吳旭曉

（河南省社會科學院 統(tǒng)計與管理科學研究所，河南 鄭州 451464）

世界現(xiàn)代化進程中二氧化碳大量排放所導致的全球氣候變暖及其衍生的自然災害頻發(fā)是各國面臨的主要挑戰(zhàn)之一。目前我國是世界最大的發(fā)展中國家和二氧化碳排放國，如何協(xié)調好經(jīng)濟增長與碳減排之間的關系，是當前亟須破解的難題。2020 年9 月以來，習近平總書記多次提出：“我國將力爭于2030 年前實現(xiàn)碳達峰，努力爭取于2060 年前實現(xiàn)碳中和。”黨的二十大報告中明確提出，要立足我國能源資源稟賦，積極穩(wěn)妥推進碳達峰、碳中和，積極參與應對氣候變化全球治理?！半p碳”目標既體現(xiàn)了我國構建人類命運共同體的責任擔當，也是全面建設中國式現(xiàn)代化的內在要求。在推進“雙碳”目標實現(xiàn)過程中，想要同時兼顧碳減排和經(jīng)濟保持中高速增長，有賴于找準碳排放效率的提升路徑。碳排放全要素生產(chǎn)率也稱為全要素碳排放效率，是指一定時期內利用勞動、資本、能源等生產(chǎn)要素開展經(jīng)濟活動時，獲得盡可能多符合預期的經(jīng)濟產(chǎn)出及盡可能減少二氧化碳排放量的能力；碳排放全要素生產(chǎn)率綜合考慮了勞動、資本和能源要素既定下的合意產(chǎn)出（GDP）與非合意產(chǎn)出（CO2），與單一考慮碳排放量或者碳強度相比，更能全面地反映區(qū)域碳排放動態(tài)績效，更有助于找準碳減排與經(jīng)濟發(fā)展的動態(tài)平衡點。因此，科學測度我國區(qū)域碳排放全要素生產(chǎn)率，準確把握碳排放全要素生產(chǎn)率的區(qū)域動態(tài)演進趨勢，并找出其影響機制，對于高質量推進我國現(xiàn)代化建設具有重大的理論意義和實踐價值。

1 文獻評述

當前碳排放效率已經(jīng)成為國內外低碳經(jīng)濟領域學者研究的重點內容。在國外，RAMANATHAN[1]在分析二氧化碳排放、國內生產(chǎn)總值（GDP）增長和能源消耗之間聯(lián)系的基礎上，利用數(shù)據(jù)包絡分析（DEA）測度全球1980—2001 年碳排放效率。HERRALA 等[2]使用SFA 方法估算全球170 個國家1997—2007 年碳排放效率。MEHMOOD 等[3]應用了一種二分網(wǎng)絡數(shù)據(jù)包絡分析模型來分析2001—2011 年各經(jīng)濟體的二氧化碳排放效率的跨期變化，發(fā)現(xiàn)大多數(shù)經(jīng)濟體碳排放效率較低。MIURA 等[4]運用網(wǎng)絡數(shù)據(jù)包絡分析法（NDEA）對日本47 個行政區(qū)各部門二氧化碳排放效率進行了實證分析。

在國內，張偉等[5]以資本、勞動力和能源為投入要素，以GDP 和CO2排放為產(chǎn)出，利用環(huán)境方向性距離函數(shù)建立規(guī)模報酬不變的DEA 模型，測度了1995—2010 年我國30 個省份全要素CO2的減排效率。李小勝等[6]利用共同前沿Malmquist Luenberger 生產(chǎn)率指數(shù)法測算了“十二五”時期我國30 個省份全要素碳排放生產(chǎn)率指數(shù)并對其影響因素進行實證分析。李珊珊等[7]利用DEA-Malmquist 指數(shù)法對2000—2015 年我國28 個省份全要素碳排放效率進行分解研究，發(fā)現(xiàn)全要素碳排放效率的提升是技術進步與技術效率共同作用的結果，環(huán)境規(guī)制、經(jīng)濟發(fā)展水平、人力資本對全要素碳排放效率都存在門檻效應。李金鎧等[8]利用三階段DEA-Malmquist指數(shù)測度和分析了2000—2017 年我國八大綜合經(jīng)濟區(qū)全要素碳排放效率的區(qū)域異質性，發(fā)現(xiàn)我國八大經(jīng)濟區(qū)全要素碳排放效率變化特征趨同，技術進步指數(shù)和技術效率指數(shù)的增長有助于全要素碳排放效率改善。顧劍華等[9]利用Meta-frontier GML（Global Malmquist Luenberger）指數(shù)測評了2005—2015 年我國區(qū)域間產(chǎn)業(yè)轉移帶來的全要素碳排放效率效應，發(fā)現(xiàn)我國區(qū)域間產(chǎn)業(yè)轉移的全要素碳排放效率有所提高，縮小的技術差距在全要素碳排放效率增長中逐漸占據(jù)主導地位；東部沿海地區(qū)全要素碳排放效率最高，其次是東北地區(qū)，而中西部地區(qū)則表現(xiàn)為無效性。郭衛(wèi)香等[10]采用SBMDDF 模型測算和分析了2006—2017 年中國省域全要素碳生產(chǎn)率，發(fā)現(xiàn)中國各省全要素碳生產(chǎn)率存在顯著空間集聚特征，環(huán)境規(guī)制能夠促進全要素碳生產(chǎn)率提升，技術創(chuàng)新在環(huán)境規(guī)制對全要素碳生產(chǎn)率的影響中發(fā)揮部分中介效應。姚鳳閣等[11]利用超效率SBM-Malmquist 指數(shù)模型測算和分析了2010—2018 年中國30 個省份全要素碳排放效率，發(fā)現(xiàn)中國大部分省份全要素碳排放效率呈逐年下降態(tài)勢，不僅存在空間集聚特征，還具有空間溢出效應。白雪潔等[12]利用SBM-GML 指數(shù)法測算了2012—2017 年我國30 個省份全要素碳生產(chǎn)率指數(shù)，發(fā)現(xiàn)我國全要素碳生產(chǎn)率總體呈上升趨勢，且呈現(xiàn)出東部、中部和西部地區(qū)依次遞減趨勢。

