城镇化是与经济发展、工业化相伴而生的,城镇化发展水平是地区经济增长和工业化发展阶段的体现。2022年我国的城镇化率达到65.2%,从人口分布、空间形态上看,我国已进入中级城市型社会,但是从社会方式、社会文化等视角看,我国离城市型社会的目标还有较大差距,换句话说城镇化的速度和质量不相匹配,各种社会矛盾和生态环境问题日渐凸显,城镇化效率过低[1]。作为我国城镇化建设的重要支撑,以及经济发展的新增长极,长江经济带地域范围覆盖我国11个省市,人口和生产总值超过全国的40%,2018年国务院出台《关于建立更有效的区域协调发展新机制的意见》,将长江经济带提升为我国的重大区域发展战略之一,其内涵式城镇化的重要性日益凸显。近年来,随着沿江地区城镇化进程的不断推进,环境问题日益突出,氨氮排放量、废水排放量、化学需氧量排放占全国比重分别达43%、43% 和37%;下游部分城市出现江水污染带,《 2021年中国生态环境状况公报》显示,2021年上海和浙江近岸海域优良比例仅分别为20% 和40%,是全国沿海省份中最低的,也远远低于全国平均81.3% 的水平;2021年我国8个酸雨主要分布地区中,有5个地区位于长江经济带。党的二十大报告强调,尊重自然、顺应自然、保护自然,要站在人与自然和谐共生的高度谋划发展。2020年11月14日,习近平总书记在全面推动长江经济带发展座谈会上再次强调,要在严格保护生态环境的前提下,全面提高资源利用效率,加快推动绿色低碳发展,努力建设人与自然和谐共生的绿色发展示范带[2]。
关于效率的测算始于1957年Solow的“索罗剩余”,并拓展到随机前沿模型和数据包络分析,随后大量学者开始用相关方法对经济增长效率和产业发展效率进行研究[3-6],类似的研究也迅速延伸到城市领域,但视角集中于城市效率或全要素生产率和城市土地利用效率方面。Prud’ Homme等[7]以法国23个城市为样本,测算了城市效率,并实证分析了城市规模、城市蔓延和通勤时间等三个因素与城市效率之间的关系,其研究偏重于城市的劳动生产率。黄永斌等[8]运用超效率的数据包络分析法(Data Envelopment Analysis,DEA)对我国地级以上城市的城市效率进行了测算,认为我国城市效率普遍偏低,低于0.6的城市占到90%。Bronzini等[9]研究了意大利城市效率,发现人力资本存量是影响城市效率的最重要因素。高詹等[10]对黄河流域收缩型城市的效率进行了测算,研究发现收缩型城市的效率明显低于流域内其他城市。Polemis等[11]、刘浩等[12]、程开明等[13]对城市全要素生产率进行了测算。Halleux等[14]、张志辉[15]、卢新海等[16]测算了作为城市经济发展空间载体的土地利用效率,并探究了其影响因素。
从现有研究看,鲜有学者针对城镇化效率进行探讨,研究对象多集中于全国整体,较少关注一些特定的、局部的关键区域,且大都是基于传统DEA方法展开的。张明斗[17]通过DEA模型计算了省域城市化效率,结果显示我国整体城镇化效率呈现逐步降低的趋势。徐佳萍等[18]测算了江西省的城镇化效率,认为其城镇化效率总体上有效,但其增长率有下降趋势。段新等[19]测算结果表明我国城镇化效率呈现快速上升趋势。由于不考虑资源和环境污染问题,会给绩效评估带来偏差,在政策上产生误导[20]。因此在效率测算评价体系中加入资源和环境因素,以便更全面评价城镇化效率。将环境污染加入评价体系中,主要有两种方式,一是把环境污染看作投入要素[21, 22];另一种是把环境污染作为非期望产出指标[23, 24]。但是现有文献在研究城镇化效率时,很少同时考虑资源投入和污染排放因素,更多侧重于城镇化过程的经济产出。虽然部分文献考虑了资源和环境因素[25, 26],但是它们采用的方向性距离函数是基于径向和角度的,对期望产出和非期望产出没有同等对待,非期望产出用倒数方式来处理,其生产函数不能正确区分产出指标中的正向指标和负向指标,并且在径向和角度两个方面有较为严格的使用条件,从而导致其使用的局限性。为了克服传统DEA方法上的不足,Fare等[27]和Fukuyama等[28]基于Tone的理论和方法,构建了更具普遍性的非径向和非角度的方向性距离函数。另外,现有文献都仅仅将城镇化局限于人口城镇化,没有体现以人为核心的新型城镇化内涵和本质,仅有少数文献在考察城镇化及其绩效时,将经济发展和社会进步等方面纳入产出指标。Chen等[25]、于斌斌等[26]、熊曦等[29]考虑了城镇化的经济效益和社会效益,不过遗憾的是仅用了一个指标来表征经济效益或社会效益。
