全球科技創新對碳生產率的影響與對策研究

程鈺　孫藝璇　王鑫靜　尹建中

摘要：科技創新對改善投入產出的要素規模、結構與配置，提高生產要素的投入產出邊際效率具有重要意義，在區域經濟發展模式轉型中的重要作用得到廣泛認同。研究以全球118個國家為分析樣本，運用基尼系數、泰爾指數、空間自相關、面板數據模型等方法探索全球國家科技創新水平、碳生產率時空演變與空間集聚特征，并分析科技創新對碳生產率的影響，得出以下結論：①全球科技創新指數大致呈波動上升趨勢，從2009年的32.15上升至2016年的37.59，基尼系數由0.143上升至0.175，區域差異呈逐漸擴大趨勢，Morans I指數由0.228上升至0.270，科技創新集聚態勢較為明顯且有所增強。②全球碳生產率呈上升或者波動上升趨勢，基尼系數介于0.278～0.301之間，區域差異呈縮小趨勢，但區域差異依然較大，Morans I指數由0.047上升至0.077，碳生產率的集聚態勢較弱但趨勢有所增強。③從整體樣本估計、分類型樣本估計來看，科技創新對碳生產率具有重要促進作用，主要通過思想理念滲透與普及、技術融合與工藝優化、產業和產品創新等路徑促進投入產出結構優化，降低能源消耗總量、提高能源利用效率。人均GDP、信息化指數對碳生產率具有正向推動作用，工業增加值占GDP比重、城市化率與碳生產率呈顯著負相關，FDI與碳生產率關系具有不確定性。④從構建區域創新系統、完善綠色科技創新體系、建立綠色科技創新制度等方面提出對策建議，進一步提升科技創新對碳生產率的影響度。研究對提升全球科技創新競爭力、提高碳生產率和減緩氣候變化等具有一定參考價值。

關鍵詞 科技創新;碳生產率;影響因素;對策建議;全球

中圖分類號 F062.1

文獻標識碼 A文章編號 1002-2104（2019）09-0030-11DOI：10.12062/cpre.20190625

20世紀初美籍奧地利經濟學家熊彼特（Schumpeter J A）首次提出“創新理論”，創新是系統內部自行發生的過程，通過建立全新的生產函數實現對傳統生產要素進行重新排列組合重構的過程[1-3]。隨著技術創新經濟學和制度創新經濟學的發展以及生產方式向后福特式轉型，全球一體化的快速發展和技術創新需求的日漸增加，科技創新日漸成為影響人類社會經濟活動的核心因素。進入21世紀以來，隨著全球化進程加快與知識經濟的蓬勃發展，全球科技創新進入空前密集活躍時期，自然資源、資本、勞動力等傳統生產要素逐漸被科技創新所替代，新一輪科學技術革命和產業革命正重構全球科技創新版圖、重塑全球經濟社會空間結構。全球科技創新對GDP貢獻率高達70%以上，美國、德國等國家甚至高達80%以上。2008年金融危機以來，在全球競爭日趨激烈和區域合作日益緊密的大背景下，科技創新驅動發展戰略已成為各國提高全球競爭力和謀求經濟發展轉型的重要路徑[4-5]。美國政府提出科技創新競爭力的綱領性文件《美國創新戰略：確保我們的經濟增長和繁榮》、《美國創新新戰略》，以確保美國科技創新的絕對優勢，德國政府提出《納米技術2015行動計劃》、“工業4.0”戰略等，以提高國家整體科技創新競爭力和制造業智能化發展水平。黨的十八屆五中全會也明確提出了“創新、協調、綠色、開放、共享”的五大發展理念，創新成為實現新舊動能轉換的重要內容[6-7]。2017年國務院印發的《國家創新驅動發展戰略綱要》明確提出依靠創新驅動提升中國經濟發展的質量和效益?？萍紕撔聦τ诟纳仆度氘a出的要素結構和配置，提高生產要素的投入產出邊際效率，降低投入生產要素規模和提高生產效率具有重要意義，科技創新在區域經濟發展模式轉型中的作用和意義已得到廣泛認同[8-9]。

自工業革命以來，伴隨著全球工業化和城市化快速發展，在物質財富獲得極大增長的同時，以消耗大量能源為代價的粗放式經濟發展模式給生態環境帶來了嚴峻的挑戰，如溫室效應的日漸加劇帶來全球氣候變化、海平面上升等嚴重的生態環境問題，對各國區域經濟社會發展和生態環境保護造成嚴重影響，日漸引起各國政府的高度重視。聯合國于2016年1月1日正式啟動的《2030年可持續發展議程》17項目標中明確提出“采取緊急行動應對氣候變化及其影響”，減少碳排放成為應對氣候變化的重要內容[10-12]。低碳經濟是一個實現控制碳排放和促進經濟增長協調發展的重要概念。低碳經濟發展戰略對于降低能源消耗、改善生態環境、提高經濟發展質量具有積極意義?？萍紕撔伦鳛轵寗咏洕鐣l展的重要引擎，對碳排放影響的效率改進效應、能源消費“反彈效應”備受國內外學者重視，科技創新對碳排放的影響方向、程度和時空異質性等方面的研究對于提高制定節能減排政策的科學性和針對性，緩解全球氣候變化難題、實現低碳化發展，具有重要參考價值。

