綠色創新是否適應氣候變化：中國專利和GHG排放數據的實證

張意翔 成金華 徐卓程

摘要 氣候變化是全球面臨的最大環境挑戰，中國根據自身發展的實際情況提出力爭在2030年前達到碳高峰，努力爭取在2060年前實現碳中和，要想實現該目標就必須減少包含二氧化碳在內的溫室氣體排放量。考慮到我國經濟和能源系統所具有的高碳化特征，綠色創新驅動被認為是實現碳中和目標的重要途徑之一，也是我國主動適應氣候變化的主要措施之一。現有研究主要分析綠色創新對氣候變化的影響，很少研究綠色創新是否適應氣候變化的要求。本文基于2000—2017年我國30個省級行政單位的綠色技術專利與GHG數據，通過Logistic模型、負二項式固定效應回歸及自回歸分布滯后等模型分析了綠色創新對氣候變化的適應程度，該適應程度用氣候變化對綠色創新的影響程度表示，兩者成正相關關系。研究發現：①氣候變化會誘導綠色創新，但誘發效應較小。盡管CO2EG的影響最大，但也只有0.3%左右。②不同GHG排放源對綠色創新的影響程度不同，天然氣和煤炭消費產生的碳排放與之成正比，石油和其他GHG與之成反比。③區域碳排放水平與綠色技術創新效應成正比。④不同來源的投資對綠色技術專利數量的影響具有異質性，私人投資比政府投資更能提升綠色創新的適應程度。最后，從以下幾個方面提出了提高綠色創新對氣候變化適應程度的若干建議：①中央政府應通過減稅和補貼等手段刺激地方政府進行綠色創新投資;②實行差異化行業創新政策，更加致力于促進旨在減少煤和天然氣碳排放的技術研發;③加大新能源投資;④刺激私人投資，完善投資結構，把有限的私人投資投入到能源和電信等行業，提高私人公共投資的創新效率。

關鍵詞 氣候變化;專利;創新;CO2排放;GHG排放

在2030年前達到碳高峰和2060年前實現碳中和是習近平總書記根據中國實際情況提出的碳減排目標，要想實現該目標就必須減少包含CO2在內的溫室氣體（GHG）排放。盡管調整結構和技術創新被認為是減排的有效途徑，但在經濟結構、能源結構具有高排放特點情況下，充分發揮綠色創新效應就顯得尤為重要[1]。為減少溫室氣體排放，中國政府不斷加強綠色創新[2]。盡管推廣綠色創新政策降低了溫室氣體排放量，但排放總量的不斷增多說明政府政策并沒有充分適應氣候變化[3]。這就說明有必要研究中國綠色創新對溫室氣體排放的適應程度。

綠色創新作為適應氣候變化挑戰的手段備受學者們關注，他們均認為綠色創新能有效減少溫室氣體[4-12]，但這些研究在分析創新與氣候變化關系時主要分析綠色創新對氣候變化的影響，很少研究綠色創新是否適應氣候變化。Lee等[4]發現盡管綠色創新會減少溫室氣體排放量但并沒有達到氣候變化產生的減排要求，這種現象在欠發達國家尤為明顯。他們認為要想真正發揮綠色創新的溫室氣體減排效應就必須通過增強綠色創新能力來提高綠色創新適應氣候變化的變化程度;蔣佳妮等[7]、王為東等[8]認為盡管綠色創新提高了中國溫室氣體減排效率，但仍未滿足氣候變化產生的減排需求;張意翔等[9]認為中國綠色創新對氣候變化的低適應程度不僅使中國總體生態績效水平較低還產生了區域生態績效差異;Lorente等[10]認為可根據氣候變化特點來調整綠色創新投資規模和方向以提高綠色創新對氣候變化的適應程度;王兵等[11]、陳超凡[12]則認為中國需要根據經濟發展模式變化通過增加R&D投入等途徑不斷提高綠色創新能力來提高綠色創新對溫室氣體排放的適應程度。可見，要想充分發揮中國綠色創新的減排效應，就需要通過分析綠色創新對氣候變化的適應機制和影響因素來提高中國綠色創新對溫室氣體排放的適應程度。

