中国碳排放全要素生产率的区域演进及其影响机制——基于胡焕庸线的实证分析

吴旭晓

（河南省社会科学院 统计与管理科学研究所，河南 郑州 451464）

世界现代化进程中二氧化碳大量排放所导致的全球气候变暖及其衍生的自然灾害频发是各国面临的主要挑战之一。目前我国是世界最大的发展中国家和二氧化碳排放国，如何协调好经济增长与碳减排之间的关系，是当前亟须破解的难题。2020 年9 月以来，习近平总书记多次提出：“我国将力争于2030 年前实现碳达峰，努力争取于2060 年前实现碳中和。”党的二十大报告中明确提出，要立足我国能源资源禀赋，积极稳妥推进碳达峰、碳中和，积极参与应对气候变化全球治理。“双碳”目标既体现了我国构建人类命运共同体的责任担当，也是全面建设中国式现代化的内在要求。在推进“双碳”目标实现过程中，想要同时兼顾碳减排和经济保持中高速增长，有赖于找准碳排放效率的提升路径。碳排放全要素生产率也称为全要素碳排放效率，是指一定时期内利用劳动、资本、能源等生产要素开展经济活动时，获得尽可能多符合预期的经济产出及尽可能减少二氧化碳排放量的能力；碳排放全要素生产率综合考虑了劳动、资本和能源要素既定下的合意产出（GDP）与非合意产出（CO2），与单一考虑碳排放量或者碳强度相比，更能全面地反映区域碳排放动态绩效，更有助于找准碳减排与经济发展的动态平衡点。因此，科学测度我国区域碳排放全要素生产率，准确把握碳排放全要素生产率的区域动态演进趋势，并找出其影响机制，对于高质量推进我国现代化建设具有重大的理论意义和实践价值。

1 文献评述

当前碳排放效率已经成为国内外低碳经济领域学者研究的重点内容。在国外，RAMANATHAN[1]在分析二氧化碳排放、国内生产总值（GDP）增长和能源消耗之间联系的基础上，利用数据包络分析（DEA）测度全球1980—2001 年碳排放效率。HERRALA 等[2]使用SFA 方法估算全球170 个国家1997—2007 年碳排放效率。MEHMOOD 等[3]应用了一种二分网络数据包络分析模型来分析2001—2011 年各经济体的二氧化碳排放效率的跨期变化，发现大多数经济体碳排放效率较低。MIURA 等[4]运用网络数据包络分析法（NDEA）对日本47 个行政区各部门二氧化碳排放效率进行了实证分析。

在国内，张伟等[5]以资本、劳动力和能源为投入要素，以GDP 和CO2排放为产出，利用环境方向性距离函数建立规模报酬不变的DEA 模型，测度了1995—2010 年我国30 个省份全要素CO2的减排效率。李小胜等[6]利用共同前沿Malmquist Luenberger 生产率指数法测算了“十二五”时期我国30 个省份全要素碳排放生产率指数并对其影响因素进行实证分析。李珊珊等[7]利用DEA-Malmquist 指数法对2000—2015 年我国28 个省份全要素碳排放效率进行分解研究，发现全要素碳排放效率的提升是技术进步与技术效率共同作用的结果，环境规制、经济发展水平、人力资本对全要素碳排放效率都存在门槛效应。李金铠等[8]利用三阶段DEA-Malmquist指数测度和分析了2000—2017 年我国八大综合经济区全要素碳排放效率的区域异质性，发现我国八大经济区全要素碳排放效率变化特征趋同，技术进步指数和技术效率指数的增长有助于全要素碳排放效率改善。顾剑华等[9]利用Meta-frontier GML（Global Malmquist Luenberger）指数测评了2005—2015 年我国区域间产业转移带来的全要素碳排放效率效应，发现我国区域间产业转移的全要素碳排放效率有所提高，缩小的技术差距在全要素碳排放效率增长中逐渐占据主导地位；东部沿海地区全要素碳排放效率最高，其次是东北地区，而中西部地区则表现为无效性。郭卫香等[10]采用SBMDDF 模型测算和分析了2006—2017 年中国省域全要素碳生产率，发现中国各省全要素碳生产率存在显著空间集聚特征，环境规制能够促进全要素碳生产率提升，技术创新在环境规制对全要素碳生产率的影响中发挥部分中介效应。姚凤阁等[11]利用超效率SBM-Malmquist 指数模型测算和分析了2010—2018 年中国30 个省份全要素碳排放效率，发现中国大部分省份全要素碳排放效率呈逐年下降态势，不仅存在空间集聚特征，还具有空间溢出效应。白雪洁等[12]利用SBM-GML 指数法测算了2012—2017 年我国30 个省份全要素碳生产率指数，发现我国全要素碳生产率总体呈上升趋势，且呈现出东部、中部和西部地区依次递减趋势。

