建筑业碳排放效率的空间溢出效应研究_孙涵.pdf

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 Effect 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 emission 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 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 region 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.This 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 emission 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。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 Banker16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 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，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 年的等级 i 转移到在 t+1 年的等级 j 的概率。转移概率是通过 mij=nij/ni来计算。nij为 t 年处于 i 状态并在 t+1 年转移到 j状态的城市数；ni表示 i 状态的城市总数。表 1 传统的马尔可夫转移概率矩阵 t/(t+1)地市个数 低 中低 中高 高 低 n1 m11 m12 m13 m14 中低 n2 m21 m22 m23 m24 中高 n3 m31 m32 m33 m34 高 n4 m41 m42 m43 m44 1.4 空间马尔可夫链 空间马尔可夫链将空间滞后的概念引入转移概率矩阵，空间滞后条件是相邻地区的初始年的建筑业碳排放效率等级，将原来的 NN 阶状态转移概率矩阵分解成 N 个 NN 转移条件概率矩阵，构成新的空间马尔可夫转移概率矩阵，从而通过比较两个矩阵中的对应元素概率大小，可以判断是否存在空间溢出效应。空间马尔可夫转移概率矩阵如表 2所示。空间滞后值为相邻地市建筑业碳排放效率值的加权平均值，其公式为：1nijijjLogY W=（5）式中，Logi为区域i的空间滞后值，表示区域i的邻域状态；Yj为区域j的建筑业碳排放效率；n为地市总数；空间权重Wij表示区域i和j的空间关系，若地市i和j相邻，则Wij；反之则Wij0。表 2 空间马尔可夫转移概率矩阵 空间滞后 地市个数低 中低 中高 高 低 低 n1(1)m11(1)m12(1)m13(1)m14(1)中低n2(1)m21(1)m22(1)m23(1)m24(1)中高n3(1)m31(1)m32(1)m33(1)m34(1)高 n4(1)m41(1)m42(1)m43(1)m44(1)中低低 n1(2)m11(2)m12(2)m13(2)m14(2)中低n2(2)m21(2)m22(2)m23(2)m24(2)中高n3(2)m31(2)m32(2)m33(2)m34(2)高 n4(2)m41(2)m42(2)m43(2)m44(2)中高低 n1(3)m11(3)m12(3)m13(3)m14(3)中低n2(3)m21(3)m22(3)m23(3)m24(3)中高n3(3)m31(3)m32(3)m33(3)m34(3)高 n4(3)m41(3)m42(3)m43(3)m44(3)高 低 n1(4)m11(4)m12(4)m13(4)m14(4)中低n2(4)m21(4)m22(4)m23(4)m24(4)中高n3(4)m31(4)m32(4)m33(4)m34(4)高 n4(4)m41(4)m42(4)m43(4)m44(4)2 指标选取及数据来源 本文参考已有的建筑业碳排放效率研究9，18，19，结合数据的可获得性及合理性，从人力、物力、财力 3 个方面选取劳动力投入、机械投入、资本投入为投入指标。具体指标解释如下。（1）劳动力投入。建筑业作为劳动密集型产业，劳动力的需求对其发展有很大的影响，因此，本文将从事建筑业的人员数选为劳动力投入。（2）机械投入。中国目前的施工过程中很大程度上依旧是依赖于人工加以机械的操作，施工机械设备的水平很大程度上能影响建筑业的生产率，因此除人力外，建筑业也需要机械投入来提高生产效率，选取建筑业施工机械设备总功率来衡量机械投入。（3）资本投入。资本的输入是建筑业发展最重要的投入因素，部分文献选择资本存量来衡量资本投入，但由于在数据上较难获得，因此，本文的资本投入指标选取建筑业固定资产投资。（4）产出指标。