张 倩，林映贞 | “互联网＋”背景下教育如何影响城市绿色发展效率？——基于264个地级市数据的实证分析

点击蓝字 关注我们

“互联网＋”背景下教育如何影响城市绿色发展效率？

——基于264个地级市数据的实证分析

张　倩，林映贞

(大连理工大学 商学院， 辽宁 盘锦 124211)

摘　要：运用DEA－SBM－Undesirable模型测度了2007—2016年中国城市绿色发展效率，同时构建面板Tobit模型实证分析教育水平、互联网发展及其交互作用对绿色发展效率的影响。结果显示：研究期间，中国城市绿色发展效率呈现平稳增长态势，但整体水平不高且存在区域差异，绿色技术效率是制约绿色发展效率的关键因素；从全国范围来看，互联网对绿色发展效率的影响显著为负，教育水平对绿色发展效率的影响显著为正，两者交互作用对绿色发展效率具有显著促进作用；分区域研究结果表明，教育水平、互联网发展及其交互作用对绿色发展效率的影响具有区域差异。其中，教育水平对三大区域绿色发展效率的影响不显著；互联网发展对中部地区绿色发展效率提升具有显著的抑制作用，对其他地区的影响并不显著；互联网发展与教育两者的协同作用对中、东部的绿色发展效率影响显著为正，对西部地区的影响不显著。根据以上结论，文章提出相应的对策建议。

关键词：绿色发展效率；教育水平；互联网发展

改革开放以来，我国依靠市场化改革的转轨红利、投资红利以及人口红利，取得了举世瞩目的成就。然而，随着工业化、现代化和城市化不断推进，经济发展与资源、生态环境之间的矛盾日益突出。《中国生态环境状况公报(2018)》显示，全国生态环境质量优和良的县域面积占国土面积的44.7%，一般的占23.8%，较差和差的占31.6%，即超过50%的县域生态环境总体情况不容乐观，生态环境质量有待提高。寻求经济增长与环境改善的双赢成为推进绿色发展的内在要求。

内生增长理论认为，因教育、培训及职工再教育而形成的人力资本能够诱发经济持续增长，《国家中长期人才发展规划纲要(2010—2020)》明确指出应充分重视人力资本在经济发展方式转变中的作用。教育是形成人力资本的主要途径，教育水平的提高能否推动绿色发展，改善绿色发展效率呢？这是值得关注的问题。此外，实现经济可持续发展亟需新动能变革，互联网被赋予经济增长新动能的角色，积极推进“互联网＋”战略被认为是供给侧结构性改革的一项重要举措，面对层出不穷、形式多样的生态环境问题，能否开辟舆论监督渠道，与政府监管形成有效互补呢？能否利用互联网优势，推进环境监管及服务智能化、精准化，构建城市绿色发展体系，提升城市绿色发展效率呢？为了回答这些问题，本文运用DEA－SBM－Undesirable模型测度了2007—2016年中国城市绿色发展效率，构建面板Tobit模型实证研究教育、互联网发展及其交互项对绿色发展效率的影响。

01

文 献 回 顾

随着生态环境问题日益严重，学术界逐渐意识到传统城市经济效率测算的缺陷，为此有学者尝试将资源与环境因素纳入分析框架中，并提出了能源效率^[1-2]、绿色经济效率^[3-5]、绿色效率^[6-7]、环境效率^[8-10]、生态效率^[11-14]、绿色发展效率^[15-18]等概念，这些研究与新发展理念中的绿色发展密切相关。绿色发展效率充分考虑了经济活动所面临的能源消耗与环境污染代价，与学术界和政策部门关于绿色发展的相关论述一致，与中国正深入推进的绿色发展转型的内在要求相契合。

