技術進步對CO2排放的庫茲涅茨效應分析

向其鳳 武壯

摘要：文章以STIRPAT模型為理論基礎，使用1995～2019年中國30個省、市、自治區（香港、澳門、臺灣和西藏數據缺失）的面板數據分析技術進步對CO2排放的影響。實證結果表明，技術進步與人均CO2排放之間不存在庫茲涅茨效應，而是顯現U型關系，這主要由技術進步的類型、技術進步的構成和人口因素導致。最后，提出了相應的對策建議。

關鍵詞：技術進步;CO2排放;面板回歸

一、引言

全球的氣候學家普遍認為全球氣候正在變暖，且主要原因來自于人類活動。解決全球氣候變暖的主要措施是降低大氣中的溫室氣體排放，其中最主要的是減少CO2的排放量。據國際能源署公布的數據，中國在2006年燃料燃燒產生的二氧化碳排放量已經超過美國，成為全球排放量最大的國家。在《中共中央關于制定國民經濟和社會發展第十四個五年規劃和二○三五年遠景目標的建議》中，我國提出，將在2035年廣泛形成綠色生產生活方式，碳排放達峰后穩中有降，生態環境根本好轉，美麗中國建設目標基本實現。在中國經濟由高速增長轉換為高質量增長的關鍵轉變期，低碳經濟已經成為中國經濟發展的基本遵循和最佳發展模式，降低CO2排放水平的主要措施之一就是推動技術進步和技術革新。

目前關于技術進步對于CO2排放的影響方式主要分為三類。一部分學者認為，技術進步會使得企業能源消耗量增多，從而增加碳排放。主要表現為兩個方面：一個方面，技術的進步使得企業管理水平得到提升，不僅擴大了已有企業的規模，同時也將吸引更多新企業進入市場，使得整個產業規模不斷擴大，從而造成了更多的能源消耗量。另一方面，一些企業為追求自身的經濟效益，不惜發展骯臟的新技術（Acemoglu等，2009）來提高產出、降低成本，由此，也會造成過度的能源消耗和CO2排放。陳亮等（2020年）研究發現，總體上的技術進步對碳減排不一定有效，需要更加注重綠色技術進步。另一部分學者認為，技術進步可以通過提高能源利用效率的方法，減少CO2的排放。即通過能源利用效率技術的提升、產業結構的優化等方法減少能源消耗需求，促使減排。李凱杰等（2012年）運用向量誤差修正模型說明了技術進步和碳排放的長期均衡關系，說明在長期內技術進步對碳排放有抑制作用。James B. Ang（2009年）通過研究中國半個多世紀的二氧化碳排放量和相關指標發現，技術轉化和經濟總體對別國技術的吸收能力對二氧化碳排放具有顯著影響，且方向為負。還有一部分學者認為技術進步對碳排放的影響可能是存在庫茲涅茨曲線特征的。Selden and Song（1994）、Galeottia and Lanza（2005）認為二氧化碳存在庫茲涅茨曲線。林伯強等（2009）通過研究發現中國存在理論上的庫茲涅茨曲線，且拐點在2020年出現，但實證預測表明，拐點到2040年還沒有出現，這主要是因為除了人均收入外，能源強度、產業結構等也對二氧化碳排放有顯著影響。許廣月等（2010）將中國分為東部、中部和西部地區進行研究，研究發現中國及其東部地區和中部地區存在人均碳排放環境庫茲涅茨曲線，但是西部地區不存在該曲線。目前關于碳排放的庫茲涅茨曲線多集中于研究碳排放和人均收入（人均GDP）之間的關系，而技術進步對于CO2排放的庫茲涅茨效應分析較少。

通過對比不難發現，這些研究結論的差異主要是由于各位學者研究的時間區間、地域等因素不同導致的。如果將對全國CO2排放的研究時間拓展至2019年，那么在經濟新常態下，技術進步對CO2排放是否呈現出典型的庫茲涅茨效應呢？如果已經呈現庫茲涅茨效應，那么峰值在何時達到？如果未呈現庫茲涅茨關系，那么主要原因是什么？

