外商直接投资地区差距对碳排放的影响

蒋庚华 郭 沛

(1.南开大学国际经济学研究所，天津300071;2.东北师范大学经济学院，吉林长春130117)

在我国经济发展过程中，由于在资源禀赋、技术条件、工业化水平等方面的差距，各地区在碳排放上也存在差距，这种地区间的碳排放差距不仅不利于我国与碳减排制度有关的政策的拟定，也制约着中国节能减排目标的实现。改革开放后，随着全球产业梯度转移，大量外商直接投资企业进入中国，一方面给中国带来了相对先进的技术、促进了中国经济的发展，另一方面也给中国带来了如环境污染、碳排放量增加等问题，现有的研究成果也表明外商直接投资对中国碳排放具有显著影响。外商直接投资企业在中国的分布存在明显的地域性特征，这种地区分布差距是否会对中国碳排放的地区差距产生影响、产生何种影响，这不仅关系到中国未来节能减排目标的实现，也对未来各地区对待外商直接投资企业的态度和外商直接投资企业的发展产生影响。

从理论上讲，外商直接投资地区差距对碳排放地区差距应存在正向(消极)和反向(积极)两个方面的影响。从正向(消极)影响来看，外商直接投资企业投资于中国的某一地区，可能存在两个主要目的，第一，充分利用中国相对廉价的劳动力资源和自然资源，在此过程中，大量自然资源的消耗，特别是以煤炭为代表的高碳排放能源的消耗，必然增加该地区的碳排放量;第二，规避发达国家的环境规制，从而将本国的高碳排放工业和相对落后的生产环节转移到中国，这也将增加该地区的碳排放量，国际上流行的“环境避难所”假说正反映这一问题。在上述两种情况下，外商直接投资地区差距的扩大将导致地区碳排放差距的扩大，即外商直接投资地区差距对碳排放地区差距产生正向(消极)影响。从另一方面来看，虽然外商直接投资企业的技术在国外属于高碳排放的落后技术，但相对于中国本土企业而言，其所应用的技术仍属于相对先进的低碳排放技术，因此，当外商直接投资企业进入中国的某一地区后，一方面可以通过示范效应促进该地区本土企业使用更为环保的生产技术，另一方面也可以部分替代原本由当地高碳排放的本土企业所生产的产品，而这两个方面都可以促进当地碳排放量的降低，从而缩小该地区与其他地区在碳排放量上的差距，这可以被称之为外商直接投资地区差距对碳排放地区差距的反向(积极)影响。外商直接投资地区差距对碳排放地区差距的总影响则是由上述两种影响综合作用的结果，当正向(消极)影响大于反向(积极)影响时，表现为外商直接投资地区差距将扩大碳排放地区差距，反之，当反向(积极)影响大于正向(消极)影响时，则表现为外商直接投资地区差距将缩小碳排放地区差距。因此，外商直接投资地区差距对碳排放地区差距的影响不单是一个理论问题，更是一个需要通过实证进行检验的问题，并依此提出未来中国进一步合理利用外资的对策建议。基于上述考虑，本文拟通过实证检验的方式对这一问题进行定量研究。

