技术进步对二氧化碳排放的影响效应研究——基于省级面板门限模型

雷 宏 李 智

(1.集美大学 工商管理学院，福建 厦门 361021；2.厦门大学 经济学院，福建 厦门 361005)

技术进步对二氧化碳排放的影响效应研究
——基于省级面板门限模型

雷 宏1李 智2

(1.集美大学 工商管理学院，福建 厦门 361021；2.厦门大学 经济学院，福建 厦门 361005)

本文以STIRPAT 模型为基础，构造东中西部省级面板模型，深入分析技术进步的三种不同途径即自主研发、技术引进和模仿创新对二氧化碳排放的不同影响效应，实证研究结果显示：经济相对发达的东中部地区，尤其是东部地区，技术引进和自主创新对二氧化碳排放有显著的增加作用，模仿创新对二氧化碳排放有显著的抑制效果；而西部地区上述三种技术进步方式对二氧化碳排放的影响效应均不显著。在此结论基础上，本文以工业产值占比为门限变量构造面板门限模型，对模仿创新的减排效应进行进一步的统计分析，结果显示：工业产值占比越大，模仿创新的减排效应越弱。

自主研发；技术引进；模仿创新；二氧化碳排放；技术进步

一、引言

作为世界第二大经济体和最大新兴经济体，中国正处在工业化和城镇化加速发展的重要阶段，能源消耗以及二氧化碳排放量急剧增加，面临的减排压力也越来越大。2015年哥本哈根气候大会上，中国政府首次正式提出中国碳排放有望在2030年达到峰值，并承诺在2030年将非化石能源在一次能源中的比重提升到20%。为了实现这一目标，政府提出要实施以 “绿色低碳”和“创新驱动”战略为重点的能源革命。

技术进步是创新驱动的重要内容，在推动经济增长的同时，对二氧化碳等温室气体的排放有着显著的影响。有学者指出，这种影响可能是正向的增加，也可能是负向的抑制[1]。相关研究指出，影响的途径主要有两条：一是“技术进步→经济增长→二氧化碳排放”，即技术进步对二氧化碳排放存在间接影响，也即通过推动经济增长进而增加二氧化碳排放；二是“技术进步→二氧化碳排放”，即技术进步直接影响二氧化碳的排放。由于技术进步存在一定的路径依赖，上述直接效应的影响方向并不确定[2]。如果企业初始获利是建立在高排放技术基础上，那么企业的新技术研发可能依旧是以高排放为特点；反之，如果企业初始获利是低排放的技术，那么新技术研发将延续清洁型特征，则有利于推动二氧化碳减排。目前已有不少学者借助结构或指数分解以及构造全要素生产率(TFP)，就技术进步对二氧化碳的影响效应进行了测度和研究[3][4][5]，但深入考察技术进步影响节能减排的方式或途径方面的研究还相对缺乏，因而导致促进技术进步减排效应的相关对策建议显得较为抽象，这正是本文的研究目的所在。

从技术进步的来源来看，自主研发和技术引进是技术进步的两条主要途径[6]。自主研发主要通过R&D活动和干中学对二氧化碳排放产生影响[7][8]。有学者指出，通过自主研发实现能源清洁利用是节能减排的关键[9]。技术引进主要包括直接技术购买和通过国外直接投资(FDI)间接引进技术，主要通过设备更新、技术溢出对二氧化碳排放产生影响。然而，基于国际贸易中的比较优势理论，发展中国家可能成为承接落后产能的“污染天堂”，“技术引进”(如FDI)并不一定能促进节能减排[10]。此外，一些学者的实证研究显示，不同技术引进方式对中国能源利用或排放效率的影响有显著的区域差异[11][12]。

