全球科技创新对碳生产率的影响与对策研究

程钰　孙艺璇　王鑫静　尹建中

摘要：科技创新对改善投入产出的要素规模、结构与配置，提高生产要素的投入产出边际效率具有重要意义，在区域经济发展模式转型中的重要作用得到广泛认同。研究以全球118个国家为分析样本，运用基尼系数、泰尔指数、空间自相关、面板数据模型等方法探索全球国家科技创新水平、碳生产率时空演变与空间集聚特征，并分析科技创新对碳生产率的影响，得出以下结论：①全球科技创新指数大致呈波动上升趋势，从2009年的32.15上升至2016年的37.59，基尼系数由0.143上升至0.175，区域差异呈逐渐扩大趋势，Morans I指数由0.228上升至0.270，科技创新集聚态势较为明显且有所增强。②全球碳生产率呈上升或者波动上升趋势，基尼系数介于0.278～0.301之间，区域差异呈缩小趋势，但区域差异依然较大，Morans I指数由0.047上升至0.077，碳生产率的集聚态势较弱但趋势有所增强。③从整体样本估计、分类型样本估计来看，科技创新对碳生产率具有重要促进作用，主要通过思想理念渗透与普及、技术融合与工艺优化、产业和产品创新等路径促进投入产出结构优化，降低能源消耗总量、提高能源利用效率。人均GDP、信息化指数对碳生产率具有正向推动作用，工业增加值占GDP比重、城市化率与碳生产率呈显著负相关，FDI与碳生产率关系具有不确定性。④从构建区域创新系统、完善绿色科技创新体系、建立绿色科技创新制度等方面提出对策建议，进一步提升科技创新对碳生产率的影响度。研究对提升全球科技创新竞争力、提高碳生产率和减缓气候变化等具有一定参考价值。

关键词 科技创新;碳生产率;影响因素;对策建议;全球

中图分类号 F062.1

文献标识码 A文章编号 1002-2104（2019）09-0030-11DOI：10.12062/cpre.20190625

20世纪初美籍奥地利经济学家熊彼特（Schumpeter J A）首次提出“创新理论”，创新是系统内部自行发生的过程，通过建立全新的生产函数实现对传统生产要素进行重新排列组合重构的过程[1-3]。随着技术创新经济学和制度创新经济学的发展以及生产方式向后福特式转型，全球一体化的快速发展和技术创新需求的日渐增加，科技创新日渐成为影响人类社会经济活动的核心因素。进入21世纪以来，随着全球化进程加快与知识经济的蓬勃发展，全球科技创新进入空前密集活跃时期，自然资源、资本、劳动力等传统生产要素逐渐被科技创新所替代，新一轮科学技术革命和产业革命正重构全球科技创新版图、重塑全球经济社会空间结构。全球科技创新对GDP贡献率高达70%以上，美国、德国等国家甚至高达80%以上。2008年金融危机以来，在全球竞争日趋激烈和区域合作日益紧密的大背景下，科技创新驱动发展战略已成为各国提高全球竞争力和谋求经济发展转型的重要路径[4-5]。美国政府提出科技创新竞争力的纲领性文件《美国创新战略：确保我们的经济增长和繁荣》、《美国创新新战略》，以确保美国科技创新的绝对优势，德国政府提出《纳米技术2015行动计划》、“工业4.0”战略等，以提高国家整体科技创新竞争力和制造业智能化发展水平。党的十八届五中全会也明确提出了“创新、协调、绿色、开放、共享”的五大发展理念，创新成为实现新旧动能转换的重要内容[6-7]。2017年国务院印发的《国家创新驱动发展战略纲要》明确提出依靠创新驱动提升中国经济发展的质量和效益。科技创新对于改善投入产出的要素结构和配置，提高生产要素的投入产出边际效率，降低投入生产要素规模和提高生产效率具有重要意义，科技创新在区域经济发展模式转型中的作用和意义已得到广泛认同[8-9]。

