1. 引言
四大工业基地是新中国工业发展的摇篮,包括辽中南工业基地、京津唐工业基地、长三角工业基地和珠三角工业基地。四个区域均位于中国东部沿海,地理位置优越,拥有各自独特的资源,具有巨大的发展潜力和优势。然而,目前这些地区经济发展程度差异性明显,产业结构所处阶段各不相同,面临的发展环境和问题也有所差异。
当前全球气候治理与“双碳”战略背景下,工业部门作为能源消耗与碳排放的主要载体,其生态效率与能源效率的协同优化已成为实现绿色低碳转型的关键路径。随着工业化进入后期,能源危机和环境污染问题的日益突出,协调好能源–经济–环境的发展已成为一项新的时代要求。如何在经济发展的同时,保护环境资源,提高生态效益,实现双碳目标,成为中国四大工业基地面临的最重要的课题。因此,需要构建全链条框架,准确把握四大工业基地能源效率与生态效率的时空分析状况,并对其影响机制进行深入解析,使其效应作用机制透明化,为四大工业基地后续发展提供有效治理策略与决策支持。
现有研究多聚焦于单一效率测度或静态分析,对区域间“污染避难所效应”、“邻里效应”、“外溢效应”与创新中心辐射带动、双碳政策、进出口贸易三大因素的时空分析交互机制缺乏系统性结构,且传统效率测度模型(如SBM、DEA)难以兼顾非期望产出动态分解与全要素生产率评估。例如,东北老工业基地因传统产能过剩与技术创新滞后面临生态效率“低水平锁定”,而东部沿海地区虽能源效率领先却受限于环境规制成本攀升导致的产业转移压力,这种区域分化现象亟需通过多维度效率测度与空间计量模型揭示其深层影响机制。因此,本研究旨在通过多模型耦合与机制创新,揭示四大工业基地效率演变的时空分析规律及多重效应响应路径,为区域协调发展战略提供决策依据。
2. 文献综述
工业中的能源效率与生态效率是衡量工业可持续发展水平的两大核心指标,二者既有区别又存在紧密关联,共同服务于经济与环境的协同优化目标。能源效率指工业生产中单位能源投入所对应的经济产出或服务价值,核心在于通过技术进步和管理优化减少能源浪费,生态效率强调以最小化资源消耗和环境污染实现最大化经济价值,涵盖“资源–经济–环境”全生命周期协调。
中国四大工业基地能源效率与生态效率水平各异,且缺乏时空分析研究,以及效应响应机制流程“黑箱化”,对其工业绿色发展与转型路径策略影响极大,难以实现工业基地能源–经济–环境发展一体化。
自21世纪初以来,国内学术界围绕工业基地能效研究形成了以传统数据包络分析为主导的方法体系。以李外、张敏为代表的学者群体,通过运用超效率SBM模型、Malmquist指数等经典工具,系统开展了区域工业基地效率测度的实证研究。其中,李外(2023) [1]针对东北老工业基地的生态效率研究,创新性地构建了包含能源消耗、污染排放、经济产出等多元维度的指标体系,其研究揭示2004~2019年间东北地区生态效率呈U型演进特征,为传统工业区绿色转型提供了重要理论支撑。张敏(2019) [2]聚焦长三角工业基地的研究,发现该区域生态效率提升主要源于技术进步而非规模效应,这一结论为不同区域发展模式差异提供了实证依据。
在方法论的突破性探索方面,张清华(2015) [3]的研究具有里程碑意义。其研究团队突破传统截面数据分析框架,创造性构建了超效率SBM-DEA模型与空间计量模型的融合分析体系。通过构建包含30个省级行政单元、跨越15年的面板数据库,不仅首次实现了工业全要素能源效率的时空分析双重维度测度,更通过脉冲响应函数揭示了效率演化的动态传导机制。该研究发现区域间能源效率存在显著空间溢出效应,以及技术进步对效率提升的边际效应呈阶段性递减特征,这些结论为构建区域协同发展机制提供了全新视角。
值得关注的是,部分学者已开始突破传统工业基地研究范畴,在更广泛领域开展创新探索。陈一鸣等(2025) [4]将SBM-DEA模型与空间杜宾模型结合,在城市群尺度上构建了能源效率“核心–边缘”分析框架,其研究证实城市群内部存在显著的空间异质性与梯度传导效应。陈宏阳等(2023) [5]在重污染产业研究中引入环境库兹涅茨曲线理论,通过构建产业集聚与生态效率的非线性关系模型,发现产业集聚的环境效应存在显著的门槛特征,这一发现对优化产业空间布局具有重要指导价值。
但当前研究仍存在显著不足,其主要体现在三个方面:其一,工业基地能源效率与生态效率的协同测度体系尚未建立,现有研究多采用单维度评价,难以揭示两大系统的耦合作用机制;其二,时空分析演化机理研究仍停留在现象描述层面,缺乏对动力机制的结构化解析,特别是政策干预、技术创新、市场机制等多重因素的交互影响路径尚未明晰;其三,效应响应机制研究存在方法论局限,传统计量模型难以捕捉复杂系统的非线性特征。
3. 研究方法
能源–生态效率主要经过了NDDF-Luenberger测度、时空分析、影响机制分析三个阶段,具体如下所示。
3.1. 构建NDDF-Luenberger效率测度模型
非径向方向距离函数(NDDF)是数据包络分析(DEA)框架下的一种效率测度方法,特别适用于处理多投入多产出的复杂系统,其核心优势在于允许投入与产出的非比例调整,并能同时考虑期望产出与非期望产出[6]。采用非径向NDDF模型来进行静态效率测度,对投入与产出进行非比例调整,显式处理非期望产出,具体构建流程如下:
1) 定义生产可能集
(1)
其中,
为DMU的权重系数。
2) 设定方向向量
投入方向:
;期望产出方向:
;非期望产出方向:
。则方向距离函数为:
(2)
3) 求解线性规划
对每个DMU进行以下线性规划求解:
(3)
4) 计算效率值
(4)
其中,
,效率改进潜力值越大效率越低。
Luenberger指数是一种基于方向距离函数的全要素生产率动态分析工具,由Chambers等学者提出。其核心价值在于能够量化效率的动态变化,并分解为技术进步(Technological Change, TC)和效率改进(Efficiency Change, EC)两大驱动因素,尤其适用于多投入多产出系统,本项目将其创新性应用于能源–生态效率变化测度。基于两期(t和t + 1)的NDDF值,Luenberger指数(LPI)计算为:
(5)
当
时,能源效率和生态效率得到改善;当
时,能源效率和生态效率退化。得到总LPI指数后,可进一步做技术进步与效率变化分解,如下所示:
(6)
整合后的NDDF-Luenberger测度模型能够从静态效率测度到动态驱动力解析,为后续揭示工业基地绿色转型的内在机制和破解“污染避难所效应”、强化“技术溢出效应”提供基础依据。
3.2. 影响因素与机制分析
三重效应是指“污染避难所效应”、“邻里效应”、“外溢效应”。污染避难所效应指在贸易与投资自由化背景下,环境规制标准较低的国家或地区通过吸引污染密集型产业转移,成为高污染产业的集中地,从而形成“污染避难所”的现象;邻里效应是指地理邻近或社会经济联系紧密的区域之间,因空间互动而产生的相互影响,可表现为资源、技术、政策或环境问题的跨区域传导,其作用方向可分为正向促进与负向抑制两类;外溢效应,又称外部性或溢出效应,是指某工业区域的活动对其他工业区域整体产生的非市场化影响。其核心在于该影响未通过价格机制直接反映,而是通过间接渠道传递,可能带来正向或负向结果。
由于环境规制差异、工业产能差异、进出口贸易调节等因素,导致“污染避难所效应”的发生,造成产业空间重构现象,区域产能结构失衡,即工业产能分极:低规制工业区域具有高污染、高产能、低技术特点;高规制工业区域具有低污染、低产能、高技术特点,总体能源效率短期下降,出现两类邻里效应,负向低规制区污染扩散、正向高规制区技术溢出。同时,创新中心辐射效应[7]会增强正向邻里效应(技术溢出)。邻里效应积累引发大规模“双刃”外溢效应,正向为绿色创新促进政策协同,负向为污染转移→创新挤出→环境恶化加剧,造成生态效率时空分析分异,最终驱动双碳政策效应的政策响应并对规制差异进行动态调整。三重效应量化模型如下:
污染避难所效应:
(7)
其中,
为环境规制差异指数,
为贸易调节指数,
为跨区域污染产能净流量。
邻里效应:
(8)
其中,
为创新中心辐射强度,
为上风向区域的工业排放量。
外溢效应:
(9)
其中,
为政策扩散覆盖率,
为本地政策创新系数,
为临近学习率,
为区域研发投入强度,
为污染产业迁入量。
空间DID模型作为传统双重差分法与空间计量方法融合的创新工具,旨在从时空分析双重维度解析政策或外生冲击的因果效应。该模型不仅保留了传统DID对处理组与对照组时间趋势差异的捕捉能力,还通过构建地理、经济或复合空间权重矩阵,精准量化政策对目标区域的直接效应及其对邻近地区的空间溢出效应,尤其适用于评估具有地理邻近性、产业关联性或政策扩散特征的经济环境问题。
本研究基于此模型,聚焦中国四大工业基地的能源–生态效率演变,系统检验“污染避难所效应”、“邻里效应”、“外溢效应”三重效应的联动机制,同时融合贸易调节、创新中心辐射与双碳政策三大核心驱动因素,揭示其交互影响路径。通过引入环境规制差异指数、技术溢出衰减系数、政策扩散速率等空间化指标,模型将突破传统线性因果框架,捕捉高规制区技术外溢与低规制区污染转移的时空分析博弈,以及创新网络与产业重构对效率分异的非线性冲击,最终为区域协同减排与绿色转型提供多维决策坐标。模型设定如下所示:
(10)
对以上模型做出变量解释,如表1所示。
Table 1. Explanation of core variables
表1. 核心变量解释
变量类型 |
变量 |
说明 |
被解释变量 |
|
区域能源–生态效率 |
|
双碳政策冲击虚拟变量 |
|
污染避难所效应指数 |
解释变量 |
|
邻里效应净值 |
|
外溢效应净值 |
空间权重矩阵 |
|
经济–地理复合矩阵(产业关联度×地理距离衰减) |
控制变量 |
|
经济发展水平、人口密度等 |
本研究通过多层次空间计量框架,系统整合污染避难所效应(PHE)、邻里效应(NE)以及外溢效应(SE),突破了传统政策评估模型对空间关联性与效应联动的忽视。模型以经济–地理复合权重矩阵量化区域间产业关联度、技术溢出半径与污染传输路径的空间异质性,通过时空分析双重差分识别双碳政策对高规制工业基地的直接效应及其通过供应链、大气环流、创新网络产生的涟漪效应。不仅解析了“严格环境规制→本地PHE增强→触发邻近区域SE负向锁定”的恶性循环,更揭示了创新中心辐射如何通过增强NE正向技术溢出打破低效率均衡。这种多维效应联动的透明化,能够精准识别关键调控节点,从而构建“政策干预–市场响应–空间重构”的闭环优化路径,为工业基地在生态约束下探索差异化转型模式提供可验证、可复制的科学范式。
4. 指标选取与数据来源
本研究参考相关学者对于能源效率和生态效率测度相关指标体系的构建,遵循科学性、客观性和数据可获得性等原则,构建了中国四大工业基地能源–生态效率指标体系,如表2所示。
Table 2. Energy-ecological efficiency indicator system
表2. 能源–生态效率指标体系
类别 |
指标 |
指标名称 |
单位 |
投入 |
劳动力指标 |
年末就业人数 |
万人 |
资本投入 |
固定资产投资额 |
亿元 |
能源投入 |
能源消费量 |
万吨标准煤 |
土地投入 |
城市建设用地面积 |
km2 |
技术投入 |
工业基地R&D经费支出占GDP比重 |
% |
企业对低碳、污染治理技术的专项研发资金 |
万元 |
创新资源投入 |
高新技术企业密度 |
个/km2 |
期望产出 |
经济效益 |
地区国内生产总值 |
亿元 |
公共财政预算收入 |
亿元 |
环境效益 |
工业基地绿化覆盖率 |
% |
工业基地绿地面积 |
hm2 |
非期望产出 |
废气排放量 |
工业SO2和CO2排放量 |
万t |
废水排放量 |
工业废水排放量 |
万t |
