突破性低碳技術創新與碳排放：直接影響與空間溢出

盧娜 王為東 王淼 張財經 陸華良

摘要 相較于一般水平的低碳技術創新，突破性低碳技術創新能夠更好地滿足低碳轉型要求，避免路徑鎖定。本文在界定并量化突破性低碳技術創新的基礎上，利用2004—2013年中國30個省的空間面板數據，采用動態空間杜賓模型（SDM）實證檢驗突破性低碳技術創新對碳排放的直接影響與空間溢出效應。研究發現：①中國的突破性低碳技術創新活動尚不活躍，主要集中在東部少數幾個經濟發達省份，總體上呈現出東高西低的空間集聚性，且其空間相關性主要由地理位置和經濟關聯予以體現；碳排放則具有顯著的路徑依賴、空間集聚以及對鄰近地區的警示效應，且其空間相關性主要由地理位置和地理距離予以體現。②無論在短期還是長期，突破性低碳技術創新對碳排放均呈現出顯著的抑制作用，但對鄰近地區碳排放的作用不顯著，說明突破性低碳技術創新的碳減排作用仍局限于本地。另外，突破性低碳技術創新對碳排放的長期作用未增強，說明中國現有技術與生產體系還不能容納突破性低碳技術創新，阻礙了其作用的完整發揮。③經濟發展水平對本地和鄰近地區碳排放的短期和長期影響均顯著為正，表明經濟增長與碳排放還未實現脫鉤；本地對外開放程度加強不僅顯著增加了本地碳排放，還會激化鄰近地區招商引資競爭致使其碳排放增加。因此，政府應更加聚焦于突破性低碳技術創新的科技、產業、金融與財稅等系統性政策支持，同時通過構建區域間行政與市場的協調機制，促使突破性低碳技術創新的空間溢出效應得以發揮，進而推動低碳轉型與經濟綠色增長。

關鍵詞 突破性低碳技術創新；碳排放；直接影響；空間溢出；動態空間杜賓模型

中圖分類號 F062.2 文獻標識碼 A 文章編號 1002-2104（2019）05-0030-10 DOI：10.12062/cpre.20190114

氣候變暖是全球面臨的共同挑戰。中國作為碳排放第一大國及經濟體量最大的發展中國家，在積極主動承擔減排責任的過程中也一直在探索實現低碳轉型的有效手段和政策。實踐證明，科學和技術是應對氣候變化的重要手段[1]，應對氣候變化關鍵技術的研究和創新是有效減緩或適應氣候危害的重要途徑[2]。就技術方面而言，不同技術水平的創新對低碳轉型的作用存在差異。漸進增量式的低碳技術創新（incremental lowcarbon technology innovation）很可能并不能使人類從現有高碳水平的技術-經濟-社會系統中脫身，不足以滿足低碳轉型要求，從而需要技術水平更高的低碳創新。突破性低碳技術創新（breakthrough lowcarbon technology innovation）則是改變現有不可持續技術與生產體系，體現更高水平的創新形式。突破性低碳技術創新雖然數量較少，但對未來技術發展影響深遠，其與增量式創新的地位差別類似演藝圈中的“超級明星”與普通演員。太陽能光伏與特斯拉電動車就是突破性低碳技術創新的典型代表，均具有改變整個行業技術軌道的潛力。可見，相對于低水平的增量式低碳技術創新，突破性低碳技術創新對實現低碳轉型、避免路徑鎖定具有重要意義。那么突破性低碳技術創新對中國實現低碳轉型是否發揮了顯著作用，突破性低碳技術是否存在作用滯后與空間溢出效應是非常值得關注的問題。

1 文獻綜述與研究假設

關于碳排放影響因素的識別及其作用研究一直以來都是學界的研究熱點，已識別出的關鍵影響因素主要包括經濟增長、產業結構、能源消費結構和技術創新等[3]。 在這些重要的影響因素中，技術無疑成為應對氣候變化和碳減排的最有效手段[4-5]，但是研究結論存在一定的差異。部分研究結果顯示，技術進步對碳減排作用突出，比如Wang等[6]發現面向無碳技術的創新可以顯著降低CO2排放水平。也有研究結果顯示技術進步對碳減排的作用還未充分發揮，如林善浪等[7]發現技術創新對碳生產率的影響作用未顯現。已有研究或以碳排放強度、碳排放效率間接衡量技術進步，或直接采用專利申請量衡量，較少涉及技術水平層面。Geels等[8]指出，快速、深層次的低碳轉型需要更具突破性的低碳技術創新，以實現對現有的社會技術體系重構。故本文將以突破性低碳技術創新為研究對象，即探討高層次的技術創新對碳排放的作用，研究結論對更準確地認識高水平技術創新對碳排放的影響具有重要指導意義。

