高煜昕,高 明*

城市生活垃圾碳排放效率空間關聯網絡及影響因素

高煜昕1,2,高 明1,2*

(1.福州大學經濟與管理學院,福建 福州 350116；2.福州大學福建綠色發(fā)展研究院,福建 福州 350116)

采用非期望產出的超效率SBM模型,對2005～2020年中國30個省份的城市生活垃圾碳排放效率進行測度和評價的基礎上,借助社會網絡分析法(SNA)以及二次指派程序方法(QAP),探討了中國城市生活垃圾碳排放效率空間關聯網絡的結構特征以及影響因素.研究表明:除北京、內蒙古、上海、江蘇、福建外,其余省份的垃圾處理碳排放效率均值均小于1,效率較高的省份主要位于東部地區(qū).中國城市生活垃圾碳排放效率空間關聯網絡的緊密程度在波動中提高,但仍有提升空間,網絡結構呈現較好的可達性和穩(wěn)定性.東部省份處于空間網絡相對中心的位置,在城市生活垃圾碳排放效率空間網絡中具有較強的主導作用,而中部?西部省份處于邊緣位置,發(fā)揮著中介和傳導作用.城市生活垃圾碳排放效率空間關聯網絡可劃分為凈溢出?凈受益?經紀人板塊,各板塊內部聯系較少,板塊間聯系緊密,并存在較強的空間溢出效應.空間鄰接差異?經濟發(fā)展水平差異?科技水平差異?城市生活垃圾處理結構差異對中國城市生活垃圾碳排放效率關聯網絡的形成具有顯著影響.

城市生活垃圾碳排放效率；空間關聯網絡；影響因素；社會網絡分析

全球氣候變暖已嚴重威脅著經濟社會可持續(xù)發(fā)展和人類的生存安全,如何有效控制與降低碳排放已經成為了世界主要國家的重大課題.中國作為世界上最大的能源消費與碳排放國,近年來對碳排放問題高度關注,.隨著我國城市化的高速發(fā)展,城市生活垃圾產量劇增[1-2],導致城市生活垃圾處理產生的溫室氣體快速增長并已成為碳排放的重要來源之一,有效推動城市生活垃圾碳減排工作已成為有效減少我國碳排放量的重要途徑之一.碳排放效率的研究對于解決碳排放問題有著重要意義,科學提高城市生活垃圾碳排放效率是城市生活垃圾處理行業(yè)低碳發(fā)展的客觀要求.隨著城市生活垃圾處理技術的不斷發(fā)展,以及區(qū)域經濟發(fā)展水平的不斷提高,中國城市生活垃圾碳排放效率呈顯著的空間相關性[3].因此,從空間網絡關聯視角分析中國城市生活垃圾碳排放效率的網絡結構特征及影響因素,確定各地區(qū)在網絡中的地位和作用,對構建跨區(qū)域城市生活垃圾碳排放效率協同提升機制,促進區(qū)域協同減排以及先進的生活垃圾管理經驗和低碳處理技術擴散具有重要的實際意義和應用價值.

通過文獻梳理發(fā)現,國內外學者對碳排放效率研究較多,聚焦于交通運輸業(yè)[4]、建筑業(yè)[5]、農業(yè)[6-7]、工業(yè)[8]等具體產業(yè),從研究內容來看,學者對碳排放效率的研究包括以下幾方面:第一,測算碳排放效率.目前主要是圍繞單要素和全要素的角度測算碳排放效率.早期學者主要用碳生產率[9]、碳排放強度[10]等單要素指標測算碳排放效率,用這種方法測算碳排放效率具有一定的片面性,因而目前學者[11-13]把碳排放作為非期望產出,采用全要素指標來測算碳排放效率.其中非期望產出的超效率SBM模型是圍繞全要素角度測算碳排放效率的常用模型,現有研究基于該模型對省份層面[11]、城市層面[12]的碳排放效率進行測算.第二,主要是通過Tobit模型[14-15]、空間計量模型[16-17]等對不同地區(qū)碳排放效率的影響因素進行分析.第三,主要是通過動態(tài)收斂性分析法[18]、空間計量模型[19]、β收斂模型[20]對碳排放效率的收斂性進行分析,目前該研究較少且主要存在于國內.

城市生活垃圾碳排放效率是考慮了碳排放約束條件下的城市生活垃圾處理效率,是指在城市生活垃圾處理過程中給定要素投入和產出水平下碳排放最小化的程度,對其研究旨在減少城市生活垃圾處理過程中的碳排放,實現可持續(xù)發(fā)展和“雙碳”目標.目前國內外對城市生活垃圾相關效率的研究主要集中在生活垃圾處理效率[21-22]、生活垃圾管理效率[23-24]、生活垃圾收集效率[25-26]、生活垃圾回收效率[27]等方面.隨著國內外對全球變暖與碳排放問題的深入研究,部分學者將碳排放因素納入城市生活垃圾相關效率研究中進行探討,使得對城市生活垃圾效率問題的研究得到進一步拓展.在定量測算方面,Zhao等[28]、Yang等[29]、Paes等[30]加入碳排放因素分別對不同區(qū)域城市生活垃圾管理的生態(tài)效率進行測算與分析.在影響因素方面,Chu等[3]使用非期望產出的超效率SBM模型計算了2010～2019年中國31個省份的城市生活垃圾碳排放效率,并運用空間誤差模型分析了效率的影響因素和影響路徑.

綜上所述,已有文獻對碳排放效率及城市生活垃圾相關效率方面進行了大量的有益探索并取得了相當的成果,但在城市生活垃圾碳排放效率上的研究成果相對匱乏且仍存在不足:一方面,現有研究是基于“屬性數據”對城市生活垃圾碳排放效率進行研究,通過地理鄰近關系解釋局部空間溢出效應,缺乏對“關系數據”的考慮,忽視了各地區(qū)在關聯網絡中的作用和地位,導致不能精確反映城市生活垃圾碳排放效率空間關聯網絡結構及其演變特征.另一方面,網絡化視角下的城市生活垃圾碳排放效率空間關聯網絡的影響因素分析尚待深化,雖然目前已有文獻基于傳統計量方法入手對城市生活垃圾碳排放效率的影響因素進行分析,但缺乏從復雜網絡視角下對其影響因素及作用機制進行分析.近年來,社會網絡分析及QAP模型被廣泛應用在復雜網絡關系的研究中,它們的核心在于從“關系數據”出發(fā)來刻畫研究對象的空間關聯網絡結構特征及影響因素,能較好解決現有研究存在的不足.

