您好, 访客   登录/注册

黄河流域工业绿色发展效率时空格局与影响因素研究

来源:用户上传      作者:赵建吉 展瑞 王晏

  摘要:黄河流域总体处于工业化中期阶段,工业绿色化是实现新型工业化和高质量发展的必然选择。选取2003―2018年黄河流域相关数据,基于非期望产出的DEA-SBM模型测算了黄河流域的工业绿色发展效率,运用空间自相关方法研究了其区域间的空间依赖性,通过构建Tobit回归模型分析了黄河流域工业绿色发展效率的影响因素。结果表明:S河流域工业绿色发展效率先上升后下降再上升,总体表现为波动上升趋势;在空间上从下游、中游到上游工业绿色发展效率递减,呈现出由西向东逐渐递增的分布格局;黄河流域工业绿色发展效率全局莫兰指数在0.4左右,工业绿色发展效率具有较强的空间关联性;集聚类型主要为高高区域集聚和低低区域集聚,工业绿色发展水平具有较大的空间差异性;经济发展水平、环境规制和产业集聚对黄河流域工业绿色发展效率的提升具有促进作用,产业结构、科学投入水平、对外开放水平等因素对工业绿色发展效率产生负向影响。
  关键词:工业绿色发展效率;时空格局;影响因素;DEA-SBM模型;Tobit回归模型;黄河流域
  中图分类号:F403;TV882.1文献标志码:Adoi:10.3969/j.issn. 1000-1379.2022.09.010
  Spatial-Temporal Pattern and Influencing Factors of Industrial Green Development Efficiency in the Yellow River Basin
  ZHAO Jianji,ZHAN Rui,WANG Yan
  (Key Research Institute of Yellow River Civilization and Sustainable Development & Collaborative Innovation Center on Yellow River Civilization,Henan University,Kaifeng 475001,China)
  Abstract:The Yellow River Basin is in the middle stage of industrialization on the whole,and industrial greening is the inevitable choice to realize new industrialization and high-quality development. Based on the relevant data of prefecture-level cities in the Yellow River Basin from 2003 to 2018,the DEA-SBM model based on undesired output was adopted to measure the industrial green development efficiency of the Yellow River Basin. Spatial autocorrelation was used to study the spatial dependence among regions and the influencing factors of industrial green development efficiency in the Yellow River Basin were analyzed by constructing Tobit regression model. The results show that a)the ef?ficiency of industrial green development in the Yellow River Basin is firstly increased,then decreased and then increased,generally showing a fluctuating upward trend. b)The spatial distribution pattern is gradually increasing from west to east,decreasing from the lower reaches and middle reaches to the upper reaches. c)The Global Moran index of the Yellow River Basin fluctuates around 0.4 and the industrial green de?velopment efficiency has a strong spatial correlation. The agglomeration types are mainly high agglomeration and low agglomeration,and the industrial green development level has a large spatial difference. d)The levels of economic development,environmental governance and in?dustrial agglomeration have promoting effects on the improvement of industrial green development efficiency in the Yellow River Basin. The factors of industrial structure,scientific investment level and opening to the outside world have a negative impact on the efficiency of industri?al green development.

