黄河流域山东段县域绿色发展效率时空分异及影响因素研究

马菲菲　王萍

摘要：基于DEASBM模型，运用空间自相关分析和地理探测器软件研究黄河流域山东段县域绿色发展效率的时空分异特征及影响因素。结果表明：2010—2020年黄河流域山东段整体绿色发展效率呈现下降趋势，从最优下降至中等。从时序特征来看，黄河流域山东段县域绿色发展效率变化差异显著，可分为持续降低、持续增长、稳定不变、先升后降、先降后升5种变化类型。从空间分布来看，2010年县域绿色发展效率空间分布呈随机态势，2015年和2020年空间集聚特征较为显著。高—高集聚区与热点区分布具有一致性，低—低集聚区与冷点区分布具有一致性，均主要分布在济南都市圈，且面积不断增大，济南市都市圈县域间绿色发展效率高低分化显著。黄河流域山东段县域绿色发展效率影响因子交互作用呈非线性增强效应。

关键词：绿色发展效率；时空分异；DEA-SBM模型；黄河流域山东段

中图分类号：F323文献标识码：Adoi：10.12128/j.issn.16726979.2023.06.012

0引言

改革开放以来，我国工业化和城镇化水平快速提升，但生态环境持续恶化、传统粗放式的发展模式无法带动中国经济可持续发展。党的二十大报告提出“推动绿色发展，促进人与自然和谐共生”的发展要求，中共中央办公厅、国务院办公厅《关于推动城乡建设绿色发展的意见》对2025—2035年间城乡建设绿色发展工作进行了全面部署。提升绿色发展能力、促进能源高质量发展和经济社会发展全面绿色转型，必须构建清洁低碳、安全高效的能源生产体系，为科学有序推动如期实现碳达峰、碳中和目标和建设现代化经济体系提供保障。

绿色发展是以效率、和谐、持续为目标的经济增长和社会发展方式，在有效促进经济增长的同时，能够缓解资源环境与经济发展之间的矛盾，是建设生态文明、推动经济转型发展的重要途径。学者们常用绿色发展效率评价绿色发展程度，在经济效率测算研究的基础上，绿色发展效率的测算不断拓展，吸纳社会因素和环境因素开展多视角的评估［1］。国外相关研究起步较早，在经济绿色转型［2］、绿色发展机制创新［3］、绿色发展绩效评价等方面［4］，为我国绿色发展研究提供参考。我国从20世纪末开始重视绿色发展方面的研究，研究内容主要包括绿色发展框架、绿色发展特征及绿色发展均衡性等［56］。如马晓冬等［7］从绿色生产、绿色生活、绿色生态三个维度构建了绿色发展指数测算指标体系，周亮等［8］通过多种空间尺度梳理了绿色发展及其效率的概念与内涵，并构建城市绿色发展效率投入—产出指标体系，李俊杰等［9］研究发现中原城市群各城市绿色发展效率在空间上呈现“西北外围高，南部较低”的特征，陈影等［10］发现成渝地区双城经济圈绿色发展效率呈现从“较高水平较大差距”向“更高水平较小差距”转变的时序特征。研究尺度涵盖全国、城市群、大中小型城市［1113］，研究方法主要采用动态TOPSIS模型［14］、SBMUndesirable模型［15］、BootstrapDEA模型［16］、泰尔指数［17］和空间马尔科夫链等［18］。综观以上研究成果，主要存在两方面不足：一是绿色发展效率驱动机制研究中影响因素的综合识别仍需加强；二是应当加强开展以生态环境单元为对象的绿色发展研究。为落实黄河流域生态保护和高质量发展战略部署［19］，打好生态保护修复攻坚战，以县城为载体加快城镇化建设，本文以黄河流域山东段为研究区域，以县域为研究单位，厘清绿色发展的时空格局演化特征，揭示绿色发展影响因素，为山东省以及黄河流域中下游地区经济社会可持续发展提供参考借鉴。

1材料与方法

1.1研究区概况

黄河自菏泽市东明县入境山东省，流经菏泽、济宁、泰安、聊城、济南、德州、滨州、淄博、东营9市，在东营市垦利区注入渤海；河道全长628km，占黄河总长度的11.5%。基于国家科技资源共享服务平台—国家地球系统科学数据中心—黄河中下游分中心的黄河流域县区数据，提取了72个县（区）为研究区域（图1）。

