黃河流域碳排放效率的區域差異、收斂性及影響因素

宋 敏，鄒素娟

（西安財經大學 黃河流域生態環境保護與高質量發展協同研究中心，陜西 西安 710100）

1 引 言

黃河流域是我國重要的礦產資源供應基地和生態安全保障區，但這里也是我國生態環境脆弱、生態問題頻發的地區。 2021 年10 月22 日，習近平總書記在深入推動黃河流域生態保護和高質量發展座談會上強調，要堅定走綠色低碳發展道路，推動流域經濟發展質量變革、效率變革、動力變革。 目前，黃河流域在短期內對礦產資源尤其是煤炭的需求還難以大量縮減［1］，因而碳減排壓力較大。 碳排放效率不僅是銜接區域經濟產出與碳排放量的橋梁，也是衡量區域綠色低碳發展的關鍵指標。 研究黃河流域碳排放效率的區域差異、收斂性及影響因素，對于黃河流域“雙碳”目標的實現、推動黃河流域生態環境保護和高質量發展具有現實意義。

近年來，學者們圍繞碳排放效率的定義［2－6］、測度［7］、時空演變［8－9］、地區差異［10－11］、收斂性［12］和影響因素［13－21］等進行了探討。 在碳排放效率的定義上，Kaya 等［2］從碳排放與經濟增長之間的關系考慮，認為碳排放效率是指二氧化碳排放量與GDP 的比值。 一些學者認為這一概念忽略了生產過程中投入要素互相作用所產生的影響，指出碳排放效率應是在既定投入要素和經濟產出條件下，理論上可達到的最少碳排放量與實際碳排放量之比［3－4］，或是在考慮各種投入要素之間的相互作用下，以相同或者更少的碳排放量獲得更多的產出［5－6］。 基于上述分析，本文將碳排放效率定義為“既定投入要素（資本、勞動和能源等）相互作用下，最少的碳排放量所獲得的最優經濟產出”。在碳排放效率的測度上，常用的方法有指數法、DEA模型、SFA 方法和超效率SBM 模型等，變異系數、Dagum 基尼系數、泰爾指數等方法也常被應用于碳排放效率的差異研究。 為了進一步驗證差異的動態變化，學者們還引入了經濟增長理論中的收斂性分析，用于研究碳排放效率的斂散程度，如李慧等［12］運用動態收斂性分析法，發現我國東西部地區的碳排放效率差異較大，但這種差異在逐漸縮小。 那么，是什么因素導致區域間碳排放效率的差異性呢？ 學者們的研究表明［17－18］，能源價格、出口貿易、城市化對碳排放效率有積極影響，而政府干預、煤炭消費等對碳排放效率有負面影響，經濟規模、產業結構和開放程度等對不同地區的碳排放效率有著不同的影響；Li 等［19］則單獨考察了城市化對碳排放效率的影響，研究表明城市化有利于我國中西部地區碳排放效率的提高，但對于我國東部地區的影響不顯著。 總體來說，經濟規模、產業結構、城市化、對外開放水平、政府干預等是學者們選取的主要研究變量。

現有文獻為黃河流域“雙碳”目標的實現和綠色低碳轉型研究提供了重要的學術參考，但目前尚缺少對黃河流域碳排放效率的相關研究，且將空間效應應用到黃河流域碳排放效率影響因素研究的文獻還相對較少，黃河流域的空間測度體系有待完善。 因此，本文以黃河流域為研究對象，通過超效率SBM 模型測算其2005—2019 年的碳排放效率，結合泰爾指數、σ收斂、絕對β收斂對其區域差異進行解析，運用空間杜賓模型深入分析影響黃河流域碳排放效率的因素，針對性地為黃河流域碳排放效率的提高提出建議。

