科技創新對低碳經濟的影響研究
——基于省際面板數據的實證分析

牛寶春，崔光蓮，張喜玲

（1.新疆財經大學 金融學院，新疆 烏魯木齊 830012；2.新疆財經大學，新疆 烏魯木齊 830012）

一、引言

隨著碳排放的急劇增加，全球氣候災害頻發，中國對低碳經濟的重視程度不斷提高，2021 年7 月全國性碳排放權交易市場正式啟動，充分體現了國家對綠色轉型的重視。目前，中國經濟發展已進入新常態，經濟發展的數量與速度已經不是經濟發展的重點，未來低碳經濟有可能成為衡量各地區經濟發展的主要指標之一；另外，中國經濟發展的主要驅動力正在由要素驅動向創新驅動轉變。因此，研究科技創新對低碳經濟的影響具有較強的理論意義與現實價值。

雖然現有研究表明，科技創新不僅可以實現產出增長，而且可以起到減少碳排放的作用，但是直接考察科技創新對低碳經濟影響的文獻卻相對較少。例如，有關經濟增長的研究大都表明，科技創新會對經濟增長產生積極影響，應該將創新要素與其他要素相結合，促進全要素生產率的提升，進而刺激經濟增長水平提高[1，2]。另外，基于碳排放的研究顯示，科技創新可以促進節能減排，降低碳排放強度，應該通過技術進步降低二氧化碳排放[3-5]。但是，科技創新如何影響低碳經濟呢？目前，較少有學者直接對此展開研究。因此，有必要將經濟增長與碳排放結合起來，通過構建低碳經濟指標進行深入研究。

另外，盡管很多學者考察了科技創新對經濟增長或碳排放影響的區域差異，但是，這些研究主要是從東、中、西部地區的比較視角進行分析，較少基于南、北方地區視角比較。由于氣候、產業結構及政策環境等因素的影響，南、北方兩地的經濟增長，尤其是碳排放狀況差異很大，因此，有必要基于南、北方地區比較視角研究科技創新對低碳經濟的異質性影響。除此之外，有關科技創新對經濟增長或碳排放影響的研究主要從靜態視角進行分析，較少關注隨著低碳經濟的發展，二者間的動態變化趨勢。同時，科技創新還具有明顯的外溢效應。因此，有必要研究其他地區科技創新對本地區低碳經濟發展的影響。

綜上所述，文章基于1998—2019 年中國30 個省份的面板數據進行實證分析，首先進行基準模型估計；然后，采用分樣本模型估計考察南、北方地區差異，并采用面板分位數模型研究，隨著低碳經濟的發展，科技創新對低碳經濟影響的動態變化趨勢；最后，文章還將利用空間面板模型，探討其他地區科技創新對本地區低碳經濟的影響。

二、文獻綜述

1.科技創新對經濟增長的相關研究概述

有關經濟增長理論的眾多研究均表明，科技創新對經濟增長水平的提高起著至關重要的作用。一方面，新古典經濟增長理論認為，雖然資本和勞動決定經濟增長的主要內生變量，但技術進步也是重要的外生變量。其中，基于廣東省相關數據的研究表明，除了資本等要素作用外，全要素生產率對經濟增長的貢獻不斷上升[6]；另外，劉納新(2013)基于湖南省相關數據，采用時間序列模型分析了專利申請數與GDP 之間聯動性，研究結果也表明，科技創新與經濟增長之間存在著正相關關系[1]。但是，新古典經濟增長理論沒有試圖解釋技術進步，這為后續的新經濟增長理論的研究提供契機。另一方面，內生經濟增長理論強調科技創新是經濟增長關鍵動力之一。Romer(1990)提出，技術革新為持續的資本積累提供了動力，而資本積累和技術變革共同構成了產出增加的主要原因[7]；Pece 等(2015)運用多元回歸模型對中歐和東歐國家（即波蘭、捷克共和國和匈牙利）進行了分析，研究結果表明，經濟增長與創新之間存在正相關關系[8]。陳潔等(2017)采用脈沖效應分析了藍色經濟區科技創新人才對經濟發展的影響，驗證了科技創新人才會對經濟發展產生積極影響[9]；易信(2018)提出，應該將創新要素與其他要素結合起來，促進全要素生產率的提高[10]；Broughel&Thierer(2019)強調，技術創新是經濟增長和人類進步的根本動力，創新不僅可以增加產出，而且可以提高質量，并豐富產品或服務的種類，改善人們的生活方式[11]。李峰等(2021)基于中國2008—2018 年30 個省份數據的實證研究也表明，科技創新對經濟發展有顯著刺激作用[12]。

