科技創新促進碳減排系統效率評價及其影響因素

王保乾 徐 睿

（河海大學商學院，南京 211106）

引 言

我國目前的生態環境問題，從本質上來講是高碳能源結構和高能耗、高碳產業結構的問題，呈現出顯著的 “碳污同源”特征。當前，我國的碳減排事業正處于不斷加速和壯大發展的時期，低碳技術的發展進步也正進入到歷史上最好的發展時期。科技減排作為效果最明顯的方式，為生態環境問題提供更豐富的解決方式和出路，可以探測出新型碳排放問題，為我國的節能減排工作提供科學化的引領新思路。本文以2011～2020年全國30個省、直轄市、自治區（基于數據的可獲得性，未包含西藏自治區和港、澳、臺地區）為實證對象，主要研究了省級行政區域的科技創新促進碳減排系統的效率，及相關各因素對該效率值的影響方向和程度大小。

通過對科技創新和碳減排相關文獻的閱讀和整理發現，研究主要集中在以下幾個方面：

（1）針對碳減排效率，學者選取的研究主體大多集中在省域、特定經濟帶，通過對區域的碳減排效率測算以及時空演變特征分析，有利于掌握不同地區的碳排放現狀差異以及提升碳減排效率工作的側重點。 劉曉慧[1]、 宋衍蓉[2]、 李菲菲等[3]學者以我國30個省市區為研究對象分別測算了2014～2018年、2000～2016年的碳排放效率，并且從動態和靜態角度發現我國的碳排放效率依然較低，且省市區之間的差異較為顯著。還有以湖南省[4]、 中部六省[5]、 長三角[6]等經濟帶為對象進行的相關效率的研究。對行業碳減排的研究有利于揭示不同行業碳減排的空間格局差異和減排優化路徑的選擇。如：李陽和林秀群[7]、王喜平和王素靜[8]、 王凱等[9]分別對物流業、 鋼鐵行業和旅游業的碳排放效率進行分析，對于提升各行業的高質量發展具有十分重要的實踐價值。為了有效地提升碳減排效率，各位學者圍繞碳減排效率影響因素開展的研究也較為多樣，綜合現有的研究[10-12]，大多選擇產業結構、能源消費結構、經濟發展水平等方面作為自變量，以碳排放效率為因變量進行分析研究。

（2）針對科技創新效率的研究也較為豐富[13]，以RD人員數、RD經費等作為投入，將專利授權數量和新開發項目數視為科技創新產出，建立了創新效率的評價指標體系。由于科技創新系統較為復雜，較多學者將這種多投入和多產出的過程劃分為多個階段進行評價，吳芹和蔣伏心[14]對我國30個省市區的區域創新效率從知識創新、技術研發和成果轉化3個階段進行分別測度，更多的學者則是根據價值鏈理論將創新活動劃分為研發和成果轉化兩大階段進行分析研究[15，16]。

（3）科技和碳排放的關系主要體現在以下3個方面：科技進步支撐能源結構不斷優化；低碳技術開發與應用促進碳排放強度下降；科技進步促進產業結構調整，低碳排放行業占比升高。劉志華等[10]、 尹迎港和常向東[17]分別對我國 30個省域在2010～2018年和2009～2019年的科技創新、產業結構和碳排放效率之間的動態關系進行了分析，發現科技創新和產業結構之間產生的交互項會促進碳排放效率的提升，且區域之間存在較為明顯的差異，還需進一步協調發展。

綜上所述，國內外關于科技創新和碳排放效率的研究，大多數是從單一層面進行相關效率的研究。較為片面、單一地只對碳排放效率進行研究，而沒有直接考慮到科技創新對碳排放效率的引導作用，沒有強調出科技創新的顯著重要性。因此，本文結合了科技創新促進碳減排的內涵和框架，構建了科技減排的概念。將科技因素和碳排放納入到同一生產系統中，建立了科技減排效率評估指標體系。

1 研究方法與模型選擇

1.1 數據包絡分析CCR模型

數據包絡分析法（DEA）是一種不需要預先估計參數的相對比較技術效率的分析法，具有適用范圍廣、原理相對簡單、避免主觀因素等優點，被廣泛應用于眾多領域的研究。環境保護方面的效率評價問題涉及到的投入和產出都有多項指標，并且各指標的計量單位不一致，各項投入和產出指標之間具體的定量關系不容易被確定，因此，本文選擇數據包絡分析法（DEA）研究科技減排效率。最具有代表性的DEA基礎模型是CCR模型和BCC模型，分別是基于規模報酬不變和可變的不同假設，本文選擇的是基于投入水平的CCR模型：

