EN中文

Economic geography >

2024 , Vol. 44 >Issue 3: 178 - 188

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.03.018

Spatial-temporal Pattern of Ecological Well-Being Performance Level and Its Influencing Factors in Bohai Sea Rim Region

  • ZHAO Lin , 1, 2 ,
  • CAO Naigang 1, 3 ,
  • GAO Xiaotong 1 ,
  • HAN Zenglin , 2, ※
Expand
  • 1. School of Geography and Tourism，Qufu Normal University，Rizhao 276826，Shandong，China
  • 2. Institute of Marine Sustainable Development，Liaoning Normal University，Dalian 116029，Liaoning，China
  • 3. School of Geographical Sciences，Southwest University，Chongqing 400715，China

Received date: 2022-02-14

  Revised date: 2023-06-20

  Online published: 2024-09-12

Fold

Abstract

This paper constructs an evaluation index system of ecological well-being performance,uses the Super-EBM model to quantitatively measure the ecological well-being performance of the Bohai Sea Rim region from 2006 to 2021,and analyzes the spatial-temporal pattern of ecological well-being performance and its influencing factors by the means of the spatial variogram function,spatial autocorrelation analysis and MGWR model. The results show that: 1) The ecological well-being performance in the Bohai Sea Rim region shows a fluctuating upward trend from 2006 to 2021,the overall level of ecological well-being performance is low,the growth rate is extremely slow,and there is a decoupling problem with economic growth. 2) The spatial differentiation of ecological well-being performance in the Bohai Sea Rim region has experienced a process of decreasing and then increasing,with the largest spatial differences in the northeast-southwest direction. The Jiaodong Peninsula and Beijing are high-value distribution areas,and the low-value areas are distributed in the Mid-southern Liaoning urban agglomeration and the economic belt of southern Shandong Province. 3) There is a significant positive spatial autocorrelation in the ecological well-being performance of the Bohai Sea Rim,and the spatial autocorrelation tends to increase over time. The hotspots are distributed in Beijing-Tianjin and Jiaodong Peninsula and form a double-core structure,and the coldspots are contiguously distributed in Liaoning and southwest of Shandong. 4) There is significant spatial heterogeneity in the direction and intensity of the influences on ecological well-being performance. Economic development level and government administrative capacity have positive effects on the ecological well-being performance,industrial structure and opening-up level have significant stage characteristics,environmental regulation and urbanization level have a negative effect on the ecological well-being performance.

Key words： ecological well-being performance; people's well-being; MGWR model; industrial structure; environmental regulation; Bohai Sea Rim region

Cite this article

ZHAO Lin , CAO Naigang , GAO Xiaotong , HAN Zenglin . Spatial-temporal Pattern of Ecological Well-Being Performance Level and Its Influencing Factors in Bohai Sea Rim Region[J]. Economic geography, 2024 , 44(3) : 178 -188 . DOI: 10.15957/j.cnki.jjdl.2024.03.018

