技术创新对碳生产率影响的空间效应——基于产业结构和对外开放视角

梁圣蓉，罗良文

（1.武汉商学院 经济学院，湖北 武汉 430056；2.中南财经政法大学 经济学院，湖北 武汉 430073）

近年来，全球极端气候事件频发，对社会经济造成了规模空前的影响，成为世界各国关注的焦点，如何有效减少全球碳排放就成为迫切需要解决的问题。改革开放40余年，中国经济实现高速增长，取得了举世瞩目的成就，但是环境问题也逐渐凸显。相关数据显示，2020年中国的二氧化碳排放量较高，低碳经济发展处于起步阶段。为有效解决碳排放问题，推动经济社会可持续发展，2021年“碳达峰、碳中和”被首次写入政府工作报告。中央经济工作会议部署2021年重点任务之一，就是要做好碳达峰、碳中和工作，要求抓紧制定2030年前碳排放达峰行动方案，推动煤炭消费尽早达峰，大力发展新能源。低碳经济条件下，一个地区的碳生产率越高，碳排放的空间就越大，比较优势和竞争优势就越明显，因此，碳生产率是低碳经济发展的稀缺资源。在这一形势下，探讨技术创新对碳生产率的影响具有重要意义。

一、文献综述

近年来，关于技术创新与碳排放或者碳生产率的研究逐渐增多，比如Mielnik等提出应将单位能源的二氧化碳排放量作为发展中国家是否低碳发展的主要标准，认为这一指标对一个国家的经济实现低碳发展具有重要意义[1]。Zofio和Prieto以经济合作与发展组织（OECD）国家或地区为样本，用DEA模型测算了部分OECD国家或地区的碳排放绩效，并进行比较分析，发现提高碳生产率是实现经济绿色发展的关键途径[2]。关于技术创新和碳生产率关系的研究成果主要集中于以下几方面。

第一，关于碳排放或者碳生产率影响因素的研究。已识别出的关键影响因素主要包括经济增长、产业结构、对外开放、能源消费结构和技术创新等。Chang等提出消费结构和出口结构是影响碳排放的主要因素[3]。鄢哲明等测算了1992—2012年全球15个国家的低碳技术创新水平，并认为技术创新和能源使用结构是影响碳排放的主要因素[4]。唐志鹏等认为产业结构、能源结构、技术进步和劳动生产率是影响碳生产率的主要因素，其中能源结构对碳生产率具有负向影响，而产业结构（服务业比重）、技术进步和劳动生产率对碳生产率具有正向影响[5]。蔺雪芹等认为生产力水平、对外开放水平、工业研发投入、能源消费强度、能源消费结构、重工业水平是影响碳排放的主要因素，其中生产力水平、工业研发投入、对外开放水平提高了碳排放效率[6]。孙华平、杜秀梅认为全球价值链嵌入程度对产业碳生产率有促进作用[7]。从相关文献可以看出，产业结构和对外开放指标对碳生产率的影响比较重要，因而本文拟从产业结构和对外开放视角分析技术创新对碳生产率的影响。

第二，关于技术创新与碳生产率关系的研究。技术创新对碳生产率影响的研究起始于“波特假说”，该假说认为政府制定严厉的环境政策会长期促进技术创新，会实现经济增长与环境改善共赢的局面。很多学者从定量的角度证实或证伪“波特假说”，大多数学者肯定了技术创新对碳减排的积极作用。Grossman和Krueger以环境库兹涅茨曲线为基础进行经验分析，认为环境污染的缓解主要源于技术效应的增强[8]。Valentina等认为技术创新可降低碳排放[9]。Cole等以日本企业为案例研究发现，R&D投入通过促进技术进步而显著抑制企业碳排放[10]。Ding等利用STIRPAT模型，以意大利95个省为样本，发现技术创新对碳排放影响不显著，但有助于环境生产率的提高[11]。Yin等发现技术进步有助于二氧化碳减排[12]。Acemoglu等提出偏向性基础进步理论，认为清洁技术与污染技术的差异导致了技术创新的偏向性，会进一步影响经济发展和环境[13]。Dietz等以IPTA模型为基础，引入随机因素，建立扩展的IPTA模型，实证得出技术进步能降低碳排放水平[14]。谢波等认为技术创新对碳排放绩效呈正向影响[15]。刘卫东等利用1999—2012年中国省际面板数据实证发现技术创新可以降低碳排放水平[16]。孙建实证得出技术进步、R&D投入、环境治理投资能有效降低碳排放强度[17]；通过构建区域—宏观计量经济模型，发现东、中、西部三大区域研发投入同等幅度的增加都会抑制二氧化碳排放量和二氧化碳强度的增加[18]。王丽等认为技术创新是环境规制影响碳生产率的中介因素，技术创新促进碳生产率的提高[19]。李德山等利用我国2005—2014年省际面板数据进行实证研究，得出研发技术水平能够有效促进二氧化碳效率提升的结论[20]。

