资源环境约束下中国经济增长效率及其影响因素的空间效应分析

徐小鹰　陈宓

摘要：以1999～2018年数据为样本，采用空间自相关、空间分布和空间面板模型对资源环境约束下的经济增长效率的空间效应进行全面分析。研究结果表明，大部分省市与其经济水平接近或地理相邻省市的经济增长效率存在空间集聚效应，少部分省市表现出了一定的空间异质性。此外，经济增长效率的影响因素呈现出显著的正向空间溢出效应，技术创新、产业结构、人力资本、对外开放和市场化改革可以显著促进经济增长效率的提升。金融发展和环境治理对经济增长效率提升影响不显著，政府干预会在一定程度上减缓经济增长效率提升。

關键词：资源环境约束;经济增长效率;空间自相关;空间分布

文章编号：2095-5960（2021）03-0025-10;中图分类号：F124.5，F224;文献标识码：A

中国自改革开放以来一直保持着经济高速增长的态势。2011年以后GDP增长率开始逐年回落，2015年开始连续五年低于7%的增长水平，经济已由高速增长阶段转向高质量发展阶段。从现实情况来看，我国资源约束不断加剧，环境问题日益突出，调整结构和提升能效的压力逐渐加大，提高经济增长效率已然成为新时代高质量发展背景下我国实现绿色经济增长的客观要求。对经济增长效率及其影响因素的分析契合我国当前绿色发展的时代背景和高质量发展的战略要求，可以为政府有效评估我国经济增长状况及制定并实施更为有效的宏观调控政策提供一定的理论支撑，对我国经济的可持续健康发展也具有重要意义。鉴于上述研究背景，本文将从空间维度对中国经济增长效率展开以下研究：一是对资源环境约束下的经济增长效率值进行空间自相关检验和空间集聚效应分析;二是对资源环境约束下经济增长效率的影响因素进行空间面板分析，探讨各个因素对于不同地区是否存在空间溢出效应;三是对空间溢出效应加以分解，通过直接效应和间接效应来识别本地区自身影响因素对经济增长效率的影响及相邻地区影响因素和效率对本地区经济增长效率的影响。

一、文献综述

（一）环境与经济增长效率之间关系的定性研究

国外学者对于环境与经济增长效率的关系研究早于国内学者。早在19世纪初期，国外学者就开始关注到环境与经济之间的问题，到了20世纪40年代，随着一系列环境问题的产生，学者们正式开展关于环境与经济的研究课题。Boulding率先反驳了经济无限增长理论，运用系统方法对环境和经济展开研究，并提出构建可循环的环境经济系统;[1]Wilfred Beckerman认为可仅通过管理手段便可缓解环境污染和不可再生能源稀缺的问题。[2]随着对环境问题认识的加深，学者对两者间的关系做了更为深刻的解剖。Bhagawati认为经济的发展可以促进对环境的保护。[3]Daly认为从长远看，以破坏环境为代价的经济增长，是不值得的。[4]至20世纪末期，我国学者开始开展环境与经济课题。1993年，我国学者刘再兴率先提出“协调发展”的发展战略思想，构建“一环、三个三角”重点区域，从而达成东西互补、南北联动的发展格局，该发展理论影响重大，成了国家规划区域协调发展时的必要准则。[5]覃成林等认为区域间的经济联系日益密切，经济要素相互间的作用也愈来愈突出，经济发展存在着正向的促进作用，并且经济间的差异也会日益减少，各地区经济发展呈可持续性。[6]王业强等则认为在新常态模式下，构建以创新为驱动力的模型是经济发展转型必然要求。[7]

（二）环境与经济增长效率之间的定量研究

国内外学者对环境与经济增长效率之间的关系进行了颇多研究。国外学者大多数是在技术效率的测算中引入环境这一变量进行研究的。Li采用基于松弛变量的超效率数据包络分析模型，将污染变量引入模型，并作为非期望产出加以处理，探讨了增长效率与环境资源之间的关系。[8]Zofio在以往经济增长效率模型中引入内生映射向量，对以往的数据包络模型加以改造，并用以分析非期望产出问题。[9]Atkinson &Tsionas分别采用广义矩估计法和贝叶斯分析法测算了绿色经济增长效率，根据SBM模型和DDF模型测算的结论来对不同模型的优缺点加以比较分析，这为绿色增长效率的评估提供的崭新的思路。[10]Mavi对以往的数据包络模型加以改造，在模型中引入内生映射向量，将二氧化碳视作环境污染衡量标准，以跨国面板数据为样本，评估了数十个国家的绿色经济增长效率。[11]

