环境经济形势指数评价体系研究——以2020年第二季度各地区环境经济形势分析为例

黄 庆，张雨晴，谢 怡，张卫兵，罗静雯

(1.四川省环境政策研究与规划院，成都 610000;2.四川省生态环境科学研究院，成都 610000)

环境经济形势分析工作是生态环境保护部门助推经济高质量发展的一项重要抓手，其作用在于表征地区环境-经济协调发展程度，并通过准确认识环境与经济关系特征，客观判断经济发展趋势以及可能产生的环境问题[1]。通过回答“当前环境经济形势究竟是向好还是趋坏”，提出当前国家环境政策、制度、规定等在实践中暴露出的不适应、不完善的问题，是推动环保参与宏观决策和综合管理的重要途径[2]。然而，在目前的研究成果中，缺乏一套合理的计算体系来评价较广范围的环境经济形势，导致环境经济形势分析结果往往参考性不强、指导性不足。因此，本文采用指标权重法，构建环境经济形势指数(Environmental and Economic Situation Index，以下简称“EESI”)指标评价体系，旨在全面、及时、准确地掌握某一地区的环境经济形势，对标先进地区，找出薄弱环节和突出问题，藉此为顶层设计与宏观管理决策提供重要数据依据。希望通过本文建立指标体系应用于2020年第二季度31个省(区、市)和新疆生产建设兵团(以下简称31地区)的尝试使我国环境管理工作有所裨益。

本文有效整合环境经济形势分析工作领域的最新成果，突出以数据形式直观、科学的反映区域发展总体水平以及协调程度，进一步补充了学界在定量评价环境经济形势发展研究内容，为管理决策提供重要数据依据，对于衡量全国以及平衡各地区的经济-环境发展具有重要的理论与现实意义。

区域经济与生态环境协调发展一直以来都是社会学者较为关注的命题，2007年环境与经济形势分析工作启动以来，环境与经济形势分析的工作机制基本建立，分析内容也不断丰富[1]。

一些学者对环境经济关系以及形式分析的内容进行了充分的讨论，反映出环境经济形势分析工作中，应考虑经济发展水平、产业结构、消费、环境质量、污染物排放物等多个因素，对环境经济形势分析概念进行了较为统一的定义。曹利江[2]等人认为环境与经济形势分析应重点分析宏观经济形势、污染减排进展、环境质量影响因素等问题。李志青[3]指出环境经济形势是一种对环境与经济关系特征的分析，并基于截止2017年8月统计数据，认为中长期里中国环境经济形势趋好，短期内环境经济关系呈现“经济热、环境冷”的趋势。田石强[4]等人基于EKC和脱钩理论，对湖南省主要环境污染指标和经济增长指标之间的关系和发展变化趋势进行了初步分析。范清华[5]等人对2012年1～9月江苏省环境与经济形势进行了分析，分析结果表明全省产业结构重型化态势在短期内难以根本改变，主要污染物总量减排等环保重点工作仍面临较大困难和压力。卢亚灵[6]等人从经济与污染排放形势、经济与环境质量形势两个个方面，构建流域经济环境综合形势指标体系及控制区经济环境综合诊断形势指标体系，认为松花江流域水环境综合形势整体一般，提出了引进高新技术产业、发展集约化畜禽养殖业等建议。其他以环境经济形势主题的研究[7～22]提供的分析方法也体现了协调发展、可持续发展的概念。

