李平星

1 中國科學(xué)院南京地理與湖泊研究所, 南京 210008 2 中國科學(xué)院流域地理學(xué)重點實驗室, 南京 210008

世界環(huán)境與發(fā)展委員會將可持續(xù)發(fā)展定義為“滿足當代人類的需求而不損害子孫后代滿足他們自己需求的能力”[1-2],開展可持續(xù)發(fā)展水平評估是解析發(fā)展問題并尋求相應(yīng)對策的科學(xué)基礎(chǔ)。生態(tài)效率兼顧經(jīng)濟社會活動的生態(tài)環(huán)境影響與經(jīng)濟社會效益,在評價可持續(xù)發(fā)展水平方面被學(xué)者廣泛應(yīng)用,其評價涉及從微觀到宏觀的企業(yè)、行業(yè)、區(qū)域與國家等多個層面[3- 5]。生態(tài)效率的概念由Schaltegger和Sturn兩位學(xué)者于1990年首次在學(xué)術(shù)界提出,指的是經(jīng)濟社會活動產(chǎn)生的增加值與其對環(huán)境造成的破壞之比,其核心思想是以較少的資源消耗、較小的環(huán)境影響創(chuàng)造較高的社會價值[6- 7]。Claude Fussler將生態(tài)效率的概念引入我國,學(xué)者在方法探討、指標選擇、效率評價、因素解析等方面開展了大量研究工作[8-9]。資源消耗及其產(chǎn)出效率是生態(tài)效率評價的重要領(lǐng)域,在全球氣候變化、中國節(jié)能減排的背景下,能源效率研究成為近年來學(xué)者關(guān)注的焦點[5,10-11],研究內(nèi)容包括評價指標、評價方法與模型,以及能源效率的時序變化規(guī)律、空間差異特征、影響因素等[12- 16]。評價指標與方法的選擇是研究開展的基礎(chǔ),包括基于全要素生產(chǎn)理論的能源效率評價[11,17-18]、能源消費與非期望產(chǎn)出的關(guān)系評價[19-20]、整合非期望產(chǎn)出與期望產(chǎn)出的效率評價[21]等。

碳排放是能源消費的非期望產(chǎn)出之一,是全球氣候變化的直接影響因素,也與經(jīng)濟社會發(fā)展有直接關(guān)系[22]。作為全球最大的碳排放國家,中國能否有效控制碳排放對于全球氣候變化有不可忽視的意義[23]。能源生態(tài)效率研究往往將碳排放作為效率評價的表征指標或非期望產(chǎn)出,以此反映碳排放與經(jīng)濟增長之間的關(guān)系,如 Wang 等構(gòu)建了考慮CO2排放量在內(nèi)的環(huán)境效率、經(jīng)濟效率、經(jīng)濟-環(huán)境效率評估指標研究開展碳減排與經(jīng)濟增長的情景研究[24]；王強等將GDP與碳排放量融合成一項綜合產(chǎn)出指標研究中國區(qū)域能源效率時空分異特征[21]；Zaim和Taskin[22]、Rashidi和Frazipoor Saen[25]將碳排放作為非期望產(chǎn)出之一,綜合其他指標衡量部分OECD國家的生態(tài)效率；關(guān)偉和許淑婷綜合CO2排放量與其他污染物排放等非期望產(chǎn)出測度能源生態(tài)效率,研究中國能源生態(tài)效率的空間格局[5]；等等。雖然已有研究通過碳排放規(guī)模、排放強度等揭示了經(jīng)濟發(fā)展帶來的環(huán)境效應(yīng)[26- 29],但是缺乏基于效率視角的研究,而且偏重于碳排放與經(jīng)濟產(chǎn)出的關(guān)系、較少涉及碳排放的社會效應(yīng)。此外,大量研究主要集中在國家、省等宏觀尺度,對城市關(guān)注較少。