綜上所述，目前對碳排放效率的測度方法上國外學者主要采用隨機前沿分析法（SFA）、數(shù)據(jù)包絡分析法（DEA）和網(wǎng)絡數(shù)據(jù)包絡分析法（NDEA）；國內專家主要運用SBM 模型，SBM 模型雖然考慮到徑向與非徑向松弛變量，但是缺少投入或產(chǎn)出目標值與實際值之間的比例信息，計算出來的效率值通常會與實際情況存在較大偏差。在研究內容上，國外學者對區(qū)域動態(tài)全要素碳排放效率研究很少，國內學者則采用Malmquist 指數(shù)或者Malmquist Luenberger 指數(shù)開展研究的越來越多。與Malmquist 指數(shù)相比，Malmquist Luenberger 指數(shù)同時兼顧了期望產(chǎn)出增加和非期望產(chǎn)出減少，方便對決策單元進行時空比較，正逐漸成為動態(tài)測度全要素碳排放效率的主流方法。國內學者對我國全要素碳排放效率研究中的區(qū)域劃分仍然以東中西部、東中西部及東北或者八大經(jīng)濟區(qū)為主，缺少從人口和經(jīng)濟分布視角來進行區(qū)域劃分研究。此外，雖然國內學者研究探討了我國全要素碳排放效率區(qū)域演變態(tài)勢，但缺乏對其影響機制的系統(tǒng)探討。

1935 年地理學家胡煥庸提出了基于人口密度的區(qū)域劃分線“黑河—騰沖分割線”，即“胡煥庸線”。胡煥庸線從東北向西南延伸，依次經(jīng)過黑龍江、內蒙古、河北、陜西、山西、甘肅、四川和云南（沿線區(qū)域），以此為界，在空間地理上將我國劃為三大板塊，即西北區(qū)域（新疆、青海、寧夏）、沿線區(qū)域和東南區(qū)域（北京、天津、遼寧、吉林、山東、河南、安徽、上海、江蘇、浙江、湖北、湖南、重慶、貴州、江西、福建、廣東、廣西、海南）。人口分布決定了經(jīng)濟活躍程度，而人口分布和經(jīng)濟發(fā)展又在很大程度上影響到碳排放全要素生產(chǎn)率。有鑒于此，本文以胡煥庸線為分界線，運用NCSEEBM 與Malmquist Luenberger 指數(shù)相結合的模型測度了2011—2020 年我國三大區(qū)域30 個省份（西藏及港澳臺地區(qū)除外）碳排放全要素生產(chǎn)率，分析中國碳排放全要素生產(chǎn)率區(qū)域動態(tài)演進趨勢，并采用灰色關聯(lián)方法探討碳排放全要素生產(chǎn)率演變的影響機制，為我國經(jīng)濟實現(xiàn)綠色低碳轉型提供理論支撐與決策參考。

2 研究模型

2.1 研究方法

2.1.1 二氧化碳排放量測算

根據(jù)《2006 年IPCC 國家溫室氣體清單指南》提供的方法，使用能源數(shù)據(jù)來估算省域二氧化碳排放量，測算公式為：

式中：CO2代表二氧化碳排放量；i=1, 2, …表示i種能源；Ei表示第i種能源消費量；NCVi為第i種能源凈發(fā)熱值；CCi為第i種能源的單位熱值含碳量；COFi為第i種能源的碳氧化率；44/12 為二氧化碳和碳元素的分子量比。公式中各類能源相應數(shù)值見表1。

表1 各類能源凈發(fā)熱值、單位熱值含碳量、碳氧化率和標準煤折算系數(shù)

2.1.2 碳排放全要素生產(chǎn)率測度

在研究中采用非導向規(guī)模報酬不變的超效率EBM（nonradial constant super efficiency epsilon-based measure，NCSE-EBM）模型來測度區(qū)域碳排放效率，在保留TONE 等[13]提出的EBM 模型優(yōu)點的同時，兼容ANDERSEN 等[14]提出的超效率DEA 模型功能，可以有效克服徑向BC2模型與非徑向SBM 模型的固有缺陷，充分考慮到不同投入指標之間的替代效應[15]，較好地反映出實際值與目標值之間的比例信息[16]，使得測算結果更加符合現(xiàn)實情況。NCSE-EBM 模型計算公式如下。

式中：ψ為NCSE-EBM 模型計算得到的綜合效率值；n為決策單元個數(shù)，x、y和z分別是投入、期望產(chǎn)出和非期望產(chǎn)出向量，m、p、q分別表示投入、期望產(chǎn)出和非期望產(chǎn)出指標個數(shù)；θ為徑向條件時的效率值；s-、s+為投入、產(chǎn)出的松弛變量；λ為各指標權重，w為松弛變量線性組合系數(shù)。ε是效率值計算中非徑向部分的權重系數(shù)，取值范圍為(0，1)。ε=0 時，EBM 模型退化為徑向模型，有效決策單元的效率值均等于1，不能進行排名比較；ε=1 時，EBM 模型相當于非徑向SBM 模型，有效決策單元效率值也均是1，不能進行排名比較；0 ＜ε＜1 時，作為NCSE-EBM 模型，有效兼顧了徑向和非徑向問題，測算結果介于徑向BC2模型和非徑向SBM模型之間，有效決策單元效率值大于或等于1，可以進行排序比較。

