中国低碳技术专利的时空格局及影响因素

彭聪 吕拉昌

摘要：探究低碳技术专利的发展与创新，科学辨识影响低碳技术空间格局变化的驱动因子，对我国低碳技术空间合理分布具有重要的现实意义。以中国284个地级及以上城市为研究对象，基于2006—2020年有关低碳技术专利授权数据，运用标准差椭圆、探索性空间数据和地理探测器等方法对中国低碳技术的时空格局及影響因素进行分析，结果表明：中国城市低碳技术专利增长迅速，东部地区低碳技术创新产出水平一直保持领先水平；中国低碳技术空间分布布局呈“东北-西南”方向且收缩态势明显，京津冀、长三角和珠三角城市群为主要核心区，成渝城市群发展迅速，北京低碳技术创新水平最高；中国城市低碳技术空间自相关性逐渐增强，具有显著的空间依赖性，天津、上海、杭州、广州和深圳始终处于H-H聚类区，创新溢出效果明显。技术基础设施建设是中国城市低碳技术空间变化的主导因子，政府财政资金和创新企业数量是主要驱动

力，市场资金流动、产业结构和经济发展水平具有一定的驱动作用，环境规制因子驱动作用最小。

关键词：低碳技术专利；时空格局；驱动因素；地理探测器中图分类号：F 124.3

文献标识码：A   文章编号：1672-7312（2023）04-0424-11

Spatial-temporal Pattern and Influencing Factors of

Low-Carbon Technology Patents in China

——An Empirical Analysis Based on Data of 284 Cities at

Prefecture Level and Above in China

PENG Cong1，LYU Lachang1，2

（1.College of Resources，Environment and Tourism，Capital Normal University，Beijing 100048，China；

2.Beijing Research Center for Urban Innovation and Development，Beijing 100048，China）

Abstract：It is of great practical significance to explore the development and innovation of low carbon technology patents，and identify the driving factors that affect the spatial pattern changes of low carbon technology.Based on the data of low-carbon technology patent authorization from 2006 to 2020 in 284 cities at prefecture-level and above in China，the spatio-temporal pattern and influencing factors of low-carbon technology in China were analyzed by using standard deviation ellipse，exploratory spatial data and geo detector.The results indicate that：Low-carbon technology patents in Chinese cities are growing rapidly，the output level of low-carbon technology innovation in the eastern region has always been at a leading level.The spatial distribution of low-carbon technologies in China shows a trend of “northeast-to-southwest” and the trend of contraction is obvious.The Beijing-Tianjin-Hebei，Yangtze River Delta and Pearl River Delta urban agglomerations are the main core areas.The Chengdu-Chongqing urban agglomeration is developing rapidly，and Beijing has the highest level of low-carbon technology innovation.The spatial autocorrelation of low-carbon technologies in Chinese cities is gradually enhanced，showing a significant spatial dependence.Tianjin，Shanghai，Hangzhou，Guangzhou and Shenzhen are always in the H-H cluster area，and the innovation spillover effect is obvious.Technology infrastructure construction is the leading factor of urban low-carbon technology spatial change in China.Government financial funds and the number of innovative enterprises are the main driving forces.Market capital flow，industrial structure and economic development level play a driving role to a certain extent，and environmental regulatory factors play the least driving role.

Key words：low-carbon technology patent；spatial-temporal pattern；driving factors；geodetector

0 引言近年来，随着工业化和城市化进程的不断加快，人类活动引起的能源消耗以及温室效应问题愈加严重。全球气候进入紧急状态，气候环境变化问题是本世纪所面临的最大挑战之一。在此背景下，应对全球气候变化的低碳技术创新成为全球重要的发展目标，也成为国际竞争力的核心内容。2022年中国政府报告中提出，要推进绿色低碳技术研发和推广应用，加快形成绿色低碳生产生活方式。《十四五能源规划体系》也提出，促进绿色发展、推动能源革命、实现双碳目标，绿色低碳技术尤为重要。低碳技术创新不仅事关气候变化问题的解决，也是低碳经济发展的重要环节，是实现碳达峰、碳中和目标的关键力量。目前国内外学者对低碳技术的概念尚没有一致的界定，但对其内容及涉及领域基本达成共识[1]。低碳技术涉及电力、交通、建筑、冶金、化工、石化等多个领域，包括各领域开发的有效控制温室气体排放的新技术，还包括所有为达到降低碳排放而采取的一切方法和手段[2]，本研究基于此定义。

