中国城镇化进程与区域生态效率关系的实证研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇中国城镇化进程与区域生态效率关系的实证研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
作者简介：罗能生，博士，教授，博导，主要研究方向为产权理论和制度经济学。
基金项目： 国家社会科学基金重大项目“推动我国区域经济、政治、社会、文化及生态协同发展研究”（编号： 11&ZD012）。
摘要 随着中国城镇化的不断推进，资源短缺与环境污染问题日益凸显，如何以最小的生态损耗获得最大的经济社会效益，是我国新型城镇化建设中面临的一个重要课题。本文利用中国1999-2011年省际面板数据，基于超效率DEA，在测度区域生态效率的基础上，通过对IPAT模型扩展建立了面板数据计量模型，研究了我国区域生态效率与城镇化水平的关系。研究表明，城镇化水平与区域生态效率呈非对称U型关系，且东、中、西区域差异明显，东部地区城镇化进程中的生态效率较高，部分省份已进入U型曲线的上升阶段，中西部还处于U型曲线的下降阶段，即随着城镇化水平的提高，区域生态效率不断下降，西部地区更为突出。而产业结构、环境政策和技术水平都从不同方面影响城镇化的生态效率。因此，必须进一步转变经济发展方式、优化环境政策、提高技术水平，进而提高城镇化的生态效率，推进资源节约、环境友好、经济高效的新型城镇化发展。
关键词 城镇化水平；生态效率；超效率DEA；区域差异
中图分类号 F062 文献标识码 A 文章编号 1002-2104（2013）11-0053-08 doi：10.3969/j.issn.1002-2104.2013.11.008
城镇化是推动我国经济增长和社会进步的重要“引擎”，但也带来了一系列的生态环境问题，比如城市的热岛效应、水华效应、灰霾效应、拥堵效应、垃圾效应等。近年来，城镇化进程中的资源短缺和环境退化问题成为制约我国经济持续发展的瓶颈。党的十报告明确指出，要把生态文明建设放到突出地位，着力提高城镇化质量，走集约、智能、绿色、低碳的新型城镇化道路。因此，如何以最小的生态损耗获得最大的经济社会效益，即提高生态效率，是我国新型城镇化建设中面临的一个重要课题。那么，我国区域城镇化进程中生态效率的基本状况是怎样的？城镇化是如何影响区域生态效率的？我国不同区域城镇化进程中生态效率的差异及其原因是什么？怎样去提高区域城镇化进程中的生态效率？本文拟就这些问题进行深入研究。
自1990年Schaltegger和Sturm首次提出生态效率概念以来，很多学者和机构对生态效率进行了深入研究，其中世界可持续发展商业理事会（WBCSD）的定义被广泛认可，即“生态效率是指提供能满足人类需要和提高生活质量的有价格竞争优势的产品和服务，同时使整个生命周期的生态影响和资源强度逐渐降低到和地球的估计承载力相一致的水平，并同时达到环境与社会协调发展的目标”[1]。生态效率是产品或服务的价值与环境影响的比值，它不仅表示经济增长与环境压力的关系，而且也代表着经济效率与环境效益的统一，这引起了很多学者对生态效率相关概念、指标以及评价方法的深入研究，如Hellweg等提出生态效率可以用相关费用和环境影响因子的比值来表示[2]；Kobayashi等利用DEA方法提出了一种基于径向投影决策单元的评价方法[3]；在此基础上也有学者开始研究生态效率与城市经济发展、产业结构等的关系，比如Grossman和Krueger研究发现随着城市经济水平的提高，城市生态环境呈现倒U型，并以此提出了著名的环境库兹涅茨曲线（EKC）[4]；陈傲以中国29个省际截面数据为样本，采用因子分析赋权的研究方法，评价了中国区域生态效率的差异性，并以区域生态效率评价值为因变量，利用线性回归模型，分析了环保资金投入、环境政策及产业结构等对生态效率的影响[5]。