智慧城市能否引领绿色革命？——基于中国123个试点城市的GDE效率测度与时空演进分析

本文通过超效率SBM模型（Slacks-Based Measure）和全局Malmquist-Luenberger（GML）指数，系统评估了中国123个智慧城市2009–2020年绿色发展效率（GDE）。研究发现：GDE呈波动上升趋势，技术变革（TC）是主要驱动力；区域差异显著，超变密度是差异主因；产业结构和对外开放对GDE有显著负向影响，而科技创新、信息化等因素则积极促进绿色转型。

　　

Green development efficiency

GDE（Green Development Efficiency）强调生态、环境和资源的综合利用效率，注重效率性、协调性与可持续性（Zhu et al., 2020）。它是指在实现经济增长的同时保护环境、提升资源利用效率的能力，是衡量可持续发展的核心维度。已有研究从不同视角采用多种方法对区域GDE进行了测度。

Research procedure and methods

具体研究流程与方法如图1所示。

首先，我们确定了可体现智慧城市GDE的测量变量，并采用超效率SBM（Super-SBM）模型进行计算。该模型将非期望产出纳入效率测度，并考虑松弛变量，从而规避了径向DEA模型的局限性，同时解决了无法比较效率值均为1的决策单元（DMUs）的问题。

Measurement of GDE in smart cities

使用MAXdea ultra 9.0软件对GDE进行了测度。为简洁起见，表3仅列出了按平均GDE排名前15的城市数据。

基于多年平均GDE，尚无城市达到完全有效状态，表明智慧城市在绿色发展方面仍有提升空间。具体而言，深圳、常德、鄂尔多斯、泉州、上饶和佳木斯的平均绿色发展效率均超过0.8，其中深圳、常德和鄂尔多斯位列前三。

Influencing factors of GDE in smart cities

我们使用Stata软件对智慧城市GDE的影响因素进行了回归分析，主要结果如表6所示。

根据表6，科技创新、城镇化、政府干预、交通基础设施和信息化对智慧城市GDE均具有显著正向影响。相反，产业结构和对外开放则呈现显著负向影响。从区域角度看，除个别因素外，不同区域的影响机制存在一定差异。

Conclusion

本研究采用超效率SBM模型计算了2009–2020年间中国123个智慧城市的GDE，并通过GML指数、Dagum基尼系数和GIS空间分析揭示了其时空演变趋势。随后，通过面板Tobit模型探讨了GDE的影响因素。研究发现，智慧城市GDE整体呈波动上升趋势，其驱动来自效率变化（EC）与技术变化（TC）的共同作用，其中TC贡献更为突出。