□ 冯俊华 韩 美 郑广文 薛 俭
（陕西科技大学 经济与管理学院，陕西 西安 710021）
作为经济社会发展的第一驱动力，技术创新能有效提升碳排放效率，而经济水平提升和环境保护压力又会反作用提升技术创新水平，两者相互影响、相互促进。技术创新与碳排放效率以良好的演变规律和动态互动关系实现协调发展，是企业实现转型升级、行业实现“碳中和”目标的关键。据国家统计局官网数据统计，我国工业产值平均占国内生产总值37%1《中国统计年鉴》数据显示，2008—2020 年工业产值贡献率分别为43.4%、40.7%、49.6%、45.9%、41.9%、40.5%、36.9%、32.6%、28.3%、30.2%、30.3%、26.8%、33.6%。，在经济高速发展中扮演着重要角色，但同时也是我国碳排放量主要源头之一。部分工业企业以资源能源的大量消耗以及严重的环境污染为代价换取经济效益，主要体现在生产加工环节碳排放较高[1-2]，因此减少碳排放总量，提升工业碳排放效率，关键在于技术创新。从而，在“双碳”战略背景下，从系统耦合角度研究工业企业技术创新和碳排放效率“1+1＞2”的协同效应，是具有重要理论意义的实践问题。
学者们对于技术创新与碳排放的研究关注已久，主要包含两方面。一是技术创新会抑制碳排放强度的增加。Reyer Gerlagh[3]表明技术创新通过减少碳税降低碳排放成本，进而控制碳排放量。许振清等[4]运用空间杜宾模型和门槛模型实证检验协同创新效率能够降低地区碳排放强度。史安娜和唐琴娜[5]通过构建低碳技术创新指数，研究发现低碳技术创新对碳排放具有较强抑制作用。二是碳减排对技术创新具有正向影响。范德成和张修凡[6]基于市场视角，发现碳减排联盟对企业低碳技术创新产生正向影响。徐佳和崔静波[7]发现低碳城市试点政策能够在一定程度上诱发企业整体层面绿色技术创新。殷宝庆[8]研究制造业细分行业进口中间品碳排放对于创新活动资金及人员投入具有积极影响。
尽管技术创新与碳排放效率关系的研究较为丰富，但多止步于技术创新与碳排放效率单向静态关系研究，忽视了两者间的关系，研究不够深入与全面，对技术创新与碳排放效率耦合协调关系的研究鲜见。因此，本文选取我国29 个省份面板数据，构建技术创新与碳排放效率评价指标体系；
运用耦合协调模型、相对发展模型和探索性空间数据分析法，研究技术创新与碳排放效率耦合协调时空演变及其空间关联效应；
最后通过脉冲响应与方差分解分析两者动态响应关系，为实现工业企业经济与环境可持续发展提供可行性建议。
工业企业技术创新与碳排放效率相互影响、相互作用，构成一个有机整体，两者协同效应远大于单向影响效应的叠加。碳排放效率以实现环境和经济可持续性发展为目标，技术创新是实现目标的关键手段，与此同时，市场需求及环境压力倒逼企业进行技术创新升级改造。
一方面，技术创新通过改进生产技术及工艺，提升能源利用效率，进而提高经济发展水平，并减少生产过程中的能源消耗以及碳排放量。同时，技术升级有利于提升政府监管部门对企业环境治理监管水平，进一步促进产业结构优化，实现由资源要素投入转向知识要素驱动的经济增长方式，从而提升碳排放效率。
另一方面，碳排放效率助推技术创新发展。经济方面，工业企业经济增长为技术创新提供基础资金支持，创造浓厚的技术创新氛围，有利于实现技术进步，提升技术创新水平；
环境方面，随着生态文明进程推进以及“双碳”战略等的现实需要，政府加强环境规制及补贴力度，倒逼企业进行技术升级，加大创新经营活动的人力资本等投入，提升能源利用效率，促进企业技术创新水平提升。因此，工业企业技术创新与碳排放效率系统相辅相成，共同促进生态与经济可持续发展。
图1 工业企业技术创新与碳排放效率互动机理
1. 技术创新评价指标
