陳向陽，戴 爾

（廣州大學(xué) 經(jīng)濟(jì)與統(tǒng)計學(xué)院，廣東 廣州 510006）

一、引言與文獻(xiàn)綜述

環(huán)境保護(hù)始終是經(jīng)濟(jì)長久發(fā)展的根本前提。隨著IPCC第三次氣候變化評估的發(fā)布，遏制全球變暖、建立碳排放平衡逐漸成為了全球共識［1］。2016年中國和其他177個締約方在美國紐約簽署了《巴黎協(xié)定》，對保護(hù)全球環(huán)境做出了統(tǒng)一部署，最終目的是將氣溫的變化控制在一定區(qū)間內(nèi)。然而，根據(jù)國際能源機(jī)構(gòu)（IEA）于2007年公布的數(shù)據(jù)顯示，中國二氧化碳排放量接近62億噸，已經(jīng)成為世界上碳排放最多的國家，并且該數(shù)據(jù)還在不斷上升，預(yù)計將在十幾年后占到全球的三分之一。因此，作為《巴黎協(xié)議》締約國之一的中國，在低碳發(fā)展層面上有著艱巨的使命，而這同時也是實現(xiàn)美麗中國所必須應(yīng)對的課題［2］。2020年，中國政府向國際社會提出了碳達(dá)峰和碳中和的減碳目標(biāo)，積極履行作為一個大國對保護(hù)全球生態(tài)環(huán)境的責(zé)任。近幾年，隨著發(fā)展新能源、結(jié)構(gòu)性減碳和產(chǎn)業(yè)升級等政策的提出，如何控制碳排放量并提高碳排放效率得到了國內(nèi)社會的廣泛關(guān)注。

碳排放效率本質(zhì)上是衡量作為負(fù)產(chǎn)出的碳排放所能夠帶來正產(chǎn)出的數(shù)量與質(zhì)量。然而圍繞著碳排放效率的本質(zhì)定義，學(xué)界所提出的碳排放效率的測算指標(biāo)并不相同。部分學(xué)者通過CO2排放量、經(jīng)濟(jì)增長和能源消耗等變量來衡量碳排放效率，得出單位GDP的CO2排放量、單位能源消耗的CO2排放量等效率指標(biāo)［3］。但是這部分碳排放效率指標(biāo)都沒有真正將CO2排放量、經(jīng)濟(jì)增長、能源消耗和勞動投入等正產(chǎn)出和負(fù)產(chǎn)出進(jìn)行一個綜合性的考量，并且如果僅是通過GDP或能源消耗來進(jìn)行測算，則會對不同發(fā)展程度的國家產(chǎn)生刻畫偏差［4］，對社會生產(chǎn)缺少現(xiàn)實解釋力?；谏鲜龅睦碚撗芯浚梃b馬大來等［4］，魏梅等［5］的研究，本文將碳排放效率定義為在單位資本、單位勞動和單位能源消耗的同時作用下，社會生產(chǎn)所能得到的最大經(jīng)濟(jì)增長量和最少CO2排放量，通過加入不同層面的產(chǎn)出結(jié)果作為變量來進(jìn)行測算，以最接近現(xiàn)實經(jīng)濟(jì)生產(chǎn)為目標(biāo)來刻畫本文所表述的碳排放效率。

而在碳排放效率概念和測算方法的研究上，國外的發(fā)展要早于國內(nèi)。1993年有外國學(xué)者提出了一種名為碳生產(chǎn)率的指標(biāo)［3］，主要是以單位GDP的CO2排放量來進(jìn)行刻畫，意在表現(xiàn)碳排放的經(jīng)濟(jì)效率。之后Mielnik and Goldemberg［6］發(fā)現(xiàn)，Kaya的指標(biāo)局限在經(jīng)濟(jì)發(fā)展方面，而忽略了工業(yè)生產(chǎn)層面上的排放效率，于是就提出了一個名為碳指數(shù)的概念，主要是以單位能源消耗而不是單位GDP來進(jìn)行刻畫，其本質(zhì)就是對能源利用效率進(jìn)行表達(dá)。然而這兩種測算方法都有著計量方法和數(shù)據(jù)統(tǒng)計上的局限性，為了克服這些缺陷，有美國學(xué)者提出了同時涵蓋多項產(chǎn)出的數(shù)據(jù)包絡(luò)法（DEA模型），將每個樣本視為1個決策單元來進(jìn)行分析評價。但是，Tone［7］發(fā)現(xiàn)傳統(tǒng)DEA模型會因為測算時沒有區(qū)分正負(fù)產(chǎn)出而導(dǎo)致誤差的出現(xiàn)，因此在前人的基礎(chǔ)上提出了SBM模型。Maradan和Vassiliev［8］運用SBM模型的非參數(shù)距離函數(shù)估測算全球76個國家的二氧化碳邊際減排成本。之后Ln and Du［9］在SBM模型的基礎(chǔ)上，通過Malmquist參數(shù)方法來對地區(qū)的碳排放效率進(jìn)行更精確的測算。