本文試圖從以下方面對現有文獻進行完善：首先，通過檢驗氣候變化指標對不同綠色專利的影響來研究綠色創新對氣候變化適應程度的整體特征;其次，分析不同來源與不同規模的溫室氣體排放對綠色創新影響的異質性來檢驗綠色創新對氣候變化適應程度的變化特征;最后，通過比較私人公共投資對不同行業綠色創新的影響來檢驗私人公共投資對綠色創新的作用機制。本文不僅能夠在一定程度上擴展綠色創新效應的研究視野，探尋更能有效緩解氣候變化的綠色創新模式，還有利于完善減排的政策制定體系。

1 變量、模型設定與數據來源

本文主要分析綠色創新與氣候變化的聯系。綠色創新是指綠色創新能力，使用綠色技術專利表示，兩者是正相關關系[10]。

1.1 變量

自變量包括地區天然氣、煤以及石油燃燒每年產生的CO2排放量、投資虛擬變量、人均GDP以及其他GHG氣體排放量;因變量是指地區參與開發綠色技術專利的可能性。

1.1.1 自變量

氣候變化用CO2和其他GHG排放表示。由于氣候變化問題的復雜性，還沒有單一指數或衡量標準能夠表示氣候變化的全部影響。因此，選擇CO2代表氣候變化，由CO2EG、CO2EL和CO2ES構成。CO2EG、CO2EL和CO2ES分別表示使用天然氣、石油和煤時產生的CO2。OGHGE是指除CO2外的其他GHG的排放水平。GHG和CO2的數據單位均為萬t 。

GDPpc采用地區人均GDP，控制經濟和人口規模的影響。GDPpc和投資以元為單位。

投資虛擬變量反映政府投資政策對綠色技術專利的影響。包括：①dumIEG表示對私人參與的能源項目的政府投資。②dumITC變量表示私人參與的電信項目中的政府投資。涵蓋的項目類型與dumIEG變量一致。③dumITP表明私人參與的交通項目的政府投資。④dumIWS代表私人參與的水和衛生項目政府投資。這四種投資項目類型虛擬變量指資本消耗、新建項目和資產剝離的運營管理合同。

需要進一步說明的是，CO2ET是一個按2000—2017年間的CO2 總排放量對各地區進行分組的分類變量。該變量的值為1～5，其中：1表示大于9億t CO2 排放量的地區，2代表該地區CO2 排放量超過6億t 但不超過8億t ，3表示該地區CO2 排放量超過4億t 但小于6億t，4表示該地區CO2 排放量超過2億t 伹小于4億t，5表示該地區CO2 排放量小于2億t 。

1.1.2 因變量

專利數量用Y02表示，共5個，包括Y02B、Y02C、Y02E、Y02T和AllY02。其中：Y02B涉及與建筑物有關的氣候緩解技術，Y02C包括氣體或液體的貯藏或分配及制冷氣體的液化和GHG氣體固化等技術，Y02E涉及電力發電、變電、配電及燃燒設備與技術等技術，Y02T涵蓋與輸送、包裝、存貯、搬運相關的技術。這些變量通過地區專利數量加總而成。前四個變量代表了四個Y02的國際專利分類IPC類別中每一個專利總數，AllY02是前四個的加總。

四個二元虛擬因變量（dumY02B、dumY02C、dumY02E和dumY02T）表明某地區是否正在開發上述四個Y02類別中任何一項技術并申請專利，存在為1，否則為0。

1.2 基本模型

為理解氣候變化與綠色創新關系，采用三階段計量方法：模型1采用二元Logistic固定效應回歸估計溫室氣體排放對技術專利數量的邊際影響;模型2采用無條件負二項式固定效應估計來研究溫室氣體排放如何影響綠色技術專利數量并控制地區間的影響程度，同時采用隨機效應估計不同溫室氣體排放量的影響;通過控制可能存在偏差估計的時間變化遺漏變量使用自回歸分布滯后模型進行穩健性分析。

