基于中介效应的产业集聚对碳排放影响再检验

刘冬萍

(合肥师范学院 经济与管理学院，合肥 230601)

有关产业集聚与碳排放的关系，国外学术界普遍存在两种观点：一是集聚促进了生产要素、基础设施、市场、信息的集中共享，形成了成本节约等内部规模效应，同时还产生了知识、技术动态溢出等外部效应，提高了劳动生产率，使得相同投入下的单位产出增加，从而减少了单位产出的二氧化碳等污染物排放(Enrenfeld J.R，2003)[1]。二是伴随着产业集聚，生产规模与产量的不断扩大，对石油、煤炭、天然气等化石能源的需求必然增多，即产生需求增长效应，加剧了碳排放(Verhoef E.T等，2002)[2]；同时过度集聚会产生拥挤效应，使得劳动生产率下降，二氧化碳等温室气体的排放强度便会增加(Andersson M等，2009)[3]；集聚带来的技术进步使得能源价格下降，从而产生替代效应(替代其他相对昂贵的生产要素)和收入效应(刺激更多的能源消费和需求)，增加了二氧化碳排放(Brnnlund R等，2007)[4]。与国外研究结论相似，国内学者对集聚与碳排放关系的认识也不尽相同。王桂新等(2012)[5]实证研究发现集聚对碳排放具有“双面”性，既有“节能效应”，也有“反弹效应”；张翠菊和张宗益(2016)[6]运用空间计量模型分别检验出产业集聚对碳排放强度的影响效应在不同区域上具有显著差异；邵帅等(2019)[7]36利用30个省级面板数据实证研究发现，集聚与碳排放强度、人均碳排放均呈倒“N”型曲线关系。

通过相关文献梳理，可以发现产业集聚对碳排放确实存在影响，但影响方向并不确定或并不唯一。究其原因，一方面是研究方法、变量选取、空间时间等差异导致了实证研究的不一致性；另一方面，学者大多从区域整体出发，将行业碳排放和区域碳排放混为一体，偏向于论证和检验影响方向、影响程度(刘慧，2017[8]；路正南等，2018[9]；何文举等，2019[10])，而忽视了集聚对碳排放的间接传导机制和路径研究。事实上，行业碳排放是区域碳排放中的一部分，区域碳排放既包括区域行业碳排放，也包括区域生活碳排放。

从形成机理和影响机制来看，二者都受到能源结构及能源利用技术的影响，但区域碳排放不仅与行业范畴密切相关，还受到城市人口、城市规模、经济结构等区域经济范畴的影响。可见，二者的影响机制还是有本质区别的。

本文从行业视角出发，再次检验集聚对碳排放的影响机制，并试图厘清劳动生产率、能源结构、能源强度在二者之间的中介传导效应。

一、研究假设

从行业角度来说，碳排放主要来源于生产经营过程中化石能源燃烧。在现有的碳排放影响因素研究中，利用Kaya恒等式指数分解法或对数平均Divisia指数法(LMDI)，普遍都能得出碳排放受到能源消费强度、能源碳排系数、能源结构和劳动生产率等关键因素影响的结论(董锋等，2015[11]；邵帅等，2017[12])。那么，产业集聚是如何影响行业碳排放的呢？按照传导路径可以将其分为直接效应和间接效应。直接效应即产业集聚对行业碳排放的直接影响。首先，集聚带来的大量企业集中生产，短期内产出规模的扩张需要消耗资源、能源，必然会导致行业碳排放的增加；其次，集聚避免了基础设施的重复建设，节约了相关资源、能源，从而减少碳排放；第三，集聚有利于废弃物的集中运输、处理，降低了企业污染处理的平均成本，促进了企业共用共享更先进的废弃物回收处理设施，从而减少碳排放。

间接效应即产业集聚通过改变行业劳动生产率、能源强度(即能源利用效率)和能源结构，从而间接影响碳排放。集聚通过劳动生产率对碳排放的传导效应体现在：其一，集聚促进了劳动力、资本等生产要素的集约化、规模化，相同投入下实现了更大的产出，实现了内部规模经济，提高了劳动生产率，从而使污染的边际排放量随着产出的扩大而递减，降低了碳排放强度；其二，集聚有利于知识的传播和使用，促进了专业人才的汇集，有利于实现技术创新来提高劳动生产率，降低单位产出下的能源消费(能源强度)，从而降低碳排放，即存在“产业集聚→劳动生产率→能源强度→碳排放强度”的链式传导路径；其三，当集聚过度时，就会出现生产要素拥挤、过度竞争、创新停滞等不经济现象，阻碍了资源更有效的配置，从而也会通过劳动生产率影响到碳排放。

