我国省际碳减排强度收敛检验及协调发展路径研究

谭灵芝 姜晓群

摘要：利用Topsis方法与灰色关联理论对2011—2019年我国省际碳减排强度协调水平进行综合测度，选取基尼系数、δ-收敛模型和β-收敛模型等方法分析我国碳减排非均衡发展态势，进而构建面板Tobit模型识别省际碳减排强度协调路径及影响因素。研究发现：经济结构和经济可持续竞争力两个指标其权重最高，我国省际碳减排强度整体相对差异呈“扩大—缩小”趋势，地区间相对差异是主导地区相对差异的主要来源;东部地区消费碳排放占比与产业结构、FDI和净出口碳排放占比等交互效应对省际碳减排协调度正向显著。中部地区投资碳排放占比与政府财政规模、政府财政规模与城镇化率的交互作用具有负向抑制作用。西部地区投资与政府财政规模的交互效应为负向显著，产业结构与城镇化率的交互作用具有正向促进作用。因此，应优化区域经济结构、增加产品科技含量、依靠市场手段，做好区域协调碳减排工作。

关键词：区域协调;碳减排强度;低碳经济;产业结构;城镇化率

中图分类号：F014.9    文献标识码：A   文章编号：1007-2101（2020）05-0058-14

一、引言

党的十九大明确提出实施区域协调发展战略，并将其作为建设现代化经济体系的重点任务。实现区域协调发展对省际间碳排放协调减排起着重要的推动作用，更是决胜社会主义生态文明体制总体改革持久战中需要解决的重大环境问题，准确判断省际间碳减排强度收敛趋势是推进区域碳减排协调治理的重要依据和现实基础。

长期以来，我国经济增长多依靠高环境投入和高耗能产业驱动，在取得经济奇迹的同时也产生了大量碳排放。根据谭灵芝（2019）测算结果，2000—2011年，我国潜在碳排放增长率增长明显，远超同期潜在经济增长率[1]。经历了多年高速发展，现阶段我国经济发展正发生着新的变化：一方面，环境红利逐渐消失，能源供给短缺、气候变化和环境污染等引发的各类社会经济问题开始凸显[2];另一方面，伴随全球气候变化引发了對各国碳排放权的争议，发展低碳经济成为维护国家经济安全的重要手段[3]。

对碳排放强度的计算，学者们主要从经济增长角度进行研究[4]。绝大多数研究者用碳排放总量与GDP的比值来表示[5]。其中省域是我国碳减排实施的主要区域，也是碳减排配额分配的关键主体[6]。当前我国碳减排强度的省际差异存在如下特征：一是省际之间仍存在较大经济差距，地区间碳减排强度分化迹象更加明显。从经济增速来看，增速居于后五位省份其碳排放量较之增速前五位省份显著为低[7]，即经济增长与碳排放之间存在显著的一致性和区域差异。二是省际间碳减排联动性增强，表现出一定程度的均衡化趋势。特别是在国家产业结构调整和区域协调战略的稳步实施下，各种资本、信息、劳动力、技术之间的交流融通在省际之间流动日趋紧密，致使与之相关的碳排放也发生了变化。

收敛理论是现代经济增长理论的重要内容。随着收敛理论的发展，一些学者将收敛理论与碳排放结合，使其成为研究节能减排绩效和碳排放强度区域差异的重要手段。John A等（2003）研究发现，主要工业化国家1960—1970年人均碳排放存在条件收敛[8];Nguyen-Van（2005）通过分析100个国家1966—1996年人均碳排放收敛性，发现存在俱乐部收敛，即碳排放量较低的国家收敛特征不明显，高碳排放国家呈现收敛[9];Panopulou和Pantelidis（2009）研究发现，人均碳排放收敛与收入密切相关，收入越高的国家，收敛性越强[10];Aldy（2006）利用核密度估计法[11]、Hee-Jung Chung等（2009）[12]采用结构突变和截面相关的面板模型均得出类似结论。

我国对碳排放收敛研究较晚，目前研究主要集中在如下几个方面：一是认为我国并不存在碳排放收敛。如魏梅等（2010）借助DEA模型和误差修正模型检验，结果发现我国并不存在地区收敛性[13]。类似结论还有杨骞等（2012）[14]等。二是认为我国碳排放存在部分收敛，或者不同形式的收敛。例如许广月（2013）研究认为1995—2007年中国人均碳排放不存在β绝对收敛，但存在β条件收敛和地区俱乐部收敛[15];陈青青等（2011）利用中国1997—2007年的省际碳排放面板数据，结果表明中国碳排放仅存在条件收敛[16];胡宗义等（2015）研究发现省域整体碳排放强度存在内部收敛现象，但整体收敛并不存在[17];佟昕（2017）则认为中国存在区域俱乐部绝对β收敛特征[18]。三是借助空间面板模型分析碳排放的收敛特征。例如孙耀华等（2014）研究发现省际碳排放强度呈现俱乐部收敛和条件β收敛特征[19];刘亦文等（2016）实证证实我国东中部地区污染物排放强度均存在α收敛特征[20]。

区域协调发展模式就是要从梯度发展模式的“极化效应”向“均衡效应”转化，使得各地区资本、信息、技术、资金通过扩散和溢出效应，实现不同地区协调发展。在这种均衡发展模式下，区域经济逐步收敛，碳排放的强度也可能趋于收敛，但这是一个漫长的过程，不同省域资源禀赋和经济发展基础的差异长期存在，引致省域间经济发展存在条件收敛，还存在显著的俱乐部收敛特征等，使得我国区域碳减排问题更为复杂。因此，需根据区域协调发展下区域经济增长的收敛性理论及空间计量经济学模型，以便更好地辨析现阶段我国省域碳减排强度的收敛特征和驱动因素。

