中国产业结构高级化对碳排放强度的影响研究

余志伟，樊亚平，罗 浩

（南昌大学 经济管理学院，江西 南昌，330031）

一、引言

近年来，随着科学技术的进步，人们对温室效应可能带来的危害有了进一步的认知，温室效应、全球变暖也已然成为世界各国关注的热点问题。如果继续向大气排放过量的温室气体，则冰川融化海平面上升、极端天气频发以及病虫害加剧等问题都将会随之出现。因而，减少化石能源使用、研发清洁能源、减少碳排放、发展低碳经济成为全球的共识。改革开放以来，我国经济迅速发展，人民生活水平也有了质的提升，但高能耗、高排放、高污染的粗放式发展模式以及不合理的能源结构和产业结构，导致我国碳排放量急剧增加并跃居全球前列。碳排放超标所导致的温室效应，对我国的自然环境和社会环境都产生了严重威胁。为了改变现状，还大自然一片蓝天、还社会一片绿色，我国近些年做了许多努力，大量高污染、高能耗企业纷纷关闭，产业结构也在不断进行转型升级。习近平总书记在2020年9月召开的联合国大会上指出，我国要力争在2030年前实现碳达峰、2060年前实现碳中和。2021年4月，习近平总书记又应邀出席了领导人气候峰会，并承诺我国实现从碳达峰到碳中和的时间要远远短于发达国家所用时间。这体现了我国作为大国的担当以及接下来几十年我国经济发展所面临的时代大背景。因此，在此种时代大背景下探究产业结构高级化与碳排放强度的关系显得十分必要，这也许能让我国早日实现碳达峰、碳中和。

二、文献综述与问题提出

在工业化进程给世界各国带来多方面福祉的同时，大量化石能源的使用导致CO2等温室气体排放超标，全球气候变暖、温室效应随之而来并逐渐威胁社会的发展和人类的生存，成为世界各国关注的热点问题。国内外学者也为此展开了广泛的研究，从各种角度探究了可能影响碳排放的因素。王锋等（2010）深入探究了中国经济发展过程中驱动碳排放增长的因素，研究发现人均GDP等因素会对碳排放产生正向驱动，而生产部门能源强度等因素则对碳排放有负向驱动［1］。张友国（2010）实证分析了经济发展方式对中国碳排放强度的影响，发现经济发展方式的变化会降低中国碳排放强度［2］。李锴和齐绍州（2010）则探讨了贸易开放对中国二氧化碳排放的影响，研究发现贸易开放增加了中国省区市的CO2排放量和碳强度［3］。朱勤等（2010）研究发现，我国居民消费水平和人口结构变化对碳排放的影响比人口规模带来的影响更大，此外还发现我国未来通过技术进步减少碳排放的潜力巨大［4］。张克中等（2011）研究发现，财政分权、贸易开放度提高不利于碳排放量的减少，而产业研发强度提高则对碳排放的减少有好处［5］。Latief等（2021）研究表明，经济增长和碳排放之间存在单向因果关联，人口也与能源消耗存在因果关系［6］。Kolpakov（2020）研究表明，能源利用效率提高对于二氧化碳排放的减少有决定性作用［7］。Ahmed等（2019）研究表明，经济增长、能源消耗、腐败和金融发展是驱动全球二氧化碳排放的最重要因素［8］。

