绿色技术创新促进碳生产率提高的作用机制——基于工业结构升级、循环农业发展和交通运输替代的中介效应分析

刘海英，杨 明，王殿武

（1.吉林大学数量经济研究中心，吉林长春 130012；2.吉林大学商学与管理学院，吉林长春 130012；3.大连海事大学航运经济与管理学院，辽宁大连 116026）

1 问题提出

我国向世界作出力争2030 年前实现碳达峰、2060 年前实现碳中和承诺，坚持在经济发展过程中完成减排目标，实现经济朝绿色低碳方向转型。衡量经济绿色低碳转型的指标有很多，最简单直接的当属用碳排放强度倒数表征的碳生产率指标［1］。碳生产率涵盖了经济产出和CO2排放两个维度，故经常被锚定为兼顾经济发展与CO2减排的预期目标。可以这样说，凡是增加经济产出的因素，比如生产要素投入积累和效率导向的技术创新，最终都会通过作用到经济产出而影响碳生产率；同样，减少碳排放的因素，比如能源投入结构改善、产业绿色转型和绿色消费拉动等，最终也会提高碳生产率。综合来看，绿色技术创新既能提高产出效率又能减少碳排放，是提高碳生产率的根本途径。

绿色技术创新通过产业绿色转型发展来促进碳生产率。我国产业发展在创造经济效益的同时伴随着大量的碳排放，据统计，工业（含建筑业）、农林牧业和交通运输业是我国CO2排放的主要行业，其CO2排放量分别占我国碳排放总额的47.40%、20.22%和14.50%［2］。因此，通过绿色技术创新，实现产业部门的绿色低碳转型升级，减少上述三大产业部门的碳排放量是我国经济实现绿色低碳高质量发展的根本立足点。绿色技术创新通过节能减排直接提高工业部门碳生产率，降低高污染和高耗能的产业占比，实现工业绿色转型。农业部门是仅次于工业的碳排放重点行业，众多研究表明绿色技术创新能够促进农业资源的循环利用，发展循环农业、高效利用农业资源是农业低碳发展的新路径。此外，绿色技术创新通过“公转铁”“公转水”和新能源等减排政策的引导，促进交通运输系统结构朝绿色低碳的技术路径进行演化，最终必然降低以化石能源为主要燃料的交通运输行业碳排放量。

然而在现实中，绿色技术创新对碳生产率的影响究竟如何？绿色技术创新是否具有空间集聚性及溢出效应，而且这种影响是否是通过上述机制来驱动的？究竟哪一类行业对碳生产率提高的影响更显著，它们之间又会有何影响？基于此，本研究利用我国30 个省份的面板数据，首先构建经济地理权重矩阵，通过空间计量方法探究碳生产率的空间分布特点；其次，运用空间杜宾模型检验绿色技术创新与碳生产率之间的关系；最后，运用多重中介效应模型，对比分析工业结构升级、循环农业发展和交通运输替代对碳生产率提高的影响，以揭示绿色技术创新促进碳生产率提高机制在3 类不同高碳行业部门传导路径的差异性。

2 绿色技术创新促进碳生产率提高的影响机制

2.1 工业结构升级

工业结构升级离不开创新驱动，通过加大绿色技术创新投入力度，转化为先进的生产力，从过多依赖人力劳动的传统模式逐渐转变为运用先进技术和设备的模式，形成新的工艺流程，加快工业升级的步伐，实现工业结构合理化和保护环境的目标。合理调整工业结构，向着技术密集型产业转型，能够消耗更少的能源、带来更高的附加值，进而降低污染物的排放量，引导工业绿色转型，走向绿色集约化的发展道路。发展高新技术产业、优化产业布局，大力推进节能减排是提高碳生产率的途径之一。基于此，提出如下假设：

假设1：绿色技术创新促进碳生产率提高存在绿色技术创新加强→工业结构升级→碳生产率提升的路径。

2.2 循环农业发展

我国国务院于2021 年2 月颁布的《关于加快建立健全绿色低碳循环发展经济体系的指导意见》指出，要构建市场导向的绿色技术创新体系，鼓励绿色低碳技术研发，加速科技成果转化。可见，现代科学技术是循环农业发展的有力支撑，加强农业技术研发和推广能够推动生态循环农业可持续发展。进一步来说，发展循环经济能促进资源节约集约循环利用，在关注农业经济效益的同时注重保护生态系统，推动农业系统高效运作，有利于农业绿色发展。由此可见，绿色技术创新可以通过循环农业的生产模式助力实现“双碳”目标。基于此，提出如下假设：

