2024, Vol. 45
2. 中国劳动关系学院劳动关系与人力资源学院, 北京 100048
2. School of Labor Relations and Human Resources, China University of Labor Relations, Beijing 100048, China
中国是最大的发展中国家, 也是世界碳排放第一大国.面对全球生态问题频发与资源环境约束日益突出的严峻形势, 中国政府于2020年提出“双碳”目标, 并将其上升为应对气候变化的国家战略.然而, 受制于经济发展方式、能源消费结构和技术创新水平等因素的影响, 当前形势下实现“双碳”目标面临着巨大的挑战.因此, 处理好发展与环境的关系迫在眉睫.必须转变传统的经济高速增长为高质量发展模式, 将生态文明建设融入经济建设、政治建设、文化建设和社会建设各方面, 形成绿色低碳发展的合力.
自“高质量发展”理念提出以来, 学者们对其内涵、测度和影响因素等进行了广泛研究.指出高质量发展是一种经济发展方式、结构和动力状态, 旨在更好地满足人民群众不断增长的真实需要 [1].关于对高质量发展的测度, 主要集中在两大方面：一是基于五大发展理念视角构建评价指标体系, 如欧进锋等[2]测度了2010~2017年广东省21个地级市的高质量发展水平, 发现整体呈“珠三角普遍较高, 粤东西北落后”的特征, 此外, 创新、绿色、协调、开放和共享这5个维度的水平也存在较大的空间分布差异；杨沫等[3]基于2013~2018年数据, 对省域高质量发展水平及其不平衡性进行了研究, 指出虽然省域高质量发展水平不平衡性有所降低, 但创新和开放程度仍然差距较大；二是基于经济发展视角在测度时更加强调了从高速增长到高质量的转变, 如马茹等[4]从高质量供给、高质量需求、发展效率、经济运行和对外开放这五大方面构建了高质量发展评价指标体系；师博等[5]从经济增长的基本面与社会成果两方面构建起高质量发展评价指标体系, 其中, 通过测度经济增长强度、稳定性、合理化与外向性来对经济增长的基本面进行了衡量.关于高质量发展的影响因素, 学者们普遍认为政府治理[6, 7]、产业集聚度[8]、技术创新[9]、数字经济[10, 11]和人口老龄化[12]等因素会对高质量发展产生重要影响.
在低碳经济方面, 学者们也积累了丰富的研究成果.关于低碳经济的内涵学界尚未达成共识.学者Wang等[13]指出低碳经济就是要实现碳排放与经济发展的脱钩；陈诗一[14]认为低碳经济更多强调了在综合考虑各项环境因素基础上的经济转型过程；邬彩霞[15]指出低碳经济的本质就是要提高能源与资源的利用效率.在低碳经济测度方面, 学者们多基于熵值法[16]和因子分析法[17]等对低碳经济评价指标体系进行测度, 由于对低碳经济的内涵理解不同, 导致学者们在构建低碳经济评价指标体系时的侧重点也有所差异, 如张友国等[18]基于低碳与绿色发展协同的视角从绿色、低碳、循环和经济这四大方面构建评价指标体系；蔡宏宇等[19]基于低碳经济的可持续发展理念视角从低碳经济、社会、技术和环境可持续发展视角构建评价指标体系；冯碧梅[20]基于减碳增汇的视角从碳排放、碳源控制、低碳产业、碳汇建设和碳交易合作等方面对低碳经济进行了测度；付加锋等[21]基于低碳经济发展的阶段性特征将低碳产出、消费、政策、环境和资源等要素融入了低碳经济评价指标体系中.此外, 也有部分学者通过构建DEA模型[22]核算低碳经济效率或基于泰尔指数和基尼系数[23]分析低碳经济的区域差异性.
京津冀城市群作为我国重要的经济增长极, 也是未来实现“双碳”战略和促进经济社会绿色发展转型的关键区域, 一直以来都备受关注[24].自2014年京津冀协同发展战略提出以来, 京津冀城市群协同发展一直是学术界的研究热点.相关研究主要聚焦于以下4个方面：一是协同关键领域.学者们普遍认为在非首都功能疏解、生态环境协同治理、交通一体化发展、产业协同[25]和基本公共服务均等化[26]等领域已取得一定成效；二是协同机制.京津冀城市群协同发展是一个复杂的长期博弈过程, 学者们基于协同论、博弈论、耗散结构理论和突变理论等[27], 深入探究了各个领域间的协同关系；三是协同影响因素.学者们研究了自然地理环境、城镇化水平、产业结构、基础设施和体制机制创新等[28, 29]诸多因素对京津冀城市群协同发展的影响, 指出以上因素会增强或削弱京津冀城市群内部各要素的聚集效应、规模效应与关联效应, 进而影响其协同发展程度[30]；四是协同优化路径研究.学者们探讨了京津冀城市群在产业协同、生态环境协同、基础设施联通和体制机制创新等方面的路径优化问题, 为制定京津冀城市群协同发展策略提供了支撑[31, 32].
综上, 学者们对京津冀城市群协同发展进行了大量研究, 取得了较为丰硕的研究成果.但从研究视角看, 现有研究多关注高质量发展与低碳经济的内涵、评价与影响因素, 对于低碳经济与高质量发展的协同效应的探讨相对欠缺；从研究内容来看, 在分析协同机制时多从定性视角进行分析, 缺少基于定量视角的研究成果；从研究思路来看, 学者们对协同效应的研究多止步于协同效应测度, 而忽略了对其驱动机制的探究.鉴于此, 本文基于2006~2021年京津冀城市群13个城市的面板数据, 构建低碳经济与高质量发展综合评价指标体系, 结合熵值TOPSIS法对其低碳经济与高质量发展水平进行动态评估, 并构建耦合协调度模型、面板向量自回归模型从定量视角探究二者协同互促效应的时空分布及其驱动机制, 以全面推进京津冀城市群低碳经济与高质量发展的深度融合, 助力其率先实现“双碳”目标, 建设世界一流的绿色智慧城市群.
