如何让绿水青山成为金山银山——基于碳排放对高质量发展作用的经验证据

刘 梦，胡汉辉

(东南大学 经济管理学院，南京 210096)

一、问题提出与文献综述

中国经济发展取得的瞩目成就，与以“高污染、高能耗”表征的环境投入是分不开的。新中国成立初期，经济增长是第一要务，能源消耗与环境污染成为中国经济粗放型高速增长的重要力量，而由此产生的巨大能源消耗和环境污染问题，使得中国成为“污染天堂”，甚至一度引发了“中国环境威胁”的论调。有数据表明，中国CO2排放占到世界排放总量的三成，在2012年就超过了美国与欧盟碳排放的总和，能源消耗更是高达全球总额的23.2%，并已连续多年位列榜首；而与此同时，中国能源效率仅居世界第73位，单位GDP能耗超过2.9万吨油当量，是日本的3.1倍，不仅远逊于发达国家，尚且低于巴西、印度等发展中国家水平(白俊红等，2018)[1]。随着中国经济步入高质量发展阶段，人与自然之间的矛盾也日益突出。习近平总书记指出，“保护生态环境就是保护生产力，改善生态环境就是发展生产力”，并在全国生态保护大会上明确了生态文明建设的六项原则。中国在历经资源枯竭、污染警醒、环境负债的经济成长代价之后，就“可持续发展”“绿色增长”“绿色经济”(UNEP，2011)、“绿色发展”(高世楫等，2017)、“包容性绿色增长”(周小亮等，2018)等不同说法不断完善对环境影响经济发展的科学认知，逐步形成了以“绿水青山就是金山银山”为核心的生态文明建设思想体系[2～4]。十九大更是将“必须树立和践行‘绿水青山就是金山银山’的理念”写入党章。而探究碳排放对经济高质量发展在不同维度的作用，对于落实将“绿水青山”真正转化为“金山银山”，有重要的理论和现实意义。

“绿水青山就是金山银山”一经提出便被奉为圭臬，其对于加快实现中国高质量发展目标的重要意义毋庸置疑。但针对这一命题的直接研究大多集中在逻辑梳理和概念分析的层面，能直接就“绿水青山就是金山银山”科学性及中国现实情况的实证性研究少之又少，与之密切相关的研究主要集中在能源或环境投入对经济发展的作用层面。

从碳排放的视角，针对碳排放量对经济发展作用机制的研究主要集中在三个方面。一类探究能源耗竭对经济发展的影响，即将能源或环境变量视作生产要素，探究碳排放的投入产出效率等问题(Baumol和Oates，1988)[5]。一类考察碳排放对效用函数的负面影响，通过对比碳排放带来的经济收益与负向边际产出，得出碳排放与经济增长呈倒U型关系的一般结论(Stokey，1998)[6]。还有一类研究从碳排放引致环境成本的角度，探究其对经济发展的影响，较为经典的理论当属“波特假说”，Porter和Van(1995)指出地区环境质量改变或是环境规制变化，会对当地产业结构产生“倒逼式”促进升级的作用，进而促进经济增长[7]。这些研究结论在中国数据下也得到了相应证实，例如降低碳排放水平、促进环境质量升级，有助于提高当地第三产业比重进而促进地区产业结构升级，且在东部发达地区作用更为显著(李强，2013)[8]。而通过引入碳排放或是环境污染指数，众多学者利用DEA方法，证实了降低碳排放或是环境污染对提升全要素生产率的重要意义(董敏杰等，2012)[9]。

涉及碳源结构对经济发展作用的直接研究相对较少，与之接近的是有关碳源结构分解及其差异性问题的研究。通过考察不同国家或地区的碳排放差距，对比分析碳排放差异对地区经济发展的影响。例如Duro和Padilla(2006)利用Theil指数和Atkinson指数对二氧化碳排放的地区差距进行分解并探究其决定因素[10]。Chen等(2017)在计算中国各地区碳排放差异的基础上，进一步区分了生产和生活区域差异对碳排放差异的影响，指出碳排放的区域不平衡是造成经济发展增速和路径差异的关键因素[11]。刘华军等(2012)利用IPCC提供的二氧化碳排放量估算的参考方法，测度了各类燃料的碳排放，并对中国中东西部地区间的碳排放结构的演化情况进行了分析[12]。因此，虽然现有研究鲜有就碳源结构对经济发展作用的直接论述，但为学术界所公认的是，碳源结构是影响经济发展的重要因素。本文拟通过对各省碳排放结构指数的进一步分解，考察碳源结构对经济高质量发展的具体影响，是对现有研究一个较有意义的补充。

