技術進步能抑制中國二氧化碳排放嗎？
——基于面板分位數模型的實證研究

徐德義，馬瑞陽，朱永光

（中國地質大學（武漢）經濟管理學院，湖北武漢 430074）

1 問題的提出

以全球變暖為主要特征的氣候變化已經開始威脅到生態(tài)系統與人類健康［1］，各國政府正在積極推進節(jié)能減排政策來應對全球變暖帶來的挑戰(zhàn)。根據聯合國政府間氣候變化專門委員會（IPCC）的評估報告，人類活動導致大量化石能源消耗與CO2排放是全球變暖的主要原因［2］。為了控制CO2排放，國際社會先后簽訂了《聯合國氣候變化框架公約》《京都議定書》和《巴黎協定》。作為一個負責任的大國，中國相繼在“十一五”規(guī)劃、“十二五”規(guī)劃、“十三五”規(guī)劃中提出約束性的能源強度或碳排放強度控制指標。目前，中國是世界上CO2排放第一大國以及經濟體量最大的發(fā)展中國家［3］，研究、分析中國CO2排放量的趨勢特征、影響因素，探尋中國經濟低碳發(fā)展路徑成為亟待解決的現實問題。

中華人民共和國國務院在《“十三五”控制溫室氣體排放工作方案》中強調加強低碳科技創(chuàng)新，研發(fā)能源、工業(yè)、建筑、交通、農業(yè)、林業(yè)、海洋等重點領域經濟適用的低碳技術，加快推動低碳技術進步。已有研究證實，技術進步是實現中國節(jié)能減排的重要手段，低碳技術研發(fā)與創(chuàng)新是實現中國經濟低碳發(fā)展的重要途徑［4］。然而，Acemoglu等［5］認為技術進步存在一定的路徑依賴，企業(yè)擁有的技術既包括污染型技術又包括清潔型技術，技術進步可能增加CO2排放也可能減少CO2排放［6］。那么，何種類型的技術進步能夠有效抑制中國的CO2排放？中國地域遼闊，各省份的資源稟賦、所處發(fā)展階段和戰(zhàn)略地位等條件和狀況顯著不同，技術進步的碳減排效應在不同區(qū)域上存在著怎樣的差異？本文嘗試對上述問題作出回答，從區(qū)域差異視角理清不同類型技術進步與碳排放之間的復雜關系，以期為更好地制定中國區(qū)域間節(jié)能減排政策提供準確依據與經驗支持。

2 文獻綜述

導致CO2排放的社會經濟因素眾多且復雜，技術進步是應對氣候變化和碳減排的關鍵因素，因此，國內外眾多學者關注技術進步對碳排放的影響并且進行了深入研究，然而，不同學者關于技術進步與碳排放關系的研究結果存在著一定的差異，研究結論主要可以分為3類：第1類，技術進步能夠抑制CO2排放。如，李國志等［7］研究人口、經濟和技術3種因素對中國CO2排放影響時發(fā)現，技術進步在一定程度上緩解了CO2排放；Xu等［8］、Du等［9］以及Wu等［10］均得出相似的研究結論。第2類，技術進步會促進CO2排放。如，Wang等［11］研究廣東省的碳減排問題時以碳排放強度作為技術進步的替代變量，結果證實技術進步會促進廣東省的碳排放；相似的研究結論也在其他研究中得到［12］。第3類，技術進步與碳排放之間并不存在顯著的關系。如，李凱杰等［13］將全要素生產率作為技術進步的測量指標，運用向量誤差修正模型檢驗技術進步與中國碳排放的關系，結果表明短期內技術進步對碳減排沒有明顯作用；Wang等［14］以能源技術相關的專利存量作為技術進步的代理變量，發(fā)現技術進步與碳排放的關系在統計上不顯著。

在現有研究中，或以碳排放強度、全要素生產率、能源強度等不同的代理變量間接衡量技術進步，較少涉及不同類型技術進步對碳排放的異質性影響。Acemoglu等［5］研究認為技術進步的種類可分為污染型技術與清潔型技術。Li等［15］研究認為不同種類技術進步對碳排放的影響方式不同：一種是從源頭提高能源利用效率，指在生產或者生活中發(fā)展清潔能源，以及在生產過程中提高生產工藝，減少CO2排放；另一種指的是末端治理，利用污染處理設備對已經產生的CO2進行收集處理，減少排放到大氣中的CO2，例如碳捕集與存儲技術。因此，本文將以不同種類技術進步作為研究對象，探討不同種類技術進步的碳排放效應，嘗試理清技術進步對碳排放影響的復雜機制，以為碳減排的經濟政策制定提供實證依據。

