摘 要： 工業(yè)投資在推動我國經(jīng)濟高質(zhì)量發(fā)展中發(fā)揮著巨大作用，但工業(yè)投資的地區(qū)差異對區(qū)域碳排放產(chǎn)生不同影響，給區(qū)域和國家實現(xiàn)“雙碳”目標帶來較大挑戰(zhàn)。本文基于2003—2019年中國省級面板數(shù)據(jù)，利用動態(tài)空間杜賓模型和調(diào)節(jié)效應模型探究工業(yè)投資對區(qū)域碳排放的空間溢出效應及其影響路徑，研究發(fā)現(xiàn)：（1）工業(yè)投資對碳排放的影響存在“時間慣性”和“空間溢出”效應；（2）經(jīng)濟規(guī)模、技術創(chuàng)新和產(chǎn)業(yè)結構升級均會削弱工業(yè)投資對碳排放的正向影響，表現(xiàn)出潛在減排特征，且長期弱化效應更顯著；（3）長期來看，抑制碳排放空間溢出效應主要通過經(jīng)濟規(guī)模的路徑；而短期來看，抑制效應則主要通過產(chǎn)業(yè)結構升級的路徑。最后，本文提出通過培育低碳產(chǎn)業(yè)集群，加強區(qū)域間合作，產(chǎn)業(yè)結構綠色轉(zhuǎn)型升級等方式進一步釋放影響路徑的減排潛力，在擴大工業(yè)投資的同時促進我國可持續(xù)發(fā)展和多區(qū)域協(xié)同減排目標的達成。

關鍵詞： 工業(yè)投資； 碳排放； 空間效應； 動態(tài)空間杜賓模型

中圖分類號： F424.3； F424.2 文獻標識碼： A DOI： 10.3963/j.issn.1671-6477.2024.03.009

工業(yè)發(fā)展是推動國家經(jīng)濟持續(xù)增長的重要基礎[1]，投資是促進工業(yè)發(fā)展的重要手段。在暢通國內(nèi)大循環(huán)戰(zhàn)略的重要部署下，擴大有效益的工業(yè)投資，形成工業(yè)消費和投資相互促進的良性循環(huán)[2]，有助于提升我國經(jīng)濟的自主性和韌性，推動產(chǎn)業(yè)升級，實現(xiàn)經(jīng)濟的高質(zhì)量發(fā)展。然而，工業(yè)投資主要集中在制造業(yè)和采礦業(yè)等領域，這些行業(yè)的投資活動往往伴隨著大量的能源消耗和資源轉(zhuǎn)化過程，由此產(chǎn)生的碳排放將會對我國經(jīng)濟、社會和環(huán)境的可持續(xù)發(fā)展造成較大壓力。我國的工業(yè)規(guī)模龐大，工業(yè)碳排放占我國碳排放總量的比例處于高位，2019年工業(yè)碳排放占比達到62%[3]。工業(yè)的持續(xù)投資和發(fā)展與較高的碳排放密切相關，導致經(jīng)濟增長與環(huán)境負效應之間的矛盾日益突出。而且，由于受資源稟賦、投資水平等影響，東部沿海發(fā)達地區(qū)省份的工業(yè)發(fā)展水平較高，而西部地區(qū)省份粗放型發(fā)展的現(xiàn)象明顯[4]，我國各省份間的工業(yè)投資和發(fā)展水平存在明顯的區(qū)域差異。工業(yè)投資一方面會推動生產(chǎn)活動從而帶動區(qū)域經(jīng)濟發(fā)展，導致區(qū)域碳排放增長及空間溢出效應[5]；另一方面，還會帶動產(chǎn)業(yè)結構升級和技術創(chuàng)新，抑制區(qū)域碳排放并對鄰近地區(qū)產(chǎn)生積極的影響[6]。因此，不同區(qū)域的工業(yè)投資對碳排放影響的空間差異不容忽視。在我國高質(zhì)量發(fā)展不斷推進的背景下，如何通過工業(yè)投資促進綠色轉(zhuǎn)型，實現(xiàn)多區(qū)域協(xié)同減排，是重要的研究議題。

目前，學者們針對工業(yè)發(fā)展對區(qū)域碳排放的影響開展了多層面的研究，主要集中在碳排放的變化趨勢、影響因素和區(qū)域差異等方面。首先，針對工業(yè)碳排放的核算，研究方法以碳排放系數(shù)法和投入產(chǎn)出分析為主，研究結果表明工業(yè)生產(chǎn)碳排放是我國碳排放的主要來源[7]，2000-2022年工業(yè)碳排放量呈現(xiàn)上升下降然后上升的“N”字變化，整體呈現(xiàn)逐步下降趨勢[8]。從2000年的約30億噸上升到2013年約95億噸[9]，隨后波動下降，到2022年約為48億噸[10]。然而，現(xiàn)有文獻多是研究工業(yè)發(fā)展對碳排放的影響，鮮有文獻針對工業(yè)投資與碳排放的關系進行研究。其次，關于碳排放的影響因素，已有研究主要運用LMDI分解法，STIRPAT模型、IPAT模型等因素分解方法以及空間、時間序列等計量模型分析方法，探究了經(jīng)濟增長[11-12]、社會經(jīng)濟轉(zhuǎn)型[13]、產(chǎn)業(yè)結構[14-15]、技術進步[16-17]、政策法規(guī)[18-19]等與碳排放之間的交互影響。例如，Yang等[12]研究發(fā)現(xiàn)經(jīng)濟發(fā)展及城鎮(zhèn)化程度是影響區(qū)域碳排放的主要因素。Shuai等[15]研究表明第三產(chǎn)業(yè)與第二產(chǎn)業(yè)的比率、可再生能源的比率和固定資產(chǎn)投資是影響碳排放的關鍵因素。Zhao等[20]研究指出工業(yè)的產(chǎn)出是碳排放的主要驅(qū)動因素，能源強度下降和產(chǎn)業(yè)結構調(diào)整可以有效促進碳減排。然而，工業(yè)投資對碳排放的影響因素尚不明晰，而且工業(yè)投資通過關鍵因素對碳排放的影響路徑有待進一步揭示。再次，從區(qū)域差異角度來看，已有研究聚焦于工業(yè)碳排放的時空差異，以及投資對區(qū)域碳排放的異質(zhì)性影響。如王青等[21]研究發(fā)現(xiàn)，2005—2019年工業(yè)生產(chǎn)碳排放量呈現(xiàn)增長趨勢，由東部gt;中部gt;西部地區(qū)演變?yōu)闁|部gt;西部gt;中部地區(qū)，而且產(chǎn)業(yè)結構變化促進東部和中部地區(qū)的碳排放量增長，外商直接投資增加抑制中部地區(qū)碳排放量增長，城鎮(zhèn)化率的提升顯著增加東部地區(qū)碳排放而降低西部地區(qū)碳排放。鄭蕾等[22]的研究指出，地方地區(qū)固定資產(chǎn)投資導致不同區(qū)域的經(jīng)濟增長和碳排放呈現(xiàn)明顯掛鉤趨勢。張薇的研究表明[23]，能源投資可以降低該區(qū)域的工業(yè)碳排放，同時存在空間溢出效應。然而，上述研究多集中于投資對區(qū)域碳排放的直接影響，忽略了投資通過區(qū)域經(jīng)濟發(fā)展、產(chǎn)業(yè)結構和技術進步等變化對區(qū)域碳排放產(chǎn)生的間接影響。