除了关注效率测算问题，还有学者对其影响因素进行探讨，包括环境治理^[15]、政府竞争^[16]、金融集聚^[19]、产业集聚^[20]等。作为形成人力资本的主要途径，教育在绿色发展转型中扮演着重要角色，《2007年全国公众环境意识调查报告》显示，教育水平是影响环境认知、环境意识状态的重要因素；有学者借助CSS2013数据的研究表明教育有助于增强公众环保意识^[21]；高等教育程度劳动力较多的企业更倾向于执行环境标准并加大环保力度^[22]。随着经济发展水平和居民受教育程度的提高，信息(特别是网络信息)可获得性增强，公众对环境问题的关注度和参与热情逐渐提升^[23]。

以互联网技术为代表的新一代信息技术被称为世界经济的第五次康德拉季耶夫周期的标志^[24]，“互联网＋”焕发着蓬勃的生命力，学术界开始关注互联网发展对环境治理与绿色发展的影响。有学者利用动态空间计量模型的实证研究表明基于网络舆论表征的非正式环境规制对缓解雾霾污染意义重大^[25]；还有学者梳理了中国城市绿色发展的新理论，提出互联网技术对城市绿色发展的巨大应用场景^[26]。此外，还有文献考察了互联网发展对全要素生产率增长^[27]、创新效率^[28]、高质量发展^[29]的影响，以上研究皆为本文提供了有益思路。

整理现有研究成果发现，既有文献忽略了互联网发展之于绿色经济发展的重要性，互联网发展与教育之间存在着相互作用^[30]，忽视两者之间的相互作用将割裂互联网、教育在绿色发展效率提升中的作用，无法从互联网与教育相互作用的视角理解中国绿色发展效率的变动。有别于既有文献，本文将互联网、教育与绿色发展效率纳入统一分析框架，分析互联网、教育与绿色发展效率之间的作用机理，使用DEA－SBM－Undesirable模型测算2007—2016年中国城市绿色发展效率，构建面板Tobit模型实证分析互联网发展、教育水平及其交互项对绿色发展效率的影响方向与力度，进一步拓展相关研究。

02

作用机理与研究假设

(一)教育与城市绿色发展效率

第一，教育对城市绿色发展效率的提升产生积极影响。教育是影响环境认知、环境意识状态的重要因素，随着教育水平的提高，社会公众环保意识有所增强，对生态环境的质量要求越来越高，逐渐形成绿色发展理念，进而影响其行为选择，更加注重经济增长与环境改善的双赢，这将对绿色发展效率的提升产生积极影响。第二，通过教育积累的人力资本有助于推动绿色发展效率质量变革。教育通过培育多元化和专业化人才为绿色发展提供高质量劳动供给，从而推动绿色发展效率质量变革。一般认为，外来技术的消化、吸收与模仿需要一定的人力资本门槛条件，通过教育形成的人力资本积累有助于降低引进清洁生产与治污技术的不确定性，为节约能源和削减污染排放提供必要的支撑^[31]。第三，教育通过知识积累推动技术创新，为绿色发展提供动力变革。教育能够促进知识的物的载体向生命载体运动，通过培育创新人才，促进知识创新和持续技术革新^[32]，从而为绿色发展提供动力变革。基于此，本文提出如下假设：

H1：教育有利于提升城市绿色发展效率。

(二)互联网发展与绿色发展效率

第一，互联网发展有助于提高公众对环境问题的关注度。随着互联网时代的到来，信息传播的方式、广度、速度发生了根本性变革，信息可获得性、公开性增强，公众对环境问题的关注度和参与热情逐渐提升。第二，互联网发展丰富了社会主体环境参与的途径。互联网发展开辟了新的网络监督渠道，可通过官方微博、微信公众号、相关环保网站等网络渠道参与环境治理^[30]，对排污企业的声誉和股价产生影响进而约束其污染排放行为。此外，社会公众对环境污染问题的关注及其引发的舆论压力，会传导到政府相关部门，倒逼相关部门通过完善环境规制政策、加大执法监察力度、推行市场化激励工具(如污染许可证、污染排放权交易)等方式改善环境治理行为^[23]。第三，互联网发展有助于强化经济行为主体之间的联系，通过共享效应和技术外溢效应促进城市绿色发展效率。互联网精神可概括为开放、协作、平等与共享^[33]，互联网发展加强了城市之间的联系，一方面通过共享效应和技术外溢效应，促进城市创新和绿色技术的发展，另一方面还能整合城市之间的信息，实现人才、技术等合理配置，从而促进城市绿色发展效率的提升。基于此，本文提出如下假设：

