1、第 37 卷 第 1 期 工 程 管 理 学 报 Vol.37 No.1 2023 年 02 月 Journal of Engineering Management Feb.2023 建筑业碳排放效率的空间溢出效应研究 孙 涵，苑子義，吴军锦（中国地质大学（武汉）经济管理学院，湖北 武汉 430078，E-mail：Y）摘 要：为减少建筑业的碳排放、提高建筑业碳排放效率，推动我国双碳目标的实现，以长江三角洲城市群为例，运用非期望产出超效率 SBM 模型，将建筑业 CO2的排放量选作非期望产出，分析建筑业碳排放效率的空间演化特征，利用空间马尔可夫链研究了空间溢出效应。结果表明：长三角地区建筑业的
2、碳排放效率在空间上大致分布为自西向东呈上升趋势的不均匀分布格局，具有空间聚集性。同时展现出明显的空间溢出效应，对邻近城市的建筑业碳排放效率存在一定的影响。研究结果有助于了解长江三角洲各城市间建筑业碳排放效率的相互作用，且为政府制定建筑业节能减排政策提供一定的参考。关键词：长江三角洲；建筑业碳排放效率；非期望产出超效率 SBM 模型；空间马尔可夫链；空间溢出效应；中图分类号：X322 文献标识码：A 文章编号：1674-8859（2023）01-041-06 DOI：10.13991/ki.jem.2023.01.008 Research on the Spatial Spillover Eff
3、ect of the Carbon Emission Efficiency of the Construction Industry SUN Han，YUAN Ziyi，WU Junjin（School of Economics and Management，China University of Geosciences，Wuhan 430078，China，E-mail：Y）Abstract：This paper aims to reduce the carbon emission of the construction industry，improve the carbon emissio
4、n efficiency of the construction industry，and promote the realization of Chinas dual carbon goals.Taking the Yangtze River Delta urban agglomeration as an example，the undesired output super-SBM model is used to select the CO2 emission of the construction industry as the undesired output，the spatial
5、evolution characteristics of the carbon emission efficiency of the construction industry is analyzed，and the spatial Markov chain is applied to investigate the spatial spillover effects.The results show that the carbon emission efficiency of the construction industry in the Yangtze River Delta regio
6、n is roughly distributed in an uneven distribution pattern with an upward trend from west to east，with spatial aggregation.The change in the carbon emission efficiency of the construction industry is a long-term development process，and at the same time，it exhibits obvious spatial spillover effects.T
7、his has a certain impact on the carbon emission efficiency of the construction industry in neighboring cities.A certain reference value for the government to formulate energy conservation and emission reduction policies for the construction industry are provided.Keywords：Yangtze River Delta；carbon e
8、mission efficiency of construction industry；undesired output super-SBM model；spatial Markov chain；spatial spillover effect 自 2005 年后中国的碳排放总量连续 16 年居于世界首位，2021 年 Rhodium Group1指出中国的温室气体排放量连续两年超过所有发达国家的总和，占全球排放量的 30%。而中国被称为“基建狂魔”，建筑业在推动城市化飞速发展的同时也造成了大量能源消耗，中国建筑能耗研究报告 2020指明我国建筑全寿命周期碳排放总量占全国能源碳排放一半以上2。
