空間溢出效應視角下低碳技術創新對氣候變化的響應

王為東 盧娜 張財經

摘要中國應對氣候變化的技術努力已有多年，有必要實證檢驗這一努力的成效，主要是中國低碳技術創新對氣候變化的響應效果。本文基于2004—2015 年中國 30個省市的空間面板數據，首先采用ESDA方法對低碳技術進行空間相關性分析，接著采用SDM模型實證分析低碳技術創新響應氣候變化的空間溢出效應。研究發現：①中國低碳技術供給與需求在空間分布上有一定偏差，代表技術供給的低碳技術創新活動呈現由東向西擴散的特征，東部地區始終最為活躍，中、西部地區創新活力則梯次下降。而碳排放具有“西移”的特征，代表了低碳技術需求的變化方向。②中國低碳技術創新響應了氣候變化趨勢，表明多年努力取得了成效；而響應的空間溢出效應盡管是正向的，但尚不顯著，表明各區域的低碳技術創新活動仍處于各自為戰的階段。③環境規制與市場拉動是低碳技術創新的重要影響因素。其中，支持性環境規制政策與抑制性環境規制政策均能促進本地低碳技術創新，但空間溢出效應不顯著，表明各區域在環境政策上是“逐頂競爭”關系，但各自為政，示范效應不足。市場拉動指標經濟增長與出口對本地低碳技術創新均具有較高水平且顯著的促進作用，出口同時具有顯著的空間溢出效應，但經濟增長抑制鄰近地區低碳技術創新。據此，本文的政策含義包括：加強中國低碳技術應對氣候變化的區域協同治理，推動創新要素合理流動；充分發揮環境規制的示范效應，改善政策組合；發揮市場的拉動作用，延伸并升級綠色產業鏈。

關鍵詞低碳技術創新；氣候變化；空間溢出效應

中圖分類號F062.2文獻標識碼A文章編號1002-2104（2018）08-0022-09DOI：10.12062/cpre.20180307

低碳技術創新是應對氣候變化的重要手段之一，也是同時解決經濟與環境問題的“雙贏”方案[1]。新世紀以來，中國日益重視氣候變化的威脅，遏制氣候變暖的科技努力不斷得到加強。早在“十五”期間中國就啟動了區域性大氣環境質量變化、環境污染形成機理與環境污染防治技術等重大科技項目，鼓勵集成技術創新。2006年第一次全國環保科技大會召開，明確了科技興環保戰略?！笆晃濉逼陂g制定了幾十項污染防治技術政策、環境保護工程技術規范與污染防治最佳可行技術指南，實現了環境標準體系與管理體系建設的跨躍式發展。“十二五”時期國家重點布局清潔生產、戰略性新興環保產業等12個領域，資金投入達到220億元。在新的歷史性起點上，國家“十三五”規劃明確提出，到2020年單位產值CO2排放量要達到年均累計下降18%的目標。為此，國家環境保護“十三五”科技發展規劃明確要求強化大氣環境監測和大氣復合污染綜合防治關鍵技術創新研發。可見，中國應對氣候變化的科技投入巨大，并已歷時多年。因此，可以通過實證研究檢驗中國低碳技術創新對氣候變化響應水平的高低。值得注意的是，應對氣候變化的技術研究目前大多聚焦于低碳技術創新緩解氣候變化的作用機制[2]，而相反的方向即低碳技術創新對氣候變化的反應在這類研究中往往被忽略[3]。這一相反方向作用關系的研究對于評估低碳技術創新效果、明確未來方向與目標顯然具有重要的意義。據此，本文將問題設定在較少得到關注的低碳技術創新對氣候變化的響應問題上，采用中國30個省市數據（不包含西藏、港澳臺），從空間溢出效應的視角，實證檢驗中國低碳技術創新對氣候變化的響應效果。

1文獻綜述

1.1低碳技術創新屬性及主要影響因素

減少碳排放的緊迫性有力推動了低碳技術創新研究的開展[4]。首先是對低碳技術創新自身的特點、規律、體系制度等屬性方面的研究，結果表明低碳技術創新與其他創新相比具有更高的新穎性、不確定性與多樣性[5-6]；而且低碳技術創新在系統集成、技術轉讓以及制度體系方面也有其特有方式[7-9]。其次，如何促進低碳技術創新已經積累了大量研究，影響低碳技術創新的關鍵因素包括如下幾個方面：①環境規制。環境規制指的是政府制定的環境行為規范與標準，是低碳技術創新研究中討論最多的因素。波特關于環境規制促進創新的假設是該項研究的基礎，認為環境規制未必會增加企業成本，企業可以通過創新補償成本的損失[10-13]。②技術推動與市場拉動。由于實證結果對波特假說支持上存在一定分歧[14]，技術推動與市場拉動等因素被進一步納入到波特研究框架，認為研發投入與市場需求都是促進低碳技術創新的因素[15-17]。③公眾環保意識。隨著公眾對環境問題意義的認識和敏感性的迅速提升，公眾環保意識已成為低碳技術創新研究的另一個重要對象[18-19]。與政府環境規制的壓力相對應，公眾環保意識提升帶來的壓力也被認為是促進低碳技術創新的重要因素[20-23]。