自工业革命以来，伴随着全球工业化和城市化快速发展，在物质财富获得极大增长的同时，以消耗大量能源为代价的粗放式经济发展模式给生态环境带来了严峻的挑战，如温室效应的日渐加剧带来全球气候变化、海平面上升等严重的生态环境问题，对各国区域经济社会发展和生态环境保护造成严重影响，日渐引起各国政府的高度重视。联合国于2016年1月1日正式启动的《2030年可持续发展议程》17项目标中明确提出“采取紧急行动应对气候变化及其影响”，减少碳排放成为应对气候变化的重要内容[10-12]。低碳经济是一个实现控制碳排放和促进经济增长协调发展的重要概念。低碳经济发展战略对于降低能源消耗、改善生态环境、提高经济发展质量具有积极意义。科技创新作为驱动经济社会发展的重要引擎，对碳排放影响的效率改进效应、能源消费“反弹效应”备受国内外学者重视，科技创新对碳排放的影响方向、程度和时空异质性等方面的研究对于提高制定节能减排政策的科学性和针对性，缓解全球气候变化难题、实现低碳化发展，具有重要参考价值。

1 文献综述

在碳排放问题和科技创新提升备受国内外关注的大背景下，科技创新与能源消耗碳排放的关系成为备受诸多学者关注的热点和焦点。从已有文献成果来看，主要包括以下几个方面：①科技创新对碳排放的影响关系研究。科技创新对碳排放可能存在复杂的双刃效应，一方面科技创新能够通过使用替代性清洁能源、碳捕获和存储技术以及能源效率提升等减少碳排放，Bosetti[13]、Gerlagh[14]、涂正革[15]等学者根据对全球主要碳排放国家、中国八大行业部门碳排放量分析，认为科技创新能够有效降低碳減排成本、缓解强制性减排的负担。另一方面科技创新在推动经济规模增长的同时，可能会带来更多的能源消耗和碳排放，例如金培振等根据中国35个工业行业的经验数据分析发现，技术效率提升带来的减排效应不能抵消其推动经济增长带来的劳动生产率提升导致的碳排放量增长效应。另外，一些学者认为两者关系具有不确定性[16]。Fisher-Vanden[17]认为先进的技术能够降低能源消耗强度，由于Khazzom[18]界定的“回弹效应”存在，产出水平大规模增加，导致能源消耗和碳排放总量增加，使得两者关系具有不确定性;②科技创新对碳排放的影响方法研究。考察科技创新对碳排放的影响，根据其分析框架，大致按照以下四种路线展开，一是，理论层面将资源消耗、环境污染嵌入经济增长模型，在新古典经济理论框架内侧重于技术进步的外生假设，考察科技创新对资源环境的影响，例如诺贝尔经济学奖获得者Nordhaus[19]将气候变化因素纳入新古典增长模型，提出了分析气候变化的动态综合模型，内生增长理论的发展使得技术进步内生化假定分析科技创新对碳排放影响成为可能，例如Angelopoulos[20]、Jaffe[21]等学者通过实证分析，发现技术进步可以通过规模效应增加碳排放，也可以通过技术效应减少碳排放。二是，借助IPAT、STIRPAT、LMDI、Kaya及其扩展模型分析科技创新对碳排放的影响，如20世纪70年代Ehrlich[22]和Holden[23]提出基于人口（P）、人均财富量（A）和技术水平（T）对环境（I）产生影响的IPAT模型，随后York等[24]将IPAT模型改造为STIRPAT模型，Liddle[25]、何小刚[26]等运用此模型对碳排放因素进行了相关分析，张鸿武等[27]则运用LMDI模型分析技术进步、产业结构对碳排放的影响效应。三是，基于面板回归方程、空间协整分析和向量误差修正等计量回归模型验证科技创新对碳排放的影响效应，例如申苹等[28]借助Grossman和Krueger提出的“环境库兹涅茨曲线”验证科技创新、经济水平、贸易发展、环境规制等对区域碳排放影响效应的回归分析。四是，基于投入产出分析工具分析技术进步对碳排放的影响，例如Goulder和Schneider[29]、邓细林[30]、姚云飞[31]等运用CGE模型分析科技创新、R&D补贴对碳减排密度、碳减排强度与减排量的影响与优化路径;③在研究对象方面，在全球尺度、国家尺度、省域尺度和县域尺度等开展了大量的科技创新对碳排放的影响研究，也有基于微观个体效应和宏观经济增长角度探讨科技创新对二氧化碳排放的影响研究，科技创新对区域碳排放和不同类型产业碳排放的研究成为重点。例如周银香等[32]基于33个国家利用GVAR模型分析碳排放的经济规模效应（Scale effect）、结构效应（Structure effect）和技术效应（Technical effect），王为东[33]、李小平[34]、马歆[35]等研究环境规制约束下和空间溢出视角下技术创新对气候变化的响应、创新驱动对中国省际碳生产率的影响等。

