外商直接投資對(duì)中國(guó)省域碳排放強(qiáng)度的影響

李俊愷

○國(guó)家林業(yè)和草原局財(cái)會(huì)核算審計(jì)中心

一、引言

20世紀(jì)90年代以來，中國(guó)外商直接投資(Foreign Direct Investment，F(xiàn)DI)規(guī)模保持快速增長(zhǎng)。根據(jù)國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)，F(xiàn)DI已由1990年的34.87億美元上漲到2021年的 1 809.6 億美元。但在經(jīng)濟(jì)快速發(fā)展和FDI不斷增長(zhǎng)的同時(shí)，中國(guó)的碳排放量也隨之不斷上升。2022年9月，中國(guó)在第75屆聯(lián)合國(guó)大會(huì)上提出力爭(zhēng)于2030年前實(shí)現(xiàn)碳達(dá)峰，2060年前實(shí)現(xiàn)碳中和的宏偉戰(zhàn)略目標(biāo)(以下簡(jiǎn)稱“雙碳”目標(biāo))。數(shù)字經(jīng)濟(jì)技術(shù)的快速發(fā)展為區(qū)域低碳轉(zhuǎn)型提供了契機(jī)[1]。FDI對(duì)碳排放強(qiáng)度(Carbon Intensity，CI)的影響，數(shù)字經(jīng)濟(jì)發(fā)展對(duì)該影響的作用及FDI對(duì)CI的影響在不同區(qū)域是否存在差異？上述問題的解答，對(duì)推動(dòng)FDI協(xié)調(diào)發(fā)展，推動(dòng)中國(guó)經(jīng)濟(jì)綠色轉(zhuǎn)型和高質(zhì)量發(fā)展，助力“雙碳”目標(biāo)實(shí)現(xiàn)，具有十分重要的現(xiàn)實(shí)意義。

文章基于2000—2020年中國(guó)30個(gè)省份(除西藏外)的面板數(shù)據(jù)，構(gòu)建雙向固定效應(yīng)模型，實(shí)證分析FDI對(duì)CI的影響，并將FDI與數(shù)字經(jīng)濟(jì)水平的交互項(xiàng)納入上述模型，實(shí)證分析數(shù)字水平對(duì)FDI影響CI的調(diào)節(jié)效應(yīng)，最后就FDI對(duì)CI的影響進(jìn)行區(qū)域異質(zhì)性分析。

二、文獻(xiàn)回顧與研究假設(shè)

(一)FDI對(duì)碳排放的直接影響

學(xué)術(shù)界就FDI對(duì)碳排放影響的研究，尚未形成一致結(jié)論，主要分為支持“污染天堂”假設(shè)和支持“污染光環(huán)”假設(shè)兩個(gè)派系?！拔廴咎焯谩奔僭O(shè)認(rèn)為受環(huán)境規(guī)制的影響，F(xiàn)DI趨向于向環(huán)境規(guī)制相對(duì)寬松的國(guó)家和地區(qū)流動(dòng)，從而加劇東道國(guó)的碳排放量。例如，路正南和羅雨森基于2005—2017年中國(guó)30個(gè)省份的面板數(shù)據(jù)，通過構(gòu)建空間杜賓模型，實(shí)證檢驗(yàn)了FDI對(duì)碳排放強(qiáng)度的正向影響關(guān)系[2]；于丹等通過協(xié)整關(guān)系檢驗(yàn)和格蘭杰因果關(guān)系檢驗(yàn)證明FDI與碳排放之間的正向因果關(guān)系，F(xiàn)DI對(duì)碳排放貢獻(xiàn)的彈性系數(shù)為1.91[3]；王慧等在采用非導(dǎo)向型EBM-Malmquist-Luenberger指數(shù)定量檢驗(yàn)了雙向FDI與碳排放之間的關(guān)系，結(jié)果支持了“污染天堂”假設(shè)[4]?！拔廴竟猸h(huán)假設(shè)”認(rèn)為FDI更有利于綠色生產(chǎn)技術(shù)的傳播，并通過采用統(tǒng)一的環(huán)境標(biāo)準(zhǔn)，降低東道國(guó)的碳排放[5-7]。此外，還有部分學(xué)者認(rèn)為，F(xiàn)DI對(duì)碳排放的影響會(huì)受城鎮(zhèn)化率等經(jīng)濟(jì)社會(huì)因素發(fā)展而發(fā)生由正轉(zhuǎn)負(fù)的變化[8-9]。而中國(guó)對(duì)碳排放的規(guī)制還相對(duì)較為寬松，碳排放交易市場(chǎng)尚處于初步發(fā)展階段，中國(guó)核證自愿減排量項(xiàng)目也尚未重新啟動(dòng)，因而FDI可能會(huì)加劇碳排放。因此，本文提出假設(shè)H1：

