中国区域碳生产率的空间特性及影响因素分析

林珊珊　吴玉斌

摘 要：基于2006—2021年中国30个省的碳生产率测算及空间特征，采用邻接、经济和地理矩阵下的空间杜宾模型，实证检验了各影响因素对碳生产率的直接效应和间接效应。研究表明：从空间特征来看，我国碳生产率表现为“发达聚集，欠发达分散”的特征；从作用效果来看，城镇化、产业结构和能源结构对本地区及相邻地区碳生产率均具有显著的抑制作用，经济发展水平具有显著的促进作用，而绿色技术创新和FDI对本地区碳生产率具有显著的促进作用但对相邻地区具有显著的抑制作用；从作用大小来看，经济发展水平对碳生产率的促进作用最大，绿色技术创新的促进作用最小，FDI的抑制作用最大，能源结构的抑制作用最小；从区域异质性来看，经济发展水平在西部的提升作用不顯著；FDI在西部表现出负溢出效应。建议从完善外商政策、降低能源强度、加快绿色技术创新和促进产业结构高级化来助力碳生产率提升。

关键词：碳生产率；空间集聚；空间杜宾模型；直接效应；间接效应

中图分类号：X 196;F 061.1 文献标识码：A 文章编号：1672-7312（2023）03-0281-11

Analysis of Spatial Characteristics and Influencing Factors of Regional Carbon Productivity in China

LIN Shanshan1，2，WU Yubin1，2

（1.School of Economics and Management，Nantong University，Nantong 226000，China;2.Yangtze River Economic Belt Research Institute，Nantong University，Nantong 226000，China）

Abstract：Based on the calculation and spatial characteristics of carbon productivity of 30 provinces in China during 2006—2021，the direct and indirect effects of each influencing factor on carbon productivity were empirically tested by using the spatial Dubin model under adjacency，economic and geographical matrices.The research shows that，from the perspective of spatial characteristics，Chinese carbon productivity shows the characteristics of “developed agglomeration and under-developed dispersion”.From the perspective of effect，urbanization，industrial structure and energy structure all have a significant inhibitory effect on the carbon productivity of the region and adjacent regions，and the level of economic development has a significant promoting effect on the carbon productivity of the region，while green technology innovation and FDI have a significant promoting effect on the carbon productivity of the region but have a significant inhibiting effect on the adjacent regions.From the perspective of effect size，the promoting effect of economic development level on carbon productivity is the largest，the promoting effect of green technology innovation is the least，the inhibiting effect of FDI is the largest，and the inhibiting effect of energy structure is the least.From the perspective of regional heterogeneity，the improvement of economic development level in the west is not significant；FDI shows negative spillover effect in western China.It is suggested to improve foreign policy，reduce energy intensity，accelerate green technology innovation and promote the upgrading of industrial structure to help improve carbon productivity.

Key words：carbon productivity；spatial agglomeration；space Dubin model；direct effects；indirect effects

0 引言

为应对日益严峻的能源安全和气候变化的威胁，中国提出二氧化碳排放力争2030年前达到峰值，2060年前达到碳中和的双碳目标，但由于中国是世界最大的碳排放国，2021年占世界能源碳排放总量比重的30.9%，而美国同期为13.8%，说明现阶段研究碳排放的战略意义重大且艰巨。数据显示到2021年，我国单位国内生产总值二氧化碳排放比2015年和2005年分别下降约21.4%和63.2%，非化石能源占一次能源消费比重从2005年的7.4%提高到2021年的16.6%；可再生能源总消费量占世界比重从2005年的2.3%上升至2021年的34.6%，能源减排具有一定的成效，但到2021年能源消耗量、碳排放量比2006年仍分别提高了53.4%和51.3%，处在“双上升”阶段，而且上升的时间越长、峰值就越高、付出的代价就越大[1]。这一系列数据背后其实是一场前所未有的绿色工业化革命，要想实现3060计划，实现经济和生态质量的同步增长，需要不断提高碳生产率。碳生产率是连结经济增长和环境保护的重要桥梁。从国外来看，MIELNIK O认为将单位能源的CO2排放量作为发展中国家经济发展模式评价的主要标准，并分析了其对实现低碳经济的重要意义[2]。在国内，陈诗一认为，绿色发展要求经济增长和环境保护的共赢，而碳生产率则是连接经济增长和环境保护的重要桥梁[3]。也有研究表明碳生产率和社会人文科学发展是绿色经济发展的2个基本要素[4]，认为碳排放效率的提高对增加整个社会的福利绩效具有重要的意义[5]。因此，今后的竞争不是传统劳动力的竞争，也不是石油效率的竞争，而是碳生产率的竞争[6]。

