EN中文

地理研究 >

2022 , Vol. 41 >Issue 1: 167 - 180

DOI: https://doi.org/10.11821/dlyj020200895

“环境经济地理学的创新与发展”专辑

黄河流域绿色发展效率的时空演变特征与影响因素

  • 郭付友 , 1, 2 ,
  • 高思齐 1, 2 ,
  • 佟连军 , 3 ,
  • 任嘉敏 4
展开
  • 1. 曲阜师范大学地理与旅游学院,日照 276800
  • 2. 日照市国土空间规划与生态建设重点实验室,日照 276800
  • 3. 中国科学院东北地理与农业生态研究所,长春 130102
  • 4. 山东师范大学地理与环境学院,济南 250014
佟连军（1960-）,男,吉林长春人,研究员,博士生导师,主要从事区域生态经济研究。E-mail:

郭付友（1987-）,男,山东菏泽人,博士,副教授,硕士生导师,研究方向为区域可持续发展。E-mail:

收稿日期: 2020-09-18

  录用日期: 2021-10-08

  网络出版日期: 2022-03-10

基金资助

国家自然科学基金(41801105)

国家自然科学基金(41771138)

国家社会科学基金(20CGL037)

山东省高等学校青创科技支持计划(2020RWG010)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

Spatio-temporal evolution track and influencing factors of green development efficiency in Yellow River Basin

  • GUO Fuyou , 1, 2 ,
  • GAO Siqi 1, 2 ,
  • TONG Lianjun , 3 ,
  • REN Jiamin 4
Expand
  • 1. College of Geography and Tourism, Qufu Normal University, Rizhao 276800, Shandong, China
  • 2. Rizhao Key Laboratory of Territory Spatial Planning and Ecological Construction, Rizhao 276800, Shandong, China
  • 3. Northeast Institute of Geography and Agricultural Ecology, CAS, Changchun 130102, China
  • 4. College of Geography and Environment, Shandong Normal University, Jinan 250014, China

Received date: 2020-09-18

  Accepted date: 2021-10-08

  Online published: 2022-03-10

Copyright

Copyright reserved © 2021.
Fold

摘要

基于2005—2017年黄河流域61个地级市数据,构建了黄河流域绿色发展效率投入产出指标体系,并运用多种计量方法研究了黄河流域绿色发展效率时空格局特征与驱动因素。结果如下：① 黄河流域绿色发展效率的区域差距不断扩大,研究期限内绿色发展效率呈现出由“高效率小差距”向“低效率大差距”演进,说明黄河流域绿色发展效率的俱乐部收敛特征不断凸显。② 黄河流域绿色发展效率增长主要来源于规模效率的贡献,科学技术尚未发挥重要驱动作用。③ 研究期限内黄河流域绿色发展效率存在较为明显的空间依存关系,绿色发展效率水平相近的地区空间集聚现象显著。④ 黄河流域绿色发展效率空间分异性显著,高效率地区的东西分布、南北分布的地域差异性突出,集中表现在以城市群为载体呈集群式发展。最后采用Tobit回归模型具体分析了产业结构、经济发展、科学技术、政府调控与市场化水平对于黄河流域及上中下游地区绿色发展效率的作用强度与作用效果。

关键词： 绿色发展效率; 时空演变; 影响因素; Tobit回归模型; 黄河流域

本文引用格式

郭付友 , 高思齐 , 佟连军 , 任嘉敏 . 黄河流域绿色发展效率的时空演变特征与影响因素[J]. 地理研究, 2022 , 41(1) : 167 -180 . DOI: 10.11821/dlyj020200895

Abstract

Based on the data of 61 prefecture-level cities in the Yellow River Basin from 2005 to 2017, this paper constructed the input-output index system of green development efficiency, and used various spatial econometric models to examine the spatio-temporal pattern characteristics and influencing factors of green development efficiency in the study area. The following conclusions can be drawn as follows. (1) The regional differences of green development efficiency are gradually widening, evolving from “small differences and high efficiency” to “large differences and low efficiency” totally, which indicates that the club convergence characteristics of green development efficiency are obvious. (2) Scale efficiency makes significant contribution to the growth of green development efficiency, showing that large-scale agglomeration and intensive development are still an important guarantee for the improvement of green development efficiency. However, science and technology have not yet played an important driving role in improving the green development efficiency. In the future, improving the level of science and technology in this basin is the key to optimizing and improving the green development efficiency. (3) There is an obvious spatial reliable correlation of green development efficiency within the study period, and the regional spatial agglomeration featured with similar green development efficiency level is significant. (4) The spatial distributions of green development efficiency are obviously diverse, and the regional differences between the east-west distribution and north-south distribution of high-efficiency areas are prominent, which mainly shows a cluster development stimulated with urban agglomeration. and reflects that the green development efficiency of the study basin has a circular cumulative path dependent effect. The influencing factors of green development efficiency in the Yellow River Basin can be attributed to the adjustment effect of industrial structure, the growth effect of economic development, the demonstration effect and spillover effect of science and technology, the government regulation mechanism and market-oriented mechanism. Finally, Tobit regression model is used to analyze the influencing intensity and direction of industrial structure, economic development, science and technology, government regulation and marketization level on green development efficiency in the Yellow River Basin and its subzones.

Key words： green development efficiency; spatio-temporal evolution track; influencing factors; Tobit regression model; Yellow River Basin