1 文獻綜述

在碳排放問題和科技創新提升備受國內外關注的大背景下，科技創新與能源消耗碳排放的關系成為備受諸多學者關注的熱點和焦點。從已有文獻成果來看，主要包括以下幾個方面：①科技創新對碳排放的影響關系研究?？萍紕撔聦μ寂欧趴赡艽嬖趶碗s的雙刃效應，一方面科技創新能夠通過使用替代性清潔能源、碳捕獲和存儲技術以及能源效率提升等減少碳排放，Bosetti[13]、Gerlagh[14]、涂正革[15]等學者根據對全球主要碳排放國家、中國八大行業部門碳排放量分析，認為科技創新能夠有效降低碳減排成本、緩解強制性減排的負擔。另一方面科技創新在推動經濟規模增長的同時，可能會帶來更多的能源消耗和碳排放，例如金培振等根據中國35個工業行業的經驗數據分析發現，技術效率提升帶來的減排效應不能抵消其推動經濟增長帶來的勞動生產率提升導致的碳排放量增長效應。另外，一些學者認為兩者關系具有不確定性[16]。Fisher-Vanden[17]認為先進的技術能夠降低能源消耗強度，由于Khazzom[18]界定的“回彈效應”存在，產出水平大規模增加，導致能源消耗和碳排放總量增加，使得兩者關系具有不確定性;②科技創新對碳排放的影響方法研究。考察科技創新對碳排放的影響，根據其分析框架，大致按照以下四種路線展開，一是，理論層面將資源消耗、環境污染嵌入經濟增長模型，在新古典經濟理論框架內側重于技術進步的外生假設，考察科技創新對資源環境的影響，例如諾貝爾經濟學獎獲得者Nordhaus[19]將氣候變化因素納入新古典增長模型，提出了分析氣候變化的動態綜合模型，內生增長理論的發展使得技術進步內生化假定分析科技創新對碳排放影響成為可能，例如Angelopoulos[20]、Jaffe[21]等學者通過實證分析，發現技術進步可以通過規模效應增加碳排放，也可以通過技術效應減少碳排放。二是，借助IPAT、STIRPAT、LMDI、Kaya及其擴展模型分析科技創新對碳排放的影響，如20世紀70年代Ehrlich[22]和Holden[23]提出基于人口（P）、人均財富量（A）和技術水平（T）對環境（I）產生影響的IPAT模型，隨后York等[24]將IPAT模型改造為STIRPAT模型，Liddle[25]、何小剛[26]等運用此模型對碳排放因素進行了相關分析，張鴻武等[27]則運用LMDI模型分析技術進步、產業結構對碳排放的影響效應。三是，基于面板回歸方程、空間協整分析和向量誤差修正等計量回歸模型驗證科技創新對碳排放的影響效應，例如申蘋等[28]借助Grossman和Krueger提出的“環境庫茲涅茨曲線”驗證科技創新、經濟水平、貿易發展、環境規制等對區域碳排放影響效應的回歸分析。四是，基于投入產出分析工具分析技術進步對碳排放的影響，例如Goulder和Schneider[29]、鄧細林[30]、姚云飛[31]等運用CGE模型分析科技創新、R&D補貼對碳減排密度、碳減排強度與減排量的影響與優化路徑;③在研究對象方面，在全球尺度、國家尺度、省域尺度和縣域尺度等開展了大量的科技創新對碳排放的影響研究，也有基于微觀個體效應和宏觀經濟增長角度探討科技創新對二氧化碳排放的影響研究，科技創新對區域碳排放和不同類型產業碳排放的研究成為重點。例如周銀香等[32]基于33個國家利用GVAR模型分析碳排放的經濟規模效應（Scale effect）、結構效應（Structure effect）和技術效應（Technical effect），王為東[33]、李小平[34]、馬歆[35]等研究環境規制約束下和空間溢出視角下技術創新對氣候變化的響應、創新驅動對中國省際碳生產率的影響等。

根據上述研究現狀和發展動態分析，可以發現國內外學者圍繞科技創新對碳排放的影響關系、研究方法和研究區域等展開了較為詳細的理論與實踐探索，并取得了一系列豐富的研究成果，但還存在一些亟待解決和反思的問題。一方面由于研究樣本的尺度層級、測度指標和計量模型等方面限制，科技創新對碳排放的影響方向和強度可能由于低碳發展基礎差異而不同，因此研究科技創新對不同類型區域的碳排放方向與強度具有重要意義。另一方面碳生產率是一種隱含在資源、能源等物質產品的生產要素投入，是生產率家族的重要組成部分，與全要素生產率、勞動生產率、資本生產率等具有共同屬性。當前研究多集中在科技創新對碳排放量、碳排放強度的影響等方面，但對碳生產率的研究相對較少，尤其缺乏從全球尺度視角展開科技創新對其影響的研究?；诖?，研究擬在以往文獻基礎上，以全球118個國家為研究樣本，將科技創新作為核心解釋變量納入模型，考慮將經濟發展、產業結構、信息化水平、城鎮化水平、FDI等作為控制變量，分析科技創新對碳生產率的時變影響，為因地制宜的建立區域科技創新體系、推進低碳發展提供參考。

2 研究方法與數據來源

2.1 研究方法

2.1.1 區域差異測度指數

為避免單一指標對全球科技創新水平與碳生產率發展趨勢判斷性影響，研究從不同視角、不同模型進行探討，采用基尼系數、變異系數和泰爾指數表示全球國家科技創新水平和碳生產率的空間差異程度（公式1～3）[36-37]。變異系數和泰爾指數越大，表示全球科技創新水平或者碳生產率的空間差異越大?；嵯禂等≈捣秶荊∈[0，1]，基尼系數越接近0，指數的區域差異程度越小;基尼系數接近于1，指數的區域差異程度越大。