1.2.1 二元Logistic固定效應回歸

Logistic模型旨在分析地區進行發明和申請新綠色技術專利的可能性，公式如下：

其中，DY02it是二進制變量，如果i地區在t年至少存在一個綠色技術的專利（Y02），則其值為1，否則為零。P（DY02it=1）被稱為“專利傾向”[12]，指地區參與開發和申請氣候變化技術專利（Y02）的可能性。CO2EGit、CO2ELit和CO2ESit分別表示i地區在第t年的天然氣、液體和煤產生的CO2排放量。OGHGEit是i地區第t年其他GHG排放的變量。GDPpcit是控制變量，表示i地區第t年的人均GDP。Ct表示為控制年份間差異而添加的虛擬二進制變量，εit是誤差項。Logistic二元回歸在專利分析中非常普遍，其中輸出變量是二進制[13]。

1.2.2 無條件負二項式固定效應模型

為分析綠色技術專利數量對氣候變化的適應程度，本文使用以下標準線性模型。

其中，Y02it代表五個Y02變量（Y02B、Y02C、Y02E、Y02T和AllY02），CO2EGit、CO2ELit、CO2ESit、OGHGEit、GDPpcit、Ct和εit變量與模型1一致。由于變量Y02過度離散，因此選擇負二項式回歸而不是更普遍的泊松回歸來估計模型。除了Y02C（約為70%）外，每個Y02數據中零分布是非常合理的。將模型調整為非線性指數函數形式，則yit的條件均值是：

最常用的固定效應負二項式回歸方法并不符合真正的固定效應估計[14]。Hausman等[15]提出可使用分散參數的特定個體變化，但它不能控制時間不變的協整變量。Allison等[16]認為無條件負二項式固定效應模型和負二項隨機效應模型三種替代解決方案可解決該問題。

1.2.3 穩健性檢驗

使用標準線性自回歸分布滯后模型（auto regressive distributed lag，ARDL）進行穩健性檢驗，并作為分析氣候創新滯后效應的擴展，該模型如下：

Y02it表示五項綠色技術專利中的一項;CO2EGit、CO2ELit和CO2ESit的含義與上文相同。i和t分別代表給定地區和年份。另外，使用廣義矩量法（generdized method and moments，GMM）估計上述ARDL。類似地，由于因變量是非連續和正相關，因此乘法分布滯后指數模型相比線性模型更適用。這里將不對模型3的指數適用性及其相關的GMM估計式做進一步討論。GMM通常用于研究動態面板數據模型的內生性問題[17]。但由于它不能直接用于模型3中的數據分析，所以，模型3將使用差分GMM估計的“準差分”。該方法由Wooldridge[18]開發并適用于面板數據模型。

1.3 數據來源

專利數據來自國家及各省市知識產權局、《中國統計年鑒》以及《中國科技統計年鑒》。各地區的CO2排放量、其他GHG排放量、國內生產總值和人口數據均來自2001—2018年世界銀行數據庫（WDI）。考慮數據的可獲得性，不包含西藏、臺灣、香港和澳門，得到30個省級行政單位，選擇其2000—2017年間的數據。數據顯示，自2000年以來綠色專利數量呈顯著增加趨勢，而且Y02技術的數量大幅增加，尤其是Y02E和Y02T。不僅如此，所有排放水平整體呈逐漸增加的趨勢。三種能源消耗產生的總碳排放量（CO2ET）遠遠高于其他GHG。其中，其他GHG=溫室氣體總排放-CO2排放。

2 綠色創新對氣候變化適應程度

該程度通過氣候變化與綠色專利數量的相關系數來表示，系數越大則適應程度就越大。

為解決數據集可能產生的異方差、自相關和內生性等問題，本文參考文獻[18]進行序列相關性檢驗。此外，還進行了ADF單位根檢驗以及變量自相關及其滯后性檢驗。

首先，從表1可看出，Breusch-Pagan檢驗中的p值顯著，說明存在異方差;Hausman檢驗結果表明各地區的影響與其他協變量不相關，因此模型2存在面板固定效應;另外，Wooldridge檢驗表明模型2中的變量存在序列相關性。