1 引言

1978年以后中国GDP以年均增长率近10%而被誉为“中国奇迹”[1]。但经济的规模扩张与异速增长依赖于资源能源的规模化投入,高投入-高消耗-高污染的传统应急抢救型为主的黑色线性发展模式已经逼近资源环境承载力临界点[2,3],进而倒逼社会经济发展模式的转变。另外中国经济进入新常态,客观上要求不断革新传统规模增长的经济发展模式,实现经济绿色可持续性发展。
绿色发展以可持续发展为目标导向,以质量提升为发展核心,以资源环境承载力为基础条件,以经济“绿色化”与“生态化”作为内容途径,最终追求由高耗低效的“工业文明”向集约高效的“生态文明”模式转变[4,5]。绿色发展效率作为衡量绿色发展的关键性指标[6],综合考虑了区域社会经济发展过程中的资源消耗情况,有利于客观体现区域可持续发展的真实成本[7]。绿色发展效率一直是地理学者研究的热点领域,目前集中于以下方面：① 概念解析。绿色发展效率不是单一要素生产率,而是生态效率与经济全要素生产率的复合作用效率[8]。微观层面,绿色发展效率指一定的生产条件下,绿色发展要素的投入-产出的比例关系;宏观层面,绿色发展效率是通过生产要素的合理组合,进而实现资源的最优配置及供给需求达到有效平衡[9]。绿色发展效率一方面通过衡量区域发展过程中的资源利用效率进而反映单位投入条件下的产出能力[10],另一方面通过资源环境成本的考量进而反映区域发展过程中的资源环境损耗[11]。但目前对于绿色发展效率的解析多侧重要素视角下投入产出的经济效益与环境效益等测度,而对复杂“经济-社会-自然”耦合系统的绿色发展效率理解不深,缺少多要素多层次视角下社会效益与综合效益的科学诠释。② 评价体系构建与研究方法选择。国内外学者一方面通过四阶段DEA模型[12]、RAM模型[13]、SFA[14]、SBM模型[15]、SBM-DEA模型[16]、EBM模型[8]、超效率DEA视窗分析[17]、Super-SBM模型[18]等方法,通过构建人力、资本、科技与资源要素的投入以及经济效益、社会效益以及生态效益等期望产出和考虑环境成本的非期望产出进行衡量。另一方面通过Malmquist-Luenberger指数[19]、DEA-Malmquist模型[20]、Malmquist指数[21]等方法,通过指数分解模型揭示绿色发展效率提升的来源。但基于径向效率的传统DEA模型存在效率高估的缺陷,而采用方向距离函数的SBM模型、Super-SBM模型与Undesirable-SBM模型等虽可以有效避免传统DEA模型需投入产出规模化[22,23,24],但其最终测度的是综合效率,无法计算每一个投入指标的效率以及无法比较多个评价单元效率值为1时的情况。同时在计算动态效率时,其模型设定时常常忽略了非径向视角[25]。可见,各种模型运用均基于一定的假设条件,不考虑区域实际与模型设定限制情况下可能导致分析结论有偏,未来选取更好的指标与模型仍是研究的重要内容。③ 时空异质性。多以城市和城市群为空间尺度展开了绿色发展效率时空异质性研究。一方面基于地级市尺度研究发现中国城市绿色发展效率“高高集聚、高带动低”的空间俱乐部趋同现象明显,具有东部地区>中部地区>西部地区的层级特征[20,26],不同类型城市存在显著的路径依赖与时空惯性[18,27]。另一方面基于城市群尺度研究认为中国城市群绿色发展效率呈现出“国家级>区域性>地方性”倒金字塔式集群增长特征[27,28]。然而由于城市之间存在显著差异性,仅以城市为研究尺度可能难以科学开展绿色发展效率的绩效评价研究。④ 驱动因素与作用机理。“经济-社会-环境”复合系统交互耦合作用下,自然条件与人文社会发展因素的非均衡性相互交织、相互影响共同导致了绿色发展效率的时空分异演变的多样性与复杂性。国内外关于绿色发展效率的影响因素主要集中于传统地理要素、新经济地理要素等方面。在传统地理要素方面,强调经济发展水平[29,30,31]、产业结构[15,18,32]、城镇化[9,29]、能源[18]、外商投资[33]等区域外生性因素对于绿色发展效率的影响程度。在新经济地理因素方面,强调产业集聚[34,35,36,37]与技术创新[18,27,29]对于绿色发展效率的影响。本质上,绿色发展效率“过程-格局”特征的形成是技术创新、资源禀赋、经济发展、产业结构、市场条件、政府监管等多种因素与动力作用下相互交织的结果[18]。但单一因素对于绿色发展效率影响的相关研究有余,绿色发展效率影响因素综合识别的相关研究仍需加强。
纵观绿色发展效率的研究,其研究方法更加多元化,研究内容从不同区域尺度下绿色发展效率测算进而演进至工业[38]、制造业[39]、海洋产业[40]乃至水资源[41]等具体部门的绿色发展效率评价。但以下方面仍存在不足：一是忽视了“绿色”内涵的科学考量,现有研究集中于经济效率、生态效率、能源效率、环保效率、土地利用效率等特定效率的分析,缺少对于包含“社会-经济-生态”复合系统的绿色发展效率的探讨。另外评价指标体系多以人力、资本、资源为投入要素,以经济的期望产出与污染因素的非期望产出衡量绿色发展效率,往往忽视了技术创新因素的影响,以及因技术创新与环境改善带来的社会效益和生态效益等,因此也难以真实科学反映区域绿色效率情况。二是对于绿色发展效率的实证分析多以计量分析为主,缺乏地理学空间视角,基于传统计量方法而忽视空间数据的空间依赖性的研究可能导致分析结论有偏。三是需要重视流域绿色发展效率的研究,资源禀赋的耦合性与异质性、流域的联系性与空间制约性等特点使得流域绿色发展效率的研究应该不断加强。黄河流域具有独特的自然-人文特征,是多种地理突变的深度集成区域[42],如何利用地理学多维视角与综合集成思维科学解析黄河流域绿色发展效率时空分异特征与影响因素显得十分必要。基于此,本文科学构建了黄河流域绿色发展效率评价指标体系,并通过多种计量方法对其时空演变与驱动因素进行了综合研究,希冀为黄河流域生态保护和高质量发展提供借鉴。

2 研究区概况与研究方法

2.1 研究区概况

黄河流域已成为全国最大规模的农牧业生产及其加工业基地以及能源原材料工业基地[43],但流域明显存在着东西向梯度发展差异性。同时黄河流域作为生态环境脆弱区与破碎区,流域未来发展面临的生态环境约束效应愈加突出,研究黄河流域绿色发展对于推动中国区域协调发展、优化生产力布局具有重要的战略意义[44]。以流域自然禀赋为基础,考虑行政区划以及黄河直接关联性[45],借鉴相关研究成果[46,47],将研究区域界定为黄河流经的青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东9个省级行政区域,共计73个地级市（或州、盟）。限于数据获取,济源市、阿拉善盟、阿坝藏族羌族自治州、甘南藏族自治州、临夏回族自治州、海北藏族自治州、海南藏族自治州、海西蒙古族藏族自治州、黄南藏族自治州、果洛藏族自治州、玉树藏族自治州以及海东市缺失数据较多,不纳入研究区域范围,最终确定61个地级市（图1）。2017年研究区域GDP和总人口约为7.14万亿元和2.38亿人,分别约占全国比例为8.64%和17.12%。研究区域石油煤炭、电力燃气、原材料等资源型产业较为发育,重型化产业结构特征尤为突出,区域发展的内生动力不足,随着黄河流域生态保护和高质量发展上升为国家战略,黄河流域绿色转型发展的研究愈加迫切。
图1 研究区域示意

注：该图基于自然资源部地图技术审查中心标准地图（审图号为GS(2019)1822号）制作,底图无修改。

Fig. 1 The study area (Yellow River Basin)

2.2 研究方法

2.2.1 SBM-Undesirable模型 传统资源、劳动力、资本及科学技术等要素投入,除产生经济效益及社会效益等期望产出外,还可能产生环境污染等非期望产出。传统角度的或径向的DEA模型未能充分考虑松弛性变量问题受到诟病,也难以科学反映区域发展的真实效率。而基于松弛变量的非期望产出模型-SBM-Undesirable模型,通过减少投入与非期望产出、增加期望产出的平均比例可以更加体现“绿色”内涵,其计算公式详见参考文献[48]。同时根据相关研究[49]可划分为高效率地区(ρ*=1)、效率良好地区(ρ*∈[0.8, 1))、效率中等地区(ρ*∈[0.6, 0.8))、效率无效地区(ρ*∈[0, 0.6))。
2.2.2 空间统计分析 空间自相关和冷热点分析方法可以用来揭示黄河流域绿色发展效率的集散特征与空间形态,其中空间自相关分析中Global Moran's I指数可以识别相邻区域整体上是否具有相似或者相异特征,进而反映区域是否存在空间正相关或者空间负相关特征;而冷热点分析中Getis-Ord Gi*指数可以识别黄河流域不同城市的空间集聚情况,进而反映绿色发展效率的空间依赖性和异质性,其具体计算步骤详见参考文献[50]。
2.2.3 Tobit回归模型 由于黄河流域绿色发展效率数值∈[0, 1],而Tobit回归模型可以很好解决因变量受限问题被广泛应用于多元线性回归模型中,因此构建Tobit多元回归模型,运用Stata软件进行Tobit回归分析从而识别黄河流域绿色发展效率的影响因素的作用强度与作用方向,其具体计算步骤详见参考文献[9]。