2 研究方法與變量選取

2.1 研究方法

（1）超效率SBM 模型。 該模型相較于傳統DEA模型考慮了松弛變量問題，并能夠計算所有決策單元效率值，目前已被大量應用于生態效率與環境效率的評價［22］。 本文選用該模型對黃河流域的碳排放效率進行測算和分析，計算公式為

式中：ρ為碳排放效率值；N、M和I分別為投入指標、期望產出指標和非期望產出指標的個數；x為投入指標；y為期望產出；b為非期望產出；t、k分別為各年份和地區；z為強度變量；分別為第n個投入、第m個期望產出、第i個非期望產出的松弛變量；、分別為在t年份k地區的投入、產出和非期望產出。

（2）泰爾指數法。 泰爾指數能夠從空間的角度出發，將差異分解為區域間差異和區域內差異，并計算出差異的主要來源及其貢獻率［23］。 計算公式為

式中：T、TB、TW分別為總差異、區域間差異和區域內差異；Tp為區域內各子系統的碳排放效率差異；m為區域群組數；n為黃河流域內的省（區）個數；np為區域內的省（區）個數；ei為區域內第i個省（區）的碳排放效率；和分別為黃河流域碳排放效率均值和各區域碳排放效率均值。

泰爾指數的取值區間為［0，1］，指數值越大，意味著區域的碳排放效率差異越大。

（3）收斂性分析方法。 在收斂性分析中，采用σ收斂和絕對β收斂來探討黃河流域碳排放效率差距的演變情況。 其中：σ收斂是指各省（區）碳排放效率的差距會隨著時間推移呈現持續下降的過程，運用變異系數σ來進行檢驗，見式（6）；絕對β收斂是指各省（區）在具有基本相同的經濟特征前提下，碳排放效率隨著時間推移會收斂至同一穩態水平，見式（7）。

式中：n為區域個數；Eti為第t年i地區的碳排放效率；為第t年n個地區碳排放效率的均值；E1i為第1 期i地區的碳排放效率；α為常數項；θ為隨機誤差項；β為基期碳排放效率系數。

當σt＋1＜σt時，說明該區域碳排放效率的離散程度在縮小，存在σ收斂。 當β為負且通過了顯著性檢驗時，說明該區域碳排放效率存在絕對β收斂特征，反之則為發散特征。

（4）空間杜賓模型。 由于黃河流域碳排放效率可能具有空間自相關性，因此在影響因素的分析中需引入空間計量方法。 空間杜賓模型（Spatial Durbin Model，SDM）可以同時反映被解釋變量和解釋變量的影響，并分解出直接效應與間接效應。 本文運用該模型對黃河流域碳排放效率的影響因素進行探索，計算公式為

式中：Y和X分別為被解釋變量和解釋變量；ρ0為被解釋變量的空間自回歸系數；β0為回歸系數；θ0為解釋變量的空間回歸系數；ε為隨機誤差；W為一個（n×n）經濟地理嵌套權重矩陣，n為空間單元個數。

當ρ0≠0 且θ0＝0 時，SDM 模型可以簡化為空間滯后模型；當ρ0β0＋θ0＝0 時，SDM 模型可簡化為空間誤差模型。

2.2 變量選取

2.2.1 投入產出變量選取

本文選取的投入指標為能源消費、資本存量和勞動力，期望產出指標為GDP，非期望產出指標為碳排放量。 其中，資本存量由永續盤存法計算得出，折舊率參考單豪杰［24］的研究成果，設定為10.96%。 碳排放量根據2006 年IPCC［25］所提供的方法及碳排放系數（見表1）進行估算，計算公式為

表1 各種能源的折標準煤系數與碳排放系數

式中：CO2為估算的二氧化碳排放量；n為能源個數，本文選取煤炭、焦炭、原油、燃料油、汽油、煤油、柴油和天然氣等8 種能源；Ei為能源消耗量；SCCi為能源的折標準煤系數；CEFi為碳排放系數。

