综述:在地方层面分析可持续发展目标中的协同效应与权衡:以中国2063个县为案例的研究
《Land Use Policy》:Analysis of synergies and trade-offs in sustainable development goals at the local scale: A case study of 2,063 counties in China
【字体:
大
中
小
】
时间:2026年08月29日
来源:Land Use Policy 6.6
编辑推荐:
**摘要**
理解可持续发展目标(SDGs)之间的潜在协同效应或权衡对于实现2030年议程至关重要。本研究系统地探讨了2000至2020年间中国各县SDGs之间的协同效应和权衡,通过定量描述SDGs互动的单调性和线性特征,并将研究结果与其他多尺度研究进行比较。主要发现包括以下几
**摘要**
理解可持续发展目标(SDGs)之间的潜在协同效应或权衡对于实现2030年议程至关重要。本研究系统地探讨了2000至2020年间中国各县SDGs之间的协同效应和权衡,通过定量描述SDGs互动的单调性和线性特征,并将研究结果与其他多尺度研究进行比较。主要发现包括以下几点:(1)中国地方层面的可持续发展趋势总体呈现改善,尽管SDG2、SDG3和SDG17的指标呈下降趋势;(2)大多数SDGs之间没有显著的互动;在已分类的互动中,协同效应明显多于权衡效应,线性互动多于非线性互动;(3)地理位置和土地开发强度影响了SDGs之间的权衡;不同地区的协同效应基本一致,而相邻县之间的经济与生态紧张关系更为明显;(4)SDG1、SDG8、SDG9和SDG17在地方层面的SDG网络中起着核心作用,有助于最大化协同效应并推进可持续发展;此外,SDGs之间的网络关系在20年间趋于简化;(5)SDGs之间的协同效应和权衡在不同尺度上存在显著的空间差异。与全球和区域尺度的SDGs互动相比,地方尺度的SDGs互动展现出更强的空间异质性和结构稳定性。宏观尺度(国家、省级)的研究通常揭示出由结构性约束主导的总体趋势,而微观尺度的协同效应或权衡更多受到当地资源禀赋、产业结构和社会基础的影响。
**引言**
联合国提出的17项可持续发展目标(SDGs)代表了国际社会对于构建更加公正、包容和可持续未来的共同愿景和行动框架(联合国,2015年)。SDGs作为全球各国在2016年至2030年间追求共同繁荣和可持续发展的关键指导原则(Griggs等人,2013年)。这些目标旨在应对包括贫困、不平等、气候变化、环境退化以及卫生和教育不足在内的挑战,体现了国际社会在合作、共同努力和包容性方法推动社会转型方面的共识。然而,SDGs并非相互排斥的。多项研究表明,SDGs之间存在复杂的相互依赖关系、协同效应和阈值现象,这使得用简单的线性关系来描述它们变得困难(Nilsson等人,2016年)。为了加速实现2030年可持续发展议程,分析SDGs之间互动的研究变得越来越广泛和深入(Jia等人,2024年)。这些互动可以归类为协同效应或权衡效应:协同效应是指实施过程中目标的相互促进,而权衡效应则指相互冲突的目标所带来的障碍。此外,一些目标之间没有明显的互动。这些研究为识别潜在冲突和促进目标之间的协调发展提供了重要见解。
在研究尺度方面,当前大多数研究集中在全球、国家或省级层面,或特定区域,从而忽视了地方(县级)层面SDGs所面临的动态变化和独特挑战。首先,由于研究范围广泛,现有研究往往未能区分城市和农村地区,将其视为一个整体,这使得较不发达地区面临的可持续发展挑战被掩盖;其次,这进一步限制了区域可持续发展路径的优化,阻碍了地方政府制定和实施相关政策。最后,2030年可持续发展议程提出的17项SDGs适用于全球所有国家,关注共同的全球发展问题;由于地区间的差异,直接在区域层面应用这些目标可能无法准确评估实际发展水平。此外,不同研究尺度的数据收集标准和数据可用性也存在差异。为了解决这些问题,本研究旨在基于联合国可持续发展框架将17项SDGs的指标进行本地化,并构建一个地方可持续发展的评估系统,分析地方在可持续发展过程中面临的挑战。一方面,本研究为其他国家开展地方层面的可持续发展研究提供了参考,特别是在指标选择方面;另一方面,通过比较和分析现有研究结果,进一步阐明了可持续发展研究中固有的尺度依赖性。
作为世界第二大经济体,中国拥有庞大的人口和显著的地区差异,其发展路径和成就将直接影响全球的可持续发展进程。在行政层级上,县是中国行政结构中最基本和核心的层级。县级政府是最基础的行政单位,拥有完整的组织结构和相对独立的治理资源和权力,是执行中央政府政策的基本单元。与西方国家主要以统计或功能标准定义的地方单位相比,县能够更直接反映政策实施与发展成果之间的关系。因此,选择中国县作为研究对象不仅弥补了现有地方层面研究的不足,还提供了关于实现地方层面SDGs路径和机制的更深层次见解。因此,本研究旨在构建一个地方层面的可持续性评估框架,以评估中国各县各项SDGs的进展。基于这一框架,我们使用相关性方法分析SDGs之间的协同效应和权衡,并将结果与全球和国家层面的结果进行比较。通过运用网络分析识别关键目标,我们希望为未来的SDGs发展提供政策建议或方向,以最大化协同效应并最小化权衡效应。本研究将成为地方层面可持续性实践的参考。
**文献回顾**
对SDGs之间互动的分析可以分为两个阶段:定性和定量。早期阶段,Nilsson等人提出了一个描述SDGs之间互动的框架,利用专家知识对一个目标与另一个目标之间的互动进行定性描述(Nilsson等人,2016年;Nilsson等人,2018年)。尽管该框架非常实用,但它具有一定的主观性,缺乏定量研究的基础。Pradhan等人于2017年首次通过计算Spearman相关系数全面量化了SDGs内部和之间的协同效应和权衡效应(Pradhan等人,2017年),此后相关研究逐渐增多(Xiong等人,2025年;Miao等人,2022年)。除了计算Spearman相关系数(ρ)(Spearman,1904年),一些研究还采用皮尔逊相关分析来量化两个变量之间的关联强度(Ghanem等人,2025年)。然而,传统的相关分析难以捕捉潜在的互动。在此基础上,Warchold等人进一步细化了协同或权衡互动的线性或非线性特征,揭示了更复杂的SDGs互动模式(Warchold等人,2021年)。Zhang等人的研究也证实,SDGs之间的非线性互动比线性互动更为普遍,并对中国可持续发展进程有重要影响(Zhang等人,2025年)。因此,为了更准确地描述SDGs之间广泛存在的非线性、非单调性和复杂的互动机制,我们需要分析单调性和线性特征,以及SDGs之间互动强度的变化(Kostetckaia和Hametner,2022年;Warchold等人,2021年;Zhang等人,2025年)。此外,一些研究还考虑了时空异质性对目标互动的影响,采用时空加权回归方法分析SDGs之间的协同效应和权衡效应(Cao等人,2023年)。
除了对相关类型进行分类和描述性分析外,一些研究还探讨了可持续发展在不同区域类型、收入水平和人口群体(如收入、地区和人口统计特征)中的影响,以考察这些因素如何影响SDG指标之间的互动。他们比较了这些类别之间SDGs相互依赖性的相似性和差异(Chen等人,2022年;Nerland等人,2023年;Warchold等人,2021年;Zhang等人,2025年)。他们的目标是理解可持续发展目标之间的潜在障碍和协同效应,以增强政策协调。分析协同效应和权衡对于指导国家或地区的可持续发展至关重要。目前,大多数研究使用来自200多个国家的官方数据来分析SDGs之间的互动(Khot等人,2026年;Pradhan等人,2017年;Warchold等人,2021年;Xiao等人,2024年)。虽然全球或国家层面的宏观分析有助于识别普遍模式,但数据汇总往往掩盖了区域内的差异,难以反映地方层面SDG互动的真实差异和动态演变。同时,全球尺度的研究难以考虑各国发展阶段和政策环境的差异,从而限制了政策建议的实际应用。