根据上述研究现状和发展动态分析，可以发现国内外学者围绕科技创新对碳排放的影响关系、研究方法和研究区域等展开了较为详细的理论与实践探索，并取得了一系列丰富的研究成果，但还存在一些亟待解决和反思的问题。一方面由于研究样本的尺度层级、测度指标和计量模型等方面限制，科技创新对碳排放的影响方向和强度可能由于低碳发展基础差异而不同，因此研究科技创新对不同类型区域的碳排放方向与强度具有重要意义。另一方面碳生产率是一种隐含在资源、能源等物质产品的生产要素投入，是生产率家族的重要组成部分，与全要素生产率、劳动生产率、资本生产率等具有共同属性。当前研究多集中在科技创新对碳排放量、碳排放强度的影响等方面，但对碳生产率的研究相对较少，尤其缺乏从全球尺度视角展开科技创新对其影响的研究。基于此，研究拟在以往文献基础上，以全球118个国家为研究样本，将科技创新作为核心解释变量纳入模型，考虑将经济发展、产业结构、信息化水平、城镇化水平、FDI等作为控制变量，分析科技创新对碳生产率的时变影响，为因地制宜的建立区域科技创新体系、推进低碳发展提供参考。

2 研究方法与数据来源

2.1 研究方法

2.1.1 区域差异测度指数

为避免单一指标对全球科技创新水平与碳生产率发展趋势判断性影响，研究从不同视角、不同模型进行探讨，采用基尼系数、变异系数和泰尔指数表示全球国家科技创新水平和碳生产率的空间差异程度（公式1～3）[36-37]。变异系数和泰尔指数越大，表示全球科技创新水平或者碳生产率的空间差异越大。基尼系数取值范围是G∈[0，1]，基尼系数越接近0，指数的区域差异程度越小;基尼系数接近于1，指数的区域差异程度越大。

G=2yn2（y1+2y2+3y3+…+nyn）-n+1n（1）

CV=∑ni=1（yi-y）2/n/y（2）

T=1n∑ni=1yiylogyiy（3）

其中，G为基尼系数，CV为变异系数，T为泰尔指数，n为全球国家数量;yi表示区域i的科技创新水平或者碳生产率值;y表示全球科技创新水平或者碳生产率的平均值。

2.1.2 空间自相关

空间自相关能够有效探究全球科技创新水平与碳生产率在空间上的关联关系以及区域间关联程度，主要分为全局自相关和局部自相关两种。

（1）全局自相关。Global Morans I能够衡量全球科技创新水平和碳生产率在空间上是否存在明显的空间集聚特征与强弱程度，其具体表达公式如下：

I=n∑ni=1∑nj≠iWij（Xi-X）（Xj-X）∑ni=1∑nj≠iWij∑ni=1（Xi-X）2（4）

式（4）中：n为研究国家数量;xi、xj分别为i、j国家科技创新水平或碳生产率值;X为所有国家的科技创新水平或碳生产率值的平均值;wij 为权重。Morans I取值范围为[-1，1]。取值为（0，1]时表示全球科技创新水平或碳生产率呈正相关关系，取值为[-1，0）时表示全球科技创新水平或碳生产率呈负相关关系，取值为0时表明全球科技创新水平或碳生产率不存在空间自相关关系。

（2）局部空间自相关。研究选用统计量Getis-Ord*分析全球科技创新水平或碳生产率的局部空间依赖性，分析全球国家单元在空间位置上的自相关性，更好的揭示空间异质性，对每一个区域单元i的统计量Getis-Ord*的计算公式为：

G*i（d）=∑nj=1Wij（d）xj∑nj=1xj（5）

其中，d表示国家单元之间的距离，xi 、xj分别表示国家i、j的实际值;Wij（d） 是空间距离权重矩阵。若G*i（d）>0且显著，则说明区域i周围为高值簇;若G*i（d）<0且显著，则说明区域i周围为低值簇。

