绿色城镇化的区域协作探索

(2)第二阶段:构建Tobit模型

根据第一阶段计算得到的投入松弛量可知，各项投入松弛量都大于或者等于0，因而被解释变量在0处被截取(censored)，如果采用一般的简单的回归模型会导致估计参数产生趋向0的偏误，因此本文采用Tobit截断模型进行分析。构建I个Tobit回归模型(I为投入数量)。

tobit回归模型定义如下:

其中，sik是运用初始DEA模型所计算的第k个省(区、市)第i项投入的总 的松弛量，是与sik相对应的潜变量; Zik外生环境变量;βi是待估系数向量; μik是随机误差项。

我国东、中、西部地区在资源禀赋和发展水平等方面存在巨大差异，为了更好地反应外生变量的影响，我们构建地区虚拟变量来考虑区域差异，我们在Tobit回归模型中，以中部地区为基准，引入两个虚拟变量，即虚拟变量1(东部地区为1，其余为0)和虚拟变量2(西部地区为1，其余为0)，构建过程为:

则加入区域虚拟变量后的回归模型为

估计系数向量βi的符号反映了外部环境变量和投入松弛量之间的相关关系，如果该值为负值，则表示两者呈负相关，即外生变量的增加有利于减少松弛量，从而降低浪费或负产出;反之，二者正相关，外生变量增加将增加投入松弛。

(3)第三阶段:调整投入变量

不同区域对外生变量的影响存在差异，即外生环境变量的好坏和环境治理效率之间会存在差异，因此，必须根据外部环境的具体状况来对原始投入量进行调整，以期得到较准确的效率值。根据投入松弛量的拟合值sik= a i+βi Zik，对初始投入变量进行调整。调整的基本原理就是运用最大的拟合值来代表决策单元所面临的最差的外部环境状况。如果某一决策单元处于最差的环境中，则调整后的投入量和初始的投入量一致，具体表现就是对初始投入未进行任何变动;而一般情况下某个决策单元处于相对较好的环境中时，调整后的投入量会明显大于初始的投入量，原始投入水平会有所提升，而在保持产出量不变的情况下，这种调整就会导致效率值得分的降低，因此，对初始投入变量进行调整的主要目的就是“惩罚”那些高效率得益于较好的外部环境的决策单元，剔除其由于良好的外部环境而获得的效率水平，经过这样的调整，所有的决策单元都能在同一个相对较差的外部环境平台上。

具体对初始投入进行调整的公式为:

其中，表示sik的拟合值; xik表示第k个省(区、市)第i个投入变量;表示调整后的投入变量，即剔除外部环境因素影响后的投入变量。

(4)第四阶段:调整投入变量后的DEA模型

利用调整后的投入数据和初始产出数据，再次运用BBC模型，测算得到新的效率得分。此效率值反映了剔除环境因素影响后的各地区环境治理效率的基本情况。

Bootstrap方法的系统提出归功于美国统计学家Efron，随后该方法广泛运用于多种领域。Bootstrap方法的基本思路是，根据原始数据进行统计推断的模拟方法，不需对未知总体作任何假定，通过对已有的样本采用有放回的抽样来产生伪随机数，从而对总体的特征作出推断。具体是:从概率分布f未知的总体中随机抽取得己知样本X，由样本得到的样本参数θ=θ(X)是对总体参数θ=θ(f)的一个估计，由于无法知道抽样的分布状况，故很难直接判断两者的偏差程度，解决的办法是从样本参数的实证密度函数着手。在只有一个观测样本的情况下，样本参数的实证密度函数无法获得，因此我们通过又放回的重复抽样，来对总样本进行“模仿”，在有放回的重复抽样中，从样本中取出一个“伪样本”，从而得到“伪样本”参数θ*，把“伪样本”看作来自未知总体，则“伪样本”参数和样本参数的偏差来近似代表样本参数和总体参数的偏差。将上述过程重复一定次数，就可以得到“伪样本”的实证密度函数，运用蒙特卡罗近似方法对样本参数的偏差进行修正，同时还能构建初始样本参数的置信区间。

Bootstrap方法基于重复抽样来提高估计置信区间和临界值精度的统计方法，克服了DEA方法中存在的正态性假设、样本通常太少和DEA有效性值的内在依赖性等(全林等，2005)。Simar(1998)和Wilson(1999)在DEA的基础上引进Bootstrap方法，通过重复抽样的方法来推断DEA估计最的经验分布。具体的Bootstrap－DEA的步骤如下:

1.以四阶段DEA方法得到的调整后的投入数据和初始产出数据，计算得到新的效率值，并以此作为Bootstrap－DEA的初始效率值θ=(θ1，θ2，…，θN);

2.利用有放回的重复抽样方法，从θ中抽取一个规模为N的配对bootstrap样本B(θB1……θBN);并对重新抽取的样本值测算的效率进行平滑处理，具体处理方法如下:

其中，h为平滑参数或带宽;ε为产生于标准正态分布的随机偏误。

3.得到平滑处理过的效率值之后，还需要利用公式对初始样本的投入数据进行调整。具体调整公式如下:

4.再次利用经典DEA模型对调整后的投入与原产出的效率值进行测算，得到新的效率值的估计量。

5.重复以上过程B(比如B= 2000)次，求出效率得分的偏差，从而得到修正的效率值。

如何确定地方城市环境治理的投入和产出是进行效率评价的重要方面。为了准确、有效地衡量我国环境治理投资的效率状况，对各省市的环境治理提供系统参考，结合其他学者的研究，我们在选取环境治理效率测算的指标时遵循以下原则:系统性、科学性、可比性、独立性、可操作性、数据可得性等。选取投入产出指标时要充分地考虑环境治理投资的各项投入及其在水、气、固体废物4个方面的相应产出;选取外部环境变量时要充分考虑到环境治理效率受经济社会等多方面的影响，因此本文主要是从经济发展状况、政府作为、社会发展、产业结构等因素来进行分析。具体指标选取如下:

投入指标:环境污染治理投资总额，各地区环境保护系统各级机构人员数，各地区环境科技工作情况(科研课题经费)。其中，用“环境污染治理投资总额”指标来代表环境治理中的资金投入;“各地区环境保护系统各级机构人员数”代表环境治理中的人员投入;“各地区环境科技工作情况”代表环境治理的科技投入。

产出指标:工业固体废物综合利用率，城市生活垃圾无害化处理率，工业废水排放达标率，工业氮氧化物去除率，工业二氧化硫去除率，人均绿地面积。其中，“工业固体废物综合利用率”、“工业废水排放达标率”、“工业氮氧化物去除率”和“工业二氧化硫去除率”、“城市生活垃圾无害化处理率”和“人均绿地面积”分别代表固体、废水、废气的治理情况以及环境质量的变化情况。