基于此，本文聚焦于工業(yè)投資對碳排放的區(qū)域異質(zhì)性影響，充分考慮工業(yè)投資對區(qū)域碳排放的直接和間接影響，并引入經(jīng)濟規(guī)模、產(chǎn)業(yè)結構升級和技術進步作為交互項探究工業(yè)投資對區(qū)域碳排放的路徑影響差異。首先，將2003—2019年中國30個省份的面板數(shù)據(jù)作為研究樣本，采用靜態(tài)和動態(tài)空間杜賓模型，探究工業(yè)投資對碳排放的空間效應；然后，運用調(diào)節(jié)效應檢驗，揭示工業(yè)投資通過不同傳導路徑對區(qū)域碳排放影響的異質(zhì)性。研究結果為各地區(qū)合理分配工業(yè)投資、引導工業(yè)低碳發(fā)展以及多區(qū)域協(xié)同減排提供依據(jù)，從而助力中國工業(yè)綠色可持續(xù)發(fā)展。

一、 理論分析與研究假設

（一） 工業(yè)投資對碳排放的空間效應分析

根據(jù)“杰文斯悖論”和綠色投資理論，工業(yè)投資對區(qū)域碳排放的影響研究主要分為兩種觀點：

第一種觀點認為，充足的工業(yè)投資不僅會導致本地的碳排放增加，還會帶動周邊地區(qū)的碳排放增長。首先是產(chǎn)業(yè)集聚效應，密集的工業(yè)投資會導致本地高排放、高能耗的產(chǎn)業(yè)集聚，帶動周邊地區(qū)建設配套設施，從而帶來能源效率的提升，并提高本地和周邊地區(qū)的能源需求，造成本地和相鄰地區(qū)的碳排放集聚效應[24]。其次是生產(chǎn)水平效應，工業(yè)投資會集聚在資源稟賦較高的地區(qū)，開采原材料進行生產(chǎn)，提高生產(chǎn)能力[25]，導致碳排放集聚在投資地區(qū)和相鄰地區(qū)。最后，投資對碳排放增長的影響具有時滯性的特點，即前一期的投資會對當期企業(yè)的產(chǎn)量存在顯著的增加，并對本地和周邊地區(qū)的環(huán)境質(zhì)量產(chǎn)生不良影響[26]。

第二種觀點認為，工業(yè)投資的增加會抑制本地和周邊地區(qū)的碳排放。首先，部分工業(yè)投資被用于產(chǎn)品制造流程的節(jié)能改造，技術升級，使得本地轉(zhuǎn)向更清潔的生產(chǎn)方式，通過碳市場建設，進行“增量規(guī)制”[27]。而且，綠色清潔技術引入會存在空間溢出效應，促進區(qū)域間協(xié)同減排。其次，投資還會帶動先進環(huán)保技術流入生產(chǎn)環(huán)節(jié)，加速產(chǎn)業(yè)綠色化進程[28]，形成綠色產(chǎn)業(yè)鏈，在空間上會呈現(xiàn)集聚效應，抑制產(chǎn)量上升對本地和相鄰地區(qū)碳排放的促進作用。技術創(chuàng)新作為一個持續(xù)的過程，需要持續(xù)的資金投入，形成良性循環(huán)[29]。最后，工業(yè)投資會促進建設環(huán)保基礎設施，提高當?shù)氐木蜆I(yè)水平，吸引更多的人才的流入，這種人力資本的集聚可以有效促進研發(fā)，研發(fā)成果在相鄰地區(qū)共享，從而降低本地和周邊地區(qū)的碳排放強度，提高區(qū)域整體經(jīng)濟發(fā)展的質(zhì)量[30]。

根據(jù)上述論述，本文提出如下假設：

H1：工業(yè)投資對碳排放的影響存在顯著的空間關聯(lián)性。

（二） 工業(yè)投資對碳排放影響路徑分析

根據(jù)規(guī)模經(jīng)濟理論，集聚性的投資可以快速增加當?shù)氐慕?jīng)濟產(chǎn)出，降低產(chǎn)出的平均成本，同時系統(tǒng)化的資源配置可以顯著降低對本地資源環(huán)境的破環(huán)。工業(yè)投資的集聚帶來的經(jīng)濟規(guī)模效應會弱化本地和相鄰地區(qū)的“增碳”效應。工業(yè)投資集聚會帶來該地區(qū)工業(yè)以產(chǎn)業(yè)園的方式進行集聚生產(chǎn)，可以降低用地、運輸和資金使用的成本。而且，工業(yè)集聚可以提高產(chǎn)業(yè)生產(chǎn)效率，優(yōu)化市場投資環(huán)境，吸引更多的工業(yè)投資進入市場，使企業(yè)通過共享資源、標桿學習等機制不斷壓縮生產(chǎn)成本，通過資源整合削弱本地和相鄰地區(qū)的碳排放的增長[31]。同時，工業(yè)投資所產(chǎn)生的規(guī)模效應將超越地域限制，在市場一體化的背景下帶動多個地區(qū)的經(jīng)濟效益提高，縮小區(qū)域間能源效率的差距，降低對周邊地區(qū)碳排放的影響[32]。根據(jù)上述論述，本文提出如下假設：

H2：工業(yè)投資在經(jīng)濟規(guī)模傳導路徑上對碳排放的影響存在空間關聯(lián)性。

根據(jù)技術偏向性理論，工業(yè)投資的集聚帶來的技術進步可抑制對本地和相鄰地區(qū)碳排放的促進作用。工業(yè)投資集聚帶來的產(chǎn)業(yè)集聚可以提高資本產(chǎn)出的彈性，進行資本體現(xiàn)式的技術進步，但技術進步會根據(jù)資本逐利的原則進行短視性的發(fā)展導致技術進步的有偏性，即技術進步不一定會提高企業(yè)的整體能源效率[33]。隨著環(huán)境規(guī)制水平的提高，工業(yè)投資的增加會將更多的資金投入能源體現(xiàn)式的技術進步，產(chǎn)生環(huán)境效益[34]，有助于推動經(jīng)濟發(fā)展和弱化對本地碳排放的正向影響。同時，技術進步在相鄰區(qū)域會產(chǎn)生溢出效應，即本地采取能源體現(xiàn)式技術進步將會引導周邊地區(qū)降低對資本體現(xiàn)式技術進步的投入。產(chǎn)業(yè)集聚會帶來擁擠效應[35]，區(qū)域協(xié)同式的技術進步可以降低資本體現(xiàn)式技術進步帶來的負面影響[36]?？傮w而言，工業(yè)投資在帶動技術進步方面更有助于弱化“增碳”效應。根據(jù)上述論述，本文提出如下假設：