盧 娜等：突破性低碳技術創新與碳排放：直接影響與空間溢出

中國人口·資源與環境 2019年 第5期突破性低碳技術創新對碳排放的作用途徑包括：一是技術軌道改變。相較于增量式技術創新，突破性低碳技術創新能夠重新設定技術軌道，并激發一系列后續與相關領域的創新，并形成新的技術與生產體系，促進碳排放的大幅減少[9]。如汽車工業引入電池技術后引發了一系列創新，從而革命性地降低了汽車對化石能源的消耗[10]。二是降低減排成本。新興國家以過度資源消耗和環境污染為代價實現了經濟的快速增長，但面臨的環境問題越發突出，因此更有動力通過技術創新來治理對環境的破壞。如光伏設備制造領域，中國的參與改變了這一新興行業的技術與生產模式，大幅降低了全世界光伏制造成本。碳減排成本的大幅降低會進一步促進碳排放的大幅度減少。因此，提出假說1：突破性低碳技術創新對碳排放具有抑制作用。

一般來說，一項技術創新需要經歷從新思想的產生到技術研發、規模化、商業化的過程，才能完全發揮作用。如上所述，突破性低碳技術創新將引發一系列創新，因此其短期內可能只是在某一市場發揮作用，長期內作用范圍才更加廣泛。因此，提出假說2：突破性低碳技術創新在長期內對碳減排的作用將更加突出。

已有研究證明低碳技術創新對碳排放具有空間溢出效應[11]。與增量式低碳技術創新相比，突破性低碳技術創新因其特有的優勢能夠引發市場的廣泛關注。但只有當突破性低碳技術創新日趨成熟，成本與風險逐漸變小，且進入商業化與擴散階段后才能夠帶來較強的示范效應[12]。因此，提出假說3：突破性低碳技術創新對碳排放的作用不僅限于本地，而且可能影響鄰近地區。

2 突破性低碳技術創新與碳排放核算

2.1 突破性低碳技術創新

衡量技術創新并非易事，迄今尚未找到最連貫、最全面的衡量方法。問卷調查法提供的主要是企業低碳創新戰略方面的定性指標，且易受到被調查者的主觀誤導[13]。R&D投入被認為能夠很好地代表技術創新活動，但私有部門的數據難以獲得。近年來，專利成為技術創新較為流行的替代指標，并且專利數據具有較好的時間連續性，能夠幫助進行定量分析[13]；專利質量則用來衡量技術創新水平[14-15]。國外學者多采用指標體系展開對專利質量的評價研究[16-19]，但截至目前，國際上還尚未出現一個較為完善、統一的專利質量評價指標體系。雖然專利質量評價指標體系不統一，但是學術界普遍認為可依據專利質量的高低將技術創新劃分為增量式技術創新和突破性技術創新兩種。其中，增量式技術創新被定義為現有技術系統的持續提升；突破性技術創新則能激勵新技術軌道的發展，將引起更高層次的系統變化[20]。

關于突破性技術創新的界定標準，已有研究多聚焦于創新的技術重要性[21]，并通過專利的被引次數來判斷[22]。如果專利高被引則代表技術水平高，該專利則屬于高質量級別。然而，該方法最主要的問題是難以準確劃定一般專利與高質量專利之間的分界點，即到底專利被引次數達到多少才能成為高質量專利。已有研究目前多使用外生的固定標準來界定，通常將某一領域被引次數前10%、5%或1%的專利定義為高質量專利[23]。本文參考已有文獻的做法[22]，將每年被引量前1%的專利定義為突破性技術創新，并使用前5%做穩健性檢驗。另外，專利從開始被引到大量被引通常需要5年以上時間[24]，即2013年申請的專利需要依據2018年的被引情況來判斷該專利是否屬于突破性技術創新，因此本文將研究區間定為2004—2013年。由于本文主要檢驗技術創新對碳排放的影響，低碳技術無疑更具直接性和代表性。因此本文的低碳技術創新以2013年美國和英國聯合頒布的CPC（合作專利分類法）中的Y02分類專利申請數來衡量，且僅考慮中國人在國內申請的專利。其中，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。綜上所述，本文將Y02分類中專利被引次數前1%的專利定義為突破性低碳技術創新。

2.2 碳排放核算

本文采用IPCC提供的排放系數法核算各省能源消費碳排放量，計算公式如式1所示。

C=1244×（∑En×αn×βn）

（1）

式中，C指碳排放量，單位萬t；En表示第n種能源終端消費量，能源種類包括原煤、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、天然氣的單位為108 m3，其他能源為萬t；αn表示第n種能源的折標煤系數；βn表示第n種能源的CO2排放系數，單位萬t/tce。