將NCSE-EBM 模型和Malmquist Luenherger 指數(shù)（MLI）[17]相結合，能夠測算出碳排放全要素生產(chǎn)率，基于NCSE-EBM 模型的MLI 計算及其分解如下。

其中，MLI＞1 時，表示決策單元碳排放全要素生產(chǎn)率提升；MLI=1 時，表示決策單元碳排放全要素生產(chǎn)率不變；MLI＜1 時，表示決策單元碳排放全要素生產(chǎn)率下降。MLI可以分解為規(guī)模報酬不變假定下效率改善指數(shù)（efficiency change，EC）與技術變化指數(shù)（technological change，TC）之積。EC反映了地區(qū)追趕技術前沿的能力，如果效率改善指數(shù)EC大于1，表示技術效率得到改善，反之則表示技術效率呈現(xiàn)惡化狀態(tài)。TC反映了最佳技術前沿的變化，如果技術變化指數(shù)TC大于1 時，說明存在技術進步，表現(xiàn)為生產(chǎn)可能性邊界發(fā)生外移；反之則意味著技術退步，生產(chǎn)可能性邊界內移。

2.2 指標選取及數(shù)據(jù)來源

借鑒李琳等[18]的研究成果，選擇勞動力、資本和能源為投入指標，以各省生產(chǎn)總值為期望產(chǎn)出指標，以各省二氧化碳排放總量為非期望產(chǎn)出指標，構建出區(qū)域碳排放全要素生產(chǎn)率評價指標體系。勞動力用各省年末從業(yè)人數(shù)（單位：萬人）[19]表示，資本用各省全社會固定資產(chǎn)投資（單位：億元）[20]表示，能源用各省能源消費總量（單位：萬噸標準煤）表示。各指標原始數(shù)據(jù)來自相應年份的《中國統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》以及各省統(tǒng)計年鑒。

3 實證結果分析

基于各省份碳排放系統(tǒng)投入產(chǎn)出數(shù)據(jù)，運用MAXDEA 軟件計算出考慮非期望產(chǎn)出的中國各省份碳排放的MLI 指數(shù)及其分解，并以胡煥庸線為分界線對測算結果進行系統(tǒng)分析，具體情況見表2、表3、圖1 ～圖5。

圖1 省域碳排放全要素生產(chǎn)率變異系數(shù)

表2 碳排放MLI及其分解變化

表3 三大區(qū)域碳排放MLI及其分解變化

3.1 碳排放MLI及其分解變化

運用NCSE-EBM Malmquist Luenherger 指數(shù)模型，測算出2011—2020 年了我國各省份碳排放全要素生產(chǎn)率變化指數(shù)（MLI）及其分解指數(shù)效率改善指數(shù)（EC）與技術變化指數(shù)（TC），受篇幅限制，僅列出2011—2012 年、2015—2016 年和2019—2020 年間我國各省份碳排放全要素生產(chǎn)率變化指數(shù)及其分解指數(shù)，結果見表2。

由表2 可以看出，2011—2012 年寧夏、新疆、內蒙古、遼寧、吉林、重慶實現(xiàn)了技術追趕（1 ＜EC）；上海和北京出現(xiàn)技術前沿面轉移的情況（EC=1 且1 ＜TC），這意味著這兩個地區(qū)存在明顯的技術進步；其余22 個省份與最佳技術前沿邊界的距離不斷擴大（EC＜1）。2015—2016 年實現(xiàn)了技術追趕的省份增加到14 個，分別為遼寧、湖北、四川、貴州、廣東、青海、重慶、江蘇、河北、福建、河南、山東、甘肅、吉林；上海和北京再次出現(xiàn)技術前沿面轉移的情況；其余14 個省份與最佳技術前沿邊界的距離不斷擴大。2019—2020 年實現(xiàn)了技術追趕的省份下滑到11 個，分別是天津、黑龍江、青海、河北、寧夏、重慶、內蒙古、遼寧、山東、江蘇、福建；僅有北京再次出現(xiàn)技術前沿面轉移的情況；遠離技術前沿的省份上升到15 個。

2011—2012 年以及2015—2016 年，我國30 個省份碳排放技術變化指數(shù)均大于1，表明都存在技術進步，生產(chǎn)可能性邊界均發(fā)生外移。2019—2020 年情況出現(xiàn)了分化，山西、甘肅、遼寧和上海碳排放技術變化指數(shù)小于1，這4 個省份生產(chǎn)可能性邊界發(fā)生了內移，出現(xiàn)了技術退步；其余26 個省份情況相反，碳排放技術變化指數(shù)均大于1，都存在技術進步，生產(chǎn)可能性邊界均發(fā)生外移。