集聚通过能源强度对碳排放的传导效应体现在：一方面，正如前文所述，生产规模的扩张导致能源需求增加，而针对某个行业的节能减排技术短期内难以改进，行业生产与能源消费无法实现有效的“脱钩”，使得能源强度与碳排放强度也处于未脱钩状态(邵帅等，2019)[7]43；另一方面，集聚中的企业可能恰好处在产业链的上下端，上游企业的废弃物可能恰好是下游企业生产所需原料，从而在集聚区内形成了循环经济，提高了能源利用效率，进而减少碳排放。同时，集聚促使企业为了赢得竞争而选择使用更加先进的设备，而先进设备在能源利用效率上更具优越性，间接地减少了碳排放。

集聚通过能源结构对碳排放的传导效应体现在：其一，集聚有利于生物能、太阳能、风能等新能源技术的规模化投放使用，如利用集聚区厂房、公共设施投放分布式光伏发电系统，从而替代了部分煤炭的使用，抑制了碳排放；其二，集聚有利于集中热源的升级改造，如在产业园区建设中，往往建设集中供热式的发电机组或热电项目，替代企业独立分散式的燃煤锅炉，大大降低了煤炭作为一次能源的使用量，减少了行业碳排放。

据此，本研究提出以下假设：

假设一：在其他条件不变的情况下，产业集聚对行业碳排放强度具有直接影响；

假设二：产业集聚通过行业劳动生产率对行业碳排放强度产生间接影响；

假设三：产业集聚通过能源强度对行业碳排放强度产生间接影响；

假设四：产业集聚通过能源结构对行业碳排放强度产生间接影响。

二、研究方法、相关变量与数据来源

1.研究方法

(1) 产业集聚对碳排放强度影响的直接效应模型 前文的经验研究及理论分析表明，集聚对碳排放强度的影响按照传导路径可以分为直接效应和间接效应，按照影响的方向可以分为促进效应和抑制效应。为了进一步检验这一结果，本文先建立直接效应模型(1)。

(1)

其中，t代表时期，j代表行业，ECjt表示碳排放强度(单位：吨/万元)，EGjt为空间集聚指数，TFPjt为行业的全要素劳动生产率(基数为100%)，EPjt为能源强度(单位：吨标准煤/万元)，ESjt为能源结构，即煤炭消耗占比；Xijt为第i个控制变量，μj表示个体效应，εjt为随机干扰项。

针对该模型，本文采用普通最小二乘估计、静态面板估计、动态面板估计(系统GMM)等方法进行估计，旨在通过不同的估计方法，对结果的一致性进行验证。其中，静态面板估计中的个体效应能够有效体现，但可能存在内生性问题，系统GMM则以滞后一期项为工具变量，能很好地解决内生性问题，但却难以体现个体效应。

(2) 产业集聚对碳排放的中介效应分析 中介效应分析可以分析自变量对因变量影响的传导路径和机制，其基本步骤是依次检验如下三个模型：

Y=cX+e1

(2)

M=aX+e2

(3)

Y=c'X+bM+e3

(4)

其中，X为解释变量；Y为被解释变量；M为中介变量。无论系数c是否显著，中介效应的判断依据是系数a和b是否显著，若二者均显著不为0，则表明中介效应存在，系数c显著则表明直接效应显著。

显然在本研究中，模型(1)即是模型(4)，是判断产业集聚对碳排放强度影响的直接效应模型。然而，逐步回归法只适用于含有一个中介变量的情形。本文参考方杰和温忠霖等(2014)[13]的方法，对于含多个中介变量的多重中介效应，采用结构方程模型及Bootstrap中介效应检验来进行分析。结构方程模型较之逐步回归法，能够更准确地测度中介效应，同时还能够反映出链式中介效应，如“产业集聚→劳动生产率→能源强度→碳排放强度”的链式传导路径。根据前文的理论分析和假设，设立基于结构方程模型的中介效应路径图，见下页图1：

