1 引言

中国GDP于2011年赶超日本，跃居成为世界第二大经济体。改革开放30年以来，中国充分利用自身的人力资源，发展产品加工业，成为世界上最大的产品出口国，然而这种经济增长方式制约经济的持续健康发展，以物质生产为主的经济发展与资源环境的矛盾日益凸显。《中国化石燃料与水泥生产碳排放核算修正》报告中指出中国碳排放总量比先前估计低约10%—15%，在2000年至2013年间中国碳排比原先预计少106亿吨CO₂^[1]，但中国依然是全球第一的碳排放大国，而且这种CO₂排放总量的增长还会持续。中国经济面临包括低碳经济转型在内的四大转型^[2]，作为产业结构优化升级与经济发展方式转变的重要内容，低碳转型意义重大。党的“十七大”报告曾提出建设生态文明和“两型社会”，党的“十八大”报告明确突出生态文明建设地位。我国沿海地区人口占比约40%，而土地面积占比为14%，环渤海地区是我国经济增长的“第三极”^[3]。然而环渤海地区重工业比重较大，导致资源环境负荷居高不下, 2011年环渤海地区碳排放量占比达到了30%^[4]，经济发展低碳转型迫在眉睫。

国外学者对低碳经济的研究多从碳排放角度出发，Ugur Soytas^[5]从GDP、能源消耗和碳排放的关系方面进行论证，Paul B Stretesky^[6]从人均碳排放量和出口量关系的角度进行了分析，Cheng F Lee^[7]分析碳减排力度对经济的影响等。近年来，我国在低碳转型方面进行了大量研究，主要涉及碳排放、低碳产业、节能减排、循环经济等方面：① 从低碳转型主体角度，研究资源和能源型城市的低碳转型^[8]、转型模式及路径^[9]；普通城市低碳发展绩效研究^[10]。② 从低碳转型内容角度，探讨转型影响因素^[11]、低碳政策的重要性^[12]、对策及路径^[13]；展开低碳竞争力的研究^[14]、低碳经济时空格局变化的研究^[15]、低碳转型的地区差异分析^[16]等。

“绩效”从经济学层面理解，是在达成目标过程中取得的成效。绩效研究这一概念源于工业心理学对人类认知加工效果的测度^[17]，之后广泛运用于多个领域，如：环境绩效^[18]、旅游绩效^[19]、土地绩效^[20]等等。绩效被认为是一个多维度的概念，较多的与质量、生产力等概念相接近^[21]，学术界在研究低碳绩效时较多的将低碳效率等同于低碳绩效^[10]，事实上，两者有着本质的区别。效率更多的侧重投入与产出，而本文研究的低碳转型绩效是在转型过程中取得的所有成果的总和。

综合国内外低碳经济发展的研究，考察低碳转型绩效的实证分析较少。转型是实现行为主体绩效改观的动态变化过程，低碳转型是实现节能提效的经济发展形态，本文研究的低碳转型是以生态文明建设为主旨，以产业结构升级为根本任务，以资源节约、环境治理、生态保护为目标的经济发展质量与效益的提升过程。基于上述研究，本文尝试构建环渤海低碳转型综合评价指标体系，以环渤海沿海17个地市为研究对象，对其低碳转型绩效进行评价和结果分析。在此基础上分析影响低碳转型的主要因素，旨在为沿海地市制定较为合理的发展战略提供一定科学依据。

2 研究方法、数据来源和研究区域 2.1 研究方法 2.1.1 组合赋权法

为使数据权重反映的信息能够客观、真实、有效，本文将采取AHP法和EVI法结合使用^[22]。运用AHP确定指标的主观权重W_i，其中i=1，2，⋯，n。EVI确定客观权重${{W}_{j}}={}^{{{g}_{j}}}\!\!\diagup\!\!{}_{\sum\limits_{j=1}^{n}{{{g}_{j}}}}\;$，从而得到组合权重：${W_{ij}} = \eta {w_i} + \left( {1-\eta } \right){w_j}$。

