技术进步对中国工业碳排放的影响分析

韩 川

(西安交通大学 经济与金融学院， 陕西 西安 710061)

改革开放以来，中国经济长期保持高速增长的态势，中国GDP已经从1978年的3650.2亿元上升到2014年的634 043.4亿元，30多年间增长了172.7倍[1]。伴随着经济的高速发展，中国能源消耗量、CO2排放量也快速增长，目前中国已经成为了全世界能源消耗第一大国、碳排放第一大国[2]。而在中国CO2排放中，工业碳排放又占据着绝对高的比重。改革开放以来，中国工业产值平均占到国内生产总值的40.1%，而工业部门所消耗的能源数量却占到了全国总量的67.9%，工业碳排放更是占到全国碳排放总量的83.1%[3]。因此，减少中国碳排放总量，实现中国向国际社会做出的CO2减排承诺，关键在于减少工业碳排放。短期内，中国能源供给结构还无法发生根本性的改变，同时，中国正处于工业化中后期阶段，保持经济发展的稳定性、逐步提高人民的生活水平依然是我们经济工作的重心。在此背景下，减少中国工业碳排放必须依赖于技术进步。因此，研究技术进步对中国工业碳排放的影响效应，对中国工业经济的可持续发展、工业碳减排工作的推进与实施具有重要的理论意义与现实价值。

一、文献综述

当前，国内外学者在工业碳减排方面已经做出了有益的探索。有学者从工业碳排放与经济增长之间的关系出发，通过环境库兹涅茨曲线理论和脱钩理论分析两者之间的联系。环境库兹涅茨曲线理论是Grossman和Krueger 1995年提出的环境污染与经济增长之间存在的倒U型曲线关系，即环境质量随着经济的增长呈现出先污染后改善的现象[4]。结合中国的现实情况，林伯强等通过1960～2007年的人均二氧化碳数据分析后指出中国的环境库兹涅茨曲线存在，且位于倒U型曲线的左侧[5]。许广月等通过1990～2007年间中国省际面板数据模型论证了在人均碳排放的环境下中国及其东部和中部地区存在环境库兹涅茨曲线[6]。Song等基于1985～2005年间中国省域数据研究后发现环境污染随着经济增长而加剧，呼吁政府采取有效措施降低环境库兹涅茨曲线拐点[7]。同时有学者通过脱钩理论分析中国工业碳排放和工业经济之间的联系。脱钩理论是经济合作与发展组织(OECD)2002年提出用来描述环境压力和经济增长之间破裂程度的研究方法，根据测算碳排放量和经济增长的非同步性判断低碳经济发展的趋势[8]。Bithas和Kalimeris评价了能源消耗与经济增长的脱钩效应，验证了经济增长过程中碳排放量降低的趋势真实存在，同时指出二者的脱钩程度是缓和的[9]。Yu等发现1978～2010年间中国的经济增长与工业排放物之间呈现明显的脱钩趋势[10]。涂红星等运用脱钩方法实证研究了中国工业经济增长与碳排放的关系后指出：2000年后两者趋于稳定的弱脱钩状态[11]。从长期来看，中国工业碳排放与经济增长之间具有典型的曲线关系；从短期来看，中国工业产值与工业碳排放量处于相对脱钩状态，且脱钩的趋势还将持续下去，但是脱钩的比率还存在一定的波动，工业经济与工业碳排放之间实现完全脱钩还需要很长的时间。

有学者从工业碳排放效率的角度进行研究。左可贵等认为进入21世纪以来中国的工业碳排放总量不断增加，但其增长率却在不断降低[12]。查建平等通过对中国省级工业碳排放绩效水平的研究后发现，中国工业碳排放绩效还比较低，且工业碳排放绩效地区不平衡，东部地区工业碳排放绩效最大，中部地区次之，西部地区工业碳排放绩效最小[13]。Shao等基于城市工业经济发展中高排放和低效率的产业分析后指出，能源利用效率提高是一个工业城市或地区节能减排的主要推动方式[14]。路正南和王志诚则从行业角度出发，研究发现轻工业碳排放效率最高，重工业、采矿业碳排放效率较低，但是全行业、重工业、采矿业等低效率行业对碳排放效率高的行业有追赶效应。也就是说，工业碳排放具有绝对收敛的趋势。通过核密度分析发现，中国工业全行业碳排放效率都得到了不同程度的提升，但是行业内部碳排放效率变动趋势不同[15]。张彩平等研究发现影响碳绩效的核心因素是实际碳排放量与配额的差值所带来的超排或减排，中国企业应主动参与碳交易，利用碳市场实现碳排放成本的降低[16]。总体上说，虽然中国工业碳排放总量、工业碳排放强度都持续上升，但是中国工业碳排放绩效却呈现不断增长的趋势。