图1 中介效应路径图

2.相关变量说明

(1) 碳排放强度(ECj) 碳排放强度通常是以单位产值的CO2排放水平为衡量指标。其中，CO2排放水平的估算方法如下：

(5)

其中，Eij表示行业j消耗的第i种化石能源数量； NCVi为第i种化石能源的平均低位发热量；CEFi为第i种能源的碳排放因子；COFi为第i种能源的碳氧化因子；44和12分别为CO2和C的分子量。则j行业的碳排放强度(ECj)：

ECj=Cj/Yj

(6)

其中，Yj为第j行业的总产值。

(2) 集聚程度(EGj) 本文采用EG指数来测度制造业分行业集聚程度。假设某地区有m个地市、n个产业，则j产业的EG指数计算公式为：

(7)

其中，sij是i市j产业的规模占该产业总规模的比重；xi表示i市所有行业总规模占该地区所有行业总规模的比重。Hj为该地区j产业企业规模分布的赫芬达尔指数，其计算参照关爱萍等的处理办法[14]。

(3) 中介变量 一是能源强度(EPj)。即将j行业消耗的各种化石能源乘以折标煤系数后，除以j行业产值，行业产值为工业生产者出厂价格指数平减后的实际值。

二是能源结构(ESj)。考虑到煤炭在我国化石能源消费结构中一直占比最高，且其碳排放系数也较高，因此，本文采用j行业煤炭消费占其能源消费总量的比重代表j行业的能源结构。

三是全要素劳动生产率(TFPj)。采用基于产出的非参数数据包络分析-马奎斯特指数法(DEA-Malmquist)来测度各行业全要素生产率(TFP)的变化情况。其中，产出指标为产值，以工业生产者出厂价格指数平减后的各行业规模以上工业总产值衡量；投入指标为资本和劳动力，劳动力投入采用全部从业人员年平均人数来衡量，资本投入以固定资产投资价格指数平减后的固定资产投资来衡量。有关Malmquist指数的计算过程，限于篇幅，本文不再赘述。需要说明的是，由于Malmquist指数法测算出来的指标并不是各年的当量，而是相对于上一年的变化，因此，为了实证检验的方便，通常以基年的全要素生产率为基数，设定为1，则以后各年的TFPj为上年的全要素生产率乘以当年的Malmquist指数后计算得到。

(4) 其他控制变量 一是市场化水平(MLj)。用各行业总产值减去国有控股工业企业产值后与该行业总产值之比来衡量。二是外商投资企业产出占比(Fj)。用各行业外商投资企业产值占该行业总产值的比重衡量。

3.数据来源

基于数据的可得性和口径一致性，本文采用 2010至2017 年安徽28个制造业行业面板数据作为研究样本，考虑到2012年行业分类体系的变化，将2012年之前的橡胶制品业与塑料制品业合并为橡胶与塑料制品业，将2012年之后的汽车制造业和船舶、航空航天及其他运输制造业合并为交通运输制造业。研究所需要的安徽省各行业产值、行业企业数、行业全部从业人员平均人数、固定资产投资额等数据均来源于2011-2018年的《安徽统计年鉴》。其中，因缺少2017年各行业产值数据，以主营业务收入代替。另外，在计算集聚指数时，所需的各市分行业产值、企业数及从业人员数则来自16个地市的统计年鉴。此外，各类货币量指标均按照 2010年的不变价格进行了平减以消除物价因素。

在测算各行业碳排放及能源强度时，碳排放因子、平均低位热值、碳氧化因子等数据来源于《2006年IPCC国家温室气体清单指南》《2016年度中国区域电网排放因子(征求意见稿)》。折标煤系数参考2007年的《中国能源统计年鉴》，各种化石能源消耗量来源于2011-2018年的《安徽统计年鉴》。

三、实证结果分析

1.产业集聚对碳排放强度影响的直接效应模型——假设一的检验

(1) 平稳性检验 本文所使用的面板数据T为8，N为28，是典型的短面板数据，但因为要进行动态面板估计，为了避免出现伪回归的现象，先对模型中的面板数据进行平稳性检验。通常使用单位根(ADF)来检验数据的平稳性，检验结果见表1。可见，各变量的ADF检验统计量均显著，表明不存在单位根，为平稳面板序列。

