魏麗莉,侯宇琦,曹昊煜

(蘭州大學 a.經濟學院;b.綠色金融研究院,甘肅 蘭州 730000)

一、引 言

應對氣候變化、減少溫室氣體排放是全球面臨的共同挑戰(zhàn),也是中國同世界各國深入開展生態(tài)文明建設交流合作的關鍵領域。20世紀90年代以來,全球變暖和溫室效應受到了社會的廣泛關注。1997年,聯合國氣候大會在日本通過《京都議定書》,作為人類歷史上第一部限制溫室氣體的國際法案,該公約對溫室氣體減排的目標和路徑作出了明確規(guī)定。2015年,第21屆聯合國氣候變化大會上通過的《巴黎協(xié)定》對2020年以后全球應對氣候變化行動作出了統(tǒng)一安排,并設定“將全球平均氣溫較前工業(yè)化時期上升幅度控制在2攝氏度以內,努力將溫度上升幅度限制在1.5攝氏度以內”。從全球碳排放責任的角度出發(fā),中國是減排責任的積極承擔者,也是最大的減排貢獻國之一。2020年習近平主席在第七十五屆聯合國大會一般性辯論上宣布“中國將力爭2030年實現碳達峰,2060年實現碳中和”。“雙碳”目標的宣布昭示了中國碳減排路徑的關鍵錨點,也是中國高度重視應對氣候變化,堅持綠色發(fā)展、高質量發(fā)展的決心體現。在此背景下,準確測度中國碳排放績效及其動態(tài)變化,識別地區(qū)間碳排放績效差異及其來源,并分析驅動二氧化碳排放績效變動的關鍵因素,對精準評估中國碳排放治理水平,踐行生態(tài)文明建設有重要意義。

20世紀90年代以來,中國碳排放規(guī)模不斷上升且存在顯著的地區(qū)差異。厘清地區(qū)之間的碳排放水平差異,有助于高效調配減碳資源,以更低的經濟成本實現“雙碳”目標。二氧化碳排放績效衡量了各地區(qū)是否能以較少的碳排放和能源消耗產生更高的經濟效益,可以準確地評價地區(qū)經濟發(fā)展模式是否兼顧增長與低碳要求,是評估地區(qū)碳排放治理水平的重要指標,對中國踐行生態(tài)文明建設具有重要意義[1]。本文的研究重點是采用改進后的全要素碳排放績效指數準確測度中國城市碳排放績效及其動態(tài)變化,識別中國不同城市群碳排放績效差異及其來源,并分析驅動二氧化碳排放績效變動的關鍵因素,以期為中國更好更快實現經濟低碳轉型提供政策設計依據。

碳排放績效測度指標可劃分為單要素碳排放績效指標和全要素碳排放績效指標。單要素指標由碳排放規(guī)模與某一經濟指標之比構造而成,主要包括碳排放強度和隱含碳排放密度等[2-3],由于單要素指標無法全面反映各投入產出要素之間的關系,后期學者將碳排放和能源損耗納入TFP增長核算框架下,構建碳排放效率等全要素指標,對地區(qū)碳排放績效進行衡量[4]。常用的全要素碳排放績效指標計算方法主要有基于隨機前沿分析的參數方法(SFA)和基于數據包絡分析模型(DEA)的非參數方法。由于數據包絡模型能夠同時實現多投入多產出的效率分析研究,更接近環(huán)境績效評價的實際需求,其演化而來的非徑向方向距離函數、松弛變量測度模型等各類數據包絡分析模型近年來被廣泛應用于環(huán)境績效評價研究[5-6]。但也有研究指出,現有研究中常使用的各類DEA模型均存在不同程度的線性規(guī)劃無解和生產前沿設定偏誤,可能會在一定程度上導致碳排放績效測度結果不準確[7]。

現有研究運用上述測度方法對中國不同地區(qū)、不同行業(yè)的碳排放績效水平進行測度和分析,部分研究采用空間自相關、時空躍遷矩陣、空間馬爾科夫鏈等方法對中國碳排放績效的時空演化進行刻畫[8]。還有部分研究關注到碳排放績效的空間差異性,使用空間變差函數、探索性空間數據分析等方法,刻畫了中國碳排放績效的空間分異情況及區(qū)域收斂特征[9-10]。在碳排放績效的影響因素分析方面,現有研究在IPAT模型和STIRPAT模型等框架下,結合經濟理論和實際發(fā)展特征,總結了碳排放績效的幾類影響因素,主要包括經濟水平、技術創(chuàng)新、產業(yè)結構、能源消費結構、能源強度、人口密度等[11-13]?？梢钥闯?在碳排放績效空間分析方面,現有研究多著重于刻畫其空間演化特征,對區(qū)域間的碳排放績效不平等現象關注不夠,且較少探討區(qū)域碳排放不平等現象及其差異來源;在影響因素探究方面,現有研究多局限于STIRPAT模型框架,并采用相關分析等傳統(tǒng)計量模型進行相關性檢驗,一定程度上忽視了計量模型的過度控制等問題。

