经济增长碳脱钩的联动效应研究
——基于“全国一盘棋”视角下的社会网络分析

孙传旺 陈智龙

(厦门大学,福建 厦门 361000)

一、引言与相关文献综述

党的二十大报告指出,积极稳妥推进碳达峰碳中和需要坚持先立后破,有计划分步骤地实施碳达峰行动。同时,实现“双碳”目标要处理好“发展与减排的关系”以及“局部与整体的关系”。这意味着各地区不仅要优化经济增长碳脱钩状态,保持经济高质量发展(林伯强,2022),还需强化“全国一盘棋”意识,促进区域间低碳发展与节能减排的协同联动(邵帅 等,2019)。“不谋全局者,不能谋一域”,各省份应当清晰认识其在全国经济增长碳脱钩状态空间关联网络中的角色,提高碳脱钩网络的整体关联性,形成合理的碳脱钩空间布局(韩梦瑶 等,2021)。在此背景下,鉴别不同地区在经济增长碳脱钩关联网络中的角色及其碳脱钩状态传递方式,研究引致碳脱钩空间关联不同流向背后的作用机制和影响因素,有助于在综合考量区域差异和关联的基础上,逐步优化经济增长碳脱钩状态,科学有序推进碳达峰碳中和。

为了更好地揭示经济增长与碳排放的同步变化规律,反映经济发展范式绿色低碳化程度,越来越多的学者选择Tapio脱钩弹性系数法(Tapio,2007)测算地区经济增长碳脱钩状态,从而揭露经济增长与碳排放之间的动态关联(夏勇,2017)。目前国内外关于地区经济增长碳脱钩状态测算的文章已是汗牛充栋,大量研究表明不同地区之间的碳脱钩状态存在差异(Gupta,2015;李忠民 等,2010)。其中,部分学者认为地区间的碳脱钩状态差距正在不断变大(张成 等,2013) ,但也有学者持相反观点(邓小乐 等,2016)。影响经济增长碳脱钩状态的主要因素包括经济规模、技术水平、能源强度、能源结构以及产业结构等(Zhu et al.,2017;Zhou et al.,2017;翁钢民 等,2021)。随着我国区域政策的不断完善,各地区协调发展、同频共振已成为经济发展的“新常态”。在区域政策和市场机制的双重推动下,要素流动、商品贸易以及其他经济活动愈加频繁,技术创新水平(张曦 等,2020)、经济发展(李敬 等,2014)、能源强度(李博,2015)等影响经济增长碳脱钩状态的各类指标呈现出密切的空间关联关系与扩散效应,使得某一区域与另一区域在经济增长碳脱钩状态上存在纵横交错、纷繁复杂的空间互动。张赫等(2022)认为,县域经济增长碳脱钩状态存在正向溢出的现象。翁钢民等(2021)发现旅游业增长碳脱钩状态具有显著的空间相关性和空间集聚效应。Zhou et al.(2023)研究发现相邻地区的建筑业增长碳脱钩状态较为接近,换言之,碳脱钩状态可能存在空间溢出效应。综合现有文献,可以看出大多数研究仅停留在分析局部地区碳脱钩状态的演变及其影响因素层面,而从全局性视角深入探讨区域间经济增长碳脱钩状态空间关联的研究却寥寥无几。相较于空间计量等统计学实证方法,社会网络分析法可以更好地构建经济增长碳脱钩空间关联网络,进而揭示碳脱钩状态空间关联的总体特征以及各区域在关联网络中的作用(Deng et al.,2022)。因此,本文首先采用社会网络分析法构造经济增长碳脱钩状态的空间关联网络,进而研究地区间经济增长碳脱钩状态的空间关联性,分析各地区在碳脱钩网络中所扮演的角色和发挥的作用,然后借助二次指派程序方法(Quadratic Assignment Procedure,QAP)考察碳脱钩状态空间关联效应的影响因素。

