过了检验，表明城市资源禀赋对区域内绿色经济绩效提升具有显著的正向直接影响效应，这与王兵等[5]的研究结论一致。一般来看，资本密集型产业污染相对严重，从而对绿色经济绩效存在一定负面影响，但资本密集型产业的技术进步因素可能抵消并超过了这一影响，从而表现为随着资源禀赋增加绿色经济绩效得以提升。资本-劳动比的间接效应系数为-0.003，通過了10%的显著性水平检验，表明本城市资源禀赋对外区域绿色经济绩效提升具有显著的负向溢出效应。这一结果可能与跨区域资本流动和转移有关，即随着本区域资本流入增加，资本-劳动比上升，外区域资本-劳动比相对下降、资本密集型产业带来的环境污染相对减弱，但其技术进步因素对绿色经济绩效的促进作用可能同时也在减弱，从而出现随着本区域资源禀赋增加外区域绿色经济绩效得以下降的现象。资本-劳动比的总效应系数为-0.0001，表明资源禀赋对绿色经济绩效的区域间溢出效应稍大于区域内溢出效应，但这一总影响效应的显著性水平高于10%。
第五，对外开放溢出效应分解。FDI的直接效应系数为-0.010，通过了10%的显著性水平检验，这表明城市外商直接投资对本区域绿色经济绩效提升具有显著的负向直接影响效应，这与涂正革[21]的研究结论一致，同时也印证了“污染天堂假说”的存在，即我国作为发展中国家，长江经济带环境规制水平相对较低，随着贸易自由化的发展，外商直接投资逐渐流入城市污染密集型产业，从而降低了城市绿色经济绩效。FDI的间接效应系数为-0.012，通过了10%的显著性水平检验，这表明城市外商直接投资对外区域绿色经济绩效提升具有显著的负向溢出效应，其原因可能在于外商直接投资形成了跨区域的污染密集型产业链条从而产生了跨区域的污染溢出，从而降低了外区域绿色经济绩效。FDI的总效应系数为-0.022，通过了10%的显著性水平检验。
5 研究结论与启示
与已有研究相比较，本文研究特色在于：从空间溢出视角对长江经济带绿色经济绩效的影响因素进行了实证检验与效应分解。研究结论表明：长江经济带绿色经济绩效的空间分布并不均衡，具有显著的空间依赖和空间集聚特征。经济发展水平越高的城市绿色经济绩效越高，经济发展水平越低的城市绿色经济绩效越低，而且具有高者越高、低者越低的演变趋势。区域内“环境库兹涅茨假说”并不存在。资源禀赋对本区域绿色经济绩效提升具有显著的正向影响效应。产业结构升级的经济示范效应有助于增强绿色经济绩效的区域间正向溢出。技术进步对区域内绿色经济绩效提升没有起到应有的促进作用，但对外区域绿色经济绩效提升却起到了显著的抑制作用。外商直接投资对本区域、外区域绿色经济绩效提升均具有显著的负向溢出效应，“污染天堂假说”存在。
基于以上研究结论，未来长江经济带绿色经济绩效的提升可以重点考虑以下几个方面：第一，加快改善长江经济带的生态环境。十九大报告指出，长江经济带建设应以“共抓大保护，不搞大开发”为导向，推动长江经济带可持续发展。促进生态环境修复，一方面要加强长江中上游地区，特别是干支流源头的水土保持和水源保护工作，三峡库区的水源涵养工作，修复水生态；同时加大沿江的森林保护，充分发挥其生态屏障作用，修复物种多样性。另一方面，加大长江流域的人为污染治理，严格工业企业的生产过程防止工业污染，同时重视生活污水和农业污水处理等，从而为长江黄金水道作用的发挥和金沙江、乌江等地的水电开发等资源利用提供保障，促进长江经济带绿色经济绩效的提升。第二，利用空间溢出效应促进绿色经济绩效协同提升。按照长江经济带“一轴、两翼、三极、多点”的空间布局特点，通过长江流域联通上、中、下游的城市，发挥绿色经济绩效较高的城市对较为落后城市的正向溢出效应，同时沿支流辐射带动南北两侧的城市发展，加快整个区域生产要素的流动，并基于成渝城市群、长江中游城市群和长江三角洲城市群整合各地资源，提高生产效率，推动长江经济带绿色经济绩效的协同提升。第三，发挥技术进步对绿色经济绩效协同提升的正向促进作用。要加快实施创新驱动战略，打造以上海、重庆及其他省会城市为核心的科技创新中心，并根据本地区特点量身打造创新示范区，实现科技成果的就地转化。利用长江流域这个“通道”将先进生产技术向其他地区转移，推动生产技术的不断融合提高，从而逐步减小各地的技术进步差异，促进长江经济带绿色经济绩效的协同发展。第四，加快产业结构的优化、调整与升级，发挥产业结构对绿色经济绩效协同提升的促进作用。长江经济带历来都是我国重要的工业聚集区，产业优势突出，拥有一大批钢铁、汽车、家电、电子信息、航天航空等传统重工业和高级制造业企业。在提升绿色经济绩效过程中，一方面，要结合未来产业发展趋势，以创新驱动代替要素驱动进一步发展高级制造业，提升产业的经济效益；另一方面，整合传统重工业，关停高污染、高耗能产业，积极推动钢铁、石化、建材等行业的产业结构升级，对传统行业进行绿色化改造。同时，积极发展现代化农业，提高农产品竞争力，并着力加大第三产业的发展，从而探索依托长江流域的绿色循环经济模式。第五，提高长江经济带的环境规制水平，发挥FDI对绿色经济绩效的正向影响作用。加快建立绿色发展的指标体系，对外商采用“负面清单”的管理办法，严禁高污染、高耗能企业的进入，同时对于科技含量高、污染小的外资企业，有针对性地提供优惠政策和奖励机制予以支持，逐步扭转FDI的负向影响，推动长江经济带绿色经济绩效的提升。