假设2：绿色技术创新促进碳生产率提高存在绿色技术创新加强→循环农业快速发展→碳生产率提升的路径。

2.3 交通运输替代

我国《交通运输部关于科技创新推动交通运输转型升级的指导意见》强调，要加快提升科技创新能力，推动交通运输转型升级。与公路相比，铁路和水路的运输量大、碳排放少，因此增加铁路和水路运输的占比符合低碳交通理念。黄莹等［3］、Khan等［4］分别提出可通过能源转型和数字化升级两种方式来实现交通运输替代，进而形成绿色的交通方式。“公转铁”和“公转水”是低能耗和低排放的运输方式，减排潜力显著，将更多的大宗货物和客运转移到铁路和水路上来。发展联运服务，加强资源利用，对环境更有益。基于此，提出如下假设：

假设3：绿色技术创新促进碳生产率提高存在绿色技术创新加强→交通运输结构优化→碳生产率提升的路径。

3 数据来源与模型设计

3.1 数据来源与变量定义

3.1.1 数据来源

基于我国30 个省份（不含西藏与港澳台地区）2000—2019 年的数据，数据来源于中国研究数据服务平台（CNRDS）、《中国能源统计年鉴》、《中国统计年鉴》、《中国农村统计年鉴》、《中国工业经济统计年鉴》以及各省份统计年鉴等，部分缺失的数据通过插值法补全。

3.1.2 变量定义

（1）被解释变量——碳生产率（cp）。计算公式如下：

式（1）（2）中：GRP表示各地区生产总值（GDP）；E表示各地区CO2的排放量，使用《2006 年IPCC国家温室气体清单指南》中的方法计算CO2排放量，选取原煤、焦炭、原油、汽油、煤油、柴油、燃料油和天然气的终端消费总量；ACi,j表示i地区第j种能源消耗量；NCVj 表示第j种能源平均低位发热量；CCi,j表示单位热值的含碳量；Oj表示第j种能源的碳氧化率；44/12 表示CO2与碳的相对分子质量比。

（2）核心解释变量——绿色技术创新（lntech）。用各省份2000—2019 年绿色专利申请数的对数形式来衡量。

（3）控制变量。能源结构（estr）用各省份清洁能源中的天然气、电力消费总量占地区能源消费总量的百分比表示。对外开放程度（lnimex）用各省份进出口总额的对数表示，首先对进出口总额按照当年汇率把美元转成人民币，再用消费者价格指数以2000 年为基期平减。经济发展水平（lnpgdp）用各地区人均GDP 表示，GDP 以2000 年为基期，用GDP 价格指数平减。城镇化（urban）以各省份城镇常住人口数占总常住人口数比表示。结构优化（str）参考任晓松等［5］的做法，用各省份第三产业增加值与工业增加值之比来衡量。

（4）中介变量。1)循环农业发展(lncdea)。循环农业的发展目标是减少物质投入和废物的排放，合理利用产生的废物，提高农业产物的产量。为掌握某一省份循环农业的发展情况，从农业投入和产出效果这一角度出发，对循环农业系统的运行效率科学评价很有必要。因此，参考秦钟等［6］、Andersen 等［7］的研究，采用数据包络分析（DEA）中的超效率DEA 法计算农业循环超效率值衡量循环农业发展，选取的投入指标有耕地面积、化肥使用量（折纯量）、灌溉面积、农村常住人口和农用机械总动力，产出指标包括粮食产量和农业总产值。超效率值的处理方法参考Grossman 等［8］的做法。2）工业结构升级(ind)，参考唐晓华等［9］的研究，用各省份高技术产业占非高技术产业比重来表示工业结构升级。3）交通运输替代(tran)，用各省份水路和铁路货运换算周转量占总换算周转量百分比表示，周转量换算方法参考袁长伟等［10］的研究。

