【推荐阅读】高被引频次论文｜宋敏等：黄河流域碳排放效率的区域差异、收敛性及影响因素

黄河流域是我国重要的矿产资源供应基地和生态安全保障区，但这里也是我国生态环境脆弱、生态问题频发的地区。2021 年10 月22 日，习近平总书记在深入推动黄河流域生态保护和高质量发展座谈会上强调，要坚定走绿色低碳发展道路，推动流域经济发展质量变革、效率变革、动力变革。目前，黄河流域在短期内对矿产资源尤其是煤炭的需求还难以大量缩减［1］，因而碳减排压力较大。碳排放效率不仅是衔接区域经济产出与碳排放量的桥梁，也是衡量区域绿色低碳发展的关键指标。研究黄河流域碳排放效率的区域差异、收敛性及影响因素，对于黄河流域“双碳”目标的实现、推动黄河流域生态环境保护和高质量发展具有现实意义。

近年来，学者们围绕碳排放效率的定义［2－6］、测度［7］、时空演变［8－9］、地区差异［10－11］、收敛性［12］和影响因素［13－21］等进行了探讨。在碳排放效率的定义上，Kaya 等［2］从碳排放与经济增长之间的关系考虑，认为碳排放效率是指二氧化碳排放量与GDP 的比值。一些学者认为这一概念忽略了生产过程中投入要素互相作用所产生的影响，指出碳排放效率应是在既定投入要素和经济产出条件下，理论上可达到的最少碳排放量与实际碳排放量之比［3－4］，或是在考虑各种投入要素之间的相互作用下，以相同或者更少的碳排放量获得更多的产出［5－6］。基于上述分析，本文将碳排放效率定义为“既定投入要素（资本、劳动和能源等）相互作用下，最少的碳排放量所获得的最优经济产出”。在碳排放效率的测度上，常用的方法有指数法、DEA模型、SFA 方法和超效率SBM 模型等，变异系数、Dagum 基尼系数、泰尔指数等方法也常被应用于碳排放效率的差异研究。为了进一步验证差异的动态变化，学者们还引入了经济增长理论中的收敛性分析，用于研究碳排放效率的敛散程度，如李慧等［12］运用动态收敛性分析法，发现我国东西部地区的碳排放效率差异较大，但这种差异在逐渐缩小。那么，是什么因素导致区域间碳排放效率的差异性呢？学者们的研究表明［17－18］，能源价格、出口贸易、城市化对碳排放效率有积极影响，而政府干预、煤炭消费等对碳排放效率有负面影响，经济规模、产业结构和开放程度等对不同地区的碳排放效率有着不同的影响；Li 等［19］则单独考察了城市化对碳排放效率的影响，研究表明城市化有利于我国中西部地区碳排放效率的提高，但对于我国东部地区的影响不显著。总体来说，经济规模、产业结构、城市化、对外开放水平、政府干预等是学者们选取的主要研究变量。

现有文献为黄河流域“双碳”目标的实现和绿色低碳转型研究提供了重要的学术参考，但目前尚缺少对黄河流域碳排放效率的相关研究，且将空间效应应用到黄河流域碳排放效率影响因素研究的文献还相对较少，黄河流域的空间测度体系有待完善。因此，本文以黄河流域为研究对象，通过超效率SBM 模型测算其2005—2019 年的碳排放效率，结合泰尔指数、σ 收敛、绝对β 收敛对其区域差异进行解析，运用空间杜宾模型深入分析影响黄河流域碳排放效率的因素，针对性地为黄河流域碳排放效率的提高提出建议。

2005—2019 年黄河流域整体碳排放效率不高（见表3），除内蒙古、山东和四川的碳排放效率均值大于1外，其他6 个省（区）的碳排放效率均值均小于1，即处于DEA（数据包络分析）无效状态，这说明黄河流域在能源消耗中存在无效的二氧化碳产出，整体上仍具有较大的碳排放效率提升空间。从时间维度来看，黄河流域的碳排放效率在2005—2019 年间呈现出“波动上升—逐渐下降”的态势。近些年，黄河流域各省（区）的工业化和城市化程度都在逐渐提高，对于“高碳”能源的消耗需求仍然较大，且长期以来形成的“高碳”发展模式具有典型的“路径依赖”特征，在短时间内不易转变，后续碳排放效率的提升较为乏力。从空间维度来看，黄河流域的碳排放效率呈现出“上游＜中游＜下游”的阶梯式分布格局，以2019 年为例，黄河流域下游地区山东、河南两省的碳排放效率是上游地区青海、甘肃、宁夏三省（区）的约2 倍。

本文利用泰尔指数对黄河流域碳排放效率的区域差异变化进行分析，结果如图1 所示。从图1 可知，2005—2019 年，黄河流域碳排放效率的总体泰尔指数呈现出W 形的演变趋势。总体泰尔指数从2005 年的0.062 波动上升至2019 年的0.085，说明黄河流域碳排放效率的区域差距在逐渐拉大，主要原因是流域内碳排放效率落后地区的效率提升速度相对于高碳排放效率地区来说较慢，从而拉大了黄河流域整体碳排放效率的区域差异。区域内泰尔指数同总体泰尔指数的变化趋势较为一致，呈波动上升趋势。区域间碳排放效率的泰尔指数变动则相对较为平缓，基本在［0，0.02］区间内波动，2005—2011 年泰尔指数缓慢下降，2012—2019 年泰尔指数在波动上升，表明黄河流域上、中、下游之间的碳排放效率差距由不断缩小向逐渐扩大转变。此外，对比区域间的泰尔指数发现，区域内泰尔指数的数值更大，约占总体碳排放效率泰尔指数的80%左右，说明黄河流域区域内碳排放效率的差异是构成总体碳排放效率差异的主要来源。