综上所述，现有文献就环境对经济发展的相关研究已然取得了丰硕成果，这为本文的相关研究提供了重要理论基础。但纵观现有文献成果，大多是将“绿水青山就是金山银山”作为研究背景或公认命题，探究环境对经济增长的影响情况。缺乏高质量发展背景下就“绿水青山”如何成为“金山银山”的路径研究。鉴于此，本文立足中国碳排放和高质量发展的实际情况，就如何推进绿水青山成为金山银山的碳排放量和碳源结构的调控方式进行经验分析和实证检验。可能对现有研究有如下两个方面的边际贡献：一是立足碳排放量与碳源结构以及经济充分、平衡与绿色发展的高质量特征，构建并测度了相应指标数据；二是基于碳源视角下Dagum分解测算的组内差异、组间差异和超变密度，从碳源结构的视角深入探究促进绿水青山真正成为金山银山的路径方式。

二、指标体系的理论构建

正如前文所述，环境对经济发展的重要性已然得到学术界与实践部门的充分肯定和认可。伴随中国步入高质量发展阶段，“绿水青山就是金山银山”的论断被赋予了更高层次的时代内涵，迫切需要更为精确和深化的计量检验提供更具说服力的经验证据。为了进一步探究推动绿水青山成为金山银山的核心动力，必须明确环境对经济高质量发展不同维度作用的演化情况。而首要工作就是构建反映“金山银山”水平的高质量发展指标体系，以及反映“绿水青山”程度的碳排放指标体系。下文分别对各指标的数理基础和测算方法进行了详细阐述。

(一)高质量发展指标体系

高质量发展是一个多维属性的概念(金碚，2018)[13]。十九大明确指出中国经济由高速增长阶段向高质量发展转型以来，学术界就如何准确测度高质量发展进行了深刻而广泛的研究，所构建的指标体系也层出不穷。一般研究集中于就高质量发展某一具体特征进行分析，并着重在指标构建时突出该特征的数理表现。例如，张军扩(2018)、林兆木(2018)、徐延辉等(2014)从金融服务、生态环境、社会制度等诸多方面对中国经济发展“质量”进行了分析和论述[14～16]。目前，学者们并未就高质量发展一般性指标达成统一意见，但从整体意义上看，高质量发展的基本特征至少涵盖经济的“充分”“平衡”“绿色”等发展理念。为此，本节重点从经济的充分、平衡和绿色发展三个方面测度中国经济发展，从而反映经济发展模式的演化和升级情况。

1. 经济的充分发展指数

高质量发展理念对经济质量的关注并不意味着忽视经济增长，目前全球经济形势整体放缓，如何继续保持较为强劲的经济增长态势依然是实现高质量充分发展的重要方面。但与传统以GDP衡量经济增长不同，在高质量发展理念下，经济的充分发展更应体现在落实到人民收入的角度上。换句话说，经济的充分发展不仅需要包含“经济产出”这样一个“供给侧”的层面，更要体现在实际人民收入的“需求侧”层面。因此，人均收入水平将比GDP指数能更好地反映经济充分发展的质量。一则经济体的总产出增加会促进人均收入提高，二则人民消费水平提高往往意味着收入的提高，三则收入提高比社会总体经济增长更容易让人民享受到经济发展带来的社会福利。因此，在高质量发展理念下，人均收入水平可以更好地反映经济充分发展的现实效应。本文以2001年为基期，对各省份人均收入进行价格指数修正，以此测度经济的充分发展水平，如式(1)所示

Dfj=Incj×PIcj

(1)

其中，Dfj为j省份的经济充分发展指数，Incj为j省份人均收入水平，PIcj为j省份消费价格指数。Dfj指数越高，表示j省份的经济充分发展水平越好。

2.经济的平衡发展指数

众所周知，改革开放以来中国经济的迅猛发展是借力于东部沿海地区率先实施对外开放而攫取的经济全球化红利。但“先让一部分人富起来”“先富带动后富”的发展战略无疑加剧了经济发展的不平衡问题。这在中国东中西部的区域发展之间表现得尤为明显。随着中国步入“新时代”，协调区域经济平衡已然是各级政府的工作要点之一。经济学基础理论指出，在完全竞争市场条件下企业利润均趋于零。从省级层面来看，可借助省内各产业利润水平衡量经济发展的平衡情况。借鉴Gini系数的设定原理、测度方法以及在经济不平衡测度方面的相关研究(Atkinson和Bourguignon，2000)[17]。本文以各省份不同产业的人均利润额为基础，设定各省份的经济平衡发展指数Dbj，如式(2)所示。

(2)

其中，Dbj为j省份的经济平衡发展指数，Prk,j为j省份k产业的利润总额，Stk,j为在职员工总数，PIpj为j省份的产出价格指数。

需要说明的是，为便于后文对经济高质量发展“充分”“平衡”“绿色”多角度指标的方向一致性分析，式(2)中进行了方向处理，即用1减Gini系数，这样可将Gini系数反映的不平衡程度转化为对经济平衡程度的测度。即：Dbj指数越大，反映j省份经济的平衡程度越高。进一步地，考虑到实际生产中行业产出利润为负的可能性，在上述运算中，本文对原始产业利润数据进行了组内标准化处理。