当前对碳排放的研究主要围绕碳生产率及其驱动因素来展开。研究发现我国省级碳生产率均呈不断上升的趋势，且空间滞后系数显示各地碳生产率均会显著受到邻近地区的正向影响，表现出“一荣俱荣，一损俱损”的特征[7]。梁圣蓉等先后考察碳生产率的空间相关性、区域异质性和空间溢出性发现[8-10]：在空间相关性上中国碳生产率呈现一种高值聚集与低值聚集相结合的空间聚集模式，具有显著的空间正相关性；在区域异质性上，我国区域碳生产率呈稳步上升态势，区域间“赶超效应”作用明显；地区间碳生产率的不均衡主要来源于东—西部和东—中部区域间差异。在空间溢出性上，现有文献主要考察某单一变量对碳生产率的影响，钟茂初等认为[11-13]：本地区绿色技术创新能力越强，则碳生产率越高，且会对周边地区碳生产率的提升起到显著促进作用；由于各省（市、区）产业同构，减弱了技术进步和生产效率提升的作用，低碳产业的发展并没有有效地起到替代高碳产业的作用，其规模效应和强度效应依旧驱动碳排放维持增长趋势；FDI对本地区碳生产率有显著的正向促进作用，但对周围地区碳的生产率具有负向的溢出作用；能源结构对于本地碳生产率具有抑制作用，且煤炭比重越高，提高碳生产率的阻碍程度越大，反之亦然；城镇化抑制了本省和外部区域碳生产率的发展，且在全国、中部、西部地区负向影响显著。

碳生产率测算方法不尽相同。可以大致分为两类，单一指标法和多指标法。文中采用的是单一指标法，即用生产总值除以二氧化碳的总数来衡量。多指标法考虑所有的投入因素和所有的产出因素后得到的总投入和总产出的比率。这种方法虽然可以更为全面的把可能的影响因素考虑在内，但缺点是由于计算灵活，使得基于此方法下不同模型其评估的结果也不尽相同，因此可能导致同一因素在不同模型下对碳效率产生不同的影响[14]。此外对于同一时间下截面数据的处理后者也没有前者更具有可比性。因此文中采用前述方法。

综上，虽然不同学者在不同的领域、从不同角度研究碳生产率本身或其相关影响因素，但是在空间层面近年来仍然较少，中国碳生产率的区域差异性和影响机制仍有待深入研究。且目前鲜有作者运用3种矩阵分析多因素对碳生产率影响，而空间权重的不同，往往对结果赋予具有一定的经济意义和地理意义，同一解释变量在不同矩阵下其结果也会产生不同层面的理解。因此在研究方法上，文中采用莫兰指数及散点图来分析现阶段碳生产率的区域差异、聚集效应以及空间相关性。接着采用空间杜宾模型3种空间权重下讨论碳生产率的影响因素，并从直接和间接效应对效应大小进一步分析，最后研究各影响因素对东中西部地区碳生产率的区域异质性。文中有助于研究中国整体和三大区域碳生产率差异性和其影响机制在空间上的表现，为中国双碳目标的实现提供借鉴和参考价值。

2.2 变量描述

文中主要关注产业结构、外商投资水平、能源结构、城镇化水平、绿色技术创新和经济发展水平对碳生产率的影响，选取如下变量探讨碳生产率的优化路径。

经济发展水平（pgdp）：一般的，经济发展水平越高，地方经济越发达，地方的碳生产率就越高。此处选取地区人均生产总值表示经济发展水平。

城镇化水平（ur）：城镇化水平对碳生产率影响也需要根据实际情况看待。首先城镇化水平的上升，一方面由于城市粗放式扩张降低碳生产率。另一方面随着城市人力资本和环境规制提高，人力资本的集聚会加剧对改善城市环境质量的要求，环境规制提高会促使企业进行碳减排，从而提高碳生产率[17]。

文中采用城镇人口/城镇总人口来衡量。产业结构（streq）：一般二产占比越高，碳生产率越低。地方产业结构从一定程度上反映地方产业的布局，产业结构越合理，地方产业转型和资源配置效率越高，从而提高碳生产率。文中选取省份第二产业增加值占省份总产值表示产业结构的恶化程度。

绿色技术创新（gip）：绿色技术创新对碳生产率的提升具有2方面。一方面能够推动企业清洁生产，提高节能力度，催生产业结构升级，从而提高碳生产率。另一方面也能够有效控制脱碳成本，能够为二氧化碳的利用、封存和捕集提供技术支撑，催生技术红利效应，从而提高碳生产率[18]。文中用人均绿色发明技术专利数量来表示。

