区域性绿色经济增长：测度、分解与驱动因素
——来自日本的实证数据
李晓乐
（中国社会科学院 研究生院，北京 102488）
摘要： 绿色经济作为实现经济、社会、资源与环境内在协调发展的新型经济模式得到世界各国的广泛重视。基于日本2007—2015年都道府县层面的面板数据，从经济增长、社会福利、绿色生产与消费、生态环境保护四个维度构建区域性绿色经济增长指标体系，运用熵权法测度日本绿色经济增长指数，构建空间计量模型分析影响日本绿色经济增长的主要因素。结果表明，日本绿色经济增长指数总体呈上升趋势，但区域间非均衡现象较为显著，中东部地区高于西部地区，经济发达地区高于相对落后地区；技术创新水平与对基础教育的重视是日本绿色经济增长的核心因素，可再生能源利用与产业结构合理化也存在一定程度的促进作用，但人口老龄化对日本绿色经济增长存在较强的抑制作用。
关键词： 绿色经济增长；可持续发展；绿色生产与消费；熵权法；空间杜宾模型
20世纪90年代开始，伴随国际社会对全球气候变暖问题的持续关注，社会各界有关绿色经济的探讨不断高涨。绿色经济不单纯以GDP衡量发展水平，而是将与经济过程相联的社会、生态环境层面共同纳入经济系统进行综合考量。改革开放四十多年来，中国经济增长取得的飞跃是建立在巨大的资源消耗与生态破坏基础上的，而资源的可耗竭性与生态系统的有限承受力都对传统经济增长的非可持续性提出挑战。党的十九大以来，我国社会的主要矛盾已转变为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。新时代下，我国作为世界最大的发展中国家时刻面临着来自国内外各领域的风险与挑战，这就要求我国必须加快转变经济增长方式，以绿色发展引领中国新时代发展进程。笔者在对绿色经济增长内涵与相关探讨做系统梳理的基础上，以节能环保领域“优等生”的日本为研究对象，测度其绿色经济增长的现状、趋势及影响因素，旨在为中国绿色经济发展之路提供一定参考与借鉴。
一、绿色经济增长的内涵与体系构成
（一）有关绿色经济内涵的国际探讨与日本动向
全球可持续发展的时代背景下，长期以来，单纯用于衡量一国经济增长水平的国内生产总值（GDP）指标近年来不断被学术界广泛议论，站在可持续发展角度扩充原有GDP的内涵、构建反映经济持续性与环境包容性的综合经济增长指标普遍成为共识（Stiglitz等，2009）[1]。构成绿色经济核心内涵的“可持续发展”概念在1987年世界环境与发展委员会（World Commission on Environment and Development，WCED）的报告书《我们共同的未来》[2]中被首次明确，即“既满足当代人的需求，而又不损害后代人满足其需求的能力的发展”。此外，报告还初步探讨了生态资本建设、能源消费模式转变与提升经济增长质量之间的关系，是“经济、社会与环境三者协调发展”政策目标理念的雏形。在此基础上，2012年联合国可持续发展大会（UNCSD）“里约+20”峰会上首次探讨了“绿色经济”的概念[3]，指出以可持续发展为核心的绿色经济政策应致力于促进经济增长与提升社会包容性、国民福利以及地球生态系统建设同步进行。可见，与过去单一的经济增长指标相比，绿色经济增长是将经济、人口、资源、环境、社会福利等经济社会因素统括在内的、外延与内涵更广的指标，其提出在人类经济社会发展史上具有里程碑的意义。
受2011年东日本大地震及福岛核电站事故所带来的一系列恶性后果影响，日本绿色经济建设步伐加快。2012年7月，日本内阁府出台《日本再生战略》，提出包括“绿色经济增长战略”在内的11个促进灾后日本再生的战略方案，绿色经济增长的概念在日本首次被提出。同年9月发表的《革命性的能源环境战略》提出“通过最大限度推进节能与可再生能源等绿色能源利用、减少并抑制核能与化石能源的依存度”的基本方针，并将加快实现绿色能源革命作为能源环境战略的三大支柱之一①。其中，重点指出绿色能源革命下的节能与可再生能源利用的开展并非仅是对过去拥有较高依赖度的核能的简单替代，而更期待其与新兴产业创造以提升地方经济活力、保障国内能源供给安全以及低碳环保建设相挂钩以实现更高层次的生产性革命与环保革命（见图1）。同年11月日本政府进一步发表《绿色政策大纲》制定面向日本绿色能源革命的基本路线图，对支撑绿色经济增长的五大重点领域分别提出具体施策，并重点对发展较快的太阳能及风能发电所面临的经济与技术课题、海洋能源的研发与实用化等制定具体目标方案。总的来看，在日本当下“3E+S”的多个能源政策目标的指引下，通过开展节能与可再生能源利用推进绿色能源革命以促进绿色经济增长是最优解。
图1 日本“3E+S”能源政策目标下的绿色经济实现路径图
（二）绿色经济增长指标体系构成
