中國區域全要素生態效率及其影響因素研究

邢貞成　王濟干　張婕

摘要

全要素生態效率的測度評價對于推進生態文明建設和促進區域協調發展具有重要意義。將生態足跡指標納入全要素分析框架之中，提出Shephard生態距離函數，并由此構建全要素生態效率指標。同時運用基于Shephard生態距離函數的隨機前沿分析模型，對2000—2014年中國區域的全要素生態效率及其影響因素進行了實證研究。結果顯示：①中國生態足跡總量在2000—2014年呈現出遞增趨勢，增長速度在2006年之后有所放緩；中國各省市在生態足跡平均值和年均增長率方面均存在顯著差異。②中國及其中部的全要素生態效率呈現出“先下降，后波動”的變化趨勢，東部的生態效率呈現出“先下降，后上升”的“U”型變化趨勢，西部的生態效率在整個研究期內基本上都呈現出下降趨勢。中國全要素生態效率的地區分布大體上呈現出由西北向東南逐步提升的態勢，河北、河南、山東等省份由于區域間的污染排放轉移而出現生態效率塌陷現象。③全要素生態效率與環境規制呈“U”型關系，加強環境規制在長遠上有利于生態效率提升；經濟發展水平、產業機構和外資規模均對全要素生態效率具有顯著的正向作用。根據實證分析結果，提出政策建議：大力扶持發展第三產業，引導產業有序轉移，實現產業結構科學升級，同時立足當地的資源環境承載能力，因地制宜承接相關產業，并加強對轉移企業的環境監管，禁止污染排放的跨區域轉移；出臺積極的招商引資政策，提升外資在本地企業中的優勢，同時制定相關政策法規，加強對外資企業的甄別和監管，避免污染排放的跨國轉移；各級政府必須將生態文明建設放在壓倒性位置，出臺更加嚴格有效的資源管理政策，并進一步細化各類環境保護規章制度，加強對環境污染排放的約束和監管。

關鍵詞全要素生態效率；生態足跡；Shephard生態距離函數；隨機前沿分析

中圖分類號F124.5

文獻標識碼A文章編號1002-2104（2018）07-0119-08DOI：10.12062/cpre.20180114

中國作為一個發展中大國，面臨著經濟發展和生態保護的雙重壓力。生態文明建設是我國的基本戰略，也是中國經濟進入“新常態”的必然要求。生態文明建設的目標是減少資源的消耗量，提高資源的使用效率，降低環境污染，改善生態環境，促進經濟高質量發展。為此，在發展經濟的過程中，要盡量用最少的資源消耗和最小程度的環境不良影響來維持經濟的持續增長，從而實現最高的生態效率。從這方面來看，生態效率既是經濟-生態協調可持續發展的內在要求，也是衡量生態文明程度和建設成效的重要參考依據。因此，客觀有效地評價我國區域的生態效率，揭示我國生態效率的時空分異特征，明確生態效率的影響因素，尋求生態效率提升的有效途徑，對于我國更好地推進生態文明建設，轉變經濟發展方式，促進經濟高質量發展具有重要的指導意義。

1文獻綜述

Schaltegger和Stum[1]首先提出生態效率，并將其作為一種衡量經濟與生態協調發展程度的工具。生態效率通常被定義為生產活動的經濟價值與環境影響的比值，其中地區生產總值（GDP）往往作為分子，而分母通常是各類生態壓力指標。Zhang等[2]選取3種資源投入和6種環境壓力作為生態壓力指標構建了生態效率指標，并利用DEA模型實證分析了中國省際工業的生態效率。類似的研究還有成金華等[3]、王寶義和張衛國[4]。在上述文獻中，生態效率的測度一般只考慮了幾種特定的資源投入或環境壓力，而沒有全面考慮人類生產活動帶來的生態影響，這會使得生態效率的評價不夠準確。在這方面，Wackernagel和Rees[5]提出的生態足跡能全面評價人類活動的生態影響的方法，并得到了廣泛的應用。于是，季丹[6]將生態足跡引入生態效率評價模型，并對我國30個省份的生態效率進行了分析。類似的研究還有史丹和王俊杰[7]、Fu等[8]。但是，生態本身不能帶來任何產出，生態投入必須與其他要素投入（如勞動力、資本）共同作用才能產生經濟價值。而且不同生產要素之間還存在替代效應，用單要素指標來測度生態效率不夠全面，還有可能得出錯誤的結論。鑒于此，Yue等將生態足跡納入全要素分析框架，運用SBM模型定義了全要素生態效率指標，并分別對G20國家和中國省域進行了實證研究[9-10]。