外商投資水平（fdi）：外商直接投资水平对碳生产率影响方式不确定。一方面将价值链低端、污染排放较高的生产环节转移到发展中国家，而接收国为了迫切提升本国经济，缩小与发达国家差距，允许高污染高排放的企业进入，从而降低了本地碳生产率，另一方面FDI具备的先进生产技术和管理经验在东道国产生了一定的技术溢出，当本国企业在充分学习应用后，会有效提高资源利用率，逐步提高碳生产率。采用外商投资额占地区生产总值的比值来衡量。

能源消费结构（es）：能源结构会抑制碳生产率的提高。重工业属于高耗能高排放的行业，也是煤炭的消耗大户，煤炭的消耗增加会显著抑制碳生产率的提高。但由于能源的要素禀赋和产业结构的差异，不同省份其重工业占比和清洁型企业占比存在差异，因此总体影响机制也会有所区别。借鉴已有文献做法，采用煤炭消费量占总能源消费量来衡量。

2.3 数据说明

文中数据为2006—2021年中国各省（市、区）的碳生产率及其影响因素。主要来自《中国统计年鉴》《中国城市统计年鉴》《中国能源统计年鉴》以及各省的统计年鉴。鉴于数据的可获得性，暂不考察港澳台以及西藏地区。同时，为了剔除通胀的影响，采用2006年为基期的GDP和取对数进行分析。由于样本周期较长，存在极少的缺失数值，文中采用统一的处理方法：对于个别年份某指标的缺失值，用缺失值前后两期的均值填补或插线法进行缺失填补。

3 碳生产率测算结果和空间特性

3.1 碳生产率测算结果分析

由图1可知，我国整体的碳生产率呈现逐年增长的态势，从2006年0.279到2021年0.711，增长154.8%，表明在新时代生态文明思想下我国正逐步把把碳达峰、碳中和理念纳入经济社会发展全局，在加快经济社会全面绿色发展和形成节约资源和保护环境的格局上已具有明显的成效。从三大地区碳生产率来看，各地区呈现波动上升态势，表明各地区碳排放效率稳步提升、低碳转型进程不断加快。从异质性来看，东部生产率始终大于中西部和整体的碳生产率，且差距在逐渐扩大，主要由于东部发达地区在创新能力和资金实力方面优势明显，加上政府大力推动传统高碳产业向中西部地区迁移，因而其碳生产率发展较快，但同时也会造成在区域发展上差距的扩大。中西部地区始终小于全国水平、中部始终大于西部地区的碳生产率。说明西部一些资源型和老工业城市产业结构以高能耗高排放的资源导向型工业和重化工业为主，使得其绿色技术效益低下导致其整体碳生产率低于全国平均水平。而中部由于区位上承接东部高碳企业以及绿色创新水平较低使得其低于全国平均水平。

3.2 碳生产率的空间特性

3.2.1 碳生产率空间自相关性分析

文中在计算全局莫兰指数时探讨邻接矩阵下地理空间对碳生产率的影响情况，见表1，从指数大小来看，莫兰指数集中在0.18～0.5之间且均在5%以内显著，当莫兰指数大于0时，变量之间具有空间溢出效应，因此样本期间的碳生产率存在显著的正向空间溢出性。虽然莫兰指数在下降，但在样本期间大多数时候都维持在0.2以上，因此碳生产率仍具有较强的空间外部性。且从2006年开始z得分也在显著下降，由于z值表示样本的离散程度，这也说明碳生产率的总体差距在缩小，但z值大于2.187说明现阶段碳生产率表现出较强区域差异。

3.2.2 碳生产率空间聚集特征

为了更好的说明各省之间碳生产率的空间相关性，文中使用局部莫兰指数和莫兰散点图反映区域空间的异质性。文中给出了2006、2021年的局部莫兰散点图的聚集分析，如图2、图3所示。