此外，由于我国正处在产业结构转型升级关键时期，研究产业结构与碳排放之间的关联也受到越来越多学者的关注。孙丽文等（2020）研究结果表明，产业结构升级、技术创新均对碳排放有抑制作用［9］。张琳杰等（2018）研究发现，产业结构高级化比合理化碳减排效果更好［10］。孙振清等（2020）通过探究产业结构调整、技术创新对碳减排的影响，发现产业结构高级化比合理化有更明显的碳减排效果，技术创新投入相对于创新投入产出碳减排效果更显著［11］。赵丽萍和李媛（2018）基于新型城镇化背景，以中国省级面板数据为样本研究了产业结构对碳排放强度的非线性影响，发现随着城镇化水平提升，产业结构对碳排放强度的正向影响会减弱［12］。Li（2021）研究发现，中国的经济发展模式会极大促进碳排放，而促进产业转型升级和改变经济发展方式是促进碳减排的有效手段［13］。Raggad（2020）研究了沙特阿拉伯1971—2014年经济增长、能源消费和金融发展对二氧化碳排放量的非对称影响，结果表明：长期来看，经济增长正负冲击均会增加排放且正冲击影响更大，能源消费的正面冲击以及金融发展的负面冲击也会使排放增加；短期来看，经济增长是以环境污染为代价的，能源消费积极冲击会增加排放，而金融发展的积极冲击有利于减少排放［14］。王钊和王良虎（2019）实证发现，产业结构升级对碳排放的影响有明显的地区差异，从全国和东部地区来看，产业结构升级对碳排放有抑制作用，而在中部以及西部地区则起到了相反的作用［15］。邓光耀等（2018）研究结果表明，产业结构升级对能源消费碳排放的减少有利［16］。周迪和罗东权（2021）从绿色税收视角考察了产业结构变迁对碳排放的影响，发现产业结构变迁会对中国CO2的排放产生显著影响［17］。

综上，国内外学者对影响碳排放的因素进行了许多探讨，关于产业结构对碳排放影响的研究也日益兴起。但还存在以下不足：①现有文献较多研究产业结构对碳排放总量的影响而不是碳排放强度，而后者能更好地体现低碳经济概念；②很少有文献基于空间视角分析产业结构高级化与碳排放强度的关系；③现有文献大多研究产业结构与碳排放的线性关系，忽视了由于门槛效应的存在而导致两者间的非线性关系。因此，本文首先选取适当指标测算并分析我国各省区市的碳排放强度以及产业结构高级化水平，在此基础上构建空间计量模型，探讨产业结构高级化对碳排放强度的空间溢出效应。进一步加入技术创新、经济发展水平等门槛变量，探讨产业结构高级化与碳排放强度之间的非线性关系。

三、模型构建与变量说明

（一）碳排放强度测算

关于碳排放量的测算，目前许多学者都是利用能源消耗量间接计算碳排放总量，本文基于数据可得性和准确性原则，选取煤炭、焦炭、汽油、煤油、柴油、燃料油、天然气7种能源计算碳排放总量（C）。计算碳排放量的公式参考刘贤赵（2018）［18］等学者的先前研究，碳排放强度则是地区碳排放总量与地区生产总值（GDP）的比率。

其中：C为碳排放总量；E是能源消费量；SCC是标准煤折算系数；CEC是IPCC碳排放系数；c为碳排放强度。SCC和CEC数值见表1所列。

表1 SCC和CEC值

（二）产业结构高级化测算

关于产业结构高级化的测度，本文参考付凌晖（2010）［19］的方法。首先测度第一产业、第二产业、第三产业产值与GDP的比率，把其作为空间向量中的一个分量，从而构成一组3维向量X0=(x1,0,x2,0,x3,0)。接着分别测度X0与产业由低到高排列的向量X1=（1，0，0）、X2=（0，1，0）、X3=（0，0，1）的夹角θ1、θ2、θ3：

产业结构高级化W计算公式如下：

（三）探索性空间数据分析

1.全局空间自相关

使用全局Moran'sI值分析整体上的空间关联程度，公式如下：

其中：N代表所研究的省区市；yi代表i省区市的碳排放强度或产业结构高级化指数；yˉ代表碳排放强度或产业结构高级化指数的平均值；w代表空间权重矩阵。Moran'sI统计量取值范围为［-1，1］，正值代表正向空间自相关，负值代表负向空间自相关，0则代表空间上不相关。

2.局部空间自相关

采用莫兰散点图来分析局部集聚特征，莫兰散点图分为四个象限，即第一象限、第二象限、第三象限和第四象限。第一象限（HH)代表高值区域被高值区域所包围；第二象限（LH)代表低值区域被高值区域所包围；第三象限（LL）代表低值区域被低值区域所包围；第四象限（HL）代表高值区域被低值区域所包围。

（四）计量模型构建

常见的空间计量模型有空间自回归模型、空间自相关模型以及空间杜宾模型等。（6）（7）（8）式分别为空间自回归模型、空间自相关模型以及空间杜宾模型。同时，为减小异方差，所有变量均取对数处理。各空间计量模型构建如下：