二、理論模型

本文模型構建的基礎是Dietz和Rosa（1997）的STIRPAT模型，模型表達式如下所示：

I=aPbAcTdμ（1）

其中，I表示環境指標，P表示人口指標，A代表社會財富指標，T表示技術發展指標，a、b、c、d均為常數，μ表示隨機誤差項。為方便模型的估計，通常將模型寫為如下形式：

lnI=lna+blnP+clnA+dlnT+lnμ （2）

b、c、d表示三種驅動因素對環境的影響彈性，即這三種影響因素分別變動1%時，環境指標的變化幅度。該模型僅考慮了這三個驅動因素對環境的單向影響，而沒有考慮不同驅動因素的具體特征。考慮到技術進步對于碳排放的雙重影響效應，將模型變化為如下所示的含技術進步二次項的回歸模型：

lnI=lna+blnP+clnA+dT+eT2+u（3）

這里，為了方便解釋技術進步對環境影響的二次曲線關系，技術進步變量不再取對數，為隨機項。

三、變量選擇與實證方法

（一）變量選擇

1. 人均CO2排放量

碳排放指在一定時期某一區域CO2和其他溫室氣體的排放，CO2是最主要的溫室氣體。衡量CO2排放的指標有CO2排放強度、人均CO2排放量、累積CO2排放量，人均單位GDP的CO2排放量等指標。為建模方便，本文選擇從人口角度考慮的人均CO2排放量作為CO2排放的衡量指標。

關于CO2排放量的測算，目前的學者較多采用IPCC方法，即根據不同品種能源消費量和CO2排放因子計算總排放量的方法，計算公式如下：

CO2=■Ei×LCVi×CECi×COFi×■（4）

CO2表示地區二氧化碳排放總量，Ei表示折標準煤消費量，LEVi表示單位發熱量，CECi表示單位熱值含碳量COFi，表示碳氧化率，44/12是CO2和C的分子量比率。根據式（4）計算出CO2排放量以后，除以當年年末常住人口數可得人均CO2排放量。為計算方便，本文選擇主要的八種一次能源計算排放總量，各種能源的排放指標如表1所示。各省份的能源消費數據來源于國家統計局網站和歷年的《中國能源統計年鑒》。

2. 技術進步

技術進步是影響地區CO2排放的重要因素。技術進步可以從投入、產出和TFP三個角度進行衡量。從投入角度，以R&D投入等作為衡量指標;從產出角度，以專利申請數等作為衡量指標。TFP從績效角度出發，測量將生產投入轉換為生產產出的效率，但是效率值的測算多為相對指標，對于面板數據的構造和面板模型的估計會產生不良影響，因此本文將國內專利授權量作為技術進步的表征指標，數據來源于國家統計局網站和《中國統計年鑒》。

3. 控制變量

根據STIRPAT模型，本文還將人均GDP作為財富指標引入模型，由于使用的CO2排放指標為人均指標，實際上已經除去了人口密度因素，因此不再引入人口的相關指標作為解釋變量。另外，根據之前的相關研究，我們選擇FDI、產業結構（第二產業與第三產業比重）、城鎮化率（城市戶口人數占比）作為控制變量加入模型（譚飛燕等，2010年;原嫄等，2016年;張騰飛等，2016年），數據來源于國家統計局網站和《中國統計年鑒》。

（二）實證方法選擇

本文模型構建的基礎是STIRPAT模型，模型表達式經過改進后如式（3）所示，加入控制變量以后得到模型如式（5）所示。

lnCO2=β0+β1Teh+β2Teh2+β3Str+β4Urban+β5lnFDI（5）

這里，CO2表示人均二氧化碳排放量，Teh表示地區的技術進步水平，Str表示地區產業結構，Urban表示城鎮化水平，FDI表示外商直接投資，PGDP表示人均生產總值。面板數據同時包含時間和截面兩個維度，因此其具有信息量大、變化性多等特點，相比于一般的截面數據，可以更好地識別模型和降低偏差。本文的研究對象為30個省級區域，利用面板模型可以體現不同省份之間的差別和共性，因此本文擬建立面板回歸模型。

