西部城市群绿色发展效率测度及时空分异研究

Efficiency Measurement of Green Development and Spatial-temporal Differentiation in Western Urban Agglomeration

摘要

西部城市群是西部经济发展的重要区域，提升其绿色发展效率是促进西部地区实现经济绿色化高质量发展的重要举措。以西部城市群为研究对象，在构建绿色发展效率评价指标体系的基础上，运用Super-SBM模型测算2008-2021年城市群绿色发展效率，并结合GML指数模型分析绿色发展效率动态变化；运用泰尔指数和空间自相关方法，分析绿色发展效率区域差异及空间集聚特征。研究结果表明：（1）西部城市群绿色发展效率整体呈现“W”形波动，绿色发展效率在研究期内呈上升趋势，且主要受到技术进步指数的影响；（2）西部城市群绿色发展效率的区域差异主要来源于城市群内部的差异，关中平原以及宁夏沿黄城市群内部差异最大；（3）西部城市群绿色发展效率中高效率区主要分布在北部湾、成渝以及关中平原城市群，空间集聚效应整体上呈“大范围分散、小范围集聚”的特征。

Abstract

The western urban agglomeration is important for the economic development of the western region， and improving its efficiency in green development is an important measure to promote the green and high-quality development for the western region. To study the efficiency in green development of western urban agglomeration from 2008 to 2021， the evaluation index system of green development efficiency was constructed first and then the green development efficiency of the urban agglomeration was measured by using the Super-SBM model， the dynamic change of green development efficiency was analyzed by combining the GML index model and the regional differences and spatial agglomeration characteristics of green development efficiency were analyzed by using Theil index and spatial autocorrelation method. The results indicated that （1） the green development efficiency of the western urban agglomeration presented a "W" shape fluctuation as a whole， and the green development efficiency showed an upward trend during the study period， which was mainly affected by the technological progress index； that （2） the regional differences of the green development efficiency of the western urban agglomeration mainly resulted from the differences within the urban agglomerations， with the largest differences within the Guanzhong plain and the Yanhuang urban agglomeration in Ningxia； that （3） the areas of medium and high level efficiency of the western urban agglomeration were mainly distributed in the Beibu Gulf， Chengdu-Chongqing and Guanzhong plain，and the overall spatial agglomeration effect was characterized by "large-scale dispersion and small-scale agglomeration".

Graphical abstract

关键词

绿色发展效率 / Super-SBM模型 / 泰尔指数 / 西部城市群

Key words

green development efficiency / Super-SBM model / Theil index / western urban agglomeration

党的十八大以来，绿色发展逐渐成为我国发展的重要方向。2022年以来，党中央再次强调要着力推进经济高质量发展，推动绿色发展，让绿色成为我国高质量发展的鲜明底色。绿色发展逐渐成为我国实现高质量发展的重要抓手。西部地区位于“一带一路”的重要走廊上，是我国同中亚地区互联互通网络构建的重点区域。2020年5月，中共中央、国务院发布的《关于新时代推进西部大开发形成新格局的指导意见》提出推动西部地区高质量发展，加快推进西部地区绿色发展。西部地区发展以增长极为主，西部城市群包含9个国家级城市群53个地级市，在汇集西部地区62.07%人口的同时，贡献70.43%（共计1.66×10¹³元）的产值，其绿色转型发展，有助于促进西部地区经济高质量发展。

绿色发展强调发展既要注重经济的持续健康增长，也要关注民生福祉以及生态环境的保护和改善。相较于传统的绿色发展评价方法，绿色发展效率将经济社会发展过程中产生的“其它产出”考虑在其中，强调在一定生产要素投入下产生更多的社会环境效益以及更少的社会环境问题^［1］。近年来，对于绿色发展效率的研究越来越多，国内外学者从不同视角对绿色发展效率展开丰富的研究：（1）在绿色发展效率测度指标体系构建方面，已有研究多将经济社会发展中必不可少的投入要素，即资本、技术、劳动力以及资源作为投入变量，将社会效益、环境效益以及经济效益作为期望产出变量，在对非期望产出变量的选择中目前多采用“三废”表达^［2⁃4］；（2）在对绿色发展效率测度的方法选择方面，目前已有研究多采用传统的DEA模型^［5⁃6］、非径向的SBM模型^［7⁃9］、EBM模型^{［10⁃12］}等进行测度，多数研究在效率测度的基础上结合Malmquist指数揭示提升绿色发展效率的来源；（3）在绿色发展效率研究对象选择上，目前主要是从产业^［5，13］、全国^［9，14］、省、市尺度^{［2，11，15］}，城市群^{［3⁃4，16］}以及流域层面^{［7，10，17］}对绿色发展效率展开研究，且研究区主要集中在中东部地区的省、城市群以及黄河、长江流域。

