云南省科技创新、碳排放强度与区域经济发展的交互效应——基于VAR模型

僧建芬

（云南财经大学商学院，云南 昆明 650221）

一、引言

“十三五”期间，云南省科技创新水平指数提升2位，科技创新综合实力明显提升，对经济社会高质量发展有支撑引领之意[1]。与此同时，科技的创新与能源也有着千丝万缕的关联，科技的创新是人才集聚后产生的聚合效应，而科研与科技创新成果的实施落地，便于能源的消耗或储积不可分割。当下，云南省碳排放总量得到控制，低碳交通运输体系的建设及新能源车辆的逐年增加，科技创新在一定层面上节能减排，进一步推动绿色发展概念及保护生态环境。

目前国内学者对科技创新、碳排放强度与经济增长也做了部分研究。

第一，对科技创新与经济发展之间的关系研究。谢周亮等研究科技创新、产业升级与经济增长三者之间的关系，得出产业结构升级在科技创新与区域经济增长之间均存在中介效应，经济增长水平越高，科技创新对其促进作用就越强[2]；杜尔玏等研究发现科技创业可以显著地通过带动区域就业、提升区域创新能力和促进产业结构的优化升级来带动经济增长[3]。

第二，对碳排放强度与经济发展之间的关系研究。赵明轩等研究表明碳排放与经济增长均呈双向因果关系，能源消费与经济增长互为重要影响因素；冯丹蕾等研究发现经济增长通过提高城市化水平对碳排放具有促进效应，通过提高服务化水平对碳排放形成减弱效应[4]。

第三，对科技创新与碳排放强度之间的关系研究。高大伟实证表明我国科技创新系统和低碳经济系统呈现出互相推动和共同协调发展的局面[5]；张玉华等研究科技创新、城镇化与碳排放三者之间的影响机理，研究表明城镇化对碳排放的影响具有双重门槛效应，而科技创新的发展也有利于抑制碳排放效应[6]。

综上所述，国内学者对三者之间关系进行研究的文章较为欠缺，郭莉等提出科技创新和经济发展对本地碳排放强度有显著的抑制作用[7]。但由于各省经济发展及省情不同，可能导致其关系出现差异，则需要具有针对性地对云南省三者之间的相互关系进行详细探析，为该省未来促进经济高质量增长及发展制定相关政策提供一定的参考价值。

二、模型设定、变量设置及数据来源

1.模型设定

基于VAR建立的基础是数据统计，把系统内每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而把单时间序列自回归模型（AR）推广到由多元时间序列变量组成的向量自回归模型[8]。

Sims 1980年在对结构模型所固有的“不可信赖的识别约束”的评论中，提出了多变量自回归模过程，VAR（p）的一般形式为：

其中，p为滞后阶数，xt包含在VAR中个变量的（n×1）向量；A0为（n×1）截距项向量；Ai为（n×n）系数矩阵；et为（n×1）误差项向量。

2.变量设置及数据来源

在衡量科技创新的指标时，Alfranca等[9]、Acemoglu等[10]采用科研投入（R&D）作为输入变量，因此采用R&D投入衡量科技创新水平；碳排放强度则云南省年度排放总量来衡量；区域经济发展采用人均GDP来衡量。三个变量时间序列数据来源于《中国城市统计年鉴》、《云南统计年鉴》、中国碳排放数据库（CEADs），样本数据的时间跨度为1997年～2019年，为减少序列的异方差性，将序列数据对数处理。将科技创新、碳排放强度及区域经济发展分别记为lnTEC、lnCBE、lnECO，描述性统计如表1所示。

由表1可知，三个变量之间的协调发展大致均衡。科技创新及碳排放强度左偏；区域经济发展偏度略微大于0，略微右偏。但偏度与0差异较小，所以可近似于平峰正态分布。

表1 变量描述性统计

三、实证分析

1.平稳性检验

在建立向量自回归（VAR）模型之前，必须对各变量数据的平稳性进行ADF单位根检验。检验结果如表2所示，可知变量lnTEC、lnCBE和lnECO均在1%显著性水平上不拒绝存在单位根的原假设，三个变量经过两阶差分后均通过单位根检验，为平稳时间序列，接下来建立VAR模型。

表2 ADF检验结果

2.VAR模型估计与稳定性

根据AIC及SC信息准则确定VAR模型的滞后阶数为3，故构建D2TEC、D2CBE和D2TEC三者变量的VAR（3）模型。如图1所示为判定结果，可以看出该模型的估计点均在单位圆内，所构建的VAR模型稳定，且存在个别单位根特征值特别接近单位圆周边，表明冲击存在较强持续性。

3.Granger因果检验

在进行Granger因果检验之前先进行Johansen检验可以确保变量间不存在伪回归。检验结果表明三个变量之间至少存在一个协整关系，即科技创新、碳排放强度及区域经济发展之间存在协整关系。