G=2yn2（y1+2y2+3y3+…+nyn）-n+1n（1）

CV=∑ni=1（yi-y）2/n/y（2）

T=1n∑ni=1yiylogyiy（3）

其中，G為基尼系數，CV為變異系數，T為泰爾指數，n為全球國家數量;yi表示區域i的科技創新水平或者碳生產率值;y表示全球科技創新水平或者碳生產率的平均值。

2.1.2 空間自相關

空間自相關能夠有效探究全球科技創新水平與碳生產率在空間上的關聯關系以及區域間關聯程度，主要分為全局自相關和局部自相關兩種。

（1）全局自相關。Global Morans I能夠衡量全球科技創新水平和碳生產率在空間上是否存在明顯的空間集聚特征與強弱程度，其具體表達公式如下：

I=n∑ni=1∑nj≠iWij（Xi-X）（Xj-X）∑ni=1∑nj≠iWij∑ni=1（Xi-X）2（4）

式（4）中：n為研究國家數量;xi、xj分別為i、j國家科技創新水平或碳生產率值;X為所有國家的科技創新水平或碳生產率值的平均值;wij 為權重。Morans I取值范圍為[-1，1]。取值為（0，1]時表示全球科技創新水平或碳生產率呈正相關關系，取值為[-1，0）時表示全球科技創新水平或碳生產率呈負相關關系，取值為0時表明全球科技創新水平或碳生產率不存在空間自相關關系。

（2）局部空間自相關。研究選用統計量Getis-Ord*分析全球科技創新水平或碳生產率的局部空間依賴性，分析全球國家單元在空間位置上的自相關性，更好的揭示空間異質性，對每一個區域單元i的統計量Getis-Ord*的計算公式為：

G*i（d）=∑nj=1Wij（d）xj∑nj=1xj（5）

其中，d表示國家單元之間的距離，xi 、xj分別表示國家i、j的實際值;Wij（d） 是空間距離權重矩陣。若G*i（d）>0且顯著，則說明區域i周圍為高值簇;若G*i（d）<0且顯著，則說明區域i周圍為低值簇。

2.1.3 面板回歸模型

研究基于STIRPAT模型探究科技創新對碳生產率的影響效應，STIRPAT模型的基本表達式為：

I=αPxAy Tze（6）

為消除可能存在的異方差，研究將式（6）轉換成對數形式，得到式（7）：

lnI=lnα+xlnP+ylnA+zlnT+e（7）

式（7）中，模型將環境影響（I）分解為人口（P）、富裕度（A）和技術（T）的乘積，α為常數項，x、y及z表示估計參數，e表示隨機誤差。根據研究側重點的不同，可以在STIRPAT模型基礎上加入相應的解釋變量。研究主要探討全球科技創新水平對碳生產率的影響效應，并進一步探討人均GDP、產業結構、城鎮化水平、信息化水平及FDI流入對碳生產率的影響，最終構建的模型如式（8）所示：

lnEit=αit+β1lnGit+β2lnRit+β3lnSit+β4lnUit+β5lnIit+β6lnFit+εit（8）

式（8）中，E為環境影響，用碳生產率表示;G表示科技創新水平，用全球創新指數衡量;R表示經濟發展水平，用人均GDP衡量;S表示產業結構，用工業增加值占GDP比重衡量;U表示城鎮化水平，用城鎮人口占總人口的比重衡量;I表示信息化水平，用信息化發展指數衡量;F表示吸引外資能力，用外商直接投資衡量;ε表示隨機誤差項;i、t分別表示觀測個體和觀測時間。

2.2 數據來源

科技創新的相關數據主要來源于2009—2017年《全球創新指數報告》，碳排放的相關數據主要來源于Global Carbon Project，人均GDP、工業增加值占GDP比重、城鎮化水平的相關數據主要來源于世界銀行數據庫、2010—2017年《國際統計年鑒》，信息化水平的相關數據主要來源于歐洲電信聯盟發布的2010—2017年《衡量信息社會發展報告》，外商直接投資數據主要來源于聯合國貿易與發展會議數據庫。

3 全球科技創新水平和碳生產率的時空演變特征

3.1 全球科技創新水平時空演變特征

通過整理2009—2016年全球各個國家科技創新指數，借助區域差異測度模型和空間自相關模型分析全球科技創新水平時空演變特征。整體來看，2009—2016年全球科技創新水平大致呈現逐年上升趨勢，從2009年的32.15上升至2016年的37.59，表明金融危機以來，經濟轉型對科技創新的需求越來越高，科技創新成為引領區域發展的重要動力，也是建設現代化經濟體系的重要支撐，全球國家高度重視科技創新水平，優化科技創新環境，吸引高端科技人才，爭相建立全球性科技創新體系。全球科技創新水平的基尼系數、變異系數和泰爾指數均大致呈波動上升趨勢，其中基尼系數從2009年的0.143上升至2016年的0.175，表明全球科技創新水平存在一定的空間非均衡特征。

從空間分異特征來看，瑞士、瑞典、英國、新加坡、美國、德國、加拿大等國家科技創新指數較高，全球科技創新指數介于48.21～61.68之間，這些國家主要分布在歐洲西部、北美洲以及大洋洲等經濟發達國家，長期以來這些國家經濟、社會發展基礎較好，在研發投入資金、創新人才資源、創新制度環境和科技創新體系建設等方面具有明顯優勢。也門、尼日爾、津巴布韋、尼泊爾、埃塞俄比亞、贊比亞、委內瑞拉、烏茲別克斯坦、科特迪瓦、尼加拉瓜等國家科技創新水平相對較低，全球科技創新指數介于14.00～31.17，這些國家主要分布在拉丁美洲、非洲、西亞和東南亞的發展中國家，其經濟發展水平較低，無論是在研發投入、技術引進層面，還是在創新環境和人才引進集聚等方面優勢較弱。近年來，中國科技創新指數顯著提高，從2009年的35.90上升為2016年的50.57，說明近年來中國積極推進科技創新發展戰略，知識創新、技術創新水平顯著提升，創新基礎環境也不斷優化，但也應該看到當前中國科技創新水平和全球發達國家相比還有很大的差距，科技強國建設短板和發展潛力仍然較弱，需要進一步提升科技研發經費投入，提高國家高等教育人才培養和創新水平，建立符合區域實際的科技創新體系。