综上所述，目前对碳排放效率的测度方法上国外学者主要采用随机前沿分析法（SFA）、数据包络分析法（DEA）和网络数据包络分析法（NDEA）；国内专家主要运用SBM 模型，SBM 模型虽然考虑到径向与非径向松弛变量，但是缺少投入或产出目标值与实际值之间的比例信息，计算出来的效率值通常会与实际情况存在较大偏差。在研究内容上，国外学者对区域动态全要素碳排放效率研究很少，国内学者则采用Malmquist 指数或者Malmquist Luenberger 指数开展研究的越来越多。与Malmquist 指数相比，Malmquist Luenberger 指数同时兼顾了期望产出增加和非期望产出减少，方便对决策单元进行时空比较，正逐渐成为动态测度全要素碳排放效率的主流方法。国内学者对我国全要素碳排放效率研究中的区域划分仍然以东中西部、东中西部及东北或者八大经济区为主，缺少从人口和经济分布视角来进行区域划分研究。此外，虽然国内学者研究探讨了我国全要素碳排放效率区域演变态势，但缺乏对其影响机制的系统探讨。

1935 年地理学家胡焕庸提出了基于人口密度的区域划分线“黑河—腾冲分割线”，即“胡焕庸线”。胡焕庸线从东北向西南延伸，依次经过黑龙江、内蒙古、河北、陕西、山西、甘肃、四川和云南（沿线区域），以此为界，在空间地理上将我国划为三大板块，即西北区域（新疆、青海、宁夏）、沿线区域和东南区域（北京、天津、辽宁、吉林、山东、河南、安徽、上海、江苏、浙江、湖北、湖南、重庆、贵州、江西、福建、广东、广西、海南）。人口分布决定了经济活跃程度，而人口分布和经济发展又在很大程度上影响到碳排放全要素生产率。有鉴于此，本文以胡焕庸线为分界线，运用NCSEEBM 与Malmquist Luenberger 指数相结合的模型测度了2011—2020 年我国三大区域30 个省份（西藏及港澳台地区除外）碳排放全要素生产率，分析中国碳排放全要素生产率区域动态演进趋势，并采用灰色关联方法探讨碳排放全要素生产率演变的影响机制，为我国经济实现绿色低碳转型提供理论支撑与决策参考。

2 研究模型

2.1 研究方法

2.1.1 二氧化碳排放量测算

根据《2006 年IPCC 国家温室气体清单指南》提供的方法，使用能源数据来估算省域二氧化碳排放量，测算公式为：

式中：CO2代表二氧化碳排放量；i=1, 2, …表示i种能源；Ei表示第i种能源消费量；NCVi为第i种能源净发热值；CCi为第i种能源的单位热值含碳量；COFi为第i种能源的碳氧化率；44/12 为二氧化碳和碳元素的分子量比。公式中各类能源相应数值见表1。

表1 各类能源净发热值、单位热值含碳量、碳氧化率和标准煤折算系数

2.1.2 碳排放全要素生产率测度

在研究中采用非导向规模报酬不变的超效率EBM（nonradial constant super efficiency epsilon-based measure，NCSE-EBM）模型来测度区域碳排放效率，在保留TONE 等[13]提出的EBM 模型优点的同时，兼容ANDERSEN 等[14]提出的超效率DEA 模型功能，可以有效克服径向BC2模型与非径向SBM 模型的固有缺陷，充分考虑到不同投入指标之间的替代效应[15]，较好地反映出实际值与目标值之间的比例信息[16]，使得测算结果更加符合现实情况。NCSE-EBM 模型计算公式如下。

