李江龙 杨秀汪 孟观飞 郭小叶

摘要：“资源诅咒”可能阻碍经济社会的绿色可持续发展。发展经验表明，资源丰富往往与可持续发展之间存在负向关联。在使用非径向方向距离函数构造中国282个城市能源环境效率的基础上，从政商关系角度使用中介效应模型检验资源丰裕度对城市能源环境效率的影响。研究发现：矿产资源丰裕程度对地区能源环境效率具有显著的负向影响，这种影响主要由制度因素引起，即丰富的自然资源增加了地方政府的寻租激励，引发不利于包容性增长的政商关系，阻碍了绿色可持续发展的进程。而且，这种关联在不同地区、长短期、资源类型等方面存在系统差异。研究结论为资源丰裕地区提高能源环境效率、构建“清”型政商关系提供了经验证据和政策启示。

关键词：资源丰裕度；能源环境效率；政商关系；资源诅咒；绿色发展

文献标识码：A文章编号：100228482023（03）001316

一、问题提出

新时代背景下构建亲清新型政商关系①，有助于正确处理政府与企业的关系，激发市场主体创新活力，推动中国经济社会高质量发展。但是，在关系国民经济社会发展基础的自然资源开发利用领域，依然存在诸多不利于提高资源利用效率，不利于促进企业创新的因素，而在众多因素中不清廉的政商关系常常被人诟病，引发政府、业界和学界对资源丰富地区经济增长、社会发展和环境治理等问题的持续关注。已有研究表明，丰富的自然资源②往往很难为地区经济长期增长带去“福音”，却常常成为阻碍经济持续增长的“诅咒”［1］。不仅如此，以矿产资源开采、加工为主导产业的城市不仅面临经济增长的难题，还可能因较低的能源环境效率而深陷环境和气候治理的困境［2］。能源环境效率用于度量地区一定投入条件下期望产出（如经济产出）和非期望产出（如污染物）的投入产出效率，能够较好刻画地区经济增长与环境和气候治理平衡发展程度。提高能源环境效率就是确保经济产出的前提下，尽可能减少投入和非期望产出。因此，能源环境效率适宜且被广泛用于评价地区绿色发展水平［3］。资源丰裕地区的能源环境效率提高，不仅是资源型城市转型发展亟待解决的问题，更是中国推动经济社会全面绿色转型、建设美丽中国的迫切需要。丰富的自然资源可能对地区绿色发展产生“诅咒”，而不清廉的政商关系（也称“非清”政商关系）则可能是重要的“帮凶”。为此，研究政商关系对能源环境效率的影响机理对破除制约资源丰富地区绿色发展的“诅咒”具有现实意义。

资源丰裕度对地区能源环境效率的影响可从制度和技术两个角度解释。制度因素主要包括寻租和腐败、政局混乱、社会不平等、资源收益分配制度不完善等；而技术因素主要表现为资源行业对制造业等其他行业产生挤出效应，或阻碍生产性技术投入，或被重化工产业锁定而产生路径依赖［45］。这两种因素中制度因素更具深刻和长期影响，而技术因素可能是制度缺失导致的具体结果。政府作为政策和规则的制定者，在其中扮演着重要角色并发挥关键作用。尤其在中国，自然资源所有权主要由政府掌控，以矿产资源为代表的自然资源开采权集中由关键的政府部门审批，因此，拥有相关权力的政府部门及关键人员容易成为资源开发者的寻租对象

党的十八大以来，煤炭、石油、电力、燃气等能源领域落马“老虎”居首，成为腐败的重灾区。参见：http：//fanfu.people.com.cn/n/2015/0428/c6437126919263.html。，加之行政信息不透明，缺乏社会有效监督，导致矿产资源开采利用领域常出现非市场化竞争，这些都加大了非效率生产的可能性。在资源丰富地区，非效率生产意味着对资源粗放开采和高耗能、高排放、低附加值加工并存，这种“高投入、低产出、高排放”的开发模式很可能表现为更低的能源环境效率。由此，在“资源丰裕地区—政府对资源开采权的垄断控制—资源开发利用效率”的链条中，政商关系可能成为影响资源丰裕地区能源环境效率的重要力量，政商关系究竟是“奠基石”还是“绊脚石”，直接影响着地区绿色可持续发展。政商关系不仅仅是政府与企业的关系，更是政府与市场、市场与社会的关系，也是中国经济体制改革成效的试金石［6］。从政商关系的视角探讨资源丰裕度如何影响能源环境效率不仅能够推动资源丰裕地区的深化改革，而且也有利于厘清自然资源与腐败的关系，从而建立行之有效的能源环境效率提升机制。

本文基于政商关系的视角尝试为资源丰裕度对地区能源环境效率影响机制提供一种新的分析思路，并实证检验政商关系影响资源丰裕地区能源环境效率的程度，以及政商关系作用效应在不同地区、不同时间、不同资源类型上的异质性。本文的主要贡献在于：第一，从政商关系视角解释了自然资源丰裕度对能源环境效率影响的作用机制，丰富了对“资源诅咒”作用机制的研究。第二，实证检验了“非清”政商关系在矿产资源丰裕度对能源环境效率影响中的传导效应，并对比了矿产资源与土地资源、森林绿地资源

矿产资源具有较高的单位经济价值和使用价值，分布具有聚集性特征，并兼具不可再生的稀缺性；而土地资源或森林绿地资源，其单位经济价值和使用价值显著低于矿产资源，且具有可再生性特征。对能源环境效率的不同影响效应。第三，从时空异质性角度探讨资源丰裕程度、政商关系与能源环境效率的特征。从资源贫富、南北方和东中西部地区三个维度探讨不同区域之间资源丰裕度、政商关系与能源环境效率的关系及其差异，同时使用横截面数据模型和面板数据模型分别从长期和短期视角估计了政商关系作用于资源丰裕度进而影响能源环境效率的程度，探究长期和短期效应的差异。

