胡劍波，王楷文

（貴州財經(jīng)大學(xué)a.經(jīng)濟學(xué)院；b.大數(shù)據(jù)應(yīng)用與經(jīng)濟學(xué)院，貴州 貴陽 550025）

一、引言

自21世紀(jì)以來，我國經(jīng)濟實現(xiàn)了跨越式發(fā)展，取得了舉世矚目的成就，國內(nèi)生產(chǎn)總值（GDP）由2000年的100 280 億元增長到2021年的1 143 669 億元，但較為粗放式的經(jīng)濟發(fā)展方式對生態(tài)環(huán)境產(chǎn)生了一定的負(fù)面影響。以二氧化碳（CO2）排放為例，世界資源研究所（WRI）最新報告顯示，中國CO2排放量由2000年的40.25 億噸增長到2018年的117.10 億噸，使我國面臨的國際減排壓力與日俱增。中國作為全球生態(tài)文明的重要參與者、貢獻者和引領(lǐng)者，于2020年制定了“二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現(xiàn)碳中和”的發(fā)展目標(biāo)，擘畫了中國低碳經(jīng)濟轉(zhuǎn)型升級的宏偉藍(lán)圖，為全球應(yīng)對和減緩氣候變化多邊進程注入了嶄新活力。在“雙碳”目標(biāo)導(dǎo)向下，加快社會低碳轉(zhuǎn)型成為當(dāng)下發(fā)展的重中之重。碳排放效率是衡量經(jīng)濟與環(huán)境協(xié)同增效的重要指標(biāo)，因此，經(jīng)濟高質(zhì)量發(fā)展的同時實現(xiàn)碳達峰、碳中和目標(biāo)的關(guān)鍵措施之一就在于加快提升碳排放效率。加快提升碳排放效率，縮小?。ê灾螀^(qū)、直轄市，下同）域間的效率差異，降低我國碳排放總量，助力碳達峰、碳中和目標(biāo)的早日實現(xiàn)，是當(dāng)下社會經(jīng)濟可持續(xù)發(fā)展的根本之策，也是社會各界廣泛關(guān)注的熱點話題。由于我國幅員遼闊，各省資源稟賦和經(jīng)濟發(fā)展模式不盡相同，同時城鎮(zhèn)化進程推動了省域空間形態(tài)發(fā)生結(jié)構(gòu)性轉(zhuǎn)變，導(dǎo)致碳排放效率的演變規(guī)律呈現(xiàn)出復(fù)雜性和區(qū)域異質(zhì)性。深入研究省域碳排放效率，把握各省碳排放效率的時空演變規(guī)律及其影響因素，對于各省有針對性地制定節(jié)能減排、減污降碳等政策，推動低碳經(jīng)濟體系的建立與完善，具有重要的理論價值與實踐指導(dǎo)意義。

二、文獻綜述

聯(lián)合國政府間氣候變化專門委員會（IPCC）發(fā)布的第六次評估報告指出，2019年大氣中CO2濃度處于至少200 萬年來的最高點。CO2為主的溫室氣體排放被認(rèn)為是全球氣候變化的主要原因，中國面臨著巨大的減排壓力，低碳轉(zhuǎn)型發(fā)展迫在眉睫［1］。同時，工業(yè)化和城鎮(zhèn)化的快速推進提高了人類的生活質(zhì)量，但隨之而來的資源短缺和生態(tài)破壞給人類的永續(xù)發(fā)展帶來了巨大挑戰(zhàn)［2］。王萱和宋德勇基于環(huán)境庫茲涅茨曲線理論（EKC）研究了碳排放效率與經(jīng)濟增長的關(guān)系，認(rèn)為碳排放效率隨著經(jīng)濟的增長存在先下降后上升的發(fā)展歷程［3］。因此，碳排放效率是衡量減排目標(biāo)是否達成、低碳經(jīng)濟實施效果如何的重要指標(biāo)。Kaya 和Yokobori 將碳排放效率定義為單個投入產(chǎn)出系統(tǒng)中GDP 與碳排放的比值，以此衡量經(jīng)濟指標(biāo)與環(huán)境指標(biāo)之間的平衡關(guān)系［4］。王兵等將多個要素引入到環(huán)境效率的測度中，此后全要素生產(chǎn)效率逐漸成為經(jīng)濟與環(huán)境交叉學(xué)科的研究熱點［5］?；谝陨戏治觯疚膶μ寂欧判首鋈缦露x：在投入要素不再增加的情況下，實現(xiàn)最少二氧化碳排放量和最大經(jīng)濟產(chǎn)出的生產(chǎn)關(guān)系比率。碳排放效率與低碳經(jīng)濟一脈相通，可以用碳排放效率衡量一國或地區(qū)在應(yīng)對氣候變化、有效降低溫室氣體排放等方面做出的貢獻，因此客觀準(zhǔn)確地測算碳排放效率尤為重要。