与现有文献相比,本文的贡献主要体现在:(1)运用社会网络分析法构建了我国省际经济增长碳脱钩空间关联网络,从而研究了区域间碳脱钩状态的联动效应,以及碳脱钩空间关联效应的影响因素,推动了社会网络分析法在碳脱钩领域的应用。(2)将块模型分析应用于经济增长碳脱钩领域研究,实证结果发现我国30个省份分别位于四个不同的功能板块中,共同维系各地区碳脱钩状态的空间关联性。(3)在碳脱钩空间关联模型的构建上做出了创新与改进。首先将不同程度的脱钩状态进行赋值处理(罗芳 等,2020),然后以赋值作为衡量碳脱钩状态的指标参与模型构建(杜之利 等,2021),避免了直接将脱钩指数作为衡量指标可能导致的误差(1)根据Tapio脱钩分析法,判断碳排放脱钩状态需要同时考虑经济增长、碳排放增长以及脱钩指数三个变量的符号与大小,若直接将脱钩指数作为衡量脱钩状态的指标则会造成一定的误差。。

二、模型构建与数据

(一)空间关联网络构建

社会网络分析法是一种针对关系数据的跨学科分析方法,可以研究相关变量的空间关联关系及其网络特征(李敬 等,2014)。本文借鉴刘华军等(2015)的做法,利用引力模型构建经济增长碳脱钩空间关联网络,碳脱钩空间溢出效应的具体公式如下:

(1)

根据式(1),得到我国30省份(除西藏、港澳台地区外)经济增长碳脱钩状态的引力矩阵X=(Xij)30×30,再将引力矩阵进行“0-1”二值化处理,具体做法为:若某个元素大于该行的平均值,则记为1,表示该元素所在的行对应省份与所在列对应省份在碳脱钩状态上具有明显的关联关系;反之,记为0,表示不存在明显的关联关系。在此基础上,将引力矩阵转化为经济增长碳脱钩状态的空间关联网络矩阵。

(二)空间关联网络的特征指标

1．整体网络特征

刻画整体网络特征的指标有网络密度(Dn)、网络关联度(Cn)、网络等级度(Hn)以及网络效率(En)。网络密度(Dn)刻画了一个群体所有成员之间的联系程度,可表示为:

Dn=L/(N×(N-1))

(2)

其中,L代表空间关联网络中的关联数量,N×(N-1)代表最大可能的关联数,Dn取值范围为0到1。网络密度越大,代表网络中不同主体之间的关联性越强。

网络关联度(Cn)能够刻画网络自身的稳健性和脆弱性,可表示为:

Cn=1-V/(N×(N-1)/

2)

(3)

其中,V表示没有产生直接关联的数量,Cn取值范围为0到1。网络关联度(Cn)越大,各主体之间联系越密切。

网络等级度(Hn)反映了各成员产生相互关联的难易程度,可表示为:

Hn=1-K/max(K)

(4)

其中:K表示对称可达的点对数,即能够互相产生溢出效应的点对数;max(K)表示最大对称可达的点对数;Hn取值范围为0到1。碳脱钩网络等级度越高,表明各主体之间产生关联的难度越大。

网络效率(En)刻画了网络中各成员的联系效率,网络效率越低,说明区域间存在越多的连线,溢出渠道越多,网络也就越稳定,可表示为:

En=1-Mijmax(M)

(5)

其中,M代表网络中存在的多余关联数(两个网络主体之间产生关联的过程中与其他主体的关联数称为多余关联数),max(M)表示最大的多余关联数。

2．个体网络特征

各地区在网络中的中心地位可以用度数中心度和中介中心度来衡量。度数中心度(De)指网络中与某一区域直接相连的数目(用n表示)和最大可能直接相连的区域数目(用N表示)之比,度数中心度越高的地区,与其他省份的空间关联程度越高,可表示为:

De=n/(N-1)

(6)

中间中心度(Cbi)越大的地区越靠近空间网络结构的枢纽位置,对其他地区的空间关联关系影响程度越大,可表示为:

(7)

若一个区域处在多个区域相连接的路径中,那么该区域在空间网络中就处于一个重要的枢纽位置。假设区域j和k之间存在gjk条路径,其中有gjk(i)条经过区域i,那么区域i对于区域j和k的重要性就可以用bjk(i)= gjk(i)/gjk表示。将区域i对于空间网络中任意两个区域的重要性相加,便可得到区域i的绝对中间中心度,将其标准化就是相对中间中心度(本文采用的是相对中间中心度)。

