EN中文

干旱区地理 >

2025 , Vol. 48 >Issue 11: 2062 - 2071

DOI: https://doi.org/10.12118/j.issn.1000-6060.2024.553

旅游地理

基于DEA-Malmquist指数模型的旅游交通业绿色发展效率测度与评价——以兰州市为例

  • 刘丹琪 ,
  • 杨阿莉 ,
  • 辜友骞
展开
  • 西北师范大学旅游学院，甘肃 兰州 730070
杨阿莉（1969-），女，硕士，教授，主要从事生态旅游研究. E-mail:

刘丹琪（2000-），女，硕士研究生，主要从事城市绿色旅游、旅游可持续发展研究. E-mail:

收稿日期: 2024-09-13

  修回日期: 2024-11-19

  网络出版日期: 2026-03-11

基金资助

甘肃省“创新之星”基金项目(2023KYZZ-S202)

西北师范大学研究生科研基金项目(KYZZS2025201)

收起

Measurement and evaluation of green development efficiency of tourism transportation industry based on the DEA-Malmquist index model: A case of Lanzhou City

  • Danqi LIU ,
  • Ali YANG ,
  • Youqian GU
Expand
  • School of Tourism, Northwest Normal University, Lanzhou 730070, Gansu, China

Received date: 2024-09-13

  Revised date: 2024-11-19

  Online published: 2026-03-11

Fold

摘要

旅游交通业绿色发展不仅是推进旅游高质量发展的新突破口，更是生态文明建设的重要体现。基于此，以西部重要交通枢纽城市兰州市为案例地，运用熵值法、数据包络分析-曼奎斯特（DEA-Malmquist）指数模型对2014—2023年旅游交通业绿色发展效率进行测度评价。结果表明：（1）从时空演化方面来看，时间上，兰州市旅游交通业环境成本综合指数呈下降态势，绿色发展效率有所提升，整体发展向好；空间上，兰州市主城区旅游交通业绿色发展效率呈现安宁区>西固区>七里河区>城关区的分布格局。（2）从曼奎斯特（Malmquist）指数分解结果来看，兰州市旅游交通业全要素生产率总体缓慢增长，其中城关区增幅最小，七里河区增幅最大。研究结果可为优化兰州市旅游交通业绿色发展及促进区域生态环境保护提供一定参考。

关键词： 绿色发展效率; 旅游交通业; DEA-Malmquist指数模型; 兰州市

本文引用格式

刘丹琪 , 杨阿莉 , 辜友骞 . 基于DEA-Malmquist指数模型的旅游交通业绿色发展效率测度与评价——以兰州市为例[J]. 干旱区地理, 2025 , 48(11) : 2062 -2071 . DOI: 10.12118/j.issn.1000-6060.2024.553

Abstract

Green development in tourism transportation industry represents both a new breakthrough for the advancement of high-quality tourism development and a significant embodiment of ecological civilization construction. Accordingly, this study takes the Lanzhou City, a critical transportation hub city in western China, as a case study, employing the entropy weight method and the DEA-Malmquist index model to measure and evaluate the green development efficiency of the tourism transportation industry of Lanzhou from 2014 to 2023. The following findings were obtained: (1) In terms of spatiotemporal evolution, temporally, the comprehensive environmental cost index of Lanzhou’s tourism transportation industry demonstrates a downward trajectory, which is accompanied by enhanced green development efficiency and a generally positive development trend. In a spatial sense, the green development efficiency of tourism transportation industry in Lanzhou’s main urban areas follows a distribution pattern in which Anning District displays the highest efficiency, followed sequentially by Xigu District, Qilihe District, and Chengguan District. (2) Using the Malmquist index decomposition results, the total factor productivity of Lanzhou’s tourism transportation industry experienced slow overall growth, with Chengguan District registering the least growth and Qilihe District achieving the most. The research results can provide a reference for optimizing the green development of the tourism transportation industry in Lanzhou City and promoting regional ecological protection.

