技术创新与碳排放效率耦合协调关系及驱动力研究——以装备制造业细分行业为例

冯俊华 韩 美

(陕西科技大学经济与管理学院,陕西 西安 710021)

我国承诺到2030年在2005年基础上将单位国内生产总值(GDP)碳排放量降低60%～65%,且碳排放总量在2030年左右达到峰值。技术创新作为社会经济发展的第一驱动力,是提升碳排放效率的关键手段,反过来碳排放效率也会通过经济水平和环保压力促进技术创新水平的进一步提升,两者相互影响、相互促进。因此,技术创新与碳排放效率协调发展是企业实现转型升级、行业实现“碳达峰”目标的关键。装备制造业是工业的心脏和国民经济的发动机,也是《中国制造2025》计划的重要依托行业。然而,装备制造业要实现经济目标,势必会消耗大量资源和能源并产生环境污染,主要体现在生产加工环节的高碳排放量。因此,研究装备制造业技术创新与碳排放效率的耦合协调关系及驱动力刻不容缓,是实现装备制造业经济效益、社会效益、环境效益三赢的重要保证。

关于技术创新与碳排放的关系,学者们已从以下几方面开展了研究：(1)从省、市、县、企业尺度研究两者的关系[1-2],但缺乏对具体行业的细分行业研究;(2)主要研究技术创新与碳排放效率的单向静态关系,包括技术创新抑制碳排放[3-4]和碳排放倒逼技术创新水平提升[5-6],缺乏对技术创新与碳排放效率动态互动关系的研究,特别是两者的耦合协调关系研究很少;(3)研究技术创新与碳排放效率耦合协调关系驱动力时多采用线性回归[7-8]、空间计量[9-10]、Tobit[11-12]等模型,存在变量间内生性问题。

本研究选取2000—2019年装备制造业面板数据,综合评价技术创新与碳排放效率并分析它们的耦合协调效应,然后运用可以解决变量间内生性问题的面板向量自回归(PVAR)模型进一步明确驱动两者耦合协调的重要因素。

1 研究方法与指标选取

1.1 技术创新与碳排放效率评价指标体系构建

基于装备制造业创新与生产活动的投入产出过程选取技术创新和碳排放效率的评价指标。

(1) 技术创新评价指标

技术创新投入是装备制造业进行创新活动的基础,主要体现在人员、财务等方面的投入,本研究选用研究与开发(R&D)人员全时当量、新产品开发经费和R&D经费3个指标作为技术创新投入的评价指标。

技术创新产出衡量的是装备制造业在进行创新活动时的效益成果,可通过企业专利数、新产品增加值等方面来体现,本研究选用R&D项目数、发明专利申请数、有效发明专利数、新产品开发项目数和新产品销售收入5个指标作为技术创新产出的评价指标。

(2) 碳排放效率评价指标

从人力、财力、物力等角度出发，选取装备制造业规模以上工业企业平均用工人数、能源消费总量、固定资产净值3个指标作为装备制造业创造收益所要投入的成本指标。

装备制造业投入一定生产要素会产出一定的经济效益和环境污染,其中经济效益可以用行业生产总值来反映,但由于装备制造业缺乏行业生产总值数据,本研究用主营业务收入来表征;环境污染的可表征指标很多,参考文献[13]、[14]选取非期望环境污染指标碳排放量作为环境污染的表征指标,计算参考周四军等[15]的方法并根据联合国政府间气候变化专门委员会(IPCC)公布的标准煤折算系数进行折算。

运用极差法对指标作标准化处理[16]。

各指标权重通过熵值法确定,计算方法如下：

(1)

(2)

式中：Ej为j指标的熵值;N为评价总年数,本研究中2000—2019年为20年;Xij为i年j指标的标准化值;Wj为j指标的权重。

1.2 技术创新与碳排放效率耦合协调度模型

先对技术创新和碳排放效率计算综合评价值,计算公式分别见式(3)和式(4)。

(3)

(4)

式中：Ri、Hi分别为i年装备制造业技术创新综合评价值和碳排放效率综合评价值。

再建立耦合协调度模型来评价装备制造业技术创新与碳排放效率的耦合协调关系,计算方法如下：

(5)

(6)

(7)