2.1.2 集对分析

集对分析是研究客观事物之间确定性（“同一”和“对立”）和不确定性（“差异”）联系的系统分析法，它是由中国学者赵克勤于1989年提出。核心思想是通过这三方面来分析事物及其系统^[23]。具体步骤如下：

（1）构造评价矩阵

假定系统有n个待优选的因素，记为E=(e₁, e₂, ⋯, e_n)，e_n为第n个被评价对象，每个对象有m个评估指标，记为F =(f₁, f₂, ⋯, f_m)，f_m为第m个评估指标，每个评估指标均有一个指标值，记为d_ij(i=1, 2, ⋯, n; j= 1, 2, ⋯, m)，则同一度的多方案评价矩阵Q为：

$ Q = \left( \begin{array}{l} {d_{11}}\;{d_{12}}\; \ldots \;{d_{1n}}\\ {d_{21}}\;{d_{22}}\; \ldots \;{d_{2n}}\\ \ldots \; \ldots \; \ldots \; \ldots \\ {d_{m1}}\;{d_{m2}}\; \ldots \;{d_{mn}} \end{array} \right) $

(1)

对比得出最优的和最劣的评价指标，然后分别组成最优评价集U和最劣评价集V，U=(d_u1, d_u2, ⋯, d_uj, ⋯, d_um)^T, V=(d _v1, d_v2, ⋯, d_vj, ⋯, d_vm)^T，其中d_uj和d_vj分别为Q矩阵中的[v_p, u_p]个指标中的最优值和最劣值。

对比w_p和d_uj，即可得到不带权的同一度矩阵A：

$ A = \left( \begin{array}{l} {a_{11}}\;{a_{12}}\; \ldots \;{a_{1n}}\\ {a_{21}}\;{a_{22}}\; \ldots \;{a_{2n}}\\ \ldots \; \ldots \; \ldots \; \ldots \\ {a_{m1}}\;{a_{m2}}\; \ldots \;{a_{mn}} \end{array} \right) $

(2)

对比w_p和d_vj，即可得到不带权的同一度矩阵B：

$ B = \left( \begin{array}{l} {b_{11}}\;{b_{12}}\; \ldots \;{b_{1n}}\\ {b_{21}}\;{b_{22}}\; \ldots \;{b_{2n}}\\ \ldots \; \ldots \; \ldots \; \ldots \\ {b_{m1}}\;{b_{m2}}\; \ldots \;{b_{mn}} \end{array} \right) $

(3)

式中$\left\{ \begin{array}{l} {a_{pk}} = \frac{{{u_p}{v_p}}}{{{d_{pk}}\left( {{u_p} + {v_p}} \right)}}\\ {c_{pk}} = \frac{{{d_{pk}}}}{{{u_p} + {v_p}}} \end{array} \right.$、b_ij分别表示f_m与[U, V]的同一度与对立度。

当d_ij对评价结果起正向作用时：

$ \left\{ \begin{array}{l} {a_{ij}} = \frac{{{d_{ij}}}}{{{d_{uj}} + {d_{vj}}}}\\ {b_{pk}} = \frac{{{d_{uj}}{d_{vj}}}}{{{d_{ij}}\left( {{d_{uj}} + {d_{vj}}} \right)}} \end{array} \right. $

(4)

当d_ij对评价结果起负向作用时：

$ \left\{ \begin{array}{l} {a_{ij}} = \frac{{{d_{uj}}{d_{vj}}}}{{{d_{ij}}\left( {{d_{uj}} + {d_{vj}}} \right)}}\\ {b_{pk}} = \frac{{{d_{ij}}}}{{{d_{uj}} + {d_{vj}}}} \end{array} \right. $

(5)

（2）构造评估模型

通过U与A，即可得到带权的同一矩阵A_w:

$ \begin{array}{l} {A_w} = W \times A = \left( {{w_1}, {w_2}, \ldots, {w_m}} \right) \times \\ \left( \begin{array}{l} {a_{11}}\;{a_{12}}\; \ldots \;{a_{1n}}\\ {a_{21}}\;{a_{22}}\; \ldots \;{a_{2n}}\\ \ldots \; \ldots \; \ldots \; \ldots \\ {a_{m1}}\;{a_{m2}}\; \ldots \;{a_{mn}} \end{array} \right) = \left( {{a_1}, {a_2}, \ldots, {a_n}} \right) \end{array} $

