長三角地區綠色經濟效率的時空特征及影響因素分析

摘" 要：

將非期望產出納入EBM-GML模型，測算2010—2021年長三角地區41個地級市綠色經濟效率，利用莫蘭指數探討其空間相關性，借助GWR模型分析多因素對長三角地區綠色經濟效率的空間異質性影響。結果表明：①長三角地區綠色經濟效率整體呈上升走勢，時間上呈“波峰”形分布，空間上表現為非均衡發展；②全局空間正相關性由強減弱，局部形成以南通市為中心的“高高”集聚區和以合肥市為中心的“低低”集聚區；③影響因素上，綠色經濟效率受經濟發展、科技創新和環境規制的促進作用顯著，而產業結構、金融發展、外商投資則表現為波動性關系。長三角地區應加強區域合作，推動一體化發展；發揮綠色經濟高效率城市的輻射和溢出效應，縮小相鄰城市的綠色發展差距；優化產業結構和投資環境，培育新發展動能。

關鍵詞：長三角地區；綠色經濟效率；EBM-GML模型；時空特征；GWR模型

中圖分類號： X22;F124.5" 文獻標識碼：" A" 文章編號：" 2096-7055（2025）02-0042-12

收稿日期：" 2024-08-13

基金項目：" 安徽省高校人文社會科學研究一般項目（SK2024B006）；安徽外國語學院校級重點科研項目（Awky2023010）

作者簡介：

宋秋平，女，講師，碩士，研究方向為區域經濟；金海，男，碩士研究生，研究方向為土地資源管理

通信作者：" 龍海，男，副教授，博士，碩士生導師，研究方向為產業經濟、環境經濟。

DOI：10.13790/j.ncwu.sk.2025.017投稿網址：http：//publish.cnki.net/slsb

引用格式：宋秋平，龍海，金海.長三角地區綠色經濟效率的時空特征及影響因素分析［J］.華北水利水電大學學報（社會科學版），2025，41（2）：42-53.

綠色發展是新質生產力的內在要求，也是實現高質量發展的必然選擇。2021年10月21日，中共中央辦公廳、國務院辦公廳聯合印發《關于推動城鄉建設綠色發展的意見》，強調要促進經濟社會發展全面綠色轉型，加快美麗中國建設。隨著我國邁入新發展階段，綠色發展已成為中國式現代化發展的主色調。因此，研究綠色經濟效率成為推動綠色發展的重要課題。2023年1月19日國務院新聞辦公室發布《新時代的中國綠色發展》白皮書，重點強調長三角地區要在綠色發展中發揮引領和表率作用。2023年，長三角地區41個地級市實現了GDP總量的重大突破，達到30.5萬億元，占全國比重24.2%，鞏固了其作為我國經濟發展最活躍區域之一的地位，但快速的經濟發展背后也暴露出環境保護與經濟發展之間的矛盾。因此，如何提升長三角地區綠色經濟效率成為學術界密切關注的話題，對促進生態保護和經濟發展協同共進具有重要的理論與實踐價值。

一、文獻綜述

目前，國內外學者關于綠色經濟效率的研究主要集中在效率測算和影響因素的定量分析兩個方面。

一是關于綠色經濟效率的測算方法，包括SFA模型、DEA模型、EBM模型等。范建雙等在SFA模型中引入環境變量，測算30個省份綠色經濟效率［1］，但SFA模型不適合處理多產出的情形。Mohsin等采用考慮多投入和多產出的DEA模型來評估技術進步和可再生能源在推動綠色經濟效率增長方面的作用大小［2］。隨后，Tone提出SBM模型，既包含了徑向特征，也考慮了非徑向和非角度特性［3］，但它忽略了投入或產出所設定的目標值與實際值之間的直接比例關系。因此，Tone又和Tsutsui合作，基于徑向和非徑向距離函數提出了EBM模型，既解決了傳統DEA模型忽略松弛變量問題，又彌補了SBM模型忽略徑向比例的不足［4］。趙林將非期望產出納入Super-EBM模型，測度了中國省會城市綠色經濟效率，結果總體上呈現出“S”形變化趨勢和地區非均衡特征［5］。

