新型城镇化对绿色经济效率的影响研究

范秋芳 张园园

摘要：为评估新型城镇化对绿色经济效率的影响，基于我国30个省份2006—2018年的面板数据，构建新型城镇化指标体系计算我国各省的新型城镇化水平，采用基于非期望产出的SBM模型测算我国各省的绿色经济效率，然后利用向量自回归模型和空间杜宾模型，从时间和空间两个角度来分析我国各省新型城镇化对绿色经济效率的影响。研究结果显示：（1）从时间角度看，新型城镇化水平对绿色经济效率具有显著的正向影响，且这种正向影响具有持续性;（2）从空间角度看，引入地区间的相互作用，发现新型城镇化对绿色经济效率的影响存在空间效应，相邻地区的新型城镇化水平的提高有利于本地区绿色经济效率的提升。综合以上分析，得出相应的政策建议，在推动新型城镇化的过程中，提高绿色经济效率水平。

关键词：新型城镇化;绿色经济效率;SBM模型;PVAR模型;空间杜宾模型

中图分类号：F124;F299.1

文献标识码：A

文章编号：1673-5595（2022）02-0080-10

一、引言

2021年两会期间，碳达峰、碳中和与绿色发展成为关注焦点，会议提出要推动绿色发展，促进生产生活方式绿色转型;“十四五”规划中再度强调了绿色与可持续发展的重要性，提出要尊重自然、顺应自然、保护自然，推动绿色发展，促进人与自然和谐共生，实施可持续发展战略，推动经济社会发展全面绿色转型，建设美丽中国。由此可见，绿色发展已经逐渐融入到各项生产建设与改革中，绿色经济已经成为普遍形态的发展。新时代贯彻新发展理念、提升绿色经济发展水平，已经成为当下我国经济转型升级中亟待解决的现实问题之一。当前我国城镇化进程发展迅速，截至2020年底，我国城镇化率已达到63.89%。然而，城镇化建设过程中带来一系列的问题，阻碍了我国经济的可持续发展。为此，“十四五”规划中进一步提出要完善新型城镇化战略，提升城镇化发展质量，以推进城乡统筹、城乡一体、产业互动、节约集约、生态宜居、和谐发展的新型城镇化建设，实现经济的高质量发展。绿色经济效率作为衡量绿色发展水平和经济发展质量的重要指标，将资源投入与环境污染纳入生产过程，既包括资源利用、经济效益的最大化，又包括环境污染等非期望产出的最小化，同时考虑经济发展和生态环境保护。因此，研究新型城镇化对绿色经济效率的影响对于促进我国绿色经济发展具有重要的现实意义。

二、文献综述

纵观已有研究，学者们对于新型城镇化的研究，主要集中在两个方面。一是研究新型城镇化的质量评价。刘浩等[1]采用熵权TOPSIS法、熵权灰色关联法以及熵权GC-TOPSIS法对广西14个地级市的城镇化质量进行测度，研究发现，总体上广西新型城镇化质量不高且各区域发展不平衡不充分;黄敦平等[2]从宏观经济质量、产业结构质量、人口质量、生态环境质量、公共服务质量、城乡统筹6个方面构建新型城镇化质量评价指标体系，并利用因子分析综合评价我国31个省份新型城镇化质量水平，研究表明我国新型城镇化质量总体水平不高，并存在较强的空间异质性;吴红霞等[3]梳理国内外研究成果，从经济增长、基本公共服务、基础设施和环境资源等4个方面构建新型城镇化发展质量指标体系，运用灰色关联度和熵值法分析河北省新型城镇化发展质量。二是研究新型城镇化的政策效应。姜安印等[4]利用2011—2016年全国地级市数据以及双重差分法分析方法，得出新型城镇化建设能够显著促进城市经济高质量增长的结论;孙叶飞等[5]构建空间自回归模型、空间效应分解模型和面板门槛模型，研究发现新型城镇化通过发挥其“选择效应”推动了地区产业结构升级;此外，郭晨等[6]基于中国2012—2016年288个市级面板数据，采用PSM-DID方法进行实证检验，发现新型城镇化建设能够提高区域公共设施水平、健全社会保障体系。

