高质量进口、工业智能化与碳效率——基于调节效应模型的实证检验

田晖 秦佳奇 郭 明

（中南大学 商学院， 湖南长沙 410083）

一、引言

随着全球变暖趋势加剧，为加快推进实现碳减排，中国在应对气候变化国家自主决定贡献文件中明确提出：“二氧化碳排放2030 年左右达到碳峰值， 单位国内生产总值二氧化碳排放比2005 年降低60%～65%”。然而《世界能源统计年鉴2021》统计数据显示，2020 年中国二氧化碳排放总量约为99.0亿吨，占世界碳排放总量约30.7%，碳减排目标实现任重道远。 对外贸易能够通过进口贸易的技术溢出效应，打开碳减排的“贸易窗口”。[1]同时伴随工业4.0时代到来， 工业智能化的发展也为构建低碳发展模式提供了契机。 2021—2030 年，人工智能（AI）的应用能有效减少26～53 亿吨的二氧化碳排量，能够有效改善能源要素配置和使用效率、 减少生产过程中的碳排放。 作为工业发展的新形态，智能化与各产业不断渗透、融合，逐渐重构产业发展模式，推动产业向低碳技术密集型转变。 与以往研究的生产节能技术进步不同， 智能化的影响更为广泛和全面，智能化对生产减排的影响也异于一般功能型的专项生产技术，工业智能化的推进对于低碳发展模式的构建具有重要意义。随着工业4.0 时代到来，中国对外开放水平不断提升以及中国高质量发展目标的提出、落实，能否通过高质量进口、利用外部供给助力碳减排目标来实现？ 工业智能化能否提升碳效率？ 工业智能化在高质量进口和碳效率之间是否存在调节效应？ 研究以上问题能明晰高质量进口对碳效率的影响效应与传导路径，为利用高质量进口的技术溢出效应实现减排目标提供理论依据和建议。

二、文献综述

关于高质量进口对碳效率影响的研究主要体现在进口的技术溢出效应能约束碳排放方面。 Coe＆Helpman（2005）选择21 个经合组织国家和以色列1971—1990 年的宏观经济数据进行实证研究发现进口份额越高， 外国R&D 活动对本国经济增长有更高的贡献， 进口活动具备一定的技术引进作用。[2]Bayoumi & Coe（1999）更进一步地指出进口能够提升国内生产技术来源的丰富度，进口品中包含国内无法获得技术， 对经济增长具有研发溢出效应。[3]提高进口产品质量或强化进口产品的技术属性，能够推动国内技术进步，进而实现技术溢出效应，发挥进口的碳减排作用。 大部分学者就技术溢出效应能够有效约束碳排放已达成基本共识，焦建玲等（2018）基于地理经济距离研究技术溢出的碳减排效应，发现省际研发活动的技术溢出能显著抑制碳排放。[4]张文君和任荣明（2014）通过研究不同技术渠道对中国工业二氧化碳排放的排放影响发现， 增加贸易和FDI 能够给碳排放带来技术溢出，缓解碳减排压力。[5]更进一步地，Grubb et al.（2002）＆Albornoz et al. （2009）认为进口国企业能够通过进出口贸易学习模仿先进环境技术，借助国内环境标准压力或者外贸市场中的质量竞争压力促使进口国企业提升环境技术水平，能够更好地实现技术溢出效应。[6-7]郭庆宾和柳剑平（2013）探索进口贸易层面的技术溢出效应，研究发现进口贸易的技术溢出效应对于碳排放的抑制作用显著。选用中国与G7国家的贸易数据进行实证检验，认为进口贸易的技术溢出效应能够显著降低碳排放强度，并且两者的空间相关性能有效带动周边地区实现碳减排。[8]

Abramovitz(1986)指出模仿者自身的技术水平、配套工艺设备和生产环境条件决定技术溢出效应能否实现以及技术模仿最终成果的质量。 高质量进口品能否实现技术溢出一定程度上取决于现有技术条件，智能化为最大化实现技术溢出提供了契机。[9]现有智能化与贸易领域相关研究成果稀缺，而李丫丫和潘安(2017)指出工业机器人的使用将推动企业模仿学习先进技术和产品，进而增强内部创新能力并带动研发创新。[10]同时，东道国研发水平和吸收能力会影响进口贸易的技术溢出强度。 这为笔者探索作为技术前沿的智能化、高质量进口能否联动影响碳效率提供了思路启迪。