綜上,既有文獻圍繞中國碳排放效率的測度、時空演化及其影響因素等方面形成了豐富研究成果,然而仍存在碳排放績效估計不準確、空間分異來源不明以及影響因素識別缺乏統(tǒng)計依據等問題。相較于現有研究本文邊際貢獻如下:一是較為新穎地以非徑向方向距離函數為框架,通過計算實際碳排放和經濟增長與技術前沿的差距之比,構造了全要素碳排放績效指數,在一定程度上克服了現有研究中所采用的環(huán)境績效評估模型存在的跨期無解、角度和徑向效率有偏等缺陷,更準確地衡量了中國城市碳排放治理績效;二是從經濟含義、跨期動態(tài)變化、區(qū)域均衡等層面對全要素碳排放績效指數進行多維分解,不僅分析了全要素碳排放績效指數的效率改進、技術進步和技術落差及其動態(tài)變化,還通過Dagum基尼系數分解對城市群間碳排放績效不平等的形成原因進行識別;三是為更科學識別城市碳排放績效的影響因素,采用Lasso機器學習法對影響因素進行篩選,有效克服傳統(tǒng)計量方法中過度控制導致的估計偏誤。

二、研究方法與數據來源

(一)環(huán)境技術與效率分析模型

為準確測度中國的經濟環(huán)境綜合績效及其動態(tài)變化,本文借鑒Fare等的研究假設,同時在生產技術中考慮經濟發(fā)展和二氧化碳排放兩類產出,定義環(huán)境生產技術如下[14]:

(1)

式(1)中X表示投入,Y表示期望產出,C表示二氧化碳排放。理論上,對環(huán)境生產技術的估計方法主要可以分為兩類,一類是基于參數估計的隨機前沿分析和參數線性規(guī)劃方法,通過對環(huán)境生產函數施加超越對數或二次型函數形式的假設,對生產可能集進行估計[15];另一類基于非參數估計,使用數據包絡方法(Data Envelopment Analysis,DEA)構造生產技術前沿面。在DEA模型中,對于方向距離的選擇至關重要,應用較為廣泛的CCR和BCC等基于謝潑德距離函數徑向模型,通過投入要素和產出的等比例擴張計算觀測數據與前沿面的距離,具有較強的理論假設。在謝潑德距離函數的基礎上,Chung等提出了方向距離函數(Directional Distance Function,DDF),放松了期望產出和非期望產出同方向變化的模型假設[16]。Zhou等在DDF的基礎上進一步提出了包含非期望產出的非徑向方向距離函數(NDDF),對不同產出類型的變化情況進行了進一步刻畫[17]。

與DEA模型密切相關的是效率分析的動態(tài)特征。Chung等構造了曼奎斯特—盧恩伯格(Malmquits-Luenberger,ML)指數,使用不同時期效率分析結果的幾何平均測算了包含環(huán)境污染的TFP變化,但該指數存在跨期無解、角度和徑向效率有偏等缺陷,而彌補上述缺陷的主要方式是使用基于兩期數據的BML指數或將全域技術前沿與NDDF相結合,緩解ML指數計算導致的測算偏誤[16]。因此,本文使用NDDF方法對納入二氧化碳排放的技術無效率進行測度,并借鑒Oh等的全局ML指數方法和共同邊界技術動態(tài)刻畫NDDF的分析結果[18]。

(二)全要素碳排放績效指數構建

根據研究問題,本文構建如下非徑向方向距離函數:

(2)

式(2)中K、L、E分別表示資本、勞動和能源投入,Y表示期望產出,C表示二氧化碳排放,即非期望產出。wT表示投入和產出的權重,g=(-gK,-gL,-gE,gY,-gC)表示方向向量,β表示松弛變量。

結合式(1)中關于環(huán)境技術的假設,本文使用DEA方法求解NDDF,模型設定如式(3)所示:

從結果的經濟含義上看,式(3)的分析結果僅僅刻畫了包含非期望產出后,經濟中效率改進的空間,因此并不能直接度量碳排放的績效。ZHOU等通過計算目標碳排放與實際碳排放之比定義了全要素碳排放指數,ZHANG和CHOI則通過松弛變量之間的關系定義了全要素碳排放表現[17,19]。本文借鑒上述學者的做法,構造全要素碳排放績效指數(Total-Factor CO2Performance Index,TCPI)度量碳排放績效,具體形式如式(4):

(4)

該指數度量了碳排放改進空間與產出改進空間之比。由于βC,βY的值和決策單元與前沿面的距離成正比,TCPI的取值越大時,決策單元的碳排放和產出改進空間越小,碳排放績效越高。

(三)共同邊界非徑向Malmquist碳排放績效指數分解

(5)

MNMCPI一方面度量了全要素碳排放績效指數的跨期動態(tài)變化,另一方面通過共同邊界技術考察了不同能源消費強度的城市異質性。與ML指數相似,MNMCPI可以分解為效率改進、技術進步和技術落差三個部分。

(6)

式(6)中EC表示效率改進(Efficiency Change),刻畫了不同時期技術效率的“追趕效應”;BPC表示最佳實踐變化(Best Practice Change),用于度量跨期和同期全要素碳排放績效指數的變化,由于該指標刻畫了同期技術前沿的移動情況,因此也可以代表“技術進步”;TGC表示技術落差(Technology Gap Change),度量不同城市分組的前沿面到總體前沿面的距離變化,體現不同組別的技術變化與全局技術之間的關系。通過對MNMCPI的定義和分解,可以進一步考察碳排放績效的動態(tài)變化和增長源泉。

(四)全要素碳排放績效指數空間差異及其分解

由于中國城市的碳排放績效可能存在地區(qū)差異,本文使用Dagum基尼系數方法對中國2006—2019年全要素碳排放績效指數的空間差異程度進行測度和分解,從城市群層面刻畫碳排放績效空間差異的變化及其來源。Dagum基尼系數的定義如式(7)所示:

