謝品杰，譚婷婷，王綿斌

（1. 上海電力大學 經濟與管理學院，上海 201306；2. 國網冀北電力有限公司 經濟技術研究院，北京 100053）

改革開放以來，中國經濟發(fā)展取得矚目成就，特別是在經濟全球化以及加入WTO的大背景下，中國對外開放程度不斷提高，相應的FDI規(guī)模也逐年攀升。截至2019年，中國FDI實際利用金額為1 381億美元，相比于2000年增長了約3.4倍。FDI的流入為中國經濟發(fā)展提供了強勁活力，但也引起了本土環(huán)境質量變化[1]。 其中，F(xiàn)DI對中國CO2排放的影響效應較為顯著，根據本文測算數(shù)據顯示，中國2019年CO2排放總量為12 021.413 Mt，接近2000年的3倍。CO2排放量的迅猛增長主要歸咎于過去幾十年中以高耗能、高排放、低附加值為主要特征的工業(yè)生產。鑒于中國面臨的環(huán)境壓力、承擔的國際責任以及實現(xiàn)自身發(fā)展目標的需要，黨的十九大報告進一步將氣候變化列為全球重要的非傳統(tǒng)安全威脅。然而CO2排放量在工業(yè)化、城鎮(zhèn)化的推進過程中呈現(xiàn)居高不下的態(tài)勢，如何在保證經濟穩(wěn)定、快速發(fā)展的同時將CO2排放量控制在一定的水平是關乎中國未來發(fā)展的重中之重。鑒于FDI對中國經濟發(fā)展的影響力度持續(xù)增大，協(xié)調FDI與CO2排放兩者之間關系的重要性不言而喻，因而研究FDI對CO2排放績效的影響作用，特別是分析是否存在能夠有效提升碳排放績效的最優(yōu)FDI規(guī)模對政策具有實質性的參考意義。

1 文獻綜述

大氣污染問題一直是全球關注的熱點，國內外學者就FDI與東道國環(huán)境問題取得了豐富的研究成果：主要基于環(huán)境庫茲涅茨曲線（EKC）、“污染天堂”假說（PHH）和“污染光環(huán)”理論（PHT）三個不同視角進行分析探討[2-4]。 隨著研究的不斷深入細化，部分學者尤其注重研究FDI與CO2排放之間的關系，但結論卻不同。

Baek[5]基于東盟五國動態(tài)面板PMG估計的結果認為，F(xiàn)DI對東道國CO2排放水平的影響是正向的，從而支持PHH假設。代迪爾和李子豪[6]采用中國分行業(yè)面板數(shù)據多維度研究FDI對CO2排放的影響效應，發(fā)現(xiàn)FDI在規(guī)模、結構等不同維度下的碳排放效應存在差異性，但是總效應表現(xiàn)為增加CO2排放。劉海云和龔夢琪[7]基于Kaya恒等式方法建立聯(lián)立方程模型，指出FDI促進中國經濟發(fā)展的同時也會通過規(guī)模效應促進地區(qū)CO2排放。Omri等[8]則通過研究東道國FDI、工業(yè)發(fā)展和碳排放的關系得出與以上文獻截然不同的結論，即引進FDI能夠促進技術改進和提高企業(yè)管理水平進而降低碳排放。進一步地，彭紅楓和華雨[9]利用面板回歸方法得出FDI對中國CO2排放量的抑制作用存在地區(qū)差異的結論。Zhou等[10]認為FDI在短期內與CO2排放量成正比；長期來看，技術溢出效應發(fā)揮作用，F(xiàn)DI的增加反而可以抑制CO2排放。不過，亦有學者質疑FDI與CO2排放存在聯(lián)系。高靜和黃繁華[11]研究貿易和FDI與中國CO2排放的關系時發(fā)現(xiàn)出口規(guī)模與中國CO2排放量呈現(xiàn)正相關關系，而FDI與碳排放的關系則不顯著。Chen & Yang[12]基于STIRPAT擴展模型實證了FDI對中國CO2排放沒有明顯影響。