H3：工業(yè)投資在技術創(chuàng)新傳導路徑上對碳排放的影響存在空間關聯(lián)性。

根據(jù)結構變遷理論，工業(yè)投資會影響產(chǎn)業(yè)結構升級的方向，降低本地和相鄰地區(qū)的“增碳”效應。工業(yè)投資的增加會帶來更多的資金和收益會被用于產(chǎn)業(yè)結構改善升級，使得本地和相鄰地區(qū)積累資本，發(fā)展更清潔的產(chǎn)業(yè)和優(yōu)化生產(chǎn)方式，削弱投資對碳排放的正向影響。工業(yè)投資帶來的規(guī)模效應若產(chǎn)生更多的利潤，企業(yè)會基于成本最小化和利潤最大化的原則進行工業(yè)投資的分配，增加工業(yè)的投資比重，導致更多的能源消費，加大區(qū)域碳減排的難度。但環(huán)境規(guī)制強度不斷提升，工業(yè)投資綠色化發(fā)展，推動產(chǎn)業(yè)結構轉(zhuǎn)型，實現(xiàn)多區(qū)域的產(chǎn)業(yè)減排[26]。此外，一個地區(qū)通過工業(yè)投資升級產(chǎn)業(yè)結構可以獲得競爭優(yōu)勢，有助于促使相鄰地區(qū)增加投資以優(yōu)化產(chǎn)業(yè)結構并符合環(huán)境規(guī)制的要求[37]。而且這種競爭性的產(chǎn)業(yè)結構升級將促進地方官員合作推動企業(yè)綠色合作[38]和不同產(chǎn)業(yè)間聯(lián)動效應[39]，推動企業(yè)在產(chǎn)業(yè)間和產(chǎn)業(yè)內(nèi)綠色發(fā)展，弱化本地和相鄰地區(qū)的“增碳”效應。根據(jù)上述論述，本文提出如下假設：

H4：工業(yè)投資在產(chǎn)業(yè)結構升級傳導路徑上對碳排放的影響存在空間關聯(lián)性。

二、 研究方法與數(shù)據(jù)來源

（一） 模型設定

根據(jù)上文的理論分析，本文通過建立面板回歸模型進行基準回歸，探究工業(yè)投資對碳排放的影響效應，引入人均能源消費、城鎮(zhèn)化率、人口規(guī)模、外商直接投資作為控制變量。本文構建如下面板回歸模型：

lnCEit=α+βlnIIit+θXit+μi+λt+εit（1）

其中，變量下角標i和t分別代表地區(qū)和時間，被解釋變量CE表示碳排放總量，核心解釋變量II表示工業(yè)固定資產(chǎn)投資，X表示控制變量，β為自變量回歸系數(shù)，θ為控制變量回歸系數(shù)，α為常數(shù)項，μi和λt分別表示為地區(qū)固定效應和時間固定效應，εit為隨機擾動項。

考慮到不同區(qū)域之間碳排放的流動性，普通的計量模型可能存在偏差，本文將采用空間計量模型從區(qū)域異質(zhì)性視角驗證工業(yè)投資對碳排放的影響。在進行空間回歸模型之前，需要進行空間相關性檢驗，本文選用常用的空間相關性指標全局莫蘭指數(shù)和局域莫蘭指數(shù)，分別從整體和不同省份度量變量屬性值的空間相關性特征。全局莫蘭指數(shù)和局域莫蘭指數(shù)的表達式分別為公式（2）和（3）。

I1=∑ni=1∑nj=1Wij（CIi－CI）（CIj－CI）S2∑ni=1∑nj=1Wij（2）

I2=（CIi－CI）S2∑nj≠iWij（CIj－CI）（3）

式中，CIi表示第i個地區(qū)的工業(yè)投資和碳排放，CI、S2分別表示中國30個省市的工業(yè)投資，碳排放的均值和方差，n為省份總數(shù)，Wij為空間權重矩陣

考慮到工業(yè)投資對碳排放的影響存在顯著的空間關聯(lián)性，空間杜賓模型（SDM）是空間滯后模型（SLM）和空間誤差模型（SEM）的一般形式，應用更為廣泛。本文采用空間杜賓模型進行研究，同時考慮解釋變量和被解釋變量的空間效應。首先采用靜態(tài)空間杜賓模型探究空間維度下工業(yè)投資對區(qū)域碳排放的影響，表達式如下：

lnCEit=α+ρ0∑ni=1WitlnCEit+βlnIIit+ρ1∑ni=1WitlnIIit+θ∑Xit+γ∑ni=1WitθitXit

+μi+λt+εit（4）

式中，CE為因變量碳排放。II為自變量工業(yè)投資，X為控制變量，ρ0為因變量空間自回歸系數(shù)，ρ1為自變量空間滯后系數(shù)，θ為控制變量系數(shù)，θ為控制變量回歸系數(shù)，α為常數(shù)項，μi和λt分別表示為地區(qū)固定效應和時間固定效應，εit為隨機擾動項，Wij為空間權重矩陣，表示各個空間要素之間的關聯(lián)性和相互影響程度。

考慮到工業(yè)投資對碳排放的影響具有時滯性，本文參考劉華軍等[26]的研究進一步構建動態(tài)空間杜賓模型，表達式如下：

lnCEit=α+β0lnCEit－1+ρ0∑ni=1WitlnCEit+ρ1∑ni=1WitlnCEit－1+β1lnIIit

+ρ2∑ni=1WitlnIIit+θ∑Xit+γ∑ni=1WitθitXit+μi+λt+εit（5）

式中，動態(tài)空間杜賓模型同時包括了空間滯后項和被解釋變量碳排放的滯后一期項，β0為滯后一期碳排放的回歸系數(shù)，ρ1為滯后一期碳排放空間滯后項的回歸系數(shù)，其他參數(shù)與靜態(tài)空間杜賓模型相同。

由于工業(yè)投資會與經(jīng)濟規(guī)模、技術水平、產(chǎn)業(yè)結構升級產(chǎn)生聯(lián)系，進而影響碳排放，為了進一步考察不同路徑上的調(diào)節(jié)效應，引入II和各調(diào)節(jié)變量的交互項，建立基于動態(tài)空間杜賓的調(diào)節(jié)效應模型，表達式如下：

lnCEit=α+β0lnCEit－1+ρ0∑ni=1WitlnCEit+ρ1∑ni=1WitlnCEit－1+β1lnIIit+ρ2∑ni=1WitlnIIit

+β2lnpGDPit+ρ3∑ni=1WitlnpGDPit+β3lnIIit×lnpGDPit+ρ4∑ni=1WitlnIIit×lnpGDPit

+θ∑Xit+γ∑ni=1WitθitXit+μi+λt+εit（6）

lnCEit=α+β0lnCEit－1+ρ0∑ni=1WitlnCEit+ρ1∑ni=1WitlnCEit－1+β1lnIIit+ρ2∑ni=1WitlnIIit+β2lnPAit+ρ3∑ni=1WitlnPAit+β3lnIIit×lnPAit+ρ4∑ni=1WitlnIIit×lnPAit+θ∑Xit+γ∑ni=1WitθitXit+μi+λt+εit（7）

lnCEit=α+β0lnCEit－1+ρ0∑ni=1WitlnCEit+ρ1∑ni=1WitlnCEit－1+β1lnIIit+ρ2∑ni=1WitlnIIit+β2lnSUit+ρ3∑ni=1WitlnSUit+β3lnIIit×lnSUit+ρ4∑ni=1WitlnIIit×lnSUit+θ∑Xit+γ∑ni=1WitθitXit+μi+λt+εit（8）

