黃河流域碳排放效率的區(qū)域差異、收斂性及影響因素

宋 敏，鄒素娟

（西安財經(jīng)大學(xué) 黃河流域生態(tài)環(huán)境保護(hù)與高質(zhì)量發(fā)展協(xié)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(chǎn)資源供應(yīng)基地和生態(tài)安全保障區(qū)，但這里也是我國生態(tài)環(huán)境脆弱、生態(tài)問題頻發(fā)的地區(qū)。 2021 年10 月22 日，習(xí)近平總書記在深入推動黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展座談會上強調(diào)，要堅定走綠色低碳發(fā)展道路，推動流域經(jīng)濟(jì)發(fā)展質(zhì)量變革、效率變革、動力變革。 目前，黃河流域在短期內(nèi)對礦產(chǎn)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(qū)域經(jīng)濟(jì)產(chǎn)出與碳排放量的橋梁，也是衡量區(qū)域綠色低碳發(fā)展的關(guān)鍵指標(biāo)。 研究黃河流域碳排放效率的區(qū)域差異、收斂性及影響因素，對于黃河流域“雙碳”目標(biāo)的實現(xiàn)、推動黃河流域生態(tài)環(huán)境保護(hù)和高質(zhì)量發(fā)展具有現(xiàn)實意義。

近年來，學(xué)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(qū)差異［10－11］、收斂性［12］和影響因素［13－21］等進(jìn)行了探討。 在碳排放效率的定義上，Kaya 等［2］從碳排放與經(jīng)濟(jì)增長之間的關(guān)系考慮，認(rèn)為碳排放效率是指二氧化碳排放量與GDP 的比值。 一些學(xué)者認(rèn)為這一概念忽略了生產(chǎn)過程中投入要素互相作用所產(chǎn)生的影響，指出碳排放效率應(yīng)是在既定投入要素和經(jīng)濟(jì)產(chǎn)出條件下，理論上可達(dá)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(chǎn)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(yōu)經(jīng)濟(jì)產(chǎn)出”。在碳排放效率的測度上，常用的方法有指數(shù)法、DEA模型、SFA 方法和超效率SBM 模型等，變異系數(shù)、Dagum 基尼系數(shù)、泰爾指數(shù)等方法也常被應(yīng)用于碳排放效率的差異研究。 為了進(jìn)一步驗證差異的動態(tài)變化，學(xué)者們還引入了經(jīng)濟(jì)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(tài)收斂性分析法，發(fā)現(xiàn)我國東西部地區(qū)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(dǎo)致區(qū)域間碳排放效率的差異性呢？ 學(xué)者們的研究表明［17－18］，能源價格、出口貿(mào)易、城市化對碳排放效率有積極影響，而政府干預(yù)、煤炭消費等對碳排放效率有負(fù)面影響，經(jīng)濟(jì)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)和開放程度等對不同地區(qū)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(qū)碳排放效率的提高，但對于我國東部地區(qū)的影響不顯著。 總體來說，經(jīng)濟(jì)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、城市化、對外開放水平、政府干預(yù)等是學(xué)者們選取的主要研究變量。

現(xiàn)有文獻(xiàn)為黃河流域“雙碳”目標(biāo)的實現(xiàn)和綠色低碳轉(zhuǎn)型研究提供了重要的學(xué)術(shù)參考，但目前尚缺少對黃河流域碳排放效率的相關(guān)研究，且將空間效應(yīng)應(yīng)用到黃河流域碳排放效率影響因素研究的文獻(xiàn)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(jié)合泰爾指數(shù)、σ收斂、絕對β收斂對其區(qū)域差異進(jìn)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(tǒng)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(yīng)用于生態(tài)效率與環(huán)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(jìn)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(biāo)、期望產(chǎn)出指標(biāo)和非期望產(chǎn)出指標(biāo)的個數(shù)；x為投入指標(biāo)；y為期望產(chǎn)出；b為非期望產(chǎn)出；t、k分別為各年份和地區(qū)；z為強度變量；分別為第n個投入、第m個期望產(chǎn)出、第i個非期望產(chǎn)出的松弛變量；、分別為在t年份k地區(qū)的投入、產(chǎn)出和非期望產(chǎn)出。