H1：外商直接投資對(duì)碳排放強(qiáng)度具有正向影響。

(二)數(shù)字經(jīng)濟(jì)的調(diào)節(jié)效應(yīng)

相關(guān)研究已證明數(shù)字經(jīng)濟(jì)對(duì)碳排放強(qiáng)度具有顯著的負(fù)向影響。例如，肖靜和曾萍基于中國(guó)30個(gè)省份的面板數(shù)據(jù)，定量分析了數(shù)字經(jīng)濟(jì)發(fā)展對(duì)地區(qū)低碳轉(zhuǎn)型的影響，結(jié)果表明，數(shù)字經(jīng)濟(jì)發(fā)展對(duì)地區(qū)碳排放強(qiáng)度具有顯著的正向影響[10]；陳福中和蔣國(guó)?；?011—2019年中國(guó)285個(gè)地級(jí)市的面板數(shù)據(jù)，通過構(gòu)建廣義空間嵌套模型，實(shí)證檢驗(yàn)了數(shù)字經(jīng)濟(jì)與碳排放的顯著負(fù)向關(guān)系[11]。此外，也有部分學(xué)者認(rèn)為，數(shù)字經(jīng)濟(jì)對(duì)區(qū)域碳排放的影響呈現(xiàn)先增后減的趨勢(shì)。例如，王帥龍基于2011—2019城市面板數(shù)據(jù)，通過雙向固定效應(yīng)模型驗(yàn)證了數(shù)字經(jīng)濟(jì)發(fā)展對(duì)碳排放具有先增后減的影響[12]；鐘群英和曹坪基于2013—2020年中國(guó)30個(gè)省份的數(shù)據(jù)，構(gòu)建中介效應(yīng)和空間杜賓模型，實(shí)證檢驗(yàn)了數(shù)字經(jīng)濟(jì)對(duì)區(qū)域低碳發(fā)展存在先抑制后促進(jìn)的效應(yīng)，即對(duì)碳排放的影響呈現(xiàn)先增后減的效應(yīng)[13]。數(shù)字經(jīng)濟(jì)對(duì)碳排放具有顯著的負(fù)向作用，那么數(shù)字經(jīng)濟(jì)發(fā)展能否影響FDI對(duì)CI的負(fù)向調(diào)節(jié)作用，結(jié)果有待研究。因此，本文提出假設(shè)H2：

H2：數(shù)字經(jīng)濟(jì)水平負(fù)向調(diào)節(jié)外商直接投資對(duì)碳排放強(qiáng)度的正向影響。

三、研究設(shè)計(jì)

基于2000—2020年中國(guó)30個(gè)省份(除西藏外)的面板數(shù)據(jù)，構(gòu)建相關(guān)模型，并對(duì)變量的選取、定義和數(shù)據(jù)來源進(jìn)行簡(jiǎn)要說明。

(一)模型構(gòu)建

1.基準(zhǔn)模型

為檢驗(yàn)FDI對(duì)CI的影響，構(gòu)建基準(zhǔn)模型(1)：

CIit=α0+α1FDIit+Xφ+θi+ηt+σit

(1)