还有学者分析了工业碳排放的影响因素。Xu[17]和Wang[18]通过对中国工业碳排放的影响因素进行分解发现，工业经济发展及其规模是碳排放的主要驱动力量。陈诗一采用LMDI方法对1978年以后中国工业碳排放强度变化的原因进行分析，结果发现能源强度是碳排放波动的决定性因素[19]。卓德保等通过研究后发现中国工业碳排放不断增长首要因素就是工业经济规模的扩大，人口规模增长的影响也比较显著，而行业结构、能源使用效率、能源结构对中国工业碳排放也有一定的影响[20]。Zhang等通过改革开放后的历史数据研究后表明，城镇化的发展可能会导致碳排放强度增加，但城镇化带动的第三产业占有率的提高将有效遏制碳排放总量[21]。也有学者指出不同影响因素在中国的地区之间效果也不相同，如韩晶等通过对2005～2011年中国省域的工业碳排放数据的测算后发现，经济发展、对外开放和产业结构等因素在东、中、西部之间存在显著差异[22]。

有学者在分析中提到了技术进步对工业碳排放的影响，但是专门研究技术进步对工业碳排放的影响效应的文献还不多。本文选取中国30个省区2000～2014年相关数据，运用DEA-Malmquist指数法测算各地区技术进步状况，并通过构建面板数据模型实证分析技术进步对中国工业碳排放的影响，这具有重要的理论意义与现实价值。

二、指标说明与模型构建

本文选取我国30个省、市、自治区2000～2014年的相关面板数据进行研究，其中不含港澳台，由于西藏自治区相关数据缺失较多，所选地区中也不包括西藏自治区。

1.指标说明

(1)技术进步指数

借鉴前人研究成果，本文选用全要素生产率来代表各省区技术进步水平。数据包络分析(DEA)是测算全要素生产率运用最广泛的方法，DEA作为一种非参数的效率评价方法，使用方便，无需预先设定模型中投入与产出之间的函数关系。DEA-Malmquist指数方法作为DEA模型的延伸，不仅能够用来衡量不同时期决策单元的全要素生产率变化情况，还将全要素生产率分解为技术效率与技术进步两部分，从而使分析的结果更为细致、深入。基于此，本文将每一个省区作为一个决策单元，然后运用DEA-Malmquist指数法来测算我国30个省区的全要素生产率，用来反映各省区的技术进步状况。

具体来说，我们将生产可能性集合定义为Ft={(xt,yt):可用于生产yt的所有xt}，其中xt，yt分别表示时刻t的投入与产出。此时，时刻t的生产可能性集合的产出距离函数可表示为Dt(xt,yt)=inf{φ>0:(xt,yt/φ)∈Ft}，其中，Dt为时刻t的产出距离；inf为生产可能性集合的最大下限；φ为技术效率；Ft为生产效率前沿。当(xt,yt)位于生产技术前沿面时，Dt(xt,yt)=1，此时，Dt(xt,yt)≤1[(xt,yt)∈Ft]。借助于距离函数可以进一步构造出DEA-Malmquist指数，所构造的DEA-Malmquist指数可以表示为：

(1)

本文所选用的产出指标以中国30个省区2000～2014年的GDP数据表示，且所有数据都为2000年不变价格调整后的实际值；劳动投入量指标数据用各省区2000～2014年年末就业人数来表示；资本存量目前国内尚没有直接统计数据，本文参照张军的研究成果，采用永续存盘法，以2000年为基期，折旧率取值0.096计算得到[23]。在此基础上，本文将投入、产出数据带入DEAP2.1软件计算得到中国30个省区历年全要素生产率变化值，并假定2000年各省区全要素生产率都为1，计算得到各省区2000～2014年每年的全要素生产率，以此作为各省区的广义技术进步指数。