(7)

其中yji和yhr分別表示j或h地區(qū)內i城市或r城市的全要素碳排放績效指數,nj和nh分別表示j或h地區(qū)內的城市數量。根據Dagum的做法,進一步將總體基尼系數分解為地區(qū)內部差異Gw、地區(qū)間差異Gnb和超變密度Gl三個部分[20]。三者分別定義為:

(8)

(9)

(10)

(11)

(12)

(13)

式(8)～(10)分別定義了地區(qū)內差異、地區(qū)間差異和超變密度,式(13)為地區(qū)j和地區(qū)h全要素碳排放績效指數的相對影響,djh為地區(qū)間差值,pjh為超變一階矩,Fj(·)表示地區(qū)j全要素碳排放績效指數的累積分布函數。

(五)投入產出變量選取與數據說明

1.變量選取

應用NDDF考察碳排放績效首先需要確定模型的投入產出變量,多數文獻在效率分析建模中納入了資本、勞動和能源三個方面的投入指標。使用以上三類要素分析中國城市碳排放績效的原因在于兩個方面:第一,資本、勞動和能源是當前生產過程中投入最廣泛的經濟要素,能夠刻畫多數城市的生產特征;第二,三者與碳排放密切相關,人口規(guī)模和能源消費是導致二氧化碳排放強度提高的重要因素。因此,本文同樣采用資本、勞動和能源作為NDDF模型的投入指標。

2.數據說明

本文的研究樣本為2006—2019年中國城市層面數據,考慮能源數據等指標的缺失問題,最終納入研究254個地級市。資本投入使用資本存量度量,參考單豪杰對中國資本存量的估算,使用永續(xù)盤存法計算資本存量[21]:

Kt=Kt-1(1-δt)+It

(14)

其中Kt為第t年的資本存量,It為第t年的投資規(guī)模,使用投資價格指數和固定資產投資計算,δt為第t年的折舊率,取值為10.96%。

能源投入使用省級能源消費和夜間燈光數據計算得到。測算過程中,本文主要從兩個方面提高了計算的精確度。常用的夜間燈光數據包括DMSP-OLS數據和NPP-VIIRS數據,二者在年份上互補。為保持2013年前后燈光數據在量綱上的一致性,對2013年的DMSP-OLS和NPP-VIIRS數據建立擬合模型,并使用該模型矯正2013年之后的NPP-VIIRS數據,再采用過原點回歸將省級能源消費分解到城市層面[22-23]。

非期望產出為二氧化碳排放?，F有研究中測算碳排放的方法有基于能源消費和碳排放折算因子的近似計算和使用夜間燈光數據反演兩類方法?？紤]前文能源消費已使用夜間燈光數據計算,碳排放數據計算參考吳建新等人做法,分別根據IPCC相關轉化因子、電網基準線排放因子、各類運輸方式的客貨運輸量以及供熱能源原煤量,計算電能、煤氣、液化石油氣、交通運輸和熱能消耗的碳排放量,加總得到各城市碳排放量[24]。

勞動力投入和期望產出分別使用城鎮(zhèn)單位從業(yè)人員期末人數和當年價格地區(qū)生產總值度量。資本和勞動投入、經濟總產出數據來自《中國城市統(tǒng)計年鑒》,城市能源消費和二氧化碳排放測算中使用的其他數據來源于《中國統(tǒng)計年鑒》《中國城市建設統(tǒng)計年鑒》和《中國區(qū)域統(tǒng)計年鑒》。

表1 投入產出變量選取及描述性統(tǒng)計

三、中國城市全要素碳排放績效指數測算及其分解

(一)中國城市全要素碳排放績效指數變化情況

依照式(4)對城市層面的全要素碳排放績效指數(TCPI)進行測度,測算結果見表2。全國城市的平均全要素碳排放績效指數(TCPI)由2006年的0.180逐漸提高至2019年的0.326,年平均增長率為4.67%,說明樣本期內中國碳排放績效顯著提高,中國減排降碳工作和生態(tài)文明建設取得了長足的進展,這與已有研究中2006年以后中國環(huán)境TFP呈增長趨勢的結論一致[25]。結合當下實際背景,可將中國全要素碳排放績效變化分為2006—2010年,2011—2014年和2015—2019年三個波動上升階段。與直接將考慮了能源消費和碳排放約束條件下的經濟非效率水平作為碳排放績效表征的結果不同,本文定義的全要素碳排放績效指數在考察期內未出現明顯的下降,進一步證明了傳統(tǒng)方法直接將效率值作為碳排放治理水平的度量方法存在一定誤差。

表2 2006—2019年中國城市TCPI指數、MNMCPI指數變化及其分解

2006—2010年,全國城市的平均碳排放績效水平迅速上升,2010年碳排放績效較2006年提高了29.44%,該階段碳排放績效水平高速增長,一方面是由于2006年“十一五”規(guī)劃中首次將“節(jié)能減排”作為明確的戰(zhàn)略目標提出,并對各級政府下達了污染物排放和能源強度等約束性任務,2009年中國進一步下達了溫室氣體控排目標,強化了減碳降廢政策的力度;另一方面,受到“十五”期間中國工業(yè)高污染高排放的發(fā)展模式影響,該時期各地化石能源消費迅速增長,減排空間較大。