2.2.2 影響因素變量選取

厘清碳排放效率的影響因素是提升黃河流域碳排放效率的重要前提，本文選取6 個碳排放效率的影響因素，見表2。

表2 黃河流域碳排放效率影響因素

（1）經濟發展水平。 經濟越發達的地區資本要素的投入會越大，碳排放量也會相應增大。 因此，把人均GDP 作為衡量經濟發展水平的指標。

（2）能源消費結構。 黃河流域的能源消費總體以煤炭等化石燃料為主，但煤炭資源的利用率相對不高，由此產生的碳排放量較高，這在短期內對黃河流域碳排放效率的提升是不利的。 因此，把煤炭消費量占能源消費總量的比重作為衡量能源消費結構的指標。

（3）城市化水平。 理論界一般認為，城市化過程中的人口擴張和基礎設施的建設，會加劇能源、鋼筋和水泥等資源的消耗，容易產生大量二氧化碳，不利于碳排放效率的提升。 因此，把城市人口占總人口的比重作為衡量城鎮化水平的指標。

（4）科技創新水平。 技術創新的進步會使勞動生產率進一步提高，從而降低區域能源消費的強度并提高其利用效率，有利于碳排放效率的提升。 因此，把科技活動經費占GDP 比重作為衡量區域科技創新水平的指標。

（5）對外貿易水平。 隨著近年來環境規制力度的不斷提升，發達省（區）傾向于把污染密集型產業轉移到欠發達省（區），由此造成當地的污染排放物不斷增加。 因此，把某區域出口總額占GDP 比重作為衡量該區域對外貿易水平的指標。

（6）政府適度干預。 碳排放問題具有較強的公共性特征，政府的適度干預是必要的。 一般而言，政府的干預力度越大，對碳排放效率的影響力度也越大。 因此，把地區財政決算本級支出占GDP 比重作為衡量政府適度干預的指標。

2.2.3 數據來源

本文所采用的數據中，能源消費量和煤炭消費量數據來源于2006—2020 年公布的《中國能源統計年鑒》，資本存量、勞動力、GDP、人均GDP、非農業人口占人口總數比重、出口總額、地區財政決算本級支出數據來源于2006—2020 年公布的《中國統計年鑒》和各省（區）的統計年鑒、統計公報，科技活動經費數據來源于《全國科技經費投入統計公報》。

3 黃河流域碳排放效率的區域差異

3.1 黃河流域碳排放效率的時空測度

2005—2019 年黃河流域整體碳排放效率不高（見表3），除內蒙古、山東和四川的碳排放效率均值大于1外，其他6 個省（區）的碳排放效率均值均小于1，即處于DEA（數據包絡分析）無效狀態，這說明黃河流域在能源消耗中存在無效的二氧化碳產出，整體上仍具有較大的碳排放效率提升空間。 從時間維度來看，黃河流域的碳排放效率在2005—2019 年間呈現出“波動上升—逐漸下降”的態勢。 近些年，黃河流域各省（區）的工業化和城市化程度都在逐漸提高，對于“高碳”能源的消耗需求仍然較大，且長期以來形成的“高碳”發展模式具有典型的“路徑依賴”特征，在短時間內不易轉變，后續碳排放效率的提升較為乏力。 從空間維度來看，黃河流域的碳排放效率呈現出“上游＜中游＜下游”的階梯式分布格局，以2019 年為例，黃河流域下游地區山東、河南兩省的碳排放效率是上游地區青海、甘肅、寧夏三省（區）的約2 倍。