目前，已有很多学者对绿色经济效率进行研究。第一，研究绿色经济效率的定义与测算。大多数学者将环境污染产出的经济效率定义为“绿色经济效率”[7-8]，并将它作为评价地区绿色经济发展的综合绩效指标。目前主要用数据包络分析法来测算绿色经济效率，主要基于DEA模型及不同的改进模型对其进行测算[9-10]，但考虑到松弛度问题，有学者采用超效率SBM模型[11-13]、结合非期望产出的超效率SBM模型[14-16]以及非参数条件效率模型[17]来测算绿色经济效率。第二，研究绿色经济效率的时空异质性问题。在时间维度上，研究普遍认为中國各省绿色经济效率随时间变化呈现波动式上升的特征[18-19];在空间维度上，大多数学者通过全局和局部研究，发现我国绿色经济效率存在空间差异，由东部地区到中部地区、到西部地区呈现出阶梯状递减趋势[20-21]。第三，研究绿色经济效率的影响因素。钱争鸣等[22]测算中国绿色经济效率，发现外商直接投资对绿色经济效率有显著的正向影响;叶仁道等[23]研究发现产业结构对绿色经济效率具有负向影响，并提出要加快促进产业结构升级，控制第二产业规模，提高绿色经济效率;金融发展水平也会对绿色经济效率产生影响，葛鹏飞等[24]通过研究发现金融发展对绿色经济效率具有负向作用;此外，刘贯春等[25]认为金融整体规模的扩大对于促进经济效率有正向作用;林晓等[26]采用空间视角分析中国绿色经济效率，认为教育水平的直接效应显著为正，说明教育水平有利于提升绿色经济效率。此外，也有学者分析环境规制、城镇化、能源强度、资源禀赋、FDI等因素对绿色经济效率的影响[20-21] [27-28]。

有少数学者将新型城镇化和绿色经济效率结合起来研究。翁异静等[29]以浙江省1992—2018年11个地级市为样本，采用协调度模型、空间计量方法和受限因变量面板Tobit模型，研究新型城镇化和绿色经济效率的耦合协调度及其影响因素;方齐云等[30]运用综合评价法、EBM-Window模型计算得到我国各省新型城镇化综合指数及绿色经济效率值，然后利用PVAR和空间计量模型从不同层面分析新型城镇化建设对绿色经济效率的影响;朱金鹤等[31]利用耦合分析法计算两者的协调度，并从两个维度综合评价各省新型城镇化与绿色经济效率的协调性水平。新型城镇化对绿色经济效率的影响主要有经济发展和绿色发展两个方面[29]。从新型城镇化对经济发展的影响来看，新型城镇化通过资本积累、产业结构变革、增加外商直接投资和技术进步来提高经济效率[32-34];从新型城镇化对绿色发展的影响来看，新型城镇化在建设过程中强调绿色低碳模式[35]，注重生态环境保护，从产业结构优化升级、技术溢出和环保意识提高等方面改善环境质量[36]，形成绿色低碳的生产生活方式，为提高绿色经济效率奠定基础。

综合已有文献可知，研究新型城镇化对绿色经济效率的影响的文献相对较少，且已有研究大多忽略了相邻地区间的相关性，仅考虑了本地区新型城镇化对本地区绿色经济效率的影响，对于新型城镇化对绿色经济效率影响的空间效应有待进一步研究。基于此，本文将新型城镇化与绿色经济效率相结合，丰富已有文献，并采用向量自回归模型研究新型城镇化对绿色经济效率影响的时间效应，考虑到地区间的相关性，又采用空间杜宾模型分析相邻地区新型城镇化对本地区绿色经济效率影响的空间效应，旨在为我国各省在推进新型城镇化进程中制定提高绿色经济效率政策提供科学依据。

三、研究设计与数据来源

（一）指标体系构建

新型城镇化和绿色经济效率是包含许多因素的复杂系统，只采用单一指标衡量新型城镇化水平或者绿色经济效率的做法是片面的。本文以尚娟等[37]、孙叶飞等[5]和贾兴梅等[38]所构建的新型城镇化指标为基础，基于数据的可获得性以及指标构建的合理性，从不同维度综合考虑，选取了12个指标，建立了由人口城镇化、经济城镇化、社会城镇化、空间城镇化和生态城镇化5个方面组成的评价指标体系评价新型城镇化水平;采用3类指标综合测算绿色经济效率：投入指标（全社会固定资产投资总额、就业人数）、期望产出（地区生产总值）、非期望产出（工业废水排放量、二氧化硫排放量、工业固体废弃物产生量）。具体指标见表1。

