绿色金融发展对生态效率的空间溢出效应研究

朱敏　王凯丽　唐海云

摘   要：本文基于2008—2019年黄河流域37個资源型城市的面板数据，运用Super-SBM模型测算黄河流域资源型城市生态效率水平，并通过构建空间杜宾模型实证研究绿色金融发展水平对生态效率提升的影响及空间溢出效应。实证结果表明：黄河流域资源型城市生态效率空间分布格局为“上游低、中下游高”;绿色金融发展对生态效率提升的影响关系为先促进后抑制，即倒U形关系，对周边城市空间溢出呈U形关系。进一步研究发现，绿色金融发展对黄河流域四类资源型城市生态效率影响程度存在明显差异。基于研究结论，提出适当扩大绿色金融覆盖面、丰富绿色金融产品等相关建议。

关键词：绿色发展;绿色金融;生态效率;空间杜宾模型

中图分类号：F832  文献标识码：B  文章编号：1674-2265（2022）04-0055-08

DOI：10.19647/j.cnki.37-1462/f.2022.04.009

一、引言与文献综述

在“30·60”双碳目标背景下，2021年政府工作报告提出“实施金融支持绿色低碳发展专项政策”，绿色金融将是未来政策的主要着力点。黄河流域是我国重要的生态屏障，但黄河流域有一半以上的城市为资源型城市，此类城市以矿产等自然资源开采加工为主导产业，资源枯竭、生态污染等问题尤为突出（崔丹等，2021）[1]。

生态效率能够从生态环境和经济发展两方面体现绿色发展的理念。Schaltegger和Sturn（1990）[2]最早提出了生态效率的概念。目前认为，生态效率是指通过合理配置自然、经济和社会要素，实现期望产出最大化、污染性产出最小化（唐燕和孟繁玥）[3]。最初，学者运用单一比值法衡量生态效率，但此方法仅限于研究单一环境对生态效率的影响（Moutinho等，2020）[4];此后，学者使用指标法克服了单一环境影响的局限性，但在加权过程中增加了人为主观因素的不确定性（Gudipudi等，2019）[5];模型法有较强的客观性，对生态效率的评价方法有TOPSIS模型（任宇飞等，2017）[6]、随机前沿面模型（杨勇和邓祥征，2019）[7]、生态足迹法（王圣云和林玉娟，2021）[8]等，但上述研究方法无法反映经济生产过程的全面性和复杂性及不同生态环境压力的关联性。因此，多数学者借助数据包络（DEA）模型（George和Kleoniki，2019）[9]对生态效率进行评价，即测算某一被考察单元相对于其他被考察单元的生产效率。除了使用传统DEA模型，学者们还对DEA模型进行改进，如超效率DEA（朴胜任和李健，2019）[10]、Super-SBM模型（李贝歌等，2021）[11]、SBM-DEA模型（李林泽等，2017）[12]等。在生态效率评价基础上，学者们进一步探讨了生态效率驱动因素，研究表明经济发展水平、城镇化率、科技投入、人口增长等因素均对生态效率有显著影响（黄建欢等，2015;阎晓和涂建军，2021）[13，14]。

目前，学术界就绿色金融发展与生态效率关系的研究还较少，缺少对绿色金融发展与生态效率在理论与实证方面的研究。现有文献主要研究了绿色金融发展对生态环境的影响（刘锡良和文书洋，2019）[15]，较少有文献将经济因素纳入分析模型，更少有文献将空间因素纳入绿色金融发展对生态效率的影响研究。因此，本文尝试从理论上分析绿色金融发展影响生态效率的作用机制，并运用空间计量模型实证分析绿色金融发展对生态效率的非线性影响及空间溢出效应，为黄河流域绿色金融发展提供理论指导和经验依据。

二、绿色金融发展影响生态效率提升的理论分析与作用机制

（一）理论分析

根据“环境库兹涅茨曲线”假说，经济发展水平与环境污染呈倒U形关系，绿色金融在本质上是一种环境规制措施，企业在面对绿色金融时有两种决策：

决策一：追求利润最大化无视环境约束成本。企业利润为[π1，i=piqi-ciqi-giciqi];