二是關于綠色經濟效率影響因素定量，主要方法有GMM模型、Tobit模型等。馮雨豪等從工業用地空間錯配視角出發，利用GMM模型深入探討其影響工業全要素生產率的路徑［6］。劉穎等考慮環境非期望產出，并借助Tobit模型分析各影響因素對綠色全要素生產率的作用機制［7］。后來，又有學者采用了空間計量模型SLM模型、SDM模型等進行橫向比較，分析各因素對綠色經濟效率的作用強度［8-9］。朱潔西等借助SLM模型檢驗得出，數字經濟影響城市綠色經濟效率存在異質性特征，東部地區城市、大城市和中心城市表現出更強的積極效應［8］。呂巖威等建立SDM模型考察數字經濟在不同地域背景下對綠色經濟效率的空間影響效果，結果表明其空間溢出效應顯著且存在時空異質性特征［9］。

綜上，關于綠色經濟效率測度與影響因素定量分析方面的研究成果較為豐碩，為本研究提供了重要參考。然而，當前文獻在研究視角和影響因素分析方法上存在一些不足。在研究視角上，以省級層面居多，城市層面較少，聚焦長三角視角的研究文獻更為匱乏；且在已有研究中，長三角區域選擇上多聚焦于“二省一市”即蘇浙滬26個城市，缺乏針對性［10-11］。在影響因素分析方法上，多采用未考慮空間因素的全局回歸模型，雖有將空間因素納入綠色經濟效率影響因素研究中，但也主要是通過橫向比較來反映各因素的作用強度，不能反映各因素在空間維度不同階段的動態演化特征。

與現有文獻對比，本研究的邊際貢獻體現在：一是聚焦城市微觀視角，以長三角規劃范圍涵蓋江浙滬皖在內的41個地級市為研究對象，分別從環境、經濟和社會層面構建綠色經濟效率的評價指標；二是在測算綠色經濟效率時，結合Dong-hyun構建的GML指數［12］，運用超效率EBM-GML模型測算長三角地區綠色經濟效率并考察其時空演變特征，運用莫蘭指數探究其空間關聯特征；三是引入空間變量的GWR模型，探索長三角地區綠色經濟效率影響因素的空間異質性，以期為長三角一體化背景下綠色經濟高質量發展提供借鑒。

二、理論框架與假說

綠色經濟效率本質上是在市場調節機制和政府宏觀調控的共同作用下，實現勞動力、資本和能源等要素資源在空間上進行合理利用和高效配置的過程，即通過優化要素投入與產出之間的關系提高綠色經濟效率，以此促進“環境-經濟-社會”協調發展，進而實現可持續發展。因此，綠色經濟效率理論框架由目標層、核心層和指標層三個層級組成（見圖1）。目標層追求環境、經濟和社會三大效益的互利共生、和諧共融以及協調發展。核心層是綠色經濟效率：一方面，環境規制對企業提出更高要求，迫使企業提高技術創新和資源利用效率、優化資源配置，從而推動綠色經濟的發展［13］；另一方面，經濟和社會則通過助推經濟和金融發展、產業升級、技術創新等驅動綠色經濟發展［14］。指標層包括投入與產出兩要素，投入指標體系包括社會指標（勞動投入）、經濟指標（資本投入）和環境指標（能源投入）。產出指標體系包括經濟、社會和環境在內的期望產出和考慮負面環境效應的非期望產出。具體而言，勞動通過就業、遷移等方式實現優化配置，提高人力資源的利用效率。地區人力資本對提升該地區技術創新水平有直接作用效果，并以此提高企業全要素生產效率［15］。資本通過投資、融資等方式在不同地區、不同產業之間流動，促進經濟增長和產業升級。能源則通過政府制定和實施的相關政策法規，引導和規范市場行為，促進資源的節約和環境保護。在產出方面，致力于實現一個良性循環，即在保持經濟和社會“正向”產出穩步增加的同時，不斷減少生態環境的“負向”產出，最終實現綠色發展［16］。

區域經濟發展有利于經濟要素集聚，即獲得更多的資金和技術支持，這有利于推動綠色技術的研發和應用，提升綠色經濟效率。但一味追求經濟增長，可能帶來非期望產出的增加，這又會導致綠色經濟效率下降［17］。目前，長三角地區在追求經濟增長時，逐漸認識到生態環境保護的重要性，開始重視環境與經濟的互利共生。基于此，提出假設1。

