Study on Greener Growth Efficiency of Large Cities in China in the New Normal State
-
摘要: 为提升城市化进程下生态文明建设水平和绿色发展质量，研究城市绿色增长效率特征，基于全国46个最具代表性的大城市的经济产出、资源投入、环境排放3个子系统的指标，采用综合指标评价方法和多重对应分析方法，分析大城市在新常态下的绿色增长效率特征。结果表明：大城市绿色增长效率呈现东高西低、南高北低的格局，城市级别越高、人口规模越大，绿色增长效率越高；变化方面，重工业城市在新常态时期的绿色增长效率总体提升幅度较小，而西南、西北地区的城市分别在经济产出、资源投入、环境排放方面有较显著改善。基于分析结果，文中提出：在推动城市绿色发展的过程中，应针对发达大城市、区域中心城市、重工业依赖型城市等各类城市的发展特点，分别制定提高城市绿色增长效率战略，走差异化的绿色发展道路。Abstract: To improve the level of ecological civilization construction and the quality of green development under the process of urbanization, the characteristics of urban green growth efficiency were studied. Based on the indicators of economic output, resource input and environmental emission of the 46 most representative large cities in China, the synthetic index evaluation method and the multiple correspondence analysis methods were used to analyze the greener growth efficiency characteristics of large cities in the new normal state. The results showed that the efficiency of greener growth in large cities was higher in the east and lower in the west, and higher in the south and lower in the north. Cities of higher level or larger population scale tended to be more efficient in greener growth. In terms of changes, the greener growth efficiency of the heavy industry cities in the new normal period had a smaller overall increase, and the cities in the southwest and northwest China had significantly improved their economic output, resource input and environmental emission, respectively. Based on the analysis results, it was proposed that in the process of promoting the green development of cities, formulating strategies are necessary to improve the greener growth efficiency and take differentiated green development paths according to the development characteristics of various kinds of cities, such as developed large cities, regional central cities and heavy industries dependent cities.
-
Keywords:
- greener growth efficiency /
- new normal state /
- large city
-
自改革开放以来，尤其是进入21世纪后，中国工业化和城市化进程提速，依靠粗放的生产方式实现了较快的发展，但高消耗和高排放的问题逐渐显现并制约了经济社会可持续发展，绿色发展的理念应运而生。
已有很多学者对绿色发展进行了研究，如：胡鞍钢和周绍杰[1]认为绿色发展要求经济、社会和自然3个系统具有系统性、整体性和协调性；北京师范大学科学发展观与经济可持续发展研究基地等团队[2]从经济增长绿色化程度、资源环境承载潜力和政府政策支持度3个方面评价各省市的绿色发展水平；WU等[3]从资源和环境承载能力的角度建立绿色经济和经济-资源-环境耦合协调评价模型；程钰等[4]建立了包含绿色增长、绿色财富和绿色福利3个领域的指标体系；SUN等[5]从社会经济和自然生态环境2个方面评价各省绿色发展水平；管永林等[6]从经济发展、资源节约和环境友好3个方面综合分析了中国经济绿色发展。