3 模型設定、指標選取與數據說明

3.1 空間自相關檢驗

考慮到區域之間碳排放的流動性以及技術創新的擴散性，一個地區的碳排放水平可能受到鄰近地區碳排放的影響，因此普通計量模型可能存在偏差。在選擇普通面板模型或空間計量模型之前需要對被解釋變量和核心解釋變量進行空間自相關檢驗。本文采用常用的全局和局部Morans I 來分別驗證碳排放（C）和突破性低碳技術創新（BI）的空間相關性。本文構建了以下三種空間權重矩陣：第一種為最為常見的二進制鄰接權重矩陣（W1），即地區相鄰為1，不相鄰為0；第二種為地理距離權重矩陣（W2），權重值以兩個地區省會最近公路里程的倒數表示；第三種為經濟距離權重矩陣（W3），權重值以兩個地區人均GDP年均值差值絕對數的倒數表示。

全局Morans I的計算公式為：

I=[n∑ni=1∑nj=1wij（ci-c—）（cj-c—）]/[∑ni=1∑nj=1wij（ci-c—）2]

其中，n表示30個省，wij是空間權重矩陣，c和c—分別是碳排放量和碳排放均值。全局空間相關性檢驗結果（見表1）。

在W1空間權重矩陣下，碳排放和突破性低碳技術創新的全局Morans I均大于零，且能通過5%水平的顯著性檢驗。但在W2空間權重下，僅有碳排放的全局Morans I能夠通過5%顯著性水平檢驗；在W3空間權重下，僅有突破性低碳技術創新的全局Morans I顯著。以上說明碳排放的空間相關性目前仍只是地理位置和地理距離的空間關聯予以體現，而突破性低碳技術創新的空間相關性還和地區經濟發展密切關聯。鑒于碳排放和突破性低碳技術創新均在鄰接空間權重（W1）下空間相關性顯著，后文的局部空間相關性及空間計量分析僅考慮W1空間權重條件下的結果。

碳排放和突破性低碳技術創新的局部空間相關性采用Morans I散點圖驗證。局部Morans I計算公式為：Ii=[（ci-c—）/S2]×∑j≠iwij（ci-c—），其中S2=[∑i（ci-c—）2]/n。限于篇幅，僅選擇2013年報告，結果見圖1所示。散點圖的橫坐標分別表示標準化后的碳排放和突破性低碳技術創新值，縱坐標是兩個變量的空間滯后值。2004—2013年碳排放與突破性低碳技術創新的局部空間相關性變化特征如下：①趨勢線均位于一三象限，說明碳排放與突破性低碳技術創新局部空間正相關。②碳排放與突破性低碳技術創新各象限省份及數量變化差異較大，其中突破性低碳技術創新尤為突出。碳排放的HH集聚區中省份數量呈下降趨勢，2013年為7個，主要保留省份包括東部沿海省份（河北、山東和江蘇）、內陸能源大省（山西、內蒙古）、重工業省份（遼寧），以及河南；LL集聚區省份數量呈增長趨勢，2013年增長至14個，仍以西部省份為主，浙江、福建等一些東部省份逐漸進入。突破性低碳技術創新的HH集聚區中省份數量顯著增加，由2個增長至6個，主要集中了經濟較為發達的上海、江蘇、浙江、山東、安徽和湖南；LL集聚區由20個降低至14個省，仍以西部省份為主，進一步驗證了突破性低碳技術創新的空間關聯不僅與地區間的地理位置相關，還和地區經濟發展密切相關。

3.2 空間計量模型設定

鑒于STIRPAT模型是環境污染影響因素研究的基本理論框架，本文采用該模型探討突破性低碳技術創新對碳排放的影響。STIRPAT模型的一般形式為Iit=aPbitAcitTdite，其中I、P、A和T分別表示環境影響、人口規模、人均財富和技術水平，e為誤差項。由于STIRPAT模型允許對影響因子進行分解和改進[26]，本文將遵從EKC經典假說理論進一步對其進行擴充。為了消除異方差，對部分變量采取了取對數處理。

