（合肥工業(yè)大學(xué)管理學(xué)院，合肥 230009）

引 言

聯(lián)合國(guó)發(fā)布的 《2019年可持續(xù)發(fā)展目標(biāo)報(bào)告》指出，氣候變化以及發(fā)展不平等問(wèn)題是當(dāng)今世界面臨的兩大主要挑戰(zhàn)。2019年11月22日，氣候變化綠皮書(shū) 《應(yīng)對(duì)氣候變化報(bào)告2019：防范氣候風(fēng)險(xiǎn)》指出，2018年全球平均溫度較工業(yè)化前水平高出1℃。中國(guó)作為負(fù)責(zé)任的大國(guó)，在面對(duì)減排壓力時(shí)，要雙手同時(shí)抓經(jīng)濟(jì)發(fā)展和碳減排。為了實(shí)現(xiàn)雙贏，對(duì)碳排放績(jī)效進(jìn)行評(píng)價(jià)有助于碳減排工作的展開(kāi)，符合可持續(xù)發(fā)展目標(biāo)。習(xí)近平總書(shū)記提出支持長(zhǎng)江三角洲區(qū)域一體化發(fā)展并上升為國(guó)家戰(zhàn)略，著力落實(shí)新發(fā)展理念。因此，對(duì)長(zhǎng)三角地區(qū)碳排放績(jī)效進(jìn)行評(píng)價(jià)有利于其更好地發(fā)展低碳經(jīng)濟(jì)。

碳排放績(jī)效衡量指標(biāo)經(jīng)歷了單要素到多要素兩個(gè)發(fā)展階段。最初，大多數(shù)學(xué)者利用單要素指標(biāo)來(lái)評(píng)價(jià)碳排放績(jī)效， 如Mielnik和Goldemberg José[1]、Sun[2]、 Ang 和 Liu[3]分別提出 “碳指數(shù)” 即單位能源碳排放量、單位GDP碳排放量和能源強(qiáng)度即單位GDP的能源消耗量。單要素評(píng)價(jià)指標(biāo)簡(jiǎn)單易懂，但是由于忽略了其他投入要素而無(wú)法對(duì)決策單元進(jìn)行全面合理的評(píng)價(jià)。Ramanathan[4]提出了全要素思想，認(rèn)為要結(jié)合所有投入要素、能源消耗和碳排放分析碳排放績(jī)效。Zhou等[5]基于非徑向方向性距離函數(shù)，提出碳排放績(jī)效指數(shù)為潛在碳排放強(qiáng)度與實(shí)際碳排放強(qiáng)度的比值，Zhang和Choik[6]將其定義為全要素碳排放性績(jī)效（TCPI）。