现有的文献集中讨论单一的技术进步方式对二氧化碳排放的影响效应，很少涉及技术进步的不同方式之间相互作用对节能减排的影响。然而有研究指出，研发活动具有提高创新能力和吸收能力的双重效应，落后国家通过模仿、吸收和消化发达国家先进技术，达到模仿创新的效果[13]。而自主研发与技术引进的交互作用既可能说明技术引进只有在当地企业具有足够的吸收和学习能力前提下才能发挥效力，也可能说明本地企业的自主创新只有在很好地消化和吸收了引进的先进技术的基础上才能实现提升[5]。因此，上述两种技术进步的交互作用既可能是本地企业对引进技术的简单模仿，延续了技术引进对二氧化碳排放的影响作用，也可能是在简单模仿的基础之上，通过技术创新投入，加大对引进技术的消化吸收能力，从而实现对引进技术的改进创新，因而有可能发挥对二氧化碳排放的不同影响效应。此外，其相互作用的影响效应也可能存在区域差异以及不同经济发展阶段的非线性特征，若采用传统的线性分析模型框架容易导致估计结果的偏差，从而得出误导性的结论[14]。基于上述的影响机理，本文引入Hansen提出的面板门限回归方法[15]，考虑经济发展的不同阶段，在非线性模型框架下针对技术进步的不同途径对二氧化碳排放的影响效应进行实证研究。

二、计量模型

(一)STIRPAT 模型

在以往的研究中，由Ehrlich和Holden提出的IPAT方程常被用以量化考察技术、人口、经济等因素对自然环境的影响[16]。但由于IPAT方程在形式上是一个恒等关系式，无法进行计量分析，York等人在此基础上提出了更加灵活的STIRPAT(stochastic impacts by regression on population， affluence and technology)模型[17]，即环境影响随机模型。该模型的基本形式为：

I=a×Pb×Ac×Td×e

(1)

式(1)中I、P、A和T分别表示环境影响、人口规模、人均富裕程度和技术进步；a、b、c、d为待估参数，e为随机干扰因素。上述等式两边同时取自然对数后，变形为如下方程：

lnI=lna+blnP+clnA+dlnT+lne

(2)

相关文献在保证上述模型整体关系不变的基础上，对某些指标进行了改进或分解，以便开展各种实证研究。为了更好地研究不同技术进步方式对二氧化碳排放的影响，本文将技术进步分为三种形式：自主研发、技术引进以及模仿创新，并选取相应代表变量加入STIRPAT模型。

lnCO2it=a0+a1lnPopit+a2lnGdpit+a3lnFdiit+a4lnRdit+a5lnFdiit×lnRdit+eit

(3)

式(3)中，Popit为人口数，Gdpit为人均GDP(折算为2000年不变价格)，Fdiit为外商直接投资，衡量技术引进水平，Rdit为自主研发知识存量，两者的乘积项表示模仿创新。

(二)面板门限模型

在经济发展的不同阶段，技术进步对二氧化碳排放的影响效果并不相同，尤其是我国正处于工业化进程加速的阶段。因此，本文以工业产值占GDP的比重(此处记为 z)作为门限变量，借助Hansen面板门限模型将上述面板模型进行扩展[15]，具体形式如下：

lnCO2it=a0+a1lnPopit+a2lnGdpit+a3lnFdiit+a4lnRdit+a5(lnFdiit×lnRdit)I(z≤m)+ a6(lnFdiit×lnRdit)I(z>m2)+eit

(4)

上述模型假设的是单门限形式，即各因素对二氧化碳排放的影响效应因门限变量的存在呈现出两个不同的阶段。当然，从计量模型的角度而言，也可能存在n个门限，即n+1个不同的阶段。以双门限模型为例，上述方程被相应地调整为(假定m1

lnCO2it=a0+a1lnPopit+a2lnGdpit+a3lnFdiit+a4lnRdit+a5(lnFdiit×lnRdit)I(z≤m1)+ a6(lnFdiit×lnRdit)I(m1m2)+eit

(5)