為探究2009—2016年全球科技創新水平的空間集聚格局及演變情況，研究通過全局空間自相關方法，計算出全局Morans I指數 （見表1）。

2009—2016年全球科技創新水平在空間上呈現集聚分布態勢，2016年的Morans I 指數為0.270，空間集聚特征較為明顯。從整體來看，2009—2016年，Morans I值由0.228上升至0.270，呈現波動上升趨勢，表明2009—2016年全球科技創新水平的集聚態勢有所增強。為進一步探究全球科技創新水平的空間集聚格局情況，研究利用局部空間自相關方法，計算2009年和2016年全球科技創新水平Getis-Ord Gi*指數。委內瑞拉、也門、尼泊爾、印度、巴基斯坦、哈薩克斯坦、伊朗、沙特阿拉伯、贊比亞、津巴布韋、坦桑尼亞等國家基本為冷點區，屬于低科技創新水平空間集聚區;俄羅斯、中國、蒙古、泰國、柬埔寨、越南、菲律賓、印度尼西亞、埃及、尼日爾、塞內加爾、墨西哥等國家基本為次冷點區，屬于較低科技創新水平空間集聚區;土耳其、黎巴嫩、加拿大基本為次熱點區，屬于較高科技創新水平空間集聚區;挪威、瑞典、芬蘭、拉脫維亞、立陶宛、波蘭、烏克蘭、羅馬尼亞、匈牙利、意大利、德國、荷蘭、法國、英國、愛爾蘭等國家基本為熱點區，屬于高科技創新水平空間集聚區。冷點區及次冷點區基本位于南美洲、撒哈拉以南非洲以及亞洲地區，熱點區及次熱點區基本位于北美洲北部、歐洲及非洲北部部分國家。

3.2 全球碳生產率時空演變特征

2009—2016年，全球118個國家中，多數國家的碳生產率呈上升或者波動上升趨勢，表明金融危機以來，全球主要經濟體為了應對氣候變化，實現氣候環境包容性增長，致力于通過綠色生產、綠色消費以及綠色管理等路徑，促進碳排放強度持續降低，極大地提高了碳生產率。基尼系數介于0.278～0.301之間，整體呈現小幅度波動下降趨勢，與泰爾指數、變異系數變動趨勢基本一致，盡管碳生產率空間差異呈縮小趨勢，但相比較科技創新空間差異，碳生產率空間差異更為明顯。其中，瑞典、瑞士、贊比亞、埃塞俄比亞、斯里蘭卡、坦桑尼亞、尼日利亞、尼日爾等歐洲西部、南美洲北部和撒哈拉以南非洲地區，碳生產率相對較高，介于5.80～14.50之間，歐洲西部碳生產率相對較高主要由于其經濟發展水平高，在發展理念、科技創新、產業結構等方面占有優勢，另外一些國家主要由于其經濟發展水平較低，工業發展較為落后，碳排放規模較低，相對降低了碳排放強度，碳生產率相對較高。烏克蘭、蒙古、南非、烏茲別克斯坦、哈薩克斯坦、中國、俄羅斯、塞爾維亞、吉爾吉斯斯坦、伊朗、津巴布韋等國家的碳生產率較低，介于1.27～3.82之間，主要分布在亞洲、中東等地區，一方面部分國家正處于工業化、城市化的快速發展時期，龐大的經濟規模需求導致碳排放量急劇增加，另一方面部分國家油氣資源、煤炭資源相對豐富，導致資源的粗放利用、過度依賴、能源結構單一等問題，制約了碳生產率的進一步提高。

為探究2009—2016年全球碳生產率空間集聚格局及演變情況，研究通過全局空間自相關方法，計算全局Morans I指數 （見表2）。

2009—2016年全球碳生產率在空間上呈現集聚分布態勢，2016年的Morans I指數為0.077，與科技創新水平相比，空間集聚態勢相對較弱。從整體來看，2009—2016年，Morans I值由0.047上升至0.077，整體呈現波動上升趨勢，表明2009—2016年全球碳生產率的集聚態勢較弱但有所增強。為進一步探究全球碳生產率的空間集聚格局情況，研究利用局部空間自相關方法，計算2009年和2016年全球碳生產率Getis-Ord Gi*指數。俄羅斯、蒙古、哈薩克斯坦、烏克蘭、尼泊爾、阿塞拜疆、伊朗、印度、巴基斯坦、孟加拉國、斯里蘭卡等國家基本為冷點區，屬于低碳生產率空間集聚區;中國、柬埔寨、泰國、越南、馬來西亞、波蘭、匈牙利、羅馬尼亞等國家基本為次冷點區，屬于較低碳生產率空間集聚區;哥倫比亞、厄瓜多爾、秘魯、巴西、玻利維亞等國家基本為次熱點區，屬于較高碳生產率空間集聚區;贊比亞、津巴布韋、莫桑比克、納米比亞、博茨瓦納、尼日利亞、科特迪瓦等國家基本為熱點區，屬于高碳生產率空間集聚區。