3．块模型分析

块模型分析可以用来探讨碳脱钩网络中各个省份所在的位置(张辉 等,2019)。根据块模型理论和各地区实际特征,将我国划分成四个不同的板块:“碳脱钩净受益”板块、“碳脱钩净溢出”板块、“碳脱钩双向溢出”板块以及“碳脱钩经纪人”板块。其中:“碳脱钩净受益”板块不但可以接收自身内部城市发出的经济增长碳脱钩关系,也可以接收其他板块发出的经济增长碳脱钩关系,且接收的关系明显多于发出的关系;“碳脱钩净溢出”板块与之相反,其发出的关系明显多于接收的关系;“碳脱钩双向溢出”板块既可接收关系也可发出关系,但其接收的关系中,以自身内部发出的关系居多;“碳脱钩经纪人”板块与“碳脱钩双向溢出”板块类似,但它们与其他板块之间的联系更多。

(三)QAP回归模型构建

我国省际碳排放空间关联呈现出网络结构形态(Wang et al.,2018),且受到地理距离(Zhang,2017)、经济发展水平(Ma et al.,2019)、能源强度(郑航 等,2022)、技术水平(庞庆华 等,2019)、产业结构(王晓平 等,2020)、能源结构(赵桂梅 等,2020)等因素的影响。故本文选取以上六个指标作为影响碳脱钩空间关联效应的变量,构建如下QAP回归模型:

T=f(D,P,I,S,E,R)

(8)

其中,D、P、I、S、E、R分别表示地理距离差异矩阵、经济水平差异矩阵、产业结构差异矩阵、能源强度差异矩阵、能源结构差异矩阵、技术水平差异矩阵。各变量矩阵具体的衡量指标以及数据来源见表1。所有变量矩阵的元素均经过“0-1”二值化处理。

表1 变量含义以及衡量指标

(四)数据来源与描述性分析

1.数据来源

本文选取“双碳”目标提出之前的2005—2019年我国30个省份(不包含西藏和港澳台地区)作为样本空间,构建碳排放脱钩空间关联网络。相关数据来自《中国统计年鉴》《中国能源统计年鉴》及国家统计局,地理距离数据由Arcgis 软件测算出。基于IPCC Guidelines for National Greenhouse Gas Inventories(2)http://www.ipcc-nggip.iges.or.jp/public/2006gl/vol2.html.提出的因素分解法,本文选取煤炭、原油、焦炭、燃料油、汽油、煤油、柴油、天然气八种能源,测算出各地区二氧化碳排放量。

Tapio脱钩分析法(Tapio,2007)引入弹性概念,通过简单的数量关系表征经济发展与污染物排放的关系,为定量描述经济增长与碳排放的相互关系提供了全新视角(陆钟武 等,2011)。基于Tapio脱钩分析法,可测算出2005—2019年间我国各省份经济增长与碳排放脱钩状态,具体表示如下:

(9)

其中,ΔC为当期碳排放与前一期碳排放之差,C为前一期碳排放,ΔG为当期GDP与上一期GDP之差,G为前一期GDP。

借鉴Tapio(2007)、罗芳等(2020)对弹性值变化范围的划分,将碳脱钩状态类型划分成强脱钩、弱脱钩、衰退脱钩等八种,详见表2。为便于计算经济增长碳脱钩状态的空间关联关系,本文将强负脱钩、扩张负脱钩、弱负脱钩、衰退连接、扩张连接、衰退脱钩、弱脱钩、强脱钩八种碳脱钩状态分别赋值为1～8分。

表2 经济增长与碳排放脱钩状态类型

2.分地区碳脱钩状态描述性分析

按照地理位置,将我国30个省份划分成东部、中部、西部三个区域,比较各区域2005—2009年、2010—2014年、2015—2019年三个时期经济增长碳脱钩的表现情况,结果如图1所示。