环渤海地区是中国经济三大增长极之一，包括北京、天津、河北、山东和辽宁2市3省，面积约52.38万km2，占全国陆地总面积的5.46%，总人口约2.54亿人，对中国北方地区乃至整个东北亚经济区起到关键支撑作用[1]。党的十八大以来，重大国家战略中的京津冀协同发展、东北老工业基地全面振兴、黄河流域生态保护和高质量发展战略在此交汇，环渤海地区在国家区域协调发展战略中的地位日益显著。然而，作为中国最大的工业密集区，区域内重工业比重过高、资源消耗强度大、环境污染严重以及生态系统退化等问题仍十分严峻；此外，环渤海地区发展不平衡不充分的问题也较为显著，城乡差距明显，人均可支配收入与长三角、珠三角地区差距较大，这些问题严重掣肘了环渤海地区的民生福祉改善和社会经济可持续发展[2]。建设生态文明和增进民生福祉成为“十四五”期间环渤海地区实现高质量发展的客观要求。生态福利绩效作为包含生态环境与民生福祉的综合评价指标，是衡量经济社会高质量发展的重要依据。因此，科学评价环渤海地区生态福利绩效，识别其时空格局演变特征及影响因素，对于环渤海地区建立生态环境保护和民生福祉改善的跨区域协同机制具有重要意义。
生态福利绩效的研究最早可追溯至Daly提出的稳态经济理论[3]。在此基础上，诸大建首次系统界定了生态福利绩效概念，将其定义为单位生态资源消耗转化为福利水平的效率[4]。随着联合国2030可持续发展目标的公布，生态福利绩效逐渐成为评估区域可持续发展能力的重要指标，综合评价生态福利绩效得到学者重点关注。早期研究多采用比值法对生态福利绩效进行评价，如Common和Dietz等采用快乐生活寿命、预期寿命与生态足迹之比对生态福利绩效进行量化[5-6]；诸大建和和Feng Y等进一步采用人类发展指数与生态足迹的比值开展测算[7-8]。近年来基于投入产出视角的相对效率评价法在生态福利绩效评价中得到广泛应用，学者们多从资源消耗、福利产出和环境污染等多个方面选取投入产出指标进行生态福利绩效的测评，参数法SFA（Stochastic Frontier Analysis）模型和非参数法DEA（Data Envelopment Analysis）模型是常用工具[9-11]。如肖黎明和徐维祥等应用SFA模型对生态福利绩效进行了定量测度[12-13]；龙亮军和Li等采用超效率DEA模型和Malmquist指数等方法定量评价了不同地域单元的生态福利绩效[14-15]，尤其是非径向SBM（Slacks-Based Measure）模型应用最为广泛[16-17]。然而，非径向SBM模型在测算过程中容易损失投入或产出目标值与实际值之间的比例信息，往往会造成生态福利绩效值被低估[18]。
从地理学视角解析生态福利绩效的时空演变规律对于实现生态福利绩效的跨区域协同提升具有重要参考价值，因此得到学者较多关注。例如，方时姣等发现中国省域尺度生态福利绩效具有明显空间非均衡特征并表现出较强的空间相关性[19]；郭炳南、肖黎明和王喜平等通过对长江流域、黄河流域和京津冀等典型地域研究表明生态福利绩效存在正向空间自相关性[20-22]。此外，厘清生态福利绩效的影响因素及其作用机理，能够更为有效地提高政策工具的靶向性，学者对此也开展了较多探析。目前多采用Tobit模型[23]、LMDI模型[24]、灰色关联模型[25]、空间杜宾模型[26-27]和空间β收敛检验[28]等方法对影响因素进行识别。总体上认为经济基础[19]、产业结构[26]、对外开放[27]、环境规制[29]等因素对生态福利绩效具有不同程度和方向的影响效应。需要说明的是，对上述影响因素的研究多从全局视角进行分析，忽视了地区间自然基底和社会经济背景的差异。事实上，各因素对生态福利绩效的影响并非均质，其作用方向及强度存在显著的空间差异。为此，近年来部分学者采用经典地理加权回归（GWR）模型等方法对生态福利绩效影响因素的时空异质性问题进行了初步探索[30]。
综上可知，现有学者围绕生态福利绩效评价、时空演变及影响机制等主题进行了较为深入的探索，为本文提供了较好的参考，但仍存在部分不足有待深化。首先，生态福利绩效的评估模型尚有优化空间。现有以非径向为基础的SBM模型在生态福利绩效测算过程中缺失了效率前沿投影值的原始比例信息，存在绩效值低估的风险，而包含径向和非径向两类距离函数的EBM（Epsilon-Based Measure）模型可以很好弥补SBM模型的缺憾，有效提高了评估结果的准确性[31]。然而，利用EBM模型进行生态福利绩效评估的案例仍有待丰富和拓展。其次，生态福利绩效影响因素的空间异质性分析有待进一步深化。现有研究多忽视了影响因素效应的空间非平稳性与异质性，即便部分学者已采用经典GWR模型对生态福利绩效影响因素的空间异质性进行了分析，但多忽视了影响因素的尺度差异。多尺度地理加权回归（MGWR）模型通过允许各变量带宽对GWR模型进行优化，可以更好地揭示影响因素在空间上作用尺度及影响效应的异质性，提高了回归结果的精确性[32]，但目前仍鲜有学者将其应用于生态福利绩效研究主题。鉴于此，本文以环渤海地区为研究区域，通过构建生态福利绩效评价指标体系，采用超效率EBM模型对生态福利绩效进行综合评价，在此基础上利用空间变差函数和空间自相关分析刻画其时空格局演变特征，最后应用MGWR模型从空间异质性视角识别影响因素，为环渤海地区制定生态福利绩效差异化提升策略提供参考。

1 研究方法与数据来源

1.1 研究区概况与数据来源

环渤海地区包括北京、天津、河北、山东和辽宁2市3省，2021年GDP达到207035.9亿元，占全国比重达18.1%。作为中国重要的经济地理单元，环渤海地区重工业比重较高，能源消耗量和污染物排放量均较大，2021年能源消费总量和工业固体废物产生量均占全国的20%以上，对资源环境形成较大压力。此外，环渤海地区城乡收入差距较大，社会经济发展不平衡不充分的问题明显，民生福祉水平亟待提升。因此，开展环渤海地区生态福利绩效研究对于环渤海地区的绿色转型与民生福祉改善具有重要意义。
本文选取环渤海地区的43个地级及以上行政单元为研究案例地，研究时段为2006—2021年，数据来源于2007—2022年《中国城市统计年鉴》《中国城市建设统计年鉴》、各地市统计年鉴、国民经济和社会发展统计公报及EPS数据库。由于莱芜市于2019年1月纳入济南市行政范围，为保证研究单元的一致性，将莱芜市2006—2018年的数据纳入济南市进行计算。

1.2 生态福利绩效评价指标体系

梳理既有生态福利绩效评价指标体系[14-16]可知：投入方面多从土地、水资源和能源资源等方面选择具体指标；产出方面多以人类发展指数为期望产出，以环境污染物为非期望产出进行度量。从社会福利的主要内容和社会经济活动过程来看，现有的评价指标体系有待进一步完善。①现有的期望产出指标不能全面反映民生福祉改善程度，对居民消费、享受到的基本公共服务以及绿色福利等考虑不足；②非期望产出方面，目前仅考虑到了环境因素，未纳入社会方面的非期望因素，例如收入差距和发展机会的不平等因素。基于上述分析，在借鉴现有评价体系基础上，遵循指标选取的科学性、系统性及数据可获取性等原则构建了生态福利绩效评价指标体系。具体如下：
①投入指标：将土地资源、水资源和能源资源纳入生态资源消耗指标，分别以人均建成区面积（m2）、人均用水量（m3）和人均用电量（kW·h）进行表征。
②产出指标：包括期望产出和非期望产出。其中，期望产出包含经济产出和社会产出，经济产出选取人均GDP（元/人）和职工平均工资（元），为避免价格因素的影响，上述2个指标均以2006年为基期进行了不变价处理；社会产出主要从居民消费、医疗卫生、教育服务、基础设施建设、公共文化服务和环境保护等维度出发，分别选取人均社会消费品零售总额（元/人）、万人均医生数（人/万人）、普通中小学师生比（%）、人均道路长度（m/人）、万人均图书馆藏书量（册/万人）、人均绿地面积（m2/人）、建成区绿化覆盖率（%）7个具体指标表征。非期望产出分为环境和社会非期望产出两方面，其中环境非期望产出选取人均工业废水排放量（t/人）和人均SO2排放量（t/人）；社会非期望产出选取城乡居民收入比（%）和失业率（%）。由于DEA模型对指标数量的限制，因此采用熵值法对各二级指标数据进行了折算处理。