Key words： green development efficiency; tourism transportation industry; DEA-Malmquist index model; Lanzhou City

《新时代的中国绿色发展》强调中国必将坚定不移走绿色发展之路，深入贯彻“五位一体”总体布局提出的生态文明建设方针，将绿色发展提升至战略高度，成为中国新时代发展的关键议题[1]。绿色发展是融合绿色增长、绿色财富与绿色福祉的新型发展路径，是中国为解决经济与环境矛盾提出的最新理念[2-4]。绿色发展效率旨在实现经济发展与降碳减排相平衡，受经济发展、环境监管及政府政策等因素影响[5-7]。改革开放后，中国经济高速增长，各行各业蓬勃发展，旅游业发展势头强劲，但其对生态环境所造成的影响不可忽视[8]。据统计，2023年全球日均碳排放量约2700×104 t，其中11%来自旅游业，旅游业碳排放中旅游交通占比达68.17%[9]，因此推进旅游交通业降碳减排，实现绿色发展迫在眉睫[10]。中国正处于旅游交通绿色发展的关键时期，2019年国务院发布《交通强国建设纲要》，将绿色发展作为新时期走好交通强国之路的关键，提出要强化交通节能减排，绿色发展理念需贯穿于交通体系规划、构建、运营、维护全周期；2021年国务院发布《关于加快建立健全绿色低碳循环发展经济体系的指导意见》指出，2035年中国交通绿色化水平要达到世界前列。
旅游交通业绿色发展的要义是低碳、可持续，提升其绿色发展效率是关键[11]。绿色发展效率作为学界热点议题，研究区域上，主要围绕国家、流域、城市群、省域及城市层面，如Liu等[12]基于国家视角识别政府低碳治理对企业绿色发展的影响；睢党臣等[13]研究黄河流域绿色发展效率空间集聚的区域特性及演化趋势；黄晶等[14]以长三角城市群为例，测算其绿色发展效率并探索城市绿色发展空间效应及传导链条；赵杨等[15]基于省域尺度，从非线性角度解析新型城镇化与绿色发展间的动态关系；Feng等[16]以城市层面为切入点，通过模拟法探析绿色发展动态演化趋势。研究方法上，Yang等[17]采用数据包络分析（DEA）揭示中国省际绿色发展效率；Chen等[18]运用超效率松弛变量模型（Super-SBM）对长三角城市群生态效率时空演变特征进行评价；胡志毅[19]通过动态曼奎斯特（Malmquist）指数方法测算旅行社发展效率。指标体系构建上，多数学者参考国家发展改革委发布的《绿色发展指标体系》[20]，继而根据数据可得性和地区实际优化构建[21]包含劳动[13]、科技[22]、资源[23]与资本[24]要素投入及涵盖经济[19]、生态效益[25]与环境成本[26]产出的绿色发展效率测度指标体系。
综上所述，已有研究成果为绿色发展效率研究提供坚实基础，但仍存在拓展空间：第一，现有研究区域多侧重东南沿海地区，对具备极大绿色发展需求空间的西部城市研究较少[27]；第二，当前对旅游交通业绿色发展效率的研究较少，且没有构建统一的测度指标体系[28]；第三，兰州市是西部重要交通枢纽城市，也是甘肃省旅游交通业发展的关键地区，具有一定研究代表性[29]。基于此，本研究以兰州市为案例地，基于投入产出理论构建一套涵盖劳动、资本、资源投入及环境成本的绿色发展效率测度指标体系，采用数据包络分析-曼奎斯特（DEA­Malmquist）指数模型测度2014—2023年兰州市旅游交通业绿色发展效率，分析整体及局域差异并揭示时空演化特征，以期为促进兰州市旅游交通业绿色发展及降碳减排提供参考。

1 数据与方法

1.1 研究区概况

甘肃省兰州市（35°34′20″~37°07′07″N，102°35′58″~104°34′29″E）地处中国陆域版图几何中心，是西北交通要塞及旅游集散中心，旅游交通发达[29]。当前，兰州市已初步建成涵盖新能源公交、地铁、轻轨的绿色交通体系。然而受限于基础设施、运力覆盖等因素，目前兰州市旅游交通仍以传统高碳排方式为主，造成的环境压力在旅游旺季尤为突出[18]。因此，如何缓解高碳排带来的环境压力，推动旅游交通业绿色发展，是当前亟需解决的关键问题。而兰州市城关区、七里河区、西固区和安宁区旅游交通相对密集，数据丰富，故本研究选择此为旅游交通业绿色发展效率测度案例地，具有一定代表性。

1.2 数据来源

数据主要来源于2014—2023年《中国统计年鉴》《兰州统计年鉴》《兰州市统计局》《兰州市文旅局》《兰州工商名录》及各区（县）的统计年鉴、统计公报和政府工作报告。在处理个别数据缺失问题时，鉴于数据波动幅度较小，研究沿用前一年数据补充。