表3 2005—2019 年黃河流域碳排放效率

3.2 碳排放效率的區域差異分析

本文利用泰爾指數對黃河流域碳排放效率的區域差異變化進行分析，結果如圖1 所示。 從圖1 可知，2005—2019 年，黃河流域碳排放效率的總體泰爾指數呈現出W 形的演變趨勢。 總體泰爾指數從2005 年的0.062 波動上升至2019 年的0.085，說明黃河流域碳排放效率的區域差距在逐漸拉大，主要原因是流域內碳排放效率落后地區的效率提升速度相對于高碳排放效率地區來說較慢，從而拉大了黃河流域整體碳排放效率的區域差異。 區域內泰爾指數同總體泰爾指數的變化趨勢較為一致，呈波動上升趨勢。 區域間碳排放效率的泰爾指數變動則相對較為平緩，基本在［0，0.02］區間內波動，2005—2011 年泰爾指數緩慢下降，2012—2019 年泰爾指數在波動上升，表明黃河流域上、中、下游之間的碳排放效率差距由不斷縮小向逐漸擴大轉變。 此外，對比區域間的泰爾指數發現，區域內泰爾指數的數值更大，約占總體碳排放效率泰爾指數的80%左右，說明黃河流域區域內碳排放效率的差異是構成總體碳排放效率差異的主要來源。

圖1 2005—2019 年黃河流域碳排放效率的泰爾指數變化趨勢

4 黃河流域碳排放效率的收斂性

4.1σ收斂檢驗

為了進一步驗證黃河流域碳排放效率的差異演變趨勢，通過式（6）計算了2005—2019 年黃河流域、黃河上游、中游及下游地區碳排放效率的變異系數，結果如圖2 所示。 由圖2 可知，黃河流域碳排放效率的變異系數總體表現出“小幅下降—上下波動—穩步上升”的趨勢。 這說明黃河流域的碳排放效率在研究前期出現了σ收斂特征，后期各省（區）之間的碳排放效率差距不斷擴大，不存在σ收斂。 具體到三大區域，黃河上游地區碳排放效率的變異系數演變趨勢與黃河全流域的變化趨勢相對一致，2019 年其變異系數相較于2005 年上升了0.113，升幅約25.45%；黃河中游地區碳排放效率的變異系數大體上呈現出“急速下降—急速上升—上下波動—小幅下降—反彈回升”的變化過程，碳排放效率差距無明顯下降趨勢；黃河下游地區碳排放效率的變異系數在研究期內表現出“小幅上升—波動上升—明顯下降—反彈上揚—急速下降—趨緩下降”的變化過程，2019 年其變異系數相較于2013年下降了0.190，說明黃河下游各省的碳排放效率差距具有縮小的跡象。

圖2 2005—2019 年黃河流域及黃河上、中、下游地區碳排放效率的σ收斂情況

4.2 絕對β收斂檢驗

2005—2019 年黃河流域碳排放效率的β值為－0.308（見表4），且通過了顯著性檢驗，這說明黃河流域的碳排放效率存在絕對β收斂現象，即各區域在相似的發展條件和水平下，低碳排放效率省（區）會對高碳排放效率省（區）產生追趕效應，并隨著時間推移碳排放效率差距將逐漸縮小。

表4 黃河流域碳排放效率絕對β收斂結果

黃河上游地區的β值為負數但未通過顯著性檢驗，說明黃河上游各省（區）的碳排放效率并不會隨著時間推移收斂至同一穩態水平。 黃河中游地區的β值為－2.169，且通過了顯著性檢驗，說明中游地區碳排放效率較低的省份將逐漸縮小與高碳排放效率省份的差距。 黃河下游地區的β值為1.450，通過了顯著性檢驗，意味著山東和河南兩省的碳排放效率具有離散性，碳排放效率差距在相似的發展條件下存在進一步擴大的可能。

5 黃河流域碳排放效率的影響因素

5.1 空間自相關檢驗分析

空間自相關分析是運用空間計量模型的前提條件。 本文選用全局Moran’s I 指數衡量黃河流域碳排放效率的空間關聯性，方法如下：

式中：Moran’s I 為全局莫蘭指數；n為樣本個數；Yi和Yj分別為第i個空間要素和第j個空間要素的觀測值；為N個空間要素觀測值的均值；W為經濟地理嵌套權重矩陣。