在环境经济形势中协调发展层面进一步的分析中，许多学者提供了具体分析的指标与衡量协调程度的方法，并在自己的研究中对起主要影响的指标进行了分析，提出了相应建议。李雪松[10]等人构建一个兼顾经济发展、社会进步与生态环境建设的综合评价体系，得出结论2000～2015年长江经济带城市区域发展的可持续性较好，生态环境是经济发展的基石。孙黄平[11]等人选取城镇化与生态环境两个系统层指标，对2002～2014年泛长三角城市群城镇化与生态环境耦合协调度展开分析，认为这期间耦合协调度呈倒“U”型曲线变化，存在显著的空间集聚性特征，主要影响因素有二三产业增加值占GDP比重、每万人在校大学生数等。姚鹏以及叶振宇[12]在构建中国区域协调发展指数的研究中，选取了区域发展差距、城乡协调发展、资源环境协调发展等理念层指标，认为在2012～2015年间，中国区域协调发展水平总体上升，资源环境协调发展水平起重要推动作用。李茜[13]等人选取环境保护、经济发展与社会进步三大子系统，建立了一个生态文明综合评价体系，研究了系统间协调发展度，认为1990～2010年期间中国生态文明建设水平持续提高，环境与经济、社会之间的协调发展水平不断提升，协调发展度基本呈现东高西低的格局，但生态文明指数空间分布并不完全符合东高西低的特征。Zhaorui和Jinman[14]从社会和谐、经济发展、环境改善三个方面构建了可持续发展指标体系，以朔州市为例，对资源型城市可持续发展进行了分析，建议政府应注重绿色基础设施用地、林地和其他用地之间的比例关系，提高植被覆盖率。Weng[15]等人区域协作理论框架建立了一个基于社会、经济、环境和交通的综合承载力指标体系，较了2000～2016年粤港澳大湾区11个城市的综合承载力，提出了GBA发展的政策启示。Xu[16]认为中国必须从传统发展道路向协调可持续发展道路转变，基于这一发展内涵，构建了经济-社会-环境系统的组合模型，用以衡量组合系统及其子系统的协调发展。

总的来说，目前环境经济形势领域已经大致形成了以经济、社会、资源、能源及环境等方面为主要研究对象的评价指标体系，在评价结果中注重对于各方面协调发展程度的进一步讨论。但评价方法大多依旧停留在半定量和定性分析阶段，主要依靠个人经验和自主研判，且研究对象多为单一市、省或区域，近年来研究对象覆盖全国的研究较少，最新成果之间实现数据借鉴存在难度。基于此，本文整合已有研究的信息、方法以及区域性结论，建立了环境经济形势指数(EESI)指标评价体系，以截至2020年第二季度31地区数据进行实例分析，研究，以期完善针对全国范围的环境与经济形势分析方法体系。

2.1 环境经济形势指数的内涵

环境经济形势指数是度量环境经济形势状况的数据依据，环境经济形势是环境-经济协调发展水平的表象。故环境经济形势指数的内涵在于度量生态环境、绿色发展、经济水平三个系统中各项指标的总体水平以及相互协调度的综合表现，包含 “量”和“质”两个维度的考量。其中 “量”是各个指标指数的加权总和，而“质”是各系统指标表现的耦合协调度，将两者与环境经济形势指数建立换算方式，以数据形式直观、科学的反映地区一定时期环境经济形势指数，为管理决策提供重要依据。

2.2 构建指标体系

2.2.1 指标选取

评价指标选取要全面评价目标，应具有不同类别和层次，各指标之间既相互联系又相互独立。如果评价指标过多，EESI的客观性会由于指标之间的相关性而受到干扰；
评价指标过少，又可能会导致所选的指标缺乏足够的代表性，使得EESI指数不能准确反映环境经济形势情况。因此，本文在构建综合环境经济形势指标体系时，基于对环境经济形势内涵的基本认识，从生态环境、绿色发展、经济发展三个系统，综合考虑数据的可获得性，在遵循科学性、代表性、可行性及可比性等选取原则的基础上，对各个系统下的备选指标进行了反复筛选并进行了可测性、可比性、独立性检验，最终选取了15项指标。

其中，在环境系统中，除了环境质量本身，考虑到地域、经济发展水平的差异，将单位GDP污染物排放绩效纳入评价，并根据可获得性的原则，单位GDP水污染排放绩效一项包括COD、总磷、总氮、氨氮4项污染物排放量，单位GDP大气污染排放绩效中一项包括SO2, NOX以及烟粉尘污染物排放量三项。在绿色发展系统中，将单位产值煤耗、水耗、电耗以及居民用水量等表征绿色生产、生活指标纳入评价范围。在经济系统中，考虑到人口集聚度、区域发展战略的差异，将GDP增速、人均可支配收入、产业结构等指标纳入评价，而未考虑经济总量、城镇化率、工业增加值等指标。

