黃河流域山東段縣域綠色發(fā)展效率時空分異及影響因素研究

馬菲菲　王萍

摘要：基于DEASBM模型，運(yùn)用空間自相關(guān)分析和地理探測器軟件研究黃河流域山東段縣域綠色發(fā)展效率的時空分異特征及影響因素。結(jié)果表明：2010—2020年黃河流域山東段整體綠色發(fā)展效率呈現(xiàn)下降趨勢，從最優(yōu)下降至中等。從時序特征來看，黃河流域山東段縣域綠色發(fā)展效率變化差異顯著，可分為持續(xù)降低、持續(xù)增長、穩(wěn)定不變、先升后降、先降后升5種變化類型。從空間分布來看，2010年縣域綠色發(fā)展效率空間分布呈隨機(jī)態(tài)勢，2015年和2020年空間集聚特征較為顯著。高—高集聚區(qū)與熱點(diǎn)區(qū)分布具有一致性，低—低集聚區(qū)與冷點(diǎn)區(qū)分布具有一致性，均主要分布在濟(jì)南都市圈，且面積不斷增大，濟(jì)南市都市圈縣域間綠色發(fā)展效率高低分化顯著。黃河流域山東段縣域綠色發(fā)展效率影響因子交互作用呈非線性增強(qiáng)效應(yīng)。

關(guān)鍵詞：綠色發(fā)展效率；時空分異；DEA-SBM模型；黃河流域山東段

中圖分類號：F323文獻(xiàn)標(biāo)識碼：Adoi：10.12128/j.issn.16726979.2023.06.012

0引言

改革開放以來，我國工業(yè)化和城鎮(zhèn)化水平快速提升，但生態(tài)環(huán)境持續(xù)惡化、傳統(tǒng)粗放式的發(fā)展模式無法帶動中國經(jīng)濟(jì)可持續(xù)發(fā)展。黨的二十大報告提出“推動綠色發(fā)展，促進(jìn)人與自然和諧共生”的發(fā)展要求，中共中央辦公廳、國務(wù)院辦公廳《關(guān)于推動城鄉(xiāng)建設(shè)綠色發(fā)展的意見》對2025—2035年間城鄉(xiāng)建設(shè)綠色發(fā)展工作進(jìn)行了全面部署。提升綠色發(fā)展能力、促進(jìn)能源高質(zhì)量發(fā)展和經(jīng)濟(jì)社會發(fā)展全面綠色轉(zhuǎn)型，必須構(gòu)建清潔低碳、安全高效的能源生產(chǎn)體系，為科學(xué)有序推動如期實(shí)現(xiàn)碳達(dá)峰、碳中和目標(biāo)和建設(shè)現(xiàn)代化經(jīng)濟(jì)體系提供保障。

綠色發(fā)展是以效率、和諧、持續(xù)為目標(biāo)的經(jīng)濟(jì)增長和社會發(fā)展方式，在有效促進(jìn)經(jīng)濟(jì)增長的同時，能夠緩解資源環(huán)境與經(jīng)濟(jì)發(fā)展之間的矛盾，是建設(shè)生態(tài)文明、推動經(jīng)濟(jì)轉(zhuǎn)型發(fā)展的重要途徑。學(xué)者們常用綠色發(fā)展效率評價綠色發(fā)展程度，在經(jīng)濟(jì)效率測算研究的基礎(chǔ)上，綠色發(fā)展效率的測算不斷拓展，吸納社會因素和環(huán)境因素開展多視角的評估［1］。國外相關(guān)研究起步較早，在經(jīng)濟(jì)綠色轉(zhuǎn)型［2］、綠色發(fā)展機(jī)制創(chuàng)新［3］、綠色發(fā)展績效評價等方面［4］，為我國綠色發(fā)展研究提供參考。我國從20世紀(jì)末開始重視綠色發(fā)展方面的研究，研究內(nèi)容主要包括綠色發(fā)展框架、綠色發(fā)展特征及綠色發(fā)展均衡性等［56］。如馬曉冬等［7］從綠色生產(chǎn)、綠色生活、綠色生態(tài)三個維度構(gòu)建了綠色發(fā)展指數(shù)測算指標(biāo)體系，周亮等［8］通過多種空間尺度梳理了綠色發(fā)展及其效率的概念與內(nèi)涵，并構(gòu)建城市綠色發(fā)展效率投入—產(chǎn)出指標(biāo)體系，李俊杰等［9］研究發(fā)現(xiàn)中原城市群各城市綠色發(fā)展效率在空間上呈現(xiàn)“西北外圍高，南部較低”的特征，陳影等［10］發(fā)現(xiàn)成渝地區(qū)雙城經(jīng)濟(jì)圈綠色發(fā)展效率呈現(xiàn)從“較高水平較大差距”向“更高水平較小差距”轉(zhuǎn)變的時序特征。研究尺度涵蓋全國、城市群、大中小型城市［1113］，研究方法主要采用動態(tài)TOPSIS模型［14］、SBMUndesirable模型［15］、BootstrapDEA模型［16］、泰爾指數(shù)［17］和空間馬爾科夫鏈等［18］。綜觀以上研究成果，主要存在兩方面不足：一是綠色發(fā)展效率驅(qū)動機(jī)制研究中影響因素的綜合識別仍需加強(qiáng)；二是應(yīng)當(dāng)加強(qiáng)開展以生態(tài)環(huán)境單元為對象的綠色發(fā)展研究。為落實(shí)黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展戰(zhàn)略部署［19］，打好生態(tài)保護(hù)修復(fù)攻堅(jiān)戰(zhàn)，以縣城為載體加快城鎮(zhèn)化建設(shè)，本文以黃河流域山東段為研究區(qū)域，以縣域?yàn)檠芯繂挝?，厘清綠色發(fā)展的時空格局演化特征，揭示綠色發(fā)展影響因素，為山東省以及黃河流域中下游地區(qū)經(jīng)濟(jì)社會可持續(xù)發(fā)展提供參考借鑒。