表1 ADF检验结果

(2) 模型估计结果 运用stata对模型(1)进行估计，结果如下页表2。可以看出，全要素劳动生产率(ln TFP)、能源强度(ln EP)、能源结构(ES)对行业碳排放强度的影响均非常显著，且估计系数一致性较高，控制变量市场化水平(ln ML)及外商投资企业产出占比(lnF)虽基本不显著，但估计系数一致性也较高，模型估计结果最大差异来自本文的兴趣变量——产业集聚。其中，未考虑内生性问题的普通最小二乘估计及静态面板估计(模型 1 至模型 6 )中，产业集聚的一次项估计系数均显著，且符号为正，但二次项、三次项估计系数均不显著，产业集聚对碳排放强度的非线性影响特征无法验证。而考虑内生性问题系统GMM估计(模型7至模型9)中，虽然产业集聚的三次方项仍不显著，但一次项、二次方项的估计系数均显著(模型8)，且碳排放强度的滞后一期项均十分显著，估计结果也表现出更为优良的统计特性。因此，在下文的讨论中，本文重点分析基于系统GMM估计的结果。

由模型7至模型9结果可知，行业碳排放强度具有显著的时间滞后效应，碳排放强度的滞后一期项(L.ln EC)对碳排放强度有显著正向影响，即当前碳排放强度较高的行业，其未来的碳排放强度就可能持续走高，这与邵帅等(2019)[7]49的研究结论相一致，行业碳排放强度有明显的路径依赖特征。这意味着安徽省碳排放强度相对较高的行业，减排工作迫在眉睫。根据模型8可知，产业集聚的一次项(EG)和二次项(EG2)的估计系数分别在 1%和5%的水平上显著，符号分别为正和负，表明产业集聚与行业碳排放强度之间存在显著的倒“U”型曲线关系，说明产业集聚对行业碳排放强度的直接效应显著，假设一得到验证。具体来看，当产业集聚水平低于拐点值(0.36)时，集聚对行业碳排放强度产生促进作用。这表明当产业集聚水平不高时，集聚带来的生产规模快速扩张，使得能源消费和碳排放总量快速增长，远超过共享基础设施等带来的碳减排效应。而当集聚水平高于拐点值时，资源节约、运输成本降低、碳减排设备充分利用等规模经济效应日益显现，集聚对碳排放强度表现出明显的抑制作用。从安徽各行业所处集聚水平来看，2010-2017年，28个制造业224个样本中，仅有有色金属冶炼与延压业、石油加工炼焦及核燃料加工业两个行业的16个样本集聚水平超过拐点值，其余均小于拐点水平，反映了安徽省制造业集聚对行业碳排放强度总体上仍然是促进作用，抑制作用尚不明显，未来一段时间内安徽制造业仍然面临着较大的碳减排压力。

全要素劳动生产率(ln TFP)的估计系数显著且为负，这与预期结果一致，表明全要素劳动生产率每提高1%，碳排放强度会降低0.22%。能源强度(ln EP)的估计系数显著且为正，表明能源强度对行业碳排放强度有显著正向影响，单位产出所消耗的能源量每增加1%，行业碳排放量将增加0.924%。能源结构(ES)的估计系数显著且也为正，煤炭占比每提高1个百分点，碳排放强度将平均增加3.162吨/万元，反映了以煤炭为主的不合理的能源结构是碳排放强度较高的重要原因。控制变量市场化水平(ln ML)、外资企业产出占比(lnF)的估计系数均不显著，反映其对碳排放强度的影响并不明显。

表2 模型的估计结果

2.中介效应分析——假设二、假设三、假设四的检验

本部分采用结构方程模型进行中介效应分析。由于控制变量ln ML、lnF对碳排放强度的影响不显著，在建立结构方程模型时，将其忽略。同时，考虑到样本中能体现集聚拐点特征的数据很少，为了避免影响效果的重复计算，这里简化了产业集聚对碳排放强度的倒“U”型曲线特征，仅考虑产业集聚的一次项对碳排放强度影响的传导路径，相信也能较好地反映有关问题。在对前文图1中的碳排放强度、能源强度、能源结构及劳动生产率等被影响变量添加相应的误差项r2、r3、r4、r5后，使用Amos20.0进行模型拟合，结果发现无法得到较好适配，卡方自由度比为57.18，大于5，表示模型需要修正。根据输出结果中提供的协方差修正指标值( M.I.)，发现r4与r5的M.I.值为87.97，大于5的修正标准，需在原模型中增列r4和r5关联路径。对修正后的模型进行拟合，适配度检验如表3所示。

