黃河流域甘肅段生態(tài)福利績效評價及影響因素

摘 要：文章基于超效率SBM模型、面板Tobit模型等方法，對黃河流域甘肅段的生態(tài)福利績效進行測度，并分析其影響因素。研究結(jié)果表明：2010—2020年，黃河流域甘肅段生態(tài)福利績效呈逐年上升趨勢，地區(qū)間差異變大；除天水市外，全要素生產(chǎn)率水平均超過1，并隨時間呈“M”型波動，其中低技術(shù)效率制約著天水市全要素生產(chǎn)率提升；人口密度、城鎮(zhèn)化水平和年平均溫度是影響黃河流域甘肅段生態(tài)福利績效提升的主要因素，其中城鎮(zhèn)化水平、年平均氣溫起正向作用，而人口密度則起負(fù)向影響，其他因素如降水量、教育支出、公路里程數(shù)等影響不顯著。

關(guān)鍵詞：生態(tài)福利績效；超效率SBM模型；Malmquist指數(shù)；面板Tobit模型；黃河流域甘肅段

中圖分類號：X321;F124.5 文獻(xiàn)標(biāo)志碼：A

*基金項目：甘肅省高等學(xué)校產(chǎn)業(yè)支撐計劃項目“黃河流域甘肅段生態(tài)福利績效評價及風(fēng)險溢出監(jiān)測預(yù)警研究”（2022CYZC-15）。

作者簡介：楊柳（1998-），女，碩士在讀，主要研究方向：資源環(huán)境經(jīng)濟。

△通信作者：趙連春（1977-），男，博士，副教授，主要研究方向：資源環(huán)境經(jīng)濟、空間經(jīng)濟。

0 引言

生態(tài)福利績效是指單位生態(tài)自然消耗帶來的人類福祉提升，反映了一個國家或地區(qū)將自然消耗轉(zhuǎn)化為人類福祉的能力水平[1]。通過資源合理高效利用促進經(jīng)濟發(fā)展進而使得人類福祉得到持續(xù)提升，是生態(tài)福利績效指標(biāo)分析可持續(xù)發(fā)展程度的科學(xué)內(nèi)涵[2]。改革開放以來，伴隨著國民經(jīng)濟發(fā)展，全國經(jīng)濟總量從1978年的1 500億美元增長到2020年的超過14萬億美元，GDP增長速度長期保持在較高水平，國際影響力持續(xù)增強。但是，也產(chǎn)生了資源短缺、生態(tài)無序擴張和環(huán)境污染等問題，導(dǎo)致生態(tài)福利績效低下，這勢必會影響經(jīng)濟社會的可持續(xù)發(fā)展[3]。如何促進經(jīng)濟增長、福祉提升與資源環(huán)境之間的協(xié)調(diào)和高效發(fā)展，進而提高全國生態(tài)福利績效是學(xué)術(shù)界和政府關(guān)注的重點問題[4]。

黨的二十大報告明確指出：“在發(fā)展中保障和改善民生，鼓勵共同奮斗創(chuàng)造美好生活，不斷實現(xiàn)人民對美好生活的向往。”生態(tài)福利績效的提升不僅能提高人類福祉[5-6]，促進經(jīng)濟增長[7-8]，還可以顯著降低資源消耗[9-10]，對于區(qū)域可持續(xù)發(fā)展具有重要意義[11-12]。目前，國內(nèi)外學(xué)者利用比值法和殘差法[13-14]、SFA模型[15]、DEA模型[16-17]等方法，聚焦不同的方向和領(lǐng)域，從評價體系[18]、時空演變[19-21]、影響因素[22]185[23]等方面進行了大量的研究。盡管生態(tài)福利績效領(lǐng)域已有諸多研究，但聚焦于黃河流域，尤其是針對經(jīng)濟欠發(fā)達(dá)、氣候條件惡劣的黃河上游地區(qū)生態(tài)福利績效仍然不足，有待進一步研究。

