中国低碳城市绿色技术创新的示范效应研究

摘要：中国政府建设的低碳城市是中国的绿色先行者，希望其在城市绿色发展中发挥示范效应。通过构建一个包含技术领先国——低碳城市——其他城市的三层模型，从理论与实践两方面研究低碳城市在绿色技术创新方面的示范效应。找出低碳城市发展问题的关键在于如何平衡其研发驱动的技术流入和对其他城市投资驱动的技术流出的关系。实证结果证实，低碳城市在其他城市绿色技术创新中发挥着技术中介作用，低碳城市的示范效应受到地区的异质性的调节作用。

关键词：低碳城市；绿色技术创新；技术溢出；示范效应；专利；技术转移；经济梯度；政策干预

中图分类号：F291.1；F124.3 文献标识码：A 文章编号：1007-2101（2016）01-0107-04

一、引言

低碳城市是国内外研究的热点[1]。在中国，预计到2025年，城市对经济增长的贡献率将达95%，同时温室气体排放的贡献率将从2009年的60%达到顶峰[2]。绿色技术创新是实现节能减排的重要手段，而且对经济增长没有副作用[3]。为了推动中国绿色、低碳技术的创新与扩散，中国政府提出建设低碳示范区，吉林市成为中国第一个低碳示范区。到2014年，提出低碳城市建设目标的城市已接近100个，已经形成了环渤海、珠江三角洲、长江三角洲和西南地区四大区域[1]。这些城市大部分位于中、东部地区，拥有技术、资金和人力资本的优势。自2008年，低碳城市的建设已有近6年的时间，需要及时检验低碳城市的发展是否完全符合政府预期。该研究有两方面的意义：一方面，及时了解低碳城市的绿色技术创新水平，做好科技创新管理；另一方面，低碳城市是否充当其他城市进行绿色技术创新的中介，以便及时调整政策，更好地发展绿色经济。

中国政府期望低碳城市作为“绿色先行者”，成为低碳发展与创新的典范：一方面通过采纳性研发获取国外的技术，将技术本地化，提高技术的适应能力，降低本地应用的风险，增加技术存量，扩展技术前沿；另一方面，希望低碳城市通过生产投资、技术转让等方式向其他城市转移技术，发挥示范作用。在京津冀地区，北京作为低碳城市大量进行绿色研发，生产投资落户河北各市的事例很多。但是研发投资和生产投资是有竞争的，跨市的生产投资虽然可以解放低碳城市一部分劳动力（主要是劳动工人），但是其他的资源（管理者、工程师和科学家）还是会产生竞争。而且，有些低碳城市建设的初衷仅仅是为了争取中央的政策支持，目的是发展地方经济[1]，而不是为了带动其他城市的发展。在政府的这种预期下，低碳城市面临的一个关键问题是如何平衡技术流入和技术流出之间的关系。针对这一问题，现有文献多依据跨区的技术扩散模型来研究，如Dollar（1986）等[4]提出的南北技术扩散模型。在这些模型中，每一个城市只代表一种角色，要么是技术源，要么是技术模仿者。为了体现低碳城市既是模仿者又是技术源的双重角色，笔者构建一个包含三类区域的三层模型，将三个技术上有区别的区域融入到一个模型中并进行实证检验。

二、理论分析

（一）基本假设

模型要包含三种不同类型的地区，两类不同的技术转移途径，是一个相当复杂的框架。为了简化问题，做出以下假设。

第一，假设发达国家以外生的概率进行绿色技术创新，这种技术创新既包含产品数量增加又有产品质量提高，本文仅研究产品数量增加这一类创新。这是因为根据专利统计，世界上90%的绿色技术集中于发达国家[5]，发展中国家的专利数量较少。

第二，把低碳城市看成是小的经济体，他们通过采纳性技术研发，不断增加产品数量，然后通过生产投资和技术转让向其他城市转移技术。2011年，中国的地级以上城市有289个，低碳城市仅有19个，是很小的一部分。

第三，国内其他城市的技术学习的途径有两个：一是可以直接采纳发达国家的技术；二是采纳已有低碳城市本地化后的技术。不管是直接采纳还是通过低碳城市间接采纳绿色技术，只要一项新技术被这些地区采纳并进行生产，就代表一个周期结束。

第四，技术研发和生产需要劳动力，假设劳动力只在一个国家内部流动，不存在国际间的劳动力流动。

（二）模型中的技术扩散

模型构建的理论基础主要有两个：一是阿吉翁和豪威特[6]提出的通过社会学习的技术变迁理论；二是Hwan[7]构建的以中等收入国家为视角的多层模型。模型包括发达国家、低碳城市和国内其他城市三类区域，三类区域之间的技术扩散分为三个阶段：第一阶段，发达国家进行技术创新，技术创新以外生速率增加；第二阶段，低碳城市投入劳动力进行采纳性研发，以使技术本地化；第三阶段，国内其他城市通过采纳低碳城市本地化后的技术或者直接采纳发达国家的技术获得技术转移。政府对低碳城市的政策干预，如金融支持，相当于降低了低碳城市的技术采纳成本，激励该地区进行采纳性研发。