环境变量:本文选取了人均地区总产值，人均受教育年限，环境保护支出占财政支出比重，单位地区生产总值能耗，第三产业增加值比重。“人均地区生产总值”反映了区域的经济发展状况;“人均受教育年限”反映公众的教育水平，借此代表公众的环境意识;“环保支出占财政支出的比重”代表政府对环境治理的重视程度;“单位产值能耗”和“第三产业增加值比重”反映一个区域的产业结构状况。

本文数据来源于2010年的《中国统计年鉴》和《中国环境统计年鉴》。研究对象为除港澳台地区外的31个省(市、区)，但由于西藏统计数据部分缺失，故选用除西藏外的其余30个省(区、市)作为样本。本文对东中西部地区的划分采用新三分法。^[4]

2.总体实证结果与分析

本节采用四阶段DEA与Bootstrap－DEA相结合的方法，对我国30个行政单元(西藏数据缺失，不列入计算) 2010年的环境治理效率进行考察。

(1)总体结果数据及分析

本章节根据初始DEA和四阶段DEA以及Bootstrap－DEA三种方法计算了我国环境治理效率值。具体结果见下表。表中1～2列给出的是采用经典DEA模型得出的第一阶段的DEA效率值和规模报酬的情况;表3～4列给出的是剔除环境变量的影响之后的DEA效率值和规模报酬状况，表中5～6列反映了在第三阶段的技术效率基础上，使用Bootstrap对偏误进行修正。在四阶段DEA计算效率和Tobit回归中模型中，主要采用Deap 2.1软件和stata10.0软件，做Bootstrap－DEA方法，则使用R软件中的FEAR程序包来实现，符号秩检验通过SPSS17.0 的Wilcoxon检验来实现。

表15　初始DEA、四阶段DEA以及Bootstrap－DEA的实证结果

续表

从上表可以看出，在剔除了环境因素的四阶段DEA模型中，处在效率前沿面的区域由7个变为6个，天津、海南仍旧处于前沿面上，而贵州、广西、甘肃、青海、宁夏等从前沿面上偏离下来了，这些区域都属于西部环境资源比较丰富的地区，这说明这些区域在第一阶段处于治理效率的前沿位置很大程度上是由于其固有的环境优势。

在考虑环境因素之后测算的大部分区域的治理效率都有大幅的提升，说明外生环境变量是影响目前我国地区环境治理效率的重要方面。而且对比第一与第四阶段发现，如果不消除外生因素对区域环境治理效率的影响，各区域的规模效应非常不明显，而且都处于递减的范围，而一旦将各区域的外生环境因素充分考虑进来，将各区域的环境状况都调整到最差的情形，则各区域的规模效应凸显，有14个地区处于规模报酬递增的阶段。

为了充分考虑外部冲击对环境治理的影响，我们采用Bootstrap－DEA的方法来测算环境治理效率，就全国平均水平来说，纠偏后的效率值和第四阶段的DEA效率变化不明显，但纠偏后各地区效率值的差异明显缩小，而且在对四阶段效率得分进行偏误修正后，我国各区域的环境治理效率存在不同程度的变化。

为了比较第一阶段与第四阶段的效率值是否存在显著性差异，本文对其进行Wilcoxon符号秩检验，结果请参见下表.

表16　不同方法计算的效率值的W ilcoxon符号秩检验结果

从上表可以看出，初始DEA和剔除环境影响的四阶段DEA所测算的环境治理综合效率存在显著性差异，双尾显著性第一阶段与第四阶段的综合效率、纯技术效率和规模效率均存在显著性差异，双尾显著性概率为0.0004;而且初始DEA测算的效率值于经过bootstrap调整的DEA测算的效率值也存在显著差异，其双尾显著性概率为0.00052左右，这说明本文所选择的环境变量对效率值存在一定的影响，根据外部环境对投入进行调整能够较为准确的反映出我国区域环境治理效率。对比四阶段DEA和Bootstrap－DEA所测算的效率值，发现两者不存在显著性差异。

(2)初始DEA效率值分析

运用DEA模型对2010年我国区域的环境治理效率进行计算，具体结果请看下表。

表17　中国各区域环境治理效率的DEA得分情况(初始效率)

在不考虑环境变量影响时，中国区域环境治理的平均效率为0.575，平均纯技术效率为0.871，平均规模效率为0.663;从三大地带来看，西部地区环境治理的综合效率和规模效率都明显好于东部和中部地区，而纯技术效率低于东部地区;从各省(区、市)来看，有七个地区处于环境治理效率的前沿，而且其中处于前沿面上的5个省份位于西部地区;总体来看，我国各区域环境治理的纯技术效率值明显高于规模效率值，这在一定程度上反映出技术效率的提高对区域环境治理具有突出作用。

(3) Tobit回归模型结果及参数分析

本阶段以第一阶段得到的投入松弛量作为被解释变量，以外部环境变量作为解释变量建立tobit回归模型。估计参数及结果如下表所示。

表18　投入松弛量tobit回归模型及结果

注:＊＊＊、＊＊、*表示分别通过1%、5%、10%的显著性检验

外生变量对环境污染治理投资总额和各地区环境保护系统各级机构人员数的tobit回归模型均能通过检验，且效果较好，似然比检验的卡方统计值分别为－148.343和－226.738，对应的P值均不超过0.5%，这说明环境因素对各地区投入松弛量存在显著影响。

投入松弛量是各地区改变环境治理的投入方式和总量，从而提升环境治理效率的投入量。如果外部环境变量与投入松弛量负相关，表示增加外部环境变量值有利于减少投入松弛量，即有利于减少该投入变量的浪费或降低负产出;反之，如果二者正相关，则表示增加外部环境变量将会增加投入松弛量，从而导致该投入变量的浪费，降低效率。

为了进一步求得被解释变量在固定区间内对解释变量的边际效应，我们将运用m fx命令来进行调整。调整结果如下所示:

表19　调整后的系数情况

从区域差异上看，虚拟变量D1为正，说明东部地区所处的环境不利于其环境治理效率的提高;虚拟变量D2对环境治理投资总额和各地区环境科技工作情况的影响系数均为负，说明西部地区所处的外部环境总体是有利于其环境效率的提高的;从人均地区生产总值对三个被解释变量的影响系数来看，影响系数都不大，说明地区的经济发展变化并不是影响环境治理效率的主导因素;从第三产业增加值的比重来看，该指标的系数为负，说明该指标是有力的外部因素，即随着第三产业比重的增加，环境治理投入的浪费的情况将减少，近年来我国致力于产业结构调整，大力发展第三产业，对环境效率产生了重要影响。