总的来看，不同学者关于绿色发展的诠释各不相同但有很多共通之处和共同内涵，借用压力-响应-状态(PSR)模型的分析框架[7]可进一步探究绿色发展核心的内涵。“压力”是指为获得经济社会发展的产出，人类活动需要获取并投入自然资源，且不可避免地对环境产生污染排放；“状态”是指人类活动产生的压力导致资源消耗过快和生态环境遭到一定程度的破坏，反过来对经济社会发展和保障人类健康形成制约；“响应”是指管理者采取适当的措施减轻压力，以应对这些不利影响，增加人们的福利。绿色发展就是运用一系列技术和治理手段缓解“压力”，在经济社会发展的同时实现向更低排放和更低投入的生产生活方式转变[8-9]。提高绿色增长效率，是以更少的资源投入和环境排放获得更高的经济社会发展产出，也就是绿色发展的核心内涵。衡量绿色增长效率的方法主要有2类：一是基于数据包络分析的效率测量方法。该方法分别把资源投入、经济产出、环境排放的量作为投入、期望产出和非期望产出指标，从而得到效率评价结果[9]。二是综合评价方法。该方法构建由若干可比较的资源投入、经济产出和环境排放指标组成的指标体系，可用于分析单一指标或综合评价结果[6]。
城市是文明发展的重要载体，也是推进绿色发展的主要阵地。城市绿色发展受到了较多关注，已有学者开展全国范围和省内城市绿色发展评价研究[8, 10-16]。当前中国处于城市化中后期阶段，各地城市群正在崛起，《全国主体功能区规划》[17]已把21个城市群列为优化开发区和重点开发区，近年来也有学者关注城市群绿色发展[18-23]。中国当前的人口城市化率约为60%，与发达国家的水平(70%~90%)相比仍有较大差距，而且中国人口大城市化水平和主要城市群的经济聚集程度与发达国家均存在明显差距[24-25]，未来在大城市化过程中仍有较大提升空间，人口和经济活动将进一步往城市聚集，庞大人口基数支撑下的大城市将成为未来中国最重要的发展动力源，驱动以能源和水为代表的资源消耗[26]，对城市可持续发展形成较大压力。然而，聚焦大城市绿色发展的研究目前仍不多。
本文将重点关注作为未来经济社会发展主导力量的大城市，聚焦在绿色增长效率这一核心内涵，从经济产出、资源投入和环境排放3个方面考察中国城市绿色发展特征。2013年开始, 我国进入以“从要素驱动转向创新驱动”为主要特征的发展新常态阶段，绿色发展已成为国家发展的新战略[27]。本文以进入新常态前的状态作为基础，研究2013年以来新常态下大城市的绿色增长特征及其变化趋势、影响因素，以期为今后中长期国家绿色发展战略制定和实施提供新视角。
1. 研究方法
1.1 研究城市
大城市是人口、产业、公共服务等资源集中程度较高的城市。本研究关注的中国境内大城市，包含行政级别较高的城市，包括直辖市、计划单列市和省会，以及在2019年GDP排名前10的地级市。这些城市有较好的产业发展基础和公共服务资源，拥有较强的发展要素集聚能力。本研究涉及的46个城市及其分类属性见表 1，其中全市总人口规模是全市常住人口总数，分为1 000万人以上、500~1 000万人、500万人以下3个等级。
表 1 研究城市及其分类属性Table 1. Investigated cities and their classification properties区域 城市 城市等级 全市总人口 区域 城市 城市等级 全市总人口 华北 北京 直辖市 1 000万人以上 华东 青岛 计划单列市 500~1 000万人 天津 直辖市 1 000万人以上 烟台 地级市 500~1 000万人 石家庄 普通省会 1 000万人以上 华中 合肥 普通省会 500~1 000万人 唐山 地级市 500~1 000万人 南昌 普通省会 500~1 000万人 太原 普通省会 500万人以下 郑州 普通省会 500~1 000万人 呼和浩特 普通省会 500万人以下 武汉 副省级省会 1000万人以上 东北 沈阳 副省级省会 500~1 000万人 长沙 普通省会 500~1 000万人 大连 计划单列市 500~1 000万人 华南 广州 副省级省会 1 000万人以上 长春 副省级省会 500~1 000万人 深圳 计划单列市 1 000万人以上 哈尔滨 副省级省会 1 000万人以上 佛山 地级市 500~1 000万人 华东 上海 直辖市 1 000万人以上 东莞 地级市 500~1 000万人 南京 副省级省会 500~1 000万人 南宁 普通省会 500~1 000万人 苏州 地级市 1 000万人以上 海口 普通省会 500万人以下 无锡 地级市 500~1 000万人 西南 重庆 直辖市 1 000万人以上 南通 地级市 500~1 000万人 成都 副省级省会 1 000万人以上 徐州 地级市 500~1 000万人 贵阳 普通省会 500万人以下 常州 地级市 500万人以下 昆明 普通省会 500~1 000万人 杭州 副省级省会 500~1 000万人 拉萨 普通省会 500万人以下 宁波 计划单列市 500~1 000万人 西北 西安 副省级省会 500~1 000万人 福州 普通省会 500~1 000万人 兰州 普通省会 500万人以下 厦门 计划单列市 500万人以下 西宁 普通省会 500万人以下 泉州 地级市 500~1 000万人 银川 普通省会 500万人以下 济南 副省级省会 500~1 000万人 乌鲁木齐 普通省会 500万人以下 1.2 研究指标、数据来源和数据处理