式中：ψ为NCSE-EBM 模型计算得到的综合效率值；n为决策单元个数，x、y和z分别是投入、期望产出和非期望产出向量，m、p、q分别表示投入、期望产出和非期望产出指标个数；θ为径向条件时的效率值；s-、s+为投入、产出的松弛变量；λ为各指标权重，w为松弛变量线性组合系数。ε是效率值计算中非径向部分的权重系数，取值范围为(0，1)。ε=0 时，EBM 模型退化为径向模型，有效决策单元的效率值均等于1，不能进行排名比较；ε=1 时，EBM 模型相当于非径向SBM 模型，有效决策单元效率值也均是1，不能进行排名比较；0 ＜ε＜1 时，作为NCSE-EBM 模型，有效兼顾了径向和非径向问题，测算结果介于径向BC2模型和非径向SBM模型之间，有效决策单元效率值大于或等于1，可以进行排序比较。

将NCSE-EBM 模型和Malmquist Luenherger 指数（MLI）[17]相结合，能够测算出碳排放全要素生产率，基于NCSE-EBM 模型的MLI 计算及其分解如下。

其中，MLI＞1 时，表示决策单元碳排放全要素生产率提升；MLI=1 时，表示决策单元碳排放全要素生产率不变；MLI＜1 时，表示决策单元碳排放全要素生产率下降。MLI可以分解为规模报酬不变假定下效率改善指数（efficiency change，EC）与技术变化指数（technological change，TC）之积。EC反映了地区追赶技术前沿的能力，如果效率改善指数EC大于1，表示技术效率得到改善，反之则表示技术效率呈现恶化状态。TC反映了最佳技术前沿的变化，如果技术变化指数TC大于1 时，说明存在技术进步，表现为生产可能性边界发生外移；反之则意味着技术退步，生产可能性边界内移。

2.2 指标选取及数据来源

借鉴李琳等[18]的研究成果，选择劳动力、资本和能源为投入指标，以各省生产总值为期望产出指标，以各省二氧化碳排放总量为非期望产出指标，构建出区域碳排放全要素生产率评价指标体系。劳动力用各省年末从业人数（单位：万人）[19]表示，资本用各省全社会固定资产投资（单位：亿元）[20]表示，能源用各省能源消费总量（单位：万吨标准煤）表示。各指标原始数据来自相应年份的《中国统计年鉴》《中国能源统计年鉴》以及各省统计年鉴。

3 实证结果分析

基于各省份碳排放系统投入产出数据，运用MAXDEA 软件计算出考虑非期望产出的中国各省份碳排放的MLI 指数及其分解，并以胡焕庸线为分界线对测算结果进行系统分析，具体情况见表2、表3、图1 ～图5。

图1 省域碳排放全要素生产率变异系数

表2 碳排放MLI及其分解变化

表3 三大区域碳排放MLI及其分解变化

3.1 碳排放MLI及其分解变化

运用NCSE-EBM Malmquist Luenherger 指数模型，测算出2011—2020 年了我国各省份碳排放全要素生产率变化指数（MLI）及其分解指数效率改善指数（EC）与技术变化指数（TC），受篇幅限制，仅列出2011—2012 年、2015—2016 年和2019—2020 年间我国各省份碳排放全要素生产率变化指数及其分解指数，结果见表2。

由表2 可以看出，2011—2012 年宁夏、新疆、内蒙古、辽宁、吉林、重庆实现了技术追赶（1 ＜EC）；上海和北京出现技术前沿面转移的情况（EC=1 且1 ＜TC），这意味着这两个地区存在明显的技术进步；其余22 个省份与最佳技术前沿边界的距离不断扩大（EC＜1）。2015—2016 年实现了技术追赶的省份增加到14 个，分别为辽宁、湖北、四川、贵州、广东、青海、重庆、江苏、河北、福建、河南、山东、甘肃、吉林；上海和北京再次出现技术前沿面转移的情况；其余14 个省份与最佳技术前沿边界的距离不断扩大。2019—2020 年实现了技术追赶的省份下滑到11 个，分别是天津、黑龙江、青海、河北、宁夏、重庆、内蒙古、辽宁、山东、江苏、福建；仅有北京再次出现技术前沿面转移的情况；远离技术前沿的省份上升到15 个。

