中国低碳创新的地区差异及空间收敛性研究

杨朝均，刘立菊

（昆明理工大学 管理与经济学院，昆明650093）

随着中国工业化、城镇化的发展，资源约束趋紧、环境污染以及生态系统退化等问题日益严重。以高能耗、高污染、高排放的粗放式发展会阻碍我国经济社会的可持续发展。因此，以低耗能、低排放、高效能为核心的“低碳经济”就成为大家共同关注的热点。低碳创新作为国家战略性科技力量和驱动经济发展的新引擎，在世界经济发展新时期迎来了前所未有的机遇。“十三五”期间，国家提出政府要强化目标责任制和问责制、加大结构调整的力度、推动重点领域区域节能减排和低碳发展、控制能源消费强度和碳排放总量、大力发展低碳经济。党的十九大报告强调要加强生态文明建设，要以低碳创新为核心驱动力从根本上改变传统高碳排放的粗放型经济增长模式，推动生态文明建设与低碳发展。在巴黎气候变化大会上，中国政府提出“2030 年单位GDP 碳排放比2005 年下降60%～65%”等一系列目标。因此，对旨在实现低碳绿色转型的我国而言，低碳创新活动的有效扩散和开展至关重要。近年来，中国低碳创新发展明显提升，但由于低碳创新路径依赖和自我锁定特性的存在，低碳创新能力强的发达省域更倾向于在内部保持创新优势，从而使得低碳创新在不同省域表现出明显的空间差异性，研究这种空间差异以解决省域低碳创新的不均衡发展便成为必要。

区域低碳创新的空间格局是创新活动在省域空间上的投影，也指明了未来经济增长的趋势。本文以EPO（欧洲专利局）和USPTO（美国专利及商标局）颁布的CPC-Y02 专利分类体系和Incopat 专利检索数据库为基础，搜索整理低碳专利申请量作为低碳创新表征数据。首先利用基尼系数、Theil 指数和对数离差均值对低碳创新发展的地区差异进行测算；再根据α 收敛与空间收敛模型分析中国区域低碳创新空间格局演化特征，探讨其空间收敛性，以期更深入地把握中国区域低碳创新发展规律，提高低碳创新效率，缩小区域低碳创新差异以促进区域间的协同创新，进一步实现创新型国家的战略目标。

一、文献综述

相对于传统化石能源技术而言，低碳创新是一种以可再生能源技术为主体的突破性创新［1-2］。由于全球气候变暖与能源安全问题使得低碳创新自提出就得到学者们的广泛关注，本文将其主要研究分为两大方面。

一是低碳创新的测度与评价。从投入角度来看，Stern 等［3］以及Riddel 和Schwer［4］认为区域创新是一种由生产相关产品或者生产相关创新产品的潜力而决定的能力，以研究与开发R&D 存量进行测量。岳书敬等［5］基于研发投入建立生产函数来衡量低碳创新效率，并认为传统创新效率提升快于低碳创新效率。从产出角度来看，低碳创新产出是低碳创新发展的直接表现，白俊红［6］以新产品销售收入作为最终产出来衡量创新效率；姚炯和沈能［7］基于专利数据以及污染排放数据建立创新效率测算模型，并指出创新效率呈现出“东部-中部-西部”依次递减格局。周志方等［8］采用低碳专利申请量表征低碳创新并研究其对碳风险意识影响碳绩效的中介效应。由于单一指标对于低碳创新衡量具有片面性，大多数学者利用多指标体系对低碳创新进行测度。梁中与李小胜［9］根据低碳创新的内涵构建评价指标，利用因子分析法建立评价模型，对其区域低碳创新能力进行定量评价和比较，结果显示欠发达地区的低碳创新能力薄弱。梁文群等［10］以研发投入作为投入要素，发明专利授权以及新产品销售收入作为创新活动的期望产出并选择环境污染和碳排放作为非期望产出，建立SBM 模型对低碳创新效率进行分类测度。陆小成［11］采用定性与定量相结合的综合评价法构建区域低碳创新系统评价指标体系，用来评价和监测区域低碳创新的发展状态、发展水平和发展趋势。

