碳减排压力能驱动我国经济高质量发展吗?——来自中国2010-2019年省域面板数据的证据

戴前智; 王博; 吴华清; 叶典; 洪绍博

doi:10.12012/CJoE2022-0068

PDF(1517 KB)

计量经济学报 ›› 2023, Vol. 3 ›› Issue (1) : 128-147. DOI: 10.12012/CJoE2022-0068

论文

碳减排压力能驱动我国经济高质量发展吗?——来自中国2010-2019年省域面板数据的证据

戴前智, 王博, 吴华清, 叶典, 洪绍博

作者信息 +

Can Carbon Reduction Pressure Drive High-quality Economic Development? Evidence from China’s Provincial Panel Data from 2010 to 2019

DAI Qianzhi, WANG Bo, WU Huaqing, YE Dian, HONG Shaobo

Author information +

文章历史 +

摘要

当前我国经济发展过程中面临着巨大的碳减排压力, 那么这种压力能否驱动我国经济高质量发展值得探究.本文基于2010-2019年中国30个省域面板数据, 采用碳排放强度表征政府面临的碳减排压力, 基于新发展理念五大维度测度各省域经济高质量发展水平, 运用时间固定效应的空间杜宾模型实证分析了碳减排压力驱动经济高质量发展的影响机制, 并检验了环保投资在两者间的中介效应.结果表明, 邻接地区的碳排放强度和经济高质量发展水平存在空间溢出效应; 碳排放强度对经济高质量发展存在“倒U型”的非线性影响, 整体上表现从促进经济发展质量提高向抑制经济高质量发展的转变趋势.中介效应回归结果表明, 环保投资在碳减排压力驱动经济高质量发展的过程中存在中介效应, 即碳减排压力可以通过激励环保投资推动经济高质量发展.

Abstract

Nowadays, China's economic development is facing huge pressure on carbon emission reduction. It is of great significance for exploring whether such pressure can drive the high-quality development of China' s economy. The carbon emission intensity is used to characterize the carbon reduction pressure faced by the government, and the high-quality economic development level of each province is calculated under the five dimensions of the new development concept. Based on the panel data of 30 provinces in China from 2010 to 2019, the spatial Durbin model with time fixed effect is applied to empirically analyze the influence mechanism of carbon reduction pressure driving high-quality economic development. The intermediary effect of environmental protection investment between the two is tested. The results show that there are spatial spillover effects on carbon emission intensity and high-quality economic development in neighboring areas, and there is an inverted U-shaped nonlinear effect of carbon emission intensity on high-quality economic development. As a whole, it shows the trend of changing from promoting the improvement of the quality of economic development to restraining the development of high-quality economy. The regression results of intermediary effect show that environmental protection investment has an intermediary effect in the process of high-quality economic development driven by carbon emission reduction pressure, that is, carbon emission reduction pressure can promote high-quality economic development by encouraging environmental protection investment.

导出引用

戴前智 , 王博 , 吴华清 , 叶典 , 洪绍博. 碳减排压力能驱动我国经济高质量发展吗?——来自中国2010-2019年省域面板数据的证据. 计量经济学报, 2023, 3(1): 128-147 https://doi.org/10.12012/CJoE2022-0068

Qianzhi DAI , Bo WANG , Huaqing WU , Dian YE , Shaobo HONG. Can Carbon Reduction Pressure Drive High-quality Economic Development? Evidence from China's Provincial Panel Data from 2010 to 2019. China Journal of Econometrics, 2023, 3(1): 128-147 https://doi.org/10.12012/CJoE2022-0068

1 引言

工业革命以来, 全球经济的快速发展带动了对石油、煤炭、天然气等化石能源迅速增长的巨大消费需求. 如图 1所示, 进入21世纪以来, 全球碳排放转入更快的上升通道, 大量温室气体的排放使得全球气温曲线表现出更加陡峭的态势, 成为影响人类发展的重大环境问题. Raupach et al. (2014), Tokarska et al. (2016)的研究均证明了全球暖化与碳排放之间存在近似线性的相关关系. 2021年10月31日, 世界气象组织发布的初步气候报告指出, 温室气体排放导致的全球变暖恐为"当代和未来世代带来深远影响". 因此尽快促进全球碳减排以应对全球气候变暖问题迫在眉睫.

图1 1880年至今全球地表气温变化(数据来源: NASA)

Full size|PPT slide

碳排放与经济发展关系问题始终被世界各国所重视(李爱华等(2017)). 在经济系统中, 经济增长与碳排放二者之间通常存在相关关系, 经济发展水平是影响碳排放总量的重要因素(李明贤和刘娟(2010)). 一方面, 我国自2006年以来一直是全球第一大碳排放国. 目前我国碳排放量占全球年排放总量的33%, 仅2021年我国二氧化碳排放量就超过119亿吨. 因此, 我国经济发展面临着巨大的碳减排压力. 如何在保持经济发展质量的基础上降低碳排放, 对我国构建"双循环"背景下的高质量新发展格局具有重要意义. 另一方面, 我国自2010年以来一直是世界第二大经济体, 目前经济高质量发展已成为我国新时期经济发展的主旋律. 十九大报告指出"我国经济已从高速增长阶段转向高质量增长阶段", 我国现在正处于经济由高速发展转入高质量发展的关键时期, 研究碳排放压力能否驱动我国经济高质量发展对于相关政策制订具有重要的参考意义. 此外, 为实现经济、环境和社会的平衡与协调发展, 环保投资成为新时期环境治理的关键(杨冕等(2022), 文书洋等(2022)). 环保投资可以激发经营主体的治污意愿, 激励企业参与碳减排和环境保护基建, 加快环境质量水平的改善, 从而实现对经济繁荣、生态和谐以及社会发展的统筹兼顾, 响应高质量发展格局的构建, 实现经济向高质量发展的顺利转型.

本文基于2010–2019年的省域面板数据, 采用碳强度表征政府面临的碳减排压力, 并依据新发展理念选取创新、协调、绿色、开放、共享五个一级指标构建经济高质量发展水平评价指标体系, 使用熵值法测算出各地区的经济高质量发展水平, 运用空间计量模型实证检验了碳减排强度对经济高质量发展的影响效应和环保投资的中介效应, 旨在探索适合我国的碳减排路径, 指导我国相关环境政策的制定, 助力我国"双碳"目标顺利实现, 对促进全国各省区之间同频共振、协调发展, 共同推进经济和生态可持续发展具有重要的意义.

本文剩下的部分安排如下: 第二部分开展了文献回顾和评述; 第三部分从理论层面分析了碳减排压力和高质量发展的关系以及环保投资的中介效应, 并给出假说; 第四和第五部分测算了相关指标和变量, 并进行了实证检验; 第六部分对本文的研究进行了稳健性检验; 最后结合研究结果给出相应的结论和建议.

2 文献回顾

碳减排与经济高质量发展是当前我国经济发展阶段的两个重要问题, 引起了诸多学者的关注(如陈晓红等(2022), 范丹等(2022), 吕莹等(2022), 徐大丰(2022), 张宁和赵玉(2022)). 本文围绕我国经济高质量发展水平测度、碳排放及其影子价格测度、碳排放与经济高质量发展之间的关系来展开文献梳理.

关于第一个方面的研究, 十九大以来, 学界对经济高质量发展水平的测度与评估越来越关注, 旨在定量考察经济发展质量, 优化经济发展模式. 周忠宝等(2022)从经济基本面、社会发展以及生态环境成果三个维度构建经济高质量发展指标以刻画地区经济发展转型水平; 而陈景华等(2020), 刘会武等(2021)以"五大发展理念"构建测度体系, 全面、合理、有效地评估区域经济发展质量; 姜松和周鑫悦(2021)在Mlachila et al. (2014)研究的基础上, 选择基本面和社会结果两个视角对高质量发展水平进行量化; 聂长飞和简新华(2020)则从产品服务质量、经济效益、社会效益、生态效益及经济运行状态五维构建指标体系, 对省际经济高质量发展的指标结构和数理特征进行了探讨.