也有一些学者得出技术创新增加了碳排放的结论，如Acemoglu等实证得出技术创新在促进经济增长的同时增加了碳排放[21]；张文彬等实证发现广义技术进步和能源利用技术进步增加了碳排放[22]。也有研究成果认为技术创新对碳排放的影响不明确，如Jaffe等实证发现不能确定技术创新对碳排放的影响，因为技术效应使碳排放减少，而规模效应使技术进步促进碳排放[23]；肖雁飞利用1996—2014年省际面板数据，从全国及区域层面进行实证分析，发现技术创新对碳排放影响存在明显的区域差异，自主研发对东部和西部地区有显著负影响，具有减排效应，而对中部和东北地区影响不显著[24]。很多文献认为“波特假说”的成立存在前提条件，一些区域经济发展水平较高，则技术创新减少了碳排放，而一些区域经济发展水平不高，则技术创新增加了碳排放，比如王道平等以1992—2012年71个国家或地区的数据进行实证研究，发现低碳技术创新对碳排放存在非线性影响，高收入区域的技术创新促进了碳减排，低收入区域的技术创新抑制了碳减排[25]。这说明技术创新对碳排放的影响存在区域差异，需要进行空间计量的实证研究。

第三，部分研究成果注意到技术创新对碳排放的空间效应。Kim等以韩国为案例进行空间实证研究，发现技术进步水平对碳排放的影响存在不确定性和空间异质性[26]。张兵兵等利用国家与国家数据，发现技术进步对碳排放影响存在空间异质性[27]。林善浪等利用1997—2009年中国省际面板数据，得出中国区域碳生产率具有较强的空间相关性，技术创新对碳生产率的影响不明显，产业结构和空间集聚是影响区域碳生产率的主要因素[28]。卢娜等利用2004—2013年中国30个省份的空间面板数据，得出突破性低碳技术创新的碳减排作用仍局限于本地，突破性低碳技术创新对碳排放均呈现出显著的抑制作用，但对邻近地区碳排放的作用不显著[29]。沈飞结合投入服务化技术创新的全域空间和局域空间分析，得出商贸流通业结构调整过程中的投入服务化创新存在显著的碳生产率提升关联增强趋势和路径依赖差异[30]。

综上所述，使用空间计量研究技术创新对区域碳排放或碳生产率影响的研究逐渐增多，这为本文研究打下了一定的理论基础，但也存在不足，主要表现在：一方面，关于技术创新与区域碳生产率二者关系的研究大多采取传统OLS的方法研究，缺乏使用动态面板方法分析的成果。在技术创新对区域碳生产率影响研究中忽略了技术创新对区域碳生产率的动态性特征，则会忽略各区域滞后一期碳生产率对本区域的重要影响，得出的结果是值得商榷的。另一方面，还有一部分学者使用静态空间模型进行分析，缺乏使用动态空间计量的成果。要解决这一问题，需要同时研究空间性和动态性特征，则需要构建动态空间计量模型研究二者之间的关系。本文在前人研究的基础上在以下两个方面有所创新：其一，在指标选取上，除选取常规的代表技术创新水平的技术创新产出指标外，还选取代表创新投入的人力资本的投入和物力资本的投入指标，以期更准确地测度技术创新对碳生产率的影响。产业结构指标和对外开放指标分别选取工业增加占比、第三产业占比以及对外贸易、外商直接投资，分析更全面。其二，在模型的构建上，为克服可能产生的内生性问题，除使用OLS模型外，还采用动态模型（SYS-GMM）测度区域滞后一期碳生产率的重要影响。同时，为更准确地衡量技术创新与区域碳生产率二者之间的空间关系，构建空间模型进行测度，兼顾动态性和空间性。