二是对于低碳创新地区差异及影响因素的研究。陆小成［12］指出需求拉动与科技推动两个推动因素对于区域低碳创新系统的运行提供了重要基础。低碳创新在区域之间呈现不均衡发展的趋势［13］，一方面是受地区知识生产要素［14］、科研投入［15］、政治支持政策［16］、产业结构［17］、经济状况［18］等因素的影响；另一方面也受到地区空间相互作用所产生的空间溢出效应作用的影响。自从Krugmann［19］将地理空间因素纳入生产函数以来，学者们越来越关注到地理空间因素对区域经济发展的影响。宛群超等［20］对中国省域高技术产业创新效率进行测度，然后构建空间计量模型研究创新效率的收敛性，结果表现出显著的空间异质性与空间自相关性。马静等［21］对比不同的空间权重下城市创新产出的时空演化特征，并对比分析不同城市空间关系下影响中国城市创新产出的主要因素及空间知识溢出效应，结果显示中国城市创新空间格局呈现出相似创新水平城市空间集聚与多创新中心网络化空间结构特征。

由此可见，国内外研究学者多关注于对低碳创新的测度评价以及影响因素的研究上。暂时没有学者对低碳创新的空间收敛性进行研究，而中国各省域低碳创新呈现巨大差异，了解各地区的低碳创新及其相互之间的差异程度有助于更好的认识低碳创新的情况。社会经济的可持续发展需要低碳创新适度于经济发展，对低碳创新的空间收敛性的研究有利于破解省域创新中长期存在的难题，有助于创新驱动发展战略的落实与区域间低碳创新的协调发展，对区域制定相关政策从而实现协调可持续发展具有重要意义。

二、中国低碳创新的地区差异分析

本文对中国省域的低碳创新做了详细描述，同时运用差异指标从省际差异和区域差异两个角度对各地区的低碳创新进行量化测量。数据样本为2004—2017 年中国大陆30 个省市区的面板数据，西藏因数据不完整而未汇报（表1）。

表1 中国各地区低碳创新排名（2004—2017 年）

（一）各地区低碳创新的统计分析

由表1 可知，2004—2017 年，低碳创新呈现递增趋势，其中增长幅度最大的省份是安徽，其增长幅度为169.75 倍，紧随其后的是广西、青海、宁夏等地。安徽省低碳专利申请量从2004 年的44（件）增长为2017 年的7513（件），“十二五”期间的增长尤为明显，这与期间一系列“生态文明”“节能减排”等政策约束的实施密切相关。随着减排低碳行动的实施，广西、青海、宁夏等地的低碳专利实现了大幅度的增加。而上升幅度较小的省份有辽宁、黑龙江以及内蒙古等地，但也呈倍数式的增长，这说明中国近年来的低碳创新发展显著，经济方式正在发生低碳经济的转型。另外从2004—2017 年平均值来看，低碳专利申请量最高的省份江苏，其低碳专利达到3742（件），其次是北京、广东以及浙江等地。由此可以看出发达地区由于丰富的资源和发达的经济吸引了众多高端人才，使其低碳创新发展远远领先于欠发达地区。

（二）各地区低碳创新的区域差异分析

为了更为全面的比较省域间低碳创新的差异，本文引入基尼系数、Theil 指数和对数离差均值3 个指标作为低碳创新的测量指标。其中，基尼系数对于中间水平的变化比较敏感，而对数离差均值和Theil 指数则分别对底层水平和上层水平的变化比较敏感。