已有文献探讨城镇化效率的相对较少,所以关于城镇化效率影响因素的研究也较少,主要围绕产业结构[26, 30]、经济发展水平[31]、政府政策[32]、市场要素[33]等因素展开。以上研究忽略了地理空间单元间的互动依赖关系,空间视角下的研究有待深化。然而,事实上,空间单元的经济活动是交互影响的,空间相关性和空间依赖性是城镇化过程中不可忽略的因素。因此本文在以下三个方面对现有研究进行拓展,一是引入资源和环境污染因素,同时从人口、经济和社会城镇化三个方面来衡量地区城镇化综合水平,采用非径向和非角度的方向性距离函数,测算了长江经济带绿色城镇化效率及其损失来源;二是从空间依赖的视角,分析其绿色城镇化效率的空间效应,并运用空间面板模型探索其影响因素;三是采用地理探测方法揭示长江经济带绿色城镇化效率空间分异的主要因素,在识别影响因素解释力方面,与传统回归模型相比,其假设约束条件少,测算结果的可行度相对较高。
1 研究方法和数据 1.1 SBM方向性距离函数假设每个城市使用n种投入x = (x1, …, xn),产出m种期望产出y = (y1, …, ym) 和i种非期望产出b = (b1, …, bi)。借鉴Fukuyama等[28]以及王兵等[23]的研究,将非径向、非角度的基于松弛的(Slack-based Measure,SBM)方向性距离函数定义如下:
![]() |
(1) |
式中(xt, k', yt, k', bt, k') 是城市k′在t时期的投入和产出向量,(gx, gy, gb) 是方向向量,(sxn, sym, sbi) 是松弛向量。
将绿色城镇化无效率按照投入、期望产出和非期望产出三个方面进行如下分解[34]:
投入无效率:
![]() |
(2) |
期望产出无效率:
![]() |
(3) |
非期望产出无效率:
![]() |
(4) |
空间计量模型一般包括空间滞后面板模型(SLPM)、空间误差面板模型(SEPM)和空间杜宾面板模型(SDPM)。考虑到各区域城镇化进程的空间关联性,故本文将讨论空间面板模型起点的空间杜宾面板模型(SDPM)设定如下:
![]() |
(5) |
式中,i、t分别表示城市和年份;ure代表绿色城镇化效率;X代表绿色城镇化效率的影响因素;wij是空间权重矩阵;µi和λt是个体固定的空间效应和时间效应;εit为随机扰动项。当θ = 0时,SDPM模型简化为SLPM模型;当θ + ρβ = 0时,SDPM模型简化为SEPM模型。用城市间距离的倒数来构建权重矩阵,当i ≠ j时,wij = 1/ dij;当i = j时,wij = 0。
1.3 地理探测器分析法用q值来度量某一影响因素对被解释变量空间差异的解释程度,计算公式如下:
![]() |
(6) |
式中,h表示解释变量的分层;Nh和N分别表示分层样本数量和总样本数量;σh2和σ 2分别表示分层样本和总样本被解释变量的方差。
1.4 数据选取及来源考虑到数据的可获得性,本文选取长江经济带112个地级市(州)作为研究对象,以2010—2020年为样本区间。相关数据来源于城市统计年鉴、省(区、市)和市(州)统计年鉴、区域统计年鉴。
参照效率的定义和城镇化的内涵,绿色城镇化效率是城镇化过程中的投入与产出的比较状态,其指标选择如下:
(1)投入指标。选取资本、劳动力和资源作为投入要素。其中资本用非农产业资本存量来衡量,采用永续盘存法来计算112个地级市(州)的资本存量,即
