何燕子，王 妍

（湖南工業(yè)大學(xué) 商學(xué)院，湖南 株洲 412007）

2020年9月，習(xí)近平總書(shū)記在第七十五屆聯(lián)合國(guó)大會(huì)上提出“中國(guó)將提高國(guó)家自主貢獻(xiàn)力度，采取更加有力的政策和措施，二氧化碳排放力爭(zhēng)于2030年前達(dá)到峰值，努力爭(zhēng)取2060年前實(shí)現(xiàn)碳中和”。中國(guó)作為發(fā)展中國(guó)家，是能源排放大國(guó)，為實(shí)現(xiàn)“雙碳”目標(biāo)，必須走低碳經(jīng)濟(jì)發(fā)展道路。泛珠三角是中國(guó)經(jīng)濟(jì)最具活力和發(fā)展?jié)摿Φ牡貐^(qū)之一，包含了9個(gè)?。ㄗ灾螀^(qū)）和2 個(gè)特別行政區(qū)，分別是廣東省、廣西壯族自治區(qū)、海南省、云南省、貴州省、四川省、湖南省、江西省、福建省、香港特別行政區(qū)、澳門(mén)特別行政區(qū)。所擁有的人口占中國(guó)人口總數(shù)的1/3，GDP 占全國(guó)的33.3%，因此，泛珠三角具有非常關(guān)鍵的地位。2016年3月國(guó)務(wù)院頒布的《關(guān)于深化泛珠三角區(qū)域合作的指導(dǎo)意見(jiàn)》中明確提出堅(jiān)持“生態(tài)優(yōu)先、綠色發(fā)展”，“加快推動(dòng)形成綠色循環(huán)低碳的生產(chǎn)生活方式”。在此背景下，如何科學(xué)有效地度量泛珠三角的碳效率，分析其水平差異，把握碳效率動(dòng)態(tài)發(fā)展趨勢(shì)和減排重點(diǎn)是關(guān)注的方向，成為泛珠三角低碳發(fā)展亟待解決的問(wèn)題之一。

1 文獻(xiàn)綜述

低碳高質(zhì)量發(fā)展已經(jīng)成為中國(guó)的必然選擇，越來(lái)越多的學(xué)者針對(duì)二氧化碳的相關(guān)效率作出研究。從經(jīng)濟(jì)學(xué)的角度講，M.J.Farrell[1]提出效率是輸出效益與輸入成本或者產(chǎn)出與投入之間的比值，而碳排放效率指的是排放單位二氧化碳消耗較少的資源投入并獲取較多的經(jīng)濟(jì)產(chǎn)出。碳效率反映的是單位二氧化碳的經(jīng)濟(jì)效率，只有將環(huán)境保護(hù)和經(jīng)濟(jì)發(fā)展綜合考慮，才能實(shí)現(xiàn)低碳經(jīng)濟(jì)發(fā)展。目前對(duì)于碳效率的研究主要有以下4 種方法：環(huán)境/經(jīng)濟(jì)單一比值法、指標(biāo)體系法、DEA（data envelopment analysis）模型法[2]和因素分解法[3]，其中DEA 模型法應(yīng)用最為普遍。針對(duì)低碳經(jīng)濟(jì)發(fā)展效率，周新等[4]運(yùn)用DEA－CCR 模型測(cè)算出中國(guó)30 個(gè)?。▍^(qū)市）2017年的低碳經(jīng)濟(jì)發(fā)展效率，并利用模糊集定性比較分析法研究影響中國(guó)低碳經(jīng)濟(jì)發(fā)展效率的因素。針對(duì)低碳效率的研究，K.Mehmood 等[5]基于數(shù)據(jù)包絡(luò)分析模型，探討了世界各大經(jīng)濟(jì)體近幾年低碳效率的時(shí)空變化規(guī)律，研究結(jié)果表明中國(guó)在中等收入國(guó)家中效率值較優(yōu)，陳軍華等[6]運(yùn)用Super-SBM 模型測(cè)算了四川省各市州的低碳效率，并利用GIS 技術(shù)對(duì)四川省低碳效率的空間特征展開(kāi)了分析。針對(duì)碳解鎖效率，張濟(jì)建等[7]采用DEA 模型和Malmquis 全要素生產(chǎn)率指數(shù)，對(duì)長(zhǎng)江經(jīng)濟(jì)帶碳解鎖效率績(jī)效進(jìn)行了靜態(tài)和動(dòng)態(tài)評(píng)價(jià)，并利用Tobit 模型分析了碳解鎖效率的影響因素；針對(duì)碳排放效率，Y.Iftikhar 等[8]運(yùn)用網(wǎng)絡(luò)DEA 模型分析了各大經(jīng)濟(jì)體的二氧化碳排放效率，研究結(jié)果表明89%的二氧化碳排放都是源于經(jīng)濟(jì)和分配效率低下；王兆峰[9]、李健[10]、徐英啟[11]、寧論辰[12]等分別從省、區(qū)域和全國(guó)的角度測(cè)算了碳排放效率。由上可知，利用數(shù)據(jù)包絡(luò)分析法DEA 模型測(cè)算碳效率的研究成果頗豐。

