摘要：【目的】在“雙碳”目標(biāo)背景下，探索長(zhǎng)三角城市群碳排放效率的空間網(wǎng)絡(luò)格局及其影響因素，為推進(jìn)低碳生態(tài)城市建設(shè)和建立包容性綠色增長(zhǎng)機(jī)制提供依據(jù)?！痉椒ā炕赟BM-DDF模型、全局Malmquist-Luenberger指數(shù)以及核密度估計(jì)法，對(duì)2008—2020年長(zhǎng)三角城市群碳排放效率水平進(jìn)行測(cè)度和時(shí)空演變特征分析，并通過(guò)修正引力模型與社會(huì)網(wǎng)絡(luò)分析法可視化了長(zhǎng)三角城市群碳排放效率空間關(guān)聯(lián)結(jié)構(gòu)及影響因素。【結(jié)果】①長(zhǎng)三角城市群碳排放動(dòng)態(tài)效率總體呈上升態(tài)勢(shì)，但地區(qū)間差異顯著且表現(xiàn)出一定的空間擴(kuò)散效應(yīng)。②從網(wǎng)絡(luò)密度、關(guān)聯(lián)性、網(wǎng)絡(luò)效率等3個(gè)方面看，長(zhǎng)三角城市碳排放效率的網(wǎng)絡(luò)穩(wěn)定性較高，但網(wǎng)絡(luò)中心度呈非均衡特征。③長(zhǎng)三角城市群碳排放效率空間網(wǎng)絡(luò)板塊間具有明顯的梯度特征。④政府宏觀調(diào)控、環(huán)境規(guī)制、產(chǎn)業(yè)結(jié)構(gòu)、對(duì)外開放、綠色創(chuàng)新、新型城鎮(zhèn)化水平是推動(dòng)空間關(guān)聯(lián)網(wǎng)絡(luò)演變的主要驅(qū)動(dòng)機(jī)制?！窘Y(jié)論】通過(guò)城市間相互合作與學(xué)習(xí)、發(fā)揮核心城市的空間輻射效應(yīng)、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、提高新型城市化水平等方式有助于長(zhǎng)三角城市群碳排放效率的提升，進(jìn)而推進(jìn)長(zhǎng)三角城市群生態(tài)綠色空間一體化發(fā)展。

關(guān)鍵詞：碳排放效率；長(zhǎng)三角城市群；社會(huì)網(wǎng)絡(luò)分析；二次指派程序

中圖分類號(hào)：F293.1；X22"""" 文獻(xiàn)標(biāo)志碼：A開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

文章編號(hào)：1000-2006（2024）06-0217-12

Spatial correlation and influencing factors of carbon emissionefficiency in the Yangtze River Delta city cluster

QUAN Tianshu， ZHANG Hui，XU Yuyun*

（College of Economics and Management， Nanjing Forestry University， Nanjing 210037，China）

Abstract： 【Objective】In the context of the “Carbon Peaking and Carbon Neutrality” goal， determining the spatial network pattern of carbon emission efficiency and its influencing factors in the Yangtze River Delta city cluster will promote the construction of low-carbon ecological cities and establish an inclusive green growth mechanism. 【Method】 Based on the slack-based measured directional distance function model， the global Malmquist-Luenberger index， and the kernel density estimation method， accurate measurements were obtained and an analysis of the spatial and temporal evolution characteristics of the carbon emission efficiency level of the Yangtze River Delta urban city cluster was conducted for the period of 2008 to 2020. The spatial correlation structure and factors influencing the carbon emission efficiency of the Yangtze River Delta city cluster were visualized by a modified gravity model and social network analysis. 【Result】（1） The dynamic efficiency of carbon emissions was found to be generally increasing， but there were significant inter-regional differences and a spatial diffusion effect. （2） Based on network density， correlations" and network efficiency， the network stability of carbon emission efficiency in the Yangtze River Delta cities was considered to be high， but the network centrality displayed unbalanced characteristics. （3） There were obvious gradient characteristics among the spatial network segments of carbon emission efficiency in the Yangtze River Delta city cluster. （4） Government macro-control， environmental regulation， industrial structure， external development， green innovation， and new urbanization were the main driving factors of the evolution of spatially linked networks. 【Conclusion】Promoting the carbon emission efficiency of the Yangtze River Delta city cluster through mutual cooperation and learning among cities， bringing into play the spatial radiation effect of core cities， optimizing industrial structure， and improving the level of new urbanization could promote the integrated ecological and green spatial development of the Yangtze River Delta city cluster.

Keywords：carbon emission efficiency; Yangtze River Delta city cluster; social network analysis; second-order assignment procedure

為應(yīng)對(duì)氣候變化，各國(guó)都在努力探索經(jīng)濟(jì)增長(zhǎng)與低碳協(xié)同發(fā)展的有效路徑。有效推進(jìn)“雙碳”目標(biāo)是緩解全球氣候變暖的必然選擇，是保障人民生活質(zhì)量的重要途徑，是新時(shí)期中國(guó)加快建立包容性綠色增長(zhǎng)機(jī)制與生態(tài)文明建設(shè)的戰(zhàn)略部署，具有重要的現(xiàn)實(shí)意義。

當(dāng)前中國(guó)處于優(yōu)化生產(chǎn)力布局的探索階段，對(duì)化石能源的依賴仍然處于較高水平，想要在短期內(nèi)消減大量的碳排放量難度很大，而碳排放效率直接決定了碳排放總量與碳排放強(qiáng)度。為了更好地實(shí)現(xiàn)減排目標(biāo)，有必要研究碳排放效率的特點(diǎn)以及影響減排的重要因素。值得注意的是，CO2排放的外部性決定了其通常具有時(shí)間上的依賴效應(yīng)和空間上的關(guān)聯(lián)效應(yīng)。隨著交通運(yùn)輸設(shè)施的完善和區(qū)域貿(mào)易的不斷加強(qiáng)，城市之間的要素流動(dòng)更加密集，碳排放通過(guò)經(jīng)濟(jì)貿(mào)易在不同區(qū)域之間的轉(zhuǎn)移呈上升趨勢(shì)[1]。

作為城市空間形態(tài)演化與各生產(chǎn)要素共生增長(zhǎng)的產(chǎn)物，城市群具有高效參與社會(huì)經(jīng)濟(jì)活動(dòng)以及擁有處理、分配資本和信息的能力[2]，是碳排放效率的重要載體、支撐基礎(chǔ)及約束條件。城市群的聚集屬性決定了在探究其碳排放效率時(shí)，就必須要考慮空間關(guān)聯(lián)效應(yīng)及其空間傳導(dǎo)機(jī)制。就研究碳排放效率時(shí)空演化和空間效應(yīng)的方法而言，學(xué)者們采用泰爾指數(shù)[3]、核密度函數(shù)[4]、變異系數(shù)[5]、Moran’s I和Geary’s C[6]等方法對(duì)不同尺度、不同行業(yè)和部門的碳排放效率進(jìn)行分析，并利用空間杜賓模型、GTWR模型、空間誤差模型等計(jì)量方法分析其影響因素[7-8]。部分學(xué)者認(rèn)為政府干預(yù)、產(chǎn)業(yè)集聚、外商投資、產(chǎn)業(yè)結(jié)構(gòu)、資本深化等因素對(duì)碳排放效率起到推動(dòng)、抑制或非線性影響[9-10]。此外，Wang等[11]使用數(shù)據(jù)包絡(luò)分析（DEA）來(lái)衡量中國(guó)的碳排放效率，這一做法得到學(xué)界的普遍認(rèn)同。另有學(xué)者通過(guò)代數(shù)指數(shù)（AIN）、索洛余值、隨機(jī)前沿（SFA）等方法測(cè)度能源效率[12-13]。分析認(rèn)為現(xiàn)有研究仍存在如下問(wèn)題：①CO2作為一種“公眾物品”，除了具有空間關(guān)聯(lián)效應(yīng)，還具有時(shí)間依賴效應(yīng)，但現(xiàn)有研究主要從靜態(tài)的資源或要素角度解釋或測(cè)度碳排放效率，缺乏對(duì)碳排放效率動(dòng)態(tài)變化進(jìn)行測(cè)度與時(shí)空分析。②在對(duì)空間效應(yīng)的探討中，僅考慮了地理鄰近范圍，忽略了碳排放效率在非鄰區(qū)域產(chǎn)生溢出效應(yīng)的可能性及其可能具有的多維復(fù)雜網(wǎng)絡(luò)特征，也尚未準(zhǔn)確識(shí)別各地區(qū)在城市群空間關(guān)聯(lián)網(wǎng)絡(luò)中的地位與角色。③現(xiàn)有少數(shù)學(xué)者研究了省際碳排放的空間關(guān)聯(lián)特征[14]，但缺乏對(duì)城市群碳排放的研究。