王為東等：空間溢出效應視角下低碳技術創新對氣候變化的響應中國人口·資源與環境2018年第8期1.2氣候變化影響因素的空間溢出效應

地理空間范圍是上述各因素對低碳技術創新發揮作用的必要條件。傳統上，環境問題相關研究往往將研究對象所在區域預設為相互獨立的封閉系統，即相鄰區域之間沒有任何關聯，區域間的資源、物質與信息也不存在任何交換和溢出效應[24-27]。而空間計量專家Anselin[28]研究發現空間因素是環境問題的重要方面，從而放棄了傳統上將影響過程作為封閉系統，各因素僅影響本地的假說[29]。這就在研究環境問題的方法論上取得重要突破。近期氣候變化問題的研究開始考慮到各影響因素的空間溢出效應[30-32]。實際上，不僅CO2及其他溫室氣體排放具有很強的空間流動性，而且人口、經濟及技術等因素都有空間溢出效應。其中，大量研究[33-37]明確指出，低碳技術創新也存在著時空差異性與空間外溢特征。當然，與本文研究問題相反，氣候變化相關的空間溢出效應的大量研究目前仍主要集中于各影響因素對氣候變化作用的方面。

1.3低碳技術創新響應氣候變化的空間溢出效應

由前文可見，低碳技術創新屬性及緩解氣候變化問題已積累了大量研究[38]。盡管開展這項研究的目的就是要應對碳排放所帶來的氣候變化問題，但是氣候變化對低碳技術創新直接作用關系的研究反而缺失。對此，Su和Moaniba[3]基于全球70個國家數據，對相反方向的作用關系進行檢驗，初步實證支持了氣候變化直接促進低碳技術創新的新理論假設。據此，本文預期氣候變化促進低碳技術創新。在方法論假設上也將基于空間溢出效應的角度，原因在于：作為氣候變化與溫室效應的主要來源，二氧化碳本身就具有顯著的流動特性，本地碳排放不僅影響本區域，而且會影響到鄰近區域。因此，從空間溢出效應視角進行實證檢驗，能夠更為完整、準確地描述低碳技術創新響應氣候變化的機制。

2空間計量模型的構建與變量選擇

2.1空間計量模型設定

根據文獻綜述，低碳技術創新的相關研究主要圍繞波特關于環境規制促進創新的著名假說展開[39]，研究線索包括政府的環境規制[11-15]、技術推動與市場拉動[17，40]、公眾環保意識[41-42]等因素對低碳技術創新的促進作用。本文將借鑒已有研究，在檢驗低碳技術創新對氣候變化的響應時，綜合考慮環境規制、技術推動與市場拉動及公眾意識等因素對低碳技術創新的影響。因此，設定的初始計量模型如式（1）所示。

ln Y02it=α0+α1ln carbonit+ξ ln X+εit（1）

式中，i代表各省市；t代表時間；Y02為被解釋變量，表示低碳創新技術申請數量；carbon代表碳排放量；X為一組控制變量，包含了可能對低碳創新技術產生影響的若干變量；ξ代表控制變量的彈性系數；ε為殘差項。

考慮到區域之間碳排放的流動性，普通的計量模型則可能存在偏差，本文將采用空間計量模型從空間視角驗證低碳技術創新對氣候變化的響應。本文具體采用更具一般性的空間杜賓模型（SDM），它是空間滯后模型（SLM）和空間誤差模型（SEM）的一般形式，表達式如式（2）所示。

yit=c+ρ∑nj=1Wijyit+αXit+∑nj=1WijXitγ+μi+λt+εit（2）

式中，yit為因變量，Xit為自變量，α為自變量系數，c為常數項，ρ為因變量空間自回歸系數，γ為自變量空間滯后系數，μi和λt分別表示空間效應和時間效應，εit為殘差項，為空間權重矩陣，Wij為空間權重矩陣，表示各個空間要素之間的關聯性和相互影響程度，本文選擇空間鄰接矩陣，即地區相鄰為1，不相鄰為0。αXit表示本地區自變量對因變量的影響；WijXit表示本地區自變量對鄰近地區因變量的影響，即空間溢出效應。

2.2指標選取

2.2.1被解釋變量

低碳技術創新（Y02）以2013年美國和英國聯合頒布的CPC（合作專利分類法）中Y02分類申請專利數來衡量[3]，且采用中國人在國內申請專利來衡量，不包括外國人在中國的申請專利。Y02專利包括緩解氣候變化的六類相關技術：Y02B，建筑業相關碳減排技術；Y02C，溫室氣體處理技術；Y02E，能源相關碳減排技術；Y02P，商品生產與處理相關碳減排技術；Y02T，交通相關碳減排技術；Y02W，污水、污染物處理相關碳減排技術。需要強調的是，專利不等于創新，尤其是沒有應用的專利，但專利較好衡量了創新的技術方面[3]。