环保支出占财政支出的比重和单位地区生产总值能耗的影响系数与预期相反。环保支出占财政支出的比重这个指标对三个解释变量的影响系数均为正，说明我国环境保护支出对环境治理效率的提高并没有起到应有的作用，未来应该给予更多的关注;从单位地区生产总值能耗来看，该指标对被解释变量的系数为负，说明单位地区生产总值能耗降低，伴随的是投入松弛量的增加，这可以理解为一种短期与长期的矛盾，降低生产总值的能耗，需要消耗较多的人力物力，而这些活动的效果需要较长的时间才能显示出来，而不会在短期内表现出效率的的下降。

(4)调整初始投入并重新计算DEA效率值

根据投入松弛量的拟合值对初始投入变量进行调整，以剔除环境变量的影响，使各地区面临相同的外部环境，接着用调整后的投入数据和原始产出数据重新计算效率值。

表20　中国区域城市环境治理效率的DEA得分情况(四阶段效率)

续表

从上表可以看出，大部分区域调整后的效率值较未调整前都有不同程度的提高，说明在初始DEA模型下，许多地区极其低下的生产效率在很大程度上应归因于不利环境的干扰。全国平均的环境治理效率值由初始的0.575上升到调整之后的0.831，上升幅度明显，而同时，规模效率的由初始的0.663上升到0.906，上升幅度明显大于纯技术效率的幅度。调整之后，处于效率前沿的省份由7个变为6个，其中新增加了2个省份(湖北和江西)，这两个省份的技术效率保持不变而规模效率较第一阶段大幅提升，说明这两个区域处于规模效率提升的有利环境中。

在调整之前，我国处于非前沿面上的省份都处于规模报酬递减，而调整之后，规模报酬不变的地区有6个，规模报酬递增的区域增加到14个，发生了明显的逆转，大部分地区实际上处于投入不足的状态。

(5) Bootstrap修正后的DEA计算结果

运用基于Bootstrap的随机DEA方法对四阶段DEA方法得到的效率得分进行偏误修正。具体结果如下图所示。

图10　Bootstrap修正后的DEA计算

经过修正，全国有20个地区的环境治理效率下降，10个地区的环境治理效率有所上升，而且各区域的治理效率差异有一定程度缩小。其中，上升幅度较大的省份是贵州、山东、北京、上海等，分别上升了0.31、0.22、0.16、0.13左右。而下降幅度较大的地区是天津、广东、海南、江西、甘肃，普遍下降了0.11分左右。根据纠偏的结果显示排名前十的省份是重庆、广西、黑龙江、福建、吉林、湖北、天津、贵州、安徽、云南，其中，有4个位于西部地区，东中部各3个省份，分布比较均匀。

3.三大区域的环境治理效率的具体分析

为了更深入分析环境变量对不同地区投入指标的影响程度大小，本部分拟采用对投入指标部分调整的方法来计算四阶段的DEA效率值。具体思路是:在计算出原始DEA效率值和tobit模型得到投入松弛量的拟合值后，分别依次对投入变量依次进行调整，而保持其他投入变量不变，借此考察外部环境变量对该投入变量的调整会在多大程度上导致各区域的一和四阶段的DEA效率差异。

表21　三大区域的环境效率调整分析

在保持其他投入变量不变，而只对环境治理投资总额进行调整的情况下，全国的环境治理效率明显提高，说明资本因素是影响我国各区域环境治理效率的重要方面。在对环境治理投资进行调整时，东中西部的效率值较未调整前都显著上升，但是对比只调整资本因素和全部投入变量进行调整的效率值的差异可以看出，东中部的效率值的差异分别为0.06和0.02，而西部在对资本进行调整和全部调整的效率值分别为0.9和0.76，全部投入变量进行调整后，效率值下降，说明西部环境治理效率的低下与资本因素密切相关，当外部环境变化导致资本因素变化时，环境治理效率变化最为显著，而且只调整资本因素测算的效率值远大于多种投入同时调整的效率值。因此未来应该进一步加大对西部环境治理的投入力度。因此，总体而言，资本投入变量对西部的影响比东中部更为显著。

在保持其他投入不变的情况，只对人力因素进行调整也将会对东中西部的环境治理效率产生重要影响。东部地区在只调整人力因素和全部调整的条件下的效率值分别为0.66和0.86，较初始效率都有上升，并且全部调整后的效率值比只调整人力因素的效率值要高0.2左右，说明人力因素是影响东部地区效率的重要因素，但同时非人力因素的影响也不容小觑，非人力因素对环境治理效率的作用也很显著;中部地区在只对人力因素调整时效率值快速上升，但是全部要素调整后的效率值变化不大，说明人力因素是提升中部环境治理效率的重要推动力，而其他投入要素的作用相对较为薄弱;对于西部来说，人力因素的调整对该区域效率的提升也具有举足轻重的作用，只对人力因素进行调整，西部的环境治理效率就快速上升。但同时，西部的环境治理效率还受到其他投入因素的影响。因此，总体上看，人力因素对中部的影响最大，其次是西部，最后是东部。

在对环保科技进行调整时，东部和中部地区的环境治理效率值较初始状态都有大幅的上升，上升幅度分别为0.26和0.36，而从科技调整到全部投入变量调整的过程中，东部和中部的效率值上升值接近0.1左右，因此，环保科技因素的变化是影响东中部效率值提升的关键因素;对于西部来说，由于外部环境对科技进行调整时，其效率值较初始状态变化明显，且明显高于全国平均水平。因此，总体上看，科技因素对东部的影响最大，其次是西部，最后是西部。

本节从区域层面分析了绿色城镇化进程中的环境治理效率，得出的主要结论如下:

第一，经典DEA模型测算的环境治理效率值于四阶段DEA以及Bootstrap－DEA测算的效率值存在显著的差异，因此，对外部环境变量和随机冲击进行调整控制是非常必要的。如果不对这些影响因素进行控制的话，我国环境治理效率值将明显被低估。

第二，环境治理效率的好坏与当地固有的资源环境状况密切相关。初始环境治理效率相对较好的区域，其资源环境优势都相对较为显著，未调整前处于前沿面的省份有5个属于环境相对较好的西部。而且，对比第一和四阶段，经过调整，我国处于非前沿面上的省份中规模报酬不变的地区有6个，而规模报酬递增的区域增加到14个，发生了明显的逆转，但我国绝大多数省份环境治理的规模报酬处于递减状态，因此，政府应该通过优化环境投资结构，加强体制建设等来减少效率的损失。

