資源型城市工業綠色轉型效率的時空演變及驅動因素研究

陳文君，梅鳳喬

（北京大學 環境科學與工程學院，北京 海淀 100871）

資源型城市，作為以開采、加工本地礦產、森林等各種自然資源作為主導產業而發展起來的城市[1]，憑借特有的自然資源優勢與歷史發展基礎，為建立中國完備的工業體系、促進國民經濟的穩步發展做出了卓越貢獻[2]。但由于高度依賴開采、加工自然資源的資源型工業普遍具有高投入、高耗能、高排放等粗放性特征[3]，資源型城市往往面臨開發強度過大、資源利用水平低、生態環境破壞嚴重、重工產業低水平重復建設等問題[4-5]，導致很多“因資源而興”的城市逐漸走向“因資源而衰”。為此，國務院于2013 年11 月印發《全國資源型城市可持續發展規劃（2013—2020 年）》，意在引導資源型城市實施發展轉型，特別是資源型工業的綠色轉型[1]，以推動資源型城市的產業振興和城市更新。

與此同時，工業綠色轉型已上升為國家重大戰略。2016 年，工業和信息化部發布《工業綠色發展規劃（2016—2020 年）》。其中明確提出，“到2020 年，綠色發展理念成為工業全領域全過程的普遍要求，工業綠色發展推進機制基本形成，綠色制造產業成為經濟增長新引擎和國際競爭新優勢，工業綠色發展整體水平顯著提升”。2021 年3 月11 日，第十三屆全國人民代表大會第四次會議表決通過的《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035 年遠景目標綱要》（簡稱《“十四五”規劃》）進一步要求，要“堅定不移貫徹創新、協調、綠色、開放、共享的新發展理念”，確保在“十四五”期間“生產生活方式綠色轉型成效顯著”；到2035 年，“基本實現新型工業化”，“廣泛形成綠色生產生活方式，碳排放達峰后穩中有降，美麗中國建設目標基本實現”。在此背景下，資源型城市紛紛實施工業綠色轉型，部分資源型城市，如安徽銅陵、遼寧鞍山等，還制定了工業綠色轉型發展實施方案。

工業綠色轉型是一個長期的循序漸進的過程。如何評測全國資源型城市綠色轉型的整體態勢，在城市資源環境承載力有限與推進工業綠色發展的雙重背景下，資源型城市作為中國主要的資源消耗者和污染排放者，其支柱性產業——工業的綠色轉型問題是值得關注的重要議題，而測度其工業綠色轉型的效率變化以作為衡量依據、探究其變化特征背后的驅動機制以尋找改進方案，成為破題的基礎。

1 相關研究進展

資源型城市的工業粗放發展為當地經濟、社會與環境均帶來了前所未有的沖擊與矛盾，引發了學者對其綠色轉型發展的關注。一部分學者通過運用層次分析法、復合系統模型、灰色關聯度模型、熵權TOPSIS 等評價原理和工具[6-8]，主要從經濟、社會、環境、資源多個方面建立和完善了資源型城市的工業綠色轉型效果評價體系；另一部分學者則基于生產技術效率的視角，對資源型城市的工業轉型進行效率量化，多以數據包絡分析（DEA）方法[9-10]與隨機前沿分析（SFA）方法[11-12]為主，而隨著資源環境壓力的增加與產業綠色發展理念的推進，更多資源型城市轉型效率的相關研究納入了反映資源、能源與環境的“綠色轉型效率”。其中，董鋒等[13]運用熵值法將“工業六廢”統一轉換為環境污染指數作為DEA 模型的產出指標，測算了21 個地級資源型城市轉型效率；白雪潔等[14]基于主成分分析法將資源投入與污染物排放量納入了壞產出動態SBM 模型，測算了資源衰退型城市的轉型效率、節能潛力與減排空間；孫曉華等將方向距離函數從方向向量內生化、引入相對距離和外生權重三方面進行改進，提出了資源型城市轉型升級壓力的測算方法[15]。