假設1：經濟發展通過要素集聚推動綠色技術發展，進而促進長三角地區綠色經濟效率提高。

科技創新能夠通過新技術和新工藝來實現更高效、更環保的生產方式，降低生產能耗和污染排放，提升資源的產出效率［18］。企業通過技術創新，加快要素流動，優化資源配置，為污染防治和污染物排放治理提供科學的技術手段，從而實現綠色發展［19］。基于此，提出假設2。

假設2：科技創新有助于推動產出效率和綠色發展，對長三角地區綠色經濟效率表現為正向促進作用。

波特假說給出了環境規制促進企業自主創新、改進企業生產效率的理論基礎［18］。在短期內，環境規制會使得企業生產成本增加，降低其經營利潤，這在一定程度上會對區域綠色經濟效率產生不利影響。但從長遠看，隨著對環境保護的日益重視，政府會不斷加大環境規制強度，企業為了保持競爭水平，會主動進行產品和技術的創新，從而提高生產要素利用率，減少生產過程中的污染物排放，改善綠色經濟效率［20］。基于此，提出假設3。

假設3：從長期看，環境規制通過創新效應對長三角地區綠色經濟效率有促進作用。

三、研究設計

（一）模型設定

1.EBM-GML模型

EBM模型將非期望產出納入測算體系，在此基礎上構建從t到t+1期間的GML綜合指數以及技術效率（EC）和技術進步（TC）這兩個分解指數，進一步明確效率的動態演變特征。EBM模型、GML指數函數分別如式（1）、（3）所示：

γ=minθ-εx∑αi=1ω－iπ－ixinφ+εy∑βr=1ω+rπ+ryrn+εz∑δu=1ωz－uπz－uzun。（1）

s.t.∑kj=1xijλj+π－i=θxin，i=1，2，…，α;

∑kj=1yrjλj－π+r=φyrn，r=1，2，…，β;

∑kj=1zujλj+πz－u=φzun，u=1，2，…，δ;

λj≥0，π－i，π+r，πz－u≥0，n=1，2，…，N。（2）

GMLt+1t（xt+1，yt+1，zt+1，xt，yt，zt）=

Eg（xt+1，yt+1，zt+1）Eg（xt，yt，zt）=ECt+1t×TCt+1t。（3）

式中：N為決策單元（DMU）數量；γ為綜合效率值；θ為徑向規劃參數；ε為非徑向部分的重要程度；按投入、期望產出和非期望產出順序，xij、yrj、zuj，α、β、δ，ω－i、ω+r、ωz－u和π－i、π+r、πz－u分別對應數值、指標個數、指標權重和松弛變量；φ為產出系數；λj為權重向量；xin、yrn、zun分別為第n個DMU的i種投入、r種期望產出和u種非期望產出。

2.空間自相關

莫蘭指數采用公式（4）計算全局空間自相關系數，采用公式（5）計算局部空間自相關系數。

Moran’s I=n∑ni=1∑nj=1Wij（Zi－Z-）（Zj－Z-）∑ni=1∑nj=1Wij∑ni=1（Zi－Z-）2；（4）

Li=YiS2∑nj≠iWijYj。（5）

式中：Yi=Zi－Z-，S2=1n∑ni=1（Zi－Z-）2;n為研究區域總數；Wij為空間權重矩陣；Zi、Zj分別為第i、j個地級市綠色經濟效率；Z-為所有研究對象綠色經濟效率均值。

3.GWR模型的構建

由于OLS模型不能有效揭示影響因素回歸系數在不同地理位置上的真實空間特征，因此，采用納入空間因素的地理加權回歸模型（GWR）進行分析，模型如式（6）所示：

yn=β0（un，vn）+∑6m=1βm（un，vn）Tnm+εn。（6）

式中：yn為第n個空間單元的綠色經濟效率水平；（un，vn）為第n點的坐標；β0（un，vn）為截距項；βm（un，vn）、Tnm分別為第n個空間單元的第m個自變量的回歸系數和解釋值；εn為隨機誤差項。