2011—2012 年山東、貴州、云南、河北、黑龍江、甘肅、山西等7 個省份碳排放全要素生產(chǎn)率下滑，即MLI 小于1；其余23 個省份碳排放全要素生產(chǎn)率增長，其中排在前五位的依次為寧夏（1.087）、重慶（1.081）、海南（1.074）、福建（1.073）、新疆（1.071）。2015—2016 年只有黑龍江和新疆碳排放全要素生產(chǎn)率下降，碳排放全要素生產(chǎn)率增長較快的省份有遼寧（1.807）、湖北（1.292）、四川（1.266）、貴州（1.164）、重慶（1.156）。在2019—2020 年間廣西、新疆、安徽、云南、遼寧、上海、甘肅、山西等8 個省份碳排放全要素生產(chǎn)率下跌；其余22 個省份碳排放全要素生產(chǎn)率增長，增長較快的省份有天津（1.388）、黑龍江（1.251）、重慶（1.235）、青海（1.21）、河北（1.179）。

表3 給出的是2011—2020 年我國三大區(qū)域碳排放MLI 及其分解變化情況。在胡煥庸線西北區(qū)域，2013—2014 年、2014—2015 年、2015—2016 年、2017—2018年效率變動指數(shù)均下降，技術效率出現(xiàn)惡化；除了2012—2013 年出現(xiàn)技術退步外，其余時間段表現(xiàn)為技術進步。胡煥庸線沿線區(qū)域和東南區(qū)域均在2011—2012年、2012—2013 年、2013—2014 年以及2014—2015 年出現(xiàn)技術效率惡化情形，且在研究期間均表現(xiàn)為技術進步。區(qū)別之處在于胡煥庸線東南區(qū)域在2017—2018 年、2019—2020年再次出現(xiàn)技術效率惡化情形。在研究期間，除了胡煥庸線沿線區(qū)域在2011—2012 年的碳排放全要素生產(chǎn)率均呈現(xiàn)下降態(tài)勢外，其余時間段內三大區(qū)域碳排放全要素生產(chǎn)率均表現(xiàn)出增長態(tài)勢（MLI 大于1）。從研究期間均值來看，效率改善指數(shù)呈現(xiàn)從胡煥庸線西北區(qū)域到東南區(qū)域逐步下降的態(tài)勢；技術變化指數(shù)的情況與效率變動指數(shù)剛好相反，呈現(xiàn)從胡煥庸線西北區(qū)域到東南區(qū)域逐步上升的趨勢；碳排放全要素生產(chǎn)率在空間上表現(xiàn)為胡煥庸線西北和東南區(qū)域高、沿線區(qū)域低的“V”型分布態(tài)勢。

3.2 MLI的區(qū)域差異性分析

以2011 年為基期求得2012—2020 年我國不同省份碳排放全要素生產(chǎn)率，本文采取變異系數(shù)來分析各省份碳排放全要素生產(chǎn)率穩(wěn)定性以及胡煥庸線的西北地區(qū)、沿線地區(qū)以及東南地區(qū)碳排放全要素生產(chǎn)率的收斂性。如果隨著時間的推移，區(qū)域內部各省份之間的碳排放全要素生產(chǎn)率效率值的離差隨著時間的變遷而逐漸變小，意味著存在趨同態(tài)勢；否則屬于發(fā)散態(tài)勢。

2012—2020 年各省碳排放全要素生產(chǎn)率的變異系數(shù)如圖1 所示。各省份碳排放全要素生產(chǎn)率在時序變化方面呈現(xiàn)出一定的波動性；東南區(qū)域的江蘇、北京、海南、浙江、江西、安徽、貴州以及沿線區(qū)域的內蒙古、河北和陜西穩(wěn)定性非常高，變異系數(shù)小于0.05；西北區(qū)域的三個省、沿線地區(qū)的云南以及東南區(qū)域的福建、廣西和吉林的穩(wěn)定性較高，變異系數(shù)介于0.05 ～0.1 之間；東南區(qū)域的山東、天津、河南、上海、湖北以及沿線區(qū)域的黑龍江、四川的穩(wěn)定性一般，變異系數(shù)分布在0.1 ～0.15 之間；沿線地區(qū)的甘肅、東南地區(qū)的廣東、重慶和湖南的穩(wěn)定性較差，變異系數(shù)分布在0.15 ～0.2之間；東南區(qū)域的遼寧以及沿線區(qū)域的山西表現(xiàn)出強烈的不穩(wěn)定性，變異系數(shù)在0.3 以上。

圖2 顯示了2012—2020 年三大區(qū)域碳排放全要素生產(chǎn)率變異系數(shù)演變趨勢。顯然三大區(qū)域的碳排放全要素生產(chǎn)率均不存在嚴格收斂。西北區(qū)域碳排放全要素生產(chǎn)率在2012—2015 年呈現(xiàn)出波動式發(fā)散態(tài)勢，而在2015—2020 年表現(xiàn)為波動式收斂。沿線區(qū)域碳排放全要素生產(chǎn)率在2016 年前變異系數(shù)比較穩(wěn)定，2016 年后發(fā)散性特征最為突出。東南區(qū)域碳排放全要素生產(chǎn)率一直呈現(xiàn)出發(fā)散態(tài)勢，情況不容樂觀，提升區(qū)域碳排放全要素生產(chǎn)率協(xié)同度相關政策尚待持續(xù)加強。