黃河流域橫跨三大地理階梯，匯聚了豐富的土地、水能、煤炭、天然氣以及礦產(chǎn)等資源，是全國社會經(jīng)濟發(fā)展的重要戰(zhàn)略區(qū)域[24]。黃河流域上游的甘肅省屬黃河流域重要水源涵養(yǎng)區(qū)，是西部生態(tài)安全屏障。這一地區(qū)的生態(tài)經(jīng)濟協(xié)調(diào)發(fā)展，對推動鄉(xiāng)村振興、改善生態(tài)環(huán)境、加強生態(tài)保護治理、實現(xiàn)經(jīng)濟重心由東部向中西部轉(zhuǎn)移的戰(zhàn)略部署具有重大意義[25]。鑒于此，文章基于超效率 SBM 模型、核密度分析法以及面板Tobit模型等方法，探討黃河流域甘肅段的生態(tài)福利績效及其時空變化，試圖明晰影響機制及其影響因素。該研究不僅為黃河上游以及干旱半干旱區(qū)生態(tài)、經(jīng)濟的協(xié)同發(fā)展提供一定的理論依據(jù)，而且為因地制宜制定區(qū)域高質(zhì)量發(fā)展政策提供理論參考，對實現(xiàn)黃河流域生態(tài)保護具有重要的現(xiàn)實意義。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

黃河流域甘肅段（33°N—37.5°N，100°E—108.5°E）位于黃河上游，含9個市州52個縣區(qū)，烏鞘嶺以東，西秦嶺以北，橫跨隴東黃土高原區(qū)、隴中黃土高原丘陵溝壑區(qū)、甘南高原區(qū)3大地貌單元，屬溫帶大陸性氣候，年均降水量400 mm，年均氣溫7 ℃，是黃河上游重要的水源涵養(yǎng)區(qū)和補給區(qū)。黃河流域甘肅段是甘肅省政治、經(jīng)濟、文化中心，也是國家“兩屏三帶”生態(tài)安全戰(zhàn)略格局的重要組成部分[26]。

1.2 數(shù)據(jù)來源與評價指標(biāo)

1.2.1 數(shù)據(jù)來源

文章以黃河流域甘肅段的9個市（州）為基本研究單元，數(shù)據(jù)來自 2010—2020 年《中國統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》《甘肅發(fā)展年鑒》和甘肅省各市（州）國民經(jīng)濟和社會發(fā)展統(tǒng)計公報，廢水排放量、CO2排放量以及居民疫病率的缺失數(shù)據(jù)采用插值法獲取。為消除指標(biāo)參數(shù)量綱和變異范圍影響，使不同數(shù)據(jù)具有可比性，利用極差標(biāo)準(zhǔn)化法、GDP平減指數(shù)等方法對所有數(shù)據(jù)進行標(biāo)準(zhǔn)化處理。

1.2.2 評價指標(biāo)

借鑒徐維祥、孟雪、肖黎明等的相關(guān)文獻(xiàn)評價生態(tài)福利績效所選取的指標(biāo)，并結(jié)合甘肅省實際數(shù)據(jù)可獲得性等情況，確定生態(tài)福利績效測度指標(biāo)體系（表1）。

2 研究方法

2.1 超效率SBM模型

傳統(tǒng)的DEA模型多是徑向的，無法對并列的有效決策單元進行完全排序，非期望產(chǎn)出等問題也會對效率值造成一定的偏差[27]。因此，文章采用改進優(yōu)化后的超效率 SBM 模型對生態(tài)福利績效進行評價。假設(shè)有 m 個投入要素、s 種產(chǎn)出要素，建立線性規(guī)劃方程如下：

式中：ρ 為效率值，ρ ≥1說明效率相對有效，且ρ 越大代表DMU越有效；反之 ρ ＜1說明效率仍有進步和改進的空間；x 為投入要素；y g和 yb 分別為期望以及非期望產(chǎn)出要素；m 、s1 、s2 分別代表投入要素、期望要素和非期望要素的指標(biāo)個數(shù)，為權(quán)重向量。

2.2 核密度分析

核密度估計法是一種非參數(shù)估計法，可以有效避免函數(shù)形式設(shè)定的主觀性[28]，對生態(tài)福利績效及演變趨勢進行分析，公式如下：

式中：n 為研究單元數(shù)，xˉ 為觀測值均值，xi 為第 i 個研究單位的觀測值水平，函數(shù) K（?） 為核函數(shù)，本質(zhì)上就是權(quán)重函數(shù)，h 為帶寬。

2.3 Malmquist指數(shù)

DEA 框架下的各種模型無法測算時間序列下的決策單元效率的動態(tài)演化趨勢，為了彌補DEA非連續(xù)性描述的不足，文章引入Malmquist指數(shù)評價跨期各市（州）生態(tài)福利績效的動態(tài)變化特征。