关于第二个方面的研究, 在碳排放测算方面, 肖皓等(2015)采用非竞争型IO表构建了需求侧碳强度的测算体系, 基于此框架分析了全球碳排放和经济增长特征; 苗建军等(2020)运用国际社会通用的折算标准, 结合不同化石能源的碳排放系数, 测算了我国30个省份的碳排放情况; 田云和陈池波(2019)基于农业碳排放测算框架测算农业碳排放, 依据化石能源的碳排放系数测算二、三产业碳排放以评估我国碳减排的成效, 对减排后进地区予以识别, 并给出了优化路径. 在碳排放影子价格测度方面, 周鹏和安超(2022)提出了一个统一的参数化二氧化碳影子价格分析框架, 旨在为二氧化碳边际减排成本研究提供一个更加科学合理的研究范式. 张宁和赵玉(2022)提出了一种新的广义成本函数框架来估计由规制引致的配置扭曲对污染减排成本的影响, 并对碳排放约束下中国省级碳排放影子价格进行实证研究. 陈晓红等(2022)提出EMD-CNN-LSTM组合模型预测碳市场价格等.

在上述研究的基础上, 最后一个方面着重讨论碳排放和经济高质量发展之间的关系. 一方面, 碳排放有助于经济高质量发展. 碳排放的增加主要基于资源消耗. 资源消耗不仅是经济增长的重要源泉, 而且意味着工业化水平的提高和生产力的发展(Bhattacharya et al. (2016)). 另一方面, 碳排放的增加抑制了经济的高质量发展. 有学者认为, 碳排放量的增加加剧了雾霾等环境污染问题, 降低了城市吸引力和城市化进程(Au and Henderson (2006), Henderson and Millimet (2007)), 破坏了人力资本的积累(Chang et al. (2016), Greenstone and Hanna (2014)). EKC曲线表明, 环境污染的严重程度与经济增长率之间存在倒U形关系, 即在生产初期以牺牲环境破坏为代价促进经济总量的快速增长, 而后期资源减少和生产率低下抑制经济发展(Grossman and Krueger (1991)). 此外, 关于碳减排对经济高质量发展的影响机制, Dong et al. (2020)认为碳减排可以通过促进产业结构升级进而对经济增长产生积极影响. 禹久泓和武传浩(2022)认为碳减排能够有效助推经济高质量发展, 且在环境规制对经济高质量发展的影响中存在中介效应.

综上, 现有研究为我们对经济高质量发展水平和碳排放强度展开更加科学合理的测算给予了有益的参考, 也为后续实证分析提供了经验上的启发. 但关于碳减排压力驱动经济高质量发展影响机制的研究依然较为鲜见, 它对构建我国经济发展新格局具有重要的意义. 因此本文着力于考察碳减排压力、环保投资及经济高质量发展之间的影响机制, 为新发展格局的构建提供理论和实践层面的依据.

本文可能的贡献主要有三方面: 第一, 本文运用空间计量的实证方法, 将空间因素纳入研究范畴, 补充了碳减排压力和经济高质量发展之间关系的内容和方法; 第二, 本文探索了生态环境保护投资在碳减排压力和经济高质量发展间的中介效应, 丰富了碳减排压力对经济发展质量的影响路径研究; 第三, 本文采用半参数空间面板模型研究了碳减排压力与经济高质量发展之间的非线性关系, 对我国推进碳减排和构建高质量发展格局提供了经验层面的证据.

3 研究分析与假说

关于碳排放和经济发展之间的关系问题学界研究较为丰富. 一些学者考察了碳排放对效用函数的负向影响, 通过比较CO₂排放带来的经济效益与负边际产出, 指出碳排放和经济增长间呈"倒U型"关系(Grossman and Krueger (1991)); 还有一些学者从碳排放造成的环境成本角度, 探讨碳排放对经济发展的影响, 较经典的理论当属"波特假说" (Porter Hypothesis). 相关实证分析发现, 碳排放对经济发展的影响效应显著. 碳排放一方面有利于促进经济发展, 但另一方面对绿色经济又具有明显抑制效应(刘梦和胡汉辉(2020)). 综上, 碳排放水平可能在不同的情形下对经济发展质量产生正向、负向甚至不显著的多重作用.

本文关注碳减排压力对经济高质量发展的影响. 与碳排放相反, 碳减排是减少二氧化碳等温室气体的排放量. 为尽早形成减污降碳的激励约束机制, 我国正在加快实现能耗"双控"向碳排放总量和强度"双控"转变. 碳减排压力同时来自于碳排放总量约束和碳排放强度约束. 考虑到2009年我国就已提出到2020年碳排放强度要比2005年显著降低, 而碳排放总量是习近平总书记于2014年正式提出的, 即到2030年左右我国达到二氧化碳排放峰值, 而本文研究时间范围是2010–2019年, 因此, 本文采用碳排放强度来刻画我国政府的碳减排压力. 据此, 提出假说H1:

H1 碳减排压力(碳排放强度)与经济高质量发展水平之间存在非线性关系.

现阶段, 化石燃料的燃烧依然是我国碳排放的主要来源, 其燃烧时除向大气排放大量CO₂外, 同时也会排放SO₂、氮氧化物以及PM10等颗粒物. 为治理环境污染和保护生态环境, 环保投资受到政府、企业和学界的关注. 在碳减排压力下, 政府和企业通过环保投资, 利用开发清洁能源等环保技术、降低化石燃料使用等方法, 不仅可以在一定程度上增加碳汇, 还可以基于化石燃料燃烧产物的同源性实现协同减排. 关于环保投资有利于碳减排的理论和实证证据, 在彭熠等(2013), 高明和黄清煌(2015), 王梓慕等(2017), 武晓利(2017)等中均提供了有力的论述. 此外, 随着我国经济发展方式向高质量转变, 环保投资作为一种新型投资模式, 旨在实现生态保护和环境治理, 对于提升经济发展质量和绿色经济发展水平具有现实意义(祁芳梅等(2022)). 如前所述, 本文采用碳排放强度刻画碳减排压力. 本文假设碳减排压力可能会刺激政府和企业的环保投资行为, 进而促进经济高质量发展, 即碳减排压力可能通过影响环保投资来对经济高质量发展产生间接作用. 据此, 提出假说H2:

H2 环保投资在碳减排压力与经济高质量发展之间具有中介效应.

4 指标选取与测算

4.1 "经济高质量发展"的测度

本文基于新发展理念及综合评价指标体系构建的基本原则, 参考陈景华等(2020), 徐晔和赵金凤(2021)的方法, 从创新、协调、绿色、开放和共享5个维度选取23个指标构建经济高质量发展水平综合评价体系.

借鉴陈景华等(2020)的测算方法, 对指标进行赋权并测算得出经济高质量发展水平的综合评价指数. 具体赋权方法为: 第一步, 指标标准化处理. 正向指标标准化的公式为

x_{i j}^{^{'}} = x_{i j} / x_{max}

, 负向指标标准化的公式为

x_{i j}^{^{'}} = x_{min} / x_{i j}

; 第二步, 确定指标权重

y_{i j}

y_{i j} = x_{i j}^{^{'}} / \sum_{i} x_{i j}^{^{'}}

; 第三步, 计算信息熵

e_{j}

e_{j} = - k \sum_{i} y_{i j} \ln y_{i j}

, 其中

k > 0

k = \ln (r n)

r n

为指标总数; 第四步, 计算第

j

项指标的信息效用值

g_{j}

g_{j} = 1 - e_{j}

; 第五步, 计算各指标权重

ω_{j}

ω_{j} = g_{j} / \sum_{j} g_{j}

; 第六步, 计算各省份综合得分

H_{i}

H_{i} = \sum_{j} ω_{j} x_{i j}^{^{'}}

经过客观赋权, 详细的指标体系及相应权重见表 1.

