黃河流域城市群生態效率評價及歸因分析

劉虹 雷敏 楊晨 江星月 鄭清

摘要 黃河流域城市群是黃河流域生態保護和高質量發展的重要載體，提高黃河流域城市群生態效率有利于提升其綠色經濟發展水平?；诔鞘腥阂暯?，利用超效率SBM模型測度黃河流域七大城市群60個城市2006—2020年的生態效率值，借助Dagum基尼指數進行區域差異性分析，進一步通過面板分位數模型識別影響城市群生態效率的主要因素。結果表明：①黃河流域地區及各城市群生態效率明顯改善，呼包鄂榆城市群和寧夏沿黃城市群生態效率水平最高，而中原城市群和蘭西城市群生態效率水平最低；②黃河流域生態效率空間分布格局由“低值區抱團分布、高值區離散分布”轉變為高值區和低值區“小集聚、大分散”的交叉分布格局；③七大城市群總體差異縮小，組間差異和超變密度是總體差異的主要來源；④產業結構、人口密度、對外開放水平制約了城市群生態效率的發展，而經濟發展水平、技術進步與生態效率呈正相關關系。

關鍵詞 生態效率;超效率SBM模型;Dagum基尼指數;面板分位數回歸；黃河流域

中圖分類號：F124.5? DOI：10.16152/j.cnki.xdxbzr.2024-03-015

Ecological efficiency evaluation and attribution analysis of urban agglomerations in the Yellow River Basin

LIU Hong， LEI Min， YANG Chen， JIANG Xingyue， ZHENG Qing

（College of Urban and Environmental Sciences， Northwest University， Xian 710127， China）

Abstract The urban agglomerations in the Yellow River Basin play a crucial role in preserving the environment and fostering high-quality development in this area. Improving the eco-efficiency of these urban agglomerations has the potential to boost their green economic growth. We approached this from the perspective of urban agglomerations and used the super-SBM model to assess the ecological efficiency of 60 cities across seven urban agglomerations in the Yellow River Basin from 2006 to 2020. Afterward， we analyzed regional differences using the Dagum Gini index and identified the key factors affecting the ecological efficiency of urban agglomerations through the panel quantile model.The results are as follows： ① Eco-efficiency has significantly improved throughout the Yellow River Basin， including all urban agglomerations. The Hu-bao-Eyu urban agglomeration and the Ningxia urban agglomeration along the Yellow River exhibited the highest eco-efficiency levels， while the Central Plains urban agglomeration and the Lanxi urban agglomeration showed the lowest eco-efficiency levels. ② The spatial distribution of eco-efficiency in the Yellow River Basin has shifted from a "clustered distribution in low-value areas， discrete distribution in high-value areas" to a "cross-distribution pattern with small clusters and large dispersion of high-value areas and low-value areas". ③ Overall disparities among the seven major urban agglomerations have decreased. The primary contributors to these differences are disparities between groups and Hypervariable density. ④ Industrial structure， population density， and openness levels constrain the ecological efficiency of urban agglomerations. In contrast， economic development levels and technological progress are positively correlated with ecological efficiency.

Keywords ecological efficiency; super-SBM model; Dagum Gini index; panel quantile regression； Yellow River Basin

黃河流域既是我國中部地區重要的生態屏障［1］，同時也是我國重要的戰略經濟地帶。區域內經濟發展和生態保護矛盾突出，其生態環境脆弱、資源環境承載力差、區域內發展不平衡等問題一直制約著沿黃地區的生態經濟發展。習近平總書記多次就黃河流域環境保護和經濟建設發表重要講話，指出保護黃河對于中華民族偉大復興具有重要意義［2］。黃河流域自古以來就對中華文化和經濟起著舉足輕重的作用，對黃河的開發與治理也伴隨著人類歷史發展的進程。黃河流域自身的生態本底差，隨著城市化和工業化的迅猛發展，過去粗放式的發展不可避免地加重了黃河流域的生態壓力。《黃河保護法》自2023年4月1日正式實施，黃河流域生態保護和高質量發展成為目前以及未來經濟發展的主要任務之一。黃河流域的綜合治理已取得顯著成效，但黃河流域區域內自然條件差異大、產業結構較為偏重、生態環境脆弱，仍然存在著農業面源污染、水土流失、水資源生態安全等問題，這些問題無不威脅著黃河流域沿黃城市的可持續發展。生態效率作為可持續發展水平的衡量指標［3］，在國家和地區制定經濟與環境政策時發揮著重要作用［4］。因此，深入研究黃河流域生態效率有利于分析黃河流域綠色經濟發展水平的空間格局，探尋可持續發展狀況，促進黃河流域高質量發展轉型升級。

