摘 要：本文綜合運(yùn)用超效率EBM模型、窗口DEA分析法以及標(biāo)準(zhǔn)差橢圓分析等多元研究工具，對2008—2022年黃河流域66個(gè)地級城市的能源生態(tài)效率展開全面評價(jià)，深入剖析其時(shí)空演變特征與區(qū)域差異，并借助GTWR模型精準(zhǔn)識別黃河流域城市能源生態(tài)效率的關(guān)鍵驅(qū)動因子。結(jié)果顯示，黃河流域城市能源生態(tài)效率在時(shí)間維度上呈現(xiàn)“N”型演變趨勢；在空間分布上，呈現(xiàn)出偏西北—偏東南走向且具有顯著的空間非均衡特征，呈現(xiàn)“上下游高、中游低”的發(fā)展格局。GTWR模型檢驗(yàn)結(jié)果表明，產(chǎn)業(yè)結(jié)構(gòu)、科技水平、政府干預(yù)以及城鎮(zhèn)化進(jìn)程等驅(qū)動因子在不同區(qū)域?qū)δ茉瓷鷳B(tài)效率的影響存在顯著差異。本文研究成果旨在為優(yōu)化黃河流域能源生態(tài)效率、促進(jìn)區(qū)域經(jīng)濟(jì)綠色可持續(xù)發(fā)展提供科學(xué)的理論依據(jù)與實(shí)踐指導(dǎo)。

關(guān)鍵詞：黃河流域；能源生態(tài)效率；超效率EBM模型；驅(qū)動因子；空間非平穩(wěn)性

中圖分類號：F062.2 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2025）05（a）--05

1 引言

自習(xí)近平總書記提出了“碳達(dá)峰碳中和”目標(biāo)以及“把節(jié)約能源資源放在首位”的要求，并對各行業(yè)能源利用效率進(jìn)行了嚴(yán)格限制后，能源生態(tài)效率的改善成為當(dāng)務(wù)之急。當(dāng)前，黃河流域生態(tài)環(huán)境呈現(xiàn)較為脆弱的狀態(tài)，其發(fā)展模式過度依賴資源驅(qū)動，致使產(chǎn)業(yè)發(fā)展過程中資源配置效率不高，經(jīng)濟(jì)發(fā)展與資源利用、生態(tài)保護(hù)之間的矛盾日益凸顯。在此背景下，如何在節(jié)約資源和改善生態(tài)環(huán)境的基礎(chǔ)上推動經(jīng)濟(jì)增長，成為亟待解決的重要問題。顯然，提升能源生態(tài)效率是極為關(guān)鍵的應(yīng)對策略，其核心在于盡可能地降低資源、環(huán)境及各類要素的投入，以獲取最為可觀的經(jīng)濟(jì)發(fā)展效益。當(dāng)前黃河流域城市能源生態(tài)效率狀況如何？其能源生態(tài)效率在不同地區(qū)呈現(xiàn)出哪些特征？又有怎樣的變化走向？能源生態(tài)效率受到哪些因素的影響？這些問題的解答對認(rèn)識黃河流域能源生態(tài)效率的內(nèi)在規(guī)律，并采取針對性措施具有重大意義。