1 文献综述

近年来，随着世界各国对碳排放这一问题的关注逐渐增多，国内外学者对外商直接投资对中国碳排放的影响以及中国各地区碳排放这两方面的研究也逐渐增多。在中国外商直接投资对碳排放量影响的研究上，Dean J M和Lovely M E对中国外商直接投资和环境污染的研究表明外商直接投资企业倾向于利用更为清洁的能源，这有助于降低中国的碳排放程度［1］。宋德勇和易春艳对1978－2008年相关数据的研究表明外商直接投资对碳排放具有负面效应［2］。牛海霞和胡佳雨对中国1997－2007年省际面板数据的研究表明外商直接投资对中国碳排放量的影响为正［3］。陈德湖和陈子寅对中国1985－2008年外商直接投资和碳排放量之间的互动关系进行了研究，认为FDI对我国碳排放的规模效应、规制效应均为正向影响，技术效应表现为负向影响，结构效应不明显，总效应为正［4］。在对中国地区碳排放的研究上，孙耀华、仲伟周、庆东瑞利用Theil指数计算了2000年以来中国省际间碳排放强度的差距，认为中国总体碳排放强度呈下降趋势，省际间碳排放强度差距存在增大的趋势，且主要是由区域间差距增大造成的;中国区域间碳排放强度呈现“俱乐部收敛”的特征［5］。范定祥和刘会洪对中国1997－2008年省区碳排放强度的分布特征及其变化进行的分析表明东部发达地区的碳强度远低于其他地区，各省区的碳强度状况与其所处的工业化进程及采取的产业结构调整战略有关，能源强度的改善是驱动这一时期大部分省区碳强度降低的主导因素，产业结构的变化则趋于提高大部分省区的碳强度［6］。从上述分析可以看出，目前针对外商直接投资对中国碳排放量的影响的研究主要是针对中国整体情况，对中国碳排放量地区差距的研究则主要是对中国碳排放地区差距的测度以及从产业结构、人均生产值总值等方面来研究各地区碳排放量的影响因素，尚没有将外商直接投资作为一个单独的影响因素纳入对碳排放地区差距影响的研究中来。鉴于外商直接投资对中国地区经济发展、地区经济差距以及中国碳排放所起的重要作用，本文将中国省级行政区按行政区域划分为东、中、西和东北四大地区，对外商直接投资地区差距对碳排放地区差距的影响进行实证研究①受数据限制，文中不包括宁夏、海南、西藏以及港、澳、台，四大地区具体为:东北地区，包括黑龙江、吉林、辽宁三省;东部地区，包括北京、天津、河北、山东、上海、江苏、浙江、福建、广东九省(市);中部地区，包括山西、河南、湖北、湖南、安徽、江西六省;西部地区，包括内蒙古、重庆、四川、贵州、云南、陕西、甘肃、青海、新疆、广西十省(市、区)。。

2 测度方法和数据来源

2.1 碳排放的测度方法

对于碳排放量的测算，本文根据能源消费量及碳排放系数来计算中国各省的碳排放量。由于目前中国产生CO2的能源主要集中在煤、石油和天然气上，水电、核电、风电等基本属于不排放CO2的清洁能源，因此本文主要依据煤、石油和天然气的相关数据对各省的CO2排放量进行估计，公式如下:

其中TCi代表我国各省份消费能源所产生的碳排放量，i为省份数;Cir表示i省份的第r类能源消耗所产生的碳排放量;r为能源种类;Fir、Eir表示i省份第r类能源的碳排放系数和i省第r类能源的消费总量。

2.2 地区差距的测度方法

衡量地区差距的指标可分为绝对指标和相对指标。绝对指标包括极差、标准差等，主要反映地区某一变量绝对差距的变化;相对指标主要反映地区间某一变量相对差距的变化。由于绝对量指标中量纲的存在，使得在利用绝对量指标衡量地区差距时易受价格水平的影响。在指标选取上，一般认为应遵循以相对差距指标为主、绝对差距指标为辅的原则。因此，本文在衡量指标的选取上，首先利用极差和标准差来衡量1999年以来中国四大地区碳排放和外商直接投资地区间绝对差距的变化，其次利用变异系数分析四大地区碳排放和外商直接投资地区间相对差距的变化。

2.2.1 绝对差距的测度方法

一组数据的最大值和最小值之差称为极差，用R表示，其计算公式为:

其中Max(xt)、Min(xt)分别表示为变量xt在t时期极大值和极小值，可粗略地衡量出该变量绝对差距的变化。

标准差用来反映数据的离散程度。令SEt表示数据的标准差，EYt表示期望，则标准差可表示为:

其中Yt为所关心的变量，EYt为Yt的期望值。SEt越大说明该变量的绝对差距越大。

2.2.2 相对差距的测度方法

计算相对差距的指数主要包括基尼系数(Gini Index)、泰尔指数(Theil Indes)、变异系数(CV Index)等。考虑到数据的可获得性，最终选取变异系数作为衡量相对变化的指标，计算公式如下:

