EN中文

Economic geography >

2024 , Vol. 44 >Issue 4: 75 - 83

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.04.008

Power Source and Driving Factors of Green Transformation of Resource-Based Cities in China

  • WANG Jue
Expand
  • School of Economics，Jinan University，Guangzhou 510632，Guangdong，China

Received date: 2023-07-11

  Revised date: 2024-01-15

  Online published: 2024-09-12

Fold

Abstract

Promoting the green transformation of resource-based cities is an important issue to improve the coordinated development of regions and make up for the shortcomings of transformation. Based on the samples of 111 resource-based cities,this paper reveals the power source and driving factors of green transformation of resource-based cities in China from 2004 to 2019 using the methods of the data envelopment analysis and the quantile regression model. The results show that: 1) The green transformation performance of resource-based cities increased cumulatively by 0.33% in 2004-2019. In terms of distribution location,the green transformation performance of resource-based cities in the south of China is higher than that in the north of China. With regards to development types,the green transformation performance of declining-type cities is higher than that of regenerative-type, mature-type,and growing-type cities. 2) From the perspective of endogenous,technological progress has emerged as a catalyst for promoting growth in the performance of green transformation among resource-based cities,with environmental pollution treatment technology improvements making significant contributions. 3) From the perspective of exogenous,there are notable variations in both size and direction regarding how environmental regulation and industrial structure impact the performance of green transformation across different regions and types of resource-based cities. Notably,employment structure optimization and financial development exert substantial positive effects on the green transformation performance of resource-based cities at each quantile level.

Key words： resource-based cities; green transition development; power source; driving factors; quantile regression

Cite this article

WANG Jue . Power Source and Driving Factors of Green Transformation of Resource-Based Cities in China[J]. Economic geography, 2024 , 44(4) : 75 -83 . DOI: 10.15957/j.cnki.jjdl.2024.04.008

资源型城市是以本地区矿产、森林等自然资源开采、加工为主导产业的城市类型[1]。推动资源型城市绿色转型发展，是完整准确及全面贯彻新发展理念的必然要求，是健全区域协调发展和补齐转型发展短板的重大战略举措。党的十八大以来，国务院先后印发《关于促进资源型城市可持续发展的若干意见》《全国资源型城市可持续发展规划（2013—2020年）》，国家发改委等部门也发布了《推进资源型地区高质量发展“十四五”实施方案》，促进资源型城市转型取得明显成效。然而，资源型城市发展所面临的周期性、结构性与不稳定性问题仍然突出，所引发的要素聚集能力弱、资源开发过度以及环境污染等问题仍然存在，严重制约了资源型城市绿色转型发展。绿色全要素生产率（Green Total Factor Productivity，GTFP）作为衡量经济增长质量和判断增长动能转换的关键指标和重要方法[2]，对于推动资源型城市绿色转型发展具有重要参考价值。
围绕资源型城市绿色转型发展等主题已涌现出大量文献。①在绿色转型发展的内涵上，大量文献认为资源型城市绿色转型意味着从高度依赖自然资源的“粗放型”增长模式转变到绿色经济增长的“集约式”增长模式[3]。②在绿色转型发展的评价方法上，既有文献通过构建指标体系[4-5]或利用数据包络分析方法[6⇓-8]对资源型城市绿色转型绩效开展综合评价。相较于综合指标体系构建，数据包络分析方法（Data Envelopment Analysis，DEA）对于环境污染变量的处理更加符合现实需要，为资源型城市绿色转型评价提供了可行性思路。在DEA框架下，既有研究基于径向或非径向模型对绿色转型绩效进行测度，然而径向模型要求投入或产出变量等比例减少或增加，并未考虑变量之间的替代关系；非径向模型虽然打破了等比例及同方向变动的基本假定，却丢失了变量最初的比例关系[9]，导致对于绿色转型绩效的测度结果存在不同程度的偏误。③在投入产出变量的选取上，劳动和资本两大要素作为投入变量，在资源型城市绿色转型绩效的测度中达成普遍共识。然而，既有研究却忽视了绿色技术创新要素投入对于绿色转型发展的影响。伴随共同富裕目标的持续推进，绿色转型发展的内涵得到丰富和延展，不仅体现在关注绿色转型发展进程中的效率问题，也体现在关注绿色转型发展进程中的公平问题。然而，鲜有文献将体现公平的指标项纳入资源型城市绿色转型绩效的测度之中。④在绿色转型发展动因的探寻上，李博等采用Malmquist-Luenberger生产率指数对资源型城市绿色全要素生产率进行测度及分解，发现技术效率是导致部分资源型城市绿色全要素生产率增长缓慢的主要原因[10]；Yue等采用同样模型对黄河流域资源型城市绿色增长效率进行测度及分析，发现技术进步对于绿色发展的贡献更大[11]。上述研究为资源型城市转型发展提供了有益指导，但缺乏进一步分析导致技术进步和效率改善变动的潜在成因，使得研究结论的启示效果有所减弱。此外，对于外源因素的探讨，既有研究涵盖了产业结构、政府干预等各个方面，并运用普通最小二乘法或Tobit模型开展实证检验，却忽视了不同类型及不同水平资源型城市转型发展的关键影响因素并不相同。
本文将全局EBM混合距离函数与Luenberger生产率指数相结合，克服了传统径向和非径向模型的缺陷，提高了测度结果的准确性；将城乡收入差距和绿色技术创新要素纳入资源型城市绿色转型绩效的测度之中，优化了对于资源型城市绿色转型绩效的综合评价；在资源型城市绿色转型绩效测度的基础上，对绿色转型发展的来源结构进行分解；同时，运用分位数回归模型，识别不同类型及不同水平资源型绿色城市转型发展的关键影响因素。基于上述拓展，本研究不仅可实现对资源型城市转型发展的综合评价，而且还有利于全面和深入理解资源型城市转型发展的形成机制以及今后的推进动力。

