不同類型資本偏向性技術進步對碳排放效率的影響

岳 立，韓 亮

（蘭州大學經濟學院，甘肅蘭州 730000）

隨著經濟發展，全球能源消耗量和碳排放量在不斷增加，經濟與環境矛盾突出。中國目前是世界第一大能源消費國，碳排放總量居世界第一，單位國內生產總值碳排放量是世界平均水平的兩倍。作為現階段全球最大的溫室氣體排放國，中國在全球氣候談判中一直秉持負責任大國的態度，作出了碳中和碳達峰的承諾。一方面，中國促進了可再生資源和新能源的不斷開發利用，使得社會結構由高污染、高排放型逐漸轉為低碳綠色型；另一方面，在經濟發展過程中逐漸減少能源的投入，減少碳排放量。由此可見，技術進步是碳減排的關鍵驅動力，對實現碳減排目標十分重要。Acemoglu［1］首次對有偏技術進步進行研究，隨后國內外學者進行了有偏技術進步對碳排放效率影響的研究，如郭沛等［2］的研究表明資本偏向性技術進步對碳排放量降低具有促進作用，但是已有相關研究中關于不同類型資本偏向性技術進步對碳排放效率影響并不清晰。因此，基于信息通信技術（ICT）資本偏向性技術進步、人力資本偏向性技術進步視角，選取2007—2020 年間中國30 個省份的面板數據，采用考慮非期望產出的super-SBM 模型分析不同類型資本偏向性技術進步對碳排放效率的影響，并使用全局全要素生產率指數（GML）更深入地分析各省份碳排放水平與變動原因，同時采用Tobit 模型進一步探討碳排放效率的影響因素，從技術進步方向找到影響碳排放效率的關鍵動力，以期為制定低碳綠色經濟發展規劃提供參考。

1 相關研究綜述

Acemoglu［1］對技術進步方向進行了明確地定義，認為當技術進步更有助于提高某種要素邊際產出時，可將其稱為偏向該要素的技術進步。后來，Klump［3］運用標準化系統法對美國技術進步偏向進行了測算，發現技術進步具有資本偏向性特征。國內對技術進步方向也進行了相應研究，如焦高樂等［4］認為技術進步偏向于資本增長和能源使用；戴天仕等［5］的研究表明在考察期內中國的技術進步逐漸從勞動偏向轉向資本偏向，并且資本偏向速度越來越快；郭美晨［6］研究發現，以信息通信技術（ICT）為核心的技術進步具有典型的技能偏向特征。

技術進步在減少能源消耗中具有重要作用，是促進節能減排的重要因素。張頌心等［7］研究了科技進步與農業碳排放之間的關系，發現科技進步在一定程度上與農業碳排放之間呈現負向關系。丁茜［8］研究發現技術進步能夠通過促進經濟增長增加碳排放，通過優化產業結構減少碳排放。陳亮等［9］研究表明，總體上技術對于減少碳排放的效果并不顯著，但有偏向性的綠色技術進步對于碳減排更重要。

基于偏向性技術進步視角，已有文獻展開了有偏技術進步對碳排放效率影響研究，結果表明技術進步在促進碳減排過程中大多偏向資本，例如劉自敏等［10］研究得出有偏技術進步存在顯著減排效應，且技術進步主要偏向資本和能源；郭沛等［2］基于CES 生產函數研究了有偏技術進步與碳排放強度之間關系，同樣發現通過提高資本與能源的替代彈性會實現碳排放效率下降目標。

綜上，雖然關于資本偏向性技術進步和碳排放效率的研究相對較多，但是缺乏對不同類型資本偏向性技術進步與碳排放效率之間關系的具體研究，且已有相關研究尚未達成一致結論?？紤]到以云計算、大數據、人工智能為代表的新一代ICT 技術已經成為最活躍的創新領域之一，是驅動社會和經濟轉型升級的重要引擎，同時考慮到人力資本在ICT發展過程中占據重要地位，且廣泛遍布在其他各個行業，從多個方面對經濟發展和碳減排產生影響，因此，本研究從ICT 資本偏向性技術進步和人力資本偏向性技術進步角度出發，研究這兩類資本偏向性技術進步對碳排放效率的影響，從而為制定合理的碳減排措施提供參考。

