产业结构变迁视角下的中国碳科技创新机制研究

【摘要】文章基于市级面板数据，采用动态面板门槛回归模型，研究了中国产业结构变迁对碳科技创新的影响。在构建门槛回归模型的基础上，以第三产业就业比重为门槛变量，第三产业占GDP比重为核心解释变量，同时纳入了经济发展、工业化水平、资本要素、创新人力资本、环境污染等维度的控制变量，考察了产业结构变动对碳科技专利授权数量的非线性影响。实证结果表明，当第三产业就业比重超过49.19%后，第三产业占比提高开始促进碳科技创新，服务业自身的创新动力显现，但同时也对工业部门形成“挤出效应”。基于此文章认为中国产业结构转型升级与碳科技创新的关系并非简单的线性关系，而是存在显著的“结构突变”，这种突变受到服务业就业比重的门槛效应影响。为推动产业结构优化和碳科技创新协同发展，一方面要大力发展生产性服务业，提升其环保、节能等生产性服务功能；另一方面要推动科技资源开放共享，促进创新资源向绿色低碳领域集聚。

【关键词】产业结构变迁；碳科技产出；门槛效应；动态面板模型

【中图分类号】F127

★ 基金项目：本文为河北省高校人文社科研究计划青年基金项目《基于去中心化应用的河北碳交易体系研究》（编号：SQ2023107）和河北省社科联课题《河北省产业数字化推动实现“双碳”目标路径研究》（编号202303 03022）的成果。

一、引言

碳达峰、碳中和目标下，传统的高碳发展路径和经济增长方式面临重大挑战。推动产业结构转型升级、加快发展绿色低碳产业已成为共识。但在现实中，不同产业部门在低碳转型进程中的表现存在明显差异，其对碳科技创新的贡献也大相径庭。在产业结构调整过程中，不同产业部门低碳发展水平的差异，以及现代服务业发展质量的高低，都会对整个经济体的碳科技创新产出产生复杂影响。厘清这种结构性影响的作用机制，对于因地制宜地推进产业结构优化、精准施策引导绿色技术创新，加快实现碳达峰、碳中和目标具有重要意义。本文拟通过构建门槛回归模型，以产业结构为核心解释变量，纳入一系列经济、社会、环境维度的控制变量，考察产业结构变迁对碳科技创新的非线性影响。

二、文献综述

产业结构变化与碳科技创新产出的关系日益受到学界关注。王中英和王礼茂（2006）通过相关分析探讨了中国国内生产总值（GDP）的增长与碳排放量的关系，发现二者有明显的相关性。他们进一步指出，中国过分依赖投资的经济增长方式和以第二产业为主的经济结构在很大程度上导致了温室气体排放量的增加[1]。李健和周慧（2012）运用灰色关联分析方法，研究了中国碳排放强度与各产业之间的关联性，结果表明第二产业是影响地区碳排放强度的主要因素，而第三产业对地区碳排放强度的降低效应并不明显[2]。张永军（2011）估算了中国1978—2008年的碳生产率，并用拉氏分解法分析了技术进步、产业结构变动和能源消费结构等因素的影响，认为推动产业结构持续演进是提高碳生产率、发展低碳经济的可靠路径[3]。随着近年来低碳经济和可持续发展理念的深入，学者们开始更多关注产业结构升级与碳排放效率之间的关系。刘志华等（2022）基于PVAR模型，以中国30个省（市、自治区）2010—2018年的数据为例，分析了科技创新、产业结构升级与碳排放效率的动态关系[4]。宋锦和张午敏（2023）利用CHIP数据，通过Brown分解从产业结构角度识别了中国劳动收入增长的主要来源，以及产业结构变化和劳动禀赋变化在其中的作用[5]。卓玛草（2022）基于“需求增加值法”结合供给侧相对价格效应、需求侧收入效应和其他因素量化评估广延和集约边际需求变化，解释了中国1981—2017年产业结构变迁的特征和贡献[6]。

文献表明产业结构变迁与碳排放强度和效率密切相关，合理的产业结构调整有助于推动低碳技术进步和碳生产率的提高。但产业结构对碳科技创新的影响机制可能因经济发展阶段和区域特征而有所差异，这需要在未来研究中给予更多关注。

三、研究方法

自Hansen（1999）提出门槛效应模型后，该方法在研究经济变量双向影响关系方面得到了广泛应用。胡援成和肖德勇（2007）通过构建模型和运用面板门槛回归分析，研究了制约我国省际层面自然资源诅咒现象的经济因素[7]。连玉君和程建（2006）则从委托代理理论出发，在考虑公司成长机会差异的情况下，采用门槛面板模型对上市公司资本结构与经营绩效间的关系进行了研究[8]。此类基于门槛效应的研究范式在学术界已经得到广泛承认，门槛效应模型能够有效捕捉经济变量之间的非线性关系和结构突变，为理解复杂的经济现象提供了新的视角。