在经济产出、资源投入、环境排放三大子系统中，选取2012—2019年具有较好统计基础、城市间可比的代表性指标，以表征城市在新常态下的绿色增长情况。其中：经济产出指标是正向指标，包括人均GDP(a1)、人均消费零售额(a2)、人均一般公共预算收入(a3)，分别代表城市总体的经济产出水平、居民富裕程度和政府财力；资源投入指标是逆向指标，包括单位GDP供水量(b1)、单位GDP建设用地面积(b2)、单位GDP用电量(b3)，代表经济发展所需的3种基本物质资源的投入强度；环境排放指标是逆向指标，包括单位GDP污水排放量(包括生活污水和工业废水)(c1)、单位工业增加值二氧化硫排放量(c2)、单位工业增加值烟尘排放量(c3)，代表生产活动中排放的影响广泛的污染物排放强度。
单位GDP供水量、单位GDP建设用地面积、单位GDP用电量和单位GDP污水排放量的统计范围为市辖区，其余指标的统计范围为全市。指标的基础数据主要来源于历年《中国城市统计年鉴》《中国城市建设统计年鉴》，各省市统计年鉴和“万得宏观经济数据库”作为部分缺失数据的补充来源。其中，拉萨、银川市的2012—2016年的用电量数据缺失，在涉及变量变化特征的分析时做剔除处理。
为使指标在不同年份间可比较，选取同一口径的2012年全国平均值为基准(其中一般公共预算收入为地方收入部分)，用每一年的城市数据和基准值作比较，得到正向和逆向的相对指标值：
$$ Y=X / X_0(X \text { 为正向指标 }), Y=X_0 / X(X \text { 为逆向指标 }) \text {, } $$ (1) 其中，Y为相对指标值，X为指标原值，X0为基准值。
为避免相对指标值出现极端值的情况，如单位GDP排放相对指标值的城市值远小于全国平均值，对相对指标值作对数处理：
$$ V=\log _2(Y+1), $$ (2) 其中，V为指标得分，由相对指标值加1后取对数得到，可把相对指标值在数值不是很大的范围内近似线性转换为同样以0为最小值的指标得分，极端值转换后则变成较小的值。指标得分是综合指标评价和多重对应分析的基础。
1.3 研究方法
1.3.1 综合指标评价
综合指标评价是常用的多指标综合分析方法，是把多个指标按照一定的权重加权求和得到综合评价值。本研究中，权重用客观方法和主观方法的结果取均值得到，每一年的指标得分分别通过权重计算综合评价值。综合评价值较大，表示以经济产出、资源投入、环境排放综合反映的绿色增长效率较高；综合评价值大于1，则表示绿色增长效率高于全国平均水平。
客观方法采用熵权法，利用指标包含的信息熵大小确定权重，信息熵越小则表示权重越大。熵权法具体过程[28]如下：
首先，对指标得分作归一化处理：
$$ r_{i j}=\left[V_{i j}-\min \left(V_{i j}\right)\right] /\left[\max \left(V_{i j}\right)-\min \left(V_{i j}\right)\right] \quad(1 \leqslant i \leqslant N), $$ (3) 其中，rij为城市i的指标j的归一化值，N为城市个数。利用下式确定权重：
$$ w_j=\left(1-H_j\right) /\left(p-\sum\limits_{j=1}^p H_j\right), $$ (4) $$ H_j=-\frac{1}{\ln N} \sum\limits_{i=1}^N f_{i j} \ln f_{i j}, $$ (5) $$ f_{i j}=r_{i j} / \sum\limits_{i=1}^N r_{i j} $$ (6) 其中，wj为指标j的权重，Hj为指标j的信息熵，p为指标个数。
主观方法采用AHP法[29]，由12位绿色发展方面的专家对指标权重进行打分。打分分2个层次进行：第一层是对经济产出、资源投入和环境排放3个子系统(准则层)进行打分，第二层是对各子系统下的指标(指标层)进行打分。打分结果通过一致性检验，可作为评价权重。客观法和主观法以及最终采用的权重结果如表 2所示。
表 2 评价指标权重Table 2. Weights of indicators指标 主观法权重结果 客观法权重结果 最终权重 准则层 指标层 a1 0.46 0.19 0.15 0.17 a2 0.13 0.14 0.14 a3 0.14 0.11 0.13 b1 0.23 0.08 0.08 0.08 b2 0.09 0.08 0.08 b3 0.06 0.06 0.06 c1 0.31 0.16 0.07 0.12 c2 0.09 0.18 0.13 c3 0.06 0.13 0.10 经济、资源、环境三大子系统下的指标按照最终权重相加得到子系统得分值，其中2019年的得分值分别称为经济现状、资源现状、环境现状，可综合反映绿色增长效率现状；新常态以来的得分值的变化幅度分别称为经济变化、资源变化、环境变化，可综合反映绿色增长效率变化。这6个变量(下文称之为六大变量)将用于多重对应分析，其中，由于2017—2019年的全社会用电量统计范围为全市，而非市辖区，故资源变化仅表示2012—2016年的变化情况；经济变化和环境变化表示2012—2019年的变化情况。
1.3.2 多重对应分析
