成渝双城经济圈县域产业结构...放效率的时空耦合及影响因素_庞建刚.pdf

科技管理研究Science and Technology Management Research2023 No.22023 年第 2 期doi:10.3969/j.issn.1000-7695.2023.2.013成渝双城经济圈县域产业结构升级与碳排放效率的时空耦合及影响因素庞建刚，李思思（西南科技大学经济管理学院，四川绵阳621000）摘要：鉴于目前对产业结构升级和碳排放之间耦合协调关系的县级层面的研究相对较少，基于非期望超效率 SBM模型、耦合协调度模型、Dagum 基尼系数分析和时空跃迁分析，以成渝双城经济圈 141 个区县为研究对象，探究其 20052020 年产业结构升级与碳排放效率耦合协调度的时空格局及差异来源，阐释产业结构升级与碳排放效率的耦合机制，同时构建空间杜宾模型分析其影响因素。结果表明：（1）20052020 年成渝双城经济圈产业结构升级与碳排放效率的耦合协调度整体偏低，处于拮抗阶段，逐步形成以成都主城区与重庆主城区为双核心的放射性分布特征，重庆主城区的放射作用随着时间推进不断增强，但是成都主城区的放射作用在逐渐减弱；（2）区域耦合协调度的空间格局较为稳定，空间集聚性逐渐增强，总体差异呈现先上升后下降的变化趋势，且主要来源于区域间的差异；（3）城镇化水平、科技创新潜力和城市空间因素都对区域耦合协调度具有显著的正向影响，政府干预和金融发展水平对耦合协调度具有显著的负向影响。为进一步提升成渝双城经济圈产业结构升级与碳排放效率的协调耦合水平，根据研究结果提出成渝地区各地方政府因地制宜制定相关措施、兼顾和强化与邻近地区的交流合作，在经济结构调整中适度干预、合理配置金融资源，以及大力促进区域科技创新等对策建议。关键词：产业结构升级；碳排放效率；耦合协调；时空耦合；Dagum 基尼系数分析；时空跃迁分析；成渝双城经济圈中图分类号：X22；F127；F224；G301 文献标志码：A 文章编号：1000-7695（2023）2-0101-11Spatial-Temporal Coupling and Influencing Factors of County-level Industrial Structure Upgrading and Carbon Emission Efficiency in Chengdu-Chongqing Economic CirclePang Jiangang,Li Sisi(School of Economics and Management,Southwest University of Science and Technology,Mianyang 621000,China)Abstract:Considering that there are relatively few county-level studies on the coupling and coordination relationship between industrial structure upgrading and carbon emissions,based on the unexpected super-efficiency SBM model,coupling and coordination degree model,Dagum Gini coefficient analysis and space-time transition analysis,taking 141 districts and counties of the Chengdu-Chongqing Economic Circle as the research object,this paper explores its space-time pattern and source of differences of the coupling and coordination degree between industrial structure upgrading and carbon emissions efficiency from 2005 to 2020,explains the coupling mechanism between industrial structure upgrading and carbon emission efficiency,and builds a spatial Dubin model to analyze its influencing factors.The results show that:(1)From 2005 to 2020,the coupling coordination between the upgrading of the industrial structure and the carbon emission efficiency of the Chengdu-Chongqing