岳 立，韓 亮

（蘭州大學(xué)經(jīng)濟(jì)學(xué)院，甘肅蘭州 730000）

隨著經(jīng)濟(jì)發(fā)展，全球能源消耗量和碳排放量在不斷增加，經(jīng)濟(jì)與環(huán)境矛盾突出。中國目前是世界第一大能源消費(fèi)國，碳排放總量居世界第一，單位國內(nèi)生產(chǎn)總值碳排放量是世界平均水平的兩倍。作為現(xiàn)階段全球最大的溫室氣體排放國，中國在全球氣候談判中一直秉持負(fù)責(zé)任大國的態(tài)度，作出了碳中和碳達(dá)峰的承諾。一方面，中國促進(jìn)了可再生資源和新能源的不斷開發(fā)利用，使得社會結(jié)構(gòu)由高污染、高排放型逐漸轉(zhuǎn)為低碳綠色型；另一方面，在經(jīng)濟(jì)發(fā)展過程中逐漸減少能源的投入，減少碳排放量。由此可見，技術(shù)進(jìn)步是碳減排的關(guān)鍵驅(qū)動力，對實(shí)現(xiàn)碳減排目標(biāo)十分重要。Acemoglu［1］首次對有偏技術(shù)進(jìn)步進(jìn)行研究，隨后國內(nèi)外學(xué)者進(jìn)行了有偏技術(shù)進(jìn)步對碳排放效率影響的研究，如郭沛等［2］的研究表明資本偏向性技術(shù)進(jìn)步對碳排放量降低具有促進(jìn)作用，但是已有相關(guān)研究中關(guān)于不同類型資本偏向性技術(shù)進(jìn)步對碳排放效率影響并不清晰。因此，基于信息通信技術(shù)（ICT）資本偏向性技術(shù)進(jìn)步、人力資本偏向性技術(shù)進(jìn)步視角，選取2007—2020 年間中國30 個省份的面板數(shù)據(jù)，采用考慮非期望產(chǎn)出的super-SBM 模型分析不同類型資本偏向性技術(shù)進(jìn)步對碳排放效率的影響，并使用全局全要素生產(chǎn)率指數(shù)（GML）更深入地分析各省份碳排放水平與變動原因，同時采用Tobit 模型進(jìn)一步探討碳排放效率的影響因素，從技術(shù)進(jìn)步方向找到影響碳排放效率的關(guān)鍵動力，以期為制定低碳綠色經(jīng)濟(jì)發(fā)展規(guī)劃提供參考。

1 相關(guān)研究綜述

Acemoglu［1］對技術(shù)進(jìn)步方向進(jìn)行了明確地定義，認(rèn)為當(dāng)技術(shù)進(jìn)步更有助于提高某種要素邊際產(chǎn)出時，可將其稱為偏向該要素的技術(shù)進(jìn)步。后來，Klump［3］運(yùn)用標(biāo)準(zhǔn)化系統(tǒng)法對美國技術(shù)進(jìn)步偏向進(jìn)行了測算，發(fā)現(xiàn)技術(shù)進(jìn)步具有資本偏向性特征。國內(nèi)對技術(shù)進(jìn)步方向也進(jìn)行了相應(yīng)研究，如焦高樂等［4］認(rèn)為技術(shù)進(jìn)步偏向于資本增長和能源使用；戴天仕等［5］的研究表明在考察期內(nèi)中國的技術(shù)進(jìn)步逐漸從勞動偏向轉(zhuǎn)向資本偏向，并且資本偏向速度越來越快；郭美晨［6］研究發(fā)現(xiàn)，以信息通信技術(shù)（ICT）為核心的技術(shù)進(jìn)步具有典型的技能偏向特征。

技術(shù)進(jìn)步在減少能源消耗中具有重要作用，是促進(jìn)節(jié)能減排的重要因素。張頌心等［7］研究了科技進(jìn)步與農(nóng)業(yè)碳排放之間的關(guān)系，發(fā)現(xiàn)科技進(jìn)步在一定程度上與農(nóng)業(yè)碳排放之間呈現(xiàn)負(fù)向關(guān)系。丁茜［8］研究發(fā)現(xiàn)技術(shù)進(jìn)步能夠通過促進(jìn)經(jīng)濟(jì)增長增加碳排放，通過優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)減少碳排放。陳亮等［9］研究表明，總體上技術(shù)對于減少碳排放的效果并不顯著，但有偏向性的綠色技術(shù)進(jìn)步對于碳減排更重要。