多重对应分析属于多元统计方法，是对有多维度信息的多个样本进行降维处理，用较少的维度信息代替原来的多指标的分析方法，可提取信息庞杂的样本集合中的主要特征。本研究结合城市等级、城市所属区域、全市总人口规模3个属性分类，利用SPSS19软件，分别对六大变量和2019年的9个指标实施多重对应分析。在进行多重对应分析前，需要先对指标得分或六大变量进行标准化处理：
$$ Z_{i j}=\left[V_{i j}-E\left(V_j\right)\right] / D\left(V_j\right), $$ (7) 其中，Zij为标准化指标得分值，E(Vj)为指标j的均值，D(Vj)为指标j的标准差。
多重对应分析方法用较少的维度表示分类变量类别间的关系，在实现变量降维的基础上，分析分类变量间的相关程度[30]。在多重对应分析的结果联合分布图中，点的分布位置越靠近则代表相应类别间的联系越紧密，点的分布距离原点越远则代表该类别具有越显著的特征[30]。按照文献[31]的方法，把属于连续变量的标准化指标得分值Zij转换为用1~5表示的分类指标，表示数值从小到大的5个类别：当Zij≤-1时定义为类别1，当-1 < Zij≤-0.25时定义为类别2，当-0.25 < Zij≤0.25时定义为类别3，当0.25 < Zij≤1时定义为类别4，当Zij>1时定义为类别5。
2. 结果与讨论
2.1 城市绿色增长效率综合评价
由中国46个大城市2012—2019年的绿色增长效率综合评价值(图 1)可知：在经济发展进入新常态前的2012年，绝大部分大城市的综合评价值都大于1，即绿色增长效率评价值高于全国平均水平；石家庄、兰州、西宁、贵阳市的绿色增长效率评价值低于全国平均水平，昆明、重庆、南宁、乌鲁木齐、太原等城市的绿色增长效率评价值仅略高于全国平均水平，这些城市主要位于西南、华北、西北地区；综合评价值较高的城市为深圳、长沙、广州、厦门、北京市，其中有三大公认的“一线城市”，而且除北京市外均为南方城市。
![]()
图 1 46个大城市的绿色增长效率综合评价值(2012—2019年)Figure 1. Integrated assessment values of greener growth efficiency in 46 cities from 2012 to 2019图 2为各城市2019年的现状综合评价值以及该时期内综合评价值变化幅度的二维分布图，并划分为I、II、III、IV 4个象限。由图可知：
![]()
图 2 纳入分析的大城市的绿色增长效率现状综合评价值及其变化(2019年)注：图中的虚线分别为所有城市的现状综合评价值、综合评价值变化幅度的平均值。Figure 2. Current situation and its change of comprehensive assessment value of greener growth efficiency for all analyzed large cities in 2019(1) 现状综合评价值高于其平均值(2.27)的区域主要为华东、华南、华中地区和京津两市(属于东部城市)，低于平均值的区域主要为华北、东北、西南、西北地区，具有相对明显的东西差异分布特征，其中东部城市还有显著的南北差异。该分布特征与当前城市经济发展水平总体呈现的华东、华南地区的城市更强的格局相似，表明具有较高经济发展水平的城市的绿色增长效率相对更高。
(2) 综合评价值变化幅度高于和低于其平均值(59%)的城市区域分布的趋势并不明显，但大于平均值的城市中，有较多属于中西部以及东北地区的区域性中心城市，亦即省会。在大城市化加速的新常态时期，这些城市对人口和经济资源形成较强的集聚效应，因此，在实施资源节约和环境保护政策上也具有更强烈的需求和更充裕的实力。
(3) 位于第III象限的城市大多为资源型城市或位于矿产资源丰富的省份，主要特征是高耗能、高污染工业较密集，发展转型难度较大，绿色增长效率有待提高。
2.2 绿色增长效率多重对应分析
2.2.1 子系统特征
图 3为对六大变量和3个属性分类进行多重对应分析的联合分布图，由多维对应分析提取的2个维度的零值虚线划分为4个象限。易观察到经济、资源、环境现状和变化得分类别与城市等级、总人口规模、所属区域等属性分类的对应关系：
![]()
图 3 三大子系统现状得分及其变化幅度的多重对应分析联合分布图注：图中数字1~5表示类别1~类别5。Figure 3. MCA joint category plot for current situation and their changes of the three sub-systems(1) 现状得分方面，计划单列市、直辖市、副省级省会、经济社会发展较好的地级市、1 000万人以上人口、500~1 000万总人口分类和三大子系统各现状得分较高的类别4和类别5位于第II、III象限，表示这几类城市的绿色增长效率总体上比其他城市的更高；普通省会、500万以下人口的城市和各现状得分最低的类别1和类别2位于第I、IV象限，反映城市等级越高、人口规模越大、经济实力越强，绿色增长效率越高的一般规律。
(2) 变化得分方面的分布特征相对不明显，但可看到普通省会、500万人以下人口2个类别和资源变化的类别5、环境变化的类别4、经济变化的类别4及类别5位于第III象限，而城市等级更高、人口规模更大的类别与各变化得分较高的类别4和类别5距离较远。从所属区域看，西南、西北地区也位于第III象限，说明西部城市的绿色增长效率在新常态下有较明显提高；而东北、华北地区与3个子系统变化得分较低的类别1或类别2较接近，表明由于传统重工业较集中并且转型难度较大，北方城市的绿色增长效率提升幅度较小。
