“雙碳”目標下欠發達地區碳排放效率時空演變與驅動因素

摘要：在“雙碳”目標約束下，欠發達地區的傳統高碳經濟增長模式難以為繼，如何在保持經濟穩步發展的同時減少碳排放是欠發達地區面臨的重要挑戰。本文基于超效率SBM模型測度典型欠發達地區2006—2020年間的碳排放效率，探究了碳排放效率的時空演變特征，采用空間面板計量模型測度碳排放效率影響因素，運用GTWR模型研究驅動因素異質性。研究表明：欠發達地區碳排放效率高-高集聚區表現出極化效應，而低-低集聚區呈現溢出效應；人口規模、技術進步與經濟發展是影響碳排放效率的主要驅動因素，碳排放效率受自身滯后效應影響；驅動因素存在時空異質性特征，經濟發展水平較低地區存在環境“逐底”競爭效應，大多數城市的人口集聚效應逐漸增強，技術進步呈現“學習效應”。因此，應當推進區域間協同治理碳污染問題，因地制宜實施低碳發展戰略，助力欠發達地區實現綠色發展。

關鍵詞：碳排放效率；時空演變；驅動因素；異質性

中圖分類號：F0622；F0615；F127；X321文獻標識碼：A文章編號：1001-148X（2024）02-0093-11

收稿日期：2023-06-25

作者簡介：張競雪（1993—），女，河南平頂山人，博士研究生，研究方向：產業經濟與可持續發展；王海杰（1972—），本文通訊作者，男，河南南陽人，教授，博士生導師，研究方向：產業經濟與區域經濟。

基金項目：國家社會科學基金項目“新冠肺炎疫情背景下中國制造業全球價值鏈重構機制與政策體系研究”，項目編號：20BJY094；河南省教育科學基金項目“河南省高校服務黃河流域高質量發展政策支持體系研究”，項目編號：2021JKZB01。

一、引言

碳排放治理對于我國實現“雙碳”目標意義重大。黨的二十大強調了推動經濟社會發展綠色化、低碳化是實現高質量發展的關鍵環節。同時指出，實現碳達峰、碳中和是一場廣泛而深刻的經濟社會系統性變革，并鼓勵針對碳排放總量與強度實施“雙控”制度，推動能源清潔低碳高效利用，推進工業、建筑、交通等領域清潔低碳轉型。然而，中國東西部地區經濟社會發展水平存在較大差異，使得碳排放重心西移，由此引發的碳排放區域不公平問題嚴重影響著中國“雙碳”目標的實現。中國欠發達地區的經濟發展以高能耗和高污染的資源依賴型產業為主導，并在“一帶一路”、西部大開發等國家宏觀政策背景下承接了大量來自發達地區的污染型產業遷入，形成“碳鎖定”局面，其碳排放效率容易陷入“低水平陷阱”。補齊碳排放效率的區域短板，是破解“碳鎖定”難題的關鍵。

目前，有關欠發達地區生態環境保護的研究大多集中于綠色發展［1］、生態保護［2］、能源消費［3］等方面，缺乏對欠發達地區碳污染問題的關注。更重要的是，現有研究在進行碳排放效率驅動因素分析時，容易忽略多主體自身條件差異與經濟活動的時間變化，往往僅得到整體性、概括性的評價結論，缺乏對時空異質性的具體分析，不利于因地制宜制定政策。另外，學者們傾向對碳排放量這一絕對指標的影響因素進行分析，容易忽略碳排放本身具備的綜合復雜的社會經濟屬性，而碳排放效率作為相對指標更適合對碳排放問題進行全面分析。如王兆峰和杜瑤瑤（2019）利用SBM-DEA模型測度湖南省碳排放效率時空差異，并探索其影響因素，研究發現湖南省大部分地區碳排放效率較低［4］；李焱等（2021）使用非徑向DDF模型對“一帶一路”沿線國家制造業的碳排放效率進行測度，以此判斷全球價值鏈嵌入對碳排放效率的效應機制［5］。由于不同區域的碳排放效率分析逐漸成為學者們關注的重點，對欠發達地區碳排放效率時空演變與驅動因素異質性的研究有助于理解欠發達地區經濟增長與環境污染這一矛盾的成因，從而為政策制定提供有效的實證參考。因此，本文基于“全要素”碳排放效率指標探究欠發達地區碳排放狀況，同時考慮到污染排放與要素流動的跨界傳輸、空間外溢等特征，科學分析碳排放效率影響因素的作用機制與時空格局演變規律。

相較以往研究，本文可能的邊際貢獻如下：第一，本研究以欠發達地區為研究樣本，從地市層面分析碳排放效率驅動因素的傳導機制，豐富了碳污染問題在欠發達地區協同治理的研究；第二，以往大多數研究采用普通最小二乘回歸（OLS）來分析二氧化碳排放效率的驅動因素，本研究綜合投入-產出分析、空間探索性分析與面板分析，全面剖析了欠發達地區碳排放效率的空間分布特征與影響因素；第三，欠發達地區由不同城市組成，具有不同的空間位置以及不同的經濟基礎，使得每個城市的節能減排能力和低碳發展潛力都不相同，但以往研究較少考慮到碳排放效率的時空異質性因素，本文使用地理時空加權回歸模型（GTWR）測度欠發達地區碳排放效率影響因素的時空演變特征，為欠發達地區因地制宜實施低碳政策提供依據。

二、理論分析與研究假說

碳排放效率是指在資本、勞動力、能源等投入要素約束下，碳排放這一非期望產出減少而經濟期望產出增加所能達到最大程度，提高碳排放效率是欠發達地區綠色發展的路徑選擇。近年來，對碳排放效率影響因素的討論成為學術界的熱點，然而，目前學術界對碳排放效率影響因素缺乏統一界定。縱觀以往研究，學者們主要采用指數分解法［6］、STIRPAT模型［7］、脫鉤理論［8］以及EKC理論［9］來研究碳排放效率的影響機制。碳排放效率的影響路徑可分為內生和外生因素，內生因素為人口規模、技術進步、經濟發展及能源結構等影響碳排放效率投入要素的指標；外生因素為城鎮化、對外開放與產業結構等易受國家政策影響的指標，這些因素對碳排放效率的影響可能存在相同的作用機制。

