科技創新對區域碳排放的影響：基于面板分位數和中介效應模型的實證分析

連文威，孫曉艷，段紅梅

（1.中國地質大學（北京）地球科學與資源學院，北京 100083；2.石家莊鐵道大學經濟與法律學院，河北 石家莊 050043；3.商務部國際貿易經濟合作研究院，北京 100710）

0 引言

為應對日益嚴峻的碳排放問題，習近平主席在第75 屆聯合國大會一般辯論中首次提出中國碳中和目標[1]，目前，碳減排行動已經深入各個領域。科技創新是推動碳減排的關鍵因素已經成為廣大學者的共識[2-4]。然而，科技創新過程同樣伴隨著經濟和資源的大量投入，且這種投入導致的碳排放增加是不可忽視的[5]。同時，不同類型的技術改革重點具有偏向性[6]。因此，科技創新的潛在異質性會對碳減排造成何種影響已經成為決策者們關注的焦點。

目前，諸多學者從多方面探索了科技創新對碳排放的抑制性影響。CHENG 等[7]通過分位數回歸模型，探究了中國不同類型能源的技術創新對碳排放強度的異質效應。WAHAB[8]以專利申請數量作為衡量科技創新的有效指標，通過差異分析法探究了七國集團（G7）國家科技創新對碳排放的影響，提出鼓勵科技創新有助于減少碳污染。MA 等[9]同樣以申請專利數量衡量科技創新水平，使用回歸分析探索了中國科技創新對碳排放的影響，研究發現科技進步與研發支出可以減少碳排放。DOU 等[10]利用GDP與能源消耗比率來衡量技術創新，通過樣本分類回歸的方式考察了區域全面經濟伙伴關系國家和非區域全面經濟伙伴關系國家的技術創新、天然氣消費和碳排放之間的關系，證明了技術創新能夠緩解天然氣消費產生的碳排放。HE 等[11]探討了可再生能源技術創新對碳排放效率的影響，結果表明可再生能源技術創新有效改善了碳排放效率。

雖然大部分研究顯示科技創新對降低碳排放是有效的，但是不同的觀點依然存在，由于科技創新的衡量標準不同，使得學者們在實證結果上產生了分歧。SHI 等[12]通過交通科研機構數量來衡量交通行業的科技創新水平，并利用地理加權回歸模型分析了交通科技創新對交通行業碳排放的區域異質性影響，發現科技創新與碳排放之間存在倒U 型關系。WANG 等[13]在探究半城市化對碳排放的影響中，發現了技術進步（區域專利授予數量衡量）對碳排放的影響并不顯著。JIA 等[14]基于隨機前沿分析了“京津冀”“長三角”和“珠三角”城市群技術變革對碳排放的影響，結果表明技術變革雖然有利于節能，但不具備減排效果。

此外，也有部分學者從間接角度分析了科技創新對碳排放的影響。其中，空間相關性模型[15-16]與中介效應模型[17-18]被廣泛用于間接效應的估計。在利用空間相關性模型對碳排放估計的研究中，HAN[19]認為，技術創新對周邊地區工業生產碳排放強度具有顯著的抑制作用。而在利用中介效應模型對碳排放估計的研究中，學者們往往更傾向于將科技創新作為中間變量來觀測其他因素對碳排放的間接性影響[20-22]。相比之下，將科技創新作為核心變量來探究其對碳排放影響的研究仍然較少。