而对于城镇化的研究也比较多，但是主要集中于城镇化发展的特点、规律及其与经济增长、生态环境等的关系，比如黄金川、方创琳采用数理学方法对城市化和生态环境交互耦合的内在机理进行了分析[6]；简新华、黄锟通过对中国城镇化情况的实证分析和国际比较发现，中国城镇化目前的速度基本合适，且将保持较快发展的趋势[7]；朱孔来等通过建立VAR 模型，运用脉冲响应函数和方差分解分析了城镇化进程与经济增长之间的动态影响[8]； Burak等从生态、农业以及土地利用等方面，对地中海沿岸地区城市化发展过程进行研究，发现城市化会对生态环境造成一定的负面影响[9]；刘耀彬、宋学
锋建立了辩识城市化与生态环境耦合发展的指标体系，同时利用主成分加权合成方法分析了城市化与生态环境交互耦合关系[10]；王新杰、薛东前对西安市城市化与生态环境的发展模式进行了演化分析[11]；宋建波、武春友构建了城市化与生态环境发展水平的评价指标体系，并计算了长江三角洲城市群的城市化与生态环境发展水平，得出长三角城市群的城市化总体水平滞后于生态环境发展水平的结论[12]。
近年来，随着城镇化的不断推进，对生态效率和城镇化水平的研究越来越多，但是有关城镇化水平与区域生态效率相互关系的研究却很少，特别是我国正处于城镇化的快速增长时期，如何以最小的生态损耗获得最大的经济效益，进而促进新型城镇化与生态环境建设协同发展，是各区域政策决策者面临的一个重要问题，所以探讨城镇化对区域生态效率的影响具有十分重要的理论和实践意义。基于此，本文利用我国1999-2011年省际面板数据，在测度区域生态效率的基础上，通过建立面板数据计量模型，研究了我国各地区区域生态效率与城镇化水平的相关关系，同时由于各地区自然环境条件、经济发展水平以及资源种类不同，使得其城镇化水平与生态环境存在显著的地域特征，所以本文进一步从东、中、西三大地带分析了城镇化发展对区域生态效率的影响，进而为我国各区域确立城镇化发展目标、减少生态损耗、提高经济社会效益提供可供参考的政策建议。
1 中国省际区域生态效率的测度
1.1 模型和方法
数据包络分析方法DEA（Data Envelopment Analysis）是由Charnes和Cooper等人于1978年提出来的一种效率评价方法，该方法以相对效率为基础，以凸分析和线形规划为工具，根据多投入、多产出指标对相同类型决策单元DMU（Decision Making Units）的相对有效性进行测度的一种非参数统计方法[13]。由于DEA方法在建立模型前无须对数据进行无量纲化处理，也无须任何权重假设，而是以决策单元输入输出的实际数据求得最优权重，这有效解决了区域生态效率测度指标赋权的问题。
假设对n个地区的生态效率进行测度，每个地区都有m个投入变量和s个产出变量，xjk表示第k个决策单元的第j个输入变量，yjk表示第k个决策单元的第j个输出变量，其中第k个决策单元的输入表示为xk=（x1k，x2k，…，xmk）T，输出表示为yk=（y1k，y2k，…，ysk）T，θ是第k个决策单元的效率值，且满足0≤θ≤1，以第k个地区的效率评价为目标函数，以所有决策单元的效率指数为约束条件，使用CharnesCooper变换就可以得到经典C2R模型的线性表达式如（1）所示：
根据上式计算区域生态效率时，对于有效率的 DMU都显示为 1，不能区别出有效决策单元之间的效率差异，鉴于本文重点研究城镇化水平对区域生态效率的影响，所以为了避免多个评价单元同时处于前沿面最优而无法区分其生态效率的高低的情况，本文选择Andersen和Petersen提出的超效率DEA模型（Super Efficiency DEA，SEDEA）来测度中国各省市1999-2011年的生态效率[14]。SEDEA模型在进行第k个决策单元效率评价时，使第k个决策单元的投入和产出被其他所有决策单元投入和产出的线性组合代替，从而将第k个决策单元排除在外，而传统DEA模型则将这一单元包括在内。在SEDEA 评价值中，无效或弱有效的决策单元（DMU）仍然是无效或弱有效的，但对于有效率的 DMU，却可以区分它们的有效程度，进而可以将决策单元进行有效的排序。SEDEA的数学表达式如（2）所示：