其次，表2表示CO2EL與CO2EG和CO2ES高度相關。所有變量的VIF膨脹因子顯著較低，且估計值的標準誤差在合理范圍內。GDP、人口與CO2、其他GHG排放變量高度相關，而GDPpc則是微弱相關，因此，只分析人均GDP。此外，所有自變量都是I（1），而所有因變量都是I（0）。可見，綠色創新在較為微弱的程度上適應氣候變化。

最后，模型檢驗結果顯示其存在自相關、異方差和內生性相關的問題。為解決這些問題，利用聚類穩健標準誤差、一階差分和GMM進行修正。

3 綠色創新對氣候變化的適應機制

表3顯示綠色創新在較微弱的程度上適應氣候變化。那么，這種適應是如何形成的呢？本部分對此問題進行分析，所有實證結果將分三個部分進行介紹和討論。第一部分討論模型1中的二次項Logistic回歸估計結果。第二部分討論模型2中的固定效應和隨機效應負二項式的估計結果，最后介紹GMM短期估計結果。

3.1 專利的邊際傾向（Y02技術）

表3顯示，除OGHGE和一些投資虛擬變量外，所有變量的系數都具有顯著性。CO2EG 、CO2ES、dumIEG和dumITC對五個因變量具有顯著正相關性，CO2EL具有顯著性但對其中四個因變量具有負相關性。在AllY02中，四種投資具有顯著性。然而，只有能源和電信投資才能對專利（Y02）的數量產生正向影響，運輸、水和衛生的投資對AllY02產生負向影響。在所有因變量中，人均GDP都是顯著的且正相關的。

結果顯示：首先，碳排放量的增加（CO2EL除外）會使綠色技術專利增加。其次，四個部門的投資并不總是對于綠色技術專利數量產生正向影響，私人投資影響更大[1]。

3.2 CO2和GHG排放對Y02專利數量的影響程度

表4顯示了模型2的負二項式固定效應的估計結果。如表所示，CO2EL和CO2EG至少對五個變量中的三個因變量的影響顯著。與表3中的結果一致，液體燃料消耗的碳排放對氣候變化專利具有負相關性，而固體燃料消耗的碳排放對Y02專利的數量具有正相關性。OGHGE和CO2EG在固定效應下不顯著。證實了表3的結果，即綠色創新并沒有像預期那樣對石油等液體燃料消耗所產生的CO2排放做出積極適應。另一方面，CO2ES與Y02專利數量間的顯著正向關系表明“創新”的高比例上升可以通過CO2ES的變化來解釋。

表5顯示了不同碳排放量對Y02專利數量的時間不變效應。按碳排放量將各地區分為五組，第1組大于9億t （河北、內蒙古、江蘇、山東、廣東），第2組是6～9億t （山西、浙江、遼寧、河南），第3組是4～6億t （北京、吉林、上海、天津、江西、廣西、重慶、貴州、云南、甘肅、寧夏），第4組是2～4億t （安徽、福建、湖北、湖南、四川、陜西、黑龍江、新疆），第5組不大于2億t （青海、海南）。除第5組總體上不顯著外，其他都具有顯著性，但第1組的顯著性明顯比第2、3、4組小。第5組之所以總體不顯著，主要是青海和海南的綠色創新規模太小，尤其是海南省;第1組的顯著性較小的原因主要是河北和內蒙古的綠色創新規模太小。盡管如此，結論還是充分證明了地區碳排放水平與Y02技術的研發和專利成正比，該結論與現有文獻的結論基本一致[5-6， 12]。由此，從上述分析結論不難看出綠色創新對氣候變化的適應機制及其影響因素。一方面，從適應機制來看，除CO2EL外，綠色創新會隨著溫室氣體排放的增加而提高，但上升幅度較小。這說明我國綠色創新能在一個較低的程度上適應氣候變化。另一方面，從該適應機制的影響因素來看，綠色創新對氣候變化的適應程度取決于溫室氣體排放源、地區綠色創新能力與投資主體性質。首先，天然氣和煤炭消耗碳排放的增加會提高綠色創新的適應程度，而石油和其他溫室氣體排放的增加會降低綠色創新的適應程度;其次，地區綠色創新能力越強則適應程度越大;再次，私人投資比政府投資更能提升綠色創新的適應程度。