基尼系数的计算公式为

对数离差均值（GE0）和Theil 指数（GE1）公式为

其中：n 表示样本个数，即地区数；ei表示低碳创新由小到大的顺序排列后第i 个样本的低碳专利；μe指的是低碳专利申请量的均值。

对数离差均值（GE0）和Theil 指数（GE1）分解为组间和组内低碳创新差异，结果如式（4）和式（5）所示：

其中：n 为总样本个数，被分为m 组nk（K=1，2，…，m），每组相应的低碳创新向量为ek，低碳创新均值为μk，区域数量为nk，则其占总区域数量的份额为υk= nk/n；W 表示k 个组不平等的值加权平均，它代表低碳创新的组内差异部分；B则表示低碳创新的组间差异部分，它是通过将每个区域的低碳创新换算其相应的组均值计算得到。根据式（1）～式（3）得表2。

由表2 前三列可以看出，基尼系数（GINI）、对数离差均值（GE0）以及Theil 指数（GE1）都表现出相似的变动趋势，而变动的幅度不同，如2008 年，对 数 离 差 均 值（GE0）和Theil 指 数（GE1）在2007 年的基础上下降了11.7459% 和9.0163%，但基尼系数（GINI）只下降了4.2093%，这说明，2008 年低碳专利申请量处于两端的省份变化较大，而处于中间水平的省份变化较小。三个差异指标整体的变化幅度由大到小为对数离差均值、Theil 指数、基尼系数，这表明2004—2017 年中国低碳创新发展的内部结构基本保持稳定。

表2 低碳创新区域差异指标测算表

对3 项变异指标的统计特征进行观察，发现3 项指标均在2015 年达到最低点，其原因是十二五期间面对经济新常态下能源、环境形势和节能减排方面的挑战，为完成低碳减排目标，提出了更多的节能减排新思路与新举措，这在很大程度上促进各区域低碳创新的发展，缩小了差异。另一方面3 项指标在2006 年出现最大的正向增长，在2008 年出现最大的负向增长，这与“十一五”规划中的低碳转型有关，政府执行政策以节能目标责任制为主，辅之以较为充足的财政资金、政策性贷款，此期间中低碳发展政策的制定呈现密集型、强制性、多样化特征。

表3 2004—2017 年基于对数离差均值（GE0）分解的三大区域低碳创新差异

（三）各地区低碳创新区域差异分解分析

表4 2004—2017 年基于泰尔指数（GE1）分解的三大区域低碳创新差异

根据公式（4）和公式（5）计算基于对数离差均值与泰尔指数分解的低碳创新差异，见表3 和表4。由表3 和表4 看出，两个指标反映出低碳创新的区域差异相似，2004—2017 年，东、中、西部的对数离差均值和泰尔指数均值分别为0.4947 和0.3176、0.2224 和0.2236、0.4657 和0.3549。从两个指标来看，西部地区差异最大，中部差异最小，而差异变动幅度表现为西部最大，东部最小。两个指标在2008 年的总差异达到最大值，在考察期间，每一年的区域内差异都大于区域间的差异，即区域内差异主导着低碳创新的整体差异，区域间差异在下降，它占总差异的比例也逐渐下降。在西部地区中，四川、重庆、陕西等的低碳专利申请量能排名全国的前1/3，其经济总量、技术和自主创新能力虽然与全国水平仍然有差距，但是在西部地区中的成绩是显著的，而西部大部分省域的低碳专利申请量排在最后，这是造成西部地区内差异最大的原因。由于“中部崛起”“承接产业转移”等政策的实施，中部地区差距不断缩小。而东部地区中，大部分都是低碳创新高的省域，存在极少数低碳专利申请量低的省份，也导致其区域内低碳创新差异在逐渐缩小。

三、中国低碳创新的空间收敛性分析

（一）中国低碳创新的空间相关性检验

利用空间计量模型开展实证分析前需检验变量是否存在显著的空间自相关性。Moran'I 指数描述了中国区域低碳创新之间的关联程度，局部的空间集聚性对于衡量中国区域低碳创新也有重要作用，从计算结果可知，全局自相关检验的莫兰指数通过显著性检验。而在局部自相关的分析中，部分省份不存在显著的局域自相关，因此，认为局域自相关的区域引起全局自相关，中国的低碳创新存在空间相关性与差异性。为了考察中国各省域低碳创新的空间集聚模式变化情况，本文给出低碳专利申请量在2004 年、2017 年两个时间点各省域对应象限位置的散点图，具体如图1、图2 所示。