在生產(chǎn)過(guò)程中，非期望產(chǎn)出通常會(huì)伴隨著期望產(chǎn)出而產(chǎn)生。在對(duì)經(jīng)濟(jì)發(fā)展進(jìn)行評(píng)價(jià)時(shí)，考慮非期望產(chǎn)出有助于更好實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo)。Ca?ves等[7]在進(jìn)行績(jī)效評(píng)價(jià)時(shí)忽略了非期望產(chǎn)出，Pittman[8]在其基礎(chǔ)上進(jìn)行了改進(jìn)，將非期望產(chǎn)出納入績(jī)效評(píng)價(jià)分析框架。本文研究碳排放績(jī)效評(píng)價(jià)，主要考慮的非期望產(chǎn)出是二氧化碳排放量。目前，碳排放績(jī)效評(píng)價(jià)方法主要包括隨機(jī)前沿分析法（SFA）和數(shù)據(jù)包絡(luò)分析法（DEA）。DEA相對(duì)于SFA更加簡(jiǎn)便廣泛，因?yàn)镈EA不需要預(yù)先設(shè)定生產(chǎn)函數(shù)就可以得出結(jié)果，而且DEA更適用于多投入多產(chǎn)出的效率評(píng)價(jià)。DEA常與方向性距離函數(shù)結(jié)合進(jìn)行績(jī)效評(píng)價(jià)。CCR和BCC模型是DEA中傳統(tǒng)的兩種徑向分析模型。Chung[9]在Shephard提出的產(chǎn)出距離函數(shù)基礎(chǔ)上提出了能夠同時(shí)降低非期望產(chǎn)出并增加期望產(chǎn)出的方向性距離函數(shù)DDF，并結(jié)合徑向DEA計(jì)算決策單元的效率得分。在DEA發(fā)展進(jìn)程中，非徑向DEA測(cè)算逐漸興起，如SBM模型。 Fukuyama和 Weber[10]指出存在非零松弛時(shí)，徑向效率測(cè)算方法會(huì)高估效率值，Zhang等[11]指出徑向DDF因未考慮松弛偏差而高估效率值。Zhou等[5]運(yùn)用非徑向方向性距離（NDDF）函數(shù)測(cè)算了有無(wú)熱電聯(lián)廠的能源績(jī)效和碳排放績(jī)效。Zhang等[11]提出全要素非徑向距離函數(shù)（TN?DDF）和能源環(huán)境非徑向距離函數(shù)，并定義測(cè)算全效率的指標(biāo)和能源環(huán)境績(jī)效指標(biāo)。王兵和侯冰清[12]運(yùn)用全局非徑向方向性距離函數(shù)測(cè)算了中國(guó)30個(gè)省市的全要素綠色效率和全要素綠色生產(chǎn)率。Tone[13]指出徑向測(cè)算方法忽視了投入產(chǎn)出的非徑向松弛，非徑向測(cè)算方法雖然處理了松弛問(wèn)題但是忽視了投入產(chǎn)出的徑向特征，從而提出徑向測(cè)算方法與非徑向測(cè)算方法的聯(lián)合分析框架——混合測(cè)算方法，將投入和產(chǎn)出細(xì)分為徑向部分和非徑向部分。國(guó)內(nèi)學(xué)者陳黎明等[14]、楊皓然和吳群[15]運(yùn)用混合測(cè)算方法測(cè)算生態(tài)效率，楊皓然的研究結(jié)果顯示混合方向性距離函數(shù)下的效率得分介于徑向測(cè)算與非徑向測(cè)算效率得分之間。

Oh等[16]基于全局方向性距離函數(shù)測(cè)算了46個(gè)國(guó)家的碳排放績(jī)效。李濤和傅強(qiáng)[17]、馬大來(lái)等[18]、 王群偉等[19]分別利用不同的方法測(cè)算了中國(guó)不同省市層面的碳排放績(jī)效。曲晨瑤等[20]利用超效率DEA模型分析了中國(guó)制造業(yè)不同行業(yè)的碳排放效率及其影響因素，得出碳排放效率影響因素具有行業(yè)異質(zhì)性。向鵬成和張棚[21]、高鳴和宋洪遠(yuǎn)[22]、 王喜平和劉興會(huì)[23]分別對(duì)中國(guó)建筑業(yè)、農(nóng)業(yè)和電力行業(yè)的碳排放績(jī)效進(jìn)行了分析研究。

現(xiàn)有大多數(shù)學(xué)者采用的徑向測(cè)算方法因未考慮松弛偏差而高估效率值，非徑向測(cè)算方法因忽視了投入產(chǎn)出的徑向特征而可能低估效率值，采用HDDF測(cè)算的結(jié)果會(huì)更準(zhǔn)確。目前已有的大多數(shù)碳排放績(jī)效研究都是基于國(guó)家或者省級(jí)層面，而區(qū)域碳排放績(jī)效評(píng)價(jià)研究較少。因此，本文運(yùn)用非角度的HDDF對(duì)長(zhǎng)三角地區(qū)的全要素碳排放績(jī)效進(jìn)行分析，并且進(jìn)一步考慮到樣本的時(shí)間動(dòng)態(tài)和組間異質(zhì)性，探討中心區(qū)城市和非中心區(qū)城市在組技術(shù)前沿和全局技術(shù)前沿的績(jī)效水平，以期為長(zhǎng)三角地區(qū)成為綠色低碳的未來(lái)城市并實(shí)現(xiàn)更高質(zhì)量一體化發(fā)展提供科學(xué)依據(jù)。

1 研究模型

1.1 研究方法

1.1.1 方向性距離函數(shù)