受国外学者的启发，国内学者借鉴其方法来评估包含环境污染变量的经济效率。其中，一些学者采用省际数据进行了研究：任星等通过构建压力-状态-响应的资源环境评价模型，对2006～2014年中原城市群的9个中心城市资源环境的协调性开展评价;[12]李新杰利用环境经济系统动力学仿真模型对河南省环境、经济及人口科技系统的不同发展路径进行演化推理，并通过数据包络分析和变异系数协调度评价函数，对不同发展路径下的河南省环境经济效率和协调发展度进行评价;[13]卓锦新等以窗口分析框架为视角，通过考虑非期望产出的 SBM 模型对2003～2015年间我国30个省份的生态经济效率进行了动态测算，并分析了各省市影响生态经济效率的内部要素。[14]祁敖雪等利用耦合协调度模型对长三角、京津冀、珠三角这三个城市群的生态环境与经济的耦合协调度进行计算，通过横向对比，为其制定相应的发展策略。[15]除此之外，一些学者采用区域数据进行了研究。杨俊等认为中西部地区年均环境效率明显低于东部。[16]朱承亮等认为我国西部省份普遍效率偏低，但在某些年份个别西部省份的增长是有效的。[17]宋长青认为我国经济增长效率在不同区域存在明显差异，且表现出收敛特征。[18]何强认为经济增长效率在我国三大区域显现出较为明显的阶梯形状。[19]吴齐以2006～2013年除西藏外的省市数据为样本，采用基于松弛变量的超效率数据包络模型测算了各省市的绿色增长效率，研究表明，中西部绿色增长效率明显低于东部，中西部二者之间的差异不大。[20]

综上所述，在效率值估算得出的基础上，虽然很多学者对资源环境约束下的经济增长效率进行了研究，但现有的研究文献局限于采用传统计量分析方法进行实证分析。传统的计量经济方法在研究不同地区经济增长效率及影响因素时，将不同地区作为独立的个体来看待，没有考虑不同地区之间地理因素的影响。由于空间位置及其关联性信息的缺失，传统计量分析方法在实际应用中会存在模型设定的偏差，缺乏对不同区域经济增长效率影响因素的空间效应分析，从而导致实证分析缺乏足够的科学性、结论缺乏解释力等问题。笔者前期在传统投入-产出模型基础上，将劳动、资本、能源三个投入变量、GDP产出变量和CO2、SO2、烟尘和废水四个非期望产出变量引入到SBM模型中[21]，对资源环境约束下的经济增长效率进行了测度。本文在前期研究基础上，首先对资源环境约束下的经济增长效率进行空间自相关检验和空间集聚效应分析，然后对经济增长效率的影响因素进行空间面板计量分析，探讨各因素对经济增长效率的作用机制。

二、模型设定、变量选取与数据说明

（一）空间计量模型设定及效应分解

空间相关性检验如果存在空间效应，则需要将空间效应纳入模型中加以研究。空间计量模型根据空间溢出效应表现方式的不同，可以分为空间滞后模型（Spatial Lag model，SLM），空间误差模型（Spatial， error model，SEM）和空间杜宾模型（Spatial Durbin model，SDM）这三种空间计量模型。下面就三种常见的空间计量模型分别进行说明。

1.空间滞后模型也称为空间自回归模型，该模型主要用来研究被解释变量之间的空间相关性，强调了被解释变量的空间溢出效应。其基本形式如下：

式（1）中，y代表被解释变量，X代表解释变量，Wij代表空间权重矩阵，αi、ηt和εit分别代表个体固定效应、年份固定效应和残差项，ρ代表空间自回归系数，其正值表示存在空间溢出效应，负值表示存在离散效应。

2.空间误差模型则强调空间异质性的存在，认为变量之间空间相关性是由区域间随机冲击所导致，冲击则存在于随机误差扰动项中。其基本形式如下：

式（2）中，y代表被解释变量，X代表解释变量，Wij代表空间权重矩阵，αi、ηt和εit分别代表个体固定效应、年份固定效应和残差项，空间误差系数λ表示空间误差效应是否存在。