目前，有關(guān)泛珠三角碳排放的研究較少。在二氧化碳的估算時(shí)，鄧淇中等[13]主要估算了泛珠三角旅游行業(yè)的碳排放量并分析了其驅(qū)動(dòng)因素，研究表明旅游交通碳排放是旅游行業(yè)二氧化碳增長(zhǎng)的重要來(lái)源，消費(fèi)水平和游客規(guī)模是促進(jìn)該區(qū)域碳排放量增長(zhǎng)的主要因素?；诳臻g視角，曹廣喜等[14]研究認(rèn)為泛珠三角經(jīng)濟(jì)圈碳排放脫鉤的空間依賴性較顯著，但在空間異質(zhì)性方面較小。宛睿[15]研究泛珠三角經(jīng)濟(jì)區(qū)全要素碳生產(chǎn)率時(shí)發(fā)現(xiàn)，其存在空間溢出效應(yīng)，能夠有效地帶動(dòng)周邊地區(qū)的增長(zhǎng)。

TOPSIS 法（technique for order preference by similarity to ideal solution）能夠求解待評(píng)價(jià)對(duì)象與正負(fù)理想解間的距離，灰色關(guān)聯(lián)投影法能夠測(cè)算待評(píng)價(jià)對(duì)象與理想解的相似度。近年來(lái)，將TOPSIS 法和灰色關(guān)聯(lián)投影法結(jié)合起來(lái)做研究的越來(lái)越多。袁桂麗等[16]利用TOPSIS 灰色關(guān)聯(lián)投影法分析了火電廠節(jié)能問(wèn)題；范德成等[17]基于TOPSIS 灰色關(guān)聯(lián)投影法對(duì)京津冀地區(qū)的高新技術(shù)產(chǎn)業(yè)創(chuàng)新能力進(jìn)行了動(dòng)態(tài)綜合評(píng)價(jià)；梁海平等[18]應(yīng)用改進(jìn)的TOPSIS 灰色關(guān)聯(lián)投影法研究主網(wǎng)網(wǎng)架結(jié)構(gòu)，結(jié)果驗(yàn)證了此方法對(duì)評(píng)價(jià)主網(wǎng)網(wǎng)架客觀有效。余鵬等[19]利用最大化組合賦權(quán)的TOPSIS 灰色關(guān)聯(lián)投影動(dòng)態(tài)評(píng)價(jià)模型對(duì)泛長(zhǎng)三角區(qū)域碳效率進(jìn)行了評(píng)價(jià)，發(fā)現(xiàn)該區(qū)域碳效率存在明顯差異，產(chǎn)業(yè)發(fā)展不均衡。