nlc202211231250



  Key words:industrial green development efficiency;spatial-temporal pattern;influencing factors;DEA-SBM model;Tobit regression mod?el;Yellow River Basin
  18世纪60年代工业革命以来,工业文明的进步对经济社会发展产生了深刻影响。工业是国民经济的重要组成部分,也是国家综合实力和竞争力的重要支撑。改革开放以来,我国工业经济在高投入、高消耗、高污染中实现了高增长,但同时资源环境面临着较大压力。当前,我国总体处于工业化中期向中后期转变的发展阶段,加快推动工业绿色发展成为生态文明建设、新型工业化和高质量发展的必然要求。党的十八届五中全会将绿色发展作为五大发展理念之一,2015年党中央、国务院《关于加快推进生态文明建设的意见》提出协同推进新型工业化、信息化、城镇化、农业现代化和绿色化,十九大报告提出形成绿色发展方式和生活方式。党的十九届五中全会、国家“十四五”规划进一步提出,推动绿色发展,促进人与自然和谐共生。
  在Pearce等[1]提出的绿色经济概念基础上,Ahmed等[2-3]认为绿色经济在追求经济发展的同时,提升资源利用效率,并降低对生态环境的压力。伴随着人类社会对可持续发展、生态环境的持续关注,2030 年联合国可持续发展目标(SDGs)、未来地球计划(Future Earth)都将绿色发展和可持续转型作为主要任务。联合国工业发展组织(UNIDO)认为,工业绿色发展是资源能源有效利用、新能源和可再生能源替代、环境绩效持续改善的新型工业化模式。在此背景下,学术界围绕工业绿色发展、绿色经济、生态经济的内涵、格局与测度开展了卓有成效的研究[4-6],并提出了发展环境经济地理学以及可持续性转型地理学的构想[7-9]。在工业绿色发展效率测度方法方面,已有研究采用数据包络分析(DEA)模型、相关拓展模型、随机前沿评价模型等开展效率测度[1-2,10-14]。在工业绿色发展效率影响因素方面,主要采用空间计量模型、混合估计模型、Tobit模型、广义最小二乘法(GLS)、灰色GM(1,N)模型等开展研究[15-20],发现政府作用、环境规制、技术进步、工业结构等因素起重要作用。在研究空间尺度上,从全国尺度、省级尺度、城市群尺度开始向地级市尺度拓展[1,14,21-23],对东北老工业基地、长江经济带以及资源型城市等特殊区域的关注逐渐增多[1,24-27]。
  总体而言,学术界对工业绿色发展效率进行了丰富的研究,但现有研究存在以下不足:从研究方法看,大多数研究在DEA模型运用上忽视了松弛变量和非期望产出在工业绿色发展效率测度中的作用;从研究内容看,已有研究对工业绿色发展效率的空间关联性及其影响因素的分析相对较少;从研究对象看,对长江经济带、东北振兴等的研究相对较多,但对黄河流域的研究相对不足,而黄河流域工业绿色发展是黄河流域生态保护和高质量发展重大国家战略的关键,此外还缺乏黄河流域与其他区域在时空格局和影响因素上的对比分析。基于此,笔者以黄河流域为研究对象,运用非期望产出DEA-SBM模型测算黄河流域工业绿色发展效率,并构建Tobit模型对工业绿色发展效率的影响因素进行研究。
  1研究区概况
  在黄河流域九省(区)中四川省已纳入长江经济带的范围,因此本研究将黄河流域的空间范围界定为青海、甘肃、宁夏、内蒙古、陕西、山西、河南、山东八省(区)。黄河流域在我国经济社会发展格局中具有重要作用,其面积、人口、GDP总量分别占全国的32.1%、24.2%、20.3%。黄河流域三次产业结构比例为8.00:41.72:50.28,目前正处于工业化中期向中后期转变阶段,工业增加值占全国的比重达33.62%,分别比人口和经济总量占全国的比重高出9.47/13.36个百分点。能源工业、重化工业、初级加工工业是当前黄河流域发展的重点,对其相对脆弱的生态环境造成较大影响,工业二氧化硫排放量占全国的比重达33%,亟待提升工业绿色发展效率,加快推动新旧动能转换和高质量发展。
  2研究方法与数据来源
  2.1研究方法
  (1)基于非期望a出的DEA-SBM模型。数据包络分析(DEA)模型是目前研究中使用最多的效率测度方法。相较传统的CCR模型、BCC模型,SBM模型将松弛变量考虑在内,进一步提高了测算结果的精确度。Tone[28]将非期望产出引入SBM模型,解决了长期以来非期望产出在测算工业效率时被忽视的问题。基于此,采用基于非期望产出的DEA-SBM模型对黄河流域的工业绿色发展效率进行测算。
  假设评价单元有n个,投入有m种,产出有s种,S为期望产出个数,S为非期望产出个数,ρ为效率值,X、Y、Y分别为投入、期望产出与非期望产出构成的矩阵。具体模型如下:
  式中:x、y、y分别为投入、期望产出、非期望产出值;S、S、S分别为投入、期望产出与非期望产出的松弛值;λ为权重向量。
  目标函数ρ取值范围为0~1。当ρ=1且S、S、S均为0时,说明被评价单元有效;当ρ<1,S、S、S中至少有一个值不为0时,被评价单元无效[29]。
  (2)空间自相关。全局自相关是在整个研究区域对地理要素进行空间特征性描述,全局莫兰指数能够较好地反映某一区域的空间关联程度,其计算公式为

