EN中文

JOURNAL OF NATURAL RESOURCES >

2026 , Vol. 41 >Issue 2: 407 - 424

DOI: https://doi.org/10.31497/zrzyxb.20260206

Regular Articles

The impact of key ecological function areas on county-level ecological efficiency: An empirical analysis based on multi-period difference-in-differences model

  • DENG Guang-yao ,
  • HAN Fu-xiao
Expand
  • Lanzhou University of Finance and Economics, Lanzhou 730020, China

Received date: 2025-05-06

  Revised date: 2025-08-15

  Online published: 2026-01-14

Fold

Abstract

National key ecological function areas are crucial for ensuring national ecological security. A deep understanding of their influence on county-level ecological efficiency is crucial for informing policy assessment, advancing the high-quality development of national key ecological function zones, and reinforcing national ecological security barriers. Employing Chinese county-level panel data from 2005 to 2022, this study constructs a measurement system for ecological efficiency and applies a multi-period difference-in-differences method to examine how the designation of national key ecological function areas affects county-level ecological efficiency. This helps reveal the internal implementation paths of ecological function areas and ensures national ecological security. Key findings of this study are as follows: (1) Following a series of robustness checks, including parallel trend tests, placebo tests, PSM-DID, sample truncation, and controls for policy interference, the results confirmed that the implementation of the national key ecological function areas policy significantly improved ecological efficiency in the designated regions. Under fixed time and individual effects, the policy increased the ecological efficiency of the treatment group by an average of 3% compared to the control group. Industrial structure upgrading and fiscal structure adjustment are two effective paths for enhancing county-level ecological efficiency. Mediation effect analysis shows they partially mediate between national key ecological function areas and ecological efficiency. (2) Heterogeneity analysis by geographical location shows that national key ecological function areas in the eastern and central regions have a significant positive impact on local ecological efficiency, while those in the western region have a significant negative effect. Analysis by ecological function area type indicates that the establishment of areas for biodiversity maintenance, water conservation, and soil and water conservation significantly improve county-level ecological efficiency. In contrast, windbreak and sand-fixation areas exert no significant negative impact. (3) The spatial spillover effects are examined by employing a geographical distance matrix and a spatial Durbin model with both spatial and temporal fixed effects. The analysis reveals that the national key ecological function areas policy generates positive spatial spillover effects, significantly enhancing ecological efficiency in both local and neighboring counties. These effects remain robust after employing economic geography nested matrices and economic distance matrices.

Key words： national key ecological function areas; ecological efficiency; spatial spillover effects; difference-in-differences method

Cite this article

DENG Guang-yao , HAN Fu-xiao . The impact of key ecological function areas on county-level ecological efficiency: An empirical analysis based on multi-period difference-in-differences model[J]. JOURNAL OF NATURAL RESOURCES, 2026 , 41(2) : 407 -424 . DOI: 10.31497/zrzyxb.20260206

在四十余年工业化、城镇化的改革开放进程中，中国的经济取得了极大的发展，但这种发展模式忽视了生态文明建设的重要性。粗放的经济发展方式导致了资源利用率低及环境污染物排放过量等问题，进而使得生态效率处于较低水平。中国的区域生态效率总体上呈现出东部>中部>西部的梯度分布格局，并且随着时间推移，除北京、上海等少数大城市外，绝大多数的省（自治区、直辖市）生态效率仍然呈现下降趋势[1]。2011年和2016年中共中央、国务院分别颁布了《全国主体功能区规划》（以下简称“《规划》”）和《关于同意新增部分县（市、区、旗）纳入国家重点生态功能区的批复》（以下简称“《批复》”），《规划》中指出重点生态功能区以增强生态支撑能力、促进经济社会可持续发展为目标，因地制宜地发展不影响主体功能定位的适宜产业，引导超载人口逐步有序转移，打造保障国家生态安全的重要区域和人与自然和谐相处的示范区。在限制开发、禁止开发的开发原则之下，国家重点生态功能区的设立会如何影响县域生态效率?能否在满足经济发展需求的同时，最大限度地减少对生态环境的负面影响，实现可持续发展。基于此，本文以国家重点生态功能区的设立为切入点，构建生态效率的测算体系，研究国家重点生态功能区的设立对县域生态效率的影响。这对于揭示生态功能区政策的内在实现路径，保障国家生态安全具有重要意义。
生态效率的本质在于以最小的资源消耗和环境成本实现最大的经济效益[2]。目前围绕生态效率的研究主要有以下三个方面：一是生态效率的影响因素研究。邱兆林[3]通过建立面板Tobit模型得出，技术进步是生态效率提升的主要驱动因素，经济发展、产业结构、环境规制、对外开放和基础设施可以对生态效率产生显著影响。张秋凤等[2]通过Super-SBM模型测算了京津冀、长三角等五大城市群的生态效率，研究结论表明生态效率均值为：长三角>珠三角>京津冀>成渝>长江中游，并且通过面板Tobit模型回归得出人口密度和经济发展水平对城市生态效率有显著的促进作用。孙华平等[4]运用超效率EBM-GML模型测算了长三角城市群的生态效率，研究发现由于能源利用率低、能源结构不合理等原因导致仅少数城市投入产出有效率，大部分城市效率不高，其通过Tobit模型得出经济发展、产业结构高级化等因素可以显著提高生态效率。二是相关政策对于生态效率影响的研究。杨家辉等[5]通过构建渐进双重差分模型检验创新型城市的设立对城市生态效率的影响，研究得出创新型城市的设立对城市绿色生态效率具有显著的提升作用，并且该政策效应具有明显的空间溢出效应。郭炳南等[6]通过建立DID模型，基于“波特假说”与“遵循成本假说”理论得出低碳城市试点政策能够显著提升城市生态效率，并且该政策对东部城市以及非资源型城市的促进作用更强。Wu等[7]通过构建Super-EBM模型测算了2005—2017年中国244个城市的生态效率，通过构建动态空间面板杜宾模型发现生态效率与产业聚集之间存在显著的倒“U”型关系，并且大多数城市的生态效率低于“集聚拐点”。三是在生态效率的测度方面，由于超效率SBM模型在区分高效率单元、处理非期望产出、考虑松弛变量等方面表现出显著优势，因此在生态效率的测算中得到了广泛应用。涂涛等[1]通过超效率SBM模型测度了2005—2016年中国各省（自治区、直辖市）的生态效率，结果表明，整体上生态效率呈现“东部地区>中部地区>西部地区”。王圣云等[8]基于非期望产出的SBM模型和Tobit面板模型对31个省（自治区、直辖市）1990—2016年的农业生态效率进行实证分析，研究发现中国农业生态效率明显降低，并且呈现明显的区域特征，华南地区的农业效率最高，东北、西北、长城沿线、青藏区和西南地区农业生态效率较低。
目前关于国家重点生态功能区的相关研究主要集中以下几个方面。首先是重点生态功能区政策的经济效益和环境影响。侯孟阳等[9]通过双重差分法研究得出，国家重点生态功能区的设立在促进经济增长的同时还可以对环境质量产生显著的正向影响，能够实现“金山银山”与“绿水青山”的双赢。杨喆等[10]通过PSM-DID模型研究发现重点生态功能区的设立可以显著增加当地农民的收入，实现绿色减贫。谢婷婷[11]研究发现空间利用效率提升、产业结构转型和中央转移支付是国家重点生态功能区实现环境保护与经济增长的重要路径。二是国家重点生态功能区转移支付的相关影响研究。杨秋月等[12]通过多期双重差分法研究得到国家重点生态功能区生态转移支付政策可以显著降低试点地区的碳排放总量。曹鸿杰等[13]通过研究得到生态功能区转移支付对公共服务供给和生态环境保护有明显的激励作用。陈帅等[14]认为生态功能区转移支付可以显著提升区域经济发展、公共服务水平以及环境质量，但是对生态资源质量的提升作用并不显著。最后国家重点生态功能区在生态补偿[15]、产业准入制度[16]、绿色发展[17]、政策制定[18]、缩小城乡收入差距[19]等多方面均有不同程度的研究。
综上所述，学者围绕生态效率和重点生态功能区政策两个方面均进行了多维度、深层次的研究，但仍存在两个问题：首先、关于生态效率的研究缺乏在县域微观层面上的实证分析，使得基层生态效率的影响因素与作用机制难以精准评估。其次、关于国家重点生态功能区的研究主要以某一局部地区为研究对象，缺乏宏观层面的分析，使得国家重点生态功能区的政策异质性与政策溢出效应未能充分揭示。基于此，本文的创新点在于：（1）在全国县（区）级行政单位这一较小层面上分析生态功能区政策对于生态效率的影响，可以对政策效果进行更加细致的观察，有助于更加准确地识别因果关系；（2）在探究国家重点生态功能区政策对生态效率影响的同时，分析其作用机制与空间溢出效应，为经济可持续发展和生态保护提供理论支撑与数据分析。