關(guān)于能源生態(tài)效率的研究，目前主要聚焦于內(nèi)涵解析、方法探索及影響因子分析等方面。第一，從能源生態(tài)效率的角度來看，周敏（2019）等認(rèn)為，要實(shí)現(xiàn)真正的經(jīng)濟(jì)增長，同時(shí)也要考慮到地球的可持續(xù)性，并且要有效控制對自然環(huán)境的影響[1]。第二，在能源生態(tài)效率評價(jià)方面，于靜等（2021）對中國整體能源生態(tài)效率進(jìn)行研究，發(fā)現(xiàn)能源生態(tài)效率整體水平較低，資源利用與經(jīng)濟(jì)、環(huán)境、社會福利之間存在突出矛盾，從東部、中部和西部地區(qū)來看，能源生態(tài)效率值呈現(xiàn)出東高西低的分布格局[2]。從流域角度看，大多數(shù)學(xué)者認(rèn)為長江流域能源生態(tài)效率發(fā)展態(tài)勢良好，并呈現(xiàn)梯度發(fā)展的提升特征。然而，相較于長江流域，黃河流域在能源生態(tài)效率發(fā)展層面較為滯后[3]。從研究方法來看，周敏等（2019）采用SBM-DEA模型，對中國地區(qū)能源生態(tài)效率進(jìn)行了深入研究；陳菁泉等（2021）利用隨機(jī)前沿模型評估中國八大重點(diǎn)經(jīng)濟(jì)區(qū)域的能源生態(tài)效率[4]。在對能源生態(tài)效率測度的基礎(chǔ)上，學(xué)者們的研究重點(diǎn)逐步轉(zhuǎn)向能源生態(tài)效率空間特征和布局，探討不同地區(qū)之間能源生態(tài)效率的空間關(guān)系及相互依賴程度，如油建盛等（2022）通過探索性空間數(shù)據(jù)分析了長江經(jīng)濟(jì)帶能源生態(tài)效率的空間紋理[5]。第三，在探討能源生態(tài)效率的影響因素時(shí)，學(xué)者們將能源生態(tài)效率同經(jīng)濟(jì)、社會與環(huán)境緊密地關(guān)聯(lián)起來，提出經(jīng)濟(jì)發(fā)展?fàn)顩r、對外開放程度和人口規(guī)模等方面均會對能源生態(tài)效率的發(fā)展產(chǎn)生影響，除此之外，產(chǎn)業(yè)結(jié)構(gòu)的布局、技術(shù)進(jìn)步的水平、政府干預(yù)的力度等同樣是左右能源生態(tài)效率的關(guān)鍵因素[6][7]。

梳理文獻(xiàn)發(fā)現(xiàn)，學(xué)者圍繞能源生態(tài)效率的研究主題開展了較多工作，但仍存在一些不足：第一，目前針對能源生態(tài)效率的研究主要側(cè)重于經(jīng)濟(jì)發(fā)展與環(huán)境間的關(guān)系，忽視社會福利這一重要產(chǎn)出因素。第二，現(xiàn)有研究大多聚焦于對能源生態(tài)效率的變化特性及空間自相關(guān)聯(lián)系進(jìn)行分析，卻忽視了對其方向性的研究，使得空間集散的格局難以全面展現(xiàn)，不利于精準(zhǔn)洞悉黃河流域城市能源生態(tài)效率的內(nèi)在規(guī)律。鑒于此，本文引入社會福利構(gòu)建理論架構(gòu)，用以綜合評定黃河流域能源生態(tài)效率，運(yùn)用標(biāo)準(zhǔn)差橢圓分析方法探索其空間方向性，借助GTWR模型剖析黃河流域城市能源生態(tài)效率的驅(qū)動因素，直觀地呈現(xiàn)出黃河流域能源生態(tài)效率在空間上的整體特征，以便更為詳盡地從經(jīng)濟(jì)學(xué)視角探究黃河流域能源生態(tài)效率隨時(shí)間與空間的演變規(guī)律，為該領(lǐng)域的研究開辟新的思路與方向。

2 指標(biāo)構(gòu)建與研究方法

2.1 指標(biāo)構(gòu)建與數(shù)據(jù)來源

為構(gòu)建合理的能源生態(tài)效率評價(jià)指標(biāo)體系，需客觀評估能源生態(tài)效率以確定可行有效的指標(biāo)。本文參考Peng等（2020）的研究成果[8]，構(gòu)建評價(jià)指標(biāo)體系（見表1）。選取黃河流域2008—2022年期間的66個(gè)地級市數(shù)據(jù)作為樣本展開深入研究，數(shù)據(jù)主要來源于《中國城市統(tǒng)計(jì)年鑒》和《能源統(tǒng)計(jì)年鑒》等，對于部分缺失數(shù)據(jù)，采用插值法進(jìn)行補(bǔ)充。