由上可知，現有文獻中關于生態效率的測度，不管是單要素的還是全要素的，所用的方法基本都是非參數的DEA方法，該方法雖然具有無需設定具體函數形式的優點，但是由于其未考慮隨機因素和統計噪音，因而容易受到數據質量誤差的影響。而且，DEA方法不能直接對技術效率的影響因素進行分析，因而只能采用“兩步法”來研究生態效率及其影響因素。傅京燕等[11]運用超效率 DEA模型測度中國2002—2012年區域生態效率，并使用Tobit模型對其影響因素進行了實證分析。

胡姚雨[12]運用SBM模型測算了2000—2010年中國省際全要素生態效率，并利用Tobit模型對其影響因素進行了研究。鑒于DEA方法在此方面的不足，已有學者選用基于距離函數的隨機前沿分析方法研究效率及其影響因素，該方法為“一步法”，即測度效率和分析效率的影響因素同步進行。續競秦和楊永恒[13]基于Shephard能源距離函數的隨機前沿分析模型，實證分析了2001—2010年我國省際全要素能源效率及其影響因素。羅登躍和徐寧[14]采用基于產出導向距離函數的隨機前沿分析方法，對2007—2015年95家中國證券公司的技術效率及其影響因素進行了研究。

文獻檢索結果表明，迄今為止，尚無利用上述的“一步法”分析我國全要素生態效率及其影響因素的成果文獻[15-16]。因此，本文將生態足跡指標納入全要素分析框架之中，提出Shephard生態距離函數，并由此構建了全要素生態效率指標。同時，運用基于Shephard生態距離函數的隨機前沿分析模型，對2000—2014年中國區域的全要素生態效率及其影響因素進行了實證研究。最后，為中國生態效率提升及區域經濟協調發展提供政策建議。

2 研究方法

2.1生態足跡模型

生態足跡模型由Wackernagel和Rees[5]于1996年提出并建立的，該模型能計算一定區域內的人口所消耗的資源及吸納這些人口所產生的廢棄物所需的生態生產性土地面積。生態足跡的計算包括耕地、林地、草地、水域、化石燃料用地和建筑用地六種土地類型。計算公式如下：

EF=∑i（∑jPi，jYPij×YFi，j）×EQFi（1）

式中，EF是總的生態足跡；i和j分別表示土地類型和生物類型；Pi，j表示第i種土地上第j種生物的產量；YPi，j表示第i種土地上第j種生物的全球平均單位面積產量；YFi，j表示第i種土地上第j種生物產量因子；EQFi表示第i種土地類型的當量因子。

2.2Shephard生態距離函數

距離函數定義在生產技術集之上，因此，構造距離函數之前首先要定義生產技術集。假設第k=1，2，…，K個決策單元（DMU）使用n=1，2，…，N種要素投入xkn∈RM+來生產m=1，2，…，M種產出ykm∈RM+，生產技術集可以定義為：

P（x）={y：x能生產y}（2）

式中，x=（x1，…，xN）表示投入向量，y=（y1，…，yM）表示產出向量，P（x）表示一定生產技術條件下，一定數量的投入所能生產的所有產出的可能集合。

然后，參考Zhou等[17]構建Shephard能源距離函數的思路，本文定義Shephard生態距離函數為：

De（K，L，EF，Y）=sup{β：（K，L，EF/β，Y）∈P（K，L，EF）}（3）

式中，K表示資本投入，L表示勞動投入，EF表示生態投入，Y表示經濟產出；距離函數De（K，L，EF，Y）表示在產出不變的前提下生態投入的最大收縮比例β；P（K，L，EF）={Y：K，L，EF能生產Y}為按照上述定義構建的生產技術集。

根據Shephard生態距離函數的定義，EF/De（K，L，EF，Y）表示最優的生態投入，而全要素生態效率被定義為最優的生態投入與實際的生態投入的比值，因此，全要素生態效率可由Shephard生態距離函數表示為：

TFEE=EF/De（K，L，EF，Y）EF=1De（K，L，EF，Y）（4）

可以看出，全要素生態效率與Shephard生態距離函數值成倒數關系，全要素生態效率的取值范圍是（0，1]，當且僅當De（K，L，EF，Y）=1，即被觀測點位于生產前沿上時，生態效率取值為1。

