京津冀城市群生态效率的空间收敛性研究

孙 钰，梁一灿，齐艳芬，崔 寅

(1.天津商业大学公共管理学院，天津 300134；2.天津大学管理与经济学部，天津 300072；3.天津社会科学院，天津 300191）

京津冀城市群作为中国北方最大的城市群，经济总量占全国的近10%1），是国家核心增长极和高质量发展的“潜力股”。自京津冀协同发展上升到国家战略层面以来，其生态一体化理念逐渐深入人心。2020 年北京市出台的《关于建立更加有效的区域协调发展新机制的实施方案》强调要围绕“生态环境保护联动”而继续打破行政壁垒并深化区域合作机制，生态协同发展将成为推动“2035 年京津冀世界级城市群构架基本形成”的重要维度。然而，该区域仍然存在与之不相适应的环境质量差距，尤以河北各市落后于京津为突出表现。2019 年，北京和天津在全国168 个主要城市空气质量中处于上游地带，而河北省近一半城市均位于倒数10 名内2）。同时，京津第二产业比重（分别占16.5%和35.2%）较低，而河北钢铁、煤炭、水泥、焦化等高耗能高污染产业仍占据经济主导地位3），更拉低了区域治污的整体水平。区域环境发展不平衡成为影响京津冀城市群生态效率提升的制约因素。生态效率(Ecological efficiency)涉及经济发展、资源消耗和环境保护等综合层面。结合任宇飞等的研究［1］，本文将其定义为最小的资源环境投入与最大经济与环境效益产出之间的对比关系。探析京津冀13 个城市间生态效率的空间差异和非均衡程度，进而求解生态效率提升的策略，应具有重要的理论价值和现实意义。

1 文献综述

“生态效率”的研究方法涉及熵值法［2］、层次分析法和数据包络分析(DEA)等［3］，尤以DEA 相关方法（如三阶段DEA［4］、超效率DEA［5-6］、非期望产出SBM 模型）为主流［7-9］。本研究借助非期望产出SBM 模型对生态效率展开基本的测度评价之外［10-11］，更加关注区域的生态效率差异以及空间收敛对生态效率产生的影响。

1.1 区域差异与生态效率

众多学者在生态效率测算的基础上，以省域或市域为尺度，对生态效率区域差异进行了深入探讨。在全国省域范围，屈小娥［12］、任梅等［13］、韩增林等［14］、沈伟腾等［15］学者均发现，中国30 个省份生态效率整体上表现为“东高西低、两极分化”的地区分异特征，呈现出由东部沿海发达地区向中西部欠发达地区递减的阶梯状空间分布格局；汪艳涛等［16］研究指出中国全部省份生态效率偏低且东、中、西部地区发展不均衡、区域差异明显；ZHANG X X 等［17］对中国海洋牧场的生态效率进行差异分析后发现，不同海域表现为“黄海＞东海＞渤海＞南海”的地区差异格局。在局部省域范围，易杏花等［18］指出西部地区11 省份的生态效率显现“东高西低”的地区分异态势；顾荣华等［19］研究发现江苏省的生态效率显示出自南向北降低的地区分异格局。由于中国省级以上区域的生态效率存在显著差异，越来越多的学者进而锁定区域小范围，对城市等局部地理单元进行了更精细化的刻画，例如长三角城市群［2,20-21］、长江经济带城市群［22-23］、中原城市群［24］、黄河流域城市群等［25-26］。同时，鉴于京津冀区域污染情况日益受到社会广泛关注，有关京津冀城市群生态效率的研究也逐渐增多，但主要集中于效率评价及时空演变特征分析［27-28］。

