“双碳”目标下绿色投资促进能源效率提升的空间效应研究

张水平,龙 爽,齐美东

(1.安徽理工大学 经济与管理学院,安徽 淮南 232001;2.安徽大学 经济学院, 合肥 230031)

新常态下,传统粗放型增长方式已难以为继。党的二十大报告指出要坚持“绿水青山就是金山银山”的理念,加快推动产业结构、能源结构、交通运输结构等的调整优化。要实现此目标,关键在于保障经济增长的同时,兼顾降低能源消耗和减少污染物排放。如何确定各行政区域的节能减排目标值,如何通过合理的措施提升地区的能源利用效率等问题是否有效解决,对于推进国家绿色发展具有重要意义。2020年10月29日,党的第十九届中央委员会第五次全体会议通过的《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》提出,要加快发展方式绿色转型,协同推进经济高质量发展和生态环境高水平保护。2021年9月22日国务院印发的《中共中央 国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》及2021年10月24日印发的《2030年前碳达峰行动方案》中均明确提出,要力争在2030年实现碳达峰、2060年实现碳中和的远景目标,这充分表明我国加快了节能减排、减耗的步伐。

绿色投资作为一种环境保护投资,在减少“两高”行业资金配置的同时,引导资金更多地流入环境保护、资源节约、清洁能源等绿色产业,是绿色低碳发展的直接推动力。2020年7月,由财政部、生态环境部等共同发起设立的国家绿色发展基金股份有限公司揭牌运营,首期募资规模885亿元,有望撬动4 000亿元社会资本。我国自2016年构建绿色金融体系以来,绿色金融进入了全新的发展阶段。2020年,中资企业直接在境外发行了29笔绿色债券,募集资金约102亿元。截至2021年末,中国绿色贷款余额达15.9万亿元。然而,我国作为发展中国家,绿色投资起步相对较晚,尚面临供给不足、激励缺乏、期限错配等问题,因此,完善绿色金融制度体系,提升绿色金融资本的使用效率具有重要的现实意义。

一、文献综述

随着“双碳”目标的提出,越来越多的学者开始关注绿色金融,绿色投资作为绿色金融的重要组成部分,在绿色经济发展过程中发挥着很大的促进作用。从统计口径上来看,我国对绿色投资的统计主要从大、中、小三个口径来进行。其中,小口径的绿色投资统计指环境污染治理投入,而中口径和大口径则分别是在小口径的统计基础上加入节约开发能源的投入和除前两者之外的其他能够促进绿色GDP增加的投入。关于绿色投资,张蕊认为,绿色投资主要是通过合理配置社会资源影响生产效率从而影响社会经济的发展[1];张明龙利用空间计量模型得出,绿色投资通过影响碳排放强度来影响经济高质量发展,并且这种影响具有空间差异性[2];马研研则主要从企业出发,研究企业出口对绿色投资的作用,认为绿色投资在规模经济和竞争中优势明显[3]。

关于能源效率的涵义,世界能源委员会(WEC)在1995年把“能源效率”定义为:“减少提供同等能源服务的能源投入”。张凌洁将能源效率定义为一个国家、地区、部门或行业在一定时间内单位产值所消耗的能源量,用以反映经济对能源的依赖程度[4]。简单来说,能源效率就是投入与产出之比。而对于能源效率的测量,众多学者都有着不同的理解。罗明基于能源效率随机前沿模型测度了能源效率[5];王群伟则选取1993—2005年28个省区市的数据,采用DEA模型测算出了全要素能源效率[6];任亚运利用各市电力、天然气、液化石油气的数据对能耗进行折算,再结合国内生产总值构建了能源效率指标[7];张士强和孟璐莎为了克服DEA模型对有效决策单元无法进一步排序的缺陷,选取SE-SBM模型测度区域能源效率,并进一步引进了非期望产出项,提高了效率测度的准确性[8];李晓菲运用Bootstrap-DEA模型对能源效率进行了量化,进而讨论了能源效率的影响因素[9];杨森和林爱梅则用能源生产率即单位能耗的总产值水平来衡量能源效率,极大简化了能源效率的测算过程[10]。