2.2 研究方法

2.2.1 考慮非期望的超效率EBM模型

本文采用Anderson等（1993）提出的超效率EBM模型對能源生態(tài)效率進(jìn)行衡量，該模型能夠?qū)Χ鄠€(gè)決策單元開展對比分析，從而有效彌補(bǔ)以往研究在時(shí)間維度可比性上的不足，為能源生態(tài)效率的精準(zhǔn)測度與深入研究提供可靠的方法支撐[9]。公式如下：

假設(shè)被計(jì)算的決策單元為DMU，在可變規(guī)模報(bào)酬下，γ*表示能源生態(tài)效率的最佳效率；其中，s-i表示投入產(chǎn)出的松弛變量；j為決策單元DMU的數(shù)量；n為決策單元總數(shù)；w-i表示投入指標(biāo)的權(quán)重系數(shù)，滿足；Xik和yrk分別為k的第i類投入及k的第r類產(chǎn)出；m和s分別表示投入與產(chǎn)出的數(shù)量；θ為徑向部分的規(guī)劃參數(shù)；λj為線性組合系數(shù)；εx為關(guān)鍵參數(shù)，滿足0～1的取值范圍；s+r和spb-分別為期望產(chǎn)出和非期望產(chǎn)出的松弛變量；w+r和wpb-分別為期望產(chǎn)出和非期望產(chǎn)出的權(quán)重系數(shù)；εy和εb表示決定性參數(shù)；φ為γ*中的徑向成分；bpj和bpk分別表示期望產(chǎn)出和非期望產(chǎn)出；q為非期望產(chǎn)出數(shù)量。

2.2.2 DEA窗口分析法

DEA窗口分析法可以充分展現(xiàn)各決策單元在效率方面的變動狀況及相互之間存在的差異。一般而言，在運(yùn)用DEA窗口分析法時(shí)，將窗口寬度設(shè)定為d=3能夠達(dá)成穩(wěn)定因素與可信度兩者之間的平衡狀態(tài)[10]。

2.2.3 標(biāo)準(zhǔn)差橢圓

本文運(yùn)用標(biāo)準(zhǔn)差橢圓對黃河流域能源生態(tài)效率的離散態(tài)勢予以刻畫[11]，借助剖析標(biāo)準(zhǔn)差橢圓的重心及其變動軌跡，從而確定能源生態(tài)效率于空間層面的發(fā)展走向；橢圓的中心體現(xiàn)的是能源生態(tài)效率在空間布局中的重心位置；方向角展現(xiàn)的是其空間分布的主要趨向；長短軸之間的差距越大，則意味著地理要素在方向特性上越發(fā)突出。

2.2.4 驅(qū)動因子選擇

黃河流域城市能源生態(tài)效率受到經(jīng)濟(jì)、社會、生態(tài)等多方面因素的綜合影響，因此在選取驅(qū)動因子時(shí)需遵循全面系統(tǒng)原則。本文旨在探索黃河流域可持續(xù)發(fā)展面臨的挑戰(zhàn)和問題，并探討驅(qū)動因子對黃河流域城市能源生態(tài)效率的影響機(jī)制，通過系統(tǒng)演化分析，深入剖析其在能源生態(tài)效率演變中的作用。

產(chǎn)業(yè)結(jié)構(gòu)方面，黃河流域工業(yè)是污染排放的關(guān)鍵來源，部分地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)仍存在“雙高”特征。因此，本文使用城市第二產(chǎn)業(yè)在生產(chǎn)總值中的比重作為產(chǎn)業(yè)結(jié)構(gòu)的衡量指標(biāo)。

科技投入方面，根據(jù)內(nèi)生增長理論，科學(xué)技術(shù)投入是推動能源生態(tài)效率的關(guān)鍵因素，因此本文使用一般公共預(yù)算支出中的科學(xué)技術(shù)投入占比衡量科研投入強(qiáng)度。

政府干預(yù)方面，地方政府可通過政策支持和撥款促進(jìn)能源生態(tài)效率的提高。因此本文選取當(dāng)?shù)啬昴┴?cái)政支出占GDP比重來衡量政府干預(yù)程度。