本文綜合Tone[13]提出的效率混合測(cè)度和方向性距離函數(shù)，構(gòu)建混合方向性距離函數(shù)模型測(cè)算碳排放績(jī)效。假設(shè)有N個(gè)決策單元（DMUn，n＝1，2，…，N）， 每個(gè)決策單元有M項(xiàng)投入（Xmn，m＝1，2，…，M），H項(xiàng)期望產(chǎn)出S項(xiàng)非期望產(chǎn)出。 混合效率測(cè)度方法下，需要將投入、期望產(chǎn)出和非期望產(chǎn)出拆分成徑向和非徑向兩部分。M項(xiàng)投入拆分為m1項(xiàng)徑向投入、m2項(xiàng)非徑向投入。即投入矩陣X分解為徑向投入部分和非徑向投入部分，即Xmn＝（XR，XNR），其中m＝m1＋m2。期望產(chǎn)出分解為徑向期望產(chǎn)出部分和非徑向期望產(chǎn)出部分，即Yd＝（YRd，YNRd），其中h＝h1＋h2。非期望產(chǎn)出分解為徑向非期望產(chǎn)出部分和非徑向非期望產(chǎn)出部分即Yu＝（URu，YNRu）T， 其中s＝s1＋s2。 方向向量分解為徑向部分和非徑向部分：g＝（gR，gNR，gRd，gNRd，gRu，gNRu）。

通過(guò)計(jì)算式（1）求解混合方向性距離函數(shù)：

Oh[16]、 Zhang 和 Choi[6]考慮了研究樣本的時(shí)間動(dòng)態(tài)和組間異質(zhì)性，構(gòu)建了3種環(huán)境生產(chǎn)技術(shù)，分別為同期環(huán)境生產(chǎn)技術(shù)、跨期環(huán)境生產(chǎn)技術(shù)和全局環(huán)境生產(chǎn)技術(shù)，分別用符號(hào)TC、TI、TG來(lái)表示。同期環(huán)境生產(chǎn)技術(shù)針對(duì)同一組樣本在某一時(shí)期t的技術(shù)狀況，跨期生產(chǎn)技術(shù)針對(duì)同一組樣本在整個(gè)樣本時(shí)期內(nèi)的技術(shù)狀況，全局生產(chǎn)技術(shù)針對(duì)所有樣本組在整個(gè)時(shí)期的技術(shù)狀況。3種環(huán)境生產(chǎn)技術(shù)對(duì)應(yīng)3種類(lèi)別的技術(shù)前沿，DMU0在3種情況下的效率得分也不同，其對(duì)應(yīng)的混合方向性距離函數(shù)分別表示為

1.1.2 全要素碳排放績(jī)效

基于Zhou等[5]對(duì)碳排放績(jī)效的定義，碳排放績(jī)效是潛在碳排放強(qiáng)度與實(shí)際碳排放強(qiáng)度的比值，通過(guò)式（2）測(cè)算全要素碳排放績(jī)效：

基于前述的3種環(huán)境生產(chǎn)技術(shù)，可以計(jì)算出3種靜態(tài)碳排放績(jī)效，即同期碳排放績(jī)效（TCPIC）、跨期碳排放績(jī)效（TCPII）和全局碳排放績(jī)效（TCPIG）。TCPI的值越大，說(shuō)明DMU0的效率越高，等于1時(shí)，表明DMU0是相對(duì)有效的。

1.1.3 全要素碳排放績(jī)效的動(dòng)態(tài)變化及其分解

根據(jù) Oh[16]、 Zhang 和 Choi[6]的方法， 通過(guò)式（3）計(jì)算指數(shù)MHMCPI，以反映碳排放績(jī)效動(dòng)態(tài)變化?？紤]到時(shí)間動(dòng)態(tài)和組間異質(zhì)性，本文將MH?MCPI指數(shù)分解為3個(gè)部分，見(jiàn)式（3）：第1部分是效率變化（EC），衡量DMU0在t＋1時(shí)期和t時(shí)期對(duì)同期環(huán)境技術(shù)前沿追趕的比例；第2部分是最佳實(shí)踐差距變化，是DMU0在t＋1時(shí)期和t時(shí)期的同期環(huán)境技術(shù)前沿對(duì)跨期環(huán)境技術(shù)前沿追趕的比例；第3部分是技術(shù)差距變化效率，是DMU0在t＋1和t時(shí)期跨期環(huán)境技術(shù)前沿對(duì)全局環(huán)境技術(shù)前沿追趕的比例。

