京津冀地区区县碳排放强度的动态演进、差异分解及收敛性研究

伴随中国步入新发展阶段,经济建设重心由强调速度向追求质量转变,生态文明建设由重点整治向系统治理转变,碳达峰碳中和(简称“双碳”)工作纳入了整体布局和经济社会发展的全局。党的二十大报告指出,实现“双碳”是一场广泛而深刻的经济社会系统性变革。实现“双碳”目标需立足中国能源资源禀赋,坚持先立后破,有计划分步骤。因此,在中国地区资源、产业分布不均衡的背景下,降低区域间碳排放量、实现“双碳”战略目标需要在政策制定和落实上“上下联动”与“横向协同”。京津冀地区是中国北方经济规模最大、最具活力的地区,“高消耗”“高污染”“高排放”“发展不均衡不充分”等标签鲜明,如何平衡经济高质量发展与推进减排降碳行动是京津冀地区面临的重要挑战之一。京津冀地区作为中国北方腹地经济社会发展的“主战场”,也是推进减排降碳工作的“桥头堡”,在促使经济稳增长的同时,致力于推进碳排放量下降成为京津冀三地协同发展的主攻方向。对于基层执行者,特别是对于既承担减排降碳,又承担促使经济发展责任的区县层级政府来说,如何做到统筹谋划、协同发力、因地制宜、精准施策至关重要。所以对于京津冀各区县政府来说,科学有效地制定减排降碳政策的前提条件是对京津冀三地碳排放强度的现状有一个全面、科学、准确的认识和判断。碳排放强度是指单位GDP的二氧化碳排放量,其总体体现了二氧化碳排放与经济增长的互动关系,可作为经济高质量发展的重要评价指标。因此,科学准确地刻画京津冀地区碳排放强度的发展趋势和空间特征是本文的焦点。通过长时间跨度和区县层级的视角展开多维度、多层面的研究,不仅能让各级政府把握京津冀区县层级碳排放强度的发展趋势和空间特征,更能为各级政府在推进地区“双碳”目标实现与精准减排、地区联防联控等方面提供科学依据。

中国提出“双碳”目标后,大批学者开始关注减排降碳效果评估。已有文献主要从以下几个方面展开。一部分学者在对影响二氧化碳排放或碳排放强度变化的关键因素探讨上,借助中国碳核算数据库(CEADs)公开的数据、省级或地市层面不同类型化石能源的消费数量和碳排放因子计算的二氧化碳排放量数据展开了大量的研究,发现经济增长[1-2]、贸易开放[3]、技术进步[4]、碳排放权交易[5]、全球价值链嵌入[6]等单因素会对碳排放强度产生显著影响;也有学者将多因素纳入同一研究框架,如人力资本和内生经济增长[7]、清洁能源发展和区域经济增长[8],研究结论具有一致性。另一部分学者在对二氧化碳排放量的演进趋势和现实特征分析基础上,从全国层面或省市层面选取碳排放量、人均碳排放量或碳排放强度等指标,借助变异系数、基尼系数、泰尔指数等统计性方法衡量并刻画二氧化碳排放量的演进趋势和空间特征,研究结果显示,中国各省市碳排放呈上升趋势,但省际差异或区域间差异较为明显,具有显著的空间分异特征[9-13],进而肯定了中国进行减排降碳的必要性和紧迫性。此外,近几年,部分学者开始关注碳排放的时空特征和收敛特征,试图从特征上解释有限资源下减排降碳的空间布局和政策重点。关于碳排放空间特征的研究,王少剑等[14]利用2000—2017年县域人均碳排放的数据实证分析发现,中国县域人均碳排放呈现先急后缓的增长趋势,地区差异增大,西部区域表现尤为悬殊,总体上呈现“北高南低”的空间格局,经济发达地区远高于其他地区,空间极化效应明显;刘华军等[15]基于县域碳排放的数据实证分析发现,中国碳排放总体保持上升趋势,未出现下降的拐点,但中国碳排放的总体差异呈下降趋势,其中地级行政单元内部差异的贡献率明显上升,并成为中国碳排放总体空间差异的主要来源。关于碳排放强度收敛性特征的研究,孙耀华、仲伟周[16]以及张卓群等[17]均认为存在β收敛。前者认为,省域碳排放强度呈现“俱乐部”收敛和条件β收敛特征。后者认为,全国城市及各重大战略区域碳排放强度均不存在σ收敛,但均存在绝对β收敛和条件β收敛。