“绿色经济”的概念一经提出便引发国际社会各界的密切关注，各国纷纷推出绿色经济发展战略，探索绿色增长方式。但关于绿色经济增长内涵与指标的确定，目前尚不存在国际通用的明确界定：OECD（2011）[4]、UNCSD（2012）[3]均从经济增长、能源可持续消费及生态环境保护三方面界定绿色经济增长，认为实现经济、能源与环境（3E）三者的协调发展是绿色经济增长方式的主要衡量标准；UNEP（2011，2012）[5-6]所界定的绿色经济增长在结构上不仅包含一般评价性指标、更将绿色补贴、优惠税制、绿色技术研发、绿色投资等绿色经济支持政策纳入指标体系中，内容上在经济、能源、环境三者的基础上加入反映人民幸福感、社会公正与包容度等社会因素，是一个内容与范围更广的指标；EC（2011）[7]更注重绿色经济增长所带来的社会效应的发挥，认为3E协调发展作为绿色经济增长的手段、其结果必然伴随促进教育公平、健康生活、财产保护等方面增强社会保障系统建设、以提升社会发展的弹性；EEA（2012）[8]认为绿色经济系统由生态系统（自然资本）、经济系统（生产资本）与社会系统（社会与人力资本）三部分构成，进而构建由生态系统弹性、资源效率性与社会公平度三者组成的绿色经济增长指标。基于以往国际研究，本文将绿色经济增长指标界定为涵盖经济、社会、能源、环境四方面的评价要素（见表1），同时考虑将政府绿色经济支持补贴作为政策性指标纳入指标体系予以考量。
（三）日本绿色经济增长指标构建与数据说明
本文以日本47个都道府县作为绿色经济增长指标的测度对象，结合国际及日本环境省对绿色经济增长内涵的讨论与界定，从经济增长、社会福利、绿色生产与消费、生态环境保护四个维度选取24个指标构建日本绿色经济增长指标体系（见表2）。
二、测度方法与结果分析
（一）测度方法
本文绿色经济增长指标构建与度量的关键在于各指标权重的确定。熵权法是在多指标综合评价体系中通过计算反应指标信息量大小的信息熵来确定各指标权重大小，其优势在于其客观性且适用于跨领域综合指标的构建。本文借鉴周小亮、吴武林（2018）[9]在指标标准化处理的基础上采用熵权法对绿色经济增长体系所选各指标进行客观赋权，计算各评价地区的综合得分表征地区绿色经济增长水平。结合本文研究的实际情况、具体测度步骤如下：
表1 绿色经济增长的内涵与要素构成
表2 日本绿色经济增长指标体系的基础指标说明
1.数据的无量纲化处理。鉴于指标原始数据受指标属性、内涵、计量单位等差异影响拥有不同的量纲，本文采用极差变换法对原始指标数据按指标的正负属性进行如下标准化处理（公式1、2）：
化学作为教育学科的组成部分，一直都与我们的日常生活密切相关。化学的涵盖范围十分庞大，虽然化学被教育工作者划分为理科专业，但是它也有大量的文科成分。在日常的化学学习中，有超过大量的专业数据需要学生去牢记，同时还要多写多读，新课标也要求化学的学习必须掌握化学定义、概念、元素周期、化学式以及各种物质的化学反应。所以说化学的知识点十分散乱，学生学习起来也很痛苦。探究化学分类中的有机物学习方式，具有十分重要的现实意义。
设原始指标矩阵X=（xij）47×24（i=1，2…47为待评价地区；j=1，2…24为指标），原始指标数据xij为第i个待评价地区下的第j项指标，其中min（xij）、max（xij）分别代表第j项指标下各地区数值的最小值和最大值。xij经过无量纲化处理后转化为评价指标zij，且满足0≤|zij|≤1，即形成规范化指标矩阵X′=（zij）47×24。
骆驼城井灌区位于高台县城西南25 km处，东与南华镇接壤，西至黑泉乡，南依戈壁荒漠，北至巷道镇；辖1个镇、13个行政村、113个农场总人口达1.48万人；总耕地面积0.793万hm2，其中纯机井灌溉面积0.667万hm2，配套机电井728眼。灌区以提取地下水灌溉为主，引黑河水补充灌溉为辅,是一个水资源严重短缺的灌区。多年来由于地下水过度开采，致使地下水位逐年下降（年均下降0.67～1.19 m），灌区内地下水形成了降落漏斗，虽然西干渠从2000年开始输水，但对地下水位影响甚微，被确定为水资源管理红区。
2.指标比重与信息熵。设指标比重Pij为第j项指标下第i个评价地区占该指标的比重（公式3），Ej为第j项指标的信息熵（公式4），用来反映指标j可提供的信息量大小。计算公式如下：
考虑到经济活动的空间相关性，即一定地理空间范围内，某地区的经济活动会存在跨区域的影响效应及空间依赖性。故影响日本绿色经济增长的因素可写为如下函数形式（公式7）：
3.确定指标权重、计算综合得分。设Wj为第j项指标权重（公式5），Si为第i个评价地区的绿色经济增长水平的综合得分（公式6）。
由于权重Wj是衡量指标重要程度的指标，权重越大，证明该指标对总体指标的贡献度越高。权重与标准化指标数据的乘积加总即为各评价地区i的绿色经济增长水平的综合得分，即绿色经济增长指数。
（二）测度结果分析
