“双碳”背景下绿色技术创新对能源消费低碳化的影响研究——基于西北五省的实证分析

周子琪

(新疆科技学院 新疆库尔勒 841000)

1 引言

相对传统技术而言，绿色技术改变了我国工业化以经济效应单赢的局面，为绿色低碳发展提供强有力的技术支撑，推动其向经济效应和环境友好双赢发展。

现有学者在绿色技术创新领域的研究主要从经济效应研究和环境效应研究两方面展开。李从欣、刘艺(2023)认为，绿色技术创新对制造业集聚、加强空间关联性、促进地区间经济高质量发展有显著的促进作用[1]；柏珺(2023)构建PVAR分析模型，经过实证分析得出绿色技术创新可通过调整产业结构来降低能源消耗量，从而促进经济增长和实现环境效应[2]。

现有研究多将绿色技术创新和能源消费作为独立因素进行分析，尚缺乏直接研究绿色技术创新对能源消费之间关系的研究，且现有对绿色技术创新和能源消费低碳化等方面的研究对象集中于长三角等经济发达地区。因此，本文基于西北五省研究绿色技术创新对能源消费低碳化的影响。

2 西北五省绿色技术创新与能源消费现状特征

2.1 绿色技术创新现状

创新成果。绿色专利申请量是最能体现绿色创新成果积极性的指标，绿色专利可通过提高能源利用率、促进能源消费低碳化、减少碳排放总量来降低环境污染程度(见表1)。

表1 2000—2020年西北五省绿色专利申请总量 (单位：件)

2.2 能源消费现状

能源消费强度。能源消费强度是指每增加1单位经济总量所消耗的能源量，又称为单位GDP能耗，多用于衡量区域的能源综合利用效率(见表2)。

表2 西北五省2005—2020年能源消费强度(单位：吨标准煤/每万元)

总体来看，西北五省能源消费强度呈下降趋势，经济发展所耗用的单位能源量有所下降，证明西北五省的能源利用效率逐渐提高。具体来看：西北五省相对全国的能源消费强度仍然偏高。2020年，全国能源消费强度为0.55吨标准煤/每万元，西北五省能源消费强度为1.24吨标准煤/每万元，为全国指标的225%，且存在较大的区域差异，仅陕西的能源消费强度优于全国平均能源消费强度，证明西北五省需要继续提高能源利用效率，降低经济发展对能源资源的依赖程度。

3 研究设计

3.1 数据来源说明

本文选取我国陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区五省区的面板数据，时间跨度为2000—2020年。西北五省2000—2020年能源消费数据均源于各省的《统计年鉴》，绿色专利授权量数据来源于国家专利局。

3.2 模型变量

在对比孙志红等(2023)[3]的文献后，本文选取碳排放总量作为被解释变量，绿色专利授权总量、绿色发明专利授权总量作为主要解释变量。此外，本文还选取了经济发展水平、第二产业发展情况、第三产业发展情况、城市化水平4个控制变量(见表3)。

表3 变量定义

3.2.1 被解释变量：碳排放总量

对于能源消费低碳化发展的测量，我国对碳排放减排目标设置了“总量”指标，本文采用碳排放总量作为衡量能源消费低碳化的指标。同时，借鉴李子豪、刘辉煌(2011)[4]的方法，把煤炭、天然气、焦炭3种能源的消费数据汇总估计各地区碳排放总量的数据。

3.2.2 解释变量：绿色技术创新

对于绿色技术创新的测量，本文主要借鉴郭炳南等(2022)[5]的测量方法，以绿色专利授权总量和绿色实用性专利授权量作为衡量绿色技术创新的指标。

慢性鼻-鼻窦炎（chronic rhino-sinusitis,CRS）是 耳鼻咽喉科常见的慢性疾病之一[1]。研究证实CRS的反复发作以及难治愈性与鼻-鼻窦黏膜表面细菌生物膜（bacterial bioform,BF）形成有关[2]。传统的抗生素对形成BF的细菌没有作用，这也是慢性感染持续存在的原因。

3.2.3 控制变量：宏观经济指标

本文除了选取绿色技术创新作为解释变量外，还选取了一系列宏观经济环境变量作为控制变量，具体如下：

(1)经济发展水平。地区经济发展水平在很大程度上影响着地区能源资源的消费情况，从而影响碳排放总量，本文采用地区GDP总量作为衡量指标。

(2)第二产业发展情况。产业结构和发展速度影响资源的消耗和利用程度，从而影响碳排放总量，本文采用第二产业年增长值进行衡量。

(3)第三产业发展情况。产业结构和发展速度影响资源的消耗和利用程度，从而影响碳排放总量，本文采用第三产业年增长值进行衡量。

(4)城市化水平。随着地区城市化水平的提升，促进人才资源、技术资源向城市集中，相关资本的积累会促进技术进步，加速绿色专利技术的开发，影响碳总量减排的进程。因此本文用各省城镇人口比各省总人口数来衡量。

