EN中文

经济地理 >

2020 , Vol. 40 >Issue 4: 184 - 194

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.04.021

三农、土地与生态

中国地级及以上城市“四化”水平对绿色发展的空间计量分析

  • 季永月 , 1, 2 ,
  • 张丽君 , 1, ※ ,
  • 秦耀辰 1 ,
  • 陈吉龙 2 ,
  • 吴胜军 2
展开
  • 1.河南大学 黄河中下游数字地理技术教育部重点实验室/环境与规划学院，中国河南 开封 475004
  • 2.中国科学院 重庆绿色智能技术研究院水库水环境重点实验室，中国 重庆 400714
※张丽君（1985—），女，河南南阳人，博士，副教授。主要研究方向为区域可持续发展。E-mail：。

季永月（1996—），女，河南固始人，硕士研究生。主要研究方向为三峡生态环境。E-mail：。

收稿日期: 2019-07-03

  修回日期: 2019-09-08

  网络出版日期: 2025-04-08

基金资助

国家自然科学基金项目(41671536)

国家自然科学基金项目(41501588)

中国博士后基金项目(2016M600575)

河南省高等学校重点科研项目(17A170006)

收起

The Impact of "Four Modernizations" on Green Development in Chinese Prefecture-Level Cities: A Spatial Econometric Analysis

  • JI Yongyue , 1, 2 ,
  • ZHANG Lijun , 1, ※ ,
  • QIN Yaochen 1 ,
  • CHEN Jilong 2 ,
  • WU Shengjun 2
Expand
  • 1. Key Laboratory of Geospatial Technology for Middle and Lower Yellow River Region，College of Environment and Planning，Henan University，Kaifeng 475004，Henan，China
  • 2. Key Laboratory of Reservoir Aquatic Environment，Chongqing Institute of Green and Intelligent Technology，Chinese Academy of Sciences，Chongqing 400714，China

Received date: 2019-07-03

  Revised date: 2019-09-08

  Online published: 2025-04-08

Fold

摘要

提高绿色发展水平是建设生态文明、促进经济转型的重要途径。文章综合运用熵权TOPSIS模型、空间自相关分析、空间杜宾模型（SDM）等方法，分析了2003—2016年我国279个地级及以上城市绿色发展水平时空分异格局及工业化、城镇化、信息化、农业现代化（以下简称“四化”）发展对其影响，结果发现：①2003—2016年城市绿色发展呈现稳进上升的趋势，社会进步逐渐取代经济发展成为城市绿色发展的主力军；空间分布上，京津冀、长三角、珠三角等地绿色发展水平较高，黑龙江、安徽、河南、四川等地则相对较低。②由于西部生态文明水平发展迅猛，而中部出现经济、社会、生态不协调发展状态，城市绿色发展水平从“东部>中部>西部”逐渐演变为“东部>西部>中部”。③城市绿色发展呈现显著的空间集聚特征，且集聚程度不断增强，低值聚集区存在一定程度的空间锁定。④整体上“四化”发展对绿色发展皆起促进作用，其中信息化影响最为显著，工业化次之。

关键词： 绿色发展水平; 时空分异; “四化”发展; SDM模型; 中国

本文引用格式

季永月 , 张丽君 , 秦耀辰 , 陈吉龙 , 吴胜军 . 中国地级及以上城市“四化”水平对绿色发展的空间计量分析[J]. 经济地理, 2020 , 40(4) : 184 -194 . DOI: 10.15957/j.cnki.jjdl.2020.04.021

Abstract

Improving the level of green development is an important way to build an ecological civilization and promote economic transformation. This paper examines the spatio-temporal dynamic patterns and domain factors of green development in 279 prefecture-level cities and above in China from 2003 to 2016 using spatial autocorrelation analysis and spatial panel econometric model. The results were as follows. Firstly,during 2003-2016,urban green development showed a steady upward trend,and social progress gradually replaced economic development as the main force of improving urban green development. The level of green development in places such as Beijing-Tianjin-Hebei,Yangtze River Delta and Pearl River Delta is relatively high,while Heilongjiang,Anhui,Henan,Sichuan are relatively low. Secondly,due to the rapid development of ecological civilization in the west,the level of green development pattern gradually evolved from "eastern>central>western" to "eastern>western>central". Third,the changing curve of Moran's I indicated that the level of green development has a continued strengthening tendency of spatial agglomeration at municipal scale. The city with lower values appeared to be space-locked to some extent. Fourthly,according to the analysis of spatial panel econometric model,it can be found that Industrialization,Urbanization,Informatization and Agricultural-modernization all have a significant positive impact on the green development,in which Informationization has the most significant impact,followed by Industrialization.

Key words： green development level; spatio-temporal pattern; the development of "four modernizations"; SDM; China