實(shí)質(zhì)上，碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)變化的本質(zhì)是通過(guò)直接或間接的方式實(shí)現(xiàn)生產(chǎn)要素和關(guān)鍵資源的流動(dòng)與空間重組，政府、產(chǎn)業(yè)（企業(yè)）、環(huán)境和技術(shù)是影響這些資源流動(dòng)的作用主體，他們共同推動(dòng)了碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的格局演變。有學(xué)者認(rèn)為政府的有效調(diào)控與引導(dǎo)是降低CO2排放的關(guān)鍵[15-16]；劉承毅等[17]研究發(fā)現(xiàn)環(huán)境規(guī)制水平通過(guò)提升環(huán)境準(zhǔn)入標(biāo)準(zhǔn)，驅(qū)動(dòng)企業(yè)綠色發(fā)展。當(dāng)前，產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)對(duì)經(jīng)濟(jì)發(fā)展與綠色高質(zhì)量發(fā)展的影響已經(jīng)在眾多文獻(xiàn)中得到證實(shí)，如有學(xué)者通過(guò)實(shí)證研究證實(shí)了產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)能夠?qū)崿F(xiàn)經(jīng)濟(jì)增長(zhǎng)與降低污染，是綠色發(fā)展提升的重要渠道[18-19]；王璇等[20]研究發(fā)現(xiàn)對(duì)外開放可以通過(guò)示范、競(jìng)爭(zhēng)、關(guān)聯(lián)效應(yīng)促進(jìn)技術(shù)進(jìn)步，從而對(duì)碳效率產(chǎn)生顯著影響；楊浩昌等[21]認(rèn)為綠色技術(shù)創(chuàng)新對(duì)碳排放效率有直接或間接影響；王玉娟等[22]發(fā)現(xiàn)新型城鎮(zhèn)化水平通過(guò)“規(guī)模效應(yīng)”和“同群效應(yīng)”，以及促進(jìn)低碳生產(chǎn)和改善人居條件等方式助力碳減排，進(jìn)而實(shí)現(xiàn)綠色發(fā)展。

長(zhǎng)三角城市群是我國(guó)經(jīng)濟(jì)發(fā)達(dá)且目前全國(guó)低碳試點(diǎn)城市最多的地區(qū)，同時(shí)也是推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶生態(tài)綠色一體化和加快生態(tài)文明建設(shè)的核心區(qū)域。研究如何在該典型城市群中科學(xué)布局碳排放效率空間，如何促進(jìn)城市間的互動(dòng)互鑒，對(duì)推動(dòng)區(qū)域經(jīng)濟(jì)低碳轉(zhuǎn)型具有重要意義。有鑒于此，本研究選取其為典型城市群，利用SBM-DDF模型與全局Malmquist-Luenberger指數(shù)對(duì)2008—2020年長(zhǎng)三角城市群碳排放動(dòng)態(tài)效率水平進(jìn)行測(cè)度，并通過(guò)核密度分析與社會(huì)網(wǎng)絡(luò)分析法可視化長(zhǎng)三角城市群碳排放效率的時(shí)空演化特征、空間關(guān)聯(lián)結(jié)構(gòu)及影響因素，以期為推進(jìn)生態(tài)綠色一體化發(fā)展進(jìn)程與建設(shè)低碳生態(tài)城市提供實(shí)證參考。

1 長(zhǎng)三角城市群碳排放效率的測(cè)度

1.1 研究對(duì)象及數(shù)據(jù)來(lái)源

研究對(duì)象為長(zhǎng)三角城市群中上海以及隸屬江蘇、安徽、浙江的26個(gè)城市。相關(guān)數(shù)據(jù)主要來(lái)源于2008—2020年的《中國(guó)城市統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》《江蘇省統(tǒng)計(jì)年鑒》《浙江省統(tǒng)計(jì)年鑒》《安徽省統(tǒng)計(jì)年鑒》《對(duì)外直接統(tǒng)計(jì)公報(bào)》《中國(guó)區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》和《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》，其中個(gè)別缺失值采用插值法補(bǔ)齊。

筆者從以下3個(gè)方面對(duì)現(xiàn)有研究進(jìn)行重要的拓展和完善：①使用SBM-DDF模型、全局Malmquist-Luenberger指數(shù)（GML）對(duì)CO2排放性能的動(dòng)態(tài)變化進(jìn)行測(cè)度；②在空間關(guān)聯(lián)網(wǎng)絡(luò)視角下研究城市群的碳排放效率，識(shí)別各地區(qū)在城市群空間關(guān)聯(lián)網(wǎng)絡(luò)中的地位與角色；③考慮到城市集群使生產(chǎn)要素更易集聚與流動(dòng)、進(jìn)而使碳排放流動(dòng)方向也更具復(fù)雜性，且相比碳排放量本身而言，效率直接反映了總量和強(qiáng)度的“雙控制”。

1.2 城市碳排放效率測(cè)度參數(shù)及模型選擇

1.2.1 投入產(chǎn)出測(cè)算

本研究中關(guān)于碳排放效率考察了CO2排放約束下資本、勞動(dòng)力和能源投入與經(jīng)濟(jì)產(chǎn)出的協(xié)調(diào)關(guān)系，是衡量各地區(qū)碳排放效率成果的重要方式[7]。具體而言，投入指標(biāo)包括勞動(dòng)（L，萬(wàn)人）、資本（A，萬(wàn)元）與能源（E，kW/h）投入，并分別用各城市年末人數(shù)、固定資產(chǎn)投資、城市用電總量表示；產(chǎn)出指標(biāo)包括期望產(chǎn)出GDP（億元）與非期望產(chǎn)出碳排放（百萬(wàn)t）。其中，資本投入指標(biāo)通過(guò)永續(xù)盤存法[23]將其轉(zhuǎn)化為存量指標(biāo)，測(cè)度公式如下：

Ai，t=Ii，t+Ai，t－1（1－δ）。（1）

式中：A為資本存量；δ為折舊率（本研究采用9.6%[23]）；I為當(dāng)年資產(chǎn)形成總額，萬(wàn)元；i為某城市；t為時(shí)間，a。各城市GDP以2000年為基期進(jìn)行平減處理。參照將電能、煤氣和液化石油氣、交通運(yùn)輸和熱能消耗產(chǎn)生的碳排放相加得到各個(gè)城市總的碳排放。直接能源消耗產(chǎn)生的碳排放，如煤氣和液化石油氣等利用IPCC2006提供的相關(guān)轉(zhuǎn)化因子計(jì)算，電能、熱能、交通運(yùn)輸消耗的能源和碳排放借鑒前人研究成果[24-25]進(jìn)行核算。

1.2.2 SBM-DDF模型與GML指數(shù)

假設(shè)每個(gè)城市的決策單元（DMU）在使用N個(gè)輸入時(shí)得到一組M個(gè)期望產(chǎn)出和I個(gè)非期望產(chǎn)出。x、y、b為投入、期望產(chǎn)出和非期望產(chǎn)出。使用非徑向、非導(dǎo)向基于松弛測(cè)度的SBM-DDF模型能夠更準(zhǔn)確地測(cè)度碳排放績(jī)效。生產(chǎn)可能性的集合如下：

Dt0（xt，k，yt，k，bt，k，gx，gy，gb）=maxsx，sy，sb［

1N∑Nn=1sxngxn+1M+1（∑Mm=1symgym+∑Ii=1sbigbi）］/2；

s.t∑Kk=1ztkxtkn+sxn=xtk′n，n;（2）

∑Kk=1ztkytkm－sym=ytk′m，m;

∑Kk=1ztkbtki+sbi=btk′n，i;

∑Kk=1ztk=1，ztk≥0，k;

sym≥0，m;syi≥0，i

其中：（xt，k，yt，k，bt，k）表示在t時(shí)期中的輸入和輸出量，（gx，gy，gb）表示減少輸入、增加期望輸出和減少不期望輸出的方向矢量。（sxn，sym，sbi）是松弛向量，其分別指示冗余輸入、不足的期望輸出和過(guò)多的不期望輸出的量。（sxn，sym，sbi）gt;0表示實(shí)際輸入和不期望輸出超過(guò)邊界輸入和輸出，而期望輸出小于邊界輸出。K為決策單元的個(gè)數(shù)； ztk代表著第t期的權(quán)重，當(dāng)ztk≥0時(shí)，表示尺度回歸常數(shù)。