2.2.2核心解釋變量

氣候變化（carbon）本文采用基于能源消費的碳排放表征[43]。低碳技術創新主要針對的是溫室效應所帶來的氣候變化問題，碳排放則是造成溫室效應的主要來源。Su和Moaniba[3]首先使用碳排放衡量氣候變化，初步實證了氣候變化對低碳技術創新顯著作用關系。據此，本文預期低碳技術創新對氣候變化具有正向響應，即隨著碳排放量的不斷增加，低碳技術創新活動將更加活躍。由于中國未公開公布歷年的碳排放量，故碳排放的核算參考IPCC提供的核算方法，公式如式（3）。

carboni=12/44×[∑nEn，i×αn×βn]（3）

式中，i指不同省市；carboni指i省市碳排放，單位萬t；En，i指i省市第n種能源終端消費量（本文考慮的能源消耗類型包括：原煤、洗精煤、其它洗煤、型煤、焦炭、焦爐煤氣、其他煤氣、其他焦化產品、原油、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣、天然氣和其他石油，共17種），焦爐煤氣、其他煤氣、天然氣單位為108 m3，其余能源為萬t；αn指第n種能源折標準煤系數；βn指第n種能源CO2排放系數，單位萬t/萬tce。

2.2.3控制變量

考慮到低碳技術創新還可能受到其他變量的影響，本文在式（1）和式（2）中補充如下控制變量：①環境規制。環境規制強度的衡量通?；谌龔U排放或污染治理支出[44-45]，近期研究者[46]認為使用污染治理收費衡量環境規制在中國也非常有效。因此本文同時以作為投資的污染治理支出（er1）與作為收入的污染治理收費（er2）兩個因素衡量環境規制強度。由于波特關于環境規制促進低碳創新的假說得到大部分的實證研究支持[15]，本文遵從波特假說，認為環境規制不僅能夠約束碳排放，還能產生“創新補償”效應，因此預期環境規制對低碳技術創新具有正向促進作用。②經濟增長與出口。研究者常常以經濟增長（pgdp，主要是人均收入）與出口（exp）衡量內、外部市場需求的拉動作用[16-17，42]。一方面，隨著國內經濟發展水平的提高，公眾對環保、綠色產品需求增加，另一方面國外對本國出口產品低碳化需求加強，均能促進低碳技術創新活動的加強。故本文預期經濟增長與出口對低碳技術創新均具有促進作用。③公眾環保意識（pa）。本文以各省市環境信訪來信封數衡量公眾環保意識，以更直接體現公眾環保意識，并反映其短期內的變化。公眾環保意識加強對政府、企業形成的壓力，會間接或直接地促進低碳技術創新活動[20-23]。故本文預期該指標對低碳技術創新具有正向作用。

2.3數據來源與處理

本文以2004—2015年為研究區間，中國30個省市為研究對象（因港澳臺及西藏數據缺失，不予以考慮）。各省市Y02專利數據來自Incopat專利數據庫；三廢污染物排放及治理費用、污染物排放收費、人均GDP、出口等數據來源于歷年《中國統計年鑒》；能源消費、折標煤系數及碳排放系數來源于《中國能源統計年鑒》；環境信訪來信封數來源于《中國環境年鑒》等。為了統一貨幣單位，采用人民幣兌美元年均價匯率將以美元為單位的出口額換算成人民幣。為了消除價格波動影響，以2004年為基期，對經濟變量做了不變價處理。為了消除異方差影響，本文對所有變量均做了對數化處理。

3實證研究

3.1空間相關性分析

為驗證低碳技術創新與碳排放的空間相關性，本文分別采用ESDA中的全局和局部空間自相關指數進行檢驗。全局空間自相關反映了變量在全部樣本區域的空間依賴程度，檢驗結果如表1所示?？梢钥闯?，在鄰接權重矩陣下，低碳技術創新和碳排放指標的全局Morans I指數均為正，絕大多數通過5%顯著性水平檢驗，說明這兩項指

表12004—2015年中國各省市低碳技術創新及碳排放

全局Morans I表

Tab.1Global Morans I of low carbon innovation and

carbon emissions in China from 2004 to 2015年份低碳技術創新碳排放Morans IZ值p值Morans IZ值p值20040.2272.1790.0150.1051.1720.12120050.1631.6630.0480.1851.8840.03020060.1801.7870.0370.1441.5390.06220070.2282.2310.0130.1701.7280.04220080.2442.3200.0100.0790.9520.17120090.2522.3740.0090.1601.6490.05020100.2832.6300.0040.1681.7250.04220110.2872.6920.0040.1401.6970.04520120.2842.6450.0040.1161.2890.09920130.2332.2300.0130.1041.1930.11620140.2192.1240.0170.1141.2820.10020150.3002.7890.0030.1231.3640.086標均存在空間正相關性。

