创新环境能否降低碳排放强度?

张 兵,郭梦安妮,黄永春,4

(1.河海大学商学院,江苏 南京 211100; 2.河海大学生态文明建设与流域保护研究院,江苏 南京 211100;3.江苏长江保护与高质量发展研究基地,江苏 南京 211100;4.江苏省“世界水谷”与水生态文明协同创新中心,江苏 南京 211100)

我国已进入高质量发展阶段。为解决全球气候变暖问题,推动经济发展高质量变革,要贯彻落实绿色低碳高质量发展理念,建设新型经济体系,促进经济社会绿色低碳转型的全面实现[1]。然而长期“高耗能、高污染”的经济增长模式对生态环境造成的巨大破坏难以在短时间内得到修复,传统污染物、二氧化碳排放量仍处于高位。产业结构偏重、能源结构偏煤等成为制约绿色低碳发展的关键问题。构建高质量现代化经济体系必须重视生态环境保护,其中绿色低碳发展是重中之重。需统筹产业结构调整、污染治理、生态保护、应对气候变化,协同推进降碳、减污、扩绿、增长,推进生态优先、节约集约、绿色低碳发展,促进人与自然和谐共生[2]。绿色低碳发展理念与“双碳”目标的提出体现了我国转变经济发展方式、保护生态环境、解决气候问题的决心与使命感。新时代背景下,高碳型经济发展方式已不再适合我国国情,逐步向中低碳型转变成为战略抉择。降低碳排放强度应成为助力实现“双碳”目标的主线。创新环境作为区域开展创新活动的重要保障,可以促进低碳技术创新[3]、优化产业结构[4]、吸引人才集聚[5-6]等,降低碳排放,推动绿色低碳发展,实现“双碳”目标。因此,研究创新环境与碳排放强度之间的关系,探讨其内在影响机制,对于经济社会绿色低碳转型具有重要的理论和实践价值。

1 文献综述

顺利实现“双碳”目标的核心在于不断降低碳排放强度,提高碳生产率。近年来,如何降低碳排放强度是学界热议的话题,碳减排成为低碳经济领域的研究热点。碳排放强度的研究已取得了较为丰富的成果,主要包括碳排放的测度工具、研究维度及影响因素。由于目前缺少权威机构公布的二氧化碳排放量统计数据,大多研究利用碳排放系数对碳排放量进行估算[7-8],也有学者采用生命周期法[9]、投入产出分析法[10]、IPCC法[11]等,所得结果不尽相同。研究维度主要集中在区域、产业两大层面。在区域层面上,相关研究主要集中在东部、中部、西部[12],长三角[13]、珠三角[14]、京津冀[15]以及长江经济带[16]等;在产业层面上,主要集中于工业、制造业、建筑业等高耗能产业,涉及旅游业、金融业等的研究较少。碳排放强度受诸多因素的影响,现有研究大多认为经济发展水平[17]、研发投入[18]、技术创新[8]、绿色金融[19]、产业结构[20]等因素会对碳排放强度产生影响。

近年来,在加快实施创新驱动发展战略背景下,我国不断加大各方面的创新投入。创新环境在绿色低碳发展中的作用也引发了学术界的广泛关注。良好的区域创新环境会吸引高端人才、研发资本等创新要素在空间内集聚[21],为企业的绿色低碳技术研发提供必需的基础设施、可创新资源、创新服务等,降低企业的环境遵循成本[22],增加企业绿色低碳技术研发的热情与创新意愿,引导企业生产经营活动从高污染高排放转向低污染低排放,推动清洁生产[23],减少生产过程中的污染排放,降低碳排放强度。关于技术创新与碳排放的文献逐渐增多[24-29],但对创新环境的关注仍然不够。围绕技术创新与碳排放的关系,主要有以下观点:有的学者认为技术创新可以促进碳减排,因为技术创新可以使清洁能源代替传统能源,从而减少碳排放量[30];则持反对意见,认为技术创新在促进经济增长的同时会带来更多的碳排放,超过了其自身的碳减排效应[31];还有的学者指出两者关系之间存在不确定性[32]。