1.3 研究方法

1.3.1 超效率EBM模型

Tone K等[31]构建的包含径向和非径向两类距离函数的混合EBM（Epsilon-Based Measure）模型，该模型有效解决了传统的径向或非径向模型对效率测度的误差问题，同时为处理非期望产出要素和决策单元的排序问题，本研究采用考虑非期望产出的、非导向、规模报酬不变的超效率EBM模型进行绩效测度，具体公式见相关文献[33]。

1.3.2 空间变差函数

空间变差函数又称半变异函数，是描述区域化变量随机性和结构性的基本方法，也是分析空间变异规律和空间结构特征的重要手段[34]。本文采用空间变差函数对环渤海地区生态福利绩效的空间分异规律进行分析，具体公式见相关文献[34]。

1.3.3 空间自相关分析

本文采用全局空间自相关方法对环渤海地区生态福利绩效的空间相关性进行检验，其中空间权重矩阵选用一阶Queen邻接矩阵。在此基础上，采用Getis-Ord Gi*指数进行冷热点分析，以识别局部空间集聚特征，具体公式见文献[35]。

1.3.4 MGWR模型

经典地理加权回归模型（GWR）是基于固定的带宽进行回归分析，各影响因子的空间异质尺度相同，可能会导致回归结果不稳定。因此，Fotheringham A S [32]对经典地理加权回归模型进行改进，提出多尺度地理加权回归（MGWR）模型，模型假设每个指标内部的局部关系在相同的空间尺度上是不同的，即数据范围的带宽可能会不同。计算公式如下：
E i = ∑ j = 1 n β b w j u i , ν i X i j + ε i
式中：Ei是样本点i的生态福利绩效值；βbwj表示不同带宽水平下不同变量j的回归系数； u i , ν i为第i个样本点的空间坐标；Xij为变量j在i处的观测值；εi为随机误差项。

2 结果分析

2.1 时间序列特征

基于考虑非期望产出的超效率EBM模型计算得到2006—2021年环渤海地区的生态福利绩效值，并采用自然断裂点法将研究期内所有年份的生态福利绩效值划分为低水平（0.213~0.421）、较低水平（0.422~0.555）、中等水平（0.556~0.689）、较高水平（0.690~0.856）和高水平（0.857~1.034）5级。根据测度结果与等级划分，绘制形成环渤海地区生态福利绩效演变趋势图与各等级占比图（图1）。由图1可知：2006—2021年环渤海地区生态福利绩效均值由0.538上升至0.604，总体呈缓慢增长态势，同时存在显著的阶段性波动特征。具体而言：2006—2009年为迅速提升阶段，生态福利绩效均值由0.538上升至0.569，2009—2011年生态福利绩效水平出现下降，2011—2015年生态福利绩效值稳步上升，2015—2021年生态福利绩效在经历“W”字型振荡后升至研究期最高值0.604。各等级占比方面，研究期内以中低水平为主，占比始终维持在75%以上，较高水平和高水平类型占比较低，其中高水平类型占比始终低于10%，说明环渤海地区生态福利绩效整体处于低水平阶段，存在较大的提升空间。通过分析生态福利绩效的增速可以发现，0.7%的年均增速远低于同期经济增速，说明当前发展模式下的经济增长难以对生态福利绩效提升起到显著带动作用。
图1 2006—2021年环渤海地区生态福利绩效演变趋势

Fig.1 The evolution trend of ecological well-being performance in Bohai Sea Rim region from 2006 to 2021

2.2 空间分异特征

选取2006、2013和2021年的数据，运用GS+9.0软件计算得到空间变差函数表征参数（表1），并根据变差函数的拟合结果进行Kriging插值（图2）。依据变差函数的拟合优度，对2006和2021年的空间变差函数采用指数模型进行拟合计算，2013年运用球形模型进行拟合计算。
表1 环渤海地区生态福利绩效变差函数拟合参数

Tab.1 The parameter of ecological well-being performance in Bohai Sea Rim region

年份 拟合参数 分维数
模型 块金值 基台值 块金系数 全方向 南—北 东北—西南 东—西 东南—西北
2006 指数 0.0155 0.0448 0.6539 1.825 1.839 1.827 1.807 1.783
2013 球形 0.0012 0.0214 0.9463 1.946 1.990 1.956 1.852 1.835
2021 指数 0.0033 0.0221 0.8534 1.835 1.740 1.736 1.798 1.887
图2 环渤海地区生态福利绩效空间演变Kriging插值

