人口老齡化、技術進步與低碳發展的關系研究
——以中部地區為例

向華麗,劉 言,孫晨晉

1.中南財經政法大學 公共管理學院,湖北 武漢 430073;2.中南財經政法大學 可持續發展與公共政策研究中心,湖北 武漢 430073

一、研究背景

黨的二十大報告特別強調了我國參與全球氣候變化治理的部署,因此“十四五”以來一直到“碳中和”時期低碳綠色發展是我國高質量發展的核心。2021年10月26日,國務院印發《2030年前碳達峰行動方案》,對推進碳達峰工作作出總體部署,再次強調了“雙碳”在現階段的重大戰略地位。因而可知,促進節能減排、實現低碳發展是我國當前具有戰略意義的重大任務。與此同時,第七次全國人口普查數據顯示,65歲及以上人口占總人口比重達13.5%,比第六次全國人口普查數據上升了4.63個百分點。有學者對我國人口老齡化發展進行預測,認為在未來三十年,我國將成為人口老齡化發展速度最快的國家,并迅速走向深度和重度老齡化[1]。

中部地區包括山西、河南、安徽、湖北、湖南和江西六個省份。該地區承載著全國26.5%的人口,依靠全國10.7%的土地創造了全國約21.6%的GDP,是我國人口大區、經濟腹地和重要市場。隨著我國城鎮化進程的不斷深入,人口流動頻繁,中部地區人口大量外流,這也加重了中部地區老齡化程度。中部地區因其地理位置的特殊性,是構建全國統一大市場、促進東部和西部整體協調發展的重要區域。2004年中部崛起政策提出要將中部建設成“兩型社會”。2021年4月發布的《中共中央國務院關于新時代推動中部地區高質量發展的意見》,再次強調了堅持綠色發展,打造人與自然和諧共生的美麗中部的低碳發展目標。走節能減排的低碳發展道路是中部地區履行減排承諾的需要,更是中部地區可持續發展的必然要求。技術進步可以轉變經濟發展方式、推進經濟發展與碳排放脫鉤,對促進經濟發展和綠色低碳轉型均具有重要作用[2]。

碳排放來源于人類的生產與消費活動,人口老齡化也會從生產和消費這兩條途徑對碳排放造成影響。關于人口老齡化對碳排放的影響,學術界目前存在較大爭議,主要有以下幾種觀點:(1)人口老齡化會增加碳排放。老年人口增多導致相關產業產品或服務需求增加,政府擴大相關產業發展,導致碳排放增加[3-6]。(2)人口老齡化會減少碳排放。一方面,老年人的消費能力弱且更偏向低碳消費,人口老齡化會提高服務業在消費中的比重,因此在消費率不變的情況下,人口老齡化程度越高,工業比重越低,服務業比重越高,從而減少碳排放[7]。另一方面,老年人口增多、勞動適齡人口減少會造成社會生產能力降低,最終減少碳排放。從技術進步理論來看,老齡化迫使社會經濟發展方式轉變,從追求速度到追求質量,通過高質量發展促進節能減排[8-12]。(3)人口老齡化與碳排放不是單一的線性關系[13-15],在不同的時期和環境下,老齡化對碳排放造成的影響也不同。例如王欽池認為兩者之間呈倒“U”型關系[16],王芳認為兩者之間為“U”型關系[17],楊愷鈞等則認為老齡化與碳排放之間為“N”型關系[18]。以上研究結論的差異,可能是不同學者所研究的區域和時間、所選取的變量、所采用的數據或學者自身偏好等方面的差異造成的。

學界關于人口老齡化與技術進步關系的研究有不同觀點。第一種認為人口老齡化會阻礙技術進步[19-23],支持這一觀點的學者多從個人層面的年齡效應來解釋人口老齡化對技術進步的影響。首先,個體進入老年以后健康水平下降,創新能力也降低,造成勞動生產率水平降低。其次,相比于年輕人,老年人的創新意愿通常更低。這些都不利于技術進步。

第二種觀點認為人口老齡化會促進技術進步。從個人層面來看,老年人口有著更多的工作技能與更豐富的經驗累積[24],這些技能與經驗能有效地促進創新能力的提升,對技術進步造成積極影響。從企業層面來看,人口老齡化導致老年人口增多,勞動適齡人口減少。勞動人口的減少造成企業用工成本增加,企業需要通過提高生產效率來彌補勞動力數量下降造成的不良影響,進而進行技術研發,促進技術進步。因此人口老齡化也會通過對企業的倒逼來促進技術進步[25]。