1.四维度权重分析。各维度权重大小代表构成绿色经济的四个方面分别对日本总体绿色经济增长指数的贡献程度。如表3所示，日本2007—2015年绿色经济增长指标的四个维度均呈现出不同程度的变化。首先横向比较来看，经济增长与社会福利维度的权重总体小于绿色生产消费与生态环境保护。其中经济增长维度的贡献度最小，2015年仅为0.180 2，即长期维持低速增长的日本经济运行本身对绿色经济发展的推动作用较小；而绿色生产与消费方式则构成日本绿色经济增长的主要因素，2015年贡献度达0.366 1，这也与日本节能环保大国的实际基本相吻合；尽管从国际比较来看日本的社会福利水平较高，但近年来随着低出生率、老龄化等结构性社会问题的深化，社会福利政策对提高日本社会福利总水平的拉动作用相对不足，对绿色经济增长指数的贡献度仅稍高于经济增长维度。其次纵向比较来看，经济增长与社会福利维度对绿色经济的贡献度小幅度爬升，而绿色生产消费与环境保护的贡献度则呈现先增后降趋势。具体来看，经济增长的贡献率上升幅度较小，这主要受长期相对低迷的日本经济状况影响，推动增长的动力不足；社会福利的贡献度上升幅度较大，这也侧面反映出近年来日本政府在应对该问题上的投入力度加大；最值得注意的是，绿色生产消费与环境保护对绿色经济增长的贡献度分别在2012年、2013年急剧下降，可能的原因是受2011年福岛核电事故发生后紧急实施的以火电代替核电政策的影响，短期内大量进口化石燃料的燃烧对日本生态环境造成了负面效应，加之作为绿色电源的新能源电力在日本电源结构中占比长期较低，绿色生产消费指数与环保指数均出现不同程度的下降。
表3 日本绿色经济增长指标的各维度权重值
2.绿色经济增长指数的总体水平分析。表4给出了2007—2015年日本各地区绿色经济增长指数与排名情况。首先，从全国总体水平来看，日本绿色经济增长水平在2007—2015年实现稳步提升，从2007年的0.327 8上升到2015年的0.343 5，总体提升了0.015 7；受2011年东日本大地震影响，2011—2013年绿色经济增长幅度有所放缓，分别为0.333 8、0.335 4、0.335 9，低速增长状态在此后的2014、2015年得以恢复。这也侧面反映出日本灾害多发的外在自然条件构成日本绿色经济增长的脆弱性。其次，从地区间绿色经济增长指数大小差异来看，绿色经济发达地区与落后地区间的差距较大，绿色经济增长的地区差异性明显。排名第一的东京2015年的绿色经济增长指数为0.681 9，而排名最后的和歌山县仅为0.225 7，相差0.456 2。同样作为大城市的大阪和京都分别位列全国第35、27名。绿色经济增长的地区差异可能主要来自地方政府推行的经济与环境政策、绿色基础设施投资力度的差异等方面。
（2）黏层油洒布：洒布黏层油前，应对原路面的杂草等进行清除，选用的黏层用乳化沥青应与微表处用乳化沥青相一致，并确保黏层完全凝固。
如表6的全局自相关检验结果显示，Moran′s I与Geary′s c指数的检验结果均拒绝“无空间自相关”的原假设。且 Moran′s I指数均为正值、Geary′s C指数均小于1，表明日本绿色经济增长存在显著的空间正相关，即绿色经济增长水平高的地区倾向于在地理位置上邻近，水平低的地区也较为集中，日本绿色经济增长水平呈空间集群分布的状态。这也与前文绿色经济增长指数的地区差异分析中中东部地区总体高于西部地区的结果基本相吻合（见表5）。故在进行绿色经济增长影响因素的计量实证分析中应考虑空间相关性。
表4 2007—2015年日本区域绿色经济增长指数与排名
三、日本绿色经济增长影响因素的实证分析
（一）实证模型与变量
根据信息熵的基本思想：Eij的取值位于0~1之间，指标的信息熵越小，该指标的变异程度就越大、可提供的信息量就越多、指标权重就越大；反之则反是。
6.人口老龄化率（Age）。人口老龄化是当下制约日本经济社会发展的重要结构性因素。老龄化程度的不断加深通过使得政府财政支出负担加重、劳动力人口减少、社会福利设施完善需求增加等方面作用于日本经济社会。数据来源于日本内阁府《老龄社会白皮书》。
参照以往研究文献，笔者分别建立不考虑空间相关性的面板模型（公式9）与空间面板模型，考察各影响因素变量的相关系数。其中，空间面板模型的选择上，考虑到被解释变量GEG可能既依赖于相邻地区的绿色经济增长水平又依赖于来自相邻地区的各影响因素，故借鉴刘成坤（2018）[10]在普通面板模型的基础上加入空间因素，选择与空间自回归模型（SAR）相结合的空间杜宾模型（SDM）进行回归分析（公式 10）。
制定科学合理的课程体系是实现独立学院法学专业差异化人才培养的关键。人才培养方案在总体设计上应考虑到知识、能力、素质三者的结构比例关系，考虑到理论与实践、课内与课外、教与学等诸多关系。在制定独立学院法学专业应用型人才培养方案的课程体系时，要以培养学生的能力为主线，努力在专业基础、实验实训、应用能力培养等方面形成自身的特色和优势。
WijGEGit
WijZit分别代表其他地区被解释变量与解释变量的加权平均值，W为空间权重矩阵，Z为由五个影响因素组成的解释变量的空间滞后；μi为个体效应；γit为时间效应；εit为随机误差项。
其中，i代表各地区（i=1，2，…，46）；t代表年份（t=2007，…，2015）；GEGit为被解释变量绿色经济增长水平；以 Techit、Irit、Reneit、Eduit、Ageit分别代表技术创新水平、产业结构合理化水平、可再生能源消费量、基础教育水平、人口老龄化率，是本文的解释变量
