“双碳”目标下欠发达地区碳排放效率时空演变与驱动因素

张竞雪 王海杰

摘要：在“双碳”目标约束下，欠发达地区的传统高碳经济增长模式难以为继，如何在保持经济稳步发展的同时减少碳排放是欠发达地区面临的重要挑战。本文基于超效率SBM模型测度典型欠发达地区2006—2020年间的碳排放效率，探究了碳排放效率的时空演变特征，采用空间面板计量模型测度碳排放效率影响因素，运用GTWR模型研究驱动因素异质性。研究表明：欠发达地区碳排放效率高-高集聚区表现出极化效应，而低-低集聚区呈现溢出效应；人口规模、技术进步与经济发展是影响碳排放效率的主要驱动因素，碳排放效率受自身滞后效应影响；驱动因素存在时空异质性特征，经济发展水平较低地区存在环境“逐底”竞争效应，大多数城市的人口集聚效应逐渐增强，技术进步呈现“学习效应”。因此，应当推进区域间协同治理碳污染问题，因地制宜实施低碳发展战略，助力欠发达地区实现绿色发展。

关键词：碳排放效率；时空演变；驱动因素；异质性

中图分类号：F0622；F0615；F127；X321文献标识码：A文章编号：1001-148X（2024）02-0093-11

收稿日期：2023-06-25

作者简介：张竞雪（1993—），女，河南平顶山人，博士研究生，研究方向：产业经济与可持续发展；王海杰（1972—），本文通讯作者，男，河南南阳人，教授，博士生导师，研究方向：产业经济与区域经济。

基金项目：国家社会科学基金项目“新冠肺炎疫情背景下中国制造业全球价值链重构机制与政策体系研究”，项目编号：20BJY094；河南省教育科学基金项目“河南省高校服务黄河流域高质量发展政策支持体系研究”，项目编号：2021JKZB01。

一、引言

碳排放治理对于我国实现“双碳”目标意义重大。党的二十大强调了推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节。同时指出，实现碳达峰、碳中和是一场广泛而深刻的经济社会系统性变革，并鼓励针对碳排放总量与强度实施“双控”制度，推动能源清洁低碳高效利用，推进工业、建筑、交通等领域清洁低碳转型。然而，中国东西部地区经济社会发展水平存在较大差异，使得碳排放重心西移，由此引发的碳排放区域不公平问题严重影响着中国“双碳”目标的实现。中国欠发达地区的经济发展以高能耗和高污染的资源依赖型产业为主导，并在“一带一路”、西部大开发等国家宏观政策背景下承接了大量来自发达地区的污染型产业迁入，形成“碳锁定”局面，其碳排放效率容易陷入“低水平陷阱”。补齐碳排放效率的区域短板，是破解“碳锁定”难题的关键。

目前，有关欠发达地区生态环境保护的研究大多集中于绿色发展［1］、生态保护［2］、能源消费［3］等方面，缺乏对欠发达地区碳污染问题的关注。更重要的是，现有研究在进行碳排放效率驱动因素分析时，容易忽略多主体自身条件差异与经济活动的时间变化，往往仅得到整体性、概括性的评价结论，缺乏对时空异质性的具体分析，不利于因地制宜制定政策。另外，学者们倾向对碳排放量这一绝对指标的影响因素进行分析，容易忽略碳排放本身具备的综合复杂的社会经济属性，而碳排放效率作为相对指标更适合对碳排放问题进行全面分析。如王兆峰和杜瑶瑶（2019）利用SBM-DEA模型测度湖南省碳排放效率时空差异，并探索其影响因素，研究发现湖南省大部分地区碳排放效率较低［4］；李焱等（2021）使用非径向DDF模型对“一带一路”沿线国家制造业的碳排放效率进行测度，以此判断全球价值链嵌入对碳排放效率的效应机制［5］。由于不同区域的碳排放效率分析逐渐成为学者们关注的重点，对欠发达地区碳排放效率时空演变与驱动因素异质性的研究有助于理解欠发达地区经济增长与环境污染这一矛盾的成因，从而为政策制定提供有效的实证参考。因此，本文基于“全要素”碳排放效率指标探究欠发达地区碳排放状况，同时考虑到污染排放与要素流动的跨界传输、空间外溢等特征，科学分析碳排放效率影响因素的作用机制与时空格局演变规律。

相较以往研究，本文可能的边际贡献如下：第一，本研究以欠发达地区为研究样本，从地市层面分析碳排放效率驱动因素的传导机制，丰富了碳污染问题在欠发达地区协同治理的研究；第二，以往大多数研究采用普通最小二乘回归（OLS）来分析二氧化碳排放效率的驱动因素，本研究综合投入-产出分析、空间探索性分析与面板分析，全面剖析了欠发达地区碳排放效率的空间分布特征与影响因素；第三，欠发达地区由不同城市组成，具有不同的空间位置以及不同的经济基础，使得每个城市的节能减排能力和低碳发展潜力都不相同，但以往研究较少考虑到碳排放效率的时空异质性因素，本文使用地理时空加权回归模型（GTWR）测度欠发达地区碳排放效率影响因素的时空演变特征，为欠发达地区因地制宜实施低碳政策提供依据。

二、理论分析与研究假说

碳排放效率是指在资本、劳动力、能源等投入要素约束下，碳排放这一非期望产出减少而经济期望产出增加所能达到最大程度，提高碳排放效率是欠发达地区绿色发展的路径选择。近年来，对碳排放效率影响因素的讨论成为学术界的热点，然而，目前学术界对碳排放效率影响因素缺乏统一界定。纵观以往研究，学者们主要采用指数分解法［6］、STIRPAT模型［7］、脱钩理论［8］以及EKC理论［9］来研究碳排放效率的影响机制。碳排放效率的影响路径可分为内生和外生因素，内生因素为人口规模、技术进步、经济发展及能源结构等影响碳排放效率投入要素的指标；外生因素为城镇化、对外开放与产业结构等易受国家政策影响的指标，这些因素对碳排放效率的影响可能存在相同的作用机制。