綜上可以看出，學者們就FDI碳排放效應問題產生較大分歧，其原因可能是因為大多文獻是從兩者之間具有線性關系的前提下展開分析的。實際上，由于受到產業(yè)政策、制度變遷等因素的影響，F(xiàn)DI對CO2排放的具體影響不僅僅體現(xiàn)為一種簡單的線性關系。而當前針對FDI的非線性碳排放效應研究多數(shù)使用門檻模型進行實證分析，例如李子豪[13]建立非動態(tài)門檻面板模型來分析FDI對中國工業(yè)CO2排放的影響效應，發(fā)現(xiàn)人力資本和環(huán)境規(guī)制是影響FDI減排作用的關鍵變量，當其超越對應的門檻值時，F(xiàn)DI才能有效抑制CO2排放。此外，也有學者就FDI非線性影響提出最優(yōu)FDI規(guī)模問題[14]，并研究了影響最優(yōu)外商投資規(guī)模的因素[15]，但以上研究均以促進經濟發(fā)展為目的，而基于碳減排目標的FDI最優(yōu)規(guī)模至今沒有文獻對其進行研究。

因此，本文利用平滑轉換回歸模型（STR模型）實證檢驗FDI是否對中國碳排放績效具有非線性影響，以及是否存在基于碳減排目標的最優(yōu)FDI規(guī)模。梳理現(xiàn)有文獻，本文的創(chuàng)新性在于以下幾點：（1）傳統(tǒng)門限模型中變量的回歸系數(shù)在閾值兩側都是突變的，與實際經濟生活不符，因此本文采用了更為一般化的可以實現(xiàn)轉換函數(shù)平滑轉換的STR模型，用以說明系數(shù)的變化是一個連續(xù)、漸變的過程。（2）與大多數(shù)文獻實證時選取環(huán)境規(guī)制、研發(fā)投入、收入水平等作為門檻變量的情景不同，本文采用FDI進入規(guī)模作為轉換（門檻）變量，旨在尋求基于提升碳排放績效的最優(yōu)FDI規(guī)模并確定其取值大小，豐富現(xiàn)有關于FDI對CO2排放的非線性影響的研究內容。

2 計量模型

2.1 基準模型

遵循Grossman & Krueger[16]的研究思路，CO2排放量C的影響因素可分解為規(guī)模效應Y、結構效應S以及技術效應T三方面，即：

式中：Y表示經濟活動影響碳排放的規(guī)模效應，以GDP加以衡量。S表示經濟結構對CO2排放量的影響作用，即結構效應。結合盛斌和呂越[17]、王榮和王英[18]的研究，S可表示為資本深化程度k、產業(yè)結構str及外資進入規(guī)模fdi的函數(shù)：

其中，T表示技術效應。在經濟全球化背景下，一國的技術進步既取決于內部渠道，亦受制于外部渠道。內部渠道主要通過自主研發(fā)（R&D），而外部渠道主要是引入、吸收進而消化發(fā)達國家的先進技術，即跨國公司FDI在東道國從事生產、經營活動促進區(qū)域經濟發(fā)展的同時也產生知識外溢效應。此外，經濟發(fā)展水平和人力資本水平無論對當?shù)丨h(huán)境技術標準制定，還是FDI技術溢出均將產生重要影響[19]。因此，變量T可表示為R&D存量rd、經濟發(fā)展水平y(tǒng)、人力資本水平h以及外資進入規(guī)模fdi的函數(shù)：

綜合式（1）～（3），便可得到本文所用的基本模型：

將等式（4）左右同時除以人口規(guī)模P，便可得到人均CO2排放方程：

同時，在假定規(guī)模保持不變的前提下，將等式（4）兩側同時除以Y，便可得到CO2排放強度方程：

由式（5）、（6）可知：人均CO2排放量ci和CO2排放強度cf都受到經濟發(fā)展水平y(tǒng)（本文以人均產出，即Y/P來衡量）、資本深化程度k、R&D存量rd、人力資本水平h、產業(yè)結構str及外資進入規(guī)模fdi的影響。進而借鑒李子豪和劉輝煌[20]的做法，得到本文基準模型：