研究区面积为76449.77km²，属于暖温带季风气候，雨热同期。截至2020年末，研究区常住人口约为4.86×10⁷人，国民生产总值约2.498×10¹²元，人均国民生产总值约1.944×10⁴元。研究区湿地、森林资源丰富，矿产资源富集，是全国重要的能源基地，但水土流失、水生态环境问题依然突出，矿山地质环境生态修复治理任务艰巨，海水倒灌引起的土壤盐碱化问题尚未得到根本遏制，大气环境质量还需不断改善；产业发展偏资源型、重化型，大多处于产业链条中低端，产业集中度不高［20］；县域间高质量发展动能差距较大，如邹平市依托煤炭等资源率先推进新型工业化，而牡丹区产业发展亟待转型升级。经济和生态存在的诸多问题成为制约研究区绿色高质量发展的短板。1.2数据来源与研究方法

1.2.1数据来源与指标体系

提升绿色发展效率是实现生态文明建设和经济转型发展的重要方式，即实现经济增长、节约资源和减少环境污染，促进低投入、低排放和高产出模式转变［8］，基于此建立黄河流域山东段绿色发展效率投入产出指标体系（表1）。

投入指标选取各区县城镇非私营单位从业人员代表劳动力投入，固定资产投资代表固定资本存量要素，普通中学在校学生数代表政府教育投入要素。期望产出方面，选取各区县国内生产总值表示经济产出效益，各区县财政产出效益选择一般公共预算收入表示，选取社会消费品零售总额反映社会产出效益。此外，由于发展过程中废弃物的排放对生态环境造成负面影响，因此将工业二氧化硫排放量、工业废水排放量和工业烟尘排放量作为非期望产出要素纳入评价指标体系内，并作为评价绿色发展效率的重要因素［8，2122］。其中固定资产投资、一般公共预算收入、社会销售品零售总额和普通中学在校学生数来自2010年和2015年《县域统计年鉴》和各区县统计年鉴，城镇非私营单位从业人员、国内生产总值来自2010、2015和2020年各区县统计年鉴。缺失数据由相邻年份的数据采用移动平均法或線性回归法进行拟合。

1.2.2DEASBM模型

数据包络分析（DEA）是一种基于被评价对象间相对比较的非参数技术效率分析方法。与传统DEA模型未充分考虑投入或产出的松弛变量问题而高估效率相比，DEASBM的优点是解决了径向模型对无效率的测量没有包含松弛变量的问题。基于DEASBM模型考虑非期望产出视角结合绿色发展理念，尽可能提高期望产出减少非期望产出，降低二氧化碳及其他污染物的排放量，实现经济、社会和环境的可持续发展。其公式如式（1）：

1.2.3空间自相关分析

1.2.4冷热点分析

1.2.5地理探测器

2结果与分析

2.1绿色发展效率时序变化特征

2.2绿色发展效率空间分异特征

（1）全局空间自相关2010—2020年黄河流域山东段72个县（区）绿色发展效率全局空间自相关分析结果如表2所示，Moran's I指数由负值变为正值且逐渐增大，p值呈现减小趋势，说明2010年县域绿色发展效率空间分布处于随机状态，2015—2020年呈现出明显的空间相关性，且相关程度越来越高，县域绿色发展效率空间分布集聚性增强。

（2）局部空间自相关2010—2020年黄河流域山东段绿色发展效率局部空间分布特征如图3所示，县域绿色发展效率空间集聚特征与冷热点变化显著。2010年，县域绿色发展效率空间分布无高—高集聚区和低—低集聚区，济南市、南四湖周边县域绿色发展效率不均衡；2015—2020年，绿色发展效率值高—高集聚区和低—低集聚区均主要分布于济南市及周边区域，且面积逐渐增大，济南都市圈县域间绿色发展效率高低分化显著。

（3）冷热点分析由图4可知，2010年，研究区绿色发展效率空间分布只有低值聚集的冷点区，分布在济南市周边的肥城县、东平县和宁阳县；2015年，绿色发展效率热点区在黄河三角洲地区分布较广，济南市周边和鲁西南地区的热点范围相对较小；2020年，济南市周边和鲁西南地区的热点范围都有所增大，黄河三角洲地区热点范围有所减小。综合来看，绿色发展效率高—高集聚区与热点区、低—低集聚区与冷点区均存在分布重合的现象，说明黄河流域山东段县域绿色发展水平呈现显著的集聚效应。因此，今后应注重绿色发展效率低—低集聚区与冷点区经济发展方式转变，改善环境质量，促进环境效率与环境公平。