Malmquist 指數(shù)方法是通過對本期到下期生產(chǎn)率的變化，測算出Malmquist全要素生產(chǎn)率指數(shù)，從而對創(chuàng)新效率進行評價分析。該指數(shù)分解為純技術(shù)效率指數(shù)（Pech）、規(guī)模效率指數(shù)（Sech）和技術(shù)進步指數(shù)（Techch）3部分，具體計算方法如下：

假設(shè)存在 n 個決策單元，每個決策單元在 t 期用 m 種投入，獲得了 s 種產(chǎn)出。

2.4 面板Tobit模型

考慮到超效率SBM 模型測算結(jié)果大于等于0，在0處存在左歸并，如若進行 OLS回歸會使測量結(jié)果精度不準(zhǔn)確，因此適合采用面板Tobit模型對受限因變量進行回歸分析式為：

式中：Y 為生態(tài)福利績效值；i 為黃河流域甘肅段9個市（州），Xit 為生態(tài)福利績效的影響因素，β 為回歸系數(shù)向量，α 、μ 分別為常數(shù)項與擾動項。

解釋變量選取科學(xué)技術(shù)、產(chǎn)業(yè)結(jié)構(gòu)、人口密度、城鎮(zhèn)化水平、交通運輸、教育文化、溫度、降水量。其中，科學(xué)技術(shù)由Ramp;D經(jīng)費內(nèi)部支出表示，產(chǎn)業(yè)結(jié)構(gòu)由第二產(chǎn)業(yè)占GDP比重表示，人口密度由總?cè)丝谡伎偯娣e比重表示，城鎮(zhèn)化水平由城鎮(zhèn)人口占總?cè)丝诒戎乇硎荆煌ㄟ\輸由公路里程表示，教育文化由教育支出表示，溫度值由年平均溫度值、溫度變化率表示，降水量由年平均降水量、降水變化率表示。

3 生態(tài)福利績效評價

3.1 超效率SBM模型分析

利用超效率 SBM 模型對黃河流域甘肅段的生態(tài)福利績效分析，結(jié)果見表2。2010—2020年，黃河流域甘肅段的生態(tài)福利績效為0.720 9，說明該區(qū)域生態(tài)福利績效的投入和產(chǎn)出存在冗余，資源配置尚未達(dá)到最優(yōu)狀態(tài)，整體效率處于一般水平。分地區(qū)看，慶陽市、蘭州市的生態(tài)福利績效效率相對較高，大部分年份的效率值超過1，資源配置相對合理；而甘南州、臨夏州則相對較低，大部分年份效率值低于1，資源配置存在失衡現(xiàn)象。

3.2 核密度分析

利用核密度估計方法對生態(tài)福利績效的動態(tài)演進分析結(jié)果如圖 1。2010—2020 年，核密度曲線右移，曲線峰值依次升高，說明黃河流域甘肅段生態(tài)福利績效呈逐年升高趨勢，各地區(qū)間生態(tài)福利績效差異變大。2010年的核密度曲線呈單峰模式，波峰靠近低生態(tài)福利績效區(qū)域，分布在 0.55 附近，右尾拉長，表明2010年生態(tài)福利績效在較低水平上集中；2015年的核密度曲線呈單峰模式，波峰靠近高生態(tài)福利績效區(qū)域，分布在0.95附近，左尾拉長，表明2015年生態(tài)福利績效在較高水平上集中；2020年核密度曲線呈雙峰模式，峰值依次分布在0.50、1.07附近，第二峰高于第一峰，波峰靠近高生態(tài)福利績效區(qū)域，表明2020年生態(tài)福利績效存在兩極化現(xiàn)象且在較高水平上集中。由此說明，黃河流域甘肅段生態(tài)福利績效取得了一定進展，但目前總體生態(tài)福利績效的空間差異呈增大趨勢。

3.3 超效率SBM-Malmquist指數(shù)分析

為進一步分析黃河流域甘肅段生態(tài)福利績效時空上的動態(tài)變化和異質(zhì)性，文章引入超效率SBM Malmquist 指數(shù)，對 2010—2020 年黃河流域甘肅段生態(tài)福利績效全要素生產(chǎn)率進行計算并分解。