人口是勞動力的重要來源，作為碳排放效率指標的重要投入要素，具有明顯的內生性特征。人口規模擴張引發大量能源消費，從需求側對碳排放效率產生影響。盡管人口增加將產生更多的經濟生產活動與能源消耗，導致碳排放增加，但隨著社會經濟發展，規模經濟成為可能，學者們發現人口增加可能對碳排放產生正向影響。首先，增長的人口并非在空間上呈現均勻分布特征，而是趨于集聚狀態，人口集聚提高了城市空間密度，促進公共交通發展，減少交通運輸部門產生的碳排放。同時，由人口集聚產生的集聚經濟與環境質量改善存在雙贏局面，即集聚經濟可以在實現增長的同時減少碳排放［10］。其次，人口規模的不平衡擴張改變了不同地區人口的知識結構，受過高等教育的人群傾向集聚在中心城市與高收入地區，隨著這些地區教育水平的提高，人們對碳排放的認知也在提升，高素質人口增加推動了技術創新與低碳生產生活方式的普及以及清潔技術的集中研發與推廣應用，從而有利于“減碳增匯”的實現［11］。

新增長理論將技術進步內生化為長期經濟增長因素，那么，技術進步如何作用于碳排放效率？在現有文獻中，關于技術進步與碳排放關系的觀點并沒有達成一致。有學者認為技術創新存在反彈效應，其降低的能源成本鼓勵生產者大量使用化石能源，導致更多的能源消耗與碳排放［12］。此外，技術進步可能會偏離節能減排和低碳發展的目的，在短期內受利益驅動，以污染環境為代價追求高額產出。而另一種觀點認為，自2006年以后，技術進步的產出偏好逐漸被綠色偏好所替代，這有利于在供給端實現清潔生產［13］。具體而言，從宏觀層面來看，技術研發具有滯后性，且以市場需求為導向，長期內將催生大量具有綠色偏好特征的專利，有助于提高單位能耗的產出與自然資源利用效率，從而降低碳排放。根據熊彼特創新理論，技術進步為經濟發展創造了一種“創造性破壞”機制，淘汰落后產能，革新經濟發展模式，可見技術進步是發展低碳經濟的重要途徑，它可以通過尋找可替代能源來降低生產過程中對化石燃料的依賴，顯著降低碳排放強度即技術進步的強度效應。從微觀層面而言，企業作為最廣泛的市場主體，是技術創新的主力軍，在一系列環境規制與能源政策信號的作用下，先驅企業為保證其技術領導地位與獨特的競爭優勢，快速提高市場份額以實現自身利益最大化，積極研發、使用、推廣并引用低碳環保技術［14］；而后入市企業面對巨大的競爭壓力，并受制于自身薄弱的經濟基礎，它們為爭取綠色補貼以降低融資約束，會積極響應政府低碳政策，增加綠色創新研發支出。先驅企業與后入市企業基于自身利益的技術創新，均有利于推動生產方式低碳轉型。本文認為，無論是從宏觀層面還是微觀層面，技術進步都有助于經濟發展實現綠色低碳轉型。

經濟發展往往伴隨著能源投入增加，在既定外生環境下，碳污染問題會愈發嚴重。然而，根據將技術進步內生化的AK模型：Y=f（A，K，z），其中，Y代表企業產出，A代表企業技術水平，K表示資本，z代表其他相關因素之和，可以看出，當技術進步被內生化為經濟增長動力后，在其他投入要素不變的情況下，經濟增長依然會實現，這說明隨著技術進步，生產專業化發展，粗放型經濟增長方式逐步轉變為低碳型經濟發展方式，能源利用效率得以提高，碳排放強度也將隨經濟質量提高而下降。EKC理論進一步佐證了環境污染與經濟發展水平之間的倒“U”型關系，即在經濟發展水平較低階段，經濟增長主要依賴于大量資源投入與能源消耗，經濟規模擴張導致污染排放增加，此時規模效應占主導地位；在經濟發展水平較高階段時，技術進步成為經濟發展動力，隨著經濟水平提高，低碳環保的第三產業在經濟結構中占比逐漸增加，此時技術效應與結構效應占據主導地位，環境污染得到緩解［15］。對比EKC理論，脫鉤理論更能動態驗證經濟發展與碳排放的因果關系，隨著經濟集約化發展，經濟增長與碳排放逐漸實現強脫鉤抑或弱脫鉤，碳排放效率提升。由此可見，經濟發展與碳排放效率的正相關關系主要得益于技術效應與結構效應。然而，要素自由流動與產業梯度轉移使部分高污染企業外向遷移，引發“污染避難所”效應。同時，本地經濟發展水平提高引起鄰近區域政府競爭意識加強，出現為維護經濟競爭優勢而犧牲環境的“逐底競爭”惡性行為［16］，本地經濟發展容易引發高碳溢出效應，因此，本地經濟發展可能對周邊區域的碳排放效率產生負向的間接效應。

能源作為影響碳排放效率的投入要素，不可避免地受到對外開放與產業結構等外生因素的影響。有關能源結構與碳排放效率的關系，有學者認為以傳統能源為主的能源結構會降低碳排放效率，以清潔能源為主的能源結構則會提高碳排放效率［17］，也有學者認為能源消費對碳排放的影響具有空間特征，如劉華軍等（2023）［18］從碳源結構角度分析了中國不同區域能源消費差異對碳排放空間差異的影響，發現能源消費差異是中國碳排放差異的主要來源。能源結構作為驅動碳排放的重要因素，主要取決于中國能源的可用性。中國能源結構的特點是“煤炭為主、石油較少、天然氣短缺”，煤炭占能源總量的562%。由于煤炭具有最大的碳排放系數，它比其他能源產生更多碳排放，而進一步工業化和城市化必然會導致能源消耗的增加。因此，能源替代是減少碳排放的一個重要因素。自電能替代政策出臺后，通過推廣電能設備以淘汰傳統化石能源成為改善能源結構的主要方式。電力能源具有安全、綠色、可再生等特點，有利于提高能源清潔化水平。在生產中大力推廣并使用清潔能源，有利于拓寬產業綠色化發展空間，優化經濟結構，降低經濟增長過程中的碳排放量，從供給側推動雙碳目標的實現［19］。基于上述分析，本文提出如下研究假設：