表3 修正后模型的适配度检验

由表3可知，修正后的模型适配度检验结果显示样本数据与模型契合良好，表明所建立的结构方程模型具有很好的统计性质，估计结果比较理想。表4给出了模型的未标准化路径系数、估计标准误(S.E.)、临界比(C.R.)、路径系数的显著性(P值)、标准化路径系数及其在95%置信水平下的Bootstrap检验(置信区间上限、下限及显著性水平)。

表4 路径系数估计结果及中介效应Bootstrap检验

由表4可以得到看出，产业集聚(EG)、劳动生产率(ln TFP)、能源强度(ln EP)和能源结构(ES)对行业碳排放强度(ln EC)的路径系数均显著。其中，产业集聚、能源强度和能源结构的估计系数为正，劳动生产率的估计系数为负，这与前文动态面板数据估计的结果相近，反映两种方法估计结果具有一致性，也进一步验证了产业集聚、劳动生产率、能源强度、能源结构对碳排放强度的直接效应显著存在。下面具体分析中介效应：

第一，行业劳动生产率的中介效应不显著。产业集聚(EG)对劳动生产率(ln TFP)的路径系数不显著(P值为0.199>0.05)，且Bootstrap检验95%置信水平下的区间上、下限分别为0.21和-0.055，区间包含了0，显著性0.223>0.05，反映了集聚对行业全要素劳动生产率的促进作用不明显，也表明劳动生产率在产业集聚对碳排放强度影响的中介效应不明显，假设二没有得到验证。可能的原因有：一方面，安徽目前大多数制造业集聚仍处于起步阶段，内、外部经济性的显现具有时滞性；另一方面，不少集聚园区主要依靠政府政策引导而成，行政干预过多，市场调节过少，影响了生产要素的配置效率，不利于劳动生产率的提高。另外，劳动生产率(ln TFP)对能源强度(ln EP)的路径系数较为显著(P值为0.067)，且符号为负，表明全要素劳动生产率的提高能够提高能源利用效率，降低能源强度。进一步的，该路径的Bootstrap检验置信区间为(-0.2，-0.003)，显著性水平为0.045，表明能源强度作为劳动生产率对碳排放强度影响的中介效应显著。但由于产业集聚对劳动生产率的影响不显著，产业集聚通过劳动生产率、能源强度对碳排放强度的链式中介效应也不明显。

第二，能源强度的中介效应显著。产业集聚(EG)对能源强度(ln EP)的路径系数显著(P值为0.000)，且Bootstrap检验的置信区间上、下限为0.45和0.222，区间不包含0，显著性水平为0.002，说明能源强度在产业集聚对碳排放强度影响的中介效应显著存在，假设三得到验证。该路径的标准化系数符号为正(0.338)，表明产业集聚对能源强度有正向影响。一方面反映了当前安徽制造业集聚使得企业大量集中、生产规模扩张，导致能源需求增加，行业生产与能源消费无法实现有效“脱钩”；另一方面，也反映了集聚的减排效应没有充分体现，可能是由于当前安徽制造业多样化集聚水平偏低，产业链的上下端没有很好衔接，集聚区内未形成有效的循环经济。

第三，能源结构的中介效应显著。产业集聚(EG)对能源结构(ES)的路径系数显著(P值为0.000)Bootstrap检验的置信区间上、下限为-0.143和-0.39，区间不包含0，显著性水平为0.003，说明能源结构在产业集聚对碳排放强度影响的中介效应显著存在，假设四得到验证。该路径的标准化系数符号为负(-0.279)，表明产业集聚对能源结构有负向影响，即产业集聚水平的提升，显著降低了煤炭消费在能源消费结构中所占的比重，进而降低了碳排放强度。