在式（6）～（8）中，β2分別為三個調(diào)節(jié)變量的回歸系數(shù)，β3分別為工業(yè)投資與三個調(diào)節(jié)變量的回歸系數(shù)；ρ3分別為三個調(diào)節(jié)變量空間滯后項回歸系數(shù)；ρ4分別為工業(yè)投資與三個調(diào)節(jié)變量空間滯后項的回歸系數(shù)，其他參數(shù)與動態(tài)空間杜賓模型相同。其中，空間權重矩陣Wij反映空間單元之間是否存在相互依賴的特征，基于鄰接矩陣定義空間權重矩陣，對兩個不同的空間的單元，相鄰取值為1，不相鄰的取值為0，即：

Wij=1，區(qū)域i和區(qū)域j相鄰0，區(qū)域i和區(qū)域j不相鄰（9）

（二） 數(shù)據(jù)及變量選擇

本文選用2003—2019年中國30個省份（西藏、港澳臺除外）的面板數(shù)據(jù)。原始數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》《中國科學技術統(tǒng)計年鑒》和中國碳核算數(shù)據(jù)庫（CEADs）。

1.被解釋變量。碳排放（CE）：本文參考潘竟虎和張永年[40]的研究，選取中國碳核算數(shù)據(jù)庫（CEADs）[41-44]中分省的碳排放數(shù)據(jù)。該數(shù)據(jù)庫的數(shù)據(jù)基于表觀能源消耗數(shù)據(jù)和使用IPCC指南中部門和參考方法的最新排放因子計算，包括了14種工業(yè)過程和17種能源類型的碳排放數(shù)據(jù)。

2.核心解釋變量。工業(yè)投資（II）：本文參考Li等[45]的研究采用工業(yè)固定資產(chǎn)投資表示當?shù)貙I(yè)的資金投入，包括采礦業(yè)、制造業(yè)、電力熱力燃氣及水生產(chǎn)和供應業(yè)固定資產(chǎn)投資總和。工業(yè)行業(yè)劃分依據(jù)是《國民經(jīng)濟行業(yè)分類》（GB/T 4754-2017）。

3.調(diào)節(jié)變量。參考韓夢瑤等[46]和馬艷艷等[47]的研究，本文選取的調(diào)節(jié)變量包括：（1）經(jīng)濟發(fā)展（pGDP），采用區(qū)域當年的GDP與地區(qū)人口總數(shù)的比值表示；（2）技術水平（PA），采用區(qū)域當年的專利審核通過的數(shù)量表示；（3）產(chǎn)業(yè)結構升級（SU），采用區(qū)域當年的第三產(chǎn)業(yè)的產(chǎn)值與第二產(chǎn)業(yè)的產(chǎn)值的比值表示。

4.控制變量。參考Shahbaz[48]、聶飛等[49]、邵帥等[50]、李菁等[51]的研究，本文選取的控制變量包括：（1）能源結構（ES），采用地區(qū)煤炭消費與能源消費總量的比值表示；（2）城鎮(zhèn)化程度（Urban），采用地區(qū)的城鎮(zhèn)人口與人口總數(shù)的比值表示；（3）人口規(guī)模（Pop），采用當?shù)氐某Ｗ∪丝诳倲?shù)進行表示；（4）外商直接投資（FDI），采用地區(qū)的外商直接投資額表示。

為消除通貨膨脹等對價格的影響，本文對涉及價格因素的指標全部按照相關價格指數(shù)以2003年數(shù)據(jù)為基期進行平減。為了統(tǒng)一量綱和數(shù)量級并消除數(shù)據(jù)中可能存在的異方差問題，以上所有變量均為對數(shù)形式，所有實證檢驗均在STATA18.0中完成。如表1所示，各變量的描述性統(tǒng)計并不存在明顯偏差，數(shù)據(jù)較為合理。

三、 實證結果分析

（一） 工業(yè)投資與區(qū)域碳排放的空間相關性檢驗

在進行空間回歸之前，使用混合樣本最小二乘法（POLS）和固定效應模型基準回歸，結果表明工業(yè)投資與碳排放有著顯著正相關關系（詳見附錄1）。為了檢驗工業(yè)投資對碳排放影響的空間異質(zhì)性，在空間計量之前需要檢驗變量的空間相關性[52]，表2結果表明2003—2019年中國碳排放和工業(yè)投資的全局莫蘭指數(shù)均為正值，且均在10%的水平上通過顯著性檢驗，表明中國碳排放和工業(yè)投資均呈現(xiàn)顯著的正向空間相關性。相比之下，碳排放的全局莫蘭指數(shù)在2003年達到最大值，而工業(yè)投資的全局莫蘭指數(shù)在2018年達到最大值，因此，在研究工業(yè)投資對碳排放的影響需要考慮空間因素。

為了揭示碳排放和工業(yè)投資的空間集聚特征，進一步繪制局部莫蘭指數(shù)散點圖。將局部莫蘭指數(shù)散點圖劃分為4個象限維度，分別繪制了2003、2010和2019年的局部莫蘭指數(shù)圖，如圖1～3所示，以展示局部莫蘭指數(shù)在2003—2019的變化。結果表明，中國大部分省市的碳排放和工業(yè)投資均分布于第一象限和第三象限，表明中國碳排放和工業(yè)投資均呈現(xiàn)顯著的“高-高”和“低-低”空間集聚特征。

（二） 工業(yè)投資對區(qū)域碳排放的空間相關性分析

前文的空間自相關檢驗表明，工業(yè)投資與碳排放存在空間關聯(lián)性，進一步采用多種空間計量模型對兩者的關系進行回歸分析。首先，需要確定模型的具體形式，拉格朗日乘數(shù)（LM）檢驗表明在1%的顯著性水平下存在空間誤差和空間滯后項，使用空間杜賓模型較為合理；然后，判斷空間杜賓模型退化的可能，似然比（LR）檢驗在1%水平上顯著，沃爾德（Wald）檢驗在5%水平上顯著，表明空間杜賓模型不可退化為空間誤差模型和空間滯后模型；最后，采用豪斯曼（Hausman）檢驗確定應使用固定效應模型。因此，后續(xù)使用固定效應空間杜賓模型進行分析。

基于靜態(tài)空間杜賓模型和動態(tài)空間杜賓模型的回歸結果，如表4所示，被解釋變量的時間滯后項（L.lnCE），空間滯后項（W*lnII）的系數(shù)均通過1%的顯著性水平檢驗，且動態(tài)空間杜賓模型的擬合程度（R2=0.938）明顯高于靜態(tài)空間杜賓模型（R2=0.640），表明動態(tài)空間杜賓模型優(yōu)于靜態(tài)空間杜賓模型。因此接下來對動態(tài)空間杜賓模型的估計結果進行分析。