那么为什么在cos θ趋近于1时,其计算结果又与自由旋转链一致呢？这是因为P-K方法增设了一个前提条件,即cos θ趋近于1,此时键角趋于π,链的方向趋近于z轴,因此能近乎满足第一个键在z轴,而末端距也几乎落在z轴方向,即满足了末端距h与dh是同一个方向的条件.矢量同向条件满足,从而由式(13)到(14)便顺理成章,导致此时蠕虫状链末端距与自由旋转链结果一致.这就是为什么对刚性链,蠕虫状链与自由旋转链结果可以一致的原因.不难进一步导出此时链的均方末端距为
表5 日本绿色经济增长指数要素分解与地区差异
（二）指标的选取与处理
1.绿色经济增长水平（GEG）。通过熵权法从经济增长、社会福利、绿色生产消费、生态环境保护四个维度选取24个指标计算合成可得。
2.技术创新水平（Tech）。本文选取总内部技术研发费用、单位科研人员拥有的研发费用、单位设施的研发费用及专利发明数量四个指标利用熵权法合成为技术创新指标以衡量地区技术创新水平。数据来源于日本总务省统计局《科学技术研究调查》、特许厅《特许行政年次报告书（统计·资料篇）》。
3.产业结构合理化（Ir）。参照刘涛（2013）[11]的方法构建产业结构合理化指标（参照公式11），以IR代表产业结构合理化指标，其中gij代表i地区第j产业的年均增长速度，g代表地区经济增长率，Iij代表i地区j产业占地区经济产值的比重。
由式（11）可知，当产业的年均增长速度gij与地区经济增长率g相等时，IR=0；IR越小，则各产业增长变化越均衡，产业结构越合理；反之则产业结构越不合理。gij、g、Iij数据来源于日本内阁府《县民经济计算》。
4.可再生能源消费量（Rene）（取对数）。与传统化石能源相比，可再生能源作为环保可持续的绿色能源供给源在石油危机以后在日本起步发展，并在2011年东日本大地震后核电中断的状况下转为国家能源战略的重要支点得以重视。数据来源于日本经济产业省能源资源厅《都道府县别能源消费统计调查》。
5.基础教育水平（Edu）（取对数）。本文选定日本小学、初中、高中三阶段教育费用支出的总和来衡量各地区基础教育水平。基础教育作为一国国民个人素质培养的关键阶段，其对个人环保意识的形成、绿色生产消费习惯的养成产生潜在影响。数据来源于日本总务省《地方财政统计年报》。
其中，GEG为绿色经济增长指标，也是本文的核心被解释变量；Z为本地的影响因素，Z0为来自其他地区的影响因素，GEG0为其他地区的绿色经济增长指标（水平）。具体的影响因素主要考虑来自技术创新、产业结构合理化、可再生能源利用、教育水平与人口老龄化五个方面（公式8）。关于“其他地区”的界定，本文基于空间计量经济学的有关理论构建基于地理距离（相邻地区）的0-1二元空间权重矩阵（46×46）②来度量。
7.空间权重矩阵的构建。本文基于地区间的地理距离构建0-1二元空间权重矩阵Wij。一般而言，最常用的空间距离函数是“相邻”，即根据地区间是否存在共同地理边界来构建，若i、j两地区存在共同边界，则矩阵Wij的元素wij=1，即相邻地区间存在空间影响；反之wij=0，不存在空间影响。
为促进能耗监管系统的应用，医院建立监控中心，并完善配套运维管理制度和规程的建设，开展数据监测比对以及数据分析，摸索医院能耗规律，从管理和技术维度全面挖掘节能潜力。
（三）实证结果与分析
1.空间自相关检验。数据存在空间相关性是运用空间计量方法的前提，故需要通过空间自相关检验来判断。空间自相关是地理位置相近的地区之间存在相似的变量取值，若高值与高值相邻、低值与低值相邻则存在空间正相关，若高值与低值相邻则存在空间负相关，若高值与低值随机分布则不存在空间自相关性。本文采用莫兰指数I与吉尔里指数C两个典型指标、利用建立的0-1二元空间权重矩阵W、对日本绿色经济增长指数（GEG）是否存在空间相关性进行检验。其中莫兰指数I的取值一般介于-1~1之间，大于0表明存在空间正相关，小于0表明存在空间负相关，接近于0表明不存在空间相关性。吉尔里指数C的取值一般介于0~2之间，小于1表示空间正相关，大于1表示空间负相关，等于1表示不存在空间相关性。可见，莫兰指数I与吉尔里指数C呈反方向变动。