图1 各区域经济增长碳脱钩状态平均得分

由图1可知,西部地区碳脱钩状态平均得分较低,这与新疆、内蒙古、陕西等省份经济发展高度依赖于煤炭资源以及我国西部大开发政策导致碳排放重心向西北地区转移有关(高长春 等,2016);中部地区碳脱钩状态平均得分呈现先上升后下降的趋势,2010—2014年平均得分为7.08,但2015—2019年平均得分仅为6.80;东部地区的经济增长碳脱钩状态整体上优于其他地区,原因在于东部地区的产业结构转型升级进程领先于其他地区,高新技术产业、战略性新兴产业增加值增长较快,落后产能逐步被淘汰,转方式调结构使得东部地区近些年的经济增长碳脱钩状态明显优化。

三、经济增长碳脱钩空间关联网络特征分析

(一)整体网络特征及演变趋势分析

经济增长碳脱钩空间关联网络结构分析包括三部分内容,即网络结构形态分析、网络密度与网络关联度分析、网络效率与网络等级度分析,分别从三个不同视角出发研究碳脱钩整体网络特征及其演变趋势。从整体上看,我国各省份之间经济增长碳脱钩状态的关联网络呈现出复杂化趋势,以长三角地区为代表的标杆地区在我国绿色低碳高质量发展中充分发挥带动作用,形成梯次带动中西部地区绿色协调发展的新路径。在坚持“全国一盘棋”原则实现“双碳”目标的背景下,各地区产业协同转型发展、环境协同治理、生态协同保护,使得经济增长碳脱钩状态的相互溢出效应也随之增强,即碳脱钩关联网络变得更加复杂且高效。

1.经济增长碳脱钩的网络结构形态分析

碳脱钩网络结构形态可以直观反映不同地区在碳脱钩网络中所处的位置,以及与其他地区产生关联的数量,包括溢出碳脱钩关系数量和接受碳脱钩关系数量,从而判断该地区在整个碳脱钩网络中所发挥的作用。本文借助引力模型计算我国各省份经济增长碳脱钩的空间关联关系,并在此基础上构建经济增长碳脱钩空间关联网络,样本区间为2005—2019年。图2～4分别展示了2005年、2011年、2019年我国省际碳脱钩网络结构形态。可以看出,各地区之间经济增长碳脱钩状态存在复杂的空间关联关系,且关联数量(图中有向线段即表示空间关联关系)随时间逐渐增加,表明省际经济增长碳脱钩状态的空间关联性正在不断提高。复杂的碳脱钩网络结构形态说明不同地区之间碳脱钩状态能够打破地理间隔产生相互影响,同时也验证了使用社会网络分析方法的必要性。

图2 2005年经济增长碳脱钩状态的空间关联网络

图3 2011年经济增长碳脱钩状态的空间关联网络

图4 2019年经济增长碳脱钩状态的空间关联网络

北京、上海、广东、浙江等地长期位于空间关联网络中间,同时接受和发出大量碳脱钩关联关系;而吉林、新疆、青海、宁夏等地则处在空间关联网络边缘,与其他省份的碳脱钩关联关系较少。原因可能在于,北上广地区为我国重要的交通枢纽和经济集聚中心(武文杰 等,2011),与各地的经贸往来、科研合作、人才交流等活动密切,从而间接影响其他地区经济增长碳脱钩状态。具体而言,北京、上海等发达地区在交通碳排放效率关联网络、能源消费空间关联网络中处在核心主导地位,而吉林、宁夏等偏远省份则处在绝对边缘位置(邵海琴 等,2021)。与2005年相比,2019年碳脱钩空间关联网络中位于网络边缘的省份(如新疆、宁夏、陕西等地)与其他地区的关联数量明显变多,原因可能在于交通等基础设施的逐渐完善促进了省际要素流动,同时各省份的商贸往来、科技交流等活动更加频繁,进而增强了经济增长碳脱钩状态的区域联动性。综上,一方面,我国省际经济增长碳脱钩空间关联网络的结构形态随着时间推移变得愈加复杂,说明碳脱钩空间联动效应正在不断加强,这也证明了我国坚持“全国一盘棋”实现碳中和的必要性。另一方面,北上广等发达地区长期位于脱钩网络中心位置,与各地区碳脱钩状态联系紧密;而宁夏、新疆等边远地区虽处在脱钩网络的边缘地位,但碳脱钩关联数量逐年增加,同其他省市的交流正在不断加强。