1 研究方法与样本数据

1.1 研究区域概况

资源型城市作为我国重要的能源战略保障基地，在现代化建设进程中占据举足轻重的地位。国务院于2013年颁布《全国资源型城市可持续发展规划（2013—2020年）》（下文简称规划），规划范围中全国共有262个资源型城市，占全国城市总数的40%。其中，地级行政区（包括地级市、地区、自治州、盟等）126个，县级市62个，县（包括自治县、林区等）58个，市辖区（开发区、管理区）16个。从社会发展状况看，资源型城市总面积约380万km2，占国土面积的40%；人口总量约4.4亿，占全国人口的33%[12]。本文依据规划，结合资源型城市在保障能力和可持续发展能力之间的差异，将资源型城市划分为成长型、成熟型、衰退型、再生型4种类型。同时，考虑到所属地级行政区的资源型城市所面临的绿色转型压力相对突出，本文选取111个地级行政区的资源型城市为样本（表1）。在样本中，成长型13个、成熟型60个、衰退型23个、再生型15个，分别占样本总数的12%、54%、21%和14%。
表1 研究区资源型城市类型划分概况

Tab.1 Overview of the classification of resource-based cities

成长型 成熟型 衰退型 再生型
朔州、呼伦贝尔、鄂尔多斯、松原、贺州、南充、六盘水、昭通、延安、咸阳、榆林、武威、庆阳 张家口、承德、邢台、邯郸、大同、阳泉、长治、晋城、忻州、晋中、临汾、运城、吕梁、赤峰、本溪、吉林、黑河、大庆、鸡西、牡丹江、湖州、宿州、亳州、淮南、滁州、池州、宣城、南平、三明、龙岩、赣州、宜春、东营、济宁、泰安、三门峡、鹤壁、平顶山、鄂州、衡阳、郴州、邵阳、娄底、云浮、百色、河池、广元、广安、自贡、攀枝花、达州、雅安、安顺、曲靖、保山、临沧、渭南、宝鸡、金昌、平凉 乌海、阜新、抚顺、辽源、白山、伊春、鹤岗、双鸭山、七台河、淮北、铜陵、景德镇、新余、萍乡、枣庄、焦作、濮阳、黄石、韶关、泸州、铜川、白银、石嘴山 唐山、包头、鞍山、盘锦、葫芦岛、通化、徐州、宿迁、马鞍山、淄博、临沂、洛阳、南阳、丽江、张掖

1.2 研究方法

本文将全局EBM混合距离函数与Luenberger生产率指数相结合，测算绿色全要素生产率，以此衡量资源型城市绿色转型绩效并将其定义为：
G T F P t t + 1 = S ⃑ G t - S ⃑ G t + 1
式中： S G ⃑ t和 S G ⃑ t + 1分别表示为在全局参比条件下t和t+1时期规模报酬可变假设下测度的EBM混合距离函数值。本文借助Luenberger生产率指数的分解思路，将绿色转型绩效分解为技术进步（TC）与效率改善（EC）2个部分，并具有以下逻辑关系，如公式（2）~（4）所示。
G T F P t t + 1 = T C t t + 1 + E C t t + 1
E C t t + 1 = S ⃑ t t - S ⃑ t + 1 t + 1
T C t t + 1 = S ⃑ G t - S ⃑ t t + S ⃑ t + 1 t + 1 - S ⃑ G t + 1
为进一步分析导致技术进步和效率改善增长或衰退的内在因素。本文借鉴杨骞等[13]研究，将公式（3）进一步分解，用以识别投入、期望产出及非期望产出项效率改善的贡献；将公式（4）进一步分解，用以识别投入、期望产出及非期望产出技术进步项的贡献：
E C t t + 1 ( x i , y i , b i ) = E C x 1 + E C x 2 + ⋯ + E C x i + E C y + E C b 1 + E C b 2
T C t t + 1 ( x i , y i , b i ) = T C x 1 + T C x 2 + ⋯ + T C x i + T C y + T C b 1 + T C b 2

1.3 指标选取与数据说明

基于数据的可得性和完整性，本文选取2003—2019年111个资源型城市发展投入产出变量数据进行研究。
①投入指标。本文选取三次产业从业人员合计数作为劳动要素投入，选取资本存量作为资本要素投入；资源要素则以城市建成区面积、城市供水总量及能源消费量表征，采用熵值法进行拟合；选取绿色专利申请授权数量作为绿色创新要素投入。其中，资本存量借鉴王珏等[14]采用永续盘存法计算，选取地区差异化的折旧率。能源消费量则通过将省级层面能源消费量按灯光数据值分解到各地级市获取[15]。
②产出指标。本文以实际GDP表征经济发展综合效益作为期望产出。利用熵值法将工业废水排放量、工业SO2排放量及PM2.5浓度拟合成环境污染综合指数作为非期望产出；选取城镇居民人均可支配收入与农村居民人均可支配收入比值作为非期望产出。
上述数据来源于国家统计局国家数据库、EPS数据库中的城市数据库及中国研究数据服务平台（CNRDS），缺失数据通过各省份统计年鉴及统计公报查找所得或采用插值法补齐。变量的定义和说明见表2。
表2 DEA框架下资源型城市绿色转型绩效测度的指标选取

