基于地理探測器的綠色經濟效率時空分異及驅動力研究

辛龍 孫慧 王慧 肖涵月

摘要?綠色經濟效率（GEE）提升是經濟綠色、高質量發展的“助推劑”。該研究基于Undesirable-SBM模型測度2007—2017年我國大陸30個省份的GEE，利用空間自相關及冷熱點分析法，探究GEE的時空演變特征，運用地理探測器模型進一步揭示其驅動力的空間異質性。結果表明：①GEE呈“U形尾波”的階段性特征，整體上由“小差距高效率”向“大差距低效率”動態演進，區域間形成“東-中-西”階梯式遞減的分異格局，“分化”與“極化”現象日益加劇。②GEE存在顯著的“倒U型”空間關聯性，總體呈“東熱西冷”的空間分異特征，“極化-涓滴”效應有所凸顯。其中，GEE熱點區范圍逐漸擴大，呈現零星面狀分布向沿海帶狀蔓延的演進格局，次冷點區范圍有所縮小，而次熱點區和冷點區變化微弱，空間格局基本穩定。③GEE提升的驅動力全局差異不突出，但局域尺度差異顯著。東、中、西部GEE提升的核心驅動力分別是：東部為政府干預、對外開放水平和技術創新水平;中部為能源強度、教育投入和市場化水平;西部為人力資本、能源強度、城市規模、教育投入、技術創新水平、環境規制和互聯網普及率。基于此，東、中、西部要因勢而謀、因地制宜。東部需激活技術密集型地區的“長板優勢”，發揮科技創新的“滾雪球效應”;中西部需挖掘資源稟賦，推進新能源發展，加大科技研發投入，優化配置教育資源;同時，要推進整體信息化建設，強化網絡引領。

關鍵詞?綠色經濟效率;時空格局;驅動力;異質性;地理探測器模型

中圖分類號?F062.1

文獻標識碼?A?文章編號?1002-2104（2020）09-0128-11??DOI：10.12062/cpre.20200305

改革開放以來，高速的經濟發展導致資源匱乏及環境污染，資源環境的制約日益增強[1]。黨的十九大報告中15次提及“綠色”，4次提及“綠色發展”，強調“綠水青山就是金山銀山”“大力推進生態文明建設”“堅定不移貫徹綠色發展”等理念，體現了國家對環境問題的高度重視。面對經濟發展的新常態，“綠色”導向的經濟轉變方式，是經濟由高速增長向高質量發展的“助推器”。然而，我國地區經濟發展差異顯著，資源利用程度迥異，環境污染不同程度地加劇，各地區在發展經濟的同時均難以兼顧資源配置與環境保護，經濟-資源環境的矛盾與日俱增，這既對把握區域綠色經濟效率時空變化特征、剖析非均質條件下區域差異狀況有新的挑戰，也對優化資源配置、提升經濟綠色效率，促進經濟綠色發展提出了更高要求。綠色經濟效率（GEE）是考慮資源和環境代價后的綜合經濟效率，自2011年聯合國發布報告進一步深化綠色經濟內涵后[2]，綠色經濟效率開始受到學界的關注。“綠色經濟”最早由David[3]在1989年著作《綠色經濟藍圖》中首次提出，綠色經濟效率是綠色經濟發展水平的反映，值越大表明綠色經濟發展程度越好[4]，因而綠色經濟效率是綠色經濟發展的“關鍵脈搏”。基于此，為提升綠色經濟效率的發展空間，厘清綠色經濟效率的驅動力，探究新時代經濟高質量發展路徑，采用2007—2017年我國大陸30個省份的面板數據，基于空間異質性視角，運用Undesirable-SBM模型、空間自相關及冷熱點分析法綜合測算我國大陸各省域及三大區域的綠色經濟效率，探究其時空演變特征，并運用地理探測器模型揭示其驅動力的空間異質性，為促進“經濟-環境”協同發展，制定有針對性、差異化的區域經濟綠色發展對策提供科學的理論依據與實踐指導。

1?文獻綜述

現有相關研究主要集中在三個方面：①綠色經濟效率測度上，LUUK等[5]采用可持續窗口模型測度老撾的綠色經濟增長水平;TAO等[6]以碳排放作為非期望產出，運用不可分離投入產出SBM模型測算了1995—2012年中國省級綠色經濟效率;錢龍[7]采用VRS-DEA模型對我國285個地級市的綠色效率和經濟效率分別進行測度，再將其耦合成綠色經濟效率后進行實證分析;葉仁道等[8]嘗試提出偏正態面板數據模型測度我國綠色經濟效率;郝國彩等[9]利用超效率SBM模型測算長江經濟帶城市綠色經濟績效;張文博等[10]運用Undesirable-SBM模型對“一帶一路”沿線城市綠色經濟效率進行測度并分析其影響因素;林曉等[11]通過對遼寧省14個城市綠色經濟效率的測度發現其空間格局呈“山脊狀”特征。②綠色經濟效率的影響因素研究，主要探究財政分權[12]、資源利用[13]、經濟集聚[1]、環境規制[14]、新型城鎮化[15]、高技術產業集聚[16]、產業集聚[17]、制造業價值鏈攀升[18]等因素對綠色經濟效率的差異化影響。③綠色經濟效率的收斂性方面，錢爭鳴等[19]認為各省區綠色經濟效率呈動態的“倒U型”演變態勢，并具有條件β收斂性。

