技术进步能抑制中国二氧化碳排放吗？——基于面板分位数模型的实证研究

徐德义，马瑞阳，朱永光

（中国地质大学（武汉）经济管理学院，湖北武汉 430074）

1 问题的提出

以全球变暖为主要特征的气候变化已经开始威胁到生态系统与人类健康［1］，各国政府正在积极推进节能减排政策来应对全球变暖带来的挑战。根据联合国政府间气候变化专门委员会（IPCC）的评估报告，人类活动导致大量化石能源消耗与CO2排放是全球变暖的主要原因［2］。为了控制CO2排放，国际社会先后签订了《联合国气候变化框架公约》《京都议定书》和《巴黎协定》。作为一个负责任的大国，中国相继在“十一五”规划、“十二五”规划、“十三五”规划中提出约束性的能源强度或碳排放强度控制指标。目前，中国是世界上CO2排放第一大国以及经济体量最大的发展中国家［3］，研究、分析中国CO2排放量的趋势特征、影响因素，探寻中国经济低碳发展路径成为亟待解决的现实问题。

中华人民共和国国务院在《“十三五”控制温室气体排放工作方案》中强调加强低碳科技创新，研发能源、工业、建筑、交通、农业、林业、海洋等重点领域经济适用的低碳技术，加快推动低碳技术进步。已有研究证实，技术进步是实现中国节能减排的重要手段，低碳技术研发与创新是实现中国经济低碳发展的重要途径［4］。然而，Acemoglu等［5］认为技术进步存在一定的路径依赖，企业拥有的技术既包括污染型技术又包括清洁型技术，技术进步可能增加CO2排放也可能减少CO2排放［6］。那么，何种类型的技术进步能够有效抑制中国的CO2排放？中国地域辽阔，各省份的资源禀赋、所处发展阶段和战略地位等条件和状况显著不同，技术进步的碳减排效应在不同区域上存在着怎样的差异？本文尝试对上述问题作出回答，从区域差异视角理清不同类型技术进步与碳排放之间的复杂关系，以期为更好地制定中国区域间节能减排政策提供准确依据与经验支持。

2 文献综述

导致CO2排放的社会经济因素众多且复杂，技术进步是应对气候变化和碳减排的关键因素，因此，国内外众多学者关注技术进步对碳排放的影响并且进行了深入研究，然而，不同学者关于技术进步与碳排放关系的研究结果存在着一定的差异，研究结论主要可以分为3类：第1类，技术进步能够抑制CO2排放。如，李国志等［7］研究人口、经济和技术3种因素对中国CO2排放影响时发现，技术进步在一定程度上缓解了CO2排放；Xu等［8］、Du等［9］以及Wu等［10］均得出相似的研究结论。第2类，技术进步会促进CO2排放。如，Wang等［11］研究广东省的碳减排问题时以碳排放强度作为技术进步的替代变量，结果证实技术进步会促进广东省的碳排放；相似的研究结论也在其他研究中得到［12］。第3类，技术进步与碳排放之间并不存在显著的关系。如，李凯杰等［13］将全要素生产率作为技术进步的测量指标，运用向量误差修正模型检验技术进步与中国碳排放的关系，结果表明短期内技术进步对碳减排没有明显作用；Wang等［14］以能源技术相关的专利存量作为技术进步的代理变量，发现技术进步与碳排放的关系在统计上不显著。

在现有研究中，或以碳排放强度、全要素生产率、能源强度等不同的代理变量间接衡量技术进步，较少涉及不同类型技术进步对碳排放的异质性影响。Acemoglu等［5］研究认为技术进步的种类可分为污染型技术与清洁型技术。Li等［15］研究认为不同种类技术进步对碳排放的影响方式不同：一种是从源头提高能源利用效率，指在生产或者生活中发展清洁能源，以及在生产过程中提高生产工艺，减少CO2排放；另一种指的是末端治理，利用污染处理设备对已经产生的CO2进行收集处理，减少排放到大气中的CO2，例如碳捕集与存储技术。因此，本文将以不同种类技术进步作为研究对象，探讨不同种类技术进步的碳排放效应，尝试理清技术进步对碳排放影响的复杂机制，以为碳减排的经济政策制定提供实证依据。

