大别山区域生态效率测度评价及影响因素研究

摘要：基于2011—2020年大别山区47个县域面板数据，采用非期望产出超效率SBM模型与ML指数及其分解指数进行静态效率与动态效率测算及评价，并运用Tobit模型对影响因素进行分析。结果表明，大别山生态静态效率整体呈上升趋势和差异化发展特征；大别山生态动态效率呈波动增长趋势，其增长主要源于技术进步的增益作用；数字经济、绿色创新、经济发展、产业结构以及环境规制促进生态效率提升，能源消耗、人口规模为抑制因素。因此需要用好数字技术赋能生态保护，抓好绿色低碳技术攻关；完善区域环境规制，培育绿色发展新动能；促进区域经济高质量发展，加快产业结构绿色转型。

关键词：生态效率；数字经济；大别山区；超效率SBM-ML指数；Tobit模型

中图分类号：F124.5 文献标识码：A

文章编号：0439-8114（2024）09-0227-07

DOI：10.14088/j.cnki.issn0439-8114.2024.09.038 开放科学（资源服务）标识码（OSID）：

Research on the evaluation and influencing factors of regional eco-efficiency in Dabie Mountain：Based on the perspective of digital economy

XING Yu1，2，3，XIA Qing-li2，ZHANG Ming-ru3，XIAO Xiang-xia3，CHANG Tian-tian3

（1. College of Law & Business，Hubei University of Economics， Wuhan 430205， China；2. Huanggang Normal University， Huanggang 438000， Hubei，China；3. Yangtze University， Jingzhou 434023，Hubei， China）

Abstract：Based uEyTtRsy82R+qy6sXezv0BnjWkihe/ivC6ZCeuiRdwY=on the panel data of 47 counties in Dabei Mountain area from 2011 to 2020， the SBM model， ML index and its decomposition index were used to calculate and evaluate the static efficiency and dynamic efficiency， and the Tobit model was used to analyze the influencing factors. The results showed that the ecological static efficiency of Dabie Mountain showed an increasing trend and differentiated development characteristics. The ecological dynamic efficiency of Dabie Mountain showed a fluctuating growth trend， which was mainly due to the gain effect of technological progress. Digital economy， green innovation， economic development， industrial structure and environmental regulation promoted the improvement of ecological efficiency， while energy consumption and population size were inhibiting factors. Therefore， it was necessary to make good use of digital technology to enable ecological protection and tackle key problems of green and low-carbon technology； improve regional environmental regulations and foster new driving forces for green development； promote high-quality development of the regional economy and accelerate the green transformation of the industrial structure.

Key words： ecological efficiency； digital economy； Dabie Mountain area； superefficiency SBM-ML index； Tobit model

2021年2月，国务院印发《关于新时代支持革命老区振兴发展的意见》提出“支持大别山革命老区建设长三角优质红色旅游示范基地与康养基地、长江和淮河中下游地区提供有力的生态保护保障”。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出“充分发挥我国拥有海量数据和丰富应用场景的优势，切实发挥数字技术对生态环境保护的放大、叠加、倍增作用”。过去以牺牲生态环境为代价，用来换取当前经济的快速发展，造成了生态环境的严重破坏，产业结构的不平衡给中国的经济带来了巨大的负担，生态环境和经济发展的矛盾一度加剧，生态文明的建设已成为当务之急。目前，大别山地区正面临着严重的环境污染、生态环境恶化等问题。因此，需高度重视在生态环境保护的进程中用好数字技术，尤其是要找到利用数字技术推动生态环境保护的契合点与发力点，在实践中将数字技术的作用切实发挥出来。用好数字技术赋能生态保护，对于提高大别山区域生态效率具有重要意义。

1 相关研究文献评述

党的十九大以来，五大新发展理念已经深入人心，而“绿色”发展理念已经成为解决生态环境与经济发展之间关系的根本原则。国内学者在生态效率概念界定和相关理论的基础上，对区域生态效率的测算、评价以及影响因素进行了研究，研究内容归纳为以下方面。

