“雙碳”目標下中國高碳與低碳行業能源效率異質性研究

摘要：文章基于2009-2022年中國行業面板數據，采用分位數回歸方法分析了高碳與低碳行業能源效率的異質性特征。研究發現，高碳行業內部企業異質性顯著，低效率企業固定資產投資效應為負但對政策反應敏感，高效率企業則主要受益于技術研發；低碳行業各效率水平企業表現出一致性，均能有效利用技術研發投入和固定資產投資。技術研發對低碳行業各分位點企業均有顯著促進作用，而對高碳行業僅高效率企業受益；營業成本對低碳行業各分位點均有正向推動作用，而對高碳行業影響呈現分化。研究結果為“雙碳”目標下制定差異化、精準化的能源效率提升政策提供了實證依據。

關鍵詞：能源效率；高碳行業；低碳行業；異質性；分位數回歸

中國作為全球最大的能源消費國和碳排放國，其碳排放量占全球總量的28%[International Energy Agency（IEA），2021]，實現“雙碳”目標已成為國家戰略核心。然而，高碳行業（如鋼鐵、化工）與低碳行業（如信息技術、現代服務業）在能源效率提升上面臨顯著異質性挑戰。高碳行業長期依賴高能耗技術路徑，固定資產專用性高，導致轉型阻力大；而低碳行業憑借技術密集優勢，展現出更強的動態適應能力。根據《中國統計年鑒》（National Bureau of Statistics of China， 2022），2021年高碳行業能源消耗占比超60%，但其單位產值能耗較低碳行業高出93.34%。這一差距不僅制約“雙碳”目標的實現效率，也對差異化政策設計提出了迫切需求。

本文聚焦以下三個核心問題。第一，行業間異質性：高碳與低碳行業的能源效率差異如何體現，其具體表現和影響因素是什么？第二，行業內部異質性：不同效率水平（如低效率、中等效率、高效率）的企業在能源效率提升中如何表現，其異質性特征如何？第三，政策響應異質性：政策工具對高碳與低碳行業不同效率水平企業的影響如何，如何優化政策設計以提升效果？

一、研究現狀分析

（一）能源效率異質性研究進展

能源效率異質性研究主要集中于：高碳與低碳行業的效率差異，但行業內部異質性尚需深入研究；技術進步對不同效率水平企業的驅動機制差異；政策影響的差異化表現及其內部傳導機制。

高碳行業因能源消耗大、碳排放高、路徑依賴性強而受關注。國際研究表明，其效率提升主要受技術轉型阻力、固定資產投資周期長和政策激勵不足制約。Liu等（2022）發現技術更新和能源結構優化是效率提升關鍵，但因固定資產專用性高，轉型速度受限。在中國情境下，Zhang等（2023）發現東部地區高碳行業能效提升速度明顯快于中西部，主要源于技術水平、資金能力和政策支持的不平衡。然而，這些研究多著眼于行業整體層面，較少關注行業內部企業效率差異。

低碳行業因高技術密集度和低資源依賴性在能效提升中具有顯著優勢。Hossain等（2023）發現研發投入與能源效率存在顯著正相關，特別在技術領先企業中表現突出。在中國，Li等（2022）研究表明產業集聚效應顯著提升了企業技術創新和能源管理能力。但這些研究也較少關注低碳行業內部的效率分布和企業間差異化特征。

（二）分位數回歸在異質性研究中的應用

分位數回歸因能揭示不同分位點的條件分布特征，成為研究異質性問題的重要工具。Wang等（2021）發現政策激勵對高效率地區和低效率地區的影響存在顯著差異。Chen等（2023）發現高效率企業對技術創新的響應更為敏感。相比傳統平均效應分析，分位數回歸能在整個條件分布上提供更全面信息，特別適合研究行業內部不同效率水平企業的差異化特征。然而，將其應用于高碳與低碳行業對比分析的研究仍相對不足。

（三）研究不足與局限性

現有研究存在以下局限性。首先，多數研究側重于行業整體層面的平均效應分析，忽視了行業內部不同效率水平企業的異質性特征；其次，多采用普通最小二乘法或固定效應模型，難以揭示不同分位點的條件分布特征；再次，對政策激勵如何影響不同效率水平企業的傳導機制研究不足。本研究旨在通過分位數回歸方法彌補這些不足，為“雙碳”目標下的差異化政策設計提供更精準的科學依據。