假設有n個DMU，并且這些決策單元都是可比的，每一個決策單元有m個投入指標Xj，s個產出指標Yj，表示為：

將具有非阿基米德無窮小量ε考慮進模型，可以得到以下的線性規劃問題：

其中θ——相對有效率；

ε——非阿基米德無窮小量，ε＞0；

λ——向量參數；

S——松弛變量。

假設上式的最優解為λ0、S-0、S+0、θ0，則有：當θ0＜1，則DMUj0不為弱，此時DEA有效；當θ0=1，則僅當DMUj0為弱，此時DEA有效。

1.2 Tobit面板回歸模型

Tobit模型是刪失回歸模型中較為典型的代表，其被解釋變量是片段值或者切割值。本文的被解釋變量是DEA測算出的效率值，介于0和1之間，且最大值為1，符合這一條件。

當模型的誤差服從分布時，Tobit模型可以表示為式 （3）：

2 實證研究

2.1 研究指標和數據來源

結合科技減排、績效評估等的含義以及指標體系設置的目的，構建各省市區科技減排績效評估指標體系，數據來源于2011～2021年 《中國統計年鑒》、《中國環境統計年鑒》及科技年度主要數據等，以考核全國各地區的污染物減排工作中所體現出來的科學技術的作用和效果，具體如表1所示。

表1 各省市區科技減排績效評估指標體系

（1） 投入指標

萬人擁有環保人才數=地區環保從業人數／地區總人口數

環保人才平均工資直接來于《中國統計年鑒》。

研發經費支出占GDP比重=研發經費支出／地區總GDP*100%

環境污染治理投資占GDP比重：直接來自于《中國統計年鑒》。

（2） 產出指標

單位二氧化碳排放GDP產出=地區總GDP／地區二氧化碳排放量

通過IPCC碳排放系數法計算各省市區的碳排放量。

單位能耗的GDP產出=1／單位GDP能耗

專利成果數量數據直接來源于 《中國統計年鑒》。

（3）科技財力投入的平減處理

為避免價格變動等因素影響，本文以2011～2020年歷年的CPI指數對環保人才的年平均工資進行平減。涉及到各省市區GDP的指標里，研發經費支出占GDP比重和環境污染治理投資占GDP的比重，由于上下數據都是價格相關，所以無需進行平減，另外的單位二氧化碳排放和單位能耗里的GDP產出均以2011年為基期，利用各地區歷年的GDP平減指數進行處理。

將效率測算結果匯總得到表2，描繪了六大區域的績效評估得分均值變化趨勢。西北和華北地區較為顯著地落后于其他地區；科技投入力度較大的華東地區在2015年經歷了先下降后回升，在2011～2020年變化幅度較大；東北、中南和西南地區維持在較穩定的有效狀態。參考2011～2020年的績效得分排序，北京、山西、吉林、福建、湖南、廣東、海南和四川的得分始終保持在DEA有效的狀態下。北京的科技實力雄厚，且碳排放量連年較低，所以減排績效高；海南雖然科技投入力度不大，但由于其碳排放量非常低，因此較少的投入也能取得不錯的減排績效。山西和廣東的年均碳排放量幾乎相等，并且均超過8000萬噸，屬于重度碳排放區。不同的是廣東作為全國第一的經濟發展大省，雖然碳排放總量高，但是同時也帶來了極高的經濟與科技成果產出；山西是典型的經濟小省排放大省，幾近相同的年均碳排放總量，經濟總量卻是廣東省的1／5，山西之所以能維持在DEA有效狀態是因為其投入較小卻也取得了不錯的減排效果，截至2017年，山西的單位GDP二氧化碳排放強度相比2005年累計下降達到45%。

表2 分地區科技減排績效評估得分

為了進一步深入挖掘數據計算結果，接下來利用松弛變量分析對2020年非有效DMU的改進方向和程度進行分析。

基于表3可將科技減排績效較低（非有效DMU）的省市區再細分為3類。

表3 松弛變量計算結果

圖1 2011～2020年按區域劃分科技投入績效得分

（1）第1類是DEA得分大于0.9的浙江、安徽、云南、內蒙古、河北和江蘇。這6個省市區總體上與DEA有效省市區差距不大。內蒙古作為我國的高耗能、高碳排的地區，以全國1.7%的經濟總量，消耗著全國5.2%的能源，單位GDP能耗是全國平均水平的3倍以上。內蒙古急需加強創新轉變，利用科技進步推動技術更新與資本配置聯動。云南為了實現碳達峰碳中和目標投入大量人力、財力和技術保障，需要平衡好穩經濟增長與降低能耗之間的關系；加大財政、金融的支持力度，并且要制定實施專業人才隊伍培養計劃，提升工作能力水平和污染治理投資的產出率。浙江總體上與DEA有效省市區差距不大，只需要在保證碳排放效率的同時適度調整科技研發經費和污染治理投資。河北需要在投入的各個方面進行小幅度的控制，有利于提升科技減排的效率。江蘇在環境污染投資方面有較大的差距，需推動科技與環保相關工作深度融合，聚焦碳排放相關領域的政策、技術、產品等開展研究。安徽在環保相關產業職工人員數方面略有冗余，需要加強對環保人才的培訓教育、宏觀管理和綜合協調工作。