2.2 實證模型

由于本文主要目的是考察是否存在一個以提升CO2排放績效為目標的最優(yōu)外資進入規(guī)模，以及不同外資進入規(guī)模下，各因素對CO2排放績效的影響效應是否會發(fā)生改變。鑒于STR模型能夠有效處理經濟過程中的時變和結構突變等現(xiàn)象，故基于（7）式建立了用于揭示變量之間非線性關系的實證模型。具體形式如下：

式中：t表示年份，ε為隨機干擾項。αi+βi·G(γ,c,st)刻畫了CO2排放績效與各影響因素之間關系從線性向非線性轉換的動態(tài)過程。當cp為ci時，實證模型設為模型Ⅰ；當cp為cf時，實證模型設為模型Ⅱ。

轉換函數(shù)G(γ,c,st)是一個值域為0～1之間的有界連續(xù)函數(shù)。其中，平滑參數(shù)γ＞0為一個識別性約束條件，其大小反映了由狀態(tài)（或機制）“0”向狀態(tài)（或機制）“1”轉變的速度，其值愈大表明其轉換速率愈快，反之則愈慢。c為定位參數(shù)，可確定狀態(tài)轉換產生的時機，即狀態(tài)產生轉換的門限值。st為轉換變量，基于研究目標，本文以外資進入規(guī)模fdit作為轉換變量，用以分析不同外資進入規(guī)模下各影響因素對碳排放的影響路徑。G(γ,c,st)的具體形式包括指數(shù)型（ESTR）模型和Logistic型（LSTR）模型兩大類。

其中，ESTR模型所對應的G(γ,c,st)的具體形式為：

而LSTR模型所對應的G(γ,c,st)的具體形式為：

Ter?svirta[21]指出，其中K通常取1或者2。當K=1時，稱之為LSTR1模型，此時G(γ,c,st)只是關于st的單調遞增函數(shù)。而當K=2時，稱之為LSTR2模型，這一情況下G(γ,c,st)圍繞著中點(c1+c2)/2對稱的變動。

3 數(shù)據來源及變量描述

基于數(shù)據的可得性，利用1983—2019年年度數(shù)據分析FDI及各因素對中國CO2排放績效的影響效應。若無特殊說明，基礎數(shù)據來自EPS數(shù)據平臺（http://olap.epsnet.com.cn/）。凡涉及價格因素，均換算成以2000年為基期的可比價格。變量的指標處理如下：

（1）CO2排放量C?？紤]到農業(yè)活動和廢棄物處置造成的CO2排放相對較少且由于統(tǒng)計數(shù)據的原因，測算時僅考慮由于能源活動和工業(yè)生產活動導致的CO2排放。能源CO2排放量計算公式為：PC=∑ACi×EFi×(44/12)。其中，ACi(i=1, 2, 3)分別為一次能源消費中煤炭、石油和天然氣消耗量（單位為：萬噸標準煤），EFi(i=1, 2, 3)為相應的碳排放系數(shù)，采用胡初枝等[22]的做法，分別取0.732 9、0.557 4、0.422 6。而工業(yè)生產主要考慮水泥生產、鋼鐵生產和合成氨生產過程中排放的CO2，具體參考何宏濤[23]和樊星[24]的做法測算得到。

人均CO2排放量ci利用CO2排放量與當年年均人口的比值來衡量，年均人口為該年年初人口數(shù)和年末人口數(shù)的平均值，單位為：噸/人。CO2排放強度cf利用CO2排放量與當年實際GDP之比加以衡量，單位為：噸/萬元。

