城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)及影響因素

高煜昕,高 明*

城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)及影響因素

高煜昕1,2,高 明1,2*

(1.福州大學(xué)經(jīng)濟(jì)與管理學(xué)院,福建 福州 350116；2.福州大學(xué)福建綠色發(fā)展研究院,福建 福州 350116)

采用非期望產(chǎn)出的超效率SBM模型,對(duì)2005～2020年中國(guó)30個(gè)省份的城市生活垃圾碳排放效率進(jìn)行測(cè)度和評(píng)價(jià)的基礎(chǔ)上,借助社會(huì)網(wǎng)絡(luò)分析法(SNA)以及二次指派程序方法(QAP),探討了中國(guó)城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的結(jié)構(gòu)特征以及影響因素.研究表明:除北京、內(nèi)蒙古、上海、江蘇、福建外,其余省份的垃圾處理碳排放效率均值均小于1,效率較高的省份主要位于東部地區(qū).中國(guó)城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的緊密程度在波動(dòng)中提高,但仍有提升空間,網(wǎng)絡(luò)結(jié)構(gòu)呈現(xiàn)較好的可達(dá)性和穩(wěn)定性.東部省份處于空間網(wǎng)絡(luò)相對(duì)中心的位置,在城市生活垃圾碳排放效率空間網(wǎng)絡(luò)中具有較強(qiáng)的主導(dǎo)作用,而中部?西部省份處于邊緣位置,發(fā)揮著中介和傳導(dǎo)作用.城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)可劃分為凈溢出?凈受益?經(jīng)紀(jì)人板塊,各板塊內(nèi)部聯(lián)系較少,板塊間聯(lián)系緊密,并存在較強(qiáng)的空間溢出效應(yīng).空間鄰接差異?經(jīng)濟(jì)發(fā)展水平差異?科技水平差異?城市生活垃圾處理結(jié)構(gòu)差異對(duì)中國(guó)城市生活垃圾碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)的形成具有顯著影響.

城市生活垃圾碳排放效率；空間關(guān)聯(lián)網(wǎng)絡(luò)；影響因素；社會(huì)網(wǎng)絡(luò)分析

全球氣候變暖已嚴(yán)重威脅著經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展和人類的生存安全,如何有效控制與降低碳排放已經(jīng)成為了世界主要國(guó)家的重大課題.中國(guó)作為世界上最大的能源消費(fèi)與碳排放國(guó),近年來對(duì)碳排放問題高度關(guān)注,.隨著我國(guó)城市化的高速發(fā)展,城市生活垃圾產(chǎn)量劇增[1-2],導(dǎo)致城市生活垃圾處理產(chǎn)生的溫室氣體快速增長(zhǎng)并已成為碳排放的重要來源之一,有效推動(dòng)城市生活垃圾碳減排工作已成為有效減少我國(guó)碳排放量的重要途徑之一.碳排放效率的研究對(duì)于解決碳排放問題有著重要意義,科學(xué)提高城市生活垃圾碳排放效率是城市生活垃圾處理行業(yè)低碳發(fā)展的客觀要求.隨著城市生活垃圾處理技術(shù)的不斷發(fā)展,以及區(qū)域經(jīng)濟(jì)發(fā)展水平的不斷提高,中國(guó)城市生活垃圾碳排放效率呈顯著的空間相關(guān)性[3].因此,從空間網(wǎng)絡(luò)關(guān)聯(lián)視角分析中國(guó)城市生活垃圾碳排放效率的網(wǎng)絡(luò)結(jié)構(gòu)特征及影響因素,確定各地區(qū)在網(wǎng)絡(luò)中的地位和作用,對(duì)構(gòu)建跨區(qū)域城市生活垃圾碳排放效率協(xié)同提升機(jī)制,促進(jìn)區(qū)域協(xié)同減排以及先進(jìn)的生活垃圾管理經(jīng)驗(yàn)和低碳處理技術(shù)擴(kuò)散具有重要的實(shí)際意義和應(yīng)用價(jià)值.

通過文獻(xiàn)梳理發(fā)現(xiàn),國(guó)內(nèi)外學(xué)者對(duì)碳排放效率研究較多,聚焦于交通運(yùn)輸業(yè)[4]、建筑業(yè)[5]、農(nóng)業(yè)[6-7]、工業(yè)[8]等具體產(chǎn)業(yè),從研究?jī)?nèi)容來看,學(xué)者對(duì)碳排放效率的研究包括以下幾方面:第一,測(cè)算碳排放效率.目前主要是圍繞單要素和全要素的角度測(cè)算碳排放效率.早期學(xué)者主要用碳生產(chǎn)率[9]、碳排放強(qiáng)度[10]等單要素指標(biāo)測(cè)算碳排放效率,用這種方法測(cè)算碳排放效率具有一定的片面性,因而目前學(xué)者[11-13]把碳排放作為非期望產(chǎn)出,采用全要素指標(biāo)來測(cè)算碳排放效率.其中非期望產(chǎn)出的超效率SBM模型是圍繞全要素角度測(cè)算碳排放效率的常用模型,現(xiàn)有研究基于該模型對(duì)省份層面[11]、城市層面[12]的碳排放效率進(jìn)行測(cè)算.第二,主要是通過Tobit模型[14-15]、空間計(jì)量模型[16-17]等對(duì)不同地區(qū)碳排放效率的影響因素進(jìn)行分析.第三,主要是通過動(dòng)態(tài)收斂性分析法[18]、空間計(jì)量模型[19]、β收斂模型[20]對(duì)碳排放效率的收斂性進(jìn)行分析,目前該研究較少且主要存在于國(guó)內(nèi).

城市生活垃圾碳排放效率是考慮了碳排放約束條件下的城市生活垃圾處理效率,是指在城市生活垃圾處理過程中給定要素投入和產(chǎn)出水平下碳排放最小化的程度,對(duì)其研究旨在減少城市生活垃圾處理過程中的碳排放,實(shí)現(xiàn)可持續(xù)發(fā)展和“雙碳”目標(biāo).目前國(guó)內(nèi)外對(duì)城市生活垃圾相關(guān)效率的研究主要集中在生活垃圾處理效率[21-22]、生活垃圾管理效率[23-24]、生活垃圾收集效率[25-26]、生活垃圾回收效率[27]等方面.隨著國(guó)內(nèi)外對(duì)全球變暖與碳排放問題的深入研究,部分學(xué)者將碳排放因素納入城市生活垃圾相關(guān)效率研究中進(jìn)行探討,使得對(duì)城市生活垃圾效率問題的研究得到進(jìn)一步拓展.在定量測(cè)算方面,Zhao等[28]、Yang等[29]、Paes等[30]加入碳排放因素分別對(duì)不同區(qū)域城市生活垃圾管理的生態(tài)效率進(jìn)行測(cè)算與分析.在影響因素方面,Chu等[3]使用非期望產(chǎn)出的超效率SBM模型計(jì)算了2010～2019年中國(guó)31個(gè)省份的城市生活垃圾碳排放效率,并運(yùn)用空間誤差模型分析了效率的影響因素和影響路徑.

