时空效率（通用6篇）
时空效率 篇1
1引言
自改革开放以来,我国经济迅速发展,年度经济平均增长率超过了9% ,到2013年年底我国国民生产总值达到56. 6万亿元,工业增加值21. 06万亿元,已成为世界第二大经济体。但是长期以来由于我国经济增长主要是依赖大量的要素投入,经济的快速增长导致了对自然资源的过度消耗、环境污染日趋严重,这种以资源环境为代价的粗放低效经济增长方式虽然使我国取得了惊人的经济成就但同时也使我国付出了巨大的环境代价。
我国相关统计资料表明,2013年我国工业废水、废气、固体废弃物等“三废”排放量分别达到了209. 8亿t、63. 6亿m3、32. 8亿t,这种以牺牲资源环境为代价的经济发展方式已经严重破坏了我国经济可持续发展的基础。
2文献评述
20世纪20年代,自柯布道格拉斯提出生产函数之后国内外学术界开始对经济效率进行了诸多研究。目前国外学者对经济效率的研究主要集中在两个方面: 1资源环境对经济效率的影响。Perkins R[1]以世界上114个国家1980—2000年的面板数据为基础,将单位CO2与SO2排放量作为环境指标,对环境效率进行研究,发现通过向环境好的国家学习先进的环境政策、管理方式、先进技术等措施,相对较差的国家可快速、低成本地提升本国的环境效率; Reinhard S[2]等利用随机生产前沿方法,将过量投入的N、P作为环境投入,对荷兰奶牛牧场进行了环境效率分析,认为集约化的奶牛牧场比普通牧场在技术和环境方面的效率更高。2经济效率增长的影响因素。Sveikauskas[3]通过对美国城市的研究指出,城市规模的增长将引起生产率的上升; Fujita、Krugman[4]通过研究企业经济效率与市场集聚的关系,指出经济集聚与经济增长之间存在互相强化的内生性关系; Brulhart、Mathys[5]分析了欧洲各地区1920—2003年就业密度与经济增长之间的关系,指出经济增长相对于经济集聚的弹性为13% 。
国内学者对经济效率的研究主要集中在: 1在不同的宏观层面对经济效率进行测度并分析其影响因素。如吴旭晓[6]基于2001—2012年的省级面板数据, 运用超效率DEA视窗分析法测算了河南省、广东省和湖北省的绿色经济效率,并建立灰色综合关联度模型分析了区域绿色经济效率的影响因素; 李艳军[7]采用基于非期望产出的DEA - SBM模型,测算考虑环境污染条件下中国275个地级市及以上城市2011年的经济效率。2在县域层面对不同行业或资源利用进行效率测度,分析其影响因素。李胜文[8]基于1985—2005年中国34个工业细分行业的面板数据,运用三投入的随机前沿生产函数分别测算了工业及其细分行业的全要素生产增长率; 张潆文[9]以江苏省204国道样本区为研究区域,选取1980年、1990年、2000年和2007年四期农业生产投入和产出类指标,运用DEA模型方法开展了农业生产效率的实证研究。3在能源方面的研究。马海良[10]选取超效率DEA模型和Malmquist指数法测算出三大经济区域的能源效率和全要素生产率, 并回归分析了全要素生产率分解的各指标对能源效率的影响。
尽管学者们对经济效率进行了诸多研究,但多是单一的对经济效率的测度及其对影响因素进行的分析,缺乏对传统经济效率与绿色经济效率差异与演变趋势的对比分析,不能清晰地体现环境因素对我国经济效率产生的影响。因此,本研究借助非期望产出的SBM模型,综合考虑各决策单元的投入与产出,剔除传统经济效率测量方法上存在的松弛变量问题,同时考虑到了环境约束对经济效率的影响。本研究通过将劳动力、资本存量作为投入要素,将GDP作为产出要素进行测量。
为了更能体现环境因素对经济效率的影响,本文统筹考虑了工业“三废”,对工业“三废”施以同样权重, 加权后作为非期望的产出条件,分别测度了2000— 2013年我国各省市考虑非期望产出的绿色经济效率与不考虑非期望产出的传统经济效率,分析其演变特征, 然后通过Moran's I指数研究各地区传统经济效率与绿色经济效率在空间上的自相关规律与特征。在此基础上,对比分析了我国传统经济效率与绿色经济效率的差异与时空演变特征,深入研究和分析了我国经济发展过程中环境因素对我国经济产生的影响。通过对我国传统经济效率与绿色经济效率时空演变的对比分析,进一步加深并拓宽了对我国经济效率研究的深度与广度,更能体现出环境因素对我国经济发展所产生的影响,也为进一步深化落实科学发展观,促进我国的环境保护,提升各地区的经济效率,实现可持续发展, 形成人与自然和谐发展的新格局提供重要的参考与借鉴。
3研究方法与数据来源
3. 1带有非期望产出的SBM模型
本研究构建固定规模报酬并考虑环境约束的SBM模型[11,12,13]为:
式中,ρ 为经济效率值; N、M、I分别为投入、期望产出、环境约束条件个数; ( Snx、Sym、Sib) 为投入产出的松弛向量,( xkt''n,ykt''m,bkt''i) 为第k' 个生产单元在t时期的投入—产出值; z、t、k表示决策单元的权重。目标函数为Snx,Sym,Sib严格的单调递减,且0 < ρ≤1。当 ρ = 1时,生产单元完全有效; 当 ρ < 1时,生产单元存在效率损失。 去掉式( 1) 中的Sib、bkt'',即成为一般不考虑环境约束条i件下产出的SBM模型。
3. 2指标选取与数据处理
由于香港与澳门特区、台湾省的数据较难获取,本研究仅以中国大陆其他31个省市区作为研究对象。 经济效率的测度主要依赖投入与产出,考虑到指标的可比性、科学性和可获得性,选取资本存量及劳动力数量作为投入要素,各地区GDP作为产出要素。由于环境污染主要来自于工业生产过程中的废弃物排放,因此以各地区“三废”排放量作为非期望产出。
资本存量K: 本文采用张军对我国省际物质资本存量计算的方法进行资本存量估算,公式为: Kt= Kt - 1( 1 - δ) + It。式中,Kt为第t年的资本存量,δ 为折旧率,It为第t年的固定资产投资。
劳动力L: 本研究以各地区年末就业人员数表示劳动力。地区生产总值GDP以2000年为基期,并通过GDP平减指数将各地区各年份GDP进行调整。“三废”排放量是将各地区的工业废水排放量、工业废气排放量、工业固体废弃物排放量分别赋予同样的权重,并将加总后的值作为非期望产出。所有数据均来源于各省相关年份的统计年鉴和《中国统计年鉴》。
4对我国各地区经济效率的实证分析
4. 1对我国各地区经济效率的测算
基于2000—2013年我国省级面板数据,运用软件DEA - SOLVER Pro 5. 0计算传统经济效率与绿色经济效率结果见表1。
注: 受页面宽度所限,本表只列出部分年份的结果; “/”左右两边分别表示传统经济效率与绿色经济效率。
4. 2对我国整体经济效率变化趋势的分析
2000—2013年我国传统经济效率整体水平相对较高( 图1) ,平均值为0. 619,呈现先增长后下降的趋势。 2000—2004年我国处于经济迅速发展时期,传统经济效率显著提升,由0. 61提升到0. 63。2005—2007年为了抑制经济过热,我国政府实施了稳健的财政政策与货币政策,导致我国传统经济效率微弱下降后再次提升。2008年美国的次贷危机引起了国际性的金融危机,导致我国消费萎靡不振,出口量大幅下降,大批企业出现倒闭,传统经济效率持续下降,直到2013年才有所回升。
样本期内我国绿色经济效率整体水平相对较低( 图1) ,平均值仅为0. 494,远低于传统经济效率的平均值,表明我国经济发展仍以大量的资源环境投入为代价,相对于传统经济效率,我国绿色经济效率有较大的提升空间,钱争鸣[14]、杨龙[15]的研究结果与本文基本一致。自2000年以来,我国相继出台了《大气污染防治法》、《清洁生产促进法》、《“十二五”全国环境保护法规和环境经济政策建设规划》等一系列法律法规, 有力推动了我国的环境保护工作,促进了经济增长过程中的环境代价逐渐降低。2000—2002年我国绿色经济效率水平相对平稳,2002—2007年绿色经济效率水平整体上呈现上升态势。这表明随着经济发展,我国对环境保护力度及污染治理力度不断加强,对环境污染的重视、环境政策的相继出台、绿色产业的发展等, 引起经济增长过程中环境代价降低。2008年在我国高能耗高污染产业的淘汰升级,美国次贷危机对我国进出口贸易等造成了严重影响的背景下,我国绿色经济效率在短暂降低后进一步得到提升,表明我国高新技术产业及绿色经济的进一步发展,高能耗高污染产业的淘汰升级成果显著,环境污染治理取得了良好进展。
从我国传统经济效率与绿色经济效率的差异来看,2000—2005年我国传统经济效率与绿色经济效率差值逐渐扩大( 图2) ,在此期间随着经济的迅速发展, 我国环境污染程度也开始逐渐上升。这说明在经济发展过程中,我国严重忽视了经济发展过程中所带来的环境代价。2005年后两种经济效率间的差值逐步缩小,表明我国环境污染程度在逐步减轻,这与王军[16]的研究结论相符合。他在研究我国绿色经济效率时指出,2005—2011年我国环境综合污染指数呈现出不断下降的趋势。2005年十一届五中全会提出“建设资源节约型、环境友好型”社会,2007年环境经济政策的制定和实施都有力促进了我国循环经济、绿色经济的发展与环境保护力度的加强,缩小了传统经济效率与绿色经济效率之间的差距。
4. 3对我国东中西部经济效率变化分析
从我国中东西部来讲,各区域传统经济效率均高于绿色经济效率( 图3) ,且两种经济效率都是东部最高,西部最低。一方面是由于环境污染衡量指标的不同,另一方面是因为作为投入指标的技术因素较难衡量,本研究并没有将技术因素列为投入指标,因此本文的研究结果与钱争鸣[14]、王军[16]的研究结果并不完全一致。东部地区作为我国最发达的区域,在早期经济发展过程中积累了非常丰富的资本与技术优势,拥有较高的经济效率。2000—2007年在新一轮的经济增长过程中,我国东部地区的传统经济效率稳定上升,由0. 72增长到0. 77 ( 图3 ) 。2008年受金融危机的影响, 东部地区传统经济效率表现出下降趋势。我国中部地区农业所占比重较大,第二和第三产业起步较晚,传统经济效率相对较低( 图3) 。2000—2004年,在新一轮的经济增长浪潮中,中部地区经济效率稳步提升,由0. 61上升到0. 66; 2003年“中部崛起”战略的实施进一步促进了中部地区第二和第三产业的发展,但受资本与技术条件限制,中部地区传统经济效率在2004— 2007年并没有显著提升。2008年后,经济增长疲软导致了以资源投入为主的中部地区传统经济效率进一步下滑。我国西部地区地域辽阔、工业化程度低、经济效率低( 图3) ,西部大开发战略的实施虽然有效促进了西部地区的经济发展,但2000—2012年西部地区传统经济效率仍呈现出缓慢下降趋势。这是由于西部地区经济发展主要依靠国家投资,虽然近年来西部地区基础设施水平有了较大提升,但在市场经济的条件下,基础设施水平的提升并不一定会引起相关产业的发展和经济效率的提升。