眾所周知，科技創新已經被認定為影響環境變化的重要因素[23-25]，科技的發展能夠有效地緩解碳排放的增長。科技創新不僅能夠提高能源消費效率，為傳統能源尋找替代途徑，也能夠擴大生產規模，提高生產效率。然而，雖然有較多的指標可以衡量科技創新，但多數學者往往通過單一指標來衡量科技創新程度[12-13]，這使得數據可能會缺乏穩健性。基于該考慮，本文建立了一個綜合的指標體系來衡量科技創新水平，以解決單一指標衡量的偏差性。另外，相關學者從技術的異質性角度對碳排放的影響進行了研究，例如不同的能源技術創新[7]、不同的技術進步形勢[26-27]、不同的技術變革[28]。與之前研究不同的是，本文在衡量綜合科技創新水平的基礎上，進一步聚焦不同類型的科技創新主體（工業企業、高等院校和科研機構），以探索不同類型的科技創新主體對區域碳排放的影響可能存在的偏向性。同時，構建并行多重中介效應模型，以進一步識別科技創新對碳排放的間接性影響。總體而言，相對于現有文獻，本文試圖回答部分尚未得到解決的問題，包括科技創新對碳排放的影響是否存在異質性、科技創新能夠通過什么方式來影響碳排放、不同類型的科技創新主體對碳排放的影響方式是否具有偏向性。

1 模型方法與數據

1.1 模型方法

本文利用構建的指標體系測算了綜合科技創新水平，并采用面板分位數模型和中介效應模型識別了科技創新與碳排放之間的潛在聯系。具體研究框架如圖1 所示。

圖1 方法研究框架Fig.1 Framework of methodological research

1.1.1 科技創新指標體系構建

目前，科技創新已被認定為推動所有部門碳減排進程的關鍵所在。在中國，與科技創新直接相關的研究主體集中于科研機構、工業企業和高等院校等。基于我國科技領域發展的實際情況，結合YOU等[27]提出的綜合評價體系，將這些主體的相關科技投入與產出指標設定為評價要素，利用熵值法測算出能夠衡量科技創新水平的綜合型指標，從而避免單一類型科技主體對環境影響造成的結果偏差性（圖2），以提升評價結果的準確性和可信度。其中，研發人員數量和研發經費支出作為科技發展的基礎，往往被認為是衡量科技競爭力的重要指標[29]。科研項目是科技發展的載體，具有創新和改革性的研究往往需要科研項目的支撐。工業企業通過引進國外先進的生產技術，已達到迅速提高自身工業科技水平的目標。

圖2 科技創新指標體系Fig.2 Index system of scientific and technological innovation

1.1.2 面板分位數回歸

傳統的回歸方式得到的系數結果具有平均效應，這就導致了系數有可能存在被高估或者低估的風險[30-32]。為了解決這一問題，由ROGER 等[33]最早提出了分位數回歸理論，旨在探索因變量的完整分布狀況，即探索在不同分位數下自變量對因變量影響的變化。同時，分位數回歸的結果消除了樣本數據由于離群性和非正態分布性產生的誤差，使得結果具有穩健性[34]。目前，分位數回歸已經廣泛應用于環境領域的異質性研究[35-37]。

本文采用具有固定效應的面板分位數考察Xit對Yit的不同分位數的異質性。個體固定效應變截距面板數據模型公式見式（1）。

式中：i和t分別為區域和年份；Yit為被解釋變量；αi為個體固定效應；β為待估計系數；Xit為解釋變量；εit為誤差項。為了減少待估參數的個數，假設個體固定效應與分位數無關。總體分位數函數公式見式（2）。

式中：QYit（τ|αi,Xit）為條件是 αi和Xit時，分位數 τ的期望，分位數 τ ∈（0,1）；β（τ）為在分位數 τ下的待估系數，分位數 τ的條件分布參數估計的目標函數見式（3）。

IPAT 模型是環境影響因素分析的基礎回歸模型，該模型被廣泛應用于對環境影響因素分析的研究中[38-39]，具體公式見式（5）。

式中：I為環境負荷的因變量；P、A和T分別為人口指標、經濟指標和技術指標的自變量；βi為各自影響因素的彈性系數；a和 ε分別為固定效應項和隨機誤差項。在碳排放影響研究中，除了人口指標、經濟指標和技術指標之外，城市化率[40]、產業結構[41]、能源消費結構[42]、工業污染治理投資[43]和能源工業固定資產投資[44]往往也能夠影響碳排放。基于此，本文將科技創新水平視為核心解釋變量，將其他影響因素視為控制變量，以城市化率代替人口規模，構建了以IPAT模型為基礎模型的STIRPAT 模型，具體公式見式（6）。