與規(guī)模、強度不同,效率從產(chǎn)出視角研究碳排放帶來的經(jīng)濟社會效益,可以更加直接地反映碳排放對經(jīng)濟社會的支撐能力,碳生態(tài)效率越高,表明同樣的碳排放帶來的經(jīng)濟社會效益越大[5]。因此,依托生態(tài)效率、能源生態(tài)效率以及碳排放與經(jīng)濟社會發(fā)展關(guān)系的研究基礎(chǔ),本文提出碳生態(tài)效率的概念,作為衡量生態(tài)效率和能源生態(tài)效率的具體表征,核心導(dǎo)向是以較少的碳排放創(chuàng)造較高的經(jīng)濟社會收益?；凇吧鐣?經(jīng)濟-自然復(fù)合生態(tài)系統(tǒng)”的內(nèi)涵[30],從自然系統(tǒng)的合理性、經(jīng)濟系統(tǒng)的利潤和社會系統(tǒng)的效益3個維度進行構(gòu)建評價指標,以碳排放反映自然系統(tǒng)的合理性和環(huán)境影響,以地區(qū)生產(chǎn)總值體現(xiàn)經(jīng)濟系統(tǒng)的利潤,以常住人口規(guī)模體現(xiàn)社會系統(tǒng)的效益,即以單位碳排放的GDP(地區(qū)生產(chǎn)總值,gross domestic product)產(chǎn)出和單位碳排放的人口承載規(guī)模表征碳生態(tài)效率。在此基礎(chǔ)上,以經(jīng)濟關(guān)聯(lián)密切的泛長三角地區(qū)為案例,研究地市尺度碳生態(tài)效率的時空差異和影響因素,旨在推動研究由碳排放總量、強度向碳生態(tài)效率深化、由省域尺度向城市尺度延伸,并揭示經(jīng)濟社會格局變化過程中碳生態(tài)效率的區(qū)域差異,為發(fā)展低碳經(jīng)濟、推進區(qū)域協(xié)同減排提供參借鑒和示范。

1 研究區(qū)與研究方法

1.1 研究區(qū)概況

圖1 泛長三角地區(qū)位置與行政區(qū)劃圖Fig.1 Location and administrative map of PYRD

泛長三角地區(qū)包含上海市以及江蘇、浙江、安徽、江西四省,是長江三角洲世界級城市群及其輻射帶動的區(qū)域。不考慮2011年安徽省巢湖市拆分因素,地區(qū)共52個市。其中上海市和江蘇省的南京市、無錫市、常州市、蘇州市、鎮(zhèn)江市、南通市、揚州市、泰州市,浙江省的杭州市、嘉興市、湖州市、寧波市、紹興市、臺州市、舟山市,共16個市作為泛長三角地區(qū)的核心區(qū),其余36個城市作為外圍地區(qū)[31](圖1)。2000—2014年,地區(qū)生產(chǎn)總值、人口規(guī)模分別增長491.39%和2.55%,能源消費導(dǎo)致的碳排放量從2.41億噸增長至8.44億噸,呈現(xiàn)總量增長快、區(qū)域差異大的特征[32-33]。受到經(jīng)濟發(fā)展、人口分布格局變化因素的影響,碳生態(tài)效率時空格局可能呈現(xiàn)不同的特征。研究以泛長三角各市能源消費導(dǎo)致的碳排放為對象,基于數(shù)據(jù)可獲得性高、指標簡單明了、反映主要能源消費的碳排放等原則,分別以單位碳排放的GDP產(chǎn)出反映經(jīng)濟效益、以單位碳排放的人口承載規(guī)模反映社會效益,對各市碳生態(tài)效率進行評價。鑒于2011年安徽省拆分巢湖市,為保證年份間數(shù)據(jù)可比性,根據(jù)2014年合肥、蕪湖、馬鞍山三市的統(tǒng)計年鑒、統(tǒng)計公報等數(shù)據(jù)組合出原巢湖市的數(shù)據(jù)。

1.2 研究方法

1.2.1 能源消費碳排放核算

各市能源消費碳排放依據(jù)IPCC碳排放計算指南進行核算[34]。首先,綜合確定各市主要化石能源的消費量,包括原煤、燃料煤、焦炭、原油、汽油等細類[35]；其中,省級層面的數(shù)據(jù)來源于《中國能源統(tǒng)計年鑒》,市級層面的數(shù)據(jù)主要來源于各省和各市的統(tǒng)計年鑒或能源利用狀況白皮書,并通過《中國能源統(tǒng)計年鑒》中的省級層面能源消費數(shù)據(jù)進行校正；鑒于電力、熱力生產(chǎn)導(dǎo)致的能源消費已基本包含在上述主要能源消費中,外來電力導(dǎo)致的碳排放不在本地發(fā)生,故暫不考慮其碳排放。其次,根據(jù)《中國能源統(tǒng)計年鑒》確定的相應(yīng)能源的標準煤折算系數(shù),將各市能源消費的實物量轉(zhuǎn)換為標準煤量。第三,根據(jù)IPCC確定的相應(yīng)能源的碳排放系數(shù)[32,34],得到各市碳排放量。計算公式如下：