决策二：牺牲一部分经济利益重视环境效益。企业利润为[π2，i=piqi-ciqi-βciqi]。

其中，[gi=gxi≤gmax]表示单位产品环境成本，[g]表示绿色金融发展水平，[β]表示为实现环境效应牺牲的经济利益比例。根据理性经济人假设，企业选择决策二必须满足[π1，i≤π2，i]，即[β≤gxi]，又由产品环境成本[gi=gxi≤gmax]，可得[βg≤xi≤gmaxg]。借助何其多（2003）[16]提出的单位面积环境污染密度的概率分布曲线（见图1）可得，当绿色金融发展水平[g→0]即[xi≥βg→∞]时，企业会选择决策一，这部分企业数量是0;当绿色金融发展水平[g→∞]即[xi≤gmaxg→0]时，企业会选择决策二，这部分企业数量也是0。因此，随着绿色金融发展水平的提高，愿意生产的企业数量增加，但超过某一界限之后，愿意生产的企业数量将下降。企业生产活动对生态效率提升具有正向影响，由此可得绿色金融发展对生态效率提升的影响呈倒U形关系。

（二）作用机制

本文借鉴Levine（1997）[17]和白钦先（1998）[18]对金融功能的研究来讨论绿色金融对经济增长和环境质量的影响，并将绿色金融提升生态效率的作用机制分为成本约束效应和创新补偿效应。

1. 基于金融风险管理功能，绿色金融对企业融资项目环境审核标准要求严苛，这迫使企业提高环境污染等信息披露程度，从而形成对企业的监督机制，企业为通过金融机构对项目的评估审定获得融资，需要减少污染排放，导致企业部分现有资源无法使用，资源利用率下降，生产决策受到环境限制，成本增加、负担加重，生产效率提升缓慢，从而影响企业效益，进而对生态效率提升产生成本约束效应。

2. 基于资本聚集和资源配置功能，绿色金融主体将吸纳的资金转化为绿色投资，基于市场运行机制，实现资本由低效率行业流向高效率行业（江红莉等，2020）[19]。绿色金融提高了高耗能行业融资门槛，企业在市场中处于竞争劣势，迫于生存压力，倒逼企业采用新技术，减少污染物排放，同时缩减高污染产业规模、扩大绿色产品规模，积极进行转型升级。金融机构通过为企业提供资金支持，弥补企业自身资金不足问题，激励企业科技创新，形成创新激励机制（谢乔昕，2021）[20]，企业有充足资金支持技术创新（刘廷华，2021;2022）[21，22]，通过率先采用环境友好型技术及开发生产绿色产品，在市场中取得先动优势，从而获得更多的利润，补偿了由于环境规制造成的经济损失，即绿色金融的创新补偿效应。

三、绿色金融发展对黄河流域资源型城市生态效率影响的模型构建

（一）研究区域界定

根据 《黄河流域综合规划 （2012—2030年）》与《全国资源型城市可持续发展规划 （2013—2020 年）》（以下简称《规划》），本文研究对象为黄河流域37 个资源型城市（剔除阿坝藏族羌族自治州）。《规划》根据城市资源保障能力和可持续发展能力，将全国资源型城市划分为四种类型，其中黄河流域成长型城市共有7个，分别为朔州、鄂尔多斯、延安、咸阳、榆林、武威和庆阳;成熟型城市共有20个，分别为：金昌、平凉、渭南、宝鸡、运城、临汾、晋城、长治、晋中、吕梁、忻州、大同、阳泉、三门峡、平顶山、鹤壁、济宁、泰安、莱芜和东营;衰退型城市共有6个，分别为焦作、濮阳、乌海、白银、铜川和石嘴山;再生型城市共有4个，分别为包头、淄博、洛阳和张掖。2019年莱芜市划归济南市，2019年莱芜市数据为济南市莱芜区数据。