2.3Shephard生態距離函數的隨機前沿分析模型

生產函數常選用柯布-道格拉斯函數和超越對數函數兩種形式，考慮到超越對數函數具有形式較為靈活，受到的限制少，并能有效減小函數形式假設帶來的估計偏差。因此，這里參考Du和Lin[18]的做法，采用超越對數函數形式來估計Shephard生態距離函數。通過適當的數學變形和推導，可以得到具有標準形式的隨機前沿分析模型，如式（5）所示。

ln（1/EFti）=β0+βklnKti+βllnLti+βylnYti+βkk×

（lnKti）2+βll（lnLti）2+βyy（lnYti）2+βkllnKtilnLti+βkylnKtilnYti+βly×

lnLtilnYti+βtt+βttt2+βkttlnKti+

βlttlnLti+βyttlnYti+vti-uti（5）

式中，t為時間，i為省市，Kti、Lti、EFti、Yti分別表示i省份在t年的資本投入、勞動力投入、生態投入和GDP產出。Dte（Kti，Lti，EFti，Yti）表示為基于t時期技術的Shephard生態距離函數。各個β是需要估計的參數，vti式隨機誤差項，表示測量誤差以及其他各種不可控因素的影響，其服從相互獨立的正態分布N（0，σ2v）。uti≡lnDte（Kti，Lti，EFti，Yti），是非負的技術無效率項，結合式（4）可得全要素生態效率計算公式為TFEEti=exp（-uti）。uti服從相互獨立的截斷正態分布N（μti，σ2u），其中，μti=δ0+∑pztipδp為無效率方程，ztip表示影響技術效率的因素，各個δ是需要估計的未知參數。值得一提的是，式（5）中所包含的所有未知參數可以通過極大似然估計一個階段求出，即估算技術效率值的同時，還能對效率的影響因素進行分析。

3 變量設定與數據說明

3.1投入產出指標及其數據說明

考慮數據可得性，本文以中國大陸30個省份（不包括港、澳、臺、西藏）為決策單元，采用這30個省份的面板數據，研究2000—2014年中國大陸區域的全要素生態效率及其影響因素。在Shephard生態距離函數中，投入指標包括生態投入、勞動力投入和資本投入，產出指標為地區生產總值，投入產出數據具體說明如下：

（1）生態投入指標。生態足跡通過耕地、林地、草地、水域、化石燃料用地和建筑用地的生物產出折算獲得。各類土地生物產出數據來源于歷年《中國統計年鑒》《中國能源統計年鑒》和各省市的統計年鑒，而YPi，j、YFi，j和EQFi的數據來源于世界糧農組織、《國家生態足跡賬戶》以及相關文獻。

（2）勞動力投入指標。本文選取從業人數作為勞動力投入指標，相關數據來源于《中國統計年鑒》和各省市的統計年鑒。

（3）資本投入指標。資本存量采用“永續盤存法”進行估算：Kit=Kit-1（1-δ）+Iit，式中Kit表示地區i第t年的資本存量，Kit-1表示地區i第t-1年的資本存量，Iit表示地區i第t年的投資，δ是折舊率。在此基礎上測算了各省市歷年的資本存量，并轉化為2000年不變價，相關數據來自《中國統計年鑒》和各省市的統計年鑒。

（4）地區產出指標。本文選取GDP作為產出指標，為了消除價格變動的影響，我們使用GDP平減指數將歷年現價GDP轉化為2000年不變價格，相關數據來源于《中國統計年鑒》和各省市的統計年鑒。

3.2影響因素變量及其數據說明

參考相關文獻，本文選取設定4項全要素生態效率的影響因素：經濟發展水平、環境規制、產業結構、外資規模，各項影響因素的具體描述如下：

（1）經濟發展水平（EL）：用人均 GDP表示，同樣為了保持數據的可比，利用GDP平減指數將歷年人均GDP轉換為2000年不變價格。

（2）環境規制（ER）：采用沈能和劉鳳朝[19]的方法設計環境規制指標來反映環境規制強度，具體如下：

ER=IPCIGIP/GIPGDP（6）

式中，IPCI表示工業污染治理投資額，GIP表示工業生產總值，該指標的優點在于利用工業生產總值與GDP的比值對傳統的環境規制指標（環境污染治理投資強度）進行了修正，避免了因為地區產業結構的差異對環境規制強度評價造成的誤差。