三、实证分析

(一)数据处理

1.技术进步的变量选择

(1)自主研发(R&D)变量。自主研发(R&D)是衡量本地企业自主研究和创新水平的变量，现有的实证文献通常从投入和产出两方面对R&D进行刻画[19]。投入方面，通常采用投入R&D的费用或者投入R&D的人员数量来衡量；产出方面，通常采用专利数量或新产品销售收入来衡量。然而，用投入费用来衡量R&D水平往往存在缺陷：R&D投入费用只能反映R&D活动的投入状况，而投入与产出并不一定呈线性关系，并且许多中小企业的非正式研发活动并没有体现在R&D的投入费用中，用该指标衡量R&D水平往往会出现偏误[20]。因此，本文采用与技术创新成果更贴近的专利数量指标来衡量R&D水平。

此外，R&D对生产率以及排放的影响不仅表现在当期，对以后的若干期也会产生重要影响，因此需要在核算R&D存量的基础上进行测算[6]。以专利数量为基础的知识存量计算公式如式(6)所示[21]：

(6)

式(6)中，Rdit是自主研发知识存量，Patit为专利授权数。式(6)中的两个重要参数β1和β2分别表示知识的陈腐率和扩散率。其中，知识的陈腐率用来衡量旧知识的老化程度，表明已有技术逐渐被新技术取代，一般很难直接测算。现有文献通常以专利残存件数或技术平均寿命的倒数来测算，有研究将中国的专利技术陈腐率取值为36%[20]。知识的扩散率用来衡量新知识从产生到大规模应用的时滞效应，有研究借助样本统计和概率分布的方法指出专利技术的扩散率约为3%[21]。s为从基期到当前年份的时间。由式(6)可知，某种专利对当年的知识存量的影响是e-β1s(1-e-β2(s+1))。在给定β1=36%和β2=3%的情况下，图1模拟出某专利技术对现有知识存量的贡献。如图1所示，新专利的生产率在第3年达到顶峰，对现有知识存量的影响达到最大，之后随着使用年限的增加、知识的更新换代，知识陈腐的速率超过了扩散率，生产率不断下降，在24年以后趋近于零。

(2)技术引进变量。技术引进通常借助技术转让和外商直接投资(FDI)等途径实现。出于保护本国先进技术垄断优势的目的，技术出让国转让的专利多是产品相对成熟的技术，甚至不排除转让衰落技术的可能。有研究指出先进技术转移最重要的途径是外商直接投资而不是专利转让[22](P108—110)。跨国直接投资之所以能体现技术引进，一是因为为了获得足以与本土企业抗衡的竞争优势，跨国企业通常借助其掌握的先进技术以生产新产品或降低生产成本来获得市场份额；二是通过跨国投资，本土雇员获得与外资企业雇员交流学习的机会，先进技术等有机会得以消化与吸收。因此，外商直接投资(FDI)是技术引进的显著途径，本文以此作为对技术引进水平的测度，并折算成2000年不变价格以消除物价因素的影响。

图1 某专利技术对现有知识存量的贡献模拟来源：笔者根据给定β1=36%和β2=3%计算的参数值。横轴表示该技术的生命周期，取值0-30。

(3)模仿创新变量。研发活动具有提高创新能力和吸收能力的双重效应。研发活动不仅可以产生新的知识，直接促进生产率的提高，进而对二氧化碳排放产生影响，而且可以在知识积累的基础上，深化对引进技术的消化吸收，进而间接地提高生产效率，并影响二氧化碳的排放。当然，必须指出的是，技术进步的有效利用和推广与企业拥有一定的自主创新基础是分不开的。因此，我们借用技术引进变量与自主研发变量的乘积项(LnFdi×LnRd)来表征技术引进与自主研发的交互作用，不仅用以反映本地企业对引进技术消化吸收的简单模仿，而且还借以衡量本地企业的模仿创新水平，即在此基础上通过技术创新投入，进一步深化对引进技术的消化吸收，从而实现对引进技术的改进创新[5]。

2.门限变量和其他控制变量

(1)门限变量。有研究指出中国正处于工业化发展的重要阶段，其能源需求增长快速而且具有刚性的特征短时间内无法改变[9]，技术进步对二氧化碳排放的影响效应可能会因为工业化比重的不同而存在非线性的特征。因此，本文使用各地区工业产值占GDP的比重作为门限变量。

