碳环境规制、技术进步异质性与绿色全要素生产率

杨小辉

(石家庄铁道大学 管理学院,河北 石家庄 050043)

一、引言

全要素生产率(TFP)是衡量一个国家可持续发展能力的常用指标,它是指一个经济体在一定投入下的产出水平。改革开放以来,全要素生产率的快速增长是中国经济快速增长的主要动力之一;然而,2008年国际金融危机后,中国的全要素生产率增长率显著下降,对经济增长的贡献也有所下降。要推动高质量发展,必须从提高全要素生产率入手,但目前的TFP措施不能支持绿色发展的理念。在“双碳”成为经济发展新方式的背景下,采用绿色全要素生产率(GTFP)来衡量和评价一个经济体的增长质量更加科学。绿色TFP在传统TFP的基础上,将污染排放加入到产出指标中,用以衡量在一定环境约束条件下各要素的投入产出效率[1]。过去20年中国主要通过要素投入保持经济高增长,经济增长严重依赖资源消耗,往往高估其生产力贡献。要实现低碳发展,中国需要密切关注绿色全要素生产率。

绿色全要素生产率的改善受到环境规制、能源结构[2]、技术进步[3]等诸多因素的影响。中国要在短时间内实现能源结构的调整并不容易,环境规制主要通过影响企业创新活动来影响绿色全要素生产率,而技术是绿色全要素生产率增长的根本动力,也是经济低碳化增长的关键。虽然技术进步在提高自然资源利用效率方面发挥着关键作用,但不同形式的技术进步(包括技术创新和技术溢出)也可能相互影响[4]。另外,考虑单一的技术进步路径可能会导致估计偏差,在同一框架下考虑不同形式的技术进步的影响,也可以考虑到他们之间的相互作用。碳环境规制将纳入中国经济转型的各方面,在碳环境规制约束下技术对于绿色全要素生产率的推动作用将更加显著[5]。此外,中国不同地区具有不同技术禀赋和技术吸收能力,而且不同区域的经济发展和碳减排对技术也表现出很强的空间依赖性[6]。因此,明确碳环境规制下不同形式的技术进步对绿色全要素生产率空间的影响,对于实现创新型国家和生态文明社会的双重目标具有重要意义。

本文在以下三个方面对现有文献进行了补充。第一,本研究将碳环境规制约束纳入技术进步与绿色全要素生产率关系的研究中。第二,技术进步既包括本土技术创新,也包括技术溢出,技术溢出进一步分为国际技术扩散和跨省技术扩散。第三,使用地理加权回归(GWR)方法在2005—2020年间对30个省份进行了空间回归,该方法将技术进步和绿色全要素生产率作为解释变量和被解释变量,探究技术进步异质性对绿色全要素生产率的空间影响。

二、文献综述

与本研究密切相关的文献包括两个方面:一方面研究集中在如何度量绿色全要素生产率上,这为我们构建因变量提供了基本的方法论;另外一方面研究总结技术进步对绿色全要素生产率增长的影响,为模型的构建提供借鉴。

大量的研究使用全要素生产率(TFP)来衡量一个国家的经济增长和可持续发展。在这些研究中,TFP可以分为传统TFP和绿色TFP。传统的TFP被用来衡量经济的可持续性,但只考虑了劳动力、资本和良好产出,没有考虑到环境的制约因素。为了进一步提高全要素生产率,许多学者试图利用绿色全要素生产率来解决这一问题[7]。Kumar将CO2排放纳入全要素生产率,分析了不同国家的绿色全要素生产率[8]。Zhang 等将各种环境不良产出与全要素生产率相结合,计算出中国各省的绿色全要素生产率[9]。Mahlberg使用温室气体排放作为绿色全要素生产率的输出指标,从区域和产业视角分析绿色全要素生产率的变化[10]。绿色全要素生产率有多种计算方法,从测度方法的角度,采用DEA方法、随机前沿方法和元前沿函数计算[11]。此外,Chung等提出了方向性距离函数(DDF)和超弹性生产率指数(ML),将环境约束纳入投入产出模型[12]。Ren使用GML索引来包含非期望输出,使用全域超弹性指数(GML)来计算绿色可持续性[13]。每种方法都有各自的优点,但GML索引可以避免线性规划不可行的潜在问题。