在产出方面，与多数学者采用的指标一致，选取建筑业产值作为期望产出，CO2的排放量作为非期望产出。建筑业碳排放效率投入产出指标见表 3 所示。表 3 建筑业碳排放效率投入产出指标表 类型 指标 指标名称 投入 资本投入 建筑业固定资产投资（亿元）劳动力投入从事建筑业人员数（万人）机械投入 建筑业施工机械设备总功率（万千瓦）期望产出 经济产出 建筑业产值（亿元）非期望产出 碳排放 CO2排放量（百万吨）044 工 程 管 理 学 报 第 37 卷 本文中长江三角洲城市群 26 个城市 20102019年间的所需原始数据均来自于中国统计年鉴（20102019）和相关城市的统计年鉴。CO2排放量通过以 CEADS 数据库的数据为基础加以处理得到。3 实证分析 3.1 长江三角洲建筑业碳排放效率的测算 运用 Matlab 软件对 20102019 年长江三角洲26 个城市的建筑业碳排放效率进行计算，依据计算结果绘制20102019年长江三角洲城市群建筑业碳排放效率平均值的柱状图，如图 1 所示。从图中可以清晰地看到上海效率值已大于 1、绍兴甚至达到1.4 以上，说明这些城市的技术水平较为先进、结构较为完善，促进了建筑业的绿色低碳发展。其次图中效率均值在 0.450.5 之间，而较多城市仍在该值之下，其主要原因可能是这些城市仍处于发展阶段，不可避免地会产生大量的碳排放。同时，可能受技术水平限制，导致建筑业的低碳发展存在不足，从而导致建筑业的碳排放效率较低。因此，该部分城市的建筑业仍有较大的发展空间，需采取有效措施以促进建筑业碳排放效率的提升，比如可再生能源建筑、建筑电气化电力部门脱碳等措施。0.00.10.20.30.40.50.60.70.80.91.01.11.21.31.41.5上海南京无锡常州苏州南通盐城扬州镇江泰州杭州宁波嘉兴湖州绍兴金华舟山台州合肥芜湖马鞍山铜陵安庆滁州池州宣城长江三角洲各城市建筑业碳排放效率平均值长江三角洲地区建筑业碳排放效率平均值 图 1 20102019 年长三角建筑业碳排放效率平均值柱状图 图 2 是 20102019 年长江三角洲城市群地区建筑业碳排放效率均值分布折线图，其效率均值大致在 0.30.6 之间上下波动，20102016 年呈下降趋势，2016 年之后又开始逐步上升。其原因可能是前几年长三角地区在城市化高速发展的过程中污染问题也日益显著，碳排放效率也随之降低。随着 2016 年十三五规划的开始，中国政府提出了建筑节能及绿色建筑发展的目标，并提出了节能减排的具体措施，促使建筑业碳排放效率逐步提升。3.2 空间自相关分析及空间分布格局的动态演变 运用 Geoda 软件，测算了 20102019 年长江三 0.20.30.40.50.60.72010201120122013201420152016201720182019 图 2 20102019 年长三角建筑业碳排放效率均值折线图 角洲建筑业碳排放效率的全局莫兰指数，如图 3 所示。结果表明，20102019 年的全局莫兰指数均大于 0，且 p 值在大多数年份达到 5%的显著性水平，并且所有年份的 p 值达到 10%的显著性水平，从而表明长三角地区建筑业碳排放效率在各城市间总体上具有明显的空间正相关性，并非随机分布。0.154*0.23*0.129*0.28*0.225*0.119*0.129*0.298*0.192*0.163*0.000.050.100.150.200.250.300.352010201120122013201420152016201720182019莫兰指数 图 3 长江三角洲建筑业碳排放效率全局莫兰指数 通过 ArcGIS 软件呈现了 2010、2015、2019 这3年建筑业碳排放效率空间布局与状态，如图4所示。结果表明：建筑业碳排放效率较高的几个城市呈聚集分布，大致分布在上海和绍兴附近；20102019 年建筑业碳排放效率低等级的城市大大减少，说明长三角地区建筑业碳排放效率总体提升，逐步脱离效率低的等级；而在 2015 年碳排放效率有所降低，之后再次升高，符合图 2 趋势。从整体上看，长三角地区的建筑业碳排放效率大致分布为自西向东呈上升趋势，如在上海与其邻近城市的建筑业碳排放效率处于高等级状态，而靠西部的安庆市及其周围城市碳排放效率便较低。3.3 空间溢出效应结果分析 3.3.1 基于传统 Markov 链建筑业碳排放效率转移 基于测算出的效率值，构建 20102019 年长江三角洲城市群建筑业碳排放效率的传统 Markov 转移概率矩阵，从低等级向高等级转移定义为向上转移，反之为向下转移，结果如表 4 所示。