（3）產業結構（IS）：用第三產業產值占GDP的比重表示。

（4）外資規模（FIS）：用外商投資額占全社會固定資產總投資的比重表示。

上述影響因素變量的相關數據來源于《中國統計年鑒》和各省市的統計年鑒。

4實證結果分析與討論

4.1中國省域生態足跡測度結果

根據式（1）計算2000—2014 年中國30個省份的生態足跡，圖1清晰地展示出中國生態足跡總量及其年增長率的變化情況，圖2顯示了各省市15年間生態足跡的平均值和年均增長率。從國家層面來看（圖1），中國生態足跡總量在2000—2014 年呈現出遞增趨勢，由2000年的1 795.30×106gha增長至2014年的4 567.61×106gha，期間增長了154.42%；在年增長率方面，2006年及之前生態足跡的增長速度較快，而2007年及之后的增長速度放緩，其可能是因為，2007年之后生態文明建設的提出和逐步推進減小了經濟活動對生態環境的影響。從省市層面來看（圖2），2000—2014年平均生態足跡值最大的是山東省，達296.26百萬全球hm2，海南省的平均生態足跡最小為8.80百萬全球hm2；2000—2014年間的生態足跡增長速度最快的是寧夏自治區，其年均增長率達2169%，北京市的生態足跡年均增長率最低為1.40%。

4.2中國區域全要素生態效率測度結果

運用Frontier 4.1軟件求解式（5），估測2000—2014年中國各地區的全要素生態效率，結果如表1所示。在研究期內，全要素生態效率最高的省份是北京（0.913），生態效率大于0.8的省份依次為廣東（0.892）、上海（0.877）、浙江（0.848）、重慶（0.841）、海南（0.841）、福建（0.832），這些省份多屬于東部發達地區（重慶是西部的直轄市），擁有較高的經濟發展水平、先進的技術創新能力以及較為合理的產業結構，這是實現經濟與生態協調發展的重要保證。其中，北京已基本形成以現代服務業為主體、以戰略性新興產業為引領、以先進制造業為支撐的現代產業體系，資源消耗和環境污染大幅下降，生態效率絕對領先。特別地，海南以旅游業為支柱產業，與以工業為主的省份相比，其對生態環境造成的影響較小，同時海南堅持實施“綠化寶島大行動”，其森林覆蓋率常年保持全國領先水平，因而也具有較高的生態效率。

全要素生態效率低于0.3的兩個省份為內蒙古（0.227）和山西（0.239），生態效率低于0.4的省份依次為新疆（0.302）、河北（0.345）、黑龍江（0.353）、寧夏（0.364）、河南（0.373）、遼寧（0.380）、山東（0.380），這些省份多屬于中、西部的內陸地區，資源環境的過度開發、粗放的經濟增長方式以及落后的生產技術是這些地區生態效率低下的主要原因。具體來說，內蒙古和新疆由于人口的激增和不合理的開發活動，其生態功能退化嚴重（如草原退化、土地荒漠化等）；山西是我國煤炭能源生產大省，長期的開采導致生態環境破壞嚴重；遼寧和黑龍江是我國傳統的重工業基地，產業結構以高能耗、重污染的第二產業為主，對資源環境的影響程度較大。

4.3中國全要素生態效率的時空分異特征

圖3顯示了2000—2014年中國及其東、中、西部的全要素生態效率的變化趨勢。可以看出，中國及其中部的生態效率呈現出“先下降，后波動”的變化趨勢，即在2000—2006年間呈現出下降趨勢，而在2007—2014年間保持區間波動狀態；東部的生態效率呈現出“先下降，后上升”的“U”型變化趨勢，即在2000—2006年間呈下降趨勢，而在2007—2014年間呈上升趨勢；

西部的生態效率在整個研究期內基本都呈現出下降的趨勢。除此以外，由上述分析可知，生態足跡在2000—2006年間增長速度較快，而在2007—2014年間增長速度放緩。全要素生態效率定義為最優的生態足跡與實際的生態足跡的比值，因而生態足跡與生態效率的變化趨勢在本質上具有一致性，同時前者的變化趨勢還能在一定程度上為后者的變化特征提供解釋。