1.2 指标选择和测算结果
1.2.1 指标选择
生态效率强调经济价值与环境效益的统一，即以最小的资源消耗与环境代价获得最大的经济价值，而在超效率DEA模型中，一般将收益型指标作为产出指标体系，将成本型指标作为投入指标体系来处理，因此，为了较为全面、客观地反映中国省际区域生态效率及其变动情况，本文以1999-2011年我国30个省市为研究对象，以环境污染（主要包括废水污染、废气污染和固废污染）和资源消耗（主要包括土地消耗、水资源消耗和能源消耗）为投入指标，以经济发展作为产出指标，同时在考虑了数据可得性的基础上构建了区域生态效率的指标体系，如表1所示。本部分相关数据来源于历年《中国统计年鉴》、《中国环境统计年鉴》、《中国环境年鉴》、《中国能源统计年鉴》、《中国国土资源统计年鉴》、《中国水资源公报》以及各省统计年鉴，由于缺失数据较多，故不计入本文实证分析。
1.2.2 结果分析
根据超效率DEA模型，运用MYDEA1.0软件，将中国1999-2011年30个省市的数据进行逐年计算得到各省市13年的区域生态效率值，测算结果如表2所示。
根据中国1999-2011年区域生态效率评价结果可以发现，从宏观层面来看，中国生态效率在13年间变化不大，整体呈现逐渐下降的趋势；从中观层面来看，中国东、中、西三大经济地带的生态效率差异较大，东部生态效率最高，每年平均效率值均在1.0以上，且呈现不断下降的趋势，中西部地区生态效率值明显低于东部地区，且中部地区生态效率略高于西部地区，且变化趋势不明显；从微观层面来看，北京、天津、上海、浙江、福建等东部较发达省份生态效率较高，贵州、宁夏、甘肃等中西部欠发达省份生态效率较低，这说明相对于经济较发达的东部省份而言，中西部地区的经济发展更多依赖以高消耗、高排放、高污染为代价的粗放式经济增长方式，使得中西部地区资源利用效率低、环境污染严重，所以中西部各省市应该改变经济发展方式，逐渐向低消耗、低污染的集约型发展方式转变。
2 中国城镇化对区域生态效率影响的实证
2.1 城镇化水平与区域生态效率的拟合分析
我国城镇化率2000年为26.22%，2011年为51.27%，年均增长1.92%，而区域生态效率却从89.65%下降到了73.03%，年均下降1.28%，这说明在我国城镇化取得高速发展的同时，资源短缺、环境污染等问题日益凸显，生态环境的日益恶化对城镇居民的生活质量构成了严重威胁。为了研究在城镇化发展过程中区域生态效率的变化趋势，这里以区域生态效率为因变量，城镇化率为自变量进行拟合，结果如图1所示，二次项系数为正（3.961 6），一次项系数为负（-4.365 3），即区域生态效率与城镇化率呈U型曲线关系，即随着城镇化率的不断提高，区域生态效率呈现先下降后上升的趋势，但是我国目前还处于U型曲线的下降阶段，即随着城镇化率的提高，区域生态效率不断下降。
2.2 实证模型
2.2.1 模型构建
经典IPAT模型是20世纪70年代由美国经济学家Holdren和Ehrlich提出来研究人类活动对环境变化影响的经典模型，他们认为影响生态环境的影响因素主要有：人口（Population）、富裕程度（Affluence）和技术水平（Technology），即I=PAT，式中，I不仅可以表示环境负荷，还可以表示能源消耗、环境影响状况等，所以该模型被广泛应用于研究环境、人口、经济和技术之间的定性或定量关系[15]。之后，Dietz和Rosa对IPAT模型进行了扩展，他们将IPAT用随机的形式表示，提出了环境影响随机模型[16]，即Ii=aPbiACITdiei 。本文在此模型基础上取对数，且由于城镇人口对环境承载力的影响远大于农村人口，所以用城镇人口占总人口的比重，即城镇化水平来表示上式的P，并根据城镇化水平与区域生态效率的拟合分析结果，针对城镇化水平设立一个二次项，同时，为准确分析造成区域生态效率差异的原因，加入了产业结构和环境政策两个变量，最后得到生态效率与城镇化水平的实证模型：
