EN中文

Economic geography >

2020 , Vol. 40 >Issue 2: 108 - 116

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.02.012

Evaluation and Evolution of Provincial High-Quality Green Development in China

  • ZHANG Xu ,
  • WEI Fuli ,
  • YUAN Xumei , ※
Expand
  • School of Management and Economics，Hebei Yanshan University，Qinhuangdao 066000，Hebei，China

Received date: 2019-05-21

  Revised date: 2019-12-13

  Online published: 2025-04-01

Fold

Abstract

High-quality green development which is the key to building a beautiful China is the mode of high-face-value ecological environment and high-quality economic development simultaneously. Based on DPSIR model，this paper establishes an evaluation index system of high-quality green development，and makes an empirical study on the level of provinced high-quality green development in China from 2013 to 2017 using the improved entropy weight method and spatial auto-correlation technology. The development level and spatial-temporal evolution are analyzed，and classified in terms of "environmental state" and "environmental response". The results show that the overall level of high-quality green development in China shows an upward trend year by year during the survey period; there are significant differences in the level of high-quality green development，driving factors and weak links from the data of provinces and municipalities，which can be divided into four types: mature development，tending to mature development，rapid development，embryonic development; there are obvious positive spatial auto-correlation between provinces from the spatial pattern which have different levels of high-quality green development，forming two spatial agglomeration areas of "diffusion effect type" and "low-speed growth type".

Key words： high-quality green development; development level; evaluation; entropy method; Exploratory Spatial Data Analysis(ESDA); environmental response; innovation-driven

Cite this article

ZHANG Xu , WEI Fuli , YUAN Xumei . Evaluation and Evolution of Provincial High-Quality Green Development in China[J]. Economic geography, 2020 , 40(2) : 108 -116 . DOI: 10.15957/j.cnki.jjdl.2020.02.012

绿色发展最早起源于联合国开发计划署的《中国人类发展报告2002：绿色发展 必选之路》，在党的十八届五中全会上首次被列为“十三五”规划五大发展理念之一。统计数据显示，2018年中国GDP总量突破90万亿，但人均GDP世界排名第70位，空气质量全球排名177位，仅优于印度、孟加拉国、尼泊尔三国，人均水资源占有量名列121位，仅为世界平均水平的1/4，绿色发展情况并不乐观。高质量绿色发展是以效率为导向，通过人力资本投资、技术和制度创新实现能源结构低碳化、生产循环化、消费结构绿色化的可持续发展。在高质量发展阶段，走绿色发展之路是改善区域环境质量、建设美丽中国的关键。
国内外学者关于绿色发展的研究主要集中在绿色发展的理论内涵、水平测度以及具体提升路径方面：国外研究主要是在不断批判中形成绿色发展的理论框架，包括相关理论、思想、发展模式以及与可持续发展、包容性增长等概念的关系；国内专家和政府文件对绿色发展的解读更倾向于经济、环境两个方面，要求在经济增长的同时减少对资源环境的影响，如胡鞍钢团队[1]、俞海[2]；但也有学者考虑了文化、社会方面的绿色化，如夏光[3]。对于绿色水平测度，国外关于绿色发展已经形成一些比较成熟的指标，如经合组织（OECD）的DPSIR评价体系，联合国环境规划署（UNEP）的三系统模型等，得到学术界的广泛采用，如Satbyul[4]、Sueyoshi[5]；国内研究可以分为国家级、省市级、区域级3个层面，聂玉立[6]、郭玲玲[7]对中国绿色发展情况进行评价；张欢[8]、杨刚[9]、李云燕[10]、马骍[11]分别研究了湖北省、陕南各市、河北省、云南省的绿色发展情况；张小刚[12]、杨顺顺[13]、马丽梅[14]分别对长株潭城市群、长江经济带三大城市群和京津冀地区的绿色发展水平进行了测度与分析。对于绿色发展提升路径，国内外学者的研究大致可以分为以下方面：一是强调通过政府职能和政策环境促进绿色发展，如吕薇[15]；二是从经济发展方式和科技创新模式等方面提出绿色发展建议，如Dulal[16]、冯之浚[17]；三是通过借鉴其他国家的经验寻找绿色发展之路，如Kim[18]、谭志雄[19]。
在高质量发展方面，国外研究多从经济发展方式角度开展，如Barro[20]、Mlachila等[21]。中国语境下的高质量发展的内涵则更加丰富，不仅包括经济上质量和效率的提升，也包括制度、社会、生态等方面的要求，如在张帆[22]、颜廷标[23]等研究中均认为高质量发展内涵应包含创新、协调、绿色、开放、共享等多个方面。现有文献对于高质量发展新形势下的绿色发展问题研究较少，何爱平团队研究了新时代中国特色绿色发展的理论与实践路径[24]；金乐琴研究了高质量绿色发展的理论内涵与实践路径，认为其关键是通过人力、技术、制度、资源等全要素的综合实现经济增长与生态环境损害的“脱钩”[25]。
综上，国内外学者对绿色发展做了大量研究与探讨，但其中仍存在较大的改进空间：一方面，对于高质量转型与绿色发展相结合所形成的高质量绿色发展的理论框架、实证评价以及实现路径等问题并未进行系统的研究与分析，相关文献较少，理论分析不足；另一方面，绿色发展评价指标差异较大，并未形成统一的标准，缺乏系统和规范化的高质量背景下绿色发展测度指标，难以对不同地区的发展状态进行综合比较。基于此，本文在内涵与框架分析的基础上建立高质量绿色发展评价指标体系，以中国30个省区（不包括西藏和港澳台地区）为对象，研究中国省域高质量绿色发展的水平测度、分类以及时空演化等问题，对于丰富和补充传统发展理论、实现经济增长与关键自然资本的“脱钩”具有重要的理论和现实意义，能够为绿色发展研究提供新的思路与视角，有利于在不断创新中完善高质量绿色发展生态体系。