1）区域生态效率测算与评价。黄小勇等［1］采用SBM-Undesirable模型、空间数据分析（ESDA）深入分析长江经济带绿色发展效率及时空特征，研究表明，2005—2019年长江经济带的绿色发展效率呈波动上升的趋势，长江经济带绿色发展效率具有“高-高”聚集和“低-低”聚集的时空特征。何弦佳［2］、翁异静等［3］采用SBM模型、ML指数、空间自相关和收敛性分析等测算方法与论证方式，研究各地区生态效率的时空演化特征，并将其分解为全要素生产率变化指数（ML）、技术效率变化指数（EC）和技术水平变化指数（TC）进行全国、分地区、分省市的综合研究和比较分析。

2）区域生态效率影响因素分析。邓霞［4］采用Tobit回归模型对影响长江经济带生态效率的关键因素进行分析，研究表明，地区经济发展水平、产业结构、科技进步和地区因素能有效促进生态效率的提高。张展等［5］、刘传明［6］采用Tobit模型或基准回归模型，将各地区生态效率作为被解释变量，经济发展水平、工业能源消耗、产业结构、对外开放水平、技术进步和污染治理水平等影响因素作为解释变量，回归分析出该地区生态效率的影响因素。

3）数字经济对区域生态效率的影响研究。何维达等［7］运用双向固定效应模型实证检验了数字经济对中国绿色生态效率的633489c3fd0a6d695e18c8aeb0386b70影响效应，研究表明数字经济发展对生态效率提升具有显著的正向促进作用，经济发展水平、产业结构优化和科技水平也是促进生态效率提升的重要因素。梁琦等［8］采用双向固定效应模型、中介效应模型以及调节效应模型实证研究数字经济对城市生态效率的影响，研究表明数字经济的发展能够显著提升城市的生态效率，这一结论在进行变量替换、分阶段回归以及引入工具变量等稳健性检验后仍然成立。

综上所述，国内学者对生态效率的研究颇丰，主要集中在测算和评价以及影响因素分析等方面，但现有研究尚有以下几方面不足：一是从研究层面来看，主要集中在中国省域、经济带及城市圈，县域层面的研究成果相对较少，中国大别山区县域生态效率的相关研究尚处于空白。二是从区域生态效率测度与评价来看，当前研究并未形成统一的研究方法，有部分学者未对区域生态效率动静相结合地评价分析。三是从影响因素选取来看，数字经济对区域生态效率的影响研究较少。因此，本研究基于数字经济视角，以2011—2020年大别山区47个县域面板数据为例，采用非期望产出超效率SBM模型与ML指数及其分解指数进行静态与动态效率测算与评价，并运用Tobit模型对影响因素进行分析，根据实证结果分析大别山各区域生态目前存在的问题，并有针对性地提出对策建议。本研究理论有利于帮助大别山区各级政府支持革命老区振兴发展，用好数字经济赋能生态保护，为促进中国大别山区生态效率高质量发展提供经验借鉴。

2 大别山区生态效率及其影响因素的理论分析

2.1 区域生态效率

区域生态效率是考虑资源消耗和环境污染等方面所产生的经济效益，它能够反映出经济与环境的综合效率［9］。其本质是绿色经济体量与质量的增长，无论是生态程度的提高，即减少污染排放或降低资源消耗，还是经济产出能力的扩大，都可以体现在生态效率上，从而充分体现生态效率是能够实现经济持续增长和环境资源节约共赢的综合指标［10］。本研究的关键是如何衡量大别山区生态效率，目前学术界有3种测算方法，第一种是将能源投入、环境污染要素作为投入，生态效率可以表示为限定能源投入和环境污染投入下的产出最大化或限定产出情况下的能源投入和污染排放最小化的效率。第二种是在实际生产过程中，由于环境污染是伴随产品产出的附属产物，不宜用它作为投入要素进行测度［11］。当前一般将地区GDP作为期望产出，环境污染作为非期望产出。第三种是在第二种的基础上，在非期望产出中加入碳排放。杨楠［12］对第一种测算方法持有怀疑态度，第二种与第三种测算方法的认可度普遍较高。结合大别山区面板数据实际情况，本研究主要采用以环境污染作为非期望产出的超效率SBM-ML指数的测算方法。

2.2 区域生态效率影响因素

通过梳理生态效率影响因素的相关文献，田光辉等［13］提出经济发展水平、人口规模、产业结构、能源强度以及环境规制是影响城市生态效率变动的重要因素。何维达等［7］提出数字经济能够促进生态效率提高。罗良文等［14］提出绿色技术创新能够促进生态效率提高。借鉴以上学者的研究成果，从生态效率内涵和评价指标体系出发，结合大别山区发展现状，选取数字经济、绿色创新、经济发展、人口规模、产业结构、能源消耗、环境规制7个影响因素展开回归分析，探索所选因素与大别山区生态效率之间的作用关系。