Schaltegger和Sturm最早于1990年提出生態效率這一概念［5］。1992年世界可持續發展工商理事會（WBCSD）在其著作中對生態效率作進一步闡釋［6］，首次將生態效率從生態學引入經濟學范疇，豐富了生態效率的內涵。生態效率已經成為衡量企業［7］、行業［8］、區域［9］等的綠色經濟發展水平的重要手段。生態效率一經引入，即成為國內學者關注的熱點，早期主要是對生態效率理論的探索，包括理論引入［10］、內涵解析［11］、研究實踐［12］;隨著理論和方法的更新完善，研究視角逐漸從工業園區、企業、行業擴展至區域范圍［13］;研究方法也變的多元化，包括DEA［14］、TOPSIS［15］、SFA［16］等模型。近年來，國內學者們熱衷于將生態效率引入到區域綠色經濟發展測度上，研究區域綠色發展水平的時空演化規律及內在影響機制。研究區域主要包括5個層面。①國家層面。如Junya Yamasaki等人基于LIME3方法計算環境負荷，并對42 個主要為經合組織成員國的生態效率進行了評估，發現生態效率為前三的城市為巴黎、倫敦及都柏林，豐富了地方政府環境核算的標準方法［17］。②區域層面。如孫叢婷等用基尼系數、σ收斂等方法分析了中國六大地理區域生態效率的時空演變和區域之間的差異特征［18］。③城市層面。如Yao等人運用SBM模型計算了中國152個地級市的生態效率，發現智慧城市建設有利于促進經濟水平較低的城市的生態效率［19］。④省級層面。如沈偉騰等運用SBM模型和空間自回歸模型對中國30個省級行政區2005—2015年10年間的生態效率進行測度并研究其空間互動特征，發現區域間存在正向的互動效應［20］。⑤縣域層面。田鵬等用SBM模型測度了東海海岸帶52個縣區2005—2018年的經濟和生態效率，并利用冗余率尋找影響區域生態效率的主要因素［21］。前人的研究已相當豐富，但對城市群的研究仍較為薄弱，城市群對于促進國家經濟的發展、帶動和協調區域發展、參與國際分工具有不可磨滅的作用。發展城市群、有效提高城市群的生態效率不僅可以實現區域內資源的有效配置，還將實現區域內環境、資源、經濟的有效協調。城市群的發展和國家戰略息息相關，而黃河流域溝通南北、承接東西，因此，黃河流域城市群的協調穩步發展，有利于構建城鄉發展的新格局，促進城市群及城市群內部融合發展、互利共贏。

已有學者對黃河流域省際及地級市的生態效率進行測度，研究內容囊括影響機制探討［22］、門檻效應分析［23］、城鎮化進程與生態效率的交互作用［24］、空間異質性研究［25］。研究內容較為豐富，但缺少多個城市群生態效率的橫向比較，以及城市群間的差異性分析，對于社會經濟因素在城市群生態效率方面的邊際效應亦有所不足。因此，本文首先以黃河流域七大城市群60個地級市作為研究對象，考察其在2006—2020年15年內的生態效率發展水平，進而探究黃河流域城市群生態效率發展的時空演化規律;其次，借助Dagum基尼系數深入研討黃河流域城市群內及城市群間的差異來源和時序變化，從而幫助分析黃河流域城市群生態效率空間非均衡特征及影響空間非均衡的主要因素;最后，利用面板分位數回歸模型進一步考察各種社會經濟因素的邊際效應對城市群生態效率的影響程度，從而揭示不同分位點下對提升城市群生態效率的異質性影響?；谏鲜鲅芯?，不但可以分析黃河流域城市群生態效率時空演化規律及影響機制，還可以為黃河流域沿黃城市高質量發展轉型升級提供參考意見。

1 研究方法、研究區域與數據來源

1.1 研究區域概況

黃河流域是我國重要的人口集聚和經濟發展區域，流域范圍涉及到青海省、寧夏回族自治區、甘肅省、四川省、陜西省、內蒙古自治區、山西省、河南省、山東省9個省份，鑒于四川省絕大部分區域屬于長江經濟帶，因此本文不予考慮［26］。據國家統計局公布的相關數據顯示，2021年，黃河流域總人口約為3.36億人，地區生產總值約23.3萬億元，約占全國總值的20.5％。黃河流域也是我國重要的能源化工基地，僅山西、內蒙古、陜西3省的原煤產量就已占全國原煤產量的72％以上，而全流域工業二氧化硫排放量占到全國30％以上。區域內經濟發展與環境保護矛盾突出，節能減排任務艱巨。沿黃城市群是黃河流域生態保護和高質量發展的先行區，因地制宜地發揮各大城市群的比較優勢，對促進“綠”“富”協調發展具有重要作用。本文以黃河流域七大城市群發展規劃綱要為依據，由于青海省下轄自治州及海東市、濟源市數據缺失嚴重，將其剔除在外，共選取其中60個地級及以上城市為研究對象關中平原城市群包括西安市、寶雞市、咸陽市、銅川市、渭南市、商洛市、天水市、平涼市、慶陽市、運城市、臨汾市;呼包鄂榆城市群包括呼和浩特市、包頭市、鄂爾多斯市、榆林市; 蘭西城市群包括蘭州市、西寧市、白銀市、定西市;寧夏沿黃城市群包括銀川市、石嘴山市、吳忠市、中衛市;山東半島城市群包括濟南市、青島市、淄博市、東營市、煙臺市、濰坊市、泰安市、威海市、日照市、德州市、聊城市、濱州市;山西中部城市群包括太原市、晉中市、沂州市、呂梁市、陽泉市;中原城市群包括鄭州市、洛陽市、開封市、南陽市、安陽市、商丘市、新鄉市、平頂山市、許昌市、周口市、信陽市、駐馬店市、鶴壁市、濮陽市、漯河市、三門峽市、焦作市、長治市、晉城市、菏澤市。（見圖1）。

1.2 研究方法

1.2.1 Super SBM模型

基于非期望產出的超效率SBM模型是超效率DEA模型中的一種，它不僅能夠有效區分位于生產前沿面的決策單元，而且還考慮了松弛變量［27］，在測算效率方便具有優越性。為了對多個城市不同年份生態效率進行跨期比較，本文運用基于全局基準技術的、規模報酬可變的Super SBM模型。具體計算公式為