有关工业智能化的碳减排效应， 已有文献主要从生产投入层面考察智能技术应用和选取机器人投入数量进行研究。Liu et al.(2021)选取工业机器人数量作为人工智能水平的代理变量研究AI 与行业碳排放之间的联系，研究发现人工智能与碳强度呈负相关关系，生产环节中机器人的投入使用能够提高资源利用效率约束碳排放。[11]而黄海燕等(2021)选取机器人运营库存衡量工业智能化水平，得出智能化对于碳强度产生负向影响的结论，但负向影响因要素密集度的差异产生异质性效果。[12]Zhang et al.(2022)选取智能物流作为研究对象，发现物流过程的智能化能更有效地整合物流各环节经济资源，降低设备能耗从而减少碳排放。Chiroma et al.(2015)指出作为人工智能领域高端前沿的人工神经网络能够精确预测二氧化碳排放量，提升气候政策决策准确性，间接减少碳排放。[13-14]此外，Zhang & Ji(2019)也指出智能技术能够通过数据的搜集分析进行精确监测和驱动碳排放预测，并能够建立相应的能耗模型进行低碳控制。[15]

综上， 进口技术溢出减缓碳排放已达成基本共识，工业智能化的减排效应也得到初步探索。 且部分学者的研究为笔者探索工业智能化、高质量进口与碳效率之间的关系提供了理论基础和思路启迪。然而，现有研究存在样本选取、指标测度上存在一些不足，因此，全文的拓展主要在于：第一，考虑各省份进口国别结构，选取各省份不同年份前5 名和前10 名进口来源国的相关高质量进口数据分别进行检验，充分考虑各地区国别结构差异和不同范围来源国的影响差异， 克服以往研究进口来源国家“固定”的研究局限；第二，将工业智能化作为调节变量探索性的检验智能化在高质量进口与碳效率之间的调节效应，为研究高质量进口和碳效率之间关系提供新的视角，丰富了智能化与贸易领域以及智能化和碳减排之间的研究；第三，选取中国30 个省份样本数据，通过指标体系测度智能化水平，克服以往研究仅使用机器人数量研究智能化碳减排效应的片面性，增加了研究结论的解释力。

三、理论机制分析

（一）高质量进口对碳效率的影响

高质量进口主要借助国内研发创新实现技术溢出效应，通过技术吸收、自主创新和技术扩散影响生产活动过程，从而约束碳排放，提升碳效率。 首先，扩大优质产品进口或者强化进口品的技术属性将产生竞争效应， 进而激励国内产业进行创新活动，能有效推动国内企业R&D 活动，增强自主创新技术研发。 R&D 投入增加，创新速度和技术进步速度加快，借助内生创新努力提升产品质量、企业生产效率从而降低碳排放强度。[16-17]其次，人力资本积累也是进口品技术属性溢出实现的重要渠道。 劳动力对高质量进口产品进行研究、学习以及投入进口品使用的过程中能有效发挥“干中学”的优势，技术人员的技术水平提升能有效改良、创新现有生产技术。 借助人力资本的流动和积累效应，充分发挥高技术含量产品的技术溢出效应，间接降低碳排放强度。 值得注意的是，人力资本、技术创新以及二者协同作用均具备显著的减污效应。[18]技术人员水平越高则具备更强的技术吸收能力，更容易在研究学习高质量进口品进而模仿学习、改进创新现有技术的过程中实现技术扩散， 提高对资源要素的利用效率，从而使研发、生产、销售等活动朝更绿色方向发展。 随着产业结构调整升级进程加速，机器机械和电气设备、光学和精密仪器以及各自零部件等中间投入品进口份额更大、占比总份额更高。[19]高技术属性产品附有较高技术标准和环境标准，能在生产使用过程中减轻污染，货物进口结构逐步技术密集化能有效改善环境质量进而推动经济高质量发展，推动低碳型社会建设。[20]据此，笔者提出如下假说。