Fig.2 Spatial variation function result of ecological well-being performance on Kriging interpolation

由表1可知：①空间变差函数的块金值和基台值呈先减小后增大的变化特征，表明环渤海地区生态福利绩效的空间分异程度经历了先减小后增大的过程；块金系数表现出先增加后减小的特征，说明环渤海地区生态福利绩效由外部随机因素所引起的空间分异先扩大后缩小，而由内部空间相关性所造成的结构性分异先缩小后扩大。②从分维数来看，全方向分维数整体呈上升趋势，表现出波动变化特征，说明在全方向上的均质程度有所提高，空间分异尺度有所下降，空间差异性主要表现在微观上，中观和宏观尺度上的空间差异对整体结构差异的影响逐渐下降。而4个方向的分维数均表现出波动变化特征，其中东南—西北方向有所上升，其余3个方向的分维数均表现出下降趋势，反映出其空间差异呈扩大态势。在研究期末，东南—西北方向分维数最接近均衡分布的临界值2，空间差异最小；而东北—西南方向的分维数最小，表现出最为显著的空间差异，说明环渤海地区生态福利绩效的空间差异主要体现在东北—西南方向上。
由图2可知：环渤海地区生态福利绩效空间格局整体呈非均衡分布结构，整体结构随时间演化呈现出从双峰分布到多峰耸立的变化过程。具体来说，2006年表现出双峰分布的特征，两大主峰分布于东南和西北地区，在形态上呈现出波峰较缓且面积广阔的特征，东北和西南地区则形成低值塌陷区；2013和2021年均表现出多峰分布的空间特征，各波峰表现出面积小且坡度陡的形态特征，低值区在上述阶段占据了绝大多数面积，表现出显著的低水平“俱乐部趋同”特征。因此，环渤海地区生态福利绩效存在显著的空间差异特征，如何遏制地区间失衡现象的加剧成为亟需解决的问题。

2.3 空间格局特征

结合自然断裂点分类结果，选取2006、2013和2021年数据绘制生态福利绩效空间格局图（图3）。由图3可知：2006—2021年生态福利绩效存在显著的空间分异特征，逐渐由各类型交错分布向同类型连片分布演进。具体而言，2006年低水平地区主要分布于冀南和辽宁中部城市群，鲁中和辽西形成较低水平集聚区；中等水平散布于各省的边缘地区；较高水平和高水平地区主要分布于胶东半岛及各省交界处。2013年环渤海地区生态福利绩效进一步提升，低水平地区显著减少，辽宁中部城市群的部分地市形成低值塌陷区，较低水平类型集中于河北西部，形成自天津至阜新延伸的东南—西北向低水平集聚带；中等水平集中在鲁西北和冀北地区；较高水平集中于胶东半岛，北京和铁岭属于高水平类型。2021年低水平地区集中于辽中南，较低水平类型分布趋于分散；中等水平类型分布范围较广，形成自鲁东南至冀中的连绵分布带；较高水平和高水平地区主要分布在北京及其南北两翼和胶东半岛地区。
图3 环渤海地区生态福利绩效水平格局

Fig.3 Spatial pattern of ecological well-being performance level in Bohai Sea Rim region

2.4 空间关联特征

利用GeoDa软件计算得到2006—2021年环渤海地区生态福利绩效的全局莫兰指数（表2），由表2可知：全局莫兰指数均为正值且通过显著性检验，表明环渤海地区生态福利绩效存在显著的空间自相关特征，即某一地区的生态福利绩效会通过溢出效应对周边地区产生影响。全局莫兰指数呈现先上升后降低再升高的“N”字型演变轨迹，由2006年的0.097增长至2011年的0.242，尔后又波动降低至2013年的0.133，此后又波动上升至2021年的0.201，说明生态福利绩效的空间自相关性呈现“增强→减弱→再增强”的演变趋势，生态福利绩效不同等级类型在空间上呈“集聚→分散→再集聚”的空间演变模式，总体上随时间演进的生态福利绩效空间依赖性逐渐增强。究其原因在于：研究期内，环渤海地区各地市间交流合作日益密切，在政府宏观调控和市场调节机制的双重影响下，影响区域生态福利绩效的资本、技术以及生态资源等要素会在空间上进行自由流动、组合和再分配，进而对不同地区的生态福利绩效状态产生影响，生态福利绩效高水平地区通过产业、技术等关联效应会带动周边地区生态福利绩效的改善，从而表现出显著的空间溢出效应。
表2 环渤海地区生态福利绩效全局莫兰值变化趋势

Tab.2 Moran's I value change trend of ecological well-being performance in Bohai Sea Rim region