其中：lncit为i省区市t年份的碳排放强度对数；lntsit为i省区市t年份的产业结构高级化对数；lnXit为一系列控制变量对数；W代表空间权重矩阵；μi代表个体效应；εit代表随机扰动项。

借鉴Hansen（1999）［20］的方法建立面板门槛模型，同时，为减小数据异方差，所有变量均取对数处理。

单一门槛效应模型：

双重门槛效应模型：

其中：I(∙)是示性函数，当括号内条件满足时取值为1，否则取值为0；lnqit为一系列门槛变量对数；γ1、γ2为待估计的门槛值；其余变量与上述空间计量模型中一样，不再赘述。

（五）变量说明及描述性统计

本文设置被解释变量为碳排放强度，核心解释变量为产业结构高级化，门槛变量包括经济发展水平、技术创新、城镇化水平，控制变量包括研发投入强度、能源结构、外商投资、对外贸易水平。各变量具体说明见表2所列，其描述性统计见表3所列。

表2 变量说明

表3 变量描述性统计

（六）数据来源

由于西藏和港澳台地区数据缺失严重，本文的研究对象为中国30个省区市（不包括西藏和港澳台地区），原始数据主要来源于《中国统计年鉴》《中国能源统计年鉴》《中国科技统计年鉴》及EPS数据库，个别缺失数据采用移动平均法补齐。

四、实证结果分析

（一）碳排放强度和产业结构高级化水平分析

1.碳排放强度分析

为了解我国各省区市2007—2019年的碳排放强度变化状况，以2007年、2019年为例进行具体分析。由表4可知：与2007年相比，2019年我国大部分省区市碳排放强度有所降低，截至2019年，北京、上海、江苏、浙江等14个省区市碳排放强度已下降至1以下，天津、吉林、安徽等9个省区市碳排放强度处于1~2之间，河北、辽宁、黑龙江碳排放强度处于2~3之间，新疆、山西、内蒙古、宁夏碳排放强度则高于4。这一显著变化表明，10多年来我国各省区市逐步实现了低碳发展模式，为2030年实现碳达峰、2060年实现碳中和奠定了扎实的基础。

表4 2007年、2019年各省区市碳排放强度

2.产业结构高级化水平分析

为了解我国各省区市2007—2019年的产业结构高级化水平变化状况，以2007年、2019年为例进行具体分析。由表5可知：与2007年相比，2019年我国所有省区市产业结构高级化水平均有所提升，截至2019年，北京、天津、上海、浙江、广东产业结构高级化水平突破7，山西、江苏、山东、重庆产业结构高级化水平处于6.9~7.0之间，辽宁、吉林、安徽等7个省区市产业结构高级化水平处于6.8~6.9之间，河北、内蒙古、福建、江西等10个省区市产业结构高级化水平处于6.7~6.8之间，黑龙江、广西、贵州、新疆产业结构高级化水平则低于6.7。这一变化表明，我国近年来产业转型成效显著，产业结构不断往高级化方向发展。

表5 2007年、2019年各省区市产业结构高级化水平

续表5

（二）探索性空间数据分析

1.全局空间自相关分析

首先通过全局Moran'sI值检验碳排放强度和产业结构高级化的空间自相关，结果见表6所列。结果显示，碳排放强度和产业结构高级化的全局Moran'sI均高度显著。碳排放强度的Moran'sI值处于0.268~0.363之间，且近些年自相关程度有加强趋势，说明各省份的碳排放强度存在正向的空间相关性,即某一省份的碳排放强度会对邻近省份碳排放强度产生正向影响，且近年来有所加强；产业结构高级化的Moran'sI值处于0.131~0.279之间，并且近些年空间自相关程度同样有加强趋势。