人口是劳动力的重要来源，作为碳排放效率指标的重要投入要素，具有明显的内生性特征。人口规模扩张引发大量能源消费，从需求侧对碳排放效率产生影响。尽管人口增加将产生更多的经济生产活动与能源消耗，导致碳排放增加，但随着社会经济发展，规模经济成为可能，学者们发现人口增加可能对碳排放产生正向影响。首先，增长的人口并非在空间上呈现均匀分布特征，而是趋于集聚状态，人口集聚提高了城市空间密度，促进公共交通发展，减少交通运输部门产生的碳排放。同时，由人口集聚产生的集聚经济与环境质量改善存在双赢局面，即集聚经济可以在实现增长的同时减少碳排放［10］。其次，人口规模的不平衡扩张改变了不同地区人口的知识结构，受过高等教育的人群倾向集聚在中心城市与高收入地区，随着这些地区教育水平的提高，人们对碳排放的认知也在提升，高素质人口增加推动了技术创新与低碳生产生活方式的普及以及清洁技术的集中研发与推广应用，从而有利于“减碳增汇”的实现［11］。

新增长理论将技术进步内生化为长期经济增长因素，那么，技术进步如何作用于碳排放效率？在现有文献中，关于技术进步与碳排放关系的观点并没有达成一致。有学者认为技术创新存在反弹效应，其降低的能源成本鼓励生产者大量使用化石能源，导致更多的能源消耗与碳排放［12］。此外，技术进步可能会偏离节能减排和低碳发展的目的，在短期内受利益驱动，以污染环境为代价追求高额产出。而另一种观点认为，自2006年以后，技术进步的产出偏好逐渐被绿色偏好所替代，这有利于在供给端实现清洁生产［13］。具体而言，从宏观层面来看，技术研发具有滞后性，且以市场需求为导向，长期内将催生大量具有绿色偏好特征的专利，有助于提高单位能耗的产出与自然资源利用效率，从而降低碳排放。根据熊彼特创新理论，技术进步为经济发展创造了一种“创造性破坏”机制，淘汰落后产能，革新经济发展模式，可见技术进步是发展低碳经济的重要途径，它可以通过寻找可替代能源来降低生产过程中对化石燃料的依赖，显著降低碳排放强度即技术进步的强度效应。从微观层面而言，企业作为最广泛的市场主体，是技术创新的主力军，在一系列环境规制与能源政策信号的作用下，先驱企业为保证其技术领导地位与独特的竞争优势，快速提高市场份额以实现自身利益最大化，积极研发、使用、推广并引用低碳环保技术［14］；而后入市企业面对巨大的竞争压力，并受制于自身薄弱的经济基础，它们为争取绿色补贴以降低融资约束，会积极响应政府低碳政策，增加绿色创新研发支出。先驱企业与后入市企业基于自身利益的技术创新，均有利于推动生产方式低碳转型。本文认为，无论是从宏观层面还是微观层面，技术进步都有助于经济发展实现绿色低碳转型。

经济发展往往伴随着能源投入增加，在既定外生环境下，碳污染问题会愈发严重。然而，根据将技术进步内生化的AK模型：Y=f（A，K，z），其中，Y代表企业产出，A代表企业技术水平，K表示资本，z代表其他相关因素之和，可以看出，当技术进步被内生化为经济增长动力后，在其他投入要素不变的情况下，经济增长依然会实现，这说明随着技术进步，生产专业化发展，粗放型经济增长方式逐步转变为低碳型经济发展方式，能源利用效率得以提高，碳排放强度也将随经济质量提高而下降。EKC理论进一步佐证了环境污染与经济发展水平之间的倒“U”型关系，即在经济发展水平较低阶段，经济增长主要依赖于大量资源投入与能源消耗，经济规模扩张导致污染排放增加，此时规模效应占主导地位；在经济发展水平较高阶段时，技术进步成为经济发展动力，随着经济水平提高，低碳环保的第三产业在经济结构中占比逐渐增加，此时技术效应与结构效应占据主导地位，环境污染得到缓解［15］。对比EKC理论，脱钩理论更能动态验证经济发展与碳排放的因果关系，随着经济集约化发展，经济增长与碳排放逐渐实现强脱钩抑或弱脱钩，碳排放效率提升。由此可见，经济发展与碳排放效率的正相关关系主要得益于技术效应与结构效应。然而，要素自由流动与产业梯度转移使部分高污染企业外向迁移，引发“污染避难所”效应。同时，本地经济发展水平提高引起邻近区域政府竞争意识加强，出现为维护经济竞争优势而牺牲环境的“逐底竞争”恶性行为［16］，本地经济发展容易引发高碳溢出效应，因此，本地经济发展可能对周边区域的碳排放效率产生负向的间接效应。

能源作为影响碳排放效率的投入要素，不可避免地受到对外开放与产业结构等外生因素的影响。有关能源结构与碳排放效率的关系，有学者认为以传统能源为主的能源结构会降低碳排放效率，以清洁能源为主的能源结构则会提高碳排放效率［17］，也有学者认为能源消费对碳排放的影响具有空间特征，如刘华军等（2023）［18］从碳源结构角度分析了中国不同区域能源消费差异对碳排放空间差异的影响，发现能源消费差异是中国碳排放差异的主要来源。能源结构作为驱动碳排放的重要因素，主要取决于中国能源的可用性。中国能源结构的特点是“煤炭为主、石油较少、天然气短缺”，煤炭占能源总量的562%。由于煤炭具有最大的碳排放系数，它比其他能源产生更多碳排放，而进一步工业化和城市化必然会导致能源消耗的增加。因此，能源替代是减少碳排放的一个重要因素。自电能替代政策出台后，通过推广电能设备以淘汰传统化石能源成为改善能源结构的主要方式。电力能源具有安全、绿色、可再生等特点，有利于提高能源清洁化水平。在生产中大力推广并使用清洁能源，有利于拓宽产业绿色化发展空间，优化经济结构，降低经济增长过程中的碳排放量，从供给侧推动双碳目标的实现［19］。基于上述分析，本文提出如下研究假设：