基于偏向性技術(shù)進(jìn)步視角，已有文獻(xiàn)展開了有偏技術(shù)進(jìn)步對碳排放效率影響研究，結(jié)果表明技術(shù)進(jìn)步在促進(jìn)碳減排過程中大多偏向資本，例如劉自敏等［10］研究得出有偏技術(shù)進(jìn)步存在顯著減排效應(yīng)，且技術(shù)進(jìn)步主要偏向資本和能源；郭沛等［2］基于CES 生產(chǎn)函數(shù)研究了有偏技術(shù)進(jìn)步與碳排放強(qiáng)度之間關(guān)系，同樣發(fā)現(xiàn)通過提高資本與能源的替代彈性會實(shí)現(xiàn)碳排放效率下降目標(biāo)。

綜上，雖然關(guān)于資本偏向性技術(shù)進(jìn)步和碳排放效率的研究相對較多，但是缺乏對不同類型資本偏向性技術(shù)進(jìn)步與碳排放效率之間關(guān)系的具體研究，且已有相關(guān)研究尚未達(dá)成一致結(jié)論。考慮到以云計(jì)算、大數(shù)據(jù)、人工智能為代表的新一代ICT 技術(shù)已經(jīng)成為最活躍的創(chuàng)新領(lǐng)域之一，是驅(qū)動社會和經(jīng)濟(jì)轉(zhuǎn)型升級的重要引擎，同時考慮到人力資本在ICT發(fā)展過程中占據(jù)重要地位，且廣泛遍布在其他各個行業(yè)，從多個方面對經(jīng)濟(jì)發(fā)展和碳減排產(chǎn)生影響，因此，本研究從ICT 資本偏向性技術(shù)進(jìn)步和人力資本偏向性技術(shù)進(jìn)步角度出發(fā)，研究這兩類資本偏向性技術(shù)進(jìn)步對碳排放效率的影響，從而為制定合理的碳減排措施提供參考。

2 資本偏向性技術(shù)進(jìn)步對碳減排的影響機(jī)制

2.1 ICT 資本偏向性技術(shù)進(jìn)步

ICT 資本抑制碳排放的影響機(jī)制主要有以下幾個方面：（1）直接效應(yīng)。ICT 通過降低自身對能源、物質(zhì)原材料等的需求，增加對可再生資源的使用，改變對廢棄、老舊、能源消耗量大的設(shè)備的循環(huán)利用，從而實(shí)現(xiàn)碳減排目的。例如，用高效節(jié)能的客戶機(jī)代替普通計(jì)算機(jī)，實(shí)現(xiàn)對客戶端計(jì)算機(jī)的集中管理以節(jié)省電力消耗，提高能源利用效率。（2）外在效應(yīng)。將ICT 技術(shù)應(yīng)用于社會經(jīng)濟(jì)生產(chǎn)、流通、消費(fèi)、服務(wù)等各個環(huán)節(jié)，提高效率，促進(jìn)綠色經(jīng)濟(jì)的發(fā)展，從而達(dá)到碳減排目的。（3）系統(tǒng)效應(yīng)。在碳排放量高的生產(chǎn)領(lǐng)域，以大型云計(jì)算數(shù)據(jù)為中心，將數(shù)據(jù)采集、分析、應(yīng)用和管理平臺進(jìn)行快速部署會提高云計(jì)算效率，大幅度減少CO2排放。此外，針對高污染行業(yè)，ICT 提供污染源監(jiān)控系統(tǒng)、視頻監(jiān)控系統(tǒng)等信息化產(chǎn)品，幫助該類行業(yè)從源頭上控制污染，提高碳排放效率，實(shí)現(xiàn)低碳目標(biāo)。