四、實證分析

根據式（4）計算得到我國的人均CO2排放量及其增長率作圖如圖1所示。

從圖1可以看到，人均CO2排放量在1995～2018年期間總體呈現明顯增長趨勢，從1995年的2.89噸/人增長至2018年的8.67噸/人。其中，1995～2001年為人均CO2排放低水平穩定期，2002～2013年期間為人均CO2排放急速增長期，2014～2018年為人均CO2排放高水平穩定期。從增長率來看，在2014年以前，除了1998年外的其他年份增長率均為正值，在2004年達到了最高增長率16.56。在2014年以后，人均CO2增長率開始變為負值，但是變化極小，且在2017年和2018年重新出現遞增之勢。2014年以后中國經濟進入“新常態”， GDP由高速增長轉換為中高速增長，中國的“供給側”改革、生態環保等一系列相關政策的實施抑制了CO2排放。EKC曲線表明，環境污染程度會隨著經濟水平的增長呈現先加重后減緩的倒U趨勢。全國人均CO2排放量出現了先顯著增加后略微下降的非線性趨勢，與EKC曲線不同的是，2017年和2018年人均CO2排放量又重新出現了上漲趨勢。

根據上文STIRPAT模型分析，人口指標和社會財富指標對環境的影響具有一定的穩定性和單一性，而技術進步對于環境影響則具有多重影響效應，為探索技術進步是否對人均CO2排放存在庫茲涅茨效應，本文擬利用1995～2019年我國30個省、市、自治區（西藏、香港、澳門和臺灣地區數據缺失）的相關數據建立面板回歸模型。本文首先分別建立了混合回歸模型、變截距回歸模型和變系數回歸模型，通過F檢驗得到結論應當建立變截距回歸模型。通過Hausman檢驗，得到的檢驗統計量值為21.95，相伴概率值為0.0012，小于顯著性水平0.05，拒絕建立隨機效應模型，認為應當建立固定效應模型。綜上所述，本文擬建立變截距固定效應模型，估計結果如式（6）所示。模型整體的F檢驗統計量為691.13，通過模型整體的顯著性檢驗。模型中各解釋變量t值也均在0.05的顯著性下拒絕參數為0的原假設，認為各解釋變量對CO2排放影響顯著。

lnCO2=-3.5781-0.0317Teh+0.0005Teh2

-0.0282lnFDI（6）

從模型結果來看，技術進步對人均CO2排放呈現U型影響，而不是典型的EKC曲線的倒U形。這與郭慶賓等（2020年）的研究結論較為一致，技術進步對CO2排放回彈效應顯著，且呈不斷上升趨勢。在初期，人均CO2排放量隨著技術的進步而不斷減少，在達到一定限度以后，人均CO2排放出現反彈，反而隨著技術進步的提升不斷增加。

五、結論和政策建議

（一）結論

1. 技術進步對人均CO2排放回彈效應顯著，呈現U形影響，不存在庫茲涅茨效應。主要由以下三點原因造成：一是技術進步的類型。在技術進步的初期，技術進步主要體現在資源整合、管理水平提升等方面，效率的提升使得在達到原有產出水平的同等條件下，會產生較少的人均CO2排放量。而在技術進步的后期，為了進一步實現經濟高速增長，技術進步中“骯臟的技術”弊端顯露，這部分技術通過犧牲環境來實現經濟增長，造成更多的CO2排放。二是技術進步的構成。技術進步可以分為自主研發技術和引進技術兩部分，引進技術中包含相當一部分發達國家轉移或淘汰的高污染技術，使得人均CO2排放量增加。三是技術進步與人口的關系。當產品創新的速度相對較快時，人口增長率逐漸下降（豆建春等，2015），擁有較高技術水平的地區往往伴隨著較低的生育率。兩者的反向變動關系，也是呈現U形關系的一個重要因素。

2. 產業結構、城鎮化水平、外資水平和財富水平對人均CO2排放具有顯著影響。人均CO2排放量隨著第二產業相對于第三產業比例的提升而增加。第二產業為高能耗部門，其比重的提升勢必會造成更多的能源消耗，從而使得CO2排放量增加。人均CO2排放量會隨著城鎮化率的提升而增加。城鎮化率的表現為農村居民轉換為城市居民，人均消費水平將顯著提高，人們對于住房取暖等基礎設施的需求增加，會造成更多的CO2排放。雖然人口的聚集在一定程度上可以提高資源的利用效率，但是由于我國人口基數大，從全國來看，人口聚集產生的節能效應并不明顯。國外直接投資對人均CO2排放量的效應為負，這主要是通過技術溢出實現的，但是影響強度并不高，國外直接投資每提高1%，人均二氧化碳排放量平均下降0.0282%。人均GDP作為人民財富水平的表征變量，每提高1%，人均二氧化碳排放量平均提高0.4601%，經濟水平的提高需要更高的能源投入，會造成更多的CO2排放。

