EN中文

经济地理 >

2024 , Vol. 44 >Issue 11: 122 - 131

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.11.013

产业经济与创新发展

中国减污降碳与扩绿增长耦合协调度的时空特征及其驱动因素

  • 尹碧波 , 1 ,
  • 邝萍 , 2, ※ ,
  • 欧阳昕彤 1 ,
  • 郑佳琦 1
展开
  • 1.湖南工商大学 资源环境学院，中国湖南 长沙 410205
  • 2.西南财经大学 中国西部经济研究院，中国四川 成都 611130
※邝萍（1999—），女，博士研究生，研究方向为环境经济。E-mail：

尹碧波（1979—），男，博士，教授，博士生导师，研究方向为环境经济。E-mail：

收稿日期: 2024-03-25

  修回日期: 2024-08-30

  网络出版日期: 2024-12-18

基金资助

国家社会科学基金一般项目(20BJL112)

湖南省社会科学成果评审委员会重大项目(XSP22ZDA002)

湖南省研究生科研创新重点项目(CX20231123)

收起

Spatio-temporal Characteristics and Driving Factors of the Coupling Coordination Degree Between the Pollution-Carbon Reduction，and the Green Expansion and Economic Growth in China

  • YIN Bibo , 1 ,
  • KUANG Ping , 2, ※ ,
  • OUYANG Xintong 1 ,
  • ZHENG Jiaqi 1
Expand
  • 1. School of Resources and Environment，Hunan University of Technology and Business，Changsha 410205，Hunan，China
  • 2. Institute of Western China Economic Research，Southwestern University of Finance and Economics，Chengdu 611130，Sichuan，China

Received date: 2024-03-25

  Revised date: 2024-08-30

  Online published: 2024-12-18

Fold

摘要

文章基于2011—2022年中国31个省份的面板数据，在构建减污降碳协同水平和扩绿增长指数评价指标体系的基础上，运用博弈论组合赋权法、耦合协调度模型、多尺度地理加权回归模型等方法，考察了中国减污降碳与扩绿增长耦合协调度的时空演化特征及驱动因素。结果表明：①研究期内中国减污降碳与扩绿增长耦合协调度总体呈现上升趋势，由轻度失调阶段上升至勉强协调阶段；空间分布从高到低依次为东部地区、中部地区、东北地区、西部地区，其中东部地区领先优势明显且逐渐扩大。②中国各省份减污降碳与扩绿增长耦合协调水平在空间上存在固化和动态变化特征，少数省份始终处于同一耦合协调阶段，多数省份上升至勉强协调及以上阶段。③从驱动因素看，能源消费结构对东北地区和京津冀地区耦合协调度的驱动作用较大，环境规制强度对华北地区耦合协调度的驱动作用较大，交通运输结构对东部沿海地区耦合协调度的驱动效应较大，人口密度对华中地区和华南地区耦合协调度的驱动效应较大，而能源利用效率的正向作用基本覆盖全部样本省份。

关键词： 减污降碳; 扩绿增长; 耦合协调; 时空演化特征; 驱动因素; 多尺度地理加权回归模型

本文引用格式

尹碧波 , 邝萍 , 欧阳昕彤 , 郑佳琦 . 中国减污降碳与扩绿增长耦合协调度的时空特征及其驱动因素[J]. 经济地理, 2024 , 44(11) : 122 -131 . DOI: 10.15957/j.cnki.jjdl.2024.11.013

Abstract

This article constructs the evaluation index systems of the synergy level of pollution-carbon reduction,and the index of green expansion and economic growth. Based on the panel data of 31 provincial-level regions in China from 2011 to 2022,it investigates the spatio-temporal evolution characteristics and driving factors of the coupling coordination degree between the pollution-carbon reduction,and the green expansion and economic growth in China using the methods of game theory combination weighting method,coupling coordination degree model,multi-scale geographical weighted regression model. The research indicates that: 1) From 2011 to 2022, the overall coupling coordination degree between the pollution-carbon reduction,and the green expansion and economic growth showed an upward trend in provincial-level regions of China,rising from the stage of mild imbalance to the stage of barely coordinated. The spatial distribution of coupling coordination degree from high to low is the eastern,central,northeastern,and western regions,with the leading advantage of the eastern region being obvious and gradually expanding. 2) The coupling coordination degree between the pollution-carbon reduction,and the green expansion and economic growth showed the characteristics of spatial solidification and dynamic changes from 2011 to 2022,with a few provinces always at the same stage of coupling coordination and most rising to the stage of barely coordinated and above. 3) Energy consumption structure exerts greater driving effect on the coupling coordination degree in the northeast China and Beijing-Tianjin-Hebei regions,environmental regulation intensity plays a greater driving role in the coupling coordination degree in north China,transportation structure plays a greater role in driving the coupling coordination in the eastern coastal region,population density has a larger driving effect on the coupling coordination in central and southern China,while the positive effect of energy utilization efficiency basically covers all provincial-level samples.