考慮不同種類技術進步有助于理清技術進步影響碳排放的復雜機制，能夠避免“一刀切”的碳減排技術政策。已有少數學者考慮到不同種類技術進步對碳排放的影響，從研究方法來看，為數不多的研究可以分為兩類：第一類的研究方法為因素分解法，如羅良文等［16］基于環(huán)境效益分解模型，將碳排放變動的技術效應分解為環(huán)保技術效應、生產技術效應、混合技術效應、結構生產技術以及結構環(huán)保技術，研究認為大多數年份內環(huán)保技術效應在中國有利于工業(yè)碳排放水平的降低，結構生產技術效應對碳排放存在明顯促進作用；張偉等［17］利用因素分解模型研究發(fā)現，1995—2010年間中國30個省份能源使用和碳排放的技術因素對CO2減排效率和CO2減排效率的變化率有較強的正影響，現階段提高能源使用和碳排放的技術效率和技術水平是提升中國全要素碳減排效率的關鍵因素。第二類為計量經濟學模型，如鄢哲明等［18］使用面板固定效應模型，基于全球專利數據對比研究清潔技術創(chuàng)新與污染技術創(chuàng)新對碳強度的影響，實證結果得到清潔技術創(chuàng)新顯著抑制碳強度，污染技術創(chuàng)新存在促進作用，并且碳強度變化對后者更加敏感；張文彬等［19］基于動態(tài)面板模型研究異質性技術進步的碳減排效應，結果表明廣義技術進步和能源利用技術進步增加了碳排放，而環(huán)境技術進步和資本體現式技術進步有利于降低碳排放。

上述研究成果對本文深入研究不同技術進步的碳排放效應具有重要參考價值，本文在現有研究基礎上作出以下改進：首先，本文將從宏觀視角出發(fā)，考慮到化石能源利用效率、環(huán)境中CO2減排和廣義技術創(chuàng)新3個角度的技術進步，利用合理的變量表示3種技術進步；其次，部分學者在考慮技術進步與中國CO2排放之間關系時沒有考慮到區(qū)域差異，部分學者對中國按東、中、西部劃分為三大區(qū)域，而本文將根據各省份CO2排放量大小劃分不同區(qū)域；最終，大多數實證研究使用線性模型和普通最小二乘法來估計碳排放驅動因素的效應，采用這兩種方法一方面經濟變量之間存在的大量非線性關系會被忽略，另一方面普通最小二乘法只能反映自變量對因變量條件均值的影響大小，而本文將采用面板分位數模型進行實證分析，面板分位數模型不僅可以捕捉經濟變量之間的非線性關系，描述因變量條件分布的全貌，而且不需要隨機誤差項滿足經典假定例如零均值、同方差、正態(tài)分布等，當隨機誤差項不滿足經典假定時分位數回歸的系數估計值比普通最小二乘估計更加穩(wěn)健。

3 模型方法與數據來源

3.1 模型建立與變量選取

Ehrlich等［20］最早提出用以評估環(huán)境壓力的IPAT模型，目前該模型已被研究者們廣泛應用于研究環(huán)境污染的影響因素。IPAT模型的表達式為：

然而，許多學者指出傳統的IPAT模型存在著一些缺陷：首先，式（1）是數學上的恒等式，不允許統計上的參數估計及假設檢驗［21］；其次，模型假設這3個影響因素的彈性系數為1，但在實際情況中難以滿足［22］。在IPAT模型的基礎上，Dietz等［23］提出了STIRPAT模型，具體形式如下：

