EN中文

经济地理 >

2025 , Vol. 45 >Issue 6: 47 - 58

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.06.005

区域经济与理论方法

中国区域减污降碳经济增长潜力与倾向度分析

  • 岳立 , 1 ,
  • 黄晨曦 , 2, ※ ,
  • 朱玖 3 ,
  • 任婉瑜 1
展开
  • 1.兰州大学 经济学院，中国甘肃 兰州 730000
  • 2.武汉大学 经济与管理学院，中国湖北 武汉 430072
  • 3.华中师范大学 公共管理学院，中国湖北 武汉 430070
※ 黄晨曦（1999—），男，博士研究生，研究方向为环境效率分析。E-mail:

岳立（1969—），女，博士，教授，博士生导师，研究方向为区域经济和资源环境经济。E-mail:

收稿日期: 2023-05-04

  修回日期: 2024-09-12

  网络出版日期: 2025-08-07

基金资助

甘肃省科学技术厅省级项目(24JRRA493)

青海省科学技术厅重大科技专项(2021-SF-A7-1)

收起

Potential and Tendency for Pollution Reduction, Carbon Reduction and Economic Growth in China

  • YUE Li , 1 ,
  • HUANG Chenxi , 2, ※ ,
  • ZHU Jiu 3 ,
  • REN Wanyu 1
Expand
  • 1. School of Economics，Lanzhou University，Lanzhou 730000，Gansu，China
  • 2. Economics and Management School，Wuhan University，Wuhan 430072，Hubei，China
  • 3. School of Public Administration，Central China Normal University，Wuhan 430070，Hubei，China

Received date: 2023-05-04

  Revised date: 2024-09-12

  Online published: 2025-08-07

Fold

摘要

文章基于方向距离函数，将污染减排、降低碳排放与经济增长进行统一分析，提出了一种潜力—倾向度的分析框架；在此基础上，以2006—2021年中国282个地级及以上城市为研究对象，运用数据包络分析方法、固定效应模型实证分析了中国区域减污降碳经济增长潜力与倾向度。研究发现：①整体上我国减污降碳经济增长潜力不断下降。东部下降最多，其次为中部和西部，这表明减污降碳经济增长水平得到提升。②经济发展水平、产业结构、城镇化水平、人力资本、财政支出、外商直接投资、地方经济增长压力7个变量对减污降碳经济增长潜力均存在影响。③整体上我国经历了从经济增长倾向到减污倾向和降碳倾向转变，且减污倾向大于降碳倾向。东部和中部趋向于减污与降碳倾向，而西部趋向于减污与经济增长倾向。④基于倾向度结果，将我国城市划分为6类倾向区，并在主体功能区制度框架下，进一步讨论倾向区的定位与政策导向。

关键词： 减污降碳经济增长; 方向距离函数; 潜力分析; 倾向度分析; DEA

本文引用格式

岳立 , 黄晨曦 , 朱玖 , 任婉瑜 . 中国区域减污降碳经济增长潜力与倾向度分析[J]. 经济地理, 2025 , 45(6) : 47 -58 . DOI: 10.15957/j.cnki.jjdl.2025.06.005

Abstract

Based on the directional distance function, this article conducts a unified analysis of pollution reduction, carbon reduction, and economic growth, and proposes a potential-tendency analysis framework. It analyzes the potential and tendency of pollution reduction, carbon reduction and economic growth in 282 prefecture-level and above cities of China from 2006 to 2021 using the methods of the data envelopment analysis and the two-way fixed effect model. It's found that: 1) The overall potential of pollution reduction, carbon reduction and economic growth continues to decline, with the largest decline in eastern region, followed by the central and western regions, indicating an improvement in the level of pollution reduction, carbon reduction, and economic growth. 2) Economic development level, industrial structure, urbanization level, human capital, fiscal expenditure, foreign direct investment, and local economic growth pressure all have an impact on the potential of pollution reduction, carbon reduction and economic growth. 3) The overall tendency of of pollution reduction, carbon reduction, and economic growth has shifted from the tendency of economic growth to the tendency of pollution reduction and the tendency of carbon reduction, while the tendency of pollution reduction is greater than the tendency of carbon reduction. It tends to focus on the pollution reduction in eastern and central regions, the pollution reduction and the economic growth in western region. 4) Based on the tendency results, it divides 282 prefecture-level and above cities of China into six types of tendency zones, analyzes the positioning and policy orientation of tendency zones within the framework of main functional zones.

Key words： pollution reduction, carbon reduction and economic growth; direction distance function; potential analysis; tendency analysis; DEA

与一些发达国家基本解决环境污染问题后再转入碳排放控制阶段不同，我国在现阶段面临着同时解决环境污染、碳排放与经济增长的三重问题。党的二十大报告指出，协同推进降碳、减污、扩绿、增长，推进生态优先、节约集约、绿色低碳发展。在“双碳”目标和高质量发展视域下，我国应该协调经济增长、污染减排与降低碳排放三大任务。
环境经济理论和中国环境治理实践均反映了经济增长、减污和降碳3个方面存在一定的次序。环境库兹涅茨曲线呈现了在基本物质生活得不到满足的情况下，对环境质量的追求会受到限制。余泳泽等发现我国中央政府对碳减排和污染治理任务的安排存在明显的省际偏向性，即发达地区的减排任务高于落后地区[1]。通常情况下，CO2主要导致大气中温室效应的增强，引发全球气候变暖；而一般性污染物则对局部、区域性的空气质量和人体健康产生直接影响。因而我国政府对两者也采用了差异化治理。例如，污染物（SO2、COD）从“十一五”规划开始采用总量控制，而CO2从“十二五”规划开始采用强度控制。区域高质量发展是指经济发展过程中，破解区域发展不平衡、不充分的问题，使得区域发展模式都是趋于一种均衡的状态[2]。由于区位条件和资源禀赋等因素的不同，我国目前的区域发展水平和阶段存在较大差异。因此，不同区域在经济增长、减污和降碳3个方向的侧重点应有所区别，区域发展应该走因地制宜、因时制宜的减污降碳式增长之路。
本文遵循一种“抓短板—补短板”的思路，提出一种潜力—倾向度分析框架。其中潜力分析在于识别区域在各个维度的潜力或改进空间，而倾向度分析则进一步判定何种维度应该优先发展。因此，潜力—倾向度分析以抓短板为起点，以补短板为方向，协同推进各维度发展。如果区域的经济增长潜力占比高于减少污染和降低碳排放潜力占比，那么区域应该以经济增长为主要方向，兼顾减污和降碳，以达到三者的协同推进和社会福利最大化。区域选择潜力更大的维度优先发展具有两个好处：一方面，优先发展潜力更大的维度，可以直接对前沿区域的管理模式和先进技术进行学习和模仿或是受到其溢出效应；另一方面，减污、降碳、经济增长三者并非3个独立的行为，发展潜力更大的维度也能协同推动其他维度发展。
鉴于此，本文运用方向距离函数，将污染治理、降低碳排放与经济增长纳入统一分析框架，以2006—2021年中国282个地级及以上城市为研究对象，先捕捉区域在3个维度中的潜力，再识别倾向度，最后定义倾向区类型，以为促进区域高质量发展提供理论指导与经验借鉴。