第三，外生变量对环境治理效率具有重要影响，人均GDP的变化对环境治理效率的影响较小，而环保支出占财政支出的比重、人均受教育年限、第三产业增加值的比重对我国区域环境治理效率具有重要作用。环保支出占GDP的比重对解释变量的影响系数为负，说明我国环境保护支出对环境治理效率作用没有显现出来，因此，我们在促进环保支出的稳定增长的同时，更应该关注的是环保支出的合理有效的配置，加强环保支出的管理，让其发挥应有的作用，促进环境治理效率的提高。而人均受教育年限和第三产业增加值的比重是影响环境效率的有力的外部因素，未来应该采取措施促进教育水平的进一步提升并优化产业结构，应该继续大力发展教育事业，提高公众的受教育程度和环保意识，充分发挥公众在环境保护和治理中的重要作用。继续实施产业结构优化政策，加大力度支持第三产业发展，促进产业升级，有效发挥其对环境治理的促进作用。

第四，我国不同区域的规模报酬不变的技术效率、纯技术效率和规模技术效率都存在着较大差异。从东中西部来看，调整后西部地区的环境治理效率明显低于东中西部，且低于全国平均水平。东中部经过四阶段和Bootstrap－DEA调整后，其效率都大幅上升，而西部在调整后其效率值不升反降，主要是因为调整后西部的纯技术效率下降，而规模报酬基本保持不变，说明西部处于不利于其技术提升和规模报酬效应的外部环境中。从东中西部的环境效率的影响因素来看，科技因素对东部的影响最为显著，资本因素对西部的影响最为显著，而人力因素对中部的影响更为明显，各区域也要结合自身的特点，采取相应的政策手段来促进效率的提高。

总之，环境治理是一项非常复杂的系统过程，我国正在不断完善和推进环境治理，各项制度政策也在不断建立和完善，但我们也应清醒地认识到，现有环境治理形势依然严峻。科学公正地对我国各区域的环境治理效率进行评价，深入分析制约各区域环境治理效率提升的关键因素，促使各省市重视其环境治理工作，实现经济与资源环境的协调统一，未来应该结合各区域的特点，因地制宜，制定合适的、有差别的环境污染治理策略。

二、绿色城镇化需要加强区域创新研究

绿色城镇化要求提高资源环境绩效，即通过不断提高资源利用效率，降低能源消耗强度、污染排放强度和碳排放强度，而其中的关键在于创新能力的提高。提升绿色创新能力，除了加大创新的投入力度外，区域绿色创新的效率问题亦不容忽视。特别是在我国创新资源相对有限的情况下，尽可能地利用较少的创新投入获得较多的创新产出，提高创新资源的利用效率，对于有效缓解我国创新资源不足的局面以及进一步提升区域绿色创新能力具有重要意义。

(一)区域创新提高城镇化质量综述

走绿色城镇化道路，离不开科技创新。极稳妥推进城镇化，最重要的是提高城镇化质量，促进城镇化转型升级。科技创新是绿色城镇化发展的原动力，打造绿色城镇化升级版，必须依靠改革创新驱动。科技创新是新型城镇化发展的重要支撑力。就业是城镇化的基础和关键，城镇就业是决定城镇化速度、规模和质量的重要标志。随着我国绿色城镇化进程的不断加快，城镇就业需求急剧增长，当大量农村人口进入到城镇生活后，他们能否顺利就业直接影响社会的和谐稳定，而扩大就业需要产业的发展壮大，这都离不开技术创新，科技创新是产业持续健康发展的重要保障。从长远看，城镇化的发展不能依靠丰裕的自然资源和物质条件，需要发挥科技的引用作用，通过技术改造、产业升级、延伸产业链条、促进传统产业结构和能源结构调整，减少城镇化中的资源消耗和环境污染，转变经济发展方式，发展和壮大第三产业，吸纳就业。

目前已经有一些学者对区域创新效率问题进行了研究，何枫等(2004)运用C－D生产函数SFA(Stochastic Frontier Analysis，SFA)对改革开放以来我国各地区的技术效率变迁进行了测算，结果表明全国平均技术效率水平呈稳步上升趋势，但地区差异很大;岳书敬、刘朝明(2005)运用超越对数生产函数SFA研究表明，技术进步是促进TFP增长的主要因素但省际技术效率差距在扩大;唐德祥、李京文、孟卫东(2008)运用面板数据随机前沿方法考察了我国三大经济区域R＆D与技术效率之间的内在关系，研究表明随着R＆D投入逐年递增，东、中、西部地区的平均技术效率水平呈稳定上升趋势;白俊红，蒋伏心(2011)采用三阶段DEA方法对考虑环境因素的区域创新效率进行了研究，研究表明，我国区域创新的效率较低，且其原因主要是由于规模效率不高所致;樊华，周德群(2012)运用规模报酬可变的DEA(Data Exchange Agreement，DEA)模型测度2000～2007年中国省域科技创新效率并分析其收敛性和影响因素，研究发现科技创新效率具有周期性波动演化的特点。

虽然研究者们对区域创新效率进行了较多的研究，但是目前的研究至少有两个不足，第一，研究中较少从绿色创新的角度展开，没有考察资源消耗和环境污染对于创新效率的影响。而在绿色经济浪潮席卷全球之际，中国作为人口最多的发展中大国面临的资源环境问题尤为严重。客观考量中国绿色创新效率，对于中国创新型国家的建设，实现经济的绿色转型都有着积极的意义。第二，目前的研究测评区域创新效率时，很少考虑区域的空间联系，新经济地理学认为两个经济系统地理位置相近或者经济特征相似时，空间联系尤为突出。因此，考虑空间联系能使测算的区域创新效率值更加客观。

(二)绿色城镇化进程中区域创新效率的实证分析

1.方法介绍与变量选择

作者采用基于空间计量的四阶段DEA模型来分析。

本文首先运用Moran指数法检验初始效率值是否存在空间自相关，如果存在空间自相关性，则建立空间计量经济模型，进行效率值的空间回归。

Moran指数计算公式如下所示:

其中，表示第i地区的观测值; n为地区数; Wij为空间权值矩阵。

空间回归模型主要包括空间滞后模型(Spatial Lag Model，SLM)与空间误差模型(Spatial Error Model，SEM)两种。

空间滞后模型考虑了变量间的空间依赖性，本文构建的公式为:

其中，sik是运用初始DEA模型所计算的第k个省(区、市)第i项投入的总的松弛量;ρ为空间回归关系数; W为n×n阶的空间权值矩阵; Wy为空间滞后 因变量，是与sik相对应的潜变量; Zik外生环境变量;βi是待估系数向量;μik 是随机误差项。