走绿色发展道路，协调人与自然、环境、资源之间的关系，已经成为当今经济发展的新形势。绿色发展作为新型发展模式和生态发展理念，强调经济、社会、自然的共生性，是一种以人为本的可持续发展方式[1⇓-3]。改革开放以来，我国经济持续增长，工业化、城镇化进程逐步加快，中国已成为世界第二大经济体。而由于我国粗放型发展方式，也造成了当下面临的资源约束趋紧、环境污染严重、生态系统退化等问题日益严峻，因此加快建设资源节约型、环境友好型社会，实现工业化、城镇化、信息化、农业现代化和绿色化“五化”协调发展，走绿色发展与生态文明的道路已成为必然的战略选择[4]。那么，十多年来中国城市绿色发展水平的时空分异格局是怎样的?地理集聚特征有何规律?是否存在空间溢出效应?“四化”进程的推进对中国绿色发展又有怎样的影响?回答这些问题，有利于探明中国绿色发展的现状，摸清从“四化”同步到“五化”协同中“绿色化”发展的成因，从而在全面推进绿色发展的新形势下为中国城市绿色发展提供一定参考。
目前，由于对绿色发展的概念理解不一，不同学者在指标选取与构建上有很大差别。一些学者从经济增长绿化度、资源环境承载潜力、政府政策支持度3个维度构建绿色发展指标体系[5⇓⇓-8]；一些学者则认为绿色发展是在资源环境容量的约束下，实现经济、社会、生态协调发展以及综合效益最大化，因此从经济、社会、环境角度来构建指标体系[9⇓⇓⇓-13]。熵值法、熵权TOPSIS法、主成分定权法、层次分析法、专家打分法是评估绿色发展水平的基本模型[5⇓⇓-8]，DEA模型、三阶段DEA模型、SBM模型、Super-SBM模型是绿色发展效率的基本测度方法[10⇓⇓-13]。传统经济学理论从经济水平、产业结构、创新能力、城市规模、环境规制角度进行影响因素分析[13-14]，地理探测器、地理加权回归分析、空间杜宾模型则是进行上述因素分析的基本手段[15]，单因素角度则主要分析创新驱动、大数据导向下地区如何实现绿色发展[16⇓-18]。
结合已有研究发现：①研究尺度上，由于能耗数据的可获得性问题，全国层面上绿色发展水平研究尚局限于省域、城市群。例如杨志江等考察了中国省际1999—2012年绿色发展效率的演变特征与区域差异，发现绿色发展效率整体上较低且呈现出东部与中西部两极化分布格局[19]，Caizhi Sun等进一步阐述了这种空间差异产生的原因[20]，黄跃等则通过研究中国城市群绿色发展水平时空演化，认为不同层级城市群中心城市与城市群绿色发展等级匹配存在异质性[9]，而鲜有对中国市级绿色发展水平进行长时间序列下的专门研究，因此本文从市级层次出发，利用遥感反演得到的城市居民生活碳排放指标替代综合能耗指标来反映城市资源利用水平。②影响因素分析上，从多个影响因素角度出发，郭永杰等采用障碍度模型得到绿色发展的制约因素具有地域差异性[6]，Chen C等采用动态面板数据模型得到技术进步和创新可以刺激工业绿色发展，而环境规制和外商投资对其影响则呈非线性“N”型趋势[14]。同样车磊等利用空间杜宾模型得到经济水平、技术创新和能源强度产生明显正向效应，产业结构则具有显著负向效应[13]。从单因素角度出发，Wei Li等利用2005—2015年中国30个省份面板数据，通过系统广义矩估计、面板分位数回归以及阈值固定效应分析得到创新驱动工业绿色发展（IGD）并揭示了IGD发育阶段与IGD创新作用之间存在倒U型关系[16]。可以看出，虽然目前已有许多文章阐述单个或多个因子对绿色发展的影响，但多集中从经济水平、产业结构、创新能力、城市规模、环境规制出发分析影响绿色发展的具体因素，而从“五化”协调角度出发分析“四化”对绿色发展水平的推动或者制约作用却被忽视。
综上，本文以2003—2016年我国279个地级及以上城市绿色发展水平为研究对象，基于熵权TOPSIS法和空间自相关分析，研究中国城市绿色发展水平的时空差异特征，并进一步利用空间杜宾模型探索“四化”对绿色发展的驱动机制，讨论在工业化、城镇化、信息化、现代农业化的进程中，城市绿色发展将会呈现怎样的态势，以期为地方“五化”平稳发展提供指导。

1 研究方法与数据来源

1.1 绿色发展水平指标体系构建

本研究分析2003—2016年中国279个地级及以上城市的绿色发展水平时空分异，并以2003—2013年数据为样本分析工业化、城镇化、信息化、农业现代化对绿色发展的推动作用。其中，绿色发展水平需要综合测度社会系统、经济系统、环境系统的共生性，结合我国实际情况，参考现有研究[5⇓⇓⇓-9]，从经济发展、社会进步、生态文明三个维度构建城市绿色发展水平评价指标体系（表1）。为使不同年份城市绿色发展水平具有可比性，本文构建23×3 906的面板数据（23个指标，279个城市×14年作为方案个数），利用熵值法得到指标权重，而后利用TOPSIS法得到一级指标层中经济发展水平贴近度、社会进步水平贴近度、生态文明水平贴近度，对于一级指标权重则参考李晓西[5]、郭永杰[6]等研究，最后进行加权得到城市绿色发展综合水平。在利用2003—2013年数据作为样本分析“四化”对城市绿色发展水平影响中，在二级指标层社会进步中加入了城乡消费差距比、城乡恩格尔系数比两个指标以更全面、综合地测度出地方社会公平水平。
表1 绿色发展水平综合评价指标体系

Tab.1 Comprehensive evaluation index system of green development

目标层 一级指标层（权重） 二级指标层 三级指标层（单位） 指标属性
绿色发展水平 经济发展
（0.33）		 经济效率 人均GDP（元/人） +
第二产业劳动生产率（元/人） -
第三产业劳动生产率（元/人） +
经济结构 产业结构高度指数[21] +
第三产业产值占GDP比例（%） +
第三产业贡献率（%） +
霍夫曼系数 +
创新能力 科技投入占财政支出比（%） +
社会进步
（0.33）		 人类发展 教育支出占财政支出比（%） +
人均教育支出（元） +
万人拥有医生数（人/万人） +
人均家庭可支配收入（元） +
社会公平 城乡收入差距比 -
城乡消费差距比* -
城乡恩格尔系数比* +
生态文明
（0.34）		 资源利用 单位GDP碳耗（kg/万元）[22] -
人均CO2排放量（kg/人）[22] -
单位工业生产总值电耗（kW·h/万元） -
单位工业生产总值水耗（t/万元） -
万元GDP建设用地面积（m2/万元） -
污染排放 工业废水排放强度（万t） -
工业SO2排放强度（t） -
工业烟（粉）尘排放强度（t） -
环境保护 人均绿地面积（m2/人） +
建成区绿化覆盖率（%） +