局部空間自相關采用Morans I散點圖來驗證各省市低碳技術創新及碳排放與其鄰近地區之間的關系，本文分別選取2004年和2015年為代表年份（限于篇幅，文中未報告2004—2015年歷年的局部Morans I散點圖），結果如圖1所示?？梢钥闯?，低碳技術創新與碳排放局部空間集聚特征明顯，趨勢線均分布于一三象限。就動態演變趨勢來看，2004—2015年間，低碳技術創新集聚區主要是華東、華中及華北地區，其中福建、安徽、湖南、湖北在2007年加入高創新“俱樂部”，2013年重慶加入高創新“俱樂部”，顯示出高創新集聚區具有以東部地區為重心，沿中國長江流域由東向西持續擴散的特征。就低碳技術創新空間正相關類型區中省市的數量而言，2004年、2008年、2012年和2015年分別為21、19、20、21個，無顯著差異，反映出低碳技術創新具有區域集聚的特點，即局部Morans I散點圖進一步驗證了低碳技術創新存在顯著的空間自相關性。相對而言，2004年，我國碳排放集聚區（H-H）雖然也集中于華東、華中及華北地區，但2007年江西退出了高排放“俱樂部”，上海市、河北、山西、北京也陸續退出高排放“俱樂部”，而西部地區的重慶卻在2013年加入，表明與低碳技術創新活動在地理空間上以東部為重心、向西持續擴散的特點不同，我國高碳排放集聚區呈現的是逐步“西移”的特征。

3.2空間模型檢驗結果

前文空間相關性檢驗證實各省市低碳技術創新、碳排放存在空間集聚特征，故應選擇空間計量模型采用極大似然法進行統計檢驗。模型選擇過程如下：首先，普通面板數據模型（OLS）回歸殘差的空間自相關性檢驗結果顯示，LMlag、RobustLM lag和LM error、RobustLM error的p統計值均在1%顯著性水平下顯著，說明構建空間計量模型比較合理；接著對SDM模型進行LR檢驗，結果顯示均在1%顯著性水平拒絕原假設，即SDM模型不可退化為SLM或SEM模型；最后Hausman檢驗結果顯示通過1%顯著性水平檢驗，應該選擇固定效應模型。進一步綜合分析空間固定、時間固定和時空固定各模型的調整R2、自然對數似然函數值LogL，以及自變量估計系數的經濟學含義，發圖1低碳技術創新與碳排放局部Morans I散點圖

Fig.1Local morans I scatterplot of low carbon innovation and carbon emissions現時空固定效應下的SDM模型更為合理，因此選擇該模型的檢驗結果進行分析。各個模型檢驗結果如表2所示。

研究結果顯示：①碳排放（carbon）。碳排放正向影響低碳技術創新，即碳排放水平越高，則低碳技術創新活動越活躍，而且作用關系通過5%水平的顯著性檢驗，支持了本文提出的低碳技術創新響應氣候變化的預期。這一基于中國背景的研究結果也印證了Su和Moaniba[3]首倡的氣候變化對低碳技術創新具有正向作用的研究假設。這一結果表明，中國的創造者已經行動起來，積極應對氣候變化帶來的環境挑戰。②環境規制（er1與er2）。污染治理支出與污染治理收費對低碳技術創新都具有顯著的正向影響，支持了本文關于環境規制促進低碳技術創新的預測。且兩者作用程度不相上下，與其他研究者[44]的結論一致。表明在中國，作為抑制性環境規制的污染治理收費對低碳技術創新的促進作用不亞于甚至會超過作為支持性環境規制的污染治理支出。不同于污染治理投入作為低碳技術創新的驅動力因素，污染治理收費增加企業成本，構成了低碳技術創新的壓力因素。③經濟增長（pgdp）與出口（exp）。人均GDP與出口對低碳技術創新的正向作用突出，且分別通過了5%與1%的顯著性水平檢驗，支持了市場拉動對低碳技術創新的促進作用假說，并印證了

表2SDM空間計量結果

Tab.2Estimation results of spatial Dublin panel model變量固定效應（FE）時空固定空間固定時間固定隨機效應

（RE）碳排放（carbon）0.104 9**0.102 5*0.459 1***0.145 4***環境規制（er1）0.057 0**0.037 60.011 40.031 9環境規制（er2）0.078 1*0.075 0*-0.240 0***0.107 6**經濟增長（pgdp）0.510 9**1.115 5***-0.382 6***0.873 4***出口（exp）0.314 3***0.220 0***0.724 8***0.321 4***公眾環保意識

（pa）-0.002 70.003 20.017 40.003 8常數（c）----3.329 3**rho0.054 2***0.068 6***0.269 8*** 0.076 5***loglikelihood13.761 6-57.182 6-275.364 2-137.683 3Rsq0.763 50.757 20.717 60.788 4LM lag149.532***RobustLM lag107.761***LM error74.754***RobustLM error32.983***LRlag20.340***LRerror19.800***Hausman14.550***注：*、**、***分別表示在10%、5%和1%水平上顯著；括號中數據為z值。

中國市場具有拉動作用的前期研究[43]。這一結果表明，一方面隨著中國進入中等收入國家行列，人們的生活需求發生了變化，不再只是滿足于溫飽的基本消費，而是對產品的質量、綠色與安全提出了更高的要求，并且考慮到國內市場規模巨大，人均收入的大幅提升帶來的國內需求變化日益成為中國低碳技術創新的重要動力源。另一方面，中國作為世界“制造工廠”，國際市場對中國產品的需求層次更高，并且有更加嚴苛的檢測標準，因而出口成為中國低碳技術創新的另一個重要動力源。④公眾環保意識（pa）。公眾環保意識對低碳技術創新具有不顯著的抑制作用，與預期相反?？赡茉蛟谟?，中國民眾對周遭環境問題意見的表達常常訴諸于政府這一間接渠道，對企業的低碳技術創新活動難以形成直接的現實壓力。