nlc202211231250



  全局莫兰指数的取值范围为(-1,1),I大于0,表示空间正相关;I小于0,表示空间负相关;I=0,表示空间不相关[31-32]。
  全局自相关仅对观测单元的空间相关程度进行描述,而局部空间自相关可有效分析不同空间单元与邻近区域的空间差异程度及其显著水平。局部莫兰指数定义为
  式中:I为区域内单元i的局部莫兰指数。
  局部莫兰指数大于0表示相似观测值的单元空间集聚,局部莫兰指数小于0表示不相似观测值的单元空间集聚[33-34]。
  (3)面板Tobit回归模型。Tobit回归模型又称截尾回归模型,是被解释变量受到限制的一种回归模型。由于基于非期望产出的SBM-DEA模型测算出的工业绿色发展效率值在[0,1]范围内,属于截尾数据,因此根据因变量和Tobit模型的特点选择最大似然法对Tobit回归模型参数进行估计分析。
  IGE=β+βAGDP+βTEC+βIS+βER+βIND+βOPEN+μ(5)
  式中:IGE为工业绿色发展效率,其中i为地区,t为时间;AGOP为经济发展水平;TEC为科学投入水平;IS为产业结构水平;ER为环境规制水平;IND为产业集聚水平;OPEN为对外开放水平;β为截距项;β、β、…、β为待定系数;μ为随机误差项。
  2.2指标选取与数据来源
  参考已有研究,将指标体系分为投入、产出两个目标层[21,35-36]。其中,投入层包括资本、劳动力、资源、技术,产出层为期望产出和非期望产出。具体而言,采用工业企业资产总计表征资本投入,劳动力投入采用第二产业从业人数来表征,工业用水反映资源投入。工业增加值是工业发展追求的目标产出,也是期望产出;工业二氧化硫排放量则是伴随期望产出而出现的非期望产出,见表1。
  研究所采用的数据主要来源于2003-2018年的《中国区域经济统计年鉴》《中国城市统计年鉴》《中国城乡建设统计年鉴》,以及黄河流域各省(区)的统计年鉴、国民经济和社会发展统计公报、水资源公报等。此外,工业用水、工业增加值、二氧化硫排放量等指标少量数据缺失,基于相邻单元可得数据,采用插值法和均值的方式进行补充。
  3黄河流域工业绿色发展效率时空演变
  3.1工业绿色发展效率时间变化
  根据式(1)计算2003-2018年黄河流域八省(区)的工业绿色发展效率,结果见表2、图1。根据表2,将黄河流域工业绿色发展效率整体变化划分为两个时间段,其中2004―2010年为稳定上升期,2010―2018年为平稳发展期。2004―2010年黄河流域工业绿色发展效率总体呈递增趋势,其中,山东、河南、山西、甘肃4个省2004―2018年工业绿色发展效率最大值出现在2010 年,分别为0.703、0.692、0.442、0.296。说明此阶段黄河流域工业绿色发展效率处于成长期,总体表现为稳定上升趋势。2010―2018年黄河流域工业绿色发展效率较为稳定,但部分省(区)的工业绿色发展效率波动变化比较明显。山东、河南、山西、甘肃4个省的工业绿色发展效率小幅波动下降,而宁夏、陕西、内蒙古、青海4个省(区)的工业绿色发展效率略有上升,宁夏的工业绿色发展效率最大值出现在2014年为0.405,而内蒙古、青海2个省(区)的最大值出现在2016年,分别为0.721、0.300。提升最为明显的是内蒙古,2016年的工业绿色发展效率超过山东省,位居黄河流域首位。总体而言,研究期内黄河流域各省(区)工业绿色发展效率呈现稳定上升的态势,各省(区)间的差异较为明显。山西、甘C、宁夏、青海等省(区)的工业绿色发展效率偏低,可能是这些省(区)工业产业结构较为单一、资源能源开采和加工行业占比较高、资源利用和技术进步水平较低等,在一定程度上制约了工业绿色发展效率的提升。
  分区域来看,2003―2018年黄河流域工业绿色发展效率始终呈现出下游、中游、上游依次递减的态势,见图1。2003―2011年黄河下游地区工业绿色发展效率呈波动上升的趋势,但2011―2018年工业绿色发展效率波动下降。原因可能是2008年国际金融危机发生后,受经济刺激政策的影响,黄河下游地区的山东、河南在经济发展中出现了发展方式较为粗放、过剩产能和落后产能过大、工业产业结构偏重等问题。总体来看,2003―2018年下游地区工业绿色发展效率处于较高水平,明显高于中上游地区。2003―2010年中游地区工业绿色发展效率略低于黄河流域的平均值,但2010―2018年中游地区工业绿色发展效率逼近甚至反超黄河流域的平均值。整体来说,2003―2018年黄河中游地区工业绿色发展效率呈波动上升态势,虽明显低于下游地区的,但发展势头较好。表明中游地区特别是山西省在国家资源型经济转型发展综合配套改革建设背景下,能源综合利用和绿色发展成效显著。2003―2018年黄河上游地区工业绿色发展效率呈上升趋势,尤其在2007年、2011年和2014年,该地区的工业绿色发展效率明显提升。综合来看,上游地区的工业绿色发展效率低于黄河流域的平均值,表明上游地区工业绿色发展效率相对较低,但这也反映出该地区具有较大的发展潜力和提升空间。2003―2018年黄河流域工业绿色发展效率整体呈现平稳上升的趋势,除部分年份受市场环境和政策影响导致工业绿色发展效率略微下降外,黄河流域工业绿色发展效率始终呈稳定上升势头,变化较为平稳。