本项目研究对象为中国四大工业基地,四大工业基地包括辽中南工业基地、京津唐工业基地、长三角工业基地和珠三角工业基地,共涉及25个市。其中辽中南工业基地涉及8个地级市,即沈阳、大连、鞍山、抚顺、本溪、丹东、营口和盘锦;京津唐工业基地包括北京、天津、唐山3市;长三角工业基地涉及南京、无锡、常州、苏州、南通、杭州、宁波、嘉兴、上海等9市;珠三角工业基地包括广州、深圳、珠海、佛山、惠州等5市。数据均来源于《中国城市统计年鉴》、各市统计年鉴、所在省份统计年鉴,以及各市统计公报和各市水资源公报等。部分缺失数据通过插值法、线性预测法等予以补充。本文选用2012~2022年四大工业基地能源效率与生态效率指标数据,分别对其进行测度分析与时空分析,深度解析内在影响因素与机制。
5. 实证分析
5.1. 能源效率与生态效率测度结果分析
基于NDDF-Luenberger测度模型,运用四大工业基地25个城市的能源–生态效率指标数据,分别测算出2012~2022年四大工业基地各城市能源效率与生态效率,如下所示。
5.1.1. 能源效率测度结果分析
Table 3. Energy efficiency measurement results for eight cities in the Liaoning Central-Southern industrial base
表3. 辽中南工业基地8市能源效率测度结果
地区 |
2012 |
2013 |
2014 |
2015 |
2016 |
2017 |
2018 |
2019 |
2020 |
2021 |
2022 |
均值 |
鞍山 |
0.284 |
0.317 |
0.262 |
0.270 |
0.270 |
0.352 |
0.387 |
0.384 |
0.421 |
0.465 |
0.636 |
0.368 |
本溪 |
0.262 |
0.266 |
0.254 |
0.284 |
0.276 |
0.294 |
0.333 |
0.308 |
0.370 |
0.410 |
0.406 |
0.315 |
大连 |
0.308 |
0.373 |
0.355 |
0.415 |
0.518 |
0.546 |
0.686 |
0.738 |
0.782 |
0.926 |
1.024 |
0.606 |
丹东 |
0.195 |
0.198 |
0.220 |
0.225 |
0.273 |
0.332 |
0.373 |
0.326 |
0.330 |
0.349 |
0.365 |
0.290 |
抚顺 |
0.230 |
0.242 |
0.247 |
0.273 |
0.354 |
0.334 |
0.382 |
0.303 |
0.300 |
0.341 |
0.304 |
0.301 |
盘锦 |
0.160 |
0.151 |
0.146 |
0.155 |
0.135 |
0.159 |
0.160 |
0.169 |
0.203 |
0.243 |
0.282 |
0.178 |
沈阳 |
0.308 |
0.334 |
0.314 |
0.334 |
0.416 |
0.486 |
0.578 |
0.579 |
0.792 |
1.009 |
1.047 |
0.563 |
营口 |
0.182 |
0.204 |
0.199 |
0.203 |
0.285 |
0.295 |
0.302 |
0.303 |
0.313 |
0.339 |
0.395 |
0.275 |
均值 |
0.241 |
0.261 |
0.250 |
0.270 |
0.316 |
0.350 |
0.400 |
0.389 |
0.439 |
0.510 |
0.557 |
0.369 |
Table 4. Energy efficiency measurement results for the three cities of the Beijing-Tianjin-Tangshan industrial base
表4. 京津唐工业基地3市能源效率测度结果
地区 |
2012 |
2013 |
2014 |
2015 |
2016 |
2017 |
2018 |
2019 |
2020 |
2021 |
2022 |
均值 |
北京 |
0.358 |
0.317 |
0.403 |
0.428 |
0.461 |
0.512 |
0.635 |
0.736 |
0.819 |
1.006 |
1.038 |
0.610 |
天津 |
0.166 |
0.178 |
0.173 |
0.176 |
0.183 |
0.216 |
0.237 |
0.231 |
0.235 |
0.264 |
0.312 |
0.216 |
唐山 |
0.118 |
0.170 |
0.165 |
0.159 |
0.162 |
0.150 |
0.165 |
0.166 |
0.172 |
0.198 |
0.210 |
0.167 |
均值 |
0.214 |
0.222 |
0.247 |
0.254 |
0.269 |
0.293 |
0.346 |
0.377 |
0.409 |
0.490 |
0.520 |
0.331 |
Table 5. Energy efficiency measurement results for nine cities in the Yangtze River Delta industrial base
表5. 长三角工业基地9市能源效率测度结果
地区 |
2012 |
2013 |
2014 |
2015 |
2016 |
2017 |
2018 |
2019 |
2020 |
2021 |
2022 |
均值 |
南京 |
0.216 |
0.232 |
0.243 |
0.268 |
0.295 |
0.332 |
0.366 |
0.398 |
0.402 |
1.003 |
1.003 |
0.433 |
无锡 |
0.260 |
0.268 |
0.257 |
0.262 |