综上所述,目前对技术创新的减排效应已有比较系统的研究,但仍存在以下局限:第一,现有研究主要聚焦于技术创新与碳排放的研究上,尚未对创新环境和碳排放强度之间的关系进行研究;第二,现有研究只考虑创新发展或人才集聚对碳排放强度的单一影响,尚未将三者纳入同一分析框架。因此本研究基于现有研究的不足展开,可能的边际贡献在于将创新环境与碳排放强度纳入同一分析框架,拓宽了创新环境减排效应层面的研究;同时从科技人才集聚视角,分析了创新环境对碳排放强度的内在作用机制及非线性影响。有助于厘清三者之间的关系,为区域碳减排提供理论依据。

2 理论分析与研究假设

2.1 创新环境对碳排放强度的直接效应

低碳科技创新是实现“双碳”目标的关键驱动力,而创新环境是开展创新活动的重要保障。一方面,良好的创新环境为区域提供了特殊优势,吸引了高端人才、知识、资金、信息等创新要素在空间内集聚,大幅降低了企业获取信息的成本,信息不对称问题得到缓解,也减少了政府甄别企业类型所需的服务和搜寻成本。此外,政府提供的财政创新补贴、税收减免等各种优惠政策也为企业分担了绿色技术创新过程中的不确定风险,有助于吸引创新型企业集聚,加速知识与技术溢出[33]。随着绿色低碳技术创新水平的提升,企业可以提高资源利用效率,生产清洁产品,减少生产过程中的污染排放[34],从而降低碳排放强度。

另一方面,创新环境所带来的创新要素集中和区域创新体系的完善,有助于引导原有的产业生产方式变革,倒逼部分粗放型企业转型升级,驱使其向低污染低能耗低排放方向转变。创新环境较好的地区常有高技术龙头企业,这些企业通过先进技术及时捕获市场需求,对内部资本、劳动力等生产资源灵活配置[35],可提高资源利用效率,产生示范效应,带动区域产业绿色低碳转型。因此,提出假设H1:创新环境有利于降低碳排放强度。

2.2 科技人才集聚的中介效应

科技人才是地区经济社会发展的核心要素,也是区域实现从要素驱动转向创新驱动的重要前提[36]。而区域创新环境在科技人才集聚过程中发挥着重要作用。第一,良好的创新环境有助于营造自由活泼的学术研究氛围,鼓励科技人才发挥自身潜能,开展科研创新活动,从而形成有效的人才驱动,促进科技人才集聚;第二,科技人才具有“趋优性”特征,会选择创新生态环境更好、边际收益更高的地区[37],创新环境越好的地区,科技基础设施建设越完善,科研活动越多,政府科教投入与补贴能为科技人才带来较为丰厚的福利待遇[38],可以不断吸引科技人才流入,强化科技人才集聚效应;第三,创新环境有利于促进相关基础设施建设,提升公共服务水平,减轻人才不合理的负担,保障科技人才的相关生活;第四,良好的创新环境还有助于破除科技人才培养、流动、集聚、激励等方面体制机制的障碍,最终吸引科技人才集聚并形成“人才高地”,并对周围地区产生虹吸效应[39]。

而科技人才在空间上适度集聚有利于降低碳排放强度。来自不同地区、不同文化背景的科技人才通过交流与协作,可以将隐性知识显性化,并在学习和研究过程中形成新的知识和技术,实现知识的重组[40],由此产生的知识溢出效应为低碳技术研发提供了良好的基础。此外,相比于传统能源等资源要素的投入,知识和技术本身具有的“绿色属性”有助于降低污染排放,提升环境效益。随着区域内科技人才数量不断增多,质量不断提高,可形成一定的规模效应。科技人才自身所具备的科研知识与实践经验使其在交流学习中迸发创新思维,突破相关技术壁垒,而降低碳排放强度的关键是技术创新。因此,提出假设H2:创新环境可以吸引科技人才集聚,间接降低碳排放强度。