(2)期望产出指标。选取城镇化综合指数来衡量。城镇化的过程,一方面表现在人口向城市的集聚,另一方面也体现在产业结构的转变、城市生活方式的变化、基本公共服务的完善和生活水平的提高,这也是新型城镇化的本质要求。因此本文从人口、经济和社会三个方面构建指标体系来衡量地区的城镇化水平[17, 35, 36]。城镇化综合指数的测度指标如表 1所示。其中人均GDP、人均工业总产值、社会消费品零售总额分别用该地级市(州)所在省份的基期GDP缩减指数和居民消费价格指数进行平减。用普通高校、普通中学和小学教师来衡量专任教师数。依据效率测算的指标选取不能过多的原则,采用主成分分析法将期望产出指标合成为一个城镇化综合指数。由于投入产出要素满足非负,因此进一步利用坐标平移将主成分得分转换为正数。
![]() |
表 1 城镇化水平综合指数指标体系 |
(3)非期望产出指标。用污染物排放量来衡量。考虑到数据的可获得性,本文将工业废水、工业二氧化硫和工业烟(尘)等三种污染物排放量作为环境污染的代理变量,并且运用主成分分析法将三种污染物合并成一个环境污染指标。
地区城镇化的发展过程是经济、社会、政府等共同作用的结果,借鉴陈明星等[37]的四维分析视角以及熊湘辉等[38]的研究,将绿色城镇化效率的影响因素分为行政力、市场力、内源力和外向力。行政力因素用财政支出(GOV)来衡量,一方面,行政因素对绿色城镇化效率存在促进作用,利用政府调控工具消除市场负外部性,优化资源配置,改善社会福利;提供公共产品和服务,推动城市经济发展和社会进步;维护市场稳定健康运行,对市场垄断、道德风险等问题进行干预,减少效率损失。另一方面,政府干预也存在失灵情况,比如因利益集团、政府官员的个人利益最大化等,导致政府干预过度或政策执行不完全,降低资源配置效率。
内源力因素用产业结构合理化(IS)来衡量,产业结构合理化的指标为泰尔熵指数的倒数即IS = 1/ia,其中
市场力因素用城镇私营和个体从业人员占全部从业人员的比重(MA)来衡量,市场对生产要素的区域分布及其运行进行有效配置,对绿色城镇化效率产生促进作用。在比较利益的驱使和完善劳动力市场的保障下,劳动力在城乡之间通过自由流动,农村剩余劳动力向城市迁移和集聚,为城市产业发展和经济建设做出巨大贡献。同时,资本、技术和数据等要素在产业间和区域间的合理流动和扩散,有利于生产效率和技术水平的提高,促进分工和专业化水平,从而提升绿色城镇化效率。
外在动力因素用外商直接投资来衡量,以实际利用外资总额(FDI)来表示,一方面外商直接投资是资本积累的重要来源,为东道国经济发展和产业结构升级提供充裕的物质资本,产生资本积累效应和资源配置效应。同时通过产业和技术转移,产生技术溢出效应,另一方面同时也会带来环境代价,发达国家较高的环境规制强度,导致其高能耗高污染高投入的企业迁移到污染管制措施宽松的发展中国家,使东道国成为“污染避难所” [39],产生“污染天堂”效应,降低绿色城镇化效率。
2 长江经济带绿色城镇化效率测度结果及其空间效应 2.1 测度结果分析根据式(1),计算得到每个市(州)绿色城镇化无效率的水平IE,其值越小代表绿色城镇化效率水平越高。由于方向性距离函数可以具有可变和不变规模报酬两种约束特征,但是基于可变规模报酬的测算结果更有效[40]。表 2给出了可变规模报酬的测算结果。
![]() |
表 2 2010—2020年长江经济带传统和绿色城镇化无效率测算结果 |
从表 2可知,2010—2020年长江经济带传统城镇化无效率和绿色城镇化无效率分别为0.334和0.422,说明传统城镇化效率会高估城镇化效率水平。为了解释城镇化建设中的要素配置和效率损失的来源,进一步根据式(2)~(4)计算了投入产出的冗余度或不足程度。在传统城镇化方面,资本、劳动的过度投入造成的无效率分别为0.013和0.076,城镇化综合水平产出不足造成的无效率为0.245;在绿色城镇化效率方面,资本、劳动和资源投入过度导致的无效率分别为0.038、0.091和0.111,污染过度排放导致的无效率为0.180,城镇化综合水平产出不足的无效率仅仅为0.002,说明传统城镇化需要大幅增加城镇化综合水平,才能消除无效率。为了实现绿色城镇化完全有效率,需要大力做好节能减排,只需提高0.2% 的城镇化综合水平即可。