表1 经济高质量发展水平综合评价指标体系

一级指标	二级指标	代理变量	指标权重
创新发展	发明专利产出率(+)	专利授权数/R&D全时当量	0.04271
	技术市场成交率(+)	技术市场成交额/R&D经费支出	0.03622
	科技成果创收率(+)	新产品销售收入/主营业务收入	0.04478
	商标注册占比(+)	商标注册数/地区企业总数	0.04114
协调发展	产业结构高级化指数(+)	第三产业产值/GDP	0.04614
	高等教育协调指数(+)	高等学校学生数/GDP	0.04580
	城乡收入差距(–)	城镇人均可支配收入-农村人均纯收入	0.04597
	能源结构高级化指数(+)	(电力消耗+天然气消耗)/煤炭消耗	0.04075
	就业均衡度(+)	城镇就业人数/国有企业就业人数	0.04558
绿色发展	单位GDP能耗(–)	能源消耗量/实际GDP	0.04014
	单位GDP污染物排放(–)	污染排放物/实际GDP	0.02909
	建成区绿化覆盖率(+)		0.04628
	人均公园绿地面积(+)	公园绿色地面积/年末人口	0.04507
开放发展	进出口总额占比(+)	进出口总额/地区GDP	0.04255
	接待国际游客占比(+)	接待国际游客数/地区游客总数	0.04217
	外商投资企业占比(+)	外商投资企业数/地区企业总数	0.04473
共享发展	教育支出占比(+)	教育经费支出/地方财政支出	0.04622
	失业率(–)		0.04601
	文体与传媒支出占比(+)	文体与传媒支出/地方财政支出	0.04606
	基本社会保险覆盖率(+)	参加城镇基本养老保险人数/户籍人数	0.04532
	每万人拥有公交车辆(+)		0.04533
	每万人拥有医师数(+)	医师数/年末人口	0.04597
	互联网普及率(+)		0.04599

4.2 "碳减排压力"的测度

政府面临的碳减排压力可以认为来自于关于碳排放量的负面信号. 当前, 化石能源消费和燃烧依然是二氧化碳(CO₂)排放的主要来源. 本文首先对2010–2019年的碳排放总量进行测算, 具体测算方法为:

C = \sum_{i = 1}^{n} E_{i} \cdot f_{i} ({N C V}_{i} \cdot {C E F}_{i} \cdot {C O F}_{i}) \cdot 44 / 12

采用碳排放强度对碳减排压力进行衡量, 即单位GDP对应的碳排放量. 根据IPCC提供的数据, 整理的8种主要含碳能源的折算系数见表 2.

表2 八种主要含碳能源的折算系数

排放源	原煤	焦炭	原油	汽油	煤油	柴油	燃料油	天然气
碳含量( $t$ - $C$ /TJ)	25.8	29.2	20.0	19.1	19.6	20.2	21.1	15.3
折标准煤系数	0.7143	0.9714	1.4286	1.4714	1.4714	1.4571	1.4286	1.3300
碳排放系数	0.5071	0.7722	0.8196	0.8062	0.8273	0.8443	0.8647	0.5897

4.3 "环保投资"的测度

现阶段, 学界对环保投资的概念还未形成统一界定. 一些学者指出, "环保"的内涵是资源利用效率和环境质量的提高; "投资"则是经济发展的"核心发动机" (廖显春(2020)). 因此, 环保投资在有效提高资源利用效率、改善环境质量的同时, 也成为提升地区经济效益的重要发展资源. 如前所述, 生态环境保护投资不仅可以在一定程度上增加碳汇, 还可以基于化石燃料燃烧产物的同源性实现协同减排. 因此, 本文综合考察生态环境治理投资方法, 采用生态环境保护投资总额来衡量环保投资规模.

5 实证设计

5.1 数据选取

因数据可得性原因, 本文选取2010–2019年中国30个省、自治区、直辖市(不包含西藏和港澳台地区)为研究样本, 各变量原始数据来源于《中国统计年鉴》和《中国环境年鉴》等统计年鉴, 以及国家统计局数据库等. Breusch-Pagan检验和White检验结果表明, 环保投资(epi)、人均生产总值(rgdp)存在明显的异方差问题. 为排除异方差, 保证数据间的可比性, 本文对环保投资(epi)、人均生产总值(rgdp)进行了对数处理.

考虑到被解释变量和解释变量的测算中均使用到GDP数据, 为避免潜在的相关性对结果造成的偏误, 对碳强度和高质量发展指标之间存在的潜在共线性进行了检验, 相关系数为-0.335, 小于0.4, 因此可以认为核心解释变量和被解释变量之间的相关性不明显, 不存在明显的共线性问题. 对变量进行描述性统计, 结果如表 3所示.

表3 描述性统计

变量符号	变量含义	均值	标准差	最小值	最大值
Eqd	经济高质量发展水平	0.3353	0.0565	0.2591	0.6487
Rp	碳减排压力(碳排放强度)	12.7397	8.5037	2.6021	54.9595
Lnrgdp	人均GDP的自然对数	10.763	0.4590	9.4818	12.0090
Inno	R&D经费支出占比	0.0023	0.0022	0	0.0113
Sec	第二产业产值占比	0.4440	0.0866	0.1620	0.5900
Lnepi	环保投资的自然对数	13.8400	0.8789	10.7886	16.2171

5.2 模型设定

空间杜宾模型(SDM)考虑到被解释变量与解释变量之间的空间依赖关系, 使得其能基于空间权重矩阵估计各地区之间是否存在显著的溢出效应. 为分析碳减排压力将如何驱动经济高质量发展, 我们以碳排放强度的变化趋势衡量政府面临碳减排压力的水平, 考虑其对经济高质量发展水平的影响. 因此, 构建如下空间计量模型(1)和(2):

\begin{aligned} \begin{aligned} {E q d}_{i t} = & ρ W {E q d}_{i t} + β_{1} {R p}_{i t} + \\ \sum_{j = 2} β_{j} C_{i t} + θ_{1} W {R p}_{i t} + \sum_{j = 2} θ_{j} W C_{i t} + δ_{i} + λ_{t} + ϵ_{i t} . \end{aligned} \end{aligned}

(1)

\begin{aligned} \begin{aligned} {E q d}_{i t} = & ρ W {E q d}_{i t} + β_{1} {R p}_{i t} + β_{2} {R p}_{i t}^{2} + \sum_{j = 3} β_{j} C_{i t} + \\ θ_{1} W {R p}_{i t} + θ_{2} W {R p}_{i t}^{2} + \sum_{j = 3} θ_{j} W C_{i t} + δ_{i} + λ_{t} + ϵ_{i t} . \end{aligned} \end{aligned}

(2)

其中,

i

和

t

分别表示地区和时间,

C_{i t}

为控制变量,

ρ

为空间回归系数(刻画空间溢出效应),

θ_{i} (i = 1, 2, \dots)

为空间滞后变量系数,

W

为空间权重矩阵.

δ_{i}

为个体固定效应,

λ_{t}

为时间固定效应. 为考虑被解释变量和解释变量之间可能存在的非线性关系, 模型(2)在模型(1)的基础上引入解释变量的二次项

{R p}^{2}

为进一步引入空间因素, 并证明和解释上述非线性关系, 本文进一步构建了半参数面板空间滞后模型(3):

\begin{aligned} {E q d}_{i t} = α_{i} + ρ W {E q d}_{i t} + \sum_{j = 1} β_{j} C_{i t} + \sum_{j = 1} θ_{j} W C_{i t} + G ({R p}_{i t}) + ϵ_{i t} . \end{aligned}

(3)

为检验环保投资在碳减排压力驱动经济高质量发展的过程中可能存在的中介效应, 构建中介效应模型(4) (5)和(6):

\begin{aligned} \begin{aligned} {E q d}_{i t} = & α_{0} + α_{1} {R p}_{i t} + \\ \sum_{j = 2} α_{j} C_{i t} + θ_{1} W {R p}_{i t} + \sum_{j = 2} θ_{j} W C_{i t} + η_{i} + γ_{t} + ϵ_{i t} . \end{aligned} \end{aligned}

(4)

\begin{aligned} \begin{aligned} {L n e p i}_{i t} = & β_{0} + β_{1} {R p}_{i t} + \\ \sum_{j = 2} β_{j} C_{i t} + λ_{1} W {R p}_{i t} + \sum_{j = 2} λ_{j} W C_{i t} + η_{i} + γ_{t} + ϵ_{i t} . \end{aligned} \end{aligned}

(5)

\begin{aligned} \begin{aligned} {E q d}_{i t} = & δ_{0} + δ_{1} {L n e p i}_{i t} + δ_{2} {R p}_{i t} + \sum_{j = 3} δ_{j} C_{i t} + \\ ω_{1} W {L n e p i}_{i t} + ω_{2} W {R p}_{i t} + \sum_{j = 3} ω_{j} W C_{i t} + η_{i} + γ_{t} + ϵ_{i t} . \end{aligned} \end{aligned}

(6)

5.3 数据平稳性检验

5.3.1 单位根检验

在对各变量进行一阶差分后, 单位根检验的结果(见表 4)显示, 三种检验方法对应的检验结果均显著, 说明各变量均是一阶单整序列, 满足协整分析的条件.

