不同類(lèi)型資本偏向性技術(shù)進(jìn)步對(duì)碳排放效率的影響

岳 立，韓 亮

（蘭州大學(xué)經(jīng)濟(jì)學(xué)院，甘肅蘭州 730000）

隨著經(jīng)濟(jì)發(fā)展，全球能源消耗量和碳排放量在不斷增加，經(jīng)濟(jì)與環(huán)境矛盾突出。中國(guó)目前是世界第一大能源消費(fèi)國(guó)，碳排放總量居世界第一，單位國(guó)內(nèi)生產(chǎn)總值碳排放量是世界平均水平的兩倍。作為現(xiàn)階段全球最大的溫室氣體排放國(guó)，中國(guó)在全球氣候談判中一直秉持負(fù)責(zé)任大國(guó)的態(tài)度，作出了碳中和碳達(dá)峰的承諾。一方面，中國(guó)促進(jìn)了可再生資源和新能源的不斷開(kāi)發(fā)利用，使得社會(huì)結(jié)構(gòu)由高污染、高排放型逐漸轉(zhuǎn)為低碳綠色型；另一方面，在經(jīng)濟(jì)發(fā)展過(guò)程中逐漸減少能源的投入，減少碳排放量。由此可見(jiàn)，技術(shù)進(jìn)步是碳減排的關(guān)鍵驅(qū)動(dòng)力，對(duì)實(shí)現(xiàn)碳減排目標(biāo)十分重要。Acemoglu［1］首次對(duì)有偏技術(shù)進(jìn)步進(jìn)行研究，隨后國(guó)內(nèi)外學(xué)者進(jìn)行了有偏技術(shù)進(jìn)步對(duì)碳排放效率影響的研究，如郭沛等［2］的研究表明資本偏向性技術(shù)進(jìn)步對(duì)碳排放量降低具有促進(jìn)作用，但是已有相關(guān)研究中關(guān)于不同類(lèi)型資本偏向性技術(shù)進(jìn)步對(duì)碳排放效率影響并不清晰。因此，基于信息通信技術(shù)（ICT）資本偏向性技術(shù)進(jìn)步、人力資本偏向性技術(shù)進(jìn)步視角，選取2007—2020 年間中國(guó)30 個(gè)省份的面板數(shù)據(jù)，采用考慮非期望產(chǎn)出的super-SBM 模型分析不同類(lèi)型資本偏向性技術(shù)進(jìn)步對(duì)碳排放效率的影響，并使用全局全要素生產(chǎn)率指數(shù)（GML）更深入地分析各省份碳排放水平與變動(dòng)原因，同時(shí)采用Tobit 模型進(jìn)一步探討碳排放效率的影響因素，從技術(shù)進(jìn)步方向找到影響碳排放效率的關(guān)鍵動(dòng)力，以期為制定低碳綠色經(jīng)濟(jì)發(fā)展規(guī)劃提供參考。

1 相關(guān)研究綜述

Acemoglu［1］對(duì)技術(shù)進(jìn)步方向進(jìn)行了明確地定義，認(rèn)為當(dāng)技術(shù)進(jìn)步更有助于提高某種要素邊際產(chǎn)出時(shí)，可將其稱(chēng)為偏向該要素的技術(shù)進(jìn)步。后來(lái)，Klump［3］運(yùn)用標(biāo)準(zhǔn)化系統(tǒng)法對(duì)美國(guó)技術(shù)進(jìn)步偏向進(jìn)行了測(cè)算，發(fā)現(xiàn)技術(shù)進(jìn)步具有資本偏向性特征。國(guó)內(nèi)對(duì)技術(shù)進(jìn)步方向也進(jìn)行了相應(yīng)研究，如焦高樂(lè)等［4］認(rèn)為技術(shù)進(jìn)步偏向于資本增長(zhǎng)和能源使用；戴天仕等［5］的研究表明在考察期內(nèi)中國(guó)的技術(shù)進(jìn)步逐漸從勞動(dòng)偏向轉(zhuǎn)向資本偏向，并且資本偏向速度越來(lái)越快；郭美晨［6］研究發(fā)現(xiàn)，以信息通信技術(shù)（ICT）為核心的技術(shù)進(jìn)步具有典型的技能偏向特征。