（2）泰爾指數(shù)法。 泰爾指數(shù)能夠從空間的角度出發(fā)，將差異分解為區(qū)域間差異和區(qū)域內(nèi)差異，并計算出差異的主要來源及其貢獻(xiàn)率［23］。 計算公式為

式中：T、TB、TW分別為總差異、區(qū)域間差異和區(qū)域內(nèi)差異；Tp為區(qū)域內(nèi)各子系統(tǒng)的碳排放效率差異；m為區(qū)域群組數(shù)；n為黃河流域內(nèi)的?。▍^(qū)）個數(shù)；np為區(qū)域內(nèi)的省（區(qū)）個數(shù)；ei為區(qū)域內(nèi)第i個?。▍^(qū)）的碳排放效率；和分別為黃河流域碳排放效率均值和各區(qū)域碳排放效率均值。

泰爾指數(shù)的取值區(qū)間為［0，1］，指數(shù)值越大，意味著區(qū)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?。▍^(qū)）碳排放效率的差距會隨著時間推移呈現(xiàn)持續(xù)下降的過程，運用變異系數(shù)σ來進(jìn)行檢驗，見式（6）；絕對β收斂是指各?。▍^(qū)）在具有基本相同的經(jīng)濟(jì)特征前提下，碳排放效率隨著時間推移會收斂至同一穩(wěn)態(tài)水平，見式（7）。

式中：n為區(qū)域個數(shù)；Eti為第t年i地區(qū)的碳排放效率；為第t年n個地區(qū)碳排放效率的均值；E1i為第1 期i地區(qū)的碳排放效率；α為常數(shù)項；θ為隨機(jī)誤差項；β為基期碳排放效率系數(shù)。

當(dāng)σt＋1＜σt時，說明該區(qū)域碳排放效率的離散程度在縮小，存在σ收斂。 當(dāng)β為負(fù)且通過了顯著性檢驗時，說明該區(qū)域碳排放效率存在絕對β收斂特征，反之則為發(fā)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(guān)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(yīng)與間接效應(yīng)。 本文運用該模型對黃河流域碳排放效率的影響因素進(jìn)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(shù)；β0為回歸系數(shù)；θ0為解釋變量的空間回歸系數(shù)；ε為隨機(jī)誤差；W為一個（n×n）經(jīng)濟(jì)地理嵌套權(quán)重矩陣，n為空間單元個數(shù)。

當(dāng)ρ0≠0 且θ0＝0 時，SDM 模型可以簡化為空間滯后模型；當(dāng)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(chǎn)出變量選取

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

表1 各種能源的折標(biāo)準(zhǔn)煤系數(shù)與碳排放系數(shù)

式中：CO2為估算的二氧化碳排放量；n為能源個數(shù)，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(biāo)準(zhǔn)煤系數(shù)；CEFi為碳排放系數(shù)。

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(jīng)濟(jì)發(fā)展水平。 經(jīng)濟(jì)越發(fā)達(dá)的地區(qū)資本要素的投入會越大，碳排放量也會相應(yīng)增大。 因此，把人均GDP 作為衡量經(jīng)濟(jì)發(fā)展水平的指標(biāo)。

（2）能源消費結(jié)構(gòu)。 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(chǎn)生的碳排放量較高，這在短期內(nèi)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(jié)構(gòu)的指標(biāo)。

（3）城市化水平。 理論界一般認(rèn)為，城市化過程中的人口擴(kuò)張和基礎(chǔ)設(shè)施的建設(shè)，會加劇能源、鋼筋和水泥等資源的消耗，容易產(chǎn)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?cè)丝诘谋戎刈鳛楹饬砍擎?zhèn)化水平的指標(biāo)。

（4）科技創(chuàng)新水平。 技術(shù)創(chuàng)新的進(jìn)步會使勞動生產(chǎn)率進(jìn)一步提高，從而降低區(qū)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(jīng)費占GDP 比重作為衡量區(qū)域科技創(chuàng)新水平的指標(biāo)。

（5）對外貿(mào)易水平。 隨著近年來環(huán)境規(guī)制力度的不斷提升，發(fā)達(dá)?。▍^(qū)）傾向于把污染密集型產(chǎn)業(yè)轉(zhuǎn)移到欠發(fā)達(dá)省（區(qū)），由此造成當(dāng)?shù)氐奈廴九欧盼锊粩嘣黾印?因此，把某區(qū)域出口總額占GDP 比重作為衡量該區(qū)域?qū)ν赓Q(mào)易水平的指標(biāo)。