假说1：高质量进口能正向影响碳效率提升。

（二）工业智能化的调节作用

工业智能化能够有效降低产业间的资源成本、优化生产要素配置和创造新兴业态从而提升碳效率。 一方面，以智能技术、智能资本为核心的智能化推进使得企业能借助智能系统进行精细化管理和精细化生产，减少生产销售各环节的资源成本和交易成本，降低因时空限制导致的能源低效耗损从而约束碳排放。 另一方面，智能技术的应用将进一步改善劳动结构，实现“资本的智能化”。[21-22]生产要素质量提升与合理配置有助于经济低碳发展模式构建。同时，智能化在传统产业中深度渗透、融合，能促使生产要素进一步向数据要素转变，进而引发新发展模式、创造低碳环保新业态、有效减少碳产出。[23]

推进工业智能化能进一步强化产业对进口产品技术属性的吸收能力，进而实现高质量进口的技术溢出作用，提升产业生产率和碳效率。 工业机器人、智能技术的运用能够进一步加强企业对高技术产品的模仿和吸收学习能力，进而带动企业相关产品生产技术的革新。 生产技术进一步发展和成熟能有效降低生产各环节的资源消耗，减少环境污染，是实现减排目标的重要途径。[24]在智能化的加持下，企业对高技术产品模仿、高效学习的同时也能进一步提升自主创新能力，降低创新研发时间成本。 自主创新与国外技术互补、匹配，发挥R&D 改善环境的直接作用，有效吸收国外先进技术，从而间接约束二氧化碳的排放。[25]据此，笔者提出如下假说。

假说2：工业智能化对碳效率发挥正向影响作用。

假说3： 工业智能化在高质量进口与碳效率之间发挥正向调节作用。

四、计量模型设定

（一）变量选取

1.解释变量：高质量进口（HIMP）

高质量进口主要是指进口品的技术属性情况，参照刘航和杨丹辉（2020）对高质量进口的衡量，选用来源国R&D 投资当量RDjt和进口额占比出口额bijt两个指标构成高质量进口指标HIMPit， 得到HIMPit=RDjt×bijt。 其中，RDjt是第j 个来源国R&D 投资的当年流量（单位：亿美元）。 以2000 年为基期，采用永续盘存法估算RD 资本存量值。 基期年起始存量测算为：其中gj，2000-2016为第j 个来源国R&D 投资年均增速， 折旧率啄为5%；且以2005 年不变美元价格和2000 年购买力平价指数处理价格和汇率因素的影响。 bijt是i 地区从第j 个来源国的进口额占该国当年出口额的比重，即表示第j 个进口来源国R&D 可能向i 地区产生溢出的权重。 同时，选择i 地区在第t 年的前5 位和前10 位进口来源国作为研究样本。

2.被解释变量：碳效率（CEE）

已有碳排放相关测算研究比较成熟， 不同学者在碳排放量、碳效率等衡量碳排放的指标选择方面各有侧重。 鉴于中国树立发展低碳经济目标的内涵，碳效率与经济相关程度更高，碳效率的提升，即单位二氧化碳排放带来的GDP 增量提升，符合低碳经济内涵且与中国经济发展阶段性特征相吻合，从碳效率的角度探讨高质量进口对碳排放的影响。[26]根据IPCC 提供的碳排放量计算方法进行， 能源消耗选用原煤、焦炭、原油、汽油、柴油、燃料油、天然气、煤油、液化石油气，具体测算方式如下：

其中，Ceitj表示i 地区t 时期消耗j 能源产生的碳排放量；ADitj表示i 地区t 时期j 化石能源的消耗量；Dj表示标准煤转化系数；e 表示标准煤热值；CCj表示j 化石能源产生的每单位净热值的含碳量；Oj则表示能源j 燃烧过程中的氧化率；44/12 表示碳元素量转化为二氧化碳的量。 碳效率CEEit表示为GDP 与碳排放量的比值，即碳效率：

3.调节变量：工业智能化（INT）

既有研究尚未对工业智能化作出统一的衡量标准，主流测算工业智能化水平的方法主要有智能化指标体系、生产机器人使用数量和工业机器人密度等。 鉴于机器人投入数量仅体现了生产层面的智能化， 衡量层面较为单一， 故参照孙早和侯玉琳（2019）的指标体系构建法，将工业智能化水平细化为基础投入、生产应用、社会效益三个层面，具体见表1。[21]对所选用的指标进行无量纲化处理后采用主成分分析法降维，最终计算得到工业智能化指标（INT）。