1 文献综述

1.1 减污、降碳与经济增长

全球范围的碳中和共识与行动，标志着工业革命后形成的“先污染、后治理”的传统发展范式在全球范围的不可持续。新的发展方式必然要求减污、降碳与经济增长协同推进。张友国等认为绿色低碳经济是经济活动相关的各种要素按特定规则相互联系构成的一个有机整体[3]。因此要重视生态环境保护与经济社会发展统一性。虽然污染物与CO2是内生于人类传统的生产生活方式，但是环境质量与经济活动存在互动效应。陈帅等发现空气污染降低了劳动生产率[4]。同样污染物与CO2也存在紧密联系。易兰等认为大气污染物与CO2具有同根同源的特征，因此两者存在协同治理空间[5]。对于减污、降碳与经济增长研究，一方面主要关注两两之间的研究，例如减污与经济增长[6]、降碳与经济增长[7]、减污降碳协同[8]等。Tibrewal等评估了印度的空气质量和清洁能源政策存在气候减缓的协同效应[9]；Scovronick 等发现全球减缓气候政策对于减少空气污染造成的健康问题存在共同利益[10]；涂正革等以经济增长和污染减排为两个方向，从社会福利最大化的视角讨论我国各地区的发展倾向，发现东部应更倾向于绿色发展，西部则应更倾向于经济增长[11]。但其研究仅仅考虑经济增长与污染减排两个维度。另一方面，在研究内容上主要遵循“波特假说”的研究范式，关注到污染减排、碳减排对经济增长的负向冲击，进而强调推动技术与产业、能源结构突破，实现降碳减污经济增长[12]。而在实现的具体措施上，主要以庇古税和科斯定理为理论基础，强调外部成本内部化和产权界定的思路展开。
综上分析可见，目前鲜有文献将减污、降碳、经济增长纳入统一框架的研究，并且考虑减污、降碳与经济增长在发展阶段的侧重点。因此，本文将减污、降碳与经济增长看作有机的整体，根据三者在不同发展阶段的侧重点，在因时制宜、因地制宜的情况下讨论不同的减污降碳经济增长之路，以给现存的环境、气候经济研究提供一个新的视角。

1.2 可持续发展的空间规划

2011年，我国开始实施《全国主体功能区规划》，把推进生态、社会和经济效益均衡发展作为主体功能区战略实施的目标取向。党的二十届三中全会明确指出“健全主体功能区制度体系”。樊杰认为主体功能区突出了资源环境承载力的基础作用、强调了发挥区域比较优势、遵循了可持续发展目标导向[13]。一些文献在主体功能区的框架下，进一步研究了空间规划问题。如周恺等研究了《湖南省主体功能区规划》实施十年的效果，并提出未来主体功能区的优化发展方向[14]；李璐等在主体功能区的框架下，划分了武汉城市圈的碳补偿分区[15]；欧美一些发达国家的国土空间规划管控起步较早，注重细化空间功能，优化发展质量[16]。近年来，随着环境与气候问题的突出，空间规划受到了政府和学者更多的重视[17]。如Oliveira等发现了近年来，可持续发展和环境问题已成为欧洲国家战略空间规划的核心目标[18]；Olesen认为丹麦应该重振战略空间规划，来应对近年来的能源危机[19]。同时，一些学者还对空间规划设计、流程、实施等方面进行了研究[20-21]。如Calado等预测了易被气候变化影响的亚速尔群岛未来的能源需求，并提出空间规划方向[22]。
综上分析可知：①《主体功能区规划》是我国国土空间开发的战略性、基础性和约束性规划；②可持续发展理念已经被纳入一些国家的国土空间规划。因此，本文统筹经济增长、污染减排和降低碳排放三者协同推进，并结合主体功能区规划的框架对区域减污降碳经济增长潜力与倾向度进行研究，这既将丰富主体功能区规划的相关研究，也可为可持续发展的空间规划提供一种新的思路。

1.3 方向距离函数

Shephard提出采用缩放因子对距离函数进行描述，也就是谢泼德距离函数SDF（Shepherd Distance Function）[23]。为了应对SDF的非导向问题，Chambers提出了方向距离函数DDF（Direction Distance Function），即在减少投入的同时，又能扩张产出[24]。Chung等首次将DDF应用在环境效率分析，要求在扩张期望产出的同时减少非期望产出[25]。DDF的核心在于方向向量的引入。对于无效率项而言，Zhou等认为采用非径向的测度可以将DDF广义化为非径向的方向距离函数NDDF[26]。在具体测算中，则采用外生给定的方向向量，即观测值变量。Färe、Hampf等则将方向向量内生化，将模型广义化为内生性方向距离函数[27-28]。在具体测算中，则采用径向测度[29]。换言之，采用径向测度的内生性方向距离函数，同直接采用非径向的外生性方向距离函数的思路一致[26]。Färe等认为基于最大化潜力改进的内生性方向距离函数也接近于基于松弛测度（SBM）模型[27]。实际上，3类模型虽然采用不同的改进形式，均能识别出最大的改进空间，故而殊途同归。现有文献对距离函数的应用主要集中在效率和生产率领域[30]。
目前学界虽然对方向距离函数的应用做了大量研究，但本文认为仍有补充之处。部分文献将CO2等价于一般污染物，给予同样的权重。该做法忽视了CO2与一般污染物的区别。本文将CO2与一般性污染物进行区分，认为社会福利最大化应做到经济增长、污染减排和降低碳排放三者协同推进，利用方向距离函数将三者纳入统一的分析框架。