式(1)中，下標(biāo)i和t分別表示省份和年份，CI為碳排放強(qiáng)度，F(xiàn)DI為外商直接投資，回歸系數(shù)α1反映了FDI對(duì)CI的影響程度，X為控制變量向量，φ為其對(duì)應(yīng)的回歸系數(shù)向量，α0為截距項(xiàng)。此外，模型還控制了省份固定效應(yīng)θi和年份固定效應(yīng)ηt，σit為隨機(jī)擾動(dòng)項(xiàng)。

2.調(diào)節(jié)效應(yīng)模型

在明確FDI對(duì)CI影響的基礎(chǔ)上，進(jìn)一步通過考察數(shù)字經(jīng)濟(jì)水平與FDI的交互效應(yīng)來明確數(shù)字經(jīng)濟(jì)是否能抑制FDI對(duì)CI正向影響，相關(guān)的調(diào)節(jié)效應(yīng)表達(dá)式如式(2)所示：

CIit=β0+β1FDIit+β1digit+β2FDIit×digit+Xγ+δi+μt+εit

(2)

式(2)中，dig為數(shù)字經(jīng)濟(jì)水平，F(xiàn)DI×dig表示外商直接投資和數(shù)字經(jīng)濟(jì)水平的交互項(xiàng)，β2為對(duì)應(yīng)的交互效應(yīng)，X為控制變量向量，γ為其對(duì)應(yīng)的回歸系數(shù)向量，β0為截距項(xiàng)。模型還控制了省份固定效應(yīng)δi和年份固定效應(yīng)μt，εit為隨機(jī)擾動(dòng)項(xiàng)。

(二)變量設(shè)置與數(shù)據(jù)來源

全文所用的所有變量，包括被解釋變量、核心解釋變量、調(diào)節(jié)變量、控制變量和工具變量的選取和構(gòu)造進(jìn)行簡(jiǎn)要的定義和說明，所有變量的描述性統(tǒng)計(jì)如表1所示。

表1 主要變量描述性統(tǒng)計(jì)

1.被解釋變量

碳排放強(qiáng)度。通過二氧化碳(CO2)排放量與地區(qū)生產(chǎn)總值(GDP)的比值衡量，表示單位GDP的CO2排放量。其中CO2排放量的測(cè)算，參考叢建輝等的方法，在邊界界定準(zhǔn)則下對(duì)各地級(jí)市的碳排放量進(jìn)行測(cè)度[14]，并加總到省。

2.核心解釋變量

外商直接投資(億元)。為減小共線性和異方差的影響，將FDI加1后取對(duì)數(shù)。

3.調(diào)節(jié)變量

數(shù)字經(jīng)濟(jì)水平?！墩ぷ鲌?bào)告》和5年規(guī)劃綱要是對(duì)政府過去工作的總結(jié)和未來工作的展望，可以在很大程度上體現(xiàn)政府對(duì)經(jīng)濟(jì)和社會(huì)活動(dòng)的重視程度。為篩選體現(xiàn)數(shù)字經(jīng)濟(jì)發(fā)展水平相關(guān)的詞匯，本文在考慮中國(guó)特殊背景的前提下，對(duì)Baker et al.的做法進(jìn)行了調(diào)整[15]。首先，人工審2000—2020年的國(guó)務(wù)院《政府工作報(bào)告》和5年規(guī)劃綱要，人工篩選出數(shù)字經(jīng)濟(jì)發(fā)展水平相關(guān)的高頻詞匯，例如數(shù)字經(jīng)濟(jì)、物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、大數(shù)據(jù)、云服務(wù)、機(jī)器人等，共計(jì)60個(gè)；其次，采用python 3.9軟件對(duì)2000—2020年各省政府工作報(bào)告進(jìn)行詞頻分析，分別統(tǒng)計(jì)省級(jí)政府工作報(bào)告中數(shù)字經(jīng)濟(jì)相關(guān)高頻詞匯出現(xiàn)的頻次和總詞頻，由于部分省份某些年度的政府工作報(bào)告缺失，因而采用3年移動(dòng)平均法對(duì)缺失值進(jìn)行填補(bǔ)；再次，為統(tǒng)一量綱，采用高頻詞匯的頻次占總詞頻的比例作為數(shù)字經(jīng)濟(jì)發(fā)展水平的代理變量，該比例越高，間接體現(xiàn)數(shù)字經(jīng)濟(jì)發(fā)展水平越高[16]；最后，進(jìn)行歸一化處理。