二、文献述评

与本文研究相关度较高的文献主要包括资源丰裕度与经济增长、资源丰裕度与政府腐败以及政府腐败或信息不透明与能源环境效率相关的研究。

资源丰裕度与经济增长关系的研究由来已久，现有研究多支持“资源诅咒”假说，即丰富的资源不仅不能促进经济持续增长，反倒阻碍了经济增长。究其原因，丰富的资源易诱发不利于经济增长的社会问题，比如腐败加重、战争频发、教育缺失等。此外，资源丰富地区也更容易形成对经济增长具有挤出效应的不利因素，比如，资源丰裕国家的高价格水平不利于出口增长［7］，对科技创新和人力资本投入形成挤出效应，或挤出外资投入和私营经济，或导致去工业化等“荷兰病”的出现，还可能降低实际储蓄率影响经济长期增长［8］。资源丰富地区无法将资源有效转化为其他生产性资产，不利于提高能源效率，过度依赖资源还会腐蚀一国的投资便利性进而阻碍生产性投资［5］。资源型城市存在对重化工业的锁定效应和路径依赖，缺乏提高资源环境效率的激励力度，导致资源丰裕度高的城市較难实现绿色经济增长［9］。因此，过分依赖资源发展的地区更容易被资源“诅咒”。

资源丰富地区较容易产生腐败，这似乎已成为共识。政府腐败是资源丰富的国家在经济方面表现欠佳的主要原因。自然资源是一个国家天然的“资源租金”，政府掌握国家机器而天然地对其拥有控制权，丰富的资源会诱使人们更多关注如何获得资源租金，而忽视对自身生产技能的提升，并且还容易滋生腐败［10］。Okada等［11］研究了157个国家以石油租金为代表的自然资源对腐败的影响，表明资源丰富的国家更容易发生腐败。伴随矿产资源的开采，政府腐败的程度会加剧，矿产资源开发收入增长会促使被贿赂者要求更多的资源租金。在资源收益分配制度不完善和资源管理存在自由裁量权的制度条件下，资源丰富地区容易产生腐败。相比而言，研究政府腐败对能源效率或环境效率的影响相对较少，多数研究关注到政府腐败导致非效率投资增加进而降低了企业的投资效率［12］，部分研究也表明资源领域的腐敗直接导致环境治理恶化［13］。

综上，有关资源丰裕程度与经济增长的研究多集中从不同视角解释经济增长中的“资源诅咒”现象及其触发机制，但随着社会对绿色转型发展重视程度不断加深，资源丰富地区不仅面临经济增长困境，可能也面临更多环境污染问题，但当前文献却鲜有探索资源丰裕程度与能源环境效率关系的研究。已有对资源丰裕度与政府腐败的研究，也仅限于探究丰裕资源诱发腐败现象的原因。需要说明的是，政府腐败不仅只是社会问题，它与一个地区经济增长和可持续发展也可能息息相关，但是相关研究并未延伸至能源环境效率领域。而政府腐败与能源环境效率的研究关注到了政府腐败对生产投资效率或环境治理产生影响，但其研究的对象过于宽泛，研究的目标仅限于环境治理而忽视经济发展，缺乏以资源丰裕地区为研究对象且以绿色发展为目标的研究。自然资源开采多受政府管控，而资源开发利用工作由企业实施，政商关系在资源尤其是矿产资源开发利用中可能扮演重要角色，因此，本文试图从政商关系视角揭示资源丰裕度对能源环境效率的影响机制。

三、理论分析及研究假说

“非清”政商关系表现为政府与某些企业关系过于密切，并可能伴随非正常的利益交换，这种政商关系不利于正确划分政府与企业的角色和责任，难以明确政商关系的边界。“非清”政商关系严重的地区，政府腐败、行政信息不公开、财政透明度低等现象凸显，而自然资源丰富地区容易产生政府腐败，缺乏民主或制度不健全加重了腐败滋生，因此，在资源丰富地区“非清”政商关系可能严重阻碍能源环境效率的提高。如图1所示，本文从政商关系视角对资源丰裕度如何影响地区能源环境效率给出理论解释。

图1政商关系在资源丰裕地区对能源环境效率影响中的传导机制

丰富的资源容易诱发企业等相关主体为获取资源而向政府相关人员行贿，资源丰富地区更容易出现政府腐败现象［14］，而政府腐败引发非效率投资增加，并阻碍技术创新和先进技术应用，导致资源浪费和环境恶化。腐败一方面抑制部分企业的有效投资，另一方面加剧部分企业的过度投资，从而在整体上削弱企业的投资效率。腐败导致寻租增加和恶性竞争加剧都降低了企业创新积极性，还会通过降低创新型产品的平均产出，阻碍创新型公司的发展［15］。腐败导致非效率投资增加并削弱技术进步，极有可能造成大量资源浪费。资源领域的腐败直接导致环境治理恶化，政策制定者的腐败导致能源效率降低［16］，腐败也造成了更多污染，腐败严重的政府会抵制环境游说团队的行为，从而不利于环境治理。因此，在资源丰富地区政治腐败容易造成政府过度干预社会资源配置，导致低效率甚至非效率投入增加，企业缺乏技术研发投入激励，也增加了企业生产面临的风险，阻碍了资源优化配置，加剧了资源浪费和环境污染，这些都可能降低资源丰富地区的资源使用效率。

在资源富集的地区，行政信息缺乏透明度增加了企业投资决策面临的不确定性，企业难以据此制定最优的生产投资计划，不能在满足节能环保等约束下有效配置资源并实现效益最大化。政府行政信息主要包括人事任免、人员招聘、政策发布、政府规划、重大项目建设、重大民生工程、监督检查、行政处罚、公共事件应对及处理等影响经济社会发展的重要信息。在政策不确定性较高时，政府信息公开能够显著提升企业的投资效率［17］。而通过公开环境污染信息，公众参与环境质量监督，有助于改善环境污染。污染信息透明度指数信息公开对减少污染排放具有积极影响［18］。政府行政信息公开不仅有利于减少腐败导致资源滥用现象，还有助于提高社会生态效率［19］。因信息不公开，公众无法参与监督政府行为，也导致了腐败滋生和生产过程中的环境破坏，不利于能源环境效率的改善。

资源丰富地区税收等财政收支规模较大，财政信息透明程度可能影响资源开采企业的投资和节能投入决策。自然资源开采企业多为国有性质且属于资本密集型企业，这类企业的投资行为紧跟国家宏观政策尤其是财政政策变化而调整。一方面，提高财政透明度有利于公众对财政资金使用进行监督，形成对政府优化财政资源分配的约束，从而有助于提高财政资金的配置效率；另一方面，财政透明度提升有助于改善企业对政府行为的预期，减少企业投资偏差，抑制企业过度投资，提高产能利用率。因此，在资源丰富地区财政透明程度将从以上两个方面引导资源实现优化配置，最终提高能源环境绩效。政府作为社会经济活动的重要参与者，通过财政收支调节市场经济失衡，政府定期公布财政预决算报告释放经济政策信号，引导其他经济社会参与者的投资经营行为。财政公布重大项目或者技术改造补贴政策，能引导生产型企业技术改造资本性投资，努力提高能源使用效率。而财政透明度欠缺，则容易滋长寻租及腐败行为，难以实现财政资金精准使用，导致传统资源型企业凭借与政府天然亲密关系更易获取财政补贴，而对真正需要财政资金支持且有意愿进行技术改造的企业形成挤出效应，也不利于提高能源环境效率。

