技術進步偏向性對中國城市碳中和進程的作用機制

胡 曉，馮乾彬，宮大慶，任 龍

（1. 西南財經大學金融學院，四川成都 611130；2. 浙江大學經濟學院，浙江杭州 310058；3. 北京交通大學經濟管理學院，北京 100044；4. 對外經濟貿易大學信息學院，北京 100029）

中國是當前世界第一大碳排放國，但已向世界作出承諾，力爭讓CO2排放于2030 年前達到峰值并在2060 年前實現碳中和［1］。根據英國標準協會提出的碳中和標準（PAS 2060），碳中和是指相關溫室氣體排放并未造成全球排放到大氣中的溫室氣體產生凈增加量［2］。這意味著碳中和主要有兩個實現途徑［3］。第一是減少碳排放，即減少燃燒化石能源等排放的CO2。第二是增加碳移除，即通過森林、草原、濕地、海洋、碳捕捉與封存（CCS）技術以及碳捕捉、利用與封存（CCUS）技術等各種途徑減少大氣層中的CO2［4］。不過由于技術難度和成本高等原因，CCS、CCUS 等工業碳匯技術尚處于初級階段，目前碳移除依然依賴于森林、海洋等生態系統的碳匯能力。對此，2021年3月通過的《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035 年遠景目標綱要》將單位國內生產總值能源消耗和CO2排放分別降低13.5%、18.0%設定為目標，并且指出要提升森林覆蓋率和生態系統碳匯能力［5］。現有關于碳中和的文獻大多只關注碳排放，卻未對碳匯方面給予足夠的重視［6-7］。對此，研究碳中和問題，需要將碳排放和生態系統碳匯放入統一的框架中進行分析，明確不同因素對碳中和這兩方面的影響機制。過去研究表明，技術進步是在保障不斷擴張的能源需求約束下，降低碳排放增速、提高碳強度的關鍵路徑［8-9］。不過，技術進步并非呈現中性特征。當技術進步更有利于提升某種要素的邊際產出，便形成技術進步偏向性，稱為技術進步偏向該要素［10］。技術進步通常會對資本、勞動兩大要素產生非對稱影響，改變二者間的邊際替代率，進而影響企業對二者的使用傾向［11］。對此，技術進步的資本-勞動偏向可能通過影響碳排放和碳匯進而對碳中和造成影響，該機制需要做深入研究［12-13］。另外，隨著中國產業結構升級，技術進步在高、低技能勞動之間的偏向性也愈發凸顯，但其對碳中和的影響也尚不清楚。為彌補當前研究存在的不足之處，文章估算出中國257個地級及以上城市在2003—2019 年間技術進步的資本-勞動偏向及其高技能-低技能勞動偏向，探究了技術進步偏向性對中國碳中和進程的影響機制，進而從技術進步偏向性視角為中國城市提供在兼顧經濟發展的同時通過要素結構調整實現碳中和的有效路徑。

1 文獻綜述與理論假設

1.1 文獻綜述

已有文獻指出，經濟規模、能源消費結構、產業結構、環境規制政策、技術進步等均為影響碳排放的重要因素，其中技術進步對于減少碳排放起到了至關重要的作用［14-15］。一方面，技術進步可以通過改進生產技術提高能源利用率，促進新能源和可再生能源的成本下降，進而替代傳統化石能源，改善能源結構，減少碳排放［16］。另一方面，技術進步能使得碳價格下降，從而降低強制性減排的負擔［11］。不過，近年來技術進步所造成的反彈效應越來越受到關注。一些學者認為，技術進步雖然降低了能源價格，但可能使企業將能源要素作為其他要素的替代性投入，反而加大能源消費量，增加碳排放［15］。申萌等［17］的研究提出，技術進步對碳排放存在直接抑制和間接增加兩種效應，且間接效應強于直接效應。Unruh［18］則發現了一種“碳鎖定（Carbon Lock-in）”現象，即由于碳基能源技術與制度體制的共同作用，技術進步并非都作用在新能源領域，從而造成反彈效應［19］。通過上述研究可以發現，技術進步存在異質性［20］，不同方向的技術進步對碳排放有相異影響。例如，Wang 等［21］發現，中國國內無碳能源專利有利于減少CO2排放，但化石能源專利卻并無顯著效果。據此，技術進步存在偏向性［10］，因而有必要細致考察技術進步偏向性對碳排放的影響。