表6 全局空间自相关分析结果

2.局部空间自相关分析

通过莫兰散点图进一步探究各省区市碳排放强度和产业结构高级化的空间集聚状态，结果分别如图1、图2所示。

图1 碳排放强度莫兰散点图

图2 产业结构高级化莫兰散点图

首先分析各省区市碳排放强度的空间集聚状态。从整体上看，2007年大部分省区市处于低—高以及低—低集聚状态，少数省区市处于高—高集聚状态，个别省区市处于高—低集聚状态。具体来看，河北、山西等省份处于高—高集聚区，即这几个省份以及其邻近省份碳排放强度都较大。贵州处于高—低集聚区，即其碳排放强度较大而其邻近省份碳排放强度较小。天津、上海等地碳排放强度处于低—低集聚区，即这几个省份及其邻近省份的碳排放强度都较低。吉林、黑龙江等省份处于低—高集聚区，即这几个省份的碳排放强度较低，但其邻近省份的碳排放强度较高。从整体上看，2019年各省区市的空间集聚状态发生了较大变化，大部分省区市处于低—低集聚区，少数省区市处于高—高集聚区，个别省区市处于低—高集聚区。具体来看，河北、山西、内蒙古等省份处于高—高集聚区，河南处于低—高集聚区，上海、天津等地处于低—低集聚区。

接着对各省区市的产业结构高级化空间集聚状态进行分析。从整体上看，2007年大部分省区市处于低—低集聚状态，少数省区市处于高—高、高—低以及低—高集聚状态。具体来看，北京、天津等地处于高—高集聚区，即这几个省份和其邻近省份产业结构高级化程度都较高。山西、广东、重庆等处于高—低集聚区，即这几个省份产业结构高级化程度较高而其邻近省份产业结构高级化程度较低。河北、江西、海南处于低—高集聚区，即这几个省份产业结构高级化程度较低但其邻近省份产业结构高级化程度较高。吉林、黑龙江、山东、湖北等处于低—低集聚区，即这几个省份及其邻近省份产业结构高级化程度都较低。2019年，各省区市产业结构高级化整体空间集聚状态未出现显著变化。

（三）空间溢出效应分析

1.空间溢出估计结果

表7第2-6列分别为空间杜宾模型固定效应估计、空间杜宾模型随机效应估计、空间自相关模型固定效应估计、空间自回归模型固定效应估计、空间自回归模型随机效应估计所得出的结果。

表7 空间溢出估计结果

产业结构高级化对碳排放强度的直接效应以及间接效应在5个模型回归结果中均显著为负，说明某一省份的产业结构高级化水平提升对本地以及邻近省区市的碳排放强度均具有显著的抑制作用，并且对邻近省区市的碳排放强度抑制作用更大。

研发投入强度对碳排放强度的直接效应在SDM-RE、SAR-FE、SAR-RE模型中显著为负，表明研发投入强度的提升对本地碳排放强度产生了显著抑制作用，在SDM-FE、SAC-FE模型中影响系数为负但并不显著，表明研发投入强度对本地碳排放强度未产生显著影响。间接效应在SAR-FE、SAR-RE模型中显著为负，表明研发投入强度的提升对邻近省区市的碳排放强度产生了显著抑制作用，在SDM-FE、SDM-RE、SAC-FE模型中，影响系数为负但未通过显著性水平检验，表明研发投入强度未对邻近省区市的碳排放强度产生显著影响。

能源结构对碳排放强度的直接效应、间接效应在5个模型回归结果中均为正数且高度显著，说明以煤炭为主的能源结构既提升了本地的碳排放强度，也对邻近省区市的碳排放强度提升有促进作用，且对邻近省区市碳排放强度的提升作用更大。

外商投资对碳排放强度的直接效应、间接效应在5个模型回归结果中均显著为正，说明外商投资既促进了本地碳排放强度的提升，也对邻近省区市碳排放强度的提升有促进作用，并且对邻近省区市碳排放强度提升的促进作用更大。

对外贸易对碳排放强度的直接效应在5个模型回归结果中均为负数且均未通过显著性水平检验，表明对外贸易对本地的碳排放强度不具有显著影响，对外贸易对碳排放强度的间接效应在SDM-FE以及SDM-RE模型回归结果中显著为负，说明本地对外贸易水平的提升对邻近省区市碳排放强度产生了显著抑制作用，在SAC-FE、SAR-FE、SAR-RE模型中影响系数为负但并不显著，表明本地对外贸易水平未对邻近省区市碳排放强度产生显著影响。