鑒于此,本文采用非期望產出的超效率SBM模型對2005～2020年中國城市生活垃圾碳排放效率進行測度,綜合利用修正的引力模型?社會網絡分析方法以及QAP模型對中國城市生活垃圾碳排放效率的空間關聯網絡結構特征及其影響因素進行分析,為推動城市生活垃圾碳排放效率協同提升、“雙碳”目標實現和“無廢城市”建設提供參考依據.

1 研究方法與數據來源

1.1 研究方法

1.1.1 考慮非期望產出的超效率SBM模型 傳統DEA模型存在沒有考慮松弛變量而產生測度誤差的問題,且用傳統DEA模型測度效率最大值為1,當存在多個有效決策單元時,無法比較效率的高低.相比傳統DEA模型,對城市生活垃圾碳排放效率的測算借助Tone[31]提出的非徑向?非角度?考慮非期望產出的超效率SBM模型,該模型考慮到非期望產出對效率產生的影響,能有效克服誤差,并使得決策單元在不同時期下都具有可比性,使測算結果更為準確,達到有效評價決策單元的基本效率的目的,具體模型如下:

1.1.2 修正的引力模型 社會網絡分析的前提是確定城市生活垃圾碳排放效率的空間關聯關系.本文借鑒鄭航等[32]的研究,采用修正的引力模型構建中國省際城市生活垃圾碳排放效率關聯關系矩陣.見式(2):

式中:表示省份、間的聯系強度;表示省份對的貢獻率;表示城市生活垃圾碳排放效率;表示年末城市常住人口數;表示實際GDP;g表示人均實際GDP;D表示省份與省份省會城市間的距離;(D/gg)表示兩省份的經濟地理距離.根據式(2)可計算得到空間關聯引力矩陣,采用取平均值為臨界值為原則對矩陣進行二值化處理得到城市生活垃圾碳排放效率的空間二值矩陣.

1.1.3 社會網絡分析法 社會網絡分析法近年來在數字經濟、生態(tài)安全、科技創(chuàng)新等領域得到廣泛應用[33-35].本文采用社會網絡分析法從整體網絡結構?個體網絡結構和塊模型分析對中國城市生活垃圾碳排放效率的網絡結構特征進行分析(圖1),其中整體網絡結構、個體網絡結構各指標的具體計算公式及塊模型分析中各板塊的劃分依據參見文獻[36-37].

圖1 中國城市生活垃圾碳排放效率空間關聯網絡結構分析框架

1.1.4 QAP回歸分析 由于通過引力矩陣形成的城市生活垃圾碳排放效率空間關聯矩陣及其自變量矩陣均為“關系數據”矩陣,使用傳統計量模型研究無法避免多重共線性問題所帶來的誤差.因此,本文采用QAP回歸分析法對空間關聯網絡的影響因素進行分析,該方法能有效規(guī)避多重共線性問題并使得到的結果更為穩(wěn)健[38-39].

1.2 數據來源

選取2005～2020年中國30個省級的面板數據(未涵蓋港澳臺和西藏).數據來源于《中國統計年鑒》、《中國城鄉(xiāng)建設統計年鑒》、中國研究數據服務(CNRDS)平臺.同時,參考已有研究成果[3,40],從投入和產出兩個維度選取5項評價指標計算城市生活垃圾碳排放效率,具體指標見表1.其中,城市生活垃圾碳排放量是通過填埋、焚燒、堆肥的方式處理城市生活垃圾所得到的,參考已有方法計算[41-43].

表1 城市生活垃圾碳排放效率計算指標

2 中國城市生活垃圾碳排放效率的空間關聯網絡結構特征分析

2.1 城市生活垃圾碳排放效率測度分析

使用非期望產出的超效率SBM模型來計算2005～2020年中國城市生活垃圾碳排放效率,限于篇幅,表2僅報告2005年、2008年、2011年、2014年、2017年、2020年的效率值.

就全國效率及變化趨勢來看,由表2可知,研究期內中國城市生活垃圾碳排放效率均值為0.788,呈現先升后降趨勢,整體由2005年的0.799下降到2020年的0.740,下降了7.384%.究其原因,可能是“十三五”期間中央政府減少對城市生活垃圾處理降碳方法的優(yōu)化使現有的降碳能力無法抵消城市生活垃圾產量激增所帶來的負面影響.

就各區(qū)域效率及變化趨勢來看,經濟較為發(fā)達的東部地區(qū)城市生活垃圾碳排放效率較高,中西部地區(qū)效率較低.由表2可知,研究期內東部地區(qū)的效率均值0.837高于中部地區(qū)的0.747和西部地區(qū)的0.768,這可能是因為東部地區(qū)常作為試點地區(qū),能率先了解并實施與城市生活垃圾碳減排相關的政策,同時在國家技術、財政與政策的支持下,已形成了一套完善的低碳垃圾處理系統.由表2與圖2可知,研究期內西部生活垃圾碳排放效率呈波動上升趨勢,整體由2005年的0.698上升到2020年的0.781,上升了11.891%,而東部和中部的生活垃圾碳排放效率呈現波動下降趨勢,其中東部的下降幅度更大,由2005年的0.915下降到2020年的0.731,下降了20.109%,中部由2005年的0.777下降到2020年的0.694,下降了10.682%.究其原因,一是因為國家近年來對西部地區(qū)的重視加強,在西部大開發(fā)政策指導下西部地區(qū)在垃圾降碳處理方面上得到了更多的資金和技術支持;二是因為西部地區(qū)認識到了自身在處理城市生活垃圾碳排放的不足,出臺了一系列針對城市生活垃圾碳減排的規(guī)劃文件和工作方案,倡導低碳包裝?垃圾回收利用與分類管理,從源頭上減少了生活垃圾處理產生的碳排放,以回應國家對西部地區(qū)的重視;三可能是因為中東部地區(qū)城市生活垃圾產量急劇上升,但地方政府轉移了工作重點,降低了對生活垃圾降碳處理方面的投入與關注,導致現有降碳能力無法應對垃圾產量的急劇上升.