在最大化协同效应的同时最小化或消除权衡可能是加速可持续发展的关键(Pradhan等人,2017年)。除了使用Spearman相关系数来量化SDGs之间的相互关系外,网络分析方法为描述SDGs之间的复杂互动提供了新的研究途径。例如,Bali Swain等人首次利用网络分析,基于200多个国家的官方UN数据,识别出促进SDGs实现的关键指标(Bali Swain和Ranganathan,2021年)。该方法将每个目标(或指标)视为网络节点,并将协同或权衡互动视为节点之间的连接。通过引入中心性指标(如度中心性、特征向量中心性和介数中心性),分析进一步识别出系统中具有关键影响的目标,为“增强协同效应和减轻权衡效应”的政策目标提供更有针对性的证据(Assubayeva和Marco,2024年;Wu等人,2023年)。在次国家级别的研究中,Zhang等人分析了中国省级层面SDGs之间的非线性互动(Zhang等人,2025年);Ghanem等人开发了一个约旦的全国SDG监测指标系统,并使用皮尔逊系数分析协同效应和权衡效应(Ghanem等人,2025年)。迄今为止,除了国家和次省级别的比较研究外,地方层面的分析尚缺乏。现有的少数地方层面研究通常局限于特定区域,样本量小且覆盖范围有限(Wei等人,2025年;Xiong等人,2025年),导致研究结论缺乏足够的空间代表性和普遍性。因此,亟需在一个更广泛的研究范围内建立一个统一的分析框架,以实现地方层面SDGs互动的系统分析。
本研究聚焦中国,旨在探索更小地方层面(县级)的SDGs之间的相互关系。县和城区(构成城市的中心区域)是中国最常见的两种行政单位。一方面,县级层面的可持续发展是实现国家级可持续发展的基础。2020年,县占中国总面积的约90%,人口占全国总数的52%。县既是拥有完整行政结构和治理资源的基本单位,也是提供公共服务和实施政策的重要空间载体(Liu等人,2022年;Tian等人,2024年)。以县作为分析单元可以更好地说明地方层面各种SDG指标之间的相互关系。此外,与主要以城市性质为首的城区不同,县通常兼具城市和农村特征。2020年,县内的农村人口占中国农村总人口的82.3%。与主要由市区组成的中心城市相比,中国的县主要以农村为主,经济基础薄弱,城市化水平较低。它们是国家生态安全的重点区域,在推进可持续发展方面面临更大的挑战(Tian等人,2025年)。关于县级可持续发展的研究对于促进全球南方国家的可持续发展具有重大意义(Nagendra等人,2018年)。空间和地理位置的差异往往对可持续发展产生显著影响(Sadiq等人,2023年;Wang等人,2024年)。邻近城市中心的县与远离城市中心的县在发展驱动力、资源禀赋和政策导向方面存在显著差异。前者受益于中央城区资本、技术和基础设施的溢出效应,通常具有更强的经济活力和提供公共服务的能力;而后者则由于地理距离和要素流动受限而面临发展限制(Ge等人,2023年;Liu等人,2021年;Liu等人,2024年)。邻近城市中心的县通常位于“增长极扩散效应”的直接辐射范围内,而远离城市中心的县则更多依赖自身的要素禀赋和外部政策支持,这导致它们的可持续发展机制存在根本性差异(Duranton和Puga,2004年;Jia等人,2024年)。因此,除了Spearman相关分析和网络分析外,本研究还根据地理位置的差异将县分为两种类型进行比较。这种方法解决了现有研究在分析空间变化方面的不足,使得能够在不同地理位置条件下比较可持续发展目标之间的相互作用,并为未来的政策方向提供依据。除了空间和地理位置的差异外,土地开发强度也是影响县级层次上可持续发展目标之间协同效应和权衡的重要因素。作为支持社会经济活动以及生态和环境保护的重要空间资源,土地利用模式可以直接影响不同发展目标之间的相互作用。建设用地的扩张通常伴随着产业集聚、基础设施改善和公共服务提升,从而有助于实现经济增长和社会发展相关目标。然而,土地资源的总量是有限的,建设用地的快速扩张也可能侵占农业生产空间和生态保护空间,从而加剧粮食安全和生态保护方面的挑战。相比之下,建设用地比例较低的县通常拥有较高的农业或生态空间比例。它们的发展可能更多依赖于自身的资源禀赋,在生态保护方面可能具有一定优势,但也可能面临经济发展不足和基础设施相对落后的挑战。因此,本研究进一步根据建设用地的比例对县进行分类,以考察土地利用差异如何影响可持续发展目标之间的协同效应和权衡,从而从土地资源利用的角度深化对地方层面可持续发展目标相互作用的理解。
3. 材料与方法
3.1. 指标的选择与体系构建
可持续发展一直是一个复杂而关键的问题。在所有17个可持续发展目标中,SDG 14(水下生命)与大多数国家关系不大(Khot等人,2026年;Kuc-Czarnecka等人,2023年;Wei等人,2023年),而SDG 7(负担得起和清洁的能源)和SDG 16(和平、正义和强大的机构)受到地方数据可用性有限的制约(Huang等人,2025年)。因此,本研究排除了这三个目标,选择了14个可持续发展目标来说明可持续发展的演变过程。指标的选择对于在地方层面评估可持续发展至关重要,因为不同的指标选择可能导致不同的研究结果(Ge等人,2023年;Liu等人,2015年;Warchold等人,2022年)。选择可持续发展指标必须遵循可持续发展的整体框架,同时考虑数据的可用性和可比性,并确保与地方层面的一致性(Yang等人,2024年)。根据地方条件调整和定制可持续发展指标可以有效地反映实际的发展状况和关键问题。如前所述,17个可持续发展目标是为全球所有国家设计的,有些指标在地方层面难以获得或应用。因此,本研究没有直接采用联合国官方指标,而是严格遵循14个可持续发展目标,参考现有研究,并根据地方数据可用性对指标进行本地化。选择过程遵循以下原则:(1)指标必须具有权威性和共识;(2)相应的数据必须来自具有统一统计方法的官方来源;(3)必须充分考虑地区差异。共选择了31个具体指标,如表1所示。
表1. 可持续发展指标的选择
| SDG | 指标 | 指标说明 | 单位 | 数据来源 |
|----------------------------|------------------------------------------|--------------------------------------------------------------------|-----------|----------------------|
| SDG1(无贫困) | 农村居民收入 | 农村居民人均可支配收入 | 104元/人 | |
| SDG2(零饥饿) | 农业发展水平 | 第一产业增加值/总人口 | 104元/人 | |
| | 粮食生产 | 人均粮食产量 | 104千克/人 | |
| SDG3(良好健康与福祉) | 新生儿存活率 | 15-59岁女性儿童存活率 | % | |
| | 医疗和健康设施 | 每千人床位数 | 1000 | |
| SDG4(优质教育) | 教育水平 | 人口平均受教育年限 | 年 | |
| | 成人识字率 | 15岁及以上人口文盲率 | % | |
| | 高质量教育标准 | 6岁及以上人口中具有大学学历的比例 | % | |
| SDG5(性别平等) | 文盲率性别差距 | ............................................................. | % | |
| | 高等教育获取性别差距 | 6岁及以上人口中大学学位持有者的性别差距 | % | |
| SDG6(清洁水和卫生) | 家庭自来水覆盖率 | 使用自来水的家庭比例 | % | |
| | 厕所覆盖率 | 室内厕所比例 | % | |
| | 浴室设施覆盖率 | 使用浴室设施的家庭比例 | % | |
| SDG8(体面工作与经济增长) | 经济发展水平 | GDP/总人口 | 104元/人 | |
| | 全职就业率 | --------------------------------------------- | % | |
| SDG9(工业、创新和基础设施) | 工业化水平 | 第二产业增加值/GDP | % | |
| | 财政支持能力 | 总贷款余额/总人口 | 104元/人 | |