技術(shù)進(jìn)步在減少能源消耗中具有重要作用，是促進(jìn)節(jié)能減排的重要因素。張頌心等［7］研究了科技進(jìn)步與農(nóng)業(yè)碳排放之間的關(guān)系，發(fā)現(xiàn)科技進(jìn)步在一定程度上與農(nóng)業(yè)碳排放之間呈現(xiàn)負(fù)向關(guān)系。丁茜［8］研究發(fā)現(xiàn)技術(shù)進(jìn)步能夠通過(guò)促進(jìn)經(jīng)濟(jì)增長(zhǎng)增加碳排放，通過(guò)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)減少碳排放。陳亮等［9］研究表明，總體上技術(shù)對(duì)于減少碳排放的效果并不顯著，但有偏向性的綠色技術(shù)進(jìn)步對(duì)于碳減排更重要。

基于偏向性技術(shù)進(jìn)步視角，已有文獻(xiàn)展開(kāi)了有偏技術(shù)進(jìn)步對(duì)碳排放效率影響研究，結(jié)果表明技術(shù)進(jìn)步在促進(jìn)碳減排過(guò)程中大多偏向資本，例如劉自敏等［10］研究得出有偏技術(shù)進(jìn)步存在顯著減排效應(yīng)，且技術(shù)進(jìn)步主要偏向資本和能源；郭沛等［2］基于CES 生產(chǎn)函數(shù)研究了有偏技術(shù)進(jìn)步與碳排放強(qiáng)度之間關(guān)系，同樣發(fā)現(xiàn)通過(guò)提高資本與能源的替代彈性會(huì)實(shí)現(xiàn)碳排放效率下降目標(biāo)。

綜上，雖然關(guān)于資本偏向性技術(shù)進(jìn)步和碳排放效率的研究相對(duì)較多，但是缺乏對(duì)不同類(lèi)型資本偏向性技術(shù)進(jìn)步與碳排放效率之間關(guān)系的具體研究，且已有相關(guān)研究尚未達(dá)成一致結(jié)論?？紤]到以云計(jì)算、大數(shù)據(jù)、人工智能為代表的新一代ICT 技術(shù)已經(jīng)成為最活躍的創(chuàng)新領(lǐng)域之一，是驅(qū)動(dòng)社會(huì)和經(jīng)濟(jì)轉(zhuǎn)型升級(jí)的重要引擎，同時(shí)考慮到人力資本在ICT發(fā)展過(guò)程中占據(jù)重要地位，且廣泛遍布在其他各個(gè)行業(yè)，從多個(gè)方面對(duì)經(jīng)濟(jì)發(fā)展和碳減排產(chǎn)生影響，因此，本研究從ICT 資本偏向性技術(shù)進(jìn)步和人力資本偏向性技術(shù)進(jìn)步角度出發(fā)，研究這兩類(lèi)資本偏向性技術(shù)進(jìn)步對(duì)碳排放效率的影響，從而為制定合理的碳減排措施提供參考。

2 資本偏向性技術(shù)進(jìn)步對(duì)碳減排的影響機(jī)制

2.1 ICT 資本偏向性技術(shù)進(jìn)步

ICT 資本抑制碳排放的影響機(jī)制主要有以下幾個(gè)方面：（1）直接效應(yīng)。ICT 通過(guò)降低自身對(duì)能源、物質(zhì)原材料等的需求，增加對(duì)可再生資源的使用，改變對(duì)廢棄、老舊、能源消耗量大的設(shè)備的循環(huán)利用，從而實(shí)現(xiàn)碳減排目的。例如，用高效節(jié)能的客戶(hù)機(jī)代替普通計(jì)算機(jī)，實(shí)現(xiàn)對(duì)客戶(hù)端計(jì)算機(jī)的集中管理以節(jié)省電力消耗，提高能源利用效率。（2）外在效應(yīng)。將ICT 技術(shù)應(yīng)用于社會(huì)經(jīng)濟(jì)生產(chǎn)、流通、消費(fèi)、服務(wù)等各個(gè)環(huán)節(jié)，提高效率，促進(jìn)綠色經(jīng)濟(jì)的發(fā)展，從而達(dá)到碳減排目的。（3）系統(tǒng)效應(yīng)。在碳排放量高的生產(chǎn)領(lǐng)域，以大型云計(jì)算數(shù)據(jù)為中心，將數(shù)據(jù)采集、分析、應(yīng)用和管理平臺(tái)進(jìn)行快速部署會(huì)提高云計(jì)算效率，大幅度減少CO2排放。此外，針對(duì)高污染行業(yè)，ICT 提供污染源監(jiān)控系統(tǒng)、視頻監(jiān)控系統(tǒng)等信息化產(chǎn)品，幫助該類(lèi)行業(yè)從源頭上控制污染，提高碳排放效率，實(shí)現(xiàn)低碳目標(biāo)。