二、實證分析

本研究以資源依賴理論和動態能力理論為基礎，采用分位數回歸方法，構建了一個多層次的異質性分析框架。研究首先通過描述性統計揭示高碳與低碳行業在能源消耗和營業成本上的差異特征，然后運用分位數回歸方法分析兩類行業在不同效率水平（25%、50%和75%分位點）企業的異質性表現，并基于異質性特征提出針對性政策建議。

（一）數據來源與處理

本文選取了2009-2022年期間中國高碳與低碳行業的面板數據，數據來源國家統計局與中國工業經濟統計年鑒、Wind數據庫、政府政策文件和行業白皮書。

1. 主要指標及其測算方法

能源效率：以行業單位能源消耗與單位產值的比值作為基礎指標，并通過對數形式進行標準化處理，以消除異方差性問題。

技術研發投入（Ramp;D）：測算方法為行業研發經費占總收入的比重，反映行業的技術創新能力。

固定資產投資（FAI）：用行業固定資產投資額占總資產的比重衡量行業的資產專用性。

政策支持強度（Policy Support）：以各行業獲取的政策資金總額占總收入的比重為衡量指標，反映政策激勵的力度。

營業成本（Cost）：用行業的營業成本占總收入的比重衡量行業對資源的依賴程度。

2. 數據預處理方法

針對數據的缺失值，本文采用插值法和樣本均值法進行補充處理，以確保數據的完整性和一致性。同時，為避免變量間的多重共線性問題，本文采用方差膨脹因子（VIF）檢測變量相關性，并刪除了相關性較高的冗余變量。此外，所有變量均進行對數化處理，以減弱模型中的異方差性問題。

3. 分位數回歸模型

為深入剖析行業內部企業能效異質性，本研究采用分位數回歸模型，基本形式如下：

EFF=αT+βTXit+

其中，T表示分位點（如25%、50%、75%）；EFF為分位點T對應的能源效率；Xit為控制變量，包括技術研發投入、固定資產投資、政策支持強度等；是誤差項，表示未能解釋的部分。其優勢在于，揭示不同效率水平企業的特征、對極端值穩健和不要求同方差假設。局限性包括處理面板動態性、內生性及時間序列特性能力有限和分位點選擇可能影響結果。為此，本研究采用bootstrap法估計標準誤并進行穩健性檢驗以提高可靠性。

三、研究結果

（一）高碳與低碳行業的描述性統計特征

通過對高碳與低碳行業能源消耗和營業成本的統計分析，發現兩類行業在核心特征上存在顯著差異（見表1）。高碳行業表現出顯著高于低碳行業的能源消耗水平。具體而言，高碳行業的平均能源消耗達37829單位，標準差為16364單位，這一數值遠超低碳行業的平均水平（2518單位）及標準差（2399單位）。這種巨大差異不僅反映了高碳行業的顯著能源依賴性，更揭示了其內部異質性的程度。在營業成本方面，高碳行業同樣表現出明顯高于低碳行業的壓力水平，平均值分別為51683和18592單位。兩類行業的營業成本標準差分別為14549和20841單位，這一數據揭示了高碳行業在固定成本上的高度剛性，以及低碳行業在成本結構上的相對彈性。高碳行業具有較高的固定資產投入和資源依賴性，使其營業成本整體處于較高水平；低碳行業得益于技術密集型的生產模式和靈活的經營策略，部分企業能夠有效控制成本，最低值僅為853單位。

（二）分位數回歸分析：行業內部的異質性

為了揭示高碳與低碳行業內部企業在能源效率表現上的差異，本文采用分位數回歸模型，分別對低效率企業（25%分位點）、中等效率企業（50%分位點）和高效率企業（75%分位點）進行了分析。

1. 高碳行業的分位數回歸結果

高碳行業分位數回歸結果顯示，不同效率水平企業在技術研發投入、固定資產投資和營業成本的影響上存在顯著差異。

高碳行業分位數回歸分析揭示了企業間顯著的異質性特征（見表2）。技術研發投入僅對高效率企業（75%分位點）產生顯著正向影響（系數0.048，Plt;0.05），而對低效率企業（25%分位點）幾乎無效（系數0.012，Pgt;0.1）；固定資產投資則對低效率企業呈顯著抑制作用（系數-0.036，Plt;0.05），隨效率提高逐漸減弱；營業成本呈現分化效應，對低效率企業有正向促進作用（系數0.028，Plt;0.05），對中等效率企業反而產生負面影響（系數-0.006，Plt;0.1）；政策支持對低效率企業效果最佳（系數0.041，Plt;0.01），隨效率提高邊際效應遞減（高效率企業系數僅0.016，Plt;0.1）。這種內部分化表明，高碳行業企業在技術吸收能力、固定資產利用效率和政策響應方面存在結構性差異，需要精準施策。