当前国内外学者对低碳技术的研究主要聚焦于低碳技术成果转化模式与机制研究[3]、低碳技术协同创新问题[4-5]和低碳技术创新影响因素分析等方面[6-7]，而针对中国城市低碳技术时空格局演变的研究相对较少，刘立等[8]认为我国处于低碳技术发展初级阶段，虽然在主要技术领域都有所涉及，但是与日本和韩国相比还处于不同技术发展阶段。在低碳技术创新影响因素研究方面，目前国际上对于低碳技术创新产出影响因素的判断缺少统一标准，现有研究也仅仅是从某个角度对低碳技术创新产出的影响因素进行分析，且多以定性说明为主，从城市层面对中国低碳技术创新产出的定量实证研究较少。国外学者认为企业作为创新活动的主导者，低碳技术创新会受到企业本身的创新氛围以及员工工作积极性的影响[9]，法律法规对企业家实施低碳技术创新的决策具有稳定的长期影响，支持性的制度环境可以通过碳定价政策、国家级公共研发和人力资本等因素促进低碳技术创新，而创新支持组织和研究机构对企业家实施低碳技术创新的影响很小[10-11]。国内学者认为创新环境影响创新进程，低碳技术创新影响因素可以大致分为产业需求、市场竞争、科技发展以及政策支持4大因素[12]，完善低碳政策是提高低碳技术創新内、外部动力因素动力效能的有效途径[13]。从国家角度，张宏武等[14]在构建低碳技术影响因素指标体系的基础上，利用1990—2010年数据，运用积差相关方法和逐步回归法对影响我国低碳技术发展的影响因素进行实证分析，得出非化石能源比重、能源强度、人口城镇化率和专利申请授权数对低碳技术影响显著的结论。从省域角度，LYU等[15]以中国30个省市为研究对象，采用DID模型验证碳排放权交易的政策效应进行了检验，发现碳排放权交易制度能够抑制低碳技术创新的发展，污染智力投资对低碳技术创新的影响为负且不显著。从企业角度，时丹丹[16]基于中国企业视角识别、整理了中国企业低碳技术创新的影响因素，并揭示了动态环境在低碳技术创新影响因素作用过程中的调节所用。毛劲歌等[17]对湖南省7个地级市的330家企业进行调查研究发现，企业低碳技术创新融资支持、节能减排政策执行力度、财政补贴、完备的专利保护法律体系和政府绿色购买等因素显著影响企业低碳技术创新意愿。在气候变化背景下，低碳技术创新不仅仅是一项纯粹的技术，而是一项跨职能的活动，需要与整个社会制度创新相结合，才能带动低碳经济的发展[18]。综上所述，已有文献从国家、省域和企业视角，通过积差相关方法、逐步回归法、双层嵌套式CES函数和DID模型等方法对影响我国低碳技术创新的因素做了研究，而以城市尺度为视角的有关低碳技术创新影响因素和时空格局演变的研究相对较少，目前没有文献基于地理探测器分析单因子影响低碳技术空间格局变化的解释力以及揭示两两因子之间是如何影响等科学问题。从初步发展到当前，低碳技术时空格局如何演变？影响低碳技术的空间格局变化的因子是什么？两两因子如何相互作用影响低碳技术空间格局，作用程度如何？面对这些问题的研究还比较匮乏，因此探究低碳技术专利的发展与创新，科学辨识影响低碳技术空间格局变化的驱动因子，对我国低碳技术空间合理分布，促进低碳技术协同创新发展以及增强我国科技实力具有重要的现实意义。基于此，研究立足于低碳技术概念及所涉及领域，利用有关低碳技术专利授权数据，从城市视角切入，运用标准差椭圆方法和探索性空间数据分析中国低碳技术创新产出的时空演化格局，采用地理探测器模型分析单因子影响中国城市低碳技术创新产出空间格局变化的解释力，同时分析驱动因素的交互作用对低碳技术空间格局的影响，为实现低碳技术创新和低碳经济高质量发展提供科学参考。

1 研究对象、研究方法与数据来源

1.1 研究对象以中国284个地级及以上城市为研究对象，包括直辖市和地级市。鉴于数据的可获得性，其中，海南省的三沙市和儋州市、贵州省的毕节市和铜仁市、青海省的海东市、新疆维吾尔自治区的吐鲁番市和哈密市、西藏自治区和中国香港、中国澳门2个特别行政区及中国台湾省未纳入研究范围。