綜上所述，已有研究大多利用DEA 模型測(cè)算碳效率，采用Malmquist 指數(shù)法做動(dòng)態(tài)評(píng)價(jià)。然而，由于DEA 方法是一種基于投入產(chǎn)出關(guān)系的方法，要求投入產(chǎn)出具有比較明顯的關(guān)系，而且要求指標(biāo)維度不能過(guò)多。因此，現(xiàn)有的碳排放效率研究中，多數(shù)圍繞著人力、資本、技術(shù)等方面選取絕對(duì)量指標(biāo)，然而衡量碳效率不應(yīng)僅從少數(shù)指標(biāo)入手，張雪花等[20]認(rèn)為應(yīng)基于“全碳效率”的理念來(lái)度量碳績(jī)效，經(jīng)濟(jì)、人口、福利等也應(yīng)考慮其中?；诖?，本文從“全碳效率”角度，依據(jù)相關(guān)概念對(duì)碳效率作出界定，即排放單位二氧化碳能夠消耗最少的資源達(dá)到經(jīng)濟(jì)、社會(huì)及環(huán)境三者間效率的最大化和均衡發(fā)展。同時(shí)兼顧省區(qū)的發(fā)展實(shí)際與地區(qū)公平原則，采用客觀賦權(quán)的TOPSIS 法結(jié)合灰色關(guān)聯(lián)投影法對(duì)泛珠三角9 省(自治區(qū))的碳效率進(jìn)行動(dòng)態(tài)綜合評(píng)價(jià)，以期為區(qū)域經(jīng)濟(jì)低碳發(fā)展提供理論參考。

2 區(qū)域碳效率評(píng)價(jià)指標(biāo)體系選取

構(gòu)建區(qū)域碳效率的評(píng)價(jià)指標(biāo)體系時(shí)，選取的指標(biāo)應(yīng)該具有代表性、全面性、不相關(guān)性、科學(xué)性和兼顧地區(qū)公平性。余敦涌等[21]指出因不同區(qū)域的面積和規(guī)模不同，所選指標(biāo)的絕對(duì)量可比較性較差，很難客觀地反映區(qū)域碳效率。為了體現(xiàn)區(qū)域間的差異性，張雪花[20]等提出將不同地區(qū)放在統(tǒng)一平面上采用相對(duì)量指標(biāo)構(gòu)建“全碳效率”評(píng)價(jià)體系。本文根據(jù)以上研究，構(gòu)建如表1所示的碳效率評(píng)價(jià)指標(biāo)體系。

表1 碳效率評(píng)價(jià)指標(biāo)體系Table 1 Carbon efficiency evaluation index system

表1 借鑒了余鵬等[19]的研究成果，“全碳效率”評(píng)價(jià)體系中從低碳生產(chǎn)、低碳交通、低碳市政、低碳空間布局、低碳技術(shù)、低碳消費(fèi)、低碳環(huán)境角度，分別選用人均GDP、每萬(wàn)人公共交通擁有量、城市污水處理率、建成區(qū)綠化覆蓋率、R&D 經(jīng)費(fèi)投入強(qiáng)度、能源消費(fèi)彈性系數(shù)、節(jié)能環(huán)保支出指數(shù)等指標(biāo)，并考慮從低碳經(jīng)濟(jì)產(chǎn)出、人口承載和福利提升3 個(gè)方面分別選取了單位碳排GDP 產(chǎn)出、單位碳排人口承載和單位碳排人均可支配收入3 個(gè)相對(duì)量指標(biāo)。

3 區(qū)域碳效率模型構(gòu)建

3.1 正、負(fù)理想決策矩陣

TOPSIS 法是一種基于距離的多準(zhǔn)則決策方法，其基本原理是：將原始的評(píng)價(jià)矩陣規(guī)范化處理得到規(guī)范化的決策矩陣后，在規(guī)范化決策矩陣中得出多指標(biāo)問(wèn)題的正、負(fù)理想方案，通過(guò)計(jì)算可行方案與正理想方案的貼近程度和負(fù)理想方案的遠(yuǎn)離程度，以此作為判斷可行方案優(yōu)劣的依據(jù)。

由于原始數(shù)據(jù)往往存在不同量綱，難以將不同指標(biāo)進(jìn)行比較，故需對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱處理，以消除各指標(biāo)量綱帶來(lái)的影響，本文采用極值處理法。

對(duì)于效益型指標(biāo)：

對(duì)于成本型指標(biāo)：

3.2 正、負(fù)理想灰色關(guān)聯(lián)系數(shù)矩陣

λ為分辨系數(shù)，且λ∈[0，1]，一般取0.5。

計(jì)算出灰色關(guān)聯(lián)系數(shù)后，可得如下正、負(fù)理想灰色關(guān)聯(lián)系數(shù)矩陣：

3.3 加權(quán)灰色關(guān)聯(lián)系數(shù)矩陣

在對(duì)多個(gè)指標(biāo)進(jìn)行綜合評(píng)價(jià)時(shí)，需要考慮各個(gè)指標(biāo)的相對(duì)重要程度，因而需要測(cè)算各指標(biāo)的權(quán)重。本文選取熵值法計(jì)算權(quán)重，熵值法是一種客觀測(cè)量權(quán)重的方法，在多準(zhǔn)則問(wèn)題中較為理想。利用熵值法賦權(quán)的步驟如下：