ICT 資本促進(jìn)碳排放主要體現(xiàn)在能源消耗方面。ICT 屬于技術(shù)密集型產(chǎn)業(yè)，在產(chǎn)業(yè)發(fā)展過(guò)程中會(huì)消耗大量電力，而目前中國(guó)的發(fā)電主要依靠煤炭、天然氣、石油等不可再生資源。數(shù)據(jù)顯示，2007 年中國(guó)IT 行業(yè)產(chǎn)品的電消耗量達(dá)到400 億t～500 億t，接近于三峽電站一年的發(fā)電量［11］；從2021 年在成都召開(kāi)的中國(guó)數(shù)字碳中和高峰論壇中獲悉，信息產(chǎn)業(yè)目前已是全球第五大耗能行業(yè)［12］。隨著基站和數(shù)據(jù)中心需求量越來(lái)越大，信息產(chǎn)業(yè)本身的碳排放還會(huì)持續(xù)上升。有研究預(yù)測(cè)，僅以通信產(chǎn)業(yè)為例，其全球電力消費(fèi)總量占比將從2019 年的11%增至2030 年的21%左右［12］。此外，根據(jù)加拿大麥克馬斯特大學(xué)的研究預(yù)測(cè)，2040 年信息通信行業(yè)（ICT）的碳排放占全球碳排放的比例將從2007 年的1.6%上升至14%［13］。

2.2 人力資本偏向性技術(shù)進(jìn)步

人力資本偏向性技術(shù)進(jìn)步反映的是人力資本水平較低勞動(dòng)力不斷被人力資本水平較高勞動(dòng)力替代的過(guò)程，以及人力資本與技術(shù)之間不斷互補(bǔ)的過(guò)程。根據(jù)人力資本理論和干中學(xué)理論，人力資本偏向性技術(shù)進(jìn)步對(duì)碳排放效率的影響主要有以下幾個(gè)方面：（1）人力資本水平的提升能夠促進(jìn)經(jīng)濟(jì)發(fā)展，這一發(fā)展過(guò)程伴隨著規(guī)模效應(yīng)、技術(shù)效應(yīng)和結(jié)構(gòu)效應(yīng)，從而對(duì)碳排放水平產(chǎn)生影響。人力資本水平的提升會(huì)使經(jīng)濟(jì)發(fā)展水平越過(guò)碳排放庫(kù)茲涅茨曲線拐點(diǎn)，進(jìn)而減少碳排放量［14］。（2）人力資本不僅是技術(shù)進(jìn)步的發(fā)起者，也是新技術(shù)的載體和媒介，其擁有的科學(xué)知識(shí)、技術(shù)是低碳經(jīng)濟(jì)發(fā)展的關(guān)鍵因素。例如，開(kāi)發(fā)可再生能源技術(shù)會(huì)提高能源生產(chǎn)和使用效率，促進(jìn)清潔能源使用，減少CO2排放。（3）技術(shù)進(jìn)步帶來(lái)的新產(chǎn)品、新工藝會(huì)激發(fā)人力資本投入，要求人力資本在短時(shí)間內(nèi)掌握新技術(shù)、提高技術(shù)轉(zhuǎn)化率，從而促進(jìn)了人力資本積累，因此，人力資本通過(guò)干中學(xué)效應(yīng)促進(jìn)技術(shù)進(jìn)步。技術(shù)進(jìn)步在提高能源效率方面發(fā)揮著重要作用，而能源效率的提高將帶來(lái)碳排放量的減少［15］。（4）人力資本偏向性技術(shù)進(jìn)步帶來(lái)勞動(dòng)力收入的增加，進(jìn)而影響勞動(dòng)力的消費(fèi)方式和消費(fèi)水平，最重要是會(huì)對(duì)能源消費(fèi)習(xí)慣產(chǎn)生影響，最終影響CO2排放量。

3 研究方法與指標(biāo)選取

3.1 研究區(qū)域

在城市化和工業(yè)化快速發(fā)展過(guò)程中，能源已經(jīng)成為制約中國(guó)經(jīng)濟(jì)發(fā)展和城市化發(fā)展的重要因素，大量的能源消耗會(huì)增加碳排放量，對(duì)氣候環(huán)境造成污染。以中國(guó)30 個(gè)省份（未含西藏和港澳臺(tái)地區(qū)）為研究樣本，根據(jù)能源稟賦多煤少油的特點(diǎn)，依據(jù)《中國(guó)煤炭產(chǎn)業(yè)統(tǒng)計(jì)年鑒》的方法，將30 個(gè)省份劃分為能源富集區(qū)（原煤產(chǎn)量5 000萬(wàn)t以上）和能源貧乏區(qū)1）。