1.4 潜力分析法

潜力分析法的核心在于选取最优情况与实际情况进行对比，进而计算出改进潜力。因此最优情况的选取是潜力分析方法的核心内容。史丹将我国能源效率最高的省份作为最优情况，进而计算我国的节能潜力[31]。考虑到我国区域的资源禀赋差异，直接采用最高值作为最优情况，可能会高估改进空间。为此，周曙东等采用聚类分析，在组内选择最优观测，测算了我国省份—行业层面的CO2减排潜力[32]；王文举等则基于预测理念，根据未来经济结构内生出污染排放量[33]；周从越等基于未来碳排放份额分配，研究了县域排放潜力[34]。同时，一些学者还基于距离函数方法，进行潜力分析。以产出导向为例，在投入相同的情况下，识别生产集合中产出最大的值。其中SFA（Stochastic Frontier Analysis）与DEA（Data Envelopment Analysis）是距离函数框架下的两大主流方法。实际上，将非期望产出作为投入纳入生产函数，不符合污染物作为产出的性质。因此SFA方法在环境气候绩效的测算中较少。DEA方法以环境生产技术集为基础，吸纳联合生产框架，可以对非期望产出赋予弱可处置性，因此在环境绩效测算中得到了更多应用。
现存文献主要考察单个维度的潜力，例如节能潜力、减排潜力、土地集约利用潜力等，或是将两个单个维度一起考察，但没有将多维潜力整合在统一的框架内。在多维潜力分析的情景下，需要追问的是，何种维度的潜力应该优先考虑。由此本文基于方向距离函数应用DEA方法，提出一种潜力—倾向度分析框架。其中倾向度用以反映各潜力间的重要程度，侧重于对潜力的结构进行分析。

2 研究方法

2.1 减污降碳经济增长潜力

假定有N个决策单位，采用劳动（L）、资本（K）、能源（E）作为投入，地区生产总值（Y）作为期望产出，CO2（C）和污染物（P）作为非期望产出，其中污染物有J种。NDDF允许投入、期望产出（好产出）、非期望产出（坏产出）按不同比例进行缩减和扩张。在本文的主题下，NDDF的表达式如下：
        D → ( L , K , E , Y , C , P ) = s u p w T β : L , K , E , Y , P , C + g d i a g β ∈ T
式中： D →为各变量无效率项的加权平均；T代表环境生产技术集，满足环境生产技术集的六大公理[35]；非期望产出（坏产出）满足弱处置性；g表示方向向量，表征决策单元到达前沿面的方向； β为无效率值向量，可以表示为投入和非期望产出减少的比例，或期望产出扩张的比例；w为权重向量，反映各变量的重要程度。在DEA的方法下，T的构建通常采用各决策单元投入产出的凸组合或凸锥组合进行构建。参考Zhou等的研究方法[26]，本文将g设定为投入产出实际值。本文综合考虑经济增长、减污与降碳三个维度，通过非径向产出导向的方向距离函数设定一个情景：在投入不变的情况下，最大程度地增加GDP、减少污染物、降低碳排放，直到到达环境生产技术集的前沿。在此情景下，减污潜力为污染物最大程度减少的比例；降碳潜力为碳排放最大程度减少的比例；经济增长潜力为地区生产总值最大程度增加的比例。则减污降碳经济增长的最大潜力可表达为下式：
      D → ( L , K , E , Y , C , P ) = s u p w T β : L , K , E , Y ( 1 + β Y ) , P ( 1 - β P ) , C ( 1 - β C ) ∈ T
式中： D → ( L , K , E , Y , C , P )为减污降碳经济增长潜力； β Y为经济增长潜力； β P为减污的潜力； β C为降碳的潜力。按照平均原则给予三者的权重w均为1/3。 β Y、 β P、 β C的算术平均即为 D → ( L , K , E , Y , C , P )。通过求解方向距离函数来获得期望产出、CO2以及污染物的无效率项。假定存在T时期的数据，则以所有时期的所有单元构建环境生产技术集。线性规划式见如下：
D → L t , K t , E t , Y t , C t , P t = m a x 1 3 β Y o t + β C o t + β P o t
s . t . ∑ t = 1 T ∑ i = 1 N λ i t L i t ≤ L o t ; ∑ t = 1 T ∑ i = 1 N λ i t K i t ≤ K o t ; ∑ t = 1 T ∑ i = 1 N λ t i E t i ≤ E o t ; ∑ t = 1 T ∑ i = 1 N λ t i Y i ≥ 1 + β Y o t Y o t ; ∑ t = 1 T ∑ i = 1 N λ t i C i t = ( 1 - β C o t ) C o t ; ∑ t = 1 T ∑ i = 1 N λ i t P i j t = 1 - β P o t P o t ; 0 ≤ β C , β P , λ i ; i = 1 , … , N
式中：o代表测算的单元； λ与 β是未知的决策变量，前者也称为强度变量，后者代表无效率项，即本文中的经济增长、污染减污、降低碳排放潜力。

2.2 减污降碳经济增长倾向度

相对倾向度主要采用两两潜力之间的比较[11]。但在多维的情况，两两比较忽视了其他潜力的作用。因此本文将相对倾向度扩展为整体倾向度，即某个维度的潜力在整体潜力中的比例。例如，减污倾向度即为减污潜力在减污降碳经济增长潜力中的比重。
ρ Y = 1 3 β Y D → ( L , K , E , Y , C , P ) ; ρ C = 1 3 β C D → ( L , K , E , Y , C , P ) ; ρ P = 1 3 β P D → ( L , K , E , Y , C , P )
式中： ρ Y代表经济增长倾向度； ρ C代表降碳倾向度； ρ P代表减污倾向度。显然，3个指标之和为1。