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

2.2.3 數(shù)據(jù)來源

本文所采用的數(shù)據(jù)中，能源消費量和煤炭消費量數(shù)據(jù)來源于2006—2020 年公布的《中國能源統(tǒng)計年鑒》，資本存量、勞動力、GDP、人均GDP、非農(nóng)業(yè)人口占人口總數(shù)比重、出口總額、地區(qū)財政決算本級支出數(shù)據(jù)來源于2006—2020 年公布的《中國統(tǒng)計年鑒》和各?。▍^(qū)）的統(tǒng)計年鑒、統(tǒng)計公報，科技活動經(jīng)費數(shù)據(jù)來源于《全國科技經(jīng)費投入統(tǒng)計公報》。

3 黃河流域碳排放效率的區(qū)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(nèi)蒙古、山東和四川的碳排放效率均值大于1外，其他6 個?。▍^(qū)）的碳排放效率均值均小于1，即處于DEA（數(shù)據(jù)包絡(luò)分析）無效狀態(tài)，這說明黃河流域在能源消耗中存在無效的二氧化碳產(chǎn)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(xiàn)出“波動上升—逐漸下降”的態(tài)勢。 近些年，黃河流域各?。▍^(qū)）的工業(yè)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(fā)展模式具有典型的“路徑依賴”特征，在短時間內(nèi)不易轉(zhuǎn)變，后續(xù)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(xiàn)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(qū)山東、河南兩省的碳排放效率是上游地區(qū)青海、甘肅、寧夏三省（區(qū)）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(qū)域差異分析

本文利用泰爾指數(shù)對黃河流域碳排放效率的區(qū)域差異變化進(jìn)行分析，結(jié)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(shù)呈現(xiàn)出W 形的演變趨勢。 總體泰爾指數(shù)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(qū)域差距在逐漸拉大，主要原因是流域內(nèi)碳排放效率落后地區(qū)的效率提升速度相對于高碳排放效率地區(qū)來說較慢，從而拉大了黃河流域整體碳排放效率的區(qū)域差異。 區(qū)域內(nèi)泰爾指數(shù)同總體泰爾指數(shù)的變化趨勢較為一致，呈波動上升趨勢。 區(qū)域間碳排放效率的泰爾指數(shù)變動則相對較為平緩，基本在［0，0.02］區(qū)間內(nèi)波動，2005—2011 年泰爾指數(shù)緩慢下降，2012—2019 年泰爾指數(shù)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(kuò)大轉(zhuǎn)變。 此外，對比區(qū)域間的泰爾指數(shù)發(fā)現(xiàn)，區(qū)域內(nèi)泰爾指數(shù)的數(shù)值更大，約占總體碳排放效率泰爾指數(shù)的80%左右，說明黃河流域區(qū)域內(nèi)碳排放效率的差異是構(gòu)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(shù)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(jìn)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(qū)碳排放效率的變異系數(shù)，結(jié)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(shù)總體表現(xiàn)出“小幅下降—上下波動—穩(wěn)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(xiàn)了σ收斂特征，后期各省（區(qū)）之間的碳排放效率差距不斷擴(kuò)大，不存在σ收斂。 具體到三大區(qū)域，黃河上游地區(qū)碳排放效率的變異系數(shù)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(shù)相較于2005 年上升了0.113，升幅約25.45%；黃河中游地區(qū)碳排放效率的變異系數(shù)大體上呈現(xiàn)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(qū)碳排放效率的變異系數(shù)在研究期內(nèi)表現(xiàn)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(shù)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(qū)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(xiàn)象，即各區(qū)域在相似的發(fā)展條件和水平下，低碳排放效率?。▍^(qū)）會對高碳排放效率?。▍^(qū)）產(chǎn)生追趕效應(yīng)，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(jié)果

黃河上游地區(qū)的β值為負(fù)數(shù)但未通過顯著性檢驗，說明黃河上游各?。▍^(qū)）的碳排放效率并不會隨著時間推移收斂至同一穩(wěn)態(tài)水平。 黃河中游地區(qū)的β值為－2.169，且通過了顯著性檢驗，說明中游地區(qū)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(qū)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(fā)展條件下存在進(jìn)一步擴(kuò)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(guān)檢驗分析

