孫景兵，薛倩

（新疆大學(xué) 經(jīng)濟(jì)與管理學(xué)院，新疆 烏魯木齊 830046）

習(xí)近平總書記在2021 年的全國(guó)“兩會(huì)”上強(qiáng)調(diào)，“十四五”期間，中國(guó)將推動(dòng)經(jīng)濟(jì)社會(huì)發(fā)展全面綠色轉(zhuǎn)型，建設(shè)美麗中國(guó)，協(xié)同推進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展和生態(tài)環(huán)境高水平保護(hù)，實(shí)現(xiàn)單位國(guó)內(nèi)生產(chǎn)總值能耗和二氧化碳排放分別降低13.5%、18%；并提出在2030 年前實(shí)現(xiàn)“碳達(dá)峰”目標(biāo)、在2060 年前實(shí)現(xiàn)“碳中和”目標(biāo)。這表明，中國(guó)將在經(jīng)濟(jì)高質(zhì)量發(fā)展的過(guò)程中同時(shí)完成低碳綠色轉(zhuǎn)型任務(wù)，這是綠色發(fā)展史上的一大壯舉，也是中國(guó)區(qū)別發(fā)達(dá)國(guó)家實(shí)現(xiàn)低碳轉(zhuǎn)型的突出特征。尋找一條兼顧不斷擴(kuò)張的能源需求的低碳轉(zhuǎn)型之路，提高碳排放效率、實(shí)現(xiàn)“碳中和”“碳達(dá)峰”的目標(biāo)，是中國(guó)亟待解決的重要問(wèn)題。因此，測(cè)算碳排放效率、探究科技創(chuàng)新對(duì)碳排放效率的影響效應(yīng)及作用機(jī)制具有重要的現(xiàn)實(shí)意義。

本文可能的邊際貢獻(xiàn)：已有的文獻(xiàn)大多通過(guò)因素分解角度將“碳排放強(qiáng)度”分解為能源結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)、要素替代、效率變動(dòng)、技術(shù)進(jìn)步等部分，在分解的基礎(chǔ)上，進(jìn)而研究技術(shù)進(jìn)步、能源結(jié)構(gòu)等因素對(duì)碳排放的影響方向和程度[1-3]。本文將采用非徑向非期望產(chǎn)出SBM模型對(duì)2005—2018 年中國(guó)30 個(gè)省份的碳排放效率進(jìn)行測(cè)算，進(jìn)而研究科技創(chuàng)新對(duì)碳排放效率的影響及作用機(jī)制。

1 文獻(xiàn)綜述

關(guān)于碳排放效率問(wèn)題的研究文獻(xiàn)主要可以分為兩類。一類是測(cè)算碳排放效率，進(jìn)而研究某一因素對(duì)碳排放效率的影響作用，另一類則通過(guò)因素分解的方法，將碳排放分解為技術(shù)進(jìn)步、經(jīng)濟(jì)結(jié)構(gòu)、能源強(qiáng)度、經(jīng)濟(jì)增長(zhǎng)等因素的影響效應(yīng)，進(jìn)而比較不同因素對(duì)碳排放的影響程度。本文將采用第一種方法研究碳排放效率問(wèn)題，這種方法的研究文獻(xiàn)主要可以分為以下幾類。

一是碳排放效率的測(cè)算方法。碳排放效率的測(cè)算主要分為狹義和廣義兩種方法。狹義測(cè)算結(jié)果可稱為：傳統(tǒng)、單一要素的碳排放效率，通常為二氧化碳排放量和某一要素的比例。Zhang 等[4]采用人均二氧化碳排放量來(lái)衡量碳排放效率。王鑫靜等[5]通過(guò)單位GDP 的二氧化碳排放量的倒數(shù)來(lái)衡量一帶一路沿線國(guó)家的碳排放效率。廣義測(cè)算結(jié)果可稱為全要素碳排放效率，通常為通過(guò)多種投入、產(chǎn)出測(cè)算出來(lái)的效率。張晶和王麗萍[6]、張偉等[7]采用超效率DEA 模型測(cè)算碳排放效率。李濤和傅強(qiáng)[8]則基于非意愿變量Ruggiero 三階段模型對(duì)1998—2008 年中國(guó)29 個(gè)省份進(jìn)行碳排放效率的測(cè)算。Choi等[9]、Lucio 等[10]、邵海琴和王兆鋒[11]等則采用SBMDEA 模型測(cè)算碳排放效率。趙陽(yáng)[12]采用EBM 模型分析了2014—2018 年中國(guó)30 個(gè)工業(yè)細(xì)分行業(yè)的碳排放效率。馬大來(lái)等[13]通過(guò)至強(qiáng)有效前沿的最小距離法測(cè)算了1998—2011 年中國(guó)各省份的碳排放效率。孫海燕和耿成軒[14]通過(guò)隨機(jī)前沿分析法測(cè)算中國(guó)區(qū)域的碳排放效率以及時(shí)空異質(zhì)性。相較于狹義的測(cè)算方法，廣義的測(cè)算方法更加科學(xué)，傳統(tǒng)、單一要素的碳排放效率的測(cè)算方法忽略了實(shí)際生產(chǎn)過(guò)程中不同要素之間的替代性。