(2)其他控制变量。根据前述的STIRPAT模型，其他控制变量还包括人均GDP和年末人口数，前者为各地区生产总值除以各地年末人口数，并折算成2000年不变价格。

3.数据来源

基于上述数据的可获得性与统计口径的一致性，本文选取了1997～2012年我国30个省市自治区的面板数据，共计480个观测值，其中西藏地区由于数据缺失较多，从样本中剔除。数据分别来源于《中国统计年鉴》《中国科技统计年鉴》以及CEIC中国经济数据库。

(二)模型结果及分析

1.面板模型

根据前述构造的理论框架，本文首先建立基本的面板模型，考察技术进步的三种途径对二氧化碳排放的影响。数据显示，各省级区域的三种途径的技术进步水平存在明显的地区差异，分布特征与东中西部的划分特征较为吻合。因此，根据Hausman检验结果，本文分别按照东部、中部和西部层面利用模型(3)构建固定效应(FE)面板回归模型，结果由STATA14软件计算获得。

从表1的结果可以看出，就东部地区而言，三种途径对二氧化碳排放的影响均在1%的水平下显著。技术引进与自主创新对二氧化碳排放有正向的增加作用，面板回归模型的系数分别为0.597和0.8848，而模仿创新对二氧化碳排放却有一定的抑制作用，系数为-0.1070。对于中部地区，三种途径对二氧化碳排放的影响基本显著，技术引进的系数为0.1385且在5%的水平下显著，自主创新的系数为-0.3193 且在1%的水平下显著，而模仿创新对二氧化碳排放有相对较弱的抑制性，但系数不显著。而对于西部地区，三种途径对二氧化碳排放的影响均不显著。此外，为了消除由于主观选取控制变量而可能造成的偏误，本文将上述模型中人口和人均GDP这两个控制变量替换为人口密度和地区工业产值比重，得出三种途径对二氧化碳排放影响的方向基本上与此一致，说明上述面板模型的结果是稳健的。由于篇幅有限，此处未给出具体模型结果。

表1 基本的面板模型结果

注：括号内为标准误差；***、**、*分别表示在1%、5%和10%的显著性水平下显著。

通过对上述模型结果横向对比分析，不难看出，在经济发达的东部地区，相对高水平的技术引进和自主研发在促进经济飞速发展的同时，不可避免地对二氧化碳的排放有正向的增加作用，而这样的作用效果在技术引进和自主研发水平均相对落后的中西部地区表现得相对较弱，尤其是西部地区，效果并不显著。技术引进和自主研发促进二氧化碳排放的原因可能在于：第一，技术引进的路径依赖。新中国成立以来，我国主要通过FDI(技术引进来)推动技术进步，从而造成了技术引进的路径依赖，导致技术引进进一步延续了高耗能的刚性特征，进而增加了二氧化碳排放，且这种效应在东部地区显著高于技术引进水平相对落后的中西部地区。第二，自主研发基础仍然相对薄弱，是我国的核心技术较难突破的深层原因。我国的自主研发多集中在相对低层次和低附加值的技术，进而导致我国企业也较大程度上处在全球价值链的低端，这也意味着更多能源资源的投入，不可避免地造成二氧化碳排放的增加。但值得关注的是东中部地区的模仿创新对二氧化碳排放有一定的抑制作用。这说明模仿创新一方面具有管理、成本等方面的后发优势，另一方面技术引进提升了国内企业的模仿学习能力，本土企业在简单模仿引进技术的基础上，提高了对外资技术的消化吸收能力，促使外资企业加快技术升级，扩大技术扩散效应，进一步提升能源使用效率，从而减少二氧化碳排放。

2.门限模型

上述模型结果显示：我国东中部地区的模仿创新对二氧化碳排放有一定的抑制效应，尤其是在技术引进与自主研发均相对频繁的东部地区，这为二氧化碳减排的“创新驱动”战略的实施提供了具体的方向引导。此外，我国正处于工业化阶段的中后期，能源需求仍不可避免地呈现出刚性增长，因而模仿创新对二氧化碳的减排效应可能会因为工业化比重的不同而存在差异。本文拟在上述模型结果的基础上，引入面板门限模型，以工业产值占GDP的比重作为门限变量，深入探讨模仿创新可能存在的非线性减排效应。