與此同時，還有一些學者的研究表明，科技創新對中國經濟增長影響存在一定的地區差異。例如，李正輝、徐維(2011)利用中國各省份數據進行實證分析，研究發現，科技創新對經濟增長的影響存在明顯的省域差異與年份差異[13]。白俊紅、王林東(2016)采用中國30 個省份的面板數據進行實證分析，結果發現，科技創新主要對東部地區經濟增長質量具有顯著促進作用，而對中部地區影響不顯著，對西部地區有明顯的負面影響[14]。

2.科技創新對碳排放的相關研究概述

眾多學者實證研究了科技創新對二氧化碳排放的影響。例如，Wang 等(2005)采用LMDI 因子分解法研究了中國二氧化碳排放的影響因素，證實了技術創新對二氧化碳排放具有最重要的抑制作用[15]。Zhao 等(2013)利用自回歸分布滯后(ARDL)模型研究了1980—2010 年中國電力行業，經格蘭杰因果關系檢驗表明，技術創新可以減少二氧化碳排放[16]。李莎莎、牛莉(2014)基于中國省級面板數據研究了技術進步對碳排放影響，結果表明，雖然具有一定時滯性，但技術進步會顯著降低二氧化碳排放[3]。錢娟、李金葉(2018)采用中國工業行業數據進行實證分析得出，技術進步會促進節能減排[5]。李香菊、祝丹楓(2020)選取1996—2016 年中國省際面板數據研究科技創新與能源強度的關系得出，科技創新能力提高可以起到降低碳排放強度的作用[4]。

此外，一些學者的研究還表明，科技創新對碳排放影響存在顯著異質性。例如，申萌等(2012)采用內生經濟增長模型框架，將碳排放納入模型，基于1997—2009 年省際面板數據實證分析了技術進步對經濟增長與節能減排的影響，結果發現，此前中國技術進步還無法同時實現經濟增長與節能減排同步發展，且技術進步對碳排放影響存在明顯的區域差異[17]。金培振等(2014)分行業研究技術進步對能源減排影響表明，相較于輕工業，重工業技術改進對能源減排影響更強[18]。李香菊、祝丹楓(2020)采用中國省際面板數據進行分樣本模型估計研究發現，東部地區科技創新能力提升可顯著降低能源強度，而中西部科技創新不利于降低能源強度[4]。

綜上所述，眾多學者探討了科技創新對經濟增長以及碳排放的影響，但是較少有學者直接研究科技創新對低碳經濟影響，而隨著溫室效應不斷增強，各種氣候災害頻發，低碳經濟有望成為衡量經濟發展的重要指標，因此有必要將經濟增長與碳排放結合起來，構建低碳經濟變量，并據此研究科技創新對低碳經濟的影響。在分析科技創新相關區域差異時，現有研究主要基于東、中、西部地區對比展開，鑒于人才由北向南流動的跡象明顯，南、北方兩地科技創新水平存在較大差距。因此，基于南、北方地區視角研究科技創新對經濟增長以及碳排放影響的區域差異具有較強的現實意義。

三、模型設定與變量說明

1.模型設定

文章主要研究科技創新對低碳經濟影響，基準模型設定如下：

其中，i 與t 分別表示地區與時間；Cgdp 表示低碳經濟；hc 表示科技創新；Z 表示控制變量，具體包括工業化程度、城鎮化、資本以及人口；ui表示個體固定效應，vt表示時間固定效應，εit表示隨機擾動項。

