东北地区资源型城市绿色发展效率测度

孙菲 杨晓龙 陈雍淦 朱志红

摘要：东北地区资源型城市发展进入瓶颈期，有的甚至出现矿竭城衰、城市发展难以为继等严重问题，各资源型城市已经着手绿色发展实践，绿色发展效率亟需提升。从东北地区实际情况出发，运用Super-SBM模型，对2008—2017年东北地区资源型城市绿色发展效率进行测度，从时间和空间的角度评价绿色发展效率的演化趋势和特征，同时计算Malmquist指数，动态分析东北地区资源型城市绿色发展效率。结果表明：东北地区资源型城市绿色发展效率省际差异明显，效率值普遍偏低;从区域角度分析，各资源型城市绿色发展效率增减速度高低不一，年均增幅最快为4.1%，降幅最快为14.5%;从时间角度分析，资源型城市绿色全要素生产率呈“反复升降”的波动型态势，其中技术进步的年均降幅较大;东北地区各类型资源型城市绿色发展不均衡，环境污染问题突出。针对上述问题，建议引进清洁生产，鼓励绿色消费，提高环境保护和污染治理能力，降低碳排放，打破行政区域局限，制定分级发展政策，实施同水平城市联动发展。

关键词：资源型城市;绿色发展效率;Super-SBM模型;东北地区

中图分类号：F205

文献标识码：A

文章编号：1673-5595（2021）03-0018-08

一、引言

东北地区作为我国老工业基地，曾经为我国国民经济发展作出了巨大贡献。为满足国家重工业发展的需求，东北地区的煤炭、铁矿、石油等资源被大规模开发，大批资源型城市应运而生。在经历了大半个世纪的资源开采后，20世纪90年代，东北地区大规模出现

资源型城市主导产业衰退的现象，多数资源型城市陷入资源枯竭的困境，进入21世纪后资源枯竭现象越发严重。2003年，党中央第一次提出“振兴东北老工业基地”战略，2016年，再次颁布实施东北地区等老工业基地振兴战略，并将“绿色”作为其重要的发展理念之一。2017年，党的十九大报告明确指出“我们要建设的现代化是人与自然和谐共生的现代化”①。可见，绿色发展理念已经深入人心，高效、循环、低碳、可持续是其核心，提高绿色发展效率是其关键。有鉴于此，关注东北地区资源型城市发展模式，测度东北地区资源型城市的绿色发展效率显得尤为迫切。

二、文献综述

绿色发展效率，是在考虑环境代价和资源投入的前提下，一个国家或地区在其经济活动中的产出与投入之间的比率关系及内在联系。[1-2]绿色发展效率研究是对绿色发展研究的进一步深化与拓展。目前国内外对绿色发展效率的研究一般是从投入产出的角度选择适当的模型进行效率测度，分析现状并对未来进行预测。[3-6]也有学者在进行效率评估时，采用规模报酬可变条件下的DEA模型以及超效率SBM（Slacks-Based-Measure）模型，这为研究城市绿色发展效率拓宽了思路，提供了良好的借鉴。[7-11]城市发展过程中除期望产出以外，还会产生环境污染等非期望产出。非径向、非角度的SBM模型[12]能有效解决非期望产出与投入产出变量的松弛性问题，该方法在测定环境和资源效率方面的研究也得到重视。近年来，国内学者也开始基于此方法进行研究。以李雪松等[2]、曹鹏等[13]、谢秋皓等[14]、周亮等[15]为代表的学者，在构建基于产出角度SBM模型的基础上，分别对我国30个省份、4大经济区、285个地级市的绿色发展效率进行了测度，研究发现：我国省域绿色发展效率在时间维度上总体呈波动上升趋势，绿色发展效率的区域差异显著，各省绿色发展效率增长幅度处于波动状态，技术效率和技术进步对绿色發展效率的改善发挥了一定作用。绿色发展效率分析的投入指标通常选取资本、劳动力、技术、资源，产出指标中期望产出指标一般选取地区生产总值，非期望产出一般选择工业废水、工业废气、工业固体废弃物排放量等。[13-15]