二、研究方法与数据

（一）研究方法

1.全局空间关联性指标。为了从计量经济学的角度更有效地揭示技术创新与碳生产率的空间相关性，同时也为后续空间计量模型的技术创新动态演化路径的耦合性对碳生产率的影响做准备，初步采用空间0-1权重矩阵计算各个区域的Moran'I全局空间相关指数。Moran'I全局空间相关指数取值为（0，1]时，表示技术创新水平或碳生产率呈正相关关系；取值为[-1，0）时，表示技术创新或碳生产率呈负相关关系；取值为0时，表明技术创新或碳生产率不存在空间自相关关系。

2.局部空间关联性。局部Moran'I指数（LISA）说明局部地区变量集聚现象，可以从空间关联的角度分析碳生产率是否存在空间集聚现象。如果碳生产率集中于第一象限，说明中国区域碳生产率呈现高值集聚的空间集聚模式；如果集中于第三象限，说明中国区域碳生产率呈现低值集聚的空间集聚模式。第一、第三象限对应正的空间自相关。如果集中于第二象限，说明呈现低值被高值包围的空间集聚模式。如果集中于第四象限，说明呈现高值被低值包围的空间集聚模式。第二、第四象限对应负的空间自相关。

3.面板回归模型。包括基本模型、动态GMM模型、空间杜宾模型和动态空间模型。

（1）基本模型。在IPAT模型的基础上建立可拓展的随机性的环境影响评估的STIRPAT模型，分析技术创新对碳生产率的影响效应，STIRPAT的基本表达式为：

为消除模型可能存在的异方差的影响，研究将式①两边取自然对数，得到式②：

式①②中，模型将环境影响（I）分解成人口（P）、富裕程度（A）和技术（T）的乘积，α为常数项，e表示随机误差。根据研究的侧重点不同，可以在STIRPAT模型的基础上加入相应的解释变量。本研究主要探讨技术创新对碳生产率的影响效应，并进一步探讨产业结构、对外开放、经济发展、研发投入、要素禀赋结构、人力资本、金融业发展状况对碳生产率的影响，最终构建的模型如式③所示：

式③中，CP为环境影响，用碳生产率表示，PAT表示创新产出水平，RD表示研发投入，HR表示人力资本投入，IND表示工业增加值占比，SE表示第三产业占比，PGDP表示经济发展水平，TRS表示贸易发展，FDIS表示外商直接投资水平，KS表示要素禀赋结构，FIN表示金融业发展水平，ε表示随机误差项，i、t分别表示观测个体和观测时间。

（2）动态GMM模型。考虑到普通的静态OLS模型可能无法克服内生性问题，使得结论不准确，笔者选择系统GMM估计法进行检验。系统GMM方法能克服解释变量可能存在的内生性问题，还可以衡量滞后一期碳生产率对本期的影响。

lnCPi,t-1为被解释变量lnCPit在时间上的滞后值，θ为时间滞后值的响应系数。

（3）空间杜宾模型。为确定技术创新与碳生产率之间的空间依赖，采用空间杜宾模型来估计技术创新对碳生产率影响的空间溢出效应。

ρ为空间自回归系数，为被解释变量lnCPit与相邻单元lnCPjt之间的交互效应，其中lnCPjt为被解释变量组成的N×1维矢量，Wij为非负空间权重矩阵，形式采取一阶邻接矩阵的后相邻。具体赋值原则为：当区域i和j不相邻时赋值为0，相邻时赋值为1。μi为空间效应，Vt为时间固定效应，εit为误差项。

（4）动态空间模型。由于普通空间模型无法预测特定空间单元在各时间点的观测值存在的序列依赖，本文尝试建立动态空间模型，估计不可预测的特定时间和特定空间存在的空间依赖，其模型形式为：

lnCPi,t-1为被解释变量lnCPit在时间上的滞后值，θ为时间滞后值的响应系数，P为空间自回归系数。

（二）指标选取与数据来源

1.被解释变量：碳生产率（CP）。碳生产率又称“碳均GDP”，用地区GDP除以同期二氧化碳排放量计算而来。二氧化碳排放量根据IPCC公布的化石燃料二氧化碳排放计算公式计算，煤、汽油、柴油、天然气、电力消费等数据来源于各年《中国环境统计年鉴》。

