技术进步对CO2排放的库兹涅茨效应分析

向其凤 武壮

摘要：文章以STIRPAT模型为理论基础，使用1995～2019年中国30个省、市、自治区（香港、澳门、台湾和西藏数据缺失）的面板数据分析技术进步对CO2排放的影响。实证结果表明，技术进步与人均CO2排放之间不存在库兹涅茨效应，而是显现U型关系，这主要由技术进步的类型、技术进步的构成和人口因素导致。最后，提出了相应的对策建议。

关键词：技术进步;CO2排放;面板回归

一、引言

全球的气候学家普遍认为全球气候正在变暖，且主要原因来自于人类活动。解决全球气候变暖的主要措施是降低大气中的温室气体排放，其中最主要的是减少CO2的排放量。据国际能源署公布的数据，中国在2006年燃料燃烧产生的二氧化碳排放量已经超过美国，成为全球排放量最大的国家。在《中共中央关于制定国民经济和社会发展第十四个五年规划和二○三五年远景目标的建议》中，我国提出，将在2035年广泛形成绿色生产生活方式，碳排放达峰后稳中有降，生态环境根本好转，美丽中国建设目标基本实现。在中国经济由高速增长转换为高质量增长的关键转变期，低碳经济已经成为中国经济发展的基本遵循和最佳发展模式，降低CO2排放水平的主要措施之一就是推动技术进步和技术革新。

目前关于技术进步对于CO2排放的影响方式主要分为三类。一部分学者认为，技术进步会使得企业能源消耗量增多，从而增加碳排放。主要表现为两个方面：一个方面，技术的进步使得企业管理水平得到提升，不仅扩大了已有企业的规模，同时也将吸引更多新企业进入市场，使得整个产业规模不断扩大，从而造成了更多的能源消耗量。另一方面，一些企业为追求自身的经济效益，不惜发展肮脏的新技术（Acemoglu等，2009）来提高产出、降低成本，由此，也会造成过度的能源消耗和CO2排放。陈亮等（2020年）研究发现，总体上的技术进步对碳减排不一定有效，需要更加注重绿色技术进步。另一部分学者认为，技术进步可以通过提高能源利用效率的方法，减少CO2的排放。即通过能源利用效率技术的提升、产业结构的优化等方法减少能源消耗需求，促使减排。李凯杰等（2012年）运用向量误差修正模型说明了技术进步和碳排放的长期均衡关系，说明在长期内技术进步对碳排放有抑制作用。James B. Ang（2009年）通过研究中国半个多世纪的二氧化碳排放量和相关指标发现，技术转化和经济总体对别国技术的吸收能力对二氧化碳排放具有显著影响，且方向为负。还有一部分学者认为技术进步对碳排放的影响可能是存在库兹涅茨曲线特征的。Selden and Song（1994）、Galeottia and Lanza（2005）认为二氧化碳存在库兹涅茨曲线。林伯强等（2009）通过研究发现中国存在理论上的库兹涅茨曲线，且拐点在2020年出现，但实证预测表明，拐点到2040年还没有出现，这主要是因为除了人均收入外，能源强度、产业结构等也对二氧化碳排放有显著影响。许广月等（2010）将中国分为东部、中部和西部地区进行研究，研究发现中国及其东部地区和中部地区存在人均碳排放环境库兹涅茨曲线，但是西部地区不存在该曲线。目前关于碳排放的库兹涅茨曲线多集中于研究碳排放和人均收入（人均GDP）之间的关系，而技术进步对于CO2排放的库兹涅茨效应分析较少。

通过对比不难发现，这些研究结论的差异主要是由于各位学者研究的时间区间、地域等因素不同导致的。如果将对全国CO2排放的研究时间拓展至2019年，那么在经济新常态下，技术进步对CO2排放是否呈现出典型的库兹涅茨效应呢？如果已经呈现库兹涅茨效应，那么峰值在何时达到？如果未呈现库兹涅茨关系，那么主要原因是什么？