二是科技創(chuàng)新對(duì)碳排放效率的影響作用，主要包含兩類：一是科技創(chuàng)新對(duì)碳排放效率起促進(jìn)作用，二是科技創(chuàng)新對(duì)碳排放效率起抑制作用。促進(jìn)作用的相關(guān)研究如：王群偉等[15]將二氧化碳排放績(jī)效指數(shù)分解為技術(shù)效率、技術(shù)進(jìn)步，其研究結(jié)果表明，技術(shù)進(jìn)步的增長(zhǎng)作用大于技術(shù)效率的退化作用，所以技術(shù)進(jìn)步可以提高二氧化碳排放績(jī)效。魏巍賢和楊芳[16]、李濤和傅強(qiáng)[8]認(rèn)為技術(shù)進(jìn)步會(huì)提高自然資源利用率，降低能源的消耗量，減少污染排放，提高碳排放效率。原毅軍等[17]提出技術(shù)進(jìn)步通過(guò)新產(chǎn)品與新技術(shù)、回彈效應(yīng)影響能源利用效率，進(jìn)而影響碳排放效率。楊莉莎等[3]定量分析了2005—2015 年中國(guó)不同產(chǎn)業(yè)、不同區(qū)域之間各驅(qū)動(dòng)因素對(duì)二氧化碳減排效率的影響，其研究結(jié)果表明，技術(shù)進(jìn)步通過(guò)促進(jìn)效應(yīng)、反彈效應(yīng)（收入效應(yīng)、替代效應(yīng)、經(jīng)濟(jì)層面的反彈效應(yīng)）影響碳排放效率，且技術(shù)進(jìn)步對(duì)外部環(huán)境較敏感。邵海琴和王兆鋒[11]探討了長(zhǎng)江經(jīng)濟(jì)帶旅游業(yè)碳排放效率變化的影響因素，其研究結(jié)果表明，技術(shù)創(chuàng)新因素對(duì)碳排放效率的提升具有促進(jìn)作用，但在不同省份存在較大差異。抑制作用的相關(guān)研究如Acemoglu等[18]認(rèn)為技術(shù)進(jìn)步在促進(jìn)經(jīng)濟(jì)增長(zhǎng)的同時(shí)，引發(fā)“反彈效應(yīng)”，導(dǎo)致能源消耗量增加，從而碳排放量的增加。趙陽(yáng)[12]采用EBM 模型分析了2014—2018 年中國(guó)30 個(gè)工業(yè)細(xì)分行業(yè)的碳排放效率及影響因素，研究表明技術(shù)創(chuàng)新的提高會(huì)對(duì)行業(yè)碳排放效率的提升產(chǎn)生阻礙作用。

綜上所述，關(guān)于科技創(chuàng)新對(duì)碳排放效率的影響研究已經(jīng)較為深入與全面，研究思路也非常豐富，為后續(xù)研究奠定了理論基礎(chǔ)，但是上述研究存在一些缺陷：第一，局限于某一行業(yè)或某一地區(qū)，樣本數(shù)據(jù)的局限會(huì)影響研究結(jié)果的準(zhǔn)確性。第二，大多數(shù)研究?jī)H通過(guò)因素分解的方法，研究技術(shù)進(jìn)步、科技創(chuàng)新對(duì)“碳排放”的影響效應(yīng)。第三，研究?jī)H限于科技創(chuàng)新對(duì)碳排放效率的影響作用，未能進(jìn)一步分析其作用機(jī)制。本文在已有的研究基礎(chǔ)上采用非徑向非期望產(chǎn)出SBM 模型，測(cè)算2005—2018 年中國(guó)30 個(gè)省份的碳排放效率，以實(shí)證研究為基礎(chǔ)，分析科技創(chuàng)新對(duì)碳排放效率的影響，并探究其作用機(jī)制，以期為中國(guó)綠色低碳發(fā)展提供參考。