综上所述,关于碳排放或碳排放强度的已有研究较为丰富,这些研究为本文提供了重要的文献基础,但总体看依然具有一定的拓展空间。本文的边际贡献有三点。其一,以往研究中,关于二氧化碳排放量数据的来源主要是科研机构或者学者个人通过将能源统计年鉴中披露的化石能源消费数量与碳排放因子相乘累加计算得到,但数据本身可能存在精度不够、偏差较大的潜在问题,同时也存在地方政府为绩效考核或避免减排目标任务失败从中虚报误报数据的可能,从而影响数据的准确性[17]。其二,既有研究更多的是使用省级层面数据,但以城市层面或县域层面为空间单元展开研究的文献较少,且研究对象依旧是以碳排放量为主,关于能体现经济可持续发展的碳排放强度这一指标的讨论相对不足。其三,研究跳脱传统的时空分析方法,综合运用核密度估计法、Dagum基尼系数法、空间收敛模型等分析京津冀地区区县尺度碳排放强度的地区差异、动态演进与收敛性等趋势特征和空间格局,这对于详细剖析当前京津冀地区碳排放强度和空间分布具有重要价值,也更有利于有针对性地提出促进京津冀重大战略区域绿色转型升级及协调发展的政策建议。

为丰富已有研究,本文利用全球环境研究中心提供的CO2排放量栅格数据(1 km×1 km分辨率),通过GIS软件裁剪出1 km×1 km分辨率的京津冀地区区县层面2000—2019年的数据,并与各区县GDP数据匹配得到碳排放强度面板数据。以此为基础,借助核密度估计和Dagum基尼系数对京津冀地区区县尺度碳排放强度的动态演进规律和地区差异及其来源进行测度与分析。之后,运用变异系数法和空间计量模型对京津冀地区区县尺度碳排放强度的σ收敛特征和β收敛特征进行实证检验。

二、研究设计

(一)数据来源及说明

本文是从区县尺度来分析京津冀地区碳排放强度的发展趋势和空间特征。结合数据可得性,本文最终样本为2000—2019年京津冀地区199个区县层面的面板数据。碳排放数据来自全球环境研究中心,本文利用GIS软件裁剪出中国范围的月度数据,最终得到各区县CO2排放总量数据。各区县GDP数据与控制变量的指标数据主要来自《中国县域统计年鉴》,人均GDP等数据以2000年为基期进行了平减处理。同时为避免异方差,本文对部分指标进行了对数化处理。

(二)模型构建

1.建立绝对β收敛模型

本文参见刘华军等[15]和张卓群等[17]的做法,结合研究需要,综合运用了核密度估计法、Dagum基尼系数法和变异系数法①。本文的绝对β收敛模型设定见式(1)。

式(1)中,ln (CEIi(t+1)/CEIit)表示区县i在t至t+1时间跨度内碳排放强度增长率,CEI表示碳排放强度,i表示县域,t表示时期;β表示收敛系数,若该系数显著小于0,说明京津冀地区各区县碳排放强度存在β收敛趋势,反之则意味着存在发散趋势,其中,收敛速度表达式为 V=-ln (1-|β|)/T;α表示常数项,μ和η分别表示个体与时间固定效应,ε表示随机扰动项。

本文考虑碳排放强度在不同空间单元尺度上具有显著的空间相关关系[17],因此,在上述传统模型设定基础上,加入空间效应可在一定程度上减弱估计结果的有偏性,进而提高估计结果的可信度和准确性[18],也能够识别碳排放强度的空间效应。本文考虑空间效应的绝对β收敛模型设定见式(2)～式(4)。

其中,ρ表示因变量空间滞后系数,反映了邻近区县碳排放强度增长率对本区县碳排放强度增长率的影响。λ表示误差项的空间滞后系数,反映了来自随机扰动项的空间效应。θ表示自变量空间滞后项,反映了来自邻近区县碳排放强度的影响。Wij表示空间权重矩阵,其中矩阵设计不仅包括邻接(0-1)形式,也包括地理距离和经济社会距离等形式。为了避免经济社会距离矩阵可能给模型估计产生的内生性干扰,本文采用地理距离倒数的平方作为空间权重矩阵的表示方式。即若区县i与区县j不相同时,