STIRPAT模型形式靈活并且多變，允許對每個因素進行適當地分解［23］，因此本文基于此模型對技術進步因素進行適當分解，研究不同類型技術進步對碳排放的影響。Li等［15］研究認為技術進步能通過兩種途徑來減少CO2排放：一種是提高化石能源利用效率，從生產活動源頭減少化石能源消耗，進而減少CO2排放；另一種是從末端減少CO2排放，末端減排主要依靠碳捕獲與儲蓄（CCS）技術。本文選取單位生產總值的化石能源消耗量表示能源使用技術進步，其值可以從源頭上反映化石能源利用效率，值越小說明單位產值所消耗化石能源越少，能源利用效率越高，反之能源利用效率越低［24-25］；同時，已有學者證實產業(yè)結構的變化能夠影響單位生產總值的能源消耗量，為了使單位生產總值的能源消耗量更好地表示能源使用的技術因素，在式（2）中加入產業(yè)結構變量作為控制變量，控制住產業(yè)結構變化的影響。CO2排放技術進步改善環(huán)境的途徑主要是利用污染處理設備或者技術，對已經產生的碳排放進行收集或處理，使排放量達到排放標準，減少污染物對環(huán)境的損害［26］。CO2排放技術進步代表技術進步的末端減排效應，用單位化石能源消耗的碳排放量表示，其主要包括處理已產生CO2的技術水平與能源消耗結構變化對CO2排放量的影響，本文認為能源消耗結構的變化在時間上變化緩慢，因此在式（2）中加入能源消耗結構變量控制住能源結構變化對碳排放量的影響。為了更好地比較研究，本文還考慮廣義型技術進步，其包含各種形式知識的積累與技術改進，用各省份專利申請授權數表示。此外，本文從中國實際情況考慮，在式（2）中加入城鎮(zhèn)化水平作為控制變量，因為各省份正在經歷快速城鎮(zhèn)化，城市人口的激增導致城市房地產和交通基礎設施快速發(fā)展，城市基礎設施建設導致鋼鐵、水泥的大量生產從而增加化石能源消耗并且造成大量CO2排放。為了消除變量可能存在的異方差的影響，本文將所有變量進行取對數處理，研究樣本為中國30個省、自治區(qū)、直轄市（未含西藏和港澳臺地區(qū)）的面板數據。為了更加直觀地顯示模型各變量，具體的模型形式如下：

為了研究不同分位點處各影響因素對碳排放影響的異質性，本文采用面板分位數模型。Koneker［27］首次提出面板分位數回歸模型，通過面板分位數回歸模型不僅能夠揭示因變量條件分布的全貌，而且不對殘差項進行嚴格假定，估計結果也不易受極值點的影響?；谑剑?）確定的具體變量，利用面板分位數模型，式（3）可變形為：

3.2 數據來源與描述統計

由于中國尚未公布各省份CO2排放量的直接監(jiān)測數據，本文按照2006年IPCC給出的碳排放系數和各省份主要消耗的9種化石能源，包括煤炭、焦炭、汽油、煤油、柴油、燃料油、液化石油氣、天然氣、煉廠干氣，估算出各省份化石能源消耗總量以及CO2排放量。9種化石能源消耗量的原始數據來源于《中國能源統計年鑒》，其他種類化石能源消耗量很小，所以本文在估算碳排放量過程中不予考慮。鑒于數據的一致性，以30個省份2001—2017年的面板數據作為研究樣本。人均GDP、總人口、城鎮(zhèn)化率、第二產業(yè)占比的數據來源于《中國統計年鑒》，專利申請授權數來源于《中國科技統計年鑒》。相關變量說明及其描述性統計如表1所示。

表1 變量說明及樣本數據的描述統計結果

4 實證研究結果

4.1 區(qū)域劃分

從實際情況考慮，中國地域廣闊，各省份之間經濟發(fā)展水平、資源稟賦、能源消耗結構等因素存在著顯著差異，如果不考慮區(qū)域差異，全部照搬一個模式，則很難實現各區(qū)域最優(yōu)的減排路徑、達到節(jié)能減排目標。本文按照2001—2017年30個省份的年平均CO2排放由小到大的順序，繪制出樣本地區(qū)2001、2017年以及2001—2017年的年平均CO2排放量曲線圖（見圖1），可得年均碳排放最大的省份（山東）與最小的省份（海南）都是中國東部地區(qū)，并且西部內蒙古的CO2排放量要大于大部分東部與中部省份，因此東、中、西部區(qū)域劃分標準可能并不適合對各省份CO2排放量進行區(qū)域分析。從圖1可以看出，年平均CO2排放量基本能夠反映各省份2001—2017年碳排放量大小的變化特征，因此本文將從年均碳排放量的大小考慮，考察5個有代表性的分位點（0.10、0.25、0.50、0.75、0.90），將30個省份分為6個組（見表2）。由圖1可知，不同省份的CO2排放量大小存在著明顯差異，說明本文采用面板分位數模型是合理并且適用的。