H2：互联网有利于提升城市绿色发展效率。

(三)“互联网＋教育”与绿色发展效率

“互联网＋”作为一种新生的经济形态在教育资源分配的优化和集成效果中发挥着重要作用。一方面，互联网发展有助于提高教育水平。互联网的互联互通有利于提升教育资源利用效率，促进人力资本知识流动，互联网平台还有利于增强知识传播的广度和教育人力资本积累的深度。“互联网＋教育”打破了传统教育的约束，利用远程教育模式实现教育的跨时空进行，在很大程度上实现教育资源在全社会成员之间的共享^[34]，教育资源的合理有效配置有利于高质量教育体系的建立，同时也为绿色发展效率提供动力支撑。另一方面，教育水平的提高，为推动互联网发展提供了智力支持。互联网发展过程中形成的新技术、新模式和新业态时刻要求更新人力资本的知识储备和结构^[35]，教育水平的提高则为互联网可持续发展提供了智力支持和知识积累。综上所述，“互联网＋教育”深度融合将促使城市绿色发展效率改善。基于此，本文提出如下假设：

H3：“互联网＋教育”的协同效应有利于提升城市绿色发展效率。

03

中国城市绿色发展效率测算

(一)DEA－SBM－Undesirable模型

本文选用非参数法的数据包络分析(DEA)对中国城市绿色发展效率进行测算，该方法主要用来评价多投入和多产出“部门”的相对有效性，不仅无需考虑投入、产出指标间的函数关系，相较于随机前沿法还无需预先估计参数，在避免主观因素、简化运算、减少误差等方面有着明显的优越性^[36]。另外，在考虑非期望产出的效率评价问题上，传统DEA模型会由于径向选择和松弛的问题导致效率评价结果有偏，而Tone提出基于松弛的DEA－SBM模型在目标函数中加入松弛变量，是一种非径向、非角度的模型，解决了传统DEA模型中松弛型问题以及非期望产生效率评价有偏的问题。基于此，本文采用DEA－SBM－Undesirable模型测算城市绿色效率。具体模型如下：

(二)数据来源和指标选取

在我国城市化和工业化进程加速推进的背景下，城市已经成为工业、服务业集聚的中心，区域经济增长的核心动力区，城市绿色发展效率的变化走势必然会对区域乃至全国绿色发展效率变化产生极为重要的影响^[37]。因此本文以城市作为研究对象，由于部分城市数据缺失，最终选取264个地级及以上城市进行实证研究，数据主要源于2007—2016年的《中国城市统计年鉴》，个别缺失值通过插值和网络搜索得到。

在以往研究成果的基础上，遵循科学性和数据可得性原则，构建城市绿色发展效率评价指标体系，详见表1。投入指标分为非资源类投入和资源类投入；其中非资源类投入选取了资本和劳动，资本投入采用永续盘存法对资本存量进行估算^[38]；选用历年各城市从业人员数衡量劳动投入^[37]。资源类投入采用全社会用电量来衡量能源的投入^[6]。选用城市实际GDP衡量期望产出^[39]；非期望产出污染排放物大部分源于工业部门，故选取工业废水、工业SO2和工业烟(粉)尘排放量三项指标来衡量。