基于以上分析，本文提出假说：自然资源丰裕地区“非清”政商关系严重，且“非清”政商关系极可能对地区能源环境效率产生不利影响。

四、实证设计与研究方法

（一）基本模型

已有對“资源诅咒”的研究（尤其是国内）常使用面板数据模型估计资源丰裕度与经济增长的关系，但也不乏使用横截面数据模型对两者关系进行估计的研究［1，20］。面板数据模型估计结果描述的是资源丰裕度在相邻年份间的变化对不同个体在相邻年份间经济增长变化的影响，即资源丰裕度短期变化对经济增长的短期影响［6，21］；而横截面数据模型则是利用不同个体资源丰裕度的差异来解释不同个体经济增长差异，考察的是资源丰裕度对经济增长的长期影响。因此，横截面模型更适用于考察诸如自然资源等长期因素对经济增长影响。为此，本文建立了如下横截面模型：

EEPIi=c0+c1lnMi+λXi+εi（1）

其中，EEPIi表示能源环境效率；Mi表示采矿业从业人数，用于度量资源丰富程度，也是本文的核心解释变量。与文献通常做法一致［5，21］，控制变量Xi为影响地区能源环境效率的长期因素，包括各个地市与对应省会城市的距离（DIS）、经度（LTE）和海拔（ELE）。

（二）中介效应检验

为了检验资源丰裕程度是否通过政商关系影响能源环境效率，本文借鉴温忠麟等［22］提出的中介效应检验方法检验政商关系的中介效应，构造如下模型：

EEPIi=c0+c1lnMi+γXi+ε1i

lnINNi=α0+α1lnMi+αXi+ε2i

EEPIi=β0+c′1lnMi+blnINNi+ωXi+ε3i（2）

其中，c1为解释变量资源丰裕度对被解释变量能源环境效率的总效应；α1为资源丰裕度对中介变量政商关系（INNi）的效应；b是在控制了资源丰裕度的影响后，政商关系对能源环境效率的效应；c′是在控制了政商关系的影响后，资源丰裕度对能源环境效率的直接效应；中介效应使用系数乘积α1b度量，系数乘积的检验（即检验H0：α1b=0）是中介效应检验的核心。

本文检验政商关系中介效应的步骤如下：第一步，对式（2）中第一个方程进行回归，若系数c1显著，则表明存在总效应，按照中介效应立论；若系数c1不显著，则按照遮掩效应立论。第二步，若系数c1显著，且式（2）第二、三个方程的系数α1、b均显著，则表明间接效应显著，直接跳至第四步；若系数α1、b至少有一个不显著，则用Bootstrap法检验H0：α1b=0，按照第三步操作。第三步，Bootstrap法直接检验H0：α1b=0，若结果显著，则表明间接效应显著，则进行第四步；否则停止分析。第四步，若式（2）第三个方程的系数c′1不显著，说明只有中介效应；若系数c′1也显著，说明为部分中介效应，继续操作第五步。第五步，比较α1b与c′1的符号，若两者符号相同，则部分中介效应占总效应的比例为α1b/c1；若两者符号不同，属于遮掩效应，则中介效应与直接效应比例的绝对值为|α1b/c′1|。

此外，由于式（2）中被解释变量EEPIi和lnINNi均为受限被解释变量，如果使用OLS方法估计则不能得到一致估计，因此使用Tobit方法进行参数估计。

（三）研究变量

1. 被解释变量

能源环境效率是指在一定投入下期望产出（如经济产出）和非期望产出（如污染物）的投入产出效率，是对地区经济与生态和环境治理平衡发展的综合度量。本文基于度量期望和非期望产出的非径向方向距离函数（NDDF）构造出能源环境效率指标作为被解释变量。

（1）定义生产函数。假设每个决策单元（比如城市）使用3种投入要素X=（xK，xL，xE）∈R3 +进行生产，其中K、L、E分别表示劳动、资本和能源，生产得到期望产出Y∈R+和非期望产出U∈R+，其中期望产出为经济产出，非期望产出为污染物（比如二氧化碳、二氧化硫）

煤和石油燃烧时会生成二氧化硫，在工业生产过程中如处理不当二氧化硫会对大气产生严重污染。石油、煤炭、天然气燃烧及其生产化工产品过程中都会释放出二氧化碳。二氧化碳是重要的温室气体，大量排放对气候变暖产生不利影响。这两种污染物均与化石能源消费密切相关，所以视为非期望产出。。因此，基于以上投入和产出可定义包含非期望产出的生产技术：

T={（X，Y，U）：X能生产（Y，U）}（3）

如果用生产可能性集形式描述以上生产技术，即

P（X）={（Y，U）：（X，Y，U）∈T}（4）

期望产出与非期望产出的联合生产可能性集需要满足弱可处置性，以及期望产出与非期望产出联合生产的零交集性，即

①若（Y，U）∈P（X）且0≤θ≤1，则（θY，θU）∈P（X）

②若（Y，U）∈P（X）且U=0，则Y=0 （5）

式（5）中弱可处置性条件①刻画了污染物减排是有成本的，零交集条件②意味着生产过程中污染物排放是不可避免的。

本文期望产出以国内生产总值GDP度量，非期望产出包括二氧化碳排放（C）和二氧化硫（S）。借鉴Zhou等［23］的研究，生产函数表示为

P=K，L，E，Y，C，S∶∑T   t=1∑N   i=1λitKit≤K，∑T   t=1∑N   i=1λitLit≤L

∑T   t=1∑N   i=1λitEit≤E，∑T   t=1∑N   i=1λitYit≥Y，∑T   t=1∑N   i=1λitCit=C

∑T   t=1∑N   i=1λitSit=S，λit≥0，i=1，…，N;t=1，…，T（6）

（2）定义距离函数。将DDF函数引入环境效率评价，其距离函数定义为在实现产出扩张的同时，尽可能减少污染物排放，距离函数可表示为

D→K，L，E，Y，C，S;g=supβ∶［（K，L，E，Y，C，S）+gβ］∈P（7）

对于给定投入（K，L，E），产出Y和污染物（C，S）按照相同的比例扩张和收缩，β就是产出扩张和污染物减排的最大可能比例。Zhou等［23］放松了DDF中期望产出与非期望产出必须同等比例增加和减少的限制，定义了NDDF，允许两类产出的增减比例不一致，同时也避免了DDF可能存在的松弛偏差问题。因此，本文构造的非径向方向距离函数如下：