由于SDM模型中存在自變量的空間滯后項，因此前文的估計系數并不能直接反映自變量對因變量的邊際效應，而僅僅在作用方向和顯著性水平上是有效的。研究者[47]進而指出，自變量的影響可分解為直接效應和間接效應。直接效應是本地區自變量對本地區因變量的影響，間接效應則是本地區自變量對鄰近地區因變量的影響，即空間溢出效應。前面回歸系數與直接效應存在差異的原因是直接效應同時考慮了反饋效應。反饋效應是空間滯后因變量和空間滯后自變量交互作用形成的綜合效應，由于其數值較小，往往忽略不計。分解結果如表3所示。

效應分解結果顯示：①碳排放（carbon）。碳排放對本地區低碳技術創新影響更大，直接效應是0.107，通過5%水平的顯著性檢驗；而空間溢出效應雖然也為正，但不具有顯著性。表明碳排放對低碳技術創新活動的影響目前主要限于本地區，對其他地區的低碳技術創新活動的空間溢出效應還不足。造成這一結果的原因可能是區域間氣候變化應對的協同治理不夠，仍處于各自為戰的階段。②環境規制（er1與er2）。兩類環境規制即污染治理支出與污染治理收費的直接效應都為正值，分別是0.056與0.083，且均通過5%顯著性水平檢驗。支持性環境規制政

表3SDM模型的直接效應和間接效應

Tab.3Direct effect and indirect effect of spatial

Dublin Panel Model變量直接效應間接效應總效應carbon0.107 0**0.029 30.136 3er10.056 0**0.023 50.079 5er20.083 2**0.074 30.157 5*pgdp0.494 4**-1.723 7***-1.229 3***exp0.318 4***0.268 7***0.587 2***pa-0.002 7-0.010 0-0.012 7注：*、**、***分別表示在10%、5%和1%水平上顯著。

策（er1）與抑制性環境規制政策（er2）都有正向的間接效應，盡管尚不顯著。表明環境規制對低碳技術創新的影響也主要限于本地，形成了本地低碳技術創新的動力與壓力。原因可能在于地方政府之間的低碳技術創新活動目前主要是“逐頂競爭” （race to the top）關系，大多各自為政。而鄰近地區支持性與抑制性政策對本地區有“示范效應”，其經驗教訓得到了一定的借鑒，但尚不顯著。③經濟增長（pgdp）。人均收入增長對本地區低碳技術創新活動的直接效應為正，且通過了5%的顯著性水平檢驗，但對其他地區的空間溢出效應為負，且在1%水平上顯著。原因可能與前述經濟的集聚與極化效應有關。一個地區經濟越是發達，市場需求的層次就越高，要素報酬也越高，高質量創新要素集聚會更加顯著，本地低碳技術創新活動也就更活躍。與之相關，鄰近地區就面臨著創新要素流失、創新活力喪失的壓力。即經濟發展的不平衡易于導致低碳技術創新活動在地理空間上的分化。這一點也得到前文低碳技術創新活動空間分布特征的印證。④出口（exp）。與經濟增長的作用不同，出口不僅對本地低碳技術創新有顯著的正向作用，對其他地區的低碳技術創新也有顯著的正向作用，總效應達到了0.587，并且通過了1%的顯著性水平檢驗。原因可能在于中國出口以海外需求為主，以更低成本與更高能力滿足國際市場需求是主要考量，而市場的地理鄰近性在出口企業及供應商選址中的作用并不大。換言之，出口對低碳技術創新活動的作用不限于本地，而是跨地域整合供應鏈與創新活動。⑤公眾環保意識（pa）。公眾環保意識的直接與間接效應都為不顯著的負值。其原因與前述SDM結果相關，中國民眾意愿表達渠道狹窄與自發組織不足導致公眾環保意識對本地低碳技術創新活動都難以形成顯著影響，對其他地區的影響必然更加微弱。

4研究結論與政策啟示

低碳技術創新響應氣候變化的效果研究是檢驗多年來中國節能減排努力的重要方面。本文以中國各省市Y02專利申請數量衡量低碳技術創新，首先分析低碳技術創新空間格局變化規律，接著選擇SDM模型實證考察了影響因素，并進行直接與間接效應的分解。研究結論如下。

4.1中國低碳技術供給與需求在空間分布上存在一定偏差空間相關性研究發現，不同于近年來碳排放所具有的“西移”特點，中國低碳技術創新始終以東部沿海地區為重心，沿長江流域持續向中西部擴散?？梢?，衡量低碳技術需求的碳排放量與衡量低碳技術供給的低碳技術創新在區域分布上存在一定的偏差。結果同時表明，隨著中國經濟的發展，經濟活動的區域不平衡現象并未減弱，低碳技術創新的梯次特征明顯。東部地區逐步進入后工業化階段，創新要素更為集聚，低碳技術創新活動更為活躍，而碳排放則有減少的趨勢。而中西部地區正處于工業化中后期階段，未來可能成為高排放區，但創新要素的集聚水平相對不足。