(三)绿色发展效率测算结果分析

运用DEA－SolverPro5.0软件对中国264个城市2007—2016年绿色发展效率进行测算。赋予期望产出及非期望产出默认的权重为1∶1，得出绿色发展效率OE，绿色技术效率TE和绿色规模效率SE(OE/TE)。为了更清楚地描述绿色发展效率的地区分布情况，设置0.2、0.4、0.6、0.8为分级阈值，划分为低效率、较低效率、中等效率、较高效率和高效率5种类型。如表2所示，可以看出2007—2016年中国城市总体的绿色发展效率均值不高，存在无效率状态，这一发现与既有文献相似^[40]；其中高效率仅12个城市，占比4.545%；较高效率城市14个，占比5.303%；中等效率城市71个，占比26.894%；较低效率城市数量最多，达到159个，占比60.227%；低效率城市8个，占比3.301%。这反映了目前我国环境污染严重、生态系统退化的严峻形势，绿色发展效率仍有较大改善空间。

2007—2016年中国城市绿色发展效率均值变化趋势见图1。城市绿色发展效率和绿色技术效率的变动趋势基本一致，这是因为绿色发展效率的变动主要来源于绿色技术效率，绿色技术效率是制约综合效率的主要因素^[41]。总体来看，城市绿色发展效率平稳增长，但基本稳定在(0.3,0.5)之间，处于较低效率水平，说明尽管中国城市绿色发展态势向好，但仍有较大改善空间，应进一步促使经济与环境协调发展。

中国各地区自然条件与绿色经济发展程度差别很大，不能忽视城市绿色发展效率的区域差异，故根据地理区位和产业结构的相似性将31个省划分为三大经济区域^①，图2为2007—2016年间全国及三大区域绿色发展效率均值变化趋势图。整体来看，三大区域绿色发展效率差距较大，呈现出东部高、中西部相对较低的格局，这与中国区域经济发展水平相一致，可能与三大区域所拥有的技术水平、所处发展阶段以及生产要素配置等诸多因素相关。

04

“互联网＋教育”对绿色发展效率影响的实证研究

(一)模型构建与变量选取

由于绿色发展效率的取值区间为(0,1]，采用普通最小二乘法进行参数估计可能会出现估计结果有偏且不一致^[42]，故而选用Tobit模型检验互联网发展、教育水平及其交互项对绿色发展效率的影响。

为了规避异方差，对控制变量取对数处理，构建回归模型如下：

被解释变量：绿色发展效率(GE)。

核心解释变量：教育水平(EDU)和互联网发展(IT)，采用城市高等学校在校人数(万人)衡量教育水平^[43]；采用城市互联网普及率＝城市互联网用户接入数/年末总人口衡量互联网发展^[44]；为了考察互联网发展与教育的交互作用如何影响绿色发展效率，将交互项(EDU×IT)引入模型，这还有利于消除变量之间的内生性问题^[45]，提高检验的科学性。

控制变量：根据以往研究成果以及数据可获得性，选取的控制变量及其衡量方法如下：经济发展水平(ED)，采用城市人均GDP(万元)衡量；城市人口密度(POP)，采用城市年末人口比地区面积衡量^[36]；产业结构(ID)，采用第二产业占地区GDP的比值来衡量^[5]；基础设施建设(IN)，采用人均道路铺设面积(平方米)作为其代理指标；对外开放程度(FDI)利用各个城市实际利用外资总额与地区生产总值的比值来衡量。主要变量的描述性统计分析见表3。

(二)全样本检验

固定效应面板Tobit模型通常不能得到一致的估计^[42]，也缺乏对常数项的估计，且绿色发展效率值在(0,1]之间，具有被切割和截断的特点，因此采用随机效应面板Tobit模型以保证运算结果的无偏性，并消除误差项的序列相关性，估计结果见表4。

由回归结果可知，模型1、3、4中教育水平对绿色发展效率的影响显著为正，说明提高教育水平有助于提升城市绿色发展效率，这一研究符合假设预期，且与李金滟 等的研究结论一致^[46]。教育水平的提高，不仅提高了劳动生产率，还有助于强化社会公众参与生态环境治理的意识，进而对城市绿色发展效率的提升产生促进作用。