年份 Moran's I P值 Z值 年份 Moran's I P值 Z值
2006 0.097 0.098 1.066 2014 0.246 0.011 2.550
2007 0.141 0.063 1.547 2015 0.211 0.024 2.171
2008 0.156 0.053 1.705 2016 0.253 0.006 2.569
2009 0.142 0.068 1.545 2017 0.277 0.005 2.953
2010 0.171 0.056 1.773 2018 0.230 0.020 2.415
2011 0.242 0.014 2.469 2019 0.241 0.020 2.430
2012 0.223 0.011 2.352 2020 0.289 0.007 2.944
2013 0.133 0.068 1.499 2021 0.201 0.017 2.151
为识别空间集聚特征，采用自然断裂点法对Getis-Ord Gi*指数进行分级，绘制了生态福利绩效冷热点空间分布图（图4）。由图4可知：2006年热点区分布于北京、承德、烟台、威海4市，次热点区集中于鲁西北和冀南地区，次冷点区在次热点区周围形成半环状结构，冷点区主要分布于辽中南城市群和冀西地区。2013年热点区范围显著扩张，分布于青烟威、京津和冀北地区，次热点区主要位于鲁北和冀东南地区，次冷点区在冀西和鲁南地区形成半环状集聚带，同时在冷点区南北两翼形成集中分布区，冷点区范围大幅缩小，集中分布于辽宁的沈阳、锦州、盘锦、营口、鞍山、辽阳、丹东7市。2021年热点区分布基本保持稳定，山东省的日照也进入热点区，次热点区主要环热点区进行分布且范围扩大，次冷点区范围趋于缩小，主要分布于冀南、冀东和辽东北地区，冷点区集中于辽中南城市群。总体上，热点区和次热点区的数量呈上升趋势，冷点区和次冷点区的数量呈下降趋势，各类型地区表现出集聚分布的空间特征。
图4 环渤海地区生态福利绩效冷热点空间分布

Fig.4 Spatial distribution of coldspots and hotspots of ecological well-being performance in Bohai Sea Rim region

2.5 影响因素分析

2.5.1 变量选取与模型对比

为分析生态福利绩效影响因素，在借鉴已有研究[19,26-27]基础上，并兼顾数据的可获取性，从经济发展水平、产业结构、环境规制、政府行政能力、对外开放水平和城镇化水平6个方面选取影响因素变量。具体指标变量如下：经济发展水平选取人均GDP（元/人）表征，产业结构选取第三产业增加值占GDP比重（%）表征，环境规制采用一般工业固体废弃物综合利用率（%）表征，政府行政能力选用政府财政支出占GDP比重（%）衡量，对外开放水平采用实际利用外资额占GDP比重（%）衡量，城镇化水平选用人口城镇化率（%）予以衡量。
以上述6项影响因素变量为解释变量，以2006、2013和2021年各地区生态福利绩效为被解释变量构建回归模型进行分析。鉴于环渤海地区生态福利绩效存在显著的空间相关性，采用传统线性回归方法难以有效处理空间依赖性所造成的误差，因此采用地理加权回归模型对影响因素进行识别。首先，为避免解释变量间相互影响而造成回归结果出现误差，采用OLS模型进行多重共线性检验，各解释变量的方差膨胀因子均小于7.5，说明选取的变量间不存在共线性问题。然后，通过对比GWR和MGWR模型的测算精度，发现MGWR模型的回归结果中AICc值和RSS值均低于GWR模型，并且R2大于GWR模型，说明MGWR模型的拟合效果更加趋近于真实值，因此选取MGWR模型进行影响因素分析。

2.5.2 影响因素的空间异质性分析

为刻画各因素对生态福利绩效影响的空间异质性特征，利用ArcGIS10.4软件将2006、2013和2021年（因篇幅所限，2013年图省略）的回归结果进行可视化（图5、图6）。分析可知：6项因素对生态福利绩效的影响效应均表现出显著的空间异质性特征。其中，经济发展水平和政府行政能力对生态福利绩效具有正向影响，产业结构和对外开放水平的作用方向具有一定的阶段性特征，环境规制和城镇化水平对生态福利绩效的提升具有抑制效应。影响强度方面，经济发展水平、城镇化和对外开放水平在研究初期的作用强度最大，研究期末的城镇化、产业结构和经济发展水平的影响强度最为显著。①经济发展水平方面。经济发展水平回归系数在考察期内均为正值，时间序列上回归系数呈先上升后下降的趋势，且降幅大于增幅，说明环渤海地区经济增长对于生态福利绩效提升具有促进作用，但强度有所减弱。经济增长是生态福利绩效提升的动力和前提，但两者并非线性相关而呈“倒U”型关系[7]，环渤海地区一定程度上处于“倒U”型的左侧。空间分布上，2006年回归系数呈由西南向东北递减的特征，高值区集中于胶济线南部和冀南地区，低值区主要在辽宁省（图5a）；2013年回归系数空间分布上呈自东向西递减特征，高值区以山东半岛和辽中南为主，低值区主要分布于河北；2021与2013年特征基本一致（图6a）。究其原因在于辽宁及河北大部分地区经济增长所带来的资源消耗和环境污染等问题一定程度上抵消了经济增长所带来的福利提升，而鲁南和冀南地区由于经济基础薄弱，经济增长所带来的居民收入水平提高和社会福利改善更为明显，因此经济增长的影响更显著。
图5 2006年生态福利绩效各影响因素回归系数的空间分布

Fig.5 Spatial distribution of regression coefficients of ecological well-being performance in 2006

图6 2021年生态福利绩效各影响因素回归系数的空间分布

Fig.6 Spatial distribution of regression coefficients of ecological well-being performance in 2021