2.1.3 面板回归模型

研究基于STIRPAT模型探究科技创新对碳生产率的影响效应，STIRPAT模型的基本表达式为：

I=αPxAy Tze（6）

为消除可能存在的异方差，研究将式（6）转换成对数形式，得到式（7）：

lnI=lnα+xlnP+ylnA+zlnT+e（7）

式（7）中，模型将环境影响（I）分解为人口（P）、富裕度（A）和技术（T）的乘积，α为常数项，x、y及z表示估计参数，e表示随机误差。根据研究侧重点的不同，可以在STIRPAT模型基础上加入相应的解释变量。研究主要探讨全球科技创新水平对碳生产率的影响效应，并进一步探讨人均GDP、产业结构、城镇化水平、信息化水平及FDI流入对碳生产率的影响，最終构建的模型如式（8）所示：

lnEit=αit+β1lnGit+β2lnRit+β3lnSit+β4lnUit+β5lnIit+β6lnFit+εit（8）

式（8）中，E为环境影响，用碳生产率表示;G表示科技创新水平，用全球创新指数衡量;R表示经济发展水平，用人均GDP衡量;S表示产业结构，用工业增加值占GDP比重衡量;U表示城镇化水平，用城镇人口占总人口的比重衡量;I表示信息化水平，用信息化发展指数衡量;F表示吸引外资能力，用外商直接投资衡量;ε表示随机误差项;i、t分别表示观测个体和观测时间。

2.2 数据来源

科技创新的相关数据主要来源于2009—2017年《全球创新指数报告》，碳排放的相关数据主要来源于Global Carbon Project，人均GDP、工业增加值占GDP比重、城镇化水平的相关数据主要来源于世界银行数据库、2010—2017年《国际统计年鉴》，信息化水平的相关数据主要来源于欧洲电信联盟发布的2010—2017年《衡量信息社会发展报告》，外商直接投资数据主要来源于联合国贸易与发展会议数据库。

3 全球科技创新水平和碳生产率的时空演变特征

3.1 全球科技创新水平时空演变特征

通过整理2009—2016年全球各个国家科技创新指数，借助区域差异测度模型和空间自相关模型分析全球科技创新水平时空演变特征。整体来看，2009—2016年全球科技创新水平大致呈现逐年上升趋势，从2009年的32.15上升至2016年的37.59，表明金融危机以来，经济转型对科技创新的需求越来越高，科技创新成为引领区域发展的重要动力，也是建设现代化经济体系的重要支撑，全球国家高度重视科技创新水平，优化科技创新环境，吸引高端科技人才，争相建立全球性科技创新体系。全球科技创新水平的基尼系数、变异系数和泰尔指数均大致呈波动上升趋势，其中基尼系数从2009年的0.143上升至2016年的0.175，表明全球科技创新水平存在一定的空间非均衡特征。

从空间分异特征来看，瑞士、瑞典、英国、新加坡、美国、德国、加拿大等国家科技创新指数较高，全球科技创新指数介于48.21～61.68之间，这些国家主要分布在欧洲西部、北美洲以及大洋洲等经济发达国家，长期以来这些国家经济、社会发展基础较好，在研发投入资金、创新人才资源、创新制度环境和科技创新体系建设等方面具有明显优势。也门、尼日尔、津巴布韦、尼泊尔、埃塞俄比亚、赞比亚、委内瑞拉、乌兹别克斯坦、科特迪瓦、尼加拉瓜等国家科技创新水平相对较低，全球科技创新指数介于14.00～31.17，这些国家主要分布在拉丁美洲、非洲、西亚和东南亚的发展中国家，其经济发展水平较低，无论是在研发投入、技术引进层面，还是在创新环境和人才引进集聚等方面优势较弱。近年来，中国科技创新指数显著提高，从2009年的35.90上升为2016年的50.57，说明近年来中国积极推进科技创新发展战略，知识创新、技术创新水平显著提升，创新基础环境也不断优化，但也应该看到当前中国科技创新水平和全球发达国家相比还有很大的差距，科技强国建设短板和发展潜力仍然较弱，需要进一步提升科技研发经费投入，提高国家高等教育人才培养和创新水平，建立符合区域实际的科技创新体系。