nlc202211231250



  3.2工业绿色发展效率空间特征
  (1)工业绿色发展效率空间分布。根据计算得出的工业绿色发展效率,运用ArcGIS10.2软件,采用自然间断法绘制了2003年、2008年、2013年和2018年黄河流域工业绿色发展效率的空间分布图,见图2。2003年黄河流域工业绿色发展效率总体呈现出由西向东逐渐增大的空间分布格局,其中高效率区域集中分布在山东、河南两省;较高效率区域主要分布在山东省西北部、河南省中南部;中等效率区域包括山东省的日照、河南省的信阳以及山西省的吕梁等地;较低效率区域分布在河南、山西、陕西、内蒙古、甘肃等省(区)的部分区域;低效率区域集中分布于宁夏、青海、内蒙古、山西、甘肃等省(区)。2008年山东省潍坊、聊城两市处于高效率区,而威海市从高效率区退至较高效率区;河南省南阳等市由高效率区退至较高效率区,河南省较高效率区域明显增加;陕西省的榆林和延安在2008年以跨越式的增长方式由较低效率区域和中等效率区域跻身高效率区域;与2003年相比,2008年的低效率区域明显增多且集中分布在甘肃省,形成集中连片的低效率集聚区,说明这些地区之间存在较强的空间相关性;除此之外,山西、宁夏等省(区)部分地区由较低效率区域转为低效率区域。与2008年相比,2013年黄河流域工业绿色发展效率有所提升。山东、陕西以及内蒙古等省(区)高效率区域明显增多,尤其是陕西省形成了以榆林市为中心的高效率集聚区;而山西省则陷入了资源型区域普遍面临的“资源诅咒”,出现了黄河流域工业绿色发展低效率的“凹陷地带”;另外甘肃省的部分低效率区域向较低效率区域迈进,说明甘肃省在2013年工业绿色发展效率有了较为显著的提升。相比2013年,2018年黄河流域高效率区域分布变化较为明显,内蒙古自治区鄂尔多斯和乌兰察布跨入高效率区域,与此同时陕西省榆林和延安退出高效率区域分别进入较高效率区域和中等效率区域;山东省高效率区域所占比重明显下降,河南省高效率区域有所变化,较高效率区域明显减少;中等和较低效率区域分布最广,包括内蒙古、甘肃、山西、陕西等省(区);低效率区域覆盖甘肃省绝大部分地区,形成低效率带状分布区。
  (2)工业绿色发展效率空间自相关分析。黄河流域工业绿色发展效率在空间上呈现出集中连片的分布格局,说明区域之间存在一定空间关联性。运用GeoDa软件计算部分年份黄河流域工业绿色发展效率的全局莫兰指数(见表3),并绘制2003年、2008年、2013年和2018年的LISA聚类图,分析其空间聚集特征和地区间的空间依赖性。黄河流域工业绿色发展效率的全局莫兰指数在0.3~0.6区间波动,且P<0.01,Z>2.58,表示计算结果在0.001水平显著,也说明工业绿色发展效率在空间上具有较强关联性。总体来看,全局莫兰指数在研究期内波动较小,最小值为2016年的0.308,最大值为2008年的0.526,其余年份的全局莫兰指数均为0.4左右,说明工业绿色发展效率对区域间的空间影响持续存在。