注：“*”由于数据的可获得性，城乡消费差距比、城乡恩格尔系数比在影响分析时加入城市绿色发展水平测度中。

1.2 “四化”影响绿色发展的分析框架

1.2.1 理论分析框架

在社会逐步发展中，从“四化”同步到“五化”协调，绿色发展的地位逐渐突显。以下分别从经济增长、社会进步、生态文明三方面讨论工业化、城镇化、信息化、农业现代化对绿色发展的影响机制。
工业化促进了经济持续稳定增长，而经济增长却以资源的大量消耗以及污染物的快速产生为代价，且工业化通过市场化方式强势吸纳农村劳动力、资金、土地等，也进一步加剧了城乡差距[23]。
城镇化是破除城乡二元结构的必经之路，也是维持经济增长的又一动力。城镇人口与产业不断积聚，消费群体规模扩大，消费潜力释放，给城乡基础设施、公共服务设施等带来了巨大需求，进而为经济发展提供了动力，同时也转移了大量农村劳动力，进一步缩小了城乡收入差距[24]。但中国快速城镇化的同时，土地过度开发、耕地资源减少以及能源消耗的增加等问题都使得城镇化的可持续性成为一个严峻考验[25]。
信息化发展有利于经济增长，它显著提高了企业的技术创新水平和劳动生产率，增加了产品的信息含量和技术附加值。在社会进步方面，信息化对科技、教育、医疗都有很强的推动作用，但由于我国目前的信息化在一定程度上仍处于城市信息化与企业信息化，农村信息化的重视力度不够[26]，使得城乡在金融、教育、制度建设乃至文化发展方面的差距进一步拉大；在生态文明建设方面，信息化有利于提升企业的技术创新水平和创新效率、提高能源使用效率和污染物处理水平、促进工业行业的产业结构调整与升级，进而带来节能减排效应。
农业现代化用现代科学技术和现代工业来装备农业，实现了以信息化带动工业化，以工业促农业发展[27]。实现农业现代化，有利于提高农业生产力、缩小城乡差距、利用有限的农业资源来获得较高的效益，因此农业现代化的良好积极发展有助于城市绿色发展。

1.2.2 “四化”指标体系构建

在“四化”指标构建方面，本文遵循指标选取的科学性、系统性、可比性等原则，并参考李裕瑞、白雪等提出的“四化”指标体系[28⇓-30]，结合数据的可获得性最终选取了以下指标来构建“四化”指数（表2）：①选取工业产出比重、工业就业率、工业劳动生产率等3项指标，从产出、就业、劳动生产率的角度来衡量地区的工业化水平；②从人口、经济、社会三个维度来综合测度地区城镇化发展指数；③选取本地固定电话普及度、移动电话普及度、宽带普及度以及邮电业务指数来从侧面刻画信息化指数；④从农业机械化水平、农业产出、农村居民生活条件这三个角度构建农业现代化发展水平。
表2 工业化、城镇化、信息化和农业现代化发展水平测度指标

Tab.2 Measurement indicators for industrialization, urbanization, informationization and agricultural modernization

一级指标 二级指标（单位） 计算方法 指标属性
工业化 工业化率（%） 工业增加值/地区生产总值 +
工业就业率（%） 第二产业就业人数/总就业人数 +
工业劳动生产率（%） 第二产业增加值/第二产业从业人数 +
城镇化 人口城镇化率（%） 非农业人口/总人口 +
城镇居民人均可支配收入（元/人） +
人均建设用地面积（m2/人） 城市建设用地面积/市辖区总人口 +
信息化 固定电话普及率（户/人） 固定电话用户数/总人口 +
邮电业务指数（万元/人） 邮电业务总量/总人口 +
移动电话普及度（户/人） 移动电话用户数/总人口 +
互联网宽带普及度（户/人） 互联网宽带接入用户数/总人口 +
农业现代化 农业劳动经济产出（元/人） 农林牧渔业总产值/第一产业从业人数 +
粮食单产（kg/hm2） 粮食产量/粮食播种面积 +
农业机械化程度（kW/hm2） 农业机械总动力/耕地面积 +
农民人均收入（元/人） +

1.3 数据来源

以上指标所需统计数据主要来源于2003—2017年《中国城市统计年鉴》、2004—2014年《中国区域经济统计年鉴》以及各省市统计年鉴以及各地市国民经济和社会发展统计公报等，个别数据如有缺失，则根据实际情况采用“均值法”或“外延法”补齐。由于2003年以来我国地级及以上城市的略微变更，加之新疆、西藏、青海、内蒙古、四川等地的自治州以及一些省份的个别城市数据缺失，最终确定以我国279个城市为研究对象。

1.4 评估方法与模型

1.4.1 熵权TOPSIS模型

优劣解距离法（TOPSIS）是一种有效的多指标评价方法，这种方法通过规范化矩阵找出多个方案中的最优解和最劣解，根据各方案与理想解和负理想解的距离来获得各方案与理想解的贴近度。但该方法对于各综合评价指标体系的权重设定分析不足，而熵权TOPSIS法则是对传统TOPSIS评价法的改进，通过熵权法确定各指标的权重，可以有效消除主观因素的影响，进而通过TOPSIS法来确定评价对象水平。熵权TOPSIS法的计算步骤如下[31-32]：
①构造23×3 906（23个指标，279个城市×14年作为方案个数）的评价矩阵： R = x i j n × m ( n = 279 ; m = 23 ; i = 1,2 , … , n ; j = 1,2 , … , m )
②对评价矩阵进行极差标准化处理：
当评价指标为正向指标时， y i j = x i j - m i n x j m a x x j - m i n x j
当评价指标为负向指标时， y i j = x m a x - x j m a x x j - m i n x j
③利用熵值法确定指标的权重wj，进一步确定权重规范化矩阵： r i j = w j · y i j ( i = 1,2 , … , n ; j = 1,2 , … , m )
④确定正理想解 S J +和负理想解 S j -： S J + = m a x r 1 j , r 2 j , … , r n j； S J - = m i n r 1 j , r 2 j , … , r n j
⑤计算各方案与正理想解（ S J +）和负理想解（ S j -）的欧氏距离： d i + = ∑ j = 1 n S i + - r i j 2， d i - = ∑ j = 1 n S i - - r i j 2
⑥计算绿色发展评价指数贴近度 C i： C i = d i - / d i + + d i -，式中 C i ∈ 0,1。 C i值越接近于1，表明评价对象越优，在本文中则表明城市的绿色发展水平越高，反之， C i值越接近于0，则评价对象越劣。