在模型2和3中，互联网发展的回归系数为正但不显著，与预期假设并不相符。这可能是因为基于“互联网＋”绿色经济的发展模式尚处于探索阶段，对绿色经济发展的推动作用尚不明显，比如工业生产依托以互联网为基础的物联网技术，可提高工业生产效率，缩减工业生产环节，对推进绿色经济建设具有重要作用，但互联网发展仍处于起步阶段，使得其对绿色经济发展的积极效应尚不凸显。互联网发展还为绿色经济建设提供信息支持，但目前人们利用互联网平台来监督举报违反环境制度的机制还不完善，特别是偏远落后城市的互联网基础设施建设并不完善，民众教育水平较低，环保意识比较薄弱，对绿色发展效率的提升效应并不显著。

据CNNIC2019年第44次《中国互联网络发展状况统计公报》显示非网民不上网的主要原因是使用技术缺乏(占比44.6%)和文化水平程度限制(占比36.8%)，这意味着互联网发展对绿色发展效率的影响可能与教育水平有关。为了验证这一点，模型4引入互联网发展与教育水平的交互项，教育水平的回归系数显著为正，互联网发展的回归系数显著为负，交互项显著为正，说明教育水平的提高，有效缓解了互联网发展对绿色发展效率的抑制作用。教育水平的提高，有利于积累人力资本，为互联网发展提供智力支持，且能有效解决因技术缺乏和文化程度限制导致的互联网利用率低下问题，促使基于“互联网＋”的绿色经济发展，改善城市绿色发展效率。

从控制变量来看，以模型4为例，经济发展水平对城市绿色发展效率提升具有促进作用，这与曾贤刚^[46]的研究结果相同，这主要是因为随着经济发展水平的提高，城市发展开始寻求经济增长与环境改善的双赢，由此引发了对绿色产品的需求，刺激绿色技术涌现，进而促进了绿色发展效率的提升；产业结构对城市绿色发展效率的提升具有促进作用，可能是因为第二产业有助于增加地区生产总值，且在生态文明建设背景下，第二产业发展越来越重视绿色技术的应用，对绿色发展效率的改善产生积极影响。人口密度的系数显著为负，主要是因为人口密度越大，对生态环境的冲击和压力越大，继而对绿色发展效率的提升产生负面影响。基础设施具有抑制作用，原因可能在于本文采用人均道路铺设面积衡量基础设施，人均道路铺设面积越高意味着交通运输压力越大，污染排放越多，进而抑制了绿色发展效率的提升。对外开发程度的回归系数为负但并不显著，这可能是因为尽管FDI可能为东道国带来更为先进的绿色生产理念与技术，助力环境污染型企业转型升级，但也有可能将东道国视为“污染避难所”，后者抑制了城市绿色发展效率的提升。正负效应相互抵消使得FDI对城市绿色发展效率的影响不显著。

(三)分区域检验

为了识别互联网发展、教育水平及其交互作用对绿色发展效率影响是否存在区域差异，进一步进行分区域检验，回归结果见表5。

互联网发展对东部和西部地区绿色发展效率的影响不显著，显著抑制了中部地区绿色发展效率的提升，这可能是由于尽管“互联网＋”新经济、新业态改变了传统的生产生活方式，但基于“互联网＋”的绿色经济发展模式，以及物联网、大数据、人工智能等新技术，探索环境治理模式，创新环境监管手段仍处于起步阶段，导致互联网发展不能显著改善绿色发展效率，甚至表现出一定的抑制作用。东部地区互联网发展处于领先阶段，对绿色发展效率的影响不显著， 2017年“互联网＋”产业指数的增长呈现西高东低的局面，东部、中部、西部产业指数的增速分别为50.36%、67.37%、75.60%，西部地区互联网发展的回归系数为正但并不显著，随着西部地区互联网追赶式发展，可能对绿色发展效率的提升表现出一定的积极作用。三大区域教育水平的回归系数均为正但不显著。就东部地区和中部地区而言，交互项对绿色发展效率影响显著为正，教育水平的提高能有效缓解互联网发展对绿色发展效率的抑制作用，对西部地区绿色发展效率并未产生显著的影响。