需要指出的是，目前城市口径的数据主要源于《城市统计年鉴》，部分指标数据或没有公布或缺失严重，因此在资本存量测算、能源投入选择、非期望产出选择、技术进步指标选择等方面可能存在一定局限性。在未来研究中，将从两个方面进行拓展：第一，扩展评估的污染物类型，加入水污染指标，突出水污染对长江流域绿色绩效的影响；第二，对长江经济带绿色经济绩效的空间溢出效应进行分组考察。一种思路是按照上游、中游、下游进行分组，这种分组能够对应污染物排放的流域特点；另一种思路是按照经济体量进行分组，就不同经济总量下城市绿色环境绩效的空间溢出效应进行检验、分解与比较。
（编辑：李 琪）
参考文献（References）
[1]刘华军. 资源环境约束下中国全要素生产率增长的空间差异及区域协调对策研究 [M]. 北京： 经济科学出版社， 2016： 218-229. [LIU Huajun. Spatial difference of Chinas total factor productivity growth and countermeasures of regional coordination under resource and environmental constraints [M]. Beijing： Economic Science Press， 2016： 218-229.]
[2]陈志光，李华香，李善同.“十二五”时期我国经济社会发展的成就与问题[J].山东师范大学学报（人文社会科学版），2015（5）：101-110. [CHEN Zhiguang， LI Huaxiang， LI Shantong. On achievements and problems of Chinas economic and social development during the ‘12th Five-year Plan period [J]. Journal of Shandong Normal University （humanities and social sciences）， 2015（5）：101-110.]
[3]潘文卿. 中国的区域关联与经济增长的空间溢出效应 [J]. 经济研究， 2012（1）： 54-65. [PAN Wenqing. Regional linkage and the spatial spillover effects on regional economic growth in China [J]. Economic research journal，2012（1）： 54-65.]
[4]張宗斌，辛静静.中国对外直接投资贸易效应区域差异研究[J].山东师范大学学报（人文社会科学版），2016（2）：89-96. [ZHANG Zongbin， XIN Jingjing. Study on regional differences of Chinas trade effect from FDI [J]. Journal of Shandong Normal University （humanities and social sciences）， 2016（2）：89-96.]
[5]王兵， 吴延瑞， 颜鹏飞. 中国区域环境效率与环境全要素生产率增长 [J]. 经济研究， 2010（5）： 95-109.[WANG Bing， WU Yanrui， YAN Pengfei. Environmental efficiency and environmental total factor productivity growth in Chinas regional economies [J]. Economic research journal， 2010（5）： 95-109.]
[6]项目.知识溢出对高新技术产业影响的实证研究——一中关村国家自主创新示范区为例[J].山东师范大学学报（人文社会科学版），2016（4）：130-136. [XIANG Mu. The empirical research on the impact of knowledge spillover on high-tech industry： based on the data of Zhongguancun Self-innovative Demonstration Area[J]. Journal of Shandong Normal University （humanities and social sciences）， 2016（4）：130-136.]
[7]卢丽文， 宋德勇， 李小帆. 长江经济带城市发展绿色效率研究 [J]. 中国人口·资源与环境， 2016（6）：35-42.[LU Liwen， SONG Deyong，LI Xiaofan. Green efficiency of urban development in the Yangtze River Economic Belt [J]. China population，resources and environment， 2016（6）： 35-42.]
[8]TONE K. A slacks-based measure of efficiency in data envelopment analysis [J]. European journal of operational research， 2001， 130（3）：498-509.
[9]PASTOR J T， LOVELL C A K. A global malmquist productivity index [J]. Economics letters， 2005， 88（2）： 266-271.