（2）外資進入規(guī)模fdi。以FDI依存度，即FDI流量占當年GDP比重來衡量，其中FDI以當年平均匯率轉換為人民幣，單位為：%。

（3）經濟發(fā)展水平y(tǒng)。以人均GDP衡量經濟發(fā)展水平，單位為：元/人。

（4）資本深化程度k。利用資本存量與當年年均從業(yè)人數(shù)之比衡量。資本存量K采用永續(xù)盤存法，其中1983—2006年數(shù)據來自單豪杰[25]，按其方法補充了2007—2019年的資本存量，并將其折算為2000年為基期的不變價。此外，為消除1990年前后有關從業(yè)人員統(tǒng)計口徑偏差對參數(shù)估計的影響，采用黃紅梅和石柱鮮[26]的做法對數(shù)據進行了調整：以1989年和1991年的從業(yè)人員平均增長率作為1990年的從業(yè)人員增長率，并以1990年的從業(yè)人數(shù)為基礎推算1989年的從業(yè)人數(shù)。此外，根據后一年以及相應的增長率逐年推算得到1983—1988年歷年的從業(yè)人數(shù)。單位為：萬元/人。

（5）產業(yè)結構str。考慮中國當前的產業(yè)結構調整方向以“退二進三”為主導，且第二產業(yè)又以工業(yè)為主，因此利用第三產業(yè)增加值與工業(yè)增加值之比來衡量產業(yè)結構。

（6）R&D存量rd。利用永續(xù)盤存法來計算，計算公式為：rdt=(1-δ)rdt-1+St。其中，δ為R&D資本存量的折舊率，按照CH估計的5%來計算；St為第t年研發(fā)支出，并用GDP平減指數(shù)將其換算為以2000年為基期的不變價。研發(fā)資本存量基年數(shù)據rd0，利用Griliches方法進行測算：rd0=S0/(g+δ)。其中，S0為基年研發(fā)支出經費，g為測算樣本期每年研發(fā)投資支出的增長率。R&D存量的單位為：億元。

（7）人力資本水平h。利用平均受教育年限來衡量，即：ht=∑HEit×hi/∑HEit。其中，HEit和hi分別表示第t年第i學歷水平的勞動力人數(shù)和受教育年限，i=1, 2, …, 6分別表示文盲半文盲、小學、初中、高中、?？坪捅究萍耙陨希鋵芙逃陻?shù)分別為2、6、9、12、14.5、16年。其中，1983—1998年從業(yè)人員的學歷構成取自王金營[27]的研究，2019年則是利用2011—2018年數(shù)據和灰色預測模型DGM(1, 1)外推所得。人力資本水平的單位為：年。

4 實證檢驗

4.1 變量單位根檢驗

在開展STR非線性檢驗與估計之前首先需要檢驗各變量的平穩(wěn)性?？紤]到本文所采用的樣本量僅有37年，故采用DF-GLS和KPSS這兩種對小樣本較為有效的單位根檢驗方法。其中，DF-GLS方法的原假設H0：所檢驗變量存在單位根；而KPSS方法的原假設H0：所檢驗變量為平穩(wěn)。

表1給出了檢驗結果，并由此可知本文所涉及的變量序列均為I(1)序列。

表1 單位根檢驗結果

4.2 非線性檢驗和平滑轉換函數(shù)形式的選擇

在估計STR模型（8）之前，需要檢驗當外資進入規(guī)模fdit作為轉換變量時，中國CO2排放績效和各因素之間是否存在顯著的非線性關系。為此，根據Ter?svirta[28]所提出的序貫檢驗方法，首先將轉換函數(shù)G(γ,c,st)在γ=0處以三階泰勒展開，進而結合（8）式可得以下形式的輔助回歸：

式中：Z1t=(1, lnyt, lnkt, lnrdt, lnht,strt,fdit),Z2t=fdit。

在式（11）的基礎上對原假設H0：δ1=δ2=δ3=0進行基于F統(tǒng)計量的檢驗，若拒絕原假設，則表明存在非線性關系。然后對下述假設展開檢驗以明確采取何種形式的平滑轉換函數(shù)：H04：δ3=0；H03：δ2=0|δ3=0；H02：δ1=0|δ2=δ3=0。若假設H03所對應之F統(tǒng)計量的伴隨概率P值最小，則轉換函數(shù)G(γ,c,st)應選擇LSTR2模型或ESTR模型；否則，選擇LSTR1模型。表2給出了基于上述檢驗程序的檢驗結果?？芍?，在不同外資進入規(guī)模fdi下各因素對中國CO2排放績效的影響作用存在顯著的非線性特征，且平滑轉換函數(shù)均以LSTR1為宜。