选取我国30个省份作为研究对象（不包含港、澳、台和西藏），数据来源于2006—2018年《中国统计年鉴》《中国城市统计年鉴》《中国能源统计年鉴》以及国家统计局、各省统计年鉴，部分缺失值运用插值法代替。

（二）研究方法

1.熵值法

熵值法是一种客观赋权法，根据各项指标观测值所提供信息的大小来确定指标权重，可以反映指标信息的效应价值，为多指标综合评价提供依据。因此，本文采用熵值法计算各指标的权重，通过加权平均计算得出新型城鎮化水平。具体步骤如下：

（1）将所有指标进行标准化处理。由于各项指标的计量单位并不统一，因此在用它们计算综合指标前，先要对各项指标进行标准化处理，使得在方向、数量级等方面不同的指标具有可比性，公式为：

U′ij=Uij-minUijmaxUij-minUij（1）

其中，i表示省份（i=1，2，…，n），j表示指标（j=1，2，…m），Uij表示第i个省份第j个新型城镇化指标的取值，minUij、maxUij分别为Uij的最小值和最大值。

（2）计算第j个新型城镇化指标的熵值Ej：

U″ij=U′ij∑ni=1U′ij（2）

Ej=-1lnn∑ni=1U″ijlnU″ij（3）

（3）计算第j个新型城镇化指标在综合评价指标体系中的比重：

Fj=1-Ej，Wj=Fj∑mj=1Fj（4）

（4）计算新型城镇化综合指数：

urbi=∑mj=1WjUij（5）

2.超效率SBM模型

传统的SBM模型在测度绿色经济效率时，直接在目标函数中引入松弛变量，这种测度方法考虑了无效率决策单元的松弛变量部分，剥离了无效松弛部分的影响，但是仍会出现多个为1的有效决策单元，无法对决策单元进行区分和排序[39]。因此，在此基础上，Tone提出了超效率SBM模型，既考虑到无效松弛部分，又允许决策单元效率值大于1，该模型有效解决了传统SBM模型存在的不足。故本文采用基于非期望产出的超效率SBM模型测算绿色经济效率。其具体公式如下：式（6）为效率值ρ*l的计算公式，模型表示k（k=1，2，…，K）个决策单元利用n（n=1，2，…，N）种投入xkn，得到m（m=1，2，…，M）种期望产出ykm以及i（i=1，2，…，I）种非期望产出bki，zk为决策单元权重。

ρ*l=minρ′=1n∑Nn=1xln-sxnxln/

1M+I（∑Mm=1ylm+symylm+∑Ii=1bli+sbibli）

s.t.∑Kk=1zk

ykm-sym=ylm ，m=1，…，M

∑Kk=1zkbki+sbi=bli ，i=1，…，I

∑Kk=1zkxkn+sxn=xln ，n=1，…，N

zk≥0;sym≥0;sbi≥0;sxn≥0;k=1，…，K（k≠l）（6）

3.新型城镇化对绿色经济效率影响的时间效应模型

为研究新型城镇化对绿色经济效率影响的时间效应，建立面板向量自回归模型（PVAR），该模型可以有效避免内生性和多重共线性。考虑到面板数据可能存在异方差现象，将变量取对数，以消去变量异质性。

PVAR模型步骤如下：

（1）在新型城镇化和绿色经济效率综合指标数据平稳的前提下，进行协整检验判断二者是否具有稳定的均衡关系，即存在共同的随机性趋势。

（2）利用脉冲响应分析和方差分解，分析绿色经济效率受到新型城镇化冲击下的响应情况以及新型城镇化对绿色经济效率的影响程度。本文建立的PVAR模型如下：

Yit=θ0+∑kj=1θjYit-j+αi+βi+εit（7）

其中，Yit表示包含新型城镇化和绿色经济效率的列向量，i和t分别表示省份和时间，θ0表示截距项，θj表示滞后j阶矩阵，αi、βi分别表示个体效应和时间效应，εit表示随机误差。

4.新型城镇化对绿色经济效率影响的空间效应模型

地理学第一定律认为任何事物之间均相关，每个地区的经济社会发展都与相邻地区存在关系，空间单元并不是独立的，而是往往表现出显著的相互依赖性，即空间依赖。因此本文考虑到空间因素，将地区间的相互作用引入到新型城镇化对绿色经济效率影响的研究中来。在进行空间计量分析之前，先使用Geoda软件计算Moran s I，以检验绿色经济效率是否存在空间依赖性，Moran s I的取值范围是[-1，1]，大于0说明各地区的绿色经济效率之间存在空间正相关，取值越大则空间正相关性越强。反之，小于0表示各地区的绿色经济效率之间存在空间负相关。具体的计算公式如下：