3.绿色经济增长的要素分解与地区差异性。以2011年东日本大地震为节点将2007—2015年日本绿色经济增长指数划分为两个阶段，分析其指数的各要素分解与地区差异性。结果如表5所示，首先，从全国总体水平来看，2007—2015年日本绿色经济增长指数平均为0.333 6，对比2011年大地震前后指数的变化情况，震后绿色经济增长指数由震前的0.328 2增长到0.337 9，表明地震并未对日本总体绿色经济增长产生负面影响。要素分解的结果显示，绿色生产与消费指数最高、平均为0.126 3，其次为生态环境保护指数、社会福利指数、经济增长指数。生态环境保护指数震后出现明显下降，其主要由地震对环境基础设施的破坏及短期大量火电代替核电带来的环境污染造成；其次，在绿色经济增长指数的地区总体差异上，以东京为首的中东部地区高于西部地区，三大都市圈高于地方都市圈，且中东部地区与西部地区之间的差异大于三大都市圈与地方都市圈。具体分析来看，中东部地区绿色经济增长指数较高的原因在于其在绿色生产与消费及生态环境保护两方面表现较为出色，即中东部地区拥有全国最高的绿色生产与消费指数与生态环境指数，分别高达0.135 1、0.093 1。地震前后中东部地区的绿色生产与消费指数基本稳定，生态环境保护指数震后出现严重退步，主要受东部地区以福岛县为首的地区受震后核事故的环境影响较大。从日本绿色经济增长排名也可以看出（见表4），排名前十位的地区中有八位来自中东部地区，即日本中东部地区的绿色经济增长实力总体高于西部地区；三大都市圈的绿色经济增长水平尽管高于地方都市圈，但差距不大，作为日本三大都市的东京、大阪、京都，仅东京的绿色经济增长表现出色，大阪与京都则位于中下位。总结来看，日本绿色经济增长的区域性非均衡状况较为严重，增长指数高的中东部地区主要依靠绿色生产消费与环保领域的优势。
表6 GEG的全局空间自相关检验结果
表7各模型的回归结果表明，技术创新（Tech）、产业结构合理化（Ir）、可再生能源利用（Rene）、基础教育（Edu）均不同程度对日本绿色经济增长产生正向影响，而人口老龄化则产生了负向作用。其中，正向影响因素中的技术创新（Tech）与基础教育（Edu）对绿色经济增长的正向影响程度较大，但人口老龄化（Age）的负向作用最大，甚至超过了技术创新（Tech）与基础教育（Edu）的正向拉动作用。表7第一列OLS回归结果中技术创新（Tech）与产业结构合理化（Ir）的回归系数不显著，由于检验到空间效应的存在，故OLS估计存在偏差。从固定效应SDM模型的回归结果来看，绿色经济增长的正向影响因素中，技术创新（Tech）对日本绿色经济增长的贡献度最大，其次为基础教育水平（Edu），回归系数分别为0.167和0.126，且均通过了1%水平下的显著性检验。日本作为技术大国，自20世纪80、90年代实施“科学技术立国”战略开始逐渐由引进消化转向技术创新战略发展，其自主研发水平长期位于世界前列，是日本经济社会发展的主要驱动力[15]。尤其近年来日本在新能源汽车、燃料电池、智能机器人等领域涌现的诸多技术创新成果有望对促进日本新能源利用、填补人口老龄化进程带来的护工缺口及劳动力不足问题起到积极作用，进而也将从绿色生产消费与社会保障两方面对绿色经济增长产生正向驱动影响。此外，国民是一国经济与社会发展的主体，日本对国民基础教育的重视、对国民节能环保等绿色生产生活方式的养成以及高素质优质人力资本的形成起到关键作用。可再生能源消费（Rene）与产业结构合理化（Ir）的回归系数相对较小，在5%的显著性水平下分别为0.005和0.004，说明两因素对日本绿色经济增长的推动作用较弱。主要原因可能在于：一方面，尽管石油危机以后日本政府就开始重视可再生能源产业的发展，但至今为止可再生能源在日本能源结构中依然占比很低，2016年可再生能源在日本能源供给结构中仅占比7%，可再生能源电力仅占比6.9%[16]。由于可再生能源本身面临的发电稳定性、经济成本性以及日本现阶段可再生能源导入量扩大政策体制机制等多方面的制约，日本可再生能源利用发展较为缓慢，即在绿色经济增长进程中的作用力仍然较小；另一方面，日本作为发达国家早已进入后工业化阶段，第三产业占主导地位，经济增长长期维持低速稳定状态，产业结构相对合理，产业结构升级与优化的空间较小，故对绿色经济增长的促进作用也维持在相对较低的水平。人口老龄化（Age）的回归系数为-0.879，且在1%的水平下显著，表明人口老龄化问题对日本绿色经济增长的抑制作用较为明显。总的来看，人口老龄化主要通过两个途径抑制日本绿色经济增长：一是适龄劳动力人口不足直接造成地区经济增长活力下降，二是对与老龄化进程相适应的社会福利与医疗等基础设施建设投资水平的进一步提升提出挑战，同等水平下政府财政用于其他绿色经济建设领域的财力资源也会相应下降。
2.估计结果分析与稳健性检验。在空间面板模型的选择上，Anselin（1988；1996）[12-13]提出通过建立不含空间效应的OLS模型、对其残差项进行拉格朗日乘数检验（LM检验）③来判断LM-Error、LM-Lag两个统计量的显著性、进而在空间滞后模型（SLM）与空间误差模型（SEM）中进行选择。本文在已有OLS模型（公式9）的基础上进行LM检验的结果显示：在1%的显著性水平上模型受空间滞后因素影响显著，即支持SLM模型，同时接受了SEM模型不成立的假设。Elhorst（2010）[14]指出LM检验结果在SLM或SEM模型中至少有一个不成立的情况下需要建立空间杜宾模型（SDM）来进一步考察。由于SDM模型是SLM与SEM模型的一般形式，故需要通过LR检验④来判断可否由SDM模型转化为SLM模型或SEM模型。本文LR检验结果显示，在1%和5%的显著性水平下拒绝接受SLM与SEM模型的原假设，即选择SDM模型进行估计最优。同时Hausman检验的结果在1%的显著性水平下拒绝接受随机效应的原假设，最终选择时间与空间双向SDM固定效应模型进行空间估计。作为对比，本文分别列出不考虑空间效应的普通面板模型、以及考虑时间与个体效应的空间杜宾模型（SDM）的回归结果（见表 7）。