4 全球科技創新對碳生產率的影響研究

4.1 碳生產率與各要素變量擬合分析

對模型中選取的解釋變量科技創新指數（GII）和人均GDP（PGDP）、工業增加值占GDP比重（STRU）、城鎮化水平（UR）、信息化發展指數（IDI）、外商直接投資額（FDI）等控制變量，與全球碳生產率進行散點圖擬合（見圖1），其中人均GDP、工業增加值占GDP比重、城鎮化率、FDI等指標與碳生產率之間呈現相對明顯的線性關系，為探究科技創新指數和信息化指數對碳生產率的影響，需要進一步建立模型以明確影響系數和方向。

4.2 模型計算與結果分析

4.2.1 模型計算過程

研究對全球碳生產率與科技創新等6個影響因素變量進行描述性統計，以便更加系統、直觀地了解樣本數據的基本情況（見表3）。

為了防止多元回歸模型中出現的“偽回歸”現象，確保模型估計結果的有效性和科學性，研究利用LLC和IPS兩種方法對各面板序列單位根的平穩性進行檢驗，研究結果發現LLC和IPS兩種檢驗方法的面板數據穩定性較好，且均通過了顯著性檢驗，表明研究面板數據具有較強的穩定性，能夠進一步進行模型計算（見表4）。

4.2.2 模型結果分析

（1）整體樣本估計結果。研究對2009—2016年全球118個國家碳生產率的影響因素進行回歸模型分析，為避免異方差的存在對回歸模型造成影響，對研究數據取對數處理，分別采用固定效應模型（模型1）和隨機效應模型（模型2）分析碳生產率影響因素，模型未通過Hausman檢驗，通過最優解釋模型，隨機效應模型優于固定效應模型（見表5）。

整體來看，科技創新與碳生產率相關系數為0.218 3，且在1%水平上通過了顯著性檢驗，表明在全球層面科技創新有利于碳生產率提高?？萍紕撔率巧婕百Y源環境效率、產業結構轉型升級、人力資本溢出效應、創新要素投入產出效應等多方面內容的復雜過程，大致通過以下三種途徑影響碳生產率，一是通過科技創新基礎理論、規律方法、前沿科學、研究研發等途徑，推進政府、企業和公眾可持續發展思想理念、生態文明建設的滲透與普及，改變公眾能源節約行為，促進資源節約型社會建設，降低能源消耗量，對碳生產率提高產生積極效應;二是通過技術融合、工藝優化等研發的節能技術、資源節約技術有效提高能源利用效率，促進經濟增長與碳排放脫鉤，提高碳生產率;三是科技創新推動了現有的產品與產業創新，促進產業集群與產業共生，產業鏈條得到完善與優化，改變了現有的生產要素配置、生產過程體系，投入產出結構得到優化，產業勞動生產效率和資源環境產出率得到大幅度提升，能源消耗強度持續降低。同時，產業與產品創新可以進一步推進技術創新與資源集成，促進基礎研究與理論研究的創新與互饋，并形成良性循環（見圖2）。

從控制變量來看，人均GDP與碳生產率呈正相關，且通過了1%水平顯著性檢驗，表明經濟發展水平提高能夠促進碳生產率提高，從供給方面，能夠投入更多的資金用于節能減排工程和技術研發，優化了微觀生產過程的投入產出結構，提高了能源利用效率。從需求方面，公眾節能意識隨著經濟發展水平提高而提高，綠色消費需求、良好生態環境質量需求等也推進政府、企業積極落實節能要求。工業增加值占GDP比重與碳生產率呈負相關，且通過了1%水平下的顯著性檢驗，主要由于工業經濟發展特別是高能源密集型產業快速發展，伴隨著化石能源的大量使用，導致能源結構不合理和能源利用不集約等，碳排放量急劇增加，降低了碳生產率。城鎮化水平與碳生產率呈現負相關，且通過了1%水平的顯著性檢驗，表明從全球層面城鎮化水平的提高，伴隨著大規模的人口集聚和經濟集聚，城市空間外延擴展，能源消耗規模不斷擴大，降低了碳生產率。信息化水平與碳生產率呈正相關，且通過了1%水平的顯著性檢驗，表明隨著信息化水平提高，以信息和通信技術以及信息資源為載體的新的生產要素，具有很強的滲透性和創新性，促進生產、分配、交換和消費等環節的自動化和智能化水平，能夠有效推進社會經濟動態轉型的過程，帶來生產方式、生活方式和空間組織結構的變化，對提高生產效率，促進產業結構轉型升級和經濟增長方式集約型轉變，減輕資源環境壓力具有重要作用。FDI流入與碳生產率呈負相關，但未通過顯著性檢驗，從側面驗證了“污染避難所假說”存在的可能性。

（2）分類型樣本估計結果。研究根據整體樣本計算2009—2016年各個國家碳生產率平均值，依據自然斷裂點法劃分為三個等級，低碳生產率介于1.27～3.82 PPP美元/kg之間，中等碳生產率介于3.83～5.80 PPP美元/kg之間，高碳生產率介于5.81～14.51PPP美元/kg之間。參照整體樣本回歸分析的研究思路，進一步探究不同等級類型碳生產率國家的科技創新和碳生產率的關系。根據Hausman檢驗和顯著性等情況，低碳生產率、中等碳生產率和高碳生產率地區分別選擇模型2、模型3和模型5作為分析模型（見表6）。

科技創新方面，科技創新對不同類型碳生產率國家均具有促進作用，但中等碳生產率國家沒有通過顯著性檢驗，科技創新對高碳生產率國家的影響系數大于低碳生產率國家，表明高碳生產率國家科技創新對碳生產率影響較大，反映出科技創新對提升碳生產率的重要作用。