3.3.1 不同年份超效率SBM-Malmquist指數(shù)分析

SBM-Malmquist 指數(shù)分析結(jié)果見表 3。2010—2020年，黃河流域甘肅段各地區(qū)全要素生產(chǎn)率指數(shù)呈平緩的“M”型波動變化，平均值達(dá)1.063 9，年均增長率為 6.39%，除 2017 年、2020 年全要素生產(chǎn)率指數(shù)低于1外，其余年份均大于1，說明黃河流域甘肅段的生態(tài)福利績效在波動中逐步提升。從指數(shù)分解結(jié)構(gòu)看，技術(shù)效率指數(shù)亦呈較為平緩的“M”型變化趨勢，平均增長率為3.89%；技術(shù)進步指數(shù)的波動較大，平均增長3.17%，除2012年、2017年的技術(shù)進步指數(shù)低于1外，其他年份均大于1。

3.3.2 不同地區(qū)Malmquist指數(shù)分析

各市（州）的 Malmquist 指數(shù)分析結(jié)果見表 4。2010—2020年，除天水市外，其余8個市（州）的全要素生產(chǎn)率均高于1，說明黃河流域甘肅段大部分地區(qū)的全要素生產(chǎn)率整體呈上升趨勢。各市（州）的技術(shù)效率和技術(shù)進步指數(shù)分析表明，天水市的技術(shù)效率小于1且低于技術(shù)進步指數(shù)，說明該地區(qū)技術(shù)效率是主要的制約因素，且技術(shù)進步未能有效地抵消技術(shù)效率的衰退；蘭州市、定西市的技術(shù)效率雖然小于1且低于技術(shù)進步指數(shù)，但該地區(qū)的技術(shù)進步彌補了技術(shù)效率的不足，因此全要素生產(chǎn)率大于1。從技術(shù)效率的分解結(jié)構(gòu)進一步分析則表明，蘭州市、武威市、天水市和定西市的純技術(shù)效率小于1，說明蘭州市、天水市、定西市技術(shù)效率的下降源于純技術(shù)效率的衰退，而武威市則因為規(guī)模效率的提升，有效抵消了純技術(shù)效率的衰退，所以技術(shù)效率和技術(shù)進步值均大于1。

4 影響因素分析

4.1 平穩(wěn)性檢驗

為防止“偽回歸”發(fā)生，文章采用ADF檢驗檢測平穩(wěn)性（表5），結(jié)果表明超效率SBM在5%水平上通過了顯著性檢驗，年平均溫度在10%水平上通過了顯著性檢驗，其余變量均在 1%水平上通過了顯著性檢驗，說明序列不存在異方根，面板數(shù)據(jù)相對平穩(wěn)，可以做進一步分析。

4.2 相關(guān)性分析

對各變量進行Pearson相關(guān)性分析結(jié)果見表6，所有變量之間的相關(guān)系數(shù)均在 0.6 以下，變量之間的相關(guān)性較低。超效率 SBM 與教育文化、交通運輸、降水變化率以及溫度變化率之間不存在相關(guān)關(guān)系，與年平均降水、人口密度之間呈負(fù)相關(guān)，與其他變量呈正相關(guān)。

4.3 多重共線性分析

對各變量進行共線性診斷，結(jié)果見表7，所有變量的VIF值lt;10，不存在共線性。

4.4 Hausman檢驗

Hausman 檢驗結(jié)果見表 8，結(jié)果表明 F 檢驗在5%水平上顯著，說明相對POOL模型而言，F(xiàn)E模型更優(yōu)；BP檢驗在5%水平上顯著，說明相對POOL模型而言，RE模型更優(yōu)；Hausman檢驗chi（2）=-6.731，p＞0.05，并未呈現(xiàn)出顯著性，相對FE模型而言，RE模型更優(yōu)，故選擇隨機效應(yīng)模型。

4.5 面板Tobit模型分析

利用 Stata16.0 軟件對 2010—2020 年黃河流域甘肅段的生態(tài)福利績效進行面板Tobit分析，檢驗了科學(xué)技術(shù)、產(chǎn)業(yè)結(jié)構(gòu)、人口密度等因素對生態(tài)福利績效的綜合影響，結(jié)果見表9。根據(jù)RE模型結(jié)果，人口密度、城鎮(zhèn)化水平和年平均氣溫是該地區(qū)生態(tài)福利績效的主要影響因素，其中城鎮(zhèn)化水平、平均氣溫正相關(guān)（Plt;0.01），人口密度負(fù)相關(guān)（Plt;0.01）。