2.3绿色发展效率影响因素分析

采用地理探测器模型对黄河流域山东段绿色发展效率影响因子的交互作用进行探测。如表3所示，2010—2020年间影响因子间交互作用呈现非线性增强效应，交互作用影响先升后降，均值分别为0.403、0.508和0.440。2010年，一般公共预算收入∩工业二氧化硫排放交互影响最强，q值为0.626；普通中学在校学生数∩一般公共预算收入交互影响较强，q值为0.624；此外，固定资产投资∩工业废水排放、固定资产投资∩工业烟尘排放、一般公共预算收入∩工业烟尘排放的交互影响程度可达0.5以上，表明此时期资本要素、财政产出和环境污染要素对绿色发展效率有一定的驱动作用［26］。2015年，固定资产投资∩普通中学在校学生数交互作用影响最强，q值为0.699；固定资产投资∩社会消费品零售总额、固定资产投资∩工业烟尘排放、一般公共预算收入∩城镇非私营单位从业人数、一般公共预算收入∩工业烟尘排放、GDP∩工业烟尘排放的交互影响程度在0.6以上；交互作用程度达0.5以上的双因子占44%，表明此时期双因子交互作用对绿色发展效率影响程度增强。2020年，固定资产投资∩普通中学在校学生数交互作用程度最强，q值为0.670；固定资产投资∩城镇非私营单位从业人数因子交互作用较强，q值为0.634；固定资产投资、城镇非私营单位从业人数、普通中学在校学生数与工业废水排放、工业烟尘排放的交互影响程度达0.5以上，说明此时期各类投入和环境污染要素成为绿色发展效率主要驱动力。综合以上分析，固定资产投资提高，一般公共预算收入增加，伴随着工业废水、烟尘的排放量加大，綠色发展效率受多因子间交互作用增强。如何优化劳动力结构和教育资源配置，协调资本投入与非期望产出之间的矛盾，是黄河流域山东段县域绿色发展亟需克服的问题（表3）。

3结论与讨论

3.1结论

本文基于DEASBM模型测算2010—2020年黄河流域山东段72个县（区）绿色发展效率，运用空间自相关、冷热点分析和地理探测器模型对绿色发展效率时空分异特征及影响因素进行分析。

（1）研究区绿色发展效率整体呈现下降趋势，县域绿色发展效率水平变化可分为持续降低、持续提升、先升后降、先降后升以及持续不变5种类型，分别包括33、4、2、11和22个县区。

（2）县域绿色发展效率空间分布由2010年随机分布态势逐渐转向集聚，2015年和2020年空间集聚特征较为显著。高—高集聚区与热点区分布具有一致性，低—低集聚区与冷点区分布具有一致性，均主要分布在济南都市圈，且面积不断增大，济南市都市圈县域间绿色发展效率高低分化显著。

（3）2010—2020年间黄河流域山东段绿色发展效率影响因子交互作用呈现非线性增强效应，且交互作用影响程度先增后减。县域绿色发展效率受劳动力要素、固定资本存量、政府调控能力、国内生产总值、环境污染等因素的共同影响。其中，固定资产投资、一般公共预算收入、城镇非私营单位从业人数、工业二氧化硫排放和工业烟尘排放成为绿色发展效率的重要驱动因子。

3.2讨论

对黄河流域山东段绿色发展效率时空演变特征及影响因素的研究，有助于厘清新时期绿色发展趋势下区域绿色发展效率的变化情况和动力机制，为推进黄河流域生态保护和高质量发展，建设资源节约型、环境友好型社会，加快转变经济发展方式提供参考。本文借助考虑非期望产出的DEASBM模型论证了黄河流域山东段绿色发展效率呈现下降趋势，与郭付友等认为黄河流域绿色发展效率整体下降相同；并在此基础上，以72个县（区）作为研究单元分析绿色发展效率的时空分异特征，细化了对黄河流域山东段绿色发展的研究。但本文仍存在许多不足，一些常用指标因部分县域数据获取困难而舍弃，如供水总量、用电总量、煤气总量等投入指标，建成区绿化覆盖率等产出指标；另外，县域绿色发展效率的影响机制尚需进一步探讨完善。

参考文献：

［1］刘曙光，尚英仕.中国东部沿海城市群绿色发展效率评价及障碍因子分析［J］.城市问题，2020（1）：7380.

［2］LUIGI A，CONCETTO V.Green Economy and Sustainable Development：The Economic Impact of Innovation on Employment［J］.Sustainability，2018，10（10）：3541.

［3］ MAIKE S，AXEL M.Financing a green urban economy：The potential of the clean development mechanism（CDM）［J］.The Economy of Green Cities，2013，3（9）：363368.

［4］LIN BQ，NELSON I B.Green development determinants in China： A nonradial quantile outlook［J］.Journal of Cleaner Production，2017，162：764775.

［5］车磊，白永平，周亮，等.中国绿色发展效率的空间特征及溢出分析［J］.地理科学，2018，38（11）：17881798.

［6］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）：104109.

［7］馬晓冬，胡颖，黄彪.江苏省乡村绿色发展的时空特征及影响因素［J］.经济地理，2022，42（4）：159167.