（二）變量說明與指標選取

1.被解釋變量

以2010—2021年為研究期，從環境、經濟與社會三個維度構建綠色經濟效率的投入和產出指標體系，見表1。

投入指標借鑒辛龍等的研究，考慮勞動、資本和能源三種投入要素［21］。勞動投入參考倪維秋等的做法，選擇年末單位從業人員數和規模以上工業企業數來衡量［16］；資本投入選用固定資本存量和城市建設用地面積來衡量，其中固定資本存量參考單豪杰的做法，采用永續盤存法進行估算［22］；能源投入參考馬志強等的研究，選用供水總量、供氣總量和全社會用電量來衡量［23］。

產出指標借鑒倪維秋等的做法，期望產出主要由實際GDP、人均社會消費總額和城市綠化面積構成［16］。為消除通脹影響，選擇2010年為基期對價格變量進行平減處理。非期望產出借鑒藺鵬等的做法，運用熵值法將工業廢水排放量、工業SO2排放量和工業粉塵排放量折算成綜合環境污染指數［24］。

2.解釋變量

參考已有文獻，選取經濟發展、產業結構、科技創新、金融發展、外商投資和環境規制作為解釋變量探究長三角地區綠色經濟效率的動態演變規律［17，25-28］。其中，環境規制指標借鑒任曉松的研究，將標準化后的各污染物排放總量乘以相應的權重，再求和得到環境規制綜合指數［29］。環境指標反映了污染物排放量與環境規制強度呈負向關系，因此取其倒數。各變量定義見表2。

（三）數據來源

考慮數據的可得性和連續性，選用2010—2021年長三角地區41個地級市的面板數據作為實證研究樣本。數據主要來源于我國城市、能源、環境、人口和就業、工業、科技等相關統計年鑒以及固體廢棄物污染環境防治信息公告，少部分缺失數據通過線性插值法估算。其中，綠色專利申請量根據世界知識產權組織（WIPO）給出的IPC分類清單，在專利檢索及分析系統進行檢索查詢而得。行政邊界底圖來源于國家地理信息公共服務平臺（https：//www.tianditu.gov.cn/），審圖號為GS（2024）0650，下同。

四、長三角地區綠色經濟效率的時空特征分析

（一）時序演變特征

采用MaxDEA 8.0軟件測算2010—2021年長三角地區綠色經濟效率，結果如圖2所示。從時序發展看，樣本觀測期內GML指數幾何平均值均大于1.00，說明整體上長三角地區綠色經濟效率呈上升走勢，但在時間上呈波動變化，表現為2010—2014年、2014—2018年、2018—2021年均是先升后降的“波峰”形走勢。從分解指數看，樣本期內TC和EC的幾何均值都大于1.00，說明長三角地區綠色經濟效率的提升受到技術效率變化和技術進步的雙重影響，以2013年為界，2010—2013年GML指數小幅度先升后降，主要受技術效率的影響；2013—2021年GML指數的波動趨勢和TC指數的波動趨勢基本一致，表明2013年以后技術進步的促進作用更顯著，這與近年來科技創新發展成果越來越突出密不可分。

（二）空間分異格局

基于長三角地區41個地級市的綠色經濟效率綜合指數，通過自然斷點法將其分為高效率、較高效率、較低效率和低效率4種類別，并選取2012年、2015年、2018年、2021年4個時間節點進行可視化展示，如圖3所示。

從整體格局看，長三角地區綠色經濟效率表現為波動上升態勢，但各城市之間表現出非均衡發展的地區差異。2012年和2015年長三角地區綠色經濟效率的水平差異不大，2015年高效率城市數量增加了1個、低效率城市數量減少了1個，表明長三角地區對綠色經濟和可持續發展的重視程度逐漸提高。2018年長三角地區綠色經濟效率提升較為顯著，高效率和較高效率城市占比由原來的24.4%提高到51.2%，且呈現“點狀”分布特征。2021年長三角地區高效率和較高效率城市占比高達75.6%，高效率城市數量由最初的2個增加到9個，較高效率城市由“點狀”向“塊狀”轉變，表明長三角地區積極響應綠色發展，制定了符合區域特點的政策規劃，取得了良好成效。