2 碳排放效率的測(cè)度

2.1 碳排放效率的測(cè)算方法

效率的測(cè)算方法主要有數(shù)據(jù)包絡(luò)分析法（DEA），DEA 由于不用對(duì)投入、產(chǎn)出變量之間的函數(shù)進(jìn)行假定，避免了人為主觀因素的影響，被廣泛應(yīng)用于效率評(píng)價(jià)的研究之中。但是傳統(tǒng)的DEA 模型認(rèn)為在生產(chǎn)過(guò)程中高效率表現(xiàn)為投入少、產(chǎn)出高，忽略了生產(chǎn)過(guò)程中的“環(huán)境負(fù)外部性”問(wèn)題。在經(jīng)濟(jì)生產(chǎn)過(guò)程中，既伴隨著期望產(chǎn)出，如國(guó)內(nèi)生產(chǎn)總值，又伴隨著非期望產(chǎn)出，如二氧化碳、二氧化硫、煙（粉）塵等污染物的排放。所以綠色低碳發(fā)展的高效率應(yīng)該表現(xiàn)為投入少、期望產(chǎn)出高、非期望產(chǎn)出少。Tone[19]構(gòu)造了基于松弛變量的SBM 測(cè)度模型，將松弛變量直接納入目標(biāo)函數(shù)。Tone[20]認(rèn)識(shí)到生產(chǎn)過(guò)程中存在大量污染物，將非期望產(chǎn)出加入SBM 模型，不僅解決了產(chǎn)出中存在非期望產(chǎn)出的問(wèn)題，還克服了投入與產(chǎn)出變量的松弛問(wèn)題，有效地測(cè)算了環(huán)境效率。因此，本文根據(jù)Tone 提出的非徑向非期望產(chǎn)出SBM 模型測(cè)算了規(guī)模報(bào)酬可變情況下的碳排放效率。選取各個(gè)省份作為一個(gè)決策單元，每個(gè)決策單元均有投入、期望產(chǎn)出、非期望產(chǎn)出三種投入產(chǎn)出向量?？紤]N種投入（x），M種期望產(chǎn)出（y），I種非期望產(chǎn)出（z），SBM 模型可表示為：

式中：ρ為需要測(cè)算的碳排放效率值，取值范圍為[0, 1]；、 、 分別為投入、期望產(chǎn)出與非期望產(chǎn)出的松弛量；λ 為權(quán)重向量。

2.2 數(shù)據(jù)處理

本文選取2005—2018 年中國(guó)30 個(gè)省份（由于西藏和港澳臺(tái)地區(qū)大量數(shù)據(jù)缺失，將其排除于樣本之外）的投入、產(chǎn)出要素測(cè)算碳排放效率。以資本、勞動(dòng)力、能源消耗量為投入要素，以各省份的實(shí)際國(guó)內(nèi)生產(chǎn)總值為期望產(chǎn)出、二氧化碳排放量為非期望產(chǎn)出進(jìn)行碳排放效率的測(cè)算。

2.2.1 投入要素

資本投入。目前學(xué)術(shù)界尚未形成統(tǒng)一的資本存量測(cè)算標(biāo)準(zhǔn)，本文參考了張軍等[21]的研究成果，采用“永續(xù)盤存法”對(duì)每年的實(shí)際資本存量進(jìn)行測(cè)算：本期物質(zhì)資本存量=本期固定資產(chǎn)形成總額+上期物質(zhì)資本存量×(1-9.6%)（各省份固定資本形成總額的固定資產(chǎn)折舊率是9.6%）。同時(shí)，本文將采用其計(jì)算得出的2000 年的資本存量作為初始值，并以2000 年為基期進(jìn)行計(jì)算。

勞動(dòng)力投入。勞動(dòng)力指標(biāo)的選取應(yīng)該包括既包括勞動(dòng)力數(shù)量又包括勞動(dòng)力質(zhì)量，但是由于“勞動(dòng)力質(zhì)量”數(shù)據(jù)較難獲得，本文僅選取各省份的就業(yè)人數(shù)衡量勞動(dòng)力投入。

能源投入。生產(chǎn)過(guò)程中投入的能源用各省份每年的能源消耗量來(lái)表示，由于各個(gè)省份的能源消費(fèi)種類不一，將煤炭、電力等能源的消耗量按照其與標(biāo)準(zhǔn)煤的折算關(guān)系統(tǒng)一轉(zhuǎn)換為標(biāo)準(zhǔn)煤，加總之后得到各省份歷年的能源投入量。

2.2.2 產(chǎn)出要素

期望產(chǎn)出。以各省份的國(guó)內(nèi)生產(chǎn)總值作為期望產(chǎn)出的指標(biāo)，為了消除通貨膨脹的影響，根據(jù)各省份的國(guó)內(nèi)生產(chǎn)總值指數(shù)對(duì)名義國(guó)內(nèi)生產(chǎn)總值進(jìn)行平減（以2005 年為基期），得到各省份的實(shí)際國(guó)內(nèi)生產(chǎn)總值。

非期望產(chǎn)出。以各省份的二氧化碳排放量作為非期望產(chǎn)出，數(shù)據(jù)來(lái)源于Wind 數(shù)據(jù)庫(kù)。

2.3 測(cè)算結(jié)果

如圖1 所示，碳排放效率較高的地區(qū)包括北京、天津、上海、黑龍江等，相對(duì)較低的地區(qū)包括寧夏、新疆、貴州、山西等。在2005—2018 年之間，除河南、廣西、內(nèi)蒙古、山西、新疆之外，中國(guó)其他地區(qū)碳排放效率均呈現(xiàn)上升趨勢(shì)，但上升幅度各有不同。