2.3 倾向区类型

为了更好地将倾向度分析方法应用在区域生态文明建设上，本文根据减污、降碳、经济增长倾向度的数值来界定6种倾向区类型：减污倾向区、降碳倾向区、经济增长倾向区、减污经济增长倾向区、减污降碳倾向区、降碳经济增长倾向区。从理想状况看，减污、降碳、经济增长倾向度均为1/3，则说明区域不需要重点或优先考虑发展哪个维度。因此本文将1/3作为划分倾向区类型的临界值。某维度的倾向度大于1/3，则纳入优先发展。①经济增长倾向度和减污倾向度均大于1/3，则降碳倾向度必然小于1/3，认定为减污经济增长倾向区。减污经济增长倾向区的污染物排放量较多且经济发展水平较低，未来应将污染治理和经济增长作为主要方向，推动减污经济增长。②经济增长倾向度和降碳倾向度均大于1/3，则减污倾向度小于1/3，认定为降碳经济增长倾向区。③减污倾向度和降碳倾向度均大于1/3，则经济增长倾向度小于1/3，认定为减污降碳倾向区。同样地，某两个维度的倾向度之和小于1/3，则优先发展另外一个维度。④经济增长倾向度和减污倾向度之和小于1/3，则降碳倾向度大于2/3，认定为降碳倾向区。降碳倾向区的碳排放量较多，未来应将降低碳排放作为主要方向，同时兼顾减污与经济增长。⑤经济增长倾向度和降碳倾向度之和小于1/3，则减污倾向度大于2/3，认定为减污倾向区。⑥减污倾向度和降碳倾向度之和小于1/3，则经济增长倾向度大于2/3，认定为经济增长倾向区。
实际上，减污经济增长倾向区是减污倾向区与经济增长倾向区的复合状态；减污降碳倾向区是滅污倾向区与降碳倾向区的复合状态；降碳经济增长倾向区是降碳倾向区与经济增长倾向区的复合状态。

2.4 投入产出变量

考虑到一些样本存在数据缺失，本文最终选取我国282个地级及以上城市（以下简称“城市”）作为研究区域，研究时段为2006—2021年。劳动力（L）采用就业人员数。资本存量（K）利用固定资产投资总额数据，使用永续盘存法计算，其中折旧率为9.6%，基期资本存量为基期固定资本投资额比10%。能源消费（E）通过各种能源消费量统一折算为标准煤。地区生产总值（Y）以基期作为不变价折算为实际GDP。CO2（C）来自中国碳核算数据库（https://www.ceads.net.cn/）。污染物选择二氧化硫（SO2）和废水（WW）。其余数据均来自《中国城市统计年鉴》（全市口径）和各城市统计年鉴。
表1 投入产出变量的描述性统计

Tab.1 Descriptive statistics of input-output variables

变量 单位 平均值 标准差 最小值 最大值
L 万人 54.124 80.81 4.21 986.87
K 亿元 57131433 71044488 1993992 7.705e+08
E t标准煤 171.826 343.11 1.093 4217.379
Y 万元 16863840 23136485 302192.56 2.462e+08
C 万t 846.619 1476.753 7.531 22861.19
SO2 t 44399.587 53122.737 2 682922
WW 万t 6576.734 9059.961 7 154625

2.5 影响因素变量

本文以经济发展水平、产业结构、城镇化水平、人力资本、财政支出、外商直接投资、地方经济增长压力7个变量作为减污降碳经济增长潜力的影响因素。①经济发展水平（PGDP）。为验证环境库兹涅茨曲线在减污降碳经济增长层面是否存在，本文将减污降碳经济增长潜力对经济发展水平的一次项和二次项（PGDP2）回归进行识别，采用取对数后的人均GDP表征经济发展水平。②产业结构（INDSTR）。采用第三产业增加值占GDP比重表示。③城镇化水平（URBAN）。采用城镇常住人口占总人口比重进行表示。④财政支出（EXPEND）。采用政府财政支出占GDP的比重表征。⑤人力资本（HUMAN）。采用在校大学生的对数来表示。⑥外商直接投资（FDI）。采用取对数后的外商直接投资额表征外商直接投资。⑦地方经济增长压力（PRESS）。采用本年经济增长目标减去上一年实际经济增长来表征地方经济增长压力。为了避免多重共线性问题，本文计算了各影响因素的VIF（Variance Inflation Factor）。结果显示，所有变量的VIF均小于3，远小于存在多重共线性时VIF为5的标准。表2显示了影响因素变量的描述性统计和方差膨胀因子。
表2 影响因素变量描述性统计与方差膨胀因子

Tab.2 Descriptive statistics and VIF of influencing factor variables

变量 均值 标准差 最小值 最大值 方差膨胀因子
PGDP 10.479 0.710 7.926 12.456 2.870
INDSTR 46.899 11.091 11.700 90.970 2.440
URBAN 52.520 15.938 15.280 100.000 2.370
EXPEND 0.313 0.391 0.004 5.044 1.960
HUMAN 1.644 1.015 0.012 4.756 1.180
FDI 13.724 2.151 2.773 19.648 1.140
PRESS -0.226 2.525 -15.870 28.450 1.100
地方经济增长目标通过地方政府工作报告收集。其余数据均来自《中国城市统计年鉴》（全市口径）和各城市统计年鉴。

3 减污降碳经济增长潜力分析

3.1 减污降碳经济增长潜力结果

图1展示了全国及东、中、西部整体的减污、降碳、经济增长、减污降碳经济增长潜力。图2展示了2006、2011、2016和2021年4个年份的减污降碳经济增长潜力的空间分布。由图可知，2006—2021年，减污潜力、降碳潜力、经济增长潜力以及减污降碳经济增长潜力整体上得到下降。这表明从“十一五”规划开始，我国在推动减污降碳经济增长方面取得明显的成绩。由于新环保法的修订、巴黎协定参与等原因，2015年后的下降趋势更快。但受到新冠疫情的影响，2020和2021年的下降趋势减缓。减污潜力均呈现倒“U”型趋势，在顶点过后均经历了平缓阶段，然后再下降。这反映了我国早期环境治理具有先排放、先污染、后治理的特点。东部与中部的减污潜力水平较高，西部略低。2021年中、西部的减污潜力高于2006年，表明中西部的减污进程较慢。而东部的减污水平得到提升，降碳潜力变化水平较小。全国、东部和中部均呈现轻微的下降趋势，但西部呈现轻微上升趋势。这表明在样本期内，我国气候治理强度小，行动滞后。因此，2020年，中国提出“双碳”目标，将生态文明建设的重点从减污转向降碳。整体上，经济增长潜力均呈现下降趋势，幅度大。东部下降最多，其次为中部、西部。经济增长潜力与减污降碳经济增长潜力变动具有联动性。可见，经济增长潜力的变动是导致减污降碳经济增长潜力变动的主要力量。无论是环境保护还是气候治理，均离不开经济发展的基础条件。
图1 不同区域的减污降碳经济增长潜力

Fig.1 Potential of pollution reduction， carbon reduction and economic growth in different regions

