黃河流域城市能源生態效率及其驅動因子研究

摘 要：本文綜合運用超效率EBM模型、窗口DEA分析法以及標準差橢圓分析等多元研究工具，對2008—2022年黃河流域66個地級城市的能源生態效率展開全面評價，深入剖析其時空演變特征與區域差異，并借助GTWR模型精準識別黃河流域城市能源生態效率的關鍵驅動因子。結果顯示，黃河流域城市能源生態效率在時間維度上呈現“N”型演變趨勢；在空間分布上，呈現出偏西北—偏東南走向且具有顯著的空間非均衡特征，呈現“上下游高、中游低”的發展格局。GTWR模型檢驗結果表明，產業結構、科技水平、政府干預以及城鎮化進程等驅動因子在不同區域對能源生態效率的影響存在顯著差異。本文研究成果旨在為優化黃河流域能源生態效率、促進區域經濟綠色可持續發展提供科學的理論依據與實踐指導。

關鍵詞：黃河流域；能源生態效率；超效率EBM模型；驅動因子；空間非平穩性

中圖分類號：F062.2 文獻標識碼：A 文章編號：2096-0298（2025）05（a）--05

1 引言

自習近平總書記提出了“碳達峰碳中和”目標以及“把節約能源資源放在首位”的要求，并對各行業能源利用效率進行了嚴格限制后，能源生態效率的改善成為當務之急。當前，黃河流域生態環境呈現較為脆弱的狀態，其發展模式過度依賴資源驅動，致使產業發展過程中資源配置效率不高，經濟發展與資源利用、生態保護之間的矛盾日益凸顯。在此背景下，如何在節約資源和改善生態環境的基礎上推動經濟增長，成為亟待解決的重要問題。顯然，提升能源生態效率是極為關鍵的應對策略，其核心在于盡可能地降低資源、環境及各類要素的投入，以獲取最為可觀的經濟發展效益。當前黃河流域城市能源生態效率狀況如何？其能源生態效率在不同地區呈現出哪些特征？又有怎樣的變化走向？能源生態效率受到哪些因素的影響？這些問題的解答對認識黃河流域能源生態效率的內在規律，并采取針對性措施具有重大意義。

關于能源生態效率的研究，目前主要聚焦于內涵解析、方法探索及影響因子分析等方面。第一，從能源生態效率的角度來看，周敏（2019）等認為，要實現真正的經濟增長，同時也要考慮到地球的可持續性，并且要有效控制對自然環境的影響[1]。第二，在能源生態效率評價方面，于靜等（2021）對中國整體能源生態效率進行研究，發現能源生態效率整體水平較低，資源利用與經濟、環境、社會福利之間存在突出矛盾，從東部、中部和西部地區來看，能源生態效率值呈現出東高西低的分布格局[2]。從流域角度看，大多數學者認為長江流域能源生態效率發展態勢良好，并呈現梯度發展的提升特征。然而，相較于長江流域，黃河流域在能源生態效率發展層面較為滯后[3]。從研究方法來看，周敏等（2019）采用SBM-DEA模型，對中國地區能源生態效率進行了深入研究；陳菁泉等（2021）利用隨機前沿模型評估中國八大重點經濟區域的能源生態效率[4]。在對能源生態效率測度的基礎上，學者們的研究重點逐步轉向能源生態效率空間特征和布局，探討不同地區之間能源生態效率的空間關系及相互依賴程度，如油建盛等（2022）通過探索性空間數據分析了長江經濟帶能源生態效率的空間紋理[5]。第三，在探討能源生態效率的影響因素時，學者們將能源生態效率同經濟、社會與環境緊密地關聯起來，提出經濟發展狀況、對外開放程度和人口規模等方面均會對能源生態效率的發展產生影響，除此之外，產業結構的布局、技術進步的水平、政府干預的力度等同樣是左右能源生態效率的關鍵因素[6][7]。

梳理文獻發現，學者圍繞能源生態效率的研究主題開展了較多工作，但仍存在一些不足：第一，目前針對能源生態效率的研究主要側重于經濟發展與環境間的關系，忽視社會福利這一重要產出因素。第二，現有研究大多聚焦于對能源生態效率的變化特性及空間自相關聯系進行分析，卻忽視了對其方向性的研究，使得空間集散的格局難以全面展現，不利于精準洞悉黃河流域城市能源生態效率的內在規律。鑒于此，本文引入社會福利構建理論架構，用以綜合評定黃河流域能源生態效率，運用標準差橢圓分析方法探索其空間方向性，借助GTWR模型剖析黃河流域城市能源生態效率的驅動因素，直觀地呈現出黃河流域能源生態效率在空間上的整體特征，以便更為詳盡地從經濟學視角探究黃河流域能源生態效率隨時間與空間的演變規律，為該領域的研究開辟新的思路與方向。