圖2 三大區(qū)域碳排放全要素生產(chǎn)率收斂性分析

3.3 各效率之間影響力分析

圖3 ～圖5 顯示了2011—2020 年我國三大區(qū)域碳排放全要素生產(chǎn)率指數(shù)與技術變化指數(shù)和效率改善指數(shù)之間散點圖分布情況。通過對散點圖的指數(shù)、線性、對數(shù)、多項式、冪、移動平均等多種趨勢線函數(shù)進行比較，選取R2值最大的趨勢線表達式，進而分析它們之間的影響關系。就效率改善指數(shù)對碳排放全要素生產(chǎn)率指數(shù)來說，西北、沿線和東南地區(qū)的R2值分別為0.654 6、0.910 5和0.817 6，函數(shù)擬合程度較好；技術變化指數(shù)與碳排放全要素生產(chǎn)率指數(shù)之間的擬合程度較差，西北、沿線和東南地區(qū)的R2值分別為0.062 9、0.073 1 和0.058 2。無論是胡煥庸線的西北地區(qū)、沿線地區(qū)，還是東南地區(qū)，效率改善指數(shù)對碳排放全要素生產(chǎn)率指數(shù)均表現(xiàn)出較強的影響力，影響系數(shù)分別為0.758 8、1.028 2 和0.952 4，這意味著效率改善指數(shù)每提升一個百分點，三大區(qū)域碳排放全要素生產(chǎn)率指數(shù)將分別提升0.758 8、1.028 2 和0.952 4 個百分點。顯然，與技術變化指數(shù)的作用相比，效率改善指數(shù)對碳排放全要素生產(chǎn)率的促進能力居于主導地位。

圖3 西北地區(qū)全要素碳排放分解指數(shù)對全要素生產(chǎn)率指數(shù)的影響

圖4 沿線地區(qū)全要素碳排放分解指數(shù)對全要素生產(chǎn)率指數(shù)的影響

圖5 東南地區(qū)全要素碳排放分解指數(shù)對全要素生產(chǎn)率指數(shù)的影響

4 影響機制分析

4.1 變量甄選及其影響機理

綜合考量指標數(shù)據(jù)的可獲得性、指標的典型性、重要性，選取外商投資、產(chǎn)業(yè)結構、經(jīng)濟水平、數(shù)字化、城鎮(zhèn)形態(tài)、技術創(chuàng)新、環(huán)境規(guī)制7 個指標作為碳排放全要素生產(chǎn)率的影響變量。

外商投資（fdi）。外商投資對區(qū)域碳排放效率的影響是多方面的；一方面，高載能、高排放產(chǎn)業(yè)轉移可能導致承接地區(qū)成為高碳產(chǎn)業(yè)的集中地和避難所，增加承接地區(qū)減碳壓力；另一方面，外商投資的技術溢出效應有助于提升能源利用效率并降低碳排放強度。此外，外商投資引起區(qū)域經(jīng)濟總量擴張和相關產(chǎn)業(yè)集聚所產(chǎn)生的規(guī)模效應和集聚效應有助于碳排放全要素生產(chǎn)率的整體提高。本文用各省外商直接投資額與GDP 的比值來反映外商投資強度。

產(chǎn)業(yè)結構（iso）。區(qū)域碳排放全要素生產(chǎn)率與其產(chǎn)業(yè)結構密切關聯(lián)，產(chǎn)業(yè)結構不僅影響能源消費總量，而且影響碳排放強度；產(chǎn)業(yè)結構優(yōu)化升級有助于促進低碳產(chǎn)業(yè)發(fā)展，縮短區(qū)域碳達峰時間。本文用產(chǎn)業(yè)結構優(yōu)化系數(shù)來衡量區(qū)域產(chǎn)業(yè)結構，其計算公式如下。

式中：gi(i=1, 2, 3)表示各省份第i產(chǎn)業(yè)增加值，G代表各省份GDP。產(chǎn)業(yè)結構升級系數(shù)（iso）的取值區(qū)間為[1, 3]；iso越接近1，意味著該省經(jīng)濟以第一產(chǎn)業(yè)為主；iso越接近2，說明著該省以工業(yè)為主；iso越接近3，表明該省服務業(yè)越發(fā)達。

經(jīng)濟水平（edl）。經(jīng)濟發(fā)展對碳排放的影響是一把“雙刃劍”。在經(jīng)濟增長與碳排放沒有脫鉤的情況下，隨著經(jīng)濟規(guī)模的不斷擴張，必然消耗更多的能源，導致碳排放總量持續(xù)上揚。當經(jīng)濟水平達到較高水平后，必然會改善基礎設施，增加對科技研發(fā)投入，提升能源資源集約節(jié)約利用水平，增強二氧化碳儲存、固化和再利用能力，從而推動碳排放全要素生產(chǎn)率的改善和提升。經(jīng)濟水平用各省份人均GDP 來衡量。

數(shù)字化（dig）。數(shù)字化通過數(shù)字技術與金融、產(chǎn)業(yè)相結合，推動金融數(shù)字化、產(chǎn)業(yè)數(shù)字化、數(shù)字產(chǎn)業(yè)化，從而影響區(qū)域碳排放全要素生產(chǎn)率。金融數(shù)字化程度是影響碳排放的重要因素，數(shù)字金融發(fā)展通過經(jīng)濟增長效應和技術創(chuàng)新效應提升了碳排放績效[21]。無論是數(shù)字產(chǎn)業(yè)化，還是產(chǎn)業(yè)數(shù)字化，均具有明顯的碳減排效應，兩者融合疊加助推數(shù)字經(jīng)濟發(fā)展。而數(shù)字經(jīng)濟發(fā)展一方面通過改善能源消費結構，可以有效抑制碳排放強度；另一方面通過自帶的有偏技術進步也會引起碳排放強度顯著降低[22]。數(shù)字化水平用各省份互聯(lián)網(wǎng)寬帶接入端口數(shù)與其總人口比值表示。

