肖國安，陳 誠，高雅婕

（湖南科技大學 商學院，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)域經濟發(fā)展的重要戰(zhàn)略單元和實現高質量發(fā)展的關鍵支點。當前我國重點規(guī)劃建設的城市群有19 個，創(chuàng)造了全國75%以上的GDP[1]，是我國經濟增長的重要引擎。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一性和靈活性這對基本關系[2]。推進城市群經濟社會發(fā)展和碳排放量脫鉤，是實現“碳達峰”“碳中和”目標的重要環(huán)節(jié)。在此背景下，準確測度城市群碳排放效率，分析城市群碳排放利用率的動態(tài)演進特征及其影響因素，對科學制定城市群綠色低碳轉型政策具有重要的現實意義。

自“雙碳”目標提出以來，部分學者以碳排放總量和人均碳排放為目標變量進行了大量實證研究。韋彥汀等（2022）[3]評估成渝城市群碳排放量，并分析其時空特征；杜立民（2010）[4]采用我國省級面板數據測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。部分學者則是以碳排放強度和碳生產率為目標變量進行實證研究。陳海龍和李陽（2022）[5]采用我國省級面板數據分析碳排放強度對經濟高質量發(fā)展的空間效應；鄺嫦娥等（2022）[6]分析長江中游城市群碳排放強度和經濟社會發(fā)展水平的耦合協調關系。另外，也有部分學者試圖構建一個融合經濟發(fā)展與碳排放的綜合評價指標體系，將能源消耗產生的碳排放量作為非期望產出，通過SBM 模型對碳排放效率進行衡量，并將其用于國家、區(qū)域、城市和產業(yè)的低碳發(fā)展評價[7—10]。還有部分學者則分析了經濟發(fā)展水平產業(yè)結構、碳交易試點政策等因素對碳排放效率的影響[11—13]。

現有文獻對碳排放效率的測度主要聚焦省級層面和城市層面，較少分析碳排放效率動態(tài)演進特征。本文選擇以京津冀、長三角、珠三角、成渝和長江中游五大城市群為研究對象，基于超效率SBM-GML指數測度城市群碳排放效率，并采用核密度估計和馬爾科夫鏈分析城市群碳排放效率的動態(tài)演進特征，最后通過Tobit 模型進一步分析城市群碳排放效率的影響因素。

1 研究設計

1.1 研究方法

1.1.1 SBM-GML指數

考慮到非期望產出約束下的碳排放效率測算以及傳統ML指數可能存在的不可行解問題，引入基于SBM方向距離函數的GML指數測定碳排放效率。假設DMUK為第K個決策單元，每個決策單元需投入N種要素，分別得到M種期望產出和N種非期望產出。對應第K個城市第t期的投入和產出集合則可表示為(xkt，ykt，bkt)，第t 期的生產可能性集Pt(x)可表示為：

考慮到加入松弛變量后效率測算的誤差，定義全局SBM方向距離函數為：

結合上述思路，使用基于SBM 方向距離函數的GML指數測算碳排放效率，GML 指數為碳排放效率在第t+1期與t期的相對變動，并且可以將其分解為技術效率變動（GEC）和技術進步變動（GTC）兩個部分，具體內容包括：

1.1.2 核密度估計

核密度估計是通過核函數估計隨機變量的密度參數，而非參數估計的基礎就構成了非參數估計擬合回歸方程的一般邏輯。將核函數作為權重函數與樣本點進行對應聯系，以構成對回歸關系的擬合估計。假定隨機變量X的密度形式如下：

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

1.1.3 馬爾科夫鏈分析

馬爾科夫鏈是一個隨機系統，假設隨機變量X在t時刻的狀況為i時，X在t+1 是任意狀況，只會與X在t時刻的狀況相關：

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

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

1.1.4 Tobit模型構建

在分析城市群碳排放效率的動態(tài)演進特征之后，再進一步構建計量模型實證檢驗城市群碳排放效率的影響因素?？紤]到超效率SBM方向性距離函數的GML指數測算結果不可能為負值，以0 為指標取值范圍的下界，適合采用如下形式的Tobit模型對其影響因素進行分析：

其中，Ykt為城市k在t期的截斷因變量，即城市k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，εtk為隨機擾動項。

1.2 指標選取

1.2.1 被解釋變量

考慮到數據的可獲得性和現有文獻做法[14]，選取勞動力、能源消費和資本量作為測算碳排放效率的投入指標，并將城市發(fā)展的產出指標分為期望產出與非期望產出，具體如表1所示。其中，非期望產出的三級指標以直接能源碳排放、電能碳排放、交通運輸碳排放以及集中供熱所形成的碳排放總量來衡量。期望產出的三級指標以各地區(qū)名義GDP 通過價格指數平減后的地區(qū)實際GDP 來衡量。參考現有文獻的做法[15]，資本量的三級指標按照考慮折舊率的固定資本存量來衡量，基礎指標為固定資產投資，折舊率為10.96%。

