基于省级尺度的中国工业生态效率的时空演变及影响因素
发布时间：2021-12-22 04:35
促进工业生态化、绿色化、可持续发展既是新发展理念的根本要求,也是实现经济高质量发展的关键所在。文章选取2005—2017年各地区相关数据,采用非期望SBM模型测算中国31个省（自治区、直辖市）工业生态效率,并借助空间计量分析模型考察区域工业生态效率的空间特征与影响机理。结果显示:①2005—2010年中国省域工业生态效率较为稳定,效率值始终在0.760上下浮动,自2011年后开始出现明显波动,并呈现出"两极化"特征;空间上呈现出东部地区>西部地区>中部地区的空间分布格局。②中国省域工业生态效率具有明显的空间集聚特征,环渤海地区是典型的高效率区域,而低效率区主要集中在东南沿海地区;同时,工业生态效率水平高的省份与工业生态效率低的省份在地理空间上的分布均相对集中。③环境规制与经济发展水平对工业生态效率具有显著的推动作用,产业集聚与产业结构阻碍工业生态效率的提高,研发强度的影响并不显著;环境规制与产业集聚具有正向的空间溢出效应,经济发展水平表现为负向的空间溢出效应,而其余因素影响并不显著。最后,基于上述结果提出针对性意见,以期为促进区域可持续发展、加快生态文明建设提供理论参考。
【文章来源】：经济地理. 2020,40(07)北大核心CSSCICSCD
【文章页数】：10 页
【部分图文】：
2005—2017年工业生态效率值
采用核密度函数估计法绘制出2005、2011和2017年工业生态效率动态演进趋势图（图2）。图2显示：工业生态效率核密度曲线中心呈现出先左偏、再右偏的态势，表明31个省（直辖市、自治区）工业生态效率集中区间呈现出不稳定的变化态势。另外，曲线变化区间先增大、后缩小，说明工业生态效率整体差距有所扩大。曲线“峰尖”部分较2005年相比稍有变缓，峰值略有下降，说明各地区间工业生态效率差距有缩小趋势。随着时间推移曲线右尾处逐渐抬升，整体上形成“一主一次”两峰并立格局，表明效率值在0.8以上的省市数量在逐渐增多，整体发展势头向好，也说明工业生态效率“两极化”趋势逐步凸显。对此，应当加强区域间合作，推动低效率区域产业结构转型升级，进一步缩小区域间差距。2.2 工业生态效率空间特征
由图3可以看出，研究期内，北京、天津、河北、山西、内蒙古等8个省（直辖市、自治区）始终处于高效率水平。相比于2005年，河南、西藏、山东、黑龙江等省份退出高效率区域，新加入的省份包括上海、重庆、陕西等，虽然高效率区域省份有所变动，但所占比例较为稳定。从空间分布来看，2005年中国工业生态效率呈现出自西南向东北逐渐递增的空间分布格局。其中，高效率区域主要分布在华北地区（京、津、蒙、黑、鲁等），较低效率区域集中在西部地区（青、陇、蜀、滇、渝等），低效率区域包括华中地区（鄂、赣）。2017年中国工业生态效率空间分布的阶梯性特征进一步凸显，呈现出集中连片的“区块状”分布，暗指工业生态效率可能存在空间相关性。相比于其他地区，东南沿海和华中、华南地区省间差异最为显著，并形成江西、广东低效率“塌陷区”。具体来看，较高水平区域主要分布在西部地区（新、藏），较低和中等水平区域分布最广，包括西南地区（青、陇、蜀、滇、渝、鄂等）、华南地区（闽、浙）、华东地区（皖、苏），而高效率区域仍以华北地区（蒙、陕、晋、冀）与环渤海地区（京、津、鲁）为主。值得注意的是低效率区域正在逐步向东部地区转移，黑龙江、河南等省份均进入低效率水平，进一步说明东部地区工业生态效率地区差异逐渐增大，原有的空间格局被打破。结合图4，中国31省（直辖市、自治区）工业生态效率东西方向由“两头高，中间低”演变为“中间高，两头低”的倒“U”型结构，而南北方向上，工业生态效率由“U型”演变为“北高南低”的梯度式空间格局，并且曲线曲率略有减小，说明我国中心地区工业生态效率明显提高，而东南沿海、东北地区成为我国工业生态效率薄弱区。图3 2005、2017年工业生态效率空间分布格局
【参考文献】：
期刊论文
[1]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]. 张新林,仇方道,王长建,王佩顺. 长江流域资源与环境. 2019(08)
[2]FDI与中国工业生态效率——基于面板联立方程模型的实证分析[J]. 吴文洁,刘雪梦,唐娟莉. 商业研究. 2019(06)
[3]交互视角下环境规制对工业生态效率的影响[J]. 许学国,张俊杰. 软科学. 2019(06)
[4]基于网络超效率EBM模型的城市工业生态绿色发展测度研究——以三区十群47个重点城市为例[J]. 韩洁平,程序,闫晶,杨晓龙. 科技管理研究. 2019(05)
[5]中国省际工业生态效率空间分布及影响因素研究[J]. 李成宇,张士强,张伟. 地理科学. 2018(12)
[6]中国地级市工业生态效率空间格局及影响因素[J]. 李在军,胡美娟,周年兴. 经济地理. 2018(12)
[7]基于技术距离的环境治理对企业全要素生产率的影响[J]. 张海玲,张宗斌,闫付美. 中国人口·资源与环境. 2018(10)