2 資本偏向性技術進步對碳減排的影響機制

2.1 ICT 資本偏向性技術進步

ICT 資本抑制碳排放的影響機制主要有以下幾個方面：（1）直接效應。ICT 通過降低自身對能源、物質原材料等的需求，增加對可再生資源的使用，改變對廢棄、老舊、能源消耗量大的設備的循環利用，從而實現碳減排目的。例如，用高效節能的客戶機代替普通計算機，實現對客戶端計算機的集中管理以節省電力消耗，提高能源利用效率。（2）外在效應。將ICT 技術應用于社會經濟生產、流通、消費、服務等各個環節，提高效率，促進綠色經濟的發展，從而達到碳減排目的。（3）系統效應。在碳排放量高的生產領域，以大型云計算數據為中心，將數據采集、分析、應用和管理平臺進行快速部署會提高云計算效率，大幅度減少CO2排放。此外，針對高污染行業，ICT 提供污染源監控系統、視頻監控系統等信息化產品，幫助該類行業從源頭上控制污染，提高碳排放效率，實現低碳目標。

ICT 資本促進碳排放主要體現在能源消耗方面。ICT 屬于技術密集型產業，在產業發展過程中會消耗大量電力，而目前中國的發電主要依靠煤炭、天然氣、石油等不可再生資源。數據顯示，2007 年中國IT 行業產品的電消耗量達到400 億t～500 億t，接近于三峽電站一年的發電量［11］；從2021 年在成都召開的中國數字碳中和高峰論壇中獲悉，信息產業目前已是全球第五大耗能行業［12］。隨著基站和數據中心需求量越來越大，信息產業本身的碳排放還會持續上升。有研究預測，僅以通信產業為例，其全球電力消費總量占比將從2019 年的11%增至2030 年的21%左右［12］。此外，根據加拿大麥克馬斯特大學的研究預測，2040 年信息通信行業（ICT）的碳排放占全球碳排放的比例將從2007 年的1.6%上升至14%［13］。

2.2 人力資本偏向性技術進步

人力資本偏向性技術進步反映的是人力資本水平較低勞動力不斷被人力資本水平較高勞動力替代的過程，以及人力資本與技術之間不斷互補的過程。根據人力資本理論和干中學理論，人力資本偏向性技術進步對碳排放效率的影響主要有以下幾個方面：（1）人力資本水平的提升能夠促進經濟發展，這一發展過程伴隨著規模效應、技術效應和結構效應，從而對碳排放水平產生影響。人力資本水平的提升會使經濟發展水平越過碳排放庫茲涅茨曲線拐點，進而減少碳排放量［14］。（2）人力資本不僅是技術進步的發起者，也是新技術的載體和媒介，其擁有的科學知識、技術是低碳經濟發展的關鍵因素。例如，開發可再生能源技術會提高能源生產和使用效率，促進清潔能源使用，減少CO2排放。（3）技術進步帶來的新產品、新工藝會激發人力資本投入，要求人力資本在短時間內掌握新技術、提高技術轉化率，從而促進了人力資本積累，因此，人力資本通過干中學效應促進技術進步。技術進步在提高能源效率方面發揮著重要作用，而能源效率的提高將帶來碳排放量的減少［15］。（4）人力資本偏向性技術進步帶來勞動力收入的增加，進而影響勞動力的消費方式和消費水平，最重要是會對能源消費習慣產生影響，最終影響CO2排放量。

3 研究方法與指標選取

3.1 研究區域

在城市化和工業化快速發展過程中，能源已經成為制約中國經濟發展和城市化發展的重要因素，大量的能源消耗會增加碳排放量，對氣候環境造成污染。以中國30 個省份（未含西藏和港澳臺地區）為研究樣本，根據能源稟賦多煤少油的特點，依據《中國煤炭產業統計年鑒》的方法，將30 個省份劃分為能源富集區（原煤產量5 000萬t以上）和能源貧乏區1）。

3.2 研究方法

測度碳排放效率的計算主要涉及兩個方面，一方面是準確測算CO2排放量，因為碳排放量的準確性將會對碳排放效率計算結果產生直接影響，另一方面是碳排放效率的計算方法。由于數據包絡分析法（DEA）不需要研究投入產出指標之間的函數關系，也不需要事先假設變量之間關系，避免了很多主觀因素影響，在衡量多投入多產出決策單元的效率方面擁有明顯優勢，因此本研究采用DEA 方法測算碳排放效率。

3.2.1 super-SBM 模型

在測算碳排放效率時，需要在投入產出指標體系中同時考慮期望產出和非期望產出，以及考慮要素的松弛效應，才能有效地計算約束條件下的碳排放效率值，因此，基于super-SBM 模型測度碳排放效率。具體公式如下：