1.3 指标体系构建

评估绿色发展效率不仅要考量投入与产出的配置效益，还需关注资源消耗和环境成本，以全面体现绿色发展核心理念[19]。研究从投入、产出2个方面分别进行指标构建，参考已有研究结果[13,20-26]，构建兰州市旅游交通业绿色发展效率评价指标体系（表1）。
表1 兰州市旅游交通业绿色发展效率评价指标体系

Tab. 1 Evaluation indicator system for green development efficiency of tourism transportation industry in Lanzhou City

指标 一级指标 二级指标 三级指标 单位 属性
投入 劳动投入 人力资源储备 年末从业人员数量 104人 +
科技投入 科技事业费用支出 环保技术研发、合作交流支出 104元 +
绿色出行技术推广支出 104元 +
资源投入 资源投入综合指数 总用水量 104 m3 +
总用电量 104 kWh +
石油、燃油、石油液化气供应量 104 bbl -
资本投入 资本存量 固定资产投资额 104元 +
产出 绿色GDP 经济效益 GDP 104元 +
环境成本综合指数 交通废气排放量 104 t -
交通噪音产出量 104 dB -
交通固体废弃物排放量 104 t -

注：“+”表示正向指标；“-”表示负向指标。

1.4 研究方法

1.4.1 熵值法

熵值法是一种将热力学中“熵”的概念引入信息论的客观赋权技术，能有效减少兰州市旅游交通服务业绿色发展效率测度过程中主观赋权带来的偏差，计算公式如下[30]：
e j = - 1 l n m ∑ i = 1 m ( p i j × l n p i j ) , w j = 1 - e j ∑ j = 1 m ( 1 - e j )
式中： e j为第j个指标的熵值；m为指标总数； p i j为第i个项目下第j个指标的指标值比重； w j为第j个指标的权重。

1.4.2 数据包络分析法（DEA）

DEA是基于线性规划对效率进行评估，用于比较多个决策单元的相对效率，构建效率前沿对投入与产出进行包络。DEA模型包含查恩斯-库珀-罗兹模型（CCR）和班克-查恩斯-库珀模型（BCC）。CCR模型在固定规模报酬条件下评估整体效率，BCC模型在可变规模报酬条件下分析纯技术效率和规模效率，为使测度全面，研究同时选用CCR和BCC模型[31]。
（1）CCR模型计算公式如下：
          m a x β   s . t . ∑ f = 1 n μ f x h f + φ h - = x h f , h = 1 ,   2 , … , n ∑ f = 1 n μ f y k f + φ h + = y k f , k = 1 ,   2 , … , l
式中： β为效率值； μ f为第f个输入变量的权重； x h f为第h个决策单元的第f个输入向量； y k f为第k个决策单元的第f个输出向量； φ h - 、 φ h +为第h个决策单元的约束参数。
（2）BCC模型计算公式如下：
          m i n θ - ε ∑ u = 1 m s u - + ∑ w = 1 t s w + s . t . ∑ v = 1 n λ v x u v + s u - = θ x u g ∑ v = 1 n λ v y w v - s w + = y w g ∑ v = 1 n λ v = 1 λ v 、 s u - 、 s w + ≥ 0 , v = 1 ,   2 , … , n
式中： ε为非阿基米德无穷小，通常取 ε=10-6； θ为效率评价值； λ v为第v个决策单元的决策变量； x u v为第v个决策单元的第u个投入量； y w v为第v个决策单元的第w个产出值； x u g为第g个被评估决策单元的第u个投入量； y w g为第g个被评估决策单元的第w个产出值； s u -为第u个投入松弛变量； s w +为第w个产出松弛变量。

1.4.3 Malmquist指数模型

Malmquist指数基于投入产出比率来计算决策单元在不同时间段的生产率变化，可分解为技术效率变化指数（EC）和技术进步变化指数（TC）的乘积，当规模报酬可变时，EC可分解为纯技术效率（TE）和规模效率（SE）的乘积。当综合技术效率为1时，表明资源配置达最优；若TE=1且SE<1，表明技术水平较高，但未能实现规模经济效益；若TE<1且SE=1，则表明规模经济实现，技术水平仍需提升[32]。相较其他方法，Malmquist指数模型无需特定假设条件，能更好适应兰州市旅游交通服务业绿色发展测度需求，计算公式如下[29]：
E C = D 0 t + 1 x t + 1 , y t + 1 D 0 t x t , y t
T C = D 0 t x t + 1 , y t + 1 D 0 t + 1 x t + 1 , y t + 1 × D 0 t x t , y t D 0 t + 1 x t , y t 1 2
式中： x t和 y t分别为 t时期下的投入向量和产出向量； x t + 1和 y t + 1分别为 t + 1时期下的投入向量和产出向量； D 0 t和 D 0 t + 1分别为 t和 t + 1时期下的距离函数。