2.3 指标体系与数据来源

绿色发展效率以经济绿色化、产业轻型化、能源清洁化、科技高效化为主要内容,通过经济集约化发展、环境友好型产业构建、能源高效化利用等途径,从而实现经济增长与资源消耗、污染排放全面脱钩[27]。绿色发展效率综合反映了社会-经济-生态系统之间协调发展的状况,对其研究不仅要考虑社会经济发展过程中投入产出要素的资源最优配置,同时也要考虑生态系统的环境污染情况。基于绿色发展效率内涵,借鉴前人研究成果[9,15,18,27],综合构建了黄河流域绿色发展效率的投入产出指标体系（表1）。值得注意的是,各市GDP根据平减指数法调整为2005年不变价格,另外由于资本存量无法直接获取,由此采用固定资产投资予以表征。
表1 黄河流域绿色发展效率评价指标体系

Tab. 1 Evaluation index system of green development efficiency in the Yellow River Basin

类型 要素 指标 含义
投入 劳动力 年末从业人员数 表示劳动力投入要素
资本 固定资产投资 表示固定资本存量要素
科技 科学技术支出/一般公共预算支出 表示科学技术支持力度
资源 用水总量 表示社会供水保障能力
全社会用电量 表示社会供电保障能力
产出 期望产出 GDP 表示经济产出效益
社会消费品零售总额 表示社会产出效益
绿地面积 表示环境产出效益
非期望产出 工业SO2排放量 表示环境污染排放产出
工业废水排放量 表示环境污染排放产出

3 黄河流域绿色发展效率时空演变特征

3.1 黄河流域绿色发展效率演化的时序特征

采用非期望产出的DEA-SBM模型对黄河流域绿色发展效率进行测算（表2）,总体上,黄河流域绿色发展效率不断下降,由2005年0.7921降至2017年0.6995,且研究期限内,黄河流域绿色发展效率可以明显分为2005—2006年上升发展时期、2007—2012年不断下降时期、2013—2017年波动下降时期,由此反映出现阶段黄河流域仍然处于粗放外延的高耗低效发展模式,区域发展与资源环境消耗尚未实现完全脱钩状态,未来区域绿色转型发展面临着较为严峻的资源环境约束效应。从流域特征分析,整体上黄河流域绿色发展效率呈现出上游地区>中游地区>下游地区的流域特征,但经济发展水平呈现出上游落后、中游崛起、下游发达的阶梯状发展格局[37],一方面反映了黄河流域绿色发展效率区域差异性显著,下游社会经济发展仍然依赖于工业化规模扩张与总量增长的黑色发展模式,低耗高效的绿色发展模式任重而道远。
表2 2005—2017年黄河流域绿色发展效率指数及其分解

Tab. 2 Green development efficiency index and its decomposition of the Yellow River Basin in 2005-2017

年份 黄河流域 上游地区 中游地区 下游地区
GDE PTE SE GDE PTE SE GDE PTE SE GDE PTE SE
2005 0.792 0.839 0.946 0.834 0.878 0.952 0.783 0.815 0.960 0.845 0.853 0.989
2006 0.858 0.880 0.972 0.868 0.887 0.975 0.853 0.870 0.976 0.823 0.839 0.978
2007 0.851 0.880 0.962 0.856 0.889 0.959 0.851 0.882 0.962 0.802 0.834 0.961
2008 0.851 0.880 0.962 0.856 0.889 0.959 0.851 0.882 0.962 0.802 0.834 0.961
2009 0.851 0.871 0.972 0.858 0.880 0.969 0.852 0.871 0.974 0.806 0.840 0.961
2010 0.834 0.873 0.956 0.835 0.876 0.953 0.828 0.869 0.955 0.798 0.815 0.977
2011 0.843 0.891 0.948 0.847 0.895 0.947 0.827 0.882 0.940 0.801 0.823 0.970
2012 0.767 0.843 0.910 0.770 0.847 0.910 0.758 0.830 0.912 0.685 0.745 0.926
2013 0.775 0.863 0.899 0.777 0.876 0.891 0.787 0.861 0.911 0.746 0.787 0.941
2014 0.790 0.872 0.906 0.794 0.876 0.907 0.799 0.862 0.924 0.718 0.777 0.925
2015 0.724 0.811 0.895 0.730 0.832 0.880 0.741 0.806 0.918 0.684 0.733 0.929
2016 0.761 0.856 0.893 0.756 0.869 0.872 0.786 0.862 0.912 0.760 0.831 0.914
2017 0.700 0.803 0.874 0.706 0.817 0.867 0.714 0.793 0.899 0.735 0.773 0.946
均值 0.800 0.859 0.930 0.807 0.870 0.926 0.802 0.853 0.939 0.770 0.806 0.952

注：GDE、PTE、SE分别表示绿色发展效率、纯技术效率、规模效率。

总体上,2005—2017年黄河流域绿色发展效率、纯技术效率、规模效率指数分别为0.7998、0.8586、0.9303,由此说明黄河流域绿色发展效率增长主要来源于规模效率的贡献,科学技术尚未发挥重要驱动作用,在边际报酬递减规律作用下,未来黄河流域绿色发展效率增长面临着较为严峻的资源环境约束,提升黄河流域科学技术水平才是绿色发展效率优化改善的关键所在。研究期限内黄河流域纯技术效率与规模效率均呈现小幅度范围内波动特征,对于黄河流域、上游地区、中游地区变化幅度最大是规模效率,而对于下游地区则为纯技术效率,由此说明规模化集聚水平与集约化发展仍然是黄河流域、上游地区以及中游地区提升的重要保障,而下游地区技术水平的提高才是绿色发展效率提升的关键。
变异系数分析（图2）,黄河流域绿色发展效率区域差距不断扩大,总体上由“高效率小差距”向“低效率大差距”演进,且绿色发展效率的流域性、阶段性以及俱乐部收敛特征不断凸显。整体上,黄河流域绿色发展效率和纯技术效率在2005—2011年均呈波动式下降,2012—2017年波动式上升,其中2011年绿色发展效率和纯技术效率均降至最低值0.2464和0.1979,后在2017年均升至最高值0.4326和0.3306。规模效率在2005—2009年波动下降,2010—2017年逐年递增,其中2009年规模效率变异系数降至最低值0.0704,后在2017年升至最高值0.2370。黄河流域不同效率指数的区域差异程度呈现出绿色发展效率>纯技术效率>规模效率,随着研究区域资源不断枯竭以及环境规制不断趋严背景下,由资源能源等生产要素投入进而驱动经济增长模式的贡献程度不断降低,未来发挥技术驱动型经济增长模式才是绿色发展效率达到帕累托最优的关键保证。
图2 黄河流域绿色发展效率变异系数