雖然一些研究開始關注有偏技術進步的減排效應［13，22］，但主要考察技術進步偏向能源要素對碳排放的影響。Gu 等［12］指出，技術進步能源偏向性與碳排放之間存在倒U 型相關關系。錢娟［23］也發現，技術進步偏向能源與碳排放之間呈倒“U”型關系，并且存在門檻效應。郭沛等［24］認為，能源增強型技術進步是碳排放強度下降的主要原因。根據劉自敏等［13］的研究，有偏技術進步在能源與資本、能源與勞動偏向能源存在顯著的減排效應。劉備等［25］則指出，技術進步偏向能源會明顯提升凈碳排放量。上述研究雖然采用不同類型的嵌套CES 生產函數，但均單獨考慮能源要素。不過，由于中國的能源消費會大量通過電能進行地區間轉移，城市及以下區域能源收入份額核算存在偏差［26］，因此更適合中國的CES 生產函數是將資本要素做統一合成，然后再與勞動要素相結合［27］。當然，作為最重要的兩大要素，資本、勞動間的技術進步偏向性對碳排放的影響機制本身也需要更細致地討論。隨著產業結構轉變，越來越多的學者還發現，勞動力內部分化愈發明顯［28］。Welsch 等［29］也提到，低技能勞動力能更容易被能源替代。對此，技術進步在高、低技能勞動間的偏向性是否會影響碳排放也應做進一步的研究。

相較于減排，目前對實現碳中和的第二條途徑——碳移除的研究還相對不足［6］。由于濕地、海洋的實際碳匯難以精準估計［4］，現有研究主要是估計森林等陸地植被碳匯能力。崔耀平等［30］研究發現，陸地植被可消減碳排放增溫效應的45.1%。許恩銀等［7］則指出，近年來南方林區碳貢獻的提升潛力最大，東北和西南林區存在樹齡偏大、碳貢獻率下滑的問題。此外，CCS、CCUS 等工業碳匯技術雖然是實現碳中和目標的重要手段，減排潛力巨大，但目前面臨技術難度大、成本和能耗高、碳封存可能對環境造成長期不利影響、商業模式和政策法規不清晰等諸多挑戰，預計要到2046 年前后才能實現大規模推廣［31］。考慮到人類活動主要對碳排放和陸地植被碳匯造成影響，現階段分析碳中和的實現路徑應主要考察減少碳排放和提高植被碳匯。

除此之外，中國地區間的自然環境、經濟水平、社會文化存在較大差異，而城市是中國未來減緩和適應氣候變化活動的重點［32-33］。事實上，中國自2010 年持續在81個城市開展的“低碳城市”試點工作，便是將城市作為減少碳排放的主要陣地［34］。因而從城市維度研究碳中和實現問題并考慮地區異質性可以得到更加準確、有指導意義的結論。不過，受限于城市層面技術進步偏向性測算難度以及城市層面碳排放和植被碳匯數據可得性，相關研究還不充分。同時，技術進步偏向性和碳排放可能存在空間擴散效應［35］，因此也有必要考察技術進步偏向性對周邊地區碳中和進程的影響。

根據以上文獻綜述，文章試圖從三個方面深化現有研究：①將碳排放和植被碳匯放入統一分析框架，進而探究技術進步偏向性對碳中和進程的作用機制，即技術進步偏向性如何通過影響碳排放和植被碳匯作用于碳中和目標的實現。②關注城市在經濟增長和環境治理中發揮的重要作用，測算城市層面技術進步的資本-勞動偏向性以及勞動技能分化視角下技術進步的高技能-低技能勞動偏向性，進而探究城市如何在兼顧經濟發展的同時通過技術結構調整推動碳中和進程。③探究技術進步偏向性對碳中和進程的影響在東北、沿海、黃河中游、長江中游和西部五大地區的異質性表現，以及地理上由近及遠的空間擴散效應，進而在制定不同區域差異化碳中和政策、優化中心城市碳中和引領作用等方面完善中國城市碳中和實現路徑。

1.2 理論假設

根據技術進步偏向性的定義，當技術進步在資本、勞動間越偏向資本時，會相對提高資本的邊際產出，改變資本要素相對于其他要素的邊際替代率，企業會更傾向于使用資本要素［11，36］。不過，中國的技術進步偏向資本主要源于商品進口、設備和技術引進［35］，國內資本要素相對稀缺，價格較高且增長緩慢。因此，在中國資本效率增長滯緩的情況下，技術進步在資本、勞動間偏向資本可能引發“資本低效率陷阱”，損害中國全要素生產率的增長潛力［36］。由于全要素生產率變化是能源效率變化的主要原因［37］，能源效率相對下降，會導致碳強度下降速度趕不上產出增加速度，使得碳排放上升［38］。張意翔等［39］的研究也發現，當技術進步偏向資本程度越大，區域資本節能效應越小。