Tab.2 Indicator selection for the green transformation performance measurement of resource-based cities under the DEA framework

类型 一级指标 二级指标
投入 劳动要素（x1） 三次产业从业人员
资本要素（x2） 资本存量
绿色要素（x3） 绿色专利申请授权数量
资源要素（x4） 城市建成区面积、城市供水总量、能源消费量
产出 经济产出（y） 以2003年为基期的实际GDP
社会不公（b1） 城镇居民人均可支配收入/农村居民人均可支配收入
环境污染（b2） 工业废水排放量、工业SO2排放量、PM2.5浓度

2 资源型城市绿色转型的总体评价

图1刻画了2004—2019年资源型城市绿色转型绩效的逐年演变趋势。从整个样本时期看，中国资源型城市绿色转型绩效年均增长0.02%，累积增长0.33%。这从不同程度上表明资源型城市绿色转型发展取得明显成效，这一结论也与徐维祥等的研究[16]一致。党的十八大以来，生态文明建设纳入中国特色社会主义总体布局以及指导性政策相继出台，为资源型城市绿色转型发展提供了科学依据，绿色转型绩效年均增长率达到1.36%。
图1 2004—2019年中国资源型城市绿色转型绩效的演变趋势

Fig.1 Evolution trend of green transformation performance of resource-based cities in China，2004-2019

随着重大区域发展战略的深入推进，在区域发展协调性和平衡性不断增强的同时，南北差距上升成为区域发展所面临的新情况与新问题[17]。从南北差异看（图2），南方地区资源城市绿色转型绩效高于北方地区。究其原因，北方资源型城市开发较早导致绿色转型发展动能不足，而南方地区科技成果转化水平相对较高，有利于促进资源型城市绿色转型绩效提升[18]。从分时期看，党的十八大以来，北方地区资源型城市绿色转型绩效高于南方地区，这也从不同程度表明北方地区资源型城市积极探寻绿色转型发展并取得良好成效。
图2 中国两大地区资源型城市绿色转型绩效的演变趋势

Fig.2 Evolution trend of the green transformation performance of resource-based cities in two major regions of China

为进一步剖析资源型城市绿色转型发展的差异特征，本文将资源型城市分4类进行比较分析。如图3所示，衰退型城市绿色转型绩效依次高于再生型、成熟型及成长型。其中，衰退型及再生型城市绿色转型绩效年均增长率分别为0.24%、0.11%。这可能与衰退型城市作为加快转变经济发展的重点和难点地区，持续加大绿色投入有关；再生型城市基本摆脱资源依赖，绿色转型绩效实现正向增长。然而，成熟型、成长型城市分别处于资源开发稳定和上升阶段，依赖自然资源的现状并未发生根本性转变，导致绿色转型绩效呈现负向增长。从分时期看，党的十八大以来，四大类资源型城市绿色转型绩效整体呈现增长态势，绿色转型发展步伐不断加快。
图3 中国4类资源型城市绿色转型绩效的演变趋势

Fig.3 Evolution trend of the green transformation performance of four major types of resource-based cities in China

3 内源视角分析

中国资源型城市绿色转型绩效实现增长，那么导致绿色转型绩效增长的背后因素有哪些?本文从技术进步和效率改善视角，探寻资源型城市绿色转型发展的动力源泉 ① 。如图4所示，2004—2019年资源型城市技术进步累积增长4.05%，而效率改善累积增长-3.73%。即技术革新推动生产边界实现向外扩张，效率改善成为资源型城市绿色转型发展的掣肘因素。从分时期看，党的十八大之前，技术进步和效率改善均呈现负向增长；党的十八大以来，技术进步和效率改善实现由负转正，绿色转型绩效呈现出技术进步与效率改善双轮驱动特征。
图4 2004—2019年中国资源型城市绿色转型绩效的动力源泉

Fig.4 Power source of the green transition performance in resource-based cities of China，2004-2019

从两大地区资源型城市绿色转型绩效的动力源泉看（图5，表3），南方地区两大时期资源型城市绿色转型绩效均实现不同程度的增长，这主要来源于绿色创新要素投入所带来的效率改善和技术进步。党的十八大之前，绿色创新要素推动效率改善增长1.08%，对绿色转型绩效的贡献达到49.25%；党的十八大以来，绿色技术创新要素推动技术进步增长1.83%，其贡献达到38.13%。北方地区两大时期资源型城市绿色转型绩效实现递增。党的十八大之前，绿色转型绩效的增长，主要来源于环境污染治理、资源要素利用所带来的效率改善，两大要素贡献率合计达到79.72%。党的十八大以来，绿色转型绩效增长，主要来源于资本利用所推动的技术进步。这也与北方资源型城市发展特征相符，早期对于环境污染大多依靠末端治理推动效率改善，此后，逐步通过加大资本投入推动技术创新，实现资源节约利用和生态环境保护。
图5 中国两大地区资源型城市绿色转型绩效的动力源泉：基于技术结构

Fig.5 Power source of the green transition performance of resource-based cities in two regions of China： based on the technology structure

表3 中国两大地区资源型城市绿色转型绩效的动力源泉：基于要素结构(单位:%)

Tab.3 Power source of the green transition performance of resource cities in two regions of China: based on the factor structure (unit:%)