关于绿色投资与能源效率二者之间关系的研究,潘莉运用固定效应模型对相关数据回归,得出绿色投资通过对投资项目和投资市场进行限定来带动绿色产业发展,同时倒逼高耗能行业向绿色经济转型,从而降低高碳能源消费量,增加清洁能源消费量,从供给方面推动能源消费朝低碳方向发展[11]。在这一层面上,能源效率也能得到改善,但是目前来看,这种影响并不十分显著。刘旭东认为,绿色投资对能源消费的影响在区域间差别很大,主要表现为东部抑制、中部不明显、西部促进,主要原因在于区域之间经济、技术等各方面发展的不平衡[12];赵姝伟运用2007—2018年研究数据,以绿色金融为角度,利用中介效应模型,通过逐步检验回归系数法与Sobel法,考察我国的区域绿色金融发展影响能源效率的具体情况,并进行了区域性的异质性分析,认为绿色金融能够通过产业结构优化和技术创新的部分中介效应来提升能源效率,特别是东部地区尤为明显,而在中西部地区这种效应还没显现出来[13];李凯风根据Tobit回归模型,对全要素能源效率的影响因素进行分析,研究发现,资本投入、经济增长水平、对外开放程度能够促进能源效率,而产业结构、资源禀赋和金融配置效率则具有反向效果[14]。此外,根据现有文献的研究,能源效率的测度方法可归为两类,一类是采用模型进行测度,另一类则是根据能源效率的定义计算。

综上所述,目前关于绿色投资与能源效率二者之间关系的实证分析较少,相关研究多为定性分析,现有的研究结论也大多关注于绿色投资促进能源效率的提升方面,而对二者之间关系的研究仅局限在同一地区,没有考虑地区之间的相互影响,即忽略了绿色投资对能源效率的空间特征。因此,本文尝试以绿色投资影响能源效率的地区差异为视角,进一步探究绿色投资促进能源效率提升的空间效应并提出针对性解决方案,以期为该课题研究作一些有益补充。

二、变量的设定与数据说明

(一)指标设定

1.被解释变量:能源效率。采用杨森和林爱梅的研究方法[10],用能源生产率来替代能源利用效率,具体表示为能源效率=国内生产总值/能源消费总量, 单位为万元/吨标准煤。

2.核心解释变量:绿色投资。考虑到数据的可获得性和完整性,根据袁凯的方法[15],采用环境污染治理投资总额占GDP之比来衡量绿色投资。

3.控制变量:经济发展水平(ED)、对外开放程度(Trade)、固定资产投资(Fix)、技术进步(Inv)和政府政策支持力度(Gov)。其中,政府政策支持力度、经济发展水平和对外开放程度是外部因素,固定资产投资和技术进步是影响能源效率的内部因素,根据杨森及其他学者的变量定义方法,将控制变量定义如表1所示。

表1 控制变量体系

(二)数据来源

由于港澳台地区、西藏自治区的数据大多不完整且数值差异性太大,因此本文选择除西藏、港澳台地区以外的30个省区市2010—2019年的面板数据进行分析(部分缺失数据采用插值法补充),为了便于展开研究,本文按照高星和向海凌的处理方法将中国全境界分为三大地区板块[16],东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、辽宁、广东、海南;中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南;西部地区包括广西、内蒙古、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。

(三)平稳性检验与格兰杰因果关系检验

1.平稳性检验。运用回归模型进行实证分析容易出现伪回归而导致实验结果没有意义,因此,为避免出现伪回归,提高实验的准确性,需要对原数据进行平稳性检验,本文运用ADF-Fisher和LLC单位根进行检验,检验结果见表2。原数据通过平稳性检验。