而國內(nèi)常用的碳排放效率測算方法是數(shù)據(jù)包絡(luò)分析中的DEA模型和SBM 模型。魏梅等［5］通過DEA模型對我國各地區(qū)1986—2008年的碳排放效率進(jìn)行測算并分析其收斂性，發(fā)現(xiàn)技術(shù)投入、能源價格、公共投資能正向影響碳排放效應(yīng)。李濤和傅強［10］基于多非意愿變量的三階段DEA模型來對我國1998—2008年29個省級地區(qū)的碳排放效率進(jìn)行評價，其結(jié)果表明我國碳排放效率整體較高，產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化效果明顯，但該政策對不同地區(qū)所形成的影響力也不相同。而杜克銳和鄒楚沅［11］則采用隨機(jī)前沿邊界分析方法中的SFA模型，來對我國1995-2009年各個地區(qū)的碳排放效率進(jìn)行測算并進(jìn)行收斂性分析之后，認(rèn)為我國碳排放效率的地區(qū)差異較大，應(yīng)該利用市場資源配置、清潔能源，以及外貿(mào)等方式來提高我國碳排放效率。馬大來等［4］則采用了最小距離的SBM模型來對全國1998—2011年的省際碳排放效率進(jìn)行測算，并對其進(jìn)行空間計量分析，結(jié)果表明我國東部經(jīng)濟(jì)區(qū)的碳排放效率較為平穩(wěn)，西部則呈現(xiàn)U形變化，并且發(fā)現(xiàn)對外開放、企業(yè)所有制結(jié)構(gòu)和政府干預(yù)對碳排放效率的提升有正向影響。

上述的相關(guān)研究在明晰碳排放概念以及優(yōu)化碳排放測算方式層面上都有著重大的理論貢獻(xiàn)，對于估算并提升我國乃至其他國家的碳排放效率有著一定的現(xiàn)實意義。然而，在國內(nèi)外對中國碳排放效率的研究與測算中，大多數(shù)僅是憑地理位置來劃分研究區(qū)域，鮮有將我國的戰(zhàn)略地區(qū)作為評價主體。中國的六大戰(zhàn)略區(qū)域一直是全國進(jìn)行政策實驗和經(jīng)濟(jì)發(fā)展的重要抓手，其整體國土面積占全國的50%，2019年年底常住人口11.35億人，占全國的80.5%。2021年國家發(fā)改委發(fā)表《發(fā)揮“3＋2＋1”六大區(qū)域重大戰(zhàn)略對高質(zhì)量發(fā)展的重要引領(lǐng)》的展望計劃，繼續(xù)深化京津冀、粵港澳大灣區(qū)、長三角一體化區(qū)域、長江經(jīng)濟(jì)帶、黃河流域經(jīng)濟(jì)區(qū)域、海南發(fā)展區(qū)的引領(lǐng)作用。這足以說明戰(zhàn)略區(qū)域在支持中國高質(zhì)量發(fā)展方面有著重要的地位。那么，中國這六大具有重要戰(zhàn)略意義的發(fā)展區(qū)域，其碳排放效率到底是怎樣的？孰先孰后？在時空角度下的變化趨勢到底是如何？它們的碳排放效率發(fā)展是否勻質(zhì)？而這些就是本文所要尋找的答案。

在借鑒前人的相關(guān)研究之后，本文計劃在以下四個方面來對現(xiàn)有的研究進(jìn)行拓展：一是在省級碳排放效率測算中加入?yún)^(qū)域戰(zhàn)略的分析視角，采用非徑向非角度的SBM-Undesirable模型來完成效率刻畫并分析其演進(jìn)；二是運用空間計量中的莫蘭指數(shù)來研究省際碳排放效率的空間差異；三是引入dagum基尼系數(shù)來研究不同戰(zhàn)略區(qū)域之間的碳排放效率發(fā)展變化的相距程度和貢獻(xiàn)率；四是通過σ收斂與β收斂來分析戰(zhàn)略區(qū)域碳排放效率的收斂速度及其影響因素。

二、研究方法與數(shù)據(jù)來源

（一）碳排放效率測算方法

本文參考Tone［7］提出的至強有效前沿最大距離法來進(jìn)行效率測算，這種非徑向、非角度的SBM-Undesirable模型可以有效地避免傳統(tǒng)DEA模型因為忽略非期望產(chǎn)出而導(dǎo)致的誤差，其模型本質(zhì)上是一種通過尋找決策單元間的距離來確定參考點的線性規(guī)劃方法。

假設(shè)在社會生產(chǎn)系統(tǒng)中有n個決策單元，每一個決策單元都有m個投入指標(biāo)，S1個期望產(chǎn)出指標(biāo)和S2個非期望產(chǎn)出指標(biāo)，并以此給運算向量進(jìn)行賦值：生產(chǎn)要素投入X＝（x1，x2，x3…xn）∈Rm*n，期望產(chǎn)出Yg＝，非期望產(chǎn)出Yb＝。由此可以構(gòu)建樣本變量集合DMU0＝，并通過如下SBM-Undesirable模型來進(jìn)行效率測算，其中（1）、（2）式中的S-、Sg、Sb分別為投入指標(biāo)、期望產(chǎn)出和非期望產(chǎn)出的松弛變量，λ表示不同區(qū)域的權(quán)重向量，ρ為該決策單元的效率值。