3.2 研究方法

測(cè)度碳排放效率的計(jì)算主要涉及兩個(gè)方面，一方面是準(zhǔn)確測(cè)算CO2排放量，因?yàn)樘寂欧帕康臏?zhǔn)確性將會(huì)對(duì)碳排放效率計(jì)算結(jié)果產(chǎn)生直接影響，另一方面是碳排放效率的計(jì)算方法。由于數(shù)據(jù)包絡(luò)分析法（DEA）不需要研究投入產(chǎn)出指標(biāo)之間的函數(shù)關(guān)系，也不需要事先假設(shè)變量之間關(guān)系，避免了很多主觀因素影響，在衡量多投入多產(chǎn)出決策單元的效率方面擁有明顯優(yōu)勢(shì)，因此本研究采用DEA 方法測(cè)算碳排放效率。

3.2.1 super-SBM 模型

在測(cè)算碳排放效率時(shí)，需要在投入產(chǎn)出指標(biāo)體系中同時(shí)考慮期望產(chǎn)出和非期望產(chǎn)出，以及考慮要素的松弛效應(yīng)，才能有效地計(jì)算約束條件下的碳排放效率值，因此，基于super-SBM 模型測(cè)度碳排放效率。具體公式如下：

式（1）中：x為投入變量；y為產(chǎn)出變量；為投入的松弛變量，為產(chǎn)出的松弛變量；為權(quán)重向量；m為投入的個(gè)數(shù)；s為產(chǎn)出的個(gè)數(shù)。

3.2.2 全局全要素生產(chǎn)率指數(shù)（GML）

Malmquist-Lenberger 指數(shù)（ML 指數(shù)）取值范圍為（0，1）∪（1，+∞），表示生產(chǎn)率降低或提高的不同含義，因此使用GML 指數(shù)對(duì)不同地區(qū)碳排放效率進(jìn)行測(cè)算可以有效解決ML 指數(shù)無(wú)線性解和傳遞性不足問(wèn)題。將GML 指數(shù)分解為技術(shù)效率指數(shù)（GEFFCH）和技術(shù)進(jìn)步指數(shù)（GTECH）進(jìn)行動(dòng)態(tài)效率變化分析。計(jì)算公式如下：

同理，技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)計(jì)算公式分別如下：

3.2.3 Tobit 模型

采用super-SBM 模型測(cè)算的碳排放效率值以0為下限，若使用普通最小二乘法（OLS）回歸可能會(huì)使估計(jì)結(jié)果出現(xiàn)偏差，因此使用托賓（Tobit）模型來(lái)解決這類(lèi)因變量受限制問(wèn)題。構(gòu)建Tobit 面板回歸模型如下：

3.3 指標(biāo)選取與數(shù)據(jù)來(lái)源

3.3.1 省份碳排放量的計(jì)算

根據(jù)IPCC 指南，一般采用實(shí)際能源消耗量和與之對(duì)應(yīng)的碳排放系數(shù)的乘積測(cè)算CO2排放量［16］。將化石能源劃分為8 種，即煤炭、汽油、焦炭、原油、燃料油、煤油、柴油和天然氣。碳排放量計(jì)算公式如下：

各種能源平均低位發(fā)熱量、含碳量和氧化因子見(jiàn)表1。

表1 一次能源燃料碳排放指標(biāo)

3.3.2 投入產(chǎn)出指標(biāo)

在國(guó)內(nèi)外相關(guān)研究基礎(chǔ)上，將地區(qū)生產(chǎn)總值作為期望產(chǎn)出指標(biāo)、CO2排放量作為非期望產(chǎn)出指標(biāo)；將資本存量、能源消費(fèi)總量和年末就業(yè)人數(shù)作為投入指標(biāo)。

3.3.3 影響因素

（1）ICT資本偏向性技術(shù)進(jìn)步。根據(jù)投入產(chǎn)出表，基于經(jīng)過(guò)拆分合并后的行業(yè)口徑計(jì)算各行業(yè)ICT 硬件與ICT 軟件中間投入，即把通信設(shè)備、計(jì)算機(jī)及其他電子設(shè)備以及信息運(yùn)輸、計(jì)算機(jī)服務(wù)和軟件業(yè)兩部門(mén)合并為ICT 產(chǎn)業(yè)部門(mén)，在現(xiàn)有數(shù)據(jù)條件支持下，用ICT 固定資本存量測(cè)算ICT 資本偏向性技術(shù)進(jìn)步。對(duì)于未公布年份的資本投入數(shù)據(jù)，采用羅玥琦［17］的做法，根據(jù)《中國(guó)地區(qū)投入產(chǎn)出表》中數(shù)據(jù)選取與測(cè)算投資序列，采用永續(xù)盤(pán)存法測(cè)算ICT資本存量。計(jì)算公式如下：