图2 减污降碳经济增长潜力的空间动态变化

注：基于自然资源部标准地图服务网站下载的审图号为GS（2024）0650号的标准地图制作，底图边界无修改。图7同。

Fig.2 Dynamic changes of the potential of pollution reduction, carbon reduction and economic growth

减污降碳经济增长潜力变化可以分为技术变化和效率变化之和[36]。技术变化（TC）代表前沿区域的变化，是理论上的最优水平；效率变化（EC）代表非前沿区域对前沿区域的追赶。图3展示了减污降碳经济增长潜力、减污潜力、降碳潜力、经济增长潜力变化的分解。
图3 减污降碳经济增长潜力变化的分解

Fig.3 Decomposition of changes in the potential of pollution reduction， carbon reduction and economic growth

技术后退往往是由于宏观环境或政策冲击。减污降碳经济增长潜力在2013年出现较大的技术后退，直到2016年开始出现较大技术进步。其主要由经济增长潜力的技术后退所致。可以看出，减污降碳经济增长潜力技术变化与经济增长潜力的技术变化具有相似性。就经济增长潜力而言，也仅在2013年出现技术衰退。减污潜力与降碳潜力在2015年前呈现技术进步与技术衰退的交替现象，且技术进步程度不大。2015年前，各地往往在经济增长、环境保护、气候治理三者之间动摇与抉择。时而以强制性的行政手段对环境污染进行管制，时而又以污染排放和高碳化石能源消耗换取经济增长。2015年前可为绿色低碳经济结构的塑造期，2015年后为成型期。显然，新冠疫情减缓了这种良好的发展态势。效率变化主要指对同期前沿区域对区域的溢出。前沿区域的进步往往对非前沿地区产生溢出，即溢出效应。当技术进步较大时，如果溢出效应较弱，区域仍然可以得到提升。因此2015年到2019年往往呈现TC的提高抵消了EC降低。

3.2 减污降碳经济增长潜力的影响因素分析

基于面板双固定效应模型对2006—2021年中国282个城市的数据进行回归，分析减污降碳经济增长潜力的影响因素（表3）。具体如下：
表3 减污降碳经济增长潜力的影响因素回归结果

Tab.3 Regression results of influencing factors of the potential of pollution reduction, carbon reduction and economic growth

变量 （1） （2） （3） （4）
减污降碳
经济增长潜力		 增长潜力 降碳潜力 减污潜力
PGDP 1.985*** 3.844*** 0.729*** 1.383***
（0.079） （0.219） （0.103） （0.101）
PGDP2 -0.089*** -0.180*** -0.030*** -0.059***
（0.004） （0.010） （0.005） （0.005）
INDSTR -0.002*** 0.000 -0.003*** -0.003***
（0.001） （0.001） （0.001） （0.001）
URBAN -0.003*** -0.008*** 0.001 -0.002**
（0.001） （0.002） （0.001） （0.001）
EXPEND -0.046*** 0.009 -0.094*** -0.053**
（0.017） （0.047） （0.022） （0.022）
HUMAN -0.031** -0.098*** 0.003 0.003
（0.013） （0.036） （0.017） （0.016）
FDI 0.006 0.037*** -0.013** -0.006
（0.004） （0.011） （0.005） （0.005）
PRESS 0.004*** 0.008*** 0.002* 0.002*
（0.001） （0.002） （0.001） （0.001）
常数项 -10.097*** -19.726*** -3.578*** -6.989***
（0.415） （1.144） （0.537） （0.528）

注：括号内数值为标准误；*、**、***表示在0.10、0.05、0.01水平上显著。

①列（1）中经济发展水平的一次项系数显著为正，二次项系数显著为负。这表明经济发展水平对减污降碳经济增长潜力为倒“U”型影响。这一结论在列（2）~（4）均成立。一方面，在经济发展到一定阶段后，经济增长更多从要素投入转向技术进步，推动经济增长与资源消耗、污染排放脱钩。另一方面，收入高的地区对环境质量要求更高，促使政府进行环境治理。这表明经济发展是促使城市跨过拐点提高减污降碳经济增长水平的重要路径。
②列（1）（3）（4）中产业结构的系数显著为负，表示产业结构的提升缩小中国城市减污降碳经济增长潜力、降碳潜力、减污潜力。产业结构升级是实现高质量发展的支撑。这一过程象征着产品的高附加值、高技术化。第二产业的发展导致能源消耗、CO2和污染物排放。第三产业的发展有利于经济增长与能源消耗脱钩和污染、碳排放脱钩，进而促进了减污降碳经济增长水平。列（2）中产业结构系数为正，但不显著，表明第三产业对增长潜力没有直接影响。原因在于，我国第三产业的发展缺乏科技含量，同时服务于第一、二产业程度不够。
③列（1）（2）（4）中城镇化系数显著为负，表明城镇化促进了中国城市减污降碳经济增长水平、经济增长水平和减污水平。城镇化是集聚经济的主要载体，可以推动绿色技术的传播与共享。同时集聚利于催生环保产业的规模化。因此城镇化缩小经济增长潜力和减污潜力。列（3）中城镇化系数为正，但不显著，表明城镇化对降碳潜力没有直接影响。城镇化虽然带来了集聚效应，但也催生了CO2的排放。这表明我国城镇化建设缺乏降碳目标，助力低碳发展的能力较弱。
④列（1）（3）（4）中财政支出系数显著为负，表明财政支出促进了中国城市减污降碳经济增长水平、降碳水平、减污水平。环境问题与气候问题均具有外部性，依赖市场运作只会导致环境恶化、气候问题加剧。对于环境问题和气候问题，政府调控极为重要。政府通过财政支出协调了经济增长同气候问题、环境问题的矛盾。列（2）中财政支出系数为正，但不显著，表明财政支出对经济增长水平没有直接影响。原因在于，财政支出可能会对市场主体投资产生挤压效应，抑制经济质量的提高。
⑤列（1）（2）中人力资本系数显著为负，表明人力资本促进了中国城市减污降碳经济增长水平、经济增长水平。内生经济增长理论认为，人力资本是经济持续增长的核心要素。人力资本可以通过创新效应来推动经济增长已得到广泛的认同。列（3）（4）中人力资本系数为负，但不显著，表明人力资本对减污、降碳水平没有直接影响。这说明人力资本并没有助力减污降碳领域，而是主要集中服务于传统经济。
⑥列（1）（2）中外商直接投资系数显著为正，表明外商直接投资增加了中国城市减污降碳经济增长潜力和经济增长潜力。外商投资主要集中在我国的东部沿海城市，造成区域经济发展不平衡。区域经济发展的不平衡导致减污降碳经济增长的目标值提高，进而扩大了潜力值。这与我国改革开放后，区域经济发展差距拉大的事实吻合。列（3）（4）外商直接投资系数为负，但不显著，表明外商直接投资对绿色和降碳潜力没有明显的提升作用。原因在于，外商直接投资既存在“污染光环”效应，也存在“污染避难”效应，进而导致溢出效应难以发挥。
⑦列（1）~（4）中经济增长压力的系数显著为正，表明经济增长压力扩大了减污降碳经济增长潜力。当地方政府经济压力过大，易出现短视行为，即通过行政干预倾向于大规模的投资。粗放式的建设将加速劳动、资本投入以及能源消耗，导致CO2与污染物减排成本过高。此外短期资金的使用会挤压长期投资，如技术研发、教育事业等。
考虑到潜力变量的截断特征，我们采用Tobit回归模型进行稳健性检验。其中减污、降碳潜力在0处左截断、1处右截断，经济增长潜力在0处左截断，减污降碳经济增长潜力在0处左截断。检验发现，Tobit回归结果与固定效应仅在系数的标准误有较小差别，限于篇幅不作展示。