(2)工业碳排放强度

目前，中国还没有工业碳排放量的直接检测数据，大部分学者在研究工业碳排放时都是依据各种能源消费数量与能源碳排放系数来间接测算工业碳排放量的。由于《中国能源统计年鉴》中给出的都是各种能源的实物消费量，在计算工业碳排放量时需要将各实物量折算成标准煤数量。本文所使用的能源消费量是终端能源消费量，根据《中国能源统计年鉴》，原煤、原油、天然气等一次能源消费量是扣除了用于加工转换二次能源消费量和损失量以后的数量。根据国家统计局的统计口径，本文在研究中所考虑的能源有原煤、洗精煤、焦炭、焦炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、天然气、其他石油制品、其他焦化产品等， 考虑到数据的可得性，其他煤气相关数据参照焦炉煤气的参数，炼厂干气的碳含量采用炼油气的参数，其他焦化产品相关数据参照煤焦油的参数。各种能源的平均低位发热量、碳含量和折标准煤系数如表1所示。

参照《2006年IPCC国家温室气体清单指南》第2卷第6章中提供的碳排放量计算方法，本文在研究中采用如下计算公式来测算中国各省区2000～2014年工业碳排放量：

(2)

表1 各种能源的平均低位发热量、碳含量和折标准煤系数

数据来源：《中国能源统计年鉴2015》和《2006年IPCC国家温室气体清单指南》。

公式(2)中j表示能源种类；Cit表示i地区第t年工业碳排放量，单位为万吨；Eitj表示i地区第t年第j种能源的折标消费量，单位为万吨；NCVj表示第j种能源的平均低位发热量，单位为千焦/千克或者千焦/立方米；CEFj表示第j种能源的碳含量；COFj表示第j种能源的碳氧化因子，即能源在燃烧过程中碳被氧化的比例，能源在燃烧过程中一般无法全部氧化，但是由于未被氧化的比例很低(未被氧化的比例不超过1%)，因此，我们将公式(2)中COFj全部取值为1；44/12表示CO2与C的分子量比率。

当前，我国正处于城镇化、工业化快速推进的过程中，短期内我国“多煤、贫油、少气”的能源供给结构不可能发生根本性改变，同时，工业在我国国民经济中还依然占据着重要的地位，因此，中国工业能源消费量、碳排放总量还将保持持续增长的态势。从我国经济发展阶段考虑，将CO2排放与工业经济增长联系起来，即将工业碳排放强度(工业碳排放总量与工业增加值之比)作为未来我国工业碳减排的考核指标更为符合中国国情。因此，本文研究中将工业碳排放强度作为因变量来考察技术进步对我国工业碳排放的作用机理。

(3)其他指标

影响工业碳强度的因素很多，如技术进步、经济增长、产业结构变化、城市化进程、能源强度、能源结构等。借鉴前人研究成果，本文认为产业结构、能源消费结构、对外贸易情况是比较典型的影响因素。因此，本文研究中除重点分析技术进步对工业碳强度的影响外，还选定产业结构、能源结构、开放度3个解释变量。本文认为随着经济的发展，第三产业在整个国民经济中所占比重越来越大，在很大程度上第三产业的比重可以反映一个国家或地区的产业结构变化情况。因此，本文所选定的产业结构变量用各地区2000～2014年第三产业产值占地区生产总值的比重来表示。经济的发展离不开能源的消费，正是由于大量化石能源的消耗才导致中国CO2排放持续增加。中国能源消费中煤炭占据着最为重要的地位，且短期内煤炭还依然是中国最主要的可用能源。同时相对于石油、天然气来说，煤炭燃烧会释放更多的CO2。因此，本文所选定的能源结构变量用各地区2000～2014年原煤消耗量(标准煤)占地区能源消耗总量(标准煤)的比重来表示。一个国家或地区的发展离不开与国内外其他地区的经济联系，如果进出口的产品中高科技产品、节能减排产品占比较大，则有利于本地区碳减排工作的实施，反之则会导致本地区CO2排放快速增长。同时，在全球一体化过程中，对外贸易发展情况也是反映一个国家或地区经济发展水平的重要指标。因此，本文所选定的开放度变量用各地区2000～2014年进出口总值与地区生产总值之比来表示。

本文研究中所用到的地区生产总值、地区年末就业人数、地区全社会固定资产投资、地区工业增加值、地区第三产业产值、地区进出口总值等数据都来源于各地区历年《统计年鉴》；而各地区能源消费量、各种能源的折标系数、平均低位发热量等数据均来源于历年《中国能源统计年鉴》，各种能源碳含量数据来源于《2006年IPCC国家温室气体清单指南》。变量量纲的不能反映每个解释变量的重要程度，因此，本文所使用数据是经过去量纲化处理以后的数据进行建模分析。