1材料與方法

1.1研究區(qū)概況

黃河自菏澤市東明縣入境山東省，流經(jīng)菏澤、濟(jì)寧、泰安、聊城、濟(jì)南、德州、濱州、淄博、東營9市，在東營市墾利區(qū)注入渤海；河道全長628km，占黃河總長度的11.5%?；趪铱萍假Y源共享服務(wù)平臺—國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心—黃河中下游分中心的黃河流域縣區(qū)數(shù)據(jù)，提取了72個縣（區(qū)）為研究區(qū)域（圖1）。

研究區(qū)面積為76449.77km²，屬于暖溫帶季風(fēng)氣候，雨熱同期。截至2020年末，研究區(qū)常住人口約為4.86×10⁷人，國民生產(chǎn)總值約2.498×10¹²元，人均國民生產(chǎn)總值約1.944×10⁴元。研究區(qū)濕地、森林資源豐富，礦產(chǎn)資源富集，是全國重要的能源基地，但水土流失、水生態(tài)環(huán)境問題依然突出，礦山地質(zhì)環(huán)境生態(tài)修復(fù)治理任務(wù)艱巨，海水倒灌引起的土壤鹽堿化問題尚未得到根本遏制，大氣環(huán)境質(zhì)量還需不斷改善；產(chǎn)業(yè)發(fā)展偏資源型、重化型，大多處于產(chǎn)業(yè)鏈條中低端，產(chǎn)業(yè)集中度不高［20］；縣域間高質(zhì)量發(fā)展動能差距較大，如鄒平市依托煤炭等資源率先推進(jìn)新型工業(yè)化，而牡丹區(qū)產(chǎn)業(yè)發(fā)展亟待轉(zhuǎn)型升級。經(jīng)濟(jì)和生態(tài)存在的諸多問題成為制約研究區(qū)綠色高質(zhì)量發(fā)展的短板。1.2數(shù)據(jù)來源與研究方法

1.2.1數(shù)據(jù)來源與指標(biāo)體系

提升綠色發(fā)展效率是實(shí)現(xiàn)生態(tài)文明建設(shè)和經(jīng)濟(jì)轉(zhuǎn)型發(fā)展的重要方式，即實(shí)現(xiàn)經(jīng)濟(jì)增長、節(jié)約資源和減少環(huán)境污染，促進(jìn)低投入、低排放和高產(chǎn)出模式轉(zhuǎn)變［8］，基于此建立黃河流域山東段綠色發(fā)展效率投入產(chǎn)出指標(biāo)體系（表1）。