通過上述回顧不難發現，針對資源型城市的工業轉型與發展問題，學者們已完成大量的理論分析與實證檢驗，為本文提供了有益的借鑒。但是，在研究尺度方面，現有文獻多以個別城市或部分省市為例，較少研究涵蓋更大量的資源型城市樣本，且缺少在地理、時間發展、資源類型等更細維度上的差異比較研究；在度量方法上，多數學者對工業轉型效率的刻畫仍停留在靜態生產技術效率層面，少有研究直接測度納入資源與環境因素的工業效率變動特征以剖析綠色轉型的動態本質，探索工業與生態的可持續協同發展。

基于上述分析中的不足，本研究將重點聚焦于：第一，以中國109 個微觀地級資源型城市（占地級資源型城市總數的86%）為樣本，將時間范圍拉長至2007—2018 年；第二，構建SBM 方向距離函數模型，納入資本、勞動、土地、資源投入與工業排放數據，通過Global Malmquist-Luenberger 指數方法測算包含非期望產出的資源型城市工業轉型效率變動指數，并對比分析整體及不同發展階段、不同資源依托類型資源型城市的工業綠色轉型效率變動特征；第三，基于資源型城市工業生產的特殊性，構建資源型城市工業綠色轉型效率演變的驅動因素指標體系，采用地理探測器模型進行因子探測與交互作用探測分析，深入探究各驅動因素對資源型城市工業綠色轉型時空變動的驅動機制。

2 研究方法

2.1 工業綠色轉型效率變動測算方法

2.1.1 全域生產可能性集

2.1.2 全域SBM方向性距離函數

借鑒Fukuyama & Weber[18]的研究思路，本研究將資源型城市考慮非期望產出的全域SBM 方向距離函數定義為：

本研究中的工業綠色轉型效率實質是考慮了非期望產出的工業全要素生產率（即工業綠色全部技術進步），代表資源環境限制下工業各要素（資本、勞動、能源等）投入之外的技術進步和能力實現，包括生產工藝、知識積累、資源配置、管理制度等方面的演進與變革，反映了工業經濟與生態環境協調可持續發展的綠色進步理念。

2.1.3 Global Malmquist-Luenberger生產率指數

Global Malmquist-Luenberger（GML）生產率指數是Oh[17]將Global 生產率概念與Chung 等[19]提出的考慮非期望產出的Malmquist-Luenberger 指數相結合的一種測度生產效率變動的非參數方法，其彌補了Malmquist指數法不能處理非期望產出、幾何平均形式的Malmquist-Luenberger 指數不具備可傳遞性而可能導致的規劃無解問題與長期變動趨勢測度的低準度弊端[20]，同時，GML 指數的連續全域生產前沿面能夠避免“技術倒退”和生產效率“被動”提高現象的出現[21]。

當GML 值大于1 時，表明工業綠色轉型效率提高，體現了資源型城市工業整體向高附加值、低能耗和低排放轉型的綠色發展內涵；當GML 值等于1 時，表明工業綠色轉型效率不變；當GML 值小于1 時，表明工業綠色轉型效率下降，經濟發展與環境保護的雙贏問題迫在眉睫。技術效率變動指數（GMLEC）及純技術進步指數（GMLTC）分別在揭示管理方式、決策方式、管理制度等“軟技術”及純生產工藝、加工方式等“硬技術”的改進或變革方面同理。

2.2 驅動因素研究方法

地理探測器（Geographical Detector）作為一種新穎的統計學方法，其主要功能是探測和運用空間分異性并揭示其背后驅動因子，該方法具有明確的物理含義，無固定的線性假設[22]?；谘芯磕繕伺c具體實際，本文選擇地理探測器中的“因子探測器”與“交互作用探測器”，以2007—2018 年12 年時間跨度的全國資源型城市工業綠色GML 指數作為因變量，研究各驅動因素以及驅動因子間的交互對其時空特征的解釋力程度。本研究中的各資源型城市可抽象化為點數據，首先對各數值型驅動因子變量進行離散化處理，將指標值由低到高等分成五類：低（20%）、中低（20%）、中等（20%）、中高（20%）、高（20%）水平區，由該比例確定各驅動因子指標值所處的類別，之后將Y與離散化后的X分布進行疊加，從而提取得到每一個離散點上的因變量值與自變量值（Y,X）。