Economic Circle is generally low,and it is in the antagonistic stage,gradually forming the radioactive distribution characteristics with the main urban area of Chengdu and the main urban area of Chongqing as the dual core,and the radiation effect of the main urban area of Chongqing continues to increase with the progress of time,but the radiation effect of the main urban area of Chengdu is gradually weakening.(2)The spatial pattern of regional coupling coordination degree is relatively stable,the spatial 收稿日期：2022-05-16，修回日期：2022-08-28基金项目：四川省科技厅软科学项目“县域产业结构升级与碳排放效率的时空耦合及影响因素分析”（23RKX0757）；四川省哲学社会科学规划重大项目“我国主要城市环境综合指数编制”（SC20EZD059）项目来源：四川信息管理与服务研究中心重点项目“成渝地区双城经济圈技术创新能力评价研究”（SCXX2022GD01）102庞建刚等：成渝双城经济圈县域产业结构升级与碳排放效率的时空耦合及影响因素agglomeration is gradually strengthened,and the overall difference shows a trend of rising first and then falling,and mainly comes from regional differences.(3)Urbanization level,scientific and technological innovation potential and urban spatial factors have a significant positive impact on the regional coupling coordination degree,while government intervention and financial development level have a significant negative impact on the coupling coordination degree.In order to further improve the coordination and coupling level of industrial structure upgrading and carbon emission efficiency of Chengdu-Chongqing Economic Circle,based on the above research results,the local governments in Chengdu-Chongqing region should formulate relevant measures according to local conditions,take into account and strengthen exchanges and cooperation with neighboring regions,appropriately intervene in economic structure adjustment,reasonably allocate financial resources,and vigorously promote regional scientific and technological innovation.Key words:industrial structure upgrading;carbon emission efficiency;coupling coordination;space-time coupling;Dagum Gini coefficient analysis;space-time transition analysis;Chengdu-Chongqing Economic Circle 2011 年，我国国家发展改革委印发了成渝经济区区域规划，至 2020 年，四川省与重庆市的生产总值（GDP）之和在国内生产总值中所占比例由2011 年的 6.00%提高至 2020 年的 7.27%，增长率达到 22.13%1）。中共中央政治局审议通过的成渝双城经济圈建设规划纲要明确提出，协同建设现代产业体系、加强污染跨界协同治理和探索绿色转型发展新路径是成渝双城经济圈未来发展的重要内容。