参考冯俊华和臧倩文[9]，从创新投入产出维度构建技术创新评价指标。技术创新投入是创新活动的基础，主要从人力和资金方面衡量，本文选用R&D 人员全时当量、新产品开发经费支出和R&D 经费表示。技术创新产出是创新活动投入相应的人力和资金所获得的效益成果，主要通过企业专利数、新产品增加值等指标来衡量。
2. 碳排放效率测度指标
现有碳排放效率测度主要有两种方法：一是用碳排放强度表示，如周迪和刘奕淳[10]、史丹和李少林[11]用地区碳排放量与生产总值比值来衡量。二是基于投入产出视角对碳排放效率进行测算，刘军航和杨涓鸿[12]、王少剑等[13]从能源投入、非能源投入、期望和非期望产出角度测算碳排放绩效。本文从投入产出角度对碳排放效率指标体系进行构建，投入指标主要从资本、劳动力和能源三方面选取相应指标；
产出指标主要体现在经济效益和环境污染等方面，分别为期望产出和非期望产出。技术创新与碳排放效率评价指标体系，见表1。
表1 工业企业技术创新与碳排放效率评价指标体系
目前学界对碳排放量的计算方式未统一，本文参考周四军和江秋池[14]的研究并根据IPCC 公布的标准煤折算系数与碳排放系数计算工业企业碳排放量，即
上式中，i表示能源种类，E表示各类能源的消耗量，μ表示各类能源的标准煤折算系数，p表示各类能源碳排放系数，具体数值如表2 所示。
表2 各类能源的标准煤折算系数以及碳排放系数表
1. 耦合协调度及相对发展模型
耦合度用于反映技术创新与碳排放效率相互作用程度，因此建立工业企业技术创新与碳排放效率耦合度：
上式中，C 为耦合度， U1 代表技术创新综合发展水平，运用熵权法测算， U2 代表碳排放效率，运用非期望Super-SBM 模型计算。由于耦合度对两者的协调发展水平无法进行客观公正的评价，因此在耦合度基础上构建耦合协调度模型：
上式中，D 表示耦合协调度，T 表示系统综合评价指数。本文引入相对发展模型，通过相对发展指数K 来反映两者相对发展程度。
参考相关研究[15-16]将耦合协调度进行划分，见表3。
表3 技术创新与碳排放效率耦合协调阶段及特征
2. 探索性空间数据分析法
（1）全局自相关主要用于反映整体空间关联效应，常用全局莫兰指数（GlobalMoran′I）来测算。
上式中，N 为省份数；
X i和Xj分别为省域i和j的数据值；
S0表示权重矩阵要素；
X 代表耦合协调度的平均值；
W ij是基于邻接空间的权重矩阵。
（2）局部自相关用于表征不同省域两系统耦合协调度的局部空间聚集特征。
上式中，Z i、Z j为省域i和j标准化后的数据值。
3. 面板向量自回归模型
为研究工业企业技术创新与碳排放效率动态互动关系，运用面板向量自回归（PVAR）模型构建技术创新与碳排放效率动态评价模型，模型设定如下：
上式中，y it表示技术创新与碳排放效率列向量，j表示滞后期数；
á i表示固定效应；
0â表示截距；
åi,t表示时间效应；
äi,t表示随机干扰项。
选取我国2008—2020 年29 个省份（不包含港澳台及新疆、西藏自治区）作为样本，考虑到技术创新成果的滞后性，技术创新评价指标数据来源于2008—2020 年《中国统计年鉴》，部分缺失数据参考《工业企业科技活动统计年鉴》补充；
碳排放效率指标数据来源于2009—2021《中国统计年鉴》和《中国能源统计年鉴》，对于个别缺失数据通过插值法加以补充。
1. 技术创新与碳排放效率耦合协调度时序变化分析根据公式（2）～（5），计算工业企业技术创新与碳排放效率耦合协调度及相对发展指数，且根据表3 划分耦合协调发展及其相对发展状态类型，结果见表4。
表4 工业企业技术创新与碳排放效率耦合协调发展指标测度结果