0.292 |
0.339 |
0.354 |
0.369 |
0.358 |
0.575 |
0.612 |
0.359 |
常州 |
0.188 |
0.204 |
0.217 |
0.231 |
0.253 |
0.286 |
0.295 |
0.317 |
0.317 |
0.354 |
0.411 |
0.279 |
苏州 |
0.242 |
0.250 |
0.258 |
0.274 |
0.306 |
0.353 |
0.352 |
0.361 |
0.355 |
0.397 |
0.545 |
0.336 |
南通 |
0.154 |
0.164 |
0.170 |
0.179 |
0.195 |
0.222 |
0.252 |
0.270 |
0.279 |
0.304 |
0.334 |
0.229 |
杭州 |
0.210 |
0.216 |
0.217 |
0.226 |
0.248 |
0.286 |
0.296 |
0.339 |
0.369 |
1.037 |
0.664 |
0.373 |
宁波 |
0.220 |
0.225 |
0.217 |
0.216 |
0.223 |
0.259 |
0.276 |
0.302 |
0.312 |
0.342 |
0.389 |
0.271 |
嘉兴 |
0.157 |
0.158 |
0.152 |
0.151 |
0.158 |
0.180 |
0.195 |
0.208 |
0.212 |
0.242 |
0.278 |
0.190 |
上海 |
0.372 |
0.370 |
0.383 |
0.397 |
0.444 |
0.549 |
0.665 |
1.001 |
0.736 |
0.828 |
1.136 |
0.626 |
均值 |
0.224 |
0.232 |
0.235 |
0.245 |
0.268 |
0.312 |
0.339 |
0.396 |
0.371 |
0.565 |
0.597 |
0.348 |
Table 6. Energy efficiency measurement results for five cities in the Pearl River Delta Industrial Base
表6. 珠三角工业基地5市能源效率测度结果
地区 |
2012 |
2013 |
2014 |
2015 |
2016 |
2017 |
2018 |
2019 |
2020 |
2021 |
2022 |
均值 |
佛山 |
0.157 |
0.284 |
0.282 |
0.283 |
0.286 |
0.287 |
0.292 |
0.309 |
0.305 |
0.336 |
0.372 |
0.290 |
广州 |
0.218 |
0.363 |
0.358 |
0.365 |
0.373 |
0.391 |
0.422 |
0.456 |
0.488 |
0.532 |
0.577 |
0.413 |
惠州 |
0.085 |
0.168 |
0.169 |
0.162 |
0.168 |
0.183 |
0.188 |
0.207 |
0.196 |
0.207 |
0.233 |
0.179 |
深圳 |
0.239 |
0.892 |
1.014 |
1.003 |
0.553 |
1.021 |
1.360 |
0.741 |
0.853 |
0.791 |
1.147 |
0.874 |
珠海 |
0.128 |
0.219 |
0.215 |
0.224 |
0.240 |
0.285 |
0.285 |
0.313 |
0.293 |
0.325 |
0.369 |
0.263 |
均值 |
0.165 |
0.385 |
0.408 |
0.407 |
0.324 |
0.433 |
0.510 |
0.405 |
0.427 |
0.438 |
0.540 |
0.404 |
由表3、表4、表5、表6结果可得,辽中南、京津唐、长三角、珠三角工业基地2012~2022年间全要素能源效率均值分别为0.369、0.331、0.348、0.404。这十年间,四大工业基地全要素能源效率平均值整体差异不大,珠三角工业基地全要素能源效率平均值略高于其他三区域。四大工业基地25个城市能源效率值随时间推移都有不同程度上的增长。
整体来看,四个区域全要素能源效率平均水平呈现波动上升趋势,且变化幅度较大,从2012年的0.2左右增长到2012年的0.55左右,但是区域差异在不断缩小,这表明随着经济社会的发展,各区域之间能源利用效率在不断增长且趋近。
分区域来看,在这十年间,辽中南、京津唐、长三角三个区域间的全要素能源效率水平差异不大,基本呈现同步增长状态,长三角工业基地的全要素能源效率值在2019~2020年间有一次小幅度的下降,随后继续增长,最终在2022年取得四个区域中的最高水平,0.597。但是珠三角工业基地的全要素能源效率水平则呈现较高水平的不稳定增长。其在2012~2019年间与其他三区域有较大差异,分别在2012~2013年与2016~2018年有两次较大水平的提升,增长幅度在0.2左右;在2015~2016年与2018~2019年有较大水平的下降,下降幅度在0.1左右,最后在2019~2022年与其他三区域保持基本同步的增长状态。这可能是因为珠三角地区经济发展受外界因素影响较为复杂,其全要素能源效率水平也相应受到影响。
5.1.2. 生态效率测度结果分析
Table 7. Ecological efficiency measurement results for eight cities in the Liaoning Central-Southern industrial base
表7. 辽中南工业基地8市生态效率测度结果
地区 |
2012 |
2013 |
2014 |
2015 |
2016 |
2017 |