随着基础设施建设与投资环境的进一步优化，成渝双城经济圈拥有连接我国西南西北，沟通东亚与东南亚、南亚的特殊地理优势，在开拓国际市场空间、进一步优化与稳定产业链供应链，建立以国内大循环为主体、国内国际双循环相互促进的新发展格局中的重要作用将进一步提升。我国东中部区域产业水平提升带来的产业梯度转移，为成渝双城经济圈提供了产业进一步优化的良好条件，但在经济规模增长的同时，成渝双城经济圈能源消费与碳排放量规模也在迅速扩大。那么，成渝双城经济圈的产业结构升级水平和碳排放效率的整体优化程度究竟如何？怎样实现成渝双城经济圈产业结构优化和碳排放效率的高效耦合协调？对上述问题的解答，一方面对于推动成渝双城经济圈经济和环境统筹发展具有理论价值和现实意义，另一方面也可以为我国实现节能减排目标提供新视角。1文献综述就产业结构对碳排放的影响而言，产业结构变化对碳排放量产生重要影响的观点已经得到普遍认可，如周迪等1通过从绿色税收角度研究发现，产业结构的变化将会明显影响我国 CO2排放量，产业结构合理化和高级化均有利于减少碳排放；朱永彬等2认为，产业结构调整和能源利用效率的提高会导致我国未来碳排放总量呈倒“U”型的变化趋势。不过，也有一些研究者认为产业结构变化对碳排放量的影响较小，如顾阿伦等3通过分析碳排放量和碳排放强度的变化原因认为，科学技术进步对我国碳排放量减少的贡献很大、对产业结构的贡献较小；Schipper 等4研究发现，日本和美国等几个国家的产业结构变动对本国碳排放量的影响较小，但是其产业结构的转变增加了澳大利亚、挪威、荷兰等其他国家的碳排放量；黄亮雄等5研究指出，产业结构效果不明显的现象可能是因为本区域产业结构调整具有“损人利己”效果，即在提高了自身环境水平的同时却在污染其他区域的环境；徐成龙等6以我国山东省为研究对象，结果表明产业结构调整对减少碳排放量的贡献程度主要在于产业结构的优化程度，即工业比重越小，产业结构对于碳排放量降低的贡献也越高。从碳排放对产业结构的影响来看，目前相关研究主要基于政府监管的角度探讨碳排放的政府环境规制对产业结构的影响7。其中，环境规制不仅包括政府部门出台的限制性环保政策措施，也包括政府部门指导下的不同利益群体对环保权利和义务、责任的参与，包括与污染者的交涉与磋商8。陆菁9、肖兴志等10研究提出，对环境的严格规制将成为一种有效的倒逼机制，推动产业结构的优化调整与提升。在政府的各种节能减排措施中，碳税和碳交易被认为是最有效率的经济手段11。汤维祺等12研究认为，从社会生产侧看，由于减排政策约束了企业的碳排放，从而增加了能源投资的边际成本，而各个产业又因为其排放强度差异，生产成本所受到的影响也有不同，由此产生了资金积累路径和产业结构上的调整；从社会需求侧看，政策冲击将会透过市场定价机制向上下游行业和消费者之间传递。由此可见，通过提升产业结构可以降低碳排放量、改善碳排放绩效，同时碳排放政策对产业结构提升有促进效果，这也表明了碳排放政策与产业结构之间彼此影响、互为作用，从而形成了相互耦合的互动体系。有研究者对产业结构和碳排放量的耦合协调关系作出了进一步研究，如周迪等13用扩庞建刚等：成渝双城经济圈县域产业结构升级与碳排放效率的时空耦合及影响因素103展的耦合模型研究考察我国区域碳排放效率与产业结构升级的耦合关系发现，我国近一半省份属于低水平耦合类型；张翱祥等7的实证研究结果显示，我国中部六省碳排放效率和产业结构合理化、高级化的耦合协调度相对较低，都处在中度失调和中度协调之间，但是碳排放效率和产业结构高级化的耦合协调度有逐渐提高的态势；曹丽斌等14研究发现，我国产业结构和 CO2 排放量正处于中度耦合一致的发展阶段，不同类型的城市耦合协调度大小表现为“资源型城市 工业型城市 服务业型城市”，在其他类型城市中，工业占比相对较大的城市的耦合协调度和一致性往往超过了农业与服务业占比高的城市。虽然已有学者对产业结构升级和碳排放的关系展开了逐步深入的研究，但主要侧重于对二者之间的单向关联，基于产业结构和碳排放之间耦合协调关系的研究相对较少，少许对二者之间耦合协调度的研究仅落于省级和地级市层面，关于县级层面的研究相对较少。根据 成渝双城经济圈建设规划纲要提出的分类推进大中小城市和县城发展，本研究将基于 DMSP/OLS、NPP/VIIRS 两套夜间灯光数据反演得出的县域碳排放数据，运用非期望超效率 SBM 模表 1成渝双城经济圈县域空间划分空间划分包括区县成都主城区青羊、武侯、锦江、成华、金牛、龙泉驿、青白江、新都、温江、双流、郫县、金堂成都平原地区成都（大邑、新津、蒲江、都江堰、彭州、崇州、邛崃）、德阳、绵阳、遂宁、乐山、眉山、雅安、资阳川东北地区广元、南充、广安、达州、巴中川南地区自贡、泸州、内江、宜宾重庆主城区渝中、大渡口、江北、沙坪坝、九龙坡、南岸、北碚、渝北、巴南渝东地区万州、梁平、丰都、垫江、忠县、开州、云阳、黔江渝西地区涪陵、綦江、大足、长寿、江津、合川、永川、南川、潼南、铜梁、荣昌、璧山型对成渝双城经济圈的县域碳排放效率进行测算，并对成渝双城经济圈 141 个区县产业结构升级与碳排放效率耦合协调度的时空分布格局以及空间差异进行分析。