1）数字经济。何维达等［7］研究表明数字经济通过其高渗透性，与各行各业进行充分融合，有效促进资源配置效率提高，有效促进生产力水平提升，有效促进资源利用率提高和减少污染物排放，对生态效率的改善和提升起到明显的促进作用。数字经济既是中国新兴的经济增长点，也是传统产业转型升级的支点，是提高大别山区域生态效率的重要途径。

2）绿色创新。罗良文等［14］研究表明绿色技术创新是提高中国生态效率的重要途径，但目前中国绿色技术创新对生态效率的促进作用偏低，亟待改善。绿色创新即增加绿色专利的创新发明数量，有助于提高企业的技术水平与自主创新能力，能够促进大别山区企业的生态效率。拥有知识产权数量与质量的多少，已经成为衡量大别山各区域核心竞争力的重要标志。

3）产业结构。顾典等［15］研究表明产业合理化、产业结构高级化的提升均会提高生态效率，但不同地区产业结构合理化和产业结构高级化发挥的作用存在差异，且产业结构优化升级对生态效率的影响具有空间效应。大别山区第二产业以重化工业为主，具有高投入、高污染特征，所以第二产业比重上升会导致大别山区域生态效率降低。

4）环境规制。于连超等［16］研究表明环境保护费改税显著提升了企业产能利用率，且随着时间的推移，这种提升作用不断增强，环境保护费改税主要通过抑制企业过度投资和促进企业技术创新来提升企业产能利用率。环境规制是为了保护环境而对污染公众环境的各种行为进行调控约束，合理有效的环境规制能够激励企业技术创新。

5）经济发展、人口规模以及能源消耗。田光辉等［13］根据“环境库兹涅兹假说”研究表明经济发展情况与其生态效率存在显著关联性。在经济发展初级阶段，经济发展水平与城市人口规模持续增长，能源消耗强度与污染排放越来越大，环境污染的治理难度愈加困难，但伴随经济发展水平不断提高，达到临界值后，经济水平的提高将有助于推动生态环境健康发展。

3 大别山区生态效率评价及其影响因素的模型构建

3.1 数据来源

本研究数据来自2011—2020年大别山区各县（市）统计年鉴和环境统计公报等。研究区域选择依据参照2015年国务院《大别山革命老区振兴发展规划》范围，大别山区共有47县14区，其中湖北大别山区共有17县5区、河南大别山区共有19县3区、安徽大别山区共有11县6区。由于大别山境内14区的相关数据缺失，因而选取红安县、西平县以及霍山县等47个大别山区县域面板数据作为研究样本。数字经济的数据，互联网普及率、互联网相关成员人员数、互联网相关产出、移动互联网用户数4个指标数据来源于《中国城市统计年鉴（2011—2020年）》，数字普惠金融指数来源于郭峰等［17］计算出的《北京大学数字普惠金融指数》。

3.2 指标选取

3.2.1 区域生态效率指标选取 借鉴傅春等［18］的研究成果，结合数据可得性，测算2011—2020 年大别山革命老区47个县生态效率。之后，对投入产出指标之间的相关性进行检验，并构建评价指标体系及描述性统计（表 1）。

3.2.2 区域生态效率影响因素变量选取 借鉴田光辉等［13］的研究成果，从数字经济、绿色创新、经济发展、人口规模、产业结构、能源消耗、环境规制等方面考虑影响区域生态效率的外部性因素。其中，数字经济综合发展指数测算，借鉴赵涛等［19］与刘军等［20］的研究方法，选取互联网普及率、互联网相关成员人员数、互联网相关产出、移动互联网用户数、数字金融普惠发展5个指标，对其数据标准化后降维处理，通过主成分分析的测算方法，最终得到数字经济综合发展指数。具体变量选取及描述性统计见表2。

3.3 模型构建

3.3.1 非期望产出超效率SBM模型 借鉴钱振华等［21］在Tone等［22］非期望产出SBM模型的基础上，充分考虑了污染物排放带来的不利影响，推导出的非期望产出超效率SBM模型，具体模型如下。