此外，不同行業對其初始技術進步的路徑選擇存在依賴。如果初始技術路徑是“骯臟”技術，那么企業新技術研發可能依舊是“骯臟”的新技術，從而增加碳排放［17，20］。目前中國“清潔”技術雖然發展較快，但是水平仍然較低［21］，經濟也仍處于高污染、高耗能的能源驅動階段［40］。因此使用更多的資本要素，可能會進一步加強“骯臟”技術，提升碳排放水平。具體地，中國制造業企業對資本要素投入，主要表現為機器設備等固定資產的增加，而該類資產的使用會提高企業的能源使用量，提升碳排放水平［41-42］。一些實證研究也發現，資本積累是中國碳排放規模擴大的主要原因［41］。相反，如果技術進步偏向勞動，企業在生產中更傾向于使用勞動要素，則會增加對資本要素的替代，從而減少碳排放。張為付等［41］指出，勞動密集型產業的擴張并沒有帶來碳排放規模的擴大。

對于植被碳匯方面，“骯臟”技術路徑下的城市資本擴張還會增加污染物排放，從而對當地水環境、土壤等造成破壞，導致植被碳匯下降。楊振兵等［43］的研究發現，投資導致的資本存量增加會造成環境的惡化，而勞動投入增加則會起到保護環境的作用。據此，文章提出假設1。

假設1：中國城市層面的技術進步在資本、勞動間偏向資本會使碳排放上升、植被碳匯下降，進而阻礙城市碳中和進程。

當城市技術進步在高、低技能勞動間偏向高技能勞動時，高技能勞動力的邊際產出增加，帶來其技能溢價上升［44］。而隨著高技能勞動力的收入水平上升，又會吸引更多高技能勞動力遷移到該城市，形成高技能勞動力的聚集。這有利于促進當地企業創新和產業結構向高新技術行業升級，從而提升能源利用效率、改進能源結構，降低碳排放，促使產業體系的低碳化發展［38］。

此外，湛東升等［45］發現，自然環境舒適性在流動人口對城市宜居性評價中僅次于公共服務設施便利性。吳蓉等［46］的研究則進一步指出，城市公園綠地面積通過提升居住滿意度，從而促進居民的地方依戀。高技能勞動力的居留意愿受城市環境的影響更大［47］。黨云曉等［48］發現，高學歷人才的定居選擇更看重自然環境的舒適度。當技術進步越偏向高技能，城市高技能勞動力占比提高。為了提升高技能勞動力定居意愿和居住滿意度，城市會努力改善居住環境，進而治理環境污染、擴大植被覆蓋面積，植被碳匯相應增加。與此同時，高技能勞動力增加所帶來的“清潔”技術和產業結構升級也有助于當地污染水平下降，進一步改善當地環境，促進植被恢復，提升碳匯能力［49］。據此，文章提出假設2。

假設2：中國城市層面的技術進步在高、低技能勞動間偏向高技能勞動會使碳排放下降、植被碳匯上升，進而推動城市碳中和進程。

2 關鍵變量測算

2.1 被解釋變量測算

文章研究問題關注的是城市技術進步偏向性對碳中和進程的影響。根據陳迎［50］對碳中和概念的辨析，碳中和是人為碳排放和人為碳移除之間的平衡。據此，推動碳中和進程可以通過減少人為碳排放和提高人為碳移除兩種途徑。

文章首先對被解釋變量之一的人為碳排放CEMS 進行度量。人類活動造成的碳排放可基于碳核算數據庫（Carbon Emission Accounts & Datasets，CEADs）提供的中國縣級尺度碳排放量來測算。該數據庫被學者們廣泛使用［51-52］。文章將縣級尺度的碳排放數據匯總到城市層面，可衡量碳排放變量CEMS。

在人為碳移除方面，工業碳匯技術距離大規模應用尚需很長時間［31］，因而在文章研究期內對其不予以考慮；又由于海洋、湖泊等水體的碳匯較難精確估計，且當前人類活動通過土地利用方式變化主要影響的是陸地植被［53］，文章只關注陸地植被碳匯。

需要說明的是，陳迎［50］指出，碳中和進程中的生態系統碳匯應強調人為屬性，即在有人為采取直接活動或人為措施間接干預的有管理土地上發生的碳匯才是人為碳匯，無管理土地上的碳匯為零。不過，由于實際測算中土地是否被管理難以精確區分，過去許多學者使用植被固碳量來近似代理植被碳匯水平［54-55］。文章也將植被固碳量作為被解釋變量之一。事實上，文章之后的實證分析使用城市技術進步偏向性對植被固碳進行回歸，回歸系數反映了技術進步偏向性為植被固碳帶來的邊際影響。考慮到未被管理土地上的植被在自然狀況下不會在短時間內發生大幅變化，且回歸模型還將對日照、降水等影響植被碳吸收的自然因素以及年份、城市固定效應進行控制，因而可以認為植被固碳的邊際變化來自于人為干預。據此，技術進步偏向性對植被固碳的回歸系數可以體現技術進步偏向性影響下人類活動變化造成植被碳匯的邊際改變程度。