變量間的空間依存關系不但體現在當期地區間的相互影響，而且由于變量變化具有一定的時間慣性，本期還可能受到上一期變量的影響[26]。因此，區域間的碳排放可能具有時間上的動態空間依存關系。另外，空間杜賓模型（SDM）是空間滯后模型（SAR）和空間誤差模型（SEM）的一般形式。因此，本文將構建動態空間杜賓模型（Dynamic Spatial Durbin Model）來驗證突破性低碳技術創新對碳排放的直接影響和空間溢出效應。模型如式2所示：

lnCi，t=a+φlnCi，t-1+λ（WlnCi，t）+θ（WlnCi，t-1）+ρ1BIi，t+ρ2（WBIi，t）+δXi，t+μi+νt+εi，t

（2）

式中，i代表省；t代表時間；C代表碳排放；BI表示突破性低碳技術創新；X表示其他控制變量；ρ1和δ表示各自變量估計系數；μi和υt分別表示空間效應和時間效應；ε為殘差項；W為空間權重矩陣；a表示常數項；φ為滯后一期回歸系數，表示前一期碳排放對本期的影響；λ為空間滯后系數，反映了本地區碳排放對鄰近地區的影響；θ為時空滯后系數，表示本地上一期碳排放對鄰近地區本期的影響；ρ2表示突破性低碳技術創新的空間滯后系數，反映了本地區突破性低碳技術創新對鄰近地區碳排放的影響，如果該系數顯著為正，說明本地區的突破性低碳技術創新促進了鄰近地區的碳排放，顯著為負則說明本地區的突破性低碳技術創新抑制了鄰近地區的碳排放，系數不顯著說明沒有影響。當φ=0時，為靜態空間面板模型；當φ=λ=ρ2=0時，為普通面板模型。

3.3 指標選取

（1）碳排放（C）：被解釋變量。由碳排放系數法計算得到，并采用各省碳排放量的對數表征低碳發展水平。

（2）突破性低碳技術創新（BI）：核心解釋變量。將每年每個低碳技術領域被引量前1%的專利定義為突破性低碳技術創新，并對六個領域加總后獲得每個省每年的突破性低碳技術創新數量。

（3）控制變量（X）。在參考已有文獻基礎上，選取了經濟增長、城鎮化率、產業結構、對外開放和環境規制五個變量作為控制變量：①經濟發展水平（PGDP）：選取各地區的人均GDP來衡量并取對數。參考已有研究[27]，本文認為中國現階段規模效應仍是碳排放的主導因素，故預計該變量對碳排放仍然具有促進作用。②城鎮化水平（UR）：選用城鎮人口占地區總人口的比重來表示。理論上，城鎮人口增加的規模效應造成碳排放量增長，而產生的集聚效應反而會抑制碳排放增長。結合中國目前所處的城鎮化階段特征，預期其系數為正。③產業結構（IS）：采用第二產業產值占地區生產總值的比重來表示。二產的化石燃料燃燒是碳排放最主要的來源，工業化進程的加快造成工

圖1 碳排放與突破性低碳技術創新局部Morans I散點圖

注：1-北京，2-天津，3-河北，4-山西，5-內蒙古，6-遼寧，7-吉林，8-黑龍江，9-上海，10-江蘇，11-浙江，12-安徽，13-福建，14-江西，15-山東，16-河南，17-湖北，18-湖南，19-廣東，20-廣西，21-海南，22-重慶，23-四川，24-貴州，25-云南，26-陜西，27-甘肅，28-青海，29-寧夏，30-新疆。

業部門能耗遠高于其他產業，故預期該變量系數為正。④對外開放（FDI）：使用各地區實際利用外商直接投資占GDP比重來反映對外開放程度。現有研究關于外商直接投資對本國環境質量的影響存在兩種觀點：“污染避難所”假說認為外商直接投資會通過高污染產業向東道國的轉移而惡化其環境[28]；“污染暈輪”假說認為外資能夠帶來先進的生產技術和治理經驗，從而提高其環境質量[29]。⑤環境規制（ER）：以環境污染治理投資占GDP比重反映政府污染治理的努力，投資額越高越有利于環境的改善，因此預期其系數為負。所有變量描述性統計見表2所示。

3.4 數據來源與處理

本文以2004—2013年為研究區間，30個省為研究對象（因西藏及港澳臺數據缺失，不予以考慮）。各省份的Y02專利數據來自incopat專利數據庫；能源消費、折標煤系數以及碳排放系數來源于《中國能源統計年鑒》；社會經濟數據均來源于《中國統計年鑒》。為了統一貨幣單位，采用當年人民幣兌美元的年平均匯率將FDI換算為人民幣；為了消除價格波動影響，經濟變量以2004年為基期做了不變價處理。