在經濟發展水平方面，人均GDP與碳生產率均呈正相關，且均通過了1 %水平下的顯著性檢驗，進一步驗證了經濟發展對提升碳生產率的重要性。在產業結構方面，低碳生產率國家、中等碳生產率國家工業增加值占GDP比重與碳生產率呈顯著負相關，高碳生產率國家工業增加值占GDP比重與碳生產率呈負相關，但影響參數不顯著，表明產業結構對不同類型碳生產率國家影響呈現差異性。在城鎮化水平方面，城鎮化率與中等、高碳生產率國家碳生產率呈顯著負相關，與低碳生產率國家碳生產率不顯著，反映了城鎮化對不同類型碳生產率國家影響的復雜性與階段性。在信息化水平方面，信息化水平對不同類型碳生產率影響系數均為正，且通過了顯著性檢驗，與整體影響結果基本一致。在FDI方面，FDI與碳生產率呈負相關，但部分顯著，進一步驗證了“污染避難所假說”在一些國家的存在。

4.2.3 穩健性檢驗

為了進一步驗證上述回歸結果的穩健性，研究將118個樣本國家按照科技創新水平高低分為低等、中等和高等地區，運用空間面板模型進行估計（見表7），科技創新與碳生產率的回歸結果為正，且多數通過了顯著性檢驗，其他影響變量也基本與整體估計、分類型估計結果一致，進一步驗證了前述分析模型的穩健性。

5 結論與對策

5.1 主要結論

研究運用基尼系數、空間自相關等方法，分析全球科技創新、碳生產率的時空演變特征，通過建立空間面板模型，探究全球科技創新對碳生產率的影響，得出以下結論。

（1）全球科技創新指數大致呈波動上升趨勢，從2009年的32.15上升至2016年的37.59，表明科技創新正越來越成為推進區域轉型、提升國家競爭力、實現區域可持續發展的重要支撐。全球科技創新表現出一定的空間集聚和空間分異特征，Morans I指數大致呈波動上升趨勢，西歐、北美、大洋洲等國家科技創新指數相對較高，拉丁美洲、非洲、西亞和東南亞等發展中國家科技創新水平相對較低。

（2）全球碳生產率大致呈現上升或者波動上升趨勢，表明全球經濟體為了應對氣候變化，實現氣候環境包容性增長，致力于推進綠色生產、綠色消費和綠色管理等途徑，提高了國家碳生產率。全球碳生產率基尼系數介于0.278～0.301之間，整體呈小幅度波動下降趨勢，碳生產率的空間差異較為明顯，高碳生產率國家分為高經濟發展水平的西歐等國家、低經濟發展水平的非洲等國家。低碳生產率國家主要包括城市化、工業化快速發展的亞洲等地區國家，以及油氣資源、煤炭資源相對豐富的中東等地區。

（3）從對2009—2016年118個國家的整體樣本估計、分類型樣本估計來看，科技創新對碳生產率提升具有重要作用，主要通過可持續發展思想理念、生態文明建設的滲透與普及，技術融合、工藝優化等節能技術、資源節約技術，產品和產業創新等路徑促進投入產出結構優化、提升產業勞動生產效率、資源環境產出效率等。人均GDP、信息化指數對碳生產率具有正向推動作用，工業增加值占GDP比重、城市化率與碳生產率呈顯著負相關，FDI與碳生產率關系具有不確定性。各解釋變量、控制變量對不同等級類型的碳生產率影響存在一定的差異性，但科技創新對碳生產率影響基本為正向促進作用。

5.2 研究對策

研究在全球118個國家科技創新與碳生產率的時空演變分析與科技創新等因素對碳生產率的作用機制基礎上，提出以下對策措施建議，以期促進全球科技創新對碳生產率的影響度，促進全球綠色轉型與可持續發展。

（1）完善區域科技創新體系，縮小全球科技創新差距。建設國家科技創新體系，形成科技創新的文化氛圍，明確科研院所、高等學校、社會組織、各類企業、創新平臺的創新主體功能地位，構建和完善基于區域、企業的高效率創新網絡，建立符合區域特色的創新要素順暢流動、協同互動和高效配置的創新生態系統，促進全球科技創新協調?？萍紕撔滤降偷牡貐^，應加強技術引進、集成與模仿，引進高端科技創新要素，強化區域間創新溢出與合作，重視技術的創新和積累，科技水平高的地區應積極尋求原創理論、原創技術的創新與積累，專注于經濟發展的內生創新，優化提升科技創新能力。

（2）推進區域綠色科技創新，實現綠色低碳循環發展。綠色科技是能夠最大程度有效和可持續利用相關資源的技術，產出最大經濟社會收益并減少對生態環境損害，在設計、資源、生產、營銷、末端和物流等環節與傳統技術有本質區別。實現綠色科技研發系統、應用系統、中介系統、保障系統協同優化。在重點區域、關鍵行業和重大工程等方面優化完善應對全球氣候變化的科技支撐體系，發展安全清潔高效的現代能源技術，開展建筑、鋼鐵和能源等領域的碳減排技術研發，優化以能源節約、高效利用為核心的生態能源產業鏈條建設，推動經濟可持續發展轉型，推進產業低碳化發展。

（3）推進可持續發展實驗區建設，加強國際交流合作。按照全球2030年可持續發展議程目標以及相關經驗，以“創新發展-問題導向-多元參與-開放共享”原則，推動科技創新和能源領域的高度融合，破解制約能源高效利用領域的關鍵科學問題，形成可推廣、可復制的全球層面的經驗區域，對其他區域具有示范帶動效應。推進國際合作的深入開展，建立廣泛的科技創新協作網絡，推進科技發達和欠發達國家建立創新戰略伙伴關系，設置全球性能源科學議題，實施具有公益性的能源領域國際大科學計劃，推動全球科研基礎設施平臺共享，積極支持發展中國家科技創新能力建設。