样本期内,我国东部地区绿色经济效率呈现出较稳定的提升,由2000年的0. 57提升到2013年的0. 63 ( 表1) 。作为我国经济最发达的区域,东部地区拥有较好的经济基础,较高的资本深化程度,高质量的人力资源优势及较为完善的制度环境,能更加有效地进行资源配置。
近年来随着我国对环境保护的不断加强,东部地区有效地进行了产业结构调整及优化升级,引进、开发先进技术和第三产业的迅速发展,有效地遏制了对环境的污染,促进了东部地区绿色经济效率的不断提升。 2000—2003年,我国中部地区绿色经济效率基本保持稳定,2004年略有提升后逐渐降低。究其原因: 主要是我国中部地区的经济发展比东部地区晚,第二、三产业的发展伴随着较宽松的政策环境,随着我国对环境保护力度的加强,受资本和技术水平的制约,中部地区未能有效地降低生产过程的环境代价。同时,受东部地区高能耗高污染产业向中部地区转移的影响,进一步导致中部地区绿色经济效率的下降。我国西部地区经济发展起步较晚,工业化程度较低,污染排放水平也较低,2000—2013年我国西部地区绿色经济效率整体上呈现下降趋势,表明我国西部地区在经济发展过程中过分追求GDP而忽视了经济发展对环境造成的影响。 汪克亮[17]对此指出,长期以来经济发展水平较低使西部地区很多地方政府片面追求经济增长,忽视了资源节约与环境保护,以牺牲资源、环境为代价牟取经济利益,盲目上马众多高耗能、高污染项目。近年来我国西部地区经济呈现出了跨越式发展,但整体自然环境水平开始逐步恶化,再加上不少地区热衷于重复建设,大搞“政绩工程”,西部地区资源环境形势不断恶化,绿色经济发展停滞不前。
我国东部地区传统经济效率与绿色经济效率的差值整体呈现下降趋势( 图4) ,由2000年的0. 155下降到2013年的0. 083,表明我国东部地区在经济发展过程中逐步重视对环境的保护,有效降低了环境污染的代价。我国中部地区传统经济效率与绿色经济效率的差值整体水平较高。相比我国东部地区,中部地区在经济发展过程中更多地依赖于资源环境的投入,对环境的污染更加严重。2000—2005年我国中部地区经济效率差值呈现上升趋势,表明该期间我国中部地区在追求经济发展的同时忽略了对自然环境的保护。 2005—2011年我国中部地区经济效率的差值呈现出持续下降的趋势,特别是2009年后下降态势更为明显。 虽然东部地区高能耗、高污染产业向中部地区转移,但随着《促进中部地区崛起规划》、节能减排、“绿色信贷、 绿色保险、绿色贸易、绿色税收”等一系列环境经济政策的实施和深化,我国中部地区在经济发展过程中加大了对环境的保护力度,并取得了一定的进展。2011年后中部地区经济效率的差值再次扩大,这表明中部地区在崛起战略的实施过程中仍需要进一步加大对环境的保护力度。
我国西部地区经济效率的差值低于我国东部及中部地区。相对于我国东部及中部地区,西部地区经济发展程度、工业化程度、污染排放水平都较低,因此整体上表现出绿色经济效率与传统经济效率之间的差值较小。2000—2007年我国西部地区传统经济效率与绿色经济效率的差值呈现扩大趋势,表明我国西部地区在经济跨越式发展过程中环境污染的发展速度超过了经济发展的速度。2007年后经济效率的差值虽然有较大波动,但整体上呈现出下降趋势,表明我国在促进西部地区发展的过程中尽管造成了一定程度的污染,但西部地区逐渐开始关注环境保护,促使环境污染水平降低。
4. 4我国各省经济效率变化分析
我国各省份之间的经济效率也表现出显著差异, 2000—2013年我国传统经济效率较高的省份有黑龙江、辽宁、浙江、上海、福建,平均值分别为0. 80、0. 87、 0. 86、0. 85、0. 84。分析其原因: 黑龙江和辽宁省是我国重要的重工业基地,工业基础雄厚; 而浙江、上海、福建则是我国最先对外开放的地区,在利用外资、引进先进生产技术及管理经验方面有着天然优势,同时民间资本较为活跃。传统经济效率较低的地区为宁夏、贵州、青海、西藏、甘肃( 图5) ,平均值分别为0. 36、0. 38、 0. 40、0. 40、0. 45,主要分布于我国西部地区,受历史背景及文化因素的影响,该部分区域经济发展水平相对较低,产业结构偏向于投入大、建设周期长的重型产业,进一步导致了经济效率的低下。样本期内,经济效率上升最为显著的地区有上海、北京、四川、贵州、天津、江苏( 图5) ,分别从2000年的0. 72、0. 51、0. 48、 0. 32、0. 45、0. 69、0. 67上升到2013年的1、0. 70、0. 56、 0. 45、1、0. 75,下降最显著的区域主要有辽宁、浙江、西藏、吉林、内蒙古、宁夏,分别从2000年的0. 95、1、 0. 51、0. 73、0. 76、0. 421下降到2013年的0. 74、0. 65、 0. 33、0. 67、0. 52、0. 29。上升最显著的地区主要分布在我国东部沿海及西南内陆地区,下降最显著的地区主要分布在东北老工业基地及西部欠发达的地区。究其原因,主要是我国东部沿海地区拥有较为丰厚的物质资本与人力资本,同时作为我国对外开放口岸有更多的机会吸引外资、引进先进技术,因此经济效率能较快地上升; 四川、贵州作为我国西南内陆地区连接东西部地区的重要纽带,其资本积累、交通基础设施建设等拥有得天独厚的优势,有效地带动了当地经济发展,促进了经济效率的提升; 作为我国老工业基地的辽宁、吉林,由于近年来产业结构不合理、升级缓慢、基础设施落后等原因严重制约了经济效率的提升; 浙江省作为我国沿海省份,由于其产业层次低,创新能力弱,中心城市辐射能力弱,区域协调发展机制不完善等原因导致浙江省传统经济效率逐步降低; 我国西部地区的宁夏、内蒙古、西藏等由于历史文化背景及地理特征等原因,经济发展起步较晚,发展慢。尽管有国家的大力支持,但多用于基础设施建设方面,而基础设施建设并不必然引起相关产业的发展。
从表1可见,2000—2013年我国绿色经济效率较高的地区分别为辽宁、上海、浙江、广东、黑龙江,平均值分别为0. 68、0. 71、0. 72、0. 85、0. 74; 绿色经济效率最低的地区是贵州、陕西、甘肃、青海、宁夏,经济效率分别为0. 28、0. 33、0. 34、0. 27、0. 24。下降最显著的区域有辽宁、浙江、福建、内蒙古、河南( 图6) ,分别从2000年的0. 74、1、0. 67、0. 49、0. 48、0. 48下降到2013年的0. 58、0. 48、0. 485、0. 38、0. 38、0. 39。上升最为显著的区域有上海、北京、天津、贵州、江苏( 图6) ,分别从2000年的0. 50、0. 36、0. 50、0. 24、0. 50上升到2013年的1、1、1、0. 35、0. 56。
从地域分布特征来看,下降最显著的区域主要分布在东北部及中南部地区。究其下降显著的原因,以辽宁、浙江、河南为例,辽宁省作为我国东北老工业基地,近年来随着我国东北老工业基地的衰落,产业升级缓慢,产能落后,环境污染逐渐严重,导致辽宁省绿色经济效率逐渐降低; 浙江省作为我国沿海经济发展较快的地区,近年来工业化进程加快,重工业比例逐渐提升,经济发展带来的规模效应与产业结构变动带来的结构效应导致了浙江省环境污染逐渐严重,进而引起浙江省绿色经济效率的不断下滑; 河南省作为我国中部地区最为发达的地区,产业结构偏重工业,主要是冶金、建材、化工、煤炭、电力等高能耗和高污染产业,因此引起河南省绿色经济效率逐渐降低。绿色经济效率上升最显著的省份主要分布在我国沿海地区与西南地区。本文以北京市和贵州省为例,分析其原因。北京市作为我国的政治经济文化中心,拥有雄厚的资本与技术支持与灵活的政策,加之近年来北京市制定了较为严格的环境保护政策,加快了重型产业的转移与退出,引导绿色产业发展,从而促进了北京市绿色经济效率的提升; 贵州省经济发展水平与工业化程度较低,相对于其他地区,贵州省环境污染水平较低,在发展过程中该省充分发挥本地的资源禀赋,突出其水电及矿产资源优势,不断完善基础设施建设并在工业化发展过程中着重考虑环境保护,进而导致贵州省绿色经济效率的不断提升。
2000—2013年北京、上海、天津、海南四省市( 图7) 经济效率的差值显著降低,这表明该区域在经济发展过程中加强了对环境的保护,有效减少了工业生产过程中对环境的污染。贵州、湖南两地在样本期内经济效率的差值呈现出逐渐上升趋势,作为我国中部地区最重要的重工业省份,一方面由于东部地区高能耗、 高污染产业向该区域转移,造成了严重的环境污染; 另一方面说明该区域在经济发展过程中对环境保护的不重视和缺失。我国其他省份的经济效率差值基本上呈现出先上升后下降的趋势,经济效率差值的上升体现了在经济发展过程中对自然环境保护的缺失,经济发展的背后存在严重的自然环境代价,严重影响了经济的可持续发展。经济效率差值的降低,体现了各地区在发展过程中对环境保护力度的加强,同时也反映了在生产过程中对环境污染的降低,这是各地区在发展过程中依托科学发展观,提升资源配置效率,通过对先进技术和新能源的开发,解决了生产过程中环境污染的表现。
5传统经济效率与绿色经济效率的关联分析
5. 1效率全局自相关分析
表2为中国各地区传统经济效率与绿色经济效率的全局Moran's I[18]指数。从表2中可以很明显地看出,无论是传统经济效率还是绿色经济效率,都存在显著的正向空间自相关,都在1% 的条件下通过检验。这说明中国各地区经济效率在空间上相似值之间存在集聚状态。即经济效率的高值与高值区域相临近,低值与低值区域相邻近。从检验的结果来看( 图8) ,两种经济效率的Moran's I指数变化趋势基本相同,都是先增长后下降再增长。传统经济效率的Moran's I指数大于绿色经济效率,且两者Moran's I指数的差值逐渐缩小。这表明传统经济效率的空间集聚程度与空间关联效应比绿色经济效率更加紧密,而各地区绿色经济效率的空间集聚程度及空间关联效应变得更加显著,但仍需要进一步加强。
5. 2经济效率局部空间自相关分析