2.解释变量。其一，技术创新指标：创新产出水平（PAT），用各地区每万人拥有的专利授权项数表示；研发投入（RD），用各地区R&D投入占GDP的比值表示；人力资本（HR），用各地区大专以上人数占总人口的比值表示。其二，产业结构指标：工业增加值占比（IND），用工业增加值占GDP的比值表示；第三产业占比（SE），用第三产业增加值占GDP的比值表示。其三，对外开放指标：对外贸易（TRS），用各地区的进出口贸易总额占GDP的比值表示；外商直接投资（FDIS），用各地区外商直接投资占GDP的比值表示。

3.控制变量。其一，经济发展水平（PGDP），用历年人均GDP表示。其二，要素禀赋结构（KS），指区域内生产要素结构，本文用固定资产投资除以就业总人数计算而得，其中固定资产投资借鉴张军等[31]的永续盘存法计算存量。其三，金融业发展（FIN），用各地区金融业增加值占GDP的比值表示。

相关指标数据来源见表1，本文研究样本选取2007—2019年我国30个省份的面板数据，因为西藏自治区、港澳台地区相关数据缺失，从样本中剔除。

表1 指标一览表

三、技术创新与碳生产率的空间统计分析

（一）全局空间自相关检验

为了从计量经济学的角度有效地揭示技术创新与碳生产率的空间相关性，同时也为后续空间计量模型中技术创新空间溢出动态演化路径的耦合性对碳生产率的影响做准备，初步采用空间0-1权重矩阵计算各个区域的Moran'I全局空间相关指数以及局部相关散点图对碳生产率和技术创新两个指标进行分析（见表2）。

表2 技术创新和碳生产率的全局空间自相关检验

技术创新的Moran'I指数均为正数，均通过了5%的显著检验，且2007—2019年Moran'I全局空间相关指数呈逐年上升趋势，说明2007—2019年这种空间正相关的显著性存在逐渐加强的趋势，一个地区的技术创新会通过空间溢出效应正向影响相邻区域的技术创新水平，各省份的技术创新存在正向空间交互关系，即存在空间集聚现象。从碳生产率的空间相关性来看，Moran'I指数均为正数，且均通过了10%的显著检验，说明中国各省份的碳生产率存在空间正相关性，2007—2019年间这种空间相关指数尽管在少数年份略有下降，但总体呈现不规则上升趋势。总之，无论是技术创新还是碳生产率，均存在显著的空间效应，忽略空间因素会导致模型估计结果的偏误，需要进一步作局部空间相关分析来确定该空间集聚是高水平的集聚还是低水平的集聚。

（二）局部空间自相关检验

全局空间自相关检验能从整体证明碳生产率的空间集聚性，但由于区域之间的集聚水平和集聚类型存在差异性，因此需要进行局部空间自相关检验，Moran'I局部空间相关指数散点图可以从空间关联的角度分析碳生产率是否存在空间集聚现象。为节省篇幅，本文仅节选2007年和2019年的碳生产率局部空间相关散点图（见图1）。

图1 2007年和2019年碳生产率的Moran散点图

结果显示，位于第一、第三象限的区域保持在21～22个之间，说明2007—2019年间碳生产率呈现一种高值聚集与低值聚集相结合的空间聚集模式，具有较强的空间正相关性。2007年，有9个区域位于第一象限，有12个区域位于第三象限，合计占样本总量的比为70%；2019年有11个城市位于第一象限，有11个区域位于第三象限，合计占样本总量的比为73.3%。2007年和2019年的第一、第三象限的区域的数量基本稳定，说明中国碳生产率存在高度的空间稳定性，各区域要脱离自身原来的空间集聚存在一定的难度。Moran'I全局空间相关指数散点图表明区域碳生产率存在显著的空间正相关性，呈现一定程度的集聚效应，高碳生产率区域被同样高碳生产率的区域所围绕，低碳生产率区域被同样低碳生产率的区域所围绕（见表3）。

表3 各省（自治区、直辖市）碳生产率空间聚集类型分布

结果显示，2007—2019年间中国30个省份碳生产率空间集聚性明显。上海、江苏、天津、浙江、福建、湖南等部分东部沿海发达省市或部分中部省市碳生产率呈现高—高集聚特征，说明这些区域与相邻区域实现了碳生产率协同发展，对相邻区域产生了明显的空间溢出效应。总体而言，高—高和低—低集聚区均呈现显著正相关性。也有部分区域空间特征出现两极分化现象：分别呈现高—低、低—高、低—低聚集特征的北京、江西和重庆演变成高—高集聚特征，但是分别呈现高—高集聚特征的安徽和广西则退化成低—高集聚特征，山东甚至从高—高集聚特征退化成低—低集聚特征，说明个别区域对相邻区域碳生产率的抑制作用较为突出。