實際上，經濟發展初期各地區只注重經濟的發展，過度索取自然資源以保持經濟的高速增長，同時缺乏生態保護意識和相應措施，從而對生態環境造成了極大的影響，導致生態足跡持續快速增長。而且，該階段各地區經濟發展水平較低，技術水平較為落后，導致生態資源浪費嚴重，環境污染累積效應日益增強，從而導致生態足跡冗余嚴重，致使全要素生態效率逐漸下降。自2007年以來，隨著生態文明建設的提出與逐步推進，各地的生態環境質量得以改善，同時各地也積極引進先進的生產技術和管理模式，提高了資源利用效率和污染物處理能力，減輕了經濟發展對生態環境的壓力。其中，東部地區經濟發達，市場機制較為完善，生產技術、產業結構和環境保護都處于較高的發展水平，率先實現經濟增長方式由粗放型向集約型的轉變，因而全要素生態效率呈現出上升趨勢；中部地區接受東部經濟輻射，通過引進東部的先進技術，并承接相應的產業轉移，經濟結構實現優化升級，但是由于經濟發展還未完全擺脫傳統發展模式，對生態的影響仍然不小，從而生態效率呈現出波動變化；西部深處內陸地區，經濟

發展較為落后，生產技術和管理水平也較低，同時交通不便、市場封鎖等因素阻礙了其與發達地區的交流合作，資源導向型為主的產業結構也沒有改變，生態環境負荷嚴重超載，從而導致生態效率持續走低。

通過觀察對比表1中各省的效率評價結果，全要素生態效率的省際分布差異特征能夠被揭示出來。總的來看，中國的全要素生態效率大體上呈現出由西北向東南逐步提升的態勢，當然北京、天津、重慶三個直轄市雖然不處于

東南沿海地區，但是由于特殊的區位優勢和政治地位以及較發達的經濟水平，其具有較高的生態效率也與已有認知吻合。因此，中國區域的生態效率分布與各省份經濟實力的分布基本趨同。不過，河北、山西、河南、山東這四個省份表現出生態效率過低的反常情況，與上述的分布規律有所不符。通過與周邊省份對比可以看出，這四個省是全要素生態效率的塌陷地帶。如上所述，山西是我國煤炭能源生產大省，長期的開采使得資源負荷嚴重超載，生態環境破壞嚴重，從而導致生態效率偏低；而河北、河南、山東這三個省份生態效率異常情況的成因類似，可能都是受區域間產業轉移的影響。實際上，由于地理位置的原因，河北是京津地區高耗能、高污染產業轉移的首選之地，而河南、

山東則是長三角地區的產業轉移承接地，因此產業轉移帶來的污染排放跨區域轉移，是導致這三個省份全要素生態生產率低下的重要原因，另外，京津和長三角地區生態效率的逐步提升在一定程度上也證實污染跨區域轉移的存在。

4.4中國全要素生態效率影響因素

使用隨機前沿分析方法估計Shephard生態距離函數的優勢在于，求解式（5）測算效率的同時，也能給出無效率方程的估計結果，具體見表2。

如表2所示，在無效率模型的回歸中，除環境規制的對數（ln（ER））外，大部分影響因素變量的系數通過了顯著性檢驗。具體而言：

（1）經濟發展水平對數（ln（EL））的系數在1%水平上顯著為負，表明全要素生態效率與經濟發展水平成正相關，即生態效率隨著經濟發達程度的提高而上升，這與上文的分析一致。

（2）環境規制的對數（ln（ER））的系數未通過顯著性檢驗，但是環境規制的對數的平方（（ln（ER））2）在10%水平上顯著為負，說明全要素生態效率與環境規制呈“U”型關系，這在一定程度上驗證了“波特假說”的存在。值得一提的是，ln（ER）的系數不顯著可能是因為，目前的環境規制強度正處于生態效率與環境規制曲線的極點附近，因此加強環境規制強度在長遠上有利于提高生態效率。

（3）產業結構的對數（ln（IS））的系數在1%水平上顯著為負，說明全要素生態效率與第三產業的占比成正相關。

（4）外資規模的對數（ln（FIS））的系數在1%水平上顯著為負，即外商投資有利于全要素生態效率的提高。這一結論沒有支持“污染天堂”假說，表明我國在對外資企業的甄別和監管方面表現較好，能夠在引進外資吸收先進生產技術的同時，避免了污染排放的跨國轉移。