1.2 空间收敛与生态效率

为进一步挖掘区域差异的程度及空间非均衡性，学者们进行了空间收敛性分析。在全国层面，前人多聚焦于某一行业生态效率的空间收敛性研究。比如侯孟阳等［29］就中国农业领域的生态效率引入空间效应因素进行了空间β 收敛性检验，研究得出中国农业生态效率存在显著的空间收敛性并且条件β收敛速度快于绝对β 收敛速度的结论，表明各城市的农业生态效率将会随时间的推移趋近其各自的稳定状态；张文彬等［30］探讨了中国能源领域生态效率的空间收敛性，发现全国均存在空间绝对β 收敛和条件β 收敛趋势，表明其能源生态效率的差距在缩小。在省域范围，关伟等［31］指出辽宁省工业生态效率存在显著的空间α 收敛、绝对β 收敛和条件β 收敛，其离散程度总体在缩小。在城市群范围，于伟等［32］对长三角、珠三角等八个城市群总体及内部的空间收敛性特征进行了检验，也指出八大城市群均存在绝对β 收敛和条件β 收敛，表明各城市群内部城市的生态效率将向各自的稳定状态收敛，其中，珠三角城市群收敛速度最快。

前人的学术成果为本文研究奠定了坚实的基础，然而仍存在一些薄弱环节尚待进一步夯实：第一，就研究区域而言，现有成果多为以省域为决策单元的生态效率研究，无法清晰地体现出各城市之间的不均衡性，且针对京津冀城市群各个城市差异性的研究鲜见；第二，就研究角度而言，现有研究大多以面板数据的时间序列为观测依据展开纵向角度测量，往往忽略横向对比分析；第三，就空间收敛性而言，多数学者对某一行业或领域的生态效率进行了空间收敛性检验，但针对京津冀城市群的空间非均衡性、收敛性趋势研究尚显留白。

在现有成果基础上，本文将从以下三个方面进行拓展：第一，将京津冀13 个城市作为研究区域，以求深度聚焦和刻画该地区生态效率的非均衡性；第二，从横向角度切入，探索性地将该地区以城市为单位划分为四大生态区，以求全面揭示京津冀城市群整体、区域内和区域间生态效率的差距；第三，基于空间视角，借助变异系数法和空间杜宾模型检验京津冀生态效率的σ 收敛、β 收敛和俱乐部收敛，以探析该地区生态效率差距的空间变动趋势，进而为缩小京津冀生态发展差距、提升生态效率水平提供策略选择。

2 研究区域、方法与数据来源

2.1 研究区域

京津冀城市群位于环渤海地区和东北亚核心地带，是中国三大核心城市群之一，范围涵盖“一省两市”，具体包括北京市、天津市以及河北省全域城市等13 个决策单元，地理区位如图1 所示。该区域的地域面积占全国2.25%，却承载着占全国8.07%的人口4），地少人多的局面使得经济发展与资源环境消耗之间的矛盾愈发凸显，提升生态效率就成为解决相关问题的突破口。本文截取2009—2019 年的数据对京津冀城市群生态效率进行测算与分析。

图1 研究区域范围

2.2 研究方法

2.2.1 基于非期望产出的超效率SBM 模型

数据包络分析法(DEA)是一种通过规划求解的形式测度决策单元(DMU)效率的非参数方法。本文借鉴Tone［33］的研究，运用扩展的DEA 模型，构建非径向、非角度的超效率SBM 模型来测度京津冀生态效率，致力于客观区分该地区经济发展、生态环境等方面的效率差异。将松弛变量纳入目标函数，既可以避免非期望产出的缺陷，也能够进一步对处于生产前沿面的决策单元(DMU)进行排序和对比评价，提升结果的准确性。模型构建为：

式中，假设有n个DMU，每个DMU 由投入m，期望产出r1和非期望产出r2构成，x、yd、yu为相应的投入矩阵、期望产出矩阵和非期望产出矩阵中的元素，ρ为生态效率值且大于0。

2.2.2 Dagum 基尼系数

本文借鉴Dagum 基尼系数分析京津冀城市群生态效率的地区差异［34］，相比传统基尼系数和Theil指数，该方法按照子群进行划分，既能有效追溯其生态效率差距的主要来源，也避免了样本间的重复问题。公式如（3）：

2.2.3 收敛性检验

为进一步分析京津冀生态效率地区差异情况及空间非均衡性，需进行收敛性检验。收敛性检验可分为σ 检验和β 检验。

⑴σ 收敛。σ 收敛是指区域生态效率的差距随着时间的演进逐渐减小，通常采用变异系数法进行考证。若变异系数随时间的推进而减小，即表明京津冀城市群生态效率存在σ 收敛。计算公式如下：