2.2.2 指标标准化

由于各指标的单位不同，如果直接以对应的数据进行运算，将无法得出准确的结果，因此需要对各指标进行无量纲化赋值，将基础数据转化为无量纲、无数量级差别的标准分。本次研究根据其指标特性以及分析结果关联指数考虑，在标准化各指标表现时，采取两种赋值方式，一种是相对位置赋值法，一种是固定分赋值法。

相对位置赋值法：采用此种赋值方法的指标，首先将同一时间节点不同区域该指标表现进行转换，适当降低数据的离散程度，有利于未来研究中使用集中趋势的代表值(31省份平均值)与各省份进行对比分析，转换函数依据指标数据特点使用对数、指数函数等。第二步为消除由于量纲及数量级大小不同造成的影响，对原始数据进行标准化处理，计算公式如下:

式中: Xij为原始指标; Xj max、 Xj min分别是第j个指标中的最大值和最小值，经过标准化处理，使所有指标转化值都在[0，1]范围内，为符合读者对于分数通常认知，对每个得分乘系数100，使得最终指标得分在[0，100]范围内。以工业单位产值水耗为例，对数转化之后进行了标准化处理，详见图 1、图 2，可以看出，处理之后，数据的离散程度明显降低。

图1 数据处理前后分布对比Fig.1 Distribution before and after data processing

图2 工业单位产值水耗数据得分情况Fig.2 Data distribution of water consumption per industrial output

简单赋值法：对于一些特殊指标，即空气质量优良率、水质优良率两项指标值，我们采取简单赋值法，即对指标值进行单位换算，获得指标值赋值，具体方法见表 1。

表1 简单赋值法评分方法Tab.1 Simple assignment scoring method

2.2.3 权重设置

权重用以衡量各基础指标的相对重要性，权重设置的合理性、准确性直接影响评价体系的可靠性。国内关于绿色发展指数的研究，大多考虑经济、社会、环境三方面因素同时作用，使用均等权重的方法已有先例[12]。在此基础之上，本文考虑经济、绿色发展、环境三个系统层分权重相同，均为33.3%，在三个系统层之下延续这一均等权重的方法。经济系统共4项指标，但人均可支配收入与人均GDP两项指标均表征居民收入情况，因此权重各为5.55%，合计11.1%，其他两项指标权重为11.1%，该系统权重共计33.3%；
绿色发展系统中共6项指标，权重均为5.55%，该系统权重共计33.3%；
生态环境系统中共5项指标，权重均为6.66%，其中大气污染所占6.66%的权重由SO2、NOX、烟粉尘三项污染物排放强度所均分(各2.22%)、水污染所占6.66%权重由COD、氨氮、总氮、总磷四项污染物排放强度所均分(各1.665%)，该系统权重共计33.3%。通过指标选取、指标标准化赋值以及权重的设计，构建形成了EESI的指标体系，见表 2。

表2 EESI指标体系Tab.2 Environmental and Economic Situation Index

续表2

2.3 研究方法

在指标体系确定后，为有效度量EESI指数，需要将指标运用到发展水平与发展协调度中区，即“量”和“质”两个维度的测算中去。

2.3.1 发展水平测算

对指标评分体系中所有指标进行打分，并根据各指标权重加权后，得到该地区指标加和总分(Sum of Indicators 简称SoI)，以SoI表征地区的发展水平。

式中：wi为指标i的权重，si为某地区在指标i下的得分。

2.3.2 发展协调度测算

发展协调度是指各个系统层面之间相互促进，从而实现区域整体发展的优化和良性循环态势，产生协同效应(Synergy)的过程。本文选用已有研究[10～13,21]中的常用概念耦合协调度(Coupling Coordination Degree，以下简称CCD)来测算各个地区发展协调度。具体而言，耦合协调度评价分为耦合度评价和协调度评价，耦合度用于衡量不同模块之间的相互依赖性，协调度则用于衡量区域发展中要素彼此和谐一致的程度。

