制造業低碳發展效率及其空間收斂性分析

姜明棟，黃雨萌，王 奇

（北京大學 環境科學與工程學院，北京 100871）

0 引言

隨著能源消耗和二氧化碳排放強度先后作為經濟社會發展的主要約束性指標被納入五年規劃綱要，推進節能減排工作對于各級政府而言已經成為與其他經濟社會發展目標同樣重要的考核任務。2020 年9 月，碳達峰、碳中和目標（以下簡稱“雙碳”目標）的正式提出進一步強化了政府對能源消耗和二氧化碳排放的管控力度。中國碳核算數據庫（CEADs）的最新數據顯示，2019年中國制造業一次和二次能源消耗引發的全部二氧化碳排放量占全國排放量的比重高達69.99%。隨著“雙碳”目標趨緊，提高低碳發展效率已經成為我國制造業高質量發展的必然選擇。

那么，當前我國制造業低碳發展效率現狀如何？針對這一問題，一些學者嘗試對制造業低碳發展效率展開評價。在測度指標和方法方面，早期研究多以二氧化碳排放量與某一經濟社會指標的比值來衡量，并基于不同視角提出了碳化指數、碳生產率等具體指標[1，2]。但二氧化碳排放是能源消費、經濟發展等多種因素共同作用的結果，且低碳發展效率反映的是考慮環境與發展收益的綜合性指標。因此，在上述單要素指標的基礎上，一些學者在數據包絡分析（DEA）的框架下進一步提出了綜合考慮資本、勞動力等多要素投入以及經濟和二氧化碳排放等多產出的評價方法[3,4]。目前關于低碳發展效率的研究大多采用DEA方法展開，相關文獻以不同行政區域或不同行業部門為評估單元，研究低碳發展效率的時間變化趨勢、區域或行業分布特征和影響因素。

在區域層面，鄭寶華和劉東皇（2017）[5]、藺雪芹等（2021）[6]采用超效率DEA模型，分別從省級尺度和城市尺度測算低碳發展效率，并分析其影響因素；王少劍等（2020）[7]利用遙感反演的碳排放數據，構建超效率DEA-SBM 模型測度城市碳排放效率，并在此基礎上分析和預測其變化趨勢。作為我國經濟社會發展的支柱產業以及二氧化碳排放的主要來源，制造業低碳發展水平直接關乎環境與發展目標的實現，但這一類研究多將區域整體作為評價單元，較少將制造業的行業異質性納入分析框架。在部門層面，楊翔等（2015）[8]以不同制造業行業為評估單元，測度了1998—2011 年中國制造業行業的碳生產率；蘭梓睿和孫振清（2020）[9]則聚焦于輕工業部門，利用DEA模型和方向距離函數研究了碳排放約束下16個輕工業行業全要素生產率變動情況。這一類研究從“時間-行業”視角展開研究，雖然聚焦于制造業行業并充分考慮了低碳發展效率的行業間差異，但忽視了區域異質性問題。此外，為了判別低碳發展效率隨時間的演化趨勢，楊翔等（2015）[8]、王勇和趙晗（2019）[10]進一步構建β收斂模型研究不同評價單元間效率水平的斂散性。但制造業發展和區域二氧化碳排放均存在空間關聯性[11,12]，而上述文獻在構建模型時沒有將空間效應納入分析框架，可能使研究結果產生偏差。此外，不同制造業行業的地區收斂性和空間溢出性可能存在差異，但相關研究缺乏對這一問題的關注。

本文首先構建基于全局參比和共同前沿的超效率SBM-Undesirable 模型，從區域和行業雙重異質性視角測算并分析了2013—2019 年我國30 個省份18 個制造業細分行業的低碳發展效率；在此基礎上，構建納入空間效應的β收斂模型以檢驗制造業低碳發展效率的斂散性，并對其時空異質性和行業異質性展開研究。

