新一線城市碳排放效率的空間關聯(lián)網絡結構及影響因素分析

摘" 要：基于15個新一線城市2006—2021年的面板數據，采用超效率SBM模型計算其碳排放效率，通過修改的引力模型構建空間關聯(lián)網絡并使用社會網絡分析法分析其結構，運用QAP回歸模型研究新一線城市空間關聯(lián)網絡的影響因素。結果表明，15個新一線城市碳排放效率的年平均值處于平穩(wěn)上升的勢態(tài);新一線城市碳排放效率表現(xiàn)出穩(wěn)定的的網絡關聯(lián)關系，其整體網絡結構、個體網絡結構特征均呈波動上升趨勢;南京、武漢、鄭州、合肥、蘇州、杭州等城市在新一線城市碳排放效率關聯(lián)網絡中處于主導地位;對外開放程度、科技投入水平、資源稟賦結構、能源利用效率、人口分布特征、產業(yè)結構升級和空間距離關系對新一線城市碳排放效率的空間關聯(lián)具有重要影響。

關鍵詞：碳排放效率;新一線城市;超效率SBM模型;社會網絡分析法;QAP回歸

中圖分類號：X321" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2024）26-0022-06

Abstract： Based on the panel data of 15 new first-tier cities from 2006 to 2021， the super-efficiency SBM model is used to calculate their carbon emission efficiency， the modified gravity model is used to construct the spatial association network and the social network analysis method is used to analyze its structure， and the QAP regression model is used to study the influencing factors of the new first-tier urban spatial association network. The results show that the annual average value of carbon emission efficiency of 15 new first-tier cities is rising steadily， and the carbon emission efficiency of new first-tier cities shows a stable network correlation， and the characteristics of overall network structure and individual network structure all show a fluctuating upward trend. Nanjing， Wuhan， Zhengzhou， Hefei， Suzhou， Hangzhou and other cities play a leading role in the correlation network of carbon emission efficiency in new first-tier cities. The degree of opening to the outside world， the level of scientific and technological investment， resource endowment structure， energy use efficiency， population distribution characteristics， industrial structure upgrading， spatial distance relationship have an important impact on the spatial correlation of carbon emission efficiency in new first-tier cities.

Keywords： carbon emission efficiency; new first-tier cities; super-efficiency SBM model; social network analysis; QAP regression

伴隨著“雙碳”戰(zhàn)略的實施，我國學者對于碳排放的研究也越來越多。碳排放效率指標能兼顧環(huán)境因素與經濟因素，直觀體現(xiàn)勞動力、資本等投入要素與碳排放等產出要素間的關聯(lián)。碳排放效率的影響因素分析更是為實現(xiàn)“雙碳”目標政策而制定的“風向標”[1]。城市作為人類生產和生活的中心，其區(qū)域內的碳排放量大約占全球碳排放75%～80%，在中國更是碳排放的主體部分[2-3]。由于碳排放的流動不受城市邊界的限制，會隨著空氣流動向周邊城市擴散，亦會隨著城市間貿易往來等生產要素的流動而轉移，導致對整個區(qū)域的生態(tài)環(huán)境產生影響[4]。目前，新一線城市正處于高速發(fā)展階段，吸納了大量社會資源，伴隨這一過程形成城市間的碳排放效率關聯(lián)關系[5]。了解新一線城市內部碳排放效率的空間分布變化、厘清城市個體間碳排放的空間關聯(lián)關系及其空間結構，有助于“雙碳”目標的實現(xiàn)。

鑒于此，本文基于關系數據和網絡視角，以15個新一線城市為研究對象，以2006—2021年作為研究時段，采用超效率SBM模型測算其碳排放效率，通過修正引力模型構建空間關聯(lián)網絡矩陣，并使用社會網絡分析法分析其結構，運用QAP回歸模型分析其影響因素，為新一線城市碳減排活動提供科學參考。

1 研究方法與數據來源

1.1 研究方法

1.1.1 超效率SBM模型

本文考慮非期望產出，選擇可變規(guī)模報酬（VRS）[6]，假定有n個決策單位（Decision Making Unit，DMU）的碳排放效率，每個DMU由要素投入m、期望產出r1和非期望產出r2構成。向量形式分別表示為x∈Rm，yd∈R，yu∈R;X、Yd和Yu是矩陣，X=[x1，…，xn]∈Rm×n，Yd=[y，...，y]∈R和Yu=[y，…，y]∈R，假設這些數據都是正數。構建的超效率SBM模型表示如式（1）和式（2）所示：