[ρ=min1+1mi=1msxixi01+1s1+s2k=1s1sykytk0+l=1s2szlztl0s.t.xi0≥j=1，≠0nλjxj-sxi，？iyk0≤j=1，≠0nλjyj+syk，？kzl0≥j=1，≠0nλjzj-szl，？l1-1s1+s2k=1s1sykyk0+l=1s2szlzl0>0sxi≥0，syk≥0，szl≥0，λj≥0，？i，j，k，l] （1）

式中，[x]、[y]和[z]分别代表投入、期望产出和非期望产出；[sx∈Rm]、[sz∈RS2]分别表示投入和非期望产出的过剩量，[sy∈RS1]则代表期望产出的短缺量；[m]、[s1]和[s2]分别代表投入、期望产出和非期望产出的变量个数；[λj]为约束条件；i、k、l分别代表投入、期望产出和非期望产出变量个数；[ρ]为效率，[ρ]越大效率越高，反之亦然［23］。

3.3.2 Malmquist指数 利用非期望产出超效率SBM模型可以计算生态静态效率，但无法反映生态效率的动态变化以及效率分解指标的变化。借鉴Chung等［24］提出ML指数及分解的基础上，在规模报酬不变（CRS）条件下，从技术进步变化（TC）与技术效率变化（EC）角度深层厘清生态效率变动的主要原因，具体模型如下。

[MLt+1c=MLECc×MLTCc]

[MLt+1cxt，yt，zt，xt+1，yt+1，zt+1=] [Etcxt+1，yt+1，zt+1Etcxt，yt，zt×Et+1cxt+1，yt+1，zt+1Et+1cxt，yt，zt12]

[MLECc=Et+1cxt+1，yt+1，zt+1Etcxt，yt，zt]

[MLTCC=Etcxt+1，yt+1，zt+1Et+1cxt+1，yt+1，zt+1×Etcxt，yt，ztEt+1cxt，yt，zt12]

（2）

式中，[Etc]与[Et+1c]表示[t]期与[t+1]期的距离函数；[c]表示规模报酬不变；[xt，yt，zt]与[xt+1，yt+1，zt+1]表示[t]期与[t+1]期的投入与产出。ML、MLEC和MLTC分别代表考虑非期望产出的生态效率变化指数、 技术效率变化指数和技术进步指数， 而且ML为MLEC和MLTC的乘积。

3.3.3 Tobit回归模型 由于使用非期望产出超效率SBM模型测算得到的区域生态效率值为截断离散数据，因此采用能够处理截断离散数据的Tobit模型进行分析。具体模型为：

[GDEi=β0+β1SZi+β2LCi+β3JFi+β4CYi+β5HJi+β6NYi+β7RKi+εi，εi～N（0，σ2）]

[GDEi=GDE*i，0<GDE*i≤10，GDE*i≤0] （3）

式中，GDE为大别山区生态效率；[β0]为常数项系数；[βi]为各影响因素相应的回归系数；[εi]为随机误差项系数。

4 大别山区生态效率测度评价及其影响因素的实证结果分析

4.1 区域生态效率静态分析

借助Matlab软件对2011—2020 年大别山生态效率投入产出的面板数据进行模型测算，测算结果划分区域统计分析，将中国大别山区共分为湖北大别山区（17县）、河南大别山区（19县）、安徽大别山区（11县）以及全区（47县）四个区域，测算结果如表3所示。借鉴罗宣等［25］的研究成果，构建出的大别山区生态效率阶段，用以纵向分析，共划分为3个阶段：[ρ]<0.6为低等效率阶段；0.6≤[ρ]<1.0为中等效率阶段；[ρ]≥1.0为高等效率阶段。

总体而言，大别山地区的生态静态效率呈波动递增的趋势。由表3可知，研究期内大别山生态静态效率由1.067上升到1.162，年均增长率为0.86%，可见大别山革命老区生态静态效率相对较好，但不同时期的增长率存在显著差异，还有很大的提升空间。2011—2012年与2014—2016年大别山生态静态效率呈小幅下降趋势，该阶段生态效率在［0.968，1.101］区间内波动，说明该阶段经济快速增长对生态没有起到有效的促进作用，环境整治力度较小，资源密集型产业未合理优化，导致环境问题较为突出。2012—2014年与2016—2020年大别山生态静态效率呈快速上升趋势，该阶段生态效率在［0.968，1.162］区间内波动，表明该阶段区域生态逐渐聚焦于提高工业能源利用效率和应用绿色工业生产技术，有效促进经济社会向生态转型［26］。