城鎮(zhèn)化水平方面，隨著城鎮(zhèn)化進(jìn)程的推進(jìn)，其水平不斷提高，城市規(guī)模也日益擴(kuò)張。這一發(fā)展態(tài)勢導(dǎo)致大量的能源消耗，與此同時(shí)，相伴而生的廢水、廢氣及其他污染物的排放也對生態(tài)環(huán)境造成了嚴(yán)重破壞。然而，當(dāng)城鎮(zhèn)化水平發(fā)展到一定程度時(shí)，通過采用新技術(shù)應(yīng)用，可以實(shí)現(xiàn)低碳發(fā)展模式，從而提高能源生態(tài)效率。因此，本文使用常住城鎮(zhèn)人口占常住人口的比重衡量城鎮(zhèn)化水平。

3 時(shí)空演變特征分析

3.1 能源生態(tài)效率的時(shí)序特征

如圖1所示，總體來看，黃河流域能源生態(tài)效率發(fā)展態(tài)勢良好，2008—2022年呈現(xiàn)出“上升—下降—上升”的“N”形演變路徑。2008年為0.809，此后逐年上升，于2014年達(dá)到觀測期內(nèi)的高峰0.864，之后呈現(xiàn)下降趨勢，2019年達(dá)到新低0.787后逐年緩慢上升，能源生態(tài)效率指數(shù)在2020年、2021年、2022年分別為0.806、0.821、0.810。結(jié)合發(fā)展實(shí)際來看，近年來，資源環(huán)境約束日益趨緊，階段性特征明顯，使得能源生態(tài)效率出現(xiàn)波動，但總體仍然保持上升態(tài)勢。

分地區(qū)來看，黃河流域能源生態(tài)效率呈現(xiàn)“上游最高，下游次之，中游最低”的“坡度發(fā)展”格局。受西部大開發(fā)戰(zhàn)略影響，2010年前上中下游在經(jīng)歷短暫下降后，均有較快增長。“十二五”期間，除上游外，中游與下游整體效率值呈下降趨勢，2019年達(dá)到觀測期內(nèi)的最低水平，這主要是由于上游地區(qū)的工業(yè)相對不發(fā)達(dá)，能源消耗和污染物排放相對較低，因此效率值偏高，此外，上游地區(qū)積極建設(shè)清潔能源基地，分布式能源得到快速發(fā)展；而中游地區(qū)成了下游地區(qū)的“污染接納地”，吸納了諸多落后產(chǎn)業(yè)的轉(zhuǎn)移，這種產(chǎn)業(yè)轉(zhuǎn)移致使大量污染集聚，給當(dāng)?shù)厣鷳B(tài)環(huán)境施加了極為沉重的壓力，生態(tài)環(huán)境的惡化進(jìn)而使得能源生態(tài)效率不斷下滑。到2020年之后，黃河中下游地區(qū)的能源生態(tài)效率呈現(xiàn)上升態(tài)勢，然而上游地區(qū)卻呈現(xiàn)下降趨勢。這或許是由于上游地區(qū)在我國資源戰(zhàn)略儲備體系及環(huán)境安全防護(hù)屏障構(gòu)建進(jìn)程中肩負(fù)著極為關(guān)鍵的使命，期間新建了眾多耗能產(chǎn)業(yè)，并且開展了外輸火電項(xiàng)目等重大工程。這些大規(guī)模項(xiàng)目的推進(jìn)與實(shí)施，使得上游地區(qū)的能源消耗大幅增加，能源利用與生態(tài)環(huán)境保護(hù)之間的平衡被打破，最終導(dǎo)致能源生態(tài)效率出現(xiàn)了下降情形。

3.2 能源生態(tài)效率的空間特征

為了描述黃河流域城市能源生態(tài)效率的趨勢方向，本文基于2008年和2022年能源生態(tài)效率所得指標(biāo)，運(yùn)用標(biāo)準(zhǔn)差橢圓工具對其進(jìn)行定量識別。