（二）指标选择及数据来源

1. 指标选择。（1）被解释变量：生态效率（EE）。本文借鉴阎晓和涂建军（2021）[14]构建黄河流域资源城市生态效率评估指标体系方法，选取水资源、能源、土地、劳动力、资本五类要素分别表示自然资源和经济要素投入，选取地区GDP表示经济期望产出，选取水污染和大气污染表示非期望产出生态环境负荷，具体见表1。

运用传统DEA模型测算生态效率，忽略了投入产出的松弛性，存在决策单元间无法比较、效率值无法超过1等弊端。Tone（2002）[23]提出了Super-SBM模型，有效解决了松弛度量问题和决策单元无法比较问题，同时克服了传统 DEA 效率值无法超过 1 的模型缺陷。因此，本文选取包含非期望产出的Super-SBM模型衡量黄河流域资源型城市生态效率，公式如下：

式中：系统中存在 n 个决策单元（DMU），每个DMU都包括 m 种投入，[s1] 种期望产出与[s2] 种非期望产出; [x]、[Yd]、[Yb]分别为投入矩阵（[x=[x1...xn]∈Rm×n]）、期望产出矩阵[（yd=[yd1…ydn]∈Rs1×n]）和非期望产出矩阵（[yb=[yb1…ybn]∈Rs2×n）]中的元素;p表示决策单元（DMU）的效率值。

（2）核心解释变量：绿色金融发展指数（GF）。本文借鉴曾学文等（2014）[24]构建绿色金融发展水平评价指标体系的方法，从绿色信贷、绿色投资、绿色保险、碳金融四个维度，运用熵值法测算绿色金融发展指数。其中，碳金融指服务于限制温室气体排放的金融活动，由于碳金融发展时间短，尚未形成统一的衡量指标，本文根据碳金融服务目标及数据可得性，用碳强度衡量碳金融，具体指标见表2。

（3）其他控制变量：产业结构（Ind）以第二产业产值占该市GDP的比重作为代理指标;外商直接投资水平（FDI）用外商直接投资额占该市GDP的比重来衡量;城镇化率（UR）采用各市人口占总人口比重表示;科研投入（TS）以各市财政支出中政府科技投入占比表征。变量描述性统计见表3。

2. 数据来源。金融数据主要来源于万得数据库，其他数据主要来源于《中国城市统计年鉴》《中国城市建设统计年鉴》《中国银行业社会责任报告》《中国保险年鉴》《中国环境年鉴》及黄河流域各省、地市历年统计年鉴，部分缺漏数据用插线法补齐。

（三）模型设定

绿色金融作为一种服务于生态环境建设的金融工具，本质上也是一种环境规制措施。本文采用空间计量模型探讨绿色金融发展水平与黄河流域资源型城市生态效率间的非线性关系。

二进制邻接权重矩阵：

仅考虑地理位置因素构建权重矩阵难以全面描述区域间复杂的空间效应，故本文引入了经济因素，[dij]表示地区[i]与地区[j]的市中心之间的直线距离，[Yi]、[Yj]表示地区[i]与地区[j]在样本期间的实际GDP平均值。经济地理嵌套權重矩阵公式如下：

由于绿色金融对生态效率为非线性影响，因此，引入绿色金融发展水平的二次项，本文仅考虑除核心解释变量的空间滞后项，构建空间杜宾模型进行实证研究，模型如下：

其中，EE表示生态效率，[GF]表示绿色金融发展指数，[AGF]代表绿色金融发展指数的平方项，[Xctrl]代表控制变量，W代表经济地理嵌套权重矩阵。

四、绿色金融发展对黄河流域资源型城市生态效率影响的实证分析

（一）黄河流域资源型城市生态效率时空演变特征

1. 黄河流域资源型城市生态效率时序演变特征。由图2可知，2008—2019年黄河流域资源型城市生态效率均值整体变化平稳，呈小幅提升趋势。2019年生态效率均值为0.72，与2008年相比提升了0.15。2008—2014年生态效率均值呈波动上升趋势，2015—2019年生态效率均值呈上升趋势，其中2018年、2019年生态效率上升较快。究其原因，2008—2014年处于摸索阶段，各城市难以把握经济增长与生态环境之间的平衡关系，生态效率均值出现小幅波动;随着经验的积累，各城市能够较好地处理经济增长与生态环境之间的关系。