四、技术创新对碳生产率影响的空间效应

（一）空间诊断性检验

在进行空间模型估计之前，需要对普通的STIRPAT线性OLS模型的空间滞后项和空间误差项进行LM（稳健性）检验，以验证STIRPAT模型是否存在空间属性，如果LM检验显著，则表明STIRPAT模型存在空间溢出，需要在模型中纳入空间交互性。估计结果显示（见表4），Moran'I指数为0.3702，空间误差项和空间滞后项的LM检验结果通过了1%的置信度检验，说明中国区域碳生产率存在显著空间交互效应，需要进行空间计量分析。

表4 STIRPAT模型线性面板估计残差的空间自相关检验

（二）空间效应估计及初步分析

1.模型稳定性较强。对比普通线性OLS回归与静态空间面板模型回归（见表4），各影响因子的回归系数与OLS线性回归系数正负方向一致，说明静态空间面板模型稳定性较强。

2.忽略空间属性将低估解释变量对被解释变量的影响。如表5所示，比较静态空间面板模型与普通OLS线性模型的lnPAT、lnRD、lnHR、lnIND、lnSE、lnPGDP、lnTRS、lnFDIS、lnKS、lnFIN的回归系数，普通OLS线性模型各变量的影响系数分别为0.0354、0.5478、0.3302、-0.0185、0.4099、0.1517、-0.0358、-0.3786、-0.0174、-0.2122，而静态空间面板模型中（第3列）的大多数因素的回归系数的绝对值要大于普通OLS模型，可能的原因是普通OLS模型忽略了被解释变量碳生产率和解释变量的空间溢出效应，从而导致解释变量对被解释变量影响效应的低估。

表5 技术创新对碳生产率的影响的静态空间面板模型（被解释变量：碳生产率）

3.中国区域碳生产率存在显著的空间效应。从表5的静态空间面板模型估计结果来看，ρ为0.2841，且在1%的置信度水平下高度显著，说明空间因素是影响区域碳生产率分布的重要因素，区域之间碳生产率存在显著的空间溢出效应，一个区域碳生产率水平不仅受自身因素影响，还受周边区域碳生产率影响，技术创新所在地的碳生产率每提高1个百分点，将可有效促使地理相近区域碳生产率提高0.2841个百分点，这与前文中国碳生产率的变动存在显著的空间集聚效应的结论一致。

（三）首次溢出、二次溢出和总溢出效应估计

为了说明解释变量的真实空间溢出效应，需要分解各解释变量对碳生产率影响的空间效应。因此，本部分在确定空间模型设定形式的基础上，运用省级面板数据，将各解释变量对碳生产率的影响分解成首次溢出、二次溢出效应。从总溢出效应结果来看（见表6第4列），各变量总溢出效应的符号与OLS估计以及静态空间面板模型一致，进一步说明模型的稳健性较好。

表6 首次溢出、二次溢出和总溢出效应分解

1.技术创新对碳生产率的拉动作用不明显，但空间溢出存在“损人利己”效应。首先，静态空间面板模型结果显示，3个反映技术创新的指标，除技术创新产出水平lnPAT外，研发投入lnRD、人力资本lnHR均不显著，这与程钰等[32]的结论一致，说明碳排放增长的速度超过了技术创新对经济总量的拉动作用，直接导致了技术创新对碳生产率的拉动作用减弱。可能的原因是我国传统经济发展方式比较粗放，在经济高速发展的同时，产生了高能耗，造成了高投入，产生了高污染，从而导致碳排放量逐年增长。而技术创新产出水平是创新应用的直接体现，对碳生产率的提升明显。其次，技术创新产出水平对碳生产率的总溢出效应为0.0258，首次溢出效应为0.0580，二次溢出效应为-0.0322，说明技术创新产出水平存在“损人利己”效应，即显著提升了本地区碳生产率的增长，但通过空间溢出效应十分明显地降低了相邻地区的碳生产率的增长，可能的原因是相邻地区政府之间存在资源的无序竞争关系。而研发投入与人力资本投入的首次溢出和二次溢出效应明显，说明研发投入和人力资本投入不仅对所在区域的碳生产率产生了显著的首次溢出效应，而且也给所在区域以外的其他区域产生了显著的二次溢出效应。