圖1 2018年中國(guó)各地區(qū)的碳排放效率及2005—2018年碳排放效率變化值

這是因?yàn)橹袊?guó)近年來(lái)實(shí)施了一系列針對(duì)地區(qū)、行業(yè)、企業(yè)的節(jié)能政策，環(huán)境治理、綠色低碳發(fā)展卓見(jiàn)成效。如“十一五”時(shí)期，實(shí)施了《千家企業(yè)節(jié)能行動(dòng)》（發(fā)改環(huán)資〔2006〕571 號(hào)）等政策。2007 年，批復(fù)了天津、河北、山西、內(nèi)蒙古、江蘇、浙江、河南、湖北、湖南、重慶、陜西11 個(gè)地區(qū)開展排污權(quán)交易制度試點(diǎn)。2009 年，中國(guó)首次量化溫室氣體減排目標(biāo)“2020 年單位GDP 碳排放比2005 年降40%～50%”?！豆?jié)能減排“十二五”規(guī)劃》提出，堅(jiān)持綠色低碳發(fā)展、加強(qiáng)用能節(jié)能管理、推動(dòng)減排技術(shù)的創(chuàng)新、推廣以及應(yīng)用、開展碳排放交易試點(diǎn)工作等。2013—2014 年，中國(guó)在北京、天津、上海、重慶、深圳、廣東、湖北7 個(gè)地區(qū)陸續(xù)開展碳交易試點(diǎn)工作。2017年，《全國(guó)碳排放交易市場(chǎng)建設(shè)方案（發(fā)電行業(yè)）》提出以電行業(yè)為突破口率先提出啟動(dòng)全國(guó)碳排放交易體系。隨著一系列節(jié)能減排政策的制定與實(shí)施，二氧化碳的排放量逐漸減少，碳排放效率處于上升趨勢(shì)。

由于中國(guó)碳排放效率在不同地區(qū)存在著巨大差異，效率最高值為1，最低值為0.736 6。本文將30 個(gè)省份按照經(jīng)濟(jì)發(fā)展水平劃分為東、中、西三個(gè)區(qū)域①東部地區(qū)：北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南。中部地區(qū)：山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南、廣西。西部地區(qū)：重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆。。如圖2所示，在三個(gè)區(qū)域中，東部地區(qū)的碳排放效率水平最高，其碳排放效率的最小值為0.882 7，最大值為0.939 7。西部地區(qū)的碳排放效率水平較低，其碳排放效率的最高值為0.855 0，遠(yuǎn)小于東、中部地區(qū)（中部地區(qū)碳排放效率的最小值為0.877 6）。這是因?yàn)闁|部地區(qū)的經(jīng)濟(jì)發(fā)展水平、科技創(chuàng)新水平較高，產(chǎn)業(yè)結(jié)構(gòu)較為合理，且排污權(quán)、碳排放交易等試點(diǎn)工作多在東部地區(qū)開展，在生產(chǎn)過(guò)程中能源利用效率較高，二氧化碳排放量較少，所以東部地區(qū)的碳排放效率水平優(yōu)于相對(duì)落后的中、西部地區(qū)。

圖2 2005—2018年中國(guó)整體及東、中、西三個(gè)區(qū)域的碳排放效率

3 計(jì)量模型、變量與數(shù)據(jù)

3.1 計(jì)量模型

由 于 設(shè) 定 形 式 簡(jiǎn) 潔，Harrison[22]、York 等[23]將IPAT 等式作為分析環(huán)境變化驅(qū)動(dòng)因素的模型框架，但是IPAT 等式不允許各影響因素不同比例地變化，Dietz &Rosa[24]將IPAT 等式進(jìn)行改進(jìn)，以隨機(jī)形式表示，建立STIRPAT（stochastic impacts by regression on population,affluence and technology）模型。本文以STIRPAT 模型為基礎(chǔ)，構(gòu)建了科技創(chuàng)新對(duì)碳排放效率影響的實(shí)證模型。STIRPAT 模型的基本形式為：

式中：I表示環(huán)境影響，P表示人口總量，A表示富裕度，T表示科技創(chuàng)新水平，表示隨機(jī)誤差項(xiàng)；為了盡量減小或消除異方差的影響，對(duì)式（3）進(jìn)行對(duì)數(shù)處理，得到了式（4）：

本文主要探究科技創(chuàng)新對(duì)碳排放效率的影響效應(yīng)，所以選取碳排放效率為被解釋變量，科技創(chuàng)新為主要解釋變量，并在此基礎(chǔ)上選擇經(jīng)濟(jì)發(fā)展水平、人口規(guī)模為次要解釋變量。為了控制其他因素對(duì)碳排放效率的影響，本文在估計(jì)方程中加入了其他的控制變量：城鎮(zhèn)化水平、產(chǎn)業(yè)結(jié)構(gòu)、對(duì)外開放程度、能源消耗量。最終構(gòu)成的模型為：

式中：Y表示碳排放效率，T表示科技創(chuàng)新水平，A表示經(jīng)濟(jì)發(fā)展水平，P表示人口規(guī)模，下標(biāo)i、t分別表示省份、年份，α為個(gè)體異質(zhì)性，ε為隨機(jī)擾動(dòng)項(xiàng)。