我国经济效率在空间上的显著自相关表明,我们在对经济效率进行研究的同时,考虑到在空间上分布的必要性,说明运用空间计量方法研究经济效率的可行性。由于全局空间自相关仅能说明在整体上存在集聚特性,并不能说明具体的集聚状况,因此运用局部Moran's I[19]指数来说明。同时为了便于说明,本文仅对2000—2013年我国各地区经济效率的LISA图进行列举说明( 图9) 。2000年,在传统经济效率LISA图中,我国各地区经济效率高高值集聚区域主要集中在东部沿海地区,如江苏、浙江、上海、福建、北京、河北、 吉林、辽宁、黑龙江、内蒙古。低低值积聚区域主要集中在我国中部及西南部地区等欠发达区域; 到2013年高高值集聚区域变得更加集中,主要是我国中东部沿海地区,如北京、天津、河北、山东、江苏、浙江、福建。 低低值集聚区域主要集中在中北部地区和西南部地区。从集聚区域的变化趋势看,我国高高值集聚区域向中东部沿海集中,低值区域在东北部区域扩散,中南部区域经济效率开始上升并表现出高低值集聚态势。 东北地区作为我国相对发达的地区,同时也是我国重要的工业基地,近年来由于其产业结构不合理,产业升级缓慢,基础设施落后等原因其经济效率逐渐落后于其他经济发展较快的地区。2003年后振兴东北老工业基地政策的提出,东北地区经济发展加快,经济效率也在逐步提升; 另一方面我国南部地区如云南、湖南、湖北等地由于受到我国南部及北部沿海经济发达区域产业转移的影响和基础设施建设步伐的加快,经济发展速度逐渐加快,经济效率逐步提升,从而导致我国南部地区由原来的低低值积聚向高低值集聚变化。2000年我国绿色经济效率的高高值集聚区域主要集中在东北三省和江苏、浙江、福建、广东、上海,低低值积聚区域主要集中在我国中部及西南部大片区域,高低值与低高值集聚区域则处于高高与低低值的区域之间。2013年高高值集聚区域缩小,只有北京、福建、江苏、浙江四省市; 低低值区域扩大,内蒙古和西藏地区由原来的高低集聚变为低高集聚,低低值积聚区域主要集中在我国西部及北部地区,高低值区域集聚区域变化较大,黑龙江、吉林、广东由原来的高高值集聚变为高低值集聚,山东、湖南、湖北、四川由原来的低值集聚变为低高值集聚。
比较传统经济效率与绿色经济效率的LISA演化图可以看出,尽管在2000年我国各地区绿色经济效率与传统经济效率的空间积聚状态差异较大,但2013年两种经济效率的空间积聚态势呈现出显著的相似,这种由较大差异向显著相似的变化趋势表明了我国各地区对环境保护的努力是一致的,绿色经济效率的高高值集聚区域显著小于传统经济效率的高高值集聚区域,这表明了部分地区在经济发展的过程中对资源环境的保护力度尚有欠缺。同时,也说明了绿色经济效率在空间上的协同作用较小,应进一步加强绿色经济效率在空间上的协同作用,从而促进各地区绿色经济效率的共同提高。
6结论
本研究通过运用考虑非期望产出的SBM模型测算我国各省市区绿色经济效率与传统经济效率,并对其空间变化趋势进行比较分析,然后建立空间权重矩阵对各地区经济效率进行空间自相关分析,得出以下结论: 12000—2013年我国传统经济效率水平相对较高, 平均值为0. 619,呈现出先上升后下降的趋势。我国绿色经济效率水平相对较低,平均值为0. 464,呈现在波动中稳定上升的趋势,传统经济效率与绿色经济效率之间的差异在2000—2005年逐渐扩大,2005年后逐渐缩小。2我国东中西部地区传统经济效率与绿色经济效率的高低依次为东部地区、中部地区、西部地区,东部地区的传统经济效率在样本期内呈现出先上升后下降的趋势,绿色经济效率呈现出显著上升,两者间的差异逐渐缩小; 中部地区传统经济效率与绿色经济效率变化趋势基本类似,呈现先上升后下降的趋势,两者间的差值逐渐扩大; 西部地区传统经济效率与绿色经济效率都呈现下降趋势,两者间的差值先扩大后缩小。 32000—2013年我国各地区传统经济效率与绿色经济效率分布差异显著。由于各地区产业结构,环境保护政策制定与实施的差异,传统经济效率较高的地区并不必然绿色经济效率较高。样本期间内黑龙江、辽宁、 浙江、上海、福建传统经济效率较高,辽宁、上海、浙江、 广东、黑龙江绿色经济效率较高。绿色经济效率上升较快的地区有上海、北京、天津、贵州、江苏,下降较快的地区有辽宁、浙江、福建、内蒙古、河南。4我国各地区传统经济效率与绿色经济效率存在显著的空间自相关,传统经济效率的全局Moran's I指数高于绿色经济效率的全局Moran's I指数,两者均呈现先上升后下降的趋势,两者间的差距逐渐缩小,表明相对于传统经济效率,绿色经济效率的空间集聚状态与空间关联程度变得更加紧密。通过对两种经济效率的空间格局关联分析发现,传统经济效率与绿色经济效率的集聚分布状态基本类似,高高值集聚主要分布在我国东部沿海发达地区,低低值集聚主要分布在我国西部欠发达地区,但绿色经济效率的高高值集聚地区比传统经济效率的高高值集聚区域少,且主要分布在我国中东部沿海地区。
基于以上结论,本研究所蕴含的政策意义为: 整体上我国绿色经济效率较低,各地区绿色经济效率差异显著。为了促进我国绿色经济效率的提升,我国应进一步依托市场为导向,合理吸引外资,促进并扶持新能源与新兴产业发展,同时制定、完善并严格实施环境保护政策,保证环境政策实施的有效性与全面性。各地区政府应加强区域间的合作与交流,在推进“一带一路”建设、京津冀协同发展、长江经济带建设三大战略实施的同时合理引导产业在不同区域的移动,促进绿色经济发展,改善生态环境,减少环境污染的同时权衡好与经济发展之间的关系,以实现经济发展与环境优化的双赢,最终实现我国经济的可持续发展。
时空效率 篇2
经济长期性增长分为两个阶段:经济结构变动的前期追赶阶段和以效率持续提高为根本动力的后期增长阶段[1]。中国已进入经济长期性增长的后期阶段,基于产业发展视角研究产业效率提升问题,对于产业内生动力发展和宏观经济可持续推进尤为重要。21世纪以来,我国海洋经济发展迅猛,其中以滨海旅游业作为支柱型产业的海洋产业发展备受瞩目。滨海旅游业具有海陆兼备的地理区域特殊性,因地制宜提升滨海旅游产业效率、以效率提升促进滨海区域旅游业发展是本研究的首要目的。
国内外对于旅游业效率的研究较为丰富。国外研究主要针对旅游业内部各行业的效率,如对旅游业中的旅行社效率[2,3]、酒店效率[4,5]、旅游交通效率[6,7]、土地使用效率[8]、旅游产品销售效率[9]等进行研究。国内除对旅游业内部各行业的效率(旅行社效率[10,11]、酒店效率[12]、旅游博彩效率[13]、旅游服务效率[14]和旅游业投资效率[15])进行研究外,主要集中于对区域旅游业发展效率的研究:马晓龙[16]、王坤[17]、梁明珠[18]、李瑞[19,20]、邓洪波[21]等及相关研究者分别以中国58个主要城市、长江三角洲、广东省21个地级市、环渤海三大城市群和东部沿海四大城市群、安徽省17个地级市为研究区进行城市旅游业效率发展研究;陶卓民[22]、梁流涛[23]、金春雨[24]等及相关研究者以中国31个省级行政单位为研究区,从不同时间段、不同视角对旅游业效率发展进行研究。
国外相关研究起步较早[25,26],国内研究方法与之相近,在效率测度方面应用数据包络分析法(DEA)及其相关改进模型,其他方法包括回归生产模型、指数方法、随机前沿分析法(SAF)等;但目前国内仅对滨海城市生态旅游效率进行研究[27]或基于效率测算对不同时间点效率值进行定性空间分析[28],尚未有针对中国滨海53个城市旅游业效率指数逐年变化及空间计量演化的研究。此外,在郭腾云等[29]的研究中明确指出,利用DEA方法对不同时间点效率进行研究,其效率值是基于不同生产前沿面计算所得,不同时间点效率值不具可比性。因此,本文在梳理滨海旅游业效率在旅游产业发展中驱动作用的基础上,利用面板连续数据,对中国53个沿海城市的滨海旅游业效率及时空演变进行综合评价,希冀为中国滨海旅游业发展提供有益参考。
2 滨海旅游业效率在产业发展中的作用
滨海旅游业的蓬勃发展体现人类活动与海洋资源的和谐互动关系:一方面,人类亲水性特点对海洋资源的需求愈加强烈,对滨海资源的利用呈逐渐深入趋势;另一方面,海洋资源对人类生活的影响日益加深,促进人类社会发展。滨海旅游业是以滨海城市为载体,以滨海岸线资源为利用对象,具有开放性、包容性特点的“陆-人-海”和谐共生、可持续发展的绿色产业。“陆-人-海”是滨海旅游业系统内部主体,人类即是需求者又是产业内部和谐共生发展的催化剂,人类需求由“陆-海”供给,人类保护意识的增强促进“陆-海”关系和谐。滨海旅游业发展是人类与海洋、陆地和谐共生、相互促进的外在表现。
在滨海旅游业系统演进过程中,主导驱动因素是“人”,而人类系统演进的主要影响因素是效率,故由效率因素驱动的滨海旅游业系统演化机理(图1)可知:人类系统与陆-海系统在正向投入和负向投入共同作用下,经自身协调作用,获得滨海旅游业效率产出;滨海旅游业效率与正负投入间存在相互反馈关系;存在除滨海旅游业效率直接影响因素等其他外部环境影响因素。其中,正向投入包括城市经济水平、旅游政策法规、旅游环境保护、旅游服务水平和旅游基础设施等;负向投入包括海洋自然灾害、疾病传播、岸线侵蚀、近岸和海洋生态环境破坏和经济危机等。正负投入与滨海旅游业效率间的反馈作用显著,在正负投入与外部环境共同作用下,滨海旅游业效率产生累积、反馈的协同效应,系统不会因某一因素作用而导致崩溃,其自组织能力结合外部环境影响会逐渐趋于合理性发展。
依据协同理论,滨海旅游业内部各子系统相互协调、共同演进,与外部环境进行具有开放性质的信息流、资源流、能量流交换,自成体系却并不孤立。因此,要实现滨海旅游业效率的逐步提升,进而促进滨海旅游业可持续发展,必须遵循协同理论中的系统开放与自组织原理:自组织原理可依托系统正负向反馈,使其内部各子系统相互影响、制约和促进;系统开放原理可吸纳外部物质、信息、能量,维持系统整体的“耗散均衡”。需要强调的是,人是系统发展的原动力,所有约束机制与推动力均源于人的社会需求;人是参与旅游产业发展的人,也是社会中的人;人类社会呈进步态势,人类系统演进的主要影响因素是效率,只有实现人的高效率自组织和开放发展,才能促进“陆-人-海”系统优化升级,进而促进滨海旅游业效率的逐步提升和可持续发展。
3 研究方式
3.1 研究方法
3.1.1 滨海旅游业效率测算
在效率测算方面,国内外效率研究方法有多种,常用的是参数型随机前沿分析法(Stochastic Frontier Analysis,SAF)和非参数型数据包络分析法(Data Envelopment Analysis,DEA),本文选用非参数型DEA方法。A.Charnes等[30,31]于1978年首次提出DEA模型并对其有效性进行科学评价,魏权龄[32]将DEA引入中国并发表多篇文章、专著宣传其测度效率的有效性,此后逐渐被国内学者所熟知并加以应用[16,17,18,19,20,21,22,23,24],由北京大学成刚博士等[33]推出的MaxDEA软件增强效率测算的便捷性。此外,Malmquist全要素生产率(Total Factor Productivity,TFP)是常用平价面板数据和效率分解评价模型,本文采用DEA结合Malmquist指数作为评价效率的方法。依据相关研究[34,35,36],K代表被评价城市个数、L代表投入指标、M代表产出指标、xjl代表第j个城市的第l种资源投入量、yjm代表第j个城市的第m种产出量,对于第n(n=1,2,…,K)个城市,DEA(CRS)表达公式如下:
