网络权力、知识溢出对中国城市绿色经济效率的影响

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

盛科荣^,¹, 王丽萍¹, 孙威^,²^,³

1.山东理工大学经济学院,淄博 255012

2.中国科学院地理科学与资源研究所,北京 100101

3.中国科学院大学资源与环境学院,北京 100049

Impacts of network power and knowledge spillovers on China’s urban green economic efficiency

SHENG Kerong^,¹, WANG Liping¹, SUN Wei^,²^,³

1. School of Economics, Shandong University of Technology, Zibo 255012, China

2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

3. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

通讯作者: 孙威,男,河南开封人,博士,副研究员,研究方向为区域可持续发展与空间规划。E-mail: sunw@igsnrr.ac.cn

收稿日期:2020-09-29修回日期:2021-02-14

基金资助:

国家自然科学基金项目(41771173)
国家自然科学基金项目(41871117)

Received:2020-09-29Revised:2021-02-14
作者简介 About authors
盛科荣,男,山东日照人,博士,教授,研究方向为城市经济与区域可持续发展。E-mail: shengkerong@163.com

摘要
随着城市间网络联系的快速发展,城市绿色经济效率将越来越多地受到城市网络资源支配能力和合作伙伴经济绩效的影响。本文基于数据包络分析（DEA）的窗口模型测度城市绿色经济效率,并利用2019年中国上市公司500强企业网络数据构建城市网络,在此基础上研究了网络权力、知识溢出对中国城市绿色经济效率的影响。结果表明：①网络权力和建立在网络基础上的知识溢出已经成为影响中国城市绿色发展的重要因素,更高的网络资源支配能力、更高的合作伙伴经济绩效意味着更高的绿色经济效率。②网络权力和知识溢出对中国城市绿色经济效率提升具有递增的边际影响,表明多样化的中间产品和非竞争性的知识资源所带来的收益明显高于网络链接的交易成本,意味着中国城市网络嵌入对生产率的影响还处于倒U型曲线关系中收益递增的发展阶段。③网络权力和知识溢出能够显著改善核心地位城市、东部地区城市和较大规模城市的绿色经济效率,但是对边缘地位城市、中西部地区城市和较小规模城市绿色经济效率的影响不显著,这意味着中国城市绿色经济效率的发展差距在多个维度上趋于扩大。未来中国政府应加快城市网络建设,并促进资源和知识的有序流动,为城市绿色经济效率的提升提供支撑,同时高度关注网络外部影响的异质性特征,促进不同类型城市绿色经济的协调发展。
关键词： 生产分割;网络权力;DEA窗口模型;知识溢出;绿色经济效率;流动空间;门槛效应

Abstract

Over the past 30 years, production fragmentation of value chains has promoted the rapid development of urban networks in China. Cities in China have increasingly been transformed from production bases in the “space of places” to network nodes in the “space of flows”. In the network paradigm, the green economic efficiency of cities would be increasingly more affected by network effects, especially their power to utilize vital network resources and knowledge spillovers from network partners. In this study, data on headquarter and branch locations of the largest 500 public companies in China in 2019 were subjected to the ownership linkage model to approximate the urban network, and the total green factor productivity of cities were measured based on the data envelopment analysis (DEA) windows model, then the impacts of network power and knowledge spillovers on urban green economic efficiency were examined by using two broad types of econometric models, i.e., the panel Tobit model and Hansen threshold model. The three main findings are as follows. First, network power and knowledge spillovers through pipeline have been playing an important role in the sustainable development of urban economy. Higher dominance of network resources and higher performance of partners’ economy both induce higher green efficiency. Second, China’s urban network is in the stage of increasing returns. Network power and knowledge spillovers have both threshold effects and increasing marginal effects on urban green economic efficiency. Third, compared with cities in the periphery position, in the central and western regions and with small population size, network power and knowledge spillovers show significant positive impacts on cities in the core position, in the eastern regions and with large population size, indicating that the green efficiency gap between cities in China tends to be widened in multiple dimensions. The analysis results have clear policy implications. In the future, the Chinese government should promote the flow of resources and knowledge within urban networks to achieve higher levels of green development, and pay close attention to the heterogeneous impacts of network development and actively respond to the possibly increasing gaps in urban green economic efficiency.

Keywords：production fragmentation;network power;DEA windows model;knowledge spillovers;green economic efficiency;space of flows;threshold effects

PDF (0KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
盛科荣, 王丽萍, 孙威. 网络权力、知识溢出对中国城市绿色经济效率的影响[J]. 资源科学, 2021, 43(8): 1509-1521 doi:10.18402/resci.2021.08.01
SHENG Kerong, WANG Liping, SUN Wei. Impacts of network power and knowledge spillovers on China’s urban green economic efficiency[J]. RESOURCES SCIENCE, 2021, 43(8): 1509-1521 doi:10.18402/resci.2021.08.01

1 引言

改革开放以来中国经济的快速发展付出了巨大的资源和环境代价,中国已经成为世界第一大资源消耗国和净进口国,污染物的大量排放和随之而来的环境压力也引起了社会的广泛关注。在资源和环境的约束下,全面提升绿色经济效率已经成为中国经济转型的战略选择^[1]。《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》中指出,中国要在2035年广泛形成绿色生产生活方式,生态环境根本好转,美丽中国建设目标基本实现。与此同时,随着交通、通信基础设施的快速发展,中国城市不再是“场所空间”环境下的孤岛,而是越来越多地作为“流动空间”的节点而存在^[2]。城市网络的发展在更大空间范围内促进了资源的流动、匹配和组合,城市绿色经济效率也不再仅仅取决于城市本身的知识存量和管理水平,而是越来越多地受到网络外部效应的影响。因此,厘清网络外部效应对中国城市绿色经济效率的影响机理,解析网络嵌入传导机制的多维度特征,已成为中国城市绿色发展研究领域的重要课题。

近些年,城市绿色经济效率的研究已经引起了越来越多的关注。大量的研究集中在对城市绿色经济效率时空演化特征的解析方面,这些研究从不同空间尺度揭示了中国城市绿色效率增长的波动性和异质性特征。例如,周亮等^[3]发现在国家尺度上中国城市绿色发展效率呈现W型波动增加的演变特征,并且具有自东向西阶梯状递减的区域差异规律;陈明华等^[4]发现长江经济带城市生态效率在2011年之后整体呈上升态势,且下游城市生态效率水平明显高于上、中游地区;岳立等^[5]发现黄河流域的绿色发展效率整体呈现波动上升趋势,上游的绿色发展效率明显高于下游和中游地区;胡博伟等^[6]发现中国干旱地区资源型城市的绿色发展水平提升缓慢,发展周期为成长型、主导资源为石油类的资源型城市处于高水平的绿色发展状态。另外一些研究探讨了城市绿色经济效率的影响因素,这些研究从不同维度揭示了城市绿色发展动力机制的多样性和复杂性特征。例如,Chen等^[7]揭示了技术进步对中国城市生态效率的积极影响;韩晶等^[8]发现产业高级化对于城市绿色增长具有正向作用;彭小辉等^[9]的研究表明高铁建设促进了城市绿色全要素生产率的提升;邵汉华等^[10]发现土地蔓延对城市绿色全要素生产率的提升存在门槛效应;袁华锡等^[11]揭示了金融集聚对城市绿色经济效率增长的空间溢出效应。