为探究2009—2016年全球科技创新水平的空间集聚格局及演变情况，研究通过全局空间自相关方法，计算出全局Morans I指数 （见表1）。

2009—2016年全球科技创新水平在空间上呈现集聚分布态势，2016年的Morans I 指数为0.270，空间集聚特征较为明显。从整体来看，2009—2016年，Morans I值由0.228上升至0.270，呈现波动上升趋势，表明2009—2016年全球科技创新水平的集聚态势有所增强。为进一步探究全球科技创新水平的空间集聚格局情况，研究利用局部空间自相关方法，计算2009年和2016年全球科技创新水平Getis-Ord Gi*指数。委内瑞拉、也门、尼泊尔、印度、巴基斯坦、哈萨克斯坦、伊朗、沙特阿拉伯、赞比亚、津巴布韦、坦桑尼亚等国家基本为冷点区，属于低科技创新水平空间集聚区;俄罗斯、中国、蒙古、泰国、柬埔寨、越南、菲律宾、印度尼西亚、埃及、尼日尔、塞内加尔、墨西哥等国家基本为次冷点区，属于较低科技创新水平空间集聚区;土耳其、黎巴嫩、加拿大基本为次热点区，属于较高科技创新水平空间集聚区;挪威、瑞典、芬兰、拉脱维亚、立陶宛、波兰、乌克兰、罗马尼亚、匈牙利、意大利、德国、荷兰、法国、英国、爱尔兰等国家基本为热点区，属于高科技创新水平空间集聚区。冷点区及次冷点区基本位于南美洲、撒哈拉以南非洲以及亚洲地区，热点区及次热点区基本位于北美洲北部、欧洲及非洲北部部分国家。

3.2 全球碳生产率时空演变特征

2009—2016年，全球118个国家中，多数国家的碳生产率呈上升或者波动上升趋势，表明金融危机以来，全球主要经济体为了应对气候变化，实现气候环境包容性增长，致力于通过绿色生产、绿色消费以及绿色管理等路径，促进碳排放强度持续降低，极大地提高了碳生产率。基尼系数介于0.278～0.301之间，整体呈现小幅度波动下降趋势，与泰尔指数、变异系数变动趋势基本一致，尽管碳生产率空间差异呈缩小趋势，但相比较科技创新空间差异，碳生产率空间差异更为明显。其中，瑞典、瑞士、赞比亚、埃塞俄比亚、斯里兰卡、坦桑尼亚、尼日利亚、尼日尔等欧洲西部、南美洲北部和撒哈拉以南非洲地区，碳生产率相对较高，介于5.80～14.50之间，欧洲西部碳生产率相对较高主要由于其经济发展水平高，在发展理念、科技创新、产业结构等方面占有优势，另外一些国家主要由于其经济发展水平较低，工业发展较为落后，碳排放规模较低，相对降低了碳排放强度，碳生产率相对较高。乌克兰、蒙古、南非、乌兹别克斯坦、哈萨克斯坦、中国、俄罗斯、塞尔维亚、吉尔吉斯斯坦、伊朗、津巴布韦等国家的碳生产率较低，介于1.27～3.82之间，主要分布在亚洲、中东等地区，一方面部分国家正处于工业化、城市化的快速发展时期，庞大的经济规模需求导致碳排放量急剧增加，另一方面部分国家油气资源、煤炭资源相对丰富，导致资源的粗放利用、过度依赖、能源结构单一等问题，制约了碳生产率的进一步提高。