表2 中國城市生活垃圾碳排放效率計算結果

圖2 2005～2020年中國各區(qū)域城市生活垃圾碳排放效率變化趨勢

就各省份效率及變化趨勢來看,由表2可知,我國各省城市生活垃圾碳排放效率存在明顯的省際差異,在研究期內,除北京、吉林、黑龍江、福建、重慶、四川、貴州、云南、寧夏、新疆這些省份城市生活垃圾碳排放效率總體呈上升態(tài)勢,其余省份效率總體均呈下降態(tài)勢.研究期內北京、內蒙古、上海、江蘇、福建這5個省份效率均值達到有效水平,其余省份的城市生活垃圾碳排放效率的均值均低于1,處于無效水平,這意味著中國大多數省份的城市生活垃圾碳排放效率需進一步提高,特別是處于效率最低水平的寧夏、遼寧、吉林、黑龍江4個省份,它們的效率均值均低于0.6,具有較大碳減排潛力,是我國后續(xù)應重點加強低碳垃圾處理的地區(qū).究其原因,一方面可能是效率均值達到有效水平的省份大部分處于地理位置優(yōu)越、經濟與科技發(fā)展水平較高的東部區(qū)域,政府有足夠的財政推動實施城市生活垃圾處理和減碳政策,使效率始終維持在較高水平.另一方面可能是效率均值未達到有效水平的省份經濟發(fā)展水平相對落后,缺乏先進的垃圾處理技術、完備的政策約束和正確處理城市生活垃圾的指導,使效率處于較低水平.

2.2 整體網絡特征分析

通過式(2)得到的空間二值矩陣,利用Ucinet繪制出2005年、2010年、2015年和2020年空間關聯網絡圖,如圖3.由圖3可知,這些網絡圖形態(tài)穩(wěn)定且具有顯著的空間關聯性,網絡結構呈現出復雜、多流向、多線程的形態(tài),且網絡中不存在孤立省份.同時可知,研究期間北京、上海、江蘇、浙江等東部省份與其他省份存在較多的關聯關系,處于網絡中心位置,而中、西部地區(qū)處于網絡邊緣位置.

由圖4可知,在城市生活垃圾碳排放效率的網絡中,網絡關聯關系數和網絡密度呈波動上升態(tài)勢,表明各省份間效率的空間關聯強度逐漸提升.但研究期內網絡關聯關系數達到最大值的2015年也僅有203個,這與最大可能值870個仍相差甚遠,可見網絡中關聯關系較少,網絡密度也處于較低水平,在達到最大值時為0.233,在0.250以下,說明空間關聯網絡狀態(tài)尚未達到最佳.因此,需要加強城市生活垃圾碳排放效率的空間合作和交流,同時推動省域間城市生活垃圾處理產業(yè)資源要素的空間優(yōu)化配置.網絡關聯度始終為1,表明網絡結構具有較好的穩(wěn)定性和可達性,空間溢出效應范圍廣.網絡等級度下降趨勢明顯,表明關聯網絡內部森嚴的等級結構逐漸減弱,各省份間的相互聯系不斷增強.網絡效率總體呈小幅度下降,由2005年的0.830下降到2020年的0.804,說明網絡中有一定數量的冗余渠道,網絡的穩(wěn)定性有待提高.

圖4 2005～2020年中國城市生活垃圾碳排放效率的整體網絡結構特征演變趨勢

2.3 個體網絡特征分析

通過社會網絡分析法計算得到2005、2010、2015與2020年的點度中心度(C)、接近中心度(C)和中間中心度(C)3個指標來分析30個省份在城市生活垃圾碳排放效率網絡中的地位和特征,見表3.

2.3.1 度數中心度 研究期內,點度中心度均值總體呈上升態(tài)勢,由2005年的31.494上升到2020年的34.713,表明各省份間的空間聯系不斷增多.其中,北京、天津、上海、江蘇、浙江和廣東的點度中心度在研究期內一直高于全國均值,這些省份位于經濟發(fā)達的東部地區(qū),在網絡中占據主導地位;內蒙古、寧夏等經濟發(fā)展水平相對落后及地理位置偏遠的中、西部省份點度中心度排名較低,它們在網絡中處于從屬地位.由此可見,度數中心度的大小與經濟發(fā)展水平、地理位置等存在一定聯系,東部省份是中國經濟與科技發(fā)展的引領者,它們能產生“虹吸效應”,所以更容易與其他省份產生較多空間關聯,從而對其他省份效率影響較大.

2.3.2 接近中心度 研究期內,接近中心度均值總體呈上升態(tài)勢,由2005年的60.621上升到2020年的61.587,表明各省份在空間關聯網絡中與其他省份間的距離總體縮短,可以更加迅速與其他省份建立關聯關系.研究期內,北京、天津、上海等東部省份的接近中心度始終高于均值,表明這些省份作為網絡中的中心行動者具有引領作用,同時這些省份資源自給能力不足,易從其他省份獲取資源,使空間關聯網絡逐漸呈現出中心—邊緣結構(圖3(d)).

2.3.3 中間中心度 研究期內,中間中心度均值從2005年的2.447降至2020年的2.348,表明中心節(jié)點的主導作用下降,網絡結構逐漸朝均衡化的方向發(fā)展.2005年,北京、天津、上海、江蘇、浙江和廣東的中間中心度高于均值,2020年,北京、上海、江蘇、浙江、福建的中間中心度高于均值,表明這些省份在網絡中處于中心位置并對效率的空間關聯起到了控制作用.其中,北京、上海、江蘇、浙江在研究期內的中間中心度一直高于均值.寧夏、安徽等省份的中間中心度一直維持在較低水平,這些省份在網絡中處于邊緣位置,難以影響和控制其他省份.