时期 地区 分项 ECx1 ECx2 ECx3 ECx4 合计 ECy ECb1 ECb2 合计
Ⅰ 南方 EC -0.173 0.112 1.080 0.042 1.061 -0.006 0.699 0.440 1.132
北方 EC -0.272 0.038 0.294 0.459 0.520 -0.070 0.284 0.622 0.836
Ⅱ 南方 EC 0.217 -0.398 -1.882 -0.394 -2.458 -0.083 -0.631 -0.161 -0.875
北方 EC 0.110 0.044 -0.371 -0.236 -0.454 -0.144 -0.387 0.573 0.043
时期 地区 分项 TCx1 TCx2 TCx3 TCx4 合计 TCy TCb1 TCb2 合计
Ⅰ 南方 TC -0.017 -0.134 -0.413 0.079 -0.484 0.174 -0.599 0.317 -0.109
北方 TC 0.361 -0.275 0.248 0.287 0.622 -0.014 -0.076 0.218 0.128
Ⅱ 南方 TC 0.308 0.828 1.832 0.469 3.436 0.217 0.987 0.165 1.369
北方 TC 0.218 0.645 0.588 0.267 1.718 0.524 0.791 0.303 1.617
从4类资源型城市绿色转型绩效的动力源泉看（图6，表4），党的十八大之前，4类资源型城市绿色转型绩效呈现增长。其中，成长型城市绿色转型绩效的增长，主要来源于绿色创新、资源要素以及资本的合理利用推动效率改善；而绿色创新要素利用效率的改善和资源要素利用技术的提升，成为推动成熟型城市绿色转型绩效增长的主要因素。衰退型城市绿色转型绩效的增长，主要来源于环境污染治理效率和绿色创新要素利用效率的改善；环境污染治理技术的改进成为再生型城市绿色转型绩效增长的主要来源。党的十八大以来，成长型城市绿色转型绩效呈现衰退，主要来源于绿色创新要素利用低效以及社会非包容性因素。成熟型、衰退型及再生型城市绿色转型绩效实现增长。其中，劳动、资本及绿色创新等资源要素利用技术的提升，成为推动成熟型和再生型城市绿色转型绩效增长的主要因素；绿色创新要素所推动的技术进步成为衰退型城市绿色转型绩效增长的主要来源。
图6 中国4类资源型城市绿色转型绩效的动力源泉：基于技术结构

Fig.6 Power source of the green transition performance in four categories of resource-based cities in China： based on technological structure

表4 中国4类资源型城市绿色转型绩效的动力源泉：基于要素结构(单位:%)

Tab.4 Power source of the green transition performance in four categories of resource-based cities in China: based on the factor structure(unit:%)

时期 类型 分项 ECx1 ECx2 ECx3 ECx4 合计 ECy ECb1 ECb2 合计
Ⅰ 成长型 EC 0.534 1.075 1.403 1.190 4.202 0.639 0.812 0.643 2.094
成熟型 EC -0.235 0.232 0.622 0.131 0.750 -0.065 0.569 0.459 0.963
衰退型 EC -0.788 -0.659 0.745 0.297 -0.405 -0.409 0.218 1.194 1.003
再生型 EC -0.024 -0.338 -0.261 0.110 -0.513 0.009 0.060 -0.182 -0.113
Ⅱ 成长型 EC 0.180 -0.540 -1.360 -0.660 -2.380 -0.430 -1.100 -0.080 -1.610
成熟型 EC 0.091 -0.352 -1.007 -0.254 -1.522 -0.132 -0.583 0.404 -0.311
衰退型 EC 0.426 0.320 -1.552 -0.257 -1.063 0.126 -0.032 0.064 0.157
再生型 EC -0.037 0.353 0.205 -0.248 0.273 -0.174 -0.277 0.351 -0.101
时期 类型 分项 TCx1 TCx2 TCx3 TCx4 合计 TCy TCb1 TCb2 合计
Ⅰ 成长型 TC -0.384 -1.020 -1.545 -0.389 -3.338 -0.092 -0.817 0.468 -0.441
成熟型 TC 0.336 -0.258 0.098 0.498 0.673 0.169 -0.233 0.286 0.223
衰退型 TC 0.269 0.454 0.504 0.053 1.281 -0.162 -0.329 -0.841 -1.332
再生型 TC 0.089 -0.379 -0.017 -0.247 -0.554 0.120 -0.023 1.656 1.754
Ⅱ 成长型 TC -0.122 1.170 0.790 -0.004 1.834 0.194 0.842 -0.668 0.367
成熟型 TC 0.379 0.703 1.033 0.321 2.436 0.470 1.042 0.446 1.958
衰退型 TC 0.050 0.606 1.674 0.407 2.737 0.303 0.672 0.290 1.265
再生型 TC 0.402 0.575 0.781 0.691 2.449 0.423 0.526 0.166 1.115