地区 2008 年 2012 年 2016 年 2020 年D K 类型 D K 类型 D K 类型 D K 类型湖南 0.289 0.095 Ⅳc 0.397 0.142 Ⅲc 0.471 0.145 Ⅲc 0.498 0.324 Ⅲc吉林 0.251 0.056 Ⅳc 0.328 0.051 Ⅲc 0.357 0.049 Ⅲc 0.317 0.080 Ⅲc江苏 0.475 0.252 Ⅲc 0.679 0.380 Ⅱc 0.785 0.456 Ⅱc 0.857 0.707 Ⅰc江西 0.265 0.056 Ⅳc 0.366 0.036 Ⅲc 0.452 0.058 Ⅲc 0.556 0.131 Ⅱc辽宁 0.320 0.109 Ⅲc 0.416 0.103 Ⅲc 0.329 0.194 Ⅲc 0.385 0.248 Ⅲc内蒙古 0.216 0.057 Ⅳc 0.269 0.063 Ⅳc 0.283 0.080 Ⅳc 0.268 0.114 Ⅳc宁夏 0.224 0.033 Ⅳc 0.226 0.042 Ⅳc 0.238 0.044 Ⅳc 0.251 0.062 Ⅳc青海 0.234 0.022 Ⅳc 0.220 0.029 Ⅳc 0.222 0.030 Ⅳc 0.243 0.028 Ⅳc山东 0.422 0.210 Ⅲc 0.597 0.245 Ⅱc 0.686 0.267 Ⅱc 0.712 0.360 Ⅱc山西 0.222 0.102 Ⅳc 0.268 0.104 Ⅳc 0.231 0.140 Ⅳc 0.285 0.179 Ⅳc陕西 0.247 0.092 Ⅳc 0.302 0.110 Ⅲc 0.325 0.126 Ⅲc 0.351 0.205 Ⅲc上海 0.407 0.095 Ⅲc 0.525 0.123 Ⅱc 0.558 0.135 Ⅱc 0.602 0.169 Ⅱc四川 0.285 0.127 Ⅳc 0.353 0.142 Ⅲc 0.406 0.147 Ⅲc 0.434 0.321 Ⅲc天津 0.382 0.067 Ⅲc 0.454 0.098 Ⅲc 0.511 0.096 Ⅱc 0.426 0.138 Ⅲc云南 0.338 0.013 Ⅲc 0.242 0.062 Ⅳc 0.267 0.095 Ⅳc 0.322 0.109 Ⅲc浙江 0.447 0.251 Ⅲc 0.570 0.323 Ⅱc 0.632 0.487 Ⅱc 0.707 0.889 Ⅱc重庆 0.285 0.078 Ⅳc 0.355 0.081 Ⅲc 0.430 0.110 Ⅲc 0.181 0.904 Ⅳb均值 0.304 0.098 Ⅲc 0.381 0.125 Ⅲc 0.428 0.146 Ⅲc 0.447 0.272 Ⅲc
2008—2020 年工业企业技术创新与碳排放效率协调发展经历了“轻度失调-濒临失调”的演变趋势，处于基本协调阶段，耦合协调度值由2008 年0.304 增长至2020年0.447，濒临失调阶段历时较长，表明经济发展与生态建设的良好发展趋势，反映出工业企业技术创新与碳排放效率协同发展具有较大发展潜力。2008 年，各省市技术创新和碳排放效率大多处于中度失调水平，广东、江苏、山东和上海耦合协调度属于濒临失调阶段，发展水平相对较高，而协调水平较低的大多位于中西部地区，其中贵州和甘肃协调度仅为0.2，居于全国水平末端。2016年，广东、江苏和山东耦合协调度提升至0.6 以上，迈向协调发展阶段，其余各省市协调度均呈现增长态势，较2008年增长41%。截至2020 年，全国平均水平提升至0.447，较2008 年增长47%，表明我国技术创新与碳排放效率协调发展趋势趋于良好。
2008—2020 年技术创新与碳排放效率相对发展指数整体呈现上升且技术创新滞后态势随着技术创新滞后状态省份逐渐减少，同步发展省份不断增加，表明碳排放效率倒逼企业增加创新活动投入，提升技术创新水平效果已逐渐显现。2008 年、2012 年、2016 年各省市均处于技术创新滞后状态，工业企业能源结构以煤炭消耗为主，技术升级开发清洁能源存在一定滞后性，此外技术创新受到企业成本压力及创新需求不足等多方面影响导致碳排放效率倒逼作用不显著，使得技术创新水平整体滞后于碳排放效率。技术创新与碳排放效率协调发展由2008 年Ⅳc、Ⅲc 类型发展到2012 年Ⅳc、Ⅲc、Ⅱc 类型，直至2016 年Ⅳc、Ⅲc、Ⅱc、Ⅰc 四种类型，协调发展类型出现较大差异；