1.4.2 空间自相关分析

空间自相关作为地理学第一属性（Tobler's First Law of Geography），揭示了距离近的事物比距离远的事物相关性更强[33]。本文采用全局空间自相关（Global Moran's I）和LISA聚集图来分别度量城市绿色发展水平的空间依赖性以及空间异质性现象。
全局Moran's I测定了领域对该位置属性值的影响大小。Moran's I指数计算公式为：
G l o b a l   M o r a n ' s   I = n / ∑ i = 1 n y i - y - 2 · ∑ i = 1 n ∑ j = 1 n w i j y i - y - y j - y - ∑ i = 1 n ∑ j = 1 n w i j
全局Moran's I能够测度空间集聚度，而局部Moran's I进一步解释了冷点与热点地区：
L o c a l   M o r a n ’ s   I = y i - y - ∑ j y j - y - ∑ i y i - y - 2
式中： w i j为空间权重矩阵，本文基于面数据进行分析，因此采用一阶Queen邻近来设置空间权重； y i代表第i个城市绿色发展水平； y j代表除i城市外其它城市绿色发展水平。
本文对Moran's I检验采用正态分布检验法，Z值公式为：
Z I = I - E I V A R I
式中： E I为得到的I指数的均值； V A R I为I指数的方差。当Z值大于整体分布的右边界或小于正态分布的左边界时，拒绝零假设，可以认为该要素聚类为聚集分布；若不满足该条件，则接受零假设，可以认为该聚类为随机模式。
当通过显著性检验后，若I值大于0，则认为城市绿色发展水平的空间分布呈现正空间自相关，即相似的高值或低值更趋于集中，若I值小于0，则认为城市绿色发展的空间分布呈现负空间自相关，即相似值在空间上更趋于分散。

1.4.3 空间杜宾模型（SDM）

城市绿色发展并非是随机、独立的，而是存在空间依赖性与空间异质性，城市绿色发展与工业化、城镇化、信息化、农业现代化之间可能存在三种不同的交互效应：内生交互效应、误差项之间的交互效应、外生交互效应，在截面数据中分别对应空间滞后、空间误差以及空间杜宾三种模型[34]。同时不同区域的绿色发展水平是随时间变化的，这种面板数据可分为固定效应和随机效应模型。整合时空间效应的空间杜宾面板的一般表达式为[35]：
Y i t = ρ W Y i t + β X i t + γ W X - i t + δ W ε i t + μ i + λ t + u i t
式中：t表示时间维，t=1，2…T；Y表示被解释变量，是行向量； ρ表示空间自回归系数；W为空间权重矩阵，这里采用Queen邻接矩阵； β是k维列向量，表示k个自变量的系数，k=1，2，3，4；X是k维行向量，表示k个解释变量的观测值； X -是一个可变的解释变量矩阵； W X - i t反映相邻区域空间滞后解释变量的平均观测值； γ用以度量相邻区域的解释变量对因变量Y的边际影响； δ表示空间自相关系数； ε表示空间自相关误差项； μ i表示空间固定效应，其控制了所有空间固定且不随时间变化的变量； λ t表示时间固定效应，其控制了所有时间固定且不随空间变化的变量；u表示随机误差项。如果 δ、 γ、 ρ均等于0，则该模型简化为一般的面板模型；如果 ρ≠0， δ、 γ均等于0，则模型为空间滞后面板模型；如果 δ≠0， γ、 ρ均等于0，则模型为空间误差面板模型。

2 结果分析

2.1 城市绿色发展水平时空特征

各年份各区域绿色发展水平均值可以初步反映城市绿色发展水平随时间变化走向（图1）。总体上研究区绿色发展水平较低，总均值为0.092，但随时间推移一直处于稳健上升趋势，发展潜力大。绿色发展水平由2003年0.053升至2006年0.061，年均增长率为4.57%，相应地经济发展水平贴近度、社会进步水平贴近度以及生态文明水平贴近度年均增长率分别为6.21%、4.89%、2.83%，可见2003—2006年绿色发展水平增速较缓，经济发展水平的提高是城市绿色发展水平增长的主力军。而在2006—2016年城市绿色发展增速明显提高，年均增长率为9.05%，相应地经济发展水平贴近度、社会进步水平贴近度以及生态文明水平贴近度年均增长率分别为9.60%、12.27%、2.49%，此时社会进步增速最大，成为城市绿色发展水平提高的主导因素。
图1 2003—2016年城市绿色发展综合水平及三大要素指数变化

Fig.1 The change of urban green development and its three factor index from 2003 to 2016

结合趋势图也可看出2003—2016年城市社会进步水平稳步提升，经济发展水平稳中有进，我国经济、社会的协调发展呈现出良好态势，而生态文明一直处于较低水平并在0.063处左右摆动，相对于经济发展、社会进步指数的稳步提升，生态文明长期处于较低水平且上升趋势微弱，说明城市的绿色发展还需在生态文明建设方面下功夫，使得经济、社会、生态齐头并进，才可推动城市绿色发展产生良性效果。
按中国三大经济带将所有研究区进行划分为东中西三部[36] ① 。根据14个年份三大经济带绿色发展水平走向图（图2a）可看出2003—2009年城市绿色发展水平呈现东部远大于中部、中部略高于西部的格局，2009—2014年西部绿色发展水平与中部持平，2014—2016年西部绿色发展水平反超中部，且其增速高于中部，可预见若中部不调整绿色发展模式，2016年后中西部绿色发展水平差距将逐渐拉大。
图2 2003—2016年城市绿色发展水平及三大要素演变走势