4 實證結果與分析

4.1 突破性低碳技術創新與碳排放的空間效應

4.1.1 空間計量模型選擇檢驗

前文的全局Morans I檢驗結果顯示，碳排放與突破性低碳技術創新存在空間相關性，佐證了模型設定應考慮變量的空間相關性，故本文將采用空間計量模型對兩者之間的關系進行檢驗。此外，在確定模型之前還需要做以下檢驗：首先，普通面板數據模型（OLS）回歸殘差的空間自相關檢驗顯示，LMlag、Robust LMlag和LMerror、Robust LMerror的p統計值在5%顯著性水平下均拒絕原假設，進一步佐證構建空間計量模型比較合理；為了保證模型的估計結果更具穩健性，接著進行LR檢驗，結果顯示SAR和SEM模型的LR值均通過了1%顯著性水平檢驗，說明SDM模型不可退化為SAR或SEM模型；最后，采用Hausman檢驗判斷選擇固定效應或隨機效應，檢驗結果表明在1%顯著性水平下拒絕原假設，固定效應模型優于隨機效應。檢驗過程結果見表3所示。

4.1.2 空間計量模型結果

根據前文所構建的動態空間杜賓模型（式2），采用極大似然估計法估計2004—2013年中國突破性低碳技術創新對碳排放的影響，估計結果見表4所示。為了對比，表4還列出了面板數據最小二乘估計（列1）、靜態空間杜賓模型固定效應（列2）、動態空間杜賓模型時間固定效應（列3）、動態空間杜賓模型空間固定效應（列4）和動態空間杜賓模型時空固定效應（列5）的估計結果。由表4的估計結果可知，被解釋變量的時間滯后項（Ct-1）、空間滯后項（W×C）和時空滯后項（W×Ct-1）系數均通過5%顯著性水平檢驗；并且依據以下五個模型的調整R2值和自然對數似然函數值（LogL）的大小，以及解釋變量估計系數的經濟學含義，顯然動態空間杜賓模型時空固定效應更合適。故下文主要針對動態空間杜賓模型的時空固定效應結果進行分析。

表4中動態空間杜賓模型時空固定效應的估計結果顯示：①從時間維度上看，滯后一期碳排放（Ct-1）的回歸系數通過了1%顯著性水平檢驗，且為正，說明中國省域碳排放存在顯著的“時間慣性”，具有一定的路徑依賴特征，即當期碳排放量處于較高水平，那么下一期碳排放水平可能繼續增高，表現出一定的“雪球效應”。原因可能是一些經濟政策的調整，如產業結構優化、人口集聚、技術進步等其調整本身就具有時間上的滯后性[30]，從而引起碳排放的變化也隨之滯后。②從空間維度上看，碳排放的空間滯后系數（W×C）在鄰接地理空間權重下顯著為正，說明中國省域碳排放在鄰接地區存在顯著的空間集聚性，與全局空間自相關檢驗結果一致。在大氣自然流動以及相鄰區域間緊密的產業轉移和貿易往來的雙重驅動下，本地區的碳排放與鄰近地區的碳排放水平密切相關。③從時空雙維度上看，碳排放的時空滯后系數（W×Ct-1）顯著為負，表明本地區上一期較高的碳排放反而對鄰近地區本期的碳排放具有抑制作用。可能的原因是面對本地的高碳排放，鄰近地區政府在來自公眾、環保部門等各方壓力下可能會采取積極的措施應對碳排放，即本地區對鄰近地區的“警示效應”發揮作用。

突破性低碳技術創新（BI）的系數為負，且通過1%顯著性水平檢驗，說明突破性低碳技術創新對本地碳排放發揮了抑制作用。表明通過聚焦于重點產業領域與關鍵技術的研發，中國技術創新驅動低碳轉型的戰略取得了初步成效，并為未來實現碳減排目標奠定了較為堅實的技術基礎。突破性低碳技術創新的空間滯后項系數（W×BI）為正，但未通過顯著性檢驗。可能原因包括，一是區域間突破性低碳技術創新活動聯系不夠緊密，共同推動突破性低碳技術創新發展的機制尚未形成；二是就技術成熟度而言，中國突破性低碳技術總體上可能仍然處于前商業化階段或是商業化前期，導致其作用還主要限于本地，未能顯著擴散到鄰近區域。

4.2 突破性低碳技術創新對碳排放的空間效應分解

當存在空間溢出效應時，某個解釋變量的變化不僅會影響本地區的被解釋變量，同時也會影響鄰近地區的被解釋變量，并通過反饋效應反過來影響本地區。因此前文的估計系數還不夠嚴謹，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。根據Lesage & Pace 的理論，本文進一步將各影響因素對碳排放的影響分解為直接效應和間接效應[31]。直接效應指的是某因素變動對本地區碳排放的影響，其中包含反饋效應，但是由于其數值較小，一般可以忽略；間接效應指的是本地某因素的變化對鄰近地區碳排放產生影響，即為某影響因素的空間溢出效應。由于本文采用的是動態空間杜賓模型，在時間維度上，直接效應和間接效應又可以分為短期效應和長期效應，分別反映了各因素對碳排放的短期即時影響和考慮時間滯后的長期影響。各因素的影響效應分解結果見表5所示。