ICT 資本促進(jìn)碳排放主要體現(xiàn)在能源消耗方面。ICT 屬于技術(shù)密集型產(chǎn)業(yè)，在產(chǎn)業(yè)發(fā)展過程中會消耗大量電力，而目前中國的發(fā)電主要依靠煤炭、天然氣、石油等不可再生資源。數(shù)據(jù)顯示，2007 年中國IT 行業(yè)產(chǎn)品的電消耗量達(dá)到400 億t～500 億t，接近于三峽電站一年的發(fā)電量［11］；從2021 年在成都召開的中國數(shù)字碳中和高峰論壇中獲悉，信息產(chǎn)業(yè)目前已是全球第五大耗能行業(yè)［12］。隨著基站和數(shù)據(jù)中心需求量越來越大，信息產(chǎn)業(yè)本身的碳排放還會持續(xù)上升。有研究預(yù)測，僅以通信產(chǎn)業(yè)為例，其全球電力消費(fèi)總量占比將從2019 年的11%增至2030 年的21%左右［12］。此外，根據(jù)加拿大麥克馬斯特大學(xué)的研究預(yù)測，2040 年信息通信行業(yè)（ICT）的碳排放占全球碳排放的比例將從2007 年的1.6%上升至14%［13］。

2.2 人力資本偏向性技術(shù)進(jìn)步

人力資本偏向性技術(shù)進(jìn)步反映的是人力資本水平較低勞動力不斷被人力資本水平較高勞動力替代的過程，以及人力資本與技術(shù)之間不斷互補(bǔ)的過程。根據(jù)人力資本理論和干中學(xué)理論，人力資本偏向性技術(shù)進(jìn)步對碳排放效率的影響主要有以下幾個方面：（1）人力資本水平的提升能夠促進(jìn)經(jīng)濟(jì)發(fā)展，這一發(fā)展過程伴隨著規(guī)模效應(yīng)、技術(shù)效應(yīng)和結(jié)構(gòu)效應(yīng)，從而對碳排放水平產(chǎn)生影響。人力資本水平的提升會使經(jīng)濟(jì)發(fā)展水平越過碳排放庫茲涅茨曲線拐點(diǎn)，進(jìn)而減少碳排放量［14］。（2）人力資本不僅是技術(shù)進(jìn)步的發(fā)起者，也是新技術(shù)的載體和媒介，其擁有的科學(xué)知識、技術(shù)是低碳經(jīng)濟(jì)發(fā)展的關(guān)鍵因素。例如，開發(fā)可再生能源技術(shù)會提高能源生產(chǎn)和使用效率，促進(jìn)清潔能源使用，減少CO2排放。（3）技術(shù)進(jìn)步帶來的新產(chǎn)品、新工藝會激發(fā)人力資本投入，要求人力資本在短時間內(nèi)掌握新技術(shù)、提高技術(shù)轉(zhuǎn)化率，從而促進(jìn)了人力資本積累，因此，人力資本通過干中學(xué)效應(yīng)促進(jìn)技術(shù)進(jìn)步。技術(shù)進(jìn)步在提高能源效率方面發(fā)揮著重要作用，而能源效率的提高將帶來碳排放量的減少［15］。（4）人力資本偏向性技術(shù)進(jìn)步帶來勞動力收入的增加，進(jìn)而影響勞動力的消費(fèi)方式和消費(fèi)水平，最重要是會對能源消費(fèi)習(xí)慣產(chǎn)生影響，最終影響CO2排放量。

3 研究方法與指標(biāo)選取

3.1 研究區(qū)域

在城市化和工業(yè)化快速發(fā)展過程中，能源已經(jīng)成為制約中國經(jīng)濟(jì)發(fā)展和城市化發(fā)展的重要因素，大量的能源消耗會增加碳排放量，對氣候環(huán)境造成污染。以中國30 個省份（未含西藏和港澳臺地區(qū)）為研究樣本，根據(jù)能源稟賦多煤少油的特點(diǎn)，依據(jù)《中國煤炭產(chǎn)業(yè)統(tǒng)計(jì)年鑒》的方法，將30 個省份劃分為能源富集區(qū)（原煤產(chǎn)量5 000萬t以上）和能源貧乏區(qū)1）。