地理探測器模型（Geographical Detector Model）由王勁峰等[20]于2017年首次提出，這種新型的空間分析模型最初應用在探索地方性疾病風險及其影響因素的研究中，近幾年被廣泛運用于自然和社會現象的多因子影響交互作用研究中，如土地開發與利用方面[21-22]、自然資源與生態景觀評價方面[23-25]、環境污染方面[26-27]、旅游行為及空間特征方面[28-29]、公共醫療方面[30-31]以及城鎮擴張[32]和資源集聚[33]等。與傳統方法相比，該模型具有三個優勢：①從異質性視角下探究影響因子的空間分異特征;②對多重共線性免疫，并能較好地避免自變量和因變量互為因果的內生性問題[20];③不僅能探測定量因子，也能對多種類型的定性驅動因子進行識別分析。

綜上所述，已有研究多采用傳統計量方法測度綠色經濟效率并探討其影響因素的線性關系，鮮有對綠色經濟效率與驅動力間可能的非線性關系進行探究，國內學者利用地理探測器模型探究綠色經濟效率驅動力的研究也相對匱乏。隨著空間交互日益頻繁，新型地理統計學開始將經濟等因素的空間效應納入分析模型，更能客觀真實地反映綠色經濟效率驅動力的區域差異性。

2?研究方法與數據來源

2.1?Undesirable-SBM模型

數據包絡分析（DEA）是基于決策單元測度“投入-產出”效率的非參數估計方法[34]。傳統的DEA模型（BCC和CCR模型）未考慮松弛性問題，結果無法準確計算包含非期望產出的效率值。為此，學者提出了基于松弛的非徑向SBM模型[35]，但綠色經濟效率不僅僅要考慮資源的投入和效益的產生，更要將環境代價納入研究過程中，才能科學有效地測算“綠色”經濟效率值。因此，本研究采用Tone[36]提出的Undesirable-SBM模型，將環境污染等非期望產出納入研究模型，客觀科學地測算2007—2017年全國及各地區的綠色經濟效率。模型構建如下：

2.2?空間自相關

采用全局自相關分析綠色經濟效率在全域尺度上的空間關聯性，常用全局Morans I指數反映，其公式如下：

式（2）中：n為樣本數量，Xi為觀測數據，Wij為鄰接權重矩陣。當Morans I>0為正空間自相關，說明綠色經濟效率高或低的區域在空間上呈集聚分布;當Morans I<0為負空間自相關，表示相鄰區域之間綠色經濟效率存在明顯空間差異;當Morans I=0表示無相關性，呈隨機分布。

2.3?冷熱點分析法

冷熱點分析法用于辨識不同空間位置上的高值區和低值區，即探究綠色經濟效率的熱點區和冷點區的空間分布特征。其公式如下：

為便于闡述，對其進行標準化處理：

式中：Wij是空間權重矩陣，Xi、Xj分別為區域i、j的觀測值，E（G*i）和Var（G*i）分別為G*i的數學期望和變異系數。若Z（G*i）顯著為正值，說明該地區周圍的值較高，屬于熱點區;若Z（G*i）顯著為負值，說明該地區周圍的值較低，屬于冷點區。

2.4?地理探測器模型

在綠色經濟效率時空演變的驅動機制中，其驅動因子涉及多個方面，采用地理探測器模型能較為科學合理地探測其影響機理。綠色經濟效率的驅動因子探測模型如下：

式（5）中：i=1，…，m是驅動因子的分層，nD，i為層i上的個數，σ2G和σ2D，i分別是觀測區域和層i的綠色經濟效率的方差。PD，G的取值范圍為[0，1]，PD，G值越大，表明D因子對綠色經濟效率的驅動作用越大，反之，則越小。