投入指標(biāo)選取各區(qū)縣城鎮(zhèn)非私營單位從業(yè)人員代表勞動力投入，固定資產(chǎn)投資代表固定資本存量要素，普通中學(xué)在校學(xué)生數(shù)代表政府教育投入要素。期望產(chǎn)出方面，選取各區(qū)縣國內(nèi)生產(chǎn)總值表示經(jīng)濟(jì)產(chǎn)出效益，各區(qū)縣財政產(chǎn)出效益選擇一般公共預(yù)算收入表示，選取社會消費(fèi)品零售總額反映社會產(chǎn)出效益。此外，由于發(fā)展過程中廢棄物的排放對生態(tài)環(huán)境造成負(fù)面影響，因此將工業(yè)二氧化硫排放量、工業(yè)廢水排放量和工業(yè)煙塵排放量作為非期望產(chǎn)出要素納入評價指標(biāo)體系內(nèi)，并作為評價綠色發(fā)展效率的重要因素［8，2122］。其中固定資產(chǎn)投資、一般公共預(yù)算收入、社會銷售品零售總額和普通中學(xué)在校學(xué)生數(shù)來自2010年和2015年《縣域統(tǒng)計(jì)年鑒》和各區(qū)縣統(tǒng)計(jì)年鑒，城鎮(zhèn)非私營單位從業(yè)人員、國內(nèi)生產(chǎn)總值來自2010、2015和2020年各區(qū)縣統(tǒng)計(jì)年鑒。缺失數(shù)據(jù)由相鄰年份的數(shù)據(jù)采用移動平均法或線性回歸法進(jìn)行擬合。

1.2.2DEASBM模型

數(shù)據(jù)包絡(luò)分析（DEA）是一種基于被評價對象間相對比較的非參數(shù)技術(shù)效率分析方法。與傳統(tǒng)DEA模型未充分考慮投入或產(chǎn)出的松弛變量問題而高估效率相比，DEASBM的優(yōu)點(diǎn)是解決了徑向模型對無效率的測量沒有包含松弛變量的問題。基于DEASBM模型考慮非期望產(chǎn)出視角結(jié)合綠色發(fā)展理念，盡可能提高期望產(chǎn)出減少非期望產(chǎn)出，降低二氧化碳及其他污染物的排放量，實(shí)現(xiàn)經(jīng)濟(jì)、社會和環(huán)境的可持續(xù)發(fā)展。其公式如式（1）：

1.2.3空間自相關(guān)分析

1.2.4冷熱點(diǎn)分析

1.2.5地理探測器

2結(jié)果與分析

2.1綠色發(fā)展效率時序變化特征

2.2綠色發(fā)展效率空間分異特征

（1）全局空間自相關(guān)2010—2020年黃河流域山東段72個縣（區(qū)）綠色發(fā)展效率全局空間自相關(guān)分析結(jié)果如表2所示，Moran's I指數(shù)由負(fù)值變?yōu)檎登抑饾u增大，p值呈現(xiàn)減小趨勢，說明2010年縣域綠色發(fā)展效率空間分布處于隨機(jī)狀態(tài)，2015—2020年呈現(xiàn)出明顯的空間相關(guān)性，且相關(guān)程度越來越高，縣域綠色發(fā)展效率空間分布集聚性增強(qiáng)。

（2）局部空間自相關(guān)2010—2020年黃河流域山東段綠色發(fā)展效率局部空間分布特征如圖3所示，縣域綠色發(fā)展效率空間集聚特征與冷熱點(diǎn)變化顯著。2010年，縣域綠色發(fā)展效率空間分布無高—高集聚區(qū)和低—低集聚區(qū)，濟(jì)南市、南四湖周邊縣域綠色發(fā)展效率不均衡；2015—2020年，綠色發(fā)展效率值高—高集聚區(qū)和低—低集聚區(qū)均主要分布于濟(jì)南市及周邊區(qū)域，且面積逐漸增大，濟(jì)南都市圈縣域間綠色發(fā)展效率高低分化顯著。

（3）冷熱點(diǎn)分析由圖4可知，2010年，研究區(qū)綠色發(fā)展效率空間分布只有低值聚集的冷點(diǎn)區(qū)，分布在濟(jì)南市周邊的肥城縣、東平縣和寧陽縣；2015年，綠色發(fā)展效率熱點(diǎn)區(qū)在黃河三角洲地區(qū)分布較廣，濟(jì)南市周邊和魯西南地區(qū)的熱點(diǎn)范圍相對較??；2020年，濟(jì)南市周邊和魯西南地區(qū)的熱點(diǎn)范圍都有所增大，黃河三角洲地區(qū)熱點(diǎn)范圍有所減小。綜合來看，綠色發(fā)展效率高—高集聚區(qū)與熱點(diǎn)區(qū)、低—低集聚區(qū)與冷點(diǎn)區(qū)均存在分布重合的現(xiàn)象，說明黃河流域山東段縣域綠色發(fā)展水平呈現(xiàn)顯著的集聚效應(yīng)。因此，今后應(yīng)注重綠色發(fā)展效率低—低集聚區(qū)與冷點(diǎn)區(qū)經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變，改善環(huán)境質(zhì)量，促進(jìn)環(huán)境效率與環(huán)境公平。