（二）空間自相關(guān)系數(shù)與LISA圖

空間自相關(guān)系數(shù)的內(nèi)容隸屬于空間計量經(jīng)濟(jì)學(xué)，主要是用來研究不同區(qū)域碳排放效率的溢出效應(yīng)。這里本文借鑒了馬大來等［4］的做法，使用空間自相關(guān)系數(shù)Global Moran’s I（全局莫蘭指數(shù)）來表示省際之間的空間效應(yīng)，其中全局莫蘭指數(shù)［12］的計算公式如下。

上式中的Wij表示空間權(quán)重矩陣，n為空間單元個數(shù)，xi和xj表示i地區(qū)和j地區(qū)的對應(yīng)觀測值。Global Moran’s I指數(shù)的大小往往代表著該地區(qū)某變量空間效應(yīng)的強弱。當(dāng)莫蘭指數(shù)越接近1時，則空間正相關(guān)性越強，集聚效應(yīng)就越明顯；當(dāng)莫蘭指數(shù)越接近-1時，空間負(fù)相關(guān)性越強，輻散效應(yīng)越明顯；而當(dāng)莫蘭指數(shù)為0時，說明該變量不存在空間相關(guān)性，空間距離不對其產(chǎn)生影響。但是Global Moran’s I作為一個全局指標(biāo)，缺少表征局部區(qū)域空間特征的能力。因此，本文在計算全局莫蘭指數(shù)的基礎(chǔ)上，引入了Local Moran’s I指數(shù)并以此繪制了散點圖（空間LISA圖，見圖2）來完善對碳排放效率空間效應(yīng)的研究。局部莫蘭指數(shù)［13］的表達(dá)公式如下。

（三）區(qū)域差異分解

Dagum發(fā)現(xiàn)傳統(tǒng)的基尼系數(shù)在分解區(qū)域差異時會忽略區(qū)域之間重疊部分的差異貢獻(xiàn)，進(jìn)而可能會出現(xiàn)測算誤差，因此提出了Dagum基尼系數(shù)分解法［14］。本文借鑒了Dagum的相關(guān)研究，使用Dagum基尼系數(shù)來分解2007—2016年各大戰(zhàn)略地區(qū)之間碳排放效率的區(qū)域差異，而總體的基尼系數(shù)計算公式如下。

其中yji，yhr分別為j地區(qū)和h地區(qū)內(nèi)各個樣本的碳排放效率；n為整體省級樣本數(shù)；k為整體的分區(qū)個數(shù)，具體取值可能會受到數(shù)據(jù)可得性的影響；nj為第j個分區(qū)中的省級樣本個數(shù)；G為總體基尼系數(shù)；j，h分別為k個分區(qū)中的分區(qū)編號數(shù)，都可以用來指代某個區(qū)域；r為特定分區(qū)中的某個省份。經(jīng)過Dagum優(yōu)化后的總體基尼系數(shù)可以分為三個部分，分別是區(qū)域內(nèi)差異貢獻(xiàn)Gw，區(qū)域間凈值差異貢獻(xiàn)Gnb和超變密度貢獻(xiàn)Gt，其數(shù)學(xué)關(guān)系和各個差異貢獻(xiàn)測算公式如下所示。

上式中的pj表示j分區(qū)中的省級樣本數(shù)與所有總體省級樣本的比值；Djh為j區(qū)和h區(qū)之間碳排放效率的相對影響；Gjj為j區(qū)內(nèi)部省級樣本之間碳排放效率的相對影響；djh為j和h分區(qū)之間的碳排放效率平均差值，即兩個分區(qū)之間的觀測值滿足yji-yhr＞0條件的差值之和的期望；而pjh為超變一階矩陣，代表著兩個分區(qū)之間的觀測值滿足yji-yhr＜0條件的差值之和的期望。

Fj，F(xiàn)h分別表示j，h區(qū)域碳排放效率的累積密度分布函數(shù)。

（四）隨機(jī)收斂檢驗法

1.σ收斂

σ收斂可以用來表現(xiàn)不同區(qū)間碳排放效率離差的時間變換趨勢。當(dāng)離差隨著時間的推移而不斷減小時，說明不同區(qū)域的碳排放效率的離散程度也在減小，此時各區(qū)域的碳排放效率存在σ收斂。本文延續(xù)前人的做法，將設(shè)置變異系數(shù)CV來表示σ收斂，并用觀測值的標(biāo)準(zhǔn)差和均值之比來表達(dá)它［15］，其數(shù)學(xué)表達(dá)式如下。

其中yji表示j地區(qū)內(nèi)i省級樣本的碳排放效率；j表示j地區(qū)碳排放效率的均值；nj表示j地區(qū)的省級樣本數(shù)量。

2.β收斂

β收斂主要是用來表現(xiàn)后發(fā)區(qū)域的碳排放效率增長速度是否高于領(lǐng)先區(qū)域。當(dāng)存在β收斂時，說明碳排放效率低下區(qū)域的增長速率快于碳排放效率高的區(qū)域。如果僅考慮自身收斂性，則測算所得出的結(jié)果被稱為絕對β收斂；當(dāng)對其他因素進(jìn)行控制之后所測算出的結(jié)果被稱為條件β收斂。