2.2.2 指标特征
由2019年9个指标和3个属性分类的多重对应分析联合分布图(图 4)可知：
![]()
图 4 绿色增长效率指标的多重对应分析联合分布图(2019年)注：图中数字1~5表示类别1~类别5。Figure 4. MCA joint category plot for the assessment indicators in 2019(1) 同一数字标记的指标类别倾向于聚集在相近的位置；西北地区类别、500万人以下人口数类别和大部分指标得分最小的类别1均位于第III象限，表明西北地区和500万人以下人口数的城市在绿色增长效率指标上整体落后于其他大城市；计划单列市、直辖市和1 000万人以上人口数类别所在的象限中，有大部分指标的类别5。
(2) 从所属区域看，西北、西南地区的城市主要与各指标的类别1或类别2较接近，但华东、华南、华北等地区的发达城市较集中的区域类别与各指标的类别5的聚集区均有一定的距离，说明绿色增长效率指标水平较高的城市在每个区域均有分布，并无明显的区域集聚特征。
2.3 讨论
根据上述结果，中国大城市绿色增长效率呈现明显的特征，对加深认识城市绿色发展规律和制定城市绿色发展战略提供重要的参考。
从现状看，基本规律是城市经济发展实力越强，则绿色增长效率越高。城市等级高，城市对人口、技术、企业等经济发展要素的聚集能力则强，尤其是对人才、先进技术和优质企业的吸引力更高，财政收入和居民收入也会更高，城市对绿色发展的支撑能力就更强；总人口规模大，除了意味着城市经济活力更强，还在资源集约化利用和污染高效治理上更具优势，绿色增长效率也较高。近年来，我国人口变化总体趋势是南方城市人口增长更快，而且南方城市的经济发展水平较高、对高耗能高排放产业依赖较低，因此，南方城市对绿色发展的支撑能力、实施动力也更大，绿色增长取得的效果更明显。
从变化看，发展水平相对不高的城市的绿色增长效率总体上提升更快。以本研究中的西部城市为例，与华东地区的或华南地区的城市相比，其区位优势、经济发展水平、绿色发展基础较薄弱，但具有巨大的提升潜力：在新常态的大城市化趋势下，与其所在省内的其他城市相比，这些城市仍具有显著的发展优势，从而持续吸引人口聚集并发展成为区域性中心城市；随着城市能级的提高，这些城市对提高绿色增长效率的支撑能力也在不断提升；我国在新常态下推动生态文明建设、产业转型升级的力度不断加强，其效果叠加在这些绿色发展基础较薄弱的西部城市上，使得这些西部城市的绿色增长效率提升成效相对更显著。此外，由于新常态以来产品需求放缓，经济发展动力不足，而且由于高耗能高排放行业比重较大，行业结构调整难度较大，导致对重工业依赖程度较高的城市(主要在华北、东北地区)的绿色增长效率总体上略低于其他地区的城市。
3. 结论与启示
本文在经济产出、资源投入和环境排放3个子系统选取代表性指标，运用综合指标评价和多重对应分析方法，研究中国境内46个大城市在新常态时期下的绿色增长效率，主要结论如下：
(1) 绿色增长效率现状。本研究中大城市的绿色增长效率明显高于全国平均水平，发展水平较高的城市优势更加显著。评价结果显示：包括华东、华南、华北、华中、东北地区的东部城市的绿色增长效率总体上高于位于西北、西南地区的西部城市的，而东部城市还存在南高北低的规律，以长三角和珠三角为代表的南方城市群的绿色增长效率高于华北、东北地区的；华北地区内，除了北京和天津2个直辖市，其他城市的绿色增长效率明显偏低。
(2) 绿色增长效率变化。新常态以来，绿色增长效率提升较快的城市主要为基础相对薄弱的西部省会城市，尽管其经济产出、资源投入和环境排放在所有大城市中总体较落后。以华北、东北地区的城市为代表的重工业城市，在新常态时期发展转型遇到一定的障碍，绿色增长效率提升幅度不明显。
基于本研究结论，可得到在新常态下促进大城市绿色增长的几点启示：
(1) 做强东部城市。东部城市具有最扎实的绿色发展基础，应继续巩固其优势，加快高质量发展步伐，提升城市治理水平，进一步提高资源利用效率和实施更高效的污染物减排工作；发挥京津冀、长三角、粤港澳大湾区三大城市群在全国的引领示范作用，探索理念更先进的绿色增长道路，把绿色发展经验传播到其他城市。
(2) 做大西部区域中心城市。以西部省会为代表的区域中心城市具有较大的绿色增长效率提升潜力，应进一步提升其经济发展实力，提高对周边地区的人口、产业聚集能力，从而形成绿色发展的规模优势和支撑能力，在较短时间内提升绿色增长效率，缩小与东部城市的差距。此外，这些城市需要避免走依靠高耗能高排放产业支撑发展的老路，尽快开展中长期绿色发展路径的顶层设计。
(3) 做优重工业依赖型城市。华北、东北地区中，部分对高耗能、高排放产业依赖程度较高的大城市的绿色增长效率现状欠佳且提升成效不明显，应尽快制定优化产业结构路线图，提高现代产业比重，提升经济发展活力，加快向以多元化、现代化、绿色化为主要特征的产业体系转型，释放绿色发展潜力，加快提升绿色增长效率。
-
![]()
图 1 46个大城市的绿色增长效率综合评价值(2012—2019年)
Figure 1. Integrated assessment values of greener growth efficiency in 46 cities from 2012 to 2019
![]()
图 2 纳入分析的大城市的绿色增长效率现状综合评价值及其变化(2019年)
注：图中的虚线分别为所有城市的现状综合评价值、综合评价值变化幅度的平均值。