PG=P1∪P2∪…∪PT=（t，t，t）t≥∑Tt=1∑lj=1，≠0xtjmλtjt≤∑Tt=1∑lj=1，≠0xtjnλtjt≥∑Tt=1∑lj=1，≠0ztjkλtj∑lj=1λtj=1，λtj≥0ρ=min1m∑Tt=1∑mi=1xio1n+k（∑Tt=1∑nr=1yro+∑Tt=1∑kq=1zqo）s.t.≥∑Tt=1∑lj=1，≠0xtijλtj，i=1，2，…，m;≤∑Tt=1∑lj=1，≠0ytrjλtj，r=1，2，…，n;≥∑Tt=1∑lj=1，≠0ztqjλtj，q=1，2，…，k;≥xo，≤yo，≥zo；∑lj=1λtj=1，λtj≥0；=xio+s-a，=yro-s+b;=zqo+s-c，s-a≥0，s+b≥0，s-c≥0。（1）

式中：ρ代表城市的效率值；xio、yro、zqo分別代表城市的分別代表第o個決策單元的第i個投入值、第r個期望產出值、第q個非期望產出值;s代表松弛變量;λti為第t期第j個決策單元的權重系數。

1.2.2 Dagum基尼系數及其分解方法

Dagum基尼系數可用來分析區域內及區域間非均衡問題，并可進一步分解為組內基尼系數Gw、組間基尼系數Gnb、超變密度基尼系數Gt［28］，從而對有效分析黃河流域城市群內、城市群間的生態效率差異提供方法工具。其計算公式為

G=∑mi=1∑mu=1∑nij=1∑nuv=1｜yij-yuv｜2n2（2）

Gii=∑nij=1∑niv=1｜yij-yiv｜2n2ii（3）

Giu=∑nij=1∑nuv=1｜yij-yuv｜ninu（i+u）（4）

Gw=∑mi=1Giipisi（5）

Gnb=∑mi=2∑i-1u=1Giu（pisu+pusi）Diu（6）

Gt=∑mi=2∑i-1u=1Giu（pisu+pusi）（1-Diu）（7）

Diu=diu-piudiu+piu（8）

pi=nin（9）

si=niin（10）

G=Gw+Gnb+Gt（11）

式中：m和n分別指代城市群和城市數量；yij指第i個城市群第j個城市的生態效率；yuv為第u個城市群第v個城市的生態效率；ni和nu分別代表第i個和第u個城市群的城市數量；Gii是第i個城市群內的基尼系數；Giu為第i個和第u個城市群之間的基尼系數；G為黃河流域城市群總體基尼系數；diu為城市群之間生態效率的差值，即i與u城市群間滿足yij-yuv的所有樣本值之和的數學期望；pi為第i個城市群內所含城市的個數占整個研究區域城市個數的比重；si代表第i城市群生態效率之和占總區域生態效率之和的比重；piu為超變一階距；Diu為i與u城市群間生態效率的相對影響。

1.2.3 面板分位數回歸模型

一般進行線性回歸擬合時需要去掉極值點，但是也會使極值點在研究中喪失意義。與之相比，分位數回歸（quantile regression）［29］可以對解釋變量的全局特征進行描述，因此面對數據中的極值點時，它比最小二乘法更加穩健。 Koenker在2004年通過將面板數據與分位數回歸進行整合，構建了面板分位數回歸模型［30］。本文所使用的是帶固定效應的面板分位數回歸模型，其公式為

Qρit（τ｜Xit）=αi+β（τ）Xit+εit（12）

式中：i為城市，t為時間，ρit代表城市生態效率值;Qρit（τ｜Xit）代表各城市在τ分位數下的生態效率;β（τ）表示在τ分位數下的回歸系數;Xit代表解釋變量;εit代表隨機誤差項;αi代表個體固定效應。

1.3 數據來源

投入指標通常包含勞動力、物質資本、自然資源等指標，分別以年末單位從業人員、固定資本存量、建成區面積、供水總量、夜間燈光指數來表示（見表1）。研究表明，夜間燈光指數與能源投入有明顯的線性關系［31］，因此本文以研究區域內夜間燈光柵格總值來表示能源投入。固定資本存量用永續盤存法來計算，借鑒張軍等人的相關研究［32］，并以2006年為基期。計算公式為

Kt=Kt-1（1-δ）+It（13）

式中：K指代某期資本存量；δ為9.6％；It指當年實際投資，為名義固定資本形成額除以固定資本形成總額指數得到。

在產出指標中，將生態指標即建成區綠化覆蓋率納入期望產出，期望產出還包括地級市一般公共預算收入、地區生產總值，相關GDP數據以2006年為基期進行平減;非期望產出用環境污染指數來表示，具體通過工業三廢，即工業廢水、二氧化硫以及煙塵排放量利用熵值法計算而來［33］（見表1）。

數據主要來源于《中國城市統計年鑒（2007—2021）》、黃河流域沿黃城市統計年鑒、國民經濟和社會發展公報及各省份水資源公報，仍有缺失數據運用stata軟件進行插值處理。

2 結果分析

2.1 黃河流域七大城市群生態效率評價

基于全局基準技術，利用超效率SBM模型計算黃河流域七大城市群60個地級市2006—2020年的生態效率值，城市群逐年生態效率值為各城市群所包含的城市生態效率的平均值。如圖2所示，除蘭西城市群外，其余城市群在研究期內生態效率均波折上升，生態效率明顯改善。

從總體看，黃河流域地區生態效率在研究期內從0.499提升到0.771，近5年增長態勢明顯。從各城市群生態效率均值角度來講，效率高低關系表現為：寧夏沿黃城市群>呼包鄂榆城市群城市群>山東半島城市群>關中平原城市群>山西中部城市群>中原城市群>蘭西城市群。在研究期內，黃河流域地區生態效率非有效，表明黃河流域城市群生態效率還有很大的提升空間。從增長率角度來看，呼包鄂榆城市群城市群與中原城市群增長幅度最大，研究期內生態效率分別增加了0.619、0.342。黃河流域因區域內部城市自然資源稟賦和經濟社會發展導向不同， 上中下游發展差異較大。 從經濟輻射能力來看， 山東半島城市群、 中原城市群無疑是黃河流域經濟實力較強的兩大城市群， 然而其生態效率值卻遠小于呼包鄂榆城市群、 寧夏沿黃城市群等。 原因在于其人口體量大， 資源投入較多、 而非期望產出的冗余率過高， 即粗放式的經濟增長雖然促進了地區的經濟發展， 但對生態造成了一定的損害， 拉低了地區的綠色經濟發展水平。