H1：人口规模扩张通过集聚效应与技术效应实现节能减碳，提高碳排放效率。

H2：技术进步通过强度效应提高碳排放效率。

H3：经济发展通过技术效应与结构效应提高了本地碳排放效率，但其高碳溢出效应降低了周边地区的碳排放效率。

H4：进行电能替代的能源结构推动产业结构优化调整，从而提高碳排放效率。

自对外开放政策实施以来，中国的进出口贸易总额不断提高。有关对外开放和碳排放之间的关系，学术界主要有两种观点：一是对外开放具有“污染天堂”效应，发达国家由于环境规制趋严，生产成本上升，将污染密集型企业转移到生产成本较低的发展中国家，而发展中国家出于经济发展需要，便降低环境监管标准，产生“逐底竞争”行为；二是对外开放具有“污染光环”效应，发达国家首选通过技术创新来解决成本提高问题，不会寻求转移污染产业，而新引进企业往往比东道国企业更环保，因此，对外开放带来的先进环境管理经验与清洁技术将改善东道国的能源效率与生态环境。近年来，随着中国环境政策深化实施，对外贸易门槛提高，进出口贸易结构逐步实现绿色低碳转型，企业为了“走出去”，拓宽市场渠道，将致力于增加研发投入，这有助于本地低碳技术创新水平提高。此外，对外开放增加了贸易商品往来，扩大国际市场与经济规模，经济发展水平提高将产生规模经济，有利于节能减排。根据“边际产业扩张理论”，对外开放程度提高有助于将本区域相对劣势的边际产业外移，从而集中发展本区域的优势产业，实现产业结构升级，降低供给端的能源消耗，抑制碳排放［20］。因此，对外开放的“污染光环”效应占据了主导地位。

鉴于新型城镇化战略实施，城镇化往往作为外生因素作用于社会经济与环境。高国力等（2023）［21］认为，城市既是温室气体排放的主要源头，也是实施低碳生产与能源政策的关键区域，因此城市化与碳排放之间存在一定内在关联。城市化过程导致了经济生产与生活方式的变化，由于人均消费水平持续上升，在工业化与城市化过程中能源消耗快速增加，产生了一定的污染排放。也有学者认为，城镇化水平提高推动了人口集聚，提高了基础设施的使用效率，并缩短了人们居住、工作、消费等区域的地理距离，降低交通产生的能源消耗。城镇化的集聚效应将通过提高能源利用效率而降低边际碳排放量。同时，城市发展提高了教育普及程度，随着人力资本积累，技术创新形成“扩散与再创新”的循环模式，人力资本逐渐替代其他能耗型生产要素［22］，有效地减少了人均能源消耗。此外，城镇化水平提高引致人们对服务业的需求增加，推动了第三产业发展与产业结构升级，有利于实现节能减碳。因此，本文认为城镇化可以促进经济产出，抑制碳排放，从而提升碳排放效率。

中国产业政策演进不断推动产业结构优化，这意味着能耗较低的第三产业占比增加。第三产业是经济可持续发展中应大力支持的低碳产业，产业结构由第二产业向第三产业调整降低了能源密集型与劳动密集型产业的比重，提高了技术密集型与资本密集型产业的比重，有利于高能耗低附加值产业向低能耗高附加值产业过渡，从而提高经济产出，减少碳排放量［23］。此外，“结构主义”观点认为，产业结构变动有利于优势部门产出增长，不断扩张的产业部门通过吸收大量社会资源，其中包括技术创新，从而成为新的经济增长点，并通过扩散效应改变经济结构。“结构红利”观点认为，在社会经济结构变动过程中，生产要素将从低效率生产部门流向高效率生产部门，这将缓解生产结构扭曲，提高社会生产效率，降低能源消耗与环境污染。产业结构优化所产生的效益并不局限于某一部门产出增长，更有利于改善全经济产业链条，构建绿色低碳循环发展经济体系。基于上述分析，本文提出如下研究假设：

H5：对外开放通过技术效应、规模经济与结构效应提高碳排放效率。

H6：城镇化发展通过集聚效应、技术效应与结构效应提高碳排放效率。

H7：产业结构优化通过结构效应与扩散效应重构低碳产业链，提高碳排放效率。

图1碳排放效率影响因素的作用机理

三、研究方法与数据来源

（一）研究区域

中国欠发达地区主要分布在陕西、重庆、宁夏、青海、河南、湖南、江西、四川、安徽、西藏、甘肃、广西、海南、云南和贵州等15个省份，其中，黄河流域作为中国典型的欠发达地区，是中国主要的煤炭与电力能源生产供应基地，煤炭产量在全国煤炭总产量中占比70%，其以重型工业为主的产业结构与以煤炭为主的能源结构带来了一系列大气污染与气候变暖问题，绿色发展长期滞后［24］。2019年，黄河流域生态保护与高质量发展成为国家重大战略，流域生态保护与可持续发展以节能减排为重点，碳达峰、碳中和、建设低碳试点城市、完善碳交易市场等任务目标与黄河流域综合治理息息相关，如何研发并高效利用清洁能源，降低污染型能源消耗，提升碳排放效率，突破“保护与发展”难题是黄河流域亟须解决的一系列问题。因此，本文以黄河流域这一具有代表性的欠发达地区为样本进行研究。

黄河流域横贯中国东西，承接南北，且大部分区域位于中国的西北部，自西向东经青海、四川、甘肃、宁夏、内蒙古、山西、陕西、河南和山东9个省区，66个地级市（市、州、盟）。本文研究区域则根据《黄河文化百科全书》中提及黄河流域的66个地级市整理而得［25］，由于部分州、市数据缺失，因此本文最终确定的研究区域为黄河流域56个地级市。

（二）指标选取与数据来源

在对因变量指标即碳排放效率的测度中，投入要素为资本、劳动力和能源，期望产出为地区生产总值，非期望产出为碳排放。其中，资本要素投入以2006年为基期，采用永续盘存法对历年固定资产投资额进行计算：Kt=It+（1-δt）Kt-1，t代表年份，K表示资本存量，I表示投资，δ表示折旧率；劳动力要素投入为样本城市年末从业人数；能源要素投入即能源消耗，可由电能、煤气、天然气、液化石油气分别根据万吨标准煤转换系数折算为标准煤并加总得到。期望产出为以2006年为基期以不变价格所计算的实际GDP。非期望产出即碳排放总量，由于各区域并未公布统一的碳排放量数据，有关碳排放的计算，本文参考Chen等（2020）提出的自上而下的计算方法［26］，首先根据能源消费数据与IPCC（2006）公布的碳排放因子转换计算方法，计算黄河流域省级碳排放数据；其次采用PSO-BP算法，将NPP/VIIRS数据尺度转换为DMSP/OLS数据尺度，获得2006—2020年期间稳定连续的地级市夜间灯光数据，进一步测算黄河流域城市碳排放量。