如表2所示，研究期內(nèi)能源生態(tài)效率的標(biāo)準(zhǔn)差橢圓旋轉(zhuǎn)角變化幅度不大，橢圓方位角θ始終在98o左右，角度變化范圍在1o以內(nèi)，具體由98.014o上升至98.767o，且呈現(xiàn)偏西北—偏東南的分布特征，其重心移動方向相對穩(wěn)定，表明黃河流域能源生態(tài)效率空間分布格局較為穩(wěn)定。短半軸的長度自2008年的347.902延展至2022年的352.274，長半軸的長度從619.386收縮至612.810。依據(jù)半軸長度的變動可以看出，黃河流域城市的能源生態(tài)效率在南北向呈現(xiàn)出極為顯著的擴(kuò)散態(tài)勢，然而在東西向卻表現(xiàn)出一定程度的收縮趨勢，這一現(xiàn)象充分說明能源生態(tài)效率的分布并不均衡，且其方向性特征較為突出。

4 驅(qū)動因子時(shí)空非平穩(wěn)性分析

4.1 模型檢驗(yàn)與選取

為了提高模型的準(zhǔn)確性，本文使用Stata16進(jìn)行普通最小二乘法回歸（OLS）及ArcGIS10.8進(jìn)行地理加權(quán)回歸（GWR）兩種不同回歸方法作為對照，以獲取更可靠的結(jié)果[12]。本文將時(shí)空距離的參數(shù)比值調(diào)整至1，同時(shí)自動優(yōu)化設(shè)置帶寬，提高模型的可靠性，并選取赤池信息量準(zhǔn)則（AICc）與擬合優(yōu)度R2同時(shí)作為評價(jià)參照。由表3可得，GTWR模型AICc最低，R2最高，因此本文選取GTWR模型對黃河流域城市能源生態(tài)效率進(jìn)行估計(jì)[13]。

4.2 驅(qū)動因子的空間非平穩(wěn)演變

基于模型比較結(jié)果，運(yùn)用GTWR模型對驅(qū)動因子進(jìn)行回歸分析，并利用ArcGIS10.8進(jìn)行可視化分析，得到估計(jì)系數(shù)的空間分布，如圖2所示。

從產(chǎn)業(yè)結(jié)構(gòu)來看，下游地區(qū)是產(chǎn)業(yè)結(jié)構(gòu)的中高值區(qū)，而中上游地區(qū)則主要分布著低值區(qū)。原因在于下游地區(qū)已經(jīng)轉(zhuǎn)變?yōu)橐跃G色產(chǎn)業(yè)驅(qū)動為主的發(fā)展模式，能源生態(tài)效率得到提升；上游地區(qū)持續(xù)發(fā)揮本地的自然資源稟賦優(yōu)勢，積極推動清潔能源的開發(fā)及利用，有效減少了對環(huán)境的破壞。而中游與下游地區(qū)的情況則形成明顯的反差，重化工企業(yè)的聚集和資源型企業(yè)的轉(zhuǎn)移導(dǎo)致該地區(qū)的污染排放顯著增加，這一情況對中游地區(qū)提升能源生態(tài)效率構(gòu)成重要限制，成為該地區(qū)提升能源生態(tài)效率所面臨的重大挑戰(zhàn)。

從科技投入驅(qū)動因子來看，黃河中上游城市存在基礎(chǔ)設(shè)施建設(shè)短板，科技研發(fā)所依托的環(huán)境欠佳，在對創(chuàng)新要素的匯聚與吸引方面表現(xiàn)出較低的效能，難以形成強(qiáng)大的技術(shù)驅(qū)動力，對能源生態(tài)效率的提升產(chǎn)生顯著的抑制效應(yīng)。而下游地區(qū)雖然經(jīng)濟(jì)基礎(chǔ)較雄厚，但面臨嚴(yán)重的環(huán)境污染和共同發(fā)展的困境，更注重經(jīng)濟(jì)增長而非改善生態(tài)環(huán)境，限制了地區(qū)能源生態(tài)效率的提升?？蒲薪?jīng)費(fèi)投入僅在部分地區(qū)表對能源生態(tài)效率起到促進(jìn)作用，如蘭州、忻州、臨汾等地，通過增加科研經(jīng)費(fèi)投入，提高污染治理技術(shù)水平，使得當(dāng)?shù)啬茉聪M(fèi)結(jié)構(gòu)得以加速轉(zhuǎn)變，能源生態(tài)效率的發(fā)展得到較為顯著的提升。