Fig. 2 Variation coefficient of green development efficiency in the Yellow River Basin

3.2 黄河流域绿色发展效率空间分异特征

借助于GeoDa软件,利用欧式空间距离（Euclidean Distance）作为评价权重,计算2005—2017年黄河流域61个地级市绿色发展效率的全局莫兰指数（表3）。由表3可知,研究期限内黄河流域绿色发展效率均通过了10%水平下的显著性检验,即研究区域绿色发展效率整体存在较为明显的空间依存关系。研究期限内全局莫兰指数均为正值,且呈现“峰-谷-峰-谷”的演化特征,说明黄河流域61地级市绿色发展水平接近地区具有空间集聚现象,即绿色发展水平较高的城市与其他绿色发展水平较高城市相邻近,绿色发展水平较低的城市之间趋于临近。
表3 2005—2017年黄河流域全局莫兰指数

Tab. 3 The Global Moran's I of the Yellow River Basin in 2005-2017

指数 年份
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
I 0.223 0.258 0.526 0.424 0.360 0.337 0.310 0.300 0.306 0.410 0.347 0.150 0.212
P 0.001 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.018 0.001
借助于ArcGIS技术平台将2005年、2011年、2017年研究区域绿色发展效率进行空间可视化分析（图3）,从不同效率区域演化类型分析,2005年高效率地区、效率良好地区、效率中等地区、效率无效地区分别为35个、2个、4个、20个,2011年四种类型区域分别演变为37个、1个、11个、12个,2017年则演化为29个、0个、2个、30个,2005—2017年效率无效区域不断增加,占比由2005年32.79%上升至2017年49.18%,效率较好区域不断减少,说明黄河流域众多城市仍是依赖于资源要素的规模化投入,其绿色转型发展任重道远。从不同效率区域空间分布分析,黄河流域绿色发展效率空间分异性显著,高效率地区的东西分布、南北分布的地域差异性突出,集中表现在以城市群为发展载体呈集群式发展,如山东半岛城市群、呼包鄂榆城市群、关中平原城市群、兰西城市群等一直是效率发展最优地区。另外空间分布演化态势分析,黄河流域绿色发展效率具有较强的马太效应,空间分布上由2005年散团分布进而演化为2011年连片集聚分布最后演化为2017年水平相似地区集聚发展特征,侧面反映出黄河流域绿色发展效率具有循环累积的路径依赖效应,效率高值区与低值区两极化空间分异特征愈加突出。
图3 黄河流域绿色发展效率空间分异

注：该图基于自然资源部地图技术审查中心标准地图（审图号为GS(2019)1822号）制作,底图无修改。

Fig. 3 Spatial differentiation of green development efficiency in the Yellow River Basin

为了更好识别黄河流域绿色发展效率的空间格局演化,采用局部空间关联Getis-Ord Gi*指数对2005年、2011年、2017年绿色发展效率指数进行分析,并利用自然断裂点法对Getis-Ord Gi*指数进行划分,即热点区、次热点区、次冷点区和冷点区（图4）。
图4 黄河流域绿色发展效率冷热点区空间格局演化

注：该图基于自然资源部地图技术审查中心标准地图（审图号为GS(2019)1822号）制作,底图无修改。

Fig. 4 Spatial pattern of coldspots and hotspots of green development efficiency in the Yellow River Basin

热点区和次热点区空间集聚格局发生了明显的跃迁过程。2005年热点区主要分布在以济南为中心的省会都市圈,2011年中游地区则形成了以延安和庆阳为中心的热点区,2017年则分别形成了以济南为中心、以呼和浩特为中心的热点区。次热点区主要分布在热点区周围,且随着时间的推移,热点区与次热点区的空间范围逐渐缩小,并向山东、内蒙等省份的部分城市进行集中,由此反映出,黄河流域绿色发展仍处于集聚发展时期,具有稳定固化的收敛特征,对周边区域的辐射带动效果还不够明显。
冷点区与次冷点区空间分布格局发生明显的变化。2005年冷点区主要分布在山西省部分城市,如大同、朔州、阳泉、晋中、长治等,空间呈南北狭长的城市带。2011年冷点区开始向南部与东部地区进行移动,且空间呈现集聚连片分布格局。2017年冷点区开始向北部与西部地区迁移,且冷点区空间集聚范围进一步扩大。2017年冷点区与次冷点区越来越集中于中游地区,相对也影响了黄河流域绿色发展空间溢出效应的发挥。

4 黄河流域绿色发展效率的影响因素分析

黄河流域绿色发展效率“过程-格局”特征的形成是产业结构、经济发展、科学技术、政府调控、市场化水平等多种因素相互交织的结果。产业结构调整与优化升级,可以显著促进清洁型产业与轻型化产业的快速发展,不断促进黄河流域绿色发展效率的提升;经济发展水平的不断改善,一方面可以促进规模集聚效应发挥,为黄河流域产业结构调整与发展模式转变提供物质基础。另一方面随着经济发展水平提升,人们对于美好生活的向往也会倒逼流域绿色发展模式转变;科学技术不仅可以直接创建新型高效产业,而且可以革新传统产业,促进产业的生态化与高效化发展。同时科学技术可以促进生产过程中源头消减效率、清洁生产效率以及末端治理效率的提升,促进黄河流域社会经济发展与资源环境的全面脱钩;在财政分权体制下,政府调控具有无可比拟的先天优势,是可以有效改变路径依赖与路径锁定的外在变量,为黄河流域绿色发展的路径创造指明了方向;市场化水平在资源配置中发挥着重要的基础性作用,市场竞争机制迫使企业甚至城市管理者采用先进技术与管理经验,共同促进黄河流域绿色发展效率提升。产业结构调整效应、经济发展的水平效应与增长效应、科学技术的示范效应与溢出效应、政府调控调节机制与市场化竞争机制共同影响着黄河流域绿色发展效率的提升。借鉴前人研究成果[15,18,27],本文选取产业结构、经济发展、科学技术、政府调控、市场化水平等分析影响黄河流域绿色发展效率的作用因素,各指标选取如下：① 产业结构（x1）,选取第二产业增加值占GDP比重。② 经济发展（x2）,选取人均GDP。③ 科学技术（x3）,选取科技支出与教育支出之和占GDP比重。④ 政府调控（x4）,选取财政支出占GDP比重。⑤ 市场化水平（x5）,选取民营经济发展指数。研究数据主要来源于《中国城市统计年鉴》[51]《忻州统计年鉴》[52]《吕梁统计年鉴》[53]以及《呼和浩特市经济统计年鉴》[54]。
借助Stata15软件对绿色发展效率的影响因素进行Tobit回归分析（表4）。从影响因素的作用强度分析,黄河流域和上游地区的驱动因素的作用强度均表现为科学技术>经济发展>产业结构>市场化水平>政府调控,而在中游地区和下游地区则分别表现为政府调控>产业结构>经济发展>市场化水平>科学技术以及政府调控>科学技术>产业结构>经济发展>市场化水平。由此可见,黄河流域和上游地区的关键性驱动因素为科学技术,而中游地区和下游地区则为政府调控。从关键性驱动因素作用方向分析,科学技术对于黄河流域和上游地区发挥着重要的负向驱动作用,反映了黄河流域和上游地区整体面临着人才流失以及流域科技创新能力不足的共性问题。同时说明了黄河流域作为全国重要的能源原材料生产基地,其流域绿色发展效率的提升仍然依赖于资源禀赋的规模化开发,流域绿色可持续发展能力亟待提升。政府调控对于中游地区和下游地区作用方向各异。中游地区主要包括山西省和陕西省的部分地市,山西省和陕西省作为中国重要的资源大省,全国126个地级市资源型城市中山西省和陕西省分别有10个、6个。随着矿产资源的日趋枯竭,加之新兴产业增长点尚未形成,为了维持经济持续发展,势必需要发挥政府在资源型城市转型过程中的介入角色,发挥政策倾斜红利作用,可以有效破解资源型城市“资源诅咒”效应和创新挤出效应,由此也导致了政府调控因素在中游地区发挥着正向促进作用。而下游地区产业结构不断优化升级,市场化水平不断完善,过多的政府干预可能会造成资源的低效配置,由此导致政府调控因素在下游地区发挥着负向驱动作用。
表4 黄河流域绿色发展效率影响因素的回归结果