然而，由于大多數(shù)研究通常使用橫截面和數(shù)據(jù)包絡(luò)分析（DEA）對(duì)環(huán)境績(jī)效進(jìn)行測(cè)度，無(wú)法獲得對(duì) CO2排放性能動(dòng)態(tài)變化的了解。Malmquist 指數(shù)、Malmquist-Luenberger（ML）指數(shù)以及全局Malmquist-Luenberger（GML，式中記為Rt+1GMLt）生產(chǎn)率指數(shù)等可以用來(lái)衡量生產(chǎn)率的動(dòng)態(tài)變化[18]。由于GML指數(shù)具有傳遞性、循環(huán)累加性等優(yōu)點(diǎn)，可以有效地避免傳統(tǒng) ML指數(shù)不具備循環(huán)傳遞性和線性規(guī)劃無(wú)解的問(wèn)題[27]，故本研究使用 GML 指數(shù)（式中以 l cm表示）來(lái)衡量碳排放績(jī)效的動(dòng)態(tài)變化。GML公式如下：

Rt+1GMLt（xt，yt，dt;xt+1，yt+1，bt+1）=［1+Dt0（xt，yt，bt）］/［1+Dt0（xt+1，yt+1，bt+1）］。（3）

1.2.3 Kernel密度估計(jì)模型

Kernel密度估計(jì)模型是一種非參數(shù)方法，用于估算概率密度函數(shù)，公式如下：

f^h（x）=1nh∑ni=1H（x－xih）。（4）

式中：H（·）為核函數(shù)；h為一個(gè)平滑參數(shù)（hgt;0），n為樣本數(shù)量；x為碳排放效率；xi為i地區(qū)的x值。

1.3 城市碳排放效率空間關(guān)聯(lián)關(guān)系測(cè)度

1.3.1 修正引力模型的構(gòu)建

采用引力矩陣Gij26×26刻畫各市碳排放效率聯(lián)系強(qiáng)度。在以Gij各行均值為閾值的基礎(chǔ)上，對(duì)矩陣進(jìn)行二值化處理，并采用碳排放效率指數(shù)對(duì)空間關(guān)聯(lián)的貢獻(xiàn)度修正引力常量k′來(lái)刻畫碳排放效率的關(guān)聯(lián)方向，從而識(shí)別特定的碳排放效率提升的空間傳導(dǎo)路徑[28]。構(gòu)建的修正引力模型如下：

Gij=k′MiMjD2ij，k′=MiMi+Mj，

Dij=dijgi－gj。（5）

其中：Gij為城市i和城市j之間的碳排放效率引力強(qiáng)度；k′為修正后的引力常量；Mi、Mj分別表示i、j的碳排放效率水平；dij表示i與j之間的經(jīng)濟(jì)地理距離；g表示GDP；Dij是城市間的經(jīng)濟(jì)地理距離。

1.3.2 空間關(guān)聯(lián)強(qiáng)度分析方法

采用了社會(huì)網(wǎng)絡(luò)分析法探究長(zhǎng)三角城市群碳排放效率水平的空間關(guān)聯(lián)強(qiáng)度。將每個(gè)城市都當(dāng)作一個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)，節(jié)點(diǎn)之間通過(guò)相互作用建立聯(lián)系，連接體由連接兩個(gè)節(jié)點(diǎn)的線組成，多個(gè)連接體的集合構(gòu)建了整個(gè)關(guān)聯(lián)網(wǎng)絡(luò)[29-30]，并利用網(wǎng)絡(luò)密度、關(guān)聯(lián)度、等級(jí)度、效率以及中心度等關(guān)聯(lián)網(wǎng)絡(luò)的特征分析指標(biāo)來(lái)解釋某變量或因素在網(wǎng)絡(luò)中的空間分布及關(guān)聯(lián)特征，具體公式見文獻(xiàn)[31-32]。

塊模型分析作為分析空間關(guān)聯(lián)網(wǎng)絡(luò)的方法，主要揭示碳排放效率的內(nèi)部結(jié)構(gòu)。采用迭代相關(guān)收斂算法（CONCOR）將復(fù)雜的網(wǎng)絡(luò)劃分為若干子板塊，便于直觀分析子板塊之間的關(guān)聯(lián)關(guān)系[33]。不失一般性，本研究將其劃分為凈溢出、雙向溢出、凈受益、經(jīng)紀(jì)人四大板塊。判斷板塊在整體中扮演的角色類型如表1所示，其中，gk為某一板塊的地區(qū)數(shù)，g為整個(gè)網(wǎng)絡(luò)的地區(qū)數(shù)。

長(zhǎng)三角城市群碳排放效率的空間關(guān)聯(lián)網(wǎng)絡(luò)是多種因素共同作用的結(jié)果。如果采用傳統(tǒng)的計(jì)量經(jīng)濟(jì)模型進(jìn)行實(shí)證檢驗(yàn)，由于因素之間存在多重共線性，結(jié)果會(huì)產(chǎn)生偏差。二次指派程序（quadratic assignment procedure，QAP）回歸分析法作為非參數(shù)方法，不需要假設(shè)變量是獨(dú)立的，能更有效地研究多個(gè)獨(dú)立變量矩陣和因變量矩陣之間的關(guān)系[2，34]。因此，為進(jìn)一步考察碳排放效率空間網(wǎng)絡(luò)關(guān)系的作用機(jī)制，利用QAP對(duì)其驅(qū)動(dòng)因素進(jìn)行分析。故根據(jù)現(xiàn)有相關(guān)的理論和實(shí)證研究[7，35]，選取政府宏觀調(diào)控（xGOV）、環(huán)境規(guī)制（xER）、產(chǎn)業(yè)結(jié)構(gòu)（xIND）、對(duì)外開放（xFDI）、綠色技術(shù)創(chuàng)新（xGIN）、新型城鎮(zhèn)化水平（xURBAN）6個(gè)因素對(duì)碳排放效率網(wǎng)絡(luò)進(jìn)行分析，并構(gòu)建如下模型：

YHQ=f（xGOV，xER，xIND，xFDI，xGIN，xURBAN）。（6）

其中，f（.）為城市空間關(guān)聯(lián)關(guān)系矩陣。對(duì)驅(qū)動(dòng)因素的代理變量說(shuō)明如下：采用公共預(yù)算財(cái)政支出占當(dāng)年GDP比重表征地區(qū)的政府宏觀調(diào)控（GOV）水平；通過(guò)熵權(quán)法將工業(yè)三廢去除率擬合為本研究的環(huán)境規(guī)制（ER）指標(biāo)?？紤]到第二產(chǎn)業(yè)是非期望產(chǎn)出的“主力軍”，且通常第二產(chǎn)業(yè)比重越高，其帶來(lái)的污染也越嚴(yán)重，會(huì)對(duì)碳排放效率產(chǎn)生不利影響，因此，采用第二產(chǎn)業(yè)增加值占GDP比重來(lái)刻畫產(chǎn)業(yè)結(jié)構(gòu)（IND）；采用實(shí)際使用外資額占GDP的比重刻畫地區(qū)對(duì)外開放程度（FDI）；利用綠色專利的產(chǎn)出數(shù)量來(lái)衡量綠色創(chuàng)新[36]（GIN）；借鑒已有方法[37]從經(jīng)濟(jì)、社會(huì)、人口和土地城市化4個(gè)角度構(gòu)建了一個(gè)全面的城市化評(píng)估指數(shù)系統(tǒng)即URBAN。

2 長(zhǎng)三角城市群碳排放效率的時(shí)空特征

2.1 碳排放效率水平時(shí)間演化趨勢(shì)

長(zhǎng)三角城市群低碳發(fā)展呈先升后降再升的“N”形演變趨勢(shì)，總體水平由0.995增至1.012，但各城市差異明顯。核密度估計(jì)結(jié)果見圖1，可以看出，長(zhǎng)三角城市群樣本年間整體碳排放效率的核密度曲線函數(shù)中心大致經(jīng)歷了2008—2012年的“右移”、2012—2016年的“左移”、2016—2020年的“右移”3個(gè)階段，峰度輕度變寬，變化不大。經(jīng)過(guò)測(cè)度，2007—2008（為便于理解，2007—2008年碳排放動(dòng)態(tài)效率用2008年碳排放效率表示，以此類推）、2011—2012年、2015—2016年、2019—2020年長(zhǎng)三角26個(gè)城市碳排放動(dòng)態(tài)效率水平見表2，發(fā)現(xiàn)長(zhǎng)三角城市群碳排放效率整體上呈上升趨勢(shì)，區(qū)域差距隨時(shí)間變化較小。核密度曲線峰值相差不大，但在2012年的碳排放效率峰值最大，右尾有明顯拉長(zhǎng)趨勢(shì)，說(shuō)明2012年碳排放效率較高，但存在差距變大的現(xiàn)象（圖1）。這可能是因?yàn)?012 年中國(guó)經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化升級(jí)，從要素驅(qū)動(dòng)、投資驅(qū)動(dòng)轉(zhuǎn)向創(chuàng)新驅(qū)動(dòng)，進(jìn)入“經(jīng)濟(jì)發(fā)展新常態(tài)”，但城市間經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型速度不一。2020年存在右尾拖拽現(xiàn)象，無(wú)左尾拖拽現(xiàn)象，即2020年個(gè)別城市碳排放效率水平較高，不存在兩極分化現(xiàn)象。