1 高质量绿色发展指标体系构建

1.1 高质量绿色发展的内涵与模式框架

绿色发展是党的十八届五中全会提出的五大发展理念之一，高质量发展是党的十九大首次提出的新表述，生态环境“高颜值”与经济发展“高素质”齐头并进是高质量绿色发展的应有之义。本文研究所提出的高质量绿色发展是一种以生态经济理论、可持续发展理论、经济增长理论等为基础，以创新驱动、产业升级以及人力、实物、自然资本全要素生产率提升为手段，推动能源结构低碳化、生产过程循环化、消费结构绿色化，实现经济增长与关键自然资源消耗、生态环境破坏“脱钩”的发展模式，其基本框架如图1所示。
图1 高质量绿色发展基本框架

Fig.1 Basic framework for high-quality green development

1.2 基于DPSIR的高质量绿色发展指标体系

DPSIR模型是国内外学者构建关于资源、环境、社会、经济发展等指标时常用的方法，将问题分为动力（D）、压力（P）、状态（S）、影响（I）和响应（R）五个要素，通过分析各要素之间的相互作用关系使引起问题的原因和解决问题的手段同时体现在指标体系中。本文借鉴近年来学者们对绿色发展和高质量发展的评价研究，根据目的性、科学性、针对性、可操作性等原则，构建基于DPSIR模型的省域高质量绿色发展水平评价体系框架，如图2所示。
图2 基于DPSIR模型的省区高质量绿色发展水平评价体系框架

Fig.2 Framework of provincial （municipal） high-quality green development level evaluation system based on DPSIR model

1.2.1 高质量绿色发展动力指标

动力（D）是指导致高质量绿色发展提出和实践的驱动因素，包括经济驱动和社会驱动两个方面：经济驱动中GDP的增长、固定资产投资的增加可以使居民消费水平和城镇居民可支配收入有所提升，进而引起市场结构、资源利用结构和规模的变化，最终对自然环境产生影响；社会驱动中人口增长造成的城市规模的扩大、民用汽车拥有量的增多、人均用水量的增加等会加剧CO2的排放和空气污染，水资源紧缺的现象愈发严重。经济因素与社会因素的时空演化与作用是引起高质量绿色发展最基础、最直接的要素。

1.2.2 高质量绿色发展压力指标

压力（P）反映了人类活动对于环境的负荷，例如能源消耗、环境污染等：单位GDP能耗、单位GDP电耗是对资源或能源消耗最直接的反映，若比值较大，说明该地区主要依靠消耗增加生产总值，需进一步优化产业结构、降低资源能源消耗强度；环境压力主要体现在对大气、水资源和固体废弃物等主要环境构成要素的影响上。

1.2.3 高质量绿色发展状态指标

状态（S）是指环境在上述动力和压力作用下所处的状况，可以定量测算地区高质量绿色发展的现状。高质量绿色发展状态的主要表现为地区能源结构与资源利用情况，如三产贡献率、能源消耗结构等以及地区生态环境污染程度，如生态环境污染指数、森林覆盖率等。

1.2.4 高质量绿色发展影响指标

影响（P）是指由于人类活动对环境造成压力，导致环境状态变化而给人类健康、资源等产生的影响。这种影响可能是直接的环境影响，如环境空气达标率、污水排放达标率、人均水资源量、自然保护区面积比例等，也可能是间接的经济社会影响，如恩格尔系数、失业率等。