1 理论分析 1.1 低碳经济促进高质量发展的赋能机制低碳经济不同于传统的经济发展模式, 它更强调绿色环保, 这与构建生态文明、建设美丽中国的要求一致, 是实现高质量发展的环境基础[33].而低碳经济能够突破传统经济增长模式的实质在于低碳经济强调技术创新和产业升级, 能够有效带动经济实现结构性优化和升级, 培育新增长点[34].低碳技术和产业的快速发展将助推经济实现质的突破和升级, 为高质量发展提供持续动力[35].与此同时, 低碳经济引导形成绿色低碳的生活方式以减少资源浪费.它鼓励公众采用环保出行、绿色饮食、绿色建筑等低碳生活方式, 培养节约资源和能源的环保意识.这种生活方式的普及不仅使日常生活更加环保, 也将带来消费结构的绿色升级[36].同时, 低碳经济还倡导选择低碳环保的产品和服务, 从而形成对高碳产品的淘汰效应.此外, 低碳技术的研发与应用也会推动产业实现绿色升级改造, 使产品的生产和使用更加环保[37].可以说, 只有系统性推进低碳经济建设, 使其深入各领域、各层面, 才能真正实现经济发展模式的根本转型, 在发展中呵护环境、造福社会、提升质量, 这是构建现代化经济体系、实现高质量发展的应有之义.
1.2 高质量发展支撑低碳经济的驱动机制高质量发展的逻辑基础是我国的经济发展阶段发生变化, 从以往聚焦于GDP的总量和增速转换到聚焦于质量和效益[38], 从而为低碳经济等发展模式提供良好的发展环境和物质基础.高质量发展在各个方面秉持新发展理念, 不断贯彻创新发展、协调发展、绿色发展、开放发展和共享发展[39], 在一定程度上不断促进低碳领域的高质量发展.创新发展注重低碳发展等方面的科技创新和生产环节中的技术进步, 推动能源技术发展, 促进生产效率的提高, 增强工业低碳转型的动力[40]；协调发展能够联结各方主体共同实现低碳战略目标, 加强能源结构、产业、区域等协调发展, 通过不断地磨合和运作来实现优势互补和科学的发展布局[41]；绿色发展倡导消费、出行和能源等绿色转型, 而低碳经济是绿色发展的内容之一, 有利于促进与其相关的能源技术和绿色行业的发展；开放发展推动国内绿色产业和国际进行交流和合作, 利用比较优势引入技术来扩大自身市场, 在提高经济效益的同时实现绿色低碳生产和技术进步；共享发展能让绿色能源技术知识和成果共享, 使得绿色能源技术在共享中不断地应用和创新, 推动绿色低碳产业和低碳经济的可持续发展.
2 材料与方法 2.1 研究区域与现状概述京津冀城市群地处环渤海地带, 是我国北方地区重要的经济增长极.作为一个统一的区域概念, 京津冀城市群最早可追溯到1988年中国城市规划设计研究院在《中国城市群的兴起与空间框架研究》的相关表述.而在国家规划层面, “京津冀”这一提法大约在2004年前后正式提出.此后, 京津冀城市群的战略地位逐步获得认可. 2015年, 《京津冀协同发展规划纲要》发布, 明确提出京津冀城市群包括北京和天津两大直辖市, 以及河北省的石家庄、唐山、秦皇岛、沧州、衡水、保定、邯郸、邢台、廊坊、张家口和承德这11个地级市, 标志着京津冀城市群协同发展上升为国家战略.截至2022年底, 京津冀城市群GDP已突破10万亿元, 是2013年的1.8倍, 在全国占比高达1/10, 京津冀城市群整体实力迈上了一个新的台阶.但总体来看, 京津冀城市群仍是我国乃至世界碳排放量较大的地区之一, 碳排放量在全国占比超过10%, 在资源环境约束、产业转型升级和能源结构优化等方面仍面临较大压力, 亟需走出一条低碳绿色的高质量发展之路.因此, 新时期推动京津冀城市群低碳经济与高质量发展的高效协同既是贯彻新发展理念和构建新发展格局的必然要求, 也是京津冀城市群保持经济持续健康发展的内在需要.
2.2 指标体系构建与数据来源参考相关研究[42 ~ 44], 从资源、环境、经济、绩效和能源这五大系统构建京津冀城市群低碳经济发展评价指标体系, 基于新发展理念“创新、协调、绿色、共享、开放”五大维度构建高质量发展评价指标体系, 并结合熵权TOPSIS法计算各个指标的权重, 具体如表 1所示.在综合考虑数据可得性的基础上, 选取了京津冀城市群2006~2021年的面板数据进行分析, 所需数据主要来自《北京市国民经济和社会发展统计公报》《北京市统计年鉴》《天津统计年鉴》《天津年鉴》《河北经济年鉴》及EPS全球统计数据库, 缺失数据采用线性插值法补齐.
|
表 1 评价指标体系 Table 1 Evaluation index system |
2.3 研究方法 2.3.1 熵权TOPSIS法
熵权TOPSIS法计算步骤如下.
（1）构造判断矩阵 假设研究对象为m个城市, 每个城市有n个评价指标, 构建判断矩阵（X）为：
|
(1) |
（2）对判断矩阵进行标准化处理 对于正指标, 按照公式（2）处理：
|
(2) |
对于负指标, 按照公式（3）处理：
|
(3) |
式中, xij为第i个城市第j个指标的实测数值, x'ij为标准化的数值, max (xij)和min (xij)为第j个指标的最大值与最小值.
（3）计算信息熵Hj：
|
(4) |
式中, 
（4）确定指标j权重wj：
|
(5) |
（5）计算加权矩阵（R）：
|
(6) |
（6）计算各个研究对象与最优解、最劣解的欧氏距离：
|
(7) |
（7）计算综合评价指数Mi：
|
(8) |
式中, Mi的值越大, 表明评价对象得分越高, 低碳经济与高质量发展水平越高.