2.3綠色發(fā)展效率影響因素分析

采用地理探測器模型對黃河流域山東段綠色發(fā)展效率影響因子的交互作用進(jìn)行探測。如表3所示，2010—2020年間影響因子間交互作用呈現(xiàn)非線性增強(qiáng)效應(yīng)，交互作用影響先升后降，均值分別為0.403、0.508和0.440。2010年，一般公共預(yù)算收入∩工業(yè)二氧化硫排放交互影響最強(qiáng)，q值為0.626；普通中學(xué)在校學(xué)生數(shù)∩一般公共預(yù)算收入交互影響較強(qiáng)，q值為0.624；此外，固定資產(chǎn)投資∩工業(yè)廢水排放、固定資產(chǎn)投資∩工業(yè)煙塵排放、一般公共預(yù)算收入∩工業(yè)煙塵排放的交互影響程度可達(dá)0.5以上，表明此時期資本要素、財政產(chǎn)出和環(huán)境污染要素對綠色發(fā)展效率有一定的驅(qū)動作用［26］。2015年，固定資產(chǎn)投資∩普通中學(xué)在校學(xué)生數(shù)交互作用影響最強(qiáng)，q值為0.699；固定資產(chǎn)投資∩社會消費(fèi)品零售總額、固定資產(chǎn)投資∩工業(yè)煙塵排放、一般公共預(yù)算收入∩城鎮(zhèn)非私營單位從業(yè)人數(shù)、一般公共預(yù)算收入∩工業(yè)煙塵排放、GDP∩工業(yè)煙塵排放的交互影響程度在0.6以上；交互作用程度達(dá)0.5以上的雙因子占44%，表明此時期雙因子交互作用對綠色發(fā)展效率影響程度增強(qiáng)。2020年，固定資產(chǎn)投資∩普通中學(xué)在校學(xué)生數(shù)交互作用程度最強(qiáng)，q值為0.670；固定資產(chǎn)投資∩城鎮(zhèn)非私營單位從業(yè)人數(shù)因子交互作用較強(qiáng)，q值為0.634；固定資產(chǎn)投資、城鎮(zhèn)非私營單位從業(yè)人數(shù)、普通中學(xué)在校學(xué)生數(shù)與工業(yè)廢水排放、工業(yè)煙塵排放的交互影響程度達(dá)0.5以上，說明此時期各類投入和環(huán)境污染要素成為綠色發(fā)展效率主要驅(qū)動力。綜合以上分析，固定資產(chǎn)投資提高，一般公共預(yù)算收入增加，伴隨著工業(yè)廢水、煙塵的排放量加大，綠色發(fā)展效率受多因子間交互作用增強(qiáng)。如何優(yōu)化勞動力結(jié)構(gòu)和教育資源配置，協(xié)調(diào)資本投入與非期望產(chǎn)出之間的矛盾，是黃河流域山東段縣域綠色發(fā)展亟需克服的問題（表3）。

3結(jié)論與討論

3.1結(jié)論

本文基于DEASBM模型測算2010—2020年黃河流域山東段72個縣（區(qū)）綠色發(fā)展效率，運(yùn)用空間自相關(guān)、冷熱點(diǎn)分析和地理探測器模型對綠色發(fā)展效率時空分異特征及影響因素進(jìn)行分析。

（1）研究區(qū)綠色發(fā)展效率整體呈現(xiàn)下降趨勢，縣域綠色發(fā)展效率水平變化可分為持續(xù)降低、持續(xù)提升、先升后降、先降后升以及持續(xù)不變5種類型，分別包括33、4、2、11和22個縣區(qū)。

（2）縣域綠色發(fā)展效率空間分布由2010年隨機(jī)分布態(tài)勢逐漸轉(zhuǎn)向集聚，2015年和2020年空間集聚特征較為顯著。高—高集聚區(qū)與熱點(diǎn)區(qū)分布具有一致性，低—低集聚區(qū)與冷點(diǎn)區(qū)分布具有一致性，均主要分布在濟(jì)南都市圈，且面積不斷增大，濟(jì)南市都市圈縣域間綠色發(fā)展效率高低分化顯著。