空间误差模型考虑了误差项的空间相关，构建公式为:

式中，uik为随机误差项向量;λ为n×1的截面因变量向量的空间误差系数;ε为正态分布的随机误差向量;参数λ衡量了样本观察值中的空间依赖作用。

判断SLM和SEM哪个模型更恰当，除了拟合优度R2检验以外，常用的检验准则还有:自然对数似然函数值(Log likelihood，LogL)，似然比率(Likelihood Ratio，LR)、赤池信息准则(Akaike information criterion，AIC)，施瓦茨准则(Schwartz criterion，SC)。对数似然值越大，AIC和SC值越小，模型拟合效果越好。

从绿色增长的角度来研究区域创新效率值，结合数据可得性与绿色增长背景下创新效率的特点，对投入产出变量和环境变量的选择如下:

(1)投入变量

无论是哈罗德－多马、索罗的新古典框架下的生产函数，还是罗默的内生经济增长框架下的生产函数，资本与劳动始终是创新系统中的基本要素，因此，本文也从人力和资本两方面来选择投入变量，分别选择R＆D人员全时当量和R＆D经费两个指标。采用R＆D人员全时当量能够更加准确的反映出创新的人员投入状况; R＆D经费投入作为衡量一个地区或企业对技术创新活动的重视程度，可以作为创新效率的财力投入指标。这两项投入指标分别从人力和资本两个角度对投入要素进行了综合考察，使得投入指标的选取具有合理性和可行性。

(2)产出变量

从绿色增长的角度来看，创新活动的产出成果不仅仅包括产品的增加或改进、发明专利的涌现、新产品产值的增加、利润的提高等，还包括能源的消耗和环境污染的状况。因此，本文选择新产品销售收入、专利申请数、规模以上工业企业综合能耗产出率、环境污染指数作为产出变量，分别代表由于技术创新所带来的产值的提高、专利数的增加、能耗的产出率以及环境污染的变化。其中环境污染指数是负产出，将其作为投入变量，希望其越少越好。

(3)外生环境变量

创新效率的提升受周围环境的影响较大，且环境对创新效率有多方面的影响，既能起到很强的促进作用，有时也能成为创新的阻力。一般而言，创新技术高的地区往往有着良好的创新支撑环境，反之，创新支撑较差的地区创新效率提升缓慢。本文选择各地区外商投资企业年底投资总额与GDP的比值、各地区财政支出中科技支出占一般预算支出的比重、环保支出占财政支出的比重、各地区规模以上工业企业平均总产值作为外生环境变量，分别代表对外开放程度、科技创新环境、环保规制以及创新企业规模。

2.总体测算结果与分析

(1)初始效率分析及相关性分析

运用经典DEA模型进行测算，得到初始的效率值，具体结果见下表。

表22　基于绿色增长的区域创新效率的初始值

续表

在不考虑环境变量影响时，中国30个地区创新效率的平均值为0.642，平均纯技术效率为0.723，平均规模效率为0.898，规模效率明显高于平均技术效率值，这在一定程度上反映出规模效率对区域创新效率的提升具有突出作用;从三大地带来看，东部和中部的综合效率和纯技术效率要明显好于西部地区，而区域的规模效率差异不大;从省份来看，处于前沿面的省份有4个，其他省份的效率值普遍较低下，而且在测算的30个省份中，只有3个地区处于规模报酬递增阶段，绝大部分处于规模报酬递减阶段。

利用OpenGeoDa软件测算初始效率的全局自相关指数，结果如下表示:

表23　初始创新效率的M oran指数

如表2所示，全国创新效率初始值的全局自相关指数为0.1711，且明显通过显著性检验，这表明我国30个省、自治区和直辖市的效率值在空间上具有明显的正自相关关系，即存在空间集聚现象。而且从东中西区域来看，三大区域内部也存在空间集聚现象。其中，东部地区存在明显的正相关，西部地区的相关性较弱，中部地区存在明显的负相关。因此，运用空间计量模型进行研究要比传统计量方法更合适。

3.空间回归及影响因素分析

(1)空间计量模型的选择

本节分别以三个投入松弛量为被解释变量，外生环境变量为解释变量，采用空间滞后模型和误差向量模型进行回归分析，然后采用相关检验确定最终所采用的模型。具体回归及检验如下表所示:

表24　空间计量模型的检验值

续表

对上述的空间模型的选择，我们主要是根据拟合度、最大似然值、AIC和SC的检验值来判断，一般而言，我们希望拟合值和最大似然值越大越好，AIC 和SC越小越好。根据表3的回归和检验结果，我们对于R＆D人员全时当量松弛量(用S1表示)，选择误差向量模型，对于R＆D经费松弛量(用S2表示)和环境污染松弛量(用S3表示)，选择空间滞后模型进行分析。具体模型如下:

其中，FDI代表对外开放程度、TEC代表科技创新环境、ENV代表环保规制、AIOV代表创新企业规模。

(2)影响因素分析

根据上面所确定的模型我们分别对R＆D人员全时当量松弛量、R＆D经费松弛量、环境污染松弛量进行回归分析，得到各变量的系数。如果外部环境变量与投入松弛量负相关，表示增加外部环境变量值有利于减少投入松弛量，即有利于减少该投入变量的浪费或降低负产出;反之，如果二者正相关，则表示增加外部环境变量将会增加投入松弛量，从而导致该投入变量的浪费，降低效率。具体结果如下表所示:

表25　调整后的系数情况

注:＊＊＊、＊＊、*分别表示通过1%、5%、10%的显著性检验

第一，对外开放程度(FDI)用各地区外商投资企业年底投资总额与GDP的比值来表示，对外开放程度(FDI)对R＆D人员全时当量松弛量和R＆D经费松弛量的影响系数为正，而对环境污染松弛量的影响系数为负，表示增加各地区外商投资并没有减少投入松弛量，但在一定程度上能够减少环境污染。这说明，在绿色增长的大背景下，我国在引进外资方面的政策重点不再是看重数量，而是更加重视质量，并且注重引导外资向绿色发展倾斜，因此随着引进外资数量的增加，环境污染有所减缓。但在引进外资的同时，国外的高技术引进相对较少，因此外资对提升我国创新效率的拉动作用不明显。

第二，科技创新环境(TEC)用各地区财政支出中科技支出占一般预算支出的比重来表示，科技创新环境(TEC)对三个投入松弛量的影响系数为负。说明地方政府对科技的支持力度是提升创新效率的至关重要的因素之一。对比外生环境变量对三个投入松弛量的影响系数可以看出，地区财政支出中科技支出占一般预算支出的比重对投入松弛量的减少弹性最大，即相同幅度的外生环境的变化，地方政府对科技的支持力度对提升创新效率的影响最大。