就碳排放變化而言，如表4所示，碳排放滯后一期（L.lnCE）在1%的水平下顯著為正，每變動1%的滯后一期碳排放會增加0.784%的當期碳排放，說明地區(qū)碳排放存在一個動態(tài)演進的過程，這與劉華軍等[26]的研究結論具有一致性。工業(yè)投資（lnII）在1%的水平下顯著為正，工業(yè)投資增加1%會帶動碳排放增加0.019%。工業(yè)投資的空間滯后項（W*lnII）在1%的顯著性水平下為正，表明本地區(qū)的工業(yè)投資每增加1%，碳排放會增加0.012%，初步證明了工業(yè)投資對碳排放存在空間溢出效應，這與假設1的預期相一致。

具體而言，人口規(guī)模（lnPop）和能源結構（lnES）的回歸系數(shù)分別為0.074和0.077，且通過5%顯著性水平檢驗，表明人口規(guī)模增多1%和能源結構中煤炭占比增加1%可分別顯著促進0.074%和0.077%的碳排放增長。在人口規(guī)模的空間滯后項（W*lnPop）的回歸系數(shù)為0.041，且通過10%顯著性檢驗，表明本地人口規(guī)模的增加會對周邊碳排放產(chǎn)生正向的影響。這可能是因為人口增加帶動商品需求的增加，當本地企業(yè)無法滿足需求，本地的消費需求會帶動周邊地區(qū)企業(yè)的生產(chǎn)，區(qū)域貿(mào)易帶來碳排放轉(zhuǎn)移[53]。然而，外商投資對區(qū)域碳排放均會產(chǎn)生正向影響，但不顯著，這可能是因為中國作為新興經(jīng)濟體，經(jīng)濟發(fā)展作為發(fā)展重點，外商投資對碳排放的綠色效應會被削弱，導致影響不顯著[54]。城鎮(zhèn)化的空間滯后項（W*lnUrban）回歸系數(shù)為-0.063，通過了1%的顯著性檢驗，說明本地區(qū)的城鎮(zhèn)化提高會對周邊地區(qū)的碳排放產(chǎn)生顯著負向的影響，這是因為人口流入經(jīng)濟發(fā)達的城市后，特別是農(nóng)村人口中青年比例的降低，從而導致周邊區(qū)域能源的消費量及其碳排放的減少[55]。

為了進一步分析工業(yè)投資對區(qū)域碳排放的影響，根據(jù)偏微分法[56]將動態(tài)空間杜賓模型的長期和短期效應結果分解為直接效應、間接效應和總效應。長期直接效應上，工業(yè)投資的直接影響系數(shù)為0.114，且均通過1%的顯著性檢驗，表明工業(yè)投資長期對本地區(qū)碳排放的增長有顯著的促進作用。能源結構的直接影響系數(shù)為0.360，且通過5%的顯著性檢驗，即煤炭占比的增加對本地的碳排放產(chǎn)生顯著正向影響。城鎮(zhèn)化、人口規(guī)模長期上對本地碳排放的正向影響不顯著，而外商投資長期對本地的碳排放存在負向的影響，但不顯著；長期間接效應上，工業(yè)投資、城鎮(zhèn)化、人口、能源結構對周邊地區(qū)的碳排放正向影響不顯著；外商投資會對周邊地區(qū)碳排放產(chǎn)生負向影響，但不顯著。

就短期直接效應而言，工業(yè)投資的直接影響系數(shù)為0.020，通過1%的顯著性檢驗，說明工業(yè)投資短期上會對碳排放產(chǎn)生顯著的促進作用。能源結構的直接影響系數(shù)為0.077，說明煤炭占比增加短期上同樣存在著顯著的碳排放促進作用。短期間接效應上，工業(yè)投資的間接效應為0.053，并通過5%顯著性檢驗，與長期間接效應相比，工業(yè)投資更多地在短期內(nèi)帶動碳排放的增加。這表明，隨著時間的推移，產(chǎn)業(yè)投資帶來的碳排放促進作用逐漸減弱。城鎮(zhèn)化的短期間接影響系數(shù)為-0.272，通過1%的顯著性水平，對比長期間接效應上不顯著的影響，表明城鎮(zhèn)化的提高在短期內(nèi)會大幅度降低周邊地區(qū)的碳排放，隨著時間的推移，這種影響會逐漸降低。長期總效應上，工業(yè)投資的回歸系數(shù)為0.577，不顯著，而在短期總效應上，工業(yè)投資的回歸系數(shù)為0.072，在5%的水平上顯著。這表明短期上總的來說工業(yè)投資是有著顯著的促進作用，而隨著時間的推移，這種產(chǎn)業(yè)投資帶來的“增碳效應”會減弱。

對比分析短期和長期上不同變量的直接效應、間接效應和總效應，可以發(fā)現(xiàn)時間是一個削弱工業(yè)投資對碳排放正向影響、促進碳減排的關鍵變量，隨著時間的推移，綠色產(chǎn)業(yè)投資逐漸轉(zhuǎn)化為綠色產(chǎn)出，對碳減排有著顯著的促進作用。除了時間變量的作用，是否還有其他因素可以弱化工業(yè)投資對碳排放的正向作用，是值得進一步探究的。

（三） 工業(yè)投資對碳排放影響的調(diào)節(jié)傳導路徑檢驗

為了進一步探究是否存在通過工業(yè)投資降低本地和相鄰地區(qū)“增碳”效應的路徑，本文在動態(tài)空間杜賓模型中引入交互項，進一步分析和檢驗工業(yè)投資如何通過經(jīng)濟規(guī)模、技術創(chuàng)新和產(chǎn)業(yè)結構升級三個方面的調(diào)節(jié)對碳排放的正向影響而產(chǎn)生抑制作用。

如表6所示，工業(yè)投資與經(jīng)濟規(guī)模的交互項（lnII*lnpGDP）回歸系數(shù)為-0.019，通過1%顯著性水平檢驗，即工業(yè)投資在經(jīng)濟規(guī)模提高的同時，會因為產(chǎn)業(yè)集聚規(guī)模效應降低成本，在促進經(jīng)濟規(guī)模提高的同時有效降低對碳排放的正向影響。工業(yè)投資與技術進步（lnII*lnPA）和產(chǎn)業(yè)結構升級（lnII*lnSU）的交互項回歸系數(shù)分別為-0.009和-0.038，均通過5%顯著性檢驗，這表明技術進步和產(chǎn)業(yè)結構升級弱化了工業(yè)投資對碳排放的正向影響。

如表7所示，三種傳導路徑上，工業(yè)投資對碳排放的影響均被削弱，但在長短期和直接間接效應上存在差別。

（1）經(jīng)濟規(guī)模的傳導路徑：1）直接效應上，短期和長期上工業(yè)投資與經(jīng)濟規(guī)模的交互項回歸系數(shù)分別為-0.019和-0.069，均通過1%顯著性水平檢驗，說明工業(yè)投資在短期和長期上均會通過經(jīng)濟規(guī)模擴張對本地碳排放增長產(chǎn)生抑制作用，并且長期影響更大。2）間接效應上，短期上工業(yè)投資與經(jīng)濟規(guī)模的交互項回歸系數(shù)為-7.470e-4，但是這種負向的調(diào)節(jié)關系不顯著，而在長期上交互項回歸系數(shù)為-0.008，通過5%顯著性水平檢驗，說明工業(yè)投資通過經(jīng)濟規(guī)模擴張對相鄰地區(qū)碳排放的抑制作用在短期上不明顯，反而在長期上可以顯著地降低對碳排放的正向影響，假設2與預期一致，說明經(jīng)濟的發(fā)展帶來的產(chǎn)業(yè)集聚減排效應，對周邊地區(qū)碳排放正向影響的抑制作用需要時間。