3.空间杜宾模型认为被解释变量的观测值不仅受相邻区因变量的影响，还会受相邻区域解释变量的影响，能够更加准确地识别出影响被解释变量的关键因素，全面考察空间单位之间的交互效应。在满足某些条件下，空间杜宾模型可以简化为空间滞后模型和空间误差模型。其基本形式如下：

式（3）中，u代表被解释变量，X代表解释变量，Wij代表空间权重矩阵，αi、ηt和εit分别代表个体固定效应、年份固定效应和残差项。

在运用空间计量模型进行回归分析前，首先采用普通OLS模型进行回归分析，得到LM-Lag、R-LM-Lag、LM-error和R-LM-error四个检验统计量，然后根据其数值来判断是否采用空间面板模型。如果能采用空间模型，则将空间杜宾模型作为初始标准进行模型检验，并利用Wald检验和LR检验判断是否会退化为空间滞后模型和空间误差模型。最后，根据似然比检验（LR）的统计量选择采用固定效应还是随机效应模型。

Lesage指出，空间计量模型的系数只能反映影响因素的空间综合效应，但是不能分析细分出本地区内自变量对因变量的影响，也不能解释相邻地区内因变量和自变量对本地区因变量的影响。[22]针对变量系数的解释效力问题，可以将对其回归系数分解为直接效应与间接效应。直接效应强调本地区内自变量对因变量的影响，间接效应则是相邻地区因变量及自变量对本地区因变量的空间溢出作用。

（二）变量处理及数据说明

根据上述理论模型，结合我国现实经济情况，将前期研究所得到的经济增长效率值作为被解释变量，将技术创新、产业结构、人力资本、金融发展、外贸依存度、市场化程度、政府干预度和环境管制八个影响因素作为解释变量引入模型，见表1。然后选取1999～2018年我国除西藏外30省市的面板数据作为研究样本，在变量选取和数据搜集的基础上对各个影响因素进行描述性统计分析，见表2。各个變量的数据来源于各年的《中国统计年鉴》《中国环境统计年鉴》和《中国区域经济统计年鉴》。

三、资源环境约束下中国经济增长效率的空间效应分析

本文在笔者前期测算出资源环境约束下经济增长效率的基础上[21]，对经济增长效率的空间相关性检验和空间分布分析，了解不同区域的经济增长效率在空间上的关联度。

（一）全局空间相关性检验

本文分别采用经济距离权重矩阵和地理距离权重矩阵，运用全局莫兰指数检验中国1999～2018年30个省市的空间自相关性，检验结果见表3。

表3第二列是采用地理距离权重矩阵计算得到的全局莫兰指数，根据表3，资源环境约束下经济增长静态效率的全局莫兰指数检验结果显示，1999年至2013年的全局莫兰指数均为正，对应的P值为均小于0.1，其中，大部分年份的P值小于0.05。2013年以后全局莫兰指数变为负，且P值均大于0.1，在统计上均不显著，这表明2014年以后资源环境约束下中国经济增长静态效率在空间上不存在相关性。表3第三列给出了采用经济距离权重矩阵计算得到的全局莫兰指数，所有全局莫兰指数均为正，且大部分年份的P值均小于0.1，均能在统计上显著，根据经济距离权重矩阵的结果，资源环境约束下中国经济增长静态效率在空间上存在相关性。经济增长效率在空间上的相关性可能来自经济效率的空间外溢性，某一地区的技术创新有可能被其他地区模仿吸收，引起地区间经济增长效率的同步提高。

（二）局部空间相关性检验

根据上述全局莫兰指数的计算结果，资源环境约束下经济增长的静态效率在空间上存在显著的相关性，在此基础上进一步对中国经济增长效率的局域自相关性进行检验。通过局部空间相关检验可以获得每个省份的空间集聚类型。课题以2018年为代表，分别采用地理距离权重矩阵和经济距离权重矩阵测算局部莫兰指数，结果如表4所示。

根据表4局部空间自相关检验可知，在经济距离权重矩阵和地理距离权重矩阵下，大部分省份的局部莫兰指数均为正值，这表明大部分省市与其经济相邻或地理相邻的省级行政区的经济增长效率具有空间上的相关性。少部分省市表现出了一定的空间异质性。