学术界关于城市绿色经济效率的研究已取得丰富成果,但仍有可拓展之处。首先,在绿色经济效率的测度方面,当前的研究主要基于DEA数据包络分析的BCC模型、SBM模型、Malmquist-Luenberger指数等方法。城市绿色经济效率具有多维度的特征并且不断演化,未来需要加强基于动态面板模型测度方法的应用,以更加直接、准确地揭示绿色经济效率的动态过程。其次,在绿色经济效率的来源方面,现有研究主要停留在“场所空间”背景探讨下城市内部因素的影响机理。尽管Huggins等^[12]、盛科荣等^[13]的研究表明城市运行的网络空间是理解城市经济效率的基础,张可^[14]也关注到网络权力对城市污染减排的积极影响,但是国内研究仍然较少考虑“流动空间”背景下城市网络嵌入对绿色经济效率的影响。在城市发展越来越多的受到网络资源影响的环境下,现有文献对网络环境下城市绿色经济效率的研究显然是不够的。

基于上述考虑,本文利用2019年中国上市公司500强企业网络数据建立城市网络,研究了网络权力和网络中的知识溢出对城市绿色经济效率的影响。本文尝试在两个方面作出创新性的努力：①基于网络外部效应、内生增长理论的综合视角,梳理了网络权力和网络中的知识溢出对城市绿色经济效率的影响机理,提出了理解网络嵌入影响城市绿色经济效率的概念框架;②基于数据包络分析（DEA）的窗口模型测度了城市绿色经济效率,在此基础上运用面板Tobit模型验证了网络嵌入对城市绿色增长的影响,并揭示了网络外部影响的异质性和门槛效应特征。本文有助于加深对网络环境下城市绿色增长影响机理的理解,并为中国城市可持续发展政策的优化调整提供借鉴。

2 理论基础与研究假说

城市绿色经济效率体现了可持续发展理念对传统城市经济效率的修正,衡量的是考虑资源与环境代价后的生产要素的综合产出效率,主要来源有技术进步、集聚经济、环境治理、管理改善等。在城市网络发展环境下,城市绿色经济效率将越来越多地受到网络权力（城市对网络资源的支配能力）^[15]和合作伙伴经济绩效的影响。一方面,城市网络的发展伴随着城市资源优势与产品价值链的空间匹配,权力中心城市可以通过功能升级、污染转移等多种途径提升绿色经济效率。在生产分割环境下,权力中心城市将凭借科技、人才等优势发展成为总部基地、研发中心和生产性服务业集聚区,这为权力中心城市支配多样化中间产品和网络中关键资源提供条件,这种沿着产品价值链的功能升级将提高权力中心城市的绿色经济效率。城市网络的发展也会导致污染的转移,权力中心城市可以将高消耗、高排放的生产环节转移至具有更多土地、能源资源和环境容量的边缘城市,并大力发展清洁型产品价值链区段,从而改善本地的环境质量^[16]。另一方面,城市网络成为城市间知识流动的重要渠道,更多绿色技术的可及性可以显著提高城市的资源利用效率和绿色发展能力。在“本地溢出—全球管道”（local buzz and global pipeline）的知识流动体系下^[17],网络中的知识溢出成为城市绿色技术创新体系建设的重要推动力量。在这个过程中,大型企业承担起知识守门人（knowledge gatekeeper）的角色,这些企业的生产网络如同管道一样沟通了（很多情况下是远距离）不同类型城市的绿色技术体系,促进了城市间互补性绿色技术知识的网络溢出。城市的资源利用效率和绿色技术创新能力不再仅仅取决于建立在空间邻近性基础上的知识交流,还越来越多地受到网络中互补性知识溢出效应的影响^[13]。这意味着,如果合作伙伴的绿色技术存量越大、互补性越强,城市网络中的绿色技术溢出就越活跃、城市绿色经济效率提升的空间就越大。由此提出假说：

H1：网络权力和建立在网络联系基础上的知识溢出对城市绿色经济效率提升具有促进作用,城市绿色经济效率将随着网络权力和合作伙伴经济绩效的提高而改善。

但是网络权力和知识溢出对城市绿色经济效率的影响可能是非线性的。一方面,网络经济和交易成本的相互作用,将会导致城市网络权力与绿色经济绩效呈现倒U型关系。根据Ethier^[18]的内生经济增长理论,技术进步来源于生产者所使用的中间产品种类的增多。这意味着,随着城市网络权力的提高,城市能够支配更加多样化的中间产品和服务,相同的资源投入和环境损耗将带来更大的经济产出。但是产品价值链的生产分割也将产生大量的组织和协调成本,这种交易成本将随着城市网络联系规模的增加呈指数上升。当网络联系的规模达到一定门槛时,城市网络联系的成本将最终超过收益,从而导致网络联系的绿色生产率效应趋于下降。另一方面,在网络环境下城市可以获取更多的绿色技术,而具有累积性和非竞争性特征的技术知识是报酬递增的基础。根据Romer^[19]的内生经济增长理论,知识作为非竞争性的商品可以无限地累积,同时不完全的排他性和不完全的独占性使知识可以产生溢出效应,当城市的知识存量增长时,产出将以更大的幅度增长。在城市网络环境下,显性知识和隐性知识都能够更加自由地流动,每个城市都能分享更多合作伙伴的绿色技术知识。这意味着,合作伙伴的绿色全要素生产率越高,城市能够利用的绿色技术知识存量就越大,城市的绿色经济效率就能够得到越大的改善。由此提出假说：

H2：网络权力和知识溢出对城市绿色经济效率具有非线性的边际影响,在早期阶段网络权力和合作伙伴绿色经济效率越高的城市将从网络嵌入中获得越高的收益。

中国城市在网络地位、地理区位和人口规模等维度存在较大的异质性,不同类型城市利用网络资源的能力存在差异,这将导致网络嵌入对绿色经济效率提升存在异质性影响。一方面,核心地位城市、东部地区城市和较大规模城市的绿色经济效率将会从网络链接中获得更大的收益。核心地位的城市是网络中关键资源的支配者,具有较强的学习、吸收网络中不同类型绿色技术的能力,这些城市将从网络权力和知识溢出中获得更多的收益。东部地区的城市受益于便利的交通条件和巨大的市场空间,网络嵌入的生产率效应能够被进一步放大,这些城市也能够从网络联系中获得较高的收益。较大规模城市具有市场需求、知识厚度和研发能力等维度的竞争优势,网络嵌入程度的提高有利于这些城市比较优势的进一步发挥。另一方面,网络嵌入对边缘地位城市、西部地区城市和较小规模城市绿色经济效率可能并不具有显著影响。边缘地位城市的网络权力普遍较低,同时缺乏以“知识守门人”为基础的绿色技术吸收能力,制约了网络权力和知识溢出对这些城市绿色经济效率提升的影响。中西部地区城市受到交通条件和市场规模的限制,网络中的竞争效应将导致优质资源的流失,这将会抵消知识溢出带来的积极影响,因此网络联系的提高对绿色效率的影响可能不显著。规模较小城市往往被锁定在价值链的低端,这些城市缺乏对网络中关键资源的利用能力,绿色经济效率可能更多受到自身的资源禀赋、环境本底等随机因素的影响。由此提出假说：

H3：网络权力、知识溢出对不同网络地位、地理区位和人口规模城市绿色经济效率的影响存在差异,核心地位城市、东部地区城市和规模较大城市的绿色经济效率能够从网络链接中获得更大的收益（图1）。

图1

新窗口打开|下载原图ZIP|生成PPT
图1网络权力、知识溢出对城市绿色经济效率的影响机理

Figure 1The impacts of network power and knowledge spillovers on urban green economic efficiency