| | 研究与创新能力 | 专业技术人员比例 | % | |
| | 基础设施 | 分类公路长度(公里) | | |
| SDG10(减少不平等) | 城市化水平 | 城市人口/总人口 | % | |
| | 城乡收入差距 | 农村人均可支配收入/城市人均可支配收入 | | |
| SDG11(可持续城市和社区) | 居住面积 | 人均住房面积 | 2平方米/人 | |
| | 公共设施 | 从事供暖、电力、燃气和供水工作的员工比例 | % | |
| SDG12(负责任消费和生产) | 资源消耗 | 人均建设用地面积 | 2平方米/人 | |
| | 污染物排放 | PM2.5浓度(微克/立方米) | μg/m3 | |
| SDG13(气候行动) | 二氧化碳排放 | 二氧化碳排放强度(吨/GDP) | | |
| SDG15(陆地生命) | 植被覆盖率 | NDVI指数 | | |
| SDG17(为实现目标建立伙伴关系) | 财政可持续性 | (地方政府总收入 - 地方政府总支出)/GDP | % | |
| | 财政收入水平 | 人均地方政府总收入 | 104元/人 | |
注:数据来源(i)是地方统计年鉴;(ii)是县级统计年鉴;(iii)是人口普查数据;(iv)是国民经济和社会发展统计公报;(v)是国家基本地理信息数据库和OpenStreetMap(OSM)数据库;(vi)是中国多期土地利用和土地覆盖遥感监测数据集(CNLUCC);(vii)是中国高空气污染物(CHAP)数据集;(viii)是全球大气研究排放数据库(EDGAR);(ix)是2000–2022年中国30米最大年度NDVI数据集。
3.2. 数据来源与处理
本研究的时间范围是2000–2020年,主要基于以下三个考虑因素:首先,2000年是联合国发起千年发展目标(MDGs)的年份,这些目标设定了到2015年必须实现的核心发展目标,特别是对于发展中国家。2015年,联合国在这些目标的基础上采纳了17个可持续发展目标作为后续框架。以2000年为起点,可以全面覆盖千年发展目标的实施周期,并延续到可持续发展目标的早期阶段。其次,2000年至2020年期间与中国第十至第十三个五年国民经济和社会发展计划相吻合,从而增强了研究结果的政策相关性。最后,2000年、2010年和2020年分别对应中国的第五次、第六次和第七次全国人口普查年份。选择这个时间范围是为了最大限度地获取一致、连续和权威的社会、经济和人口数据,从而确保对中国县级可持续发展目标进行定量评估的可行性和准确性。为了重点关注主要是农村地区的县,并与中央政府文件中关于县的相关政策保持一致,以及有效分析和解决中国县发展面临的问题,本研究以县级行政单位作为研究对象,排除了市级行政区。2000年,中国共有2861个县级行政区,包括787个市级行政区、400个县级市、1503个县、116个自治县、49个自治旗、3个自治旗和1个林区(https://www.gov.cn/test/2007–03/23/content_559255.htm)。排除市级行政区后,县级行政单位的总数为2074个。在随后的20年中,一些县经历了行政重组——要么被解散并合并到其他行政单位,要么经历了重大的边界调整。排除这些县后,最终样本包括2063个县。
可持续发展目标之间的协同效应和权衡不仅源于目标本身的内在联系,还可能受到地理位置的影响。市级行政区——特别是地级市的主要城区——通常作为人才、资本和社会基础设施的中心,具有强大的溢出效应。相邻的县可能受益于积极的空间溢出效应,如产业转移、基础设施升级以及教育和医疗资源的流通,从而增强其可持续发展能力(Cheng等人,2013年)。这种动态产生了不同的可持续发展目标之间的协同效应和权衡。鉴于大多数县主要是农村地区,本研究旨在探讨县与中心城区邻近这一关键特征是否影响可持续发展目标之间的协同效应和权衡。通过比较邻近和非邻近中心城区的县之间的可持续发展目标相关性,我们揭示了地区发展模式的差异。这种分析为中央政府制定精细的、特定情境的政策提供了基础。基于地理第一定律(Tobler,1970年)、增长极理论(Plummer和Taylor,2001年)和中心-边缘理论(Mabogunje,1980年),以及中国政策实施和资源分配的特点,本研究将“邻近中心城区”的县定义为与一个或多个市级行政区直接接壤的县,否则视为“非邻近”。虽然这种二元分类在一定程度上简化了空间连续性,但它有效地识别了中心城区直接影响范围内的地区与边缘地区之间的结构差异。与基于遥感数据或功能分区的城乡分类方法相比,本研究更关注中心城区对县级发展的直接空间溢出效应。以2000年的市级行政区为基准,本研究最终确定了941个邻近中心城区的县和1122个不邻近中心城区的县。
本研究引用的经济、社会和人口数据主要来源于2000–2020年中国统计年鉴(县级)、2000年中国人口普查县级统计表、2010年中国人口普查县级统计表和2020年中国人口普查县级统计表(见表1)。《中国统计年鉴(县级)》是一部全面反映中国各县社会经济发展情况的参考出版物,包含了中国2000多个县级行政单位的基本状况、总体经济表现和农业数据。中国人口普查每10年进行一次,县级人口普查涵盖了每个县级行政单位的人口规模、人口结构和家庭生活条件等广泛指标。分级公路长度的数据来源于国家基本地理信息数据库和OpenStreetMap(OSM)数据。具体而言,2000年和2011年的数据(2010年的数据因质量较差且与实际情况偏差较大而被排除)来自国家基本地理信息数据库,而2020年的数据来自OSM。分级公路的总长度是通过加权求和计算得出的。根据现有的研究方法(Cao等人,2008年),高速公路被赋予0.5的权重,国道被赋予0.3的权重,省道被赋予0.2的权重。建设用地面积数据来源于中国多期土地利用和土地覆盖遥感监测数据集(CNLUCC)(Xu等人,2018年)。NDVI指数数据来源于国家生态系统科学数据中心发布的2000-2022年中国30米年度最大NDVI数据集(Yang等人,2019年)。PM2.5浓度数据来源于国家青藏高原数据中心发布的2000-2022年中国高空气污染物(CHAP)数据集(Wei等人,2020年;Wei和Li,2023年)。二氧化碳排放数据来源于全球大气研究排放数据库(EDGAR)(Crippa等人,2016年)。所有空间数据均使用ArcGIS Pro软件进行处理和分析。在收集原始数据后,使用基于相邻年份的线性插值方法补充了数据中的缺失值。数据补全后,对2010年和2020年的经济指标(包括GDP、人均GDP、第一产业增加值、第二产业增加值、地方财政收入、地方财政支出、家庭储蓄存款、贷款余额、农村人均可支配收入和城镇居民人均可支配收入)进行了价格平减指数调整,以2000年数据作为基准年。本研究使用的所有数据均为连续变量;然而,极端值之间的分布差异明显,因此对第1和第99百分位的异常值进行了 Winsorized 处理。
3.3. 方法
3.3.1. SDG 发展指数计算
在本研究中,采用熵方法确定指标权重,并通过加权求和计算发展指数。首先,使用极值方法对所有指标进行统一标准化。
对于正向指标:
(1)??????=(?????????????min)(??????max???????min)
对于负向指标:
(2)??????=(??????max???????)(??????max???????min)
其中 ?????? 表示县 i 的指标 j 的标准化值,?????? 表示县 i 的指标 j 的原始值,???????min 表示所有县中指标 j 的最小原始值,???????max 表示所有县中指标 j 的最大原始值。
其次,计算每个指标的信息熵:
(3)??????=??????∑????=1??????
(4)????=?1ln????∑????=1???????ln???????
在公式中,?????? 表示县 i 占指标 j 的比例,m 表示县的数量,???? 表示信息熵。
第三,确定每个指标的权重,并计算每个目标的发展指数:
(5)????=1?????∑????=1(1?????)
(6)??????=∑??∈????(??????*????)∑??∈????????