技术进步对不同地区、不同行业绿色全要素生产率的影响是不同的。Feng等发现技术进步和技术差距是绿色全要素生产率的主要影响因素,技术进步和技术差距对绿色全要素生产率的影响在三个地区存在明显差异[14]。王秀婷等认为从整体来看,各类产业间溢出都有助于TFP增长,但产业自身的研发投入仍是影响TFP的核心因素[15]。作为技术进步的源泉,也有学者分析了技术创新与环境和GTFP之间的关系。陈艳春等验证了绿色技术创新可以通过提高经济效率来促进绿色效率和经济转型[16]。

根据不同的技术来源,大多数研究分析了自主研发和外商直接投资对绿色TFP的影响。关书等[17]发现企业研发与能力积累都有助于全要素生产率提高。Bengoa等利用面板数据探究了研发投入与生产率之间的关系,发现人力资本和社会资本对两者具有调节作用[18]。张纯等指出绿色技术的引进和研发将提高自然资源的利用效率,而对技术转化的投资将产生负面影响[19]。王政探讨了FDI技术转移与水资源利用效率的关系。FDI促进了国际技术转移和管理水平的提高,从而提高了生产效率和资源利用。外商对绿色技术的直接投资将减少环境污染[20]。

基于以上论述发现,虽然自主研发和外商投资对GTFP的影响受到广泛关注,但是以往研究也存在一些不足之处:第一,以往的研究对不同的技术进步路径进行了单独的分析,并没有对不同的技术进步途径进行统一的考虑,当前的研究很少涉及跨省技术溢出;第二,现有研究很少考虑到碳环境规制对于技术进步和绿色全要素生产率的影响;第三,中国是一个省份发展不平衡的国家,技术在不同地区存在着较大的空间异质性,这一分析对于从区域层面更好地理解不同技术进步路径如何影响中国省级绿色全要素生产率,从而实施更精细和有效的技术发展政策,促进绿色高效经济具有重要意义。

为了解决这些问题,本文扩展了Huang等提出的技术影响模型[21],在中国不同省份构建技术进步对绿色全要素生产率的影响模型,技术进步将包括R&D技术溢出、FDI技术溢出和省际间技术溢出。为了探究不同技术进步路径对省级绿色全要素生产率的影响,本研究采用了地理加权回归(GWR)方法。

三、方法和数据来源

(一)绿色全要素生产率测量

关于GTFP的测量,Chung等人提出了方向距离函数,将Malmquist指数扩展为Malmquist-luenberger指数,这种方法也可以把预期的产量增加考虑在内。为了避免线性规划不可行的潜在问题,本文采用基于SBM方向距离函数的全局Malmquist-luenberger(GML)指数计算GTFP。基于SBM,距离函数从t阶段到t+1阶段的GML生产力指数可以表示为:

(1)

(2)

(3)

要素投入指标主要包括劳动投入、资本投入和能源投入。劳动投入按年末各省就业人数计算;资本投入以资本存量(万元)计量。本文采用“永续盘存法”来估计企业的资本存量。省、自治区、直辖市的资本存量调整到2005年为基期;能源投入总能耗(单位为吨级标准煤)为能源消耗,被认为是非预期产出的主要来源。产出指标主要包括预期产出和非预期产出,预期产出以2005年的实际GDP计算,并转换为GDP指数;非期望产出使用二氧化碳排放来衡量。

(二)全局空间自相关

全局莫兰指数(GMI)由Cliff和Ord提出,旨在测量某一变量对邻近区域影响程度,以及对整个区域内邻近区域的相似程度和差异程度的检验,可计算如下:

(4)

式中,n为研究区域的个数;ωij为空间权值中的区域i和区域j。xi和xj分别为区域i和区域j的观测变量。x是观测变量的平均属性,S2是观测变量的方差。

本研究建立了地理空间矩阵。地理空间以30×30截面矩阵和二进制0-1矩阵的形式相邻。矩阵中的数值是1或0。默认假设是两个相邻区域之间的政策互动强于两个非相邻区域之间的政策互动。地理矩阵如下:

(5)

(三)模型设定

根据Huang的模型:TFP=AS。TFP为全要素生产率,A为常数,S为研发存量。为了探究不同技术进步路径对GTFP的影响,本研究首先建立了如下非空间计量模型:

GTFPit=α0+α1Techit+βXit+μi+εit

(6)

式中,i表示省份,t表示年份。GTFP代表绿色全要素生产率,Tech代表技术要素。X表示控制变量,μi表示各省的固定效果,而ε代表误差项。式(1)中所有变量取对数。