4 减污降碳经济增长倾向分析

4.1 减污降碳经济增长倾向度测算

图4中表示各个年份在经济增长倾向度、减污倾向度以及降碳倾向度的分布情况。2006—2021年经济增长倾向度降低，而减污倾向和降碳倾向升高。其中减污倾向的程度大于降碳倾向程度，这表明中国早已出现从单一的经济增长向降碳减污式增长转变。减污倾向度一直高于降碳倾向度，表明降碳治理滞后于减污治理。
图4 减污降碳经济增长倾向度的时间趋势

Fig.4 Trends of the tendency of pollution reduction, carbon reduction and economic growth

图5展示了全国、东部、中部、西部的3种倾向的时间趋势图。从全国层面来看，2006—2021年，减污是最大主题和任务。2007年开始，减污倾向高于经济增长倾向。主要原因是，2006年污染物的总量控制作为约束性指标被纳入5年规划。2016年开始，降碳倾向出现明显提升，并开始高于经济增长倾向。主要原因是巴黎协定的签署和新环保法等措施。从减污倾向和降碳倾向看，东部最高，其次为中部和西部。从经济增长倾向看，西部最高，其次为中部和东部。到2021年，东部和中部应以减污倾向为主，其次为降碳倾向，最后为经济增长倾向。西部应以减污倾向为主，其次为经济增长倾向，最后为降碳倾向。这表明东部和中部应以绿色低碳发展为主，不以牺牲生态环境和能源消耗来换取经济增长；西部在推进生态文明建设的同时要始终把经济增长作为重要的任务，推动减污、降碳、经济增长的协同发力。
图5 不同区域减污降碳经济增长倾向度

Fig.5 Tendency of pollution reduction， carbon reduction and economic growth in different regions

4.2 减污降碳经济增长倾向区分类

根据区域3类倾向度情况，本文将区域减污降碳经济增长倾向区划分为6种类型：经济增长倾向区、减污倾向区、降碳倾向区、减污经济增长倾向区、减污降碳倾向区、降碳经济增长倾向区。图6展示了2006—2021年6种区域类型的比重。图7展示2006、2011、2016和2021年6类倾向区的空间动态变化。其中2006年经济增长倾向区的城市最多，到2021年经济增长倾向区的城市大量减少，减污降碳倾向区的城市最多。这同我国提出生态文明建设转向减污降碳协同增效的政策导向相符。2021年，减污倾向区的城市仍然较多，出现减污倾向区与减污降碳倾向区并重的格局，这表明单独减污的空间仍然较大；降碳倾向区和降碳经济增长倾向区的城市一直较少，这表明降碳不减污和在降碳中增长仅适合少数城市，同时也反映出碳排放与经济增长和污染物排放的关系紧密，协同治理空间较大。
图6 6类倾向区数量的动态变化

Fig.6 Change of the number of six types of tendency zones

图7 6类倾向区的空间动态变化

Fig.7 Spatial dynamic changes of six types of tendency zones

表4展示了2021年6种倾向区类型的代表性城市。筛选原则为，在单一倾向区中，选择该倾向度最高的6个城市；而在复合倾向区中，则选择排除倾向度最低的6个城市。由表可以看出：①经济增长倾向区具有经济水平落后的特点。表4中主要为发展绩效较为落后的中西部的城市。该类型地区没有明显的环境问题和碳排放量大的特征，因此推动经济发展为其主要任务。②减污倾向区的城市在环境治理方面存在较大空间。表4中主要是中东部经济发达的城市，但具有以能源消耗和污染排放来换取经济增长的特征，因此推动环境治理是该类型区的主要任务。③降碳倾向区的城市在碳减排方面存在较大空间。表4中主要为工业型和资源型城市，该类城市碳排放量较高。虽然有较高的经济绩效和对环境保护的重视，但对气候治理不足。因此推动碳减排是该类型区的主要任务。④减污经济增长倾向区的城市具有污染严重和经济落后的特征。在表中主要为污染性行业集聚的城市。后来面临着经济增长动力不足，产业转型困难的状况。因此推动环境治理与产业结构调整是该类型区的主要任务。⑤减污降碳倾向区的城市具有污染严重和碳排放量多的特点。这类城市的经济增长主要依靠能源消耗，污染物、CO2排放量大，对气候问题和污染问题缺乏重视。⑥降碳经济增长倾向区的城市具有碳排放量多和经济落后的特点。尽管碳排放量较大，但并未取得较高的经济增长。可能的原因是该类城市处于产业价值链较低的位置。因此推动碳减排和提升产业附加值是该类型区的主要任务。
表4 2021年6种倾向区类型的代表性城市

Tab.4 Representative cities of six types of tendency zones in 2021

类型 数量（个） 代表性城市
增长经济倾向区 43 延安市、三亚市、银川市、榆林市、商洛市、陇南市
减污倾向区 74 深圳市、无锡市、海口市、河池市、成都市、温州市
降碳倾向区 10 大庆市、哈尔滨市、北京市、四平市、鄂尔多斯市、鞍山市
减污经济增长倾向区 29 咸阳市、南宁市、抚州市、宜春市、普洱市、临沧市
减污降碳倾向区 120 临沂市、石嘴山市、淄博市、自贡市、东营市、邯郸市
降碳经济增长倾向区 6 天水市、酒泉市、安康市、鹤壁市、铁岭市、朝阳市