2.模型选择检验

表7报告了5种空间计量模型回归结果，接着进行模型检验选出与本文相适应的模型。王峰等（2017）认为，空间计量经济学的研究对象多为不间断的时空数据而选择固定效应模型［21］。因此，本文在SDM-FE、SAR-FE、SAC-FE计量模型中进行选择，检验结果见表8所列。首先通过LR检验和Wald检验在SDM固定效应估计和SAR固定效应估计之间进行选择，检验结果均拒绝了SDM可以退化为SAR的原假设，说明两者间应该选择SDM固定效应估计。接着在SDM固定效应估计和SAC固定效应估计之间进行选择，参考沈小波等（2021）［22］利用AIC和BIC信息准则进行选择的方法，结果显示，SDM固定效应估计的AIC值和BIC值均小于SAC固定效应估计值，所以SDM固定效应估计更加适合本研究。

表8 模型选择检验

3.稳健性检验

由于空间计量模型回归结果在很大程度上受到空间权重矩阵的影响，因而本文通过替换空间权重矩阵进行稳健性检验。上文是基于邻接空间权重矩阵得出的结果，为了证明其结论的可靠性，本文使用地理距离以及经济距离空间权重矩阵进行模型估计。由表9结果可知，核心解释变量的直接效应、间接效应和总效应均显著为负，与上文结论一致，控制变量也未发生显著改变。由此证明本文的结论是可靠的。

表9 稳健性检验结果

（四）门槛效应分析

1.门槛效应检验

分别以技术创新、经济发展水平和城镇化水平为门槛变量，探究产业结构高级化对碳排放强度的非线性影响。首先需要确定各门槛变量的门槛个数，检验结果见表10所列。以技术创新、城镇化水平为门槛变量时，单一门槛通过了1%显著性水平检验，双重门槛以及三重门槛未通过显著性检验；以经济发展水平为门槛变量时，单一门槛以及双重门槛在1%显著性水平上显著，三重门槛未通过显著性水平检验。所以，产业结构高级化对碳排放强度的影响分别存在，单一“技术创新门槛”门槛估计值为9.343 6、单一“城镇化水平门槛”门槛估计值为3.572 3以及双重“经济发展水平门槛”门槛估计值为10.065 4、10.901 9。

表10 门槛效应检验

2.门槛回归结果

表11第2、第4、第6列分别是以技术创新、经济发展水平、城镇化水平为门槛变量时的回归结果。

表11 门槛回归结果

以技术创新为门槛变量时，产业结构高级化对碳排放强度存在单一门槛，总体来看，无论技术创新处于第一区间还是第二区间，产业结构高级化对碳排放强度均存在抑制作用，且当技术创新低于门槛值9.343 6时影响系数为-5.843，当技术创新跨过门槛值9.343 6以后影响系数为-5.966。说明以技术创新为门槛变量时，产业结构高级化对碳排放强度的影响是非线性的，且抑制作用随技术创新提升而呈现递增趋势。当技术创新处于第二区间时，产业结构高级化降低碳排放强度的作用最大。

以经济发展水平为门槛变量时，产业结构高级化与碳排放强度之间存在双重门槛，且影响系数均为负数但大小略有差异。当经济发展水平低于第一个门槛值10.065 4时影响系数为-4.503；跨过第一个门槛值后影响系数为-4.642，说明此时抑制作用有所加强；当跨过第二个门槛值10.901 9以后影响系数变为-4.743，此时抑制作用进一步加强。说明以经济发展水平为门槛变量时，产业结构高级化与碳排放强度之间存在明显的非线性关系，且抑制作用随着经济发展水平的提升而增强，当经济发展水平处于第三区间时，抑制作用最大。

产业结构高级化对碳排放强度存在单一“城镇化水平门槛”，无论城镇化水平处于第一区间抑或是第二区间，产业结构高级化对碳排放强度均表现出抑制作用。具体来看，当城镇化水平低于第一个门槛值3.572 3时影响系数为-6.678，跨过第一个门槛值达到第二区间时影响系数为-6.911，此时抑制作用有所加强。说明以城镇化水平为门槛变量时，产业结构高级化与碳排放强度之间表现出明显的非线性关系，且抑制作用随城镇化水平提升而呈现递增趋势。当城镇化水平处于第二区间时，抑制作用最大。