考虑不同种类技术进步有助于理清技术进步影响碳排放的复杂机制，能够避免“一刀切”的碳减排技术政策。已有少数学者考虑到不同种类技术进步对碳排放的影响，从研究方法来看，为数不多的研究可以分为两类：第一类的研究方法为因素分解法，如罗良文等［16］基于环境效益分解模型，将碳排放变动的技术效应分解为环保技术效应、生产技术效应、混合技术效应、结构生产技术以及结构环保技术，研究认为大多数年份内环保技术效应在中国有利于工业碳排放水平的降低，结构生产技术效应对碳排放存在明显促进作用；张伟等［17］利用因素分解模型研究发现，1995—2010年间中国30个省份能源使用和碳排放的技术因素对CO2减排效率和CO2减排效率的变化率有较强的正影响，现阶段提高能源使用和碳排放的技术效率和技术水平是提升中国全要素碳减排效率的关键因素。第二类为计量经济学模型，如鄢哲明等［18］使用面板固定效应模型，基于全球专利数据对比研究清洁技术创新与污染技术创新对碳强度的影响，实证结果得到清洁技术创新显著抑制碳强度，污染技术创新存在促进作用，并且碳强度变化对后者更加敏感；张文彬等［19］基于动态面板模型研究异质性技术进步的碳减排效应，结果表明广义技术进步和能源利用技术进步增加了碳排放，而环境技术进步和资本体现式技术进步有利于降低碳排放。

上述研究成果对本文深入研究不同技术进步的碳排放效应具有重要参考价值，本文在现有研究基础上作出以下改进：首先，本文将从宏观视角出发，考虑到化石能源利用效率、环境中CO2减排和广义技术创新3个角度的技术进步，利用合理的变量表示3种技术进步；其次，部分学者在考虑技术进步与中国CO2排放之间关系时没有考虑到区域差异，部分学者对中国按东、中、西部划分为三大区域，而本文将根据各省份CO2排放量大小划分不同区域；最终，大多数实证研究使用线性模型和普通最小二乘法来估计碳排放驱动因素的效应，采用这两种方法一方面经济变量之间存在的大量非线性关系会被忽略，另一方面普通最小二乘法只能反映自变量对因变量条件均值的影响大小，而本文将采用面板分位数模型进行实证分析，面板分位数模型不仅可以捕捉经济变量之间的非线性关系，描述因变量条件分布的全貌，而且不需要随机误差项满足经典假定例如零均值、同方差、正态分布等，当随机误差项不满足经典假定时分位数回归的系数估计值比普通最小二乘估计更加稳健。

3 模型方法与数据来源

3.1 模型建立与变量选取

Ehrlich等［20］最早提出用以评估环境压力的IPAT模型，目前该模型已被研究者们广泛应用于研究环境污染的影响因素。IPAT模型的表达式为：

然而，许多学者指出传统的IPAT模型存在着一些缺陷：首先，式（1）是数学上的恒等式，不允许统计上的参数估计及假设检验［21］；其次，模型假设这3个影响因素的弹性系数为1，但在实际情况中难以满足［22］。在IPAT模型的基础上，Dietz等［23］提出了STIRPAT模型，具体形式如下：