2.2 黃河流域城市群生態效率時空演化分析

根據黃河流域城市生態效率值的區間分布，將黃河流域城市生態效率分為5個等級，即低效率（ρ≤0.3）、中低效率（0.3<ρ≤0.5）、中等效率（0.5<ρ≤0.75）、中高效率（0.75<ρ<1）、高效率（ρ≥1）。由于全文篇幅受限，因此選取2006年、2010年、2015年、2020年這4個時間點進行可視化展現（見圖3）。從城市層面來看，各城市生態效率呈緩慢增長趨勢。在2006—2010年間，絕大部分城市生態效率小幅度增長，中低效率城市所占比例從61.67％縮減至46.67％，中等效率城市占比從21.67％增加至41.67％。高效率城市較多出現在上游地區，低值區分布較為聚集，高值區分布較為分散。從城市群視角來看：中原城市群、山東半島城市群依然處于墊底位置;關中平原城市群、寧夏沿黃城市群位居前列;呼包鄂榆城市群增長幅度最大，在該時間段內生態效率從0.433增加到0.687。2010—2015年間，中高效率城市所占比例上升，低效率城市縮減為0個，高值區離散分布，低值區抱團分布。關中平原城市群、寧夏沿黃城市群、山西中部城市群生態效率倒退現象明顯，其余城市群均有不同程度的改善。其中，山東半島城市群增長幅度最大，從0.553提升至0.673，成為僅次于呼包鄂榆城市群外生態效率最好的城市群。2015—2020年間，各城市及各城市群的生態效率明顯提升，高值區與低值區總體分布較為集中，但個別區域存在交叉分布格局。其中，高效率城市占比從6.7％增長到35％，中低效率城市占比從43.3％縮減至13.3％。呼包鄂榆城市群生態效率提升至1.05，遙遙領先于其余城市群。值得一提的是，中原城市群在研究期內生態效率提升至0.773，在黃河流域城市群中位居第3。蘭西城市群盡管有所提升，但仍落后于其余城市群。蘭西城市群在研究期內始終處于墊底位置，作為新生城市群，其生態環境脆弱、經濟總量小、城市分布較為松散、缺乏大城市的帶動作用、自身輻射能力不足。山東半島城市群在研究期內的非期望產出冗余水平排在眾城市群前列，其投入資源冗余也較為嚴重，改變發展策略、推動綠色循環經濟發展勢在必行。

2.3 黃河流域城市群生態效率差異性分析

2.3.1 黃河流域城市群內生態效率總體差異分析

表2顯示了黃河流域城市群Dagum基尼系數及其分解結果，貢獻率代表了基尼系數總體差異的占比來源。2006—2020年間，黃河流域城市群生態效率總體基尼系數呈現緩慢波動的下降趨勢，總體差距縮減了15.45％，生態保護與經濟發展的協調性有所加強。從基尼系數差異來源看，組內基尼系數總體呈現“減-增-減-增”的“W”形發展趨勢，研究期內貢獻率占比位于13.241％～18.925％之間;組間基尼系數表現為先增后減的“倒U”形趨勢，在2008年達到最大值0.123之后，在2019年達到最低值0.059，研究期內貢獻率占比在31.836％～61.404％之間;超變密度基尼系數發展趨勢與組內基尼系數趨勢相似，為“W”形演變趨勢，在研究初始期為最大值0.103，在2010年達到最小值0.045，研究期內貢獻率在25.312％～49.239％之間。基尼系數分析結果表明，城市群內與城市群間生態效率差異有所下降，黃河流域城市群間基尼系數及超變密度基尼系數貢獻率均值分別為48.9％、35.5％，是總體差異的主要來源。

2.3.2 黃河流域城市群生態效率差異

黃河流域城市群Dagum基尼系數表明了各個城市群內部區域生態效率是否存在較大差距（見表3）。從均值情況來看，關中平原城市群內部差異最大，達到了0.236，而呼包鄂榆城市群與蘭西城市群Dagum基尼系數最低，為0.094。分城市群來看：關中平原城市群在2006年區域內生態效率差異達到最大，為0.304，研究期內差異減少15.13％，相比于其余城市群，區域內非均衡特征明顯，核心城市對周邊城市輻射帶動作用不強，需強化其溢出效應;呼包鄂榆城市群研究期內區域差距逐漸變小，在2015年達到最低0.021， 研究期內區域差異減小了72.41％， 展示了其發展的強勁力量; 蘭西城市群在研究期內差距縮小的最快， 從初始時期的0.285減小到研究末期的0.019，減小了93.33％，區域生態效率逐漸達到均衡，但區域內生態效率普遍較低，在平衡區域發展的同時也需提高區域內綠色經濟發展水平;山東半島城市群與中原城市群在研究期內生態效率Dagum基尼系數變大，空間差距拉大，表明區域發展失衡，需加強區域內的交流合作、重視區域差距問題，促使地區間生態經濟協調發展;山西中部城市群盡管差距有所減小，但仍存在不平衡問題;寧夏沿黃城市群研究期內基尼系數減小了56.58％，區域逐漸均衡。