二、理论模型

本文模型构建的基础是Dietz和Rosa（1997）的STIRPAT模型，模型表达式如下所示：

I=aPbAcTdμ（1）

其中，I表示环境指标，P表示人口指标，A代表社会财富指标，T表示技术发展指标，a、b、c、d均为常数，μ表示随机误差项。为方便模型的估计，通常将模型写为如下形式：

lnI=lna+blnP+clnA+dlnT+lnμ （2）

b、c、d表示三种驱动因素对环境的影响弹性，即这三种影响因素分别变动1%时，环境指标的变化幅度。该模型仅考虑了这三个驱动因素对环境的单向影响，而没有考虑不同驱动因素的具体特征。考虑到技术进步对于碳排放的双重影响效应，将模型变化为如下所示的含技术进步二次项的回归模型：

lnI=lna+blnP+clnA+dT+eT2+u（3）

这里，為了方便解释技术进步对环境影响的二次曲线关系，技术进步变量不再取对数，为随机项。

三、变量选择与实证方法

（一）变量选择

1. 人均CO2排放量

碳排放指在一定时期某一区域CO2和其他温室气体的排放，CO2是最主要的温室气体。衡量CO2排放的指标有CO2排放强度、人均CO2排放量、累积CO2排放量，人均单位GDP的CO2排放量等指标。为建模方便，本文选择从人口角度考虑的人均CO2排放量作为CO2排放的衡量指标。

关于CO2排放量的测算，目前的学者较多采用IPCC方法，即根据不同品种能源消费量和CO2排放因子计算总排放量的方法，计算公式如下：

CO2=■Ei×LCVi×CECi×COFi×■（4）

CO2表示地区二氧化碳排放总量，Ei表示折标准煤消费量，LEVi表示单位发热量，CECi表示单位热值含碳量COFi，表示碳氧化率，44/12是CO2和C的分子量比率。根据式（4）计算出CO2排放量以后，除以当年年末常住人口数可得人均CO2排放量。为计算方便，本文选择主要的八种一次能源计算排放总量，各种能源的排放指标如表1所示。各省份的能源消费数据来源于国家统计局网站和历年的《中国能源统计年鉴》。

2. 技术进步

技术进步是影响地区CO2排放的重要因素。技术进步可以从投入、产出和TFP三个角度进行衡量。从投入角度，以R&D投入等作为衡量指标;从产出角度，以专利申请数等作为衡量指标。TFP从绩效角度出发，测量将生产投入转换为生产产出的效率，但是效率值的测算多为相对指标，对于面板数据的构造和面板模型的估计会产生不良影响，因此本文将国内专利授权量作为技术进步的表征指标，数据来源于国家统计局网站和《中国统计年鉴》。

3. 控制变量

根据STIRPAT模型，本文还将人均GDP作为财富指标引入模型，由于使用的CO2排放指标为人均指标，实际上已经除去了人口密度因素，因此不再引入人口的相关指标作为解释变量。另外，根据之前的相关研究，我们选择FDI、产业结构（第二产业与第三产业比重）、城镇化率（城市户口人数占比）作为控制变量加入模型（谭飞燕等，2010年;原嫄等，2016年;张腾飞等，2016年），数据来源于国家统计局网站和《中国统计年鉴》。

（二）实证方法选择

本文模型构建的基础是STIRPAT模型，模型表达式经过改进后如式（3）所示，加入控制变量以后得到模型如式（5）所示。

lnCO2=β0+β1Teh+β2Teh2+β3Str+β4Urban+β5lnFDI（5）

这里，CO2表示人均二氧化碳排放量，Teh表示地区的技术进步水平，Str表示地区产业结构，Urban表示城镇化水平，FDI表示外商直接投资，PGDP表示人均生产总值。面板数据同时包含时间和截面两个维度，因此其具有信息量大、变化性多等特点，相比于一般的截面数据，可以更好地识别模型和降低偏差。本文的研究对象为30个省级区域，利用面板模型可以体现不同省份之间的差别和共性，因此本文拟建立面板回归模型。