基準模型僅能研究科技創新對低碳經濟的總體影響，未能分析出區域異質性，也不能研究得出隨著低碳經濟的發展，二者關系的動態變化趨勢。文章將采用分樣本估計與面板分位數模型估計進行異質性分析。在面板分位數模型估計時，參考Powell(2014)[19]，文章采用非加性面板分位數模型①非加性固定效應分位數回歸模型與可加性固定效應分位數回歸模型最大區別在于，沒有將固定效應從擾動項中分離出來，而它與混合OLS分位數回歸模型的區別在于它在模型估計過程中考慮了固定效應對估計系數的影響。進行估計，具體模型設定如下：

其中，Cgdpit表示經濟增長，Zit表示控制變量，βt(Uit)表示時間固定效應，Uit=f(μi，εit)，且Uit表示不可分離的隨機擾動項，μi表示個體固定效應。為解決模型估計內生性問題，文章在估計過程中，同時控制個體固定效應與時間固定效應，并將控制變量與年份虛擬變量作為工具變量②控制個體固定效應，是為考慮那些隨個體變化因素對經濟增長影響，控制時間固定效應，是為考慮那些隨時間變化因素對經濟增長影響，盡可能減少遺漏變量導致內生性問題；而將控制變量與年份虛擬變量作為工具變量是為進一步解決內生性。，并在此基礎上進行異方差穩健標準誤估計。

文章還采用空間面板模型分析了其他地區科技創新對本地區低碳經濟的影響，在模型估計前，先進行模型篩選。參考Belotti 等(2017)[20]，從SDM 模型開始，先采用Wald 檢驗判斷SDM模型是否應該轉化為SAR 模型或SEM模型，之后采用AIC 準則與BIC 準則比較SDM模型與SAC 模型優劣。

首先檢驗空間杜賓模型(SDM)是否可以退化為空間滯后模型(SAR)。空間杜賓模型設定如下：

W 表示NT×NT 維空間權重矩陣；zk，it表示第k 個控制變量。

當Wald 檢驗表明解釋變量空間滯后項回歸系數γ 顯著為零時，應該采用SAR 模型進行估計，具體模型設定如下：

接下來檢驗空間杜賓模型是否可以退化為SEM模型。鑒于SEM模型不包含在空間杜賓模型中，因此無法直接通過參數值的檢驗實現。Wald 檢驗表明，當SDM 模型中解釋變量空間滯后項回歸系數γ、解釋變量估計系數β 以及被解釋變量空間滯后項系數ρ 滿足關系式：γ=-β×ρ 時，則應該采用SEM 模型估計。具體模型設定如下：

對于SDM 模型與SAC 模型比較，無法通過參數關系來進行檢驗，可以通過AIC 準則與BIC 準則進行比較，一般而言，AIC 值或BIC 值越小，代表模型估計效果越好。SAC 模型具體設定如下：

另外，SAC 模型包含SEM 模型與SAR 模型，當ρ=0 時，SAC 模型可退化為SEM 模型，而當λ=0 時，SAC 模型可退化為SAR 模型。

為確保參數估計一致性，在上述模型估計過程中，文章均采用異方差穩健標準誤進行估計。

2.變量與數據

（1）變量說明

第一，被解釋變量：低碳經濟(Cgdp)。目前有關低碳經濟文獻較少，缺乏具體定義，文章采用實際GDP 與碳排放量之比進行衡量。為防止模型方程兩邊出現正負號不一致情況，參考馬綽欣等(2017)[21]，文章對因變量取對數處理，低碳經濟設定為：）。

第二，核心解釋變量：科技創新(tech)。科技成果是衡量科技創新水平的關鍵指標，而專利授權量可以直接體現一個地區科技創新水平的高低，故參考易文鈞等(2017)[22]與梁少波、宋燕(2021)[23]的研究，文章采用國內專利申請授權量作為科技創新的衡量指標，并采用國內技術合同成交金額占GDP 百分比作為替代指標進行穩健性檢驗。此外，參考胡亞南等(2020)[24]，為了確保估計過程的科學性，對核心解釋變量科技創新取對數處理。