（三）長三角地區綠色經濟效率的空間相關性狀況

1.全局空間自相關分析

運用ArcGIS軟件10.8.1版本計算全局莫蘭指數來考察長三角地區綠色經濟效率空間差異性格局演變規律（見表3）。

從表3可以看出，研究期內長三角地區綠色經濟效率的全局莫蘭指數值均大于0.000，且通過5%顯著性檢驗，意味著綠色經濟效率較高和較低的城市在空間上均表現出集聚特征。這可能與綠色科技創新、地區資源稟賦和環境規制等影響有關。鄰近城市由于相似的自然和社會條件，以及屬于同一省份的地級市在政策執行和技術實施上的同步性，使得城市間的資源稟賦和環境規制相近，且鄰近城市也較易產生綠色技術溢出效應，從而表現為空間正相關性。

以2013年為界，長三角地區綠色經濟效率空間相關性表現出“前升后降”的階段性波動特征。這說明2010—2013年長三角地區綠色經濟效率空間相關性逐漸增強；2013—2021年長三角地區綠色經濟效率空間協同性有減弱趨勢。

2.局部空間自相關分析

為更精準地分析長三角地區綠色經濟效率在空間上集聚格局的分異及演變過程，需要進行局部空間自相關分析。以3年為周期，分別測算2012年、2015年、2018年、2021年局部莫蘭指數，繪制LISA顯著聚類圖（見圖4）。

第一，長三角地區綠色經濟效率以“高高”“高低”“低低”集聚類型為主。從2012年到2021年，“高高”聚集城市數量有所增加，“低低”集聚城市數量有所減少，“高低”聚集城市數量保持在一個相對穩定的水平。從空間分布看，“高高”區域主要集中在長三角東部地區，且有向中部地區擴散的趨勢。第二，從空間分異格局看，長三角地區綠色經濟效率呈現出以南通市為中心的“高高”集聚區和以合肥市為中心的“低低”集聚區。從時間發展看，南通市在提升自身綠色經濟效率的同時，還帶動周邊城市效率提升，推動常州市、鎮江市、泰州市向高效率層次邁進。“低低”集聚區主

要分布在合肥市周邊地市，如銅陵市、安慶市、六安市、蚌埠市等，這些地區受制于經濟與產業發展相對滯后、區域發展不平衡等因素，綠色經濟發展受到制約。不過自2019年安徽省加入長三角一體化發展戰略以來，合肥市憑借自身優勢進行綠色創新，吸引人才、技術等要素流入，形成綠色經濟效率“高低”集聚區。

五、長三角地區綠色經濟效率的影響因素分析

（一）模型可信度分析

為確保指標選取合理，采用SPSS軟件進行多重共線性檢驗來判斷解釋變量之間是否存在相

關關系。檢驗結果顯示：以10為判斷邊界，各變量方差膨脹因子（VIF）最大值為1.322可知，所選指標通過了多重

共線性檢驗，指標選取恰當。運用ArcGIS中GWR模型進行擬合度和方差分析（結果見表4），GWR模型的校正R2均超過了0.6且AIC值較

低，說明GWR模型擬合效果較好，模型選擇合理。

（二）GWR結果分析

GWR結果中，各因素對長三角地區內每一個觀測點均有一個特定的系數值。為了研究的便利性，主要針對2012年、2015年、2018年、2021年這4個時間節點的影響因素系數進行統計分析。利用T檢驗對回歸系數進行顯著性檢驗，結果見表5。運用ArcGIS軟件進一步分析影響因素的時空分異特征，結果如圖5—10所示，囿于版面，僅以2021年為例進行可視化展示。

顯著性分析。從2012—2021年綜合看，影響因素均表現出極其顯著的空間不穩定性，回歸系數隨著空間位置變化而發生顯著改變。比較P值發現，科技創新、環境規制在觀測期內均通過了1%的顯著性檢驗；經濟發展、金融發展在2012—2018年通過了1%的顯著性檢驗，2021年通過了5%的顯著性檢驗；產業結構、外商投資觀測期內分別通過了1%、5%的顯著性檢驗。說明各影響因素與綠色經濟效率之間呈現較強的空間異質性，各因素呈現一定空間不穩定性，并隨時間發生變化。

回歸系數分析。綠色經濟效率影響因素的回歸系數有正有負，值得注意的是，對每個影響因素而言，其回歸系數的中位數和平均數非常接近，且系數的正負是相同的，表明盡管影響程度有所差異，但研究區內大部分樣本點受各因素影響的性質是一致的。從時間維度看，以平均數為參照，在2012年GWR模型中，對綠色經濟效率有顯著影響的因素中，按回歸系數絕對值大小排序是科技創新、金融發展、經濟發展、外商投資、環境規制、產業結構；而在2021年影響力排名演變為科技創新、外商投資、環境規制、經濟發展、產業結構、金融發展。