1.2 研究方法

1.2.1 标准差椭圆标准差椭圆可以从全局的角度定量解释地理单元某一属性值空间分布的中心性、方向性和空间形态等整体性特征[19]。利用标准差椭圆可以识别中国城市低碳技术的空间分布，同时能够通过计算短半轴、长半轴及方位角等参数对低碳技术的空间集聚特征进行描述，其计算公式为

=∑ni=1wixi

∑ni=1wi

，

=∑ni=1wiyi

∑ni=1wi

（1）

θ=

arctan

∑ni=1wi22i

-

∑ni=1wi22i

+

∑ni=1wi22i

-

∑ni=1wi22i

+4

∑ni=1wi22i

2i

2

2∑ni=1wi22i

2i

（2）

σx=

∑ni=1（wi

icosθ

-

wi

isinθ）2

∑ni=1w2i

，

σy=

∑ni=1（wi

icosθ

-

wi

isinθ）2

∑ni=1w2i

（3）

式中：

，为标准差椭圆的重心坐标；

xi，yi为研究区域各城市的中心坐标；

wi

为各城市低碳技术专利创新的权重；θ为椭圆方向角；

i，i

为各城市中心坐标到重心坐标的偏差；σx，

σy分别为标准差椭圆的长、短轴的距离。

1.2.2 空间自相关分析空间自相关分析通常用来定量的描述区域变量在空间上的关联程度，是揭示其空间分布规律的一种空间统计方法[20]。研究選用空间自相关指数（Morans I）来描述中国城市低碳技术空间分布特征，其计算公式为

I=

n

∑ni=1

∑nj=1

wij

×

∑ni=1

∑nj=1

wij

（xi-）（xj-）

∑ni=1

（xi-）2

，i≠j

（4）

式中：I为全局MoranI指数；n为城市的数量；i和j为空间中的2个城市；

wij

为2个城市空间关系的空间权重矩阵；

xi与x分别为第i个城市在x的位置及平均值；I取值范围为（-1，1）。当I＞0时，表明在空间上存在集聚性；当I≤0时，表明在空间上呈现随机分布或离散分布。局部

MoranI可以分析空间地域单元与周边空间单元之间的空间关系，其计算公式为

I=

（xi-）

∑nj=1wij

zj

1n

∑ni=1（xi-）2

（5）

式中：

I为局部莫兰指数；

Zi，Zj

为研究区域i，j的某研究变量的标准化值，I＞0时，表示相邻的空间地域单元呈现集聚效应；I＜0时，表示相邻的空间地域单元呈离散状态。

1.2.3 地理探测器地理探测器是用来度量空间分异性、探测解释因子与分析变量之间交互关系以及揭示其背后驱动力的一组统计学方法[21]。本研究利用地理探测器来分析中国城市低碳技术驱动因子作用强度以及因子间的相互作用，其模型如下

q=1-

1Nσ2

∑Li=1Niσ2i

（6）

式中：q为低碳技术专利驱动因素解释力；N，σ2分别为研究区域整体数量与方差；L为自变量分类个数；q的值域为[0，1]，q值越大表示自变量对因变量的解释力越强，反之则越弱。

1.3 数据来源研究采用Incopat数据库作为检索工具，研究对象是我国不同领域、行业中应用的低碳技术，检索时间范围为2006年1月1日至2020年12月31日。首先通过查阅相关文献并借鉴前人研究，提炼低碳技术的不同表达方式，再结合我国目前国家发改委已经发布的《国家重点节能低碳技术推广目录》（2015年本，2016年本，2017年本）中对低碳技术的分类进行统计更新，确定低碳技术专利IPC分类号见表1，并结合关键词进行检索，最终汇总18个领域2006年至2020年中国284个城市及以上的低碳技术发明专利授权数量。专利作为世界上最大的技术信息源，其分布状态是技术差异性的重要表征，据世界知识产权组织的报告，专利信息包含了全球90%以上R&D产出[22]。因此根据中国统计资料的实际情况，遵循研究惯例，采用国内外众多学者普遍采用的专利授权数作为衡量低碳技术创新产出水平的指标[23-24]。影响因素相关指标数据主要来源于《中国城市统计年鉴》、2006—2020年的各城市的《国民经济和社会发展统计报告》以及各地级市统计年鉴。其中产业技术创新基础设施数据、创新企业数量均来源于企查查平台，筛选条件中登记状态均为在业/存续、行业分类分别为科学研究和技术服务业以及专业技术服务业、科技推广和应用服务业，均有专利申请[25]。