還有一類觀點認為,人口老齡化與技術進步不存在顯著關系。如翟振武等研究發現,在人口老齡化背景下,只要勞動年齡人口絕對規模較大、研發人員占勞動力的比重較小,人口老齡化就不影響研發隊伍的規模、年齡結構和素質水平[26]。

多數學者認為技術進步對碳排放有抑制作用。其作用途徑可以歸納為三種:(1)技術進步可以通過提高能源使用效率降低碳排放量[9-11]。(2)通過新能源的開發利用,優化能源結構達到碳減排的目的[12]。新能源技術的開發可以顯著地降低能源使用,從而降低碳排放。(3)相較于高新技術產業、服務業等第三產業,傳統的第二產業具有高耗能高排放的特點,也是現今二氧化碳氣體排放的主要來源。技術進步有利于促進產業轉型,優化產業結構,進而降低碳排放[13-14]。

綜合已有研究,人口老齡化、碳排放與技術進步三者的關系是不明確的。通常情況下技術進步可以減少碳排放,而在人口老齡化的不同階段,其對碳排放的影響也不同。由此,在中國老齡化不斷加劇并面臨巨大減排壓力的情況下,需要進一步厘清三者關系。探討中部地區人口老齡化對低碳發展造成的影響以及技術進步在其間發揮的調節作用,對打造“兩型社會”和促進我國經濟社會全面綠色低碳轉型的高質量發展具有重要意義。本文的創新點有三個方面:(1)以中部地區為案例,研究表明人口老齡化與碳排放之間呈現倒“U”型關系;(2)人口老齡化率在6.5%左右時,中部地區碳排放量達到峰值水平;(3)技術進步可以顯著地降低中部地區碳排放,并且在人口老齡化對碳排放的影響中具有積極的調節作用。

二、理論分析與研究假設

(一)人口老齡化與碳排放之間的非線性關系

從消費行為來看,人口年齡結構與碳排放之間存在一種主要中介,即經濟發展水平。關于兩者之間關系的理論機制分析,可以參考著名的環境庫茲涅茨曲線理論(EKC)。其具體的含義是:一個國家或區域的環境污染程度通常隨著社會經濟發展水平的提升而加重;而當其經濟發展程度達到某個臨界值或者某個“拐點”時,經濟水平的提升可以降低環境污染程度,即隨著經濟發展程度的提升環境污染逐漸得到改善。它描繪的是經濟增長與環境污染之間先同步變動后反向變化的關系,即倒“U”型關系。也就是說,在經濟發展的不同階段,碳排放量的高低會產生變化。人口老齡化在一定程度上也能反映出地區經濟的發展水平和發展階段,例如英國、法國、德國等發達國家人口老齡化率均在20%以上,美國、澳洲的老齡化率在15%左右。在人口老齡化初期,勞動適齡人口并未顯著減少,人口紅利沒有消失,老年人口數量的增加能帶來醫療保健等新的消費需求,因此這一時期,老齡化會顯著地增加碳排放。而當人口老齡化達到一定程度以后,人口紅利消失,產業結構由勞動密集型轉向低碳的資本密集型和技術密集型,而且老年人口相較于勞動適齡人口消費能力更弱,從長期來看,人口老齡化將會抑制碳排放[8]。基于此,本文提出以下假設:

H1:人口老齡化與碳排放之間呈倒“U”型關系。

(二)技術進步的調節作用

基于柯布道格拉斯方程可知,經濟增長是勞動力數量、資產投入和綜合技術水平(包括經營管理水平、勞動力素質、引進先進技術等)共同作用的結果。因此,基于生產的需求,當人口老齡化帶來勞動力總數下降時,通過引入先進技術、提高生產效率的手段可以彌補人口老齡化帶來的不良影響。

人口老齡化會通過倒逼產業轉型促進產業結構升級,但是這種倒逼并不是那么輕易就可以完成的,其中最重要的一個環節就是技術進步。通過技術手段對原有生產設備進行改造升級,提高勞動生產效率,以更少的勞動力完成更多的生產任務,勞動力減少才不會影響企業正常運轉。技術進步甚至可以實現自動化生產,以很少的人力進行大量的工作,從而減少對勞動力的依賴。換句話說,老齡化會導致市場上適齡勞動力數量減少,通過倒逼機制推動勞動密集型產業向技術密集型產業轉變,促進產業結構升級,提高能源使用效率,降低成本,進而減少碳排放,這些必須要依靠技術進步來實現。因此,老齡化對碳排放的影響不可避免地受到技術進步的同步影響。