對2005—2019 年黃河流域碳排放效率Moran’s I指數進行計算，結果見表5。 由表5 可知，2005—2019年黃河流域碳排放效率的全局Moran’s I 指數均為正值，除2009 年、2010 年、2011 年、2013 年和2014 年外，其余年份的統計量z值都在5%水平下通過了顯著性檢驗，這表明黃河流域碳排放效率存在顯著的正向空間自相關性，即本地區的碳排放效率會對其鄰近地區的碳排放效率產生正向影響。

表5 2005—2019 年黃河流域碳排放效率Moran’s I 指數

5.2 空間杜賓模型的檢驗與選擇

為了驗證空間杜賓模型是否會退化為空間滯后模型或空間誤差模型，運用LM 檢驗、LR 檢驗和Wald 檢驗方法進行檢驗，結果見表6。

表6 空間計量模型檢驗結果

由表6 可知，在LM 檢驗中，各指標均通過了顯著性檢驗，說明解釋變量中同時存在空間滯后項和空間誤差項，應選擇空間杜賓模型。 LR 檢驗和Wald 檢驗都在1%的水平下通過了顯著性檢驗，這意味著拒絕空間杜賓模型會退化成其他空間模型的原假設，因此選擇空間杜賓模型進行后續的研究具有合理性。 考慮到SDM 模型還可拓展為個體固定效應、時間固定效應、混合固定效應和隨機效應4 種形式，故運用Hausman 檢驗和LR 檢驗來確定較優的模型。 表7 中，Hausman 檢驗的統計量為41.83 且通過了1%顯著性檢驗，LR 檢驗顯示混合固定效應模型比個體固定效應模型和時間固定效應模型更合適，因此本文最終采用混合固定效應的空間杜賓模型。

表7 固定效應類型選擇的LR 檢驗結果

5.3 黃河流域碳排放效率影響因素的檢驗結果

黃河流域碳排放效率的解釋變量中存在空間滯后項，采用回歸系數進行分析無法準確描述自變量和因變量之間的關系，因此本文采取偏微分方法對黃河流域碳排放效率的影響因素進行空間效應分解，結果見表8。

表8 黃河流域碳排放效率影響因素的空間效應分解結果

（1）經濟發展水平對黃河流域碳排放效率的總效應為0.651 7 且在1%水平下顯著，說明黃河流域各省（區）的經濟發展有利于促進碳排放效率的提升。 黃河流域各省（區）本地的經濟發展水平每提高1%，碳排放效率將提高0.972 8。 這主要是經濟發展在提高人民生活水平的同時，也提高了居民對生活質量和周邊環境的要求，進而推動黃河流域社會層面的節能減排進程。 從溢出效應來看，黃河流域內經濟發展水平較高的省（區）對其鄰近省（區）的碳排放效率會產生負面影響。

（2）能源消費結構對黃河流域碳排放效率的總效應和直接效應在1%水平下顯著為負，說明黃河流域能源消費結構中煤炭消費比重越高，碳排放效率就越低。 黃河流域內多數省（區）在煤炭利用上效率偏低，進一步造成了地區碳排放效率的低值化結果。 然而，從溢出效應來看，黃河流域內各省（區）的能源消費結構在10%的顯著性水平下有利于提高其鄰近省（區）的碳排放效率。

（3）城市化水平對黃河流域碳排放效率的總效應為－1.604 2，通過了5%的顯著性檢驗，即城市化水平與碳排放效率顯著負相關。 黃河流域各省（區）城市化水平每提高1%，碳排放效率將下降2.405 3。 城市化建設仍是黃河流域內眾多省（區）未來發展的趨勢，在此過程中，人口規模的擴大不可避免地會使得城市的能源消費需求急劇增加，這在客觀上抑制了碳排放效率的提升。

