肖國安，陳 誠，高雅婕

（湖南科技大學(xué) 商學(xué)院，湖南 湘潭 411100）

0 引言

在新型城鎮(zhèn)化背景下，城市群已成為區(qū)域經(jīng)濟(jì)發(fā)展的重要戰(zhàn)略單元和實(shí)現(xiàn)高質(zhì)量發(fā)展的關(guān)鍵支點(diǎn)。當(dāng)前我國重點(diǎn)規(guī)劃建設(shè)的城市群有19 個(gè)，創(chuàng)造了全國75%以上的GDP[1]，是我國經(jīng)濟(jì)增長(zhǎng)的重要引擎。城市群跨越不同層次的行政區(qū)劃界線，能更好地處理國家治理中的統(tǒng)一性和靈活性這對(duì)基本關(guān)系[2]。推進(jìn)城市群經(jīng)濟(jì)社會(huì)發(fā)展和碳排放量脫鉤，是實(shí)現(xiàn)“碳達(dá)峰”“碳中和”目標(biāo)的重要環(huán)節(jié)。在此背景下，準(zhǔn)確測(cè)度城市群碳排放效率，分析城市群碳排放利用率的動(dòng)態(tài)演進(jìn)特征及其影響因素，對(duì)科學(xué)制定城市群綠色低碳轉(zhuǎn)型政策具有重要的現(xiàn)實(shí)意義。

自“雙碳”目標(biāo)提出以來，部分學(xué)者以碳排放總量和人均碳排放為目標(biāo)變量進(jìn)行了大量實(shí)證研究。韋彥汀等（2022）[3]評(píng)估成渝城市群碳排放量，并分析其時(shí)空特征；杜立民（2010）[4]采用我國省級(jí)面板數(shù)據(jù)測(cè)度各省份碳排放總量以及人均碳排放量，并分析其影響因素。部分學(xué)者則是以碳排放強(qiáng)度和碳生產(chǎn)率為目標(biāo)變量進(jìn)行實(shí)證研究。陳海龍和李陽（2022）[5]采用我國省級(jí)面板數(shù)據(jù)分析碳排放強(qiáng)度對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展的空間效應(yīng)；鄺嫦娥等（2022）[6]分析長(zhǎng)江中游城市群碳排放強(qiáng)度和經(jīng)濟(jì)社會(huì)發(fā)展水平的耦合協(xié)調(diào)關(guān)系。另外，也有部分學(xué)者試圖構(gòu)建一個(gè)融合經(jīng)濟(jì)發(fā)展與碳排放的綜合評(píng)價(jià)指標(biāo)體系，將能源消耗產(chǎn)生的碳排放量作為非期望產(chǎn)出，通過SBM 模型對(duì)碳排放效率進(jìn)行衡量，并將其用于國家、區(qū)域、城市和產(chǎn)業(yè)的低碳發(fā)展評(píng)價(jià)[7—10]。還有部分學(xué)者則分析了經(jīng)濟(jì)發(fā)展水平產(chǎn)業(yè)結(jié)構(gòu)、碳交易試點(diǎn)政策等因素對(duì)碳排放效率的影響[11—13]。

現(xiàn)有文獻(xiàn)對(duì)碳排放效率的測(cè)度主要聚焦省級(jí)層面和城市層面，較少分析碳排放效率動(dòng)態(tài)演進(jìn)特征。本文選擇以京津冀、長(zhǎng)三角、珠三角、成渝和長(zhǎng)江中游五大城市群為研究對(duì)象，基于超效率SBM-GML指數(shù)測(cè)度城市群碳排放效率，并采用核密度估計(jì)和馬爾科夫鏈分析城市群碳排放效率的動(dòng)態(tài)演進(jìn)特征，最后通過Tobit 模型進(jìn)一步分析城市群碳排放效率的影響因素。

1 研究設(shè)計(jì)

1.1 研究方法

1.1.1 SBM-GML指數(shù)

考慮到非期望產(chǎn)出約束下的碳排放效率測(cè)算以及傳統(tǒng)ML指數(shù)可能存在的不可行解問題，引入基于SBM方向距離函數(shù)的GML指數(shù)測(cè)定碳排放效率。假設(shè)DMUK為第K個(gè)決策單元，每個(gè)決策單元需投入N種要素，分別得到M種期望產(chǎn)出和N種非期望產(chǎn)出。對(duì)應(yīng)第K個(gè)城市第t期的投入和產(chǎn)出集合則可表示為(xkt，ykt，bkt)，第t 期的生產(chǎn)可能性集Pt(x)可表示為：