Key words： pollution-carbon reduction; green expansion and economic growth; coupling coordination; spatio-temporal evolution characteristic; driving factor; multi-scale geographic weighted regression (MGWR) model

自党的十八大以来，党中央已将生态文明建设提升作为全局性工作的重点，党的二十大报告也强调其在全面建设社会主义现代化强国中的核心作用。目前，我国生态文明建设成效显著，生态环境质量明显改善，已进入经济社会发展全面绿色转型由量变到质变的关键阶段。然而，我国工业化、城镇化发展所形成的产业结构偏重化工、能源结构偏煤炭、运输结构偏公路等问题尚未得到根本解决，生态文明建设面临的结构性、根源性和趋势性压力仍然显著，绿色转型内生动力不足。而减污、降碳、扩绿、增长作为新时代生态文明战略任务，其实质是生态文明发展范式下重构人与自然关系的系统性方案，其协同推进更是建设生态文明的根本方法，也是促进人与自然和谐共生现代化的重要举措[1]。因此，在生态文明建设处于压力叠加、负重前行的背景下，探索我国减污降碳与扩绿增长的耦合协调程度及其驱动因素，可为加快实现经济社会可持续发展提供理论支撑与参考依据。
关于减污降碳的研究，前期多以两者协同治理的内涵、路径和可行性等理论分析为主[2-3]，近期研究则集中于不同地区、行业或部门大气污染治理的协同降碳效应和温室气体治理的协同减污效应[4-8]，或是以政策协同为视角评估碳减排政策的减污效应和大气污染物治理政策的降碳效应[9-10]，抑或是探讨用能权交易制度、财政支出政策等其他类型政策产生的减污降碳双重环境福利[11-12]。此外，减污降碳协同效应的时空演化特征及其影响机制也是学者们关注的主要问题[13-14]。然而，目前扩绿、增长两词主要出现于中央与地方的政策文件中[15-16]，仅有的文献基本停留在扩绿增长的发力措施等理论分析上[17-18]。与之最为相关的定量研究也只有绿色经济发展水平测度分析，学界主要通过熵权法[19]、TOPSIS模型[20]及其衍生形式[21]构建多维度指标体系等方法进行。
综上发现，减污降碳与扩绿增长往往成对出现于政府工作报告与相关新闻报道中，同时涉及两者的实证研究较为少见。此外，现有相关文献尚未深入剖析减污降碳与扩绿增长耦合协调的内在机理，亦鲜有定量识别耦合协调度的驱动因素，对协同关系的测算分析更是少之又少。然而，减污降碳与扩绿增长两个系统是相互关联的，存在紧密的动态耦合互馈关系，因此有必要从耦合协调视角探讨二者之间的双向关系。鉴于此，本文以2011—2022中国31个省、自治区、直辖市（以下简称省份）为研究对象，基于减污降碳与扩绿增长的耦合协调机理，构建减污降碳协同水平与扩绿增长指数的评价指标体系，通过熵权法、博弈论组合赋权法分别加以测度，运用耦合协调度模型测算两者的耦合协调度，并进一步利用核密度估计、Tobit模型和多尺度地理加权回归（MGWR）模型等方法揭示我国减污降碳与扩绿增长耦合协调度的时空演化特征及其驱动因素，以期为经济社会实现全面低碳转型和高质量绿色发展提供理论指导和实证借鉴。

1 减污降碳与扩绿增长的互动演化机理

协同推进减污降碳是贯彻新发展理念、推动经济社会发展全面绿色转型的有力抓手[22]。减污降碳对扩绿增长的作用主要体现在以下3个方面：①绿色引领效应。减污降碳的协同治理不仅提升了中国企业的环保形象，增强了其在全球供应链中的竞争力，也为增加绿色产品的出口创造了机会。同时，严格的环保标准能够推动国内产业结构优化，促进清洁生产方式采纳，有利于改变“大量生产、大量消耗、大量排放”的生产模式和消费模式，增加经济增长绿色动能[22]。②环保引资效应。减污降碳协同治理能够降低环境友好型项目的投资风险，激发绿色金融市场发展，吸引金融机构投资于绿色产业，为绿色企业提供更多的融资渠道，从而缓解企业发展绿色项目投融资难等问题，为企业实现经济高质量发展提供绿色要素投入[23]。③社会激励效应，主要表现在减污降碳协同治理措施能够激发公众的绿色创业热情和提升环保意识上。政府采取多种措施鼓励投资于清洁技术与绿色产业，吸引创业者投身绿色创新领域，进一步推动绿色技术和产业的发展。此外，创业者的成功案例不仅引领了公众环保意识的积极转变，也促使居民更广泛地参与环保行动，绿色创业热情叠加环保意识提升，有效增强了绿色经济的持续增长能力。
图1 减污降碳与扩绿增长的互动演化机理

Fig.1 The mechanism of coupling coordination degree between the pollution-carbon reduction，and the green expansion and economic growth

扩绿增长对减污降碳主要发挥以下3个效应：①生态补偿效应。通过实施生态补偿项目，不仅促进了生态系统的恢复与保护，提高了生态系统服务水平，为减污降碳提供坚实的生态基础，还能够提高绿色植被多样性，增强自然环境的固碳作用，进而有效缓解温室效应。此外，生态补偿项目的实施通常伴随着环境治理，有助于在推动绿色发展的同时降低污染物排放总量[23-24]。②创新引擎效应。扩绿增长激发了对清洁能源和绿色技术的需求，促进相关产品和技术的创新，为实现减污降碳目标提供了新的解决方案。由此衍生出的创新产品和技术受到市场的广泛欢迎，在需求侧产生拉动效应，以优质的绿色供给引导市场需求向低碳环保方向转型[25]。③经济循环效应。推动资源生产循环经济模式是实现绿色发展的重要步骤之一，而此过程中形成物质闭路循环，将生产废弃物转化为循环产业链中下游的原材料，进而减少对自然界的排放[26]，以此实现产业链的升级与转型，加速向清洁生产方式的转变，强化源头污染物与温室气体排放的协同控制。