1.2 變量選取與樣本數(shù)據(jù)來(lái)源

1.2.1 投入變量

參照多數(shù)學(xué)者的研究，本文選擇能源指標(biāo)和非能源指標(biāo)兩類(lèi)指標(biāo)作為投入變量。非能源指標(biāo)包括資本存量和勞動(dòng)力，能源指標(biāo)指能源消耗量。

資本（K）：向娟[24]運(yùn)用永續(xù)盤(pán)存法計(jì)算出中國(guó)各城市2009年的固定資本存量，劉常青等[25]根據(jù)向娟的研究方法計(jì)算出2014年中國(guó)地級(jí)以上城市的資本存量。本文在二者的研究基礎(chǔ)上運(yùn)用永續(xù)盤(pán)存法計(jì)算出長(zhǎng)三角地區(qū)各地級(jí)市2014～2018年的資本存量數(shù)據(jù)。

勞動(dòng)力（L）：本文根據(jù)各城市統(tǒng)計(jì)年鑒中的從業(yè)人員數(shù)，將年初與年末從業(yè)人員的平均數(shù)作為勞動(dòng)力指標(biāo)。

能源（E）：能源數(shù)據(jù)來(lái)源于各城市統(tǒng)計(jì)年鑒中的綜合能源消費(fèi)量。

1.2.2 產(chǎn)出變量

本文選擇地區(qū)生產(chǎn)總值（GRP）和工業(yè)生產(chǎn)總值（GIP）作為期望產(chǎn)出，選擇二氧化碳排放量（C）作為非期望產(chǎn)出。地區(qū)生產(chǎn)總值和工業(yè)生產(chǎn)總值數(shù)據(jù)來(lái)源于各城市統(tǒng)計(jì)年鑒。二氧化碳排放量數(shù)據(jù)無(wú)法從統(tǒng)計(jì)年鑒中直接獲取，需要經(jīng)過(guò)計(jì)算獲得。根據(jù)程豪[26]介紹的 《2006年IPCC國(guó)家溫室氣體清單指南》，可以根據(jù)式（4）計(jì)算出二氧化碳排放量。

其中能源消耗量數(shù)據(jù)來(lái)源于各城市統(tǒng)計(jì)年鑒，本文選取原煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油氣和天然氣消耗量作為能源消耗指標(biāo)，并根據(jù)指南中提供的各能源的二氧化碳排放系數(shù)，運(yùn)用公式計(jì)算出各城市的二氧化碳排放量指標(biāo)。

1.2.3 樣本數(shù)據(jù)來(lái)源

本文以長(zhǎng)三角地區(qū)各地級(jí)市作為研究對(duì)象。長(zhǎng)三角區(qū)域一體化發(fā)展規(guī)劃中明確以27個(gè)城市為中心區(qū)，輻射帶動(dòng)整個(gè)長(zhǎng)三角高質(zhì)量發(fā)展。鑒于中心城市和非中心城市在經(jīng)濟(jì)發(fā)展水平等方面的區(qū)別，本文將長(zhǎng)三角各城市劃分為中心區(qū)城市和非中心區(qū)城市兩組。這種處理方法可以將中心區(qū)城市與非中心區(qū)城市的碳排放績(jī)效進(jìn)行對(duì)比，計(jì)算所得的組前沿下的績(jī)效水平更加公平。由于部分城市在樣本期間的數(shù)據(jù)存在缺失，故剔除數(shù)據(jù)缺失的幾個(gè)城市，以剩余33個(gè)城市投入、產(chǎn)出的平衡面板數(shù)據(jù)分析研究碳排放績(jī)效情況。本文數(shù)據(jù)來(lái)源于 《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》、《能源統(tǒng)計(jì)年鑒》以及各城市統(tǒng)計(jì)年鑒。