表2 平稳性检验结果

2.格兰杰因果关系检验。为进一步验证绿色投资和能源效率是否具有因果关系,采用Eviews软件对能源效率和绿色投资进行格兰杰因果关系检验,检验结果如表3所示。由于“能源效率不是绿色投资的格兰杰原因”的p值大于0.05,“绿色投资不是能源效率的格兰杰原因”的p值小于0.05,在0.05的显著性水平上,前者接受原假设,后者拒绝原假设,表示能源效率不是绿色投资的格兰杰原因,但绿色投资是能源效率的格兰杰原因。

表3 Granger因果关系检验结果

三、空间相关性分析

在进行空间计量分析之前,需要先检验被解释变量和解释变量是否具有空间相关性。本文利用Moran’sI指数对我国绿色投资和能源效率进行了全局空间相关性检验,考察绿色投资和能源效率的空间相关性。Moran’sI统计量公式为:

(1)

表4 空间自相关检验结果

为了更加直观反映能源效率和绿色投资的空间相关性,运用Stata15画出4个莫兰散点图,由图1可以看出,能源效率和绿色投资在2010年和2019年改变幅度很小,说明绿色投资和能源效率的空间相关性具有一定稳定性。例如,中部地区的安徽、江西、湖南等大多分布在一象限,偏东部和偏西部地区大多位于三象限,表明绿色投资和能源效率都存在高-高集聚和低-低集聚现象,能源效率和绿色投资具有正向空间相关性。

a. 2010年能源效率 b. 2019年能源效率

c. 2010年绿色投资 d. 2019年绿色投资图1 2010年、2019年能源效率与绿色投资莫兰散点图

四、空间效应分析

(一)模型的构建

空间计量模型包括3种模型,即空间误差模型(SEM)、空间滞后模型(SLM)和空间杜宾模型(SDM)。空间杜宾模型是SEM和SLM两个模型的一般式,它可以体现邻近地区被解释变量对本地区被解释变量和本地区与邻近地区解释变量之间的空间效应,其模型的数学表达式为:

(2)

(3)

SEM模型主要研究的是误差因素对研究区域的影响,主要由随机扰动项体现空间异质性,其数学表达式为:

yit=α+βxit+μi+φt+εit

(4)

(5)

SLM模型研究的是被解释变量对邻近地区的影响,主要由空间滞后项体现它的空间异质性,其数学表达式为:

(6)

(二)模型的选择

1. LM检验、Hausman检验、WALD检验和LR检验。空间计量模型包括SEM、SAR以及SDM模型,由于无法确定哪一种模型,本文首先运用LM检验能否选用SEM和SAR模型,由表5可得LM检验中LMError和LMLag的p值都小于1%,说明在1%的显著性水平下应该拒绝原假设,不能使用SEM和SAR模型,同时也排除了使用混合OLS模型的可能。为使结果更加精准,又进行了LR检验和WALD检验,检验结果如表6所示,WALD和LR检验的p值都小于1%,拒绝原假设,进一步说明SDM不能退化为SEM和SAR,因此应该选取空间杜宾模型进行计量。

由LM检验、LR检验和WALD检验得出只能用空间杜宾模型进行空间计量,但是空间杜宾模型又包括随机模型和固定效应模型两种,单看数据无法确定选择哪一个模型,所以还要进行Hausman检验以确定最终的模型,检验的结果如表6所示。Hausman检验结果的p值小于5%,拒绝原假设,即能源效率通过了5%的显著性水平检验,说明应该选择固定效应。故本文选择空间杜宾的固定效应模型进行空间计量分析。

表5 LM检验结果

表6 WALD检验、LR检验和Hausman检验结果

(三)描述性统计分析

运用描述性统计分析方法对数据进行整理,统计分析结果如表7所示。综观我国东部、中部和西部三大地区统计数据,能源效率呈现出由东到西递减的趋势,其中,东部地区能源效率值高于全国均值,中部和西部则都没有达到全国均值,这表明我国能源效率呈现断层现象,东部能源效率远高于西部地区,西部地区要达到东部地区能源效率水平任重道远。另外,从绿色投资的发展水平(全国0.014 9,东部0.017 9,中部0.014 1,西部0.012 7)来看,东部地区也高于全国平均水平,中部地区次之,西部地区绿色投资发展水平最低,说明绿色投资与能源效率具有一定的正相关性,即绿色投资规模越大,能源效率提高越明显。同时,对外贸易、经济发展水平、固定资产投资和技术水平也会呈现出这种趋势。