首先，比较曲线斜率发现碳生产率空间相关性有略微减弱的趋势。此外，样本期间省份处于第Ⅰ、第Ⅲ象限稳定在21～24个，仅有少数省份位于Ⅱ、Ⅳ象限，表明碳生产率高高集聚和低低聚集是我国碳生产率的空间基本分布，总体呈现出碳生产率强强联合、弱弱相连的省份的聚集方式。由于Ⅱ、Ⅳ象限表示碳生产率的随机分布，且省份占比不到1/3，说明整体碳生产率高低聚集（分散）情况较少。另外，西北地区2/3以上的省份位于第Ⅲ象限，仍长期处于低低集聚，表明西部很多省份转型升级能源结构调整方面仍然水平较低，低碳减排压力较大。由于西部地区的四川整体低碳发展水平较高，因此其对周围呈现明显虹吸效益，使得其处于第Ⅳ象限的高低聚集区域，此类虹吸效益还有重庆、河南等。同时发现东部发达地区大多位于第一象限，说明我国碳生产率空间上具有“发达聚集，欠发达分散”的特征。最后观察图上局部莫兰指数在[0.224，0.498]，说明碳生产率具有显著的正向空间相关性。

4 碳生产率的影响因素分析

4.1 空间面板模型适用性分析

4.1.1 模型选择

由于碳生产率具有较强的空间溢出性，因此在研究其影响因素机制时，考虑到各因素可能会在不同空间结构下对碳生產率产生不同影响，文中借鉴了李小平[7]的做法，采用空间模型来研究。表2报告了常见的3种空间模型和普通OLS模型。首先未考虑空间性的OLS各个变量显著性并不优良，此时若继续进行分析将导致结果出现偏差。因此考虑空间模型。其次通过LM检验、Wald检验及LR检验对空间模型进行选择。LM检验系数均通过了5%的显著性水平，而且在稳健的LM检验也大多通过了1%的显著性，见表3，可以说明变量存在空间相关性，由于空间杜宾模型能够把空间滞后模型和空间误差模型包括进来进行一般化，按照不等式原则，研究选取SDM模型进行分析。且在LR和Ward检验中，3个矩阵下显著性水平都通过1%水平，因此可以认为本样本的SDM不会退化为SAR和SEM。最后，判断模型是随机效应还是固定效应。表3中Hausman检验显著性水平均通过了5%，因此可以认为空间杜宾模型选择固定模型。由于固定模型包括个体、时间和个体时间固定模型，文中在进行空间回归前进行拟合度检验，发现时间个体双固定模型最优。

4.1.2 模型平稳性检验和协整分析

为了避免存在伪回归即各变量不平稳的发生，文中在进行回归之前对数据进行平稳性检验。在ADF检验中，各变量经过滞后期后均通过显著性的检验，说明原序列具有平稳性即不存在单位根情况，见表2。但是平稳检验只能检验单个变量在时间序列上的稳定性，在进行回归时往往是多种变量进行线性组合，因此进一步进行协整检验。文中报告了Kao、Westerlund以及Pedroni 3种协整检验方法，见表3。结果表明7个变量在总体上均协整，因此各变量之间存在长期均衡的关系。

4.1.3 模型稳健性分析

为了使结果更具有稳定性，文中参考了杨庆[19]的做法，先对碳生产率进行滞后一期，另外对所有的解释变量也进行滞后一期，结果见表2模型（1）和模型（2），发现各个解释变量对碳生产率无论是在当期还是滞后期都较稳定。

为了消除极端年份可能对结果产生的不利影响，排除了样本期内发生金融危机的2008年以及发生新冠疫情的2020、2021年，结果见表2模型（3），解释变量的方向和显著性也基本无变化。综上分析，文中模型和数据具有稳健性，因此可以接着进行空间杜宾模型的实证分析。

4.2 空间面板回归分析

为了更好说明不同解释变量在不同的空间下的对碳生产率的影响方向，文中同时报告了经济距离矩阵、地理距离矩阵和邻接矩阵下的空间SDM回归结果。其中SAR和SEM模型作对照，见表4。

经济发展水平本地效应和空间溢出在3种矩阵下均通过1%的显著水平，都为正。表明本地经济发展水平可以促进本地碳生产率的提高，同时邻近地区的经济发展水平也会促进本地的碳生产率的提高。

城镇化水平本地效应在邻接和距离矩阵下显著较弱或不显著，但在经济矩阵下显著为负。表明相邻或相近地区之间的碳生产率提高并不依赖于城镇化水平的提高。但在经济发展水平较高下，城镇化可能对碳生产率促进作用减弱直到为负。而在空间溢出方面，在经济矩阵下显著为负，说明经济发展的集聚导致的城镇化提高，可能会抑制周围卫星城市碳生产率的提高。

产业结构（二产比重）在3种矩阵下对本地碳生产率表现显著负向影响。验证了大多数研究结果中关于工业占比越高污染越严重的观点。在空间溢出效应方面，邻接和距离权重下产业结构水平系数显著为负，表明在和本地相邻的省份中，存在距离越近，产业结构的提高对邻近省份碳效率降低越明显的特征。