3. 经济的绿色发展指数

绿色全要素生产率是现有研究衡量高质量发展水平的常用指标之一(Fukuyama和Weber，2009)[18]。将环境因素考虑在内的绿色全要素生产率，反映的是社会增长方式由粗放型向集约型转变、由污染能耗型向绿色环保可持续模式转变的经济绿色化发展(陈晓等，2018)[19]。从根本上讲，衡量的是生产资源的经济效率。目前对经济效率的测度方法主要集中在索洛余值、生产前沿函数以及DEA方法上。本文利用DEA方法，将能源性投入和污染性产出纳入经济效率的测度范围，构建了包含环境因素的生产可能性集。以省份为决策单位构建最优生产前沿面，假设各省的经济活动存在N种投入，x=(x1,…,xN)∈N+；由此生产M种期望产出y=(y1,…,yM)∈M+和I种非期望产出b=(b1,…,bI)∈I-。在t时间点，t=(t1,…,tT)，设定产出导向型线性规划模型，如式(3)所示。

(3)

(二)碳排放指标体系

现有基于碳排放对经济发展影响的研究主要从两个维度测度碳排放情况。一是碳排放总量，即考虑经济生产活动所需的能源消耗，将各能源投入折算为碳排放总额，探究其对经济发展的作用(Sun，2005；Xu等，2016)[20～21]。二是碳源结构，即考察碳排放的能源结构，通过对比石油、天然气等不同化石能源的消耗比重，考察经济发展过程中的能源转型和产业间均衡发展问题(Grunewald等，2014)[22]。有鉴于此，本文从碳排放的数量和结构层面构建碳排放指标体系，结合前文对高质量发展体系指标的分析，进而更为全面地探究碳排放在数量和结构层面对经济充分、平衡和绿色发展的作用。

1.碳排放量指标体系

由于碳排放量是一个经折算后统计的概念，在统计过程中，存在表观能耗和生产排放因子两方面的影响，从而导致对碳排放总量的统计存在显著差异，特别是对中国这样的碳排放大国，2010年基于不同折算方法计算的碳排放差异超过1.4亿吨，相当于日本碳排放总额的两倍以上(Guan等，2012)[23]。因此碳排放量的准确性一直是学术界争论的焦点。根据国际标准(Shan等,2018)[24]，各地区的碳排放总额的测算如(4)式所示。

CAi,j=ADi,j×EFi

(4)

其中，CAi,j表示化石燃料i在地区j的碳排放总额，ADi,j为其表观能耗量，EFi为化石燃料i的碳排放因子。在本文的具体测算中，相关指标采用CEADs数据库2018年发布的中国各省份碳排放权威统计指标，化石来源主要是煤、原油、天然气。

在此基础上，进一步核算了碳排放量的变动指数，如式(5)所示。

(5)

其中，CIt,i,j表示t时刻化石燃料i在地区j碳排放总额的变动率，CAt,i,j和CAt-1,i,j分别表示t时刻和(t-1)时刻化石燃料i在地区j的碳排放总额。

2. 碳源结构指标体系

碳源结构是对碳来源的一次能源(主要为煤、石油、天然气)排放差异的结构性统计指标。相较于同样反映系统结构的Moore指数、Theil指数等指标而言，Gini系数更利于通过结构分解凸显样本的个体差异。目前学术界针对碳源结构影响经济发展作用的研究较少，从省级产业层面的碳源结构视角的研究更显不足。本文利用CEADs数据库对中国各省级产业的碳排放源：煤、石油、天然气的投入统计数据，借鉴Gini(1921)和Dagum(1997)对Gini系数的构建和结构分解设定碳源结构指数CSi,j，如式(6)所示[25～26]。用以反映在省份j各个产业碳排放源自化石燃料i的差异情况。

(6)

(7)

(8)

(9)

碳源结构指数CSi,j与Gw、Gnb、Gt的关系如式(10)所示。

CSi,j=Gw,i,j+Gnb,i,j+Gt,i,j

(10)

其中，pj表示省份j所占的数量分配比例，qj表示省份j碳排放所占比例，Djh表示省份j与省份h之间的相互影响系数。

三、数据来源与指标测算

上文分别构建了反映“绿水青山”的碳排放指标体系和反映“金山银山”的高质量发展指标体系。本节基于对指标的理论构建，测度了中国各省份的碳排放和经济发展的相关指标数据。同时整理了影响高质量发展的其他控制变量。在对数据来源和清洗方法进行阐述的基础上，本节对整理后的面板数据进行了统计性描述和平稳性检验。

(一)数据来源

本文数据源自CEADs数据库、《中国统计年鉴》和《中国工业统计年鉴》。因国内数据在2000年前后统计口径存在较大调整，本文以2000年为基准，同时剔除了存在数据缺失的西藏及港澳台地区。最终整理了2001—2015年中国30个省份15年的有效面板数据。