式中:θ为综合效率指数;λj(λj≥0)为权重;s-、s+均为松弛变量且均≥0;ε为非阿基米德无穷小变量;e1T、e2T为单位空间向量。将式(1)中引入限制条件,即变为规模报酬可变的VRS模型[29]。
效率随时间演变的具体情况需Malmquist指数进行全要素分解评价,本文引入全局参比Malmquist指数,依据文献[11],由于面板数据所有各期总和作为参考集,各期参考的是同一前沿面,但所计算结果仍为单一Malmquist指数。相邻两期Malmquist指数前沿面虽然参考同一全局前沿,但效率变化计算仍采用各自前沿[33]。利用Global Malmquist指数模型(全局生产率变化指数,GTFP)式(2),可以分解出综合效率变化(EC)和技术进步(TC),综合效率变化又可进一步分解为纯技术效率(PTE)和规模效率(SE)。分解如下:
式中:CRS表示不变规模收益;VRS表示可变规模收益;GM表示全局Malmquist指数;t表示时期。
由DEA和Malmquist指数模型分解可知[29,37,38],GTFP代表滨海旅游业生产率增长或降低程度,EC指数代表滨海城市的滨海旅游业投入要素配置、利用水平和规模效应影响等的变化,TC指数表示滨海旅游业生产技术变化情况,PTE指数表示滨海旅游业要素资源的配置、利用水平变化,SE指数表示滨海旅游业规模效应影响水平变化。同时,当效率值大于1时,表明在研究时间段内效率提升;当效率值等于1时,表明效率水平不变;当效率值小于1时,表明效率下降。
3.1.2 空间演变分析
经典空间演变分析方法包括全局空间自相关分析、局域空间自相关分析和标准差椭圆分析等,本文利用ArcGIS空间标准差椭圆分析(Standard Deviational Ellipse,SDE)进行研究。SDE方法已在地质学、人口学、犯罪学、社会学、生态学等领域广泛应用[39],由于滨海旅游业沿海城市分布较分散,利用该方法可从空间上推演出近年来我国滨海旅游业效率发展及演变趋势,分析原理如下[40]。
首先,确定椭圆圆心(研究中亦称为重心),公式为:
式中:xi和yi分别为特征值i的空间位置;是研究区域的算术平均中心即为椭圆圆心。
其次,确定椭圆的偏转方向,以坐标轴X轴为基准,12点钟方向(正北方)设定为0°,以顺时针方向旋转,公式为:
式中:是平均中心与(x,y)坐标的差。
最后,确定椭圆中X轴和Y轴的长度,公式为:
式中:σx和σy分别代表X轴和Y轴的长度,结合式(4)、式(5),利用ArcGIS10.2软件对滨海旅游业效率空间演变趋势进行测度。
3.2 量化研究指标选择
滨海旅游业效率主体基于投入—产出两大要素,能够量化表征且可获得数据的统计指标较少,故综合考虑滨海旅游业效率发展驱动因素及量化指标可获得性认为:投入方面,旅游业发展需要经济基础支撑,旅游投入不仅限于景区、酒店、旅行社等设施投入,城市基础设施建设、城市经济整体规模等都会影响旅游吸引力,故旅游业投入指标选择全社会固定资产投资作为资本投入指标;旅游业从业者也不仅限于导游、酒店、旅行社、批发零售商店、租车公司服务人员等,还包括间接从业者,故旅游业投入指标选择第三产业从业人员作为劳动投入指标(旅游业投入不包含土地投入)。产出方面,产出指标选择旅游产业直接产值数据,即旅游接待人数和旅游收入。
由于资源禀赋及海洋自然灾害等影响因素具有量化可行性低的性质,并且各影响因素对滨海旅游业的影响主要体现在经济投入与产业产出上,故未对相关指标进行量化选择与处理。
3.3 数据来源
如无特殊说明,本文数据均来自《中国区域经济统计年鉴》《中国城市统计年鉴》《中国旅游统计年鉴》以及各市年鉴、统计公报等。由于旅游业的投入产出具有滞后性,故为规避2003年SARS对旅游业造成冲击这种小概率事件影响(影响2004年旅游投入产出),研究数据起始投入时间为2005年,对应产出时间为2006年,以此类推,投入数据时间段为2005—2012年,产出数据对应时间段为2006—2013年。为消除价格变动因素影响,将价值性指标进行平滑处理,价值性指标均折算为2005年价格。
4 滨海旅游业效率测算与分析
据式(2)和式(3)可知各效率和指数变化的关系和原理,不再赘述。基于收集的数据,利用MaxDEA Ultra(1-core)软件,结合DEA和Global Malmquist指数模型,分别计算2006—2007年、2007—2008年、2008—2009年、2009—2010年、2010—2011年、2011—2012年和2012—2013年中国沿海53个城市滨海旅游业的综合效率变化、纯技术效率变化、技术进步水平变化以及规模效率变化和生产率变化,并对其空间分异情况进行分区域研究。
4.1 滨海旅游业效率综合演变趋势分析
2006—2013年我国滨海旅游业总体效率时空演变趋势如图2所示。
(1)生产率变化呈弱改善趋势。其中2011—2012年变化较显著,此时由于2008年经济危机而投入的4万亿投资促进产业生产效率提升效应明显,进而导致生产率变化显著。由此可知,国家级政策性投资对滨海旅游业生产率发展起到明显的促进作用。
(2)综合效率变化波动明显,主要原因:依前文所述投入产出对应2008年正是全球性金融危机暴发之年,滨海国际旅游人数和收入暴减,导致综合效率在2009—2010年下滑严重;2010—2011年期间各行业发展趋势向好,滨海国内旅游人数和收入迅速增长,国际金融环境衰退放缓、部分地区开始回暖,滨海国际旅游人数和收入呈现一定回升,推动综合效率提升明显。由此可知,滨海旅游业对经济环境具有较强的依赖性和敏感性,综合效率受经济环境影响较大。此外,通过综合效率时间演进趋势分析,验证了郭腾云等[9]在其研究中提及的DEA效率测算非连续面板数据容易产生较大误差且不具可比性的结论,但众多高质量期刊中的相关研究仍采用时间断点研究[19,20,28],其准确性有待验证。
(3)技术进步水平波动变化较大,较其他效率变化更为明显,主要体现在2009—2010年、2010—2011年和2011—2012年3个时期的对比趋势上。2009—2010年和2010—2011年技术进步水平与综合效率呈明显反差,而2011—2012年和2012—2013年技术进步水平与综合效率又呈明显趋同,说明经济危机对技术进步水平影响作用更显著且存在滞后性,其自恢复能力明显较弱,导致2009—2010年和2010—2011年波动较大;2011—2012年和2012—2013年,随着整体内外部旅游经济环境转变以及技术水平自我调节,技术进步水平恢复正常,呈现与整体滨海旅游环境相协调状态。由此可知,除经济危机因素影响,技术进步水平与综合效率水平呈趋同状态,但前者弱于后者,说明目前我国滨海旅游业综合效率提升受规模效率和纯效率影响相对较大,受技术进步水平提升影响相对较小。
(4)规模效率是产业是否达到最适规模的外部显现,体现在一定生产规模内由于规模增大而带来的收益递增现象。对比我国滨海旅游业综合效率与规模效率发现,两者演变规律吻合度较高。规模效率对于区域评价的优势在于能够规避大规模城市由大投入、大产出带来的外部经济环境较好的表象,避免高估大城市而低估小城市,以绝对投入和绝对产出评价滨海旅游业发展优劣程度;如,在滨海旅游城市中,天津和上海是绝对大规模城市,但其规模效率水平并未因大投入而更高,而是由其规模投入和规模产出共同影响。由此可知,滨海旅游业规模效率与综合效率时空发展规律相吻合,综合效率受规模效率影响较大;滨海旅游业整体效率不高应在规模投入问题上深入反思,过多投入并不会带来效率水平外溢。
(5)纯技术效率除2010—2011年波动较明显外,其他年份波动变化较小。由滨海旅游业演化机理可知,滨海旅游业资源的配置和利用(纯技术效率)受政策、人才、资金、技术效率共同影响,在中国现行体制环境下纯技术效率是推动滨海旅游业综合效率发展的主导因素,而其中的政策因素是目前我国滨海旅游业效率提升的主要影响因素。
4.2 滨海旅游业效率局域演变趋势分析
滨海旅游业受生态环境、水文环境、海陆空间等因素的共同影响,各个海域又因地理位置、气候条件、水文条件等因素共同作用而存在差异性,从而主导滨海旅游环境的形成。因此,将我国滨海城市按四大海域界线划分为4个组群:渤海沿岸城市组群、黄海沿岸城市组群、东海沿岸城市组群和南海沿岸城市组群进行分组讨论。其中,①渤海沿岸城市组群包括营口、盘锦、锦州、葫芦岛、秦皇岛、唐山、沧州、天津、滨州、东营、潍坊等城市;②黄海沿岸城市组群包括大连、丹东、烟台、威海、青岛、日照、连云港、盐城、南通等城市;③东海沿岸城市组群包括上海、嘉兴、杭州、绍兴、宁波、舟山、台州、温州、宁德、福州、莆田、泉州、厦门、漳州、潮州等城市;④南海沿岸城市组群包括汕头、揭阳、汕尾、惠州、深圳、东莞、广州、中山、珠海、江门、阳江、茂名、湛江、北海、钦州、防城港、海口、三亚等城市。因大连、烟台城市设施和旅游资源均位于黄海一侧,故划入黄海沿岸城市组群;同理,汕头纳入南海沿岸城市组群。
制图基于复杂数据简单化原则,选用雷达图对数据结果进行处理,如图3所示结合效率输出结果可知:
(1)2006—2013年各区域生产率变化存在差异,差异性较明显的是2009—2010年和2011—2012年。其中,2009—2010年差异较明显的是东海沿岸城市组群生产率提升水平较大,对比滨海旅游业效率综合演变趋势,此时期滨海旅游业生产率呈提升态势,说明此时期东海沿岸城市组群生产率对全国滨海旅游业生产率起主导促进作用;2011—2012年各城市组群生产率水平均高于其他研究年份,但各组群贡献率仍存在较大差异性,黄海沿岸城市组群生产率水平高于其他城市组群,说明此时期黄海沿岸城市组群对全国滨海旅游业生产率起主导促进作用。
(2)2006—2013年各区域综合效率变化差异较大。最为显著的是2009—2010年全国滨海旅游业综合效率几乎全线崩盘,进一步显现出滨海旅游业在经济环境中脆弱性较大的问题;2010—2011年各区域综合效率增幅明显,说明在外部经济环境不景气状况下,通过内需拉动能够有效提升区域滨海旅游业经济发展。
(3)2006—2013年各区域技术进步变化差异显著。与前文所述技术进步水平波动较明显体现在2009—2010年、2010—2011年和2011—2012年3个时期的对比趋势有所不同的是,各区域差异较明显的是2009—2010年。此期间技术进步水平提升迅猛,但渤海和南海沿岸城市组群明显低于黄海和东海沿岸城市组群,说明区域间和区域内城市技术提升能力在经济环境扰动条件下差异性较为显著。
(4)2006—2013年各区域规模效率变化最为显著的是2010—2011年。结合各年份发展趋势,渤海和南海沿岸城市组群规模效率发展总体优于黄海和东海沿岸城市组群,但后者波动变化更小、发展稳定性更强。