碳排放效率的測算方法可以歸納為兩類： 一類是參數(shù)法，主要是隨機前沿分析法（SFA）。例如，Herrala 和Goel 基于隨機前沿成本分析法，測算了1997年和2007年全球約170 個國家的碳排放效率［6］。另一類是非參數(shù)法，主要是數(shù)據(jù)包絡(luò)分析法（DEA）。例如，Iftikhar 等基于DEA 模型研究了中美兩國的碳排放效率，結(jié)果表明經(jīng)濟和分配效率低下是導(dǎo)致碳排放效率偏低的主要原因［7］；Mehmood 等基于DEA模型分析了世界不同經(jīng)濟體碳排放效率的跨期變化規(guī)律，并指出人口和收入階層對效率值存在一定的影響［8］；邵海琴和王兆峰運用DEA 模型對長江經(jīng)濟帶的旅游業(yè)碳排放效率進行了實證研究，并進一步探討了效率變化的影響因素［9］。上述研究是基于傳統(tǒng)的單階段DEA 模型，在測算碳排放效率時忽略了外部環(huán)境以及隨機干擾對效率的影響，導(dǎo)致結(jié)果與實際情況存在一定的偏差，因此，F(xiàn)ried 提出了三階段DEA 模型，將環(huán)境影響以及統(tǒng)計噪聲合并到生產(chǎn)者的效率評估上，剔除了外部變量對效率的影響［10］。此后，三階段DEA 模型被廣泛應(yīng)用于各個領(lǐng)域，其中包括銀行金融效率、企業(yè)創(chuàng)新發(fā)展效率、城市創(chuàng)新績效以及地區(qū)綠色治理效率［11-14］，但應(yīng)用最廣泛的還是對于碳排放效率的測算。例如，王勇和趙晗利用三階段DEA 模型對碳交易市場建立前后的中國碳排放效率進行評測，并指出碳排放效率較低是由純技術(shù)效率引起的［15］；Zhang 等采用三階段DEA 模型研究了中國建筑行業(yè)的碳排放效率及其影響因素，結(jié)果表明碳排放效率受到技術(shù)水平、工業(yè)化水平以及開放程度等因素的影響［16］。無論是DEA 模型還是三階段DEA 模型，均是從靜態(tài)視角對效率值進行度量的，在進行動態(tài)分析時具有一定的局限性，因此，學(xué)者們普遍基于Malmquist-Luenberger（ML）等模型對效率值進行動態(tài)分析。Wang 和Guo 利用ML 模型分析了北京市公共交通系統(tǒng)碳排放效率的動態(tài)變化情況，研究發(fā)現(xiàn)公交車的碳排放效率最高，地鐵次之［17］。李小平和余東升基于全域ML 模型測算了中國285 個城市的環(huán)境效率，指出FDI 和環(huán)境效率之間有較強的空間聚集特征［18］。Lee 采用ML 模型實證分析了韓國40 個制造行業(yè)的動態(tài)碳排放效率［19］。隨著學(xué)者對碳排放問題研究的不斷深入，碳排放效率的收斂性也逐漸成為經(jīng)濟與環(huán)境領(lǐng)域的研究重點。國內(nèi)外學(xué)者對不同地區(qū)或是不同行業(yè)碳排放效率的收斂性進行了實證研究，其研究形式與方法也不盡相同。例如，吳昊玥通過面板單位根檢驗方法對中國農(nóng)業(yè)碳排放效率進行了隨機性收斂檢驗，發(fā)現(xiàn)全國范圍內(nèi)不存在隨機性收斂，有必要進行政策干預(yù)［20］；李慧等采用核密度估計法研究了中國省域碳排放效率的動態(tài)收斂性質(zhì)，結(jié)果表明地區(qū)之間呈現(xiàn)出動態(tài)收斂的特征［21］；Tang 等基于空間Markov 模型檢驗了中國262 個城市碳排放效率的俱樂部收斂性，指出空間聚集和溢出效應(yīng)有利于俱樂部收斂［22］。

梳理相關(guān)文獻可以發(fā)現(xiàn)，學(xué)者們針對碳排放效率的測算、影響因素識別以及收斂機制檢驗等方面，展開了較為豐富的探索，取得了許多頗有價值的研究成果，但既往文獻大多從靜態(tài)視角對碳排放效率進行測算，而針對省域碳排放效率采用動靜結(jié)合方法的研究較少，同時容易忽略徑向和角度的問題，導(dǎo)致測算結(jié)果存在偏差。相較于現(xiàn)有文獻，本文的貢獻在于：將三階段SBM-DEA 模型與GML模型相結(jié)合，基于靜態(tài)和動態(tài)兩個維度對省域碳排放效率進行實證分析。考慮到空間數(shù)據(jù)具有自相關(guān)性［23］，本文構(gòu)建了空間收斂模型，對效率值的外部影響因素進行收斂性檢驗，以期更好地掌握各省碳排放效率的時空差異及發(fā)展趨勢，為切實提高各省碳排放效率提供一定的數(shù)據(jù)支撐與理論支持。

三、研究方法與數(shù)據(jù)來源

（一）各省碳排放量計算

本文根據(jù)2006年《IPCC 國家溫室氣體清單指南》中提供的估算化石能源燃燒所釋放的CO2排放量對我國各省碳排放進行測算，公式如下：

其中，Ei表示能源品類的燃燒消費量，由能源平衡表中的各類能源的終端消耗量扣除工業(yè)用作原料、材料部分，再加上火力發(fā)電及供熱消耗部分所得［24］。NCVi、CEFi和COFi分別表示平均凈發(fā)熱量、碳排放因子和碳氧化因子，44 和12 分別代表CO2和C 的化學(xué)分子量，i 取值1～8，代表8種化石能源其中之一。

（二）三階段SBM-DEA 模型

第一階段：超效率SBM 模型。

傳統(tǒng)的三階段DEA 模型只注重投入和產(chǎn)出的對應(yīng)性，忽略了徑向和投入角度的選擇，存在投入冗余和產(chǎn)出不足等局限性，使最終結(jié)果出現(xiàn)松弛性偏差。為彌補上述模型存在的弊端，本文采用超效率SBM 模型測算各省的初始效率值，公式如下：

其中，ρ表示各省的碳排放效率值，si?、sr?、stb?分別代表投入、期望產(chǎn)出和非期望產(chǎn)出的松弛變量，分別表示第k 個省第i 個投入要素、第r 個期望產(chǎn)出和第w 個非期望產(chǎn)出，λ表示其約束條件。

第二階段：SFA 模型。

構(gòu)造投入冗余和環(huán)境變量之間的SFA 回歸模型：

其中，sij表示第j 個決策單元第i 項投入的松弛變量；f(z j;βi)表示環(huán)境值，其計算公式為f(zj;βi)=β0+β1×z1+β2×z2+...+βj×zj，zj表示對決策單元的效率值有影響的環(huán)境變量，βi表示其系數(shù)；θij、μij分別表示隨機干擾項和管理無效率項，二者相加表示混合誤差項。