（三）经济增长效率的空间分布

通过全局自相关和局部自相关检验可知，资源环境约束下中国整体和各省市经济增长静态效率在两种空间权重矩阵下皆表现了显著的空间聚集性。接下来，通过对资源环境约束下经济增长静态效率的空间分布格局的分析来进一步考察中国各省市经济增长静态效率的局部空间特征。LISA聚集图把每个省际区域划分为四个象限，每个象限的具体意义如表5所示。

图1和2分别是1999年和2018年经济增长静态效率的莫兰散点图。图1给出了采用地理距离权重矩阵得到的莫兰散点图。在1999年，各省份在四个象限间的分布相对较为均衡，属于高-高集聚、低-低集聚、高-低集聚和低-高集聚类型的省份数目基本相似。到2018年，经济增长效率的空间分布模式发生了较大变化，大部分城市集中在第二象限和第三象限，呈现出“低-高”集聚和“低-低”集聚特征。

图2给出了采用经济距离权重矩阵得到的莫兰散点图。同样，在1999年，各省份在四个象限间的分布数量并不存在明显的差异，属于高-高集聚、低-低集聚、高-低集聚和低-高集聚类型的省份数目基本相似。到2018年，经济增长效率的空间分布模式同样发生了较大变化，大部分城市集中在第二象限和第三象限，呈现出“低-高”集聚和“低-低”集聚特征。综合而言，无论是采用地理距离空间权重矩阵还是经济距离空间权重矩阵，中国经济增长效率的空间分布模式或空间分布模式的变化基本相同。

莫兰散点图仅仅给出了中国经济增长效率空间分布模式的总体情况，无法清晰地观察各个省份特有的空间分布模式，为此，课题根据莫兰散点图并结合局部莫兰指数的测算结果，对各省份2018年的空间集聚类型进行了总结，见表6。

在四个象限中，中国大部分省市都集中在了第二与第三象限，其中第三象限的省际单位最多。资源环境约束下中国整体经济增长静态效率表现出了显著的空间相关性，这与经济增长静态效率全局自相关的检验结果保持一致。

具体而言，在两种权重矩阵下都位于第四象限的省份有北京、天津、广东、青海四个省市，说明了其自身经济增长静态效率处于较高水准，但其相邻省市的效率值较低，因此出现在“高-低”聚集区内。在反地理距离矩阵下，海南位于第四象限，而在反经济距离矩阵下，海南位于第一象限，这是由海南省独特的地理位置决定的，海南不与任何省份存在实际的空间相连状态。不考虑地理距离因素，海南的经济增长静态效率位于较高的水平。

在两种权重矩阵下，上海、浙江和江苏稳居第一象限。这些省市资源环境约束下的经济增长效率都保持在较高的水平。这些区域的经济发展水平较高，且位于相邻的地理位置，因此具有较为接近的经济发展水平，所以出现在“高-高”聚集区内，经济增长的静态效率呈现出协同发展的良好态势。

在两种权重矩阵下，甘肃、新疆、安徽、广西和福建都位于第二象限。这种“低-高”的空间异质性意味着地理位置相近或经济发展水平相当的省市的经济增长静态效率都高于这些省市自身的静态效率。这表明，当地政府可以通过向周边省市积极学习先进的经济增长经验，然后结合自身省市的客观条件来实现经济增长效率的逐步提高。

在两种权重矩阵下，有一半的省市位于第三象限，这些省市不仅自身经济增长静态效率发展较为滞后，而且其邻近省市的经济增长静态效率同样缓慢，这种“低一低”的空间相关性能够通过溢出效应阻碍双方经济增长效率的提升，这些地区应纳入国家实行优先管理和重点管理的对象。两种权重矩阵下位于此象限的省市大都位于我国中西部地区，说明了这些省市在经济发展滞后的同时缺乏对环境污染的有效控制，经济增长问题和环境治理问题同样突出。如果当地政府不对此现状加以足够重视并采取积极措施来扭转局面，那么这些省市经济增长的静态效率将长期停滞不前。

四、资源环境约束下经济增长效率影响因素的空间效应分析

本文将资源环境约束下的经济增长静态效率作为解释变量，将技术创新、产业结构、人力资本、金融发展、外贸依存度、市场化程度、政府干预度和环境管制八个影响因素作为被解释变量，以我国30省市面板數据为样本，对资源环境约束下我国经济增长效率的影响因素进行空间面板计量分析。