针对碳排放指标体系数据源的基本说明如下：对中国各省份各产业级能源消耗和碳排放的基础数据源自CEADs数据库于2018年公布的碳排放清单。该数据库是目前所能获取的合算能源利用水平的最新和最权威数据库。除上文对指标设计的阐述外，需要进一步说明的是：第一，后文实证研究中采用的碳排放量是基于单位产值碳排放量合算的，这里未采用人均碳排放量主要基于两方面的考虑：一是碳排放存在于生产运输消费等不同环节，CEADs的统计数据经过对各环节、不同种类碳排放统计的单位标准化，并不完全与人口或产值对接；二是在后文回归中，解释变量引入了劳动力数量作为规模控制变量，若引入人均碳排放水平可能会引起与劳动力总量的内生性问题。第二，本文对碳排放量的统计基于原油、原煤、天然气以及生产过程中的CO2碳排放情况，不含对消费等其他环节产生的碳排放统计。第三，针对碳源结构指数的测度包含省级层面的44种细分工业产业以及原油、原煤等30种碳排放源，碳排放的Gini系数结构分解以44种工业产业为组别。

针对高质量发展指标体系数据源的基本说明如下：高质量发展相关指标数据主要源自《中国统计年鉴》和《中国工业统计年鉴》，全部价格数据均经过以2000年为基期的价格指数修正。需要进一步说明的是：第一，针对产业划分问题。《中国工业统计年鉴》针对产业细分在不同年份存在差异，2000年细分产业为25个，2015年增加到42个。本文以2000年为标准，合并得到各省25个工业产业的面板数据。第二，针对数据缺失问题。当前后相邻年份数据均存在时，以前后年份原始数据的平均数为替代。当存在连续两年及以上的数据缺失问题时，本文利用灰色系统理论下的多数据预测模型(VERHULST)，根据平均误差及时间响应函数调整最优原始数据列，预测得到缺失数据。第三，针对绿色全要素生产率。设定投入指标为劳动力人数、固定资产总额和以万吨标准煤标准化后的能源投入量；产出指标为社会生产总额和以二氧化碳排放量标准化后的碳排放总额。模型设定为产出导向型、规模报酬可变。

(二)指标测算与统计性描述

在前文指标设计与数据处理的基础上，本文计算并整理了2001—2015年中国30个省份的面板数据，各指标设定及处理情况如表1所示。

表1 回归变量的测度说明

注：测度过程中所涉及到的产出、收益等相关指标，均经以2000年为基期的价格指数平减；价格统计均经各年份汇率换算，以人民币元为单位；个别年份的劳动力抽样统计结果均按抽样比相应放大。基于CEADs数据库计算的工业产业分类为44种，基于中国工业统计年鉴的工业产业分类为25种。

为保证后文实证结果中各指标系数的数量级基本一致，本文对相应指标进行了数量级调整。各指标的统计结果如表2所示。

表2 2001—2015年中国各省份相关指标统计性描述

表2(续)

数据来源：作者根据上述指标测度方法计算统计得到。保留四位小数。

表2中，除碳源结构差异指数(CS)以及对其进行Dagum分解得到的组内差异Gw、组间差异Gnb和超变密度Gt是负向性指标外，其他变量均为正向指标。即Df、Db、Dg指数越大，分别表示各省经济的“充分”“平衡”和“绿色”发展程度越好。CA、CI指数越高，表明碳排放量和碳排放增速越大。CS、Gw、Gnb和Gt越大，则表明碳源结构越不平衡，各省组内、组间和超变密度的差异性越大。L、RD和FDI指数越大，则表明该省劳动力投入、技术投入和外商直接投资水平越高。

(三)面板数据的平稳性检验

为避免面板数据的非平稳性而可能带来的“伪回归”问题，本文对2001—2015年中国30个省份相关指标的面板数据进行了平稳性检验，结果如表3所示。

表3 2001—2015年中国30个省份相关指标的单位根检验

数据来源：作者根据STATA软件计算得出。***表示回归结果在1%置信水平下通过显著性检验，包括去除趋势项、滞后项等处理。括号表示对该变量进行差分后得到的检验结果。汇报结果保留四位小数。

由表3可知，对回归数据的LLC、HT以及IPS的平稳性检验结果均表明，在经过剔除趋势性、设定滞后项等方法处理后，所有变量均通过1%显著水平下的相关检验，面板数据具有良好的平稳性。

四、实证研究与稳健性检验

在前述研究的基础上，本节分三个部分对中国各省碳排放对高质量发展具体作用进行实证分析。第一部分从整体层面，就碳排放量和碳源结构对经济充分、平衡和绿色发展间相互作用情况进行初步检验和分析；第二部分借助面板数据的动态回归模型，进一步拆分碳排放量、碳排放增速、碳源结构的组间差异、组内差异和超变密度对高质量发展的动态影响；第三部分利用Python工具对计量模型进行交叉验证和稳健性检验，深入挖掘“绿水青山就是金山银山”在碳排放与碳源结构层面的经验证据。