4 外源视角分析

考虑到分位数回归可以根据整个样本的分布来分析自变量对因变量的影响，克服普通最小二乘法仅依赖条件均值的不足，本文以绿色转型绩效为因变量，选取环境规制、金融发展、信息化水平度等为自变量，采用分位数回归模型，揭示不同区位分布以及不同类型资源型城市，在不同绿色转型绩效水平下的关键影响因素。计算公式如下：
Y i t , q = α i , q + β 1 , q i n d i t , q + β 2 , q f i n i t , q + β 3 , q m a r i t , q + β 4 , q e m p i t , q ⋯ + ε i t , q
式中：Y为绿色转型绩效；i表示样本内的城市；t表示时间项；q为选取的分位数，分别为25%、50%和75%；βn表示各因素对绿色转型绩效的影响效应；α为城市固定效应；ε为随机误差项。
影响因素的选取及处理具体如下：①经济发展水平（lnrgdp）：以人均实际GDP表征，并进行取对数处理；②环境规制（regulate）：采用工业固体废物综合利用率进行衡量[19]；③信息化水平（Inform）：以国际互联网接入用户数占年末人口的比重进行衡量；④城市化水平（urban）：以人口密度进行衡量[20]；⑤产业结构：采用产业结构合理化（Indust1）和产业结构高度化（Indust2）进行衡量[21]；⑥就业结构（employ）：采用第三产业从业人员占总从业人员的比重进行衡量；⑦市场化水平（market）：采用市场化指数进行衡量；⑧金融发展水平（finance）：以机构存贷款余额占GDP的比重进行衡量；⑨教育投入（educate）：采用财政教育支出占GDP的比重进行衡量。
表5报告了不同分位数水平下资源型城市绿色转型绩效的影响因素。其中，经济发展对资源型城市绿色转型绩效的影响系数并未通过显著性检验。环境规制对各分位数水平下资源型城市绿色转型绩效的影响显著为负，这与孙晓华等的研究结论[22]相符。信息化对各分位数水平下资源型城市绿色转型绩效的影响系数均为正值，但仅在50%分位数水平下显著。这意味着要加大对低水平资源型城市的信息基础设施投资，同时增强信息基础设施建设与高水平城市发展的良性互动。城市化对资源型城市绿色转型绩效的影响系数从低分位水平下的-0.011逐步上升至高分位数水平下的0.015，仅高分位数水平下的系数通过了显著性检验。这表明城市化推进有利于加速高水平资源型城市绿色转型发展。产业结构合理化对资源型城市绿色转型绩效的影响系数在25%和50%分位数水平下显著为正，而产业结构高度化的影响系数并不显著。究其原因，绿色高附加值产业发展不充分以及产业结构高度化并未满足高水平发展需求的现实矛盾仍然存在。就业结构和金融发展对资源型城市绿色转型绩效的影响系数在各分位数水平下显著为正，这表明就业结构优化和金融发展分别通过适应产业转型和缓解融资约束促进了资源型城市绿色转型发展。市场化对处于25%和50%分位数水平下资源型城市绿色转型绩效具有显著的负向影响，而对处于75%分位数水平下的绿色转型绩效具有显著的正向影响。这也反映出市场化推进，在促进高水平资源型城市绿色创新要素集聚的同时，也加剧中高水平城市资源要素流出。此外，教育投入对各分位数水平下绿色转型绩效具有显著的负向影响，这也与李珂等的研究结论[23]相符。
表5 中国及两大地区资源型城市绿色转型绩效的分位数回归结果

Tab.5 Quantile regression results of the green transition performance of resource-based cities in China and two regions

全样本 南方地区 北方地区
25% 50% 75% 25% 50% 75% 25% 50% 75%
lnrgdp -0.021
（0.032）		 0.028
（0.018）		 0.045
（0.035）		 -0.008
（0.059）		 -0.048
（0.040）		 -0.028
（0.075）		 -0.004
（0.047）		 0.058**
（0.024）		 0.072*
（0.042）
regulate -0.039**
（0.018）		 -0.038***
（0.009）		 -0.018**
（0.008）		 -0.079***
（0.020）		 -0.043***
（0.016）		 -0.012
（0.020）		 0.008
（0.031）		 -0.052***
（0.014）		 -0.044***
（0.010）
Inform 0.041
（0.066）		 0.088*
（0.050）		 0.031
（0.046）		 0.141
（0.135）		 0.191***
（0.065）		 0.073
（0.082）		 0.065
（0.075）		 -0.027
（0.049）		 -0.006
（0.045）
urban -0.011
（0.011）		 0.005
（0.005）		 0.015***
（0.005）		 0.003
（0.020）		 0.009
（0.014）		 0.0004
（0.020）		 0.006
（0.010）		 0.011*
（0.006）		 0.022***
（0.005）
Indust1 0.058***
（0.022）		 0.033**
（0.016）		 0.027
（0.018）		 0.040
（0.027）		 0.044
（0.027）		 0.020
（0.029）		 0.045
（0.037）		 0.022
（0.029）		 0.048**
（0.022）
Indust2 0.001
（0.021）		 -0.012
（0.014）		 -0.012
（0.012）		 0.068**
（0.029）		 0.079***
（0.030）		 0.041
（0.033）		 0.017
（0.027）		 -0.011
（0.020）		 -0.025
（0.015）
employ 0.164***
（0.043）		 0.146***
（0.025）		 0.063***
（0.023）		 0.216***
（0.056）		 0.219***
（0.045）		 0.179***
（0.066）		 0.166**
（0.066）		 0.131***
（0.045）		 0.037
（0.032）
market -0.052***
（0.015）		 -0.031***
（0.007）		 0.013**
（0.006）		 -0.046**
（0.021）		 -0.041***
（0.014）		 0.044**
（0.020）		 -0.091***
（0.021）		 -0.050***
（0.011）		 -0.001
（0.008）
finance 0.020**
（0.009）		 0.015***
（0.005）		 0.009**
（0.004）		 0.002
（0.017）		 -0.002
（0.009）		 0.015
（0.012）		 0.026**
（0.011）		 0.027***
（0.007）		 0.022***
（0.006）
educate -0.023***
（0.003）		 -0.023***
（0.003）		 -0.012***
（0.002）		 -0.031***
（0.005）		 -0.024***
（0.004）		 -0.0169***
（0.004）		 -0.022***
（0.005）		 -0.021***
（0.004）		 -0.018***
（0.004）
常数项 0.956***
（0.126）		 1.058***
（0.088）		 1.023***
（0.076）		 0.600***
（0.173）		 0.529***
（0.179）		 0.599***
（0.217）		 0.857***
（0.177）		 1.067***
（0.122）		 1.134***
（0.098）
样本量 1887 782 1105
R2 0.056 0.065 0.022 0.128 0.084 0.054 0.044 0.082 0.045