綜上所述,已有文獻(xiàn)對(duì)碳排放效率及城市生活垃圾相關(guān)效率方面進(jìn)行了大量的有益探索并取得了相當(dāng)?shù)某晒?但在城市生活垃圾碳排放效率上的研究成果相對(duì)匱乏且仍存在不足:一方面,現(xiàn)有研究是基于“屬性數(shù)據(jù)”對(duì)城市生活垃圾碳排放效率進(jìn)行研究,通過地理鄰近關(guān)系解釋局部空間溢出效應(yīng),缺乏對(duì)“關(guān)系數(shù)據(jù)”的考慮,忽視了各地區(qū)在關(guān)聯(lián)網(wǎng)絡(luò)中的作用和地位,導(dǎo)致不能精確反映城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)及其演變特征.另一方面,網(wǎng)絡(luò)化視角下的城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的影響因素分析尚待深化,雖然目前已有文獻(xiàn)基于傳統(tǒng)計(jì)量方法入手對(duì)城市生活垃圾碳排放效率的影響因素進(jìn)行分析,但缺乏從復(fù)雜網(wǎng)絡(luò)視角下對(duì)其影響因素及作用機(jī)制進(jìn)行分析.近年來,社會(huì)網(wǎng)絡(luò)分析及QAP模型被廣泛應(yīng)用在復(fù)雜網(wǎng)絡(luò)關(guān)系的研究中,它們的核心在于從“關(guān)系數(shù)據(jù)”出發(fā)來刻畫研究對(duì)象的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)特征及影響因素,能較好解決現(xiàn)有研究存在的不足.

鑒于此,本文采用非期望產(chǎn)出的超效率SBM模型對(duì)2005～2020年中國(guó)城市生活垃圾碳排放效率進(jìn)行測(cè)度,綜合利用修正的引力模型?社會(huì)網(wǎng)絡(luò)分析方法以及QAP模型對(duì)中國(guó)城市生活垃圾碳排放效率的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)特征及其影響因素進(jìn)行分析,為推動(dòng)城市生活垃圾碳排放效率協(xié)同提升、“雙碳”目標(biāo)實(shí)現(xiàn)和“無廢城市”建設(shè)提供參考依據(jù).

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

1.1.1 考慮非期望產(chǎn)出的超效率SBM模型 傳統(tǒng)DEA模型存在沒有考慮松弛變量而產(chǎn)生測(cè)度誤差的問題,且用傳統(tǒng)DEA模型測(cè)度效率最大值為1,當(dāng)存在多個(gè)有效決策單元時(shí),無法比較效率的高低.相比傳統(tǒng)DEA模型,對(duì)城市生活垃圾碳排放效率的測(cè)算借助Tone[31]提出的非徑向?非角度?考慮非期望產(chǎn)出的超效率SBM模型,該模型考慮到非期望產(chǎn)出對(duì)效率產(chǎn)生的影響,能有效克服誤差,并使得決策單元在不同時(shí)期下都具有可比性,使測(cè)算結(jié)果更為準(zhǔn)確,達(dá)到有效評(píng)價(jià)決策單元的基本效率的目的,具體模型如下:

1.1.2 修正的引力模型 社會(huì)網(wǎng)絡(luò)分析的前提是確定城市生活垃圾碳排放效率的空間關(guān)聯(lián)關(guān)系.本文借鑒鄭航等[32]的研究,采用修正的引力模型構(gòu)建中國(guó)省際城市生活垃圾碳排放效率關(guān)聯(lián)關(guān)系矩陣.見式(2):

式中:表示省份、間的聯(lián)系強(qiáng)度;表示省份對(duì)的貢獻(xiàn)率;表示城市生活垃圾碳排放效率;表示年末城市常住人口數(shù);表示實(shí)際GDP;g表示人均實(shí)際GDP;D表示省份與省份省會(huì)城市間的距離;(D/gg)表示兩省份的經(jīng)濟(jì)地理距離.根據(jù)式(2)可計(jì)算得到空間關(guān)聯(lián)引力矩陣,采用取平均值為臨界值為原則對(duì)矩陣進(jìn)行二值化處理得到城市生活垃圾碳排放效率的空間二值矩陣.

1.1.3 社會(huì)網(wǎng)絡(luò)分析法 社會(huì)網(wǎng)絡(luò)分析法近年來在數(shù)字經(jīng)濟(jì)、生態(tài)安全、科技創(chuàng)新等領(lǐng)域得到廣泛應(yīng)用[33-35].本文采用社會(huì)網(wǎng)絡(luò)分析法從整體網(wǎng)絡(luò)結(jié)構(gòu)?個(gè)體網(wǎng)絡(luò)結(jié)構(gòu)和塊模型分析對(duì)中國(guó)城市生活垃圾碳排放效率的網(wǎng)絡(luò)結(jié)構(gòu)特征進(jìn)行分析(圖1),其中整體網(wǎng)絡(luò)結(jié)構(gòu)、個(gè)體網(wǎng)絡(luò)結(jié)構(gòu)各指標(biāo)的具體計(jì)算公式及塊模型分析中各板塊的劃分依據(jù)參見文獻(xiàn)[36-37].

圖1 中國(guó)城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)分析框架

1.1.4 QAP回歸分析 由于通過引力矩陣形成的城市生活垃圾碳排放效率空間關(guān)聯(lián)矩陣及其自變量矩陣均為“關(guān)系數(shù)據(jù)”矩陣,使用傳統(tǒng)計(jì)量模型研究無法避免多重共線性問題所帶來的誤差.因此,本文采用QAP回歸分析法對(duì)空間關(guān)聯(lián)網(wǎng)絡(luò)的影響因素進(jìn)行分析,該方法能有效規(guī)避多重共線性問題并使得到的結(jié)果更為穩(wěn)健[38-39].

1.2 數(shù)據(jù)來源

選取2005～2020年中國(guó)30個(gè)省級(jí)的面板數(shù)據(jù)(未涵蓋港澳臺(tái)和西藏).數(shù)據(jù)來源于《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)城鄉(xiāng)建設(shè)統(tǒng)計(jì)年鑒》、中國(guó)研究數(shù)據(jù)服務(wù)(CNRDS)平臺(tái).同時(shí),參考已有研究成果[3,40],從投入和產(chǎn)出兩個(gè)維度選取5項(xiàng)評(píng)價(jià)指標(biāo)計(jì)算城市生活垃圾碳排放效率,具體指標(biāo)見表1.其中,城市生活垃圾碳排放量是通過填埋、焚燒、堆肥的方式處理城市生活垃圾所得到的,參考已有方法計(jì)算[41-43].

表1 城市生活垃圾碳排放效率計(jì)算指標(biāo)

2 中國(guó)城市生活垃圾碳排放效率的空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)特征分析

2.1 城市生活垃圾碳排放效率測(cè)度分析

使用非期望產(chǎn)出的超效率SBM模型來計(jì)算2005～2020年中國(guó)城市生活垃圾碳排放效率,限于篇幅,表2僅報(bào)告2005年、2008年、2011年、2014年、2017年、2020年的效率值.

就全國(guó)效率及變化趨勢(shì)來看,由表2可知,研究期內(nèi)中國(guó)城市生活垃圾碳排放效率均值為0.788,呈現(xiàn)先升后降趨勢(shì),整體由2005年的0.799下降到2020年的0.740,下降了7.384%.究其原因,可能是“十三五”期間中央政府減少對(duì)城市生活垃圾處理降碳方法的優(yōu)化使現(xiàn)有的降碳能力無法抵消城市生活垃圾產(chǎn)量激增所帶來的負(fù)面影響.