為探究2009—2016年全球碳生产率空间集聚格局及演变情况，研究通过全局空间自相关方法，计算全局Morans I指数 （见表2）。

2009—2016年全球碳生产率在空间上呈现集聚分布态势，2016年的Morans I指数为0.077，与科技创新水平相比，空间集聚态势相对较弱。从整体来看，2009—2016年，Morans I值由0.047上升至0.077，整体呈现波动上升趋势，表明2009—2016年全球碳生产率的集聚态势较弱但有所增强。为进一步探究全球碳生产率的空间集聚格局情况，研究利用局部空间自相关方法，计算2009年和2016年全球碳生产率Getis-Ord Gi*指数。俄罗斯、蒙古、哈萨克斯坦、乌克兰、尼泊尔、阿塞拜疆、伊朗、印度、巴基斯坦、孟加拉国、斯里兰卡等国家基本为冷点区，属于低碳生产率空间集聚区;中国、柬埔寨、泰国、越南、马来西亚、波兰、匈牙利、罗马尼亚等国家基本为次冷点区，属于较低碳生产率空间集聚区;哥伦比亚、厄瓜多尔、秘鲁、巴西、玻利维亚等国家基本为次热点区，属于较高碳生产率空间集聚区;赞比亚、津巴布韦、莫桑比克、纳米比亚、博茨瓦纳、尼日利亚、科特迪瓦等国家基本为热点区，属于高碳生产率空间集聚区。

4 全球科技创新对碳生产率的影响研究

4.1 碳生产率与各要素变量拟合分析

对模型中选取的解释变量科技创新指数（GII）和人均GDP（PGDP）、工业增加值占GDP比重（STRU）、城镇化水平（UR）、信息化发展指数（IDI）、外商直接投资额（FDI）等控制变量，与全球碳生产率进行散点图拟合（见图1），其中人均GDP、工业增加值占GDP比重、城镇化率、FDI等指标与碳生产率之间呈现相对明显的线性关系，为探究科技创新指数和信息化指数对碳生产率的影响，需要进一步建立模型以明确影响系数和方向。

4.2 模型计算与结果分析

4.2.1 模型计算过程

研究对全球碳生产率与科技创新等6个影响因素变量进行描述性统计，以便更加系统、直观地了解样本数据的基本情况（见表3）。

为了防止多元回归模型中出现的“伪回归”现象，确保模型估计结果的有效性和科学性，研究利用LLC和IPS两种方法对各面板序列单位根的平稳性进行检验，研究结果发现LLC和IPS两种检验方法的面板数据稳定性较好，且均通过了显著性检验，表明研究面板数据具有较强的稳定性，能够进一步进行模型计算（见表4）。

4.2.2 模型结果分析

（1）整体样本估计结果。研究对2009—2016年全球118个国家碳生产率的影响因素进行回归模型分析，为避免异方差的存在对回归模型造成影响，对研究数据取对数处理，分别采用固定效应模型（模型1）和随机效应模型（模型2）分析碳生产率影响因素，模型未通过Hausman检验，通过最优解释模型，随机效应模型优于固定效应模型（见表5）。

整体来看，科技创新与碳生产率相关系数为0.218 3，且在1%水平上通过了显著性检验，表明在全球层面科技创新有利于碳生产率提高。科技创新是涉及资源环境效率、产业结构转型升级、人力资本溢出效应、创新要素投入产出效应等多方面内容的复杂过程，大致通过以下三种途径影响碳生产率，一是通过科技创新基础理论、规律方法、前沿科学、研究研发等途径，推进政府、企业和公众可持续发展思想理念、生态文明建设的渗透与普及，改变公众能源节约行为，促进资源节约型社会建设，降低能源消耗量，对碳生产率提高产生积极效应;二是通过技术融合、工艺优化等研发的节能技术、资源节约技术有效提高能源利用效率，促进经济增长与碳排放脱钩，提高碳生产率;三是科技创新推动了现有的产品与产业创新，促进产业集群与产业共生，产业链条得到完善与优化，改变了现有的生产要素配置、生产过程体系，投入产出结构得到优化，产业劳动生产效率和资源环境产出率得到大幅度提升，能源消耗强度持續降低。同时，产业与产品创新可以进一步推进技术创新与资源集成，促进基础研究与理论研究的创新与互馈，并形成良性循环（见图2）。