表3 中國城市生活垃圾碳排放效率空間關聯網絡的中心性分析

2.4 塊模型分析

以2020年為例,為進一步揭示各地區(qū)在網絡中的作用,刻畫地區(qū)間的關系,本文通過使用Ucinet中的CONCOR模塊,將30個省劃分為4個板塊,見表4.

其中,35個存在于板塊內部,占總關系數的18.041%,159個存在于板塊外部,占總關系數的91.959%,說明板塊內部關系較少,存在空間聚集效應與空間溢出效應.板塊一包括北京、天津、上海、江蘇,其板塊總溢出24個、總受益89個,實際內部關系比例16.667%大于期望內部關系比例10.345%,故板塊一為“凈受益”板塊.這些省份都有共同的特點,它們都是經濟發(fā)展水平高,地理位置優(yōu)越的東部省份,該板塊能夠有效吸引其他地區(qū)資源要素流入.板塊二包括浙江、福建、廣東,其板塊總溢出21個、總受益36個,實際內部比例為0小于期望內部比例6.897%,該板塊在網絡中發(fā)揮“中介”作用,故板塊二為“經紀人”板塊.板塊三包括河北、山西、內蒙古、遼寧、吉林、黑龍江、山東、河南、寧夏,總溢出51個、總受益30個,期望內部關系比例27.586%大于實際內部關系比例21.569%,該板塊對外溢出關系較多,故板塊三為“凈溢出”板塊.板塊四包括安徽、重慶、湖北、湖南、江西、廣西、四川、貴州、海南、云南、甘肅、陜西、青海、新疆,總溢出98個?總受益39個,期望內部比例44.828%大于實際內部比例20.408%,該板塊對外溢出關系較多,故板塊四同樣可劃分為“凈溢出”板塊.板塊三與板塊四中的省份大多位于位置相對偏遠且資源較為豐富的中西部地區(qū),在板塊一“虹吸效應”的影響下溢出效應顯著.

表4 中國城市生活垃圾碳排放效率空間關聯網絡板塊間的溢出效應

為了進一步分析板塊間的溢出關系,可以通過空間網絡密度矩陣和像矩陣反映各板塊間的溢出效應(表5),顯示出各板塊間城市生活垃圾碳排放效率的空間關聯傳導機制.同時,通過四大板塊間互動關系圖更加清晰地展示各板塊間顯著的溢出關系(圖5),圖中箭頭代表板塊間存在顯著的溢出關系,箭頭的指向代表溢出關系的流向.整體網絡在2020年的網絡密度為0.440,若板塊密度大于該值記為 1,反之記為0.由表5可知,板塊內部關系較為疏松,板塊間溢出效應明顯.板塊一憑借自身的區(qū)位優(yōu)勢,接收來自板塊二?板塊三與板塊四的溢出關系,板塊二接收來自板塊四的溢出關系并向板塊一發(fā)出關系,在板塊間的互動關系中發(fā)揮“中介”作用,板塊三主要對板塊一產生溢出效應,板塊四對板塊一與板塊二產生溢出效應.總的來說,城市生活垃圾碳排放效率空間關聯網絡中各板塊間的聯系仍不夠完善,未來應進一步推動板塊內部與各板塊間的聯系,從而實現各地區(qū)碳排放效率的協同提升以及協同減排機制的完善.

表5 中國城市生活垃圾碳排放效率空間關聯網絡板塊的密度矩陣和像矩陣

3 中國城市生活垃圾碳排放效率空間關聯網絡的影響因素

3.1 模型設定與變量說明

通過網絡特征分析及塊模型分析表明中國城市生活垃圾碳排放效率存在空間溢出,精準識別中國城市生活垃圾碳排放效率空間關聯網絡的影響因素對促進碳排放效率的協同提升具有重要意義,同時因為自變量與因變量均為關系數據矩陣,所以采用QAP模型進行回歸可以有效規(guī)避多重共線性所產生的誤差.因此,本文選取QAP模型來探究中國城市生活垃圾碳排放效率關聯網絡影響因素,具體模型如式(3):

式中:表示城市生活垃圾碳排放效率空間關聯矩陣;由于城市生活垃圾碳排放效率受地理位置、區(qū)域要素流動、政府干預等外部因素的影響,參考相關文獻[3,44],本文以空間鄰接、經濟發(fā)展水平、科技水平、政府干預強度、產業(yè)結構等影響因素作為解釋變量,解釋變量說明見表6.

表6 各解釋變量說明

3.2 相關性檢驗

通過UCINET軟件構建QAP模型進行相關性檢驗,經過隨機置換10000次計算得到結果,見表7.由表7可知,空間鄰接、城鎮(zhèn)化水平、科技水平、經濟發(fā)展水平、產業(yè)結構的相關系數為正且在1%的水平上顯著,初步判斷它們對城市生活垃圾碳排放效率的空間關聯具有積極影響,是推動空間關聯網絡形成和發(fā)展的重要力量.城市生活垃圾處理結構?政府干預水平的相關系數為負且在1%的水平上顯著,初步判斷它們對城市生活垃圾碳排放效率的空間關聯具有負向影響.

表7 空間關聯矩陣與影響因素的QAP相關性檢驗結果

注:***?**?*分別表示在1%?5%?10%的統計水平上顯著.下同.

3.3 空間網絡結構的影響因素分析

為避免自變量間多重共線性所產生的誤差,采用QAP回歸分析進行計算,經過隨機置換10000次計算得到結果,見表8.

空間鄰接的回歸系數在1%的水平上顯著且回歸系數值為正,說明地理位置的相鄰更易建立關聯關系,這是由于地理空間鄰近性可為各省份城市生活垃圾處理的深度合作提供便利,同時能降低流動成本,更容易進行資源和要素的流動與配置,從而最大化實現城市生活垃圾碳排放效率的空間溢出,有效推動其空間關聯網絡的形成.