NDK，L，E，Y，C，S;g=supwTβ∶［（K，L，E，Y，C，S）+g·diag（β）］∈P（8）

其中，β=（βK，βL，βE，βY，βC，βS）T≥0为松弛向量，表示各投入产出变量可以扩张和缩减的比例。w=（wK，wL，wE，wY，wC，wS）T表示能源环境绩效评价中各投入产出变量的权重。g=（gK，gL，gE，gY，gC，gS）是方向向量，表示期望产出扩张和非期望产出缩小的方向。diag（β）表示对β进行对角化处理。

本文根据研究需要，选择的权重向量为w=（0，0，1/3，1/3，1/6，1/6）T。首先，假设投入、期望产出和非期望产出是同等重要；其次，投入要素间存在替代性，全要素能源环境效率需要将资本和劳动剔除出去。此外，非期望产出有两种，权重各设置为1/6。保持权重向量与方向向量对应，因此方向向量取值为g=（0，0，-E，Y，-C，-S）。距离函数式（8）可以通过如下线性优化过程求解：

NDK，L，E，Y，C，S;g=maxβE/3+βY/3+βC/6+βS/6

s.t.∑T   t=1∑N   i=1λitKit≤K，∑T   t=1∑N   i=1λitLit≤L，∑T   t=1∑N   i=1λitEit≤E－βEgE

∑T   t=1∑N   i=1λitYit≥Y+βYgY，∑T   t=1∑N   i=1λitCit=C－βDgD

∑T   t=1∑N   i=1λitSit=S－βSgS，λit≥0，i=1，…，N;t=1，…，T（9）

式（9）的经济含义是指在资本和劳动投入既定的情况下，实现期望产出最大化和非期望产出最小化，而最大化及最小化目标的相对重要性通过权重向量w刻画。求解式（9）可得到最优解β*=（β*

E，β*Y，β*C，β*S）T，表示如果地区i在第t年实现最优生产，能源投入、期望产出和非期望产出的目标值分别为：Eit-β*EitEit，Yit-β*YitYit，Cit-β*CitCit，Sit-β*SitSit；特别地，如果β*jit=0，j=E、Y、C、S，则说明决策单元在该种投入（或产出）上已经实现了最优。

（3）构建能源环境效率指标。为了在能源投入、期望产出与非期望产出之间进行权衡，本文采用目标能源强度与实际能源强度的比值定义能源绩效，采用目标污染物排放强度与实际值的比定義污染物排放绩效。最后对两者进行加权来定义能源环境效率，能源环境效率指标EEPI∈［0，1］值越高，表明能源环境效率越好。具体计算公式如下：

EEPIit=1   2（Eit－β*EitEit）/（Yit+β*YitYit）   Eit/Yit+1   21   2∑j=C，S（jit－β*jitjit）/（Yit+β*YitYit）   jit/Yit=

（1－β*Eit）/2+（1－β*Cit）/2+（1－β*Sit）/2/2   1+β*Yit（10）

2. 核心解释变量

核心解释变量资源丰裕度使用采矿业从业人数表示。参考李江龙等［9］的研究，使用采矿业从业人数表示资源丰裕程度，主要因为矿产资源属于劳动密集型产业，使用采矿业从业人数能够恰当刻画地区的资源丰裕程度，而以GDP为基础的相对指标，或者以采矿业从业人数占比为指标度量资源丰裕程度，会将经济发达地区度量为资源相对贫乏，或将人口密集且规模较大的地区度量为资源相对贫乏，而这往往与事实不符［9，21］。

3. 中介变量

中介变量为政商关系，本文使用来自中国人民大学国家发展与战略研究院发布的《中国城市政商关系研究报告》中的政商关系清白指数

政商关系清白指数得分范围为0～100。表示。该指数由政府廉洁度（权重系数25%）和政府透明度（权重系数75%）构成。其中，政府廉洁度主要以被查处官员数量、食品安全许可证代办价格、百度腐败指数构成，政府透明度则刻画了行政信息公开度和财政透明度。政商关系清白指数越大，说明该地区政府廉洁程度和政府透明度越高。对282个城市2017—2019年政商关系清白指数平均数进行统计，结果显示114个资源型城市

此处资源型城市为国务院2013年发布的《全国资源型城市可持续发展规划（2013—2020年）》的126个地级行政区资源型城市中的114个。的政商关系清白指数平均值得分47.89，而其余168个非资源型城市的得分为56.75，较资源型城市高出18.5%。可见，资源型城市的政府廉洁和政府透明度明显低于非资源型城市，如前文所述，资源丰裕地区的“非清”政商关系更严重。

4. 控制变量

本文使用横截面模型考察长期因素对能源环境效率的影响。不同于面板数据模型会添加尽可能多的具有短期影响效应的控制变量，本文使用的横截面模型通过比较城市之间在横截面上的差异解释不同城市能源环境效率的差异，重在考察能源环境效率的长期特征，因此不宜增加短期影响因素作为控制变量。Sachs等［7，20］有关“资源诅咒”的经典研究所选择的控制变量主要是地理因素（例如距主要港口距离、纬度、热带、洲际等），而不选择具有短期影响的因素。因此，参考已有相关研究［5，20］，本文选择对能源环境效率可能具有长期影响的因素作为控制变量，主要包括各地级市与对应省会城市的距离（DIS）、各地级市经度（LTE）和海拔（ELE）三个因素。