就各區(qū)域效率及變化趨勢(shì)來看,經(jīng)濟(jì)較為發(fā)達(dá)的東部地區(qū)城市生活垃圾碳排放效率較高,中西部地區(qū)效率較低.由表2可知,研究期內(nèi)東部地區(qū)的效率均值0.837高于中部地區(qū)的0.747和西部地區(qū)的0.768,這可能是因?yàn)闁|部地區(qū)常作為試點(diǎn)地區(qū),能率先了解并實(shí)施與城市生活垃圾碳減排相關(guān)的政策,同時(shí)在國(guó)家技術(shù)、財(cái)政與政策的支持下,已形成了一套完善的低碳垃圾處理系統(tǒng).由表2與圖2可知,研究期內(nèi)西部生活垃圾碳排放效率呈波動(dòng)上升趨勢(shì),整體由2005年的0.698上升到2020年的0.781,上升了11.891%,而東部和中部的生活垃圾碳排放效率呈現(xiàn)波動(dòng)下降趨勢(shì),其中東部的下降幅度更大,由2005年的0.915下降到2020年的0.731,下降了20.109%,中部由2005年的0.777下降到2020年的0.694,下降了10.682%.究其原因,一是因?yàn)閲?guó)家近年來對(duì)西部地區(qū)的重視加強(qiáng),在西部大開發(fā)政策指導(dǎo)下西部地區(qū)在垃圾降碳處理方面上得到了更多的資金和技術(shù)支持;二是因?yàn)槲鞑康貐^(qū)認(rèn)識(shí)到了自身在處理城市生活垃圾碳排放的不足,出臺(tái)了一系列針對(duì)城市生活垃圾碳減排的規(guī)劃文件和工作方案,倡導(dǎo)低碳包裝?垃圾回收利用與分類管理,從源頭上減少了生活垃圾處理產(chǎn)生的碳排放,以回應(yīng)國(guó)家對(duì)西部地區(qū)的重視;三可能是因?yàn)橹袞|部地區(qū)城市生活垃圾產(chǎn)量急劇上升,但地方政府轉(zhuǎn)移了工作重點(diǎn),降低了對(duì)生活垃圾降碳處理方面的投入與關(guān)注,導(dǎo)致現(xiàn)有降碳能力無法應(yīng)對(duì)垃圾產(chǎn)量的急劇上升.

表2 中國(guó)城市生活垃圾碳排放效率計(jì)算結(jié)果

圖2 2005～2020年中國(guó)各區(qū)域城市生活垃圾碳排放效率變化趨勢(shì)

就各省份效率及變化趨勢(shì)來看,由表2可知,我國(guó)各省城市生活垃圾碳排放效率存在明顯的省際差異,在研究期內(nèi),除北京、吉林、黑龍江、福建、重慶、四川、貴州、云南、寧夏、新疆這些省份城市生活垃圾碳排放效率總體呈上升態(tài)勢(shì),其余省份效率總體均呈下降態(tài)勢(shì).研究期內(nèi)北京、內(nèi)蒙古、上海、江蘇、福建這5個(gè)省份效率均值達(dá)到有效水平,其余省份的城市生活垃圾碳排放效率的均值均低于1,處于無效水平,這意味著中國(guó)大多數(shù)省份的城市生活垃圾碳排放效率需進(jìn)一步提高,特別是處于效率最低水平的寧夏、遼寧、吉林、黑龍江4個(gè)省份,它們的效率均值均低于0.6,具有較大碳減排潛力,是我國(guó)后續(xù)應(yīng)重點(diǎn)加強(qiáng)低碳垃圾處理的地區(qū).究其原因,一方面可能是效率均值達(dá)到有效水平的省份大部分處于地理位置優(yōu)越、經(jīng)濟(jì)與科技發(fā)展水平較高的東部區(qū)域,政府有足夠的財(cái)政推動(dòng)實(shí)施城市生活垃圾處理和減碳政策,使效率始終維持在較高水平.另一方面可能是效率均值未達(dá)到有效水平的省份經(jīng)濟(jì)發(fā)展水平相對(duì)落后,缺乏先進(jìn)的垃圾處理技術(shù)、完備的政策約束和正確處理城市生活垃圾的指導(dǎo),使效率處于較低水平.

2.2 整體網(wǎng)絡(luò)特征分析

通過式(2)得到的空間二值矩陣,利用Ucinet繪制出2005年、2010年、2015年和2020年空間關(guān)聯(lián)網(wǎng)絡(luò)圖,如圖3.由圖3可知,這些網(wǎng)絡(luò)圖形態(tài)穩(wěn)定且具有顯著的空間關(guān)聯(lián)性,網(wǎng)絡(luò)結(jié)構(gòu)呈現(xiàn)出復(fù)雜、多流向、多線程的形態(tài),且網(wǎng)絡(luò)中不存在孤立省份.同時(shí)可知,研究期間北京、上海、江蘇、浙江等東部省份與其他省份存在較多的關(guān)聯(lián)關(guān)系,處于網(wǎng)絡(luò)中心位置,而中、西部地區(qū)處于網(wǎng)絡(luò)邊緣位置.

由圖4可知,在城市生活垃圾碳排放效率的網(wǎng)絡(luò)中,網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系數(shù)和網(wǎng)絡(luò)密度呈波動(dòng)上升態(tài)勢(shì),表明各省份間效率的空間關(guān)聯(lián)強(qiáng)度逐漸提升.但研究期內(nèi)網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系數(shù)達(dá)到最大值的2015年也僅有203個(gè),這與最大可能值870個(gè)仍相差甚遠(yuǎn),可見網(wǎng)絡(luò)中關(guān)聯(lián)關(guān)系較少,網(wǎng)絡(luò)密度也處于較低水平,在達(dá)到最大值時(shí)為0.233,在0.250以下,說明空間關(guān)聯(lián)網(wǎng)絡(luò)狀態(tài)尚未達(dá)到最佳.因此,需要加強(qiáng)城市生活垃圾碳排放效率的空間合作和交流,同時(shí)推動(dòng)省域間城市生活垃圾處理產(chǎn)業(yè)資源要素的空間優(yōu)化配置.網(wǎng)絡(luò)關(guān)聯(lián)度始終為1,表明網(wǎng)絡(luò)結(jié)構(gòu)具有較好的穩(wěn)定性和可達(dá)性,空間溢出效應(yīng)范圍廣.網(wǎng)絡(luò)等級(jí)度下降趨勢(shì)明顯,表明關(guān)聯(lián)網(wǎng)絡(luò)內(nèi)部森嚴(yán)的等級(jí)結(jié)構(gòu)逐漸減弱,各省份間的相互聯(lián)系不斷增強(qiáng).網(wǎng)絡(luò)效率總體呈小幅度下降,由2005年的0.830下降到2020年的0.804,說明網(wǎng)絡(luò)中有一定數(shù)量的冗余渠道,網(wǎng)絡(luò)的穩(wěn)定性有待提高.

圖4 2005～2020年中國(guó)城市生活垃圾碳排放效率的整體網(wǎng)絡(luò)結(jié)構(gòu)特征演變趨勢(shì)

2.3 個(gè)體網(wǎng)絡(luò)特征分析

通過社會(huì)網(wǎng)絡(luò)分析法計(jì)算得到2005、2010、2015與2020年的點(diǎn)度中心度(C)、接近中心度(C)和中間中心度(C)3個(gè)指標(biāo)來分析30個(gè)省份在城市生活垃圾碳排放效率網(wǎng)絡(luò)中的地位和特征,見表3.

2.3.1 度數(shù)中心度 研究期內(nèi),點(diǎn)度中心度均值總體呈上升態(tài)勢(shì),由2005年的31.494上升到2020年的34.713,表明各省份間的空間聯(lián)系不斷增多.其中,北京、天津、上海、江蘇、浙江和廣東的點(diǎn)度中心度在研究期內(nèi)一直高于全國(guó)均值,這些省份位于經(jīng)濟(jì)發(fā)達(dá)的東部地區(qū),在網(wǎng)絡(luò)中占據(jù)主導(dǎo)地位;內(nèi)蒙古、寧夏等經(jīng)濟(jì)發(fā)展水平相對(duì)落后及地理位置偏遠(yuǎn)的中、西部省份點(diǎn)度中心度排名較低,它們?cè)诰W(wǎng)絡(luò)中處于從屬地位.由此可見,度數(shù)中心度的大小與經(jīng)濟(jì)發(fā)展水平、地理位置等存在一定聯(lián)系,東部省份是中國(guó)經(jīng)濟(jì)與科技發(fā)展的引領(lǐng)者,它們能產(chǎn)生“虹吸效應(yīng)”,所以更容易與其他省份產(chǎn)生較多空間關(guān)聯(lián),從而對(duì)其他省份效率影響較大.