其中n为地域单元数，xi为i省区所要考察的变量。变异系数越大，说明该变量的地区差距越大。

2.3 数据来源

在碳排放量测度中所需的中国各省的煤、石油、天然气三种能源的消费总量数据来自历年《中国能源统计年鉴》;碳排放系数以日本能源经济研究所、DOE/EIA、科技部气候变化项目和国家发改委能源研究所确定的三种能源碳排放系数为依据，并对其取平均值，得出我国煤炭、石油和天然气的碳排放系数分别为0.732 9、0.557 4和0.422 6，单位是t碳/t标准煤;外商直接投资的数据来自于历年《中国统计年鉴》。

3 基本经验事实

3.1 中国四大地区碳排放量差距的变化

3.1.1 绝对差距的变化

根据公式(1)、(2)、(3)，表1计算了中国四大地区碳排放量绝对差距的变化情况，从中可以看出中国四大地区碳排放量绝对差距的变化呈现以下几个特点:首先，无论是极差还是标准差，中国四大地区碳排放量的绝对差距在总体上都呈上升势态。其次，从极差的变化情况来看，无论是绝对幅度还是相对幅度，东部地区都是极差变化幅度最大的地区，1999年东部地区碳排放量最大与最小地区之差为5 413.70万t标准煤，2010年这一差距扩大到21 571.14万 t标准煤，与 1999年相比增加了16 157.44万t标准煤，约是1999年碳排放量极差的4倍;中部地区2010年碳排放量的极差与1999年相比增加了6 424.57万t标准煤，增长幅度约为112.57%;西部地区2010年碳排放极差与1999年相比增加了4 695.13万 t标准煤，增长幅度约 187.36%;东北地区极差变化的绝对和相对幅度都较小，2010年碳排放极差与1999年相比增加了3 880.22万t标准煤，增长幅度约为88%。最后，从标准差的变化情况来看，这一时期标准差变化最大的同样是东部地区，之后依次为中部、西部和东北地区。

表1 中国四大地区碳排放量绝对差距变化(1999－2010)Tab.1 The absolute gap of carbon emissions for Chinese four region(1999 －2010) 万 t标准煤

3.1.2 相对差距的变化

根据公式(1)和(4)，图1显示了中国四大地区碳排放相对差距的变化情况，从中可以看出四大地区碳排放相对差距存在如下几个特点:首先，东部地区碳排放变异系数总体呈上升趋势，且在2004年后超越中部成为碳排放地区差距最大的地区，2008年东部地区碳排放的变异系数达到了这一时期的最大值(0.68)，此后略有下降，2010年的变异系数为0.65，与2000年最低时的0.47相比上升了约44.68%;其次，中部地区作为碳排放地区差距第二大地区，其碳排放变异系数呈先上升后下降趋势，2010年的碳排放变异系数约为0.47，与1999年的0.49相差不大，与2002年的最高值0.57相比下降了约18%;最后，西部和东北地区碳排放的变异系数在这一时期变化不大，均在0.40上下浮动，说明这一时期上述两个地区在碳排放的地区差距上没有出现明显的变化。

图1 中国四大地区碳排放变异系数变化趋势(1999－2010)Fig.1 Trends of carbon emissions’CV index for Chinese four region(1999－2010)

3.2 中国四大地区外商直接投资差距的变化

3.2.1 绝对差距的变化

表2显示了四大地区外商直接投资企业工业总产值的极差和标准差的变化情况。首先，无论是极差还是标准差，四大地区外商直接投资企业工业总产值绝对差距均呈上升趋势。其次，从极差变化情况来看，与1999年相比，2010年极差在绝对量变化上，东部最大(35 261.49亿元人民币)、东北次之(5 568.24亿元人民币)、中部第三(3 416.62亿元人民币)，西部最少(1 711.40亿元人币);在极差相对变化幅度上，西部变化幅度最大，2010年极差与1999年相比增长了约13.86倍，其次是中部(13.75倍)，再次是东北(11.23倍)，最后是东部(6.16倍)。最后，从标准差变化程度来看，与1999年相比，2010年标准差绝对量变化幅度由大到小依次为东部、东北、中部和西部，增长幅度变化由大到小依次为西部、中部、东北和东部。