H1：人口規模擴張通過集聚效應與技術效應實現節能減碳，提高碳排放效率。

H2：技術進步通過強度效應提高碳排放效率。

H3：經濟發展通過技術效應與結構效應提高了本地碳排放效率，但其高碳溢出效應降低了周邊地區的碳排放效率。

H4：進行電能替代的能源結構推動產業結構優化調整，從而提高碳排放效率。

自對外開放政策實施以來，中國的進出口貿易總額不斷提高。有關對外開放和碳排放之間的關系，學術界主要有兩種觀點：一是對外開放具有“污染天堂”效應，發達國家由于環境規制趨嚴，生產成本上升，將污染密集型企業轉移到生產成本較低的發展中國家，而發展中國家出于經濟發展需要，便降低環境監管標準，產生“逐底競爭”行為；二是對外開放具有“污染光環”效應，發達國家首選通過技術創新來解決成本提高問題，不會尋求轉移污染產業，而新引進企業往往比東道國企業更環保，因此，對外開放帶來的先進環境管理經驗與清潔技術將改善東道國的能源效率與生態環境。近年來，隨著中國環境政策深化實施，對外貿易門檻提高，進出口貿易結構逐步實現綠色低碳轉型，企業為了“走出去”，拓寬市場渠道，將致力于增加研發投入，這有助于本地低碳技術創新水平提高。此外，對外開放增加了貿易商品往來，擴大國際市場與經濟規模，經濟發展水平提高將產生規模經濟，有利于節能減排。根據“邊際產業擴張理論”，對外開放程度提高有助于將本區域相對劣勢的邊際產業外移，從而集中發展本區域的優勢產業，實現產業結構升級，降低供給端的能源消耗，抑制碳排放［20］。因此，對外開放的“污染光環”效應占據了主導地位。

鑒于新型城鎮化戰略實施，城鎮化往往作為外生因素作用于社會經濟與環境。高國力等（2023）［21］認為，城市既是溫室氣體排放的主要源頭，也是實施低碳生產與能源政策的關鍵區域，因此城市化與碳排放之間存在一定內在關聯。城市化過程導致了經濟生產與生活方式的變化，由于人均消費水平持續上升，在工業化與城市化過程中能源消耗快速增加，產生了一定的污染排放。也有學者認為，城鎮化水平提高推動了人口集聚，提高了基礎設施的使用效率，并縮短了人們居住、工作、消費等區域的地理距離，降低交通產生的能源消耗。城鎮化的集聚效應將通過提高能源利用效率而降低邊際碳排放量。同時，城市發展提高了教育普及程度，隨著人力資本積累，技術創新形成“擴散與再創新”的循環模式，人力資本逐漸替代其他能耗型生產要素［22］，有效地減少了人均能源消耗。此外，城鎮化水平提高引致人們對服務業的需求增加，推動了第三產業發展與產業結構升級，有利于實現節能減碳。因此，本文認為城鎮化可以促進經濟產出，抑制碳排放，從而提升碳排放效率。

中國產業政策演進不斷推動產業結構優化，這意味著能耗較低的第三產業占比增加。第三產業是經濟可持續發展中應大力支持的低碳產業，產業結構由第二產業向第三產業調整降低了能源密集型與勞動密集型產業的比重，提高了技術密集型與資本密集型產業的比重，有利于高能耗低附加值產業向低能耗高附加值產業過渡，從而提高經濟產出，減少碳排放量［23］。此外，“結構主義”觀點認為，產業結構變動有利于優勢部門產出增長，不斷擴張的產業部門通過吸收大量社會資源，其中包括技術創新，從而成為新的經濟增長點，并通過擴散效應改變經濟結構。“結構紅利”觀點認為，在社會經濟結構變動過程中，生產要素將從低效率生產部門流向高效率生產部門，這將緩解生產結構扭曲，提高社會生產效率，降低能源消耗與環境污染。產業結構優化所產生的效益并不局限于某一部門產出增長，更有利于改善全經濟產業鏈條，構建綠色低碳循環發展經濟體系。基于上述分析，本文提出如下研究假設：

H5：對外開放通過技術效應、規模經濟與結構效應提高碳排放效率。

H6：城鎮化發展通過集聚效應、技術效應與結構效應提高碳排放效率。

H7：產業結構優化通過結構效應與擴散效應重構低碳產業鏈，提高碳排放效率。

圖1碳排放效率影響因素的作用機理

三、研究方法與數據來源

（一）研究區域

中國欠發達地區主要分布在陜西、重慶、寧夏、青海、河南、湖南、江西、四川、安徽、西藏、甘肅、廣西、海南、云南和貴州等15個省份，其中，黃河流域作為中國典型的欠發達地區，是中國主要的煤炭與電力能源生產供應基地，煤炭產量在全國煤炭總產量中占比70%，其以重型工業為主的產業結構與以煤炭為主的能源結構帶來了一系列大氣污染與氣候變暖問題，綠色發展長期滯后［24］。2019年，黃河流域生態保護與高質量發展成為國家重大戰略，流域生態保護與可持續發展以節能減排為重點，碳達峰、碳中和、建設低碳試點城市、完善碳交易市場等任務目標與黃河流域綜合治理息息相關，如何研發并高效利用清潔能源，降低污染型能源消耗，提升碳排放效率，突破“保護與發展”難題是黃河流域亟須解決的一系列問題。因此，本文以黃河流域這一具有代表性的欠發達地區為樣本進行研究。

黃河流域橫貫中國東西，承接南北，且大部分區域位于中國的西北部，自西向東經青海、四川、甘肅、寧夏、內蒙古、山西、陜西、河南和山東9個省區，66個地級市（市、州、盟）。本文研究區域則根據《黃河文化百科全書》中提及黃河流域的66個地級市整理而得［25］，由于部分州、市數據缺失，因此本文最終確定的研究區域為黃河流域56個地級市。

（二）指標選取與數據來源

在對因變量指標即碳排放效率的測度中，投入要素為資本、勞動力和能源，期望產出為地區生產總值，非期望產出為碳排放。其中，資本要素投入以2006年為基期，采用永續盤存法對歷年固定資產投資額進行計算：Kt=It+（1-δt）Kt-1，t代表年份，K表示資本存量，I表示投資，δ表示折舊率；勞動力要素投入為樣本城市年末從業人數；能源要素投入即能源消耗，可由電能、煤氣、天然氣、液化石油氣分別根據萬噸標準煤轉換系數折算為標準煤并加總得到。期望產出為以2006年為基期以不變價格所計算的實際GDP。非期望產出即碳排放總量，由于各區域并未公布統一的碳排放量數據，有關碳排放的計算，本文參考Chen等（2020）提出的自上而下的計算方法［26］，首先根據能源消費數據與IPCC（2006）公布的碳排放因子轉換計算方法，計算黃河流域省級碳排放數據；其次采用PSO-BP算法，將NPP/VIIRS數據尺度轉換為DMSP/OLS數據尺度，獲得2006—2020年期間穩定連續的地級市夜間燈光數據，進一步測算黃河流域城市碳排放量。