表2 非線性檢驗與平滑轉換函數(shù)選擇結果

4.3 LSTR1模型的估計結果

為求得LSTR1模型的參數(shù)值，首先利用二維格點搜索法來確定定位參數(shù)c和平滑參數(shù)γ的初始值。為避免極端數(shù)據干擾作用，定位參數(shù)c的取值在轉換變量fdit排序序列的0.15～0.85之間，即其范圍為[0.746, 4.418]，而平滑參數(shù)γ的范圍為[0.5, 10]。為了提高精度，分別對上述兩個區(qū)間等間距取60個值，得到3 600對組合，以其中最小殘差平方和所對應的c值和γ值作為模型參數(shù)之初始值，其結果如表3所示?？芍?，無論模型Ⅰ還是模型Ⅱ，c與γ的初始估計值均分別為2.738和10，都落在前面所構造的區(qū)間之內，故可以此為基礎進一步優(yōu)化[21]。

表3 平滑參數(shù)和定位參數(shù)的初始估計結果

根據Hendry[29]給出的詳細步驟，采用帶有數(shù)值導數(shù)的BFGS算法對LSTR1模型的參數(shù)展開估計。考慮到由于可能存在的過度參數(shù)化，導致初步擬合非線性部分的部分因素的系數(shù)不顯著，故采用移除非線性截距項來簡化模型，表4給出了模型估計最終結果。

表4表明，模型中絕大多數(shù)變量在10%水平下顯著。圖1則直觀地表明模型整體有著良好的擬合效果。

圖1 原始及擬合數(shù)據的時間序列圖

表4 LSTR1模型估計結果

進一步對模型殘差的統(tǒng)計性質進行系統(tǒng)的檢驗，以考察所建立的LSTR1模型是否具有穩(wěn)健性。其中，殘差項的自相關檢驗是基于Box-Pierce的Q統(tǒng)計量進行的。檢驗結果如表5所示。

表5結果表明，在模型Ⅰ、模型Ⅱ中，滯后1～4階的殘差無序列相關的Q統(tǒng)計量的P值均大于10%的顯著性水平，說明所建立模型的誤差項之間已消除序列相關性；而用于檢驗殘差是否具有ARCH異方差現(xiàn)象的χ2統(tǒng)計量和F統(tǒng)計量在滯后1～4階的情況下，其所對應的P值均大于10%的顯著性水平，表明殘差之間消除了自回歸異方差現(xiàn)象；J-B統(tǒng)計量的P值分別為0.773和0.797，故殘差滿足了正態(tài)分布。因此，總體上看所建立的LSTR1模型的參數(shù)具有良好的統(tǒng)計性質，不存在自相關性和異方差性且服從正態(tài)分布，從而確保了模型設定具有良好的解釋力和可靠性。

表5 LSTR1模型殘差穩(wěn)健性檢驗結果

此外，還對所建立的LSTR1模型是否遺留非線性進行檢驗，若遺留非線性則表明所估計的模型存在設定錯誤，尚未充分抓住各變量之間的非線性關系。根據表6所給的檢驗結果，接受原假設H0：δ1=δ2=δ3=0，這表明所估計的LSTR1模型完全刻畫了ci及cf與各因素之間的非線性特征。

表6 LSTR1模型無附加非線性檢驗(NaN-matrix inversion problem)

4.4 結果分析

（1）圖2給出了以fdi為轉換變量所對應的轉換函數(shù)的曲線圖，結合表5中平滑參數(shù)γ的估計結果可以很直觀地發(fā)現(xiàn)：模型可快速從低機制狀態(tài)下的線性狀態(tài)轉換至高機制狀態(tài)下的線性狀態(tài)。在模型Ⅰ中，轉換變量fdi的定位參數(shù)c取值3.048，且在1%水平上顯著，即FDI及各影響因素對人均CO2排放量的非線性影響機制的轉換發(fā)生在fdi=3.048%處。fdi＜3.048%時，轉換函數(shù)值接近于零，此時FDI及各影響因素與人均CO2排放量之間呈現(xiàn)低機制狀態(tài)下的線性關系；而當fdi＞3.048%時，則表現(xiàn)為高機制狀態(tài)下的線性特征。在模型Ⅱ中，與以上分析區(qū)別僅在于c的估計值稍有差異（對應值為3.049）。