[8]行政垄断约束下环境规制对工业生态效率的影响——基于动态空间杜宾模型与门槛效应的检验[J]. 邱兆林,王业辉. 产业经济研究. 2018(05)
[9]辽宁省工业生态效率的空间分布与收敛性研究[J]. 关伟,岂宸. 资源开发与市场. 2018(02)
[10]长江中游城市群工业转移对工业生态效率影响的实证分析[J]. 田美玉,黄海,张如波. 统计与决策. 2018(04)
本文编号：3545770
【文章来源】：经济地理. 2020,40(07)北大核心CSSCICSCD
【文章页数】：10 页
【部分图文】：
2005—2017年工业生态效率值
采用核密度函数估计法绘制出2005、2011和2017年工业生态效率动态演进趋势图（图2）。图2显示：工业生态效率核密度曲线中心呈现出先左偏、再右偏的态势，表明31个省（直辖市、自治区）工业生态效率集中区间呈现出不稳定的变化态势。另外，曲线变化区间先增大、后缩小，说明工业生态效率整体差距有所扩大。曲线“峰尖”部分较2005年相比稍有变缓，峰值略有下降，说明各地区间工业生态效率差距有缩小趋势。随着时间推移曲线右尾处逐渐抬升，整体上形成“一主一次”两峰并立格局，表明效率值在0.8以上的省市数量在逐渐增多，整体发展势头向好，也说明工业生态效率“两极化”趋势逐步凸显。对此，应当加强区域间合作，推动低效率区域产业结构转型升级，进一步缩小区域间差距。2.2 工业生态效率空间特征
由图3可以看出，研究期内，北京、天津、河北、山西、内蒙古等8个省（直辖市、自治区）始终处于高效率水平。相比于2005年，河南、西藏、山东、黑龙江等省份退出高效率区域，新加入的省份包括上海、重庆、陕西等，虽然高效率区域省份有所变动，但所占比例较为稳定。从空间分布来看，2005年中国工业生态效率呈现出自西南向东北逐渐递增的空间分布格局。其中，高效率区域主要分布在华北地区（京、津、蒙、黑、鲁等），较低效率区域集中在西部地区（青、陇、蜀、滇、渝等），低效率区域包括华中地区（鄂、赣）。2017年中国工业生态效率空间分布的阶梯性特征进一步凸显，呈现出集中连片的“区块状”分布，暗指工业生态效率可能存在空间相关性。相比于其他地区，东南沿海和华中、华南地区省间差异最为显著，并形成江西、广东低效率“塌陷区”。具体来看，较高水平区域主要分布在西部地区（新、藏），较低和中等水平区域分布最广，包括西南地区（青、陇、蜀、滇、渝、鄂等）、华南地区（闽、浙）、华东地区（皖、苏），而高效率区域仍以华北地区（蒙、陕、晋、冀）与环渤海地区（京、津、鲁）为主。值得注意的是低效率区域正在逐步向东部地区转移，黑龙江、河南等省份均进入低效率水平，进一步说明东部地区工业生态效率地区差异逐渐增大，原有的空间格局被打破。结合图4，中国31省（直辖市、自治区）工业生态效率东西方向由“两头高，中间低”演变为“中间高，两头低”的倒“U”型结构，而南北方向上，工业生态效率由“U型”演变为“北高南低”的梯度式空间格局，并且曲线曲率略有减小，说明我国中心地区工业生态效率明显提高，而东南沿海、东北地区成为我国工业生态效率薄弱区。图3 2005、2017年工业生态效率空间分布格局
【参考文献】：
期刊论文
[1]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]. 张新林,仇方道,王长建,王佩顺. 长江流域资源与环境. 2019(08)
[2]FDI与中国工业生态效率——基于面板联立方程模型的实证分析[J]. 吴文洁,刘雪梦,唐娟莉. 商业研究. 2019(06)
[3]交互视角下环境规制对工业生态效率的影响[J]. 许学国,张俊杰. 软科学. 2019(06)
[4]基于网络超效率EBM模型的城市工业生态绿色发展测度研究——以三区十群47个重点城市为例[J]. 韩洁平,程序,闫晶,杨晓龙. 科技管理研究. 2019(05)
[5]中国省际工业生态效率空间分布及影响因素研究[J]. 李成宇,张士强,张伟. 地理科学. 2018(12)
[6]中国地级市工业生态效率空间格局及影响因素[J]. 李在军,胡美娟,周年兴. 经济地理. 2018(12)
[7]基于技术距离的环境治理对企业全要素生产率的影响[J]. 张海玲,张宗斌,闫付美. 中国人口·资源与环境. 2018(10)
[8]行政垄断约束下环境规制对工业生态效率的影响——基于动态空间杜宾模型与门槛效应的检验[J]. 邱兆林,王业辉. 产业经济研究. 2018(05)
[9]辽宁省工业生态效率的空间分布与收敛性研究[J]. 关伟,岂宸. 资源开发与市场. 2018(02)
[10]长江中游城市群工业转移对工业生态效率影响的实证分析[J]. 田美玉,黄海,张如波. 统计与决策. 2018(04)
本文编号：3545770
本文链接：https://www.wllwen.com/jingjilunwen/gongyejingjilunwen/3545770.html