圖1 樣本地區(qū)CO2排放量比較

表2 樣本地區(qū)基于CO2排放量的區(qū)域分組

4.2 面板單位根檢驗

大多數經濟變量的序列都是非平穩(wěn)的，使用非平穩(wěn)序列進行回歸分析可能會導致偽回歸問題，所以在采用面板分位數模型估計之前，很有必要對變量進行平穩(wěn)性檢驗。面板單位根檢驗主要有兩大類檢驗方法：第一類檢驗方法假設不同截面存在相同的單位根，例如LLC（Levin-Lin-Chu）檢驗、Breitung檢驗和Hadri檢驗；第二類檢驗方法假設不同截面之間存在不同的單位根，主要包括IPS（Im-Pesaran-Skin）檢驗、Fisher-ADF檢驗和Fisher-PP檢驗，并且允許一階自回歸系數在不同的截面單元可以不同。從實際情況考慮，中國各省份之間經濟發(fā)展水平、人口規(guī)模、技術進步、資源稟賦等因素都存在著顯著的異質性，與第一類檢驗方法相比，第二類單位根檢驗方法與客觀事實更加符合，因此，本文應用IPS、Fisher-ADF和Fisher-PP檢驗對變量進行單位根檢驗。通過單位根檢驗結果可以得到（見表3），大部分序列在0.1的水平下沒有通過顯著性檢驗，說明這些序列是非平穩(wěn)的。為了得到平穩(wěn)序列，通常做法是將不平穩(wěn)序列進行差分處理，然而，差分序列不再具有原序列的經濟學含義，模型的估計系數也難以解釋。Engle等［28］提出協整理論，即使回歸模型中包含非平穩(wěn)序列，只要模型殘差是平穩(wěn)的，那么變量之間也存在著長期均衡關系。本文所建立的模型都通過了面板協整Pedroni檢驗，說明變量之間存在著長期協整關系，可以建立面板分位數模型（限于篇幅，本文內未具體給出）。

表3 樣本數據單位根檢驗結果

4.3 分位數回歸結果

面板分位數模型可以估計出每一個分位點相對應的回歸方程，系數估計結果能夠揭示不同CO2排放水平上解釋變量對被解釋變量的邊際影響。本文選取5個有代表性的分位點（0.10、0.25、0.50、0.75、0.90）分別估計能源使用技術進步（T1）、CO2排放技術進步（T2）、廣義型技術進步（T3）的模型結果，估計結果分別見表4、表5、表6所示，其最后一列同時列出OLS的估計結果。同時，為了更加全面分析不同分位點處技術進步對碳排放的影響，本文估計0.01～0.99之間99個分位點的模型結果，繪制T1、T2、T3系數大小隨著分位點τ變化的曲線圖，分別見圖2、圖3、圖4所示（限于篇幅，其他解釋變量的系數大小隨分位數τ變化的曲線圖沒有給出）。

4.3.1 能源使用技術進步

表4結果表示，在10%的顯著性水平下，大多數解釋變量的系數估計值都通過了顯著性檢驗。其中，能源使用技術進步在5個分位點處以及OLS估計的系數全部為正，并在1%的顯著性水平下顯著。能源使用技術進步的值越小，說明能源利用效率越高、技術水平越高［24-25］，系數顯著為正，說明提高能源利用效率能夠抑制CO2排放。Berkhout等［29］的研究證實提高能源效率對能源消費的影響包括兩個方面：一方面，能源利用效率的提高，相同單位產出消耗化石能源總量變少，能夠從源頭上減少化石能源消耗；另一方面，能源利用效率提高，會降低企業(yè)產品的單位生產成本與價格，導致產品需求和消費增加，引起更多的化石能源消耗，產生所謂的能源回彈效應。樣本地區(qū)的能源技術進步通過在源頭影響能源消耗量，進而影響CO2排放量的大小，系數估計值為正，表明導致碳排放量減小的技術效應大于能源回彈效應引致碳排放量的增加值，凈效應為技術水平提高會降低CO2排放。