2.3.2 面板向量自回归模型理论分析显示, 低碳经济与高质量发展之间存在着复杂的动态关系, 并可能产生滞后效应.如果采用POOL模型进行回归分析, 会带来内生性和序列相关等问题.而面板向量自回归（PVAR）模型可以很好地克服上述缺点.PVAR模型允许所有的变量内生, 同时还考虑了个体差异的存在, 并通过引入滞后项有效解决了内生性问题.因此, 本研究选取PVAR模型来深入剖析低碳经济与高质量发展的动态关系, 具体建模思路如下：
|
(9) |
式中, Yit为一个1 × 2阶的列向量, 包含低碳经济（lce）与高质量发展（hqd）两个内生变量, a0为截距项, j为滞后阶数, aj为滞后j阶的参数矩阵, βi为个体固定效应, γi为个体时点效应, εit为随机扰动项.
2.3.3 耦合协调度模型耦合理论源自物理学, 描述了两个或多个系统之间通过相互作用产生的相互依存、相互制约的关系.根据前文分析, 京津冀城市群低碳经济与高质量发展之间存在协同互动效应, 因此可以看作是一个有机耦合的复杂系统.参考物理学中的耦合协调模型, 进一步得到其耦合协调公式.
二元耦合协调公式为：
|
(10) |
式中, C为京津冀城市群低碳经济与高质量发展两系统的耦合度, 取值为0~1之间, 取值越大, 耦合度越高, 当C=1时, 表示两系统间处于最佳耦合状态.U1和U2为低碳经济与高质量发展的综合指数评价值.由于耦合度仅能反映系统间耦合程度, 无法反映具体耦合协调度的高低, 因而进一步引入耦合协调度模型：
|
(11) |
式中, D为耦合协调度, T为两系统的综合评价指数, α和β为任意两个系统的重要程度, 本文默认任意两个系统同等重要, 即α = β = 1/2.
参照廖重斌[45]对耦合协调度大小的划分原则, 将耦合发展类型进行划分, 如表 2所示.
|
|
表 2 耦合协调度划分标准 Table 2 Coupling coordination degree division standard |
3 结果与讨论 3.1 京津冀城市群低碳经济与高质量发展协同时空演变特征 3.1.1 综合水平测算
根据熵权TOPSIS法可以测算得到京津冀城市群13个城市的低碳经济与高质量发展水平.从表 3来看, 2006~2021年, 京津冀地区低碳经济持续稳定发展, 区域低碳经济发展均值从0.231上升到0.395, 增长了71%.这主要得益于京津冀地区高度重视发展低碳产业, 加大了节能减排、发展新能源等方面的力度.近年来, 国家发布《京津冀协同发展规划纲要》《京津冀“十三五”环境保护规划》等, 制定了详细的低碳发展规划, 为京津冀地区低碳经济的快速增长奠定了坚实的政策基础.具体来看, 北京和天津的低碳经济发展水平和增速均高于京津冀平均水平, 充分显示出京津冀核心城市在低碳发展方面的引领和带动作用.石家庄、唐山和廊坊等城市低碳经济也保持稳步发展, 这主要得益于以上城市大力引进先进技术、实施节能减排等措施.但是, 邯郸、衡水、张家口和承德等城市的低碳经济发展相对滞后, 增速仅为京津冀均值的60%左右, 究其原因, 产业结构较为单一是其关键制约因素.以上城市低碳经济发展的内生动力不足, 需进一步加大技术创新和体制机制创新力度.
|
|
表 3 2006~2021年京津冀城市群低碳经济与高质量发展水平1） Table 3 Low-carbon economy and high-quality development of Beijing-Tianjin-Hebei urban agglomeration from 2006 to 2021 |
本研究期间, 京津冀地区高质量发展水平持续提升, 区域均值由0.095上升到0.207, 增长118%.主要通过推动新旧动能转换、发展战略性新兴产业、提升传统产业智能化水平等方式实现.“十三五”期间, 京津冀地区提出要率先实现高质量发展, 制定了创新驱动发展战略, 这为京津冀地区经济高质量发展提供了有力支持.具体来看, 北京的高质量发展水平达到0.532, 比京津冀区域平均水平0.129高出近4倍, 增速达到97%, 充分显示了它作为核心城市的强大带动作用.与北京相比, 天津的高质量发展水平相对滞后, 2021年的发展指数仅为0.259, 需要加快产业结构优化升级的步伐.石家庄和邢台等城市的高质量发展水平增速较快, 但绝对水平仍较低, 分别为0.170和0.091, 主要制约因素是资源环境约束和产业基础相对薄弱, 需要进一步加大科技教育投入, 完善自身创新体系.
3.1.2 耦合协同时间演变特征进一步根据公式（10）和公式（11）计算研究期内京津冀城市群低碳经济与高质量发展耦合协同水平, 如表 4所示.不难发现, 2006~2021年, 京津冀城市群低碳经济与高质量发展的耦合度处于0.278~0.400之间, 表明两个子系统之间存在着较高的耦合关系.随着时间的推移, 耦合度有所提升, 反映出低碳经济与高质量发展的联动程度在逐渐加强.此外, 耦合协调度也呈缓慢上升的趋势, 但仍然处于0.3~0.4的轻度失调状态, 低碳经济与高质量发展之间的协同效应仍有待进一步提升.
|
|
表 4 2006~2021年京津冀城市群低碳经济与高质量发展耦合协同水平 Table 4 Coupling and coordination level of low-carbon economy and high-quality development in Beijing-Tianjin-Hebei urban agglomeration from 2006 to 2021 |
从京津冀内部看, 各城市的低碳经济与高质量经济发展耦合协调度大致呈现三级阶梯的分布状态：第一阶梯是北京, 作为京津冀核心城市, 北京的耦合协调度最高, 2021年达到中级协调状态.这主要归因于北京在低碳技术创新和高新产业发展方面的明显优势.第二阶梯是天津和石家庄, 耦合协调度处于0.4~0.5的濒临失调区间, 表明低碳经济与高质量发展之间存在一定协同效应, 但还不够紧密, 仍需加大改革力度, 以提升经济社会系统的适应性.第三阶梯是保定和廊坊等其他城市, 均处于轻度或中度失调状态.以上城市低碳经济与高质量发展协同程度相对较低.其中廊坊、唐山等城市应加快产业转型升级, 充分利用北京的资源支持；邯郸、衡水等城市应加大技术引进力度, 并依托区域合作机制加强低碳技术学习.总体来看, 京津冀城市群内部呈明显的三级阶梯分布状态, 高质量发展失衡问题突出.各级城市需因地制宜, 提升低碳经济与高质量经济的协同发展水平.