3.2.2 相对差距的变化

图2显示了1999－2010年中国四大地区外商直接投资企业工业总产值变异系数变化趋势，从中可以发现:首先，西部地区外商直接投资企业工业总产值的变异系数最大，且总体呈上升趋势，1999年该地区外商直接投资企业工业总产值的变异系数为0.84，2010年上升到1.02，上升了约21.4%，说明西部地区外商直接投资企业工业总产值的地区差距不断扩大;其次，东部地区外商直接投资企业工业总产值的变异系数呈下降趋势，2010年该地区外商直接投资企业工业总产值的变异系数为0.78，与1999年相比下降了约14%，说明东部地区外商直接投资企业的地区差距逐步缩小;再次，中部地区外商直接投资企业工业总值的变异系数在1999－2004年期间呈先下降再上升的趋势，2005年后逐年下降，2010年其变异系数约为0.50，也是四大地区中外商直接投资企业工业总产值变异系数最低的地区;最后，东北地区外商直接投资企业工业总产值变异系数在这一时期变化幅度不大，始终在0.70附近徘徊，这说明该时期东北各省在外商直接投资方面的差距变化不大。

表2 中国四大地区外商直接投资企业工业总产值绝对差距变化(1999－2010)Tab.2 Absolute gap of FDI’s output for Chinese four region(1999 －2010) 亿元人民币

图2 中国四大地区外商直接投资企业工业总产值变异系数变化趋势(1999－2010)Fig.2 Trends of FDI output’s CV index for Chinese four region(1999－2010)

通过上述对中国四大地区碳排放地区差距和外商直接投资企业工业总产值地区差距的分析可以得出如下结论。首先，碳排放地区差距存在两个特点:一是四大地区碳排放绝对差距逐年上升，二是无论从绝对差距还是相对差距上看，碳排放差距均呈现出东部最大，中部次之，西部和东北地区最少的特点;其次，外商直接投资企业工业总产值地区差距存在三个特点:一是四大地区外商直接投资企业工业总产值的绝对差距呈逐年上升趋势，二是从绝对差距来看，东部最大、东北次之、中部第三、西部最少;三是从相对差距来看，西部最大，东部第二且近年有下降趋势，东北第三且保持平稳，中部最小且近年稳中略有上升。

分析东部地区碳排放差距居四大地区首位的原因，可能主要在于:影响地区碳排放差距的主要原因是经济发展差距和能源消费结构。由于东部地区各省(市)当地基本没有大的能源生产基地，也不存在某一地区对某种能源消费有特定偏好，因此东部地区碳排放差距主要应从经济发展差距中寻找。从经济发展差距上看，以2010年的数据为例，东部地区的人均地区生产总值最高是上海(7.61万元人民币)，最低的是河北(2.87万元人民币)，二者相差4.74万元人民币，与之相比，其他各地区内各省(自治区、直辖市)人均地区生产总值的差距均在3万元人民币以下。正是由于其他三大地区内部各省间的经济差距较东部地区更小，才导致这三大地区在碳排放上的差距也小于东部地区。

四大地区外商直接投资企业工业总产值地区差距出现上述变化的原因主要在于:外商直接投资企业更关注当地的经济发展水平和投资环境，西部地区内部各省在自然环境、基础设施建设以及投资环境等方面的差距都较其他三大地区更大，相应的，在外商直接投资上也表现出较其他三大地区更大的相对差距。中部地区各省由于自身经济发展水平、基础设施建设等方面的差别不大，使得内部各省间外商直接投资的相对差距在四大地区中最小。

4 实证检验

在此，本文以各地区碳排放量的变异系数为因变量，以各地区外商直接投资企业工业总产值的变异系数为主要自变量，对外商直接投资地区差距对地区碳排放差距的影响进行定量分析。相关变量的含义及描述性统计见表3，其中碳排放量变异系数和外商直接投资企业工业总产值变异系数的相关数据来源如前文所示，其他变量的数据来自《中国统计年鉴》。