絕對β收斂表達(dá)式為：

其中等式左邊通過對數(shù)差分來表示碳排放效率的增長率；等式右邊的α是截距項，β是收斂系數(shù)，yji表示第i個地區(qū)在第t期的碳排放效率，ni、mt、εit分別表示地區(qū)的固定效應(yīng)、時間的固定效應(yīng)和隨機(jī)誤差項。

條件β收斂表達(dá)式為：

其中，X代表各大控制變量，δ則是其回歸系數(shù)。在參考前人研究的基礎(chǔ)上，本文對能源消耗、工業(yè)化程度、資本積累和碳轉(zhuǎn)化來進(jìn)行控制，其中采用第二產(chǎn)業(yè)GDP占總GDP的比率來表示工業(yè)化程度，用單位GDP所帶來的碳排放量作為碳轉(zhuǎn)化。當(dāng)β顯著小于0時，說明地區(qū)碳排放效率存在收斂，且收斂速度為-ln（1＋β）。

（五）變量說明和數(shù)據(jù)來源

在測算碳排放效率時需要確定投入變量和產(chǎn)出變量，本文選擇資本存量、勞動力投入和能源消耗作為投入變量，GDP和CO2排放量作為產(chǎn)出變量，其中GDP為期望產(chǎn)出，CO2排放量為非期望產(chǎn)出。（1）資本存量。由于資本存量的數(shù)據(jù)并不能從統(tǒng)計年鑒中直接獲得，所以本文參考了單豪杰［16］的方法，運用“永續(xù)盤存法”，以1953年作為基期價格的GDP平減指數(shù)來測算省級樣本的實際資本存量：Ki，t＝Ii，t＋（1-δ）Ki，t-1，式中Ki，t代表i省份第t年的資本存量，Ii，t代表i省第t年的投資，δ為i省第t年的折舊率。（2）勞動力投入。參考大部分相關(guān)的研究設(shè)計，本文將各省級樣本每年年末的就業(yè)人數(shù)來指代勞動力投入。（3）能源消耗量。本文采用煤炭、石油、天然氣和電力四種大類，包含20種能源的消費量作為能源消耗變量，統(tǒng)一用單位為萬噸標(biāo)準(zhǔn)煤的能源折合系數(shù)進(jìn)行折算并加總。（4）GDP總量。本文以1953年為基期，通過GDP平減指數(shù)來計算每一年各省的實際GDP，并以此作為碳排放效率的投入指標(biāo)之一。①

受到數(shù)據(jù)可得性的限制，本文選取了2007—2017年期間我國24個省份，測算得出包括京津冀（北京、天津、河北）、長三角區(qū)域（上海、江蘇、浙江、安徽）、長江經(jīng)濟(jì)帶（上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州）、黃河流域經(jīng)濟(jì)區(qū)域（青海、甘肅、寧夏、陜西、山西、河南、山東）四個戰(zhàn)略地區(qū)的面板數(shù)據(jù)來進(jìn)行分析，其中由于西藏、新疆、海南、香港和澳門等地方的數(shù)據(jù)缺失較為嚴(yán)重，故予以剔除。

三、碳排放效率測算及其空間自相關(guān)

（一）碳排放效率測算

聯(lián)合公式（1）和公式（2），將數(shù)據(jù)輸入到Matlab R2020a進(jìn)行測算后，得出2007—2017年中國24個省市的碳排放效率，結(jié)果如表1所示。

表1 2007—2017年中國各省市的平均碳排放效率

從表1中可以看出，2007年到2017年以來只有上海市的平均碳排放效率達(dá)到了生產(chǎn)前沿，其余只有廣東、遼寧、天津、北京和福建的平均碳排放效率超過了0.5，數(shù)量占測算省份的四分之一。碳排放效率小于0.3的省份有甘肅、四川、河南、山西、江西、貴州和青海。從整體上看，不同區(qū)域之間的碳排放效率相差較大且級差明顯，與此同時內(nèi)陸地區(qū)的碳排放效率整體低于沿海地區(qū)，存在著明顯的地區(qū)差異性，而這可能跟不同區(qū)域的經(jīng)濟(jì)增長方式有關(guān)。另外值得關(guān)注的是，廣東的碳排放效率從2013年之后就達(dá)到了生產(chǎn)前沿，并且此后就一直處于很高的水平，這可能是受到2013年廣東成為全國唯一一個采用碳排放配額有償分配試點政策的影響。

圖1表示全國以及四大戰(zhàn)略地區(qū)在2007—2017年碳排放效率的變化趨勢。從總體上看，長三角地區(qū)和京津冀地區(qū)的碳排放效率長期高于全國平均線，而長江經(jīng)濟(jì)帶的碳排放效率曲線與全國的變化曲線高度吻合，地區(qū)之間碳排放效率的變化趨勢基本一致，整體呈現(xiàn)出“Z”形變化。2007—2009年之間各地區(qū)的碳排放效率都比較平穩(wěn)，然而在2010年前后卻出現(xiàn)了一個明顯的抑制點，碳排放效率下滑幅度較大。這種下降情況持續(xù)到2013年開始有所緩解，之后各地區(qū)的碳排放效率趨于平緩。本文認(rèn)為區(qū)域碳排放效率出現(xiàn)以上走勢的原因可能是：（1）受到2008年全球經(jīng)濟(jì)危機(jī)的影響，我國經(jīng)濟(jì)增長開始乏力，單位投入所帶來的正產(chǎn)出下降，變相提高了負(fù)產(chǎn)出（CO2排放量）的占比從而降低了碳排放效率；（2）中央政府2009年實施“四萬億”經(jīng)濟(jì)刺激計劃，以“基建”為主力拉動經(jīng)濟(jì)增長的同時也導(dǎo)致了碳排放量的增加，因此這一時期全國和其他四大戰(zhàn)略地區(qū)的碳排放效率下降明顯。