(5)2006—2013年各区域纯技术效率发展态势存在差异,差异波动幅度较大的时间段主要集中于2008—2011年。在整体演变趋势上纯技术效率变化大致呈正态分布,但各区域发展变化差异明显,说明纯技术效率发展水平具有区域不平衡性,但发展趋势较好。
5 空间格局演变分析
SDE方法对于空间演变的测度与表达主要基于影响椭圆空间分布的长短轴、方位角和中心等参数,以定量手段对研究对象进行空间分布整体特征描述。基于ArcGIS10.2软件获得长短轴、方位角和中心等参数(表1和表2)。
5.1 重心变化
重心空间位移趋势代表滨海旅游业效率随时间演变空间整体效率演化趋势。滨海旅游业逐年效率值均存在空间变动,整体以2006—2007年重心为基点。生产率变化从2006—2007年开始效率南移趋势明显,仅2008—2009年和2011—2012年呈北移趋势,说明生产率发展南部地区优于北部地区;综合效率演变呈南移趋势且位移趋势明显大于生产率,说明综合效率发展南部地区优于北部地区;技术进步水平北部地区明显优于南部地区,说明近年来我国北方滨海旅游业更加注重技术水平提升,虽然综合效率明显为南部优于北部,但北部呈效率追赶态势;规模效率水平仅2010—2011年呈南移态势,说明北部地区优于南部地区;纯技术效率水平也是北部地区明显占优。综上分析可知,近年来我国滨海旅游业效率发展趋势为,南部地区优于北部地区,北部地区效率呈追赶态势,南北滨海旅游业发展效率差距逐渐缩小。
5.2 标准差椭圆
长短轴变化与南北向主轴方位角夹角大小代表效率发展集聚及演变趋势大小。长短轴差值代表椭圆扁率,扁率越大方向性越明显、集聚程度越高。滨海旅游业效率标准差椭圆长短轴差值较大,方向性明显,各效率值逐年演化趋势明显。生产率变化,各年份椭圆扁率大、平均转角25.64°,较基准值25.46°向东南偏转0.18°,说明空间上总体生产率增长趋势向东南沿海倾斜;综合效率变化,2006—2010年波动变化明显,之后发展态势平稳,2009—2010年转角率达到28.41°,说明研究期内2009—2010年以前综合效率南北互动演化,但2009—2010年之后南部地区明显优于北部,集聚变化更为明显;技术进步水平,2008—2009年起椭圆扁率不断减小,转交波动变化亦不明显,说明总体滨海旅游业技术进步呈下降态势;规模效率,从2007—2008年起逐渐呈椭圆扁率减小趋势,转角除由2009—2010年的23.30°转为2010—2011年的27.85°,其他年份变化不明显,说明规模效率水平发展呈下降态势,2010—2011年南部规模效率增长幅度较大;纯技术效率,椭圆扁率虽呈波动演化但最终趋于平稳,转角上由2009—2010年的28.74°逆时针旋转为2010—2011年的18.69°,说明北方滨海旅游业纯技术效率集聚和增幅明显。
6 结论与讨论
本文在梳理滨海旅游业效率在旅游产业发展中驱动作用的基础上,利用DEA-GM对滨海城市旅游业效率指数逐年变化进行测算与分析,并借助SDE方法进行空间计量演化分析。首次在对滨海旅游业效率演化机理系统分析的基础上,分别从滨海旅游业效率逐年演化趋势及空间计量演化方面弥补前人相关研究的不足。综述,获得以下结论。
(1)基于旅游效率在滨海旅游业发展中的作用分析得出:滨海旅游业是以“人”的高效率发展为原动力、以具有协同性的“陆-人-海”系统为依托,在旅游产业中具有特殊资源性质、在海洋产业中占主导地位的绿色经济产业,其发展受人类经济活动效率的制约。
(2)基于逐年效率演化测算及空间计量演变分析得出:①滨海旅游业对外部经济环境变化敏感性较强、脆弱性明显;②政府投资对滨海旅游业发展效率具有显著促进作用,但投资规模与规模效率不具指数效应;③滨海旅游业规模效率与综合效率时空发展规律相吻合,纯技术效率是推动综合效率发展的主导因素;④政策效率是中国滨海旅游业发展效率的主要影响因素;⑤我国滨海旅游业效率空间整体呈现南高北低分布,但区域差距呈缩小态势。
(3)基于获得的结论及目前我国滨海旅游业发展现状,应从以下4方面促进我国滨海旅游业效率提升:①注重从业人员素质及专业化培养,引导旅游者向文明游、生态游方向发展;②完善区域发展配套政策措施;③提高各效率综合发展水平;④对区域发展差异性采取具有针对性的效率提升措施。
(4)本文针对我国滨海旅游业效率在滨海旅游业发展中的作用及时空演变进行综合分析,但仍存在有待深入探究的问题:①在投入产出指标选取方面,研究区域对纯旅游及相关产业统计不完善,今后需考虑进一步探究各投入产出相关性;②空间演变研究方法有多种,其他方法对支持滨海旅游业效率研究是否更具针对性有待进一步深入探究。
摘要：文章在梳理滨海旅游业效率在旅游产业发展中驱动作用的基础上,利用数据包络分析(DEA)、全局Malmquist模型结合标准差椭圆分析方法,对中国53个沿海城市的滨海旅游业效率进行时空演变分析。结果发现:1滨海旅游业是以“人”的高效率发展为原动力、以具有协同性的“陆-人-海”系统为依托,在旅游产业中具有特殊资源性质、在海洋产业中占主导地位的绿色经济产业,其发展受人类经济活动效率的制约。2滨海旅游业对外部经济环境变化敏感性较强、脆弱性明显,政府投资对滨海旅游业发展效率具有显著促进作用,但投资规模与规模效率不具指数效应;滨海旅游业规模效率与综合效率时空发展规律相吻合,纯技术效率是推动综合效率发展的主导因素,政策效率是目前中国滨海旅游业发展效率的主要影响因素;我国滨海旅游业效率空间整体呈现南高北低分布,但区域差距呈逐步缩小态势。3影响滨海旅游业效率的驱动因素具有相互制约、协同发展的特点,滨海旅游业发展应注重从业人员素质及专业化培养,逐步引导旅游者向文明游、生态游方向发展,完善区域旅游业发展配套政策措施,提高滨海旅游业各效率综合发展水平,结合区域发展差异采取具有针对性的效率提升措施。
时空效率 篇3
1 研究方法与数据来源
1.1 研究方法
借助区位熵以比值之比衡量专业化水平的思路,本文以某产业就业人数、生产总值占地区就业总数与地区生产总值之比,衡量产业之间或城际单位劳动力数量创造的生产总值的不同,作为产业劳动力效率E,进而可作为指导产业调整的依据。具体计算方法如下:
其中,Eia以第a年为准表达不同产业的差异,即a年i产业劳动力效率,Eib以产业i为准表达城际差异,表示b市i产业的劳动力效率;S与L分别相应的生产总值或其他经济社会效益指标及就业人数,Sia表示第a年i产业生产总值,Sa表示第a年地区生产总值,Sib表示b城市i产业社会经济效益量,Si表示i产业社会经济效益总量,Lia表示第a年i产业从业人数,La表示第a年从业人员总数,Lib表示b城市i产业的就业人口,Li表示i产业就业总人口。
1.2 数据来源与选取
本文数据来源于2005-2015年《山东统计年鉴》,产业劳动力效率研究的对象主要为国民经济行业分类中的20门类。在具体选取中,去除客观上主要受制于自然因素的农林牧渔业及统计为0的国际组织,并将制造业、采矿业与能源产业合并为工业,以工业、建筑业、批发零售业、交运邮储业、住宿餐饮业、信息服务业、金融业、房地产业、租赁与商务服务业、科研服务业、水利环境与公共设施管理、其他服务业、教育、卫生、文体娱乐业以及公共管理等16类作进一步分析。在时间演变分析中,数据为2004-2014年山东省分行业地区生产总值及分就业人数;在空间分异分析中,数据为2014年山东省17市分行业地区经济社会及就业人数。
2 结果分析
2.1 产业劳动力效率演变
2004-2014年山东省各产业劳动力效率结果如表1,据表可知:首先,工业、金融业、房地产业、科研服务、卫生医疗、文体娱乐等劳动力效率均在1以上,单位劳动力创造生产总值较多;其次,房地产业、金融业以及科研服务的标准差明显较高,变动最为明显。
数据来源:2005-2015年《山东统计年鉴》。
2004-2014年,工业就业人数与生产总值均不断提高,但由于第三产业的迅猛发展,工业劳动力效率虽能保持在1以上,但也存在较明显的下降趋势,批发零售业、教育与工业相反,虽然劳动力效率均在1以下,但上升趋势明显;建筑业、交运邮储业、住宿餐饮业与卫生行业的劳动力效率较稳定;信息服务业、租赁与商务服务业以及其他服务业的劳动力效率均具有先降后升的特点,但相比较而言信息服务业的回升稍滞后;水利环境与公共设施管理、文体娱乐业以及公共管理业均呈现波动上升的特征;科研服务业分别在2007年(2.17)和2013年(2.31)达到明显高值,很大程度上提高了其效率平均值与标准差;房地产业与金融业是山东省产业劳动力效率最高且标准差最大的两项,变化明显但趋势相反,前者不断走低而后者逐渐趋高。
2.2 产业劳动力效率空间分异
为综合衡量各产业实际效益,选取统计口径相同的产值、利税额等多项数据,分别计算劳动力效率后再取平均值,作为产业劳动力效率结果。其中居民维修与其他服务业、文体娱乐业、水利环境与设施管理、卫生等效益难以量化,故将此4类剔除,以其余12类继续分析。结果如表2所示。
由结果发现,济南市、青岛市、临沂市和德州市的变异系数较低,该4市内部效率结构较均衡,而枣庄市与莱芜市内部结构差异明显;建筑业、交运邮储业与教育业变异系数较低,以上结果表明城际差别并不显著,其中教育对社会发展具有较强的基础性,故城际差异不大,而住宿餐饮业、科研服务业、租赁与商务服务业变异系数较大,各市具有明显差异。
从城市综合劳动力效率看(为消除量纲影响,先按行业类别进行标准化处理,后将标准化结果按城市累加,得到综合劳动力效率结果如图1),东营市(6.71)、青岛市(6.37)、威海市(6.25)与烟台市(6.21)综合劳动力效率较高,形成17城市中的第一梯队,淄博市、济南市等5市紧随其后形成第二梯队,而其余8市综合劳动力效率低于全省平均值,其中德州市与枣庄市居于末位。从区域差异看,综合劳动力效率较高的城市均分布于半岛地区及胶济沿线地区,而鲁西北与鲁西南等地城市该值偏低,这种分布格局与各市社会经济发展水平与阶段具有一定的相关性,能够体现出明显的地域特征。
此外,虽有许多城市在部分产业方面就业人数占比与社会经济效益占比均较高或较低,但由于二者差异,也可能导致其劳动力效率明显偏低或偏高。因此,劳动力效率结果并不能反映城市某项产业在更大区域的地位与作用,但能够以相对量反映同行业内的城际差异,进而为结构的优化调整提供依据。
3 对策建议
3.1 加快推进山东省产业结构创新调整
从山东省发展全局来看,第三产业仍相对滞后,第二产业依然是社会经济发展的支柱力量。具体来看,工业与房地产业是二三产业中具有通过关联效应带动多个部门、发挥引领力量的行业类别,但二者效率均呈下降趋势。知识经济时代,应紧握创新2.0的契机,在大力扶持新兴工业、高端服务业的同时,山东省可以试点企业探索并推广信息及互联网平台与传统行业深度融合的“互联网+”模式、整合区域人才与创新资源的“产学研循环”模式,逐步提高对第二产业尤其是传统工业的科技含量与经济效益。此外,落实供给侧改革,扩大要素的有效供给,以低成本优质量的供给扩大社会需求总量,应对经济下行压力。