考慮到加入松弛變量后效率測(cè)算的誤差，定義全局SBM方向距離函數(shù)為：

結(jié)合上述思路，使用基于SBM 方向距離函數(shù)的GML指數(shù)測(cè)算碳排放效率，GML 指數(shù)為碳排放效率在第t+1期與t期的相對(duì)變動(dòng)，并且可以將其分解為技術(shù)效率變動(dòng)（GEC）和技術(shù)進(jìn)步變動(dòng)（GTC）兩個(gè)部分，具體內(nèi)容包括：

1.1.2 核密度估計(jì)

核密度估計(jì)是通過核函數(shù)估計(jì)隨機(jī)變量的密度參數(shù)，而非參數(shù)估計(jì)的基礎(chǔ)就構(gòu)成了非參數(shù)估計(jì)擬合回歸方程的一般邏輯。將核函數(shù)作為權(quán)重函數(shù)與樣本點(diǎn)進(jìn)行對(duì)應(yīng)聯(lián)系，以構(gòu)成對(duì)回歸關(guān)系的擬合估計(jì)。假定隨機(jī)變量X的密度形式如下：

其中，N為樣本個(gè)數(shù)，h為帶寬，K(z)為核函數(shù)，Xi是獨(dú)立同分布的樣本點(diǎn)。本文采用較為常用的高斯核函數(shù)分析城市群碳排放效率時(shí)序演變特征。

1.1.3 馬爾科夫鏈分析

馬爾科夫鏈?zhǔn)且粋€(gè)隨機(jī)系統(tǒng)，假設(shè)隨機(jī)變量X在t時(shí)刻的狀況為i時(shí)，X在t+1 是任意狀況，只會(huì)與X在t時(shí)刻的狀況相關(guān)：

式（8）表示{Xt}在當(dāng)前狀態(tài)為i的情況下，在下一時(shí)刻狀態(tài)轉(zhuǎn)移為j的概率。如果將碳排放效率劃分為n種等級(jí)，則可得到一個(gè)由n×n個(gè)狀態(tài)轉(zhuǎn)移概率組成的矩陣：

其中，P中任意一個(gè)元素pij表示由狀態(tài)i轉(zhuǎn)移到狀態(tài)j的概率。馬爾科夫鏈分析的主要任務(wù)就是估計(jì)狀態(tài)轉(zhuǎn)移矩陣，采用極大似然估計(jì)法可以求得各等級(jí)間的狀態(tài)轉(zhuǎn)移概率：

1.1.4 Tobit模型構(gòu)建

在分析城市群碳排放效率的動(dòng)態(tài)演進(jìn)特征之后，再進(jìn)一步構(gòu)建計(jì)量模型實(shí)證檢驗(yàn)城市群碳排放效率的影響因素?？紤]到超效率SBM方向性距離函數(shù)的GML指數(shù)測(cè)算結(jié)果不可能為負(fù)值，以0 為指標(biāo)取值范圍的下界，適合采用如下形式的Tobit模型對(duì)其影響因素進(jìn)行分析：

其中，Ykt為城市k在t期的截?cái)嘁蜃兞浚闯鞘衚第t年的碳排放效率值，為決策單元k在t期的潛變量，Xkt為自變量，選取可能成為城市群碳排放效率影響因素的變量。akt為城市k第t年的固定效應(yīng)，εtk為隨機(jī)擾動(dòng)項(xiàng)。

1.2 指標(biāo)選取

1.2.1 被解釋變量

考慮到數(shù)據(jù)的可獲得性和現(xiàn)有文獻(xiàn)做法[14]，選取勞動(dòng)力、能源消費(fèi)和資本量作為測(cè)算碳排放效率的投入指標(biāo)，并將城市發(fā)展的產(chǎn)出指標(biāo)分為期望產(chǎn)出與非期望產(chǎn)出，具體如表1所示。其中，非期望產(chǎn)出的三級(jí)指標(biāo)以直接能源碳排放、電能碳排放、交通運(yùn)輸碳排放以及集中供熱所形成的碳排放總量來衡量。期望產(chǎn)出的三級(jí)指標(biāo)以各地區(qū)名義GDP 通過價(jià)格指數(shù)平減后的地區(qū)實(shí)際GDP 來衡量。參考現(xiàn)有文獻(xiàn)的做法[15]，資本量的三級(jí)指標(biāo)按照考慮折舊率的固定資本存量來衡量，基礎(chǔ)指標(biāo)為固定資產(chǎn)投資，折舊率為10.96%。