（四）数据来源与处理

1.数据来源及处理

兼顾数据的充分性及可获得性，本文使用中国282个地市的横截面数据进行处理分析。首先使用全国各地市2003—2019年劳动、资本、能源、GDP、二氧化碳排放、二氧化硫排放等数据计算每年的能源环境效率，再取2003—2019年能源环境效率的平均值度量该地区长期的能源环境效率。二氧化碳排放数据通过各城市能源消耗数据计算得出，而城市能源消耗主要包括城市交通运输以及城市供暖、用电、用气（煤气和液化石油气）等的能源消耗。本文参考Li等［24］的测算方法计算城市交通运输能源消耗，以各城市公路、铁路、水路和航空运输的客运量和货运量乘以对应运输方式的能源强度计算出不同运输方式的能源消耗量。在此，先计算各城市交通运输、供暖、用电、用气四种活动的能源消费量，再根据2006年联合国政府间气候变化专门委员会（IPCC）制定的二氧化碳计算方法，将不同能源消费量乘以对应的二氧化碳排放系数，最后进行加总得出各地级市二氧化碳排放总量。资本数据使用永续盘存法计算得出，资本和GDP数据统一为2017年的不变价格。资源丰裕程度数据取2003—2019年各地市采矿业从业人数的平均值。以上数据或基础数据主要来源于历年《中国城市统计年鉴》《中国城市建设统计年鉴》《中国工业统计年鉴》《中国能源统计年鉴》《中国统计年鉴》以及部分地级市历年统计年鉴。

控制变量数据选取各地级市经度和海拔数据，使用ArcGIS软件对地理信息数据处理后获得，并使用经纬度数据计算出各地级市与省会城市的距离。中介变量政商關系数据来源于中国人民大学国家发展与战略研究院发布的2017—2019年度《中国城市政商关系研究报告》。在实证分析中，由于政商关系清白指数取值为0～100，部分小于1的数值取对数之后为负值且绝对值较大，为了确保数值为正而便于分析，本文使用101减去政商关系清白指数再取对数，生成新的变量lnINN=ln（101-INN），因此政商关系清白指数（INN）与lnINN成负向关系，即政商关系清白指数越大，则lnINN值越小。

2. 描述性统计

主要变量的描述性统计结果如表1和图2所示。从区域差异来看，EEPI存在资源贫富、南北方、东

图2主要变量在地区之间的差异

注：1.数据为样本数据的平均值。

2.资源丰裕度排名前50%地区为资源富裕地区，资源丰裕度排名后50%地区为资源贫穷地区；北方地区包括129个地级市，南方地区包括153个地级市；中西部地区包括184个地级市，东部地区包括98个地级市。

中西部地区差异，资源丰裕地区小于资源贫穷地区，北方小于南方，而中西部地区小于东部地区。资源丰裕地区主要分布在北方和中西部地区。从变换之后度量政商清白指数的lnINN来看，其值越大表明政府廉洁程度和政府透明度越低。资源贫穷、南方、东部地区的政府廉洁程度和政府透明度较高。

描述性统计结果表明，相比资源贫穷地区，资源富裕地区政府廉洁程度和政府透明度较低，即“非清”政商关系现象较为严重，且资源富裕地区的能源环境效率较低，这在一定程度上表征了本文提出的研究假说。并且，EEPI、M和lnINN三个变量特征在北方与南方之间，以及中西部地区与东部地区之间存在差异，也表明三者的关系存在区域异质性。

五、实证结果与讨论

（一）基准回归结果

对中国282个地级市横截面数据检验结果表明，资源丰裕程度对能源环境效率具有显著负向影响。如表2所示，资源丰裕程度的系数为负，说明资源越丰富的地区能源环境效率越低。第（5）列结果显示，资源丰裕程度对数的系数为-0.02，且在1%水平上显著，表明资源丰裕程度每增加1个标准差（1.95），能源环境效率将降低0.039（即减少0.21个标准差），验证了地区能源环境发展方面同样存在“资源诅咒”现象。

此外，到省会城市距离（DIS）与能源环境效率具有负向关系，表明距离省会城市越远的城市，能源环境效率越低。在同一省域内，与其他地级市相比，省会城市汇聚了区域人才、科技和技术等要素，经济发展水平较高，生产效率较高，省会城市对周边城市技术和生产要素的溢出效益与其距离成反比，城市间经济或技术的溢出效应与地理距离呈反比［25］，因此距省会城市越近的地区，能源环境效率越高。经度（LTE）与能源环境效率表现出倒U型关系，且在1%水平下显著。中国东西部地区跨越的经度较广，经度越大越靠近沿海经济发达地区。除了经济聚集带来资源配置效率相对较高之外，沿海外向型经济有利于提高能源环境效率［3］，因此经度越大地区能源环境效率越高。经度与能源环境效率之间表现出倒U型关系，主要是由于经度最大的区域为东北地区，东北地区属于中国传统重工业基地，但传统支柱产业不断萎缩，面临较大的转型压力，地区的经济发展水平落后，经济聚集性低而节能减排效应小，生产技术水平整体偏低，资源利用效率和能源环境效率较低［26］。海拔（ELE）与能源环境效率具有显著的负向关系，表明海拔越高的地区，能源环境效率越低，这可能是由于中国的地势呈现西高东低，而经济和技术发展水平却表现为西低东高。

（二）传导机制检验

为了验证自然资源丰裕地区“非清”政商关系对能源环境效率的作用机制，本文使用中介效应检验方法对“非清”政商关系的传导机制进行验证，结果表明“非清”政商关系具有較为显著的中介效应。逐步回归结果如表3所示，第（2）列资源丰裕程度系数为0.031，表明资源越丰富的地区，政商关系清白指数越

低，丰富的自然资源诱使企业更多关注如何获得资源租金，而忽视对自身生产技术的提升，同时也会加剧

地方政府的寻租行为［10］。第（3）列显示“非清”政商关系系数为-0.094，在1%水平上显著，表明政商关系清白指数越低，能源环境效率也越低，即清白的政商关系有助于促进地区能源环境效率提高。政商关

系清白指标综合代表政府廉洁程度和政府透明度，反腐促进了企业技术创新，这种效应在受管制行业的

国有企业中表现尤为明显［27］。例如，高官落马促进了高效率工业企业的投资活动，改善了投资资源的配置效率，而政府提高行政效率有助于提高能源使用效率［28］。

根据式（2）中介效应检验的原理，表3第（1）列资源丰裕度系数显著，表明存在资源丰裕度影响能源环境效率的总效应；第（2）列资源丰裕度系数和第（3）列“非清”政商关系的系数均显著，说明存在以“非清”政商关系为中介变量的中介效应；第（3）列资源丰裕度系数也显著，说明“非清”政商关系在资源丰裕度影响能源环境效率的关系中存在部分中介效应。因此，资源丰裕程度对地区能源环境效率的负向作用过程中，“非清”政商关系发挥了显著的中介效应，中介效应的值为-0.003，中介效应在总效应中占比为14.58%。与此同时，第（3）列资源丰裕程度的系数为-0.017，在1%水平上显著，表明资源丰裕程度对能源环境效率的直接效应也显著。进一步，使用Bootstrap方法直接检验H0：α1b=0，得到的中介效应置信区间为［-0.007，-0.001］，不包含0，也说明“非清”政商关系的中介效应显著。