通過上式對投入變量進行調(diào)整，公式如下：

第三階段：調(diào)整后的超效率SBM 模型。

經(jīng)過SFA 模型對投入變量的調(diào)整，剔除了外部環(huán)境和隨機干擾因素的影響，再次運用超效率SBM 模型對各省碳排放效率進行測算，所得結(jié)果會更加準(zhǔn)確與真實。

（三）GML 模型

傳統(tǒng)的ML 模型在技術(shù)條件不可行的情況下，存在結(jié)果可能無解的缺陷，而GML 模型可以有效避免“技術(shù)倒退”的現(xiàn)象，且具有可傳遞性、循環(huán)累積和跨期比較等優(yōu)點，因此本文選取GML 模型對各省的動態(tài)碳排放效率進行測算，公式如下：

GML 可以分解為純技術(shù)效率變化指數(shù)、規(guī)模效率變化指數(shù)和技術(shù)進步變化指數(shù)，公式如下：

其中，GPECH、GSECH 和GTECH 分別表示全域純技術(shù)效率變化指數(shù)、規(guī)模效率變化指數(shù)和技術(shù)進步變化指數(shù)。GPECH 大于1，表示純技術(shù)效率有所提高；GSECH 大于1，表示規(guī)模效率有所提高；GTECH 大于1，表示存在技術(shù)進步或創(chuàng)新；GML 大于1，表示效率值呈上升趨勢。

（四）空間自相關(guān)分析

各省由于經(jīng)濟水平、資源稟賦、環(huán)境規(guī)制等因素的不同，其碳排放效率也存在差異。生產(chǎn)要素具有空間流動性，而空間自相關(guān)性可能是導(dǎo)致碳排放效率出現(xiàn)差異的原因，為確?？臻g計量模型檢驗各省碳排放效率收斂性的合理性，本文采用莫蘭指數(shù)（Moran’s I）衡量其空間相關(guān)性，公式如下：

（五）空間收斂模型

依據(jù)空間收斂模型可判別各省碳排放效率的趨同與發(fā)散情況，經(jīng)典收斂源于經(jīng)濟趨同理論，可分為絕對β收斂和條件β收斂?？臻g絕對β收斂是指各省碳排放效率的增長速度與初始水平存在一定的負(fù)向關(guān)系，公式如下：

空間條件β收斂是指隨時間推移各省碳排放效率向各自的穩(wěn)定狀態(tài)趨近，在上述模型的基礎(chǔ)上，加入有影響的外部環(huán)境控制變量，構(gòu)建新的空間條件β收斂模型，公式如下：

其中，CEi,t表示第i 個省在第t年的碳排放效率，α表示常數(shù)項，β表 示收斂判斷系數(shù)，ρ表示空間自回歸系數(shù)，ωij表示空間權(quán)重矩陣，TP 表示技術(shù)進步，EI 表示能源強度，GS 表示稟賦結(jié)構(gòu)，β1、β2和β3分別為解釋變量的回歸系數(shù)，εi,t表示第i 個省的隨機干擾項。當(dāng)β顯著為負(fù)時，模型存在空間條件β收斂，說明各省碳排放效率的增長率與基期碳排放效率呈負(fù)向關(guān)系，且收斂速度為；反之，則不存在空間條件β收斂。

（六）變量的選擇與處理

1.投入變量的選取

資本存量（億元）：參考張軍和單豪杰的研究［25-26］，采用“永續(xù)盤存法”對各省歷年的資本存量進行估算，計算公式為Ki,t=Ii,t+(1?δi)Ki,t?1，其中，Ii,t表示第i 個省在第t年的新增固定資產(chǎn)投資量，δi表示第i 個省的資本折舊率。勞動力（萬人）：各省年末就業(yè)數(shù)。能源消費量（萬噸標(biāo)準(zhǔn)煤）：各省在一定時期內(nèi)（一年）所消耗的能源總量。

2.產(chǎn)出變量的選取

期望產(chǎn)出（億元）：選取各省歷年地區(qū)生產(chǎn)總值作為期望產(chǎn)出，同時為了消除價格因素的影響，利用平減指數(shù)將各年份的地區(qū)生產(chǎn)總值轉(zhuǎn)換為以2000年為基期的不變價。非期望產(chǎn)出（萬噸）：選取各省歷年的CO2排放總量作為非期望產(chǎn)出。

3.環(huán)境變量的選取

環(huán)境變量是指各省本身無法控制但對碳排放效率會產(chǎn)生顯著性影響的外部因素。結(jié)合本文研究重點和參考現(xiàn)有文獻，主要考慮技術(shù)進步、能源強度和稟賦結(jié)構(gòu)三個環(huán)境變量對碳排放效率的影響。技術(shù)進步：技術(shù)進步可以提高能源資源的利用效率，可以使單位產(chǎn)出消耗更少的資源或排放更少的CO2，進而提高生產(chǎn)效率，推動清潔能源的開發(fā)與利用。技術(shù)進步是影響各省碳排放效率的重要因素之一，本文選取各省的研究與試驗發(fā)展經(jīng)費內(nèi)部支出（R&D）與生產(chǎn)總值的比值來表示技術(shù)進步。能源強度：能源強度是衡量能源利用效率的重要指標(biāo)，能源強度越低，代表能源利用效率越高，進而碳排放效率就越高，本文選取各省的能源消費量與地區(qū)生產(chǎn)總值的比值來表示能源強度。稟賦結(jié)構(gòu)：資本和勞動力投入均為生產(chǎn)過程中投入的基本要素，其變化可以反映各省是屬于資本密集型還是勞動密集型，本文選取各省的資本存量與勞動力的比值來表示稟賦結(jié)構(gòu)。