二、区域协调发展背景下省际碳减排强度水平综合测度

（一）指标选择及数据来源

碳减排强度采用碳排放总量与GDP比值进行分析，对碳排放量的计算参考IPCC（2006）给出的碳排放计算方法，以我国主要能源（煤炭、石油和天然气）消耗量为基础计算。根据2018年11月《中共中央国务院关于建立更加有效的区域协调发展新机制的意见》通知及相关文献，省际碳减排协调发展主要从经济结构、城镇化率、社会包容性强度、科技创新、环境质量、经济竞争力、省域碳减排治理能力等几方面进行讨论（见表1）。其中经济结构指标从产业协调发展角度进行评价，而其余六个指标是对区域协调发展的内涵式体现（数据来源于2012—2018年《中国统计年鉴》《中国城市统计年鉴》《中国环境统计年鉴》及《中国法律年鉴》等和中国30个省（市、自治区，样本数据中未包含西藏、香港、澳门和台湾，下同）的相应统计年鉴。省域竞争力具体结果参考中国社会科学院发布的《中国省域经济综合竞争力发展报告》系列蓝皮书，环境质量具体计算方法参考胡宗义等（2017）[21]。社会包容度指标参考国家中心城市历年《中国中心城市（人口）包容能力排名》报告。此外，2019年的数据采取趋势值方法计算。

（二）评价模型设定

Topsis（Technique for Order Prefererce by Similarity to Ideal Solution）方法是通过测算评价单元与“理想解”和“负理想解”的接近程度对现有的对象进行相对优劣排序。理想解是设想的最优的解（方案），其各个属性值都达到各备选方案中的最好值;负理解则与之相反，是最劣解（方案）和最坏值。方案排序的规则是把各备选方案与理想解和负理想解进行比较，若其中有一个方案最接近理想解，而同时又远离负理想解，则该方案是备选方案中最好的方案[22]。据此，笔者采用Topsis方法揭示省际碳减排强度协调度的现实状态与理想状态的接近度。其具体评价步骤有如下几个方面[23]。

1. 构建评价矩阵

针对省域碳减排强度协调发展程度评价系统中n个评价对象某一要素层所选择的m个指标，可得原始数据矩阵X={xij}n×m。其中xij为第i个评价单位的第j个评价指标值，i=1，2，…，n，j=1，2，…，m。

2. 矩阵标准化

从矩阵中分别找出每一列{xj}的最大值xjmax和最小值xjmin，随后对xij进行标准化处理，得到标准化数值rij（i=1，2，…，n;j=1，2，…，m），得到标准化矩阵R={rij}n×m。此时，“理想解”rjmax的值为rj+=1，“负理想解”rj-=0。

3. 借助变异系数法[12]确定指标权重wj

4.计算每个评价对象的指标实际值与理想解rj+和rj-负理想解的欧式距离

5.计算总目标值省域碳减排协调发展程度测算值Ci

Ci=di-/（di-+di+）（i=1，2，…，n）（3）

（三）評价结果分析

根据表2所示子目标层的指标权重值可知①，北京、上海和浙江经济结构权重最高，分别为0.277 1、0.268 7和0.258 4，即上述三地经济结构在推进省域碳减排协调发展中其重要程度更高。四川、吉林及内蒙古城镇化权重值最高，分别为0.211 7、0.198 7及0.193 6;北京、上海和内蒙古社会包容性权重最高，分别为0.276 4、0.272 2、0.271 3;浙江、上海及陕西科技创新权重值最高，依次为0.193 4、0.191 9、0.186 4;河北、山东、山西环境质量权重值最高，依次为0.072 9、0.068 7、0.065 3;北京、上海、浙江经济竞争力权重为最高，分别为0.295 6、0.293 1、0.290 1;辽宁、河北、山东省域碳减排治理能力权重最高，分别为0.153 7、0.151 1和0.149 8。对比各类指标权重结果可以发现，经济结构和经济竞争力两个指标其权重更高，表明良好的经济结构和经济竞争力能较好地实现省域间碳减排协调发展。而社会包容度权重也相对较高，即更为和谐、包容的社会环境有助于提高省域碳减排协调程度。相较之下，环境质量权重相对较小，这与党的十八大以来生态文明制度在我国的全面确立有关。经济发展与环境保护的协调关系逐步建立，环境质量权重对碳减排协调发展的重要程度显著降低。此外需要注意的是，科技创新及碳减排治理能力的权重并不靠前，说明现阶段我国依靠技术创新提高省域间碳减排协调程度的贡献率仍然偏低，而单纯依靠碳减排投入其效果也并不十分明显。增加科技投入、调整产业结构、提高经济增长质量、改善社会发展质量是实现省域碳减排协调的应有之义。

综合TOPSIS利用欧式距离只能反映位置关系，难以表现出数据变化的动态性。一些研究者采用灰色关联方法进行解决。灰色关联系数能系统地度量各指标之间关联的强弱程度、次序及理想与现实结果的贴近程度，较好地反映系统运行的动态变化态势[24]。进一步，笔者利用灰色关联评价模型，以贴近度计算出2011—2019年我国省际碳减排协调度综合指数（见表3）②。从表3中可知，省际碳减排协调发展的灰色关联相对贴近度呈上升态势，特别是2015—2019年上升速度最为明显：2011年省际碳减排协调发展度的灰色关联相对贴近度均值为0.281 3，2015年为0.384 0，201 9年则增至0.530 8。这说明我国省际间碳减排协调程度增长较快。从分省指标对比中可知，广东、山东、四川三地灰色关联相对贴近度均值在整个研究期最高，分别为0.499 5、0.470 8及0.462 6。从整个研究期分省相对贴近度均值增速可以发现，河北、广东、北京三地综合指数年均增速超过20%，上升速度最快。天津、陕西和云南三地的增速为最低，不足10%。若从评价年始末的灰色关联相对贴近度变化则可以发现，有18个省的碳减排协调度增速已超过40%，其余12个省级单元增速超过20%。上述结果说明，我国省际碳减排协调程度仍存在区域差异，但整体都得到了持续改善。另一方面，将表3的结果按照东、中、西部三个经济带进行分类可以发现，2011—2013年，东部地区灰色关联贴近度均值远高于中西部地区。2014年始，三大经济带均值差进一步增大，其中，东部地区收敛增速最快，西部地区次之。产生上述结果的原因在于：东部地区更受益于国家产业结构转型的政策红利，而西部地区则较为普遍的享受到国家倾斜性支持政策，包括新能源发展和利用政策、低碳产业支持政策等，这些政策对西部地区大力发展低碳产业提供了契机;西部地区多存在产业发展不足的现象，但西部地区产业惯性较中东部地区为低，在向低碳产业内涵式发展过程中，西部地区更容易实现产业转型或发展新兴产业。