Fig.2 The trend of urban green development level and its three major factors from 2003 to 2016

结合构成绿色发展水平的三大要素来分析东中西绿色发展差异产生的原因，可得到：经济发展水平呈现出“东部>中部>西部”的格局（图2b）；社会进步水平呈现“东部>西部>中部”的格局（图2c）；在生态文明水平走向图中（图2d），东部生态文明水平起点高且呈阶梯状波动上升，中部生态文明水平在2012年之前保持着基本的增长态势，而在2012年后逐渐回落，西部生态文明水平起色明显，从起点最低增至与东部生态文明水平相当，甚至有反超东部的趋势。说明东部在经济、社会、生态这三方面皆突显了区位的优越性，中部虽经济发展上优于西部，但在社会进步、生态文明方面还较为薄弱，结合已有研究也发现中部并没有摆脱传统的“先污染再治理”的发展模式，EKC假说在中部依旧存在[37]，因此中部应加大力度发展绿色经济，推进生态文明建设，缩小城乡差距，实施经济增长与环境保护协调发展、人与自然和谐共生的绿色发展战略。
在研究涉及的14个年份中，本文选取2003、2008、2012、2016年分析城市绿色发展水平空间分布特征（图3）。
图3 中国279个地级及以上城市绿色发展水平等级分布图

Fig.3 Grade distribution map of green development level of 279 prefecture-level cities and above in China

①绿色发展水平从东西部向中部扩散增长。2003年普遍偏低，较高水平城市分散分布于个别中心城市，如北京、上海、广州、厦门、佛山、珠海、东莞、乌海、揭阳、十堰等；2008年以原有高水平城市为中心扩散，呈片状分布于京津冀、山东半岛、长三角、珠三角地区；2012年东西部等区域的绿色发展水平提高明显，中部与东西部差异开始突显；截至2016年研究区内绝大部分城市达到了0.1及以上水平，绿色发展滞后城市则分散位于我国中部安徽、河南以及西南部的四川、北部的黑龙江等地。
②经济发展水平东西差异显著。2003、2008年空间分布与绿色发展相似，2012年东部沿海城市发展水平大幅增长，内陆地区总体水平较低，中等经济发展水平城市在中部零星出现；2016年相对于我国东中部区域经济发展水平的普遍提高，西部涨势微弱，山西、陕西、四川、云南等地仍处较低水平。
③社会进步水平首先在东、西部有所提升，而后向中部扩延，到2016年城市社会进步水平仅有甘肃武威市处于低水平状态，其余皆为中等及以上水平。从生态文明角度看，2003—2016年城市生态文明水平多位于低水平状态，说明我国城市绿色发展在资源利用、污染排放方面仍有较大提升潜力。

2.2 城市绿色发展水平空间自相关分析

基于GeoDa软件，计算2003—2016年城市绿色发展水平的全局Moran's I指数，采用蒙特卡罗方法构造正态分布以检验其显著性（图4）。该时期内城市绿色发展水平全局Moran's I指数均为正值，并均通过了95%的显著性检验，拒绝了零假设，表明在整个研究期间城市绿色发展水平存在很强的空间聚集现象。进一步观察Moran's I曲线的走势，2003—2006年Moran's I指数震荡性上升，表明城市绿色发展水平集聚程度增强，2006—2007年Moran's I指数小幅度下降，2007—2016年Moran's I指数保持平稳的增长趋势。因此，从总体上看，整个研究期间城市绿色发展水平全局Moran's I指数呈现波动型上升的趋势，表明我国城市间绿色发展水平的集聚程度逐渐增强，即距离越近的城市，绿色发展水平也越趋于相似。
图4 2003—2016年城市绿色发展水平Moran's I指数

Fig.4 Moran's I value of urban green development level from 2003 to 2016

虽然全局Moran's I统计量测度了属性值在空间上的相关性，但并未对高低值聚类情况加以区分，因此，为进一步分析城市绿色发展的空间异质性，本文采用LISA聚集图（图5）来考察中国城市绿色发展的局部聚集情况。
图5 2003—2016年279个地级及以上城市绿色发展水平LISA 集聚图

Fig.5 LISA of green development of cities at prefecture level above during 2003-2016

①高值—高值聚集（H-H）区：长三角地区热点不断向北扩散，高值聚集规模不断加强，而珠三角地区热点相对稳定，辐散度不高。2003年H-H区主要分布在东部沿海经济发达区域，主要包括山东、长三角、珠三角、闽南三角等地的23个城市；2008年位于H-H区的城市上升为27个，原有热点格局不变，江苏（镇江、南通）与山东（青岛市、威海市）等地初步上升为绿色发展热点；到2016年，位于H-H区城市发展为33个，主要表现为长三角区热点规模在逐渐扩大。
②低值—低值聚集（L-L）区：动态分布于我国中西部地区。到2016年，位于L-L区城市共有18个，分别位于四川（巴中、达州、广安、广元、南充、遂宁、宜宾）、陕西（渭南、商洛、汉中）、山西（临汾、运城）、河南（南阳）、湖北（十堰）、云南（邵通）、甘肃（天水）等。相对于沿海城市，这些城市多交通闭塞，科技水平、资源利用率有待提高，部分城市尚处于工业化、城镇化发展中期乃至初期阶段，因此形成了城市绿色发展冷点聚集的状态[38]。值得注意的是，四川的巴中、达州、广安、宜宾，陕西的渭南等城市一直处于L-L区，说明以上城市绿色发展低值聚集具有一定的空间锁定，因此应结合地方特点因地制宜地探索出打破低值锁定的绿色发展模式。
③高值—低值聚集（H-L）区和低值—高值聚集（L-H）区：H-L区与L-H区的城市较少，且一直处于动态变化中。2016年，位于L-H区的城市仅有1个，为福建的宁德市；位于H-L区的城市有3个，分别为北京市、内蒙古的鄂尔多斯市以及云南的玉溪市，说明这些城市的绿色发展与周边城市仍存在较大的差异。