式（1）中：x為投入變量；y為產出變量；為投入的松弛變量，為產出的松弛變量；為權重向量；m為投入的個數；s為產出的個數。

3.2.2 全局全要素生產率指數（GML）

Malmquist-Lenberger 指數（ML 指數）取值范圍為（0，1）∪（1，+∞），表示生產率降低或提高的不同含義，因此使用GML 指數對不同地區碳排放效率進行測算可以有效解決ML 指數無線性解和傳遞性不足問題。將GML 指數分解為技術效率指數（GEFFCH）和技術進步指數（GTECH）進行動態效率變化分析。計算公式如下：

同理，技術效率指數和技術進步指數計算公式分別如下：

3.2.3 Tobit 模型

采用super-SBM 模型測算的碳排放效率值以0為下限，若使用普通最小二乘法（OLS）回歸可能會使估計結果出現偏差，因此使用托賓（Tobit）模型來解決這類因變量受限制問題。構建Tobit 面板回歸模型如下：

3.3 指標選取與數據來源

3.3.1 省份碳排放量的計算

根據IPCC 指南，一般采用實際能源消耗量和與之對應的碳排放系數的乘積測算CO2排放量［16］。將化石能源劃分為8 種，即煤炭、汽油、焦炭、原油、燃料油、煤油、柴油和天然氣。碳排放量計算公式如下：

各種能源平均低位發熱量、含碳量和氧化因子見表1。

表1 一次能源燃料碳排放指標

3.3.2 投入產出指標

在國內外相關研究基礎上，將地區生產總值作為期望產出指標、CO2排放量作為非期望產出指標；將資本存量、能源消費總量和年末就業人數作為投入指標。

3.3.3 影響因素

（1）ICT資本偏向性技術進步。根據投入產出表，基于經過拆分合并后的行業口徑計算各行業ICT 硬件與ICT 軟件中間投入，即把通信設備、計算機及其他電子設備以及信息運輸、計算機服務和軟件業兩部門合并為ICT 產業部門，在現有數據條件支持下，用ICT 固定資本存量測算ICT 資本偏向性技術進步。對于未公布年份的資本投入數據，采用羅玥琦［17］的做法，根據《中國地區投入產出表》中數據選取與測算投資序列，采用永續盤存法測算ICT資本存量。計算公式如下：

（2）人力資本偏向性技術進步（HC）。基于孫百才［18］對人力資本偏向性技術進步分析，對HC的具體測算方法如下：假設一個經濟體存在兩種投入要素，即勞動和資本，并根據人力資本理論，基于工作效率和受教育程度不同，將整個社會的勞動力分為技能型勞動力（人力資本水平較高）和非技能型勞動力（人力資本水平較低），采用非技能型勞動力受教育年限與技能型勞動力受教育年限之比來測度人力資本偏向型技術進步。公式如下：

式（9）中：非技能型勞動力受教育年限=小學×6+初中×9；技能型勞動力受教育年限=高中×12+大專及以上學歷×16。小學、初中、高中、大專及以上學歷分別指的是各地區每年各類學歷的畢業人數。

3.3.4 控制變量

為防止因變量缺失對回歸結果產生影響，在基準回歸模型中控制了以下區域特征變量：

（1）經濟發展水平（EDL）。較高經濟水平會帶來技能型人才的集聚，改進利用能源的技術和方式，提升碳排放效率。采用人均GDP 衡量經濟發展水平，為消除異方差的影響對其進行了對數化處理。

（2）環境規制（ER）。在環境規制約束下，企業會在環境保護方面投入更多資源，有利于CO2等非期望產出的減少，提高碳排放效率。使用環境治理投資占GDP 比重來測度環境規制，其中環境治理投資是城市環境基礎設施建設投資、工業污染治理投資和林業投資三者加總。

（3）能源消費結構（ECS）。合理的能源消費結構會減少能源使用量、提高能源利用效率，從而帶來碳排放效率提升。采用能源消費總量中天然氣消費總量的比重來衡量能源消費結構。

（4）財政集中度（FC）。在經濟發展水平提高過程中，地方財政支出和收入會隨之增加，公眾對環境質量的要求也會提高，且財政支出也會對當地企業和政府的行為產生影響，從而對環境產生一定的影響。采用GDP 中地區財政支出所占百分比來衡量財政集中度。