（三）影響因素的時空分異特征

經濟發展回歸系數呈“由正轉負”的變化趨勢，且正向影響逐年增強，具體表現為高值區“由南向北”和低值區“由北向南”的轉移態勢。原因在于，觀測初期江浙滬地區經濟發展依托優越地理位置率先發展，吸引了資本、勞動力和技術大量流入，形成產業集聚，帶來規模經濟效應，從而呈現更高的促進效應，這也證明了研究假設1是成立的。

產業結構回歸系數整體呈負相關，但影響強度呈“低—高—低”的變化特征。這是因為隨著綠色發展理念的增強，產業發展模式發生轉變，我國產業結構轉型升級的效果初步顯現，產業融合發展的區域效應也進一步增強，負向作用強度得到明顯緩解。由圖6可知，長三角地區產業結構空間分布呈現“北高南低”特征，這是由于蘇北及皖北地區產業結構單一，且多以資源消耗型城市為主，如淮北市、徐州市等；而長三角西南部地區產業發展實現創新轉型升級，如浙江省瞄準氫能與儲能等產業發展前沿，江蘇省南部則以新能源為主導，強化產業結構對綠色經濟發展的正向效應。

科技創新回歸系數呈正相關，說明長三角地區科技創新對綠色經濟效率產生了正向促進作用，表明研究假設2是成立的。2018年之后科技創新總體回歸系數呈現躍升，可能原因是長三角一體化戰略上升至國家層面后，科技創新水平較強的東南部地區輻射帶動作用持續提升，總體上對科創水平不足的城市表現出正向促進作用。

金融發展回歸系數呈現“負—正—負”的倒“U”形變化趨勢。可能原因是觀測初期金融發展與產業發展的匹配度不高，綠色技術的資金支持不足，隨著二者適配性增強，助推技術創新，呈現

溢出效應，從而推動長三角地區綠色發展。2021年由于金融發展受阻使得融資收緊，綠色技術發展缺乏充足的資金支持，導致金融發展與綠色經濟效率又呈現負相關。

外商投資回歸系數到2021年由負轉正，原因在于長三角一體化發展整體功能提級，外商投資為當地企業帶來較先進的環保技術和管理經驗，進一步提高了企業生產效率和污染治理水平。從圖9可以看出，外商投資回歸系數在空間分布上呈“西北高、東南低”的特點，原因在于，近年來長三角地區西北部，尤其以皖北地區為主的城市，持續推進高水平對外開放，積極承接境外產業，工業化進程明顯加快，形成一批新的經濟增長點，促進了產業升級和發展方式轉變，外商投資對該區域發揮了積極作用。長三角地區東南部地區城市外商投資水平較高，但因外商投資增加帶來的邊際效用較低，導致東南部外商投資作用力度較弱。

環境規制回歸系數表現出“負—正”變化特征，與研究假設3相一致。長三角地區出臺一系列環境規制政策：短期看，增加了企業成本，導致企業減少綠色技術的投入，從而對綠色經濟效率產生不利影響；長期看，隨著環境規制的強度不斷提升，企業逐漸意識到環保的重要性，重視技術創新以實現綠色轉型，環境規制通過創新補償效應又推動了長三角地區綠色經濟效率的改善。

六、結論與建議

以2010—2021年長三角地區41個地級市為研究樣本，采用超效率EBM-GML模型測算綠色經濟效率的時空演變特征，利用莫蘭指數分析其空間相關性，借助GWR模型探究長三角地區綠色經濟效率影響因素的空間異質性，結果表明，長三角地區綠色經濟效率整體上呈上升走勢。從時序演變看，研究期內呈先升后降的“波峰”形走勢；從空間演變看，表現為非均衡發展的地區差異。從全局相關性看，長三角地區綠色經濟效率總體表現為正向集聚，空間相關性在研究期內呈現“前升后降”階段性變化趨勢。在局部空間分異上，形成以南通市為中心的“高高”集聚區和以合肥市為中心的“低低”集聚區。從影響因素的時空模型看，經濟發展、科技創新和環境規制對綠色經濟效率產生促進作用，而產業結構、金融發展、外商投資均有顯著影響，程度和方向存在差異，其中產業結構表現為長期負相關關系，金融發展呈現由正相關關系向負相關關系變化，外商投資呈現由負相關關系向正相關關系變化。