第三，环保规制(ENV)用环境保护支出占财政支出比重来表示，环保规制(ENV)对三个投入松弛量的影响系数为负，即地方政府对环境的支持力度对R＆D人员全时当量、R＆D经费、环境保护都是有利因素，未来应该进步一加大对环境保护的财政支持力度。但是同时也可以看到，环境污染松弛量未通过显著性检验，这说明目前环保支出对环境保护的效果并不明显，这一方面是由于环保投资的环保效果具有一定的时滞性，另一方面也表明我国环保支出的质量有待于进一步提高。

第四，创新企业的规模(AIOV)用各地区规模以上工业企业平均工业总产值来表示，环保规制(ENV)对R＆D人员全时当量松弛量和R＆D经费松弛量的影响系数为负数，但是对环境污染松弛量的影响系数为正，显著性检验表明，三个投入松弛量都未通过检验。说明企业规模对于创新效率的提高和环境的改善都没有发挥出明显的作用，这意味着中国企业发展更多依赖于数量的增长，今后需要更加注重质量上的提高，与做大相比，中国企业更需要做强。

(3)四阶段DEA结果分析

根据投入松弛量的拟合值对初始投入变量进行调整，以剔除环境变量的影响，使各地区面临相同的外部环境，接着用调整后的投入数据和原始产出数据重新计算效率值。

表26　四阶段DEA的实证结果

续表

为了比较第一阶段与第四阶段的效率值是否存在显著性差异，本文对其进行Wilcoxon符号秩检验，结果见下表，初始DEA和剔除环境影响的四阶段DEA所测算的创新效率存在显著性差异，双尾显著性概率为0，而且一阶段和四阶段的纯技术效率和规模效率也存在显著差别，这说明本文所选择的环境变量以及随机波动对效率值都存在较大的影响，因此进行调整是非常有必要的。

表27　不同效率值的Wilcoxon符号秩检验结果

从上表可以看出，调整后大部分区域创新效率值较未调整前都有不同程度的提升，上升幅度较大的省份有青海、江西、黑龙江、甘肃、山西等省份，说明外生环境变量是影响目前我国区域创新效率的至关重要的因素，许多区域的创新效率低下是由于不良的外部环境造成的;全国平均纯规模效率值变动不大，而全国纯技术效率的变动相对较大，说明外生环境的变化对纯技术效率值的影响更显著;剔除外生环境的影响后，处于前沿面的省份有9个，主要是位于公共财力雄厚的东部地区;而对比第一与第四阶段发现，如果不消除外生因素对区域创新效率的影响，各区域的规模效应非常不明显，而且都处于递减的范围，而一旦将各区域的外生环境因素充分考虑进来，将各区域的环境状况都调整到最差的情形，结果将发生明显的逆转，各区域的规模效应凸显，绝大多数省份处于规模报酬递增阶段，因此，大部分地区实际上处于投入不足的状态。从区域的效率值来看，东部地区创新效率值明显好于中部和西部地区，其综合效率值、纯技术效率和规模效率值都高于其他地区;从区域的规模报酬状况来看，东部有4个省份处于规模报酬不变状态，有2个省份处于规模报酬递减的状态，说明东部一些地区的创新投入已经饱和，因此更应该关注投入结构优化的问题。中部和西部的绝大部分省份处于规模报酬递增的状态，说明这些区域的投入存在明显不足，未来应该加大投入力度。

4.创新效率的集聚性分析

全局空间自相关是从区域空间的整体刻画研究现象的空间分布情况，本部分将对调整后的基于绿色增长的区域创效率值进行空间相关性检验，下图给出了效率值的Moran散点图。

从上图可以看出，我国30个省份的创新效率具有一定的空间依赖性，区域创新效率并不是处于完全随机的分布状态。初始效率的全局Moran指数为0.1711，效率值在空间上有一定集聚性，但是集聚程度不高;剔除外生环境变量的影响后，创新效率值的全局Moran指数为0.2172，集聚度有所提高，效率值存在显著的空间集聚性，因此，再次证明进行空间回归是非常必要的。

图11　四阶段区域创新效率值的散点图

为了更深入分析各区域基于绿色增长的创新效率的空间差异，本文采用LISA聚集方法来描述30个地区在Moran散点图中相应的位置。LISA聚集方法得到四个象限区，30个地区处于不同的象限内。

第一象限:此区域是“高－高”区域，即处于此区域的省份，自身的效率值较高，其相邻地区的创新效率值也高，此象限的地区创新效率值存在明显的正相关。

第二象限:此区域是“低－高”区域，即处于此区域的省份，自身的效率值较低，其相邻地区的创新效率值却普遍较高。此象限的地区创新效率值存在明显的负相关。

第三象限:此区域是“低－低”区域，即处于此区域的省份，自身的效率值很低，其相邻地区的创新效率值也低。此象限的地区创新效率值存在明显的正相关。

第四象限:此区域是“高－低”区域，即处于此区域的省份，自身的效率值较高，其相邻地区的创新效率值却相对较低。此象限的地区创新效率值存在明显的负相关。

具体结果如下表所示:

表28　30个地区在M oran散点图中的位置

可以看出，处于第一和第三象限的地区相对较多。处于第一象限的地区主要位于东部地区。第一象限属于创新效率呈现高－高集聚的区域，这些地区的经济发展基础好，具有良好的创新支撑环境，创新水平普遍较高。处于第三象限的地区主要位于西部地区，这一象限属于低－低集聚的区域，这些地区的经济发展相对落后，创新发展的环境支撑力相对薄弱，而且周边地区也多属于创新效率低下的区域，缺乏溢出效应，这就形成了区域创新效率连片低下的状况，且属于这种状况的区域相对较多，未来应加以重点关注。处于第二和第四象限的区域相对较少，且大多分布在中部和西部地区，这些地区的创新效率差异较大，中西部地区创新效率相对较高的地区尚未对周边效率较低地区的创新能力提升产生明显的拉动作用，未来应该引导高效率地区充分发挥辐射效应，从而拉动周边地区的创新效率提升。

本节在测算基于绿色增长的区域创新效率的时候，主要是采用了与空间计量相结合的四阶段DEA方法来剔除外生变量的影响，力求更准确地反映出我国各区域的创新效率。主要结论有:

第一，经典DEA模型测算的基于绿色增长的区域创新效率值与四阶段DEA测算的效率值存在显著的差异，因此，对外部环境变量和随机冲击进行调整控制是非常必要的。如果不对这些影响因素进行控制的话，我国的区域创新效率将明显被低估。