三、我国省际碳减排强度省际差异测度

如前所述，我国省际之间产业结构、资源禀赋、经济基础等方面的不平衡性使得省际间碳减排强度存在显著差异，而这种差异的长期存在又会影响我国碳减排目标的实现。所以，客观分析省际间碳减排强度协调程度，并从空间视角分析影响其省际碳排放强度的演变趋势，有助于推进协调稳健的省际碳减排路径。

（一）省际碳减排强度差异测度方法

笔者利用基尼系数、β-收敛模型和泰尔指数等对我国省际碳减排差异收敛速度进行测量。

1. 基尼系数及其分解

现阶段研究区域差异的指标主要有变异系数、泰尔指数和基尼系数（Gini Cofeeicient）等，但上述方法在分析时，多由各种缺陷，难以完整表征区域差异或组群内差异。为克服上述难题，一些研究者利用Dagum基尼系数分析经济指标的动态分布、区域动态差异及演变趋势，能更好地测度区域经济差异。笔者参考赵磊等（2019）[23]观点，利用Dagum基尼系数对我国省际碳减排强度水平的地区相对差异进行测度，进而对其进行分解，以此获知省际碳减排协调程度区域相对差异的构成。

G=■■■■yji-yhr/2N2■（4）

其中，yji（yhr）为j（h）地区内任意省际单元的碳减排强度，N為样本省数量，为全国碳减排强度均值，n表示地区划分数量，Cj（Cn）表示j（h）地区内省际单元数量。根据Dagum基尼系数分解含义，可将贡献率分为：地区内差异贡献Gw、地区间差异贡献Gcb和超变密度贡献Gt，且G=Gw+Gcb+Gt。

其中，（5）式和（6）式为第j地区内基尼系数Gjj和地区内差异贡献率Gw;式（7）和式（8）则表示地区j和h地区之间基尼系数Gjh和地区间碳减排强度差异贡献率Gcb;式（9）则表征超变密度Gt。此外，pj=，sj=cjYj/cY，j=1，2，…，n;∑pj=∑sj=1;在式（10）中，Djh表示h和j地区省际碳减排强度的相对影响;此外，式（11）djh表示地区间碳减排强度贡献率差值，即j和h地区所有yji-yhr>0的样本值加权平均;式（11）中和pjh为超变一阶矩，即j和h地区所有yhr-yji>0的样本值的加权平均。Fj（Fh）分别为j（h）地区的累积密度分布函数。

2. 泰尔指数分解法

泰尔（Theil）指数分解法常被用于测度收入差异。借鉴基本思路，具体可将样本分为多个群组，以此衡量组内差距与组间差距对总差距的贡献。通常情况下，泰尔指数对上层水平的变化比较敏感[25]。其值越小则省际间碳排放强度空间差距越小，反之则大。基本公式如下：

其中，yi代表碳排放强度按由小到大的顺序排列后第i个地区间碳减排强度;为所有样本省份碳减排强度均值;假设包含n个个体的样本被分为k个群组，每组分别为gk（k=1，…，K），第k组gk中的个体数目为nk。Tb表示地区间碳排放强度差异，Tw表示区域内碳排放强度差异。

3. δ-收敛模型

C=（17）

其中C为碳排放强度省际差异收敛系数;yi代表碳排放强度按由小到大的顺序排列后，第i个省碳减排强度;为所有样本省份碳减排强度均值;n代表三大经济带所辖省份数量。

4. β-收敛模型

如前所述，除需了解省际间碳减排强度差距收敛过程外，对其差距收敛速度的分析同样重要。β-收敛模型能较好地衡量非均衡的收敛速率，明确我国各省份之间实现碳减排区域协调的速率。基本模型如下：

ln=？琢+？茁lnyit-1+μit+eit（18）

其中，yit和yit-1分别表示全国及各省碳减排强度变量值，为模型固定效应或随机效应，服从N（0，σ2）。若yit-1有β-收敛，则β的系数为负，表明碳减排强度较低的省份其增速高于高碳减排强度省份。此外，根据β的估计值计算所得收敛所达的稳态值r0=和收敛速度θ=，其表示省际间实现碳减排强度协调的速度。

（二）测度结果分析

1. 基尼系数结果分析

（1）我国省际碳减排强度整体差异及演变态势测度。通过基尼系数计算结果发现（见表4），在整个研究期省际碳减排强度整体基尼系数均值为0.053，且整体差异变化呈现“缩减—增强—缩减”交替变化的态势，说明我国整体相对差异有明显的波动性动态演进趋势。具体而言，2011—2014年我国省际碳减排强度整体相对差异高于平均相对差异值，该阶段省际差异处于不断增强的态势;2015—2019年整体相对差异低于平均相对差异水平即该阶段省际差异具有不断缩减的特征。从演进态势来看，省际碳减排强度整体基尼系数从2011年的0.061降至2019年的0.039，降幅显著，其中2015—2019年降幅最大。这主要是由于我国省际碳减排强度整体相对差异，并不是立即表现出缩小趋势，而是微弱扩大，但随着生态文明制度建设的深入，我国供给侧改革逐步深化等，这种差距在逐渐缩小，我国省际间碳减排强度更加均衡化。