1 研究假设

（1）直接效应：重点生态功能区以保护和修复生态环境，提供生态产品为首要任务。一方面，生态功能区区域以限制开发、禁止开发为主要原则，限制或者禁止开展与主体功能区不符的开发活动，力求实现污染物“零排放”。另一方面，政府建立科学的绩效考核评价标准，对于生态功能区区域，弱化经济指标评价，强化环境与农业的绩效评价，明确各级政府，各个部门的相关职责，推动生态功能区政策的顺利实施。另外，生态功能区政策通过引导产业结构升级，因地制宜地打造生态产业，加大政府转移支付等手段，提高地区生产总值和人均可支配收入。总的来说，重点生态功能区政策可以在提升环境质量的同时不牺牲经济发展，即在不增加资源损耗和环境成本的基础上保障经济效益。
（2）间接效应：国家重点生态功能区通过实施更加严格的产业准入政策，促进产业梯度转移或者淘汰，适度发展生态农业、旅游、服务业等措施保持经济增长速度。通过优化产业结构，发展污染较少的地域适宜性产业，同步推进区域经济增长和污染物排放强度降低。这些措施可以有序地引导第一、第二产业向污染较小的生态农业和服务行业转移，从而推动产业结构升级，提高区域生态效率。根据《中央对地方重点生态功能区转移支付办法》，重点生态功能区转移支付资金主要是用于保护生态环境与改善民生，生态转移支付不仅可以助力地方政府改善生态环境，减轻限制开发与禁止开发对地方经济产生的影响，还可以激励地方政府加强环境保护、改善民生。从而达到促进县域经济质量提高、社会福利增进和生态环境保护的目的[20]。
（3）空间效应：由于国家重点生态功能区具有跨区域连片分布的地理特征，因此在探究国家重点生态功能区的设立对本地生态效率影响的同时，还应该考虑其对邻近地区生态效率的影响。国家重点生态功能区作为“政策锚点”，通过政策模仿、制度示范、技术扩散等方式推动跨区域环境治理协作。同时国家重点生态功能区通过相关政策改善环境质量，提升当地生态效率，邻近地区自然条件相似、经济联系紧密，其政策效果可以通过环境外部性对周边地区产生空间溢出效应。因此，在研究本地政策效果的同时，还应进一步探究生态功能区政策对周边地区的溢出效应，避免因忽视空间依赖性而导致政策评估偏误。
基于上述分析，本文提出以下假设：
假设1：重点生态功能区政策的实施可以显著提高区域生态效率。
假设2：重点生态功能区政策可以通过产业结构升级和财政结构调整提高区域生态效率。
假设3：重点生态功能区政策对生态效率的影响具有显著的空间溢出效应。

2 研究方法与数据来源

2.1 模型设置

2.1.1 Super-SBM模型

Super-SBM模型是传统数据包络分析（DEA）模型的重要拓展。传统的DEA模型包括CCR和BCC模型，用于衡量一组决策单元的相对效率，但无法处理非期望产出。因此本文采用Tone[21]在2002年提出的Super-SBM模型，该模型基于修正后的松弛变量构建非径向和非角度的DEA模型，其可以处理非期望产出，允许被评估的决策单元的效率值大于1，区分相对更高效的单元，能够更精确地评估决策单元的效率。模型设定如下：
m i n ρ = 1 - 1 m ∑ i = 1 m   s i - x i k 1 + 1 s ∑ r = 1 s   s r + y r k
∑ j = 1 ,   j ≠ k n   λ j x i j + s i - = x i k ,   i = 1 ,   2 ,   … ,   m
∑ j = 1 ,   j ≠ k n   λ j y r j - s r + = y r k ,   r = 1 ,   2 ,   … ,   s                           λ j ≥ 0 ,     j = 1 ,   2 ,   … ,   n , ( j ≠ k )
s r + ,   s i - ≥ 0 ,   r = 1 ,   2 ,   … ,   s ,   i = 1 ,   2 ,   … ,   m
式中：式（1）为目标函数，ρ为区域生态效率； x i k表示第i个输入的第k个决策单元的值； y r k表示第r个输出的第k个决策单元的值； s i -、 s r +分别为输入的松弛变量、输出的松弛变量； λ j为权重变量；m、s分别代表输入、输出的数量（个）；n为决策单元的数量（个）； x i j表示第j个决策单元的第i个投入变量； y r j表示第j个决策单元的第r个产出变量。本文基于上述模型和表1的生态效率评价指标体系，利用MATLAB软件计算样本县域的生态效率。
表1 生态效率评价指标体系

Table 1 Eco-efficiency evaluation indicator system

指标类型 一级指标 二级指标
投入 能源投入 能源消费总量/百万tce
资本投入 资本存量/万元
劳动投入 年末单位从业人员人数/人
三大产业从业人员人数/万人
产出 期望产出 地区生产总值/万元
归一化植被指数
非期望产出 PM2.5/(μg/m3)
CO2排放量/百万t
污水排放量/万m3

2.1.2 多期双重差分模型

本文将国家重点生态功能区的设立视为一项准自然实验，将重点生态功能区政策覆盖的县域作为政策组，其余县域作为对照组，由于国家重点生态功能区是分批设立的，因此本文通过多期DID模型对政策效应进行评估。模型设定如下：
E E i t = α 0 + α 1 d i d i t + α 2 X i t + α i + γ t + ϵ i t
式中： E E i t代表地区i在时间t上的生态效率； d i d i t为政策虚拟变量，若地区i在时间t被设立为国家重点生态功能区则取值为1，否则取值为0； α 0表示截距项； α 1为政策效果的估计系数； α 2表示控制变量的估计系数； X i t代表一系列控制变量； α i和 γ t分别为个体固定效应和时间固定效应； ϵ i t为误差项。