综上，中介效应检验结果验证了本文的假说，即自然资源丰富地区易诱发“非清”政商关系，并且通过“非清”政商关系对地区能源环境效率产生不利影响，“非清”政商关系具有显著的中介效应，中介效应占总效应的14.58%，“非清”政商关系为资源丰裕度如何影响城市能源环境效率提供了一种新的解释。资源丰裕程度高的地区发生政府腐败的可能性较大，而政府行政信息不公开、财政透明度低、缺乏有效监管又助长了腐败发生的可能［14］，并因此对地区能源环境效率产生不利影响。

（三）内生性处理

考虑到能源环境效率是基于要素投入和经济产出及非合意产出构造的评价指标，作为被解释变量的EEPI与解释变量lnM之间可能存在互相影响的双向因果关系，从而因内生性问题对估计结果产生偏差。参考已有研究对工具变量的选择［5，21］，本文使用2015—2019年EEPI平均值作为被解释变量，用AEEPI表示，选取2015—2019年资源丰裕程度平均值作为核心解释变量（lnM），并将2003—2014年资源丰裕程度平均值作为核心解释变量的工具变量，用lnMIV表示，采用两阶段最小二乘法（2SLS）重新估计。使用此工具变量主要因为其与2015—2019年资源丰裕度平均值具有较大相关性，与此同时，由于以前年度（2003—2014年）的资源丰裕程度已发生，可认为是“前定”的，与当期（2015—2019年）的扰动项不相关，符合工具变量的相关性和外生性条件。

表4第（1）（2）列为2SLS法的回归结果，工具变量（lnMIV）对资源丰裕度（lnM）影响的系数为1.042，且在1%的水平下显著并通过了弱工具变量检验［29］，表明工具变量与解释变量之间存在显著的正

相关关系。资源丰裕度对地区能源环境效率的影响显著为负，这与基准回归结果一致。第（2）～（4）列表示基于2SLS法的逐步回归结果检验中介效应，结果显示，“非清”政商关系在资源丰裕程度对地区能源环境效率的负向作用过程中同样发挥了显著的中介效应，中介效应在总效应中占比为35.81%。Bootstrap方法得到中介效应置信区间为［-0.008， -0.001］，不包含0，也说明“非清”政商关系的中介效应显著。上述结果表明，资源丰裕程度对地区能源环境效率负向作用以及“非清”政商关系的中介效应并不受到内生性问题的影响。

（四）稳健性检验

首先，替换被解释变量。基准回归中被解释变量EEPI的非合意产出包括二氧化碳和二氧化硫。其中，二氧化硫主要来自煤炭和石油的燃烧过程，而二氧化碳则来自石油、煤炭、天然气燃烧及其生产化工产品过程，当非合意产出仅为二氧化碳时可重新计算出新的EEPI，据此进行中介效应检验，结果见表5。“非清”政商关系的中介效应依然显著，此时中介效应占比为21.38%。其次，替换核心解释变量。采矿业从业人数从数量角度度量了资源丰裕程度，当使用包含价格和数量因素的采矿业生产总值替换采矿业从业人数作为资源丰裕度的代理指标时，中介效应检验结果依然显著，此时中介效应占比为18.24%。最后，替换中介变量。政商清白指数由政府廉洁度和政府透明度指标加权得出，当把政商关系的代理指标替换为政府透明度指数时，中介效应检验结果仍表明“非清”政商关系的中介效应显著，此时中介效应占比为21.47%。

稳健性检验结果表明，“非清”政商关系在资源丰裕程度与能源环境效率之间的中介效应稳健，且替换相关变量之后的中介效应占比均变大。一方面说明“非清”政商关系的传导效应并不因为变量替换而不显著，证明了实证结果可靠；另一方面也说明本文估算出中介效应占比14.58%，并没有夸大“非清”政商关系具有的传导效应。

（五）地区异质性分析

中国幅员辽阔，矿产资源分布具有“南少北多、东少西多”的特征，为检验资源丰裕度与能源环境效率

的关系是否存在地区异质性，本文按照资源贫富、南北方和东中西部三个维度对地区异质性进行检验，结

果表明资源丰裕度对能源环境效率影响存在较大的区域异质性。

表6第（1）列资源富裕地区的资源丰裕程度对能源环境效率的负向作用更大，进一步佐证了过分依赖资源发展的地区更容易被资源“诅咒”。第（2）列结果表明，北方地区资源丰裕度对能源环境效率的负向影响大于南方地区，估计系数接近南方地区的2倍。第（3）列结果表明，从东部与中西部地区来看，这两个地区资源丰裕度对能源环境效率的影响程度相当，中西部地区的负向影响程度稍大，这可能由于相比东部地区，中西部地区资源较为丰富。

分区域来看，如表7所示，资源富裕地区、北方地区和中西部地区“非清”政商关系的中介效应显著，表明资源富裕地区或中西部经济相对落后地区，政府廉洁度和政府透明度较低，并因此对能源环境效率产生负面影响，尤其在中西部地区“非清”政商关系的中介效应占比达到23.12%，比全国中介效应占比14.56%高出了8.56个百分点。

（六）短期效应分析

为了估计资源丰裕度对能源环境效率的短期影响以及“非清”政商关系在其中的中介效应，同时考虑政商关系数据指标的可得性

政商关系数据来源于中国人民大学国家发展与战略研究院发布的《中国城市政商关系研究报告》，截至目前该报告发布了2017、2018和2019年度的数据。，本文使用全国282个地级市2017—2019年短面板数据进行实证分析。不同于横截面模型使用影响经济发展的长期变量作为控制变量，参考已有研究［9］，在此选择短期内对经济发展具有影响的市场化程度（ME）、政府干预程度（GE）、环境规制程度（RE）等变量作为控制变量。其中，市场化程度使用城镇私营和个体从业人员占本地从业人员总数的比值来衡量。一般认为市场化程度越高，越有利于提高资源配置效率。政府干预程度使用财政支出占GDP比值衡量，用于改善基础设施及教育投入的财政支出有助于促进地区技术进步，但若用于行政管理的财政支出过多，则可能导致效率的损失；环境规制程度，基于城市生活污水处理率、生活垃圾无害化处理率、工业固体废物综合利用率这三个指标，用极差法进行标准化处理后，采用熵权法合成各地市环境规制强度指标，环境规制能够约束企业用能行为并刺激企业加快技术创新从而有利于提高效率，但是环境规制也会迫使企业额外增加治污投入，可能挤占了企业生产研发投入，对企业短期绿色增长产生负面影响。