2.偏重的产业结构削弱了技术创新对碳生产率的拉动作用。首先，静态空间面板模型结果显示，反映产业结构的两个因素中，工业增加值占比的系数为负，第三产业占比的系数为正，且通过了1%的显著性检验，制造业占比越高，碳生产率越低，服务业占比越高，碳生产率越高，而我国产业结构总体偏重，高碳产业占国民经济的比值居高不下，这在一定程度上削弱了技术创新对提高碳生产率的作用。同时也解释了我国有些区域的碳生产率近年来呈下降趋势的原因，这些地区技术创新水平不高、产业结构偏重，导致高碳产业对碳生产率的抑制作用大于技术创新对碳生产率的提升作用，这些区域的碳生产率出现不升反降的局面。其次，工业增加值占比的首次溢出效应和二次溢出效应均为负值，而第三产业占比的首次溢出效应和二次溢出效应均为正，说明偏重的产业结构不仅会降低本区域的碳生产率，还会降低相邻区域的碳生产率。

3.反映对外开放的两个指标首次溢出效应和二次溢出效应均为负，说明当前中国的区域间贸易整体上不利于中国的碳减排，可能的原因有：一是外资企业对中国投资的主要诱因是低廉的劳动资本和丰富的资源，有些国家将位于二氧化碳排放量大、环境污染严重、能源效率低的轻工制造业以及小家电企业等污染产业转移到中国，不利于碳生产率的提升。二是进出口贸易规模的增加，贸易结构中以低附加值、低技术、劳动密集型产品为主，加剧了碳减排压力，加工贸易所占比重较大的行业隐含碳排放量较大是我国碳排放增加的主要原因。

4.控制变量中经济发展水平对碳生产率的影响为正，表明经济发展水平能有效提升碳生产率。要素禀赋结构对碳生产率的影响为负，可能的原因是在优化资源配置的过程中，没有注重产业结构与要素禀赋的协调耦合，在节能减排过程中没有遵循不同地区的要素禀赋，对碳生产率造成了不良的影响。金融发展水平对碳生产率的影响为负，说明金融发展通过鼓励企业进行节能减排技术的革新以及激励企业扩大节能减排设备的投资和使用等方式推动碳减排的效果不明显。

（四）动态空间面板结果分析

普通OLS线性模型和静态空间面板模型虽然说明解释变量对被解释变量的影响，但可能忽略了两个方面的因素：第一，时间动态的影响，即滞后一期的碳生产率对区域碳生产率的影响。第二，除技术创新、产业结构、对外开放等因素会影响碳生产率外，企业行为、环境规制、居民行为等其他重要因素也可能影响碳生产率。因此，需要建立动态空间面板模型，一方面检验滞后一期的碳生产率是否对当期碳生产率产生影响，另一方面验证技术创新、产业结构、对外开放等因素对碳生产率的时空影响。为更进一步验证动态空间面板的稳定性，同时用系统GMM和差分GMM对样本数据进行检验。

在利用动态（sys-GMM）和动态空间面板模型进行实证分析时，需要进行Sargan检验来验证工具变量的有效性。Sargan检验显示（表7中的最后1行）模型工具变量选择均有效，不存在过度识别问题。同时，随机扰动项自相关检验结果显示，存在一阶自相关，不存在二阶自相关，模型估计结果有效。sys-GMM、动态系统GMM和动态差分GMM估计各解释变量的系数正负方向一致，说明模型稳定性较好。

表7 技术创新对碳生产率的影响的动态空间面板模型（被解释变量：碳生产率）

1.碳生产率存在显著的累积循环效应。动态GMM模型结果显示，碳生产率的滞后一期系数为0.3468，且通过了1%水平的显著性检验，说明我国碳生产率存在动态连续性，即前一期碳生产率对当期碳生产率水平有明显影响，前一期的碳生产率越高，当前的碳生产率就越高。同时，空间动态GMM模型和空间差分GMM模型的碳生产率的滞后一期系数均大于0.3468，说明仅考虑时间因素不考虑空间因素的结果低估了碳生产率的累积循环效应。