表1 碳排放效率測(cè)算指標(biāo)體系

1.2.2 影響因素

城市群碳排放效率受多種因素影響。根據(jù)該領(lǐng)域相關(guān)學(xué)者的觀點(diǎn)[2,8,13,15]以及指標(biāo)選取的客觀性、科學(xué)性和可觀測(cè)性，選取以下指標(biāo)作為影響因素：（1）交通一體化（Tra），運(yùn)用熵值法計(jì)算包含年末實(shí)有鋪裝道路面積、公共運(yùn)營(yíng)汽電車數(shù)量、出租車數(shù)量、軌道交通路線長(zhǎng)度和車輛數(shù)量的綜合指數(shù)來衡量；（2）產(chǎn)業(yè)結(jié)構(gòu)升級(jí)（Upg），用第二、第三產(chǎn)業(yè)增加值占GDP 的比重表示；（3）環(huán)境規(guī)制技術(shù)（Evo），運(yùn)用熵值法測(cè)算包括工業(yè)生產(chǎn)固體廢物綜合使用率、城市污水處理廠聚集處置效率和生活廢棄物無害化處置效率的綜合指數(shù)來衡量；（4）能源結(jié)構(gòu)（Eng），采用非化石能源占城市能源消耗的比重來衡量；（5）經(jīng)濟(jì)發(fā)展水平（Eco），采用以經(jīng)過價(jià)格指數(shù)平減的人均實(shí)際GDP的對(duì)數(shù)來衡量；（6）資本稟賦（Str），采用考慮折舊率的人均固定資本存量衡量；（7）外資依存度（Fdi），采用經(jīng)過名義匯率平減后的實(shí)際利用外資金額占GDP的比重衡量。

1.3 樣本選取與數(shù)據(jù)來源

本文選擇京津冀、長(zhǎng)三角、珠三角、成渝和長(zhǎng)江中游五大城市群2006—2020 年的數(shù)據(jù)為樣本。根據(jù)《“十四五”新型城鎮(zhèn)化實(shí)施方案》，這五大城市群是我國區(qū)域經(jīng)濟(jì)發(fā)展和城市化建設(shè)中的第一梯隊(duì)。所有變量測(cè)算中所使用的原始數(shù)據(jù)來源于相應(yīng)年份的《中國城市統(tǒng)計(jì)年鑒》《中國城市建設(shè)統(tǒng)計(jì)年鑒》《中國統(tǒng)計(jì)年鑒》以及各省份的統(tǒng)計(jì)年鑒。部分固定資產(chǎn)投資數(shù)據(jù)來源于各城市的統(tǒng)計(jì)公報(bào)，缺失的數(shù)據(jù)使用均值插值法補(bǔ)充。

2 實(shí)證分析

2.1 碳排放效率測(cè)算結(jié)果

表2 顯示了五大城市群碳排放效率的計(jì)算結(jié)果。樣本期內(nèi)五大城市群整體碳排放效率值在1.064～1.295 波動(dòng)，考察末期碳排放效率值為1.149，相對(duì)于基期提升14.9%。各城市群碳排放效率變化存在異質(zhì)性。在整個(gè)樣本期內(nèi)，長(zhǎng)三角城市群、長(zhǎng)江中游城市群和成渝城市群碳排放效率均得到提升，其增幅分別為38.4%、28.5%和9.9%。相比之下，京津冀城市群和珠三角城市群碳排放效率則略有下降，降幅分別為0.5%和2%。在樣本期內(nèi)，各城市群碳排放效率均值介于1.091 和1.201 之間，其中，長(zhǎng)三角城市群碳排放效率最高（1.201），然后是長(zhǎng)江中游城市群（1.196）、珠三角城市群（1.174）和成渝城市群（1.117），而京津冀城市群碳排放效率最低（1.091）。這五大國家級(jí)城市群碳排放效率的計(jì)算結(jié)果從理論上應(yīng)該和城市群經(jīng)濟(jì)高質(zhì)量發(fā)展水平高度相關(guān)。目前，我國長(zhǎng)三角城市群經(jīng)濟(jì)高質(zhì)量發(fā)展水平最高[14]，因此碳排放效率也高于其他城市群。京津冀城市群經(jīng)濟(jì)高質(zhì)量發(fā)展水平僅次于長(zhǎng)三角城市群，但是其碳排放效率卻最低?？赡艿脑蚴牵疚奶寂欧判蕼y(cè)算考慮交通運(yùn)輸以及城市供熱產(chǎn)生的碳排放。對(duì)京津冀城市群的城市而言，城市集中供熱是城市碳排放的重要來源。珠三角城市群經(jīng)濟(jì)高質(zhì)量發(fā)展水平很高，但是碳排放效率卻低于長(zhǎng)江中游城市群。其可能的原因在于，考慮碳轉(zhuǎn)入責(zé)任分擔(dān)時(shí)，珠三角城市群要承擔(dān)更多的碳排放責(zé)任[16]。