第一步，在t時(shí)刻，第j個(gè)指標(biāo)下，第i個(gè)被評(píng)價(jià)對(duì)象所占比例，為

第二步，計(jì)算在t時(shí)刻，第j個(gè)指標(biāo)的熵值，為

式中：k＞0；

ej(t)＞0。

若式中j和t僅有一個(gè)取值，那么pij(t)=1/m，則可得ej(t)=klnm，故k=1/lnm。

第三步，計(jì)算指標(biāo)效用值gj(t)=1-ej(t)，ej(t)越大，gj(t)越小，反之越大。

第四步，計(jì)算第j個(gè)指標(biāo)的權(quán)重，計(jì)算式為

第五步，得出正、負(fù)理想灰色關(guān)聯(lián)加權(quán)系數(shù)矩陣，為

3.4 灰色關(guān)聯(lián)投影值

運(yùn)用灰色關(guān)聯(lián)投影法計(jì)算被評(píng)價(jià)對(duì)象在理想對(duì)象上的正、負(fù)理想灰色關(guān)聯(lián)投影值，為

cosθi(t)取值范圍為[0,1]，θi(t)越小，余弦值越大，被評(píng)價(jià)對(duì)象越接近理想對(duì)象；

θi(t)越大，余弦值越小，被評(píng)價(jià)對(duì)象越遠(yuǎn)離理想對(duì)象。

從而可計(jì)算出灰色關(guān)聯(lián)投影貼近度，為

式中：yi(t)為灰色關(guān)聯(lián)貼近度，用于綜合衡量t時(shí)刻被評(píng)價(jià)對(duì)象靠近正理想對(duì)象和遠(yuǎn)離負(fù)理想對(duì)象的程度，yi(t)越大，被評(píng)價(jià)對(duì)象離正理想對(duì)象越近；yi(t)越小，被評(píng)價(jià)對(duì)象離負(fù)理想對(duì)象越近。

3.5 動(dòng)態(tài)評(píng)價(jià)值

動(dòng)態(tài)評(píng)價(jià)方法是指在時(shí)間[1，k]內(nèi)，對(duì)時(shí)間序列賦權(quán)確定時(shí)間序列上的權(quán)重，然后利用時(shí)序算術(shù)平均算子二次加權(quán)，將前后兩次加權(quán)集成，實(shí)現(xiàn)動(dòng)態(tài)評(píng)價(jià)。步驟如下：

第一步，通過(guò)第一次加權(quán)可得被評(píng)價(jià)對(duì)象i在t時(shí)刻的評(píng)價(jià)值為yi(t)。

第二步，確定時(shí)間序列權(quán)重。在時(shí)間[1，k]內(nèi)，可表示wt=(w1,w2,…,wn)T，可以通過(guò)求解以下非線性規(guī)劃問(wèn)題得出。

式中λ為時(shí)間偏好度，其取值參考表2。

表2 時(shí)間偏好度λ 的取值參考表Table 2 Time preference value reference table for λ

第三步，利用時(shí)序算術(shù)平均算子將前面根據(jù)TOPSIS 求得的靜態(tài)評(píng)價(jià)值進(jìn)行二次加權(quán)，得到動(dòng)態(tài)綜合評(píng)價(jià)值。

根據(jù)式（13）求得的動(dòng)態(tài)評(píng)價(jià)值Zi，代表在時(shí)間[1，k]內(nèi)的整體綜合評(píng)價(jià)值，并根據(jù)整體綜合評(píng)價(jià)值對(duì)被評(píng)價(jià)對(duì)象進(jìn)行排序。