在公式中,???? 表示指标 j 的权重;?????? 表示县 i 的目标 d 的发展指数;目标 d 包含一组指标 ????。这三个步骤用于计算31个指标的权重和每个县每个目标的发展指数。31个指标权重之和为1。
3.3.2. 复合年增长率(CAGR)计算
复合年增长率(CAGR)公式如下:
(7)????????=(????)1???1
CAGR 提供了目标发展指数的年平均增长率。t 表示期末值,T 表示期初值,n 表示年数。它衡量了多年间的平均增长率,消除了不同年份之间的波动,反映了目标指数的长期稳定趋势。
3.3.3. SDG 之间的相互作用分析
相互作用可以分为协同效应或权衡,即一个目标的进步可能会促进或阻碍另一个目标的实现。在本研究中,使用相关性分析来量化SDG之间的协同效应和权衡。探索性数据分析(EDA)显示,本研究中的大多数变量不遵循正态分布,表明传统的线性回归和皮尔逊相关系数可能无效。Spearman相关系数可以衡量两个变量之间相互作用的强度。与皮尔逊相关性分析不同,Spearman分析可以捕捉变量之间的非线性相互作用,并且对异常值的敏感度较低(Hauke,2011年;Spearman,1904年)。这种方法广泛用于识别超出线性相关性的变量之间的总体相互作用,特别是在研究可持续发展目标(SDGs)之间的相互作用时(Kroll等人,2019年;Kuc-Czarnecka等人,2023年;Pradhan等人,2017年;Wei等人,2025年;Xiong等人,2025年)。
在之前研究SDG之间的相互作用时,通常使用±0.5或±0.6的阈值来确定协同效应或权衡的存在(Pradhan等人,2017年;Warchold等人,2021年;Xiong等人,2025年)。然而,在实际计算中,较高的阈值适用于本研究的数据效果不佳。因此,选择了较低的阈值来捕捉更多的相关性。在本研究中,使用相关系数(????)±0.3作为阈值来定义成对指标之间的协同效应和权衡,当 ???? >?0.3 或 -0.3 时表示存在相关性。结果在 p?0.05 时被认为是统计学上显著的,非显著结果在热图中隐藏。
Spearman相关系数(????)是衡量两组数据之间单调相互作用的方法,计算公式如下:
(8)????=1?6?∑??2?????(??2?1)
其中 di 表示两个变量之间的排名差异,n 表示样本大小。
在Warchold的研究中,除了使用Spearman相关系数外,还计算了皮尔逊相关系数和最大信息系数(MIC)值来识别相关类型(Reshef等人,2011年;Warchold等人,2021年)。因此,本研究采用这种方法对SDG之间的相关性进行分类,并在Warchold工作的基础上,根据强度对协同效应和权衡进行分类。当 ???? ∈ [0.5, 1] 时,表示强烈的协同效应;当 ???? ∈ [0.3, 0.5) 时,表示弱的协同效应;当 ???? ∈ [-1, ?0.5] 时,表示强烈的权衡;当 ???? ∈ (-0.5, ?0.3] 时,表示弱的权衡;当 ???? ∈ (-0.3, 0.3) 时,表示未分类的相互作用。具体的相互作用类型见表2。
表2. 十种类型的SDG相互作用。
| 类型 | 含义 |
|------------------|-----------------------------------------------------------------------------|
| S_Sml | 强烈的协同效应单调线性相互作用 |
| S_Smnl | 强烈的协同效应单调非线性相互作用 |
| W_Sml | 弱烈的协同效应单调线性相互作用 |
| W_Smnl | 弱烈的协同效应单调非线性相互作用 |
| Nc | 未分类的相互作用 |
| Ncnmnl | 未分类的、非单调的、非线性相互作用 |
| W_Tmnl | 弱权衡单调非线性相互作用 |
| W_Tml | 弱权衡单调线性相互作用 |
| S_Tmnl | 强权衡单调非线性相互作用 |
| S_Tml | 强权衡单调线性相互作用 |
3.3.4. 复杂网络分析
通过应用复杂网络分析方法构建了SDG的无向加权网络。使用相关系数作为权重指标,计算了度中心性、介数中心性、紧密中心性和特征向量中心性等指标,以表征SDG网络中每个目标的重要性和影响力(Bali Swain和Ranganathan,2021年;Gong等人,2024年)。
“度”指的是一个节点与其他节点的直接连接数量,反映了其与其他节点的紧密程度。“介数中心性”衡量一个节点在其他节点之间的最短路径中出现的频率,表明其作为网络中关键桥梁的角色。“紧密中心性”是指一个节点到所有其他节点的平均最短距离的倒数。较高的紧密中心性表明靠近网络中心,重要性更高。“特征向量中心性”不仅考虑了节点的连接数量,还考虑了其连接节点的重要性。它反映了节点的影响力或传播影响力的能力。
4. 结果
4.1. SDG发展指数的变化
中国各县14个SDG发展指数的变化如图2所示。复合年增长率(CAGR)计算结果见表3,其中CAGR1表示2000-2010年的结果,CAGR2表示2010-2020年的结果。总体而言,大多数发展指数在2000年至2020年间呈现出持续或波动的增长趋势,尽管有些指数有所下降。表现出持续增长的目标包括SDG1(消除贫困)、SDG5(性别平等)、SDG6(清洁水和卫生设施)、SDG10(减少不平等)、SDG11(可持续城市和社区)和SDG15(陆地生命)。其中,SDG6的增长尤为显著,2000年至2020年的CAGR为4.96%,而SDG10的增长也很明显,CAGR为2.20%。表现出波动增长趋势的目标包括SDG4(优质教育)、SDG8(体面工作和经济增长)、SDG9(产业、创新和基础设施)、SDG12(负责任消费和生产)和SDG13(气候行动)。这些目标的发展指数均呈现出U形轨迹。其中,SDG13的发展指数改善相对有限,2000年至2020年的CAGR仅为0.04%。总体而言,中国各县在过去二十年里在经济、社会和环境可持续性方面保持了强劲的增长。这一进展与中国积极推进新型城市化、城乡融合发展及生态环境治理的政策和措施密切相关。这些努力显著提高了城市化水平,缩小了城乡差距,并在生态文明建设和绿色发展方面取得了实质性进展(Zhan等人,2025年;Zhou,2025年)。
然而,在过去的二十年里,SDG2(零饥饿)、SDG3(良好健康和福祉)和SDG17(目标伙伴关系)的发展指数呈现下降趋势。中国各县在食品安全、医疗服务提供和财政可持续性方面面临挑战。如图2所示,SDG2发展指数的中位数和整体平均值在2000年至2020年间持续下降,而异常值逐渐增加,显著扩大了分布范围。这些发现表明,虽然一些县在粮食生产和农业产值方面取得了显著进展,但由于耕地面积的限制和单位面积产量的潜力提高,大多数县的增长率相对有限。整体水平下降,县之间的差距扩大,食品安全和农业发展的不平衡加剧。
SDG3的CAGR1在2000年至2010年间为0.04%,2010年至2020年间下降到-0.68%,这是一个显著变化。在SDG3的两个核心指标中,每千人医院床位数稳步增加,而女性儿童存活率呈倒U形波动。2000年的平均儿童存活率为0.9707,上升到2020年的0.9847,然后又下降到0.9716。这种模式可能是因为虽然县级医疗资源的供应有所改善,但医疗服务质量可能没有同步提高。此外,中国2016年实施的全面二孩政策可能导致高龄产妇增加,从而增加了分娩风险并影响了婴儿存活率。
SDG17的发展指数在2010年显著下降,平均值从0.2273降至0.1719,然后在2020年又回升至0.1805。这种波动主要受到两个指标的综合影响:财政可持续性和财政收入能力。尽管县级财政收入持续增加,但县级财政可持续性的发展仍不乐观。随着基础设施的发展和公共服务的扩展,县级财政收支差距不断加大,严重削弱了财政可持续性。