式中：i和t為不同區域和年份；Ico2為碳排放量；Ur為城市化率；GDP為經濟增長；T為科技創新；Ecs為能源消費結構；Is為產業結構；IPi為工業污染治理投資；EFi為能源工業固定資產投資。為保證數據的穩定性，本文僅將絕對量進行對數化處理。

結合式（2）和式（6），得到分位數回歸模型，見式（7）。

1.1.3 中介效應

科技創新能夠對碳排放產生影響，但這種影響的方式并不是單一的。為了探究科技創新發展對碳排放存在的間接性影響，采用并行多重中介效應模型分析了科技創新對碳排放影響的間接效應（圖3）。

圖3 科技創新對碳排放中介效應影響Fig.3 Impact of scientific and technological innovation on the mediation effect of carbon emissions

基于構建的中介傳導模型框架，建立中介效應模型，見式（8）～式（11）。

式中：Ico2i為碳排放的被解釋變量；Ti為核心解釋變量；αi和 εi分別為截距項和隨機誤差項；為控制標量；c為科技創新對碳排放的總影響效應；Medi為中間變量；c′為科技創新對碳排放的直接影響效應；Mi為i中間變量的中介影響效應。

1.2 數據

1.2.1 變量的選擇

1）核心解釋變量：科技創新是減少碳排放的重要推動力[45]，化石能源的高效率應用技術[46]、新能源汽車技術[47-48]、廢物循環利用技術均能夠體現出科技創新對碳減排發揮的關鍵作用[49-50]。根據估計，工業過程貢獻了中國絕大部分的碳排放，與其他任何部門相比，工業企業面臨的碳減排壓力都是最大的。因此，工業企業角度的科技創新勢在必行，其已成為影響碳減排成本的重要因素。另外，高等院校和科研機構作為人才輸送機構和人才聚集地，是保障技術創新成果應用的重要力量。因此，高等院校技術創新和科研機構技術創新也是影響碳排放的重要因素之一。

2）其他控制變量：目前，城市化率和經濟增長對碳排放的影響已經被廣大學者認可[51-52]。城市化率和經濟增長體現了一個區域的社會發展情況，而社會發展往往伴隨著碳排放的增長，主要來自于人口規模性聚集、城市土地擴張及基礎設施建設的貢獻。化石能源的消耗是碳排放的直接來源，很多國家致力于調整化石能源的消費結構來減緩碳排放的增長速度[53-54]。同時，產業結構代表了工業化程度，而中國以工業為主的產業結構依然呈現能源強度高且附加值低的生產格局，對化石能源和終端電力需求的依賴程度處于較高水平，從而產生大量碳排放。此外，工業污染治理投資能夠反映出工業部門對污染物治理的重視程度。能源工業固定資產投資作為社會發展的資本性投入，在一定程度上能夠反映社會的政策導向和產業建設方向，從而影響碳排放水平[55]。具體的變量定義見表1。

表1 變量數據定義Table 1 Definition of variable data

1.2.2 數據的描述及來源

考慮到相關數據的可得性和完整性，以2002—2019 年中國30 個省份（不包括西藏自治區、臺灣省、香港特別行政區和澳門特別行政區）的數據作為分析樣本（表2）。其中，碳排放量數據來源于CEADs數據庫，科技創新相關數據均來自于《中國科技統計年鑒》，人口相關和GDP 數據來源于《中國統計年鑒》，能源消費結構和能源工業固定資產投資數據來源于《中國能源統計年鑒》，產業結構數據來源于《中國工業統計年鑒》，工業污染治理投資數據來源于《中國環境統計年鑒》。此外，研究中所涉及的經濟數據均折算為以2002 年為基期的實際值。