3.1.3 耦合协同空间演变特征图 1展示了2006年与2021年京津冀城市群低碳经济与高质量发展耦合协调度的空间分布状态.从空间分布看, 京津冀城市群区域内部形成了典型的“核心-圈层”结构格局.核心区域主要包括北京和天津两大城市.北京是京津冀城市群的龙头和绝对核心, 其低碳经济与高质量发展耦合水平在2021年已达到0.7以上的中级协调状态, 是全国低碳经济与高质量发展的示范区.天津作为联通京津冀的桥头堡, 其低碳经济与高质量发展耦合水平次于北京, 但明显高于围绕京津的外围城市, 处于0.5左右的勉强协调状态.石家庄为京津冀城市群的第三极, 耦合协调度在0.4~0.5间, 属于濒临失调类型, 是河北省内的经济中心和龙头城市.除此之外, 京津冀其他城市基本上都是0.4以下的轻度或中度失调状态, 低于京津冀城市群平均水平, 构成了“核心-圈层”结构的外围部分.以上外围城市受制于自身创新能力和产业基础等因素制约, 低碳经济与高质量发展的协同程度有限.
|
图 1 京津冀城市群低碳经济与高质量发展耦合空间分布 Fig. 1 Coupling spatial distribution of low-carbon economy and high-quality development in Beijing-Tianjin-Hebei urban agglomeration |
从区域辐射效应来看, 2006年与2021年京津冀城市群低碳经济与高质量发展耦合空间分布特征类似, 北京与天津这两个核心城市在整个区域内始终保持引领地位, 对周边城市形成了一定的辐射带动效应. 2006年, 北京的耦合协调度已经达到0.546, 远高于其他所有城市.天津的耦合协调度为0.398, 而其他外围城市的耦合协调度大多处于0.2以下. 到2021年, 北京的耦合协调度大幅提升至0.722, 天津也上升到0.508, 与2006年相比分别增长了32%和28%, 继续保持明显的领先优势地位.与北京和天津的快速增长相比, 外围城市的进步相对缓慢.2021年, 石家庄、唐山等几个城市指数也仅达到了0.3~0.4的轻度失调水平, 与核心城市的差距并未显著缩小.主要原因是外围城市的低碳技术能力和高新产业基础较为薄弱, 需要北京和天津进一步加大辐射带动力度.
3.2 京津冀城市群低碳经济与高质量发展协同互促效应分析本节构建面板向量自回归模型（PVAR）, 进一步考察京津冀城市群低碳经济与高质量发展的协同互促效应.面板向量自回归模型的建模流程包括数据平稳性检验、模型最优滞后期数选择、稳健性检验等, 为了确保结果的准确性, 本节依次执行上述流程.为了避免出现“伪回归”问题, 首先对数据平稳性进行检验, 本文采用LLC检验、IPS检验、Fisher-ADF及Fisher-PP检验这4种方法依次对低碳经济（lnlc）与高质量发展（lneh）进行检验, 结果表明两个数据变量均拒绝了原假设, 满足数据平稳性要求.
3.2.1 最优滞后期数选择在进行PVAR估计前, 要先确定模型的最优滞后期数.本节采用连玉君等[46]的PVAR2程序包, 构建赤池信息量准则（AIC）、贝叶斯信息量准则（BIC）和汉南-奎因信息量准则（HQIC）, 结果如表 5所示.不难发现3种信息准则下模型最优滞后阶数为滞后一阶, 因此, 构建一阶面板向量自回归模型.
|
|
表 5 最优滞后期数选择1） Table 5 Selection of optimal lag period number |
3.2.2 稳健性检验
为了验证模型的可靠性, 需进行稳健性检验.即检验模型动态矩阵特征值的模是否小于1. 图 2显示, 本文构建的面板向量自回归模型的特征值均位于单位圆内, 说明通过了稳健性检验, 可以进行后续的脉冲响应、方差分解分析.
|
图 2 稳健性检验 Fig. 2 Robustness test |
脉冲响应函数可以有效揭示变量间的动态交互效应.即在控制其他变量不变的前提下, 一个变量受到冲击后对系统的影响.图 3展示了在95%置信水平下, 对低碳经济和高质量发展进行200次蒙特卡洛模拟后得到的滞后10期脉冲响应图.其中横坐标表示冲击发生的滞后期数（a）；纵坐标表示冲击k的响应大小即脉冲值；中间红色曲线为脉冲响应函数曲线；红色曲线上下方的两条曲线表示95%的置信区间.
|
图 3 脉冲响应 Fig. 3 Pulse response |
当低碳经济为脉冲变量时, 低碳经济面对自身一个标准差的冲击当期影响为0.070, 达到最大值, 随着时间的推移, 影响逐渐下降并在第4期之后开始收敛, 说明短期内低碳经济可以促进自身的发展, 可能是由于低碳经济的发展依赖于低碳技术、产业和政策等体系的建设, 这需要一个过程, 一次冲击可以激发体系建设的积极性, 推动更多资源投入低碳发展, 产生强力的正向促进作用, 但随着低碳发展的深入, 这种促进作用会逐渐减弱；而当高质量发展面对低碳经济一个标准差的冲击时, 其影响在当期为0, 随后呈现先扩大后缩小的倒“U”型正向影响, 在第3期达到最大值, 之后逐渐下降, 但始终为正向影响, 表明低碳经济对高质量发展虽然具有一定的正向影响, 但这种影响具有一定的滞后性, 其影响作用有限.可能是由于高质量发展需要产业结构、发展方式等方面的调整以适应低碳经济发展要求, 不能立即见效, 需要经过一个从适应到转换的过程, 低碳经济的推动作用才能充分发挥.
