长三角地区高质量发展与碳环境治理耦合协调度分析——基于省级面板数据的实证研究

胡霄琪

（河海大学公共管理学院，南京 211100）

当前我国已经进入以城市群为主导的高质量发展新阶段［1］，“双碳”目标也已经成为我国高质量发展整体布局下的重要实践［2］. 高质量发展与碳环境治理之间互融互通不仅是实现经济绿色低碳升级的重要环节，也是高质量发展的重要支点. 自国家“十三五”规划以来，长三角地区上升为国家战略. 在长三角地区经济高速增长的同时，也面临着总碳排放量随着经济总量增长而同向增长的问题［3］. 在高质量发展和“双碳”目标的双重要求之下，厘清高质量发展和碳环境治理之间的耦合协调机理，探究二者之间耦合协调的重要影响因素，是长三角地区现代化进程中亟待解决的重要议题之一.

目前，学界主要利用引力模型、交互胁迫模型、耦合协调度模型、灰色关联度模型、灰色GM模型等对高质量发展与生态环境的协调度进行定量分析. 研究区域涉及全国［4］，主要集中在黄河流域［5-7］、城市群［8］、经济带［9］等区域尺度，以长三角地区为研究对象特别是将碳环境治理细化为一级指标的研究较为缺乏. 基于此，本文以长三角为研究对象，通过构建高质量发展和碳环境治理综合评价指标体系，利用耦合协调度模型对2010—2018年长三角整体及三省一市的高质量发展和碳环境治理耦合协调度进行测度，并借助灰色关联度模型探究各个指标之间的关联程度，以期反映长三角地区高质量发展和碳环境治理的协调状况，为进一步提升区域高质量发展和碳环境治理协同水平提供参考.

1 研究区域与指标体系构建

1.1 研究区域概况

长三角地区位于长江的下游地区，包括上海市、江苏省、浙江省、安徽省. 在高质量发展方面，根据《长三角高质量发展指数报告（2020）》显示，截至2019年，长三角高质量发展指数达到127.1，高质量发展总体趋势向好. 在二氧化碳排放方面，受到能源结构和高耗能产业限制，长三角地区二氧化碳排放量占全国总排放量的1/5以上. 长三角地区“十三五”期间二氧化碳排放量年均增速2.4%. 其中，上海市二氧化碳排放量年均增速为0.9%，进入平台期；浙江省和江苏省二氧化碳排放量增速较为缓慢，年均增速分别为1.94%、2.1%；安徽省二氧化碳排放量年均增速达到4.02%，仍处于高速增长阶段［10］.

1.2 数据来源

本文的统计数据主要来源于2010—2018年国家统计局公布数据，以及《上海统计年鉴》《江苏统计年鉴》《浙江统计年鉴》及《安徽统计年鉴》；二氧化碳排放量来源于中国碳核算数据库.

1.3 指标选取与指标体系构建

目前，学界在测度高质量发展和碳环境治理方面尚未形成共识. 本文借鉴韩冬等［11-14］学者关于高质量发展指标体系的构建，借鉴李晓梅和崔靓［15］、朱婵婵等［16］学者关于碳环境治理指标体系的构建，并参考《重构中国低碳城市评价指标体系：方法学研究与应用指南》，兼顾指标选取的科学性、客观性、代表性、可操作性和可获得性等原则，构建了高质量发展和碳环境治理发展指标体系. 其中，从人口城镇化、经济城镇化、社会城镇化、空间城镇化、城乡一体化五个方面选取17个指标对高质量发展进行综合评价；从环境污染水平、环境污染治理、资源环境治理三个方面选取7个指标对碳环境治理进行综合评价，见表1.

表1 高质量发展和碳环境治理发展指标体系Tab.1 The index system of high-quality development and carbon environment governance

2 研究方法

2.1 数据归一化处理

由于原始数据在获取过程中单位不同，各项指标数据间的量纲和量级存在差异，所以首先要对数据进行归一化处理，以消除原始数据单位不统一. 正向指标、逆向指标归一化处理公式为：

式中：xij为第i个样本第j项评价指标的原始值；x′ij为第i个样本第j项评价指标归一化处理后的标准值；xmin(j)为指标j对应的最小值；xmax(j)为指标j对应的最大值.