表4 面板数据单位根检验结果

变量	LLC	Fisher-ADF	Fisher-PP
Eqd	-16.6313^***	171.7571^***	325.9107^***
Eqd	(0.0000)	(0.0000)	(0.0000)
Rp	-13.0564^***	95.7100^***	247.5818^***
Rp	(0.0000)	(0.0023)	(0.0000)
Lnepi	-11.4786^**	144.1195^***	432.4436^***
Lnepi	(0.0490)	(0.0000)	(0.0000)
Lnrgdp	-10.5073^***	146.2168^***	95.4852^***
Lnrgdp	(0.0001)	(0.0000)	(0.0024)
Inno	-16.9886^***	147.4180^***	314.2818^***
Inno	(0.0000)	(0.0000)	(0.0000)
Sec	-11.7433^***	121.6097^***	133.2409^***
Sec	(0.0000)	(0.0000)	(0.0000)

注: ^*、^**、^***分别表示在10%, 5%和1% 的置信水平上显著(下同), 括号内为p值.

5.3.2 协整分析

采用Kao检验的

t

统计量

p

值为0.0073, Pedroni检验的

p

值为0.0000, 均拒绝原假设, 说明各个变量之间存在协整关系, 数据满足平稳性, 可以采用面板模型进行实证检验.

5.4 空间自相关检验

本文根据省域面板数据的特征, 结合我国经济与区域发展实际情况, 构建经济地理空间权重矩阵. 采用各省份行政中心的经纬度, 对各地区的相对距离进行测算. 考虑到不同区域的空间联动效应不仅取决于地理上的远近, 经济活动之间的高频率交往会提升相关区域内的辐射带动作用, 为了综合考量地理因素与经济因素的综合效应, 本文基于地理空间权重矩阵

W_{0}

进一步构建经济地理空间权重矩阵

W

\begin{aligned} W = W_{0} d i a g (\frac{{\bar{Y}}_{1}}{\bar{Y}}, \frac{{\bar{Y}}_{2}}{\bar{Y}}, \dots, \frac{{\bar{Y}}_{t}}{\bar{Y}}), \end{aligned}

(7)

其中

W_{0}

是地理空间权重矩阵,

{\bar{Y}}_{i} = 1 / (t_{1} - t_{0} + 1)

代表

i

省人均GDP在统计范围内的均值,

\bar{Y}

表示全国范围内除西藏和港澳台地区外各省份人均GDP在考察时间范围内的均值,

t

表示所测量的统计年限.

空间自相关性可以刻画出碳排放强度的空间关联程度, 是构建空间计量模型的必要条件, 通常用

M o r a n^{'} s I

统计量来检验. 全局Moran指数的表达式为:

\begin{aligned} M o r a n^{'} s I = \frac{n \sum_{i} \sum_{j} w_{i j} (Y_{i} - \bar{Y}) (Y_{j} - \bar{Y})}{\sum_{i} \sum_{j} w_{i j} \sum_{i} {(Y_{i} - \bar{Y})}^{2}} . \end{aligned}

(8)

基于计算得出的经济地理空间权重矩阵, 分别构建2010–2019年中国30个省区的碳排放强度及经济高质量发展水平指标的Moran指数(见表 5). Moran指数均大于0且显著, 说明在经济地理距离上邻接的地区碳排放强度和经济高质量发展水平均存在空间溢出效应.

表5 全局Moran指数检验结果(经济地理权重矩阵)

年份	碳排放强度	$z$ 值	经济高质量发展水平	$z$ 值
2010	0.136^**	1.923	0.358^***	4.951
2011	0.133^**	1.933	0.382^***	5.228
2012	0.140^**	2.024	0.353^***	4.981
2013	0.144^**	2.096	0.366^***	5.065
2014	0.160^**	2.280	0.367^***	5.105
2015	0.135^**	1.988	0.368^***	5.146
2016	0.144^**	2.092	0.364^***	5.134
2017	0.121^**	1.888	0.363^***	5.265
2018	0.143^**	2.129	0.332^***	5.068
2019	0.098^*	1.628	0.293^***	4.868

局部Moran检验的结果可采用2010–2019年碳排放强度和高质量发展水平的Moran指数散点图表示. 限于篇幅, 正文仅展示2019年指标的局部空间自相关情况¹(见图 2).

¹由于篇幅限制, 2010–2018年指标的Moran散点图提供在附录中, 笔者注.

图2 局部Moran指数检验结果(部分)

Full size|PPT slide

5.5 空间面板的选择与设定

5.5.1 模型形式的统计量检验

空间自相关检验表明, 地区碳强度和高质量发展水平存在显著空间溢出效应, 通过统计量检验选择最合适的空间计量模型. 如表 6所示, LM检验、Wald检验和LR似然比检验及Hausman检验结果均强烈拒绝原假设, 表明应采取固定效应下的SDM模型进行后续分析.

表6 空间计量模型的统计量检验

	模型(1)		模型(2)
	统计值	P值	统计值	P值
空间误差:
Moran's I	7.064^***	0.000	7.723^***	0.000
LM	42.447^***	0.000	50.045^***	0.000
Robust LM	1.359	0.244	3.549^*	0.060
空间滞后:
LM	87.545^***	0.000	88.134^***	0.000
Robust LM	46.457^***	0.000	41.638^***	0.000
Wald检验和LR似然比:
Wald_lag	17.86^***	0.003	102.74^***	0.000
LR_lag	68.51^***	0.000	103.07^***	0.000
Wald_error	22.45^***	0.000	17.46^***	0.008
LR_error	70.48^***	0.000	22.45^***	0.001
Hausman检验:
Hausman	135.44^***	0.000	136.65^***	0.000

5.5.2 模型与固定效应形式的确定

为确定具体应采用何种固定效应进行估计, 分别采用SDM、SAR、SEM模型对空间固定效应、时间固定效应和双向固定效应模型进行回归, 结果表明, 时间固定效应下的SDM模型所得到的结果更加稳健. 因此, 最终确定采用时间固定效应下的SDM模型进行计量分析.

5.6 空间计量模型估计结果

5.6.1 基准回归结果

对时间固定效应下的空间杜宾模型进行估计, 结果如表 7所示.

表7 固定效应空间杜宾模型回归结果

	模型(1)		模型(2)
	$ρ$	$θ$	$ρ$	$θ$
$R p$	-0.000109	0.00236^**	-0.00295^***	0.00865^***
$R p$	(-0.5304)	(2.7432)	(-5.8176)	(5.0602)
${R p}^{2}$			0.0000659^***	-0.000124^***
${R p}^{2}$			(6.1906)	(-4.0769)
Lnrgdp	0.0516^***	0.126^***	0.0556^***	0.121^***
Lnrgdp	(5.7166)	(4.9525)	(6.6057)	(5.1375)
Inno	6.286^***	-13.58^***	6.154^***	-13.14^***
Inno	(6.7435)	(-4.0927)	(6.9221)	(-4.2315)
Sec	-0.258^***	-0.155^*	-0.265^***	-0.142^*
Sec	(-11.4770)	(-2.2279)	(-12.6194)	(-2.1935)
$ρ$ 或 $θ$	0.324^***		0.317^**
$ρ$ 或 $θ$	(3.3692)		(3.2754)
R²	0.4548		0.4640
Log-L	730.9482		754.9381
AIC	-1437.9		-1481.9
BIC	-1393.5		-1430

注: ^*、^**、^***分别表示在10%、5%和1% 的置信水平上显著(下同), 括号内为z值.

基准回归结果表明, 空间滞后回归系数

ρ

显著为正, 说明模型变量存在空间外溢效应. 引入碳排放强度二次项后, 模型(2)的Log-

L

、AIC和BIC均分别优于模型(1). 关注模型(2)中一次项和二次项回归系数的符号, 结合信息准则判断, 表明碳减排压力对经济高质量发展很可能存在"倒U型"的非线性影响.

5.6.2 直接效应和间接效应分析

根据表 8, 模型(1)中碳排放强度的直接效应影响不显著, 间接效应决定了总效应, 很可能由于我国发展前期生产力发展不充分, 后随着经济社会的发展, 生产力不断得到提升, 在带来经济快速发展的同时也带来碳排放量的增长. 因此, 发展前期碳排放强度和经济发展均保持一定的上涨幅度, 碳排放加剧所带来的危害还未体现出来, 政府推动减排的难度也较小.