当高质量发展为脉冲变量时, 其对自身的影响在当期达到最大值0.090, 随后影响逐渐减弱并在第4期之后开始收敛, 表明高质量发展具有相对的经济惯性, 这与高质量发展的路径依赖性及其需求时间成熟的特点有关；而当低碳经济面对高质量发展一个标准差的冲击时, 当期为微弱的负向影响, 随后快速转为正向影响并不断提升, 在第3期达到顶峰, 之后逐渐下降并在第10期后趋于稳定, 表明低碳经济发展初期可能会阻碍高质量发展, 随着时间的推移, 低碳经济对高质量发展的促进作用愈加明显, 但长期来看这种促进作用会逐渐减弱.可能是由于高质量发展对传统技术、管理和组织模式等还存在依赖, 低碳经济会打断这种依赖关系, 导致短期冲击.但随着低碳技术和产业体系成熟, 其对高质量发展的促进作用会逐渐显现并持续数期后趋于平稳.
综上, 低碳经济与高质量发展之间存在交互促进的关系, 但这种互促作用具有一定时滞性且长期来看会逐渐减弱, 需要通过持续推进低碳转型和高质量发展, 加强二者间的协同配合, 以提高互促效应的持久性.
3.2.4 方差分解为了进一步了解京津冀城市群低碳经济与高质量发展之间的相互贡献度, 对面板向量自回归模型进行方差分解, 结果如表 6所示.可以看到低碳经济与高质量发展对自身的方差贡献率在第一期均为100%, 在第10期仍然高达94.5与95.9%, 表明二者的发展主要依赖的还是自身惯性.在第10期时低碳经济对高质量发展的贡献率不超过5.5%, 可能是由于低碳技术和产业体系建设还不够完善, 低碳替代尚未形成规模, 对传统高耗能行业影响有限.同时, 低碳经济相关政策激励力度不够, 导致企业低碳转型动力不足；而高质量发展对低碳经济的贡献率不超过4.1%, 可能是由于高质量发展的内生动力体现在技术创新、管理创新和组织创新等方面, 主要服务于提升产业装备水平、组织效率和产品附加值等方面, 对低碳发展的关注不够.此外, 高质量发展的需求导向主要来自消费升级和投资需求, 但由于消费者环保意识淡薄、低碳产品价格高等原因, 绿色低碳消费的拉动作用有限.因此, 低碳经济和高质量发展之间虽存在长期互动, 但效果较弱, 需要进一步增强二者的协同互促作用, 这与前文脉冲响应分析结果一致.
|
|
表 6 方差分解 Table 6 Variance decomposition |
3.3 京津冀城市群低碳经济与高质量发展协同驱动机制分析
京津冀城市群低碳经济与高质量发展耦合协调度的变化受到多种因素的共同影响, 本节运用因子分析法探究影响其协调发展的主要驱动力.
3.3.1 驱动因子分析本研究选取2006~2021年京津冀城市群低碳经济与高质量发展评价指标体系中综合排名前8的指标（表 7）, 对其进行标准化处理后, 利用Stata16.0进行Bartlett球形检验和KMO样本适配性测度, 验证因子分析的适用性.结果显示, Bartlett球形检验的P值小于0.05, KMO样本测度值高达0.843, 通过显著性和取值双重检验, 说明样本符合因子分析的要求.
|
|
表 7 各主成分特征值及贡献率 Table 7 Characteristic value and contribution rate of each principal component |
对上述因子进行主成分分析, 各主成分的特征值及贡献率如表 7所示, 以特征值大于1为标准, 最终得到3个主成分：λ1=4.361 3, λ2=1.224 6, λ3=1.110 9, 3个主成分的累计贡献率为83.71%, 这与碎石图（图 4）的结果一致.
|
图 4 碎石图 Fig. 4 Stone map |
通过最大方差正交旋转处理因子结构, 生成旋转后的因子载荷矩阵.从表 8可以看出, 第一主成分主要与货物进出口总额占GDP比例（X2）、城乡居民可支配收入比（X3）、第三产业/第二产业产值（X4）和人均地区生产总值（X6）相关；第二主成分与工业固体废弃物综合利用率（X7）和清洁能源消费占比（X8）有显著的相关性；第三主成分与发明专利数（X1）和一般公共预算支出（科技）占GDP比例（X5）相关.因此, 可以将京津冀城市群低碳经济与高质量发展耦合协同驱动力归纳为经济发展驱动（F1）、资源利用驱动（F2）和科技创新驱动（F3）.
|
|
表 8 主成分因子载荷矩阵 Table 8 Principal component factor load matrix |
3.3.2 驱动力分析
为了更深入地评估京津冀城市群低碳经济与高质量发展的协同驱动效应, 基于表 8的数据构建了主成分得分函数, 以计算耦合协同驱动力综合指数.具体来看, 采用每个主成分所占特征值比例作为权重, 来反映各主成分对总变异的解释贡献.
|
(12) |
式中, Xi为各个变量的标准化取值, λi为各个主成分的特征值, 通过计算可以得到研究期内京津冀城市群13个城市低碳经济与高质量发展耦合协同驱动力综合指数, 本文列出了2006年、2011年、2016年和2021年这4个年份的数据.同时, 还展示了13个城市驱动力综合指数（F）、经济发展驱动（F1）、资源利用驱动（F2）和科技创新驱动（F3）的平均水平, 如图 5所示.不难发现, 研究期内京津冀城市群低碳经济与高质量发展耦合协同驱动力在不断上升, 总体呈上升趋势.具体来看, 经济发展驱动和资源利用驱动保持较高水平, 而科技创新驱动较低但有所提升.从驱动力空间分布来看, 北京的驱动力显著高于其他城市, 主要是由于北京在经济驱动力方面优势明显, 作为首都城市, 北京经济总量大且科技创新能力强, 在产业结构调整和低碳创新方面进展明显.其次为天津, 得益于其靠近北京, 交通基础设施良好, 经济结构以现代服务业为主, 有利于带动产业结构转型升级.河北省内石家庄和廊坊的驱动力较高, 主要受益于作为京津经济腹地的区位条件, 在产业转型升级、科技创新和资源利用等方面进行了积极的探索；秦皇岛、邯郸和张家口在产业结构调整方面进行了积极探索, 大力发展循环经济、现代农业、交通运输业和生态旅游业等, 整体驱动力水平也较高；相比之下, 其他城市受地理位置和资源等条件限制, 发展基础相对薄弱, 各类驱动力均弱.
|
图 5 驱动力综合得分 Fig. 5 Comprehensive score of driving force |
（1）多措并举, 缩小高质量发展与低碳经济之间的差距.要大力实施创新驱动发展战略, 加大科技创新与人才培养投入, 使科技创新成为拉动高质量发展的第一动力.发挥北京科教资源优势, 建设世界级科创中心.促进区域技术成果转化应用, 提升区域创新能级.同时, 深入推进投融资、财税、土地和能源等体制机制改革创新, 形成要素资源合理有效配置的良性局面, 增强经济发展新动能.构建区域协同发展新格局, 提升资源配置效率.此外, 按照质量效益原则合理规划城市空间, 发展适宜产业, 提升资源利用效率.实现生态环境保护和经济社会发展良性互动.