（2）三大经济区内相对差异及其变化趋势。从表4中可见，在整个研究期，东、中和西部省际碳减排强度地区内基尼系数小于全国整体水平，表明不同经济区区域内相对差异低于全国整体。其中，中部地区内部基尼系数最大，东部最小。从年均增速来看，各经济区内相对差异都呈现下降态势，但西部地区内部基尼系数降幅最明显，其次是东部地区。该结果说明三大地区内部碳减排强度相对差异呈下降态势，但中部地区内相对差异缩减态势则较为缓慢。

（3）地区间相对差异及其变化趋势。由表4可知，东—中部、东—西部、中—西部地区之间相对差异逐步缩减，但仅东—中部地区间基尼系数大于全国平均水平，说明东—中部省际碳减排强度相对差异最高。从时间变化趋势来看，2011—2014年东—中部、东—西部、中—西部地区省际碳减排强度相对差异降幅年均仅分别为0.03%、0.10%和0.05%，2015—2019年降幅则分别为0.05%、0.14%和0.09%。上述结果表明东—西部地区、中—西部地区碳减排强度地区间差异的年度缩减速度明显，但东—中部地区相对差异在整个研究年度缩减态势表现得最不明显。

（4）地区相对差异来源及其贡献率。从表4中可知，省际碳减排强度地区内相对差异贡献率变化并不十分明显，地区间相对差异和超变密度贡献率变化趋势则趋于一致，基本上呈现缩减与增强交替出现的变化规律。其中，地区间相对差异来源最大，为0.59～0.70，显著大于地区内相对差异（0.18～0.20）和超变密度（0.09～0.22）。从时间变化来看，地区内、地区间和超变密度三者的贡献率年增幅分别为-0.19%，-1.44%和16.46%，且2015年之后年均增幅变化加快。该结果说明，整个研究期三大经济区区域间相对差异对省际碳减排强度地区相对差异的影响更大。

2. 收敛模型测度结果

根据式（17），通过δ-收敛模型③对我国2011—2019年省际碳减排强度省际差异的动态变化趋势进行进一步验证。结果发现，2011—2014年我国省际碳减排强度差异增加，但年均增幅较小;2015—2019年省际差异缩减，且逐年增大。结果表明我国省际碳减排强度差异变化呈现不断增强—缩减趋势，且2016年之后缩减趋势表现得更加显著。

泰尔指数分解结果则发现④，整个研究期，三大经济区间碳减排强的相对差异对全国整体差异的贡献率高于区域内部贡献值。具体而言，2011—2014年区域间差异和区域内差异对全国整体差异的贡献率都持续增加，且区域间增幅高于区域内增幅。2015—2019年区域间和区域内相对差异对全国整体相对差异的贡献率降低，且区域间降幅高于区域内降幅。结果说明在我国省际碳减排強度差异收敛过程中，三大经济区间和区域内的差异都在缩小，即整个研究期我国省际间碳减排强度趋于均衡。

δ-收敛模型和泰尔指数分解结果与Dagum基尼系数测度结果基本一致。为进一步分析我国省际碳减排强度差异的收敛速度，笔者借助β-收敛模型进行分析（见表5）。根据Hausman无偏检验结果可知，P值为0，拒绝了随机效应模型，因此，采用固定效应模型进行分析。其中差异收敛系数β为负，且年均降速为0.46%，说明我国省际碳减排强度差异逐步缩减，省际间碳减排强度趋于协调一致。

四、我国碳减排实现区域协调发展路径及其检验

为进一步检验影响碳减排协调发展路径的因素，通过对以省际碳减排综合协调度为被解释变量的面板Tobit模型进行计量检验，为寻求区域协调发展路径提供实证分析数据。

（一）指标选取

根据研究目的，主要被解释变量为省际碳减排协调度综合值（y），解释变量主要来自于文献、调查资料及统计数据等（见表6），分别为消费碳排放比重（CON）、投资碳排放比重（INV）、净出口碳排放比重（EXP）、政府财政规模（GOV）、对外开放水平（FDI）、产业结构（STR）和城镇化率（UBR）。调节变量为专利授权量（RDE）。

（二）模型构建

OLS模型对于非连续数据的估计易产生估计偏差，采用面板Tobit模型能较好地克服数据受限及参数偏差的问题。

1. 构建因变量及其各变量交互项回归模型

y*it=b1iconit+bi2Innit+b3iEXPit+b4iGOVit+b5iFDIit+b6iSTRit+b7iUBRit+Uit

y*it=b1iCONit+b2iINVit+b3iEXPit+b4iGOVit+b5iFDIit+b6iSTRit+b7iUBRit+b8iCONYitINit+b9iCONitEXPit+b10iCONitGOVit+b11iCONitFDIit+b12iCONitSTRit+b13iCONitUBRit+b14iINitEXPit+b15iINVitGOVit+b16iINVitFDIit+b17iINVitSTRit+b18iINVitUBRit+b19iEXPitGOVit+b20iEXPitFDIit+b21iEXPitSTRit+b22iEXPitUBRit+b23iGOVitFDIit+b24iGOVitSTRit+b25iGOVitUBRit+b26iFDIitSTRit+b27iFDIitUBRit+b28iSTRitUBRit+uit（19）

此时，被观测变量yit与潜在变量y*it之间关系如下：

yit=y*it=b1iCONit+b2iINVit+b3iEXPit+b4iGOVit+  b5iFDIit+b6iSTRit+b7iUBRit+uit     y*it>0c                       y*it≤c

yit=y*it=b1iCONit+b2iINVit+b3iEXPit+b4iGOVit+  b5iFDIit+b6iSTRit+b7iUBRit+b8iCONitINVit+  b9iCONitEXPit+b10iCONitGOVit+b11iCONitFDIit+  b12iCONitSTRit+b13iCONitUBRit+b14iINitEXPit+  b15iINVitGOVit+b16iINVitFDIit+b17iINVitSTRit+  b18iINVitUBRit+b19iEXPitGOVit+b20iEXPitFDIit+  b21iEXPitSTRit+b22iEXPitUBRit+b23iGOVitFDIit+  b24iGOVitSTRit+b25iGOVitUBRit+b26iFDIitSTRit+  b27iFDIitUBRit+b28iSTRitUBRit+uit     y*it>0c                             y*it≤c