从国内外研究绿色发展效率的文献中不难发现，国外对绿色发展的研究要早于国内，但主要侧重于如何根据现有条件实现绿色经济，后来才逐步延伸到对绿色发展效率的研究，从投入和产出的角度不断尝试引入各种计量模型对绿色发展效率进行分析。但即便是众多学者认可的非径向的DEA模型，在测度方面也存在着很多不足，不能精确计算各资源型城市的绿色发展效率值。近年来随着我国对绿色发展研究的深入，对其内涵有了新的阐释，但仍处于认识层面，其理论研究有待深入。对绿色发展效率的研究虽然已经从传统的DEA模型演变到SBM模型，对绿色发展效率的测度也在不断精确，但对于资源型城市发展的研究，国内大多还是以分析城市群为主，较少对特定区域资源型城市绿色发展进行针对性研究。本文以东北地区地级资源型城市为研究对象，利用Super-SBM模型，测度近十年东北地区资源型城市绿色发展效率，从时间和空间的角度评价绿色发展效率的演化趋势和特征，同时计算Malmquist指数动态分析东北地区资源型城市绿色发展效率，提出提升资源型城市绿色发展效率的路径。

三、研究方法与数据来源

（一）Super-SBM模型

通过查阅大量的国内外参考文献，本文认为评价城市的绿色发展效率，非参数方法中的数据包络分析方法更有效。传统的DEA模型，包括基于可变规模报酬（VRS）条件下的BCC模型和基于不变规模报酬（CRS）条件下的CCR模型，二者均是采用径向的或角度的度量方式，都未将投入产出变量的松弛性考虑在内，计算结果虚高，效率值不够精确。在实际生产中，还存在非期望产出，即我们所不期望获得的产出，如工业三废、工业污染排放物等，只有尽量减少非期望产出才能获得较大的经济效益。而CCR和BCC模型不能准确度量包含“非期望产出”的效率值，这也是传统DEA模型的局限性之一。随着资源消耗的不断加剧，环境污染日益严重，人们考虑将由环境污染产生的非期望产出纳入效率评价。Tone提出了基于非径向、非角度的SBM模型，以解决投入产出变量的松弛问题，同时为解决DEA模型在计算过程中出现多个效率值为1的情况，Tone对SBM模型加以改进，提出了允许决策单元的效率值大于1的Super-SBM模型。[12]该模型对效率值的范围做出新的假定，不再限制为1，能准确、客观地比较有效决策单元效率值的高低。因此，本文采用Super-SBM模型测度东北地区资源型城市的绿色发展效率。

Tone定义了一个排除了决策单元（x0，y0）的有限生产可能性集为

P＼（x0，y0）=（，）≥∑nj=1，≠0λjλj，≤∑nj=1，≠0λjyj，≥0，λ≥0  （1）

式中：P＼（x0，y0）为排除了（x0，y0）的生产投入集合。在该投入集合的基础上再定义一个子集合＼（x0，y0）为

＼（x0，y0）=P＼（x0，y0）∩{≥x0，≤y0}  （2）

由于X>0，Y>0，因此＼（x0，y0）是一个非空集合，它是指（x0，y0）到（，）∈＼（x0，y0）的平均距离。根据该距离定义指数δ为

δ=1m∑mi=1xi/xi01s∑sr=1yr/yr0  （3）

式中：δ的分子为x0到集合空间（，）∈＼（x0，y0）的点的平均距离;δ的分母为y0到集合空间（，）∈＼（x0，y0）的点的平均距离。δ通常被解释为投入和产出空间里生产前沿面与生产单元之间的平均距离。生产单元（x0，y0）的超效率SBM规划形式为

δ*=minδ=1m∑mi=1xi/xi01s∑sr=1yr/yr0

s.t.≥∑nj=1，≠0λjxj

≤∑nj=1，≠0λjyj

≥x0，≤y0，y≥0，λ≥0  （4）

将式（4）转化为可以求解的线性规划

τ*=minτ=1m∑mi=1ixi0

s.t.1=1s∑sr=1ryr0

≥∑nj=1，≠0Δjxj≥∑nj=1，≠0Δjyj

≥tx0，≥ty0，Δ≥0，≥0，t≥0 （5）

根据式（5）的最优解 （τ*，*，*，Δ*，t*）可以求得原规划的最优解为

δ*=τ*，λ*=Δ*t*，*=*t*，*=*t*。

（二）指标选取与数据来源

1.指标选取

目前，国内学者对资源型城市绿色发展效率评价指标选取尚未形成统一的标准，但多数研究都依据柯布-道格拉斯生产函数选择指标。该生产函数理论将资本、劳动力、技术及产出水平作为四个基本变量，但忽略了资源、环境的影响。本文考虑到资源与环境因素对资源型城市绿色发展的影响，将资源、环境纳入分析框架，以资源、资本、劳动力为投入指标，以城市生产总值为期望产出指标，以工业废水、烟尘和城市CO2排放量为非期望产出指标。具体评价指标构成见表1。