在构造门限模型之前，首先需要借助LR统计量来检验工业占比是否对模仿创新的减排效应存在门限，即门限效应的显著性检验。如果这种非线性的门限效应存在，则进一步检验门限的个数，即确定模型是存在双重机制、三重机制或者是包含有更多机制的模型。

(1)门限效应的显著性检验。对于是否存在门限效应的显著性检验，对模型(4)而言，模型检验的原假设为：α5=α6，备选假设为：α5≠α6。本文运用 Hansen提出的用于检验非动态面板中存在门限效应的似然比检验统计量以实现上述检验[6]：

(7)

(8)

如果拒绝上述原假设，则表明搜索到两个门限。在此基础上，序贯搜索第三个或者更多个门限，直到拒绝原假设为止，以此确认门限个数。计算结果借助STATA14软件编程获得。

由门限检验结果(表2)可知，在1%的显著性水平下，存在三个(待估计)门限值，即模仿创新对二氧化碳排放的抑制效应因工业产值占比(z)的不同而存在显著差异，即下述的公式(9)所示。

lnCO2it=a0+a1lnPopit+a2lnGdpit+a3lnFdiit+a4lnRdit+a5(lnFdiit×lnRdit)I(z≤m1)+ a6(lnFdiit×lnRdit)I(m1m3)+eit

(9)

这一检验结果表明，技术进步因工业发展水平的不同而对二氧化碳排放产生不同的效应，这为门限模型的估计奠定了基础。

表2 门限效果检验结果

注：(1) P值和临界值均是采用bootstrap仿真实验设定循环次数为1000次反复抽样得到的结果；(2)***、**、*分别表示在1%、5%和10%的显著性水平下显著。

表3 门限估计值及置倍区间

假设检验估计值95%的置信区间门限值^m118.17***(18.17,18.174)门限值^m226.70***(20.55,30.43)门限值^m344.97***(44.01,48.03)

注：***、**、*分别表示在1%、5%和10%的显著性水平下显著。下表同。

(2)门限值的估计结果与分析。在检验门限效应的同时，门限值也在不断优化的搜索过程中被确定下来。表3给出了工业产值占比(z)的门限估计值及其置信区间。结果显示，工业产值占比的三个门限值分别是18.17，26.70和44.97，且均在1%的显著性水平下显著。门限值95%的置信区间指所有似然比统计量LR的值小于5%的显著性水平下的门限值的估计区间。

将门限值的估计值代入上述方程(9)，进一步得到模型最终的估计结果。Hausman检验的结果支持固定效应模型，相应的面板门限模型的估计结果如表4所示。

从表4可以看出，对于东部地区而言，模仿创新对二氧化碳排放的抑制效应随着工业产值占比的上升呈现出阶段性的递减。以北京和广东为例，1997年以来，北京的工业产值占比呈现出下降的趋势，从30.637下降到18.425；而广东省的工业产值占比一直保持在一个较高的水平且呈上升趋势，从41.616上升到46.644。当工业产值占比处于第一阶段，即工业产重占GDP的比值低于18.17时，模仿创新对二氧化碳排放的偏效应为-0.1525，且该值通过了5%的显著性水平检验，意味着模仿创新水平提升1%，其抑制二氧化碳排放的能力将下降为0.1525%，而这一水平相对应的是北京2012年以后的工业化水平。当工业产值占比处于第二阶段，即工业产值占GDP的比重高于18.17且低于26.7时，模仿创新对二氧化碳排放的偏效应为-0.1078，且该值通过了1%的显著性水平检验，意味着模仿创新水平提升1%，其抑制二氧化碳排放的能力下降为0.1078%，这一水平对应的是北京在2000～2012年间的工业化水平。当工业产值占比处于第三阶段，即工业产值占GDP的比重介于26.7到44.97之间时，模仿创新对二氧化碳排放的偏效应为-0.1031，且该值通过了1%的显著