四、实证分析

根据式（4）计算得到我国的人均CO2排放量及其增长率作图如图1所示。

从图1可以看到，人均CO2排放量在1995～2018年期间总体呈现明显增长趋势，从1995年的2.89吨/人增长至2018年的8.67吨/人。其中，1995～2001年为人均CO2排放低水平稳定期，2002～2013年期间为人均CO2排放急速增长期，2014～2018年为人均CO2排放高水平稳定期。从增长率来看，在2014年以前，除了1998年外的其他年份增长率均为正值，在2004年达到了最高增长率16.56。在2014年以后，人均CO2增长率开始变为负值，但是变化极小，且在2017年和2018年重新出现递增之势。2014年以后中国经济进入“新常态”， GDP由高速增長转换为中高速增长，中国的“供给侧”改革、生态环保等一系列相关政策的实施抑制了CO2排放。EKC曲线表明，环境污染程度会随着经济水平的增长呈现先加重后减缓的倒U趋势。全国人均CO2排放量出现了先显著增加后略微下降的非线性趋势，与EKC曲线不同的是，2017年和2018年人均CO2排放量又重新出现了上涨趋势。

根据上文STIRPAT模型分析，人口指标和社会财富指标对环境的影响具有一定的稳定性和单一性，而技术进步对于环境影响则具有多重影响效应，为探索技术进步是否对人均CO2排放存在库兹涅茨效应，本文拟利用1995～2019年我国30个省、市、自治区（西藏、香港、澳门和台湾地区数据缺失）的相关数据建立面板回归模型。本文首先分别建立了混合回归模型、变截距回归模型和变系数回归模型，通过F检验得到结论应当建立变截距回归模型。通过Hausman检验，得到的检验统计量值为21.95，相伴概率值为0.0012，小于显著性水平0.05，拒绝建立随机效应模型，认为应当建立固定效应模型。综上所述，本文拟建立变截距固定效应模型，估计结果如式（6）所示。模型整体的F检验统计量为691.13，通过模型整体的显著性检验。模型中各解释变量t值也均在0.05的显著性下拒绝参数为0的原假设，认为各解释变量对CO2排放影响显著。

lnCO2=-3.5781-0.0317Teh+0.0005Teh2

-0.0282lnFDI（6）

从模型结果来看，技术进步对人均CO2排放呈现U型影响，而不是典型的EKC曲线的倒U形。这与郭庆宾等（2020年）的研究结论较为一致，技术进步对CO2排放回弹效应显著，且呈不断上升趋势。在初期，人均CO2排放量随着技术的进步而不断减少，在达到一定限度以后，人均CO2排放出现反弹，反而随着技术进步的提升不断增加。

五、结论和政策建议

（一）结论

1. 技术进步对人均CO2排放回弹效应显著，呈现U形影响，不存在库兹涅茨效应。主要由以下三点原因造成：一是技术进步的类型。在技术进步的初期，技术进步主要体现在资源整合、管理水平提升等方面，效率的提升使得在达到原有产出水平的同等条件下，会产生较少的人均CO2排放量。而在技术进步的后期，为了进一步实现经济高速增长，技术进步中“肮脏的技术”弊端显露，这部分技术通过牺牲环境来实现经济增长，造成更多的CO2排放。二是技术进步的构成。技术进步可以分为自主研发技术和引进技术两部分，引进技术中包含相当一部分发达国家转移或淘汰的高污染技术，使得人均CO2排放量增加。三是技术进步与人口的关系。当产品创新的速度相对较快时，人口增长率逐渐下降（豆建春等，2015），拥有较高技术水平的地区往往伴随着较低的生育率。两者的反向变动关系，也是呈现U形关系的一个重要因素。

2. 产业结构、城镇化水平、外资水平和财富水平对人均CO2排放具有显著影响。人均CO2排放量随着第二产业相对于第三产业比例的提升而增加。第二产业为高能耗部门，其比重的提升势必会造成更多的能源消耗，从而使得CO2排放量增加。人均CO2排放量会随着城镇化率的提升而增加。城镇化率的表现为农村居民转换为城市居民，人均消费水平将显著提高，人们对于住房取暖等基础设施的需求增加，会造成更多的CO2排放。虽然人口的聚集在一定程度上可以提高资源的利用效率，但是由于我国人口基数大，从全国来看，人口聚集产生的节能效应并不明显。国外直接投资对人均CO2排放量的效应为负，这主要是通过技术溢出实现的，但是影响强度并不高，国外直接投资每提高1%，人均二氧化碳排放量平均下降0.0282%。人均GDP作为人民财富水平的表征变量，每提高1%，人均二氧化碳排放量平均提高0.4601%，经济水平的提高需要更高的能源投入，会造成更多的CO2排放。