表8 空间杜宾模型分解效应估计结果

	模型(1)			模型(2)
	直接效应	间接效应	总效应	直接效应	间接效应	总效应
$R p$	-0.0000735	0.00262^**	0.00254^*	-0.00276^***	0.00938^***	0.00661^**
$R p$	(-0.3381)	(2.6747)	(2.3468)	(-5.0639)	(4.1562)	(2.6821)
${R p}^{2}$				0.0000631^***	-0.000132^***	-0.0000691^*
${R p}^{2}$				(5.6782)	(-3.6058)	(-3.7353)
Lnrgdp	0.0526^***	0.141^***	0.194^***	0.0589^***	0.145^***	0.204^***
Lnrgdp	(6.0879)	(5.1701)	(8.4029)	(7.6248)	(5.0932)	(8.1945)
Inno	6.127^***	-13.93^***	-7.803	5.904^***	-14.25^***	-8.342
Inno	(6.8359)	(-3.7735)	(-1.9542)	(6.5860)	(-3.6356)	(-1.9452)
Sec	-0.261^***	-0.190^*	-0.451^***	-0.268^***	-0.196^*	-0.464^***
Sec	(-12.4235)	(-2.4385)	(-5.4632)	(-12.7160)	(-2.5598)	(-5.6639)
AIC	-1417.9			-1457.9
BIC	-1336.4			-1361.6

注: ^*、^**、^***分别表示在10%, 5%和1% 的置信水平上显著(下同), 括号内为z值.

引入碳排放强度二次项的回归结果表明, 碳排放强度的一次项总效应系数为正数, 二次项总效应系数为负数, 且检验水平均显著, 说明变量之间存在非线性关系. 从后期来看, 发展带来的碳排放加剧引发的问题逐渐暴露, 碳污染所带来影响的严重性和外溢性会对经济高质量发展带来相当不利的影响.

5.6.3 半参数面板空间滞后模型估计结果

采用半参数空间滞后模型进行回归, 结果如表 9所示.模型(3)检验结果与基准模型的回归结果差异不明显, 说明本文研究结果是稳健的; 此外可以关注到, 相比于基准模型, 模型(3)的AIC和BIC更小, 说明运用半参数空间计量模型能更好地解释变量间的非线性关系.

表9 半参数空间滞后模型回归结果

	基准模型	模型(3)
	基准模型	$β$	$θ$
$R p$	-0.00110***
$R p$	(-4.3341)
Lnrgdp	0.0522***	0.0158	-0.0114
Lnrgdp	(9.7485)	(1.3862)	(-0.6582)
Inno	8.109***	-4.134**	0.00963
Inno	(6.6377)	(-2.7084)	(0.0025)
Sec	-0.187***	-0.0759*	-0.00978
Sec	(-8.1493)	(-2.1437)	(-0.1727)
调整后的 $R^{2}$	0.6938		0.1357
AIC	-1221.4		-1741.3
BIC	-1199.2		-1709

注: ^*、^**、^***分别表示在10%, 5%和1% 的置信水平上显著(下同), 括号内为z值.

G (R p)

的偏导图直观反映了变量间的非线性关系. 如图 3所示, 随着碳排放强度的增加, 其对经济高质量发展水平的边际效应呈现先增后减的变化路径. 因此, 可以说明碳减排压力(碳排放强度)对经济高质量发展水平产生了"倒U型"的非线性影响.

图3 "碳排放强度"对"经济高质量发展水平"的偏导图

Full size|PPT slide

碳排放强度可划分为

R p < 8

(区间1)、

8 \leq R p < 22

(区间2)、

22 \leq R p < 40

(区间3)、

R p \geq 40

(区间4). 在区间1和区间3内, 碳排放强度对经济高质量发展的边际效应不断上升, 在区间3内甚至获得了正向边际效用, 但在区间4内, 边际效用再次降为负数. 这说明从长期来看, 碳排放强度的增加对经济高质量发展具有抑制作用, 且负面效应已经显现, 碳排放治理刻不容缓. 这与前文得出的"倒U型"的非线性关系结论有些许出入, 但从头部和尾部的发展趋势来看, 两者表现结果大体一致, 并不矛盾. 因此, 可以得出碳减排压力(碳排放强度)与经济高质量发展之间存在非线性关系, 假说H1得到验证.

5.6.4 中介效应检验

为解释环保投资在碳减排压力驱动经济高质量发展的过程中发挥的中介效用, 本文应用已建立的中介效应模型进行回归检验, 并使用Bootstrap统计值进行了二次检验, 以保证所得结果的稳健性, 结果如表 10所示.

表10 中介效应检验结果

	模型(4)	模型(5)	模型(6)
$R p$	-0.00113^***	0.0191^***	-0.000826^***
$R p$	(-4.8872)	(3.6270)	(-3.7486)
$W \times R p$	-0.00376^***	0.0610^***	-0.00232^**
$W \times R p$	(-4.8104)	(3.4289)	(-3.0863)
$L n e p i$			-0.00323
$L n e p i$			(-1.3510)
$W \times L n e p i$			-0.0338^***
$W \times L n e p i$			(-7.0419)
常数项	-0.305^***	4.891^**	-0.211^**
常数项	(-4.4490)	(3.1318)	(-3.2374)
Bootstrap (间接效应)	0.0031275^*** ( $z = 5.99$ )
Bootstrap (直接效应)	-0.0062614^*** ( $z = - 7.25$ )
控制变量	控制	控制	控制
调整后的 $R^{2}$	0.7892	0.5479	0.8209
$F$	112.92	37.23	115.23

注: ^*、^**、^***分别表示在10%, 5%和1% 的置信水平上显著(下同), 括号内为z值.

结果表明, 无论是否考虑空间因素, 碳减排压力对经济高质量发展的总体效应均为负向显著; 碳减排压力对环保投资影响系数为正, 表现为碳减排压力的不断增加, 对环境和经济造成的影响驱动政府增加环保投资的投入; 考虑空间因素后, 环保投资在碳减排压力对经济高质量发展的影响中发挥了中介效应. 碳排放强度对经济高质量发展的间接效应为0.003, 表明碳排放强度的提高促进了环保投资的投入, 推进绿色经济的发展, 促进经济的高质量发展; 碳排放强度对经济高质量发展的直接效应显著为-0.006, 总效应为-0.003, 这表明目前碳减排压力对经济发展的负面影响已超过正面影响, 总体上表现为抑制经济高质量发展.

进一步, 通过Bootstrap检验得到的间接效应和直接效应也通过显著性检验, 系数方向保持一致, 表明环保投资发挥中介效应的结果是可靠的, 假说H2得到验证.

6 稳健性检验

6.1 不同空间权重矩阵的稳健性检验

为保证研究结果的准确性, 将经济地理距离空间权重矩阵更换为地理距离空间权重矩阵和经济距离空间权重矩阵分别进行Moran指数检验.

结果(见表 11)显示, 碳排放强度和经济高质量发展在地理空间上溢出效应显著, 尽管碳排放强度不存在经济上的空间效应, 但经济高质量发展水平存在显著空间溢出效应. 上述检验表明, 运用经济地理距离空间权重矩阵检验出碳排放强度和经济高质量发展水平具有空间溢出效应的结果是可靠的.

表11 稳健性检验: 全局Moran指数

年份	地理距离空间权重矩阵		经济距离空间权重矩阵
年份	碳排放强度	高质量发展水平	碳排放强度	高质量发展水平
2010	0.112^***	0.064^***	0.009	0.348^***
2011	0.109^***	0.066^***	0.012	0.388^***
2012	0.103^***	0.059^***	0.027	0.369^***
2013	0.102^***	0.071^***	0.029	0.377^***
2014	0.099^***	0.078^***	0.049	0.375^***
2015	0.082^***	0.079^***	0.036	0.377^***
2016	0.083^***	0.079^***	0.044	0.377^***
2017	0.073^***	0.080^***	0.029	0.382^***
2018	0.083^***	0.077^***	0.017	0.346^***
2019	0.068^***	0.050^***	0.012	0.323^***

6.2 换用核心解释变量一阶滞后的稳健性检验

为避免内生性问题, 使用碳排放强度的一阶滞后为刻画碳减排压力的解释变量, 对应检验结果(见表 12)可以看出, 系数的显著性没有发生明显变化, 表明实证结果具有稳健性.

表12 稳健性检验: 采用一阶滞后的碳排放强度

	一阶滞后的碳强度
$R p$	-0.0035^***
	(-6.16)
$W \times R p$	0.0107^***
	(-6.10)
控制变量	显著
$ρ$	0.1570^***
	(5.54)
$σ^{2}$	-0.0004^***
	(11.62)
观测值	270
$R^{2}$	0.4566

7 结论与建议

本文依据新发展理念"创新、协调、绿色、开放、共享" 5个维度选取23个指标综合衡量经济高质量发展水平, 采用2010–2019年中国30个省域面板数据计算得到各省经济高质量发展水平, 通过主要含碳能源碳排放量进行碳排放测量, 运用SDM模型实证分析了碳减排压力驱动经济高质量发展的影响机制, 并且检验了环保投资在两者间的中介效应.