表1 碳排放效率測算指標體系

1.2.2 影響因素

城市群碳排放效率受多種因素影響。根據該領域相關學者的觀點[2,8,13,15]以及指標選取的客觀性、科學性和可觀測性，選取以下指標作為影響因素：（1）交通一體化（Tra），運用熵值法計算包含年末實有鋪裝道路面積、公共運營汽電車數量、出租車數量、軌道交通路線長度和車輛數量的綜合指數來衡量；（2）產業(yè)結構升級（Upg），用第二、第三產業(yè)增加值占GDP 的比重表示；（3）環(huán)境規(guī)制技術（Evo），運用熵值法測算包括工業(yè)生產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來衡量；（4）能源結構（Eng），采用非化石能源占城市能源消耗的比重來衡量；（5）經濟發(fā)展水平（Eco），采用以經過價格指數平減的人均實際GDP的對數來衡量；（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），采用經過名義匯率平減后的實際利用外資金額占GDP的比重衡量。

1.3 樣本選取與數據來源

本文選擇京津冀、長三角、珠三角、成渝和長江中游五大城市群2006—2020 年的數據為樣本。根據《“十四五”新型城鎮(zhèn)化實施方案》，這五大城市群是我國區(qū)域經濟發(fā)展和城市化建設中的第一梯隊。所有變量測算中所使用的原始數據來源于相應年份的《中國城市統計年鑒》《中國城市建設統計年鑒》《中國統計年鑒》以及各省份的統計年鑒。部分固定資產投資數據來源于各城市的統計公報，缺失的數據使用均值插值法補充。

2 實證分析

2.1 碳排放效率測算結果

表2 顯示了五大城市群碳排放效率的計算結果。樣本期內五大城市群整體碳排放效率值在1.064～1.295 波動，考察末期碳排放效率值為1.149，相對于基期提升14.9%。各城市群碳排放效率變化存在異質性。在整個樣本期內，長三角城市群、長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，各城市群碳排放效率均值介于1.091 和1.201 之間，其中，長三角城市群碳排放效率最高（1.201），然后是長江中游城市群（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）。這五大國家級城市群碳排放效率的計算結果從理論上應該和城市群經濟高質量發(fā)展水平高度相關。目前，我國長三角城市群經濟高質量發(fā)展水平最高[14]，因此碳排放效率也高于其他城市群。京津冀城市群經濟高質量發(fā)展水平僅次于長三角城市群，但是其碳排放效率卻最低?？赡艿脑蚴牵疚奶寂欧判蕼y算考慮交通運輸以及城市供熱產生的碳排放。對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。珠三角城市群經濟高質量發(fā)展水平很高，但是碳排放效率卻低于長江中游城市群。其可能的原因在于，考慮碳轉入責任分擔時，珠三角城市群要承擔更多的碳排放責任[16]。

表2 2006—2020年城市群碳排放效率

從時間趨勢來看，樣本期內各城市群碳排放效率都呈現先上升、后下降、再上升的“N”型變化趨勢。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先于其余四個城市群；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波動上升趨勢，整體格局在2017年達到穩(wěn)定，長三角城市群和長江中游城市群碳排放效率位于第一梯隊并且發(fā)展勢頭良好，成渝城市群碳排放強度居于中位，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。

進一步使用GML指數分解對城市群碳排放效率構成進行分析，將碳排放效率變動（GMI）分解為技術效率變動（GEC）以及技術進步（GTC）。2005—2010年，城市群碳排放效率變動與技術效率變動趨近，而2010—2020年，城市群碳排放效率變動與技術進步表現出更大的相關性。2005—2010 年，城市群碳排放效率的提升主要歸功于資源要素利用率的提升，而2010 年以后則歸功于技術進步。在整個樣本期內，我國城市群碳排放效率發(fā)展經歷了從技術效率驅動向技術進步驅動的轉變，最終實現了創(chuàng)新驅動的綠色低碳轉型發(fā)展。

2.2 城市群碳排放效率分布動態(tài)演進

2.2.1 核密度估計結果

選擇2006年、2011年、2015年和2020年為考察時點，采用較為常用的高斯核函數分析五大城市群碳排放效率時序演變特征，估計結果如下頁圖1所示。（1）從核密度函數的分布形態(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差距先大幅擴大，后逐漸趨于穩(wěn)定。長三角城市群、成渝城市群和長江中游城市群核密度分布曲線的主峰高度也呈現下降趨勢，而主峰寬度呈現增加趨勢，說明其碳排放效率的絕對差距也不斷擴大。京津冀城市群核密度分布曲線的主峰高度呈現先下降后上升的趨勢，說明其排放效率的絕對差距先增加后減小。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差距呈現先擴大后縮小的趨勢。（2）從核密度函數的中心位置來看，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。長三角城市群、珠三角城市群和長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左移態(tài)勢，說明其碳排放效率在下降。（3）從核密度函數的極化特征來看，總體樣本及五大城市群的核密度圖基本只出現一個主峰，多極化趨勢不明顯。