2.3.2 接近中心度 研究期內(nèi),接近中心度均值總體呈上升態(tài)勢(shì),由2005年的60.621上升到2020年的61.587,表明各省份在空間關(guān)聯(lián)網(wǎng)絡(luò)中與其他省份間的距離總體縮短,可以更加迅速與其他省份建立關(guān)聯(lián)關(guān)系.研究期內(nèi),北京、天津、上海等東部省份的接近中心度始終高于均值,表明這些省份作為網(wǎng)絡(luò)中的中心行動(dòng)者具有引領(lǐng)作用,同時(shí)這些省份資源自給能力不足,易從其他省份獲取資源,使空間關(guān)聯(lián)網(wǎng)絡(luò)逐漸呈現(xiàn)出中心—邊緣結(jié)構(gòu)(圖3(d)).

2.3.3 中間中心度 研究期內(nèi),中間中心度均值從2005年的2.447降至2020年的2.348,表明中心節(jié)點(diǎn)的主導(dǎo)作用下降,網(wǎng)絡(luò)結(jié)構(gòu)逐漸朝均衡化的方向發(fā)展.2005年,北京、天津、上海、江蘇、浙江和廣東的中間中心度高于均值,2020年,北京、上海、江蘇、浙江、福建的中間中心度高于均值,表明這些省份在網(wǎng)絡(luò)中處于中心位置并對(duì)效率的空間關(guān)聯(lián)起到了控制作用.其中,北京、上海、江蘇、浙江在研究期內(nèi)的中間中心度一直高于均值.寧夏、安徽等省份的中間中心度一直維持在較低水平,這些省份在網(wǎng)絡(luò)中處于邊緣位置,難以影響和控制其他省份.

表3 中國(guó)城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的中心性分析

2.4 塊模型分析

以2020年為例,為進(jìn)一步揭示各地區(qū)在網(wǎng)絡(luò)中的作用,刻畫地區(qū)間的關(guān)系,本文通過使用Ucinet中的CONCOR模塊,將30個(gè)省劃分為4個(gè)板塊,見表4.

其中,35個(gè)存在于板塊內(nèi)部,占總關(guān)系數(shù)的18.041%,159個(gè)存在于板塊外部,占總關(guān)系數(shù)的91.959%,說明板塊內(nèi)部關(guān)系較少,存在空間聚集效應(yīng)與空間溢出效應(yīng).板塊一包括北京、天津、上海、江蘇,其板塊總溢出24個(gè)、總受益89個(gè),實(shí)際內(nèi)部關(guān)系比例16.667%大于期望內(nèi)部關(guān)系比例10.345%,故板塊一為“凈受益”板塊.這些省份都有共同的特點(diǎn),它們都是經(jīng)濟(jì)發(fā)展水平高,地理位置優(yōu)越的東部省份,該板塊能夠有效吸引其他地區(qū)資源要素流入.板塊二包括浙江、福建、廣東,其板塊總溢出21個(gè)、總受益36個(gè),實(shí)際內(nèi)部比例為0小于期望內(nèi)部比例6.897%,該板塊在網(wǎng)絡(luò)中發(fā)揮“中介”作用,故板塊二為“經(jīng)紀(jì)人”板塊.板塊三包括河北、山西、內(nèi)蒙古、遼寧、吉林、黑龍江、山東、河南、寧夏,總溢出51個(gè)、總受益30個(gè),期望內(nèi)部關(guān)系比例27.586%大于實(shí)際內(nèi)部關(guān)系比例21.569%,該板塊對(duì)外溢出關(guān)系較多,故板塊三為“凈溢出”板塊.板塊四包括安徽、重慶、湖北、湖南、江西、廣西、四川、貴州、海南、云南、甘肅、陜西、青海、新疆,總溢出98個(gè)?總受益39個(gè),期望內(nèi)部比例44.828%大于實(shí)際內(nèi)部比例20.408%,該板塊對(duì)外溢出關(guān)系較多,故板塊四同樣可劃分為“凈溢出”板塊.板塊三與板塊四中的省份大多位于位置相對(duì)偏遠(yuǎn)且資源較為豐富的中西部地區(qū),在板塊一“虹吸效應(yīng)”的影響下溢出效應(yīng)顯著.

表4 中國(guó)城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)板塊間的溢出效應(yīng)

為了進(jìn)一步分析板塊間的溢出關(guān)系,可以通過空間網(wǎng)絡(luò)密度矩陣和像矩陣反映各板塊間的溢出效應(yīng)(表5),顯示出各板塊間城市生活垃圾碳排放效率的空間關(guān)聯(lián)傳導(dǎo)機(jī)制.同時(shí),通過四大板塊間互動(dòng)關(guān)系圖更加清晰地展示各板塊間顯著的溢出關(guān)系(圖5),圖中箭頭代表板塊間存在顯著的溢出關(guān)系,箭頭的指向代表溢出關(guān)系的流向.整體網(wǎng)絡(luò)在2020年的網(wǎng)絡(luò)密度為0.440,若板塊密度大于該值記為 1,反之記為0.由表5可知,板塊內(nèi)部關(guān)系較為疏松,板塊間溢出效應(yīng)明顯.板塊一憑借自身的區(qū)位優(yōu)勢(shì),接收來自板塊二?板塊三與板塊四的溢出關(guān)系,板塊二接收來自板塊四的溢出關(guān)系并向板塊一發(fā)出關(guān)系,在板塊間的互動(dòng)關(guān)系中發(fā)揮“中介”作用,板塊三主要對(duì)板塊一產(chǎn)生溢出效應(yīng),板塊四對(duì)板塊一與板塊二產(chǎn)生溢出效應(yīng).總的來說,城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)中各板塊間的聯(lián)系仍不夠完善,未來應(yīng)進(jìn)一步推動(dòng)板塊內(nèi)部與各板塊間的聯(lián)系,從而實(shí)現(xiàn)各地區(qū)碳排放效率的協(xié)同提升以及協(xié)同減排機(jī)制的完善.

表5 中國(guó)城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)板塊的密度矩陣和像矩陣

3 中國(guó)城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的影響因素

3.1 模型設(shè)定與變量說明

通過網(wǎng)絡(luò)特征分析及塊模型分析表明中國(guó)城市生活垃圾碳排放效率存在空間溢出,精準(zhǔn)識(shí)別中國(guó)城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)的影響因素對(duì)促進(jìn)碳排放效率的協(xié)同提升具有重要意義,同時(shí)因?yàn)樽宰兞颗c因變量均為關(guān)系數(shù)據(jù)矩陣,所以采用QAP模型進(jìn)行回歸可以有效規(guī)避多重共線性所產(chǎn)生的誤差.因此,本文選取QAP模型來探究中國(guó)城市生活垃圾碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)影響因素,具體模型如式(3):

式中:表示城市生活垃圾碳排放效率空間關(guān)聯(lián)矩陣;由于城市生活垃圾碳排放效率受地理位置、區(qū)域要素流動(dòng)、政府干預(yù)等外部因素的影響,參考相關(guān)文獻(xiàn)[3,44],本文以空間鄰接、經(jīng)濟(jì)發(fā)展水平、科技水平、政府干預(yù)強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)等影響因素作為解釋變量,解釋變量說明見表6.