I=n∑ni=1∑nj=1wijyi-yj-∑ni=1∑nj=1wij∑ni=1yi-2（8）

其中，n表示地区个数，yi和yj分别为地区i和地区j的绿色经济效率，为全部地区绿色经济效率的平均值，wij为空间权重矩阵。

在通过Moran s I空间依赖性检验后，构建如下的空间杜宾模型：

geit=α+ρ∑nj=1wijgejt+βurbit+θ∑nj=1wijurbijt+

δxit+λ∑nj=1wijxijt+μi+νt+εit（9）

其中，geit表示i地区t期绿色经济效率，urbijt表示新型城镇化水平，wij为空间矩阵，xit是其他控制变量，μi、νt分别表示地区和时间效应，εit是随机误差项，且εit～N（0，δ2）。其他控制变量包括：（1）产业结构（si），由于第二产业对考虑资源环境约束的经济效率影响较大，因此用第二产业占GDP的比重衡量;（2）对外贸易水平（ie），用进出口总额占GDP的比重来衡量;（3）能源强度（ed），用能源消耗量与国内生产总值的比重来表示。相关数据来自于2006—2018年《中国统计年鉴》和各省统计年鉴。

四、结果与分析

（一）新型城镇化、绿色经济效率计算结果与分析

根据前文的新型城镇化、绿色经济效率指标体系以及相关数据，计算得到2006—2018年我国30个省份的新型城镇化和绿色经济效率值，图1给出了各省份两个指标的平均值。限于篇幅原因，本文选取2006年、2010年、2015年和2018年各省绿色经济效率数据，应用Arcgis软件自然断裂点法，绘制我国绿色经济效率的空间格局图，将研究的30个省份划分为三个等级区域，分别为低绿色经济效率区域、中等绿色经济效率区域和高绿色經济效率区域，如图2所示。

1.新型城镇化结果分析

整体来看，2006—2018年我国各省份的新型城镇化平均指数处于0.2～0.6之间，新型城镇化水平比较高的省份有江苏、广东、山东、北京、浙江，这些地区经济发展水平较高，能够为新型城镇化水平的提高提供有力的保障;新型城镇化水平排名比较靠后的省份有广西、贵州和青海，这些地区在城镇化发展的过程中要坚持绿色发展，在发展经济的同时应注重生态环境的保护。

2.绿色经济效率结果分析

从图1看出，在省域层面，研究期北京的绿色经济效率最高，其次是上海、广东，表明在综合考虑资源和环境因素后这些省市的投入、产出达到了有效水平，在经济发展过程中坚持资源高效利用和生态环境改善;而广西、青海、贵州和宁夏排名靠后，其绿色经济发展情况相对较差，协调经济发展与环境保护的能力较低。除此之外，大部分省份仍处于低效率阶段，这些省市应该在资源利用、环境保护和产业结构调整等方面加大投入力度，以提升自身绿色经济效率。由此看出我国各省份之间绿色经济效率差异较大，绿色发展目标的实现任重而道远。

从图2看出，在地区层面，可以发现低绿色经济效率区域大部分集中于中西部地区，但是在2015年、2018年，内蒙古地区处于中等绿色经济效率区域，重庆也处于中等绿色经济效率地区。除此之外，中等绿色经济效率区域、高绿色经济效率区域大多集中于东部地区，区域间的绿色经济效率不均衡。总体来说，东部地区的绿色经济效率最高，其次是中部地区，西部地区最低。原因是：东部地区经济较为发达，产业结构优化与升级较快，重污染产业较少，居民有较强的环保意识，各地政府也十分注重环境保护，该地区绿色经济效率保持在较高水平;而中西部地区经济发展水平较低，产业结构升级较东部地区缓慢，资源消耗型、劳动密集型产业居多，污染较重，因此其绿色经济效率较低。

（二）新型城镇化对绿色经济效率影响的时间效应分析

1.平稳性检验

为避免变量间伪回归，需要对数据进行平稳性检验，本文采用LLC检验、IPS检验、ADF-Fisher检验以及PP-Fisher检验这四种方法，检验过程中的滞后项采用SC准则确定，具体的平稳性检验结果如表2所示。