模型中的技术扩散如图1所示，横轴是时间，用t表示，发达国家在t时刻的技术创新数量为n（t）。用0、1和2分别表示发达国家、低碳城市、国内其他城市；nF0、nF1和nF2分别表示三类区域掌握了绿色技术的企业数量比，初始状态为：nF0=1，nF1=0，nF2=0。随着低碳城市采纳性研发增加，nF1逐渐增大；nF2的变化有两种途径：一是以概率为λ0的速度直接向发达国家学习，λ0远远小于1；二是以概率为？覬的速度向国内的低碳城市学习，学习成功的概率？覬是低碳城市数的增函数。

（三）低碳城市的技术创新示范效应

低碳城市通过多种渠道做出示范，本文仅考虑对其他城市的生产投资这一种渠道，生产投资涉及的劳动力为L1-FDI，则：

式（2）为低碳城市的示范效应变化率。对此示范效应的优化可以采取三方面的政策：一是促使低碳城市调整研发人员和对外投资人员的比例。设政策干预系数ψ，即有αFDI=ψα，当ψ等于1时，相当于政府没有干预。二是对低碳城市的金融支持和税收优惠的政策，相当于劳动力外生地增加了，即L1=λL，当λ等于1时，相当于政府没有干预。三是外生增加低碳城市数量，即公式（2）中nF1的数量增加，可以看出，示范效应将增加。这是因为外生地增加低碳城市的数量和种类，每个公司对外投资的额度不变，总的对外投资会相应增加。

三、低碳城市的示范效应检验

（一）研究假设

在上述模型中，针对低碳城市，中国政府的政策干预主要有两种：第一，根据公式（1），政府可采取措施增加对低碳城市的投入，即提高单位劳动力的研发效率，采纳性研发成本降低，此措施将提高低碳城市的技术种类，将有利于其他城市的学习和模仿。第二，根据公式（2），激励低碳城市加大对其他城市的生产投资，这样将加大其他城市学习的概率。对于第二种情况，基本前提是其他城市和低碳城市间存在经济梯度，保证低碳城市向其他城市转移生产投资是有利可图的。第一种政策干预是从低碳城市的技术入口找出路，第二种政策干预是从低碳城市的技术转移出口找出路。根据理论分析，提出两个实证假设：

假设1：低碳城市在其他城市吸收发达国家的绿色技术创新中起着中介作用。

假设2：低碳城市的绿色技术创新示范效应与自身的绿色技术创新负相关。

（二）样本选取

截至2011年，国家统计局和工信部公布的低碳城市为19个，如图2所示。位于四大区域内部的城市有14个，包括环渤海地区的北京市、天津市、保定市，德州市和日照市；西南地区的成都市、重庆市、攀枝花市，贵阳市；长江三角洲地区的无锡市、杭州市和上海市；珠江三角洲的深圳市和珠海市。此外，还有位于四大区域外部的5个城市：宜春市、吉林市、长沙市、厦门市和南昌市。

（三）模型和变量

1. 模型设定

技术创新多用专利统计来作为代理变量[8]，但是中国缺少绿色技术专利数据库，为了追踪低碳城市的绿色技术扩散效应，笔者根据OECD出版的《绿色技术专利检索战略》中的关键词，在中国知识产权局专利数据库自行提取。先根据申请者的地址查询每个城市每年的专利申请量，然后计算专利申请数量的增长率。绿色技术专利存量的计算以1985年为基年，绿色技术专利的提取和存量计算方法参见文献[9]和文献[10]。劳动力数据来自《中国城市统计年鉴》。

对于低碳城市，模型设定为：

式中，下标i表示观察的城市，t是时间，L是劳动力，P是申请的专利数，Sd是国内的绿色技术存量，Sf是来自国外的绿色技术存量，εit是随机误差项。

2. 数据描述性统计

绿色技术创新的专利数据来自中国知识产权局，国外的绿色技术存量是所有在中国知识产权局申请的绿色技术专利。从2008年开始，收集低碳城市2008—2011年申请且受理的专利。数据收集的步骤为：首先登录中国知识产权局网站；然后根据OECD公布的绿色技术专利检索战略关键词按城市统计[11]；最后把查询的统计数据按照年度汇总。如图3所示，19个低碳城市的绿色技术创新年平均值为90，中位数是11，最大值为1 055，最小值为0，可见这些城市的绿色技术创新存在着巨大差异。北京、上海的绿色技术创新比较多，天津和重庆次之；边缘型城市，如宜春市和吉林市，绿色技术创新比较少。