1.3 確定徑向變量和非徑向變量

基于HDDF的要求，首先需要確定投入、產(chǎn)出變量中的徑向變量和非徑向變量。Chiu等[27]運(yùn)用Spearman相關(guān)系數(shù)檢驗(yàn)確定，認(rèn)為相關(guān)系數(shù)超過(guò)0.76的兩個(gè)變量相關(guān)性強(qiáng)，應(yīng)該作為徑向變量；否則，作為非徑向向量。

從表1可知，3個(gè)投入變量之間的Spearman相關(guān)系數(shù)均小于0.76，因此3個(gè)投入變量均為非徑向投入變量；地區(qū)生產(chǎn)總值與工業(yè)生產(chǎn)總值之間的Spearman相關(guān)系數(shù)大于0.76，因此地區(qū)生產(chǎn)總值與工業(yè)生產(chǎn)總值作為徑向產(chǎn)出變量，二氧化碳排放量作為非徑向產(chǎn)出變量。

表1 斯皮爾曼相關(guān)系數(shù)檢驗(yàn)

2 碳排放績(jī)效及其動(dòng)態(tài)變化測(cè)算結(jié)果與討論

2.1 全局碳排放績(jī)效測(cè)算結(jié)果

本文利用軟件MAXDEA ULTRAL7.11測(cè)算了2014～2018年長(zhǎng)三角地區(qū)33個(gè)城市的碳排放績(jī)效，包括TCPIC、TCPII和TCPIG。TCPIG的測(cè)算結(jié)果如表2所示，（1）從兩個(gè)組別的績(jī)效平均值可以看出，在2014～2018年間，中心區(qū)城市績(jī)效均值均高于非中心區(qū)城市的均值，表明前者的碳排放績(jī)效水平總體上優(yōu)于后者；（2）分別從兩個(gè)組內(nèi)部碳排放績(jī)效可以得到，組1中心區(qū)的24個(gè)城市中，上海、無(wú)錫和蘇州2014～2018年碳排放績(jī)效均高于0.9，均值分別為0.9284、0.9759和0.9673，其中碳排放績(jī)效最好的是無(wú)錫市。中心區(qū)城市中多數(shù)城市的碳排放績(jī)效均值處于0.5～0.8區(qū)間水平，包括常州、南通、揚(yáng)州等14個(gè)城市。南京、舟山、銅陵、安慶、滁州、池州和宣城的碳排放績(jī)效均不足0.5，處于相對(duì)較低水平。組2非中心區(qū)的9個(gè)城市中，宿遷和黃山2014～2018年碳排放績(jī)效相對(duì)較高，其他7個(gè)城市的碳排放績(jī)效均值均不足0.5； （3）從省市層面差異可得，上海市、江蘇省、浙江省、安徽省的碳排放績(jī)效均值依次遞減，安徽省的碳排放績(jī)效最差。江蘇省的無(wú)錫和蘇州碳排放績(jī)效相對(duì)較好，南京的碳排放績(jī)效最差，這與徐國(guó)泉和欒昊[28]的研究結(jié)果一致。浙江省的杭州、寧波和紹興碳排放績(jī)效相對(duì)較好，舟山碳排放績(jī)效最差，每年的績(jī)效均值均在0.3左右。安徽省的蕪湖和黃山碳排放績(jī)效相對(duì)較好，其他地區(qū)碳排放績(jī)效多數(shù)低于0.5，其中池州市碳排放績(jī)效最差，均值只有0.1995。

表2 2014～2018年長(zhǎng)三角地區(qū)33個(gè)城市TCPIG測(cè)算結(jié)果

續(xù) 表

2.2 碳排放績(jī)效的動(dòng)態(tài)變化

以（1，1）為中心將圖1區(qū)域劃分為4個(gè)象限。右上角區(qū)域?yàn)榈谝幌笙?，位于第一象限的點(diǎn)EC與EPC均大于1，稱(chēng)為 “雙高型”區(qū)域，位于該區(qū)域的城市可以作為其他城市改善碳排放績(jī)效的標(biāo)桿。樣本期間內(nèi)隨著時(shí)間推移，位于該象限城市的實(shí)際生產(chǎn)在向同期生產(chǎn)前沿面靠近，效率在逐步提高；同時(shí)當(dāng)期技術(shù)前沿在向跨期技術(shù)前沿靠近，實(shí)際最優(yōu)生產(chǎn)技術(shù)在向潛在最優(yōu)生產(chǎn)技術(shù)追趕，生產(chǎn)技術(shù)水平在進(jìn)步。圖1結(jié)果顯示，位于第一象限的城市包括上海、蘇州、合肥、寧波等，其中大多數(shù)城市隸屬于江蘇省。