2.协整检验

在面板单位根检验的基础上，本文进行面板协整检验，以检验新型城镇化与绿色经济效率之间是否存在长期均衡关系。本文选用Kao检验和Johansen检验进行协整检验。Kao检验的t值为-2.487 772，p=0.006 4，即拒绝原假设;由Johansen检验结果可知，新型城镇化与绿色经济效率之间存在协整关系，因此可以建立PVAR模型，见表3。

3.脉冲响应分析

利用连玉君等[40]的PVAR2程序包，根据AIC、BIC和HQIC准则对模型的滞后阶数进行选择，选定2阶滞后项作为PVAR模型的最优回归期数。本文借鉴Love等[41]的方法，得到新型城镇化对绿色经济效率的脉冲响应结果，如图3所示。图3刻画了新型城镇化的冲击对绿色经济效率在不同时期的影响效果。从新型城镇化对绿色经济效率的脉冲响应值来看，冲击的初期为0，并迅速产生正向影响，在滞后1期达到峰值，接着回落，到滞后2期正向影响出现略微上升，从第3期之后开始下降，一直到第10期，逐渐趋向于0，累积效应为正值，因此新型城镇化对绿色经济效率具有正向促进作用。说明新型城镇化在发展经济的同时注重环境保护，从而提高绿色经济效率。

图3 新型城镇化对绿色经济效率的冲击

此外，新型城镇城化对绿色经济效率所产生的正向影响具有一定的持续性。产生这种现象的原因可能是：随着社会发展水平的提高，公众对于环境保护的意识不断增强，对于环境问题的重视在以后的一定时期内仍会持续存在;同时在国家层面，不断出台一系列政策，强调绿色与可持续发展的重要性，推动绿色发展。综合分析可得，新型城镇化对绿色经济效率的正向影响不只体现在当期，在之后的一定时期内具有持续性。

4.方差分解

作为对脉冲响应分析的进一步补充，方差分解把内生变量中的变化分解为对PVAR模型分量的冲击，评价每一个冲击对内生变量变化的贡献度。本文使用方差分解方法进一步分析新型城镇化对绿色经济效率的作用程度，方差分解结果如表4所示。

由表4的方差分析结果可知，在第5期时，绿色经济效率的波动受自身波动的影响最大，影响程度为60.5%，受新型城镇化的影响为39.5%。随着时间的推移，新型城镇化对绿色经济效率波动的影响越来越大，在第20个预测期时，新型城镇化对绿色经济效率波动的贡献程度为50.5%，即绿色经济效率波动的50.5%可以由新型城镇化的波动来解释。此外，第20、25、30、35、40个预测期进行方差分析的结果一致，说明在20个预测期之后系统基本已经达到稳定状态，进一步证实新型城镇化对绿色经济效率的影响在之后的一定时期内具有较强的持续性。

（三）新型城镇化对绿色经济效率影响的空间效应分析

1.空间自相关分析

本文利用Geoda软件，计算2006—2018年我国各省绿色经济效率的全局Moran s I，Moran s I空间相关性分析结果如表5所示，其中，p值表示伴随概率，其小于置信水平表示莫兰指数通过了显著性检验。由表5可以看出，2006—2018年我国各省绿色经济效率的Moran s I为正数，均在1%的条件下通过了显著性检验，表明我国30个省份的绿色经济效率之间存在显著的空间正相关性。

在此基础上，进一步研究局部空间相关性，Moran散点图可划分为四个象限：高-高（HH）、低-高（LH）、低-低（LL）、高-低（HL）。“高-高”（HH）和“低-低”（LL）象限表明绿色经济效率的观测值存在较强的空间正相关;“低-高”（LH）象限和“高-低”（HL）象限表示存在较强的空间负相关。根据图4发现，绝大部分省份位于HH、LL象限，比较2006年和2018年的散点图可知，位于LL象限的省份增加，位于LH、HL象限的省份数量减少，说明绿色经济效率的空间集聚程度在逐渐增强。在此基础上进行空间计量模型分析，经过Wald检验和LR检验可知，空间杜宾模型不能简化为空间误差模型或空间滞后模型，选择空间杜宾模型较合理;Hausman检验拒绝了随机效应模型原假设，认为应该使用固定效应模型。所以，本文使用固定效应的空间杜宾模型进行下一步的分析。