2.5?指標選取與數據來源

在指標選取上，基于綠色經濟效率的內涵與模型設定，構建綠色經濟效率的指標體系。①投入要素。根據新經濟增長模型，勞動力和資本投入是最基本的生產要素，考慮到當前日益凸顯的能源供給問題，同時能源消耗也是非期望產生的主要來源之一，因此，將勞動力、資本和能源作為投入要素。勞動力投入用年末就業總人數表示;資本投入用資本存量衡量，資本存量采用永續盤存法計算，借鑒張軍等[37]研究，折舊率取9.6%;能源投入選取地區能源消費總量來衡量。②期望產出要素。綠色經濟增長理論旨在追求經濟效益的同時，盡可能地降低資源環境代價，因此，將經濟產出作為期望產出要素，用地區國內生產總值表示，并以2007年為基期的價格指數進行平減處理。③非期望產出要素。非期望產出主要考慮社會經濟發展中造成的環境污染，較為常用的非期望產出有工業“三廢”的排放量、二氧化碳和二氧化硫排放量等，為避免要素過于單一而導致測算偏差，本文選取工業廢氣排放量、工業廢水排放量和工業固體廢物排放量作為非期望產出。

該研究以2007—2017年我國大陸地區各省市、自治區（因數據缺失，未計算西藏及港澳臺地區）的平衡面板數據為實證樣本。各指標數據具體源于《中國統計年鑒》《中國環境統計年鑒》《中國區域經濟統計年鑒》以及各省市、自治區統計年鑒。地理信息基礎數據來源于國家地理信息中心1∶400萬數據庫。

3?綠色經濟效率時空演變格局

3.1?時序演變分析

基于Undesirable-SBM模型測算出2007—2017年中國省域綠色經濟效率（見圖1）。結果表明，我國綠色經濟效率總體呈先降低、再緩慢增長、后波動性發展趨勢，區域差距逐步加大，表現出階段性和區域性特征，整體上由“小差距高效率”向“大差距低效率”動態演進。

分階段來看，逐步下降階段（2007—2009年），我國綠色經濟效率值由2007年的0.533下降為2009年的0.459，下降16.12%;緩慢增長階段（2009—2012年），綠色經濟效率緩慢提升，由0.459增長為0.492，提升幅度為7.19%;波動性發展階段（2012—2017年），綠色經濟效率呈“M”型變化趨勢，分別在2014年和2016年出現波峰，總體由2013年的0.451增加為2017年的0.479，提升6.21%。因此，我國省域綠色經濟效率在時序上呈現出明顯的階段性特征。

從區域性角度看，綠色經濟效率均值呈現東部>全國>中部>西部，東部地區效率值持續穩定在全國水平之上，遙遙領先中西部地區，處于“領頭羊”地位，其效率值先穩中有降，再大幅度提升，后趨于波動發展，呈現“Ω”型發展態勢，中部與全國水平存在一定差距，但總體發展平穩，西部整體處于劣勢水平，但有個別年份趕上甚至超過中部地區。隨著時間推移，東部與中部地區效率差值由0.285增高為0.296，增幅3.86%，區域間差異逐步擴大，中部與西部地區的效率差值由0.002增加到0.071，東部與西部地區的效率差值由0.287擴大到0.354，提升23.34%，區域間“分化”與“極化”現象日益加劇。

3.2?空間演變分析

3.2.1?空間分異特征

為進一步明晰各省域綠色經濟效率的空間異質性，借助ArcGIS10.3對綠色經濟效率分級并做可視化表達（見圖2）。不同等級綠色經濟效率的空間分布變化顯著，總體呈“東-中-西”階梯式遞減的空間分異特征。2007—2017年間高效率區連片集中分布，形成遼-京-津-魯-滬-粵-瓊連片分布帶，這類區域主要集中在東南沿海地區，以其得天獨厚的區位和資源優勢，在保證經濟高質量發展的同時，通過技術創新及知識溢出，不斷實現產業優化升級，從而減輕對資源環境的壓力，綠色經濟效率保持高水平態勢。中等效率區空間范圍逐漸縮小，由黑龍江和“蘇-浙-閩”形成的“雙核”型分布向以江浙為主的“單核”型分布演進。黑龍江對資源環境的依賴性較強，多以重工業為主，同時科技水平有限和創新活力不足，是制約當地綠色經濟發展的重要原因，而江浙一帶主要以輕工業為主，通過不斷優化集群建設、推進落實“兩化融合”政策，從而在兼顧質量和效益的前提下，實現綠色發展，使其綠色經濟效率處于中等水平。低效率區空間格局基本穩定，主要分布在西北和中部地區，與高效率和中等效率地區形成“邊緣-外圍”態勢。此類地區經濟基礎較東部地區相對薄弱，路徑依賴下的產業結構和科技創新能力較低，西北地區更受到自然因素及對外開放程度等的制約，在經濟發展過程中對資源的需求更高，對環境的壓力與日俱增，使得其綠色經濟效率處于較低水平。