Tab. 4 Regression results of factors influencing green development efficiency in the Yellow River Basin

变量 黄河流域 上游地区 中游地区 下游地区
Coef. std.Err. Sig.t Coef. std.Err. Sig.t Coef. std.Err. Sig.t Coef. std.Err. Sig.t
x1 0.000 0.001 0.059 0.000 0.002 0.047 0.000 0.001 0.001 0.002 0.002 0.099
x2 0.004 0.001 0.001 0.005 0.002 0.008 0.003 0.003 0.330 0.001 0.002 0.532
x3 -0.010 0.003 0.038 -0.020 0.008 0.003 0.002 0.006 0.712 -0.010 0.005 0.244
x4 0.001 0.001 0.632 0.001 0.002 0.394 0.006 0.002 0.017 -0.010 0.005 0.038
x5 0.001 0.000 0.013 0.003 0.001 0.001 0.000 0.001 0.046 0.001 0.001 0.032
cons 2.564 0.426 0.000 3.675 0.891 0.000 2.567 0.747 0.001 0.611 0.752 0.417

注：Coef、std.Err、Sig.t分别为回归系数、标准误和t值。

从不同因素的作用效果分析,产业结构因素均通过了0.1水平下的显著性检验,但其对黄河流域、上游地区、中游地区发挥着负向驱动作用,而在下游地区则发挥正向促进作用,由此反映出下游地区产业结构“轻型化”与“清型化”发展较好,上中游地区产业结构重型化等共性问题尚未得到根本性改变;经济发展因素仅在黄河流域与上游地区均通过了0.01水平下的显著性检验,提高区域经济发展水平可以显著改善区域生产技术、能源结构等,但中下游未通过显著性检验说明中下游地区经济发展的驱动因素相对复杂化;科学技术因素在黄河流域与上游地区均通过了0.05水平下的显著性检验,但其影响系数仅在中游地区为正,反映出黄河流域整体面临着科学技术水平提升,黄河流域创新驱动效应漫长而艰巨;政府调控因素在中游与下游地区均通过了0.05水平下的显著性检验,且其对于黄河流域、中上游地区影响为正,对下游地区影响为负,由此也反映出黄河流域与中上游地区“自上而下”型经济发展特征突出;市场化水平均通过了0.05水平下的显著性检验,且其对黄河流域、上游地区、下游地区发挥着正向促进作用,而在中游地区则发挥负向驱动作用。市场化水平可以通过市场竞争机制、价格互馈机制、供需平衡机制、风险预警机制等实现资源要素的高效率配置,理论上完全市场机制下可以实现资源配置的帕累托最优。

5 结论与讨论

（1）黄河流域绿色发展效率总体呈下降趋势,反映出流域发展与资源环境消耗尚未实现完全脱钩,未来流域绿色转型发展面临严峻的资源环境瓶颈制约。流域特征上,黄河流域绿色发展效率表现出上游地区>中游地区>下游地区的流域特征,反映出流域仍处于传统应急抢救型为主的黑色发展模式,未来向低耗高效的绿色发展模式转变之路漫长而艰巨。流域差异上,黄河流域绿色发展效率差异程度不断扩大,呈现出由“高效率小差距”向“低效率大差距”演进,反映出流域绿色发展效率的俱乐部收敛特征相对凸显。
（2）黄河流域绿色发展效率增长主要来源于规模效率的贡献,科学技术尚未发挥重要驱动作用,说明黄河流域绿色发展效率具有不可持续性特征。另外黄河流域绿色发展效率变化具有显著差异性,研究期限内黄河流域、上游地区、中游地区的规模效率变动幅度最大,而下游地区则为纯技术效率,说明规模集聚与集约化发展是黄河流域、上游地区、中游地区绿色发展效率提升的重要保障,而下游地区则为科学技术发展水平。
（3）黄河流域绿色发展效率空间分异现象显著。研究期限内黄河流域绿色发展水平接近地区具有空间集聚现象,高效率地区的东西分布、南北分布的地域差异性突出,集中表现在以城市群为发展载体呈集群式发展。而黄河流域绿色发展效率演化态势上具有明显的马太效应,侧面反映出流域绿色发展效率具有循环累积的路径锁定效应,由此可见,未来积极培育和发展城市群是打破黄河流域绿色发展效率路径依赖自增强机制的重要途径。
（4）产业结构调整效应、经济发展的水平效应与增长效应、科学技术的示范效应与溢出效应、政府调控调节机制与市场化机制共同影响着黄河流域绿色发展效率的提升。科学技术对于黄河流域和上游地区发挥着负向驱动作用,反映出这些地区面临着人才流失以及流域科技创新能力不足的共性问题。而政府调控对于中游地区和下游地区发挥着差异化的驱动作用,未来如何科学发挥宏观指引作用仍是流域绿色发展面临的重要问题。
对于黄河流域绿色发展效率的研究有着迫切的现实诉求,推动黄河流域绿色发展,是破解中国区域协调发展难点的战略举措与实现高质量发展的关键所在。长时期追求规模扩张与总量增长的发展方式导致了流域严重的资源环境问题,不断制约着流域绿色发展效率的提升与高质量发展。未来黄河流域绿色发展效率科学提升需要多尺度的循序推进,一方面综合借助要素禀赋优势,因地制宜与因时制宜采取多样化的发展方式,形成流域合理分工体系,可以有效改变流域绿色发展效率贫富俱乐部收敛特征;另一方面不断推进产业“轻型化”与“清型化”,加快国有企业优化重组进程,不断促进流域由物质驱动发展模式向创新驱动的绿色发展模式转变,全面提升黄河流域绿色发展水平。本论文学术贡献主要在于从时空异质、空间关联和要素相互作用视角,研究了资源环境胁迫作用效应典型区域-黄河流域的绿色发展效率时空演变格局与驱动因素,有助于科学识别绿色发展的演化规律和制约因素。但黄河流域作为中国重要的生态经济地域,其流域发展时空格局形成是受多种要素相互作用与相互影响的结果。另外黄河流域社会经济发展已经形成了较为明显的上中下游空间分异现象,未来尝试从微观视角选取典型案例区深入揭示其时空格局与作用机制。
致谢：真诚感谢匿名评审专家在论文评审中所付出的时间和精力,专家对本文的综述完善、指标选取、理论提升、实证分析等方面提出了宝贵的修改意见,使本文获益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
郭付友, 佟连军, 刘志刚, 等. 山东省产业生态化时空分异特征与影响因素: 基于17地市时空面板数据. 地理研究, 2019, 38(9):2226-2238.