2.3 影响因素分析

为分析“四化”对城市绿色发展的影响机制，本文分别以绿色发展水平、经济发展水平、社会进步水平和生态文明水平作为被解释变量构建四个面板模型，其普通面板模型结果见表3。Elhorst提供的运行程序同时给出无固定效应、空间固定效应、时间固定效应及双向固定效应面板模型的估计结果。一般而言，R2、Log-L、DW值、σ2是确定模型的重要指标。R2、Log-L越大，σ2越小，DW值越接近2，说明模型的拟合效果越好。通过对比分析这六个指标，最终确定模型1、3选择时间固定效应模型，模型2、4选择无固定效应模型。进一步对模型的空间相关性进行检验，模型1、3的R-LMlag和R-LMerror都通过了1%的显著性检验，表明模型存在空间自回归与空间残差相关性，因而需要考虑采用SDM估算和检验结果（表4）。模型空间滞后与空间误差的Wald检验（Wald_spatial_lag和Wald_spatial_error）均通过1%的显著性检验，拒绝了原假设，SDM模型不能简化为SLM或SEM，所以应采用SDM模型分析其影响因素。
表3 传统混合面板数据模型估计结果

Tab.3 Model estimation results for traditional hybrid panel data

绿色发展模型（1） 经济发展模型（2） 社会进步模型（3） 生态文明模型（4）
变量 无固定效应 空间固定效应 时间固定效应 双向固定效应 无固定效应 空间固定效应 时间固定效应 双向固定效应 无固定效应 空间固定效应 时间固定效应 双向固定效应 无固定效应 空间固定效应 时间固定效应 双向固定效应
Industrialization 0.195*** 0.35*** 0.129*** 0.06*** 0.266*** 0.25*** 0.239*** 0.05*** 0.222*** 0.65*** 0.065*** 0.06*** 0.100*** 0.15*** 0.083*** 0.09***
Urbanization 0.007*** 0.19*** 0.023*** 0.04*** 0.007*** 0.21*** 0.014*** 0.10*** 0.039*** 0.42*** 0.074*** 0.10*** -0.023*** -0.06** -0.018*** -0.10***
Informationization 0.535*** 0.54*** 0.517*** 0.33*** 0.602*** 0.49*** 0.594*** 0.33*** 0.877*** 0.97*** 0.838*** 0.57*** 0.138*** 0.15*** 0.129*** 0.09***
Ag_modernization 0.212*** 0.26*** 0.057*** 0.07*** 0.270*** 0.27*** 0.202*** 0.13*** 0.364*** 0.49*** -0.004 0.08*** 0.007 0.03** -0.024 -0.001
R2 0.651 0.54 0.636 0.13 0.628 0.47 0.576 0.12 0.594 0.56 0.637 0.14 0.057 0.05 0.039 0.01
Log-L 6 767 7 491 7 835 8 163 6 105 7 305 7 225 7 569 4 886.7 5 661.6 7 025.4 6 731.8 5 978.6 6 752.0 7 104.8 6 772.5
DW 1.595 1.69 2.009 1.97 2.019 1.85 2.072 1.96 1.283 1.51 2.014 2.01 1.985 2.01 2.000 2.01
δ2 0.001 0.00 0.001 0.00 0.001 0.00 0.001 0.00 0.002 0.00 0.001 0.00 0.001 0.00 0.001 0.00
LMlag 772*** 1161*** 289*** 414*** 540*** 952*** 483*** 709*** 1 474*** 1 620*** 433.6*** 566.2*** 4.343** 2.6 1.4 0.01
R-LMlag 230*** 740*** 108*** 118*** 302*** 517*** 231*** 162*** 173*** 886*** 42.8*** 130.2*** 0.003 9.8*** 0.8 0.37
LMerror 636*** 456*** 185*** 317*** 238*** 458*** 253*** 568*** 1711*** 744*** 509.8*** 449.4*** 5.129** 1.1 1.7 0.03
R-LMerror 94.72*** 35.45*** 4.309** 20.59*** 0.151 23.48*** 0.714*** 21.96 409.6*** 10.5*** 119.0*** 13.4*** 0.8 8.3*** 1.2 0.4