（二）政策建議

1. 技術進步對人均CO2排放并不存在庫茲涅茨效應，而是呈現U形曲線。為了抑制回彈效應，促進技術進步的CO2減排作用，首先，需要加大低碳綠色技術的研發強度。我國各地區的技術水平雖然在不斷提升，但是清潔技術的比重不足。現階段，擁有清潔技術的企業生產面臨更高的成本投入，應給予這些企業相應的政策支持和資金扶持。其次，不能過多依靠引進技術，要加強自主技術的研發。目前，引進的技術較多集中在加工業和制造業行業，這些技術為降低成本提高收益多是高能耗高污染的，因此應加強相關方面的自主技術研發，注重效益和低碳的同步發展。最后，在推動經濟和可以發展的同時，需要并重相應的人才人口政策。

2. 優化產業結構，提高第三產業比重。中國工業具有高能耗和高排放的顯著特征，在工業生產過程中，要根據供給側改革的內容，縮小鋼鐵、煤炭、水泥、玻璃等產能過剩產業的生產規模，加快推進科技體制改革，促進高技術含量、高附加值產業的發展，加快生態文明體制改革，為綠色低碳產業發展提供動力。

3. 堅持改革開放，提高外資質量。當前我國外商直接投資的主要方向在于加工業和制造業等高污染高排放產業方向，因此在引進外商投資的過程中，需要篩選出綠色外資和先進外資。在外資引進過程中，要將環保因素和技術水平因素納入考慮范圍之內，對于優質企業給予政策支持。除此以外，注意提升外資的技術溢出效應，加強本土企業與外資企業的交流合作。

參考文獻：

[1]Ang， James B. CO2 Emissions， Research and Technology Transfer in China[J].Ecological Economics，2009，68（10）：2658-2665.

[2]Daron Acemoglu， Philippe Aghion， Leonardo Bursztyn and David Hemous. The Environment and Directed Technical Change[J].NBER Working Paper，2009，5451.

[3]Dietz T， Rosa E A. Effects of population and affluence on CO2 emissions [J]. Proceedings of the National Academy of Sciences，1997，94（01）：175-179.

[4]Galeottia， M. and Lanza， A. Desperately Seeking Environmental Kuznets[J]. Environmental Modeling & Software，2005（20）：1379-1388.

[5]Selden， T. and Song， D. Environmental Quality and Development： Is There a Kuznets Curve for Air Pollution Emissions？[J].Journal of Environmental Economics and Management，1994（27）：147-162.

[6]陳亮，胡文濤.金融發展、技術進步與碳排放的協同效應研究——基于2005～2017年中國30個省域碳排放的VAR分析[J].學習與探索，2020（06）：117-124.

[7]豆建春，馮濤，楊建飛.技術創新、人口增長和中國歷史上的經濟增長[J].世界經濟，2015，38（07）：143-164.

[8]李凱杰，曲如曉.技術進步對中國碳排放的影響——基于向量誤差修正模型的實證研究[J].中國軟科學，2012（06）：51-58.

[9]郭慶賓，駱康，楊婉蓉.基于技術進步的長江經濟帶碳排放回彈效應測度[J].統計與決策，2020，36（19）：115-117.

[10]林伯強，蔣竺均.中國二氧化碳的環境庫茲涅茨曲線預測及影響因素分析[J].管理世界，2009（04）：27-36.

[11]譚飛燕，羅雙臨.低碳經濟背景下國際清潔技術投資趨勢與一般適用模型分析[J].現代經濟探討，2010（05）：74-78.

[12]許廣月，宋德勇.中國碳排放環境庫茲涅茨曲線的實證研究——基于省域面板數據[J].中國工業經濟，2010（05）：37-47.

[13]原嫄，李國平.產業內部結構升級對碳排放的影響——基于OECD主要成員國面板數據的實證分析[J].氣候變化研究進展，2016，12（04）：332-340.

[14]張騰飛.城鎮化對中國碳排放效率的影響[D].重慶：重慶大學，2016.

（作者單位：向其鳳，云南財經大學統計與數學學院;武壯，首都經濟貿易大學統計學院）