2.3 创新环境对碳排放强度的非线性影响

由于各地区经济水平、市场化程度、金融水平、劳动者素质等[41]存在差异,创新环境存在明显的区域异质性,对碳排放强度的影响程度也会不同。从科技人才集聚的角度来看,科技人才集聚为创新环境减排效应的发挥提供了良好条件。各地为优化人才环境,纷纷出台户籍、财税、住房等优惠友好政策,通过各种渠道吸引科技人才,随着科技人才集聚水平的提高,科技人才集聚高地逐渐形成,知识创新和转化的速度加快,区域创新环境不断优化,有利于碳减排。因此,提出假设H3:创新环境对碳排放强度的抑制作用会受到科技人才集聚的影响,科技人才集聚水平越高,创新环境的减排效应越强。

3 模型构建与变量选取

3.1 模型构建

3.1.1基准回归模型

目前主流研究在对面板数据进行实证分析时,主要运用混合回归模型(OLS)、固定效应模型(FE)及随机效应模型(RE)。本研究依次进行F检验及Hausman检验,根据检验结果,最终选择同时包含时间与个体的双向固定效应模型考察创新环境发展对碳排放强度(碳排放量与实际GDP的比值)的影响,建立基准回归模型,具体计算公式为

Cit=α0+α1Rit+α2∑Xit+ui+vt+εit

(1)

式中:Cit为i区域第t年的碳排放强度;α1为创新环境对碳排放强度的总效应;Rit为i区域第t年的创新环境;Xit为一系列控制变量;ui为个体固定效应;vt为时间固定效应;εit为随机误差项。

3.1.2中介效应模型

为验证科技人才集聚是否在创新环境与碳排放强度之间发挥中介作用,借鉴温忠麟等[42]提出的逐步回归法,建立中介效应检验模型,具体计算公式为

Ait=β0+β1Rit+β2∑Xit+ui+vt+εit

(2)

Cit=η0+η1Rit+η2Ait+η3∑Xit+ui+vt+εit

(3)

式中:Ait为i区域第t年的科技人才集聚度;η1为创新环境对碳排放强度的直接效应;β1η2为创新环境对碳排放强度的中介效应。

3.1.3门槛效应模型

创新环境与碳排放强度之间可能存在非线性关系。因此,借鉴Hansen[43]的研究,构建门槛模型,检验不同科技人才集聚水平下创新环境对碳排放强度的影响。

为了检验科技人才集聚对绿色低碳发展的作用是否受到创新环境门槛效应的影响,在式(1)的基础上加入示性函数,并以科技人才集聚作为门槛变量,建立门槛回归模型,具体计算公式为

Cit=α0+α1RitI(Ait<γ1)+α2RitI(γ1≤Aitγ1<γ2)+···+

αnRitI(γn≤Ait)+α3∑Xit+ui+vt+εit

(4)

式中:γn为门槛值;I(·)为示性函数,若括号内表达式为真,那么I(·)=1;否则I(·)=0。

3.2 变量测度与选取

3.2.1被解释变量:碳排放强度

碳排放强度代表单位GDP的二氧化碳排放量。由于缺少二氧化碳排放量相关的统计数据,因此根据联合国国际气候变化专门委员会在《2006年IPCC国家温室气体清单指南》中描述的燃料燃烧数量和默认排放因子来估算我国30个省、市、自治区(除西藏及港澳台地区)的二氧化碳排放量。具体公式为

COFi×(44/12)

(5)

式中:CO2为待估算的二氧化碳排放量;i为14种能源燃料(煤炭、焦炭、焦炉煤气、高炉煤气、转炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气和液化天然气);Ei为各种能源的燃烧消费量;NCVi为各种能源的平均低位发热量;CCi为IPCC提供的碳排放系数;COFi为碳氧化因子;44/12为二氧化碳与碳的分子量比率。

3.2.2核心解释变量:创新环境

关于创新环境的研究大多参考了区域创新能力报告中的有关界定[44],但指标选取维度存在差异。综合《中国区域创新能力评价报告2016》及相关研究[45-49],将创新环境分为基础环境、市场环境、人力资源环境、金融环境及创业环境5个维度。鉴于数据的可获得性和统计口径的差异性,选取变量构建创新环境评价指标体系,如表1所示。运用熵权TOPSIS法,将指标标准化后进行降维处理,得到区域创新环境指数。