注：***、**、*分别表示在1%、5%、10%的显著性水平，括号内为标准误，采用Bootstrap方法抽样500次计算而得。表6同。

从南北两大地区对比来看（表5），经济发展对50%和75%分位数水平下北方资源型城市绿色转型绩效具有显著的正向影响。环境规制对25%、50%分位数水平下南方资源型城市绿色转型绩效具有显著的负向影响，对处于50%和75%分位数水平下北方资源型城市绿色转型绩效具有显著的负向影响。究其原因，可能与两大地区环境规制工具的利用差异和实施强度差异有关。信息化对50%分位数水平下南方资源型城市绿色转型绩效具有显著的正向影响，这意味着南方地区信息基础设施布局对于中等绿色转型水平的资源型城市影响相对较强。城市化对处于50%和75%分位数水平下北方资源型城市绿色转型绩效具有显著的正向影响，这也与邓翔等的研究结论[24]相符。产业结构合理化对75%分位数水平下北方资源型城市绿色转型绩效具有显著的正向影响，产业结构高级化对25%、50%分位数水平下南方资源型城市绿色转型绩效具有显著正向影响。就业结构对各分位数水平下南方资源型城市绿色转型绩效具有显著的正向影响，对处于25%、50%分位数水平下北方资源型城市绿色转型绩效具有显著的正向影响。市场化对南方资源型城市绿色转型绩效的影响系数，从低分位水平下的-0.046逐步上升至高分位数水平下的0.044，且不同分位数水平下的系数均通过了显著性检验；对25%、50%分位数水平下北方资源型城市绿色转型绩效具有显著的负向影响。金融发展对各个分位数水平下北方资源型城市绿色转型绩效具有显著的正向影响。这可能是由于北方资源型城市发展以煤、石油等第二产业为主，对于传统金融需求相对较大。此外，教育投入对南北两大地区各分位数水平下资源型城市绿色转型绩效均具有显著的负向影响，这也与上文结论相符。
表6报告了4类资源型城市绿色转型绩效的分位数回归结果。相较其他城市类型，经济发展对25%和50%分位数水平下成长型城市绿色转型绩效具有显著的负向影响。信息化与就业结构对各分位数水平下成熟型城市绿色转型绩效表现出显著的正向影响。金融发展对各分位数水平下衰退型及再生型城市绿色转型绩效表现出显著的正向影响。究其原因，衰退型城市资源枯竭，对金融支持相对依赖；再生型城市积极谋求金融支持以促进城市创新和吸引劳动力流入[25]。环境规制对各分位数水平下成熟型城市绿色转型绩效具有显著的负向影响。城市化对各分位数水平下成长型城市绿色转型绩效具有显著的正向影响，这意味着城市化对发展潜力较大的成长型城市绿色转型而言，具有良好的示范效应。市场化对处于高分位数水平下成长型城市绿色转型绩效具有显著的正向影响。产业结构合理化水平仅对处于25%和75%分位数水平下成熟型城市绿色转型绩效具有显著的正向影响；产业结构高度化对处于低分位数水平下再生型城市绿色转型绩效具有显著的正向影响，而对处于高分位数水平下衰退型和各分位数水平下成长型城市绿色转型绩效表现出显著的负向影响。此外，教育投入对处于高分位数水平下衰退型城市绿色转型绩效表现出显著的正向影响。
表6 中国4类资源型城市绿色转型绩效的分位数回归结果

Tab.6 Quartile regression results of the green transition performance in four categories of resource-based cities in China