1.2.5 高质量绿色发展响应指标

响应（R）是指个人、团体或政府等为防止生态环境破坏和污染、改善环境质量、弥补损失或适应新环境变化趋势而采取的措施与对策。在高质量绿色发展的评价指标体系中，响应是其区别于传统绿色发展指标的关键。根据前述高质量绿色发展的内涵与基本框架，本文从效率导向、创新驱动和结构优化三个方面分析高质量绿色发展的措施与对策作为响应的具体指标。其中，效率导向包括全社会劳动生产率、全要素生产率等；创新驱动可以从R&D经费支出占GDP比重、发明专利申请数与R&D经费之比等方面衡量；结构优化情况则可以从新产品产值占工业总产值比重，服务业增加值占GDP比重，文化及相关产业增加值占GDP比重，信息通信技术产业增加值占GDP比重，直接融资占全部融资比重，实物商品网上零售额占社会消费品零售总额的比重等方面衡量。
本文所构建的省域高质量绿色发展水平评价指标体系见表1。
表1 省域高质量绿色发展水平评价指标体系

Tab.1 Evaluation index system of high quality green development level in provinces

一级
指标		 二级指标 三级指标 指标
方向		 单位
动力
（D）		 经济动力 人均GDP + 元
居民消费水平 + 元
城镇居民可支配收入 + 元
固定资产投资 + 亿元
社会动力 人均用水量 - m3/人
人口自然增长率 - %
民用汽车拥有量 - 辆
压力
（P）		 能源压力 单位GDP能耗 - t标准煤/万元
单位GDP电耗 - kW·h/万元
环境压力 废水排放总量 - 万t
烟粉尘排放总量 - 万t
SO2排放总量 - 万t
一般工业固体废物产生量 - 万t
状态
（S）		 能源状态 石油消费增长率 - %
煤炭消费增长率 - %
天然气消费增长率 + %
环境状态 环境空气质量综合指数 - /
森林覆盖率 + %
影响
（I）		 社会影响 居民消费价格指数 - /
登记失业率 - %
环境影响 人均公园绿地面积 + m2
空气质量好于二级的天数 + 天
人均水资源量 + m3/人
湿地面积占国土面积比例 + %
响应
（R）		 效率导向 全社会劳动生产率 + 元/人
全要素生产率 + %
创新驱动 R&D经费投入强度 + %
R&D人员全时当量 + 人年
结构优化 第三产业比重 + %
文化及相关产业固定资产
投资占固定资产投资总额
比重		 + %
实物商品网上零售额占社
会消费品零售总额的比重		 + %

2 研究方法与数据来源

2.1 研究方法

2.1.1 考虑时间变量的熵权法

熵的概念源于热力学，是对系统状态不确定性的一种度量。熵权法是判断某个指标的离散程度的数学方法，能够对指标进行较为客观的赋权和计算，其值越大说明该指标提供的信息量越大，对综合评价的影响就越大，相应的权重越高。传统熵权法的计算步骤包括数据标准化、数据平移、信息熵确定和权重计算等。
本研究旨在分析2013—2017年中国省域高质量绿色发展水平及其变化情况，为了实现不同年份之间对比，采用考虑时间变量的熵权法，在传统方法的基础上基于时间（年份）进行累加求和，确定各评价指标权重并计算各年份中国省域高质量绿色发展水平，具体操作步骤如下。
Step1：考虑到各指标性质、量纲的不一致性，对正向指标和负向指标分别进行标准化处理；
Step2：为了满足对数运算中对底数的要求，按照特定的幅度A对指标数据做平移处理；
Step3：确定指标权重：
y θ i j = x θ i j ' ∑ θ ∑ i x θ i j '     θ = 1,2 , … , r ; i = 1,2 , … , n
式中： x θ i j '表示第 θ年省份 i的第 j项指标标准化后的数值；r和n分别表示样本中年份的个数和省区的个数。
Step4：计算第 j项指标的熵值：
e j = - k · ∑ θ ∑ i y θ i j l n y θ i j
式中：k>0， k = l n r · n， e j ≥ 0。
Step5：计算各指标的权重：
w j = 1 - e j ∑ j 1 - e j     j = 1,2 , … , m
Step6：根据各指标的权重和标准化后的指标值计算各个省区的高质量绿色发展水平。