根据Jiao等的研究,技术因素包括技术创新(RD)和技术溢出[22],技术溢出包括FDI技术溢出(FDIS)和跨省技术溢出(DS)。式(1)可以进一步扩展为:

GTFPit=α0+α1RDit+α2FDISit+

α3DSit+βXit+μi+εit

(7)

鉴于碳环境规制本质上属于环境规制,因此本文充分借鉴了环境规制的相关研究,采用中介效应模型来进行实证分析,其中碳环境规制由CER指代,具体的模型设定如下:

GTFPit=α0+α1RDitCERit+α2FDISitCERit+

α3DSitCERit+βXit+μi+εit

(8)

(9)

式(9)中,CO2(S)表示碳排放增量,GDP(S)表示某地区GDP增加值。CER表示单位国内生产总值二氧化碳排放降低值。

如上所述,技术活动具有空间异质性和空间相关性。GWR是一种改进的空间线性回归模型,其主要优点在于将空间权重矩阵应用到线性回归模型中[23]。GWR模型考虑了空间异质性,对经济和环境问题具有更强的解释力。其表达式如下:

(10)

式中,yi为第i个省的绿色生产力总量;xik为第k个解释变量在第i个省的值;(μi,vi)为第i个省的投影坐标,β0(μi,vi)为截距项。βk(μi,vi)表示第k个解释变量在第i个省的回归系数,ε0是残差项。

本研究将本土研发活动(RD)、省际技术溢出效应(DS)和外国直接投资技术溢出效应(FDI)考虑在内。将回归模型转换为对数形式,模型规范为:

lnGTFPi=β0(μi,vi)+β1(μi,vi)lnRDiCERi+

β2(μi,vi)lnDSiCERi+β3(μi,vi)lnFDIiCERi+εit

(11)

省际技术溢出(DSi)可以认为是除省际技术资源储备外其他省份技术资源储备的加权总和。结果如下:

(12)

式中,Sj为第j省的研发储备;Wij为跨省技术扩散权重。根据lin对地缘经济空间矩阵的研究,省际R&D技术溢出权重可以表示为:

Wij=wijeij

(13)

式中,ωij是地理距离,采用省会之间球面距离的逆结构;eij描述了地区间经济水平的差异,用研究期间各省份每年人均实际GDP的绝对差的倒数表示。

(四)数据来源

研究周期为2005年、2010年、2015年和2020年。由于数据缺乏,研究样本不包括香港、澳门、台湾、西藏。绿色全要素生产率数据根据公式(1)(2)(3)计算,FDI溢出效应来自《中国统计年鉴》,研发经费来源于《中国科技统计年鉴》,基于式(10)计算跨省技术溢出,“双碳”约束数据来源于《中国统计年鉴》和《中国能源统计年鉴》。

四、研究结果与讨论

(一)多重共线性检验

GWR模型的多重共线性诊断是准确有效的回归分析的重要环节。多重共线性的常见诊断方法有两种:方差膨胀因子(VIF)和条件指数与方差分解比例(CIVDP),利用方差膨胀因子进行多重共线性检验。结果表明,核心解释变量之间不存在多重共线性问题,见表1。

表1 VIF检验结果

(二)技术因素与GTFP的全域空间相关性

图1显示了技术因素和绿色全要素生产率的全局莫兰指数。在10%显著性水平下,各变量的全局莫兰指数均为正。跨省技术溢出(DS)与绿色全要素生产率(GTFP)具有相似的空间相关性,从2005年到2015年,空间相关性下降,这可能与基础设施建设不完善的障碍有关。在整个研究周期,研发投资和外国直接投资表现出相对稳定的空间相关性,因为中国的研发活动和外国直接投资活动主要集中在东部地区,研发和外国直接投资在空间上相互作用主要在东部省份之间进行。因此,空间依赖性和空间相关性的波动并不大。