2011—2012 年以及2015—2016 年，我国30 个省份碳排放技术变化指数均大于1，表明都存在技术进步，生产可能性边界均发生外移。2019—2020 年情况出现了分化，山西、甘肃、辽宁和上海碳排放技术变化指数小于1，这4 个省份生产可能性边界发生了内移，出现了技术退步；其余26 个省份情况相反，碳排放技术变化指数均大于1，都存在技术进步，生产可能性边界均发生外移。

2011—2012 年山东、贵州、云南、河北、黑龙江、甘肃、山西等7 个省份碳排放全要素生产率下滑，即MLI 小于1；其余23 个省份碳排放全要素生产率增长，其中排在前五位的依次为宁夏（1.087）、重庆（1.081）、海南（1.074）、福建（1.073）、新疆（1.071）。2015—2016 年只有黑龙江和新疆碳排放全要素生产率下降，碳排放全要素生产率增长较快的省份有辽宁（1.807）、湖北（1.292）、四川（1.266）、贵州（1.164）、重庆（1.156）。在2019—2020 年间广西、新疆、安徽、云南、辽宁、上海、甘肃、山西等8 个省份碳排放全要素生产率下跌；其余22 个省份碳排放全要素生产率增长，增长较快的省份有天津（1.388）、黑龙江（1.251）、重庆（1.235）、青海（1.21）、河北（1.179）。

表3 给出的是2011—2020 年我国三大区域碳排放MLI 及其分解变化情况。在胡焕庸线西北区域，2013—2014 年、2014—2015 年、2015—2016 年、2017—2018年效率变动指数均下降，技术效率出现恶化；除了2012—2013 年出现技术退步外，其余时间段表现为技术进步。胡焕庸线沿线区域和东南区域均在2011—2012年、2012—2013 年、2013—2014 年以及2014—2015 年出现技术效率恶化情形，且在研究期间均表现为技术进步。区别之处在于胡焕庸线东南区域在2017—2018 年、2019—2020年再次出现技术效率恶化情形。在研究期间，除了胡焕庸线沿线区域在2011—2012 年的碳排放全要素生产率均呈现下降态势外，其余时间段内三大区域碳排放全要素生产率均表现出增长态势（MLI 大于1）。从研究期间均值来看，效率改善指数呈现从胡焕庸线西北区域到东南区域逐步下降的态势；技术变化指数的情况与效率变动指数刚好相反，呈现从胡焕庸线西北区域到东南区域逐步上升的趋势；碳排放全要素生产率在空间上表现为胡焕庸线西北和东南区域高、沿线区域低的“V”型分布态势。

3.2 MLI的区域差异性分析

以2011 年为基期求得2012—2020 年我国不同省份碳排放全要素生产率，本文采取变异系数来分析各省份碳排放全要素生产率稳定性以及胡焕庸线的西北地区、沿线地区以及东南地区碳排放全要素生产率的收敛性。如果随着时间的推移，区域内部各省份之间的碳排放全要素生产率效率值的离差随着时间的变迁而逐渐变小，意味着存在趋同态势；否则属于发散态势。

2012—2020 年各省碳排放全要素生产率的变异系数如图1 所示。各省份碳排放全要素生产率在时序变化方面呈现出一定的波动性；东南区域的江苏、北京、海南、浙江、江西、安徽、贵州以及沿线区域的内蒙古、河北和陕西稳定性非常高，变异系数小于0.05；西北区域的三个省、沿线地区的云南以及东南区域的福建、广西和吉林的稳定性较高，变异系数介于0.05 ～0.1 之间；东南区域的山东、天津、河南、上海、湖北以及沿线区域的黑龙江、四川的稳定性一般，变异系数分布在0.1 ～0.15 之间；沿线地区的甘肃、东南地区的广东、重庆和湖南的稳定性较差，变异系数分布在0.15 ～0.2之间；东南区域的辽宁以及沿线区域的山西表现出强烈的不稳定性，变异系数在0.3 以上。