第三，控制變量。包括工業化程度(indus)、城鎮化(urban)、資本(capital)以及人口(popu)。另外，有研究表明，第二產業產值是影響碳排放重要因素，工業化程度也是影響經濟增長的重要控制變量，故將第二產業增加值占GDP 的百分比作為工業化程度(indus)衡量指標；城鎮化會帶來生產活動增加，能源消耗增加，從而增加碳排放。陳雨露等(2016)[25]的研究顯示，城鎮化也是影響經濟增長的重要變量，故文章采用城鎮人口占總人口比重衡量城鎮化(urban)；由柯布-道格拉斯函數可知，資本是影響經濟增長的核心要素，參考馬勇、陳雨露(2017)[26]的研究，將資本變量(capital)采用資本形成總額與GDP 之比表示，并采用人口總量進行衡量。最后，為了確保估計過程的科學性，所有控制變量均取對數處理。

（2）數據來源

文章基于1998—2019 年中國30 個省份面板數據進行實證分析，鑒于香港、澳門、臺灣以及西藏的部分數據缺失嚴重，樣本數據不包括這些地區。文章中原始數據主要來源于《中國統計年鑒》，碳排放數據來源于《CEADs——中國碳核算數據庫》。對于部分缺失數據，采用線性插值法進行插補。

四、實證結果分析

1.基準模型估計

在對面板數據模型進行穩健標準誤估計時，傳統的hausman 檢驗通常不能用于判斷應該采用固定效應模型還是隨機效應模型。參考陳強(2014)[27]的研究，文章采用stata 外部命令xtoverid 進行過度識別檢驗，由Sargan-Hansen 統計量值可知，在1%的置信水平下，應該采用固定效應模型進行估計；之后，進行雙向固定效應模型估計，并采用test 命令檢驗時間效應存在性，檢驗結果表明，在1%置信水平下，拒絕不存在時間效應原假設。

具體估計結果如表1 所示。顯然，模型(1)～(3)中，科技創新的估計系數均在1%置信水平下顯著為正。這意味著科技創新會對低碳經濟產生明顯促進作用。

表1 基準模型估計

2.影響機制分析

降低能耗是政府部門實現綠色轉型的重要方式，而科技創新是降低能耗的關鍵所在。文章基于實證視角檢驗降低能耗的重要性。

具體而言，文章利用stata 命令sgmediation 來進行實證分析。鑒于文章中樣本量較少，且加入控制變量后中介效應檢驗的估計效果較差，故在中介效應檢驗時未加入控制變量。參考溫忠麟、葉寶娟(2014)[26]，三步法中介效應模型可以設定如下：

其中，Y 表示因變量，X 表示自變量，M 表示中介變量；公式(7)中估計系數c 表示總效應；公式(9)中c′表示直接效應，公式(8)中估計系數a 與公式(9)中估計系數b 的乘積(a×b)表示間接效應。總效應等于直接效應加間接效應。另外，為了消除那些隨時間變化因素對被解釋變量影響，模型估計中控制了時間效應。具體估計結果如表2 所示。

表2 單位GDP能耗中介效應估計結果

由表2 中模型(1)可知，系數c 在1%置信水平下顯著，故主效應是顯著的；接下來，由模型(2)、(3)可知，系數a、b 均在1%置信水平下顯著，另外，由效應分解可知，間接效應(a×b)也在1%置信水平下顯著；最后，由模型(3)可知，估計系數c′在1%置信水平下顯著，故直接效應也是顯著的。綜上可知，中介效應是存在的，換句話說，科技創新會通過中介變量，即單位GDP 能耗對低碳經濟產生影響。具體而言，模型(2)中科技創新估計系數a 顯著為負，表明科技創新可以起到降低碳排放作用；與此同時，模型(3)中單位GDP 能耗的估計系數b 在1%置信水平下顯著為負，這意味著，能耗上升對低碳經濟產生負面影響，即降低能耗有助于刺激低碳經濟的發展；鑒于估計系數a、b 均為負值，故間接效應(a×b)為正值，因此，通過降低能耗，科技創新可以起到刺激低碳經濟發展的作用。