图1 显示，2004 年，江苏、浙江、天津以及上海在High-High 型集聚区，甘肃、青海以及新疆等地在Low-Low 型集聚区，江西、福建等为High-Low 集聚区，北京、广东等地位Low-High 集聚区。图2 显示2017 年，上海、浙江以及安徽在High-High 型集聚区，新疆与甘肃以及青海等地为Low-Low 型集聚区，河南、江西、福建等在High-Low 集聚区。北京、广东等地位Low-High集聚区。对比来看，低碳专利申请量高的省份集中在东部地区，见表5。

图1 2004 年的Moran 散点图

图2 2017 年的Moran 散点图

表5 2004 年、2017 年中国低碳专利Moran 空间分布

（二）中国低碳创新的空间收敛性分析

借助新古典增长理论的收敛假说，低碳创新收敛是指低碳专利申请量较低的地区增速高于低碳专利申请量较高的地区，分析方法主要包括α 收敛与β 收敛。

1. α 收敛

α 收敛是指低碳创新的分布分散程度随着时间的推移而降低，本文采用标准差来衡量α 收敛性：

其中：N 为样本总量；xi为样本值；μ 为样本均值。

计算结果如图3 所示。由图3 中标准差的变化趋势来看，2004—2017 年，无论在全国、或是东中西部标准差均呈现非常明显的上升趋势，其中，东部的上升趋势最大，其次是中部，最后是西部，表明中国各区域的低碳创新不存在α 收敛性，即区域低碳创新的分布格局并未随时间推移发生下降的变化。具体来说，东部从145.54 增加到2991.37，中部从30.19 增加到2133.25，西部从28.87 增加到1075.09，全国从从120.16 增加到2572.74，整个考察期呈现上升状况，2015—2017年标准差出现较大幅度的增加。

2. β 收敛

β 收敛分为绝对β 收敛和条件β 收敛。前者是指考虑不控制外界因素的影响，地区间出现了收敛现象；而后者是指控制外界环境因素的影响，地区间也出现收敛现象。借鉴Baumol［22］的收敛模型，定义绝对β收敛和条件β 收敛的空间自回归模型（SAR）分别为

与β 收敛的空间自回归模型（SAR）相比，在β 收敛的空间误差模型（SEM）中，个别省份的空间相关性是由随机扰动项造成的，故β 收敛的空间误差模型可以分别表示为

图3 全国、东、中、西低碳创新的标准差

其中：μit为所选取的控制变量，根据相关文献的梳理，本文以R&D 经费支出（RD）代表创新投入，揭示低碳创新投入与低碳创新的关系。政府行为作为“看得见的手”，对区域低碳创新活动有着重要的影响，参照张成等［23］度量环境管制强度（ER）的方法，运用各省份工业污染治理投资额与工业增加值的比值作为度量环境管制强度的指标。一个国家或地区越开放就越能促进资源的流动和信息技术的共享，并有助于外部技术的溢出与扩散，从而实现创新水平的提升。以FDI（外商直接投资）反映技术溢出对东道国消化吸收以及二次创新的影响［24］，在规范的市场竞争环境下，出口贸易（EP）的竞争效应、学习效应等正向作用机制能够有效发挥出口贸易对技术创新的促进作用［25］。较强的地区经济实力能够为高技术产业提供更多资金，支持区域创新活动，以人均GDP（Agdp）反映经济发展状况对低碳创新的影响［26］。经济产业结构有助于优化高技术产业创新资源，提高区域创新资源的使用质量和效益，以第三产业增加值占GDP 比重（TP）反映产业结构对低碳创新的影响［26］。