3.2 研究方法

測度碳排放效率的計(jì)算主要涉及兩個方面，一方面是準(zhǔn)確測算CO2排放量，因?yàn)樘寂欧帕康臏?zhǔn)確性將會對碳排放效率計(jì)算結(jié)果產(chǎn)生直接影響，另一方面是碳排放效率的計(jì)算方法。由于數(shù)據(jù)包絡(luò)分析法（DEA）不需要研究投入產(chǎn)出指標(biāo)之間的函數(shù)關(guān)系，也不需要事先假設(shè)變量之間關(guān)系，避免了很多主觀因素影響，在衡量多投入多產(chǎn)出決策單元的效率方面擁有明顯優(yōu)勢，因此本研究采用DEA 方法測算碳排放效率。

3.2.1 super-SBM 模型

在測算碳排放效率時，需要在投入產(chǎn)出指標(biāo)體系中同時考慮期望產(chǎn)出和非期望產(chǎn)出，以及考慮要素的松弛效應(yīng)，才能有效地計(jì)算約束條件下的碳排放效率值，因此，基于super-SBM 模型測度碳排放效率。具體公式如下：

式（1）中：x為投入變量；y為產(chǎn)出變量；為投入的松弛變量，為產(chǎn)出的松弛變量；為權(quán)重向量；m為投入的個數(shù)；s為產(chǎn)出的個數(shù)。

3.2.2 全局全要素生產(chǎn)率指數(shù)（GML）

Malmquist-Lenberger 指數(shù)（ML 指數(shù)）取值范圍為（0，1）∪（1，+∞），表示生產(chǎn)率降低或提高的不同含義，因此使用GML 指數(shù)對不同地區(qū)碳排放效率進(jìn)行測算可以有效解決ML 指數(shù)無線性解和傳遞性不足問題。將GML 指數(shù)分解為技術(shù)效率指數(shù)（GEFFCH）和技術(shù)進(jìn)步指數(shù)（GTECH）進(jìn)行動態(tài)效率變化分析。計(jì)算公式如下：

同理，技術(shù)效率指數(shù)和技術(shù)進(jìn)步指數(shù)計(jì)算公式分別如下：

3.2.3 Tobit 模型

采用super-SBM 模型測算的碳排放效率值以0為下限，若使用普通最小二乘法（OLS）回歸可能會使估計(jì)結(jié)果出現(xiàn)偏差，因此使用托賓（Tobit）模型來解決這類因變量受限制問題。構(gòu)建Tobit 面板回歸模型如下：

3.3 指標(biāo)選取與數(shù)據(jù)來源

3.3.1 省份碳排放量的計(jì)算

根據(jù)IPCC 指南，一般采用實(shí)際能源消耗量和與之對應(yīng)的碳排放系數(shù)的乘積測算CO2排放量［16］。將化石能源劃分為8 種，即煤炭、汽油、焦炭、原油、燃料油、煤油、柴油和天然氣。碳排放量計(jì)算公式如下：

各種能源平均低位發(fā)熱量、含碳量和氧化因子見表1。

表1 一次能源燃料碳排放指標(biāo)

3.3.2 投入產(chǎn)出指標(biāo)

在國內(nèi)外相關(guān)研究基礎(chǔ)上，將地區(qū)生產(chǎn)總值作為期望產(chǎn)出指標(biāo)、CO2排放量作為非期望產(chǎn)出指標(biāo)；將資本存量、能源消費(fèi)總量和年末就業(yè)人數(shù)作為投入指標(biāo)。

3.3.3 影響因素

（1）ICT資本偏向性技術(shù)進(jìn)步。根據(jù)投入產(chǎn)出表，基于經(jīng)過拆分合并后的行業(yè)口徑計(jì)算各行業(yè)ICT 硬件與ICT 軟件中間投入，即把通信設(shè)備、計(jì)算機(jī)及其他電子設(shè)備以及信息運(yùn)輸、計(jì)算機(jī)服務(wù)和軟件業(yè)兩部門合并為ICT 產(chǎn)業(yè)部門，在現(xiàn)有數(shù)據(jù)條件支持下，用ICT 固定資本存量測算ICT 資本偏向性技術(shù)進(jìn)步。對于未公布年份的資本投入數(shù)據(jù)，采用羅玥琦［17］的做法，根據(jù)《中國地區(qū)投入產(chǎn)出表》中數(shù)據(jù)選取與測算投資序列，采用永續(xù)盤存法測算ICT資本存量。計(jì)算公式如下：