关于自变量的选取，基于数据可得性，本文选取人口规模（P）、技术进步（T）、经济发展（PGDP）、能源结构（ES）、对外开放（OP）、产业结构（IN）以及城镇化（UR）等七个指标，构建经济-社会-技术驱动要素作用下的碳排放效率的数学模型。其中，人口规模采用年末总人口表示；技术进步用每吨标准煤产出GDP表示；经济变量采用人均GDP衡量；由于缺乏地级市的煤炭消费数据，而电力能源消费与能源消费关系密切，同时也是工业碳排放的主要推动力，一些学者常以电力能源消耗作为能源消耗的替代性指标，因此能源结构以电能消费量占能源总消费量的百分比来表示；对外开放水平以进出口总额占GDP的百分比来表示；产业结构指第三产业增加值占GDP的百分比来衡量；城镇化率以城镇人口数占人口总数的百分比来表示。

本文数据来源分别为：（1）两种夜间灯光数据均来自美国国家海洋与大气管理局（NOAA）下属的美国国家地球物理数据中心（NGDC）（https：//wwwngdcnoaagov/eog/downloadhtml）。（2）碳排放因子数据以及能源折算标准煤系数源自《2006国家温室气体排放清单指南》与《中国能源统计年鉴》。（3）黄河流域城市矢量行政线源于国家基础地理中心（http：//wwwngcccn）。（4）经济社会数据均来自2006—2020年《中国城市统计年鉴》《中国区域统计年鉴》《中国城市建设统计年鉴》以及各地市统计年鉴与统计公报。（5）能源数据来自2006—2021年《中国能源统计年鉴》。为避免异常值影响，对所选取指标数据进行缩尾处理。同时，为了防止潜在的异方差，本文将所有变量取其自然对数表示。

（三）包含非期望产出的Super-SBM模型

本文采用Super-SBM模型计算黄河流域56个地级市碳排放效率。Super-SBM模型来源于Tone使用松弛测量法构建的包含非期望产出的SBM-DEA模型，Super-SBM模型一方面避免了投入-产出非零松弛缺陷，另一方面考虑到生产过程常出现的非期望产出方面。

假设生产系统由n个决策单元构成，每个决策单元都包含投入、期望产出和非期望产出等三组要素向量，可分别表示为：X=［x1，…，xn］∈Rm×n，Yg=［y1g，…，yng］∈Rs1×n，Yb=［y1b，…，ynb］∈Rs2×n。基于此，将非期望产出纳入评价决策单元后的SBM模型为：

ρ=min1－1m∑mi=1S－ixi01+1s1+s2∑s1r=1Sgrygr0+∑s2j=1Sbrybr0（1）

式（1）中，S=（S-，Sg，Sb）是投入、期望产出、非期望产出的松弛量；是决策单元的效率值，取值范围是［0，1］。对于决策单元（x0，yg0，yb0），当且仅ρ=1时，即S-=Sg=Sb=0时，DMU是有效的。

（四）空间分析

1探索性时空数据分析方法

基于包含非期望产出的Super-SBM模型测算得到的黄河流域56个地级市在2006—2020年间的碳排放效率，本文使用全局MoranI指数用来检验黄河流域整体碳排放效率的空间自相关性，分析样本城市之间碳排放效率整体的作用方向与强度。计算公式如下：

GlobalI=n∑i∑jwijxi－xj－∑i∑jwijxi－2（2）

式（2）中，I为全局MoranI指数值，xi为城市i在t时期的碳排放效率，[AKx-]为全部城市碳排放效率的平均值，Wij为邻接空间权重矩阵（0-1矩阵），即当i与j存在共同边界或节点时，Wij为1，否则为0，为防止孤岛效应，设置西宁与兰州、武威相邻。全局MoranI指取值范围为［-1，1］，当MoranI等于1时，表明黄河流域碳排放效率在空间上存在完全正相关关系；当MoranI等于-1时，表明其在空间上存在完全负相关关系；当MoranI等于0时，表明无空间相关性。全局MoranI指数只能描述流域整体碳排放效率的空间自相关特征，而无法具体表征流域内城市间碳排放效率相关程度的空间布局。局部MoranI指数将全局MoranI分解为单个城市与其周边城市碳排放效率的空间相关性，计算公式如下：

LocalIi=xi－∑jwij（xj-）∑ixi－2/n（3）

2碳排放效率驱动因素分析

本文分别构建了静态空间面板数据模型与动态空间面板数据模型。

（1）空间杜宾模型（SpatialDurbinModel）。由于本文选用数据为黄河流域56个地级市在2006—2020年间的面板数据，驱动因素对碳排放效率的影响力可能随时间、个体不同而存在异质性，时间与空间双固定的模型设定更为合适。考虑到相邻经济体（地市）的碳排放效率驱动因素可能存在空间溢出效应，而空间杜宾模型可同时考察空间自相关与空间交互效应的优点，是空间滞后模型与空间误差模型的一般形式，因此本文选择时间与空间双固定的空间杜宾模型（SDM），且下文将进一步验证所选模型的合理性，表达式如下：

lnCEi，t=β0+ρWlnCEi，t+β1lnPi，t+β2lnTi，t+β3lnPGDPi，t+β4lnESi，t+β5lnOPi，t+β6lnINi，t+β7lnURi，t+θ1WlnPi，t+θ2WlnTi，t+θ3WlnPGDPi，t+θ4WlnESi，t+θ5WlnOPi，t+θ6WlnINi，t+θ7WlnURi，t+μi+τi+εi，t（4）

式（4）中，β代表驱动因素的直接效应系数，即各驱动因素对本地碳排放效率的影响；θ代表驱动因素的间接效益系数，即对临近地区碳排放效率的影响；W为邻接空间权重矩阵，由Arcgis软件构建；μi、τi与εit分别表示城市固定效应、时间固定效应与随机误差项。