（1）因子探測器。因子探測器主要可以識別Y的空間分異性程度或驅動因子對于工業綠色轉型效率變動的解釋力程度，本文取后一種作用。解釋力程度用q值衡量，計算公式為：

式中：h=1, 2, 3, 4, 5（低、中低、中等、中高、高水平區共計5 區）為驅動因子X的分區，即分層或分類；Nh和N分別是區h和全部區域內的總單元數； 和σ分別為區h和全部區域內Y值的方差。SSW和SST分別表示區內方差之和與全區總方差。q值滿足0 ≤q≤1，q值越大表示驅動因子X對工業綠色轉型效率變動指數Y的解釋力越強，反之則越弱，極端情況下，q值為1 表明驅動因子X完全控制了工業綠色轉型效率變動指數Y，q值為0 則表明驅動因子X與工業綠色轉型效率變動指數Y無關。本研究將工業綠色轉型效率變動指數分布作為因變量圖層，將各驅動因子作為自變量圖層進行定量分析，因此，q值表示驅動因子X解釋了100×q%的工業綠色轉型效率變動指數Y。同時，q值的簡單計量變換符合非中心F分布，可通過查表或使用地理探測器軟件以檢驗q值的顯著性。

（2）交互作用探測器。在復雜的自然與社會環境中，資源型城市工業綠色轉型效率的變動往往受多種因子共同作用。本研究利用交互作用探測器以識別不同驅動因子間的相互關系，即評估驅動因子X1和X2在共同作用時增加或減弱各自對因變量工業綠色轉型效率變動指數Y的驅動解釋力度，或這些因子對Y的驅動作用是否相互獨立。

首先，分別計算兩因子X1和X2對Y的q值：q(X1)和q(X2)。其次，將自變量X1和X2兩個圖層進行疊加，相切以形成新分布的多邊形，并計算它們交互時的q值：q(X1∩X2)。最后基于前述步驟，通過比較q(X1)、q(X2)與q(X1∩X2)的大小關系以確認交互作用類型，如表1 所示。

表1 兩個自變量對因變量交互作用的類型

3 研究對象與數據

3.1 研究對象

國務院辦公室印發的《全國資源型城市可持續發展規劃（2013—2020 年）的通知》（國發〔2013〕45 號文件）中明確規定了全國范圍內的262 個資源型城市，其中地級行政區（包括地級市、地區、自治州、盟等）資源型城市為126 個。鑒于數據的可獲得性和準確性，本文選取了其中109 個地級資源型城市，根據有關資料[23]按照資源類型分為煤炭型、油氣（主要包括石油和天然氣）型、有色冶金（主要包括鋁、鎂、銅、錫）型、黑色冶金（以鋼鐵為主）型、森工型城市，按照發展階段分為成長型、成熟型、衰退型、再生型城市（圖1）。

圖1 全國109個地級資源型城市的分布與類型

3.2 指標選取與數據說明

3.2.1 投入產出數據集

在利用全域SBM 方向性距離函數與綠色GML 指數方法測算工業綠色轉型效率變動時，為使結果更具現實意義和研究參考價值，本文將全國109 個地級資源型城市抽象化為具有相同投入產出指標體系的工業生產單元，結合已有研究[24-25]與實際數據的可得性、準確性，本研究選取資本投入（規模以上工業企業的固定資產凈值年平均余額）、勞動投入（工業行業從業人員數）、土地投入（工業用地面積）和資源投入（包含水資源投入與電力資源投入，分別以工業用水量與工業用電量核算）為投入指標，選取工業總產值（規模以上工業企業總產值）為期望產出指標，選取工業廢水排放量、工業二氧化硫排放量、工業煙塵排放量為非期望產出指標。