1 研究設計

1.1 基于全局參比和共同前沿的超效率SBM-Undesirable模型

數據包絡分析（DEA）是一種非參數效率分析方法，是目前研究區域或行業低碳發展效率最常用的方法[3]。為解決傳統DEA模型沒有考慮松弛變量以及難以區分多個同樣有效的評價單元等問題，Tone（2002）[13]提出了基于松弛變量的非徑向、非導向型的超效率SBM模型，得到了國內外學者的廣泛應用。隨著該模型在資源環境領域的應用，相關文獻進一步將經濟系統中溫室氣體或污染物排放等非期望產出納入分析框架，并形成超效率SBM-Undesirable 模型[6,7]。為了同時考慮制造業發展的經濟目標和減排目標，并且實現不同年份和不同行業評價單元之間具有可比性，本文采用基于共同前沿和全局參比的超效率SBM-Undesirable模型評價制造業的低碳發展效率。

1.2 考慮空間效應的β 收斂模型

本文以β收斂理論為基礎，分析制造業低碳發展效率的空間收斂性問題。具體來說，β收斂可分為絕對收斂和條件收斂兩類，對于制造業低碳發展效率而言，絕對收斂是指假定在各地區外部發展條件完全一致的條件下，制造業低碳發展效率較低地區與效率較高地區相比表現出更高的增長速度；而條件β收斂是指在加入一系列對制造業低碳發展效率有所影響的控制變量之后，不同地區所呈現的收斂現象。構建條件β收斂模型如下：

其中，gdeai，t+i和gdeait分別表示i 地區后一期制造業低碳發展效率和前一期制造業低碳發展效率；β0是前一期制造業低碳發展效率對效率變動的影響系數，即β收斂模型的主要結果觀測值；controlsmi，t+1表示控制變量，βm是其對應的回歸系數；ηi、λt和εit分別表示個體固定效應、時間固定效應和誤差項。參考相關文獻[8,9]，本文的控制變量主要考慮要素結構、資本結構、對外開放水平、行業競爭水平、創新能力和外部經濟環境。資本和勞動力是制造業發展最基本的生產要素，因此以資本-勞動比表征要素結構；資本結構主要衡量國有資本和非國有資本的組成情況，用行業實收資本中的國有資本占比表征；對外開放水平主要用于衡量外資進入對行業低碳發展效率的影響，以國外和我國港澳臺地區資本占實收資本的比重表征；銷售費用體現了企業用于產品宣傳、推銷和出售的成本，銷售費用在三大費用中所占的比重越高，說明市場占有難度越大，因此，行業整體的銷售費用強度可以反映行業競爭水平；行業發明專利申請數體現了科技創新活動的規模，用以表征創新能力；此外，地區外部經濟環境也會對制造業低碳發展效率提升產生影響，以地區生產總值實際增速表征。若式（1）不含控制變量，則條件β收斂模型轉化為絕對β收斂模型。

考慮到鄰近地區類似經濟單元間存在相互影響，且已有文獻已經證實了區域二氧化碳排放和制造業發展質量都存在空間相關性[11,12]，因此，在研究制造業低碳發展效率的收斂性問題時忽視空間效應會使模型的估計結果存在偏誤。對此，本文參考Elhorst（2012）[14]的研究，進一步構建納入空間效應的β收斂模型。以空間計量模型的一般形式即空間杜賓模型（SDM）為基礎，構建模型如下：

其中，ρ為空間滯后項的回歸系數；wij為空間權重，本文依據地理鄰近特征，以地區間是否相鄰為判別標準構建空間權重矩陣。δ0和δm為收斂效應和其他控制變量的空間外溢系數，進一步參考LeSage 和Pace（2009）[15]的研究，采用求偏導的方式計算解釋變量的直接效應和間接效應。空間杜賓模型可以簡化為空間滯后模型（SAR）和空間誤差模型（SEM），因此需要進一步采用LR 統計量和Wald統計量檢驗SDM模型是否可以簡化。