3.2.2?空間關聯特征

為進一步厘清綠色經濟效率的空間關聯性，借助GeoDa軟件，對2007—2017年我國綠色經濟效率進行全局空間自相關分析（見表1）。結果表明，中國省域綠色經濟效率的Morans I指數均大于0，且總體上均通過了1%的顯著性水平檢驗，說明綠色經濟效率存在顯著的空間自相關性。如圖3所示，全國綠色經濟效率總體呈空間集聚態勢，兩極分化特征顯著。研究期內，綠色經濟效率的空間依賴性呈現先增后減的“倒U型”趨勢，且占據第一、三象限的樣本點比重逐漸增大，各散點圍繞擬合曲線的趨勢越發顯著，表現為綠色經濟效率較高或較低的區域周圍也聚集著綠色經濟效率較高或較低的區域，致使空間異質性逐漸擴大，兩極分化態勢凸顯。

基于上述宏觀視角分析，僅能大體判斷我國綠色經濟效率的全域空間關聯性特征，為進一步科學有效地分析局域尺度下綠色經濟效率是否具有空間異質性，通過利用G*i指數描繪綠色經濟效率冷熱點演變趨勢圖（見圖4）。由圖4可知：綠色經濟效率整體呈“東熱西冷”的空間分布格局，熱點區空間范圍逐漸擴大，熱點區從零星面狀分布向沿海帶狀格局演進，由長江中下游地區趨于東南沿海區域，最終涵蓋自環渤海至東南沿海的大部分省域。次熱點區由東南沿海向東北及中部地區擴展，從連續分布轉向斷裂發散態勢。冷點區主要分布在西部地區，空間格局較為穩定，次冷點區占據范圍有所縮小，呈現先發散后收斂態勢。綠色經濟效率的時空分異特征更好地印證了“極化-涓滴”效應。初期，東部地區以其區位和資源雙重優勢的推動，綠色經濟效率較高，而西部地區受到環境因素及人才缺乏等條件的制約，綠色經濟效率處于落后水平，東、西部地區極化效應日益加劇。隨著時間推移，通過對口援建、西部大開發、精準扶貧等一系列國家戰略的實施，西部地區人才引進初見成效，科技創新活力不斷提升，經濟發展水平日益提高，致使次冷點區逐漸向次熱點區轉變，西部地區綠色經濟效率有所提升，涓滴效應漸漸凸顯。4?綠色經濟效率驅動力解析

為進一步科學有效地厘清中國綠色經濟效率時空分異格局的內在機理，有必要重點探究我國全域綠色經濟效率產生異質性的主要驅動力以及不同時期、不同區域綠色經濟效率驅動力的異同。

4.1?指標選取

我國綠色經濟效率的時空演變是一個較為復雜的過程，受到多方因素如自然、經濟、政策、教育、創新能力、交通可達性等的綜合作用。通過文獻梳理[1，4，7，9-11]，基于綠色經濟增長理論以及新經濟增長模型，主要考察經濟發展水平（X1）、產業結構（X2）、城市化水平（X3）、人力資本（X4）、能源強度（X5）、政府干預（X6）、城市規模（X7）、教育投入（X8）、對外開放水平（X9）、技術創新水平（X10）、市場化水平（X11）、交通可達性（X12）、環境規制（X13）、信息基礎設施（X14）、互聯網普及率（X15）等15項探測因子，對我國綠色經濟效率時空分異的驅動力進行定量分析（見表2）。

4.2?全域視角下綠色經濟效率驅動力探測

首先，運用自然斷裂法對探測因子進行離散化和類別化處理（見圖5），再通過地理探測器模型測算各探測因子對我國綠色經濟效率驅動能力的PD，G值（見表3）。結果顯示，各因子對我國的綠色經濟效率都有一定的驅動作用，其核心驅動力是城市化水平（0.612）、對外開放水平（0.552）、經濟發展水平（0.530）、技術創新水平（0.363）、能源強度（0.312）、人力資本（0.295）和交通可達性（0.277）。

城市化水平對綠色經濟效率有顯著影響，說明隨著城市化水平的不斷提升，資源利用效率和垃圾處理能力進一步提高，環境污染現象得到明顯改善，綠色經濟效率有所增長。2017年城市化水平對綠色經濟效率的影響（0.602）比2007年（0.612）有所減弱，可能是隨著我國新型城鎮化進程的不斷加快，創建生態文明和資源節約型城市力度逐漸加大，經濟發展與資源環境漸漸趨于協調，城市化水平對綠色經濟效率的驅動作用有所放緩。