（七）數(shù)據(jù)來源

為了保證數(shù)據(jù)的準(zhǔn)確性與真實性，文中投入數(shù)據(jù)、產(chǎn)出數(shù)據(jù)以及環(huán)境變量數(shù)據(jù)均來源于《中國統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》《中國勞動統(tǒng)計年鑒》以及各省的統(tǒng)計年鑒，樣本區(qū)間為2000—2018年，由于我國港澳臺和西藏的相關(guān)數(shù)據(jù)無法獲取，未將其列入樣本之中。八大經(jīng)濟區(qū)以國務(wù)院發(fā)展研究中心《地區(qū)協(xié)調(diào)發(fā)展的戰(zhàn)略和政策》報告中劃分的區(qū)域為依據(jù)，具體劃分區(qū)域如表1所示。

表1 中國各省碳排放效率結(jié)果

（續(xù)表1）

四、實證結(jié)果分析

（一）第一階段各省碳排放效率分析

由表1可知，在未剔除外部環(huán)境和隨機干擾的情況下，我國碳排放效率的均值為0.628。各省的碳排放效率值存在較大的空間差異。例如，北京、上海、廣東的效率值均大于1，而貴州、寧夏、青海的效率值均小于0.4。同時，各地區(qū)所呈現(xiàn)的效率水平也有較大差異。例如，東部沿海地區(qū)的碳排放效率最高，均值為0.916，純技術(shù)效率和規(guī)模效率相對均衡，而大西北地區(qū)的碳排放效率最低，均值為0.382，其規(guī)模效率僅為0.545，低于整體均值，規(guī)模效率嚴(yán)重制約了大西北地區(qū)碳排放效率的提高。我國有17 個省的碳排放效率低于均值，多數(shù)省的效率水平仍有較大的進步空間；有19 個省的純技術(shù)效率值低于均值，表明多數(shù)省的技術(shù)水平相對落后，其中上海的純技術(shù)效率最高，而貴州最低；有22個省的規(guī)模效率值高于均值，僅有8 個省未達到平均水平，其中福建的規(guī)模效率最高，而青海最低。整體上規(guī)模效率高于純技術(shù)效率，表明技術(shù)水平不高是制約我國碳排放效率水平的因素之一。由于第一階段并未剔除外部環(huán)境和隨機干擾對效率的影響，因此其結(jié)果與真實情況存在一定的偏差，需要對變量進一步調(diào)整后再做分析。

（二）第二階段SFA 模型回歸分析

表2 SFA 回歸結(jié)果

技術(shù)進步：技術(shù)進步與資本存量、勞動力、能源消費的松弛變量均顯著負(fù)相關(guān)，表明我國各省技術(shù)水平對三者存在一定的“擠出效應(yīng)”，即技術(shù)進步提升單位勞動力的勞動效率，提高能源的利用效率，進而減少資本的浪費。換言之，當(dāng)產(chǎn)出總量既定時，技術(shù)的進步可減少資本、勞動、能源要素松弛變量的投入，對碳排放效率起到了正向促進作用。

能源強度：能源強度與資本存量、能源消費的松弛變量顯著負(fù)相關(guān)。能源強度越低，代表單位地區(qū)生產(chǎn)總值所消耗能源量就越少，即效率水平就越高，進而會投入更多的資本要素以及能源要素，在生產(chǎn)要素利用率未達到飽和的情況下，效率的提高往往伴隨著更多投入要素松弛量的產(chǎn)生，進而推動各省的碳排放效率的提高。

稟賦結(jié)構(gòu)：稟賦結(jié)構(gòu)與資本存量、能源消費的松弛變量顯著正相關(guān)，表明各省在稟賦結(jié)構(gòu)既定的情況下，資本存量與能源消費量的增長將阻礙碳排放效率的提高。通常情況下，資本存量的增加會促進社會經(jīng)濟的快速增長，但大量資本的涌入與堆積造成資本產(chǎn)能過剩的問題，進而抑制碳排放效率的提高。同樣，能源過量投入將導(dǎo)致能源產(chǎn)能過剩，在既定的稟賦結(jié)構(gòu)下，能源消費松弛變量的投入冗余也增大，能源利用效率未能與能源消費量形成最佳的匹配關(guān)系，進而阻礙碳排放效率的提高。

（三）第三階段碳排放效率分析

經(jīng)過第二階段對數(shù)據(jù)的調(diào)整，再次使用超效率SBM 模型對我國各省碳排放效率進行測算，具體結(jié)果見表1。

1.整體分析

在剔除外部環(huán)境和隨機干擾因素后，整體上我國碳排放效率、純技術(shù)效率以及規(guī)模效率相較于第一階段均有顯著變動，其中綜合效率降低14.76%，規(guī)模效率降低27.39%，純技術(shù)效率增加13.75%，表明外部環(huán)境和隨機干擾對各效率值存在顯著的影響，具體表現(xiàn)為綜合效率和規(guī)模效率被高估，純技術(shù)效率被低估。純技術(shù)效率由0.760 增長為0.864，距離有效前沿面更近了一步，但仍有進一步提高的空間。規(guī)模效率由0.854 下降為0.620，反映出規(guī)模效率較低是阻礙我國碳排放效率達到有效水平的重要原因。從降幅來看，規(guī)模效率的變動同碳排放效率大體一致，這進一步反映出規(guī)模效率是制約碳排放效率提高的主要因素。各地區(qū)在發(fā)展技術(shù)水平的同時，也要合理擴大規(guī)模，使生產(chǎn)規(guī)模與碳排放效率之間達到最優(yōu)關(guān)系。規(guī)模效率變化最直接的體現(xiàn)就是資源配置的無效率，政府部門應(yīng)減少對資源配置的干預(yù)，提高市場資源配置功能，調(diào)動市場主體的積極性，進而提高規(guī)模效率。