3.2.2 驅動因素指標體系

在利用地理探測器模型對資源型城市工業綠色轉型效率變動指數進行驅動因素分析時，綜合考慮資源型城市產業結構與工業發展的特點，結合已有研究[26-28]與實際數據的可得性和準確性，本研究建立由7 個驅動因素對應的特征變量構成定義體系如表2 所示。

表2 驅動因素與特征變量定義

3.2.3 數據來源與處理

本文研究區間為2007—2018 年，城市級數據主要來源于各年《中國城市統計年鑒》《中國城市建設統計年鑒》《中國區域經濟統計年鑒》《中國統計年鑒》。其中，工業總產值、固定資本存量、人均生產總值分別用各年工業品出廠價格指數、固定資產投資價格指數、GDP 平減指數進行折算。對于缺失、異常值，采用數學方法補齊。

4 結果分析

4.1 工業綠色轉型效率變動及來源解析

考慮到本文研究對象是面板數據，在時間、技術、管理等因素可變從而導致規模報酬可變的實際情況下，本研究利用MaxDEA 軟件測算了2007—2018 年全國109 個地級資源型城市在VRS 模型下的工業綠色轉型效率值，并對結果進行以下分析。

4.1.1 綜合分析

基于空間視角，如圖2 所示，2007—2018 年間全國資源型城市的工業綠色GML 指數均值高于1 的城市主要集中在經濟發展較發達且綠色工業發展理念較先進的東部地區和中部地區，分別占各區域資源型城市總數的100%和89%，其中，位于中部地區的河南省焦作市工業綠色GML 指數均值最高（1.189 7），工業綠色轉型效率改善速度相對最快。工業綠色GML 指數均值低于1 的城市則主要集中于東北地區，超過30%的城市在資源與環境的雙重壓力下，工業轉型效率發生“倒退”，東北老工業基地的工業綠色振興問題仍十分嚴峻。從分解指數來看，工業綠色GMLEC 指數均值高于1 的城市分布較為零散，而工業綠色GMLTC 指數均值高于1 的城市分布與工業綠色GML 指數則具有高度重合性，其中，河北省唐山市的工業綠色GMLTC 指數最高（1.209 0），在工業綠色轉型的進程中，由于資源配置與管理制度方面的創新而帶來的轉型效率提升的貢獻相對更大。

圖2 2007—2018年全國資源型城市工業綠色GML指數及其分解均值的空間分布

從各城市整體工業綠色GML 指數及分解（表3）來看，2007—2018 年資源型城市工業綠色GML 指數均值為1.059 8（大于1），表明工業綠色轉型效率整體呈增長趨勢，且年均增長率為5.98%。其中，全域技術效率變動指數（GMLEC）均值為1.000 4，全域純技術進步指數（GMLTC）為1.059 3，技術效率與純技術進步在長期均呈波動改善狀態，且資源型城市的工業綠色轉型效率增長主要源于純技術進步。在與GMLEC 指數相關的管理方式、決策方式、管理制度等“軟技術”方面進行改革和完善，有利于節約資源保護環境的技術進步，應被視為資源型城市未來發展中值得關注的重要內容。

表3 全國資源型城市工業綠色GML指數及分解

基于時間序列，研究期內，全國資源型城市的工業綠色GML、GMLEC、GMLTC 指數均值均呈明顯的波動變化。其中，除2013 年（0.974 9）和2017 年（0.912 1）外，各年GML 指數均值均高于1，資源型城市工業綠色轉型效率整體為波動性上升態勢。