  根据式(3)计算并绘制LISA聚类图,见图3。根据计算结果将工业绿色发展效率分为高高区域、低高区域、低低区域和不显著区域4类,其中:高高区域表示某区域及周围区域的工业绿色发展效率都高;低高区域表示某区域工业绿色发展效率低,周围区域的高;低低区域表示某区域及周围区域工业绿色发展效率均低。高高区域和低低区域表示局部空间正相关,而低高区域则表示局部空间负相关。2003年黄河流域工业绿色发展效率以高高区域和低低区域为主,其次为低高区域。高高区域主要集中在黄河流域下游地区,具体分布在河南省的许昌、漯河以及山东省的威海、烟台、青岛等地;而低高区域仅包括河南省的信阳、平顶山;低低区域集中分布在上游地区,包括宁夏回族自治区的中卫、内蒙古自治区的鄂尔多斯以及甘肃省的绝大部分地区。与2003年相比,2008年山东省高高区域有所减少,河南省高高区域明显增多,形成区块状集聚区;低高区域毗邻高高区域,分别出现在山东省日照和河南省平顶山;该时期低低区域集中位于甘肃省大部分地区,值得关注的是山西省在该时期形成了一个块状的低低集聚区,其工业绿色发展效率远低于周围地区的。2013年山东省高高区域有所减少,只包含威海、青岛等少数地区;河南省高高区域变化尤为明显,高高区域仅剩濮阳和商丘;低低区域分布范围有所缩小,主要集中于上游地区的宁夏、甘肃等省(区),其中甘肃省所占比例较大。2018年山东省高高区域新增潍坊和菏泽,其余大部分地区空间相关性不显著;河南省的高高区域为濮阳、安阳和鹤壁;低高区域仅有甘肃省的庆阳;低低区域依旧集中在上游地区以及山西省朔州和忻州。
  工业绿色发展效率高的区域主要集中在下游地区。受发展基础、地理区位、技术条件等影响,黄河下游地区工业体系发展相对完善,呈现出较显著的空间关联性。但随着时间推移,山东省和河南省各地级市间工业绿色发展效率差距逐渐拉大。工业绿色发展效率差异最大的两个省份分布在中游地区。主要原因在于,近些年陕西省发挥科技创新和技术研发优势,在国家政策、资金投入等支持下大力发展绿色制造业,在“三废”综合处理、节能环保产业发展等方面取得了较大进展。山西省作为资源型区域,煤炭资源的大量开采、精深加工以及产业链拓展延伸不足、传统高耗能的工业生产模式,导致其工业绿色发展效率较低,在空间分布上呈现为低效率的空间关联性。工业绿色发展效率低的区域集中分布在上游地^,该地区生态环境脆弱,加上技术落后、资源能源利用率低等问题导致工业绿色发展效率低。
  4工业绿色发展效率影响因素分析
  工业绿色发展效率受多方面因素的影响,依据现有研究成果[37-38],综合考虑黄河流域发展现状及数据的可获取性,从经济发展水平、科学投入水平、产业结构、环境规制、产业集聚、对外开放水平等维度进行指标体系构建,见表4。人均GDP是衡量一个地区经济发展水平的重要指标,科学投入占财政支出的比重代表一个地区的科学投入水平,产业结构则用第三产业总产值占GDP的比重来表示,工业固体废物综合利用率一定程度上反映了一个地区的环境规制情况,规模以上工业企业数量代表一个地区的产业集聚状况,货物进出口总额占GDP的比重是一个地区对外开放水平的重要体现。