4.2中國低碳技術創新積極響應氣候變化

研究結果顯示，中國低碳技術創新對氣候變化響應是正向的，作用系數為0.107，即氣候越是變暖，則低碳技術創新活動越活躍。這一結果表明，氣候變化挑戰的緊迫性成功激發了中國的創造熱情，低碳技術創新已經成為近年來中國經濟活動的重要領域。多年以來中國遏制氣候變暖的科技努力起到了正面效果，低碳技術創新活動成為了中國創業創新活動的重要組成部分。與此同時，研究顯示，中國30個省市低碳技術創新響應氣候變化的空間溢出效應雖然為正，但尚不顯著。表明各地應對氣候變化技術努力還處于各自為戰的階段，跨區域的協同治理仍然不足。

4.3環境規制與市場拉動是低碳技術創新響應機制的重要影響因素研究發現，政府規制的兩個方面即污染治理投入與收費同樣對本地低碳技術創新有顯著的正向影響，對其他地區具有較低水平的空間溢出效應。與此同時，研究還發現，市場拉動的兩個方面即經濟增長與出口對本地以及鄰近地區的低碳技術創新都有更高水平的促進作用，是低碳技術創新活動最重要的影響因素，盡管經濟增長對其他地區低碳技術創新起的是抑制作用。經濟增長這一作用的原因在于國內市場的地理鄰近性相對于國際市場更加重要，且要素流動障礙更少。因此，區域經濟增長引起的需求上升以及要素回報增加致使創新要素在本地集聚，而抑制其他地區的創新活力，造成低碳技術創新區域不平衡現象?？梢?，區域經濟增長對創新要素流動的作用很有可能是上述中國低碳技術創新空間布局特征的重要原因。

基于以上研究結論，本文的政策啟示包括：①加強中國低碳技術應對氣候變化的區域協同治理。研究顯示，低碳技術對氣候變化響應的空間溢出效應不顯著，而且在空間分布上低碳技術供需存在一定偏差。這就要求加強低碳技術區域協同治理，避免各自為戰。尤其是針對東西部低碳技術供需不協調問題，東部地區應充分利用創新資源，進一步升級低碳技術創新的層次，并促進相關技術、人才、資金、企業向中西部的合理擴張與流動。中西部地區則應充分利用環境改善的巨大市場優勢，積極承接東部的創新資源轉移。②充分發揮環境規制政策的示范效應。目前環境規制的空間溢出效應仍然較小，支持性環境規制政策與抑制性環境規制政策作用不相上下。一是要求將區域政策目前的“逐頂競爭”模式與深化合作相融合，努力改變各自為政的狀態，更加充分地借鑒鄰近區域的政策經驗教訓，充分發揮示范效應。二是要求各省市地方政府深化環境政策研究，充分發揮兩類政策的激勵與約束作用，形成政策的“組合拳”，從而形成促進低碳技術創新高效的規制動力與壓力。③有重點地發揮國內、國際兩個市場對低碳技術創新的拉動作用。低碳技術創新活動的區域不平衡與收入水平差距高度相關。要繼續發揮中國東部地區經濟領頭羊的作用，支持以消費升級帶動低碳技術創新活動更趨活躍。要不遺余力地支持中國中、西部地區經濟發展，培育低碳技術創新的應用市場。與此同時，積極探索東、中、西部綠色產業的對口支援與布局工作，延伸綠色產業鏈條，縮小區域差距。堅持與擴大中國對外開放力度，以國際高層次市場需求拉動中國綠色產業價值鏈的整體升級，培育中國在這一創造新領域的國際競爭力。

（編輯：李琪）

參考文獻（References）

[1]喬爾·克茲曼.低碳技術創新和美國經濟霸權2.0[M].周亦奇，譯.大連：東北財經大學出版社，2015.[KURTZMAN J. Unleashing the second American century： four forces for economic dominance[M]. Translated by ZHOU Yiqi. Dalian： Dongbei University of Finance & Economics Press， 2015.]

[2]PORTER M E， VAN DER LINDE C. Toward a new conception of the environment competitiveness relationship[J]. Journal of economic perspectives，1995， 9（4）： 97-118.

[3]SU H N， MOANIBA I M. Does innovation respond to climate change？ empirical evidence from patents and greenhouse gas emissions[J]. Technological forecasting & social change， 2017， 122（5）： 49-62.

[4]斯特恩.尚待何時？應對氣候變化的邏輯、緊迫性和前景[M].齊曄，譯.大連：東北財經大學出版社，2016.[STERN N. Why are we waiting？ the logic， urgency， and promise of tackling climate change[M]. Translated by QI Ye. Dalian： Dongbei University of Finance & Economics Press， 2016.]

[5]DE MARCHI V. Environmental innovation and R&D; cooperation： empirical evidence from Spanish manufacturing firms[J]. Research policy， 2012， 41（3）：614-623.

[6]DE MARCHI V， GRANDINETTI R. Knowledge strategies for environmental innovations： the case of Italian manufacturing firms[J]. Journal of knowledge management， 2013， 17（4）：569-582.

[7]周馮琦. 應對氣候變化的技術轉讓機制研究[J].社會科學，2009（6）：33-38.[ZHOU Fengqi. On technology transference mechanism coping with climate change[J]. Journal of social sciences， 2009（6）： 33-38.]