ξ 表示控制变量的系数，反映所选取的控制变量对低碳创新增长率的影响程度与方向，当β＜0 且通过了显著性检验，则说明空间β 收敛性存在，反之，则不存在空间β 收敛性。此处的β 收敛包括绝对收敛与条件收敛。在β 收敛的空间误差模型中，ε 为随机扰动项，λ 表示其他省份低碳创新的随机扰动项对本省份低碳创新增长率的影响。当λ＜0 且在统计上显著时，表示其他省份的随机扰动项会对i 省份的低碳创新的增长率产生负面影响，即存在负的空间效应；反之，存在正的空间效应。所有β 条件收敛分析数据主要来自《中国统计年鉴》《中国商务年鉴》以及《中国贸易外经统计年鉴》。

本文运用空间计量模型检验我国区域低碳创新的收敛性，考虑到基于省域面板数据的研究，故β 收敛模型选取空间固定效应模型，LMerr 和LMlag 及相关稳健形式的空间相关性检验，可以判断选择空间滞后模型还是空间误差模型。

由表5 可以看出，在绝对收敛中，LMerr（27.618）和LMlag（28.108）都在5% 的水平上显著，后者比前者的统计量值大。进一步观察Robust LM、Robust LMerr（2.692）没有通过显著性水平检验而Robust LMlag（3.181）通过10% 显著性检验，所以在分析绝对收敛时选择空间滞后模型（SLM）更合适。同理在条件收敛LM 检验中，LMlag（11.015）通过显著性检验，而Robust LMlag（0.853）没有通过显著性检验，且统计量均小于通过显著性检验的LMerr（20.740）和Robust LMerr（10.578）。所以本文在求β 绝对收敛时使用空间滞后回归模型（SLM），而求β 条件收敛时，使用空间误差模型（SEM）。

由表7 看出，低碳创新的β 绝对收敛和普通面板模型相比，空间滞后模型的拟合优度更优。从空间滞后模型（SLM）来看，全国、东部、中部、西部的β 值均通过1% 的显著性检验。即区域低碳创新在全国、东中西部均存在绝对β 收敛，西部的β 绝对值最大，东部次之，中部最小，说明西部地区的收敛速度大于东部地区，中部地区的收敛速度最慢。

表6 低碳创新空间相关性检验

表7 低碳创新绝对收敛结果

进一步分析区域低碳创新β 条件收敛结果（表8），发现拟合的空间误差模型（SEM）比普通面板模型好。空间误差模型（SEM）在全国、东中西部的收敛系数均显著小于0，这证明将一系列的控制变量放入考虑后，全国低碳创新存在条件β 收敛。通过对比可以发现，东、中、西三个地区2004—2017 年的低碳创新条件β收敛值分别为-0.1259、-0.1484、-0.3552。东、中、西部呈现明显的俱乐部收敛特征，其中西部收敛系数的绝对值最大，其次是中部地区，最后是东部地区，表明中国各区域低碳创新的收敛速度呈现“西—中—东”的格局，西部地区的低碳创新将最先收敛到其稳定水平。这是因为国家为了促进地区经济的协调可持续发展，改变了“东部偏向”的投资策略，不断加大对中西部地区的投资和政策倾斜，使得中西部地区的基础设施不断完善，产业技术得到改善，进一步使经济结构得以优化，从而增强了地区低碳创新发展的活力和后劲，促使我国东中西部地区经济差距日趋缩小。