4 穩健性檢驗——準差分GMM結果

可見，中國綠色創新在一定程度上適應氣候變化。由于在受其他因素影響時，上述變量的大小及變量關系會發生變化。因此，需進行穩健性檢驗。盡管要對不同形式的變量進行檢驗，但中國正處于生態文明建設制度不斷完善時期，政策會不斷變動，使排放量變化非常頻繁，無法對其變化特征進行總結。綠色創新盡管會受政策影響，但路徑依賴等因素使其變化小于CO2排放量和其他溫室氣體排放量的變化頻率[19]。所以，只對不同技術專利進行檢驗。Schleicha等[20]認為專利存量可以進一步精確反映特定部門效應，如技術提供者的從發明中學習的效應。因此，這部分詳細討論了溫室氣體排放、研發投入和經濟增長對綠色技術專利的引致效應。使用了Lin等[19]的公式來計算綠色技術的專利存量，如下所示：

綠色技術專利存量的初始值確定為2000年的專利申請量。折舊率δ是15%[19]。排放量發生較大變化會影響綠色創新與碳排放的關系。這種情況的存在說明要想全面揭示綠色創新對碳排放適應程度，需要結合區域具體情況來分析區域適應程度的異質性。這將是我們后續研究重點解決的問題。

5 結論與建議

在對氣候變化與綠色創新關系及對不同形式私人公共投資對綠色創新的影響進行分析基礎上，本文研究了綠色創新對氣候變化的適應程度，得出如下結論：①我國氣候變化能誘導綠色技術創新，但誘導效應較小。即綠色技術創新能適應氣候變化，但適應程度較低。其中，CO2EG對Y02T的影響程度最大，但也只有0.3%左右。②不同氣體排放源對綠色創新效應的影響程度不同，對綠色技術發展影響最大的是天然氣和煤炭消耗的碳排放，而石油和其他溫室氣體消耗的碳排放對綠色技術專利的影響較小。③地區排放規模與綠色技術專利技術數量成正比。④私人投資對綠色創新適應程度的影響更大。

基于上述結論，本文給出了提高綠色創新對氣候變化的適應程度的幾點建議：①鼓勵和促進符合本地區社會發展需要的綠色創新政策，更好推動地區參與綠色創新。地區進行氣候綠色創新的傾向受到二氧化碳和其他溫室氣體排放量的影響說明在中央政府投入有限情況下，地方政府需要重視碳減排過程中的創新效應，加大綠色創新投入。這就需要中央政府通過減稅和補貼等手段刺激地方結合實際情況進行綠色創新投資[21]，提高地區綠色創新能力，以最大限度減少溫室氣體排放。②實行差異化行業創新政策。限于經濟條件，政府需要針對不同行業實行不同的創新政策，更加致力于促進旨在減少煤和天然氣碳排放的技術研發。盡管溫室氣體排放量的增加會引發綠色技術專利的增加，但對不同專利的影響具有異質性，一方面，它與石油（液體）產生的碳排放和Y02專利數量之間存在負相關關系，這意味著Y02專利數量對石油和其他溫室氣體碳排放增加的適應非常弱;另一方面，煤炭和天然氣的碳排放與Y02專利間存在正相關關系，這說明它們產生的CO2和Y02專利計數表明其對這類碳排放具有強烈的創新適應。因此，政府需要對不同能源采取差異化政策，應該大力促進減少煤和天然氣碳排放的綠色技術研發[10]。③加大新能源投資，鼓勵綠色創新。氣候變化會誘導綠色技術創新，反之亦然，這有力地證實了創新與氣候變化指標的變化具有顯著正相關性。但值得注意的是，綠色技術專利的相對數量將隨著碳排放量的下降而下降，這說明需要找到更多的諸如促使新能源技術開發等新方法來鼓勵綠色技術創新[22]。④刺激私人投資，完善投資結構。綠色投資規模過小一直是影響我國能源技術創新能力的重要因素，尤其是在不發達地區[1]。研究結論顯示，投資對Y02專利數量在產生積極影響的同時，也會產生負面影響。這表明需要采取針對性政策刺激私人投資，完善投資結構，把有限的私人投資投入到能源和電信等行業，提高私人公共投資的創新效率[2]。

參考文獻

[1]張意翔， 成金華， 湯尚穎， 等. 技術進步偏向性、產權結構與中國區域能源效率[J]. 數量經濟技術經濟研究， 2019， 34 （8）： 72-88.