5 进一步讨论

本文将倾向区设计与国家主体功能区规划相结合开展进一步讨论。主体功能区以资源环境承载力为原则，通过分区、分类约束来推动区域发展与生态平衡、环境保护协同[37]。按照开发方式可以分为优化开发区域、重点开发区域、限制开发区域、禁止开发区域。与主体功能区规划结合，能够使得倾向区设计具有更好的政策指导作用，更适应新时代生态文明建设和高质量发展要求。因此本文在主体功能区的框架下讨论6种倾向区的政策导向。
在优化开发区域内，经济增长倾向区在产业落地上，应该选择具有高技术、清洁、低能耗的产业，尽量减少经济增长对资源环境的依赖。减污倾向区应注重环境监管和污染减排，利用科技实力推动绿色技术创新，减少对环境的污染。降碳倾向区应明确为气候治理的排头兵，利用科技实力推动低碳技术创新和能源转型。减污经济增长倾向区应明确绿色发展是首位，在绿色发展的框架下，追求经济增长与生态环境协调发展的方式。减污降碳倾向区表明在过度开发的情况下，CO2和污染排放极为严重，应加快结构调整、转变发展方式。降碳经济增长倾向区应明确低碳发展是首位，在绿色发展的框架下，追求经济增长与气候治理协调的方式。
在重点开发区域内，经济增长倾向区应重点推动经济发展和产业升级。减污倾向区应重点解决当前污染排放问题，为未来的经济增长提供环境基础。降碳倾向区应重点解决当前气候治理任务，为未来的经济增长提供气候保障。减污经济增长倾向区应将绿色与经济增长统一，在未来推动绿色经济增长。减污降碳倾向区应重点解决当前CO2、污染排放问题，为未来的经济增长提供环境基础。降碳经济增长倾向区应将低碳与经济增长统一，在未来推动低碳经济增长。
在限制开发区域内，经济增长倾向区应限制开发规模和资源利用，避免对环境造成重大破坏，并寻求合理的发展方式。减污倾向区应严格控制污染排放和环境破坏行为，注重生态修复和保护生态系统的完整性。降碳倾向区应限制高碳排放行业的发展，鼓励低碳技术和清洁能源的应用。减污经济增长倾向区应限制对生态环境的破坏，推动可持续发展与人与自然的协调。减污降碳倾向区应限制高碳排放行业的发展，重点推动绿色低碳产业的发展，实现生态环境与经济发展的协调。降碳经济增长倾向区应限制高碳排放行为，促进低碳经济的发展和资源的高效利用。
在禁止开发区域内，由于禁止开发区域的特殊性质，这些区域不适合讨论6种倾向区的情况。通常这些区域是为了保护特殊的生态系统或生态功能而设立，限制开发活动。

6 结论与建议

本文将经济增长、污染减排与降低碳排放进行统一分析，提出一种潜力—倾向度分析框架。本文以2006—2021年中国282个城市为研究对象，运用数据包络分析法、固定效应模型，研究了中国区域减污降碳经济增长潜力与倾向度。研究结论如下：①我国整体减污降碳经济增长潜力不断下降，表明减污降碳经济增长水平得到提升。其中东部潜力下降最多，其次为中部和西部。经济增长潜力的下降是减污降碳经济增长潜力下降的主要原因。2015年可作为减污降碳经济增长的分水岭，此前减污潜力与降碳潜力的技术进步与技术后退交替出现，此后主要呈现为技术进步。②经济发展水平、产业结构、城镇化水平、人力资本、财政支出、外商直接投资、地方经济增长压力7个变量为减污降碳经济增长水平的影响因素。其中，经济发展水平对减污降碳经济增长水平的影响为倒“U”型，地方经济增长压力抑制了减污降碳经济增长水平；而产业结构、城镇化水平、人力资本、财政支出、外商直接投资对减污降碳经济增长水平的影响，在3个维度中存在异质性。③中国城市整体从经济增长倾向到减污倾向和降碳倾向转变，且减污倾向度大于降碳倾向度。西部的经济增长倾向高于中部与东部，而减污倾向与降碳倾向低于中部与东部，未来西部仍需将经济增长作为重要的任务。近年来，城市中减污降碳倾向区比重最大，其次是减污倾向区。未来推动减污降碳协同增效是主要方向。
根据上述结论，本文提出以下政策建议：①根据倾向度结果制定差异化的政策支持。地方政府应绘制发展的路线图，明确倾向性发展方向。根据经济增长、污染减排和降低碳排放的重要性识别，制定相应的综合政策措施，并确保这些措施与城市战略发展目标相匹配。对于污染减排重要性高的城市，可以加大环境治理、减排监管和技术支持力度；对于降低碳排放重要性高的城市，应提供更多的政策和资金支持，推动低碳技术创新和应用；对于经济增长重要性高的城市，可以推出鼓励产业发展、吸引投资和扩大市场的政策措施。②促进绿色低碳技术创新与转移。鼓励东部地区的高新技术企业和研究机构与中部、西部地区进行绿色低碳技术创新和转移合作。通过技术创新和共享，加快中西部地区的绿色低碳发展进程。③加强人力资本培养。加大对环保和低碳技能培训的投入，提高人力资本的水平，培养专业技术人才的绿色低碳意识，为减污降碳式的增长提供人力支持。④强化地方政府的监管和支持。加强对地方政府的指导和监督，确保绿色低碳发展的落实。同时，提供财政和政策支持，激励地方政府积极推动绿色低碳增长，减少对地方经济增长的压力。⑤加强城镇化规划和建设。在城镇化过程中，注重可持续发展和环境友好原则，推动绿色建筑、资源节约型社区和可再生能源的应用，提高城市的绿色低碳水平。

PACE2023中国绿色低碳发展理论与政策国际研讨会和2023年中国区域科学协会年会的与会专家对本文提出的修改意见。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
余泳泽, 林彬彬. 偏向性减排目标约束与技术创新——“中国式波特假说”的检验[J]. 数量经济技术经济研究, 2022, 39(11):113-135.

[2]
樊杰, 赵艳楠. 面向现代化的中国区域发展格局:科学内涵与战略重点[J]. 经济地理, 2021, 41(1):1-9.