表7 描述性统计分析结果

(四)空间计量分析

在时间固定效应模型、个体固定效应模型和双固定效应模型中,由于个体固定效应模型的R2值最大,所以该模型所得的回归最优,因此本文采用个体固定效应模型进行空间计量,得到的结果如表8所示。从全国来看,绿色投资影响能源效率的回归系数为4.070 6,p值小于1%,说明绿色投资与能源效率高度正相关。但从空间关联性来看,w*Gi系数为-6.256 9,表明全国范围内毗邻地区之间的能源效率呈负相关,即相邻地区的绿色投资发展水平对该地区的能源效率具有负向空间溢出效应。

从控制变量来看,除了Gov变量为负以外,其他变量都为正数,表明政府政策支持度抑制了能源效率提升,原因可能是政府的无差别政策支持缓解了企业的资金压力,导致企业又重回粗放式生产经营模式。另外,在空间计量模型中,w*Inv和w*Trade都为负数,表明在全国范围内任意一个地区和其相邻地区的能源效率关系中,其相邻地区的技术发展水平和对外贸易规模的增长抑制了该地区能源效率的增加,这很可能是由于人才流失造成的。

将东部、中部和西部3个地区的绿色投资对能源效率的影响进行对比分析如表8所示,结果表明:

1.东部地区。东部地区绿色投资对能源效率具有明显的促进作用,绿色投资发展影响能源效率的回归系数为0.384 7,并且通过了1%显著性检验,具有高度的正向相关性。原因在于,东部地区经济发展速度快,绿色投资规模大,零碳技术研发水平相对较高,有利于提升能源效率;且绿色投资在时间固定效应模型上对能源效率的影响较大,系数超过了4,表明绿色投资在时间序列上的表现逐步强化。

从空间相关性角度来看,w*Gi的回归系数为负数,说明周边地区绿色投资发展水平能够对本地的能源效率产生一定的消极影响,同时也表示绿色投资具有明显的负空间溢出效应,即本地区绿色投资发展水平越高,相邻地区能源效率越低。其主要原因是,东部地区经济、教育、文化和技术等发展水平较高,中部地区生产要素被吸引过来,发展受到了抑制。

在控制变量上,经济发展水平、固定资产投资、技术水平都与能源效率正相关,但是对外开放水平与能源效率负相关,主要原因是东部地区出口大多是以加工制造产品为主,能源消耗大,出口增加在一定程度上导致高污染、高耗能产品的市场规模扩大。

2.中部地区。中部地区绿色投资影响能源效率的回归系数为1.849 6,通过了1%的显著性检验,表明中部地区绿色投资发展水平与能源效率也具有高度的正向相关性。值得注意的是,中部地区绿色投资对能源效率的促进作用高于东部地区,从边际效用递减规律上来看,东部地区绿色投资促进能源效率提升空间有限,从空间关联性来看也是如此。从时间关联性来看,快速发展的中部地区在短期内对相邻地区具有空间溢出负效应,长期则具有正效应。

从控制变量看,中部地区政府政策支持力度对能源效率呈现抑制作用,其主要原因是中央政府近年来大力扶持中部地区发展。然而,中部地区在追求GDP增长的过程中忽略了对生态的保护,放松了环境管制,放宽了对企业污染排放的监督,致使该地区政府支出越多,能源效率反而越低。

3.西部地区。西部地区绿色投资影响能源效率的回归系数为-0.334 9,系数远小于中部地区且为负,说明西部地区绿色投资促进能源效率提升作用不佳,主要原因是西部地区经济发展水平不高,单一依赖绿色投资无法带动经济整体发展。同时,西部地区矿产资源丰富,能源价格相对东部更加低廉,低廉的能源价格使企业丧失了提高能源效率的积极性。