2011—2014年,全國城市的平均碳排放績效水平增速放緩,其可能原因在于,隨著二氧化碳減排規(guī)模的不斷提高,各地減排空間逐步縮小,碳排放績效提升無法繼續(xù)通過直接減少排放、調整能源結構和初級技術進步實現,碳排放績效提高進入瓶頸期,后期減排的動力不足,進一步提高碳排放績效的難度逐漸增加,減排的邊際成本提高,但在政策的持續(xù)作用下,各地區(qū)整體仍呈現低碳化發(fā)展轉型趨勢[26]。

2015—2019年,綠色發(fā)展理念作為新發(fā)展理念的主要內容,為中國經濟發(fā)展結構調整指明了新方向,《巴黎協(xié)定》等氣候變化應對承諾進一步加強了政府對于提高碳排放績效的迫切和堅定程度,在政策刺激下,該時期碳排放績效增速出現了小幅度提高,但由于各地碳排放績效已維持在較高水平,受限于技術進步瓶頸,進一步提升碳排放績效的難度較大。

(二)中國城市全要素碳排放績效指數分解

由于TCPI指數是全局技術下計算的靜態(tài)能源環(huán)境效率指數,因此不能反映不同生產技術在不同時期的動態(tài)變化。為進一步探討決策單元生產技術和效率表現的動態(tài)變化,避免決策單元技術異質性造成的估計偏差,采用共同前沿方法,將城市按照能源強度進行分組分別構建前沿面,根據式(5),進一步估算了共同前沿非徑向Malmquist碳排放績效指數(MNMCPI),結果見表2。MNMCPI指數展示了中國城市TCPI的平均動態(tài)變化情況,當MNMCPI>1時,說明在t至t+1期內,各組的全要素碳排放績效指數出現進步,MNMCPI指數的值越大,說明該決策單元的跨期進步越快。

將MNMCPI指數分解為EC指數、BPC指數和TGC指數。其中,EC指數反映了各城市與其所在群組當期生產技術前沿面的接近程度變化情況,可以將其解釋為效率改進效應,當EC>1時,認為相較于t期,t+1期實現了效率趕超,EC指數越高說明決策單元追趕速度越快?？傮w來看,中國城市碳排放效率趕超表現較差,多個年份出現了平均效率改進指數退化。說明在相關年份中,大部分城市未能實現效率追趕,即少部分城市的改進推動了同期生產技術前沿面前移,城市間全要素碳排放績效差距擴大。

BPC指數也稱為最佳實踐變化指數,反映了當期生產技術邊界向跨期技術邊界的移動程度,衡量了各期前沿面之間距離的差距,因此被解釋為技術創(chuàng)新效應,當BPC指數>1時,則認為該城市低碳技術創(chuàng)新效應擴大。結果顯示,中國城市低碳技術創(chuàng)新效應表現良好,除第一期觀測樣本之外,創(chuàng)新效應對碳排放績效的貢獻逐年增大,尤其是“十二五”期間,技術進步規(guī)模不斷擴大,但后期創(chuàng)新效應增速出現下滑,進一步驗證了前文中關于中國低碳技術進步陷入瓶頸引致TCPI指數增速放緩的理論分析。

TGC指數反映了不同組群之間的技術落差變化,當TGC>1時,說明特定組群的跨期生產技術與全局生產技術之間的技術差距縮小,即各組生產技術前沿之間的差距縮小。本文根據能源強度對中國城市類型進行區(qū)分,以控制前沿面技術類型不同產生的差異估計偏差。根據TGC指數計算結果,中國不同類型城市的生產技術前沿之間距離變化情況不斷波動,但總體而言,大多數年份TGC指數均大于1,說明不同類型城市之間的碳排放績效水平差距在緩慢縮小。

為進一步展現不同效應對MNMCPI指數變化的貢獻度,將各期EC指數、BPC指數和TGC指數進行可視化(圖1)。從各年MNMCPI指數構成來看,EC指數對MNMMCPI變化具有一定的影響作用,但并未對MNMCPI指數的變化產生決定性作用。TGC指數整體波動不大,對MNMCPI指數變化的貢獻度不高;BPC指數即技術創(chuàng)新效應對MNMCPI指數變化的貢獻度最高。結果顯示,2016年起,中國城市創(chuàng)新效應指數出現波動下降,與此同時全要素碳排放績效指數平均動態(tài)改進速度放緩,說明體現創(chuàng)新效應的BPC指數幾乎決定了全要素碳排放績效指數的動態(tài)變化方向,即創(chuàng)新與技術進步已成為中國低碳化轉型發(fā)展的決定因素。

圖1 2006—2019年中國MNMCPI變化及其分解

四、中國城市全要素碳排放績效指數的空間差異及其分解

(一)中國城市全要素碳排放績效指數的空間差異

為刻畫中國城市全要素碳排放績效指數的空間分異情況,本文采用Dagum基尼系數初步對全國城市間碳排放績效的不均衡程度進行了測度,并在此基礎上,以國家“十四五”規(guī)劃中提到的19個城市群劃分方式為依據,根據數據可得性,排除了城市數據缺失較多的天山北坡、滇中、黔中、蘭西和寧夏沿黃等城市群,最終納入長三角、珠三角、京津冀等14個城市群作為研究區(qū)域單元,分別測度了中國各城市群全要素碳排放績效指數的年均變化情況,測度結果見表3。