反之,若区县i与区县j为同一个区县时,Wij=0。其余变量含义与式(1)表达一致。

2.建立条件β收敛模型

与上述绝对β收敛模型设定有所不同的是,条件β收敛模型设定需要在上述模型基础上,加入一系列对碳排放强度具有重要影响的控制变量,以考察京津冀地区碳排放强度是否具有收敛趋势。新经济增长理论认为,在考虑不同时点及不同地区或国家经济社会发展状况等条件后,收敛结果可能会出现明显差异。因此,在进一步探究收敛问题时,须考虑外部环境因素[18-19]。由此,本文的条件β收敛模型设定见式(5)～(8)。

其中,C为加入影响碳排放强度变化的一系列控制变量,γ表示系列控制变量的待估参数,δ表示系列控制变量的空间滞后项,其他变量含义与上文公式定义相同。

关于控制变量的选择,本文借鉴已有文献的做法[14,17,20-21],根据指标数据的可得性,确定如下控制变量:经济发展水平(LnGDP),使用人均实际GDP取对数来衡量;人口密度(LnPD),采用各区县每平方公里常住人口数取对数来衡量;产业结构(IND),采用第三产业增加值占GDP比重来衡量;政府干预(GI),采用各区县财政支出额与其GDP之比来衡量;财政压力(FP),采用区县本级财政缺口率来衡量,即财政压力(FP)=1-本级财政收入/本级财政支出。

三、京津冀地区碳排放强度的动态演进

本文借助核密度估计图的可视化策略揭示京津冀地区碳排放强度的分布动态演进规律,结果见图1～图4。

从分布位置看,京津冀地区整体与各省市碳排放强度的曲线中心位置总体上均呈现向左移动的趋势,但移动速度有所减缓,表明京津冀三省市减排降碳的效果均较为明显,但后期减排降碳的效果有所下降。其中,京津冀地区和天津、河北减排效果有所放缓,甚至出现反弹回升迹象。根据统计数据,京津冀地区所有区县碳排放强度的中位数在2000—2016年均呈现相对快速下降态势,降幅近44.59%,年均降幅约为2.79%。2017年及以后,京津冀地区碳排放强度降速明显放缓,2017—2019年降幅仅为0.40%,年均降幅为0.20%。与此同时,2000—2016年,天津与河北的年均降幅分别为4.63%和3.58%,2017—2019年的降幅放缓,天津不降反升,3年增幅约为0.57%,河北的年均降幅也出现下降,仅为0.81%。与天津、河北相反,北京减排降碳持续保持快速下降态势,2017—2019年,年均降幅达到7.60%。这充分说明,京津冀地区在减排降碳工作推进方面,整体上取得了一定成效。不过,近些年随着世界经济复苏缓慢、中美贸易摩擦、国内经济下行压力增大、经济结构与产业结构问题突出等多重因素交叠,京津冀地区经济增速、减排降碳工作也受到明显影响。近年来,河北成为北京传统产业和高碳产业的主要纾解地,天津因提振经济压力,北京、天津和河北的减排降碳和绿色发展道路也表现出不同程度的演变差异。

从主峰分布形态看,京津冀地区及三省市曲线的主峰高度和宽度均呈现明显的上升和收窄,其中,北京和天津的主峰宽度收窄更为明显,京津冀地区和三省市内多数区县碳排放强度的离散程度呈现不同程度的下降,区县间绝对差异有不同幅度的减弱。这表明京津冀地区及三省市内各区县减排降碳的工作力度均明显增强,这得益于近些年在绿色发展理念的倒逼下,京津冀三地在加快推动产业结构转型升级、转变经济发展方式上做出的努力和改变。

从分布延展性看,京津冀地区整体与河北的曲线均呈现显著右拖尾现象,且尾部均带有数量不等的小单峰,而北京与天津这一现象并不突出。这表明北京、天津和河北三地之间及河北各区县之间在碳排放强度上均呈现显著差异,而北京各区与天津各区这一现象则不明显。进一步观察发现,京津冀地区及三省市所辖区县碳排放强度的分布延展性总体上均呈现不同程度的收敛,其中北京与天津更为明显。这表明京津冀地区及三省市内部各区县碳排放强度与所在地域碳排放强度均值之间的差距在不断收窄,这种状况在北京和天津均表现得更为明显。