（2）人力資本偏向性技術(shù)進(jìn)步（HC）。基于孫百才［18］對人力資本偏向性技術(shù)進(jìn)步分析，對HC的具體測算方法如下：假設(shè)一個經(jīng)濟(jì)體存在兩種投入要素，即勞動和資本，并根據(jù)人力資本理論，基于工作效率和受教育程度不同，將整個社會的勞動力分為技能型勞動力（人力資本水平較高）和非技能型勞動力（人力資本水平較低），采用非技能型勞動力受教育年限與技能型勞動力受教育年限之比來測度人力資本偏向型技術(shù)進(jìn)步。公式如下：

式（9）中：非技能型勞動力受教育年限=小學(xué)×6+初中×9；技能型勞動力受教育年限=高中×12+大專及以上學(xué)歷×16。小學(xué)、初中、高中、大專及以上學(xué)歷分別指的是各地區(qū)每年各類學(xué)歷的畢業(yè)人數(shù)。

3.3.4 控制變量

為防止因變量缺失對回歸結(jié)果產(chǎn)生影響，在基準(zhǔn)回歸模型中控制了以下區(qū)域特征變量：

（1）經(jīng)濟(jì)發(fā)展水平（EDL）。較高經(jīng)濟(jì)水平會帶來技能型人才的集聚，改進(jìn)利用能源的技術(shù)和方式，提升碳排放效率。采用人均GDP 衡量經(jīng)濟(jì)發(fā)展水平，為消除異方差的影響對其進(jìn)行了對數(shù)化處理。

（2）環(huán)境規(guī)制（ER）。在環(huán)境規(guī)制約束下，企業(yè)會在環(huán)境保護(hù)方面投入更多資源，有利于CO2等非期望產(chǎn)出的減少，提高碳排放效率。使用環(huán)境治理投資占GDP 比重來測度環(huán)境規(guī)制，其中環(huán)境治理投資是城市環(huán)境基礎(chǔ)設(shè)施建設(shè)投資、工業(yè)污染治理投資和林業(yè)投資三者加總。

（3）能源消費(fèi)結(jié)構(gòu)（ECS）。合理的能源消費(fèi)結(jié)構(gòu)會減少能源使用量、提高能源利用效率，從而帶來碳排放效率提升。采用能源消費(fèi)總量中天然氣消費(fèi)總量的比重來衡量能源消費(fèi)結(jié)構(gòu)。

（4）財政集中度（FC）。在經(jīng)濟(jì)發(fā)展水平提高過程中，地方財政支出和收入會隨之增加，公眾對環(huán)境質(zhì)量的要求也會提高，且財政支出也會對當(dāng)?shù)仄髽I(yè)和政府的行為產(chǎn)生影響，從而對環(huán)境產(chǎn)生一定的影響。采用GDP 中地區(qū)財政支出所占百分比來衡量財政集中度。

（5）產(chǎn)業(yè)結(jié)構(gòu)（IS）。產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級在節(jié)約資源和降低污染度等方面具有重要作用，從而會帶來碳排放效率的變化。采用第三產(chǎn)業(yè)產(chǎn)值占GDP比重來測量產(chǎn)業(yè)結(jié)構(gòu)變化。

（6）對外貿(mào)易（FR）。在貿(mào)易自由流動的情況下，發(fā)達(dá)國家會將高污染、高耗能產(chǎn)業(yè)向發(fā)展中國家轉(zhuǎn)移，引發(fā)CO2排放生產(chǎn)體的空間轉(zhuǎn)移，從而對碳排放效率產(chǎn)生影響。采用進(jìn)出口貿(mào)易總額占GDP 比重衡量貿(mào)易水平變動。