基于此，提出如下建議：

第一，加強區域合作，推進一體化發展。長三角地區綠色經濟效率整體呈現出波動性和地區間不平衡性，各地區應建立區域綠色經濟協同發展機制，引導資源要素跨區域流動，擴大技術溢出效應，鼓勵綠色產業發展。特別是效率較低的地區，比如蘇皖各城市之間通過建立跨區域的綠色金融合作機制，引導金融資源合理流動，加大綠色技術創新的資金支持力度，提升綠色經濟效率的核心競爭力。

第二，發揮綠色經濟高效率城市的輻射和溢出效應，縮小相鄰城市的綠色發展差距。南通市、蘇州市等城市綠色經濟效率較高，且對周邊地區有輻射作用，應繼續發揮空間溢出效應，推進低效率城市的綠色化發展。另外，各城市要充分挖掘自身的資源優勢，增強城市間統籌協調，提高綠色經濟要素配置效率，帶動周邊城市綠色經濟效率向高效率方向發展。

第三，優化產業結構和外商投資環境，培育綠色發展新動能。長三角西北部城市進一步推動產業結構轉型升級，不斷降低傳統高污染、高能耗產業的比重，努力發展高附加值的綠色、低碳產業，以追求經濟增長和環境保護雙贏。另外，補齊外商投資短板，持續改善投資環境，加大吸引外資力度，引導外資流向綠色低碳、智能制造等新興產業和領域，從而推動長三角地區高質量發展。

參考文獻：

［1］ 范建雙，任逸蓉，虞曉芬.人口城鎮化影響區域綠色經濟效率的中介機制分析：基于隨機邊界模型的檢驗［J］.宏觀質量研究，2017，5（4）：52-65.

［2］ MOHSIN M，TAGHIZADEH-HESARY F，IQBAL N，et al.The role of technological progress and renewable energy deployment in green economic growth［J］.Renewable Energy，2022，4：777-787.

［3］ TONE K.A slacks-based measure of efficiency in Data Envelopment Analysis［J］. European Journal of Operational Research，2001，130（3）：498-509.

［4］ TONE K，TSUTSUI M.An epsilon-based measure of efficiency in DEA：a third pole of technical efficiency［J］.European Journal of Operational Research，2010，3：1554-1563.

［5］ 趙林，曹乃剛，韓增林，等.中國綠色經濟效率空間關聯網絡演變特征及影響因素［J］.資源科學，2021，43（10）：1933-1946.

［6］ 馮雨豪，王健，邵子南，等.中國城市工業用地空間錯配對工業全要素生產率的影響［J］. 資源科學，2022，44（12）：2511-2524.

［7］ 劉穎，王詩.考慮環境非期望產出的工業行業綠色全要素生產率異質性與提升選擇偏好［J］. 中國環境科學，2023，43（11）：6183-6193.

［8］ 朱潔西，李俊江.數字經濟、技術創新與城市綠色經濟效率：基于空間計量模型和中介效應的實證分析［J］.經濟問題探索，2023（2）：65-80.

［9］ 呂巖威，王文強，張晉寧.數字經濟對區域綠色創新效率的影響效應及其傳導機制［J］. 統計與決策，2023，39（20）：120-124.

［10］ 張揚，睢黨臣，孟望生.技術創新、技術引進與綠色經濟增長效率［J］.統計與決策，2024，40（2）：133-138.

［11］ 夏建紅，劉松，丁晨峰，等.環境規制與綠色全要素生產率：促進還是抑制？［J］.經濟問題，2024（4）：60-67.

［12］ DONG-HYUN O. A global Malmquist-Luenberger productivity index［J］. Journal of Productivity Analysis，2010，34（3）：183-197.

［13］ 張惠琳，牛海鵬，張平淡.環境規制、投資效率和企業全要素生產率［J］.管理評論， 2024，36（1）：16-28.