第四，总效应、直接效应和间接效应比较。表5给出了标准化后的总效应、直接效应和间接效应及其Bootstrap检验的显著性。首先，产业集聚(EG)对碳排放强度(lnEC)影响的直接效应为0.059，间接效应为0.211，总效应为0.27，可见，目前安徽省制造业集聚对碳排放的影响主要来自间接效应。而间接效应是通过能源强度和能源结构传导的，因此，碳减排的首先任务是节能(降低能源强度)和改善能源结构。其次，行业劳动生产率(ln TFP)对碳排放强度(ln EC)的直接效应为-0.049，间接效应为-0.075，总效应为-0.124，说明行业劳动生产率的提升，不仅能够直接降低单位产出的碳排放量，而且还能通过技术进步提高能源利用效率，进而降低碳排放强度。最后，在对碳排放强度影响的总效应中，由大到小依次为：产业集聚(EG)、能源结构(ES)、行业劳动生产率(ln TFP)、能源强度(ln EP)，说明产业集聚是安徽制造业行业碳排放强度增加的重要原因。

表5 总效应、直接效应和间接效应

四、结论与建议

本文从直接影响和间接影响出发，运用动态面板系统GMM估计、结构方程Bootstrap中介效应分析法实证检验了产业集聚对碳排放强度的影响机制和路径，结果发现：第一，产业集聚对行业碳排放强度存在显著的直接影响，二者呈倒“U”型关系，但从安徽各行业所处的集聚水平来看，集聚对行业碳排放强度总体上产生促进作用，抑制作用尚不明显。第二，能源强度、能源结构在产业集聚对碳排放强度影响中存在显著的中介效应，而劳动生产率的中介效应不明显。第三，从总体上看，能源强度和能源结构对碳排放强度存在显著正向影响，全要素劳动生产率对碳排放强度存在显著负向影响，其中，产业集聚对碳排放强度影响的总效应最大，其次是能源结构、全要素生产率、能源强度。第四，产业集聚对碳排放强度影响的直接效应小于间接效应。

据此，为实现安徽制造业的集聚经济与低碳减排协调发展，提出以下建议：

首先，目前安徽省制造业集聚对碳排放强度的影响总体上仍处在促进阶段，反映了大多数制造行业的集聚水平偏低，集聚的碳排放总量效应明显，即大量企业集中生产使得能源需求扩张，碳排放总量激增。但根据研究结果，当集聚达到一定水平(拐点)后，规模经济效益、外部溢出效应会逐渐超过总量效应，从而抑制碳排放强度。因此，安徽应该继续加快城镇化进程以促进生产要素向城镇集中，加大对交通运输、物流配送、通讯、网络等基础设施的建设力度，营造开放、公平公正的商业氛围，为制造业集聚做好“软硬件”准备；同时大力支持各类产业园区建设，加速推动战略新兴制造业集聚，以使其达到能够发挥碳减排作用的理想水平。

其次，研究结果显示能源结构、能源强度均对碳排放强度产生促进作用，并且产业集聚还会通过能源结构、能源强度对行业碳排放强度产生显著的中介效应，即存在间接影响路径。其中，产业集聚通过能源结构的中介效应表现为抑制碳排放，通过能源强度的中介效应表现为促进碳排放。因此，政府在制定产业集聚发展政策时，应同时考虑降低能源强度、改善能源消费结构。具体来说，一是在建设产业园区时，应该加大生物能、太阳能、风能等新能源技术的规模化投放使用，利用园区厂房、公共设施等投放光伏发电系统，以替代部分煤炭的使用；同时，对已有产业园区进行集中热源的升级改造，建设集中供热式的发电机组或热电项目，替代企业独立分散式的燃煤锅炉。二是要促进制造业多样化集聚发展，延伸集聚区的产业链，促使集聚区内形成循环经济圈，提高能源利用效率。

最后，研究表明制造业全要素劳动生产率具有明显的碳减排作用，但安徽制造业集聚对行业全要素劳动生产率的促进作用不明显。因此，一是要逐渐降低产业集聚对政策优惠的依赖性，在提供完善基础设施的基础上，由市场机制来引导企业的集聚与扩散行为，从而提高生产要素的配置效率；二是优化制造业内部结构，减少高耗能、高污染行业的集聚，同时促进新型制造业的服务化发展，通过集聚区的产业链延伸来提高劳动生产率；三是加大科技创新投入，鼓励行业内和行业间的联合创新、协作创新等，加快促使制造业绿色化转型，以技术进步带动全要素劳动生产率螺旋式上升的同时实现低碳发展目标。