2.3.3 黃河流域城市群間生態效率差異

如表4所示，黃河流域城市群間基尼系數反映了城市群間生態效率的差異。各個城市群間生態效率差距差別不大，在0.138～0.239之間。根據城市群間基尼系數值的分布差異，可大致分為3類。第1類城市群間基尼系數值在0.2以上，有12組，主要包括關中平原城市群與其余城市群等組。這些城市群之間生態效率基尼系數發展差異較大，尤其是寧夏沿黃城市群與中原城市群之間，表明中原城市群內部各城市區域協調發展水平較低，非期望產出冗余嚴重，生態效率值遠低于寧夏沿黃城市群。第2類城市群間基尼系數在0.15～0.2之間，有7組，主要包括山東半島城市群與其余城市群等群組。其中，呼包鄂榆城市群與寧夏沿黃城市群在近幾年區域間基尼系數降到了0.1以下，反映了近年間這兩大城市群生態效率水平較高、差距較小，區域綠色協調發展能力突出。第3類城市群間基尼系數在0.15以下，包括呼包鄂榆城市群與山東半島城市群、蘭西城市群與中原城市群這兩組。蘭西城市群與中原城市群是低生態效率區的代表，區域間綠色發展水平相對一致，但需盡快提質提量，減小對環境的污染破壞，轉變發展模式，推動產業結構優化、提升區域高質量發展;山東半島城市群盡管未如其余城市群出現跳躍式增長與回落，但研究期內生態效率持續穩步增長，區域協調發展能力逐漸加強，因此與呼包鄂榆城市群保持了較小的區域差異。

3 黃河流域城市群生態效率影響機制分析

3.1 因素選取與變量檢驗

城市是黃河流域城市群的基礎單元，城市系統是經濟生態社會系統相互耦合的有機整體，它受多重因素的影響，其正負影響作用于城市系統并最終反饋到城市群的生態效率上。本文選取以下6個因素作為生態效率的解釋變量并加以說明（見圖4）。①經濟發展水平（LnPGDP），以人均GDP來表示，對其進行取對數處理以消除異方差影響。人均GDP在某種程度上反映了一個城市的富裕程度，經濟發展水平較高的地區其區域創新能力也相對較強，預期回歸系數為正。②產業結構（Ind2），以第二產業增加值與GDP的比重表示。第二產業對資源依賴度強且對環境污染較大，預期回歸系數為負。③對外開放水平（Fdi），為當年實際利用外資與GDP的比重。外商投資是我國經濟增長的主要引擎，促進經濟發展的同時也會將高污產業轉移至我國，預期回歸系數未知。④人口密度（Lnpop），以年末總人口數與行政區域面積的比值進行表示，并進行取對數處理。人口對環境的影響是雙向的，因此回歸系數未知。⑤技術進步（Sci），以科學技術支出占地方一般公共預算支出的比重進行表示?？茖W技術能改進生產方式，降低環境影響，預期回歸系數為正。⑥政府作用（Gov），以地方一般公共預算支出占GDP的比重表示。政府干預制約生態經濟水平，預期回歸系數未知。

在對變量進行回歸之前，首先對解釋變量進行多重共線性檢驗。結果顯示，方差膨脹因子VIF值在1.18～3.49之間，平均值為1.87，表明模型不存在嚴重的共線性問題。此外，還需對數據進行平穩性檢驗。由于本文數據截面維度大于時間維度，屬于“大N小T”的短面板類型，因此適合采用HT檢驗，部分變量在一階差分后平穩，拒絕原假設，即不存在單位根，因此可以進行回歸分析。

3.2 生態效率面板分位數回歸結果

為了與傳統回歸模型進行比較，先對變量進行固定效應回歸；其次，利用面板分位數模型進行回歸，以說明面板分位數回歸的可靠性與穩健性。這里選取10％、25％、50％、75％、90％這5個比較典型的分位點，如表5所示，除人口密度外，其余變量回歸結果基本相一致。

經濟發展水平對于生態效率的提升具有顯著的正向效應，其回歸系數均在1％水平下顯著，意味著隨著區域經濟發展水平的提高，區域的發展更多的向循環經濟轉型升級;從分位點來看，在10％分位點水平下人均GDP彈性系數最大，代表著在低分位城市，人均GDP的提升能大幅度改善區域的生態效率，回歸系數先降低后增加，從側面印證了“環境庫茲涅茲假說”［34］。

產業結構對生態效率存在顯著負相關關系，且在高分位點城市其影響最嚴重，即在生態效率較好的城市，產業結構的合理與否直接影響到區域綠色經濟的發展。第二產業規模每下降1％，則生態效率將會提高0.6％～0.403％不等。因此低效率城市需盡快促使產業轉型，優化能源結構［35］，避免陷入“資源詛咒”困境。

對外開放水平抑制生態效率的發展，尤其是在高分位點城市，其作用越明顯。而在25％分位點水平上呈正相關，即在該水平上外商投資能促進區域生態效率的提高。有研究表明，外資引進會使中國成為“污染避難所”［36］，將低附加值行業轉移至我國，而并沒有帶來技術的革新，應加強環境規制強度、發展綠色經濟。

人口密度對生態效率呈負相關關系，表明人口集聚能抑制生態效率的提升，回歸系數隨分位點的增加而增加，代表高分位城市人口密度對生態效率的制約作用比低分位城市要更顯著。人口規模的擴張加劇城鎮化的發展，不可避免的增加了對資源的消耗，而工業技術發展水平相對滯后，資源利用率不高，資源承載能力不足，從而不利于城市生態效率的發展。

技術進步能顯著促進生態效率的提升，且其回歸系數在所有解釋變量中最大，對生態效率的影響最大，在50％分位點上影響變為負，回歸系數整體呈現“M”型走向。技術水平的提高可以加強資源的利用效率，但如果技術的發展傾向于規模擴張，則會存在“技術環境悖論”［37］，反而加劇了污染物的排放。但總的來說，隨著技術水平的提高、新能源的使用、廢物的有效利用，技術創新對于生態效率的提升都有無與倫比的意義。