3.4 數(shù)據(jù)說明

本研究中有關(guān)指標(biāo)數(shù)據(jù)分別來自2008—2021 年《中國統(tǒng)計(jì)年鑒》《中國教育統(tǒng)計(jì)年鑒》《中國地區(qū)投入產(chǎn)出表》《中國環(huán)境統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》《省級溫室氣體排放清單》以及各省份的統(tǒng)計(jì)年鑒。同時，將固定資產(chǎn)投資和國內(nèi)生產(chǎn)總值的原值分別采用固定資產(chǎn)投資價格指數(shù)、國內(nèi)生產(chǎn)總值指數(shù)平減至2007 年不變價格，以確保數(shù)據(jù)的有效性；缺失值則根據(jù)鄰近年份數(shù)據(jù)進(jìn)行線性插補(bǔ)。樣本的投入產(chǎn)出指標(biāo)描述性統(tǒng)計(jì)如表2 所示。

表2 區(qū)域碳排放效率投入產(chǎn)出指標(biāo)體系及樣本指標(biāo)描述性統(tǒng)計(jì)結(jié)果

4 實(shí)證結(jié)果及討論

4.1 碳排放效率測算結(jié)果分析

4.1.1 時序演變特征

利用MaxDEA 軟件繪制全樣本、能源富集區(qū)和能源貧乏區(qū)碳排放效率均值變化趨勢圖（見圖1）?？疾炱陂g，全樣本碳排放效率整體呈下降趨勢，從2007 年的0.637 5 下降到2020 年的0.257 6，能源富集區(qū)變化趨勢與整體變化趨勢基本保持一致，能源貧乏區(qū)效率呈先上升后下降趨勢。分時間段來看，整體上，2007—2016 年碳排放效率值連續(xù)下降，這可能是由于各級政府為了應(yīng)對2008 年經(jīng)濟(jì)危機(jī)而采取各種措施所導(dǎo)致的；2016—2017 年碳排放效率呈現(xiàn)回升趨勢，分析其原因是碳交易市場初期建立的成果。分區(qū)域來看，能源富集與能源貧乏兩大區(qū)域碳排放效率變化呈現(xiàn)較大的區(qū)域異質(zhì)性，其中能源富集區(qū)波動較小、能源貧乏區(qū)波動幅度較大，表明各地區(qū)受到能源、自然、社會等多方面因素的影響，碳排放效率的變化趨勢有所不同。

圖1 中國碳排放效率均值趨勢

4.1.2 GML 指數(shù)及其分解

進(jìn)一步采用GML 指數(shù)對30 個省份碳排放效率的動態(tài)變化及構(gòu)成進(jìn)行測算。由表3 可知，考察期間內(nèi)各省份GML 均值為0.950 2，呈下降趨勢。其中，只有寧夏、重慶、新疆、天津、上海、遼寧以及北京的全局技術(shù)效率指數(shù)大于1，重慶、山東及新疆的全局技術(shù)進(jìn)步指數(shù)大于1。大多數(shù)省份的技術(shù)進(jìn)步指數(shù)＞技術(shù)效率指數(shù)，說明技術(shù)進(jìn)步是碳排放效率變化的主要因素，因此需要促進(jìn)技術(shù)進(jìn)步來帶動碳排放效率提升。

表3 2007—2020 年中國30 個省份碳排放效率水平的GML 指數(shù)及分解結(jié)果

4.1.3 空間分布特征

總體來說，考察期間能源貧乏區(qū)的碳排放效率值大于能源富集區(qū)。分時間來看，2011 年只有3 個省份的碳排放效率達(dá)到完全有效水平，效率水平由高到低依次為山東、江蘇、新疆，其他大多數(shù)省份的碳排放效率處于中等水平；2013 年，30 個省份的碳排放效率均未達(dá)到完全有效，仍處于中等水平，且較2011 年的碳排放效率有所下降；2020 年，部分省份碳排放效率有所提升，但幅度不大，主要集中在上海、北京等發(fā)達(dá)地區(qū)，其他大部分省份仍呈現(xiàn)下降趨勢，如甘肅、青海等。