對外開放水平對綠色經濟效率的驅動作用顯著，“污染避難所假說”認為，由于世界各國有不同的環境規制，地區間污染密集型產業的比較優勢會發生轉變[38]，當環境規制較寬松時，外資易流入污染密集型產業，導致當地的資源環境壓力增加，抑制了綠色經濟效率的提升。2017年對外開放水平對綠色經濟效率的影響（0.579）比2007年（0.552）有所增強，雖然對外投資前期會產生一定的環境代價，但隨著國內產業優化和規模經濟的發展，環境污染有所減少，且通過對外投資可以獲得逆向知識溢出，大大提升國內技術創新能力，在發展經濟的同時提高環保水平，推動綠色經濟效率良性發展。

經濟發展水平對綠色經濟效率的影響不言而喻，它為綠色經濟效率的發展提供經濟基礎和物質保障。我國發展初期，主要通過消耗能源資源來帶動經濟快速增長，重視“金山銀山”，忽視“綠水青山”的做法給環境造成極大負荷，導致綠色經濟效率不高。隨著國家一系列生態保護政策的出臺和人民日益提高的環保意識，經濟發展方式由高速增長型逐步向高質量集約型轉變，因此2017年經濟發展水平對綠色經濟效率的影響（0.468）比2007年（0.530）有所降低。

技術創新水平對綠色經濟效率有顯著影響，說明技術創新是第一生產力，不僅為經濟發展提供動力支持，還是解決資源環境問題的有力手段。2017年技術創新水平對綠色經濟效率的影響（0.449）比2007年（0.363）有大幅度增強，隨著國家科教強國戰略的實施和對技術創新能力的高度重視，技術創新紅利日益凸顯，科技成果大量增加，這對綠色經濟效率的提升發揮著決定性作用。

能源強度對綠色經濟效率的驅動作用顯著，大量的能源消耗將產生更多的“三廢”，投入增加產生了更多非期望產出，降低了綠色經濟效率。2017年能源強度對綠色經濟效率的影響（0.392）比2007年（0.312）略微增強，說明隨著能源革命的推進，能源結構逐漸優化，節能減排效應有所顯現，更加促進經濟轉型，推動生態文明建設，進一步提高綠色經濟效率。

人力資本對綠色經濟效率有顯著影響，人才隊伍是科技創新的主要載體，通過技術溢出進而提高生產率和資源利用率，大大減輕對資源環境的壓力;較高的人力資本有助于勞動者綜合素質的提升，加強環保意識，勇擔共建生態文明家園的社會責任。2017年人力資本對經濟效率的影響（0.277）比2007年（0.295）略有減弱，說明可能隨著國家的人才強國戰略的實施和對教育工作的重視，高素質人才隊伍日益壯大，國民整體素質漸漸提高，人力資本的驅動力度有所減緩，綠色經濟效率逐漸趨于穩定態勢。

交通可達性對綠色經濟效率有顯著影響，俗話說“要致富，先修路”，交通通達性對區域經濟的發展具有重要意義，同時，交通建設也會對生態環境產生一定的破壞，從而進一步影響綠色經濟的發展。2017年交通可達性對綠色經濟效率的影響（0.405）比2007年（0.277）顯著增強，說明由于我國高鐵的開通、多種交通方式不斷優化、提出綠色交通發展新理念等諸多因素的綜合作用下，便捷、暢通的交通系統極大地影響著經濟、政策、生態環境等多個方面，因此，交通可達性對綠色經濟效率的影響日益加大。

4.3?局域視角下驅動力時空分異分析

雖然上述探測因子在全國尺度上對綠色經濟效率有顯著影響，但這些驅動力在不同區域上對綠色經濟效率的驅動作用可能是有差異的。因此，采用地理探測器對中、東、西部地區分別進行探測，得出各因子在不同區域上的PD，G值（見表4），進一步揭示各因子對綠色經濟效率驅動作用的時空異質性。從東部地區來看，經濟發展水平、產業結構、城市化水平、人力資本、能源強度和城市規模等因子對綠色經濟效率的驅動作用有所減弱，說明東部地區因其區位和資源雙重優勢，致使經濟發展水平較高，產業結構優化程度較好，新型城鎮化進程較快，人才引進力度較強，人力資本優勢更加顯現，因此，這些因素并不是影響東部地區綠色經濟發展的核心驅動力。而政府干預、對外開放水平和技術創新水平對綠色經濟效率的影響顯著增強，可能是東部地區雖具有較好的基礎設施等硬件條件，但隨著社會發展，“硬件”的提升終會遇到“天花板”，因此，采取加大政府扶持力度和提高技術創新水平等“軟件”方面的舉措，將更有利于綠色經濟效率的提升。