式（3）中，i代表地区，t代表年份，βi为个体效应，βt为时间效应，β1、β2、β3、β4、β5为估计参数，εit为随机扰动项，其中i、t分别表示第i（i=1，2，……，30）个省和第t（t=1，2，……，13）年；EE（EcoEfficiency）表示区域生态效率，UL（Urbanization Level）表示城镇化水平，IS（Industrial Structure）表示产业结构，EP（Environmental Policy）表示环境政策，T（Technology）表示技术水平。
2.2.2 指标选择
根据以上模型分析，本文选取生态效率为被解释变量，城镇化水平、产业结构、环境政策以及技术水平为解释变量进行计量分析。其中，生态效率利用前面的超效率DEA模型计算所得，城镇化水平用城镇人口在总人口中所占比重来表示（考虑到全国历史数据的可获得性以及统计口径的一致性，部分数据选取非农人口占总人口的比重来表示城镇化水平），对于产业结构，由于第三产业占GDP的比率越高，生态文明水平亦趋于较高，所以本文用第三产业增加值占地区生产总值的比重来表示产业结构，对于环境政策，由于一些政策还处在发展阶段很难量化，所以从数据可得性的角度考虑，本文选择排污费收入总额来代表环境政策对区域生态效率的影响，而技术水平则用单位地区生产总值能耗来表示，单位国内生产总值能耗反映的是一个国家或地区经济发展与能源消费之间的强度关系，即每创造一个单位的社会财富需要消耗的能源数量，单位GDP能耗越大，说明技术水平越低。本部分相关数据来源于历年的《中国统计年鉴》、《中国环境统计年鉴》、《中国环境年鉴》、《中国能源统计年鉴》、《中国国土资源统计年鉴》。
2.3 实证分析
2.3.1 面板数据的平稳性检验
虽然面板数据在一定程度上减轻了数据的非平稳性，使得变量的相关性降低，但是各变量还是有趋势、截距问题，可能还是非平稳数据，存在单位根，这样可能会造成虚假回归或伪回归。为了避免伪回归的出现，确保估计结果的有效性，本文对各面板序列的平稳性进行单位根检验。面板数据的单位根检验综合了时间序列和截面数据的特性，可以较好的推断单位根的存在情况。面板数据的单位根检验包含两类：一类为同质单位根检验，该检验方法假设面板数据的各截面序列具有相同的单位根，比如LLC检验、Breitung 检验和 Hadri检验；另一类为异质单位根检验，该检验方法允许面板数据的各截面序列具有不同的单位根，比如ImPesaranShin方法、FisherADF 检验和 FisherPP 检验。以上方法除Hadri 检验的原假设为不含有单位根外，其他检验的原假设均是含有单位根。本文采用两种面板数据单位根检验方法，即相同根单位根的LLC（LevinLinChu）检验和不同根单位根的 FisherADF检验，如果在两种检验中均拒绝存在单位根的原假设则我们说此序列是平稳的，反之则不平稳。
对区域生态效率ln（EE）、城镇化水平ln（UL）、城镇化水平的二次项[ln（UL）]2、产业结构ln（IS）、环境政策ln（EP）、技术水平lnT分别进行 LLC 检验和FisherADF检验，检验结果如表3所示。由检验结果可知，区域生态效率、城镇化水平、城镇化水平的二次项、产业结构、环境政策均存在单位根，对各变量的一阶差分值进行单位根检验，结果表明在5%的显著性水平下，均不存在单位根，说明各变量是一阶单整的，可以进一步分析各变量之间是否存在协整关系。
2.3.2 面板数据的协整检验