选择的投入产出指标具体说明如下：

（1）投入指标：考虑到东北地区资源型城市中衰退型和成熟型城市占比70%以上，且东北地区近年来人口流失严重，因此资源投入以能源消耗指标表示，资本投入以全社会固定资产投资总额衡量，劳动力投入以年末单位从业人员数表示。

（2）产出指标：参阅以往文献，大多学者都用GDP来衡量一个地区的经济发展状况，考虑到东北地区经济近年来持续低迷，本文选取城市生产总值作为期望产出指标。考虑到在资源型城市发展过程中由于工业污染对生态环境造成了损害，因此将环境污染作为非期望产出要素纳入评价体系，把资源环境约束作为评价绿色发展效率的重要因素。同时考虑到当前根据国家生态文明建设需求，CO2减排是资源型城市绿色发展的重要内容，特别是在国家提出2060年实现碳中和目标的情况下，更需要关注资源型城市绿色发展中的碳减排问题。因此，以工业排放和城市碳排放为主，考虑各年指标的可得性，本文选择资源型城市的工业废水排放量、工业烟尘排放量和城市CO2排放量作为非期望产出指标。

2.数据来源及说明

东北地区主要指黑龙江、吉林和辽宁3个省份，根据《全国资源型城市可持续发展规划（2013—2020）》可知，黑龙江省有11个资源型城市，其中地级市9个，分别为大兴安岭地区、大庆、鸡西、七台河、伊春、鹤岗、牡丹江、黑河、双鸭山;吉林省资源型城市有11个，其中地级市6个，分别为松原、吉林、辽源、通化、白山和延边朝鲜族自治州;辽宁省资源型城市15个，其中地级市6个，分别为阜新、鞍山、抚顺、本溪、盘锦和葫芦岛。由于黑龙江省大兴安岭地区、吉林省延边朝鲜族自治州各年数据缺失较多，为减少误差，本文剔除这两地，选择东北地区3个省份的19个地级资源型城市进行研究。依据资源型城市可持续发展能力和资源开采状况，可将其分为衰退型、再生型、成长型、成熟型四种类型，本文所选择的东北地区19个地级资源型城市分属上述四种类型。

为了更好地分析资源型城市绿色发展效率的变化趋势，本文选取的时间为2008—2017年，数据来源于历年的EPS数据库、中国碳排放数据库（1997—2017）和各省统计年鉴。其中2008年吉林省和遼宁省资源型城市能源消耗量指标数据缺失，本文根据相邻年份该指标数值采用插补法补全缺失数据。

四、测度结果及分析

（一）绿色发展效率时空演化分析

本文基于Super-SBM 模型利用DEA-Solver Pro5.0软件测算了2008—2017年东北地区19个地级资源型城市绿色发展效率（见表2），得到辽宁、吉林、黑龙江三省地级资源型城市绿色发展效率的变化趋势，如图1所示。

从时间维度来看，2008—2017年东北地区地级资源型城市绿色发展效率整体不高，且呈现波动下滑趋势。其中，黑龙江省地级资源型城市绿色发展效率整体高于辽宁和吉林两省，其效率值在2016年前波动上升，2017年回落，但整体在平均值之上;吉林省地级资源型城市绿色发展效率在2013年前呈波动递减趋势，2013—2015年呈上升趋势，2015—2017年先降后升，其中在2016年效率值最低;辽宁省则在2010年前呈递减趋势，2010—2017年呈波动递增趋势，且在2008—2017年间辽宁省地级资源型城市绿色发展效率值整体低于黑龙江省，高于吉林省。究其原因，东北地区作为我国著名的老工业基地，资源型城市众多，长期以来既是我国能源生产主力，也是能源消耗主力，同时GDP增长伴随着碳排放及其他污染物的排放，其绿色发展效率自然偏低。黑龙江省效率值在东北地区最高，该省达到有效发展的资源型城市所占比重较其他两省大，8个地级资源型城市中只有七台河市的效率均值小于1（见表2）。主要是因为黑龙江省资源型城市平均能耗低于吉林和辽宁省（如图2所示），黑龙江省资源型城市CO2排放量整体低于三省平均值（如图3所示），