(一)碳排放对高质量发展作用的初步检验

为首先直观判断碳排放量和碳源结构对经济平衡、充分和绿色发展的作用，考虑到普通参数估计需要对解释变量和被解释变量之间的函数关系进行先决假设，本文采用非参数估计的核密度估计方法，分别就碳排放量指数(CA)、碳源结构差异指数(CS)对经济充分(Df)、平衡(Db)和绿色(Dg)发展指数进行高斯核回归。设定回归方程如式(11)所示。

(11)

其中，g(CAit;CSit)表示分别引入碳排放量指数(CA)与碳源结构差异(CS)为解释变量，αi为虚拟变量，表示各回归样本的个体差异。εit为误差项，i为省份，t为年份。假定回归带宽为最优带宽，设定核密度函数服从高斯核。

根据式(11)绘制2001—2015年中国30个省份碳排放量(CA)、碳源结构差异(CS)对充分发展(Df)、平衡发展(Db)和绿色发展(Dg)指数的非参数高斯核回归图，如图1、图2、图3所示。各图中，纵轴为被解释变量，横轴为解释变量。

图1 碳排放量CA和碳源结构差异CS对经济充分发展指数Df的高斯核回归图

图2 碳排放量CA和碳源结构差异CS对经济平衡发展指数Db的高斯核回归图

图3 碳排放量CA和碳源结构差异CS对经济绿色发展指数Dg的高斯核回归图

三个图反映了碳排放量与碳源结构对中国各省份经济“充分”“平衡”和“绿色”发展的影响情况。初步证实了“绿水青山”成为“金山银山”的作用演化形态。根据图1经济充分发展的情况来看，碳排放量对经济充分发展的作用有明显波动，在经济发展未达到一个较高水平之前，该作用呈上升趋势，而碳源结构差异指数对经济充分发展作用呈现波动下滑趋势。且在经济水平达到一定程度之后，碳排放量和碳源结构的作用都有一个较为明显的波动。根据图2经济平衡发展的情况来看，碳排放量的促进或抑制作用并不十分显著，而碳源结构差异指数却表现为强劲地促进作用态势。也就是说，碳源结构差异越大，越有助于促进经济的平衡发展。根据图3经济绿色发展的情况来看，碳排放量对经济绿色发展呈显著负向作用，且碳源结构差异也表现出对绿色发展指数的负向作用态势，增加碳排放或是锐化碳源结构差异，不利于经济的绿色可持续增长。

根据上述非参数回归结果，可初步得出“绿水青山就是金山银山”即将或正在发挥重要影响。具体来看：长期以来，中国粗放式经济发展建立在大量能源消耗和碳排放基础之上，由图1能够看出碳排放对经济充分发展的正向作用趋势，虽然这一作用波动性较大且不甚明显，但这很可能是由于地区差异导致的。同时表明碳排放量的作用力不够强劲，随着碳排放的提高日趋疲软，并最终在较大的碳排放水平下表现明显的抑制作用。图3碳排放量对经济绿色发展作用的下降趋势表现得尤为明显，也充分证实碳排放是不利于经济的绿色可持续发展的。而针对碳源结构的差异指数，其主要对经济的平衡发展有重要促进作用，即省内各产业的碳源结构差异越大，越有助于经济的平衡发展。这可能是因不同产业属性的差异所致，例如采矿业、石油炼焦等产业将涉及更多碳排放环节，高技术企业更具备技术革新的优势，因此碳源结构差异的锐化在某种程度上反映了产业结构调整，有利于将资源集中到优势产业上，从而实现最优化生产。但这种产业间碳排放的不平衡并不利于经济的绿色发展，正如图3所示，在碳源结构平衡程度较低的条件下，适当锐化碳源结构会促进绿色发展，但如果进一步扩大碳源结构差异，会导致资源型产业难以具备转型升级动力，且由于资源的不可再生性，即便集中于优势产业，也只不过是延缓了被消耗的时间，并不利于经济的绿色发展。因此就目前发展阶段来看，“绿水青山就是金山银山”的战略理念实际上历经了三个不同层面的演进，而为了最终实现经济向绿色发展转型，降低碳排放，优化碳源结构无疑是落实经济高质量发展的重要举措。

(二)碳排放对高质量发展的动态回归结果

众多研究已然证明经济发展具有惯性特征，因此，在前文研究的基础上，为探究碳排放对经济高质量发展的作用情况，本文分别从碳排放量和碳源结构两个视角，以碳排放量、碳排放增速、碳源结构及其组间、组内和超变密度指数为核心解释变量，探究其对经济充分、平衡和绿色发展的影响。以经济发展上一期指标作为工具变量，设定动态面板估计方程，如式(12)所示。

(12)

其中，a0为常数项，βt表示与样本个体差异无关的时间效应，μi表示不可观测的个体效应，eit表示随机效应；γ为解释变量估计系数，X表示关键解释变量，Z为控制变量。Gini与Gw、Gnb、Gt之间存在共线性，不能同时引入方程，在式中以分号隔开。针对(12)式中的动态面板的回归，一般采用广义矩估计GMM进行计量检验。具体来说，有系统GMM和差分GMM两种方法，现有研究并无对二者选择的直接判定。由于D-GMM对解释变量有严格外生的具体要求，S-GMM需要假定扰动项不存在自相关以及工具变量与个体效应不相关。考虑到S-GMM可以提高估计效率，且更利于解决弱工具变量的影响，本文主要汇报S-GMM的回归结果，并以D-GMM的估计结果作为稳健性参考。