[2]涂正革， 陳立. 技術進步的方向與經濟高質量發展：基于全要素生產率和產業結構升級的視角[J]. 中國地質大學學報（社會科學版）， 2019， 19 （3）： 119-135.

[3]齊紹洲， 林屾， 崔靜波. 環境權益交易市場能否誘發綠色創新：基于我國上市公司綠色專利數據的證據[J]. 經濟研究， 2018， 53 （12）： 129-143.

[4]LEE K， MIN B. Green R&D for eco-innovation and its impact on carbon emissions and firm performance[J]. Journal of cleaner production， 2015， 108： 534-542

[5]李平. 環境技術效率、綠色生產率與可持續發展：長三角與珠三角城市群的比較[J]. 數量經濟技術經濟研究， 2017， 34 （11）： 3-23.

[6]董直慶， 王輝. 環境規制的“本地-鄰地”綠色技術進步效應[J]. 中國工業經濟， 2019 （1）： 100-118.

[7]蔣佳妮， 王文濤， 王燦， 等.適應氣候變化需以生態文明理念構建全球技術合作體系[J]. 中國人口·資源與環境， 2017， 27 （1）： 57-64.

[8]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.

[9]張意翔， 成金華， 徐卓程， 等. 中國區域生態建設協調度評價及提升：基于能源技術專利數據[J]. 中國人口·資源與環境， 2019， 29 （6）： 58-64.

[10]LORENTE D B， LVAREZ H A. Economic growth and energy regulation in the Environmental Kuznets Curve[J]. Environmental science and pollution research， 2016， 23（16）： 16478-16494.

[11]王兵， 劉光天. 節能減排與中國綠色經濟增長：基于全要素生產率的視角[J]. 中國工業經濟， 2015 （5）： 57-69.

[12]陳超凡. 節能減排與中國工業綠色增長的模擬預測[J]. 中國人口·資源與環境， 2018， 28 （4）： 145-154.

[13]BROUWER E， KLEINKNECHT A. Innovative output， and a firms propensity to patent： an exploration of CIS micro data[J]. Research policy， 1999， 28（6）： 615-624.

[14]GUIMARAES P. The fixed effects negative binomial model revisited[J]. Economics letters， 2008， 99（1）： 63-66.

[15]HAUSMAN J， HALL B H， GRILICHES Z. Econometric models for count data with an application to the patents R&D relationship[J]. Econometric， 1984， 52 （4）： 909-938.

[16]ALLISON P D， WATERMAN R P. Fixed-effects negative binomial regression models[J]. Sociological methodology， 2002， 32 （1）： 247-265.

[17]KURAMOTO N， ITO M， SAITO Y， et al. Dephosphorylation of endogenous GABAB receptor R2 subunit and AMPK α subunits which were measured by in vitro method using transfer membrane[J]. Neurochemistry international， 2013， 62（2）， 137-144.

[18]WOOLDRIDGE J M. Multiplicative panel data models without the strict erogeneity assumption[J]. Econometric theory， 1997， 13 （5）： 667-678.

[19]LIN B Q， CHEN Y F. Does electricity price matter for innovation in renewable energy technologies in China？[J]. Energy economics， 2019， 78： 259-266.

[20]SCHLEICHA J， WALZA R， RAGWITZA M. Effects of policies on patenting in wind power technologies[J]. Energy policy， 2017， 108： 684-695.

[21]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.

[22]馬志云， 劉云. 適應氣候變化關鍵技術創新差異的時空格局：以“一帶一路”沿線國家為例[J]. 中國人口·資源與環境， 2017， 27 （9）： 102-111.