Figure 2. Current situation and its change of comprehensive assessment value of greener growth efficiency for all analyzed large cities in 2019
![]()
图 3 三大子系统现状得分及其变化幅度的多重对应分析联合分布图
注：图中数字1~5表示类别1~类别5。
Figure 3. MCA joint category plot for current situation and their changes of the three sub-systems
![]()
图 4 绿色增长效率指标的多重对应分析联合分布图(2019年)
注：图中数字1~5表示类别1~类别5。
Figure 4. MCA joint category plot for the assessment indicators in 2019
表 1 研究城市及其分类属性
Table 1 Investigated cities and their classification properties
区域 城市 城市等级 全市总人口 区域 城市 城市等级 全市总人口 华北 北京 直辖市 1 000万人以上 华东 青岛 计划单列市 500~1 000万人 天津 直辖市 1 000万人以上 烟台 地级市 500~1 000万人 石家庄 普通省会 1 000万人以上 华中 合肥 普通省会 500~1 000万人 唐山 地级市 500~1 000万人 南昌 普通省会 500~1 000万人 太原 普通省会 500万人以下 郑州 普通省会 500~1 000万人 呼和浩特 普通省会 500万人以下 武汉 副省级省会 1000万人以上 东北 沈阳 副省级省会 500~1 000万人 长沙 普通省会 500~1 000万人 大连 计划单列市 500~1 000万人 华南 广州 副省级省会 1 000万人以上 长春 副省级省会 500~1 000万人 深圳 计划单列市 1 000万人以上 哈尔滨 副省级省会 1 000万人以上 佛山 地级市 500~1 000万人 华东 上海 直辖市 1 000万人以上 东莞 地级市 500~1 000万人 南京 副省级省会 500~1 000万人 南宁 普通省会 500~1 000万人 苏州 地级市 1 000万人以上 海口 普通省会 500万人以下 无锡 地级市 500~1 000万人 西南 重庆 直辖市 1 000万人以上 南通 地级市 500~1 000万人 成都 副省级省会 1 000万人以上 徐州 地级市 500~1 000万人 贵阳 普通省会 500万人以下 常州 地级市 500万人以下 昆明 普通省会 500~1 000万人 杭州 副省级省会 500~1 000万人 拉萨 普通省会 500万人以下 宁波 计划单列市 500~1 000万人 西北 西安 副省级省会 500~1 000万人 福州 普通省会 500~1 000万人 兰州 普通省会 500万人以下 厦门 计划单列市 500万人以下 西宁 普通省会 500万人以下 泉州 地级市 500~1 000万人 银川 普通省会 500万人以下 济南 副省级省会 500~1 000万人 乌鲁木齐 普通省会 500万人以下 
下载: 导出CSV
表 2 评价指标权重
Table 2 Weights of indicators
指标 主观法权重结果 客观法权重结果 最终权重 准则层 指标层 a1 0.46 0.19 0.15 0.17 a2 0.13 0.14 0.14 a3 0.14 0.11 0.13 b1 0.23 0.08 0.08 0.08 b2 0.09 0.08 0.08 b3 0.06 0.06 0.06 c1 0.31 0.16 0.07 0.12 c2 0.09 0.18 0.13 c3 0.06 0.13 0.10
下载: 导出CSV
-
[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. doi: 10.3969/j.issn.1002-2104.2014.01.003 HU A G, ZHOU S J. Green development: functional definition, mechanism analysis and development strategy[J]. China Population, Resources and Environment, 2014, 24(1): 14-20. doi: 10.3969/j.issn.1002-2104.2014.01.003
[2] 北京师范大学科学发展观与经济可持续发展研究基地, 西南财经大学绿色经济与经济可持续发展研究基地, 国家统计局中国经济景气监测中心. 2010中国绿色发展指数年度报告——省际比较[M]. 北京: 北京师范大学出版社, 2010. [3] WU M W, WU J Q, ZANG C F. A comprehensive evaluation of the eco-carrying capacity and green economy in the Guangdong-Hong Kong-Macao Greater Bay Area, China[J]. Journal of Cleaner Production, 2021, 281: 1-16.