2研究区域、方法与指标构建2.1研究区域与数据来源2021 年中共中央、国务院印发的成渝双城经济圈建设规划纲要对成渝双城经济圈的地域范围进行了明确界定，为增强研究对象的可比性，将研究对象的维度设定为区县级。成渝双城经济圈共 142个区县，由于四川省广安市的前锋区设立于2013年，数据缺失年份较多，所以本研究对象为除了前锋区外的其他 141 个区县（以下简称“样本”），样本数据的时间跨度为 20052020 年，来源于历年中国县域统计年鉴 四川统计年鉴 重庆统计年鉴以及EPS全球统计数据/分析平台。在空间划分方面，参考肖磊等15的做法，将成渝双城经济圈划分为成都主城区、成都平原地区、川东北地区、川南地区、重庆主城区、渝东地区、渝西地区等 7 个空间板块，具体如表 1 所示。2.2研究方法2.2.1非期望产出超效率 SBM 模型超效率 SBM 模型由 Andersen 等16人提出，是对传统数据包络分析（DEA）模型的进一步发展，解决了在传统 DEA 模型中最大效率值均为 1 的决策单元不能分类的缺陷，区分了各种最大效能值都为1 的决策单元。假设有 n 个决策单元、m 个生产投入变量、q1个期望产出和 q2个非期望产出，构建包含非期望产出的超效率 SBM 模型的线性规划式如下：（1）式（1）中：p 为碳排放效率值；xi、yr和 bt分别代表投入变量、期望产出和非期望产出；、分别为投入变量、期望产出和非期望产出的松弛变量；为权重向量。2.2.2耦合协调模型产业结构升级和碳排放效率耦合度的表达式如下：104庞建刚等：成渝双城经济圈县域产业结构升级与碳排放效率的时空耦合及影响因素 （2）式（2）中：A 表示产业结构升级与碳排放效率的耦合度；表示产业结构层次系数，表示碳排放效率。产业结构升级与碳排放效率的耦合协调度表达式如下：（3）（4）式（3）（4）中：T 表示综合协调指数；c 和 d表示待定系数，本研究认为产业结构升级与碳排放效率同样关键，因此将 c 和 d 均设置为 0.5；D 表示产业结构层次系数与碳排放效率的耦合协调度。2.2.3Dagum 基尼系数分解法为确定影响成渝双城经济圈产业结构升级与碳排放效率耦合协调度空间差异的最主要因素，引入了 Dagum 基尼系数分解法。Dagum 基尼系数分解法可将耦合协调度的总体基尼系数分解为区域内、区域间和超变密度贡献等 3 个部分，其中超变密度贡献是划分子群时，区域间存在的耦合协调度的交叉项对总体差异产生的影响。表达式如下：（5）式（5）中，G 表示总体基尼系数，数值越大表示耦合协调度的总体差异越大。2.2.4空间自相关检验方法莫兰指数（Morans I）由 Moran17所提出，可以反映空间集聚现象及其与相邻单元之间属性值的相似程度。计算公式如下：（6）式（6）中：xa和 xb为成渝双城经济圈中第 a个区县和第 b 个区县的观测值；为空间权重矩阵W中的对应元素；S为空间权重矩阵中每个元素之和。采用的空间权重矩阵为 Queen 邻接权重矩阵，将样本区县之间共边或共点的情况定义为邻接，相连的区县设为 1，不相连的区县则为 0。莫兰指数的取值区间为-1,1，大于 0 说明观测值具有正的空间结构相关关系，小于 0 则表明观测值具有负的空间结构相关关系，该指标的绝对值越接近于 1，即说明空间相关性程度越高。采用莫兰指数可以检验经济活动是否具有空间集聚性，但并不能反映地区内局部的空间集聚特点，难以确定局部空间活动的稳定性，所以，Anselin18提出了莫兰散点图用以识别区域空间热点。莫兰散点图共有 4 个象限，分别代表了HH（“高高”，第一象限）、LH（“低高”，第二象限）、LL（“低低”，第三象限）、HL（“高低”，第四象限）4 种不同的局部空间聚集形态。2.3指标构建与数据来源2.3.1产业结构升级从整体国民经济的产业结构变动情况来看，产业结构提升可体现为区域经济重心从第一产业向第二产业、继而向第三产业的转变，故参考徐敏等19、周迪等13的做法，以产业结构层次指数衡量产业结构升级水平。计算公式如下：（7）式（7）中：为当地第 e 产业产值占当地生产总值的比例。各产业产值数据采用各产业生产总值指数进行平减，产业结构层次指数越大，表明区县的产业结构升级水平越高。2.3.2碳排放效率（1）资本投入。以 Goldsmith20提倡的永续盘存法中的资本存量衡量资本投入。计算公式为：（8）式（8）中：、分别为q区县第t年和第t-1年的资本存量；、分别为 q 区县第 t 年的投资和资本折旧率。借鉴张军等21人的研究，以 2005 年为基期，将基期年份的社会固定资产总额除以 10%后作为地区的初始资本存量，往后年份参考式（8），按照 9.6%的年折旧率测算 20052020 年的数据。资本投入指标采用固定资产投资价格指数统一调整为以 2005 年为基期的相应值，单位为万元。需要说明的是，由于缺乏四川省各区县和地级市的固定资产投资价格指数，因此参考王振华等22的做法，采用上级平减指数（省级）代替。（2）劳动投入。