3.2 數(shù)據(jù)來(lái)源與處理

本文數(shù)據(jù)來(lái)自EPS 數(shù)據(jù)平臺(tái)、中經(jīng)網(wǎng)數(shù)據(jù)庫(kù)、Wind 數(shù)據(jù)庫(kù)。表1 分析了相關(guān)變量的均值、標(biāo)準(zhǔn)差、最小值、最大值等描述性統(tǒng)計(jì)特征。

表1 主要變量的描述性統(tǒng)計(jì)

科技創(chuàng)新水平（T）：以國(guó)內(nèi)專利申請(qǐng)授權(quán)數(shù)量來(lái)衡量該省份的科技創(chuàng)新水平。經(jīng)濟(jì)發(fā)展水平（A）：以人均國(guó)內(nèi)生產(chǎn)總值來(lái)衡量各省份的經(jīng)濟(jì)發(fā)展水平，由于經(jīng)濟(jì)發(fā)展水平與碳排放效率之間可能存在二次關(guān)系，所以加入了人均國(guó)內(nèi)生產(chǎn)總值的平方。人口規(guī)模（P）：人口規(guī)模用人口密度，即地區(qū)人口數(shù)量與行政區(qū)域面積的比例來(lái)衡量。城鎮(zhèn)化水平（Urban）：城鎮(zhèn)化水平用城鎮(zhèn)人口數(shù)量占該區(qū)域總?cè)丝跀?shù)量的比重來(lái)衡量。產(chǎn)業(yè)結(jié)構(gòu)（IS）：產(chǎn)業(yè)結(jié)構(gòu)用工業(yè)增加值占國(guó)內(nèi)生產(chǎn)總值的比例來(lái)衡量。對(duì)外開放程度（EXP）：對(duì)外開放程度用出口額占國(guó)內(nèi)生產(chǎn)總值的比例來(lái)衡量。出口額通過(guò)當(dāng)年的12 個(gè)月的平均匯率換算成人民幣，進(jìn)行計(jì)算。能源消耗（E）：生產(chǎn)過(guò)程中投入的能源用各省份的能源消耗量來(lái)表示，由于各個(gè)省份的能源消費(fèi)種類不一，本文將煤炭、電力等能源的消費(fèi)量統(tǒng)一轉(zhuǎn)換為標(biāo)準(zhǔn)煤。

4 實(shí)證分析

4.1 基準(zhǔn)分析

為深入探究科技創(chuàng)新對(duì)碳排放效率的影響，本文根據(jù)式（5）進(jìn)行OLS 回歸，從整體上分析科技創(chuàng)新及其他影響因素對(duì)碳排放效率的作用效果，表2 給出了式（5）的基準(zhǔn)回歸結(jié)果。

表2 基準(zhǔn)回歸結(jié)果

其中，第（1）列不加入任何控制變量、固定效應(yīng)，用科技創(chuàng)新水平、經(jīng)濟(jì)發(fā)展水平、人口規(guī)模對(duì)碳排放效率直接進(jìn)行回歸，結(jié)果顯示科技創(chuàng)新水平對(duì)碳排放效率有顯著的正向促進(jìn)作用。第（2）、第（3）列則加入了一系列控制變量的固定效應(yīng)模型、隨機(jī)效應(yīng)模型（從Hausman 檢驗(yàn)來(lái)看，P值為0.000 0，強(qiáng)烈拒絕原假設(shè)，即固定效應(yīng)模型的效果優(yōu)于隨機(jī)效應(yīng)模型）。第（4）、第（5）列分別在第（2）列的基礎(chǔ)上進(jìn)一步控制年份固定效應(yīng)、地區(qū)固定效應(yīng)，科技創(chuàng)新對(duì)碳排放效率仍保持顯著的正向促進(jìn)作用。第（6）列為最終的基準(zhǔn)模型，在控制了諸多因素之后，估計(jì)結(jié)果仍然顯示科技創(chuàng)新對(duì)碳排放效率有促進(jìn)作用，且在1%的顯著性水平上成立?？刂谱兞康幕貧w結(jié)果也符合預(yù)期效果。

實(shí)證結(jié)果表明：科技創(chuàng)新水平每增加1 個(gè)單位，碳排放效率增加0.01 個(gè)單位，且在1%的水平上通過(guò)顯著性檢驗(yàn)，即科技創(chuàng)新水平與碳排放效率呈現(xiàn)顯著的正相關(guān)關(guān)系。科技創(chuàng)新水平的提高可以拓寬能源來(lái)源廣度，提高廢氣處理水平，減少能源消耗量，從而減少二氧化碳排放量，提高碳排放效率。不同的產(chǎn)業(yè)部門對(duì)能源的需求不同，不同的能源利用效率也會(huì)產(chǎn)生不同的二氧化碳排放量，科技創(chuàng)新可以推動(dòng)高能耗、高污染行業(yè)轉(zhuǎn)型升級(jí)，優(yōu)化不同產(chǎn)業(yè)不同部門之間的能源消費(fèi)結(jié)構(gòu)，發(fā)展低碳產(chǎn)業(yè)，從而提高碳排放效率。