分城市类型看（见图3），2008—2019年四类资源型城市生态效率均表现出平缓上升趋势。其中再生型城市生态效率均值最高，在研究期间增幅达到0.12;成长型城市生态效率略低于再生型，增幅约为0.1;衰退型城市生态效率均值在0.6～0.7之间，低于再生型和成长型城市，位列第三;成熟型城市生态效率均值仅为0.4～0.6，远低于其他三类城市。由此可见，再生型城市通过调整经济发展模式，一定程度上实现了在发展社会经济的同时兼顾生态环境保护;成长型城市和衰退型城市资源类行业虽未处于高峰期，但经济与生态未能实现协调发展，生态效率提升缓慢;成熟型城市资源类行业正处于高峰期，环境承载压力过大，导致其生态效率远低于其他三类城市。各类资源型城市亟须结合其城市类型、资源禀赋和环境承载力，统筹推进城市经济发展和生态环境保护。

2. 黄河流域资源型城市生态效率空间格局演变特征。根据上文测算结果，以2008年、2013年、2019年为代表性年份，进行可视化处理，将生态效率划分为5级（见图4）。整体来看，黄河流域资源型城市生态效率存在较大的空间差异，整体空间分布格局为“上游低、中下游高”。具体而言，2008年黄河流域生态效率整体较低，生态效率高值主要分布在陕西西部和山西西部等中游地区城市;生态效率低值区呈块状分布，位于甘肃、山西东部、河南等地区。2013年生态效率相较2008年整体有所提高，高值区仍主要集中在黄河中游地区，但范围有所扩大，下游地区东营、泰安生态效率出现逆向变化。2019年，黄河流域中下游地区资源型城市生态效率较高，吕梁、乌海、鹤壁生态效率达到1.5以上;而黄河流域上游资源型城市生态效率较低，铜川、金昌、石嘴山等生态效率不足0.2。生态效率的高值区集中在山西西部、河南西部和山东西部，低值区呈斑块状，分布在甘肃中西部、山西东部，整体呈现为东高西低。

（二）绿色金融对生态效率的影响分析

1. 空间自相关性检验。（1）全局空间相关性分析。全局空间自相关考察的是属性值在整个空间内的聚集情况，常用Moran's I指数衡量，公式为[I=i=1nj=1nωij（xi-x）（xi-x）i=1n（ xi-x）2]，[n]表示城市总数，[xi]表示[i]城市观测值，[x]表示全部平均值，[ωij]表示空间权重矩阵的值。测算结果见表4。2008—2019年黄河流域资源型城市绿色金融发展指数和生态效率的 Moran's I均为正，且均通过1%的显著性检验，表明黄河流域各资源型城市在空间上不是完全随机分布，绿色金融发展指数和生态效率均存在正空间自相关性，绿色金融发展水平和生态效率相似地区均呈现显著的空间聚集现象。

（2）局部空间相关性分析。为分析黄河流域各资源型城市绿色金融发展指数和生态效率的局部空间相关性，本文绘制了 2017—2019 年黄河流域资源型城市Moran's I 散点图，如图5和图6所示。

Moran's I 散点图的第一和第三象限分别表示高高聚集和低低聚集，第二和第四象限分别表示高低和低高聚集。从图5和图6可以看出，黄河流域资源型城市绿色金融发展指数与生态效率呈现出了较为明显的规律性，均主要分布在第一象限（高高聚集）和第三象限（低低聚集），处于第二、四象限（高低和低高聚集）的异常单元较少，表明绿色金融发展水平和生态效率的聚集效应和相关性均较为显著。