Fu和Wu等人(Wu等人,2023年;Fu和Zhang,2024年)的研究表明,对中国及全球的可持续发展前景存在担忧,特别是在气候和环境保护目标(SDG13、SDG15)方面。Wang等人(2020年)在省级层面报告称,在中国西部地区(西藏、新疆、青海、甘肃、宁夏)和西南地区(四川、贵州、重庆、云南、广西)实现SDG1、SDG2、SDG3和SDG4的目标存在重大挑战。Liu等人(2021年)也进行了省级研究,表明中国在2000年至2015年间在SDG1、SDG9和SDG10方面表现较好,但在SDG8、SDG15和SDG17方面的表现较弱。Xu等人的研究表明,国家级层面中国在这些目标的得分在2000年至2015年间有所下降,而在SDG9、SDG10和SDG17方面的得分增幅最大(Xu等人,2020年)。
与现有研究相比,无论是在区域层面还是地方层面,中国在SDG2、SDG3和SDG17方面的进展并不令人满意,未来应继续加强这些目标的推进工作。一些研究还报告了中国在SDG12、SDG13和SDG15方面的得分下降,这与本研究中这些目标的发展指数趋势不同。这种差异可能源于时间和空间尺度的差异。在不同行政层级(国家、省和县)的实体之间,资源禀赋、政策实施强度和经济结构存在显著差异。作为政策实施的基本单位,县可能更直接地从诸如 targeted poverty alleviation(有针对性的扶贫)、基础设施建设和公共服务提供等地方性干预措施中受益,从而在可持续发展目标(SDG1、SDG10 和 SDG11)方面取得显著进展。相反,区域层面的评估更容易受到宏观结构因素的影响,例如区域发展不平衡和产业结构差异。此外,区域异质性意味着在国家或省级层面的宏观评估可能会掩盖各县之间的差异。SDG目标的实现程度在空间尺度上存在明显差异,这不仅突显了规模效应在可持续性评估中的重要性,也表明政策制定需要结合地方实际情况并实施差异化的治理策略。
可持续发展是一个由多个目标组成的复杂系统,单独推进任何一个目标都无法保证整个进程的顺利实现。因此,有必要系统地识别不同可持续发展目标之间的相互关系,以确定能够推动进展的“关键目标”。这种方法有助于关注那些落后的目标(如 SDG2、SDG3 和 SDG17),同时最大化协同效应并最小化权衡,从而促进全方位的协调和平衡发展。
4.2. SDG协同效应和权衡分析
图中显示了SDGs之间的互动类型数量。总体而言,大多数SDGs之间的互动尚未分类。未分类的互动表示这些目标之间没有关联,即它们不会相互干扰。在已分类的SDGs互动中,协同效应远多于权衡,线性互动比非线性互动更为普遍。协同效应的普遍性超过权衡表明积极效应超过了负面效应。这与张等人(Zhang et al., 2025)在区域层面的研究结果一致,尽管线性互动的频率高于非线性互动这一发现与之有所不同。这些线性互动表明,一个SDG的进展要么直接促进另一个SDG的实现(协同效应),要么阻碍其实现(权衡)。非线性互动揭示了在实现其他目标过程中遇到的收益或障碍的不平衡,反映出SDGs之间复杂的互动机制。
下载:下载高分辨率图像(159KB)
下载:下载全尺寸图像
图3. 按年份划分的SDG互动类型分布(2000–2020年)。十个缩写SDG互动的全称如下:强协同单调线性互动(S_Sml)、强协同单调非线性互动(S_Smnl)、弱协同单调线性互动(W_Sml)、弱协同单调非线性互动(W_Smnl)、未分类互动(Nc)、未分类非单调非线性互动(Ncnmnl)、弱权衡单调非线性互动(W_Tmnl)、弱权衡单调线性互动(W_Tml)、强权衡单调非线性互动(S_Tmnl)和强权衡单调线性互动(S_Tml)。有关这些不同SDG互动的详细定义,请参阅表2。
下载:下载高分辨率图像(284KB)
下载:下载全尺寸图像
图4. SDG对之间的Spearman相关性矩阵,仅显示p<0.05的相关性。
图5. SDGs之间的互动类型。总体而言,有13对目标在20年期间保持了相对稳定的互动。目标1–8、1–9、1–10、1–17、4–8、4–9、4–17、8–9、8–10、8–17和9–17始终表现出强协同单调线性互动(S_Sml)。SDG8–11始终保持弱协同单调线性互动(W_Sml)。SDG5–12始终保持弱权衡单调线性互动(W_Tml)。稳定且持久的协同互动主要集中在SDG1(消除贫困)、SDG8(体面工作与经济增长)、SDG9(工业、创新和基础设施)和SDG17(目标伙伴关系)周围。这有助于我们理解如何更好地协同实现某些目标。
下载:下载高分辨率图像(389KB)
下载:下载全尺寸图像
图5. SDGs互动类型的热力图。十个缩写SDG互动的全称如下:强协同单调线性互动(S_Sml)、强协同单调非线性互动(S_Smnl)、弱协同单调线性互动(W_Sml)、弱协同单调非线性互动(W_Smnl)、未分类互动(Nc)、未分类非单调非线性互动(Ncnmnl)、弱权衡单调非线性互动(W_Tmnl)、弱权衡单调线性互动(W_Tml)、强权衡单调非线性互动(S_Tmnl)和强权衡单调线性互动(S_Tml)。有关这些不同SDG互动的详细定义,请参阅表2。1–4、1–11、3–4、4–10、4–11、9–10、9–11、10–17和11–17对始终保持着协同单调线性互动,但强协同和弱协同之间发生了转变。例如,1与4、1–11、3–4、4–10、4–11、9–10和11–17之间的互动从强协同转变为弱协同。相反,10与17之间的互动从弱协同转变为强协同。9与11之间的互动在20年期间表现出了弱-强-弱的模式。总之,SDGs之间的互动是动态变化的。值得注意的是,SDG 4(优质教育)与SDG 11(可持续城市和社区)以及其他目标之间的协同连接正在减弱——这一趋势需要密切关注和警惕。
SDG1与SDG 8、9、10和17之间的强协同单调线性互动,结合中国实际脱贫目标的实现过程,进一步表明“经济增长和外部支持是影响减贫的主要因素”。同时,消除贫困和实现社会平等相互促进。SDG1、SDG4和SDG11之间的协同效应也反映了教育水平的提高、生活条件的改善与消除贫困之间的积极互动。然而,从强协同到弱协同的转变表明这种积极影响正在减弱。消除贫困通常是进一步改善教育水平和生活条件的基础。2013年实施有针对性的扶贫政策后,中国在消除贫困方面取得了显著进展。尽管如此,协同效应的减弱表明未来的国家政策应该更加直接地关注在地方层面提高教育和住房标准。
SDG4与SDG3、SDG8、SDG9、SDG10、SDG11和SDG17保持协同效应,表现出单调递增的线性互动。教育和经济始终保持相互促进、共同发展的关系。过去二十年里,中国政府对教育的投入大幅增加,为教育发展提供了有力支持,反映了国家的经济实力。同样,中国的教育体系培养了大批高素质人才,为经济发展做出了贡献。高等教育机构显著增加了科技创新,与战略性新兴产业相结合,直接促进了经济增长。关于SDG4与SDG10和SDG11的关系,现有研究表明教育程度确实与住房面积相关(Luo和Wang,2013)。这可能是因为城市居民通常拥有更大的人均住房面积和更高的教育水平,特别是与农村居民相比。SDG4与SDG3之间的协同效应可能与新生儿存活率指标密切相关,因为较高的父母教育水平显著提高了新生儿存活率(Balaj等,2021)。
SDG8、SDG9、SDG10和SDG17在每对目标之间都保持协同效应,相互促进。SDG8与SDG9之间的更强协同效应进一步表明经济增长是促进工业发展和科技创新的坚实基础。SDG10与SDG17之间的单调线性互动在过去二十年里持续存在并得到加强,进一步验证了转移支付政策的有效性。这些政策对于缩小城乡差距和促进城乡一体化发展具有重要意义。
SDGs之间的权衡也值得注意。SDG 5与SDG 12呈负相关,而SDG 5与其他目标之间没有显著的协同效应或权衡。这种负相关可能反映了中国许多县存在的性别不平等问题。县通常城市化水平较低,导致人均开发土地面积相对较小,PM2.5浓度普遍较低。这些因素导致SDG12的发展指数相对较高。然而,女性的教育机会和社会地位仍然较低,形成了权衡互动。这种现象反映了社会发展的不平衡以及地方层面经济和社会结构的滞后。除了稳定的权衡和协同效应外,某些指标之间的互动在20年期间逐渐消失。例如,2000年仅观察到1–2、1–13、3–10、6–13、8–13、12–15和13–15之间的弱协同效应,到2010年和2020年这些相关性消失。到2020年,SDG3与大多数其他目标之间的协同效应也消失了。