城鎮(zhèn)形態(tài)（upd）。隨著城鎮(zhèn)化的快速推進，城鎮(zhèn)地區(qū)目前已經(jīng)成為生活能耗及碳排放的主要區(qū)域，我國城鎮(zhèn)地區(qū)能源消耗量占到了全國總能耗的75.15%，碳排放增量占全球碳排放增量的四分之三[23]。城市人口分布與乘用車CO2排放量之間存在密切關系，緊湊和分散情景下乘用車人均碳排放量的差異約為5%[24]。有研究顯示，提高城鎮(zhèn)人口密度有助于發(fā)揮公共產(chǎn)品的規(guī)模效應，提升資源利用效率，促使碳排放效率提高[25]。也有研究表明，城鎮(zhèn)空間緊湊度與碳排放量之間存在較強的負相關關系，人口密度較之于建筑和經(jīng)濟密度對空間碳績效的影響更大，城市密度提高可以抑制空間碳績效的增高[26]。由于城鎮(zhèn)形態(tài)與城市建成區(qū)人口密度高度相關，因此，在本研究中城鎮(zhèn)形態(tài)用建成區(qū)人口密度來描述。

技術創(chuàng)新（tiq）。科技進步通過提升能源資源利用效率，推動清潔能源開發(fā)利用，提高二氧化碳儲藏和循環(huán)利用水平，降低碳排放強度，從而促進碳排放全要素生產(chǎn)率的改善和提升。技術創(chuàng)新用各省專利質量指數(shù)來衡量。借鑒白俊紅等[27]的研究成果，綜合考慮不同類型專利的數(shù)量和質量，根據(jù)技術創(chuàng)新程度差異，對發(fā)明專利、實用新型以及外觀設計3 種不同專利分別賦權0.5、0.3 和0.2，通過線性加總得到各省專利質量指數(shù)。

環(huán)境規(guī)制（enr）。環(huán)境規(guī)制對碳排放全要素生產(chǎn)率的影響可能存在“綠色悖論”效應或“倒逼減排”效應。SINN[28]認為，隨著環(huán)境規(guī)制強度的提升，能源供給者會加快高碳能源的開采，導致能源利用效率下降和碳排放增長，最終制約碳排放效率的提高，這就是環(huán)境規(guī)制的“綠色悖論”效應。環(huán)境規(guī)制的“倒逼減排”效應理論認為，環(huán)境規(guī)制標準的不斷提升，會通過波特技術創(chuàng)新效應、產(chǎn)業(yè)結構高級化和能源消費結構低碳化等途徑，倒逼企業(yè)提升生產(chǎn)效率與能效，提高產(chǎn)出水平，進而提升碳排放績效[29-30]。環(huán)境規(guī)制用各省份節(jié)能環(huán)保支出占財政預算支出比重來表示。

4.2 灰色綜合關聯(lián)分析模型

由于胡煥庸線西北區(qū)域樣本較少，利用回歸方法分析碳排放全要素生產(chǎn)率演變的影響因素，難以找出其中的統(tǒng)計規(guī)律，且回歸分析要求研究樣本服從某種概率分布、各因素之間無多重共線性，這些條件也難以全部滿足。而灰色關聯(lián)分析所需數(shù)據(jù)較少，對樣本數(shù)據(jù)要求條件相對較低。因此，本文使用灰色綜合關聯(lián)分析模型[31]來量化分析影響區(qū)域碳排放全要素生產(chǎn)率的各個因素。

灰色關聯(lián)分析是依據(jù)序列曲線之間的幾何形狀相似程度來研判它們之間聯(lián)系的緊密性?；疑P聯(lián)度定量描述各因素之間發(fā)展趨勢相似程度，適合影響因素動態(tài)分析。系統(tǒng)因素與影響因素之間的幾何形狀越相似，它們發(fā)展態(tài)勢越接近，它們之間的灰色關聯(lián)度就越大。初始值非零的兩個長度相同的序列X0、Xj，它們之間的灰色綜合關聯(lián)度計算公式如下。

式中：ρ0i、ε0i、r0i分別為兩序列的灰色綜合關聯(lián)度、灰色絕對關聯(lián)度和灰色相對關聯(lián)度。τ是調節(jié)變量，τ取值越大，越能反映兩序列絕對量之間的關系；τ取值越小，越能反映兩序列變化速率之間的關系；為了兼顧序列的絕對量和變化速率，τ取值0.5。ρ0i、ε0i、r0的具體數(shù)值通過灰色系統(tǒng)理論建模軟件（GSTA V7.0）計算得到。ρ0i越大表示兩個序列之間的綜合關聯(lián)性越強；ρ0i＜0.6，表示兩因素屬于低度關聯(lián)；0.6 ≤ρ0i＜0.7，表示兩因素屬于中度關聯(lián)；0.7 ≤ρ0i＜0.8，表示兩因素屬于較強關聯(lián)；0.8 ≤ρ0i＜0.9，表示兩因素屬于強關聯(lián)；0.9 ≤ρ0i≤1.0，表示兩因素屬于極強關聯(lián)。

4.3 影響結果分析

為了可以對比分析不同量綱影響因素的作用程度，先對各影響因素的原始數(shù)據(jù)進行初值化處理，然后根據(jù)灰色綜合關聯(lián)度公式計算得到各個影響因素與區(qū)域碳排放全要素生產(chǎn)率的灰色關聯(lián)度，結果見表4。