⑵β 收敛。β 收敛包括绝对β 收敛和条件β收敛，绝对β 收敛表示京津冀生态效率较低的城市比效率较高的城市拥有更快的增长率，条件β 收敛表示京津冀生态效率随时间的推移向各自的稳定状态趋近。京津冀协同发展的纵深推进使各地的经济联系愈发紧密，存在一定的空间依赖性，本文引入空间杜宾模型，建立其生态效率β 收敛的绝对β收敛和条件β 收敛模型。分别为：

⑶俱乐部收敛。俱乐部收敛的本质是京津冀城市群生态效率水平相似的城市有差距缩小的趋势。基于上述生态效率β 收敛的空间杜宾模型以及京津冀13 个城市的分组情况，继续对该区域生态效率的俱乐部收敛进行实证分析。

2.3 数据来源

截取2009—2019 年的数据对京津冀地区共计13 个城市的生态效率进行实证评价，原始统计数据主要来自于《中国城市统计年鉴》《中国城市建设统计年鉴》《中国环境统计年鉴》《中国区域经济统计年鉴》《北京统计年鉴》《天津统计年鉴》《河北经济年鉴》、各地市统计年鉴以及京津冀各个城市国民经济和社会发展统计公报、环境质量状况公报、统计局官网，部分指标数据由作者计算整理得到。无法收集的缺失数据用插值法（计算缺失数据前后两年的均值）补齐以体现科学性。

3 京津冀城市群生态效率评价指标体系建构

根据生态效率的内涵，京津冀城市群评价指标应是投入和产出的指标组合。借鉴学者们的相关研究［14,27,35-37］，遵循系统性、科学性、可操作性等指标选取原则，构建京津冀城市群生态效率评价指标体系。考虑到当前京津冀地区产业结构有待升级、资源消耗现象突出、生态效率亟待提升等现实情况，同时参考《关于统筹和加强应对气候变化与生态环境保护相关工作的指导意见》、《关于构建现代环境治理体系的指导意见》、《绿色发展指标体系》及世界可持续发展工商业委员会(WBCSD)给出的区域环境指标，选取的评价指标共包含14 项：投入指标涵盖资本投入、土地投入、能源投入（用水、用电消耗）、劳动力投入及环保投入五大维度；期望产出指标涉及经济增长、财政收入和城市绿化；在非期望产出框架下，还加入人们不期望看到的非期望产出，指标包括废水排放、工业废气排放及空气污染。其中，除共性指标外，鉴于京津冀地区高污染产业相对较多、大气污染较为严重的特殊情况，本文将“空气污染指数(API)”作为符合该区域实际情况的特性指标纳入非期望产出分析框架。该指数结果由各城市各年度氮氧化物、二氧化硫及PM10污染分指数的最大值而得，数值越大说明空气污染状况越严重。三种污染物排放量的原始数据来源于《中国城市统计年鉴》及中国空气质量在线监测分析平台。如上现有指标对于评价京津冀城市群生态效率水平具有较强的参考价值，如表1 所示。

表1 京津冀城市群生态效率评价指标体系

4 生态效率测算及地区差异分析

4.1 京津冀城市群四大生态区划分

2014 年，国家发改委为京津冀城市群初步划定“四区”5），旨在培育首都经济圈空间新格局。随着“十四五”规划大序幕的拉开，推进京津冀纵深纵宽拓展更需要下好生态协同发展这步“先手棋”。因此，在国家发改委分区的基础上，为进一步打破京津冀地域界限，落实“在生态环境保护领域率先取得突破”的时代新要求，同时更精准地识别其生态效率的差异来源，以优化空间全域生态保护格局，依据该区域自然地形地貌特点、近10 年平均经济总量和环境空气质量综合指数6），参考杨桐彬等［2］对长三角城市群的分区介绍，对京津冀城市群的区域划分进行探索性延伸，设定为中、东、南、北四大生态区：中部生态区涵盖北京、天津、廊坊和保定，地处京津冀核心区及延伸地带，环境空气综合质量和经济发展水平普遍较高且稳定；东部生态区涵盖唐山和沧州，两地紧傍渤海，第二产业和临港经济较发达，但由此造成的大量工业污染致使空气综合质量欠提升；南部生态区为石家庄、衡水、邢台和邯郸，大多城市远离首都核心区，经济功能有待进一步开发，并且西邻太行山脉，污染物不易排出，导致经济发展和空气质量综合水平普遍不乐观；北部生态区涵盖张家口、承德和秦皇岛，位于燕山山脉和坝上高原之间，植被覆盖率较大，环境空气综合质量高，然而，因地形地势阻隔，经济联系受限且发展相对吃紧。具体的区域划分（如图2 所示）为京津冀各生态区之间生态效率的测度及横向对比分析奠定了基础。