3.3 模型构建

本文根据上述变量选择，构建以下OLS模型：

式(1)中：下标it分别代表地区和时间变量；Carbonit代表第i个省份在t时间的碳排放数据；Inventionit、Utilityit分别表示绿色专利授权总量、绿色实用专利授权总量；GDPit、Industryit、Serviceit、Urbanizationit分别表示经济发展水平、第二产业发展情况、第三产业发展情况、城市化水平；αi为区域差异；εit为随机误差项。

3.4 研究假设

结合相关理论基础和现有研究结果，本文提出以下研究假设：

H1：绿色技术创新对能源消费低碳化起显著影响关系；

H2：绿色技术创新对能源消费低碳化无显著影响关系。

4 实证分析

4.1 描述性统计分析

由表4可知，VIF小于10，证明变量间不存在严重的多重共线性问题，可进行OLS分析。根据描述性统计结果可知，解释变量与控制变量各地区间有较大波动性，且较多变量之间有明显的峰值分布，数据存在一定的回归趋势，可进行回归分析。

表4 描述性统计结果

4.2 回归结果分析

本文采用OLS模型来分析绿色技术创新对与能源消费低碳化之间的关系，并利用Stata17.0软件得到结果，如表5、表6所示。

表5 OLS回归结果

表6 OLS回归结果2

回归结果显示，在模型中，R2为0.8687，修正后的R2为0.8606，两个值较接近于1，说明模型对研究假设的解释力达到86.87%，具有很高的解释水平。

(1)主要解释变量方面。绿色专利授权总量和绿色实用性专利授权总量与碳排放总量呈显著的负向影响，表明绿色技术创新发展越好，碳排放总量随之有较为显著的下降趋势。绿色创新水平的提升表明各省、自治区、直辖市对相关低碳技术研发与发明应用的支持力度加大，证明绿色技术创新通过对先进储能、清洁能源、可再生能源发电、清洁生产、绿色零碳建筑等领域进行技术支持，加快核心技术攻关，并促进重点产业升级，提高能源、资源利用效率，促进能源低碳化，降低碳排放总量[6]。

(2)控制变量方面。①GDP在5%的置信水平上呈现正显著性，即经济增长会增加碳排放总量，证明西北五省经济增长依赖化石能源消费程度明显；②第二产业发展在5%的置信水平上呈现正显著性，即第二产业增长会增加碳排放总量。原因可能是我国工业能源消费量占总能源消费总量的70%左右，且西北地区工业以资源型产业为主，且能耗较大，对碳排放的影响较大[7]；③第三产业发展在5%的置信水平上呈现负显著性，即第三产业增长会在一定程度上减少碳排放总量。原因可能是随着我国第三产业的快速发展，金融、保险、物流、电子商务等现代服务业发展迅速，其能耗强度相对较低，显著抑制了碳排放总量[8]；④城市化水平在1%的置信水平上呈现正显著性，即城镇化水平越高，碳排放总量越高。原因可能是随着城镇化水平的提升，人才资源和资本向城市聚集，城市化进程会推动能源消费，由于城市化与工业化基本同步，城市化进程中的工业化特征体现为高耗能产业迅速发展，也意味着碳排放总量增长较快[9]。

5 结语

5.1 研究结论

绿色专利授权总量和绿色实用性专利对碳排放总量呈显著的负向影响，第三产业发展对碳排放总量呈显著的负向影响，GDP、第二产业发展、城市化水平对碳排放总量呈显著的正向影响，说明绿色技术创新可直接通过技术进步来减少高碳排放，从而抑制碳排放总量，同时碳排放总量受GDP、第二产业发展、城市化水平、第三产业发展的影响。

5.2 建议展望

第一，完善创新人才培养体系，加大对绿色创新发明技术的支持力度。政府应加大对绿色、低碳化等研究课题和项目的支持力度，促进高校、研究所、企业等主体对相关绿色技术的研究积极性。当地政府可根据本地发展情况，制定相应的人才引进政策，形成“留人才”和“引人才”相结合的人才储备，推动人才之间的技术交流，力求实现相关绿色技术的突破。

第二，优化产业结构，助力能源消费清洁化转型。政府应促进绿色技术转化成实际成果，依托绿色节能技术对现有的能源产业结构实现绿色转型。在保障经济利益平稳的基础上，逐步减少相关高耗能企业煤炭等化石能源的使用量，推进低碳排放量能源的替代使用，并利用政府宏观调控手段调整并优化产业结构，推动高耗能产业向低碳清洁产业转型和发展。

第三，根据城市规模和发展特点，制定差异化的减碳方案。各地政府应对规模不同的城市实施灵活的调节政策方式和力度。一方面，在Ⅰ型大城市中积极实施能源低碳化政策，同步制定相应的监督机制，鼓励公众绿色消费，促使城市能源绿色综合发展。在Ⅱ型大城市及以下的小城市，以重视人才资本的培养为主，加大在科技创新方面的投资；另一方面，对于能源资源型城市，政府应加大对绿色低碳产业的支持力度，促进绿色低碳技术成果的转化与企业承接，从根源上摆脱城市经济发展对粗放式增长的路径依赖，实现向低碳、清洁、绿色产业发展。