2.1.3 中介效应模型

在基准回归模型的基础上，通过构建以下模型检验产业结构升级和财政结构调整的中介效应，模型设定如下：
M i t = λ 0 + λ 1 d i d i t + λ 2 X i t + α i + γ t + ϵ i t
E E i t = β 0 + β 1 d i d i t + β 2 M i t + β 3 X i t + α i + γ t + ϵ i t
式中：M代表中介变量，即产业结构升级（ISU）和财政结构调整（FSA）； λ 0、 β 0为截距项； λ 1代表国家重点生态功能区的设立对中介变量的影响； λ 2表示控制变量对中介变量的影响； β 1表示国家重点生态功能区的设立对生态效率的直接效应； β 2表示中介变量对生态效率的影响； β 3表示在加入中介变量的情况下，控制变量对生态效率的影响大小。具体检验过程为：先对式（5）进行回归，若估计系数 α 1显著，则证明重点生态功能区设立对生态效率有显著作用；再对式（6）和式（7）分别进行回归，若 β 1不显著而 λ 1、 β 2显著则表明存在完全中介，若 λ 1、 β 1、 β 2均显著则表明存在部分中介效应。

2.1.4 空间杜宾模型

本文选用地理距离矩阵作为空间权重矩阵，利用时空双固定效应的空间杜宾模型分析空间溢出效应，模型设定如下：
E E i t = γ 0 + γ 1 d i d i t + γ 2 X i t + ρ W E E i t + ϕ 1 W d i d i t + ϕ 2 W X i t + α i + γ t + ϵ i t
式中：W为空间权重矩阵； γ 0为截距项； γ 1为核心解释变量的估计系数； γ 2为控制变量的估计系数；ρ表示空间自回归系数，表示邻近地区的生态效率对本地区生态效率的影响，若该系数显著，说明县域生态效率本身存在空间溢出效应； ϕ 1为核心解释变量空间滞后项的系数，表示邻近地区的重点生态功能区政策对本地区生态效率的影响； ϕ 2为控制变量空间滞后项的系数。

2.1.5 莫兰指数

本文通过构建地理距离矩阵，使用Stata 18软件，采用Moran's I全局空间自相关系数检验县域生态效率的空间依赖程度，计算公式如下：
I = n ∑ i = 1 n   ∑ j = 1 n   w i j × ∑ i = 1 n   ∑ j = 1 n   w i j x i - x - x j - x - ∑ i = 1 n   x i - x - 2
式中：n=1411，是样本数量（个）； w i j代表空间权重矩阵W中的元素（i, j）； x i和 x j是地区i和地区j的生态效率； x -是生态效率的平均值。Moran's I的值通常介于-1~1之间，正值则代表正空间自相关，负值为负空间自相关，0则代表无空间自相关。

2.2 变量描述

2.2.1 被解释变量

被解释变量为生态效率（Ecological Efficiency，EE），本文通过参考现有研究[3,4,22]以及数据可得性的基础之上，构建了县域生态效率的评价指标体系（表1）。通过采用非期望产出的超效率SBM模型对生态效率进行测算，然后对测算值取对数。具体地，在投入指标方面，主要包括能源投入、资本投入、劳动投入。能源投入主要以各地区能源消费总量（百万tce）表示。资本投入利用各地区资本存量表示，使用永续盘存法进行计算，具体计算方法为式（10）。其中，i代表地区；t代表年份；K代表资本存量（万元）；δ为资本折旧率，参考张军等[23]的研究，将资本折旧率取9.6%；I代表当期投资（万元），采用全社会固定资产投资进行表示。劳动投入采用年末单位从业人员人数与三大产业从业人员人数表示。在产出指标方面，主要包括期望产出和非期望产出两个方面。期望产出利用各地区的地区生产总值和归一化植被指数（NDVI）进行表示。非期望产出则是通过PM2.5、CO2排放量以及污水排放量进行度量，其中，由于县级层面的三大产业从业人员人数和污水排放量数据可得性很低，故利用市级数据进行估算，具体估算方法为：
县从业人员人数=(县GDP/市GDP)×市从业人员人数、县污水排放量=(县GDP/市GDP)×市污水排放量。
K i t = K i t - 1 1 - δ + I i t

2.2.2 核心解释变量

本文的核心解释变量（did）为国家重点生态功能区设立的虚拟变量，即个体虚拟变量treat和时间虚拟变量post的交互项。个体虚拟变量在对照组取值为0，在政策组取值为1。时间虚拟变量在国家重点生态功能区政策实行之前取值为0，政策实行之后取值为1。当地区i在第t年被设立为国家重点生态功能区，did则取值为1，反之则为0。其中政策组共包含371个县域（第一批227个，第二批144个），根据《规划》以及《批复》的出台时间，确定2011年为第一批政策组起始时间，2016年为第二批政策组的起始时间。

2.2.3 控制变量

除了环境保护政策外，生态效率还会受到社会经济发展以及基础资源禀赋等多种因素的影响，因此，需要对其进行控制。在参考已有文献[1,9,24,25]的基础上，本文主要选择以下变量为控制变量：（1）人口密度（PD）：采用年末总人口与行政区域土地面积的比值（万人/km2）表示；（2）城乡收入差距（UR）：采用城镇居民人均可支配收入与农村居民人均可支配收入的比值表示；（3）产业结构（IS）：采用第二产业值增加值与GDP的比值进行表示；（4）政府干预程度（GOV）：利用财政支出占地区生产总值的比例进行表示；（5）投资水平（IN）：用全社会固定资产投资与GDP的比值进行表示。

2.2.4 中介变量

为探究国家重点生态功能区政策对县域生态效率的间接影响机制，本文选取产业结构升级（ISU）和财政结构调整（FSA）作为本文的中介变量。产业结构升级采用第三产业增加值与第二产业增加值的比值进行表示；财政结构调整采用地方财政一般预算支出与地方财政一般预算收入之间的差值占地区生产总值的比例表示。

2.3 数据来源

为探究国家重点生态功能区对县域生态效率的影响，本文收集了2005—2022年中国1411个县（市、区）的面板数据。国家重点生态功能区名单与功能区类型通过《规划》与《批复》文件整理所得。能源消耗量数据来源于西南财经大学陈建东教授团队[26]通过拼接DMSP/OLS和NPP/VIIRS两套卫星夜间灯光数据，采用PSO-BP粒子群优化神经网络算法，估算了中国2735个县的能源消耗量。CO2排放量数据来源于中国碳核算数据库（https://www.ceads.net.cn/）发布的中国县级尺度二氧化碳排放清单。PM2.5是根据美国圣路易斯华盛顿大学大气成分分析组提供的卫星衍生的PM2.5数据整理所得，其涵盖了中国1998—2021年各区县的PM2.5浓度水平。归一化植被指数（NDVI）数据来源于NASA（https://www.earthdata.nasa.gov/）定期发布的MOD13A3数据集中的逐月NDVI数据，然后求年平均值所得。所涉及的其他社会经济数据均来自《中国县域统计年鉴》《中国区域经济统计年鉴》《中国城市建设统计年鉴》。部分缺失数据通过参考丁斐等[27]的做法，采用R软件中Mice包提供的多重填补法随机森林算法进行插值。研究样本不包含香港特别行政区、澳门特别行政区和台湾地区，由于西藏自治区数据缺失严重，故剔除了其样本。为避免极端值的干扰，对所有连续性变量进行了1%水平的缩尾处理。最终得到了包含1411个县（市、区）的面板数据，变量的描述性统计见表2，各自变量之间的方差扩大因子VIF均在10以下并且平均VIF为1.50，因此各变量之间无明显的多重共线性。
表2 描述性统计