综上，学者们从多种视角运用科学客观的研究方法对绿色发展效率展开丰富的研究，但绿色发展效率评价指标体系还在不断完善。我国西部地区作为国家重要的生态保障区，对其研究还相对较少，对西部 城市群的研究更少。因此，本文在运用Super-SBM模型测算绿色发展效率的基础上，结合GML指数模型分析其动态变化，采用泰尔指数描述其差异特征，并运用空间自相关方法勾勒其空间集聚特征，以期为西部城市群绿色高质量发展提供参考。

1 数据来源及研究方法

1.1 数据来源

本文选取西部城市群（包含9个城市群即天山北坡、呼包鄂榆、兰西、宁夏沿黄、关中平原、成渝、滇中、黔中、北部湾城市群，53个地级市）为研究对象，样本年份为2008-2021年，数据主要来自历年的《中国城市统计年鉴》《中国城市建设统计年鉴》、各省市统计年鉴及统计公报、各省市水资源公报。受到数据可得性的限制，对于部分缺失数据采用插值法进行补齐。

1.2 绿色发展效率指标体系构建

推动区域经济实现绿色化转型发展，实现绿色发展效率的提升，需要构建科学的评价指标体系。本文在借鉴已有研究的基础上，遵循客观性、体系性、数据可得性等原则，从“投入⁃产出”视角出发，构建了包含生产要素投入、期望产出以及非期望产出的评价指标体系（表1）。

1.3 研究方法

1.3.1 Super-SBM模型

在经济社会发展过程中，不免会产生“其它产出”，对绿色发展效率产生影响，因此在对绿色发展效率测度时，考虑到科学性以及客观性，要将非期望产出也纳入效率的测算中，本文结合Tone^［18］提出的考虑非期望产出的Super⁃SBM模型，构建了测算西部城市群绿色发展效率的模型，即

\mathrm{m}\mathrm{i}\mathrm{n}\rho =\frac{\mathrm{1}+\frac{\mathrm{1}}{n}\times {\displaystyle \sum _{i=\mathrm{1}}^n}\frac{s_i}{x_{ik}}}{\mathrm{1}-\frac{\mathrm{1}}{s_{\mathrm{1}}+s_{\mathrm{2}}}\times \left({\displaystyle \sum _{r=\mathrm{1}}^{s_{\mathrm{1}}}}\frac{s_r^{g+}}{y_{rk}^g}+{\displaystyle \sum _{t=\mathrm{1}}^{s_{\mathrm{2}}}}\frac{s_t^{b-}}{y_{rk}^b}\right)}，（1）

s.t\left\{\begin{array}{l}-x_{ik}\ge {\displaystyle \sum _{j=\mathrm{1},j\ne k}^n}{x}_{ij}\times {\lambda }_j-s_i^{-},\\ y_{rb}^g\le {\displaystyle \sum _{j=\mathrm{1},j\ne k}^n}{y}_m\times {\lambda }_j+s_r^{g+},\\ y_{rk}^b\le {\displaystyle \sum _{j=\mathrm{1},j\ne k}^n}{y}_{tj}^b\times {\lambda }_j-s_t^{b-},\\ \mathrm{1}-\frac{\mathrm{1}}{s_{\mathrm{1}}+s_{\mathrm{2}}}\times \left({\displaystyle \sum _{r=\mathrm{1}}^{s_{\mathrm{1}}}}\frac{s_r^{g+}}{y_{rk}^g}+{\displaystyle \sum _{t=\mathrm{1}}^{s_{\mathrm{2}}}}\frac{s_t^{b-}}{y_{rk}^b}\right)\mathrm{0},\end{array}\right.