图1 技术进步与绿色全要素生产率全域莫兰指数

(三)碳环境规制下技术进步异质性的空间影响规律

模型实验结果表明,模型拟合度R2为80.9%,调整后的模型拟合度R2为78.6%。模型的被解释变量与解释变量的拟合程度较高,证明模型具有较强的解释能力。

(1)碳环境规制下研发(R&D)对绿色全要素生产率(GTFP)的影响如表2所示。2005—2020年,各省研发投资对绿色全要素生产率的平均回归系数从0.055下降到0.021,然后上升到0.067。结果表明,碳减排约束下省级R&D投入对GTFP的影响先降后升。2005年,新疆、青海、甘肃、四川和云南的R&D投入影响因子为0.059,显著高于中部和东部地区。一方面说明R&D投入对绿色全要素生产率具有明显的空间依赖性和空间相关性,另一方面碳约束在东西部地区较为宽松的条件下,东部地区碳排放水平更高,因此R&D投入在东部地区对绿色全要素生产率的提升反而不如西部地区。西部大开发战略的实施,导致大量投资增加于研发和西部地区人力资本的迅速积累,这一方面促进西部地区的经济发展,另一方面提高了经济发展过程中的能源效率,这与Wang的观点一致。东部地区与西部地区差异较大,京津冀地区、长三角地区和珠三角地区三大城市群均表现出较强的空间相关特征,但宽松的碳环境规制下R&D对绿色全要素生产率的影响低于西部地区。

表2 CER×R&D不同年份GWR模型结果

2010年,在弱碳环境规制下研发投入对东北地区和京津冀地区绿色全要素生产率产生了相当大的影响。这可能是东北振兴战略的实施、北京和天津研发的快速增长造成的。2005年以来,天津滨海新区被纳入国家战略,极大地促进了京津冀及周边地区的经济发展。但与此同时,京津冀地区也成为中国污染最严重和能源消耗量最大的地区,粗放型经济的快速发展导致了资源利用效率的降低。与2005年相比,绿色全要素生产率实际上不升反降。

2015年,碳环境规制不断加强,R&D投入对绿色全要素生产率的影响有所提升,东北地区为0.05,京津冀地区为0.049,R&D投入对绿色全要素生产率的影响显著高于其他地区。生态文明建设更加强调在经济发展优先的前提下,资源利用的效率和自然与人类活动的协调。

2020年,更高的碳环境规制使得研发投入对绿色全要素生产率的促进作用进一步增强。中央和地方政府,特别是高污染地区,如京津冀地区,已经采取了更严格的环境政策和治污降碳行动来实现节约能源和减少排放。此外,研发投入在现阶段产业升级中的作用更加明显,进一步提高了各地区资源的利用效率。通过推广新能源技术,进一步减少了CO2排放,促进了绿色全要素生产率的改善。这与Feng的观点一致。

(2)碳环境规制下省际技术溢出(DS)对GTFP的影响。表3为碳环境规制下省际间技术溢出(DS)对30个省份绿色全要素生产率的GWR估计结果。在国家层面上看,碳排放约束下DS对GTFP有显著的抑制作用。从2005—2020年,这种影响一般表现为先增大后减小(影响系数的绝对值减小后增大)。这表明,弱碳环境规制下跨省技术溢出在促进周边地区经济增长的同时,会导致更大的能源需求增幅,总体上抑制绿色全要素生产率,结果与Costantini等的研究相一致[24]。碳环境规制会产生“以邻为壑”的负面效应,省际间技术溢出对周边地区生产规模扩张的“能源反弹效应”远远高于绿色技术的节能减排效应。

表3 CER×DS 不同年份GWR 模型结果

2005年,弱碳环境规制下省际间技术溢出(DS)对绿色全要素生产率的系数为-0.252。此阶段,省际技术转移水平相对较低,省际技术溢出限制了生产率的提高,弱碳环境规制产生了更多的碳排放。随着西部大开发的推进,这些省份一直在接受东部地区的技术资源和中央政府的转移支付,而西部地区内部间的技术溢出水平较低,跨省技术溢出对新疆、青海和云南的影响最大。2010年,西部地区主要接受重化工技术溢出,经济表现出高能耗特征。客观上,弱碳排放约束增加了“不良产出”。广东地区DS的回归系数为-0.015,明显优于北方地区。由于4万亿元的投资计划、大量基础设施建设和城镇化进程的加快,广东能源需求和能源利用效率明显高于其他地区,较强的碳环境规制对绿色全要素生产率的提升作用更加明显。2015年,随着碳环境规制的不断强化,DS对绿色全要素生产率的负面影响持续减弱。此时,南方地区的产业转型升级正处于初级阶段,而东北地区和京津冀地区的产业结构仍处于重工业状态。因此,碳环境规制下北方DS对绿色全要素生产率的负面影响更为显著。2020年,DS对绿色全要素生产率的负向影响在新疆最为明显,在广东最弱。碳环境规制下当DS在中国东南部部分地区超过一定门槛值时,技术升级开始改善该地区的绿色全要素生产率。这与Jiao的研究结论相一致。京津冀地区的减污降碳治理措施也显著减少了能源消耗,但新疆的资源利用效率没有明显提高。