經濟發(fā)展水平差異的回歸系數在1%的水平上顯著且回歸系數值為正,說明地區(qū)間經濟發(fā)展水平的差異有利于空間關聯的建立,這是由于發(fā)達省份具有成熟的生活垃圾處理設施與經驗,率先實現效率提升,并向欠發(fā)達地區(qū)省份提供其在資本、人才等資源要素方面的優(yōu)勢,有效推動其空間關聯網絡的形成.

科技水平差異的回歸系數在5%的水平上顯著且回歸系數值為正,說明地區(qū)間科技水平的差異有利于空間關聯的建立,這是由于近年來中國政府一方面鼓勵科技水平發(fā)達省份將先進的城市生活垃圾處理技術跨區(qū)傳播到落后省份,另一方面鼓勵節(jié)能減排方面科技人員的交流與服務溢出,從而推動效率空間關聯網絡的形成.

城市生活垃圾處理結構差異的回歸系數在5%的水平上顯著且回歸系數值為負,說明地區(qū)衛(wèi)生填埋率的相似有利于空間關聯關系的建立,這是由于發(fā)達地區(qū)各要素存在優(yōu)勢能較好地處理生活垃圾產生的碳排放,但欠發(fā)達地區(qū)則相反,在垃圾處理過程中易產生碳排放的溢出效應,需要在發(fā)達地區(qū)的幫助下提高碳排放效率從而實現協同減排,該過程促進了空間關聯網絡的形成.

城鎮(zhèn)化水平差異的回歸系數不顯著,說明城鎮(zhèn)化水平差異對空間關聯的形成沒有顯著影響,可能是因為城鎮(zhèn)化水平不僅包括人口城鎮(zhèn)化,本文僅用人口城鎮(zhèn)化表示不能體現新型城鎮(zhèn)化發(fā)展對經濟?社會和生態(tài)等形成的正向溢出[45].產業(yè)結構差異與政府干預強度差異的回歸系數不顯著,說明它們對空間關聯的形成沒有顯著影響.

表8 空間關聯影響因素的QAP回歸分析結果

3.4 穩(wěn)健性分析

為了進一步檢驗回歸結果的穩(wěn)健性,按照城市生活垃圾碳排放效率空間關聯矩陣平均值的80%和120%作為閾值[46]分別構建不同二值空間關聯矩陣,以此作為新的被解釋變量,同時運用原有影響因素矩陣作為解釋變量分別與上述矩陣進行QAP回歸分析,見表9.

可以看出,以80%和120%作為閾值,各年度調整后的R均在1%的水平上通過了顯著性檢驗,說明影響因素矩陣對空間關聯矩陣的解釋力度較好.同時,可知各變量的顯著性基本未發(fā)生改變,驗證了本文回歸分析結果的穩(wěn)健性.

表9 穩(wěn)健性分析

4 結論

4.1 在研究期內,東部地區(qū)城市生活垃圾碳排放效率的均值高于中部與西部地區(qū),西部生活垃圾碳排放效率呈波動上升趨勢,而東部和中部的生活垃圾碳排放效率呈現波動下降趨勢.

4.2 從整體特征分析來看,中國城市生活垃圾碳排放效率表現出穩(wěn)定的?多線程的網絡關聯關系,研究期內網絡關聯關系數和網絡密度總體呈增長趨勢,網絡等級度和網絡效率總體呈下降趨勢,網絡結構整體具有較強的穩(wěn)定性和連通性,但網絡緊密程度需進一步提升.

4.3 從個體網絡特征來看,北京、上海、江蘇、浙江等東部發(fā)達省份在生活垃圾碳排放效率關聯網絡中處于主導地位,能夠有效吸收其他省份的相關資源和要素,使生活垃圾碳排放效率維持在較高水平;內蒙古、山西、遼寧等東北、中西部偏遠省份獲取低碳要素與資源的能力偏弱,在網絡中處于邊緣地位.

4.4 從塊模型分析來看,網絡被劃分為4個板塊.北京、天津、上海、江蘇屬于“凈受益”板塊,廣東、浙江和福建屬于“經紀人”板塊,河北、山西等23個省份屬于“凈溢出”板塊.板塊內部的空間關聯稀疏,板塊間空間關聯緊密,呈現出顯著的溢出效應.

4.5 從QAP回歸分析來看,空間鄰接差異、經濟發(fā)展水平差異、科技水平差異對中國城市生活垃圾碳排放效率的空間關聯具有顯著正向影響,城市生活垃圾處理結構差異對中國城市生活垃圾碳排放效率的空間關聯具有顯著負向影響,城鎮(zhèn)化水平差異、產業(yè)結構差異與政府干預強度差異對中國城市生活垃圾碳排放效率的空間關聯影響不顯著.

5 政策建議

城市生活垃圾碳排放效率的研究對我國實現“雙碳”目標具有重要意義,結合研究結論,本文提出如下政策建議.

5.1 各省份應積極推進城市生活垃圾的低碳化處理,未來在提升西部城市生活垃圾碳排放效率的基礎上,應通過引入先進的垃圾低碳處理設備與技術、提高生活垃圾焚燒能力、大幅減少生活垃圾填埋處置、規(guī)范生活垃圾填埋場管理、實施垃圾分類管理、建立和完善垃圾計量收費制度和垃圾強制分類回收政策等措施重點加強寧夏、遼寧、吉林、黑龍江這四個省份的碳排放效率,同時加強對東部與中部垃圾降碳處理的要求,及時阻止東部與中部效率的下降態(tài)勢.

5.2 政府在制定相關政策時,要重視各省份效率在空間上的聯系,以城市生活垃圾碳排放效率先進地區(qū)為中心,建立區(qū)域協調發(fā)展及協同減排機制,縮小城市生活垃圾碳排放效率的差距;同時,充分發(fā)揮市場調節(jié)和政府調控作用,通過完善道路交通等基礎設施來縮短省份間的空間距離,并構建環(huán)保技術創(chuàng)新合作平臺,從多途徑創(chuàng)造更多關聯通道,促進跨區(qū)域合作交流,進一步加強空間網絡的關聯性、穩(wěn)定性并實現碳排放效率的協同提升.