从极化现象看,京津冀地区的曲线主要表现为高低并邻的多峰分布,侧峰高度显著低于主峰,表明京津冀地区所有区县碳排放强度存在多极分化现象。而在京津冀地区各省市的曲线中,河北与京津冀地区整体上表现出类似特征,而北京与天津则有所不同。其中,北京各区的碳排放强度曲线主要由单峰向多峰再向双峰分布转变,且侧峰中,波峰波谷的形态随着时间推移有一定弱化,而天津各区的碳排放强度曲线持续表现为双峰分布状态,侧峰的波峰波谷形态也有所弱化,且侧峰与主峰之间的距离较大。综上表明,京津冀地区与河北的碳排放强度均存在多极分化现象,而北京和天津则存在明显的两极分化现象。

四、京津冀地区碳排放强度的地区差异及其分解

(一)总体差异分析

图5展示了2000—2019年京津冀地区各区县碳排放强度的整体基尼系数及其变化趋势。图5显示,京津冀地区碳排放强度的基尼系数呈现多频次和波动上升态势,且持续处于相对较高位置。结合具体数值,京津冀地区碳排放强度的整体基尼系数由2000年的0.339 5上升至2019年的0.357 6,增幅约5.33%,变动幅度相对不大,样本期内均值为0.345 8,最小值、最大值分别为0.322 9和0.366 4。上述数据说明,2000—2019年,京津冀地区碳排放强度呈现较为明显的不均衡性,而且这种不均衡程度总体上有所上升。这就意味着,京津冀地区各区县间碳排放强度的分化趋势在继续加深。即各区县在推进其辖区内产业结构转型升级时和减排降碳工作的步调并不一致,尤其是河北。近年来,北京、天津不断向河北转移高碳产业,河北各区县的减排降碳工作力度会表现出一定的差距,这种差距加剧了京津冀地区内各区县碳排放强度的不均衡。

(二)省市内差异分析

图6展示了2000—2019年京津冀三省市内碳排放强度的基尼系数及其变化趋势。从变化趋势看,北京各区碳排放强度的基尼系数呈现波动下降,然后再波动上升的变化趋势,且上升幅度较小,由2000年的0.351 1上升至2019年的0.360 9,增幅约为2.80%。天津各区碳排放强度的基尼系数呈现多频次且波动上升的趋势,其中,2005年出现了明显的上升跳跃,2008年出现了明显的下降跳跃,2019年又出现明显的上升跳跃,具体由2000年的0.151 2上升至2019年的0.317 2,增幅约为109.79%。河北各区县碳排放强度的基尼系数也呈现明显的波动变化态势,其中波动程度较为强烈的时间点主要发生在2004—2005年、2007—2008年和2018—2019年,碳排放强度省内差异总体呈现下降趋势,具体由2000年的0.335 1下降至2019年的0.243 0。从分省市比较来看,样本期内,北京的基尼系数位居三省市之首,其次是河北,最后是天津。北京碳排放强度的基尼系数均值为0.342 8,天津的基尼系数均值为0.258 6,河北的基尼系数均值为0.291 0,三省市内部的基尼系数均未超过京津冀地区总体的基尼系数。以上结果表明,京津冀地区三省市内部碳排放强度的不均衡程度均较高,其中不均衡程度最高的是北京,天津不均衡程度最低,但北京和天津不均衡程度有加深趋势,而河北不均衡程度居于北京与天津之间。造成上述现象的原因在于:三省市内各区县的功能定位与其辖区内的资源禀赋、区位条件、产业布局、人口密度、产业结构等存在较大差异。如,北京和天津的核心区更多是以碳排放量较低的服务业为主,而处于城市外围的各区更多是以碳排放量较高的工业为主,而且各区生产总值的分布也具有类似特征,从而加剧了三省市内各区县碳排放强度的不一致。