由于四川省和重庆市内区县人口指标披露口径存在不一致性，根据研究对象的数据特征，以 GDP 与人均 GDP 相除得到的人口数量衡量劳动投入。（3）能源投入。囿于县域数据的可得性，参考张鑫鑫等23的研究，采用规模以上工业能源消费总量和区县农村用电量衡量各区县的能源投入；对庞建刚等：成渝双城经济圈县域产业结构升级与碳排放效率的时空耦合及影响因素105于部分年份数据缺失，参考王凯24的做法，采用Stata 中的线性插值法进行补齐。（4）期望产出。选取 GDP 代表期望产出，并去除通货膨胀的因素，使用 GDP 平减指数，将成渝双城经济圈内各区县各年度的名义 GDP 进行折算，最后得出以 2005 年为基期的实际 GDP。（5）非期望产出。夜间照明和社会经济活动高度关联，所以使用 Chen 等25人对 DMSP/OLS、NPP/VIIRS 两套夜间灯光数据反演得出的 20002017 年我国区县碳排放数据衡量成渝双城经济圈内各区县的 CO2排放量，并参考王凯24的做法，采用线性插值法将 20182020 年的数据补齐。其中，Chen 等25通过采用非线性模型方式进一步提高了两套夜间灯光数据分析的衔接和综合精确度，与莫惠斌等26得到的能源核算的碳排放数据拟合 R2 高达 0.998，表明此方法适用于成渝双城经济圈县域的碳排放研究。2.3.3影响因素变量（1）经济发展（EB）。经济发展会对产业结构与碳排放之间的关系产生重要影响26。余志伟等27、郑航等28以人均 GDP 衡量地区经济发展水平，而为减少各指标之间的内生性，本研究以人均金融机构的年末储蓄余额反映区县的经济发展水平。（2）政府干预（GI）。采用一般财政公共预算支出占 GDP 的比重来度量政府部门的干预能力。根据路正南等29、冯林等30研究，财政支出水平直观体现了当地政府可以利用的各种资源的多寡，也就确定了各区县政府部门可以在多大程度为当地产业发展贡献优惠政策租。（3）城镇化水平（UR）。以城镇化率衡量各区县的城镇化水平。城镇化的发展给第三产业的发展创造了机遇，可以推动社会产业结构向高层次化的过渡19；但是，消费方式的高碳化也直接造成了能源费用和碳排放量的上升31。（4）科技创新潜力（STIP）。有学者提出，人力资本的积累加上知识和信息溢出促成了科技创新以及经济增长32，故本研究认为，通过中学入学人数衡量各区县的总体受教育水平能够在一定程度上反映地区的科技创新潜力。（5）金融发展程度（FD）。金融总量的增长和内部结构优化都有助于科学技术进步和产业结构提升，进而减少碳排放33。参考冯林等30的研究，以金融机构年末信贷余额占 GDP 比例评价区县金融发展的情况。对于影响因素指标中的部分数据缺失，参考王凯24的做法，首先采用 Stata 对其进行线性插补，存在极个别由于某指标所有年份数据缺失而不能补齐数据的区县，以 GDP 为参考，采用研究对象中GDP 值与其最为接近的区县数据将缺失数据补齐。影响因素变量中涉及价格的指标，采用 GDP 平减指数统一调整为以 2005 年为基期的相应值。3产业结构升级与碳排放效率耦合协调度的时空特征3.1总体特征通过计算各区县逐年的产业结构升级和碳排放效率耦合协调度，同时参考曹丽斌等14的方法，将样本区县按耦合协调度大小划分为分离阶段（0.000.40）、拮抗阶段（0.410.50）、磨合阶段（0.510.60）和耦合阶段（0.611.00）4 种类型。受篇幅限制，在此只将各区县的耦合协调度数值按照空间划分进行披露（见表 2）。由表 2 可知，样本区县产业结构升级与碳排放效率的耦合协调度均值为 0.464，产业结构升级与碳排放效率正处于拮抗阶段，且空间分布极不均匀，其中耦合协调度均值最高的是重庆市渝中区（0.822），最低的是四川省遂宁市安居区（0.236）；重庆主城区与成都主城区耦合协调度均值最高，分别为 0.664、0.619，处于耦合阶段；渝西地区处于磨合阶段（0.562），成都平原地区（0.420）、川南地区（0.415）和渝东地区（0.485）皆处于拮抗阶段，只有川东北地区处于分离阶段（0.395），即将进入拮抗阶段。表 220052020 年样本区域产业结构升级与碳排放效率的耦合协调度区域200520062007200820092010201120122013201420152016201720182019202020052020 年均值成都主城区0.614 0.618 0.614 0.620 0.591 0.603 0.604 0.604 0.616 0.623 0.629 0.637 0.644 0.654 0.622 0.6160.619成都平原地区内0.449 0.445 0.441 0.441 0.419 0.397 0.405 0.396 0.399 0.400 0.401 0.404 0.436 0.439 0.415 0.4290.420川东北地区0.423 0.421 0.415 0.416 0.396 0.376 0.381 0.373 0.372 0.374 0.381 0.387 0.407 0.407 0.391 