注：***、**和* 分别表示1%、5%和10%的显著性水平。表4同。

表4 SDM的估计与检验结果

Tab.4 Model estimation results for SDM

变量 Green_development
时间固定效应
SDM-模型1		 Economic_development
无固定效应
OLS-模型2		 Social_progress
时间固定效应
SDM-模型3		 Ecological_civilization
无固定效应
OLS-模型4
Industrialization 0.106*** 0.266*** 0.039* 0.100***
Urbanization 0.031*** 0.007 0.083*** -0.023***
Informationization 0.462*** 0.602*** 0.771*** 0.138***
Ag_modernization 0.027** 0.270*** -0.027 0.007
WIndustrialization 0.092*** 0.127***
WUrbanization -0.012 -0.018
WInformationization 0.255*** 0.368***
WAg_modernization 0.101*** 0.015
WGreen_devlopment -0.236*** -0.236***
R2 0.736 0.628 0.760 0.057
Adj R2 0.644 0.637
Wald_spatial_lag 283.987*** 173.805***
Wald_spatial_error 145.701*** 67.030***
Hausman test probability 125.809*** 199.669***
根据四个面板模型结果（表4）可以发现，“四化”对城市绿色发展均起正向促进作用，且其空间滞后项对城市绿色发展也会产生积极的影响，具体如下：
①空间溢出效应显著。绿色发展水平的空间滞后系数为显著负值，说明城市绿色发展水平存在着空间滞后溢出且这种溢出来源于社会进步水平的空间滞后溢出效应。周边城市绿色发展水平每提高1%，本市便会下降0.236%，表明城市间绿色发展呈现相互排斥状态，大多城市的绿色发展能力尚处于独善其身状态，暂且无法产生“涓滴”效应。
②信息化。信息化是促进城市经济发展、社会进步、生态文明的主导因素，当城市信息化水平每提升1个百分点，城市经济发展、社会进步、生态文明水平分别提高0.602%、0.771%、0.138%，说明信息化的巨大需求驱使信息技术高速发展，融入了人们社会生活的方方面面，从而推动引领了当代社会的协调发展。
③工业化。工业化的弹性系数为0.106，空间滞后项弹性系数为0.092，表明本市与周边城市工业化水平的提高都有利于本市绿色发展。其中，工业化对经济发展、社会进步、生态文明都产生了积极的影响，且对经济发展的影响最大，对生态文明影响次之，而对社会进步影响微弱。
④城镇化。城镇化对经济发展的影响并不显著，而对社会进步影响较大，当城市信息化水平提高1%，城市社会进步水平会相应地提升0.083%，但城镇化对城市生态文明建设影响为负，说明城镇化虽有利于城市基础设施建设进而缩小城乡差距，但研究期间城镇规模的扩大、城市的资源开发等会对城市生态文明建设起消极作用。
⑤农业现代化。农业现代化水平与经济发展呈显著正相关关系，而对社会进步、生态文明建设的作用并不显著。农业现代化水平每提升1%，经济发展水平会上涨0.027%，说明农业作为基础性行业，其生产关系涉及许多二、三产行业，是我国潜在的经济增长点，而农业现代化发展更是进一步提升了农业劳动生产率。

3 结论

通过从经济发展、社会进步、生态文明三个方面构建城市绿色发展指标体系，运用熵权TOPSIS方法得到2003—2016年我国279个地级及以上城市绿色发展水平，进一步利用空间自相关分析及空间杜宾模型进行时空分异及影响因素分析，可以得到：
①中国城市绿色发展水平较低，但发展趋势良好，发展潜力较大。时间分布上，2003—2016年中国城市绿色发展水平呈稳进上升的趋势，社会进步逐渐取代经济发展成为提高绿色发展水平新的主力军；区域上，2003—2009年城市绿色发展水平呈现“东部>中部>西部”的格局，2009—2014年西部绿色发展水平与中部持平，2014—2016年西部绿色发展水平反超中部，中部绿色发展水平落后于东、西部的主要原因是生态文明、社会进步水平并未跟上城市经济发展的脚步，中部仍需探索一条生态、文明、社会协同的绿色发展之路；空间分布上，京津冀、闽南三角、长三角、珠三角地区绿色发展水平一直处于较高状态，而我国北部黑龙江、中部的安徽、河南以及西南部的四川等地绿色发展水平还相对较低。
②中国城市间绿色发展水平呈现出显著的地带性空间集聚特征。HH集聚的城市主要分布在长三角、珠三角、山东半岛地区，并形成辐射圈带动周边城市绿色发展，LL集聚的城市则主要位于四川、山西、陕西等地，且随着时间的推移集聚程度有明显增强的趋势，并有一定程度的空间锁定现象。因此，应因地制宜地、有效地开展城市绿色发展工作。对于东部城市，要利用好自身区位以及政策支持力度大的优势，发展新兴绿色产业，刺激绿色经济发展，在实现自身绿色发展的同时带动周边城市绿色发展水平提高；对于中西地区应加大政府政策支持力度，对地区的经济、科技、产业转型等给与扶持以提高城市绿色发展能力，努力缩小城市间绿色发展水平的差异。
③“四化”对城市绿色发展水平的提高均有显著促进作用，信息化对城市绿色发展影响最为显著，工业化次之。其中，信息化通过刺激经济发展、社会进步、生态文明水平进而促进绿色发展，工业化、现代农业化的提升有利于经济发展，城镇化水平提高促进社会进步进而实现绿色发展。综上，城市的绿色发展实际上追求的是“五化”协调发展，绿色发展始终贯穿于工业化、城镇化、农业现代化，而追求这三化发展的绿色化必然要求能源效率的提升，或者说技术进步。因此，未来中国的“五化”协调发展应该以“绿色化”为契机，以“信息化”为抓手，以“城镇化”为基础，以“工业化”为动力，以“农业化”为突破口，结合各个城市绿色发展现状，采取不同的人地协调发展战略。
④城市之间绿色发展呈现相互排斥状态，且这种排斥主要源于社会进步的空间溢出效应。教育、医疗配置状况以及居民收入水平等民生问题对中国城市的社会进步至关重要，众多中小城市主要依靠国家财政转移支付来提高社会发展水平，因而造成本市的绿色发展水平特别是社会发展水平提高引起周边城市的随之降低。城市间绿色发展存在极化效应，并未形成良好的竞争合作关系。因此，中小城市地方决策部门应该转变观念，创造良好的制度环境促进教育、医疗等民生行业的发展，借助互联网优势提高居民收入。中央政府应该根据城市规模以及城市公共服务部门发展现状，因地制宜地进行财政转移支付，同时要精细化管理财政支付转移绩效，确保地方公共服务部门资金转款专用。公平、有效地促进政策、资源等在城市间合理分配，进而能促进城市间绿色发展产生良性互动。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Yang Y, Liu Y. Progress in China’s sustainable development research:contribution of Chinese geographers[J]. Journal of Geographical Sciences, 2016, 26(8):1176-1196.

[2]
胡鞍钢, 周绍杰. 绿色发展:功能界定、机制分析与发展战略[J]. 中国人口·资源与环境, 2014, 24(1):14-20.

[3]
Fay M, Hallegatte S, Bank W. Inclusive Green Growth:The Pathway to Sustainable Development[M]. Washington D C: World Bank, 2012.