2.1.2 探索性空间数据分析方法

探索性空间数据分析方法（ESDA，Exploratory Spatial Data Analysis）是一系列空间分析方法和技术的集合，通过对事物或者现象空间分布格局的描述和可视化，发现研究变量的空间关联性和聚集性。本文通过两类空间自相关的方法分析2013—2017年的中国省域高质量绿色发展水平的时空演化特征，首先运用全局空间自相关指数识别所选研究区域在2013—2017年空间相关性的存在性，其次运用局部空间自相关指数识别2013—2017年中国省域高质量绿色发展水平的热点与冷点区域。
①全局空间自相关分析。全局莫兰指数I是在1950年由莫兰提出的[26]，用于检验空间关联性和集聚问题的探索性空间分析指标，反映整个研究区域中各个单元与其邻近单元的相似性。本文用莫兰指数研究全局空间的自相关性，计算公式如下：
I = n ∑ i = 1 n ∑ j = 1 n w i j x i - x - x j - x - ∑ i = 1 n ∑ j = 1 n w i j ∑ i = 1 n ( x i - x - ) 2 = ∑ i = 1 n ∑ j = 1 n w i j x i - x - x j - x - S 2 ∑ i = 1 n ∑ j = 1 n w i j
式中：I为全局莫兰指数，其取值范围为（-1，1），I>0表示正相关，越接近1表明相似属性聚集在一起程度越高（即高—高、低—低邻接），I<0表示负相关，越接近-1表明相异属性聚集在一起程度越高（即高—低、低—高邻接），I=0表示不相关，所有属性随机分布；n表示研究区域内的研究单元的总数；wij表示空间权重矩阵的元素值，本文采用k最近邻居邻接规则确定空间权重矩阵。
②局部空间自相关分析。局部莫兰指数Ii是1995年由Anselin提出的[27]，可以更加精确地反映观测值在局部空间的聚集现象，计算公式如下：
I i = x i - x - ∑ j = 1 n w i j x i - x - S 2
式中：Ii>0表示一个高的属性值被高的属性值包围（“高—高”聚集区），或者一个低的属性值被低的属性值包围（“低—低”聚集区）；Ii<0表示一个高的属性值被低的属性值包围（“高—低”聚集区），或者一个低的属性值被高的属性值包围（“低—高”聚集区）。

2.2 数据来源与处理

本文实证研究对象为我国30个省区（不含西藏和港澳台地区），为了保障数据的科学性与准确性，本研究采用的原始数据全部来源于2014—2018年的《中国统计年鉴》《中国统计摘要》《中国城市统计年鉴》《中国人口和就业统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国第三产业统计年鉴》以及生态环境部发布的《中国生态环境状况公报》等统计数据与资料，部分缺失数据通过移动平均法加以补全。此外，环境空气质量综合指数、全社会劳动生产率、全要素生产率3个指标需要在公开统计数据的基础上通过计算与整理后得到，具体如下。
①环境空气质量综合指数。环境空气质量综合指数考虑了SO2、NO2、PM10、PM2.5、CO、O3六项污染物的污染程度，能够描述城市环境空气质量综合状况，具体计算公式如下：
环 境 空 气 质 量 综 合 指 数 = ∑ I i = ∑ C i / S i
式中： I i为污染物 i的单项指标，i=1，2，…，6，分别代表SO2、NO2、PM10、PM2.5、CO、O3六项污染物； C i为第 i种污染物的浓度； S i为根据《环境空气质量标准》确定的第 i种污染物年均二级标准。
现有数据资料并未对省区污染物排放情况进行统计汇总，而是仅公布了全国113个环保重点城市的数据，因此本文将113个城市按照省份进行划分，根据式（6）方法计算其环境空气质量综合指数，并以城市均值作为各省区的空气质量综合指数。省域空气质量好于二级的天数数据的获取与此方法相同。
②全社会劳动生产率。全社会劳动生产率是指在一定时期内全社会劳动者（从业人员）的劳动效率，反映了人类通过劳动同自然界进行物质变换的能力，是衡量社会经济发展质量和效益的重要指标。本文按照国家统计局公布的计算方法，以GDP与地区年平均从业人员的比值计算获得各省区的全社会劳动生产率。
③全要素生产率。全要素生产率（TFP）是生产活动在一定时间内的效率，是衡量单位总投入的总产出量的生产率指标，也是经济由高速增长阶段转向高质量发展阶段的动力源泉。本文采用索洛经济增长模型计算各省区的TFP，具体公式如下：
T F P = G Y - α G L - β G K       α + β = 1
式中： G Y为经济增长率，可以用地区GDP增长率表示； G L为劳动力增长率，可以用地区从业人员数增长率表示； G K为固定资本存量增长率，本文按照单豪杰提出的永续盘存法[28]计算固定资本存量，即
      固 定 资 本 存 量 = 名 义 固 定 资 本 形 成 额 平 减 指 数 ( 实 际 固 定 资 本 存 量 ) +       1 - 0.1096 · 上 一 期 资 本 存 量
式中： α和 β分别为劳动和资本的产出弹性，本文根据《中国全要素生产率的估算：1979—2004》[29]的结果，将 α确定为0.6921， β确定为0.3079。