2.2 碳排放效率水平空間演化趨勢(shì)

基于測(cè)算數(shù)據(jù)，利用ArcGIS繪制2008年、2012年、2016年和2020年碳排放效率水平的空間差異，并劃分為低、較低、中度、高4個(gè)等級(jí)進(jìn)行比較，結(jié)果見圖2。

分析可知，長(zhǎng)三角城市群低碳發(fā)展的總體水平仍有很大的改進(jìn)空間，并具有明顯的時(shí)間和地區(qū)差異，呈現(xiàn)出由池州、南京、上海、合肥等區(qū)域核心城市逐漸向周邊城市擴(kuò)散的特征[38]。具體來(lái)看，2008年各市碳排放效率呈現(xiàn)非均衡分布狀態(tài)，有常州、上海、安慶、南通、南京、馬鞍山、金華、銅陵7個(gè)高等級(jí)碳排放效率的城市，較低等級(jí)的城市有池州市、蕪湖市、揚(yáng)州市、臺(tái)州市，低等級(jí)僅有鹽城和滁州兩市，其余城市均為中度等級(jí)城市。但2008年劃分不同等級(jí)的數(shù)值遠(yuǎn)遠(yuǎn)小于2020年數(shù)值，這說(shuō)明地區(qū)整體碳排放效率水平呈上升態(tài)勢(shì)且2008年城市碳排放效率處于較低水平；2012年低等級(jí)和較低等級(jí)城市明顯增多，這主要是因?yàn)橄噍^于研究初期，2012年不同等級(jí)的碳排放效率水平數(shù)值均提高，說(shuō)明2011年水平整體提升，但提升幅度較小僅為0.9%。2016年中度等級(jí)城市不斷增加，高度和低度等級(jí)城市均僅有1個(gè)，分別是池州市和鹽城市。2020年長(zhǎng)三角城市群的臨海地區(qū)低碳發(fā)展水平明顯優(yōu)于其他地區(qū)，較低與中度等級(jí)均呈現(xiàn)出反“Ｃ”形的半包圍空間分布格局。

3 長(zhǎng)三角城市群碳排放效率空間關(guān)聯(lián)分析

3.1 碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)特征

3.1.1 關(guān)聯(lián)網(wǎng)絡(luò)的構(gòu)建及中心度變化

基于修正引力模型進(jìn)行長(zhǎng)三角城市群碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)可視化，由于研究期間網(wǎng)絡(luò)較為穩(wěn)定，故僅展示2020年的空間網(wǎng)絡(luò)圖（圖3）。碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)以影響碳排放效率的相關(guān)要素流動(dòng)為載體，由城市間的分工、競(jìng)爭(zhēng)與合作等復(fù)雜的社會(huì)再生產(chǎn)活動(dòng)所產(chǎn)生。圖中26個(gè)節(jié)點(diǎn)代表碳排放效率網(wǎng)絡(luò)系統(tǒng)中的26個(gè)城市，節(jié)點(diǎn)之間的結(jié)構(gòu)關(guān)系就是邊的連接，每條邊分別代表城市間碳排放效率的相互作用關(guān)系。

如圖3所示，長(zhǎng)三角城市群碳排放效率水平在城市間呈現(xiàn)出較為明顯的網(wǎng)絡(luò)結(jié)構(gòu)，節(jié)點(diǎn)間的關(guān)系存在顯著差異。不難看出安慶市、上海市、蘇州市、池州市、無(wú)錫市等城市度數(shù)中心度最高，在網(wǎng)絡(luò)中的協(xié)調(diào)控制能力較強(qiáng)，并處于相對(duì)中心位置。這可能是因?yàn)橐陨铣鞘械奶寂欧判手笖?shù)在長(zhǎng)三角城市群排名較為靠前，且關(guān)聯(lián)關(guān)系較多。

各城市經(jīng)濟(jì)碳排放效率的空間網(wǎng)絡(luò)結(jié)構(gòu)特征如表3所示，網(wǎng)絡(luò)密度在2008—2020年間小于0.3并且波動(dòng)性非常小。這表明長(zhǎng)三角城市碳排放效率的空間聯(lián)系較為穩(wěn)定，但有很大的提升空間。關(guān)聯(lián)度從2008年到2020年均為1，表明長(zhǎng)三角城市群碳排放效率網(wǎng)絡(luò)連通性非常好，沒有孤立發(fā)展的城市[39]。網(wǎng)絡(luò)效率在0.657左右，城市間冗余連線穩(wěn)定。網(wǎng)絡(luò)等級(jí)度為0.148，最近上限為0.997，說(shuō)明地區(qū)間有一定的等級(jí)性，具有非對(duì)稱的溢出關(guān)系，但層級(jí)關(guān)系較弱，有助于促進(jìn)城市間聯(lián)系渠道的暢通。結(jié)合各項(xiàng)指標(biāo)，可以看出長(zhǎng)三角城市群碳排放效率的網(wǎng)絡(luò)指標(biāo)在2008—2020年較為穩(wěn)定。

1）點(diǎn)度中心度。長(zhǎng)三角城市群城市碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的平均點(diǎn)度中心度為9.692 3，安慶、池州、蘇州、上海、滁州、無(wú)錫等12個(gè)城市高于均值，表明這些城市在城市碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)中與其他城市之間的聯(lián)系較多；反之，銅陵、常州、合肥、紹興、嘉興這5個(gè)城市在該網(wǎng)絡(luò)中與其他城市的聯(lián)系較少，這可能是因?yàn)檫@些城市位于長(zhǎng)三角城市群的邊緣地帶，區(qū)位優(yōu)勢(shì)不明顯。此外，安慶、常州、池州、滁州、杭州等城市的碳排放效率具有明顯的外溢效應(yīng)，而宣城、鹽城、揚(yáng)州、鎮(zhèn)江、舟山等城市溢出比例排名靠后，說(shuō)明這些城市主要接受網(wǎng)絡(luò)中其他城市的溢出關(guān)系，在碳排放效率提升過(guò)程中會(huì)吸引并得到其他城市的支持。

2）中間中心度。26個(gè)城市中間中心度均值為21.115（表4），高于均值的城市從高到低為滁州、杭州、蘇州、安慶、無(wú)錫、宣城、池州、鹽城、上海、寧波，這10個(gè)城市的中間中心度之和（440.274）在總量（548.990）中占比高達(dá)80.19％，表明這些城市是網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)，起到“中介”和“橋梁”的作用；中心度排名較后的為鎮(zhèn)江、嘉興、馬鞍山、湖州等市，受經(jīng)濟(jì)因素、區(qū)位環(huán)境等影響很難在空間聯(lián)系網(wǎng)絡(luò)中占據(jù)中心位置。

3）接近中心度。長(zhǎng)三角城市群平均接近中心度為60.952，有安慶、池州、蘇州、上海和滁州等15個(gè)城市高于均值，說(shuō)明這些城市在碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)中與其他城市的連接距離較短，能夠?qū)崿F(xiàn)快速關(guān)聯(lián)，扮演“中心行動(dòng)者”的角色。排名靠后的紹興、嘉興、蕪湖、銅陵等城市是“邊緣行動(dòng)者”，分析認(rèn)為這幾個(gè)城市處在城市群外圍地帶，與其他城市的聯(lián)系有待提高?？傮w來(lái)看，長(zhǎng)三角城市碳排放效率的網(wǎng)絡(luò)中心度呈現(xiàn)非均衡特征。

3.1.2 碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)分布特征

采用塊模型分析法對(duì)長(zhǎng)三角城市群碳排放效率的空間關(guān)聯(lián)網(wǎng)絡(luò)分布進(jìn)行分析，并將其分為4個(gè)板塊（圖4和表5）。板塊1包括上海、紹興、無(wú)錫、舟山、蘇州、寧波和杭州7個(gè)城市，板塊2包括嘉興、鎮(zhèn)江、常州、南通和南京5個(gè)城市，板塊3包括安慶、鹽城、蕪湖、銅陵、宣城、滁州、合肥、池州8個(gè)城市，板塊4包括揚(yáng)州、馬鞍山、泰州、臺(tái)州、金華、湖州6個(gè)城市。2020年城市碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的關(guān)系總數(shù)為188個(gè)，板塊間外部關(guān)系數(shù)為185個(gè)，內(nèi)部關(guān)系數(shù)為3個(gè)，說(shuō)明板塊間的碳排放效率具有明顯的空間溢出效應(yīng)。其中：板塊1外溢關(guān)系數(shù)為50個(gè)，內(nèi)部關(guān)系數(shù)0個(gè)，接收板塊外關(guān)系數(shù)80個(gè)，期望內(nèi)部關(guān)系比例為24%，接受強(qiáng)度排名最高，屬于“主受益”板塊”；板塊2溢出關(guān)系總數(shù)為43，接受和溢出到其他板塊的數(shù)量分別為14和29，該板塊接收外部成員的連接，并將關(guān)系發(fā)送到其他板塊，且以板塊間關(guān)系為主，屬于“經(jīng)紀(jì)人”板塊；板塊3雖然同樣接收和發(fā)送連接，但對(duì)其他板塊具有較大的溢出強(qiáng)度，因此屬于“雙向溢出”板塊；板塊4向其他板塊溢出關(guān)系數(shù)為48個(gè)，遠(yuǎn)高于接收關(guān)系數(shù)，為典型的“凈溢出”板塊。