2 研究设计

2.1 评价指标体系构建

2.1.1 减污降碳协同水平评价指标体系

为综合比较我国不同省份碳减排和大气污染物控制的协同效应，本文根据《环境保护税法》中所设定的大气污染物当量系数归一化处理各大气污染物排放指标[3]。污染物排放当量E的计算方法如下：
E = α Q S O 2 + β Q N O x + γ Q P M
式中： Q S O 2、 Q N O x、 Q P M分别表示某地区SO2排放量、氮氧化物排放量、烟（粉）尘排放量； α、 β、 γ分别对应为三类大气污染物的排放当量系数 ① 。此外，鉴于减污与降碳两者的重要程度相同，均赋权为0.5。评价指标体系及说明见表1。
表1 减污降碳协同水平评价指标体系

Tab.1 Evaluation indicator system of the synergy level of pollution-carbon reduction

系统层 准则层 指标含义 单位 排放当量系数 权重
减污 大气污染
物排放		 SO2排放量 万t 1/0.95 0.5
氮氧化物排放量 万t 1/0.95
烟（粉）尘排放量 万t 1/2.18
降碳 碳排放 CO2排放量 万t - 0.5

2.1.2 扩绿增长指数评价指标体系

在深刻把握扩绿增长的内涵要求后，本文分别从自然资源管理、环境质量、经济发展与城乡结构4个维度选取33个基础变量，运用博弈论组合赋权法测算我国各省份扩绿增长指数（表2）。
表2 扩绿增长指数评价指标体系及说明

Tab.2 Evaluation indicator system for green expansion and economic growth

系统层 准则层 指标含义 层次分析法 熵权法 博弈论组合赋权法
自然资源管理 造林面积 造林总面积（千hm2） 0.0191 0.0333 0.0297
生态水比例 生态用水总量/用水总量（%） 0.0191 0.0655 0.0538
活力木蓄积量 立木材积总量/有林地总面积（亿m3/hm2） 0.0191 0.0580 0.0482
自然保护区覆盖率 自然保护区面积/行政区域面积（%） 0.0191 0.0343 0.0305
森林病虫鼠害防治 森林病虫鼠害防治率（%） 0.0191 0.0070 0.0100
地质灾害防治投资 地质灾害防治投资总额（万元） 0.0191 0.0922 0.0738
生态建设与保护投资 生态建设与保护本年完成投资总额（万元） 0.0191 0.0305 0.0276
绿色创新能力 绿色发明专利申请数量（个） 0.0191 0.0733 0.0597
环境质量 公园密度 公园个数/公园面积（个/km2） 0.0487 0.0168 0.0248
公园绿地率 公园绿地面积/公园面积（%） 0.0487 0.0161 0.0243
森林覆盖率 森林面积/行政区域面积（%） 0.0487 0.0227 0.0292
植被健康状况 归一化植被指数 0.0487 0.0084 0.0185
建成区绿地率 建成区绿地面积/建成区面积（%） 0.0487 0.0253 0.0312
建成区绿化覆盖率 绿化面积/建成区面积（%） 0.0487 0.0018 0.0136
环保投入强度 地方财政环保支出/财政一般预算支出（%） 0.0487 0.0134 0.0222
环境规制强度 工业治理完成投资额/第二产业增加值（%） 0.0487 0.0414 0.0432
经济发展 经济发展水平 人均GDP（元/人） 0.0354 0.0231 0.0262
经济发展速度 GDP指数（上年=100） 0.0354 0.0032 0.0113
通货膨胀水平 居民消费价格指数（上年=100） 0.0354 0.0074 0.0144
居民收入水平 居民人均可支配收入（元/人） 0.0354 0.0222 0.0255
地方财税收入 地方财政税收收入（亿元） 0.0354 0.0381 0.0374
资本形成增速 固定资产投资（不含农户）比上年增长（%） 0.0354 0.0015 0.0100
劳动报酬占比 劳动者报酬/GDP（%） 0.0354 0.0099 0.0163
外商依存程度 外商投资企业投资总额/GDP（%） 0.0354 0.1750 0.1399
劳动力市场状况 城镇登记失业率（%） 0.0354 0.0059 0.0133
研发投入强度 规模以上企业R&D经费/GDP（%） 0.0354 0.0256 0.0281
技术交易活跃度 技术市场成交额/GDP（%） 0.0354 0.0822 0.0704
城乡结构 城市化水平 城镇化率（%） 0.0113 0.0073 0.0083
产业结构 第三产业增加值/第二产业增加值 0.0113 0.0268 0.0229
消费需求结构 社会消费品零售总额/GDP（%） 0.0113 0.0054 0.0069
市场化程度 地区市场化指数（%） 0.0113 0.0046 0.0063
城乡消费差距 城镇人均消费支出/农村人均消费支出 0.0113 0.0161 0.0149
民生性财政支出占比 地方财政教育、医疗卫生、住房保障、社会保障和就业支出/财政一般预算支出（%） 0.0113 0.0054 0.0069

2.2 研究方法

2.2.1 博弈论组合赋权法

相较于单一赋权法，组合赋权法兼顾了决策者的主观性和数据的客观性，而博弈论组合赋权法基于博弈集结模型最小化主客观权重与组合赋权的偏差，进一步实现了主客观权重的价值最大化。参考韩叙等[27]的研究，本文采用层次分析法和熵权法获得的权重进行线性组合，以寻求最合理的指标权重。