政府支持在10％、50％分位點表現為負，而在其余分位點表現為正向相關關系。在高分位城市，政府支持對于生態效率的提升較為顯著，對于基礎設施、生態環保支出具有正外部性，從而提高區域的生態效率。

3.3 穩健性檢驗

為證明回歸結果具有穩健性， 本文采用替換解釋變量法再次對面板數據進行面板分位數回歸， 將人均GDP替換為人均財政收入（Lnfin）并做取對數處理。 如表6所示， 所得結果顯著性、 效果與表5結果類似， 證明面板分位數結果穩健可靠。

4 結論與建議

4.1 結論

本文以黃河流域七大城市群為研究對象，利用SuperSBM模型測度了黃河流域城市群2006—2020年的生態效率值，并分析了其空間格局演變。在此基礎上，利用Dagum基尼系數及其分解方法探討了各城市群生態效率發展的差異性及非均衡性。最后，基于面板分位數回歸模型，探索了影響生態效率提升的主要因素，得到如下結論。

1）從整體上看，黃河流域地區生態效率在研究期內從0.499提升至0.771，且近五年增長趨勢明顯。從城市群角度來看，各城市群生態效率得到明顯改善，其中，呼包鄂榆城市群和寧夏沿黃城市群生態效率最好，而中原城市群和蘭西城市群生態效率最差，各城市群間效率發展差異顯著，呼包鄂榆城市群增長幅度最大，研究期內效率增加了0.619。從城市層面來看，各城市生態效率呈緩慢增長趨勢。

2）從時空演化規律上看，黃河流域生態效率空間分布格局由“低值區抱團分布、高值區離散分布”轉化為高值區和低值區“小集聚、大分散”的交叉分布格局。在整個研究期內，中低效率城市與中等效率城市所占比例最高，高效率城市與中高效率城市稍顯不足，揭示了黃河流域城市群生態效率還有很大提升改善空間。

3）從黃河流域城市群Dagum基尼系數及其分解結果來看，區域總體差異減小。組內基尼系數和超變密度基尼系數呈“減增減增”的“W”形發展趨勢，而組間基尼系數呈先減后增的“倒U”形發展趨勢。組間基尼系數及超變密度基尼系數貢獻率均值分別為48.9％、35.5％，是總體差異的主要來源。從組內差異來看，關中平原城市群內部差異最大，而呼包鄂榆城市群與蘭西城市群內部差異最小;從組間基尼系數來看，各個城市群間生態效率差距不大，在0.138～0.239之間。

4）二產占比、人口密度、對外開放水平制約城市群生態效率的發展，而經濟發展水平、技術進步與生態效率呈顯著的正向相關關系。因此，相比于調整產業結構，通過技術進步促進生產率發展、提高資源利用率、加強環境規制能夠更有效地提升黃河流域綠色經濟發展水平［38］。

4.2 建議

黃河流域上中下游經濟與生態條件差異大，社會發展導向不同，需有區別性培育，有針對性地提高各個城市群的生態效率。針對上游城市群，即蘭西城市群、寧夏沿黃城市群，其經濟發展水平相對滯后，核心城市輻射帶動作用不強，應堅持生態優先，促進地區綠色產業轉型升級，并強化蘭州、銀川、西寧在黃河流域上游城市群的輻射帶動作用，促進上游城市緊密融合，形成上游地區的新增長極。針對上中游城市群，即呼包鄂榆城市群，其人口密集、區位發展條件優越、能源儲存豐富、城市發展基礎良好，是中西部地區較富影響力的城市群，需立足自身資源稟賦，淘汰落后產業，大力發展新興產業集群，并打破區域壁壘，深化跨區域協同發展。針對中游城市群，即關中平原城市群、山西中部城市群、中原城市群，作為中部城市群，西安、鄭州、太原對周邊輻射帶動能力有限，區域副中心城市發展遲緩，地區“馬太效應”逐漸顯現，且區域資源約束力強。因此，應著力培育資源節約及環境友好型城市，推動地區次中心城市與中小城市的發展，實現與周邊地區資源要素緊密聯系的一體化發展，強化科創實力并加速就地轉化科技創新成果，與周邊地區共享科技力量。針對下游城市群，即山東半島城市群，作為黃河流域經濟最活躍的地區，應加快新舊動能轉換，培育壯大產業集群，強化與沿黃各地區的交流合作，并堅持加大污染治理力度，發揮自身的龍頭作用的同時重視對生態環境的治理，降低地區污染物排放量，決不能因環境污染而拉低區域綠色經濟發展水平，切實保障城市群的綠色可持續發展。若要實現黃河流域城市群高質量發展，重點不僅在于提高地區的經濟水平，更重要的是完善區域協調發展機制、協同創新機制，推進區域生態一體化建設，分區域分重點差異發展。

本研究存在一些不足之處，囿于數據獲得性問題，不得以剔除部分地級市（州），使得研究區域不夠全面，這在一定程度上會造成結論的偏頗;其次，評價指標體系尚有豐富的余地，未來可加入對大氣污染造成重要影響的CO2、PM2.5等環境污染指標，在驅動因素方面，可考慮環境規制、生態環境等方面的約束，研究尺度和深度有待進一步深化。

參考文獻

［1］ 陳明華， 王山， 劉文斐.黃河流域生態效率及其提升路徑：基于100個城市的實證研究［J］. 中國人口科學，2020（4）： 46-58.

CHEN M H， WANG S， LIU W F. Ecological efficiency and its improvement path in the Yellow River Basin： An empirical study based on 100 cities［J］. Chinese Population Science， 2020（4）： 46-58.