nlc202211231250



  通过建立面板Tobit回归模型对工业绿色发展效率的影响因素进行分析,结果见表5。
  经济发展水平的回归系数显著为正,说明经济发展水平对工业绿色发展效率的提升具有明显促进作用。黄河流域工业绿色发展效率呈现出自东向西逐渐递减的空间分布格局,经济发展水平较高的区域集中在黄河中下游地区,表明高质量的经济发展水平是促进工业转型升级、绿色发展效率提升的重要支撑。产业结构的回归系数显著为负,说明产业结构对工业绿色发展效率的提升具有明显抑制作用。根据产业结构演替的相关理论,夯实第二产业基础能够为第三产业成长提供支撑[39]。黄河流域总体处于工业化中期,甘肃、青海等上游省份工业化水平相对较低,应该在加快推进工业化基础上,发展服务型制造业和生产性服务业,推动效率提升。在此背景下,如果跨越发展阶段发展第三产业,对于工业绿色发展效率的提升将产生负向影响。产业集聚的回归系数显著为正,说明产业集聚同样能促进工业绿色发展效率的提升。产业集聚可以带来地区间的技术交流与合作,并且能够产生空间溢出效应。但同时产业集聚会导致污染加剧等问题,因此要求企业在追求经济效益的同时注重对生态环境的保护,实现区域间资源配置效率的最大化,从而推动工业绿色发展效率的提升。对外开放水平的回归系数为负,未通过显著性检验,说明对外开放对工业绿色发展效率具有抑制作用。黄河流域相对长三角、珠三角地区,开放水平相对较低,外资投资少、外向型经济发展较为滞后,且容易成为发达地区污染产业转移的“避难所”[40],导致对外开放水平对工业绿色发展效率具有不显著的负向影响。环境规制的回归系数为正,且在1%水平显著相关,说明环境治理对工业绿色发展效率具有显著正向促进作用。黄河流域正处在工业化转型发展的关键时期,在发展经济的同时开始注重对环境的保护,各地区不断加大环境治理力度,大力推广环保节能型工业生产方式。环境治理措施的增加以及环保资金的投入极大地推动了工业绿色发展效率的提升。科学投入水平的回归系数为负,未通过显著性检验,说明科学投入水平对工业绿色发展效率具有阻碍作用。理论上,科学投入对科技水平的提升起着至关重要的作用,但是黄河流域除下游地区外总体发展阶段较为滞后,科技基础设施、研发与创新平台载体、技术人才储备、科技成果转化、创新环境与氛围等方面水平较低,导致科学投入对工业绿色发展效率产生负向影响。
  为了检验研究结果的稳健性,选择OLS回归模型,运用Eviews10.0软件再次对工业绿色发展效率的影响因素进行分析研究,结果见表6。从表6可知,各影响因素的测算结果基本与表5一致。只有科学投入水平对工业绿色发展效率的影响由原先的负向不显著变为在5%水平负向显著,由此说明科学投入对工业绿色发展效率的提升确实存在一定阻碍作用。
  5结论与讨论
  5.1研究结论
  基于非期望产出的DEA-SBM模型测算了黄河流域2003―2018年的工业绿色发展效率,研究了工业绿色发展效率的时空分布特征及空间依赖性,并在此基础上运用面板Tobit回归模型对黄河流域工业绿色发展效率的影响因素进行了分析,得出如下研究结论。
  (1)在时间上,黄河流域工业绿色发展效率整体经历了稳定上升期和平稳发展期两个阶段:2004―2010年为稳定上升期,工业绿色发展效率处于成长阶段,总体呈上升趋势;2010―2018年为稳定发展期,工业绿色发展效率呈现出较为稳定的发展态势,但各省(区)工业绿色发展效率差异较大。
  (2)在空间上,黄河流域工业绿色发展效率总体呈现由西向东递增的空间分布格局,下游地区最高,中游次之,上游地区最低。形成区块状集聚区。全局莫兰指数始终为正,说明工业绿色发展效率对区域间的影响持续存在。集聚类型主要为高高区域集聚和低低区域集聚,反映了黄河流域工业绿色发展效率空间差异性较大。
  (3)在影响因素中,经济发展水平、产业集聚、环境规制等因素对黄河流域工业绿色发展效率的提升具有明显促进作用,受黄河流域发展水平和发展阶段影响,产业结构、科学投入水平、对外开放水平对工业绿色发展效率具有负向作用。
  5.2讨论
  黄河流域与其他区域一致,工业绿色发展效率先提升后下降再提升,总体呈现波动提升的发展趋势[26]。主要原因是,2008年全球金融危机后,受经济刺激政策影响,各地从保增长、保发展的角度出发,在一定程度上放松了对工业绿色发展的要求。近年来,伴随着生态文明、绿水青山就是金山银山等理念提出以及相关政策举措的持续推进,工业绿色发展效率逐步提升。经济发展水平、产业集聚、环境规制等因素对黄河流域工业绿色发展效率具有正向作用,这与学术界对于全国、长江经济带的研究是一致的[21,41]。但是,产业结构、科学投入水平、对外开放水平等因素对黄河流域工业绿色发展效率产生负向影响,这与已有对长江经济带、粤港澳大湾区等的研究结论相反[5,25,42],与岳立等[43]对黄河流域城市绿色发展效率的研究结论较为一致。主要原因是,黄河流域总体发展阶段相对滞后,还需要加快推动绿色工业化进程,实现绿色工业化与开放发展、创新发展、第三产业发展的良性互动。对于黄河流域而言,加快提升工业绿色发展效率,一方面要夯实经济发展基础、不断提升经济实力,通过绿色工业化推动经济增长、在经济增长中提升工业绿色化发展水平;另一方面要推动产业空间集聚和集群化发展,发]集聚经济效应和空间溢出效应,在产业集聚中推动工业绿色化发展效率提升;此外,要强化政策引导,加大环境治理投入,提升环境规制水平,通过政策驱动提升工业绿色发展效率。虽然产业结构、科学投入水平和对外开放水平等因素对黄河流域工业绿色发展效率产生负向影响,但这是在当前特定发展条件下的结果。黄河流域还应在引进高端外资、加强技术创新与技术改造、发展生产性服务业等方面持续发力,打造工业绿色化发展的新动能。
  参考文献:
  [1] PEARCE D,MARKANDYA A,BARBIER E.Blueprint for a Green Economy:A Report [M]. London:Earthscan Publications Ltd.,1989:8-12.