DOI

[ Guo Fuyou, Tong Lianjun, Liu zhigang, et al. Spatial-temporal pattern and influencing factors of industrial ecology in Shandong province: Based on panel data of 17 cities. Geographical Research, 2019, 38(9):2226-2238.]. DOI: 10.11821/dlyj020180474.

DOI

[2]
鲍超. 中国城镇化与经济增长及用水变化的时空耦合关系. 地理学报, 2014, 69(12):1799-1809.

DOI

[ Bao Chao. Spatio-temporal coupling relationships among urbanization, economic growth and water use change in China. Acta Geographica Sinica, 2014, 69(12):1799-1809.]. DOI: 10.11821/dlxb201412006.

DOI

[3]
徐传谌, 王鹏, 崔悦, 等. 城镇化水平、产业结构与经济增长: 基于中国2000-2015年数据的实证研究. 经济问题, 2017, (6):26-29.

[ Xu Chuanchen, Wang Peng, Cui Yue, et al. The urbanization level, industrial structure and economic growth: Based on China’s empirical data from 2000 to 2015. On Economic Problems, 2017, (6):26-29.]. DOI: 10.16011/j.cnki.jjwt.2017.06.005.

DOI

[4]
胡鞍钢, 周绍杰. 绿色发展: 功能界定、机制分析与发展战略. 中国人口·资源与环境, 2014, 24(1):14-20.

[ Hu Angang, Zhou Shaojie. Green development: Functional definition, mechanism analysis and development strategy. China Population, Resources and Environment, 2014, 24(1):14-20.]. DOI: 10.3969/j.issn.1002-2104.2014.01.003.

DOI

[5]
郭付友, 侯爱玲, 佟连军, 等. 振兴以来东北限制开发区绿色发展水平时空分异与影响因素. 经济地理, 2018, 38(8):58-66.

[ Guo Fuyou, Hou Ailing, Tong Lianjun, et al. Spatio-temporal pattern and influencing factors of green development in the northeast restricted development zone since the revitalization of the Northeast China. Economic Geography, 2018, 38(8):58-66.]. DOI: 10.15957/j.cnki.jjdl.2018.08.008.

DOI

[6]
杨志江, 文超祥. 中国绿色发展效率的评价与区域差异. 经济地理, 2017, 37(3):10-18.

[ Yang Zhijiang, Wen Chaoxiang. Evaluation on China's green development efficiency and regional disparity. Economic Geography, 2017, 37(3):10-18.]. DOI: 10.15957/j.cnki.jjdl.2017.03.002.

DOI

[7]
穆学英, 刘凯, 任建兰. 中国绿色生产效率区域差异及空间格局演变. 地理科学进展, 2017, 36(8):1006-1014.

DOI

[ Mu Xueying, Liu Kai, Ren Jianlan. Spatial differentiation and change of green production efficiency in China. Progress in Geography, 2017, 36(8):1006-1014.]. DOI: 10.18306/dlkxjz.2017.08.009.

DOI

[8]
Qu Y, Yu Y, Appolloni A, et al. Measuring green growth efficiency for Chinese manufacturing industries. Sustainability, 2017, 9(4):637-654. DOI: 10.3390/su9040637.

DOI

[9]
钱争鸣, 刘晓晨. 中国绿色经济效率的区域差异与影响因素分析. 中国人口·资源与环境, 2013, 23(7):104-109.

[ Qian Zhengming, Liu Xiaochen. Regional differences in China's green economic efficiency and their determinants. China Population, Resources and Environment, 2013, 23(7):104-109.]. DOI: 10.3969/j.issn.1002-2104.2013.07.016.

DOI

[10]
王军, 耿建. 中国绿色经济效率的测算及实证分析. 经济问题, 2014, (4):52-55.

[ Wang Jun, Geng Jian. Analysis and empirical study on China green economic efficiency. On Economic Problems, 2014, (4):52-55.]. DOI: 10.16011/j.cnki.jjwt.2014.04.011.

DOI

[11]
Ahmed E M. Green TFP intensity impact on sustainable East Asian productivity growth. Economic Analysis and Policy, 2012, 42(1):67-78. DOI: 10.1016/S0313-5926(12)50005-6.

DOI

[12]
Zkara Y, Atak M. Regional total-factor energy efficiency and electricity saving potential of manufacturing industry in Turkey. Energy, 2015, 93:495-510. DOI: 10.1016/j.energy.2015.09.036.

DOI

[13]
Ramli N A, Munisamy S. Eco-efficiency in greenhouse emissions among manufacturing industries: A range adjusted measure. Economic Modeling, 2015, 47:219-227. DOI: 10.1016/j.econmod.2015.02.034.

DOI

[14]
盖美, 刘丹丹, 曲本亮. 中国沿海地区绿色海洋经济效率时空差异及影响因素分析. 生态经济, 2016, 32(12):97-103.

[ Gai Mei, Liu Dandan, Qu Benliang. The research for spatial-temporal differentiation and influence factors of green marine economic efficiency in China. Ecological Economy, 2016, 32(12):97-103.]. DOI: CNKI: SUN: STJJ.0.2016-12-021.

DOI

[15]
林晓, 徐伟, 杨凡, 等. 东北老工业基地绿色经济效率的时空演变及影响机制: 以辽宁省为例. 经济地理, 2017, 37(5):125-133.

[ Lin Xiao, Xu Wei, Yang Fan, et al. Spatio-temporal characteristics and driving forces of green economic efficiency in old industrial base of northeastern China: A case study of Liaoning province. Economic Geography, 2017, 37(5):125-133.]. DOI: 10.15957/j.cnki.jjdl.2017.05.017.

DOI

[16]
Guo Yanhua, Tong Lianjun, Mei Lin. The effect of industrial agglomeration on green development efficiency in northeast China since the revitalization. Journal of Cleaner Production, 2020, 258:120584. DOI: 10.1016/j.jclepro.2020.120584.

DOI

[17]
吴旭晓. 区域工业绿色发展效率动态评价及提升路径研究: 以重化工业区域青海、河南和福建为例. 生态经济, 2016, 32(2):63-68.

[ Wu Xuxiao. Research on the improving path and dynamic evaluation of regional industrial green development efficiency: Taking the heavy chemical industry zone of Qinghai, Henan and Fujian as examples. Ecological Economy, 2016, 32(2):63-68.]. DOI: CNKI:SUN:STJJ.0.2016-02-014.