2.空间杜宾模型分析

本文基于三种不同空间权重矩阵构建固定效应的空间杜宾模型。总体来说，在三种不同空间权重矩阵下，本地区的绿色经济效率不仅受到本地区新型城镇化的影响，还会受到相邻地区新型城镇化的影响。空间杜宾模型的回归结果如表6所示。

由表6可知，基于0～1空间权重矩阵可得到，本地區的新型城镇化水平对提高绿色经济效率具有显著的正向作用，在加入空间滞后项之后，新型城镇化水平的空间滞后项系数在5%的水平下显著为正，这表明地理位置相邻和经济条件相近的地区的新型城镇化对本地区的绿色经济效率会产生显著的正向影响;基于空间距离矩阵以及空间经济距离矩阵得到，新型城镇化及其空间滞后项的系数在1%的水平下显著为正，表明本地区以及相邻地区的新型城镇化水平的提高有利于本地区绿色经济效率的提升。由此可见，在三种不同的空间权重下，新型城镇化对绿色经济效率的影响存在空间效应。

相邻地区的新型城镇化会通过人口、经济、社会和环境等多个方面影响本地区的绿色经济效率。比如，相邻地区加大环境保护的力度，会对本地区产生积极的外部影响，本地区加以学习，会对其绿色经济效率产生正向影响;相邻地区在教育、医疗等社会方面的进步，通过人口的流动，会提高本省的人员素质，使其创新等能力有所提高;此外，相邻地区经济的不断发展，不断调整产业结构，本地区受外部环境的影响，将降低第二产业的规模，大力发展低污染的第三产业，这无疑会提高本地区的绿色经济效率。

在其他的控制变量中，基于三种不同的空间矩阵可以发现，本地区的对外贸易水平的影响系数显著为正，说明本地区发展对外贸易可以提升本地区的绿色经济效率，但是在不同的空间矩阵下，空间滞后项的系数存在正负差异，邻近地区的对外贸易水平对本地区的绿色经济效率产生的影响不同;本地区的产业结构的影响系数显著为负，表明本地区发展高耗能高污染的第二产业，会拉低绿色经济效率水平，在不考虑经济距离的因素下，邻近地区第二产业的发展也会对本地区绿色经济效率产生负面影响;本地区能源强度的系数为负，说明本地区能源消耗的增加会抑制本地区绿色经济效率，但并不显著，在不同空间矩阵下，邻近地区能源强度对本地区绿色经济效率影响不同。

五、结论与建议

（一）结论

本文利用2006—2018年我国30个省份的面板数据，首先构建新型城镇化综合指标体系计算我国各省新型城镇化水平，采用基于非期望产出的超效率SBM模型测算各省绿色经济效率，然后构建向量自回归模型，利用脉冲响应和方差分解方法研究新型城镇化对绿色经济效率影响的时间效应，考虑到各地区之间存在的空间相关性，又利用空间杜宾模型研究新型城镇化对绿色经济效率影响的空间效应。其主要结论如下：

（1）从指标体系的测算结果来看，各地区的新型城镇化与绿色经济效率发展不平衡，存在空间异质性。

（2）从时间角度来看，新型城镇化对绿色经济效率具有正向促进作用，在新型城镇化建设过程中，发展经济的同时注重环境保护，从而提高绿色经济效率。此外，新型城镇城化对绿色经济效率所产生的正向影响具有一定的持续性。

（3）从空间角度来看，在三种不同的空间权重下，新型城镇化对绿色经济效率的影响存在空间效应，本地区的绿色经济效率不仅受到本地区新型城镇化的影响，还会受到相邻地区新型城镇化的影响，相邻地区的新型城镇化水平的提高有利于本地区绿色经济效率的提升。

（二）建议

以上研究结论对于我国各省在推进新型城镇化建设的过程中提升绿色经济效率、实现经济高质量发展具有一定的政策启示。基于上述实证分析结果，本文提出以下政策建议：

（1）根据各省自身条件推进新型城镇化建设。我国各省应继续坚持可持续的发展模式，不断推进新型城镇化进程，提升绿色经济效率。同时也要根据各自经济发展水平、资源环境等条件的不同，制定相应的新型城镇化发展目标。江苏、广东、北京等新型城镇化水平比较高的省份，应在继续发展的基础上不断创新环境管理体系;而甘肃、云南、广西等新型城镇化发展比较缓慢的省份，需要学习先进的环保技术、理念，形成资源开发与生态环境保护相协调的格局，统筹规划、稳步推进新型城镇化建设。