研究选取2006、2010、2016和2020年的数据作为观测样本，选择样本的理由是：2006年是“十一五”规划的起始年，中国在“十一五”规划中首次提出节能减排目标，国际发展委联合多部门制定《千家企业节能行动实施方案》，涉及多个重点耗能行业，引领工业领域节能降耗。2010年国家发改委正式将低碳发展引入城市范畴，低碳试点在多个城市展开。2016年是“十三五”规划起始年，中国在绿色低碳科技领域开展大量研究，关注绿色低碳技术的发展。2020年是“十三五”规划的收官之年，国家宣布碳达峰、碳中和目标愿景。由于专利授权数据拥有一定的滞后性，并不是所有当年申请的专利都能在18个月内公开，在第三年公开的专利数量不容忽视（主要集中在第三年的上半年），因此，考虑申请后前三年内公开的专利即可满足研究精度的要求。基于以上分析，在保证数据可靠性的前提下也尽量保证研究的时效性，本研究最终将最后研究时间确定为2020年。

2 中国城市低碳技术专利的空间格局演化

2.1 中国城市低碳技术专利的空间格局分析中国城市低碳技术专利增长迅速。2006年样本城市低碳专利授权数量为26 540件，到2020年，低碳技术专利授权数量大幅增加，已经达到184 536件。由图1可以看出，低碳专利授权数量从2010年开始显著增加，2010—2016年增长速度最快，2016—2020年增长速度趋于平缓。其中，东部地区低碳专利创新产出水平一直保持领先水平，而中部、西部和东北地区2006年至2013年低碳技术专利数量有所增加，但增速较小，2013年至2020年低碳技术专利授权数量保持平稳，变化较小。

在空间格局上，2006—2020年中国低碳技术分布不均匀，整体呈现空间聚集特征，并有逐渐向周围地区扩散的趋势。京津冀、长三角、珠三角为主要核心区，成渝城市群发展迅速。其中，北京的低碳技术创新水平在样本地级市中一直保持领先地位，且专利授权数量与其他城市差异较大。不同的低碳技术专利授权数量在不同年份空间上表现不同的特征，见表2。

2006年，从城市尺度来看，北京和上海为低碳技术专利授权数量最高的第一梯队；低碳技术专利授权数量较高的第二梯队，主要为直辖市和部分省份的地级市，分别为天津、南京、杭州、广州和深圳；低碳技术发展较为缓慢的第三梯队城市主要有：哈尔滨、长春、沈阳、大连、济南、青岛、太原、郑州、西安、合肥、无锡、苏州、宁波、武汉、长沙、重庆、成都、贵阳和昆明共19个城市，其余城市低碳技術专利申请数量最少，低碳技术发展最为缓慢。从区域尺度来看，低碳技术专利主要聚集在京津冀、长三角区域，呈现以北京和上海为核心的双核心发展格局。

2006年之后低碳技术专利申请量迅速增加，到2020年，低碳技术专利授权数量第一梯队由原来的2个城市增加到6个城市，南京和杭州市低碳专利授权数量发展迅猛。天津、济南、青岛、西安、合肥、苏州、无锡、宁波、武汉、长沙、重庆、成都和佛山为第二梯队城市。第三梯队由原来的19个城市增加到33个城市。从区域尺度来看，低碳技术专利授权数量增加的城市主要是成片发展，空间分布存在路径依赖，东部地区数量较多。空间格局分布依然主要集中在京津冀、长三角和珠三角地区，其次是成渝城市群，长三角区域由原来的单核心发展转变成以南京、苏州和上海为核心的多核心发展格局，珠三角区域呈现出以广州和深圳为核心的双核心发展格局。总体上看，东部沿海地区在原有的格局上继续向外扩大规模，带动周围城市连片式发展。