空间自相关分析是运用空间计量模型的前提条件。本文选用全局Moran’s I 指数衡量黄河流域碳排放效率的空间关联性，方法如下：

式中：Moran’s I 为全局莫兰指数；n 为样本个数；Yi和Yj分别为第i 个空间要素和第j 个空间要素的观测值；为N 个空间要素观测值的均值；W 为经济地理嵌套权重矩阵。

对2005—2019 年黄河流域碳排放效率Moran’s I指数进行计算，结果见表5。由表5 可知，2005—2019年黄河流域碳排放效率的全局Moran’s I 指数均为正值，除2009 年、2010 年、2011 年、2013 年和2014 年外，其余年份的统计量z 值都在5%水平下通过了显著性检验，这表明黄河流域碳排放效率存在显著的正向空间自相关性，即本地区的碳排放效率会对其邻近地区的碳排放效率产生正向影响。

为了验证空间杜宾模型是否会退化为空间滞后模型或空间误差模型，运用LM 检验、LR 检验和Wald 检验方法进行检验，结果见表6。

由表6 可知，在LM 检验中，各指标均通过了显著性检验，说明解释变量中同时存在空间滞后项和空间误差项，应选择空间杜宾模型。LR 检验和Wald 检验都在1%的水平下通过了显著性检验，这意味着拒绝空间杜宾模型会退化成其他空间模型的原假设，因此选择空间杜宾模型进行后续的研究具有合理性。考虑到SDM 模型还可拓展为个体固定效应、时间固定效应、混合固定效应和随机效应4 种形式，故运用Hausman 检验和LR 检验来确定较优的模型。表7 中，Hausman 检验的统计量为41.83 且通过了1%显著性检验，LR 检验显示混合固定效应模型比个体固定效应模型和时间固定效应模型更合适，因此本文最终采用混合固定效应的空间杜宾模型。

黄河流域碳排放效率的解释变量中存在空间滞后项，采用回归系数进行分析无法准确描述自变量和因变量之间的关系，因此本文采取偏微分方法对黄河流域碳排放效率的影响因素进行空间效应分解，结果见表8。

（1）经济发展水平对黄河流域碳排放效率的总效应为0.651 7 且在1%水平下显著，说明黄河流域各省（区）的经济发展有利于促进碳排放效率的提升。黄河流域各省（区）本地的经济发展水平每提高1%，碳排放效率将提高0.972 8。这主要是经济发展在提高人民生活水平的同时，也提高了居民对生活质量和周边环境的要求，进而推动黄河流域社会层面的节能减排进程。从溢出效应来看，黄河流域内经济发展水平较高的省（区）对其邻近省（区）的碳排放效率会产生负面影响。

（2）能源消费结构对黄河流域碳排放效率的总效应和直接效应在1%水平下显著为负，说明黄河流域能源消费结构中煤炭消费比重越高，碳排放效率就越低。黄河流域内多数省（区）在煤炭利用上效率偏低，进一步造成了地区碳排放效率的低值化结果。然而，从溢出效应来看，黄河流域内各省（区）的能源消费结构在10%的显著性水平下有利于提高其邻近省（区）的碳排放效率。

（3）城市化水平对黄河流域碳排放效率的总效应为－1.604 2，通过了5%的显著性检验，即城市化水平与碳排放效率显著负相关。黄河流域各省（区）城市化水平每提高1%，碳排放效率将下降2.405 3。城市化建设仍是黄河流域内众多省（区）未来发展的趋势，在此过程中，人口规模的扩大不可避免地会使得城市的能源消费需求急剧增加，这在客观上抑制了碳排放效率的提升。

（4）科技创新水平对黄河流域碳排放效率的总效应和直接效应在10%显著性水平上通过了检验，且系数为正，这说明黄河流域科技水平越高，越能促进地区碳排放效率的提升。近年来，黄河流域各省（区）加快新旧动能转换，加大R＆D 经费支持力度，有力地推动了节能减排，提高了低碳技术水平和能源利用效率，使得能源投入的无效产出大大减少，进一步实现了黄河流域碳排放效率的提升。

（5）对外贸易水平对黄河流域碳排放效率的直接效应在5%水平下显著为正，说明黄河流域促进对外贸易发展有利于提高黄河流域碳排放效率。在“一带一路”倡议背景下，黄河流域内陕西、青海、甘肃等省（区）的对外贸易联系得到加强，要素流动渠道增多，一定程度上解决了地区产能过剩、资源不足的困境，提高了投入产出比。

（6）政府适度干预对黄河流域碳排放效率的总效应为正但并不显著，表明黄河流域各省（区）的政府干预对黄河流域碳排放效率的影响不明显。当前，我国政府在碳减排工作中所展开的节能减排宣传活动、出台的节能减排奖惩政策等，能够积极地带动碳排放的降低和环境质量的提升，但有时政府在这个经济活动过程中存在过度干预，导致资源无法有效合理配置，不利于碳排放效率的提高，政策的有效性仍需深入研究。