2.2.2 耦合协调度模型

本文将减污降碳协同水平与扩绿增长指数视为同一系统内两个不同的子系统，并借助物理学中的耦合度概念，运用耦合协调度模型观测两者间存在的动态耦合互馈关系，以判断两系统之间的耦合协调程度及其所处阶段。由于测算所得的耦合协调度分布较为集中，粗略的划分方式无法反映微小的阶段变动情况，采用王淑佳等提出的“两大类十小类”划分方式将有助于识别和区分我国各省份耦合协调阶段的时空演化特征[28]，具体划分方式见表3。
表3 耦合协调度阶段划分及标准

Tab.3 Criteria for the division of stages of coupling coordination degree

耦合协调度 [0，0.1] （0.1，0.2] （0.2，0.3] （0.3，0.4] （0.4，0.5] （0.5，0.6] （0.6，0.7] （0.7，0.8] （0.8，0.9] （0.9，1.0]
耦合协调阶段 极度失调 严重失调 中度失调 轻度失调 濒临失调 勉强协调 初级协调 中级协调 良好协调 优质协调

2.2.3 多尺度地理加权回归模型

与经典地理加权回归模型相比，多尺度地理加权回归（MGWR）模型的驱动因子系数均基于数据差异化的带宽所得，其固定带宽更优，是处理驱动因子空间异质性最前沿的方法之一[29]。因此，本文采用MGWR模型探测减污降碳与扩绿增长耦合协调度驱动力的空间异质性。模型设定如下：
y i = ∑ j = 1 k β b w j ( u i , ν i ) x i j + β 0 ( u i , ν i ) + ε i
式中： y i为省份i的二者耦合协调度； x i j ( j = 1,2 , ⋯ , k )为省份i的耦合协调度驱动因素；bwj为第j个变量回归系数的弹性带宽； ( u i , ν i )为省份i的中心坐标； β 0 ( u i , ν i )、 ε i分别表示为模型的截距项和误差项。

2.3 数据来源与说明

鉴于城市层面相关数据的可得性较差，本文选取的研究样本为2011—2022年中国31个省份的面板数据（不包含港澳台）。值得说明的是，由于部分驱动因素的数据在西藏地区缺失严重，研究驱动因素时的样本数据不包含港澳台和西藏地区。其中，污染物排放数据来源于《中国环境统计年鉴》；能源数据来源于《中国能源统计年鉴》；工业过程和产品使用数据、农林业和土地利用变化数据来自《中国工业统计年鉴》和《中国农业统计年鉴》；绿色发明专利申请数据来自国家知识产权数据库，根据世界知识产权组织发布的国际专利分类绿色清单进行匹配；计算碳排放所需的排放因子数据来自《省级温室气体排放清单指南（试行）》、各级政府发布的碳排放清单指南，对缺失数据通过联合国政府间气候变化专门委员会（IPCC）排放因子数据进行补充；气象数据主要是基于美国国家海洋和大气管理局下属国家环境信息中心（NCEI）提供的原始数据编制而成；空气流通系数是根据Climate Data Store（CDS）发布的中国境内10m风速和边界层高度栅格数据所得；其余数据主要来源于《中国统计年鉴》以及相关国民经济与社会发展统计公报等，缺失数据采用线性插值法补齐。

3 减污降碳与扩绿增长耦合协调度的时空演化特征

3.1 时序演化特征分析

2011—2022年我国减污降碳与扩绿增长耦合协调度的时序演化特征如图2所示，两者的总体耦合协调度介于0.36~0.56，处于轻度失调、濒临失调和勉强协调3个阶段。整体而言，两者的耦合协调度呈现为上升趋势，从2011年的轻度失调阶段上升为2022年的勉强协调阶段。这一变化的原因主要是城市减污降碳协同发展在提升生态环境质量和稳定性的同时，促进了生物多样性的保护和恢复，为扩绿增长创造了良好的自然条件。此外，扩绿增长通过推广绿色生态和消费模式、发展绿色产业，以及增强生态产业供给等多方面措施，促进减污降碳协同发展，从而提高了耦合协调度。值得注意的是，2014年我国减污降碳与扩绿增长耦合协调度出现下降，这可能是由于2008年一揽子计划的后续影响导致全行业产能过剩和大量上游及中游行业亏损，企业减少减污降碳、环保和可持续方面项目的投资。
图2 全国及四大区域减污降碳与扩绿增长耦合协调度的时序演化

Fig.2 Evolution characteristics of coupling coordination degree between the pollution-carbon reduction，and the green expansion and economic growth in China and four regions