2.模型构建

本文选定中国30个省区2000～2014年的面板数据进行实证分析。而截面单元数(30个)大于时期单元数(15个)可能影响到数据的平稳性，因此，本文实证分析之前需对所选各变量进行平稳性检验。检验结果如表2所示，本文所选定的5个变量都在5%水平上显著，工业碳强度、技术进步、产业结构、能源结构、开放度等5个变量既不含有普遍单位根也不含有个别单位根，即这5个变量都为平稳序列，可以用来建模。

本文主要研究技术进步对中国工业碳排放的影响，在面板数据实证分析中，工业碳排放强度为被解释变量，技术进步、产业结构、能源结构、开放度为解释变量。面板数据模型中，解释变量对被解释变量的影响形式有两种，即固定效应影响与随机效应影响。因此，本文首先运用Hausman检验来确定解释变量的影响形式。Hausman检验结果表明，统计值为21.198，自由度为4，伴随概率为0.0487，因此，我们拒绝原假设：随机影响模型中个体影响与解释变量不相关，即我们选择固定效应模型。

表2 单位根检验结果

注：*、**、***分别代表统计显著性为10%，5%，1%；括号中为各统计量的p值；零假设为TQD、TP、IS、ES、OD含有单位根。

面板数据模型可以分为无个体影响的不变系数模型、变截距模型、含有个体影响的变系数模型3种。在每种模型的回归统计中，我们可以得到相应的残差平方和，通过模型回归我们得到S1=6.761 712，S2=54.212 96，S3=121.4580。然后，我们运用如下F检验来确定面板数据模型的形式。

(3)

(4)

根据公式(3)、公式(4)我们计算得到F1=43.356 58，F2=18.149。而在5%的显著性水平上，我们查表得到相应的临界值：F2(116,300)=1.279 97，F1(145,300)=1.258 97。从上述数据可以知道，由于F2>1.279 97，所以我们拒绝H2；又由于F1>1.258 97，所以我们也拒绝H1。因此，我们选择采用含有个体影响的变系数模型形式。在本文实证研究中，我们设计如下线性面板数据模型：

LnTQDit=αi+β1iLnTPit+β2iLnISit+β3iLnESit+β4iODit+μit

(5)

公式(5)中，i表示截面单元数，本文中i=1,2,…,30表示所考察的30个省区；t表示时期个数，本文中t=1,2,…,15表示所考察的2000～2014年；αi为截距项；μit为随机误差项，代表模型中随横截面变化而变化的因素的影响；TQDit为被解释变量，表示各地区历年工业碳排放强度；TPit、ISit、ESit、ODit为解释变量，分别表示各地区历年技术进步、产业结构、能源结构、开放度等指标；β1i，…，β4i为方程回归系数，分别表示技术进步、产业结构、能源结构、开放度等的弹性系数。

三、实证结果分析

表3 模型估计结果(1)

表4 模型估计结果(2)

续表4

注：*、**、***分别代表统计显著性为10%，5%，1%；括号中为各统计量的t值。

1.技术进步对工业碳排放的影响

从表4中我们容易看出，我国技术进步指数每提升1%可以使我国工业碳排放强度下降0.895%，也就是说，技术进步可以有效推动我国工业碳减排工作的实施。从各地区对比来看，东部地区技术进步每提升1%可以促使工业碳排放强度下降1.171%，中部地区技术进步每提升1%可以促使工业碳排放强度下降0.888%，西部地区技术进步每提升1%可以促使工业碳排放强度下降0.624%。因此，从地区对比来看，我国从东部到中部、西部地区，技术进步对工业碳减排的推动作用越来越弱。东部地区经济基础、科技研发基础较好，且高水平大学、科研院所也比较集中，从科研资金投入、技术发明、专利申请、高新技术产业发展等方面都要好于中西部地区。同时，东部地区拥有较为完善的技术创新、技术交易平台，先进技术可以快速得到使用。因此，相对于中、西部地区来说，东部地区技术自主创新能力、技术扩散推广能力都比较强，这导致我国东部地区技术进步对工业碳减排的推动作用更大。