[4]
卢风. 绿色发展与生态文明建设的关键和根本[J]. 中国地质大学学报:社会科学版, 2017, 17(1):1-9.

[5]
李晓西, 潘建成. 中国绿色发展指数的编制——《2010中国绿色发展指数年度报告——省际比较》内容简述[J]. 经济研究参考, 2011(2):36-64.

[6]
郭永杰, 米文宝, 赵莹. 宁夏县域绿色发展水平空间分异及影响因素[J]. 经济地理, 2015, 35(3):45-51,8.

[7]
马勇, 黄智洵. 长江中游城市群绿色发展指数测度及时空演变探析——基于GWR模型[J]. 生态环境学报, 2017, 26(5):794-807.

[8]
曾贤刚, 毕瑞亨. 绿色经济发展总体评价与区域差异分析[J]. 环境科学研究, 2014, 27(12):1564-1570.

[9]
黄跃, 李琳. 中国城市群绿色发展水平综合测度与时空演化[J]. 地理研究, 2017, 36(7):1309-1322.

DOI

[10]
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):110-117.

[11]
李爽, 董玉琛. 基于三阶段DEA模型的我国绿色发展水平的研究[J]. 管理现代化, 2019(2):63-66.

[12]
张泽义, 罗雪华. 中国城市绿色发展效率测度[J]. 城市问题, 2019(2):12-20.

[13]
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):1788-1798.

DOI

[14]
Chen C, Han J, Fan P. Measuring the level of industrial green development and exploring its influencing factors:empirical evidence from China’s 30 provinces[J]. Sustainability, 2016, 8(2):153.

[15]
丁志伟, 张改素, 王发曾, 等. 中国工业化、城镇化、农业现代化、信息化、绿色化“五化”协调定量评价的进展与反思[J]. 地理科学进展, 2016, 35(1):4-13.

DOI

[16]
Li W, Wang J, Chen R X, et al. Innovation-driven industrial green development:The moderating role of regional factors[J]. Journal of Cleaner Production, 2019, 222:344-354.

[17]
Zhang J X, Chang Y, Zhang L X, et al. Do technological innovations promote urban green development?A spatial econometric analysis of 105 cities in China[J]. Journal of Cleaner Production, 2018, 182:395-403.

[18]
Li C, Wang C X. Green Development assessment of smart city based on PP-BP intelligent integrated and future prospect of big data[J]. Acta Electronica Malaysia, 2017, 1(1):1-4.

[19]
杨志江, 文超祥. 中国绿色发展效率的评价与区域差异[J]. 经济地理, 2017, 37(3):10-18.

[20]
Sun C Z, Tong Y L, Zou W. The evolution and a temporal-spa-tial difference analysis of green development in China[J]. Sustainable Cities and Society, 2018, 41,52-61.

[21]
关伟, 许淑婷. 辽宁省能源效率与产业结构的空间特征及耦合关系[J]. 地理学报, 2014, 69(4):520-530.

DOI

[22]
Zhao J C, Ji G X, Yue Y L, et al. Spatio-temporal dynamics of urban residential CO2 emissions and their driving forces in China using the integrated two nighttime light datasets[J]. Applied Energy, 2019, 235,62-614.

[23]
唐浩. 中国特色新型工业化的新认识[J]. 中国工业经济, 2014(6):5-17.

[24]
丁焕峰, 刘心怡. 城镇化背景下城乡收入差距的时空演化[J]. 经济地理, 2017, 37(4):32-41.

[25]
Li Y, Jia L, Wu W, et al. Urbanization for rural sustainability-Rethinking China’s urbanization strategy[J]. Journal of Cleaner Production, 2018, 178,580-586.

[26]
杨艺, 朱翠明, 王霞. 我国农业信息化建设存在的问题、成因与发展对策研究[J]. 情报科学, 2019, 37(5):53-57.

[27]
黄祖辉. 农业现代化:理论、进程与途径[M]. 北京: 中国农业出版社, 2003.

[28]
李裕瑞, 王婧, 刘彦随, 等. 中国“四化”协调发展的区域格局及其影响因素[J]. 地理学报, 2014, 69(2):199-212.

DOI

[29]
白雪, 宋玉祥, 浩飞龙. 东北地区“五化”协调发展的格局演变及影响机制[J]. 地理研究, 2018, 37(1):67-80.

DOI

[30]
欧沙, 罗晓霞, 彭文武, 等. 基于“五化”指数和空间自相关性的湖南地州市经济发展相关性分析研究[J]. 经济地理, 2019, 39(6):1-12.

[31]
杜挺, 谢贤健, 梁海艳, 等. 基于熵权TOPSIS和GIS的重庆市县域经济综合评价及空间分析[J]. 经济地理, 2014, 34(6):40-47.

[32]
郭付友, 侯爱玲, 佟连军, 等. 振兴以来东北限制开发区绿色发展水平时空分异与影响因素[J]. 经济地理, 2018, 38(8):58-66.

DOI

[33]
David O’S. 地理信息分析[M]. 赵永,等译. 北京: 科学出版社, 2013.

[34]
姜磊, 柏玲. 空间面板模型的进展:一篇文献综述[J]. 广西财经学院学报, 2014, 27(6):1-8.

[35]
程叶青, 王哲野, 张守志, 等. 中国能源消费碳排放强度及其影响因素的空间计量[J]. 地理学报, 2013, 68(10):1418-1431.

DOI

[36]
凌纯锡, 林发棠, 陈民. 关于我国三大经济地带的划分问题[J]. 计划经济研究, 1986(2):53-57.

[37]
董锁成, 史丹, 李富佳, 等. 中部地区资源环境、经济和城镇化形势与绿色崛起战略研究[J]. 资源科学, 2019, 41(1):33-42.

DOI

[38]
彭程, 陈志芬, 吴华瑞, 等. 基于ESDA的城市可持续发展能力时空分异格局研究[J]. 中国人口·资源与环境, 2016, 26(2):144-151.

Options
文章导航

/

〈 〉