在LSTR1模型的低機制線性部分，ci與cf的fdi系數(shù)都顯著為負，表明提高FDI依存度能夠有效降低人均CO2排放量和CO2排放強度；而在高機制狀態(tài)下的線性部分，兩者的fdi系數(shù)都為正數(shù)，即隨著FDI依存度的提高，人均CO2排放量和CO2排放強度也將增加。由于高機制部分fdi的系數(shù)大于低機制部分系數(shù)絕對值，結合圖2可以說明若FDI依存度超過3.048%（3.049%），F(xiàn)DI對人均CO2排放量（CO2排放強度）的抑制作用將快速地轉換為促進作用，即FDI依存度與人均CO2排放量（CO2排放強度）之間表現(xiàn)為一種“U”型的關系。這證實以改善CO2排放績效為目標時，中國確實存在最優(yōu)FDI規(guī)模，且最優(yōu)FDI規(guī)模是當年GDP的3.048%（3.049%）。

圖2 模型轉換函數(shù)取值

圖3是機制轉換的時間序列圖，直觀地顯示了1983—2019年中國FDI對人均CO2排放量（CO2排放強度）的影響作用的詳細轉換路徑。其中，1983—1992年以及2005—2019年由于中國FDI依存度低于3.048%（3.049%），fdi的系數(shù)為-0.059，表明該段時間內提高FDI依存度有利于中國低碳經濟的發(fā)展；而1993—2004年FDI依存度大于3.048%（3.049%），致使轉換函數(shù)趨于1，F(xiàn)DI依存度作用機理表現(xiàn)出高機制狀態(tài)下的線性特征，此時fdi的系數(shù)快速提升并穩(wěn)定在0.014（0.014），即FDI進入規(guī)模與人均CO2排放量（CO2排放強度）正相關。趙曉麗等[30]進一步指出FDI的行業(yè)分布也是影響能源消費的關鍵因素，根據其實證結果可以看出在2000—2004年期間FDI投資規(guī)模增加，但制造業(yè)FDI比重也隨之上升，表明該期間FDI投資偏向于高耗能產業(yè)，進而導致CO2排放量升高。圖4給出了歷年制造業(yè)與服務業(yè)的FDI實際利用占比情況，由于1997年之前沒有分行業(yè)實際投資金額，故只給出1997—2019年數(shù)據。結合圖4來看，1997—2004年制造業(yè)FDI利用情況總體上是上升的，而2005年之后呈現(xiàn)波動下降趨勢，且近年來降幅顯著；對于服務業(yè)而言，其FDI利用金額從2005年開始持續(xù)增長,即FDI更多地流入第三產業(yè)是必然趨勢，這與上述最優(yōu)FDI規(guī)模分析不謀而合。由原始數(shù)據可知，2019年中國FDI依存度是0.962%，遠未達到FDI理想規(guī)模，因此積極引入高質量外資企業(yè)也是促進中國實現(xiàn)碳減排的一個契機。

圖3 機制轉換的時間序列圖（模型Ⅰ;模型Ⅱ）

圖4 FDI分行業(yè)實際投資占比情況/億美元

（2）經濟發(fā)展水平y(tǒng)的人均CO2排放量系數(shù)在最優(yōu)FDI依存度門檻值兩側表現(xiàn)為先正后負，CO2排放強度系數(shù)則全為負值，但其在低機制下并不顯著。這表明了在高機制下促進經濟發(fā)展可以顯著發(fā)揮提升碳排放績效的作用。在低機制狀態(tài)下，經濟發(fā)展水平的提高反而不利于環(huán)境的改善，這可能與我國過去采取的粗放型經濟發(fā)展方式有關，經濟發(fā)展造成的能源高消費致使CO2排放明顯增加。因此，轉變經濟發(fā)展方式、提高經濟發(fā)展質量就顯得尤為重要。