為檢驗回歸結(jié)果穩(wěn)健性，同時采用了固定效應(yīng)模型、隨機效應(yīng)模型、POOL 模型、時間固定效應(yīng)模型和雙向固定效應(yīng)模型。5次回歸分析中，城鎮(zhèn)化水平對生態(tài)福利績效在 1%置信水平下顯著為正，說明城鎮(zhèn)化水平的提高可顯著提高生態(tài)福利績效。從其他變量的回歸結(jié)果來看，人口密度在 5%置信水平下顯著為負(fù)，說明人口密度過大引發(fā)了生態(tài)福利績效的邊際遞減效應(yīng)，人類干擾不利于生態(tài)福利績效的提高；年平均溫度變化在 1%置信水平下顯著為正，溫度的適量提升有利于提高生態(tài)福利績效。

5 結(jié)論

黃河流域甘肅段生態(tài)福利績效的研究，對于推動該地區(qū)的生態(tài)環(huán)境保護治理、促進綠色低碳高質(zhì)量發(fā)展以及拓寬生態(tài)優(yōu)先、綠色發(fā)展的現(xiàn)代化道路具有深遠(yuǎn)的理論意義和實踐價值。黃河流域甘肅段的生態(tài)福利績效整體水平較低，資源配置尚未達(dá)到最優(yōu)狀態(tài)，投入和產(chǎn)出存在一定冗余。 2010年以來，該區(qū)域的生態(tài)福利績效由單峰分布模式發(fā)展為雙峰分布模式，不同市（州）的生態(tài)福利績效水平隨時間變化呈增大趨勢，全要素生產(chǎn)率指數(shù)呈平緩的“M”型波動變化趨勢，除天水市外，其他地區(qū)的技術(shù)效率均大于1，生態(tài)福利績效整體處于穩(wěn)步上升態(tài)勢；蘭州市、天水市、定西市的技術(shù)效率較低，技術(shù)效率是天水市全要素生產(chǎn)率提升主要的制約因素，蘭州市、定西市的技術(shù)進步彌補了技術(shù)效率的不足，而蘭州市、天水市、定西市技術(shù)效率的下降源于純技術(shù)效率的衰退；人口密度、城鎮(zhèn)化水平和年平均氣溫是該地區(qū)生態(tài)福利績效的主要影響因素，其中城鎮(zhèn)化水平、平均氣溫正相關(guān)（P lt;0.01），人口密度負(fù)相關(guān)（P lt;0.01）。

6 政策建議

基于文章研究結(jié)果，提出以下建議：

（1）優(yōu)化人口密度分布。通過加強區(qū)域規(guī)劃和城市設(shè)計，引導(dǎo)人口向生態(tài)承載能力較強的城市和地區(qū)流動，減少對脆弱生態(tài)區(qū)域的壓力，實施差異化的人口政策，鼓勵產(chǎn)業(yè)和人口向生態(tài)環(huán)境相對較好，且具有發(fā)展?jié)摿Φ男〕擎?zhèn)和中等城市轉(zhuǎn)移，避免大城市人口過度集中。

（2）提升城鎮(zhèn)化質(zhì)量。推動綠色城鎮(zhèn)化，確保城鎮(zhèn)化過程中生態(tài)環(huán)境保護與經(jīng)濟發(fā)展同步進行，避免城市擴張對生態(tài)環(huán)境造成損害，增強城市基礎(chǔ)設(shè)施建設(shè)，提高資源利用效率和環(huán)境管理水平，創(chuàng)造更宜居的城鎮(zhèn)環(huán)境。充分利用城市的輻射作用和帶動效應(yīng)，加強城市之間的協(xié)調(diào)和聯(lián)動，平衡居民的福祉和生態(tài)福利績效水平的同步提升。

（3）抓住西北“暖濕化”變化優(yōu)勢。針對年平均氣溫對生態(tài)福利績效的影響，可以制定應(yīng)對氣候變化的策略，比如推廣溫室農(nóng)業(yè)、提高農(nóng)作物耐熱品種研發(fā)，以及調(diào)整農(nóng)業(yè)種植結(jié)構(gòu)和季節(jié)。在城市規(guī)劃中考慮氣候適應(yīng)性設(shè)計，比如增加城市綠化、建設(shè)城市綠道系統(tǒng)，提高城市的熱島效應(yīng)應(yīng)對能力。抓住“暖濕化”趨勢帶來的機會，制定和完善相關(guān)政策，引導(dǎo)社會資本投向當(dāng)?shù)厣鷳B(tài)保護和綠色發(fā)展項目，激發(fā)市場主體的創(chuàng)新動力，促進區(qū)域經(jīng)濟發(fā)展，實現(xiàn)生態(tài)福利績效的持續(xù)改善。