绿色技术创新在3种矩阵下本地效应在1%显著水平下均为正，空间效应在1%水平下均显著为负。表明绿色技术创新不仅有助于提高本地碳生产率还会显著抑制周围地区碳生产率的提高。

外商直接投资（FDI）水平在经济矩阵下显示其对本地碳生产率表现1%水平的正向影响。说明FDI对经济水平较高的地区碳生产率具有显著提升效果。在空間溢出性上，邻接权重和距离权重中外商投资水平滞后项在1%水平显著为负，表明，外商投资水平会抑制和本地相邻且最近的省份的碳生产率提高。

能源结构（煤炭占比）的本地效应和空间溢出效应均在1%水平显著为负，这表明煤炭消耗量占比越高，越不利于碳生产率的提高。在空间溢出性方面，距离矩阵通过了5%的显著检验，说明能源结构恶化可能存在一定的距离阀值，随着距离变化对碳生产率产生不同大小的影响。

4.3 空间分解效应分析

在明确各因素对本地区及周边地区碳生产率产生影响后，由于空间杜宾模型的回归系数不能直接用来衡量自变量对因变量的影响，因此借助偏微分方程来实现这一目标。LESAGE等认为在空间计量回归中利用点估计得出的各解释变量的系数是有偏误的，他们通过求偏微分方程将解释变量系数估计值分解为直接、间接效应和总效应[16]来表示。

4.3.1 直接效应

经济发展水平、绿色技术创新及外商投资水平直接效应为正，而城镇化水平、产业结构和能源结构直接效应为负，见表5。

上述因素3种矩阵下系数平均值分别为0.208、0.071、1.232和-0.561、-0.577、-0.516，表明这些因素每提高1%，分别对碳生产率提高0.208%、0.071%、1.232%和抑制0.561%、0.577%、0.516%。

从促进大小来看，对碳生产率促进作用最大为外商投资水平，抑制作用最大为城镇化水平，前者表明：①FDI通过规模、结构和技术效应传导到本区域，本地企业在获得这种正向影响后有助于当地碳生产率提高。②后者表明，城镇化率的提高虽然可以提高整体的利用效率，但也会造成更多的化石消耗和污染物的排放，过去片面注重追求城市规模扩大的方式，使得城市的资源环境遭到破坏，并没有依托人力物力等资源进行科技创新提高碳生产率[20]。

经济发展水平直接效应为正，根据环境库兹涅茨假说：当经济发展水平较低时，环境污染水平将随着经济发展水平的提高而加剧；当环境污染到达顶峰后将会随着经济发展水平的提高而降低。表明我国经济发展水平已越过U曲线拐点，向低碳阶段转型发展。产业结构直接效应为负，说明工业化水平的提高并未促进碳生产率的提升，反而对其有所抑制。绿色技术创新直接效应为正，这是因为绿色技术发展加快了绿色生产要素的空间集聚，有助于本地区生产运行效率与能源利用效率的优化，但其促进作用最小，说明实际效率仍较低，今后绿色创新仍是我国绿色发展的重点和薄弱点。能源结构直接效应为负，说明现阶段能源结构中煤炭等化石能源依然对碳生产率具有很强的抑制作用，其不合理导致的高能耗、高排放行业仍占有一定的比例。各省不仅要努力改进能源生产工艺，还得努力提高新能源的占比，降低化石能源消费在碳排放中的占比。

4.3.2 间接效应

间接效应表示空间溢出性。根据表5可知，经济发展水平间接效应系数平均值0.697为正，而城镇化水平、产业结构、绿色技术创新、外商投资水平和能源结构间接效应系数平均值-0.972、-0.560、-0.055、-7.112、-0.407为负，说明这些因素提升1%，对邻近地区碳生产率分别提高0.972%，抑制0.972%、0.560%、0.055%、7.112%、0.407%。

其中仅有经济发展水平可以促进周围地区碳生产率提升，对周围地区碳生产率抑制作用最大的为FDI。

经济发展水平间接效应3种矩阵下显著为正，但在距离矩阵下促进最小。①由于相邻，在专业化分工、学习效应以及运输采购方面经济性，会赋予其地理空间上的经济聚集意义，使得相邻地区的良性互动提升了区域碳生产率；②在地理相近的省份，距离过近会吸引距离相近省市各类资源要素的聚集，形成虹吸效应，阻碍了相邻省市碳生产率的提升，使得正向促进作用降低。

