本文是一篇经济论文，本文在双碳背景下，阐述黄河流域碳排放效率及影响因素的理论意义和现实意义。基于可持续发展理论、低碳经济理论等，利用2011-2020年黄河流域99个地级市的面板数据进行分析。首先，采用Super-SBM模型测算其碳排放效率，并从黄河流域总体、三大地区、九大省份层面，分析碳排放效率时间变化特征。
绪论
0.1研究背景及意义
0.1.1研究背景
温室气体大量排放引起的全球气候变暖成为当今世界面临的重要挑战[1]。中国城镇化、工业化进程的加快以及人民生活水平的提高导致CO2排放量不断增加。我国经济高速增长，使资源和环境付出了巨大代价。转变经济发展方式，调整产业结构布局，由高能耗、高污染向低投入、低污染发展模型转变，使经济增长与资源环境发展相协调，是实现低碳发展的关键。党的二十大报告中提到要“积极稳妥推进碳达峰碳中和，促进人与自然和谐共生”[2]。中国作为世界上CO2排放大国，2020年9月承诺CO2排放力争于2030年前达到峰值，2060年前实现碳中和目标。双碳目标的实现与碳减排关系密切，而减少CO2排放的关键在于提升CO2的排放效率。分析碳排放效率的影响因素，探寻碳排放效率的提升途径，成为当下研究的热点话题。黄河流域既是我国生态屏障的关键地带，也是重要的工业基地。
黄河流域的产业结构以重工业为主，传统高污染、高能耗、高排放产业的大量集聚，导致流域内城市节能减排压力增大。黄河流域经济高速增长的同时，资源环境也付出了巨大代价。因此，有必要研究黄河流域碳排放效率及其影响因素，有利于城市实现绿色低碳发展，推进二十大美丽中国建设目标的实现，并为政府碳减排政策的制定提供科学依据。
0.2国内外文献综述
0.2.1城市碳排放效率的测算
随着全球变暖的日益严重，缓解经济增长所带来的资源环境压力已成为人们关注的热点。科学衡量碳排放效率是实现节能减排目标和改善环境质量的基础。城市碳排放效率的测算主要分为以下两个方面。
①分析多要素碳排放效率的方法主要有数据包络分析法（DEA）、SBM-DEA法、超效率SBM-DEA法和三层次元前沿DEA等方法。袁凯华等（2017）采用非角度、非径向的SBM模型，探究中国省级碳排放效率，研究表明碳排放效率在多数省份具有上升的趋势，从综合效率上看，南方省份上升速度比北方快[3]。李建豹等（2020）采用非期望产出的SBM-DEA模型与窗口分析相结合的方法，测算碳排放效率，并分析长三角地区碳排放效率时空演变[4]。王兆峰和杜瑶瑶（2019）使用超效率SBM-DEA模型与Malmquist指数测算湖南省14个市碳排放效率，并对其空间差异进行分析，结果显示碳排放效率时空差异明显[5]。徐英启等（2022）利用Super-SBM模型，以中国68个低碳试点城市为研究对象，对其碳排放效率进行测算并分析其时空变化趋势。研究发现，低碳试点城市碳排放效率在时间上整体呈上升趋势[6]。Feng C等（2017）利用三层次元前沿数据包络分析法，基于结构、技术和管理效率，分析中国碳排放效率，研究发现中国碳排放效率较低[7]。Zhang Y等（2022）基于SBM-DDF模型，并结合Malmquist-Luenberger计算黄河流域的碳排放效率并对各省的碳排放效率进行分解。研究结果显示，各省份碳排放效率存在显著差异，但总体呈波动上升趋势[8]。
②对于不同行业对碳排放效率的测算，主要涉及工业、旅游业、渔业、农业、建筑业等行业。王惠等（2016）测算各省份工业碳排放效率，分析分析我国东部地区的工业碳排放效率最高，依次为中部、西部地区和东北综合经济区[9]。邵海琴和王兆峰（2020）对长江经济带旅游业碳排放效率进行综合测度，从静态和动态的视角考察其旅游业碳排放效率的时空分异特征[10]。李晨等（2018）分析中国省市区渔业全要素碳排放效率的时空差异和演变特征。结果表明，中国渔业全要素碳排放效率的整体水平不高，但总体呈现上升的态势[11]。田云和林子娟（2022）测度中国省份农业碳排放综合效率、纯技术效率以及规模效率[12]。
2黄河流域城市碳排放效率的测算
2.1基于超效率SBM模型的碳排放效率测算方法
2.1.1考虑非期望产出的Super-SBM模型
效率测算方法主要有两种，分别为随机前沿分析法（SFA）和数据包络分析法（DEA）。DEA法可以对多投入多产出变量进行处理，且不用预设生产函数形式。传统DEA法测算效率多采用径向的和角度的，容易引起测量误差。Tone[30]构建了包含松弛变量的非径向、非角度的SBM模型。但此方法容易出现多个效率值为1的情况，无法进行有效评价。因而，Tone[31]基于SBM模型构建了Super-SBM模型，该模型不仅包含改进的松弛变量，而且使有效决策单元可以进行比较。因而，本文选用Super-SBM模型来对黄河流域碳排放效率进行测算。