表7 日本绿色经济增长影响因素的估计结果
从表7空间加权系数的回归结果来看，仅W·Tech和W·Age的回归系数显著，且方向为正，说明本地技术创新（Tech）与人口老龄化（Age）程度的提高均对邻近地区的绿色经济增长产生了显著的积极作用。但基于有学者指出不能根据各解释变量空间加权的回归系数正负来直接断定变量是否存在空间溢出效应，本文借鉴Lesage和Pace（2009）[17]进一步考察各解释变量的空间效应分解。空间效应分为直接效应、间接效应与总效应，其中直接效应考察本地的解释变量对本地被解释变量的影响，间接效应考察本地解释变量对与其存在空间效应的邻地被解释变量产生的影响，总效应是直接效应与间接效应之和。表8的空间效应分解结果显示，技术创新（Tech）与人口老龄化（Age）均通过间接效应对邻近地区的绿色经济增长产生显著的正向溢出效果，其他变量的空间溢出效应不显著。具体来看，内源式的技术创新（Tech）在1%的显著性水平下间接效应为0.083，小于直接效应的0.169，表明技术创新在促进本地绿色经济增长的同时也一定程度上产生了对周边地区的辐射效应，但对周边地区绿色经济增长的促进作用小于本地。此外技术创新的总效应为0.252，为各正向变量中最高，可见技术创新是推动日本绿色经济增长的主导因素。值得注意的是，人口老龄化（Age）的间接效应为1.218，即人口老龄化抑制本地绿色经济增长的同时、对邻地的绿色经济增长水平产生正向的拉动作用，且对邻地的正向作用大于对本地的抑制作用，可能的原因是劳动力人口的跨区域流动，即老龄化程度高的地区往往缺乏经济活力、就业机会较少，故容易形成适龄劳动力从老龄化程度高的地区向周边老龄化程度低且经济发展活力较高地区转移的倾向，进而产生对周边地区绿色经济增长的正向作用。尽管基础教育（Edu）对本地绿色经济增长产生显著的正影响，但对邻地无显著影响。产业结构合理化（Ir）与可再生能源消费（Rene）虽然可显著促进本地绿色经济增长，但作用幅度较小，对邻地的间接溢出效应不显著。
随着社会的不断发展，我国农业以及水果行业也在日益进步，尤其是当前我国水果行业的利润更是与日俱增，有着非常广阔的发展前景。在该行业发展的过程中，水果的包装工作无论是对采后贮藏、运输还是在销售过程中都起到至关重要的作用。因此，本文将从我区水果包装的现状及其存在的问题进行简单分析，并在探讨中获取一些相关启示，以促进水果包装工作和该行业的进一步发展。
南北朝民歌的风格、内涵都与地域有着紧密的关联。南朝民歌有吴歌、西曲两类，多产生于长江流域商业发达之地，以反映男女之情的情歌特别发达，感情真挚细腻，情调艳丽柔弱，哀怨缠绵，绮丽精工，有较多的市井气息，多为整齐的四言或五言。郭茂倩《乐府诗集》曰：“吴歌杂曲，并出江南。……盖自永嘉渡江之后，下及梁、陈，咸都建业，吴声歌曲起于此也。”“西曲歌出于荆、郢、樊、邓之间，而其声节送和与吴歌亦异，故依其方俗而谓之西曲云。”[4]北歌多产生于大漠草原，主要反映以鲜卑族为主的北方游牧民族的生活情景，风格多爽朗奔放，质朴刚健，形式上以杂言多见。
表8 空间效应分解（固定效应模型）
四、结论与政策建议
本文借用空间经济学的思想，利用日本2007—2015年都道府县的平衡面板数据构建日本区域性绿色经济增长指标，并测算其绿色经济增长指数。在此基础上构建空间计量模型，并分析影响日本绿色经济增长的因素，结论如下：第一，绿色经济增长是包含经济增长、社会福利、绿色生产消费及环境保护在内的一个包容性概念，对日本绿色经济增长指标的构建与测算有利于从绿色经济的角度重新审视日本经济社会各层面的发展。第二，日本绿色经济增长水平在时间序列上总体呈抬升趋势，其中绿色生产消费与生态环境保护构成日本绿色经济增长的主要方面，长期低迷的经济增长水平以及与人口老龄化问题相挂钩的社会福利对日本绿色经济的贡献度不强。第三，日本绿色经济增长呈现出明显的地区差异性，三大都市圈整体大于地方都市圈，中东部地区大于西部地区，且基于地理位置的地区差异性更大。第四，日本绿色经济增长易受日本独特的自然条件影响从而具有一定脆弱性，东日本大地震对绿色经济增长带来较大波动。第五，在影响日本绿色经济增长的各因素中，技术创新与基础教育水平对地区绿色经济增长的推动作用较强，产业结构合理化与可再生能源消费的正向作用较弱，人口老龄化对日本绿色经济增长具有显著的抑制作用。此外，基于技术创新与人口老龄化水平存在显著的空间溢出效应，本地的绿色经济增长也一定程度上受益于周边地区的技术创新水平与人口老龄化程度。
鉴于对日本绿色经济增长的研究，对中国给出如下政策建议：