（2）补齐短板, 增强低碳经济与高质量发展的协同互促效应.一是要提升低碳经济对高质量发展的带动作用.大力发展低碳产业, 培育节能环保、新能源等战略性新兴产业, 形成低碳经济新的增长点.同时, 要推广先进适用的低碳技术, 建设绿色低碳的交通和城市, 为高质量发展提供良好的生态环境条件.二是要增强高质量发展对低碳发展的引领作用.要加强技术创新与管理创新, 使其更多服务于低碳发展.并通过培育和引导绿色低碳消费, 扩大低碳产品和服务的市场需求.还要构建区域低碳发展的利益共享机制, 形成合力.通过提升低碳经济的带动作用和高质量发展的引领作用, 实现二者的良性循环和共生发展.
（3）因地制宜, 借力三大驱动机制推动高质量协同发展.要积极推进产业结构优化升级, 培育经济新动能, 发展高新技术产业、现代服务业等, 增强经济发展内生动力；优化资源利用效率, 推进能源结构调整, 发展清洁能源.加强循环经济和资源合理利用, 实现绿色发展；要加大科研投入力度, 强化科技成果转化, 使之成为引领高质量发展的第一动力；同时要因地制宜发挥各地区比较优势以实现优势互补, 北京以科技创新引领, 天津以经济结构优化带动, 河北以资源利用和环境保护为重点；此外, 要构建区域协调发展机制, 促进各地资源优化配置, 实现协同增效.
5 结论（1）2006~2021年京津冀城市群低碳经济发展指数区域均值从0.231上升到0.395, 高质量发展指数区域均值由0.095上升到0.207, 增幅分别为71%与118%, 高质量发展水平仍略滞后于低碳经济发展水平.
（2）京津冀城市群低碳经济与高质量发展具有较为显著的双向互促效应.从耦合协同度来看, 二者的耦合协同水平呈缓慢上升趋势, 但仍处于轻度失调状态.从动态交互效应来看, 低碳经济会对高质量发展产生倒“U”型正向影响, 而高质量发展初期会对低碳经济带来短暂的冲击, 随后转为持续的正向影响.
（3）京津冀城市群耦合协同驱动力包括经济发展驱动、资源利用驱动与科技创新驱动.本研究期内经济发展驱动和资源利用驱动高于科技创新驱动的作用.从驱动力时空分布来看, 时间维度驱动力总体在逐步上升, 空间维度：北京与天津的驱动力较高, 其次是河北省石家庄和廊坊地区, 其他城市的驱动力相对较低.
| [1] |
金碚. 关于"高质量发展"的经济学研究[J]. 中国工业经济, 2018(4): 5-18. Jin B. Study on the "high-quality Development" Economics[J]. China Industrial Economics, 2018(4): 5-18. |
| [2] |
欧进锋, 许抄军, 刘雨骐. 基于"五大发展理念"的经济高质量发展水平测度——广东省21个地级市的实证分析[J]. 经济地理, 2020, 40(6): 77-86. Ou J F, Xu C J, Liu Y Q. The measurement of high-quality development level from five development concepts: empirical analysis of 21 prefecture-Level Cities in Guangdong province[J]. Economic Geography, 2020, 40(6): 77-86. |
| [3] |
杨沫, 朱美丽, 尹婷婷. 中国省域经济高质量发展评价及不平衡测算研究[J]. 产业经济评论, 2021(5): 5-21. Yang M, Zhu M L, Yin T T. High-quality development evaluation and the measurement of unbalanced of provincial economy in China[J]. Review of Industrial Economics, 2021(5): 5-21. |
| [4] |
马茹, 罗晖, 王宏伟, 等. 中国区域经济高质量发展评价指标体系及测度研究[J]. 中国软科学, 2019(7): 60-67. Ma R, Luo H, Wang H W, et al. Study of evaluating high-quality economic development in Chinese regions[J]. China Soft Science, 2019(7): 60-67. |
| [5] |
师博, 任保平. 中国省际经济高质量发展的测度与分析[J]. 经济问题, 2018(4): 1-6. Shi B, Ren B P. A measurement of China's provincial economic high quality development[J]. On Economic Problems, 2018(4): 1-6. |
| [6] |
陈诗一, 陈登科. 雾霾污染、政府治理与经济高质量发展[J]. 经济研究, 2018, 53(2): 20-34. Chen S Y, Chen D K. Air pollution, government regulations and high-quality economic development[J]. Economic Research Journal, 2018, 53(2): 20-34. |
| [7] |
何爱平, 安梦天. 地方政府竞争、环境规制与绿色发展效率[J]. 中国人口·资源与环境, 2019, 29(3): 21-30. He A P, An M T. Competition among local governments, environmental regulation and green development efficiency[J]. China Population, Resources and Environment, 2019, 29(3): 21-30. |
| [8] |
黄庆华, 时培豪, 胡江峰. 产业集聚与经济高质量发展: 长江经济带107个地级市例证[J]. 改革, 2020(1): 87-99. Huang Q H, Shi P H, Hu J F. Industrial agglomeration and high-quality economic development: examples of 107 prefecture-level cities in the Yangtze river economic belt[J]. Reform, 2020(1): 87-99. |
| [9] |
李光龙, 范贤贤. 财政支出、科技创新与经济高质量发展——基于长江经济带108个城市的实证检验[J]. 上海经济研究, 2019(10): 46-60. Li G L, Fan X X. Fiscal expenditure, scientific and technological innovation and high-quality economic development——an empirical analysis based on 108 cities in the Yangtze river economic belt[J]. Shanghai Journal of Economics, 2019(10): 46-60. |
| [10] |
鲁钊阳, 邓琳钰, 黄箫竹, 等. 数字经济促进区域高质量发展的实证研究[J]. 中国软科学, 2023(12): 175-184. Lu Z Y, Deng L Y, Huang X Z, et al. Empirical study on the promotion of regional high-quality development by digital economy[J]. China Soft Science, 2023(12): 175-184. |
| [11] |
赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020, 36(10): 65-75. Zhao T, Zhang Z, Liang S K. Digital economy, entrepreneurship, and high-quality economic development: empirical evidence from urban China[J]. Journal of Management World, 2020, 36(10): 65-75. |
| [12] |
刘成坤, 林明裕. 人口老龄化、人力资本积累与经济高质量发展[J]. 经济问题探索, 2020(7): 168-179. Liu C K, Lin M Y. Population aging, human capital accumulation, and high-quality economic development[J]. Inquiry into Economic Issues, 2020(7): 168-179. |