3 省域高质量绿色发展水平与分类

3.1 中国省域高质量绿色发展总体水平

根据前述考虑时间变量的熵权法计算中国2013—2017年各年总体高质量绿色发展水平，结果显示：我国总体高质量绿色发展水平在2013—2017年呈现稳步增长态势，年均增长率在2.05%~2.90%之间，波动较小。其中，2016年增长率最高达到2.90%，这与党的十八届五中全会将绿色发展列为“五大发展”理念之一这一战略部署密切相关。

3.2 各省区分指标高质量绿色发展水平

基于考虑时间变量的熵权法，对2013—2017年中国30个省区的高质量绿色发展水平进行评价，计算各省区在五个一级指标下的得分和综合得分并排序，具体结果见表2，其中，*和#分别表示各省区高质量绿色发展的驱动因素和薄弱环节。
表2 2013—2017年省域高质量绿色发展水平及排序

Tab.2 High-quality green development level and ranking of provinces from 2013 to 2017

动力 排序 压力 排序 状态 排序 影响 排序 响应 排序 综合 排序
北京 0.154 2 0.187* 1 0.092 8 0.080# 18 0.145* 1 0.658 1
天津 0.147* 3 0.181 3 0.071# 23 0.090 8 0.085 6 0.574 3
河北 0.088 22 0.092# 30 0.071 24 0.063# 30 0.064* 15 0.376 29
山西 0.092 19 0.095# 29 0.074 19 0.079 20 0.059 20 0.400 26
内蒙古 0.111* 7 0.111 27 0.086 13 0.075 25 0.049# 28 0.432 24
辽宁 0.121 6 0.121# 25 0.084 16 0.096* 5 0.063 18 0.485 14
吉林 0.108* 9 0.169 6 0.087 11 0.077 22 0.051# 25 0.492 11
黑龙江 0.098 16 0.153 13 0.090* 9 0.075# 23 0.060 19 0.476 17
上海 0.159* 1 0.176 4 0.073# 22 0.104 2 0.116 2 0.628 2
江苏 0.137* 4 0.134# 21 0.074# 21 0.097* 4 0.108* 4 0.549 6
浙江 0.125 5 0.155# 12 0.100* 4 0.090 6 0.102 5 0.572 4
安徽 0.091# 20 0.152 15 0.074# 20 0.090* 7 0.064 14 0.471 18
福建 0.108# 10 0.164 7 0.104* 2 0.089 9 0.074 9 0.540 7
江西 0.089# 21 0.157 10 0.095* 7 0.089 16 0.066 13 0.495 10
山东 0.107 11 0.109# 28 0.067 27 0.089 10 0.084* 7 0.457 19
河南 0.096 18 0.130 22 0.067# 28 0.068 26 0.063 17 0.424 25
湖北 0.105 13 0.156* 11 0.083 17 0.078# 21 0.069 12 0.490 13
湖南 0.097 17 0.157* 9 0.086 12 0.066# 28 0.070 11 0.477 16
广东 0.104 14 0.135# 20 0.098 6 0.110* 1 0.112 3 0.559 5
广西 0.083# 26 0.160 8 0.107* 1 0.088 12 0.053 23 0.491 12
海南 0.084# 25 0.184* 2 0.098 5 0.101 3 0.057 21 0.525 8
重庆 0.109 8 0.169* 5 0.084# 15 0.084 14 0.076 8 0.523 9
四川 0.100* 15 0.144 18 0.077 18 0.063# 29 0.064 16 0.449 22
贵州 0.087 23 0.142 19 0.089* 10 0.079 19 0.052# 24 0.449 21
云南 0.086 24 0.145 17 0.101* 3 0.075 24 0.050# 26 0.456 20
陕西 0.105 12 0.153 14 0.084 14 0.068# 27 0.070* 10 0.480 15
甘肃 0.081# 28 0.147 16 0.069 26 0.085* 13 0.056 22 0.439 23
青海 0.083 27 0.124 23 0.061 29 0.083* 15 0.044# 30 0.395 28
宁夏 0.078# 29 0.122 24 0.069 25 0.081 16 0.049 27 0.398 27
新疆 0.049# 30 0.116 26 0.056# 30 0.080 17 0.045 29 0.345 30
由表2，2013—2017年中国各省区高质量绿色发展水平差异明显，排名第一位的北京市，高质量绿色发展水平综合得分为0.658，是最后一名新疆维吾尔自治区的1.91倍。在30个省区中，高质量绿色发展水平排名前五位和后五位的分别是“北京、天津、上海、浙江、广东”和“新疆、河北、青海、宁夏、山西”，其在各指标下的具体表现如下。
①中国各省区在不同一级指标下的平均水平存在显著差异，在“压力”指标下表现最为突出，其次为“动力”和“影响”，在“响应”和“状态”方面得分最低。这是由于中国作为发展中大国自改革开放以来一直进行绿色发展实践，人类活动对环境的负荷、自然资源保护等生态环境问题早已引起各省区的重视，而在具体实现方式上，通过效率导向、创新驱动、结构优化等路径实现绿色发展的高质量绿色发展模式目前仍处于探索阶段。
②排名前五位的省区主要分布在经济发达地区，在五个一级指标下均有不俗表现，但其核心驱动因素与关键薄弱环节存在差异。在核心驱动因素方面，北京主要表现在“压力”和“响应”上，如单位GDP能耗、R&D经费投入强度；上海主要表现在“动力”方面，即城镇居民可支配收入；广东主要为“影响”，是指其在人均公园绿地面积、空气质量好于二级的天数方面表现较为突出。在关键薄弱环节上，天津和上海主要体现在“状态”方面，前者表现为石油消费增长率、环境空气质量综合指数较高且森林覆盖率较低，后者则是天然气消费量增长率及森林覆盖率较低且石油消费量增长率较高；浙江和广东则体现在“压力”方面，浙江主要为单位GDP电耗较高，广东表现在废水排放总量方面；北京表现在“影响”方面，这主要是由人均公园绿地面积较少造成的。
③排名后五位的省区在五个一级指标下的表现均低于全国平均水平，且无明显的核心驱动因素，新疆、宁夏、青海分别在“影响”指标下的居民消费价格指数、人均公园绿地面积、人均水资源方面表现略好；河北在“响应”指标下排名第15位，其在全要素生产率方面表现略好，在R&D人员全时当量方面有一定的投入，但绿色发展效果并不显著；山西在各指标下均处于中等偏下水平，未见明显的驱动因素。