nlc202211231250



  [2] AHMED E M. Green TFP Intensity Impact on Sustainable East Asian Productivity Growth [J]. Economic Analysis and Policy,2012,42(1):67-78.
  [3] CHEN S,GOLLEY J.Green Productivity Growth in China's In?dustrial Economy [J]. Energy Economics ,2014,44:89-98.
  [4]曹靖,张文忠.不同时期城市创新投入对绿色经济效率的影响:以粤港澳大湾区为例[J].地理研究,2。2。,39(9):1987-1999.
  [5]程钰,王晶晶,王亚平,等.中国绿色发展时空演变轨迹与影响机理研究[J].地理研究,2。19,38(11):2745-2765.
  [6]胡博伟,周亮,王中辉,等.干旱区资源型城市绿色经济效率时空分异特征[J].资源科学,2020,42(2):383-393.
  [7] TRUFFER B,COENEN L.Environmental Innovation and Sus?tainability Transitions in Regional Studies [J]. Regional Studies,2012,46(1):1-21.
  [8] GIBBS D.Prospects for an Environmental Economic Geogra?phy:Linking Ecological Modernization and Regulationist Ap?proaches [J].Economic Geography,2006,82(2):193-215.
  [9]贺灿飞,周沂.环境经济地理研究[M].北京:科学出版社,2016:38-42.
  [10] CHARNES A,COOPER W,RHODES E.Measuring the Ef?ficiency of Decision Making Units [J]. European Journal of Operational Research,1979,2(6):429-444.
  [11] ANDERSEN P,PETERSEN N C.A Procedure for Ranking Efficient Units in Data Envelopment Analysis [J]. Manage?ment Science,1993,39(10):1261-1264.
  [12]杨亦民,王梓龙.湖南工业生态效率评价及影响因素实证分析:基于DEA方法[J].经济地理,2017,37(10):151-156.
  [13]郭露,徐诗倩.基于超效率DEA的工I生态效率:以中部六省2003―2013年数据为例[J].经济地理,2016,36 (6):116-121.
  [14]李在军,胡美娟,周年兴.中国地级市工业生态效率空间格局及影响因素[J].经济地理,2018,38(12):126-134.
  [15]吴旭晓.区域工业绿色发展效率动态评价及提升路径研究:以重化工业区域青海、河南和福建为例[J].生态经济,2016,32(2):63-68.
  [16]钱争鸣,刘晓晨.中国绿色经济效率的区域差异与影响因素分析[J].中国人口・资源与环境,2013,23(7):104-109.
  [17]陈瑶.中国区域工业绿色发展效率评估:基于R&D投入视角[J].经济问题,2018(12):77-83.
  [18]景维民,张璐.环境管制、对外开放与中国工业的绿色技术进步[J].经济研究,2。14,49(9):34-47.
  [19] CAGNO E,RAMIREZ-PORTILLA A,TRIANNI A.LinkingEnergy Efficiency and Innovation Practices:Empirical Evi?dence from the Foundry Sector [J]. Energy Policy,2015,83:240-256.
  [20]陈超凡.中国工业绿色全要素生产率及其影响因素:基于ML生产率指数及动态面板模型的实证研究[J].统计研究,2016,33(3):53-62.
  [21]张仁杰,董会忠.基于省级尺度的中国工业生态效率的时空演变及影响因素[J].经济地理,2020,40(7):124-132.
  [22]任宇飞,方创琳,蔺雪芹.中国东部沿海地区四大城市群生态效率评价[J].地理学报,2017,72(11):2047-2063.
  [23]刘建翠,郑世林.中国工业绿色发展的技术效率及其影响因素研究:基于投入产出表的分析[J].城市与环境研究,2019(3):37-54.
  [24]李琳,张佳.长江经济带工业绿色发展水平差异及其分解:基于2004―2013年108个城市的比较研究[J].软科学,2016,30(11):48-53.
  [25]黄磊,吴传清.长江经济带城市工业绿色发展效率及其空间驱动机制研究[J].中国人口・资源与环境,2019,29(8):40-49.
  [26]林晓,徐伟,杨凡,等.东北老工业基地绿色经济效率的时空演变及影响机制:以辽宁省为例[J].经济地理,2017,37(5):125-132.
  [27]肖滢,卢丽文.资源型城市工业绿色转型发展测度:基于全国108个资源型城市的面板数据分析[J].财经科学,2019(9):86-98.