（3）2010—2020年間黃河流域山東段綠色發(fā)展效率影響因子交互作用呈現(xiàn)非線性增強(qiáng)效應(yīng)，且交互作用影響程度先增后減?？h域綠色發(fā)展效率受勞動力要素、固定資本存量、政府調(diào)控能力、國內(nèi)生產(chǎn)總值、環(huán)境污染等因素的共同影響。其中，固定資產(chǎn)投資、一般公共預(yù)算收入、城鎮(zhèn)非私營單位從業(yè)人數(shù)、工業(yè)二氧化硫排放和工業(yè)煙塵排放成為綠色發(fā)展效率的重要驅(qū)動因子。

3.2討論

對黃河流域山東段綠色發(fā)展效率時空演變特征及影響因素的研究，有助于厘清新時期綠色發(fā)展趨勢下區(qū)域綠色發(fā)展效率的變化情況和動力機(jī)制，為推進(jìn)黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展，建設(shè)資源節(jié)約型、環(huán)境友好型社會，加快轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式提供參考。本文借助考慮非期望產(chǎn)出的DEASBM模型論證了黃河流域山東段綠色發(fā)展效率呈現(xiàn)下降趨勢，與郭付友等認(rèn)為黃河流域綠色發(fā)展效率整體下降相同；并在此基礎(chǔ)上，以72個縣（區(qū)）作為研究單元分析綠色發(fā)展效率的時空分異特征，細(xì)化了對黃河流域山東段綠色發(fā)展的研究。但本文仍存在許多不足，一些常用指標(biāo)因部分縣域數(shù)據(jù)獲取困難而舍棄，如供水總量、用電總量、煤氣總量等投入指標(biāo)，建成區(qū)綠化覆蓋率等產(chǎn)出指標(biāo)；另外，縣域綠色發(fā)展效率的影響機(jī)制尚需進(jìn)一步探討完善。

參考文獻(xiàn)：

［1］劉曙光，尚英仕.中國東部沿海城市群綠色發(fā)展效率評價及障礙因子分析［J］.城市問題，2020（1）：7380.

［2］LUIGI A，CONCETTO V.Green Economy and Sustainable Development：The Economic Impact of Innovation on Employment［J］.Sustainability，2018，10（10）：3541.

［3］ MAIKE S，AXEL M.Financing a green urban economy：The potential of the clean development mechanism（CDM）［J］.The Economy of Green Cities，2013，3（9）：363368.

［4］LIN BQ，NELSON I B.Green development determinants in China： A nonradial quantile outlook［J］.Journal of Cleaner Production，2017，162：764775.

［5］車?yán)?，白永平，周亮，?中國綠色發(fā)展效率的空間特征及溢出分析［J］.地理科學(xué)，2018，38（11）：17881798.

［6］錢爭鳴，劉曉晨.中國綠色經(jīng)濟(jì)效率的區(qū)域差異與影響因素分析［J］.中國人口·資源與環(huán)境，2013，23（7）：104109.

［7］馬曉冬，胡穎，黃彪.江蘇省鄉(xiāng)村綠色發(fā)展的時空特征及影響因素［J］.經(jīng)濟(jì)地理，2022，42（4）：159167.

［8］周亮，車?yán)冢艹苫?中國城市綠色發(fā)展效率時空演變特征及影響因素［J］.地理學(xué)報，2019，74（10）：20272044.

［9］李俊杰，景一佳.基于SBMGIS的綠色發(fā)展效率評價及時空分異研究：以中原城市群為例［J］.生態(tài)經(jīng)濟(jì)，2019，35（9）：94101，107.

［10］陳影，文傳浩，沈體雁.成渝地區(qū)雙城經(jīng)濟(jì)圈綠色發(fā)展效率評價及時空演變研究［J］.長江流域資源與環(huán)境，2022，31（5）：11371151.

［11］彭金石，梁愷，羅詠今，等.大型城市綠色發(fā)展水平測度模型及其應(yīng)用［J］.中國商論，2020（10）：910.

［12］劉楊，楊建梁，梁媛.中國城市群綠色發(fā)展效率評價及均衡特征［J］.經(jīng)濟(jì)地理，2019，39（2）：110117.

［13］翁異靜，汪夏彤，陳思靜.浙江三大城市群綠色發(fā)展效率時空分異及影響機(jī)理［J］.應(yīng)用生態(tài)學(xué)報，2022，33（2）：509516.

［14］陳黎明，鄭千一，周納.中國農(nóng)業(yè)農(nóng)村綠色發(fā)展綜合評價及制約因素：基于TOPSIS和阻礙度模型［J］.河北農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2022，24（4）：106114.