為深入考察板塊間的關(guān)聯(lián)關(guān)系，根據(jù)表5計(jì)算出密度矩陣后轉(zhuǎn)化為像矩陣，即將局部網(wǎng)絡(luò)密度大于整體（0.289）的板塊賦值為1，反之為0（表6）。因此，可以通過(guò)比較表6和圖4的結(jié)果來(lái)描述板塊之間的關(guān)系?？梢钥闯?，各板塊聯(lián)系緊密，溢出關(guān)系明顯。這可能與長(zhǎng)三角城市群交通設(shè)施互聯(lián)互通程度不斷提高、城市能級(jí)不斷提升、各類要素自由流動(dòng)加快、生態(tài)綠色一體化發(fā)展進(jìn)程不斷推進(jìn)密切相關(guān)。具體來(lái)說(shuō)，“主受益”板塊成員主要分布在上海、蘇州、寧波等長(zhǎng)三角城市群東南部的臨海地區(qū)，該板塊與其他板塊間均表現(xiàn)出較強(qiáng)的“接收效應(yīng)”和“溢出效應(yīng)”。但總體來(lái)看，極化效應(yīng)大于涓滴效應(yīng)，目前依舊具有較強(qiáng)的吸附其他城市碳排放效率所需資源和要素的能力?！敖?jīng)紀(jì)人”板塊成員主要分布在板塊1臨海城市的外圍、長(zhǎng)三角城市群的中間位置，是網(wǎng)絡(luò)中的“樞紐”與“橋梁”，能有效增強(qiáng)城市群內(nèi)部城市間碳排放效率的連通性，為其他板塊的空間溢出提供了良好的地理優(yōu)勢(shì)?！半p向溢出”板塊成員主要分布在安徽省內(nèi)、長(zhǎng)三角城市群西北部，在網(wǎng)絡(luò)中起“第一動(dòng)力”的作用，板塊內(nèi)的城市對(duì)板塊外的多數(shù)城市存在溢出效應(yīng)，且溢出效應(yīng)主要作用于主受益板塊?！皟粢绯觥卑鍓K成員主要分布在長(zhǎng)三角城市群的中部，分布在經(jīng)紀(jì)人與雙向溢出板塊的中間及主受益板塊的南部，與其他板塊的關(guān)聯(lián)方式多為“溢出”交流，說(shuō)明在長(zhǎng)三角城市碳排放效率的關(guān)聯(lián)網(wǎng)絡(luò)中，大部分碳排放效率的生產(chǎn)資源外溢，但相關(guān)資源引進(jìn)較少。

3.2 碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)影響因素

由于本研究的變量為關(guān)系矩陣，故使用二次指派程序[40]來(lái)估計(jì)矩陣數(shù)據(jù)的參數(shù)，即通過(guò) QAP回歸分析法探究長(zhǎng)三角城市群碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的影響因素，結(jié)果見表7。如表7所示，回歸結(jié)果中的6個(gè)影響因素變量可以解釋長(zhǎng)三角城市群碳排放效率空間關(guān)聯(lián)性變化?？傮w來(lái)看，政府宏觀調(diào)控、環(huán)境規(guī)制、產(chǎn)業(yè)結(jié)構(gòu)、對(duì)外開放、綠色創(chuàng)新、新型城鎮(zhèn)化水平的回歸系數(shù)均為正值，其中，政府宏觀調(diào)控、產(chǎn)業(yè)結(jié)構(gòu)在不同年份均通過(guò)了α=1%的顯著性水平檢驗(yàn)。

政府宏觀調(diào)控是推動(dòng)長(zhǎng)三角城市群碳排放效率空間網(wǎng)絡(luò)形成的重要手段。政府財(cái)政支出則是政府宏觀調(diào)控的關(guān)鍵手段，尤其是向?qū)Τ鞘泄参锲诽峁┴?cái)政支持，是改善環(huán)境和民生福祉的重要方式。這是因?yàn)檎С鍪莻鬟f給企業(yè)、公眾等其他部門的重要信號(hào)，將以有偏的方式指導(dǎo)其他部門的生產(chǎn)、投資與消費(fèi)的方向。近些年，中國(guó)政府越來(lái)越關(guān)注城市的綠色發(fā)展，并將其納入政務(wù)決策。長(zhǎng)三角城市群作為中國(guó)經(jīng)濟(jì)實(shí)力和區(qū)域競(jìng)爭(zhēng)力的引領(lǐng)者、中國(guó)碳排放效率的先行者，通過(guò)實(shí)施長(zhǎng)三角生態(tài)綠色一體化發(fā)展示范區(qū)、生態(tài)補(bǔ)償?shù)仁侄螐浹a(bǔ)市場(chǎng)失靈，促進(jìn)碳排放效率的資源流動(dòng)，提升碳排放效率水平。值得一提的是，政府宏觀調(diào)控系數(shù)從2008年的0.200增加到2020年的0.392，說(shuō)明政府宏觀調(diào)控對(duì)長(zhǎng)三角城市群碳排放效率的影響逐漸加大。此外，推廣低碳技術(shù)和清潔能源的使用、加強(qiáng)環(huán)保監(jiān)管和執(zhí)法、實(shí)施碳排放權(quán)交易等措施的效果需要一定時(shí)間才能顯現(xiàn)，因此隨著時(shí)間的推移，政府宏觀調(diào)控的作用越來(lái)越明顯。

目前長(zhǎng)三角地區(qū)的環(huán)境規(guī)制促進(jìn)了碳排放效率的關(guān)聯(lián)網(wǎng)絡(luò)。當(dāng)政府提高環(huán)境監(jiān)管的強(qiáng)度時(shí)，企業(yè)將受到強(qiáng)制性排放標(biāo)準(zhǔn)的約束，不可避免地會(huì)產(chǎn)生“成本合規(guī)效應(yīng)”和“創(chuàng)新補(bǔ)償效應(yīng)”。樣本期間，環(huán)境規(guī)制系數(shù)變化不大且顯著為正，這說(shuō)明在當(dāng)前階段長(zhǎng)三角城市群的環(huán)境規(guī)制水平明顯有助于企業(yè)選擇符合環(huán)境監(jiān)管標(biāo)準(zhǔn)的生產(chǎn)戰(zhàn)略，減少污染物排放并升級(jí)生產(chǎn)過(guò)程。因此，環(huán)境監(jiān)管強(qiáng)度的提高可以產(chǎn)生環(huán)境激勵(lì)，從而提高碳排放效率。產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型是實(shí)現(xiàn)碳排放效率的有效措施之一。雖然產(chǎn)業(yè)結(jié)構(gòu)系數(shù)在近些年份略微下降，但總體來(lái)看，產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)的促進(jìn)作用最為明顯，即長(zhǎng)三角城市群的產(chǎn)業(yè)結(jié)構(gòu)對(duì)其碳排放效率具有重要的促進(jìn)作用。這可能是因?yàn)樵谘芯科陂g，勞動(dòng)力、資本和能源等資源要素已從農(nóng)業(yè)轉(zhuǎn)移到制造業(yè)和服務(wù)業(yè)，產(chǎn)業(yè)結(jié)構(gòu)從低水平向高水平發(fā)展，資源要素的分配與利用更合理、高效，減少了資源浪費(fèi)和生態(tài)破壞，促進(jìn)了產(chǎn)業(yè)的低碳協(xié)調(diào)發(fā)展。

對(duì)外開放對(duì)長(zhǎng)三角城市群碳排放效率的影響有階段性變化，由前期的阻礙作用逐漸轉(zhuǎn)變成促進(jìn)作用。其原因可能在于研究期初為了吸引外國(guó)直接投資，地方政府降低了部分環(huán)境標(biāo)準(zhǔn)，并一段時(shí)間忍受了污染行業(yè)造成的環(huán)境污染。然而，隨著中國(guó)政府對(duì)環(huán)境的重視，高質(zhì)量的對(duì)外開放可以通過(guò)溢出效應(yīng)、示范效應(yīng)和競(jìng)爭(zhēng)效應(yīng)提高長(zhǎng)三角城市群的綠色低碳發(fā)展水平。