5結論與政策啟示

本文基于生態足跡理論與模型，對2000—2014年中國大陸30個省市（西藏除外）的生態足跡進行了測算，并將得到的生態足跡作為生態投入指標納入全要素分析框架中，提出針對生態投入要素的Shephard生態距離函數，并由此構建了全要素生態效率指標。同時，采用基于Shephard生態距離函數的隨機前沿分析模型，對2000—2014年中國區域的全要素生態效率及其影響因素進行了實證研究。研究結論如下：

（1）中國生態足跡總量在2000—2014年呈現出遞增趨勢，在研究期內增長了154.42%；生態足跡的增長速度在2006年及之前較快，而在2007年及之后有所放緩。中國各省市在生態足跡平均值和年均增長率方面均存在顯著差異，平均生態足跡值最大的是山東省，最小的是海南省；生態足跡增長速度最快的是寧夏自治區，最慢的是北京市。

（2）中國及其中部的生態效率呈現出“先下降，后波動”的變化趨勢，東部的生態效率呈現出“先下降，后上升”的“U”型變化趨勢，西部的生態效率在整個研究期內基本都呈現出下降的趨勢；中國的全要素生態效率大體上呈現出由西北向東南逐步提升的態勢，與各省份經濟實力的分布基本趨同。

（3）全要素生態效率與環境規制呈“U”型關系，而且目前的環境規制可能正處于生態效率與環境規制曲線的極點附近；經濟發展水平、產業機構和外資規模均對全要素生態效率具有顯著的正向作用。

本文結論蘊含了豐富的政策啟示：

（1）優化升級產業結構，因地制宜促進發展。政府應大力扶持發展第三產業，引導產業有序轉移，實現產業結構科學升級，同時立足當地的資源環境承載能力，因地制宜承接相關產業。由上文分析可知，河北、河南、山東是全要素生態效率的塌陷地帶，而產業轉移過程中的污染轉移問題是其主要原因，因此政府部門在承接相關產業的過程中，還要加強對轉移企業的環境監管，堅決禁止污染的跨區域轉移。

（2）打破行政區域局限，推進區域協同合作。中國全要素生態效率存在顯著的地區差異，有必要打破地區封鎖與利益藩籬，破除阻礙地區間合作的制度障礙，加強地區間的經濟融合與協同合作，促進資本、人才等要素資源自由流動，實現生產技術與管理模式的梯度轉移，進而不斷縮小全要素生態效率的地區差異。同時積極推進“自上而下”式的整體經濟發展規劃，避免各省市之間同質競爭，加快形成生態環境聯防聯治的協調發展新機制。

（3）提升外資引入力度，強化外資準入標準。外商投資對全要素生態效率的影響較為復雜，不過就現階段而言，外商規模的擴大有利于全要素生態效率的提高。因此各地區要出臺積極的招商引資政策，提升外資在本地企業中的優勢方面，并加強與發達國家的合作交流，引進吸收國外的先進生產技術和管理模式。不過，各地政府在外資引入的過程中，要注意對外資企業的甄別和監管，避免污染排放的跨國轉移，提高引進外資的綠色質量。

（4）加強環境規制力度，推進生態文明建設。各地區必須將生態文明建設放在壓倒性位置，出臺更加嚴格有效的資源環境管理政策，調控能源、土地和水資源利用的結構和規模；同時，進一步細化各類環境保護規章制度，設定具體可操作、可量化的環保減排指標，對違規企業、超額排放等行為嚴厲懲處，從源頭上減少環境污染。

（編輯：劉照勝）

參考文獻（References）

[1]SCHALTEGGER S， STURM A. kologische rationalitt： ansatzpunkte zur ausgestaltung von kologieorientierten management instrumenten[J]. Die unternehmung， 1990， 44（4）：273-290.

[2]ZHANG B， BI J， FAN Z， et al. Ecoefficiency analysis of industrial system in China： a data envelopment analysis approach[J]. Ecological economics， 2008， 68（1）：306-316.

[3]成金華， 孫瓊， 郭明晶，等. 中國生態效率的區域差異及動態演化研究[J]. 中國人口·資源與環境， 2014， 24（1）：47-54. [CHENG Jinhua， SUN Qiong， GUO Mingjing， et al. Research on regional disparity and dynamic evolution of ecoefficiency in China[J]. China population， resources and environment， 2014， 24（1）：47-54.]