表1 创新环境评价指标体系

3.2.3中介变量:科技人才集聚

借鉴产业集聚度[50]的测量方法,以R&D人员数为基础,构建科技人才区位熵指数反映科技人才的集聚程度,计算公式为

Ait=(rit/Qit)∕(xt/Xt)

(8)

式中:rit为i地区t时期的R&D人员全时当量;Qit为i地区t时期的全部从业人员;xt为t时期的全国R&D人员全时当量;Xt为t时期的全国全部从业人员。

3.2.4控制变量

借鉴邵帅等[51-52]对控制变量的选取,对以下可能影响碳排放强度的变量进行控制:①经济发展水平(P):采用人均GDP衡量。鉴于大多数研究认为区域经济发展水平可能对碳排放强度产生非线性影响[51],拟将人均GDP的一次项P及其二次项P2同时纳入下文模型。同时为消除通货膨胀的影响,以2010年为基期,利用GDP平减指数折算成实际人均GDP,并对其进行对数化处理。②产业结构升级(I):采用第三产业产值与第二产业产值比值来衡量。③基础设施建设(F):采用人均道路面积衡量。④人口密度(D):采用单位面积人口数衡量。⑤财政支出水平(M),采用地方政府预算支出与地方生产总值的比值衡量。⑥能源消费结构(E):采用煤炭消费量占能源消费总量的比重衡量。

将本研究所用变量列出,如表2所示。

表2 变量一览表

3.3 数据来源

选取我国除港澳台和西藏的30个省(自治区、直辖市)为研究对象,研究时段为2010—2020年,样本容量为330,数据来自2011—2021年的《中国统计年鉴》《中国能源统计年鉴》《中国火炬统计年鉴》及各省市统计年鉴,对于部分缺失的数据,采用线性插值或均值差值法进行补充。为消除异方差的影响,对人均GDP进行对数化处理。在实证分析前,将各个变量进行简单的描述性统计,如表3所示。其中,碳排放强度的平均值为2.286,最大值与最小值相差8.015,地区间存在较大差异。创新环境的平均值为0.187,最大值与最小值相差0.853,区域间也存在差距。

表3 变量描述性统计

4 实证分析

4.1 创新环境对碳排放强度的影响

4.1.1基准回归结果分析

基准回归结果如表4所示,可见无论是否加入控制变量,考虑个体固定效应或时间固定效应,还是双固定效应,核心解释变量创新环境的估计系数均显著为负,说明创新环境能有效降低碳排放强度,假设H1得以验证。同时,双固定模型中中各变量的显著性及拟合优度都比前3个模型好,再次验证了模型选择的正确性。因此,下文将以双固定效应模型展开结果分析。

表4 基准回归结果

首先,分析创新环境对碳排放强度的影响。创新环境能降低碳排放强度,良好的创新环境是开展创新活动的重要保障,一方面,会吸引高端人才、研发资本等创新要素在空间内集聚,为企业的绿色低碳技术研发提供必需的基础设施、创新资源、创新服务等,降低企业的环境遵循成本;另一方面,创新环境好的地区易产生集聚效应,企业的集中加速了减排知识、绿色低碳技术的溢出,也可以产生良性竞争,倒逼一些高污染高排放企业淘汰或向绿色低碳道路转型,从而降低碳排放强度。