从区域来看，大别山生态静态效率呈差异化发展特征。生态静态效率区域上呈现河南省大别山区>湖北省大别山区>安徽省大别山区的格局，展示出“高等-高等-中等”的分布现状。河南省大别山区各县（市）在积极推广使用新能源、发展可再生能源、污染防治攻坚战等方面取得新成效，越来越多的生态红利转化为营商环境吸引力。

4.2 区域生态效率动态分析

为进一步了解大别山生态效率的动态变化，本研究运用ML指数及其分解模型对大别山区进行动态效率分析。结果如表4、表5所示。

从总体来看，大别山生态动态效率呈波动增长趋势，生态效率变化指数（ML）、技术效率变化指数（EC）和技术水平变化指数（TC）的年均增长率分别为2.04%、1.12%和0.23%，EC指数与TC指数呈现正增长。从分解结果来看，大别山全区生态效率ML指数为1.142，该数值大于1，表示大别山生态全要素生产率上升；大别山全区生态效率EC指数为1.022，该数值大于1，表示存在效率改进；大别山全区生态效率TC指数为1.149，该数值大于1，表示存在技术进步；ML指数与TC指数变化趋势基本一致，表示技术进步是大别山区生态全要素生产率增长的主要原因［27］。

从区域来看，大别山区生态动态效率存在差异，呈现湖北大别山区>河南大别山区>安徽大别山区的格局。由表4可知，鄂、豫、皖大别山区的生态效率ML指数分别为1.162、1.152、1.111，表明鄂、豫大别山区生态动态效率逐渐聚拢，湖北大别山区生态动态效率相对领先，经济发展与生态建设实现了协调发展。

4.3 基于Tobit模型的区域生态效率影响因素分析

本研究利用Tobit模型对影响大别山区生态效率的因素进行分析，运用软件SPSS对数据进行处理得到表6的结果。

1）从数字经济上看，数字经济对大别山全区及鄂、豫、皖大别山I6hKElFP+8tzptQc6f2UXQ==区的影响均显著为正，湖北大别山区回归系数显著性较好。在促进消费、拉动投资以及创造就业等方面，数字经济起到了提升区域生态效率的重要作用，其中湖北大别山区数字经济提升生态效率的成效较为显著。

2）绿色创新对大别山全区及鄂、豫大别山区的影响均显著为正，安徽大别山区回归系数不显著。绿色专利申请量日益增多，有利于促进当地企业节约资源、防治污染以及提高能源利用率实现产业可持续发展，从而推动企业提高生态效率。其中安徽大别山区绿色创新能力较弱，科技成果转化与科技创新驱动能力有待提高。

3）经济发展对大别山全区及鄂、豫、皖大别山区的影响均显著为正。随着大别山区经济水平的不断提升，就可以为绿色产业发展提供更好的金融支持和基础设施建设，从而优化营商环境，吸引更多优秀的企业和大学生加入。

4）产业结构对大别山全区及鄂、豫大别山区的影响均显著为正，安徽大别山区回归系数不显著。产业结构优化升级可以降低污染排放，第二产业比重下降促进了区域生态效率提升，主要是因为大别山地区能源消费结构已经告别了以煤炭为主的方式，而是大力推广使用清洁能源，产业结构转型升级较为明显，高新技术制造业和新兴产业发展迅速。其中安徽大别山地区的第二产业以资源型产业和传统产业为主，而高端服务业和现代服务业发展水平不高。

5）环境规制对大别山全区及鄂、豫、皖大别山区的影响均显著为正，鄂、豫大别山区回归系数显著性较好。随着大别山区各级政府对污染防治力度的不断加大，各地区污染源治理投资额占名义GDP的比重越高，越有利于激励企业技术创新，从源头有效控制污染排放。鄂、豫大别山区合理设计的环境规制能够激励企业技术创新，从而实现生态环境的可持续发展。

6）能源消耗、人口规模对大别山区生态效率有负向影响。随着中国经济的快速发展，城镇人口规模的不断增加，对自然资源的需求越来越大，环境污染也越来越严重，从而抑制了大别山区生态效率的提升。