（5）產業結構（IS）。產業結構優化升級在節約資源和降低污染度等方面具有重要作用，從而會帶來碳排放效率的變化。采用第三產業產值占GDP比重來測量產業結構變化。

（6）對外貿易（FR）。在貿易自由流動的情況下，發達國家會將高污染、高耗能產業向發展中國家轉移，引發CO2排放生產體的空間轉移，從而對碳排放效率產生影響。采用進出口貿易總額占GDP 比重衡量貿易水平變動。

3.4 數據說明

本研究中有關指標數據分別來自2008—2021 年《中國統計年鑒》《中國教育統計年鑒》《中國地區投入產出表》《中國環境統計年鑒》《中國能源統計年鑒》《省級溫室氣體排放清單》以及各省份的統計年鑒。同時，將固定資產投資和國內生產總值的原值分別采用固定資產投資價格指數、國內生產總值指數平減至2007 年不變價格，以確保數據的有效性；缺失值則根據鄰近年份數據進行線性插補。樣本的投入產出指標描述性統計如表2 所示。

表2 區域碳排放效率投入產出指標體系及樣本指標描述性統計結果

4 實證結果及討論

4.1 碳排放效率測算結果分析

4.1.1 時序演變特征

利用MaxDEA 軟件繪制全樣本、能源富集區和能源貧乏區碳排放效率均值變化趨勢圖（見圖1）?？疾炱陂g，全樣本碳排放效率整體呈下降趨勢，從2007 年的0.637 5 下降到2020 年的0.257 6，能源富集區變化趨勢與整體變化趨勢基本保持一致，能源貧乏區效率呈先上升后下降趨勢。分時間段來看，整體上，2007—2016 年碳排放效率值連續下降，這可能是由于各級政府為了應對2008 年經濟危機而采取各種措施所導致的；2016—2017 年碳排放效率呈現回升趨勢，分析其原因是碳交易市場初期建立的成果。分區域來看，能源富集與能源貧乏兩大區域碳排放效率變化呈現較大的區域異質性，其中能源富集區波動較小、能源貧乏區波動幅度較大，表明各地區受到能源、自然、社會等多方面因素的影響，碳排放效率的變化趨勢有所不同。

圖1 中國碳排放效率均值趨勢

4.1.2 GML 指數及其分解

進一步采用GML 指數對30 個省份碳排放效率的動態變化及構成進行測算。由表3 可知，考察期間內各省份GML 均值為0.950 2，呈下降趨勢。其中，只有寧夏、重慶、新疆、天津、上海、遼寧以及北京的全局技術效率指數大于1，重慶、山東及新疆的全局技術進步指數大于1。大多數省份的技術進步指數＞技術效率指數，說明技術進步是碳排放效率變化的主要因素，因此需要促進技術進步來帶動碳排放效率提升。

表3 2007—2020 年中國30 個省份碳排放效率水平的GML 指數及分解結果

4.1.3 空間分布特征

總體來說，考察期間能源貧乏區的碳排放效率值大于能源富集區。分時間來看，2011 年只有3 個省份的碳排放效率達到完全有效水平，效率水平由高到低依次為山東、江蘇、新疆，其他大多數省份的碳排放效率處于中等水平；2013 年，30 個省份的碳排放效率均未達到完全有效，仍處于中等水平，且較2011 年的碳排放效率有所下降；2020 年，部分省份碳排放效率有所提升，但幅度不大，主要集中在上海、北京等發達地區，其他大部分省份仍呈現下降趨勢，如甘肅、青海等。

4.2 碳排放效率水平影響因素分析

基于Tobit 模型對樣本面板數據進行回歸，結果如表4 所示。從整體來看，ICT 資本偏向性技術進步對碳排放效率提升具有顯著抑制作用，因為碳減排新技術的重組需要一定時間，也需要人力資本和組織管理等補充投資的完善，從而減弱了提高碳排放效率過程中使用新技術的能力，無法充分發揮當期ICT 投資的作用；人力資本偏向性技術進步對碳排放效率水平提升同樣具有顯著抑制作用，因為當技術進步偏向人力資本時，通常會增加高技能勞動力收入，從而影響勞動力消費方式和水平，有可能會增加對碳排放量高的產品的消耗，從而使得碳排放效率下降。