2. 空间计量结果分析。本文先进行OLS回归，运用LM检验发现存在空间滞后效应和空间误差效应。然后进行LR检验，LR统计量均通过显著性检验，表明空间杜宾模型不能退化为空间误差模型或者空间滞后模型。因此，本文确定使用空间杜宾模型进行空间计量检验。通过豪斯曼检验，本文选择时间固定效应，分析绿色金融发展水平对黄河流域资源型城市生态效率的影响。

（1）绿色金融发展对黄河流域资源型城市生态效率呈倒U形影响。由表5可见，在模型（2）中，绿色金融发展指数的系数为0.9348，但绿色金融发展指数平方项的系数为-0.9038，通过1%显著水平检验，说明绿色金融发展对生态效率提升先促进后抑制，呈现倒U形变化，拐点为1.81。一方面，绿色金融对项目环境审核要求严格，导致企业某些原有资源无法使用，企业成本增加，生产效率提高受阻，对生态效率提升产生成本约束效应;另一方面，根据“波特假说”绿色金融发展能够倒逼企业进行技术创新，扩大绿色产品规模。同时因为企业率先使用新技术，在市场中取得先动优势，补偿了环境约束造成的经济损失，对生态效率提升产生创新补偿效应。目前黄河流域资源型城市处于经济转型阶段，重视绿色科技创新，创新补偿效应超过成本约束效应，绿色金融发展对生态效率提升产生正向影响。但当绿色金融发展水平越过拐点后，加重企业生产成本，抑制企业生产积极性，绿色金融对生态效率提升作用减弱。

（2）绿色金融发展对黄河流域资源型城市生态效率的空间溢出效应。直接效应和间接效应（溢出效应）分别表示变量对本城市和周边城市生态效率的影响。根據表6可知，绿色金融发展对本城市生态效率提升呈倒U形关系，对周边城市的生态效率提升溢出效应为U形。根据“污染天堂假说”，当一国环境规制政策趋严后，污染产业会迁移到环境规制相对较弱的国家以规避成本约束。绿色金融本质上是一种环境规制措施，当本城市的绿色金融发展水平提高时，污染产业会迁移至邻近的绿色发展水平较低的城市，导致邻近城市生态效率下降。绿色金融发展能够影响本城市及周围城市生态效率，因此，若要提升本城市的生态效率，应综合考虑本城市及周围城市绿色金融发展水平，重视黄河流域整体资源型城市绿色金融协调发展。

（3）城市异质性分析。为了验证绿色金融发展对黄河流域不同类型资源型城市生态效率影响差异，根据成长型、成熟型、衰退型和再生型四类资源型城市，以成熟型为基组，引入三个虚拟变量，定义“1（cityi∈成长型）”“1（cityi∈衰退型）”“1（cityi∈再生型）”，分别记作Growing，Recessive，Regen，与绿色金融发展指数生成交互项GF ×Growing 、GF ×Recessive 、GF ×Regen ，将交互项代入空间杜宾模型，回归结果见表5。模型（4）回归结果表明，绿色金融发展对黄河流域各资源型城市生态效率的影响存在明显的异质性。其中，再生型城市绿色金融发展对生态效率影响最大，再生型城市基本摆脱资源依赖，亟须发挥绿色金融资源配置功能，培育新型产业，引导再生型城市创新发展。其次为成长型城市，由于成长型城市处于资源开发上升阶段，绿色金融对其资源开发环境约束影响大，绿色金融通过提高资源开发企业准入门槛，规范成长型城市有序发展。第三为衰退型城市，衰退型城市资源趋于枯竭，绿色金融对其资源开发约束较小，绿色金融通过吸引闲散资金，大力扶持替代产业，支持衰退型城市转型。成熟型城市绿色金融发展对生态效率影响最小，成熟型城市资源开发处于稳定阶段，绿色金融对其资源开发约束基本稳定，绿色金融通过为资源产业提供资金支持，激励科技创新，加快形成若干支柱性替代产业，推动成熟型城市跨越式发展。基于上述异质性分析，应根据四类资源型城市具体特征，合理发挥绿色金融的支持功能，有效提升各资源型城市生态效率。