图2 显示了2012—2020 年三大区域碳排放全要素生产率变异系数演变趋势。显然三大区域的碳排放全要素生产率均不存在严格收敛。西北区域碳排放全要素生产率在2012—2015 年呈现出波动式发散态势，而在2015—2020 年表现为波动式收敛。沿线区域碳排放全要素生产率在2016 年前变异系数比较稳定，2016 年后发散性特征最为突出。东南区域碳排放全要素生产率一直呈现出发散态势，情况不容乐观，提升区域碳排放全要素生产率协同度相关政策尚待持续加强。

图2 三大区域碳排放全要素生产率收敛性分析

3.3 各效率之间影响力分析

图3 ～图5 显示了2011—2020 年我国三大区域碳排放全要素生产率指数与技术变化指数和效率改善指数之间散点图分布情况。通过对散点图的指数、线性、对数、多项式、幂、移动平均等多种趋势线函数进行比较，选取R2值最大的趋势线表达式，进而分析它们之间的影响关系。就效率改善指数对碳排放全要素生产率指数来说，西北、沿线和东南地区的R2值分别为0.654 6、0.910 5和0.817 6，函数拟合程度较好；技术变化指数与碳排放全要素生产率指数之间的拟合程度较差，西北、沿线和东南地区的R2值分别为0.062 9、0.073 1 和0.058 2。无论是胡焕庸线的西北地区、沿线地区，还是东南地区，效率改善指数对碳排放全要素生产率指数均表现出较强的影响力，影响系数分别为0.758 8、1.028 2 和0.952 4，这意味着效率改善指数每提升一个百分点，三大区域碳排放全要素生产率指数将分别提升0.758 8、1.028 2 和0.952 4 个百分点。显然，与技术变化指数的作用相比，效率改善指数对碳排放全要素生产率的促进能力居于主导地位。

图3 西北地区全要素碳排放分解指数对全要素生产率指数的影响

图4 沿线地区全要素碳排放分解指数对全要素生产率指数的影响

图5 东南地区全要素碳排放分解指数对全要素生产率指数的影响

4 影响机制分析

4.1 变量甄选及其影响机理

综合考量指标数据的可获得性、指标的典型性、重要性，选取外商投资、产业结构、经济水平、数字化、城镇形态、技术创新、环境规制7 个指标作为碳排放全要素生产率的影响变量。

外商投资（fdi）。外商投资对区域碳排放效率的影响是多方面的；一方面，高载能、高排放产业转移可能导致承接地区成为高碳产业的集中地和避难所，增加承接地区减碳压力；另一方面，外商投资的技术溢出效应有助于提升能源利用效率并降低碳排放强度。此外，外商投资引起区域经济总量扩张和相关产业集聚所产生的规模效应和集聚效应有助于碳排放全要素生产率的整体提高。本文用各省外商直接投资额与GDP 的比值来反映外商投资强度。

产业结构（iso）。区域碳排放全要素生产率与其产业结构密切关联，产业结构不仅影响能源消费总量，而且影响碳排放强度；产业结构优化升级有助于促进低碳产业发展，缩短区域碳达峰时间。本文用产业结构优化系数来衡量区域产业结构，其计算公式如下。

式中：gi(i=1, 2, 3)表示各省份第i产业增加值，G代表各省份GDP。产业结构升级系数（iso）的取值区间为[1, 3]；iso越接近1，意味着该省经济以第一产业为主；iso越接近2，说明着该省以工业为主；iso越接近3，表明该省服务业越发达。

经济水平（edl）。经济发展对碳排放的影响是一把“双刃剑”。在经济增长与碳排放没有脱钩的情况下，随着经济规模的不断扩张，必然消耗更多的能源，导致碳排放总量持续上扬。当经济水平达到较高水平后，必然会改善基础设施，增加对科技研发投入，提升能源资源集约节约利用水平，增强二氧化碳储存、固化和再利用能力，从而推动碳排放全要素生产率的改善和提升。经济水平用各省份人均GDP 来衡量。