左上角區(qū)域?yàn)榈诙笙?，位于該象限的城市EC小于1而B(niǎo)PC大于1，這些地區(qū)的實(shí)際生產(chǎn)逐漸遠(yuǎn)離同期生產(chǎn)前沿面，效率在退步，但同時(shí)生產(chǎn)技術(shù)水平在進(jìn)步，如溫州、淮南、安慶等。該象限城市應(yīng)該著重提高效率水平，將技術(shù)高效應(yīng)用到減排上去。研究對(duì)象中大多數(shù)城市都位于第二象限，其中城市主要隸屬于安徽省。

左下角區(qū)域?yàn)榈谌笙蓿挥诘谌笙薜某鞘蠩C小于1且BPC小于1，稱(chēng)為 “雙低型”區(qū)域。這些地區(qū)在樣本期間效率水平和技術(shù)水平都在逐漸退步，如蕪湖、臺(tái)州等城市。位于此區(qū)域的城市應(yīng)特別引起重視，無(wú)論是效率方面還是生產(chǎn)技術(shù)方面，都應(yīng)該采取措施加以改進(jìn)，防止碳排放績(jī)效持續(xù)惡化。

右下角區(qū)域?yàn)榈谒南笙蓿挥诘谒南笙薜狞c(diǎn)EC大于1而B(niǎo)PC小于1。位于該象限的城市效率水平逐漸提高，但是生產(chǎn)技術(shù)水平在逐漸退步，如紹興等。

圖1結(jié)果顯示，絕大多數(shù)城市BPC位于第一、二象限，BPC大于1，表明生產(chǎn)技術(shù)進(jìn)步是驅(qū)動(dòng)長(zhǎng)三角地區(qū)碳排放績(jī)效提高的主導(dǎo)因素，技術(shù)創(chuàng)新是長(zhǎng)三角地區(qū)實(shí)現(xiàn)低碳經(jīng)濟(jì)的重要環(huán)節(jié)。此外，安徽省和浙江省的大多數(shù)城市存在效率低下問(wèn)題；與中心區(qū)相比，非中心區(qū)城市多位于圖1左側(cè)，表明非中心區(qū)的技術(shù)效率在退步，這些區(qū)域需要通過(guò)提高管理效率和資源配置效率來(lái)改善碳排放績(jī)效。

圖1 2014～2018年EC與EPC均值分布散點(diǎn)圖

圖2結(jié)果顯示，中心區(qū)在樣本期間內(nèi)TGC恒為1，非中心區(qū)恒大于1，表明中心區(qū)城市始終處于長(zhǎng)三角地區(qū)環(huán)境生產(chǎn)技術(shù)的制高點(diǎn)，引領(lǐng)長(zhǎng)三角地區(qū)發(fā)展低碳經(jīng)濟(jì)；而非中心區(qū)城市的低碳經(jīng)濟(jì)發(fā)展?fàn)顩r雖然落后于中心城市，但在樣本期間向中心區(qū)城市追趕。非中心區(qū)城市在未來(lái)應(yīng)該保持良好勢(shì)頭，在中心區(qū)的引領(lǐng)下提高碳排放績(jī)效。

圖2 2014～2018年TGC變化趨勢(shì)