Table 2 Results of descriptive statistics

变量类型 变量名称 样本量/个 平均值 标准差 最小值 最大值 VIF
被解释变量 EE 25398 -0.899 0.383 -1.684 0.074
核心解释变量 did 25398 0.147 0.354 0 1 1.28
控制变量 PD 25398 0.034 0.028 0.001 0.129 1.32
UR 25398 2.518 0.767 1.411 5.348 1.24
IS 25398 0.424 0.149 0.095 0.790 1.40
GOV 25398 0.213 0.143 0.049 0.828 2.35
IN 25398 0.791 0.361 0.163 2.045 1.40

3 结果分析

3.1 稳健性检验

3.1.1 平行趋势检验

平行趋势检验是DID因果推断结果可信的关键前提条件，其核心思想是政策组与对照组在重点生态功能区政策实施之前有相同的趋势，也就是在国家重点生态功能区设立之前，政策组与对照组的生态效率具有相同的变动趋势。本文通过构造式（11）进行平行趋势检验。其中， D i t k是一个虚拟变量，表示个体i在时间t处于政策实施前后的第k期， β k为对应的估计系数，其余变量与式（5）相同。由于本文的观察时间为2005—2022年，而第一批和第二批国家重点生态功能区的设立时间分别为2011年和2016年，这就导致国家重点生态功能区政策实施前后的相对时间达到了11年，时间过于冗长，因此将第7年之后的时间归并至第7年，将-7年之前的时间归并至-7年并将这一时间虚拟变量删除，避免多重共线性。
E E i t = α + ∑ k = - 6 - 1   β k D i t k + β 0 D i t 0 + ∑ k = 1 7   β k D i t k + β X i t + α i + γ t + ϵ i t
式中： α是截距项； β 0表示政策实施当年的估计系数； D i t 0是表示个体i在时间t是否处于政策实施当年的虚拟变量； β表示控制变量的估计系数。
平行趋势检验结果如图1所示，其中，横轴为政策实施前后的年份数，纵轴为政策效应。可以看出，在国家重点生态功能区设立之前的相对时间虚拟变量系数值较小且均不显著，这表明，在政策实施之前实验组和对照组的生态效率无显著差异。证明国家重点生态功能区政策满足平行趋势假设。
图1 平行趋势检验

Fig. 1 Parallel trend test

3.1.2 安慰剂检验

为确保基准回归结果的稳健性，判断生态效率的提升是否受到其他偶然因素的影响。本文参考杨颜嘉等[20]的做法进行了安慰剂检验，具体做法是：随机抽取处理组，重复500次并对式（5）进行回归，将每次得到的虚构政策效应回归系数与基准回归的系数进行比较。若虚构的政策效应与真实的政策效应之间具有显著差异，则表明基准回归结果没有受到其他偶然因素的影响。如图2所示，结果表明，虚构处理组的估计系数均在0附近。因此说明基准回归结果的稳健性较强。
图2 安慰剂检验

Fig. 2 Placebo test

3.1.3 PSM-DID

由于国家重点生态功能区的设立并非完全随机，而是根据区域生态系统格局、生态环境敏感性与生态系统服务功能空间分异规律等因素综合评定的，故样本的选择缺乏随机性，容易产生内生性问题，因此使用PSM-DID模型进行稳健性检验。通过参考白俊红等[28]的做法，将人口密度、城乡收入差距、产业结构、政府干预程度以及投资水平作为匹配变量，采用面板数据转化法和逐期匹配法得到截面PSM和逐年PSM两套数据集，然后使用倾向得分匹配后的数据集运用多期DID方法重新估计国家重点生态功能区的设立对县域生态效率的影响。表3展示了不同倾向得分匹配方法下的回归结果。结果表明，不论是截面PSM还是逐年PSM，did的估计系数均为正且通过了显著性检验，与基准回归结果无明显差异，表明重点生态功能区政策对生态效率的促进作用是稳健的。
表3 PSM-DID回归结果

Table 3 Regression results of PSM-DID

变量 截面PSM 逐年PSM
EE EE
did 0.021*** 0.015**
(0.006) (0.006)
常数项 -0.744*** -0.769***
(0.021) (0.021)
控制变量 YES YES
个体效应 YES YES
时间效应 YES YES
样本量/个 23795 22828
R2 0.765 0.764

注：括号内为稳健标准误，***P<0.01、**P<0.05，下同。

3.1.4 剔除部分样本

由于省会城市与直辖市在政治和经济上的特殊性，使得其在人才、资金、消费、产业资源等方面与其他城市相比存在较大优势，这可能导致样本之间存在差异。故本文剔除了省会城市与直辖市所辖县域，保留其他1304个县域重新进行重新估计，回归结果见表4。结果表明，在剔除了样本中省会城市以及直辖市所辖县域之后，在不加入控制变量的情况下，did估计系数为0.034，加入控制变量之后，其回归系数为0.028，均通过了1%的显著性检验，可以看出，不论是否加入控制变量，did的估计系数均与基准回归结果无明显差异，证明了回归结果的稳健性。
表4 剔除部分样本

Table 4 Excludes some samples

变量 （1） （2）
EE EE
did 0.034*** 0.028***
(0.006) (0.006)
常数项 -0.883*** -0.711***
(0.002) (0.021)
控制变量 NO YES
个体效应 YES YES
时间效应 YES YES
样本量/个 23472 23472
R2 0.725 0.764

3.1.5 排除其他政策影响

国家重点生态功能区是维护国家生态安全的重要屏障，其在政策实施过程中与其他相关政策共同作用促进区域生态效率。在本文考察期内，分为2010年、2012年、2017年三个批次出台的低碳城市试点政策和2008年当年及之后分批设立的创新型城市与本文密切相关。郭炳南等[6]的研究表明：低碳城市试点政策可以促进城市生态效率的提升。杨家辉等[5]的研究表明：创新型城市的设立可以显著提升城市绿色生态效率。因此，为了排除其他政策的干扰，本文在基准回归模型中分别加入低碳城市（carbon_city）和创新型城市（innov_city）的时间虚拟变量，以控制该政策对估计结果的影响。回归结果见表5，根据表5结果可知，在控制了低碳城市试点政策和创新型城市之后，did的系数仍然显著为正，且与基准回归结果相比变化很小，说明回归结果是稳健的。
表5 排除其他政策干扰

Table 5 Excludes other policy interferences

变量 低碳城市 创新型城市
EE EE
did 0.030*** 0.028***
(0.006) (0.006)
低碳城市 0.001
(0.005)
创新型城市 -0.046***
(0.006)
常数项 -0.740*** -0.735***
(0.019) (0.019)
控制变量 YES YES
个体效应 YES YES
时间效应 YES YES
样本量/个 25398 25398
R2 0.769 0.770

3.2 生态功能区政策促进生态效率

利用式（5）进行基准回归得到表6，结果表明，核心解释变量的估计系数显著为正，不论是否加入控制变量，也不论是否固定时间和个体，重点生态功能区政策对区域生态效率都有显著的正向促进作用。列（4）的结果表明：在固定时间和个体的前提下，经过国家重点生态功能区政策的影响，政策组的生态效率比对照组生态效率平均提高了3%，其结果在1%的水平上显著，说明国家重点生态功能区的设立可以显著提升区域生态效率，假设1得到验证。在控制变量中，人口密度对生态效率有显著的消极影响，由于人口过多会导致生态功能区内的环境承载压力变大，进而对生态效率产生消极的负面影响，因此，需要逐步地转移过载人口，减少生态功能区人口的占比，降低人口密度，提高人口质量，降低人类活动对生态环境的压力；城乡收入差距对生态效率有显著的负向影响，这可能由于城乡收入差距通过资源错配、消费分化、政策失灵等原因加剧环境压力并抑制生态效率提升；产业结构升级可以显著提高生态效率，这是因为降低第二产业在GDP中的占比，将第二产业向污染较小的第三产业、生态农业等进行转移，可以在不对经济发展水平产生较大波动的前提下，降低环境污染，提升生态效率；政府干预和投资水平的回归系数为负，表明当前政府支出结构与投资水平不利于提高生态效率。
表6 基准回归结果