标准差椭圆可以了解低碳技术创新产出的空间布局状态及变迁特征。整体来看，标准差椭圆呈现“东北-西南”格局，其面积不断减小，说明中国城市低碳技术空间集聚性特征明显，中国东中部地区低碳技术发展起主导地位，重心转移的趋势与中国城市低碳技术的空间分布特征相对应。重心移动轨迹如图2所示，2006—2020年低碳技术重心集中在东经116.22°～116.51°，北纬31.86°～32.90°之间，中国城市低碳技术重心变化幅度较小，始终位于安徽省内，重心一直向西南方向偏移，说明西南方向的低碳技术创新水平趋势较好。根据标准差椭圆参数见表3，椭圆的长半轴始终大于短半轴，两者的差值一直在变小，说明中国城市低碳技术的空间方向性较为明显，具有较强的空间集聚性。从长轴长度来看，中国城市低碳技术分布在东北-西南方向上，且西南方向增速较快，表明东中部地区低碳技术增幅较大；在短轴方向上，2006—2020年中国城市低碳技术标准差椭圆短轴长度整体变化不大，表明中国城市低碳技术的向心力基本稳定。从方位角来看，中国城市低碳技术方位角由2006年的28.67°增加至 2020年的30.15°，顺时针旋转1.48°，偏转幅度不大，空间格局尚未改变。

2.2 中国城市低碳技术专利的空间自相关性和时空演化特征

2006、2010、2016和2020年部中国低碳技术全局MoranI指数见表4。研究期内，只有2006年中国城市低碳技术未通过p值小于0.1，z值大于1.65的显著性检验，说明2006年中国城市低碳技术的空间分布较为分散，未表现出显著的空间依赖性。2010年MoranI指数通过了10%的显著性检验，具有一定集聚现象，但集聚程度较低，主要聚集在个别发达城市。从2010年到2020年MoranI指数均为正呈增长趋势，且分别通过了10%、1%、1%的显著性检验，说明中国城市低碳技术专利申请的空间自相关性逐渐增强，低碳技术专利申请的空间分布具有显著聚集现象，与椭圆标准差的空间集聚性结论相符。

为了进一步反映局部空间关联特征，利用ArcGIS软件对中国城市低碳技术进行局部空间自相关分析，得到2006年、2010年、2016年和2020年中国284个城市低碳技术的LISA集聚图（见表5）。整体来看，高-高聚类主要分布在京津冀、长三角和珠三角的核心城市，且核心城市随着时间变化对周边辐射带动作用增强。研究期内，天津、上海、杭州、广州、深圳始终处于高-高型聚类区，说明这5个城市与相邻城市的低碳技术专利授权量均较高，存在空间正相关关系，创新溢出效应明显，空间联系较为紧密。武汉始终处于高-低聚类区，表明武汉自身低碳技术发展水平较高，而相邻地区低碳技术授权数量较低，空间上表现出中心较高四周较低的负相关关系。2010年，南京、无锡、苏州和东莞成为新的高-高集聚区，西安成为新的高-低集聚区。2016年，宁波、绍兴、珠海和佛山为新增高-高聚类区，北京、重庆和成都为新的高-低集聚区。2020年，新增高-高聚类区常州一个城市，绍兴和北京分别由高-高聚类区和高-低聚类区变为不显著。

3 中国城市低碳技术专利驱动因素的指标体系构建

3.1 低碳技术专利驱动因素指标体系中国城市低碳技术的时空演变是一个较为复杂的过程，通过对现有文献进行梳理与分析，参考以前的研究[26]，结合新时期低碳技术发展政策与趋势，选取经济发展水平、政府资金支持、产业结构、技术基础设施、企业创新主体、市场资金流动和环境规制7项因子，对中国城市低碳技术空间分异格局的驱动力进行探测，具体指标描述如下（见表6）。

1）创新企业数量（X1）。技术的创新与发展离不开创新人才和科研资金的支持。中国低碳技术研究起步晚，研发能力不足，低碳技术积累薄弱，严峻的碳减排形势需要低碳技术的创新与应用，而创新企业是低碳技术创新和发展的主要载体，创新企业的数量在一定程度上可以反映技术创新的发展进程。所以采用创新企业的数量衡量低碳技术创新发展所需的创新人才。2）政府财政一般预算中用于科学支出（X2）。技术的发展还需要资金的投入，现有文献中，科研经费通常采用R&D经费内部支出，但由于地级市层面的R&D经费投入数据较难获取，故采用各城市地方财政支出中用于科学技术的资金投入作为替代变量[27]。地方政府财政科学支出的增加能够在一定程度上促进地区的低碳专利授权数量和低碳技术市场成交额，进而促进地方低碳创新能力提升[25]。

3）人均地区生产总值（X3）。中国正处在快速的工业化和城市化的进程中，温室气体减排有巨大的潜力，如何引导居民低碳消费和低碳生活模式需要低碳技术的不断成熟、创新与应用[28]，低碳技术发展和低碳产业具有广阔的市场前景。低碳经济发展水平与地区经济发展水平密切相关，地区经济发展水平在一定程度上影响着居民低碳生活，故采用人均地区生产总值衡量低碳技术国内市场需求水平。