从无效率来源的占比看,在传统城镇化无效率中,资本、劳动投入无效率的比重分为3.89% 和22.75%;加入资源环境后,资源使用无效率比重为26.30%,污染物的无效率比重达到42.65%,高消耗和高污染是长江经济带绿色城镇化效率损失的主要来源。另外,从绿色效率的角度看,长江经济带污染减排的压力大于节能的压力。
表 2同时还给出了上中下游地区的测算结果。在无效率水平方面,下游地区绿色城镇化无效率小于上游和中游地区,表明长江经济带绿色城镇化效率水平呈现明显的东高西低态势。在无效率分解方面,高污染排放造成的绿色无效率损失依然是最大的,特别是下游地区表现突出,其减排任务相对较大。中游和下游地区城镇化综合水平并未造成绿色无效率,而上游地区的占比为1.36%,说明上游地区城镇化综合水平还处于快速上升阶段。总之,长江经济带城镇化仍带有传统的粗放特征,在转变城镇化发展方式、提升城镇化发展质量和增强城镇化绿色特征方面,还蕴含巨大空间。
2.2 空间相关性分析利用空间自相关分析法,计算了长江经济带绿色城镇化效率的Moran’s I指数。利用公式
![]() |
表 3 长江经济带绿色城镇化效率全局Moran’s I指数 |
利用局部空间关联指数,计算了Getis-Ord Gi指数,运用自然断裂法对局部Gi* 统计量分为5类,整理得到2020年绿色城镇化效率空间分布特征,如表 4所示。从表 4可知长江经济带绿色城镇化效率呈现较为明显的热点—次热点—次冷点—冷点自东向西的带状分布格局,热点区域集中分布于长三角地区,长三角地区绿色城镇化效率较高,且形成了高值集聚区。冷点区域主要分布在中游和上游地区,中上游地区绿色城镇化效率水平较低,且形成了低值聚集区。
![]() |
表 4 2020年长江经济带绿色城镇化效率冷热空间分布特征 |
空间滞后项的存在会导致OLS估计结果出现偏差,故本文采用极大似然法(ML)对式(5)进行估计。首先,Hausman检验结果显示,采用固定效应模型更合适;其次,通过Wald检验和似然比检验,零假设(θ = 0和θ + ρβ = 0)均被拒绝,说明SDPM模型更合适;最后,时间固定、空间固定和双固定三种模型的结果显示,双固定模型的拟合优度和对数似然值更高。因此,依据SDPM双固定模型进行分析,结果如表 5所示。鉴于长江经济带上中下游沿线城市在产业结构、外资结构和引进外资的政策环境等都存在较大差异,本文进一步就上中下游三个样本分别进行估计。
![]() |
表 5 绿色城镇化效率的影响因素估计结果 |
第一,绿色城镇化效率的空间自相关系数大于0且显著,说明长江经济带邻近城市间绿色城镇化效率的空间溢出效应明显,得益于三个方面,一是沿线城市群的快速发展,城市群是推动新型城镇化的主体,城市群内部中心城市和周边中小城市通过扩散效应和回波效应,形成大中小城市协调发展格局,带动了城市间效率的提高;二是城市间的产业协作能力增强,通过国家层面的战略规划协调、地方层面的积极合作,助力效率提升;三是邻近城市间要素流动、知识溢出,加强了城市间效率的空间溢出效应。
第二,GOV的系数小于0且显著,说明政府的财政支出对绿色城镇化效率产生了负向影响,这与赵永平等[32]的结论相一致,说明政府的行政手段可能会导致城市发展中衍生出各种经济和社会问题,产生环境污染、要素投入冗余等负外部性,不利于绿色城镇化效率的提升。IS的系数为正且通过显著性检验,表明产业结构合理化对绿色城镇化效率有显著的促进作用,这进一步佐证了于斌斌等[26]的研究结论,长江经济带进入城镇化的快速发展时期,产业结构的调整是城镇化质量提升的关键力量。MA的系数显著为正,说明城镇私营和个体人员的占比增加有利于绿色城镇化效率的提高,各要素的自由流动促进了沿线地区经济社会的发展[31]。FDI的系数大于0且显著,说明作为外向力的外商直接投资对绿色城镇化效率表现出显著地积极影响,长江经济带沿线城市通过对外开放和引进外资,加快了城镇化进程和效率的提升[41]。