结合效益理论和平衡理论，借助物理学中耦合模型，推导得到三个系统层面的耦合度计算公式[10,17]:

式中：mi、ni、ki分别问地区在经济、绿色发展、环境三系统所获得分，Ci为耦合度；
当Ci=1时，表明三个子系统处于最佳耦合状态；
Ci=0时，表明系统内部各要素之间无耦合性，系统之间各要素之间处于无关状态。由于耦合度模型只能衡量3个子系统间的互相依赖程度，不能衡量系统协调状态，故引入耦合度协调模型，综合经济-绿色发展-环境的耦合协调状况Ci与协调程度Ti，从而能够更好地评价3个子系统，即对于某一地区来说，三个准则层指标之间的协调程度。耦合协调度计算公式如下[18-19]：

Ti=ami+βni+γki

式中：CCDi为耦合协调度；
Ci为耦合度；
Ti为经济-绿色发展-环境综合评价指数，α、β、γ分别为经济 社会和生态系统的待定系数，由于经济-绿色发展-环境三者在相互作用中的影响相当，因此取α=β=γ=1/3，此时Ti在数值上等于上一步中求得的SoI。当CCDi=1时，三大系统处于最佳耦合协调状态；
当CCDi=0时，系统内部各要素之间无耦合协调性，系统之间存在极大矛盾。协调发展评价分类标准[20]见表 3。

表3 协调发展评价分类标准Tab.3 Evaluation classification criteria for coordinated development

2.3.3EESI评价

EESI是指标总体水平与指标协调度的综合表现，通过指标体系测算得到SoI、CCD，根据SoI、CCD在EESI中的意义，此次研究采取两者相乘的方式，最终计算EESI得分。

EESIj=Solj×CCDj

式中：SoIj为j地区的经济-绿色发展-环境三方面各指标得分的简单加和，CCDj为j地区的协调发展程度。

按照以上评价方法，对31个地区2020年第二季度的EESI进行评价，详见表 4、表 5。

表4 EESI指标评价情况(a)Tab.4 EESI evaluation result (a)

续表4

表5 EESI指标评价情况(b)Tab.5 EESI evaluation result (b)

续表5

3.1 地区环境经济形势呈现明显的空间分布规律

从各个省二季度的EESI来看，研究所选取地区环境经济形势区域特征明显：南方省份表现优于北方，东部省份优于西部，西北地区、东北地区整体得分低于其他地区，其中黑龙江分值最低；
华北地区整体分值较低，北京市天津市与周围地区差异明显；
相比之下，东南沿海地区以及沿长江各省份(除受疫情影响的武汉省)环境经济形势良好，见图 3、图 4。这主要是由于东南沿海地区上海、浙江等地区经济比较发达，工业发展对资源能源的利用率也较大，部分城市甚至已经走完工业化阶段，同时环境治理水平也较高，教育、医疗等公共事业逐步完善；
相比之下，东北地区由于重要资源趋于枯竭，与之相关的资源型产业出现萎缩，老工业基地振兴进度迟缓，资源开发与经济社会生态可持续发展的矛盾较为突出。

注：两图中虚线表示研究所选取31地区整体水平所在位置。“研究所选取地区整体”将研究所选取地区看作一个研究目标计算数据，而非31个地区的平均值。图3 31地区2020年第二季度SoI-CCD情况Fig.3 SoI-CCD evaluation result for 31 provincial regions’ performance in the second quarter of 2020

图4 31个地区2020年第二季度EESI得分Fig.4 EESI evaluation result for 31 provincial regions in the second quarter of 2020