2.经济增长碳脱钩的网络密度与网络关联度分析

碳脱钩网络关联数代表脱钩网络中不同主体碳脱钩状态相互溢出的关系数量,网络密度则是网络关联数占最大可能关联数的比值,反映碳脱钩网络整体关联性强弱。网络关联数和网络密度越大,网络中不同主体间的空间关联性越强。本文测算了我国各地区经济增长碳脱钩空间关联网络的关联数量以及网络密度的时空演变趋势,结果如图5所示。同时,2005—2019年碳脱钩网络关联度的测算结果均为1,表明我国各地区碳脱钩状态之间存在密切的空间关联。

图5 网络关联数与网络密度

网络关联数与网络密度的变化趋势保持一致,且可以分为三个阶段:2005—2008年网络关联数与网络密度的增长速度较快,2009—2015年变化趋势不明显,2016—2019年又表现出显著的上升趋势。同时脱钩状态的网络关联数最高也才达到408,远低于30个地区最大关联关系数870(30×29),表明我国各地区经济增长与碳排放脱钩状态的整体空间关联性水平不高,需要进一步加强各地区间关联性,助力“全国一盘棋”实现碳中和目标。此外,样本期内的网络密度平均值只有0.415,表明各地区经济增长碳脱钩状态的空间关联关系不够紧密,省际交流仍需要进一步加强。

3.经济增长碳脱钩的网络效率与网络等级度分析

通俗来讲,网络效率就是各地区之间经济增长碳脱钩状态相互溢出的快慢,网络等级度反映出不同地区碳脱钩状态溢出的难度。结构越复杂的空间网络其网络效率越低,而网络等级度越低越有利于碳脱钩状态产生空间关联关系,使得网络中碳脱钩关联数量增加,导致碳脱钩网络结构变得更加复杂。

2005—2019年经济增长碳脱钩空间关联网络的网络效率与网络等级度见图6。可以看出,网络效率表现出波动减小的趋势,在2010年和2018年出现显著下降,这表明经济增长碳脱钩空间网络的关联性在逐步提高,整体网络的稳定性不断上升。

图6 网络等级度与网络效率

网络等级度反映不同地区间存在的空间等级制度,等级制度越高,各地区之间产生相互影响就越难(曹薇 等,2019)。由图6可知,我国省际经济增长碳脱钩状态的网络等级度呈现出下降的趋势,说明地区间固有的等级制度逐渐被打破,省际的空间交互作用正不断扩大。网络等级度与网络效率在2005—2019年间存在较强的波动性,其原因可能是:不同地区间存在明显的经济发展梯度,低碳绿色工业化水平差距较大,区域间的不平衡会导致低碳产业布局以及减排步伐不一致的局面,从而影响地区间碳排放脱钩状态相互溢出的难易程度,表现在省际网络等级度在整体下降趋势中伴随着较强的波动。

(二)个体网络结构特征及演变趋势分析

本文测度了2005—2019年间碳脱钩空间关联网络个体特征及其演变趋势,具体指标为受益关联关系、溢出关联关系、度数中心度、中间中心度,以揭示各地区在碳脱钩状态空间关联网络中的定位和作用。图7展示了2019年我国七大区域(3)根据地理位置将我国各省份划分为华北、东北、华东、华中、华南、西南、西北七大区域。各指标测算结果。

图7 受益(溢出)关联关系数、度数(中间)中心度

受益关系数是指收到其他地区碳脱钩状态关联关系数量,溢出关系数代表该地区向外发出的碳脱钩状态关联关系数量(张正峰 等,2023)。总体上看,东部沿海地区的受益关联数量明显大于溢出关联数量,而中西部地区溢出关联数量明显普遍高于受益关联数量。