(三)省市间差异分析

图7展示了2000—2019年京津冀三省市间碳排放强度的基尼系数及其变化趋势。从变化趋势看,2000—2007年,北京、天津、河北三省市之间碳排放强度的基尼系数均呈现较为明显的波动,之后,这种波动强度所有减弱。具体说来,北京与天津之间碳排放强度的基尼系数呈现波动上升的变化趋势,基尼系数由2000年的0.273 5上升至2019年的0.358 1,增幅约为30.93%。天津与河北之间碳排放强度的基尼系数与北京、天津的变动趋势类似,也呈现波动上升的变化趋势,但不同的是,近几年天津与河北之间的基尼系数呈现温和的下探趋势,数值由2000年的0.268 8上升至2019年的0.296 8,增幅约为10.42%。北京与河北之间碳排放强度的基尼系数则呈现波动下降的变化趋势,数值由2000年的 0.355 4下降至2019年的0.346 8,降幅约为2.42%。从省市之间碳排放强度的比较来看,北京与河北之间碳排放强度的基尼系数均值为0.332 7,北京与天津之间碳排放强度的基尼系数均值为0.317 3,天津与河北之间碳排放强度的基尼系数均值为0.296 2,三省市之间的基尼系数相对均处于较高位置。其中,北京与河北之间的基尼系数居于首位,北京与天津之间的基尼系数位居第二,天津与河北的排在第三。以上数据说明,北京、天津、河北三省市之间碳排放强度的不均衡现象比较突出,其中,不均衡程度最高的是北京与河北之间的碳排放强度,但不均衡程度呈现一定的减弱趋势,而天津与河北之间的不均衡程度最低,并且主要表现为上升趋势。出现上述情况的主要原因在于:北京、天津、河北在经济发展、产业布局、产业结构、资源禀赋等多个要素上具有明显差异,各省市之间在能源消耗强度、减排降碳工作与推进速度上也不一致。

(四)差异来源及其分解

图8展示了2000—2019年京津冀地区省市碳排放强度总体差异及其贡献率的变化。根据图8并结合具体数据可知,省市内差异的贡献率总体上表现为轻微波动下降(2000—2008年),再反弹轻微回升(2009—2019年)的变化趋势。贡献率由2000年的75.83%上升至2019年的75.91%,增幅约为0.11%,样本期内波动幅度维持高位平稳运行状态,波动范围为73.60%～75.91%,均值为74.73%。省市间差异与超变密度的贡献变化趋势呈对称型,省市间差异的贡献率总体呈现波动下降再反弹上升的变化趋势,由2000年的7.25%上升至2019年的13.33%,增幅约为83.86%,样本期内波动幅度总体维持在低位运行区间,波动范围为1.32%～13.33%,均值为5.86%。而超变密度贡献率的变化趋势则相反,呈现先波动上升再反弹回落的趋势变化,由2000年的16.92%下降至2019年的10.76%,降幅约为36.41%,样本期内波动幅度维持在低位区间,波动范围为10.76%～25.08%,样本期内均值为19.42%。以上表明,总体差异分解中,省市内差异的贡献居于首位,排序无明显变化,平均贡献率达74.73%,超变密度和省市间差异的贡献分别居于次位和末位,对总体差异的影响均相对较小,二者平均贡献率分别为19.42%和5.86%,这意味着省市内差异是造成总体差异的主要来源。

五、京津冀地区碳排放强度的收敛性分析

(一)σ收敛检验结果分析

图9展示了2000—2019年京津冀地区与三省市内各区县碳排放强度的变异系数及其演变趋势。图9数据说明,京津冀地区碳排放强度的变异系数呈现多频次波动的上升趋势,由2000年的0.75上升至2019年的0.87,增幅约为16.00%。三省市碳排放强度的变异系数总体上也呈现上升趋势,不过,波动程度和增幅有所不同。北京、天津和河北的变异系数值分别由2000年的0.28、0.61、0.77上升至2019年的0.46、0.65、0.87,增幅分别为61.29%、6.56%、12.99%。由此可以看出,京津冀地区的碳排放强度不存在σ收敛特征,意味着京津冀地区及各省市所辖区县碳排放强度的离散程度有所扩大,区县间的差异程度不降反升,这与上述地区差异的测算结果总体保持一致。可能的原因在于:近年来北京将工业企业转移到以河北为主的环京周边地区,这种转移做法并不能有效缩小碳排放强度的变异情况,反而有可能导致变异系数的上升。