從中部地區來看，能源強度與教育投入對綠色經濟效率的影響顯著增強，市場化水平的驅動作用略微減弱，其中，能源強度是中部地區綠色經濟效率發展的主導因子。長期以來，中部地區存在能耗大、產值低的問題，由于其部分地區特有的資源優勢，一些高耗能的產業逐漸集聚，致使中部地區能源強度不降反升。應通過加大教育投入，培養專業化人才和引進先進的知識和技術，從而提高能源利用率，降低能源強度。中部地區較高的市場化水平提高了資源配置效率，隨著市場化競爭日益加劇，技術落后的企業逐漸被淘汰，綠色企業的發展體系不斷優化，進而大大促進綠色經濟效率的提高。

從西部地區來看，人力資本、能源強度、城市規模、教育投入、技術創新水平、環境規制和互聯網普及率等因素對綠色經濟效率的驅動力顯著提升。毋庸置疑，西部地區的人力資本、教育投入和技術創新水平一直相對較低，隨著“西部大開發”與對口援建等舉措的實施，教育投入雖然有所增加，但西部地區的人才普遍存在著“孔雀東南飛”和“一江春水向東流”現象，高質量人才的流失將直接導致技術創新水平的落后。我國三大地區能源強度由西向東呈現明顯的“梯度遞減”格局[39]，西部地區因其煤炭、礦產等資源豐富，高能耗產業密集，但由于落后的技術水平導致生產率和能源利用率較低，能源強度成為制約當地綠色經濟效率的核心驅動力。西部地區由于地域遼闊和自然氣候惡劣等條件致使其城市規模和環境規制水平較低，較大的人口流動和較弱的環境污染治理力度嚴重阻礙綠色經濟效率的提高。需要注意的是，以往相關研究并未考慮互聯網對綠色經濟效率的影響，相對中、東部地區而言，西部地區的互聯網普及率還遠遠落后，隨著“互聯網+”時代的高速發展，不斷釋放的互聯網創新溢出紅利將帶來更多的新型經濟模式，因此，互聯網普及率對西部地區的綠色經濟發展至關重要。

5?結論、討論及建議

5.1?結論及討論

采用Undesirable-SBM模型、空間自相關、冷熱點分析及地理探測器模型等方法，構建綠色經濟效率評價體系，綜合測算2007—2017年我國各省域綠色經濟效率，在異質性視域下，探究我國綠色經濟效率的時空演變格局及其驅動力，主要結論如下。

（1）2007—2017年我國綠色經濟效率呈“先降低再增長后波動”的階段性特征，整體上由“小差距高效率”向“大差距低效率”動態演進，區域間形成“東-中-西”階梯式遞減的分異格局，“分化”與“極化”現象日益加劇。

（2）綠色經濟效率存在顯著的空間關聯性，空間依賴程度呈“倒U型”發展態勢，綠色經濟效率熱點區范圍逐漸擴大，由零星面狀分布向沿海帶狀格局演進，次冷點區范圍有所縮小，次熱點區和冷點區空間格局較為穩定，總體呈“東熱西冷”的空間分異特征，“極化-涓滴”效應有所凸顯。

（3）在全域尺度上，探測因子驅動力差異不明顯，影響我國綠色經濟效率的核心驅動力表現不突出。局域尺度探測的驅動力差異顯著，影響三大地區的綠色經濟效率發展的核心驅動因子是：東部為政府干預、對外開放水平和技術創新水平;中部為能源強度、教育投入和市場化水平;西部為人力資本、能源強度、城市規模、教育投入、技術創新水平、環境規制和互聯網普及率。由此可知，綠色經濟效率驅動力存在明顯的空間異質性，因此，各區域要因地制宜，規劃科學合理的發展對策，縮小區域差異，實現區域協調發展。

通過對我國省域綠色經濟效率的時空演變和影響機制進行分析，結合地區實際情況，對影響因素的時空異質性進行了解釋。但在以下方面有待進一步深入：①研究尺度上，基于數據的可得性，本研究僅從省際尺度進行分析，可能忽略區內差異性，若對更小尺度進行探究，可能會有新的發現，因此，后續研究可在微觀尺度上進行深入探索。②驅動因子選取方面，本文在文獻梳理的基礎上，主要從經濟、社會、制度等方面考慮，但綠色經濟效率往往受到諸多因素干擾，因此，在后續的研究中，應更加關注自然條件、歷史文化、空間互動等多種因素。

5.2?政策建議

為促進實現“經濟-環境”的雙贏目標，根據以上結論，提出如下政策建議。

第一，挖掘中西部資源稟賦，推進新能源發展。研究結果表明，能源強度顯著制約我國中西部地區綠色經濟效率的提升，因此，利用中西部豐裕的光能風能資源優勢，加強太陽能光伏電站建設，如完善新疆“西電東送”配套服務設施建設，大力發展新疆、甘肅等地的光伏產業，努力打造中西部清潔能源基地，推進中西部地區經濟可持續發展。