(1)

式中,Ci表示i市的碳排放量,Eij表示i市j種能源的消費量,kj表示j種能源的碳排放系數(shù),分別為：原煤、洗精煤,0.7559；焦炭,0.8550；其他焦化產(chǎn)品,0.6449；原油,0.6449；汽油,0.5538；柴油,0.5714；燃料油,0.6185；其他石油制品,0.5857；液化石油氣,0.5042；天然氣,0.4483；焦爐煤氣,0.3548；煉廠干氣,0.4602；其他煤氣,0.3548。

1.2.2 碳生態(tài)效率評價

以單位碳排放的GDP產(chǎn)出和人口承載規(guī)模反映碳生態(tài)效率,計算公式為：

(2)

(3)

式中,Ci表示i市的碳排放量,CEi和CPi分別表示i市的經(jīng)濟產(chǎn)出效率和人口承載效率,GDPi和POPi表示i市的地區(qū)生產(chǎn)總值和常住人口規(guī)模。2000年人口規(guī)模來自《2000年人口普查分縣資料》,2014年人口規(guī)模和2000、2014年地區(qū)生產(chǎn)總值數(shù)據(jù)來自各省市統(tǒng)計年鑒,GDP指該市2000和2014年的名義GDP。

1.3 空間分布格局與影響因素解析

1.3.1 空間自相關(guān)分析

為進一步揭示區(qū)域碳排放總量的空間依賴、空間關(guān)聯(lián)或空間自相關(guān)特征,采用空間自相關(guān)方法度量空間單元屬性值集聚程度[5,36]。全局空間相關(guān)測度研究區(qū)域內(nèi)所有空間對象的總體關(guān)聯(lián)程度、空間分布模式及其顯著性,全局Moran′sI指數(shù)為：

(4)

式(5)為Z檢驗統(tǒng)計量,E(I)為期望,Var(I)為方差。

(5)

全局空間自相關(guān)假定空間同質(zhì),無法反映局部集聚特征,因此進行局部空間自相關(guān)分析。局部空間自相關(guān)反映每個市與相鄰市之間的空間關(guān)聯(lián)程度,局部Moran′sI指數(shù)為[37,38]：

(6)

式中,Ii為i市的局部Moran′sI指數(shù),w為空間權(quán)重矩陣,wij表示空間單元i和j之間的影響程度,zi為z標準化后i市的屬性值。Ii的取值范圍為[-1, 1],小于0表示負相關(guān),值越小,表示該空間單元與鄰近單元的屬性值不相似性越高(L-H聚集、H-L聚集)；等于0表示不相關(guān)；大于0表示正相關(guān),值越大,該空間單元與鄰近單元的屬性值相似性越高(H-H聚集或L-L聚集)。

本文以Geoda為分析軟件,以2014年為對象,采用Univariate LISA(空間關(guān)聯(lián)的局部指標,Local Indicators of Spatial Association)分析碳生態(tài)效率的空間聚類狀況,采用Multivariate LISA分析碳生態(tài)效率與各影響因素之間的空間相關(guān)性。

1.3.2 逐步回歸分析

在通過空間自相關(guān)分析揭示碳生態(tài)效率與影響因素單獨相關(guān)結(jié)果的基礎(chǔ)上,采用逐步回歸分析方法解析關(guān)鍵因素,并避免影響因素的多重共線性問題。碳生態(tài)效率反映碳排放與經(jīng)濟社會發(fā)展之間的關(guān)系,其影響因素與碳排放規(guī)模、強度具有類似性[5,39-40]?？紤]到碳生態(tài)效率更多地體現(xiàn)一種碳排放的效率、而非總量,因此偏重于選擇表示結(jié)構(gòu)、水平等的指標。其中,人均地區(qū)生產(chǎn)總值衡量經(jīng)濟發(fā)展水平,以PCGDP(GDP per capita)表示；城鎮(zhèn)化率衡量城鎮(zhèn)化水平,指城鎮(zhèn)常住人口占比,以URN(Urbanization rate)表示；工業(yè)、服務(wù)業(yè)增加值占地區(qū)生產(chǎn)總值比重表征產(chǎn)業(yè)結(jié)構(gòu),分別以IND(Proportion of industry added value accounting for GDP)和SER(Proportion of service industry accounting for GDP)表示；固定資產(chǎn)投資額、進出口總額占地區(qū)生產(chǎn)總值的比重表示經(jīng)濟增長結(jié)構(gòu),分別以FAI(Proportion of fixed assets investment accounting for GDP)和I&E(Proportion of import & export value accounting for GDP)表示；R&D經(jīng)費占地區(qū)生產(chǎn)總值比重衡量技術(shù)水平,以R&D(Proportion of R&D input accounting for GDP)表示；環(huán)保投資占比衡量對環(huán)境保護和污染治理的重視程度,考慮地市層面數(shù)據(jù)可獲得性,以工業(yè)污染治理投入占工業(yè)增加值的比重計算,以ENV(Proportion of environmental protection investment)表示；煤炭類能源消費量占全部能源消費量的比重衡量能源結(jié)構(gòu),以ENG(Energy Consumption Structure)表示。以2014年碳生態(tài)效率(包括經(jīng)濟產(chǎn)出和人口承載效率)為因變量,回歸分析模型為：