结合前文研究，利用中国30个省份2001—2015年面板数据对式(12)进行S-GMM估计，汇报结果如表4、表5、表6所示。各表同时汇报了对经济充分、平衡和绿色发展指数的D-GMM回归结果，作为检验回归稳健性的参考。

表4 碳排放对经济充分发展指数的GMM回归结果

注：***表示回归结果在1%置信水平下通过显著性检验。Dep表示被解释变量，Indep表示解释变量。OBS为有效样本量。NI表示全部使用的工具变量(矩条件)个数；L(a/b).Dep表示工具变量中包含被解释变量的a至b阶滞后。AR(1)、AR(2)检验的零假设为残差不存在一阶、二阶自相关；Sargan与Hansen检验的零假设为工具变量与残差无相关性，即模型不存在过度识别；Wald检验的零假设为回归方程解释变量系数联合显著。D-GMM不进行AR检验，以“—”表示。

由表4可知，经济的充分发展有经济惯性特征，作为工具变量的滞后一期对当期指数的作用均显著为正，表明经济发展的历史情况对本期经济充分增长有重要影响。保证一个较好的经济发展态势更有利于促进经济的充分发展。

从碳排放量的相关指标来看，碳排放量对经济充分发展的作用显著为正，而碳排放增速对经济充分发展的作用显著为负。这一方面表明中国确实走过一条以资源环境换经济的粗放式发展道路，另一方面则反映出在目前阶段，碳排放对经济充分发展的促进作用已然表现下行趋势，进一步增加碳排放不仅不能促进经济增长，还会因为资源浪费和环境成本过高抑制经济的充分发展。进一步对比回归①③④⑤⑥可知，碳源结构和其他控制变量的引入并未影响该结果的稳定性。从碳源结构的相关指标来看，碳源结构差异对经济充分发展的作用显著为负，且对比回归②③④⑤⑥可知，碳排放不平衡程度的抑制作用主要通过组内差异Gw的显著负向作用表现出来。一方面，较平衡的碳源结构有利于经济的充分增长，这是因为较平衡的碳源结构在经济发展初期反映了资源的充足性；另一方面，组内差异越小，表明在特定地区的资源约束下，地区对产业发展没有资源干预和政策约束，产业可以较为充分、自由和均衡地获取资源禀赋，从而促进经济在数量层面的迅猛增长。而这与中国长期以来高能耗、高污染、以环境换经济的发展模式具有高度一致性。此外，调整碳排放量和碳源结构的相关指标也没有从根本上改变L、RD和FDI的作用情况。劳动力对经济充分发展的作用显著为正，这反映了中国传统经济增长主要依赖低成本劳动力创造的人口红利；研发投入对经济充分发展作用为负，这是由于在经济发展初期，研发投入带来的经济效益难以被低端发展模式所吸收，反而更多表现为一种经济成本；外商直接投资对经济充分增长作用显著为正也进一步证实了这一点，中国经济发展确实在很大程度上得益于外商投资带来的技术外溢。由此可见，表4所反映的经济现象正是“绿水青山就是金山银山”在经济初级阶段所表现的作用特征。

表5 碳排放对经济平衡发展指数的GMM回归结果

表5(续)

注：**、***分别表示回归结果在5%、1%置信水平下通过显著性检验。Dep表示被解释变量，Indep表示解释变量。OBS为有效样本量。NI表示全部使用的工具变量(矩条件)个数；L(a/b).Dep表示工具变量中包含被解释变量的a至b阶滞后。AR(1)、AR(2)检验的零假设为残差不存在一阶、二阶自相关；Sargan与Hansen检验的零假设为工具变量与残差无相关性，即模型不存在过度识别；Wald检验的零假设为回归方程解释变量系数联合显著。D-GMM不进行AR检验，以“—”表示。

表5反映的是碳排放量、碳源结构和其他解释变量对经济平衡发展的作用情况。与充分发展的经济惯性相同，经济的平衡发展也表现一定的惯性特征，经济发展越平衡的地区，越有助于进一步落实和推行平衡发展。