由于本文所采用的是个体维度n相对较少，时间维度T相对较长的长面板数据，对于可能存在的个体固定效应，通过加入个体虚拟变量进行控制;对于时间效应，即可能存在的组内自相关和组间自相关问题，则通过广义可行最小二乘法(FGLS)来解决，最终选取如下计量模型:

计量结果如下:

注:小括号内为t值。

根据公式(6)，fdi的系数约为－0.12，且在1%的显著性水平下显著，说明外商直接投资企业工业总产值地区差距对地区碳排放差距的影响为负，且外商直接投资差距每增长1个单位，将导致地区碳排放差距降低0.12个单位;人均地区总产值差距对碳排放地区差距的影响为负，其系数约为－0.33，且在5%的显著性水平下显著，表明地区人均总产值差距每增加1个单位将导致地区碳排放差距下降约0.33个单位;地区开放程度差距对地区碳排放的差距为正，其系数约为0.08，且在5%的显著性水平下显著，说明地区开放程度差距每增加1个单位，将使地区碳排放差距增加约0.08个单位。

分析上述计量结果出现的原因:外商直接投资企业工业总产值地区差距对地区碳排放差距的影响为负，说明与中国本土企业相比，外商直接投资企业由于具有更先进的生产技术，使其比本土企业在节能减排方面具有更大的优势，从而表现为外商直接投资地区差距的扩大将有助于降低中国的碳排放地区差距，即前文所述的外商直接地区差距对地区碳排放差距的反向(积极)影响大于正向(消极)影响，这也从一个侧面说明在现阶段，“环境避难所”假说在中国地区碳排放差距上并不存在。地区经济差距对碳排放地区差距的影响为负，这其中的原因可能在于:经济发达地区，一方面有更强烈的愿望来保护本地区的环境，另一方面也有条件通过使用新技术、新能源来达到降低本地区碳排放量、保护本地区环境的目的，相反，经济相对落后的地区，由于自身条件的限制，只能选择相对廉价的高碳排放能源，这使得地区经济发展差距与碳排放地区差距呈现负相关关系。地区经济开放程度差距对地区碳排放差距的影响为正，即随着开放程度差距的扩大，其碳排放差距也在不断扩大，这一结果与相关的研究结果相符，即开放程度越大，其所生产的工业品越多，其碳排放也越大。

表3 相关变量的含义及描述性统计Tab.3 The meaning and descriptive statistics of the relevant variables

为研究外商直接投资差距对不同能源碳排放地区差距的影响，在此分别以煤、石油、天然气三种能源碳排放变异系数为因变量，以外商直接投资企业生产总值变异系数为主要自变量，以地区人均生产总值变异系数、地区开放度变异系数为控制变量，利用面板数据的广义最小二乘法对其分别进行回归，结果如下所示:

注:小括号内为t值。

在此，本文只讨论外商直接投资地区差距对不同能源碳排放地区差距的影响。根据公式(7)－(9)，外商直接投资地区差距对煤和石油两种能源碳排放地区差距的影响为负，且至少在10%的显著性水平上显著，说明外商直接投资地区差距的扩大有助于减少上述两种能源碳排放地区差距;在10%的显著性水平上外商直接投资地区差距对天然气碳排放地区差距的影响为正，说明外商直接投资地区差距的扩大将导致天然气碳排放地区差距的扩大。出现这种情况的原因可能主要在于:与煤和石油相比，天然气属于清洁能源，由于外资企业在生产技术上的相对先进性，因此其更有能力使用清洁能源而较少使用高碳排放的能源，从而使得外商直接投资地区差距与消费煤和石油能源所产生的碳排放的地区差距呈负相关，而与消耗天然气能源所产生的碳排放地区差距呈正相关。