2 结果与分析

2.1 旅游交通业绿色发展效率时间演化分析

2.1.1 旅游交通业环境成本综合指数时间演化

2014—2023年兰州市旅游交通业环境成本综合指数均值下降1.73%（图1）。具体而言，2014—2016年环境成本综合指数均值缓慢上升；2016—2018年逐步下降；2019年显著上升，相较2018年增长约2.34%，反映出兰州市旅游交通业绿色发展尚不稳定；2020年显著下降，相较2019年下降约12.22%，此变化主要归因于新冠疫情导致的客流量骤减，迫使大量旅游及交通运输活动暂停，进而使得碳排放急剧下降；2020—2023年，随疫情逐步缓解，环境成本综合指数均值上升，游客数量激增及旅游业资源投入增加推动碳排放上升，导致兰州市旅游交通业环境产出进一步增大。
图1 2014—2023年兰州市旅游交通业环境成本综合指数均值趋势

Fig. 1 Trend of average comprehensive environmental cost index of tourism transportation industry in Lanzhou City from 2014 to 2023

2.1.2 旅游交通业绿色发展效率时间演化

2014—2023年兰州市旅游交通业的综合技术效率整体水平较低，且波动幅度较小；纯技术效率呈现先缓慢上升，后大幅提升的变化趋势；规模效率呈波动下降态势（图2）。具体而言，综合技术效率虽略有提升，但仍低于0.2000，效率水平较低但保持稳定。纯技术效率波动较为显著，2014—2019年波动较小，处于较低水平；2019—2021年显著增长，2021年相较于2019年上涨约413.35%。规模效率呈下降态势，2014—2019年波动降低，2019—2023年大幅下降。综上表明，兰州市旅游交通业正在探索清洁高效的绿色发展路径，但仍需加强生态与经济发展相协调。
图2 2014—2023年兰州市旅游交通业绿色发展效率时间演变趋势

Fig. 2 Temporal evolution trend of green development efficiency of tourism transportation industry in Lanzhou City from 2014 to 2023

2.1.3 旅游交通业绿色发展效率现状分析

为进一步分析兰州市旅游交通业绿色发展效率现状，研究以2023年为例，对兰州市及主城区旅游交通业绿色发展效率进行分析（表2）。整体上，兰州市旅游交通业综合技术效率为0.1673，其中纯技术效率为1.0000，规模效率为0.1673，表明兰州市旅游交通业虽有先进技术，但未充分实现规模经济。具体而言，综合技术效率方面，安宁区处于生产前沿，其余区域普遍不高，位于0.2917~0.7939之间，资源利用效率亟待提升；规模效率方面，除安宁区外其他3区规模效率均位于0.7939~0.9696之间；纯技术效率方面，西固区和安宁区均达1.0000，城关区和七里河区分别为0.3077和0.5343，表明规模效应尚未得到充分发挥。
表2 2023年兰州市各主城区的旅游交通业绿色发展效率

Tab. 2 Green development efficiency of tourism transportation industry in the main urban districts of Lanzhou City in 2023

地区 综合技术效率 纯技术效率 规模效率 规模报酬
城关区 0.2917 0.3077 0.9480 规模报酬递增
七里河区 0.5181 0.5343 0.9696 规模报酬递增
西固区 0.7939 1.0000 0.7939 规模报酬不变
安宁区 1.0000 1.0000 1.0000 规模报酬不变
兰州市 0.1673 1.0000 0.1673 规模报酬不变

2.2 旅游交通业绿色发展效率空间分异分析

为进一步探讨兰州市旅游交通业绿色发展效率空间格局分异，研究选定2014、2018年和2023年为时间节点，绘制兰州市主城区综合技术效率、纯技术效率和规模效率空间格局图（图3），根据自然间断点法将效率值分为高、中、较低和低水平4个等级。
图3 兰州市旅游交通业绿色发展效率空间分异

Fig. 3 Spatial differentiation of green development efficiency of tourism transportation industry in Lanzhou City