从控制变量来看，人均GDP与碳生产率呈正相关，且通过了1%水平显著性检验，表明经济发展水平提高能够促进碳生产率提高，从供给方面，能够投入更多的资金用于节能减排工程和技术研发，优化了微观生产过程的投入产出结构，提高了能源利用效率。从需求方面，公众节能意识随着经济发展水平提高而提高，绿色消费需求、良好生态环境质量需求等也推进政府、企业积极落实节能要求。工业增加值占GDP比重与碳生产率呈负相关，且通过了1%水平下的显著性检验，主要由于工业经济发展特别是高能源密集型产业快速发展，伴随着化石能源的大量使用，导致能源结构不合理和能源利用不集约等，碳排放量急剧增加，降低了碳生产率。城镇化水平与碳生产率呈现负相关，且通过了1%水平的显著性检验，表明从全球层面城镇化水平的提高，伴随着大规模的人口集聚和经济集聚，城市空间外延扩展，能源消耗规模不断扩大，降低了碳生产率。信息化水平与碳生产率呈正相关，且通过了1%水平的显著性检验，表明随着信息化水平提高，以信息和通信技术以及信息资源为载体的新的生产要素，具有很强的渗透性和创新性，促进生产、分配、交换和消费等环节的自动化和智能化水平，能够有效推进社会经济动态转型的过程，带来生产方式、生活方式和空间组织结构的变化，对提高生产效率，促进产业结构转型升级和经济增长方式集约型转变，减轻资源环境压力具有重要作用。FDI流入与碳生产率呈负相关，但未通过显著性检验，从侧面验证了“污染避难所假说”存在的可能性。

（2）分类型样本估计结果。研究根据整体样本计算2009—2016年各个国家碳生产率平均值，依据自然断裂点法划分为三个等级，低碳生产率介于1.27～3.82 PPP美元/kg之间，中等碳生产率介于3.83～5.80 PPP美元/kg之间，高碳生产率介于5.81～14.51PPP美元/kg之间。参照整体样本回归分析的研究思路，进一步探究不同等级类型碳生产率国家的科技创新和碳生产率的关系。根据Hausman检验和显著性等情况，低碳生产率、中等碳生产率和高碳生产率地区分别选择模型2、模型3和模型5作为分析模型（见表6）。

科技创新方面，科技创新对不同类型碳生产率国家均具有促进作用，但中等碳生产率国家没有通过显著性检验，科技创新对高碳生产率国家的影响系数大于低碳生产率国家，表明高碳生产率国家科技创新对碳生产率影响较大，反映出科技创新对提升碳生产率的重要作用。

在经济发展水平方面，人均GDP与碳生产率均呈正相关，且均通过了1 %水平下的显著性检验，进一步验证了经济发展对提升碳生产率的重要性。在产业结构方面，低碳生产率国家、中等碳生产率国家工业增加值占GDP比重与碳生产率呈显著负相关，高碳生产率国家工业增加值占GDP比重与碳生产率呈负相关，但影响参数不显著，表明产业结构对不同类型碳生产率国家影响呈现差异性。在城镇化水平方面，城镇化率与中等、高碳生产率国家碳生产率呈显著负相关，与低碳生产率国家碳生产率不显著，反映了城镇化对不同类型碳生产率国家影响的复杂性与阶段性。在信息化水平方面，信息化水平对不同类型碳生产率影响系数均为正，且通过了显著性检验，与整体影响结果基本一致。在FDI方面，FDI与碳生产率呈负相关，但部分显著，进一步验证了“污染避难所假说”在一些国家的存在。

4.2.3 稳健性检验

为了进一步验证上述回归结果的稳健性，研究将118个样本国家按照科技创新水平高低分为低等、中等和高等地区，运用空间面板模型进行估计（见表7），科技创新与碳生产率的回归结果为正，且多数通过了显著性检验，其他影响变量也基本与整体估计、分类型估计结果一致，进一步验证了前述分析模型的稳健性。

5 结论与对策

5.1 主要结论

研究运用基尼系数、空间自相关等方法，分析全球科技创新、碳生产率的时空演变特征，通过建立空间面板模型，探究全球科技创新对碳生产率的影响，得出以下结论。

（1）全球科技创新指数大致呈波动上升趋势，从2009年的32.15上升至2016年的37.59，表明科技创新正越来越成为推进区域转型、提升国家竞争力、实现区域可持续发展的重要支撑。全球科技创新表现出一定的空间集聚和空间分异特征，Morans I指数大致呈波动上升趋势，西欧、北美、大洋洲等国家科技创新指数相对较高，拉丁美洲、非洲、西亚和东南亚等发展中国家科技创新水平相对较低。