老年人的消費行為也受到技術進步影響。人口老齡化出現以后,老年人口增多,不可避免地會產生新的消費需求。例如,老年人相對年輕人身體較弱,出于對健康生活的要求,必然會對醫療保健產生更高的期望與需求,進而對碳排放產生影響。與此同時,技術進步會促進可持續消費的發展。一般認為,可持續消費通過技術進步和改變消費模式兩種途徑實現。一是技術進步可以減少單位產品和服務生產過程中的資源消耗,從而提高消費效率;二是居民消費主要通過對商品服務的選擇來影響環境,而居民消費行為又受到居民收入水平高低、消費意識等因素的影響,因此改變消費模式可以影響能源的消耗,從而實現可持續消費,促進碳減排。基于此,本文提出以下假設:

H2:技術進步可以顯著地降低碳排放,并且在人口老齡化對碳排放的影響中具有積極的調節作用。

三、研究設計

(一)研究方法

空間計量模型常用的權重矩陣大體可以分為四類:鄰接權重矩陣、 經濟權重矩陣、反距離權重矩陣以及嵌套權重矩陣。本文選用鄰接權重矩陣,其表達式為:

式中,W1表示鄰接權重矩陣,i和j表示不同的兩個地級市。

STIRPAT(Stochastic Impacts by Regression on Population, Affluence, and Technology)即可拓展的隨機性的環境影響評估模型。 Dietz將指數引入到原始的環境壓力模型IPAT中,得到可以反映人口經濟各變量與環境變量之間非比例關系的STIRPAT模型I=aPbAcTd,a代表模型比例的常數項,b、c、d分別表示變量P、A、T的彈性系數[27]。在此基礎上,國內許多關于環境問題的研究都基于STIRPAT模型進行擴展。為分析人口老齡化、技術進步對碳排放(本文指二氧化碳的排放量)的影響,同時考慮其他影響因素及數據的可獲取性,引入產業結構、人力資本、人口規模、人均收入、財政支出結構等控制變量,其擴展模型為公式(1):

Iit=ait+boldit+f(oldit)2+ctecit+dpopit+epergdpit+fstructit+ghcit+hgovit

(1)

本文進一步考慮了空間效應,對人口老齡化影響碳排放量的直接效應以及空間溢出效應進行研究。基本空間計量模型設定為公式(2):

(2)

式(2)中:i表示地區;t為時間;Yit表示t時期被解釋變量;xit為t時期解釋變量;W表示空間權重矩陣;ρ為被解釋變量在空間上的滯后系數;η表示解釋變量的系數;σ表示解釋變量在空間上的系數;μi、γt分別表示個體效應和時間效應;εit、M分別表示擾動項和擾動項的空間權重矩陣。

ρWitYit是被解釋變量的空間滯后項,此項的作用在于體現鄰近地區被解釋變量受到本地區被解釋變量的影響程度;σWxit是解釋變量的空間滯后項,此項的作用在于體現鄰近地區解釋變量受到當地解釋變量的影響程度。考察公式(2)一般性空間計量模型的形式:當λ與σ取0時,一般性模型變為空間滯后模型形式;ρ與σ取0時,一般性模型轉化為空間誤差模型形式;當λ為0時,一般性模型轉化為空間杜賓模型形式。經過以上對各種空間計量模型的分析,為了達到分析人口老齡化對碳排放量的直接效應和空間溢出效應的目的,本文在LM退化檢驗后,再確定適用的模型,主要是確定空間杜賓模型是否可以退化成空間滯后或者空間誤差模型。三種空間模型形式設定為公式(3)至公式(5):

(3)

(4)

(5)

(二)數據說明

本文的被解釋變量為二氧化碳排放量,由8種主要能源使用量測算獲得,數據來源于各市統計年鑒。核心解釋變量人口老齡化率根據各市統計年鑒中人口統計分冊65歲及以上人口占總人口的比重計算得出。發明專利與實用型專利數、常住人口、人均GDP、產業結構、人力資本、財政支出等變量的數據來源于各省、市統計年鑒以及《國民經濟統計公報》。本文選取中部六省84個地級市作為研究對象,(1)其中湘西土家族苗族自治州、恩施土家族苗族自治州和神農架林區大多數據缺失,未納入其中進行分析。研究時間為2010年至2019年。