表6 各解釋變量說明

3.2 相關(guān)性檢驗(yàn)

通過UCINET軟件構(gòu)建QAP模型進(jìn)行相關(guān)性檢驗(yàn),經(jīng)過隨機(jī)置換10000次計(jì)算得到結(jié)果,見表7.由表7可知,空間鄰接、城鎮(zhèn)化水平、科技水平、經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)的相關(guān)系數(shù)為正且在1%的水平上顯著,初步判斷它們對(duì)城市生活垃圾碳排放效率的空間關(guān)聯(lián)具有積極影響,是推動(dòng)空間關(guān)聯(lián)網(wǎng)絡(luò)形成和發(fā)展的重要力量.城市生活垃圾處理結(jié)構(gòu)?政府干預(yù)水平的相關(guān)系數(shù)為負(fù)且在1%的水平上顯著,初步判斷它們對(duì)城市生活垃圾碳排放效率的空間關(guān)聯(lián)具有負(fù)向影響.

表7 空間關(guān)聯(lián)矩陣與影響因素的QAP相關(guān)性檢驗(yàn)結(jié)果

注:***?**?*分別表示在1%?5%?10%的統(tǒng)計(jì)水平上顯著.下同.

3.3 空間網(wǎng)絡(luò)結(jié)構(gòu)的影響因素分析

為避免自變量間多重共線性所產(chǎn)生的誤差,采用QAP回歸分析進(jìn)行計(jì)算,經(jīng)過隨機(jī)置換10000次計(jì)算得到結(jié)果,見表8.

空間鄰接的回歸系數(shù)在1%的水平上顯著且回歸系數(shù)值為正,說明地理位置的相鄰更易建立關(guān)聯(lián)關(guān)系,這是由于地理空間鄰近性可為各省份城市生活垃圾處理的深度合作提供便利,同時(shí)能降低流動(dòng)成本,更容易進(jìn)行資源和要素的流動(dòng)與配置,從而最大化實(shí)現(xiàn)城市生活垃圾碳排放效率的空間溢出,有效推動(dòng)其空間關(guān)聯(lián)網(wǎng)絡(luò)的形成.

經(jīng)濟(jì)發(fā)展水平差異的回歸系數(shù)在1%的水平上顯著且回歸系數(shù)值為正,說明地區(qū)間經(jīng)濟(jì)發(fā)展水平的差異有利于空間關(guān)聯(lián)的建立,這是由于發(fā)達(dá)省份具有成熟的生活垃圾處理設(shè)施與經(jīng)驗(yàn),率先實(shí)現(xiàn)效率提升,并向欠發(fā)達(dá)地區(qū)省份提供其在資本、人才等資源要素方面的優(yōu)勢(shì),有效推動(dòng)其空間關(guān)聯(lián)網(wǎng)絡(luò)的形成.

科技水平差異的回歸系數(shù)在5%的水平上顯著且回歸系數(shù)值為正,說明地區(qū)間科技水平的差異有利于空間關(guān)聯(lián)的建立,這是由于近年來中國(guó)政府一方面鼓勵(lì)科技水平發(fā)達(dá)省份將先進(jìn)的城市生活垃圾處理技術(shù)跨區(qū)傳播到落后省份,另一方面鼓勵(lì)節(jié)能減排方面科技人員的交流與服務(wù)溢出,從而推動(dòng)效率空間關(guān)聯(lián)網(wǎng)絡(luò)的形成.

城市生活垃圾處理結(jié)構(gòu)差異的回歸系數(shù)在5%的水平上顯著且回歸系數(shù)值為負(fù),說明地區(qū)衛(wèi)生填埋率的相似有利于空間關(guān)聯(lián)關(guān)系的建立,這是由于發(fā)達(dá)地區(qū)各要素存在優(yōu)勢(shì)能較好地處理生活垃圾產(chǎn)生的碳排放,但欠發(fā)達(dá)地區(qū)則相反,在垃圾處理過程中易產(chǎn)生碳排放的溢出效應(yīng),需要在發(fā)達(dá)地區(qū)的幫助下提高碳排放效率從而實(shí)現(xiàn)協(xié)同減排,該過程促進(jìn)了空間關(guān)聯(lián)網(wǎng)絡(luò)的形成.

城鎮(zhèn)化水平差異的回歸系數(shù)不顯著,說明城鎮(zhèn)化水平差異對(duì)空間關(guān)聯(lián)的形成沒有顯著影響,可能是因?yàn)槌擎?zhèn)化水平不僅包括人口城鎮(zhèn)化,本文僅用人口城鎮(zhèn)化表示不能體現(xiàn)新型城鎮(zhèn)化發(fā)展對(duì)經(jīng)濟(jì)?社會(huì)和生態(tài)等形成的正向溢出[45].產(chǎn)業(yè)結(jié)構(gòu)差異與政府干預(yù)強(qiáng)度差異的回歸系數(shù)不顯著,說明它們對(duì)空間關(guān)聯(lián)的形成沒有顯著影響.

表8 空間關(guān)聯(lián)影響因素的QAP回歸分析結(jié)果

3.4 穩(wěn)健性分析

為了進(jìn)一步檢驗(yàn)回歸結(jié)果的穩(wěn)健性,按照城市生活垃圾碳排放效率空間關(guān)聯(lián)矩陣平均值的80%和120%作為閾值[46]分別構(gòu)建不同二值空間關(guān)聯(lián)矩陣,以此作為新的被解釋變量,同時(shí)運(yùn)用原有影響因素矩陣作為解釋變量分別與上述矩陣進(jìn)行QAP回歸分析,見表9.

可以看出,以80%和120%作為閾值,各年度調(diào)整后的R均在1%的水平上通過了顯著性檢驗(yàn),說明影響因素矩陣對(duì)空間關(guān)聯(lián)矩陣的解釋力度較好.同時(shí),可知各變量的顯著性基本未發(fā)生改變,驗(yàn)證了本文回歸分析結(jié)果的穩(wěn)健性.

表9 穩(wěn)健性分析

4 結(jié)論

4.1 在研究期內(nèi),東部地區(qū)城市生活垃圾碳排放效率的均值高于中部與西部地區(qū),西部生活垃圾碳排放效率呈波動(dòng)上升趨勢(shì),而東部和中部的生活垃圾碳排放效率呈現(xiàn)波動(dòng)下降趨勢(shì).

4.2 從整體特征分析來看,中國(guó)城市生活垃圾碳排放效率表現(xiàn)出穩(wěn)定的?多線程的網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系,研究期內(nèi)網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系數(shù)和網(wǎng)絡(luò)密度總體呈增長(zhǎng)趨勢(shì),網(wǎng)絡(luò)等級(jí)度和網(wǎng)絡(luò)效率總體呈下降趨勢(shì),網(wǎng)絡(luò)結(jié)構(gòu)整體具有較強(qiáng)的穩(wěn)定性和連通性,但網(wǎng)絡(luò)緊密程度需進(jìn)一步提升.

4.3 從個(gè)體網(wǎng)絡(luò)特征來看,北京、上海、江蘇、浙江等東部發(fā)達(dá)省份在生活垃圾碳排放效率關(guān)聯(lián)網(wǎng)絡(luò)中處于主導(dǎo)地位,能夠有效吸收其他省份的相關(guān)資源和要素,使生活垃圾碳排放效率維持在較高水平;內(nèi)蒙古、山西、遼寧等東北、中西部偏遠(yuǎn)省份獲取低碳要素與資源的能力偏弱,在網(wǎng)絡(luò)中處于邊緣地位.