分区域时序演化特征显示，我国四大区域的耦合协调度均存在不同程度的上升。其中，东部地区的耦合协调度高于其他3个地区，且从2020年起差距逐渐扩大。这主要得益于东部地区的经济发达、政策支持力度大、资源配置优越及产业结构先进等优势，这些优势共同推高了其扩绿增长指数，并通过技术和管理优势促进减污降碳协同发展，与扩绿增长形成良性的互动循环。特别是在2020年“双碳”战略目标提出后，东部地区积极响应气候变化的应对政策和措施，加大环保和绿色发展的投资，从而进一步拉大了与其他地区的差距。中部地区的耦合协调度在2011—2016年呈上升趋势，主要原因是“中部崛起”战略等政策支持和环保投资的增加。但自2016年起，由于经济增长放缓和环保面临的挑战加剧，耦合协调度出现下降，2019年达到最低点。随着技术进步和政策调整，尤其是在环保资金投入和绿色产业推动方面的加强，2019年后中部地区的耦合协调度快速回升。东北地区作为我国重要的工业基地，其耦合协调度保持缓慢的增长态势，主要是因为该地区经济结构单一，且重工业占比较大，环境治理和产业升级难度较大。由于传统工业依赖煤炭等高污染能源，地方政府试图推进的环境政策和绿色发展措施执行进展缓慢。此外，经济转型压力和老工业基地的再生问题也制约了其耦合协调度的提升步伐。相对其他3个地区，西部地区的耦合协调度最低，但增长速度却最快，主要原因在于该地区经济基础较弱，初期环保和绿色基础设施不足。然而，随着国家对西部大开发战略的加强支持，大量资金和技术流入，环保项目和绿色产业得到迅速发展。但由于2016年经济步入新常态，经济增速放缓导致环保投资减少，该时点的耦合协调度出现突降。随后在政府持续推动和外来投资的助推下，环保基础设施建设和绿色产业得到快速恢复和发展，使得耦合协调度增加且上升趋势得以维持。
为进一步探究2011—2022年我国减污降碳与扩绿增长耦合协调度的动态演进特征，本文采用Matlab2022b软件绘制Kernel核密度估计三维图（图3），以刻画减污降碳与扩绿增长两系统耦合协调度的分布位置、分布形态、延展特征和极化现象。在分布位置上，两者的耦合协调度分布曲线主峰位置在研究期内经历“右移—左移—右移”的过程，最终表现为右移，表明各地区耦合协调度不断提高；在分布形态上，分布曲线波峰高度基本呈现为“上升—下降—上升”的N型演变态势，主峰宽度逐年变宽，表明各地区耦合协调度趋于集中，样本内部差异性扩大；在延展特性上，分布曲线的右拖尾现象明显弱化，左拖尾现象逐渐显著，且表现为渐进扩大的趋势，表明耦合协调度较低的地区逐渐向均值收敛，高耦合协调度地区始终保持领先优势；在极化现象上，分布曲线的波峰数量从多个峰值逐渐减少为单一峰值，研究末期只存在1个主峰，极化现象明显减弱，表明各地区减污降碳与扩绿增长协同发展趋于同步。整体来看，2011—2022年我国各省份减污降碳与扩绿增长耦合协调度呈逐年走高但增幅和缓，区域间差异性有所扩大。长期来看，极化现象逐渐减弱，可见我国各省份减污降碳与扩绿增长协同发展虽取得一定成效，但如何缩小各地区协调发展水平差异、带动低水平地区协调发展仍是目前面临的主要问题。
图3 中国减污降碳与扩绿增长耦合协调度的动态演进

Fig.3 Dynamic evolution of coupling coordination degree between the pollution-carbon reduction，and the green expansion and economic growth in China

3.2 时空演化特征分析

根据耦合协调度阶段划分标准（表3），本文将2011、2017和2022年二者耦合协调度划分为对应的10个等级，利用ArcGIS软件进行空间可视化分析（图4）。由图4可知，2011—2022年我国各省份减污降碳与扩绿增长耦合协调水平在空间上存在固化和动态变化特征。其中，固化特征表现为部分省份始终处于同一耦合协调阶段，如上海、海南、吉林分别始终位于濒临失调、勉强协调、严重失调阶段。而动态变化特征具体体现在：①2011—2017年，多数省份处于轻度失调及以上阶段，勉强协调阶段的省份数量增加了1.75倍。其中河北、山东、内蒙古、广西、重庆、西藏、陕西、宁夏、新疆攀升至勉强协调阶段，山西和四川升为初级协调阶段，北京进入中级协调阶段。②2017—2022年，除吉林仍处于严重失调阶段外，所有省份均进入轻度失调及以上阶段，约68%的省份所处耦合协调阶段存在不同程度的上升。其中山东、江西、内蒙古、广西、云南、宁夏6个省份上升至初级协调阶段，重庆、新疆上升至中级协调阶段，北京、河北、陕西上升至良好协调阶段，山西从初级协调跃至优质协调阶段。
图4 中国各省份减污降碳与扩绿增长耦合协调度的时空演化

注：基于自然资源部标准地图服务系统网站下载的审图号为GS（2023）2767号的标准地图制作，底图无修改。图5同。

Fig.4 Evolution characteristics of coupling coordination degree between the pollution-carbon reduction，and the green expansion and economic growth in provincial-level regions of China

综上，超过半数的省份处于勉强协调及以上阶段，表明大部分省份以绿色发展为目标积极贯彻节能减排和污染防治政策，一定程度上促进了我国各省份减污降碳与扩绿增长耦合协调水平的提高。但东北地区的耦合协调水平较差，表明该地区经济结构绿色转型成效不足，能源消费结构不合理和污染治理水平较差，严重阻碍了减污降碳与扩绿增长的协同推进，亟需针对性地制定绿色低碳转型的策略。

4 减污降碳与扩绿增长耦合协调度的驱动因素分析

4.1 变量选取与模型检验

本文参考陈晓红、丁学谦等的研究[30-31]，选取能源消费结构、能源利用效率、绿色技术创新等9个变量作为二者耦合协调度的驱动因素，具体变量测算方式和描述性统计结果见表4。在考虑驱动因素后，为缓解自然气候条件对实证结果造成的偏误，本文选取空气流通水平、年降水量、年日照时长、年均气温、年均风速5个控制变量。为消除量纲，部分变量已采用对数化处理。
表4 耦合协调度驱动因素的模型回归结果