4）金融相关率（X4）。我国越来越多的银行开始涉足低碳业务，开展绿色信贷和低碳产品研发[29]。金融相关率可以用于测量一个地区的金融发展水平，银行存贷款总额占地区生产总值（GDP）的比重表示金融相关率，该比重越大说明受金融机构影响越大，因此，选取银行存贷款总额/GDP代表金融相关率，衡量地区的资金融资能力。

5）第三产业增加值占GDP的比重（X5）。产业结构优化升级与低碳技术发展具有双向影响的关系。与第二产业相比，第三产业的各行业是明显的低碳排放行业，其比重的增加对于降低整体碳排放、引导低碳技术投向转型升级较快的行业具有积极作用[30]。6）技术基础设施数量（X6）。基础设施建设积极推动低碳发展，强化低碳技术应用推广，技术基础设施是实现科学技术升级与创新的重要基础[31]，在科技成果转化为现实生产力的过程中起核心作用，推动绿色低碳技术的创新，不仅要通过研发和示范，还要考虑建设和改造相关技术所需的基础设施。

7）建成区绿化率（X7）。根据波特假说，适当的环境规制将刺激技术革新，促使企业进行更多的创新行为，随着节能减排政策的不断更新，企业为达到环境规制要求，会主动对生产工艺进行升级优化，提升低碳技术创新能力。绿化是缓解城市气候问题和提高环境舒适度的重要途径，其固碳作用对建设“碳中和城市”有十分重要的意义，本研究采用建成区绿化率来衡量环境规制强度。

3.2 中国城市低碳技术空间分异格局的驱动因素分析

3.2.1

中国城市低碳技术空间分异格局的驱动因素

运用地理探测器模型测算各探测因子对中国城市低碳技术空间分异格局驱动能力的q值（见表7）。探测结果显示，各因子对中国城市低碳技术空间分异的驱动作用均通过了显著性检验。技术基础设施数量因子一直是2006、2010、2016和2020年中国城市低碳技术空间分异的主导驱动因子，其解释力分别为0.676 8、0.810 7、0.800 9和0.798 5，驱动作用显著且变化较为稳定。而从不同年份各因子的q均值大小看，技术基础设施建设（0.771 7）＞政府财政科学支出（0.714 9）＞

创新企业数量（0.672 7）＞市场资金流动（0.351 6）

＞产業结构（0.344 7）＞经济发展水平（0.317 9）＞环境规制（0.126 2），表明技术基础设施建设、政府资金支持和创新企业数量是中国城市低碳技术空间分异的最主要驱动力；其次是市场资金流动、产业结构和经济发展水平，建成区绿化率q值最低，驱动作用最小。具体分析：2006年到2010年，除了产业结构和环境规制指标以外，其他因子q值均有所增大，其中，政府财政科学支出增幅最为显著，说明2006—2010年国家对低碳技术的资金投入大幅增加。这与实际情况相符，为了实现低碳经济的目标，中国在2005—2010年期间，在节能减排科研经费上的投入达到了百亿元，低碳技术发展得到了国家政府资金的大力支持。2010年到2016年，创新企业数量、人均GDP、金融相关率和建成区绿化率q值略有增加，驱动因子的驱动作用略有增强，政府财政科学支出q值减小，驱动作用相对减弱。 2016年到2020年，创新企业数量、政府财政科学支出和技术基础设施3个因子q值接近，且与其他因子差值较大，说明2020年3个因子偏向均衡发展，国家对其投入较为均衡。

3.2.2 驱动因子交互分析在因子探测的基础上，得到2006、2010、2016和2020年中国284个城市低碳技术驱动力的交互探测结果（见表8）。7项因子交互作用中，任意2个因子交互作用呈现出双因子增强或非线性增强的特点，没有相互独立及减弱关系，这表明中国城市低碳技术空间格局并非由单一因素或单类因素所控制，而是由多驱动因素协同作用的结果，且双因子交互作用的解释力均比单因子作用强。将各代表年份的交互因子影响值进行排序，可以看到2006年技术基础设施建设和建成区绿化率交互后的解释力最高，达到0.742 8；2010年和2016年政府财政资金支持和技术基础设施因子在交互后的影响值最高，分别为0.888 8、0.884 3；2020年创新企业数量和政府资金支持因子交互作用最强，为0.873 7；说明政府资金投入和基础设施建设是中国城市低碳技术创新产出的重要驱动因素，两者对中国低碳技术空间分异格局的多重空间叠加效应最强。概括而言，政府资金投入和基础设施建设是中国城市低碳技术产出的重要推动力量，通过促进低碳技术研发与创新、降低企业研发成本、加快低碳技术商业化进程等措施，可以促进低碳技术专利的产出和应用，推动城市的可持续发展。

