<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">ASDS</journal-id><journal-title-group><journal-title>Applied Statistics and Data Science</journal-title></journal-title-group><issn>3066-8433</issn><eissn>3066-8441</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/ASDS.2026060012</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>广东省绿色低碳创新效率的统计测度与时空演化分析</title><url>https://artdesignp.com/journal/ASDS/2/6/10.61369/ASDS.2026060012</url><author>张倩生,朱曹了了</author><pub-date pub-type="publication-year"><year>2026</year></pub-date><volume>2</volume><issue>6</issue><history><date date-type="pub"><published-time>2026-06-20</published-time></date></history><abstract>本文以2014-2024年广东省21个地级市的面板数据为样本，采用考虑非期望产出的超效率SBM-DEA 模型测度广东省各地市的绿色低碳创新效率，并结合Malmquist-Luenberger（ML）指数分析其动态演变趋势。进而，还检验考察了广东省绿色低碳创新效率的区域收敛性，最后通过Tobit 回归模型探究识别影响广东绿色低碳创新效率的关键因素。研究结果表明，广东省绿色低碳创新效率整体呈波动上升态势，但区域差异明显，珠三角绿色创新效率最高，粤西地区最低；ML 指数分解显示，技术进步是推动广东低碳创新效率提升的主要动力，技术效率变化的作用相对有限；收敛性检验发现，广东省绿色低碳创新效率存在显著的&amp;sigma; 收敛和&amp;beta; 收敛，区域差距有缩小趋势。建议通过扩大对外开放程度，并提升产业结构和各地城镇化水平，有助于广东省绿色经济高质量发展和低碳目标的实现。</abstract><keywords>绿色低碳创新,超效率DEA 模型,ML 指数,收敛性,Tobit 回归</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 郭树华，方鹏飞，毕福芳. 基于SFA 方法的企业绿色创新效率分析[J]. 工业技术经济，2024，43(07):112-119.[2]Tone K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European Journal of Operational Research，2002，143(1):32-41.[3]Nannan Wang， Ji Chen， Shengnan Yao， Yen-Chiang Chang.A meta-frontier DEA approach to efficiency comparison of carbon reduction technologies on project level[J]. Renewable and Sustainable Energy Reviews.2018，82(03):2606-2612.[4] 钱丽，王文平，肖仁桥. 高质量发展视域下中国企业绿色创新效率及其技术差距[J]. 管理工程学报，2021，35(06):97-114.[5]Joshua Ignatius，M. R. Ghasemi， Feng Zhang，Ali Emrouznejad，Adel Hatami-Marbini.Carbon efficiency evaluation: An analytical framework using fuzzy DEA[J]. European Journal of Operational Research.2016，253(02):428-440.[6] Yong Zha， Linlin Zhao， Yiwen Bian. Measuring regional efficiency of energy and carbon dioxide emissions in China: A chance constrained DEA approach[J].Computers &amp;amp; Operations Research.2016，66:351-361.[7] 张辽，黄蕾琼. 中国工业企业绿色技术创新效率的测度及其时空分异特征&amp;mdash;&amp;mdash; 基于改进的三阶段SBM-DEA 模型分析[J]. 统计与信息论坛，2020，35(12):50-61.[8] 张盼. 中国省域绿色创新效率测度及聚类分析[D]. 东北林业大学，2023.[9] 赵雅婷. 中国绿色技术创新效率测度、时空分异及影响因素研究[J]. 现代工业经济和信息化，2023，13(06):184-188+191.[10]Weipan Zhang， Xianhua Wu， Jihong Chen. ow-carbon efficiency analysis of rail-water multimodal transport based on cross efficiency network DEA approach[J]. Energy.2024，305:132348.[11] 赵志芳. 中国区域绿色技术创新效率的测度及驱动因素研究&amp;mdash;&amp;mdash; 基于超效率SBM 和Tobit 模型[J]. 特区经济，2022，(08):54-57.[12] 滕琳娜. 中国省际工业绿色创新效率测度及影响因素研究[D]. 安徽理工大学，2022.[13] 刘子豪，王子涵，师路路. 中国省域绿色创新效率测度、差异分析及影响因素[J]. 科技和产业，2024，24(17):63-68.[14] 张平凤. 中国绿色创新效率的区域差异及收敛性研究[D]. 中南财经政法大学，2022.[15] 王金河，张玲梅. 中国绿色创新效率的地区差异及空间收敛性研究[J]. 生态经济，2023，39(01):81-86+100.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