②产业结构方面。产业结构回归系数在研究初期的少部分地区为负值，研究末期全部为正值，表明考察期内产业结构的优化升级对生态福利绩效提升整体上具有促进作用。产业结构作为资源转换器及污染物控制器，是生态福利绩效的直接影响因素，与部分支持第二产业比重增加抑制生态福利绩效改善的观点不同[19]，说明第三产业比重增加有利于减少污染排放和改善生态环境，促进生态福利绩效提升。空间分布上，随时间演进回归系数在空间上由西高东低演化为南高北低。2006年正值区主要分布在京津、冀中南和山东大部分地区，负值区以辽宁为主（图5b）；2013和2021年回归系数全域为正值，总体上，京津冀大部分和山东半岛地区的回归系数较大（图6b），辽宁大部分地区回归系数偏小。产业结构作为经济发展的指示器，京津冀和山东产业结构的优化升级对于提高资源配置效率，减缓自然资本消耗和增进民生福祉具有显著影响；辽宁作为老工业基地，调整产业结构的阵痛一定程度上会抑制民生福利的改善。
③环境规制方面。在研究初期，环境规制的回归系数在空间分布上有正值有负值，到考察期末全部为负值，说明环境规制对环渤海地区生态福利绩效总体上以抑制效应为主。空间分布上，2006年正值区主要分布于山东境内、辽中南和冀南，负值区分布于京津、冀北和辽西北（图5c）。2013年环渤海地区全域为负值，影响强度呈自西北向东南递减的趋势，2021年回归系数仍为负值但数值绝对值变小，空间上呈自东向西递减分布特征，说明环境规制对生态福利绩效的抑制作用趋于变弱（图6c）。党的十八大以来，国家大力推进生态文明建设，加强了对环境的监管力度，提升了环境监管等级，环境规制政策体系不断完善。环渤海地区重工业、污染密集型产业比重高，在严格的环境规制倒逼下，短期内会增加企业治污成本，并对区域经济发展产生一定冲击，影响经济增长和居民就业，进而阻碍民生福祉改善。如何有效利用环境规制政策工具，激发环境规制对生态福利绩效的创新补偿效应是未来环渤海地区环境政策调整的重点。
④政府行政能力方面。政府财政支出占GDP比重的回归系数在考察期内均为正值，随时间变化回归系数值呈先上升后下降的趋势，说明政府行政能力因素对于生态福利绩效的影响效应有所减弱。空间分布上，2006年回归系数在空间上相对均衡（图5d），说明此阶段地方政府在改善投资环境、提高地区经济发展水平和居民社会福利方面具有正向影响。2013年，高值区分布于辽宁，低值区以冀中南和鲁西南为主，可能的解释是，辽宁各地市在民生福祉改善和环境治理方面更依赖于政府财政支出；而冀中南和鲁西南地区经济基础薄弱，与服务性支出相比，地方政府更倾向于生产性财政支出，导致财政支出水平对于生态福利绩效的促进作用较为有限。2021年，回归系数显著减小，且空间分布上河北和辽宁的回归系数略高于北京、天津和山东（图6d），说明河北和辽宁生态福利绩效的改善更多受到政府行政因素的影响。
⑤对外开放水平方面。对外开放水平的回归系数在2006和2013年均为正值，说明在这个时期外商直接投资的增加并未导致环渤海地区的生态福利绩效出现明显的“污染避难所”效应[29]。相反，外商投资的增加通过“技术溢出”效应有效促进了地区经济增长，同时在解决就业和增加居民收入方面也起到重要作用，助推了民生福祉改善。空间分布上，2006年回归系数呈自东部沿海向内陆地区递减的趋势，尤其是山东半岛地区系数最高（图5e）。山东半岛地区在吸引外资方面得天独厚，外来资本所带来的先进技术和管理经验对于山东半岛经济总量增加和发展方式转变发挥了重要作用，促进了生态福利绩效改善。2013年呈现自沿海向内陆地区增强的趋势，说明随着对外开放的深入，沿海地区经济内生动力不断增强，民生福祉改善和环境治理技术等方面对外商投资的依赖性减弱，而内陆地区的经济增长、技术创新等仍然有赖于外来资本和技术的引进。2021年，回归系数为负值，且数值很小（图6e），表明对外开放水平轻微抑制了生态福利绩效改善，其可能原因在于受新冠肺炎疫情与逆全球化等因素影响，外商直接投资的影响效应减弱。
⑥城镇化水平方面。人口城镇化率回归系数在考察期内均为负值，且系数绝对值呈增大趋势，说明城镇化水平对生态福利绩效具有较强的抑制作用。空间分布上，2006和2013年空间分布特征保持稳定，回归系数呈自西南向东北递减的趋势，高值区以冀中南、鲁中和鲁西南地区为主，低值区连片分布于辽宁（图5f），说明城镇化水平对辽宁生态福利绩效的负向影响最显著，其原因在于辽宁作为老工业基地，在工业化的推动下城镇化远快于其他地区，粗放低质的城镇化所带来的环境污染、城乡结构失衡问题严重，给资源环境造成较大压力，抑制了生态福利绩效提升。2021年系数自东南向西北递减，低值区分布于河北、辽西北及鲁西（图6f），说明城镇化水平对三地生态福利绩效的负向作用最强。在京津冀协同发展、“突破辽西北”以及“鲁西崛起”等国家和区域战略影响下，人口快速集聚，但城镇化模式仍较粗放，土地资源集约度偏低，公共服务供给不足，不利于生态环境保护和民生福祉改善。