从空间关联性来看,西部地区绿色投资影响能源效率的空间相关系数为负,说明中部地区的绿色投资的快速发展抑制了西部地区的能源效率提升。w*Gi的p值大于0.1,表明该地区绿色投资与能源效率关联性较小,影响不明显。比较合理的解释是,西部地区的教育水平、劳动力素质水平、经济发展程度、创新能力和市场经济的发展程度都比较低,金融市场也不够发达,绿色投资提升能源效率的外部条件不够完备,故而西部地区绿色投资与能源效率的关联性较弱。

表8 空间杜宾模型结果

五、结论与建议

本文基于我国30个省区市2010—2019年的面板数据,运用空间杜宾模型实证分析了绿色投资对能源效率的空间异质性。研究发现,能源效率具有空间相关性,并具有一定的集聚效应。绿色投资对能源效率的空间异质性表现在,东部地区绿色投资可以促进能源效率的提升,并且中部地区绿色投资的发展也会促进东部地区能源效率的提高,这主要得益于东部地区较高的经济发展水平、能源效率水平以及绿色投资发展水平。中部地区绿色投资对能源效率的促进作用近年来有所加强。西部地区绿色投资对能源效率的促进作用不明显,并且中部地区的绿色投资发展对西部地区的能源效率产生负向空间溢出效应,主要原因是西部经济发展水平不高,绿色投资发展水平也比较低,所以绿色投资对能源效率的作用不明显,同时,中部地区绿色投资的发展又客观上抑制了西部地区能源效率的提升空间,从而引发地区间发展的不平衡。依据前文分析提出以下对策:

1.扩大绿色投资规模,健全绿色金融体系,提高环境保护税。我国能源效率总体来看还比较低,很多企业对于能源消耗和环境污染并不重视,政府需要采用一些强制性措施,例如,提高环境保护税,增加高污染企业的的排污成本,以此形成倒逼机制,引导企业绿色转型;扩大绿色金融的资金规模,加强绿色金融产品创新等。降低企业融资成本,提高绿色融资效率,有益于企业主动调节产业结构,提高能源效率。

2.推出差异化的政策制度。绿色投资是一项由政府主导市场参与的绿色金融活动,政府的政策很大程度上决定了一个地区绿色投资的方向和规模。由于各区域经济发展水平不平衡,政府在制定绿色金融政策时不能“一刀切”,要针对各地区的客观情况制定差异化的政策,更好地促进绿色投资提升能源效率。东部地区能源效率最高,应充分发挥其辐射作用,带动周边能源效率低的区域提升能源效率,对口帮扶西部地区建设和保护生态环境,淘汰高耗能产业,严格控制污染企业向西部地区转移。中部地区应根据自身的发展特点,积极调整生产方式和产业结构,引进先进零碳技术和绿色环保产业,淘汰落后产能,促进产业结构优化;制定严格的污染排放政策,形成低消耗、高产出的绿色集约发展模式,促进经济增长与环境保护和谐共生。西部地区应提高自身经济发展水平,转变依赖能源发展经济的模式,优化能源供需结构,利用好西部地区的矿产资源以及可再生资源,提高能源利用效率。

3.加强区域间合作,促进协同发展。首先,地方政府在制定相关政策时要有大局观念、一体化思维,在实现本地区能源效率提升的同时兼顾周边地区政府的政策,避免与相邻地区政策产生冲突而引发地区之间的恶性竞争,导致能源效率降低;其次,设立能源环境保护小组,明确各省区市的责任和义务,增强区域间凝聚力,防止相邻地区在生产经营过程中产生的外部性负面影响,为本地区提升能源效率创造良好的外部环境;最后,各地区要强化监督职能,建立城市能源环境信息共享平台,实现信息的实时共享,同时要制定污染排放预警机制,各区域联动,以强带弱,实现能源效率水平的整体提高。