[8]潘韜，劉玉潔，張九天，等.適應氣候變化技術體系的集成創新機制[J].中國人口·資源與環境， 2012，22（11）：1-5.[PAN Tao， LIU Yujie， ZHANG Jiutian， et al. Integrated innovation mechanism of technology system for adaptation to climate change[J]. China population， resources and environment， 2012，22（11）： 1-5.]

[9]樊步青， 王莉靜. 我國制造業低碳技術創新系統及其危機誘因與形成機理分析[J]. 中國軟科學， 2016（12）：51-60. [FAN Buqing， WANG Lijing. Crisis precipitating factors and crisis formation mechanism of the manufacturing innovation system in China[J]. China soft science， 2016（12）：51-60.]

[10]王國印，王動. 波特假說、環境規制與企業技術創新[J].中國軟科學，2011（1）： 100-112. [WANG Guoyin， WANG Dong. Porter Hypothesis， environmental regulation and enterprises technological innovation[J]. China soft science， 2011（1）：100-112.]

[11]董穎，石磊.“波特假說”——生態創新與環境管制的關系研究述評[J].生態學報， 2013，33（3）： 809-824.[DONG Ying， SHI Lei. The Porter Hypothesis： a literature review on the relationship between ecoinnovation and environmental regulation[J]. Acta ecologica sinica， 2013， 33（3）： 809-824.]

[12]張峰，宋曉娜，薛惠鋒，等.環境規制、技術進步與工業用水強度的脫鉤關系與動態響應[J].中國人口·資源與環境，2017，27（11）：193-201.[ZHANG Feng， SONG Xiaona， XUE Huifeng， et al. Decoupling relationship and dynamic response between industrial water intensity， environmental regulation and technological progress[J]. China population， resources and environment， 2017， 27（11）：193-201.]

[13]原毅軍， 謝榮輝. 環境規制與工業綠色生產率增長[J]. 中國軟科學， 2016（7）：144-154. [YUAN Yijun， XIE Ronghui. Environmental regulation and the ‘Green productivity growth of Chinas industry[J]. China soft science， 2016（7）：144-154.]

[14]LEE KH， MIN B. Green R&D; for ecoinnovation and its impact on carbon emissions and firm performance[J]. Journal of cleaner production，2015，108 （6）：534-542.

[15]HUANG X X， HU Z P， LIU C S， et al. The relationships between regulatory and customer pressure， green organizational responses， and green innovation performance[J]. Journal of cleaner production， 2016，112（1）：3423-3433.

[16]HORCH J， RAMMER C， RENNINGS K. Determinants of ecoinnovations by type of environmental impactthe role of regulatory push/pull， technology push and market pull[J]. Ecological economics， 2012， 78 （6）：112-122.

[17]COSTANTINI V， CRESPI F， MARTINI C， et al. Demandpull and technologypush public support for ecoinnovation： the case of the biofuels sector [J]. Research policy， 2015，44（3）：577-595.

[18]LK DICLE， KSE C. The impact of organizational learning on corporate sustainability and strategy formulation with the moderating effect of industry type[J]. Social and behavioral sciences， 2014， 150（12）：958-967.

[19]PARGALAND S， WHEELER D. Informal regulation of industrial pollution in developing countries [J]. Journal of political economy， 1996， 104（4）：1314-1327.

[20]YU W， RAMANATHAN R， NATH P. Environmental pressures and performance： an analysis of the roles of environmental innovation strategy and marketing capability[J]. Technological forecasting & social change， 2017，117（1）：160-169.

[21]SHARMA S， RUEDAMANZANARES A. The contingent influence of organizational capabilities on proactive environmental strategy in the service sector： an analysis of North American and European ski resorts[J]. Canadian journal of administrative sciences，2007， 24 （4）： 268-283.

[22]GHISETTI C， MARZUCCHI A， MONTRESOR S. The open ecoinnovation mode：an empirical investigation of eleven European countries[J]. Research policy， 2015， 44（5）：1080-1093.

[23]CUNICO E， CIRANI C B S， LOPES E L， et al. Ecoinnovation and technological cooperation in cassava processing companies： structural equation modeling[J]. Revista de administrao， 2016， 52（1）：36-46.

[24]何小鋼，張耀輝.中國工業碳排放影響因素與CKC重組效應——基于STIRPAT模型的分行業動態面板數據實證研究[J].中國工業經濟，2012（1）：26-35.[HE Xiaogang， ZHANG Yaohui. Influence factors and environmental Kuznets Curve relink effect of Chinese industrys carbon dioxide emission：empirical research based on STIRPAT Model with industrial dynamic panel data[J]. China industrial economics， 2012（1）：26-35.]

[25]ZHANG C G， LIN Y. Panel estimation for urbanization， energy consumption and CO2 emissions： a regional analysis in China [J]. Energy policy， 2012， 49（1）：488-498.

[26]GENG Y， ZHAO H Y， LIU Z， et al. Exploring driving factors of energyrelated CO2 emissions in Chinese provinces： a case of Liaoning[J].Energy policy， 2013， 60（6）：820-826.

[27]謝銳，王振國，張彬彬.中國碳排放增長驅動因素及其關鍵路徑研究[J].中國管理科學， 2017，25（10）：119-129.[XIE Rui， WANG Zhenguo， ZHANG Binbin. Study on driving factors and critical supply chain paths of CO2 emissions in China[J]. Chinese journal of management science. 2017， 25 （10）： 119-129.]