， （1）

1.1.2 修正引力模型

本文采用修正的引力模型[7]來構建新一線城市碳排放效率關聯(lián)關系矩陣。公式如式（3）所示

Fij=Kij×，Kij=， （3）

式中：Fij為地區(qū)i和j之間碳排放效率聯(lián)系強度;Kij為在地區(qū)i和j之間碳排放效率聯(lián)系的貢獻率;EWP表示碳排放效率指數;Dij為各地區(qū)之間的球面實際距離（km）。

將各指標進行標準化處理，消除各指標量綱后[8]，計算兩個地區(qū)之間碳排放效率的引力矩陣，再將其轉換為用1和0表示兩個地區(qū)之間是否存在關聯(lián)關系的空間關聯(lián)矩陣。轉換公式如式（4）所示

， " " " " （4）

式中：Yij為轉換后的兩個地區(qū)之間的碳排放效率引力;n表示地區(qū)個數。根據公式（3）—（4）的計算結果構建新一線城市碳排放效率空間引力矩陣Yij=（yij）15×15。若引力值大于矩陣該行的均值，則兩者之間存在空間關聯(lián)關系，將其賦值為1;反之，將其賦值為0，對角線均賦值為0，由此得出新一線城市碳排放效率空間關聯(lián)關系矩陣（Xij），且（xij）15×15矩陣是非對稱矩陣。

1.1.3" 社會網絡分析方法

社會網絡分析是研究社會網絡的關聯(lián)結構和屬性特征的重要研究方法。本文采用社會網絡分析方法對新一線城市間的碳排放效率網絡結構的整體網絡特征、個體網絡特征進行分析，并運用QAP方法[9]分析其影響因素，具體內容如下所示：

1）整體網絡結構特征。選用網絡密度、網絡關聯(lián)度、網絡等級度和網絡效率4個指標來衡量新一線城市碳排放效率空間網絡關聯(lián)性，具體指標計算公式見表1。網絡密度反映空間網絡關聯(lián)的疏密程度。網絡關聯(lián)度反映空間關聯(lián)網絡結構的穩(wěn)健性，通過可達性來測量。網絡關聯(lián)度個數是指網絡中各節(jié)點產生空間關聯(lián)關系的數目。網絡等級度反映各城市在空間關聯(lián)網絡中地位的不平等程度，網絡等級數值越高，等級越森嚴。網絡效率反映網絡中存在多余關聯(lián)程度，即在多大程度上存在著多余的聯(lián)系線，用來判定空間關聯(lián)網絡中各城市之間的連接效率。

2）個體網絡結構特征。采用度數中心度、接近中心度和中介中心度3個指標來分析新一線城市碳排放效率空間關聯(lián)網絡結構的個體結構特征，具體指標計算公式見表1。度數中心度直接反映節(jié)點在網絡中的地位，指一個城市與其他城市聯(lián)系度個數的總和。接近中心度反映脫離控制的能力，接近中心度越高，節(jié)點城市越容易實現(xiàn)碳排放效率相關要素交流。中介中心度反映控制的程度。經過一個點的捷徑數量越多，其中介中心度越高。

3）QAP回歸模型。采用QAP回歸分析法，構建的新一線城市碳排放效率空間網絡影響因素QAP回歸模型如公式（5）所示

GL=f（X1，X2，X3，X4，X5，X6，X7，X8，X9，X10，X11，X12，X13） ， （5）

式中：因變量為新一線城市碳排放效率網絡空間關聯(lián)矩陣（GL），自變量為經濟發(fā)展水平差異（X1）、政府干預程度差異（X2）、對外開放程度差異（X3）、生態(tài)環(huán)境水平差異（X4）、環(huán)境保護力度差異（X5）、能源利用效率差異（X6）、城鎮(zhèn)化水平差異（X7）、信息化水平差異（X8）、人口分布特征差異（X9）、科技投入水平差異（X10）、資源稟賦結構差異（X11）、產業(yè)結構升級差異（X12）、空間距離關系（X13）。模型中相關變量的詳細定義見表2。

1.2 數據來源及處理

本文選擇2022年《城市商業(yè)魅力排行榜》公布的15個新一線城市[11]為研究對象，并以2006—2021年作為研究時段對碳排放效率進行測度與分析，研究所需數據來源于各地級市統(tǒng)計年鑒、統(tǒng)計公報、中國城市統(tǒng)計年鑒、科技統(tǒng)計年鑒、各城市環(huán)境公報和政府工作報告以及中國碳核算數據庫（China Emission Accounts and Datasets， CEADs），通過核算與折算得到，城市之間的地理距離用ArcGIS計算而得。其中對于少量缺失值，出于完整性和時效性的考慮，本文選擇四項移動平均法進行插補，平滑掉突然波動的影響，以保證插補結果的合理性。其中碳排放效率測算指標體系見表3。