空間自相關(guān)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(shù)衡量黃河流域碳排放效率的空間關(guān)聯(lián)性，方法如下：

式中：Moran’s I 為全局莫蘭指數(shù)；n為樣本個數(shù)；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(jīng)濟(jì)地理嵌套權(quán)重矩陣。

對2005—2019 年黃河流域碳排放效率Moran’s I指數(shù)進(jìn)行計算，結(jié)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(shù)均為正值，除2009 年、2010 年、2011 年、2013 年和2014 年外，其余年份的統(tǒng)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(guān)性，即本地區(qū)的碳排放效率會對其鄰近地區(qū)的碳排放效率產(chǎn)生正向影響。

表5 2005—2019 年黃河流域碳排放效率Moran’s I 指數(shù)

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(jìn)行檢驗，結(jié)果見表6。

表6 空間計量模型檢驗結(jié)果

由表6 可知，在LM 檢驗中，各指標(biāo)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(yīng)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(shè)，因此選擇空間杜賓模型進(jìn)行后續(xù)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(yīng)、時間固定效應(yīng)、混合固定效應(yīng)和隨機(jī)效應(yīng)4 種形式，故運用Hausman 檢驗和LR 檢驗來確定較優(yōu)的模型。 表7 中，Hausman 檢驗的統(tǒng)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(yīng)模型比個體固定效應(yīng)模型和時間固定效應(yīng)模型更合適，因此本文最終采用混合固定效應(yīng)的空間杜賓模型。

表7 固定效應(yīng)類型選擇的LR 檢驗結(jié)果

5.3 黃河流域碳排放效率影響因素的檢驗結(jié)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(shù)進(jìn)行分析無法準(zhǔn)確描述自變量和因變量之間的關(guān)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(jìn)行空間效應(yīng)分解，結(jié)果見表8。

表8 黃河流域碳排放效率影響因素的空間效應(yīng)分解結(jié)果

（1）經(jīng)濟(jì)發(fā)展水平對黃河流域碳排放效率的總效應(yīng)為0.651 7 且在1%水平下顯著，說明黃河流域各?。▍^(qū)）的經(jīng)濟(jì)發(fā)展有利于促進(jìn)碳排放效率的提升。 黃河流域各省（區(qū)）本地的經(jīng)濟(jì)發(fā)展水平每提高1%，碳排放效率將提高0.972 8。 這主要是經(jīng)濟(jì)發(fā)展在提高人民生活水平的同時，也提高了居民對生活質(zhì)量和周邊環(huán)境的要求，進(jìn)而推動黃河流域社會層面的節(jié)能減排進(jìn)程。 從溢出效應(yīng)來看，黃河流域內(nèi)經(jīng)濟(jì)發(fā)展水平較高的?。▍^(qū)）對其鄰近省（區(qū)）的碳排放效率會產(chǎn)生負(fù)面影響。

（2）能源消費結(jié)構(gòu)對黃河流域碳排放效率的總效應(yīng)和直接效應(yīng)在1%水平下顯著為負(fù)，說明黃河流域能源消費結(jié)構(gòu)中煤炭消費比重越高，碳排放效率就越低。 黃河流域內(nèi)多數(shù)?。▍^(qū)）在煤炭利用上效率偏低，進(jìn)一步造成了地區(qū)碳排放效率的低值化結(jié)果。 然而，從溢出效應(yīng)來看，黃河流域內(nèi)各?。▍^(qū)）的能源消費結(jié)構(gòu)在10%的顯著性水平下有利于提高其鄰近省（區(qū)）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(yīng)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(fù)相關(guān)。 黃河流域各省（區(qū)）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(shè)仍是黃河流域內(nèi)眾多?。▍^(qū)）未來發(fā)展的趨勢，在此過程中，人口規(guī)模的擴(kuò)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(chuàng)新水平對黃河流域碳排放效率的總效應(yīng)和直接效應(yīng)在10%顯著性水平上通過了檢驗，且系數(shù)為正，這說明黃河流域科技水平越高，越能促進(jìn)地區(qū)碳排放效率的提升。 近年來，黃河流域各?。▍^(qū)）加快新舊動能轉(zhuǎn)換，加大R＆D 經(jīng)費支持力度，有力地推動了節(jié)能減排，提高了低碳技術(shù)水平和能源利用效率，使得能源投入的無效產(chǎn)出大大減少，進(jìn)一步實現(xiàn)了黃河流域碳排放效率的提升。