假定模型uit服从N（0，σ2）的正态分布，Tobit模型最终构建如下：

yit=y*it=b1iCONit+b2iINVit+b3iEXPit+b4iGOVit+  b5iFDIit+b6iSTRit+b7iUBRit+uit   y*it>00                    y*it≤0 （20）

yit=y*it=b1iCONit+b2iINVit+b3iEXPit+b4iGOVit+b5iFDIit+  b6iSTRit+b7iUBRit+b8iCONitINVit+b9iCONitEXPit+  b10iCONYitGOVit+b11iCONYitFDIit+b12iCONYitSTRit+  b13iCONYitUBRit+b14iINitEXPit+b15iINVitGOVit+  b16iINVitFDIit+b17iINVitSTRit+b18iINVitUBRit+  b19iEXPitGOVit+b20iEXPitFDIit+b21iEXPitSTRit+  b22iEXPitUBRit+b23iGOVitFDIit+b24iGOVitSTRit+  b25iGOVitUBRit+b26iFDIitSTRit+b27iFDIitUBRit+  b28iSTRitUBRit+uit        y*it>00                              y*it≤0    （21）

2. 考虑调节变量RDE，设定潜在因变量的调节变量回归模型

y*it=b1iCONit+b2iINVit+b3iEXPit+b4iGOVit+b5iFDIit+b6iSTRit+b7iUBRit+b8iRDEit+uit

y*it=b1iCONit+b2iINVit+b3iEXPit+b4iGOVit+b5iFDIit+b6iSTRit+b7iUBRit+b8iRDEit+b9iRDEitINVit+b10iRDEitGOVit+b11iRDEitUBRit+uit           y*it>0

此时，被观测变量yit与潜在变量y*it之间关系如下，并采取极大似然法进行估计：

yit=y*it=b1iCONit+b2iINVit+b3iEXPit+b4iGOVit+  b5iFDIit+b6iSTRit+b7iUBRit+b8iRDEit+uit y*it>cc                  y*it≤c （22）

假定模型uit服从N（0，σ2）的正态分布，Tobit模型最终构建如下：

yit=y*it=b1iCONit+b2iINVit+b3iEXPit+b4iGOVit+  b5iFDIit+b6iSTRit+b7iUBRit+b8iRDEit+uit   y*it>00                      y*it≤0

yit=y*it=b1iCONit+b2iINVit+b3iEXPit+b4iGOVit+  b5iFDIit+b6iSTRit+b7iUBRit+b8iRDEit+  b9iRDEitINVit+b10iRDEitGOVit+  b11iRDEitUBRit+uit               y*it>cc                               y*it≤c

yit=y*it=b1iCONit+b2iINVit+b3iEXPit+b4iGOVit+  b5iFDIit+b6iSTRit+b7iUBRit+b8iRDEit+  b9iRDEitINVit+b10iRDEitGOVit+  b11iRDEitUBRit+uit        y*it>00                  y*it≤0  （23）

（三）檢验结果

1. 主效应检验

根据公式（19）—（23），笔者分别对未加入调节变量和加入调节变量之后的模型进行估计（见表7、表8）。为避免交互变量与核心变量的共线性问题，笔者参考陈恒等（2019）处理方法[26]，对交互变量采取数据中心化处理，形成新的交互项变量（见表7）。根据表7模型（20）的估计结果可知，我国三大经济区消费领域碳排放对地区碳减排协调度的增加有显著正向影响，其中东部地区在1%统计水平上高度显著，且估计值最大，说明东部地区的消费领域碳排放对推进区域碳排放协调影响最大，对西部地区影响最小。三大经济区，投资领域碳排放均在1%统计水平上负向显著，但中部地区影响最大，西部地区次之。出口领域碳排放影响与消费领域类似。这表明东部地区的碳排放逐渐向消费领域转移，出口仍然是主要的碳排放源;中西部地区则更易受到投资碳排放的影响。上述结果意味着东部地区存在较为明显的产业转移或产业调整，但出口导向型的产业发展模式仍占主导[27]，投资对东部地区经济增长的影响力降低，这种良好的碳排放结构在降低地区碳排放强度的同时，也增加了省际碳减排协调度。若进一步分析东部地区出口产业类型，可以较好地发现高新技术产业出口增强，这种低碳类型产品出口对区域碳排放协调程度的影响逐年增加。因此，进一步改善东部地区产业结构、出口结构及消费结构，避免高碳排放产业向中西部地区转移，有助于实现区域碳减排协调度。而中西部地区则与东部地区相反，高投资的发展模式明显增加了区域碳减排强度，致使整个中西部地区与东部地区碳减排强度差距进一步增大。因此在区域协调发展背景下，仍然以投资驱动促进经济发展的模式必然导致中西部地区高碳排放行业更为集中，抑制区域碳排放协调程度。因此提升中西部地区低碳产业水平，只有加强经济手段对产业结构和能源结构进行调控，才能优化中西部地区省际碳排放强度分配水平、降低区域间碳排放的非均衡性，有助于正向推动中西部地区省际碳减排协调度的提高。

三大经济区政府财政规模估计系数均在1%统计水平上负向显著，其中西部地区数值最大，西部地区政府财政规模每提高1%，西部地区省际碳减排协调度降低0.503%。这说明西部地区政府投资规模较大，这种大规模政府投资会产出过多碳排放，造成投资效率损失，最终表现出西部地区政府投资对其他产业投资的挤出效应[28]。整体而言，过高的财政规模体现了政府对经济资源的支配和控制情况，政府财政规模与投资效率呈反比，也是我国高碳排放的重要原因之一[29]。因此，高政府投入降低省际碳减排协调度，如果仅控制区域减排强度目标，却不合理控制政府财政规模，政府则可能会牺牲产业和消费等碳排放需求以满足自身碳排放空间，导致区域经济效率下降和碳排放强度增加。