本文研究结果证明: 在经济地理距离上邻接的地区, 其碳排放强度和经济高质量发展水平均存在空间溢出效应; 从碳排放强度变化对经济发展的影响来看, 低碳排放强度对经济发展质量的作用为显著正向, 而高碳排放强度对经济发展质量的作用为显著负向, 说明碳排放强度对经济高质量发展存在"倒U型"的非线性影响, 即随着碳排放强度的增加, 前期对经济高质量发展的促进作用会逐渐向抑制经济高质量发展的后期进行转变.

上述结果表明, 一方面, 中国在改革发展前期确实走过一条"以环境换经济"的粗放式发展道路; 另一方面, 在目前阶段碳减排压力对经济高质量发展的促进作用已呈现下滑趋势, 甚至开始产生抑制作用, 碳减排压力的持续增加不能带来经济的持续增长, 当达到一定程度后, 反而还会因资源浪费、环境成本提高等原因而抑制经济的高质量发展. 我国目前已跨过粗放式发展阶段, 进入高质量发展阶段, 因此进一步推进碳减排工作具有必要性. 此外, 本文发现环保投资在碳减排压力驱动经济高质量发展的过程中存在一定的中介效应.

基于我们的研究结论, 我们提出以下相关政策建议:

第一, 各地政府精准施策, 考虑区域间协调措施, 联合推动经济高质量发展和碳减排. 空间溢出效应可以在邻接地区经济高质量发展和碳减排的联合协作中发挥重要作用, 因此各地区不但需要结合本地区实际经济发展水平和碳排放活动的特点, 因地制宜制定合理的经济高质量发展和碳减排计划, 还要充分考虑和发挥空间溢出的作用, 加强区域协作意识, 与邻近地区相互促进达到联合发展的结果. 比如, 具有较高经济发展水平的地区可以更大程度发挥联动效应, 在着力于提升当地经济发展质量的同时, 积极将自身优势效用最大化, 如实现技术、资源的共享等, 进而带动其他地区的经济高质量发展. 与此同时, 碳减排也不会是一个地区的独角戏, 碳排放存在集聚效应, 当某一地区碳排放增加时往往会引起邻接地区的碳排放增长, 因此各地区之间应尽快健全区域间协调机制, 共同制定碳减排方案和参与治理, 促进我国碳减排共同体的形成.

第二, 持续加大环保投资规模和探索新领域, 助推我国实现经济高质量发展和碳减排目标. 碳排放强度对于环保投资有一定的正向带动作用, 但如果想要进一步提高其效益, 应注意其规模. 此外, 环保投资通常会因为追求环境效益而增加, 但在充分发挥环保投资作用的考虑下, 为一举三得取得环境、经济、社会三方面收益, 应积极探索新的环保投资领域和方式, 进而促进经济高质量发展.

本文研究了在碳减排压力下碳排放强度对经济高质量发展的影响趋势, 也探索了在此影响过程中环保投资发挥的中介效应. 但实际上, 采用低碳投资链接碳减排口径相对更为合适, 但囿于低碳投资的数据可得性问题, 本文只能退而求其次的采用生态环境保护投资链接碳减排. 后续研究可以对生态环境保护投资指标进行更精确的界定和测算, 以提高研究结果的准确性.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

陈景华, 陈姚, 陈敏敏, 中国经济高质量发展水平、区域差异及分布动态演进[J]. 数量经济技术经济研究, 2020, 37 (12): 108- 126.

https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202012006.htm

Chen

J H

, Chen

M M

, China's High-quality Economic Development Level, Regional Differences and Dynamic Evolution of Distribution[J]. The Journal of Quantitative & Technical Economics, 2020, 37 (12): 108- 126.

https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202012006.htm

本文引用 [3]

陈晓红, 龚思远, 贺怡帆, 曹文治, 刘厚盾, 基于CNN与LSTM多组合策略的中国碳市场价格预测[J]. 计量经济学报, 2022, 2 (2): 237- 256.

https://cjoe.cjoe.ac.cn/CN/10.12012/CJoE2021-0069

Chen

X H

, Gong

S Y

, He

Y F

, Cao

W Z

, Liu

H D

, Carbon Price Forecasting in Chinese Carbon Trading Market Based on Multi-Strategy CNN-LSTM[J]. China Journal of Econometrics, 2022, 2 (2): 237- 256.

https://cjoe.cjoe.ac.cn/CN/10.12012/CJoE2021-0069

本文引用 [2]

范丹, 付嘉为, 王维国, 碳排放权交易如何影响企业全要素生产率?[J]. 系统工程理论与实践, 2022, 42 (3): 591- 603.

https://www.cnki.com.cn/Article/CJFDTOTAL-XTLL202203004.htm

Fan

, Fu

J W

, Wang

W G

, How does Carbon Emission Trading Influence Firm's Total Factor Productivity?[J]. Systems Engineering-Theory & Practice, 2022, 42 (3): 591- 603.

https://www.cnki.com.cn/Article/CJFDTOTAL-XTLL202203004.htm

本文引用 [1]

高明, 黄清煌, 环保投资与工业污染减排关系的进一步检验——基于治理投资结构的门槛效应分析[J]. 经济管理, 2015, 37 (2): 167- 177.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU201502020.htm

Gao

, Huang

Q H

, Further Inspection towards the Relationship between Environmental Protection Investment and Industrial Pollution Reduction-Threshold Effect Analysis Based on Governing Investment Structure[J]. Business and Management Journal, 2015, 37 (2): 167- 177.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU201502020.htm

本文引用 [1]

姜松, 周鑫悦, 数字普惠金融对经济高质量发展的影响研究[J]. 金融论坛, 2021, 26 (8): 39- 49.

https://www.cnki.com.cn/Article/CJFDTOTAL-CSJR202108006.htm

Jiang

, Zhou

X Y

, An Empirical Study of the Impact of Digital Inclusive Finance on Highquality Economic Development[J]. Finance Forum, 2021, 26 (8): 39- 49.

https://www.cnki.com.cn/Article/CJFDTOTAL-CSJR202108006.htm

本文引用 [1]

李爱华, 宿洁, 贾传亮, 经济增长与碳排放协调发展及一致性模型研究——宏观低碳经济的数理分析[J]. 中国管理科学, 2017, 25 (4): 1- 6.

https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK201704001.htm

A H

, Su

, Jia

C L

, The Coordinated Development and Consistent Model between Economic Growth and Carbon Emissions[J]. Chinese Journal of Management Science, 2017, 25 (4): 1- 6.

https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK201704001.htm

本文引用 [1]

李明贤, 刘娟, 中国碳排放与经济增长关系的实证研究[J]. 技术经济, 2010, 29 (9): 33- 36.

https://www.cnki.com.cn/Article/CJFDTOTAL-JSJI201009011.htm

M X

, Liu

, Empirical Study on Relationship between Carbon Emission and Economy Growth in China[J]. Journal of Technology Economics, 2010, 29 (9): 33- 36.

https://www.cnki.com.cn/Article/CJFDTOTAL-JSJI201009011.htm

本文引用 [1]

廖显春, 李小慧, 施训鹏, 环保投资对绿色福利的影响机制研究[J]. 中国人口·资源与环境, 2020, 30 (2): 148- 157.

Liao

X C

, Li

X H

, Shi

X P

, Research on the Influence Mechanism of Green Investment on Green Welfare Based on Ecological Civilization Perspective[J]. China Population, Resources and Environment, 2020, 30 (2): 148- 157.