2.2 熵值法赋权

由于不同指标之间存在差异性，对最终研究对象系统的影响程度是不同的，因此需要对不同指标进行赋权，从而求得综合测评得分，本文采用客观赋权法中的熵值法对指标体系中的各项指标进行赋权. 其中，指标在评价对象中的差异越大，熵值越小，则该指标包含和传递的信息就越多，其权重也就越大；反之，则权重越小.

首先，计算第j项指标在第i个样本占整体指标的比重Pij和第j项指标的熵值ej：

式中：ej≥0，m为待评测样本个数；n为评价指标个数；x′ij为第i个样本第j项评价指标归一化处理后的标准值.

其次，计算第j项指标的差异系数Hj、权重Wj：

最后，计算各系统的综合评价指数：

高质量发展综合评价指数

碳环境治理综合评价指数

2.3 耦合协调度模型

耦合概念源于物理学概念，是指由两个或两个以上系统之间的相互作用，从而实现协调发展的动态关联关系. 耦合协调度模型主要包括耦合度及耦合协调度. 本文研究高质量发展与碳环境治理之间的相互作用关系，构建高质量发展与碳环境治理的耦合模型.

耦合度模型为：

耦合协调度模型为：

式中：C表示高质量发展与碳环境治理相互作用的耦合度，反映两个系统之间的相互依赖相互制约程度；D表示高质量发展与碳环境治理之间的耦合协调度，反映耦合相互作用关系中良性耦合程度的大小，体现出协调状况的优劣；T为综合协调指数；α和β为待定系数，表示两个系统在评价指标中各自的权重，本文假定高质量发展与碳环境治理同等重要，故α=β=0.5 . 结合现有研究成果［17-18］，将耦合度及耦合协调度划分相应的等级，从而直观反应高质量发展与碳环境治理之间的耦合发展程度，见表2、表3.

表2 耦合阶段及划分标准Tab.2 The level and dividing standard of coupling degree

表3 耦合协调度等级与划分标准Tab.3 The grade and dividing standard of couplingcoordination degree

2.4 灰色关联度分析模型

灰色关联度是根据因素之间发展趋势的相似或是相异程度来衡量系统与系统各因素之间关联程度的方法，若两个因素变化的趋势具有一致性，即二者关联程度较高；反之，则关联程度较低［19］. 通过灰色关联度分析，找出两个系统之间多个因素的内在相关性，并从中筛选出影响系统之间相互作用的关键因素，从而进一步揭示高质量发展与碳环境治理的耦合机制.

首先，计算两个指标之间的关联度系数：

其次，将关联系数δi(j)按照样本数求平均值得到关联度矩阵γ：

式中：k为样本数，0 ＜γij≤1.γij越大，说明两个指标之间的关联性越强；反之，则关联度越弱. 具体判别标准见表4.

表4 灰色关联度强弱与划分标准Tab.4 The strength and dividing standard of grey correlation degree

3 结果分析

按照上述模型计算出2010—2018年长三角地区整体和三省一市的高质量发展（U1）与碳环境治理综合指数（U2）以及协调度（C）、耦合协调度（D）.长三角各地区及整体的高质量发展与碳环境治理综合评价指数在2010—2018年的变动情况见表5、图1、图2.

图2 长三角地区整体高质量发展与碳环境治理综合指数变化趋势Fig.2 The comprehensive assessment index trends of high-quality development and carbon environmental governance in the Yangtze River Delta

表5 长三角地区各省市高质量发展与碳环境治理综合评价指数Tab.5 The comprehensive assessment index of high-quality development and carbon environmental governance in regions of the Yangtze River Delta

图1 长三角各地区高质量发展与碳环境治理综合指数变化趋势Fig.1 The comprehensive assessment index trends of high-quality development and carbon environmental governance in regions of the Yangtze River Delta