［15］封思潔，張斯琴.黃河流域主要城市綠色發(fā)展效率時空分異特征［J］.科學(xué)與管理，2020，40（6）：7581.

［16］林曉，徐偉，楊凡，等.東北老工業(yè)基地綠色經(jīng)濟(jì)效率的時空演變及影響機(jī)制：以遼寧省為例［J］.經(jīng)濟(jì)地理，2017，37（5）：125132.

［17］趙崢.基于綠色發(fā)展的中國城市公共支出效率研究：基于四階段DEA和BootstrapDEA模型的實(shí)證分析［J］.云南財經(jīng)大學(xué)學(xué)報，2013，29（5）：3140.

［18］張鈺寧.基于熵權(quán)—TOPSIS的黃河流域農(nóng)業(yè)綠色發(fā)展水平評價及其空間差異［J］.湖北農(nóng)業(yè)科學(xué)，2022，61（16）：230236，252.

［19］邵彥敏，趙業(yè)程，戰(zhàn)戈.黃河流域山東段高質(zhì)量發(fā)展：生態(tài)保護(hù)、經(jīng)濟(jì)增長與人民共享［J］.中共濟(jì)南市委黨校學(xué)報，2021（4）：7681.

［20］許夢，許慶福，何方杰，等.山東黃河流域國土空間生態(tài)修復(fù)布局與路徑［J］.山東國土資源，2023，39（2）：2533.

［21］王勁峰，徐成東.地理探測器：原理與展望［J］.地理學(xué)報，2017，72（1）：116134.

［22］胡碧霞，李菁，匡兵.綠色發(fā)展理念下城市土地利用效率差異的演進(jìn)特征及影響因素［J］.經(jīng)濟(jì)地理，2018，38（12）：183189.

［23］李汝資，劉耀彬，王文剛，等.長江經(jīng)濟(jì)帶城市綠色全要素生產(chǎn)率時空分異及區(qū)域問題識別［J］.地理科學(xué)，2018，38（9）：14751482.

［24］許麗夢，郭付友，王慧.山東省綠色發(fā)展效率時空演化及影響因素分析［J］.山東國土資源，2019，35（12）：6674.

［25］趙林，張宇碩，吳迪，等.考慮非期望產(chǎn)出的中國省際海洋經(jīng)濟(jì)效率測度及時空特征［J］.地理科學(xué)，2016，36（5）：671680.

［26］劉慶果，張煊赟，莫鈞雄，等.基于地理探測器的山東省土地城鎮(zhèn)化時空演變及驅(qū)動因素［J］.資源開發(fā)與市場，2022，38（10）：11681174.

［27］郭付友，高思齊，佟連軍，等.黃河流域綠色發(fā)展效率的時空演變特征與影響因素［J］.地理研究，2022，41（1）：167180.

Study on Spatio-temporal Differences and Influencing

Factors of Green Development Efficiency in Counties

in Shandong Section of the Yellow River Basin

MA Feifei，WANG Ping

（Geography and Tourism College of Qufu Normal University， Shandong Rizhao 276826， China）

Abstract： Based on the DEA-SBM model， spatial auto-correlation analysis and geodetector software are used to study the spatio-temporal differentiation characteristics and influencing factors of green development efficiency in counties in Shandong section of the Yellow River Basin. It is showed that from 2010 to 2020， the overall green development efficiency of Shandong section of the Yellow River Basin shows a downward trend， from optimal to medium. From the perspective of time series characteristics， the changes of the green development efficiency in counties in Shandong section of the Yellow River Basin are significantly different， which can be divided into five change types， they are continuous reduction， continuous growth， stable and unchanged， first rise and then decrease， first fall and then rise. From the perspective of spatial distribution， the spatial distribution of the green development efficiency in counties showed a random trend in 2010， and the spatial agglomeration characteristics in 2015 and 2020 are more significant. The distribution of high-high agglomeration areas and hot spots is consistent， and the distribution of low—low agglomeration areas and cold spot areas is consistent， all of which are mainly distributed in the Jinan metropolitan area， and the area is increasing. The efficiency of green development between counties in the Ji'nan metropolitan area is significantly differentiated. The interaction of influencing factors of the green development efficiency in counties in Shandong section of the Yellow River Basin shows a nonlinear enhancement effect.

Key words： Green development efficiency；spatio-temporal differentiation；Shandong section of the Yellow River Basin；DEA-SBM model