［8］周亮，车磊，周成虎.中国城市绿色发展效率时空演变特征及影响因素［J］.地理学报，2019，74（10）：20272044.

［9］李俊杰，景一佳.基于SBMGIS的绿色发展效率评价及时空分异研究：以中原城市群为例［J］.生态经济，2019，35（9）：94101，107.

［10］陈影，文传浩，沈体雁.成渝地区双城经济圈绿色发展效率评价及时空演变研究［J］.长江流域资源与环境，2022，31（5）：11371151.

［11］彭金石，梁恺，罗咏今，等.大型城市绿色发展水平测度模型及其应用［J］.中国商论，2020（10）：910.

［12］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，2019，39（2）：110117.

［13］翁异静，汪夏彤，陈思静.浙江三大城市群绿色发展效率时空分异及影响机理［J］.应用生态学报，2022，33（2）：509516.

［14］陈黎明，郑千一，周纳.中国农业农村绿色发展综合评价及制约因素：基于TOPSIS和阻碍度模型［J］.河北农业大学学报（社会科学版），2022，24（4）：106114.

［15］封思洁，张斯琴.黄河流域主要城市绿色发展效率时空分异特征［J］.科学与管理，2020，40（6）：7581.

［16］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）：125132.

［17］赵峥.基于绿色发展的中国城市公共支出效率研究：基于四阶段DEA和BootstrapDEA模型的实证分析［J］.云南财经大学学报，2013，29（5）：3140.

［18］张钰宁.基于熵权—TOPSIS的黄河流域农业绿色发展水平评价及其空间差异［J］.湖北农业科学，2022，61（16）：230236，252.

［19］邵彦敏，赵业程，战戈.黄河流域山东段高质量发展：生态保护、经济增长与人民共享［J］.中共济南市委党校学报，2021（4）：7681.

［20］许梦，许庆福，何方杰，等.山东黄河流域国土空间生态修复布局与路径［J］.山东国土资源，2023，39（2）：2533.

［21］王劲峰，徐成东.地理探测器：原理与展望［J］.地理学报，2017，72（1）：116134.

［22］胡碧霞，李菁，匡兵.绿色发展理念下城市土地利用效率差异的演进特征及影响因素［J］.经济地理，2018，38（12）：183189.

［23］李汝资，刘耀彬，王文刚，等.长江经济带城市绿色全要素生产率时空分异及区域问题识别［J］.地理科学，2018，38（9）：14751482.

［24］许丽梦，郭付友，王慧.山东省绿色发展效率时空演化及影响因素分析［J］.山东国土资源，2019，35（12）：6674.

［25］赵林，张宇硕，吴迪，等.考虑非期望产出的中国省际海洋经济效率测度及时空特征［J］.地理科学，2016，36（5）：671680.

［26］刘庆果，张煊赟，莫钧雄，等.基于地理探测器的山东省土地城镇化时空演变及驱动因素［J］.资源开发与市场，2022，38（10）：11681174.

［27］郭付友，高思齐，佟连军，等.黄河流域绿色发展效率的时空演变特征与影响因素［J］.地理研究，2022，41（1）：167180.

Study on Spatio-temporal Differences and Influencing

Factors of Green Development Efficiency in Counties

in Shandong Section of the Yellow River Basin

MA Feifei，WANG Ping

（Geography and Tourism College of Qufu Normal University， Shandong Rizhao 276826， China）

Abstract： Based on the DEA-SBM model， spatial auto-correlation analysis and geodetector software are used to study the spatio-temporal differentiation characteristics and influencing factors of green development efficiency in counties in Shandong section of the Yellow River Basin. It is showed that from 2010 to 2020， the overall green development efficiency of Shandong section of the Yellow River Basin shows a downward trend， from optimal to medium. From the perspective of time series characteristics， the changes of the green development efficiency in counties in Shandong section of the Yellow River Basin are significantly different， which can be divided into five change types， they are continuous reduction， continuous growth， stable and unchanged， first rise and then decrease， first fall and then rise. From the perspective of spatial distribution， the spatial distribution of the green development efficiency in counties showed a random trend in 2010， and the spatial agglomeration characteristics in 2015 and 2020 are more significant. The distribution of high-high agglomeration areas and hot spots is consistent， and the distribution of low—low agglomeration areas and cold spot areas is consistent， all of which are mainly distributed in the Jinan metropolitan area， and the area is increasing. The efficiency of green development between counties in the Ji'nan metropolitan area is significantly differentiated. The interaction of influencing factors of the green development efficiency in counties in Shandong section of the Yellow River Basin shows a nonlinear enhancement effect.

Key words： Green development efficiency；spatio-temporal differentiation；Shandong section of the Yellow River Basin；DEA-SBM model