圖1 2007—2017年全國及四大戰(zhàn)略區(qū)域碳排放效率趨勢

（二）空間自相關(guān)性

基于公式（3），使用Stata15.1進(jìn)行省級樣本空間自相關(guān)計算，得出中國2007—2017年省級碳排放效率的全局莫蘭指數(shù)如表2所示。由表可知2007—2017年中國平均碳排放效率的Moran’s I指數(shù)都大于零并逐年上升，而整體平均P值通過15%的顯著性檢驗且逐年下降，說明隨著時間的推移，中國整體上的省際碳排放效率的空間集聚效應(yīng)愈加顯著，即相近碳排放效率地區(qū)在空間上的集群特征越來越明顯。

表2 2007—2017年中國平均碳排放效率的全局莫蘭指數(shù)

通過公式（4）計算得出省際碳排放效率的局部莫蘭指數(shù)，并由此繪制空間LISA圖（如圖2）?？臻gLISA圖的第一象限代表著自身和周圍區(qū)域都是高碳排放效率（H-H），第二象限代表著自身是低碳排放效率但周圍區(qū)域是高碳排放效率（L-H），第三象限代表著自身和周圍區(qū)域都是低碳排放效率（L-L），第四象限代表著自身是高碳排放效率但周圍是低碳排放效率（H-L）。由圖可以看出具有顯著空間聚集效應(yīng)的地方有處于H-H象限的北京、天津、上海、江蘇、浙江和福建，以及處于L-L象限的山西、黑龍江、安徽、山東、河南、湖北、四川、貴州、陜西、甘肅和青海，共17個省市。而其余不具備顯著空間聚集效應(yīng)的地方是處于L-H象限的河北、吉林、江西和湖南，以及處于H-L象限的遼寧、廣東和云南，共7個省市。經(jīng)統(tǒng)計可得，具有顯著空間聚集效應(yīng)的省市占總樣本的70.8%，說明我國大部分省市的碳排放效率會出現(xiàn)聚集現(xiàn)象，只有小部分省市的碳排放效率不受周圍環(huán)境影響，空間相關(guān)性和空間異質(zhì)性并存。

圖2 2007—2017年中國平均碳排放效率的空間LISA圖

四、區(qū)域差異分解

借鑒Dagum的研究［15］，本文基于公式（5）—（14），以Matlab R2020a軟件來計算Dagum基尼系數(shù)，進(jìn)而探討2007—2017年中國四大戰(zhàn)略區(qū)域碳排放效率的差異程度及其來源。

（一）總體差異與區(qū)域內(nèi)差異

全國以及四大戰(zhàn)略區(qū)域碳排放效率的總體差異和區(qū)域內(nèi)差異如表3所示。由表可知，2007—2010年間全國以及四大戰(zhàn)略區(qū)域碳排放效率的總體差異和區(qū)域內(nèi)差異都存在一定的下降趨勢，其中全國總體差異系數(shù)由2007年的0.2720降到2010年的0.2351，跌幅為13.57%；京津冀區(qū)域內(nèi)差異系數(shù)由2007年的0.2101降到2010年的0.1156，跌幅為44.98%，近乎一半；長三角地區(qū)區(qū)域內(nèi)差異系數(shù)由2007年的0.1990降到2010年的0.1906，跌幅為4.22%；長江經(jīng)濟(jì)帶區(qū)域內(nèi)差異系數(shù)由2007年的0.3040降到2010年的0.2367，跌幅為22.14%；黃河經(jīng)濟(jì)區(qū)區(qū)域內(nèi)差異系數(shù)由2007年的0.0740降到2010年的0.0684，跌幅為7.57%。而在2010—2017年間，各地碳排放效率的差異程度又開始上升。全國總體差異系數(shù)漲到0.2811，漲幅為19.57%；京津冀、長三角地區(qū)、長江經(jīng)濟(jì)帶和黃河經(jīng)濟(jì)區(qū)的漲幅分別為68.67%、33.84%、12.04%和115.94%。平均來看，全國碳排放效率總體差異自2010年起一直處于上升趨勢，平均系數(shù)達(dá)到0.2613，說明產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化發(fā)展不平衡的問題依舊嚴(yán)峻，縮小碳排放效率地區(qū)差異任重道遠(yuǎn)，短時間內(nèi)很難填平碳排放效率方面上的“溝壑”。