nlc202211231250



  [28] TONE K.A Slacks-Based Measure of Super-Efficiency in Data Envelopment Analysis[J].European Journal of Operational Re- search,2002,143(1):32-41.
  [29]郭付友,陈才,刘志刚.城市绿色发展效率的空间分异及影响因素:基于山东省17地市面板数据[J].世界地理研究,2020,29(5):1040-1048.
  [30]曾雨晴,潘洪义,周介铭,等.基于空间自相关的人均耕地面积时空格局变化研究:以四川省为例[J].江苏农业科学,2015,43(9):388-391.
  [31] CHEN F,DU D S. Application of Integration of Spatial Sta?tistical Analysis with GIS to Regional Economic Analysis [J]. Geo-Spatial Information Science,2004,7(4):242-267.
  [32] GALLO J L E C.Exploratory Spatial Data Analysis of the Dis?tribution of Regional per Capita GDP in Europe,1980 - 1995 [J].Papers in Regional Science,2010,82(2):175-201.
  [33] TANG J J. Exploratory Spatial Data Analysis of the Distribu?tion of Regional per Capita GDP in Yangtze Delta,China:1994-2004[J].Ecological Economy,2008(2):180-188.
  [34]王h飞,何洪林.空间数据分析方法[M].北京:科学出版社,2007:115-119.
  [35]郭艳花,梅林,佟连军.产业集聚对绿色发展效率的影响机制:以吉林省限制开发区为例[J].地理科学,2020,40 (9):1484-1492.
  [36]刘杨,杨建梁,梁媛.中国城市群绿色发展效率评价及均衡特征[J].经济地理,2。19,39(2):11。-117.
  [37]岳书敬,邹玉琳,胡姚雨.产业集聚对中国城市绿色发展效率的影响[J].城市问题,2015(10):49-54.
  [38]胡志强,苗健铭,苗长虹.中国地市尺度工业污染的集聚特征与影响因素[J].地理研究,2016,35(8):1470-1482.
  [39]芮明杰.构建现代产业体系的战略思路、目标与路径[J].中国工业经济,2018(9):24-40.
  [40]沈静,向澄,柳意云.广东省污染密集型产业转移机制:基于2000―2009年面板数据模型的实证[J].地理研究,2012,31(2):357-368.
  [41]赵金辉,连兴容,陈欣怡,等.匹配黄河流域高质量发展的工业布局模式研究[J].人民黄河,2021,43(4):18-23.
  [42]班斓,袁晓玲.中国八大区域绿色经济效率的差异与空间影响机制[J].西安交通大学学报(社会科学版),2016,36(3):22-30.
  [43]岳立,薛丹.黄河流域沿线城市绿色发展效率时空演变及其影响因素[J].资源科学,2020,42(12):2274-2284.

nlc202211231250




转载注明来源:https://www.xzbu.com/1/view-15442472.htm

相关文章