4.4 從塊模型分析來看,網(wǎng)絡(luò)被劃分為4個(gè)板塊.北京、天津、上海、江蘇屬于“凈受益”板塊,廣東、浙江和福建屬于“經(jīng)紀(jì)人”板塊,河北、山西等23個(gè)省份屬于“凈溢出”板塊.板塊內(nèi)部的空間關(guān)聯(lián)稀疏,板塊間空間關(guān)聯(lián)緊密,呈現(xiàn)出顯著的溢出效應(yīng).

4.5 從QAP回歸分析來看,空間鄰接差異、經(jīng)濟(jì)發(fā)展水平差異、科技水平差異對(duì)中國(guó)城市生活垃圾碳排放效率的空間關(guān)聯(lián)具有顯著正向影響,城市生活垃圾處理結(jié)構(gòu)差異對(duì)中國(guó)城市生活垃圾碳排放效率的空間關(guān)聯(lián)具有顯著負(fù)向影響,城鎮(zhèn)化水平差異、產(chǎn)業(yè)結(jié)構(gòu)差異與政府干預(yù)強(qiáng)度差異對(duì)中國(guó)城市生活垃圾碳排放效率的空間關(guān)聯(lián)影響不顯著.

5 政策建議

城市生活垃圾碳排放效率的研究對(duì)我國(guó)實(shí)現(xiàn)“雙碳”目標(biāo)具有重要意義,結(jié)合研究結(jié)論,本文提出如下政策建議.

5.1 各省份應(yīng)積極推進(jìn)城市生活垃圾的低碳化處理,未來在提升西部城市生活垃圾碳排放效率的基礎(chǔ)上,應(yīng)通過引入先進(jìn)的垃圾低碳處理設(shè)備與技術(shù)、提高生活垃圾焚燒能力、大幅減少生活垃圾填埋處置、規(guī)范生活垃圾填埋場(chǎng)管理、實(shí)施垃圾分類管理、建立和完善垃圾計(jì)量收費(fèi)制度和垃圾強(qiáng)制分類回收政策等措施重點(diǎn)加強(qiáng)寧夏、遼寧、吉林、黑龍江這四個(gè)省份的碳排放效率,同時(shí)加強(qiáng)對(duì)東部與中部垃圾降碳處理的要求,及時(shí)阻止東部與中部效率的下降態(tài)勢(shì).

5.2 政府在制定相關(guān)政策時(shí),要重視各省份效率在空間上的聯(lián)系,以城市生活垃圾碳排放效率先進(jìn)地區(qū)為中心,建立區(qū)域協(xié)調(diào)發(fā)展及協(xié)同減排機(jī)制,縮小城市生活垃圾碳排放效率的差距;同時(shí),充分發(fā)揮市場(chǎng)調(diào)節(jié)和政府調(diào)控作用,通過完善道路交通等基礎(chǔ)設(shè)施來縮短省份間的空間距離,并構(gòu)建環(huán)保技術(shù)創(chuàng)新合作平臺(tái),從多途徑創(chuàng)造更多關(guān)聯(lián)通道,促進(jìn)跨區(qū)域合作交流,進(jìn)一步加強(qiáng)空間網(wǎng)絡(luò)的關(guān)聯(lián)性、穩(wěn)定性并實(shí)現(xiàn)碳排放效率的協(xié)同提升.

5.3 充分發(fā)揮北京、長(zhǎng)三角東部核心地區(qū)在地理位置、資金、技術(shù)等方面的優(yōu)勢(shì),在積極推動(dòng)自身城市生活垃圾低碳化處理的同時(shí)加強(qiáng)與中西部省份間資源要素的融通,打破地區(qū)間的壁壘,通過技術(shù)外溢、生態(tài)補(bǔ)償和對(duì)口支援等方式輻射帶動(dòng)中西部地區(qū)城市生活垃圾碳排放效率提升,形成促進(jìn)全國(guó)效率協(xié)同提升的動(dòng)力源,掃清“馬太效應(yīng)”的阻礙,實(shí)現(xiàn)效率空間均衡發(fā)展.

5.4 充分發(fā)揮各板塊在網(wǎng)絡(luò)中的作用.對(duì)于效率相對(duì)較高的“凈受益”和“經(jīng)紀(jì)人”板塊,應(yīng)通過積極研發(fā)低碳垃圾處理技術(shù)等方面來克服降碳瓶頸;對(duì)于效率相對(duì)較低的“凈溢出”板塊,應(yīng)建立學(xué)習(xí)反饋機(jī)制,積極引進(jìn)“凈受益”和“經(jīng)紀(jì)人”板塊先進(jìn)的技術(shù)方法和管理經(jīng)驗(yàn),實(shí)現(xiàn)城市生活垃圾源頭減量,優(yōu)化城市生活垃圾處理結(jié)構(gòu),從垃圾產(chǎn)生源頭和垃圾處理末端共同努力提高自身的城市生活垃圾碳排放效率,縮小效率差異.

5.5 在相關(guān)政策制定過程中,將地理鄰近性、地區(qū)經(jīng)濟(jì)水平差距、科技水平差距等影響效率空間關(guān)聯(lián)網(wǎng)絡(luò)形成的影響因素納入考慮范圍,推動(dòng)網(wǎng)絡(luò)中心省份與邊緣省份間城市生活垃圾低碳處理技術(shù)、經(jīng)驗(yàn)、人才和資金等要素的充分流動(dòng)擴(kuò)散和優(yōu)化配置,重點(diǎn)關(guān)注經(jīng)濟(jì)發(fā)展以及科技水平差距大的省份間城市生活垃圾碳排放效率的協(xié)同提升,強(qiáng)化空間關(guān)聯(lián),促進(jìn)效率的整體協(xié)同提升.

[1] 魏瀟瀟,王小銘,李 蕾,等.1979～2016年中國(guó)城市生活垃圾產(chǎn)生和處理時(shí)空特征[J]. 中國(guó)環(huán)境科學(xué), 2018,38(10):3833-3843. Wei X X, Wang X M, Li L, et al. Temporal and spatial characteristics of municipal solid waste generation and treatment in China from 1979 to 2016 [J]. China Environmental Science, 2018,38(10):3833-3843.

[2] 吳 昊,劉宏博,田書磊,等.城市生活垃圾焚燒飛灰利用處置現(xiàn)狀及環(huán)境管理[J]. 環(huán)境工程技術(shù)學(xué)報(bào), 2021,11(5):1034-1040. Wu H, Liu H B, Tian S L, et al. Current situation for utilization and disposal and environmental management of fly ash from municipal solid waste incineration [J]. Journal of Environmental Engineering Technology, 2021,11(5):1034-1040.

[3] Chu X, Jin Y Y, Wang X, et al. The evolution of the spatial-temporal differences of municipal solid waste carbon emission efficiency in China [J]. Energies, 2022,15(11):3987.

[4] 袁長(zhǎng)偉,張 帥,焦 萍,等.中國(guó)省域交通運(yùn)輸全要素碳排放效率時(shí)空變化及影響因素研究[J]. 資源科學(xué), 2017,39(4):687-697. Yuan C W, Zhang S, Jiao P, et al. Temporal and spatial variation and influencing factors research on total factor efficiency for transportation carbon emissions in China [J]. Resources Science, 2017,39(4):687- 697.

[5] 張廣泰,賈 楠.中國(guó)建筑業(yè)碳排放效率測(cè)度與空間關(guān)聯(lián)特征[J]. 科技管理研究, 2019,39(21):236-242. Zhang G T, Jia N. Measurement and spatial correlation characteristics of carbon emission efficiency in China's construction industry [J]. Science and Technology Management Research, 2019,39(21):236- 242.