STIRPAT模型形式灵活并且多变，允许对每个因素进行适当地分解［23］，因此本文基于此模型对技术进步因素进行适当分解，研究不同类型技术进步对碳排放的影响。Li等［15］研究认为技术进步能通过两种途径来减少CO2排放：一种是提高化石能源利用效率，从生产活动源头减少化石能源消耗，进而减少CO2排放；另一种是从末端减少CO2排放，末端减排主要依靠碳捕获与储蓄（CCS）技术。本文选取单位生产总值的化石能源消耗量表示能源使用技术进步，其值可以从源头上反映化石能源利用效率，值越小说明单位产值所消耗化石能源越少，能源利用效率越高，反之能源利用效率越低［24-25］；同时，已有学者证实产业结构的变化能够影响单位生产总值的能源消耗量，为了使单位生产总值的能源消耗量更好地表示能源使用的技术因素，在式（2）中加入产业结构变量作为控制变量，控制住产业结构变化的影响。CO2排放技术进步改善环境的途径主要是利用污染处理设备或者技术，对已经产生的碳排放进行收集或处理，使排放量达到排放标准，减少污染物对环境的损害［26］。CO2排放技术进步代表技术进步的末端减排效应，用单位化石能源消耗的碳排放量表示，其主要包括处理已产生CO2的技术水平与能源消耗结构变化对CO2排放量的影响，本文认为能源消耗结构的变化在时间上变化缓慢，因此在式（2）中加入能源消耗结构变量控制住能源结构变化对碳排放量的影响。为了更好地比较研究，本文还考虑广义型技术进步，其包含各种形式知识的积累与技术改进，用各省份专利申请授权数表示。此外，本文从中国实际情况考虑，在式（2）中加入城镇化水平作为控制变量，因为各省份正在经历快速城镇化，城市人口的激增导致城市房地产和交通基础设施快速发展，城市基础设施建设导致钢铁、水泥的大量生产从而增加化石能源消耗并且造成大量CO2排放。为了消除变量可能存在的异方差的影响，本文将所有变量进行取对数处理，研究样本为中国30个省、自治区、直辖市（未含西藏和港澳台地区）的面板数据。为了更加直观地显示模型各变量，具体的模型形式如下：

为了研究不同分位点处各影响因素对碳排放影响的异质性，本文采用面板分位数模型。Koneker［27］首次提出面板分位数回归模型，通过面板分位数回归模型不仅能够揭示因变量条件分布的全貌，而且不对残差项进行严格假定，估计结果也不易受极值点的影响。基于式（3）确定的具体变量，利用面板分位数模型，式（3）可变形为：

3.2 数据来源与描述统计

由于中国尚未公布各省份CO2排放量的直接监测数据，本文按照2006年IPCC给出的碳排放系数和各省份主要消耗的9种化石能源，包括煤炭、焦炭、汽油、煤油、柴油、燃料油、液化石油气、天然气、炼厂干气，估算出各省份化石能源消耗总量以及CO2排放量。9种化石能源消耗量的原始数据来源于《中国能源统计年鉴》，其他种类化石能源消耗量很小，所以本文在估算碳排放量过程中不予考虑。鉴于数据的一致性，以30个省份2001—2017年的面板数据作为研究样本。人均GDP、总人口、城镇化率、第二产业占比的数据来源于《中国统计年鉴》，专利申请授权数来源于《中国科技统计年鉴》。相关变量说明及其描述性统计如表1所示。

表1 变量说明及样本数据的描述统计结果

4 实证研究结果

4.1 区域划分

从实际情况考虑，中国地域广阔，各省份之间经济发展水平、资源禀赋、能源消耗结构等因素存在着显著差异，如果不考虑区域差异，全部照搬一个模式，则很难实现各区域最优的减排路径、达到节能减排目标。本文按照2001—2017年30个省份的年平均CO2排放由小到大的顺序，绘制出样本地区2001、2017年以及2001—2017年的年平均CO2排放量曲线图（见图1），可得年均碳排放最大的省份（山东）与最小的省份（海南）都是中国东部地区，并且西部内蒙古的CO2排放量要大于大部分东部与中部省份，因此东、中、西部区域划分标准可能并不适合对各省份CO2排放量进行区域分析。从图1可以看出，年平均CO2排放量基本能够反映各省份2001—2017年碳排放量大小的变化特征，因此本文将从年均碳排放量的大小考虑，考察5个有代表性的分位点（0.10、0.25、0.50、0.75、0.90），将30个省份分为6个组（见表2）。由图1可知，不同省份的CO2排放量大小存在着明显差异，说明本文采用面板分位数模型是合理并且适用的。