对比三大经济区对外开放水平的协调作用可以发现，东部地区对外开放水平对省际碳减排强度协调度提高有显著正向影响，中部地区和西部地区则并不显著。产生上述结果的原因在于东部地区集中了全国80%以上的FDI，且随着东部地区产业升级战略的实施，FDI投资向高新技术产业集中成为趋势，东部地区FDI碳排放强度降低对区域碳排放协调表现出明显的正向影响。

产业结构和城镇化对西部地区省际碳减排协调度正向影响最为显著，东部地区次之。一方面，西部地区是我国承接东中部地区产业梯度转移的主要区域，传统产业结构的改善和新兴产业的发展较好地降低了西部地区传统产业的碳排放量，缩减了与其他地区的碳排放强度差异。另一方面，西部地区在国家城市化发展政策扶持下，城镇化比例提升较中东部地区更快，更因后发优势使城镇布局与产业结构形成了相当程度的协调度[30]，结构更加合理，并由此释放出产业结构和城镇化的红利，为区域产业碳减排、建设用地碳减排等提供了重要支撑。风能、太阳能等新能源建设的大规模投入与新能源对西部地区产业和城镇化支撑作用的增强对西部地区降低省际碳减排强度产生了重要影响，提高了西部地区的省际碳减排协调度。

从模型（20）三大经济区交互变量估计结果可知，东部地区消费碳排放占比与出口碳消费占比、消费碳排放占比与产业结构、FDI和净出口碳排放占比等交互效应对省际碳减排协调度正向显著，而投资碳排放占比与政府财政规模等交互作用则为负向显著。中部地区投资碳排放占比与政府财政规模、政府财政规模与城镇化率的交互作用具有负向抑制作用。西部地区投资与政府财政规模的交互效应为负向显著，产业结构与城镇化率的交互作用具有正向促进作用。由上述结果可知，若想提高东部地区省际碳减排协调度，应更好地改善产业结构，以低碳和绿色产业结构促进消费碳排放结构的改善，进而提高省际碳减排协调度;当对外开放水平较高时，应继续优化FDI质量，以此为契机强化FDI对降低出口产品碳排放量的正向溢出作用，最终提高省际碳减排协调度;当投资碳排放占比较高时，降低政府财政规模可以较好地降低区域碳减排强度，提高省际碳减排协调度。对中部地区而言，若投资碳排放占比较高，增加政府财政规模则会进一步增加中部地区碳排放总量，强化区域间碳排放差异，不利于区域碳排放协调程度的提升;当政府财政规模较大时，应该进一步调整中部地区城镇化集中模式，适当降低城镇化速率，以更為集约的方式提高各类资金、土地和人力资本等在城镇化发展中的投入，防止两者同步投入增加而大规模增加区域碳排放总量，降低区域碳减排协调度。对西部地区而言，增加投资强度，则应进一步降低政府财政规模，降低政府支出的碳排放量对整个地区碳排放量增长的贡献率，提升省际碳减排效率和省际碳减排协调度。当产业结构趋于合理时，应进一步提高城镇化率，通过集约式发展降低产业集聚和人口集中等产生的碳排放量，可有助于省际碳减排协调度提升。

2. 专利调节效应的检验结果

笔者选择层次回归分析检验地区专利水平的调节效应，仍采取去中心化数据处理方式，形成新的变量N_RDE×INV、N_RDE×GOV和N_RDE×UBR（结果见表8）。根据表8结果可知，三大经济区专利水平均对省际碳减排协调度产生正向促进作用，但东部地区正向影响远高于中部地区，西部地区则介于两者之间。东部地区专利水平对省际碳减排协调度产生促进作用的原因主要是东部地区，高新产业、总部经济的发展对专利有极大需求，专利水平的提升提高了产业结构的低碳化和高新化，最终促进了省际碳减排的协调程度。而对于中部地区而言，仍处于工业化发展中期，产业转型难度大，产业对既有路径依赖性强[31]，尽管专利申请量逐年增加，但可促进产业低碳化转型的新型技术和专利增长不足[32]，也在一定程度上导致专利增加并未能更好地提升省际碳减排协调度。尽管西部地区专利申请量较东中部地区低，但在国家西部地区新兴技术产业和新能源发展战略推动下，先进技术改进型专利被较大规模使用，可有效地降低西部地区碳排放强度，缩小与其他地区的碳排放量差异，提升省际碳减强度协调度。从模型（21）估计结果可知，东部地区高的专利水平能调节投资碳排放效率，提高省际碳减排协调度，但并不能通过调节政府投资规模和城镇化率提高省际碳减排协调度。提高中部地区专利水平能调节投资碳排放效率和政府财政规模，促进省际碳减排协调度提升，但不能调节城镇化率提升省际减排协调度。西部地区可通过专利水平的提高，调节投资碳排放占比和政府财政规模，提升省际碳减排协调度。城镇化率的提高也对提高省际碳减排协调度有正向作用。

五、研究结论及启示

（一）研究结论

笔者借助Topsis分析方法对我国省际碳减排协调程度进行了综合估计，根据灰色关联相对贴近度指数，利用基尼系数及其分解、β-收敛模型和泰尔指数等对我国省际碳减排差异及收敛速度进行测量，并基于面板Tobit模型对不同经济区省际碳减排协调影响因素进行实证检验，具体结论有以下几个方面。

1. 由Topsis准则层权重分析可知，经济结构和经济可持续竞争力两个指标权重最高，社会包容度权重次之

根据灰色关联评价模型的贴近度计算结果，整个研究期省际碳减排协调发展的灰色关联相对贴近度呈上升态势，且2015—2019年上升速度最为显著。就分省指标对比而言，北京、上海、浙江三地灰色关联相对贴近度均值在整个研究期为最高，河北、吉林、贵州三地综合指数年均增速为最高。湖南、湖北和河南三地的增速为最低。