表4 面板门限模型估计结果

性水平检验，意味着模仿创新水平提升1%，其抑制二氧化碳排放的能力进一步下降为0.1031%，这一水平对应的是北京在1999年之前的工业化水平或广东省在2004年之前的工业化水平。当工业产值占比处于第四阶段，即工业产值占GDP的比重提升到高于44.97时，模仿创新对二氧化碳排放的偏效应为-0.1001，且该值通过了1%的显著性水平检验，意味着模仿创新水平提升1%，其抑制二氧化碳排放的能力进一步下降为0.1001%，这一水平对应的是2004年以后广东省的工业化水平。从数据来看，工业化水平越过第一阶段后，模仿创新的减排效应下降了30%，越过第二阶段后，其减排效应下降近4.3%，而越过第三阶段后，其减排效应仍将继续下降近3.9%。从模型结果可以看出，作为行政中心的北京逐渐降低了工业产值占比，技术研发上也逐渐重视本土企业在积极自主研发基础上对国外先进节能减排技术的吸收和消化，从而衍生出的模仿创新能更有效地抑制二氧化碳排放。而对于我国制造业大省的广东省而言，工业产值占比一直维持在一个较高的水平，技术进步存在一定的路径依赖，因而导致模仿创新的节能效应一直相对较弱。

四、结论及政策建议

近年来，围绕技术进步对二氧化碳排放的影响，国内外学者做了一定的研究工作。但是，技术进步的不同途径(如自主创新、技术引进以及模仿创新)可能对二氧化碳排放造成不同影响，且影响效应也可能因地区经济发展水平的不同阶段而呈现出非线性变化趋势。基于此，本文采用我国1997～2012年的省级面板数据，引入测度不同技术进步途径的解释变量，构造东中西部省级面板数据模型进行实证研究。在得到普通面板数据模型结果的基础上，进一步构造面板门限模型，以工业产值占比作为反映区域经济发展水平特征的门限变量，对模仿创新的减排效应的非线性特征进行检验和分析。相关的主要结论和政策建议如下：

第一，普通面板模型的结果证实，技术进步并不是一定会促进节能减排，自主研发和技术引进对二氧化碳排放具有显著的促进效果，并在经济发达的东部地区体现得尤为明显。这充分说明，自主研发和技术引进在促进经济飞速发展的同时，也不可避免地带动了能源资源的大量消耗，导致二氧化碳排放的增加。但值得注意的是，国内企业在自主创新基础上，能逐渐吸收和消化国外先进的减排技术，因而显示出地区的模仿创新水平的提高对二氧化碳有一定的减排效应，这样的效应同样在东部地区显示明显。

第二，进一步构建的面板门限模型结果说明，模仿创新对二氧化碳排放的抑制效应存在基于工业产值占比水平的门限变化特征。在工业产值占GDP的比重越过18.17时，模仿创新的减排效应可以下降30%；工业产值占GDP的比重越过26.7时，其减排效应将下降近4.3%，而当工业产值占GDP的比重越过44.97时，其减排效应仍将继续下降近3.9%。

上述研究结论有着重要的政策含义：(1)由于我国长期存在的粗放型经济增长方式，相比于单纯地增加技术引进和自主研发的投入，要实现技术进步对二氧化碳的减排效应，政府需要更加有效地引导技术进步方式。(2)政府在激励企业提高自主创新能力的同时，更应该注重发挥自主研发的双重效应，注重对引进的先进减排技术的消化吸收，进一步推动模仿创新水平的提高，从而促进节能减排。(3)由于模仿创新对二氧化碳的减排效应体现出不同工业发展水平的门限特征，因此各地区持续稳定的经济发展仍然是技术减排效应发挥的前提条件。因此，工业化水平较高的地区更应该先行先试，主导技术研发方式从单纯的粗放型投入向节能减排的模仿创新型转变，真正发挥技术减排的优势，实现国家经济向低碳式增长方式的转型。

[1] Jaffe，A.B.，Newell，R.G.，Stavins，R.N.Environmental Policy and Technological Change[J].Environmental and Resource Economics，2002，(22):41—69.