表4 區(qū)域碳排放全要素生產(chǎn)率演變影響因素的灰色關聯(lián)度

對胡煥庸線西北區(qū)域而言，2011—2020 年，產(chǎn)業(yè)結構對碳排放全要素生產(chǎn)率的影響最突出，灰色關聯(lián)度達到0.998，屬于極強關聯(lián)；人口密度的灰色關聯(lián)度也達到0.83，屬于強關聯(lián)；環(huán)境規(guī)制與碳排放全要素生產(chǎn)率之間存在較強關聯(lián)；經(jīng)濟水平與碳排放全要素生產(chǎn)率之間只是中等關聯(lián)；外商投資、數(shù)字化及技術創(chuàng)新與碳排放全要素生產(chǎn)率之間的關聯(lián)性較低，只達到低度關聯(lián)等級。對比“十二五”時期（2011—2015 年）與“十三五”時期（2016—2020 年）的情況可以發(fā)現(xiàn)，外商投資、城鎮(zhèn)形態(tài)和技術創(chuàng)新對碳排放全要素生產(chǎn)率的影響呈現(xiàn)下降趨勢，城鎮(zhèn)形態(tài)影響力下滑的幅度最大，其次是外商投資；產(chǎn)業(yè)結構、經(jīng)濟水平、數(shù)字化和環(huán)境規(guī)制對碳排放全要素生產(chǎn)率的影響程度呈現(xiàn)上升態(tài)勢，環(huán)境規(guī)制影響力提升的幅度最大。

對胡煥庸線沿線區(qū)域而言，2011—2020 年碳排放全要素生產(chǎn)率的影響因素按照關聯(lián)度由高到低排列依次為產(chǎn)業(yè)結構、環(huán)境規(guī)制、城鎮(zhèn)形態(tài)、經(jīng)濟水平、外商投資、技術創(chuàng)新、數(shù)字化。與“十二五”時期相比，“十三五”時期外商投資、產(chǎn)業(yè)結構、環(huán)境規(guī)制的關聯(lián)度有所下跌，外商投資關聯(lián)度下降的幅度最大，由極強關聯(lián)下跌為中度關聯(lián)；其余因素的關聯(lián)度呈現(xiàn)上升態(tài)勢，上升幅度最大的是數(shù)字化，由低度關聯(lián)躍升到較強關聯(lián)。

對胡煥庸線東南區(qū)域而言，2011—2020 年產(chǎn)業(yè)結構、城鎮(zhèn)形態(tài)和環(huán)境規(guī)制是碳排放全要素生產(chǎn)率演進的三個主要影響因素，關聯(lián)度分別達到極強、強和較強等級；其余因素與碳排放全要素生產(chǎn)率的關聯(lián)性均處于低度關聯(lián)等級。與“十二五”時期相比，“十三五”時期只有產(chǎn)業(yè)結構和數(shù)字化與碳排放全要素生產(chǎn)率的關聯(lián)度表現(xiàn)出上升趨勢，并且上升的幅度都不大；其余因素的關聯(lián)度則表現(xiàn)出下跌態(tài)勢，對外開放的關聯(lián)度下滑幅度最突出，由極強關聯(lián)下降到低度關聯(lián)。

整體上看，2011—2020 年，產(chǎn)業(yè)結構是我國三大區(qū)域碳排放全要素生產(chǎn)率的最主要影響因素，技術創(chuàng)新是胡煥庸線西北區(qū)域和東南區(qū)域影響力最小的因素，而數(shù)字化是胡煥庸線沿線區(qū)域關聯(lián)度最小的因素。與“十二五”時期相比，“十三五”時期外商投資對我國三大地區(qū)碳排放全要素生產(chǎn)率的影響程度均表現(xiàn)出下降態(tài)勢，而數(shù)字化的情況剛好相反，均表現(xiàn)出上升趨勢。

5 結論及策略

5.1 結論

本文以胡煥庸線為區(qū)域劃分線，運用NCSE-EBM與Malmquist Luenberger 指數(shù)相結合的模型測度了2011—2020 年我國三大區(qū)域30 個省份碳排放全要素生產(chǎn)率，分析中國碳排放全要素生產(chǎn)率區(qū)域動態(tài)演進特征，并采用灰色關聯(lián)方法探討區(qū)域碳排放全要素生產(chǎn)率演變的影響機制，主要結論如下：（1）碳排放全要素生產(chǎn)率在空間上表現(xiàn)為胡煥庸線西北和東南區(qū)域高、沿線區(qū)域低的“V”型分布態(tài)勢。（2）三大區(qū)域的碳排放全要素生產(chǎn)率均不存在嚴格收斂，胡煥庸線西北區(qū)域內部各省份之間差異性最小，其次是東南區(qū)域，差異性最大的是沿線區(qū)域。（3）三大區(qū)域效率改善指數(shù)對碳排放全要素生產(chǎn)率指數(shù)均表現(xiàn)出較強的影響力，與技術變化指數(shù)的作用相比，效率改善指數(shù)是碳排放全要素生產(chǎn)率提升的主導性促進因素。（4）2011—2020 年，產(chǎn)業(yè)結構是我國三大區(qū)域碳排放全要素生產(chǎn)率的最主要影響因素，技術創(chuàng)新與胡煥庸線西北區(qū)域和東南區(qū)域碳排放全要素生產(chǎn)率的灰色綜合關聯(lián)度最低，而數(shù)字化與胡煥庸線沿線區(qū)域碳排放全要素生產(chǎn)率的灰色綜合關聯(lián)度最小。（5）與“十二五”時期相比，“十三五”時期外商投資對我國三大區(qū)域碳排放全要素生產(chǎn)率的影響程度均表現(xiàn)出下降態(tài)勢，而數(shù)字化的情況剛好相反，均表現(xiàn)出上升趨勢。