[28]ANSELIN L. Spatial effects in econometric practice in environmental and resource economics[J]. American journal of agricultural economics， 2001，83（3）：705-710.

[29]林伯強，黃光曉. 梯度發展模式下中國區域碳排放的演化趨勢[J].金融研究， 2011（12）：35-46. [LIN Boqiang， HUANG Guangxiao. The evolution trend of carbon emission in China under the gradient development mode[J]. Journal of financial research， 2011（12）：35-46.]

[30]馬志云， 劉云.應對氣候變化關鍵技術創新差異的時空格局[J].中國人口·資源與環境， 2017，27（9）：102-111.[MA Zhiyun， LIU Yun. Spatiotemporal patterns of key climate technology innovation differences[J].China population， resources and environment[J]， 2017， 27（9）： 102-111.]

[31]馬大來， 武文麗， 董子銘.中國工業碳排放績效及其影響因素——基于空間面板數據模型的實證研究[J].中國經濟問題， 2017（1）： 121-135. [MA Dalai， WU Wenli， DONG Ziming. Industrial carbon emission performance and its influencing factors in China：based on an empirical study of spatial panel data model[J]. China economic studies，2017（1）：121-135.]

[32]MENG L， HUSNG B. Shaping the relationship between economic development and carbon dioxide emissions at the local level： evidence from spatial econometric models[J]. Environmental & resource economics， 2017（1-2）：1-30.

[33]CHENG Y Q， WANG Z Y， YE X Y， et al. Spatiotemporal dynamics of carbon intensity from energy consumption in China[J]. Journal of geographical science， 2014， 24（4）： 631-650.

[34]肖剛，杜德斌， 戴其文. 中國區域創新差異的時空格局演變[J].科研管理，2016（5）： 42-50.[XIAO Gang， DU Debin， DAI Qiwen. Chinese regional innovation differences in temporal and spatial evolution[J]. Science research management， 2016（5）：42-50.]

[35]王雅楠，趙濤.基于GWR模型中國碳排放空間差異研究[J]. 中國人口·資源與環境， 2016， 26（2）：27-34. [WANG Yanan， ZHAO Tao. A study on spatial differences of Chinese carbon dioxide emission based on GWR Model [J].China population， resources and environment， 2016， 26（2）：27-34.]

[36]李建豹，黃賢金，吳常艷，等.中國省域碳排放影響因素的空間異質性分析[J].經濟地理， 2015， 35（11）：21-28. [LI Jianbao， HUANG Xianjin， WU Changyan， et al. Spatial heterogeneity analysis of the influence factors of carbon emission in Chinese provinces [J]. Geographical research， 2015， 35（11）：21-28.]

[37]付幗， 盧小麗， 武春友. 中國省域綠色創新空間格局演化研究[J]. 中國軟科學， 2016（7）：89-99. [FU Guo，LU Xiaoli，WU Chunyou. Research on spatial pattern evolution of provincial green innovation in China[J]. China soft science， 2016（7）：89-99.]

[38]FERNANDO J， Díaz L， MONTALVO C， et al. A comprehensive review of the evolving and cumulative nature of ecoinnovation in the chemical industry[J]. Journal of cleaner production， 2015， 102（9）：30-43.

[39]PORTER M E. Americas green strategy[J]. Scientific American，1991，264（4）：168.

[40]HURLEY J， BUCKLEY N J， CUFF K， et al. Determinants of ecoinnovations by type of environmental impact： the role of regulatory push/pull， technology push and market pull[J]. ZEW discussion papers， 2011，78（32）：112-122.

[41]彭雪蓉.利益相關者環保導向、生態創新與企業績效[D].杭州：浙江大學，2014. [PENG Xuerong. Stakeholders environmental orientation， ecoinnovation and firm performance [D]. Hangzhou： Zhejiang University，2014.]

[42]CHEN J， CHENG J， DAI S. Regional ecoinnovation in China： an analysis of ecoinnovation levels and influencing factors[J]. Journal of cleaner production， 2017， 153（5）：1-14.

[43]BIAN Y， HE P， XU H. Estimation of potential energy saving and carbon dioxide emission reduction in China based on an extended nonradial DEA approach[J]. Energy policy， 2013， 63（4）：962-971.

[44]ZHAO X， SUN B. The influence of Chinese environmental regulation on corporation innovation and competitiveness[J]. Journal of cleaner production， 2016，112 （4）：1528-1536.

[45]李小平，李小克. 中國工業環境規制強度的行業差異及收斂性研究[J]. 中國人口·資源與環境， 2017，27（10）：1-9.[LI Xiaoping， LI Xiaoke. Study on the differences and convergence of industry environment regulation intensity in China[J]. China population， resources and environment，2017，27（10）：1-9.]

[46]GUO L L， QU Y， TSENG M L. The interaction effects of environmental regulation and technological innovation on regional green growth performance[J]. Journal of cleaner production， 2017，162（1）：894-902.

[47]LESAGE J P， PACE R K. Introduction to spatial econometrics[M]. Boca Raton： CRC Press， 2009.