二氧化碳排放量(CO2)。本文根據IPCC(2006)、國家氣候變化對策協調小組辦公室、國家發改委能源研究所(2007)的數據及借鑒杜立民的研究[28],在估算分省CO2排放量時測算的CO2排放系數結果為:煤炭的CO2排放系數為1.647,焦炭的CO2排放系數為2.848,汽油的CO2排放系數為3.045,燃料油的CO2排放系數為3.067,柴油的CO2排放系數為3.150,煤油的CO2排放系數為3.174,天然氣的CO2排放系數為21.670,單位均為噸/億立方米。

人口老齡化(Old)。本文選取中部六省各市65歲及以上人口占總人口的比例作為核心解釋變量來驗證其對碳排放的影響。同時,為了驗證人口老齡化與碳排放是否存在非線性關系,將人口老齡化的平方項加入模型中。我國近10年老齡人口數量呈增長趨勢,因此本文基于2010年的六普數據和2020年的七普數據,結合歷年六省的老齡化數據,對中部六省地級市的人口老齡化數據進行線性插值估算,結果見表1。

表1 2010—2019年中部六省老齡人口比 %

本文選擇了以下6個控制變量。

技術進步(Tec):采用各地區專利發明數量與實用型專利數作為技術進步的表征指標。考慮到專利申請具有一定滯后性,因此選用地區專利申請數能更好地反映當地技術進步的水平。前文已經分析了技術進步在人口老齡化影響碳排放中的作用,所以將專利申請數作為控制變量來檢驗人口老齡化對碳排放的調節作用。

人口規模(Pop):采用各地級市年末的常住人口數反映人口規模。國內外學者一致認為人口規模對二氧化碳排放有重要影響。中部六省是我國人口分布的密集區域,第七次人口普查數據顯示中部六省人口為3.647億,占全國人口比例的25.83%。

人均GDP(Pergdp):本文用地區的名義生產總值換算為2010年不變價的實際生產總值,再用實際生產總值除以該地區當年人口總數得到實際人均GDP。經濟發展的初期通常會以破壞環境為代價,為了滿足生產發展的需要,大量消耗能源,提高了碳排放量。但當經濟發展到一定水平時,環境問題得到重視,人們開始有意識地降低碳排放。

產業結構(Structure):選取第二產業產值占地區總產值的比例表示。第二產業是碳排放的重要來源,多為高耗能、高污染產業,第二產業占總產值的比重越大,經濟越依賴第二產業發展,碳排放量越高。

人力資本(Hc):本文選取每萬人高等學校在校人數作為表征指標。由內生增長理論可知,人力資本可以促進經濟增長,通過提升產品質量、提高勞動生產效率,間接地影響碳排放量。

財政支出結構(Gov):用地區教育與科技經費支出總和占地區政府支出的比重來表示。這一比例越高,說明政府越重視優化財政支出結構,增加教育和科技支出而減少投資支出,向民生型支出轉型,這一結果會造成依賴政府投資的基建工程減少,碳排放量逐步降低。

各變量描述性統計見表2。近10年中部地區的平均老齡化率為11.81%,標準差為2.31,老齡化率穩步上升。人均碳排放均值為1.74,標準差高達1.53。人均GDP均值約為42 260元,標準差也較高,達到21 930。第二產業占比的均值為50%左右且標準差較小,說明中部地區的產業結構還是以制造業為代表的第二產業為主。

表2 變量描述性統計

四、實證分析

(一)空間性分析

1.全局空間自相關檢驗

表3為2010年到2019年人均碳排放量以及人口老齡化的莫蘭指數值,人均二氧化碳排放量的Moran’s I統計量以及Z值除個別年份外,全都通過顯著性水平5%的檢驗,說明中部六省各市二氧化碳排放量在地域空間上具有顯著的自相關性。Moran’s I值均大于0,說明中部84個地級市的人均碳排放量在空間上存在正相關,即二氧化碳排放量在中部地區空間上呈集群趨向:通常與碳排放量多的地級市相鄰的地級市碳排放量也較多,與碳排放量少的地級市相鄰的地級市碳排放量也較少。