4 结语

以中国284个地级及以上城市为研究对象，基于2006至2020年有关低碳技术专利授权数据，运用标准差椭圆、探索性空间数据和地理探测器等方法对中国低碳技术的时空格局及影响因素进行分析。

1）中国城市低碳技术专利增长迅速，东部地区低碳技术创新产出水平一直保持领先水平，中西部和东北地区专利数量有所增加，但增速较小。

2）中国低碳技术空间分布不均匀，整体呈现空间集聚特征，并有逐渐向周围地区扩散的趋势，京津冀、长三角和珠三角城市群为主要核心区，成渝城市群发展迅速，北京低碳技术创新水平最高，其专利授权数量与其他城市差异较大。

3）中国低碳技术空间分布呈“东北-西南”方向且收缩态势明显，中国城市低碳技术重心迁移一直向西南方向偏移，但始终位于安徽省内。

4）中国城市低碳技术空间自相关性逐渐增强，具有显著的空间依赖性。

5）技术基础设施建设一直是中国城市低碳技术空间变化的主导因子，政府财政资金和创新企业数量是主要驱动力，其次是市场资金流动、产业结构和经济发展水平具有一定的驱动作用，环境规制因子驱动作用最小。驱动因子在不同年份区间的驱动作用发生变化。整体上看，中国城市低碳技术空间分异格局的驱动因素呈现出由多因素作用但某一因子作用显著转变为多因素作用均衡发展的变化。因子交互作用分析方面，主导因子交互为双因子增强和非线性增强，没有相互独立及减弱关系，表明中国城市低碳技术空间格局并非由单一因素或单类因素所控制，是由多驱动因素共同作用的结果，且双因子交互作用的驱动力均比单因子作用强。

6）缩小国内东、中、西和东北地区差异，促进低碳技术专利流通。研究结果显示，东部低碳技术创新水平一直保持领先水平，中西部和东北地区低碳技术创新水平相近，那么针对国内东、中、西部和东北地区差异化特点，要积极发挥先进地区的产业引领作用，推动区域合作，促进技术交流和创新，加强低碳技术开发推广和应用。

7）增强城市间低碳技术专利创新产出的空间关联度。研究结果表明，虽然京津冀、长三角和珠三角的核心城市随着时间变化对周边城市辐射带动作用增强，但城市群内城市之间的低碳技术发展水平差异依旧明显，京津冀城市群中只有天津始终是高高聚类区，而北京虽然低碳专利授权量高，但其空间关联度较低。基于城市群自身发展现状及空间分布特征，京津冀城市群可以增强中心城市对周围城市的辐射带动作用，长三角和珠三角等其他城市群可以进一步加强城市间低碳技术资源的共享力度，注重区域间低碳技术创新能力整体水平的提升，避免出现两极分化格局，响应国家城市群协同创新促进高质量发展政策，开创中國城市低碳技术创新的新格局。

8）加强技术基础设施建设，推动低碳技术发展。技术基础设施一直是研究期内影响中国城市低碳技术空间差异的主要驱动因素。国家政府要积极推进新型基础设施建设，新型基础设施不仅是节能减排的重要领域，更能促进信息基础设施推动绿色发展，强化低碳技术应用推广。

9）制定促进低碳技术创新的激励政策，提高产业结构优化力度。产业结构因子是低碳技术创新的主要驱动因子之一。产业发展需求极大拉动低碳技术发展，新世纪以来，中国进入新一轮经济增长周期，开放度进一步加大，承接了国际高能耗产业的转移，高耗能产业迅速扩张，产业结构重新出现“重型化”趋向，急需低碳技术的发展，降低能耗、减少污染。因此，国家需要合理引导产业优化激励政策，实现资源优化配置，建立以企业为主体，市场为导向的技术创新体系，以自主创新提升低碳技术水平。

参考文献：

[1] 周彦霞.我国企业发展低碳技术的困境与对策探析[D].沈阳：东北大学，2011.

[2]李淑涵.我国低碳技术成果转化模式与机制研究[D].江苏：江苏大学，2018.