表4 樣本地區(qū)能源使用技術進步的模型估計結果

由圖2可知，系數估計值隨著分位數τ變化的曲線始終在0的上方，并且95%的置信區(qū)間沒有與0相交，進一步說明在其他分位點處能源使用技術進步的估計系數也顯著為正，系數大小隨著分位數τ呈“U”型結構，即樣本地區(qū)能源使用技術進步的碳減排效應大小隨著CO2排放水平提升表現先下降后上升的趨勢。

圖2 樣本地區(qū)能源使用技術進步的系數折線

4.3.2 CO2排放技術進步

由表5可知，CO2排放技術進步的估計系數全部為正，但在0.10的分位點上不顯著，其他系數在10%的顯著水平下全部顯著，說明除了0.10分位點，在其他分位點處CO2排放技術進步能夠抑制CO2排放。

表5 樣本地區(qū)CO2排放技術進步的模型估計結果

圖3結果顯示，大約在0.25分位點之前，T2估計系數的95%置信區(qū)間包括0，表明在τ＜0.25時估計系數沒有通過顯著性檢驗，而在τ＞0.25時系數估計值顯著為正并且變化幅度很小，這說明CO2排放技術進步對碳排放的影響存在著門檻效應，即只有在碳排放量達到一定程度的省份，CO2排放技術進步才會起到明顯抑制CO2排放的作用。本文認為τ＜0.25對應省份碳排放量小，當地政府對碳減排問題關注不夠，沒有足夠動力督促當地企業(yè)進行低碳技術創(chuàng)新，對排放到大氣中的CO2沒有進行相應處理，因此無法顯現出CO2排放技術進步的碳減排效應。以碳排放量最小的2個省份（海南、青海）為例，根據環(huán)保部可得數據顯示，2007年與2009年青海省作為中國創(chuàng)建綠色社區(qū)數量最少的省份，分別創(chuàng)建了綠色社區(qū)3個和15個，海南省在2007年與2009年分別創(chuàng)建綠色社區(qū)15個和10個，均遠遠低于全國平均標準的273個與238個。根據《中國綠色專利統計報告（2014—2017年）》顯示，2017年青海省、海南省是樣本地區(qū)中綠色專利申請量最少的兩個地區(qū)，分別為80件、87件。通過上述分析可知，CO2排放量較少的省份對碳排放問題關注度不夠，相應低碳技術創(chuàng)新投入不足導致CO2排放技術進步無法發(fā)揮其碳減排效應。

圖3 樣本地區(qū)CO2排放技術進步的系數估計

4.3.3 廣義型技術進步

由表6可得，廣義型技術進步的系數估計值在5個分位點的系數估計值全部為負數，但在10%顯著性水平下，沒有通過顯著性檢驗；圖4中，系數估計值的曲線圖位于0的下方，95%的置信區(qū)間幾乎全部都包括0。這說明在樣本地區(qū)中廣義型技術進步并沒有起到明顯抑制CO2排放的作用，提高廣義型技術進步水平并不能有效減少CO2排放。本文認為該結果與各省份高消耗、高污染、高排放的粗放型經濟發(fā)展方式有關。經濟生產中大多數技術可以被貼上清潔或污染的標簽［5］，廣義型技術進步包含各種形式知識的積累與技術改進，既包括以提高生產力為主卻會污染環(huán)境的污染技術，例如內燃機與機動車的發(fā)明，又包括可再生能源技術或碳捕獲與封存等清潔技術，因此，與能源使用技術進步類似，廣義型技術進步對CO2排放也存在著兩方面的效應：第一，廣義型技術進步不是“綠色偏向”的，而是朝著提高生產效率和擴大生產規(guī)模的方向進行［30］，導致CO2排放增加，稱之為規(guī)模效應；第二，廣義型技術進步會促進低碳技術與清潔生產技術的產生，從而減少CO2排放，稱之為技術效應［19］。由本文實證結果可知，樣本地區(qū)的技術效應尚未充分發(fā)揮，目前各省份在提高廣義型技術進步水平時首要考慮的是如何促進生產率發(fā)展經濟規(guī)模，導致化石能源大量消耗、二氧化碳排放增加，忽視了節(jié)能減排問題，所以廣義型技術進步并沒有表現出明顯抑制樣本地區(qū)排放的效應。