同時，由于GML 指數具備可跨期比較、可傳遞、可累加等特征，所以各年度工業綠色GML 指數幾何均值累積值可動態反映工業綠色轉型效率截至當年的總體增長水平（圖3）。分析可得：2007—2012 年，工業綠色GML 指數保持累增趨勢，全國資源型城市工業綠色轉型效率處于持續提升階段；2013 年，工業綠色GML指數累積值由于GMLTC 指數累積值的下降而出現小幅降低，意味著工業生產工藝、加工技術等純技術方面的創新匱乏“拖累”了資源型城市的工業綠色轉型；2014—2018 年，工業綠色GML 指數累積值除在2017 年由于其兩個分解指數累積值同時下降而出現一定幅度的減少外，均保持累增趨勢，但GMLEC 指數累積值總體呈下降趨勢，綠色工業技術效率提升不足。此外，值得關注的是，工業綠色GMLEC 與GMLTC 指數累積值基本呈現相反變動趨勢，因此，在資源型城市工業綠色轉型的推進過程中，如何實現工業純技術創新與技術效率提升協同改善是亟待解決的問題。

圖3 全國資源型城市工業綠色GML指數及其分解均值的變化趨勢（累積值）

4.1.2 不同發展階段

資源型城市的生命周期表現為“成長—成熟—衰退—再生”四個階段，處于不同發展階段的城市由于在資源利用能力和可持續發展能力方面的差異而表現出不同的工業綠色GML 指數（表4）：衰退型（1.082 5）＞再生型（1.070 0）＞成長型（1.065 9）＞成熟型城市（1.047 2），其中，衰退型與再生型城市的工業綠色GML 指數相對排名與學者肖瀅和盧麗文的研究結果[30]一致?？梢?，盡管衰退型城市處于資源枯竭、工業發展落后狀態，但其正在資源環境的約束下積極謀求工業的綠色轉型發展，且初具成效，工業綠色轉型效率改善的平均速度位居四個階段城市的相對最高位，在研究期內平均每年有8.25%的效率增長。從工業綠色GML 指數的分解來看，依然是衰退型城市的工業綠色GMLEC 指數相對最大（1.047 0），而成熟型和再生型城市的工業綠色GMLEC指數均小于1，表明二者在工業綠色轉型方面的技術效率呈降低態勢，與工業資源配置、綠色管理制度方面的變革創新亟待考慮。對于工業綠色GMLTC 指數，不同發展階段的城市均值均大于1，意味著在工業綠色轉型的純技術生產方面的效率均為改善態勢。

表4 2007—2018年不同發展階段資源型城市工業綠色GML指數及其分解均值

處于四個不同階段的資源型城市工業綠色GML 指數及其分解指數累積值變動趨勢如圖4 所示。成長型城市與成熟型城市的工業綠色GML 指數與GMLTC 指數累積值整體走勢近似，均為小幅波動增加趨勢，而由于成長型城市資源開發處于上升階段，相較于資源開發處于穩定階段的成熟型城市，新型工業化建設的推進與資源配置方式的創新速度更快，因此在研究期內的多數年份中，其工業綠色GMLEC 指數累積值高于成熟型城市一定幅度。衰退型城市2018 年工業綠色GML 指數累積值為2.0170，即工業綠色轉型效率相較于2007 年增加了1.0170倍，進一步基于分解指數可知，其工業綠色轉型效率的提升主要源于管理創新與資源配置方面的進步（2018年GMLEC 指數累積值達1.535 1），表明在資源趨于枯竭的壓力之下，衰退型城市的工業綠色轉型發展初見成效。再生型城市的工業綠色GML 指數累積值除2009 年和2011 年外均排于最高兩位，整體為較穩定的增加趨勢，但其分解指數GMLEC 與GMLTC 的累積值卻始終分別在四類階段的城市中為最差和最優排名，其中GMLEC 指數累積值始終低于1，警示著再生型城市盡管基本擺脫了資源依賴，但其在工業綠色轉型發展過程中的資源配置、知識積累、管理制度等方面能力有所欠缺。