文章使用的植被固碳量數據同樣基于CEADs進行測算，測算方法由Chen 等［6］和Chen 等［56］給出。具體地：美國宇航局地球觀測系統開展的MOD17A3 項目提供了中國植被地表凈初級生產力（Net primary productivity，NPP）的連續數據。NPP 是綠色植物在單位時間和單位面積內，從光合作用產生的有機物中扣除自養呼吸后剩余的有機質，能很好地反映植被的碳吸收過程。考慮到不同地區、不同類型植被NPP 的差異，MOD17A3 的NPP 數據涉及綠針葉林、常綠闊葉林、落葉闊葉林、落葉闊葉林、混交林、封閉灌叢、開闊灌木地、木質稀樹草原、稀樹草原、草原和農田等11 種植被類型，并根據各地區植被類型給出了全球1 km×1 km 的NPP 柵格數據。Chen 等［6］結合植被光合作用碳轉換系數將NPP 數據匹配到中國縣級尺度，估算出不同年份縣級植被固碳量。文章進一步將該數據匯總到城市層面，可衡量植被固碳CSEQ。

為了反映城市碳中和進程中人為減少碳排放和提升植被碳匯的共同推動作用，文章構建了第三個被解釋變量碳壓力CPRS。根據Chen 等［56］、梁中等［54］、馬歆等［55］、李成等［57］，碳壓力等于地區碳排放量與植被固碳量之比，反映了人類碳活動對當地生態系統帶來的壓力［58-59］。如上所述，技術進步偏向性對碳排放和植被固碳的回歸系數分別表示技術進步偏向性為碳排放和植被固碳帶來的邊際變化，而這種邊際變化可以認為來自于人為干預，因此技術進步偏向性對碳壓力的回歸系數也能相應表示技術進步偏向性影響下人類活動變化造成碳壓力的邊際改變程度。人為碳壓力的邊際改變與實現碳中和目標密切相關。城市碳壓力邊際下降表明，當地在減少人為碳排放和（或）提升人為碳移除有積極效果，有助于推動碳中和進程；而城市碳壓力邊際增加則表明，人類活動不利于碳中和目標的實現。

2.2 資本-勞動技術進步偏向性測算

文章參考Acemoglu［10］關于技術進步偏向性的定義，并結合潘文卿等［60］所采用的測算方法，對中國城市層面技術進步的資本-勞動偏向性進行測算。測算過程如下：

首先，假設F（x）為包括資本K和勞動L的CES 生產函數：

其中：Yt為總產出；Kt和Lt分別為資本要素和勞動要素的投入；AKt為資本增強型技術進步，ALt為勞動增強型技術進步；θ∈(0，1)為資本收入份額，1 -θ為勞動收入份額；ε為資本-勞動替代彈性（ε＞0）。

再根據Acemoglu［10］的定義：

顯然，當K和L給定時，ε大于，此時，AKt ALt上升會使Δt上升，提高資本要素的邊際產出，表示技術進步偏向資本；同理，當ε小于1時，技術進步偏向勞動；而當ε等于1時，技術進步不存在偏向性，呈現為技術中性。

對于資本-勞動替代彈性ε的估計，現有研究通常采用Klump 等［61］的標準化供給面系統估計。文章在參考León-Ledesma 等［62］的基礎上，利用資本、勞動的價格等于其邊際產出的假設，并將要素增長率設定為“Box-Cox型”，可得：

其中：Yˉ、-K、-L和-t分別為總產出、資本投入、勞動投入和年份的樣本均值；ξ是規模因子；φK、φL分別為資本和勞動要素的效率變動參數；rt、ωt分別為資本租金率和工資率。

采用非線性似不相關回歸方法對上述非線性聯立方程組進行估計，可以獲得參數θ和ε的估計值。再將其代入生產函數中，并假設資本和勞動的價格等于其邊際產出，得到：

最后，基于戴天仕等［63］的研究，構建技術進步偏向指數來反映技術進步在資本、勞動間偏向資本的程度：

對于估算中所用到的數據，計算方法如下：總產出Yt采用城市的收入法GDP 度量，并借助GDP 指數將其以2002年為基期進行折算；參考劉常青等［64］，采用永續盤存法來估算資本投入Kt，并借助固定資產投資價格指數將其以2002 年為基期進行折算；勞動投入L采用城市年末就業人數度量；資本收入份額rtKt Yt和勞動收入份額wtLt Yt的度量則參考呂冰洋等［65］。上述測算所需數據從2003—2019年《中國城市統計年鑒》中獲得。

2.3 高技能-低技能勞動技術進步偏向性測算

借鑒潘文卿等［66］對高技能-低技能勞動技術進步偏向性的測度方法，將（1）式中總產出Yt替換為勞動總產出YLt，生產函數可以表示為：

其中：AHI，t和ALO，t分別為高、低技能增強型技術進步；HIt和LOt分別為高、低技能勞動投入；π∈(0，1)為高技能勞動收入份額，1-π為低技能勞動收入份額；δ為高技能-低技能勞動替代彈性（δ＞0）。