（2）动态空间杜宾模型（DynamicSpatialDurbinModel）。为了进一步分析碳排放效率的时间滞后效应与空间溢出效应，将碳排放效率滞后项纳入解释变量中，测度前期的碳排放效率对当期本地以及邻近地区碳排放效率的驱动作用。表达式如下：

lnCEi，t=β0+ρWlnCEi，t+λlnCEi，t-1+ηWlnCEi，t-1+β1lnPi，t+β2lnTi，t+β3lnPGDPi，t+β4lnESi，t+β5lnOPi，t+β6lnINi，t+β7lnURi，t+θ1WlnPi，t+θ2WlnTi，t+θ3WlnPGDPi，t+θ4WlnESi，t+θ5WlnOPi，t+θ6WlnINi，t+θ7WlnURi，t+μi+τi+εi，t（5）

式（5）中，λ为碳排放效率的时间滞后自回归系数，即上期本地碳排放效率对本期本地碳排放效率的影响；η为其空间滞后自回归系数，即上期本地碳排放效率对本期邻近地区碳排放效率的影响。

（3）时空异质性分析。空间面板测度得到的驱动要素系数仅代表全样本的平均状况，无法进行时空对比分析，因此，本文采用GTWR模型探究碳排放效率驱动因素的时空分异特征。GTWR模型是将时间因子引入GWR的改进模型，其表达式如下：

yi=β0ui，vi，ti+∑dk=1βkuivi，tixik+εi，i=1，2，…，n（6）

式（6）中，yi（i=1，2，…，n）与xi（k=1，2，…，d）分别表示因变量Y与自变量X在观测点i的观测值；ui，vi与ti分别代表观测点i的经纬度坐标与时间；βk代表观测点i的未知参数；ε是服从标准正态分布的误差项。

由于不同时空维度下的观测点具有不同的影响力，本文引入Gaussiankernel函数测度的时空权重矩阵Wi（u0，v0，t0），对不同的观测点进行赋权，以测算观测点（u0，v0，t0）的未知参数βk（u0，v0，t0），如下所示：

β^ku0，v0，t0=［XTW（u0，v0，t0）X］－1XTW（u0，v0，t0）Y（7）

四、计量分析

（一）碳排放效率的空间相关性分析

在由公式（1）计算得到的碳排放效率基础上，根据公式（2），使用STATA软件测算得到样本期间黄河流域碳排放效率的全局MoranI为0115，且通过了1%的显著性检验，表明黄河流域碳排放效率的空间分布存在显著的正相关特征，城市碳排放效率易受其周边地区影响，与邻近地区的碳排放效率较为接近。

为具体分析黄河流域碳排放的空间布局，根据公式（3），采用局部MoranI测度碳排放效率的区域关联性与空间异质性，将碳排放效率集聚区分为四种类型，分别为：高-高集聚区、低-低集聚区、高-低集聚区、低-高集聚区与不显著区域。结果表明：黄河流域碳排放低效率区域存在溢出效应，辐射影响周边区域，使得集聚区范围进一步扩大；而碳排放高效率区域表现出极化效应，对周边城市辐射作用较小。高-高集聚区在2006—2010年间变化不大，主要集中于榆林、延安、临汾等黄河流域中游城市，在样本中后期转移至菏泽、开封、郑州、焦作、新乡等黄河流域中下游城市，并未发挥明显的扩散效应。低－低集聚区在初期阶段主要分布在白银、武威、西宁等西部城市，这些城市生态环境相对脆弱，科技水平较低且粗放式经营为主要发展模式，因此碳排放效率较低，而在后期向长治、鄂尔多斯、包头、吴忠、银川、石嘴山等流域中部以及西北部资源型与工业型城市扩增，低－低集聚区呈现明显的溢出效应。低－高集聚区分布相对扩散，其范围先增加而后减少，在后期阶段转移至濮阳、滨州等黄河流域中下游城市。高－低集聚区较少，仅2006年出现于鄂尔多斯，而在2019年后鄂尔多斯转为低－低型城市，这可能与鄂尔多斯作为继山西省的能源后备基地有关。

（二）碳排放效率驱动因素的空间分析

本文使用STATA软件对空间计量模型对选用模型进行检验，检验过程如下：

1LM检验：空间误差检验中MoranI、LM-error与RobustLM-error的p统计值以及空间滞后检验中LM-lag与RobustLM-lag的p统计值均通过1%的显著性检验，表明应当进行空间分析。

2Hausman检验：Hausman检验用于决定选择固定效应或随机效应，结果表明，Hausman统计值为4676，且在1%的显著性水平下拒绝原假设，应当选择固定效应模型。

3LR检验：首先使用LR检验判断空间杜宾模型是否会退化为空间误差模型或空间自回归模型，结果表明SAR模型与SEM模型的LR值均在5%的显著性水平下拒绝原假设，表明在本文中空间杜宾模型优于空间误差模型与空间自回归模型。进一步使用LR检验空间固定、时间固定以及双固定何为最优，最终显示空间固定模型与时间固定模型的LR值均通过1%的显著性检验，再次验证双固定效应下的空间杜宾模型适用于驱动因素影响分析。

基于公式（4），本文对碳排放效率驱动因素的空间效应进行分解，表1展示了各因素影响效应的静态分解结果。具体而言，人口规模（lnP）的直接效应显著为正，而其间接效应未通过显著性检验，说明人口规模扩张对本地区碳排放效率提高具有显著的促进作用，验证了假设H1，这是由于人口密度增加过程伴随着人口空间集聚分布，提高了城市基础设施与能源资源利用效率，在一定程度上对本地区产生减碳效果。而人口规模扩张对邻近地区碳排放效率的间接效应为正但不显著，说明人口的锁定效应大于辐射效应，本地人口增加对周边地区碳排放效率溢出效应不明显。

技术进步（lnT）的直接效应显著为正，而其间接效应不显著，总效应显著为正，验证了假设H2。黄河流域传统型产业居多，在“灰色经济”向“绿色经济”转型过程中，技术进步能有效扭转对重型化产业的路径依赖，显著降低污染排放。新技术研发一方面有助于提高生产过程中的能源使用效率，节约资源投入，增加经济产出，从而促进碳排放效率提升；另一方面，随着新技术的普及，生活方式绿色低碳化转型，直接降低碳排放强度，提高碳排放效率。同时，技术进步对周边区域的溢出效应有限，这可能由于区域联动机制尚不完善，阻碍了技术进步空间外溢效应的发挥。