4.控制變量

參考已有文獻(xiàn)的做法，在基準(zhǔn)模型中控制如下變量：產(chǎn)業(yè)結(jié)構(gòu)，采用二產(chǎn)增加值與三產(chǎn)增加值的比例衡量；經(jīng)濟(jì)發(fā)展水平，采用人均GDP+1取對(duì)數(shù)衡量，此外，為驗(yàn)證環(huán)境庫(kù)茲涅茲曲線，還加入上述變量的平方項(xiàng)；人口總量，采用總?cè)丝?1取對(duì)數(shù)衡量；對(duì)外開放程度，采用進(jìn)出口總額與GDP之比衡量；城鎮(zhèn)化水平，采用城鎮(zhèn)人口與總?cè)丝谥群饬浚还I(yè)化水平，采用工業(yè)增加值與GDP之比衡量；社會(huì)消費(fèi)水平，采用社會(huì)消費(fèi)品零售總額與GDP之比衡量；勞動(dòng)力水平，采用就業(yè)人員數(shù)+1取對(duì)數(shù)衡量；人力資本水平，采用高校學(xué)生在校人數(shù)/總?cè)丝诤饬?。?duì)于某些年份部分年份的數(shù)據(jù)缺失值，均采用3年移動(dòng)平均法進(jìn)行填補(bǔ)。上述數(shù)據(jù)均來源于2000—2020年的《中國(guó)統(tǒng)計(jì)年鑒》。

四、實(shí)證結(jié)果分析

(一)基準(zhǔn)回歸結(jié)果分析

基于公式(1)，基準(zhǔn)回歸結(jié)果如表2所示。第2～5列分別為不考慮固定效應(yīng)、考慮年份固定效應(yīng)、考慮省份固定效應(yīng)和考慮年份和省份雙向固定效應(yīng)的結(jié)果，均在1%的顯著性水平上表現(xiàn)出FDI對(duì)CI的正向影響，假設(shè)H1得證。以第5列雙向固定效應(yīng)回歸結(jié)果為例，F(xiàn)DI每增加1個(gè)標(biāo)準(zhǔn)離差，CI增加0.32個(gè)標(biāo)準(zhǔn)離差(0.780×1.707/4.202)。此外，人均GDP平方項(xiàng)的系數(shù)均顯著為負(fù)，人均GDP的系數(shù)顯著為正，呈現(xiàn)倒“U”型的環(huán)境庫(kù)茲涅茲曲線形狀，即隨著經(jīng)濟(jì)發(fā)展水平的提高，環(huán)境污染水平呈現(xiàn)先上升后下降的趨勢(shì)。

表2 外商直接投資對(duì)碳排放強(qiáng)度的影響

(二)調(diào)節(jié)效應(yīng)結(jié)果分析

基于公式(2)，調(diào)節(jié)效應(yīng)回歸結(jié)果如表3所示。第2～5列分別為不考慮固定效應(yīng)、考慮年份固定效應(yīng)、考慮省份固定效應(yīng)和考慮年份和省份雙向固定效應(yīng)的結(jié)果。以第5列雙向固定效應(yīng)回歸結(jié)果為例，對(duì)結(jié)果進(jìn)行分析。FDI在1%的顯著性水平上正向影響CI，但是數(shù)字經(jīng)濟(jì)在5%的顯著性水平對(duì)上述影響產(chǎn)生了負(fù)向的調(diào)節(jié)效應(yīng)，抑制了FDI對(duì)CI的“增長(zhǎng)”效應(yīng)，假設(shè)H2得證。在其他條件不變的情況下，平均而言，數(shù)字經(jīng)濟(jì)每增加1個(gè)標(biāo)準(zhǔn)離差，F(xiàn)DI對(duì)CI的正向影響下降0.16個(gè)標(biāo)準(zhǔn)離差(0.439×1.492/4.202)。