2.各省分析

綜合效率方面：各省碳排放效率存在較大差距，排名最高的廣東和排名最低的青海，其綜合效率值分別為1.346 和0.192，兩者相差1.154；青海、甘肅、新疆等地的效率值均小于0.30，北京、上海、福建等地的效率值均大于0.80，多數(shù)省的效率值處于0.30 與0.80 之間，各省效率值的差距并未縮小到一個可觀的范圍內(nèi)。福建、廣東、湖北等地的綜合效率有不同幅度的提升，浙江的綜合效率基本保持不變，其他22 個省的綜合效率均呈下降態(tài)勢，表明大多數(shù)省的碳排放效率會因外部環(huán)境和隨機干擾因素的影響而被高估。相較于第一階段，部分省的排名有較大變化。例如，廣東和福建分別由第三、第四的位置上升至第一、第二的位置，其綜合效率的漲幅也最高，并且這兩個省的綜合效率均大于1，處于效率前沿。江蘇上升至第三的位置，黑龍江、吉林分別跌落至第十三名、第二十名。可以看出，排名上升幅度較大的省多集中于南部沿海和東部沿海地區(qū)，而排名下降幅度較大的省多集中于東北地區(qū)，這是由于南部、東部沿海各省的開放程度更高，更容易吸引外商投資和吸收先進技術(shù)和發(fā)展經(jīng)驗，其技術(shù)效率被低估，東北地區(qū)各省的規(guī)模效率被高估，表明規(guī)模經(jīng)濟受環(huán)境影響較大，資源配置的市場調(diào)節(jié)能力較弱。純技術(shù)效率方面：相較于第一階段，除了北京、上海、廣東、海南和青海，其余25 個省的純技術(shù)效率均有所提高。不難發(fā)現(xiàn)，雖然上述5 個省的純技術(shù)效率有所降低，但其第一、第三階段均位列全國前五名，且數(shù)值均大于1，處于技術(shù)前沿面上。這一時期，我國各省的技術(shù)進步一定程度上推動了碳排放效率的提高。同時由技術(shù)擴散理論可知，技術(shù)具有“溢出效應(yīng)”，先進的生產(chǎn)要素會流向其他省，擁有先進技術(shù)的省份會帶動周邊省份的技術(shù)進步，從而達到共同進步的效果。規(guī)模效率方面：相較于第一階段，僅有4 個省的規(guī)模效率有所提升，分別為廣東、福建、江蘇和山東，這4 個省的規(guī)模效率在第三階段位列全國前四。其中，廣東和福建的規(guī)模效率值大于1，處于效率前沿面上，而其余28 個省的規(guī)模效率值均小于1，表明生產(chǎn)要素利用率并未達到生產(chǎn)效率前沿，規(guī)模效率對碳排放效率的增長具有一定的“反向推動力”。上述結(jié)果表明，外部環(huán)境和隨機干擾對各省碳排放效率的變動具有顯著影響，對不同省的影響效果不盡相同。因此，在對各省碳排放效率進行評測時，只有將其放置于同一環(huán)境、同一水平下，剔除外部環(huán)境和隨機干擾的影響，所得數(shù)據(jù)才能客觀真實地反應(yīng)出各省的碳排放效率，這也進一步佐證了本文采用三階段SBM-DEA 模型的合理性、準(zhǔn)確性以及科學(xué)性。

3.聚類分析

火星快車號帶著宇宙尋水的任務(wù)，于2004年被發(fā)射升空，經(jīng)過長達6個月的太空飛行，到達火星軌道，開始探測火星之水。至今，它已經(jīng)工作了14個年頭，可以稱得上是宇宙尋水的老前輩了。

本文利用SPSS26.0 軟件分別對各省第一、第三階段碳排放效率值進行聚類分析，將結(jié)果分為高效率區(qū)、中效率區(qū)和低效率區(qū)（見表3）。第一、第三階段的聚類分析結(jié)果相差并不大。例如，北京、上海、廣東等地均處于高效率區(qū)，天津由高效率區(qū)變?yōu)橹行蕝^(qū)，而山東則由中效率區(qū)變?yōu)楦咝蕝^(qū)。上述處于高效率區(qū)的省大多位于三大沿海地區(qū)，這些地區(qū)經(jīng)濟發(fā)展迅速，開放程度較高，容易吸收先進技術(shù)與發(fā)展經(jīng)驗?？梢钥闯?，大多數(shù)省位于中、低效率區(qū)，說明我國整體的碳排放效率水平仍未達到較高水平。其中，山西、內(nèi)蒙古、貴州等地均處于低效率區(qū)，這些地區(qū)資源稟賦十分富足，豐富的自然資源使經(jīng)濟發(fā)展以資源密集型產(chǎn)業(yè)為主，而資源密集型產(chǎn)業(yè)的生產(chǎn)往往伴隨著高能耗、高排放、高污染的發(fā)生，導(dǎo)致其碳排放效率低下。這些低效率區(qū)的省在發(fā)展經(jīng)濟的同時，要加強地區(qū)綠色低碳發(fā)展的頂層設(shè)計，構(gòu)建完善的節(jié)能減排法律體系，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，控制“三高”產(chǎn)業(yè)的膨脹性發(fā)展，持續(xù)降低化石能源消費比重，積極推動清潔能源的開發(fā)與利用，并貫通于生產(chǎn)、流通以及消費等各個環(huán)節(jié)，實現(xiàn)由以往“高投入、高消耗、高污染”的粗放型發(fā)展模式向“低投入、低消耗、低污染”發(fā)展方式的轉(zhuǎn)型。