根据面板数据的平稳性检验，区域生态效率、城镇化水平以及各控制变量均表现为一阶单整，可以进一步考察各变量之间是否存在长期稳定的均衡关系，所以在面板数据平稳性检验的基础上，本文接着对 lnEE和 lnUL 进行面板协整检验。面板数据的协整检验方法主要有两类： 一类是基于残差的检验，通过检验残差是否平稳来检验协整关系的存在，主要有 Pedroni检验和 Kao 检验；另一类是基于面板向量误差修正模型的检验，类似于时间序列中的Johansen 协整检验。本文采用 Pedroni 检验和Kao 检验，由检验结果（见表4）可以看出，除Group rhoStatistic 没有通过5%显著性水平的检验外，其余统计量都通过5%显
著性水平的检验，可以判断我国30个省市城镇化水平与区域生态效率之间存在协整关系。因此可以在此基础上直接对实证模型进行回归分析，此时的回归结果是比较精确的。
2.3.3 面板数据的实证分析
由于面板数据协整检验显示了我国城镇化水平与区域生态效率之间存在协整关系，所以可以直接进行面板数据的回归分析。一般而言，面板数据可用固定效应（fixed effect） 和随机效应（random effect） 估计方法，究竟是采用固定效应还是随机效应，则根据Hausman 检验的结果来确定。本文以区域生态效率为因变量，以城镇化水平、产业结构、环境政策以及技术水平为自变量进行回归，由于东中西三大地带在区位、禀赋、政策等发展条件上存在较大
差异，城镇化对生态效率的影响可能不同，所以本文对东中西利用上述模型和框架分别进行了回归，以探索区域城镇化过程中生态效率产生差异的原因，估计结果如表5所示。
通过回归结果可以发现：
（1）对于全国而言，城镇化水平的一次项系数为负值（-1.620 194），二次项系数为正值（0.214 187），表明城镇化水平对区域生态效率的影响存在U型曲线的特征，即在城镇化发展过程中，环境污染程度加剧，区域生态效率呈现不断下降的趋势，而后随着城镇化水平进一步发展，技术水平不断提高，环境污染程度逐年下降，区域生态效率呈现逐年上升的趋势。而通过比较全国以及东、中、西三大地带的回归结果，可以发现，虽然东、中部地区生态效率随着城镇化水平的提高都呈现先下降后上升的趋势，但是这一趋势的转折点却有所不同：对于较发达的东部地区，很多省市已经达到这一转折点，区域生态效率随着城镇化水平的提高而提高；对于欠发达的中部地区，大部分省市还未达到这一转折点，区域生态效率随着城镇化水平的提高而降低。而对于较落后西部地区而言，城镇化水平的二次项系数虽然为正，但是没有通过显著性检验，这说明西部地区生态效率与城市化呈现U型曲线特征不能得到证实，而后通过对西部地区城镇化水平与生态效率及其相关因素进行线性回归，可以发现城镇化水平的系数为负，且通过了显著性检验，说明西部地区城镇化水平与区域生态效率呈负相关的关系，这是因为西部地区经济发展较落后，城镇化水平相对较低，技术水平较落后，尚处于城镇化发展的初级阶段，所以区域生态效率随着城镇化水平的提高而呈现不断下降的趋势。
（2）以第三产业占经济总量比例所代表的产业结构对区域生态效率有影响，但影响并不显著，且区域差异较大。根据产业结构比例以及区域生态效率的评价值，可以发现，随着城镇化的发展，北京、上海、浙江、广东等东部地区生态效率较高，且产业结构比例最优，尤其是第三产业在国民经济中占有比例均在40%以上；而对于中部地区，由于近年来承接东部地区第二产业转移，虽然工业发展迅速，但资源消耗不断增大，环境污染日趋严重，导致生态效率不断降低；西部地区虽然从比例上看第三产业发展较好，但由于绝对数量较少，经济发展水平较低，导致生态效率最低。产业布局在空间上的差异，导致东、中、西产业结构发展差别较大，这是区域生态效率存在较大差距的原因之一。
（3）排污费收入总额与区域生态效率负相关。全国以及东、中、西部都在10%的显著性水平上通过了检验，说明随着排污费收入总额的不断增加，区域生态效率在下降。根据回归结果，结合各省市历年排污费收入总额情况可知，尽管大部分省份的排污费收入总额在逐年增加，但是区域生态效率却在降低，究其原因，一方面是在城镇化进程中，各级政府加大了对城市道路、供水、供电等生产性基础设施建设的投资，忽视了对废水、废气、固体废弃物等环境基础设施的投资，使得环境问题日益突出；另一方面虽然企业缴纳的排污费在不断增加，但是这些费用远不够环境治理、恢复生态、赔偿群众损失的费用，而且还有很多企业把交排污费当成继续污染的借口，导致环境污染愈加严重，所以我国不仅要完善排污费收费制度，而且要将各种环境政策综合利用，减少“先污染、后治理”所造成的巨大损失。