3 结论与政策建议

3.1 主要结论

本文采用超效率EBM模型对2006—2021年环渤海地区生态福利绩效进行了定量测度，在此基础上利用空间变差函数与空间自相关分析方法刻画了生态福利绩效的时空格局演变特征，最后采用MGWR模型对其影响因素进行了识别。主要结论如下：
①时序演变方面，2006—2021年环渤海地区生态福利绩效呈波动上升趋势，考察期内生态福利绩效总体水平偏低，环渤海地区生态资源向民生福祉有效转化方面存在明显不足。空间格局方面，环渤海地区生态福利绩效空间分异程度先减小后增大，东北—西南方向上的差异最显著；空间分布上呈现由各类型交错分布向同类型集聚分布的演变趋势，北京和胶东半岛水平最高，辽中南和鲁南地区水平较低，未来需要充分发挥北京和胶东半岛地区的辐射带动作用，提升辽中南和鲁南地区生态资源转化效率。
②空间关联方面，环渤海地区生态福利绩效存在显著全局空间正自相关性，表明生态福利绩效在环渤海地区存在明显空间溢出效应，随时间演进的生态福利绩效空间集聚特征不断增强。其中，热点区和次热点区范围呈扩大趋势，热点区集中于京津和胶东半岛，形成带动周边生态福利绩效提升的双核结构；冷点区和次冷点区范围趋于缩小，冷点区稳定于辽宁和鲁西南，构成了生态福利绩效低值陷阱区。
③影响因素方面，生态福利绩效各影响因素的作用方向和强度存在显著时空异质性。其中，经济发展水平和政府行政能力对生态福利绩效具有正向影响，产业结构和对外开放水平的作用方向具有一定的阶段性特征，环境规制和城镇化水平对生态福利绩效的提升具有抑制效应。作用强度方面，经济发展水平、城镇化和对外开放在研究初期的影响最大，城镇化、产业结构和经济发展水平在研究末期最显著。

3.2 政策建议

生态福利绩效属于地理学、管理学和经济学等跨学科议题，本文从地理学视角出发对环渤海地区生态福利绩效的时空格局演变特征与影响因素进行了系统分析，可为环渤海地区生态文明建设和民生福祉改善提供参考借鉴。本研究验证了生态福利绩效在市域尺度上存在显著空间溢出效应，对已有认为生态福利绩效在省域尺度存在溢出效应的研究有一定补充价值[19]。本研究认为生态福利绩效影响因素的作用强度与方向存在显著时空异质性，深化了现有生态福利绩效影响机制的理论认知。影响因素分析中发现，对外开放水平的提升与外商直接投资的增加对于生态福利绩效具有一定促进作用，与Ma L等[17]认为外商投资对生态福利绩效的抑制效应不同，说明环渤海地区生态福利绩效存在一定的“污染光环效应”[36]，暗含在加大对外资环境监管力度的基础上积极引进外来资本仍然十分必要。此外，与郭炳南等[29]对长三角地区的研究结论不同，本文发现环境规制在环渤海地区并未出现“波特效应”，反而抑制了生态福利绩效提升，说明只有组合运用环境规制政策工具并因地施策才能有效激发其创新补偿效应。
根据本研究结论，提出以下政策建议：①提升资源要素利用效率，促进生态资源的优化配置。要加大研发投入力度，积极推广绿色技术，推动绿色、低碳、循环发展，减少环境污染物排放强度，改善生态环境，不断增进民生福祉。②打破要素流动壁垒，建立生态福利绩效跨区域协同提升机制。要充分发挥生态福利绩效的空间溢出效应，促进环渤海地区内部技术、资金和人才的交流合作，强化京津、胶东半岛对辽中南、冀南和鲁南地区的辐射带动效应。③因地制宜制定差异化发展对策，发挥环渤海地区内部各区域比较优势。其中，京津和胶东半岛地区要积极培育新兴产业，借助区域创新优势，搭建现代产业体系平台；河北、辽宁及鲁南地区要深入推进产业绿色化升级改造，加大对外资的监管力度，提升承接产业的准入门槛。④充分发挥政府调控能力，优化环境规制体系。要完善对地方政府的考核体制，强化对生态文明建设与民生福利改善的考核力度，优化财政支出的结构，推进环渤海地区基本公共服务均等化；同时，调整环境规制强度，灵活运用环境规制组合手段，发挥环境规制的正向激励作用。此外，环渤海地区还需要转变城镇化发展方式，推进集约高效、包容绿色的新型城镇化，实现城乡民生福祉的共同提升。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
曲衍波, 王霞, 王世磊, 等. 环渤海地区城市规模扩张与质量增长的时空演变及耦合特征[J]. 地理研究, 2021, 40(3):762-778.

DOI

[2]
贾建琦, 赵林, 高晓彤, 等. 环渤海地区包容性绿色增长效率的空间关联网络结构及其影响因素[J]. 地理与地理信息科学, 2021, 37(5):46-54.

[3]
Daly H E. The world dynamics of growth:The economics steady state[J]. America Economic Review, 1974, 64(2):15-23.

[4]
诸大建. 生态经济学:可持续发展的经济学和管理学[J]. 中国科学院院刊, 2008(6):520-530.

[5]
Common M. Measuring national economic performance without using prices[J]. Ecological Economics, 2007, 64(1):92-102.

[6]
Dietz T, Rosa E A, York R. Environmentally efficient well-being:Is there a Kuznets curve?[J]. Applied Geography, 2011, 32(1):21-28.

[7]
诸大建, 张帅. 生态福利绩效及其与经济增长的关系研究[J]. 中国人口·资源与环境, 2014, 24(9):59-67.

[8]
Feng Y, Zhong S, Li Q, et al. Ecological well-being performance growth in China (1994-2014):From perspectives of industrial structure green adjustment and green total factor productivity[J]. Journal of Cleaner Production, 2019,https://doi.org/10.1016/j.jclepro.2019.07.031.