3.1 长三角地区高质量发展与碳环境治理水平综合评价

3.1.1 高质量发展水平综合评价

由表5、图1（a）、图2可知，长三角地区整体的高质量发展综合评价指数从2010年的0.133 0上升到2018年的0.831 5，整体呈现平稳上升的趋势. 其中，上海市、江苏省及浙江省高质量发展综合评价指数分别从2010年的0.145 1、0.216 7、0.095 8上升到2018年的0.866 3、0.815 0、0.806 3，整体呈现平稳增长；安徽省高质量发展综合评价指数从2010 年的0.219 5上升至2018年0.760 3，在2013—2015 年综合评价指数有小范围波动，整体呈波动式上升趋势；2010—2015年期间，三省一市高质量发展综合评价指数交替位列长三角地区第一；2015年后上海市高质量发展综合评价指数超过浙江省成为三省一市中高质量发展综合评级指数相对最高的省份；2018年，三省一市的高质量发展综合评价指数均在0.80左右，上海市高质量发展水平相对最高，安徽省高质量发展水平相对最低.

3.1.2 碳环境治理水平综合评价

由表5、图1（b）、图2可知，长三角地区整体的碳环境治理综合评价指数从2010年的0.135 7波动上升至2018 年的0.764 6，其中，2016 年碳环境治理综合评价指数达到0.864 0，而后出现下降至2017 年的0.724 0，2017年后呈缓慢上升趋势. 2010—2013年，江苏省的碳环境治理综合评价指数显著高于其他两省一市，但2013年后其综合评价指数显著低于其他两省一市；2014—2017年，浙江省碳环境治理综合评价指数相对较高，但2016年后有呈现下降趋势；上海市、浙江省、安徽省综合评价指数变化趋势较为相似；2018年上海市碳环境治理综合评价指数相对最高，达到0.840 2，江苏省综合评价指数相对最低，仅有0.582 4.

3.2 高质量发展与碳环境治理耦合协调度分析

2010—2018年，长三角整体高质量发展与碳环境治理耦合协调度呈逐年上升趋势，长三角各地区高质量发展与碳环境治理耦合协调度总体呈现波动式上升趋势，2018年长三角整体及各个地区均已达到优质协调，具体情况见表6～7、图3～4.

图3 长三角各地区高质量发展与碳环境治理耦合协调度变化趋势Fig.3 The coupling coordination degree trends between high-quality development and carbon environmental governance in regions of the Yangtze River Delta

表6 长三角地区三省一市高质量发展与碳环境治理耦合协调度变化Tab.6 The coupling coordination degrees between high-quality development and carbon environmental governance in regions of the Yangtze River Delta

由表6、图3可知，上海市高质量发展与碳环境治理的耦合协调度呈现波动上升趋势. 2012年耦合协调度出现明显下降，2012—2014 年耦合协调度加速上升，2014年后整体呈现稳定上升，并在2016年实现优质协调，2018年其耦合协调度位居长三角地区第一位.

由表6、图3可知，江苏省高质量发展与碳环境治理的耦合协调度呈现波动上升趋势. 2011—2013年其耦合协调度波动幅度大，从2011 年的0.499下降至2012年的0.185，2012—2013 年又显著上升，2013年后耦合协调度在0.722和0.807之间波动，耦合协调发展的阶段也在初级协调与良好协调之间波动. 2018年，江苏省进入优质协调阶段.

由表6、图3可知，浙江省高质量发展与碳环境治理的耦合协调度总体呈现稳定上升趋势. 2010—2014年从0.171 快速上升至0.842，实现从严重失调阶段转变为良好协调阶段，2014 年后整体增长趋于平稳，并于2015年率先进入优质协调阶段.

由表6、图3可知，安徽省高质量发展与碳环境治理的耦合协调度呈现波动的上升态势. 2011—2014年出现明显波动，在此期间实现了从重度失调到中级协调的转变，并在2018年进入优质协调阶段，其2018年耦合协调度仅低于江苏省.

由表7、图4可知，2010—2018年长三角地区整体高质量发展与碳环境治理耦合度均处于高水平耦合阶段，耦合协调度呈现上升趋势，从2010年的0.137上升至2018年的0.960，耦合协调度阶段从严重失调阶段上升至优质协调阶段. 其中2012 年和2014 年耦合协调度上升幅度较大，2014 年后总体增长速度放缓，并于2016年进入优质协调阶段.