表3 2006—2019年中國各城市群全要素碳排放績效指數(TCPI)

全國層面的區(qū)域均衡性分析結果顯示,各城市間基尼系數呈現先下降后上升趨勢,進一步印證了中國城市間全要素碳排放績效指數之間存在不均衡情況,且近年來分異程度逐步加深。2006—2010年中國城市全要素碳績效指數的基尼系數從0.245下降至0.219,降幅為10.62%左右,但從2011年開始,中國全要素碳排放績效指數的分異程度開始逐年攀升,2019年基尼系數已達到0.266,較2011年上升17.70%左右?？梢钥闯?2011年是中國碳排放表現空間差異擴大的關鍵節(jié)點。2011年中國制定下發(fā)了《“十二五”節(jié)能減排綜合性工作方案》和《“十二五”控制溫室氣體排放工作方案》,并在全國七個省市建立碳排放權交易試點,對各地進行了二氧化碳排放目標限制,強化了溫室氣體排放控制政策力度,該系列政策雖提高了各地碳排放績效水平,但加劇了地區(qū)間碳排放績效的分異程度,說明減排政策在不同地區(qū)的政策效果具有較大差異,且近年來該差異仍在不斷擴大。

從各城市群的全要素碳排放表現績效測度結果看,城市群之間無論是平均水平還是增長速度均存在較大差距。樣本期內平均全要素碳排放績效指數排名前三的城市群分別是珠三角城市群、北部灣城市群和成渝城市群,其次是長三角城市群、粵閩浙沿海城市群和長江中游城市群。比較各城市群碳排放績效的增長率則發(fā)現,在樣本期內大多數城市群均實現了碳排放績效的改善,增長率較高的城市群有長江中游城市群、粵閩浙沿海城市群、成渝城市群和中原城市群,其次是長三角城市群、京津冀城市群、晉中城市群和珠三角城市群,但呼包鄂榆城市群年均增長率為負,其碳排放績效自2014年起出現波動式下滑。可以看出,東部地區(qū)城市群不僅平均碳排放績效水平普遍較高,碳排放績效的增長速度也較快,而中西部地區(qū)僅成渝城市群碳排放績效表現較好,中原城市群、京津冀城市群雖初始水平較差,但近年來碳排放績效的改善速度也較快。

(二)中國城市全要素碳排放績效指數的城市群內差異分析

為考察中國城市群內部全要素碳排放績效指數的空間分異情況,本文測度了各城市群的全要素碳排放績效指數組內基尼系數,測度結果見表4。橫向對比各城市群的組內基尼系數可以看出,關中平原城市群組內分異程度最高,平均基尼系數為0.574;珠三角城市群組內差異程度次之,平均基尼系數為0.441。北部灣城市群、遼中南城市群和長三角城市群的均衡程度相對較好,組內基尼系數較低,分別為0.211、0.290和0.313。從變動趨勢看,除遼中南城市群、哈長城市群和中原城市群的組內分異程度有下降趨勢外,其他城市群樣本期內碳排放績效指數的組內分異程度均呈上升趨勢,說明粵閩浙沿海區(qū)域分異程度仍在不斷加劇,未出現收斂趨勢。其中組內差距擴大速度較快的城市群有北部灣城市群、哈長城市群和晉中城市群,樣本期內組內基尼系數增速分別為7.61%、3.88%和3.61%。組內差距變化比較穩(wěn)定的城市群有關中平原城市群和成渝城市群,樣本期內組內基尼系數增速為0.37%和0.02%。

表4 2006—2019年中國各城市群全要素碳排放績效指數組內基尼系數

(三)中國城市全要素碳排放績效指數的城市群組間差異分析

本文進一步測度了各城市群的全要素碳排放績效指數組間基尼系數,考察城市群之間的全要素碳排放績效指數空間分異情況,測度結果見表5。城市群全要素碳排放績效指數組間基尼系數測度結果顯示,在組間差距最大的前十對城市群中,珠三角城市群占據7位,珠三角城市群的碳排放績效高于國內大部分城市群。在組間差距較小的十對城市群中,長三角、成渝、長江中游和關中平原四個城市群的碳排放績效指數的分異程度較小,其組間基尼系數均值較低?？梢钥闯?除成渝城市群外,晉中、京津冀、北部灣、哈長、關中平原等中西部城市群與珠三角等東部地區(qū)城市群的碳排放績效指數水平存在較大的地區(qū)差異。目前東部地區(qū)已初步形成以珠三角為引領,長三角、粵閩浙沿海、長江中游等城市群環(huán)繞的低碳集聚態(tài)勢,但中西部地區(qū)的城市群碳排放績效水平依然處于較為落后狀態(tài)。組間差距變化情況可以看出,近年來山東半島、關中平原、晉中、哈長等城市群與珠三角、長三角和粵閩浙沿海等城市群的差距迅速拉大。結合各城市群變化情況可知,珠三角、長三角和粵閩浙沿海等城市群發(fā)展基礎較好且近年來碳排放績效增長率也較高,但山東半島、關中平原和哈長等城市群在樣本期內并未實現碳排放績效的快速增長,晉中城市群更是碳排放績效水平一直較差,進一步加大了城市群之間的碳排放績效水平差距。此外,結果顯示中原城市群、遼中南城市群與其他城市群之間的差距正在逐步縮小,說明中原等城市群正在逐步實現碳排放績效趕超。