4 實(shí)證分析

4.1 研究區(qū)域概況

泛珠三角涵蓋了中國(guó)東部、中部、西部的9 ?。ㄗ灾螀^(qū)）和2 個(gè)特別行政區(qū)，緊鄰東南亞，與東盟聯(lián)系緊密，具有良好的區(qū)位優(yōu)勢(shì)。其中，廣東省經(jīng)濟(jì)發(fā)展迅速，在區(qū)域內(nèi)起著龍頭帶動(dòng)作用，可帶動(dòng)中西部欠發(fā)達(dá)地區(qū)的發(fā)展。因其獨(dú)特的區(qū)位優(yōu)勢(shì)，泛珠三角在國(guó)民經(jīng)濟(jì)增長(zhǎng)中占據(jù)著不可忽視的地位。因此，本文選取泛珠三角作為研究區(qū)域測(cè)算碳效率，但考慮其中兩個(gè)特別行政區(qū)在部分研究指標(biāo)的統(tǒng)計(jì)口徑上與其它9 ?。ㄗ灾螀^(qū)）不一致，故本文未將其納入研究范疇。

4.2 樣本選取與數(shù)據(jù)來(lái)源

為保證對(duì)泛珠三角9 省（自治區(qū)）碳效率研究結(jié)果的科學(xué)性，本文根據(jù)《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)能源統(tǒng)計(jì)年鑒》、《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》、《中國(guó)建設(shè)統(tǒng)計(jì)年鑒》和各省份統(tǒng)計(jì)年鑒，選取2011—2020年福建省、江西省、湖南省、廣東省、廣西壯族自治區(qū)、海南省、四川省、貴州省、云南省9 個(gè)?。ㄗ灾螀^(qū)）的相關(guān)數(shù)據(jù)進(jìn)行碳效率研究。本文參照IPCC 法（intergovernmental panel on climate change ）計(jì)算碳排放，計(jì)算公式如下：

式中：i為省份；

Ci為第i個(gè)省份的碳排放總量；

Aij為第i省第j種能源消費(fèi)總量；

αj為第j種能源碳排放系數(shù)。

因?yàn)閿?shù)據(jù)的可得性，本文選取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣、電力計(jì)算各省份的碳排放量。部分?jǐn)?shù)據(jù)如表3所示。

表3 2020年泛珠三角9 ?。ㄗ灾螀^(qū)）各指標(biāo)原始數(shù)據(jù)Table 3 Original data of various indicators in 9 provinces (autonomous regions) of the Pan Pearl River Delta in 2020

4.3 截面靜態(tài)評(píng)價(jià)結(jié)果

首先，借助stata16.0 軟件，利用熵值法中式（6）～（8），求得t時(shí)刻的第j個(gè)指標(biāo)下的權(quán)重，如表4所示。

表4 評(píng)價(jià)指標(biāo)無(wú)量綱權(quán)重值Table 4 Dimensionless weight value of evaluation indicators

其次，通過(guò)極值處理法中式（1）～（2）對(duì)原始評(píng)價(jià)矩陣作無(wú)量綱處理，并根據(jù)式（4）求出各個(gè)評(píng)價(jià)指標(biāo)的灰色關(guān)聯(lián)系數(shù)，利用式（5）得出正負(fù)理想灰色關(guān)聯(lián)系數(shù)矩陣，最后根據(jù)式（11）求出泛珠三角9 省（自治區(qū)）碳效率對(duì)應(yīng)的灰色關(guān)聯(lián)投影貼近度yi(t)，如表5所示。

表5 2011—2020年泛珠三角9 ?。ㄗ灾螀^(qū)）碳效率灰色關(guān)聯(lián)投影貼近度Table 5 Grey correlation projection closeness of carbon efficiency in 9 provinces (autonomous regions) of the Pan Pearl River Delta from 2011 to 2020

4.4 動(dòng)態(tài)評(píng)價(jià)過(guò)程

為了體現(xiàn)近期時(shí)間的重要性，取λ=0.3，k取1～10，分別表示2011～2020年，應(yīng)用LINGO 軟件求解非線性規(guī)劃問(wèn)題（12），得到時(shí)間序列權(quán)重為wt=（0.027,0.035,0.044,0.056,0.071,0.090,0.114，0.145,0.184,0.234）。結(jié)合表4 及公式（13）可得泛珠三角9 省（自治區(qū)）碳效率的動(dòng)態(tài)綜合評(píng)價(jià)值，如表6所示。

表6 泛珠三角9 ?。ㄗ灾螀^(qū)）碳效率動(dòng)態(tài)評(píng)價(jià)值及排名Table 6 Dynamic evaluation value and ranking of carbon efficiency in 9 provinces (autonomous regions) of the Pan Pearl River Delta