Tab.4 Model regression results of factors driving the coupling coordination degree

驱动因素 OLS模型 Tobit模型
能源消费结构 0.2940***（0.0726） 0.2970***（0.0723）
能源利用效率 0.0539***（0.0107） 0.0543***（0.0106）
绿色技术创新 0.0045（0.0065） 0.0046（0.0066）
产业聚集程度 -0.2039（0.2941） -0.1989（0.2881）
人力资本水平 0.1862（0.1630） 0.1891（0.1606）
政府干预程度 -0.1366（0.1082） -0.1359（0.1067）
环境规制强度 -0.5979***（0.1744） -0.5997***（0.1704）
交通运输结构 0.0050**（0.0022） 0.0051**（0.0021）
人口密度 -0.0501***（0.0174） -0.0503***（0.0171）
控制变量 YES YES
样本量 300 300
R2 0.4513 0.5636

注：*、**、***分别表示通过10%、5%、1%水平的显著性检验，括号里为稳健标准误。

鉴于变量间共线性问题可能导致模型设定不准确，本文首先对驱动因素进行共线性检验。各驱动因素的VIF数值均小于10，VIF均值为2.84，由此可见各驱动因素之间不存在明显的共线性问题，可设定OLS回归模型验证驱动因素的显著性。由于二者的耦合协调度取值区间为[0,1]，属于左右截断数据，可能导致OLS估计无法得到一致估计，故本文引入Tobit模型进一步检验。表4的回归结果显示，能源消费结构、能源利用效率、环境规制强度、交通运输结构、人口密度的回归系数均通过显著性检验。其中，能源消费结构、能源利用效率和交通运输结构的回归系数显著为正，环境规制强度和人口密度的回归系数则显著为负，表明能源消费结构优化、能源利用效率提高和交通运输结构优化对于二者耦合协调度均具有促进作用，高环境规制强度和人口密度均不利于二者的协同发展。

4.2 多尺度驱动力的空间异质性分析

减污降碳与扩绿增长往往不是单一因素作用的结果，同一因素对于区域减污降碳与扩绿增长可能存在共轭关系，有必要借助多尺度地理加权回归模型（MGWR）探究各驱动因素在不同时空尺度下对二者耦合协调度的异质性影响。本文利用MGWR2.2软件进一步分析具有显著效应的能源消费结构、能源利用效率、环境规制强度、交通运输结构和人口密度5个因素对二者耦合协调度的空间异质性影响，并应用ArcGIS可视化分析MGWR模型输出显著的回归系数。2011—2022年我国各省份两者耦合协调度的回归系数均值空间分布情况如图5所示。
图5 2011—2022年减污降碳与扩绿增长耦合协调度驱动因素的回归系数均值空间分布

Fig.5 Spatial distribution of mean values of regression coefficients for driving factors of coupling coordination degree between the pollution-carbon reduction，and the green expansion and economic growth from 2011 to 2022

①能源消费结构对减污降碳与扩绿增长耦合协调度的影响效应总体呈现为正，正向影响显著的省份主要分布于东北地区和京津冀地区以及部分省份（山西、内蒙古、山东、河南等），约占总样本的48.39%，而在长三角地区以及部分省份（福建、江西、湖北）则表现为显著的负向效应。主要原因是，东北地区和京津冀地区分别实施了东北振兴战略和京津冀协同发展战略，这些战略通过供给侧结构性改革、“一带一路”建设和跨区域产业协同，带动了产业结构优化升级，并促进了能源结构性调整和绿色低碳技术创新，以此赋能区域内减污降碳与扩绿增长的协同发展。
②能源利用效率对减污降碳与扩绿增长耦合协调度的显著正向影响主要分布于除长三角地区以外的所有省份，约占总样本的74.19%。能源利用效率促进二者耦合协调度的关键在于其降低生产成本、提高生产效率、推动产业升级、增强创新能力以及减少环境污染的综合作用。这些因素使企业能够在提高自身竞争力的同时，推动产业向高附加值、高技术性和绿色转型的方向发展。此过程中采纳的节能减排措施和绿色环保技术不仅促进了经济增长模式的可持续性，同时也实现了经济与环境的双重收益。
③环境规制强度对减污降碳与扩绿增长耦合协调度的正向促进效应囊括整个研究样本，在华北地区的正向促进作用相对较大 ② 。环境规制作用于两者耦合协调度相关的理论包括“遵循成本”和“波特假说”两类，而后者能够更好地解释本文所得的结论。根据“遵循成本”理论，环境规制通过提高“三废”排放标准、改变管理流程和形式，增加了企业的治理成本和管理成本，这些成本通常转嫁至产品价格中，阻碍企业建立市场优势，从而不利于经济高质量发展。然而，“波特假说”提出，环境规制能够刺激企业进行技术升级和效率提升，不仅弥补了生产成本增加，还提高了企业的市场竞争力。通过创新补偿效应，环境规制改变了生产模式，促进清洁生产，由此正向作用于减污降碳与扩绿增长的协同发展。
④交通运输结构对减污降碳与扩绿增长耦合协调度的正向促进效应普遍存在于大多数省份，覆盖超过70%的研究样本，其中正向影响较大的地区主要集中在东部沿海地区和西部地区。优化交通运输结构，通过减少对私人汽车的依赖和推广低碳出行方式，进而直接降低温室气体和环境污染物的排放，间接提高能源利用效率。同时，减少城市对土地的过度开发，留出更多空间用于绿地建设，从而改善城市生态环境。此外，增加对公共交通和清洁能源工具的投资推动了电动车产业、智能交通系统等新产业和新技术的发展，并创造了就业机会，在不牺牲环境质量的前提下实现经济快速发展。
⑤人口密度对减污降碳与扩绿增长耦合协调度的影响效应总体呈现为正，作用强度较大的地区主要分布于华中地区和华南地区，约占总样本的67.75%。这一现象的原因在于，高人口密集地区的资源利用和能源消耗模式更加高效，这些地区往往采用集约化的居住和生产方式，从而减少单位面积的能源消耗和污染排放。另外，随着城市化水平的提高，绿色生态和可持续发展的需求逐渐增加，这促进了公共交通优化、绿色建筑推广等绿色技术和清洁能源的应用。而华中地区和华南地区由于快速的城市化过程集聚了大量的人口和经济活动，形成了更为密集的生产和生活模式。通过有效的政策与技术创新，更易使这些地区实现更高水平的减污降碳与扩绿增长协同效应。