5.3 充分發(fā)揮北京、長三角東部核心地區(qū)在地理位置、資金、技術等方面的優(yōu)勢,在積極推動自身城市生活垃圾低碳化處理的同時加強與中西部省份間資源要素的融通,打破地區(qū)間的壁壘,通過技術外溢、生態(tài)補償和對口支援等方式輻射帶動中西部地區(qū)城市生活垃圾碳排放效率提升,形成促進全國效率協同提升的動力源,掃清“馬太效應”的阻礙,實現效率空間均衡發(fā)展.

5.4 充分發(fā)揮各板塊在網絡中的作用.對于效率相對較高的“凈受益”和“經紀人”板塊,應通過積極研發(fā)低碳垃圾處理技術等方面來克服降碳瓶頸;對于效率相對較低的“凈溢出”板塊,應建立學習反饋機制,積極引進“凈受益”和“經紀人”板塊先進的技術方法和管理經驗,實現城市生活垃圾源頭減量,優(yōu)化城市生活垃圾處理結構,從垃圾產生源頭和垃圾處理末端共同努力提高自身的城市生活垃圾碳排放效率,縮小效率差異.

5.5 在相關政策制定過程中,將地理鄰近性、地區(qū)經濟水平差距、科技水平差距等影響效率空間關聯網絡形成的影響因素納入考慮范圍,推動網絡中心省份與邊緣省份間城市生活垃圾低碳處理技術、經驗、人才和資金等要素的充分流動擴散和優(yōu)化配置,重點關注經濟發(fā)展以及科技水平差距大的省份間城市生活垃圾碳排放效率的協同提升,強化空間關聯,促進效率的整體協同提升.

[1] 魏瀟瀟,王小銘,李 蕾,等.1979～2016年中國城市生活垃圾產生和處理時空特征[J]. 中國環(huán)境科學, 2018,38(10):3833-3843. Wei X X, Wang X M, Li L, et al. Temporal and spatial characteristics of municipal solid waste generation and treatment in China from 1979 to 2016 [J]. China Environmental Science, 2018,38(10):3833-3843.

[2] 吳 昊,劉宏博,田書磊,等.城市生活垃圾焚燒飛灰利用處置現狀及環(huán)境管理[J]. 環(huán)境工程技術學報, 2021,11(5):1034-1040. Wu H, Liu H B, Tian S L, et al. Current situation for utilization and disposal and environmental management of fly ash from municipal solid waste incineration [J]. Journal of Environmental Engineering Technology, 2021,11(5):1034-1040.

[3] Chu X, Jin Y Y, Wang X, et al. The evolution of the spatial-temporal differences of municipal solid waste carbon emission efficiency in China [J]. Energies, 2022,15(11):3987.

[4] 袁長偉,張 帥,焦 萍,等.中國省域交通運輸全要素碳排放效率時空變化及影響因素研究[J]. 資源科學, 2017,39(4):687-697. Yuan C W, Zhang S, Jiao P, et al. Temporal and spatial variation and influencing factors research on total factor efficiency for transportation carbon emissions in China [J]. Resources Science, 2017,39(4):687- 697.

[5] 張廣泰,賈 楠.中國建筑業(yè)碳排放效率測度與空間關聯特征[J]. 科技管理研究, 2019,39(21):236-242. Zhang G T, Jia N. Measurement and spatial correlation characteristics of carbon emission efficiency in China's construction industry [J]. Science and Technology Management Research, 2019,39(21):236- 242.

[6] 吳賢榮,張俊飚,田 云,等.中國省域農業(yè)碳排放:測算?效率變動及影響因素研究——基于DEA-Malmquist指數分解方法與Tobit模型運用[J]. 資源科學, 2014,36(1):129-138. Wu X R, Zhang J B, Tian Y, et al. Provincial agricultural carbon emissions in China:Calculation,performance change and influencing factors [J]. Resources Science, 2014,36(1):129-138.

[7] 吳昊玥,黃瀚蛟,何 宇,等.中國農業(yè)碳排放效率測度,空間溢出與影響因素[J]. 中國生態(tài)農業(yè)學報(中英文), 2021,29(10):1762-1773. Wu H Y, Huang H J, He Y, et al. Measurement,spatial spillover and influencing factors of agricultural carbon emissions efficiency in China [J]. Chinese Journal of Eco-Agriculture, 2021,29(10):1762? 1773.

[8] 周五七,聶 鳴.中國工業(yè)碳排放效率的區(qū)域差異研究——基于非參數前沿的實證分析[J]. 數量經濟技術經濟研究, 2012,29(9): 58-70,161. Zhou W Q, Nie M. Regional differences in the efficiency of industrial carbon emissions in China [J]. Journal of Quantitative & Technological Economics, 2012,29(9):58-70,161.

[9] 何建坤,蘇明山.應對全球氣候變化下的碳生產率分析[J]. 中國軟科學, 2009,(10):42-47,147. He J K, Su M S. Carbon productivity analysis to address global climate change [J]. China Soft Science, 2009,(10):42-47,147.

[10] 趙 奧,武春友.中國碳排放強度與煤炭消耗的沖擊效應分析[J]. 中國人口.資源與環(huán)境, 2011,21(8):107-112. Zhao A, Wu C Y. Analysis of impact effect imposed on carbon emission intensity and coal consumption of China [J]. China Population,Resources and Environment, 2011,21(8):107-112.

[11] Teng X Y, Liu F P, Chiu Y H. The change in energy and carbon emissions efficiency after afforestation in China by applying a modified dynamic SBM model [J]. Energy, 2021,216:119301.