3.2 各城市因地制宜地发展优势产业
济南市、青岛市等区域中心城市应结合本地区优势的科研技术提升产学研融合度,发展高新技术产业,提高工业与商务服务业的技术创新与服务管理水平;枣庄市与莱芜市等城市内部变异系数较大的城市应考虑合理配置劳动力资源,遴选发展势头良好的产业进行优先发展;东营市虽然综合劳动力效率较高但应注重进一步优化结构,考虑从资源环境现状、发展趋势及地区发展战略出发,打造新兴主导产业。
3.3 开展行之有效的城际分工合作
时空效率 篇4
关键词：RTF,试题库系统,时空效率,图文混排
1、引言
RTF以其丰富的格式广泛地应用于各种需要美观输出的文档系统中[1,2], 通过各种控制码和字符编码以一个独立的文档形式来表示各种对象和格式[3]。每个对象都有对象头、对象体, 且一切对象信息都要转化成字符编码;另外即使是同一个对象在文档中多次出现, 它还是重复存储各种定义和编码, 因此导致RTF文档相对于Word文档庞大很多。在数学型的试题库设计中, 题目、答案、试卷等都涉及到大量的图片、表格、公式, 这些都是通过RTF编码表示并存储到数据库中。随着题量的不断增大, RTF的时空效率问题就变得更加突出, 如果不加以妥善解决, 必然会严重影响系统的运行。目前大部分文献关注的是RTF的应用, 针对RTF时空效率的研究很少。本文通过分析RTF时空效率问题及成因, 利用各种程序设计技巧, 较好地解决了RTF的时空效率问题。
2、时空效率分析
为揭示RTF的存储效率, 以存储数学公式为例, 测试了RTF和Word的存储空间, 从测试结果看, word在存储相同公式方面, 其空间占用增长量远远低于RTF, 具体的数据见表1。
在存储不同公式方面, 同样做了类似测试, 见表2
从表2数据可知, 即使是存储不同的公式, word表现还是远胜于RTF。综合表1和表2数据可知, RTF的存储空间正比于公式的数量和编码长度, 且没有对文档中相同信息作任何优化存储。表3给出关于图形存储空间的比较, 差异更加明显。
通过仔细分析RTF文件的内部编码, 可知RTF将每个多媒体元素对应的OLE链接信息和图片的每个象素都转化成编码形式, 并且是逐个对象有序地进行编码和解码。所以导致空间成倍膨胀, 又无法对重复存储的对象进行存储优化。显然这对于大量采用公式、图片、表格等对象的数学类试题库而言, 存储空间效率低下。另外所有试题的编辑、修改、浏览、组卷、统计分析等都要和数据库进行频繁交互, 则每次存取的数据量大小也决定了试题库系统的响应水平, 所以上述没有优化存储的RTF文档也严重影响了试题库的存取和运行效率。基于上述存取效率的直观对比分析, 我们看到了优化RTF存取的必要和可能。
3、解决方案
3.1 解压缩方案
由于RTF文档都是以编码形式保存的, 所以编码中有很多相似的信息。数学型试题中的重复对象更多, 相似的程度也很高, 因此具备采用压缩存储的条件。针对表3数据, 我们在表4中给出压缩前后的数据大小对比, 结果如预期所料。
表4的结果已经充分说明了压缩机制在RTF文档存储中的明显优势。但还有以下两个问题需要解决:
问题1:系统中如何引入解压缩?
问题2:解压缩所花的时间代价如何?
对于问题1, 采用开源算法Zlib解决即Delphi7中自带的zlib.pas, zlibconst.pas两个单元。先将RTF文档的内容存入sStream流中, 然后压缩成dStream流, 最后将dStream流保存到数据库BLOB型字段中。以下是基本代码:
其中Rich是组件TRxRichEdit的实例, TRxRichEdit是封装RTF的经典组件。Blob是数据库中存储RTF文档的BLOB型字段TblobField的实例。
对于问题2, 针对上述代码, 一切操作都是在内存流中完成的, 所以解压缩的时间开销正比于文档量大小、内存和CPU的速度。以上述表4中800x600对应的RTF文档为例, 测试次数据库存取、显示的时间和数据库占用的空间。通过表5的实验数据表明, 该方案的时间和空间开销都相对大大减小, 非常有效。
3.2 内部编码链接方案
TRxRichEdit组件提供超链接支持, 可以实现自定义的跳转, 利用这个特性也可以实现对RTF文档的优化存储。下面以图片存储为例, 阐述如何优化存储:
以pic＿i表示第i幅图片, 这些图片保存在数据库中;
在RTF文档中, 在需要显示图片的位置, 引入超链接标志, 如www.pic.pic＿i, 即图片以超链接代替。载入RTF文档时, 检索文档中的每个超链接标志, 若有www.pic打头的标志, 则表明需要做图片链接, 则从数据库中提取相应图片pic＿i, 存入剪贴板对象然后粘贴到当前位置并替换该超链接标志。
该方案中图片以JPG格式存储到数据库中, 不再转化成RTF编码, 大大减少了存储空间, 同时也不影响RTF文档的显示。该方案和直接存储在显示时间上有区别吗?表6数据显示该方案不但没有增加时间开支, 反而大大减少了显示耗时, 因此该方案也是一种解决途径。其关键代码如下:
先定位到www.mypic.标志处, 取出标志后的pic＿i图片索引并在数据库中查询定位到该索引所在的记录, 然后执行:
采用2.2内部编码链接方案效果与原始情况对比, 见表6
4、结语
本文针对数学型试题库设计中应用RTF实现Rich文档显示中出现的关于存储和运行的时空效率问题展开讨论。通过详细的数据报表揭示了RTF和Word存储效率对比, 同时通过RTF内部的编码机制分析了RTF时空效率低的成因, 并提出了解压缩和内部编码链接两个解决方案且给出实现这两个方案的关键代码。通过实际测试, 上述方案较好地解决了RTF的时空效率问题。在试题库设计中, 综合应用方案3.1和3.2会表现出更高的时空效率。
参考文献
[1]佘学文, 兰涛, 陆元会.RTF文件格式在文档管理系统中的应用[J].电脑编程技巧与维护, 2008 (2) :9-12
[2]杨林, 刘正光.RTF在中日文数据库软件开发中的应用[J].微处理机, 2005, 26 (5) :39-41, 45
时空效率 篇5
科技资源是科技创新的必要条件, 在科技创新过程中起着基础性作用。科技资源的开发效率对区域经济增长直接产生显著影响[1]。将柯布—道格拉斯生产函数引入技术这一因素到内生经济增长模型中的技术变量内生化, 说明技术的重要性。科技资源要高效地转化为技术生产力, 促进区域经济增长, 就对科技资源的配置效率提出了更高要求。
位于我国沿海经济走廊的长三角区域堪称世界第六大城市群, 是我国当前经济水平最高、经济最具活力、贸易规模最大的战略板块, 成为拉动中国经济增长的重要引擎。但随着经济的进一步发展, 产业结构调整力度的加大, 长三角地区也不可避免地出现了若干问题, 诸如产业发展趋同、人口日渐饱和等。为了实现该区域的可持续发展, 加快产业转型升级, 提升核心竞争力, 长三角各地区都不约而同的加大了科研投入, 但研究成果难以产业化、达不到企业技术要求等问题日益凸显[2]。鉴于此, 本文从可持续发展的角度, 结合长三角各城市的发展特点与科技资源配置内涵, 利用DEA模型科学评价长三角各城市科技资源的配置效率。在此基础上, 参考基尼系数和锡尔指数, 从时间和空间两个维度测度长三角城市群科技资源的配置—投入—产出效率, 希望为缓解长三角的科技资源配置效率差异提供有益借鉴。
2 研究方法与数据处理
2.1 指标体系构建与数据来源
科技资源是科技物力资源、科技人力资源、科技财力资源、科技信息资源、科技组织资源等要素的总称, 是科技活动需要投入的各种要素相互作用的一个系统[3,4]。为了科学测度资源配置效率, 本文采用该科技资源定义并借鉴已有的研究成果, 通过投入、产出两方面测度长三角科技资源配置效率。从投入角度来看, 物力资源 (研究与试验发展、仪器和设备支出) 是实现科学技术进步的物质基础;人力资源 (科研人员数) 是体现科技资源中人的因素, 具有主观能动性;财力资源 (财政科学支出) 是提升科研水平的重要保证。上述三个方面投入决定着科技资源投入的力度, 科学进步、科技生产就是在这种合力的影响下得以实现。所以, 笔者通过物力资源、人力资源和财力资源三个角度衡量长三角区域的科技投入程度。在产出方面, 用通过投入科技资源已取得的成果来表征, 更有现实和实际意义[5]。本文拟从发明专利、学术论文数和高新技术产业比重两个方面来体现。前者表示成果以知识形态呈现, 后者表示成果已转化为实际生产力, 这两方面能较好地反映资源配置的真实情况。
综上所述, 本文在对长三角城市群科技资源配置效率的评价中, 投入指标为:科研人员数 (人/万人) 、财政科学支出 (万元) 、研究与试验发展仪器和设备支出 (万元) ;产出指标为:发明专利数 (件) 、学术论文数 (篇) 与高新技术产业比重 (%) 。上述所需数据主要来源于2001—2011年《中国城市统计年鉴》和长三角各城市公开统计资料。
2.2 DEA模型
衡量长三角区域科技资源配置效率的关键在于得出投入与产出之比, 这就需要综合运用多目标规划以及线性规划等数学方法。本文拟采用DEA模型, 分析长三角各地级以上城市科技资源配置效率[6,7,8]。DEA (Data Envelopment Analysis) 模型能将具有多输入项转换为多输出项的相同类型决策单元, 是用来评价投入与产出相对效率的方法。即有n个模型单元DMUk (k=1, 2, …, n) , 各单元自主决策其输入 (m个输入指标) 、输出 (s个输出指标) 。从而根据线性规划的特点形成输入向量 (Xk= (x1k, x2k, …, xmk) T) 、输出向量 (Yk= (y1k, y2k, …, ysk) T) 。其中, xik、yrk代表模型中k单元各个指标的输入值和输出值, 该指标的权数就是vi和ur;然后按照各项指标权重系数构造判断矩阵Cm、Bs, 并提取最大特征值λm、λs。除了已有的模型单元之外, 本文引入两个虚拟单元, 即最优单元 (记为DMUn+1) 、最劣单元 (记为DMUn+2) 。所谓最优单元就是其输入指标按照实际单元输入指标的最小值进行赋值, 同理输出指标按照实际单元输出指标的最大值进行赋值, 反之亦然。该数据包络模型为:
通过上式得到公共权数ur*、vi*, 按照下式得到各DMU的相对效率值, 该值越大表示科技资源配置运行效率越高。
2.3 基尼系数