3.2 空间计量模型

3.2.1 空间自相关检验

所有事物都与其他事物相关联，但较近的事物比较远的事物更关联，这是地理学第一定律［11］。如果不考虑空间的分布因素，相关分析最后得到的结果可能会出现偏差。空间自相关分析能够检验考察范围内相邻的地区之间的关系是空间正相关、负相关还是相互独立［12］。本研究用莫兰指数(Moran'sI)进行空间自相关检验，验证碳生产率是否存在空间依赖性以及空间计量模型是否适用。莫兰指数的计算公式如下：

选用经济地理距离权重矩阵W，从经济发展和地理位置的角度进行实证分析。计算公式如下：

式（4）～（6）中：di,j表示省会（首府）之间的距离；G为各省份人均GDP 的年均值；Wd为地理距离权重矩阵，用di,j的倒数表示；We为经济距离权重矩阵，用两地G值的差的绝对值倒数来表示。

3.2.2 空间杜宾模型

空间计量模型可以解决线性回归时无法解决的空间依赖的问题，常见的3 种形式有空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型(SDM)［13］。其中，SDM 模型的表达式如下：

式（7）中：Y表示解释变量，是一个n维列向量；X是解释变量，是一个n×k矩阵；α是常数项；β是解释变量的回归系数，都是k维列向量；ρ是空间回归系数，取值范围为［-1,1］，刻画被解释变量与相邻单元的被解释变量的相互影响程度；ε表示随机误差项，通常认为它是独立分布的。

SDM 模型引入了空间权重矩阵，不存在内生性问题［14］，克服了传统计量模型最小二乘法估计有偏或无效的不足。

3.2.3 空间杜宾模型的效应分解

空间杜宾模型的回归系数不仅有本地解释变量对被解释变量产生的影响，也有邻近地区对被解释变量产生的影响。LeSage 等［15］通过偏微分法把空间杜宾模型的解释变量对被解释变量的总影响分解为直接和间接影响，其中直接效应表示在本地解释变量对局部被解释变量的平均效应，间接效应表示本地解释变量对邻近区域的平均效应。把式（7）的项移到等号左边，得到如下公式：

因变量中关于第k个变量的偏微分方程矩阵如式（10）所示，空间杜宾模型的直接效应和间接效应分别对应矩阵中对角线和非对角线元素，若且，则不存在任何间接效应；若，表示存在间接效应。

3.3 多重中介模型

参考柳士顺等［16］的做法，采用单变量并行多重中介模型，如图1 所示。

图1 单变量并行多重中介模型

一元多重中介效应的分析与检验由3 个部分组成：对总体中介效应的估计与检验、对个别中介效应的估计与检验、中介效应间的比较。表达式如下：

4 实证结果分析

4.1 空间计量实证分析与稳健性检验

4.1.1 空间计量实证分析

为了探究样本地区碳生产率在空间上的分布特点，绘制出2019 年碳生产率空间分布图（见图2）。整体来看，各地区的碳生产率从低到高分为4 个梯次，从里到外数字增加表示碳生产率在增加，碳生产率数值相近的省份在地理位置上相邻，东部沿海省份的碳生产率要高于西部内陆省份，北方的碳生产率比南方低。

图2 2019 年样本地区碳生产率空间分布

如图3 所示，2000—2019 年各地区碳生产率的莫兰指数值分布在0.374～0.492 之间，且通过了置信水平为1%的显著性检验，进一步说明各地区碳生产率呈现空间正相关性且具有显著的空间集聚特征，因此本研究采用空间计量模型合理。

图3 样本地区碳生产率空间自相关时序分布

如表1 所示，LM-Error、LM-Lag 的值和稳健性均通过1%的显著性水平检验，因此，空间计量模型应优先考虑SDM 模型；Hausman 检验值在1%水平上显著，因此适用固定效应模型。通过LR 检验发现，时间固定效应和空间固定效应都在1%的水平上显著，拒绝了各自的原假设，因此可用于空间时间双边固定效应模型。