表5 中國各城市群全要素碳排放績效指數組間基尼系數

(四)中國城市全要素碳排放績效指數的差異分解

為了進一步探究中國城市全要素碳排放績效指數的空間分異來源,本文采用Dagum基尼系數子群分解方法,對中國城市全要素碳排放績效指數的空間差異進行貢獻度分解,將其分解為組內差異、組間差異和超變密度,分解結果及其占比見表6。根據測算,中國各城市群的基尼系數呈波動上升態(tài)勢,在樣本期內各城市群的不均衡程度出現了進一步加重。分解結果顯示,中國城市碳排放績效的分異成因主要為城市群組間差異,城市群組間差異貢獻度為56.8%,呈波動式先下降后上升趨勢,樣本初期為59.7%,2016年下降至47.3%,后期波動上升至57.5%;其次為超變密度,貢獻度為36.4%,超變密度反映了不同城市群間的重疊部分對總差異的影響作用,其占比較高說明各城市群間重疊部分的占比較大,重疊部分不平等程度加劇會提高城市群內差異程度、降低城市群間差異程度,導致了基尼系數的升高。城市群內部差異貢獻度較低,貢獻度僅為6.8%,樣本期內雖有上升態(tài)勢,但波動不大。

表6 2006—2019年中國城市群全要素碳排放績效指數基尼系數及其分解

五、中國城市全要素碳排放績效指數影響因素分析

(一)指標選取與數據說明

為探究影響全要素碳排放績效指數的影響因素,本文使用Lasso方法篩選影響因素,并使用面板模型對相關因素進行實證檢驗。二氧化碳的生產與人類經濟活動密切相關,其影響因素不僅包括經濟增長、技術進步、資本投入等宏觀經濟因素,還包括產業(yè)結構、能源強度、城鎮(zhèn)化水平、人口密度、對外開放程度、政府關注度、環(huán)境規(guī)制等經濟特征因素[27]。如果將所有影響因素全部納入回歸方程,則可能導致過度控制問題,為解決這一問題,本文結合機器學習中的Lasso方法,通過向回歸模型中引入懲罰項,篩選影響二氧化碳排放的主要因素。Lasso方法的基本思路如式(15)所示:

(15)

其中N為樣本個數,βj為影響因素的斜率參數,τ為約束估計結果的懲罰項。Lasso的基本思路在于通過對所有解釋變量的參數估計結果施加總體約束,逐步減少解釋變量的個數,剔除影響較小的因素。

基于理論分析和Lasso分析的結果,本文最終納入以下七個影響因素:一是經濟發(fā)展水平,使用人均生產總值度量。根據環(huán)境庫茲涅茨理論,經濟規(guī)模的擴張在早期可能會提高碳排放水平,但當經濟發(fā)展到達一定的水平后,能夠提高碳排放的績效。二是能源消耗強度,使用單位GDP的能源消耗度量。能源消費水平與碳排放存在正向關聯,能源消耗強度高可能會降低碳排放績效。三是清潔能源使用效率,使用每萬千瓦時工業(yè)用電產值度量。考察各城市中電力等清潔能源的使用效率,該效率可能對碳排放績效具有正向作用。四是產業(yè)結構,用第二產業(yè)從業(yè)人員比重度量。產業(yè)結構決定城市生產方式,進而決定碳排放規(guī)模,具有較高第二產業(yè)占比的地區(qū)碳排放績效在理論上應低于其他地區(qū)。五是金融規(guī)模,使用年末金融機構貸款余額占第三產業(yè)比重度量。金融業(yè)是經濟轉型的重要經濟力量,金融行業(yè)可以通過降低融資約束,提高企業(yè)參與綠色生產和技術創(chuàng)新的可能性。六是綠色環(huán)保,使用建成區(qū)綠化覆蓋率度量。建成區(qū)綠化覆蓋率一方面體現了政府對環(huán)境問題的重視程度,另一方面植物綠化能提高環(huán)境碳匯能力,也能夠促進碳排放績效的提高。七是科技支持,使用科學技術支出占地方一般公共預算支出比度量。

全國城市全要素碳排放績效影響因素分析部分研究樣本為2006—2019年中國254個城市面板數據,各城市群全要素碳排放績效指數影響因素異質性分析部分城市群劃分為上文中涉及的14個城市群,能源強度數據為上文根據夜間燈光數據計算所得,其他數據均來自《中國城市統(tǒng)計年鑒》,各變量的分布特征如表7所示。

表7 變量解釋及描述性統(tǒng)計

(二)中國城市全要素碳排放績效指數影響因素分析

為檢驗理論分析和Lasso分析結果,本文構建面板數據個體時間雙固定效應模型對全國城市全要素碳排放績效指數的影響因素進行分析,具體模型設定如下:

TCPIit=β0+β1GDP+β2EEit+β3ESit+β4IS+β5Financialit+β6Greenit+β7Techit+δi+γt+εit

(16)

其中,下標i表示城市,下標t表示年份,βj表示各個影響因素對全要素碳排放績效指數的邊際影響。為解決遺漏不隨時間變化因素和年份趨勢導致的內生性問題,在模型中加入了城市和年份的雙向固定效應,并且使用異方差穩(wěn)健標準誤。

對于影響全要素碳排放績效指數的七類影響因素,本文主要進行三個方面的分析,第一是各影響因素對全要素碳排放績效指數的邊際影響;第二是不同地區(qū)影響全要素碳排放績效指數的差異性;第三是不同發(fā)展階段影響全要素碳排放績效指數的因素變化。