Table 6 Benchmark regression results

变量 （1） （2） （3） （4）
EE EE EE EE
did 0.137*** 0.132*** 0.036*** 0.030***
(0.007) (0.008) (0.006) (0.006)
PD -1.100*** -0.838***
(0.106) (0.320)
UR -0.040*** -0.021***
(0.004) (0.004)
IS 0.331*** 0.400***
(0.020) (0.022)
GOV 0.520*** -0.083***
(0.029) (0.028)
IN -0.347*** -0.294***
(0.009) (0.006)
常数项 -0.919*** -0.757*** -0.904*** -0.740***
(0.003) (0.015) (0.002) (0.019)
个体效应 NO NO YES YES
时间效应 NO NO YES YES
样本量/个 25398 25398 25398 25398
R2 0.016 0.100 0.730 0.769

3.3 产业结构升级和财政结构调整的中介效应分析

上述回归结果说明了县域生态效率受国家重点生态功能区显著的正向影响。为了探究该政策对生态效率的影响机制，本文引入产业结构升级（ISU）和财政结构调整（FSA）两个中介变量进行检验。回归结果见表7。
表7 中介效应检验

Table 7 Test of mediating effect

变量 产业结构升级 财政结构调整
EE ISU EE EE FSA EE
did 0.030*** 0.129*** 0.028*** 0.030*** 0.012*** 0.027***
(0.006) (0.027) (0.006) (0.006) (0.002) (0.006)
ISU 0.018***
(0.003)
FSA 0.279***
(0.041)
常数项 -0.740*** 3.023*** -0.794*** -0.740*** -0.010 -0.737***
(0.019) (0.092) (0.021) (0.019) (0.007) (0.019)
控制变量 YES YES YES YES YES YES
个体效应 YES YES YES YES YES YES
时间效应 YES YES YES YES YES YES
样本量/个 25398 25398 25398 25398 25398 25398
R2 0.769 0.653 0.770 0.769 0.927 0.770
分析表7结果可知，列（1）与列（4）是基准回归结果，与前文结果一致。从列（2）结果可以看出，国家重点生态功能区的设立可以推动产业结构升级。列（3）是将产业结构升级（ISU）作为中介变量加入模型进行回归得到的结果，从列（3）可以看出，did与ISU的估计系数分别为0.028与0.018，表明重点生态功能区与产业结构升级共同促进县域生态效率，并且产业结构升级在国家重点生态功能区和生态效率之间发挥了部分中介作用。列（5）结果说明生态功能区设立可以显著提高财政结构调整。列（6）显示重点生态功能区政策和财政结构调整共同提高了县域生态效率，且did的估计系数下降，这表明，财政结构调整在国家重点生态功能区和生态效率之间发挥了部分中介作用。综上所述，重点生态功能区政策不仅直接提升了政策覆盖区域的生态效率，还通过推动产业结构升级和优化财政结构调整间接促进了县域生态效率。假设2初步得到验证。为验证中介效应的显著性，采用Bootstrap法，经过1000次重复抽样，检验产业结构升级和财政结构调整在国家重点生态功能区与生态效率关系中的中介效应。其中，产业结构升级的间接效应观测系数为0.0062，自助法标准误为0.00082，95%的置信区间为 [0.0047,0.0079]；财政结构调整的间接效应观测系数为0.0033，自助法标准误为0.0010，95%的置信区间为 [0.0016,0.0057]。置信区间均不包含0，表明中介效应显著，假设2得到验证。

3.4 地理空间区位和生态功能区类型的异质性分析

3.4.1 地理空间区位

本文将观测样本按省级行政区划分为东、中、西三个部分，并分别对其进行回归，回归结果见表8。
表8 基于地理空间区位的异质性分析

Table 8 Heterogeneity analysis based on geographical spatial location

变量 东部地区 中部地区 西部地区
EE EE EE
did 0.084*** 0.034*** -0.038***
(0.012) (0.009) (0.010)
常数项 -0.901*** -0.646*** -0.772***
(0.036) (0.031) (0.034)
控制变量 YES YES YES
个体效应 YES YES YES
时间效应 YES YES YES
样本量/个 8208 9378 7812
R2 0.789 0.697 0.811
由结果可知，东部地区的did回归系数为0.084，中部地区的did回归系数为0.034，并且都通过了1%的显著性检验，因此国家重点生态功能区的设立对东部与中部地区的生态效率具有显著的正向促进作用，东部、中部地区拥有相对成熟的产业基础、高效的市场机制、较强的政府治理能力以及良好的生态环境，因此其能够充分地承接政策红利，依靠充裕的政府财政和先进绿色技术产业，实现生态效率的提升。而在中国西部地区，国家重点生态功能区政策对生态效率有显著的负向作用，其可能的原因是，西部地区经济高度依赖资源型产业，产业结构韧性薄弱，导致难以快速发展替代产业，并且，西部地区的自然条件和生态本底较差，传统产业占比较高，绿色技术渗透率较低导致产业转型困难，因此西部地区生态功能区政策对生态效率负面影响是自然条件约束与产业结构矛盾等多种因素共同作用的结果。

3.4.2 生态功能区类型

《规划》将国家重点生态功能区划分为水土保持型、水源涵养型、生物多样性维护型以及防风固沙型四种类型。由于生态功能区的资源禀赋与主体定位不同，可能会对政策的执行效果产生影响，因此根据四种类型的重点生态功能区对政策效果进行异质性分析，回归结果见表9。由回归结果可知，政策对四种类型的功能区生态效率影响存在明显的异质性，水土保持型、水源涵养型、生物多样性维护型功能区均能显著促进生态效率的提升，防风固沙型功能区对生态效率的负向作用并不显著。水土保持型通过实行恢复植被、封山禁牧、加强流域治理等方法，推行节约用水与雨水集蓄，减少人为因素造成新的水土流失，巩固退耕还林、退耕还草成果，通过拓宽农民收入以解决农民长远生计；水源涵养型通过湿地、森林、草原等生态系统的维护重建，禁止过度放牧、采矿、开荒等破坏性活动，协同推进流域治理，以保护具有水源涵养功能的自然植被，保障流域生态安全和水质安全。生物多样性维护型具有保障自然生态系统与物种栖息地的重要功能，防止外来有害物种打破动植物种群平衡，以实现野生动植物资源的良性循环和永续利用。与防风固沙型相比，这三种生态功能区具有良好的自我恢复能力，其恢复过程具有低成本，可持续的特点，因此，对于生态效率的促进作用更为突出。防风固沙型生态功能区实行禁牧休牧，恢复植被的方法，对主要沙尘源区，沙尘暴频发区实行封禁管理，其一般为沙漠化程度高，生态系统脆弱的区域，且大多处于西部地区，因此受到自然条件、社会经济、产业结构等多方面因素的制约，对生态效率的影响可能并不尽人意。
表9 基于生态功能区类型的异质性分析