图2 京津冀城市群四大生态区

4.2 京津冀城市群生态效率测度

基于以上生态区的划分，使用非径向(Non-Oriented)、规模报酬可变(VRS)的超效率SBM 模型(Super-SBM-V)测算出2009—2019 年京津冀城市群各生态区城市的生态效率均值，如表2 所示。

表2 2009—2019 年京津冀城市群生态效率均值

由表2 的测算结果可知，京津冀城市群生态效率差距较大，生态效率值最高的北京是效率值最低的承德的5.6 倍。由图3 可知，2009—2019 年京津冀生态效率整体上大致处于中间水平7），存在较大的进步空间，进一步观察其四大生态区变动趋势可得：

图3 2009—2019 年京津冀生态效率水平变动趋势

⑴整体上中部生态区生态效率相对较高，而北部生态区生态效率较低，这与京津冀城市群经济发展实际情况相符合。⑵分阶段来看，以2015 年为转折，该城市群之前的生态效率处于波动上升态势，2012 年党的十八大“把生态文明建设放在突出地位”提供了前进方向，2014 年京津冀协同发展战略提供了前进动力，京津冀地区生态环境建设由此取得显著成效；而之后的生态效率则有所降低，尽管2016年后逐渐缓慢回升，但随着经济转向高质量发展阶段，生态效率提升速度有所放缓。⑶分区域来看，中部生态区、东部生态区以及南部生态区绝大多数年份的生态效率差距相对较小，变动趋势在整体平均值水平以上；反之，北部生态区的提升潜力和起伏最大，表明京津冀低生态效率城市的效率提升弹性往往比高效率城市更大。

4.3 京津冀城市群生态效率的差异性分析

4.3.1 总体基尼系数

2009—2019 年京津冀城市群生态效率的总体及分区域基尼系数如表3 所列。样本观察期内其生态效率的基尼系数总体上呈现波动下降态势，2009 年为0.213 5，2019 年为0.162 1，下降幅度达24.07%，表明该城市群整体的生态效率差距正在缩小，变动状态趋于平衡，同时存在收敛的可能性，需进一步进行收敛性检验。

表3 2009—2019 年京津冀城市群生态效率基尼系数及其分解

4.3.2 区域内基尼系数

由表3 中区域内基尼系数所示，不论是基尼系数数值大小的横向对比还是变动趋势的纵向分析，京津冀四大生态区内差异均各有其特点。横向对比可知，四大生态区基尼系数均值的排名由小到大依次为东部生态区（0.058 2）、中部生态区（0.087 2）、南部生态区（0.162 8）和北部生态区（0.306 1），表明东部生态区生态效率差距最小而北部生态区相对最大；纵向分析可知，中部生态区、东部生态区和北部生态区的生态效率基尼系数总体呈波动下降的态势，而南部生态区的生态效率基尼系数低高起伏、差距较大。具体而言，四大生态区基尼系数发展差距由小到大依次为中部生态区、东部生态区、北部生态区和南部生态区。由基尼系数分析可见，中部生态区生态效率“内核实力强劲”；东部生态区生态效率差距小但需继续提质增效；南部生态区生态效率差距较大且“先天薄弱、后天不足”；而北部生态区虽生态效率基础差但有进步趋势。这正印证了前文对于京津冀生态效率“中东领先，南北落后”整体格局的描述。