（4）建立綠色科技創新制度，實施國家創新轉型戰略。加強綠色科技創新頂層設計，強化部門間橫向、地區間縱向協調，優化科技財稅金融體系，建立完善的人才協同創新機制，將科技創新作為推動區域經濟發展模式轉型的重要戰略。以綠色科技創新的源頭設計為導向，實現綠色科技創新和經濟社會發展需求的精準對接。加強科技資源與金融資本的融合發展，建立基于信息、轉化、金融平臺為基礎的綠色技術銀行，集聚全球技術、資本、人才和制度要素，為能源技術研發提供支撐。

（編輯：于 杰）

參考文獻

[1]李巍，郗永勤.創新驅動低碳發展了嗎？——基礎異質和環境規制雙重視角下的實證研究[J].科學學與科學技術管理，2017，38（5）：14-26.

[2]毛漢英.人地系統優化調控的理論方法研究[J].地理學報，2018，73（4）：608-619.

[3]張翠菊，張宗益.能源稟賦與技術進步對中國碳排放強度的空間效應[J].中國人口·資源與環境，2015，25（9）：37-43.

[4]黃娟.科技創新與綠色發展的關系——兼論中國特色綠色科技創新之路[J].新疆師范大學學報（哲學社會科學版），2017，38（2）：33-41.

[5]肖雁飛，廖雙紅，王湘韻.技術創新對中國區域碳減排影響差異及對策研究[J].環境科學與技術，2017，40（11）：191-197.

[6]雷宏，李智.技術進步對二氧化碳排放的影響效應研究——基于省級面板門限模型[J].中南財經政法大學學報，2017，45（3）：58-65.

[7]黃鮮華，邊娜，石欣.能源稟賦與產業技術進步對碳排放強度的影響效應研究——來自長江經濟帶的實證[J].科技進步與對策，2018，35（19）：59-64.

[8]樊杰，劉漢初.“十三五”時期科技創新驅動對我國區域發展格局變化的影響與適應[J].經濟地理，2016，36（1）：1-9.

[9]尚勇敏，曾剛.科技創新推動區域經濟發展模式轉型：作用和機制[J].地理研究，2017，36（12）：2279-2290.

[10]鄢哲明，楊志明，杜克銳.低碳技術創新的測算及其對碳強度影響研究[J].財貿經濟，2017，38（8）：112-128.

[11]SHI A. The impact of population pressure on global carbon dioxide emissions， 1975-1996： evidence from pooled cross-country data[J]. Ecological economics， 2003， 44（1）： 29-42.

[12]林善浪，張作雄，劉國平.技術創新、空間集聚與區域碳生產率[J].中國人口·資源與環境，2013，23（5）：36-45.

[13]BOSETTI V， CARRARO C， GALEOTTI M， et al. Witch a world induced technical change hybrid model[J]. Hybrid modeling， 2006， 27（2）：13-38.

[14]GERLAGH R. Measuring the value of induced technological change[J]. Energy policy， 2007， 35（11）： 5287-5297.

[15]涂正革.中國的碳減排路徑與戰略選擇：基于八大行業部門碳排放量的指數分解分析[J].中國社會科學，2014，35（3）：78-94.

[16]金培振，張亞斌，彭星.技術進步在二氧化碳減排中的雙刃效應——基于中國工業35個行業的經驗證據[J].科學學研究，2014，32（5）：706-716.

[17]FISHER V K， WING I S. Accounting for quality： issues with modeling the impact of R&D on economic growth and carbon emissions in developing economies[J]. Energy economics， 2008， 30（6）： 2771-2784.

[18]王峰，賀蘭姿.技術進步能否降低中國出口貿易隱含碳排放？——基于27個制造業行業的實證分析[J].統計與信息論壇，2014，29（12）：50-56.

[19]NORDHAUS W D. To slow or not to slow：the economics of the greenhouse effect [J].Economic journal， 1991， 407： 920-937.

[20]ANGELOPOUOS K， ECONOMIDES G， PHILIPPOUIOS A. What is the best environmental policy？ taxes， permits and rules under economic and environmental uncertainty[R]. CESifo， 2010.

[21]JAFFE A B， NEWELL R G， STAVINS R N. Environmental policy and technological change[J]. Environmental and resource economics， 2002， 22（2）： 41-70.

[22]EHRLICH P R， HOLDREN J P. Impact of population growth[J]. Science， 1971（171）：1212-1217.

[23]郭莉.技術進步對我國西北五省區碳排放量的影響[J].科技管理研究，2016，36（9）：256-266.

[24]YORK R， ROSA E A， DIETZ T. Footprints on the Earth：the environmental consequences of modernity[J]. American sociological review， 2003， 68（2）： 279-300.

[25]LIDDLE B. Urban density and climate change： a stirpat analysis using city-level data[J]. Journal of transport geography， 2013， 28（4）： 22-29.

[26]何小剛，張耀輝.中國工業碳排放影響因素與CKC重組效應——基于STIRPAT模型的分行業動態面板數據實證研究[J].中國工業經濟，2012，30（1）：26-35.

[27]張鴻武，王珂英，殳蘊鈺.中國工業碳減排中的技術效應：1998—2013——基于直接測算法與指數分解法的比較分析[J].宏觀經濟研究，2016，37（12）：38-49.

[28]申蘋.中國二氧化碳排放、經濟增長、能源消費的聯動關系及其影響因素分析[D].大連：東北財經大學，2012：10-15.