5 结论与建议

5.1 主要结论

本文基于2011—2022年中国31个省份的面板数据，运用博弈论组合赋权法构建扩绿增长指数的综合评价指标体系，采用耦合协调度模型、核密度估计方法探究我国减污降碳与扩绿增长耦合协调度的时空演化特征，并借助Tobit模型、多尺度地理加权回归模型剖析了二者耦合协调度的驱动因素及其空间异质性。主要结论如下：
①观测期内我国减污降碳与扩绿增长的耦合协调度整体呈现为上升趋势，由轻度失调阶段上升至勉强协调阶段。全国四大区域的耦合协调度均有所上升，其中东部地区领先优势明显，中部、西部、东北地区耦合协调水平均低于全国平均水平，具体表现为中部地区增减起伏较多、西部地区增长潜力最大、东北地区增幅和缓的特征。
②观测期内我国各省份减污降碳与扩绿增长的耦合协调水平在空间上存在固化和动态变化两种特征，其中固化特征表现为部分省份始终处于同一耦合协调阶段，动态变化特征则表现为大多数省份所处的耦合协调阶段存在不同程度的上升。超过半数的省份处于勉强协调及以上阶段，但东北地区的耦合协调水平较差。
③我国各省份减污降碳与扩绿增长耦合协调度主要受能源消费结构、能源利用效率、环境规制强度、交通运输结构、人口密度的影响。其中，能源消费结构对东北地区和京津冀地区耦合协调度的驱动作用较大，环境规制强度对华北地区耦合协调度的驱动作用较大，交通运输结构对东部沿海地区耦合协调度的驱动效应较大，人口密度对华中地区和华南地区耦合协调度的驱动效应较大，而能源利用效率的正向作用均匀覆盖于全部省份。

5.2 政策建议

基于上述研究结论，为实现我国减污降碳与扩绿增长协同推进，推动我国生态文明建设进程，本文提出如下政策建议：
①建立经验分享平台，发挥地区比较优势。东部地区应建立区域性的经验共享平台，定期举办绿色发展论坛和研讨会，将其在“双碳”目标达成方面的成功经验和最佳实践推广至其他地区。中西部地区应借助国家相关政策支持，吸引更多外部环保投资和绿色技术进入，以此加大环保基础设施和绿色产业建设，并汲取东部地区的先进技术和管理经验，加快产业升级和绿色转型的步伐。东北地区应专注于加速传统工业的绿色转型，尤其需重视重工业的生态修复和清洁利用，提高重工业的排放标准，加大对违法排污的惩罚力度，有效推动经济结构的调整和转型。
②推进差别化治理策略，建立动态监测反馈机制。对于耦合协调度始终较低的省份，政府应聚焦于解决其面临的核心问题，如吉林省应通过优化产业结构和推动绿色低碳技术解决其面临的工业污染和绿色发展不足问题，同时部署环境质量检测设施，及时反馈数据至环保部门，动态调整并制定有效的环境政策。对于耦合协调度有所提升的省份，应持续加大对其绿色转型的支持，鼓励其在绿色发展方面的先行先试，提供建立绿色金融的政策导向，为企业绿色创新建立资金“蓄水池”。
③合理打造针对性发展路径，释放减排与增长双重红利。东北地区和京津冀地区应创新生产生活的能源结构体系，转变传统能源供给方式，促使能源消费结构向着绿色化的方向发展。华北地区应加强环境法规监管和执行，制定明确的减排与发展目标，对未达标的企业形成壁垒，扩大市场准入型企业的绿色发展优势。东部沿海地区应加大交通运输结构优化力度，推进车辆新能源化、智能化与清洁化减碳进程。华中和华南地区应通过城乡规划优化人口分布，促进产业向环境承载能力较强的区域集聚，同时加强高密度人口区域的绿色基础设施和生态空间建设。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
庄贵阳, 王思博. 协同推进降碳减污扩绿增长:内涵、挑战及应对[J]. 城市与环境研究, 2023(2):45-55.

[2]
陈菡, 陈文颖, 何建坤. 实现碳排放达峰和空气质量达标的协同治理路径[J]. 中国人口·资源与环境, 2020, 30(10):12-18.

[3]
毛显强, 邢有凯, 高玉冰, 等. 温室气体与大气污染物协同控制效应评估与规划[J]. 中国环境科学, 2021, 41(7):3390-3398.

[4]
Chien F, Sadiq M, Nawaz M A, et al. A step toward reducing air pollution in top Asian economies:The role of green energy, eco-innovation,and environmental taxes[J]. Journal of Environmental Management, 2021,297:113420.