與（7）式和（8）式的形式類似，AHI，t和ALO，t可以表示為：

其中：wHI，t和wLO，t分別為高、低技能勞動力的工資率。

相應地，高技能-低技能勞動技術進步偏向指數可以表示為：

文章借鑒潘文卿等［66］的做法，基于世界投入產出數據庫（WIOD）對高、低技能勞動收入份額的測算。從WIOD 數據庫可獲得1995—2009 年中國各行業高、中、低技能勞動力的工作時間占比（分別用LABHS、LABMS、LABLS表示）和勞動報酬占比（分別用H_HS、H_MS、H_LS表示）。若假設三種技能勞動力的單位工作時間相等，三種技能勞動力工作時間占比等于三種技能勞動力人數占比。文章采用線性預測模型對2010—2019年缺失數據進行補值。各行業預測模型調整后擬合優度均在0.7以上。此外，若在城市層面考察，接受本科教育及以上人口占比與文章方法計算得到的高技能勞動力人數占比變動趨勢基本一致，且在統計上無顯著差異，進一步說明了缺失值處理的可靠性。文章之后將WIOD 的行業分類和國家統計局的行業分類建立對應關系（若涉及多個行業整合為一個行業則取平均值），并將WIOD 中的高技能和中技能認定為高技能。城市高技能勞動力人數NHIt和低技能勞動力人數NLOt，以及高技能勞動報酬CHIt和低技能勞動報酬CLOt可以表示為：

其中：Lit、wit分別為城市第i個行業的年末城鎮職工人數和平均工資。數據可從歷年《城市統計年鑒》中獲得，缺失值可從《中國勞動統計年鑒》中補充。

根據潘文卿等［66］，城市高技能勞動收入份額wHI，tHIt/YLt等于高技能勞動報酬在城市總勞動報酬中的占比，而低技能勞動收入份額wLO，tLOt/YLt等于低技能勞動報酬在城市總勞動報酬中的占比。

2.4 能源增強型技術進步測算

由于能源是一種重要的要素投入，會對碳中和進程產生影響，因此文章測算了能源增強型技術進步并將其放入模型中進行控制。能源增強型技術進步反映了一定能源要素投入量下的產出效率變動。文章參考張意翔等［39］和劉備等［25］的計算方法，對能源增強型技術進步進行測算。由于目前能源消費量只能獲取省級數據，因此與其他文獻一樣［11，25，39］，文章測算的能源增強型技術進步也為省級層面。對于包含能源要素的CES 生產函數，“資本能源-勞動”形式的CES生產函數相比“勞動能源-資本”和“資本勞動-能源”的嵌套結構更適合中國實情［39］。因此，文章測算能源增強型技術進步使用如下生產函數設定：

其中：AEt表示能源增強型技術進步；KEt為資本和能源要素合成品，Et為能源要素投入；μ為要素的份額參數；ν為資本能源合成品中資本和能源的替代彈性。其余設定與前文一致。

對于能源要素投入的核算，文章首先借鑒王班班等［11］的方法確定能源消費量和能源價格。能源消費量數據采用《中國統計年鑒》中各省能源消費總量（萬t 標準煤）。由于目前各省的綜合能源價格尚不公布，因此基于《中國物價統計年鑒》中35 個大中城市的煙煤、焦炭、汽油、柴油、天然氣、工業用電的價格數據，并根據各省對應能源品種的消費量加權，計算各省的綜合能源價格。之后借鑒魏瑋等［27］的方法，采用2001—2019 年的燃料動力類價格指數計算當年實際價格。對于各省能源要素在合成品中的占比μ，采用無約束極值最優化方法得到。要素替代彈性的估計采用前文中給出的標準化供給面系統估計，在此不進行贅述。

3 實證分析

3.1 數據來源與樣本

文章以中國城市層面數據為樣本。城市碳排放和植被固碳測算數據來自中國碳核算數據庫，城市氣溫、降水、日照等氣候數據來自中國氣象數據網（http：//data.cma.cn）的地面氣象站觀測數據，其他城市經濟、社會等方面數據如非特殊說明均來自《中國城市統計年鑒》。中國目前有293 個地級市和4 個直轄市，而在扣除《中國城市統計年鑒》未記錄或關鍵變量有缺失的城市后，文章最終研究樣本包含2003—2019 年中國257 個地級及以上城市、4 246 個觀察值。缺失城市樣本主要來自于新疆、西藏、青海、云南、貴州五個省份，也未涉及香港、澳門、臺灣地區。以2019 年為例，文章選取的257 個地級及以上城市樣本約占全國GDP 總量的90%、總人口的85%、建成區面積的75%、CO2排放總量的86%，對中國城市有較好的代表性。城市樣本的描述性統計見表1。