（4）单位国内生产总值能耗与生态效率负相关。全国以及东、中、西部都在10%的显著性水平上通过了检验，说明单位国内生产总值能耗越大，生态效率越低。由于单位GDP能耗越大，技术水平越低，经济发展对能源的依赖程度越高，资源消耗以及污染物排放越多，那么生态效率也就越低，所以技术水平与生态效率呈正相关关系。通过比较东、中、西三大地带技术水平的回归系数，可以发现，各区域生态效率随着技术水平的提高都呈现上升的趋势，其中西部地区技术水平对生态效率的弹性系数最大，这是因为西部地区不仅生产方式落后、环境政策缺乏，而且地方性企业的生产技术也非常落后，这些“高投入，低产出”的企业在消耗大量资源的同时给生态环境带来了严重的危害，所以中西部地区迫切需要提高技术水平，提升能源效率，降低能源成本，进而提高生态效率，逐步实现城镇化进程与生态文明建设的协调发展。
3 结论与政策建议
本文在区域生态效率评价的基础上，运用计量经济学方法对区域生态效率与城镇化水平的关系进行了实证分析，得出如下结论：①1999-2011中国各地区生态效率变化趋于平缓，但呈现出逐渐下降的趋势，而且东、中、西三大地带生态效率差异明显，较发达的东部地区生态效率较高，欠发达的中西部地区生态效率较低，这说明中西部地区资源利用效率低、环境污染严重，经济发展面临的环境压力较大；②城镇化水平与区域生态效率呈非对称U型关系，即生态效率随着城镇化水平的提高呈现先下降经转折点而上升的趋势，且东、中、西三大地带这一趋势的转折点有所不同，东部地区部分省市已达到这一转折点，中、西部地区大部分省份还未达到这一转折点，但是对全国而言，目前还处于U型曲线的下降阶段，即随着城镇化水平的提高，区域生态效率不断下降；③产业结构调整、环境政策的转变以及技术水平的提高对区域生态效率有明显的促进作用。
基于上述结论，根据本文分析研究提出以下政策建议：①现阶段，中、西部地区城镇化发展伴随着资源的不断消耗和环境的不断恶化，导致区域生态效率低下，这决定了这些地区必须转变经济发展方式，发展循环经济，推广低碳技术，促进城镇人口、经济、资源、环境的协调发展，走资源节约、低碳减排、环境友好、经济高效的新型城镇化道路，为建设生态文明的美丽中国打下一个坚实的基础；②由于我国中、西部地区第三产业的发展严重落后于高消耗、高污染、高排放的第二产业，所以急切需要加大中、西部地区产业结构的调整力度，优化产业结构，逐步淘汰和转移资源利用率低、环境污染严重的产业，积极发展高效率、低污染、低排放的环境友好型产业，进而提升区域生态效率；③研究表明，以排污费收入总额为代表的环境政策比较有限，所以各地区应在进一步完善环境法律、法规的基础上，加大对生态环境管理的投入，构建集强制手段、经济手段、协调手段以及信息手段为一体的综合环境管理政策，与此同时，各地政府也要加强环境教育，提高人们的环保意识，发挥环境非政府组织在环境问题和环境监督方面的作用；④在城镇化推进过程中，各地区要降低单位生产总值能耗，提高生态效率，一方面要大力发展先进节能技术，开发非石化能源，不断提高能源使用效率，使节能新产品、新技术和新工艺得到推广和广泛应用；另一方面要引进国内外较先进的技术和装备来武装本地区的能源工业，使其在较短时间内摆脱技术水平落后的情况。
参考文献（References）
[1]WBCSD. Ecoefficient Leadership for Improved Economic and Environmental Performance [M]. Geneva： WBCSD， 1996.3-16.