表8第（2）（3）列为固定效应模型估计结果，第（4）（5）列为面板Tobit模型估计结果，结果显示资源丰裕度对地区能源环境效率的影响系数并不显著，在个体固定效应模型中为负，而在双向固定效应模型中为正，且短面板数据模型估计系数绝对值远小于基准回归估计系数绝对值，这可能由于矿产资源探明和开采周期相对较长，且采矿业属于资本密集型和劳动密集型产业，投入要素短期内难以及时调整，导致短期内能源环境效率对地区资源丰裕度变化的敏感性较低。以第（5）～（7）列组合的逐步回归法的中介效应检验结果显示关键估计系数均不显著，若按照逐步回归法计算，其中介效应占比仅为2.44%，这远低于基准回归中介效应占比的14.58%。以上结果表明，短期来看资源丰裕程度对能源环境效率的负向影响程度小于长期，且不显著，而“非清”政商关系在其中的中介效应同样极小且不显著。这也从另一个角度说明本文选择横截面数据模型探究长期内“非清”政商关系的中介效应可能更具意义。由于短期直接效应和中介效应都较小且均不显著，因此容易被人忽视，但是长期积累却会导致能源环境效率降低。

（七）进一步讨论：矿产资源与土地森林资源的异同

为进一步探究矿产资源与土地及森林资源对能源环境效率影响的差异，本文将实证检验土地及森林资源丰裕度对能源环境效率的影响，以及“非清”政商关系是否同样发挥作用。如表9第（2）（4）列所示，以土地利用面积和建设用地供应面积为代表的土地资源丰裕程度的估计系数为正且显著，说明土地资源

丰裕程度对能源环境效率具有正向作用，即地区土地利用面积越广或建设用地面积越大，其能源环境效率越高。虽然从其他土地利用类型向建设用地转变会表现出明显的碳排放作用，但城市土地利用与建设用地规划利用具有聚集效应特征，

提高建设用地空间集聚水平有助于提升能源效率［30］，且在土地开发利

用尤其是建設用地开发使用过程中对绿化及水土保持都有相对严格的要求，因此整体而言，土地资源丰裕程度对能源环境效率具有正向作用。第（3）列结果表明，以园林绿地面积为代表的森林资源与能源环境效率呈现非线性U型关系，结果在1%水平上显著，说明当园林绿地面积小于某个阈值时，园林绿地面积的增加不利于提高能源环境效率，但当园林绿地面积大于该阈值时，园林绿地面积持续增加有利于提高能源环境效率。在中国经济社会发展，尤其在工业化和城镇化推进中，园林绿地资源受到的影响首当其冲，当政府逐渐有意识对“绿水青山”进行保护之后，更加注重经济社会的高质量发展，能源环境效率逐渐得到改善。

表10中介效应检验结果显示，土地资源和森林绿地资源丰裕程度对能源环境效率的影响中“非清”政商关系依然发挥着中介效应，其中在以园林绿地面积为代表的森林绿地资源情形下，“非清”政商关系中介效应比例为12.70%，而以建设用地供应量为代表的土地资源情形下，中介效应比例为42.52%。

综上所述，无论是矿产资源还是土地资源的开发，都会对地区能源环境效率产生影响，前者产生了负向作用而后者具有正向效应。两类资源的开采权和所有权都由政府控制，且一般都通过企业进行开发及运营，两类资源在经济价值、使用价值和可再生性等方面存在差异，但是“非清”政商关系在资源丰裕度对能源环境效率影响发挥了显著的中介传导效应。

六、结论与建议

本文基于政商关系视角分析并检验了资源丰裕程度对地区能源环境效率的影响，并使用全国282个地级市横截面数据实证检验了“非清”政商关系的传导机制。首先，基于非径向方向距离函数测算能源环境效率，并使用采矿业从业人数作为资源丰裕度代理指标，分析了资源丰裕度与能源环境效率的关系；其次，检验了“非清”政商关系在资源丰裕度与能源环境效率之间的传导效应，并考虑了内生性问题，进行了稳健性检验和异质性分析，从短期检验了“非清”政商关系的中介效应；最后，进一步讨论了矿产资源与土地资源及森林绿地资源不同资源类型下“非清”政商关系的作用。

本文得到以下主要结论：第一，矿产资源丰裕程度对地区能源环境效率具有显著的负向影响，矿产资源丰裕程度每增加1个标准差（1.95），地区能源环境效率将降低0.039（即减少0.21个标准差），且长期表现强于短期，表明在能源环境效率方面“资源诅咒”同样存在。第二，以政商关系清白指数为代表的“非清”政商关系在矿产资源丰裕程度影响地区能源环境效率中发挥了显著中介作用，长期中介效应占总效应的比例为14.58%，短期内中介效应不显著但也不容忽视，验证了“非清”政商关系的传导机制，稳健性检验结果验证了“非清”政商关系中介效应检验结果的可靠性。第三，过度依赖资源发展的地区更容易被资源“诅咒”，异质性分析结果表明资源丰裕度对能源环境效率的负向影响在资源富裕地区大于资源贫穷地区，北方地区大于南方地区，东部与中西部地区差异较小，而资源富裕地区、北方地区及中西部地区“非清”政商关系的中介效应更为显著。第四，无论是矿产资源还是土地或森林绿地资源，尽管不同类型资源在经济价值、使用价值、可再生性和稀缺性等方面存在差异，且不同类型资源对能源环境效率的作用方向相反，但是“非清”政商关系在资源丰裕度对地区能源环境效率影响中具有显著的中介效应。