图1 样本地区CO2排放量比较

表2 样本地区基于CO2排放量的区域分组

4.2 面板单位根检验

大多数经济变量的序列都是非平稳的，使用非平稳序列进行回归分析可能会导致伪回归问题，所以在采用面板分位数模型估计之前，很有必要对变量进行平稳性检验。面板单位根检验主要有两大类检验方法：第一类检验方法假设不同截面存在相同的单位根，例如LLC（Levin-Lin-Chu）检验、Breitung检验和Hadri检验；第二类检验方法假设不同截面之间存在不同的单位根，主要包括IPS（Im-Pesaran-Skin）检验、Fisher-ADF检验和Fisher-PP检验，并且允许一阶自回归系数在不同的截面单元可以不同。从实际情况考虑，中国各省份之间经济发展水平、人口规模、技术进步、资源禀赋等因素都存在着显著的异质性，与第一类检验方法相比，第二类单位根检验方法与客观事实更加符合，因此，本文应用IPS、Fisher-ADF和Fisher-PP检验对变量进行单位根检验。通过单位根检验结果可以得到（见表3），大部分序列在0.1的水平下没有通过显著性检验，说明这些序列是非平稳的。为了得到平稳序列，通常做法是将不平稳序列进行差分处理，然而，差分序列不再具有原序列的经济学含义，模型的估计系数也难以解释。Engle等［28］提出协整理论，即使回归模型中包含非平稳序列，只要模型残差是平稳的，那么变量之间也存在着长期均衡关系。本文所建立的模型都通过了面板协整Pedroni检验，说明变量之间存在着长期协整关系，可以建立面板分位数模型（限于篇幅，本文内未具体给出）。

表3 样本数据单位根检验结果

4.3 分位数回归结果

面板分位数模型可以估计出每一个分位点相对应的回归方程，系数估计结果能够揭示不同CO2排放水平上解释变量对被解释变量的边际影响。本文选取5个有代表性的分位点（0.10、0.25、0.50、0.75、0.90）分别估计能源使用技术进步（T1）、CO2排放技术进步（T2）、广义型技术进步（T3）的模型结果，估计结果分别见表4、表5、表6所示，其最后一列同时列出OLS的估计结果。同时，为了更加全面分析不同分位点处技术进步对碳排放的影响，本文估计0.01～0.99之间99个分位点的模型结果，绘制T1、T2、T3系数大小随着分位点τ变化的曲线图，分别见图2、图3、图4所示（限于篇幅，其他解释变量的系数大小随分位数τ变化的曲线图没有给出）。

4.3.1 能源使用技术进步

表4结果表示，在10%的显著性水平下，大多数解释变量的系数估计值都通过了显著性检验。其中，能源使用技术进步在5个分位点处以及OLS估计的系数全部为正，并在1%的显著性水平下显著。能源使用技术进步的值越小，说明能源利用效率越高、技术水平越高［24-25］，系数显著为正，说明提高能源利用效率能够抑制CO2排放。Berkhout等［29］的研究证实提高能源效率对能源消费的影响包括两个方面：一方面，能源利用效率的提高，相同单位产出消耗化石能源总量变少，能够从源头上减少化石能源消耗；另一方面，能源利用效率提高，会降低企业产品的单位生产成本与价格，导致产品需求和消费增加，引起更多的化石能源消耗，产生所谓的能源回弹效应。样本地区的能源技术进步通过在源头影响能源消耗量，进而影响CO2排放量的大小，系数估计值为正，表明导致碳排放量减小的技术效应大于能源回弹效应引致碳排放量的增加值，净效应为技术水平提高会降低CO2排放。