[4] 程钰, 王晶晶, 王亚平, 等. 中国绿色发展时空演变轨迹与影响机理研究[J]. 地理研究, 2019, 38(11): 2745-2765. doi: 10.11821/dlyj020190057 CHENG Y, WANG J J, WANG Y P, et al. A comparative research of the spatial-temporal evolution track and influence mechanism of green development in China[J]. Geographical Research, 2019, 38(11): 2745-2765. doi: 10.11821/dlyj020190057
[5] SUN C Z, TONG Y L, ZOU W. The evolution and a temporal-spatial difference analysis of green development in China[J]. Sustainable Cities and Society, 2018, 41: 52-61. doi: 10.1016/j.scs.2018.05.006
[6] 管永林, 周宏春, 马光文. 中国经济绿色发展综合评价研究[J]. 生态经济, 2020, 36(12): 40-49. https://www.cnki.com.cn/Article/CJFDTOTAL-STJJ202012009.htm GUAN Y L, ZHOU H C, MA G W. Study on comprehensive evaluation of green development of Chinese economy[J]. Ecological Economy, 2020, 36(12): 40-49. https://www.cnki.com.cn/Article/CJFDTOTAL-STJJ202012009.htm
[7] 左伟, 周慧珍, 王桥. 区域生态安全评价指标体系选取的概念框架研究[J]. 土壤, 2003(1): 2-7. doi: 10.3321/j.issn:0253-9829.2003.01.002 ZUO W, ZHOU H Z, WANG Q. Conceptual framework for selection of an indicator system for assessment of regional ecological safety[J]. Soils, 2003(1): 2-7. doi: 10.3321/j.issn:0253-9829.2003.01.002
[8] 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 ZHOU L, CHE L, ZHOU C H. Spatio-temporal evolution and influencing factors of urban green development efficiency in China[J]. ACTA Geographica Sinica, 2019, 74(10): 2027-2044. doi: 10.11821/dlxb201910006
[9] 杨志江, 文超祥. 中国绿色发展效率的评价与区域差异[J]. 经济地理, 2017, 37(3): 10-18. https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201703002.htm YANG Z J, WEN C X. Evaluation on China's green development efficiency and regional disparity[J]. Economic Geography, 2017, 37(3): 10-18. https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201703002.htm
[10] SHI B F, YANG H F, WANG J, et al. City green economy evaluation: empirical evidence from 15 sub-provincial ci-ties in China[J]. Sustainability, 2016, 8(6): 551/1-39.
[11] LI J L, LIN B Q. Green economy performance and green productivity growth in China's cities: measures and policy implication[J]. Sustainability, 2016, 8(9): 947/1-21.
[12] 李治国, 车帅, 王杰. 国家中心城市建设的绿色发展效应研究——基于285个城市的准自然实验[J]. 科技进步与对策, 2021, 38(16): 1-8. https://www.cnki.com.cn/Article/CJFDTOTAL-KJJB202116004.htm LI Z G, CHE S, WANG J. Research on the green development effect of national central city construction: quasi natu-ral experiments based on 285 cities[J]. Science & Technology Progress and Policy, 2021, 38(16): 1-8. https://www.cnki.com.cn/Article/CJFDTOTAL-KJJB202116004.htm
[13] 李文正, 刘宇峰, 张晓露, 等. 陕西省城市绿色发展水平时空演变及障碍因子分析[J]. 水土保持研究, 2019, 26(6): 280-289. https://www.cnki.com.cn/Article/CJFDTOTAL-STBY201906043.htm LI W Z, LIU Y F, ZHANG X L, et al. Spatial-temporal evolution of urban green development level and its obstacle factors in Shaanxi Province[J]. Research of Soil and Water Conservation, 2019, 26(6): 280-289. https://www.cnki.com.cn/Article/CJFDTOTAL-STBY201906043.htm
[14] ZHOU C S, SHI C Y, WANG S J, et al. Estimation of eco-efficiency and its influencing factors in Guangdong Provin-ce based on Super-SBM and panel regression models[J]. Ecological Indicators, 2018, 86: 67-80. doi: 10.1016/j.ecolind.2017.12.011
[15] 郝汉舟, 汤进华, 翟文侠, 等. 湖北省绿色发展指数空间格局及诊断分析[J]. 世界地理研究, 2017, 26(2): 91-100. https://www.cnki.com.cn/Article/CJFDTOTAL-SJDJ201702010.htm HAO H Z, TANG J H, ZHAI W X, et al. Spatial pattern analysis and diagnosis of green development index in Hubei Province[J]. World Regional Studies, 2017, 26(2): 91-100. https://www.cnki.com.cn/Article/CJFDTOTAL-SJDJ201702010.htm
[16] 陈红娟, 冯文钊, 焦新颖. 京津冀城市绿色发展水平及发展效率的时空格局演化[J]. 生态经济, 2021, 37(4): 96-102. https://www.cnki.com.cn/Article/CJFDTOTAL-STJJ202104017.htm CHEN H J, FENG W Z, JIAO X Y. Spatial-temporal pa-ttern evolution of urban green development level and efficiency in Beijing-Tianjin-Hebei Region[J]. Ecological Economy, 2021, 37(4): 96-102. https://www.cnki.com.cn/Article/CJFDTOTAL-STJJ202104017.htm