| [13] | Wang H, Chen Z P, Wu X Y, et al. Can a carbon trading system promote the transformation of a low-carbon economy under the framework of the porter hypothesis? — Empirical analysis based on the PSM-DID method[J]. Energy Policy, 2019, 129: 930-938. |
| [14] | 陈诗一. 低碳经济[J]. 经济研究, 2022, 57(6): 12-18. |
| [15] |
邬彩霞. "一带一路"沿线国家低碳经济发展水平测度与对比分析[J]. 贵州社会科学, 2022(10): 108-117. Wu C X. The measurement and comparative analysis of low-carbon economic development level of the countries along "the belt and road"[J]. Guizhou Social Sciences, 2022(10): 108-117. |
| [16] |
丁涛, 黄宇菲, 冯奎, 等. 中国区域低碳经济发展水平测度、区域差距与空间收敛性研究——来自八大综合经济区的证据[J]. 经济问题探索, 2023(2): 28-44. Ding T, Huang Y F, Feng K, et al. Measurement of regional low carbon economic development level, regional differences and spatial convergence in China-evidence from the eight comprehensive economic zones[J]. Inquiry into Economic Issues, 2023(2): 28-44. |
| [17] |
刘筱慧, 王斌, 陈凯, 等. 基于密切值改进TOPSIS的低碳经济评价研究[J]. 技术经济, 2021, 40(12): 74-84. Liu X H, Wang B, Chen K, et al. Research on the low-carbon economy evaluation based on osculating value improvement TOPSIS[J]. Journal of Technology Economics, 2021, 40(12): 74-84. |
| [18] |
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. Zhang Y G, Dou R Y, Bai Y J. Measurement on China's green low-carbon circular developing economic system construction[J]. The Journal of Quantitative & Technical Economics, 2020, 37(8): 83-102. |
| [19] | 蔡宏宇, 黄陈武. 低碳经济发展统计理论与测度研究[J]. 求索, 2015(11): 38-43. |
| [20] |
冯碧梅. 湖北省低碳经济评价指标体系构建研究[J]. 中国人口·资源与环境, 2011, 21(3): 54-58. Feng B M. Study on the construction of low-carbon economy evaluation in Hubei province[J]. China Population, Resources and Environment, 2011, 21(3): 54-58. |
| [21] |
付加锋, 庄贵阳, 高庆先. 低碳经济的概念辨识及评价指标体系构建[J]. 中国人口·资源与环境, 2010, 20(8): 38-43. Fu J F, Zhuang G Y, Gao Q X. Conceptual identification and evaluation index system for low carbon economy[J]. China Population, Resources and Environment, 2010, 20(8): 38-43. |
| [22] |
刘军航, 杨涓鸿. 基于混合方向性距离函数的长三角地区碳排放绩效评价[J]. 工业技术经济, 2020, 39(11): 54-61. Liu J H, Yang J H. Evaluation of carbon emission performance in the Yangtze River delta based on hybrid directional distance function[J]. Journal of Industrial Technological Economics, 2020, 39(11): 54-61. |
| [23] |
王斌, 李刚, 刘丽波, 等. 基于Gini修正G1组合赋权的低碳经济评价模型与实证[J]. 东北大学学报(自然科学版), 2017, 38(12): 1800-1804. Wang B, Li G, Liu L B, et al. The low-carbon economy evaluation model and its empirical research based on the Gini revised G1 combination weighting[J]. Journal of Northeastern University (Natural Science), 2017, 38(12): 1800-1804. |
| [24] | 武义青, 姚连宵. 京津冀低碳经济与高质量发展[J]. 前线, 2022(8): 59-62. |
| [25] |
陆大道. 京津冀城市群功能定位及协同发展[J]. 地理科学进展, 2015, 34(3): 265-270. Lu D D. Function orientation and coordinating development of subregions within the Jing-Jin-Ji urban agglomeration[J]. Progress in Geography, 2015, 34(3): 265-270. |
| [26] |
李泽红, 唐凤芝. 京津冀协同发展研究的热点、趋势及前沿[J]. 华北电力大学学报(社会科学版), 2023(3): 46-56. Li Z H, Tang F Z. Hot Spots, trends and frontiers of research on the coordinated development of Beijing, Tianjin and Hebei[J]. Journal of North China Electric Power University (Social Sciences), 2023(3): 46-56. |
| [27] |
方创琳. 京津冀城市群协同发展的理论基础与规律性分析[J]. 地理科学进展, 2017, 36(1): 15-24. Fang C L. Theoretical foundation and patterns of coordinated development of the Beijing-Tianjin-Hebei urban agglomeration[J]. Progress in Geography, 2017, 36(1): 15-24. |
| [28] |
狄乾斌, 陈小龙, 侯智文. "双碳"目标下中国三大城市群减污降碳协同治理区域差异及关键路径识别[J]. 资源科学, 2022, 44(6): 1155-1167. Di Q B, Chen X L, Hou Z W. Regional differences and key pathway identification of the coordinated governance of pollution control and carbon emission reduction in the three major urban agglomerations of China under the "Double-Carbon" targets[J]. Resources Science, 2022, 44(6): 1155-1167. |
| [29] | Burger M J, Meijers E J. Agglomerations and the rise of urban network externalities[J]. Papers in Regional Science, 2016, 95(1): 5-16. |
| [30] | Plane D A, Henrie C J. The role of hierarchical proximity in migration and population growth: urban shadow versus urban synergy effects[J]. Studies in Regional Science, 2012, 42(1): 109-128. |