（1）斜对角线上元素相比非对角线上的概率明显较大，且均已达 50%以上，说明大部分地区都更倾向于保持原来的状态；同时，m11=0.69，m44=0.65大于m22=0.52，m33=0.51，可知保持低等级和高等级的概率比中低与中高等级更高，说明存在向低等（10%和 5%的显著性水平用*，*表示）第 1 期 孙 涵，等：建筑业碳排放效率的空间溢出效应研究 045 图 4 20102019 年长三角建筑业碳排放效率空间分布格局 表 4 长三角建筑业碳排放效率传统 Markov 转移概率矩阵 t/(t+1)地市个数 低 中低 中高 高 低 66 0.6969 0.2273 0.0455 0.0303 中低 56 0.2857 0.5179 0.1607 0.0357 中高 57 0.0526 0.1930 0.5088 0.2456 高 55 0.0000 0.0545 0.2909 0.6546 级和高等级两级收敛的可能性。其原因可能是效率高的城市会投入更多资金发展清洁能源、绿色建筑等方面，有利于保持高碳排放效率；而效率低的城市在技术、资金等方面能力不足，较难改变现状。（2）对于非对角线上的元素，其向上或向下转移一级的概率较大，而跨级转移的概率较小，例如m21=0.29，而m31=0.05，甚至m41=0，向上转移也是如此，如m12=0.23 大于m13=0.04、m14=0.03。这表明建筑业碳排放效率的变化是一个长期的发展过程，并非可以在短时间内快速完成跨级转移，王少剑等15也同样指出跨级转移较难实现。3.3.2 基于空间 Markov 链的空间溢出效应研究 通过引入空间滞后值，构建空间 Markov 转移概率矩阵，在探究空间溢出效应的同时观察碳排放效率在不同等级间转移的规律，这也是该方法的优势之处。由于舟山市未与任何城市相邻，因此在构建矩阵时舍弃。结果如表 5 所示。表 5 长三角建筑业碳排放效率空间 Markov 转移概率矩阵 空间滞后 地市个数低 中低 中高 高 低 低 23 0.739 0.217 0.0440.000中低9 0.222 0.667 0.1110.000中高2 0.000 0.000 0.5000.500高 2 0.000 0.000 0.5000.500中低低 22 0.865 0.045 0.0450.045中低17 0.294 0.647 0.0590.000中高9 0.000 0.222 0.5560.222高 3 0.000 0.000 0.3330.667中高低 16 0.500 0.438 0.0620.000中低11 0.546 0.182 0.2710.000中高17 0.118 0.177 0.5280.177高 21 0.000 0.000 0.2380.762高 低 4 0.500 0.250 0.0000.250中低12 0.167 0.416 0.2500.167中高28 0.000 0.214 0.5000.286高 29 0.000 0.103 0.3110.586通过对比表 4 与表 5 分析可得：（1）两表对应元素的概率是不同的，如m11(1)=0.74m11=0.69。说明在不同效率等级的邻域下，城市的建筑业碳排放效率转移是不同的，表明长三角地区城市的建筑业碳排放效率的演变具有空间溢出效应，弥补了缺少建筑业碳排放效率在城市群间的溢出效应研究的不足。（2）一般而言，若周围城市等级为低，向低等级转移的概率便会提升；反之，与高效率的区域相邻，向高等级转移的概率便会提升。如在邻域为低等级的情况下，m11(1)=0.74 m11=0.69，低等级的城市保持原来状态的概率更加高，m43(1)=0.5m43=0.29，高等级城市向中高等级转移的概率提升。在相邻城市为高等级的条件下，m34(4)=0.28m34=0.26，中高等级向高等级转移的概率提升，但向上溢出波动范围较小，说明向上溢出的效应存在但不是很明显，可能原因是该城市自身技术、经济等水平受限，在短时间内发展并不显著，也说明空间交互作用的效应也是相对有限的，最终效率还是由本身城市经济或技术水平等因素决定。（3）在邻域条件为低的情况下，发生的 36 次转移中有 23 次均是低等级，说明等级为低的城市大部分被同样为低等级的城市围绕；同样，在邻域条件为高的情况下，发生的 73 次转移中，中高和高等级的转移分别发生 28 次和 29 次，低等级的转移仅有 4 次，说明等级为高或中高的城市大部分被高等级的城市围绕。因此，受邻域建筑业碳排放效率等级影响，城市向上或向下的转移概率将有所提升，从而导致同等级城市聚集现象。046 工 程 管 理 学 报 第 37 卷 4 政策建议（1）由于空间分布不均匀，政府需因地制宜地制定节能减排政策，要加强城市之间技术创新、产业结构等方面的沟通与合作，建立不同城市间的沟通机制，缩小城市间差异，整体提高长三角地区建筑业碳排放效率。（2）由于存在明显的空间溢出效应，建议以上海、绍兴等碳排放效率高的城市为中心，利用先进的技术及丰富的资金，保证自身发展的前提下充分发挥其向上的溢出效应，加强与效率低的城市资源共享与合作，从而带动效率低的城市的发展。（3）由于空间溢出效应是相对有限的，对于建筑业碳排放效率低的城市而言，不能只靠效率高的城市的带动作用，自身的技术水平或经济等条件的改善才是第一要务。政府可以通过引进新的能源来优化资源结构，减少传统资源的消耗，或引进新的技术应用于建筑中，提高建筑节能水平，以提高建筑业的碳排放效率。