1.3 數據來源與處理

本文采用2013—2019 年我國30 個省份（不含西藏和港澳臺）制造業細分行業的經濟數據來自《中國工業統計年鑒》《中國價格統計年鑒》，其他宏觀經濟數據來自《中國統計年鑒》；能源消耗和二氧化碳排放數據來自中國碳核算數據庫（CEADs，https://www.ceads.net.cn）；專利數據來自企知道專利數據庫（https://patents.qizhidao.com）。根據數據可獲得性和研究需要，本文將不同制造業門類合并為18個行業，進一步依據OECD標準并參考已有文獻判定其技術密集度特征[16,17]，具體如表1所示。

表1 制造業行業分類說明

2 實證結果分析

本文通過MaxDEA 8.0 測算30 個省份18 個制造業細分行業的低碳發展效率。將2013 年和2019 年18 個制造業行業低碳發展效率的省級數值分布情況繪制成箱型圖，如圖1所示。其中，箱體表示各行業低碳發展效率的四分位數范圍，豎線反映數據分布的10%～90%區間，星號和橫線分別表示均值和中位數，橫軸行業按照均值大小排序。

圖1 制造業細分行業低碳發展效率的分布情況

2.1 制造業低碳發展效率的行業特征

整體而言，低碳發展效率較高的行業主要集中在高技術密集型行業和低技術密集型行業，中技術密集型行業尤其是金屬類行業的效率值普遍較低。在研究期內，各省份低碳發展效率均值最高的五個行業均為S2、S9、S18、S4和S17。其中，S2和S4作為原材料導向型的低技術密集型行業，對燃料動力的需求較少；而S9、S18 和S17 屬于高技術密集型行業，產品技術附加值大，行業利潤率高。相比之下，S11、S12、S13等金屬相關行業的低碳發展效率在研究期內始終處于較低水平。這一方面是因為金屬行業尤其是鋼鐵和有色金屬冶煉是典型的能源密集型行業，生產過程離不開煤炭等大量高碳化石能源的消耗；另一方面，近年來，我國鋼鐵行業普遍面臨產能過剩的問題，大規模落后、過剩產能導致行業整體利潤率處于較低水平，不少企業甚至處于虧損狀態。此外，我國鋼鐵和有色金屬冶煉行業的國有資產比重相對較高、市場化程度較低，這也限制了行業低碳發展效率的提升。

從時間變化趨勢看，碳密集型行業在研究期內的低碳發展效率顯著提升，而中低技術勞動力密集型行業降幅明顯。作為國家大力支持的戰略性新興行業，S9在研究期內發展勢頭良好，在18個制造業行業中低碳發展效率提升幅度較大。此外，S6、S7、S10、S11等碳密集型行業的低碳發展效率在2013—2019 年也存在明顯提升。自2013年《大氣污染防治行動計劃》實施以來，各級政府大力推進石化、鋼鐵、化工等相關行業的燃煤鍋爐升級改造和清潔生產技術普及，有效提高了能源使用效率，二氧化碳排放隨之得到控制。與此同時，上述行業也是落后產能淘汰、過剩產能壓縮的主要實施對象，相關行業整體的清潔生產能力和盈利能力都得到明顯提升。相比而言，S1、S3、S8等勞動力密集行業的低碳發展效率在研究期內降幅明顯。隨著我國勞動力成本的提高以及工業系統向高技術方向轉型，紡織、化纖和食品加工業等中、低技術勞動力密集型行業發展的比較優勢出現弱化。