3 研究方法

3.1 城市绿色经济效率的测度

本文采用数据包络分析（DEA）窗口模型来测度中国城市的绿色经济效率（gtfp）及其演化特征。在窗口模型中,一个决策单元的绿色经济效率不仅可以与同一时间断面的其他决策单元绿色经济效率相比较,还可以与自身在时间序列上的绿色经济效率相比较^[20]。窗口模型采用时间层面上移动平均的方法进行操作。考虑在观测期t(t=1, …, T)有Z个决策单元利用r种投入品生产s种产出的情况,令

DM U_{z}^{t}

表示在时间断面t的决策单元z(z=1, …, Z),该决策单元的投入向量为

X_{z}^{t} = [x_{z}^{1 t} \dots x_{z}^{rt}]^{T}

,产出向量为

Y_{z}^{t} = [y_{z}^{1 t} \dots y_{z}^{st}]^{T}

。如果窗口起始时间为k（0≤k≤1）,时间宽度为w（1≤w≤T-k）,那么在这个窗口中投入和产出的矩阵分别为：

（1）

\begin{array}{l} X_{kw} = [\begin{matrix} x_{1}^{k} & x_{2}^{k} & \dots & x_{N}^{k} \\ x_{1}^{k + 1} & x_{2}^{k + 1} & ? & x_{N}^{k + 1} \\ ? & ? & ? & ? \\ x_{1}^{k + w} & x_{2}^{k + w} & ? & x_{N}^{k + w} \end{matrix}], \\ Y_{kw} = [\begin{matrix} y_{1}^{k} & y_{2}^{k} & \dots & y_{N}^{k} \\ y_{1}^{k + 1} & y_{2}^{k + 1} & ? & y_{N}^{k + 1} \\ ? & ? & ? & ? \\ y_{1}^{k + w} & y_{2}^{k + w} & ? & y_{N}^{k + w} \end{matrix}] \end{array}

本文将公式（1）中的矩阵X_kw和Y_kw代入投入导向DEA的CCR模型（constant returns to scale model）得到DEA窗口模型分析结果。

遵循数据可获得性、指标代表性的原则^[21],借鉴以往****的研究^[3,4,5,6],本文选择资本存量、劳动力和生产用电量作为投入指标。①资本存量。用市辖区实际固定资本存量来表示。首先,结合张军等^[22]的研究成果,采用永续盘存法估计市辖区名义固定资本存量;然后,根据各省GDP平减指数将名义固定资本存量折算为2001年（基准年份）的实际固定资本存量。名义固定资本存量公式为：

（2）

K_{it} = M_{it} + (1 - δ) K_{i (t - 1)}

式中：K_it、K_i₍_t_-1)分别为城市i在t年和t-1年的名义固定资本存量,基准年份的名义固定资本存量以当年名义固定资产投资额除以0.15来测算,基准年份为2001年;M_it为城市i在t年的名义固定资产投资额;δ为固定资产的折旧率,设定为0.096。②劳动力。采用市辖区单位从业人员和私营个体从业人员期末人数之和来表示。③生产用电量。采用市辖区全年用电量与居民生活用电之差来表示。

产出指标包括期望产出和非期望产出。①期望产出。用市辖区实际GDP来表示。计算方法为：在市辖区名义GDP的基础上,以各省GDP平减指数折算为2001年为基准年份的实际值。②非期望产出。分别用全市工业废水排放量、工业SO₂排放量、工业烟尘排放量3个指标来表示。由于窗口模型无法直接分析非期望产出,本文将非期望产出作为投入变量来处理。

3.2 网络权力和知识溢出的测度

为了测度网络权力和知识溢出,本文基于2019年中国上市公司500强企业网络数据¹(12019年中国上市公司500强总营业收入占当年GDP的45.91%,这些公司经营范围涵盖钢铁、石油、化学、医药、汽车、设备、信息、房地产、金融、商贸、物流等国民经济主要行业。因此,相对于交通网络、单一产业企业网络而言,中国上市公司500强企业网络能够更直接、全面地反映中国城市间的经济联系。),采用Alderson等^[15]的隶属联系模型（ownership linkage model）来构建中国城市网络。中国上市公司500强名单来自财富中文网（www.fortunechina.com）,建立起的中国城市网络矩阵是一个有向、多值的关系矩阵,其中城市a→城市b的联系强度代表着公司总部在城市a的企业在城市b的分支机构数量。

在此基础上采用4种相互补充的方法测度城市网络权力（NP）：

（1）Freeman度数。Freeman度数以行动者发送和接收关系的数量来刻画网络权力^[23]。本文采用绝对度数（sdegree）和相对度数（ndegree）两个指标来测度,计算公式分别为：

（3）

\begin{array}{l} sdgree (i) = \sum_{a} outdeg (ia) + \sum_{b} indeg (bi), \\ ndegree (i) = degree (i) / (n - 1) \end{array}

式中：outdeg(ia)为城市i向城市a发送关系的数量;indeg(bi)为城市i接收来自城市b关系的数量; degree(i)为最小值对称化处理后二值城市网络中城市i的度数;n为城市网络的节点规模。

（2）Bonacich权力（bpower）。Bonacich权力是行动者邻域链接数量的函数,即邻域有更多链接的行动者具有更大的网络权力。计算公式为：

（4）

bpower (i) = \sum_{ia} [λ + d \times bpower (a)]

式中：

λ

为标准化因子;d为衰减因子,度量城市i的权力对相邻节点权力的依赖程度;a为与i相链接的城市。

（3）核心度（coreness）。核心度的计算基于Borgatti等^[24]提出的“核心—边缘”结构模型。在计算过程中,采用欧氏距离方法来确定城市与核心的接近程度。

（4）相对中介度（nbetween）。中介度将行动者位于其他对偶之间的程度视为一种优势位置。计算公式为：

（5）

nbetween (i) = 2 C_{abi} / [(n - 1) \times (n - 2)]

式中：C_abi为最小值对称化处理后二值城市网络中节点a和b经过i的关系数量,n为网络节点规模。

考虑到知识溢出与合作伙伴的绿色经济效率密切相关,本文采用城市绿色经济效率的网络滞后项（NG）来表示网络中的知识溢出。NG定义为城市i合作伙伴（网络中相链接的城市）绿色经济效率 gtfp的加权平均值,计算公式为：

（6）

\begin{array}{l} NG (i) = \frac{\sum_{a} [outdeg (ia) \times gtfp (a)]}{\sum_{a} outdeg (ia)} + \\ \frac{\sum_{b} [indeg (bi) \times gtfp (b)]}{\sum_{b} indeg (bi)} \end{array}

NG(i)越大,表明城市i从网络知识溢出中获得的收益越高,反之亦然。

3.3 计量分析模型设定

考虑到城市绿色经济效率是0和1之间的双截尾数据,本文采用随机效应面板Tobit模型来估计网络权力和知识溢出的影响：

（7）

gtf p_{it} = a_{0} + a_{1} N P_{it} + a_{2} N G_{it} + a_{3} u_{it} + σ_{i} + ε_{it}

式中：NP_it和NG_it分别是城市i在时间t的网络权力和绿色经济效率网络滞后项;u_it为其他控制变量;

σ_{i}

为非观测的个体效应;

ε_{it}

服从标准分布的随机误差项。

考虑到网络权力和知识溢出对城市绿色经济效率可能存在递增的边际影响,进一步采用Hansen^[25]发展的门槛模型来检验这种非线性关系。网络权力和知识溢出的门槛模型分别为：

（8）

\begin{array}{l} gtf p_{it} = β_{0} + β_{1} N P_{it} I (p_{it} \leq γ) + \\ β_{2} N P_{it} I (p_{it} \geq γ) + β_{3} v_{it} + ε_{it} \end{array}