（4）促進生態(tài)福利績效與經(jīng)濟發(fā)展的協(xié)調(diào)。加大對生態(tài)環(huán)境保護的投入，推廣生態(tài)友好型產(chǎn)業(yè)，如可再生能源、生態(tài)旅游等，減少對環(huán)境的負(fù)面影響，加強生態(tài)文明建設(shè)，提高公眾的環(huán)保意識，鼓勵社會各界參與到生態(tài)環(huán)境保護中來，共同提升生態(tài)福利績效。高效能源使用、因地制宜地發(fā)展特色產(chǎn)業(yè)、嚴(yán)格保護耕地等措施，提高生態(tài)福利績效，為黃河流域?qū)崿F(xiàn)高質(zhì)量發(fā)展奠定堅實基礎(chǔ)。

（5）建立監(jiān)測和評估機制。建立和完善生態(tài)福利績效評價體系，定期監(jiān)測人口密度、城鎮(zhèn)化進程和氣候變化對生態(tài)福利績效的影響，以便及時調(diào)整策略。

參考文獻(xiàn)：

[1] 顧典，陳妍. 產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化對生態(tài)福利績效的影響研究：基于中國省級面板數(shù)據(jù)的實證分析[J]. 價格理論與實踐，2020（11）：177-180.

[2] 王圣云，韓亞杰，任慧敏，等. 中國省域生態(tài)福利績效評估及其驅(qū)動效應(yīng)分解[J]. 資源科學(xué)，2020，42（5）：840-855.

[3] 趙林，曹乃剛，韓增林，等. 中國生態(tài)福利績效空間關(guān)聯(lián)網(wǎng)絡(luò)演變特征與形成機制[J]. 自然資源學(xué)報，2022，37（12）：3183-3200.

[4] 林木西，耿蕊，李國柱. 省域生態(tài)福利績效水平的空間非均衡性研究：基于MLD指數(shù)與分布動態(tài)學(xué)模型[J]. 東岳論叢，2019，40（10）：73-83.

[5] Zhang S，Zhu D，Shi Q，et al. Which countries are more ecologically efficient in improving human well- being？An application of the index of ecological well- being performance[J]. Resources，Conservation and Recycling，2018（129）：112-119.

[6]Eco-Welfare states[J]. Sustainability，Zimmermann K，Graziano P. Mapping different worlds of2020，12（5）：1819.

[7] 諸大建，張帥. 生態(tài)福利績效及其與經(jīng)濟增長的關(guān)系研究[J]. 中國人口·資源與環(huán)境，2014，24（9）：59-67.

[8] 朱金鶴，龐婉玉. 數(shù)字經(jīng)濟發(fā)展對生態(tài)福利績效的影響[J].統(tǒng)計與決策，2022，38（24）：79-83.

[9] Dietz T，Rosa E A，York R. Environmentally efficient well being：Is there a Kuznets curve？[J]. Applied Geography，2012，32（1）：21-28.

[10] 徐維祥，徐志雄，劉程軍. 黃河流域地級城市土地集約利用效率與生態(tài)福利績效的耦合性分析[J]. 自然資源學(xué)報，2021，36（1）：114-130.

[11] 鄧遠(yuǎn)建，楊旭，馬強文，等. 中國生態(tài)福利績效水平的地區(qū)差距及收斂性[J]. 中國人口·資源與環(huán)境，2021，31（4）：132-143.

[12] 諸大建，張帥. 生態(tài)福利績效與深化可持續(xù)發(fā)展的研究[J].同濟大學(xué)學(xué)報（社會科學(xué)版），2014，25（5）：106-115.

[13] Common M. Measuring national economic performance without using prices[J]. Ecological Economics，2007，64（1）：92-102.

[14] 臧漫丹，諸大建，劉國平. 生態(tài)福利績效：概念、內(nèi)涵及G20 實證[J]. 中國人口·資源與環(huán)境，2013，23（5）：118-124.

[15] Bian J，Ren H，Liu P. Evaluation of urban ecological well-being performance in China： A case study of 30provincial capital cities[J]. Journal of Cleaner Produc?tion，2020，254（1）：120109.1-120109.9.