4.2 碳排放效率水平影響因素分析

基于Tobit 模型對樣本面板數(shù)據(jù)進(jìn)行回歸，結(jié)果如表4 所示。從整體來看，ICT 資本偏向性技術(shù)進(jìn)步對碳排放效率提升具有顯著抑制作用，因?yàn)樘紲p排新技術(shù)的重組需要一定時間，也需要人力資本和組織管理等補(bǔ)充投資的完善，從而減弱了提高碳排放效率過程中使用新技術(shù)的能力，無法充分發(fā)揮當(dāng)期ICT 投資的作用；人力資本偏向性技術(shù)進(jìn)步對碳排放效率水平提升同樣具有顯著抑制作用，因?yàn)楫?dāng)技術(shù)進(jìn)步偏向人力資本時，通常會增加高技能勞動力收入，從而影響勞動力消費(fèi)方式和水平，有可能會增加對碳排放量高的產(chǎn)品的消耗，從而使得碳排放效率下降。

表4 樣本變量的基本回歸結(jié)果

從控制變量來看，經(jīng)濟(jì)發(fā)展水平與碳排放效率之間具有顯著正向關(guān)系，表明隨著經(jīng)濟(jì)的發(fā)展，人們開始注重環(huán)境保護(hù)和能源消耗，碳排放效率也隨之提升；產(chǎn)業(yè)結(jié)構(gòu)與碳排放效率之間呈顯著負(fù)向關(guān)系，這是因?yàn)榈谌a(chǎn)業(yè)在擴(kuò)大規(guī)模和結(jié)構(gòu)優(yōu)化升級過程中會增加能源消耗，使碳排放增加；對外貿(mào)易對碳排放效率提升同樣具有抑制作用，因?yàn)殡S著國際分工與產(chǎn)業(yè)轉(zhuǎn)移速度的加快，發(fā)達(dá)國家向中國轉(zhuǎn)移碳排放，導(dǎo)致中國碳排放效率下降；環(huán)境規(guī)制對碳排放效率提升具有顯著抑制作用，因?yàn)楫?dāng)政府開始實(shí)施環(huán)境保護(hù)政策時，化石燃料供應(yīng)者為了利益最大化會加快燃料的開采和售賣，短時間內(nèi)會出現(xiàn)供過于求現(xiàn)象，導(dǎo)致化石燃料的價格下降、需求上升，最終增加CO2排放［19］；而財政集中度對碳排放效率提升產(chǎn)生了顯著負(fù)向作用，這與屈小娥等［20］的研究結(jié)果相同。分區(qū)域來看，在能源富集區(qū)，ICT 資本偏向性技術(shù)進(jìn)步和人力資本偏向性技術(shù)進(jìn)步對碳排放效率均存在顯著抑制作用；在能源貧乏區(qū)，ICT 資本偏向性技術(shù)進(jìn)步和人力資本偏向性技術(shù)進(jìn)步對碳排放效率提升均具有促進(jìn)作用，但結(jié)果不顯著。

4.3 穩(wěn)健性檢驗(yàn)

為了檢驗(yàn)以上實(shí)證分析結(jié)果的穩(wěn)定性，采用替換模型的方法，以方向性距離函數(shù)（DDF）代替super-SBM 模型來計(jì)算碳排放效率，其他變量保持不變，重新進(jìn)行Tobit 回歸。如表5 所示，30 個省份整體、能源富集區(qū)以及能源貧乏區(qū)的回歸結(jié)果與基本回歸結(jié)果基本一致，表明本研究的實(shí)證結(jié)果有穩(wěn)健性。

表5 替換模型的樣本變量穩(wěn)健性檢驗(yàn)結(jié)果

表5 （續(xù)）

2013 年，北京、上海、廣東、天津等地正式啟動多個碳交易試點(diǎn)，為了進(jìn)一步驗(yàn)證本研究實(shí)證結(jié)果的可靠性，將樣本期間縮減并劃分為2007—2012年和2013—2018 年兩個時間段，對全樣本和兩大區(qū)域的回歸結(jié)果進(jìn)行驗(yàn)證，結(jié)果如表6 所示。其中，由于回歸所涉及變量較多，ICT 資本偏向性技術(shù)進(jìn)步和人力資本偏向性技術(shù)進(jìn)步的分樣本回歸結(jié)果與全樣本回歸結(jié)果的顯著性不同，但回歸系數(shù)符號相同，而分樣本檢驗(yàn)得出的結(jié)果與基本回歸結(jié)果基本一致也在一定程度上表明本研究實(shí)證結(jié)果具有穩(wěn)健性。