2018 |
2019 |
2020 |
2021 |
2022 |
均值 |
沈阳 |
1.026 |
1.015 |
1.002 |
1.006 |
1.018 |
0.786 |
1.008 |
1.000 |
1.011 |
1.050 |
1.076 |
1.000 |
大连 |
1.014 |
1.030 |
1.006 |
1.023 |
1.035 |
0.838 |
1.026 |
1.014 |
1.006 |
1.105 |
1.151 |
1.022 |
鞍山 |
0.533 |
0.550 |
0.514 |
0.501 |
0.453 |
0.477 |
0.527 |
0.599 |
1.006 |
1.004 |
1.207 |
0.670 |
抚顺 |
0.625 |
1.000 |
0.601 |
0.628 |
1.046 |
1.012 |
1.030 |
1.003 |
1.020 |
1.036 |
1.052 |
0.914 |
本溪 |
1.009 |
1.042 |
1.019 |
1.023 |
1.036 |
1.013 |
1.012 |
1.004 |
1.200 |
1.055 |
1.080 |
1.045 |
丹东 |
1.103 |
1.021 |
1.028 |
0.738 |
1.057 |
1.021 |
1.031 |
0.918 |
1.024 |
1.211 |
1.358 |
1.046 |
营口 |
1.007 |
1.014 |
1.003 |
1.002 |
0.479 |
0.543 |
0.683 |
0.608 |
1.009 |
1.022 |
1.230 |
0.873 |
盘锦 |
1.030 |
1.011 |
1.032 |
1.022 |
1.007 |
1.274 |
1.061 |
1.002 |
1.013 |
1.132 |
1.197 |
1.071 |
均值 |
0.918 |
0.960 |
0.901 |
0.868 |
0.891 |
0.870 |
0.922 |
0.894 |
1.036 |
1.077 |
1.169 |
0.955 |
Table 8. Ecological efficiency measurement results for the three cities of the Beijing-Tianjin-Tangshan industrial base
表8. 京津唐工业基地3市生态效率测度结果
地区 |
2012 |
2013 |
2014 |
2015 |
2016 |
2017 |
2018 |
2019 |
2020 |
2021 |
2022 |
均值 |
北京 |
1.015 |
0.902 |
0.915 |
1.008 |
0.863 |
1.005 |
1.003 |
1.040 |
1.021 |
1.133 |
1.179 |
1.008 |
天津 |
1.009 |
1.013 |
0.808 |
1.006 |
1.019 |
1.048 |
1.033 |
1.019 |
1.014 |
1.084 |
1.117 |
1.015 |
唐山 |
1.064 |
1.058 |
1.007 |
1.015 |
1.014 |
1.023 |
1.032 |
1.023 |
1.012 |
1.058 |
1.075 |
1.035 |
均值 |
1.029 |
0.991 |
0.910 |
1.010 |
0.966 |
1.025 |
1.023 |
1.027 |
1.015 |
1.092 |
1.124 |
1.019 |
Table 9. Ecological efficiency measurement results for nine cities in the Yangtze River Delta industrial base
表9. 长三角工业基地9市生态效率测度结果
地区 |
2012 |
2013 |
2014 |
2015 |
2016 |
2017 |
2018 |
2019 |
2020 |
2021 |
2022 |
均值 |
南京 |
1.037 |
1.004 |
1.008 |
1.002 |
1.043 |
1.021 |
1.021 |
1.018 |
1.019 |
1.035 |
1.043 |
1.023 |
无锡 |
1.008 |
1.002 |
0.800 |
0.790 |
0.865 |
1.015 |
1.007 |
1.022 |
0.940 |
1.054 |
1.070 |
0.961 |
常州 |
1.015 |
1.020 |
1.014 |
1.003 |
1.013 |
1.013 |
1.008 |
1.007 |
1.020 |
1.025 |
1.034 |
1.016 |
苏州 |
0.570 |
0.591 |
0.605 |
0.623 |
0.779 |
1.010 |
1.007 |
0.937 |
1.003 |
1.028 |
1.074 |
0.839 |
南通 |
1.014 |
1.012 |
1.032 |
1.010 |
1.008 |
1.011 |
1.049 |
1.030 |
1.041 |
1.025 |
1.022 |
1.023 |
杭州 |
0.541 |
0.477 |
0.472 |
0.547 |
0.591 |
0.619 |
0.630 |
0.653 |
0.849 |
1.084 |
1.300 |
0.706 |
宁波 |
0.601 |
0.596 |
0.553 |
0.551 |
0.558 |
0.578 |
0.637 |
0.754 |
1.003 |
1.006 |
1.132 |
0.724 |
嘉兴 |
1.027 |