從政府干預(yù)驅(qū)動因子來看，高值區(qū)主要位于上游與下游地區(qū)，通過合理產(chǎn)業(yè)布局和控制經(jīng)濟(jì)流向，可以提高能源生態(tài)效率。低值區(qū)主要分布在黃河中游的山西、內(nèi)蒙古、陜西等地區(qū)，這些地區(qū)通過放寬環(huán)保標(biāo)準(zhǔn)的準(zhǔn)入門檻及增加支出等手段追求經(jīng)濟(jì)粗放快速增長，這種做法抑制了當(dāng)?shù)啬茉瓷鷳B(tài)效率的提升。

從城鎮(zhèn)化水平驅(qū)動因子來看，高值區(qū)主要集中在內(nèi)蒙古北部和山東北部，這些地區(qū)及時(shí)抓住機(jī)遇，大力進(jìn)行基礎(chǔ)設(shè)施和配套設(shè)施建設(shè)，從而提高了能源生態(tài)效率。然而，在甘肅和寧夏大部分地區(qū)，城鎮(zhèn)化水平與能源生態(tài)效率呈負(fù)相關(guān)，其原因主要為人口的凈流出導(dǎo)致勞動力不足，無法滿足工業(yè)發(fā)展需求，經(jīng)濟(jì)轉(zhuǎn)型的速度緩慢，對能源生態(tài)效率產(chǎn)生了抑制作用。

5 研究結(jié)論

本文選取2008—2022年黃河流域的66個(gè)地級市作為研究樣本，以標(biāo)準(zhǔn)差橢圓、全局莫蘭指數(shù)及LISA統(tǒng)計(jì)量等作為研究工具，深入探究黃河流域城市能源生態(tài)效率在時(shí)間與空間維度上的演變特性?；诖搜芯壳疤?，進(jìn)一步運(yùn)用GTWR回歸模型，針對城市能源生態(tài)效率的驅(qū)動因子在空間范疇內(nèi)呈現(xiàn)出的非平穩(wěn)演變態(tài)勢展開考察分析，進(jìn)而得出如下主要研究結(jié)論：

（1）就時(shí)序演變狀況而言，2008—2022年，黃河流域城市總體能源生態(tài)效率水平的整體變動軌跡呈現(xiàn)一種先上升、隨后下降、再上升的“N”型曲線態(tài)勢，在整個(gè)研究時(shí)段內(nèi)，黃河流域城市能源生態(tài)效率的分布格局表現(xiàn)為從下游至上游再到中游依次遞減的特征。鑒于黃河流域城市間能源生態(tài)效率的這種發(fā)展現(xiàn)狀差異，有必要依據(jù)各地實(shí)際情況，采取具有針對性、符合當(dāng)?shù)靥厣牟呗酝苿悠淠茉瓷鷳B(tài)效率的提升，從而實(shí)現(xiàn)整個(gè)流域能源生態(tài)效率的優(yōu)化與均衡發(fā)展。

（2）從空間格局分布來看，2008—2022年，黃河流域城市能源生態(tài)效率在空間層面展現(xiàn)出顯著的不均衡特征，呈現(xiàn)出高值與低值相互交錯(cuò)分布的局面，且其主要分布方向?yàn)槲鞅敝翓|南走向。地理位置的不同使得各城市的能源生態(tài)效率受到差異化影響，相鄰近的城市呈現(xiàn)出連片聚集的態(tài)勢。此外，伴隨城市群內(nèi)部協(xié)作程度的日益加深，一種顯著的“極化”現(xiàn)象逐漸顯現(xiàn)。因此，為推動整個(gè)流域城市能源生態(tài)效率的提升，能源生態(tài)效率較高的地區(qū)應(yīng)充分發(fā)揮自身獨(dú)特優(yōu)勢，擔(dān)當(dāng)起示范樣板區(qū)域的重任，與中、低效率地區(qū)開展全面深入的合作與交流活動，借此逐步縮小地區(qū)間的差異，達(dá)成輻射與帶動周邊區(qū)域協(xié)同發(fā)展的目標(biāo)，進(jìn)而促進(jìn)整個(gè)黃河流域城市能源生態(tài)效率的全面提升與均衡發(fā)展。