表3 2010—2019年中部六省地級市人均碳排放量與人口老齡化Moran’s I指數值

2010—2019年老齡化的Moran’s I統計量以及Z值全部通過顯著性水平1%的檢驗且指數值為正,說明中部六省各市人口老齡化在地域空間上也具有顯著的正相關性。從圖1發現,碳排放的Moran’s I值2010—2016年呈現小幅度上升的趨勢,2016—2017年指數驟升后趨于平穩,說明二氧化碳排放量局域集聚趨勢不斷加強,不能忽略空間作用。人口老齡化的Moran’s I值則呈現逐年下降的趨勢,說明人口老齡化局域集聚趨勢不斷減弱,但仍然不能忽略其空間集聚特征。

圖1 2010—2019年中部六省地級市人均碳排放量與人口老齡化Moran’s I趨勢圖

2.局部空間自相關分析

采用ArcGIS空間統計模塊下局部LISA集聚分析碳排放量強度與人口老齡化的局部空間異質性,其類型如表4所示。

表4 碳排放量強度與人口老齡化空間集聚類型

人口老齡化局部特征如圖2所示:(1)“高-高”型。這一類型變化范圍不大,主要形成“湘西北-鄂西南”“皖東-皖東南”兩條帶狀分布。說明該區域及周邊地區是人口老齡化的高值分布區,這與湖南、安徽、湖北等中部省份已邁入深度老齡化的現狀相符。(2)“低-低”型。這一類型范圍略有縮小,由2010年“晉南-豫北”以及江西大部分地區的雙核分布演變為2019年主要以江西省為主的單核分布。2019年“晉南-豫北”核心范圍縮小,僅有晉中、新鄉和焦作三市呈現“低-低”分布,而江西省并無顯著變化。江西省尚處于人口紅利階段,與中部其他地區相比人口老齡化水平較低。(3)“高-低”型。這一類型2010年和2019年都在忻州;山西省人口老齡化率在中部地區甚至全國排名都較低,其中忻州市老齡化率位居全省首位。(4)“低-高”型。這一類型2010和2019年都分布在合肥。2019年合肥市人口老齡化率為11.99%,位居省內最后一位,低于省平均值15.01%,鄰近的馬鞍山、銅陵、安慶均遠高于平均值。

人均碳排放量局部特征如圖3所示:(1)“高-高”型。這一類型覆蓋范圍明顯擴大,2010年無“高-高”型區域,2019年山西大部分地區發展成“高-高”型,說明這些區域及其周邊區域碳排放量高。結合區位及經濟發展、產業結構等方面來看,安徽省工業主要集中在皖東的“合肥-蕪湖-馬鞍山”一帶,其他地區工業基礎薄弱,而山西省作為能源大省,長期以來形成了以能源原材料生產為主的經濟格局,高投入、高消耗、高污染的粗放型經濟增長方式沒有得到根本轉變,因此形成省內大部分地區高碳排放的空間格局。(2)“低-低”型。這一類型集聚特征有所增強,2010年分布在贛東南鷹潭、撫州以及贛南贛州,湘西懷化,豫東南商丘、周口以及豫南信陽,皖西北阜陽,覆蓋省份較多。2019年集聚特征增強形成“湘西”“豫東南-皖西北”雙核集聚。這些區域相對鄰近區域工業和經濟發展落后。(3)“高-低”型。這一類型2010年主要分布在江西省的南昌、新余和安徽省的淮南。南昌與新余是江西省人均GDP位列前兩位的市,與鄰近地市相比工業發展較好。(4)“低-高”型。這一類型在2010年僅分布于山西省內的忻州和晉中,隨后晉中市與忻州市2019年演變為“高-高”型。忻州一直是一個農業大市,工業基礎薄弱,“一煤獨大”現象嚴重。而濟源市2019年演變為“低-高”型。

(二)實證結果

1.空間計量模型檢驗

由表5可知,LM檢驗中SEM與SAR模型的檢驗值分別為315.941、184.546,均在1%的顯著性水平下拒絕原假設,即存在空間誤差或滯后項,應選擇空間模型而不是OLS。Robust-LM檢驗結果與LM檢驗一致,因此從Robust-LM檢驗結果可知應選擇空間杜賓模型;SDM退化檢驗(LR檢驗)值為107.5、75.78,均在1%的顯著性水平下拒絕原假設,即SDM無法退化成SEM或SAR,應選擇SDM模型;豪斯曼檢驗值為30.06且在5%的顯著性水平下拒絕隨機效應的原假設,因此應選擇固定效應模型。綜上,本文最終選用固定效應下的空間杜賓模型。