（9）

\begin{array}{l} gtf p_{it} = c_{0} + c_{1} N G_{it} I (q_{it} \leq θ) + \\ c_{2} N G_{it} I (q_{it} \geq θ) + c_{3} v_{it} + ε_{it} \end{array}

式中：I(·)为指示函数,当括号内条件满足时取1,否则为0;p和q分别为网络权力和知识溢出的门槛变量;γ和θ为待估计的门槛值;v_it为门槛变量之外的其他解释变量;β和c为待估计的拟合系数;ε_it为随机误差项。

3.4 变量说明

被解释变量。在面板Tobit模型和门槛模型中,被解释变量均为城市绿色经济效率,用考虑非合意产出的DEA窗口模型测算的城市效率值来衡量。

核心解释变量。为了得到稳健性结果,网络权力（NP）分别用相对Freeman度数（ndegree）、Bonacich权力（bpower）、核心度（coreness）和相对中介度（nbetween）来衡量,知识溢出用城市绿色经济效率网络滞后项（NG）来衡量。

控制变量。为避免遗漏解释变量带来的估计偏差问题,根据绿色经济效率的来源分析,借鉴以往研究^{[7,8,9,10,11]},本文选择了7个控制变量。①集聚经济（aggo）。采用“建成区的实际GDP密度”来衡量。集聚经济是中间产品共享、本地知识外溢、专业劳动力市场、能源利用效率等报酬递增机制的宏观表现形式^[26,27],是城市绿色经济效率的重要来源。②知识厚度（inno）。知识存量是城市创新和绿色发展的关键因素,采用对数形式的“每万人发明专利申请数量”来衡量,数据根据佰腾网（https://www.baiten.cn/）专利数据库整理。③空间滞后变量（slgtp）。地理学第一定律表明地理越相近的事物关系越密切,采用“空间相邻城市绿色经济效率平均值”来测量基于地理邻近的空间溢出（知识流动、竞争效应等）对城市绿色经济效率的潜在影响。④财政压力（fisc）。采用“地方财政一般预算内支出与地方财政一般预算内收入的比值”来衡量。公共支出压力越大表明公共投资的强度较高,这倾向于改善绿色经济效率;但是公共支出压力也有可能迫使城市降低环境标准,从而导致“趋劣竞争”“绿色悖论”现象。⑤环境规制（regu）。采用“工业SO₂去除率”来度量。环境规制对于绿色经济效率具有双重影响：一些研究发现环境规制提高了企业的经营成本,导致了产出效率的降低;另一些研究则揭示了环境规制的“波特效应”,表明适当的环境规制有利于促进创新和经济效率的提高^[28]。⑥对外开放（fdi）：采用“实际使用外资金额占到当年实际固定资产投资的比重”来计量。得益于先进的技术和管理经验,外商直接投资倾向于改善城市的绿色经济效率。⑦时间趋势项（t）。用以控制城市绿色经济效率随时间的变化趋势。

3.5 数据来源与处理

城市数据（测度绿色经济效率的数据、控制变量中没有特别标明来源的数据）均来自相关年份的《中国城市统计年鉴》。城市名义固定资产投资数据有两个来源：2001—2016年的数据来自《中国城市统计年鉴》,2017年的数据根据城市所在省份统计年鉴或者各城市国民经济和社会发展统计公报整理,个别缺失数据采用插值法补充。上市公司500强企业网络根据“启信宝”网站的数据整理,公司总部所在城市指的是实际运营地址,分支机构指存在投资关系的企业。分析样本为中国大陆236个地级以上城市²(2截至2019年,中国共有333个地级行政区（台湾省以外）,本文剔除了7个地区、30个自治州、3个盟以及57个属性数据不全的地级市。),城市以行政意义上的“市辖区”来界定。为了简化计算并凸显发展趋势,DEA窗口模型仅测度了2005年、2008年、2011年、2014年和2017年5个年份的城市绿色经济效率;为了避免城市属性对网络权力的潜在影响所造成的内生性问题,城市网络分析部分仅考虑了2004年、2010年和2016年3个时间断面。

4 结果与分析

4.1 城市绿色经济效率、网络权力的时空格局与耦合特征

2005—2017年,中国城市绿色经济效率的演化路径呈现明显的类型分化。自组织特征映射网络（SOFM）方法将城市样本划分为9种类型³ ( 3SOFM网络为非监督聚类方法,能够提高分类的客观性和准确性。聚类数目的确定主要考虑两个要求：首先,类型内部的差别尽可能小,能够细致刻画类型属性特征;其次,类别数目不宜过多,能够准确表征类型分异特征。SOFM聚类基于MATLAB软件的nctool模块实现,输入向量为2005—2017年城市绿色经济效率,二维图（two-dimensional map）的规模经过多次试验后设定为3,最终将城市绿色经济效率按照演化路径划分为9种类型。)（表1）：类型I的8个城市持续保持在绿色经济效率的前沿;类型II-IV的101个城市绿色经济效率也都有不同程度上升;类型V-VIII的89个城市,绿色经济效率相对于技术前沿的距离不断拉大;类型IX的38个城市的绿色经济效率持续垫底。总体来看,中国城市绿色经济效率趋于下降。与此同时,位于效率前沿的城市组成发生了重大变化。2005年位于效率前沿的城市很大一部分是具有明显资源禀赋优势的城市,如鄂尔多斯、大庆,或者是资本稀缺环境下资本边际生产率较高的城市,如佛山、唐山。到2017年,中国主要城市群的核心城市已经成为效率前沿城市的主体,如深圳、广州、呼和浩特、青岛、北京、哈尔滨、西安、海口、昆明、上海等。这表明城市的创新能力等技术经济优势已经取代资源环境优势成为城市绿色经济效率的主要来源。

Table 1
表1
表12005—2017年城市绿色经济效率演化路径的类型分化
Table 1Differentiation of evolution paths of urban green economic efficiency, 2005-2017

类型	2005年	2011年	2017年	城市数量	代表性城市	特征
I	0.754	0.850	0.999	8	北京、广州、深圳、大庆	效率前沿且上升
II	0.587	0.605	0.771	30	上海、南京、天津、东营	从较高升至前沿
III	0.487	0.516	0.508	42	包头、宁波、济宁、南宁	中等且改善
IV	0.380	0.389	0.474	29	石家庄、重庆、郑州、兰州	从较低升至中等
V	0.850	0.815	0.761	10	长春、佛山、汕头、东莞	效率前沿但下降
VI	0.839	0.580	0.516	8	鞍山、唐山、亳州、武威	从前沿降至中等
VII	0.611	0.501	0.450	30	太原、南昌、淄博、昭通	中等但下降
VIII	0.514	0.399	0.336	41	大同、淮南、宜春、宣城	从中等降至较低
IX	0.348	0.319	0.298	38	承德、晋城、临沂、商丘	持续垫底

注：表中数字为各类型城市绿色经济效率的平均值;绿色经济效率>0.75定义为前沿区间,0.60（不含）~0.75定义为较高区间,0.40（不含）~0.60定义为中等区间,≤0.40定义为较低区间。

新窗口打开|下载CSV

2004—2016年,中国城市网络呈现“核心—边缘”结构演化模式（图2）。一方面,网络联系表现出择优选择的发育特征,导致网络权力呈现持续的等级分化。城市网络的权力中心主要是传统城市密集地区的核心城市,如京津冀地区的北京、天津,粤港澳大湾区的香港、深圳、广州,长三角地区的上海、杭州、南京等。而规模较小的城市或者中西部地区偏远的城市,在网络中的权力地位明显弱化。这意味着权力中心城市成为网络中关键资源的支配者,网络权力对城市的发展将产生越来越大的影响。另一方面,越来越多的城市之间建立起经济联系,形成功能意义上的凝聚子群。无论从派系、k-核还是Lambda集合等界定方法来看,中国城市网络中凝聚子群的数量和规模都大幅度增长。那些权力中心城市出现在大多数凝聚子群当中,充当起沟通凝聚子群之间联系的桥梁。这意味着在“流动空间”环境下,城市经济绩效将越来越多地受到网络中合作伙伴的影响。