城镇化水平间接效应在经济矩阵下显著为负，在地理和邻接矩阵下不显著。①相邻两省的经济聚集，会由于城市圈的虹聚集效应吸引经济联系紧密省份的高精尖人力资源，本地人力资源的增加也在一定程度上抑制了周围区域创新能力和生产效率，由于经济过度集聚导致人口拥挤和资源分配不均加剧。因此对碳生产率表现负向溢出效应。②由于我国总体城镇化仍处于粗放式发展阶段，城镇化仍以追求利益最大化的目标发展，其不断提高往往和人口吸引和工业化同步进行，地理相近和相邻省份会由于人口和资源过度集中导致其对周围地区带动作用降低。

产业结构的间接效应在地理和邻接矩阵下显著为负，在经济矩阵下不显著但为正。①当前产业结构的调整会选择距离相近或相邻的省份进行，将碳排放密集型企业外迁，并对距离相近地区的战略性产业以及高新产业吸引，使得高碳产业不断形成空间扎堆集聚，企业缺乏创新激励、能源过度消耗使得邻近地区碳生产率出现下降[21]。②一方面两地区经济关联越相近时模糊了经济活动的地理边界，二产占比提升可能会加剧各省产业的同构现象，减弱了技术进步和生产效率对低碳产业的发展，并没有有效地起到替代高碳产业的作用，因此表现出不显著。另一方面

经济矩阵所衡量的是整体经济的总体效益，而非第二产业占比的局部效益，由于产业结构比重在整个经济矩阵下仍不具备绝对性占比优势，因此其对碳生产率可能会受其他因素影响，使得其在经济矩阵下不显著。

绿色技术创新间接效应在3种矩阵下均显著为负，表明绿色技术创新对周围地区碳生产率产生抑制作用。①很多邻近省份学习强省的绿色低碳技术时，由于人是技术发挥碳减排的重要载体，而现阶段劳动供给数量和劳动力质量两个发展要素没有实现同步提升，所以当学习成本大于绿色经济效益时，就会产生负效益。②由于当前绿色投资在各省之间的逐顶竞争和资金稀缺造成的资源挤兑，除了以利润为导向和绿色创新不足外，还会导致邻近地区的资本投资减少，这可能也会降低周围地区的碳生产力水平。

外商投资水平间接效应在距离和邻接权重上显著为负，在经济矩阵不显著。①地方政府一味地追求经济发展使得低碳环保的经济发展方式被忽略，通常会优先吸引邻近地区或距离相近地区的外资企业来投资，因此迫于降低环境保护要求和碳排放标准，这种无序竞争从整体上对碳生产率造成恶劣影响，使得自己成为污染密集地。②说明经济聚集导致的外资在周围地区的集聚并不具有高耗能和高排放的特征，在污染天堂的假说下可能造成不显著。

能源结构（煤炭占比）间接效应在邻接和距离矩阵显著为负，而在经济矩阵不显著。①能源结构对碳生产率存在地理距离衰减特征，本地煤炭占比的提高会促进与之距离相近或相邻省份碳生产率的降低，但随着溢出距离不断增加，地方保护主义的存在和行政障碍，使得能源结构对碳生产率的空间溢出效应逐渐衰减，同时效应大小可能存在一定的距离阀值区间。②周围地区中经济的聚集度越高，能源结构恶化对这些地区碳生产率不会产生显著影响。由于我国能源消耗较大的省份往往在西北和东北地区，这些省份由于经济总量占全国较低，碳生产率一方面受碳排放影响，一方面也是受经济总量影响，当经济总量较低，碳生产率也会较低，因此溢出效应较弱。