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

采用馬爾科夫鏈對城市群碳排放效率的內部趨勢進行分析，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、中高及高四個等級，得到如表3所示的轉移概率矩陣。城市群整體及各城市群馬爾科夫轉移概率矩陣對角線上的概率均大于非對角線的概率，表明城市群碳排放效率具有穩(wěn)定性，出現“俱樂部趨同”問題，同時低水平（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”，低水平和高水平地區(qū)傾向于穩(wěn)定在自身等級，中低水平和中高水平則傾向于向低水平和高水平轉移。此外，城市群整體以及各城市群都存在從低等級向相對高等級轉移的“躍遷”，也存在從高等級向相對低等級轉移的“下降”?？傮w而言，向上轉移的概率高于向下轉移的概率。其中長江中游城市群存在異質性，其向下轉移的概率略大于向上轉移的概率，表明城市群整體碳排放效率發(fā)展總體水平穩(wěn)中向好，但長江中游城市群還需進一步鞏固。

表3 馬爾科夫轉移概率矩陣

2.3 城市群碳排放效率影響因素分析

Tobit 模型的回歸結果如表4 所示。從總體樣本的回歸結果來看，交通一體化（Tra）的回歸系數顯著為正，說明交通一體化建設對經濟增長的正向影響要大于交通運輸運營過程中碳排放的負向影響，從而提升碳排放效率。環(huán)境規(guī)制技術（Evo）的回歸系數顯著為正，這說明環(huán)境規(guī)制對碳排放效率主要是通過“創(chuàng)新補償”產生影響，并進而提升碳排放效率。能源結構（Eng）的回歸系數顯著為正，降低化石能源消耗占比有利于降低城市群碳排放水平，進而提升碳排放效率。經濟發(fā)展水平（Eco）的回歸系數顯著為正，這說明隨著我國有經濟增長轉向經濟高質量發(fā)展階段，經濟發(fā)展能夠實現節(jié)能減排和經濟效益的雙贏。資本稟賦（Str）的回歸系數顯著為正，這說明我國目前依賴固定資產投資的經濟發(fā)展模式已經能實現節(jié)能減排。產業(yè)結構升級（Upg）和外資依存度（Fdi）的回歸系數并不顯著，這說明二者對碳排放效率的凈效應很小。其可能的原因在于，產業(yè)結構轉型升級雖然是經濟高質量發(fā)展的標志，但是也帶來更大的能源消費，這兩種影響相互抵消。所以政府應該致力于推動產業(yè)集聚的數字化轉型[17]。外商投資在產生“技術溢出”效應的同時，也帶來“污染避難所”效應，二者相互抵消。

表4 基準回歸結果

以碳排放效率的基準值將總體樣本劃分為未達到生產前沿的城市（碳排放效率＜1）和達到生產前沿的城市（碳排放效率＞1）兩個子樣本進行異質性分析，回歸結果如表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（Evo）、能源結構（Eng）、經濟發(fā)展水平（Eco）和資本稟賦（Str）的回歸系數與總體樣本的回歸結果相似。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。產業(yè)結構升級（Upg）的回歸系數卻顯著為正，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行異質性分析，回歸結果如表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。在京津冀城市群內部，差異主要表現在資本稟賦（Str）和外資依存度（Fdi）這兩個變量。其中，資本稟賦的回歸系數不顯著，其可能的原因是京津冀城市群資本深化程度較高，而過度資本深化會削弱基本要素積累對碳排放效率的促進作用。外資依存度的回歸系數顯著為正，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”效應或該效應較小。在成渝城市群與長江中游城市群內部，差異主要表現在能源結構（Eng）方面，該變量的回歸系數并不顯著，其可能的原因在于，化石能源退出和新能源擴張是一個逐步完成的過程，成渝城市群和長江中游城市群低碳能源結構處于相對劣勢，能源轉型難度更大、過渡期更長。長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，再一次驗證了本文的實證檢驗結果。

表5 異質性分析結果

3 結論

本文基于城市群視角，從能源消耗、交通運輸和集中供熱三個維度估算城市碳排放量，并將其作為非期望產出，運用超效率SBM 方向性距離函數和GML 指數更加全面地對五大城市群碳排放效率及其動態(tài)演變進行刻畫；最后，基于面板Tobit 模型詳細分析了五大城市群碳排放效率的影響因素及其異質性，主要得出如下結論：第一，城市群碳排放效率呈現先上升、后下降、再上升的“N”型變化趨勢，并且從技術效率驅動向技術進步驅動轉變。第二，根據城市群碳排放效率動態(tài)演進特征，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，未出現兩極分化和區(qū)域內部差距較大的情形；城市群碳排放效率存在俱樂部趨同現象，表現出穩(wěn)定性，并且存在一定程度的馬太效應；整體來看，碳排放效率向上轉移的概率高于向下轉移的概率，城市群碳排放效率整體發(fā)展勢頭良好。第三，根據影響因素分析結果，提升交通一體化水平、加強環(huán)境規(guī)制、優(yōu)化能源結構、穩(wěn)定經濟發(fā)展和擴大固定資產投資是驅動城市群碳排放效率提升的重要動力，產業(yè)結構升級和外資依存度系數則不顯著，各城市群影響因素存在異質性。