从综合技术效率方面来看（图3a~c）：总体上，城关区效率水平始终较低，但有所改善，七里河区和西固区稳步提升，安宁区始终保持高效率水平。2014年，城关区和七里河区效率值分别为0.4474、0.2615，均为低效率水平；西固区效率值为0.7021，属较低效率水平；安宁区效率值为1.0000，处于高水平区域。2018年，城关区效率值为0.2631，效率提升幅度较小，仍为低水平区域；七里河区效率值为0.4891，属较低效率水平；西固区效率值有所提升，为0.7153，处于中水平区域；安宁区效率值仍为1.0000，为高效率水平。2023年，城关区效率值为0.2917，处于较低水平区域；七里河区和西固区效率值分别提升至0.5181、0.7939，均达中效率水平；安宁区仍保持高效率水平，效率值为1.0000。
从纯技术效率方面来看（图3d~f）：总体上，城关区和七里河区整体效率水平较低，提升幅度有限；西固区效率稳步提升并达到高效率水平，安宁区始终保持高效率水平。2014年，城关区效率值为0.3000，处于低水平区域；七里河区效率值为0.5122，属较低水平区域；西固区效率值为0.7030，达到中效率水平；安宁区纯技术效率值为1.0000，为高效率水平。2018年，城关区效率值为0.3042，提升幅度较小，仍为低水平区域；七里河区效率值为0.5583，属较低水平区域；西固区效率值为0.7389，提升至中效率水平；安宁区效率值仍为1.0000，保持高效率水平。2023年，城关区和七里河区效率值分别为0.3077、0.5343，均处于较低水平区域；西固区和安宁区效率值均达1.0000，为高效率水平。
从规模效率方面来看（图3g~i）：总体上，城关区效率值较低，提升较小；七里河区和西固区呈现逐步改善态势；安宁区始终保持高效率水平，表现优异。2014年，城关区和七里河区效率值分别为0.8716、0.8735，均处于较低效率水平；西固区效率值为0.9987，处于高水平区域；安宁区效率值达1.0000，为高效率水平，表现最优。2018年，城关区的效率值为0.8648，仍为较低效率水平；七里河区和西固区效率值分别为0.8762、0.9680，均达中效率水平；安宁区效率值依然保持为1.0000，处于高效率水平。2023年，城关区效率值为0.9480，虽然有所改善，但仍为较低效率水平；七里河区和西固区的效率值分别提升至0.9696、0.7939，达中效率水平；安宁区效率值继续稳定在1.0000，为高效率水平。

2.3 旅游交通业绿色发展效率Malmquist指数分解

总体上，2014—2023年兰州市旅游交通业绿色发展全要素生产率变化指数呈波动变化趋势，最大值达1.3525，最小值为0.8902，整体增长约4.60%，与技术进步变化指数呈相似变动模式，表明其受技术进步影响显著（图4）。技术效率变化指数与规模效率变化指数方面，最大值与最小值均分别为1.1369与0.8652，整体下降约12.12%，呈先升后降再趋于平稳态势，与全要素生产率变化指数变化趋势大致相同；技术进步变化指数方面，最大值为1.3213，最小值为0.8017，整体增长约19.03%；纯技术效率变化指数方面，最大值为1.0023，最小值为0.9968，整体增长约0.37%，变化幅度极小，表明纯技术效率总体保持稳定。
图4 2014—2023年兰州市旅游交通业绿色发展Malmquist指数分解结果

Fig. 4 Decomposition results of the Malmquist index for green development efficiency of tourism transportation industry in Lanzhou City from 2014 to 2023

在研究兰州市旅游交通业绿色发展的整体效率后，为进一步探讨其在不同地区之间的异质性，对兰州市主城区全要素生产率变化指数、技术效率变化指数、技术进步变化指数、纯技术效率变化指数及规模效率变化指数进行测算（图5）。
图5 2014—2023年兰州市主城区旅游交通业绿色发展Malmquist指数分解结果

Fig. 5 Decomposition results of the Malmquist index for green development efficiency of tourism transportation industry in the main urban districts of Lanzhou City from 2014 to 2023

总体上，全要素生产率变化指数方面（图5a），城关区在0.8747~1.4208间波动，增幅最小，约5.53%，七里河区在0.8480~1.3727间波动，增幅最大，达9.44%。进一步分析发现，技术效率变化指数方面（图5b），安宁区始终保持在1.0000，其余3区均下降，城关区在0.8810~1.0844间波动，降幅最大，达7.03%；技术进步变化指数方面（图5c），4区均在0.8066~1.3217间波动，整体均增长约13.53%，技术驱动效果明显；纯技术效率变化指数方面（图5d），西固区和安宁区始终保持在1.0000，城关区在0.8934~1.0814间波动，降幅最大，下降约6.18%；规模效率变化指数方面（图5e），安宁区始终保持在1.0000，其余3区均下降，西固区在0.9195~1.0765间波动，降幅最大，下降约4.30%。