(6)

带权的对立矩阵B_w：

$ \begin{array}{l} {B_w} = W \times B = \left( {{w_1}, {w_2}, \ldots, {w_m}} \right)\\ \times \left( \begin{array}{l} {b_{11}}\;{b_{12}}\; \ldots \;{b_{1n}}\\ {b_{21}}\;{b_{22}}\; \ldots \;{b_{2n}}\\ \ldots \; \ldots \; \ldots \; \ldots \\ {b_{m1}}\;{b_{m2}}\; \ldots \;{b_{mn}} \end{array} \right) = \left( {{b_1}, {b_2}, \ldots, {b_n}} \right) \end{array} $

(7)

A_w中的元素a_j(j= 1, 2, …, m)就是第j个评价对象与集合[U, V]的同一度，B_w中的元素b_j(j=1, 2, …, m)就是第j个评价对象与集合[U, V]的对立度。

（3）计算相对贴进度

$ {r_j} = \frac{{{a_j}}}{{{a_j} + {b_j}}} $

(8)

从而得到贴近度矩阵R：

$ R = \left( {{r_1}, {r_2}, \ldots, {r_m}} \right) $

(9)

r_j值表示被评价对象与U的关联程度，r_j值与评价对象优异程度成正比^[24]。

（4）多层次综合评判

即将初始模型应用于多层因素上，从最底层n开始对该层进行评价，第n层的评价结果又作为第n-1层的指标进行评价，直到最上层为止^[23]。在对指标集F =(f₁, f₂, …, f_m)作一次划分P时，便获得低碳转型绩效的二层次集对分析评判模型。设指标集划分为生态环境、经济增长、发展支撑、能源利用、产业结构5个因素，利用上述公式分别计算出最下层评估结果R₁, R₂, R₃, R₄, R₅，然后让其作为上层评估的输入再次代入以上公式，得到R_综，R_综即为环渤海低碳转型绩效的综合得分。

2.1.3 核密度估计

Kernel密度估计是一种非参数检验方法^{[25, 26]}。对于数据x ₁，x₂，x₃，…，x_n，核密度估计的形式为：

$ {{\hat f}_h}\left( x \right) = \frac{1}{{nh}}\sum\limits_{i = 1}^n {K\left( {\frac{{x-{x_i}}}{h}} \right)} $

(10)

其中核函数是一个加权函数，包括高斯核等类型，选择依据是分组数据的密集程度。

本研究的估计采用高斯核函数：

$ Gaussian:\frac{1}{{\sqrt {2{\rm{\pi }}} }}{e^{-\frac{1}{2}{t^2}}} $

(11)

2.2 数据来源与处理

本文使用的指标数据来自于《中国能源统计年鉴》（2004—2013年）、《中国城市统计年鉴》（2004—2013年）、《中国区域经济统计年鉴》（2004—2013年）、《新中国六十年统计资料汇编》（2004—2013年）以及环渤海各地市统计公报等。

对于“CO₂排放量”的测算，采用含碳能源消费量^①×碳折算系数^②× CO₂气化系数^③的计算方法^[27]。

2.3 研究区域

本文研究区域包括环渤海沿海的17个地市：天津；河北省：唐山、秦皇岛、沧州；辽宁省：大连、丹东、锦州、盘锦、葫芦岛、营口；山东省：青岛、东营、烟台、潍坊、威海、日照、滨州。

3 指标体系构建 3.1 环渤海沿海城市低碳转型绩效指标体系构建

转型是持续动态变化的过程^[28]。本文遵循简明科学性、动态性等原则，从生态环境、经济增长、发展支撑、能源利用和产业结构5个方面构建了环渤海沿海地市的低碳转型绩效指标体系（表 1）。具体如下：