［2］ 習近平.在黃河流域生態保護和高質量發展座談會上的講話［J］.中國水利，2019（20）： 1-3.

XI J P. Speech at the symposium on ecological protection and high-quality development in the Yellow River Basin［J］. China Water Resources， 2019（20）： 1-3.

［3］ HUPPES G， ISHIKAWA M. A framework for quantified eco-efficiency analysis［J］.Journal of Industrial Ecology， 2005， 9（4）： 25-41.

［4］ DAI Z M， GUO L， JIANG Z Y. Study on the industrial eco-efficiency in east China based on the super efficiency DEA model：An example of the 2003—2013 panel data［J］. Applied Economics， 2016， 48（59）： 5779-5785.

［5］ SCHALTEGGER S， STURM A. kologische rationalitt［J］. Die Unternehmung， 1990， 44（4）： 273-290.

［6］ WBCFS. Eco-efficiency leadership for improved economic and environmental performance［M］.Genva： WBCFS， 1992： 3-16.

［7］ HIROSE K， MISHIMA N. Eco-efficiency evaluation of modular design smartphones［J］.Procedia CIRP， 2019， 84： 1054-1058.

［8］ 張展，廖小平，李春華，等.湖南省縣域農業生態效率的時空特征及其影響因素［J］.經濟地理，2022， 42（2）： 181-189.

ZHANG Z， LIAO X P， LI C H， et al. Spatial and temporal characteristics and influencing factors of county agricultural eco-efficiency in Hunan Province［J］. Economic Geography， 2022， 42（2）： 181-189.

［9］ RASHIDI K， SHABANI A， FARZIPOOR SAEN R. Using data envelopment analysis for estimating energy saving and undesirable output abatement： A case study in the Organization for Economic Co-Operation and Development （OECD） countries［J］.Journal of Cleaner Production， 2015， 105（15）： 241-252.

［10］李麗平，田春秀，國冬梅.生態效率：OECD全新環境管理經驗［J］.環境科學動態，2000，25（1）： 33-36.

LI L P， TIAN C X， GUO D M. Eco-efficiency： The OECDs new experience in environmental management［J］. Journal of Environmental Science， 2000，25（1）： 33-36.

［11］諸大建，朱遠.生態效率與循環經濟［J］.復旦學報（社會科學版）， 2005，47（2）： 60-66.

ZHU D J， ZHU Y. Eco-efficiency and circular economy［J］. Journal of Fudan University （Social Science Edition）， 2005，47（2）： 60-66.

［12］戴鐵軍，陸鐘武.鋼鐵企業生態效率分析［J］.東北大學學報，2005， 26（12）： 1168-1173.

DAI T J， LU Z W. Ecological efficiency analysis of iron and steel enterprises［J］. Journal of Northeastern University， 2005， 26（12）： 1168-1173.

［13］楊斌.2000—2006年中國區域生態效率研究：基于DEA方法的實證分析［J］.經濟地理，2009， 29（7）： 1197-1202.

YANG B. Study on regional eco-efficiency in China from 2000 to 2006： Empirical analysis based on DEA method［J］.Economic Geography， 2009， 29（7）： 1197-1202.

［14］KUOSMANEN T， KORTELAINEN M. Measuring eco-efficiency of production with data envelopment analysis［J］.Journal of Industrial Ecology， 2005，9（4）： 59-72.

［15］韓瑞玲，佟連軍，宋亞楠 .基于生態效率的遼寧省循環經濟分析［J］.生態學報，2011， 31（16）： 4732-4740.

HAN R L， TONG L J， SONG Y N. Analysis of circular economy in Liaoning Province based on eco-efficiency［J］. Acta Ecologica Sinica， 2011， 31（16）： 4732-4740.

［16］肖黎明，張仙鵬.強可持續理念下綠色創新效率與生態福利績效耦合協調的時空特征［J］.自然資源學報， 2019， 34（2）： 312-324.

XIAO L M， ZHANG X P. Spatio-temporal characteristics of coupling coordination between green innovation efficiency and ecological welfare performance under the concept of strong sustainability［J］. Journal of Natural Resources， 2019， 34（2）： 312-324.

［17］YAMASAKI J， ITSUBO N， MURAYAMA A， et al. Eco-efficiency assessment of 42 countries administrative divisions based on environmental impact and gross regional product［J］. City and Environment Interactions， 2021，10： 100061.

［18］孫叢婷，傅莉媛，蔣犇，等.中國生態效率時空動態分布與區域差異［J］.生態學報，2023， 43（4）： 1366-1379.

SUN C T， FU L Y， JIANG B， et al. Spatio-temporal dynamic distribution and regional differences of eco-efficiency in China［J］. Acta Ecologica Sinica， 2023， 43（4）： 1366-1379.

［19］YAO T T， HUANG Z L， ZHAO W. Are smart cities more ecologically efficient？ Evidence from China［J］. Sustainable Cities and Society， 2020， 60： 102008.

［20］沈偉騰，胡求光，李加林，等.中國區域生態效率的時空演變及空間互動特征［J］ 自然資源學報，2020， 35（9）： 2149-2162.

SHEN W T， HU Q G， LI J L， et al. Spatio-temporal evolution and spatial interaction characteristics of regional eco-efficiency in China［J］ Journal of Natural Resources， 2020， 35（9）： 2149-2162.

［21］田鵬，汪浩瀚，李加林，等.東海海岸帶縣域城市生態效率評價及影響因素［J］ 地理研究，2021， 40（8）： 2347-2366.

TIAN P， WANG H H， LI J L， et al. Ecological efficiency evaluation and influencing factors of county cities in the East China Sea coastal zone［J］. Geographical Research， 2021， 40（8）： 2347-2366.