（2）人力資本偏向性技術(shù)進(jìn)步（HC）?；趯O百才［18］對(duì)人力資本偏向性技術(shù)進(jìn)步分析，對(duì)HC的具體測(cè)算方法如下：假設(shè)一個(gè)經(jīng)濟(jì)體存在兩種投入要素，即勞動(dòng)和資本，并根據(jù)人力資本理論，基于工作效率和受教育程度不同，將整個(gè)社會(huì)的勞動(dòng)力分為技能型勞動(dòng)力（人力資本水平較高）和非技能型勞動(dòng)力（人力資本水平較低），采用非技能型勞動(dòng)力受教育年限與技能型勞動(dòng)力受教育年限之比來(lái)測(cè)度人力資本偏向型技術(shù)進(jìn)步。公式如下：

式（9）中：非技能型勞動(dòng)力受教育年限=小學(xué)×6+初中×9；技能型勞動(dòng)力受教育年限=高中×12+大專(zhuān)及以上學(xué)歷×16。小學(xué)、初中、高中、大專(zhuān)及以上學(xué)歷分別指的是各地區(qū)每年各類(lèi)學(xué)歷的畢業(yè)人數(shù)。

3.3.4 控制變量

為防止因變量缺失對(duì)回歸結(jié)果產(chǎn)生影響，在基準(zhǔn)回歸模型中控制了以下區(qū)域特征變量：

（1）經(jīng)濟(jì)發(fā)展水平（EDL）。較高經(jīng)濟(jì)水平會(huì)帶來(lái)技能型人才的集聚，改進(jìn)利用能源的技術(shù)和方式，提升碳排放效率。采用人均GDP 衡量經(jīng)濟(jì)發(fā)展水平，為消除異方差的影響對(duì)其進(jìn)行了對(duì)數(shù)化處理。

（2）環(huán)境規(guī)制（ER）。在環(huán)境規(guī)制約束下，企業(yè)會(huì)在環(huán)境保護(hù)方面投入更多資源，有利于CO2等非期望產(chǎn)出的減少，提高碳排放效率。使用環(huán)境治理投資占GDP 比重來(lái)測(cè)度環(huán)境規(guī)制，其中環(huán)境治理投資是城市環(huán)境基礎(chǔ)設(shè)施建設(shè)投資、工業(yè)污染治理投資和林業(yè)投資三者加總。

（3）能源消費(fèi)結(jié)構(gòu)（ECS）。合理的能源消費(fèi)結(jié)構(gòu)會(huì)減少能源使用量、提高能源利用效率，從而帶來(lái)碳排放效率提升。采用能源消費(fèi)總量中天然氣消費(fèi)總量的比重來(lái)衡量能源消費(fèi)結(jié)構(gòu)。

（4）財(cái)政集中度（FC）。在經(jīng)濟(jì)發(fā)展水平提高過(guò)程中，地方財(cái)政支出和收入會(huì)隨之增加，公眾對(duì)環(huán)境質(zhì)量的要求也會(huì)提高，且財(cái)政支出也會(huì)對(duì)當(dāng)?shù)仄髽I(yè)和政府的行為產(chǎn)生影響，從而對(duì)環(huán)境產(chǎn)生一定的影響。采用GDP 中地區(qū)財(cái)政支出所占百分比來(lái)衡量財(cái)政集中度。

（5）產(chǎn)業(yè)結(jié)構(gòu)（IS）。產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)在節(jié)約資源和降低污染度等方面具有重要作用，從而會(huì)帶來(lái)碳排放效率的變化。采用第三產(chǎn)業(yè)產(chǎn)值占GDP比重來(lái)測(cè)量產(chǎn)業(yè)結(jié)構(gòu)變化。

（6）對(duì)外貿(mào)易（FR）。在貿(mào)易自由流動(dòng)的情況下，發(fā)達(dá)國(guó)家會(huì)將高污染、高耗能產(chǎn)業(yè)向發(fā)展中國(guó)家轉(zhuǎn)移，引發(fā)CO2排放生產(chǎn)體的空間轉(zhuǎn)移，從而對(duì)碳排放效率產(chǎn)生影響。采用進(jìn)出口貿(mào)易總額占GDP 比重衡量貿(mào)易水平變動(dòng)。