2 指標構建與研究方法

2.1 指標構建與數據來源

為構建合理的能源生態效率評價指標體系，需客觀評估能源生態效率以確定可行有效的指標。本文參考Peng等（2020）的研究成果[8]，構建評價指標體系（見表1）。選取黃河流域2008—2022年期間的66個地級市數據作為樣本展開深入研究，數據主要來源于《中國城市統計年鑒》和《能源統計年鑒》等，對于部分缺失數據，采用插值法進行補充。

2.2 研究方法

2.2.1 考慮非期望的超效率EBM模型

本文采用Anderson等（1993）提出的超效率EBM模型對能源生態效率進行衡量，該模型能夠對多個決策單元開展對比分析，從而有效彌補以往研究在時間維度可比性上的不足，為能源生態效率的精準測度與深入研究提供可靠的方法支撐[9]。公式如下：

假設被計算的決策單元為DMU，在可變規模報酬下，γ*表示能源生態效率的最佳效率；其中，s-i表示投入產出的松弛變量；j為決策單元DMU的數量；n為決策單元總數；w-i表示投入指標的權重系數，滿足；Xik和yrk分別為k的第i類投入及k的第r類產出；m和s分別表示投入與產出的數量；θ為徑向部分的規劃參數；λj為線性組合系數；εx為關鍵參數，滿足0～1的取值范圍；s+r和spb-分別為期望產出和非期望產出的松弛變量；w+r和wpb-分別為期望產出和非期望產出的權重系數；εy和εb表示決定性參數；φ為γ*中的徑向成分；bpj和bpk分別表示期望產出和非期望產出；q為非期望產出數量。

2.2.2 DEA窗口分析法

DEA窗口分析法可以充分展現各決策單元在效率方面的變動狀況及相互之間存在的差異。一般而言，在運用DEA窗口分析法時，將窗口寬度設定為d=3能夠達成穩定因素與可信度兩者之間的平衡狀態[10]。

2.2.3 標準差橢圓

本文運用標準差橢圓對黃河流域能源生態效率的離散態勢予以刻畫[11]，借助剖析標準差橢圓的重心及其變動軌跡，從而確定能源生態效率于空間層面的發展走向；橢圓的中心體現的是能源生態效率在空間布局中的重心位置；方向角展現的是其空間分布的主要趨向；長短軸之間的差距越大，則意味著地理要素在方向特性上越發突出。

2.2.4 驅動因子選擇

黃河流域城市能源生態效率受到經濟、社會、生態等多方面因素的綜合影響，因此在選取驅動因子時需遵循全面系統原則。本文旨在探索黃河流域可持續發展面臨的挑戰和問題，并探討驅動因子對黃河流域城市能源生態效率的影響機制，通過系統演化分析，深入剖析其在能源生態效率演變中的作用。

產業結構方面，黃河流域工業是污染排放的關鍵來源，部分地區的產業結構仍存在“雙高”特征。因此，本文使用城市第二產業在生產總值中的比重作為產業結構的衡量指標。

科技投入方面，根據內生增長理論，科學技術投入是推動能源生態效率的關鍵因素，因此本文使用一般公共預算支出中的科學技術投入占比衡量科研投入強度。

政府干預方面，地方政府可通過政策支持和撥款促進能源生態效率的提高。因此本文選取當地年末財政支出占GDP比重來衡量政府干預程度。

城鎮化水平方面，隨著城鎮化進程的推進，其水平不斷提高，城市規模也日益擴張。這一發展態勢導致大量的能源消耗，與此同時，相伴而生的廢水、廢氣及其他污染物的排放也對生態環境造成了嚴重破壞。然而，當城鎮化水平發展到一定程度時，通過采用新技術應用，可以實現低碳發展模式，從而提高能源生態效率。因此，本文使用常住城鎮人口占常住人口的比重衡量城鎮化水平。

3 時空演變特征分析

3.1 能源生態效率的時序特征

如圖1所示，總體來看，黃河流域能源生態效率發展態勢良好，2008—2022年呈現出“上升—下降—上升”的“N”形演變路徑。2008年為0.809，此后逐年上升，于2014年達到觀測期內的高峰0.864，之后呈現下降趨勢，2019年達到新低0.787后逐年緩慢上升，能源生態效率指數在2020年、2021年、2022年分別為0.806、0.821、0.810。結合發展實際來看，近年來，資源環境約束日益趨緊，階段性特征明顯，使得能源生態效率出現波動，但總體仍然保持上升態勢。