2. 基尼系数计算结果发现，在整个研究期，省际碳减排强度整体基尼系数整体差异变化呈现“缩减—增强—缩减”的态势，说明我国整体相对差异有明显的波动性动态演进趋势

东、中和西部省际碳减排强度地区内基尼系数小于全国整体水平。其中，中部地区内部基尼系数最大，东部最小。从年均增速来看，各经济区内相对差异都呈现下降态势，但东部地区内部基尼系数降幅最明显，其次是西部地区，且两者均高于全国平均降幅，但中部地区内相对差异缩减态势则较为缓慢。δ-收敛模型和泰尔指数分解结果与Dagum基尼系数测度结果基本一致。β-收敛模型估计结果发现，我国省际碳减排强度差异逐步缩减，且随着时间推移，省际间碳减排强度趋于协调一致。

3. 由省际碳减排协调程度检验结果发现，我国三大经济区消费领域碳排放对地区碳减排协调度的增加有显著正向影响，其中东部地区估计值最大，西部地区最小

在三大经济区，投资领域碳排放均在1%统计水平上负向显著，但中部地区影响最大，西部地区次之。出口领域碳排放影响与消费领域类似。三大经济区政府财政规模估计系数均在1%统计水平上负向显著，其中西部地区数值最大。东部地区对外开放水平对省际碳减排协调度提高有显著正向影响，中部地区和西部地区则并不显著。产业结构和城镇化对西部地区省际碳减排协调度正向影响最为显著，东部地区次之。三大经济区交互变量估计结果表明，东部地区消费碳排放占比与产业结构、FDI和净出口碳排放占比等交互效应对省际碳减排协调度正向显著，而投资碳排放占比与政府财政规模等交互作用则为负向显著。中部地区投资碳排放占比与政府财政规模、政府财政规模与城镇化率的交互作用具有负向抑制作用。西部地区投资与政府财政规模的交互效应为负向显著，产业结构与城镇化率的交互作用具有正向促进作用。专利调节效应的检验结果发现，三大经济区专利水平均对省际碳减排协调度产生正向促进作用。东部地区高的专利水平能调节投资碳排放效率，进而提高省际碳减排协调度，但并不能通过调节政府投资规模和城镇化率正向提高省际碳减排协调度。提高中部地区专利水平虽能调节投资碳排放效率和政府财政规模，促进省际碳减排协调度提升，但不能调节城镇化率增加省际碳减排协调度。与中部地区类似，西部地区通过专利水平的提高、调节投资碳排放占比和政府财政规模，进而提升省际碳减排协调度，城镇化率的调节也对提高省际碳减排协调度有正向作用。

（二）政策启示

1. 明确省际碳减排协调发展必须以高质量式的减排模式为中心，改善经济结构，提高经济可持续竞争力和增加社会包容程度，进一步降低区域碳排放量

要以完善省际生态文明建设为根本目标，以经济、环境、社会等融合为一体的发展方式，降低区域间经济发展差异和省际碳减排强度差异。其中，以国家产业转型升级战略为契机，改善三大经济区产业结构，缩小三大经济区经济增长差距，以区域协调增强产业关联性、互补性，不断释放产业结构优化红利和国家生态文明建设的制度红利，以低碳产业联动省际碳排放强度下降和区域碳排放强度的协调，真正实现省际间、区域间经济社会发展差距缩减与碳减排强度缩减之间的融合，进而形成“区域协调”“碳排放综合减量”和“生态文明建设为先”的省际碳排放强度协调的正向推进机制。但由于我国省际间社会经济发展水平、产业结构和技术投入水平等存在较大差异，提高省际间碳排放协调度在短期内难以实现。因此，应该分阶段、分类型推进区域协调发展，进而提高省际间碳排放强度协调度。

2. 在继续增加东部地区对外投资水平和产品出口量的同时，更加强调提高质量，特别是减少低科技含量外贸产业在东部地区的增长，以经济高质量发展降低区域碳排放总量

要通过多渠道改变中部地区过多依靠投资和低科技含量产业驱动经济增长的产业模式和发展方式，向高新技术、优势产业和服务型产业发展转型，经济增长方式改变降低区域碳排放，提高省际碳排放协调度。西部地区应更多吸引东、中部地区先进技术和先进产业，增加各类资本要素向西部地区的流动，降低对投资和政府财政投入的依赖性，以东、中部地区产业溢出缩小经济发展差异，改善碳排放结构。此外，作为我国主要新能源生产基地，西部地区应该重视扩展新能源碳减排的广度和深度，以新能源利用带动相关产业的发展，降低整个西部地区产业碳排放总量，提高省际碳排放协调度。

3. 依靠市场提高省际碳排放协调度，以价格调节引导碳排放强度和碳排放方式的转变

中央及地方政府需转变政府职能，以“放管服”改革为契机，最大程度地消除制约各地区降低碳排放量的不利因素和外在环境，激发各省发展低碳经济、调整经济增长方式的动力和活力。在推进供给侧结构性改革过程中，除中央顶层设计之外，地方政府应加强区域内已有高碳产业和高污染产业的环境规制和治理强度，形成碳排放减量和经济发展协同效应，改变经济增长方式和能源消耗方式，以产业结构优化促进区域协调发展与省际碳排放协调的深度融合，有效改善省际间资源、资金和资本流动方式、产业分工和环境规制强度差异，以内在发展模式驱动省际间产业优化、区域协同和碳减排强度降低。

注释：

①②③④限于篇幅，具体计算结果备索。

参考文献：

[1]譚灵芝.供给侧结构性改革下中国碳排放量潜在增长率估算[J].中国科技论坛，2019（1）：161-169.

[2]潘家华，黄承梁，李萌.系统把握新时代生态文明建设基本方略——对党的十九大报告关于生态文明建设精神的解读[J].环境经济，2017（20）：68-73.

[3]樊纲.经济增长、消费升级与服务业的发展[J].城市开发，2017（20）：50-51.

[4]张友国.经济发展方式变化对中国碳排放强度的影响[J].经济研究，2010（4）：121-134.

[5]陈诗一，林伯强.中国能源环境与气候变化经济学研究现状及展望——首届中国能源环境与气候变化经济学者论坛综述[J].经济研究，2019（7）：203-208.