表2 2006—2020年城市群碳排放效率

從時(shí)間趨勢(shì)來看，樣本期內(nèi)各城市群碳排放效率都呈現(xiàn)先上升、后下降、再上升的“N”型變化趨勢(shì)。2011 年以前各城市群碳排放效率穩(wěn)步提升，珠三角城市群碳排放效率領(lǐng)先于其余四個(gè)城市群；2012—2013 年城市群碳排放效率整體下降，2013年以后，城市群碳排放效率呈現(xiàn)波動(dòng)上升趨勢(shì)，整體格局在2017年達(dá)到穩(wěn)定，長(zhǎng)三角城市群和長(zhǎng)江中游城市群碳排放效率位于第一梯隊(duì)并且發(fā)展勢(shì)頭良好，成渝城市群碳排放強(qiáng)度居于中位，并且與前者存在較大差距，之后依次為京津冀城市群和珠三角城市群。

進(jìn)一步使用GML指數(shù)分解對(duì)城市群碳排放效率構(gòu)成進(jìn)行分析，將碳排放效率變動(dòng)（GMI）分解為技術(shù)效率變動(dòng)（GEC）以及技術(shù)進(jìn)步（GTC）。2005—2010年，城市群碳排放效率變動(dòng)與技術(shù)效率變動(dòng)趨近，而2010—2020年，城市群碳排放效率變動(dòng)與技術(shù)進(jìn)步表現(xiàn)出更大的相關(guān)性。2005—2010 年，城市群碳排放效率的提升主要?dú)w功于資源要素利用率的提升，而2010 年以后則歸功于技術(shù)進(jìn)步。在整個(gè)樣本期內(nèi)，我國城市群碳排放效率發(fā)展經(jīng)歷了從技術(shù)效率驅(qū)動(dòng)向技術(shù)進(jìn)步驅(qū)動(dòng)的轉(zhuǎn)變，最終實(shí)現(xiàn)了創(chuàng)新驅(qū)動(dòng)的綠色低碳轉(zhuǎn)型發(fā)展。

2.2 城市群碳排放效率分布動(dòng)態(tài)演進(jìn)

2.2.1 核密度估計(jì)結(jié)果

選擇2006年、2011年、2015年和2020年為考察時(shí)點(diǎn)，采用較為常用的高斯核函數(shù)分析五大城市群碳排放效率時(shí)序演變特征，估計(jì)結(jié)果如下頁圖1所示。（1）從核密度函數(shù)的分布形態(tài)來看，總體樣本核密度分布曲線的峰值持續(xù)下降，而主峰寬度逐年增加，說明其碳排放效率的絕對(duì)差距先大幅擴(kuò)大，后逐漸趨于穩(wěn)定。長(zhǎng)三角城市群、成渝城市群和長(zhǎng)江中游城市群核密度分布曲線的主峰高度也呈現(xiàn)下降趨勢(shì)，而主峰寬度呈現(xiàn)增加趨勢(shì)，說明其碳排放效率的絕對(duì)差距也不斷擴(kuò)大。京津冀城市群核密度分布曲線的主峰高度呈現(xiàn)先下降后上升的趨勢(shì)，說明其排放效率的絕對(duì)差距先增加后減小。珠三角城市群核密度分布曲線的主峰高度先下降后上升，說明其碳排放效率的絕對(duì)差距呈現(xiàn)先擴(kuò)大后縮小的趨勢(shì)。（2）從核密度函數(shù)的中心位置來看，總體樣本核密度圖的中心位置基本不變，說明其碳排放效率均值比較穩(wěn)定。長(zhǎng)三角城市群、珠三角城市群和長(zhǎng)江中游城市群核密度圖的中心位置也基本不變，說明其碳排放效率均值比較穩(wěn)定。京津冀城市群和珠三角城市群核密度圖的中心位置呈現(xiàn)左移態(tài)勢(shì)，說明其碳排放效率在下降。（3）從核密度函數(shù)的極化特征來看，總體樣本及五大城市群的核密度圖基本只出現(xiàn)一個(gè)主峰，多極化趨勢(shì)不明顯。