1.014 |
1.002 |
1.008 |
1.052 |
0.909 |
1.061 |
1.021 |
1.124 |
1.037 |
1.045 |
1.027 |
上海 |
1.022 |
1.017 |
1.011 |
1.004 |
1.007 |
1.029 |
1.033 |
1.055 |
1.015 |
1.033 |
1.021 |
1.022 |
均值 |
0.871 |
0.859 |
0.833 |
0.838 |
0.879 |
0.912 |
0.939 |
0.944 |
1.002 |
1.036 |
1.082 |
0.927 |
Table 10. Ecological efficiency measurement results for five cities in the Pearl River Delta industrial base
表10. 珠三角工业基地5市生态效率测度结果
地区 |
2012 |
2013 |
2014 |
2015 |
2016 |
2017 |
2018 |
2019 |
2020 |
2021 |
2022 |
均值 |
佛山 |
1.018 |
1.016 |
1.003 |
1.006 |
1.000 |
0.768 |
1.000 |
1.005 |
1.017 |
1.028 |
1.039 |
0.991 |
广州 |
1.013 |
1.004 |
1.002 |
1.004 |
1.007 |
1.002 |
1.030 |
1.004 |
1.018 |
1.021 |
1.030 |
1.012 |
惠州 |
1.011 |
0.898 |
1.008 |
1.037 |
1.000 |
1.022 |
1.001 |
1.014 |
1.009 |
1.034 |
1.044 |
1.007 |
深圳 |
1.016 |
1.017 |
1.027 |
1.026 |
1.004 |
1.033 |
1.050 |
1.001 |
1.030 |
1.021 |
1.032 |
1.023 |
珠海 |
1.014 |
1.037 |
1.008 |
1.022 |
1.036 |
1.015 |
1.013 |
1.017 |
1.030 |
1.054 |
1.073 |
1.029 |
均值 |
1.015 |
0.995 |
1.010 |
1.019 |
1.009 |
0.968 |
1.019 |
1.008 |
1.021 |
1.032 |
1.043 |
1.013 |
由表7、表8、表9、表10结果可得,辽中南、京津唐、长三角、珠三角四大工业基地2012~2022年间的生态效率均值分别为0.955、1.019、0.927、1.013。这十年间,四大工业基地生态效率平均值整体差异较小,珠三角工业基地均值略高于其他区域,京津唐次之,长三角相对最低。各城市生态效率值随时间推移均呈现增长趋势,其中鞍山(辽中南)、苏州(长三角)、杭州(长三角)等城市初期效率较低但后期显著提升,表明区域内部城市间效率改善不均衡。
整体来看,四大工业基地生态效率平均水平呈现波动上升趋势。从2012年区域均值到2022年,效率值增幅明显,例如长三角从0.871增至1.082,辽中南从0.918增至1.169。同时,区域间差异逐步缩小:2012年最高与最低均值差为0.158,2022年缩小至0.126,这表明随着经济社会发展,各区域能源利用效率在整体提升且趋同。
分区域来看,辽中南、京津唐和长三角的生态效率增长较为同步,均经历中期波动后于2020年后加速上升;长三角在2019~2020年出现小幅下降,但随后恢复增长,最终2022年苏州、杭州等城市效率值跃居前列。珠三角则呈现不稳定增长:2012~2014年效率较高,但2017年显著下降至0.968,之后大幅波动,如2018年回升至1.019,最终在2019~2022年与其他区域增长趋同。这可能源于珠三角经济结构对外部因素敏感,导致效率值起伏较大。
5.2. 时空分析
为进一步了解2012~2022年四大工业基地全要素能源效率与生态效率的空间分异特征,本章主要选择了2012年、2017年和2022年3个相同间隔年份的四大工业基地各地级市全要素能源效率值与生态效率值,直观地描绘出四大工业基地2012~2022年各地级市全要素能源效率与生态效率的空间分异特征。本文将全要素能源效率值与生态效率值的大小分为4个档次,分别为低效率区、中效率区、较高效率区和高效率区。
5.2.1. 能源效率时空分析
由图1可得辽中南工业基地全要素能源效率空间分布有以下三个特征:第一,全要素能源效率水平整体上呈现上升趋势,且上升幅度较大。2012年,所有城市的全要素能源效率水平均处于中等水平及以下,较高水平及以上占比为0;2022年,除了盘锦市以外的城市的全要素能源效率水平均有不同程度的提升,沈阳市和大连市的全要素能源效率甚至超过0.9,达到了高水平状态,较高水平及以上的占比也提高到30%。第二,沈阳市和大连市的全要素能源效率水平一直处于相对较高的状态,而盘锦市的全要素能源效率水平一直处于低水平状态;鞍山市的全要素能源效率水平发展最快,从2012年的低水平到2017年的中等水平,再到2022年的较高水平可以看出。第三,全要素能源效率空间分布大致呈现“南北高中间低”的特征,处于南北两端的沈阳市和大连市的全要素能源效率始终处于相对较高水平,而处于中部的盘锦市和本溪市的全要素能源效率始终处于相对较低水平。
Figure 1. Energy efficiency distribution in the Liaoning Central-Southern industrial base
图1. 辽中南工业基地能源效率分布
Figure 2. Energy efficiency distribution in the Beijing-Tianjin-Tangshan industrial base