2 結果與分析

2.1 新一線城市碳排放效率分析

運用超效率SBM模型，通過DEA-Solver 13.0軟件測算2006—2021年新一線城市的碳排放效率值，測算結果如圖1所示。由圖1可知，2006—2021年間，15個新一線城市碳排放效率的年平均值處于平穩(wěn)的勢態(tài)，均值為0.937，表明這些年來新一線城市對碳排放效率的控制能力較好。由圖1可知，東莞、佛山、合肥、蘇州、長沙等城市的碳排放效率值變化趨勢穩(wěn)定波動且均大于1，即達到有效水平，表明這些城市在保證經濟正常發(fā)展的同時又注重對碳排放量的控制。此外，天津和西安兩個城市的碳排放效率值在小范圍內波動，其平均碳排放效率均低于0.6，具有較大碳減排潛力，是我國碳減排政策應重點關注的對象。

2.2" 新一線城市空間關聯(lián)結構網絡特征

基于測算出的2006—2021年各城市碳排放效率，運用修正引力模型構建空間關聯(lián)網絡矩陣，利用UCINET 6.0軟件[14]計算并分析其空間結構演化特征。

2.2.1" 整體網絡結構特征

根據表4的計算結果可知，新一線城市碳排放效率的空間關聯(lián)網絡密度呈波動上升趨勢，從2006年的0.166 7上升至2021年的0.171 4。從空間關聯(lián)網絡物理結構特征看，新一線城市碳排放效率網絡等級度由0.195 7波動提升至0.205 1，表明各城市間網絡等級進一步集中;新一線城市碳排放效率網絡效率呈現(xiàn)波動下降趨勢，由2006年的0.750 0下降到2021年的0.714 3，表明新一線城市碳排放效率空間關聯(lián)網絡穩(wěn)定性的提升。

2.2.2" 個體網絡結構特征

根據計算結果對各城市度數中心度（DC）、接近中心度（CC）、中介中心度（BC）進行分析，以考察新一線城市碳排放效率空間關聯(lián)個體網絡特征，測算結果見表5。

從度數中心度來看，南京、合肥、蘇州、杭州、鄭州、寧波和武漢這7個城市的度數中心度穩(wěn)居新一線城市前列，受益于經濟與地理位置等因素，在新一線城市碳排放效率空間網絡中相對活躍。從接近中心度來看，長沙、武漢、鄭州、寧波、杭州、蘇州、南京、合肥這些城市在新一線城市碳排放效率空間網絡中的距離相對其他城市距離較近，能與其他城市快速產生關聯(lián)，發(fā)揮傳導效應。從中介中心度來看，武漢、鄭州、南京、合肥這些城市的中介中心度位于前列，在整個新一線城市碳排放效率空間網絡中處于相對控制地位，是控制新一線城市碳排放效率傳導的關鍵網絡節(jié)點。

2.3" 新一線城市碳排放效率空間關聯(lián)網絡影響因素分析

以2021年為研究樣本期，運用UCINET 6.0軟件，選取10 000次隨機置換，最終得出新一線城市碳排放效率空間關聯(lián)矩陣影響因素的QAP回歸結果，回歸結果見表6。

由表6可知，調整后的可決系數（R2）為0.438，表明經濟發(fā)展水平差異、政府干預程度差異、對外開放程度差異、生態(tài)環(huán)境水平差異、環(huán)境保護力度差異、能源利用效率差異、城鎮(zhèn)化水平差異、信息化水平差異、人口分布特征差異、科技投入水平差異、資源稟賦結構差異、產業(yè)結構升級差異、空間距離關系等13個因素大約可以解釋中國新一線城市碳排放效率空間關聯(lián)效應的43.8%。

具體來看，對外開放程度差異、科技投入水平差異、資源稟賦結構差異的回歸系數均在5%的統(tǒng)計水平上顯著且為正數，說明各城市節(jié)點變量差異越大越容易促進碳排放效率關聯(lián)關系。空間距離關系回歸系數在1%的統(tǒng)計水平上顯著且為負數，說明各城市間的距離越近越容易產生碳排放效率聯(lián)系。能源利用效率差異、人口分布特征差異、產業(yè)結構升級差異的回歸系數均在10%的統(tǒng)計水平上顯著且為負數，說明各城市節(jié)點變量差異縮小有利于空間關聯(lián)網絡的形成。在觀察年份下經濟發(fā)展水平差異、政府干預程度差異、信息化水平差異、生態(tài)環(huán)境水平差異、環(huán)境保護力度差異、城鎮(zhèn)化水平差異的回歸系數不顯著，說明這些因素不利于新一線城市碳排放效率空間關聯(lián)網絡的形成。