数字化（dig）。数字化通过数字技术与金融、产业相结合，推动金融数字化、产业数字化、数字产业化，从而影响区域碳排放全要素生产率。金融数字化程度是影响碳排放的重要因素，数字金融发展通过经济增长效应和技术创新效应提升了碳排放绩效[21]。无论是数字产业化，还是产业数字化，均具有明显的碳减排效应，两者融合叠加助推数字经济发展。而数字经济发展一方面通过改善能源消费结构，可以有效抑制碳排放强度；另一方面通过自带的有偏技术进步也会引起碳排放强度显著降低[22]。数字化水平用各省份互联网宽带接入端口数与其总人口比值表示。

城镇形态（upd）。随着城镇化的快速推进，城镇地区目前已经成为生活能耗及碳排放的主要区域，我国城镇地区能源消耗量占到了全国总能耗的75.15%，碳排放增量占全球碳排放增量的四分之三[23]。城市人口分布与乘用车CO2排放量之间存在密切关系，紧凑和分散情景下乘用车人均碳排放量的差异约为5%[24]。有研究显示，提高城镇人口密度有助于发挥公共产品的规模效应，提升资源利用效率，促使碳排放效率提高[25]。也有研究表明，城镇空间紧凑度与碳排放量之间存在较强的负相关关系，人口密度较之于建筑和经济密度对空间碳绩效的影响更大，城市密度提高可以抑制空间碳绩效的增高[26]。由于城镇形态与城市建成区人口密度高度相关，因此，在本研究中城镇形态用建成区人口密度来描述。

技术创新（tiq）。科技进步通过提升能源资源利用效率，推动清洁能源开发利用，提高二氧化碳储藏和循环利用水平，降低碳排放强度，从而促进碳排放全要素生产率的改善和提升。技术创新用各省专利质量指数来衡量。借鉴白俊红等[27]的研究成果，综合考虑不同类型专利的数量和质量，根据技术创新程度差异，对发明专利、实用新型以及外观设计3 种不同专利分别赋权0.5、0.3 和0.2，通过线性加总得到各省专利质量指数。

环境规制（enr）。环境规制对碳排放全要素生产率的影响可能存在“绿色悖论”效应或“倒逼减排”效应。SINN[28]认为，随着环境规制强度的提升，能源供给者会加快高碳能源的开采，导致能源利用效率下降和碳排放增长，最终制约碳排放效率的提高，这就是环境规制的“绿色悖论”效应。环境规制的“倒逼减排”效应理论认为，环境规制标准的不断提升，会通过波特技术创新效应、产业结构高级化和能源消费结构低碳化等途径，倒逼企业提升生产效率与能效，提高产出水平，进而提升碳排放绩效[29-30]。环境规制用各省份节能环保支出占财政预算支出比重来表示。

4.2 灰色综合关联分析模型

由于胡焕庸线西北区域样本较少，利用回归方法分析碳排放全要素生产率演变的影响因素，难以找出其中的统计规律，且回归分析要求研究样本服从某种概率分布、各因素之间无多重共线性，这些条件也难以全部满足。而灰色关联分析所需数据较少，对样本数据要求条件相对较低。因此，本文使用灰色综合关联分析模型[31]来量化分析影响区域碳排放全要素生产率的各个因素。

灰色关联分析是依据序列曲线之间的几何形状相似程度来研判它们之间联系的紧密性。灰色关联度定量描述各因素之间发展趋势相似程度，适合影响因素动态分析。系统因素与影响因素之间的几何形状越相似，它们发展态势越接近，它们之间的灰色关联度就越大。初始值非零的两个长度相同的序列X0、Xj，它们之间的灰色综合关联度计算公式如下。