表6 樣本地區(qū)廣義型技術進步的模型估計結果

圖4 樣本地區(qū)廣義型技術進步的系數估計分布

4.3.4 整體分析

將3種技術進步對比來看，能源使用技術進步、CO2排放技術進步具有抑制CO2排放的作用，而廣義型技術進步未表現出顯著的碳減排作用。從系數估計值的大小來看，CO2排放技術進步的系數遠大于能源使用技術進步的系數，說明CO2排放技術進步是改善中國環(huán)境質量、減少碳排放的重要手段；圖2、圖3結果顯示，能源使用技術進步與CO2排放技術進步在τ＞0.90的省份（江蘇、河北、山東）碳減排效應都是最大的，這可能與各省份教育投入有關，因為人力資本是技術進步的源泉，特別是高等教育是所有技術進步的重要來源［8］。根據教育部、國家統計局所收集到的數據，2003—2017年江蘇、河北、山東3省年平均預計本科畢業(yè)人數為225 981人，比樣本區(qū)域中其他5組內各地區(qū)的本科畢業(yè)人數都要多，τ＜0.10的省份為63 532人，τ為0.10～0.25的省份為68 711人，τ為0.25～0.50的省份為99 992人，τ為0.50～0.75的省份為143 319人，τ為0.75～0.90的省份為138 443人。由此可見，τ＞0.90的省份在高等教育方面投入最多，人力資本投入最大，導致當地人們節(jié)能環(huán)保意識更強，高校在清潔能源技術、低碳技術等研發(fā)與技術投入也會隨之增多，進而導致技術進步抑制CO2排放的作用要強于其他省份。

5 結論和政策建議

研究不同類型技術進步對中國區(qū)域碳排放的影響，有利于為區(qū)域節(jié)能減排政策的合理制定提供準確依據。本文以中國30個省、自治區(qū)、直轄市2001—2017年的面板數據為研究樣本，從宏觀層面考慮能源使用技術進步、CO2排放技術進步、廣義型技術進步，利用面板分位數模型研究3種技術進步對區(qū)域碳排放影響的差異性，實證結果表明：能源使用進步對CO2排放具有雙重效應，抑制碳排放的技術效應要強于促進碳排放的能源回彈效應，凈效應為抑制CO2排放，凈效應大小與CO2排放水平之間呈現“U”型結構，在τ＜0.10與τ＞0.90對應省份的減排效應要強于τ為0.50～0.75和τ為0.75～0.90對應省份；CO2排放技術進步的碳減排效應最強，但是其對CO2排放的影響存在著門檻效應，只有在τ＞0.25的省份才會發(fā)揮減排作用；廣義型技術進步并沒有表現出顯著抑制CO2排放的作用；能源使用技術與CO2排放技術進步在τ＞0.90對應省份（江蘇、山東、河北）的減排效果都要強于其他省份。

上述研究結果對中國節(jié)能減排技術政策的制定具有如下啟示：第一，通過提高技術水平來實現CO2減排目標時應考慮技術進步的類別，避免“一刀切”的政策。目前來說，能源使用技術進步與CO2排放技術進步能夠有效抑制中國的CO2排放，應該將其作為抑制碳排放的重要手段，政府加大相關領域的資金投入，提高技術水平，通過技術進步帶動CO2減排。第二，海南、青海等碳排放量小的省份也應該重視節(jié)能減排問題。目前，碳排放量小的省份并不意味著以后碳排放量也少，在工業(yè)化、城鎮(zhèn)化的進程中，海南、青海等省份也可能成為碳排放量的大省，這些省份也應該重視環(huán)境保護、經濟綠色低碳發(fā)展等問題，決不能走“先污染、后治理”的老路，提高綠色低碳技術相關領域的研發(fā)支出，發(fā)揮CO2排放技術進步的碳減排效應。第三，制定節(jié)能減排政策時要充分發(fā)揮CO2排放技術進步的碳減排效應。CO2排放技術進步的減排效應在3種技術進步中最強，要重視相關領域的研發(fā)投入，例如碳捕獲與采集技術。第四，需要繼續(xù)加大高等教育投入與人力資本投資，通過人力資本投資帶動CO2減排。人力資本是所有技術進步的重要來源，技術進步的碳減排效應在教育投資高的省份會更強，加大教育投入將提高國民素質，節(jié)能環(huán)保意識也會隨之提高，高校在低碳技術與節(jié)能技術領域的科研產出也會隨之增多，進而會促進CO2減排。