4.5 評(píng)價(jià)結(jié)果分析

上文中，表5 給出的是灰色關(guān)聯(lián)投影貼近度，反映的是泛珠三角9 省（自治區(qū)）2011—2020年碳效率的截面靜態(tài)評(píng)價(jià)結(jié)果；表6 給出了動(dòng)態(tài)評(píng)價(jià)值及排名，結(jié)合靜態(tài)分析與動(dòng)態(tài)分析能更科學(xué)地反映泛珠三角9 省（自治區(qū)）碳效率的動(dòng)態(tài)變化趨勢(shì)和整體綜合發(fā)展水平，下面借助圖1 進(jìn)行分析。

圖1 2011—2020年9 ?。ㄗ灾螀^(qū)）碳效率截面靜態(tài)評(píng)價(jià)結(jié)果Fig.1 Static evaluation results of carbon efficiency cross section in 9 provinces (autonomous regions) from 2011 to 2020

由表5、6 和圖1 可得，2011—2020年泛珠三角9 ?。ㄗ灾螀^(qū)）的碳效率大體呈現(xiàn)波動(dòng)上升趨勢(shì)，2011、2015、2020年該區(qū)域整體碳效率平均值分別為0.325,0.361,0.345，仍存在較大的不穩(wěn)定性。研究期限內(nèi)不同省域碳效率差異顯著，呈現(xiàn)中部高于西部的特征。其中，海南、福建、廣東3 省一直都處于生產(chǎn)前沿面，2011—2020年碳效率動(dòng)態(tài)評(píng)價(jià)值分別為0.530,0.493,0.442，造成該現(xiàn)象的主要原因是：1）地理優(yōu)勢(shì)。福建省、廣東省均屬于中國(guó)沿海地區(qū)，對(duì)外開(kāi)放較早，擁有中國(guó)超前的技術(shù)水平，人均GDP 相對(duì)較高。2）產(chǎn)業(yè)結(jié)構(gòu)。二氧化碳的排放主要來(lái)源于工業(yè)行業(yè)，而海南省工業(yè)占比極低，全省經(jīng)濟(jì)發(fā)展主要靠房地產(chǎn)和旅游業(yè)拖動(dòng)，房地產(chǎn)和旅游業(yè)屬于第三產(chǎn)業(yè)，第三產(chǎn)業(yè)附加值相較第二產(chǎn)業(yè)附加值更高，故而海南省的人均可支配收入相對(duì)較高。3）城市綠化水平。海南省碳效率一直居高不下，直到2015年下降幅度較大，這可能是因?yàn)?，海南省建成區(qū)綠化覆蓋率由2014年的41.3%下降到2015年的37.7%，相較而言下降趨勢(shì)明顯，且該項(xiàng)指標(biāo)的權(quán)重占比較高。

貴州省碳效率長(zhǎng)期處于最末，2011年、2015年、2020年分別為0.155,0.152,0.166，造成該現(xiàn)象的原因在于：1）地勢(shì)偏僻，交通不便。貴州省山地偏多，交通不便，直到2020年每萬(wàn)人擁有公共交通都只有11.29 標(biāo)臺(tái)，低于泛珠三角9 ?。ㄗ灾螀^(qū)）的平均擁有量。2）人口結(jié)構(gòu)。貴州省人口較少，城鎮(zhèn)化水平不高，2020年城鎮(zhèn)人口僅占53.16%，而福建、廣東等地城鎮(zhèn)化率分別為68.76%,74.15%，農(nóng)村人口偏多且分布分散，而人口是帶動(dòng)地區(qū)經(jīng)濟(jì)發(fā)展的主要因素，貴州省人才不足且流失較為嚴(yán)重，故而難以推動(dòng)技術(shù)創(chuàng)新，帶動(dòng)經(jīng)濟(jì)發(fā)展。3）能源消費(fèi)結(jié)構(gòu)不合理?；茉聪M(fèi)是二氧化碳的主要來(lái)源，而貴州省正處于經(jīng)濟(jì)發(fā)展的重要階段，對(duì)化石能源的依賴程度仍比較大，其中2020年化石能源的消費(fèi)比例為82.4%，故而該省份二氧化碳排放量相對(duì)較高。