9、因此，我国建筑业面临着减少碳排放、提高碳排放效率的同时还要保证经济增长的重要目标。长江三角洲城市群作为中国三大城市群之一，是我国创新能力最强、开放程度最高、经济发展最活跃的区域之一，同时也是“双碳”目标下最有实力率先形成绿色低碳发展新范式的重要区域。长江三角洲率先完成碳达峰的国家目标，可为中国较落后地区腾出合理的发展空间，同时以长三角区域的研究为基础，因地制宜地将政策建议推广至中国其他经济区域，带动中国实现 2060 年国家碳中和的长期愿景，帮助中国整体完成达峰目标，有助于推动中国“双碳”目标的实现。收稿日期：2022-08-29 042 工 程 管 理 学 报 第 37 卷 多数学者认为碳排
10、放效率概念是以较少的二氧化碳排放量来取得较高的经济增长和较少的能源消耗3。随着 Charnes 等4提出了 DEA 分析方法，越来越多的学者采用 DEA 来评估碳排放效率，如董峰等5、王勇等6均利用三阶段 DEA 模型对我国碳排放效率进行了评价；之后通过模型不断改进7，8，包含非期望产出的超效率 SBM 模型在碳排放效率评价中得到了广泛的应用，如惠明珠等9、张广泰等10等均运用非期望产出的超效率 SBM 模型研究中国省域建筑业碳排放效率。而在地区的发展过程中，相邻地区之间不可避免地存在着空间效应，于是学者们开始注重对空间相关性及溢出效应的研究，如蔺雪芹等11利用空间计量模型分析了京津冀地区工业
11、碳排放效率的时空演化特征。王幼松等12选用空间杜宾模型考察了中国建筑业碳排放强度的空间分布特征。但相比空间计量模型，马尔可夫链适合处理随机波动性大的系统过程，能很好地分析不同状态间的转移规律13，如 Qiang Du 等14采用空间马尔可夫链分析评价了中国省域的建筑业碳排放效率。然而，对于碳排放效率的研究对象，大部分学者都集中于国家或省域，对城市的研究较少，直到 2020 年王少剑等15才从城市尺度研究了中国碳排放绩效的动态时空演化特征。对于建筑业碳排放效率在城市群的空间溢出效应的研究更是少之又少。总体看来，在现有的关于建筑业碳排放效率的研究中，一方面，大多数学者均以国家或省域为研究对象，对城
12、市的关注度甚少；另一方面，前人多采用空间计量模型分析空间溢出效应，因此，本文运用非期望产出超效率 SBM 模型，对 20102019年长三角地区 26 个城市建筑业碳排放效率进行测度分析，利用传统与空间马尔可夫转移（Spatial Markov Shift）概率矩阵对比分析，探究建筑业碳排放效率的空间溢出效应，为长江三角洲地区的环境可持续发展和政府制定建筑业节能减排政策提供一定的参考。1 研究方法 1.1 非期望产出超效率 SBM 模型 DEA 即数据包络分析，是一种用于对个人或单位进行效率评价的非参数化分析方法。运筹学家Charnes4最早提出并命名了 DEA 模型CCR 模型，之后 Ban
13、ker16进一步改进 CCR 模型，提出规模报酬可变下的 BCC 模型。当存在投入过度或产出不足时，即存在输入或输出的非零松弛变量，CCR 模型和 BCC 模型均无法衡量所有松弛变量对效率评价的影响，因而常常会过高地估计决策单位的效率。于是 Tone7提出了 SBM 模型，有效地解决了传统 DEA 模型忽视松弛变量的问题。同时，CCR 和 BCC 模型仅存在投入或产出的单角度，而SBM 模型是非角度模型，可以从投入和角度两个方面同时进行测度。但是，如果有多个决策单元均相对有效时，标准 SBM 模型便不能对其进行进一步的辨识。为此，Tone8基于原有的 SBM 模型建立了超效率 SBM 模型。同
14、时，在生产过程中，不可避免地会产生对生态环境有影响的非期望产出，于是Tone 将产出分为期望产出与非期望产出两部分，提出了包含非期望产出的超效率 SBM 模型。非期望产出超效率 SBM 模型可以定义为：1111111111min11(),1,2,1,2,1,2,11s.t.()0,ijmiikiqgsbrtgbrrkttknikjijijj kngggjrrjrkjj knbbbjttkjj kqgsbrtgbrtrktkjSmxSSsqyyxxSimyySrsyyStqSSsqyyS+-+-+-=-=+=-+=-=-=-+,0,1,2,gbirtSSjn+-|=|（1）式中，是决策单元 k
15、的效率；iS-是投入的松弛变量；grS+和btS-分别是期望产出与非期望产出的松弛变量；xij代表决策单元 j 的第 i 项投入；grjy是决策单元 j 的第 r 项期望产出；btjy代表决策单元 j 的第t 项非期望产出；j 是决策单元 j 的权重；0iS-=，0,0gbrtSS+-=，1 时决策单元效率为有效；而当gbirtSSS+-、者中至少出现一个非零时为无效。1.2 莫兰指数 Tobler17认为一切事物都是相互关联的，空间相关性不仅能够从整体上描述各决策单元邻近区域间的交互作用，而且能够反映整体内部各区域间的空间交互作用。本文利用全局莫兰指数验证了不同地区建筑业碳排放效率间的关系，
16、具体公式如下：11211()()nnijiJijnnijijwXXXXISw=-=（2）第 1 期 孙 涵，等：建筑业碳排放效率的空间溢出效应研究 043 11niiXXn=（3）12()1nJjXXSn=-=-（4）式中，I 代表全局莫兰指数，它揭示了不同 DMU 之间的相互依赖关系；xi和 xj分别代表 i 和 j 元素的观测值，n 表示区域数；wij是空间权重矩阵的元素，如果城市 i 和城市 j 之间存在共同的边界，则认为它们彼此相邻，wij=1，否则，wij=0。莫兰指数的范围是-1，1。如果该指数大于 0，代表存在正空间相关性；若该值为 0，则表明观察结果为随机分布；若此数值小于 0，则表示有负的空间相关性。1.3 马尔可夫链 若一种随机序列存在于离散的指数集或状态空间内，且具有马尔可夫性质，那么该随机序列便称为马尔可夫链。简言之，事物下一个状态的概率分布是只由目前的情况决定的，而与它之前的事件均无关。传统马尔可夫（Markov）转移概率矩阵如表 1 所示。本文参考王少剑等15的研究，按照四分位数将碳排放效率分为低、中低、中高、高 4 个等级。元素 mij表示一个区域从在 t