第二，發揮東部科技創新的“滾雪球效應”，加大西部科技投入。研究表明，技術創新水平顯著影響東西部地區綠色經濟效率，因此，對于技術密集型的東部地區，要加強廣東、浙江等科技創新的“長板優勢”，提升自主創新能力，推動產業轉型升級。對于西部地區，加大科研人才隊伍建設、科技配套設施投入，根據優化調整的產業結構合理配置資源，促進高能耗、高污染產業的結構優化升級。其中，對于西北地區，可利用“一帶一路”的區位優勢和政策支持，加強西安、甘肅、新疆等區域協作。堅持“綠色發展”理念，促進技術驅動產業綠色轉型升級，加強旅游業等服務業的“聯動”效應，推進技術與產業融合發展。

第三，加大中西部財政支持，優化教育資源配置。研究結果顯示，教育投入顯著影響中西部地區的綠色經濟效率，西部地區人才“引不來、留不住”問題突出。首先，提高財政投入水平，對新疆、甘肅、西藏等邊陲地區加強對口幫扶和支援力度;積極搭建平臺、創新引入機制，加強“政產學研”合作，提升西部高校教育教學活力。其次，采取宏觀調控手段，優化配置教育資源，進一步縮小區域、學校間的差距。優化中西部高等教育發展布局，依據中西部教育資源優勢特色，科學設置水利、林業、高原凍土、民族藝術和旅游等支柱產業與特色學科，完善教育評價體系，引導西部高校合理定位、辦出特色，促進多方聯動的高層次人才作為綠色經濟發展的重要推手。

第四，強化網絡引領，推進信息化建設。研究結果表明，互聯網普及率是影響綠色經濟發展的重要因素，“5G時代”到來，孕育產生多種新興業態，釋放的巨大潛能為我國信息化發展提供了有利增長空間。同時，“東-中-西”經濟基礎和資源稟賦具有異質性，加強網絡引領，利于推進區域化發展;加強網絡與產業融合，用信息化手段推進產業轉型升級，發揮“補短板、促平衡”效應，彌補教育、貧困等制約因素的不利影響，進而縮小區域差距，促進中西部地區實現“彎道超車”，提升區域經濟綠色發展的動力。

（編輯：李?琪）

參考文獻

[1]林伯強， 譚睿鵬. 中國經濟集聚與綠色經濟效率[J]. 經濟研究， 2019， 54（2）： 119-132.

[2]UNEP. Towards a green economy： pathways to sustainable development and poverty reduction [EB/OL]. 2011. http：//www.unep.org/greeneconomy/Home/test/tabid/29808.html.

[3]DAVID P， HE X J. 綠色經濟的藍圖[M]. 北京： 北京師范大學出版社， 1996： 47-73.

[4]錢爭鳴，劉曉晨. 中國綠色經濟效率的區域差異與影響因素分析[J]. 中國人口·資源與環境， 2013， 23（7）： 104-109.

[5]LUUK J， KAIVO J. Green economic development in lao PDR： a sustainability window analysis of green growth productivity and the efficiency gap[J]. Journal of cleaner production， 2019 （3）： 211-223.

[6]TAO X P， WANG P. Provincial green economic efficiency of China： a non-separable input-output SBM approach[J]. Applied energy， 2016 （5）： 161-171.

[7]錢龍. 中國城市綠色經濟效率測度及影響因素的空間計量研究[J]. 經濟問題探索， 2018 （8）： 160-170.

[8]葉仁道， 張勇， 羅堃. 中國綠色經濟效率的測算及影響因素——基于偏正態面板數據模型[J]. 技術經濟， 2017， 36（11）： 79-85.

[9]郝國彩， 徐銀良， 張曉萌， 等. 長江經濟帶城市綠色經濟績效的溢出效應及其分解[J]. 中國人口·資源與環境， 2018， 28（5）： 75-83.

[10]張文博， 鄧玲， 尹傳斌. “一帶一路”主要節點城市的綠色經濟效率評價及影響因素分析[J]. 經濟問題探索， 2017 （11）： 84-90.

[11]林曉， 徐偉， 楊凡， 等. 東北老工業基地綠色經濟效率的時空演變及影響機制——以遼寧省為例[J]. 經濟地理， 2017， 37（5）： 125-132.

[12]方杏村， 田淑英， 王曉玲. 財政分權、產業集聚與綠色經濟效率——基于270個地級及以上城市面板數據的實證分析[J]. 經濟問題探索， 2019 （11）： 164-172.

[13]JYRKI L， JARI K. Resource efficiency and green economic sustainability transition evaluation of green growth productivity gap and governance challenges in Cambodia[J]. Sustainable development， 2019， 27（3）： 83-99.