成长型 成熟型 衰退型 再生型
25% 50% 75% 25% 50% 75% 25% 50% 75% 25% 50% 75%
lnrgdp -0.271***
（0.059）		 -0.382**
（0.182）		 -0.103
（0.227）		 0.379
（0.463）		 0.417**
（0.202）		 0.287
（0.305）		 0.082
（2.209）		 3.373*
（1.713）		 3.581***
（0.975）		 2.058**
（1.003）		 1.836*
（0.996）		 0.714
（0.643）
regulate -0.055
（0.040）		 -0.088**
（0.039）		 -0.058**
（0.028）		 -0.049**
（0.019）		 -0.044***
（0.012）		 -0.040***
（0.011）		 0.104**
（0.049）		 0.055
（0.051）		 0.003
（0.026）		 0.052
（0.080）		 0.031
（0.038）		 0.045
（0.031）
Inform 0.062
（0.132）		 0.179
（0.355）		 0.337
（0.328）		 0.119*
（0.064）		 0.154***
（0.043）		 0.085*
（0.044）		 -0.088
（0.368）		 -0.357
（0.282）		 -0.124
（0.113）		 -0.804**
（0.355）		 -0.339
（0.285）		 -0.020
（0.138）
urban 0.011*
（0.006）		 0.025***
（0.007）		 0.028***
（0.006）		 -0.003
（0.015）		 0.013
（0.011）		 0.018***
（0.005）		 -0.036
（0.034）		 -0.010
（0.026）		 -0.021
（0.016）		 0.049**
（0.021）		 0.002
（0.013）		 0.007
（0.009）
Indust1 0.072
（0.044）		 0.059
（0.052）		 0.043
（0.044）		 0.048*
（0.026）		 0.040
（0.025）		 0.036*
（0.020）		 0.048
（0.095）		 0.019
（0.067）		 0.001
（0.047）		 0.218
（0.164）		 -0.135
（0.104）		 -0.047
（0.086）
Indust2 -0.122***
（0.043）		 -0.181***
（0.045）		 -0.181***
（0.036）		 0.024
（0.027）		 0.001
（0.018）		 -0.013
（0.016）		 0.006
（0.072）		 -0.038
（0.065）		 -0.071*
（0.038）		 0.126**
（0.060）		 -0.009
（0.051）		 0.039
（0.039）
employ -0.215*
（0.116）		 -0.072
（0.132）		 -0.004
（0.096）		 0.338***
（0.077）		 0.291***
（0.041）		 0.199***
（0.042）		 -0.185
（0.139）		 0.067
（0.116）		 0.045
（0.066）		 0.429***
（0.131）		 0.379***
（0.092）		 0.144
（0.092）
market -0.017
（0.034）		 0.052
（0.040）		 0.078**
（0.038）		 -0.069***
（0.017）		 -0.053***
（0.009）		 0.001
（0.011）		 -0.014
（0.061）		 -0.056*
（0.031）		 -0.032*
（0.016）		 -0.044
（0.049）		 -0.055**
（0.027）		 -0.036
（0.022）
finance -0.001
（0.017）		 0.003
（0.024）		 0.007
（0.024）		 0.004
（0.008）		 0.009
（0.007）		 0.008
（0.006）		 0.057***
（0.017）		 0.052**
（0.021）		 0.029**
（0.011）		 0.123***
（0.034）		 0.090***
（0.025）		 0.035**
（0.016）
educate -0.010
（0.009）		 -0.014**
（0.007）		 -0.014**
（0.006）		 -0.024***
（0.004）		 -0.027***
（0.002）		 -0.021***
（0.004）		 -0.023*
（0.012）		 0.002
（0.014）		 0.015*
（0.008）		 -0.084***
（0.016）		 -0.054***
（0.011）		 -0.022**
（0.010）
常数项 1.903***
（0.249）		 2.118***
（0.290）		 2.004***
（0.222）		 0.775***
（0.181）		 0.949***
（0.116）		 1.013***
（0.110）		 0.839*
（0.507）		 1.129***
（0.430）		 1.387***
（0.246）		 -0.170
（0.414）		 0.876***
（0.322）		 0.693***
（0.253）
样本量 221 1020 391 255
R2 0.285 0.212 0.307 0.118 0.131 0.045 0.081 0.038 0.111 0.174 0.130 0.033

5 结论与启示

5.1 研究结论

本文选取111个地级行政区的资源型城市为样本，利用数据包络分析方法和分位数回归模型，揭示了2004—2019年中国资源型城市绿色转型的动力源泉及其驱动因素。得出结论如下：①整个样本时期，资源型城市绿色转型绩效累积增长0.33%。党的十八大以来，绿色转型绩效呈现加速增长态势，年均增长率达到1.36%。从区位分布看，南方资源城市绿色转型绩效高于北方；从发展类型看，衰退型城市绿色转型绩效依次高于再生型、成熟型及成长型。②从内源视角看，绿色转型绩效增长主要来源于技术进步的推动，并以环境污染治理技术改进的贡献最大。③从外源视角看，就业结构、环境规制等因素对不同分位数水平下资源型城市绿色转型绩效的影响大小及方向并不相同。其中，就业结构和金融发展对各分位数水平下绿色转型绩效具有显著正向影响；环境规制和教育投入具有显著的负向影响；产业结构合理化对低及中高分位数水平下的绿色转型绩效具有显著的正向影响；信息化和城市化分别对处于中高及高分位数水平下的绿色转型绩效具有显著正向影响；市场化对处于低及中高分位数水平下的绿色转型绩效有显著的负向影响。

5.2 政策启示

①深化绿色转型发展理念，推动资源型城市绿色转型绩效提升。资源型城市绿色转型绩效实现增长，但不同区域之间以及不同城市发展类型之间存在明显差异。其中，南方地区依托良好的区位优势以及新兴经济发展，资源型城市创新要素资源更加活跃导致绿色转型发展相对较快。因此，北方地区需要积极吸收借鉴南方地区绿色转型发展的先进经验。此外，对于不同类型资源型城市而言，要正视绿色转型绩效提升差距，增强策略性互动以激发城市竞争活力，实现在提升中发展和发展中提升。
②强化技术进步效应，增进效率改善对资源型城市绿色转型发展的推动作用。技术进步推动绿色转型绩效提升，效率改善成为资源型城市绿色转型发展的掣肘因素。因此，仍然需要通过完善绿色技术创新机制，保障绿色技术创新基础研发，促进绿色技术市场繁荣。同时，亟待加大教育和技能培训进行人力资本深化；合理调整资本利用结构，加速新旧动能转化；提高资源要素集约化利用，增加综合性生产效益。此外，在绿色转型效率增进的进程中，也要重视社会发展的公平与和谐，以维护环境保护和经济转型等多重政策目标。
③制定差异化绿色转型发展策略，推动资源型城市实现绿色转型升级。不同因素对资源型城市绿色转型绩效的影响存在明显差异，这意味着需要依据绿色转型绩效水平以及所处的不同发展阶段动态调整资源型城市绿色转型发展政策。其中，政府应加大对于教育领域的财政倾斜力度，实施更加合理的环境规制举措，扭转对于绿色转型发展的负向影响；提升低水平绿色转型城市产业结构合理化水平，谋求资源型城市产业结构实现高度化。同时，要加快构建合理有序的市场秩序，促进资源要素合理流动；在推进城市化进程的同时，不断完善资源型城市信息基础设施建设，以良好的市场氛围和有力的基础设施保障，促进资源型城市绿色转型发展。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
余建辉, 李佳洺, 张文忠. 中国资源型城市识别与综合类型划分[J]. 地理学报, 2018, 73(4):677-687.