(四)稳健性检验

为了保证研究结果的可靠性，进行如下稳健性检验：参照韩先锋等^[28]采用互联网用户接入数作为互联网发展的代理指标，利用各个城市实际利用外资总额衡量对外开放程度，并根据中国人民银行汇率统计数据的年平均值，将货币单位由美元调整为人民币，回归结果详见表6，关键变量的实证结果并未发生实质性改变，说明研究结论具有稳健性。

05

结论与对策建议

(一)结论

本文利用DEA－SBM－Undesirable 模型对2007—2016年城市绿色发展效率进行测算与分析，在此基础上构建Tobit模型实证分析了互联网发展、教育水平及其交互项对绿色发展效率的影响，结论如下：

1.研究期间，中国城市绿色发展效率呈平稳增长态势，但整体水平偏低，多数城市存在投入冗余或产出不足的问题，仍有较大改善空间；从时间趋势来看，绿色技术效率是制约绿色发展效率的主要因素；从区域分布来看，绿色发展效率存在区域差异，呈现东部高、中西部低的局面。

2.全样本回归结果显示，互联网发展对绿色发展效率的改善具有抑制作用，教育水平具有促进作用，交互项的系数显著为正，意味着教育水平的提高，有助于缓解互联网发展对绿色发展效率的抑制作用。控制变量中，经济发展水平和产业结构对城市绿色发展效率的改善具有积极作用，人口密度和基础设施则产生了消极影响，对外开发程度影响不显著。

3.分区域回归结果显示，教育水平对三大区域绿色发展效率的影响不显著；互联网发展对中部地区绿色发展效率的提升具有显著的抑制作用，对其他地区的影响并不显著；互联网发展与教育水平的协同作用仅有助于改善东部与中部地区的绿色发展效率。

(二)对策建议

根据以上结论，文章提出如下对策建议：

首先，政府应树立绿色发展理念，引导和鼓励绿色技术创新。其一，以国际视野谋划绿色技术创新，积极参与全球环境治理，加强绿色技术创新国际交流合作，积极引进、消化、吸收国际先进绿色技术，促进国内企业“走出去”，全面提升我国绿色技术创新对外开放格局和地位。其二，加强知识产权保护力度，并通过制定有针对性的税收优惠及财政补贴政策，引导和鼓励企业绿色技术自主创新。其三，构建绿色发展保障制度，如生态环境补偿制度、绿色创新激励制度、绿色GDP考核制度，强化制度意识，增强制度执行力。其四，结合地理特征、污染程度、城市空间分布以及污染物输送规律，形成以绿色发展为导向的区域联动机制，不同区域要充分发挥比较优势，在合理的区域分工协作中共谋绿色发展。

其次，深入实施科教兴国战略和人才强国战略，为推动绿色发展提供智力支撑。政府要切实把教育放在优先发展的战略地位，持续加大教育投入力度，加快高等教育结构调整优化，以市场需求为导向培养人才，为推动绿色发展提供智力支撑。自“中西部高等教育振兴计划”等重大战略实施以来，中西部高等教育获得了较快发展，但差距依然存在，应进一步加大对中西部地区教育发展的支持力度，提升中西部地区教育服务供给能力和质量，改善教育区域发展不均衡问题，缩小人力资本积累差距，为推动绿色发展提供保障。

再次，深入挖掘“互联网＋”在绿色发展中的新潜能，缓解其在绿色发展效率提升中的抑制作用。我国互联网＋绿色发展尚处于起步阶段，但拥有广阔的发展空间，要继续高标准高质量推进数字中国建设，尤其要加强 5G 网络、数据中心、工业互联网、物联网等新型基础设施建设，依托新一代互联网技术培育数字经济新产业、新业态和新模式，为推动绿色发展提供技术支撑；进一步完善互联网治理体系，为有效、有序推动“互联网＋”绿色发展走深向实创造条件；充分考虑互联网发展的区域差异，实施差异化、动态化的互联网发展战略，适当向中西部地区倾斜，缩小区域间数字鸿沟。