度数中心度和中间中心度衡量的是碳脱钩空间关联网络的中心性结构。度数中心度越高的地区与其他地区碳脱钩的关联程度越大。由图7可知,华东、华南区域度数中心度较高,说明该区域内省份和其他地区的碳脱钩空间关联关系较为密切,这与张德钢等(2017)的研究结果相似。究其原因,华东、华南区域省份均为我国经济水平、科技发展水平较为发达或者人口、劳动力较为密集的地区,在科技、教育、文化、卫生等领域与其他地区存在较多空间关联关系,与其他地区在碳排放脱钩、经济绿色转型等方面沟通的障碍较少。北京、上海、广东、江苏等地科技创新能力较强,能源效率较高,吸引了大量的创新要素集聚,表现出“孔雀东南飞”的现象(刘和东,2013),因此这些地区能够与其他地区产生密切的关联,处在碳脱钩网络的枢纽位置。山东、湖南等地年末常住人口位居全国前列,劳动力资源丰富,劳动力流动使其与各地的联系更加紧密,而技能型劳动力集聚则对地区减排存在显著影响(赫永达 等,2022)。由此可见,经济发展水平、科技创新能力以及劳动力流动等因素对于省际经济增长与碳排放脱钩状态的空间关联性具有重要影响。

中间中心度越大的地区越靠近碳脱钩网络的枢纽位置,与其他地区进行碳脱钩状态交流的能力越强。从图7可知,华北、华东、华南地区的中间中心度较高,如广东、北京、江苏、上海等,这些地区与其他地区进行碳排放脱钩状态交流的效率更高,处在关联网络的枢纽位置。这与童磊等(2020)的研究结果相似,其同样发现这些地区处在我国碳排放空间关联网络的中心枢纽位置,扮演着重要的“中介”角色。同时,从整体上看,中间中心度呈现出明显的空间非均衡特征,排名前列的地区控制着网络中绝大部分的空间联系,而其他地区如西北、西南地区宁夏、新疆、贵州、云南等地,处在“被支配”的边缘地位,主要原因在于地理位置偏远且交通设施不够完善。

(三)经济增长碳脱钩的块模型分析

本文采用迭代相关收敛法将复杂网络简化为块模型实现网络的聚类分析。参考王小华等(2022)的做法,选择最大分割深度为2,收敛标准为0.2,将30个省份划分成四个板块。四个板块具体的接受关系数和发出关系数结果如表3所示。

表3 2019年省际经济增长碳脱钩状态空间关联板块的溢出效应

第一板块接受关系总数为107个,其中板块内9个,板块外98个;发出关系总数为47个,其中板块内9个,板块外38个。该板块既接受关系也发出关系,且接受关系数明显大于发出关系数,故第一板块属性为“碳脱钩净受益”板块。该板块包括北京、上海、江苏、浙江等省份,经济发达但自身资源相对匮乏,需要接受来自其他地区能源等生产要素的输入,如“西气东输”“西电东送”工程等。因此,可以认为第一板块各地区在整体网络中表现为“碳脱钩净受益”角色。

第二板块接受关系总数为47个,其中板块内2个,板块外45个;发出关系总数为44个,其中板块内2个,板块外42个。该板块既接受关系也发出关系,但在接受关系中与其他板块关联更多,因此确定第二板块属性为“碳脱钩经纪人”板块。该板块包括天津、福建、广东、重庆等省份,其度数中心度均在全国排名前列,表明这些地区与其他地区相互关联的效率更高,在空间关联网络中扮演着“中介”的角色,这也与第二板块“碳脱钩经纪人”属性相符。

第三板块接受关系总数为63个,其中板块内16个,板块外47个;发出关系总数为70个,其中板块内16个,板块外54个。该板块既接受关系也发出关系,且其接受关系中以内部发出的关系居多,因此第三板块属性为“碳脱钩双向溢出”板块。该板块包括9个省份(河北、山西、安徽、江西、山东、河南、湖北、湖南、陕西),主要是以农林牧业、传统工业等为支柱产业的地区,这些地区对板块内地区发出关系的数量与其接受来自其他地区关系的数量差距相对较小,因此表现出“双向溢出”属性。

第四板块接受关系总数为20个,其中板块内1个,板块外19个;发出关系总数为76个,其中板块内1个,板块外75个。该板块既接受关系也发出关系,且发出关系数明显大于接受关系数,因此确定第四板块属性为“碳脱钩净溢出”板块。该板块包括内蒙古、辽宁、吉林、黑龙江、广西、海南、四川、贵州、云南、甘肃、青海、宁夏、新疆等省份,主要为能源资源丰富或生态资源丰富的中西部地区,蕴藏丰富的风电和太阳能资源(徐斌 等,2019)。西北、华中地区为清洁能源主要的输出端,而华东地区为受能端(林伯强 等,2022),故第四板块在经济增长碳脱钩状态空间关联网络中扮演“碳脱钩净溢出”角色。