（一）空间计量模型分析

在空间计量模型估计前，将运用Hausman检验进行固定效应和随机效应模型的选取。为判断究竟采用个体固定、时间固定还是双固定效应模型，进一步采用LR检验进行检验。检验结果见表7。

根据表7，Hausman检验的结果表明，P值为0.008，故可以在1%的显著性水平上拒绝采用随机效应模型的原假设，因此东部的空间面板模型适合采用固定效应。根据LR检验结果，P值均小于0.05，故可以在5%的显著性水平上拒绝采用个体固定和时间固定，应采用双固定效应。

在确定了双固定效应的基础上，为了保证估计结果的稳健性，课题将对三类空间模型进行分析和检验，并结合上述空间计量模型识别和选择的流程图，选择最优的空间计量模型对资源环境约束下我国经济增长效率的影响因素进行空间面板计量分析。为了综合反映经济和地理因素的影响，这里将采用地理经济距离权重矩阵进行分析。表8显示了各个模型的回归结果。

表8显示，从OLS估计以及LM、Robust-LM检验结果可以看出，变量间存在着显著的空间相关性，因此课题利用空间模型来考察绿色经济效率的影响因素是非常适用的。首先考虑初始标准化的空间杜宾模型，Wald-spatial-lag检验和Wald-spatial-error检验在1%的显著性水平上拒绝SDM退化至SLM和SEM这一假设。因此，接下来主要对模型（2）即基于双固定效应的空间杜宾模型（SDM-FE）估计结果进行详细分析，并将其他模型的估计结果作为对照一并列出。

从模型（2）整体回归系数来看，在地理经济距离权重矩阵下，资源环境约束下经济增长静态效率的空间相关系数为0.695，且通过在1%水平下的显著性检验，显示出显著的正向空间溢出效应。这表明，30省市的自变量会影响本地区的经济增长静态效率;同时，相邻地区的因变量或自变量也会对本地区的经济增长静态效率产生正向空间溢出效应。

从模型（2）的各个自变量的回归系数来看，技术创新和是外贸依存度的系数为正，并且在1%水平上高度显著，说明技术创新水平的提高以及对外开放贸易的发展可以显著促进地区经济增长效率的提升。产业结构、人力资本和市场化程度的系数也都为正，并且在5%水平上显著，这表明产业结构的升级、人力资本的积累及市场化程度的深化都可以在一定程度上提高地区的经济增长效率。金融发展和环境治理的回归系数虽然也为正，但两者的系数值均较小，并且前者在统计上并不显著，后者也仅在10%水平上显著，说明金融发展和环境管制与经济增长效率之间存在着正相关关系，但强度较为微弱。之所以两者并没有显著促进经济增长效率，可能是受到体制机制方面的约束，因此未来如果想通过提高金融发展和环境治理水平来促进地区的经济增长效率的提升仍旧需要相关制度建设方面的完善。政府干预的系数为负，系数值较大，并且在1%水平上高度显著，说明政府干预与经济增长效率之间存在着强烈的负向关联，平均而言，在控制其他变量的情况下，政府干预度提高一个单位，会导致经济增长效率降低0.073个单位，因此资源环境约束下经济效率的提高仍旧要坚持以市场化机制为主导。

（二）稳健性检验

为验证上述分析结果的可靠性，通过变换空间权重矩阵的方式进行稳健性检验。采用经济矩阵和地理矩阵替换地理经济矩阵，经过LM检验、Wald检验、LR检验及Hausman检验，采用偏误校正时间和个体双固定效应的空间面板杜宾模型来检验经济增长效率影响因素的稳健性，发现变量影响效应方向和显著性与上述分析基本吻合。表9列出基于经济矩阵和地理矩阵下的空间模型回归结果。由表9可知，在地理经济权重矩阵之下，空间杜宾模型的系数为0.695且P值为0.038，表现了显著的空间相关性。（三）空间溢出效应分解

上述空间计量模型的系数只能反映影响因素的空间综合效應，但是不能分析细分出本地区内自变量对因变量的影响，也不能解释相邻地区因变量和自变量对本地区因变量的影响。接下来将通过直接效应和间接效应来分析本地区自身影响因素对经济增长效率的影响及相邻地区的影响因素和效率对本地区经济增长效率的空间溢出效应，分析结果见表10。