3.3 各省区高质量绿色发展水平分类

为进一步把握中国各省区高质量绿色发展的投入与效果，基于表2数据，从“响应”和“状态”两个维度将各省区高质量绿色发展水平分为“成熟发展型”“趋于成熟型”“快速发育型”“雏形发育型”四类，具体如图3所示。
图3 2013—2017年各省区高质量绿色发展平均水平分类

Fig.3 Average level classification of high quality green development in provinces (cities) from 2013 to 2017

①成熟发展型：发展质量优，环境状态好，包含北京、浙江、广东、福建、重庆。
②趋于成熟型：发展质量优，环境状态一般，其中包含上海、江苏、天津、山东。
③快速发育型：发展质量一般，环境状态好，与传统绿色发展存在相似之处。其中包含湖南、湖北、陕西、江西、黑龙江、辽宁、吉林、内蒙古、贵州、海南、云南、广西。
④雏形发育型：发展质量与环境状态均表现平平，包含四川、安徽、河南、河北、山西、甘肃、青海、宁夏、新疆。
具体来看，伴随绿色发展理念的不断成熟以及高质量发展理念的提出和发展，我国各地区高质量绿色发展态势良好。2013—2017年，成熟发展型与趋于成熟型省区及数量较为稳定，为4个或5个，主要位于经济发达、创新突出的地区。快速发育型与雏形发育型省区多位于人口稠密、经济社会发展程度一般的中部地区，但波动相对较大，前者先下降后上升，在2016年达到峰值15个省区，说明十八届五中全会后，越来越多的省区积极落实绿色发展理念；后者先上升后下降，在2016年达到低谷的7个省区，2017年有所回升，在我国高质量绿色发展水平整体不断提升的同时，这些地区经济社会和生态环境仍处于持续落后阶段。

4 高质量绿色发展水平时空演化分析

4.1 全局时空演化分析

基于探索性空间数据分析方法，利用GeoDa软件计算2013—2017年中国省域高质量绿色发展水平的全局Moran’s I 指数，结果见表3。其中全局莫兰指数均为正值，满足Z值检验要求，说明中国各省区的高质量绿色发展水平存在正的空间自相关性。具体来说，全局Moran’s I 指数呈现先下降后回升再下降的趋势，可以分为2013—2015、2015—2016以及2016—2017年三个阶段。
表3 2013—2017年中国省域高质量绿色发展水平的全局Moran’s I 指数

Tab.3 Global Moran's I Index of China’s provincial high quality green development level from 2013 to 2017