3.4 數(shù)據(jù)說(shuō)明

本研究中有關(guān)指標(biāo)數(shù)據(jù)分別來(lái)自2008—2021 年《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)教育統(tǒng)計(jì)年鑒》《中國(guó)地區(qū)投入產(chǎn)出表》《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》《中國(guó)能源統(tǒng)計(jì)年鑒》《省級(jí)溫室氣體排放清單》以及各省份的統(tǒng)計(jì)年鑒。同時(shí)，將固定資產(chǎn)投資和國(guó)內(nèi)生產(chǎn)總值的原值分別采用固定資產(chǎn)投資價(jià)格指數(shù)、國(guó)內(nèi)生產(chǎn)總值指數(shù)平減至2007 年不變價(jià)格，以確保數(shù)據(jù)的有效性；缺失值則根據(jù)鄰近年份數(shù)據(jù)進(jìn)行線性插補(bǔ)。樣本的投入產(chǎn)出指標(biāo)描述性統(tǒng)計(jì)如表2 所示。

表2 區(qū)域碳排放效率投入產(chǎn)出指標(biāo)體系及樣本指標(biāo)描述性統(tǒng)計(jì)結(jié)果

4 實(shí)證結(jié)果及討論

4.1 碳排放效率測(cè)算結(jié)果分析

4.1.1 時(shí)序演變特征

利用MaxDEA 軟件繪制全樣本、能源富集區(qū)和能源貧乏區(qū)碳排放效率均值變化趨勢(shì)圖（見(jiàn)圖1）?？疾炱陂g，全樣本碳排放效率整體呈下降趨勢(shì)，從2007 年的0.637 5 下降到2020 年的0.257 6，能源富集區(qū)變化趨勢(shì)與整體變化趨勢(shì)基本保持一致，能源貧乏區(qū)效率呈先上升后下降趨勢(shì)。分時(shí)間段來(lái)看，整體上，2007—2016 年碳排放效率值連續(xù)下降，這可能是由于各級(jí)政府為了應(yīng)對(duì)2008 年經(jīng)濟(jì)危機(jī)而采取各種措施所導(dǎo)致的；2016—2017 年碳排放效率呈現(xiàn)回升趨勢(shì)，分析其原因是碳交易市場(chǎng)初期建立的成果。分區(qū)域來(lái)看，能源富集與能源貧乏兩大區(qū)域碳排放效率變化呈現(xiàn)較大的區(qū)域異質(zhì)性，其中能源富集區(qū)波動(dòng)較小、能源貧乏區(qū)波動(dòng)幅度較大，表明各地區(qū)受到能源、自然、社會(huì)等多方面因素的影響，碳排放效率的變化趨勢(shì)有所不同。

圖1 中國(guó)碳排放效率均值趨勢(shì)

4.1.2 GML 指數(shù)及其分解

進(jìn)一步采用GML 指數(shù)對(duì)30 個(gè)省份碳排放效率的動(dòng)態(tài)變化及構(gòu)成進(jìn)行測(cè)算。由表3 可知，考察期間內(nèi)各省份GML 均值為0.950 2，呈下降趨勢(shì)。其中，只有寧夏、重慶、新疆、天津、上海、遼寧以及北京的全局技術(shù)效率指數(shù)大于1，重慶、山東及新疆的全局技術(shù)進(jìn)步指數(shù)大于1。大多數(shù)省份的技術(shù)進(jìn)步指數(shù)＞技術(shù)效率指數(shù)，說(shuō)明技術(shù)進(jìn)步是碳排放效率變化的主要因素，因此需要促進(jìn)技術(shù)進(jìn)步來(lái)帶動(dòng)碳排放效率提升。

表3 2007—2020 年中國(guó)30 個(gè)省份碳排放效率水平的GML 指數(shù)及分解結(jié)果

4.1.3 空間分布特征

總體來(lái)說(shuō)，考察期間能源貧乏區(qū)的碳排放效率值大于能源富集區(qū)。分時(shí)間來(lái)看，2011 年只有3 個(gè)省份的碳排放效率達(dá)到完全有效水平，效率水平由高到低依次為山東、江蘇、新疆，其他大多數(shù)省份的碳排放效率處于中等水平；2013 年，30 個(gè)省份的碳排放效率均未達(dá)到完全有效，仍處于中等水平，且較2011 年的碳排放效率有所下降；2020 年，部分省份碳排放效率有所提升，但幅度不大，主要集中在上海、北京等發(fā)達(dá)地區(qū)，其他大部分省份仍呈現(xiàn)下降趨勢(shì)，如甘肅、青海等。