从直接效应来看，技术创新、产业结构、人力资本、外贸依存度、市场化程度和环境治理的直接效应都显著为正，这表明地区资源环境约束下经济增长效率的提高，得益于该地区自身这些因素的影响。金融发展水平直接效应为正，但没有通过10%的显著性检验，这说明，金融发展对该地区资源环境约束下经济增长效率有促进作用，但是这种作用不明显。政府干预的直接效应为负，说明政府干预在一定程度会减缓效率提升，这是由于政府干预对效率的影响因干预的方向、强度和经济所处的不同发展阶段而有所不同。我国当前处于经济高速增长向高质量发展阶段的转变中，经济增长正由量的扩张转向质的提升，各级政府由以往唯GDP的绩效考核制转向绿色发展考核制，政府对生态文明建设日益重视，该领域的宏观调控也相应增加。因此，在经济总量增速减缓的同时，生态文明建设等方面的支出大幅增加，而这类支出对经济增长的促进效应在短期内得不到体现，从而使得本项目中以政府支出占GDP比重这一代表政府干预度的变量影响系数表现出对经济增长效率的减缓，但是从长期来看，这类支出有利于经济可持续发展与整体效率提升。

从间接效应来看，技术创新、产业结构、人力资本、外贸依存度、市场化程度和环境治理的间接效应显著为正，这表明邻近省市的这些影响因素对该地区资源环境约束下经济增长效率的提高有显著的促进作用，存在明显的空间溢出效应。金融发展水平虽然间接效应为正，但是这种促进作用不明显。政府干预的间接效应显著为负，说明邻近省市的地方政府行为明显阻碍了该地区经济增长效率的提升。

从总效用来看，各个影响因素的表现与直接效应和间接效应基本一致。除了政府干预的总效应为负，金融发展的总效用不显著，其他影响因素的总效用均显著为正，促进了本地区资源环境约束下经济增长效率的提升。

五、小结

本文通过对资源环境约束下经济增长效率的空间相关性分析可知，大部分省市与其经济相邻或地理相邻省市的经济增长静态效率存在空间上的相关性，少部分省市表现出了一定的空间异质性。

通过对资源环境约束下经济增长效率的空间分布分析可知，上海、浙江和江苏稳居第一象限，其自身及邻近省市的经济增长静态效率保持在较高水平，经济增长的静态效率呈现出协同发展的良好态势。北京、天津、广东和青海位于第四象限，其自身经济增长静态效率处于较高水准，但其相邻省市的效率值较低。甘肃、新疆、安徽、广西和福建位于第二象限，这种“低-高”的空间异质性意味着地理位置相近或经济发展水平相当的省市的经济增长静态效率都高于这些省市自身的静态效率。剩下有一半的省市位于第三象限，这些省市不仅自身经济增长静态效率发展较为滞后，而且其邻近省市的经济增长静态效率同样缓慢，这种“低一低”的空间相关性通过溢出效应阻碍了双方经济增长效率的提升。

通过对资源环境约束下经济增长效应影响因素的空间面板计量模型分析结果可知，资源环境约束下经济增长效率均显示出显著的正向空间溢出效应，表明不同省市的各个因素会影响本地区的经济增长静态效率，相邻地区的效率或影响因素也会对本地区的经济增长静态效率产生正向空间溢出效应。技术创新、产业结构、人力资本、对外开放和市场化改革可以显著促进地区经济增长效率的提升。金融发展和环境治理对经济增长效率的提升影响不显著，因此若想通过提高金融发展和环境治理水平来促进地区的经济增长效率的提升，则仍旧需要相关制度建设方面的完善。

参考文献：

[1]Boulding K E. The Economics of the coming spaceship earth. Environmental Quatity in A Grouting，1966，58（4）：974～957.

[2]Wilfred B. Economists， scientists， and environmental catastrophe. Oxford Economic Papers，1972， 24（3）：327～344.

[3]Bhagawati J. The case for free trade[J].Scientific Americ，1993，269（5）：42～49.

[4]Daly H E. Economics， ecology， ethics： essays toward a steady state economy. Sanfrancisco：Freeman，1973.

[5]刘再兴.九十年代中国生产力布局与区域的协调发展[J].汉江论坛， 1993（2）：20～25.