总体而言,在地方层面,SDGs之间的相对稳定的协同互动主要集中在SDG1、SDG8、SDG9和SDG17周围。区域层面的研究也得出了类似的结果,多项研究表明SDG1与其他多个目标之间存在协同效应(Kroll等,2019;Pradhan等,2017;Warchold等,2022)。这些发现强调,在国家和县层面,消除贫困始终是促进可持续发展的关键目标。此外,Kroll等人的报告指出,本世纪初SDG1与其他目标(2、3、4、6和10)之间存在显著协同效应。然而,在随后的十年中,这些目标之间的协同比例逐渐下降。在中国进行的地方层面分析中也出现了类似模式。协同效应的减弱和最终消失已成为不可否认的事实。关于权衡,Pradhan等人发现全球范围内国家在SDG12与其他目标之间存在许多权衡。同样,Wei等人在临沧市进行的地方层面研究也发现了SDG5、12和15之间的权衡。这与本研究的结果一致,即SDG5和SDG12经常相关。这主要是由于实现这两个目标涉及社会结构和经济发展的深刻变革。当前的结果表明,与非线性互动相比,SDGs之间的线性互动更为稳定。面对SDGs之间的权衡和协同效应,发展经济是促进县可持续发展最重要和最基本的目标。
此外,不同规模和地区之间的目标互动也有所不同。Pradhan的研究指出,中国目前面临着SDG3与SDG5之间的权衡;然而,这项研究并未发现类似的结果。同样,Wang等人在中国长江三角洲地区进行的研究发现,2000年至2020年间SDG4与SDG11之间的互动从权衡转变为协同效应,而SDG4与SDG8之间的权衡强度减弱。然而,在地方层面,这两组目标始终保持着协同互动。这再次反映了不同空间尺度上SDGs之间协同效应和权衡的变化。区域层面的研究通常揭示了结构性制约和总体发展趋势,而地方层面的结果更好地反映了地方治理能力和社会条件如何具体影响目标互动。
4.3. 空间位置和土地开发强度对SDGs协同效应和权衡的影响
图中显示了与中心城市相邻和不相邻的县之间的SDG互动类型数量。总体而言,不相邻的县比相邻的县具有更多的协同效应。具体SDG互动热力图(图7)显示,相邻县和不相邻县之间的协同效应相对一致,主要集中在SDG1、SDG8、SDG9、SDG10、SDG11和SDG17上。这些目标通常与经济增长、产业升级、社会平等和公共服务相关,反映了中国各县在实现基本发展目标方面的共同需求和内在联系。十个缩写SDG相互作用的完整名称如下:强协同单调线性相互作用(S_Sml)、强协同单调非线性相互作用(S_Smnl)、弱协同单调线性相互作用(W_Sml)、弱协同单调非线性相互作用(W_Smnl)、未分类相互作用(Nc)、未分类的非单调非线性相互作用(Ncnmnl)、弱权衡单调非线性相互作用(W_Tmnl)、弱权衡单调线性相互作用(W_Tml)、强权衡单调非线性相互作用(S_Tmnl)以及强权衡单调线性相互作用(S_Tml)。有关这些不同SDG相互作用的详细定义,请参阅表2。其他差异主要体现在权衡上。最明显的权衡存在于SDG5和SDG12之间,这种权衡在非相邻县之间存在,但在相邻县之间不存在。这进一步表明,与中国中心城市区域不相邻的县在实现性别平等方面面临重大挑战。由于经济发展相对滞后、性别不平等更为严重,加上城市化程度低和资源消耗量少,这两个目标之间的负相关性变得更加明显。这种结构性矛盾反映了非相邻县在推进社会包容性和性别平等方面仍面临的严峻挑战。因此,未来的政策方向应侧重于提高教育和公共服务的公平提供,加强性别平等政策的实施,并逐步缓解欠发达县中SDG5和SDG12之间的权衡。
相比之下,与中心城市区域相邻的县之间的权衡主要围绕经济发展与生态保护之间的平衡展开。2020年,这些权衡在2-9、4-15、8-15、9-15和15-17等县尤为明显。这一现象与这些县更高的城市化和工业化水平密切相关。由于来自主要城市区域的产业转移以及非农业产业带来的经济增长,这些县的经济和基础设施得到了显著改善。然而,这也导致了诸如耕地减少、环境压力增加和生态系统退化等问题。这些权衡揭示了各国在平衡产业转型与绿色发展之间所面临的挑战。因此,在未来的发展过程中,邻近县应加强与城市经济增长的整合,同时更加重视经济进步与环境可持续性的平衡。它们必须严格执行保护耕地、永久基本农田和生态保护红线的政策,并积极推广绿色产业和低碳经济,以减轻经济增长与生态保护之间的冲突。
总体而言,与中心城市区域相邻和非相邻的县在各个SDG上的协同效应和权衡存在明显差异。空间位置主要通过影响资源流动、产业分布和公共服务的提供,来影响县层面SDG之间的相互作用。这些差异表明,要在地方层面推进可持续发展,需要采取针对性的措施:对于非相邻县,应更加重视普及教育、性别平等和社会包容性;而对于相邻县,则应优先考虑绿色转型,以实现经济增长与环境保护的平衡。差异化的政策对于利用协同效应、缓解权衡以及推动中国地方层面的可持续发展目标至关重要。此外,尽管地区障碍各不相同,但经济相关目标始终表现出稳定的协同作用,为后续政策建议提供了方向。
图8显示了建筑用地比例高和低的县中SDG之间的相互作用类型。结果表明,在建筑用地比例较高的县中,SDG之间的权衡较为明显,主要涉及SDG15与其他目标(包括1-15、4-15、8-15和9-15)之间的相互作用。这些权衡直接反映了经济发展与生态保护之间的紧张关系,而在土地开发强度较高的情况下,这种紧张关系更加突出。尽管存在相对明显的权衡,协同作用仍然是SDG之间主导的相互作用类型,尤其是SDG1、SDG4、SDG8和SDG9周围的协同作用依然稳定。总体而言,建筑用地比例较高的县在经济和社会目标之间表现出强烈的协同作用,但在与生态保护目标之间存在明显的权衡。自2000年以来,随着工业化和城市化的迅速推进,SDG1、SDG8和SDG9逐渐成为协同网络的核心。建筑用地的扩张通常伴随着经济发展、产业集聚、基础设施改善和人口城市化,从而促进了经济增长,并提升了社会和公共服务,进而加强了各目标之间的协同作用。然而,特别是在2010年之后,SDG15与经济发展相关目标之间的权衡变得更加明显。这反映了土地开发强度较高的地区在经济发展过程中面临的压力,包括生态空间的压缩、土地资源的限制以及生态系统压力的增加。
图8显示了建筑用地比例高和低的县中SDG相互作用类型的热图。十个缩写SDG相互作用的完整名称如下:强协同单调线性相互作用(S_Sml)、强协同单调非线性相互作用(S_Smnl)、弱协同单调线性相互作用(W_Sml)、弱协同单调非线性相互作用(W_Smnl)、未分类相互作用(Nc)、未分类的非单调非线性相互作用(Ncnmnl)、弱权衡单调非线性相互作用(W_Tmnl)、弱权衡单调线性相互作用(W_Tml)、强权衡单调非线性相互作用(S_Tmnl)以及强权衡单调线性相互作用(S_Tml)。有关这些不同SDG相互作用的详细定义,请参阅表2。
图9基于Spearman相关性展示了SDG之间的协同作用和权衡网络。
图10显示了SDG网络的中心性分析(介数中心性、接近中心和特征向量)。
相比之下,在建筑用地比例较低的县中,SDG之间的协同作用和权衡程度相对较弱。经济发展相关目标仍然保持协同作用,但与建筑用地比例较高的县相比,一些稳定的协同作用不再出现,例如SDG9、SDG12与其他目标之间的相互作用。目标之间的权衡也不明显,主要集中在SDG12和SDG17周围。由于土地开发强度较低,经济发展与生态保护之间的权衡不显著,生态保护压力也相对有限。然而,这些县也可能面临经济发展动力不足和基础设施及工业支持薄弱等问题。