Granger因果检验结果如表3所示。从表3中可知：（1）碳排放强度与科技创新互为因果关系，云南省碳排放强度与科技创新的互动效应较为明显；（2）科技创新在显著水平1%下的条件下为区域经济发展的格兰杰原因，而区域经济发展并非是科技创新的格兰杰原因；（3）碳排放强度与区域经济发展互为格兰杰原因。

表3 Granger因果检验结果

4.脉冲响应与预测方差分解

（1）脉冲响应函数

脉冲响应函数及预测方差分解主要目的在于分析云南省科技创新、碳排放强度与区域经济发展三者之间的相互关系（如图2所示）。当碳排放强度产生一个标准差冲击后，对自身的冲击反应较为敏锐，对区域经济发展在滞后1期产生冲击，冲击力度弱波幅小；对科技创新的冲击存在小幅长期惯性效应，短时间内无法快速消除。

当区域经济发展产生一个标准差冲击后，对其自身的冲击反应并不敏锐，对碳排放强度的冲击较为剧烈；区域经济发展对碳排放强度的冲击表明区域经济的高质量增长会直接加大碳排放总量，在一定程度上对科技创新有稳定促进作用。

当科技创新产生一个标准差冲击后，对其自身的冲击反应较为敏锐；对碳排放强度整体呈负向效应，原因在于当科研成果实施落地后，新能源逐渐普及会缩减碳排放总量，科技创新的进步会削弱碳排放强度；对区域经济发展冲击整体较弱，支持云南省区域经济发展的五大支柱型优势产业为烟草、生物资源开发、旅游业、矿产业、以水电为主电力产业，所以科技创新对云南省区域经济发展推动作用不明显。但科技创新初期科研经费投入较大，并未促进经济发展，但之后逐渐表明科技创新始终助力于促进区域经济发展，

（2）预测方差分解

预测方差分解可以准确衡量各变量间的相互影响程度，表4为区域经济发展、碳排放强度及科技创新等变量的预测方差分解情况。

表4 方差分解

①区域经济发展受自身的方差影响在第10期为62.57%，碳排放强度的影响占比为23.93%，科技创新的影响占比13.48%。可知区域经济发展主要受自身的影响，其次为碳排放强度，再次之为科技创新。原因在于科技创新对区域经济发展的推动作用具有滞后期，且云南省五大优势型产业的发展必将增加云南省碳排放总量加大碳排放强度，所以云南省碳排放强度的增加对区域经济发展的影响占比相对科技创新高；同时云南省并非主要依靠科技创新实现经济增长，所以科技创新对其区域经济发展的促进作用并不强烈。

②碳排放强度受自身的方差影响在第10期为64.94%，区域经济发展的影响占比为11.37%，科技创新的影响占比23.68%。可知碳排放强度主要受自身的影响，其次为科技创新，再次之为区域经济发展。原因在于科技创新推动产业结构的优化升级，实现碳的节能减排削弱碳排放总量。同时科技创新的发展使新能源汽车越发普及，促进碳节能减排；区域经济发展促进能源消费，加大碳排放总量及增加碳排放强度。

③科技创新受自身的方差影响在第10期为62.73%，区域经济发展的影响占比为5.62%，碳排放强度的影响占比31.6%。可知科技创新主要受自身的影响，其次为碳排放强度，再次之为区域经济发展。碳排放总量的减少，表明实施科技创新确实达到一定程度的节能减排、减少污染，进而推动科技创新的发展；但考虑到云南省并非主要依靠科技创新发展其经济，故区域经济的发展对推进科技创新的能力较弱。

四、结论与建议

1.结论

基于VAR模型对云南省1997年～2019年科技创新、碳排放强度及区域经济发展交互效应进行研究，最终得出如下结论。（1）云南省的科技创新、碳排放强度及区域经济发展的大致状态比较均衡。（2）根据Johansen协整检验得出科技创新、碳排放强度与区域经济发展确实存在长期协整关系；Granger因果检验表明云南省碳排放强度与区域经济发展互为因果，科技创新与碳排放强度互为因果，科技创新是云南省区域经济发展的格兰杰原因。（3）脉冲响应及方差分解分析表明云南省科技创新与碳排放强度互相协调、互相促进。科技创新能提高资源能源利用效率，推动节能型产品的生产和使用，是影响碳排放强度最主要的因素[11]；区域经济发展增加碳排放强度，支持云南省经济发展的五大优势型产业，也将增加碳排放总量；科技创新推动区域经济发展，但基于云南省情对其经济发展的促进作用不强。

2.建议

基于以上分析给出以下建议。（1）根据碳排放强度与科技创新之间的互相交互效应，政府应加大科研经费的投入，推进区域科技创新，实现低碳循环发展。（2）努力协调科技创新与经济增长两者之间的关系，强化区域经济发展与科技创新之间的互相促进作用，才能使三者遵循一个较为良性的循环趋势，进而促进经济高质量增长。（3）在实现经济增长的基础上，加快产业结构调整的步伐的基础上，注重大气环境污染问题，鼓励经济环境协同发展。