2. 低碳行業的分位數回歸結果

低碳行業分位數回歸結果顯示（見表3）內部企業表現出高度一致性和協同性，各變量對不同效率水平企業均呈現正向影響且多隨效率提高而增強。技術研發投入對各分位點企業效率均有顯著促進作用，影響程度隨效率提高而增大（低效率企業系數0.035，高效率企業系數達0.063）；固定資產投資對不同分位點企業影響相對均衡（系數在0.018～0.026），表明低碳行業普遍能有效利用資產投資提升效率；營業成本對各分位點影響均為正向（系數0.013～0.027），顯示低碳企業能將成本壓力轉化為效率提升動力；政策支持同樣對各效率水平企業產生一致的積極影響（系數0.023～0.035），且高效率企業的政策響應能力最強。這種內部一致性反映了低碳行業普遍具備較強的技術吸收能力和資源優化配置能力。

3. 高碳與低碳行業的對比分析

高碳與低碳行業分位數回歸結果對比揭示了兩類行業在內部企業異質性上的根本差異：低碳行業展現了高度一致性和協同性，而高碳行業則呈現顯著分化。技術研發投入對低碳行業各分位點企業均有遞增的促進作用，而對高碳行業僅高效率企業受益；固定資產投資對低碳行業各效率水平企業均呈正向影響，卻對高碳行業低效率企業產生抑制作用；營業成本對低碳行業企業一致正向促進且隨效率提高而增強，但對高碳行業表現為低效率企業正向響應、中效率企業負向影響；政策支持在低碳行業呈“正強化”特征（高效率企業響應更強），在高碳行業則表現為“負強化”模式（低效率企業受益最大）。這種差異表明低碳行業普遍具備較強的技術吸收能力和資源優化能力，形成穩健的效率提升機制；而高碳行業內部則存在技術轉化障礙與結構性資源配置失衡，政策傳導機制效率低下。

4. 穩健性檢驗

為驗證分位數回歸結果的可靠性，本研究實施了三種穩健性檢驗策略：變量替代法（用“單位成本占比”和“研發強度”替代原有指標）、樣本分組法（按區域和企業規模分組分析）和模型設定法（調整分位點設置并引入交互項和非線性項）。三種方法檢驗結果均表明，核心變量的顯著性與方向性保持一致，不同區域和規模樣本估計結果與整體樣本高度一致，且模型設定變化不會顯著改變主要研究結論，充分證實了本研究發現的穩健性和可靠性。

四、討論與建議

本研究揭示了高碳與低碳行業在能源效率方面的顯著異質性及其形成機制，為“雙碳”目標下的差異化政策設計提供了依據。

（一）行業異質性的核心特征與形成機制

研究證實了高碳與低碳行業在能源效率提升機制上存在根本性差異。高碳行業內部企業異質性顯著，低效率企業對固定資產投資的響應為負（系數-0.036），但對政策支持的反應最為敏感（系數0.041）；高效率企業則對技術研發投入表現出較強的響應能力（系數0.048）。這種內部分化反映了高碳行業在技術路徑和資源配置上的結構性問題。政策效應的傳導在高碳行業呈現明顯分化，對低效率企業有促進作用（系數0.028），而對中等效率企業則產生負效應（系數-0.006）。這種資源配置失衡與技術轉化障礙成為高碳行業實現綠色轉型的主要制約。

相比之下，低碳行業展現出顯著的協同性特征，各效率水平的企業對核心變量均表現出正向一致的響應。技術研發投入對低碳行業各分位點企業均有顯著正向影響（系數0.035～0.063），營業成本也能有效轉化為效率提升動力（系數0.013～0.027）。這種協同性和一致性表明，低碳行業具有更強的技術吸收能力和更靈活的資源配置機制，這為其在“雙碳”目標下的快速轉型提供了內在動力。