2.2 各行業低碳發展效率的空間特征

進一步采用地理重心模型刻畫省際制造業低碳發展效率的空間分布特征。結果顯示，各制造業行業低碳發展效率空間重心極東和極西點的經度位置分別由115.67°E 和111.79°E 向西移動至115.13°E 和107.72°E，極南和極北點的緯度位置分別由30.39°N 和34.90°N 向南移動至29.06°N 和34.21°N，說明多數行業的空間重心均位于研究區域地理中心的東南方向，但總體而言各行業在地區間的東西差距逐漸縮小，而南北差距仍在擴大。各行業空間重心的東西最大跨距和南北最大跨距分別由2013 年的365.08km 和501.64km 擴大至2019 年 的686.03km 和572.05km，表明不同行業之間的低碳發展效率空間分異趨于明顯。具體而言，S6、S7、S12等碳密集型行業在研究期內的南北差距始終較大，且呈現進一步擴大的態勢；從東西方向差距看，2013年S11、S12、S6等中技術密集型行業差距較大，而2019年S15、S7、S17、S9等高技術密集型行業的東西差異更為明顯。從空間演化趨勢看，13個制造業行業低碳發展效率的空間重心均向西南方向遷移，其中，S4、S5和S12的變化距離最大，均超過400km；S2、S3和S7的空間重心在研究期內向東南方向移動，但東西方向的距離變動較小，主要表現為南北差距的擴大；而S9和S15是僅有的在研究期內低碳發展效率空間重心出現北移的制造業行業，兩者分別向東北方向移動143.74km和128.61km，均處于地理中心的東北方向。這一變化主要得益于北京、天津、吉林等省份高技術密集型行業低碳發展效率的提升。2019年，天津醫藥制造業低碳發展效率在省域排名中位居首位，而吉林和北京的交通設備制造業分別為第2位和第3位，僅次于上海。這意味著近年來北方省份的醫藥、交通設備等行業存在更大的比較優勢，是縮小我國南北地區間制造業低碳發展水平差距的關鍵領域。

2.3 制造業低碳發展的區域收斂特征及其時空和行業異質性

接下來基于β收斂模型研究制造業全行業低碳發展效率的收斂性。在進行模型估計之前，需要進行固定效應和空間計量模型的適用性檢驗，結果如表2 所示。Hausman檢驗的結果表明，絕對β收斂模型和條件β收斂模型均拒絕隨機效應假設，應選用固定效應模型；LR檢驗結果則顯示，個體和時間雙固定效應模型不能被單一的個體固定效應模型或時間固定效應模型所替代，因此本文采用雙固定效應模型。進一步基于LR 統計量和Wald 統計量進行空間計量模型的選擇。結果表明，無論是絕對β收斂模型還是條件β收斂模型，LR檢驗和Wald檢驗的結果均在1%的水平上拒絕了SDM 模型可以簡化為SEM 模型或SAR模型的假設。綜上所述，本文采用雙固定效應的SDM模型研究制造業低碳發展效率的收斂性。

表3的列（1）至列（4）、列（5）至列（8）分別報告了絕對β收斂和條件β收斂模型的估計結果。列（1）和列（5）為不考慮空間效應的雙固定面板OLS 模型結果，列（2）至列（4）和列（6）至列（8）匯報了偏導法分解后的雙固定SDM模型的回歸結果。其中，列（3）和列（7）中所報告的直接效應結果反映制造業低碳發展效率的本地收斂性，而列（4）和列（8）的結果則可反映周邊地區低碳發展效率水平對本地效率變化的空間溢出影響。從絕對β收斂模型的結果看，無論是否考慮空間效應，收斂系數β都在1%的水平上顯著為負，說明在不考慮其他影響因素時，我國制造業低碳發展效率會收斂至各自的穩態水平。盡管研究期內基尼系數有所增加，但趨于收斂的態勢已經顯現。在考慮空間因素后，制造業低碳發展效率的收斂速度略有加快，而列（4）的結果則顯示間接效應顯著為正，說明高效率地區對周邊地區效率增長具有顯著的正向空間溢出效應。與絕對β收斂相比，條件β收斂速度有所加快，說明剔除其他因素干擾后制造業低碳發展效率的收斂性更強。進一步對制造業低碳發展效率收斂性的時空異質性和行業異質性展開研究，結果分別如表4、下頁表5所示。