[14]張英浩， 陳江龍， 程鈺. 環境規制對中國區域綠色經濟效率的影響機理研究——基于超效率模型和空間面板計量模型實證分析[J]. 長江流域資源與環境， 2018， 27（11）： 2407-2418.

[15]方齊云， 許文靜. 新型城鎮化建設對綠色經濟效率影響的時空效應分析[J]. 經濟問題探索， 2017 （10）： 64-72.

[16]胡安軍， 郭愛君， 鐘方雷， 等. 高新技術產業集聚能夠提高地區綠色經濟效率嗎？[J]. 中國人口·資源與環境， 2018， 28（9）： 93-101.

[17]張治棟， 秦淑悅. 產業集聚對城市綠色效率的影響——以長江經濟帶108個城市為例[J]. 城市問題， 2018 （7）： 48-54.

[18]徐盈之， 顧沛. 制造業價值鏈攀升帶來了綠色經濟效率提升嗎？[J]. 江蘇社會科學， 2019 （4）： 93-106，258-259.

[19]錢爭鳴， 劉曉晨. 我國綠色經濟效率的區域差異及收斂性研究[J]. 廈門大學學報（哲學社會科學版）， 2014 （1）： 110-118.

[20]王勁峰， 徐成東. 地理探測器：原理與展望[J]. 地理學報， 2017， 72（1）： 116-134.

[21]黃烈佳， 楊鵬. 長江經濟帶土地生態安全時空演化特征及影響因素[J]. 長江流域資源與環境， 2019， 28（8）： 1780-1790.

[22]梁鑫源， 李陽兵. 三峽庫區規模農地時空變化特征及其驅動機制[J]. 地理學報， 2018， 73（9）： 1630-1646.

[23]PENG W F， KUANG T T. Quantifying influences of natural factors on vegetation NDVI changes based on geographical detector in Sichuan， Western China[J]. Journal of cleaner production， 2019 （6）： 233-248.

[24]王正雄， 蔣勇軍. 基于GIS與地理探測器的巖溶槽谷石漠化空間分布及驅動因素分析[J]. 地理學報， 2019， 74（5）： 1025-1039.

[25]劉春艷， 張科， 劉吉平. 1976—2013年三江平原景觀生態風險變化及驅動力[J]. 生態學報， 2018， 38（11）： 3729-3740.

[26]DING Y T， ZHANG M. Using the geographical detector technique to explore the impact of socioeconomic factors on PM2.5 concentrations in China[J]. Journal of cleaner production， 2019 （3）： 211-216.

[27]楊智威， 陳穎彪， 吳志峰， 等. 粵港澳大灣區城市熱島空間格局及影響因子多元建模[J]. 資源科學， 2019， 41（6）： 1154-1166.

[28]徐冬， 黃震方， 胡小海， 等. 浙江省縣域旅游效率空間格局演變及其影響因素[J]. 經濟地理，2018，38（5）： 197-207.

[29]阮文奇， 鄭向敏， 李勇泉， 等. 中國入境旅游的“胡煥庸線”空間分布特征及驅動機理研究[J]. 經濟地理， 2018， 38（3）： 181-189，199.

[30]李瀚祺， 賈鵬， 費騰. 基于眾源數據挖掘的中國飲食口味與慢性病的空間關聯[J]. 地理學報， 2019， 74（8）： 1637-1649.

[31]宋雪茜， 鄧偉， 周鵬， 等. 兩層級公共醫療資源空間均衡性及其影響機制——以分級診療改革為背景[J].地理學報， 2019， 74（6）： 1178-1189.

[32]王莉紅， 張軍民. 基于地理探測器的綠洲城鎮空間擴張驅動力分析——以新疆石河子市為例[J]. 地域研究與開發， 2019， 38（4）： 68-74.

[33]郭慶賓， 許泱， 劉承良. 長江中游城市群資源集聚能力影響因素與形成機理[J]. 中國人口·資源與環境， 2018， 28（2）： 151-157.

[34]CHANES A， COOPER W， RHODES E. Measuring the efficiency of decision making units[J]. European journal of operational research， 1978， 2（6）： 429-444.

[35]TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001， 130（3）： 498-509.

[36]TONE K. Dealing with undesirable outputs in dea： a Slacks Based Measure （SBM） approach[R]. Grips Research Report Seires， 2003.

[37]張軍， 吳桂英， 張吉鵬. 中國省際物質資本存量估算：1952—2000[J]. 經濟研究， 2004 （10）： 35-44.

[38]COPELAND B R， TAYLOR M S. North-south trade and the environment[J]. Quarterly journal of economics， 1994 （3）： 755-787.

[39]羅明， 范如國， 楊維國. 技術內生下的中國區域能源強度時空演化研究[J]. 經濟問題探索， 2017 （10）： 166-176.