關于自變量的選取，基于數據可得性，本文選取人口規模（P）、技術進步（T）、經濟發展（PGDP）、能源結構（ES）、對外開放（OP）、產業結構（IN）以及城鎮化（UR）等七個指標，構建經濟-社會-技術驅動要素作用下的碳排放效率的數學模型。其中，人口規模采用年末總人口表示；技術進步用每噸標準煤產出GDP表示；經濟變量采用人均GDP衡量；由于缺乏地級市的煤炭消費數據，而電力能源消費與能源消費關系密切，同時也是工業碳排放的主要推動力，一些學者常以電力能源消耗作為能源消耗的替代性指標，因此能源結構以電能消費量占能源總消費量的百分比來表示；對外開放水平以進出口總額占GDP的百分比來表示；產業結構指第三產業增加值占GDP的百分比來衡量；城鎮化率以城鎮人口數占人口總數的百分比來表示。

本文數據來源分別為：（1）兩種夜間燈光數據均來自美國國家海洋與大氣管理局（NOAA）下屬的美國國家地球物理數據中心（NGDC）（https：//wwwngdcnoaagov/eog/downloadhtml）。（2）碳排放因子數據以及能源折算標準煤系數源自《2006國家溫室氣體排放清單指南》與《中國能源統計年鑒》。（3）黃河流域城市矢量行政線源于國家基礎地理中心（http：//wwwngcccn）。（4）經濟社會數據均來自2006—2020年《中國城市統計年鑒》《中國區域統計年鑒》《中國城市建設統計年鑒》以及各地市統計年鑒與統計公報。（5）能源數據來自2006—2021年《中國能源統計年鑒》。為避免異常值影響，對所選取指標數據進行縮尾處理。同時，為了防止潛在的異方差，本文將所有變量取其自然對數表示。

（三）包含非期望產出的Super-SBM模型

本文采用Super-SBM模型計算黃河流域56個地級市碳排放效率。Super-SBM模型來源于Tone使用松弛測量法構建的包含非期望產出的SBM-DEA模型，Super-SBM模型一方面避免了投入-產出非零松弛缺陷，另一方面考慮到生產過程常出現的非期望產出方面。

假設生產系統由n個決策單元構成，每個決策單元都包含投入、期望產出和非期望產出等三組要素向量，可分別表示為：X=［x1，…，xn］∈Rm×n，Yg=［y1g，…，yng］∈Rs1×n，Yb=［y1b，…，ynb］∈Rs2×n。基于此，將非期望產出納入評價決策單元后的SBM模型為：

ρ=min1－1m∑mi=1S－ixi01+1s1+s2∑s1r=1Sgrygr0+∑s2j=1Sbrybr0（1）

式（1）中，S=（S-，Sg，Sb）是投入、期望產出、非期望產出的松弛量；是決策單元的效率值，取值范圍是［0，1］。對于決策單元（x0，yg0，yb0），當且僅ρ=1時，即S-=Sg=Sb=0時，DMU是有效的。

（四）空間分析

1探索性時空數據分析方法

基于包含非期望產出的Super-SBM模型測算得到的黃河流域56個地級市在2006—2020年間的碳排放效率，本文使用全局MoranI指數用來檢驗黃河流域整體碳排放效率的空間自相關性，分析樣本城市之間碳排放效率整體的作用方向與強度。計算公式如下：

GlobalI=n∑i∑jwijxi－xj－∑i∑jwijxi－2（2）

式（2）中，I為全局Moran’I指數值，xi為城市i在t時期的碳排放效率，[AKx-]為全部城市碳排放效率的平均值，Wij為鄰接空間權重矩陣（0-1矩陣），即當i與j存在共同邊界或節點時，Wij為1，否則為0，為防止孤島效應，設置西寧與蘭州、武威相鄰。全局Moran’I指取值范圍為［-1，1］，當Moran’I等于1時，表明黃河流域碳排放效率在空間上存在完全正相關關系；當Moran’I等于-1時，表明其在空間上存在完全負相關關系；當Moran’I等于0時，表明無空間相關性。全局Moran’I指數只能描述流域整體碳排放效率的空間自相關特征，而無法具體表征流域內城市間碳排放效率相關程度的空間布局。局部Moran’I指數將全局Moran’I分解為單個城市與其周邊城市碳排放效率的空間相關性，計算公式如下：

LocalIi=xi－∑jwij（xj-）∑ixi－2/n（3）

2碳排放效率驅動因素分析

本文分別構建了靜態空間面板數據模型與動態空間面板數據模型。

（1）空間杜賓模型（SpatialDurbinModel）。由于本文選用數據為黃河流域56個地級市在2006—2020年間的面板數據，驅動因素對碳排放效率的影響力可能隨時間、個體不同而存在異質性，時間與空間雙固定的模型設定更為合適。考慮到相鄰經濟體（地市）的碳排放效率驅動因素可能存在空間溢出效應，而空間杜賓模型可同時考察空間自相關與空間交互效應的優點，是空間滯后模型與空間誤差模型的一般形式，因此本文選擇時間與空間雙固定的空間杜賓模型（SDM），且下文將進一步驗證所選模型的合理性，表達式如下：

lnCEi，t=β0+ρWlnCEi，t+β1lnPi，t+β2lnTi，t+β3lnPGDPi，t+β4lnESi，t+β5lnOPi，t+β6lnINi，t+β7lnURi，t+θ1WlnPi，t+θ2WlnTi，t+θ3WlnPGDPi，t+θ4WlnESi，t+θ5WlnOPi，t+θ6WlnINi，t+θ7WlnURi，t+μi+τi+εi，t（4）

式（4）中，β代表驅動因素的直接效應系數，即各驅動因素對本地碳排放效率的影響；θ代表驅動因素的間接效益系數，即對臨近地區碳排放效率的影響；W為鄰接空間權重矩陣，由Arcgis軟件構建；μi、τi與εit分別表示城市固定效應、時間固定效應與隨機誤差項。