2.1.2碳排放效率测算指标选择与数据来源
（2）产出变量
产出变量分为期望产出和非期望产出两类。期望产出采用黄河流域各市实际地区生产总值来衡量，以2006年为基期，利用各省份GDP折算指数进行价格平减处理。非期望产出主要是将天然气、液化石油气等直接能源产生的碳排放量以及电能、热能等间接能源产生的碳排放量相加，从而得到各城市的碳排放总量。各能源具体碳排放量计算过程参考吴建新[24]的方法。当使用Super-SBM模型进行效率测算时，CO2排放量属于逆向指标，即该指标越少越好，因此在测算前需要将逆向指标转化成正向指标。距离函数法这三种，本文使用的是非期望产出的倒数转换法[34]，即将CO2排放量取倒数，使其符合产出变量的使用标准。黄河流域碳排放效率指标体系如表2-1所示。
2.2碳排放效率测算结果与分析
本文采用Super-SBM模型，使用DEA SOLVER Pro13.1软件计算得到黄河流域沿线99个地级市的2011-2020年的碳排放效率，由于2011-2020年99个城市碳排放效率的篇幅较长，本文仅展示黄河流域9个省份、3大流域及总体的碳排放效率均值，并分别从黄河流域9个省份（自治区）以及上、中、下游三大区域对碳排放效率水平进行分析。
2.2.1黄河各流域碳排放效率的结果与分析
本文从黄河流域整体以及黄河上、中、下游地区对比2个层面展示黄河流域碳排放效率的发展状况，其均值变化趋势如表2-2所示。为了更好地分析碳排放效率时间演变趋势特征，将碳排放效率值绘制成图2-1。
从黄河流域整体上看，2011-2020年，碳排放效率均值为0.39，尚处于较低水平，仍存在61%的改善空间，碳排放效率水平提升的任务艰巨。黄河流域碳排放效率总体呈波动上升变化趋势，效率值由0.35上升到0.40，年均增长率为1.87%，这表明，在生态文明建设中，碳排放强度降低，碳排放效率得到有效提升。从演变过程看，2011-2016年，碳排放效率为波动上升阶段，虽然在2015年碳排放效率有小幅度下降，但2016年有较大幅度上升，并达到最大值，为0.44。这反映出黄河流域各城市积极响应《“十二五”控制温室气体排放工作方案》，有效控制CO2排放，加快低碳发展，加上2015年巴黎气候大会召开后，我国政府加大节能降碳力度，黄河流域碳排放效率均值明显提升。随后2017年出现一定程度的下降。接下来2018-2020年缓慢回升。这可能是由于2017年中国颁布《能源生产和消费革命战略》，使得各企业使用清洁煤炭，从源头上减少污染。同时，企业优化能源结构，提高了资源利用率。从而逐步提高碳排放效率水平，实现城市绿色低碳发展。
从上、中、下游的划分来看，黄河流域上游地区的碳排放效率最高，下游次之，中游最低。除了黄河中游地区的碳排放效率有下降趋势，上游和下游地区与黄河流域整体变化趋势大致相同，均呈现上升态势。这表明黄河上游和下游地区对黄河流域整体碳排放效率的影响远高于黄河中游地区。
3黄河流域碳排放效率时空演变特征分析...................12
3.1研究方法.....................13
3.1.1 Dagum基尼系数分析法.......................13
3.1.2核密度估计法...............................14
4黄河流域碳排放效率的影响因素分析............................28
4.1黄河流域碳排放效率影响因素的作用机制分析.....................................28
4.1.1影响因素综合作用机制框架........................28
4.1.2具体影响因素机制分析.........................28
5结论与建议............................36
5.1结论...............................36
5.2建议.................................39
4黄河流域碳排放效率的影响因素分析
4.1黄河流域碳排放效率影响因素的作用机制分析
4.1.1影响因素综合作用机制框架
碳排放效率的影响因素具有复杂性，是各种因素共同作用的结果。在参考已有文献的基础上，并结合黄河流域地区实际情况，从经济发展、信息科技、生态环境等层面构建碳排放效率影响因素指标，影响因素指标具体为：经济发展水平、产业集聚水平、人力资本水平、城镇化水平、信息化水平、环境规制、绿色生态化这7个方面。探究碳排放效率的影响因素为解决碳排放效率问题提供理论依据，具有一定的研究价值。
4.1.2具体影响因素机制分析
（1）经济发展水平
一方面，良好的经济条件为碳排放效率的提高提供资金保障和技术支持。随着经济的发展，