图2

新窗口打开|下载原图ZIP|生成PPT
图22004和2016年中国城市网络空间格局（链接数量>10）

Figure 2Spatial patterns of city network in China (number of links>10), 2004 and 2016

总体来看,城市网络权力与绿色经济效率的空间关联性持续提升,例如ndegree和gtfp的Pearson相关系数从2005年的0.1392提高到2016年的0.3721;知识溢出与城市绿色经济效率也呈现明显的相关性,但是这种相关性表现出时间的波动性。具体来看,城市网络嵌入与绿色经济效率的耦合协调度表现出异质性特征。图3报告了2005年网络嵌入（分别以ndegree和NG来测度）与城市绿色经济效率耦合协调度相对于2017年的散点图4⁴ (4 城市ndegree与gtfp耦合度协调度计算公式为R=(S/D²)^f[0.5×ndegree+0.5×gftp],式中：S为gtfp和ndegree的乘积;D为ndegree和gtfp平均值的平方;f为区别系数,设定为f=4。城市层面NG与gtfp耦合协调度的计算公式按照相似的方法界定。)。从图3a可以看出,2005—2017年,有127个城市的 ndegree和gtfp耦合协调度明显上升,这些城市的主体是中国城市密集地区的核心城市,其中上海、北京、苏州、宁波、福州、云浮、深圳、济南、芜湖和大连排在前10位;有87个城市的耦合度没有明显的变化,这些城市主要分布在中西部地区;还有22个城市的耦合度趋于下降,这些城市中既有兰州、武汉、西安等核心城市,也有大庆、衡阳、锦州等丧失网络竞争优势的城市。从图3b中可以看出,有114个城市NG与gtfp耦合协调度明显提升,这些城市也主要由表1中类型I-IV的城市组成;有122个城市的耦合协调度出现不同程度下降,这些城市主要由表1中类型V-IX的城市构成,也就是说耦合协调度的下降主要是绿色经济效率的下降所导致的。总体来看,城市层面网络嵌入与绿色经济效率的耦合协调度呈现异质性特征,这也意味着网络嵌入对城市绿色经济效率存在非线性的影响。

图3

新窗口打开|下载原图ZIP|生成PPT
图32005年和2017年耦合协调度的散点图

Figure 3Scatter plots of coupling coordination degrees, 2005 and 2017

4.2 网络权力、空间溢出对城市绿色经济效率的影响

考虑到城市网络数据的限制,计量分析部分只考虑2005年、2011年和2017年3期数据。为了避免互为因果导致的内生性问题,解释变量采用2004年、2010年和2016年的时间滞后值。方差膨胀因子在1.07~3.07之间,表明解释变量之间不存在多重共线性问题。表2报告了网络权力和知识溢出变量的面板Tobit模型估计结果。

Table 2
表2
表2面板Tobit模型分析结果
Table 2Results of the panel Tobit model

变量	（1）	（2）	（3）	（4）
NP	0.1095*** (3.55)	0.0011** (2.26)	0.5220** (2.50)	0.0238** (2.50)
NG	0.1887*** (2.69)	0.1806** (2.56)	0.1786** (2.54)	0.1803** (2.56)
aggo	0.0158*** (6.76)	0.0167*** (7.11)	0.0164*** (7.03)	0.0165*** (7.03)
inno	0.0002*** (2.84)	0.0003*** (3.48)	0.0003*** (3.21)	0.0003*** (3.23)
slgtfp	-0.0732 (-1.30)	-0.0784 (-1.38)	-0.0805 (-1.43)	-0.0756 (-1.34)
fisc	0.0005 (0.16)	0.0003 (0.10)	0.0004 (0.14)	0.0002 (0.07)
regu	-0.0045 (-0.17)	-0.0019 (-0.07)	-0.0023 (-0.09)	-0.0013 (-0.05)
fdi	0.0076* (1.85)	0.0091* (1.84)	0.0082* (1.73)	0.0087* (1.76)
t	-0.0458*** (-4.34)	-0.0464*** (-4.37)	-0.0465*** (-4.38)	-0.0459*** (-4.33)
常数项	0.4050*** (9.24)	0.4121*** (9.36)	0.4090*** (9.29)	0.4115*** (9.35)
NP测度指标	ndegree	bpower	coreness	nbetween
ρ	0.5219	0.5251	0.5154	0.5279
LR test	156.91*** (0.00)	158.96*** (0.00)	151.44*** (0.00)	161.63 (0.00)
样本量	678	678	678	678

注：***、**、*分别代表在1%、5%和10%的水平上显著;括号内数值为拟合系数的z统计值;LR test中的数值为卡方统计值,对应括号中的数值为显著性水平;下同。

新窗口打开|下载CSV

方程（1）中城市网络权力（NP）的测度指标为相对度数ndegree,方程（1）中ndegree和NG的拟合系数均为正值且在1%的水平上显著,表明度数中心性的提高显著改善了城市绿色经济效率,同时网络中伙伴城市的绿色经济效率也具有正向的空间溢出效应。方程（2）-（4）中分别用bpower、coreness、nbetween作为城市网络权力的测度指标,方程（2）-（4）中NP和NG的拟合系数也都显著为正值,表明城市网络权力和建立在网络邻近性基础上的知识溢出对绿色经济效率具有稳健性影响。总体来看,城市网络的发展在更大空间尺度上促进了资源配置和知识流动,深刻地改变了“场所空间”环境下城市经济的增长方式。在“流动空间”环境下,更大的网络权力意味着更高的价值链地位,这降低了能源、资源的消耗和污染物的排放;更大的合作伙伴经济绩效意味着更多的知识溢出,这推动了绿色技术的应用和绿色发展水平的提升。分析结果与张可^[14]的研究结论相一致,他发现城市出度和核心度的提高降低了SO₂和PM10的年均浓度。因此,H1得到验证,即网络权力和合作伙伴的绿色发展水平对城市绿色经济效率具有促进效应。

模型中还包含了7个控制变量,对回归结果作出简单解释。集聚经济、知识厚度和外商直接投资对城市绿色经济效率具有显著正向影响,表明经济密度^[26]、创新能力^[19]和国外投资的技术溢出有利于资源、能源利用效率的改善。空间溢出变量没有通过显著性检验,表明“流动空间”环境下的知识溢出更多取决于城市在关联网络中的嵌入特征,而不是取决于传统经济地理环境下的区位条件。财政压力对城市绿色经济效率不存在显著影响,可能意味着“趋劣竞争”效应抵消了财政支出的生产率效应。环境规制也没有通过显著性检验,这可能意味着环境规制带来企业经营压力抵消了“波特效应”的积极影响。时间趋势项的拟合系数显著为负值,表明中国城市绿色经济效率整体呈现下降的趋势。