表3 聚類結(jié)果對比

（四）動態(tài)碳排放效率分析

1.整體分析

由表4可知，我國碳排放效率變化指數(shù)整體上呈現(xiàn)“東中西”依次遞減的空間格局，北京、上海、福建、廣東等省的效率指數(shù)大于1，拉動了全國碳排放效率的增長。其余多數(shù)省的效率指數(shù)小于1，表明省際碳排放效率的變化并不均衡，存在一定的空間差異性。全國碳排放效率變化指數(shù)的均值為1.005，動態(tài)碳排放效率偏低。一方面是因為我國在經(jīng)濟發(fā)展初期，“粗放型”的發(fā)展路徑雖然推動了經(jīng)濟的高速增長，但也排放了大量的溫室氣體，使碳排放效率急劇下降，盡管近年來國家加強了生態(tài)文明建設(shè)力度，但短時間內(nèi)仍然無法彌補前期環(huán)境破壞造成的碳排放效率低下的問題。另一方面是因為多數(shù)省的碳排放效率變化指數(shù)小于1，僅有9 個省大于1，難以推動整體碳排放效率的大幅提高。從效率指數(shù)分解情況來看，純技術(shù)效率變化指數(shù)和規(guī)模效率變化指數(shù)的均值分別為0.998 和0.997，表明組織管理水平以及要素配置尚不合理，亟須提高管理能力，合理擴大生產(chǎn)規(guī)模，實現(xiàn)企業(yè)生產(chǎn)經(jīng)營的規(guī)模效益最大化。技術(shù)進步變化指數(shù)的均值為1.010，表明整體上達到有效前沿面，存在技術(shù)進步或創(chuàng)新。可以發(fā)現(xiàn)，技術(shù)進步變化指數(shù)的正增長抵消了一部分由于純技術(shù)效率和規(guī)模效率變化指數(shù)帶來的負(fù)增長，表明技術(shù)進步對碳排放效率變化指數(shù)具有正向促進作用，但由于管理能力和規(guī)模效率并未得到同步提升，我國碳排放效率變化指數(shù)未達到有效前沿。

由圖1可知，2000—2012年，碳排放效率變化指數(shù)無明顯的增減，呈起伏波動態(tài)勢，存在一定的時空差異。2012—2018年連續(xù)六年碳排放效率變化指數(shù)呈上升態(tài)勢，同時近年來碳排放效率變化指數(shù)均大于1，表明我國碳排放效率呈現(xiàn)明顯的增長趨勢。究其原因，黨的十八大后，生態(tài)文明理念上升為生態(tài)文明戰(zhàn)略，黨的十九大在黨的十八大的基礎(chǔ)上，進一步吹響了加快生態(tài)文明體制改革、建設(shè)美麗中國的沖鋒號角，再次昭示了我國對加強生態(tài)文明建設(shè)的意志和決心?；谶@個背景，各省在低碳經(jīng)濟發(fā)展模式下，重點解決傳統(tǒng)能源產(chǎn)能過剩、能源系統(tǒng)整體運行效率不高等突出問題，持續(xù)推進能源供給側(cè)結(jié)構(gòu)性改革，矯正能源配置扭曲、生產(chǎn)效率低下等問題，不斷調(diào)整產(chǎn)業(yè)結(jié)構(gòu)。例如，推動農(nóng)業(yè)結(jié)構(gòu)由“傳統(tǒng)”向“現(xiàn)代”轉(zhuǎn)變、工業(yè)結(jié)構(gòu)由“重”向“輕”轉(zhuǎn)變，第三產(chǎn)業(yè)的占比不斷增加，實現(xiàn)三次產(chǎn)業(yè)協(xié)調(diào)發(fā)展、深度融合，逐步向“三二一”結(jié)構(gòu)格局演進。同時，各省妥善兼顧“供給側(cè)”中的技術(shù)水平貢獻度，提升生產(chǎn)技術(shù)水平，推動能源的清潔化、多元化發(fā)展，這對進一步提高碳排放效率具有重要作用。

圖1 中國各年份碳排放效率變化指數(shù)

2.各省分析

由表4可知，我國碳排放效率變化指數(shù)呈現(xiàn)出較大的省域差異，效率變動存在一定的區(qū)域性差異。例如，僅有9 個省的碳排放效率變化指數(shù)處于有效前沿，其中8 個省集中于三大沿海地區(qū)，而三大沿海地區(qū)中的河北與海南兩省，碳排放效率變化指數(shù)小于1，二者均由純技術(shù)效率變化指數(shù)較低所導(dǎo)致，表明其應(yīng)該集中力量加強組織管理以及產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化，以期縮小實際產(chǎn)出水平與最優(yōu)產(chǎn)出水平之間的差距。同時，北京、天津、上海和福建的碳排放效率變化指數(shù)以及三項分解指數(shù)均大于1，這些省的經(jīng)濟水平、科技水平以及對外開放水平都比較高，它們以規(guī)模的發(fā)展促進技術(shù)的進步，以技術(shù)的創(chuàng)新推動規(guī)模的擴大，各項效率指數(shù)相輔相成，相互推動，很好地詮釋了經(jīng)濟和生態(tài)統(tǒng)籌發(fā)展的可持續(xù)發(fā)展觀。全國有21 個省的碳排放效率變化指數(shù)未達到有效前沿，大多是由于純技術(shù)效率變化指數(shù)或規(guī)模效率變化指數(shù)的相對低下所導(dǎo)致的，由此可見，不同時期各省對純技術(shù)效率和規(guī)模效率的側(cè)重各有不同，在兼顧二者協(xié)同發(fā)展方面，取得的成效并不理想，進而造成碳排放效率無法穩(wěn)定提高。各省應(yīng)立足發(fā)展實際和自身稟賦，明確階段性發(fā)展任務(wù)，充分發(fā)揮市場配置資源的基礎(chǔ)性作用，以資源的最優(yōu)配置推動規(guī)模效率提高，強化企業(yè)管理，推動產(chǎn)業(yè)結(jié)構(gòu)的綠色轉(zhuǎn)型，這對提升碳排放效率具有重要意義。整體來看，各省政策、經(jīng)濟、環(huán)境發(fā)展差距較大導(dǎo)致碳排放效率變化指數(shù)具有較大的區(qū)域不平衡性，因此，在制定相關(guān)的經(jīng)濟目標(biāo)與減排政策時，要因地制宜、因時制宜和因情施策相結(jié)合，不可盲目效仿其他地區(qū)，要從實際情況出發(fā)，充分利用好自身的優(yōu)勢條件，同時補齊短板，以提高碳排放效率，全面推動生態(tài)文明建設(shè)。