本文引用 [1]

刘会武, 赵祚翔, 马金秋, 区域高质量发展测度与创新驱动效应的耦合检验[J]. 技术经济, 2021, 40 (9): 1- 13.

https://www.cnki.com.cn/Article/CJFDTOTAL-JSJI202109002.htm

Liu

H W

, Zhao

Z X

, Ma

J Q

, Coupling Test of Regional High-quality Development Measurement and Innovation Driving Effect[J]. Journal of Technology Economics, 2021, 40 (9): 1- 13.

https://www.cnki.com.cn/Article/CJFDTOTAL-JSJI202109002.htm

本文引用 [1]

刘梦, 胡汉辉, 如何让绿水青山成为金山银山——基于碳排放对高质量发展作用的经验证据[J]. 云南财经大学学报, 2020, 36 (4): 19- 35.

https://www.cnki.com.cn/Article/CJFDTOTAL-YNCM202004003.htm

Liu

, Hu

H H

, How to Make Clear Waters and Green Mountains Become Mountains of Gold and Silver? Based on the Empirical Evidence of the Effects of Carbon Emissions on High Quality Development[J]. Journal of Yunnan Finance and Trade Institute, 2020, 36 (4): 19- 35.

https://www.cnki.com.cn/Article/CJFDTOTAL-YNCM202004003.htm

本文引用 [1]

吕莹, 李希杰, 孙会君, 王兴蓉, 碳中和导向下考虑不确定排放的收费——补贴策略[J]. 系统工程理论与实践, 2022, 42 (5): 1303- 1313.

https://www.cnki.com.cn/Article/CJFDTOTAL-XTLL202205009.htm

Lü

, LI

X J

, Sun

H J

, Wang

X R

, Carbon Neutrality Based Toll-subsidy Design for Road Traffc Network under Emission Uncertainty[J]. Systems Engineering-Theory & Practice, 2022, 42 (5): 1303- 1313.

https://www.cnki.com.cn/Article/CJFDTOTAL-XTLL202205009.htm

本文引用 [1]

苗建军, 华潮, 丰俊超, 产业协同集聚的升级效应与碳排放——基于空间计量模型的实证分析[J]. 生态经济, 2020, 36 (2): 28- 33.

https://www.cnki.com.cn/Article/CJFDTOTAL-STJJ202002007.htm

Miao

J J

, Hua

, Feng

J C

, Upgrading Effect of Industrial Collaborative Agglomeration and Carbon Emission: An Empirical Analysis Based on Spatial Econometric Model[J]. Ecological Economy, 2020, 36 (2): 28- 33.

https://www.cnki.com.cn/Article/CJFDTOTAL-STJJ202002007.htm

本文引用 [1]

聂长飞, 简新华, 中国高质量发展的测度及省际现状的分析比较[J]. 数量经济技术经济研究, 2020, 37 (2): 26- 47.

https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202002002.htm

Nie

C F

, Jian

X H

, Measurement of China's High-quality Development and Analysis of Provincial Status[J]. The Journal of Quantitative & Technical Economics, 2020, 37 (2): 26- 47.

https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202002002.htm

本文引用 [1]

彭熠, 周涛, 徐业傲, 环境规制下环保投资对工业废气减排影响分析——基于中国省级工业面板数据的GMM方法[J]. 工业技术经济, 2013, 32 (8): 123- 131.

https://www.cnki.com.cn/Article/CJFDTOTAL-GHZJ201308018.htm

Peng

, Zhou

, Xu

Y A

, Analysis of the Impact of Investment in Environmental Protection under Environmental Regulation on Industrial Emission Reduction-Based on China's Provinciallevel Industrial Panel Data with GMM Method[J]. Journal of Industrial Technological Economics, 2013, 32 (8): 123- 131.

https://www.cnki.com.cn/Article/CJFDTOTAL-GHZJ201308018.htm

本文引用 [1]

祁芳梅, 裴潇, 叶云, 环境保护、绿色金融对经济高质量发展影响的实证[J]. 统计与决策, 2022, 38 (13): 160- 164.

https://www.cnki.com.cn/Article/CJFDTOTAL-TJJC202213032.htm

F M

, Pei

, Ye

, Empirical Study on the Impact of Environmental Protection and Green Finance on High-quality Economic Development[J]. Statistics & Decision, 2022, 38 (13): 160- 164.

https://www.cnki.com.cn/Article/CJFDTOTAL-TJJC202213032.htm

本文引用 [1]

田云, 陈池波, 中国碳减排成效评估、后进地区识别与路径优化[J]. 经济管理, 2019, 41 (6): 22- 37.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU201906003.htm

Tian

, Chen

C B

, Effectiveness Evaluation of Carbon Emission Reduction in China, Identification of Backward Areas and Path Optimization[J]. Business and Management Journal, 2019, 41 (6): 22- 37.

https://www.cnki.com.cn/Article/CJFDTOTAL-JJGU201906003.htm

本文引用 [1]

王梓慕, 高明, 黄清煌, 郜镔滨, 环境政策、环保投资与公众参与对工业废气减排影响的实证研究[J]. 生态经济, 2017, 33 (6): 172- 177.

https://www.cnki.com.cn/Article/CJFDTOTAL-STJJ201706034.htm

Wang

Z M

, Gao

, Huang

Q H

, Gao

B B

, Empirical Research on the Impact of Emission Reduction towards Industrial Waste Gas from Environmental Policy, Environmental Protection Investment and Public Participation[J]. Ecological Economy, 2017, 33 (6): 172- 177.

https://www.cnki.com.cn/Article/CJFDTOTAL-STJJ201706034.htm

本文引用 [1]

文书洋, 林则夫, 刘锡良, 绿色金融与经济增长质量: 带有资源环境约束的一般均衡模型构建与实证检验[J]. 中国管理科学, 2022, 30 (3): 55- 65.

https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK202203005.htm

Wen

S Y

, Lin

Z F

, Liu

X L

, Green Finance and Economic Growth Quality: Construction of General Equilibrium Model with Resource Constraints and Empirical Test[J]. Chinese Journal of Management Science, 2022, 30 (3): 55- 65.

https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK202203005.htm

本文引用 [1]

武晓利, 环保技术、节能减排政策对生态环境质量的动态效应及传导机制研究——基于三部门DSGE模型的数值分析[J]. 中国管理科学, 2017, 25 (12): 88- 98.

https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK201712010.htm

X L

, On the Dynamic Effect of Environmental Protection Technology, Energy Saving and Emissions Reduction Policy on Ecological Environmental Quality and Transmission Mechanism: Simulation Analysis Based on Three-sector DSGE Model[J]. Chinese Journal of Management Science, 2017, 25 (12): 88- 98.

https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK201712010.htm

本文引用 [1]

肖皓, 杨佳衡, 乔晗, 需求侧全球碳排放强度的度量及分解[J]. 系统工程理论与实践, 2015, 35 (7): 1646- 1656.

https://www.cnki.com.cn/Article/CJFDTOTAL-XTLL201507003.htm

Xiao

, Yang

J H

, Qiao

, Measure and Decomposition of Global Carbon Intensity from Demand Side[J]. Systems Engineering-Theory & Practice, 2015, 35 (7): 1646- 1656.

https://www.cnki.com.cn/Article/CJFDTOTAL-XTLL201507003.htm

本文引用 [1]

徐大丰, 资本深化、技术进步与中国碳排放EKC的形成[J]. 系统工程理论与实践, 2022, 42 (6): 1632- 1643.

https://www.cnki.com.cn/Article/CJFDTOTAL-XTLL202206016.htm

D F

, Capital Deepening, Technological Progress and the Formation of China's Carbon Emission EKC[J]. Systems Engineering-Theory & Practice, 2022, 42 (6): 1632- 1643.

https://www.cnki.com.cn/Article/CJFDTOTAL-XTLL202206016.htm

本文引用 [1]

徐晔, 赵金凤, 中国创新要素配置与经济高质量耦合发展的测度[J]. 数量经济技术经济研究, 2021, 38 (10): 46- 64.

https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202110003.htm

, Zhao

J F

, Measurement of the Coupling Degree of Innovation Elements Allocation and Economic High-Quality Development in China[J]. The Journal of Quantitative & Technical Economics, 2021, 38 (10): 46- 64.

https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202110003.htm

本文引用 [1]

杨冕, 侯雅如, 段宏波, 节能目标约束对中国工业部门绿色生产率的影响研究[J]. 计量经济学报, 2022, 2 (1): 179- 193.

https://cjoe.cjoe.ac.cn/CN/10.12012/CJoE2021-0055

Yang

, Hou

Y R

, Duan

H B

, The Impact of Energy Saving Target Constraint on Green Productivity of China's Industrial Sector[J]. China Journal of Econometrics, 2022, 2 (1): 179- 193.

https://cjoe.cjoe.ac.cn/CN/10.12012/CJoE2021-0055

本文引用 [1]

禹久泓, 武传浩, 环境规制、碳减排如何助推经济高质量发展——基于中国省域面板的空间计量分析[J]. 生态经济, 2022, 38 (7): 48- 55.