（2）技術進步的傳導路徑：1）直接效應上，短期和長期上工業(yè)投資和技術進步的交互項為-0.009和-0.034，均在1%的水平上顯著。對比而言，長期上的直接效應的影響系數(shù)更大，說明工業(yè)投資通過技術進步在長期上對本地的碳排放增長會產(chǎn)生更大的抑制作用。2）在間接效應上，工業(yè)投資和技術進步的交互項為3.800e-4和-0.005，均不顯著，說明工業(yè)投資在長期和短期上無法因為技術進步從而對周邊地區(qū)碳排放增長產(chǎn)生抑制，假設3與預期不一致。這可能是因為不同地區(qū)的減排政策存在差異性，進而導致技術的流通存在屏障[17]。

（3）產(chǎn)業(yè)結構升級的傳導路徑：1）直接效應上，短期和長期上工業(yè)投資與產(chǎn)業(yè)結構升級的交互項系數(shù)為-0.038和和-0.147，在5%的水平上顯著，且長期上這種抑制作用更顯著。2）在間接效應上，短期上工業(yè)投資和產(chǎn)業(yè)結構的交互項系數(shù)為-0.001，且在1%水平上顯著，長期交互項系數(shù)為-0.018，并不顯著，說明工業(yè)投資通過產(chǎn)業(yè)結構優(yōu)化的路徑在短期上可以對周邊地區(qū)碳排放的增加產(chǎn)生抑制作用，假設4與預期一致。在長期上這種抑制作用并不明顯，這可能是因為產(chǎn)業(yè)結構升級長期上會帶來產(chǎn)業(yè)轉(zhuǎn)移，本地的高污染企業(yè)向外轉(zhuǎn)移，不利于周邊地區(qū)的產(chǎn)業(yè)結構升級，反而會導致周邊地區(qū)的碳排放增加[57]。

（四） 穩(wěn)健性檢驗

為了保證實證結果的穩(wěn)健性，本文采用兩種方法進行穩(wěn)健性檢驗。（1）本文通過替換被解釋變量，選取碳排放強度（碳排放和GDP的比值）作為被解釋變量進行回歸，結果表明工業(yè)投資會對碳排放產(chǎn)生正向影響，并且存在空間溢出效應。（2）本文通過替換空間權重的方式進行檢驗，分別采用反距離的空間權重矩陣和經(jīng)濟距離的空間權重矩陣進行回歸。結果如表8所示，核心解釋變量和空間滯后項的系數(shù)符號均為正，通過10%顯著性檢驗，表明工業(yè)投資對本地和周邊地區(qū)碳排放的影響顯著為正。替換空間權重矩陣的回歸結果與前文基于鄰接距離權重得到的結果具有一致性，表明替換權重矩陣不會改變主要影響因素回歸結果的符號與顯著性。綜上所述，本文的研究結果具有穩(wěn)健性。

四、 研究結論與政策啟示

（一） 研究結論

本文從空間角度構建工業(yè)投資對碳排放影響的理論分析框架，基于2003—2019年中國30個省級面板數(shù)據(jù)，采用動態(tài)空間杜賓模型和調(diào)節(jié)效應模型分析，揭示工業(yè)投資對碳排放的影響路徑，并檢驗不同傳導路徑對碳排放的異質(zhì)性影響，研究主要結論如下：（1）工業(yè)投資對碳排放的影響存在“時間慣性”和“空間溢出”效應，長期和短期上工業(yè)投資和本地碳排放存在正相關關系，短期效應中工業(yè)投資與碳排放存在更顯著的正向空間相關性；（2）能源結構中煤炭占比的增加在對本地碳排放存在短期和長期效應，而城鎮(zhèn)化對碳排放存在正向空間溢出且以短期效應為主；（3）工業(yè)投資對碳排放的正向影響在三條路徑上均會被削弱，表現(xiàn)出不同的減排潛力，直接效應上，工業(yè)投資在三條路徑上對本地碳排放的影響均會被弱化，而且長期效應更大，間接效應上，通過經(jīng)濟規(guī)模路徑長期作用下“增碳”效應會減弱，通過產(chǎn)業(yè)結構升級路徑對碳排放增長在短期內(nèi)產(chǎn)生更大的抑制作用。

（二） 政策啟示

基于上述研究，工業(yè)投資通過經(jīng)濟規(guī)模、技術進步和產(chǎn)業(yè)結構升級對碳排放均表現(xiàn)了強烈的負向調(diào)節(jié)作用，在擴大工業(yè)投資過程中以此為抓手，將三者減排潛力進一步釋放。據(jù)此，本文提出如下政策啟示：

第一，政府需要引導工業(yè)投資的合理分配，平衡資本在規(guī)模擴張和技術進步方面的投入。目前，在中國存在明顯的資本推動型技術進步，為了引導工業(yè)投資的技術進步綠色化發(fā)展，政府有必要充分考慮多元化能源效率改善，而非僅關注碳排放強度這一單一指標，合理分配投資促使技術進步轉(zhuǎn)向全要素能源效率式技術進步。

第二，培育高科技低碳產(chǎn)業(yè)集群，推動區(qū)域市場一體化進程中實現(xiàn)經(jīng)濟與碳排放脫鉤，發(fā)揮經(jīng)濟規(guī)模作用。通過擴大產(chǎn)業(yè)園規(guī)模，加強產(chǎn)業(yè)集聚效應，實現(xiàn)資源的更有效利用與分配，以達到對本地碳減排的積極作用，并加強對周邊地區(qū)碳減排的輻射效應。同時，加強地區(qū)政策間的協(xié)調(diào)，避免地區(qū)之間減排的惡性競爭，設立專項的區(qū)域減排資金并進行合理分配，以平衡經(jīng)濟發(fā)展速度和質(zhì)量之間的關系。

第三，鼓勵區(qū)域間的合作研發(fā)和技術轉(zhuǎn)移，促進技術創(chuàng)新綠色發(fā)展。通過建立跨地區(qū)的技術交流平臺，加強信息交流與技術合作。此外，還可以聯(lián)合培訓相關技術人才，并將成功的產(chǎn)業(yè)減排案例規(guī)模化和市場化。通過技術創(chuàng)新和共享，既推動本地技術進步實現(xiàn)碳減排，又帶動周邊地區(qū)的技術創(chuàng)新實現(xiàn)碳減排。

第四，全流程、全生命周期地評價產(chǎn)業(yè)發(fā)展路徑，全方位打造綠色產(chǎn)業(yè)鏈，引導產(chǎn)業(yè)結構朝著可持續(xù)發(fā)展方向升級。通過政策引導和經(jīng)濟手段（碳稅、補貼、碳排放權交易等），鼓勵區(qū)域內(nèi)的企業(yè)建立合作伙伴關系，促進各類產(chǎn)業(yè)的互補和協(xié)同發(fā)展，建圈強鏈，共謀低碳綠色發(fā)展。此外，還要關注本地產(chǎn)業(yè)結構升級可能帶來的產(chǎn)業(yè)轉(zhuǎn)移，需要區(qū)域間協(xié)同制定發(fā)展規(guī)劃，并將產(chǎn)業(yè)轉(zhuǎn)移帶來的增碳成本納入技術轉(zhuǎn)移定價機制中，以防止長期的產(chǎn)業(yè)結構升級僅導致碳轉(zhuǎn)移而非降碳。

［參考文獻］

[1] "李鋼，廖建輝，向奕霓.中國產(chǎn)業(yè)升級的方向與路徑：中國第二產(chǎn)業(yè)占GDP的比例過高了嗎[J].中國工業(yè)經(jīng)濟，2011（10）：16-26.