5 結(jié)論與對(duì)策建議

本文采用基于TOPSIS 灰色關(guān)聯(lián)投影法的動(dòng)態(tài)綜合評(píng)價(jià)法對(duì)泛珠三角9 省（自治區(qū)）的碳效率進(jìn)行了分析。結(jié)果表明，泛珠三角9 省（自治區(qū)）的碳效率除海南省、福建省、廣東省和貴州省外普遍差異不大，整體碳效率的距離呈現(xiàn)先擴(kuò)大后縮小再擴(kuò)大的趨勢(shì)。結(jié)合表4 和原始數(shù)據(jù)可知，單位碳排放的人均可支配收入、人均GDP、R&D 經(jīng)費(fèi)投入強(qiáng)度權(quán)重高，每萬(wàn)人公共交通擁有量、建成區(qū)綠化覆蓋率、單位碳排放的人口數(shù)權(quán)重占比相對(duì)較高，而造成泛珠三角9 ?。ㄗ灾螀^(qū)）碳效率差異較大的主要因素正是如此。福建、廣東占據(jù)地理優(yōu)勢(shì)，對(duì)外開(kāi)放較早，碳效率較高；海南省利用先天優(yōu)良的自然條件大力發(fā)展旅游業(yè)和房地產(chǎn)業(yè)帶動(dòng)經(jīng)濟(jì)發(fā)展；貴州省因地勢(shì)偏僻、交通不便、人才缺失、能源消費(fèi)結(jié)構(gòu)不合理造成相對(duì)碳效率一直處于低谷。根據(jù)以上分析結(jié)果，結(jié)合泛珠三角9 ?。ㄗ灾螀^(qū)）的發(fā)展現(xiàn)狀針對(duì)性地提出以下建議：

1）泛珠三角9 省（自治區(qū)）因經(jīng)濟(jì)發(fā)展不協(xié)調(diào)導(dǎo)致碳效率差異顯著，應(yīng)定位各區(qū)域發(fā)展特點(diǎn)，制定差異化減排策略。廣東、福建等地應(yīng)繼續(xù)利用地理優(yōu)勢(shì)堅(jiān)持海陸統(tǒng)籌發(fā)展，加大開(kāi)放力度，提高社會(huì)福利；海南省應(yīng)繼續(xù)結(jié)合當(dāng)?shù)靥厣罅Πl(fā)展旅游業(yè)，同時(shí)帶動(dòng)房地產(chǎn)業(yè)的發(fā)展，擴(kuò)大海南省建成區(qū)綠化覆蓋率；貴州省應(yīng)該利用好優(yōu)渥的礦產(chǎn)資源大力發(fā)展經(jīng)濟(jì)，同時(shí)加強(qiáng)科技創(chuàng)新，促進(jìn)能源的清潔利用。

2）發(fā)揮政府協(xié)調(diào)作用，加強(qiáng)產(chǎn)學(xué)研合作機(jī)制，加快技術(shù)創(chuàng)新。先進(jìn)的技術(shù)水平能夠強(qiáng)有效地提高經(jīng)濟(jì)產(chǎn)出、降低二氧化碳排放。廣東、福建屬于沿海地區(qū)，對(duì)外開(kāi)放較早，技術(shù)創(chuàng)新水平全國(guó)領(lǐng)先，碳效率較高，而貴州、云南等地技術(shù)水平相對(duì)落后，碳效率較低。因此，貴州等地可通過(guò)構(gòu)建高校與科研院所的創(chuàng)新型人才、企業(yè)的資金支持和政府的協(xié)調(diào)作用三者的合作體系帶動(dòng)當(dāng)?shù)貏?chuàng)新發(fā)展。

3）勞動(dòng)力是推動(dòng)地區(qū)發(fā)展的引擎，各地區(qū)政府應(yīng)加大財(cái)政投入，注重人才培養(yǎng)。由結(jié)論可知，貴州省人才流失嚴(yán)重，而地區(qū)發(fā)展少不了各類(lèi)人才的支持。政府部門(mén)應(yīng)加大財(cái)政投入，提高科研經(jīng)費(fèi)財(cái)政撥款，注重人才培養(yǎng)的同時(shí)優(yōu)化高級(jí)人才引進(jìn)福利政策，如提供適當(dāng)購(gòu)房補(bǔ)貼、就業(yè)補(bǔ)貼、創(chuàng)業(yè)補(bǔ)貼等。