通過表5各影響因素的效應分解結果可知：無論直接效應還是間接效應，大部分長期效應的影響系數絕對值均大于短期效應，從而說明各因素對碳排放具有更深遠的長期影響。突破性低碳技術創新在短期和長期內對本地碳排放的影響方向一致，均為負值，從而驗證了假說1。無論短期還是長期，直接效應系數均為-0.005，且均通過1%顯著性水平檢驗，長期作用程度未明顯加強，未驗證假說2。可見，中國突破性低碳技術創新活動顯示出正向“學習效應”[32]，不僅能夠治理當前低碳發展迫切需要解決的技術問題，而且有助于豐富突破性低碳技術在新技術軌道之上的知識儲備，提升持續解決碳排放問題的“吸收能力”。長期抑制碳排放的作用未加強的原因可能是中國現有的低碳技術與生產體系仍以增量提升為主，整體上接受并應用具有革命性的突破性低碳技術創新的時間還不足，導致其作用不能增強發揮。與此同時，突破性低碳技術創新對碳排放的間接效應在短期和長期均為正，但不顯著，未驗證假說3。表明突破性低碳技術創新對碳排放產生影響的時空范圍目前還主要限于本地，區域聯動水平不足可能是阻礙突破性低碳技術創新充分發揮作用的原因。

其他控制變量中：①經濟發展水平（lnGDP）無論在短期還是長期條件下，對本地碳排放的直接效應均為正值且顯著，短期和長期對碳排放的直接效應分別是0.843和0.894，表明隨著時間推移，經濟發展對碳排放的推動作用仍在加強，還未到達轉向抑制作用的拐點。說明中國的經濟增長長期以來仍是以犧牲環境為代價的粗放式發展方式，因此向綠色低碳發展模式轉變極為迫切。經濟發展對碳排放的短期和長期間接效應均為正值，分別是2.303和2.263，且均通過顯著性水平檢驗，說明本地的經濟發展推動了鄰近地區的碳排放增長。可能的原因是本地經濟增長加強了鄰近地區地方政府的競爭意識，經濟增長對環境的影響產生了“向底線競爭”的行為，從而造成鄰近地區碳排放的增長。②城鎮化發展水平（UR）的短期、長期直接效應均為正，分別是3.286和3.969，表明城鎮化水平推動碳排放增長。說明中國城鎮化發展模式仍屬于以基建為主的表面城鎮化，對能源的大規模消耗增加了碳排放量，因此向以人為本的高質量新型城鎮化轉變是解決此問題的關鍵。城鎮化的短期、長期間接效應均為負，但是不顯著。說明城鎮化發展可能存在爭奪資源的現象。③產業結構（IS）對本地的長期和短期效應為正，對鄰近地區的效應卻為負。從中國工業化進程看，本地第二產業比重的提高可能是周邊地區高耗能產業轉移或不利的貿易分工實現的，在這一過程中，“碳泄漏”現象的存在使得本地碳排放增長，而鄰近地區碳排放相對減少。④對外開放（FDI）長期、短期條件下對碳排放的直接效應顯著為正，分別是0.089和0.098，說明通過外商直接投資向本地轉移了高排放、高污染的非環境友好型產業，本地成為“環境污染避難所”。本地外商直接投資比重的提高對鄰近地區同樣具有正效應，可能的原因是鄰近地區一味追求外商投資的規模，而忽視了對其的綠色發展要求，從而間接增加了鄰近地區碳排放。⑤環境規制對碳排放的直接效應和間接效應均不顯著。長期、短期直接效應均是負值，說明環境污染治理投資比重提高能夠抑制本地碳排放增長；但是對鄰近地區具有推動作用，導致出現環境規制的“綠色悖論”現象，可能的原因是環境規制的“非完全執行”和“逐底競爭”[33]。

5 穩健性檢驗

突破性低碳技術創新作為核心解釋變量，其指標的選取對驗證理論假設至關重要。前文主要以專利被引前1%為標準界定了突破性低碳技術創新。接下來借鑒已有做法[24]，選取專利被引的前5%作為突破性低碳技術創新的代表指標，進一步對突破性低碳技術創新對碳排放的影響進行穩健性檢驗。