3.2 資本-勞動技術進步偏向性對碳中和進程的影響

文章使用如下雙向固定效應面板模型考察技術進步的資本-勞動偏向對碳中和進程的影響，并將標準誤聚類到城市以避免異方差和自相關問題。回歸模型為：

其中：被解釋變量CPRSit為城市i第t年面臨的碳壓力，根據2.1 中的步驟測算；當考察技術進步偏向性對碳排放或植被固碳的影響時，將（20）式中CPRSit分別替換為CEMSit和CSEQit。根據表1，碳排放、植被固碳、碳壓力三個被解釋變量在樣本間差異較大，因而將三者的自然對數放入回歸模型。解釋變量TECHDit為城市資本-勞動技術進步偏向性，由（9）式測算。控制變量方面，ENERGYit為城市i第t年的省級層面的能源增強型技術，根據2.4中的步驟測算；由于城市發展水平會影響當地的能源消費和植被類型［16］，文章對城市人均GDP 的自然對數PERGDPit進行控制；產業結構會對當地的CO2排放量產生顯著的影響［67］，因此文章控制了城市第二產業產值與第三產業產值之比INDSTRit；中國氣候南北、東西差異巨大，氣候差異除了影響當地植被類型從而影響固碳外，所帶來的能源使用方式的差異將會直接影響CO2排放量［68］，故文章在控制變量中加入城市年平均氣溫TEMPit、年降水量的自然對數PRECIPit；由于日照也會影響植被接受光照時長和城市燈光持續時間，文章將城市年平均日照時數（0.1 小時計）SUNHRit也納入控制變量；城市人類活動會對地區能源消費和植被類型產生影響，從而影響碳中和進程，因此文章對城市年末實有道路面積的自然對數ROADit、綠地面積的自然對數GREENit和人口密度的自然對數POPDENit進行了控制；CITYi和YEARt為一系列虛擬變量，用以控制城市和年份固定效應。εit為殘差項。

表1 描述性統計結果

回歸結果見表2。模型（1）和（2）表明，無論是否加入控制變量，城市資本-勞動技術進步偏向性對碳壓力的正向影響在10%水平下顯著，而碳壓力邊際增加表明人類活動不利于碳中和目標的實現。從機制上看，根據模型（3）和（4），城市資本-勞動技術進步偏向性與碳排放呈顯著正相關關系；但在模型（5）和（6）中，資本-勞動技術進步偏向性對植被固碳的影響不顯著，即不會為植被碳匯帶來邊際改變。這可能是因為，當技術進步偏向資本時，雖然企業會更多使用資本要素，但是資本要素存在異質性，使用“骯臟”資本會降低植被碳匯能力，而使用“清潔”資本則會提升該能力［20］，正負效應可能相互抵消；同理，勞動要素也可分為低技能勞動和高技能勞動［66］，使其對植被碳匯的影響也存在正負效應，后文的研究對此有進一步闡釋。該結論在部分支持了假設1，即城市技術進步在資本、勞動間越偏向資本，碳排放越大，碳中和進程越受阻。

表2 資本-勞動技術進步偏向性影響的回歸結果

從控制變量的回歸系數看，能源增強型技術會提高城市碳壓力，且主要通過增加城市碳排放實現，其對植被固碳沒有顯著影響。這是因為隨著技術進步提高能源的邊際產出，雖然可以降低單位產出所消耗的能源，但是會加劇碳鎖定效應，導致能源消費量總體呈現上升，從而提升城市碳排放規模［25］。城市道路面積對碳排放產生顯著的擴大效應，從而提高碳壓力。該指標可在一定程度上反映城市的發展建設水平，與能源消耗和碳排放緊密相關。模型（2）中PRECIP和SUNHR的系數顯著為負，而模型（6）中二者的系數顯著為正。這是由于光合作用的存在，城市降水量和光照越大，植被固碳越強，碳壓力越低。模型（4）和（6）表明，城市綠地面積分別與碳排放和植被固碳呈顯著正相關關系，說明城市綠地同時具有碳源和固碳特征。不過，城市綠地與碳壓力顯著正相關則意味著，城市綠地的碳源特征要強于固碳特征。這一方面是因為，城市綠地多以草、灌木為主，且易受到汽車尾氣、踐踏、城市垃圾等人為因素干擾，對城市整體固碳貢獻度較小［69］。張思敏等［70］指出，城市綠地對固碳的貢獻僅占安徽植被固碳總量的0.15%，貢獻最高的是森林（76.43%）和耕地（20.11%）。另一方面，《城市綠地規劃標準》（GB/T51346-2019）中規定城鎮開發邊界內規劃人均區域綠地面積不應小于20 m2，因此城市綠地面積往往隨著城市人口和建成區面積擴大而擴大，更多居民、企業和交通工具帶來大量碳排放，可能超過城市綠地的固碳量。此外，城市綠地在建造施工和管理養護過程中也會帶來碳排放，并存在對城市郊區固碳效率更高的耕地、森林的吞并，造成城市碳排放的增加。根據黃柳菁等［71］對城市綠地碳足跡的評估，道路綠地大多呈現碳源特征。