3 讨论

相较于以往研究，本研究进一步聚焦于旅游交通业视域下的绿色发展效率研究，且重点关注干旱区旅游交通业绿色发展状况，兰州市作为典型干旱区，水资源稀缺与环境脆弱性使得推进旅游交通业绿色发展进程极为关键。绿色发展效率测度方面，不同于以往学者仅采用DEA单一模型测度绿色发展效率[19]，研究综合利用CCR、BCC模型并结合Malmquist指数从静态和动态2个方面进行测度，有助于精准测度结果。指标体系构建方面，由于兰州市地处中国西北内陆，水资源保护任务严峻，用水量作为衡量资源利用效率与生态保护的关键指标，研究在传统指标体系基础上[3,20-24]，将用水量纳入资源投入指标，能更好地符合兰州市现实情况。研究结果方面，兰州市旅游交通业绿色发展效率较低，但整体上有所改善，与鹿晨昱等[25]学者的研究结论一致，然而整体波动幅度却与本研究存在差异，鹿晨昱等[25]的研究结果表明绿色发展效率数值波动较大，整体呈“M”型波动趋势，而本研究的绿色发展效率值整体较为平缓，波动较小。出现差异的可能原因是研究区域和研究尺度不同所致，鹿晨昱等[25]针对甘肃省绿色发展效率展开研究，而本研究则聚焦于兰州市旅游交通业绿色发展效率，相关数据与研究地域的不同可能会导致结果有所差异。
研究在一定程度上对旅游交通业绿色发展效率研究进行了有益补充，也为优化旅游交通业绿色发展及促进区域生态环境保护提供一定参考。此外，本文仍存在一些不足之处：研究仅评价兰州市主城区绿色发展效率，未考虑边缘地区，未来可将其纳入测度以全面评价。鉴于旅游交通及旅游活动空间流动性，未来研究应重点构建旅游交通绿色发展效率空间外溢效应研究框架。

4 结论

（1）从兰州市旅游交通业绿色发展效率时空演化方面来看，时间上，2014—2023年兰州市环境成本综合指数总体下降约1.73%，绿色发展效率值在0.1093~0.1787间波动，低于0.2000，整体水平较低。空间上，兰州市主城区旅游交通业绿色发展效率分布具有明显的局域差异，整体上呈现安宁区>西固区>七里河区>城关区的分布格局。总体而言，兰州市旅游交通业绿色发展效率水平较低，但在不断改进，整体发展向好。
（2）从兰州市旅游交通业绿色发展效率Malmq-uist指数分解结果来看，2014—2023年兰州市全要素生产率变化指数最小值为0.8902，最大值达1.3525，总体增长约4.60%，与技术进步变化指数呈相似变动模式，受技术进步影响显著。城关区全要素生产率变化指数在0.8747~1.4208间波动，整体增幅最小，约5.53%；七里河区在0.8480~1.3727间波动，整体增幅最大，达9.44%。总体而言，兰州市旅游交通业绿色发展效率整体上有所提升，加强旅游交通业科技赋能对于绿色发展效率提升至关重要。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
刘雨婧, 唐健雄. 中国旅游业绿色发展效率时空演变特征及影响机理[J]. 自然资源学报, 2022, 37(3): 681-700.

DOI

[Liu Yujing, Tang Jianxiong. Spatio­temporal evolution characteristics and influencing mechanism of green development efficiency of tourism industry in China[J]. Journal of Natural Resources, 2022, 37(3): 681-700. ]

DOI

[2]
Tang C C, Zheng Q Q, Qin N N. A review of research on green development in the tourism industry[J]. Journal of Resources and Ecology, 2017, 8(5): 449-459.

DOI

[3]
郇庆治. 习近平生态文明思想的科学体系研究[J]. 马克思主义与现实, 2023(1): 16-25.

[Huan Qingzhi. The scientific systematic study of Xi Jinping’s ecological civilization thought[J]. Marxism & Reality, 2023(1): 16-25. ]

[4]
谢晓如, 朱竑, 黄剑. 中国旅游业绿色发展的挑战与出路[J]. 旅游学刊, 2023, 38 (11): 5-8.

[Xie Xiaoru, Zhu Hong, Huang Jian. Challenges and solutions for the green development of China’s tourism industry[J]. Tourism Tribune, 2023, 38(11): 5-8. ]

[5]
Hu M J, Li Z J, Hou B. The influencing effect of tourism economy on green development efficiency in the Yangtze River Delta[J]. International Journal of Environmental Research and Public Health, 2023, 20(2): 1072,doi: 10.3390/ijerph20021072.