表7 长三角地区高质量发展与碳环境治理耦合协调度Tab.7 The coupling coordination degree between high-quality development and carbon environmental governance in the Yangtze River Delta

图4 长三角地区整体高质量发展与碳环境治理耦合协调度变化趋势Fig.4 The coupling coordination degree trends between high-quality development and carbon environmental governance in the Yangtze River Delta

3.3 高质量发展与碳环境治理的灰色关联度分析

通过计算长三角地区高质量发展与碳环境治理各个指标之间的灰色关联度，并取各行各列的均值，得出高质量发展整体与碳环境治理7项指标的关联系数以及碳环境治理整体与高质量发展17项指标的关联系数，见表8.

表8 高质量发展与碳环境治理灰色关联度Tab.8 Grey correlation degree between high-quality development and carbon environmental governance

由表8可知，长三角地区高质量发展与碳环境治理之间的关联度较强. 在高质量发展整体与碳环境治理7个指标的灰色关联度分析中，除生态建设与保护投资、人均水资源量两个指标与高质量发展整体灰色关联度等级处于中等关联度外，其余指标均与高质量发展整体呈高关联度. 在碳环境治理整体与高质量发展17个指标的灰色关联度分析中，除GDP增速与教育经费占比两个指标与碳环境治理呈中等关联度外，其余指标均与碳环境治理呈高关联度. 在高质量发展指标中，人均拥有道路面积、城镇化率以及城镇居民人均可支配收入对碳环境治理各项指标的平均关联度达到0.65 以上，与碳环境治理的灰色关联度达到高关联水平. 教育经费占比与碳环境治理的灰色关联度相对最低. 在碳环境治理指标中，单位GDP二氧化碳排放量与城市绿地面积两个指标与高质量发展的灰色关联度相对最高，分别为0.785和0.780. 人均水资源量与高质量发展的灰色关联度相对最低.

4 结论与建议

4.1 主要结论

1）长三角地区整体高质量发展综合水平呈现逐年上升趋势，增长速度稳定且平缓；2018年，三省一市高质量发展综合指数均在0.75以上. 其中，上海市高质量发展水平相对最高，其次为江苏省、浙江省、安徽省.

2）长三角地区整体碳环境治理综合水平呈现波动上升趋势，2014—2016年碳环境治理综合水平相对较高；2018年，上海市碳环境治理综合水平相对最高，其次为安徽省、浙江省、江苏省.

3）2010—2018年，长三角地区高质量发展和碳环境治理耦合协调度呈现逐年上升趋势. 2010—2013年耦合协调度处于“高质量发展超前，碳环境治理滞后”型由“严重不协调”转为“勉强协调”阶段，2014—2016年耦合协调度处于“碳环境治理超前，高质量发展滞后”型由“中级协调”转为“优质协调”阶段，2017—2018年耦合协调度处于“高质量发展超前，碳环境治理滞后”型“优质协调”阶段.

4）长三角地区高质量发展与碳环境治理各个指标之间关联度较强. 在高质量发展指标中，人均拥有道路面积、城镇化率以及城镇居民人均可支配收入与碳环境治理各项指标关联度相对最强；在碳环境治理指标中，单位GDP二氧化碳排放量以及城市绿地面积与高质量发展各项指标关联度相对最强.

4.2 对策建议

1）继续提升区域高质量发展水平. 优化城镇建设用地布局，大力增加道路交通、城市绿地面积等用地规模，注重打造绿化网络系统；推进户籍制度、社会保障等体制机制改革，加快提升长三角地区城镇化率；充分发挥长三角地区经济发展先行区的优势，推动产业转型升级，加大对长三角区域内各省份优势产业的支持力度，促进经济发展，增加城镇居民人均可支配收入.

2）努力提升碳环境治理能力. 充分发挥沿海能源结构优势，大力实施可再生能源替代行动；充分发挥环淀山湖区域生态环境优势，将生态优势融入都市圈；进一步提升土地利用集约化，打造集约型空间格局，降低碳排放量；推进“两屏两廊”绿色生态体系构建.

3）健全区域碳环境治理协作机制. 加强长三角城市群跨城市环境的治理合作，加快构建区域内碳环境治理体系，完善碳环境治理区域协作相关责任、法规政策，推动区域实现碳环境共治；明确各省市生态资源优势，充分发挥长三角区域一体化辐射带动作用.