式中：ρ0i、ε0i、r0i分别为两序列的灰色综合关联度、灰色绝对关联度和灰色相对关联度。τ是调节变量，τ取值越大，越能反映两序列绝对量之间的关系；τ取值越小，越能反映两序列变化速率之间的关系；为了兼顾序列的绝对量和变化速率，τ取值0.5。ρ0i、ε0i、r0的具体数值通过灰色系统理论建模软件（GSTA V7.0）计算得到。ρ0i越大表示两个序列之间的综合关联性越强；ρ0i＜0.6，表示两因素属于低度关联；0.6 ≤ρ0i＜0.7，表示两因素属于中度关联；0.7 ≤ρ0i＜0.8，表示两因素属于较强关联；0.8 ≤ρ0i＜0.9，表示两因素属于强关联；0.9 ≤ρ0i≤1.0，表示两因素属于极强关联。

4.3 影响结果分析

为了可以对比分析不同量纲影响因素的作用程度，先对各影响因素的原始数据进行初值化处理，然后根据灰色综合关联度公式计算得到各个影响因素与区域碳排放全要素生产率的灰色关联度，结果见表4。

表4 区域碳排放全要素生产率演变影响因素的灰色关联度

对胡焕庸线西北区域而言，2011—2020 年，产业结构对碳排放全要素生产率的影响最突出，灰色关联度达到0.998，属于极强关联；人口密度的灰色关联度也达到0.83，属于强关联；环境规制与碳排放全要素生产率之间存在较强关联；经济水平与碳排放全要素生产率之间只是中等关联；外商投资、数字化及技术创新与碳排放全要素生产率之间的关联性较低，只达到低度关联等级。对比“十二五”时期（2011—2015 年）与“十三五”时期（2016—2020 年）的情况可以发现，外商投资、城镇形态和技术创新对碳排放全要素生产率的影响呈现下降趋势，城镇形态影响力下滑的幅度最大，其次是外商投资；产业结构、经济水平、数字化和环境规制对碳排放全要素生产率的影响程度呈现上升态势，环境规制影响力提升的幅度最大。

对胡焕庸线沿线区域而言，2011—2020 年碳排放全要素生产率的影响因素按照关联度由高到低排列依次为产业结构、环境规制、城镇形态、经济水平、外商投资、技术创新、数字化。与“十二五”时期相比，“十三五”时期外商投资、产业结构、环境规制的关联度有所下跌，外商投资关联度下降的幅度最大，由极强关联下跌为中度关联；其余因素的关联度呈现上升态势，上升幅度最大的是数字化，由低度关联跃升到较强关联。

对胡焕庸线东南区域而言，2011—2020 年产业结构、城镇形态和环境规制是碳排放全要素生产率演进的三个主要影响因素，关联度分别达到极强、强和较强等级；其余因素与碳排放全要素生产率的关联性均处于低度关联等级。与“十二五”时期相比，“十三五”时期只有产业结构和数字化与碳排放全要素生产率的关联度表现出上升趋势，并且上升的幅度都不大；其余因素的关联度则表现出下跌态势，对外开放的关联度下滑幅度最突出，由极强关联下降到低度关联。

整体上看，2011—2020 年，产业结构是我国三大区域碳排放全要素生产率的最主要影响因素，技术创新是胡焕庸线西北区域和东南区域影响力最小的因素，而数字化是胡焕庸线沿线区域关联度最小的因素。与“十二五”时期相比，“十三五”时期外商投资对我国三大地区碳排放全要素生产率的影响程度均表现出下降态势，而数字化的情况刚好相反，均表现出上升趋势。