4.3 网络嵌入对城市绿色经济效率的门槛效应

本文采用BIC（Bayesian information criterion）方法计算最优的门槛个数,在网络权力的门槛回归中BIC方法识别了单一门槛。表3报告了网络权力的门槛模型分析结果,其中NP-1和NP-2分别为较低规模和较高规模2个区间的网络权力解释变量。方程（1）中NP-1拟合系数为0.3007,NP-2的拟合系数提高到0.3993,这说明城市度数中心性越大,它对绿色经济效率的促进作用越大。方程（2）-（4）中城市网络权力对于绿色经济效率的影响也具有相似的特征：相对于较低网络权力区间,较高网络权力区间的bpower、coreness和nbetween拟合系数分别增长了22.94%、25.02%和28.19%,这意味着其他维度测量的网络权力对城市绿色经济效率也具有递增的边际影响。总体来看,网络权力对城市绿色经济效率的影响还处于倒U型曲线关系中收益递增的发展阶段。潜在的原因可能是,中国城市网络正处于快速的发展过程当中,网络链接产生的收益仍然明显大于成本,最终使得那些网络权力更大的城市获得了更高的绿色经济效率。

Table 3
表3
表3网络权力门槛模型分析结果
Table 3Analysis of the threshold effects of network power

变量	（1）	（2）	（3）	（4）
NP-1	0.3007*** (6.97)	0.2707*** (6.31)	0.2885*** (6.66)	0.2954*** (6.88)
NP-2	0.3993*** (7.93)	0.3328*** (7.33)	0.3607*** (7.15)	0.3787*** (7.72)
NG	0.2966*** (4.41)	0.3110*** (4.58)	0.2869*** (4.23)	0.2891*** (4.31)
控制变量	引入	引入	引入	引入
NP测度指标	ndegree	bpower	coreness	nbetween
样本量	678	678	678	678

新窗口打开|下载CSV

表4报告了知识溢出的门槛模型分析结果,其中BIC方法识别了双重门槛,NG-1、NG-2和NG-3分别表示较低、中等和较高规模3个区间的绿色经济效率网络滞后项。方程（1）中NG-1的拟合系数为0.4428,NG-2和NG-3的拟合系数依次提高到0.4876和0.6396。方程（2）-（4）中NG的拟合系数也具有相似的回归结果：与NG-1相比较,NG-3分别提高了22.18%、21.54%和22.14%。这表明知识溢出对城市绿色发展能力具有递增的边际影响,即邻接城市的绿色经济效率越大,网络中知识溢出效应也越大。城市网络承担起了知识流动管道的功能,高质量的外部知识已经成为城市绿色增长的重要来源。因此,H2得到验证,即网络嵌入对城市绿色经济效率具有非线性（通常是递增的）边际影响。

Table 4
表4
表4知识溢出门槛模型分析结果
Table 4Analysis of the threshold effects of knowledge spillovers

变量	（1）	（2）	（3）	（4）
NG-1	0.4428*** (15.26)	0.4324*** (14.97)	0.4378*** (15.19)	0.4313*** (14.93)
NG-2	0.4876*** (15.64)	0.4774*** (15.35)	0.4813*** (15.57)	0.4761*** (15.31)
NG-3	0.6396*** (14.73)	0.5283*** (14.45)	0.5321*** (14.65)	0.5268*** (14.41)
NP	0.0924*** (4.04)	0.0011*** (3.08)	0.6354*** (3.92)	0.0200*** (2.92)
控制变量	引入	引入	引入	引入
NP测度指标	degree	bpower	coreness	between
样本量	678	678	678	678

新窗口打开|下载CSV

4.4 网络嵌入对不同类型城市的异质性影响

下面基于面板Tobit模型进一步开展网络嵌入异质性影响的检验。表5报告了权力测度指标为度数中心性ndegree时的回归结果。当用bpower、coreness或nbetween测度网络权力时,回归结果与表5相似,表明分析结果具有稳健性（考虑篇幅,没有报告替代变量的检验结果）。总体来看,H3得到验证,即网络嵌入的绿色经济率效应受到城市对网络资源利用能力的正向影响。

Table 5
表5
表5面板Tobit模型异质性分析结果
Table 5Heterogeneity analysis by panel Tobit model

变量	核心（1）	边缘（2）	东部（3）	中西部（4）	较大（5）	较小（6）
ndegree	0.1064*** (3.37)	-0.2216 (-0.54)	0.1101*** (3.88)	0.2293 (1.52)	0.0923*** (2.90)	-0.5176 (-1.37)
NG	0.5369*** (3.35)	0.0916 (1.25)	0.5075*** (4.32)	0.1045 (1.31)	0.3403*** (3.27)	0.0764 (0.89)
控制变量	引入	引入	引入	引入	引入	引入
ρ	0.4817	0.5144	0.5417	0.4409	0.5194	0.4895
LR test	51.88 (0.00)	95.28 (0.00)	63.55 (0.00)	66.32 (0.00)	90.97 (0.00)	55.45 (0.00)
样本量	261	431	267	425	402	290

新窗口打开|下载CSV

方程（1）和方程（2）分别报告了核心和边缘地位城市的回归结果。城市网络地位按照如下方法划分：首先通过正则等价块模型（regular equivalence block）将城市分配到不同的聚类,接着借鉴Alderson等^[15]的方法将正则等价块在网络中的地位划分为首位者、经纪人、接收者和孤立者4种类型;在此基础上将首位者和经纪人地位的97个城市界定为核心城市,将接收者和孤立者地位的139个城市界定为边缘城市。方程（1）中ndegree和NG的拟合系数均为正值且显著,而方程（2）中ndegree和NG均未通过显著性检验,表明网络权力和知识溢出显著改善了核心地位城市的绿色经济效率,而边缘地位的城市并没有从网络链接中获得显著收益。主要原因在于核心地位是公司总部的集聚地,控制着产品价值链中高附加价值区块,并能够充分吸收地方化创新系统的隐性知识,从而在网络发展过程中提升了资源配置效率。

方程（3）和方程（4）分别报告了东部地区和中西部地区城市的回归结果。方程（3）中ndegree和NG的拟合系数均为正值且显著,而方程（4）中 ndegree和NG的系数均未通过显著性检验,表明网络权力和知识溢出促进了东部地区城市的绿色经济效率,而对中西部地区城市绿色经济效率的影响不明显。方程（5）和方程（6）分别报告了较大城市和较小城市的回归结果。这里较大城市指的是2016年城市市辖区常住人口大于100万的城市,较小城市指的是市区人口小于100万的城市。方程（5）中ndegree和NG的拟合系数均为正值且显著,而方程（6）中ndegree和NG均未通过显著性检验。这表明较大规模城市的绿色经济效率从网络权力和知识溢出中得到明显改善,即网络外部效应在城市规模维度也表现出异质性特征。主要原因在于,相对于中西部地区城市和规模较小城市而言,东部城市和规模较大城市具有地理区位、市场规模、产业基础、创新能力等竞争优势,能够充分利用网络中关键资源改善自身的经济运行质量。

5 结论与政策建议

5.1 结论

本文基于中国上市公司500强企业网络视角构建城市网络,探讨了网络权力、知识溢出对城市绿色经济效率的影响。基本结论如下：

（1）网络权力和知识溢出对城市绿色经济效率提升具有正向促进作用。在“流动空间”环境下,更高的网络资源支配能力、更高的合作伙伴经济绩效意味着更高的绿色经济效率。另外集聚经济、创新能力、开放程度对城市绿色经济效率存在显著正向影响,环境规制、财政压力和建立在地理邻近基础上的空间溢出均未通过显著性检验。分析结果表明,网络权力和建立在网络基础上的知识溢出已经成为城市绿色发展的重要影响因素。