［22］閻曉，涂建軍.黃河流域資源型城市生態效率時空演變及驅動因素［J］ 自然資源學報，2021， 36（1）： 223-239.

YAN X， TU J J. Spatio-temporal evolution and driving factors of eco-efficiency of resource-based cities in the Yellow River Basin［J］. Journal of Natural Resources， 2021， 36（1）： 223-239.

［23］徐維祥，鄭金輝，王睿，等.黃河流域城市生態效率演化特征及門檻效應［J］.地理科學，2022， 42（1）： 74-82.

XU W X， ZHENG J H， WANG R， et al. Evolution characteristics and threshold effect of urban eco-efficiency in the Yellow River basin［J］. Scientia Geographica Sinica， 2022， 42（1）： 74-82.

［24］李露，徐維祥，鄭金輝.黃河流域城鎮化進程與生態效率的空間交互效應研究［J］.經濟經緯，2022， 39（5）： 25-34.

LI L， XU W X， ZHENG J H. Spatial interaction between urbanization process and eco-efficiency in the Yellow River basin［J］.Economic Journal， 2022， 39（5）： 25-34.

［25］楊燕燕 ，王永瑜， 韓君.新發展理念下黃河流域生態效率測度及空間異質性研究［J］.統計與決策，2021， 37（24）： 110-114.

YANG Y Y， WANG Y Y， HAN J. Ecological efficiency measurement and spatial heterogeneity in the Yellow River Basin under the new development concept［J］.Journal of Statistics and Decision Making， 2021， 37（24）： 110-114.

［26］李貝歌，胡志強，苗長虹，等.黃河流域工業生態效率空間分異特征與影響因素［J］.地理研究，2021， 40（8）： 2156-2169.

LI B G， HU Z Q， MIAO C H， et al. Spatial differentiation characteristics and influencing factors of industrial eco-efficiency in the Yellow River Basin［J］.Geographical Research， 2021， 40（8）： 2156-2169.

［27］TONE K. A slacks-based measure of super-efficiency in data envelopment analysis［J］.European Journal of Operational Research， 2002， 143（1）： 32-41.

［28］DAGUM C. A new approach to the decomposition of the Gini income inequality ratio［J］.Empirical Economics，1997， 22（4）： 515-531.

［29］KOENKER R， BASSETT G W. Regression quantiles［J］.Econometrica， 1978， 46（1）： 33-50.

［30］KOENKER R. Quantile regression for longitudinal data［J］.Journal of Multivariate Analysis， 2004， 91（1）： 74-89.

［31］吳健生，牛妍，彭建，等.基于DMSP／OLS夜間燈光數據的1995—2009年中國地級市能源消費動態［J］.地理研究，2014， 33（4）： 625-634.

WU J S， NIU Y， PENG J， et al. Energy consumption dynamics of Chinese prefecty-level cities from 1995 to 2009 based on DMSP／OLS nighttime light data［J］. Geographical Research， 2014， 33（4）： 625-634.

［32］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，2004，39（10）： 35-44.

ZHANG J， WU G Y， ZHANG J P. Estimation of inter-provincial physical capital stock in China： 1952—2000［J］.Economic Research Journal， 2004，39（10）： 35-44.

［33］任曉松，劉宇佳，趙國浩.經濟集聚對碳排放強度的影響及傳導機制［J］.中國人口·資源與環境，2020， 30（4）： 95-106.

REN X S， LIU Y J， ZHAO G H. Influence of economic agglomeration on carbon emission intensity and its transmission mechanism［J］.China Population， Resources and Environment， 2020， 30（4）： 95-106.

［34］任力，朱東波.中國金融發展是綠色的嗎：兼論中國環境庫茲涅茨曲線假說［J］.經濟學動態，2017（11）： 58-73.

REN L， ZHU D B. Is Chinas financial development green？ Also on Chinas environmental Kuznets curve hypothesis［J］.Journal of Economic Dynamics， 2017（11）： 58-73.

［35］文琦，侯凱元，鄭殿元，等.成長型資源城市產業轉型能力評價與優化路徑：以榆林市為例［J］.地理科學，2022， 42（4）： 682-691.

WEN Q， HOU K Y， ZHENG D Y， et al. Evaluation and optimization path of industrial transformation ability of growth resource cities： A case study of Yulin City［J］.Scientia Geographica Sinica， 2022， 42（4）： 682-691.

［36］周力，李靜.外商直接投資與PM2.5空氣污染：基于中國數據的“污染避難所”假說再檢驗［J］.國際經貿探索， 2015， 31（12）： 98-111.

ZHOU L， LI J. Foreign direct investment and PM2.5 air pollution： Retesting the "pollution sanctuary" hypothesis based on Chinese data［J］.International Economic and Trade Exploration， 2015， 31（12）： 98-111.

［37］邱兆林.長江經濟帶與黃河流域生態效率差異及影響因素分析［J］.當代經濟管理，2022， 44（6）： 39-49.

QIU Z L. Differences and influencing factors of eco-efficiency between Yangtze River Economic Belt and Yellow River Basin［J］.Contemporary Economic Management， 2022， 44（6）： 39-49.

［38］王少劍，謝紫寒，王澤宏.中國縣域碳排放的時空演變及影響因素［J］.地理學報，2021， 76（12）： 3103-3118.

WANG S J， XIE Z H， WANG Z H. Spatio-temporal evolution and influencing factors of county carbon emissions in China［J］. Acta Geographica Sinica， 2021， 76（12）： 3103-3118.

（編 輯 張 歡）

基金項目：國家自然科學基金（42171197）

第一作者：劉虹，女，從事區域可持續發展研究，liuhong5rainbow@163.com。

通信作者：雷敏，女，副教授，從事福祉地理研究，xdleimin@126.com。