表5 空間計量模型LM、LR以及Hausman檢驗

2.空間模型檢驗結果

空間SDM固定效應模型分為個體固定效應、時間固定效應和雙向固定效應模型。利用ArcGIS構建空間權重矩陣,并運用Stata17軟件對模型進行估計,同時匯報了SDM、SEM、SAR模型下的估計結果。本部分同時匯報了三類空間模型的固定效應模型以及SDM模型下的個體、雙向固定效應模型。從表6、表7可知,SDM、SEM、SAR模型中人口老齡化及其平方項均通過顯著性檢驗。

表6 不同空間模型的估計結果

表7 SDM模型下不同固定效應模型估計結果

從SDM模型不同的固定模型估計結果來看,個體固定效應及雙向固定效應中核心解釋變量均通過顯著性檢驗。

從雙向固定效應模型估計結果來看,人口老齡化對碳排放量的影響呈現顯著的倒“U”型,驗證了假設H1。從系數值可以看出,lnOld系數(5.538)絕對值大于lnOld平方項的系數絕對值,表明左邊的上升坡度比右邊的下降坡度要陡峭,這說明老齡化初期碳排放顯著增加,但當老齡化達到一定程度之后,碳排放會微弱減少。并且通過老齡化系數和其平方項的系數可以計算出,當人口老齡化率在6.5%左右時,中部地區碳排放量達到峰值水平。這可能因為中部地區峰值不止一個,存在“M”型的可能[18]。

技術進步對碳排放有抑制作用且在1%的顯著性水平下通過檢驗。但由于中部地區勞動密集型企業較多,同時經濟發展水平較東部沿海地區落后,低碳技術發展水平不高,因此技術進步對碳排放的抑制作用較弱。

在其他控制變量方面,碳排放量與人口規模之間的系數為負值且在1%的顯著性水平下通過檢驗,與模型假設相背離。人均GDP與碳排放量的回歸系數為正且在1%的顯著性水平下通過檢驗,說明人均GDP對碳排放量存在顯著影響。產業結構與碳排放量的回歸系數為正且在1%的顯著性水平下通過檢驗,說明第二產業對碳排放具有顯著的促進作用。財政支出結構與碳排放量的回歸系數為負數,說明財政支出結構優化抑制了碳排放。

3.技術進步的調節作用

表7模型(2)和(4)中未納入技術進步對碳排放的影響,對比模型(1)和(3)可知,考慮技術進步后,人口老齡化對碳排放的影響有所減弱。在雙向固定效應模型中,人口老齡化的回歸系數由5.978下降至5.53,因此技術進步抑制了人口老齡化對碳排放量的正向影響,驗證了假設H2。

4.人口老齡化影響碳排放量的效應

人口老齡化對碳排放量的影響可以分為對當地的直接影響以及對相鄰地區的溢出效應。因此重點解讀空間杜賓模型的直接效應和空間溢出效應相應的回歸結果。

通過對表8模型回歸結果的分析可見,人口老齡化在5%顯著性水平上對本地碳排放量起到了推動作用,對于相鄰地區的空間溢出效應也在5%顯著性水平上起到了推動作用,回歸系數分別為6.816和15.57。

表8 人口老齡化影響碳排放量增長的效應結果

從其他變量來看,技術進步對本地區碳排放量在1%顯著性水平上起到了抑制作用,但對相鄰地區的空間溢出效應沒有通過顯著性檢驗,可能的原因是技術進步推動了本地區產業結構升級,人口規模、產業結構只對本地區碳排放量有顯著影響,空間溢出效應未通過顯著性檢驗。而人力資本、人均GDP與政府財政支出結構的直接效應與間接效應均未通過顯著性檢驗,說明在中部地區人力資本空間流動導致的“隱性知識”和財政支出的“擴散效應”并不顯著。