Y=μ+∑k1[PCGDP]+∑k2[URBAN]+∑k3[IND]+∑k4[SER]+∑k5[FAI]+∑k6[I&E]+∑k7[R&D]+∑k8[ENV]+∑k9[ENG]+ε

式中,Y表示經(jīng)濟產(chǎn)出效率或人口承載效率,μ為常數(shù)項,k1—k9表示回歸系數(shù)；[]表示相應(yīng)的解釋變量,ε為隨機誤差。

2 碳生態(tài)效率與空間格局

2.1 經(jīng)濟產(chǎn)出效率

圖2 2000和2014年經(jīng)濟產(chǎn)出效率及分類Fig.2 Economic output efficiency and its classification in 2000 and 2014

2000和2014年,泛長三角地區(qū)的經(jīng)濟產(chǎn)出效率分別為0.99和1.94萬元/噸碳,增長近97%。依據(jù)“Natural Breaks”對各市經(jīng)濟產(chǎn)出效率的分級結(jié)果表明,泛長三角地區(qū)經(jīng)濟產(chǎn)出效率格局呈現(xiàn)明顯的差異,總體呈現(xiàn)低值區(qū)向外圍地區(qū)轉(zhuǎn)移、高值區(qū)向核心區(qū)轉(zhuǎn)移的態(tài)勢(圖2)。2000年,低值區(qū)主要集中在安徽和江西沿江地區(qū),高值區(qū)則主要分布在蘇北和贛南；到2014年,核心區(qū)和浙南的高值區(qū)明顯增多,而外圍的高值區(qū)轉(zhuǎn)變?yōu)橹兄祬^(qū)或中低值區(qū),安徽沿江仍以低值區(qū)和中低值區(qū)為主。2000和2014年,空間自相關(guān)指數(shù)分別為0.2343和0.3399,且兩個年份的檢驗統(tǒng)計量z值均在0.05的置信區(qū)間下通過檢驗,表明經(jīng)濟產(chǎn)出效率存在較強的空間集聚性和互相關(guān)聯(lián)現(xiàn)象,且集聚和關(guān)聯(lián)度明顯增長。

圖3 2000—2014年經(jīng)濟產(chǎn)出效率變化分類 Fig.3 Classification of the variation of economic output efficiency from 2000 to 2014

2000—2014年,各市經(jīng)濟產(chǎn)出效率變化幅度較大,在-43%至455%之間,大部分增速在120%以下、個別城市產(chǎn)出效率降低。根據(jù)實際情況,劃分≤0為降低型、(0,50%]為慢速增長型、(50%,100%]為中速增長型、(100%,200%]為較快增長型、>200%為快速增長型(圖3)?？焖僭鲩L區(qū)主要分布在環(huán)鄱陽湖地區(qū),較快增長區(qū)分布在蘇南地區(qū)和浙江沿江,降低區(qū)主要分布在贛東北和贛南地區(qū),蘇中和蘇北、安徽和浙江的大部分地區(qū)以中速增長和慢速增長區(qū)為主。2000—2014年經(jīng)濟集聚效率增幅的空間自相關(guān)指數(shù)為-0.0494,z值未在0.05置信區(qū)間下通過檢驗,表明各市經(jīng)濟產(chǎn)出效率變化的空間關(guān)聯(lián)特征不明顯,臨近市差異較大。