Table 9 Heterogeneity analysis based on the types of ecological function zones

变量 水土保持型 水源涵养型 生物多样性维护型 防风固沙型
EE EE EE EE
did 0.040*** 0.033*** 0.028** -0.019
(0.012) (0.008) (0.013) (0.019)
常数项 -0.800*** -0.767*** -0.787*** -0.798***
(0.022) (0.021) (0.022) (0.022)
控制变量 YES YES YES YES
个体效应 YES YES YES YES
时间效应 YES YES YES YES
样本量/个 20412 21978 19944 19224
R2 0.757 0.758 0.756 0.746

3.5 空间效应分析

3.5.1 空间相关性检验

Moran's I的计算结果如表10，根据表10结果可知，所有年份的Moran's I均大于0，且全部通过了1%的显著性水平，表明县域生态效率具有显著的空间正相关性。
表10 县域生态效率的Moran's I

Table 10 Moran's I of ecological efficiency in county-level areas

年份 莫兰指数 Z P 年份 莫兰指数 Z P
2005 0.449 19.825 0.000 2014 0.545 24.082 0.000
2006 0.498 21.993 0.000 2015 0.525 23.198 0.000
2007 0.451 19.928 0.000 2016 0.534 23.574 0.000
2008 0.454 20.056 0.000 2017 0.534 23.615 0.000
2009 0.481 21.269 0.000 2018 0.535 23.621 0.000
2010 0.474 20.966 0.000 2019 0.565 24.959 0.000
2011 0.482 21.308 0.000 2020 0.502 22.164 0.000
2012 0.474 20.937 0.000 2021 0.501 22.141 0.000
2013 0.510 22.516 0.000 2022 0.478 21.120 0.000

3.5.2 空间计量模型

空间计量模型的选择是进行后续分析的基础，本文通过借鉴郭炳南等[6]的做法选择空间计量模型，结果见表11，具体做法为：首先基于Wald检验与LR检验在1%的显著性水平上拒绝空间杜宾模型会退化为空间滞后模型或空间误差模型，其次Hausman检验结果（χ2=1178.91***）强烈支持固定效应，进一步通过似然比联合检验发现时空双固定效应模型显著优于个体固定或时间固定效应。因此，最终选择使用时空双固定效应的空间杜宾模型分析国家重点生态功能区的设立对生态效率的空间溢出效应。
表11 空间模型检验

Table 11 Spatial model inspection

检验方法 检验名称 统计值 P值
Wald检验 Wald-SDM/SAR 461.250 0.000
Wald-SDM/SEM 213.150 0.000
LR检验 LR-SDM/SAR 454.100 0.000
LR-SDM/SEM 213.350 0.000
Hausman Hausman test 1178.910 0.000
固定效应检验 LR-both/ind 805.970 0.000
LR-both/time 29159.170 0.000

3.5.3 空间计量结果分析与稳健性检验

表12报告了时空双固定效应的空间杜宾模型下国家重点生态功能区的设立对生态效率的估计结果。由于空间距离能更好地刻画区域间的相互作用和环境外部性传播，因此本文对于生态效率的空间溢出效应主要关注地理距离矩阵。表12列（1）的生态效率空间滞后项（rho）的估计系数在1%的显著性水平上为正，即邻近地区生态效率提升的同时可以促进本地区的生态效率，表明县域生态效率存在显著的正向空间溢出效应，可能的原因是，生态效率的提高可以通过环境的外部性促进邻近地区生态效率的提升。进一步，核心解释变量空间滞后项（W×did）的估计系数也显著为正，这说明邻近地区的重点生态功能区政策同样也可以提升本地区的生态效率。
表12 空间杜宾模型估计结果

Table 12 Estimation results of the spatial Durbin model

变量 地理距离矩阵 经济地理嵌套矩阵 经济距离矩阵
did 0.0056 0.0042 0.0241***
(0.006) (0.006) (0.005)
W×did 0.0246*** 0.194*** 0.0204
(0.008) (0.075) (0.018)
rho 0.385*** 0.964*** 0.0880***
(0.006) (0.008) (0.015)
σ 2 0.0276*** 0.0312*** 0.0335***
(0.000) (0.000) (0.000)
个体效应 YES YES YES
时间效应 YES YES YES
样本量/个 25398 25398 25398
R2 0.056 0.001 0.032
为检验模型结果的稳健性，通过参考鲍丙飞等[29]的做法，构建经济地理嵌套矩阵和经济距离矩阵，使用空间杜宾模型进行回归，得到的估计结果如表12所示。由表12的结果可知，在不同的空间权重矩阵下，控制一系列控制变量之后，空间杜宾模型的rho值均显著大于0，因此更加充分地说明设立国家重点生态功能区对县域生态效率的提升作用在空间距离与经济距离双重维度中依然具有显著的溢出特征，且国家重点生态功能区的设立对于生态效率的促进作用并未产生明显变异，表明利用地理距离矩阵得到的估计结果是稳健的。

3.5.4 空间效应分解

由于相邻地区存在大量的交互信息，仅采用估计系数解释空间计量结果仍然不够精确，为更加精准地理解国家重点生态功能区政策对本地以及邻近地区生态效率的影响机制，本文利用地理距离矩阵将空间效应分解为直接效应、间接效应和总效应，回归结果见表13。根据表13的结果，核心解释变量的总效应和间接效应的估计系数均在1%的显著性水平上大于0，直接效应的估计系数在10%的显著性水平上为正。说明重点生态功能区政策对于本地和邻近地区的生态效率均具有显著的促进作用，说明重点生态功能区政策对生态效率的影响具有显著的空间溢出效应，假设三得到验证。可能的原因是：国家重点生态功能区通过划定生态空间、限制城镇化工业化开发、举行生态移民、进行生态补偿等举措，减少污染物排放与人为活动等因素对生态环境的负面影响，有利于提高生态系统质量、增强生态系统的服务功能，提升当地的生态效率，同时国家重点生态功能区的设立可以通过政策制度的示范性、生态环境的连通性、技术手段的扩散性等作用机制，推动邻近地区在生态环境保护方面的相互借鉴、模仿和学习，进而促进邻近地区生态效率的提升。
表13 空间效应分解结果

Table 13 Decomposition results of spatial effects

变量 直接效应 间接效应 总效应
did 0.0099* 0.0394*** 0.0493***
(0.006) (0.011) (0.012)
PD -0.0206 -2.116*** -2.136***
(0.276) (0.512) (0.563)
UR -0.0086*** -0.0179*** -0.0265***
(0.003) (0.006) (0.006)
IS 0.238*** 0.389*** 0.627***
(0.019) (0.035) (0.038)
GOV -0.0806*** -0.0155 -0.096**
(0.023) (0.041) (0.044)
IN -0.301*** 0.0247** -0.276***
(0.005) (0.010) (0.012)

注：*P<0.1。

4 结论与讨论

4.1 结论

本文基于2005—2022年中国县域面板数据，将主体功能区规划作为一项准自然实验，利用超效率SBM模型测算县域生态效率，使用多期双重差分法探究了国家重点生态功能区对于县域生态效率的影响。研究结果表明：（1）重点生态功能区政策显著促进了政策覆盖县域的生态效率，使得政策覆盖地区的生态效率相对于非覆盖地区平均提高了3个百分点，说明国家重点生态功能区政策是提升生态效率的有效途径，能够在改善生态环境的同时兼顾经济发展。这一结论在经过PSM-DID、剔除部分样本等稳健性检验后依然成立。（2）在作用机制方面，重点生态功能区政策能够通过促进产业结构升级和财政结构调整来提高政策覆盖地区的生态效率。重点生态功能区政策以限制开发、禁止开发的原则，分类管理的区域政策，促进产业转型，完善公共财政体系，不断促进产业结构升级与财政结构调整，进而促进生态效率。（3）异质性分析，在地理空间区位方面，国家重点生态功能区政策对生态效率的促进作用在东部地区和中部地区是显著的，并且在东部地区的促进作用相对更强，而在中国西部地区重点生态功能区的设立对生态效率是显著的负向作用；在生态功能区类型方面，水土保持型生态功能区对县域生态效率的促进作用要优于水源涵养型和生物多样性维护型生态功能区，而防风固沙型生态功能区对生态效率的负向作用不显著。因此，应该加大各级财政对西部地区的财政投入力度，实施配套的产业政策、土地政策、农业政策、人口政策，不断提高生态系统的稳定性。四、空间效应分析结果表明，重点生态功能区政策对生态效率的影响存在显著的空间溢出效应，并且根据地理距离矩阵分解得到的总效应、直接效应以及间接效应的估计系数均显著为正，说明重点生态功能区政策对政策覆盖地区和邻近地区的生态效率均有显著的正向影响。