表3 數(shù)字經(jīng)濟(jì)水平的調(diào)節(jié)效應(yīng)

(三)區(qū)域異質(zhì)性分析

不同的經(jīng)濟(jì)發(fā)展程度、人才基礎(chǔ)和技術(shù)研發(fā)水平，F(xiàn)DI對(duì)碳排放的影響可能存在差異。因此，根據(jù)經(jīng)濟(jì)發(fā)展程度，將30個(gè)省份劃分為東部、中部和西部，分樣本識(shí)別FDI對(duì)CI的影響，結(jié)果如表4所示。第2～4列分別為東部、中部和西部的分樣本回歸結(jié)果。相對(duì)而言，F(xiàn)DI對(duì)CI的正向影響西部最強(qiáng)，東部次之，中部最弱。一個(gè)可能的解釋是，西部地區(qū)經(jīng)濟(jì)、技術(shù)和人才基礎(chǔ)相對(duì)于中部和西部較為薄弱，F(xiàn)DI水平較低，F(xiàn)DI對(duì)CI的邊際影響增加更為顯著。

表4 區(qū)域異質(zhì)性分析

(四)穩(wěn)健性檢驗(yàn)

采用替換被解釋變量、對(duì)可能存在的內(nèi)生性進(jìn)行處理、剔除金融危機(jī)的影響等方法，對(duì)回歸結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。

1.替換被解釋變量

國(guó)家《十四五規(guī)劃綱要》明確指出，實(shí)施以碳強(qiáng)度控制為主，碳排放總量控制為輔的制度。因此，用碳排放總量替代CI，實(shí)證檢驗(yàn)FDI對(duì)碳排放總量的影響，結(jié)果如表5所示。第2～5列分別為不考慮固定效應(yīng)、考慮年份固定效應(yīng)、考慮省份固定效應(yīng)和考慮年份和省份雙向固定效應(yīng)的結(jié)果，均在1%的顯著性水平上呈現(xiàn)出FDI對(duì)碳排放總量的正向影響。系數(shù)的符合和顯著性并未發(fā)生變化，說明回歸結(jié)果較為穩(wěn)健。

表5 外商直接投資對(duì)碳排放總量的影響

2.內(nèi)生性處理

模型可能存在互為因果、遺漏變量和測(cè)量誤差等內(nèi)生性的影響，導(dǎo)致回歸系數(shù)估計(jì)結(jié)果產(chǎn)生偏誤。參考傅元海和林劍威的做法，選取滯后一期的FDI作為工具變量，分別進(jìn)行2SLS和GMM回歸，結(jié)果如表6所示。第2列為第一階段回歸結(jié)果，表明滯后一期的FDI在1%的顯著性水平上對(duì)當(dāng)期的FDI產(chǎn)生正向影響。第3～4列分別為2SLS和GMM的2階段回歸結(jié)果，均表明在對(duì)內(nèi)生性進(jìn)行處理后，F(xiàn)DI在1%的顯著性水平上正向影響CI。就工具變量的合理性而言，第1階段F檢驗(yàn)的統(tǒng)計(jì)值為328.31，遠(yuǎn)大于經(jīng)驗(yàn)值10；Cragg-Donald Wald F檢驗(yàn)和Kleibergen-Paap rk Wald F檢驗(yàn)的統(tǒng)計(jì)值分別為 1 192.210 和518.524，均大于10%的臨界值16.38，因而不存在弱工具變量問題。第2階段的LM檢驗(yàn)統(tǒng)計(jì)值為110.288，在1%的顯著性水平上拒絕了工具變量識(shí)別不足的原假設(shè)，因此，選擇滯后一期的FDI作為工具變量是合理的。綜上，無論是采取2SLS估計(jì)方法還是GMM估計(jì)方法，F(xiàn)DI均對(duì)CI產(chǎn)生顯著的正向影響，和基準(zhǔn)回歸結(jié)果保持一致，再次說明結(jié)果較為穩(wěn)健。