4.2 碳排放效率水平影響因素分析

基于Tobit 模型對(duì)樣本面板數(shù)據(jù)進(jìn)行回歸，結(jié)果如表4 所示。從整體來(lái)看，ICT 資本偏向性技術(shù)進(jìn)步對(duì)碳排放效率提升具有顯著抑制作用，因?yàn)樘紲p排新技術(shù)的重組需要一定時(shí)間，也需要人力資本和組織管理等補(bǔ)充投資的完善，從而減弱了提高碳排放效率過(guò)程中使用新技術(shù)的能力，無(wú)法充分發(fā)揮當(dāng)期ICT 投資的作用；人力資本偏向性技術(shù)進(jìn)步對(duì)碳排放效率水平提升同樣具有顯著抑制作用，因?yàn)楫?dāng)技術(shù)進(jìn)步偏向人力資本時(shí)，通常會(huì)增加高技能勞動(dòng)力收入，從而影響勞動(dòng)力消費(fèi)方式和水平，有可能會(huì)增加對(duì)碳排放量高的產(chǎn)品的消耗，從而使得碳排放效率下降。

表4 樣本變量的基本回歸結(jié)果

從控制變量來(lái)看，經(jīng)濟(jì)發(fā)展水平與碳排放效率之間具有顯著正向關(guān)系，表明隨著經(jīng)濟(jì)的發(fā)展，人們開(kāi)始注重環(huán)境保護(hù)和能源消耗，碳排放效率也隨之提升；產(chǎn)業(yè)結(jié)構(gòu)與碳排放效率之間呈顯著負(fù)向關(guān)系，這是因?yàn)榈谌a(chǎn)業(yè)在擴(kuò)大規(guī)模和結(jié)構(gòu)優(yōu)化升級(jí)過(guò)程中會(huì)增加能源消耗，使碳排放增加；對(duì)外貿(mào)易對(duì)碳排放效率提升同樣具有抑制作用，因?yàn)殡S著國(guó)際分工與產(chǎn)業(yè)轉(zhuǎn)移速度的加快，發(fā)達(dá)國(guó)家向中國(guó)轉(zhuǎn)移碳排放，導(dǎo)致中國(guó)碳排放效率下降；環(huán)境規(guī)制對(duì)碳排放效率提升具有顯著抑制作用，因?yàn)楫?dāng)政府開(kāi)始實(shí)施環(huán)境保護(hù)政策時(shí)，化石燃料供應(yīng)者為了利益最大化會(huì)加快燃料的開(kāi)采和售賣(mài)，短時(shí)間內(nèi)會(huì)出現(xiàn)供過(guò)于求現(xiàn)象，導(dǎo)致化石燃料的價(jià)格下降、需求上升，最終增加CO2排放［19］；而財(cái)政集中度對(duì)碳排放效率提升產(chǎn)生了顯著負(fù)向作用，這與屈小娥等［20］的研究結(jié)果相同。分區(qū)域來(lái)看，在能源富集區(qū)，ICT 資本偏向性技術(shù)進(jìn)步和人力資本偏向性技術(shù)進(jìn)步對(duì)碳排放效率均存在顯著抑制作用；在能源貧乏區(qū)，ICT 資本偏向性技術(shù)進(jìn)步和人力資本偏向性技術(shù)進(jìn)步對(duì)碳排放效率提升均具有促進(jìn)作用，但結(jié)果不顯著。

4.3 穩(wěn)健性檢驗(yàn)

為了檢驗(yàn)以上實(shí)證分析結(jié)果的穩(wěn)定性，采用替換模型的方法，以方向性距離函數(shù)（DDF）代替super-SBM 模型來(lái)計(jì)算碳排放效率，其他變量保持不變，重新進(jìn)行Tobit 回歸。如表5 所示，30 個(gè)省份整體、能源富集區(qū)以及能源貧乏區(qū)的回歸結(jié)果與基本回歸結(jié)果基本一致，表明本研究的實(shí)證結(jié)果有穩(wěn)健性。