綠色技術(shù)創(chuàng)新是打破資源環(huán)境難題、提高碳排放效率的“關(guān)鍵”。整體來(lái)說(shuō)，綠色技術(shù)創(chuàng)新水平對(duì)碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)的促進(jìn)作用隨著時(shí)間推移日益明顯，說(shuō)明綠色技術(shù)創(chuàng)新有助于提高資源利用效率、減少環(huán)境污染。新型城鎮(zhèn)化水平對(duì)長(zhǎng)三角城市群碳排放效率的影響系數(shù)逐漸增大。這表明隨著時(shí)間推移，新型城鎮(zhèn)化對(duì)長(zhǎng)三角城市群碳排放效率的促進(jìn)作用越來(lái)越明顯。新型城鎮(zhèn)化作為一種綠色、包容、可持續(xù)的城鎮(zhèn)化，為城市發(fā)展帶來(lái)了大量資本和技術(shù)擴(kuò)散紅利，通過(guò)積累物質(zhì)、知識(shí)和人力資本以優(yōu)化城市低碳發(fā)展的驅(qū)動(dòng)力，提高碳排放效率。并且，新型城鎮(zhèn)化強(qiáng)調(diào)城市建設(shè)和管理的可持續(xù)性和環(huán)保性，推動(dòng)城市向低碳、綠色、智能化方向轉(zhuǎn)型，可以有效地減少碳排放。

總之，要實(shí)現(xiàn)長(zhǎng)三角城市群碳排放效率的持續(xù)提高，需要采取更加精準(zhǔn)的政策措施，針對(duì)不同城市的特點(diǎn)進(jìn)行差異化的發(fā)展，加強(qiáng)城市間的合作與協(xié)調(diào)。此外，還需要在產(chǎn)業(yè)、技術(shù)、管理和制度等方面加強(qiáng)創(chuàng)新和改革，以提高城市群的碳排放效率，促進(jìn)可持續(xù)發(fā)展。

4 結(jié) 論

城市群作為推進(jìn)低碳高質(zhì)量發(fā)展的新型重要載體，已成為當(dāng)前經(jīng)濟(jì)工作的重點(diǎn)。探究典型城市群的碳排放效率情況對(duì)促進(jìn)以城市群為支柱的區(qū)域協(xié)調(diào)發(fā)展和低碳轉(zhuǎn)型戰(zhàn)略實(shí)施具有重要意義。本研究在對(duì)碳排放效率水平進(jìn)行科學(xué)測(cè)算的基礎(chǔ)上，運(yùn)用社會(huì)網(wǎng)絡(luò)分析方法揭示了長(zhǎng)三角城市群碳排放效率水平網(wǎng)絡(luò)的結(jié)構(gòu)特征，并利用二次指派程序?qū)﹃P(guān)聯(lián)網(wǎng)絡(luò)形成的驅(qū)動(dòng)因素進(jìn)行了實(shí)證研究。研究期間長(zhǎng)三角城市群碳排放效率總體呈上升趨勢(shì)，具有明顯的時(shí)間和地區(qū)差異，呈現(xiàn)出由池州、南京、上海、合肥等區(qū)域核心城市核心區(qū)向外圍區(qū)逐漸衰減的態(tài)勢(shì)。從整個(gè)網(wǎng)絡(luò)特征來(lái)看，長(zhǎng)三角城市群碳排放效率的關(guān)聯(lián)關(guān)系呈現(xiàn)出復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)特征，網(wǎng)絡(luò)結(jié)構(gòu)較為穩(wěn)定，網(wǎng)絡(luò)密度處于較低水平但網(wǎng)絡(luò)連通性較好。

從個(gè)體網(wǎng)絡(luò)來(lái)看，各城市在空間網(wǎng)絡(luò)中的地位具有明顯的異質(zhì)性。上海、蘇州、無(wú)錫、杭州、滁州和安慶等城市具有較高的點(diǎn)度、中間和接近性中心，它們?cè)诳臻g關(guān)聯(lián)網(wǎng)絡(luò)中起著至關(guān)重要的作用，可以對(duì)其他城市形成強(qiáng)有力的影響。從塊模型分析來(lái)看，各板塊的城市交流密切，長(zhǎng)三角城市群東南部的臨海地區(qū)最為活躍，既是主要流入?yún)^(qū)也是主要流出區(qū)，西北部在網(wǎng)絡(luò)中起“第一動(dòng)力”的作用，而中部位置有效增強(qiáng)了城市群內(nèi)部的連通性，部分城市呈現(xiàn)明顯溢出效應(yīng)。

政府宏觀調(diào)控、環(huán)境規(guī)制、產(chǎn)業(yè)結(jié)構(gòu)、對(duì)外開放、綠色創(chuàng)新、新型城鎮(zhèn)化水平對(duì)長(zhǎng)三角城市群碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的形成有顯著影響。相比之下，產(chǎn)業(yè)結(jié)構(gòu)、政府宏觀調(diào)控對(duì)長(zhǎng)三角城市群碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的形成影響最大，而新型城鎮(zhèn)化水平對(duì)碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)的促進(jìn)作用隨著時(shí)間推移日益明顯。根據(jù)研究結(jié)論，提出以下對(duì)策建議：

1）提高長(zhǎng)三角城市碳排放效率需要進(jìn)一步深化生態(tài)綠色空間一體化的低碳發(fā)展理念，打破區(qū)域壁壘，縮小長(zhǎng)三角城市群城市間低碳轉(zhuǎn)型差距，強(qiáng)化自身在網(wǎng)絡(luò)中的空間關(guān)系，發(fā)揮區(qū)域比較優(yōu)勢(shì)。同時(shí)要注重城市間的協(xié)同關(guān)系，通過(guò)加大空間關(guān)聯(lián)強(qiáng)度、發(fā)揮核心城市的空間輻射效應(yīng)以提高城市之間的協(xié)同度，促進(jìn)長(zhǎng)三角城市群碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的形成。

2）不同的城市應(yīng)根據(jù)其在網(wǎng)絡(luò)中的具體地位和作用，合理分工、相互促進(jìn)，達(dá)到區(qū)域低碳協(xié)調(diào)發(fā)展。具體來(lái)說(shuō)，長(zhǎng)三角城市群東南部城市應(yīng)強(qiáng)化核心城市的空間輻射效應(yīng)，通過(guò)技術(shù)和知識(shí)溢出等方式發(fā)揮示范引領(lǐng)作用；中部城市接受強(qiáng)度較弱，應(yīng)在做好“橋梁”作用的同時(shí)，利用短距離帶來(lái)的時(shí)間效率和成本效益，積極承接長(zhǎng)三角城市群外圍城市的溢出效應(yīng)，加大與鄰近和領(lǐng)先城市的交流，充分發(fā)揮學(xué)習(xí)效應(yīng)；以西北部為主的城市，應(yīng)繼續(xù)發(fā)揮“第一動(dòng)力”的作用，在對(duì)長(zhǎng)三角城市群東部城市提供碳排放效率生產(chǎn)資源的基礎(chǔ)上，也應(yīng)不斷完善網(wǎng)絡(luò)聯(lián)通系統(tǒng)，如通過(guò)改善新型基礎(chǔ)設(shè)施、交通信息系統(tǒng)等方式，擴(kuò)大對(duì)中部地區(qū)的溢出效應(yīng)。

3）政府宏觀調(diào)控、環(huán)境規(guī)制、產(chǎn)業(yè)結(jié)構(gòu)、對(duì)外開放、綠色創(chuàng)新、新型城鎮(zhèn)化水平在不同程度上促進(jìn)了碳排放效率水平的關(guān)聯(lián)網(wǎng)絡(luò)。因此，碳排放效率落后的地區(qū)，除了向排名靠前的地理相鄰城市學(xué)習(xí)與合作，還可以通過(guò)政府宏觀調(diào)控、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、提高新型城市化水平等方式提高長(zhǎng)三角城市群整體碳排放效率。

參考文獻(xiàn)（reference）：

［1］ZHANG R J，TAI H，CHENG K T，et al．Carbon emission efficiency network formation mechanism and spatial correlation complexity analysis：taking the Yangtze River Economic Belt as an example[J]．Sci Total Environ，2022，841：156719．DOI： 10.1016/j.scitotenv.2022.156719.