2.2 人口承載效率

與經(jīng)濟產(chǎn)出效率相比,2000和2014年的人口承載效率分別為0.95人/t和0.31人/t,大幅下降68%。各市分級結(jié)果表明,人口承載效率空間格局變化不明顯,主要表現(xiàn)為外圍地區(qū)高、核心地區(qū)低(圖4)。2000年,核心區(qū)人口承載效率以低值區(qū)和較低值區(qū)為主,而高值區(qū)則分布在蘇北和贛南地區(qū)；到2014年,皖北地區(qū)高值區(qū)增加,贛南地區(qū)仍以高值區(qū)為主,而核心區(qū)仍以低值區(qū)和較低值區(qū)為主。2000和2014年,空間自相關(guān)指數(shù)分別為0.2570和0.2722,z值均在0.05置信區(qū)間下通過檢驗,表明人口承載效率具有一定的空間集聚性和關(guān)聯(lián)現(xiàn)象；與經(jīng)濟承載效率相比,人口承載效率集聚度低、變化小、格局比較穩(wěn)定。

圖4 2000和2014年人口承載效率及分類Fig.4 Population carrying efficiency and its classification in 2000 and 2014

2000—2014年,各市人口承載效率均下降,降幅在-93%至-23%之間,其中大部分市的降幅在-60%以下。根據(jù)實際情況,劃分≤-85%為快速降低型、(-85%,-75%]為較快降低型、(-75%,-65%]為中速降低型、(-65%,-55%]為較慢降低型、>-55%為慢速降低型(圖5)。外圍地區(qū)降幅更大,以快速降低區(qū)和較快降低區(qū)為主,其中贛南是快速降低區(qū)的主要分布區(qū),蘇北和皖北是較快降低區(qū)的主要分布區(qū)。長三角核心區(qū)降幅較小,以較慢降低區(qū)和慢速降低區(qū)為主,兩者交錯分布；中速降低區(qū)處于中間,主要分布于安徽和浙江兩省。2000—2014年人口承載效率增幅的空間自相關(guān)指數(shù)為0.1348,且z值在0.05的置信區(qū)間下通過檢驗,表明人口承載有一定的空間集聚特征,但是空間集聚程度不很高。

圖5 2000—2014年人口承載效率變化分類 Fig.5 Classification of the variation of population carrying efficiency from 2000 to 2014

3 影響因素分析

3.1 碳生態(tài)效率與影響因素空間自相關(guān)分析

3.1.1 經(jīng)濟產(chǎn)出效率

LISA結(jié)果表明,大部分影響因素與經(jīng)濟產(chǎn)出效率具有明顯的關(guān)聯(lián)性,但關(guān)聯(lián)度差異明顯。產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟產(chǎn)出效率影響最為明顯,其中服務(wù)業(yè)占比起到促進作用,而工業(yè)占比則起到抑制作用,表明服務(wù)業(yè)發(fā)展促進經(jīng)濟產(chǎn)出效率的提高,有助于提高單位碳排放的經(jīng)濟產(chǎn)出(表1)。進出口占比、環(huán)保投資占比的正相關(guān)性較高,表明外向經(jīng)濟發(fā)展水平高、環(huán)保投資高的區(qū)域,經(jīng)濟發(fā)展的效率較高。從聚類結(jié)果看,具有正相關(guān)性的因素,如服務(wù)業(yè)占比、進出口總額占比、環(huán)保投資占比、人均地區(qū)生產(chǎn)總值、城鎮(zhèn)化率等,以H-H和L-L集聚區(qū)為主,前者主要分布在經(jīng)濟發(fā)達的東部沿海地區(qū),后者主要分布在經(jīng)濟發(fā)展相對落后、碳生態(tài)效率較低的西部沿江地區(qū)(圖6)。負相關(guān)的因素,如工業(yè)占比、固定資產(chǎn)投資占比等,以H-L和L-H集聚區(qū)為主,前者分布在東部沿海地區(qū),而后者分布在西部沿江地區(qū)。