（1）生态环境。每万人拥有公交车数反映了公共交通优先政策和措施是否得到落实，是衡量日常生活低碳化发展的指标；工业固废综合利用率、工业废水达标率、生活垃圾无害化处理率反映整体生态环境污染治理的效率；而建成区绿化覆盖率是表征碳汇能力的重要指标，对于推进地区低碳转型意义重大。

（2）经济增长。经济增长反映一个区域在一定时间内，潜在生产能力的扩大。人均GDP、地区生产总值指数是经济规模数字化的表现，反映区域经济发展的速度；第三产业增加值反映在周期内（一般以年计）第三产业产值相对于上个周期增加程度。

（3）发展支撑。科技是地区转型是否成功的原动力，并反映低碳经济潜在的后续动力，地区发展应通过技术的创新以实现能源效率的提升，最终达到低碳转型目的。科研支出增长率、教育支出、人均科技经费支出的持续提升会增加对低碳经济的研发力度，从而实现低碳转型的目的。

（4）能源利用。能源的利用程度，关乎经济发展的质量。人均CO₂排放量反映区域温室气体的排放强度；三废综合利用产值反映低碳转型过程中资源再利用、再循环的实现程度；单位GDP电耗是节能降耗的重要指标。

（5）产业结构。反映各产业部门的内部关系。根据配第—克拉克定律，经济结构逐步向“去工业化”和“后工业化”转型^[29]；基础产业超前系数反映经济活动的发展方向；霍夫曼系数阐释了工业结构的变化规律。

3.2 环渤海沿海地市低碳转型绩效

根据综合权重，运用集对分析模型计算出环渤海沿海17地市2005—2012年低碳转型绩效综合得分（表 2）。

4 结果分析 4.1 环渤海沿海地市低碳转型分指标趋势分析

根据以上过程计算出环渤海17个地市低碳转型排名情况，并据此得出以下分析结果：

（1）生态环境评价。根据图 1可知从2005到2012年，环渤海沿海地市生态环境在空间格局上呈现出了反向变化的趋势。表明环渤海17个地市大部分低碳转型成效并不显著，辽宁省沿海地市大力发展海洋石油、天然气行业、制造业等，形成了以制造业为主的发展体系，除大连外，其他地市的生态环境都处于下降的趋势，河北沿海地市秦皇岛、沧州污染企业较多，污水排放量较大，转型成效不显著，山东省除潍坊、日照其他地市生态环境良好。大连、天津、青岛的得分均在0.6以上，其近年来积极发展旅游业，污染的工业企业较少，生态环境一直处于领先状态。

（2）经济增长评价。根据图 2得知，从2005到2012年，环渤海沿海城市经济增长在空间格局上没有明显变化。总体发展态势较好，但各地市之间仍存在较大差距。大连、青岛、天津的经济增长一直处于领先地位，保持良好的发展势头。辽宁省的沿海各地市除大连外其他地市的经济增长均低于均值，发展速度较为缓慢。唐山经济增长比较平稳，在低碳转型的过程中没有突出的成绩，烟台、威海、东营、潍坊大力发展第三产业，发展潜力较大。

（3）发展支撑评价。根据图 3得知发展支撑条件在空间格局上大部分城市波动变化较小，有个别城市呈现出了反向变化趋势。环渤海沿海城市人均科研经费支出和教育支出不断增高，个别城市的科研支出增长率出现了波动的趋势。天津、大连和青岛一直处于领先地位，保持良好的发展势头，葫芦岛、日照、营口、盘锦等地市与其他地市一直存在较大差距，威海、秦皇岛等城市则呈现出平稳放缓的趋势。科技进步是环渤海城市实现低碳转型的重要载体，在科研支出增长率方面营口出现了负增长，丹东、锦州等城市在发展支撑方面也呈现出了反向变化的趋势。山东省海洋科技优势明显，科研院所集聚，支撑条件较好，处于领先地位。

（4）能源利用评价。从图 4中可知能源利用在空间变化上不太明显。研究结果表明人均二氧化碳不断升高，传统的能源消费结构如煤炭、石油等消费量仍然持续增加，粗放型的经济发展模式没有得到改变。从图 4中可得知山东省各地市的能源利用情况较好，河北省地市唐山、沧州主要发展重工业，二氧化碳排放量较多，单位GDP电耗较大，能源利用方面与山东各地市仍然存在较大差距，辽宁省沿海各地市的能源利用状况没有好转。