从各省数据对比来看，所考察的30个省区中，技术进步对工业碳排放强度影响系数大于零的有24个省区，而其余6个省区对工业碳排放强度影响系数小于零。因此，总体上来看，大部分省区技术进步指数的提升可以有效降低工业碳排放强度。东部11个省区技术进步对工业碳排放强度的影响系数都小于零，其中北京地区技术进步指数每提升1%可以使工业碳排放强度下降2.899%。因此，总体上来看，东部地区技术进步可以有效降低工业碳排放强度。中部8个省区中山西、江西地区技术进步对工业碳排放强度的影响系数大于零，其余6个省区的影响系数小于零，湖南地区技术进步指数每提升1%可以使工业碳排放强度下降2.84%。这说明山西、江西技术进步并没有降低工业碳排放，特别是山西省，本身是煤炭生产与消费大省，技术研发投入、技术应用很多都是针对煤炭产业的，因此，短期内技术的进步反而会导致工业碳排放强度的上升。西部11个省区中，广西、云南、甘肃、青海4个省区技术进步对工业碳排放强度的影响系数大于零，其他省区的影响系数小于零。其中，内蒙古技术进步指数每提升1%可以使工业碳排放强度下降2.903%，重庆地区技术进步指数每提升1%可以使工业碳排放强度下降2.687%。总体上来看，虽然有个别省区技术进步可能导致工业碳排放强度升高，但是总体上来看，技术进步可以有效推动工业碳减排。

2.其他因素对工业碳排放的影响

从表4中可以看出，产业结构每提升1%可以推动我国工业碳排放强度降低1.159%。因此，产业结构的调整升级将是我国工业碳减排重要推手之一，也就是说，我国需要大力发展第三产业，特别是以金融保险、高端服务、现代物流、休闲旅游等为代表的新型服务产业。从长远来看，随着我国国民经济的进一步发展，产业层次也会随之不断提升，大力发展新型服务业，不断调整产业结构，将是减少中国工业碳排放的有效途径。

能源结构每上升1%会导致中国工业碳排放强度升高1.391%。也就是说，中国能源消费中，煤炭所占比重上升会导致中国工业碳排放增加。最近几年，为了减少碳排放对中国生态环境造成的不利影响，国家在新能源研究与开发方面给予了巨大的资金支持。当前中国水能、核能开发力度很大，太阳能利用也走在了世界前列，不断加大石油、天然气在一次能源中的比重。同时，中国也不断加大节能降耗技术与设备的研发使用。随着这些节能减排政策措施的实施，预期中国工业碳排放增长会趋于缓慢，并最终呈下降态势。

开放度每提升1%可以使中国工业碳排放强度降低0.186%。总体上来看，开放度有助于中国工业碳减排工作，但是影响作用并不明显。随着“一带一路”倡议的实施、对外开放的深入，中国外资引入必将继续增加，外贸进出口也将随之不断增长。吸引外资、进出口贸易是一把“双刃剑”，如果加大对外资引入的力度，提高进出口产品的层次，中国工业碳排放强度会随之不断下降。反之，如果对国外向国内“污染转移”不加以限制，中国工业碳排放强度必然会继续增长。

四、稳健性检验

为了确定技术进步对工业碳排放的影响是否受变量选取的影响，我们对上述构建的实证模型进行稳健性检验。具体来说，我们用研发投入(R&D)替换公式(5)中技术进步指数重新进行实证分析。则新的实证模型可以表示为如下形式：

LnTQDit=αi+β1iLnRDit+β2iLnISit+β3iLnESit+β4iODit+μit

(6)

公式(6)中RDit表示各地区历年研发经费投入强度，即各地区研发经费内部支出额与地区生产总值之比，其他变量与公式(5)中相同。将技术进步变量进行替换后重新做回归分析，发现回归结果与前文中的实证结果基本一致。研发经费投入对中国工业碳排放强度的影响效应依然为负值。也就是说，增加研发经费投入可以有效降低中国工业碳排放强度。与前文实证结果一样，东部地区研发经费投入对工业碳排放强度的影响作用要显著大于中西部地区，而比较来看，中部地区的影响作用又要大于西部地区。研发经费投入额度是一个国家或者地区对科技创新、技术进步重视程度的重要评价指标。特别是，近年来随着我国参与国际竞争与合作的不断深入，政府、企业越来越重视科技研发在经济发展、市场竞争中的作用。但是，我国经济发展并不平衡，区域经济发展水平从东部到中、西部地区呈逐次递减的趋势，东部地区在研发经费投入与经费使用效率方面都要优于中部地区和西部地区，这导致我国研发经费投入对工业碳排放强度的影响作用存在显著差异。未来，随着我国经济的进一步发展，研发经费投入在国民经济中所占比重会越来越大。同时，随着市场竞争的加剧，研发经费的使用效率也会越来越高。从长期趋势来看，研发经费投入对工业碳减排的影响作用会越来越大，增加研发经费投入是降低中国工业碳排放的有效手段。

