基于超效率SBM模型的中国城市生态效率时空演变及影响因素

doi:10.7523/j.issn.2095-6134.2021.04.007

摘要/Abstract

摘要： 运用含有非期望产出的超效率SBM模型，研究2005—2017年中国285个地级以上城市生态效率的时空演变格局，并运用面板回归模型探析城市生态效率的影响因素。结果表明：1）2005—2017年全国城市平均生态效率波动起伏较小，生态效率整体处于上升状态。2）尽管城市间生态效率的差异呈缩小态势，但全国地区间差异仍然较明显，东部地区的城市生态效率远高于其他地区，城市生态效率整体呈现东部地区>全国平均水平>西部地区>东北地区>中部地区的态势。3）全国城市生态效率时空格局演化特征明显。2005年生态效率较高的城市主要分布在珠三角、长三角、山东等省区，其他大部分地区城市生态效率处于较低水平；2017年城市生态效率较高的空间范围明显扩展，珠三角、长三角、山东、河南、河北、湖北和四川等地区的生态效率处于较高水平，其他地区仍处于较低水平。4）城镇化、经济发展、对外开放、科技水平和产业升级对城市生态效率的提升起着显著的促进作用，而较高的工业化比重对于城市生态效率的提升起着抑制作用。因此促进经济集约高效发展、优化产业结构、增加科技投入、加快工业升级、减少资源消耗和污染物排放应是政策制定的优选方向。

关键词: 生态效率, 超效率SBM模型, 非期望产出, 时空演变

Abstract: Urban eco-efficiency is an effective indicator to show the relationship between regional economic development and its impact on resources and environment. The spatiotemporal evolution of the eco-efficiency of 285 cities above the prefecture level in China from 2005 to 2017 was calculated by the super-efficiency SBM model containing the undesirable outputs. The panel regression models were further constructed to analyze the factors that significantly influenced the urban eco-efficiency. The conclusions are as follows. 1) The average urban eco-efficiency across China fluctuated slightly and showed a rising trend. 2) Even though the gap of eco-efficiency between cities decreased gradually from 2005 to 2017, the regional disparity in the whole country was still obvious. 3) The spatiotemporal pattern of urban eco-efficiency among different regions and cities has evolved significantly. The cities with higher ecological efficiency in 2005 were mainly distributed in the Pearl River Delta, the Yangtze River Delta, and Shandong Province. By contrast, the territorial ranges of cities with higher urban eco-efficiency in 2017 were greatly expanded. 4) Results from the regression models showed that factors as urbanization rate, economic development level, openness to foreign economies, science and technology investments, and industrial transition were important determinants promoting the urban eco-efficiency in China. Therefore, high priorities should be given to upgrade industrial structure, increase investments in science and technology, and reduce resources consumption and pollutants emissions when authorities make policies towards regional sustainable development.

Key words: eco-efficiency, super-efficiency SBM model, undesirable output, spatiotemporal evolution

中图分类号:

X322

闫涛, 张晓平, 赵艳艳. 基于超效率SBM模型的中国城市生态效率时空演变及影响因素[J]. 中国科学院大学学报, 2021, 38(4): 486-493.

YAN Tao, ZHANG Xiaoping, ZHAO Yanyan. Spatiotemporal evolution of urban eco-efficiency in China and its influencing factors based on super-efficiency SBM model[J]. Journal of University of Chinese Academy of Sciences, 2021, 38(4): 486-493.