且黑龙江省资源型城市工业废水、工业烟尘排放量（如图4所示）也明显低于吉林和辽宁两省，因此黑龙江省地级资源型城市的绿色发展效率明显高于吉林和辽宁两省。辽宁省效率值介于黑龙江和吉林之间，其原因是工业大省辽宁不仅产值高于其他两省，资源型城市平均能耗和CO2排放量也均居三省之首（如图2和图3所示），但在2015年后辽宁与吉林两省地级资源型城市平均能耗差距逐渐缩小，同时辽宁省环境污染也得到适当改善。

从空间维度上看，鸡西、黑河、鹤岗、吉林、大庆、伊春、鞍山、牡丹江、阜新、双鸭山、葫芦岛、本溪处于东北地区地级资源型城市绿色发展前列，效率值均大于1，属于效率有效区;盘锦、通化、七台河、松原、抚顺、辽源、白山则是东北地区地级资源型城市绿色发展水平较低的城市，效率值均小于1，没有实现有效发展，其中效率值最低的白山，其效率值仅为0.606，与绿色发展效率值最高的鸡西相比，有很大的改善空间。从空间维度来看，黑龙江省集中了较多绿色发展高效率型资源型城市，辽宁和吉林两省的低效率型资源型城市较多。

综合表2和图1～4，得出以下结论：

（1）目前东北地区地级资源型城市绿色发展效率平均水平不高，各地节能减排尚有较大提升空间，未来资源型城市绿色发展仍有上升空间。

（2）东北地区省际资源型城市绿色发展效率存在显著差异，黑龙江省效率均值各年份均大于1，是其他省市赶超的目标，而吉林和辽宁两省资源型城市绿色发展效率则持续处于较低水平，很多资源型城市处于绿色发展无效率状态，其根本原因是吉林、辽宁两省资源枯竭型城市占比较大，且未能适时进行资源型城市的绿色转型。

（3）资源型城市绿色发展效率区域性差异显著，环保较好、污染物排放越少、综合能耗越低的资源型城市其绿色发展效率越高。黑龙江省地级资源型城市绿色发展效率值远远高于其他两省，从图2～4可以看出，其能耗低，污染物排放也少。因此资源型城市绿色发展效率的高低与节能降耗程度及污染物排放密切关联。

（二）东北地区资源型城市绿色发展效率的动态分析

为更好地研究东北地区资源型城市绿色发展的动态特征，本文利用DEAP2.1软件对2008—2017年东北地区19个地级资源型城市投入产出数据进行Malmquist指数测算和分解。

1.东北地区各地级资源型城市绿色发展效率动态变化分析

根據Malmquist指数模型可以得到2008—2017年东北地区各地级资源型城市绿色发展效率年均Malmquist指数及其分解，具体见表3。

根据表3的测量结果可以看出，在2008—2017年东北地区19个地级资源型城市的Malmquist效率指数中，除鞍山、鹤岗、双鸭山外，均存在部分指数小于1的情况，所有城市的全要素生产率平均值为0.978，说明东北地区各资源型城市绿色发展水平处于下降态势且整体年均下降幅度为2.2%。整体而言，这一时期东北地区资源型城市绿色发展与资源环境的关系有待改善。从绿色全要素生产率的分解来看，技术效率指数的平均值为0.997，表明技术效率年年下降，且年均下降0.3%;技术进步指数的平均值为0.980，表明技术进步年均下降2%。由此说明，2008—2017年东北地区资源型城市绿色全要素生产率的下降由技术进步主导，同时技术效率也有待提升。