圖1 城市群碳排放效率核密度分布

2.2.2 馬爾科夫鏈分析

采用馬爾科夫鏈對(duì)城市群碳排放效率的內(nèi)部趨勢(shì)進(jìn)行分析，以四分位法將所有城市的碳排放效率按大小平均分為低、中低、中高及高四個(gè)等級(jí)，得到如表3所示的轉(zhuǎn)移概率矩陣。城市群整體及各城市群馬爾科夫轉(zhuǎn)移概率矩陣對(duì)角線上的概率均大于非對(duì)角線的概率，表明城市群碳排放效率具有穩(wěn)定性，出現(xiàn)“俱樂部趨同”問題，同時(shí)低水平（0.7981）和高水平（0.7950）趨同概率大于中低水平（0.5877）和中高水平（0.6211），表明城市群碳排放效率存在一定程度的“馬太效應(yīng)”，低水平和高水平地區(qū)傾向于穩(wěn)定在自身等級(jí)，中低水平和中高水平則傾向于向低水平和高水平轉(zhuǎn)移。此外，城市群整體以及各城市群都存在從低等級(jí)向相對(duì)高等級(jí)轉(zhuǎn)移的“躍遷”，也存在從高等級(jí)向相對(duì)低等級(jí)轉(zhuǎn)移的“下降”?？傮w而言，向上轉(zhuǎn)移的概率高于向下轉(zhuǎn)移的概率。其中長(zhǎng)江中游城市群存在異質(zhì)性，其向下轉(zhuǎn)移的概率略大于向上轉(zhuǎn)移的概率，表明城市群整體碳排放效率發(fā)展總體水平穩(wěn)中向好，但長(zhǎng)江中游城市群還需進(jìn)一步鞏固。

表3 馬爾科夫轉(zhuǎn)移概率矩陣

2.3 城市群碳排放效率影響因素分析

Tobit 模型的回歸結(jié)果如表4 所示。從總體樣本的回歸結(jié)果來看，交通一體化（Tra）的回歸系數(shù)顯著為正，說明交通一體化建設(shè)對(duì)經(jīng)濟(jì)增長(zhǎng)的正向影響要大于交通運(yùn)輸運(yùn)營(yíng)過程中碳排放的負(fù)向影響，從而提升碳排放效率。環(huán)境規(guī)制技術(shù)（Evo）的回歸系數(shù)顯著為正，這說明環(huán)境規(guī)制對(duì)碳排放效率主要是通過“創(chuàng)新補(bǔ)償”產(chǎn)生影響，并進(jìn)而提升碳排放效率。能源結(jié)構(gòu)（Eng）的回歸系數(shù)顯著為正，降低化石能源消耗占比有利于降低城市群碳排放水平，進(jìn)而提升碳排放效率。經(jīng)濟(jì)發(fā)展水平（Eco）的回歸系數(shù)顯著為正，這說明隨著我國有經(jīng)濟(jì)增長(zhǎng)轉(zhuǎn)向經(jīng)濟(jì)高質(zhì)量發(fā)展階段，經(jīng)濟(jì)發(fā)展能夠?qū)崿F(xiàn)節(jié)能減排和經(jīng)濟(jì)效益的雙贏。資本稟賦（Str）的回歸系數(shù)顯著為正，這說明我國目前依賴固定資產(chǎn)投資的經(jīng)濟(jì)發(fā)展模式已經(jīng)能實(shí)現(xiàn)節(jié)能減排。產(chǎn)業(yè)結(jié)構(gòu)升級(jí)（Upg）和外資依存度（Fdi）的回歸系數(shù)并不顯著，這說明二者對(duì)碳排放效率的凈效應(yīng)很小。其可能的原因在于，產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)雖然是經(jīng)濟(jì)高質(zhì)量發(fā)展的標(biāo)志，但是也帶來更大的能源消費(fèi)，這兩種影響相互抵消。所以政府應(yīng)該致力于推動(dòng)產(chǎn)業(yè)集聚的數(shù)字化轉(zhuǎn)型[17]。外商投資在產(chǎn)生“技術(shù)溢出”效應(yīng)的同時(shí)，也帶來“污染避難所”效應(yīng)，二者相互抵消。