3.3 高技能-低技能勞動技術進步偏向性對碳中和進程的影響

與（20）式類似，文章使用如下經標準誤聚類的雙向固定效應面板模型考察技術進步的高技能-低技能勞動偏向對碳中和進程的影響：

其中：解釋變量HLLDit為城市高技能-低技能勞動技術進步偏向性，由（13）式測算。其他解釋變量和控制變量與（20）式相同。εit為殘差項。

回歸結果見表3。模型（1）和（2）表明，無論是否加入控制變量，城市高技能-低技能勞動技術進步偏向性對碳壓力的負向影響在1%水平下顯著，而碳壓力邊際減弱表明人類活動有利于推動碳中和。從機制上看，根據模型（3）和（4），城市高技能-低技能勞動技術進步偏向性與碳排放呈顯著負相關關系；而在模型（5）和（6）中，高技能-低技能勞動技術進步偏向性對植被固碳有顯著正向影響，即通過影響人類活動作用于植被碳匯的邊際提升。上述結論部分證實了假設2，即城市技術進步在高、低技能勞動間越偏向高技能勞動，碳排放下降、植被匯碳上升，這有助于加速當地碳中和進程。

表3 高技能-低技能勞動技術進步偏向性影響的回歸結果

4 進一步分析

4.1 分地區異質性分析

中國幅員遼闊，不同地區的經濟基礎、自然環境、交通基礎設施、資源稟賦等均存在顯著差異，造成能源結構和植被類型在分布上有很大不同。現有研究普遍發現，碳排放的驅動因素在不同地區呈現出異質性影響特征［14，68］。根據張兵兵等［42］的研究，地區行業對初始技術進步的路徑依賴不同，能源效率高行業的“清潔”技術進步有利于降低碳排放強度，反之能源效率低行業的“骯臟”技術進步則會提高碳排放。因此，參考Zha 等［14］和Zheng 等［72］的劃分標準，將中國傳統東部、西部、中部、東北四大區域的基礎上，將東部細化為沿海地區。由于秦嶺淮河線的阻隔，導致南北氣候自然環境差異巨大，并且黃土高原是我國重要的能源基地，因此將中部地區劃分為黃河中游和長江中游。

表4表明，在東北、黃河中游和西部地區，技術進步在資本、勞動間越偏向資本，碳壓力越高，碳中和目標越難實現，且這一效應在黃河中游地區最大；而對于沿海和長江中游地區，技術進步偏向資本與碳壓力呈顯著負相關關系，且這一效應在沿海地區最大。這可能是因為，東北、黃河中游和西部地區是煤炭、石油、天然氣等化石能源主要產地，而沿海和長江中游地區由于傳統能源相對缺乏會更多采用清潔能源技術，這兩個地區技術進步偏向資本能進一步促進清潔能源領域的技術進步，從而減少碳排放、提升環境質量，有利于碳中和目標的實現。該異質性分析結果與吳傳清等［73］的研究結論一致，即長江下游沿海地區自主創新能力提升、經濟向高端化發展是能源效率提升的主要實現路徑。根據表5，所有地區技術進步偏向高技能勞動都顯著降低碳壓力，即推動碳中和進程，而東北地區的回歸系數最大，黃河中游和長江中游地區次之。

表4 資本-勞動技術進步偏向性影響的地區異質性檢驗結果

表5 高技能-低技能勞動技術進步偏向性影響的地區異質性檢驗結果

4.2 空間擴散效應分析

由于技術創新具有正外部性，技術進步偏向屬性也可能伴隨商品、技術貿易、人員流動等途徑實現空間擴散［35］。有研究表明，北京、上海、廣州三大城市的技術進步方向存在對其他城市的溢出效應［60］。同時，碳排放也可以通過商品貿易中的隱含碳，對周圍地區產生空間擴散效應［74］。根據Shan 等［75］的研究，中國經濟發達城市通過從附近欠發達城市進口工業品實現了碳轉移。Tian等［76］也發現東部地區的高耗能企業也會轉移到中西部地區。對此，一個城市的碳中和進程可能受到來自周邊城市技術進步偏向性的擴散效應。一方面，城市技術進步偏向性會擴散至周邊城市，從而影響周邊城市的碳中和進程［35，60］；另一方面，由于碳排放本身具有擴散效應，城市技術進步偏向性可能會通過影響當地的碳排放，從而間接對周邊城市的碳中和進程產生影響［77］。