表1 工业智能化指标体系

4.控制变量：

鉴于可能因遗漏变量产生的内生性问题，选取如下控制变量：①一次能源消费量（EC），取各省份各年煤炭消费总量的对数衡量。 能源消费情况直接影响碳排放情况，能源消费结构与碳排放增长间具有紧密联系，为控制碳排放增长，能源消费情况调整是关键因素（张雷等，2010）。[27]②基础设施建设（Infra）， 选用各省份每十平方千米土地上铁路长度和公路长度的几何平均值。 基础设施建设尤其是轨道交通发展具备环境效应，交通方式的替代效应能助力碳减排（孙鹏博和葛力铭，2021）；[28]③人口老龄化程度（Age），选用各省份老龄人口抚养比衡量。 老龄化程度对能源消耗、产业变更和经济发展产生较大影响， 进而带来碳排放变化（刘辉煌和李子豪，2012）。[29]④人力资本水平（Hi），采用大专及以上人员的占比就业人数衡量。 人力资本能通过自身流动性、外溢性与产业结构等相结合产生碳减排作用，人力资本水平的变化与碳排放之间存在显著的减污效应（Bano et al.，2018）。[30]⑤地方财政水平（Gov），选取各地区财政支出占地区GDP 之比衡量。经济快速发展将影响环境质量，经济的高速增长很大程度上依赖于地方政府追求GDP 和财税收入。同时中国能源和资源主要由政府把控，政府各项干预一定程度影响经济增长和环境效率，也是影响碳效率的重要因素（李猛，2009）。[31]

（二）计量模型设定

为研究高质量进口与碳效率之间的关系以及工业智能化在“高质量进口→碳效率”这一过程中发挥的调节作用，参考温忠麟等（2005）提出的调节效应模型和检验流程，建立如下计量方程。[32]

第一步，建立方程（1）探究高质量进口对碳效率的直接影响：

第二步，建立方程（2）探究工业智能化对碳效率的直接影响：

第三步，建立方程（3）将工业智能化和高质量进口同时纳入模型进行联合显著性检验：

第四步，为研究工业智能化在高质量进口与碳效率中的调节效应， 将两者的交互项纳入模型中，得到模型（4）：

其中，i 和t 分别代表地区和年份；CEEit表示i地区在第t 年的碳效率；INTit表示i 地区在第t 年的工业智能化水平；HIMPit是i 地区在第t 年的高质量进口情况；Zmit则表示一系列控制变量，具体包括对一次能源消费量（EC）、基础设施建设（Infra）、人口老龄化程度（Age）、人力资本水平（Hi）和地方财政水平（Gov）；εit为随机干扰项。

五、实证结果分析

（一）基准回归分析

选取2004—2017 年中国30 个省份的面板数据进行回归分析，控制时间和个体因素，研究高质量进口对碳强度的影响以及工业智能化在其中发挥的调节作用。 无论是进口来源国前5 位国家还是进口来源前10 位的国家， 其进口质量和工业智能化对于碳效率的正相关关系均在1%的水平上显著，说明进口质量和工业智能化程度的提升能有效抑制碳排放，假说1 和假说2 成立。 同时，工业智能化和高质量进口交互项 （HIMPtop5×INT 和HIMPtop10×INT）系数均为正，且经过1%的水平检验，说明工业智能化在高质量进口提升碳效率的过程中发挥正向调节作用，智能化与高质量产品相结合能进一步约束碳排放的增加。 一方面，工业智能化不仅能有效提升生产效率和资源利用效率，也进一步扩大企业对于高科技、精密仪器产品等高质量进口品的需求，推动生产向精细化、绿色化转型，从而提升碳效率。 另一方面，智能化的推进使得企业学习和模仿高技术含量产品的时间、 资源成本有效降低，有效强化和提升企业的吸收能力，进而发挥高质量进口的技术溢出作用，生产效率和碳效率得以提升。