从区域角度分析，东北地区资源型城市绿色发展全要素生产率提高幅度最快的是抚顺，年均增幅为4.1%，其次是双鸭山和辽源，年均增幅分别为2.7%和2.0%，其他资源型城市除鞍山、鹤岗和七台河外，绿色发展全要素生产率均处于下降状态，下降速度最快的是鸡西，年均降幅为14.5%。从分解指标来看，技术效率和技术进步对于资源型城市绿色发展全要素生产率有很大的影响。根据表3的数据可以看出，全要素生产率提高的资源型城市中，抚顺、双鸭山和辽源都拥有较高的技术效率或技术进步指数，而全要素生产率降低的资源型城市其技术效率或技术进步指数一般较低，其中鸡西的全要素生产率降低速度最快，它的技术进步指数和技术效率指数也是最低的，因此，对鸡西而言技术效率和技术进步都有待提高。研究期内，各地级资源型城市技术效率有升有降，其中抚顺技术效率提升速度最快，年均增幅4.3%，鸡西技术效率下降速度最快，年均下降3.9%，综合来看19个地级资源型城市以年均0.3%的速度下降。辽源的纯技术效率处于提升状态，年均增幅为3.7%，其他城市处于静止或者下降状态。各资源型城市规模效率，除阜新、抚顺、牡丹江处于增长状态，其他资源型城市处于静止或者下降状态，总体年均下降0.2%，说明这些资源型城市的规模体系还需进一步完善。

2.东北地区整体资源型城市绿色发展效率动态变化分析

根据Malmquist指数模型可以得到东北地区整体资源型城市绿色发展各年份平均Malmquist指数及其分解，具体见表4。

从东北地区资源型城市绿色发展全要素生产率的年际变化来看，2008—2017年间，绿色发展全要素生产率总体上呈现波动变化趋势。除2010—2011年、2012—2013年、2013—2014年绿色发展全要素生产率大于1外，其他年份均为负增长或者未增长。其中，2008—2010年绿色发展全要素生产率为负增长，主要是受国际金融危机影响。2010—2011年绿色发展全要素生产率上升，应该是“一揽子计划”②带来的短暂刺激。之后由于受全球金融危机和经济结构调整的双重影响，盲目扩大产能、追求经济快速复苏的负效应开始显现;国家对石油、煤炭等资源型产品需求下降，导致资源型产品价格下降;同时，“四万亿元”投资导致的行业产能过剩，尤其是钢铁、煤炭和水泥等行业，造成了资源的严重浪费，导致2011—2012年资源型城市绿色发展全要素生产率为负增长。2013年，国务院制定了《关于化解产能严重过剩矛盾的指导意见》，随后国家针对过剩行业出台了一系列调控政策，加强供给侧改革，2013—2015年，资源型城市绿色全要素生产率呈上升趋势。但东北地区作为传统老工业基地，随着国家经济进入新常态，经济增速下滑，从过去的9%～10%下降到6%～7%，东北地区资源型城市工业受到严重影响，并且东北地区的经济结构调整并未跟上国家经济发展变化的步调，加之东北地区近年来人才流失严重，社会经济发展受到严重影响，尤其是2015年和2016年东北三省GDP增长率出现严重下滑，因此2015—2017年资源型城市绿色全要素生产率出现下降趋势。

从构成角度分析，2012—2013年间的技术进步指数最大，2010—2011年、2013—2014年的技术效率指数和技术进步指数均大于1，处于上升状态，这正是其Malmquist生产率指数偏高的主要原因。从表4可以看出，研究期内资源型城市年均绿色发展全要素生产率为0.978，技术效率指数、技术进步指数、纯技术效率指数和规模效率指数分别为0.997、0.980、1.000和0.998，除纯技术效率外其他指数均小于1。由此得出结论：技术效率、技术进步和规模效率均阻碍了资源型城市绿色发展水平的提高，其中技术进步对其阻碍最大，规模效率对其阻碍最小。说明东北地区资源型城市应重点关注先进技术、高级人才的引进与应用，同时还应在绿色发展规模上进一步改进。

五、结论与建议

（一）结论

绿色发展是建设美丽中国的核心要义，是建设生态文明的必由之路。东北地区资源型城市绿色发展受经济结构的制约，多为粗放式经济发展模式，须通过绿色发展实现低能耗、少污染的发展。本文在考虑非期望产出的前提下，利用Super-SBM模型与Malmquist指数模型测度东北地区资源型城市绿色发展效率与动态全要素生产率，得出以下结论：

（1）东北地区资源型城市绿色发展效率省际差异明显，效率值普遍偏低，且仍在逐渐走低。黑龙江省效率值在三省中最高，一直保持大于1，属于DEA效率有效区，是其他两省赶超的目标。