[2]Hellweg S， Doka G， et al. Assessing the Ecoefficiency of EndofPipe Technologies with the Environmental Cost Efficiency Indicator [J].Journal of Industrial Ecology， 2005， 9（4）： 189-203.
[3]Kobayashi Y， Kobayashi H， Hongu A， et al. A Practical Method for Quantifying Ecoefficiency Using Ecodesign Support Tools [J]. Journal of Industrial Ecology， 2005， 9（4）： 131-144.
[4]Grossman G M， Krueger A B. Economic Growth and Environment [J]. The Quarterly Journal of Economics， 1995， 110：353-378.
[5]陈傲. 中国区域生态效率评价及影响因素实证分析：以 2000-2006年省际数据为例[J].中国管理科学，2008，10（16）：566- 570.[ Chen Ao. Empirical Analysis of the Evaluation of Regional Ecology Efficiency and Influential Factors in China： Evidences from Provincial Data during 2000-2006[J]. Chinese Journal of Management Science， 2008，10（16）：566- 570.]
[6]黄金川，方创琳. 城市化与生态环境交互耦合机制与规律性分析[J].地理研究， 2003， 22（2）：211- 220.[Huang Jinchuan， Fang Chuanglin. Analysis of Coupling Mechanism and Rules Between Urbanization and Ecoenvironment[J].Geographical Research， 2003， 22（2）：211- 220.]
[7]简新华，黄锟. 中国城镇化水平和速度的实证分析与前景预测[J].经济研究， 2010，（3）：28-39.[Jian Xinhua， Huang Kun. Empirical Analysis and Forecast of the Level and Speed of Urbanization in China[J]. Economic Research Journal， 2010，（3）：28-39.]
[8]朱孔来，李静静，乐菲菲. 中国城镇化进程与经济增长关系的实证研究[J].统计研究，2011， 28 （9）：80-87.[ Zhu Konglai， Li Jingjing， Le Feifei. Empirical Analysis on the Relationship Between China Urbanization and Economic Growth[J]. 2011， 28 （9）：80-87.]
[9]Burak S， Dogan E， Gazioglu C. Impact of Urbanization and Tourism on Coastal Environment[J]. Ocean & Coastal Management， 2004，47（9-10）：515-527.
[10]刘耀彬，宋学锋. 城市化与生态环境耦合模式及判别[J].地理科学，2005，25（4）： 408-414.[Liu Yaobin， Song Xuefeng. Model and Criterion of Urbanization and Ecological Environment Coupling[J]. 2005， 25（4）： 408-414.]
[11]王新杰，薛东前. 西安市城市化与生态环境协调发展模式演化分析[J].自然资源学报，2009，24（8）：1378-1385. [Wang Xinjie， Xue Dongqiang. The Analysis of Coordinated Development between Urbanization and Ecoenvironment in Xi’an[J]. 2009，24（8）： 1378-1385.]
[12]宋建波，武春友. 城市化与生态环境协调发展评价研究：以长江三角洲城市群为例[J].中国软科学，2010， （2）：78-87. [Song Jianbo， Wu Chunyou. The Study on Evaluation of Coordinated Development Between Urbanization and Ecological Environment Among City Cluster in the Yangtze River Delta[J]. China Soft Science， 2010， （2）：78-87.]
[13]Charnes A， Cooper W W， Rhodes E. Measuring the Efficiency of Decision Making Units[J]. European Journal of Operational Research，1978，2（6）： 429-444.
[14]Andersen P， Petersen N C. A Procedure for Ranking Efficient Units in Data Envelopment Analysis[J]. Management Science，1993，39（10）：1261-1264.
[15]Holdren J P， Ehrlich P R. Human Population and the Global Environment [J]. American Scientist， 1974， 62（3）：282-292.
[16]Dietz T， Rosa E A. Effects of Population and Affluence on CO2 Emissions [J]. Proceedings of the National Academy of Sciences of the United States of America， 1997， 94（1）：175-179.