DOI

[2]
Xia F, Xu J. Green total factor productivity:A re-examination of quality of growth for provinces in China[J]. China Economic Review, 2020,https://doi.org/10.1016/j.chieco.2020.101454.

[3]
彭定洪, 李旭锋. 资源型城市绿色转型成效评价研究——以云南省为例[J]. 城市问题, 2023(7):21-32.

[4]
谭俊涛, 张新林, 刘雷, 等. 中国资源型城市转型绩效测度与评价[J]. 经济地理, 2020, 40(7):57-64.

DOI

[5]
Yin Q, Wang Y, Xu Z, et al. Factors influencing green transformation efficiency in China's mineral resource-based cities:method analysis based on IPAT-E and PLS-SEM[J]. Journal of Cleaner Production, 2022,https://doi.org/10.1016/j.jclepro.202 1.129783.

[6]
王晓楠, 孙威. 黄河流域资源型城市转型效率及其影响因素[J]. 地理科学进展, 2020, 39(10):1643-1655.

DOI

[7]
Yin Q, Wang Y, Wan K, et al. Evaluation of green transformation efficiency in Chinese mineral resource-based cities based on a three-stage DEA method[J]. Sustainability, 2020,https://doi.org/10.3390/su12229455.

[8]
Wang Y, Li Y, Zhu Z, et al. Evaluation of green growth efficiency of oil and gas resource-based cities in China[J]. Clean Technologies and Environmental Policy, 2021,23:1785-1795.

[9]
杨骞, 刘鑫鹏, 孙淑惠. 中国科技创新效率的区域差异及其成因识别——基于重大国家区域发展战略[J]. 科学学研究, 2022, 40(5):927-937.

[10]
李博, 秦欢, 孙威. 产业转型升级与绿色全要素生产率提升的互动关系——基于中国116个地级资源型城市的实证研究[J]. 自然资源学报, 2022, 37(1):186-199.

DOI

[11]
Yue L, Yan H, Ahmad F, et al. The dynamic change trends and internal driving factors of green development efficiency:Robust evidence from resource-based Yellow River Basin cities[J]. Environmental Science and Pollution Research, 2023, 30(16):48571-48586.

[12]
张文忠, 余建辉, 王岱, 等. 中国资源型城市可持续发展研究[M]. 北京: 科学出版社, 2014.

[13]
杨骞, 王珏, 李超, 等. 中国农业绿色全要素生产率的空间分异及其驱动因素[J]. 数量经济技术经济研究, 2019, 36(10):21-37.

[14]
王珏, 李琳. 国家重大区域发展战略视角下资源型城市绿色转型绩效的地区差距及其政策启示[J]. 自然资源学报, 2023, 38(12):3041-3057.

DOI

[15]
史丹, 李少林. 排污权交易制度与能源利用效率——对地级及以上城市的测度与实证[J]. 中国工业经济, 2020(9):5-23.

[16]
徐维祥, 郑金辉, 周建平, 等. 资源型城市转型绩效特征及其碳减排效应[J]. 自然资源学报, 2023, 38(1):39-57.

DOI

[17]
盛来运, 郑鑫, 周平, 等. 我国经济发展南北差距扩大的原因分析[J]. 管理世界, 2018, 34(9):16-24.

[18]
赵传松, 刘华军. 基于城市群视角的中国经济发展南北差距研究[J]. 中国人口·资源与环境, 2023, 33(2):134-142.

[19]
林伯强, 谭睿鹏. 中国经济集聚与绿色经济效率[J]. 经济研究, 2019, 54(2):119-132.

[20]
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.

[21]
李虹, 邹庆. 环境规制、 资源禀赋与城市产业转型研究——基于资源型城市与非资源型城市的对比分析[J]. 经济研究, 2018, 53(11):182-198.

[22]
孙晓华, 任俊林. 资源税改革推动了城市经济增长与产业结构转型吗?[J]. 南开经济研究, 2023,(1):82-100.

[23]
李珂, 王志刚. 地方财政收入流动性的区域差异——基于城市财政收入数据[J]. 世界经济文汇, 2022(5):53-68.

[24]
邓翔, 张卫. 大城市加重地区环境污染了吗?[J]. 北京理工大学学报:社会科学版, 2018, 20(1):36-44.

[25]
姚璐, 王书华, 范瑞. 资源依赖视角下金融集聚对绿色全要素生产率的影响[J]. 资源科学, 2023, 45(2):308-321.

DOI

Options
Outlines

/

〈 〉