（2）东北地区资源型城市绿色发展效率各城市间增减速度差异较大，技术进步的年均降幅较大。动态分析东北地区各资源型城市绿色发展效率，从区域角度分析，各资源型城市绿色发展效率增减速度高低不一。通过分析各资源型城市Malmquist全要素生产率分解指标，发现技术进步的变化对绿色全要素生产率的影响最大。从时间角度分析，资源型城市绿色全要素生产率呈“反复升降”的波动型态势，除2010—2011年、2012—2013年、2013—2014年、2014—2015年时间段外均小于1。研究表明技术进步的年均降幅较大，说明其对全要素生产率的贡献最小，其指数仍需进一步提高。

（3）东北地区各类型资源型城市绿色发展不均衡，环境污染问题突出。2008—2017年年均绿色发展效率前六名的资源型城市鸡西、黑河、鹤岗、吉林、大庆、伊春均为成熟型或衰退型资源型城市。衰退型城市由于城市資源趋于枯竭，在资源环境的约束下正积极谋求工业绿色转型发展，已初具成效。在对绿色发展效率进行测度的过程中，成熟型资源型城市鸡西的效率均值居于首位，主要是因为该地区不断致力于转变经济增长模式，发展绿色经济，工业废水、CO2以及粉尘的排放量在各年都相对较低，环境治理相对较好。其他成熟型城市，如黑河、吉林、大庆，其资源开发处于稳定阶段，工业比重高，即使地区GDP不低，但能耗和工业排放量均较高，导致其绿色发展效率低于鸡西。再生型城市是资源型城市转变经济发展方式的先行区，目标是摆脱资源依赖，改造传统产业，推动产业转型，但从测度结果看，除葫芦岛外，通化和盘锦作为再生型资源型城市并未实现上述目标，年均绿色发展效率均小于1。松源作为成长型城市，虽然在其发展过程中注重引进先进技术及人才，但常年偏高的全社会固定资产投资及工业排放，导致其绿色发展效率年年下降，同时其绿色发展全要素生产率小于1。

（二）建议

基于上述结论，本文提出提高东北地区资源型城市绿色发展效率的建议：

（1）引进清洁生产，鼓励绿色消费。减少污染是提高绿色发展效率的关键，对于资源型城市而言，在发展经济的同时，企业应积极引进清洁生产，各级政府应制定与环境保护相关的各种政策以及相应的绿色激励机制，鼓励企业广泛采用清洁生产技术，监督企业的污染情况，同时鼓励公众绿色消费。

（2）提高环境保护和污染治理能力、降低碳排放。根据上述测度结果可以发现，工业废水排放量、工业烟尘排放量、城市CO2排放量与能源消耗对资源型城市绿色发展水平影响较大，需加大对排放的监管力度。建立并完善由政府和企业主导、公众积极参与的环境共治制度体系，健全追责制度，通过政府、企业、公众的合作努力，提高资源型城市的污染治理能力，改善城市环境。

（3）打破行政区域局限，制定分级发展政策，实施同水平城市联动发展。由于测度出来的各资源型城市绿色发展效率值无论是横向还是纵向比较，均存在较大差异，因此政府不能一概而论地制定相关政策引导绿色发展，而要多多关注各地发展的差异性，打破行政区域局限，制定分级发展政策，实施同水平城市联动发展。对于绿色发展效率较高的地区，如鸡西、黑河、鹤岗等资源型城市，政府应多鼓励企业进行自主创新并提供相对宽松的技术创新环境，从而改变经济结构，形成新的经济增长点，为推动绿色发展寻求新动力。对于绿色发展效率中等水平的地区，如鞍山、牡丹江、阜新等城市，应积极采用高新技术改进高污染、高耗能的传统工业企业，优化产业结构，从而提升绿色发展效率。在绿色发展效率较低的地区，如松源、辽源、白山等城市，应引导绿色发展效率较高的城市将先进的生产技术向低效率城市流动，形成辐射带动、相互支撑的新局面，从而共同推进绿色发展效率的提升。

注释：

① 参见***在中国共产党第十九次全国代表大会上所作的报告。

② “一揽子计划”是2009年为应对国际金融危机、促进经济平稳较快发展，国家全面实施的一系列经济刺激计划。

参考文献：

[1] 钱争鸣，刘晓晨.中国绿色经济效率的区域差异与影响因素[J].中国人口·资源与环境，2013，23（7）：40-49.