固定資產投資對兩類行業的差異化影響尤為顯著：對低碳行業各分位點企業均有正向促進作用（系數0.018～0.026），而對高碳行業低效率企業則產生顯著抑制效應（系數-0.036）。這一差異反映了高碳行業固定資產專用性高、更新周期長、轉型成本高的結構性問題，成為其效率提升的主要障礙。

（二）政策建議與實踐啟示

基于研究發現，本文提出三項核心政策建議：

一是實施差異化轉型支持策略。針對高碳行業，應構建分層次的支持機制：為低效率企業提供精準的技術引導和轉型資金支持，重點解決其固定資產更新的障礙；為高效率企業創造突破性技術創新環境，發揮其在技術研發轉化中的優勢。針對低碳行業，則應進一步鞏固其技術優勢，建立研發激勵與技術擴散并重的支持體系，充分發揮全行業的協同效應。

二是建立跨行業協同創新機制。構建高低碳行業間的技術橋梁，通過綠色技術轉移平臺、產業聯盟等形式，促進低碳行業先進技術向高碳行業擴散，加速高碳行業技術更新與效率提升。同時，結合國際經驗，引入差異化碳稅政策，建立促進資源從高碳向低碳流動的經濟激勵機制。

三是優化政策實施效果評估體系。建立能源效率與碳減排的綜合評價機制，將能源利用效率與綠色轉型表現納入政策支持的關鍵考量，引導資本與資源向高效率、低排放企業流動，形成良性的政策激勵與市場反饋循環。特別是針對高碳行業內部的效率分化現象，應加強政策傳導機制的監測與評估，提高政策精準性。

總體而言，促進“雙碳”目標實現的核心在于認識并應對行業異質性，針對高碳行業內部的效率分化現象制定精準政策，發揮低碳行業的技術優勢與示范效應，通過系統性政策設計推動全行業協同綠色轉型。

五、結語

“雙碳”背景下研究揭示中國高碳與低碳行業能效存在巨大差距（高碳平均能耗為低碳15倍）及顯著異質性。高碳行業內部分化嚴重，政策傳導不均；技術投入僅惠及高效企業，固投抑制低效企業，政策對低效企業最有效。低碳行業內部協同，技術、固投、政策對所有企業均有顯著正向作用，且效果隨效率提升增強。研究據此提出差異化政策支持、跨行業協同創新及優化政策評估等精準建議，為“雙碳”目標下分類施策提供科學依據，拓展了能效研究的微觀維度。

參考文獻：

[1]Chen，Y amp; Jin，S.Artificial intelligence and carbon emissions in manufacturing firms：The moderating role of green innovation[J].Processes，2023，11（9），2705.

[2]Hossain，M.S Rahman，M.Awan，U.amp; Schuberth，F.Does corporate Ramp;D investment affect firm environmental performance" Evidence from G-6 countries[J].Energy Economics，2023，78，528-549.

[3]Li，Y.Zhang，Y.Pan，A.Han，M.amp; Veglianti，E.Carbon emission reduction effects of industrial robot applications：Heterogeneity characteristics and influencing mechanisms[J].Technology in Society，2022，70，102034.

[4]Liu，J.Yang，Q.Ou，S.amp; Liu，J. Factor decomposition and the decoupling effect of carbon emissions in China's manufacturing high-emission subsectors[J].Energy，2022， 248，123568.

[5]Wang，H.Chen，Z.Wu，X.amp; Nie，X. Can a carbon trading system promote the transformation of a low-carbon economy under the framework of the porter hypothesis—Empirical analysis based on the PSM-DID method[J].Energy Policy，2021， 129，930-938.

[6]Zhang，X.Zhong，J.Zhang，X.Zhang， D.Miao，C.Wang，D.amp; Guo，L.China can achieve carbon neutrality in line with the Paris Agreement's 2°C target：Navigating global emissions scenarios，warming levels，and extreme event projections[J].Engineering，2023， 44，207-214.

*基金項目：廣東省哲學社會科學規劃2023年度學科共建項目“基于機器學習的粵東西北碳排放影響因素與情景預測研究”（項目編號：GD23XGL091）；2022年韓山師范學院科研平臺“綠色經濟研究中心”（項目編號：PSB221102）；韓山師范學院2022年度博士啟動項目“雙碳目標下粵東地區碳排放預測模型研究”（項目編號：QD202226）；韓山師范學院“雙百行動”專項項目“一鎮一策產業升級和品牌建設工程”（項目編號：Z24003）。

（作者單位：韓山師范學院經濟與管理學院）