5 小结与建议

5.1 小结

基于2011—2020年大别山区47个县域面板数据，采用非期望产出超效率SBM模型与ML指数及其分解指数进行静态效率与动态效率测算及评价，并运用Tobit模型对影响因素进行分析，研究结论如下。

1）大别山区生态静态效率整体呈波动上升趋势。区域上呈现河南省大别山区>湖北省大别山区>安徽省大别山区的格局，展示出“高等-高等-中等”的分布现状。

2）大别山生态动态效率呈波动增长趋势，其增长主要源于技术进步对区域生态动态效率的增益作用。区域上呈现湖北大别山区>安徽大别山区>河南大别山区的格局，生态水平与生态动态效率存在差异，鄂、豫大别山区生态动态效率逐渐聚拢。

3）大别山生态效率存在“五促进二抑制”的影响因素，数字经济、绿色创新、经济发展、产业结构以及环境规制促进生态效率提升，能源消耗、人口规模为抑制因素。

5.2 政策建议

1）数字技术赋能生态保护，抓好绿色低碳技术攻关。利用数字技术，既可以准确地识别和跟踪新出现的生态环境问题，为科学地保护和系统地治理提供支持，也可以促进数字经济和绿色经济的协调发展，为中国大别山区生态环境治理体系和治理能力现代化提供新的途径。加快绿色低碳优势产业发展，鄂、豫、皖大别山区就需要持续发展技术创新，构建以市场为导向的绿色技术创新体系，依托数字技术的优势，开展绿色低碳技术攻关行动，充分发挥市场在资源配置中的决定性作用。

2）完善区域环境规制，培育绿色发展新动能。加快转变生产和消费方式，以生态环境治理促进产业结构的转型升级。一是要强化生态环境规制的保障。大别山区要全面推行河长制、湖长制，创新生态方式，采取切实有效的措施，加快绿色崛起。二是大力推进生态补偿机制。全面启动大别山水环境生态补偿工作，制定配套政策，完善大别山水环境质量维护和改善工作机制，扎实推进生态文明示范创建，大力实施淮河干支流生态保护与修复，积极吸引融资平台参与区域综合治理项目。三是推进城乡绿化建设。坚持发展生态循环农业，支持一批农旅园区进行循环化改造和试点创建。继续加大对大别山“三线三边”绿化推进的支持力度，加强矿山地质环境治理，加快建设园林县、园林镇、森林镇、森林村和森林走廊，全面提高大别山地区城乡绿化水平。

3）促进区域经济高质量发展，加快产业结构绿色转型。要充分利用大别山“红、绿、特”资源优势，因地制宜，聚焦重点领域，持续发展内生新动力。一是大力继承红色基因。依托大别山干部学院，充分发挥革命遗址、红色纪念馆等作用，建设全国著名的红色文化研究和爱国主义教育基地。二是加快发展特色农业。支持老区高标准农田发展，加快培育中药材、茶叶、油茶、蚕桑等特色农产品产业，发展壮大省级特色农产品优势区域建设。三是协调发展中小城市。扶持有条件的重点城市，通过优化城市服务功能和配套设施，实现产业转移，推动消费升级，培育新兴的中小城市和区域中心城市。支持革命老区县域经济发展，加快城市环卫设施的改建和扩建，推动县城补短板强弱项。扶持符合条件的县城创建全国产业转型升级示范园区，加快发展具有县域特色的产业基地。四是全面改善农村环境。加快推进美丽乡村建设，鼓励和支持有条件的地区率先建设美丽生态宜居乡村示范区，加强对乡村风貌和红色老区的特色文化进行保护与维护。指导大别山各市、县、村开展农村人居环境调查，制定农村人居环境整治专项规划，积极争取中央财政资金支持农村环保项目和小城镇污水、垃圾处理设施建设。

参考文献：

［1］ 黄小勇，查育新.绿色发展效率的测度评价与驱动因素研究——以长江经济带为例［J］.价格理论与实践，2022（6）：7-11，42.

［2］ 何弦佳. 我国环境治理效率评估及其影响因素分析［D］.广州：广东省社会科学院，2021.

［3］ 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）：509-516.

［4］ 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.

［5］ 张 展，廖小平，李春华，等.湖南省县域农业生态效率的时空特征及其影响因素［J］.经济地理，2022，42（2）：181-189.

［6］ 刘传明.环境信息公开对绿色发展效率的影响效应研究［J］.山东财经大学学报，2021，33（5）：25-42.