第二，经过四阶段DEA调整后，规模报酬递增的省份居多，综合效率和纯技术效率以及规模效率都有所上升，因此，我国大部分地区处于实际投入不足的状态。而进行调整后，处于前沿面的省份为9个，这些省份主要是位于公共财力雄厚的东部地区，拥有有利于区域创新效率提升的良好的外部环境，未来应该加以充分利用，提升区域创新效率。

第三，外生变量对区域创新效率具有重要影响。各地区外商投资企业年底投资总额与GDP的比值、各地区财政支出中科技支出占一般预算支出的比重、环境保护支出占财政支出比重对三个投入松弛量具有重要影响。这说明要进一步有选择性的引入外资，重点吸引高技术和更为“清洁”的外商直接投资，不断提高外资利用效率;并且应该增大对环保支出和科技支持方面的投入比重，重点加强环境规制的优化，更多的向市场化的环境保护政策转变。各地区规模以上工业企业平均工业总产值对三个投入松弛量的影响都未通过显著性检验。

第四，我国创新效率值区域差异明显。东部地区的效率明显高于西部和中部地区，说明东部很多地区的创新投入已经饱和，因此更应该关注投入结构优化的问题。中部和西部的绝大部分省份处于规模报酬递增的状态，说明这些区域的投入存在明显不足，未来应该加大投入力度。各区域在资源禀赋、地理区位等方面存在差异，在提升公共效率上面临的难题和存在的优势各不同，因此区域应该结合自身的特点，采取相应的政策手段来促进效率的提高。

第五，我国区域创新效率呈较明显的空间集聚状态，创新效率高－高的区域集中在东部，创新效率低－低的区域集中在中西部，东部地区的经济发展基础好，具有良好的创新支撑环境，中西部地区的经济发展相对落后，而且周边地区也多属于创新效率低下的区域，缺乏溢出效应，未来东部与中西部创新效率的差异可能会更加明显。还有一部分中西部地区处在创新效率的高－低和低－高区域，创新效率相对较高的区域尚未对周边效率较低地区的创新能力提升产生明显的拉动作用，未来应该引导高效率地区充分发挥辐射效应，从而拉动周边地区的创新效率提升。

三、绿色城镇化的区域协作探索——京津冀环境治理一体化

本节以京津冀环境治理一体化为例，对绿色城镇化的区域协作进行了探索分析。

(一)实现绿色城镇化:京津冀一体化是一次重大的创新与尝试

京津冀一体化是我国城镇化建设具有标志性的重要环节，是我国区域一体化的一次重大尝试。在城市病逐渐显现，环境污染严峻的今天，京津冀一体化的概念已经远远超出了最初的范围。从习近平总书记的若干重要讲话到李克强总理的工作报告，都将京津冀一体化发展放到了前所未有的战略高度。

京津冀一体化具有一定的必然性。从历史的角度来看，京津冀本来就是一个联系密切的城市群(刘纯斌，1992)，从地域格局的角度分析，京津冀要发展整合也是一种必然选择(刘晓春，2010)。未来数十年是京津冀区域经济一体化与区域人口发展的重要变化期，同时也是协调产业与人口，经济和社会，资源与环境等关系的重大机遇期。因此，推动京津冀区域经济一体化具有必要性(孙久文，2008;吴群刚，2010)。京津冀一体化为实现绿色城镇化提供了重要的契机，其不仅仅肩负着区域经济协同发展的职责，更肩负着京津冀这一中国最重要的城市圈健康、可持续发展的历史使命(吴殿廷，2004)。京津冀一体化的进程必将成为我国绿色城镇化发展的标志性环节，并成为我国其他地区的典型示范。

可以认为环境污染治理的一体化就是实现区域一体化，最终实现绿色城镇化的现实抓手。提高环境治理效率是实现大力发展绿色城镇化的重要课题，环境资源作为一种公共物品，政府是治理环境的主体。环境治理效率低下主要源于环境作为公共物品的特殊性以及政府管理水平的低下，因此在环境治理中应该建立市场调节和政府干预相结合的有效机制(邱继洲，2010;谭光荣，2007)。

(二)实现京津冀一体化:以京津冀环境治理一体化为突破口

习近平总书记2015年2月份在听取京津冀协同发展工作汇报时指出:实现京津冀协同发展是一个重大国家战略，要坚持优势互补、互利共赢、扎实推进，加快走出一条科学持续的协同发展路子。国务院总理李克强在十二届全国人大二次会议做政府工作报告时强调，要加强环渤海及京津冀地区经济协作。从区域性的发展规划，到现在成为国家战略，“京津冀一体化”已经被提到了前所未有的战略高度。“京津冀一体化”的概念可以溯源到1986年提出的“环渤海经济区”，距今已有近30年的时间。到如今，可以说基本都是口号和规划，真正落实和推行下去的寥寥无几。究其原因，其缺少的就是一个现实可行的抓手。而环境治理一体化是推动京津冀一体化建设的关键要素。

如今，环境污染已然成为全国乃至全世界不争的重大问题。随着京津冀地区人口急剧增加，工业迅速发展，生态环境破坏非常严重，已经从局部环境污染逐步发展到为区域污染甚至是大规模的生态退化。在环保部公布的2013年全年空气质量中，京津冀区域的空气污染最严重，京津冀13个城市中，11个城市排在污染最重的前20位，其中有7个城市排在前10位，部分城市的空气质量重度及以上污染天数占到全年天数的40%。时至今日，大家对于环境污染治理问题上已经形成了共识，而环境污染治理并不是一城一地可以解决的，是一个需要跨区域合作的事情，是一个需要一体化治理的问题。2013年国务院出台的《大气污染防治行动计划》明确提出“建立区域协作机制，统筹区域环境治理”。从现实需求和国家政策中都可以看出，在改善环境的过程中，任何一地都无法靠自己的力量独善其身，因此，环境污染治理的一体化就是实现区域一体化的现实抓手。

(三)实现京津冀环境治理一体化:用好“市场之手”

从本质上讲，环境问题是人类经济行为导致的，其实质还是经济问题。要缓解面临的环境问题，需要利用市场机制，通过经济激励改变人的经济行为。环境治理以市场为基础，采用间接宏观调控来改变市场信号，通过利益导向来改变和驱动环境污染者的行为，而不需要面临监督和检查对象的微观行为。以市场为媒介，成功地将环境治理和保护的责任转交给污染者，让他们自己选择缴费或治污，这样可以提高污染者的环保意识和其治污的积极性。目前，运用环境市场机制防治污染、保护生态环境也已经成为各国的共识，基于市场机制的环境政策体系也在不断壮大。与此同时，市场机制本身正在不断地丰富与完善，在原有理论基础上，创新发展和并综合运用各类手段。因此，市场作用是环境治理中的关键因素。合理有效的引导市场，发挥市场在配置资源中的决定性作用。