[17] 国务院. 国务院关于印发全国主体功能区规划的通知[EB/OL]. (2011-06-08)[2022-09-20]. http://www.gov.cn/zhengce/content/2011-06/08/content_1441.htm. [18] 刘杨, 杨建梁, 梁媛. 中国城市群绿色发展效率评价及均衡特征[J]. 经济地理, 2019, 39(2): 110-117. https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201902013.htm LIU Y, YANG J L, LIANG Y. The green development efficiency and equilibrium features of urban agglomerations in China[J]. Economic Geography, 2019, 39(2): 110-117. https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201902013.htm
[19] 黄跃, 李琳. 中国城市群绿色发展水平综合测度与时空演化[J]. 地理研究, 2017, 36(7): 1309-1322. https://www.cnki.com.cn/Article/CJFDTOTAL-DLYJ201707011.htm HUANG Y, LI L. A comprehensive assessment of green development and its spatial-temporal evolution in urban agglomerations of China[J]. Geographical Research, 2017, 36(7): 1309-1322. https://www.cnki.com.cn/Article/CJFDTOTAL-DLYJ201707011.htm
[20] 刘阳, 秦曼. 中国东部沿海四大城市群绿色效率的综合测度与比较[J]. 中国人口·资源与环境, 2019, 29(3): 11-20. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGRZ201903002.htm LIU Y, QIN M. Evaluation and comparison of green efficiency of four coastal urban agglomerations in eastern China[J]. China Population, Resources and Environment, 2019, 29(3): 11-20. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGRZ201903002.htm
[21] 廖茂林, 王国峰. 黄河流域城市群经济增长与绿色发展水平脱钩研究[J]. 城市发展研究, 2021, 28(3): 100-106. https://www.cnki.com.cn/Article/CJFDTOTAL-CSFY202103015.htm LIAO M L, WANG G F. Decoupling analysis of the relationship between the green development and economic growth of urban agglomerations in the Yellow River Basin[J]. Urban Development Studies, 2021, 28(3): 100-106. https://www.cnki.com.cn/Article/CJFDTOTAL-CSFY202103015.htm
[22] 蒯诗琪. 中原城市群城市绿色发展水平时空演变规律与提升策略分析[J]. 统计理论与实践, 2021(2): 17-23. https://www.cnki.com.cn/Article/CJFDTOTAL-TJLS202102012.htm [23] 吴洁, 张云, 韩露露. 长三角城市群绿色发展效率评价研究[J]. 上海经济研究, 2020(11): 46-55. https://www.cnki.com.cn/Article/CJFDTOTAL-HSYJ202011005.htm WU J, ZHANG Y, HAN L L. Research on green development efficiency evaluation of the Yangtze River Delta Urban Agglomeration[J]. Shanghai Journal of Economics, 2020(11): 46-55. https://www.cnki.com.cn/Article/CJFDTOTAL-HSYJ202011005.htm
[24] 任杲, 宋迎昌, 蒋金星. 改革开放40年中国城市化进程研究[J]. 宁夏社会科学, 2019(1): 23-31. https://www.cnki.com.cn/Article/CJFDTOTAL-LXSK201901004.htm REN G, SONG Y C, JIANG J X. Research on the Chinese urbanization process in the past 40 years from the reform and opening-up[J]. Social Sciences in Ningxia, 2019(1): 23-31. https://www.cnki.com.cn/Article/CJFDTOTAL-LXSK201901004.htm
[25] 王晓玲. 世界大城市化规律及发展趋势[J]. 城市发展研究, 2013, 20(5): 105-110. https://www.cnki.com.cn/Article/CJFDTOTAL-CSFY201305015.htm WANG X L. The rule of metropolitanization in the world and development trend[J]. Urban Development Studies, 2013, 20(5): 105-110. https://www.cnki.com.cn/Article/CJFDTOTAL-CSFY201305015.htm
[26] LIU Y F, HU Y C, SU M R, et al. Multiregional input-output analysis for energy-water nexus: a case study of Pearl River Delta urban agglomeration[J]. Journal of Cleaner Production, 2020, 281(1): 121255/1-15.
[27] 李曦辉, 黄基鑫. 绿色发展: 新常态背景下中国经济发展新战略[J]. 经济与管理研究, 2019, 40(8): 3-15. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYG201908001.htm LI X H, HUANG J X. Green development: new strategy for China's economic development under the background of the new normal[J]. Research on Economics and Management, 2019, 40(8): 3-15. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYG201908001.htm
[28] 章穗, 张梅, 迟国泰. 基于熵权法的科学技术评价模型及其实证研究[J]. 管理学报, 2010, 7(1): 34-42. https://www.cnki.com.cn/Article/CJFDTOTAL-GLXB201001006.htm ZHANG S, ZHANG M, CHI G T. The science and technology evaluation model based on entropy weight and empirical research during the 10th Five-Year of China[J]. Chinese Journal of Management, 2010, 7(1): 34-42. https://www.cnki.com.cn/Article/CJFDTOTAL-GLXB201001006.htm
[29] 朱茵, 孟志勇, 阚叔愚. 用层次分析法计算权重[J]. 北方交通大学学报, 1999(5): 119-122. https://www.cnki.com.cn/Article/CJFDTOTAL-BFJT199905025.htm ZHU Y, MENG Z Y, KAN S Y. Determination of weight value by AHP[J]. Journal of Northern Jiaotong University, 1999(5): 119-122. https://www.cnki.com.cn/Article/CJFDTOTAL-BFJT199905025.htm
[30] 张文彤, 董伟. SPSS统计分析高级教程[M]. 北京: 高等教育出版社, 2004. [31] 卞勇. 能源转型背景下我国发电上市公司发展特征分析[J]. 中国能源, 2021, 43(4): 52-59;80. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGLN202104009.htm -
期刊类型引用(0)
其他类型引用(3)
计量
- 文章访问数: 306
- HTML全文浏览量: 62
- PDF下载量: 31
- 被引次数: 3