為節約篇幅，表6中的穩健性檢驗僅呈列出空間效應的分解結果。結果顯示，突破性低碳技術創新的長期和短期直接效應均為負，且通過1%顯著性水平檢驗，作用程度些許降低，表明突破性低碳技術創新對本地區的碳排放具有抑制作用；但其長期和短期的間接效應轉變為負值，仍未通過顯著性檢驗。該核心解釋變量對碳排放的長期以及短期的直接效應、間接效應與之前結果基本相同。其他控制變量的系數符號與表5基本一致，說明核心解釋變量的指標變化并未改變上文的研究結論，研究結果是穩健的。

6 結論與政策建議

本文在篩選出突破性低碳技術創新的基礎上，應用2004—2013年的中國省域面板數據，采用動態空間杜賓模型實證檢驗了突破性低碳技術創新對碳排放的直接影響和空間溢出效應。研究結論如下：

①樣本期內，中國的碳排放在時間維度上存在路徑依賴特征；空間維度上具有集聚性，主要由地理位置和地理距離予以體現；時空維度上，對鄰近地區下一期碳排放具有抑制作用。突破性低碳技術創新在省域間也表現出較強的空間集聚性，主要由地理位置和經濟發展予以體現；創新水平總體上表現出東高西低的分布格局。②無論短期還是長期，突破性低碳技術創新對本地區碳排放的直接效應均為負，表明其對本地碳排放具有持續的抑制作用，但長期內作用程度還未呈現出加強趨勢；對鄰近地區的間接效應均為正，但不顯著，表明中國突破性低碳技術的空間溢出效應還未顯現，還存在空間上的局限性。③快速的經濟增長和城鎮化，以及質量不高的外商直接投資等共同導致中國碳排放增長；二產比重提高的產業結構造成本地碳排放增長，但是高耗能產業的轉出卻使得鄰近地區碳排放大幅度減少，從而該效應總體為負；雖然環境規制對本地表現出一定的抑制作用，但對鄰近地區更高水平的推進作用使得其對碳排放的總體效應仍為正。

以上研究結論得出的政策建議如下：①碳排放時間上的路徑依賴特征要求碳減排工作常抓不懈，空間上的集聚特征要求區域間協同治理；時空上的警示效應暗示中央政府可通過“抓典型”的方式有效減排。②突破性低碳技術創新對本地區碳減排的顯著作用，說明支持低碳技術創新的科技政策重心應該進一步下沉到具有深遠影響力的技術上，科學評估、鑒別潛在的突破性低碳技術，持續加大這些技術從實驗室到商業化之間“死亡谷”這一階段的資金支持力度，并通過稅收豁免或補貼等行政手段培育本地市場。③要使突破性低碳技術創新充分發揮空間溢出效應，亟需構建區間聯動機制：一方面進一步發揮技術推動的作用，組建中央政府協調下的區域間研發聯盟，梳理低碳轉型面臨的重大技術難題，構建重大課題庫，協同區域間經費、技術與人才交流；另一方面則需充分運用市場拉動的力量，進一步放開區域間低碳產業與市場，為突破性低碳技術的規模化與商業化打開更為廣闊的空間，促進突破性低碳技術盡早走向成熟。此外，地方政府應注重以突破性低碳技術創新為重要突破口，采取區域聯動的方式，協調碳泄漏、招商引資門檻在內的各項環境政策與措施，共同推動低碳轉型，早日實現經濟增長與碳排放脫鉤。

（編輯：劉照勝）

參考文獻

[1]LORENZONI I， NICHOLSONCOLE S， WHITMARSH L. Barriers perceived to engaging with climate change among the UK public and their policy implications [J]. Global environmental change， 2007，17（3）：445-459.

[2]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.

[3]魯萬波，仇婷婷，杜磊.中國不同經濟增長階段碳排放影響因素研究[J].經濟研究，2013（4）：106-118.

[4]DING W， GILLI M， MAZZANTI M， et al. Green inventions and greenhouse gas emission dynamics： a close examination of provincial Italian data[J]. Environmental economics & policy studies，2016，18（2）：1-17.

[5]ZHOU P， ANG B W， HAN J Y. Total factor carbon emission performance： a Malmquist index analysis[J]. Energy economics， 2010，32（1）：194-201.

[6]WANG Z， YANG Z， ZHANG Y， et al. Energy technology patents-CO2， emissions nexus： an empirical analysis from China[J]. Energy policy， 2012， 42（2）：248-260.

[7]林善浪，張作雄，劉國平.技術創新、空間集聚與區域碳生產率[J]. 中國人口·資源與環境，2013，23（5）：36-45.