表8的列(1)～(2)報告了混合OLS和雙向固定效應的估計結果。在混合OLS和固定效應估計中,經濟發(fā)展水平、清潔能源使用效率、金融規(guī)模、綠色環(huán)保和科技支持能夠有效改善城市層面的碳排放績效,而能源消耗強度和第二產業(yè)占比則對碳排放強度具有負面影響,所有結果均在1%的水平下顯著且符合理論預期,該結果與全要素碳排放績效指數的經濟含義相符。當經濟發(fā)展效率較高,碳排放水平距離前沿面較近時,全要素碳排放績效指數也越高。電能等清潔能源的單位產值越高,說明該區(qū)域清潔能源利用程度越深,則其碳排放績效水平越高。而金融規(guī)模、綠色環(huán)保和科技支持等特征因素分別展現了區(qū)域的金融發(fā)展水平、環(huán)保重視程度和科技投入力度,以上特征較高的地區(qū),其碳排放績效水平也會相對較高。從邊際影響的水平來看,金融規(guī)模和科技支持對全要素碳排放績效指數的影響較大,說明金融等清潔行業(yè)發(fā)展和技術進步能夠有效改善碳排放績效。在負面的影響效果中,能源消費的影響大于產業(yè)結構邊際效應,降低能源水泵強度是提高碳排放績效的重要途徑。能源消耗強度體現了各城市每單位產值的能耗,能耗越高則碳排放績效表現越差。第二產業(yè)是經濟結構中碳排放占比最高的生產部門,地區(qū)產業(yè)結構中第二產業(yè)占比越大,該地區(qū)減排難度越高,碳排放績效表現越差。

表8 中國全要素碳排放績效指數影響因素分析結果

中國幅員遼闊,經濟結構多樣,不同地區(qū)在長期的發(fā)展中表現出差異化的經濟特征。因此,本文從地區(qū)和時間兩個方面進行異質性分析。地區(qū)異質性方面,將全部樣本區(qū)分為東、中、西部三個子樣本進行分析,回歸結果顯示,清潔能源使用效率、綠色環(huán)保、金融規(guī)模、技術支持、產業(yè)結構在不同地區(qū)具有不同的影響方式,而經濟發(fā)展、能源消耗和在不同地區(qū)間不存在顯著差異。所有因素均對東部地區(qū)具有顯著影響,但清潔能源使用效率、綠色環(huán)保、金融規(guī)模、技術支持、產業(yè)結構對中西部地區(qū)影響作用不顯著。

黨的十八大首次就生態(tài)文明思想進行了單篇論述,提出綠色發(fā)展、循環(huán)發(fā)展和低碳發(fā)展等理念,綠色低碳在發(fā)展過程中的重要性在該時間節(jié)點出現了重要升華。因此,年度異質性考察方面,分別考察黨的十八大前后影響全要素碳排放績效指數的因素變動。從參數估計結果上看,能源消耗和經濟增長是長期影響全要素碳排放績效指數的關鍵因素,其他因素在2012年前后均發(fā)生了變動。在黨的十八大以前,除了經濟發(fā)展水平和能源消耗外,電力等清潔能源的應用深度是改善全要素碳排放績效指數的主要方式。2013年以來,金融規(guī)模、產業(yè)結構和科技支持對碳排放績效指數的影響由不顯著變?yōu)轱@著,說明金融和科技投入在各地區(qū)經濟低碳化轉型的發(fā)展過程中發(fā)揮了良好的引導作用,進而促進了各城市的碳排放績效改進,同時二產規(guī)模的上升進一步抑制了各地碳排放績效的改善,說明近年來第二產業(yè)減污降碳的壓力愈發(fā)顯著,亟待解決。年度分異的估計結果體現了中國碳排放績效的改善模式從經濟總量提升到結構調整的演化過程。

(三)各城市群全要素碳排放績效指數影響因素異質性分析

為分析各影響因素對不同城市群碳排放績效的差異化影響,本文進一步采用地理探測器的因子探測檢驗各影響因素對城市群全要素碳排放績效指數空間分布的影響程度。地理探測器模型的基本原理是通過考察兩個變量的空間分布相似性,判斷自變量對因變量的影響程度,該模型不僅可以反映影響因子的空間分異,還能較好地避免內生性問題。因子探測結果見表9。

表9 中國各城市群全要素碳排放績效指數因子探測結果

因子探測結果顯示,能耗強度與各城市群的全要素碳排放績效的相關性最高,尤其是成渝、山東半島、中原、關中平原和呼包鄂榆城市群,能耗強度與上述城市群相關性高于0.5,說明能耗強度對其碳排放績效水平具有較大影響。清潔能源使用效率與各城市群的全要素碳排放績效的相關性次之,是珠三角和京津冀城市群的主導因子,且對晉中城市群的碳排放績效具有較大影響。經濟發(fā)展水平是晉中和京津冀城市群碳排放績效改善的重要驅動因素,且對成渝、長江中游、山東半島、珠三角等城市群具有一定影響作用。金融規(guī)模則是珠三角、京津冀、遼中南和晉中等城市群的核心驅動因素。與上述因素相比,產業(yè)結構和技術進步對各城市群碳排放績效的影響普遍較小,但技術進步對珠三角城市群具有一定的影響作用。總體而言,能耗強度、清潔能源使用效率和經濟發(fā)展水平依然是大部分地區(qū)碳排放績效的主導因子,但城市群間的轉型驅動因子依然存在一定差異,少數城市群中金融規(guī)模和技術進步已逐步成為新的驅動因素。