表2 變量數據描述Table 2 Description of variable data

2 結果與討論

2.1 區域科技創新發展結果

研究期間，中國各區域的科技創新均存在不同程度的提升（表3）。圖4 展示了中國科技創新整體提升程度。2002—2006 年期間，科技創新相對平穩。2006 年之后，科技創新發展迅速，但最小值仍處于0值附近，說明仍有部分地區的科技創新處于低水平發展階段。圖5 展示了工業企業、高等院校和科研機構對整體科技創新發展的貢獻情況。其中，高等院校與工業企業的科技創新具有相似的提升趨勢，從2006 年開始逐漸進入了快速增長的階段。與高等院校相比，科研機構在2006 年之前對科技創新具有較高的貢獻度，且提升程度較平穩。

表3 2002—2019 年科技創新水平結果Table 3 Results of scientific and technological innovation level from 2002 to 2019

圖4 2002—2019 年中國區域科技創新變化Fig.4 Changes of scientific and technological innovation in various regions of China from 2002 to 2019

圖5 2002—2019 年中國不同主體科技創新變化Fig.5 Changes of scientific and technological innovation of different entities in China from 2002 to 2019

2.2 科技創新對碳排放影響的異質性

2.2.1 面板單位根檢驗

在估計中國30 個省份科技創新與碳排放之間關系之前，需保證各變量的平穩性。基于此，利用Levin-Lin-Chu（LLC）檢驗、Im-Pesaran-Shin（IPS）檢驗和Fisher-ADF 檢驗對各變量進行穩定性檢驗（表4）。由表4 可知，所有變量均在5%顯著性水平下拒絕原假設。

表4 面板單位根檢驗結果Table 4 Test results of panel unit root

2.2.2 綜合科技創新的面板分位數估計

為揭示在不同分位數下各變量對區域碳排放的邊際效應，本文基于選取的5 個分位數類型（10%、25%、50%、75%和90%），分析在不同的碳排放水平下，各驅動因素對碳排放的異質性影響（圖6）。其中，科技創新被設定為核心指標，考慮到科技創新對環境的影響具有滯后性[56]，本文對科技創新進行2 階滯后處理。城市化率、經濟發展、能源消費結構、產業結構、工業污染治理投資和能源工業固定資產投資作為控制變量進行估計。10%、25%、50%、75%和90%分位數模型分別用于描述低碳排放量地區、中低碳排放量地區、中碳排放量地區、中高碳排放量地區和高碳排放量地區，具體估計結果見表5。

表5 2002—2019 年科技創新對碳排放分位數回歸模型估計結果Table 5 Quantile regression model estimation results of scientific and technological innovation on carbon emissions from 2002 to 2019

圖6 科技創新對碳排放分位數回歸Fig.6 Quantile estimation of carbon emissions by scientific and technological innovation

首先，在不同分位數的碳排放情景下，科技創新對碳排放的影響均服從庫茲涅茲曲線，即科技創新對碳排放的影響呈現倒U 型的結構。在科技創新的初期階段，投入了大量人力資源和基礎設施建設，短期內催生了對能源的消耗潛力，從而帶動了碳排放量的升高。當科技發展達到一定程度后，科技進步帶來的能耗強度下降效應逐漸抵消了由人力資源和基礎設施建設等前期投入所造成的碳排放增加的影響，從而使得科技創新對碳排放的促進作用逐漸降低，甚至抑制碳排放量的增長。此外，科技創新在不同分位數下對碳排放均起到了抑制作用，并且相比于低碳排放量地區和中低碳排放量地區來說，科技創新對其他更高的碳排放量地區的抑制作用更為明顯。也即，高碳排放量地區更傾向于低碳科技的發展，且科技創新的低碳化效應更為明顯。CHEN 等[57]的研究也支持了這一觀點。