3" 結論

本文使用超效率SBM模型對2006—2021年15個新一線城市的碳排放效率進行測度，通過修改的引力模型構建空間關聯(lián)網絡并使用社會網絡分析法分析其結構，采用QAP回歸模型對其空間關聯(lián)網絡影響因素進行分析，得出以下結論：

1）2006—2021年間，15個新一線城市碳排放效率的年平均值處于平穩(wěn)上升的勢態(tài)，均值為0.937，東莞、佛山、合肥、蘇州、長沙等城市的碳排放效率值變化趨勢穩(wěn)定波動且均大于1。此外，天津和西安兩個城市的碳排放效率值在小范圍內波動，其平均碳排放效率均低于0.6，具有較大碳減排潛力。

2）從網絡結構特征分析，新一線城市碳排放效率表現(xiàn)出穩(wěn)定的網絡關聯(lián)關系，2006—2021年間各城市的網絡關聯(lián)聯(lián)系度個數、網絡密度、網絡等級度和網絡效率總體呈波動上升趨勢。南京、武漢、鄭州、合肥、蘇州、杭州等城市在新一線城市碳排放效率關聯(lián)網絡中處于主導地位，能夠在一定程度上吸收其他城市的相關資源和要素，使其碳排放效率維持穩(wěn)定高水平。

3）根據QAP回歸分析，對外開放程度、科技投入水平、資源稟賦結構等因素對新一線城市碳排放效率的空間關聯(lián)網絡具有正向影響作用，能源利用效率、人口分布特征、產業(yè)結構升級、空間距離關系等因素對新一線城市碳排放效率的空間關聯(lián)網絡具有負向影響作用，經濟發(fā)展水平、政府干預程度、信息化水平、生態(tài)環(huán)境水平、環(huán)境保護力度、城鎮(zhèn)化水平等因素對新一線城市碳排放效率空間關聯(lián)網絡的影響不顯著。

參考文獻：

[1] 俞雅乖，沈盼熠，李瑜婷.國家級城市群建筑業(yè)碳排放效率的空間分異及影響因素[J].寧波大學學報（人文科學版），2023，36（1）：98-107.

[2] HAN F，XIE R，LU Y， et al. The effects of urban agglomeration economies on carbon emissions： Evidence from Chinese cities[J].Journal of Cleaner Production， 2018，172：1096-1110.

[3] MI Z F， ZHANG Y K， GUAN D B， et al. Consumption-based emission accounting for Chinese cities [J]. Applied Energy，2016，184：1073-1081.

[4] WANG Y， ZHAO H，DUAN F M，et al. Initial provincial allocation andequity evaluation of China's carbon emission rights-based on theimproved TOPSIS method [J]. Sustainability， 2018，10（4）：982.

[5] 肖金成，汪陽紅，張燕.成渝城市群空間布局與產業(yè)發(fā)展研究[J].全球化， 2019（8）：30-48，134.

[6] 孫秀梅，張慧，綦振法，等.我國東西地區(qū)的碳排放效率對比及科技減排路徑研究——基于三階段DEA和超效率SBM模型的分析[J].華東經濟管理，2016，30（4）：74-79.

[7] 王兆峰，劉慶芳.中國省域旅游效率空間網絡結構演化及其影響因素[J].地理科學，2021，41（3）：397-406.

[8] 昊穹，仲偉周，陳恒.我國區(qū)域信息化對工業(yè)技術創(chuàng)新效率的影響——基于勞動-教育決策兩部門DSGE模型的分析[J].經濟問題探索，2018（5）：1-16.

[9] DOREIAN P，CONTI N. Social context，spatial structure andsocial network structure [J]. Social Networks，2012，34（1）：32-46.

[10] 吉雪強，張躍松.長江經濟帶種植業(yè)碳排放效率空間關聯(lián)網絡結構及動因[J].自然資源學報，2023，38（3）：675-693.

[11] 第一財經.2022新一線城市名單官宣：沈陽跌出，合肥重歸新一線?。ǜ阶钚?—5線城市完整名單）[EB/OL].（2022-06-01）.https：//www.datayicai.com/report/detail/286.

[12] 單豪杰.中國資本存量K的再估算：1952～2006年[J].數量經濟技術經濟研究，2008，25（10）：17-31.

[13] CHEN J， GAO M， CHENG S， et al. County-level CO2 emissions and sequestration in China during 1997-2017[J]. Scientific Data，2020，7（1）：1-12.

[14] 劉軍.整體網分析：UCINET軟件實用指南[M].2版.上海：格致出版社，2014：172-289.

作者簡介：江婷（1999-），女，碩士。研究方向為大數據與人工智能。