(二)β收敛检验结果分析

鉴于绝对β收敛检验分析是建立在假设京津冀地区内三省市在经济发展水平、产业结构、人口密度、财政压力等因素基本类似的条件下,显然这一假定与事实不符②。因此,本文重点为在控制一系列经济社会因素的情况下,识别京津冀地区及三省市碳排放强度是否存在收敛,即条件β收敛特征。

表1报告了样本期内京津冀地区及三省市碳排放强度的条件β收敛检验结果,包括不考虑和考虑空间效应的回归结果。其中,空间效应的回归结果使用的是空间杜宾模型③。回归结果显示④:第一,京津冀地区及三省市碳排放强度的收敛系数(β)均小于0,且均通过了1%的置信水平检验,这表明京津冀地区与北京、天津和河北的碳排放强度在理论上均存在条件β收敛。这意味着,在控制一系列地区差异化的经济社会因素情况后,京津冀地区及三省市碳排放强度均呈现较为稳定的发展趋势。第二,在考虑三省市存在发展差异的情况下,京津冀地区及三省市碳排放强度的收敛速度有明显变化。在考虑空间效应后,京津冀地区及三省市碳排放强度的收敛速度均有明显上升,分别由0.014 0、0.021 6、0.014 4、0.014 4增至0.017 0、0.028 8、0.014 9、0.019 1。其中,与绝对β收敛检验结果相比,天津的收敛速度呈现先下降后上升的趋势,而京津冀地区、北京和河北的收敛速度均有明显提升。第三,碳排放强度空间溢出效应有所差别。空间滞后项(W×β)在京津冀地区和河北均显著且系数均为正,而在北京和天津均不显著且系数均为负,这说明京津冀地区和河北域内各区县碳排放强度的变化会受到邻近区县碳排放强度的正向影响,北京和天津的溢出效应不明显,这与绝对β收敛检验结果保持一致。第四,碳排放强度具有显著的空间联动性。空间自回归系数(ρ)在京津冀地区及三省市均显著且系数均为正,与绝对β收敛检验结果均保持一致,这表明京津冀地区与三省市内各区县碳排放强度的变化会受到其他邻近区县碳排放强度的正向影响。这意味着,区县间碳排放强度的变化呈现显著的联动性。第五,影响各省市碳排放的其他因素存在明显差异。整体而言,经济发展水平、人口密度、政府干预对京津冀地区的碳排放强度具有显著负向影响,这意味着促进经济发展、推动人口集聚等能够降低碳排放强度,同时地方政府的环境规制与调控政策具有降低碳排放强度的作用,而产业结构和财政压力对碳排放强度的影响不显著。具体到京津冀地区三省市,各变量的影响存在显著异质性。其中,经济发展水平有利于降低北京和河北的碳排放强度。人口密度对北京降低碳排放强度具有显著影响且系数为正,但对河北和天津的影响不显著,表明人口集聚促进碳排放强度向低值或高值收敛存在不确定性。产业结构对京津冀地区三省市碳排放强度的影响不显著,这说明若三省市只是提升三产占比并不能有效降低碳排放强度。政府干预主要对北京和河北的碳排放强度均具有显著影响且系数为负,而对天津的影响不显著。财政压力对三省市碳排放强度的影响存在不确定性。上述结论可能与京津冀地区三省市所处的发展阶段和面临的发展问题相关。比如,河北整体落后于北京和天津,且河北县域众多,县域之间差距明显,这就需要河北省政府的统筹谋划,适度调控和规制,推动产业结构转型升级,转变经济发展方式,而北京和天津的功能定位不同,发展重心主要以科创和高端制造业为主,整体上已跨入高质量发展轨道,因而,各因素在促使不同省市碳排放强度向低值收敛中呈现明显异质性。

六、结论与政策启示

加快减排降碳是推动京津冀地区实现经济高质量协同发展的重要内容,准确刻画京津冀地区碳排放强度的发展趋势和空间特征是制定区域性政策举措和实现京津冀地区“双碳”目标的重要前提。本文利用2000—2019年京津冀地区199个区县数据,分析了京津冀地区碳排放强度的发展趋势与空间特征,主要研究结论如下。