[16] 崔勝楠，徐平，王艷秋，等. 中國三大城市群生態(tài)福利績效測算與比較[J]. 統(tǒng)計與決策，2023，39（4）：53-58.

[17] Zhang Y，Mao Y，Jiao L，et al. Eco-efficiency， eco-tech?nology innovation and eco- well- being performance to improve global sustainable development[J]. Environmen?tal Impact Assessment Review，2021，89（Jul）：106580.1-106580.11.

[18] Feng L，Zhao H，Jing B，et al. Ecological well-being per?formance evaluation and spatio-temporal evolution charac?teristics of urban agglomerations in the Yellow river ba?sin[J]. Land，2022，11（11）：2044.

[19] Ling B，Tianran G，Wei X，et al. The spatial differentiation and driving forces of ecological welfare performance in the Yangtze River economic belt[J]. International Journal of Environmental Research and Public Health，2022，19（22）：14801.

[20] 肖黎明，吉薈茹. 綠色技術(shù)創(chuàng)新視域下中國生態(tài)福利績效的時空演變及影響因素：基于省域尺度的數(shù)據(jù)檢驗[J].科技管理研究，2018，38（17）：243-251.

[21] 邱立新，岳海鳳. 黃河流域生態(tài)福利績效時空演變及驅(qū)動效應(yīng)研究[J]. 青島科技大學(xué)學(xué)報（社會科學(xué)版），2022，38（4）：41-51.

[22] 孟雪，狄乾斌，季建文. 京津冀城市群生態(tài)績效水平測度及影響因素[J]. 經(jīng)濟地理，2020，40（1）：181-186+225.

[23] 龍亮軍，王霞，郭兵. 基于改進 DEA 模型的城市生態(tài)福利績效評價研究：以我國35個大中城市為例[J]. 自然資源學(xué)報，2017，32（4）：595-605.

[24] 康小虎，李琳，孫超，等. 基于GRACE與GLDAS數(shù)據(jù)的黃河流域甘肅段地下水可持續(xù)性研究[J]. 中國沙漠，2024，44（2）：196-206.

[25] 李明. 以新時代區(qū)域高質(zhì)量協(xié)調(diào)發(fā)展推進中國式現(xiàn)代化[J]. 人民論壇·學(xué)術(shù)前沿，2024，（4）：63-71.

[26] 許靜，廖星凱，甘崎旭，等. 耦合GMOP與FLUS模型的黃河流域甘肅段生態(tài)風(fēng)險評估與預(yù)測[J]. 生態(tài)學(xué)雜志，2024，43（5）：1-12.

[27] 張婷，王瑋蓉，姚昀辰. 中國31個省（區(qū)、市）及重點省域科技創(chuàng)新效率評價研究：基于超效率SBM-Malmquist模型[J]. 科技管理研究，2023，43（3）：87-95.

[28] 徐維祥，舒季君，唐根年. 中國工業(yè)化、信息化、城鎮(zhèn)化和農(nóng)業(yè)現(xiàn)代化協(xié)調(diào)發(fā)展的時空格局與動態(tài)演進[J]. 經(jīng)濟學(xué)動態(tài)，2015（1）：76-85.

Evaluation of Ecological Welfare Performance and Influencing Factors in the Gansu Section of the Yellow River Basin

YANG Liu， ZHAO Lianchun， FAN Qingxi

（Northwest Normal University，Lanzhou Gansu 730070，China）

Abstract： The paper is based on the super-efficient SBM model and panel Tobit model， it measures the ecologi?cal welfare performance of Gansu section of the Yellow River Basin and analyzes its influencing factors. The results show that the ecological welfare performance of the Gansu section of the Yellow River Basin is increasing year by year from 2010 to 2020， and the inter-regional differences become bigger.In addition to Tianshui City， the total fac?tor productivity（TFP）level exceeds 1， and fluctuates in the shape of M with time. Among them， the low technologi?cal efficiency constrains the improvement of TFP in Tianshui City.The population density，urbanisation level and av?erage annual temperature are the main factors affecting the improvement of ecological welfare performance in the re?gion，among them，urbanisation level and average annual temperature play a positive role，while population density plays a negative role，other factors such as precipitation， education expenditure and highway mileage have no signifi?cant influence.

Key words： ecological welfare performance; super-efficiency SBM model; Malmquist index; Tobit panel model;Gansu section of the Yellow River Basin