从碳排放量的相关指标来看，碳排放量对经济平衡发展的作用不显著，但碳排放量增速对经济平衡有显著的正向促进作用。也就是说，促进经济的平衡发展并不源自碳排放总量的作用，而更依赖碳排放量的变动情况。这是由于协调各省份产业间经济的平衡发展，在以能源投入为重要基础的粗放型发展阶段，往往是以调整资源配置的方式实现的。而在这个过程中，提高碳排放增速有助于促进经济平衡。这表明，就中国现实情况而言，促进各省经济的平衡发展同样需要以碳排放为代价，但所幸的是，相较于经济的充分发展，这一代价已经有明显下降，可通过短期资源调控，借助碳排放量变动率实现对经济平衡发展的有效调整。从碳源结构的相关指标来看，碳源结构差异对平衡发展的作用显著为正，且与表4不同的是，碳源结构差异对平衡发展的促进作用是通过各省产业碳源结构的组间差Gnb和超变密度Gt实现的，二者对平衡发展表现了显著而强劲的正向作用趋势，组内差异Gw的作用不再显著且影响为负。这表明要实现经济平衡发展，必须重视产业与产业的异质性以及产业自身变异的影响，并锐化由此引致的碳源结构差异。因此，由表5的回归结果可知，对于促进经济的平衡发展而言，最重要的是把握碳排放的调整时机，借助碳排放量和结构变动的契机，实现经济由数量向质量层面的转型发展。此外，劳动力与外商直接投资依然有利于促进经济平衡，这可能是因为劳动力是借力碳排放调整推进经济平衡发展过程中的重要中介要素，没有劳动力一切产业的转型升级都难以为继，而FDI则更具灵活性，其自身具备的技术和经验使之不必过度关注产业当前发展状况，且更易于在弱势产业方面发挥其外溢效应，促进经济平衡。与表4相比，研发投入的作用虽然依然表现为负但已经不再显著，表明研发创新的经济效益开始超过投入成本，并终将表现对经济发展的强劲推力。由此可见，表5所反映的经济现象正是“绿水青山就是金山银山”在经济转型阶段所表现的作用特征。

表6 碳排放对经济绿色发展指数的GMM回归结果

注：**、***分别表示回归结果在5%、1%置信水平下通过显著性检验。Dep表示被解释变量，Indep表示解释变量。OBS为有效样本量。NI表示全部使用的工具变量(矩条件)个数；L(a/b).Dep表示工具变量中包含被解释变量的a至b阶滞后。AR(1)、AR(2)检验的零假设为残差不存在一阶、二阶自相关；Sargan与Hansen检验的零假设为工具变量与残差无相关性，即模型不存在过度识别；Wald检验的零假设为回归方程解释变量系数联合显著。D-GMM不进行AR检验，以“—”表示。

表6反映的是碳排放量、碳源结构和其他解释变量对经济绿色发展的作用情况。相较于经济的充分和平衡发展，绿色发展更能反映经济的高质量水平。与表4、表5所不同的是，经济绿色发展的惯性特征表现为负向作用，即上一期较高的绿色全要素生产率不利于本期生产效率的再提高。这是由该指标的性质所决定的。绿色全要素生产率是一个相对性指标，是以上一年为基期，反映该年份经济效率的优化程度。而上一年较高的效率优化会增加本年度效率优化的难度，因此，会表现对本期指数的负向作用。而克服这一不利惯性的方法，根本上要通过技术创新和要素升级等方式实现。

从碳排放量的相关指标来看，碳排放量和碳排放增速对经济绿色发展的作用均显著为负。这不仅反映了随着经济发展步入高质量阶段，碳排放引致的环境成本和资源消耗不利于经济的高效、绿色和可持续发展，还表明了促进经济发展向绿色可持续模式的转型不需要依赖碳排放量的作用。同时降低碳排放量和排放增速，或者说以最快的速度降低碳排放，是推动经济绿色发展的必由之路。从碳源结构的相关指标来看，无论是碳源结构差异CS指数还是由此分解得到的组内差异Gw、组间差异Gnb和超变密度Gt，对经济的绿色发展作用均显著为负。也就是说，与表5的回归结果不同，全面降低碳源结构的不平衡程度，降低各省份之间、各省份产业之间以及产业自身自检的碳排放差异，对于经济的绿色发展均有显著的促进作用。这可能反映了当经济发展实现向技术密集型转型时，经济的绿色发展逐步脱离对资源禀赋的依赖，不同产业对资源的需求均有显著下降，随着清洁能源的不断研发和应用，碳排放所能反映的生产信息日益降低，各产业不断摆脱对碳排放的依赖，表现为趋同效果。与之具有逻辑一致性的是，劳动力和外商直接投资对经济绿色发展的作用显著为负，而研发投入的作用显著为正。这一方面反映了经济绿色发展对劳动力数量和外商直接投资的依赖下降，随着社会发展和技术进步，中国人口红利式微，外商直接投资的溢出效应减弱，甚至开始表现为经济负债；而对冲这一负向作用的关键要素是研发投入。由此可见，科研创新是真正推动经济实现高质量发展的核心动力。而表6恰好反映了“绿水青山就是金山银山”在经济真正步入高质量阶段所表现的作用特征。

(三)基于随机森林算法的交叉验证

为进一步精确验证前述研究结论的稳健性，本文利用Python工具，采用随机森林的决策树组合回归算法，以30个省份2001—2014年的数据为训练集，以2015年数据为验证集，就碳排放量、碳源结构等变量对经济充分、平衡和绿色发展相关指数的信息熵贡献水平，交叉验证回归是否存在过拟合问题，进而判断前文实证研究结论是否具有良好的延展性。