4.2 政策启示

根据上述研究结论，本文提出以下四点建议：（1）构建国家重点生态功能区的长效推进机制。基准回归结果表明，国家重点生态功能区的设立在促进县域生态效率提升的过程中发挥了重要作用，因此需要继续推动重点生态功能区政策的实施，协调生态环境保护与经济社会发展的关系，以增强生态支撑能力、促进社会可持续发展为目标，不断提高区域生态效率。（2）大力推动产业结构高级化、优化财政支出结构。机制分析揭示了国家重点生态功能区政策可以通过推动产业结构升级和优化财政结构调整两条路径提升政策覆盖地区的生态效率。因此，重点生态功能区应该继续坚持“限制开发与禁止开发”的原则，制定合理的产业准入清单，建立完善的评估和考核机制，提高生态农业、服务业等“低能耗、低污染”行业的占比，加大财政支出在生态保护方面的支持，提高区域生态效率。（3）因地制宜地构建适合不同区域、不同类型的多元化生态治理体系。根据本文异质性分析结果，重点生态功能区政策对于县域生态效率的正向促进作用在西部地区和防风固沙型生态功能区并不显著。由于防风固沙型生态功能区大多处于西部地区，而西部地区的自然条件和生态本底较差，沙漠化程度高，生态系统脆弱。因此，应该加大专项转移支付资金和地方政府的环保投入，完善生态产品价值实现机制。同时对于受资源禀赋制约与产业结构单一性影响较深的区域，应该探索适应性生态修复技术，推动产业转型，积极发展服务业或生态农业。（4）加强区域融合发展。根据空间效应分析结果，国家重点生态功能区的设立对县域生态效率的促进作用有显著的空间溢出效应。因此，应该打破行政壁垒，促进不同区域间的经济、社会、生态等方面的融合协调发展，实现区域间的资源共享、优势互补和协同进步，增强政策覆盖地区在生态效率提升方面的辐射和带动作用，充分发挥国家重点生态功能区县域的正向溢出效应。

4.3 讨论

本文在全国县（区）级行政单位这一较小层面上分析生态功能区政策对于生态效率的影响，可以对政策效果进行较为细致的观察，有助于更加准确地识别因果关系，并且分析了生态功能区政策的中介效应，异质性以及空间溢出效应，为经济可持续发展与生态环境保护提供了理论支撑和数据分析。同时，研究也存在一些局限性，在生态效率指标体系的构建中，由于部分指标的县域数据完整性很差，可得性较低，在能源投入、资本投入中对于第一产业的代表性比较欠缺，导致生态效率难以完全反映出第一产业的特征，未来的研究可以进一步探寻能够科学反映第一产业的相关指标。在研究内容上，尽管本文研究了国家重点生态功能区政策对生态效率的中介效应、空间效应等，但限于篇幅，未能对其动态效应进行研究，缺乏对政策效果时滞性和持续性的捕捉。因此，在后续研究中还应该做进一步的探究。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
涂涛, 朱庆莹, 梅昀, 等. 中国省域生态效率时空格局变化及优化策略研究. 水土保持研究, 2022, 29(2): 380-388.

[TU T, ZHU Q Y, MEI Y, et al. Spatio-temporal pattern changes and optimal strategies of provincial ecological efficiency in China. Research of Soil and Water Conservation, 2022, 29(2): 380-388.]

[2]
张秋凤, 肖义, 唐晓, 等. 中国五大城市群生态效率的演变及其影响因素. 经济地理, 2022, 42(11): 54-63.

DOI

[ZHANG Q F, XIAO Y, TANG X, et al. The spatial-temporal evolution and influencing factors of eco-efficiency in the five major urban agglomerations of China. Economic Geography, 2022, 42(11): 54-63.]

DOI

[3]
邱兆林. 长江经济带与黄河流域生态效率差异及影响因素分析. 当代经济管理, 2022, 44(6): 39-49.

[QIU Z L. An analysis of ecological efficiency differences and the causes between the Yangtze River Economic Belt and the Yellow River Basin. Contemporary Economic Management, 2022, 44(6): 39-49.]

[4]
孙华平, 陈婷婷, 胡诗宇. 绿色生态效率时空分异特征及其影响因素研究: 基于长三角城市群的实证分析. 生态经济, 2024, 40(11): 155-165.

[SUN H P, CHEN T T, HU S Y. Study on spatial and temporal differentiation characteristics of green ecological efficiency and its influencing factors: Empirical analysis based on the Yangtze River Delta Urban Agglomeration. Ecological Economy, 2024, 40(11): 155-165.]

[5]
杨家辉, 刘强, 徐生霞. 创新型城市的设立是否提升了绿色生态效率. 经济体制改革, 2023, (4): 184-192.

[YANG J H, LIU Q, XU S X. Does the creation of national innovation cities enhance green eco-efficiency. Reform of Economic System, 2023, (4): 184-192.]

[6]
郭炳南, 唐利, 张浩. 城市低碳治理对生态效率的影响: 基于低碳城市试点政策的准自然实验. 华东经济管理, 2023, 37(8): 82-90.

[GUO B N, TANG L, ZHANG H. The impact of urban low-carbon governance on ecological efficiency: A quasi-natural experiment based on the low-carbon city pilot policy. East China Economic Management, 2023, 37(8): 82-90.]

[7]
WU K, YOU K R, REN H, et al. The impact of industrial agglomeration on ecological efficiency: An empirical analysis based on 244 Chinese cities. Environmental Impact Assessment Review, 2022,96: 106841, Doi: 10.1016/j.eiar.2022.106841.

[8]
王圣云, 林玉娟. 中国区域农业生态效率空间演化及其驱动因素: 水足迹与灰水足迹视角. 地理科学, 2021, 41(2): 290-301.

DOI

[WANG S Y, LIN Y J. Spatial evolution and its drivers of regional agro-ecological efficiency in China's from the perspective of water footprint and gray water footprint. Scientia Geographica Sinica, 2021, 41(2): 290-301.]

[9]
侯孟阳, 席增雷, 张晓, 等. 国家重点生态功能区的环境质量与经济增长效应评估. 中国人口·资源与环境, 2023, 33(1): 24-37.

[HOU M Y, XI Z L, ZHANG X, et al. Assessing the environmental quality and economic growth of the National Key Ecological Function Areas. China Population, Resources and Environment, 2023, 33(1): 24-37.]

[10]
杨喆, 李晴晴, 薛文晧. 国家重点生态功能区设立对农村居民收入的影响: 基于PSM-DID的实证分析. 资源科学, 2023, 45(1): 144-157.