[6] 吳賢榮,張俊飚,田 云,等.中國(guó)省域農(nóng)業(yè)碳排放:測(cè)算?效率變動(dòng)及影響因素研究——基于DEA-Malmquist指數(shù)分解方法與Tobit模型運(yùn)用[J]. 資源科學(xué), 2014,36(1):129-138. Wu X R, Zhang J B, Tian Y, et al. Provincial agricultural carbon emissions in China:Calculation,performance change and influencing factors [J]. Resources Science, 2014,36(1):129-138.

[7] 吳昊玥,黃瀚蛟,何 宇,等.中國(guó)農(nóng)業(yè)碳排放效率測(cè)度,空間溢出與影響因素[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文), 2021,29(10):1762-1773. Wu H Y, Huang H J, He Y, et al. Measurement,spatial spillover and influencing factors of agricultural carbon emissions efficiency in China [J]. Chinese Journal of Eco-Agriculture, 2021,29(10):1762? 1773.

[8] 周五七,聶 鳴.中國(guó)工業(yè)碳排放效率的區(qū)域差異研究——基于非參數(shù)前沿的實(shí)證分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2012,29(9): 58-70,161. Zhou W Q, Nie M. Regional differences in the efficiency of industrial carbon emissions in China [J]. Journal of Quantitative & Technological Economics, 2012,29(9):58-70,161.

[9] 何建坤,蘇明山.應(yīng)對(duì)全球氣候變化下的碳生產(chǎn)率分析[J]. 中國(guó)軟科學(xué), 2009,(10):42-47,147. He J K, Su M S. Carbon productivity analysis to address global climate change [J]. China Soft Science, 2009,(10):42-47,147.

[10] 趙 奧,武春友.中國(guó)碳排放強(qiáng)度與煤炭消耗的沖擊效應(yīng)分析[J]. 中國(guó)人口.資源與環(huán)境, 2011,21(8):107-112. Zhao A, Wu C Y. Analysis of impact effect imposed on carbon emission intensity and coal consumption of China [J]. China Population,Resources and Environment, 2011,21(8):107-112.

[11] Teng X Y, Liu F P, Chiu Y H. The change in energy and carbon emissions efficiency after afforestation in China by applying a modified dynamic SBM model [J]. Energy, 2021,216:119301.

[12] 王兆峰,杜瑤瑤.基于SBM-DEA模型湖南省碳排放效率時(shí)空差異及影響因素分析[J]. 地理科學(xué), 2019,39(5):797-806. Wang Z F, Du Y Y. Spatial-temporal differences and influencing factors of carbon emission efficiency in Hunan province based on SBM-DEA model [J]. Scientia Geographica Sinica, 2019,39(5): 797-806.

[13] 董 鋒,劉曉燕,龍如銀,等.基于三階段DEA模型的我國(guó)碳排放效率分析[J]. 運(yùn)籌與管理, 2014,23(4):196-205. Dong F, LIiu X Y, Long R Y,et al. Analysis of carbon emission efficiency in China based on three-stage DEA model [J]. Operations Research and Management Science, 2014,23(4):196-205.

[14] 寧論辰,鄭 雯,曾良恩.2007～2016年中國(guó)省域碳排放效率評(píng)價(jià)及影響因素分析——基于超效率SBM-Tobit模型的兩階段分析[J]. 北京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2021,57(1):181-188. Ning L C, Zheng W, Zeng L E. Research on China's carbon dioxide emissions efficiency from 2007 to 2016: based on two stage super efficiency SBM model and Tobit model [J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2021,57(1):181-188.

[15] Wang S J, Ma Y Y. Influencing factors and regional discrepancies of the efficiency of carbon dioxide emissions in Jiangsu,China [J]. Ecological Indicators, 2018,90:460-468.

[16] 李建豹,黃賢金,揣小偉,等.長(zhǎng)三角地區(qū)碳排放效率時(shí)空特征及影響因素分析[J]. 長(zhǎng)江流域資源與環(huán)境, 2020,29(7):1486-1496. Li J B, Huang X J, Chuai X W. Spatio-temporal characteristics and influencing factors of carbon emissions efficiency in the Yangtze River Delta region [J]. Resources and Environment in the Yangtze Basin, 2020,29(7):1486-1496.

[17] Cao P, Li X X, Cheng Y,et al. Temporal-spatial evolution and driving factors of global carbon emission efficiency [J]. International Journal of Environmental Research and Public Health, 2022,19(22): 14849.

[18] 李 慧,李 瑋,姚西龍.中國(guó)省域全要素碳排放效率空間特征與動(dòng)態(tài)收斂性研究[J]. 科技管理研究, 2019,39(19):98-103. Li H, Li W, Yao X L. Spatial characteristics and dynamic convergence research on provincial total factor carbon emissions efficiency in China [J]. Science and Technology Management Research, 2019, 39(19):98-103.

[19] 胡劍波,王楷文.中國(guó)省域碳排放效率時(shí)空差異及空間收斂性研究[J]. 管理學(xué)刊, 2022,35(4):36-52. Hu J B, Wang K W. Study on temporal and spatial differences and spatial convergence of provincial carbon emission efficiency in China [J]. Journal of Management, 2022,35(4):36-52.

[20] Li J. Evaluation and convergence analysis of carbon emission efficiency in the Yangtze River economic belt [J]. Journal of Environmental Protection and Ecology, 2018,21(6):2020-2031.

[21] 余 恒,夏 敏,鄒 偉.長(zhǎng)三角城市群生活垃圾處理效率時(shí)空演變研究[J]. 統(tǒng)計(jì)與決策, 2021,37(7):76-80. Yu H, Xia M, Zhou W. Study on the spatial-temporal evolution of municipal solid waste treatment efficiency in the Yangtze River Delta urban agglomeration [J]. Statistics & Decision, 2021,37(7):76-80.

[22] Zhou A, Wang W N, Chu Z J, et al. Evaluating the efficiency of municipal solid waste collection and disposal in the Yangtze River Delta of China:A DEA-model [J]. Journal of the Air&Waste Management Association, 2022,72(10):1153-1160.

[23] Yang Q, Fu L M, Liu X X, et al. Evaluating the efficiency of municipal solid waste management in China [J]. International Journal of Environmental Research and Public Health, 2018,15(11):2448.

[24] 劉蔚玲,肖黎姍,林劍藝,等.基于DEA-Malmquist的我國(guó)城市生活垃圾管理效率評(píng)價(jià)[J]. 中國(guó)環(huán)境科學(xué), 2020,40(7):3196-3203. Liu W L, Xiao L S, Lin J Y, et al. Evaluation on the efficiency of municipal solid waste management in cities of China based on DEA-Malmquist [J]. China Environmental Science, 2020,40(7):3196- 3203.

[25] Salazar-Adams A. The efficiency of municipal solid waste collection in Mexico [J]. Waste Management, 2021,133:71-79.

[26] Fan X H, Yu B, Chu Z J, et al. A stochastic frontier analysis of the efficiency of municipal solid waste collection services in China [J]. Science of the Total Environment, 2020,743:140707.

[27] Cohen C, Halfon E, Schwartz M. Trust between municipality and residents:A game-theory model for municipal solid-waste recycling efficiency [J]. Waste Management, 2021,127:30-36.

[28] Zhao W, Huppes G, van der Voet E. Eco-efficiency for greenhouse gas emissions mitigation of municipal solid waste management:A case study of Tianjin,China [J]. Waste Management, 2011,31(6):1407- 1415.

[29] Yang Z F, Zhou X C, Xu L Y. Eco-efficiency optimization for municipal solid waste management [J]. Journal of Cleaner Production, 2015,104:242-249.