3.门槛区间分类分析

由门槛回归结果可知，产业结构高级化对碳排放强度在不同门槛变量下均存在明显的非线性影响，本文以2019年为例具体分析各省区市所处对应门槛区间，以便为各省区市提供更加有针对性的建议。由表12可知，以技术创新为门槛变量时，产业结构高级化降低碳排放强度的最优区间为第二区间，2019年除内蒙古、海南、青海、宁夏、新疆外，其他省区市均处于最优区间，未达到最优区间的省区市主要位于西部地区；以经济发展水平为门槛变量时，产业结构高级化降低碳排放强度的最优区间为第三区间，2019年北京、天津、内蒙古、辽宁、上海、江苏、浙江等处于最优区间，河北、山西、吉林等未达到最优区间，处于最优区间的主要位于东部地区，中西部地区大部分还未达到最优区间；以城镇化水平为门槛变量时，产业结构高级化降低碳排放强度的最优区间为第二区间，目前所有省区市均处于最优区间。

表12 2019年各省区市所处门槛区间

五、结论与建议

本文以中国30个省区市2007—2019年的面板数据为研究对象，测度并分析了碳排放强度和产业结构高级化水平，在此基础上加入控制变量考察了产业结构高级化对碳排放强度的空间溢出效应，并进一步加入门槛变量考察了产业结构高级化对碳排放强度的非线性影响。研究得出如下结论与建议：

第一，2007—2019年，中国30个省区市碳排放强度和产业结构高级化水平呈现明显的时空演变格局。从时间角度来看，2019年与2007年相比，大多数省区市的碳排放强度都有所降低，表明我国碳减排取得阶段性成果；所有省区市的产业结构高级化水平都有所提高，表明我国产业转型成果显著。从空间角度来看，碳排放强度和产业结构高级化指数在我国各省区市间表现出显著的异质性，碳排放强度较高的省区市主要集中在中西部地区，产业结构高级化水平较高的省区市则主要集中在东部地区。由此可见，我国碳排放强度和产业结构高级化发展形势良好，但中西部地区与东部地区相比还存在较大差距。因此，建议中西部地区要完善自身基础设施建设，做好承接东部产业转移的准备，同时对承接的产业要实施差异化政策，将高污染、高排放的企业直接拒之门外，对中污染、中排放的企业征收较高的污染税，而对低污染、低排放的企业可以给予适当的优惠政策。

第二，空间溢出回归结果表明，产业结构高级化能对本地以及邻近省区市的碳排放强度产生显著的抑制作用；对外贸易水平对邻近省区市的碳排放强度有显著抑制作用，但对本地碳排放强度不具有显著影响；外商投资和以煤炭为主的能源结构则是提高碳排放强度的重要因素；研发投入强度对本地及邻近省区市的碳排放强度未产生显著影响。因此，建议各省区市继续加快产业转型升级步伐，推动产业结构往高级化方向发展，一方面鼓励传统产业转型升级、提升产业效率，争取达到低能耗高产出，同时加快战略性新兴产业以及高技术产业等知识、技术密集型产业的形成；另一方面，加大科技研发投入、扩大对外贸易、优化外商投资环境以及改善以煤炭为主的能源结构。

第三，面板门槛模型回归结果表明，产业结构高级化对碳排放强度的影响存在单一“技术创新门槛”、双重“经济发展水平门槛”以及单一“城镇化水平门槛”。当经济发展水平处于第三区间、技术创新和城镇化水平处于第二区间时，产业结构高级化对碳排放强度的抑制作用最大。从经济发展水平来看，目前仍有河北、山西、黑龙江等地未达到最优区间，未来要抓住经济发展机遇，加快区域经济发展步伐。从技术创新来看，内蒙古、海南、青海、宁夏、新疆仍未达到最优区间，需要加大科技研发投入，同时在引入人才和科技研发方面出台更大力度的优惠措施，鼓励人才和高新技术企业积极落户，进而提升技术创新水平。从城镇化水平来看，目前所有省区市均达到最优区间，因而要着力提高城镇化建设水平。