融合三阶段数据包络分析（DEA）与随机前沿分析（SFA）的黄河流域城市群生态效率评估

《Sustainability》：Quantifying the Relationship Between Blue–Green Landscape Spatial Patterns and Carbon Storage: A Case Study of theZhengzhou Metropolitan Area Longfei Liu, Yonghua Li, Wangxin Su, Yihang Wang and Yang Liu

　　

本研究旨在评估黄河流域城市群的生态效率（EE），并探讨环境规制强度（ERI）对其的影响。黄河流域作为重要的生态屏障和经济地带，其可持续发展面临严峻挑战。然而，现有研究往往忽略了外部环境变量对生态效率评估的干扰，导致评估结果存在偏差。为解决这一问题，研究人员构建了一个结合三阶段DEA与SFA的综合评估框架。首先，利用三阶段DEA模型测算了2011年至2020年间黄河流域51个城市的生态效率，识别出外部环境因素对效率值的显著影响。随后，通过SFA模型剥离了外部环境效应和随机误差，对初始效率值进行了修正，获得了更准确的生态效率得分。最后，研究人员运用面板回归模型实证检验了ERI对修正后生态效率的影响机制。研究结果表明，黄河流域的整体生态效率呈波动上升趋势，但区域差异显著，上游地区效率普遍低于中下游地区。修正后的生态效率值平均提升了约12.3%，证实了外部环境变量的确会扭曲评估结果。此外，ERI对生态效率呈现出显著的倒U型影响，表明适度的环境规制能够有效促进生态效率提升，而过度规制则可能产生抑制效应。本研究不仅为黄河流域的生态管理提供了精确的决策依据，也为其他区域的可持续发展评估提供了新的方法论视角。

研究背景与意义

黄河流域是中国重要的经济区和生态屏障，但其可持续发展长期受到资源约束与环境压力的制约。科学评估该流域城市群的生态效率（EE）是制定差异化环境政策的前提。然而，传统的DEA模型假设所有决策单元处于相同的外部环境且不存在随机误差，这导致评估结果无法真实反映管理效率。因此，研究人员亟需一种能够剔除外部干扰、还原真实效率水平的评估方法。本文发表于《Sustainability》，其研究成果对于推动黄河流域生态保护与高质量发展的协同推进具有重要的理论价值与实践指导意义。

主要技术方法

研究人员采用了多阶段复合量化评估体系。数据来源涵盖2011至2020年黄河流域51个地级市的面板数据。核心技术方法包括：第一阶段，运用传统DEA模型进行初步效率测算；第二阶段，引入SFA回归模型，将外部环境变量纳入分析，通过极大似然估计法分解复合误差项，从而分离出外部环境效应对投入松弛变量的影响；第三阶段，根据SFA的调整结果对原始投入变量进行修正，再次运行DEA模型以获得剔除外部因素后的真实生态效率值；最后，构建面板回归模型，量化环境规制强度（ERI）对修正后生态效率的非线性影响。

研究结果

生态效率时空演变特征

通过三阶段DEA分析发现，黄河流域生态效率在研究期内总体呈上升态势，但空间分布极不均衡。下游地区的平均效率显著高于中游和上游地区。修正前后的效率值对比显示，外部环境变量对上游城市的影响尤为显著，未剔除外部因素时的效率值被严重高估。

环境规制的非线性影响

面板回归结果显示，ERI与生态效率之间存在显著的倒U型关系。这表明在达到拐点之前，随着ERI的增加，技术创新补偿效应大于合规成本，从而促进生态效率提升；一旦超过拐点，过高的规制强度会增加企业负担，反而抑制效率增长。

讨论与结论

讨论部分指出，传统的单一DEA模型忽视了区域异质性和外部环境禀赋差异，导致评估结果缺乏公平性。本研究通过SFA剥离了外部环境效应，证明了只有在公平的竞争环境下测算出的效率值，才能真实反映地方政府的治理绩效。研究结论强调，黄河流域未来的生态治理不能采取“一刀切”的政策，而应根据各城市所处的不同发展阶段和外部环境特征，实施差异化的环境规制策略。适度的ERI是激发绿色技术创新、实现生态效率提升的关键驱动力。