（2）動態空間杜賓模型（DynamicSpatialDurbinModel）。為了進一步分析碳排放效率的時間滯后效應與空間溢出效應，將碳排放效率滯后項納入解釋變量中，測度前期的碳排放效率對當期本地以及鄰近地區碳排放效率的驅動作用。表達式如下：

lnCEi，t=β0+ρWlnCEi，t+λlnCEi，t-1+ηWlnCEi，t-1+β1lnPi，t+β2lnTi，t+β3lnPGDPi，t+β4lnESi，t+β5lnOPi，t+β6lnINi，t+β7lnURi，t+θ1WlnPi，t+θ2WlnTi，t+θ3WlnPGDPi，t+θ4WlnESi，t+θ5WlnOPi，t+θ6WlnINi，t+θ7WlnURi，t+μi+τi+εi，t（5）

式（5）中，λ為碳排放效率的時間滯后自回歸系數，即上期本地碳排放效率對本期本地碳排放效率的影響；η為其空間滯后自回歸系數，即上期本地碳排放效率對本期鄰近地區碳排放效率的影響。

（3）時空異質性分析。空間面板測度得到的驅動要素系數僅代表全樣本的平均狀況，無法進行時空對比分析，因此，本文采用GTWR模型探究碳排放效率驅動因素的時空分異特征。GTWR模型是將時間因子引入GWR的改進模型，其表達式如下：

yi=β0ui，vi，ti+∑dk=1βkuivi，tixik+εi，i=1，2，…，n（6）

式（6）中，yi（i=1，2，…，n）與xi（k=1，2，…，d）分別表示因變量Y與自變量X在觀測點i的觀測值；ui，vi與ti分別代表觀測點i的經緯度坐標與時間；βk代表觀測點i的未知參數；ε是服從標準正態分布的誤差項。

由于不同時空維度下的觀測點具有不同的影響力，本文引入Gaussiankernel函數測度的時空權重矩陣Wi（u0，v0，t0），對不同的觀測點進行賦權，以測算觀測點（u0，v0，t0）的未知參數βk（u0，v0，t0），如下所示：

β^ku0，v0，t0=［XTW（u0，v0，t0）X］－1XTW（u0，v0，t0）Y（7）

四、計量分析

（一）碳排放效率的空間相關性分析

在由公式（1）計算得到的碳排放效率基礎上，根據公式（2），使用STATA軟件測算得到樣本期間黃河流域碳排放效率的全局Moran’I為0115，且通過了1%的顯著性檢驗，表明黃河流域碳排放效率的空間分布存在顯著的正相關特征，城市碳排放效率易受其周邊地區影響，與鄰近地區的碳排放效率較為接近。

為具體分析黃河流域碳排放的空間布局，根據公式（3），采用局部Moran’I測度碳排放效率的區域關聯性與空間異質性，將碳排放效率集聚區分為四種類型，分別為：高-高集聚區、低-低集聚區、高-低集聚區、低-高集聚區與不顯著區域。結果表明：黃河流域碳排放低效率區域存在溢出效應，輻射影響周邊區域，使得集聚區范圍進一步擴大；而碳排放高效率區域表現出極化效應，對周邊城市輻射作用較小。高-高集聚區在2006—2010年間變化不大，主要集中于榆林、延安、臨汾等黃河流域中游城市，在樣本中后期轉移至菏澤、開封、鄭州、焦作、新鄉等黃河流域中下游城市，并未發揮明顯的擴散效應。低－低集聚區在初期階段主要分布在白銀、武威、西寧等西部城市，這些城市生態環境相對脆弱，科技水平較低且粗放式經營為主要發展模式，因此碳排放效率較低，而在后期向長治、鄂爾多斯、包頭、吳忠、銀川、石嘴山等流域中部以及西北部資源型與工業型城市擴增，低－低集聚區呈現明顯的溢出效應。低－高集聚區分布相對擴散，其范圍先增加而后減少，在后期階段轉移至濮陽、濱州等黃河流域中下游城市。高－低集聚區較少，僅2006年出現于鄂爾多斯，而在2019年后鄂爾多斯轉為低－低型城市，這可能與鄂爾多斯作為繼山西省的能源后備基地有關。

（二）碳排放效率驅動因素的空間分析

本文使用STATA軟件對空間計量模型對選用模型進行檢驗，檢驗過程如下：

1LM檢驗：空間誤差檢驗中MoranI、LM-error與RobustLM-error的p統計值以及空間滯后檢驗中LM-lag與RobustLM-lag的p統計值均通過1%的顯著性檢驗，表明應當進行空間分析。

2Hausman檢驗：Hausman檢驗用于決定選擇固定效應或隨機效應，結果表明，Hausman統計值為4676，且在1%的顯著性水平下拒絕原假設，應當選擇固定效應模型。

3LR檢驗：首先使用LR檢驗判斷空間杜賓模型是否會退化為空間誤差模型或空間自回歸模型，結果表明SAR模型與SEM模型的LR值均在5%的顯著性水平下拒絕原假設，表明在本文中空間杜賓模型優于空間誤差模型與空間自回歸模型。進一步使用LR檢驗空間固定、時間固定以及雙固定何為最優，最終顯示空間固定模型與時間固定模型的LR值均通過1%的顯著性檢驗，再次驗證雙固定效應下的空間杜賓模型適用于驅動因素影響分析。

基于公式（4），本文對碳排放效率驅動因素的空間效應進行分解，表1展示了各因素影響效應的靜態分解結果。具體而言，人口規模（lnP）的直接效應顯著為正，而其間接效應未通過顯著性檢驗，說明人口規模擴張對本地區碳排放效率提高具有顯著的促進作用，驗證了假設H1，這是由于人口密度增加過程伴隨著人口空間集聚分布，提高了城市基礎設施與能源資源利用效率，在一定程度上對本地區產生減碳效果。而人口規模擴張對鄰近地區碳排放效率的間接效應為正但不顯著，說明人口的鎖定效應大于輻射效應，本地人口增加對周邊地區碳排放效率溢出效應不明顯。

技術進步（lnT）的直接效應顯著為正，而其間接效應不顯著，總效應顯著為正，驗證了假設H2。黃河流域傳統型產業居多，在“灰色經濟”向“綠色經濟”轉型過程中，技術進步能有效扭轉對重型化產業的路徑依賴，顯著降低污染排放。新技術研發一方面有助于提高生產過程中的能源使用效率，節約資源投入，增加經濟產出，從而促進碳排放效率提升；另一方面，隨著新技術的普及，生活方式綠色低碳化轉型，直接降低碳排放強度，提高碳排放效率。同時，技術進步對周邊區域的溢出效應有限，這可能由于區域聯動機制尚不完善，阻礙了技術進步空間外溢效應的發揮。