2020 年重庆相对发展状态由技术创新滞后转变为技术创新与碳排放效率同步发展状态，其余省市仍为技术创新滞后状态，说明重庆在注重环境保护以及能源利用效率提升的同时重视技术创新的内生驱动力，把创新与效率提升同步结合，实现针对性创新活动，开发新技术使能源结构得到优化，此时协调发展存在Ⅳc、Ⅲc、Ⅱc、Ⅰc、Ⅳb 五种类型。因此碳排放效率滞后与技术创新滞后均不利于各地区协调发展，处于技术创新滞后的地区要将工作重点放在技术升级改造上，重视其带来的经济效益和环境效益，以促进技术创新和碳排放效率有序协同发展。
2. 技术创新与碳排放效率耦合协调度空间格局分析
为探究工业企业技术创新与碳排放效率耦合协调省域差异，选取2008 年、2012 年、2016 年、2020 年数据并借助ArcGIS 软件进行可视化分析，结果见图2。
图2 工业企业技术创新与碳排放效率耦合协调发展空间格局演化
由图2 可知，各省域耦合协调发展水平自东向西逐渐递减，呈现显著性“条块状”分布，主要受各地区经济发展水平影响，技术创新活动及生态文明推进工作有显著差异。具体来看，2008 年以基本不协调为主，大多数省份技术创新水平较低且明显滞后于碳排放效率。大多数东部沿海省市处于基本协调阶段，包括辽宁、北京、山东、河南、江苏、上海、浙江、福建、广东、云南等省市，表明该时期两系统协调发展水平整体较低。
2012 年区域整体协调发展实现跨越式发展，整体向中度协调水平阶段迈进，但空间格局分布仍然不平衡，协调发展区仍位于中东部地区，主要是因为随着西部大开发战略进入加速发展阶段，经济产业化、生态化等全面升级，实现经济增长的跃进，营造了浓厚的创新氛围并提供创新支持。具体表现为不协调省市数量占比由62%（2008 年18 个省域）降至28%（2012 年8 个省域），中度协调阶段由0 个省域增至5 个省域且主要位于东部地区。然而，中部地区多以基本协调状态为主，由10 个省域增至16 个省域（山东、江苏、上海、浙江、广东、吉林、天津、河北、安徽、江西、湖南、广西、湖北、重庆、四川、陕西）逐渐形成区域扩展态势；
此外，云南协调发展水平出现退化现象，由基本协调倒退到不协调状态，主要因为云南以旅游业为主导产业，对于工业等发展重视不够以及煤炭资源利用效率低下，因此技术升级推动产业结构优化存在滞后性。
2016 年工业企业技术创新与碳排放效率耦合协调水平得到进一步提升。与2012 年相比，两大系统协调发展空间分布无较大差异，处于中度协调状态的省域由5 个增至8 个且主要位于东部地区，处于高度协调状态省域由0 个增至1 个（广东），其余省市均处于不协调发展阶段，主要位于西部地区。这一变化与同期我国大力推进创新深化供给侧改革，地区经济发展水平有较大关系。
2020 年耦合协调度发生较大转变，基本形成以广东、江苏等东部省份为主的高度协调发展向两侧辐射的中心地带，带动周边省市实现了由基本协调向中度协调状态的良好转变，尽管部分中西部地区仍落后于东部地区，但与2008 年相比也实现了由不协调到基本协调的跨越，其中四川、陕西、湖北、湖南、广西等省份已由中度失调发展至轻度失调和濒临失调阶段，目前处于高度协调等级的省域由1 个增至2 个省份（广东、江苏），原因在于两个省份经济发展快、创新投入力度较大、以及对于生态文明建设有足够的重视。
3. 技术创新与碳排放效率耦合协调度空间分异分析
（1）全局Moran′I 检验
通过公式（6），计算研究期偶数年份工业企业技术创新与碳排放效率耦合协调的全局Moran′I 指数值，结果见表5。全局Moran′I 指数值均大于0，且在1%水平上显著，表明两系统耦合协调空间格局呈现正向空间相关性，省域间的集聚特征较为明显，表现出显著的“溢出效应”和“马太效应”；