（3）資本深化程度k總體上表現(xiàn)為與人均CO2排放量（CO2排放強度）正向相關，但在高機制狀態(tài)下對兩者的促進作用顯著降低。改革開放以來，中國經濟社會進步的同時也伴隨著一定程度的“過早資本深化”和“過度資本深化”[31]，而這種過早或過度的資本深化，更可能是粗放型經濟增長表現(xiàn)方式之一，致使資本深化對低碳經濟發(fā)展帶來的消極效應相對較大，實際上也提醒我們如何更好地利用資本結構服務于低碳經濟發(fā)展是我們后續(xù)必須考慮的問題之一。

（4）R&D存量與人均CO2排放量（CO2排放強度）在機制轉換時由負向相關變?yōu)檎蛳嚓P。這可能與不同經濟發(fā)展狀態(tài)下的研發(fā)投入偏向性存在一定的聯(lián)系。基于中國經濟發(fā)展績效導向，研發(fā)投入選擇以生產技術還是清潔技術為主，通常結合實際需求，而就這一投入偏向性則在很大程度上會對R&D存量如何影響CO2排放績效產生較大影響。在以發(fā)展低碳經濟為目標的前提下，不能僅僅只考慮擴大研發(fā)投入力度，可能更需要考慮的是研發(fā)投入領域以及轉化效率。

（5）人力資本水平只在高機制下與人均CO2排放量（CO2排放強度）顯著負相關。對其可能的解釋是，一方面平均受教育水平的提高需要建筑、基礎設施建設等硬件加以支撐，由此不僅導致CO2排放量隨之增加，且其增速往往超過所帶來的經濟增速；另一方面，于寄語[32]的研究表明不同教育層次對經濟增長的影響作用具有較大差異甚至反方向的作用，這也提示在提升碳排放績效的目標下，不能單純地追求以提升平均受教育年限為目標，更應該結合具體的經濟社會發(fā)展需求優(yōu)化人力資本結構，實現(xiàn)人力資本的均衡發(fā)展，從而實現(xiàn)碳排放績效的整體提升。

（6）以“三產比工業(yè)”為代理指標的產業(yè)結構無論在低機制還是在高機制狀態(tài)均對提升碳排放績效產生積極影響。目前，中國外資利用大多數(shù)集中于制造業(yè)，其中又以電子和通信設備制造等新型工業(yè)為主，有利于我國工業(yè)化結構調整，同時對利用FDI的技術溢出帶動相關服務業(yè)發(fā)展產生積極作用，促使FDI在第三產業(yè)得到更廣泛的應用。因此，積極引導FDI流入第三產業(yè)促進產業(yè)結構優(yōu)化升級也是改善CO2排放績效的重要手段。

5 結論與政策建議

本文基于1983—2019年時間序列構建了以FDI依存度為轉換變量的LSTR1模型，實證檢驗FDI對中國CO2排放績效是否存在顯著的非線性影響效應，且在節(jié)能減排目標下是否存在最優(yōu)FDI規(guī)模。得出以下主要結論：

（1）中國FDI進入規(guī)模與中國人均CO2排放量（CO2排放強度）之間呈非線性“U”型關系，基于此可得中國存在最優(yōu)FDI規(guī)模，為當年GDP的3.048%（3.049%）。當FDI進入規(guī)模小于最優(yōu)規(guī)模時，F(xiàn)DI規(guī)模的擴張對提升CO2排放績效具有積極的影響作用，通過增加FDI規(guī)?？蓪崿F(xiàn)降低CO2排放的目的；而當FDI規(guī)模超過最優(yōu)規(guī)模時，F(xiàn)DI規(guī)模的再增長將拉動人均CO2排放量（CO2排放強度）上漲，不利于實現(xiàn)減排目標。結果顯示，中國1993—2004年FDI規(guī)模均超過最優(yōu)規(guī)模，對應了中國在要素驅動下的粗放型經濟發(fā)展階段，在此期間CO2排放量增長顯著，環(huán)境污染嚴重。而自2005年至目前中國FDI均未超過最優(yōu)規(guī)模，F(xiàn)DI的引進質量與水平有所優(yōu)化，繼續(xù)推進高質量國際資本流入對低碳經濟發(fā)展起到良性作用。