（5）产业结构评价。从图 5中可得知产业结构在空间上呈现出了反向变化的趋势。表明环渤海地区的产业结构分值总体呈现出降低的趋势，即产业结构对环渤海地区的低碳经济拉动效应减弱。当前环渤海沿海城市资源消耗增长仍占较大比重，城市发展主体仍然是重工业，污染企业仍占较大比重，第三产业带动作用不明显，三次产业结构仍不合理。辽宁沿海工业实力较强，近年来更是大力发展装备制造业、造船及海洋工程与大型石化产业，除大连市外其他沿海地市转型综合得分较低。山东省各地市除了发展海洋化工等产业外还大力发展海洋生态和文化旅游等，转型绩效较辽宁省优。天津大力发展旅游业、科技事业，发展势头较好。唐山、秦皇岛、沧州主要发展石油化工、机械制造等重工业，污染企业比重较大，低碳发展势头不足。

4.2 环渤海沿海地市低碳转型整体趋势分析

为了分析环渤海沿海地市低碳转型时间演进态势，应用核密度估计绘出2005—2012年环渤海沿海17地市低碳转型绩效分布图（图 6），图中给出了2005年、2008年、2009年和2012年的Kernel密度图，这4年的密度图大致解释环渤海沿海17地市低碳经济转型绩效的演进状况，其具有以下几个明显特征：

（1）从位置看，选取4年截面数据，密度函数曲线峰值中心呈现逐年向左平移的态势，左侧起始点左移趋势明显，说明环渤海沿海17地市低碳转型水平逐年波动降低。

（2）从形状上看，环渤海沿海17地市低碳转型整体呈双峰分布的态势，只在2012年出现单峰分布，说明此前两极分化的态势较为明显，到2012年才有所缓和。2005、2008、2009年整体分布呈现为坡度陡峭状，说明在此期间环渤海地区呈现高密度低转型状态。2012年坡度较为缓和，呈现出单峰分布的态势，且峰值中心逐渐向左，说明高值地区转型成效明显降低，低值地区逐渐聚集。

（3）从峰度来看，从2005年到2012年，密度函数曲线整体呈现尖峰到宽峰的分布状态，2005、2008和2009年均呈现出尖峰形状且低值区峰度较高，说明低值区域集聚较为显著，部分地市低碳转型取得较大成效。到2012年又明显变为宽峰分布，并且起始点左移程度较大，说明整体转型成效明显降低。

5 影响因素分析 5.1 影响因素定量评价

本文在研究环渤海低碳转型绩效时空分异的基础上，对其低碳转型影响因素进行初步探讨。低碳转型绩效时空分异是多种因素共同作用的结果，其主要因素应包括地区自然因素、经济社会因素以及国家政策等新型因素。基于此，选取工业废水处理率（X₁）、环保支出（X₂）、城市化率（X₃）、人均垃圾无害化处理率（X₄）、科技投入水平（X₅）、环境从业人口（X₆）、煤炭资源储量（X₇）、万人公共汽车数量（X₈）、森林覆盖率（X₉）、工业污染源治理投资（X₁₀）、环境管理投资（X₁₁）、人均水资源总量（X₁₂）等12项指标，基于spass17.0软件，运用PCA模型定量揭示影响因素与地区低碳转型之间的关系：① 通过对指标变量标准化处理后计算可知，模型中KMO值与Bartlett检验值基本满足PCA模型显著性分析要求；② 提取因子特征值大于1.00主成分有三个，其方差贡献率分别为71.567%、17.504%、9.055%，累计贡献率为98.127%（表 3），三个主成分能有效的对地区低碳转型驱动机理进行解释；③ 模型中主成分载荷值表征主成分与原分析指标间的相关性程度，载荷值越大，说明主成分中反映该指标的信息越丰富。根据模型计算结果，主成分1与X₁、X₂、X₄、X₅、X₁₁相关性较大，主成分2与X₃、X₆、X₈、X₁₀相关性较大，主成分3与X₇、X₉、X₁₂相关性较大。