［7］ 何维达，温家隆，张满银.数字经济发展对中国绿色生态效率的影响研究——基于双向固定效应模型［J］.经济问题，2022（1）：1-8，30.

［8］ 梁 琦，肖素萍，李梦欣.数字经济发展提升了城市生态效率吗？——基于产业结构升级视角［J］.经济问题探索，2021（6）：82-92.

［9］ 刘习平，管 可.湖北长江经济带绿色发展效率测度与评价［J］.统计与决策，2018，34（18）：103-106.

［10］ 黄 萍，于海翔.基于SBM-Malmquist模型的江苏省绿色经济效率特征分析［J］.经营与管理，2020（12）：123-127.

［11］ 刘 健，刘鸿福，姚西龙.我国煤炭产业绿色发展效率研究［J］.工业技术经济，2015，34（10）：145-150.

［12］ 杨 楠. 江苏省绿色发展效率及影响因素研究［D］.南京：中共江苏省委党校，2018.

［13］ 田光辉，李江苏，苗长虹，等.基于非期望产出的中国城市绿色发展效率及影响因素分析［J］.经济地理，2022，42（6）：83-91.

［14］ 罗良文，张万里.区域绿色技术创新效率对生态效率的影响分析［J］.湖北社会科学，2017（3）：69-78.

［15］ 顾 典，徐小晶.中国产业结构优化升级对生态效率的影响［J］.生态经济，2020，36（6）：58-67.

［16］ 于连超，孙 帆，毕 茜，等.环境保护费改税有助于提升企业产能利用率吗？-来自《环境保护税法》实施的准自然实验证据［J］.上海财经大学学报，2021，23（4）：32-47.

［17］ 郭 峰，王靖一，王 芳，等.测度中国数字普惠金融发展：指数编制与空间特征［J］.经济学（季刊），2020，19（4）：1401-1418.

［18］ 傅 春，欧阳欢蕤，赵雪茹.基于DEA及Malmquist指数模型的江西省绿色发展效率测度与评价［J］.生态经济，2020，36（6）：51-57，172.

［19］ 赵 涛，张 智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据［J］.管理世界，2020，36（10）：65-76.

［20］ 刘 军，杨渊鋆，张三峰.中国数字经济测度与驱动因素研究［J］.上海经济研究，2020（6）：81-96.

［21］ 钱振华，成 刚.数据包络分析SBM超效率模型无可行解问题的两阶段求解法［J］.数学的实践与认识，2013，43（5）：171-178.

［22］ TONE K，TSUTSUI M. An epsilon-based measure of efficiency in DEA-A third pole of technical efficiency［J］.European journal of operational research，2010（3）：1554-1563.

［23］ 周杰文，蒋正云，李 凤.长江经济带绿色经济发展及影响因素研究［J］.生态经济，2018，34（12）：47-53，69.

［24］ CHUNG Y H， FARE R， GROSSKOPF S. Productivity and undesirable outputs：A directional distance function approach［J］.Journal of environmental management， 1997， 51（3）：229-240.

［25］ 罗 宣，金瑶瑶，王翠翠.转型升级下资源型城市绿色发展效率研究——以中部地区为例［J］.西南交通大学学报（社会科学版），2017，18（6）：77-83.

［26］ 刘青利，夏彩瑞，张 曼.河南省工业绿色发展效率测算及影响因素研究［J］.信阳师范学院学报（自然科学版），2021，34（3）：394-400.

［27］ 范正根，邓志康，张普伟，等.生态文明试验区绿色发展效率测度及其影响机理［J］.统计与决策，2022，38（5）：75-79.

收稿日期：2023-03-20

基金项目：大别山旅游经济与文化研究中心开放课题（202118304）；湖北省普通高校人文社会科学重点研究基地-大别山旅游经济与文化研究中心项目（2012CR016）

作者简介：邢 宇（1993-），男，山西太原人，硕士，主要从事农业经济与区域经济研究，（电话）18207130090（电子信箱）948840354@qq.com；通信作者， 夏庆利（1966-），男，湖北麻城人，教授，硕士生导师，博士，主要从事区域经济研究，（电话）13508657826（电子信箱）758042645@qq.com。

邢 宇，夏庆利，张明如，等. 大别山区域生态效率测度评价及影响因素研究——基于数字经济视角［J］. 湖北农业科学，2024，63（9）：227-233．