第三,从上中下游的区域差异来看,政府的财政支出对绿色城镇化效率产生的负向影响在中游和上游地区显著,下游地区的不利影响则不显著,说明上游和中游地区政府力量在城镇化进程中的作用较为明显。产业结构合理化有利于下游地区绿色城镇化效率的提升,而对中游和上游的正向影响不显著。这与各地区产业结构的合理化程度有关,2010 —2020年上游和中游地区泰尔熵指数均值分别为0.42和0.30,明显高于下游地区的0.15。中游和上游地区产业结构合理化进程缓慢,高污染、高能耗的产业仍占主导,处于“环境库兹涅茨曲线”的左侧,因而产业结构无疑对绿色城镇化效率的改善作用有限。市场力因素均有利于上中下游地区绿色城镇化效率的提高。外商直接投资对下游地区绿色城镇化效率表现出显著的积极影响,而对中游地区的积极作用不显著,对上游地区产生了不显著的负向影响。表明上中游地区外商直接投资存在环境负效应,为了吸引外资和发展经济,具有降环境标准或放松环境规制的动机,出现所谓的“向环境标准底线赛跑”的现象,进而成为“污染天堂”,降低了绿色城镇化效率。而在下游地区,由于外商直接投资主要集中于先进制造业、新兴产业、高技术产业和绿色产业等领域,其流入带来了技术溢出效应和竞争效应,表现出显著的“污染光环效应”。
3.2 稳健性检验(1)空间Tobit估计。经转换后的绿色城镇化效率的取值范围在0~ 1,具有被切割或截断的特点,所以选取空间Tobit模型进行稳健性检验。其估计结果见表 5模型5。财政支出的系数仍为负且显著,产业结构合理化、城镇私营和个体人员占比和外商直接投资的系数为正且通过显著性检验,空间自相关系数也显著大于0,说明上述回归结果是稳健的。
(2)剔除异常样本点的影响。长江经济带绿色城镇化效率存在地区不平衡性,比如2020年上海、无锡、杭州的绿色城镇化效率非常高,分别为0.970、0.969和0.953,而上游地区的昭通、临沧和普洱的绿色城镇化效率却仅分别为0.107、0.108和0.112,这些异常样本点可能会导致回归估计结果产生偏差。将绿色城镇化效率均值低于10% 分位数值和高于90% 分位数的样本剔除,其估计结果见表 5模型6。我们发现,4个因素对绿色城镇化效率的影响方向和显著性与前文分析结论一致,故异常样本点对结果没有产生逆转性的变化。
(3)更换空间权重矩阵。构建如下的经济空间权重矩阵(wije),对结论进行再检验:
![]() |
(7) |
式中,w ij即前文的距离空间权重矩阵;Yi是第i个地级市(州)的实际GDP均值;Y是所有地级市(州)实际GDP均值。估计结果见表 5模型7,解释变量符号和显著性水平与基准模型基本吻合。
(4)动态空间面板模型。城镇化是一个动态过程,其效率水平不仅受当期因素的影响,前期因素也不可忽略[26]。因此在基准模型的基础上引入绿色城镇化效率的滞后一期,估计结果见表 5模型8,结果显示动态空间面板模型的估计结果在解释变量系数和显著性方面,与基准模型基本相似。
3.3 基于地理探测的各影响因素的影响程度分析根据前文空间面板模型的结果,长江经济带绿色城镇化效率存在空间溢出效应,因此借鉴邵帅等[42]的做法,将w × ure纳入影响程度计算。计算结果如表 6所示。空间溢出效应对长江经济带绿色城镇化效率空间差异的影响程度最大,其解释力达到了21% ~ 26%,并且呈现逐渐增加的趋势。其次为内源力因素,影响力也表现出逐步提高的变化过程。行政力因素的影响程度位居第三,在样本期间其解释力基本保持在2% 左右,变化趋势平稳。市场力和外向力因素的影响程度平均来看相对较小,但是出现逐步提升的趋势,逐渐接近行政力因素。从影响因素的交互作用来看,因素交互作用的影响力均高于单个因素的影响力,并且交互作用的类型主要为非线性增强型和双因子增强型。说明长江经济带绿色城镇化效率是多种因素共同作用的结果。除2010年以外,其余年份的主导交互因子均为空间溢出效应和内源力因素交互作用,说明空间溢出效应与产业结构的交互作用能够较好地解释长江经济带绿色城镇化效率的空间差异。长江经济带在深入推进以人为核心的新型城镇化战略过程中,政府职能转变已经取得阶段性成效,同时长江经济带产业合理化水平在不断提高,通过产业间协调和要素重组过程,促进绿色城镇化效率提升。