表3 2007-2017年中國碳排放效率的總體差異和區(qū)域內(nèi)差異

在四大戰(zhàn)略地區(qū)中，黃河經(jīng)濟(jì)區(qū)的區(qū)域內(nèi)差異系數(shù)均值最小，說明該區(qū)域內(nèi)的各地區(qū)碳排放效率差異較?。婚L江經(jīng)濟(jì)帶的區(qū)域內(nèi)差異系數(shù)均值最大，且接近全國平均程度，結(jié)合圖1長江經(jīng)濟(jì)帶的碳排放效率演變曲線和全國碳排放效率演變曲線高度吻合的現(xiàn)象，本文認(rèn)為在碳排放效率方面，長江經(jīng)濟(jì)帶與全國的發(fā)展有著較高的同質(zhì)性，在一定條件下甚至可以憑借長江經(jīng)濟(jì)帶碳排放效率來預(yù)測全國碳排放效率的發(fā)展情況。

（二）區(qū)域間差異

各個戰(zhàn)略區(qū)域碳排放效率的區(qū)域間差異如表4所示。由表可得，四大戰(zhàn)略地區(qū)碳排放效率的區(qū)域間差異系數(shù)都呈現(xiàn)出“U”形曲線變化，在2010年前后存在一個凹拐點，這可能是因為2008年金融危機(jī)對中國各地的無差別經(jīng)濟(jì)打擊，導(dǎo)致單位投入所帶來的正產(chǎn)出下降，變相降低了各地的碳排放效率，進(jìn)而降低了它們的區(qū)域間差異。在凹拐點之后碳排放效率的所有區(qū)域間差異系數(shù)就一直處于上升狀態(tài)，其增長幅度分別為16.01%、23.92%、24.99%、18.83%、19.53%、7.51%，表明各大區(qū)域間的碳排放效率發(fā)展并不平衡。平均來看，長三角地區(qū)和黃河經(jīng)濟(jì)區(qū)之間碳排放效率的區(qū)域間差異系數(shù)最大，達(dá)到了0.3482，這可能跟兩大戰(zhàn)略地區(qū)的產(chǎn)業(yè)導(dǎo)向不同有關(guān)。黃河經(jīng)濟(jì)區(qū)主要是靠糧食種植、資源開發(fā)來作為發(fā)展支點，而長三角地區(qū)則是金融、外貿(mào)和創(chuàng)新技術(shù)為發(fā)展導(dǎo)向，后者的產(chǎn)業(yè)發(fā)展在對碳排放的“開源節(jié)流”方面要優(yōu)于前者，進(jìn)而導(dǎo)致了兩地的碳排放效率差異較大。

表4 2007—2017年四大戰(zhàn)略區(qū)域碳排放效率區(qū)域間差異

（三）區(qū)域差異來源及其貢獻(xiàn)

圖3表示中國碳排放效率區(qū)域差異來源的貢獻(xiàn)率，其中包括區(qū)域內(nèi)差異貢獻(xiàn)率、區(qū)域間貢獻(xiàn)率和超變密度貢獻(xiàn)率。從整體上看，戰(zhàn)略區(qū)域之間的差異是中國碳排放效率區(qū)域差異的主要來源，其平均貢獻(xiàn)率為51.51%。其次是區(qū)域內(nèi)差異和超變密度差異，對總體差異度的貢獻(xiàn)率分布為25.18%和23.31%。從演變趨勢上看，區(qū)域間差異和超變密度差異呈現(xiàn)對稱變化，在2009—2010年的時段上，區(qū)域間差異貢獻(xiàn)率的漲幅為11.45%，超變密度的跌幅為17.25%，之后二者就一直保持穩(wěn)定。區(qū)域間差異、區(qū)域內(nèi)差異和超變密度差異的貢獻(xiàn)率分別在24%、51%和23%上下小范圍浮動。雖然區(qū)域間差異的貢獻(xiàn)率最大，但是超變密度差異的貢獻(xiàn)率也占據(jù)了五分之一，說明在推廣產(chǎn)業(yè)優(yōu)化政策，提升總體碳排放效率，平衡低碳結(jié)構(gòu)發(fā)展的時候除了要減小區(qū)域間差異外，同時也要注意區(qū)域碳排放效率發(fā)展的重疊問題。

圖3 2007—2017年中國碳排放效率差異來源的貢獻(xiàn)率變化趨勢

五、收斂性分析

（一）σ收斂分析

基于公式（15），測算得出2007—2017年全國以及各大戰(zhàn)略地區(qū)碳排放效率的σ收斂系數(shù)，其趨勢變化如圖4所示。由圖可知，全國碳排放效率發(fā)展的離差隨著時間推移呈現(xiàn)波動震蕩變化，主要是介于0.5～0.6之間，沒有明顯的σ收斂趨勢。而其他各大戰(zhàn)略區(qū)域，除了京津冀地區(qū)在2009年的σ收斂系數(shù)出現(xiàn)震蕩下跌之外，其余地區(qū)都處在平穩(wěn)增長狀態(tài)。其中長三角和黃河經(jīng)濟(jì)區(qū)的增長趨勢最明顯，11年間的漲幅分別為26.87%和100.24%，這與Dagum基尼系數(shù)的分析結(jié)果較為一致，說明兩地碳排放效率的地區(qū)差異有進(jìn)一步擴(kuò)大的趨勢。與此同時，長江經(jīng)濟(jì)帶和全國的σ收斂系數(shù)變化曲線的重合度較高，進(jìn)一步加深了二者在碳排放效率方面有著較高同質(zhì)性的可能。整體來說，σ收斂與前文Dagum基尼系數(shù)的分析結(jié)果相互照應(yīng)，雖然全國碳排放效率的地區(qū)差異變化較小，但四大戰(zhàn)略區(qū)域的地區(qū)差異近幾年在不斷擴(kuò)大，沒有明顯表征出σ收斂的趨勢。