式中：Ti为i年装备制造业技术创新与碳排放效率的综合评价值;Ci为i年装备制造业技术创新与碳排放效率的耦合度;Di为i年装备制造业技术创新与碳排放效率的耦合协调度。

装备制造业技术创新与碳排放效率耦合协调度评价参考文献[17]。

1.3 驱动力因素选取及模型构建

装备制造业技术创新与碳排放效率耦合协调度的驱动力因素选取参考冯俊华等[13]关于影响工业企业技术创新与生态效率耦合协调度的驱动力因素,包括企业规模(主营业务收入与企业个数比值)、自主创新程度(创新相关经费内部支出占主营业务收入比重)和能源结构(煤炭消耗量占能源消耗总量比例)。

利用PVAR模型研究企业规模、自主创新程度、能源结构3个驱动力因素对装备制造业技术创新与碳排放效率耦合协调度的驱动影响情况。

1.4 行业分类与数据来源

本研究参考《国民经济行业分类》(GB/T 4754—2002)将装备制造业细分成金属制品业,通用设备制造业,专用设备制造业,交通运输设备制造业,电气机械及器材制造业,通信设备、计算机及其他电子设备制造业,仪器仪表及文化、办公用机械制造业7类。

技术创新评价指标和碳排放效率评价指标(除碳排放量)数据来源于2001—2020年的中国统计年鉴;创新相关经费内部支出、主营业务收入、企业个数数据来源于2001—2020年的工业企业科技活动统计年鉴;各类能源消耗量数据来源于2001—2018的中国能源统计年鉴和2019—2020年的中国碳核算数据库,为消除价格波动影响,新产品开发经费、R&D经费、固定资产净值、新产品销售收入、主营业务收入等指标均以2000年为基期用平减指数进行处理。

2 结果及分析

2.1 技术创新与碳排放效率综合评价

技术创新与碳排放效率综合评价值见图1。技术创新综合评价值和碳排放效率综合评价值整体都呈现逐年增长趋势,技术创新综合评价值虽一直滞后于碳排放效率,但其增长幅度显著大于碳排放效率,两者的差距逐渐缩小,短期内技术创新综合评价值有望超过碳排放效率综合评价值。

图1 技术创新与碳排放效率综合评价值Fig.1 The comprehensive evaluation values of technological innovation and carbon emission efficiency

装备制造业各细分行业的技术创新综合评价值见图2。装备制造业各细分行业的技术创新综合评价值整体变化趋势一致,呈现逐年增长趋势,其中通信设备、计算机及其他电子设备制造业增长幅度最大,金属制品业和仪器仪表及文化、办公用机械制造业技术创新综合评价值一直处于较低水平。

图2 装备制造业细分行业的技术创新综合评价值Fig.2 Comprehensive evaluation values of technological innovation for the sub-sectors of equipment manufacturing industry

装备制造业各细分行业的碳排放效率综合评价值见图3。装备制造业各细分行业的碳排放效率综合评价值整体变化趋势也比较一致,呈现逐年增长趋势。与技术创新综合评价值相似,通信设备、计算机及其他电子设备制造业增长幅度最大,仪器仪表及文化、办公用机械制造业增长幅度最小。

图3 装备制造业细分行业的碳排放效率综合评价值Fig.3 Comprehensive evaluation values of carbon emission efficiency for the sub-sectors of equipment manufacturing industry

2.2 技术创新与碳排放效率耦合协调度分析

装备制造业技术创新与碳排放效率耦合协调度见图4。2000—2019年装备制造业技术创新与碳排放效率耦合协调度整体发生了飞跃式增长。耦合协调状态经历了从严重失调到轻度失调的良好转变。2001年耦合协调度出现最低值,主要可能是受限于技术创新综合评价值低,反映出技术创新是制约两者耦合协调度的重要原因。

装备制造业细分行业的技术创新与碳排放效率耦合协调度见图5。2000—2019年各细分行业技术创新与碳排放效率耦合协调度整体变化趋势一致,呈现逐年上升趋势。耦合协调度除仪器仪表及文化、办公用机械制造业提升不明显,其他各细分行业均有较大提升,2000年交通运输设备制造业,通信设备、计算机及其他电子设备制造业处于中度失调,其余各细分行业处于重度失调;而2019年各细分行业提升到了濒临失调甚至是勉强协调,而通信设备、计算机及其他电子设备制造业成了唯一达到协调状态的细分行业。由于技术创新综合评价值滞后于碳排放效率,且耦合协调状态主要受限于技术创新,因此通过提高技术创新发展水平可进一步增强装备制造业及其细分行业技术创新与碳排放效率的耦合协调度。