[6]赵桂梅，赵桂芹，陈丽珍，孙华平.中国碳排放强度的时空演进及跃迁机制[J].中国人口·资源与环境，2017（10）：84-93.

[7]杨冕，卢昕，段宏波.中国高耗能行业碳排放因素分解与达峰路径研究[J].系统工程理论与实践，2018（10）：2501-2511.

[8]John A.，List，Mark C Strazicich. Are CO2 Emission Levels Converging Among Industrial Countries？[J].Environmental & Resource Economics，2003，24（3）：263-271.

[9]Van P N. Distribution Dynamics of CO Emissions[J].Environmental & Resource Economics，2005，32（4）：495-508.

[10]Panopoulou E， Pantelidis T. Club Convergence in Carbon Dioxide Emissions[J].Environmental & Resource Economics，2009，44（1）：47-70.

[11]Aldy J E. Per Capita Carbon Dioxide Emissions：Convergence or Divergence？[J].Environmental and Resource Economics，2006，33（4）：533-555.

[12]Hee-Jung Chung，Woochang Lee，Sail Chun，et.al.Changes in Total CO2 Measurement According to Reagent Cassette Rotation in Chemistry Autoanalyzers[J].Annals of Clinical & Laboratory Science，2009，39（2）：150-154.

[13]魏梅，曹明福，江金荣.生产中碳排放效率长期决定及其收敛性分析[J].数量经济技术经济研究，2010（9）：44-53.

[14]杨骞，刘华军.中国二氧化碳排放的区域差异分解及影响因素——基于1995—2009年省际面板数据的研究[J].数量经济技术经济研究，2012（5）：36-49.

[15]许广月.碳强度俱乐部收敛性：理论与证据——兼论中国碳强度降低目标的合理性和可行性[J].管理评论，2013（4）：48-58.

[16]陈青青，龙志和.中国省级CO2排放影响因素的空间计量分析[J].中国人口·资源与环境，2011（11）：15-20.

[17]胡宗义，唐李伟，苏静.省域碳排放强度的收敛性与动态演进[J].资源科学，2015（1）：142-151.

[18]佟昕.我国区域碳排放的收敛性研究[J].东北大学学报（社会科学版），2017（4）：364-370.

[19]孙耀华，仲伟周.中国省际碳排放强度收敛性研究——基于空间面板模型的视角[J].经济管理，2014（12）：31-40.

[20]刘亦文，文晓茜，胡宗义.中国污染物排放的地区差异及收敛性研究[J].数量经济技术经济研究，2016（4）：78-94.

[21]胡宗义，李继波，刘亦文.中国环境质量与经济增长的空间计量分析[J].经济经纬，2017（3）：13-18.

[22]夏勇其，吴祈宗.一种混合型多属性决策问题的TOPSIS方法[J].系统工程学报，2004（6）：80-84.

[23]赵磊，方成.中国省际新型城镇化发展水平地区差异及驱动机制[J].数量经济技术经济研究，2019（5）：44-64.

[24]武春友，郭玲玲，于惊涛.基于TOPSIS—灰色关联分析的区域绿色增长系统评价模型及实证[J].管理评论，2017（1）：228-239.

[25]赵伟，马瑞永.中国区域金融增长的差异——基于泰尔指数的测度[J].经济地理，2006（1）：13-17.

[26]陈恒，苏航，魏修建.我国物流业非均衡发展态势及协调发展路径[J].数量经济技术经济研究，2019，36（7）：81-98.

[27]许广月.中国二氧化碳排放峰值研究述评[J].重庆工商大学学报（社会科学版），2019（4）：11-24.

[28]王竹君，任保平.基于高质量发展的地区经济效率测度及其环境因素分析[J].河北经贸大学学报，2018（4）：8-16.

[29]王娟，张克中.财政分权、地方官员与碳排放——来自中国省长、省委书记的证据[J].现代财经（天津财经大学学报），2014（9）：3-14.

[30]楊佩卿.新发展理念下新型城镇化发展水平评价——以西部地区为例[J].当代经济科学，2019（3）：92-102.

[31]姚鹏，张明志.新中国70年中国中部地区工业发展——历程、成就、问题与对策[J].宏观质量研究，2019（2）：103-113.

[32]罗敏.低碳专利商业化激励机制研究[J].科学学研究，2018（10）：1795-1800.

责任编辑：李金霞

Convergence Test and Coordinated Development Path of Carbon

Emission Reduction Intensity in China

Tan Lingzhi1， Jiang Xiaoqun2

（1. Center for Population Development and Policy Research， Chongqing Technology and Business University，

Chongqing 400067， China; 2. School of Environment， Renmin University of China， Beijing 100872， China）

Abstract： Topsis method and Grey correlation theory were used to comprehensively measure the coordination level of China's inter-provincial carbon emission reduction intensity from 2011 to 2019. Gini coefficient， delta convergence model and delta convergence model were selected to analyze the unbalanced development trend of China's carbon emission reduction intensity， and then panel Tobit model was constructed to identify the influencing factors of inter-provincial carbon emission reduction intensity coordination. The study found that： economic structure and sustainable economic competitiveness are the two indicators with the highest weight. The overall relative difference of carbon emission reduction intensity among provinces in China shows a trend of "widening - narrowing". The relative difference between regions is the main source of the relative difference between leading regions. The interaction effects of the proportion of consumption carbon emissions and industrial structure， FDI and net export carbon emissions in the eastern region are positively significant for the coordination degree of inter-provincial carbon emission reduction. The interaction between the proportion of investment carbon emission and the scale of government finance and the urbanization rate in the central region has a negative inhibitory effect. In western China， the interaction between investment and government financial scale is negative and significant， and the interaction between industrial structure and urbanization rate is positive. Therefore， we should optimize the regional economic structure， increase the content of product science and technology， rely on market means， and do a good job in regional coordination of carbon emission reduction.

Key words： regional coordination; carbon emission reduction intensity; low-carbon economy; industrial structure; urbanization rate