經(jīng)濟(jì)發(fā)展水平對(duì)碳排放效率的影響：經(jīng)濟(jì)發(fā)展水平變量的一次項(xiàng)系數(shù)為負(fù)，二次項(xiàng)系數(shù)為正，二者均在1%的水平上通過(guò)顯著性檢驗(yàn)。說(shuō)明經(jīng)濟(jì)發(fā)展與碳排放效率之間存在正“U”型關(guān)系，碳排放效率隨著經(jīng)濟(jì)發(fā)展先降低，經(jīng)過(guò)拐點(diǎn)后，經(jīng)濟(jì)發(fā)展會(huì)導(dǎo)致碳排放效率增長(zhǎng)。人口規(guī)模與碳排放效率呈正相關(guān)關(guān)系：人口密度越大，使用能源的成本越小，碳排放效率越高。城鎮(zhèn)化水平與碳排放效率呈顯著地負(fù)相關(guān)關(guān)系：城鎮(zhèn)化水平越高，帶動(dòng)了區(qū)域基礎(chǔ)設(shè)施的建設(shè)，導(dǎo)致能源的消耗量急劇增加，降低了碳排放效率。產(chǎn)業(yè)結(jié)構(gòu)與碳排放效率呈顯著地負(fù)相關(guān)關(guān)系：工業(yè)產(chǎn)業(yè)在產(chǎn)業(yè)中的占比越高，則說(shuō)明該地區(qū)處于工業(yè)化進(jìn)程中，對(duì)化石能源的需求就越大，而且由于經(jīng)濟(jì)發(fā)展方式較為粗放，能源利用效率較低，在能源利用過(guò)程中排放了大量的二氧化碳，該區(qū)域的碳排放效率就越低。對(duì)外開放程度在整體樣本中與碳排放效率呈負(fù)相關(guān)關(guān)系，可能是因?yàn)橹袊?guó)由于科技創(chuàng)新水平不高而處于國(guó)際貿(mào)易中的劣勢(shì)地位，出口的多為隱含碳排放量較多的商品，所以碳排放量較低。能源消耗量與碳排放效率呈顯著地負(fù)相關(guān)關(guān)系，能源消耗量越大，導(dǎo)致能源利用產(chǎn)生的二氧化碳的排放量越大，碳排放效率就越低。

4.2 機(jī)制分析

科技創(chuàng)新可以通過(guò)提高能源利用效率進(jìn)而提高碳排放效率，但是不同地區(qū)表現(xiàn)出明顯的區(qū)域差異，這就引發(fā)了對(duì)以下問(wèn)題的思考：能源利用效率是否影響科技創(chuàng)新對(duì)碳排放效率的提升作用？科技創(chuàng)新對(duì)碳排放效率的影響效應(yīng)是否隨著能源利用效率而具有差異性？本文將對(duì)此進(jìn)行考察。

借鑒Lyubich 等[25]做法，本文以能源生產(chǎn)率來(lái)衡量各省份的能源利用效率。能源利用效率（Energy efficiency）由國(guó)內(nèi)生產(chǎn)總值與能源消耗量的比值來(lái)表示。中介效應(yīng)的檢驗(yàn)方法眾多，在統(tǒng)計(jì)檢驗(yàn)錯(cuò)誤和檢驗(yàn)功效方面各有優(yōu)劣，Judd & Kenny[26]、Baron & Kenny[27]提出通過(guò)逐步法檢驗(yàn)中介效應(yīng)，即依次檢驗(yàn)回歸系數(shù)。Mackinnon 等[28]提出的單一方法的適用性較低，而且第一類錯(cuò)誤率太大，遠(yuǎn)超過(guò)給定的顯著性水平。溫忠麟 等[29]在 結(jié) 合Judd & Kenny[26]、Sobel[30]、Baron &Kenny[27]等提出的不同檢驗(yàn)方法的基礎(chǔ)上，構(gòu)造了一個(gè)綜合的中介效應(yīng)檢驗(yàn)程序，能在較高統(tǒng)計(jì)功效的基礎(chǔ)上控制第一類和第二類錯(cuò)誤的概率。在模型構(gòu)建方面，主要借鑒了錢雪松等[31]的做法，進(jìn)一步選取能源利用效率作為中介變量進(jìn)行中介效應(yīng)檢驗(yàn)，方程如式（6）～（8）所示。