从时间序列变化来看，全局Moran′I 指数呈现扩大后缩小的“N”型趋势，表明两系统耦合协调发展呈现良好上升趋势，省域间协调发展空间集聚特征逐步增强。
表5 全局Moran′I 检验结果
（2）局部Moran′I 检验
根据公式（7）计算并利用ArcGIS 和GeoDa 软件绘制2008 年、2012 年、2016 年、2020 年省域耦合协调发展LISA 分布，结果见图3。
图3 工业企业技术创新与碳排放效率耦合协调度LISA 分布图
“H～H”类型（高- 高集聚）地域范围逐渐发生转移，由2008 年江苏、上海、福建3 个省市，变化为2012年山东、江苏、上海、安徽、浙江、福建6 个省市，2016 年再增加江西省，直到为2020 年的山东、江苏、上海、安徽、浙江、福建、江西7 个省市，表明部分东中部地区相邻省市技术创新与碳排放效率已形成强强联合的协调发展联动区域，两系统间集聚和溢出效应较为显著。
“L～H”类型（低-高集聚）空间集聚范围发生迁移和消亡，由2008 年安徽变化为2012 年江西，直到2020年消亡。安徽、江西技术创新与碳排放效率耦合协调水平均处于较低水平，周围尚有“H～H”空间集聚省市发挥正向辐射作用，使得该类型区域协调发展水平有较大水平的提升，从而发展至较高水平。
“L～L”类型（低-低集聚）区域范围基本未发生变化，由2008 年和2012 年内蒙古、甘肃、宁夏、陕西、四川等5 个西部地区变化为2016 年的6 个地区，其中新增1个中部地区吉林，随后2020 年回归到原来的5 个西部地区，表明上述省份两系统间协调发展进程尚处于初步阶段，部分西部地区省域技术创新与碳排放效率发展较为缓慢，需要注重创新水平对能源利用效率的提升以及环境效益对技术创新的倒逼作用。
由上述分析可知，（1）工业企业技术创新与碳排放效率耦合协调度具有局部正向空间集聚特征的地域范围在扩大。由2008 年28.6%（“H～H”类型省域占10.7%，“L～L”类型省份达到17.9%）增至2020 年39.3%（21.4% 省市属于“H～H”集聚类型，17.9% 省市属于“L～L”集聚类型）。（2）工业企业技术创新与碳排放效率耦合协调空间协调发展水平有较大提升空间。“H～H”集聚特征的溢出效应主要分布在中东部地区，且呈增长趋势，而“L～L”集聚特征的缓慢增长区域主要分布在西部地区。究其原因，东部及中部地区产业结构相对较为合理，且对于生态环境较为重视，技术创新和碳排放效率协调水平较高，两者会产生显著的“马太效应”；
而西部地区由于经济发展相对较为缓慢，对于创新活动投入不足，同时工业发展多以粗放式为主，表现为能源结构多以煤炭消耗为主，加之对于环境效益的忽视，生态文明建设有待进一步加强，因此，技术创新和碳排放效率耦合协调发展水平相对较低。
1. 平稳性检验及滞后阶数确定
考虑到指标序列平稳性，对技术创新、碳排放效率取自然对数进行平稳性检验，结果见表6。变量均通过1% 显著性水平检验，序列是平稳的。根据AIC、BIC、HQIC 最小信息准则进行最优阶数选择结果见表7，最优滞后期数为2。
表6 平稳性检验结果
表7 PVAR 最优滞后期数
2. 脉冲响应及方差分解
为分析技术创新与碳排放效率动态响应机制，通过蒙特卡罗模拟得到滞后十期脉冲响应轨迹，见图4。
图4 脉冲响应曲线
当技术创新面对自身冲击时，短期内表现出显著正向作用，但随之产生微弱的负向效应。这表明技术创新在初期具有一定推动作用，但受限于经济发展水平，创新投入不足以及创新成果经济效益低下抑制后期创新活动有效进行。
当碳排放效率受到自身冲击时，整体呈现显著正向效应，后逐渐趋于稳定。表明碳排放效率具有一定的经济惯性，主要因为较高的环境效益有利于碳排放效率提升；