其次，城市化率對碳排放具有促進作用，且隨著分位數的增加，城市化率的影響程度呈現先上升后下降的發展趨勢。這意味著城市化率對中碳排放量地區的影響最為明顯。經濟發展對碳排放的影響呈現出U 型的發展趨勢，這與SATTAR 等[58]和SUN 等[59]的研究結果一致。同時，碳排放量越高的地區，其經濟增長對碳排放的促進作用越強，產生了經濟高碳化發展的惡性循環。能源消費結構對碳排放具有促進作用，且這種促進作用在高碳排放量地區明顯降低。也就是說，在未來能源消費結構降低的政策趨勢下，高碳排放量地區的能源消費層面的碳減排潛力低于其他較低碳排放量地區，這可能是由于高碳排放量地區以高能耗產業的聚集為主，對能源仍存在剛性需求。產業結構對碳排放具有促進作用。對于大部分省份來說，產業結構的轉型和升級仍存在一定困難，依靠裝備制造、電力生產等資源密集型產業仍占據主導地位，能耗高且生產效率較低，從而促進了碳排放。工業污染治理投資對碳排放具有促進作用，并且碳排放量較高地區（50%、75%和90%）的影響程度強于碳排放量較低地區（25%），意味著這些區域的工業污染治理投資方向存在傾向性，且現有污染治理和監管政策的環境效益可能有限。在污染治理的過程中，部分省份過于關注廢氣、廢水等污染物，反而忽略了對碳排放的治理和環境監管。能源工業固定資產投資對碳排放具有促進作用，且高碳排放量地區的促進效果最為明顯。與其他地區相比，高碳排放量地區的能源工業固定資產投資更傾向于擴大工業生產的規模，進而增加了能源的消耗，反而忽略了能源生產效率的提升。

2.2.3 不同類型科技創新主體的面板分位數估計

圖7 顯示了工業企業、高等院校和科研機構科技創新水平對碳排放的異質性影響（具體估計結果見表6）。具體而言，三者對碳排放均呈現抑制作用，這與綜合科技創新的影響效應相同。

表6 2002—2019 年工業企業、高等院校和科研機構科技創新對碳排放分位數回歸模型估計結果Table 6 Quantile regression estimates of carbon emissions from scientific and technological innovation in industry,universities,and scientific research institutions from 2002 to 2019

圖7 工業企業、高等院校和科研機構科技創新對碳排放分位數回歸估計Fig.7 Quantile estimates of carbon emissions from scientific and technological innovation in industry,universities,and scientific research institutions

從分位數的角度看，工業企業和高等院校科技創新水平對中高碳排放量地區抑制作用最強，而科研機構的科技創新水平則對中碳排放量地區抑制作用最強。在較高碳排放水平的地區，由于碳排放的處理成本較高，使得相關工業企業更關注低碳科技的研發和應用，并以此來增強市場競爭力和降低生產成本。而高等院校和科研機構作為基礎研究的主力，需要為高碳排放量地區的工業企業提供充足的科技支撐和人才保障，這使得兩者在這類地區中更加關注前沿的低碳科技發展。

從科技發展的相關組成看，在中高碳排放量地區和高碳排放量地區，三者的科技創新水平對碳排放的抑制作用具有顯著的差距。其中，高等院校的抑制作用最強，科研機構的抑制作用最弱，即目前的科研機構、高等院校和工業企業之間并未形成低碳科技的協同發展關系，缺少科技戰略的統籌布局，這一點也得到了SONG 等[60]研究結果的支持。在中低碳排放量地區和中碳排放量地區，高等院校對碳排放抑制仍占據主導地位。然而，工業企業卻并未展現出足夠的減碳能力，說明在相對寬松的碳排放環境下，工業企業缺乏相應的減碳動力，即這些地區的工業科技創新與低碳轉型之間存在脫鉤現象。