圖4 2007—2017年全國以及四大戰(zhàn)略區(qū)域碳排放效率的σ收斂系數(shù)

（二）β收斂分析

依據(jù)式（16）和（17），通過Stata15.1計算出各大戰(zhàn)略地區(qū)的β收斂系數(shù)如表5和表6所示，其中表5為絕對β收斂系數(shù)，表6為條件β收斂系數(shù)。由于受到數(shù)據(jù)可得性的限制，本文只對2007—2016年共10年間的β收斂系數(shù)進(jìn)行測算。

表5 2007—2016年四大戰(zhàn)略區(qū)域碳排放效率的絕對β收斂系數(shù)與收斂速度

分時段來看，2007—2016年四大戰(zhàn)略區(qū)域碳排放效率的β收斂系數(shù)都小于0且顯著性逐年升高，說明不同戰(zhàn)略區(qū)域之間的碳排放效率雖然存在地區(qū)差距，但差距在逐年縮小，低水平區(qū)域正在向高水平區(qū)域靠攏。這可能跟國家越來越重視區(qū)域低碳平衡發(fā)展有關(guān)，由于去產(chǎn)能和調(diào)節(jié)產(chǎn)業(yè)結(jié)構(gòu)政策的實施，再加上“黃河生態(tài)經(jīng)濟(jì)帶”的開發(fā)，我國各大戰(zhàn)略地區(qū)正在往可持續(xù)的穩(wěn)態(tài)方向發(fā)展。在固定了時間和空間效應(yīng)之后，測算得出2009—2015年各地的β收斂速度穩(wěn)定在0.09上下，說明地區(qū)之間的“追趕效應(yīng)”明顯且穩(wěn)健。

由表6的檢驗結(jié)果可知，2007—2016年間中國四大戰(zhàn)略地區(qū)的條件β收斂系數(shù)變化分為兩個階段。第一個階段是在2007—2012年間，四大戰(zhàn)略地區(qū)的條件β收斂系數(shù)均在0.05%的水平下顯著為負(fù)。結(jié)合表5的檢驗結(jié)果可以看出，在2007—2012年這些地區(qū)的碳排放效率水平不僅存在絕對β收斂，還存在著顯著的條件β收斂特征，說明在該時間段內(nèi)這些區(qū)域受到能源消耗、工業(yè)化程度、資本積累和碳轉(zhuǎn)化率的影響較小。而第二個階段是在2013—2016年，此時四大戰(zhàn)略地區(qū)的條件β收斂系數(shù)顯著為正，與同時期的絕對β收斂檢驗結(jié)果不同，其呈現(xiàn)出條件β發(fā)散趨勢。同時這也說明了能源消耗、工業(yè)化程度、資本積累和碳轉(zhuǎn)化率對區(qū)域碳排放效率的影響力在增大。從整體來看，由于地理位置和產(chǎn)業(yè)結(jié)構(gòu)不同，近幾年四大戰(zhàn)略區(qū)域間碳排放效率的不平衡性在增大，并且在短期內(nèi)難以得到扭轉(zhuǎn)，但是未來可以通過降低多余能耗、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和為區(qū)域引入綠色資本的方式來縮小碳排放效率的區(qū)域差異。

表6 2007—2016年四大戰(zhàn)略區(qū)域碳排放效率的條件β收斂系數(shù)

六、研究結(jié)論與啟示

本文采用包含非期望產(chǎn)出的非徑向、非角度SBM-Undesirable模型來對2007—2017年全國24個省市的碳排放效率進(jìn)行測算，并在此基礎(chǔ)上加入?yún)^(qū)域戰(zhàn)略的分析視角，刻畫了我國四大戰(zhàn)略區(qū)域碳排放效率的時空演進(jìn)情況。進(jìn)而通過Moran’s I指數(shù)和Dagum基尼系數(shù)揭示不同戰(zhàn)略地區(qū)碳排放效率的地區(qū)差異程度及其來源，最終利用收斂性檢驗分析了它們碳排放效率發(fā)展水平的收斂性和收斂速度。本研究得到的結(jié)論如下：

第一，全國碳排放效率雖然出現(xiàn)“Z”形的曲線變化，但近幾年呈現(xiàn)緩速增長的趨勢，不同戰(zhàn)略地區(qū)間的碳排放效率發(fā)展水平存在顯著差異。從省際的視角來看，碳排放效率超過0.5的省市分別是上海、廣東、遼寧、天津、北京和福建，占總樣本的25%。從戰(zhàn)略區(qū)域的視角來看，長三角和京津冀地區(qū)的碳排放效率高于全國平均水平，長江經(jīng)濟(jì)帶的碳排放效率曲線走勢和全國平均曲線高度一致，黃河經(jīng)濟(jì)帶的碳排放效率遠(yuǎn)低于其他戰(zhàn)略區(qū)域。