地方财政水平（Gov）、基础设施建设（Infra）、人力资本水平（Hi）对碳效率的正向作用均通过1%的水平检验，说明交通运输方式的替代效应提升碳效率，基础设施建设的环境效应得以发挥，能助力碳减排目标的实现（孙鹏博和葛力铭，2021）。[28]人力资本的减污效应也得以展现，人力资本水平的提升能够减少污染，助力碳减排目标的实现。 地方财政水平（Gov）在1%的水平上通过检验，说明地方政府财政支出提升，公共物品投入比重加大、社会福利增加能有效约束污染物排放（Lopez R et al.，2011）。[33]同时，进一步说明从支出角度出发制定的财政政策能更好地发挥减排效应（盛丽颖，2011）。[34]更进一步的，一次能源消耗量（EC）对碳效率的负向影响均在1%的水平上显著，说明一次能源消费增加不利于低碳发展模式构建，能源消费是二氧化碳排放的重要来源，且一次能源消费越多，碳排放效率越低，与发展事实相吻合（朱德进和杜克锐，2013）。[35]老龄化程度（Age） 负向作用于碳效率在联合方程中经过1%的水平检验，究其原因可能在于中国目前老龄化速度加快与养老等新兴低碳产业发展速度不匹配、养老产业链不够完善，银发经济对于低碳经济发展模式构建的贡献度较弱。

（二）异质性分析

进一步考虑到区域异质性的特点， 不同地区智能化水平和进口结构存在差异，按照东中西部地区划分区域，探究不同区域内高质量进口对碳效率的影响以及工业智能化的调节效应。 由此可见，不论是选择前5 名的进口来源国还是前10 名的进口来源国的相关数据作为高质量进口的代理变量，各地区的工业智能化与高质量进口的交互项均为正，说明智能化在高质量进口与碳效率之间发挥正向的调节作用，智能化能够与高质量进口相结合发挥碳减排作用，而且各地区智能化的调节作用大小相差较小且数值较小，可能原因在于智能化处于初期发展阶段，其经济、环境效益尚未充分展现，智能化和高质量进口的耦合程度有待加强。 中部地区进口来源国扩大后（HIMPtop10）的智能化和高质量进口的交互项系数依旧为正但不显著，而其余地区交互项均为正且显著，究其原因可能在于中部地区进口国别变动较大，进口国别的差异较大，进口贸易的技术溢出效应对于碳排放的影响除了产品本身的技术含量水平以外也受到进口国别因素的影响（Geng W.and Y.Q.Zhang.，2011）。[36]东部地区高质量进口对碳效率的影响均未通过10%的显著水平检验，除去进口国别影响之外，原因可能在于东部地区的区域创新能力较强、人力资本水平等高于国内其他区域，高质量进口的技术溢出作用较小，对于本地研发创新推动作用较弱， 进而对于碳效率的提升贡献较小。中西部地区的工业智能化和高质量进口对碳效率的影响与全国层面的结果一致，与假说相吻合。

（三）稳健性检验

为证明研究结论的可靠性以及可能潜在的内生性问题，选择更换智能化指标验证智能化的调节效应以及采用GMM 方法检验回归结果。同时，通过双重差分法（DID）对智能化的减排作用进一步识别和验证。

第一， 借鉴市场化指数构造的方法（樊纲等，2011）， 以算术平均法替代主成分分析法测算工业智能化水平（INT1）进行稳健检验；替换智能化指标后的计量分析结果与上述调节效应基准回归的结果一致， 核心解释变量的系数大小有变化以外，显著性和符号均同基准回归一致， 故结果具有稳健性。[37]第二，为了避免动态面板模型可能存在的内生性问题影响回归结果， 将解释变量（HIMPtop5、HIMPtop10）的一阶滞后项作为工具变量，采用两阶段SYS-GMM 进行估计分析， 对控制变量进行控制以及进行自相关检验和过渡识别检验，联合显著检验具体回归结果见表8； 由GMM 估计结果可见，两阶段自相关结果可以证明“扰动项无自相关”假设以及过度识别检验结果可说明工具变量选择的有效性，模型的设定和估计的结果合理。 同时，碳效率滞后一期的回归系数皆为正，说明在控制变量中加入被解释变量的滞后一期依旧有效。 而且高质量进口（HIMPtop5、HIMPtop10）、智能化的交互项均通过显著性检验，更进一步证实假说成立。 第三，借鉴刘航和杨丹辉（2020）[20]的检验方法，采用双重差分法（DID）对智能化的减排作用进一步稳健性检验。 智能制造是工业智能化的重心，智能制造政策是严格外生的冲击，政策实施前后对于智能制造的投入力度也存在差异， 故选取智能制造政策颁布生效的2015 年为时间虚拟变量Dt，处理组与对照组的划分以2015—2017 年各省份碳排放量是否高于同时期全国平均排放量为依据，设定Du 进行“准自然实验分析”，具体回归结果见表9。根据回归结果可知，无论采用何种回归命令，双重差分项Dt×Du 系数均为正且显著。 故智能化的碳减排效应得到验证，推进智能化能够提升碳效率。