DOI

[YANG Z, LI Q Q, XUE W H. Impact of the establishment of National Key Ecological Functional Areas on the rural residents' income: Empirical analysis based on PSM-DID. Resources Science, 2023, 45(1): 144-157.]

DOI

[11]
谢婷婷. 国家重点生态功能区如何实现环境保护与经济发展的平衡. 世界经济, 2024, 47(5): 34-63.

[XIE T T. Achieving a sustainable balance: Strategies for environmental protection and economic development in key national ecological function zones. The Journal of World Economy, 2024, 47(5): 34-63.]

[12]
杨秋月, 刘萧萧, 李佐军. 生态转移支付的碳减排效应研究: 基于国家重点生态功能区转移支付的经验研究. 财经研究, 2024, 50(4): 34-48.

[YANG Q Y, LIU X X, LI Z J. The carbon-reduction effect of ecological fiscal transfers: Evidence from transfer payments for national key ecological function zones. Journal of Finance and Economics, 2024, 50(4): 34-48.]

[13]
曹鸿杰, 卢洪友, 祁毓. 分权对国家重点生态功能区转移支付政策效果的影响研究. 财经论丛, 2020, (5): 21-31.

[CAO H J, LU H Y, QI Y. Study on the impact of decentralization on the effect of transfer payments of national key ecological function areas. Collected Essays on Finance and Economics, 2020, (5): 21-31.]

[14]
陈帅, 王智鹏, 侯孟阳, 等. 国家重点生态功能区转移支付的效应评估: 基于经济发展、公共服务供给与生态环境治理视角. 中国人口·资源与环境, 2024, 34(10): 125-136.

[CHEN S, WANG Z P, HOU M Y, et al. Effect evaluation of transfer payments in national key ecological functional areas: Based on the perspectives of economic development, public service supply, and ecological environment governance. China Population, Resources and Environment, 2024, 34(10): 125-136.]

[15]
范庆泉, 刘惠, 刘祎男, 等. 京津冀生态补偿是否具有“增绿”效应: 来自国家重点生态功能区转移支付重点补助的证据. 经济学报, 2024, 11(1): 416-444.

[FAN Q Q, LIU H, LIU Y N, et al. Does ecological compensation in the Beijing-Tianjin-Hebei Region affect eco-environmental protection: Evidence from the key subsidies for transfer payment in national key ecological functional areas. China Journal of Economics, 2024, 11(1): 416-444.]

DOI

[16]
谭洁. 广西重点生态功能区产业准入负面清单制度赋能乡村产业振兴: 机理、挑战与对策: 民族事务治理法治化系列研究之一. 广西民族研究, 2022, (5): 180-189.

[TAN J. The negative list system of industry access in key ecological functional areas of Guangxi enabling rural industry revitalization: Mechanism, challenges and countermeasures: Series I of studies on the legalization of ethnic affairs governance. Guangxi Ethnic Studies, 2022, (5): 180-189.]

[17]
李国平, 马艺鸣, 曾先峰. 国家重点生态功能区绿色发展水平评价: 以陕西省为例. 统计与决策, 2024, 40(4): 129-133.

[ LI G P, MA Y M, ZENG X F. Evaluation of green development level in national key ecological function area: Taking Shaanxi province as an example. Statistics & Decision, 2024, 40(4): 129-133.]

[18]
林诗贤, 祁毓. 区位导向型生态环境政策的激励效应及策略选择. 财政研究, 2021, (6): 85-103.

[LIN S X, QI Y. The incentive effect and strategy choice of location-oriented ecological environmental policy. Public Finance Research, 2021, (6): 85-103.]

[19]
鲁玮骏, 张超. 生态保护补偿有助于缩小城乡收入差距吗? 基于国家重点生态功能区转移支付的经验证据. 财政研究, 2023, (7): 82-98.

[LU W J, ZHANG C. Does ecological compensation narrow the urban-rural income gap? Empirical evidence based on transfer payments in national key ecological function zone of China. Public Finance Research, 2023, (7): 82-98.]

[20]
杨颜嘉, 管睿, 田明. 国家重点生态功能区的设立能否推动区域高质量发展. 宏观经济研究, 2024, (6): 114-127.

[YANG Y J, GUAN R, TIAN M. Can the establishment of national key ecological function areas promote high-quality regional development?. Macroeconomics, 2024, (6): 114-127.]

[21]
TONE K. A slacks-based measure of super-efficiency in data envelopment analysis. European Journal of Operational Research, 2002, 143(1): 32-41.

DOI

[22]
朱靖宇, 崔冉. 绿色金融推动区域生态效率提升的机制与实践效果研究. 宏观经济研究, 2024, (10): 27-38.

[ZHU J Y, CUI R. A study on the mechanism and practical effects of green finance in promoting regional ecological efficiency improvement. Macroeconomics, 2024, (10): 27-38.]

[23]
张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算: 1952—2000. 经济研究, 2004, 39(10): 35-44.

[ZHANG J, WU G Y, ZHANG J P.The estimation of China's provincial capital stock: 1952-2000. Economic Research Journal, 2004, 39(10): 35-44.]

[24]
金声甜, 李小花. 国家重点生态功能区设立对县域碳排放强度的影响: 以长江经济带为例. 经济地理, 2023, 43(9): 139-147.

DOI

[JIN S T, LI X H. Impact of the establishment of national key ecological function zones on carbon emission intensity: Taking the Yangtze River Economic Belt as the research area. Economic Geography, 2023, 43(9): 139-147.]

[25]
刘蒙罢, 张安录, 文高辉. 长江中下游粮食主产区耕地利用生态效率区域差异与空间收敛. 自然资源学报, 2022, 37(2): 477-493.

DOI

[LIU M B, ZHANG A L, WEN G H. Regional differences and spatial convergence in the ecological efficiency of cultivated land use in the main grain producing areas in the Yangtze Region. Journal of Natural Resources, 2022, 37(2): 477-493.]

DOI

[26]
CHEN J D, LIU J L, QI J, et al. City-and county-level spatio-temporal energy consumption and efficiency datasets for China from 1997 to 2017. Scientific Data, 2022, 9: 101, Doi: 10.1038/s41597-022-01240-6.

DOI

[27]
丁斐, 庄贵阳. 国家重点生态功能区设立是否促进了经济发展: 基于双重差分法的政策效果评估. 中国人口·资源与环境, 2021, 31(10): 19-28.

[DING F, ZHUANG G Y. Has the establishment of National Key Ecological Function Areas promoted economic development? Evaluation of the policy effects based on a DID study. China Population, Resources and Environment, 2021, 31(10): 19-28.]

[28]
白俊红, 张艺璇, 卞元超. 创新驱动政策是否提升城市创业活跃度: 来自国家创新型城市试点政策的经验证据. 中国工业经济, 2022, (6): 61-78.

[BAI J H, ZHANG Y X, BIAN Y C. Does innovation-driven policy increase entrepreneurial activity in cities: Evidence from the national innovative city pilot policy. China Industrial Economics, 2022, (6): 61-78.]

[29]
鲍丙飞, 曾子洋, 肖文海, 等. 重点生态功能区转移支付对生态产业发展的空间效应: 以江西省80个县为例. 自然资源学报, 2022, 37(10): 2720-2735.

DOI

[BAO B F, ZENG Z Y, XIAO W H, et al. The spatial effect of transfer payments for key ecological function zones on the development of ecological industry: A case study of 80 counties in Jiangxi province. Journal of Natural Resources, 2022, 37(10): 2720-2735.]

DOI

Options
Outlines

/

〈 〉