2.空间动态GMM模型和空间差分GMM模型的空间相关系数分别为0.0458和0.0522，且均通过了1%水平的显著性检验，说明其他遗漏变量对碳生产率产生显著的正向影响。动态空间相关系数小于静态空间面板的空间相关系数，说明静态空间面板模型高估了碳生产率的空间溢出，说明建立sys-GMM模型和动态空间面板模型非常重要，仅使用静态空间面板模型中的技术创新、产业结构、对外开放等变量不能反映碳生产率真实状况，企业行为、环境规制、居民行为等其他重要因素对碳生产率的影响也很重要。

3.动态GMM模型、空间系统GMM模型和空间差分GMM模型显示，各因素的正负号与固定效应模型、静态空间面板模型一致，说明动态空间面板模型通过控制动态时滞以及可能存在的遗漏变量后，仍然与前文基本结论一致，也说明了模型的稳定性较好。

五、结论与建议

（一）结论

本文采用静态与动态空间面板模型相结合的方法，考察了2007—2019年中国碳生产率的空间集聚特征，分析技术创新、产业结构、对外开放等指标对碳生产率的影响，主要结论如下。

第一，全局空间和局部空间相关性分析表明，中国碳生产率呈现一种高值聚集与低值聚集相结合的空间聚集模式，具有显著的空间正相关性，一直处于高—高集聚的区域集中于东部沿海地区和部分中部地区，在考察期内出现两极分化，各地区的经济活动存在外部性。

第二，静态空间面板模型结果表明，碳生产率空间溢出效应明显，忽略空间属性的线性模型低估了技术创新、产业结构、对外开放等指标对碳生产率的影响，空间因素是影响区域碳生产率分布的主要因素，一个区域碳生产率水平不仅受自身因素影响，还受周边区域碳生产率影响。首次溢出效应、二次溢出效应和总溢出效应显示，技术创新对碳生产率的拉动作用不明显，但空间溢出存在“损人利己”效应，即技术创新显著提升了本地区碳生产率的增长，但通过空间溢出效应十分明显地降低了相邻地区的碳生产率的增长，可能的原因是相邻地区政府之间存在资源的无序竞争关系。偏重的产业结构削弱了技术创新对碳生产率的拉动作用。当前中国的区域间贸易整体上不利于中国的碳减排。

第三，动态空间面板模型比静态空间面板模型更为合适，估计结果更为准确。碳生产率存在累积循环效应，其他因素等遗漏变量对碳生产率产生显著的正向影响，静态空间面板模型中的技术创新、产业结构、对外开放等指标不足以全面考察碳生产率的实际情况。静态空间面板模型的一些实证结果在动态空间面板模型中得以进一步验证。

（二）建议

随着工业环境污染问题的日益突出，提高碳生产率迫在眉睫。基于前文关于技术创新对中国碳生产率影响的理论研究和实证分析，笔者提出以下建议。

第一，保证碳生产率的累积循环效应，完善经济增长与环境保护的双赢机制，提高中国碳生产率。中国各区域亟须开发新能源、减少对石化能源依赖，发展低排放、低污染、低能耗的绿色经济。政府、企业和居民要增强环保意识，认识到环境规制、社会文化、消费行为等与碳排放密切相关，提倡低能耗、低碳消费行为，提高碳生产率，保证环境治理和经济增长的延续性。

第二，加大研发投入，提高自主创新能力。重视技术创新，将技术创新作为实现经济高质量发展的重要途径，高度重视颠覆性技术的创新引领作用，以供给侧为突破口，加强绿色技术创新，形成以企业为主体、科研院所为基础、政府部门为支撑的绿色技术创新体系，在明确各区域技术创新模式的基础上，优化研发投入结构。

第三，优化产业结构，提高第三产业占比，走低碳的新型工业化道路。减少低附加值、高能耗产业。大规模推广企业清洁生产模式，改变传统的发展模式。强化申请绿色标志认证，促使企业在提升绿色技术创新水平的同时，使环境管理规范化、常规化、科学化。鼓励消费者购买绿色服务或产品，大力倡导可持续消费，鼓励企业推行绿色生产模式。

第四，进一步扩大对外开放，促进技术有效流动。扩大国际分工、合作的领域和范围，提高国际合作的层次，优化国际资源配置，鼓励各区域积极参与技术领域的国际研发分工与合作。