最后，积极探索“互联网＋教育”发展新模式，助力城市绿色发展。一方面，注重互联网技术在教育领域的推广与应用，打破原有知识垄断，推动教育资源公平化、一体化，充分释放“知识红利”，为绿色发展提供源源不断的智力支持；另一方面，努力构建“互联网＋”条件下的人才培养新模式、发展基于互联网的教育服务新模式、探索信息时代教育治理新模式，更好地发挥“互联网＋教育”对城市绿色发展的积极作用。

注

释

①东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省市；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省市；西部地区包括重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古12个省市。

参考文献

[1]沈冰，李鑫.金融发展、产业结构高级化与能源效率提升[J].经济问题探索，2020(12)：131－138.

[2]赵文琦，胡健，赵守国.中国能源产业的要素配置效率与产业高级化[J].数量经济技术经济研究，2020,37(12)：146－162.

[3]孟望生，张扬.自然资源禀赋、技术进步方式与绿色经济增长——基于中国省级面板数据的经验研究[J].资源科学，2020,42(12)：2314－2327.

[4]金刚，沈坤荣，孙雨亭.气候变化的经济后果真的“亲贫”吗[J].中国工业经济，2020(9)：42－60.

[5]杨龙，胡晓珍.基于DEA的中国绿色经济效率地区差异与收敛分析[J].经济学家，2010(2)：46－54.

[6]李艳军，华民.中国城市经济的绿色效率及其影响因素研究[J].城市与环境研究，2014(2)：36－52.

[7]孙才志，马奇飞，赵良仕.基于GWR模型的中国水资源绿色效率驱动机理[J].地理学报，2020,75(5)：1022－1035.

[8]林江彪，王亚娟，张小红，刘小鹏.黄河流域城市资源环境效率时空特征及影响因素[J].自然资源学报，2021,36(1)：208－222.

[9]朴胜任.省际环境效率俱乐部收敛及动态演进分析[J].管理评论，2020,32(8)：52－62＋105.

[10]HALKOS G E， TZEREMES N G. A conditional directional distance function approach for measuring regional environmental efficiency：envidence from UK regions[J].European journal of operational research， 2013 (227)：182－189.

[11]张仁杰，董会忠.基于省级尺度的中国工业生态效率的时空演变及影响因素[J].经济地理，2020,40(7)：124－132＋173.

[12]于伟，张鹏，姬志恒.中国城市群生态效率的区域差异、分布动态和收敛性研究[J].数量经济技术经济研究，2021,38(1)：23－42.

[13]HAI LING LI， XUE HONG ZHU， JIN YU， et al. Environmental regulations， environmental governance efficiency and the green transformation of China’s iron and steel enterprises[J].Ecological economics 2019(165)：1－14.

[14]RASHIDI K， SAEN R F. Measuring eco－efficiency based on green indicators and potentials in energy saving and undesirable out－put abatement[J].Energy economics， 2015， 50(4)：18－26.

[15]郭爱君，张娜，邓金钱.财政纵向失衡、环境治理与绿色发展效率[J].财经科学，2020(12)：72－82.

[16]杜宇，吴传清，邓明亮.政府竞争、市场分割与长江经济带绿色发展效率研究[J].中国软科学，2020(12)：84－93.

[17]LI YAN SUN， CHENG LIN MIAO， LI YANG. Ecological－economic efficiency evaluation of green technology innovation in strategic emerging industries based on entropy weighted topsis method[J]. Ecological indicators， 2017(73)：554－558.

[18]CHEN S， GOLLEY J. ‘Green’productivity growth in China’s industrial economy[J].Energy economics， 2014(44)：89－98.

[19]袁华锡，刘耀彬，封亦代.金融集聚如何影响绿色发展效率？——基于时空双固定的SPDM与PTR模型的实证分析[J].中国管理科学，2019,27(11)：61－75.