5.2 策略

根據(jù)以上研究結論，從區(qū)域碳排放全要素生產(chǎn)率及其影響機制的異質性出發(fā)，基于系統(tǒng)思維和強弱項的考量，采取因地制宜的優(yōu)化策略。

胡煥庸線西北區(qū)域抓住國家構建“雙循環(huán)”新發(fā)展格局的戰(zhàn)略機遇，以提升技術創(chuàng)新能力為目標靶向，在“開籠引鳳”吸收外資和承接產(chǎn)業(yè)轉移的同時，科學設置好節(jié)能降碳環(huán)境門檻，堅持資金引進和技術引進并重，協(xié)同引進跨國公司研發(fā)中心和成套技術，重視引進技術的消化吸收和再創(chuàng)新。加大清潔煤技術研發(fā)投資力度，注重核心技術和關鍵技術的自主創(chuàng)新能力培育。完善碳排放權市場交易機制，主動優(yōu)化產(chǎn)業(yè)結構、淘汰低端污染產(chǎn)能，加快高碳經(jīng)濟向低碳經(jīng)濟轉型步伐。堅持以創(chuàng)新驅動、數(shù)據(jù)賦能、跨界融合為主線，以產(chǎn)業(yè)數(shù)字化為抓手，推動以“銅墻鐵壁”為重點的傳統(tǒng)高碳產(chǎn)業(yè)脫胎換骨，突破原有產(chǎn)業(yè)發(fā)展的路徑依賴，打造開放型、智能化、綠色化和低碳化的現(xiàn)代產(chǎn)業(yè)體系，推動區(qū)域碳排放全要素生產(chǎn)率持續(xù)提升。

胡煥庸線沿線區(qū)域急需補齊數(shù)字產(chǎn)業(yè)化短板，構建和完善數(shù)據(jù)要素價值流通體系。錨定網(wǎng)絡強國和數(shù)字中國的戰(zhàn)略部署，從數(shù)字經(jīng)濟全產(chǎn)業(yè)鏈視角，統(tǒng)籌數(shù)據(jù)計算處理中心的空間布局，推進大數(shù)據(jù)云計算中心建設，輻射和帶動關聯(lián)產(chǎn)業(yè)高速高質量發(fā)展，打造信創(chuàng)產(chǎn)業(yè)生態(tài)新體系，形成數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化耦合發(fā)展的產(chǎn)業(yè)生態(tài)新格局。改變政府包辦型環(huán)境規(guī)制，綜合運用市場激勵型、命令控制型和自愿意識型多種環(huán)境規(guī)制模式，充分發(fā)揮環(huán)境規(guī)制的節(jié)能減碳作用，實現(xiàn)碳排放全要素生產(chǎn)率跨越式躍遷。促進“互聯(lián)網(wǎng)+生態(tài)”融合發(fā)展，推進區(qū)域城鄉(xiāng)生態(tài)聯(lián)建，快速縮小胡煥庸線沿線區(qū)域碳排放全要素生產(chǎn)率與其他區(qū)域的差距，實現(xiàn)中國區(qū)域碳排放全要素生產(chǎn)率均衡協(xié)調發(fā)展。

胡煥庸線東南區(qū)域要充分發(fā)揮現(xiàn)有科技優(yōu)勢，完善數(shù)字化的自主創(chuàng)新政策環(huán)境，強化區(qū)域自主創(chuàng)新公共服務平臺建設，優(yōu)化自主創(chuàng)新次序，充分利用國內龐大的碳減排技術市場需求，加快節(jié)能減碳科研成果產(chǎn)業(yè)化步伐，實現(xiàn)單項技術突破型研發(fā)向產(chǎn)業(yè)鏈全鏈條科技創(chuàng)新升級，樹立全球低碳領域自主創(chuàng)新的產(chǎn)業(yè)技術標準。改進環(huán)境規(guī)制政策著力點，由傳統(tǒng)的節(jié)能環(huán)保財政支出轉變?yōu)樘技s型基礎設施、二氧化碳儲存、可再生能源開發(fā)等領域投資，在刺激經(jīng)濟活力、促進就業(yè)的同時，兼顧氣候變化，提高碳排放全要素生產(chǎn)率。持續(xù)提升營商環(huán)境成熟度，加快由要素型開放向制度型開放升級，提升引進外資的質量和效益。要將經(jīng)濟發(fā)展水平領先優(yōu)勢轉化為低碳消費優(yōu)勢，降低經(jīng)濟社會綠色低碳全面轉型的成本及難度。

此外，雖然城鎮(zhèn)形態(tài)對三大區(qū)域碳排放全要素生產(chǎn)率提高起到明顯的促進作用，但仍然存在較大的提升空間，尤其要進一步提升城鎮(zhèn)形態(tài)對胡煥庸線沿線區(qū)域的影響力度。因此，需要全面推進人與自然和諧共生的內涵式城鎮(zhèn)化，持續(xù)優(yōu)化城市內部生產(chǎn)生活生態(tài)“三生空間”融合發(fā)展格局，顯著提升建成區(qū)功能品質，協(xié)同提高人口、土地、生態(tài)和經(jīng)濟多元城鎮(zhèn)化質量，降低能耗強度，減少二氧化碳排放，建設綠色、韌性、智能、低碳、活力、和諧、集約及創(chuàng)新型城市，進而推動我國整體碳排放全要素生產(chǎn)率持續(xù)提高。