[5]
邢有凯, 刘峥延, 毛显强, 等. 中国交通行业实施环境经济政策的协同控制效应研究[J]. 气候变化研究进展, 2021, 17(4):379-387.

[6]
李新, 路路, 穆献中, 等. 京津冀地区钢铁行业协同减排成本—效益分析[J]. 环境科学研究, 2020, 33(9):2226-2234.

[7]
Wang B, Wang Y, Zhao Y. Collaborative governance mechanism of climate change and air pollution:Evidence from China[J]. Sustainability, 2021, 13(12):6785.

[8]
Wei X, Tong Q, Magill I, et al. Evaluation of potential co-benefits of air pollution control and climate mitigation policies for China's electricity sector[J]. Energy Economics, 2020,92:104917.

[9]
Liu J Y, Woodward R T, Zhang Y J. Has carbon emissions trading reduced PM2.5 in China?[J]. Environmental Science & Technology, 2021, 55(10):6631-6643.

[10]
Yang X, Yang X, Zhu J, et al. Synergic emissions reduction effect of China's "Air pollution prevention and control action plan":Benefits and efficiency[J]. Science of The Total Environment, 2022,847:157564.

[11]
Wang H, Gu K, Dong F, et al. Does the low-carbon city pilot policy achieve the synergistic effect of pollution and carbon reduction?[J]. Energy & Environment, 2024, 35(2):569-596.

[12]
田嘉莉, 付书科, 刘萧玮. 财政支出政策能实现减污降碳协同效应吗?[J]. 财政科学, 2022, 74(2):100-115.

[13]
唐湘博, 张野, 曹利珍, 等. 中国减污降碳协同效应的时空特征及其影响机制分析[J]. 环境科学研究, 2022, 35(10):2252-2263.

[14]
原伟鹏, 孙慧, 王晶, 等. 中国城市减污降碳协同的时空演化及驱动力探析[J]. 经济地理, 2022, 42(10):72-82.

DOI

[15]
黄占兵, 苏和, 祁婧. 协同推进降碳、减污、扩绿、增长,书写新时代内蒙古高质量发展新篇章——贯彻落实习近平总书记参加十三届全国人大五次会议内蒙古代表团审议时重要讲话精神第72期发展改革论坛综述[J]. 北方经济, 2022(3):35-37.

[16]
杨峰. 科学把握降碳减污扩绿增长新要求[J]. 群众, 2023, 699(5):65-66.

[17]
魏丽莉, 侯宇琦. 数字经济对中国城市绿色发展的影响作用研究[J]. 数量经济技术经济研究, 2022, 39(8):60-79.

[18]
张可云, 张江. 城市群多中心性与绿色发展效率——基于异质性的城镇化空间布局分析[J]. 中国人口·资源与环境, 2022, 32(2):107-117.

[19]
徐晓光, 樊华, 苏应生, 等. 中国绿色经济发展水平测度及其影响因素研究[J]. 数量经济技术经济研究, 2021, 38(7):65-82.

[20]
刘珊珊, 吴文婕, 王志强. 基于DPSIR-TOPSIS模型的乌鲁木齐市绿色发展水平测度及其影响因素[J]. 地球科学与环境学报, 2023, 45(4):857-868.

[21]
张旖琳, 吴相利. 国家重点生态功能区城市与毗邻非生态功能区城市绿色发展水平测度与时空差异[J]. 生态学报, 2022, 42(14):5761-5777.

[22]
赵英民. 以减污降碳协同增效促进绿色低碳高质量发展[J]. 中国党政干部论坛, 2022(10):53-55.

[23]
马军旗, 乐章. 黄河流域生态补偿的水环境治理效应——基于双重差分方法的检验[J]. 资源科学, 2021, 43(11):2277-2288.

DOI

[24]
吴凤平, 邵志颖, 季英雯. 新安江流域横向生态补偿政策的减排和绿色发展效应研究[J]. 软科学, 2022, 36(9):65-71.

[25]
扩大内需战略研究课题组,史丹. 论高质量供给引领和创造新需求[J]. 经济学动态, 2023(11):3-19.

[26]
李繁荣, 郭丕斌, 齐晓燕. 以能源生产和消费革命推进绿色发展——基于马克思人与自然物质变换思想的研究[J]. 经济问题, 2018(10):8-16.

[27]
韩叙, 柳潇明, 刘文婷, 等. 黄河流域绿色金融与经济高质量发展耦合协调时空特征及驱动因素[J]. 经济地理, 2023, 43(9):121-130.

DOI

[28]
王淑佳, 孔伟, 任亮, 等. 国内耦合协调度模型的误区及修正[J]. 自然资源学报, 2021, 36(3):793-810.

DOI

[29]
沈体雁, 于瀚辰, 周麟, 等. 北京市二手住宅价格影响机制——基于多尺度地理加权回归模型(MGWR)的研究[J]. 经济地理, 2020, 40(3):75-83.

DOI

[30]
陈晓红, 张嘉敏, 唐湘博. 中国工业减污降碳协同效应及其影响机制[J]. 资源科学, 2022, 44(12):2387-2398.

DOI

[31]
丁学谦, 吴群, 刘向南, 等. 土地利用、经济高质量发展与碳排放耦合协调度及影响因素——来自中国282个地级市的经验研究[J]. 资源科学, 2022, 44(11):2233-2246.

DOI

Options
文章导航

/

〈 〉