0.3940.395川南地区0.467 0.461 0.448 0.442 0.426 0.391 0.407 0.393 0.395 0.390 0.387 0.395 0.411 0.415 0.407 0.4110.415重庆主城区0.598 0.605 0.619 0.645 0.671 0.675 0.680 0.682 0.686 0.690 0.686 0.675 0.684 0.691 0.670 0.6750.664渝东地区0.452 0.448 0.449 0.458 0.479 0.440 0.476 0.480 0.484 0.487 0.491 0.494 0.503 0.524 0.538 0.5490.485渝西地区0.518 0.516 0.524 0.544 0.557 0.524 0.557 0.545 0.562 0.563 0.563 0.577 0.581 0.618 0.618 0.6320.562均值0.478 0.476 0.472 0.475 0.463 0.441 0.454 0.446 0.450 0.451 0.452 0.457 0.477 0.484 0.468 0.4760.464由图 1 可以看出，产业结构升级和碳排放效率耦合协调度处于同一水平的区县往往不是独立的，而是和周边临近的区县在耦合协调度上保持一致，呈现空间聚合特征：高度耦合协调的地区（耦合协106庞建刚等：成渝双城经济圈县域产业结构升级与碳排放效率的时空耦合及影响因素调度在 0.6 以上）主要分布在重庆主城区和成都主城区，且其他区县的耦合协调度在空间上以重庆主城区与成都主城区为核心呈放射状逐渐降低；同时，成渝双城经济圈以重庆主城区与成都主城区为核心的放射性空间格局逐渐显著，其中重庆主城区的放射作用随着时间推进不断增强，周围区县的耦合协调度逐年提升，但是成都主城区的放射作用在逐渐减弱，周围较高耦合协调度的区县逐年减少。图 1样本区域产业结构升级与碳排放效率耦合协调度的空间演变注：该图是基于中华人民共和国自然资源部标准地图服务系统下载的审图号为 GS(2021)5448 的标准地图制作，底图无修改。（a）2005 年（c）2016 年（b）2009 年（d）2020 年3.2Dagum 基尼系数分解为揭示成渝双城经济圈产业结构升级与碳排放效率耦合协调度的区域差距及其来源，运用MATLAB 软件分别测算了 20052020 年样本区县产业结构升级与碳排放效率耦合协调度的基尼系数，结果如表 3 所示。表 320052020 年样本区域产业结构升级与碳排放效率耦合协调度的 Dagum 基尼系数分解结果类别项目200520062007200820092010201120122013201420152016201720182019202020052020 年均值总体0.1180.1200.1270.1290.1310.1510.1480.1520.1540.1530.1530.1530.1400.1440.1350.1370.140区域内差异来源0.0220.0230.0240.0230.0200.0230.0220.0220.0210.0210.0210.0220.0210.0200.0160.0170.021差异贡献19.00%18.77%18.88%17.77%15.35%15.14%14.77%14.21%13.87%13.61%13.63%14.28%14.73%14.09%11.58%12.44%15.00%区域间差异来源0.0590.0610.0640.0700.0830.0940.0940.0990.1030.1050.1040.1010.0930.0980.1000.1000.089差异贡献50.20%50.68%50.65%54.05%63.48%62.12%63.45%65.50%66.81%68.57%68.31%66.38%66.37%68.37%73.98%72.62%63.66%超变密度差异来源0.0360.0370.0390.0360.0280.0340.0320.0310.0300.0270.0280.0300.0260.0250.0200.0200.030差异贡献30.80%30.55%30.47%28.19%21.17%22.74%21.78%20.29%19.32%17.82%18.06%19.35%18.90%17.54%14.44%14.94%21.34%庞建刚等：成渝双城经济圈县域产业结构升级与碳排放效率的时空耦合及影响因素107类别项目200520062007200820092010201120122013201420152016201720182019202020052020 