4.3.3 区域间基尼系数

由表3 横向对比可知，中部—北部生态区的基尼系数最高（均值为0.606 5），这是由于中部生态区内的城市经济繁荣和生态协同融合构成了相得益彰的“组合优势”，远高于北部生态区，致使两个区域间资源合理配置和环境保护治理的差距悬殊；纵向分析可发现，2009—2019 年间，京津冀城市群局部区域间发展不均衡现象凸显。在基尼系数上升的区域间，以中部—北部生态区基尼系数的差异最大，而在基尼系数下降的区域间，中部—东部生态区降幅最大，年均降低率为55.6%8）。这两大生态区内的城市本身即拥有最高的经济发展度和生态协同度，加之具备得天独厚的地缘优势以及发达的沿海经济，使区域内的城市之间在经济联系和要素流动方面最为密切，由此带来生态效率差距的迅速缩小也就不言而喻。

4.3.4 差异来源及其贡献率

由表3 报告的京津冀城市群生态效率差异来源及其贡献率可发现，区域间差异的贡献率最高，平均贡献率为68.90%，表明区域间差异是京津冀城市群生态效率差距的主要来源；用于识别区域间城市交叉重叠问题的超变密度贡献率次之，平均贡献率为18.62%，且11 年间下降趋势明显，表明城市交叉重叠现象正在逐渐消失；区域内差异贡献率最低，平均贡献率为12.48%，表明各区域内部的差异对京津冀生态效率的总体差异贡献较小。可见，要着重从缩小区域间差异的角度出发解决生态效率的区域不平衡问题。

5 生态效率空间收敛性分析

5.1 变量选取

在前文基于基尼系数呈现出京津冀城市群生态效率差异大小及来源的基础上，为进一步验证其空间非均衡性，接下来进行空间收敛性检验。借鉴李琼等［38］、罗能生等人［39］的研究成果，选取经济、技术、环境等层面的6 个代表性指标作为控制变量来考察京津冀生态效率的空间收敛性及差距的成因：1）城市化率(URB)。较高的城市化水平是经济发展的重要标志，但是易对大气环境、水环境和生物环境等带来负面影响，因此选取城市化率这一变量来反映京津冀经济增长活力和对其环境产生的影响；2）产业结构(IND)。第二产业包括钢铁、采矿等各类工业，是生态环境的主要污染来源，选取第二产业增加值占地区GDP 的比重这一变量衡量京津冀地区的工业发展情况以反映该地区产业结构的合理度及对生态的威胁度；3）人口发展(PD)。人口发展和集聚会对经济环境造成双重的影响，本文用人口密度，即常住人口数与城市区域面积的比重来表示；4）对外开放程度(FDI)。对外开放已达成全球性共识，有利于吸收发达国家提升生态效率的先进技术或管理经验。用当年实际使用的外资金额占城镇从业总人数的比重来刻画；5）科技进步(SCI)。科学技术是第一生产力，科技创新和进步有利于促进资源集约利用及高端绿色产业的发展，而人才资源是其核心推动力，选取科学研究、技术服务和地质勘查业从业人数占城镇从业总人数的比重来表示科技进步；6）环境规制(ENV)。政府通过对工业企业进行监督，采取有效的工具手段治理大气污染，选取工业二氧化硫去除率来表示其排污程度及规制强度，从而影响生态效率。如表4 所示。

表4 京津冀城市群生态效率控制变量

5.2 收敛性检验

5.2.1 σ 收敛性检验

表5 报告了样本观察期内根据变异系数测算的京津冀城市群生态效率的σ 收敛系数。从京津冀城市群整体层面来看，2009—2019 年间，该区域生态效率的σ 收敛系数总体趋于震荡下降态势，状态倾向稳定，意味着具有σ 收敛特征；从局部生态区来看，中部、东部及北部生态区的σ 收敛系数表现为波动下降趋势，呈σ 收敛特征，而南部生态区则反之，整体离散程度较大。其中，东部生态区的σ 收敛系数最小，平均值为0.164 5，而北部生态区具有最大的σ 收敛系数（平均值为0.737 4），离散程度最大，这与上文所述的区域内基尼系数差异的结果保持一致，检验有效。