六、結論與建議

本文構造全要素碳排放績效指數對中國城市碳排放治理績效進行測度,并通過計算共同邊界碳排放績效動態(tài)指數并對其進行分解,度量了全要素碳排放績效指數的跨期動態(tài)變化和其效率改進、技術進步和技術落差的動態(tài)變化。此外,運用基尼系數及基尼系數子群分解等方法,對城市群間碳排放績效的空間分異及其差異來源進行識別,在此基礎上,對中國城市碳排放績效的影響因素進行篩選并檢驗了其異質性影響。主要得出了以下四個方面的結論:

首先,2006—2019年全國城市平均全要素碳排放績效指數總體呈現波動上升態(tài)勢,樣本期內中國碳排放績效顯著提高,說明中國減排降碳工作和生態(tài)文明建設取得了長足的進展,動態(tài)分析結果顯示,中國城市平均碳排放績效水平在不斷改進,動態(tài)指數分解結果顯示,中國城市碳排放效率趕超表現較差,一部分城市的改進推動了同期生產技術前沿面前移,創(chuàng)新效應對碳排放績效的貢獻逐年增大,但后期創(chuàng)新效應增速出現下滑;其次,以城市群為區(qū)域劃分單元的空間分異比較結果顯示,珠三角、長三角、粵閩浙沿海、長江中游等東部地區(qū)城市群不僅平均碳排放績效水平普遍較高,碳排放績效的增長速度也較快,中西部地區(qū)僅成渝城市群碳排放績效表現較好,但中原、京津冀等城市群近年來碳排放績效的改善速度較快;再次,基尼系數測度及其分解顯示,中國城市碳排放績效指數的分異程度逐步加深,各城市群的基尼系數呈波動上升態(tài)勢,中國城市碳排放績效的分異成因主要由城市群組間差異造成,城市群內部差異貢獻度較低;最后,影響因素分析結果顯示,全國層面經濟發(fā)展水平、清潔能源使用、金融發(fā)展、綠色環(huán)保和科技支持能夠有效改善城市層面的碳排放績效,能源消耗強度和第二產業(yè)就業(yè)人員比重對碳排放績效具有負面影響,清潔能源應用、綠色環(huán)保意識、金融規(guī)模、技術支持和產業(yè)結構對中西部地區(qū)影響作用并不顯著。2012年以前經濟發(fā)展水平提升、清潔能源應用和能源消耗減少是碳排放績效指數的主要影響因素,而2013年以后,金融規(guī)模、產業(yè)結構和科技支持逐漸成為改善碳排放績效指數的主要方式。城市群因子探測結果顯示,能耗強度、清潔能源使用效率和經濟發(fā)展是各城市群碳排放績效的主導因子,但各城市群間的驅動因子存在一定差異。

基于以上結論,提出如下政策建議:一是強化技術創(chuàng)新激勵機制。在中國經濟的低碳轉型過程中,技術進步一直發(fā)揮著重要作用,黨的十八大以來產業(yè)結構調整和科技支持已經成為中國城市碳排放績效指數改善的主要動力,但研究結果顯示,樣本后期創(chuàng)新效應增速出現下滑,說明中國低碳技術進步已出現瓶頸問題,如何有效激發(fā)創(chuàng)新的可持續(xù)性成為當前工作重點,因此政府應進一步增強對綠色低碳技術研發(fā)的支持力度,通過制定行業(yè)標準、技術指導目錄等方式,對綠色低碳技術創(chuàng)新進行有針對性的扶持,引導市場形成完善的綠色低碳技術創(chuàng)新體系。二是應進一步重視區(qū)域間發(fā)展不均衡問題。樣本期內城市群之間的碳排放績效指數水平空間差異不斷擴大,形成“強者愈強”態(tài)勢,珠三角等東部地區(qū)城市群發(fā)展基礎好,績效水平提升速度快,而呼包鄂榆等中西部城市群績效水平低、改進速度慢,城市群之間的兩極分化現象愈發(fā)突出,政府應加大對后發(fā)地區(qū)的政策支持力度,探索提煉中原城市群、京津冀城市群等趕超速度較快地區(qū)的轉型經驗,助力落后城市群的低碳發(fā)展。三是要根據區(qū)域的不同經濟結構和發(fā)展特征因地制宜地設計低碳轉型路線。對于經濟發(fā)展基礎較好的東部地區(qū)和中部地區(qū),應積極鼓勵其探索通過經濟結構調整、技術水平升級等途徑,實現低碳和經濟發(fā)展的雙贏目標,但對于經濟發(fā)展基礎較為薄弱的西部地區(qū),應以守住生態(tài)紅線作為主要目標,在優(yōu)先保障其實現低碳的基礎上力爭發(fā)展,可通過發(fā)揮西部地區(qū)風光電能的天然優(yōu)勢,調整能源消費結構,探索低碳轉型發(fā)展路徑。在政策引導方面,政府不僅應積極鼓勵各地區(qū)加快通過經濟結構調整、技術水平、能源轉型和環(huán)保意識等途徑實現低碳化轉型,還可加大對金融市場投資方向的綠色化引導,發(fā)揮綠色金融力量調動其低碳化轉型的積極性,進而提高碳排放績效表現。