[3]
张友国, 窦若愚, 白羽洁. 中国绿色低碳循环发展经济体系建设水平测度[J]. 数量经济技术经济研究, 2020, 37(8):83-102.

[4]
陈帅, 张丹丹. 空气污染与劳动生产率——基于监狱工厂数据的实证分析[J]. 经济学(季刊), 2020, 19(4):1315-1334.

[5]
易兰, 杨田恬, 杜兴, 等. 减污降碳协同路径研究:典型国家驱动机制及对中国的启示[J]. 中国人口·资源与环境, 2022, 32(9):53-65.

[6]
范庆泉, 张同斌. 中国经济增长路径上的环境规制政策与污染治理机制研究[J]. 世界经济, 2018, 41(8):171-192.

[7]
Huang C, Ren W, Fatima N, et al. Carbon intensity constraint,economic growth pressure and China's low-carbon development[J]. Journal of Environmental Management, 2023,348:119282.

[8]
刘华军, 郭立祥, 乔列成. 减污降碳协同效应的量化评估研究——基于边际减排成本视角[J]. 统计研究, 2023, 40(4):19-33.

[9]
Tibrewal K, Venkataraman C. Climate co-benefits of air quality and clean energy policy in India[J]. Nature Sustainability, 2021, 4(4):305-313.

[10]
Scovronick N, Anthoff D, Dennig F, et al. The importance of health co-benefits under different climate policy cooperation frameworks[J]. Environmental Research Letters, 2021, 16(5):055027.

[11]
涂正革, 王昆, 谌仁俊. 经济增长与污染减排:一个统筹分析框架[J]. 经济研究, 2022, 57(8):154-171.

[12]
张鹏, 张平, 张自然, 等. 绿色优先战略下的增长路径探索与治理实践[J]. 经济研究, 2022, 57(9):27-45.

[13]
樊杰. “健全主体功能区制度体系”的经济地理学讨论[J]. 经济地理, 2024, 44(8):1-7.

[14]
周恺, 张旭阳, 夏依宁, 等. 人口—土地协调视角下的湖南省主体功能区优化探索[J]. 资源科学, 2024, 46(2):421-433.

[15]
李璐, 董捷, 徐磊, 等. 功能区土地利用碳收支空间分异及碳补偿分区——以武汉城市圈为例[J]. 自然资源学报, 2019, 34(5):1003-1015.

[16]
夏函, 张万顺, 彭虹, 等. 基于主体功能区规划的中国城市化地区生态功能评估[J]. 地理科学, 2020, 40(6):882-889.

[17]
Trygg K, Wenander H. Strategic spatial planning for sustainable development-Swedish planners' institutional capacity[J]. European Planning Studies, 2022, 30(10):1985-2001.

[18]
Oliveira E, Tobias S, Hersperger A M. Can strategic spatial planning contribute to land degradation reduction in urban regions?State of the art and future research[J]. Sustainability, 2018, 10(4):949. https://doi.org/10.3390/su10040949.

[19]
Olesen K. Reviving strategic spatial planning for the challenges ahead[J]. European Planning Studies, 2023, 31(11):2318-2326.

[20]
Vallance S, Edwards S. Charting new ground:Between tactical urbanism and strategic spatial planning[J]. Planning Theory & Practice, 2021, 22(5):707-724.

[21]
Hersperger A M, Gradinaru S, Oliveira E, et al. Understanding strategic spatial planning to effectively guide development of urban regions[J]. Cities, 2019,94:96-105.

[22]
Calado H, Braga A, Moniz F, et al. Spatial planning and resource use in the Azores[J]. Mitigation and Adaptation Strategies for Global Change, 2015, 20(7):1079-1095.

[23]
Shephard R W. Cost and Production Functions[M]. Princeton: Princeton University Press, 1953.

[24]
Chambers R G, Färe R, Grosskopf S. Productivity growth in APEC countries[J]. Pacific Economic Review, 1996, 1(3):181-190.

[25]
Chung Y H, Färe R, Grosskopf S. Productivity and undesirable outputs:A directional distance function approach[J]. Journal of Environmental Management, 1997, 51(3):229-240.

[26]
Zhou P, Ang B W, Wang H. Energy and CO2 emission performance in electricity generation:A non-radial directional distance function approach[J]. European Journal of Operational Research, 2012, 221(3):625-635.

[27]
Färe R, Grosskopf S, Whittaker G. Directional output distance functions:endogenous directions based on exogenous normalization constraints[J]. Journal of Productivity Analysis 2013, 40(3):267-269.

[28]
Hampf B, Kruger J J. Optimal directions for directional distance functions:An exploration of potential reductions of greenhouse gases[J]. American Journal of Agricultural Economics 2015, 97(3):920-938.

[29]
Wang K, Xian Y J, Lee C Y, et al. On selecting directions for directional distance functions in a non-parametric framework:A review[J]. Annals of Operations Research, 2019, 278(1-2):43-76.

[30]
张宁. 碳全要素生产率、低碳技术创新和节能减排效率追赶——来自中国火力发电企业的证据[J]. 经济研究, 2022, 57(2):158-174.

[31]
史丹. 中国能源效率的地区差异与节能潜力分析[J]. 中国工业经济, 2006(10):49-58.

[32]
周曙东, 宛睿. 基于先进标杆理念的二氧化碳减排潜力研究[J]. 中国人口·资源与环境, 2021, 31(4):23-31.

[33]
王文举, 向其凤. 中国产业结构调整及其节能减排潜力评估[J]. 中国工业经济, 2014(1):44-56.

[34]
周从越, 王竹, 郑媛, 等. 尺度重组视角下县域“协同治碳联盟”的碳额空间分异研究——基于浙江省减碳潜力的分析[J]. 地理研究, 2023, 42(6):1545-1559.

[35]
周鹏, 安超, 孙杰, 等. 非参数环境生产技术建模及应用研究综述[J]. 系统工程理论与实践, 2020, 40(8):2065-2075.

[36]
邵帅, 范美婷, 杨莉莉. 经济结构调整、绿色技术进步与中国低碳转型发展——基于总体技术前沿和空间溢出效应视角的经验考察[J]. 管理世界, 2022, 38(2):46-69,4-10.

[37]
王亮, 顾伟男, 陈沛然. 主体功能区约束与区域发展协同决策:逻辑与机制[J]. 自然资源学报, 2023, 38(6):1430-1446.

Options
文章导航

/

〈 〉