4.4 区域异质性分析

由于三大區域之间的经济发展水平和工业化阶段明显不同，因此各变量在各区域可能存在异质。此处采用邻接矩阵进行分析，见表6。①东部和中部地区的经济发展水平在直接和间接效应表现出显著的正向空间溢出效应，西部对本地不显著且对邻近地区产生抑制作用。这是由于东部和中部地区经济发展水平相对较高，低碳经济具有先发优势，政府对绿色、节能高效的指向性更加明确，从而促进了低碳环保技术的进步和应用和资源配置，对本地和邻近地区碳生产率具有较强的辐射作用。而西部地区经济发展相对滞后，资源错配严重，本地绿色经济发展可能会以牺牲邻近地区为代价。②FDI对碳生产率的直接效应在西部负向显著，间接效应仅在中部不显著。这可能是现阶段东中部地区以摆脱污染型企业以及对外活动应以“走出去”为主，发挥出FDI的逆向技术溢出效应，因此东中部地区直接效应并不显著。另一方面东部地区地跨海岸线，与国际联系紧密，吸收了大量的外资，而西部地区则靠近内陆贫困地区，FDI的流入相对较少。中部地区地处中部，既不具备东部地区的国际联系，也不像西部地区那样缺乏资金和技术支持，因此FDI在中部地区发展均衡，其对碳生产率的溢出效应并不显著。③产业结构对碳生产率在中部地区本地系数均不显著但为正，在东西部地区表现负向显著。究其原因我国经济正由高速度增长阶段迈向高质量发展阶段，发展较好的东部地区在加快自主产业转型升级上已处于后期，使得产业结构改变对碳生产率的提高趋于饱和，说明一味降低高耗能产业并不是最好的解药，关键还在于技术进步。近年来，受贸易战和国家工业强国的影响，中部地区凭借自身独特优势近些年在大力发展实体经济和高端制造业上具有一定成效，在生产效率提高的同时也会使得工业碳排放降低，因此二产提高可能会促进碳生产率的提升。西部地区，由于产业结构更偏向于重工业，具有高污染高排放性质，其转型升级存在一定的技术障碍，导致现阶段二产占比对本地碳生产率仍具有显著的负向抑制作用。④从能源结构（煤炭占比）来看，东中西部地区均对本地碳生产率产生抑制作用，说明各区域化石能源对降碳仍具有显著影响，今后工作重点仍应放在加快向绿色能源结构转变以及对化石能源利用技术的改造上来；而对比能源结构空间滞后项的显著性，仅有西部显著为负，说明东部和中部地区内部在发展新能源产业方面，已经显示出低碳产业集聚（相互分工）和技术溢出（相互学习）效应，使得其可再生能源及社会资源利用效率持续提升，对周围邻近省份降碳开始表现正向作用。⑤对比各地区在绿色创新和城镇化水平上的直接效应间接效应系数大小，西部最大。表明西部地区由于具有后发优势，表现出较好的低碳城市发展进步空间和技术溢出，从而能够较大幅度的提高本地和邻近地区碳生产率。东部地区绿色创新溢出效应为负，可能是由于资金的稀缺性导致的资源挤占，即当前的资本投入除了具有利润导向、绿色创新不足特征外，还造成了邻近区域的资金投入减少，使得周围碳生产率下降。

5 结语

1）我国整体和东中西部地区碳生产率呈现波动上升和集聚态势，在空间上表现显著的空间溢出性和高高、低低集聚方式，即“发达聚集，欠发达分散”的聚集特征。建议继续开展发达地区帮扶欠发达地区，对欠发达地区提供基础设施、资金以及科技资源的支持，而发达地区也要科学开发利用区域资源，建立健全生态补偿机制，树立经济发展与环境保护并重的可持续发展理念。

2）首先，经济发展水平对碳生产率具有显著的促进作用和溢出效应，因此以经济建设为中心不动摇，要促进经济和环境协同发展。其次，产业结构和城镇化水平和能源结构对碳生产率具有显著的抑制作用和负的溢出效应，因此政府部门应当建立绿色的营商环境，制定奖惩政策，对于污染严重、效能低的企业制定有效措施进行惩罚、强令整改，加快政策对绿色技术创新的鼓励。同时，各省不应一味地追求工业化水平的绝对提高，而要更加关注产业的转型升级促进经济绿色发展。在城镇化质量上，要处理好经济发展、碳减排和城镇化的关系，使城镇化和经济发展水平与区域内的资源环境承载能力相协调。在能源结构上，各区域亟须开发新能源、减少对石化能源依赖，发展低排放、低污染、低能耗的绿色经济。最后，绿色技术创新和FDI在直接和间接效应对碳生产率具有显著促进和抑制作用，在总效应系數上，其中绿色技术创新对碳减排提升作用最弱。因此各地在发展过程中应当相互协作，破除各自为战的垄断行为，消除区域行政壁垒，促进技术、人力资本等要素在市场上的自由流动，对重要的绿色技术大力支持，增加低碳环保技术的研发投入，加大其对碳减排的技术支撑，为加强各省对低碳环保技术的研发强度和吸收能力制定科学合理的激励政策。外资引进和监管的标准应该和产业转型一起升级，在大力引进外资的同时也要注重自身低碳经济发展的质量和可持续性，适时适地出台绿色技术准入壁垒，促进绿色经济高质量发展。