經濟發展（lnPGDP）的直接效應顯著性為正，而其間接效應顯著為負，總效應顯著為正，即本地經濟水平每增長1%，本地的碳排放效率將提高1051%，而鄰近城市的碳排放效率將降低0448%，整體碳排放效率將提高0604%，驗證了假設H3，說明黃河流域經濟高質量發展對本地區的節能減碳產生明顯效果。近年來，黃河流域經濟轉型逐漸改善了以往粗放型經濟增長方式，低碳經濟與可持續發展的政策導向使當地政府更加重視環境保護與清潔能源開發。同時，綠色經濟績效考核機制促使地方政府嚴格監管企業環境，經濟增長不再以犧牲環境為代價。而本地經濟增長將引發污染型產業向外轉移，可能致使周邊地區碳排放量增加，因此本地經濟發展對周邊城市碳排放效率的溢出效應為負。

對外開放（lnOP）的直接效應顯著為正，證明“污染光環”假說成立，驗證了假設H5。對外貿易發展有利于跨國公司學習低碳生產技術與環境管理經驗，優化貿易結構，推廣清潔能源，刺激外資企業革新生產技術，實現高耗能產業轉型升級，從而發揮結構效應、技術效應與規模效應。其間接效應與總效應均不顯著，說明對外開放對周邊城市碳排放效率不存在空間溢出效應。

能源結構（lnES）、城鎮化率（lnUR）和產業結構（lnIN）的直接效應與空間效應均不顯著，分別證偽了假設H4、假設H6、假設H7。近年來，雖然有關黃河流域治理方面一直強調產業結構優化問題，但依然存在產業結構內部不合理問題，高端產業門類少，第二產業結構重型化，傳統服務業在第三產業內部占比偏大，產業鏈條持續優化與結構不合理現象并存，產業調控政策對碳排放效率的影響并未顯現。能源結構系數不顯著也進一步印證了黃河流域部分地區依托能源稟賦發展資源密集型產業的路徑選擇。城鎮化所帶來的集聚效應有利于提高能源效率，優化減排設施，但年輕人口作為城鎮化與污染排放的主要驅動力，其大量的碳排放導致低碳排放效率的空間極化分布，因此極化效應與集聚效應互抵使得城鎮化對碳排放效率的作用不明顯。

基于公式（5），本文進一步分解了各因素的動態空間效應。限于篇幅，表2僅展示人口規模、技術進步與經濟發展等三個主要驅動因素的動態空間效應分解結果。可以看出，人口規模、技術進步和經濟發展的直接效應與間接效應的作用方向及強度與靜態分析結果相似。不同的是，動態分析將直接效應與間接效應進一步分解為短期效應與長期效應，以分析加入時間因素前后各驅動因素對碳排放效率的影響對比。具體而言，這三大主要驅動因素的長期影響均大于其短期影響，即人口規模、技術進步與經濟發展均對碳排放效率產生更為長遠的深刻影響，進一步佐證了經濟政策存在時滯性。

（三）碳排放效率驅動因素的時空異質性分析

從黃河流域碳排放效率的空間分析可以看出，不同區域的碳排放效率存在差異且隨時間發生變化，而空間面板分析僅對區域整體的驅動因素進行探究，探究結果可知人口規模、經濟發展與技術進步是碳排放效率的主要驅動因素，但未能具體分析碳排放效率時空差異背后三大驅動因素的時空差異，因此根據公式（6）與公式（7），本文使用GTWR模型對人口規模、技術進步與經濟發展的影響作用進行時空異質性分析，經過計算，AIC為31428，方差膨脹因子（VIF）為303，R2為0821，說明模型適用性較好，具體分析如下：

人口規模的系數取值范圍為-089～112，就區域而言，濟南、淄博、東營、濟寧、泰安、臨沂、濱州、德州等城市的人口系數較大且為正數，說明這些地區人口的集聚效應大于規模效應，山東多數城市人口密度高，人口集聚提高城市基礎設施運行成本的分擔率，共享節能減排設施以實現碳減排，使得人口增加并對碳排放效率產生提升作用。而中衛、石嘴山、武威、包頭、巴彥淖爾等城市人口規模系數較小甚至為負，說明這些城市人口的規模效應大于集聚效應，從而對碳排放效率起抑制作用，人口規模增加導致能源消費與污染排放增多，不利于碳排放效率提高。從時間角度來看，大多數城市人口規模對碳排放效率的提升作用越來越大，集聚效應占據主導地位，譬如朔州、忻州、呼和浩特、西安、寶雞、咸陽、蘭州、白銀、天水、平涼、慶陽、定西、吳忠、中衛等城市，說明雖然流域內有些城市人口密度增加不利于綠色發展，但隨著環境政策與人口調控政策的實施，合理的人口集聚與流動使得人口規模對生態環境產生正外部性。

技術進步的系數取值范圍為-061～003，說明黃河流域大多數城市的科技投入并沒有帶來碳排放效率的提升，尤其是呼和浩特、包頭、烏蘭察布、巴彥淖爾等城市的技術進步系數更低，這些城市科技研發水平落后，經濟發展模式相對粗放，科研進步對環境的影響力偏弱，這些城市科技發展空間較大，亟須開發綠色生產技術，破解發展難題。從時間趨勢看，目前黃河流域大多數城市技術進步的系數為負，然而，西安、銅川、咸陽、寶雞、渭南、延安、蘭州、白銀、天水、平涼、西寧等城市技術進步的系數增長趨勢明顯，原因可能在于政府對清潔能源研發的財政投入使市場淘汰了一些逐利性落后生產技術，低碳技術研發的“學習效應”逐漸顯現，技術進步在長期對碳排放效率提升具有較大潛力。

經濟發展的系數取值范圍為-039～087，就區域差異而言，部分城市經濟發展會導致其碳排放效率降低，譬如西安、銅川、寶雞、咸陽、渭南在樣本期間的平均系數均小于0，說明經濟發展對碳排放效率起消極作用，尚未達到EKC曲線轉向高質量發展的拐點，經濟狀況依然是以能源消耗與污染排放為代價的低效率增長，亟須向低排放高效率發展模型轉型；太原、陽泉、朔州、忻州、呂梁、臨沂、濱州、濟南、淄博、東營等城市經濟發展系數較高，這些城市經濟轉型發展取得一定進展，如山東部分城市新舊動能轉換與騰籠換鳥戰略的實施，有效調控污染型企業的環境問題，提高碳排放效率。就時間差異而言，運城、臨沂、呼和浩特、包頭、鄂爾多斯、巴彥淖爾、三門峽、西安、銅川等城市的經濟發展系數隨時間推移而不斷增加，說明這些城市經濟增長逐步向高質量發展轉型，對碳排放效率的促進作用越來越大；而鄭州、開封、安陽、新鄉、焦作、濮陽等城市的經濟發展系數逐漸減小，部分城市甚至出現負數，說明這些城市經濟發展對碳排放效率的促進作用有限，城市間的經濟競爭導致碳排放效率降低，產生環境“逐底”競爭效應。