圖4 不同發展階段的資源型城市工業綠色GML指數及其分解的變化趨勢（累積值）

4.1.3 不同資源依托類型

依托于不同資源類型而興起的資源型城市工業綠色轉型效率變動（工業綠色GML指數）表現出一定的差異（表5）。研究期內，森工型和油氣型城市在工業綠色轉型效率提升方面的表現最佳，工業綠色GML 指數均值分別為1.079 6 和1.078 4，即工業綠色轉型效率平均以每年7.96%和7.84%的增長率進行改善；黑色冶金型城市的工業綠色GML 指數相對最低，通過分解指數分析可知，其主要歸因于GMLEC 指數小于1，即在工業轉型中，有利于環境與工業協調進步的管理方式、決策方式、資源配置等方面的創新不足，導致工業綠色轉型效率的增長緩慢。

表5 2007—2018年不同資源依托類型的資源型城市工業綠色GML指數及其分解均值

基于時間視角，通過描繪各年度工業綠色GML 指數及其分解指數的累積值可知，不同資源依托類型城市的工業綠色轉型呈現出差異化的變動特征（圖5）。油氣型城市工業綠色GML 指數整體呈累增趨勢（2007 年：1.081 2，2018 年：1.997 8），主要源于GMLTC 指數累積值的高速增 加（2007 年：1.182 0，2018 年：2.847 7）， 而GMLEC指數累積值持續降低（2007—2018 年各年均低于1），工業綠色轉型與技術進步主要受到管理模式、決策方式、管理制度等資源配置方面的阻礙。對于森工型城市，其工業綠色GMLTC 指數的累積增加在2016 年前主要源于GMLEC指數的累增效應，而在節約資源、保護環境的工業綠色純技術方面創新不足；自2016 年起，工業綠色GMLTC 指數累積增長超過GMLEC 指數累積量，工業綠色純技術的進步成為工業綠色轉型效率提升的主要來源。

圖5 不同資源依托類型的資源型城市工業綠色GML指數及其分解的變化趨勢（累積值）

4.2 基于地理探測器模型的驅動因素分析

4.2.1 因子分析

利用地理探測器模型中的因子探測工具，對比分析2007 年與2018 年全國資源型城市整體工業綠色轉型效率演變的驅動因素作用情況（表6）。2007 年，政府環境規制強度對工業綠色GML 指數的解釋力相對最強（q值=0.105），而在2018 年降至0.013，與其他驅動因子相比排序退后，說明政府通過行政力量來規范與控制資源型城市工業企業污染行為的方式，在研究期初始階段對于倒逼企業提升綠色生產技術、發展環境友好型與資源節約型生產管理模式以提升工業綠色轉型效率起到較強的驅動作用，但近年來的驅動效果出現下滑。2018 年，對工業綠色GML 指數的驅動影響相對最大的因子由環境規制強度轉為科技投入水平（q值=0.056，在5%置信水平上顯著），資源型城市的工業綠色轉型效率的提升，必須要依靠堅實的綠色科技支撐。此外，值得關注的是，外商投資水平對于資源型城市工業綠色GML 指數的驅動解釋力呈降低趨勢（q值從2007 年的0.025 降至2018年的0.002），說明盡管前期工業綠色發展的關鍵技術與集成性技術以海外引進為主，但資源型城市的工業綠色轉型對于海外資金與技術的依賴度降低，間接反映出中國在綠色技術與創新機制的崛起，正在資源型城市的工業綠色轉型效率提升方面扮演著愈加重要的角色。