![]() |
表 6 各因素对长江经济带绿色城镇化效率的影响程度(基于q统计量) |
本文引入资源和环境因素,并以城镇化综合指数为期望产出,运用SBM方向性距离函数测算了长江经济带112个地级市(州)2010—2020年的绿色城镇化效率,探究了其效率损失的来源。进一步采用空间面板模型和地理探测器探讨和识别了绿色城镇化效率的关键影响因素及其影响程度和大小。研究发现:①长江经济带绿色城镇化效率整体水平不高。资源的过度使用和环境污染是其效率损失的主要来源。从区域差异看,长江经济带绿色城镇化效率水平呈现明显的东高西低。②长江经济带绿色城镇化效率存在明显的空间正相关性,呈现较为明显的热点—次热点—次冷点—冷点自东向西的带状分布格局,长三角地区形成高值集聚区,中上游地区形成低值集聚区。③各因素对绿色城镇化效率的影响方向和显著性存在差异。政府因素显著抑制了绿色城镇化效率的提升,且中游和上游地区显著。产业结构合理化对绿色城镇化效率有显著的促进作用,且仅下游地区显著。市场力因素有利于绿色城镇化效率的提高。作为外向力的外商直接投资对绿色城镇化效率表现出显著的积极影响,下游地区的积极影响显著,而中游地区的积极作用不显著,上游地区表现出FDI的“污染天堂效应”。④邻近城市间绿色城镇化效率的正向空间溢出效应明显。得益于城市群的发展、城市间产业协同和知识溢出等,空间溢出效应是长江经济带绿色城镇化效率空间差异的最主要因素,且其影响力逐渐增加。双因子交互作用均强于单因子,各因素对长江经济带绿色城镇化效率的影响具有协同增强的作用。
鉴于此,需要进一步提升长江经济带的绿色城镇化效率水平。第一,以城市群为载体推进新型城镇化,坚持人口、经济和社会城镇化效率的协调全面提升,同时要充分注重城镇化过程中的环境污染问题,坚持不搞大开发、生态优先的发展原则,完善沿线流域生态补偿机制,重点支持绿色低碳技术创新研发,积极推进主导产业绿色清洁生产,强化沿线城市间污染协同治理,完善区域的污染预警和联防联控机制,走绿色城镇化道路。第二,发挥城市间绿色城镇化效率的空间关联效应,促进要素跨区域合理流动,加快构建长江经济带区域统一开放大市场,带动沿线经济协调发展和城镇化绩效。第三,提高沿线城市的产业结构合理化水平,特别是中上游地区,提升要素投入结构和产出结构的耦合质量,提高要素在产业间的配置效率,逐步降低高能耗、高污染产业在经济中的比重,大力发展高新技术产业和现代服务业,同时要根据地方要素禀赋和经济发展需要,形成合理的主导产业体系,促进上中下游产业地域分工和协作,推进产业结构向合理化、高级化方向发展。第四,要更加注重外商投资的质量及其带来的环境效应,关注外商投资的区域和产业分布,实行区域差异性的外资政策,中上游地区要适度调整引进外资的方式,从偏重引进资金流量向以技术转移等为重点,加强对外资企业的环境成本评估,优化外商投资的产业结构,避免成为以跨国公司为载体的污染密集型产业“污染避难所”。对于下游地区,继续合理扩大外资规模,充分利用外资对绿色城镇化效率的增进效应,持续优化营商环境,吸引更多更高质量的外资流入。
[1] |
陈昌盛, 许伟, 兰宗敏, 等. "十四五"时期我国发展内外部环境研究[J]. 管理世界, 2020, 36(10): 1-14, 40-40. DOI:10.3969/j.issn.1002-5502.2020.10.001 |
[2] |
习近平. 在深入推动长江经济带发展座谈会上的讲话[N]. 人民日报, 2018-06-14(02).