(1)在分布动态演进上,京津冀地区及三省市碳排放强度总体上均呈现下降态势,但2017年后,这种下降的速度明显放缓,同时离散程度有不同程度的下降,其中北京和天津表现得更为明显。京津冀地区及三省市的空间分化特征均较明显,京津冀地区与河北呈现多极分化现象,而北京和天津则呈现两极分化现象。

(2)在地区差异分解上,京津冀地区碳排放强度的总体差异呈现波动上升趋势,不均衡现象较为突出且有所上升,京津冀地区各区县之间的碳排放强度呈现加深分化趋势。从各省市内部的差异看,北京与天津的内部差异总体上呈现上升趋势,而河北则呈现明显下降,碳排放强度基尼系数均值的整体顺序为北京→河北→天津。从各省市间的差异看,北京与天津之间的碳排放强度差距呈现明显的波动上升趋势,不均衡程度在加深;天津与河北之间的碳排放强度差距也呈现波动上升趋势,但上升幅度较小,而北京与河北之间的碳排放强度差距则呈现下降趋势;不均衡的空间格局整体顺序表现为“京冀→京津→津冀”。

(3)在收敛特征维度上,京津冀地区及三个省市碳排放强度均不存在σ收敛,但均存在绝对β收敛和条件β收敛。在绝对β收敛中,考虑空间效应条件下,收敛速度总体上表现为“北京→天津→京津冀地区整体→河北”的格局特征;京津冀地区整体与河北域内各区县的碳排放强度变化会受到其邻近区县的正向空间溢出影响,而这一溢出效应在北京和天津内并不显著。同时,京津冀地区整体及三省市内各区县的碳排放强度变化会受到其邻近区县的正向溢出影响。在控制经济发展水平、人口密度等因素的条件β收敛中,京津冀地区整体及三省市碳排放强度的收敛速度均呈现明显的加快趋势,空间格局有所变化,整体上表现为“北京→河北→京津冀地区整体→天津”的格局特征。

基于本文研究结论,得出如下政策启示。

(1)明晰自身定位,因地制宜实施减排降碳政策。减排降碳工作的有序推进与加快实现京津冀三地经济高质量协同发展,离不开三省市各级地方政府对其自身定位的清晰认识和把握,特别是以区县为主要单元的基层政府,因其往往承担着促进辖区经济发展和治理地方的双重主体责任,在“双碳”目标约束下,京津冀地区各区县应协调好减排降碳与促进经济发展的关系并充分评估所管辖区的实际情况,有针对性地剖析制约碳排放强度下降的关键成因,积极探索符合地方实际、能够实现减排降碳与促进经济稳步增长相协同的发展路径,因地制宜制定相关政策举措,切实推动碳排放强度的有序稳步下降,以实现区域经济的高质量发展。

(2)强化区域一体化思想,夯实各区县之间的空间联动。鉴于京津冀地区各区县之间的碳排放强度存在空间外溢效应,以及在现实中可能存在各地减排降碳行动的“搭便车”现象,建议北京、天津和河北三省市要加强合作,形成互为联动的有机统一体,不断强化区域一体化思想意识,整体推进减排降碳行动,着眼于对减排降碳协同政策举措的优化完善。另外,京津冀地区三省市应该建立有助于增强区县间互为联动、互为补充的长效机制,搭建省市县之间相互合作、相互学习、共同提升的生态文明建设平台,通过各区县间的良性互动竞争实现京津冀地区经济的稳步增长与减排降碳行动的有序推进。

(3)完善政策体系,持续推进各市县减排降碳协同政策的制定和落实。为积极有效实现京津冀地区减排降碳工作和目标的协同发展,既需要北京和天津发挥带动、引领和帮扶的作用,在政策、技术与资金上持续给予河北落后区县必要的支持,也需要河北各区县辅之以必要的配套政策,加强北京、天津和河北三省市政策举措的互联互通,通过政策举措的协同,增强京津冀地区各区县减排降碳的行动力和执行力。