四、经济增长碳脱钩空间关联关系影响因素分析

本文基于二次指派程序(QAP)研究经济增长碳脱钩关联关系的影响因素。QAP分析法包括相关性分析与回归分析。其中,QAP相关性分析可以验证不同矩阵变量之间存在多重共线性;若不同变量之间存在多重共线性,则需要进一步使用能够解决多重共线性问题的QAP回归分析方法,再对其相关系数进行非参数检验(Everett,2002)。

(一)QAP相关性分析

首先采用QAP相关性分析考察被解释变量矩阵,即碳脱钩空间关联矩阵和地理距离矩阵、经济水平差异矩阵等6个影响因素矩阵之间的相关关系。参考李敬等(2014),本文选择5000次随机置换,得到的结果如表4所示。表4中的实际相关系数根据两个矩阵的具体数值计算得出,相关系数均值根据5000次随机置换计算得出,最大值、最小值是随机置换计算出的最大和最小相关系数,P≥0表示随机置换计算出的相关系数大于或等于实际相关系数的概率,P≤0表示随机置换计算出的相关系数小于或等于实际相关系数的概率。

表4 空间关联矩阵T与其他影响因素矩阵的QAP相关性分析结果

QAP相关性分析结果表明,碳脱钩空间关联矩阵T与地理距离矩阵D的相关系数在1%水平上显著为负,说明地理距离对于碳脱钩状态空间溢出效应确实存在显著的负向影响。能源强度矩阵S与空间关联矩阵T的相关系数在1%水平显著为负,但是相关系数小于地理距离矩阵D与空间关联矩阵T的相关系数,说明其对空间溢出的影响相对弱一些。经济水平矩阵P、技术水平矩阵R与空间关联矩阵的相关系数较大,且均在1%水平上显著为正,说明二者对于脱钩状态的影响较为突出,经济水平发达、技术水平先进的地区其碳排放脱钩状态对于其他地区的溢出效应更大。经济发展动力逐步转向技术进步程度更高、以信息通信技术为主导的低碳产业,进入低碳发展轨道(孙传旺 等,2022),因此在实现“双碳”目标过程中应该重视这些地区的经济增长碳脱钩状态。产业结构矩阵I、能源结构矩阵E与碳脱钩空间关联矩阵T的相关系数较小且不显著,说明产业结构与能源结构对于碳脱钩状态的溢出效应作用不明显,与Zhang et al.(2015)的研究结论一致。

进一步对与碳脱钩空间关联矩阵显著相关的四个变量矩阵进行相关性分析,发现地理距离矩阵D、经济水平矩阵P、技术水平矩阵R以及能源强度矩阵S之间两两存在显著的相关性(4)篇幅所限,结果未详细列示,留存备索。。这说明上述四个变量矩阵对于碳排放空间关联矩阵的影响可能存在重叠性,需要采用QAP回归分析才能较好处理多重共线性问题。这也验证了本文采用QAP回归分析的必要性(王晓平 等,2020)。

(二)QAP回归分析

QAP回归分析的目的在于研究一个变量矩阵与多个变量矩阵之间的回归关系,其过程分为两步:首先,对所有变量矩阵对应的长向量元素进行一般的多元回归分析;其次,对因变量矩阵各行各列进行随机置换处理,再重复上一步,计算多元回归的结果。当这两步重复足够多次数后,便可以估计统计量的标准误。相关系数的估计和检验方法与QAP相关性分析一致。

本文采取QAP回归分析,选择5000次随机置换,得到我国经济增长碳脱钩状态空间关联矩阵T与影响因素矩阵(地理距离矩阵D、经济水平差异矩阵P、能源强度差异矩阵S、技术水平差异矩阵R)的QAP回归分析结果,具体如表5所示。概率1、概率2分别表示5000次随机置换过程中4个解释变量的回归系数大于等于、小于等于实际观察到的回归系数的概率值,进行的是双尾检验。模型决定系数R2和调整后R2的值分别为0.344和0.341,说明四个变量矩阵可以解释碳排放脱钩状态空间关联关系变异的34.1%。P值是随机置换产生的决定系数不小于实际观察值的概率,为单尾检验的概率。P值为0,说明调整后R2在1%水平上显著。考虑到30个省份的空间关联矩阵为30行30列的矩阵,忽略对角线的元素,可得30×(30-1)=870个样本数。