总体而言,土地开发强度在某种程度上是影响县层面SDG之间关系的重要因素。土地开发强度直接影响资源利用方式及县内土地空间的分配。较高的开发强度与更明显的协同作用和权衡相关,尤其是在经济发展与生态保护之间的紧张关系日益加剧的情况下。相反,较低的开发强度与较弱的协同作用和权衡相关。尽管生态与经济目标之间的直接冲突不太明显,但这种模式也表明,经济发展的不足可能会限制目标之间协同作用的进一步强化。因此,在推动新型城市化和高质量发展过程中,建筑用地比例较高的县应进一步优化土地利用空间格局,严格执行“三条控制线”——生态保护红线、永久基本农田和城市发展边界——促进产业转型和升级,并提高空间资源利用效率,从而缓解经济发展与生态保护之间的结构性矛盾。对于建筑用地比例较低的县,应改善基础设施,发展并培育特色产业,同时保持严格的生态和环境保护,从而加强可持续发展的内生驱动力。
空间位置和土地开发强度共同塑造了县层面SDG之间的协同作用和权衡。在不同空间位置条件下,无论是与中心城市区域相邻的县还是非相邻的县,协同作用始终集中在SDG1、SDG8、SDG9和SDG17周围,表明与经济增长和社会发展相关的目标之间存在总体一致的内部协调。然而,权衡在不同位置条件下有所不同。在与中心城市区域非相邻的县中,权衡主要与由于发展基础薄弱导致的社会发展不足有关,特别是由于发展水平低下和社会包容性问题。而在与中心城市区域相邻的县中,权衡更多地与快速工业化和城市化过程中的经济增长与生态保护之间的紧张关系相关。
土地开发强度更直接反映了县内的经济活动和城市化发展水平。在建筑用地开发强度较高的县中,产业、人口和资本的集中促进了经济和社会目标之间的更强协同作用。同时,这种集中也伴随着资源和环境约束的增加,使得经济发展与生态保护之间的权衡更加明显和集中。在开发强度较低的县中,经济发展动力不足使得进一步强化协同作用变得困难,相应的权衡也不明显。
总之,在不同的空间位置条件和土地开发强度下,SDG1、SDG8和SDG9等经济和社会目标之间的协同作用相对稳定,而经济发展与生态保护之间的紧张关系是县层面可持续发展的一个共同且基本的权衡。空间位置主要反映了资源流动、产业转移和公共服务分配在县发展中的作用,而开发强度则更直接反映了县的经济发展能力。
总之,与区域层面相比,地方层面的SDG相互作用表现出更强的空间异质性和结构稳定性。一方面,这种稳定性反映了地方层面SDG相互作用中的路径依赖性和资源约束;另一方面,空间异质性揭示了县在发展基础、政策环境和资源禀赋方面的差异。这一发现表明,地方层面不仅揭示了宏观层面平均化所掩盖的细微变化,还为理解地方层面可持续发展的实施机制提供了新的实证依据。Pradhan指出,虽然目标之间的相关性并不意味着因果关系,但由于社会经济和环境因素,SDG之间和内部的协同作用和权衡确实存在,尽管这些相互作用可能会发生变化或消失。利用现有的协同作用并解决具有挑战性的权衡是实现可持续发展的有效方法(Pradhan等人,2017年)。在之前分析的SDG发展指标趋势基础上,进一步分析关键目标可以最大化协同作用并最小化权衡,从而在地方层面推进可持续发展。
4.4 SDG网络分析
SDG之间的协同作用为实现这些目标提供了有利条件。因此,本研究采用了复杂的网络分析方法来考察SDG之间的网络关系并识别关键目标。网络关系图和雷达图显示,SDG1、SDG4、SDG8、SDG9、SDG10、SDG11和SDG17始终表现出较高的度和特征向量中心性。这些提高的指标表明,这些目标作为网络中的关键节点,能够推动其他目标的协调发展。
接近中心性分析显示,在不同阶段,地方层面可持续发展目标在网络中的核心位置存在显著变化。2000年,SDG1、SDG6和SDG8的接近中心性增加,表明经济增长和减贫是早期地方层面可持续发展的关键任务。到2010年,SDG5、SDG8和SDG12的中心性值达到1,表明性别平等、经济发展和可持续生产和消费已成为连接多个目标的核心纽带。2020年,SDG4、SDG5和SDG12保持了其核心位置,表明教育、性别平等和可持续生产和消费逐渐演变为系统效应传播的中心。总体而言,核心目标从“经济和生计导向”转向“社会公平和绿色转型”,反映了地方层面可持续发展从基础任务向结构优化和升级的演变。SDG5和SDG12的高中心性表明,针对这些目标的干预可以加速政策影响在整个网络中的传播。
介数中心性的结果显示,在不同阶段,关键的“桥梁”目标发生了明显变化。2000年,SDG13和SDG15表现出较高的介数中心性,表明环境目标在经济和社会发展之间起到了重要的桥梁作用。到2010年,可持续发展目标(SDG8)占据了核心地位,表明在快速的工业化和城市化进程中,经济增长成为了连接多个目标的主要渠道。到2020年,SDG4取代了经济和环境目标,成为最关键的中介节点,突显了教育在促进社会公平、提升人力资本和协调多维目标方面的关键作用。总体而言,中介功能的演变呈现出“环境约束—经济枢纽—教育桥梁”的阶段性进展,反映了可持续发展驱动力在地方层面的逐步转型。
基于复杂网络分析的结果,未来的政策方向可以在以下领域进行制定:首先,应优先发展SDG1、SDG8、SDG9和SDG17,以最大化协同效应。其次,应通过针对高紧密度中心性目标(如SDG4、SDG5和SDG12)的有效干预措施,迅速扩大政策影响,同时尽量减少SDG5与SDG12之间的权衡。最后,需要重视SDG4在当前阶段的桥梁作用。鉴于SDG2和SDG3的发展指数有所下降,推动高质量的地方经济发展必须因地制宜。对于靠近中心城区的县,需要确定与周边城市产业发展相match的主导性本地产业,并建立完整的产业链。对于不相邻的县,保障基础农业发展往往是必要的,在此基础上可以扩展工业增长。地方经济增长既是基础,又能促进城市居民和农民的收入增长,进而推动教育、医疗等社会服务的发展。
此外,SDG网络图表清楚地显示,在过去的二十年里,各个目标之间的相互关联从复杂逐渐变为简单,有几个目标逐渐脱离了整个网络。SDG2、SDG13和SDG15逐渐脱离了整个SDG关系网络,而SDG3和SDG6在2010年至2020年间迅速与其他目标的联系减弱。随着2016年SDG的正式引入,中国的政策开始更加聚焦于“关键突破”(如减贫、教育和基本医疗),这可能削弱了其他目标之间的系统性协同推进。SDG15、SDG13和SDG2从网络中脱离,可能表明这些目标在实施过程中被边缘化或“解耦”。到2020年,SDG关系网络表现出结构简化。如果不采取干预措施,目标之间的“系统性协同”可能会被“政策孤岛”所取代,从而掩盖可持续发展实质。
现有的多尺度研究结果一致表明,不同尺度上SDG之间的互动趋势正在减弱。张等人报告称,未分类的互动已成为可持续发展的关键障碍。曹等人进一步证明,在2000年至2020年间,中国区域层面的大约50%的SDG指标表现出统计上不显著的互动。同样,Kroll等人在林仓市的地方层面分析也发现,2015年至2020年间SDG之间的协同效应逐渐减弱。这些多尺度证据共同表明,SDG系统总体上呈现出“协同效应减弱”和“结构简化”的趋势。因此,在推进SDG实施时,应重点关注政策的连贯性和协调性,加强SDG之间的相互联系,避免过度关注个别目标而忽视多目标协同效应。
尽管现有文献对可持续发展提供了大量讨论,但在地方层面的研究仍然有限。全球或国家层面的研究通常依赖标准化和官方的评估指标和数据,而区域或次国家层面的评估往往需要选择适合当地条件的指标来评估可持续发展水平(Khot等人,2026年;Ni等人,2025年)。通过将SDG地方化,本研究构建了一个适合地方层面的可持续发展评估系统,并分析了中国的可持续发展过程以及SDG之间的协同效应和权衡。基于本研究的发现,讨论内容如下:
(1)研究发现,在过去的二十年里,中国各县在SDG 6和SDG 10方面取得了显著进展,反映了新型城市化、城乡统筹发展和生态文明建设等政策措施的积极成果。然而,SDG 2、SDG 3和SDG 17的发展指数持续下降,表明县一级发展在食品安全、医疗服务提供和财政可持续性方面仍面临挑战。这一发现与国家和省级层面的现有研究结论一致,表明这些问题在不同行政层级普遍存在(Liu等人,2021年;Xu等人,2020年;Zhang等人,2025年)。然而,不同尺度上的研究结果对于某些目标的绩效存在不一致。不同空间尺度上的可持续发展目标发展水平存在显著差异,这可能是由于各级参与者在资源禀赋、政策实施力度和经济结构方面的差异。在更大尺度(如国家和省级)进行的研究可能会掩盖一些细微差异。