四、实证研究

（一）模型构建

（二）数据来源

1.被解释变量：碳科技创新

被解释变量为各省份每年的绿色低碳技术专利授权数量，反映了各地区绿色低碳技术创新产出的规模和水平。专利数据根据国家知识产权局发布的《绿色低碳技术专利分类体系》进行遴选和统计。该分类体系从化石能源降碳技术、节能与能量回收利用、清洁能源、储能技术、温室气体捕集利用封存五个方面，对绿色低碳技术专利进行了系统梳理和归类，并明确了各技术类别对应的IPC分类号和关键词。

基于专题分类标准，编写了涵盖五大类低碳技术的数据库检索式，利用专利之星检索平台2（CPRS）获取了300个主要城市的2015—2023年的绿色低碳技术专利授权数据。一方面，专利授权数量直接体现了创新成果的数量和质量；另一方面，《绿色低碳技术专利分类体系》3权威性强、涵盖全面，能够精准刻画绿色低碳技术的内涵和外延。因此，基于该分类体系的专利数据统计，能够准确反映各地绿色低碳技术创新的真实水平1、2，数据表征见图1，表2。

不同类型的碳减排技术专利授权数量在城市间差异显著，平均数远低于最大值，说明某些城市在特定领域的碳减排技术研发上非常活跃。总体上，清洁能源与节能与能量回收技术较为活跃，同时标准差较大。

2.解释变量与控制变量

本文使用了2015—2023年中国地级市的面板数据。解释变量与控制变量的原始数据主要来源于《中国城市统计年鉴》。该年鉴由国家统计局城市社会经济调查司编制，数据权威、口径一致、时间跨度长，是开展城市层面实证研究的重要数据源。

由于数据收集和整理工作截止于2023年，而2022年和2023年的《中国城市统计年鉴》尚未正式发布，对每个城市的各变量数据分别计算自相关系数（ACF）和偏自相关系数（PACF），确定ARIMA模型中AR项和MA项的最大滞后阶数，并结合 AIC、BIC等准则选择最优模型，然后利用2021年及以前的实际数据对2022—2023年进行动态预测。

经过插补和预测后形成了一个包含300个地级市、时间跨度为2015—2023年的平衡面板数据集。通过Stata软件检查面板数据的结构，确认其为强平衡面板（strongly balanced panel）。城市在所有时期都有完整的观测记录，不存在任何缺失值。该数据集涵盖了产业结构变迁、经济发展水平、工业化程度、资本要素禀赋、政府支持力度、创新人力资本、环境污染程度等多个维度的变量，可以较为全面地刻画影响碳科技创新的经济社会因素。

其中门槛变量第三产业比重呈现驼峰型，在2020年各市均值达到最高，为49%，随后逐年下降，各个城市间的差异较大，见图2，表3。

第三产业比重和第三产业从业人员数据共有2700个观察值。第三产业比重的平均值为46.18，标准差为9.09，变量值范围从0到83.87，表明数据集中第三产业比重的分布相对集中，波动较小。第三产业从业人员的平均值为31.98，标准差为57.02，数据的分布较广。

（三）回归结果

通过估计上述模型，试图观察产业结构变动对碳科技创新的总体影响方向和强度；不同门槛区制下，产业结构变动对碳科技创新影响的差异，并探讨门槛效应形成的原因，以及背后的经济学逻辑和现实意义，在使用Stata中xthenreg命令，将门槛变量的取值范围划分为200个等距点，分别估计模型，并最终选择残差平方和最小的点作为门槛值估计结果，对门槛变量取值的最小30%和最大30%的观测值进行缩尾处理，即将其替换为相应百分位数的值，门槛回归结果见表4。

从门槛估计结果来看，模型识别出的门槛值（r）为49.18688，即当第三产业就业比重超过49.19%时，核心解释变量（PV3GDP）对被解释变量（T）的影响系数发生了显著变化。

从回归系数的估计结果来看：当第三产业就业比重低于门槛值49.19%时（系数后缀为_b），碳科技专利的一阶滞后项（Lag_y）系数为0.8432，说明当期专利数量与前期水平呈显著正相关，表明存在明显的路径依赖效应。第三产业就业比重（TertiangTmpRatio）的系数为-0.2778，在10%的水平下显著，表明第三产业占比提高反而不利于碳科技创新。这可能是由于产业结构“高级化”程度不够所致。工业企业数量（ln_Industrial Ents）、研发人员数量（ln_ Research Emp）、科技支出强度（Science Expenditure Rate）的系数均在5%水平下显著为正，表明工业化水平、创新人力资本和科研投入是促进碳科技创新的重要因素。

固定资产规模（ln_ AvgFixedAssets）、二氧化硫排放强度（ln_SO2 Generated GDP）的系数在5%水平下显著为负，说明资本存量提高和污染加剧可能挤占了碳科技创新的资源空间。