[2] 人民網(wǎng)．扎實做好2024年經(jīng)濟工作中央經(jīng)濟工作會議部署九項重點任務[EB/OL].（2023-12-14）[2024-02-03].http：//cpc.people.com.cn/n1/2023/1214/c164113-40138978.html.

[3] 王青，傅莉媛，孫海添.中國工業(yè)生產(chǎn)能源消費碳排放的區(qū)域差異、動態(tài)演進與影響因素[J].資源科學，2023（6）：1239-1254.

[4] 周彥楠，楊宇，程博，等.基于脫鉤指數(shù)和LMDI的中國經(jīng)濟增長與碳排放耦合關系的區(qū)域差異[J].中國科學院大學學報，2020（3）：295-307.

[5] 劉一鳴.中國投資對環(huán)境的影響[D].北京：北京理工大學，2016.

[6] 王霞，張麗君，秦耀辰，等.中國高碳制造業(yè)碳排放時空演變及其驅(qū)動因素[J].資源科學，2020（2）：323-333.

[7] Elliott R J，Wu S S.Industrial activity and the environment in China：an industry-level analysis[J].China economic review，2008，19（3）：393-408.

[8] Wang J，Rodrigues，J F，Hu M，Behrens P，Tukker A.The evolution of Chinese industrial CO2 emissions 2000-2050：a review and meta-analysis of historical drivers，projections and policy goals[J].Renewable and Sustainable Energy Reviews，2019，116：109433.

[9] 袁偉彥，方柳莉，羅明.中國工業(yè)碳排放驅(qū)動因素及其脫鉤效應：基于時變參數(shù)C-D生產(chǎn)函數(shù)的分解和測算[J].資源科學，2022，44（07）：1422-1434.

[10]Liu Z，Ciais P，Deng Z，et al.Carbon Monitor，a near-real-time daily dataset of global CO2 emission from fossil fuel and cement production[J].Scientific data，2020，7（1）：392.

[11]張友國.經(jīng)濟發(fā)展方式變化對中國碳排放強度的影響[J].經(jīng)濟研究，2010，45（04）：120-133.

[12]Yang L，Xia H，Zhang X，et al.What matters for carbon emissions in regional sectors？ A China study of extended STIRPAT model[J].Journal of Cleaner Production，2018，180：595-60

[13]Zhang X，Wang X，Tang C，et al.China’s cross-regional carbon emission spillover effects of urbanization and industrial shifting[J].Journal of Cleaner Production，2024，439：140854.

[14]Jayanthakumaran K，Verma R，Liu，Y.CO2 emissions，energy consumption，trade and income：a comparative analysis of China and India[J].Energy Policy，2012，42：450-460.

[15]Shuai C，Shen L，Jiao L，Wu Y，Tan Y.Identifying key impact factors on carbon emission：Evidences from panel and time-series data of 125 countries from 1990 to 2011[J].Applied energy，2017，187：310-325.

[16]楊莉莎，朱俊鵬，賈智杰.中國碳減排實現(xiàn)的影響因素和當前挑戰(zhàn)：基于技術進步的視角[J].經(jīng)濟研究，2019，54（11）：118-132.

[17]王為東，盧娜，張財經(jīng).空間溢出效應視角下低碳技術創(chuàng)新對氣候變化的響應[J].中國人口·資源與環(huán)境，2018，28（08）：22-30.

[18]李強.環(huán)境分權與企業(yè)全要素生產(chǎn)率：基于我國制造業(yè)微觀數(shù)據(jù)的分析[J].財經(jīng)研究，2017，43（03）：133-145.

[19]Wang Y，Yan W，Ma D，et al.Carbon emissions and optimal scale of China’s manufacturing agglomeration under heterogeneous environmental regulation[J].Journal of Cleaner Production，2018，176：140-150.

[20]Zhao M，Tan L，Zhang W，et al.Decomposing the influencing factors of industrial carbon emissions in Shanghai using the LMDI method[J].Energy，2010，35（6）：2505-2510.

[21]王青，傅莉媛，孫海添.中國工業(yè)生產(chǎn)能源消費碳排放的區(qū)域差異、動態(tài)演進與影響因素[J].資源科學，2023，45（06）：1239-1254.

[22]鄭蕾，唐志鵬，劉毅.中國投資引致碳排放與經(jīng)濟增長的空間特征及脫鉤測度[J].資源科學，2015，37（12）：2330-2340.

[23]張薇.經(jīng)濟增長、能源工業(yè)投資與中國省域工業(yè)碳排放的分析研究[J].上海節(jié)能，2022（04）：382-391.

[24]李強，朱寶清.投資水平與經(jīng)濟高質(zhì)量發(fā)展：擠出效應真的存在嗎[J].財經(jīng)科學，2019（11）：39-53.

[25]鐘茂初，王玉爽.“雙碳”目標下固定資產(chǎn)投資的轉(zhuǎn)型方向研究：基于“穩(wěn)增長”視角[J].上海經(jīng)濟研究，2022（12）：75-92.

[26]劉華軍，邵明吉，吉元夢.中國碳排放的空間格局及分布動態(tài)演進：基于縣域碳排放數(shù)據(jù)的實證研究[J].地理科學，2021，41（11）：1917-1924.

[27]陳向陽，戴爾.“增量規(guī)制”還是“存量優(yōu)化”：碳交易制度對中國城市第二產(chǎn)業(yè)產(chǎn)能過剩的影響[J].中國地質(zhì)大學學報（社會科學版），2023 （05）：16-30.

[28]周杰琦，韓穎，張瑩.外資進入、環(huán)境管制與中國碳排放效率：理論與經(jīng)驗證據(jù)[J].中國地質(zhì)大學學報（社會科學版），2016，16（02）：50-62.

[29]趙峰，張建堡.技術進步、資本積累與經(jīng)濟增長：一個馬克思主義隨機演化的視角[J].當代經(jīng)濟研究，2021（12）：25-35.

[30]朱晴艷，田啟波.工業(yè)污染治理投資對區(qū)域技術創(chuàng)新水平及其差距的影響[J].科技管理研究，2022，42（09）：215-221.