表3列出了影響機(jī)制驗(yàn)證的結(jié)果，可以發(fā)現(xiàn)在科技創(chuàng)新改變能源利用效率以影響碳排放效率過(guò)程中，Sobel檢驗(yàn)中的Z 統(tǒng)計(jì)量為2.704，大于5%顯著性水平上的臨界值0.97，因而存在以能源利用效率為中介變量的中介效應(yīng)，該中介效應(yīng)在總效應(yīng)中所占比例為43.85%。這些結(jié)果表明：在科技創(chuàng)新對(duì)碳排放效率施加影響的過(guò)程中，能源利用效率發(fā)揮了重要作用。具體而言，如果地區(qū)的科技創(chuàng)新水平提高，此時(shí)能源利用效率會(huì)因之而提高。在此基礎(chǔ)上，能源利用效率提高會(huì)減少二氧化碳排放量，因此，碳排放效率也會(huì)隨能源利用效率的提高而增加。

表3 科技創(chuàng)新通過(guò)能源利用效率影響碳排放效率的中介效應(yīng)

基于中介效應(yīng)的計(jì)量檢驗(yàn)清晰地揭示出，中國(guó)存在“科技創(chuàng)新—能源利用效率—碳排放效率”環(huán)節(jié)。同時(shí)，以能源利用效率為中介變量的中介效應(yīng)作用效果顯著，說(shuō)明能源利用效率發(fā)揮重要作用。

4.3 異質(zhì)性分析

分地區(qū)回歸分析。由于中國(guó)幅員遼闊，不同區(qū)域在經(jīng)濟(jì)發(fā)展水平、能源結(jié)構(gòu)等諸多方均存在差異，導(dǎo)致碳排放效率存在較大差異，本文將中國(guó)的30 個(gè)省份按照經(jīng)濟(jì)發(fā)展水平劃分為東、中、西三個(gè)區(qū)域，進(jìn)一步探究不同區(qū)域之間科技創(chuàng)新對(duì)碳排放效率的差異，結(jié)果如表4 所示。第（1）、第（2）、第（3）分別是東、中、西三個(gè)區(qū)域科技創(chuàng)新對(duì)碳排放效率的回歸結(jié)果。通過(guò)對(duì)比發(fā)現(xiàn)，西部的科技創(chuàng)新水平對(duì)碳排放效率的正向促進(jìn)作用明顯高于東部地區(qū)和中部地區(qū)，即經(jīng)濟(jì)發(fā)展水平越低，科技創(chuàng)新對(duì)碳排放效率的促進(jìn)作用越高。這是因?yàn)槲鞑康貐^(qū)的科技創(chuàng)新水平較為落后，在提高科技創(chuàng)新水平上還有很大空間，從而對(duì)碳排放效率的促進(jìn)作用較明顯；東部地區(qū)的科技創(chuàng)新水平走在中國(guó)前列，屬于科技創(chuàng)新水平較為發(fā)達(dá)的區(qū)域，科技創(chuàng)新水平的提高空間較小，東部地區(qū)科技創(chuàng)新水平對(duì)碳排放效率的促進(jìn)作用較微弱。

表4 異質(zhì)性分析

分位數(shù)回歸分析。實(shí)證結(jié)果表明科技創(chuàng)新對(duì)碳排放效率有正向促進(jìn)作用，但是科技創(chuàng)新的促進(jìn)作用是否會(huì)隨著碳排放效率的不同而產(chǎn)生差異，以及這種影響的趨勢(shì)如何變化？表4 第（4）、第（5）、第（6）分別是不同分位數(shù)下科技創(chuàng)新對(duì)碳排放效率的回歸結(jié)果，10%用于闡述科技創(chuàng)新對(duì)低效率地區(qū)的影響，50%用于闡述科技創(chuàng)新對(duì)中效率地區(qū)的影響，90%用于闡述科技創(chuàng)新對(duì)高效率地區(qū)的影響。表4 顯示，在10%、50%、90%的分位數(shù)水平下，科技創(chuàng)新對(duì)碳排放效率的回歸系數(shù)均顯著，且隨著分位數(shù)的增加，科技創(chuàng)新的系數(shù)分別為0.034、0.025、0.027，呈現(xiàn)先下降后上升的趨勢(shì)。這表明，科技創(chuàng)新對(duì)碳排放效率的條件分布的兩端之影響大于其中間部分的影響。處于條件分布高端和低端的地區(qū)，科技創(chuàng)新的促進(jìn)作用要高于平均水平，而且對(duì)于處于條件分布低端的地區(qū)，科技創(chuàng)新對(duì)碳排放效率的促進(jìn)作用較高，即科技創(chuàng)新對(duì)于高碳排放效率和低碳排放效率的影響較大，碳排放效率水平居中的地區(qū)受益最小。這是因?yàn)楦咛寂欧判实貐^(qū)處于較高起點(diǎn)，擁有較高的技術(shù)水平、已經(jīng)積累了一定經(jīng)驗(yàn)，形成學(xué)習(xí)曲線，隨著時(shí)間的積累，科技創(chuàng)新的促進(jìn)作用更加明顯。

4.4 穩(wěn)健性檢驗(yàn)