5.穩健性檢驗

穩健性檢驗可以從數據、變量以及計量方法出發,本文采用替換指標的方法,借鑒汪偉等的研究,用老年人口撫養比(FYB)重新衡量人口老齡化水平[29]。

從表9回歸結果來看,各變量回歸系數的正負性以及顯著性未發生明顯變動,說明本文模型的設定是穩健的。在個體固定效應與雙向固定效應模型中,人口老齡化均呈現顯著的倒“U”型分布。在未考慮技術進步的前提下,人口老齡化對碳排放量影響的回歸系數分別為6.97和7.195,而把技術進步納入模型后,這一數值下降至5.847和6.587,說明技術進步在一定程度上抑制了人口老齡化對碳排放量的正向影響。

表9 穩健性檢驗

五、結論與政策建議

(一)研究結論

本文利用2010—2019年中部地區84個地級市的數據,根據STIRPAT模型的擴展形式,運用空間計量分析方法,分析了人口老齡化、技術進步和低碳發展之間的關系,得出以下主要結論。

中部地區的人均碳排放量呈現空間自相關性,即二氧化碳排放量在中部地區空間上呈集聚趨勢,并且從時間上來看,二氧化碳排放量局域集聚趨勢在不斷加強[30-31]。中部六省各市人口老齡化也具有顯著的空間自相關性,但其Moran’s I值呈現逐年減小的趨勢,由2010年的0.539減至2019年的0.398,說明人口老齡化空間集聚趨勢在不斷減弱。

人口老齡化對碳排放量的影響呈現顯著的倒“U”型,這個結論與王欽池[16]的研究一致。當人口老齡化率在6.5%左右時,中部地區碳排放量達到峰值水平。人口老齡化的第一階段主要是由出生率的下降和平均壽命的延長引起的。此時,人口紅利并未消失,可以通過增加勞動力供給擴大再生產,從而增加了碳排放。然而,隨著老齡化程度的加深,勞動力供給開始減少,消費也大幅減少,碳排放隨之減少。

納入技術進步后,人口老齡化對碳排放影響的回歸系數由5.978降至5.53,說明技術進步能夠有效抑制人口老齡化對碳排放量的正向影響。

從區域上看,中部地級市的人口老齡化降低了本地和相鄰地區的低碳發展水平。從其他變量來看,技術進步對本地區碳排放量起到了抑制作用,但對相鄰地區的空間溢出效應沒有通過顯著性檢驗,可能的原因是技術進步只推動了本地區產業結構升級。

人口規模并沒有顯著影響碳排放量,這與以往大部分研究結論相反,比如Asumadu-Sarkodie和Owusu的研究發現加納的人口規模每增加1個百分點,碳排放量就會增加1.72個百分點[32]。出現這種差異的原因可能是技術進步抑制了人口增長對碳排放量的作用,中部地區近10年來人口增長率并不高,但技術進步速度較快,可以通過提高能源使用效率及勞動生產率等途徑降低碳排放量。

(二)相關建議

基于前文研究結論,本文提出如下政策建議:

第一,推動技術進步,加大對技術研發的資金投入。政府應當加強對企業和科研機構的技術創新激勵,扶持企業采用先進的生產技術和清潔能源,提高能源使用效率,發展綠色產業。同時,還可以通過財政補貼、稅收減免等措施鼓勵企業采用節能環保技術,在保障生產效益的同時促進低碳發展。此外,中部地區可以通過城市群、都市圈、流域發展,加強地區間的合作與協調,建立大區域低碳技術聯動機制,設立低碳技術交易中心,加快區域間綠色技術轉移,共同打造低碳發展的綠色生態圈。

第二,政府應該重視人口年齡結構對碳排放的影響,調整人口生育政策,鼓勵生育,優化年齡結構。另外要提高老年人的環保意識,倡導三代人同住的家庭模式,通過降低家庭碳排放的方式來促進碳減排[33]。同時充分發揮老年人力資本的作用,減少人口紅利消失對經濟發展帶來的不利影響[34],大力發展碳排放量少的銀發經濟。

第三,碳排放在空間集聚顯著的區域需加快產業結構升級,突破高碳排放的空間鎖定與路徑依賴。在快速老齡化的背景下,為滿足老年人口的消費需求以及促進可持續發展,應該促進各區域產業升級,大力扶持和發展以第三產業為主的老齡產業,并且加強對勞動人口的技能培訓,鼓勵勞動人口向第三產業轉移。限制高耗能、高污染、高排放的第二產業發展,進行綠色技術改造升級。同時,政府在制定相關政策上需對第三產業尤其是老齡產業傾斜,鼓勵和發展高科技產業和現代服務業,提高第三產業的比例。