| [31] | Amit-Cohen I. Synergy between urban planning, conservation of the cultural built heritage and functional changes in the old urban center—the case of Tel Aviv[J]. Land Use Policy, 2005, 22(4): 291-300. |
| [32] |
殷会良, 杜恒, 王鹏苏, 等. "双碳"背景下京津冀协同发展的挑战、对策和政策研究[J]. 城市发展研究, 2022, 29(8): 12-19. Yin H L, Du H, Wang P S, et al. Study on opportunities, challenges and countermeasures of Beijing-Tianjin-Hebei coordinated development under the background of carbon neutrality and carbon peak[J]. Urban Development Studies, 2022, 29(8): 12-19. |
| [33] | 厉以宁, 朱善利, 罗来军, 等. 低碳发展作为宏观经济目标的理论探讨——基于中国情形[J]. 管理世界, 2017(6): 1-8. |
| [34] |
王韶华, 于维洋, 张伟. 低碳经济的驱动因素及其驱动机理分析[J]. 环境工程, 2014, 32(12): 143-147. Wang S H, Yu W Y, Zhang W. Research on the influence factor and influence mechanism of low-carbon economy[J]. Environmental Engineering, 2014, 32(12): 143-147. |
| [35] |
陈四瑜, 刘晶茹, 孙光明. 基于脱钩指数的工业园区碳排放与经济发展关系[J]. 环境科学, 2023, 44(11): 6412-6420. Chen S Y, Liu J R, Sun G M. Relationship between carbon emissions and economic development of industrial parks based on decoupling index[J]. Environmental Science, 2023, 44(11): 6412-6420. |
| [36] |
孙洁, 宋博. 低碳经济发展模式下新兴产业的发展研究[J]. 工业技术经济, 2023, 42(1): 104-110. Sun J, Song B. Research on the development of emerging industries under the development mode of low-carbon economy[J]. Journal of Industrial Technological Economics, 2023, 42(1): 104-110. |
| [37] |
黄昱杰, 刘贵贤, 薄宇, 等. 京津冀协同推进碳达峰碳中和路径研究[J]. 中国工程科学, 2023, 25(2): 160-172. Huang Y J, Liu G X, Bo Y, et al. Beijing-Tianjin-Hebei coordinated development toward the carbon peaking and carbon neutrality goals[J]. Strategic Study of CAE, 2023, 25(2): 160-172. |
| [38] |
高培勇. 理解、把握和推动经济高质量发展[J]. 经济学动态, 2019(8): 3-9. Gao P Y. Comprehending, grasping, and promoting high-quality economic development[J]. Economic Perspectives, 2019(8): 3-9. |
| [39] |
赵恒春, 白金凤. 构建创新生态链推动高质量发展的功能定位与主要任务[J]. 重庆理工大学学报(社会科学), 2023, 37(9): 84-92. Zhao H C, Bai J F. The function positioning and main tasks of building an innovation ecological chain to promote high-quality development[J]. Journal of Chongqing University of Technology (Social Science), 2023, 37(9): 84-92. |
| [40] |
张志元, 李娟娟. 经济高质量发展新动能的生成机理与塑造路径[J]. 河北经贸大学学报, 2023, 44(3): 47-54. Zhang Z Y, Li J J. The generation mechanism and shaping path of the new economic momentum of high-quality development[J]. Journal of Hebei University of Economics and Business, 2023, 44(3): 47-54. |
| [41] |
李少林, 王齐齐. "大气十条"政策的节能降碳效果评估与创新中介效应[J]. 环境科学, 2023, 44(4): 1985-1997. Li S L, Wang Q Q. Evaluation of energy saving and carbon reduction effect of air pollution prevention and control action plan and innovation intermediary effect[J]. Environmental Science, 2023, 44(4): 1985-1997. |
| [42] |
胡剑波, 王楷文. 碳达峰目标下中国绿色低碳循环发展的协同效应研究[J]. 河海大学学报(哲学社会科学版), 2022, 24(5): 62-73, 129. Hu J B. The synergistic effect of China's green low-carbon circular development under the goal of carbon peak[J]. Journal of Hohai University (Philosophy and Social Sciences), 2022, 24(5): 62-73, 129. |
| [43] |
邬彩霞. 中国低碳经济发展的协同效应研究[J]. 管理世界, 2021, 37(8): 105-117. Wu C X. Research on the synergistic effect of low-carbon economy in China[J]. Journal of Management World, 2021, 37(8): 105-117. |
| [44] |
张圆, 郝枫, 李婧文. 新发展理念基础上中国高质量发展水平耦合协调的空间分布研究[J]. 贵州财经大学学报, 2022(2): 23-34. Zhang Y, Hao F, Li J W. The spatial distribution of coupling and coordination of China's high-quality development level based on the new development philosophy[J]. Journal of Guizhou University of Finance and Economics, 2022(2): 23-34. |
| [45] |
廖重斌. 环境与经济协调发展的定量评判及其分类体系——以珠江三角洲城市群为例[J]. 热带地理, 1999, 19(2): 171-177. Liao C B. Quantitative Judgement and classification system for coordinated development of environment and economy - a case study of the city group in the pearl river delta[J]. Tropical Geography, 1999, 19(2): 171-177. |
| [46] |
连玉君, 苏治. 融资约束、不确定性与上市公司投资效率[J]. 管理评论, 2009, 21(1): 19-26. Lian Y J, Su Z. Financial constraints, uncertainty and firms' investment efficiency[J]. Management Review, 2009, 21(1): 19-26. |