图2. 京津唐工业基地能源效率分布
由图2可得京津唐工业基地城市较少,但是空间分布差异明显。首先,其全要素能源效率整体呈现“西高东低”的地区分布差异,北京市的全要素能源效率一直处于相对较高水平,在2022年达到0.9以上,发展到高水平状态;而唐山市的全要素能源效率始终处于低水平。这也符合北京市经济发展质量高,科技研发、政策导向、节能减排等方面的工作远远超过资源型城市唐山。其次,经过十年的发展,北京市和天津市的全要素能源效率都有不同程度的提升,但唐山市的能源效率始终未超过0.3,这表明唐山市需要在提升全要素能源效率上下大功夫,可以从政策引导、产业结构调整和发展科技等方面逐步改善。
Figure 3. Energy efficiency distribution in the Yangtze River Delta industrial base
图3. 长三角工业基地能源效率分布
由图3可得长三角工业基地城市较多,全要素能源效率的整体水平有较大提升,但空间分布不均。首先,长三角工业基地9市全要素能源效率水平均有不同程度的较大提升。2012年长三角工业基地的全要素能源效率,除上海外均处于低水平状态,中等水平及以上占比11%;2022年长三角工业基地的全要素能源效率水平,除嘉兴市以外均达到中等水平及以上,占比高达89%,上海市和南京市的全要素能源效率甚至超过0.9,达到高水平状态,表明其发展迅速。其中,南京市的全要素能源效率发展最为迅速,从2012年的低水平到2017年的中等水平,再到2022年的高水平,看出南京市这十年间城市发展速度快、质量高。其次,长三角工业基地的全要素能源效率水平空间分布不均,整体上呈现“中部高,南北低”的地区分布差异。上海市的全要素能源效率一直处于相对较高水平;而嘉兴市十年间始终未超过0.3,处于低水平状态。
Figure 4. Energy efficiency distribution in the Pearl River Delta industrial base
图4. 珠三角工业基地能源效率分布
由图4可得珠三角工业基地全要素能源效率水平发展较快且地区差异极大。首先,珠三角工业基地2012年的全要素能源效率均处于低水平;到2022年,除惠州市以外,珠三角各市均有不同程度的水平跨越,中等水平及以上区域占比从0上升至80%,表明其全要素能源效率水平整体发展较快。其次,珠三角工业基地全要素能源效率水平的地区差异极大。深圳市发展最为迅速,从2012年低水平状态急速跨越至2017年的高水平状态,且2022年依旧保持,表明其全要素能源利用效率发展迅速,这可能得益于深圳市的人才集聚,科技发展较为迅速;而惠州市的全要素能源效率始终未超过0.3,处于低水平状态。
5.2.2. 生态效率时空分析
Figure 5. Ecological Efficiency Distribution in the Liaoning Central-Southern Industrial Base
图5. 辽中南工业基地生态效率分布
由图5可以发现该区域的生态效率整体呈现显著的上升态势。在2012年,所有城市的生态效率均处于中等及以下水平,尚无明显高值区域;然而到了2022年,除盘锦市外,其他城市的生态效率均有不同程度的提升,其中沈阳市和大连市的效率值更是超过了0.9,达到高水平状态,使得较高及以上效率水平的城市占比提升至30%。从空间格局来看,沈阳市和大连市作为区域南北两端的核心城市,其生态效率始终保持着相对领先的优势;与之形成对比的是,位于区域中部的盘锦市和本溪市则长期处于相对较低的水平,呈现出明显的“南北高,中间低”的空间分布特征。同时,鞍山市的生态效率提升最为迅速,从2012年的低水平跃升至2017年的中等水平,并最终在2022年达到较高水平。
由图6可得京津唐工业基地生态效率呈现显著的“西高东低”梯度分布与动态分化趋势。北京作为区域核心持续保持高水平,凸显其科技创新与绿色政策协同优势;天津实现跨越式提升,从2012年低水平跃迁至2022年中水平,反映其产业低碳化改造成效;而资源型城市唐山呈现逆向退化,由2012年高水平跌落至2022年低水平,表明其重工业主导模式面临严峻生态负荷。这种“两极强化、中部跃升”的格局揭示了创新要素集聚与产业转型差异的关键作用——北京的技术外溢推动天津升级,但未能有效阻断唐山因产能锁定导致的生态效率塌陷,亟需通过跨区域循环经济链条重构破解发展失衡困境。
Figure 6. Ecological efficiency distribution in the Beijing-Tianjin-Tangshan industrial base
图6. 京津唐工业基地生态效率分布
Figure 7. Ecological efficiency distribution in the Yangtze River Delta industrial base
图 7. 长三角工业基地生态效率分布
由图7对长三角工业基地生态效率时空分析演化的分析表明:2012至2022年间区域生态效率呈现“阶梯式跃升”特征,但“中部隆起、南北塌陷”的空间分异持续深化。十年间全区域实现显著提升——高效率区占比从2012年仅上海单极引领,扩展至2022年上海、南京双核驱动,中等效率区覆盖率从11%增至66%,宁波、杭州等7市实现能级跨越。其中南京表现最为突出,完成效率水平三级跳,折射其科创赋能生态转型的突出成效;但嘉兴始终滞留低效区,与上海–南京高梯度带形成级差。这种“中心极化与边缘锁定”并存的空间格局,凸显出技术创新辐射的梯度衰减特征——上海对昆山的技术外溢提升效率,而毗邻的嘉兴却因重污染产业承接导致效率衰退12%,亟需通过破除行政壁垒与生态补偿机制重构区域协同发展新路径。
Figure 8. Ecological efficiency distribution in the Pearl River Delta industrial base