北京市环境经济形势指数得分最高，其次为上海，第三为浙江省，但这三个地区之间分数呈断崖式下降，而其他28个地区EESI下降较为平缓。从下级指标得分上来看，以上三个地区经济发展系统层指标得分位于前三，绿色发展系统层排名靠前，而生态环境系统层三地区虽然环境质量排名靠后，但得益于污染物排放强度较低、效益较高，该系统层三地区排名也分别位于前三。因此，三地区排名总体靠前。北京在多个指标得分上明显领先上海，如经济系统中三产比重、绿色发方面工业水耗、单位GDP电耗、生态环境方面氨氮排放效益；
浙江与上海相比，三产比重、人均可支配收入、绿色发展方面单位GDP电耗、工业单耗、各项污染物排放效益得分都落后较多。因此经济发展水平与污染物排放效益之间的差距，是三地区EESI得分断崖式下跌的主要原因。详见表 6。

表6 北京、上海、浙江三地区EESI系统层排名分析Tab.6 Ranking analysis of EESI evaluation result for Beijing, Shanghai and Zhejiang at system level

西藏自治区EESI靠前，其主要原因在于西藏地区环境质量排名靠前，近年来GDP增速较高，同时在其他省份受疫情影响的情况下，西藏自治区经济系统指标表现受影响小于其他地区，使得该地区EESI总体得分较高。

3.2 部分地区发展水平和协调发展程度出现不一致，但31地区整体呈线性相关趋势

将31个地区的SoI得分与CCD得分进行关联分析，出现明显的正向相关性，即总分较高的地区，其地区三系统耦合协调情况也较好。但也存在部分地区SoI总分与耦合协调发展程度不一致的情况。如湖北省、黑龙江省多项排名靠后的同时散点位置高于趋势线明显，偏向SoI一侧，这主要是由于湖北省经济受疫情影响严重，导致SoI得分较低的同时耦合协调度下降明显；
而建国以来黑龙江省一直重工业为主，多个行业能源强度较大，长期的高投入、高消耗、高污染、粗放型经济增长方式已经造成了区域性的水环境、生态系统破坏的旧模式，导致该地区耦合协调度低于趋势线，近年来更是难以适应国内经济转型的大背景，综合能力下降，因而SoI总分落后。北京市作为我国首都，要素吸引力较强，经济发达，同时资源能源利用率较高，两个子系统得分均位于研究所选取地区第一，但北京市空气及地表水质量研究所选取地区排名靠后，导致其环境系统即便达到较高的污染物排放效益，与整体的耦合协调度较低，排名仅位于研究所选取地区第五，导致北京市散点位置在关联图上明显高于趋势线，偏向SoI得分一侧，耦合协调发展水平有待提升。

图5 关联性分析：31个地区SoI得分-CCD耦合协调度Fig.5 SoI-CCD correlation analysis

3.3 发展水平较高地区，其经济水平-绿色发展-生态环境三系统之间呈现更强的关联性

对三系统分别做关联性分析，发现SoI排名靠前的地区中，三系统表现出较强正向相关性，而对比排名靠后的地区，这种相关性较弱，甚至出现负向相关性 (见表 7)。这说明发展水平更高的地区，其三系统之间正向相关性也更强。因此，若要优化经济环境形势，发展某一方面而牺牲协调程度不具备可操作性，应着力于经济水平-绿色发展-生态环境三系统同时提升。

表7 经济水平-绿色发展-生态环境三系统相关系数表Tab.7 Coefficient of association of Economic level-green development-environment system

特别的，本文对经济水平-绿色发展子系统做分类关联分析，结果(见图 6)表明，高SoI得分地区，即发展水平更高地区(在途，两系统之间呈现较强正相关关系，而低SoI得分地区，即发展水平更低地区则呈负相关关系。

图6 经济水平-绿色发展子系统关联图Fig.6 Association diagram for the systems of economic level and green development

对经济水平-生态环境(污染物排放效益类指标)做分类关联分析，结果(见图 7)表明，高SoI得分地区经济水平-生态环境(污染物排放效益类指标)之间呈现较强正相关关系，而低SoI得分地区，即发展水平更低地区则呈负相关关系。