表5 空间关联矩阵T与影响因素的QAP回归分析结果

表5结果显示,地理距离矩阵D、经济水平差异矩阵P、能源强度差异矩阵S以及技术差异矩阵R四个解释变量的标准化回归系数均在1%水平上显著,说明这四个变量对于省际经济增长碳脱钩状态的空间关联关系具有重要作用,与 Liu et al.(2021)的研究结论相似。地理距离变量矩阵D与能源强度变量S的回归系数为负,说明其对于碳脱钩状态的溢出效应存在抑制作用。相邻地区之间的经济互动往往更加频繁,进而使得经济增长碳脱钩状态的关系更紧密,碳中和能力存在空间溢出效应(杜鹏程 等,2022)。经济增长碳脱钩状态与碳中和能力密切相关,因此,地理位置上邻近的地区间碳脱钩状态关联性也会更强。能源强度差异矩阵S的回归系数为负,表明两个地区之间能源强度差异越小,碳脱钩的空间联动性越强。经济水平差异矩阵P与技术水平差异矩阵R的回归系数为正,说明经济水平、技术水平的差距越大,碳脱钩状态的溢出效应越强。经济发展水平较高、技术先进程度更高的地区对较落后地区的经济发展模式、技术水平能够产生显著的积极影响,原因在于欠发达地区会借鉴国内发达地区的发展模式,并加强与其科技创新交流等从而提高自身的技术水平。同时,经济发展水平、技术水平是影响碳排放脱钩状态的重要因素(宁亚东 等,2017),对区域低碳发展具有显著的促进作用(王玉娟 等,2021),因此经济发展水平差异、技术水平差异对于碳脱钩状态空间关联性具有正向影响效应。

五、结论与政策建议

本文在传统社会网络分析法基础上创新模型构建方法,探究了我国碳脱钩空间关联网络的结构特征以及演变趋势等,并且将二次指派程序(QAP相关性分析、QAP回归分析)应用于经济增长碳脱钩状态空间关联性的研究。具体结论包括:(1)整体上,我国各省份经济增长碳脱钩状态存在显著的区域差异性,东部地区优于中、西部地区,且各地区碳脱钩状态整体上呈现出上升的趋势。(2)经济增长碳脱钩状态的空间关联关系数量在逐年增加,但相对于最大可实现的空间关联关系数量仍处于较低的水平,各区域间的总体紧密程度不高。同时,网络的稳定性在不断变强,体现在碳脱钩状态网络等级度和网络效率均呈现出下降的趋势。(3)各省份在碳脱钩关联网络中扮演着不同的角色。通过中心性分析,本文发现北京、上海、广东三个地区长期处于碳排放脱钩空间关联网络中心位置,而部分偏远省份处在碳脱钩网络的边缘位置。(4)碳脱钩空间关联网络可以划分为四个不同的功能板块,即“碳脱钩净受益”板块、“碳脱钩经纪人”板块、“碳脱钩双向溢出”板块,以及“碳脱钩净溢出”板块。(5)地理距离、能源强度水平差异对于经济增长碳脱钩状态的空间关联性具有显著的负向影响效应,而经济水平差异、技术水平差异可以有效提高碳脱钩状态的空间关联性。

基于以上结论,本文提出如下政策建议:(1)系统把握经济增长碳脱钩空间关联网络,协同优化经济增长碳脱钩状态,促进不同地区间的要素流动、科技交流、商贸往来等活动,提高碳脱钩状态的空间联动效应。(2)充分发挥中部地区各省份“碳脱钩经纪人”角色的“中介”作用,提高省际多边科学合作,加快构建新型能源体系,实现能源结构低碳转型,提升可再生能源消纳能力。(3)加快完善全国性碳交易市场的建设,通过市场的手段引导高耗能行业实现能源结构转型,降低传统化石能源的使用比例,进而缩小地区间能源强度差距,提高经济增长碳脱钩空间关联性。