五、結論與啟示

在“雙碳”目標與綠色化轉型背景下，經濟發展模式低碳轉型是中國構建綠色產業鏈的關鍵舉措。相較于發達地區，欠發達地區經濟發展承受著“趕速度”與“轉模式”的雙重壓力，既要補齊經濟增速與質量效益短板，又要轉變傳統高能耗發展模式，發展低碳經濟。本文以黃河流域為例，采用Super-SBM模型測度碳排放效率，并分析其空間分布格局，在此基礎上分別進行靜態空間面板與動態空間面板分析，檢驗碳排放效率影響因素的作用機制，并進一步使用GTWR模型測度人口規模、經濟發展與技術進步對碳排放效率影響的時空異質性。研究結果表明：（1）在空間分布上，黃河流域碳排放效率具有“集聚”與“分異”并存的特點，高碳排放效率區域出現極化效應，低碳排放效率區域出現擴散效應，這是由于欠發達地區工業化進程對傳統能源消耗量較多，高碳排放效率的空間溢出效應不明顯，沒有發揮好示范作用，而低碳排放效率區域的經濟發展劣勢使其容易成為“環境避難所”，防止低碳排放效率外溢的關鍵在于實現經濟高質量發展。（2）影響因素測算結果表明，碳排放效率具有時間慣性與雪球效應，即上一期碳排放效率會影響本期碳排放效率，這意味著碳減排政策效果的發揮需要長效機制；人口規模擴大有利于發揮集聚效應，因此對碳排放效率具有正的直接效應；經濟發展為欠發達地區提升碳排放效率提供了原始動力，其水平提高將產生規模經濟，對本地碳排放效率具有正的直接效應，但是本地經濟發展導致的污染轉移對周邊地區造成外部不經濟，降低了鄰近區域的碳排放效率；技術進步是經濟發展的內生動力，能有效降低傳統能源消耗，促進碳排放效率提高；對外開放引進了先進的綠色管理經驗與低碳技術，推動本地產業結構優化調整，對本地區碳排放效率發揮正的直接作用。（3）碳排放效率驅動因素存在明顯的時空分異特征，其中，人口規模、技術進步與經濟發展是三個主要驅動因素。究其原因，首先，人口規模擴大使人口流動活躍，城市承載力差異使人口與環境的關系存在動態變化，不同時空情境下人口對碳排放效率的影響具有差異。其次，地方政府與企業對科研政策響應程度不同，且技術推廣受到地域市場分割的影響，導致技術創新的節能減碳效果存在區域差異，而技術進步的學習效應使其在長期內具有提升潛力。最后，由于地方財政、晉升激勵與地區分工不同，即使在同一流域的不同行政區內，市場分割現象依然存在，導致經濟發展不平衡，且由于區域間動態比較優勢的存在，這種不平衡狀態并非一成不變，因此經濟發展對碳排放效率的影響也因時空差異而變化。

基于上述研究結論，本文得出以下啟示：

第一，提升碳排放效率需要因地制宜，并建立城市間協同合作機制。對于碳排放效率高－高集聚類型城市應當轉極化效應為擴散效應，充分發揮環境優勢的同時，加強對周邊城市的“反哺”力度，擴大高效率區域范圍；對于低－低集聚類型城市，建立權責明確的生態補償機制，實行嚴格的生態補償標準，防止低效率區域轉移擴散，同時，進一步完善欠發達地區碳市場制度，通過碳交易市場激勵行為提升區域低碳效率，建立良好的市場秩序與良性競爭，推動城市間“逐底競爭”轉變為“逐頂競爭”。

第二，重視人口集聚、技術進步、經濟發展與對外開放對碳排放效率的驅動作用。合理調控人口規模，推廣低碳生活方式。提高欠發達地區的經濟發展質量，完善市場制度，打破市場壁壘，加快要素流動，縮小區域間技術差距，推動新技術研發成果推廣與新舊動能轉換，實現能源密集型產業向現代高新技術型產業的綠色化轉型，依靠技術進步擺脫資源型產業的傳統路徑依賴，實現了要素投入不變情況下經濟產出增加與碳排放降低。擴大對外貿易，開展對外合作，提高欠發達地區城市在全球價值鏈中的嵌入度，充分發揮“污染光環”效應，并利用全球價值鏈嵌入的“追趕效應”改善欠發達地區的碳排放效率。

第三，制定政策與開展生產活動時要注意碳排放效率自身的滯后性特征，深入貫徹可持續發展觀，強化實施領導干部的“離任審計”與“終身問責”制度，避免低碳排放效率的“雪球效應”，以本期污染降低帶動下期綠色發展，形成高產出低排放的長期良性循環。政府應加強對企業清潔生產技術研發補貼，建立低碳技術創新補償機制，并鼓勵社會資本建立技術推廣基金，統籌建設重點實驗室與創新中心，推動產學研企協同發展，加快環保型技術研發。

第四，實施差異化分城市治理方案，充分發揮區域間比較優勢，高效對接全區域產業鏈，搭建上中下游緊密聯系的低碳高產出產業協同可持續發展平臺。經濟發展較好的下游區域需要樹立低碳發展觀，構建區域間協同降碳格局，避免政府間經濟博弈對低碳技術的抑制作用，并在自身經濟發展與科技進步驅動碳排放效率提升的同時，發揮輻射帶動作用，釋放低碳技術紅利。碳污染較嚴重的內陸區域需要培育優勢綠色產業，提升承接產業轉移能力的同時加強環境規制，政府合理干預，避免“污染避難所”效應。

參考文獻：

［1］郭付友，佟連軍，仇方道，等.黃河流域生態經濟走廊綠色發展時空分異特征與影響因素識別［J］.地理學報，2021，76（3）：726-739.

［2］王首然，祝福恩.生態文明建設整體布局下實現“雙碳”目標研究［J］．理論探討，2022（3）：125-129.