[3]夏太寿，李淑涵.我国低碳技术成果转化影响因素研究——基于主成分分析的实证研究[J].生态经济，2018，34（11）：90-95.

[4]余晓钟，辜穗.跨区域低碳技术协同创新管理机制研究[J].科学管理研究，2014，32（06）：56-59.

[5]李杨.京津冀企业低碳技术协同创新问题研究[D].上海：华北电力大学，2020.

[6]冯阳，路正南.碳资源视角下低碳技术进步的测度及影响因素分析[J].科技管理研究，2016，36（24）：236-241.

[7]牛胜杰.湖南省低碳技术创新政策支持研究[D].湖南大学，2018.

[8]刘立，王博.中日韩低碳技术发展模式比较研究[J].科技进步与对策，2014，31（22）：26-30.

[9]ROTHENBERG S，ZYGLIDOPOULOS S C.Determinants of environmental innovation adoption in the printing industry：The importance of task environment[J].Business Strategy and the Environment，2007，16（10）：39-49.

[10]WIADEK A，GORAZKOWSKA J，GODZISZ K.Conditions driving low-carbon innovation in a medium-sized European country that is catching up-case study of Poland[J].Energies，2021，14（07）：19-97.

[11]LINNENLUECKE M K，HAN J，PAN Z，et al.How markets will drive the transition to a low carbon economy[J].Economic Modelling，2019，77：42-54.

[12]陈文剑.我国低碳技术创新的动力机制研究[D].上海：华中科技大学，2011.

[13]罗敏.基于EPNR模型的中国低碳技术创新动力因素分析[J].科技管理研究，2018，38（01）：239-243.

[14]张宏武，尹嘉慧.我国低碳技术影响因素的实证分析及对策研究[J].天津商业大学学报，2013，33（05）：33-38.

[15]LYU X，SHI A，WANG X.Research on the impact of carbon emission trading system on low-carbon technology innovation[J].Carbon Management，2020，11（02）：183-193.

[16]时丹丹.中国企业低碳技术创新影响因素实证研究[J].统计与决策，2015（24）：144-147.

[17]毛劲歌，卢志强.企业低碳技术创新意愿影响因素分析——以湖南省为例[J].长沙理工大学学报（社会科学版），2017，32（05）：107-114.

[18]SHI Q，LAI X.Identifying the underpin of green and low carbon technology innovation research：A literature review from 1994 to 2010[J].Technological Forecasting and Social Change，2013，80（05）：839-864.

[19]宋梅，常力月，郝旭光.长江中游城市群碳压力时空演化格局及驅动因素分析[J].环境经济研究，2021，6（02）：23-40.

[20]王哲芳，黄蕾，谢奉军，等.支撑低碳技术发展的区域科技政策体系构建[J].科技管理研究，2013，33（11）：56-59.

[21]王劲峰，徐成东.地理探测器：原理与展望[J].地理学报，2017，72（01）：116-134.

[22]LIU C Y，YANG J C.Decoding patent information using patent maps[J].Data Science Journal，2008，7：14-22.

[23]彭树远.基于专利价值的长三角城市技术创新能力研究[D].北京：中国矿业大学（北京），2021.

[24]岳鹄，刘艳明.珠江三角洲创新产出的区域分布及影响因素研究——基于城市面板数据的实证分析[J].科技管理研究，2013，33（09）：10-13.

[25]于英杰，吕拉昌.中国城市创新基础设施的时空特征及影响因素——基于291个地级及以上城市数据的实证分析[J].科技管理研究，2021，41（16）：9-19.

[26]孙燕铭，梅潇，谌思邈.长三角城市群绿色技术创新的时空格局及驱动因素研究[J].江淮论坛，2021（01）：13-22

.[27]孔胜雪，周桂明.地方科技财政支出对区域创新发展的影响分析[J].现代商业，2021（16）：88-90.

[28]陈文剑，黄栋.我国低碳技术创新的动力和障碍分析[J].科技管理研究，2011，31（20）：21-24.

[29]王修华，王翔.产业结构升级与低碳经济发展的耦合研究[J].软科学，2012，26（03）：29-32.

[30]刘仁厚，王革，黄宁，等.中国科技创新支撑碳达峰、碳中和的路径研究[J].广西社会科学，2021（08）：1-7.

[31]张鸿武.科技创新需重视技术基础设施建设[N].光明日报，2018-07-03（11）.

（责任编辑：严焱）