（二）政策建议

1. 技术进步对人均CO2排放并不存在库兹涅茨效应，而是呈现U形曲线。为了抑制回弹效应，促进技术进步的CO2减排作用，首先，需要加大低碳绿色技术的研发强度。我国各地区的技术水平虽然在不断提升，但是清洁技术的比重不足。现阶段，拥有清洁技术的企业生产面临更高的成本投入，应给予这些企业相应的政策支持和资金扶持。其次，不能过多依靠引进技术，要加强自主技术的研发。目前，引进的技术较多集中在加工业和制造业行业，这些技术为降低成本提高收益多是高能耗高污染的，因此应加强相关方面的自主技术研发，注重效益和低碳的同步发展。最后，在推动经济和可以发展的同时，需要并重相应的人才人口政策。

2. 优化产业结构，提高第三产业比重。中国工业具有高能耗和高排放的显著特征，在工业生产过程中，要根据供给侧改革的内容，缩小钢铁、煤炭、水泥、玻璃等产能过剩产业的生产规模，加快推进科技体制改革，促进高技术含量、高附加值产业的发展，加快生态文明体制改革，为绿色低碳产业发展提供动力。

3. 坚持改革开放，提高外资质量。当前我国外商直接投资的主要方向在于加工业和制造业等高污染高排放产业方向，因此在引进外商投资的过程中，需要筛选出绿色外资和先进外资。在外资引进过程中，要将环保因素和技术水平因素纳入考虑范围之内，对于优质企业给予政策支持。除此以外，注意提升外资的技术溢出效应，加强本土企业与外资企业的交流合作。

参考文献：

[1]Ang， James B. CO2 Emissions， Research and Technology Transfer in China[J].Ecological Economics，2009，68（10）：2658-2665.

[2]Daron Acemoglu， Philippe Aghion， Leonardo Bursztyn and David Hemous. The Environment and Directed Technical Change[J].NBER Working Paper，2009，5451.

[3]Dietz T， Rosa E A. Effects of population and affluence on CO2 emissions [J]. Proceedings of the National Academy of Sciences，1997，94（01）：175-179.

[4]Galeottia， M. and Lanza， A. Desperately Seeking Environmental Kuznets[J]. Environmental Modeling & Software，2005（20）：1379-1388.

[5]Selden， T. and Song， D. Environmental Quality and Development： Is There a Kuznets Curve for Air Pollution Emissions？[J].Journal of Environmental Economics and Management，1994（27）：147-162.

[6]陳亮，胡文涛.金融发展、技术进步与碳排放的协同效应研究——基于2005～2017年中国30个省域碳排放的VAR分析[J].学习与探索，2020（06）：117-124.

[7]豆建春，冯涛，杨建飞.技术创新、人口增长和中国历史上的经济增长[J].世界经济，2015，38（07）：143-164.

[8]李凯杰，曲如晓.技术进步对中国碳排放的影响——基于向量误差修正模型的实证研究[J].中国软科学，2012（06）：51-58.

[9]郭庆宾，骆康，杨婉蓉.基于技术进步的长江经济带碳排放回弹效应测度[J].统计与决策，2020，36（19）：115-117.

[10]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（04）：27-36.

[11]谭飞燕，罗双临.低碳经济背景下国际清洁技术投资趋势与一般适用模型分析[J].现代经济探讨，2010（05）：74-78.

[12]许广月，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（05）：37-47.

[13]原嫄，李国平.产业内部结构升级对碳排放的影响——基于OECD主要成员国面板数据的实证分析[J].气候变化研究进展，2016，12（04）：332-340.

[14]张腾飞.城镇化对中国碳排放效率的影响[D].重庆：重庆大学，2016.

（作者单位：向其凤，云南财经大学统计与数学学院;武壮，首都经济贸易大学统计学院）