其次,对选取的控制变量进行分析。从人均GDP来看,其一次项系数显著为负,二次项系数显著为正,两者呈现“U”形关系。当收入水平较低时,人们消费观念较为落后,消费的产品也多为初级产品,能源消耗少,碳排放强度较低。随着物质生活水平的提高和收入的增加,人们的消费需求不断升级,消耗大量能源资源的同时排放出大量的污染物,提高了碳排放强度。从产业结构升级来看,其影响系数为负且通过了1%的显著性水平,表明产业结构升级有助于降低碳排放强度。产业结构升级意味着传统高耗能、高污染、高排放产业正逐渐退出市场,高技术产业、绿色产业比重增加,产业结构不断向高级化发展,减少了能源消费量和二氧化碳排放量。基础设施建设的系数显著为正,说明基础设施建设过程中可能会消耗水、电等资源,不利于碳排放强度的降低。人口密度与碳排放强度呈现显著正相关,高人口密度对生产和消费提出了更高需求,需要消耗更多的能源资源来满足,可能导致碳排放强度的上升。财政支出系数显著为负,意味着现有的财政支出结构有利于降低碳排放强度。能源消费结构的系数为正且在1%的水平上显著, 表明煤炭消费占比越高, 碳排放强度越高,当前中国能源结构偏煤的问题阻碍了碳排放强度的下降。

4.1.2稳健性检验

为了确保实证结果的可靠性,本研究使用替换被解释变量、剔除个值、截尾处理3种方法进行稳健性检验,检验结果见表5。第一,替换被解释变量。何建坤等[53-54]认为碳生产率与碳排放强度成倒数关系,参考孟凡生等[55]的做法,以GDP与二氧化碳排放量的比值衡量碳生产率(CE),将其作为被解释变量重新进行回归估计,结果见表5第2列,结果显示,创新环境对碳生产率的估计系数显著为正,反向验证了H1。第二,剔除个值。为排除直辖市的特殊性对样本的影响,将北京、天津、上海和重庆从研究样本中剔除后重新进行回归,结果见表5第3列。第三,截尾处理。为了排除极端值对整体样本的影响,剔除了位于极端1%碳排放强度的数值,重新进行估计检验,结果见表5第4列。后两列的结果均显示,创新环境对碳排放强度的影响显著为负,与前文基准回归结果一致,说明得到的研究结论是稳健的。

表5 稳健性检验结果

4.1.3异质性分析

由于各地区经济发展水平和资源禀赋不同,创新环境对碳排放强度的影响在不同区域可能会存在异质性。本研究参照甘清华等[56]的做法,将研究样本按照地理区位,不同经济圈分别对基准回归模型进行异质性检验。结果如表6所示。

表6 异质性分析结果

a.地理区位异质性。将30个省(自治区、直辖市)(除西藏及港澳台地区)按照地理位置划分为东部、中部、西部地区,分别考察创新环境与碳排放强度之间的关系。从表6回归结果来看,东部地区和西部地区创新环境对碳排放强度具有显著的抑制作用,但在中部地区该作用却不明显。原因可能在于,东部地区发展较早,发展水平较高,创新环境较为完善,释放了降低碳排放强度的红利,西部地区近年来在国家政策的大力支持下,经济基础环境有所改善,创新潜力进一步提升,创新环境得到优化。中部地区创新环境较差,还有一些排放密集型的基础设施向中部转移反而使其承担了更多的减排压力[57],导致创新环境对中部地区的碳减排效应并不显著。

b.经济圈异质性。选取长三角地区、环渤海地区和泛珠三角三大经济圈进行异质性分析。环渤海地区和泛珠三角地区的创新环境对碳排放强度具有显著的抑制作用,但长三角地区的创新环境却对碳排放强度具有促进作用,但没有通过检验。原因可能在于,环渤海地区交通基础设施较完备,有利于资金、技术和高素质人才等创新要素的跨区域流动,城市集中,北京作为首都,辐射示范作用强,创新环境较好。与环渤海地区相比,泛珠三角地区有广州和深圳这样的中心城市,创新环境也较好。但长三角地区创新环境的减排效应并不明显,原因可能在于长三角地区城市间发展差距较大,不平衡现象仍然存在,中心城市的带动作用不明显,导致创新环境的减排效应在样本期内没有充分发挥。