（2）网络权力和知识溢出对城市绿色经济效率提升具有递增的边际影响。门槛效应检验结果表明,网络权力和邻接城市的绿色经济效率越大,网络嵌入对城市绿色经济效率提升的促进作用就越大。总体来看,中国城市网络正处于收益递增的发展阶段,多样化的中间产品和非竞争性的知识资源所带来的收益明显超过了网络链接的交易成本,最终导致那些网络权力更大、合作伙伴经济绩效更高的城市获得了更高的绿色经济效率。

（3）网络权力和知识溢出对城市绿色经济效率的影响具有多维度异质性特征。网络权力和知识溢出能够显著改善核心地位城市、东部地区城市和较大规模城市的绿色经济效率,但是对边缘地位城市、中西部地区城市、较小规模城市绿色经济效率的影响不显著。分析结果也意味着,网络发展对城市绿色经济效率的影响受控于城市的个体特征,因此网络环境下城市绿色经济效率的发展差距在网络地位、地理区位和人口规模等多个维度上都趋于扩大。

5.2 政策建议

本文分析结果具有清晰的政策含义：

（1）应加快城市网络建设并促进资源和知识的有序流动,通过网络效应提升城市绿色经济效率。未来中国绿色发展政策和中长期资源效率提升计划的制定,应强调在更大地域范围内促进产品价值链与城市资源环境禀赋的空间匹配,以价值链升级提高城市的资源利用效率和环境发展质量。高度重视企业网络作为城市间绿色技术流动管道的功能,充分发挥溢出效应在城市绿色技术体系建设中的积极作用,促进资源节约、污染治理、清洁生产等绿色技术的推广应用。充分利用网络效应处于报酬递增阶段的机会窗口,推动网络联系非均衡发展,以核心地位城市网络资本建设为重点,带动城市体系整体绿色经济效率的提升。

（2）高度关注网络外部影响的异质性特征,促进不同类型城市绿色经济的协调发展。未来要在推动核心地位城市、东部地区城市、规模较大城市利用网络资源提高绿色经济效率的基础上,高度重视边缘地位城市、中西部地区城市和规模较小城市的可持续发展问题。这些措施包括：提高产业准入的环境标准,避免“趋劣竞争”“污染天堂”现象的出现;培育“知识守门人”,提高城市对网络中绿色技术和资源的利用能力;构建多边治理体系,支持城市在价值链分工中获得更大的话语权;完善城市间财政转移支付制度,提升绿色基础设施建设水平。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

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.

[本文引用: 1]

[ Hu A

, Zhou S

. Green development: Functional definition, mechanism analysis and development strategy
[J]. China Population, Resources and Environment, 2014, 24(1):14-20.]

[本文引用: 1]

[2]

黄晓东, 马海涛, 苗长虹. 基于创新企业的中国城市网络联系特征
[J]. 地理学报, 2021, 76(4):835-852.

DOI:10.11821/dlxb202104005 [本文引用: 1]

多部门创新企业的跨城布局能够增进城市间的知识流动与创新联系,大量创新企业部门关联构成的城市网络是理解国家创新格局的重要认知基础。本文运用1778家国家级创新企业部门关联数据和“总部—分支机构”方法建立中国城市间有向关系矩阵,借助社会网络分析、GIS技术及空间交互模型方法,对创新企业建构的中国城市网络联系特征进行分析。结果发现：① 基于创新企业的中国城市网络联系覆盖广但极不均质,菱形联系格局在次级网络中逐步显现,京津冀、长三角和珠三角城市群是网络联系的核心枢纽。② 城市间创新企业流具有明显的行政中心指向特征与省级边界效应,直辖市及省会城市对创新企业流具有较强吸引力,北京是网络联系最强核心,上海和深圳次之。③ 城市网络区域异质性突出,东部区域“内联外控”与中、西部区域“内弱外强”的联系格局呈现鲜明对比,东部区域内沿海三大城市群网络的联系结构也存在较大差异。④ 城市的行政等级、经济水平和创新环境等属性指标,以及城市间地理、技术、制度的邻近性关系指标,都对城市吸收和输出创新企业流产生了不同程度的影响,外资并不利于促进中国城际创新企业流和网络的形成。

[ Huang X

, Ma H

, Miao C

. Connectivity characteristics for city networks in China based on innovative enterprises
[J]. Acta Geographica Sinica, 2021, 76(4):835-852.]

[本文引用: 1]

[3]

周亮, 车磊, 周成虎. 中国城市绿色发展效率时空演变特征及影响因素
[J]. 地理学报, 2019, 74(10):2027-2044.

DOI:10.11821/dlxb201910006 [本文引用: 2]

绿色发展作为化解自然环境约束、破解经济转型难题、支撑和实现全球可持续发展目标（SDGs）关键。正逐渐成为中国生态文明建设、美丽中国建设和全球经济转型与重构的重要指导理念。在梳理绿色发展概念与内涵基础上,采用SBM-Undesirable模型、泰尔指数和空间马尔科夫链等方法,对2005-2015年中国城市绿色发展效率时空分异特征及其演变过程进行了测度与刻画,并进一步耦合自然与人文因素定量探讨了人地关系地域系统下的影响机制。研究表明：① 2005-2015年中国城市绿色发展效率稳步提升,由0.475增加到0.523,总体提高了10%,时序上呈现“W”型波动增加的阶段性演变特征。② 中国城市绿色发展效率呈现出“东中西”阶梯状递减的区域差异规律,不同类型城市群具有“国家级>区域性>地方性”倒金字塔式集群增长特征,形成了“超大城市>特大城市>大城市>中等城市>小城市”稳定等级规模结构。③ 中国城市绿色发展效率空间集聚特征显著,高效率城市存在正向溢出效应,低效率城市则负向溢出影响,“高高集聚、高带动低”的空间俱乐部趋同现象较为凸显,不同类型城市演化存在显著的路径依赖与时空惯性。④ 人地关系地域系统视角下,人文社会因素对城市绿色发展效率影响程度大于自然本底要素,其中经济实力、产业结构、开放程度和城市气温呈现积极促进作用。

[ Zhou

, Che

, Zhou C

. Spatio-temporal evolution and influencing factors of urban green development efficiency in China
[J]. Acta Geographica Sinica, 2019, 74(10):2027-2044.]

[本文引用: 2]

[4]

陈明华, 刘文斐, 王山, 等. 长江经济带城市生态效率的空间格局及演进趋势
[J]. 资源科学, 2020, 42(6):1087-1098.

[本文引用: 2]

[ Chen M

, Liu W

, Wang

, et al. Spatial pattern and temporal trend of urban ecological efficiency in the Yangtze River Economic Belt
[J]. Resources Science, 2020, 42(6):1087-1098.]

[本文引用: 2]

[5]

岳立, 薛丹. 黄河流域沿线城市绿色发展效率时空演变及其影响因素
[J]. 资源科学, 2020, 42(12):2274-2284.

[本文引用: 2]

[ Yue

, Xue

. Spatiotemporal change of urban green development efficiency in the Yellow River Basin and influencing factors
[J]. Resources Science, 2020, 42(12):2274-2284.]

[本文引用: 2]

[6]

胡博伟, 周亮, 王中辉, 等. 干旱区资源型城市绿色经济效率时空分异特征
[J]. 资源科学, 2020, 42(2):383-393.

[本文引用: 2]

[ Hu B

, Zhou

, Wang Z

, et al. Spatiotemporal differentiation of green economic efficiency of resource-based cities in arid area
[J]. Resources Science, 2020, 42(2):383-393.]

[本文引用: 2]

[7]

Chen

, Si

, Chen Z

. How technological innovations affect urban eco-efficiency in China: A prefecture-level panel data analysis
[J]. Journal of Cleaner Production, 2020, DOI: 10.1016/j.jclepro.2020.122479.