分地區來看，黃河流域能源生態效率呈現“上游最高，下游次之，中游最低”的“坡度發展”格局。受西部大開發戰略影響，2010年前上中下游在經歷短暫下降后，均有較快增長。“十二五”期間，除上游外，中游與下游整體效率值呈下降趨勢，2019年達到觀測期內的最低水平，這主要是由于上游地區的工業相對不發達，能源消耗和污染物排放相對較低，因此效率值偏高，此外，上游地區積極建設清潔能源基地，分布式能源得到快速發展；而中游地區成了下游地區的“污染接納地”，吸納了諸多落后產業的轉移，這種產業轉移致使大量污染集聚，給當地生態環境施加了極為沉重的壓力，生態環境的惡化進而使得能源生態效率不斷下滑。到2020年之后，黃河中下游地區的能源生態效率呈現上升態勢，然而上游地區卻呈現下降趨勢。這或許是由于上游地區在我國資源戰略儲備體系及環境安全防護屏障構建進程中肩負著極為關鍵的使命，期間新建了眾多耗能產業，并且開展了外輸火電項目等重大工程。這些大規模項目的推進與實施，使得上游地區的能源消耗大幅增加，能源利用與生態環境保護之間的平衡被打破，最終導致能源生態效率出現了下降情形。

3.2 能源生態效率的空間特征

為了描述黃河流域城市能源生態效率的趨勢方向，本文基于2008年和2022年能源生態效率所得指標，運用標準差橢圓工具對其進行定量識別。

如表2所示，研究期內能源生態效率的標準差橢圓旋轉角變化幅度不大，橢圓方位角θ始終在98o左右，角度變化范圍在1o以內，具體由98.014o上升至98.767o，且呈現偏西北—偏東南的分布特征，其重心移動方向相對穩定，表明黃河流域能源生態效率空間分布格局較為穩定。短半軸的長度自2008年的347.902延展至2022年的352.274，長半軸的長度從619.386收縮至612.810。依據半軸長度的變動可以看出，黃河流域城市的能源生態效率在南北向呈現出極為顯著的擴散態勢，然而在東西向卻表現出一定程度的收縮趨勢，這一現象充分說明能源生態效率的分布并不均衡，且其方向性特征較為突出。

4 驅動因子時空非平穩性分析

4.1 模型檢驗與選取

為了提高模型的準確性，本文使用Stata16進行普通最小二乘法回歸（OLS）及ArcGIS10.8進行地理加權回歸（GWR）兩種不同回歸方法作為對照，以獲取更可靠的結果[12]。本文將時空距離的參數比值調整至1，同時自動優化設置帶寬，提高模型的可靠性，并選取赤池信息量準則（AICc）與擬合優度R2同時作為評價參照。由表3可得，GTWR模型AICc最低，R2最高，因此本文選取GTWR模型對黃河流域城市能源生態效率進行估計[13]。

4.2 驅動因子的空間非平穩演變

基于模型比較結果，運用GTWR模型對驅動因子進行回歸分析，并利用ArcGIS10.8進行可視化分析，得到估計系數的空間分布，如圖2所示。

從產業結構來看，下游地區是產業結構的中高值區，而中上游地區則主要分布著低值區。原因在于下游地區已經轉變為以綠色產業驅動為主的發展模式，能源生態效率得到提升；上游地區持續發揮本地的自然資源稟賦優勢，積極推動清潔能源的開發及利用，有效減少了對環境的破壞。而中游與下游地區的情況則形成明顯的反差，重化工企業的聚集和資源型企業的轉移導致該地區的污染排放顯著增加，這一情況對中游地區提升能源生態效率構成重要限制，成為該地區提升能源生態效率所面臨的重大挑戰。

從科技投入驅動因子來看，黃河中上游城市存在基礎設施建設短板，科技研發所依托的環境欠佳，在對創新要素的匯聚與吸引方面表現出較低的效能，難以形成強大的技術驅動力，對能源生態效率的提升產生顯著的抑制效應。而下游地區雖然經濟基礎較雄厚，但面臨嚴重的環境污染和共同發展的困境，更注重經濟增長而非改善生態環境，限制了地區能源生態效率的提升。科研經費投入僅在部分地區表對能源生態效率起到促進作用，如蘭州、忻州、臨汾等地，通過增加科研經費投入，提高污染治理技術水平，使得當地能源消費結構得以加速轉變，能源生態效率的發展得到較為顯著的提升。

從政府干預驅動因子來看，高值區主要位于上游與下游地區，通過合理產業布局和控制經濟流向，可以提高能源生態效率。低值區主要分布在黃河中游的山西、內蒙古、陜西等地區，這些地區通過放寬環保標準的準入門檻及增加支出等手段追求經濟粗放快速增長，這種做法抑制了當地能源生態效率的提升。

從城鎮化水平驅動因子來看，高值區主要集中在內蒙古北部和山東北部，這些地區及時抓住機遇，大力進行基礎設施和配套設施建設，從而提高了能源生態效率。然而，在甘肅和寧夏大部分地區，城鎮化水平與能源生態效率呈負相關，其原因主要為人口的凈流出導致勞動力不足，無法滿足工業發展需求，經濟轉型的速度緩慢，對能源生態效率產生了抑制作用。