3.1.2 人口承載效率

與經(jīng)濟產(chǎn)出效率相比,各因素與人口承載效率的相關(guān)性全部相反,對經(jīng)濟產(chǎn)出效率起促進作用的因素,對人口承載效率起抑制作用(表1)。與人口規(guī)模與結(jié)構(gòu)相關(guān)的兩個因素,人均地區(qū)生產(chǎn)總值、城鎮(zhèn)化率對人口承載效率起到較強的抑制作用,表明經(jīng)濟越發(fā)展、城鎮(zhèn)化水平越高,人口承載效率越低。服務(wù)業(yè)占比、進出口總額占比、R&D投資占比等也起到較強的抑制作用,而固定資產(chǎn)投資占比、能源結(jié)構(gòu)起促進作用,表明固定資產(chǎn)投資占比高、煤炭消費占比高的地區(qū),人口承載效率較高,即人均碳排放量較少。負相關(guān)性較高的因素,如人均地區(qū)生產(chǎn)總值、城鎮(zhèn)化率、R&D投資占比等空間聚類格局類似,H-L集聚區(qū)集中在江蘇-浙江-安徽三省交界地區(qū),該類城市的影響因素值較高、人口承載效率較低；L-H集聚區(qū)主要分布于安徽北部和江西南部,該類城市的影響因素值較低、人口承載效率較高(圖7)。

表1 碳生態(tài)效率與影響因素的全局Moran′s I指數(shù)

PCGDP,人均地區(qū)生產(chǎn)總值,GDP per capita；URN,城鎮(zhèn)化率,Urbanization rate；IND,工業(yè)增加值占地區(qū)生產(chǎn)總值比重,Proportion of industry added value accounting for GDP；SER,服務(wù)業(yè)增加值占地區(qū)生產(chǎn)總值比重,Proportion of service industry accounting for GDP；FAI,固定資產(chǎn)投資額占地區(qū)生產(chǎn)總值比重,Proportion of fixed assets investment accounting for GDP；I&E,進出口總額占地區(qū)生產(chǎn)總值比重,Proportion of Import & Export value accounting for GDP；R&D,R&D經(jīng)費占地區(qū)生產(chǎn)總值比重,Proportion of R&D input accounting for GDP；ENV,以工業(yè)污染治理投入占工業(yè)增加值比重衡量環(huán)保投資占比,Environmental protection investment proportion；ENG,以煤炭類能源消費量占全部能源消費量的比重衡量能源結(jié)構(gòu),Energy consumption structure

圖6 經(jīng)濟產(chǎn)出效率與影響因素LISA聚類圖Fig.6 LISA cluster maps between economic output efficiency and influencing factorsPCGDP,人均地區(qū)生產(chǎn)總值,GDP per capita；URBAN,城鎮(zhèn)化率,Urbanization rate；IND,工業(yè)增加值占地區(qū)生產(chǎn)總值比重,Proportion of industry added value accounting for GDP；SER,服務(wù)業(yè)增加值占地區(qū)生產(chǎn)總值比重,Proportion of service industry accounting for GDP；FAI,固定資產(chǎn)投資額占地區(qū)生產(chǎn)總值比重,Proportion of fixed assets investment accounting for GDP；I&E,進出口總額占地區(qū)生產(chǎn)總值比重,Proportion of Import & Export value accounting for GDP；R&D,R&D經(jīng)費占地區(qū)生產(chǎn)總值比重,Proportion of R&D input accounting for GDP；ENV,以工業(yè)污染治理投入占工業(yè)增加值比重衡量環(huán)保投資占比,Environmental protection investment proportion；ENG,以煤炭類能源消費量占全部能源消費量的比重衡量能源結(jié)構(gòu),Energy consumption structure。LISA,是空間關(guān)聯(lián)的局部指標,即Local Indicators of Spatial Association,H-H、L-L、H-L和L-H為LISA聚類分析得到的4種空間聚類關(guān)系

圖7 人口承載效率與影響因素LISA聚類圖Fig.7 LISA cluster maps of between population carrying efficiency and influencing factors

3.2 影響因素多元回歸分析

經(jīng)濟產(chǎn)出效率與各影響因素的逐步回歸OLS模型解釋度為58%,衡量產(chǎn)業(yè)結(jié)構(gòu)的兩個指標——服務(wù)業(yè)占比和工業(yè)占比的相關(guān)性最高,表明產(chǎn)業(yè)結(jié)構(gòu)是影響經(jīng)濟產(chǎn)出效率的核心因素,與空間自相關(guān)分析結(jié)果基本一致,說明服務(wù)經(jīng)濟越發(fā)達、工業(yè)經(jīng)濟占比越低的城市,經(jīng)濟產(chǎn)出效率越高(表2)。人口承載效率逐步回歸模型的解釋度為67%,城鎮(zhèn)化率是最主要的抑制因素,城鎮(zhèn)化率越高,人口承載效率越低。其次,工業(yè)增加值占比的抑制作用也很明顯,工業(yè)占比越高、同樣經(jīng)濟產(chǎn)出的能源消耗越大,單位碳排放所承載的人口規(guī)模越小。