表4 基準(zhǔn)回歸結(jié)果

以碳排放效率的基準(zhǔn)值將總體樣本劃分為未達(dá)到生產(chǎn)前沿的城市（碳排放效率＜1）和達(dá)到生產(chǎn)前沿的城市（碳排放效率＞1）兩個(gè)子樣本進(jìn)行異質(zhì)性分析，回歸結(jié)果如表4所示。在碳排放效率較高的組別中，交通一體化（Tra）、環(huán)境規(guī)制技術(shù)（Evo）、能源結(jié)構(gòu)（Eng）、經(jīng)濟(jì)發(fā)展水平（Eco）和資本稟賦（Str）的回歸系數(shù)與總體樣本的回歸結(jié)果相似。在碳排放效率較低的組別中，交通一體化（Tra）回歸系數(shù)不顯著，說明我國城市群交通一體化發(fā)展的不平衡、不充分的問題仍然存在。產(chǎn)業(yè)結(jié)構(gòu)升級(jí)（Upg）的回歸系數(shù)卻顯著為正，這是和總體樣本最大的差異。

最后，再分別按照五大城市群進(jìn)行異質(zhì)性分析，回歸結(jié)果如表5所示。和總體樣本相比，五大城市群碳排放效率的影響因素均存在一定的差異。在京津冀城市群內(nèi)部，差異主要表現(xiàn)在資本稟賦（Str）和外資依存度（Fdi）這兩個(gè)變量。其中，資本稟賦的回歸系數(shù)不顯著，其可能的原因是京津冀城市群資本深化程度較高，而過度資本深化會(huì)削弱基本要素積累對(duì)碳排放效率的促進(jìn)作用。外資依存度的回歸系數(shù)顯著為正，這說明京津冀城市群的外商直接投資沒有帶來“污染避難所”效應(yīng)或該效應(yīng)較小。在成渝城市群與長(zhǎng)江中游城市群內(nèi)部，差異主要表現(xiàn)在能源結(jié)構(gòu)（Eng）方面，該變量的回歸系數(shù)并不顯著，其可能的原因在于，化石能源退出和新能源擴(kuò)張是一個(gè)逐步完成的過程，成渝城市群和長(zhǎng)江中游城市群低碳能源結(jié)構(gòu)處于相對(duì)劣勢(shì)，能源轉(zhuǎn)型難度更大、過渡期更長(zhǎng)。長(zhǎng)三角城市群和珠三角城市群碳排放效率的影響因素和總體樣本基本相似，再一次驗(yàn)證了本文的實(shí)證檢驗(yàn)結(jié)果。

表5 異質(zhì)性分析結(jié)果

3 結(jié)論

本文基于城市群視角，從能源消耗、交通運(yùn)輸和集中供熱三個(gè)維度估算城市碳排放量，并將其作為非期望產(chǎn)出，運(yùn)用超效率SBM 方向性距離函數(shù)和GML 指數(shù)更加全面地對(duì)五大城市群碳排放效率及其動(dòng)態(tài)演變進(jìn)行刻畫；最后，基于面板Tobit 模型詳細(xì)分析了五大城市群碳排放效率的影響因素及其異質(zhì)性，主要得出如下結(jié)論：第一，城市群碳排放效率呈現(xiàn)先上升、后下降、再上升的“N”型變化趨勢(shì)，并且從技術(shù)效率驅(qū)動(dòng)向技術(shù)進(jìn)步驅(qū)動(dòng)轉(zhuǎn)變。第二，根據(jù)城市群碳排放效率動(dòng)態(tài)演進(jìn)特征，城市群總體和各城市群碳排放效率在樣本期間分布形態(tài)良好，未出現(xiàn)兩極分化和區(qū)域內(nèi)部差距較大的情形；城市群碳排放效率存在俱樂部趨同現(xiàn)象，表現(xiàn)出穩(wěn)定性，并且存在一定程度的馬太效應(yīng)；整體來看，碳排放效率向上轉(zhuǎn)移的概率高于向下轉(zhuǎn)移的概率，城市群碳排放效率整體發(fā)展勢(shì)頭良好。第三，根據(jù)影響因素分析結(jié)果，提升交通一體化水平、加強(qiáng)環(huán)境規(guī)制、優(yōu)化能源結(jié)構(gòu)、穩(wěn)定經(jīng)濟(jì)發(fā)展和擴(kuò)大固定資產(chǎn)投資是驅(qū)動(dòng)城市群碳排放效率提升的重要?jiǎng)恿?，產(chǎn)業(yè)結(jié)構(gòu)升級(jí)和外資依存度系數(shù)則不顯著，各城市群影響因素存在異質(zhì)性。