[本文引用: 2]

[8]

韩晶, 孙雅雯, 陈超凡, 等. 产业升级推动了中国城市绿色增长吗?
[J]. 北京师范大学学报(社会科学版), 2019, (3):139-151.

[本文引用: 2]

[ Han

, Sun Y

, Chen C

, et al. Does industrial upgrading promote the green growth of Chinese cities?
[J]. Journal of Beijing Normal University (Social Sciences), 2019, (3):139-151.]

[本文引用: 2]

[9]

彭小辉, 王静怡. 高铁建设与绿色全要素生产率: 基于要素配置扭曲视角
[J]. 中国人口·资源与环境, 2019, 29(11):11-19.

[本文引用: 2]

[ Peng X

, Wang J

. High-speed rail construction and green total factor productivity: Based on factor allocation distortion
[J]. China Population, Resources and Environment, 2019, 29(11):11-19.]

[本文引用: 2]

[10]

邵汉华, 夏海波. 中国城市蔓延对绿色全要素生产率的影响
[J]. 资源科学, 2020, 42(4):790-800.

[本文引用: 2]

[ Shao H

, Xia H

. The impact of urban sprawl on green total factor productivity in China
[J]. Resources Science, 2020, 42(4):790-800.]

[本文引用: 2]

[11]

袁华锡, 刘耀彬. 金融集聚与绿色发展:基于水平与效率的双维视角
[J]. 科研管理, 2019, 40(12):126-143.

[本文引用: 2]

[ Yuan H

, Liu Y

. Financial agglomeration and green development efficiency: A two-dimensional perspective based on level and efficiency
[J]. Science Research Management, 2019, 40(12):126-143.]

[本文引用: 2]

[12]

Huggins

, Thompson

. A network-based view of regional growth
[J]. Journal of Economic Geography, 2014, 14(3):511-545.

DOI:10.1093/jeg/lbt012 URL [本文引用: 1]

[13]

盛科荣, 张杰, 张红霞. 上市公司500强企业网络嵌入对中国城市经济增长的影响
[J]. 地理学报, 2021, 76(4):818-834.

DOI:10.11821/dlxb202104004 [本文引用: 2]

近些年来城市网络的快速发展深刻改变了中国城市经济的发展环境,城市网络外部性及其传导机制的研究已经成为新时期城市地理学的重要课题,也将为中国城镇化政策的优化调整提供直接参考。本文以产品价值链生产分割为主线,利用2017年中国上市公司500强企业和隶属联系模型建立城市网络,定量测度了网络链接强度和合作伙伴经济绩效对城市经济增长的影响,揭示了生产分割环境下网络外部性的多样性和异质性特征。研究发现：① 网络嵌入影响中国城市经济增长的传导机制具有不同的作用效果,总体来看网络链接强度对城市经济增长具有显著促进作用,但是合作伙伴经济绩效的影响不明显,表明网络嵌入主要是通过凸显比较优势和规模经济而不是知识外溢来提高城市经济绩效。② 网络嵌入对中国城市经济增长的影响具有异质性特征,东部地区、核心地位、较大规模城市从网络中获得的利益分别明显高于中西部地区、外围地位和较小规模城市,表明网络外部性的经济效果受到城市网络竞争力和知识利用能力的强烈约束。未来中国城镇化政策体系和治理模式需要做出相应调整,中国政府需要在更大空间尺度上推动城市之间的网络合作,同时高度重视网络环境下城市间多维度的发展差距问题。

[ Sheng K

, Zhang

, Zhang H

. Network embedding and urban economic growth in China: A study based on the corporate networks of top 500 public companies
[J]. Acta Geographica Sinica, 2021, 76(4):818-834.]

[本文引用: 2]

[14]

张可. 环境污染对城市网络结构的影响研究
[J]. 社会科学, 2016, (12):46-58.

[本文引用: 2]

[ Zhang

. The influence of environmental pollution on urban network structure
[J]. Journal of Social Sciences, 2016, (12):46-58.]

[本文引用: 2]

[15]

Alderson A

, Beckfield

. Power and position in the world city system
[J]. American Journal of Sociology, 2004, 109(4):811-851.

DOI:10.1086/378930 URL [本文引用: 3]

[16]

赵惠, 吴金希. 基于环境库兹涅茨曲线的京冀区际环境污染转移的测度研究
[J]. 中国人口·资源与环境, 2020, 30(5):90-97.

[本文引用: 1]

[ Zhao

, Wu J

. Measurement of environmental pollution transfer in Beijing-Hebei Region based on the Environmental Kuznets Curve
[J]. China Population, Resources and Environment, 2020, 30(5):90-97.]

[本文引用: 1]

[17]

Bathelt

, Malmberg

, Maskell

. Clusters and knowledge: Local buzz, global pipelines and the process of knowledge creation
[J]. Progress in Human Geography, 2004, 28(1):31-56.

DOI:10.1191/0309132504ph469oa URL [本文引用: 1]

[18]

Ethier W

. National and international returns to scale in the modern theory of international trade
[J]. American Economic Review, 1982, 72(3):389-405.

[本文引用: 1]

[19]

Romer P

. Increasing returns and long-run growth
[J]. Journal of Political Economy, 1986, 94(5):1002-1037.

DOI:10.1086/261420 URL [本文引用: 2]

[20]

Cooper W

, Seiford L

, Tone

. Data Envelopment Analysis: A Comprehensive Text with Models, Applications, References and DEA-Solver Software[M]. New York: Springer Press, 2007.

[本文引用: 1]

[21]

Feng

, Zhang

, Huang J

. The approach to realizing the potential of emissions reduction in China: An implication from data envelopment analysis
[J]. Renewable and Sustainable Energy Reviews, 2017, 71:859-872.

DOI:10.1016/j.rser.2016.12.114 URL [本文引用: 1]

[22]

张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算: 1952-2000
[J]. 经济研究, 2004, 39(10):35-44.

[本文引用: 1]

[ Zhang

, Wu G

, Zhang J

. The estimation of China’s provincial capital stock: 1952-2000
[J]. Economic Research Journal, 2004, 39(10):35-44.]

[本文引用: 1]

[23]

Freeman L

. Centrality in social networks: Conceptual clarification
[J]. Social Networks, 1979, 1(3):215-239.

DOI:10.1016/0378-8733(78)90021-7 URL [本文引用: 1]

[24]

Borgatti S

, Everett M

. Models of core/periphery structures
[J]. Social Networks, 2000, 21(4):375-395.

DOI:10.1016/S0378-8733(99)00019-2 URL [本文引用: 1]

[25]

Hansen B

. Sample splitting and threshold estimation
[J]. Econometrica, 2000, 68(3):575-603.

DOI:10.1111/ecta.2000.68.issue-3 URL [本文引用: 1]

[26]

Fujita

, Thisse J

. Economics of Agglomeration: Cities, Industrial Location, and Globalization[M]. Cambridge: Cambridge University Press, 2013.

[本文引用: 2]

[27]

Glaeser

. Triumph of the City: How Our Greatest Invention Makes Us Richer, Smarter, Greener, Healthier, and Happier
[M]. New York: The Penguin Books, 2011.

[本文引用: 1]

[28]

董会忠, 李旋, 张仁杰. 粤港澳大湾区绿色创新效率时空特征及驱动因素分析
[J]. 经济地理, 2021, 41(5):134-144.

[本文引用: 1]

[ Dong H

, Li

, Zhang R

. Spatial-temporal characteristics and driving factors of green innovation efficiency in Guangdong-Hong Kong-Macao Greater Bay Area
[J]. Economic Geography, 2021, 41(5):134-144.]

[本文引用: 1]