［3］杜海波，魏偉，張學淵，等.黃河流域能源消費碳排放時空格局演變及影響因素——基于DMSP/OLS與NPP/VIIRS夜間燈光數據［J］.地理研究，2021，40（7）：2051-2065.

［4］王兆峰，杜瑤瑤.基于SBM-DEA模型湖南省碳排放效率時空差異及影響因素分析［J］.地理科學，2019，39（5）：797-806.

［5］李焱，李佳蔚，王煒瀚，等.全球價值鏈嵌入對碳排放效率的影響機制——“一帶一路”沿線國家制造業的證據與啟示［J］.中國人口·資源與環境，2021，31（7）：15-26.

［6］徐英啟，程鈺，王晶晶.中國資源型城市碳排放效率時空演變與綠色技術創新影響［J］.地理研究，2023，42（3）：878-894.

［7］武戈，鄭哲貝，周五七.我國工業碳解鎖動態演變進程及其影響因素研究［J］.商業研究，2017（2）：43-49.

［8］張赫，黃雅哲，王睿，等.中國縣域碳排放脫鉤關系及其時空特征演變［J］.資源科學，2022，44（4）：744-755.

［9］王少劍，謝紫寒，王澤宏.中國縣域碳排放的時空演變及影響因素［J］.地理學報，2021，76（12）：3103-3118.

［10］張明斗，閆昱睿.低碳戰略能否增強城市經濟發展與生態環境的協調性——基于低碳城市試點的準自然實驗［J］．廣東財經大學學報，2023，38（3）：24-37.

［11］李波，王春妤，張俊飚.中國農業凈碳匯效率動態演進與空間溢出效應［J］.中國人口·資源與環境，2019，29（12）：68-76.

［12］朱泳麗，丁利杰.長三角城市群碳排放強度的空間效應及影響因素——基于產業轉移視角［J］.資源科學，2022，44（7）：1373-1387.

［13］謝榮輝.綠色技術進步、正外部性與中國環境污染治理［J］.管理評論，2021，33（6）：111-121.

［14］楊露鑫，劉玉成.環境規制與地區創新效率：基于碳排放權交易試點的準自然實驗證據［J］.商業研究，2020（9）：11-24.

［15］邵帥，張可，豆建民.經濟集聚的節能減排效應：理論與中國經驗［J］.管理世界，2019，35（1）：36-60，226.

［16］盧娜，王為東，王淼，等.突破性低碳技術創新與碳排放：直接影響與空間溢出［J］.中國人口·資源與環境，2019，29（5）：30-39.

［17］王正，樊杰.能源消費碳排放的影響因素特征及研究展望［J］.地理研究，2022，41（10）：2587-2599.

［18］劉華軍，田震，石印.中國二氧化碳排放的空間差異及其雙維內在結構解析：2000—2019年［J］.地理研究，2023，42（3）：857-877.

［19］張希良，黃曉丹，張達，等.碳中和目標下的能源經濟轉型路徑與政策研究［J］.管理世界，2022，38（1）：35-66.

［20］屈小娥，駱海燕.中國對外直接投資對碳排放的影響及傳導機制——基于多重中介模型的實證［J］.中國人口·資源與環境，2021，31（7）：1-14.

［21］高國力，文揚，王麗，等.基于碳排放影響因素的城市群碳達峰研究［J］.經濟管理，2023，45（2）：39-58.

［22］王鋒，秦豫徽，劉娟，等.多維度城鎮化視角下的碳排放影響因素研究——基于中國省域數據的空間杜賓面板模型［J］.中國人口·資源與環境，2017，27（9）：151-161.

［23］陳浩，鄭潔.技術進步和產業結構調整對中國碳排放強度的影響［J］.商業研究，2022（6）：1-12.

［24］趙明亮，劉芳毅，王歡，等.FDI、環境規制與黃河流域城市綠色全要素生產率［J］.經濟地理，2020，40（4）：38-47.

［25］黃河文化百科全書編纂委員會.黃河文化百科全書［M］.成都：四川辭書出版社，2000.

［26］ChenJ，GaoM，ChengS，etal.County-levelCO2EmissionsandSequestrationinChinaDuring1997-2017［J］.ScientificData，2020;7：391.

Spatio-temporalEvolutionandDriversofCarbonEmissionEfficiency

inUnderdevelopedRegionsunderthe“Dual-Carbon”Goal

——HeterogeneityAnalysisofSuper-efficientSBMandGTWRModels

ZHANGJingxue，WANGHaijie

（Businessschool，ZhengzhouUniversity，Zhengzhou450001，China）

Abstract：Undertheconstraintof“dual-carbon”target，thetraditionalhigh-carboneconomicgrowthmodeinlessdevelopedregionsisunsustainable.Howtoreducecarbonemissionswhilemaintainingsteadyeconomicdevelopmentisanimportantchallengeforlessdevelopedregions.Thispapermeasuresthecarbonemissionefficiencyoftypicalunderdevelopedregionsduringtheperiodof2006-2020basedonthesuper-efficientSBMmodel，exploresthespatio-temporalevolutionpatternofcarbonemissionefficiency，measurestheinfluencingfactorsofcarbonemissionefficiencybyadoptingthespatialpaneleconometricmodel，andinvestigatestheheterogeneityofthedrivingfactorsbyapplyingtheGTWRmodel.Thestudyshowsthatinlessdevelopedregions，thehigh-highconcentrationareasofcarbonemissionefficiencyshowthepolarizationeffect，whilethelow-lowconcentrationareasshowthespillovereffect;thepopulationsize，technologicalprogressandeconomicdevelopmentarethemaindrivingfactorsaffectingthecarbonemissionefficiency，andthecarbonemissionefficiencyisaffectedbyitsownlageffect;thedrivingfactorsarecharacterizedbyspatio-temporalheterogeneity，andtheenvironmental“bottomingout”competitioneffectexistsinregionswithalowlevelofeconomicdevelopment，andthepopulationagglomerationeffectisgraduallyincreasinginmostcities，andtechnologicalprogressshowsa“learningeffect”.Therefore，itisnecessarytopromoteinter-regionalsynergisticmanagementofcarbonpollution，implementlow-carbondevelopmentstrategiesaccordingtolocalconditions，andpromotethegreendevelopmentofunderdevelopedregions.

Keywords：carbonemissionefficiency;spatio-temporalevolution;drivingfactors;heterogeneity

（責任編輯：周正）