表1 计量模型检验结果

表1（续）

综上所述，本研究采用的是双边固定效应的空间杜宾模型，公式如下：

确定SDM 模型后，在经济地理空间权重矩阵下，按照式（8）～（10）的做法，对式（14）进行效应分解。结果如表2 所示，绿色技术创新对碳生产率的直接效应在1%的水平上显著，说明本地的绿色技术创新对本地的碳生产率有显著的提升作用；绿色技术创新对邻近地区碳生产率的抑制作用不显著，说明绿色技术创新的溢出效应不显著；加大绿色技术创新投资力度，不仅降低污染物排放量，还能为经济增长注入新动力，促进经济绿色转型［18］，因此绿色技术创新带动了总体碳生产率的提升，对本地产生的影响大于对邻近地区的影响。控制变量中，清洁能源使用增加使得能源结构优化，显著促进了本地和邻近地区碳生产率的提升；对外开放程度扩大对本地碳生产率有显著抑制作用，这与胡剑波等［19］研究得出的结论一致，但对邻近地区的碳生产率有着显著促进作用；经济水平越高对本地碳生产率促进作用明显，可以认为本地经济增速超过了碳排放量的增速，但对邻地的碳生产率有显著抑制作用；城镇化进程加快对本地和邻近地区的碳生产率都有显著抑制作用，因为城镇化进程加快使得能源消费增加、CO2排放量增加，不利于碳生产率的提升；产业结构优化对本地碳生产率促进作用不明显，但显著提升了邻近地区的碳生产率，说明当第三产业增加值占GDP比重超过工业增加值所占比重的时候，有利于碳生产率增加。

表2 样本地区2000—2019 年绿色技术创新与碳生产率效应分解结果

4.1.2 稳健性检验

稳健性检验采用替换空间权重矩阵和核心解释变量的方法。参考郭卫香等［20］的研究，套用矩阵Wd进行替换空间权重矩阵的稳健性检验；用R&D投入强度替换绿色发明专利申请数，并参考朱平芳等［21］的做法构造R&D 价格指数计算R&D 投入强度。两种检验也采用双边固定效应的空间杜宾模型，结果显示各个变量和空间计量模型的符号方向及显著性基本与以上实证结果一致，说明本研究的结果具有一定的稳健性。

4.2 中介效应检验与比较

为分析工业结构升级、循环农业发展和交通运输替代3 个中介变量作用机制路径，参考Jia 等［22］的方法，构建基于SDM 模型的两阶段中介效应模型，具体作用机制路径如图4 所示。

图4 中介变量两阶段作用机制路径

首先检验绿色技术创新对中介变量的影响，计算公式如下：

然后检验中介变量对碳生产率的影响，计算公式如下：

结果显示，上述3 个中介变量的莫兰指数为正且显著，并通过了LM检验、Hausman检验和LR检验，因此采用双边固定效应的空间杜宾模型。从两阶段中介效应模型检验结果可以看出（见表3），绿色技术创新对循环农业发展、工业结构升级和交通运输替代都有着显著的促进作用，原因在于：循环农业发展需要绿色创新技术支持；绿色技术创新使得工业中“三高”企业的比重减少；绿色技术创新能有优化现有的交通运输结构、减少公路运输产生的污染物。此外，工业结构升级、交通运输替代对碳生产率有显著的促进作用，因为工业产业结构调整后能够淘汰落后产能、减少碳排放，提高碳生产率，而“公转铁”“公转水”等举措减少对公路运输的依赖，在节能减排方面的潜力很大；然而，循环农业发展抑制碳生产率的提高，可能由于过多使用化肥引起碳排放，以及农用机械正常运作消耗柴油和汽油等能源产生了过多的CO2。

表3 基于SDM 模型的两阶段中介效应模型分析结果

经计算，中介效应总和为0.022。第一步，用多元得尔塔法对中介效应总和的显著性进行检验，计算出Z=2.283，总体中介效应在5%的水平上显著，因此工业结构升级、循环农业发展和交通运输替代3个变量同时作为中介变量合理。第二步，进行个别中介效应的估计与检验，结果显示只经由lncdea、ind、tran 的中介效应分别为-0.007、0.018、0.012，借鉴Sobel［17］的检验方法，得到相应的Z值为-1.859、3.427、2.529，分别在10%、1%、5%的水平上显著，说明在绿色技术创新水平不变的条件下要改变碳生产率，循环农业发展、工业结构升级和交通运输替代这3 条路径是可行的。第三步，进行个别中介效应比分析，经计算，工业结构升级途径效应所占中介效应的比例最高，为48.9%，其次为交通运输替代，为32.3%，循环农业发展占比最低，为18.8%，与我国“二三一”型产业结构相似。