5 结论及对策建议

本文对1999－2010年间中国东、中、西和东北四大地区外商直接投资地区差距和地区碳排放差距进行了研究，得出如下结论。第一，四大地区碳排放绝对差距呈逐年上升趋势，无论是碳排放的绝对差距还是相对差距均呈现出东部最大，中部次之，西部和东北地区最少的特点。第二，四大地区外商直接投资企业工业总产值的绝对差距呈逐年上升趋势，且东部最大、东北次之、中部第三、西部最少;从外商直接投资企业工业总产值相对差距来看，西部最大，东部第二且近年逐年下降，东北第三且保持平稳，中部最小且近年呈稳中有升的趋势。第三，实证研究的结果表明:外商直接投资地区差距对地区碳排放差距的影响为负;人均地区总产值差距对碳排放地区差距的影响为负;地区开放程度差距对地区碳排放的差距为正;从外商直接投资地区差距对不同能源碳排放地区差距的影响来看，外商直接投资地区差距对煤和石油两种能源碳排放地区差距的影响为负，对天然气碳排放地区差距的影响为正。

根据以上结论，本文认为，从降低碳排放量地区差距的角度而言，各地区在现阶段可以有针对性地吸引外商直接投资，在引进外商直接投资的同时，更注重外资企业的节能减排技术的示范作用，并通过外资企业的示范作用带动本地区企业碳排放量的减少，从而达到降低本地区碳排放地区差距的作用。具体而言，各级政府应出台相应的产业、税收和财政激励政策，促使本土企业提高节能减排意识，改进生产技术，减少碳排放量;另一方面，各地区政府可以考虑搭建平台，使本地碳排放较高的企业与外商直接投资企业相互交流，借鉴其较先进的技术和管理经验，以便快速提高本土企业的整体水平。由于西部地区在外商直接投资上的相对差距最大，因此，应进一步完善西部地区的基础设施等硬件设备和政府政策、管理制度等软环境建设，加大对西部地区，尤其是西部地区中的落后地区进行招商引资，同时在吸引外资时应制定相应的环境保护、节能减排规章制度，确保西部地区在缩小各省外商直接投资地区差距的同时，与自然环境协调、持续发展。

(编辑:刘照胜)

References)

［1］Judith M D，Mary E L.Trade Growth，Production Fragmentation，and China’s Environment［C］//China’s Growing Role in World Trade .Chicago:NBER and University of Chicago Press，2011.

［2］宋德勇，易艳春.外商直接投资与中国碳排放［J］.中国人口·资源与环境，2011，21(1):49 －52.［Song Deyong，YI Yanchun.FDI and China’s Carbon Emissions［J］.China Population，Resources and Environment，2011，21(1):49 －52.］

［3］牛海霞，胡佳雨.FDI与我国CO2排放相关性实证研究［J］.国际贸易问题，2011，341(5):100 － 109.［Niu Haixia，Hu Jiayu.Empirical Research on Relationship between FDI and CO2Emissions in China［J］.Journal of International Trade，2011，341(5):100 －109.］

［4］陈德湖，陈子寅.FDI与碳排放:基于联立方程的实证研究［J］.大连理工大学学报:社会科学版，2012，33(3):30－34.［Chen Dehu，Chen Ziyin.FDI and CO2Emissions:Study of the Simultaneous Equation Model［J］.Journal of Dalian University of Technology:Social Sciences，2012，33(3):30 －34.］

［5］孙耀华，仲伟周，庆东瑞.基于Theil指数的中国省际间碳排放强度差距分析［J］.财贸研究，2012，23(3):1 －7.［Sun Yaohua，Zhong Weizhou，Qing Dongrui.Analysis on Differences of Carbon Emission Intensity of Each Province in China Based on Theil Index［J］.Finance and Trade Research，2012，23(3):1 －7.］

［6］范定祥，刘会洪.中国省区碳排放强度的分布特征及其变化分析［J］.西安财经学院学报，2012，25(5):5 －10.［Fan Dingxiang，Liu Huihong.An Evaluation of Distribution Characteristic and Changes of Regional Carbon Emission Intensity in China［J］.Journal of Xi’an University of Finance and Economics，2012，25(5):5 －10.］