①限于篇幅,上述研究方法详见本文参考文献,这里不再详细列示。

②限于篇幅,绝对β收敛核验结果未报告,留存备索。作者邮箱:15109002259@163.com。

③LM-Lag和LM-Error统计量分别为1 346.60和 1 301.03,Robust LM-Lag和Robust LM-Error统计量分别为45.62和0.05。LR(SDM-SAR)和LR(SDM-SEM)统计量分别为109.30和17.75;Wald(SDM-SAR)和Wald(SDM-SEM)统计量分别为113.65和20.61。综上分析,空间杜宾模型更适合本文。

④Moran指数检验结果、绝对β收敛检验结果及通过改变空间权重矩阵、缩尾处理、使用空间自回归和空间误差模型等多种方式进行回归估计的条件β检验结果作为稳健性检验结果,均支持基准回归结果。结果限于篇幅未报告,留存备索。

[1]王艺明, 胡久凯. 对中国碳排放环境库兹涅茨曲线的再检验[J]. 财政研究, 2016(11): 51-64.

[2]何建坤, 卢兰兰, 王海林. 经济增长与二氧化碳减排的双赢路径分析[J]. 中国人口·资源与环境, 2018(10): 9-17.

[3]马翠萍, 史丹. 贸易开放与碳排放转移:来自中国对外贸易的证据[J]. 数量经济技术经济研究, 2016(7):25-39.

[4]徐德义, 马瑞阳, 朱永光. 技术进步能抑制中国二氧化碳排放吗?——基于面板分位数模型的实证研究[J]. 科技管理研究, 2020(16): 251-259.

[5]姬新龙, 杨钊. 碳排放权交易是否“加速”降低了碳排放量和碳强度?[J]. 商业研究, 2021(2): 46-55.

[6]蔡礼辉, 张朕, 朱磊. 全球价值链嵌入与二氧化碳排放——来自中国工业面板数据的经验研究[J]. 国际贸易问题, 2020(4): 86-104.

[7]安超, 雷明. 二氧化碳排放、人力资本和内生经济增长研究[J]. 中国管理科学, 2019(5): 149-160.

[8]徐斌, 陈宇芳, 沈小波. 清洁能源发展、二氧化碳减排与区域经济增长[J]. 经济研究, 2019(7): 188-202.

[9]王迪, 聂锐, 王胜洲. 中国二氧化碳排放区域不平等的测度与分解——基于人际公平的视角[J]. 科学学研究, 2012(11): 1662-1670.

[10]刘华军, 石印, 雷名雨. 碳源视角下中国碳排放的地区差距及其结构分解[J].中国人口·资源与环境, 2019(8):87-93.

[11]李建豹, 张志强, 曲建升, 等. 中国省域CO2排放时空格局分析[J]. 经济地理, 2014(9): 158-165.

[12]蔡博峰, 王金南. 长江三角洲地区城市二氧化碳排放特征研究[J]. 中国人口·资源与环境, 2015(10):45-52.

[13]王兴民, 吴静, 王铮, 等. 中国城市CO2排放核算及其特征分析[J]. 城市与环境研究, 2020(1):67-80.

[14]王少剑, 谢紫寒, 王泽宏. 中国县域碳排放的时空演变及影响因素[J]. 地理学报, 2021(12): 3103-3118.

[15]刘华军, 邵明吉, 吉元梦. 中国碳排放的空间格局及分布动态演进——基于县域碳排放数据的实证研究[J].地理科学, 2021(11): 1917-1924.

[16]孙耀华, 仲伟周. 中国省际碳排放强度收敛性研究——基于空间面板模型的视角[J]. 经济管理, 2014(12): 31-40.

[17]张卓群, 张涛, 冯冬发. 中国碳排放强度的区域差异、动态演进及收敛性研究[J]. 数量经济技术经济研究, 2022(4):67-87.

[18]朱国忠, 乔坤元, 虞吉海. 中国各省经济增长是否收敛?[J]. 经济学(季刊), 2014(3): 1171-1194.

[19]ROMAR P M. Increasing return and long-run growth[J]. Journal of Political Economy, 1986,94(5): 1002-1037.

[20]马恩涛, 杨璇. 财政压力、高能耗企业与碳排放——基于教育事权改革的准自然实验[J]. 财贸经济, 2022(6):48-63.

[21]高新才, 韩雪. 黄河流域碳排放的空间分异及影响因素研究[J]. 经济经纬, 2022(1): 13-23.