2.3 科技創新對碳排放的間接影響

圖8 展示了科技創新水平對碳排放中介效應檢驗結果（具體估計結果見表7）。在綜合科技創新水平的檢驗中，城市化率、經濟增長、產業結構、工業污染治理投資和能源工業固定資產投資具有顯著的中介作用。具體而言，產業結構在5%水平上顯著為負，說明科技創新的增加能夠通過產業結構間接降低碳排放。科技創新發展除了能夠產生直接降低碳排放的影響外，還間接帶動了區域產業的協調發展，改變了產業生產結構，并提升了產業生產效率，以加快工業企業的轉型升級來降低碳排放。而城市化率、經濟增長、工業污染治理投資和能源工業固定資產投資均在1%水平上顯著為正，意味著科技創新的增加會通過這些因素間接促進碳排放。科技創新所帶來的高科技附加值與快速的經濟增長是吸引人口流入的關鍵因素，同時產業生產規模的擴大也為城市化發展提供了物質基礎，但快速的城市化發展與經濟增長帶來的能源消耗也促進了碳排放的增長。科技創新無疑能夠促進產業的快速擴展，由此帶來的污染物排放和建設性投資將會增加相關的污染治理和固定資產的資金投入。然而，部分區域的污染治理和資金投入可能更偏向于CO2以外的其他環境污染物治理和能源相關產業的生產規模擴張，進而導致了碳排放的增加。

表7 科技創新水平對碳排放的直接作用和間接作用Table 7 Direct and indirect effects of scientific and technological innovation level on carbon emissions

圖8 科技創新對碳排放中介效應結果Fig.8 Results of the mediating effect of scientific and technological innovation on carbon emissions

值得注意的是，雖然工業企業、高等院校及科研機構的科技創新對碳排放具有相似的間接性影響特征，但仍具有差異。工業科技創新能夠通過城市化率、產業結構和工業污染治理投資進一步提升碳排放。具體而言，隨著城市化率的提高，城市的工業基礎設施和生產活動也會增加，盡管科技創新可能改善工業生產效率，但隨之而來的增加的工業活動仍然會導致更多的碳排放。科技創新可能推動產業結構的調整，并促進某些高碳排放行業的發展。例如，某些工業領域可能受到科技創新的推動，導致其生產過程更加精細化和高效化。然而，這些行業本身可能在生產過程中產生更多的碳排放。工業污染治理投資可能使用先進的污染控制設備，這在某種程度上可以減少工業排放。然而，這些治理設備的建設和運行往往需要能源和資源，包括高碳的能源。同時，治理設備本身可能使用更多能源，從而增加碳排放。與工業企業科技創新不同的是，高等院校科技創新會通過能源消費結構和能源工業固定資產投資間接促進碳排放，而通過產業結構間接抑制碳排放。比如說，高等院校科技團隊能夠通過技術創新和產業進行校企合作，加快低碳和清潔產業的技術轉移，例如新能源、節能環保等領域。另外，與高等院校科技創新不同的是，科研機構創新不會通過能源消費結構對碳排放起到間接促進作用或間接抑制作用。

在工業企業科技創新檢驗中，城市化率、經濟增長、產業結構和工業污染治理投資具有顯著的中介效應。與綜合科技創新水平的中介因素不同的是，工業企業科技創新通過產業結構進一步加劇了碳排放的增長，這一點也印證了工業企業科技創新并未對產業的優化升級起到支持的作用，而是更加偏向于產業規模的擴大。在高等院校科技創新檢驗中，城市化率、經濟增長、能源消費結構、產業結構、工業污染治理投資和能源工業固定資產投資均具有顯著的中介效應。值得注意的是，能源消費結構作為高等院校科技創新與碳排放的中介因素，對碳排放起到了間接促進作用。在科研機構科技創新檢驗中，各因素中介效應的顯著性與綜合科技創新水平類似。但與工業企業和高等院校科技創新水平各因素的直接作用和間接作用相比，科研機構的影響均較低。結果表明，相比于工業企業和高等院校而言，各區域對科研機構科技創新在碳減排領域的重視程度較低。