其中，s^{-},s^{g+},s^{b-},\lambda \ge \mathrm{0},i=\mathrm{1,2},\cdots ,m;r=\mathrm{1,2},\cdots ,s_i;t=\mathrm{1,2},\cdots ,s_{\mathrm{2}};j=\mathrm{1,2},\cdots ,n；x_ik 表示第k个决策单元的第i种投入，y_rk 表示第k个决策单元的第r种期望产出，y_tk 表示第k个决策单元的第t种非期望产出，s表示松弛变量，λ为其权重向量，ρ为绿色发展效率值。考虑到不同城市的经济以及生产状况各不相同，加入约束条件{\sum }_{j=\mathrm{1}}^n{\lambda }_j=\mathrm{1}，测算规模报酬可变条件下的绿色发展效率值。

1.3.2 Global Malmquist-Luenberger指数模型

为测度整个时期绿色发展效率的动态变化以及提升效率的主要因素来源，本文在Super-SBM模型的基础上参照Oh^［19］的做法，运用Global Malmquist-Luenberger指数测算全要素生产率指数并对其进行分解，其公式为

\begin{array}{l}\mathrm{G}\mathrm{M}{\mathrm{L}}^{t,t+\mathrm{1}}\left(x^t,y^t,b^t;x^{t+\mathrm{1}},y^{t+\mathrm{1}},b^{t+\mathrm{1}}\right)=\frac{\mathrm{1}+D^G\left(x^t,y^t,b^t\right)}{\mathrm{1}+D^G\left(x^{t+\mathrm{1}},y^{t+\mathrm{1}},b^{t+\mathrm{1}}\right)}=\frac{\mathrm{1}+D^G\left(x^t,y^t,b^t\right)}{\mathrm{1}+D^{t+\mathrm{1}}\left(x^{t+\mathrm{1}},y^{t+\mathrm{1}},b^{t+\mathrm{1}}\right)}\times \\ \left[\frac{\left(\mathrm{1}+D^G\left(x^t,y^t,b^t\right)\right)/\left(\mathrm{1}+D^G\left(x^t,y^t,b^t\right)\right)}{\left(\mathrm{1}+D^G\left(x^{t+\mathrm{1}},y^{t+\mathrm{1}},b^{t+\mathrm{1}}\right)\right)/\left(\mathrm{1}+D^{t+\mathrm{1}}\left(x^{t+\mathrm{1}},y^{t+\mathrm{1}},b^{t+\mathrm{1}}\right)\right)}\right]=\frac{\mathrm{T}{\mathrm{E}}^{t+\mathrm{1}}}{\mathrm{T}{\mathrm{E}}^t}\times \left[\frac{\mathrm{B}\mathrm{P}{\mathrm{G}}_{t+\mathrm{1}}^{t,t+\mathrm{1}}}{\mathrm{B}\mathrm{P}{\mathrm{G}}_t^{t,t+\mathrm{1}}}\right]=\\ \mathrm{E}{\mathrm{C}}^{t,t+\mathrm{1}}\times \mathrm{T}{\mathrm{C}}^{t,t+\mathrm{1}}\mathrm{。}\end{array}（2）

式中，x^t 、y^t 、b^t 分别表示DMU第t期的投入、期望产出以及非期望产出，GML ^t、t+1 、GEC ^t、t+1 以及GTC ^t、t+1 分别表示从t到t+1期的绿色发展全要素生产率、绿色技术规模效率以及绿色生产技术进步的变化情况。

1.3.3 泰尔指数

泰尔指数可以分解为区域之间的差异以及区域内部的差异，可以有效直观地测度区域绿色发展效率差异的来源^［15］。表达式为

\mathrm{T}\mathrm{h}\mathrm{e}\mathrm{i}\mathrm{l}=\frac{\mathrm{1}}{n}{\sum }_{i=\mathrm{1}}^{n_r}\mathrm{l}\mathrm{n}\left(\frac{y_i}{y}\right)=\mathrm{T}\mathrm{h}\mathrm{e}\mathrm{i}{\mathrm{l}}_A+\mathrm{T}\mathrm{h}\mathrm{e}\mathrm{i}{\mathrm{l}}_B，

\mathrm{T}\mathrm{h}\mathrm{e}\mathrm{i}{\mathrm{l}}_A={\displaystyle \sum _{i=\mathrm{1}}^{m_r}}\left(\frac{n_k}{n_r}\bullet \frac{\overline{y_k}}{\overline{y}}\right)\bullet \mathrm{T}\mathrm{h}\mathrm{e}\mathrm{i}{\mathrm{l}}_i,\mathrm{T}\mathrm{h}\mathrm{e}\mathrm{i}{\mathrm{l}}_B={\displaystyle \sum _{i=\mathrm{1}}^{m_r}}\left(\frac{n_k}{n_r}\bullet \frac{\overline{y_k}}{\overline{y}}\right)\bullet \mathrm{l}\mathrm{n}\left(\frac{\overline{y_k}}{\overline{y}}\right)，（3）