在京津冀环境治理一体化的过程中，市场机制的作用更不容小觑。区域环境治理一体化要想带来综合效应，就要充分把握好“市场之手”，打破现有利益藩篱，改变原有“一亩三分地”的思维定式，发挥市场在配置资源中的决定性作用，大胆创新，建立新的体制机制，使环境治理合作迈向新台阶。用好“市场”这只看不见的手，推进京津冀环境治理一体化。在环境治理中用好“市场”之手，并和法律与行政手段配合使用，已经成为一个发展趋势。在京津冀环境治理中，“市场”这只无形的手，将发挥越来越重要的作用。

加快形成反映京津冀地区市场供求关系、资源稀缺程度、环境损害成本的生产要素和资源价格形成机制。价格形成机制是市场经济正常运行最重要的作用机制。只有合适的价格才能正确反映供给和需求，才能正确调动资源流向最需要的地方，从而保证资源最大限度的合理使用。生产要素和资源价格形成机制重点是明晰环境资源产权的界定，包括明确与生态环境有关的自然资源的所有权、使用权、管理权、收益权等权利，而这些权利的界定、转让、交易等都与环境资源的产权结构有关。京津冀地区要充分考虑土地资源禀赋、环境容量、土地价格及产业定位等因素，合理制定差别化的土地利用和供应政策，按照“有保有压、优势互补”的原则，引导不同类别产业项目的转移、承接和联动，使得京津冀地区的产业结构调整有“退”有“进”，促进区域产业结构和布局的调整优化。

稳步推进排污权交易，建立统一的排污交易市场。在京津冀在整个区域内开展多项污染物排污权有偿分配和交易试点，在污染物监测、年度排放审核、总量分配信息交流、总量核算、违法行为协查等方面建立协调机制，确保和谐的交易市场。这样，京津冀企业之间通过该市场交易排放权，一些企业通过技术进步转让排污权，一些企业可以通过购买排污权增加排放。排污率高的中小企业则根本不参加这个市场。以碳排放为例，目前，北京与河北、天津正在积极研究探索如何在区域内进行碳交易合作，区域内碳交易能够在总量控制的条件下，促进碳排放量的减少。未来要进一步完善碳排放的核算、配额核定、核查等标准，从而建立起区域性的碳交易市场，为区域联动协同治理大气污染提供市场化手段。一直以来，核定排放总量是核心问题，由于巨大利益驱使，企业违规排放、排放数据不真实等情况屡禁不止。建立碳交易市场后，明确了二氧化碳的商品属性，即具有了商品的价值和特点，各方企业在碳排放买卖的过程中，为了维护各自的利益，都会更加全面的研究排放量的准确性。在这方面，资历深厚的大企业往往做得比较好，而对于中小企业和个人排放，可以采取第三方机构认证的办法，通过第三方认证之后，让其参与到碳排放交易中来。同时，对企业环境信用进行评价，主要包括污染排放、遵规守法、公众监督等方面的评价，根据评价结果对企业的环境信用进行分类并对大众公布，环境信用好的企业在各方面都会有一定的优惠。

推动第三方环保企业参与京津冀环境治理。运用社会资金乃至国外资金，采用企业化运作模式来治理环境。在国际上，工业减排普遍采用第三方治理模式，即排污企业以合同的形式通过付费将产生的污染交由专业化环保公司治理。一方面排污企业由于采用专业化治理降低了治理成本，提高了达标排放率;一方面政府执法部门由于监管对象集中可控而降低了执法成本;此外，还刺激了环保企业和产业的发展。企业从自身经营和获利的角度出发，很难形成保护的自我约束机制，且受经济实力和技术水平的因素制约，企业的污染治理设施投入不足，即使建成了污染治理实施，闲置的现象往往存在，严重影响污染治理效果。在京津冀地区推行环境污染第三方治理，能够有效解决企业治理污染的资金和技术难题，第三方企业的资金相对雄厚，且随着市场化程度、运营规模的集中度提高，一个环保企业负责第三方运营的项目可以达到上百甚至数百个，成本远低于生产企业。同时从对第三方环保企业的监管来说，环保部门以前要面对几万家企业，成立第三方环保企业，政府需要监管的范围会大大缩小，而在此过程中，第三方运营更注重自己的品牌声誉，不会因小失大，自我约束的力量会更强。

总体而言，中国的绿色城镇化战略要将绿色化的理念融入其中，努力提高发展过程中的资源使用效率，改善城市生态环境。传统的粗放型城镇化发展模式着重于发展的速度和数量，绿色城镇化发展模式强调提升经济发展的质量和效益，首先必须遵从自然资源承载力规模，城镇化的发展要与资源环境的综合承载力相适应，中国目前已面临严峻的资源瓶颈，由此也带来了严重的生态环境问题，因此，当前在现有资源条件下，提升资源的利用率显得尤为重要。提升资源利用率，按照“3R”原则，着力提升资源的综合使用效率，这样才能减少城镇化发展中的生态环境成本。在传统城镇化向绿色城镇化转型的过程中，要本着资源的开发与保护并重的思想，坚持集约利用的原则，完善各项自然资源的有偿使用制度、集约使用相关制度以及相关政策法规。各种自然资源的科学合理的开发利用以及保护对于缓解建设中的资源压力具有重要作用，只有实现城镇化中各项资源的可持续利用，才能不断满足“低成本、集约型”城镇化发展的客观需要，这也是中国绿色城镇化发展的现实选择。在提升资源利用效率的过程中，努力提高资源集约使用的技术是关键。应在全社会广泛推进新能源和可再生能源的利用技术，积极鼓励和推广节能产品的开发和应用，以低碳生产城市的理念贯穿始终，逐步实现城镇化各项资源的优化配置，共同改善城市生态环境。

【注释】

[1]中华人民共和国国民经济和社会发展第十一个五年规划纲要［EB/OL］，2006－03－16，人民网，http://politics.people.com.cn/GB/1026/4208451.html

[2]温家宝.全面落实科学发展观，加快建设环境友好型社会［N］.人民日报.2006－04－24(2).

[3]中华人民共和国国民经济和社会发展第十二个五年规划纲要［EB/OL］.2011－03－16，http:// news.xinhuanet.com/politics/2011－03/16/c_121193916.htm

[4]东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等11个省(区、市);中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南等8个省(区、市);西部地区包括重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古等12个省(区、市)，由于西藏统计数据部分缺失，所以西部地区的样本为除西藏外的其余11个省(市、区)。