表2 碳生態(tài)效率與影響因素回歸結(jié)果

*、**、***分別表示P<0.10、P<0.05、P<0.01；模型因變量分別為經(jīng)濟產(chǎn)出效率和人口承載效率,調(diào)整R2分別為0.580和0.668,均方差為0.196和0.020,F分別為36.892和35.806,Sig.均為0.000

這不同于空間自相關(guān)分析結(jié)果,說明工業(yè)增加值占比雖然具有較高相關(guān)性,卻不是人口承載效率的直接影響因素。此外,人均地區(qū)生產(chǎn)總值的抑制作用較為明顯,表明經(jīng)濟越發(fā)展,人口承載效率越低。研發(fā)投入占比起到較為明顯的抑制作用,研發(fā)投入較高的城市經(jīng)濟較為發(fā)達,其人口承載效率一般較低。

4 討論與結(jié)論

4.1 討論

本文基于“經(jīng)濟-社會-自然復(fù)合系統(tǒng)”理論,以碳生態(tài)效率為研究對象,綜合考慮碳排放量與經(jīng)濟、社會效益的關(guān)系,研究泛長三角地區(qū)各市2000和2014年經(jīng)濟產(chǎn)出和人口承載效率變化,并采用定量分析方法揭示關(guān)鍵影響因素,對于揭示碳排放的經(jīng)濟社會效益、解析時空格局和影響因素、豐富生態(tài)效率理論具有參考價值。

(1)研究認為基于經(jīng)濟和社會綜合效益的碳生態(tài)效率評價更加符合“經(jīng)濟-社會-自然復(fù)合系統(tǒng)”的理論框架,可以較為全面地反映碳排放與經(jīng)濟社會產(chǎn)出的關(guān)系。已有關(guān)于碳排放與經(jīng)濟社會發(fā)展關(guān)系的研究多通過碳排放量、碳排放強度和碳排放經(jīng)濟效率等指標,本文以單位碳排放的GDP產(chǎn)出表征經(jīng)濟效率、以單位碳排放的人口承載規(guī)模表征社會效率,能更加客觀全面地體現(xiàn)低碳經(jīng)濟發(fā)展對碳排放的經(jīng)濟和社會效益雙提升的要求。已有研究往往認為經(jīng)濟產(chǎn)出效率的提高在經(jīng)濟增速高于碳排放增速的情況下可以實現(xiàn),本文針對泛長三角的研究結(jié)論與這一判斷基本一致,泛長三角整體及大部分城市的經(jīng)濟產(chǎn)出效率明顯增長,碳排放量并沒有隨著經(jīng)濟總量的增長而同步增加。這是因為經(jīng)濟發(fā)展往往伴隨著產(chǎn)業(yè)結(jié)構(gòu)改善、能源利用效率提升,使得單位產(chǎn)出的碳排放下降,帶來經(jīng)濟產(chǎn)出效率提升,使得環(huán)境負荷有所下降[24,33]。然而,提高人口承載效率需要人口增速快于碳排放增速,實現(xiàn)難度較大。已有針對特定國家或區(qū)域的研究表明,經(jīng)濟發(fā)展往往意味著生活水平的提高和生活方式的改變,帶來能源消費量和碳排放的增長,導(dǎo)致人均碳排放量增長、人口承載效率下降[41]。本研究結(jié)論證實了這一點,雖然泛長三角人口增速較快,但仍慢于碳排放增速,人口承載效率明顯下降。但是,部分城市已經(jīng)出現(xiàn)指標同步改善的跡象,如上海、南京等經(jīng)濟產(chǎn)出效率明顯增長、人口承載效率降速更低,與其對碳排放進行了更為嚴格的控制、經(jīng)濟增長更快、人口集聚力更強有關(guān)。