（3）根據(jù)GTWR估計(jì)結(jié)果，不同的驅(qū)動因子在空間上均存在顯著的空間非平穩(wěn)性，其驅(qū)動強(qiáng)度和方向也存在差異。因此，為了提高當(dāng)?shù)氐哪茉瓷鷳B(tài)效率，各地都需要明確其中的關(guān)鍵驅(qū)動力，并制定針對性的政策措施，以便更好地實(shí)現(xiàn)資源的自由流通與有效分配。同時(shí)，積極開展地域間的協(xié)調(diào)配合，充分發(fā)揮各方優(yōu)勢，努力提升各城市的能源使用效率，以實(shí)現(xiàn)更高的經(jīng)濟(jì)、社會和環(huán)境效益，為推動可持續(xù)發(fā)展目標(biāo)做出貢獻(xiàn)。

參考文獻(xiàn)

周敏， 王騰， 嚴(yán)良， 等. 財(cái)政分權(quán)、經(jīng)濟(jì)競爭對中國能源生態(tài)效率影響異質(zhì)性研究[J]. 資源科學(xué)， 2019， 41（3）： 532–545.

于靜， 屈國強(qiáng). 中國區(qū)域生態(tài)能源效率與節(jié)能減排潛力研究[J]. 統(tǒng)計(jì)與決策， 2021， 37（12）： 66–69.

趙金輝， 田林， 李思源， 等. 黃河流域能源與環(huán)境—經(jīng)濟(jì)—生態(tài)耦合協(xié)調(diào)發(fā)展研究[J]. 人民黃河， 2022， 44（11）： 13–19.

陳菁泉， 劉娜， 馬曉君. 中國八大綜合經(jīng)濟(jì)區(qū)能源生態(tài)效率測度及其驅(qū)動因素[J]. 中國環(huán)境科學(xué)， 2021， 41（5）： 2471–2480.

油建盛， 董會忠， 蔣兵， 等. 長江經(jīng)濟(jì)帶能源生態(tài)效率及驅(qū)動因子時(shí)空非平穩(wěn)性[J]. 資源科學(xué)， 2022， 44（11）： 2207–2221.

張?jiān)戚x， 李少芳. 數(shù)字金融發(fā)展能提升能源效率嗎[J]. 財(cái)經(jīng)論叢， 2022（3）： 47–55.

孫偉. 黃河流域城市能源生態(tài)效率的時(shí)空差異及其影響因素分析[J]. 安徽師范大學(xué)學(xué)報(bào)（人文社會科學(xué)版）， 2020， 48（2）： 149–157.

Peng B， Wang Y， Wei G. Energy eco-efficiency： Is there any spatial correlation between different regions？[J]. Energy Policy， 2020， 140： 111404.

Andersen P， Petersen N C. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J]. Management Science， 1993， 39（10）： 1261–1264.

江濤， 范流通， 景鵬. 兩階段視角下中國壽險(xiǎn)公司經(jīng)營效率評價(jià)與改進(jìn)： 基于網(wǎng)絡(luò)SBM模型與DEA窗口分析法[J]. 保險(xiǎn)研究， 2015（10）： 33–43.

李昕昱，郭光庭，楊韶艷.金融發(fā)展視域下黃河流域城市綠色發(fā)展效率研究[J].河南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2025，53（1）：13-22.

Brunsdon C， Fotheringham A S， Charlton M E. Geographically Weighted Regression： A Method for Exploring Spatial Nonstationarity[J]. Geographical Analysis， 2010， 28（4）： 281–298.

Huang B， Wu B， Barry M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices[J]. International Journal of Geographical Information Science， 2010， 24（3）： 383–401.