经济发展（lnPGDP）的直接效应显著性为正，而其间接效应显著为负，总效应显著为正，即本地经济水平每增长1%，本地的碳排放效率将提高1051%，而邻近城市的碳排放效率将降低0448%，整体碳排放效率将提高0604%，验证了假设H3，说明黄河流域经济高质量发展对本地区的节能减碳产生明显效果。近年来，黄河流域经济转型逐渐改善了以往粗放型经济增长方式，低碳经济与可持续发展的政策导向使当地政府更加重视环境保护与清洁能源开发。同时，绿色经济绩效考核机制促使地方政府严格监管企业环境，经济增长不再以牺牲环境为代价。而本地经济增长将引发污染型产业向外转移，可能致使周边地区碳排放量增加，因此本地经济发展对周边城市碳排放效率的溢出效应为负。

对外开放（lnOP）的直接效应显著为正，证明“污染光环”假说成立，验证了假设H5。对外贸易发展有利于跨国公司学习低碳生产技术与环境管理经验，优化贸易结构，推广清洁能源，刺激外资企业革新生产技术，实现高耗能产业转型升级，从而发挥结构效应、技术效应与规模效应。其间接效应与总效应均不显著，说明对外开放对周边城市碳排放效率不存在空间溢出效应。

能源结构（lnES）、城镇化率（lnUR）和产业结构（lnIN）的直接效应与空间效应均不显著，分别证伪了假设H4、假设H6、假设H7。近年来，虽然有关黄河流域治理方面一直强调产业结构优化问题，但依然存在产业结构内部不合理问题，高端产业门类少，第二产业结构重型化，传统服务业在第三产业内部占比偏大，产业链条持续优化与结构不合理现象并存，产业调控政策对碳排放效率的影响并未显现。能源结构系数不显著也进一步印证了黄河流域部分地区依托能源禀赋发展资源密集型产业的路径选择。城镇化所带来的集聚效应有利于提高能源效率，优化减排设施，但年轻人口作为城镇化与污染排放的主要驱动力，其大量的碳排放导致低碳排放效率的空间极化分布，因此极化效应与集聚效应互抵使得城镇化对碳排放效率的作用不明显。

基于公式（5），本文进一步分解了各因素的动态空间效应。限于篇幅，表2仅展示人口规模、技术进步与经济发展等三个主要驱动因素的动态空间效应分解结果。可以看出，人口规模、技术进步和经济发展的直接效应与间接效应的作用方向及强度与静态分析结果相似。不同的是，动态分析将直接效应与间接效应进一步分解为短期效应与长期效应，以分析加入时间因素前后各驱动因素对碳排放效率的影响对比。具体而言，这三大主要驱动因素的长期影响均大于其短期影响，即人口规模、技术进步与经济发展均对碳排放效率产生更为长远的深刻影响，进一步佐证了经济政策存在时滞性。

（三）碳排放效率驱动因素的时空异质性分析

从黄河流域碳排放效率的空间分析可以看出，不同区域的碳排放效率存在差异且随时间发生变化，而空间面板分析仅对区域整体的驱动因素进行探究，探究结果可知人口规模、经济发展与技术进步是碳排放效率的主要驱动因素，但未能具体分析碳排放效率时空差异背后三大驱动因素的时空差异，因此根据公式（6）与公式（7），本文使用GTWR模型对人口规模、技术进步与经济发展的影响作用进行时空异质性分析，经过计算，AIC为31428，方差膨胀因子（VIF）为303，R2为0821，说明模型适用性较好，具体分析如下：

人口规模的系数取值范围为-089～112，就区域而言，济南、淄博、东营、济宁、泰安、临沂、滨州、德州等城市的人口系数较大且为正数，说明这些地区人口的集聚效应大于规模效应，山东多数城市人口密度高，人口集聚提高城市基础设施运行成本的分担率，共享节能减排设施以实现碳减排，使得人口增加并对碳排放效率产生提升作用。而中卫、石嘴山、武威、包头、巴彦淖尔等城市人口规模系数较小甚至为负，说明这些城市人口的规模效应大于集聚效应，从而对碳排放效率起抑制作用，人口规模增加导致能源消费与污染排放增多，不利于碳排放效率提高。从时间角度来看，大多数城市人口规模对碳排放效率的提升作用越来越大，集聚效应占据主导地位，譬如朔州、忻州、呼和浩特、西安、宝鸡、咸阳、兰州、白银、天水、平凉、庆阳、定西、吴忠、中卫等城市，说明虽然流域内有些城市人口密度增加不利于绿色发展，但随着环境政策与人口调控政策的实施，合理的人口集聚与流动使得人口规模对生态环境产生正外部性。

技术进步的系数取值范围为-061～003，说明黄河流域大多数城市的科技投入并没有带来碳排放效率的提升，尤其是呼和浩特、包头、乌兰察布、巴彦淖尔等城市的技术进步系数更低，这些城市科技研发水平落后，经济发展模式相对粗放，科研进步对环境的影响力偏弱，这些城市科技发展空间较大，亟须开发绿色生产技术，破解发展难题。从时间趋势看，目前黄河流域大多数城市技术进步的系数为负，然而，西安、铜川、咸阳、宝鸡、渭南、延安、兰州、白银、天水、平凉、西宁等城市技术进步的系数增长趋势明显，原因可能在于政府对清洁能源研发的财政投入使市场淘汰了一些逐利性落后生产技术，低碳技术研发的“学习效应”逐渐显现，技术进步在长期对碳排放效率提升具有较大潜力。

经济发展的系数取值范围为-039～087，就区域差异而言，部分城市经济发展会导致其碳排放效率降低，譬如西安、铜川、宝鸡、咸阳、渭南在样本期间的平均系数均小于0，说明经济发展对碳排放效率起消极作用，尚未达到EKC曲线转向高质量发展的拐点，经济状况依然是以能源消耗与污染排放为代价的低效率增长，亟须向低排放高效率发展模型转型；太原、阳泉、朔州、忻州、吕梁、临沂、滨州、济南、淄博、东营等城市经济发展系数较高，这些城市经济转型发展取得一定进展，如山东部分城市新旧动能转换与腾笼换鸟战略的实施，有效调控污染型企业的环境问题，提高碳排放效率。就时间差异而言，运城、临沂、呼和浩特、包头、鄂尔多斯、巴彦淖尔、三门峡、西安、铜川等城市的经济发展系数随时间推移而不断增加，说明这些城市经济增长逐步向高质量发展转型，对碳排放效率的促进作用越来越大；而郑州、开封、安阳、新乡、焦作、濮阳等城市的经济发展系数逐渐减小，部分城市甚至出现负数，说明这些城市经济发展对碳排放效率的促进作用有限，城市间的经济竞争导致碳排放效率降低，产生环境“逐底”竞争效应。