[9]
Dietz T, Rosa E A, York R. Environmentally efficient well-being:Rethinking sustainability as the relationship between human well-being and environmental impacts[J]. Human Ecology Review. 2009, 16(1):114-123.

[10]
臧漫丹, 高易, 李金. 行政等级与城市规模对生态福利绩效的影响研究[J]. 自然资源学报, 2022, 37(12):3201-3216.

DOI

[11]
王兆峰, 王梓瑛. 长江经济带生态福利绩效空间格局演化及影响因素研究——基于超效率SBM模型[J]. 长江流域资源与环境, 2021, 30(12):2822-2832.

[12]
肖黎明, 张仙鹏. 强可持续理念下绿色创新效率与生态福利绩效耦合协调的时空特征[J]. 自然资源学报, 2019, 34(2):312-324.

DOI

[13]
徐维祥, 徐志雄, 刘程军. 黄河流域地级城市土地集约利用效率与生态福利绩效的耦合性分析[J]. 自然资源学报, 2021, 36(1):114-130.

DOI

[14]
龙亮军. 基于两阶段Super-NSBM模型的城市生态福利绩效评价研究[J]. 中国人口·资源与环境, 2019, 29(7):1-10.

[15]
Li Y, Yang H. The incentive effect of creating a national health city on the ecological welfare performance:Based on the evidence of Yangtze River Delta in China[J]. Environmental Science and Pollution Research, 2023, 30(35):83735-83759.

[16]
朱媛媛, 张瑞, 顾江, 等. “双碳”目标下长江中游城市群生态福利绩效变化的经济——环境效应[J]. 经济地理, 2023, 43(5):89-96.

DOI

[17]
Ma L, Hong Y, Chen X. Can green economy and ecological welfare achieve synergistic development? The perspective of the “Two Mountains” theory[J]. International Journal of Environmental Research and Public Health, 2022,https://doi.org/10.3390/ijerph19116460.

[18]
赵林, 曹乃刚, 韩增林, 等. 中国生态福利绩效空间关联网络演变特征与形成机制[J]. 自然资源学报, 2022, 37(12):3183-3200.

DOI

[19]
方时姣, 肖权. 中国区域生态福利绩效水平及其空间效应研究[J]. 中国人口·资源与环境, 2019, 29(3):1-10.

[20]
郭炳南, 唐利, 张浩. 环境规制与长江经济带生态福利绩效的空间效应研究[J]. 经济体制改革, 2021(3):73-79.

[21]
肖黎明, 肖沁霖. 黄河流域城市生态福利绩效格局分异及空间收敛分析[J]. 软科学, 2021, 35(2):46-53.

[22]
王喜平, 罗金芳. 京津冀生态福利绩效及时空演变研究[J]. 科技管理研究, 2020, 40(21):249-255.

[23]
龙亮军, 王霞, 郭兵. 基于改进DEA模型的城市生态福利绩效评价研究——以我国35个大中城市为例[J]. 自然资源学报, 2017, 32(4):595-605.

DOI

[24]
王圣云, 段练成. 中国生态福利绩效时空格局演变及其驱动效应分析[J]. 地理科学进展, 2023, 42(4):617-628.

DOI

[25]
林木西, 耿蕊, 李国柱. 省域生态福利绩效水平的空间非均衡性研究——基于MLD指数与分布动态学模型[J]. 东岳论丛, 2019, 40(10):73-83.

[26]
Teng Y, Jin Y, Wen H, et al. Spatial spillover effect of the synergistic development of inward and outward foreign direct investment on ecological well-being performance in China[J]. Environmental Science and Pollution Research, 2023, 30(16):46547-46561.

[27]
李成宇, 张士强, 张伟, 等. 中国省际生态福利绩效测算及影响因素研究[J]. 地理科学, 2019, 39(12):1875-1883.

DOI

[28]
邓远建, 杨旭, 马强文, 等. 中国生态福利绩效水平的地区差距及收敛性[J]. 中国人口·资源与环境, 2021, 31(4):132-143.

[29]
郭炳南, 林基, 刘堂发. 环境规制对长三角地区城市生态福利绩效的影响[J]. 统计与决策, 2021, 37(4):15-18.

[30]
董洁芳, 张凯莉, 屈学书, 等. 黄河流域城市生态福利绩效测算及驱动因素研究[J]. 干旱区地理, 2023, 46(3):1-14.

[31]
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, 207(3):1554-1563.

[32]
Fotheringham A S, Yang W, Kang W. Multiscale geographically weighted regression (MGWR)[J]. Annals of the American Association of Geographers, 2017, 107(6):1247-1265.

[33]
王凯, 邹楠, 甘畅. 旅游技术效率、旅游绿色生产率收敛性及其影响因素[J]. 经济地理, 2022, 42(6):215-224.

DOI

[34]
陈延斌, 殷冠文, 王少慧. 山东省电子商务发展水平的地域特征及影响因素[J]. 经济地理, 2022, 42(1):135-143.

DOI

[35]
Getis A, Ord J K. The analysis of spatial association by use of distance statistics[J]. Geographical Analysis, 1992, 24(3):189-206.

[36]
Antweller W, Copeland B R, Taylor M S. Is free trade good for the environment?[J]. The American Economic Review, 2001, 91(4):877-908.

Options
Outlines

/

〈 〉