（5）對外貿(mào)易水平對黃河流域碳排放效率的直接效應(yīng)在5%水平下顯著為正，說明黃河流域促進(jìn)對外貿(mào)易發(fā)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(nèi)陜西、青海、甘肅等?。▍^(qū)）的對外貿(mào)易聯(lián)系得到加強，要素流動渠道增多，一定程度上解決了地區(qū)產(chǎn)能過剩、資源不足的困境，提高了投入產(chǎn)出比。

（6）政府適度干預(yù)對黃河流域碳排放效率的總效應(yīng)為正但并不顯著，表明黃河流域各省（區(qū)）的政府干預(yù)對黃河流域碳排放效率的影響不明顯。 當(dāng)前，我國政府在碳減排工作中所展開的節(jié)能減排宣傳活動、出臺的節(jié)能減排獎懲政策等，能夠積極地帶動碳排放的降低和環(huán)境質(zhì)量的提升，但有時政府在這個經(jīng)濟(jì)活動過程中存在過度干預(yù)，導(dǎo)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(jié)論與建議

6.1 結(jié) 論

（1）2005—2019 年黃河流域的碳排放效率差距表現(xiàn)出W 形的演變態(tài)勢；各省（區(qū)）之間的碳排放效率差異較大并呈現(xiàn)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(nèi)碳排放效率較低的?。▍^(qū)）。

（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(qū)具有絕對β收斂特征。 這意味著隨著時間的推移，各?。▍^(qū)）之間的碳排放效率差距有進(jìn)一步擴(kuò)大的可能，而當(dāng)各?。▍^(qū)）具有相當(dāng)?shù)陌l(fā)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(jīng)濟(jì)發(fā)展水平、科技創(chuàng)新水平和對外貿(mào)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(jié)構(gòu)中煤炭占比過高和城市化的無序擴(kuò)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(jié)構(gòu)的優(yōu)化和城市化的有序推進(jìn)能夠帶動鄰近省（區(qū)）的碳排放效率的提高，但粗放式的經(jīng)濟(jì)發(fā)展方式并不會對相鄰省（區(qū)）的碳排放效率產(chǎn)生正向影響。

6.2 建 議

（1）大力發(fā)展低碳循環(huán)經(jīng)濟(jì)，優(yōu)化能源消費結(jié)構(gòu)。粗放型的經(jīng)濟(jì)發(fā)展模式早已不適應(yīng)高質(zhì)量發(fā)展的需求，黃河流域各?。▍^(qū)）應(yīng)培育新的綠色經(jīng)濟(jì)增長點，加大黃河上游地區(qū)清潔能源的開發(fā)利用，通過市場一體化建設(shè)提高清潔能源的消納外送能力，減少能源消費結(jié)構(gòu)中煤炭消費占比高對碳排放效率的負(fù)面影響。

（2）加強技術(shù)創(chuàng)新助力提效，發(fā)揮對外貿(mào)易帶動作用。 如山西可促進(jìn)科技要素融入“投入要素”，以低碳技術(shù)的升級解決其“一煤獨大”和煤炭利用效率低的現(xiàn)實困境；青海、甘肅和寧夏可借助“一帶一路”倡議機(jī)遇，優(yōu)化對外貿(mào)易結(jié)構(gòu)，引進(jìn)先進(jìn)的技術(shù)和管理經(jīng)驗，發(fā)展環(huán)保產(chǎn)業(yè)，從而提升碳排放效率。

（3）推進(jìn)城市建設(shè)低碳轉(zhuǎn)型，緩解城市化對效率的正向抑制。 黃河流域各?。▍^(qū)）在城市化建設(shè)進(jìn)程中要注重產(chǎn)城融合，積極培育附加值高的產(chǎn)業(yè)來代替高耗能產(chǎn)業(yè)，促進(jìn)全要素生產(chǎn)率的增長，進(jìn)而提升碳排放效率。

（4）充分利用空間正向溢出效應(yīng)，協(xié)同推進(jìn)流域降碳提效。 加強黃河流域各?。▍^(qū)）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(qū)分享兼顧經(jīng)濟(jì)產(chǎn)出和減排增效的發(fā)展經(jīng)驗，并聯(lián)合探索打造多元化、清潔化能源結(jié)構(gòu)的低碳發(fā)展路徑。