表7汇报了各解释变量在不同回归中的信息熵贡献度，用以分析各解释变量对被解释变量的影响程度；同时汇报了各回归方程的不同泛化误差水平，用以反映对2015年结果预测值与实际水平的差距大小。

表7 信息熵贡献度与泛化误差

表7(续)

注：各回归列中解释变量的信息熵总和为1，保留四位小数。本表汇报了三种泛化误差，MSE表示均方误差；ASE表示平均绝对误差；MeSE表示中位绝对误差。

基于随机森林算法的交叉验证结果从根本上验证了上文回归结果的稳健性。由表7可知，相较于对充分增长和平衡发展的影响，碳排放量和碳源结构对经济绿色发展作用的重要性明显降低。与此同时，研发投入的重要性比重显著提升，而伴随的是劳动力和外商直接投资作用的相对下降。此外，结合前文对表2的统计性描述，表7中训练集与验证集误差大小均控制在10%以内的水平，绝大多数低于1%。回归方程的拟合和解释程度较好。从而进一步佐证了上文的研究结论。

五、研究结论与政策建议

随着中国经济开始步入到“充分”“平衡”和“绿色”的高质量发展阶段，社会对基于数量层面物质财富的追求也随即转移到质量层面的生态财富上来。经济建设初期，“绿水青山”被视为重要生产要素换取“金山银山”，以环境为代价获取了短期的经济高速增长。随着社会文明的不断进步，一方面，以环境换经济的不可持续性问题日渐凸显；另一方面，人民对“绿水青山”优质生态环境的需求也不断提高。在长期以“绿水青山”换取“金山银山”生产模式的惯性作用下，如何让“绿水青山”真正成为“金山银山”，实现充分、平衡、绿色的高质量发展，成为中国步入“新时代”亟待破解的战略要务之一。

本文基于CEADs数据库、《中国工业统计年鉴》《中国统计年鉴》和《中国科技统计年鉴》，构建了2001—2015年中国30个省份的碳排放与高质量发展等指标的面板数据，从经验层面探究了碳排放对高质量发展在不同层面的具体影响。研究结果指出，就中国的发展阶段而言，“绿水青山就是金山银山”表现出三个不同的演化趋势，碳排放量有助于经济的充分发展，对经济平衡发展的作用不显著，而对经济的绿色发展表现显著的负向作用；碳排放增速和较大的碳源结构差异不利于经济的充分发展和绿色发展，但却有助于推进经济平衡；而各省产业碳排放的组内差异、组间差异和超变密度，则由对充分增长的不显著作用转变为对经济充分发展的正向促进作用和对经济绿色发展的负向抑制作用。为深入贯彻“绿水青山就是金山银山”的战略理念，推进高质量发展，必须协调好上述不同视角下的工作安排，通过调整碳源结构有步骤地降低碳排放，实现向绿色发展的平稳过渡，才能将“绿水青山”真正转变为“金山银山”。

鉴于此，在当今中国经济由高速增长向高质量发展的关键转折期，要真正落实将“绿水青山”转化为“金山银山”的生态文明建设，应着力推行至少如下三方面的政策措施。其一，注重因地制宜落实节能减排。目前，中国各区域间经济差异显著，人民对高质量发展的认知并未统一在同一维度上。经济水平较高的地区更关注绿色、环保、可持续，而对于经济水平较低的地区，全面促进经济增长可能仍是第一要务。因此，虽然降低碳排放是必然结果和必经之路，但在实际推行时，必须充分认知人民群众对高质量发展的需求和目标，顺应人民需求升级的客观规律，有针对性、有步骤地引导和推行节能减排。其二，加快能源革命调整碳源结构。上文指出，调整碳源结构对于促进经济由数量向质量层面的转型升级有重要意义，因此，必须重视碳源结构对推动高质量发展的驱动作用。而实现对碳源结构的调整，关键在于不断探寻清洁能源、实现能源更替，从而在根本上缓解能源约束。这就需要注重对能源方面的研发投入、人才培养和政策支持。特别是重视能源转换过程中的技术衔接和匹配，通过调整碳源结构促进经济的高质量转型。其三，强化科教创新推进技术升级。无论是降低碳排放还是调整碳源结构，归根结底源自技术进步和人才升级的动力。且上文研究结果已然证实了科研创新是对经济绿色可持续发展的直接驱动力。因此，必须强化科研和教育对能源利用和环境治理的关注和普及，提升劳动力素质，优化技术手段，促进人力资本与技术手段的匹配与融合，为向经济的高质量转型储备动力。

“绿水青山就是金山银山”的战略理念，是高质量发展在生态文明建设方面的重要体现，是社会对“绿水青山”真正价值的“本真复兴”。碳排放的实质涵义以及对经济发展的作用正在或即将发生根本性变化，这必将引致学术界对环境资源要素生产效益研究的一次革命。本文希望可以为碳排放等环境要素对经济发展作用变革的相关研究提供一定的思路引导和经验基础。