改變自變量度量方式。本文將采用以技術(shù)市場(chǎng)交易額來(lái)度量科技創(chuàng)新水平，并利用式（5）重新進(jìn)行檢驗(yàn)。結(jié)果見(jiàn)表5 第（1）、第（2）列，即使更改自變量的度量方法，科技創(chuàng)新水平的回歸系數(shù)均在1%的水平上顯著為正，與本文的研究結(jié)論保持一致。

表5 穩(wěn)健性檢驗(yàn)

改變因變量度量方式。根據(jù)非徑向的非期望產(chǎn)出SBM 模型重新測(cè)算規(guī)模報(bào)酬不變情況下的碳排放效率，并利用式（5）重新進(jìn)行檢驗(yàn)。結(jié)果見(jiàn)表5 第（3）、第（4）列，即使更改因變量的度量方式，科技創(chuàng)新水平的回歸系數(shù)均顯著為正，與本文的研究結(jié)論保持一致。

縮短時(shí)間窗寬。將時(shí)間區(qū)間縮短至2006—2017 年，重新對(duì)式（5）進(jìn)行檢驗(yàn)，回歸結(jié)果見(jiàn)表5 第（5）、第（6）列，結(jié)果表明科技創(chuàng)新的系數(shù)依然顯著為正，與本文的研究結(jié)論保持一致。

5 主要結(jié)論與政策建議

本文主要得到以下幾點(diǎn)結(jié)論：（1）2005—2018 年，將30 個(gè)省份樣本作為一個(gè)整體，其碳排放效率整體處于不斷上升的趨勢(shì)，碳排放效率從2005 年的0.859 2 上升為2018 年的0.896 3，碳排放問(wèn)題得到明顯改善。將30 個(gè)樣本分為東、中、西三個(gè)區(qū)域，結(jié)果顯示三個(gè)區(qū)域的碳排放效率總體上也呈上升趨勢(shì)，但是碳排放效率的特征及其隨時(shí)間的變化存在明顯的差異。比較而言，東部地區(qū)的碳排放效率水平最高，其碳排放效率的最小值為0.882 7，最大值為0.939 7，西部地區(qū)的碳排放效率水平較低，其碳排放效率的最高值為0.855 0，遠(yuǎn)小于東、中部地區(qū)（中部地區(qū)碳排放效率的最小值為0.877 6）。（2）基準(zhǔn)回歸結(jié)果表明，科技創(chuàng)新對(duì)碳排放效率有顯著的促進(jìn)作用，且西部的科技創(chuàng)新水平對(duì)碳排放效率的正向促進(jìn)作用明顯高于東部地區(qū)和中部地區(qū)。（3）機(jī)制分析表明，能源利用效率提升是科技創(chuàng)新促進(jìn)碳排放效率的重要途徑，且中介效應(yīng)在總效應(yīng)中所占比例為43.85%。（4）科技創(chuàng)新對(duì)碳排放效率的條件分布的兩端之影響大于其中間部分的影響，即提高科技創(chuàng)新水平對(duì)于高碳排放效率和低碳排放效率的影響較大，碳排放效率水平居中的地區(qū)受益最小。

碳排放效率提升的關(guān)鍵環(huán)節(jié)是提高科技創(chuàng)新水平。要貫徹落實(shí)“創(chuàng)新、協(xié)調(diào)、開放、綠色、共享”的新發(fā)展理念，堅(jiān)持創(chuàng)新在中國(guó)現(xiàn)代化建設(shè)全局中的核心地位，打好關(guān)鍵核心技術(shù)攻堅(jiān)戰(zhàn)，提高科技創(chuàng)新水平，重視科技創(chuàng)新生態(tài)價(jià)值。政府加大地區(qū)科技研發(fā)投入強(qiáng)度，加強(qiáng)對(duì)核心低碳技術(shù)的開發(fā)，大幅提高科技成果轉(zhuǎn)移轉(zhuǎn)化成效，促進(jìn)研發(fā)成果在能源利用、生態(tài)環(huán)境保護(hù)等方面實(shí)現(xiàn)產(chǎn)業(yè)化規(guī)?；瘧?yīng)用。同時(shí)，政府應(yīng)開展跨部門合作，加強(qiáng)環(huán)境監(jiān)管，鼓勵(lì)企業(yè)使用清潔技術(shù)提高能源利用效率，淘汰或升級(jí)高能耗、高污染企業(yè)。從長(zhǎng)遠(yuǎn)角度來(lái)看，應(yīng)該深化經(jīng)濟(jì)體制轉(zhuǎn)型為切入點(diǎn)，扶持低碳產(chǎn)業(yè)和第三產(chǎn)業(yè)，提高產(chǎn)業(yè)鏈中利益相關(guān)者的清潔能源技術(shù)，逐漸走出高碳路徑依賴的困境。鑒于所研究的地區(qū)之間在碳排放效率水平上存在明顯的差異，環(huán)境和能源政策應(yīng)該對(duì)每個(gè)地區(qū)在獨(dú)特的技術(shù)和創(chuàng)新條件下足夠靈活。