五、结论与启示

在“双碳”目标与绿色化转型背景下，经济发展模式低碳转型是中国构建绿色产业链的关键举措。相较于发达地区，欠发达地区经济发展承受着“赶速度”与“转模式”的双重压力，既要补齐经济增速与质量效益短板，又要转变传统高能耗发展模式，发展低碳经济。本文以黄河流域为例，采用Super-SBM模型测度碳排放效率，并分析其空间分布格局，在此基础上分别进行静态空间面板与动态空间面板分析，检验碳排放效率影响因素的作用机制，并进一步使用GTWR模型测度人口规模、经济发展与技术进步对碳排放效率影响的时空异质性。研究结果表明：（1）在空间分布上，黄河流域碳排放效率具有“集聚”与“分异”并存的特点，高碳排放效率区域出现极化效应，低碳排放效率区域出现扩散效应，这是由于欠发达地区工业化进程对传统能源消耗量较多，高碳排放效率的空间溢出效应不明显，没有发挥好示范作用，而低碳排放效率区域的经济发展劣势使其容易成为“环境避难所”，防止低碳排放效率外溢的关键在于实现经济高质量发展。（2）影响因素测算结果表明，碳排放效率具有时间惯性与雪球效应，即上一期碳排放效率会影响本期碳排放效率，这意味着碳减排政策效果的发挥需要长效机制；人口规模扩大有利于发挥集聚效应，因此对碳排放效率具有正的直接效应；经济发展为欠发达地区提升碳排放效率提供了原始动力，其水平提高将产生规模经济，对本地碳排放效率具有正的直接效应，但是本地经济发展导致的污染转移对周边地区造成外部不经济，降低了邻近区域的碳排放效率；技术进步是经济发展的内生动力，能有效降低传统能源消耗，促进碳排放效率提高；对外开放引进了先进的绿色管理经验与低碳技术，推动本地产业结构优化调整，对本地区碳排放效率发挥正的直接作用。（3）碳排放效率驱动因素存在明显的时空分异特征，其中，人口规模、技术进步与经济发展是三个主要驱动因素。究其原因，首先，人口规模扩大使人口流动活跃，城市承载力差异使人口与环境的关系存在动态变化，不同时空情境下人口对碳排放效率的影响具有差异。其次，地方政府与企业对科研政策响应程度不同，且技术推广受到地域市场分割的影响，导致技术创新的节能减碳效果存在区域差异，而技术进步的学习效应使其在长期内具有提升潜力。最后，由于地方财政、晋升激励与地区分工不同，即使在同一流域的不同行政区内，市场分割现象依然存在，导致经济发展不平衡，且由于区域间动态比较优势的存在，这种不平衡状态并非一成不变，因此经济发展对碳排放效率的影响也因时空差异而变化。

基于上述研究结论，本文得出以下启示：

第一，提升碳排放效率需要因地制宜，并建立城市间协同合作机制。对于碳排放效率高－高集聚类型城市应当转极化效应为扩散效应，充分发挥环境优势的同时，加强对周边城市的“反哺”力度，扩大高效率区域范围；对于低－低集聚类型城市，建立权责明确的生态补偿机制，实行严格的生态补偿标准，防止低效率区域转移扩散，同时，进一步完善欠发达地区碳市场制度，通过碳交易市场激励行为提升区域低碳效率，建立良好的市场秩序与良性竞争，推动城市间“逐底竞争”转变为“逐顶竞争”。

第二，重视人口集聚、技术进步、经济发展与对外开放对碳排放效率的驱动作用。合理调控人口规模，推广低碳生活方式。提高欠发达地区的经济发展质量，完善市场制度，打破市场壁垒，加快要素流动，缩小区域间技术差距，推动新技术研发成果推广与新旧动能转换，实现能源密集型产业向现代高新技术型产业的绿色化转型，依靠技术进步摆脱资源型产业的传统路径依赖，实现了要素投入不变情况下经济产出增加与碳排放降低。扩大对外贸易，开展对外合作，提高欠发达地区城市在全球价值链中的嵌入度，充分发挥“污染光环”效应，并利用全球价值链嵌入的“追赶效应”改善欠发达地区的碳排放效率。

第三，制定政策与开展生产活动时要注意碳排放效率自身的滞后性特征，深入贯彻可持续发展观，强化实施领导干部的“离任审计”与“终身问责”制度，避免低碳排放效率的“雪球效应”，以本期污染降低带动下期绿色发展，形成高产出低排放的长期良性循环。政府应加强对企业清洁生产技术研发补贴，建立低碳技术创新补偿机制，并鼓励社会资本建立技术推广基金，统筹建设重点实验室与创新中心，推动产学研企协同发展，加快环保型技术研发。

第四，实施差异化分城市治理方案，充分发挥区域间比较优势，高效对接全区域产业链，搭建上中下游紧密联系的低碳高产出产业协同可持续发展平台。经济发展较好的下游区域需要树立低碳发展观，构建区域间协同降碳格局，避免政府间经济博弈对低碳技术的抑制作用，并在自身经济发展与科技进步驱动碳排放效率提升的同时，发挥辐射带动作用，释放低碳技术红利。碳污染较严重的内陆区域需要培育优势绿色产业，提升承接产业转移能力的同时加强环境规制，政府合理干预，避免“污染避难所”效应。

参考文献：

［1］郭付友，佟连军，仇方道，等.黄河流域生态经济走廊绿色发展时空分异特征与影响因素识别［J］.地理学报，2021，76（3）：726-739.

［2］王首然，祝福恩.生态文明建设整体布局下实现“双碳”目标研究［J］．理论探讨，2022（3）：125-129.