1.顺应应对全球气候变暖的时代背景，加快进行中国绿色经济增长指标体系与评价体系的构建，努力向绿色发展模式转换。中国“绿色发展”理念在“十三五”期间得以确立，之后被并入“五大发展理念”之中协调推进，党的十九大报告再次强调生态文明建设和绿色发展的重要性。促进绿色经济建设对于我国这一世界第一大煤炭消费国和第一大能源消费国而言意义重大，绿水青山就是金山银山，绿色发展既顺应了当下我国“新常态”转型期经济社会发展的现实需要，更对形成造福中华子孙后代的良好自然环境产生深远影响。
2.重视技术创新在促进绿色经济增长过程中的核心作用，扩大对技术创新的政策支持力度。从日本的实证结果来看，技术创新不仅对本地绿色经济增长起到推动作用，且周边地区也会在一定程度上受益于高技术创新水平地区的正向外溢效应。我国目前因在全球范围内某些核心技术领域仍缺乏主动权，故一定程度上在技术吸收引进方面受制于技术强国。对此，中国政府在加大对技术创新领域政策资金支持的同时，也要重视区域间的技术合作与成果共享的外部环境建设，为绿色经济发展提供关键的技术基础，创造新的绿色经济增长点。
3.扩大基础教育建设支出，推动国民素质提升。国民个人的经济行为构成经济社会的基本元素，对于我国人口基数大的国情而言，国民素质的养成是实现绿色经济增长的必要条件。基础教育作为公民素质养成的关键阶段，对节约环保等个人良好生活习惯的养成、自我修养的塑造至关重要。因此，中国开展绿色经济建设必须推动现代教育体制改革，加快推进由应试教育向素质教育的转变，发挥基础教育在教育体系中的核心作用，为绿色经济增长创造良好的社会条件。
实行人力资源优化配置务必在省级公司系统内达成共识。首先领导层要形成统一意见，从生产、经营等多个方面综合考虑，充分调动省级区域公司资源，实现人力资源优化配置的效果。其次各业务部门要有统一认识，要建立负面清单，减少不必要的工作布置，减轻基层发电企业的管理负担。
苏：嗯。我们跳沙朗舞是不放音乐的，直接起音唱民歌，并且歌词与曲调都是口口相传，没有文字记录的。舞蹈动作与歌词内容没有直接的联系，多数舞蹈是用歌曲来带动舞步的循环往复，同一乐句男领唱、女合唱，节奏的强弱与起落同舞蹈节奏的起落结合巧妙。
4.加快可再生能源利用，进一步扩大可再生能源在中国能源供给结构中的比重。从国际比较来看，我国是世界最大的水力发电国，且拥有世界上最大的太阳能、风能发电累计设备容量，在可再生能源利用方面已取得了一定成就。但与我国人口基数大和不断发展的工业化进程所带来的巨大能源需求相比仍然微不足道，煤炭依然占据能源供给的主导。可再生能源作为绿色能源，通过绿色生产消费与环境保护效应对促进我国绿色经济增长的作用较为直接。
5.完善国家生育政策，重视应对人口老龄化问题。人口老龄化造成地区经济活力下降，就业机会不足。地区间人口老龄化程度差异引起的劳动力跨区域迁移会进一步拉低本地绿色经济增长水平。我国目前的人口老龄化程度虽不及日本程度高，但计划生育政策的超长期施行带来的未来适龄劳动力人口下降与人口红利消失的潜在风险，使我国必须积极采取措施防止人口老龄化的进一步扩张带来的恶性经济后果。在进一步放宽生育政策的同时还应注重老龄产业的发展，提升老龄人口社会福利水平，进而带动新行业领域新增劳动力的增加，以提升绿色经济增长水平。
注释：
①《革命性的能源环境战略》所提出的“三大支柱”分别为脱核社会的尽早实现、绿色能源革命的实现、能源的稳定供给。
我们平常吃不到罐头，贫寒的日子是不允许我们有非分之想。只有一种机会，也是我们不想盼到的，那就是父母身体有恙，才可能喝上一两口罐头水，吃上一口水果，心里别提多高兴了。慢慢地品尝，慢慢地咽下，真是金贵的东西。
②冲绳在日本地理版图上为孤岛，故此处空间面板数据分析不包含冲绳。
③LM检验的原假设H0是“SLM或SEM模型不成立”。Anselin先后将LM检验分为古典LM检验、稳健LM检验。本文仅列出稳健LM检验结果，考察“RobustLM-lag”与“RobustLM-Error”两个统计量。
方法都对，可是忽视了两个问题。一个是，很多食品安全谣言属于无中生有，在源头很难堵得住；一个是，即便事件处理了，那些追求流量的自媒体的拥有者，往往不止一个号。那些以敲诈勒索和抹黑对手为归旨的公号，连封号都不怕，大不了换一个马甲再来。
④对SDM模型Y=ρWY+Xβ+WXθ+ε，LR检验原假设H0是“θ=0 和 θ+ρβ=0”，其中，若 θ=0，则可转化为 SLM 模型；若θ+ρβ=0，则可转化为SEM模型；若拒绝H0，则使用SDM模型进行估计。
参考文献：
［1］Stiglitz J E，A Sen，J P Fitoussi.Report by the Commission on the Measurement of Economic Performance and Social Progress［R］.https：//ec.europa.eu/eurostat/documents/118025/118123/Fitoussi+Commission+report.2009：P1-292.