（2）第2類是DEA得分在0.8～0.9區間內的省市區。天津、上海、湖北、陜西、甘肅需要在科技減排的相應投入方面小幅控制，提高投入的轉化率以獲得更高的產出回報，尤其是上海和天津在污染治理方面差距較大，應當加強完善環境治理體系和提升污染治理能力。

（3）第3類是DEA得分低至0.706的寧夏回族自治區，在各個方面與DEA有效地區均存在較大差距，需要在投入、產出上進行全面的調整，才能發揮好科技進步在碳減排方面的積極作用。

可以看出，我國大部分省域的科技減排的實施在現有產出水平下，存在著較為顯著的資源浪費現象，適當調整投入量使得各省市區的科技減排效率達到生產前沿面上。省市區之間的差距主要是污染減排效率和專利成果數量方面，各地的污染治理投入差異明顯。在這些未達到DEA有效的省市區，要更高效地利用科技創新推動碳減排，需要對各投入量進行嚴格控制，以避免物資、人力的浪費。

3 科技減排效率影響因素分析

基于科技創新為碳減排和節約能源帶來的正面影響作用，本文選取了能夠代表科技進步產出結果的5個關鍵影響因素，來研究對科技創新促進碳減排系統效率的影響：

（1） 科學技術水平（Technological Level，TL）：這一數據不僅可以代表各省市區在人員、物流、資金等初級層面的集散能力，更加體現了對科技成果的交易和轉化能力。選取技術市場成交額[18]作為衡量科學技術的指標，提高技術市場的成交額有利于加速高新科技產業發展、壯大新動能以及支持產業升級。

（2） 科研重視水平（Technological Awareness，TA）：財政科技支出是國家大力支持科技創新所相應的政策性供給，是科技進步的重要支撐。通過選用科學技術支出占地方一般公共總支出比率[19]，衡量國家對科技研發的重視程度。

（3）經濟發展水平（The Level of Economic Development，EDL）： 被國內外大量學者[20，21]使用的環境庫涅茨曲線（EKC）證實了經濟發展確實是影響碳排放的一大重要影響因素。本文選擇人均地區生產總值作為代表本省市區的經濟發展水平指標進行相關分析。

（4） 能源結構水平（Energy Structure，ES）：據國際能源署統計，以煤炭為主的化石能源燃燒值低，燃燒效率不高，燃燒時會產生大量廢氣、廢渣，造成環境污染，是主要的碳排放源。在地區的能源消費結構中，非煤炭能源占據的比例越大，二氧化碳等污染物排放量就會減少，其減排效率就會上升。因此選擇各地區煤炭消費量占能源消費總量的比例來作為影響因素。

（5） 產業結構水平（Industrial Structure，IS）：為了能夠全面并且準確地衡量一、二、三產業的發展趨勢，從綜合整體的層面把握我國的產業發展結構和水平，所以采用夾角求值的方法計算產業結構高級化指數[22]。

將2011～2020年的科技創新促進碳減排系統績效作為被解釋變量，科學技術水平、科研重視水平、經濟發展水平、能源結構水平、產業結構水平作為解釋變量，建立起相應的面板回歸模型來考察影響機制。具體的表達式表示如下：

式 （8）中，t表示年份，i表示省市區，Eit表示科技進步促進碳減排系統績效，αi（i=0，1，…，5）表示需要估計的系數，εit是隨機擾動項。

根據表4回歸結果分析如下：

表4 Tobit回歸結果

（1）科學技術水平（TL）：科學技術水平與科技減排效率成正比，未通過顯著性檢驗。本文選取的是技術市場成交額來衡量當地的碳節能減排方面科學技術發展程度高低。理論上，技術市場成交額越大，代表著本省市區的技術市場越活躍，科研創新能力越強，可以對當地的傳統產業改造升級，提升本地的科技減排效率。