（四）检验结果

因变量专利申请量为非负整数，采用一般的线性回归会产生无效和有偏的系数，计数模型则可以避免这类问题[12]。由图3可以看出，绿色技术创新的的标准差大于均值，呈超离散分布，因此采用负二项回归模型来估计。表1是模型估计结果，可以看出，劳动力对低碳城市绿色技术创新的促进效应不显著；来自国外的绿色技术扩散对低碳城市的绿色技术创新起到促进作用，系数为53.644。国内其他城市的绿色技术存量抑制低碳城市的绿色技术创新，系数为-4.827。因为低碳城市对其他城市的技术扩散效应是没有收益或者收益小于成本的，因此，这种技术转移对低碳城市自身产生了一定的副作用，这恰恰说明了低碳城市发挥了中介作用。

四、结论与建议

从理论与实践两方面研究低碳城市的政策优化问题，目的是使其更好地发挥示范作用。由于低碳城市建设的时间短，现有文献大多采取定性研究，缺乏对低碳城市的状态和对其他城市的示范效应的检验。为了检验低碳城市在绿色技术扩散中的实际水平，笔者使用专利作为创新的代理变量进行估计。但仅根据专利统计一条途径可能会低估了绿色技术创新扩散的实际范围。尽管如此，根据理论与实证检验的结果，可以得出如下结论：第一，低碳城市在其他城市的绿色技术创新中发挥了示范作用，基本符合政府的预期。第二，低碳城市示范作用的大小与低碳城市的区位条件有关。从图3看出，处于不同区位的低碳城市在绿色技术创新扩散方面存在显著差别。在低碳城市的每件绿色专利带来相同的示范效应强度下，中心城市的示范效应大于边缘城市。第三，低碳城市的绿色技术创新示范效应为自身发展带来了负效应。从表1可以看出，低碳城市的示范效应抑制了自身的技术创新，但该强度远低于他从国外获取的技术扩散效应。如果低碳城市减少对其他城市的生产投资，可能会有利于自身的技术发展，但由于人力资本在国家内部是可以自由流动的，低碳城市内部的企业自然会选择人力成本更低的其他城市进行生产，这种示范效应的副作用不高于其采纳性研发的正的收益，低碳城市均是有利可图的。

经过分析，本文针对现有低碳城市数量和种类情况，提出如下建议：第一，在低碳城市数量和种类比较少的情况下，低碳城市对其他城市的绿色技术创新起到示范效应，应该持续考察随着低碳城市数量和种类增多示范效应的变化。第二，应该精心选择区位条件、产业发展更具有带动性的城市作为低碳城市。低碳城市的示范效应与城市所处的区位和产业有直接关系，应该在城市空间网络中，优先选择区域中心城市作为低碳城市。同时，考虑低碳城市与其他城市的产业联系，以使其更好地发挥示范效应。第三，低碳城市选取要考虑邻接城市的经济梯度和技术梯度。低碳城市在绿色技术创新中的示范效应，其实质是绿色技术创新的溢出效应，技术溢出受到技术吸收者自身的吸收能力和技术差距的影响[13]。因此，从国内其他城市吸收得技术溢出最大化考虑，要选取与邻接城市具有合理的经济差距和技术距离的城市作为低碳城市。

参考文献：

[1]Can Wang，Jie Lin Wenjia Cai，ZhongXiang Zhang.Policies and Practices of Low Carbon City Development in China[P]. Fondazione Eni Enrico Mattei in its series Working Papers with number，2014.09.

[2]Dhakal，S. Urban Energy Use and Carbon Emissions from Cities in China and Policy Implications[J]. Energy Policy，2009，（11）：4208-4219.

[3]Bosetti. Valentina & Carraro，Carlo & Massetti，Emanuele & Tavoni，Massimo，International energy R&D spillovers and the economics of greenhouse gas atmospheric stabilization[J]. Energy Economics，2008，（6）：2912-2929.

[4]Dollar D. Technological innovation，capital mobility，and product cycle in north–south trade. American Economic Review 1986，（76）：177-190.

[5]Dutz M A，Sharma S. Green Growth，Technology and Innovation[P].World Bank，2012.

[6]菲利普·阿吉翁，彼得·霍依特.内生增长理论[M].北京：北京大学出版社，2004.

[7]Hwan C. Lin. Optimizing international technology diffusion：A middle-income country's perspective[J]. Economic Modelling，2010，（27）：54-66.

[8]Keller W.International technology diffusion[J]. Journal of Economic Literature，2004，（3）：752-782.

[9]Andrew J. Nelson. Measuring knowledge spillovers：What patents，licenses and publications reveal about innovation diffusion[J]. Research Policy，2009，（38）：994-1005.

[10]陈艳春，韩伯棠.绿色技术溢出与中国区域经济增长[M].北京：科学出版社，2013.

[11]OECD.Patent searchstrategies for the identificationof selected environment-related technologies[EB/OL]..http：// www.oecd.org/environment/innovation，2011-03-13.

[12]Cameron A C，Trivedi P. Regression Analysis of CountData[M].Cambridge：Cambridge University Press，1998：98.

[13]张云，邓桂丰，李秀珍.经济新常态下中国产业结构低碳转型与成本测度[J].上海财经大学学报，2015，（4）.

责任编辑、校对：张增强