表6 因子探測結果

4.2.2 交互作用分析

根據地理探測器的交互作用探測結果顯示，在2007年和2018 年，本研究中的任意兩個驅動因子對因變量資源型城市工業綠色GML 指數的交互解釋力均大于其中任意因子的單一解釋力，且交互模式均屬于雙因子增強或非線性增強，表7 展示了驅動解釋力居前三位的交互組合類型。2007 年，資源型城市工業發展水平和經濟發展水平分別與人力資本質量的交互疊加，大大提升了人力資本質量對工業綠色GML 指數的單一驅動作用，且均在38%及以上，即人力資本質量分別與此兩種驅動因子的疊加可解釋38%及以上的工業綠色轉型效率提升，因此，探索資源型城市的經濟、產業、人力協同可持續發展，對于工業綠色轉型效率的提升具有關鍵作用。2018 年的交互作用解釋力相對于2007 年而言整體降低，但值得注意的是，環境規制強度與經濟發展水平的交互疊加對于工業綠色GML 指數的驅動解釋力（q值=0.352）遠大于環境規制強度的單一解釋作用（q值=0.013），反映出資源型城市在對有關工業企業在綠色生產與管理方面進行環境規制以刺激綠色轉型時，應同步重視城市整體經濟發展的推動。

表7 因子交互作用探測結果

可見，驅動因子的交互作用在驅動工業綠色轉型效率演變的過程中不容小覷，在城市規劃過程中應重視因子交互作用，靈活進行各因子間的合理搭配與協同發展，以在節約資源保護環境的約束下力求工業轉型達到“事半功倍”的效果。

5 結論與討論

本文在資源節約與環境保護的框架下，基于2007—2018 年我國109 個資源型城市面板數據，利用SBM 方向距離函數與Global Malmquist-Luenberger 指數方法測度和分析了各城市的工業綠色轉型效率變動指數，比較分析了整體與不同發展階段、不同資源依托類型的城市工業綠色轉型效率時空演變特征，并進一步運用地理探測器對驅動因素進行因子探測與交互作用探測，研究各驅動因素對于工業綠色轉型效率指數差異及時空變化的作用強度與機理，得出以下結論：

（1）2007—2018 年中國資源型城市工業綠色GML指數均值為1.059 8，工業綠色轉型效率整體以5.98%的年均增長率波動性改善，且增長主要源于純生產工藝、加工方式等工業綠色“硬技術”改進或變革方面的純技術進步；工業綠色轉型效率呈改善狀態的城市主要集中在較發達且綠色工業發展理念較先進的東部地區和中部地區，而東北地區仍有超過30%的城市在資源與環境的雙重壓力下，工業綠色轉型效率發生“倒退”，東北老工業基地的工業綠色振興問題仍十分嚴峻。

（2）處于不同發展階段的城市由于在資源利用能力和可持續發展能力方面的差異而表現出不同的工業綠色GML 指數：衰退型＞再生型＞成長型＞成熟型城市，在資源趨于枯竭的壓力之下，衰退型城市的工業綠色轉型發展初見成效。

（3）依托于不同資源類型的資源型城市工業綠色GML 指數均值排序為：森工型＞油氣型＞有色冶金型＞煤炭型＞黑色冶金型，且各城市的工業綠色轉型效率均呈提升趨勢。

（4）通過地理探測器的探測分析結果可以得出，2007—2018 年，對資源型城市整體工業綠色轉型效率提升解釋力最強的驅動因子由環境規制強度轉為科技投入水平，且本研究中的任意兩個驅動因子對工業綠色轉型效率提升的交互解釋力均大于任意因子的單一解釋力，交互模式均屬于雙因子增強或非線性增強。

根據上述研究分析結果，本文提出以下建議：第一，資源型城市政府應考慮將工業綠色轉型效率指數作為城市未來發展規劃的科學依據，并以“可持續發展”理念作為實現工業綠色轉型效率改進的指導。第二，在資源節約與環境保護的約束下，明確不同發展階段、不同資源依托類型資源型城市的工業綠色發展方向，引導各類城市探索特色化的工業綠色轉型模式。第三，重視不同資源型城市工業綠色轉型效率時空演變的驅動因素與機制，尤其關注與工業綠色轉型相關的人力資本質量和科技投入水平方面的改進與變革，以“守底線、走新路”為原則，加快推進自主創新與傳統資源產業綠色轉型升級，促進資源配置效率的最大化，最終實現既要“綠水青山”又要“金山銀山”的和諧統一。