表3 制造業全行業低碳發展效率的收斂性檢驗結果

表4 制造業低碳發展效率的時空異質性檢驗結果

表5 制造業低碳發展效率的行業異質性

2017年召開的黨的十九大對我國經濟建設和產業發展的行動指南、發展理念等均提出了新的要求，對推動制造業低碳發展具有重要意義[18]。因此，本文以2017年為時間節點分別對2014—2016年以及2017—2019年的數據進行分階段分組回歸。結果顯示，我國制造業低碳發展效率的收斂性在2017 年后有所下降，且高效率地區對周邊地區效率變動的空間溢出效應由負轉正。一方面，隨著各地對綠色發展和創新發展理念貫徹落實的深化，高效率地區更加注重制造業企業技術進步和節能減排；另一方面，在長江經濟帶等一系列區域協調發展戰略框架下，省際行政壁壘弱化，地區間產業合作和發展聯動更加頻繁，從而使高效率地區的生產技術和管理模式外溢至周邊地區，帶動其制造業低碳發展效率的提升。從空間異質性看，東部地區、南方地區制造業低碳發展效率的絕對β收斂系數和條件β收斂系數分別顯著高于中西部地區和北方地區，說明前者的收斂速度更快。這主要是因為東部地區和南方地區的制造業規模較大、低碳發展效率較高，進一步實現效率提升的難度也更大。從空間溢出效應看，不同地區的間接效應系數均顯著為正，說明在不同地區內，高效率地區都對周邊地區效率提升起到促進作用；但值得注意的是，東部地區和中西部地區的空間溢出效應相差不大，而南方地區的溢出效應顯著高于北方地區。這說明在制造業省際低碳協調發展方面，南方地區明顯優于北方地區。

從行業視角看，18個制造業細分行業的低碳發展效率均存在顯著的絕對β收斂和條件β收斂，但收斂速度在不同行業間存在差異。高、中、低技術密集類型行業的絕對β收斂系數均值分別為-0.787、-0.667和-0.378，條件β收斂系數均值分別為-0.847、-0.774和-0.466，說明三類行業的絕對收斂速度和條件收斂速度排序均為高技術密集型行業＞中技術密集型行業＞低技術密集型行業，且條件收斂速度比絕對收斂速度更快。從細分行業看，無論是絕對收斂還是條件收斂，5個低技術密集型行業的收斂速度恰好是18個制造業行業中最慢的；而收斂速度最快的5個行業中，有4 個為高技術密集型行業。上述結果表明，2013—2019年制造業低碳發展過程中，高技術密集型行業的收斂特征更明顯，而低技術密集型行業的收斂速度普遍較慢。究其原因，一方面，低技術密集型行業大多具有勞動力密集型屬性，其技術進步也附著于勞動力。而相較于附著于資本的技術進步，如對先進儀器、設備及專利使用權等的購置，普通勞動者生產技能的提升更加困難；另一方面，在經濟發展進入新常態后，國家鼓勵中西部和東北地區等制造業低碳發展效率較低的地區發展高新技術產業，在相關政策的支持下，欠發達地區高技術密集型行業的發展速度相較于中、低技術密集型行業更快。在全部行業中，S2 的收斂速度最慢。與其他低技術密集型行業相比，S2的發展還具有較強的品牌依賴性。相比資本和技術外溢，品牌效應更加難以被其他地區趕超。得益于行業龍頭企業的品牌效應，貴州和上海的S2 效率值始終在30 個省份中位居第一和第二，且其優勢地位在研究期內得到進一步鞏固。從空間溢出效應看，低技術密集型行業多表現為正向溢出，即高效率地區可以帶動周邊地區低碳發展效率提升，而高技術密集型行業則相反，但多數間接效應估計結果未能通過10%水平上的顯著性檢驗。一方面，相比低技術密集型行業附著于勞動力的技術就近轉移，高技術密集型行業本身具有更高的技術壁壘，難以自發地向周邊欠發達地區溢出和擴散；另一方面，依據“晉升錦標賽”假說，地方政府往往會對高技術密集型行業設置更高的行政壁壘，限制其資本、技術向周邊地區外溢，以保證本地的相對發展優勢。而對于低技術密集型行業而言，較發達地區為了給自身產業轉型“騰籠換鳥”，一般會鼓勵相關產業向周邊地區轉移，且勞動力在鄰近地區的遷移相對更為便捷，因此低技術密集型行業的空間溢出效應更明顯。