[29]GOULDER L H， SCHNEIDER S H. Induced technological change and the attractiveness of CO2 abatement policies[J].Resource and energy economics，1999，21（3）：211-253.

[30]鄧細林.云南省能源CGE模型的節能政策研究[D].昆明：云南財經大學，2012：20-25.

[31]姚云飛，梁巧梅，魏一鳴.國際能源價格波動對中國邊際減排成本的影響：基于CEEPA模型的分析[J].中國軟科學，2012，33（2）：156-165.

[32]周銀香，呂徐瑩.中國碳減排的經濟規模、結構及技術效應——基于33個國家GVAR模型的實證分析[J].國際貿易探索，2017，33（8）：96-107.

[33]王為東，盧娜，張財經.空間溢出效應視角下低碳技術創新對氣候變化的響應[J].中國人口·資源與環境，2018，28（8）：22-30.

[34]李小平，王樹柏，郝路露.環境規制、科技創新與中國省際碳生產率變動[J].中國地質大學學報（社會科學版），2016，16（1）：44-54.

[35]馬歆，薛天天，WAQAS ALI.環境規制約束下區域創新對碳壓力水平的影響研究[J].管理學報，2019，16（1）：85-98.

[36]辛大楞.金融自由化、金融發展與收入不平等——基于新興市場經濟體國家的研究[M].北京：中國社會科學出版社，2018：30-32.

[37]來逢波，耿聰，王海萍.交通基礎設施投資對區域產業發展作用強度的差異性研究[J].東岳論叢，2018，39（10）：54-61.

[38]龔夢琪，劉海云，姜旭.中國低碳試點政策對外商直接投資的影響研究[J].中國人口·資源與環境，2019，29（6）：50-57.

[39]張騰飛，楊俊，盛鵬飛.城鎮化對中國碳排放的影響及作用渠道[J].中國人口·資源與環境，2016，26（2）：47-57.

[40]姚曄，夏炎，范英，等.基于空間比較路徑選擇模型的碳生產率區域差異性研究[J].中國管理科學，2018，26（7）：170-178.

[41]姜琪，丁啟軍. 金融發展、科技創新與地區經濟增長——基于山東省經濟增長數量和質量的對比分析[J]. 經濟與管理評論，2016（2）：145-153.

[42]OSTROM E. A general framework for analyzing sustainability of social-ecological systems[J]. Science， 2009， 325（5939）：419-422.

[43]鄧祥征，丹利，葉謙，等.碳排放和減碳的社會經濟代價研究進展與方法探究[J]. 地球信息科學學報，2018，20（4）： 405-413.

[44]張普偉，賈廣社，牟強，等.中國建筑業碳生產率的俱樂部收斂及成因[J].中國人口·資源與環境，2019，29（1）： 40-49.

[45]袁紅英.區域科技創新中心建設的理論與實踐探索[J]. 經濟管理與評論，2017（1）：134-140.

[46]王成新.結構解讀與中國轉型——中國城市化綜合思辨[M].北京：人民出版社，2017：10-16.

[47]DIETZ T. Drivers of human stress on the environment in the twenty-first century[J]. Annual review of environment & resources，2017，42（1）：189-213.

Research on the impact of global scientific and technological innovation on carbonproductivity and countermeasures

CHENG Yu1 SUN Yi-xuan1 WANG Xin-jing1 YIN Jian-zhong2

（1.College of Geography and Environment， Shandong Normal University， Jinan Shandong 250014， China;

2.Research Center for Sustainable Development of Shandong Province， Jinan Shandong 250014， China）

Abstract Scientific and technological innovation plays an important role in improving the scale， structure and allocation of input and output factors， and improving the marginal efficiency of input and output of production factors. The research took 118 countries as analysis samples and used Gini coefficient， Thiel index， spatial autocorrelation， panel data model and other methods to study the level of scientific and technological innovation， spatial evolution and spatial agglomeration characteristics of carbon productivity of global countries， and the impact of scientific and technological innovation on carbon productivity. The following conclusions were drawn： ①The global scientific and technological innovation index generally showed an upward trend of fluctuation， from 32.15 in 2009 to 37.59 in 2016， and Gini coefficient increased from 0.143 to 0.175. The regional differences of global scientific and technological innovation levels gradually expanded， with Morans I index rising from 0.228 to 0.270. The trend of scientific and technological innovation agglomeration was obvious and strengthened to some extent. ②The global carbon productivity was rising or fluctuating. The Gini coefficient of carbon productivity was between 0.278 and 0.301， and the regional difference of carbon productivity was narrowing， but the regional differences were still large. Morans I index increased from 0.047 to 0.077. The concentration of carbon productivity was weak but increased. ③From the perspective of overall sample estimation and taxonomic sample estimation， scientific and technological innovation played an important role in promoting carbon productivity. It mainly promoted the optimization of input-output structures through ideological penetration and popularization， technological integration and process optimization， and industrial and product innovation. It will increase efficiency in the use of resources and the environment. The per capita GDP and informatization index had a positive effect on carbon productivity. Proportion of the added value of the secondary industry in GDP， urbanization rate， and carbon productivity were significantly negatively related， and the relationship between FDI and carbon productivity was uncertain. ④The research put forward countermeasures from the aspects of constructing regional innovation system， including perfecting green science and technology innovation system， and establishing green science and technology innovation system， so as to further enhance the influence of scientific and technological innovation on carbon productivity. The research has reference value for enhancing global competitiveness in scientific and technological innovation， increasing carbon productivity and mitigating climate change.

Key words scientific and technological innovation; carbon productivity; impact factor; countermeasure and suggestion; global