[6]
Chang K, Long Y, Yang J H, et al. Effects of subsidy and tax rebate policies on green firm research and development efficiency in China[J]. Energy, 2022, 25(8): 124-793.

[7]
Li W M, Cai Z Y, Jin L. A spatial­temporal analysis on green development in China’s Yellow River Basin: Model-based efficiency evaluation and influencing factors identification[J]. Stochastic Environmental Research and Risk Assessment, 2023, 37(11): 4431-4444.

DOI

[8]
段志坚. 旅游交通需求预测方法研究综述[J]. 交通科技与管理, 2021(18): 234-236.

[Duan Zhijian. A review of research on methods for forecasting tourism transportation demand[J]. Transportation Science and Management, 2021(18): 234-236. ]

[9]
石彩霞, 贺小荣. “双碳”目标下黄河流域城市绿色发展效率测度及提升路径[J]. 干旱区地理, 2024, 47(3): 528-538.

DOI

[Shi Caixia, He Xiaorong. Measurement and improvement path of urban green development efficiency in the Yellow River Basin under the “carbon peaking and carbon neutrality” targets[J]. Arid Land Geography, 2024, 47(3): 528-538. ]

DOI

[10]
郭向阳, 穆学青, 明庆忠, 等. 中国旅游交通碳排放格局及影响因素解析[J]. 地理与地理信息科学, 2022, 38(2): 129-136.

[Guo Xiangyang, Mu Xueqing, Ming Qingzhong, et al. Carbon emission pattern of China’s tourism transportation and its influencing factors[J]. Geography and Geo­Information Science, 2022, 38(2): 129-136. ]

[11]
Fang Z R, Gui W L, Han Z Z, et al. The efficiency evaluation and influencing factor analysis of regional green innovation: A refined dynamic network slacks­based measure approach[J]. Kybernetes, 2024, 53(6): 2153-2193.

DOI

[12]
Liu S H, Kuang J S, Ding D Z, et al. Low-carbon governance, fiscal decentralization, and enterprise green development: Evidence from China[J]. PLoS One, 2024, 19(3): e0296490-e0296490, doi: 10.1371/journal.pone.0296490.

[13]
睢党臣, 张扬, 孟望生. 黄河流域经济绿色发展效率测度及其空间分异研究[J]. 统计与决策, 2023, 39(2): 116-119.

[Sui Dangchen, Zhang Yang, Meng Wangsheng. Measurement and spatial differentiation of green development efficiency in the Yellow River Basin economy[J]. Statistics & Decision, 2023, 39(2): 116-119. ]

[14]
黄晶, 徐志超. 技术创新对绿色发展的空间效应与传导机制——基于长三角城市群的经验证据[J]. 工业技术经济, 2024, 43(2): 98-105.

DOI

[Huang Jing, Xu Zhichao. The spatial effect and transmission mechanism of technological innovation on green development: Evidence from the Yangtze River Delta urban agglomeration[J]. Journal of Industrial Technology and Economy, 2024, 43(2): 98-105. ]

[15]
赵杨, 王京, 潘为华. 中国省域新型城镇化水平与绿色发展水平的区域特征及其影响机制[J]. 经济地理, 2023, 43(9): 1-9.

DOI

[Zhao Yang, Wang Jing, Pan Weihua. Regional characteristics and impact mechanisms of new urbanization and green development level in China at the provincial level[J]. Economic Geography, 2023, 43(9): 1-9. ]

DOI

[16]
Feng Y L, Liu B Q, Yan Q, et al. Forecasting research on urban green development based on system dynamics: A case study of Hefei in China[J]. Systems, 2024, 12(4): 16-24.

DOI

[17]
Yang L, Ma Z X, Yin J, et al. The evolution and determinants of Chinese inter­provincial green development efficiency: An MCSE­DEA­Tobit­based perspective[J]. Environmental Science and Pollution Research, 2023, 30(18): 53904-53919.

DOI

[18]
Chen Z, Deng T H. Investigating and improving the ecological efficiency of urban agglomeration based on the Super­SBM model[J]. Environmental Science and Pollution Research, 2023, 30(54): 115628-115645.

DOI

[19]
胡志毅. 基于DEA­Malmquist模型的中国旅行社业发展效率特征分析[J]. 旅游学刊, 2015, 30(5): 23-30.