另外，根據表7 中4 種不同科技創新數據所得到的模型結果來看，直接影響系數符號與間接影響系數符號基本保持一致且符合正常邏輯，可以得出該中介效應模型是合理且穩健的。

3 結論與政策建議

3.1 結論

科技創新對社會低碳發展具有重要意義，本文結合2002—2019 年科技創新、碳排放、城市化率、經濟增長、能源消費結構、產業結構、工業污染治理投資和能源工業固定資產投資的相關數據，通過構建科技創新指標體系、面板分位數模型和中介效應模型分析科技創新對區域碳排放影響的異質性特征及間接效應，得到以下結論。

1）中國科技創新水平整體呈現上升趨勢，且自2006 年開始，區域間差距逐漸擴大，但具有良性的發展特征，形成了以東部沿海地區為先鋒的“領頭羊”效應。

2）在不同分位數的碳排放情景下，科技創新對碳排放的影響呈現倒U 型的特征。在控制其他因素不變的情況下，科技創新的提高在相對較高碳排放地區對碳排放的抑制作用更加顯著。其中，工業企業和高等院校科技主體的創新水平提高對中高碳排放量地區抑制作用更顯著，而科研機構主體則對中碳排放量地區抑制作用更顯著。在相對較高碳排放地區，工業企業、高等院校和科研機構科技創新對碳排放的抑制作用具有顯著的差距，尚未形成協同發展關系。

3）綜合科技創新水平和不同類型的科技創新主體對碳排放的直接影響均在1%水平上顯著為負。綜合科技創新通過城市化率、經濟增長、工業污染治理投資和能源工業固定資產投資間接促進了碳排放，而通過調整產業結構可以間接抑制碳排放。其中，不同類型的科技創新主體對碳排放的影響方式表現出偏向性。高等院校和機構科技創新通過產業結構間接抑制了碳排放，而工業企業科技創新則間接促進了碳排放。另外，高等院校科技創新水平能夠通過能源消費結構間接促進碳排放。

4）城市化率、經濟增長、能源消費結構、產業結構、工業污染治理投資和能源工業固定資產投資對碳排放均起到了促進作用的影響。其中，經濟增長對碳排放影響呈現U 型結構。

3.2 政策建議

1）工業企業科技創新雖在整體科技創新發展中占據主導地位，但對降低碳排放卻并未發揮主導作用。針對這一問題，政府應加大對綠色和低碳技術研發的資金投入，鼓勵企業設立專門的綠色技術創新基金及綠色金融項目，以及自主清潔能源等綠色技術項目，并提供技術研發的經費支持，提高綠色科技創新的可持續性。另外，加快完善碳市場和碳稅制度，以增加內部碳排放的外部成本，達到企業間低碳技術的競爭效果。

2）針對在相對較高碳排放地區，工業企業、高等院校和科研機構科技創新對碳排放的抑制作用尚未形成協同發展關系的問題，政府可以通過建立信息共享平臺，促進工業企業、高等院校和科研機構之間的信息交流與合作，使各方能夠更好地了解彼此的需求和成就。同時提供研究基金、獎學金和科研項目資助，鼓勵工業企業、高等院校及科研機構創新和合作。建立有效的知識產權保護機制，以鼓勵高等院校和科研機構將綠色技術轉讓給工業行業，實現有效的技術轉移，同時保護科技創新的知識產權。

3）針對工業企業科技創新通過產業結構間接促進了碳排放的問題，政府應加強企業生產方向的監管，促使產業的橫向擴張轉變為縱向改革，在提高產業附加值的同時降低能源消耗，同時重點關注能源利用效率。針對高等院校科技創新水平能夠通過能源消費結構間接促進碳排放的問題，鼓勵高等院校以自身為單位設定碳中和目標，制定階段性的碳減排計劃，包括增加碳吸收和減少碳排放，使其在創新發展過程中重視自身的節能減排問題。