[2] 李雪松，曾宇航.中国区域创新型绿色发展效率测度及其影响因素研究[J].科技进步与对策，2019（10）：1-10.

[3] Ramanathan R. A Multifact or Efficiency Perspective to the Relationships among World GDP，Energy Consumption and Carbon Dioxide Emissions[J]. Technological Forecasting & Social Change，2006（73）：483-494.

[4] Soytas U， Sari R， Ewing B T. Energy Consumption， Income， and Carbon Emissions in the United States[J]. Ecological Economics，2007，62（3-4）：482-489.

[5] Oggioni G，Riccardi R， Toninelli R. Eco-efficiency of the World Cement Industry： a Data Envelopment Analysis[J]. Energy Policy，2011，39（5）： 2842-2854.

[6] 楊志江，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.

[7] 王军.山东省绿色经济效率测算及实证研究[J].中国石油大学学报（社会科学版），2013，29（5）： 49-52.

[8] 赵国党.测度我国区域绿色发展效率——兼议绿色发展效率评价的新路径[J].唐山学院学报，2017，30（4）：100-108.

[9] 张泽义，罗雪华.中国城市绿色发展效率测度[J].城市问题，2019，283（02）：14-22.

[10] 李俊杰，景一佳.基于SBM-GIS的绿色发展效率评价及时空分异研究——以中原城市群为例[J].生态经济，2019，35（9）：94-101.

[11] 张洪，方芳.长江经济带旅游发展效率与经济增长水平——基于2011—2017年数据的实证研究[J].中国石油大学学报（社会科学版），2020，36（2）：43-51.

[12] Tone K. A Slacks-Based Measure of Efficiency in Data Envelopment Analysis[J]. European Journal of Operational Research， 2001，130（3）：498-509.

[13] 曹鹏，白永平.中国省域绿色发展效率的时空格局及其影响因素[J].甘肃社会科学，2018（4）：242-248.

[14] 谢秋皓，杨高升.新型城镇化背景下中国区域绿色发展效率测算[J].经济实证，2019（24）：132-136.

[15] 周亮，车磊.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（10）：2027-2042.

责任编辑：曲 红

Measurement and Improvement Path of Green Development Efficiency of Resource-based Cities in Northeast China：

An Empirical Research Based on 2008-2017 Data

SUN Fei1， YANG Xiaolong1， CHEN Yonggan2， ZHU Zhihong1

（1.School of Economics and Management， Northeast Petroleum University， Daqing， Heilongjiang 163318， China;

2.Institute of Petroleum Economics and Management，Northeast Petroleum University， Daqing， Heilongjiang 163318， China）

Abstract： The resource-based cities in Northeast China have entered a bottleneck period of development and some even have serious problems such as mine exhaustion and city decline and unsustainable urban development. All resource-based cities have begun green development practices， and the efficiency of green development needs to be improved urgently. Starting from the actual situation in Northeast China， this paper uses the Super-SBM model to measure the green development efficiency of resource-based cities in Northeast China from 2008 to 2017 using data from the past ten years. It evaluates the evolution trend and characteristics of green development efficiency from the perspective of time and space， and calculates the Malmquist index to dynamically analyze the green development efficiency of resource-based cities in Northeast China. The results show that the green development efficiency of resource-based cities in Northeast China has obvious differences between provinces， and the efficiency value is generally low. From a regional perspective， the rate of increase and decrease in the green development efficiency of resource-based cities varies， with the fastest average annual growth rate of 4.1% and the fastest decline of 14.5%. From the perspective of time， the green total factor productivity of resource-based cities shows a fluctuating trend of "repeated rise and fall"， among which the average annual decline in technological progress is relatively large. The green development of various types of resource-based cities in Northeast China is uneven， and environmental pollution problems are prominent. In response to the above problems， it is recommended to introduce cleaner production， encourage green consumption， improve environmental protection and pollution control capabilities， reduce carbon emissions， break the limitations of administrative regions， formulate hierarchical development policies， and implement urban linkage development.

Key words： resource-based city; green development efficiency; Super-SBM model; Northeast China