[Hu Zhiyi. An analysis of the efficiency characteristics of the travel agency industry of China based on a DEA­Malmquist model[J]. Tourism Tribune, 2015, 30(5): 23-30. ]

[20]
方应波. 我国绿色发展评价指标体系研究综述——基于文献计量与社会网络分析[J]. 科技管理研究, 2021, 41(18): 73-79.

[Fang Yingbo. Review on the evaluation index system of green development in China: Based on bibliometrics and social network analysis[J]. Science and Technology Management Research, 2021, 41(18): 73-79. ]

[21]
郝淑双, 朱喜安. 中国区域绿色发展水平影响因素的空间计量[J]. 经济经纬, 2019, 36(1): 10-17.

[Hao Shushuang, Zhu Xi’an. Spatial econometrics for influencing factors of regional green development of China[J]. Economic Survey, 2019, 36(1): 10-17. ]

[22]
张宇果. 城市群绿色发展效率及影响因素研究[D]. 重庆: 重庆大学, 2019.

[Zhang Yuguo. The green development efficiency and influencing factors research of urban agglomeration[D]. Chongqing: Chongqing University, 2019. ]

[23]
傅春, 欧阳欢蕤, 赵雪茹. 基于DEA及Malmquist指数模型的江西省绿色发展效率测度与评价[J]. 生态经济, 2020, 36(6): 51-57, 172.

[Fu Chun, Ouyang Huanrui, Zhao Xueru. Measurement and evaluation on green development efficiency of Jiangxi Province based on DEA and Malmquist index model[J]. Ecological Economy, 2020, 36(6): 51-57, 172. ]

[24]
孟望生, 刘华桢, 张扬. 黄河流域七大城市群绿色发展效率测度及特征分析[J]. 干旱区地理, 2023, 46(5): 846-856.

DOI

[Meng Wangsheng, Liu Huazhen, Zhang Yang. Measurement and characterization of green development efficiency in seven urban agglomerations in the Yellow River Basin[J]. Arid Land Geography, 2023, 46(5): 846-856. ]

DOI

[25]
鹿晨昱, 黄萍, 张彤, 等. 甘肃省绿色发展效率时空演化与驱动因素研究[J]. 干旱区地理, 2023, 46(2): 305-315.

DOI

[Lu Chenyu, Huang Ping, Zhang Tong, et al. Spatiotemporal evolution and driving factors of the green development efficiency in Gansu Province[J]. Arid Land Geography, 2023, 46(2): 305-315. ]

DOI

[26]
余焕, 雷敏, 马金晶, 等. 基于绿色GDP和生态效率的区域可持续发展研究——以陕西省为例[J]. 干旱区地理, 2023, 46(2): 284-293.

DOI

[Yu Huan, Lei Min, Ma Jinjing, et al. Regional sustainable development based on green GDP and ecological efficiency: A case of Shaanxi Province[J]. Arid Land Geography, 2023, 46(2): 284-293. ]

DOI

[27]
凌娟. “绿色发展”国内外研究综述[J]. 中国市场, 2023(3): 55-57.

[Ling Juan. A review of domestic and international research on “green development”[J]. China Market, 2023(3): 55-57. ]

[28]
赵国甫, 赵家辉. 绿色发展研究综述[J]. 环境保护与循环经济, 2022, 42(11): 4-6, 10.

[Zhao Guofu, Zhao Jiahui. A review of research on green development[J]. Environmental Protection and Circular Economy, 2022, 42(11): 4-6, 10. ]

[29]
李晋红, 朱学昱. 基于DEA-Malmquist指数模型的绿色发展效率测度与评价——以甘肃省为例[J]. 湖北农业科学, 2022, 61(8): 184-191.

[Li Jinhong, Zhu Xueyu. Measurement and evaluati-on of green development efficiency based on DEA-Malmquist index model: Taking Gansu Province as an example[J]. Hubei Agricultural Sciences, 2022, 61(8): 184-191. ]

[30]
Anselin L, Gallo J. Interpolation of air quality measures in hedonic house price models: Spatial aspects[J]. Spatial Economic Analysis, 2006, 1(1): 31-52.

DOI

[31]
Charnes A, Cooper W, Rhodes E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research, 1978, 2(6): 429-444.

DOI

[32]
Fare R, Grosskopf S, Norris M, et al. Productivity growth, technical progress, and efficiency changes in industrialized countries[J]. American Economic Review, 1994, 84(12): 66-83.

Options
文章导航

/

〈 〉