圖3展示了江蘇、浙江、安徽3省內(nèi)各地級(jí)市的MHMCPI、EC和EPC四分位圖。江蘇省的低碳經(jīng)濟(jì)發(fā)展?fàn)顩r最好，浙江省次之，安徽省最差。江蘇省碳排放績(jī)效總體發(fā)展態(tài)勢(shì)向好，這源于效率的改善和生產(chǎn)技術(shù)的進(jìn)步。此外，江蘇省碳排放績(jī)效內(nèi)部差異最小，發(fā)展相對(duì)更加均衡，浙江省內(nèi)部差異相對(duì)更大。安徽省內(nèi)部差異大，尤其是EC不僅小于1且分散，表明安徽省效率退步，且各城市效率水平差異大?？傮w來(lái)看，3個(gè)地區(qū)的環(huán)境生產(chǎn)技術(shù)都在進(jìn)步，技術(shù)進(jìn)步是推動(dòng)長(zhǎng)三角地區(qū)發(fā)展低碳經(jīng)濟(jì)的驅(qū)動(dòng)力。

圖3 江浙皖內(nèi)部地級(jí)市MHMCPI、EC、EPC四分位圖

3 結(jié) 論

研究發(fā)現(xiàn)，長(zhǎng)三角地區(qū)24個(gè)中心區(qū)城市的碳排放績(jī)效總體上優(yōu)于非中心區(qū)城市，且前者的環(huán)境生產(chǎn)技術(shù)始終領(lǐng)先于后者。非中心區(qū)城市應(yīng)當(dāng)以中心區(qū)城市為前進(jìn)目標(biāo)，引領(lǐng)自身優(yōu)化環(huán)境生產(chǎn)技術(shù)，進(jìn)而改善碳排放績(jī)效。位于中心區(qū)的上海、無(wú)錫和蘇州碳排放績(jī)效最優(yōu)，位于非中心區(qū)的黃山碳排放績(jī)效相對(duì)較優(yōu)。這些低碳經(jīng)濟(jì)發(fā)展相對(duì)較好的城市應(yīng)當(dāng)繼續(xù)發(fā)揮自身在技術(shù)創(chuàng)新和管理效率方面的優(yōu)勢(shì)，并進(jìn)一步提高碳排放績(jī)效水平，帶領(lǐng)其他地區(qū)共同發(fā)展。

內(nèi)部低碳經(jīng)濟(jì)發(fā)展不平衡是長(zhǎng)三角地區(qū)存在的一個(gè)問(wèn)題。各個(gè)省份之間差異明顯，而且各省內(nèi)差異也較大，低碳經(jīng)濟(jì)發(fā)展?fàn)顩r極不平衡。上海、無(wú)錫和蘇州碳排放績(jī)效水平較高，績(jī)效值高于0.9；而南京、舟山、池州和宣城等城市相對(duì)較低，不足0.5甚至更低。上海、江蘇、浙江、安徽的碳排放績(jī)效平均水平依次降低，同時(shí)其內(nèi)部差異程度也依次擴(kuò)大。因此，長(zhǎng)三角地區(qū)應(yīng)當(dāng)促進(jìn)內(nèi)部協(xié)同發(fā)展，減小碳排放績(jī)效的內(nèi)部差異。

效率惡化是制約長(zhǎng)三角地區(qū)碳排放績(jī)效提高的一個(gè)主要原因。技術(shù)進(jìn)步促進(jìn)長(zhǎng)三角地區(qū)提高碳排放績(jī)效，而效率惡化抑制了績(jī)效的改善。無(wú)論是中心區(qū)城市還是非中心區(qū)城市，在環(huán)境生產(chǎn)技術(shù)方面始終在進(jìn)步。但大部分城市的效率惡化效應(yīng)超過(guò)了技術(shù)進(jìn)步效應(yīng)，導(dǎo)致碳排放績(jī)效不升反降，尤其是安徽省效率惡化問(wèn)題最嚴(yán)重，且內(nèi)部差異很大。

合肥、寧波、杭州等地區(qū)在樣本期間內(nèi)無(wú)論是在技術(shù)創(chuàng)新還是管理效率方面都積極向好，表明其未來(lái)提高碳排放績(jī)效的潛力較大；而臺(tái)州、蕪湖等地區(qū)在樣本期間內(nèi)既存在技術(shù)退步又存在效率惡化，應(yīng)該著力弄清問(wèn)題所在，并采取措施積極應(yīng)對(duì)，以防最終導(dǎo)致其碳排放績(jī)效的大大降低。