图7 经济水平-生态环境(污染 物排放效益类指标)关联图Fig.7 Association diagram for the systems of Economic level and environment (pollution discharge efficiency)

作为生态环境保护部门助推经济高质量发展的一项重要抓手，环境经济形势分析可表征地区环境-经济协调发展程度，为生态环境治理提出有针对性和可操作的政策建议。本文综合考虑经济水平-绿色发展-生态环境等三个方面，借鉴已有研究中指标选取与处理方法，建立了一套计算体系、构建环境经济形势指数来评价地区环境经济形势，以此为据，核算31个地区截止2020年第二季度EESI空间分布规律，结论如下：

4.1 建立了环境经济形势指数EESI指标评价体系，体系从生态环境、绿色发展、经济发展三个等权重系统出发共包括15项指标。计算过程中首先将指标值标准化，使用标准化的地区指标加和SoI表征地区的发展水平，使用耦合协调度CCD表征各个地区发展协调度，最后SoI与CCD两参数相乘得到总体水平与指标协调度的综合表现。

4.2 对31个地区环境经济形势进行评价，EESI表征结果呈现南方省份表现优于北方，东部省份优于西部的规律，西北地区、东北地区整体得分低于其他地区，其中黑龙江分值最低；
华北地区整体分值较低，北京市天津市与周围地区差异明显；
相比之下，东南沿海地区以及沿长江各省份(除受疫情影响的武汉省)环境经济形势良好；
北京市、上海市、浙江省三个地区之间分数呈断崖式下降，主要原因是地区间经济发展水平与污染物排放效益之间的差距，而其他28个地区EESI下降较为平缓。关联分析SoI与CCD，结果表明部分地区指标加权总分和耦合协调发展程度出现不一致，但31个地区整体呈线性相关趋势。对SoI进行分类分析，发现SoI靠前的地区，其经济水平-绿色发展-生态环境三系统之间呈现更强的关联性，进一步分析了(a)经济水平-绿色发展子系统、(b)经济水平-生态环境(污染物排放效益类指标两组指标关联关系，都呈现出SoI高分地区呈正相关、低分地区负相关的规律；

4.3 综合前述分析结果，可以看出中国各地存在明显的发展差异，这种差异在经济水平、绿色发展、生态环境几个方面存在内在联系，具有地域性特点，即使是在疫情撞击下的2020上半年，这种内部联系也十分突出。展望未来，“后疫情时代”经济发展将呈长期承压，制定经济复苏策略也应秉持“长期主义”，进一步考虑各地协调发展的现状与内在机理，设计差异化的行动路线。文中提供的评价体系，所得评价分数为该层面内各指标对象的相对得分，但其结果应用不限于本文实例分析所述以省级行政区为单位的国域层面，根据需要也可细化至以市域为单位的省域层面，以及跨省的城市进行结果比较。对于跨省城市之间的比较，只需要将对应省份在国域层面的得分作为系数相乘，即得到该城市考虑国域、省域多层面的得分，可直接进行比较。

猜你喜欢形势耦合指标一类带临界指标的非自治Kirchhoff型方程非平凡解的存在性数学物理学报(2022年5期)2022-10-09非Lipschitz条件下超前带跳倒向耦合随机微分方程的Wong-Zakai逼近数学物理学报(2022年2期)2022-04-26基于磁耦合的高效水下非接触式通信方法研究电子制作(2019年16期)2019-09-27最新引用指标计算机应用(2018年12期)2019-01-08莫让指标改变初衷商周刊(2018年26期)2018-12-29多星座GNSS/INS 紧耦合方法中国惯性技术学报(2015年1期)2015-12-19基于CFD/CSD耦合的叶轮机叶片失速颤振计算航空学报(2015年4期)2015-05-07制造强国的主要指标中国工程科学(2015年7期)2015-02-272011年中亚形势回顾与展望俄罗斯问题研究(2011年1期)2011-03-25适应形势 增强特色军事历史(1988年6期)1988-08-21