构造比较函数并求出比较函数的方差对比个别中介效应，计算公式如下：

结果显示，只经由循环农业发展、工业结构升级的中介效应之间存在显著差异，Z=-4.010，说明两个中介变量产生的效应不同；只经由循环农业效率、运输替代的中介效应之间在1%的水平上存在显著差异，Z=3.533，表明循环农业发展和运输替代产生的中介作用不同；但是经过工业结构升级、交通运输替代的中介效应之间不存在显著差异，Z=1.037，则经由这两个变量的中介作用是等效的，假设1 和假设3 成立。虽然绿色技术创新促进循环农业发展得到验证，但循环农业发展与碳生产率负相关的结果与假设相矛盾，因此假设2 不成立。

5 结论与建议

5.1 研究结论

（1）样本省份碳生产率通过了莫兰指数检验，存在显著的空间集聚特征。2000—2019 年间各省份的碳生产率都在不断上升，呈现“东高西低、南高北低”的特征。

（2）在空间地理经济权重矩阵下，绿色技术创新对本地的碳生产率也有显著的促进作用，但对相邻地区的碳生产率作用不显著。

（3）绿色技术创新促进了工业结构升级、循环农业发展和交通运输替代，工业结构升级和交通运输替代对碳生产率有显著的促进作用，循环农业发展抑制了碳生产率的提升，3 个中介变量总效应占比从大到小依次为：工业结构升级＞交通运输替代＞循环农业发展。此外，循环农业发展和工业结构升级、交通运输替代产生的中介作用不同，工业结构升级、交通运输替代的中介效应之间不存在显著差异。

5.2 讨论与启示

（1）我国碳生产率呈现空间集聚的趋势，提高碳生产率需要各地加强协同治理，在携手向着共同富裕目标迈进的同时还要加强节能减排的合作。创新技术的合作、共享是必不可缺的，加大创新投入力度，提高自主研发能力，尤其是绿色创新技术，最终实现低碳发展与经济增长的双重目标，不断提高人民生活质量，做到与自然和谐共处。

（2）工业结构升级能够促进技术密集型产业的发展，避开“先污染，后治理”的老路。发展高技术产业离不开政府的支持和肯定，因此政府要充分发挥在资源配置中的引导性作用，让社会资源向着高技术产业流动，支持高技术产业发展；对高新技术产业提供优惠政策，为高新技术产业的发展“开绿灯”。工业结构升级离不开优秀的技术人才，企业要吸引专业素质高、技术本领过硬的人员，还要积极开展前沿技术的培训，加快工业结构转型的步伐。

（3）实现绿色技术创新在提高碳生产率的同时促进循环农业发展，要注重在农业方面的绿色技术创新，大力向农民推行最新的技术，尤其是低碳绿色农业技术；同时要因地制宜，寻找更符合各地区循环农业发展的模式，充分利用好已有资源，加大农业循环方面的创新投入力度，投入端减少不必要的物质，充分利用非期望产出，提升循环农业系统的运行效率，改善农村生产生活环境，提高农民生活水平。此外，还要重视农业在增加碳汇中扮演的重要角色，让绿水青山实现其价值，促进农业低碳发展。

（4）交通运输结构优化有益于碳生产率的提升。然而，目前我国交通领域所使用的能源仍然以化石燃料为主，清洁能源占比依然较低，导致温室气体排放量不断增加。在推动交通运输结构优化的同时，要把能源结构优化提上日程，并推动相关绿色技术创新；此外，还要提升交通运输装备的能源利用效率，优化交通能源结构，发展多式联运智能集成技术，推动交通运输结构高效化、清洁化发展。针对交通领域的热点和重点问题，加强国际合作，汲取国外交通运输业的最新技术成果，促进科技成果转化，推行低碳交通运输方式，尽快实现碳达峰、碳中和目标。