5 研究結論

本文選取2008—2022年黃河流域的66個地級市作為研究樣本，以標準差橢圓、全局莫蘭指數及LISA統計量等作為研究工具，深入探究黃河流域城市能源生態效率在時間與空間維度上的演變特性。基于此研究前提，進一步運用GTWR回歸模型，針對城市能源生態效率的驅動因子在空間范疇內呈現出的非平穩演變態勢展開考察分析，進而得出如下主要研究結論：

（1）就時序演變狀況而言，2008—2022年，黃河流域城市總體能源生態效率水平的整體變動軌跡呈現一種先上升、隨后下降、再上升的“N”型曲線態勢，在整個研究時段內，黃河流域城市能源生態效率的分布格局表現為從下游至上游再到中游依次遞減的特征。鑒于黃河流域城市間能源生態效率的這種發展現狀差異，有必要依據各地實際情況，采取具有針對性、符合當地特色的策略推動其能源生態效率的提升，從而實現整個流域能源生態效率的優化與均衡發展。

（2）從空間格局分布來看，2008—2022年，黃河流域城市能源生態效率在空間層面展現出顯著的不均衡特征，呈現出高值與低值相互交錯分布的局面，且其主要分布方向為西北至東南走向。地理位置的不同使得各城市的能源生態效率受到差異化影響，相鄰近的城市呈現出連片聚集的態勢。此外，伴隨城市群內部協作程度的日益加深，一種顯著的“極化”現象逐漸顯現。因此，為推動整個流域城市能源生態效率的提升，能源生態效率較高的地區應充分發揮自身獨特優勢，擔當起示范樣板區域的重任，與中、低效率地區開展全面深入的合作與交流活動，借此逐步縮小地區間的差異，達成輻射與帶動周邊區域協同發展的目標，進而促進整個黃河流域城市能源生態效率的全面提升與均衡發展。

（3）根據GTWR估計結果，不同的驅動因子在空間上均存在顯著的空間非平穩性，其驅動強度和方向也存在差異。因此，為了提高當地的能源生態效率，各地都需要明確其中的關鍵驅動力，并制定針對性的政策措施，以便更好地實現資源的自由流通與有效分配。同時，積極開展地域間的協調配合，充分發揮各方優勢，努力提升各城市的能源使用效率，以實現更高的經濟、社會和環境效益，為推動可持續發展目標做出貢獻。

參考文獻

周敏， 王騰， 嚴良， 等. 財政分權、經濟競爭對中國能源生態效率影響異質性研究[J]. 資源科學， 2019， 41（3）： 532–545.

于靜， 屈國強. 中國區域生態能源效率與節能減排潛力研究[J]. 統計與決策， 2021， 37（12）： 66–69.

趙金輝， 田林， 李思源， 等. 黃河流域能源與環境—經濟—生態耦合協調發展研究[J]. 人民黃河， 2022， 44（11）： 13–19.

陳菁泉， 劉娜， 馬曉君. 中國八大綜合經濟區能源生態效率測度及其驅動因素[J]. 中國環境科學， 2021， 41（5）： 2471–2480.

油建盛， 董會忠， 蔣兵， 等. 長江經濟帶能源生態效率及驅動因子時空非平穩性[J]. 資源科學， 2022， 44（11）： 2207–2221.

張云輝， 李少芳. 數字金融發展能提升能源效率嗎[J]. 財經論叢， 2022（3）： 47–55.

孫偉. 黃河流域城市能源生態效率的時空差異及其影響因素分析[J]. 安徽師范大學學報（人文社會科學版）， 2020， 48（2）： 149–157.

Peng B， Wang Y， Wei G. Energy eco-efficiency： Is there any spatial correlation between different regions？[J]. Energy Policy， 2020， 140： 111404.

Andersen P， Petersen N C. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J]. Management Science， 1993， 39（10）： 1261–1264.

江濤， 范流通， 景鵬. 兩階段視角下中國壽險公司經營效率評價與改進： 基于網絡SBM模型與DEA窗口分析法[J]. 保險研究， 2015（10）： 33–43.

李昕昱，郭光庭，楊韶艷.金融發展視域下黃河流域城市綠色發展效率研究[J].河南師范大學學報（自然科學版），2025，53（1）：13-22.

Brunsdon C， Fotheringham A S， Charlton M E. Geographically Weighted Regression： A Method for Exploring Spatial Nonstationarity[J]. Geographical Analysis， 2010， 28（4）： 281–298.

Huang B， Wu B， Barry M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices[J]. International Journal of Geographical Information Science， 2010， 24（3）： 383–401.