(2)經(jīng)濟產(chǎn)出效率和人口承載效率的空間集聚格局及其變化有明顯差異,兩者的影響因素呈現(xiàn)類別相似、作用方向不同的特征。經(jīng)濟產(chǎn)出效率的空間自相關(guān)指數(shù)更高,集聚特征更加明顯,且總體上呈現(xiàn)低值區(qū)向外圍地區(qū)轉(zhuǎn)移、高值區(qū)向核心區(qū)轉(zhuǎn)移的態(tài)勢；而人口承載效率集聚度較低,核心區(qū)的人口承載效率明顯低于外圍地區(qū)。泛長三角核心區(qū)城市的經(jīng)濟發(fā)展水平明顯高于外圍區(qū)城市,其單位地區(qū)生產(chǎn)總值碳排放較低、人均碳排放量較高,導(dǎo)致經(jīng)濟產(chǎn)出效率更高、人口承載效率更低。從時間變化看,核心區(qū)城市經(jīng)濟產(chǎn)出效率整體增長較快,而外圍區(qū)城市的經(jīng)濟產(chǎn)出效率增長較慢、甚至個別城市出現(xiàn)下降。這可能與核心區(qū)城市產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和能源利用效率提升更為明顯、外圍區(qū)城市承接了較多的高能耗產(chǎn)業(yè)相關(guān)[21,32]。兩個效率指標的影響因素也存在明顯差異,總體表現(xiàn)為影響因素種類基本一致、作用方向明顯不同。首先,產(chǎn)業(yè)結(jié)構(gòu)、尤其是服務(wù)業(yè)增加值等是兩者的主要影響因素,但對經(jīng)濟產(chǎn)出效率起到促進作用,表明經(jīng)濟發(fā)展階段越高、服務(wù)經(jīng)濟越發(fā)達,等量的經(jīng)濟產(chǎn)出帶來的碳排放量越小,這與服務(wù)經(jīng)濟高碳能源消耗較少、而工業(yè)經(jīng)濟能源消耗量較大有關(guān)；對人口承載效率起到抑制作用,則說明經(jīng)濟發(fā)達地區(qū)的人均碳排放量越高?？臻g自相關(guān)分析結(jié)果也證實了這一點,經(jīng)濟產(chǎn)出效率與影響因素以同向集聚(H-H和L-L集聚)為主,而人口承載效率與影響因素的關(guān)系更多體現(xiàn)為反向集聚(L-H和H-L集聚)。其次,經(jīng)濟產(chǎn)出效率的影響因素更加簡單和清晰,主要是產(chǎn)業(yè)結(jié)構(gòu),而人口承載效率的影響因素較為復(fù)雜,人均地區(qū)生產(chǎn)總值、城鎮(zhèn)化率的作用較為明顯,表明經(jīng)濟發(fā)達、城鎮(zhèn)化水平高的地區(qū)人均碳排放量較大、人口承載效率則較低,與人口承載效率的集聚格局類似。此外,由于R&D投入占比往往與經(jīng)濟發(fā)展水平正相關(guān),經(jīng)濟發(fā)展水平較高的地區(qū)人口承載效率較低,因此R&D投入占比與人口承載效率呈現(xiàn)負相關(guān)關(guān)系。

4.2 主要結(jié)論與建議

與碳排放量、強度、經(jīng)濟效益研究相比,碳生態(tài)效率研究兼顧單位碳排放的經(jīng)濟和社會產(chǎn)出水平,能清晰地揭示環(huán)境要素投入與經(jīng)濟社會產(chǎn)出之間的關(guān)系問題。但是,“經(jīng)濟-社會-自然復(fù)合系統(tǒng)”復(fù)雜關(guān)系通過經(jīng)濟產(chǎn)出效率、人口承載效率兩個指標的時空格局和影響因素的差異得到了體現(xiàn)。對泛長三角地區(qū),這一差異表現(xiàn)為各市經(jīng)濟產(chǎn)出效率普遍增長、人口承載效率卻全都下降；經(jīng)濟結(jié)構(gòu)是主要影響因素,但是對經(jīng)濟產(chǎn)出效率起到促進作用、對人口承載效率卻是抑制作用?？梢?無論是開展碳生態(tài)效率或其他生態(tài)效率研究,還是通過相關(guān)政策措施來提升生態(tài)效率,都需要進行更加全面、深入的考慮。一方面,鑒于不同指標的時空格局及其變化趨勢明顯不同,需要碳生態(tài)效率評價中對指標進行更加全面的考慮,以避免出現(xiàn)通過單一指標評價得到片面、甚至是不客觀結(jié)論的情況。另一方面,各影響因素與不同指標的關(guān)系具有明顯的差異性,因此對于某一因素的調(diào)控有可能對各個生態(tài)效率衡量指標產(chǎn)生明顯不同的效應(yīng),這也要求對政策制定及其效應(yīng)進行針對性的評估。無論如何,通過優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)、提高能源利用效率等手段實現(xiàn)碳排放低速增長甚至負增長,或是進一步推動經(jīng)濟快速增長和人口快速集聚,是提升經(jīng)濟產(chǎn)出效率和人口承載效率的直接措施。