表4 中國各省碳排放效率變化指數(shù)結(jié)果

（續(xù)表4）

整體來看，碳排放效率變化指數(shù)達到有效前沿的省份在逐年增多。2005年，僅8 個省的效率變化指數(shù)大于1。近年來，尤以2016—2018年為甚，碳排放效率變化指數(shù)大于1 的省數(shù)量分別為10、19、19，呈現(xiàn)由零星點狀分布到連片聚集分布的態(tài)勢。越來越多省的碳排放效率變化指數(shù)大于1，表明其十分重視生態(tài)文明的建設(shè)與保護，它們通過強化管理、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)以及提高技術(shù)水平等方式，推動技術(shù)的快速革新和規(guī)模的有效擴大，在節(jié)能減排、減污降碳等方面取得了顯著成就?！笆濉逼陂g，各省統(tǒng)籌推進新時代“五位一體”總體布局，以“創(chuàng)新、協(xié)調(diào)、綠色、開發(fā)、共享”五大發(fā)展理念指導(dǎo)生態(tài)環(huán)保領(lǐng)域的穩(wěn)步發(fā)展，不斷推進供給側(cè)結(jié)構(gòu)性改革，加大化解過剩產(chǎn)能和淘汰落后產(chǎn)能的工作力度，提高能源利用效率，優(yōu)化能源結(jié)構(gòu)，堅持從能源層次打好生態(tài)環(huán)境保護攻堅戰(zhàn)。黨的十九大提出“建設(shè)生態(tài)文明是中華民族永續(xù)發(fā)展的千年大計”，各省在“綠水青山就是金山銀山”的綠色發(fā)展觀、“共建人與自然共同體”的科學(xué)自然觀的指引下，積極推進生態(tài)文明建設(shè)，從規(guī)模和技術(shù)等根本層面解決問題，從本質(zhì)上提升碳排放效率，努力走發(fā)展經(jīng)濟和保護環(huán)境的雙贏之路。

（五）各省碳排放效率空間收斂性分析

1.空間自相關(guān)檢驗

在對各省碳排放效率進行空間收斂性測算時，應(yīng)先進行空間相關(guān)性檢驗，以確保各省之間存在空間相關(guān)性。本文利用空間權(quán)重矩陣，對莫蘭指數(shù)（Moran’s I）進行測算（見表5）?？梢钥闯觯寂欧判实哪m指數(shù)均為正數(shù)，且Z 值和P 值均通過了1%水平下的顯著性檢驗，表明各省間碳排放效率在地理位置上存在顯著的正向相關(guān)性。因此，在對各省碳排放效率進行收斂性分析時，應(yīng)將空間相關(guān)性考慮在內(nèi)，使模型回歸結(jié)果更加準(zhǔn)確與真實。

表5 中國各省碳排放效率莫蘭指數(shù)結(jié)果

2.空間收斂性分析

本文對固定效應(yīng)和隨機效應(yīng)模型進行Hausman 檢驗，結(jié)果表明絕對β收斂和條件β收斂均選擇固定效應(yīng)模型為最優(yōu)。由表6中LM 和Robust LM 的檢驗結(jié)果可知，LM-lag 和Robust LM-lag 的顯著性均高于LM-error 和Robust LM-erro，因此選擇空間滯后模型（SLM）為最優(yōu)?？臻g收斂性檢驗是相對量化程度比較高的檢驗方法，本文利用個體固定效應(yīng)、時間固定效應(yīng)以及混合固定效應(yīng)，分別對空間滯后模型進行回歸分析。由Overall 以及Log likelihood 的數(shù)值大小可知，無論是空間絕對β收斂模型還是空間條件β收斂模型，選擇混合固定效應(yīng)最優(yōu)。因此，本文選取混合固定效應(yīng)對各省碳排放效率進行空間收斂性度量。

表6 LM 檢驗結(jié)果

根據(jù)表7結(jié)果得出以下結(jié)論：（1）lnCE 的系數(shù)均為負(fù)，且均通過了1%水平下的顯著性檢驗，表明我國各省的碳排放效率存在顯著的空間絕對β收斂和空間條件β收斂?？臻g收斂趨勢的存在表明省際碳排放效率的差距在逐漸縮小，低效率省份在“追趕”高效率省份。（2）空間絕對β收斂速度為0.056，低于條件β收斂速度（0.068），表明各省份在加入有影響的外部環(huán)境變量之后，收斂速度有所提高，更加符合真實的收斂情況。（3）技術(shù)進步的系數(shù)為正，且在1%水平下顯著，表明技術(shù)進步很大程度上推動了碳排放效率的提高；能源強度的系數(shù)為負(fù)，且在5%水平下顯著，表明能源強度和碳排放效率之間存在顯著的負(fù)向效應(yīng)，即能源強度的降低會推動碳排放效率的提高；稟賦結(jié)構(gòu)的系數(shù)為正，且在10%水平下顯著，表明稟賦結(jié)構(gòu)和碳排放效率之間存在顯著的正向效應(yīng)，稟賦結(jié)構(gòu)的提升推動了各省經(jīng)濟的高質(zhì)量發(fā)展，進而帶動碳排放效率的提高。因此，未來提升碳排放效率的重要方向包括技術(shù)的進步、能源強度的降低以及稟賦結(jié)構(gòu)的優(yōu)化。

表7 中國各省碳排放效率空間收斂回歸結(jié)果

五、結(jié)論與啟示

本文深入研究了中國省域碳排放效率的時空差異及空間收斂性，結(jié)果表明：（1）中國碳排放效率在波動中逐漸上升，但整體水平較低，效率值為0.536；三大沿海地區(qū)高于其他地區(qū)，省際存在較大差異，多數(shù)省份處于較低水平，僅廣東和福建效率值大于1。（2）外部環(huán)境和隨機干擾對各省碳排放效率具有顯著的影響，具體來講，技術(shù)進步有助于降低各項投入的松弛變量，能源強度的下降將減少勞動力投入和能源消費的松弛變量，稟賦結(jié)構(gòu)的優(yōu)化將增加資本投入和能源消費的松弛變量。（3）技術(shù)進步推動了動態(tài)碳排放效率的提高，而純技術(shù)效率和規(guī)模效率的相對低下對其產(chǎn)生阻礙作用。整體呈現(xiàn)“東中西”效率指數(shù)依次遞減的空間格局，上海、廣東等省份的效率變化指數(shù)大于1，表明其對碳排放效率的增長具有拉動作用。（4）各省碳排放效率存在空間絕對收斂和空間條件收斂，技術(shù)進步、能源強度以及稟賦結(jié)構(gòu)對碳排放效率的收斂存在顯著影響。其中，技術(shù)進步和稟賦結(jié)構(gòu)對收斂速度的提高具有正向作用，而能源強度具有負(fù)向作用。