[2] 申萌，李凯杰，曲如晓.技术进步、经济增长和二氧化碳排放：理论与经验研究[J].世界经济，2012，(7)：83—99.

[3] 林伯强，杜克锐.理解中国能源强度的变化：一个综合的分解框架[J].世界经济，2014，(4)：69—87.

[4] Du，L.，Hanley， A.，Wei，C.Estimating the Marginal Abatement Cost Curve of CO2 Emissions in China：Provincial Panel Data Analysis[J].Energy Economics，2015，48(4):217—229.

[5] 唐未兵，傅元海，王展祥.技术创新、技术引进与经济增长方式转变[J].经济研究，2014，(7)：31—42.

[6] 吴延兵.自主研发、技术引进与生产率——基于中国地区工业的实证研究[J].经济研究，2008，(8)：51—64.

[7] Sagar， A.D.，Zwaan，B.Technological Innovation in the Energy Sector：R&D，Deployment and Learning-by-Doing[J].Energy Policy，2006，34(17):2601—2608.

[8] Nakata，T.，Sato，T.，Wang，H.Modeling Technological Learning and Its Application for Clean Coal Technologies in Japan[J].Applied Energy，2011，88(1):330—336.

[9] 林伯强.危机下的能源需求和能源价格走势以及对宏观经济的影响[J].金融研究， 2010，(1)：46—57.

[10] 李锴，齐绍洲.贸易开放、经济增长与中国二氧化碳排放[J].经济研究，2011，(11)：60—72.

[11] 宋马林，王舒鸿.环境规制、技术进步与经济增长[J].经济研究，2013，(3)：122—134.

[12] 王班班，齐绍洲.有偏技术进步、要素替代与中国工业能源强度[J].经济研究，2014，(2)：115—127.

[13] 林毅夫，张鹏飞.后发优势、技术引进和落后国家的经济增长[J].经济学(季刊)，2005，(1)：53—74.

[14] 吕延方，王冬，陈树文.进出口贸易对生产率、收入、环境的门限效应——基于1992—2010年我国省际人均GDP的非线性面板模型[J].经济学(季刊)，2015，(2)：703—730.

[15] Hansen，B.Threshold Effects in Non-Dynamic Panels:Estimation,Testing and Inference[J].Journal of Econometrics，1999，(93):345—368.

[16] Ehrlich，P.R.，Holdren，J.P.Impact of Population Growth[J].Science，1971，(3977):1212—1217.

[17] York，R.，Rosa，E.A.，Dietz，T.STIRPAT，IPAT and ImPACT：Analytical Tools for Unpacking the Driving Forces of Environmental Impacts[J].Ecological Economics，2003，46(3):351—365.

[18] 李科.我国地区经济结构与能源消费的差异分析[J].统计与决策，2013，(2)：126—129.

[19] Shao，S.，Yang，L.， Gan， C.， Cao， J.， Geng， Y.， Guan， D.Using an Extended LMDI Model to Explore Techno-Economic Drivers of Energy-Related Industrial CO2 Emission Changes：A Case Study for Shanghai (China) [J].Renewable and Sustainable Energy Reviews，2016，(55):516—536.

[20] 魏巍贤，杨芳.技术进步对中国二氧化碳排放的影响[J].统计研究，2010， (7)：36—44.

[21] Popp，D.Induced Innovation and Energy Prices[J].American Economic Review，2001，(4)：160—180.

[22] Blomström.Foreign Investment and Spilovers：A Study of Technology Transfer to Mexico[M].London：Routledge，1989.

(责任编辑：胡浩志)

2016-10-21

福建省社会科学规划项目“供给侧结构性改革背景下福建省产业创新驱动战略研究”(FJ2016B138)

雷 宏(1964— )，男，湖北当阳人，集美大学工商管理学院教授，博士； 李 智(1979— )，女，江西南昌人，厦门大学经济学院中国能源经济研究中心助理教授，博士。

F124.3

A

1003-5230(2017)03-0058-08