意大利经济学家基尼根据洛伦茨曲线 (Lorenz curve) 所界定的收入分配公平程度, 提出了一种可考察国民收入分配差异的衡量指标基尼系数 (Gini Coefficient) 。基尼系数能以一个数值较方便地反映社会分配体系中总体收入的差距状况, 而成为广泛使用的指标[9,10,11]。经过改造, 目前其常用公式为:
式 (3) 即基尼系数公式, 本文借此探讨长三角地区内各省市的科技资源配置效率差异。该区域效率平均值为μ;yi为i省市的资源配置效率;Pi为i省市资源配置效率较之长三角区域整体所占比重。本文也采用国际惯例中关于基尼系数的划分作为标准, 即以基尼系数0.4作为“警戒线”, 0.2以下表示科技资源配置效率“高度平均”;0.2—0.3表示“相对平均”;0.3—0.4为“较合理”;0.4—0.6为“差距偏大”;0.6以上为“高度不平均”。
2.4 科技资源配置效率区位差异分解的锡尔指数
锡尔、亨利根据信息熵理论于1967年最早提出了锡尔指数。该指数可通过组间差异 (TBR) 、组内差异 (TWR) 来反映研究对象的总体差异, 目前该指数已广泛应用于研究经济发展程度以及收入分配均衡等诸多领域。其公式为:
式中, n代表总体城市数;nx为x省的城市数;k为城市分类组数;Ji表示i城市科技资源配置效率与长三角城市群整体进行对比所占份额;Jx代表x省配置效率占比。通过锡尔指数可以直观刻画长三角城市群资源配置效率均衡程度。该指数值如果较高, 反映研究对象之间存在较大差异;反之, 其值越接近0, 越趋向均等[12]。
3 长三角城市群科技资源配置效率分析
本文按照数据包络法 (DEA) 对长三角城市群的科技资源配置效率进行直观评价。需要说明的是, 通过DEA模型得到的配置效率只是反映了长三角各城市资源配置的相对情况, 并不代表实际的效率指数。通过了解这种相对情况可对比描述长三角各城市的资源配置效率, 从而反映各地配置能力的强弱。根据DEA模型对长三角城市群2000—2010年的科技资源配置效率情况进行测度, 结果见表1。
由表1可见, 在研究期内长三角城市群历年科技资源配置效率整体上呈现出“先增大、后在波动中逐渐减小”的趋势, 由研究基期的0.75增加到2002年最大值的0.80, 然后逐步下降, 一直到最低值研究末期的0.62。虽然长三角地区目前存在科技资源投入产出效率逐渐降低的趋势, 但从该地区整体看, 其资源配置效率基本格局并未出现根本性改变, 突出表现为南京、苏州相对于同等科技资源投入的城市, 在科技产出方面一直有较大收益。其中, 南京由于是我国传统的经济、科技、教育、文化重镇, 是长三角地区拥有高校最多的城市, 高校与科研单位林立, 有利于营造浓厚的科研氛围, 有助于树立创新意识、协同意识, 发挥正外部性效应, 从而促进技术进步。同理, 苏州历来秉承外向型经济发展战略, 该市充分发挥其区位优势, 大力进行技术引进, 从而有效提高其科技资源产出效率。所以, 南京与苏州的资源配置能力始终处于长三角地区的前列。此外, 长三角城市群各城市2000—2010年的平均科技资源配置效率处于较高水平 (0.6—0.9之间) 的城市有常州、台州、马鞍山、宁波、无锡、合肥、扬州、舟山、上海、湖州、绍兴以及南通12个城市, 处于科技资源配置效率较低城市水平 (0.6以下) 的城市有盐城、金华、淮安、衢州、泰州、嘉兴6个城市。
从时间角度来看, 研究期内科技资源配置效率呈现出上升趋势的城市有:上海、南通、淮安、湖州, 其中上海作为长三角的龙头城市, 其科技资源的配置效率在长三角排名与其经济实力是不相称的, 这主要是由于上海大量的科技资源投入带来的科技资源产出相对于其他长三角城市相对较弱, 可见科技资源配置效率与经济发展水平并未呈现出十分明显的正相关关系。但在研究期内, 随着上海市不断调整产业结构, 以创新为驱动, 科技资源产出的增长明显高于科技资源投入的增长。而其余三个城市, 相对于长三角的其他城市, 科技基础比较薄弱, 说明这些地区相对更加重视科技资源在区域经济可持续发展中的重要作用, 研究期内他们在注重科技资源投入力度的同时, 更加注重科技资源的产出效应, 因此其科技资源配置效率相应上升较快。
在研究期内, 长三角城市群科技资源配置效率下降的城市有:杭州、绍兴、常州、合肥、盐城、台州、扬州、衢州、宁波、金华以及马鞍山市11个城市, 占整个长三角城市群的1/2, 说明这些地区的科技资源投入增长速度快于科技资源产出的增长速度。正是这些城市科技资源配置效率的下降, 导致整个长三角科技资源配置效率弱化。无锡、镇江、泰州、嘉兴、舟山5个城市的科技资源配置效率在研究期内虽然都有所波动, 但是在研究基期与末期变化不大, 即这些区域的科技资源投入与科技资源产出基本保持同步增长。
4 长三角城市群科技资源配置效率差异分解
为了辨析长三角城市群科技资源配置效率差异的演变趋势, 运用公式 (3) 计算长三角城市群科技资源配置效率的Gini系数 (表2) 。
从表2可见, 研究期内长三角城市群科技资源配置效率的Gini系数一直处在0.15—0.25的取值区间内, 说明长三角城市群的科技资源配置效率相对比较平均, 各个城市之间的科技资源配置效率差别不大。Gini系数在波动中呈现先增大后减小再增大的趋势, 在2003年达到峰值的0.2207之后开始逐年下降, 然后在2006年达到谷值的0.1657之后开始上升, 一直到2010年的最大值0.2247。
为了更深入辨析长三角城市群科技资源配置效率的差异, 按照城市所在的省域划分为22个城市, 对长三角城市群科技资源配置效率进行区域分解并研究其变化趋势。根据式 (4) 计算的省级层面长三角科技资源配置效率的锡尔指数见表3。
注:上海只算其地带间差异, 而不算地带内差异。
从表3可见, 长三角城市群科技资源配置效率差异虽然有所波动, 但是整体上呈先下降后上升的趋势, 锡尔系数由研究基期的0.6569逐步上升到2010年的0.7372。在研究期内, 上海、江苏、浙江、安徽四省市地带间科技资源配置效率差异平均占总体差异的91.29%, 地带间差异占总差异的比重虽然也呈现出先减小后增大的趋势, 但多年变化幅度不大, 说明省域地带间的科技资源配置效率差异对总差异的贡献相对比较稳定, 表明省域间的效率差异一直是长三角科技资源配置效率差异扩大的主导因素。在地带内差异方面, 科技资源配置效率差异最大的是江苏省, 但其比重有减小的趋势。这是由于江苏省所辖城市的科技资源配置效率既有最高效率的南京、苏州, 又有较低效率的泰州、盐城。而浙江省的地带内差异有扩大的趋势, 安徽省由于仅包含合肥与马鞍山这两个城市, 且这两个城市在研究期内的科技资源配置效率较接近, 因此其省内的科技资源配置差异对长三角的科技资源配置差异贡献最多只有0.07%。
通过以上分析可见, 虽然国家非常重视长三角区域的发展, 把长三角区域的发展上升到国家战略层面 (长三角城市群与全国其他城市群相比是我国城市化程度最高、城镇分布最密集、经济发展水平最高的地区) 。但从科技资源配置效率角度看, 长三角城市群内部存在较大的时空差异。影响省域层面科技资源效率时空差异变化的原因很多, 如制度的制定与执行、管理效率、高校科研院所数量、科研条件、人口与劳动力素质、当地地理自然条件等。从产业结构角度来看, 也有一定的历史继承性, 对以前的产业形成路径依赖。这就使不同行政主体在对科技资源的认识、投入以及利用方面各不相同, 直接导致其在科技资源配置能力方面的差异。虽然长三角区域也形成了一定的联动机制, 如定期召开长三角地区产业发展论坛, 但各个地区都致力发展当地经济, 各自为战的情况较多, 协同互动发展较少。产业发展存在一定的趋同性, 具有同质低端竞争的现象。此外, 这些地区经济发展具有共性问题, 如环境污染、粗放型产业增长等都制约了科技资源配置效率的提高。
5 结论与讨论
在研究期内, 长三角城市群科技资源配置效率的总体格局变化不大, 且大多数城市的科技资源配置效率相对处于较高的发展水平阶段, 仅有盐城、金华、淮安、衢州、泰州、嘉兴6个城市的科技资源配置效率较低。长三角城市群科技资源配置效率呈现出下降趋势的城市占整个长三角的1/2, 导致整个长三角科技资源配置效率不断下降。
长三角城市群科技资源配置效率差异呈现先降后升的“U”型分布, 长三角科技资源配置效率差异扩大的主导因素主要在于省域间的科技资源配置效率差异, 影响省域间科技资源配置效率差异的因素主要有科技资源禀赋、科技要素分布、研发人员数量、劳动力素质等多种因素构成。虽然不同省域内的科技资源配置效率差异有所不同, 但对长三角整体科技资源配置效率差异的贡献不大。
摘要：科技资源配置效率是一个地区创新绩效的最直接体现。从投入与产出两个方面构造科技资源配置效率的评价指标体系, 运用DEA模型分析了长三角城市群2000—2010年各城市科技资源配置效率的时空演变, 利用基尼系数、锡尔指数对科技资源配置效率差异进行了分解。结果表明:研究期内长三角区域科技资源配置效率的总体格局变化不大, 但有不断弱化趋势, 配置效率差异呈现先降后升的“U”型分布, 省域间科技资源配置效率差异一直是差异扩大的主导因素。
关键词：科技资源配置效率,长三角,DEA模型,基尼系数,锡尔指数
参考文献
[1]王荣斌, 覃成林.科技资源开发与区域经济增长研究——以河南为例[J].中国人口·资源与环境, 2004, (4) ∶105-108.
[2]张华, 刘波.基于大规模调查的长三角科技合作现状分析与建议[J].科技进步与对策, 2012, (6) ∶45-48.
[3]陈晓丽, 李恒, 范斐.科技资源要素投入对区域经济增长差异的效应分析[J].资源开发与市场, 2013, 29 (1) ∶13-16.
[4]周寄中.科技资源论[M].西安:陕西人民教育出版社, 1999∶12.
[5]范斐, 杜德斌, 盛垒.长三角科技资源配置能力与城市化进程的协调耦合关系研究[J].统计与信息论坛, 2013, (7) ∶69-75.
[6]孙才志, 刘玉玉.基于DEA-ESDA的中国水资源利用相对效率的时空格局分析[J].资源科学, 2009, 31 (10) ∶1696-1703.
[7]Srdjevic B, Medeiros YD, Porto RL.Data EnvelopmentAnalysisof Reservoir System Performance[J].Computers&Operations Research, 2005, (32) ∶3209-3226.
[8]范斐, 杜德斌.区域科技资源配置效率及比较优势分析[J].科学学研究, 2012, 30 (8) ∶1198-1205.
[9]李国平, 王春杨.我国省域创新产出的空间特征和时空演化——基于探索性空间数据分析的实证[J].地理研究, 2012, (1) ∶95-106.