图4 技术创新与碳排放效率耦合协调度Fig.4 The coupling coordination degrees of technological innovation and carbon emission efficiency

图5 装备制造业细分行业的技术创新与碳排放效率耦合协调度Fig.5 The coupling coordination degrees of technological innovation and carbon emission efficiency for the sub-sectors of equipment manufacturing industry

2.3 技术创新与碳排放效率耦合协调度的驱动力因素分析

2.3.1 平稳性检验及滞后阶数确定

使用Stata15.0软件对装备制造业技术创新与碳排放效率耦合协调度及其驱动力因素进行PVAR模型建模分析,考虑到指标数据的平稳性,分别对变量取自然对数后进行平稳性检验、同质根检验(LLC)和异质根检验(IPS)，结果均表明原始序列为平稳序列。

运用赤池信息准则(AIC)、贝叶斯信息准则(BIC)、汉南-奎因信息准则(HQIC)3个最小信息准则进行最优滞后阶数的选择。由表1可以看出,最优滞后阶数应为3,因此下面构建滞后3阶PVAR模型。

表1 PVAR模型最优滞后阶数1)Table 1 Optimal lag order of PVAR model

2.3.2 方差分解

装备制造业技术创新与碳排放效率耦合协调度的方差分解中，耦合协调度本身、企业规模、自主创新程度和能源结构所占比例如表2所示。可以看出：(1)耦合协调度对其本身的贡献度最大;(2)除耦合协调度本身外,自主创新程度对于耦合协调度的贡献度最大,能源结构的贡献度也相对较大,而企业规模的贡献度相对较小。因此,装备制造业在未来的发展过程中应重视技术的升级改造,加大自主创新力度,大力推进清洁能源的使用,做到节能减排,优化结构,促进技术创新和碳排放效率耦合协调。

表2 装备制造业耦合协调度方差分解Table 2 Coupling coordination degree variance decomposition of equipment manufacturing industry %

3 结论与启示

3.1 结 论

(1) 技术创新综合评价值和碳排放效率综合评价值整体都呈现逐年增长趋势,技术创新综合评价值虽一直滞后于碳排放效率,但其增长幅度大于碳排放效率,两者差距逐渐缩小。各细分行业中,通信设备、计算机及其他电子设备制造业增长幅度最大,仪器仪表及文化、办公用机械制造业增长幅度最小。

(2) 装备制造业技术创新与碳排放效率耦合协调度整体经历了从严重失调向轻度失调的过渡,主要可能是受限于技术创新综合评价值低,因此通过提高技术创新发展水平可进一步增强装备制造业及其细分行业技术创新与碳排放效率的耦合协调度。

(3) 装备制造业技术创新与碳排放效率耦合协调度受耦合协调度本身的影响最大,其次受到自主创新程度和能源结构的影响,受企业规模的影响最小。

3.2 启 示

(1) 针对行业异质性,实施差异化发展。装备制造业各细分行业技术创新与碳排放效率发展水平差异较大且驱动耦合协调度因素不同,所以各细分行业需要寻求适合各自发展的道路。金属制品业、通用设备制造业、专用设备制造业可以着重解决碳排放效率问题,虽然可以通过技术升级减少碳排放量,但更重要的是要不断优化行业结构,同时学习先进行业的低碳生产技术以提升行业的碳排放效率。而对于交通运输设备制造业,电气机械及器材制造业,通信设备、计算机及其他电子设备制造业等,除学习先进技术外,需要提升自主创新能力,增加有利于能源利用效率提升和清洁能源开发的研发投入,减少投资冗余,有效控制运作成本,拓展低碳技术升级新渠道。

(2) 加强协调行业的辐射效应,建立装备产业集群。依靠通信设备、计算机及其他电子设备制造业的辐射效应,发挥行业协调作用,加强行业间的合作交流,在降低成本、提高能源利用效率、提高自主创新能力等方面优势互补,推动发展高质量装备产业集群,促进装备制造业整体向优质协调方向迈进。