3）从区域异质性上，经济发展水平在东部和中部地区对碳生产率的溢出和本地提升效应最强，在西部地区对本地碳生产率提升并不显著；FDI在西部地区对周围地区碳生产率表现出负溢出效应；产业结构在东西部地区对当地碳生产率具有抑制作用；绿色技术创新和城镇化水平上对西部碳生产率提升和溢出效应最大。因此中东西部地区要因地制宜，根据自身的资源禀赋优势和实际情况进行产业转移升级和提升能源效率。同时，为了缩小区域差异，国家在绿色政策上应向中西部地区倾斜，加快和东部地区协同发展。东部地区要依据其资本和技术优势，大力发展高端制造业和服务业，通过强强联合积极探索提升清洁能源的开发与利用。中西部地区可以通过改善外部环境促进碳生产率的提升，加大对污染密集型外商投资的监管，提高政府环保支出和有为政策引导作用，根据独特的地理资源禀赋，以市场为导向，建立前瞻优势产业，加快产业结构调整和高端制造业对碳生产率的促进作用。

参考文献：

[1] 胡鞍钢.中国实现2030年前碳达峰目标及主要途径[J].北京工业大学学报（社会科学版），2021，21（03）：1-15.

[2]MIELNIK O，GOLDEMBERG J.The evolution of the carbonization index in developing countries[J].Energy Policy，1999，27（05）：307-308.

[3]陈诗一.《绿色发展背景下中国碳生产率的时空演变和系统优化研究》评介[J].中国工业经济，2020（02）：2.

[4]刘晔，耿涌.低碳经济认识探析[J].中国人口·资源与环境，2010，20（10）：123-128.

[5]刘国平，曹莉萍.基于福利绩效的碳生产率研究[J].软科学，2011，25（01）：71-74.

[6]潘家华，张丽峰.我国碳生产率区域差异性研究[J].中国工业经济，2011（05）：47-57.

[7]李小平，余东升，余娟娟.异质性环境规制对碳生产率的空间溢出效应——基于空间杜宾模型[J].中国软科学，2020（04）：82-96.

[8]梁圣蓉，罗良文.技术创新对碳生产率影响的空间效应——基于产业结构和对外开放视角[J].广西社会科学，2022（04）：16-27.

[9]孙慧，黎炯婵，原伟鹏，等.中国碳生产率测度与时空动态演化研究——基于三阶段Super-Window-SBM模型的分析[J].价格理论与实践，2022（04）：84-88.

[10]王淑英，程南皓，卫朝蓉.绿色技术创新与碳生产率的空间溢出效应——基于政府支持的调节作用研究[J].管理现代化，2021，41（05）：87-92.

[11]段世霞，靳杨柳.绿色技术创新对碳生产率的空间溢出效应——基于地方政府竞争的调节作用[J].工业技术经济，2022，41（02）：62-69.

[12]唐志鹏，刘卫东，宋涛.基于混合地理加权回归的中国省域碳生产率影响因素分析[J].资源科学，2017，39（12）：2223-2232.

[13]钟茂初，赵天爽.双碳目标视角下的碳生产率与产业结构调整[J].南开学报（哲学社会科学版），2021（05）：97-109.

[14]冯杰，张世秋.基于DEA方法的我国省际绿色全要素生产率评估——不同模型选择的差异性探析[J].北京大学学报（自然科学版），2017，53（01）：151-159.

[15]KAYA Y，YOKOBORI K.Environment，energy and economy：Strategies for sustainability[M].Tokyo：United Nations University Press，1997.

[16]LESAGE J，PACE R K.Introduction to spatial econometrics[M].New York：CRC Press，Taylor & Francis Group，2009.

[17]张腾飞，杨俊，盛鹏飞.城镇化对中国碳排放的影响及作用渠道[J].中国人口·资源与环境，2016，26（02）：47-57.

[18]郭丰，杨上广，任毅.数字经济、绿色技术创新与碳排放——来自中国城市层面的经验证据[J].陕西师范大学学报（哲学社会科学版），2022，51（03）：45-60.

[19]杨庆，江成涛，蒋旭东，等.高技术产业集聚能提升碳生产率吗[J].宏观经济研究，2021（04）：141-159.

[20]江艳婷，余华银.中国省域绿色全要素生产率空间分布差异及影响因素研究[J].合肥工业大学学报（社会科学版），2020，34（05）：17-24.

[21]曹聪丽，陈宪.生产性服务业发展模式、结构调整与城市经济增长——基于动态空间杜宾模型的实证研究[J].管理评论，2019，31（01）：15-26+61.

（责任编辑：王强）

收稿日期：2023-01-12

基金项目：江苏省社科基金项目“碳达峰目标下江苏省域空间协同减排路径研究”（22GLB027）

作者简介：林珊珊（1978—），女，山东文登人，副教授，主要从事技术创新低和绿色经济方面的研究工作。