[10]OH D H. A metafrontier approach for measuring an environmentally sensitive productivity growth index [J]. Energy economics， 2010， 32（1）： 146-157.
[11]王兵， 唐文獅，吴延瑞，等.城镇化提高中国绿色发展效率了吗？[J].经济评论，2014（4）：38-49.[WANG Bing，TANG Wenshi，WU Yanrui，et al.Does urbanization increase Chinas green development efficiency？ [J].Economic review，2014（4）：38-49.]
[12]LESAGE J P， PACE R K. Introduction to spatial econometrics [M]. Boca Raton： Taylor & Francis Group， 2009： 34-48.
[13]LI H， SHI J F. Energy efficiency analysis on Chinese industrial sectors： an improved super-sbm model with undesirable outputs [J]. Journal of cleaner production， 2014（65）： 97-107.
[14]FRE R， GROSSKOPF S， PASURKA CA. Environmental production functions and environmental directional distance functions [J]. Energy， 2007， 32（7）： 1055-1066.
[15]COOPER W W， SEIFORD L M， TONE K. Data envelopment analysis： a comprehensive text with models， applications， references and dea-solver software [M]. New York： Springer， 2007： 55-63.
[16]吴延瑞. 生产率对中国经济增长的贡献： 新的估计 [J]. 经济学（季刊）， 2008（7）： 827-842. [WU Yanrui. The role of productivity in Chinas growth： new estimates [J]. China economic quarterly， 2008（7）： 827-842.]
[17]ANSELIN L， GALLO J L， JAYET H. Spatial panel econometrics [M]. Berlin：Springer， 2008： 20-30.
[18]TOBLER W R. A computer movie simulating urban growth in the detroit region [J]. Economic geography， 1970， 46（2）： 234-240.
[19]MANAGI S， JENA P R. Environmental productivity and Kuznets Curve in India [J]. Ecological economics， 2008， 65（2）： 432-440.
[20]刘华军， 杨骞. 资源环境约束下中国TFP增长的空间差异和影响因素 [J]. 管理科学， 2014， 27（5）： 133-144.[LIU Huajun， YANG Qian. The spatial disparities and influence factors of Chinas total factor productivity growth under the constraints of resource and environment [J]. Journal of management science， 2014， 27（5）： 133-144.]
[21]涂正革. 环境、资源与工业增长的协调性 [J]. 经济研究， 2008（2）： 93-105. [TU Zhengge. The coordination of industrial growth with environment and resource [J]. Economic research Journal， 2008（2）： 93-105.]
Spillover effect and decomposition of green economic performance of the city
in the Yangtze River Economic Belt
HAO Guo-cai XU Yin-liang ZHANG Xiao-meng CHEN Ming-hua
（School of Economics， Shandong University of Finance and Economics， Jinan Shandong 250014， China）
Abstract The promotion of green economic performance in the perspective of ecological civilization has become the fundamental requirement and inevitable choice of economic development. Based on the data of 108 cities in the Yangtze River Economic Belt for 2003-2013， this paper measures the performance of green economy with the undesirable output super efficiency SBM model， and makes comparisons in different regions. Then， we test the spatial spillover effect of the green economic performance of the Yangtze River Economic Belt by building a variety of spatial econometric models based on the economic space weight， and use the partial differential method of spatial regression model to test and decompose the influence factors and spillover effects of green economic performance. The conclusion of the study shows that， the spatial distribution of green economic performance in Yangtze River Economic Belt is not balanceable， with significant spatial dependence and spatial agglomeration. We find that the higher the level of economic development， the higher the performance of green economy is， and the lower the level of economic development， the lower the green economic performance is. There is a significant spatial spillover effect on the green economic performance of the Yangtze River Economic Belt， and there is a ‘U relationship between the environmental pollution in the region and the level of economic development， which means that the environmental Kuznets hypothesis does not exist. Whats more， resource endowment has a significantly positive effect on the promotion of green economic performance in the region. The economic demonstration effect of industrial structure upgrading helps to enhance the inter-regional spillover of green economic performance. Technological progress has not played a positive role in promoting the performance of green economy in the region， but it has played a significant role in improving the performance of inter regional green economy. FDI has a significantly negative effect on the promotion of regional and inter-regional spillover of green economic performance； therefore， ‘pollution heaven hypothesis really exists in both regions and regions. Moreover， Yangtze River Economic Belt should take measure of ‘total protection and no more large development， and give full play to the spatial spillover effect of economic growth in the region and the city， to promote technology progress， industrial structure， foreign direct investment and other positive effects on the performance of the green economy. Just in this way， we can promote the green economic performance in Yangtze River Economic Belt.
Key words Yangtze River Economic Belt； green economic performance； spatial spillover； partial derivatives of spatial regression model