|
[3] |
ZHENG J H, BIGSTEN A, HU A G. Can China's growth be sustained? A productivity perspective[J]. World development, 2009, 37(4): 874-888. DOI:10.1016/j.worlddev.2008.07.008 |
[4] |
LUINTEL K B, KHAN M. Basic, applied and experimental knowledge and productivity: further evidence[J]. Economics letters, 2011, 111(1): 71-74. DOI:10.1016/j.econlet.2011.01.017 |
[5] |
李兰冰, 刘秉镰. 中国区域经济增长绩效、源泉与演化: 基于要素分解视角[J]. 经济研究, 2015, 50(8): 58-72. |
[6] |
文淑惠, 张诣博. 金融发展、FDI溢出与经济增长效率: 基于"一带一路"沿线国家的实证研究[J]. 世界经济研究, 2020(11): 87-102, 136-136. |
[7] |
PRUD' HOMME R, LEE C W. Size, sprawl, speed and the efficiency of cities[J]. Urban studies, 1999, 36(11): 1849-1858. DOI:10.1080/0042098992638 |
[8] |
黄永斌, 董锁成, 白永平. 中国城市紧凑度与城市效率关系的时空特征[J]. 中国人口·资源与环境, 2015, 25(3): 64-73. |
[9] |
BRONZINI R, PISELLI P. Determinants of long-run regional productivity with geographical spillovers: the role of R&D, human capital and public infrastructure[J]. Regional science and urban economics, 2009, 39(2): 187-199. DOI:10.1016/j.regsciurbeco.2008.07.002 |
[10] |
高詹, 张明斗. 黄河流域收缩型城市效率的异质性及空间效应分析[J]. 城市问题, 2021(4): 4-11. DOI:10.13239/j.bjsshkxy.cswt.210401 |
[11] |
POLEMIS M L, TZEREMES N G. Competitive conditions and sectors' productive efficiency: A conditional non-parametric frontier analysis[J]. European journal of operational research, 2019, 276(3): 1104-1118. DOI:10.1016/j.ejor.2019.01.044 |
[12] |
刘浩, 马琳, 李国平. 中国城市全要素生产率的演化格局及其影响因素[J]. 地理研究, 2020, 39(4): 880-891. |
[13] |
程开明, 刘书成. 城市经济密度与全要素生产率——兼论城市规模的调节效应[J]. 中国人口科学, 2022(6): 39-54. |
[14] |
HALLEUX J M, MARCINCZAK S, VAN DER KRABBEN E. The adaptive efficiency of land use planning measured by the control of urban sprawl. The cases of the Netherlands, Belgium and Poland[J]. Land use policy, 2012, 29(4): 887-898. DOI:10.1016/j.landusepol.2012.01.008 |
[15] |
张志辉. 中国城市土地利用效率研究[J]. 数量经济技术经济研究, 2014, 31(7): 134-149. |
[16] |
卢新海, 李佳, 刘超, 等. 中国城市土地绿色利用效率驱动因素及空间分异[J]. 地理科学, 2022, 42(4): 611-621. |
[17] |
张明斗. 中国城市化效率的时空分异与作用机理[J]. 财经问题研究, 2013(10): 103-110. |
[18] |
徐佳萍, 郑林, 廖传清. 江西省城镇化效率与经济发展水平的时空耦合关系[J]. 经济地理, 2018, 38(5): 93-100. |
[19] |
段新, 乔杰, 戴胜利. 区域城市化效率与科技创新水平协调发展: 测算与检验[J]. 统计与决策, 2022, 38(23): 121-126. |
[20] |
HALKOS G E, TZEREMES N G, KOURTZIDIS S A. Measuring sustainability efficiency using a two-stage data envelopment analysis approach[J]. Journal of industrial ecology, 2016, 20(5): 1159-1175. |