基于以上研究结论，本文提出以下政策建议：第一，加强能源资源集约利用，提高能源环境效率，降低地区经济发展对矿产资源的过度依赖。由于“资源诅咒”现象依然存在，矿产资源丰裕程度高的地区无论在技术，还是在制度或机制等方面都可能缺乏提高能源效率的动力，导致能源环境效率较低，因此中西部资源丰富地区应切实转变过分依赖资源发展的传统观念，在迈向碳达峰碳中和进程中要将传统资源优势转化为技术优势和资本优势，摆脱发展中的“资源诅咒”，实现经济社会高质量发展。第二，政府应积极改善政商关系，加强对政府职能部门的行为监督，谨防并努力杜绝腐败滋生，降低行政信息不透明、财政公开程度低对地区能源环境效率的不利影响，努力构建亲清政商关系。研究结果表明，长期来看“非清”政商关系在矿产资源丰裕度对地区能源环境效率的负向作用中具有显著的中介效应，因此，树立廉洁公正的政府作风，建立公开透明的行政信息和财政公告制度，将有利于改善非市场化和不公平竞争造成的能源环境效率恶化问题。虽然短期来看“非清”政商关系的中介效应不显著，但也应防微杜渐，避免“非清”政商关系对能源利用和环境保护的不利影响。第三，政府应“扬长避短”，继续提高“清白”的政商关系在土地资源和森林绿地资源开发促进能源环境效率中的积极作用，合理规划和开发利用土地、森林、绿地等资源，同时降低并杜绝扭曲的政商关系导致矿产资源的低效利用，统筹经济社会和生态环境协同发展，为美丽中国建设添砖加瓦。第四，进一步发挥市场在资源配置中的决定性作用，加快推进能源资源领域竞争性生产服务环节的市场化改革，引入市场竞争机制，优化营商环境，加强对自然垄断业务的监管，降低“非清”政商关系对资源开发利用和生态环境保护的负面影响。

参考文献：

［1］PAPYRAKIS E， GERLAGH R. Resource abundance and economic growth in the United States［J］. European Economic Review， 2007，51（4）：10111039.

［2］杜克锐，张宁.资源丰裕度与中国城市生态效率：基于条件SBM模型的实证分析［J］.西安交通大学学报（社会科学版），2019（1）：6572.

［3］林伯强，刘泓汛.对外贸易是否有利亏提高能源环境效率：以中国工业行业为例［J］. 经济研究， 2015（9）：127141.

［4］邱洋冬，陶锋.“资源诅咒”效应的微观机制解释：基于企业创新与技术选择视角［J］. 西安交通大学学报（社会科学版）， 2020（5）：99110.

［5］协天紫光，李江龙.资源依赖、投资便利化与长期经济增长［J］.当代经济科学，2019（2）：5165.

［6］杨典.政商关系与国家治理体系现代化［J］.国家行政学院学报，2017（2）：3035.

［7］SACHS J D， WARNER A M. The curse of natural resources［J］. European Economic Review， 2001， 45（4/5/6）：827838.

［8］DIETZ S， NEUMAYER E， DE SOYSA I. Corruption， the resource curse and genuine saving［J］. Environment and Development Economics， 2007，12（1）：3353.

［9］李江龍，徐斌.“诅咒”还是“福音”：资源丰裕程度如何影响中国绿色经济增长？［J］.经济研究，2018（9）：151167.

［10］DONG B， TORGLER B. Causes of corruption：evidence from China［J］. China Economic Review， 2013，26：152169.

［11］OKADA K， SAMRETH S. Corruption and natural resource rents：evidence from quantile regression［J］. Applied Economics Letters， 2017，24（20）：14901493.

［12］万良勇，陈馥爽，饶静.地区腐败与企业投资效率：基于中国上市公司的实证研究［J］.财政研究， 2015（5）：5762.

［13］LEITO A. Corruption and the environment［J］. Journal of Socioeconomics， 2016，5（3）：173.

［14］赵伟伟，白永秀.资源开发过程中腐败的发生及制度影响［J］.资源科学，2020（2）：251261.

［15］ELLIS J， SMITH J， WHITE R. Corruption and corporate innovation［J］.Journal of Financial and Quantitative Analysis， 2020，55（7）：21242149.

［16］FREDRIKSSON P G， VOLLEBERGH H R J， DIJKGRAAF E. Corruption and energy efficiency in OECD countries：theory and evidence［J］. Journal of Environmental Economics and Management， 2004，47（2）：207231.

［17］于文超， 梁平汉， 高楠. 公开能带来效率吗：政府信息公开影响企业投资效率的经验研究［J］. 经济学（季刊）， 2020（3）：10411058.

［18］TU Z G， HU T Y， SHEN R J. Evaluating public participation impact on environmental protection and ecological efficiency in China：evidence from PITI disclosure［J］. China Economic Review， 2019，55：111123.

［19］LI Z， OUYANG X L， DU K R， et al. Does government transparency contribute to improved ecoefficiency performance？ An empirical study of 262 cities in China［J］. Energy Policy， 2017，110：7989.

［20］ALEXEEV M， CONRAD R. The elusive curse of oil［J］. Review of Economics & Statistics， 2009，91（3）：586598.

［21］方穎，纪衎，赵扬.中国是否存在“资源诅咒”［J］.世界经济，2011（4）：144160.

［22］温忠麟，叶宝娟.中介效应分析：方法和模型发展［J］.心理科学进展， 2014（5）：731745.

［23］ZHOU P， ANG B W， WANG H. Energy and CO2 emission performance in electricity generation：a nonradial directional distance function approach［J］. European Journal of Operational Research， 2012，221（3）：625635.

［24］LI H Q， LU Y， ZHANG J， et al. Trends in road freight transportation carbon dioxide emissions and policies in China［J］. Energy Policy， 2013，57：99106.

［25］于斌斌，金刚.中国城市结构调整与模式选择的空间溢出效应［J］.中国工业经济，2014（2）：3144.

［26］李金铠，马静静，魏伟.中国八大综合经济区能源碳排放效率的区域差异研究［J］.数量经济技术经济研究，2020（6）：109129.

［27］GAN W Y， XU X X. Does anticorruption campaign promote corporate R&D investment？ Evidence from China［J］. Finance Research Letters， 2019，30：292296.

［28］CHANG C P， WEN J， ZHENG M B， et al. Is higher government efficiency conducive to improving energy use efficiency？ Evidence from OECD countries［J］. Economic Modelling， 2018，72：6577.

［29］STOCK J H， WRIGHT J H， YOGO M. A survey of weak instruments and weak identification in generalized method of moments［J］. Journal of Business & Economic Statistics， 2002，20：518529.

［30］鐘顺昌.中国省域城市建设用地规模分布对能源效率的影响［J］.中国土地科学，2021（3）：5868.

编辑：郑雅妮，高原