表4 样本地区能源使用技术进步的模型估计结果

由图2可知，系数估计值随着分位数τ变化的曲线始终在0的上方，并且95%的置信区间没有与0相交，进一步说明在其他分位点处能源使用技术进步的估计系数也显著为正，系数大小随着分位数τ呈“U”型结构，即样本地区能源使用技术进步的碳减排效应大小随着CO2排放水平提升表现先下降后上升的趋势。

图2 样本地区能源使用技术进步的系数折线

4.3.2 CO2排放技术进步

由表5可知，CO2排放技术进步的估计系数全部为正，但在0.10的分位点上不显著，其他系数在10%的显著水平下全部显著，说明除了0.10分位点，在其他分位点处CO2排放技术进步能够抑制CO2排放。

表5 样本地区CO2排放技术进步的模型估计结果

图3结果显示，大约在0.25分位点之前，T2估计系数的95%置信区间包括0，表明在τ＜0.25时估计系数没有通过显著性检验，而在τ＞0.25时系数估计值显著为正并且变化幅度很小，这说明CO2排放技术进步对碳排放的影响存在着门槛效应，即只有在碳排放量达到一定程度的省份，CO2排放技术进步才会起到明显抑制CO2排放的作用。本文认为τ＜0.25对应省份碳排放量小，当地政府对碳减排问题关注不够，没有足够动力督促当地企业进行低碳技术创新，对排放到大气中的CO2没有进行相应处理，因此无法显现出CO2排放技术进步的碳减排效应。以碳排放量最小的2个省份（海南、青海）为例，根据环保部可得数据显示，2007年与2009年青海省作为中国创建绿色社区数量最少的省份，分别创建了绿色社区3个和15个，海南省在2007年与2009年分别创建绿色社区15个和10个，均远远低于全国平均标准的273个与238个。根据《中国绿色专利统计报告（2014—2017年）》显示，2017年青海省、海南省是样本地区中绿色专利申请量最少的两个地区，分别为80件、87件。通过上述分析可知，CO2排放量较少的省份对碳排放问题关注度不够，相应低碳技术创新投入不足导致CO2排放技术进步无法发挥其碳减排效应。

图3 样本地区CO2排放技术进步的系数估计

4.3.3 广义型技术进步

由表6可得，广义型技术进步的系数估计值在5个分位点的系数估计值全部为负数，但在10%显著性水平下，没有通过显著性检验；图4中，系数估计值的曲线图位于0的下方，95%的置信区间几乎全部都包括0。这说明在样本地区中广义型技术进步并没有起到明显抑制CO2排放的作用，提高广义型技术进步水平并不能有效减少CO2排放。本文认为该结果与各省份高消耗、高污染、高排放的粗放型经济发展方式有关。经济生产中大多数技术可以被贴上清洁或污染的标签［5］，广义型技术进步包含各种形式知识的积累与技术改进，既包括以提高生产力为主却会污染环境的污染技术，例如内燃机与机动车的发明，又包括可再生能源技术或碳捕获与封存等清洁技术，因此，与能源使用技术进步类似，广义型技术进步对CO2排放也存在着两方面的效应：第一，广义型技术进步不是“绿色偏向”的，而是朝着提高生产效率和扩大生产规模的方向进行［30］，导致CO2排放增加，称之为规模效应；第二，广义型技术进步会促进低碳技术与清洁生产技术的产生，从而减少CO2排放，称之为技术效应［19］。由本文实证结果可知，样本地区的技术效应尚未充分发挥，目前各省份在提高广义型技术进步水平时首要考虑的是如何促进生产率发展经济规模，导致化石能源大量消耗、二氧化碳排放增加，忽视了节能减排问题，所以广义型技术进步并没有表现出明显抑制样本地区排放的效应。