DOI

[18]
车磊, 白永平, 周亮, 等. 中国绿色发展效率的空间特征及溢出分析. 地理科学, 2018, 38(11):1788-1798.

DOI

[ Che Lei, Bai Yongping, Zhou Liang, et al. Spatial pattern and spillover effects of green development efficiency in China. Scientia Geographica Sinica, 2018, 38(11):1788-1798.]. DOI: 10.13249/j.cnki.sgs.2018.11.006.

DOI

[19]
李汝资, 刘耀彬. 1978年以来中国省际全要素生产率时空演变特征研究. 华东经济管理, 2016, 30(7):57-62.

[ Li Ruzi, Liu Yaobin. A study on the temporal and spatial evolution characteristics of the Chinese provincial TFP since 1978. East China Economic Management, 2016, 30(7):57-62.]. DOI: 10.3969/j.issn.1007-5097.2016.07.009.

DOI

[20]
聂玉立, 温湖炜. 中国地级以上城市绿色经济效率实证研究. 中国人口·资源与环境, 2015, 25(5):409-413.

[ Nie Yuli, Wen Huwei. Green economic efficiency of Chinese city at the level of municipality or above. China Population, Resources and Environment, 2015, 25(5):409-413.]. DOI: CNKI:SUN:ZGRZ.0.2015-S1-101.

DOI

[21]
李汝资, 刘耀彬, 王文刚, 等. 长江经济带城市绿色全要素生产率时空分异及区域问题识别. 地理科学, 2018, 38(9):1475-1482.

[ Li Ruzi, Liu Yaobin, Wang Wengang, et al. Spatial-temporal evolution of green total factor productivity and identification of area problems in the Yangtze River Economic Belt. Scientia Geographica Sinica, 2018, 38(9):1475-1482.]. DOI: 10.13249/j.cnki.sgs.2018.09.010.

DOI

[22]
Bai Y, Hua C C, Jiao J L, et al. Green efficiency and environmental subsidy: Evidence from thermal power firms in China. Journal of Cleaner Production, 2018, 188:49-61. DOI: 10.1016/j.jclepro.2018.03.312.

DOI

[23]
Tao X P, Wang P, Zhu B Z. Provincial green economic efficiency of China: A non-separable input-output SBM approach. Applied Energy, 2016, 171:58-66. DOI: 10.1016/j.apenergy.2016.02.133.

DOI

[24]
Zhu B Z, Zhang M F, Huang L Q, et al. Exploring the effect of carbon trading mechanism on China’s green development efficiency: A novel integrated approach. Energy Economics, 2019, 85:104601. DOI: 10.1016/j.eneco.2019.104601.

DOI

[25]
Lu Y Y, Cao B, Hua Y D, et al. Efficiency measurement of green regional development and its influencing factors: An improved data envelopment analysis framework. Sustainability, 2020, 12(11):1-23. DOI: 10.3390/su12114361.

DOI

[26]
王晓云, 魏琦, 杨秀平. 城市绿色经济效率动态评价及影响因素: 基于285个地级以上城市数据的分析. 生态经济, 2017, 33(2):68-71.

[ Wang Xiaoyun, Wei Qi, Yang Xiuping. Dynamic evaluation of urban green economy efficiency and its influencing factors: Based on data of 285 cities. Ecological Economy, 2017, 33(2):68-71.]. DOI: CNKI: SUN:STJJ.02017-02-016..

DOI

[27]
周亮, 车磊, 周成虎. 中国城市绿色发展效率时空演变特征及影响因素. 地理学报, 2019, 74(10):2027-2044.

DOI

[ Zhou Liang, Che Lei, Zhou Chenghu. Spatio-temporal evolution and influencing factors of urban green development efficiency in China. Acta Geographica Sinica, 2019, 74(10):2027-2044.]. DOI: 10.11821/dlxb201910006.

DOI

[28]
刘杨, 杨建梁, 梁媛. 中国城市群绿色发展效率评价及均衡特征. 经济地理, 2019, 39(2):110-117.

[ Liu Yang, Yang Jianliang, Liang Yuan. The green development efficiency and equilibrium features of urban agglomerations in China. Economic Geography, 2019, 39(2):110-117.]. DOI: 10.15957/j.cnki.jjdl.2019.02.013.

DOI

[29]
叶仁道, 张勇, 罗堃. 中国绿色经济效率的测算及影响因素: 基于偏正态面板数据模型. 技术经济, 2017, 36(11):79-85.

[ Ye Rendong, Zhang Yong, Luo Kun. Calculation and influence factors of green economic efficiency of China: Based on skew-normal panel data model. Technology Economics, 2017, 36(11):79-85.]. DOI: 10.3969/j.issn.1002-980X.2017.11.011..

DOI

[30]
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. 经济研究, 2010, 45(5):95-109.

[ Wang Bing, Wu Tingrui, Yan Pengfei. Environmental efficiency and environmental total factor productivity growth in China’s regional economies. Economic Research Journal, 2010, 45(5):95-109.]. DOI: CNKI:SUN:JJYJ.0.2010-05-008.

DOI

[31]
袁鹏, 程施. 中国工业环境效率的库兹涅茨曲线检验. 中国工业经济, 2011, (2):79-88.

[ Yuan Peng, Cheng Shi. Examining Kuznets Curve in environmental efficiency of China’s industrial sector. China Industrial Economics, 2011, (2):79-88.]. DOI: 10.19581/j.cnki.ciejournal.2011.02.008.

DOI

[32]
张文博, 邓玲, 尹传斌. “一带一路”主要节点城市的绿色经济效率评价及影响因素分析. 经济问题探索, 2017, (11):84-90.

[ Zhang Wenbo, Deng Ling, Yin Chuanbin. Green economic efficiency evaluation and its influencing factors analysis in the main node city of the One belt and one road. Inquiry into Economic Issues, 2017, (11):84-90.]

[33]
Zhou L, Zhou C H, Che L, et al. Spatio-temporal evolution and influencing factors of urban green development efficiency in China. Journal of Geographical Sciences, 2020, 30(5):37-55. DOI: 10.1007/s11442-020-1752-5.

DOI

[34]
刘耀彬, 袁华锡, 王喆. 文化产业集聚对绿色经济效率的影响: 基于动态面板模型的实证分析. 资源科学, 2017, 39(4):747-755.

[ Liu Yaobin, Yuan Huaxi, Wang Zhe. Dynamic panel data modeling of the effects of cultural industry clusters on green economic efficiency. Resources Science, 2017, 39(4):747-755.]. DOI: 10.18402/resci.2017.04.15.

DOI

[35]
Cheng Z, Li L, Liu J. Industrial structure, technical progress and carbon intensity in China's provinces. Renewable and Sustainable Energy Reviews, 2018, 81:2935-2946. DOI: 10.1016/j.rser.2017.06.103.

DOI

[36]
郭艳花, 梅林, 佟连军. 产业集聚对绿色发展效率的影响机制: 以吉林省限制开发区为例. 地理科学, 2020, 40(9):1484-1492.