(3)碳环境规制下FDI对绿色全要素生产率的影响。从表4可以看出,“双碳”约束下FDI技术溢出的影响在研究周期内呈先减小后增大的趋势。2005年、2010年、2015年和2020年的回归系数分别为0.038、0.022、0.036和0.046。这表明碳环境规制下FDI技术溢出对绿色全要素生产率的影响从“污染避风港”效应转变为“污染晕轮”效应。

表4 CER×FDI 不同年份GWR 模型结果

2005年,碳环境规制下西部大开发战略吸引了部分外资企业加大对西部的投资,为西部地区带来了资金和技术,促进了西部大开发,提高了西部地区资源的利用效率。因此,碳环境规制与FDI协同提升了绿色全要素生产率。西部地区经济发展水平相对较低,市场化程度较低。对市场化水平相对较低地区的FDI主要表现为节能技术溢出。此时,“污染晕轮”效应强于“污染避风港”效应。2009年,弱碳环境规制下东北地区和京津冀地区FDI对绿色全要素生产率的影响最大。但从全国范围来看,FDI的影响系数有所下降,这是因为这一时期弱碳环境规制意味着宽松的环境规制,更多的FDI流向了能源密集型行业,其中以京津冀和东北地区重工业的增长率最为显著。此阶段,外商直接投资提高能源效率引发了能源反弹效应。“污染避风港”效应明显强于“污染晕轮”效应。随着时间的推移,2015年和2020年碳环境规制不断加强,FDI对绿色全要素生产率的提升进一步增强。碳环境规制和市场化程度的提高会导致市场竞争更加激烈,更多的企业会选择能源偏向的技术扩散。“污染晕轮”效应逐渐增强,“污染避风港”效应逐渐减弱,这些效应均表现出较强的空间相关性,但影响系数差异较小,这说明外商直接投资对不同地区能源利用效率提升的作用呈递减趋势。这是因为在人力资源和研发投入达到一定水平后,中西部地区对跨国技术转移的吸收能力与东部地区的差距逐渐缩小,这印证了Feng的研究,认为过高或过低的技术差距不利于技术扩散。东部更强碳环境规制也促进了FDI从东部地区向西部地区溢出。

五、结论及政策启示

利用GWR模型,研究了碳环境规制下研发、省际技术溢出和FDI技术溢出等技术进步路径对绿色全要素生产率的空间影响。碳环境规制下R&D投入绿色全要素生产率的影响呈先减小后增大的趋势。碳环境规制下,DS对绿色全要素生产率的影响因子始终为负,影响存在门槛效应。碳环境规制下,FDI对绿色全要素生产率的影响取决于“污染避风港”效应和“污染晕轮”效应,“污染晕轮”效应主要表现为FDI的节能技术和能源偏向性技术溢出效应,在研究期间FDI对晕轮的影响呈先弱后强的趋势。

上述结果对我国经济发展的政策启示如下:

研发投入对绿色全要素生产率的影响是不稳定的,因此,要实现经济发展和降低能源消耗的双重目标,仅仅增加研发投入是不够的。相反,它应该被纳入国家的重大战略和产业结构调整之中。研发资金应该流向节能减排技术,而不仅仅是提高生产率。宏观上,加大对水电、风电、太阳能、沼气、地热能(含土地和水源)、潮汐能等能源的研发投入和政策优惠力度。在微观层面,加大对节能环保企业的资金支持和研发补贴力度。

省际间技术溢出对绿色全要素生产率的升级具有负向作用。优先促进省际技术交流,提高地方技术吸收能力。推进大都市圈战略,缩小区域经济发展差距。同时,加强落后省份和发达省份之间的基础设施互联互通(包括通讯、交通设施)。以京津冀地区为例,可在都市圈建设过程中制定技术共享和交通一体化等低碳协同行动计划。各省应建立绿色技术发展实验平台,建立具有吸引力的科技产出薪酬分配方案。

碳环境规制既是压力也是机遇,一方面减少企业传统能源的依赖,另一方面会促进企业不断进行技术升级。政府需加强监管,构建严格的知识产权保护制度,防止市场失灵,充分发挥市场竞争作用。然而,本研究仍存在一些不足之处。例如,对于基础设施对绿色全要素生产率升级的影响,未能针对个别省份提出具体的政策。未来应探索基础设施和产业发展对GTFP的影响机制,为各省提出更有针对性的建议。