5 结论及策略

5.1 结论

本文以胡焕庸线为区域划分线，运用NCSE-EBM与Malmquist Luenberger 指数相结合的模型测度了2011—2020 年我国三大区域30 个省份碳排放全要素生产率，分析中国碳排放全要素生产率区域动态演进特征，并采用灰色关联方法探讨区域碳排放全要素生产率演变的影响机制，主要结论如下：（1）碳排放全要素生产率在空间上表现为胡焕庸线西北和东南区域高、沿线区域低的“V”型分布态势。（2）三大区域的碳排放全要素生产率均不存在严格收敛，胡焕庸线西北区域内部各省份之间差异性最小，其次是东南区域，差异性最大的是沿线区域。（3）三大区域效率改善指数对碳排放全要素生产率指数均表现出较强的影响力，与技术变化指数的作用相比，效率改善指数是碳排放全要素生产率提升的主导性促进因素。（4）2011—2020 年，产业结构是我国三大区域碳排放全要素生产率的最主要影响因素，技术创新与胡焕庸线西北区域和东南区域碳排放全要素生产率的灰色综合关联度最低，而数字化与胡焕庸线沿线区域碳排放全要素生产率的灰色综合关联度最小。（5）与“十二五”时期相比，“十三五”时期外商投资对我国三大区域碳排放全要素生产率的影响程度均表现出下降态势，而数字化的情况刚好相反，均表现出上升趋势。

5.2 策略

根据以上研究结论，从区域碳排放全要素生产率及其影响机制的异质性出发，基于系统思维和强弱项的考量，采取因地制宜的优化策略。

胡焕庸线西北区域抓住国家构建“双循环”新发展格局的战略机遇，以提升技术创新能力为目标靶向，在“开笼引凤”吸收外资和承接产业转移的同时，科学设置好节能降碳环境门槛，坚持资金引进和技术引进并重，协同引进跨国公司研发中心和成套技术，重视引进技术的消化吸收和再创新。加大清洁煤技术研发投资力度，注重核心技术和关键技术的自主创新能力培育。完善碳排放权市场交易机制，主动优化产业结构、淘汰低端污染产能，加快高碳经济向低碳经济转型步伐。坚持以创新驱动、数据赋能、跨界融合为主线，以产业数字化为抓手，推动以“铜墙铁壁”为重点的传统高碳产业脱胎换骨，突破原有产业发展的路径依赖，打造开放型、智能化、绿色化和低碳化的现代产业体系，推动区域碳排放全要素生产率持续提升。

胡焕庸线沿线区域急需补齐数字产业化短板，构建和完善数据要素价值流通体系。锚定网络强国和数字中国的战略部署，从数字经济全产业链视角，统筹数据计算处理中心的空间布局，推进大数据云计算中心建设，辐射和带动关联产业高速高质量发展，打造信创产业生态新体系，形成数字产业化和产业数字化耦合发展的产业生态新格局。改变政府包办型环境规制，综合运用市场激励型、命令控制型和自愿意识型多种环境规制模式，充分发挥环境规制的节能减碳作用，实现碳排放全要素生产率跨越式跃迁。促进“互联网+生态”融合发展，推进区域城乡生态联建，快速缩小胡焕庸线沿线区域碳排放全要素生产率与其他区域的差距，实现中国区域碳排放全要素生产率均衡协调发展。

胡焕庸线东南区域要充分发挥现有科技优势，完善数字化的自主创新政策环境，强化区域自主创新公共服务平台建设，优化自主创新次序，充分利用国内庞大的碳减排技术市场需求，加快节能减碳科研成果产业化步伐，实现单项技术突破型研发向产业链全链条科技创新升级，树立全球低碳领域自主创新的产业技术标准。改进环境规制政策着力点，由传统的节能环保财政支出转变为碳集约型基础设施、二氧化碳储存、可再生能源开发等领域投资，在刺激经济活力、促进就业的同时，兼顾气候变化，提高碳排放全要素生产率。持续提升营商环境成熟度，加快由要素型开放向制度型开放升级，提升引进外资的质量和效益。要将经济发展水平领先优势转化为低碳消费优势，降低经济社会绿色低碳全面转型的成本及难度。

此外，虽然城镇形态对三大区域碳排放全要素生产率提高起到明显的促进作用，但仍然存在较大的提升空间，尤其要进一步提升城镇形态对胡焕庸线沿线区域的影响力度。因此，需要全面推进人与自然和谐共生的内涵式城镇化，持续优化城市内部生产生活生态“三生空间”融合发展格局，显著提升建成区功能品质，协同提高人口、土地、生态和经济多元城镇化质量，降低能耗强度，减少二氧化碳排放，建设绿色、韧性、智能、低碳、活力、和谐、集约及创新型城市，进而推动我国整体碳排放全要素生产率持续提高。