表5 替換模型的樣本變量穩(wěn)健性檢驗(yàn)結(jié)果

表5 （續(xù)）

2013 年，北京、上海、廣東、天津等地正式啟動(dòng)多個(gè)碳交易試點(diǎn)，為了進(jìn)一步驗(yàn)證本研究實(shí)證結(jié)果的可靠性，將樣本期間縮減并劃分為2007—2012年和2013—2018 年兩個(gè)時(shí)間段，對(duì)全樣本和兩大區(qū)域的回歸結(jié)果進(jìn)行驗(yàn)證，結(jié)果如表6 所示。其中，由于回歸所涉及變量較多，ICT 資本偏向性技術(shù)進(jìn)步和人力資本偏向性技術(shù)進(jìn)步的分樣本回歸結(jié)果與全樣本回歸結(jié)果的顯著性不同，但回歸系數(shù)符號(hào)相同，而分樣本檢驗(yàn)得出的結(jié)果與基本回歸結(jié)果基本一致也在一定程度上表明本研究實(shí)證結(jié)果具有穩(wěn)健性。

表6 改變考察期間的樣本變量穩(wěn)健性檢驗(yàn)結(jié)果

5 結(jié)論與建議

從以上對(duì)中國(guó)30 個(gè)省份的實(shí)證分析可知，總體來(lái)說(shuō)，大部分省份的碳排放效率水平仍然較低。從2007—2020 年各省份碳排放效率均值可以看出，只有北京、上海、廣東以及新疆4 個(gè)省份的均值大于1，即處于有效水平，其他省份均未達(dá)到有效水平；均值最低的省份是寧夏，波動(dòng)程度最強(qiáng)的是山東，表現(xiàn)最穩(wěn)定的是甘肅。技術(shù)進(jìn)步的變化是引起碳排放效率變化的主要?jiǎng)右颉CT 資本偏向性技術(shù)進(jìn)步和人力資本偏向性技術(shù)進(jìn)步在整體和能源富集區(qū)對(duì)碳排放效率提升均呈現(xiàn)出顯著抑制作用，在能源貧乏區(qū)則均呈現(xiàn)出顯著促進(jìn)作用。

據(jù)此，提出以下建議：第一，在提高信息化水平的過(guò)程中應(yīng)最大限度發(fā)揮ICT 資本產(chǎn)業(yè)的各種效應(yīng)，尤其是外溢效應(yīng)，同時(shí)注重人力資本、管理服務(wù)等相關(guān)互補(bǔ)性投資，使ICT 能更好地運(yùn)用于生產(chǎn)，削弱延遲效應(yīng)，提高碳排放效率水平。第二，加強(qiáng)人力資本投資，培養(yǎng)低碳型技術(shù)人才。實(shí)現(xiàn)碳減排目標(biāo)需要通過(guò)清潔技術(shù)的開(kāi)發(fā)、應(yīng)用和推廣以及能源結(jié)構(gòu)的調(diào)整，而低碳型技術(shù)人才在技術(shù)研發(fā)、實(shí)驗(yàn)和推廣過(guò)程中起到了重要的作用。第三，優(yōu)化人力資本在區(qū)域間的配置，實(shí)現(xiàn)區(qū)域間協(xié)調(diào)發(fā)展。人力資本偏向性技術(shù)進(jìn)步對(duì)碳排放效率影響存在區(qū)域異質(zhì)性，因此，應(yīng)推動(dòng)人力資本在區(qū)域間的均衡分布，避免因分布不均造成碳排放效率低下問(wèn)題。第四，構(gòu)建完善能源富集區(qū)ICT 產(chǎn)業(yè)鏈模式。雖然能源富集區(qū)的信息通信技術(shù)產(chǎn)業(yè)發(fā)展勢(shì)頭良好，但是產(chǎn)業(yè)鏈尚未完全形成，只有在網(wǎng)絡(luò)普及、多媒體技術(shù)發(fā)展、多種創(chuàng)意和技術(shù)融合及良好政策支持下才能形成良好產(chǎn)業(yè)鏈，加強(qiáng)企業(yè)、行業(yè)間聯(lián)系，使ICT 投資更好地運(yùn)用于生產(chǎn)，提高碳排放效率。第五，能源貧乏區(qū)應(yīng)制定和完善ICT 投資政策，繼續(xù)加強(qiáng)ICT 投資。能源貧乏區(qū)的ICT 資本偏向性技術(shù)進(jìn)步對(duì)碳排放效率提升具有促進(jìn)作用，因此完善ICT 投資政策、加快ICT 產(chǎn)業(yè)發(fā)展會(huì)提高能源利用效率，實(shí)現(xiàn)碳減排目標(biāo)。

注釋?zhuān)?/p>

1）能源富集區(qū)包括內(nèi)蒙古、山西、陜西、河南、貴州、山東、安徽、新疆、黑龍江、云南、河北、湖南、寧夏、四川、遼寧；能源貧乏區(qū)包括北京、天津、上海、江蘇、浙江、福建、廣東、海南、吉林、江西、湖北、重慶、廣西、甘肅、青海。