（2）因地制宜制定绿色经济效率提升策略。东部地区绿色经济效率最高，在此基础上，应学习国外的先进技术以及管理体系，进一步提升绿色经济效率水平;中西部地区应借鉴东部地区的发展经验，根据自身现有条件，从结构因素、污染治理等方面制定适宜的政策计划，以缩小绿色经济效率水平的地区差异。

（3）推动各省之间的协同发展。各地区在推动新型城镇化建设时，不能仅凭自己的力量，要考虑到新型城镇化对绿色经济效率影响的空间效应，发挥各地之间的相关作用，应采取多地联动、信息共享、互通有无的协同发展策略，在有效促进各地新型城镇化建设的同时，不断提高绿色经济效率水平，实现绿色发展的目标。[42]

参考文献：

[1] 刘浩，刘树霖.高质量发展框架下新型城镇化发展质量测度[J].统计与决策，2021，37（13）：112-116.

[2] 黄敦平，陈洁.我国新型城镇化质量综合评价[J].统计与决策，2021，37（12）：170-173.

[3] 吴红霞，蔡文柳.基于灰色关联模型的新型城镇化发展质量评价研究[J].农业经济，2019（5）：78-80.

[4] 姜安印，杨志良.新型城镇化建设与城市经济高质量增长——基于双重差分法的实证分析[J].经济问题探索，2020（3）：84-99.

[5] 孙叶飞，夏青，周敏.新型城镇化发展与产业结构变迁的经济增长效应[J].数量经济技术经济研究，2016，33（11）：23-40.

[6] 郭晨，张卫东.产业结构升级背景下新型城镇化建设对区域经济发展质量的影响——基于PSM-DID经验证据[J].产业经济研究，2018（5）：78-88.

[7] 钱争鸣，刘晓晨.环境管制与绿色经济效率[J].统计研究，2015，32（7）：12-18.

[8] 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.

[9] 陳彤，胡青江，闫海龙.金融集聚对绿色经济效率的影响研究——基于Super-DEA模型和SGMM模型的实证分析[J].技术经济与管理研究，2020（9）：9-14.

[10] 张军，佃杰.广东省绿色经济效率测算及实证研究[J].生态经济，2017，33（8）：114-117.

[11] 李斌，苏珈漩.产业结构调整有利于绿色经济发展吗？——基于空间计量模型的实证研究[J].生态经济，2016，32（6）：32-37.

[12] 王冉，孙涛.基于超效率模型的环境规制对中国区域绿色经济效率影响研究[J].生态经济，2019，35（11）：131-136.

[13] 张英浩，陈江龙，程钰.环境规制对中国区域绿色经济效率的影响机理研究——基于超效率模型和空间面板计量模型实证分析[J].长江流域资源与环境，2018，27（11）：2408-2418.

[14] 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.

[15] 周杰文，赵月，杨阳.“一带一路”沿线省份绿色经济效率时空差异研究[J].统计与决策，2020，36（22）：100-103.

[16] 尹庆民，顾玉铃.环境规制对绿色经济效率影响的门槛模型分析——基于产业结构的交互效应[J].工业技术经济，2020，39（8）：141-147.

[17] 李赫然.基于非估计参数的资源型城市绿色经济效率分析研究[J].工业技术经济，2019，38（2）：52-58.

[18] 王志平，陶长琪，沈鹏熠.基于生态足迹的区域绿色技术效率及其影响因素研究[J].中国人口·资源与环境，2014，24（1）：35-40.

[19] 岳鸿飞，徐颖，吴璘.技术创新方式选择与中国工业绿色转型的实证分析[J].中国人口·资源与环境，2017，27（12）：196-206.

[20] 钱争鸣，刘晓晨.我国绿色经济效率的区域差异及收敛性研究[J].厦门大学学报（哲学社会科学版） ，2014（1）：110-118.

[21] Luo L W，Liang S R.Study on the Efficiency and Regional Disparity of Green Technology Innovation in China s Industrial Companies[J].Chinese Journal of Population，Resources and Environment，2016，14（4）：262-270.

[22] 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.