為了檢驗上述擴散效應，文章首先構建了城市間的反地理矩陣。矩陣中的元素是以兩個城市經緯度測算的城市間距離的倒數。矩陣經標準化處理，使其每行元素之和為1。之后，借助空間計量中的莫蘭指數考察了在反地理矩陣下資本-勞動技術進步偏向性（TECHD）、高技能-低技能勞動技術進步偏向性（HLLD）、碳壓力（CPRS）的顯著性，結果如圖1所示。圖中圓點為不同年份的莫蘭指數，上下限為5%置信水平下的置信區間。可以看出，三個變量在大多數時期具有顯著正向的空間相關性，各自隨距離衰減的擴散效應存在。

圖1 2003—2019年技術進步偏向性與碳壓力的擴散特征

進一步地，文章采用空間動態自相關面板模型（SAR），檢驗反地理矩陣下城市技術進步偏向性與周邊城市碳中和進程的關系，結果見表6。上一年碳壓力L.CPRS與當年碳壓力CPRS有顯著正相關關系，這說明城市碳壓力具有延續性；全局莫蘭指數為正且通過顯著性檢驗，W_CPRS的回歸系數顯著為正，這說明城市碳壓力存在正向空間擴散效應。模型（1）顯示，城市技術進步在資本、勞動間偏向資本將提升周邊城市的碳壓力，即會阻礙周邊城市的碳中和進程。模型（2）顯示，城市技術進步在高、低技能勞動間偏向高技能勞動將減弱周邊城市的碳壓力，即有助于推動周邊城市的碳中和進程。

表6 技術進步偏向性與碳壓力的空間動態模型回歸結果

5 結論和建議

基于2003—2019 年中國257 個地級及以上城市數據，文章運用雙向固定效應模型探究了城市技術進步的資本-勞動偏向性及其高技能-低技能勞動偏向性如何影響碳排放和植被碳匯進而作用于城市碳中和進程，并借助分組回歸、空間計量模型分別考察了城市技術進步偏向性影響碳中和進程的異質性和擴散效應。研究發現：①城市技術進步在資本、勞動間偏向資本會擴大碳排放，阻礙碳中和進程；城市技術進步在高、低技能勞動間偏向高技能勞動會降低碳排放并提高植被碳匯，推動碳中和進程。②在東北、黃河中游和西部地區，城市技術進步偏向資本會阻礙碳中和進程，該負向效應在黃河中游地區最明顯，而沿海和長江中下游地區則與之相反，即技術進步偏向資本有助于推動城市碳中和進程；所有地區的城市技術進步偏向高技能勞動對碳中和進程均有顯著推動作用，該效應在東北地區最明顯。③城市資本偏向性技術進步會阻礙周邊城市的碳中和進程，而高技能勞動偏向性技術進步則會推動周邊城市的碳中和進程。

習近平總書記在2022年兩會時指出：“既要有一個綠色清潔的環境，也要保證我們的生產生活正常進行”。這就要求在穩中有進地推動碳中和目標實現的過程中，必須要兼顧國民經濟系統正常運行，確保生產生活活動正常開展。文章從技術進步視角出發，為中國城市在兼顧經濟發展的同時實現碳中和提供了新的實施路徑，具體有以下五點：①政府可通過產業政策和財政補貼等方式，引導企業向勞動力要素傾斜，提升勞動力特別是高技能勞動力的待遇水平，形成高技能勞動力的區域集聚，進而通過企業創新和產業升級促進當地能源結構調整、降低區域CO2和污染物排放規模、持續改善當地環境，增加區域植被碳匯能力。②政府應注意資本要素低效投入問題和對“骯臟”技術路徑的依賴，加強對該類型企業的識別和環保監督，防止因此出現的當地全要素生產率的增長下降和“清潔”技術發展緩慢，進而增加區域碳排放。③中央政府在制定減排技術路徑時，應充分考慮地區發展的異質性，針對不同地區不同城市制定差異化實現路徑，例如鼓勵沿海和長江中游地區投入更多資本提升當地“清潔”技術的發展，鼓勵東北、長江和黃河中游區高技能勞動的邊際產出；加大對能源富集區“清潔”技術發展的支持，突破其主要依靠能源驅動的經濟發展結構。④政府應充分認識技術進步偏向性與碳壓力的空間擴散效應，加強“低碳城市”試點工作，在城市群建設中通過優化中心城市技術進步方向和減少碳排放水平來對其周邊城市碳中和進程帶來積極影響。⑤政府應加強區域水資源協同，通過水庫、區域間調水工程等改善水資源不足地區的生態環境，進而帶動植被碳匯能力上升。