2013 2014 2015 2016 2017
全局莫兰指数 0.212496 0.171147 0.0866929 0.273621 0.146165
①2013—2015年，全局Moran’s I指数下降显著，在2015年达到考察期内的最低值，这是由于2015年部分省区高质量绿色发展水平发生了较大的变动，如与其周围省区相比，内蒙古、海南、重庆、江苏分别增长了0.68%、1.84%、4.72%、6.5%，从而降低了观测值的整体聚集程度，区域失衡现象明显。
②2015—2016年，全局Moran’s I指数快速上升至五年内的最高值，中国各省区高质量绿色发展水平地域性显著，如江苏、福建分别上升了3.59%、3.69%，与浙江、广东共同形成高水平省区带，而贵州、四川、云南分别下降了0.71%、3.15%、5.53%。与青海、甘肃等省区形成大面积低水平省区带。
③2016—2017年，随着高质量发展理念的提出，效率优先的发展理念引起人们的高度重视与实践。重庆、云南、贵州、四川等省区高质量绿色发展水平均有所回升，但由于各地区资源禀赋、基础设施、工业化水平、经济发展程度、环境负荷、治理力度等的不同，应对新政策与新形势的效果也有所差异。虽然各省区水平均有所回升，但相对落后地区的追赶效应并不显著。

4.2 局部时空演化分析

为区分各省区局部的空间聚集程度，分析某一省域单元与其相邻省域单元的高质量绿色发展水平的相似程度与空间分异特征，计算2013—2017年中国省域高质量绿色发展水平的局部Moran’s I指数，将各省区高质量绿色发展水平的集聚特征分为以下四类：
①扩散效应型：本省区和相邻省区的高质量绿色发展水平均较高，呈现为“高—高”空间集聚特征。2013—2017年始终属于扩散效应型的省区包括上海、天津、浙江、江苏、福建、海南、广东、江西、吉林。
②极化效应型：本省区高质量绿色发展水平较高，而相邻省区较低，呈现为“高—低”空间分异特征。2013—2017年属于极化效应型的省区始终包括湖北、重庆和北京；陕西只有在2015年出现在该类型。
③过渡型：本省区高质量绿色发展水平较低，而相邻省区较高，呈现为“低—高”空间分异特征。2013—2016年属于过渡型的省区始终包括山东、安徽、河北、内蒙古、湖南，2017年该类型减少了湖南，2017年该类型的省区变为山东、安徽、河北、内蒙古。
④低速增长型：本省区和相邻省区的高质量绿色发展水平均较低，呈现为“低—低”空间集聚特征。2013—2017年属于低速增长型的省区依次为10、8、8、8、7个。
综上，中国省域高质量绿色发展水平存在着明显的空间依赖关系，即中国大部分省域高质量绿色发展水平与相邻地区表现出聚集特征。进一步地，分析2013—2017年中国省域在0.05显著性水平下的高质量绿色发展水平空间聚集状态（图4）发现，省域高质量绿色发展水平在空间上形成两个不同的集聚区：一个是由新疆、青海、甘肃、宁夏、陕西组成的高质量绿色发展“低—低”型低速增长区，这些地区均地处偏远的西部，幅员辽阔，地广人稀，工业化进程发展相对缓慢，高质量绿色发展创新动力不足；另一个是由浙江，江苏，福建组成的高质量绿色发展“高—高”型扩散效应区，这部分地区大多处于东部沿海地区。在研究区间内，较少出现在0.05显著性水平下的极化效应型的“高—低”聚集区和过渡型的“低—高”聚集区。
图4 中国省域高质量绿色发展水平的空间聚集演化

Fig.4 Spatial aggregation evolution of high quality green development level in China's provinces

5 结论与建议

本文以可持续发展理论、绿色发展理论和经济增长理论为基础，基于DPSIR模型建立高质量绿色发展水平测度指标体系，并基于熵权法和探索性空间数据分析技术对中国30个省区（不包括西藏和港澳台地区）2013—2017年高质量绿色发展水平进行实证测量，具体结论如下：
①中国高质量绿色发展水平总体呈现上升趋势，其中“压力”方面发展成效显著，“状态”和“响应”方面存在较大的提升空间。
②各省区高质量绿色发展水平差异明显，其中水平较高的地区主要分布在经济相对发达的地区和省区。无论是高水平发展地区还是相对落后地区，均存在与区域特点相匹配的驱动因素与薄弱环节。
③根据高质量绿色发展水平测度结果，可以将中国各省区分为“成熟发展型”“趋于成熟型”“快速发育型”“雏形发育型”四类。考察期内，前两种类型的省区相对稳定，后两种类型则存在较为显著的波动，在绿色发展成为“五大发展”理念之一的2016年表现较为明显。
④从地域分布上，中国各省区高质量绿色发展水平呈现正空间自相关性，即空间聚集效应明显，主要表现为由上海、江苏、浙江、福建、广东、天津组成的“高—高”型扩散效应区和由新疆、青海、甘肃、宁夏构成的“低—低”型低速增长区。
在新发展理念下，生态环境“高颜值”与经济发展“高素质”齐头并进是高质量绿色发展的应有之义。因此，对高质量绿色发展水平的考量，既要反映高质量发展的绿色底线，实现经济增长与关键自然资源、生态环境损害之间的脱钩，又要反映绿色发展的高质量要求，以科技创新为驱动，以效率提升为导向，以产业和能源体系转型升级为核心，提升绿色发展品质。具体到各省区，需要针对自身区位特点、资源禀赋、发展类型、特色水平、驱动因素、薄弱环节等明确各省区评价的基本标准与个性化要求，制定具有针对性的高质量绿色发展评价指标体系与提升策略，并通过省域交流与合作，提升高质量绿色发展的地理扩散效应。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
胡鞍钢. 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(16):16-22.