[23] 叶仁道，张勇，罗堃.中国绿色经济效率的测算及影响因素——基于偏正态面板数据模型[J].技术经济，2017，36（11）：79-85.

[24] 葛鹏飞，黄秀路，徐璋勇.金融发展、创新异质性与绿色全要素生产率提升——来自“一带一路”的经验证据[J].财经科学，2018（1）：1-14.

[25] 刘贯春，张军，丰超.金融体制改革与经济效率提升——来自省级面板数据的经验分析[J].管理世界，2017（6）：9-22.

[26] 林晓，徐伟，杨凡，等.东北老工业基地绿色经济效率的时空演变及影响机制——以辽宁省为例[J].经济地理，2017，37（5）：125-132.

[27] 班斓，袁晓玲.中国八大区域绿色经济效率的差异与空间影响机制[J].西安交通大学学报（社会科学版），2016，36（3）：22-30.

[28] Yue S J， Yang Y， Hu Y Y. Does Foreign Direct Investment Affect Green Growth？ Evidence from China s Experience[J].Sustainability，2016，8（2）：158.

[29] 翁異静，汪夏彤，杜磊，等.浙江省新型城镇化和绿色经济效率协调度研究——基于“两山理论”视角[J].华东经济管理，2021，35（6）：100-108.

[30] 方齐云，许文静.新型城镇化建设对绿色经济效率影响的时空效应分析[J].经济问题探索，2017（10）：64-72.

[31] 朱金鹤，张瑶.中国新型城镇化质量与绿色经济效率协调发展分析[J].江苏农业科学，2019，47（20）：341-346.

[32] 沈坤荣，蒋锐.中国城镇化对经济增长影响机制的实证研究[J].统计研究，2007（6）：9 -15.

[33] 陈耀，周洪霞.中国城镇化对经济增长的影响机理及其区域差异——基于省际面板数据的实证分析[J].当代经济管理，2014，36（8）：59-66.

[34] 徐越倩，彭艳.户籍人口城镇化与基本公共服务耦合协调度研究——以浙江省11个地市为例[J].浙江社会科学，2017（7）：74-83，157-158.

[35] 刘凯，任建兰，张理娟，等.人地关系视角下城镇化的资源环境承载力响应——以山东省为例[J].经济地理，2016，36（9）：77-84.

[36] 穆怀中，范洪敏.城市化对环境质量的影响——基于27个国家面板数据的分析[J].城市问题，2016（9）：73-79.

[37] 尚娟，廖珍珍.新型城镇化对绿色全要素生产率的影响[J].统计与决策，2021，37（5）：116-119.

[38] 贾兴梅，李俊，贾伟.安徽省新型城镇化协调水平测度与比较[J].经济地理，2016，36（2）：80-86.

[39] 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.

[40] 连玉君，苏治.融资约束、不确定性与上市公司投资效率[J].管理评论，2009，21（1）：19-26.

[41] Love I， Zicchino L. Financial Development and Dy-namic Investment Behavior： Evidence from Panel VAR[J].Quarterly Review of Economics and Finance，2006，46（2）：190-210.

[42] 钱力，吕晴.长江经济带绿色金融、经济社会、生态环境协调发展研究[J].中国石油大学学报（社会科学版），2020，36（5）：40-45.

责任编辑：陈可阔

Space-Time Research on the Impact of New-type Urbanization on Green Economy Efficiency： Empirical Analysis Based on Inter-provincial Panel Data

FAN Qiufang， ZHANG Yuanyuan

（School of Economics and Management， China University of Petroleum（East China），Qingdao 266580， Shandong， China）

Abstract： In order to evaluate the impact of new-type urbanization on green economy efficiency， this paper constructs a new-type urbanization index system with the vector autoregressive model and spatial Dupin model in a space-and-time-wise approach to calculate the new urbanization level of each China province based on the 30 provincial panel data （2006-2018） and the undesirable output SBM model to measure each provincial green economy efficiency. The results show that： （1） time-wise， the new-type urbanization level impacts the green economy efficiency with both significantly positive and sustainable effects; （2） space-wise， with the new-type urbanization level there exists a spatial effect due to the interplay between provincial regions and the rising level in the neighboring regions contributes to the green economy efficiency. Relevant constructive suggestions are thereby proposed to enhance the green economy efficiency level in promoting the new-type urbanization.

Key words： new-type urbanization; green economy efficiency; SBM model; PVAR model; spatial dupin model