［2］United Nations.Our Common Future［R］.https：//sswm.info/sites/default/files/reference_attachments/UN%20WCED%201987%20Brundtland%20Report.pdf.1987：P54.
［3］联合国可持续发展委员会（UNCSD）.The Future We Want［R］.Rio de Janeiro，Brazil，https：//sustainabledevelopment.un.org/content/documents/733FutureWeWant.pdf.2012：P14-15.
［4］Organisation for Economic Cooperation and Development（OECD）.Towards Green Growth-A summary for policy makers［R］.https：//www.oecd.org/greengrowth/48012345.pdf.2011.5：P4.
［5］United Nations Environment Programme（UNEP）.Towards a Green Economy：Pathways to Sustainable Development and Poverty Eradication［R］.http：//all62.jp/ecoacademy/images/15/green_economy_report.pdf.2011：P16-17.
［6］United Nations Environment Programme（UNEP）.Measuring Progress towards an Inclusive Green Economy［R］.https：//www.gwp.org/globalassets/global/toolbox/references/measuring-progress-towards-an-inclusive-green-economyunep-2012.pdf.2012：P9-18.
［7］European Commission（EC）.Rio+20：Towards the Green E－conomy and Better Governance［R］.https：//dochas.ie/sites/default/files/Irish%20Civil%20Society%20response.pdf.2011：P8-9.
［8］European Environment Agency（EEA）.Environmental indicator report 2012-Ecosystem resilience and resource efficiency in a green economy in Europe［R］.http：//englishbulletin.adapt.it/docs/eea_05_2012.pdf.2012：P18-20.
［9］周小亮，吴武林.中国包容性绿色增长的测度与分析［J］.数量经济技术经济研究，2018（8）：3-20.
［10］刘成坤，赵昕东.人口老龄化对经济增长的影响及溢出效应研究——基于空间杜宾模型［J］.经济问题探索，2018（6）：21-32.
［11］刘涛.经济增长与产业结构变动的关系及效应研究［M］.北京：科学出版社，2013.
［12］Anselin L.Spatial Econometrics：Methods and Models［M］.Dordrecht：Kluwer Academic，1988.
［13］Anselin L，Bera A K，Florax R，et al.Simple Diagnostic Tests for Spatial Dependence［J］.Regional Science and Urban Economics，1996，26（1）：77-104．
［14］J Paul Elhorst.Applied SpatialEconometrics：Raising the Bar［J］.Spatial Economic Analysis，2010，5（1）：9-28.
［15］邓美薇，张季风.技术创新对提升日本经济增长质量的驱动作用研究——基于日本都道府县动态面板数据的分析［J］.现代日本经济，2018（5）：69-80.
［16］経済産業省資源エネルギー庁.エネルギー白書2018［R］.http：//www.enecho.meti.go.jp/about/whitepaper/2018html/2-1-1.html，2018-08-06.
［17］James Lesage，L Kelley Pace.Introduction to Spatial E－conometrics［M］.Boca Raton：CRC Press，2009．
Regional Green Growth:Measurement，Decomposition and Driving Factor
Li Xiaole
（Graduate School，Chinese Academy of Social Science，Beijing 102488，China）
Abstract: Green economy，as a new economic model to realize the internal coordinated development of economy，society，resources and environment，has received extensive attention from countries all over the world.Based on panel data on the level of prefectures in Japan in 2007-2015，from economic growth，social welfare，green production and consumption，ecological environment protection four dimensions to build the regional green economic growth index system，using the entropy weight method to measure the green index of economic growth，to build spatial econometric model analyzing the main factors affecting Japan's green economy growth.The results show that the green economy growth index of Japan is on the rise，but the imbalance among regions is obvious.Technological innovation level and emphasis on basic education are the core factors of Japan's green economy growth.Renewable energy utilization and industrial structure rationalization also play a certain role in promoting Japan's green economy growth，but population aging has a strong inhibiting effect on Japan's green economy growth.
Key words: green economic growth，sustainable development，green production and consumption，entropy method，spatial Durbin model
中图分类号： F13/17
文献标识码： A
文章编号： 1007-2101（2019）05-0024-11
收稿日期： 2019-06-15
作者简介： 李晓乐（1994-），女，辽宁锦州人，中国社会科学院研究生院日本研究系博士研究生，研究方向为日本能源经济、日本税制。
责任编辑：母爱英
标签：绿色经济增长论文; 可持续发展论文; 绿色生产与消费论文; 熵权法论文; 空间杜宾模型论文; 中国社会科学院研究生院论文;