3 結論與啟示

本文基于全局參比和共同前沿的超效率SBM-Undesirable模型測算了2013—2019年我國30個省份18個制造業細分行業的低碳發展效率，并構建空間β收斂模型檢驗其斂散特征、溢出效應及其時空和行業異質性。研究發現：從行業特征看，低碳發展效率較高的行業主要集中在高技術密集型行業和低技術密集型行業，中技術密集型行業尤其是金屬類和能源類碳密集型行業效率水平普遍較低；從變化趨勢看，碳密集型行業低碳發展效率在研究期內顯著提升，而中、低技術勞動力密集型行業的效率值降幅明顯；從空間分布格局看，不同制造業行業間的低碳發展效率空間分異在研究期內趨于明顯，且多數行業東西差距縮小、南北差距擴大。此外，我國制造業低碳發展存在絕對β收斂和條件β收斂，且收斂速度在考慮空間效應和加入控制變量后均有所提高。具體而言，東部地區、南方地區制造業低碳發展效率的收斂系數分別顯著高于中西部地區和北方地區；高技術密集型行業的收斂速度較快，而低技術密集型行業的正向空間溢出效應更明顯。

基于上述結論，得到以下啟示：

首先，應重點推進碳密集型行業低碳轉型。能源加工、黑色金屬、有色金屬等高能耗、高排放行業的低碳發展效率在各地區普遍處于較低水平，應繼續推進和深化實施針對上述行業的環境規制和能耗管控政策，加大對落后產能的淘汰力度。同時，關注勞動密集型行業比較優勢弱化的問題。在勞動力和農產品相對價格優勢逐漸消失的背景下，低技術密集型行業應強化與設備制造業和制造服務業聯動，以機械化、智能化、低碳化生產提高勞動生產效率；高技術密集型行業則應主動提高技術含量和品牌價值，壓縮勞動力密集生產環節規模，向上游研發設計和下游市場銷售拓展，提高產品增加值率，從而助推制造業整體低碳發展效率的提升。

其次，探索建立制造業低碳技術培育、轉化和共享機制。我國制造業低碳發展效率具有普遍的區域收斂性，說明高效率地區和行業效率提升面臨技術瓶頸，且這一現象在高技術密集型行業更為明顯。對此，應建立和健全低碳技術產權保護和市場交易體系，探索可落地、可推廣的低碳技術與碳排放權之間的置換渠道，在通過市場手段激發企業和研發機構加大低碳技術創新研發力度的同時，推動先進技術和前沿成果落地轉化。針對高技術密集型行業和戰略性新興產業，可嘗試建立綠色技術補貼制度，試點推行低碳科技創新的稅收優惠政策。

最后，還需要基于整體性思維構建制造業低碳發展的差異化協同路徑。一方面，依據不同行業低碳發展效率在不同地區間的比較優勢，培育省域特色優勢產業集群，優化制造業空間布局。以重化工行業為例，盡管行業整體低碳發展效率較低，但不同地區間的效率差異顯著，應鼓勵浙江、上海等高效率地區先進重化工行業發展，同時嚴格控制山西、吉林等低效率地區的產能擴張；另一方面，注重城市和區域間的協調發展，充分發揮高效率地區對周邊區域制造業低碳發展效率的正向帶動作用，弱化跨省鄰近地區的行政壁壘，重點鼓勵高技術密集型行業先進技術和人才的跨區域交流與合作。