https://www.cnki.com.cn/Article/CJFDTOTAL-STJJ202207006.htm

J H

, Wu

C H

, How Can Environmental Regulation and Carbon Emission Reduction Promote High-quality Economic Development: Based on the Spatial Measurement Analysis of China's Provincial Panel[J]. Ecological Economy, 2022, 38 (7): 48- 55.

https://www.cnki.com.cn/Article/CJFDTOTAL-STJJ202207006.htm

本文引用 [1]

张宁, 赵玉, 碳排放约束下中国要素配置是否有效?——来自广义成本函数的估计[J]. 计量经济学报, 2022, 2 (1): 164- 178.

https://cjoe.cjoe.ac.cn/CN/10.12012/CJoE2021-0083

Zhang

, Zhao

, Is China's Factor Allocation Effective in Carbon Emission Constraints: Estimation from a Generalized Cost Function[J]. China Journal of Econometrics, 2022, 2 (1): 164- 178.

https://cjoe.cjoe.ac.cn/CN/10.12012/CJoE2021-0083

本文引用 [2]

周鹏, 安超, 二氧化碳影子价格参数化估计: 一个统一框架[J]. 计量经济学报, 2022, 2 (3): 490- 509.

https://cjoe.cjoe.ac.cn/CN/10.12012/CJoE2022-0019

Zhou

, An

, Estimating the Shadow Price of Carbon Dioxide: A Unified Parametric Framework[J]. China Journal of Econometrics, 2022, 2 (3): 490- 509.

https://cjoe.cjoe.ac.cn/CN/10.12012/CJoE2022-0019

本文引用 [1]

周忠宝, 邓莉, 肖和录, 吴士健, LiuW B, 外商直接投资对中国经济高质量发展的影响——基于Index DEA和面板分位回归的分析[J]. 中国管理科学, 2022, 30 (5): 118- 130.

https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK202205014.htm

Zhou

Z B

, Deng

, Xiao

H L

, Wu

S J

, Liu

W B

, The Impact of Foreign Direct Investment on China's High-quality Economic Development-Index DEA and Panel Partition Regression Analysis[J]. Chinese Journal of Management Science, 2022, 30 (5): 118- 130.

https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK202205014.htm

本文引用 [1]

C C

, Henderson

J V

, Are Chinese Cities Too Small?[J]. The Review of Economic Studies, 2006, 73 (3): 549- 576.

本文引用 [1]

Bhattacharya

, Paramati

S R

, Ozturk

, Bhattacharya

, The Effect of Renewable Energy Consumption on Economic Growth: Evidence from Top 38 Countries[J]. Applied Energy, 2016, 162, 733- 741.

本文引用 [1]

Chang

, Graff Zivin

, Gross

, Neidell

, Particulate Pollution and the Productivity of Pear Packers[J]. American Economic Journal: Economic Policy, 2016, 8 (3): 141- 169.

本文引用 [1]

Dong

, Xu

, Fan

, How to Achieve a Win-win Situation between Economic Growth and Carbon Emission Reduction: Empirical Evidence from the Perspective of Industrial Structure Upgrading[J]. Environmental Science and Pollution Research, 2020, 27 (35): 43829- 43844.

本文引用 [1]

Greenstone

, Hanna

, Environmental Regulations, Air and Water Pollution, and Infant Mortality in India[J]. American Economic Review, 2014, 104 (10): 3038- 3072.

本文引用 [1]

Grossman G M, Krueger A B, (1991). Environmental Impacts of a North American Free Trade Agreement[M]. National Bureau of Economic Research. https://www.nber.org/papers/w3914.

本文引用 [2]

Henderson

D J

, Millimet

D L

, Pollution Abatement Costs and Foreign Direct Investment Inflows to U.S. States: A Nonparametric Reassessment[J]. The Review of Economics and Statistics, 2007, 89 (1): 178- 183.

本文引用 [1]

Mlachila M M, Tapsoba R, Tapsoba M S J A, (2014). A Quality of Growth Index for Developing Countries: A Proposal[M]. International Monetary Fund.

本文引用 [1]

Raupach

M R

, Davis

S J

, Peters

G P

, Andrew

R M

, Canadell

J G

, et al. Sharing a Quota on Cumulative Carbon Emissions[J]. Nature Climate Change, 2014, 4 (10): 873- 879.

本文引用 [1]

Tokarska

K B

, Gillett

N P

, Weaver

A J

, Arora

V K

, Eby

, The Climate Response to Five Trillion Tonnes of Carbon[J]. Nature Climate Change, 2016, 6 (9): 851- 855.

本文引用 [1]

基金

国家自然科学基金(42271293)

国家自然科学基金(72171072)

国家社会科学基金重大项目“新时代背景下我国经济发展质量动态评价及其政策协同研究”(18ZDA064)

安徽省哲学社会科学规划项目研究成果(AHSKY2017D78)

版权

PDF(1517 KB)

1162

Accesses

Citation

Detail

段落导航

摘要
Abstract
关键词
Key words
引用本文
1 引言
图1 1880年至今全球地表气温变化(数据来源: NASA)
2 文献回顾
3 研究分析与假说
4 指标选取与测算
4.1 "经济高质量发展"的测度
表1 经济高质量发展水平综合评价指标体系
4.2 "碳减排压力"的测度
表2 八种主要含碳能源的折算系数
4.3 "环保投资"的测度
5 实证设计
5.1 数据选取
表3 描述性统计
5.2 模型设定
5.3 数据平稳性检验
5.3.1 单位根检验
表4 面板数据单位根检验结果
5.3.2 协整分析
5.4 空间自相关检验
表5 全局Moran指数检验结果(经济地理权重矩阵)
图2 局部Moran指数检验结果(部分)
5.5 空间面板的选择与设定
5.5.1 模型形式的统计量检验
表6 空间计量模型的统计量检验
5.5.2 模型与固定效应形式的确定
5.6 空间计量模型估计结果
5.6.1 基准回归结果
表7 固定效应空间杜宾模型回归结果
5.6.2 直接效应和间接效应分析
表8 空间杜宾模型分解效应估计结果
5.6.3 半参数面板空间滞后模型估计结果
表9 半参数空间滞后模型回归结果
图3 "碳排放强度"对"经济高质量发展水平"的偏导图
5.6.4 中介效应检验
表10 中介效应检验结果
6 稳健性检验
6.1 不同空间权重矩阵的稳健性检验
表11 稳健性检验: 全局Moran指数
6.2 换用核心解释变量一阶滞后的稳健性检验
表12 稳健性检验: 采用一阶滞后的碳排放强度
7 结论与建议
参考文献
基金
版权

收稿日期	出版日期
2022-08-02	2023-01-27
发布日期
2023-01-16

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

摘要

Abstract

关键词

Key words

引用本文

1 引言

图1 1880年至今全球地表气温变化(数据来源: NASA)

2 文献回顾

3 研究分析与假说

4 指标选取与测算

4.1 "经济高质量发展"的测度

表1 经济高质量发展水平综合评价指标体系

4.2 "碳减排压力"的测度

表2 八种主要含碳能源的折算系数

4.3 "环保投资"的测度

5 实证设计

5.1 数据选取

表3 描述性统计

5.2 模型设定

5.3 数据平稳性检验

5.3.1 单位根检验

表4 面板数据单位根检验结果

5.3.2 协整分析

5.4 空间自相关检验

表5 全局Moran指数检验结果(经济地理权重矩阵)

图2 局部Moran指数检验结果(部分)

5.5 空间面板的选择与设定

5.5.1 模型形式的统计量检验

表6 空间计量模型的统计量检验

5.5.2 模型与固定效应形式的确定

5.6 空间计量模型估计结果

5.6.1 基准回归结果

表7 固定效应空间杜宾模型回归结果

5.6.2 直接效应和间接效应分析

表8 空间杜宾模型分解效应估计结果

5.6.3 半参数面板空间滞后模型估计结果

表9 半参数空间滞后模型回归结果

图3 "碳排放强度"对"经济高质量发展水平"的偏导图

5.6.4 中介效应检验

表10 中介效应检验结果

6 稳健性检验

6.1 不同空间权重矩阵的稳健性检验

表11 稳健性检验: 全局Moran指数

6.2 换用核心解释变量一阶滞后的稳健性检验

表12 稳健性检验: 采用一阶滞后的碳排放强度

7 结论与建议

{{custom_sec.title}}

{{custom_sec.title}}

参考文献

{{custom_fnGroup.title_cn}}

脚注

基金

版权