表5 2009—2019 年京津冀城市群生态效率σ 收敛系数

5.2.2 β 收敛性检验

⑴空间相关性检验

本文运用GeoDa 软件计算京津冀各年份各城市生态效率值的全局Moran's Ⅰ指数，检验其生态效率的空间相关性。由于各城市间存在公共边界，选用rook 空间邻接权重矩阵对生态效率的空间相关系数进行测度，结果显示该城市群生态效率存在显著的空间正相关关系（如表6 所示）。

表6 京津冀城市群各年生态效率莫兰指数

⑵β 收敛实证分析。由上述分析知，京津冀城市群生态效率存在空间相关性，应采用空间计量模型进一步考察。由于东部生态区两个城市不存在邻近关系无法构建邻接权重矩阵，本文构建经济距离权重矩阵（利用两市之间人均GDP 年均值绝对差值的倒数表示矩阵的元素）进行绝对β 收敛和条件β 收敛检验。

1）生态效率的绝对β 收敛。表7 显示了京津冀城市群生态效率的绝对β 收敛检验结果。Hausman 检验结果表明应选择空间固定效应模型，后采用极大似然法对固定效应空间杜宾模型进行估计。观察可知，β 收敛系数在1%的水平下显著为负，表明京津冀城市群生态效率呈现明显的绝对β 收敛趋势，这意味着京津冀各城市生态效率终将收敛于稳定形态，低生态效率城市的追赶速度相比高效率城市更快，城市间的差距逐步拉近；同时，生态效率的空间自回归系数和空间滞后项系数ρ 均显著为正，表明其生态效率存在明显的空间溢出效应，这意味着邻近城市间更容易互相借鉴提高。其中，中部生态区生态效率空间滞后项系数ρ 显著为负，表明该生态区具有空间负相关性，城市间可能存在内部竞争关系，应进一步加强协作。

表7 京津冀及四大生态区绝对β 收敛检验结果

2）生态效率的条件β 收敛。如表8 所示，在将产业结构、城镇化水平等要素作为控制变量后，京津冀城市群β 收敛系数依旧在1%的水平下显著为负，表明该地区生态效率呈显著的条件β 收敛趋势，各城市间生态效率将逐渐向各自的稳定状态发展。由控制变量的回归结果可知，对外开放程度、科技进步和环境规制对生态效率产生显著的正向影响，这表明开放的大门能够为该区域带来先进的管理经验、人才等优质资源，并且科技进步和环境治理是提升生态效率的有力武器；而产业结构、人口密度和城市化率则反向变动，表明京津冀产业结构偏重第二产业、人口等资源承载压力大等现实情况阻碍生态效率进步，警示其发展不可只关注GDP、城市发展等经济指标，应积极转变生产生活方式，走集约高效、环境友好的绿色发展之路。

表8 京津冀及四大生态区生态效率条件β 收敛检验结果

⑶俱乐部检验。进一步观察表7和表8可以发现，四大生态区生态效率的绝对β 收敛和条件β 收敛系数均显著为负，表明区域内城市存在俱乐部收敛特征。然而其收敛速度各异，南部生态区绝对β 收敛系数以及南部、北部生态区条件β 收敛系数较大，意味着南部、北部生态区生态效率收敛速度较快，而中部、东部生态区则相反。这表明生态效率水平较低的南北部生态区城市相比水平较高的中部、东部生态区城市而言，尽管差距明显，但是具有更大的差距缩小弹性和空间，提升潜力较大。

6 结论与建议

6.1 结论

将京津冀13 个地级及以上城市划分为四大生态区，截取2009—2019 年间的面板数据，构建基于非期望产出的超效率SBM 模型测算其生态效率，在运用Dagum 基尼系数描述其差异及来源后，进一步借助变异系数法和空间杜宾模型对其生态效率进行空间收敛分析。研究结论如下：

⑴从时序演进的特征看，京津冀城市群生态效率总体上潜藏降低风险，提升动力不足，四大生态区之间显现一定差距。中部生态效率居于突出地位而北部生态区排名末位，这与区域经济发展的客观水平一致。与此同时，生态区之间的差距有缩小的势头，但多年的发展基础致使“中部领先、北部落后”的现状仍未改变。