[30] Paes M X, de Medeiros G A, Mancini S D, et al. Transition towards eco-efficiency in municipal solid waste management to reduce GHG emissions:The case of Brazil [J]. Journal of Cleaner Production, 2020, 263:121370.

[31] Tone K. A slacks-based measure of super-efficiency in data envelopment analysis [J]. European Journal of Operational Research, 2002,143(1):32-41.

[32] 鄭 航,葉阿忠.空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)特征的減排效應(yīng):基于城市群視角[J]. 環(huán)境科學(xué), 2022,43(10):4401-4407.Zheng H, Ye A Z. Carbon emission reduction effect of spatial correlation network structure characteristics:From the perspective of urban agglomeration [J]. Environmental Science, 2022,43(10):4401- 4407.

[33] 張明斗,翁愛華.數(shù)字經(jīng)濟(jì)空間關(guān)聯(lián)網(wǎng)絡(luò)的產(chǎn)業(yè)結(jié)構(gòu)變遷效應(yīng)研究——基于網(wǎng)絡(luò)節(jié)點(diǎn)中心性分析視角[J]. 產(chǎn)業(yè)經(jīng)濟(jì)研究, 2022,(6): 129-142. Zhang M D, Weng A H. Research on the effect of industrial structure change of spatial correlation network of digital economy:Based on the analysis of network centrality [J]. Industrial Economics Research, 2022,(6):129-142.

[34] 蔡秀亭,呂潔華,王成齊.中國(guó)森林生態(tài)安全空間關(guān)聯(lián)的網(wǎng)絡(luò)特征及其驅(qū)動(dòng)機(jī)制[J]. 自然資源學(xué)報(bào), 2022,37(8):2137-2152. Cai X T, Lv J H, Wang C Q. The network characteristics and driving mechanism of the spatial correlation of forest ecological security in China [J]. Journal of Natural Resources, 2022,37(8):2137-2152.

[35] 孫中瑞,樊 杰,孫 勇,等.中國(guó)綠色科技創(chuàng)新效率空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)特征及影響因素[J]. 經(jīng)濟(jì)地理, 2022,42(3):33-43. Sun Z R, Fan J, Sun Y, et al. Structural characteristics and influencing factors of spatial correlation network of green science and technology innovation efficiency in China [J]. Economic Geography, 2022,42(3): 33-43.

[36] 劉 軍.整體網(wǎng)分:UCINET軟件實(shí)用指南(第二版) [M]. 上海:格致出版社, 2014:16-234. Liu J. Lecture on whole network approach: A practical guide to UCINET (2nd) [M]. Shanghai:Gezhi Publishing House, 2014:16-234.

[37] Wasserman S, Faust K. Social Network Analysis:Methods and Applications [M]. London: Cambridge University Press, 1994.

[38] Doreian P, Conti N. Social context,spatial structure and social network structure [J]. Social Networks, 2012,34(1):32-46.

[39] Barnett G A. Encyclopedia of Social Networks [M]. Beverly Hills:SAGE Publications, 2011.

[40] Lin B Q, Ma R Y. Green technology innovations,urban innovation environment and CO2emission reduction in China: Fresh evidence from a partially linear functional-coefficient panel models [J]. Technological Forecasting & Social Change, 2022,176:121434.

[41] Wang Z H, Geng L W. Carbon emissions calculation from municipal solid waste and the influencing factors analysis in China [J]. Journal of Cleaner Production, 2015,104:177-184.

[42] 李 歡,金宜英,李洋洋.生活垃圾處理的碳排放和減排策略[J]. 中國(guó)環(huán)境科學(xué), 2011,31(2):259-264. Li H, Jin Y Y, Li Y Y. Carbon emission and its reduction strategies during municipal solid waste treatment [J]. China Environmental Science, 2011,31(2):259-264.

[43] Liu Y, Wang J L. Spatiotemporal patterns and drivers of carbon emissions from municipal solid waste treatment in China [J]. Waste Management, 2023,168:1-13.

[44] 郭宇杰,龔亞萍,鄒玉飛,等.天津市生活垃圾處理碳排放時(shí)間變化特征及影響因素[J]. 環(huán)境工程技術(shù)學(xué)報(bào), 2022,12(3):834-842. Guo Y J, Gong Y P, Zou Y F, et al. Temporal variation characteristics and influencing factors of carbon emissions from municipal solid waste treatment in Tianjin [J]. Journal of Environmental Engineering Technology, 2022,12(3):834-842.

[45] 王建康,谷國(guó)鋒,姚 麗,等.中國(guó)新型城鎮(zhèn)化的空間格局演變及影響因素分析——基于285個(gè)地級(jí)市的面板數(shù)據(jù)[J]. 地理科學(xué), 2016, 36(1):63-71.Wang J K, Gu G F, Yao L, et al. Analysis of new urbanization's spatial pattern evolution and influence factors in China [J]. Scientia Geographica Sinica, 2016,36(1):63-71.

[46] Liu S N, Xiao Q T. An empirical analysis on spatial correlation investigation of industrial carbon emissions using SNA-ICE model [J]. Energy, 2021,224:120183.

Spatial correlation network and influencing factors of municipal solid waste carbon emission efficiency.

GAO Yu-xin1,2, GAO Ming1,2*

(1.School of Economics and Management, Fuzhou University, Fuzhou 350116, China；2.Fujian Green Development Institute, Fuzhou University, Fuzhou 350116, China)., 2023,43(11)：5900～5912

This paper adopted the undesired output SBM model to measure and evaluate the municipal solid waste carbon emission efficiency in 30 provinces of China from 2005 to 2020. With the help of the social network analysis method (SNA) and the quadratic assignment procedure (QAP), the structural characteristics and influencing factors of the spatial correlation network of municipal solid waste carbon emission efficiency in China were discussed. The results showed that: Except Beijing, Inner Mongolia, Shanghai, Jiangsu and Fujian, the average of municipal solid waste carbon emission efficiency in other provinces was less than 1, and the provinces with higher efficiency were mainly located in eastern region. The tightness of the spatial correlation network of municipal solid waste carbon emission efficiency in China had improved in fluctuation, but there was still room for improvement. The network structure showed good accessibility and stability. The eastern provinces were in the relative center of the spatial network, and played a strong leading role in the spatial network, while the central and western provinces were at the edge, and played an intermediary and transmission role. The spatial correlation network of municipal solid waste carbon emission efficiency was divided into net spillover, net benefit, and broker segments. There were few internal connections among each segment, and close connections between segments,with strong spatial spillover effects. Spatial adjacency difference,economic development level difference, scientific and technological level difference, and municipal solid waste treatment structure difference had a significant impact on the formation of municipal solid waste carbon emission efficiency correlation network in China.

municipal solid waste carbon emission efficiency；spatial correlation network；influencing factor；social network analysis

X321

A

1000-6923(2023)11-5900-13

高煜昕(1995-),男,四川成都人,福州大學(xué)博士研究生,主要從事環(huán)境與資源管理研究.發(fā)表論文1篇.gyx2021gyx@163.com.

高煜昕,高 明.城市生活垃圾碳排放效率空間關(guān)聯(lián)網(wǎng)絡(luò)及影響因素 [J]. 中國(guó)環(huán)境科學(xué), 2023,43(11):5900-5912.

Gao Y X, Gao M. Spatial correlation network and influencing factors of municipal solid waste carbon emission efficiency [J]. China Environmental Science, 2023,43(11):5900-5912.

2023-04-23

國(guó)家社會(huì)科學(xué)基金資助項(xiàng)目(22BGL181)

* 責(zé)任作者, 教授, gaoming65@163.com