同时，在创新投入与经济收益相匹配的情况下，技术创新需求不断增强，强化企业绿色经济发展模式，这表明经济发展水平和能源结构对碳排放效率具有间接影响作用，两者不可或缺。
当技术创新面对碳排放效率冲击时，当期效应为0，随后呈现正负波动的“N”型趋势，整体产生正向影响，表明碳排放效率对技术创新的影响具有一定滞后性，且由于对于碳排放效率需求不足，对于创新投入等方面略有忽视，从而不利于技术创新水平提升。
当碳排放效率面对技术创新冲击时，产生较为显著的正向效应，表明技术创新可以通过技术升级提升能源利用效率从而提高碳排放效率，但随着创新水平的提升，往往会由于过度关注经济效益忽视环境效益从而不利于碳排放效率的提升。因此，技术创新与碳排放效率存在动态耦合关系，但这种关系有待进一步加强。
为进一步研究技术创新与碳排放效率不断变化过程中不同冲击的贡献程度，取滞后8 期，分析技术创新、碳排放效率相互影响的方差分解结果，见表8。
表8 PVAR 方差分解结果
技术创新方差贡献率主要受自身影响，在滞后8 期高达96.6%，其次为碳排放效率水平仅3.4%；
碳排放效率贡献程度主要来自自身，在滞后8 期仍为88.2%，技术创新方差贡献率为11.8%；
因此，技术创新与碳排放效率对其自身呈现显著依赖性。
本文从“双碳”战略视角构建工业企业技术创新与碳排放效率耦合协调评价指标体系，运用耦合协调度、相对发展模型和探索性空间数据分析法对两系统耦合协调时空演变特征和空间关联格局进行分析，并通过PVAR 模型对两者动态响应关系进行研究。得出以下结论：
（1）从技术创新与碳排放效率耦合协调时序变化来看，两系统耦合协调度呈增长态势，初步实现基本协调，但两系统互相制约特征较为显著，未实现相互促进的中度协调；
从技术创新与碳排放效率耦合协调空间格局来看，两系统省域耦合协调发展水平自东向西逐渐递减，差距逐渐缩小，呈现显著性“条块状”分布空间格局，且已形成广东、江苏等东部省份为主的高度协调发展向两侧辐射的中心地带，带动周边省市实现不同程度的良好转变。
（2）从技术创新与碳排放效率耦合协调空间分异特征来看，两系统协调发展呈现显著正向空间集聚特征，存在明显的“溢出效应”和“马太效应”。
“H～H”集聚特征的溢出效应主要分布在中部和东部地区，“L～L”集聚特征的缓慢增长区域主要分布在西部地区。
（3）从技术创新与碳排放效率动态响应关系来看，技术创新与碳排放效率相互促进，且技术创新对碳排放效率的作用更显著，碳排放效率对技术创新的促进作用会不断减弱并渐变为抑制作用，碳排放效率对技术创新的推动力有待提升；
总体而言，工业企业技术创新与碳排放效率互动关系有待加强。
根据上述结论，提出以下建议：
第一，加大创新活动人力资本投入，鼓励企业进行技术升级，同时适当引进国外先进技术，提升企业技术创新能力。加强与高校、科研机构的合作，依托产学研机制实现驱动力，并强化环境规制政策对生态文明建设的监管力度，倒逼企业扩大创新需求，实现经济与环境效益双赢。
第二，发挥广东、江苏等东部高度协调省域示范作用。通过共享资源以及加强技术交流合作，促进资源要素全域流动，实现清洁能源生产以及提升能源效率创新成果的最大化溢出效应，带动提升周边地区协调发展水平。
第三，制定区域差异化协调推进政策。东部地区应在原有创新机制基础上，提升资金活力，加强创新技术延展性和应用性，提高创新技术利用率；
中西部地区省域应积极优化能源结构，提升利用效率，减少对煤炭等高碳排放资源的依赖，注重生态环境的兼容性，有效提升各省域创新能力和碳排放效率。
扩展阅读文章
推荐阅读文章
恒微文秘网 https://www.sc-bjx.com Copyright © 2015-2024 . 恒微文秘网 版权所有
Powered by 恒微文秘网 © All Rights Reserved. 备案号：蜀ICP备15013507号-1