［2］張偉麗，郝智娟，王伊斌，等．城市群人口流動(dòng)空間網(wǎng)絡(luò)及影響因素[J]．地理科學(xué)，2023，43（1）：72-81．ZHANG W L，HAO Z J，WANG Y B，et al．Spatial network and influencing factors of population flow in urban agglomeration[J]．Sci Geogr Sin，2023，43（1）：72-81．DOI： 10.13249/j.cnki.sgs.2023.01.008.

［3］馮薇，趙榮欽，謝志祥，等．碳中和目標(biāo)下土地利用碳排放效率及其時(shí)空格局：以黃河流域72個(gè)地級(jí)市為例[J]．中國(guó)土地科學(xué)，2023，37（1）：102-113．FENG W，ZHAO R Q，XIE Z X，et al．Land use carbon emission efficiency and its spatial-temporal pattern under carbon neutral target：a case study of 72 cities in the Yellow River basin[J]．China Land Sci，2023，37（1）：102-113．DOI： 10.11994/zgtdkx.20230109.100514.

［4］徐英啟，程鈺，王晶晶．中國(guó)資源型城市碳排放效率時(shí)空演變與綠色技術(shù)創(chuàng)新影響[J]．地理研究，2023，42（3）：878-894．XU Y Q，CHENG Y，WANG J J．The impact of green technological innovation on the spatiotemporal evolution of carbon emission efficiency of resource-based cities in China[J]．Geogr Res，2023，42（3）：878-894．DOI： 10.11821/dlyj020220256.

［5］胡劍波，閆爍，王蕾．中國(guó)出口貿(mào)易隱含碳排放效率及其收斂性[J]．中國(guó)人口·資源與環(huán)境，2020，30（12）：95-104．HU J B，YAN S，WANG L．Efficiency and convergence of China’s export trade embodied carbon emissions[J]．China Popul Resour Environ，2020，30（12）：95-104．DOI： 10.12062/cpre.20200621.

［6］聶永有，姚清宇．長(zhǎng)三角地區(qū)生產(chǎn)性服務(wù)業(yè)集聚與碳排放效率：基于SDM與PTR模型的實(shí)證檢驗(yàn)[J]．工業(yè)技術(shù)經(jīng)濟(jì)，2022，41（6）：111-119．NIE Y Y，YAO Q Y．Agglomeration of producer services and carbon emission efficiency in the Yangtze River Delta： empirical analysis of SDM and PTR model[J]．J Ind Technol Econ，2022，41（6）：111-119．DOI： 10.3969/j.issn.1004-910X.2022.06.014.

［7］邵帥，范美婷，楊莉莉．經(jīng)濟(jì)結(jié)構(gòu)調(diào)整、綠色技術(shù)進(jìn)步與中國(guó)低碳轉(zhuǎn)型發(fā)展：基于總體技術(shù)前沿和空間溢出效應(yīng)視角的經(jīng)驗(yàn)考察[J]．管理世界，2022（2）：46-69．SHAO S，F(xiàn)AN M T，YANG L L．Economic restructuring，green technical progress，and low-carbon transition development in China：an empirical investigation based on the overall technology frontier and spatial spillover effect[J]．J Manag World，2022（2）：46-69．

［8］呂雁琴，范天正，張晉寧．中國(guó)交通運(yùn)輸碳排放效率的時(shí)空異質(zhì)性及影響因素研究[J]．生態(tài)經(jīng)濟(jì)，2023，39（3）：13-22．LYU Y Q，F(xiàn)AN T Z，ZHANG J N．Spatiotemporal characteristics and influencing factors of China’s transport sector carbon emissions efficiency[J]．Ecol Econ，2023，39（3）：13-22．

［9］BALAGUER J，CANTAVELLA M．The role of education in the Environmental Kuznets Curve： evidence from Australian data[J]．Energy Econ，2018，70：289-296．DOI： 10.1016/j.eneco.2018.01.021.

[10]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．DOI： 10.3390/en15113987.

[11]WANG R，WANG Q Z，YAO S L．Evaluation and difference analysis of regional energy efficiency in China under the carbon neutrality targets：insights from DEA and Theil models[J]．J Environ Manage，2021，293：112958．DOI： 10.1016/j.jenvman.2021.112958.

[12]HOANG V N，COELLI T．Measurement of agricultural total factor productivity growth incorporating environmental factors：a nutrients balance approach[J]．J Environ Econ Manag，2011，62（3）：462-474．DOI： 10.1016/j.jeem.2011.05.009.

[13]郭海紅，劉新民．中國(guó)農(nóng)業(yè)綠色全要素生產(chǎn)率的時(shí)空分異及收斂性[J]．?dāng)?shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2021，38（10）：65-84．GUO H H，LIU X M．Spatial and temporal differentiation and convergence of China’s agricultural green total factor productivity[J]．J Quant Tech Econ，2021，38（10）：65-84．DOI： 10.13653/j.cnki.jqte.2021.10.004.

[14]胡安俊，孫久文．碳排放的產(chǎn)業(yè)空間版圖、省際轉(zhuǎn)移與中國(guó)碳達(dá)峰[J]．經(jīng)濟(jì)縱橫，2022（5）：73-82．HU A J，SUN J W．The industrial and spatial maps，transfer among provinces of carbon emissions and suggestions on peak of carbon emissions in China[J]．Econ Rev J，2022（5）：73-82．DOI： 10.16528/j.cnki.22-1054/f.202205073.

[15]ZHANG Y J，LIU Z，QIN C X，et al．The direct and indirect CO2 rebound effect for private cars in China[J]．Energy Policy，2017，100：149-161．DOI： 10.1016/j.enpol.2016.10.010.

[16]朱于珂，高紅貴，徐運(yùn)保．雙向FDI協(xié)調(diào)發(fā)展如何降低區(qū)域CO2排放強(qiáng)度？——基于企業(yè)綠色技術(shù)創(chuàng)新的中介效應(yīng)與政府質(zhì)量的調(diào)節(jié)作用[J]．軟科學(xué)，2022，36（2）：86-94．ZHU Y K，GAO H G，XU Y B．How does coordinated development of two-way FDI reduce regional CO2 emission intensity？—Based on the mediating effect of enterprise green technology innovation and the moderating effect of government quality[J]．Soft Sci，2022，36（2）：86-94．DOI： 10.13956/j.ss.1001-8409.2022.02.13.

[17]劉承毅，李欣．環(huán)境規(guī)制對(duì)高碳制造業(yè)綠色低碳發(fā)展的影響：基于數(shù)字技術(shù)的調(diào)節(jié)效應(yīng)[J]．首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào)，2023，25（3）：18-31．LIU C Y，LI X．The impact of environmental regulation on the green and low-carbon development of high carbon manufacturing industry： based on the regulatory effect of digital technology[J]．J Cap Univ Econ Bus，2023，25（3）：18-31．DOI： 10.13504/j.cnki.issn1008-2700.2023.03.002.

[18]佘碩，王巧，張阿城．技術(shù)創(chuàng)新、產(chǎn)業(yè)結(jié)構(gòu)與城市綠色全要素生產(chǎn)率：基于國(guó)家低碳城市試點(diǎn)的影響渠道檢驗(yàn)[J]．經(jīng)濟(jì)與管理研究，2020，41（8）：44-61．SHE S，WANG Q，ZHANG A C．Technological innovation，industrial structure and urban GTFP： channel test based on national low-carbon city pilots[J]．Res Econ Manag，2020，41（8）：44-61．DOI： 10.13502/j.cnki.issn1000-7636.2020.08.004.

[19]劉贏時(shí)，田銀華，羅迎．產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、能源效率與綠色全要素生產(chǎn)率[J]．財(cái)經(jīng)理論與實(shí)踐，2018，39（1）：118-126．LIU Y S，TIAN Y H，LUO Y．Upgrading of industrial structure，energy efficiency，green total factor productivity[J]．Theory Pract Finance Econ，2018，39（1）：118-126．DOI： 10.16339/j.cnki.hdxbcjb.2018.01.018.

[20]王璇，侯正，方勇．雙向FDI、環(huán)境規(guī)制與碳生產(chǎn)率[J]．經(jīng)濟(jì)與管理研究，2022，43（12）：50-64．WANG X，HOU Z，F(xiàn)ANG Y．Two-way FDI，environmental regulation，and carbon productivity[J]．Res Econ Manag，2022，43（12）：50-64．DOI： 10.13502/j.cnki.issn1000-7636.2022.12.004.

[21]楊浩昌，鐘時(shí)權(quán)，李廉水．綠色技術(shù)創(chuàng)新與碳排放效率：影響機(jī)制及回彈效應(yīng)[J]．科技進(jìn)步與對(duì)策，2023，40（8）：99-107．YANG H C，ZHONG S Q，LI L S．Green technology innovation and carbon emission efficiency：an impact mechanism analysis and the rebound effect[J]．Sci Technol Prog Policy，2023，40（8）：99-107．DOI： 10.6049/kjjbydc.2023010061.