五、结论与政策建议

本文选用中国30个省区2000～2014年相关数据，运用DEA-Malmquist指数法测算了各地区技术进步状况，并通过构建面板数据模型实证分析了技术进步对中国工业碳排放的影响。研究结果表明：第一，我国技术进步指数每提升1%可以使我国工业碳排放强度下降0.895%，说明技术进步可以有效推动我国工业碳减排工作的实施。从地区比较来看，我国从东部到中、西部地区，技术进步对工业碳减排的推动作用越来越弱。虽然个别省区技术进步对工业碳排放强度的影响系数大于零，但是总体上来看，技术进步可以有效降低工业碳排放强度，且从长期趋势来看，技术进步在我国工业碳减排工作中的作用会越来越大，依赖技术进步减少我国工业碳减排是可行的。第二，产业结构每提升1%可以推动我国工业碳排放强度降低1.159%，说明产业结构调整对我国工业碳减排作用明显。能源结构每上升1%会导致中国工业碳排放强度升高1.391%，说明中国能源消费中煤炭所占比重上升会导致中国工业碳排放增加。中国开放度每提升1%可以使中国工业碳排放强度降低0.186%，说明开放度有助于中国工业碳减排工作，但是影响作用并不明显。第三，本文运用研发经费投入(R&D)代替技术进步指数重新进行实证分析，发现回归结果与前文中实证结果基本一致，说明技术进步与工业碳排放强度的负相关关系是真实存在的，并不受变量选取的影响。

本文的实证分析结果表明，技术进步对中国工业碳减排作用明显，随着中国经济的进一步发展，技术进步在中国工业碳减排中的作用也会越来越大。未来需注重以下方面：

首先，中国首先要增加R&D经费投入。依据世界银行的指标数据分析，2009年中国R&D经费投入强度已经超过了1.5%，这说明中国已经进入了工业化国家的行列，但是与欧美发达国家相比，中国R&D经费投入还不高。2013年中国R&D经费投入强度刚刚达到2%，但是2010年美国R&D经费投入强度已经达到了2.79%，日本达到了3.33%，韩国更是达到了3.36%。因此，随着经济的发展，未来中国还需要进一步增加R&D经费投入，逐渐赶上甚至超越发达国家的研发投入水平。

其次，中国还应该通过产业政策，鼓励金融保险业、现代物流业、先进制造业、休闲旅游业、高科技产业等的发展，逐步调整产业结构。通过挖掘中国自身潜力，并增加国外能源输入的方式，提高石油尤其是天然气在中国一次能源中的比重。同时，大力发展核能、水能、太阳能等新式能源，优化中国能源消费结构。彭旭等通过面板数据模型定量分析中国能源结构对碳排放的影响后指出，提升清洁能源的利用水平是当前能源发展战略的必然趋势[24]。在招商引资中严格进行审核，防止国外污染向国内转移，增加低碳产品的出口。通过科技研发尤其是节能减排相关技术的研发，并逐步调整优化产业结构、能源消费结构、外贸进出口结构，减少中国工业发展中的CO2排放。

最后，在资金投入的基础上，中国还需要培养一大批具有丰富理论知识与实践经验的研发人才队伍。虽然新世纪以来，中国科研团队不断扩大，从事科学研究的高素质人才也越来越多，但是与西方发达国家相比，就业人员中研发人员比例还比较低。同时还需要关注科技研发成果的保护与应用。新世纪以来，中国专利授权量增长很快，说明对知识产权的保护意识已经逐步增强了，但是专利转化率还不高，所授权的大部分专利并没有转化成现实生产力。因此，可以通过构建知识产权交易平台，鼓励知识产权交易，推动科研成果快速转化成现实生产力。一般来说，高科技产业的发展状况是反映一个国家或者地区技术进步的重要指标。虽然中国高技术产业在国民经济中所占比重越来越大，但是与先进国家相比还存在不小的差距。因此，未来还需要通过财政、金融等政策鼓励高科技产业发展，提高高科技产业比重，通过技术进步实现节能减排的目标。

[1] 王惠,卞艺杰,王树乔. 出口贸易、工业碳排放效率动态演进与空间溢出[J]. 数量经济技术经济研究,2016(1):3-19.