（2）不同機制下，本文所考察的各因素對CO2排放績效的影響作用存在一定差異性。在低機制狀態(tài)下，增大R&D存量、推進“退二進三”產業(yè)結構調整對改善CO2排放績效具有積極作用。提高人力資本水平和資本深化均不利于碳減排目標的實現(xiàn)，而人均GDP盡管其增長可有效降低CO2排放強度，但不能減少人均CO2排放量。但當過渡到高機制狀態(tài)下，提高人均GDP和人力資本水平，均表現(xiàn)出對CO2排放績效的顯著良性作用，且資本深化對CO2排放績效的不利影響趨于弱化。

根據上述結論，本文提出了以下政策建議。

（1）鼓勵外資持續(xù)流入，制定引資、用資長效機制。目前，中國FDI流入規(guī)模尚處于低機制狀態(tài)下，強化高質量外資投入和利用仍是有效提升碳排放績效的措施之一。針對不同外資的經濟水平和技術特征，應制定差異化的引資機制，結合國內行業(yè)發(fā)展瓶頸和攻堅難點設置更為長效的引資方案。充分利用外資引入的技術外溢優(yōu)勢，規(guī)避低質量、高污染FDI對于人力和環(huán)境的不良影響，加強引入后的用資考核和治理，進一步吸引優(yōu)質外資進入，從而形成長效閉環(huán)發(fā)展，激發(fā)FDI在碳排放績效中的積極作用。

（2）促進產業(yè)結構升級，引導FDI產業(yè)鏈向高附加值、低能耗環(huán)節(jié)流入。中國第三產業(yè)占GDP的比重過半，通過體量增加所達到的碳減排效益十分顯著，建議利用區(qū)域性或行業(yè)性的優(yōu)惠政策，有針對性地吸引相關外資投入至三產的細分領域中，加快產業(yè)的升級換代。在充分發(fā)揮三產綠色低碳優(yōu)勢的同時，建立完整的FDI考評體系，避免由于資本過快注入和產業(yè)結構過快服務化而導致內部發(fā)展質量的缺失，特別應預防大量資本注入后可能產生的第三產業(yè)“成本病”問題，通過FDI綜合評價體系監(jiān)控各環(huán)節(jié)用資狀況，避免由于三產生產率的相對滯后而產生資本利用效率下降的問題。

（3）加強科技研發(fā)投入的精準性和高效性，構建科研創(chuàng)新與技術轉移轉化的完整鏈條。應避免單純地擴大研發(fā)投入規(guī)模，著重在環(huán)保技術領域通過實施創(chuàng)新驅動發(fā)展戰(zhàn)略，加大研發(fā)投入力度以促進清潔技術、低碳技術等高新技術快速發(fā)展。同時，加快出臺促進科技成果轉移轉化的引導性政策，打通投資、科研和實踐各個領域的壁壘，形成更為完善和通暢的鏈條，進而加強研發(fā)經費的高效精準投入。

（4）在繼續(xù)提升人均受教育水平的同時，重點優(yōu)化人力資本配置。一方面，加大人力資本投資，培養(yǎng)滿足相關技術崗位需求的高科技人才，以更好地吸收、消化外來技術；另一方面，加強環(huán)保意識的教育，對環(huán)境要求愈加嚴格，愈有利于綠色環(huán)保技術創(chuàng)新。

本文基于時間序列測算得出以提升CO2排放績效為目標的最優(yōu)FDI進入規(guī)模，分析了在不同F(xiàn)DI進入規(guī)模下各因素對CO2排放績效的影響效應。鑒于中國各地區(qū)在經濟發(fā)展水平、產業(yè)結構、FDI行業(yè)分布結構等方面的異質性，故在后續(xù)研究中，將細化研究對象，利用省級面板數(shù)據及行業(yè)面板數(shù)據延伸分析FDI對CO2排放績效的非線性影響效應。