[12] 王兆峰,杜瑤瑤.基于SBM-DEA模型湖南省碳排放效率時空差異及影響因素分析[J]. 地理科學, 2019,39(5):797-806. Wang Z F, Du Y Y. Spatial-temporal differences and influencing factors of carbon emission efficiency in Hunan province based on SBM-DEA model [J]. Scientia Geographica Sinica, 2019,39(5): 797-806.

[13] 董 鋒,劉曉燕,龍如銀,等.基于三階段DEA模型的我國碳排放效率分析[J]. 運籌與管理, 2014,23(4):196-205. Dong F, LIiu X Y, Long R Y,et al. Analysis of carbon emission efficiency in China based on three-stage DEA model [J]. Operations Research and Management Science, 2014,23(4):196-205.

[14] 寧論辰,鄭 雯,曾良恩.2007～2016年中國省域碳排放效率評價及影響因素分析——基于超效率SBM-Tobit模型的兩階段分析[J]. 北京大學學報(自然科學版), 2021,57(1):181-188. Ning L C, Zheng W, Zeng L E. Research on China's carbon dioxide emissions efficiency from 2007 to 2016: based on two stage super efficiency SBM model and Tobit model [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2021,57(1):181-188.

[15] Wang S J, Ma Y Y. Influencing factors and regional discrepancies of the efficiency of carbon dioxide emissions in Jiangsu,China [J]. Ecological Indicators, 2018,90:460-468.

[16] 李建豹,黃賢金,揣小偉,等.長三角地區(qū)碳排放效率時空特征及影響因素分析[J]. 長江流域資源與環(huán)境, 2020,29(7):1486-1496. Li J B, Huang X J, Chuai X W. Spatio-temporal characteristics and influencing factors of carbon emissions efficiency in the Yangtze River Delta region [J]. Resources and Environment in the Yangtze Basin, 2020,29(7):1486-1496.

[17] Cao P, Li X X, Cheng Y,et al. Temporal-spatial evolution and driving factors of global carbon emission efficiency [J]. International Journal of Environmental Research and Public Health, 2022,19(22): 14849.

[18] 李 慧,李 瑋,姚西龍.中國省域全要素碳排放效率空間特征與動態(tài)收斂性研究[J]. 科技管理研究, 2019,39(19):98-103. Li H, Li W, Yao X L. Spatial characteristics and dynamic convergence research on provincial total factor carbon emissions efficiency in China [J]. Science and Technology Management Research, 2019, 39(19):98-103.

[19] 胡劍波,王楷文.中國省域碳排放效率時空差異及空間收斂性研究[J]. 管理學刊, 2022,35(4):36-52. Hu J B, Wang K W. Study on temporal and spatial differences and spatial convergence of provincial carbon emission efficiency in China [J]. Journal of Management, 2022,35(4):36-52.

[20] Li J. Evaluation and convergence analysis of carbon emission efficiency in the Yangtze River economic belt [J]. Journal of Environmental Protection and Ecology, 2018,21(6):2020-2031.

[21] 余 恒,夏 敏,鄒 偉.長三角城市群生活垃圾處理效率時空演變研究[J]. 統計與決策, 2021,37(7):76-80. Yu H, Xia M, Zhou W. Study on the spatial-temporal evolution of municipal solid waste treatment efficiency in the Yangtze River Delta urban agglomeration [J]. Statistics & Decision, 2021,37(7):76-80.

[22] Zhou A, Wang W N, Chu Z J, et al. Evaluating the efficiency of municipal solid waste collection and disposal in the Yangtze River Delta of China:A DEA-model [J]. Journal of the Air&Waste Management Association, 2022,72(10):1153-1160.

[23] Yang Q, Fu L M, Liu X X, et al. Evaluating the efficiency of municipal solid waste management in China [J]. International Journal of Environmental Research and Public Health, 2018,15(11):2448.

[24] 劉蔚玲,肖黎姍,林劍藝,等.基于DEA-Malmquist的我國城市生活垃圾管理效率評價[J]. 中國環(huán)境科學, 2020,40(7):3196-3203. Liu W L, Xiao L S, Lin J Y, et al. Evaluation on the efficiency of municipal solid waste management in cities of China based on DEA-Malmquist [J]. China Environmental Science, 2020,40(7):3196- 3203.

[25] Salazar-Adams A. The efficiency of municipal solid waste collection in Mexico [J]. Waste Management, 2021,133:71-79.

[26] Fan X H, Yu B, Chu Z J, et al. A stochastic frontier analysis of the efficiency of municipal solid waste collection services in China [J]. Science of the Total Environment, 2020,743:140707.

[27] Cohen C, Halfon E, Schwartz M. Trust between municipality and residents:A game-theory model for municipal solid-waste recycling efficiency [J]. Waste Management, 2021,127:30-36.

[28] Zhao W, Huppes G, van der Voet E. Eco-efficiency for greenhouse gas emissions mitigation of municipal solid waste management:A case study of Tianjin,China [J]. Waste Management, 2011,31(6):1407- 1415.

[29] Yang Z F, Zhou X C, Xu L Y. Eco-efficiency optimization for municipal solid waste management [J]. Journal of Cleaner Production, 2015,104:242-249.

[30] Paes M X, de Medeiros G A, Mancini S D, et al. Transition towards eco-efficiency in municipal solid waste management to reduce GHG emissions:The case of Brazil [J]. Journal of Cleaner Production, 2020, 263:121370.

[31] Tone K. A slacks-based measure of super-efficiency in data envelopment analysis [J]. European Journal of Operational Research, 2002,143(1):32-41.

[32] 鄭 航,葉阿忠.空間關聯網絡結構特征的減排效應:基于城市群視角[J]. 環(huán)境科學, 2022,43(10):4401-4407.Zheng H, Ye A Z. Carbon emission reduction effect of spatial correlation network structure characteristics:From the perspective of urban agglomeration [J]. Environmental Science, 2022,43(10):4401- 4407.

[33] 張明斗,翁愛華.數字經濟空間關聯網絡的產業(yè)結構變遷效應研究——基于網絡節(jié)點中心性分析視角[J]. 產業(yè)經濟研究, 2022,(6): 129-142. Zhang M D, Weng A H. Research on the effect of industrial structure change of spatial correlation network of digital economy:Based on the analysis of network centrality [J]. Industrial Economics Research, 2022,(6):129-142.