5.2 影响因素作用分析

基于环渤海低碳转型绩效时空分异与影响因素定量评价，本文认为影响低碳转型的主要因素包括经济社会支撑因素、新型推动因素与自然基础因素。

（1）经济社会支撑因素。作为地区低碳转型的基础因素，经济社会支撑因素为地区低碳转型提供了资金、人力与基础设施资源，成为低碳转型的潜在驱动力。近年来随着城镇化的迅速发展，对生态与环境提出了更高的要求，环保资金投入与环境从业人口的迅速增加，将为地区低碳转型注入新的活力，并且在地区经济发展中，不同的经济社会支撑因素，也使得环渤海沿海地市低碳转型绩效在时空演变过程中分异格局不断变化。

（2）新型推动因素。作为地区低碳转型主要驱动因素，新型因素主要涵盖国家政策、科学技术、低碳意识及企业家素质等方面。新常态下国内经济面临转型压力，国家政策因素不仅直接决定经济转型发展方向，也为地区低碳转型提供了思路；技术革新作为新型推动因素的核心部分，直接决定了资源（能源）利用效率与碳排放量。市场经济条件下，面对企业利润与个人经济利益的选择，企业家素质与居民低碳意识，作为低碳转型的一种无形推动力量在生产与生活中直接影响了其发展状况。在转型期内，四者相互作用共同推动了城市低碳转型绩效格局的演替。

（3）自然基础因素。资源（能源）禀赋、经济区位条件在地区经济发展中决定了城市未来发展方向和经济发展的类型。面对经济增速放缓，产业竞争加剧，经济区位的优劣及资源利用水平高低对经济发展水平产生重大影响，进而作用于地区低碳转型发展。一般而言，区位条件好，自然资源较为丰富，经济发展水平往往较高，相应的对低碳经济发展的投入较高，进而形成低碳转型惯性。

6 结论

本文构建了环渤海地市低碳转型绩效评价指标体系，运用集对分析法测算环渤海17个地市2005—2012年间的低碳转型绩效，利用Kernel密度估计分析其动态演变趋势，并对环渤海地市低碳转型绩效进行空间分异研究。主要得出以下结论：

（1）经过模型计算，初步揭示了环渤海沿海17个地市的低碳转型的时空分异特征。从宏观层面上看，自2005年到2012年，环渤海沿海地市低碳发展颓势明显，各地市在低碳转型方面并没有明显的进展，且各地市之间转型的整体差距较大。

（2）从分指标层面上来看，环渤海沿海地市经济增长在空间格局中并没有明显变化；而在产业结构、能源利用、生态环境、发展支撑方面均呈现出反向变化的态势，说明低碳转型成效并不显著，仍然保持传统的发展态势，没有遵循低碳发展模式以实现经济与环境的共赢。

（3）环渤海沿海地市低碳转型的空间格局差异是多种因素综合作用的结果，包括资金、人力与基础设施等经济社会支撑因素，国家政策、科学技术、低碳意识及企业家素质等新型推动因素，资源（能源）禀赋、区位条件等自然基础因素。

文本的研究仍存在许多不足之处，由于统计口径不同，本文对涉及低碳的部分数据进行计算处理，所得结果与实际可能会存在少许误差。考虑到数据可得性，仍存在指标体系的不完善等问题，还需要进一步深入研究和思考。

注释：

① 含碳能源一般是指化石能源资源等在消费过程中释放出CO2的能源。

② 碳折算系数本文采用国家发改委能源研究所制定的系数0.67。

③ CO2气化系数是指碳完全氧化成为二氧化碳之后与氧化之前的质量之比，是一个标准量3.67（即44:12）。

④ 基础产业超前系数=(基础产业产值/GDP)-1，在一定时期基础产业适度的超前发展能对其他产业的发展起到推动作用。

⑤ 霍夫曼系数=消费资料工业净产值/资本资料工业净产值。