[2]
俞海. 中国“十二五”绿色发展路线图[J]. 环境保护, 2011(1): 10-13.

[3]
夏光. 绿色发展的三大动力[J]. 全球化, 2016(4):29-38.

[4]
Satbyul E K, Ho K, Yeora C. A new approach to measuring green growth:Application to the OECD and Korea[J]. Futures, 2014(11):37-48.

[5]
Sueyoshi T. Damages to return with a possible occurrence of eco-technology innovation measured by DEA environmental assessment[J]. Journal of Economic Structures, 2017, 6(1):7.

[6]
聂玉立, 温湖炜. 中国地级以上城市绿色经济效率实证研究[J]. 中国人口·资源与环境, 2015, 25(S1):409-413.

[7]
郭玲玲, 卢小丽, 武春友, 等. 中国绿色增长评价指标体系构建研究[J]. 科研管理, 2016, 37(6):141-150.

[8]
张欢, 罗畅, 成金华, 等. 湖北省绿色发展水平测度及其空间关系[J]. 经济地理, 2016, 36(9):158-165.

[9]
杨刚, 张阳, 宋美茹, 等. 陕南城市绿色发展水平的测度及综合评价[J]. 陕西理工学院学报:自然科学版, 2016, 32(2):87-92.

[10]
李云燕, 殷晨曦. 绿色发展背景下的京津冀大中型城市产业转型模式研究[J]. 环境保护, 2017, 45(4):33-39.

[11]
马骍. 云南省绿色经济发展评价指标体系研究[J]. 西南民族大学学报:人文社科版, 2018, 39(12):128-136.

[12]
张小刚. 基于可持续发展的城市群绿色经济发展研究——以长株潭城市群为例[J]. 湖南师范大学社会科学学报, 2011, 40(5):101-104.

[13]
杨顺顺. 长江经济带绿色发展指数测度及比较研究[J]. 求索, 2018(5):88-95.

[14]
马丽梅, 史丹. 京津冀绿色协同发展进程研究:基于空间环境库兹涅茨曲线的再检验[J]. 中国软科学, 2017(10):82-93.

[15]
吕薇. 营造有利于绿色发展的体制机制和政策环境[J]. 经济纵横, 2016(02):4-8.

[16]
Dulal H B, Dulal R, Yadav P K. Delivering green economy in Asia:the role of fiscal instruments[J]. Futures, 2015,73:61-77.

[17]
冯之浚, 周荣. 低碳经济:中国实现绿色发展的根本途径[J]. 中国人口·资源与环境, 2010, 20(4):1-7.

[18]
Kim S E, Kim H, Chae Y. A new approach to measuring green growth:Application to the OECD and Korea[J]. Futures, 2014,63:37-48.

[19]
谭志雄. 西部欠发达地区推进绿色发展的路径与政策建议[J]. 经济纵横, 2017(5):99-104.

[20]
BARRO R J. Quality and quantity of economic growth[R]. Central Bank of Chile,2002:3-5.

[21]
Mlachila M, Tapsoba R, Tapsoba S J A. A quality of growth index for developing countries:a proposal[R]. IMF Working Paper,2014:172.

[22]
张帆. “高质量发展”的思考:内涵及发展路径[J]. 经济研究导刊, 2018(21):85.

[23]
颜廷标. 深刻理解高质量发展的丰富内涵[N]. 河北日报,2018-01-05(007).

[24]
张艳. 新时代中国特色绿色发展的经济机理、效率评价与路径选择研究[D]. 西安: 西北大学, 2018.

[25]
金乐琴. 高质量绿色发展的新理念与实现路径——兼论改革开放40年绿色发展历程[J]. 河北经贸大学学报, 2018, 39(6):22-30.

[26]
Moran P A. Notes on continuous stochastic phenomena[J]. Bimetrika, 1950, 37(1-2):17-23.

[27]
Anselin L. Local indicator of spatial association-LISA[J]. Geographical Analysis, 1995, 27(2):93-115.

[28]
单豪杰. 中国资本存量K的再估算:1952-2006年[J]. 数量经济技术经济研究, 2008, 25(10):17-31.

[29]
郭庆旺, 贾俊雪. 中国全要素生产率的估算:1979—2004[J]. 经济研究, 2005(6):51-60.

Options
Outlines

/

〈 〉