最后，由sobel 檢驗可知，間接效應(a×b)值顯著不為0，且加入中介變量后，解釋變量對低碳經濟增長的估計系數變小，據此也可以驗證中介效應存在性。

3.異質性分析

（1）分樣本估計

文章以秦嶺—淮河為界劃分中國南、北方地區，并在此基礎上進行分樣本模型估計。具體估計結果如表3 所示。

表3 中，模型(2)科技創新的估計系數大于模型(1)，這意味著，相較南方地區，北方地區科技創新對低碳經濟增長促進作用較大。這可能是由于，北方地區重工業比重較大，而與輕工業相比，重工業技術改進對能源減排影響更強[18]；另外，由于氣候、政策環境等因素作用，人才由北向南流動的現象一直存在，北方地區的科技資源相對匱乏，科技創新在節能減排以及刺激經濟增長方面的邊際效用均較大。

表3 異質性分析I：分樣本估計

（2）面板分位數估計

為了研究隨著低碳經濟的發展，科技創新對低碳經濟增長影響，文章進一步采用面板分位數模型進行估計。模型估計過程中同時控制個體固定效應與時間固定效應，并將控制變量與時間趨勢變量作為工具變量。

如表4 所示，在10%、25%、50%、75%以及90%分位點上，科技創新的估計系數均為正值。這表明在各分位點上，科技創新均會起到促進經濟增長的作用。此外，伴隨著分位點提高，科技創新的估計系數不斷變小，表明從總體來看，隨著低碳經濟的發展，科技創新對低碳經濟的刺激作用呈下降趨勢。其原因可能是，在低碳經濟發展水平較低的階段，經濟活動中碳排放問題嚴重，故初始階段，科技創新對低碳經濟刺激作用較大；但科技發展存在一定的瓶頸期，且化石燃料的使用短期內難以完全替代，故當低碳經濟發展到一定水平，在邊際報酬遞減規律作用下，科技創新對低碳經濟的刺激作用會有所減弱。

表4 異質性分析II：面板分位數估計

4.空間溢出效應分析

生產要素具有跨地區流動性，某地區科技創新可能會對其他地區低碳經濟產生溢出效應。文章接下來將采用空間面板模型進行估計，并采用空間效應分解估計科技創新的空間溢出效應。鑒于文章中樣本量較少，為了提高模型估計效果，模型估計過程中僅控制時間固定效應。

由表5 可知，模型(1)～(3)中，被解釋變量空間滯后項系數ρ均在1%置信水平下顯著為正，這表明不同地區間低碳經濟具有顯著空間傳染性。

表5 空間面板模型估計

另外，Wald 檢驗顯示，應該接受SDM 模型可以退化為SAR 模型或SEM模型原假設，即SAR 模型優于SDM模型；同理，由Wald 檢驗還可以得出，SAR 模型優于SAC 模型。除此以外，由AIC 準則與BIC 準則可知，SAC 模型優于SDM模型。綜上比較而言，SAR 模型估計效果較好。

參考LeSage 等(2009)的研究，直接采用點估計結果來解釋自變量空間溢出效應可能會導致結論錯誤，所以采用空間效應分解來進行分析，其中直接效應表示本地區自變量對本地區因變量影響，間接效應（或空間溢出效應）表示其他地區自變量對本地區因變量影響，而總效應等于直接效應加上間接效應。具體估計結果如表6 所示。

表6 空間效應分解

顯然，模型(1)～(3)中直接效應均在1%置信水平下顯著為正，表明技術創新會對本地區低碳經濟增長產生顯著正向影響。另外，從間接效應角度看，SAR 模型估計結果表明，間接效應在1%置信水平下顯著為正，表明其他地區的科技創新會對本地區低碳經濟增長產生顯著正向影響。

5.穩健性檢驗

分樣本模型估計、面板分位數模型估計以及空間面板模型估計結果均可以在一定程度上驗證基準模型估計結果；分樣本模型估計結果與面板分位數模型估計結果可以相互印證，與南方地區相比，北方地區碳排放量較大，低碳經濟發展水平較低，而面板分位數模型估計結果表明，在低碳經濟較低分位數水平，科技創新對低碳經濟的刺激作用較強，且伴隨著分位數提高，這種刺激作用呈下降趨勢，據此也可以驗證，相較南方地區，北方地區科技創新對低碳經濟的促進作用更大。