（4）稳健性分析。为验证上述空间计量模型的结果是否具有稳健性，本文引入二进制邻接权重矩阵进行稳健性检验。从表5的模型（3）结果中可以看出，核心解释变量的系数有小幅度变动，但符号和显著性与模型（2）中的一致;控制变量系数的符号也同模型（2）保持一致。因此，上述空间杜宾模型通过稳健性。

五、主要结论与政策建议

本文以黄河流域资源型城市为研究对象，从理论上分析了绿色金融发展对生态效率提升的成本约束效应和创新补偿效应。并利用Super-SBM模型测算2008—2019年黄河流域资源型城市生态效率，发现黄河流域资源型城市生态效率呈现“上游低、中下游高”的分布格局。在此基础上，通过构建空间杜宾模型实证研究绿色金融发展对生态效率的影响及空间溢出效应，结果显示：绿色金融发展水平对生态效率的影响呈倒U形，即目前绿色金融对黄河流域资源型城市生态效率提升的创新补偿效应大于成本约束效应，促进生态效率提升;但当绿色金融发展超过一定限度后，将增加企业生产成本，抑制生态效率提升。根据污染天堂假说，绿色金融发展对相邻城市生态效率提升呈U形的空间溢出效应。同时研究还发现，绿色金融发展对不同资源型城市的影响程度具有异质性，对再生型城市影响最大，对成长型和衰退型城市影响次之，对成熟型城市影响最小。

基于上述结论，本文提出以下政策建议：一是要适当扩大绿色金融覆盖面，提高绿色金融发展水平。鼓励企业设立节能环保基金，加大对绿色技术等相关项目支持力度;加强对绿色金融产品宣传，提高公众对绿色金融产品的需求。二是要提高绿色金融资源流动性，促进绿色金融协调发展。政府部门应构建绿色金融信息共享机制，完善企业环境信息披露机制，提高绿色金融政策的有效性;构建跨区域合作平臺，促进绿色金融资源在黄河流域各资源型城市之间流动。三是金融机构要增强绿色金融产品多样性，促进绿色金融多元发展，并根据黄河流域资源型城市分类，因地制宜推出特色绿色金融产品。

参考文献：

[1]崔丹，卜晓燕，徐祯，李国平，吴殿廷.中国资源型城市高质量发展综合评估及影响机理 [J].地理学报，2021，76（10）.

[2]Schaltegger S，Sturm A. 1990. Environmental Rationality [J].Die Unter-nehmung， （04）.

[3]唐燕，孟繁玥.“城市矿产”产业生态效率动态演变特征与影响因素 [J].中国人口·资源与环境，2021，31（06）.

[4]Moutinho V，M Madaleno，P Macedo. 2020. The Effect of Urban Air Pollutants in Germany：Eco-Efficiency Analysis Through Fractional Regression Models Applied After DEA and SFA Efficiency Predictions [J].Sustainable Cities and Society，59.

[5]Ramana Gudipudi，Matthias Luedeke K. B，Diego Rybski，Juergen P Kropp. 2019. Benchmarking Urban Eco-efficiency and Urbanites' Perception [J]. Cities，74 .

[6]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）.

[7]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）.

[8]王圣云，林玉娟.中国区域农业生态效率空间演化及其驱动因素——水足迹与灰水足迹视角 [J].地理科学，2021，41（02）.

[9]George H，Kleoniki N P. 2019. Assessing 28 EU Member States' Environmental Efficiency in National Waste Generation with DEA [J].Journal of Cleaner Production，10.

[10]朴胜任，李健.基于超效率 DEA 模型的中国区域环境效率时空差异研究 [J].干旱区资源与环境，2019，32（04）.