[31]任毅，東童童，劉乃全.工業(yè)集聚與工業(yè)所有制效率的空間交互影響分析：基于空間聯(lián)立方程的經(jīng)驗研究[J].統(tǒng)計與信息論壇，2016，31（05）：57-64.

[32]張聰聰，崔松濤，朱治雙，等.市場一體化對區(qū)域能源效率的影響及機制[J].資源科學，2023，45（06）：1208-1222.

[33]張平淡，屠西偉.制造業(yè)集聚、技術進步與企業(yè)全要素能源效率[J].中國工業(yè)經(jīng)濟，2022（07）：103-121.

[34]蔡昉.生產(chǎn)率、新動能與制造業(yè)：中國經(jīng)濟如何提高資源重新配置效率[J].中國工業(yè)經(jīng)濟，2021（05）：5-18.

[35]何文舉，張華峰，陳雄超，等.中國省域人口密度、產(chǎn)業(yè)集聚與碳排放的實證研究：基于集聚經(jīng)濟、擁擠效應及空間效應的視角[J].南開經(jīng)濟研究，2019（02）：207-225.

[36]盧娜，王為東，王淼，等.突破性低碳技術創(chuàng)新與碳排放：直接影響與空間溢出[J].中國人口·資源與環(huán)境，2019，29（05）：30-39.

[37]陳軍，肖雨彤.生態(tài)文明先行示范區(qū)建設如何助力實現(xiàn)“雙碳”目標：基于合成控制法的實證研究[J].中國地質(zhì)大學學報（社會科學版），2023，23 （01）：87-101.

[38]傅利平，李永輝.地方政府官員晉升競爭、個人特征與區(qū)域產(chǎn)業(yè)結構升級：基于我國地級市面板數(shù)據(jù)的實證分析[J].經(jīng)濟體制改革，2014（03）：58-62.

[39]Hu Y，F(xiàn)isher-Vanden K，Su B.Technological spillover through industrial and regional linkages：Firm-level evidence from China[J].Economic Modelling，2020，89：523-545.

[40]潘竟虎，張永年.中國能源碳足跡時空格局演化及脫鉤效應[J].地理學報，2021，76（01）：206-222.

[41]Guan Y，Shan Y，Huang Q，et al.Assessment to China’s recent emission pattern shifts[J].Earth’s Future，2021，9（11）：e2021EF002241.

[42]Shan Y，Huang Q，Guan D，et al.China CO2 emission accounts 2016-2017[J].Scientific data，2020，7（1）：54.

[43]Shan Y，Guan D，Zheng H，et al.China CO2 emission accounts 1997—2015[J].Scientific data，2018，5（1）：1-14.

[44]Shan Y，Liu J，Liu Z，et al.New provincial CO2 emission inventories in China based on apparent energy consumption data and updated emission factors[J].Applied Energy，2016，184：742-750.

[45]Li L，Qi P.The impact of China’s investment increase in fixed assets on ecological environment：an empirical analysis[J].Energy Procedia，2011，5：501-507．

[46]韓夢瑤，劉衛(wèi)東，唐志鵬，等.世界主要國家碳排放影響因素分析：基于變系數(shù)面板模型[J].資源科學，2017，39（12）：2420-2429.

[47]馬艷艷，逯雅雯.不同來源技術進步與二氧化碳排放效率：基于空間面板數(shù)據(jù)模型的實證[J].研究與發(fā)展管理，2017，29（04）：33-41.

[48]Shahbaz M，Mahalik M K，Shah S H，et al.Time-varying analysis of CO2 emissions，energy consumption，and economic growth nexus：statistical experience in next 11 countries[J].Energy Policy，2016，98：33-48.

[49]聶飛，劉海云.基于城鎮(zhèn)化門檻模型的中國OFDI的碳排放效應研究[J].中國人口·資源與環(huán)境，2016，26（09）：123-131.

[50]邵帥，徐樂，章紹一.碳排放權交易能否助力實現(xiàn)“雙碳”目標：來自能源供給側與消費側的異質(zhì)性證據(jù)[J].蘭州大學學報（社會科學版），2022，50 （04）：27-40.

[51]李菁，李小平，郝良峰.技術創(chuàng)新約束下雙重環(huán)境規(guī)制對碳排放強度的影響[J].中國人口·資源與環(huán)境，2021，31（09）：34-44.

[52]Anselin L.Spatial econometrics：methods and models[M].Springer Science amp; Business Media，1988.

[53]董碧瀅，徐盈之.中國省際碳排放轉(zhuǎn)移的福利溢出效應[J].中國人口·資源與環(huán)境，2022，32（11）：58-69.

[54]Awan A，Abbasi K R，Rej S，et al.The impact of renewable energy，internet use and foreign direct investment on carbon dioxide emissions：A method of moments quantile analysis[J].Renewable Energy，2022，189：454-466.

[55]Liu F，Liu C.Regional disparity，spatial spillover effects of urbanisation and carbon emissions in China[J].Journal of Cleaner Production，2019，241：118226.

[56]Anselin L，Bera A K.Introduction Spatial Econometrics[M].Boca Raton：CRC Press，2009.

[57]Zhou Y，Kong Y，Sha J，et al.The role of industrial structure upgrades in eco-efficiency evolution：Spatial correlation and spillover effects[J].Science of the total environment，2019，687：1327-1336.

（責任編輯 文 格）

Influence Path of Industrial Investment

on Carbon Emission in China：

An Analysis on the Dynamic Spatial Durbin Model

PENG Sha1， FANG Jie1， ZHAO Xing-lin2 ， WANG Rui3

（1.Collaborative Innovation Center for Emissions Trading System Co-constructed

by the Province and Ministry，Wuhan 430205，Hubei，China;

2.School of Earth and Environment，University of Leeds，Leeds LS2 9JT，

West Yorkshire，United Kingdom;

3.School of Statistics and Mathematics，Zhongnan University of Economics and Law，

Wuhan 430073，Hubei，China）

Abstract：Industrial investment plays a significant role in driving the high-quality development of China’s economy.However，regional disparities in industrial investment have varying effects on regional carbon emissions，posing significant challenges for both regional and national carbon reduction efforts.Drawing on China’s provincial panel data from 2003 to 2019，this study employs the Dynamic Spatial Durbin Model and the moderating effect model to explore the spatial spillover effect of industrial investment on regional carbon emissions.The study reveals the following key findings：（1） The impact of industrial investment on carbon emissions has “time inertia” and “spatial spillover” effects.（2） Economic scale，technological innovation and industrial structure upgrading will weaken the positive impact of industrial investment on carbon emissions，showing potential emission reduction characteristics，and the long-term weakening effect is more significant.（3） The inhibitory effect on the spatial spillover effect of carbon emissions is mainly through the path of economic scale in the long term and the path of industrial structure upgrading in the short term.Finally，the paper recommends further unlocking the emission reduction potential by fostering low-carbon industrial clusters，enhancing inter-regional cooperation，and advancing the green transformation of industrial structures.These efforts are aimed at promoting sustainable development in China and achieving multi-regional coordinated emission reduction goals，all while expanding industrial investment.

Key words：industrial investment; carbon emissions; spatial effects; Dynamic Spatial Durbin Model