⑵从区域差异的横纵分析看，总体基尼系数的趋势呈波动式下降，表明“趋于平衡、差距缩小”的区域生态效率状态逐渐显现，然而其内部生态效率发展并不均衡，表现为区域间差异贡献率最高，超变密度贡献率次之，区域内差异贡献率最低，说明区域间差异是京津冀生态效率非均衡性的主要来源。

⑶从空间收敛性研究看，京津冀城市群整体均存在显著的σ 收敛、β 绝对收敛、β 条件收敛特征和明显的空间溢出效应；四大生态区多半（除南部生态区离散程度较大之外）具有σ 收敛特征，而β 绝对收敛、β 条件收敛、俱乐部收敛以及空间溢出效应在四大生态区均呈现显著特征。

6.2 京津冀城市群生态效率提升建议

根据前文生态效率差异和空间收敛性分析结果，京津冀地区应采取积极合理的措施来提升其生态效率，推动可持续发展。

⑴强化内生动力，规避生态效率降低的潜在风险。其一，京津冀13 市应自觉将生态一体化建设融入国家战略全局，树牢“一盘棋”意识。其二，以提升生态效率为抓手，在城市化建设、产业结构优化、科技进步和环境规制等方面构建和强化共建共治新机制，“共建”应以从城市环保机制和环境规制角度完善区域生态补偿机制、环境承载能力网络监测预警和污染防治区域联动机制的制度建设为基础，“共治”应以从产业结构和科技角度优化产业结构、增强科技创新能力为保障，驱动“外生变量”转化为“内生发力”。

⑵四大生态区要“抱团取暖”“同频共振”。其一，中部和东部先进生态区应继续发挥核心都市圈污染防治的生态溢出效应以及沿海经济圈的临港运输优势，将大气污染防治、生态修复补偿等环境治理经验以及前沿技术向南北部生态区传播推广。其二，南部北部滞后生态区也应“奋起直追”，积极学习借鉴“中东部”生态区的长处，重点加大张承地区坝上草原生态防护区、燕山—太行山水源涵养区等生态保护重点区域的养护力度，推动四大生态区“抱团取暖”、形成合力和均衡发展。

⑶打造富有活力的京津冀“绿色创新谷”，推动整个区域绿色转型。其一，应推动绿色转型进入“快车道”，大力支持绿色低碳能源、循环经济等领域产业兴旺，以培育绿色发展新动能巩固和促进京津冀生态效率收敛速度进一步加快。其二，依托京津两市一流高校和科研机构，辐射带动整个区域实施生态产业的创新驱动，将绿色创新技术作为新的空间溢出点以外溢至河北省各个城市，展开京津冀生态研发领域深度合作，致力于共同支持科技创新成果转化绿色生态空间，规范形成生态应用研究、绿色低碳技术研究的区域创新链，为我国其他类似区域提供最佳实践范式。

注释：

1)数据由2020 年《中国统计年鉴》中数据计算得出。

2)参照2019 年《中国生态环境状况公报》中城市空气质量排名。

3)数据来源于2019 年北京、天津和河北国民经济和社会发展统计公报。

4)数据由2019 年京津冀三地国民经济发展公报中各地的地域面积和人口数计算得出。

5)“四区”分别是指中部核心功能区(包括北京、天津、廊坊、保定)、冀中南功能拓展区(包括石家庄、衡水、邢台、邯郸)、临海文化发展区(覆盖天津、唐山、沧州)和北部生态功能区(覆盖张家口、承德、北京、秦皇岛、保定)。引自于中华人民共和国国家发展和改革委员会官方网站https://www.ndrc.gov.cn/。

6)数据来源于2009—2019 年京津冀各地市国民经济和社会发展公报以及北京、天津、河北省生态环境质量公报。

7)参照常新锋等学者的研究,生态效率值处于区间(0.5,0.9］为中等效率。来源于文后参考文献［21］。

8)由2019 年和2009 年中部生态区—东部生态区的基尼系数计算而得。