[8]GEELS F W， SOVACOOL B K， SCHWANEN T， et al. Sociotechnical transitions for deep decarbonization[J]. Science， 2017， 357（6357）：1242.

[9]LPEZ F J D， MONTALVO C. A comprehensive review of the evolving and cumulative nature of ecoinnovation in the chemical industry[J]. Journal of cleaner production，2015，102：30-43.

[10]CUNICO E， CIRANI C B S， LOPES E L， et al. Ecoinnovation and technological cooperation in Cassava processing companies： structual equation modeling[J]. Revista de administrao，2017，52（1）：36-46.

[11]王為東，盧娜，張財經. 空間溢出效應視角下低碳技術創新對氣候變化的響應[J]. 中國人口·資源與環境，2018，28（8）：22-30.

[12]POLZIN F. Mobilizing private finance for lowcarbon innovation： a systematic review of barriers and solutions[J].Renewable & sustainable energy reviews， 2017， 77：525-535.

[13]VALERIA C， FRANCESCO C， ALESSANDRO P. Characterizing the policy mix and its impact on ecoinnovation in energyefficient technologies[J]. Research policy， 2017， 46（ 4）： 799-819.

[14]ACS Z J，ANSELN L，VARGA A. Patents and innovation counts as measures of regional production of new knowledge[J].Research policy，2002，31（7）：1069-1085.

[15]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.

[16]LANJOUW J O， SCHANKERMAN M. Patent quality and research productivity： measuring innovation with multiple indicators[J].The economic journal，2004，495（114）：441-465.

[17]YUEH L. Patent laws and innovation in China[J]. International review of law and economics，2009，29（4）：304-313.

[18]VAN ZEEBROECK N. The puzzle of patent value indicators[J].Economics of innovation and new technology，2010，20（1）：33-62.

[19]WANG Y H， TRAPPEY A J， LIU B P， et al. Develop an integrated patent quality matrix for investigating the competitive features among multiple competitive patent pools[R]. Hsinchu： 2014 IEEE 18th International Conference on Computer Supported Cooperative Work in Design （CSCWD），2014.

[20]LEONIDOU L C， LEONIDOU C N， FOTIADIS T A， et al. Dynamic capabilities driving an ecobased advantage and performance in global hotel chains： the moderating effect of international strategy[J]. Tourism management， 2015（50）： 268-280.

[21]AHUJA G， LAMPERT C M. Entrepreneurship in the large corporation： a longitudinal study of how established firms create breakthrough inventions[J]. Strategic management journal，2001，22（6/7）：521-543.

[22]TRAJTENBERG M. A penny for your quotes： patent citations and the value of innovations[J]. Rand journal of economics， 1990， 21（1）：172-187.

[23]CASTALDI C， FRENKEN K， LOS B. Related variety， unrelated variety and technological breakthroughs： an analysis of US statelevel patenting[J]. Regional studies， 2015，49（5）：767-781.

[24]萬小麗. 專利質量指標中“被引次數”的深度剖析[J].情報科學，2014，32（1）：68-73.

[25]SHAO S， YANG L， YU M， et al. Estimation， characteristics， and determinants of energyrelated industrial CO2 emissions in Shanghai（China）， 1994-2009[J]. Energy policy， 2011，39（10）：6476-6494.

[26]ELHORST J P. Dynamic spatial panels： models， methods and inferences[J]. Journal of geographical system， 2012， 14（1）：5-18.

[27]鄧曉蘭，鄢哲明，武永義.碳排放與經濟發展服從倒U型曲線關系嗎——對環境庫茲涅茲曲線假說的重新解讀[J].財貿經濟，2014（2）：19-29.

[28]COLE M A， ELLIOT R J R. Endogenous pollution haven： does FDI influence environmental regulation？ [J]. Scandinavian jouranl of economics， 2006，108：157-178.

[29]ANTWEILER， COPELAND B， TAYLOR M. Is free trade good for the environment？[J]. American economic review， 2001，91（4）：877-908.

[30]邵帥，李欣，曹建華，等.中國霧霾污染治理的經濟政策選擇——基于空間溢出效應視角[J].經濟研究，2016（9）：73-88.

[31]LESAGE J P， PACE P K. Introduce to spatial econometrics[M]. Boca Raton： Taylor & Francis， 2009.

[32]STETTNER U， LAVIE D. Ambidexterity under scrutiny： exploration and exploitation via internal organization， alliances， and acquisitions[J]. Strategic management journal， 2015， 35（13）：1903-1929.

[33]張華.“綠色悖論”之謎：地方政府競爭視角的解讀[J].財經研究，2014，40（12）：114-127.