4.2 创新环境对碳排放强度的传导机制

为检验创新环境影响碳排放强度的传导机制,本研究选用中介效应模型进行实证检验,回归结果见表7。由表7可知,第2列中创新环境的估计系数显著为负,表明创新环境对碳排放强度的总效应显著为负,创新环境可以降低碳排放强度;第3列中创新环境的估计系数显著为正,表明创新环境显著促进了科技人才集聚;第4列中创新环境的估计系数相比第2列有所下降,说明科技人才集聚在创新环境与绿色低碳发展之间发挥着中介作用,且科技人才集聚对降低碳排放强度具有正向促进作用。在创新环境影响碳排放强度的过程中,科技人才集聚扮演着重要的中介作用,呈现出“创新环境—科技人才集聚—碳排放强度”的传导机制,即创新环境为科技人才提供的各种优待和便利条件吸引了其集聚,从而有利于降低碳排放强度。上述检验结果证明H2成立。

表7 科技人才集聚的中介效应检验

4.3 创新环境对碳排放强度的门槛效应

借鉴Hansen[43]的研究,检验门槛效应是否存在,同时确定门槛值的个数和门槛模型的具体形式。表8为门槛效应的检验结果,可见以科技人才集聚为门槛变量的单门槛对应的P值是 0.013,通过了5%的显著性水平,双重门槛和三重门槛没有通过检验。因此,后续采用单一面板门槛模型进行分析,具体结果见表9。

表8 门槛效应检验结果

表9 门槛效应回归结果

由表9可知,单门槛估计值-1.80。当科技人才集聚度跨越-1.80时,创新环境对碳排放强度的负向作用从-0.056转向-0.163,这说明科技人才集聚水平越高,创新环境对碳排放强度的抑制作用会更强,越能够降低碳排放强度,从而验证了H3。

用第4.1.3节替换被解释变量和剔除个体的方法对中介效应和门槛效应进行稳健性检验,结果显示所得结论依旧稳健。

5 结论与建议

5.1 结论

a.创新环境显著降低了碳排放强度,但存在区域异质性。从地区层面看,东部与西部的创新环境可有效降低碳排放强度,中部地区创新环境对碳排放强度的影响并不显著;从经济圈来看,环渤海地区与泛珠三角地区的创新环境对碳排放强度的降低有促进作用,长三角地区却存在抑制作用。

b.科技人才集聚是创新环境影响碳排放强度的重要渠道,呈现出“创新环境—科技人才集聚—碳排放强度”的传导机制。

c.创新环境对碳排放强度的影响具有科技人才集聚的单一门槛效应。在科技人才集聚跨越门槛值时,创新环境对碳排放强度的抑制作用增强。

5.2 建议

a.落实创新支持政策,优化区域创新环境。要完善创新基础设施建设,搭建创新平台,实现创新技术研发共享,激活创新创业活力,加强绿色低碳技术研发应用。建立以市场为导向,创新企业为主体、政策引导为辅助的产学研合作模式,加大政策宣传力度,推动企业、科研机构、高校、社会团体等创新主体的协同配合,共同监督创新政策落地。优化区域创新环境,发挥其对降低碳排放强度的正向作用,顺利推动经济社会绿色低碳转型。

b.实施差异发展战略,推动区域协同发展。创新环境相对较好的地区应起到示范带头作用,推动人才、资金、技术、知识等创新要素互联共享,释放高端人才资源和技术研发外溢效应,带动周边地区发展。对于创新环境较差的地区,应结合自身特点营造良好的创新发展环境,在本身拥有的创新资源和创新产业布局的基础上向优秀地区学习,可先将部分中心城市打造成为创新要素集聚高地,以点带面地促进协同网络建立。此外,各个地区要破除行政壁垒,加强交流合作,推动区域协同发展。

c.完善人才引进和培养机制,促进科技人才集聚向高质量集聚升级。科技人才作为发展的第一要素,其集聚水平的提高也是降低碳排放强度的重要一环。应着力营造公平公正的社会环境,以“筑巢引凤”“借巢孵风”的方式吸引科技人才集聚,推动科技创新成果的转化落地,使区域产学研深度合作,形成科技人才蓄水池;同时,各地政府也要做好政策引导和环境营造,优化人才发展环境,加大科技创新经费支出,搭建更多的就岗就业平台,鼓励科技人才创新创业。除了吸引、留用人才,各地区还应完善人才培养体系,实施有效的激励措施,为绿色低碳发展提供人才基础支撑。