参考文献

[1] Schaltegger S, Sturm A. Ökologische rationalität[J]. Die Unternehmun, 2001, 2(3):288-289.
[2] WBCSD. Eco-efficient leadership for improved economic and environmental performance[M]. Geneva, Switzerland:WBCSD, 1996:3-16.
[3] Fussler C. Development of industrial ecological efficiency[J]. Industry and Environment (Chinese version), 1995, 17(4):71-74.
[4] 潘兴侠. 我国区域生态效率评价、影响因素及收敛性研究[D]. 南昌:南昌大学, 2014.
[5] 韩增林,王倩雯,刘天宝,等. 中国生态效率时空动态分布与演进趋势[J]. 统计与决策, 2019, 35(22):85-88.
[6] 刘轩志,赵文莉. 黄河流域沿线省份生态效率测度[J]. 区域治理, 2019(45):117-119.
[7] 邓霞. 区域生态效率评价研究:以长江经济带为例[J]. 价格理论与实践, 2019(11):133-137.
[8] 马骏,曹芳,周盼超. 长江经济带城市生态效率演变及驱动因素分析[J]. 资源与产业, 2020, 22(1):32-40.
[9] 易杏花,刘锦钿. 我国西部地区生态效率评价及其影响因素分析[J]. 统计与决策, 2020, 36(1):105-109.
[10] 任宇飞,方创琳. 京津冀城市群县域尺度生态效率评价及空间格局分析[J]. 地理科学进展, 2017, 36(1):87-98.
[11] 车国庆. 中国地区生态效率研究:测算方法、时空演变及影响因素[D]. 长春:吉林大学, 2018.
[12] 郝帅. 中国大陆生态效率评价与预测研究[D]. 辽宁大连:辽宁师范大学, 2018.
[13] 郑德凤,郝帅,孙才志. 基于DEA-ESDA的农业生态效率评价及时空分异研究[J]. 地理科学, 2018, 38(3):419-427.
[14] 侯孟阳,姚顺波. 1978-2016年中国农业生态效率时空演变及趋势预测[J]. 地理学报, 2018, 73(11):2168-2183.
[15] 张新林,仇方道,王长建,等. 长三角城市群工业生态效率空间溢出效应及其影响因素[J]. 长江流域资源与环境, 2019, 28(8):1791-1800.
[16] 李根,刘家国,李天琦. 考虑非期望产出的制造业能源生态效率地区差异研究:基于SBM和Tobit模型的两阶段分析[J]. 中国管理科学, 2019, 27(11):76-87.
[17] 陈翔,肖序. 中国工业产业循环经济效率区域差异动态演化研究与影响因素分析:来自造纸及纸制品业的实证研究[J]. 中国软科学, 2015(1):160-171.
[18] 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.
[19] 王敏,张晓平. 基于PCA-DEA模型的中国省际生态效率研究[J]. 中国科学院大学学报, 2015, 32(4):520-527.
[20] Vogtländer J G, Bijma A, Brezet H C. Communicating the eco-efficiency of products and services by means of the eco-costs/value model[J]. Journal of Cleaner Production, 2002, 10(1):57-67.
[21] Burritt R L, Saka C. Environmental management accounting applications and eco-efficiency:case studies from Japan[J]. Journal of Cleaner Production, 2006, 14(14):1262-1275.
[22] 戴铁军,陆钟武. 钢铁企业生态效率分析[J]. 东北大学学报, 2005,26(12):1168-1173.
[23] 涂正革,刘磊珂. 考虑能源、环境因素的中国工业效率评价:基于SBM模型的省级数据分析[J]. 经济评论, 2011(2):55-65.
[24] Zhang X P, Li Y F, Wu W J. Evaluation of urban resource and environmental efficiency in China based on the DEA model[J]. Journal of Resources and Ecology, 2014, 5(1):11-19.
[25] 关伟,许淑婷. 中国能源生态效率的空间格局与空间效应[J]. 地理学报, 2015, 70(6):980-992.
[26] 韩增林,吴爱玲,彭飞,等. 基于非期望产出和门槛回归模型的环渤海地区生态效率[J]. 地理科学进展, 2018, 37(2):255-265.
[27] Tone K. A slacks-based measure of efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2001,130(3):498-509.
[28] 方创琳,关兴良. 中国城市群投入产出效率的综合测度与空间分异[J]. 地理学报, 2011, 66(8):1011-1022.
[29] 王恩旭,武春友. 基于超效率DEA模型的中国省际生态效率时空差异研究[J]. 管理学报, 2011, 8(3):443-450.
[30] 李青松,徐国劲,邓素君,等. 基于DEA-Malmquist-Tobit模型的河南省生态效率研究[J]. 环境科学与技术, 2016, 39(4):194-199.
[31] 常新锋,管鑫. 新型城镇化进程中长三角城市群生态效率的时空演变及影响因素[J]. 经济地理, 2020, 40(3):185-195.
[32] 王兆峰,刘庆芳. 长江经济带旅游生态效率时空演变及其与旅游经济互动响应[J]. 自然资源学报, 2019, 34(9):1945-1961.
[33] 孟凡生,邹韵. 中国生态能源效率时空格局演化及影响因素分析[J]. 运筹与管理, 2019, 28(7):100-107.
[34] 杨勇,邓祥征. 中国城市生态效率时空演变及影响因素的区域差异[J]. 地理科学, 2019, 39(7):1111-1118.
[35] 张新林,仇方道,谭俊涛,等. 中国工业生态效率时空分异特征及其影响因素解析[J]. 地理科学, 2020, 40(3):335-343.
[36] 付丽娜,陈晓红,冷智花. 基于超效率DEA模型的城市群生态效率研究:以长株潭"3+5"城市群为例[J]. 中国人口·资源与环境, 2013, 23(4):169-175.
[37] Tone K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2002, 143(1):32-41.
[38] Tone K, Tsutsui M. Applying an efficiency measure of desirable and undesirable outputs in DEA to US electric utilities[J]. Journal of CENTRUM Cathedra:The Business and Economics Research Journal, 2011, 4(2):236-249.