表6 样本地区广义型技术进步的模型估计结果

图4 样本地区广义型技术进步的系数估计分布

4.3.4 整体分析

将3种技术进步对比来看，能源使用技术进步、CO2排放技术进步具有抑制CO2排放的作用，而广义型技术进步未表现出显著的碳减排作用。从系数估计值的大小来看，CO2排放技术进步的系数远大于能源使用技术进步的系数，说明CO2排放技术进步是改善中国环境质量、减少碳排放的重要手段；图2、图3结果显示，能源使用技术进步与CO2排放技术进步在τ＞0.90的省份（江苏、河北、山东）碳减排效应都是最大的，这可能与各省份教育投入有关，因为人力资本是技术进步的源泉，特别是高等教育是所有技术进步的重要来源［8］。根据教育部、国家统计局所收集到的数据，2003—2017年江苏、河北、山东3省年平均预计本科毕业人数为225 981人，比样本区域中其他5组内各地区的本科毕业人数都要多，τ＜0.10的省份为63 532人，τ为0.10～0.25的省份为68 711人，τ为0.25～0.50的省份为99 992人，τ为0.50～0.75的省份为143 319人，τ为0.75～0.90的省份为138 443人。由此可见，τ＞0.90的省份在高等教育方面投入最多，人力资本投入最大，导致当地人们节能环保意识更强，高校在清洁能源技术、低碳技术等研发与技术投入也会随之增多，进而导致技术进步抑制CO2排放的作用要强于其他省份。

5 结论和政策建议

研究不同类型技术进步对中国区域碳排放的影响，有利于为区域节能减排政策的合理制定提供准确依据。本文以中国30个省、自治区、直辖市2001—2017年的面板数据为研究样本，从宏观层面考虑能源使用技术进步、CO2排放技术进步、广义型技术进步，利用面板分位数模型研究3种技术进步对区域碳排放影响的差异性，实证结果表明：能源使用进步对CO2排放具有双重效应，抑制碳排放的技术效应要强于促进碳排放的能源回弹效应，净效应为抑制CO2排放，净效应大小与CO2排放水平之间呈现“U”型结构，在τ＜0.10与τ＞0.90对应省份的减排效应要强于τ为0.50～0.75和τ为0.75～0.90对应省份；CO2排放技术进步的碳减排效应最强，但是其对CO2排放的影响存在着门槛效应，只有在τ＞0.25的省份才会发挥减排作用；广义型技术进步并没有表现出显著抑制CO2排放的作用；能源使用技术与CO2排放技术进步在τ＞0.90对应省份（江苏、山东、河北）的减排效果都要强于其他省份。

上述研究结果对中国节能减排技术政策的制定具有如下启示：第一，通过提高技术水平来实现CO2减排目标时应考虑技术进步的类别，避免“一刀切”的政策。目前来说，能源使用技术进步与CO2排放技术进步能够有效抑制中国的CO2排放，应该将其作为抑制碳排放的重要手段，政府加大相关领域的资金投入，提高技术水平，通过技术进步带动CO2减排。第二，海南、青海等碳排放量小的省份也应该重视节能减排问题。目前，碳排放量小的省份并不意味着以后碳排放量也少，在工业化、城镇化的进程中，海南、青海等省份也可能成为碳排放量的大省，这些省份也应该重视环境保护、经济绿色低碳发展等问题，决不能走“先污染、后治理”的老路，提高绿色低碳技术相关领域的研发支出，发挥CO2排放技术进步的碳减排效应。第三，制定节能减排政策时要充分发挥CO2排放技术进步的碳减排效应。CO2排放技术进步的减排效应在3种技术进步中最强，要重视相关领域的研发投入，例如碳捕获与采集技术。第四，需要继续加大高等教育投入与人力资本投资，通过人力资本投资带动CO2减排。人力资本是所有技术进步的重要来源，技术进步的碳减排效应在教育投资高的省份会更强，加大教育投入将提高国民素质，节能环保意识也会随之提高，高校在低碳技术与节能技术领域的科研产出也会随之增多，进而会促进CO2减排。