（4）科技創新水平對黃河流域碳排放效率的總效應和直接效應在10%顯著性水平上通過了檢驗，且系數為正，這說明黃河流域科技水平越高，越能促進地區碳排放效率的提升。 近年來，黃河流域各省（區）加快新舊動能轉換，加大R＆D 經費支持力度，有力地推動了節能減排，提高了低碳技術水平和能源利用效率，使得能源投入的無效產出大大減少，進一步實現了黃河流域碳排放效率的提升。

（5）對外貿易水平對黃河流域碳排放效率的直接效應在5%水平下顯著為正，說明黃河流域促進對外貿易發展有利于提高黃河流域碳排放效率。 在“一帶一路”倡議背景下，黃河流域內陜西、青海、甘肅等省（區）的對外貿易聯系得到加強，要素流動渠道增多，一定程度上解決了地區產能過剩、資源不足的困境，提高了投入產出比。

（6）政府適度干預對黃河流域碳排放效率的總效應為正但并不顯著，表明黃河流域各省（區）的政府干預對黃河流域碳排放效率的影響不明顯。 當前，我國政府在碳減排工作中所展開的節能減排宣傳活動、出臺的節能減排獎懲政策等，能夠積極地帶動碳排放的降低和環境質量的提升，但有時政府在這個經濟活動過程中存在過度干預，導致資源無法有效合理配置，不利于碳排放效率的提高，政策的有效性仍需深入研究。

6 結論與建議

6.1 結 論

（1）2005—2019 年黃河流域的碳排放效率差距表現出W 形的演變態勢；各省（區）之間的碳排放效率差異較大并呈現出“上游＜中游＜下游”的階梯式分布格局，其中甘肅、青海、寧夏和山西是流域內碳排放效率較低的省（區）。

（2）黃河流域的碳排放效率不存在σ收斂，但全流域和中游地區具有絕對β收斂特征。 這意味著隨著時間的推移，各省（區）之間的碳排放效率差距有進一步擴大的可能，而當各省（區）具有相當的發展條件和水平時，其碳排放效率差距將有可能逐漸縮小。

（3）經濟發展水平、科技創新水平和對外貿易水平的提高有利于提高流域的碳排放效率，而能源消費結構中煤炭占比過高和城市化的無序擴張則會抑制黃河流域碳排放效率的提升。 從空間角度來看，能源消費結構的優化和城市化的有序推進能夠帶動鄰近省（區）的碳排放效率的提高，但粗放式的經濟發展方式并不會對相鄰省（區）的碳排放效率產生正向影響。

6.2 建 議

（1）大力發展低碳循環經濟，優化能源消費結構。粗放型的經濟發展模式早已不適應高質量發展的需求，黃河流域各省（區）應培育新的綠色經濟增長點，加大黃河上游地區清潔能源的開發利用，通過市場一體化建設提高清潔能源的消納外送能力，減少能源消費結構中煤炭消費占比高對碳排放效率的負面影響。

（2）加強技術創新助力提效，發揮對外貿易帶動作用。 如山西可促進科技要素融入“投入要素”，以低碳技術的升級解決其“一煤獨大”和煤炭利用效率低的現實困境；青海、甘肅和寧夏可借助“一帶一路”倡議機遇，優化對外貿易結構，引進先進的技術和管理經驗，發展環保產業，從而提升碳排放效率。

（3）推進城市建設低碳轉型，緩解城市化對效率的正向抑制。 黃河流域各省（區）在城市化建設進程中要注重產城融合，積極培育附加值高的產業來代替高耗能產業，促進全要素生產率的增長，進而提升碳排放效率。

（4）充分利用空間正向溢出效應，協同推進流域降碳提效。 加強黃河流域各省（區）間的合作，鼓勵山東、河南等高碳排放效率的省份向周邊地區分享兼顧經濟產出和減排增效的發展經驗，并聯合探索打造多元化、清潔化能源結構的低碳發展路徑。