此外，在基準模型與分樣本模型估計中，文章控制了地區固定效應與時間固定效應，可以在一定程度上解決遺漏變量導致內生性問題，與此同時，在面板分位數模型估計中，文章將控制變量與年份虛擬變量作為工具變量，可以部分解決反向因果所導致內生性問題。

最后，為檢驗實證結果可靠性，文章還采用國內技術合同成交金額占GDP 百分比作為科技創新的衡量指標，并在此基礎上進行相關模型估計。在不同情形下，各模型估計結果均與實證分析部分基本一致，可以證明實證結果穩健性，由于篇幅所限，此處并未列出。

五、結論與啟示

1.結論

文章利用1998—2019 年30 個省份面板數據，通過基準模型估計、中介效應分析、異質性分析以及空間溢出效應估計等系統分析了科技創新對低碳經濟的影響，得出以下結論：第一，科技創新對經濟增長具有明顯促進作用。通過基準模型的估計可以發現，科技創新的估計系數均為正，且均在10%置信水平下顯著，這表明，提高科技創新水平會對低碳經濟增長產生促進作用。第二，降低能耗是科技創新影響低碳經濟增長的重要機制。中介效應檢驗結果表明，科技創新可以降低單位GDP 能耗，而能耗降低可以促進低碳經濟的發展，因此，降低能耗是科技創新影響低碳經濟的重要機制。第三，中國科技創新對低碳經濟增長的影響存在明顯的南北方地區差異。北方地區重工業比重較大，碳排放較高，且經濟發展過程中科技資源相對較少，科技創新的邊際效用較大，故相較于南方地區，北方地區科技創新對低碳經濟的促進作用較強。第四，隨著低碳經濟的發展，科技創新對低碳經濟的刺激作用總體呈下降趨勢。科技創新對經濟增長的邊際影響長期看是遞減的，而化石燃料在短期內難以被大規模替代，科技創新在降低碳排放方面的作用受限，故伴隨低碳經濟發展水平提高，科技創新對低碳經濟的促進作用呈下降趨勢。第五，科技創新對低碳經濟的影響存在明顯的溢出效應。具體而言，其他地區科技創新會對本地區低碳經濟增長產生正向影響。

2.啟示

基于文章研究結論，可以得出以下啟示：第一，加快推進科技研發，促進科技成果轉化。首先，各地區應該積極引進外資，積極學習國外先進技術，提高本地區科技發展水平；其次，應該加強引進吸收再創新，在現有技術基礎上不斷研發出新的適應國內市場需求的產品；最后，應該加強企業與高校的合作，更加注重原始創新，不斷研究出世界領先的高科技產品。第二，為了刺激低碳經濟的發展，技術研發應該充分考慮降低能耗問題。降低能耗是科技創新影響低碳經濟的重要機制。因此，一方面應該加強降低能耗方面的技術研發，另一方面在研發其他技術或產品時應該將降低能耗放在重要位置。第三，為了更好地發揮科技創新對低碳經濟的刺激作用，在不同地區或階段應該采取不同的策略。首先，從區域差異角度看，相較南方地區，北方地區發展高科技的必要性與緊迫性更強，應該加強北方地區的產業轉型升級，積極引導高科技人才跨區域流動，發展一批技術含量高的創新型產業，同時，在圍繞重工業的科技研發過程中要充分考慮節能減排問題。另外，從不同發展階段角度看，在低碳經濟水平較低時，應該加強科技研發，不斷提高低碳經濟的發展水平；隨著低碳經濟的發展，科技創新對低碳經濟的刺激作用逐漸減弱，此時，圍繞降低碳排放的科技創新應該循序漸進地進行。第四，應該加強不同地區間的技術交流與合作，共同推進彼此間的低碳經濟發展。鑒于其他地區科技創新會對本地區低碳經濟的發展產生正向影響，故應該加強不同地區企業或高校的交流與合作：一方面應該推動不同地區企業間合作，可以通過興建合資公司等方式共同開發新技術、新產品，提高技術研發的速度與效率；另一方面應該加強不同地區高校間交流與合作，推動基礎學科發展，更加注重原始創新，增強中國科技創新的后勁。