[21] |
RAMANATHAN R. An analysis of energy consumption and carbon dioxide emissions in countries of the Middle East and North Africa[J]. Energy, 2005, 30(15): 2831-2842. |
[22] |
匡远凤, 彭代彦. 中国环境生产效率与环境全要素生产率分析[J]. 经济研究, 2012, 47(7): 62-74. |
[23] |
王兵, 吴延瑞, 颜鹏飞. 中国区域环境效率与环境全要素生产率增长[J]. 经济研究, 2010, 45(5): 95-109. |
[24] |
孙亚男, 杨名彦. 中国绿色全要素生产率的俱乐部收敛及地区差距来源研究[J]. 数量经济技术经济研究, 2020, 37(6): 47-69. |
[25] |
CHEN R, LU H C. PCA-SBM model green urbanization performance assessment in China[J]. Frontiers in energy research, 2021, 9: 637820. |
[26] |
于斌斌, 申晨. 产业结构、空间结构与城镇化效率[J]. 统计研究, 2020, 37(2): 65-79. |
[27] |
FÄRE R, GROSSKOPF S. Directional distance functions and slacks-based measures of efficiency[J]. European journal of operational research, 2010, 200(1): 320-322. |
[28] |
FUKUYAMA H, WEBER W L. A directional slacks-based measure of technical inefficiency[J]. Socio-Economic planning sciences, 2009, 43(4): 274-287. |
[29] |
熊曦, 段宜嘉, 傅为一, 等. 长江中游城市群城镇化效率评价及时空分异[J]. 经济地理, 2021, 41(3): 105-112. |
[30] |
李许卡, 杨天英, 曾瑶. 服务业对城镇化效率的影响机理探析[J]. 上海经济研究, 2017(12): 73-84. |
[31] |
张荣天, 李传武, 李红波. 考虑环境效应的长三角城镇化效率格局及驱动因素异质性[J]. 经济地理, 2019, 39(9): 104-111. |
[32] |
赵永平, 汉玉玲, 田万慧. 空间趋同视角下的新型城镇化效率优化分析[J]. 南京财经大学学报, 2021(3): 58-67. |
[33] |
阚大学. 要素市场扭曲抑制了城镇化效率提升吗[J]. 财经科学, 2016(8): 113-123. |
[34] |
COOPER W W, SEIFORD L M, TONE K. Data Envelopment Analysis: A Comprehensive Text With models, Applications, References and DEA-Solver Software[M]. New York: Springer, 2007.
|
[35] |
戴永安. 中国城市化效率及其影响因素——基于随机前沿生产函数的分析[J]. 数量经济技术经济研究, 2010, 27(12): 103-117. |
[36] |
刘雷, 张华. 山东省城市化效率与经济发展水平的时空耦合关系[J]. 经济地理, 2015, 35(8): 75-82. |
[37] |
陈明星, 陆大道, 张华. 中国城市化水平的综合测度及其动力因子分析[J]. 地理学报, 2009, 64(4): 387-398. |
[38] |
熊湘辉, 徐璋勇. 中国新型城镇化水平及动力因素测度研究[J]. 数量经济技术经济研究, 2018, 35(2): 44-63. |
[39] |
MULATU A. The structure of UK outbound FDI and environmental regulation[J]. Environmental and resource economics, 2017, 68(1): 65-96. |
[40] |
ZHENG J H, LIU X X, BIGSTEN A. Ownership structure and determinants of technical efficiency: an application of data envelopment analysis to Chinese enterprises (1986-1990)[J]. Journal of comparative economics, 1998, 26(3): 465-484. |
[41] |
张泽义. 环境污染、长江经济带绿色城镇化效率及其影响因素——基于综合城镇化视角[J]. 财经论丛, 2018(2): 3-10. |
[42] |
邵帅, 李欣, 曹建华, 等. 中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J]. 经济研究, 2016, 51(9): 73-88. |