基于上述結(jié)論，提高各省碳排放效率，縮減省際效率差距，推動經(jīng)濟發(fā)展和環(huán)境保護協(xié)同增效，是新常態(tài)下實現(xiàn)“雙碳”目標(biāo)的必由之路。有鑒于此，本文提出以下政策建議。

第一，實施差異化的碳減排策略，縮小省際的效率差距。我國幅員遼闊，各省發(fā)展情況千差萬別，需要根據(jù)其實際情況提出相應(yīng)的碳減排目標(biāo)［27］，切不可盲目地效仿其他省的規(guī)章制度，避免實行“一刀切”的強制性政策，應(yīng)根據(jù)各省的異質(zhì)性，實施差異化的區(qū)域政策引領(lǐng)和空間戰(zhàn)略布局，建立健全多元化、多渠道的環(huán)境政策，并且合理控制外部環(huán)境，充分發(fā)揮強項優(yōu)勢，補齊短板，強化弱項，推動低碳經(jīng)濟的平穩(wěn)運行，為經(jīng)濟發(fā)展騰出更多的環(huán)境容量，走低碳與經(jīng)濟良性循環(huán)的可持續(xù)發(fā)展道路。

第二，優(yōu)化稟賦要素結(jié)構(gòu)，有效提高規(guī)模效率。資本、勞動作為生產(chǎn)經(jīng)營中最基本的要素，其配置比很大程度決定了規(guī)模效率的高低。但生產(chǎn)規(guī)模一味擴大并不一定會降低邊際生產(chǎn)成本，能源的過度消耗、勞動力以及資本的大量堆積，都是造成規(guī)模效率不高的主要原因。應(yīng)調(diào)整地區(qū)間的資源配置，突破地域壁壘，加強省際稟賦要素的流動，充分發(fā)揮溢出效應(yīng)，解決資源過度分化導(dǎo)致的偏離要素稟賦、地方過度競爭和市場分割導(dǎo)致的資源配置扭曲等問題。要注重稟賦資源與生產(chǎn)規(guī)模的合理配置，使生產(chǎn)規(guī)模與勞動力、資本之間達到最優(yōu)的匹配關(guān)系。

第三，加強低碳技術(shù)創(chuàng)新，促進省際技術(shù)合作。我國低碳技術(shù)尚處于發(fā)展初期，創(chuàng)新積累較為薄弱，加上低碳技術(shù)的創(chuàng)新涉及多領(lǐng)域、多層次、多省間的協(xié)調(diào)合作，因此，要加強制度的頂層設(shè)計，建立面向各省不同市場需求的低碳技術(shù)供給體系，健全技術(shù)創(chuàng)新激勵機制。同時，充分借助省際協(xié)同發(fā)展戰(zhàn)略以及產(chǎn)業(yè)融合戰(zhàn)略，因地制宜地形成上中下游產(chǎn)業(yè)技術(shù)體系的有效銜接，構(gòu)建政府主導(dǎo)、市場推動以及兩者協(xié)同的低碳技術(shù)研發(fā)與成果轉(zhuǎn)化發(fā)展格局，以技術(shù)的創(chuàng)新推動低碳經(jīng)濟的發(fā)展，進而有效提高碳排放效率。

第四，構(gòu)建清潔低碳的能源體系，有效降低能源強度。我國當(dāng)下能源結(jié)構(gòu)偏煤，一次電力及其他能源消費比重較低，能源體系的慣性較大，能源轉(zhuǎn)型的路徑較為復(fù)雜，我國應(yīng)加大對氫能等新能源的開發(fā)與利用，加大對可再生能源的投資力度。同時，政府要加強對能源低碳轉(zhuǎn)型的系統(tǒng)謀劃，在遵循能源體系演化規(guī)律的基礎(chǔ)上，多方面推動低碳轉(zhuǎn)型進程，建立技術(shù)引領(lǐng)、政策推動、以市場驅(qū)動為核心的能源轉(zhuǎn)型路徑［28］，健全清潔化、低碳化、多元化的能源體系，通過有效降低能源強度，為提升碳排放效率騰出更多的發(fā)展空間。

本文在前人研究成果的基礎(chǔ)上，利用三階段SBM-DEA 模型和GML 模型，從靜態(tài)和動態(tài)兩個維度客觀準(zhǔn)確地測算了各省碳排放效率，又進一步構(gòu)建了空間計量模型探索各省碳排放效率空間收斂性，在模型構(gòu)建及測算方法等方面具有一定的創(chuàng)新性。但由于數(shù)據(jù)及篇幅受限，本文存在以下可以優(yōu)化與拓展的空間：一是部分省份統(tǒng)計局尚未公布最新的能源、科技等數(shù)據(jù)，考慮到數(shù)據(jù)的完整性與準(zhǔn)確性，未來可基于更長的時間跨度來探索各省碳排放效率的時空差異。二是除了基于技術(shù)、能源、稟賦等視角，還可以從政府規(guī)制、開放程度以及城市化水平入手，研究多種環(huán)境變量對碳排放效率的影響。三是除了利用空間收斂來判斷省際碳排放效率是否存在“追趕”效應(yīng)外，可以更進一步地采用空間俱樂部收斂模型來探索碳排放效率是否聚類式收斂于多個不同的穩(wěn)態(tài)。后續(xù)研究可以針對上述不足進行完善。