[4]王寶義， 張衛國. 中國農業生態效率測度及時空差異研究[J]. 中國人口·資源與環境， 2016， 26（6）：11-19. [WANG Baoyi， ZHANG Weiguo. A research of agricultural ecoefficiency measure in China and spacetime differences[J]. China population， resources and environment， 2016， 26（6）：11-19.]

[5]WACHERNAGEL M， REES W E. Our ecological footprint： reducing human impact on the earth[M]. Gabriola Island： New Society Publishers， 1996.

[6]季丹. 中國區域生態效率評價——基于生態足跡方法[J]. 當代經濟管理， 2013， 35（2）：57-62. [JI Dan. Evaluation on Chinas regional ecoefficiency：based on ecological footprint methodology[J]. Contemporary economy & management， 2013， 35（2）：57-62.]

[7]史丹， 王俊杰. 基于生態足跡的中國生態壓力與生態效率測度與評價[J]. 中國工業經濟， 2016（5）：5-21. [SHI Dan， WANG Junjie. Measurement and evaluation of Chinas ecological pressure and ecological efficiency based on ecological footprint[J]. China industrial economics， 2016（5）：5-21.]

[8]FU W， TURNER J C， ZHAO J. Ecological footprint （EF）： an expanded role in calculating resource productivity （RP） using China and the G20 member countries as examples[J]. Ecological indicators， 2015， 48：464-471.

[9]YUE S J， YANG Y， SHAO J， et al. International comparison of total factor ecology efficiency： focused on G20 from 1999-2013[J]. Sustainability， 2016， 8（11）：1129.

[10]YUE S J， YANG Y， PU Z. Totalfactor ecology efficiency of regions in China[J]. Ecological indicators， 2017， 73：284-292.

[11]傅京燕， 原宗琳， 曾翩. 中國區域生態效率的測度及其影響因素分析[J]. 產經評論， 2016， 7（6）：85-97. [FU Jingyan， YUAN Zonglin， ZENG Pian. Research on regional ecological efficiency in China： measurement and determinants[J]. Industrial economic review， 2016， 7（6）：85-97.]

[12]胡姚雨. 基于生態足跡視角的中國全要素生態效率研究[D]. 南京：東南大學， 2016. [HU Yaoyu. The study of Chinas total factor ecological productivity based on the prospective of ecological footprint[D]. Nanjing： Southeast University， 2016.]

[13]續競秦， 楊永恒. 我國省際能源效率及其影響因素分析——基于2001—2010年面板數據的SFA方法[J]. 山西財經大學學報， 2012（8）：76-83. [XU Jingqin， YANG Yongheng. Research on interprovincial energy efficiencies in China and the determinants：SFA Method based on 2001-2010 panel data[J]. Journal of Shanxi Finance and Economics University， 2012（8）：76-83.]

[14]羅登躍， 徐寧. 中國證券業效率及其影響因素研究——基于產出導向距離函數的隨機前沿分析[J]. 南方經濟， 2017（1）：13-29. [LUO Dengyue， XU Ning. Technical efficiency of Chinese securities companies and its determinants： stochastic frontier analysis based on outputoriented distance function[J]. South China journal of economics， 2017（1）：13-29.]

[15]LUO L W，LIANG S R. Study on the efficiency and regional disparity of green technology innovation in Chinas industrial companies[J]. Chinese journal of population，resources and environment，2016，14（4）：262-270.

[16]YIN C B. Environmental efficiency and its determinants in the development of Chinas western regions in 2000-2014[J]. Chinese journal of population，resources and environment，2017，15（2）：157-166.

[17]ZHOU P， ANG B W， ZHOU D Q. Measuring economywide energy efficiency performance： a parametric frontier approach[J]. Applied energy， 2012， 90（1）：196-200.

[18]DU K R， LIN B Q. International comparison of totalfactor energy productivity growth： a parametric Malmquist index approach[J]. Energy， 2017， 118：481-488.

[19]沈能， 劉鳳朝. 高強度的環境規制真能促進技術創新嗎？——基于“波特假說”的再檢驗[J]. 中國軟科學， 2012（4）：49-59. [SHEN Neng， LIU Fengchao. Can intensive environmental regulation promote technological innovation？：Porter hypothesis reexamined[J]. China soft science， 2012（4）：49-59.]