图8. 珠三角工业基地生态效率分布
基于图8珠三角工业基地生态效率时空分析,本区域呈现“整体跃升与两极分化”并存的显著特征。十年间生态效率实现结构性跨越:2012年全域均为低效区,到2022年中等效率以上城市占比达80%,其中深圳始终处于生态效率较高水平阶段及以上成为区域最高效极核,东莞、广州等市同步跃升两级至高效区,印证科技创新赋能生态转型的突出成效。然而,惠州成为唯一滞留低效区的城市,与深圳形成梯度级差。这种“单核辐射与边缘塌陷”的空间格局,既反映人才集聚与技术扩散的梯度衰减规律也凸显行政壁垒对协同治理的制约。
5.3. 影响机制分析
基于空间DID模型的实证检验结果,本研究系统揭示了四大工业基地能源–生态效率时空分析的三重效应联动机制如表11。
Table 11. Ecological Efficiency Measurement Results for Five Cities in the Pearl River Delta Industrial Base
表11. 空间DID实证检验结果
变量 |
系数 |
标准差 |
P值 |
Policy |
0.152*** |
0.032 |
0.001 |
PHE |
−0.087** |
0.021 |
0.013 |
NE |
0.226*** |
0.045 |
0.000 |
SE |
0.193** |
0.039 |
0.008 |
W×Policy |
0.118* |
0.029 |
0.042 |
W×PHE |
−0.204*** |
0.037 |
0.002 |
W×NE |
0.351*** |
0.058 |
0.000 |
W×SE |
0.287** |
0.063 |
0.011 |
创新中心辐射 |
0.412*** |
0.071 |
0.000 |
进出口贸易调节 |
−0.165** |
0.048 |
0.017 |
首先,污染避难所效应(PHE)呈现显著的区域分化特征:环境规制强度每提升1个单位,高规制工业基地(北京、上海、深圳)的本地能源–生态效率增长0.23%,而低规制地区(唐山、鞍山、嘉兴)则下降0.18%。这种分化导致产业空间重构——2016~2022年高规制区污染密集型产业比重下降12.7%,同时低规制区上升9.3%,形成“高规制区技术极化、低规制区产能锁定”的二元格局。其次,邻里效应(NE)表现为显著的空间交互作用:地理邻近区域的技术溢出弹性系数达0.35,但污染扩散系数亦达0.28。典型例证如长三角工业基地,上海对苏州的技术外溢使后者2019~2022年效率提升17.3%,而嘉兴承接污染产业转移导致同期效率降低9.6%。最后,外溢效应(SE)呈现“双刃”特征:创新中心200公里半径内的正向技术外溢使区域效率提升0.41%,但产业转移引发的污染链式反应使低规制区生态效率下降0.29%。
机制解析表明三重效应存在动态耦合关系。当环境规制差异扩大时,污染避难所效应触发产业空间重构——北京、上海等高规制区通过技术密集型产业置换,如2019~2022年高技术产业占比提升15.2%,而唐山、鞍山等低规制区陷入“高污染–低技术”锁定。这种产能分极引发两类邻里效应:负向表现为京津冀地区PM2.5跨区域传输贡献率达32%,正向体现在长三角专利技术扩散强度达0.78。邻里效应的积累最终催生大规模外溢效应:创新中心通过技术辐射网络带动区域效率提升0.38%,但污染产业链转移导致辽中南工业基地生态效率下降0.24%。值得关注的是,双碳政策通过空间反馈机制产生自我调适效应——当区域效率差异超过阈值0.25时,政策强度自动提升12%,有效抑制污染避难所效应的负向外溢。
6. 结论
本研究通过对中国四大工业基地2012~2022年能源–生态效率的实证分析,系统揭示了在“双碳”目标下效率演变的动态特征、空间格局及内在机制。整体而言,四大工业基地的能源效率和生态效率均呈现显著上升趋势,反映出区域工业绿色转型的积极进展。能源效率方面,珠三角工业基地均值最高,京津唐最低,区域差异随时间逐步缩小;生态效率则以珠三角和京津唐领先,长三角相对滞后。这一结果表明,东部沿海工业基地在效率提升上整体优于内陆区域,但长三角作为经济密集区,其生态效率提升面临更大挑战,需重点关注资源环境协调。
时空分析进一步揭示了效率分布的异质性特征。辽中南工业基地呈现“南北高中间低”格局,沈阳、大连的能源效率持续领先,而盘锦等中部城市长期低迷;京津唐基地表现为“西高东低”态势,北京能源效率显著高于唐山;长三角基地以“中部高南北低”为主轴,上海、南京效率突出,但嘉兴等城市发展滞后;珠三角基地则波动性最强,深圳效率跃升迅猛,而惠州始终处于低效状态。这些空间分异现象不仅反映了区域产业结构和技术水平的差异,也凸显了地理邻近性对效率传导的双向作用——技术溢出与污染扩散并存,需通过空间协同治理优化布局。
影响机制解析通过空间DID模型实证检验了三重效应(污染避难所效应、邻里效应、外溢效应)的联动机制。环境规制差异是核心驱动因素:高规制区域(如北京、上海、深圳)通过技术密集型产业升级,推动效率提升,但加剧了低规制区域(如唐山、鞍山、嘉兴)的污染避难所效应,导致产业空间重构与“高污染–低技术”锁定。邻里效应表现为显著的空间交互,技术溢出与污染扩散并存。外溢效应则具“双刃”特征:创新中心辐射带动区域效率跃升,但产业转移链式反应引发生态效率退化。机制耦合表明,双碳政策通过空间反馈实现自我调适,当区域效率差异超过阈值0.25时,政策强度自动提升12%,有效抑制负向外溢。
基于上述发现,本研究提出三重效应协同治理策略:首先,针对时空分析分异特征实施差异化规制,强化高规制区域创新中心的技术辐射,同时通过碳交易机制补偿低规制区转型成本;其次,构建跨区域联防联控网络,优化邻里效应中的技术溢出路径,遏制污染扩散;最后,将进出口贸易调节纳入政策框架,引导绿色供应链重构。
NOTES
*通讯作者。