表6 工具變量回歸結(jié)果

3.改變樣本容量

2008年全球金融危機(jī)對(duì)FDI水平產(chǎn)生了明顯的影響?？紤]其對(duì)實(shí)證結(jié)果的可能影響，參考馮玉靜等的做法，在總樣本中剔除2008和2009年的樣本，并在此基礎(chǔ)上重新估計(jì)FDI對(duì)碳排放的影響[17]，結(jié)果如表7所示。第2～4列分別為2000—2007年、2009—2020年以及在2000—2020年中剔除2008年和2009年的分樣本回歸結(jié)果，F(xiàn)DI均在1%的顯著性水平上正向影響CI，和基準(zhǔn)回歸結(jié)果保持一致，再次說明回歸結(jié)果較為穩(wěn)健。

表7 分樣本回歸結(jié)果

五、結(jié)論與啟示

文章基于2000—2020年中國(guó)30個(gè)省份的樣本數(shù)據(jù)，通過構(gòu)建雙向固定效應(yīng)模型，定量分析了FDI對(duì)CI的影響；并在此基礎(chǔ)上通過調(diào)節(jié)效應(yīng)模型，實(shí)證檢驗(yàn)了數(shù)字經(jīng)濟(jì)水平的調(diào)節(jié)效應(yīng)；最后，就FDI對(duì)CI的影響進(jìn)行了區(qū)域異質(zhì)性分析。

(一)研究結(jié)論

1.FDI對(duì)CI具有顯著正向影響。在其他條件不變的情況下，平均而言，F(xiàn)DI每增加1個(gè)標(biāo)準(zhǔn)離差，CI增加0.32個(gè)標(biāo)準(zhǔn)離差。此外，隨著經(jīng)濟(jì)發(fā)展水平的不斷提高，CI呈現(xiàn)先上升后下降的趨勢(shì)。

2.數(shù)字經(jīng)濟(jì)負(fù)向調(diào)節(jié)FDI對(duì)CI的正向效應(yīng)。在其他條件不變的情況下，平均而言，數(shù)字經(jīng)濟(jì)每增加1個(gè)標(biāo)準(zhǔn)離差，F(xiàn)DI對(duì)CI的正向影響下降0.16個(gè)標(biāo)準(zhǔn)離差。

3.FDI對(duì)CI的影響存在顯著的區(qū)域差異。具體而言，F(xiàn)DI對(duì)CI的影響程度為西部最強(qiáng)，東部次之，中部最弱，回歸系數(shù)分別為1.092、0.562和0.360。

(二)對(duì)策建議

首先，提高FDI的市場(chǎng)準(zhǔn)入條件，嚴(yán)格限制高污染、高排放外資的引入，創(chuàng)建以低碳發(fā)展為導(dǎo)向的外向型經(jīng)濟(jì)增長(zhǎng)模式，避免“先污染，后治理”的發(fā)展模式，實(shí)現(xiàn)經(jīng)濟(jì)、社會(huì)和環(huán)境的可持續(xù)發(fā)展；其次，加大科技研發(fā)投入，提高數(shù)字經(jīng)濟(jì)發(fā)展水平，充分發(fā)揮數(shù)字經(jīng)濟(jì)的“碳減排”效應(yīng)；最后，各區(qū)域需結(jié)合本區(qū)域經(jīng)濟(jì)和社會(huì)發(fā)展水平，因地制宜吸引外資。東部地區(qū)以提高外資質(zhì)量為導(dǎo)向，推動(dòng)外資結(jié)構(gòu)向高新技術(shù)、高附加值產(chǎn)業(yè)轉(zhuǎn)移。中部、西部地區(qū)則需充分發(fā)揮地區(qū)的勞動(dòng)力和資源優(yōu)勢(shì)，加大外資吸引力度。