[20]郭艳花，梅林，佟连军.产业集聚对绿色发展效率的影响机制——以吉林省限制开发区为例[J].地理科学，2020,40(9)：1484－1492.

[21]叶闽慎，周长城.从观念到行为：教育、生态价值观与环保行为[J].黑龙江社会科学，2016(1)：80－84.

[22]LAN J， KAKINAKA M， HUANG X. Foreign direct investment， human capital and environmental pollution in China[J].Environmental and resource economics， 2012， 51(2)：  255－275.

[23]郑思齐，万广华，孙伟增，罗党论.公众诉求与城市环境治理[J].管理世界，2013(6)：72－84.

[24]YUSHKOVA.Impact of itc on trade in different technology groups：analysis and implications [J].International economics and economic policy， 2014， 11(1)：165－177.

[25]李欣，杨朝远，曹建华.网络舆论有助于缓解雾霾污染吗？——兼论雾霾污染的空间溢出效应[J].经济学动态，2017(6)：45－57.

[26]JI Q， LI C， JONES P. New green theories of urban development in China[J].Sustainable cities&society， 2017(30)：248－253.

[27]郭家堂，骆品亮.互联网对中国全要素生产率有促进作用吗？[J].管理世界，2016(10)：34－49.

[28]韩先锋，宋文飞，李勃昕.互联网能成为中国区域创新效率提升的新动能吗[J].中国工业经济，2019(7)：119－136.

[29]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.

[30]刘琳，胡赫.探究环保新媒体平台推进环境宣传教育工作的运用[J].黑龙江环境通报，2019(1)：71－73.

[31]赵领娣，张磊，徐乐，胡明照.人力资本、产业结构调整与绿色发展效率的作用机制[J].中国人口·资源与环境，2016(11)：106－114.

[32]中国劳动经济学会就业促进专业委员会课题组，欧阳俊，陈昊.STEM教育与中国经济高质量发展[J].中国经济报告，2020(4)：68－86.

[33]李海舰，田跃新，李文杰.互联网思维与传统企业再造[J].中国工业经济，2014(10)：135－146.

[34]郑志来.民族地区“互联网＋”教育差异性问题与高质量发展路径构建[J].民族教育研究，2020,31(1)：91－96.

[35]邓峰，任转转.互联网对制造业高质量发展的影响研究[J].首都经济贸易大学学报，2020,22(3)：57－67.

[36]曾贤刚.中国区域环境效率及其影响因素[J].经济理论与经济管理，2011(10)：103－110.

[37]邵军，徐康宁.我国城市的生产率增长、效率改进与技术进步[J].数量经济技术经济研究，2010(1)：58－66＋106.

[38]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(10)：35－44.

[39]钱争鸣，刘晓晨.中国绿色经济效率的区域差异与影响因素分析[J].中国人口·资源与环境，2013,23(7)：104－109.

[40]卢丽文，宋德勇，李小帆.长江经济带城市发展绿色效率研究[J].中国人口·资源与环境，2016(6)：35－42.

[41]肖攀，李连友，唐李伟，苏静.中国城市环境全要素生产率及其影响因素分析[J].管理学报，2013(11)：1681－1689.

[42]JAMES TOBIN. Estimation of relationships for limited dependent variables[J].The econometric society， 1958， 26(1)：24－36.

[43]赵连阁，钟搏，王学渊.工业污染治理投资的地区就业效应研究[J].中国工业经济， 2014(5)：70－82 .

[44]汪明峰，邱娟.中国互联网用户增长的省际差异及其收敛性分析[J].地理科学，2011(1)：42－48.

[45]刘赢时，田银华，罗迎.产业结构升级、能源效率与绿色全要素生产率[J].财经理论与实践，2018(1)：118－126.

[46]李金滟，李超，李泽宇.城市绿色创新效率评价及其影响因素分析[J].统计与决策，2017(20)：116－120.

往期 · 推荐

国家社科基金资助期刊

中文社会科学引文索引（CSSCI）来源期刊

全国中文核心期刊

中国人文社会科学核心期刊