六、结论与对策建议

基于2004—2017 年30 个省份工业智能化、高质量进口和碳效率的面板数据，考察高质量进口对碳效率的影响， 并将工业智能化作为调节变量，探究工业智能化在高质量进口和碳效率之间如何发挥调节作用，由此得到如下结论：首先，总体上，高质量进口能够提升碳效率，进口产品质量提升、技术属性强化能够影响碳排放，提升碳效率。 然而，高质量进口对碳效率的影响存在区域异质性，东部地区技术、服务水平较高，相较于其他地区对于进口产品依赖程度较低，高质量进口对碳效率的提升不显著，中部地区高质量进口的碳效率提升效果大于西部地区的提升效果。 高质量进口对碳效率的提升作用在一定程度上也受进口国别差异的影响。 其次，工业智能化与碳效率呈正相关关系，工业智能化水平提升能够有效约束碳排放。 最后，工业智能化在高质量进口与碳效率之间起到正向的调节作用，工业智能化能降低企业模仿学习进口高质量产品的时间、资源成本，更有效地实现进口的技术溢出效应从而进一步减缓碳排放。 基于此，得出如下启示：

第一，以“双循环”为导向，积极主动扩大进口，打造高质量进口体系。 调整进口结构，增加高技术含量的产品进口。 同时，增加对企业创新研发活动支持力度，鼓励企业二次创新，重视对相关技术人员的培训，发挥“干中学”优势，推动高质量进口的技术溢出效应实现的同时增强企业进口后的消化吸收能力，以便进一步利用技术溢出效应实现中国碳减排目标。 各地区因地制宜制定差异化进口政策，东部地区以加强尖端技术的引进和提升自主创新能力为导向，加强前沿尖端技术和低碳技术进口的同时与自主创新结合，实现内外联动发展，推动生产效率和碳效率提升。 中西部地区重点推进相关进口主体培育和进口渠道优化，改善进口贸易国别结构，打造稳定的贸易渠道和平台，最大程度吸收学习模仿进口来源国的先进技术和高质量产品，发挥高质量进口渠道的“绿色效应”。

第二，加快智能基础设施建设，稳步推进工业智能化，发挥智能化的“绿色效应”。 政府重点搭建智能生产、制造和销售等智能化示范园区，加快工业物联网、5G 等智能基础设施搭建， 为企业充分发挥智能化减排作用提供保障。 企业加大自主创新研发力度，依托国家标准着手打造智能装备、建设智能车间等，实现生产过程优化、资源高效配置，满足高效生产、降耗减碳、提质降本等要求，助力低碳节能发展模式构建。 此外，企业要利用人工智能等智能技术的数据分析优势，实时搜集分析并检测调整生产运营过程中能耗数据，对能源使用精准调控和实行无害化处理，推动碳效率提升。

第三，推进产业智能化转型，培育产业新生态，最大程度实现进口技术吸收和溢出。 深入推进人工智能、神经网络等智能技术融入企业学习、生产过程，提升企业管理效率以及产品创新能力，利用智能技术降低模仿学习成本、 高效实现技术溢出，降低各环节资源成本，逐步实现绿色低碳发展。 推行智能生产顾问制度，打造以高等院校、培训机构和企业等为主题的智能生产顾问团队， 通过测评、现场调研、数据分析等手段，为企业梳理内部智能化生产和高技术产品进口调整思路， 使企业更为准确、 精细地将智能化与进口产品学习模仿相结合，进而发挥二者协同作用，改善企业生产状况、提升碳效率。