DOI

[ Guo Yanhua, Mei Lin, Tong Lianjun. The effect of industrial agglomeration on green development efficiency in restricted development zone of Jilin province. Scientia Geographica Sinica, 2020, 40(9):1484-1492.]. DOI: 10.13249/j.cnki.sgs.2020.09.010.

DOI

[37]
赵领娣, 张磊, 徐乐, 等. 资本、产业结构调整与绿色发展效率的作用机制. 中国人口·资源与环境, 2016, 26(11):106-114.

[ Zhao Lingdi, Zhang Lei, Xu Le, et al. Mechanism of human capital, industrial structure adjustment and green development efficiency. China Population, Resources and Environment, 2016, 26(11):106-115.]. DOI: 10.3969/j.issn.1002-2104.2016.11.014.

DOI

[38]
黄磊, 吴传清. 长江经济带城市工业绿色发展效率及其空间驱动机制研究. 中国人口·资源与环境, 2019, 29(8):40-49.

[ Huang Lei, Wu Chuanqing. Industrial green development efficiency and spatial driven mechanism in cities of the Yangtze River Economic Belt. China Population, Resources and Environment, 2019, 29(8):40-49.]. DOI: 10.12062/cpre.20190320.

DOI

[39]
Papetti A, Menghi R, Domizio G D, et al. Resources value mapping: A method to assess the resource efficiency of manufacturing systems. Applied Energy, 2019, 249:326-342. DOI: 10.1016/j.apenergy.2019.04.158.

DOI

[40]
狄乾斌, 梁倩颖. 中国海洋生态效率时空分异及其与海洋产业结构响应关系识别. 地理科学, 2018, 38(10):1606-1615.

DOI

[ Di Qianbin, Liang Qianying. Spatio-temporal difference of marine eco-efficiency and identification of its response relationship with marine industrial structure in China. Scientia Geographica Sinica, 2018, 38(10):1606-1615.]. DOI: 10.13249/j.cnki.sgs.2018.10.004.

DOI

[41]
孙才志, 姜坤, 赵良仕. 中国水资源绿色效率测度及空间格局研究. 自然资源学报, 2017, 32(12):1999-2011.

[ Sun Caizhi, Jiang Kun, Zhao Liangshi. Measurement of green efficiency of water utilization and its spatial pattern in China. Journal of Natural Resources, 2017, 32(12):1999-2011.]. DOI: 10.11849/zrzyxb.20161076.

DOI

[42]
汪芳, 安黎哲, 党安荣, 等. 黄河流域人地耦合与可持续人居环境. 地理研究, 2020, 39(8):1707-1724.

DOI

[ Wang Fang, An Lizhe, Dang Anrong, et al. Human-land coupling and sustainable human settlements in the Yellow River Basin. Geographical Research, 2020, 39(8):1707-1724.]. DOI: 10.11821/dlyj020200217.

DOI

[43]
陆大道, 孙东琪. 黄河流域的综合治理与可持续发展. 地理学报, 2019, 74(12):2431-2436.

DOI

[ Lu Dadao, Sun Dongqi. Development and management tasks of the Yellow River Basin: A preliminary understanding and suggestion. Acta Geographica Sinica, 2019, 74(12):2431-2436.]. DOI: 10.11821/dlxb201912001.

DOI

[44]
樊杰, 王亚飞, 王怡轩. 基于地理单元的区域高质量发展研究: 兼论黄河流域同长江流域发展的条件差异及重点. 经济地理, 2018, 38(5):117-125.

[ Fan Jie, Wang Yafei, Wang Yixuan. High quality regional development research based on geographical units: Discuss on the difference in development conditions and priorities of the Yellow River Basin compared to the Yangtze River Basin. Economic Geography, 2018, 38(5):117-125.]. DOI: 10.15957/j.cnki.jjdl.2020.01.001.

DOI

[45]
李敏纳, 蔡舒, 张慧蓉, 等. 要素禀赋与黄河流域经济空间分异研究. 经济地理, 2011, 31(1):16-22.

[ Li Minna, Cai Shu, Zhang Huirong, et al. Factor endowment and the economic spatial dissimilarity in the Yellow River Valley. Economic Geography, 2011, 31(1):16-22.]. DOI: 10.15957/j.cnki.jjdl.2011.01.010.

DOI

[46]
张鹏岩, 李颜颜, 康国华, 等. 黄河流域县域经济密度测算及空间分异研究. 中国人口·资源与环境, 2017, 27(8):128-135.

[ Zhang Pengyan, Li Yanyan, Kang Guohua, et al. A study on estimates and spatial differentiation of economic density at county level in Yellow River Basin. China Population, Resources and Environment, 2017, 27(8):128-135.]. DOI: 10.12062/cpre.20170407.

DOI

[47]
周晓艳, 郝慧迪, 叶信岳, 等. 黄河流域区域经济差异的时空动态分析. 人文地理, 2016, 31(5):119-125.

[ Zhou Xiaoyan, Hao Huidi, Ye Xinyue, et al. A spatial-temporal analysis of regional economic inequality in Yellow River Valley. Human Geography, 2016, 31(5):119-125.]. DOI: 10.13959/j.issn.1003-2398.2016.05.018.

DOI

[48]
Mandal S K. Do undesirable output and environmental regulation matter in energy efficiency analysis? Evidence from Indian cement industry. Energy Policy, 2010, 63(5):1-8. DOI: 10.1016/j.enpol.2010.05.063.

DOI

[49]
赵林, 张宇硕, 吴迪, 等. 考虑非期望产出的中国省际海洋经济效率测度及时空特征. 地理科学, 2016, 36(5):671-680.

DOI

[ Zhao Lin, Zhang Yushuo, Wu Di, et al. Marine economic efficiency and spatio-temporal characteristics of inter-province based on undesirable outputs in China. Scientia Geographica Sinica, 2016, 36(5):671-680.] DOI: 10.13249/j.cnki.sgs.2016.05.004

DOI

[50]
Huang Xin, Huang Xiaojun, Liu Mengmeng, et al. Spatial-temporal dynamics and driving forces of land development intensity in the western China from 2000 to 2015. Chinese Geographical Science, 2020, 30(1):16-29. DOI: 10.1007/s11769-020-1095-2.

DOI

[51]
国家统计局. 中国城市统计年鉴. 北京: 中国统计出版社, 2006-2018.

[National Bureau of Statistics of China. China Urban Statistical Yearbook. Beijing: China Statistics Press, 2006-2018.]

[52]
忻州市统计局. 忻州统计年鉴. 北京: 中国统计出版社, 2006-2018.

[Xinzhou Bureau of Statistics of China. Xinzhou Statistical Yearbook. Beijing: China Statistics Press, 2006-2018.]

[53]
吕梁市统计局. 吕梁统计年鉴. 北京: 中国统计出版社, 2006-2018.

[Lvliang Bureau of Statistics of China. Lvliang Statistical Yearbook. Beijing: China Statistics Press, 2006-2018.]

[54]
呼和浩特市统计局. 呼和浩特市经济统计年鉴. 北京: 中国统计出版社, 2006-2018.

[Hohhot Bureau of Statistics of China. Hohhot Economic Statistical Yearbook. Beijing: China Statistics Press, 2006-2018.]

Options
文章导航

/

〈 〉