[10]孙才志, 刘玉玉, 陈丽新, 等.基于基尼系数和锡尔指数的中国水足迹强度时空差异变化格局[J].生态学报, 2010, 30 (5) ∶1312-1321.
[11]张音波, 麦志勤, 陈新庚, 等.广东省城市资源环境基尼系数[J].生态学报, 2008, 28 (2) ∶728-734.
时空效率 篇6
金融效率问题一直是理论界长期研究的焦点。国内早期研究是将农村金融效率内含于农村金融发展与经济增长关系的研究中。部分文献认为我国农村金融效率存在区域差异明显,东部地区农村金融效率总体高于中西部地区,中部地区呈现出典型的“塌陷”特征。〔1〕由于地理空间的分布差异,带来地理的集聚效应和溢出效应,而又有文献认为农村金融效率的区域差异更多体现在省际行政区,较少体现在三大经济区域间。〔2〕我们将尝试从金融功能的视角,从“经济增长”到“金融”,落脚点在“金融”,对农村金融系统促进经济增长时发挥怎样的有效功能,也就是对农村金融功能效率问题进行深入研究。
二、内涵界定与研究方法
从系统整体观和金融功能观的视角来界定,农村金融功能效率是农村金融系统通过其对金融资源的分配、管理活动直接或者间接作用于农村经济时所显示的有效功能,可以分解为农村金融转换效率与农村金融配置效率。所谓农村金融转换效率是指农村金融系统发挥储蓄动员的功能。这个效率的实质就是改变了总需求中消费与投资之间的结构比例,这一功能是金融系统的基本功能。所谓农村金融配置效率是指储蓄转换为投资后的金融资源运用到对应的领域产生最大效用的效率。
遵循内生经济金融发展理论,考察农村金融功能作用经济增长的效率,可以选择系统整体观下金融投入与经济产出的全要素生产率来测度。我们选用目前发展成熟的基于DEA的Malmquist指数法测算农村金融功能效率,并对效率进行分解。基于非参数DEA方法,参照Fareetal.(1994)设定模型。〔3〕假定存在N个省份,各个省份i在每时期(t=1,……T)有K种农村金融投入、M种农村经济产出,各省份的农村金融投入要素xt=ER+k驱动各种农村经济产出yt∈R+M。Malmquist指数是建立在Shephard(1970)所提出的距离的基础上的,其表达式为:
其中,D0t(xt,yt)=inf{θ(xt,yt)∈Pt}=(sup{θ:(xt,θyt)∈Pt})-1,也被称为t时期的距离函数。Pt={(xt,yt):投入xt可以生产出yt}表示在一定的技术条件之下的生产可能性集合,对应每一种农村金融投入要素的最大经济产出集合就是农村金融功能效率前沿。我们选择在规模报酬不变的条件下进行分析。对应的TFPCH反映的就是各省份的农村金融功能效率,TECHCH反映的是农村金融转换效率,EFF-CH反映的是农村金融配置效率。
三、计量检验与结果讨论
1. 变量选取及数据来源
(1)农村金融投入指标。选用农业贷款余额、农村固定资产投资额2个指标来评价农村金融发展的水平。通常而言,金融系统还应包含股票、保险等金融服务,但鉴于在农业企业领域,获得上市的占比很小且获得保险保障服务的占比也较低,兼顾数据的可得性,对股票融资、保费收入等进行忽略。按照温红梅(2014)的思路,相对于农业贷款作为农村金融系统“财力”的投入指标,则农村固定资产投资则是作为农村金融系统“物力”的投入指标。〔4〕
(2)农村经济产出指标。农村金融系统对经济系统的服务功能,不仅仅是对经济总量增长的度量,还应包括对于二元经济的优化、农户收入水平提升等方面的考察,因此,选用第一产业增加值/农村人口、第一产业增加值/国内生产总值、农村居民家庭人均纯收入3个指标作为产出指标。
我们选取了我国31个省份1992~2013年的面板数据对农村金融功能效率进行测度,数据来源于《新中国60年统计资料汇编》、历年《中国统计年鉴》、《中国农村统计年鉴》、《中国农业统计资料》以及历年各省市的统计年鉴整理计算而得。
2. 农村金融功能效率的测算结果
图1反映的是农村金融转换效率(EFFCH)、农村金融配置效率(TECHCH)以及农村金融功能效率(TFPCH)总体均值变化的时间趋势。可以看出,农村金融转换效率(EFFCH)、农村金融配置效率(TECHCH)以及农村金融功能效率(TF-PCH)的波动区间基本介于0.8~1.6之间,总体偏低,且没有提升的趋势。农村金融功能效率(TFPCH)的波动幅度较之于农村金融转换效率(EFFCH)、农村金融配置效率(TECHCH)更为平稳。在不同的时期,农村金融转换效率(EFF-CH)与农村金融配置效率(TECHCH)二者中没有任何一个是持续的高于另一个指标,而是交替出现某一方高于另一方的情况。
表1罗列了1992~2013年间31个省份的农村金融转换效率(EFFCH)、农村金融配置效率(TECHCH)以及农村金融功能效率(TFPCH)的总体描述性统计。可以发现,农村金融功能效率(TFPCH)明显低于农村金融转换效率(EFFCH)、农村金融配置效率(TECHCH)。在1992~2013年期间,我国农村金融功能效率平均增长率、农村金融转换效率平均增长率均为负值,仅农村金融配置效率的平均增长率为0.2%。这一方面表明,农村金融发展对农村经济增长发挥的有效功能低下,甚至是不足;另一方面,农村金融功能效率的提升要依赖于农村金融系统促进储蓄向投资转换、金融资本优化配置的共同作用。
3. 农村金融功能效率的区域分布考察
农村金融功能效率是农村金融复杂系统功能有效促进经济增长的作用度,其提升和优化既受来自农业产业、农村产业结构、农户生产模式等因素的影响,也受到来自金融系统、金融市场、金融政策的约束。因此,我们分别从省际行政、传统地理区域、农业产业发展规划和金融控制强度四个维度分别探讨农村金融功能效率的在区域分布上的特点。
(1)维度1(省际行政维度)。表2罗列了1992~2013年间个别年份的各省份农村金融功能效率的水平值以及全国平均值。在此期间农村金融功能效率得以提升的省份有19个,(1)占比61.29%,说明我国各省份的农村金融功能效率呈现逐渐提升的趋势。
(2)维度2(传统地理三大区域维度)。表3罗列了东中西部的农村金融转换效率(EFFCH)、农村金融配置效率(TECHCH)以及农村金融功能效率(TFPCH)的区域描述性统计。可以发现,无论是农村金融功能效率(TFPCH),还是分解之后的农村金融转换效率(EFFCH)、农村金融配置效率(TECHCH)均是西部地区为最低,而东部地区略低于中部地区。并且农村金融转换效率(EFF-CH)是水平值最低的效率,这就意味着农村金融系统发挥动员农村储蓄转换为农村投资的功能较之于将金融资源在农村经济领域进行合理配置的功能更为糟糕。
(3)维度3(农业产业发展规划维度)。按照《全国农业可持续发展规划(2015~2030年)》的划分区域,将农业划分为优化发展区、适度发展区和保护发展区等三大区域。(2)按照各自区域的主要分布省份进行了大致划分。表4罗列了农业产业优化发展区、适度发展区和保护发展区的农村金融转换效率(EFFCH)、农村金融配置效率(TECHCH)以及农村金融功能效率(TFPCH)的区域描述性统计。可以发现,农村金融功能效率(TFPCH)、农村金融转换效率(EFFCH)是优化发展区最高,保护发展区其次,适度发展区最低;而农村金融配置效率(TECHCH)则是保护发展区最高、优化发展区次之、适度发展区最低。另一个层面,农村金融配置效率(TECHCH)明显高于农村金融转换效率(EFFCH)和农村金融功能效率(TFPCH)。意味着对应的区域的农村金融发展要符合各自的农业产业的特点,在转换投资和配置金融资源的功能上要并重。
(4)维度4(金融控制强度维度)。按照王晋斌(2007)测度的金融控制强度进行区域划分比较在金融差异情况下的农村金融功能效率的情况。(3)表5罗列了在金融控制相对强的区域与弱的区域的农村金融转换效率(EFFCH)、农村金融配置效率(TECHCH)以及农村金融功能效率(TFPCH)的区域描述性统计。可以发现,无论是农村金融功能效率(TFPCH),还是分解之后的农村金融转换效率(EFFCH)、农村金融配置效率(TECHCH)均是金融控制相对强的区域略高于金融控制相对弱的区域,这与王晋斌(2007)提出的金融控制相对强的区域金融发展对经济增长之间没有显著的促进作用的观点完全相反。主要是由于农村金融的特殊性,使得在有更多金融政策扶持下农村经济领域更能获得更多的金融服务,农村金融系统的功能也才能更好的发挥。这一点上恰恰也是更加凸显了农业产业、农村经济的脆弱性与比较劣势。
四、结论与政策涵义
我们基于1992~2013年我国31个省份的面板数据,运用Malmquist指数法对我国农村金融功能效率进行了测算,并对其的时空演进与区域分布特征进行了讨论。从农村金融功能效率测算结果来看,我国农村金融效率总体偏低,且没有提升的趋势。另外,从四个维度考察了区域分布上的特点。研究发现,以省级行政区分区研究显示,我国各省份的农村金融功能效率呈现逐渐提升的趋势;以传统地理位置分区的研究显示,无论是农村金融功能效率,还是分解之后的农村金融转换效率、农村金融配置效率均是西部地区为最低,而东部地区略低于中部地区;以农业产业发展规划分区的研究显示,农村金融功能效率、农村金融转换效率是优化发展区最高、保护发展区其次、适度发展区最低;而农村金融配置效率则是保护发展区最高、优化发展区次之、适度发展区最低;以金融控制强度分区的研究显示,金融控制相对强的区域的农村金融功能效率略高于金融控制相对弱的区域。
我们选择的模型本身的检测结果是稳健的,但由于各项指标难以做到全面性和完整性,譬如对于省略的股票市场融资、保险服务、民间融资等因素对不同省份以及全国层面的影响,这会导致计量结果存在偏差,研究结论的稳健性有一定的影响。但是结合理论层面来看,我国农村金融效率低下,其原因是多方面的。农村金融的有效运行,关键在于不能脱离宏观制度安排,但又必须具有自身独立运动的农村经济和金融制度创新。有效开发和配置农村金融资源,是农村金融功能效率优化的切入点,但“治本”还在于市场制度在农村的确立、完善和“二元经济”的“一元化”。
摘要：本文作者基于1992~2013年我国31个省份的面板数据,运用Malmquist指数法对我国农村金融功能效率进行了测算,并对其时空演进与区域分布特征进行了讨论。从农村金融功能效率测算结果来看,我国农村金融效率总体偏低,且没有提升的趋势。此外,文章作者分别从四个维度对其区域分布特点进行考察。
关键词：农村金融功能效率,区域分布
参考文献
[1]黎翠梅,曹建珍.中国农村金融效率区域差异的动态分析与综合评价[J].农业技术经济,2012,(03).
[2]孟兆娟.中国农村金融效率的区域差异研究[J].南方农村,2013,(01).
[3]Fare R,Grosskopf S,Norris and Zhang Z.Productivity Growth,Technical Progress,and Efficiency Change in Industrialized Countries[J].American Economic Review,1994,(84).