式中，m是区域分类数量，n_i/n表示不同类型区域内部城市的占比，{\overline{x}}_i/\overline{x}为各城市绿色发展效率的均值与西部城市群总体均值的比值，Theil _i 为第i个城市的绿色发展效率的泰尔指数，Theil _A 以及Theil _B 分别为西部城市群各城市群内部以及城市群之间的绿色发展效率差异。

1.3.4 空间自相关方法

莫兰指数（Moran's I）可以用于测度城市绿色发展效率与其邻近的要素是否存在比较显著的关联特征^［16］，能够揭示西部城市群城市绿色发展效率的关联特征，其表达式为

I=\frac{{\sum }_{i=\mathrm{1}}^n{\sum }_{j=\mathrm{1}}^n{W}_{ij}\left(X_i-\overline{X}\right)\left(X_j-\overline{X}\right)}{{\sum }_{i=\mathrm{1}}^n{\sum }_{j=\mathrm{1}}^n{W}_{ij}{\sum }_{j=\mathrm{1}}^n\left(X_i-\overline{X}\right)}，（4）

式中，I为全局莫兰指数，X_i、X_j分别表示各城市绿色发展效率原始值，\overline{X}表示各城市绿色发展效率平均值，W_ij 为城市的空间权重矩阵。

全局自相关研究整体的空间相关情况，无法确切表示区域内部的空间关联状况^［17］，因此本文选择局部空间自相关方法分析研究区内部城市的空间聚类，其表达式为

I_i=\frac{n\left(X_i-\overline{X}\right){\sum }_{j=\mathrm{1}}^n{W}_{ij}\left(X_j-\overline{X}\right)}{{\sum }_{i=\mathrm{1}}^n{\left(X_i-\overline{X}\right)}^{\mathrm{2}}}，（5）

式中，I_i 为局部莫兰指数，其余同式（4）。

2 西部城市群绿色发展效率时空演变特征

2.1 西部城市群绿色发展效率时序变化

基于Super-SBM模型，借助MaxDEA9.0计算得出2008-2021年西部城市群绿色发展效率，并对绿色发展效率时序变化进行可视化分析（如图1）。

图1为西部城市群绿色发展效率均值的变化趋势。从图1可见，西部城市群绿色发展效率在研究期内呈现“W”形波动，三个峰值分别出现在2008年、2016年以及2021年，西部城市群绿色发展效率均值最大值出现在2021年，达到1.032。2008年以后，西部城市群绿色发展效率骤然下降，直至2012年达到最低。究其原因，2008年的金融危机对社会经济多方面均有较大冲击，且持续时间长。2012年至2016年，西部城市群绿色发展效率出现回升，可能在于党和国家将生态文明建设逐渐作为国家的发展方向，绿色发展理念深入人心。但这种回升现象在2017年至2020年再次被打破，可见，西部城市群还未真正实现稳定增长的绿色发展趋势。

西部各城市群绿色发展效率的箱线图见图2。由图2可知，在整个研究期内，呼包鄂榆、成渝、黔中、滇中、关中平原以及兰西城市群绿色发展效率呈波动上升趋势；北部湾、 宁夏沿黄以及天山北坡城市群的绿色发展效率呈波动下降趋势。北部湾、关中平原以及宁夏沿黄城市群绿色发展效率在研究期内变化幅度较小，呼包鄂榆、成渝、黔中、滇中、兰西以及天山北坡城市群变化幅度较大。其中，成渝、滇中以及兰西城市群处于高绿色发展效率值的时期较多；呼包鄂榆以及天山北坡城市群处于低绿色发展效率的时期相对较多；北部湾城市群常年处于中高值且均匀分布。

为了探究西部城市群绿色发展效率在时间序列上的动态变化特征，运用GML指数模型测算其动态变化特征，并分析影响绿色发展效率这种动态变化的主要因素，结果见表2。

表2显示，2008-2021年西部九大城市群中，西部城市群GML1，说明西部城市群在研究期内绿色发展效率整体呈现增长趋势；从各城市群来看，成渝城市群、兰西城市群以及滇中城市群绿色发展效率增长最多，天山北坡城市群、关中平原城市群以及北部湾城市群增长相对缓慢。GML指数变化与TC（技术进步指数）变化相一致，可见，西部城市群绿色发展效率的变化主要受到TC的影响。