[2] WANG K,WEI Y M. China’s regional industrial energy efficiency and carbon emissions abatement costs[J]. Applied Energy,2014(130):617-631.

[3] 刘华军,刘传明,陈明华. 中国工业CO2排放的行业间传导网络及协同减排[J]. 中国人口·资源与环境,2016,26(4):90-99.

[4] GROSSMAN G M,KRUEGER A B. Economic growth and the environment[J]. The Quarterly Journal of Economics,1995,110(2):353-377.

[5] 林伯强,蒋竺均. 中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J]. 管理世界,2009(4):27-36.

[6] 徐广月,宋德勇. 中国碳排放环境库兹涅茨曲线的实证研究—基于省域面板数据[J]. 中国工业经济,2010,266(5):37-47.

[7] SONG T,ZHENG T G,TONG L J. An empirical test of the environmental Kuznets curve in China:a panel cointegration approach [J]. China Economic Review,2008,19(3):381-392.

[8] OECD. Indicators to measure decoupling of environmental pressure from economic growth[R]. Paris：OECD,2002.

[9] BITHAS K,KALIMERIS P. Re-estimating the decoupling effect：is there an actual transition towards a less energy-intensive economy？[J]. Energy,2013,51(2):78-84.

[10] YU Y D,CHEN D J,ZHU B,et al. Eco-Efficiency trends in China,1978—2010:decoupling pressure from economic growth[J]. Ecological Indicators,2013,24(1):177-184.

[11] 涂红星,肖序,许松涛. 基于LMDI的中国工业行业碳排放脱钩分析[J]. 中南大学学报(社会科学版),2014,20(4):31-36.

[12] 左可贵,包玉泽,李崇光,等. 工业碳减排绩效及其影响因素动态分解[J]. 自然资源学报,2014,29(9):1576-1588.

[13] 查建平,范莉莉,高敏. 中国工业碳排放经济绩效及其影响因素研究[J]. 软科学,2014,28(11):30-34.

[14] SHAO C F,GUAN Y,WAN Z,et al. Performance and decomposition analyses of carbon emissions from industrial energy consumption in Tianjin,China [J]. Journal of Cleaner Production,2014,64(2)：590-601.

[15] 路正南,王志诚. 中国工业碳排放效率的行业差异及动态演进研究[J]. 科技管理研究,2015(6):230-235.

[16] 张彩平,吴倩雯. 基于能源流视角的碳绩效评价标准研究[J]. 大连理工大学学报(社会科学版),2016,37(4):52-56.

[17] XU S C,HE Z X,LONG R Y. Factors that influence carbon emissions due to energy consumption in China：Decomposition analysis using LMDI[J]. Applied Energy,2014,127(6)：182-193.

[18] WANG Z,YANG L. Delinking indicators on regional industry development and carbon emissions：Beijing-Tianjin-Hebei economic band case [J]. Ecological Indicators,2015(48)：41-48.

[19] 陈诗一. 中国碳排放强度的波动下降模式及经济解释[J]. 世界经济,2011(4):124-143.

[20] 卓德保,吴玉海,潘植强. 中国工业碳排放的特征及影响因素[J]. 经济纵横,2015(4):47-53.

[21] ZHANG Y J,LIU Z,ZHANG H,et al. The impact of economic growth,industrial structure and urbanization on carbon emission intensity in China [J]. Natural hazards,2014,73(2)：579-595.

[22] 韩晶,王赟,陈超凡. 中国工业碳排放绩效的区域差异及影响因素研究—基于省域数据的空间计量分析[J]. 经济社会体制比较,2015(1):113-124.

[23] 张军,吴桂英,张吉鹏. 中国省际物质资本存量估算:1952—2000[J]. 经济研究,2004(10):35-44.

[24] 彭旭,崔和瑞. 中国能源结构调整对碳强度的影响研究[J]. 大连理工大学学报(社会科学版),2016,37(1):11-16.