[11]李贝歌，胡志强，苗长虹，张佰发，康巍.黄河流域工业生态效率空间分异特征与影响因素 [J].地理研究，2021，40（08）.

[12]李林泽，李建松，蒋子龙.基于 SBM-DEA 模型的中部地区资源环境效率格局演化及成因机理分析 [J].长江流域与资源环境，2017，26（11）.

[13]黄建欢，杨晓光，成刚，汪寿阳.生态效率视角下的资源诅咒：资源开发型和资源利用型区域的对比 [J]. 中国管理科学，2015，23（01）.

[14]阎晓，涂建军.黄河流域资源型城市生态效率时空演变及驱动因素 [J].自然资源学报，2021，36（01）.

[15]刘锡良，文书洋.中国的金融机构应当承担环境责任吗？——基本事实、理论模型与实证检验 [J].经济研究，2019，54（03）.

[16]何其多.生产污染函数的经济学分析 [J].经济问题探索，2003，（06）.

[17]Levine R. 1997. Financial Development and Economic Growth：Views and Agenda [J].Journalof Economic Literature，35（2）.

[18]白钦先.建立面向21世纪的金融可持续发展观[J].金融论坛，1998，（08）.

[19]江红莉，王为东，王露，吴佳慧.中国绿色金融发展的碳减排效果研究——以绿色信贷与绿色风投为例[J].金融论坛，2020，25（11）.

[20]谢乔昕.环境规制、绿色金融发展与企业技术创新 [J].科研管理，2021，42（06）.

[21]刘廷华.商业信用对企业技术创新的影响研究[M].北京：中国社会科学出版社，2021.

[22]刘廷华，寇奉娟，刘潇.市场竞争、商业信用与全要素生产率 [J].金融发展研究，2022，（02）.

[23]Tone K. 2002. A Slacks-Based Measure of Super-Efficiency in Data Envelopment Analysis [J].European Journal of Operational Research，（1）.

[24]曾学文，刘永强，满明俊，沈启浪.中国绿色金融发展程度的测度分析 [J].中国延安干部学院学报，2014，7（06）.

Study on the Spatial Spillover Effect of Green Financial Development on Eco-efficiency：A Case Study of Resource-based Cities in the Yellow River Basin

Zhu Min/Wang Kaili/Tang Haiyun

（Shandong University of Technology，Zibo   255012，Shandong，China）

Abstract：Based on the panel data of 37 resource-based cities in the Yellow River Basin from 2008 to 2019，this paper uses the Super-SBM model to measure the eco-efficiency level of resource-based cities in the Yellow River Basin，and empirically investigates the impact of green finance development level on eco-efficiency enhancement and spatial spillover effects by constructing a spatial Durbin model. The empirical results show that the spatial distribution pattern of eco-efficiency in resource-based cities in the Yellow River Basin is "low in the upper reaches and high in the middle and lower reaches";the relationship of green financial development on eco-efficiency enhancement is firstly promoted and then inhibited，i.e. inverted U-shaped relationship，and the spatial spillover to neighboring cities is U-shaped relationship. Further study finds that there are significant differences in the degree of impact of green finance development on eco-efficiency of four types of resource-based cities in the Yellow River Basin. Based on the findings，relevant suggestions such as appropriately expanding the coverage of green finance and enriching green financial products are proposed.

Key Words：green development，green finance，ecological efficiency，Spatial Doberman Model

（責任编辑    王   媛;校对   GJ，WY）

收稿日期：2021-09-15      修回日期：2022-03-11

基金项目：山东省软科学项目“绿色金融赋能山东省黄河流域高质量发展研究”（2020RKB01475）。

作者简介：朱敏，女，山东菏泽人，山东理工大学经济学院教授，研究方向为生态经济学;王凯丽，女，山东青岛人，山东理工大学经济学院，研究方向为生态经济学;唐海云，女，山东临沂人，山东理工大学经济学院，研究方向为产业经济学。