如在安庆市国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要中明确提出推行绿色建筑，提高建筑垃圾资源化利用水平。（4）由于建筑业碳排放效率是一个长期的发展过程，因此政府需要针对具体城市的具体情况做一个长久的规划及目标，促进地区的协调发展。5 结语 20102019 年长江三角洲建筑业碳排放效率大致分布为自西向东呈上升趋势的不均匀分布格局。空间马尔可夫链结果表明长三角地区建筑业碳排放效率具有空间溢出效应，但受到自身技术水平或经济等条件限制，溢出效应是相对有限的。同时，建筑业碳排放效率的转移是一个长期的发展过程，并非可以在短时间内快速完成。研究成果为长江三角洲建筑业节能减排提供一定的参考价值。参考文献：1 Alfredo Rivera，Shweta Movalia，Hannah Pitt，and Kate LarsenPreliminary 2020 global greenhouse gas emissions estimatesDB/OL 2021-12-23 https:/ 中国建筑能耗研究报告 2020J建筑节能（中英文），2021，49（2）：1-6 3 马大来，陈仲常，王 玲中国省际碳排放效率的空间计量J中国人口资源与环境，2015，25（1）：67-77 4 Charnes A，Cooper W W，Rhodes EMeasuring the efficiency of decision making unitsJ European Journal of Operational Research，1978，2（6）：429-444 5 董 锋，刘晓燕，等基于三阶段 DEA 模型的我国碳排放效率分析J运筹与管理，2014（4）：196-205 6 王 勇，赵 晗中国碳交易市场启动对地区碳排放效率的影响J 中国人口资源与环境，2019，29（1）：50-58 7 Tone KA slacks-based measure of efficiency in data envelopment analysisJEuropean Journal of Operational Research，2001，130（3）：498-509 8 Tone K A slacks-based measure of super-efficiency in data envelopment analysisJEuropean Journal of Operational Research，2002，143（1）：32-41 9 惠明珠，苏有文中国建筑业碳排放效率空间特征及其影响因素J环境工程，2018，36（12）：182-187 10 张广泰，贾 楠中国建筑业碳排放效率测度与空间关联特征J 科技管理研究，2019，39（21）：236-242 11 蔺雪芹，边 宇，王 岱京津冀地区工业碳排放效率时空演化特征及影响因素J经济地理，2021，41（6）：187-195 12 王幼松，石惠萌，闫 辉，黄文炜，郝志彪基于 SDM的中国建筑业碳排放强度分布及空间效应分析J工程管理学报，2021，35（5）：1-6 13 陶晓红，齐亚伟中国区域经济时空演变的加权空间马尔可夫链分析J 中国工业经济，2013（5）：31-43 14 Du，Q，Deng，Y，Zhou，J et al Spatial spillover effect of carbon emission efficiency in the construction industry of ChinaJEnvironmental Science and Pollution Research，2022，29（2）：2466-2479 15 王少剑，高 爽，黄永源，史晨怡基于超效率 SBM模型的中国城市碳排放绩效时空演变格局及预测J 地理学报，2020，75（6）：1316-1330 16 Banker R D，Charnes A，Cooper W W Some models for estimating technical and scale inefficiencies in DEAJ Management Science，1984，30（9）：1078-1092 17 Tobler W A computer movie simulating urban growth in the Detroit regionJEconomic Geography，1970，46（2）：234-240 18 冯 博，王雪青，刘炳胜考虑碳排放的中国建筑业能源效率省际差异分析J资源科学，2014，36（6）：1256-1266 19 李忠富，王汇墨基于 DEA 的中国建筑业生产效率实证研究J系统管理学报，2011，20（3）：307-313 作者简介：孙 涵（1980-），男，博士，教授，博士生导师，研究方向：资源环境管理，项目管理；苑子義（2000-），通讯作者，男，硕士研究生，研究方向：工程管理；吴军锦（2001-），男，本科生，研究方向：工程管理。