[6]覃成林，张华，毛超.区域经济协调发展：概念辨析、判断标准与评价方法 [J].经济体革，2011（4）：34～38.

[7]王业强，郭叶波，赵勇等.科技创新驱动区域协调发展：理论基础与中国实践 [J].中国软科学，2017（11）：86～100.

[8]Jing Li. Economic growth efficiency under the dual constraints of energy and environment[J]. Science and Technology Management Research，2013（05）：209～214.

[9]Zofio J L， Pastor J Aparicio J. The directional prof it efficiency measure： on why profit inefficiency is either technical or allocative [J]. Journal of Productivity Analysis， 2013，40（3）：257～266.

[10]Atkinson S E， Tsionas M G. Shadow directional distance functions with bads： GMM estimation of optimal directions and efficiencies[J]. Empirical Economics，2016，51（3）：1～24.

[11]Mavi Luukkanen， Jari Kaiv-oja， Mika Korkeakoski Resource efficiency and green economic sustainability transition evaluation of green growth productivity gap and governance challenges[J].Sustainable Development，2019，27（3）：312～320.

[12]任星，郭依.區域经济与资源环境协调发展分析——基于 PSR 模型的实证研究[J].河南社会科学，2016（8）：51～59;123.

[13]李新杰.河南省环境经济协调发展路径选择[J].统计与决策，2016（20）：149～152.

[14]卓锦新，曹烨，邱国玉.我国区域资源环境与经济协调特征研究——基于窗口SBM模型[J].管理现代化，2018（2）：17～20.

[15]祁敖雪，杨庆媛，毕国华，等我国三大城市群生态环境与社会经济协调发展比较研究[J].西南师范大学学报（自然科学版），2018（12）：75～84.

[16]杨俊，邵汉华，胡军.中国环境效率评价及其影响因素实证研究[J].中国人口·资源与环境，2010（2）：49～55.

[17]朱承亮，岳宏志，师萍. 环境约束下的中国经济增长效率研究[J] .数量经技术经济研究， 2011（5）：3～20.

[18]宋长青，李子伦，马方.中国经济增长效率的地区差异及收敛分析[J].城市问题，2013（6）：46～51.

[19]何强.要素禀赋、内在约束与中国经济增长质量[J].统计研究，2014（1）：70～77.

[20]吴齐，杨桂元.我国区域绿色经济效率的评价与分析[J].统计与决策，2017（17）：67～71.

[21]徐小鹰. 资源环境约束下区域经济增长效率研究[J]. 统计与决策，2019（2）：152～156.

[22]LeSage，P.，Pace，R..Introduction to Spatial Econometrics[M].Florida：CRC Press，Taylor & Francis Group，2009.

Analysis on the Spatial Effect of China's Economic Growth Efficiency and Its

Influencing Factors with Resource and Environmental Constraints

XU Xiao-ying，CHEN Mi

（School of Economics， South-Central University for Nationalities， Wuhan， Hubei 430074， China）

Abstract：Based on the data from 1999 to 2018， we adopt spatial autocorrelation， spatial analysis and spatial panel model to conduct a comprehensive analysis of economic growth efficiency with resource and environmental constraints. Research shows that most provinces and cities have a spatial agglomeration effect on economic growth efficiency with their geographically neighboring provinces and cities or provinces and cities with their similar economic level. And a small number of provinces and cities show a certain degree of spatial heterogeneity. In addition， the influencing factors of economic growth efficiency show significant positive spatial spillover effects with technical innovation， industrial structure， human capital， opening up and market-oriented reform significantly promoting the improvement of economic growth efficiency. The impact of financial development and environmental governance on the economic growth efficiency is not considerable， and government intervention has an obvious hindering effect on the improvement of economic growth efficiency.

Key words：resource and environmental constraints; economic growth efficiency; spatial autocorrelation; spatial distribution

責任编辑：吴锦丹

收稿日期：2020-11-30

基金项目：本文得到国家社会科学基金“资源环境约束下中国经济增长效率的测度及提升路径研究（编号：15CJL014）”和国家留学基金资助。

作者简介：徐小鹰（1980—），女，湖北襄阳人，博士，副教授，研究方向为宏观经济理论与政策;陈宓（1997—），女，湖北利川人，研究生，研究方向为宏观经济学。