（2）科研重視水平（TA）：各省市區對科技的重視水平與科技減排效率在10%水平上顯著正相關。TA對科技減排效率的影響系數為0.561，體現出科技重視程度是所有變量中影響作用最顯著的變量。正如李政和劉豐碩[23]發現財政科技支出通過促進企業綠色技術創新促進城市的減排工作。隨著國家和各省市區對科研的重視程度加深，大力扶持科技創新，將科技作為財政支出的重點領域予以支持，能源消費強度和消費總量達到雙控、主要污染排放總量降低，節能減排工作順利開展。

（3）經濟發展水平（EDL）：經濟發展水平通過了顯著性檢驗，并且呈負相關。Tobit回歸系數為-0.047，意味著每降低1單位的經濟水平可以換來0.047個單位的科技減排效率上漲。盡管我國已經針對碳排放采取了很多的政策和措施，并且也取得了很大的進步，但是我國的經濟發展仍然較為粗放，經濟增長會帶來投入指標的冗余。同時應該認識到我國以煤炭等化石能源為主要能源的形勢并未得到改變，經濟水平的增長仍然過度依賴煤炭、石油等的消耗，所以我國的節能減排道路依舊任重道遠。

（4）能源結構水平（ES）：能源消費結構在1%的顯著水平下呈系數為-0.306的負相關，降低一個單位的能源消費結構水平就可以為科技減排效率帶來0.31個單位的上升。ES越低，意味著煤炭消費量占據我國能源消費總量越少。我國能源事業原來的 “以煤為主”逐步向現在的 “清潔化和多元化”能源消費結構發展，目前也正在大力推進低碳能源替代高碳能源、可再生能源替代化石能源。

（5）產業結構水平（IS）：在1%的水平下促進了我國的科技減排效率。這里的產業結構是指產業結構的高級化，IS越大，意味產品具備更高的附加值、高技術、集約化和深加工化，意味著在整個國民經濟產業結構中，逐漸轉向了以第二、第三產業占優勢比重形式演進。有利于降低高能耗產業占比，利用低碳技術推動技術創新和產品開發，實現能耗降低、減少碳排放量等目標。

4 結論與建議

4.1 研究結論

本文以中國30個省市區的科技創新促進碳減排為發展大背景，對這個綜合生產系統的綜合效率和影響因素進行了分析和評價，研究結論如下：

（1）10年來全國各地區績效穩定在較高水平。東北、中南和西南地區趨勢比較穩定，西北和華北地區的科技減排水平較低，華東地區在2015年經歷了先下降后回升，變化幅度比較明顯。

（2）對于大多未達到DEA有效的省市區，在現有產出水平下，存在較為顯著的資源浪費現象。應當優先提高投入冗余率較高要素的使用效率，做到有的放矢，同時也要加快節能減排技術的進步，優化產出水平，使產出水平達到投入水平可以支撐的最大規模，有利于科技創新在促進碳減排方面更好地發揮作用。

（3）科技重視水平能夠最顯著地促進效率提升；科技水平與減排效率成正比，但是未通過顯著性檢驗，說明應該加大對低碳技術的關注程度。經濟發展水平和效率之間負相關且通過了檢驗，證實了目前仍然是依賴煤炭、石油消耗的經濟增長模式，能源結構水平在1%的顯著水平下與全國的科技減排效率呈負相關，煤炭消費量占能源消費總量越低，綠色能源的使用比例越高，就可以極大地減少碳排放。產業結構水平促進了科技減排系統的效率，只有改變高能耗產業占比過高的形勢，才能實現節能和減排目標。

4.2 政策建議

根據以上結論，本文提出如下政策建議：

（1）政府要保證科技資金投入保障。進一步細化和完善在科技減排技術方面的創新基金，支持技術創新和成果的轉化，培養和扶持高科技減排型企業，重點支持減排技術創新項目。

（2）加強節能減排先進技術的推廣應用。開展關于節能減排技術的技術成果推介會、線上線下多平臺宣傳，促進推廣應用和提高技術市場成交額，鼓勵各方積極探索節能減排技術的推廣機制和創新性應用模式。

（3）合理調整產業布局，優化產業結構，淘汰落后產能。加大技術創新力度，大力發展高產出、低能耗、低排放的第三產業，設立環境準入標準抑制高污染、高能耗行業的無序發展，引導技術密集型行業的快速發展，促進新型工業化的快速發展。

（4）加大高碳能源低碳化的轉變，大力推廣和使用潔凈煤技術，加強煤炭的加工技術升級，從而降低CO2的排放量。建立以市場需求為導向的定價機制，有利于激勵煤炭相關企業采用新技術，加大技術的投入，提高煤炭資源的使用效率。應該制定針對性的政策對能源消耗的具體問題加以引導。