表4 樣本變量的基本回歸結果

從控制變量來看，經濟發展水平與碳排放效率之間具有顯著正向關系，表明隨著經濟的發展，人們開始注重環境保護和能源消耗，碳排放效率也隨之提升；產業結構與碳排放效率之間呈顯著負向關系，這是因為第三產業在擴大規模和結構優化升級過程中會增加能源消耗，使碳排放增加；對外貿易對碳排放效率提升同樣具有抑制作用，因為隨著國際分工與產業轉移速度的加快，發達國家向中國轉移碳排放，導致中國碳排放效率下降；環境規制對碳排放效率提升具有顯著抑制作用，因為當政府開始實施環境保護政策時，化石燃料供應者為了利益最大化會加快燃料的開采和售賣，短時間內會出現供過于求現象，導致化石燃料的價格下降、需求上升，最終增加CO2排放［19］；而財政集中度對碳排放效率提升產生了顯著負向作用，這與屈小娥等［20］的研究結果相同。分區域來看，在能源富集區，ICT 資本偏向性技術進步和人力資本偏向性技術進步對碳排放效率均存在顯著抑制作用；在能源貧乏區，ICT 資本偏向性技術進步和人力資本偏向性技術進步對碳排放效率提升均具有促進作用，但結果不顯著。

4.3 穩健性檢驗

為了檢驗以上實證分析結果的穩定性，采用替換模型的方法，以方向性距離函數（DDF）代替super-SBM 模型來計算碳排放效率，其他變量保持不變，重新進行Tobit 回歸。如表5 所示，30 個省份整體、能源富集區以及能源貧乏區的回歸結果與基本回歸結果基本一致，表明本研究的實證結果有穩健性。

表5 替換模型的樣本變量穩健性檢驗結果

表5 （續）

2013 年，北京、上海、廣東、天津等地正式啟動多個碳交易試點，為了進一步驗證本研究實證結果的可靠性，將樣本期間縮減并劃分為2007—2012年和2013—2018 年兩個時間段，對全樣本和兩大區域的回歸結果進行驗證，結果如表6 所示。其中，由于回歸所涉及變量較多，ICT 資本偏向性技術進步和人力資本偏向性技術進步的分樣本回歸結果與全樣本回歸結果的顯著性不同，但回歸系數符號相同，而分樣本檢驗得出的結果與基本回歸結果基本一致也在一定程度上表明本研究實證結果具有穩健性。

表6 改變考察期間的樣本變量穩健性檢驗結果

5 結論與建議

從以上對中國30 個省份的實證分析可知，總體來說，大部分省份的碳排放效率水平仍然較低。從2007—2020 年各省份碳排放效率均值可以看出，只有北京、上海、廣東以及新疆4 個省份的均值大于1，即處于有效水平，其他省份均未達到有效水平；均值最低的省份是寧夏，波動程度最強的是山東，表現最穩定的是甘肅。技術進步的變化是引起碳排放效率變化的主要動因。ICT 資本偏向性技術進步和人力資本偏向性技術進步在整體和能源富集區對碳排放效率提升均呈現出顯著抑制作用，在能源貧乏區則均呈現出顯著促進作用。

據此，提出以下建議：第一，在提高信息化水平的過程中應最大限度發揮ICT 資本產業的各種效應，尤其是外溢效應，同時注重人力資本、管理服務等相關互補性投資，使ICT 能更好地運用于生產，削弱延遲效應，提高碳排放效率水平。第二，加強人力資本投資，培養低碳型技術人才。實現碳減排目標需要通過清潔技術的開發、應用和推廣以及能源結構的調整，而低碳型技術人才在技術研發、實驗和推廣過程中起到了重要的作用。第三，優化人力資本在區域間的配置，實現區域間協調發展。人力資本偏向性技術進步對碳排放效率影響存在區域異質性，因此，應推動人力資本在區域間的均衡分布，避免因分布不均造成碳排放效率低下問題。第四，構建完善能源富集區ICT 產業鏈模式。雖然能源富集區的信息通信技術產業發展勢頭良好，但是產業鏈尚未完全形成，只有在網絡普及、多媒體技術發展、多種創意和技術融合及良好政策支持下才能形成良好產業鏈，加強企業、行業間聯系，使ICT 投資更好地運用于生產，提高碳排放效率。第五，能源貧乏區應制定和完善ICT 投資政策，繼續加強ICT 投資。能源貧乏區的ICT 資本偏向性技術進步對碳排放效率提升具有促進作用，因此完善ICT 投資政策、加快ICT 產業發展會提高能源利用效率，實現碳減排目標。

注釋：

1）能源富集區包括內蒙古、山西、陜西、河南、貴州、山東、安徽、新疆、黑龍江、云南、河北、湖南、寧夏、四川、遼寧；能源貧乏區包括北京、天津、上海、江蘇、浙江、福建、廣東、海南、吉林、江西、湖北、重慶、廣西、甘肅、青海。