表6 改變考察期間的樣本變量穩(wěn)健性檢驗(yàn)結(jié)果

5 結(jié)論與建議

從以上對中國30 個省份的實(shí)證分析可知，總體來說，大部分省份的碳排放效率水平仍然較低。從2007—2020 年各省份碳排放效率均值可以看出，只有北京、上海、廣東以及新疆4 個省份的均值大于1，即處于有效水平，其他省份均未達(dá)到有效水平；均值最低的省份是寧夏，波動程度最強(qiáng)的是山東，表現(xiàn)最穩(wěn)定的是甘肅。技術(shù)進(jìn)步的變化是引起碳排放效率變化的主要動因。ICT 資本偏向性技術(shù)進(jìn)步和人力資本偏向性技術(shù)進(jìn)步在整體和能源富集區(qū)對碳排放效率提升均呈現(xiàn)出顯著抑制作用，在能源貧乏區(qū)則均呈現(xiàn)出顯著促進(jìn)作用。

據(jù)此，提出以下建議：第一，在提高信息化水平的過程中應(yīng)最大限度發(fā)揮ICT 資本產(chǎn)業(yè)的各種效應(yīng)，尤其是外溢效應(yīng)，同時注重人力資本、管理服務(wù)等相關(guān)互補(bǔ)性投資，使ICT 能更好地運(yùn)用于生產(chǎn)，削弱延遲效應(yīng)，提高碳排放效率水平。第二，加強(qiáng)人力資本投資，培養(yǎng)低碳型技術(shù)人才。實(shí)現(xiàn)碳減排目標(biāo)需要通過清潔技術(shù)的開發(fā)、應(yīng)用和推廣以及能源結(jié)構(gòu)的調(diào)整，而低碳型技術(shù)人才在技術(shù)研發(fā)、實(shí)驗(yàn)和推廣過程中起到了重要的作用。第三，優(yōu)化人力資本在區(qū)域間的配置，實(shí)現(xiàn)區(qū)域間協(xié)調(diào)發(fā)展。人力資本偏向性技術(shù)進(jìn)步對碳排放效率影響存在區(qū)域異質(zhì)性，因此，應(yīng)推動人力資本在區(qū)域間的均衡分布，避免因分布不均造成碳排放效率低下問題。第四，構(gòu)建完善能源富集區(qū)ICT 產(chǎn)業(yè)鏈模式。雖然能源富集區(qū)的信息通信技術(shù)產(chǎn)業(yè)發(fā)展勢頭良好，但是產(chǎn)業(yè)鏈尚未完全形成，只有在網(wǎng)絡(luò)普及、多媒體技術(shù)發(fā)展、多種創(chuàng)意和技術(shù)融合及良好政策支持下才能形成良好產(chǎn)業(yè)鏈，加強(qiáng)企業(yè)、行業(yè)間聯(lián)系，使ICT 投資更好地運(yùn)用于生產(chǎn)，提高碳排放效率。第五，能源貧乏區(qū)應(yīng)制定和完善ICT 投資政策，繼續(xù)加強(qiáng)ICT 投資。能源貧乏區(qū)的ICT 資本偏向性技術(shù)進(jìn)步對碳排放效率提升具有促進(jìn)作用，因此完善ICT 投資政策、加快ICT 產(chǎn)業(yè)發(fā)展會提高能源利用效率，實(shí)現(xiàn)碳減排目標(biāo)。

注釋：

1）能源富集區(qū)包括內(nèi)蒙古、山西、陜西、河南、貴州、山東、安徽、新疆、黑龍江、云南、河北、湖南、寧夏、四川、遼寧；能源貧乏區(qū)包括北京、天津、上海、江蘇、浙江、福建、廣東、海南、吉林、江西、湖北、重慶、廣西、甘肅、青海。