(2)关于SDG之间的互动,在县一级,协同关系多于权衡关系,线性关系多于非线性关系。其中,SDG 1、SDG 8、SDG 9和SDG 17形成了相对稳定的协同关系。根据其他现有研究的发现,全球和国家层面的研究都得出结论认为协同效应强于权衡效应(Warchold等人,2021年;Xiong等人,2025年;Zhai等人,2025年)。关于线性关系比非线性关系更常见的发现,Warchold在全球层面得出了相同的结论(Warchold等人,2021年),而Zhang在中国省级层面得出了相反的结论(Zhang等人,2025年)。这种对比进一步表明,SDG之间的互动具有尺度依赖性。同样,关于稳定的协同关系,全球层面的研究也得出了类似的结果,多项研究表明SDG 1与其他多个目标存在协同关系(Kroll等人,2019年;Pradhan等人,2017年;Warchold等人,2021年)。Wei和Zhai在中国某些地区的发现也表明,协同关系主要集中在SDG 1周围(Wei等人,2025年;Zhai等人,2025年)。这表明经济发展仍然是县一级可持续发展的基础和关键驱动力。经济增长不仅直接影响资源配置和公共服务的改善,还为教育和医疗等社会领域的发展提供了基础。作为国家经济的基层单位,县级经济在中国推动高质量的经济和社会发展中发挥着重要作用。SDG 10–17之间的协同关系在过去20年中持续存在并加强,进一步验证了转移支付政策的有效性,并对缩小城乡差距和推进城乡统筹发展产生了深远影响。与国家、省级或市级层面的发现相比,县级层面的SDG关系表现出更大的结构稳定性和空间异质性。
(3)从区域空间规划的角度来看,空间位置决定了县可以获得的发电商机,而土地开发强度决定了这些机会转化为经济和社会效益的程度。两者共同影响县一级SDG之间的协同效应和权衡关系。因此,未来的区域空间规划和土地利用政策应遵循“差异化政策措施”的原则。对于靠近中心城区的县以及开发强度高的县,应更加重视控制开发边界、保护生态空间和促进集约化土地利用。这些措施有助于缓解经济增长与生态保护之间的权衡,同时进一步加强县发展与周边城市的融合。对于不靠近中心城区的县和开发强度低的县,应通过改善交通基础设施、增强公共服务供给和提升工业活动能力来增强发展动力。这些措施可以在经济、社会和环境目标上促进协调改进,特别关注农业发展和性别不平等等问题。这也表明,仅仅增加建设用地开发的强度并不能实现SDG之间的全面协同效应。只有将空间和位置优势的发展与土地开发的优化相结合,才能提高县级整体的可持续发展水平。
(4)本研究发现,在过去的二十年里,SDG之间的网络关系逐渐简化。这一结果与其他尺度上的发现大体一致,表明这已成为普遍现象。Kroll在全球层面的研究表明,指标之间的联系随着时间的推移逐渐减弱,未分类指标的比例增加导致协同效应的比例下降(Kroll等人,2019年)。曹在中国省级层面的研究也发现,过去20年中国大约50%的SDG指标之间的互动失去了统计意义(Cao等人,2023年)。这些发现共同表明,不同尺度上SDG之间的协同关系普遍减弱,网络结构也逐渐简化。随着时间的推移,某些目标之间的联系逐渐减弱,反映了它们在整体可持续发展框架中的边缘化趋势。然而,简化的网络结构可能导致不同政策之间的脱节,忽视了多个目标之间的协同作用。因此,在未来推进全球和国家层面的可持续发展时,必须确保政策的完整性和协同性,避免过度关注个别目标。
(5)SDG之间的协同效应和权衡在不同空间尺度上存在显著差异。国家和省级的研究往往揭示出由结构性约束主导的总体趋势,其中宏观层面的权衡主要反映了经济结构和制度框架中的普遍矛盾。相反,微观层面的协同效应或权衡更多地受到当地资源禀赋、产业结构和基础社会条件的影响。县作为政策实施的终端单位,其SDG之间的互动常常受到地方政策导向和要素流动限制的制约。相比之下,宏观层面的研究往往呈现平均结果,掩盖了地方差异。因此,尺度不仅决定了SDG协同效应和权衡的表现形式,还影响了其背后的机制和政策传导路径。未来的研究和政策制定应优先考虑跨尺度的互动和反馈效应,建立从国家到地方的多层次协作治理体系,以弥合宏观战略与地方实施之间的差距。
(6)基于上述发现,提出以下建议,旨在最大化协同效应并减少权衡:首先,鉴于中国当前的地方发展状况,促进经济增长应仍然是优先策略。经济发展不仅通过减少贫困和不平等直接推进SDG 1,而且通过产业升级和创新促进SDG 8和SDG 9的进展。具体而言,增强经济政策的针对性和包容性,提高地方层面的产业竞争力和基础设施建设,将促进SDG 1、SDG 8和SDG 9之间的更强协同效应。其次,最大化这些核心目标之间的协同效应将有助于实现其他目标的进展。例如,较高的经济发展水平会将更多资源分配给教育和医疗等领域,从而间接推进SDG 4和SDG 3的实现。同时,政策应优先考虑有效的权衡管理,防止目标之间的潜在冲突或负面影响,确保在发展过程中不忽视社会和环境的可持续性。通过优化资源配置和政策协调,我们可以促进不同SDG之间的互动和相互进步,最终实现更全面和平衡的发展。
(7)通过研究县一级SDG之间的协同效应和权衡,本研究细化了之前在国家、区域和省级层面进行的研究的空间尺度,揭示了宏观研究可能忽略的细微差异。然而,这项研究存在几个局限性:首先,对于地方层面可持续发展目标(SDGs)之间互动的空间分析仍然不足;未来的工作可以纳入对特定目标的空间分析。其次,相关性并不等于因果关系。本研究仅分析了互动类型,而没有考察互动的方向或强度,这为改进留下了空间。
6. 结论
地方层面的可持续发展是中国整体可持续发展的基础,对于全面实现中国的可持续发展目标至关重要。本研究评估了中国地方层面可持续发展目标的进展情况。通过计算斯皮尔曼相关系数和MIC值,对SDGs之间的互动进行了分类,分析了目标之间的协同效应和权衡关系,并提出了通过最大化协同效应和最小化权衡来促进未来SDGs发展的政策建议或方向。主要发现如下:
(1)中国地方层面的可持续发展呈现出总体积极的趋势,大多数目标的发展指数显示出持续或波动的增长,尽管有些指数有所下降。SDG6和SDG10的增长尤为显著,而SDG2、SDG3和SDG17的增长则持续下降——这一结果与其他测量框架的发现一致。
(2)在地方层面,绝大多数SDGs之间的互动尚未被分类。在已分类的互动中,协同效应多于权衡效应,且单调线性互动占主导地位。稳定的协同效应主要集中在SDG1、SDG8、SDG9和SDG17之间,而SDG5和SDG12之间存在显著的权衡。SDGs之间的互动非常复杂,线性互动比非线性互动更为稳定。
(3)邻近中心城市地区的县与不邻近中心城市地区的县之间的协同效应大体一致,主要集中在SDG1、SDG8、SDG9、SDG10、SDG11和SDG17之间。这些差异主要体现在权衡效应上。SDG5和SDG12之间的权衡存在于不邻近的中心城市地区的县中,而在邻近的中心城市地区的县中则不存在这种权衡。经济发展与生态保护之间的权衡在邻近中心城市地区的县中更为明显。建设用地比例较高的县中,SDGs之间的互动更为活跃,表现为经济发展目标与社会发展目标之间的协同效应更强,而经济发展与生态保护之间的权衡更加激烈。这种权衡在1与15、4–15、8–15和9–15之间的关系中尤为明显。相比之下,建设用地比例较低的县中,协同效应和权衡效应通常较弱。SDG9、SDG12与其他目标之间的稳定协同效应不再明显,而权衡效应主要集中在SDG12和SDG17之间。
(4)SDG1、SDG8、SDG9和SDG17是中国地方层面SDGs网络关系中的核心目标。这些目标在推动地方层面的可持续发展中起到了连接作用。在过去20年里,SDGs之间的网络关系倾向于从复杂向简单转变。值得注意的是,多个目标(如SDG2、SDG3、SDG6、SDG13和SDG15)逐渐脱离了网络关系。
作者贡献声明:
李明明:撰写初稿、正式分析、数据管理、概念化。
田明:撰写审稿与编辑、资金筹集、正式分析、数据管理、概念化。
李明明、田明
中国北京师范大学政府管理学院
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号