2.2 西部城市群绿色发展效率区域差异

西部城市群整体泰尔指数见表3。从表3可见，西部城市群2008-2021年绿色发展效率区域差异呈 下降趋势，从2008年的0.076下降至2021年的0.011，2015年以后下降最为明显。可见，自2016年“十三五”规划关于城市群发展的纲要发布以来，区域间协调发展初见成效，绿色发展效率的区域差异明显缩小。西部城市群绿色发展效率的差异主要来源于各城市群的组内差异，城市群之间的差异较小。

为了进一步探究各城市群的绿色发展效率差异特征，对西部九大城市群的泰尔指数进行可视化分析，如图3所示。由图3可见，关中平原城市群绿色发展效率差异在研究期内略有上升；宁夏沿黄城市群绿色发展效率差异变化较小；滇中、成渝以及兰西城市群下降最为明显，且在整个研究期内呈持续下降趋势；呼包鄂榆、黔中、北部湾以及天山北坡虽然呈下降趋势，但差异变化呈缩小趋势且不稳定，期间有部分年份仍有增加。

2.3 西部城市群绿色发展效率空间分异

运用ArcGIS10.6自然断点法，将全时段均值、2008年、2016年及2021年西部城市群绿色发展效率进行空间可视化分析（图4）。从全时段绿色发展效率空间可视化来看，西部城市群绿色发展效率多为中高效率区，且分布较为集中。分3个时间节点空间演变来看，中高效率区从2008年的较为集中分布演变到2021年的较为分散分布，且中高效率区主要分布在北部湾城市群、成渝城市群以及关中平原城市群。

借助STATA18.0构建经济地理嵌套矩阵，计算西部城市群2008-2021年绿色发展效率的全局莫兰指数（表4）。由表4可知，研究期内西部城市群绿色发展效率有10年的莫兰指数在5%的水平下呈显著相关性，且研究期内莫兰指数均为正值，表明西部城市群绿色发展效率存在比较显著的正向相关性，并且其聚类分布效应较为显著。这也表明西部地区城市群绿色发展效率分布不是随机的，而是在空间上存在一定的互相关联性。

为了进一步探讨各城市的空间集聚情况，运用ArcGIS10.6局部空间自相关方法测算集聚状态，结果见表5。

由表5可知，西部城市群绿色发展效率不同程度的空间聚类形态，区域内大部分城市的聚类特征并不显著，西部城市群绿色发展效率整体上表现出“大范围分散、小范围集聚”的聚类分布特征，且呈集聚特征的城市也多为“高⁃低”“低⁃高”集聚，并未形成良好的空间集聚效应。

3 结论与建议

本文通过构建绿色发展效率的评价指标体系，运用SBM模型、GML指数模型、泰尔指数、空间自相关等方法，测算了西部城市群（包括9个城市群，共计53个地级市）2008-2021年绿色发展效率的时空分异情况及差异特征，结论如下。

（1）西部城市群绿色发展效率平均值处于中等较高水平；研究期内整体变化趋势呈“W”形波动，三个高值分别出现在2008年、2016年及2021年，最低值出现在2012年；研究期内西部城市群整体及各城市群绿色发展效率GML指数均大于1，绿色发展效率提升明显，且变化主要受到技术进步指数的影响。

（2）西部城市群绿色发展效率的区域差异缩小明显，差异主要来自城市群内部，城市群之间差异较小。各城市群内部的绿色发展效率差异水平较大，成渝、滇中以及兰西城市群差异缩小最为明显，关中平原以及宁夏沿黄城市群差异变化较小。

（3）西部城市群绿色发展效率空间变化上呈中高效率由较为集聚变得分散的态势，集聚特征主要表现为“大范围分散、小范围集聚”；西部城市群绿色发展效率空间集聚仍然多为“高⁃低”“低⁃高”集聚，并未形成良好的空间效益。

为更好地发挥西部城市群在促进西部地区形成新的发展格局、实现高质量绿色发展进程中的示范带动作用，提出如下建议。

（1）以绿色科技助推生态文明建设，促进绿色发展效率持续稳步提升。紧抓西部大开发及“一带一路”倡议的发展机遇，重点发展绿色科学技术，加强科技投入。完善人才引进政策，吸引高新技术人才投入西部城市群发展建设，推动西部地区实现绿色转型发展。