当第三产业就业比重高于门槛值49.19%时（系数后缀为_d）：碳科技专利的一阶滞后项系数提高到0.9604（=0.8432+0.1171），动态相关性进一步增强。第三产业就业比重的系数变为1.5355（=-0.2778+1.8133），由显著负向变为显著正向，表明第三产业占比提高开始促进碳科技创新。这意味着，只有第三产业发展到一定水平，其环保、节能等生产性服务功能才能有效发挥。工业企业数量的系数变为-39.0733（=12.9527-52.0261），由正转负，且绝对值大幅上升，说明过度“去工业化”并不利于碳科技创新。这凸显了实体经济的重要性。财政支出（ln_Local Fiscal Expenditure）、PM2.5浓度（ln_PM25 Concentration GDP）的系数转为显著为负，科技支出强度的系数也由正转负，表明经济结构转型期，政府投资和污染治理的机会成本上升，创新资源配置的效率有待提高。

上述门槛回归结果表明，第三产业就业比重是影响第三产业占比与碳科技创新关系的关键门槛变量。当第三产业发展水平较低时，碳科技创新主要依赖于工业部门的资本和技术积累；而当第三产业发展到一定水平后，其自身的创新动力开始显现，但同时也对传统制造业部门形成了一定的“挤出效应”。

五、结论与建议

根据上述门槛回归结果，认为推动第三产业高质量发展，应加快生产性服务业发展。研究表明，只有第三产业发展到一定水平，才能有效发挥其环保、节能等生产性服务功能，促进碳科技创新。研究结果同时显示，经济结构转型期，政府投资和科技支出的机会成本上升，创新资源配置效率有待提高。因此，要进一步深化科技体制改革，建立健全政产学研用协同创新机制，推动科技资源开放共享，促进创新资源向绿色低碳领域集聚。此外根据控制变量的回归结论，无论是第三产业发展水平较低还是较高，工业部门在碳科技创新中都发挥着不可替代的作用。因此，在大力发展服务业的同时，也要维护制造业合理比重，推动制造业高端化、智能化、绿色化发展。要加快构建现代产业体系，促进工业和服务业融合发展，培育发展新动能。

产业结构高级化程度达到一定阈值后，服务业的发展才能真正促进碳科技创新。在此之前，服务业比重提高反而可能挤压制造业创新资源，对碳科技创新形成负面影响。这提示我们在推动产业结构转型升级时，要注重提升服务业发展质量，特别是生产性服务业，增强其对制造业的支撑作用，而不是简单追求服务业比重。

在不同产业结构阶段，影响碳科技创新的关键因素有所差异。对于服务业发展不充分的地区，工业企业数量、研发投入等传统创新要素发挥着主导作用；而在服务业比重较高的地区，环境约束因素的影响开始凸显。这提示地方在制定碳科技创新政策时，要因地制宜，充分考虑产业结构特点。

科技资源开放共享、环境约束硬化，是推动产业结构调整和碳科技创新良性互动的关键。当服务业比重较高时，加大科研支出、加强环境管控，反而会抑制碳科技创新。这可能是由于创新资源配置不合理、环保措施较为粗放导致的。未来应推动科技资源向绿色低碳领域聚集，完善碳排放权交易等市场化环境政策工具。

推动产业结构调整与碳科技创新协同发展，既要发挥好市场机制的资源配置作用，又需要政府加强顶层设计和统筹协调。应加快建立健全有利于低碳转型的制度体系，完善绿色低碳技术创新的激励机制，为产业结构优化升级营造良好的制度环境。

主要参考文献：

[1]王中英，王礼茂.中国经济增长对碳排放的影响分析[J].安全与环境学报，2006，6（5）：88-91.

[2]李健，周慧.中国碳排放强度与产业结构的关联分析[J].中国人口 资源与环境，2012，22（1）：8.

[3]张永军.技术进步，结构变动与碳生产率增长[J].中国科技论坛，2011（5）：7.

[4]刘志华，徐军委，张彩虹.科技创新，产业结构升级与碳排放效率——基于省际面板数据的PVAR分析[J].自然资源学报，2022，37（2）：13.

[5]宋锦，张午敏.产业结构变迁，劳动力禀赋变化与劳动收入增长[J].南开经济研究，2023（4）：101-122.

[6]卓玛草.中国产业结构变迁特征，驱动机制及成因分解——理论模型与定量事实[J].中国经济问题，2022（4）：125-140.

[7]胡援成，肖德勇.经济发展门槛与自然资源诅咒——基于我国省际层面的面板数据实证研究[J].管理世界，2007（4）：9.

[8]连玉君，程建.不同成长机会下资本结构与经营绩效之关系研究[J].当代经济科学，2006，28（2）：7.

[9]齐冠钧，尹政平，马林静.加强应对全球供应链变局的调整与重构[J].国际商务财会，2023，431（05）：3-7.

责编：杨雪

1 Seo，M.H.，Kim，S.，& Kim，Y.J.（2019）.Estimation of dynamic panel threshold model using Stata.The Stata Journal，19（3），685-697.

2 专利之星检索平台：https：//cprs.patentstar.com.cn/

3 国家知识产权局：《绿色低碳技术专利分类体系》，https：//www.cnipa.gov.cn/