表8 低碳创新条件收敛结果

从全国层面来看，普通最小二乘法估计的情况下，研发投入、环境管制、出口以及人均GDP 对低碳创新收敛具有显著影响。分地区来看，对于东部地区，其空间相关系数没有通过显著性检验，原因在于东部地区间文化、制度等潜在因素的相似性会对地区的空间相关性产生重要的影响，从而使地区空间相关性的估计出现偏误。东部的研发投入与出口对低碳创新收敛性的影响与全国情况相同，FDI 与人均GDP 对低碳创新收敛为显著的负向作用。对于中部地区而言，研发投入与人均GDP 对低碳创新收敛性分别为显著的正向与负向作用。对于西部地区而言，研发投入与产业结构对低碳创新收敛性都为显著的正向作用，产业结构仅对西部地区的低碳创新有显著作用。

就各具体指标而言，研发投入对全国以及东、中、西部地区的低碳创新收敛都有显著影响，由于研发资金的投入作用时滞小于其余的生产要素，其能促进企业快速吸收既有技术和创新溢出，显著促进各地区的低碳创新发展。出口对低碳创新也具有重要影响，出口企业通过与国外企业的激烈竞争，就有机会了解国际市场上前沿的产品生产或知识，并刺激本身新技术的创造和发展［27］。不同的环境规制对创新有不同的影响［28］，对全国、东部以及西部，环境管制的实施会不利于区域间低碳创新的收敛，由于治理环境污染的低碳创新属于一种高成本、高风险的创新且其需要长期的投入，导致企业有较重的负担，地区差异较大。对外开放程度对不同地区低碳创新的影响具有差异，这与Garcia 等［29］及徐德英和韩伯棠［30］等的研究结论相似，外商直接投资企业对专利核心技术使用权排他性较强，所以实际利用外资越多，对外国专利技术依赖性越强而且区域企业对外资技术的吸收与利用存在一定的门槛效应［31］，不同区域对外资的反映大相径庭。产业结构对全国、东部以及中部低碳创新收敛性的影响不显著，是由于产业结构优化虽然带来技术创新，但企业的逐利行为导致创新偏向于盈利而不是低碳环保，而西部产业发展的比较优势行业集中于资源开发和加工领域，致使产业结构对低碳创新形成了积极显著的影响。这也表明在区域低碳创新提升的过程中，产业结构并没有统一的评价标准，应该因地制宜制定产业政策。而且各地区低碳创新的驱动因素不同，在发展实践中需要区别对待，制定符合各地区实际情况的政策。

四、主要研究结论与不足之处

本文首先利用基尼系数、Theil 指数和对数离差均值3 个指标作为我国低碳创新差异的测量指标。对我国低碳创新的区域差异进行探析，然后基于空间收敛模型对中国低碳创新进行实证检验。得到以下主要结论。

第一，中国低碳专利申请量呈现递增趋势且地区差异显著。基尼系数、对数离差均值以及Theil 指数都表现出相似且变动幅度不同的趋势，其中对数离差均值变化幅度最大，变化幅度最小的是基尼系数，这表明2004—2017 年中国低碳创新的内部结构基本保持稳定。低碳创新的地区差异在2006 年的增加幅度最大，在2008 年的缩小幅度最大。从两个分解指标来看，西部地区的低碳创新差异最大，其次是东部地区，最后是中部地区，差异变动幅度为西部最大，东部最小。在2004—2017 年期间，区域内差异主导着低碳创新的整体差异。

第二，全国、东部、中部和西部的低碳创新不存在α 收敛，只存在β 收敛。东、中、西部呈现显著的俱乐部收敛特征，且西部收敛速度最快，东部最慢，说明全国、东、中、西部的低碳创新差异均在逐渐缩小，且西部地区的差异缩小最快，东部地区差异缩小得最慢。随着政府支持政策、研发投入、经济发展状况、对外开放程度以及产业结构的调整，会推进不同地区低碳创新收敛到某一稳定水平。

本文的不足之处包括：一是由于对低碳创新的衡量没有一个标准的指标，本文仅选取了低碳专利申请数作为低碳创新的衡量指标；二是本文选取的控制变量较少，还可能存在其他一些对低碳创新有重要影响的因素没有考虑到。因此，之后的研究可以深入探讨低碳创新的衡量与其余重要控制变量的选取。