（2）发挥城市群核心城市的辐射带动作用，促进区域协调发展。城市群应当加强内部核心城市对周边城市的辐射带动作用，尤其是内部差异较明显的西北地区城市群。科学有序地推进城市群内部产业转移，优化内部资源要素的合理配置，形成良好的合作机制，为欠发达地区创造发展机遇，促进区域绿色协调发展。

（3）构建形成良好空间效益，因地制宜推进绿色发展。低绿色发展效率城市可以借鉴邻近绿色发展高效率城市的发展经验并结合自身发展情况，制定相关发展政策；绿色发展高效率城市应当发挥其带动及示范作用，与绿色发展低效率城市构建良好的合作交流机制，形成良好的空间效益，推动区域绿色高质量发展。

参考文献

[1] 范正根，邓志康，张普伟，等.生态文明试验区绿色发展效率测度及其影响机理［J］.统计与决策，2022，38（5）：75-79.

[2] 鹿晨昱，黄萍，张彤，等.甘肃省绿色发展效率时空演化与驱动因素研究［J］.干旱区地理，2023，46（2）：305-315.

[3] 李晔，陈奕延，李群.中国城市群绿色发展水平测度与效率评价［J］.统计与决策，2023，39（17）：126-131.

[4] 陈影，文传浩，沈体雁.成渝地区双城经济圈绿色发展效率评价及时空演变研究［J］.长江流域资源与环境，2022，31（5）：1137-1151.

[5] 呙小明，黄森.碳排放约束下中国旅游业绿色发展效率研究：基于修正三阶段DEA模型［J］.技术经济与管理研究，2017（4）：8-13.

[6] 郭付友，佟连军，仇方道，等.鲁南经济带城乡绿色发展效率时空分异及驱动因素识别［J］.自然资源学报，2020，35（8）：1972-1985.

[7] 孟望生，刘华桢，张扬.黄河流域七大城市群绿色发展效率测度及特征分析［J］.干旱区地理，2023，46（5）：846-856.

[8] LU W T， ZHANG G X.Green development efficiency of urban agglomerations in a developing country： Evidence from Beijing-Tianjin-Hebei in China［J］.Environment， Development and Sustainability，2023，25（7）：6939-6962.

[9] 崔和瑞，王紫臻.中国八大综合经济区包容性绿色发展效率区域差异、空间相关及收敛性研究［J］.生态经济，2023，39（9）：30-38.

[10] 石彩霞，贺小荣.“双碳”目标下黄河流域城市绿色发展效率测度及提升路径［J］.干旱区地理，2024，47（3）：528-538.

[11] 张杰，范雨婷.创新型城市绿色发展：效率测算、外部性与提升路径［J］.中国人口·资源与环境，2023，33（2）：102-112.

[12] 夏梁凯，乔翔.海洋经济绿色发展效率评价及影响因素研究：以中国沿海地区为例［J］.中国国土资源经济，2022，35（7）：12-19.

[13] 李新安，李慧.中国制造业绿色发展的时空格局演变及路径研究［J］.区域经济评论，2021（4）：64-73.

[14] 赵林，高晓彤，刘焱序，等.中国包容性绿色效率空间关联网络结构演变特征分析［J］.经济地理，2021，41（9）：69-78.

[15] 窦睿音，焦贝贝，张文洁，等.西部资源型城市绿色发展效率时空分异与驱动力［J］.自然资源学报，2023，38（1）：238-254.

[16] 董小君，石涛.中原城市群绿色发展效率与影响要素［J］.区域经济评论，2018（5）：116-122.

[17] 睢党臣，张扬，孟望生.黄河流域经济绿色发展效率测度及其空间分异研究［J］.统计与决策，2023，39（2）：116-119.

[18] TONE K， TSUTSUI M ． Applying an efficiency measure of desirable and undesirable outputs in DEA to U.S. electric utilities［J］. Journal of CENTRUM Cathedra （JCC） The Business and Economics Research Journal，2011，4（2）： 236-249.

[19] OH D H. A global Malmquist-Luenberger productivity index［J］. Journal of Productivity Analysis， 2010， 34（3）： 183-197.

基金资助

四川省科技计划资助项目“山地空间优化与调控”(2023NSFSC1979)