［14］ 曹夢淵，李豫新.數字經濟與黃河流域綠色經濟效率：機制分析與實證檢驗［J］.統計與決策，2024，40（6）：27-32．

［15］ 蘇喜軍，李自鈺.基于超效率SBM-DEA的黃河流域綠色發展效率評價［J］.華北水利水電大學學報（社會科學版），2024，40（4）：38-46.

［16］ 倪維秋，崔麗娜，呂添貴，等.城市群生態經濟效率時空演化特征及其影響因素研究：以中國三大城市群為例［J］.中國國土資源經濟，2023，36（11）：36-44，66.

［17］ 李汝資，陳巧娟，高雄愿，等.長江經濟帶城市綠色經濟效率梯度轉換規律及其影響因素［J］.自然資源學報，2024，39（1）：125-139.

［18］ BALL P，LUNT P.Lean eco-efficient innovation in operations through the maintenance organisation［J］.International Journal of Production Economics，2020，219：405-415.

［19］ 余曉鐘，楊鐸．“一帶一路”能源綠色創新合作的驅動力研究［J］.科學管理研究，2022，40（6）：157-163.

［20］ 岳立，任婉瑜，江鈴鋒.環境規制影響綠色經濟效率的機制研究與實證檢驗：基于環保注意力和地方政府GDP競爭角度［J/OL］.管理評論，1-11（2024-06-04）［2024-07-30］.https：//doi.org/10.14120/j.cnki.cn11-5057/f.20240601.003.

［21］ 辛龍，孫慧，王慧，等.基于地理探測器的綠色經濟效率時空分異及驅動力研究［J］.中國人口·資源與環境，2020，30（9）：128-138.

［22］ 單豪杰.中國資本存量K的再估算：1952—2006年［J］.數量經濟技術經濟研究，2008，25（10）：17-31.

［23］ 馬志強，王琰，蘇佳璐.長三角城市群工業綠色創新效率時空發展特征及動態演變分析［J］.科技進步與對策，2023，40（7）：57-67.

［24］ 藺鵬，孟娜娜.綠色全要素生產率增長的時空分異與動態收斂［J］.數量經濟技術經濟研究，2021，38（8）：104-124.

［25］ 黃寰，黃輝，肖義，等.產業結構升級、政府生態環境注意力與綠色創新效率：基于中國115個資源型城市的證據［J］.自然資源學報，2024，39（1）：104-124.

［26］ 崔惠玉，王寶珠，徐穎.綠色金融創新、金融資源配置與企業污染減排［J］.中國工業經濟，2023（10）：118-136.

［27］ 孟望生，鄭延欽，張揚.黃河流域制造業集聚對城市綠色經濟效率的影響［J］.統計與決策，2023，39（15）：111-116.

［28］ 張優智，張珍珍，趙璟.環境規制對區域綠色經濟效率的影響研究［J］.生態經濟，2023，39（10）：164-173.

［29］ 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.

Spatiotemporal Characteristics and Influencing Factors of

Green Economic Efficiency in the Yangtze River Delta Region

SONG Qiuping1， LONG Hai1， JIN Hai2

（1.School of International Economics， Anhui International Studies University， Hefei 230601， China;

2.Feixi County Natural Resources and Planning Bureau， Hefei 231200， China）

Abstract："" Including the non-expected output into the EBM-GML model， this study measures the green economic efficiency in 41 cities in the Yangtze River Delta region from 2010 to 2021. It explores their spatial correlation using the Moran index， and uses the GWR model to analyze the spatial heterogeneity of multiple factors on the green economic efficiency in the region. The results show that： ① Green economy efficiency in the Yangtze River Delta region is on the rise as a whole， with a “wave peak” fluctuation in time and unbalanced development in space; ② The global spatial positive correlation decreases from strong to strong， and the local “high” cluster with Nantong as the center and “low” cluster with Hefei as the center are formed; ③ In terms of influencing factors， the efficiency of green economy is significantly promoted by the level of economic development， technological innovation， and environmental regulations; The industrial structure， financial development level， and foreign investment exhibit a fluctuating relationship. Some countermeasures and suggestions are proposed" to strengthen regional cooperation， leverage spatial spillover effects， and optimize industrial structure and investment environment.

Key words：" the Yangtze River Delta Region; green economic efficiency; EBM-GML model; spatial-temporal evolution; GWR model

（編輯：蔡洪濤）