第二，中國碳排放效率存在顯著的空間依賴性和空間異質(zhì)性，且空間相關(guān)的特征越來越明顯。從全局莫蘭指數(shù)來看，中國碳排放效率的莫蘭指數(shù)及其顯著性隨著時間的推移而逐漸增長，并在2017年通過1%的顯著性檢驗。從局部莫蘭指數(shù)和空間LISA圖來看，有70.8%的省市聚集在LISA圖的H-H象限和L-L象限，還有29.2%的省市分布在其他象限，說明碳排放效率的空間依賴性和異質(zhì)性并存，且空間依賴性要更明顯。

第三，戰(zhàn)略區(qū)域間的碳排放效率差異在逐步擴(kuò)大，其中區(qū)域間差異是總體差異的主要貢獻(xiàn)來源。京津冀、長三角地區(qū)、長江經(jīng)濟(jì)帶和黃河經(jīng)濟(jì)區(qū)的區(qū)域內(nèi)基尼系數(shù)的均值分別為0.1764、0.2168、0.2616和0.0963，全國碳排放效率的平均基尼系數(shù)為0.2613，近幾年都處在緩慢增長狀態(tài)。從區(qū)域間差異來看，長三角地區(qū)和黃河經(jīng)濟(jì)區(qū)之間碳排放效率的區(qū)域間差異系數(shù)最大，達(dá)到0.3482。區(qū)域間差異是導(dǎo)致碳排放效率發(fā)展水平出現(xiàn)地區(qū)差異的主要原因，其平均貢獻(xiàn)率為51%。

第四，戰(zhàn)略區(qū)域間的碳排放效率發(fā)展水平?jīng)]有表征出明顯的σ收斂，但卻存在著顯著性較高的絕對β收斂，同時部分年份也表現(xiàn)出較顯著的條件β收斂趨勢。2007—2017年間全國以及四大戰(zhàn)略區(qū)域的CV系數(shù)變化比較穩(wěn)定，故不存在σ收斂。而較顯著的絕對β收斂和條件β收斂系數(shù)意味著四大戰(zhàn)略區(qū)域間碳排放效率發(fā)展水平的差異在縮小，并且逐步朝著自身的穩(wěn)態(tài)水平收斂。

根據(jù)上述結(jié)論，本文得出以下啟示：

第一，貫徹可持續(xù)發(fā)展的綠色發(fā)展觀，努力提升社會生產(chǎn)中的碳排放效率。當(dāng)下中國整體的碳排放效率都處在緩慢上升的狀態(tài)，仍然具有較高的提升空間，可以通過調(diào)整工業(yè)生產(chǎn)和能源消費結(jié)構(gòu)來解決長期碳排放效率較低的問題。各戰(zhàn)略發(fā)展地區(qū)要樹立綠色發(fā)展觀，將社會生產(chǎn)的目標(biāo)由單一的經(jīng)濟(jì)效益產(chǎn)出轉(zhuǎn)變?yōu)榻?jīng)濟(jì)效益和生態(tài)效益雙重目標(biāo)，依據(jù)各個地區(qū)不同的發(fā)展情況來設(shè)定可持續(xù)的發(fā)展政策。

第二，重視碳排放效應(yīng)的空間相關(guān)性，縮小同一區(qū)域碳排放效率的水平差異。一方面，可以加強區(qū)域內(nèi)部的經(jīng)濟(jì)聯(lián)系和技術(shù)聯(lián)系，通過空間相關(guān)性來增強技術(shù)和發(fā)展模式的溢出效應(yīng)，從而抹平相鄰地區(qū)之間碳排放效率差異，實現(xiàn)以強帶弱的協(xié)同發(fā)展模式。另一方面，還可以發(fā)揮地區(qū)的主觀能動性，主動通過優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和引入綠色資本的方式來縮小碳排放效率的發(fā)展差異。

第三，因地制宜探索綠色發(fā)展模式，發(fā)揮戰(zhàn)略地區(qū)的政策輻射效應(yīng)和引領(lǐng)作用。四大戰(zhàn)略區(qū)域應(yīng)該結(jié)合自身的環(huán)境條件來制定合適的低碳發(fā)展道路，并引領(lǐng)周圍地區(qū)進(jìn)行協(xié)同發(fā)展。比如黃河經(jīng)濟(jì)區(qū)應(yīng)加大對土地的生態(tài)保護(hù)和綠色資源開發(fā)，著力落實“黃河流域生態(tài)保護(hù)和高質(zhì)量”的發(fā)展戰(zhàn)略，積極發(fā)展生態(tài)經(jīng)濟(jì)，完成由資源型經(jīng)濟(jì)區(qū)的轉(zhuǎn)型升級并發(fā)揮區(qū)域間碳排放效率的“趕超效應(yīng)”，在此基礎(chǔ)上將合適的發(fā)展模式向周圍地區(qū)過渡，從而由點及面來帶動全國碳排放效率的持續(xù)優(yōu)化。

［注 釋］

① 本文所使用的GDP、固定投資、勞動力投入和能源消耗數(shù)據(jù)是通過《中國統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》和各地方統(tǒng)計年鑒直接所得或間接計算所得，而CO2排放量的測算數(shù)據(jù)來源于中國碳核算數(shù)據(jù)庫（CEADS）。