[34] 蔡秀亭,呂潔華,王成齊.中國森林生態(tài)安全空間關聯的網絡特征及其驅動機制[J]. 自然資源學報, 2022,37(8):2137-2152. Cai X T, Lv J H, Wang C Q. The network characteristics and driving mechanism of the spatial correlation of forest ecological security in China [J]. Journal of Natural Resources, 2022,37(8):2137-2152.

[35] 孫中瑞,樊 杰,孫 勇,等.中國綠色科技創(chuàng)新效率空間關聯網絡結構特征及影響因素[J]. 經濟地理, 2022,42(3):33-43. Sun Z R, Fan J, Sun Y, et al. Structural characteristics and influencing factors of spatial correlation network of green science and technology innovation efficiency in China [J]. Economic Geography, 2022,42(3): 33-43.

[36] 劉 軍.整體網分:UCINET軟件實用指南(第二版) [M]. 上海:格致出版社, 2014:16-234. Liu J. Lecture on whole network approach: A practical guide to UCINET (2nd) [M]. Shanghai:Gezhi Publishing House, 2014:16-234.

[37] Wasserman S, Faust K. Social Network Analysis:Methods and Applications [M]. London: Cambridge University Press, 1994.

[38] Doreian P, Conti N. Social context,spatial structure and social network structure [J]. Social Networks, 2012,34(1):32-46.

[39] Barnett G A. Encyclopedia of Social Networks [M]. Beverly Hills:SAGE Publications, 2011.

[40] Lin B Q, Ma R Y. Green technology innovations,urban innovation environment and CO2emission reduction in China: Fresh evidence from a partially linear functional-coefficient panel models [J]. Technological Forecasting & Social Change, 2022,176:121434.

[41] Wang Z H, Geng L W. Carbon emissions calculation from municipal solid waste and the influencing factors analysis in China [J]. Journal of Cleaner Production, 2015,104:177-184.

[42] 李 歡,金宜英,李洋洋.生活垃圾處理的碳排放和減排策略[J]. 中國環(huán)境科學, 2011,31(2):259-264. Li H, Jin Y Y, Li Y Y. Carbon emission and its reduction strategies during municipal solid waste treatment [J]. China Environmental Science, 2011,31(2):259-264.

[43] Liu Y, Wang J L. Spatiotemporal patterns and drivers of carbon emissions from municipal solid waste treatment in China [J]. Waste Management, 2023,168:1-13.

[44] 郭宇杰,龔亞萍,鄒玉飛,等.天津市生活垃圾處理碳排放時間變化特征及影響因素[J]. 環(huán)境工程技術學報, 2022,12(3):834-842. Guo Y J, Gong Y P, Zou Y F, et al. Temporal variation characteristics and influencing factors of carbon emissions from municipal solid waste treatment in Tianjin [J]. Journal of Environmental Engineering Technology, 2022,12(3):834-842.

[45] 王建康,谷國鋒,姚 麗,等.中國新型城鎮(zhèn)化的空間格局演變及影響因素分析——基于285個地級市的面板數據[J]. 地理科學, 2016, 36(1):63-71.Wang J K, Gu G F, Yao L, et al. Analysis of new urbanization's spatial pattern evolution and influence factors in China [J]. Scientia Geographica Sinica, 2016,36(1):63-71.

[46] Liu S N, Xiao Q T. An empirical analysis on spatial correlation investigation of industrial carbon emissions using SNA-ICE model [J]. Energy, 2021,224:120183.

Spatial correlation network and influencing factors of municipal solid waste carbon emission efficiency.

GAO Yu-xin1,2, GAO Ming1,2*

(1.School of Economics and Management, Fuzhou University, Fuzhou 350116, China；2.Fujian Green Development Institute, Fuzhou University, Fuzhou 350116, China)., 2023,43(11)：5900～5912

This paper adopted the undesired output SBM model to measure and evaluate the municipal solid waste carbon emission efficiency in 30 provinces of China from 2005 to 2020. With the help of the social network analysis method (SNA) and the quadratic assignment procedure (QAP), the structural characteristics and influencing factors of the spatial correlation network of municipal solid waste carbon emission efficiency in China were discussed. The results showed that: Except Beijing, Inner Mongolia, Shanghai, Jiangsu and Fujian, the average of municipal solid waste carbon emission efficiency in other provinces was less than 1, and the provinces with higher efficiency were mainly located in eastern region. The tightness of the spatial correlation network of municipal solid waste carbon emission efficiency in China had improved in fluctuation, but there was still room for improvement. The network structure showed good accessibility and stability. The eastern provinces were in the relative center of the spatial network, and played a strong leading role in the spatial network, while the central and western provinces were at the edge, and played an intermediary and transmission role. The spatial correlation network of municipal solid waste carbon emission efficiency was divided into net spillover, net benefit, and broker segments. There were few internal connections among each segment, and close connections between segments,with strong spatial spillover effects. Spatial adjacency difference,economic development level difference, scientific and technological level difference, and municipal solid waste treatment structure difference had a significant impact on the formation of municipal solid waste carbon emission efficiency correlation network in China.

municipal solid waste carbon emission efficiency；spatial correlation network；influencing factor；social network analysis

X321

A

1000-6923(2023)11-5900-13

高煜昕(1995-),男,四川成都人,福州大學博士研究生,主要從事環(huán)境與資源管理研究.發(fā)表論文1篇.gyx2021gyx@163.com.

高煜昕,高 明.城市生活垃圾碳排放效率空間關聯網絡及影響因素 [J]. 中國環(huán)境科學, 2023,43(11):5900-5912.

Gao Y X, Gao M. Spatial correlation network and influencing factors of municipal solid waste carbon emission efficiency [J]. China Environmental Science, 2023,43(11):5900-5912.

2023-04-23

國家社會科學基金資助項目(22BGL181)

* 責任作者, 教授, gaoming65@163.com