年均值区域内差异10.1000.1040.1060.1080.0890.0900.0930.0970.0970.0960.1000.1000.0990.1000.1050.1210.10020.1230.1260.1390.1310.1150.1270.1220.1200.1190.1170.1170.1260.1150.1140.0830.0940.11830.0590.0600.0590.0610.0610.0730.0680.0660.0620.0600.0630.0580.0540.0520.0460.0420.05940.0980.0950.0860.0900.0780.1020.1050.1030.1050.0970.0950.0930.0870.0880.0680.0630.09150.0910.0880.0910.0800.0790.0840.0870.1030.0980.0980.0920.0930.0930.0910.1020.1070.09260.0430.0430.0450.0460.0600.0680.0570.0560.0590.0610.0610.0570.0540.0480.0360.0370.05270.0340.0450.0510.0520.0680.1010.0610.0640.0680.0710.0670.0740.0750.0760.0840.0820.067区域间差异2 与 10.1740.1810.1860.1880.1850.2170.2120.2190.2240.2250.2290.2310.2050.2090.2050.1960.2053 与 10.1880.1930.1960.2000.1990.2340.2280.2380.2480.2500.2460.2450.2270.2340.2290.2220.2243 与 20.1010.1030.1100.1060.0950.1070.1020.1000.0990.0980.0970.1000.0940.0930.0720.0780.0974 与 10.1570.1640.1690.1790.1690.2190.2060.2220.2290.2350.2430.2390.2250.2280.2130.2050.2064 与 20.1130.1130.1150.1130.0990.1170.1160.1140.1140.1100.1090.1130.1060.1040.0770.0810.1074 与 30.0880.0860.0790.0800.0760.0900.0910.0880.0870.0810.0800.0780.0730.0720.0600.0560.0795 与 10.1010.1010.1010.0980.0990.1010.1050.1170.1120.1110.1060.1040.1050.1040.1090.1200.1065 与 20.1610.1680.1840.1970.2360.2630.2590.2700.2690.2680.2650.2540.2270.2290.2350.2300.2325 与 30.1740.1810.1980.2160.2570.2850.2820.2930.2970.2970.2850.2710.2540.2590.2630.2630.2555 与 40.1450.1500.1670.1900.2230.2670.2550.2740.2740.2800.2800.2630.2500.2510.2440.2430.2356 与 10.1570.1640.1610.1580.1230.1680.1350.1320.1370.1390.1400.1420.1400.1310.1010.1010.1396 与 20.0930.0960.1030.0990.1080.1110.1180.1240.1250.1240.1270.1260.1100.1170.1320.1370.1166 与 30.0590.0590.0630.0680.1030.0970.1170.1290.1340.1340.1290.1240.1090.1260.1590.1640.1116 与 40.0780.0760.0710.0760.0870.1020.1150.1280.1300.1310.1350.1280.1170.1270.1410.1440.1126 与 50.1420.1510.1610.1700.1700.2140.1790.1790.1770.1770.1700.1590.1570.1440.1180.1150.1617 与 10.1050.1130.1100.1040.0880.1200.0910.0990.0980.1010.1040.1030.1040.0980.0960.1080.1037 与 20.1050.1100.1240.1320.1560.1620.1730.1710.1810.1780.1770.1840.1590.1800.1970.2010.1627 与 30.1050.1060.1200.1360.1690.1680.1880.1880.2040.2020.1930.1970.1770.2060.2250.2320.1767 与 40.0920.0930.0990.1180.1390.1610.1690.1760.1870.1880.1910.19