[22]王玉娟，江成濤，蔣長(zhǎng)流．新型城鎮(zhèn)化與低碳發(fā)展能夠協(xié)調(diào)推進(jìn)嗎？——基于284個(gè)地級(jí)及以上城市的實(shí)證研究[J]．財(cái)貿(mào)研究，2021，32（9）：32-46．WANG Y J，JIANG C T，JIANG C L．Can new-type urbanization and low-carbon economy be pushed coordinately？—Empirical research based on 284 prefecture-level cities[J]．Finance Trade Res，2021，32（9）：32-46．DOI： 10.19337/j.cnki.34-1093/f.2021.09.003.

[23]張軍，吳桂英，張吉鵬．中國(guó)省際物質(zhì)資本存量估算：1952—2000[J]．經(jīng)濟(jì)研究，2004，39（10）：35-44．ZHANG J，WU G Y，ZHANG J P．The estimation of China’s provincial capital stock：1952—2000[J]．Econ Res J，2004，39（10）：35-44．

[24]吳建新，郭智勇．基于連續(xù)性動(dòng)態(tài)分布方法的中國(guó)碳排放收斂分析[J]．統(tǒng)計(jì)研究，2016，33（1）：54-60．WU J X，GUO Z Y．Research on the convergence of carbon dioxide emissions in China：a continuous dynamic distribution approach[J]．Stat Res，2016，33（1）：54-60．DOI： 10.19343/j.cnki.11-1302/c.2016.01.008.

[25]LI H Q，LU Y，ZHANG J，et al．Trends in road freight transportation carbon dioxide emissions and policies in China[J]．Energy Policy，2013，57：99-106．DOI： 10.1016/j.enpol.2012.12.070.

[26]LONG Y，LIU L C，YANG B．Different types of environmental concerns and heterogeneous influence on green total factor productivity：evidence from Chinese provincial data[J]．J Clean Prod，2023，428：139295．DOI： 10.1016/j.jclepro.2023.139295.

LONG Y， LIU L C， YANG B. Different types of environmental concerns and heterogeneous influence on green total factor productivity： evidence from Chinese provincial data[J]. Journal of Cleaner Production， 2023， 428.

[27]時(shí)朋飛，耿飚，李星明，等．長(zhǎng)江經(jīng)濟(jì)帶旅游業(yè)環(huán)境生產(chǎn)率測(cè)度、空間分異及驅(qū)動(dòng)機(jī)制研究[J]．中國(guó)軟科學(xué)，2022（3）：78-87，111．SHI P F，GENG B，LI X M，et al．Measurement，spatial heterogeneity and driving mechanism of environment total factor productivity in tourism：a case study of the Yangtze River Economic Belt in China[J]．China Soft Sci，2022（3）：78-87，111．DOI： 10.3969/j.issn.1002-9753.2022.03.008.

[28]湯放華，湯慧，孫倩，等．長(zhǎng)江中游城市集群經(jīng)濟(jì)網(wǎng)絡(luò)結(jié)構(gòu)分析[J]．地理學(xué)報(bào)，2013，68（10）：1357-1366．TANG F H，TANG H，SUN Q，et al．Analysis of the economic network structure of urban agglomerations in the middle Yangtze River[J]．Acta Geogr Sin，2013，68（10）：1357-1366．DOI： 10.11821/dlxb201310005.

[29]SU Y，YU Y Q．Spatial association effect of regional pollution control[J]．J Clean Prod，2019，213：540-552．DOI： 10.1016/j.jclepro.2018.12.121.

[30]周瑩瑩，程寶棟，尤薇佳，等.全球原木貿(mào)易網(wǎng)絡(luò)結(jié)構(gòu)及其危機(jī)傳播的仿真分析[J].南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，46（5）：192-200.ZHOU Y Y， CHENG B D， YOU W J， et al. Simulation analysis of global log trade network structure and crisis propagation [J]. J Nanjing Fore Univ （Nat Sci Ed）， 2022， 46 （5）： 192-200.DOI：10.12302/j.issn.1000-2006.202101040.

[31]趙林，曹乃剛，韓增林，等．中國(guó)生態(tài)福利績(jī)效空間關(guān)聯(lián)網(wǎng)絡(luò)演變特征與形成機(jī)制[J]．自然資源學(xué)報(bào)，2022，37（12）：3183-3200．ZHAO L，CAO N G，HAN Z L，et al．Evolution characteristics and formation mechanism of spatial correlation network of ecological well-being performance in China[J]．J Nat Resour，2022，37（12）：3183-3200．DOI： 10.31497/zrzyxb.20221211.

[32]仇實(shí)，于強(qiáng)，劉泓君，等.基于生態(tài)環(huán)境質(zhì)量評(píng)價(jià)的酒泉市生態(tài)空間網(wǎng)絡(luò)優(yōu)化研究[J].南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）：2024，48（2）：199-208.QIU S， YU Q， LIU H J， et al. Optimization of ecological space network in Jiuquan City based on ecological environment quality evaluation [J]. J Nanjing For Univ （Nat Sci Ed），2024，48（2）：199-208.DOI：10.12302/j.issn.1000-2006.202204070.

[33]HUANG Q Y，WONG D W S．Activity patterns，socioeconomic status and urban spatial structure：what can social media data tell us？[J]．Int J Geogr Inf Sci，2016，30（9）：1873-1898．DOI： 10.1080/13658816.2016.1145225.

[34]BAI C Q，F(xiàn)ENG C，DU K R，et al．Understanding spatial-temporal evolution of renewable energy technology innovation in China： evidence from convergence analysis[J]．Energy Policy，2020，143：111570．DOI： 10.1016/j.enpol.2020.111570.

[35]王婧，杜廣杰．中國(guó)城市綠色創(chuàng)新空間關(guān)聯(lián)網(wǎng)絡(luò)及其影響效應(yīng)[J]．中國(guó)人口·資源與環(huán)境，2021，31（5）：21-27．WANG J，DU G J．Spatial association network of green innovation in Chinese cities and its impact effect[J]．China Popul Resour Environ，2021，31（5）：21-27．DOI： 10.12062/cpre.20201007.

[36]韋施威，杜金岷，潘爽．?dāng)?shù)字經(jīng)濟(jì)如何促進(jìn)綠色創(chuàng)新：來(lái)自中國(guó)城市的經(jīng)驗(yàn)證據(jù)[J]．財(cái)經(jīng)論叢，2022（11）：10-20．WEI S W，DU J M，PAN S．How does digital economy promote green innovation：empirical evidence from Chinese cities[J]．Collect Essays Finance Econ，2022（11）：10-20．DOI： 10.13762/j.cnki.cjlc.20220308.001.

[37]周亮，車?yán)?，孫東琪．中國(guó)城鎮(zhèn)化與經(jīng)濟(jì)增長(zhǎng)的耦合協(xié)調(diào)發(fā)展及影響因素[J]．經(jīng)濟(jì)地理，2019，39（6）：97-107．ZHOU L，CHE L，SUN D Q．The coupling coordination development between urbanization and economic growth and its influencing factors in China[J]．Econ Geogr，2019，39（6）：97-107．DOI： 10.15957/j.cnki.jjdl.2019.06.011.

[38]張明斗，張震．長(zhǎng)三角城市群城市經(jīng)濟(jì)韌性的空間關(guān)聯(lián)網(wǎng)絡(luò)研究[J]．地理與地理信息科學(xué)，2023，39（1）：69-79．ZHANG M D，ZHANG Z．Spatial correlation network of urban economic resilience in the Yangtze River Delta urban agglomeration[J]．Geogr Geo Inf Sci，2023，39（1）：69-79．DOI： 10.3969/j.issn.1672-0504.2023.01.010.

[39]王小華，楊玉琪，羅新雨，等．中國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展的空間關(guān)聯(lián)網(wǎng)絡(luò)及其作用機(jī)制[J]．地理學(xué)報(bào)，2022，77（8）：1920-1936．WANG X H，YANG Y Q，LUO X Y，et al．The spatial correlation network and formation mechanism of China’s high-quality economic development[J]．Acta Geogr Sin，2022，77（8）：1920-1936．DOI： 10.11821/dlxb202208006.

[40]陳紅霞，雷佳．中國(guó)省際金融科技發(fā)展的空間關(guān)聯(lián)網(wǎng)絡(luò)及影響因素分析[J]．城市發(fā)展研究，2023，30（1）：112-122．CHEN H X，LEI J．Spatial correlation network and influencing factors of inter-provincial financial technology development in China[J]．Urban Dev Stud，2023，30（1）：112-122．DOI： 10.3969/j.issn.1006-3862.2023.01.014.

（責(zé)任編輯 鄭琰燚）