［3］杜海波，魏伟，张学渊，等.黄河流域能源消费碳排放时空格局演变及影响因素——基于DMSP/OLS与NPP/VIIRS夜间灯光数据［J］.地理研究，2021，40（7）：2051-2065.

［4］王兆峰，杜瑶瑶.基于SBM-DEA模型湖南省碳排放效率时空差异及影响因素分析［J］.地理科学，2019，39（5）：797-806.

［5］李焱，李佳蔚，王炜瀚，等.全球价值链嵌入对碳排放效率的影响机制——“一带一路”沿线国家制造业的证据与启示［J］.中国人口·资源与环境，2021，31（7）：15-26.

［6］徐英启，程钰，王晶晶.中国资源型城市碳排放效率时空演变与绿色技术创新影响［J］.地理研究，2023，42（3）：878-894.

［7］武戈，郑哲贝，周五七.我国工业碳解锁动态演变进程及其影响因素研究［J］.商业研究，2017（2）：43-49.

［8］张赫，黄雅哲，王睿，等.中国县域碳排放脱钩关系及其时空特征演变［J］.资源科学，2022，44（4）：744-755.

［9］王少剑，谢紫寒，王泽宏.中国县域碳排放的时空演变及影响因素［J］.地理学报，2021，76（12）：3103-3118.

［10］张明斗，闫昱睿.低碳战略能否增强城市经济发展与生态环境的协调性——基于低碳城市试点的准自然实验［J］．广东财经大学学报，2023，38（3）：24-37.

［11］李波，王春妤，张俊飚.中国农业净碳汇效率动态演进与空间溢出效应［J］.中国人口·资源与环境，2019，29（12）：68-76.

［12］朱泳丽，丁利杰.长三角城市群碳排放强度的空间效应及影响因素——基于产业转移视角［J］.资源科学，2022，44（7）：1373-1387.

［13］谢荣辉.绿色技术进步、正外部性与中国环境污染治理［J］.管理评论，2021，33（6）：111-121.

［14］杨露鑫，刘玉成.环境规制与地区创新效率：基于碳排放权交易试点的准自然实验证据［J］.商业研究，2020（9）：11-24.

［15］邵帅，张可，豆建民.经济集聚的节能减排效应：理论与中国经验［J］.管理世界，2019，35（1）：36-60，226.

［16］卢娜，王为东，王淼，等.突破性低碳技术创新与碳排放：直接影响与空间溢出［J］.中国人口·资源与环境，2019，29（5）：30-39.

［17］王正，樊杰.能源消费碳排放的影响因素特征及研究展望［J］.地理研究，2022，41（10）：2587-2599.

［18］刘华军，田震，石印.中国二氧化碳排放的空间差异及其双维内在结构解析：2000—2019年［J］.地理研究，2023，42（3）：857-877.

［19］张希良，黄晓丹，张达，等.碳中和目标下的能源经济转型路径与政策研究［J］.管理世界，2022，38（1）：35-66.

［20］屈小娥，骆海燕.中国对外直接投资对碳排放的影响及传导机制——基于多重中介模型的实证［J］.中国人口·资源与环境，2021，31（7）：1-14.

［21］高国力，文扬，王丽，等.基于碳排放影响因素的城市群碳达峰研究［J］.经济管理，2023，45（2）：39-58.

［22］王锋，秦豫徽，刘娟，等.多维度城镇化视角下的碳排放影响因素研究——基于中国省域数据的空间杜宾面板模型［J］.中国人口·资源与环境，2017，27（9）：151-161.

［23］陈浩，郑洁.技术进步和产业结构调整对中国碳排放强度的影响［J］.商业研究，2022（6）：1-12.

［24］赵明亮，刘芳毅，王欢，等.FDI、环境规制与黄河流域城市绿色全要素生产率［J］.经济地理，2020，40（4）：38-47.

［25］黄河文化百科全书编纂委员会.黄河文化百科全书［M］.成都：四川辞书出版社，2000.

［26］ChenJ，GaoM，ChengS，etal.County-levelCO2EmissionsandSequestrationinChinaDuring1997-2017［J］.ScientificData，2020;7：391.

Spatio-temporalEvolutionandDriversofCarbonEmissionEfficiency

inUnderdevelopedRegionsunderthe“Dual-Carbon”Goal

——HeterogeneityAnalysisofSuper-efficientSBMandGTWRModels

ZHANGJingxue，WANGHaijie

（Businessschool，ZhengzhouUniversity，Zhengzhou450001，China）

Abstract：Undertheconstraintof“dual-carbon”target，thetraditionalhigh-carboneconomicgrowthmodeinlessdevelopedregionsisunsustainable.Howtoreducecarbonemissionswhilemaintainingsteadyeconomicdevelopmentisanimportantchallengeforlessdevelopedregions.Thispapermeasuresthecarbonemissionefficiencyoftypicalunderdevelopedregionsduringtheperiodof2006-2020basedonthesuper-efficientSBMmodel，exploresthespatio-temporalevolutionpatternofcarbonemissionefficiency，measurestheinfluencingfactorsofcarbonemissionefficiencybyadoptingthespatialpaneleconometricmodel，andinvestigatestheheterogeneityofthedrivingfactorsbyapplyingtheGTWRmodel.Thestudyshowsthatinlessdevelopedregions，thehigh-highconcentrationareasofcarbonemissionefficiencyshowthepolarizationeffect，whilethelow-lowconcentrationareasshowthespillovereffect;thepopulationsize，technologicalprogressandeconomicdevelopmentarethemaindrivingfactorsaffectingthecarbonemissionefficiency，andthecarbonemissionefficiencyisaffectedbyitsownlageffect;thedrivingfactorsarecharacterizedbyspatio-temporalheterogeneity，andtheenvironmental“bottomingout”competitioneffectexistsinregionswithalowlevelofeconomicdevelopment，andthepopulationagglomerationeffectisgraduallyincreasinginmostcities，andtechnologicalprogressshowsa“learningeffect”.Therefore，itisnecessarytopromoteinter-regionalsynergisticmanagementofcarbonpollution，implementlow-carbondevelopmentstrategiesaccordingtolocalconditions，andpromotethegreendevelopmentofunderdevelopedregions.

Keywords：carbonemissionefficiency;spatio-temporalevolution;drivingfactors;heterogeneity

（责任编辑：周正）