（2）全球碳生产率大致呈现上升或者波动上升趋势，表明全球经济体为了应对气候变化，实现气候环境包容性增长，致力于推进绿色生产、绿色消费和绿色管理等途径，提高了国家碳生产率。全球碳生产率基尼系数介于0.278～0.301之间，整体呈小幅度波动下降趋势，碳生产率的空间差异较为明显，高碳生產率国家分为高经济发展水平的西欧等国家、低经济发展水平的非洲等国家。低碳生产率国家主要包括城市化、工业化快速发展的亚洲等地区国家，以及油气资源、煤炭资源相对丰富的中东等地区。

（3）从对2009—2016年118个国家的整体样本估计、分类型样本估计来看，科技创新对碳生产率提升具有重要作用，主要通过可持续发展思想理念、生态文明建设的渗透与普及，技术融合、工艺优化等节能技术、资源节约技术，产品和产业创新等路径促进投入产出结构优化、提升产业劳动生产效率、资源环境产出效率等。人均GDP、信息化指数对碳生产率具有正向推动作用，工业增加值占GDP比重、城市化率与碳生产率呈显著负相关，FDI与碳生产率关系具有不确定性。各解释变量、控制变量对不同等级类型的碳生产率影响存在一定的差异性，但科技创新对碳生产率影响基本为正向促进作用。

5.2 研究对策

研究在全球118个国家科技创新与碳生产率的时空演变分析与科技创新等因素对碳生产率的作用机制基础上，提出以下对策措施建议，以期促进全球科技创新对碳生产率的影响度，促进全球绿色转型与可持续发展。

（1）完善区域科技创新体系，缩小全球科技创新差距。建设国家科技创新体系，形成科技创新的文化氛围，明确科研院所、高等学校、社会组织、各类企业、创新平台的创新主体功能地位，构建和完善基于区域、企业的高效率创新网络，建立符合区域特色的创新要素顺畅流动、协同互动和高效配置的创新生态系统，促进全球科技创新协调。科技创新水平低的地区，应加强技术引进、集成与模仿，引进高端科技创新要素，强化区域间创新溢出与合作，重视技术的创新和积累，科技水平高的地区应积极寻求原创理论、原创技术的创新与积累，专注于经济发展的内生创新，优化提升科技创新能力。

（2）推进区域绿色科技创新，实现绿色低碳循环发展。绿色科技是能够最大程度有效和可持续利用相关资源的技术，产出最大经济社会收益并减少对生态环境损害，在设计、资源、生产、营销、末端和物流等环节与传统技术有本质区别。实现绿色科技研发系统、应用系统、中介系统、保障系统协同优化。在重点区域、关键行业和重大工程等方面优化完善应对全球气候变化的科技支撑体系，发展安全清洁高效的现代能源技术，开展建筑、钢铁和能源等领域的碳减排技术研发，优化以能源节约、高效利用为核心的生态能源产业链条建设，推动经济可持续发展转型，推进产业低碳化发展。

（3）推进可持续发展实验区建设，加强国际交流合作。按照全球2030年可持续发展议程目标以及相关经验，以“创新发展-问题导向-多元参与-开放共享”原则，推动科技创新和能源领域的高度融合，破解制约能源高效利用领域的关键科学问题，形成可推广、可复制的全球层面的经验区域，对其他区域具有示范带动效应。推进国际合作的深入开展，建立广泛的科技创新协作网络，推进科技发达和欠发达国家建立创新战略伙伴关系，设置全球性能源科学议题，实施具有公益性的能源领域国际大科学计划，推动全球科研基础设施平台共享，积极支持发展中国家科技创新能力建设。

（4）建立绿色科技创新制度，实施国家创新转型战略。加强绿色科技创新顶层设计，强化部门间横向、地区间纵向协调，优化科技财税金融体系，建立完善的人才协同创新机制，将科技创新作为推动区域经济发展模式转型的重要战略。以绿色科技创新的源头设计为导向，实现绿色科技创新和经济社会发展需求的精准对接。加强科技资源与金融资本的融合发展，建立基于信息、转化、金融平台为基础的绿色技术银行，集聚全球技术、资本、人才和制度要素，为能源技术研发提供支撑。

（编辑：于 杰）

参考文献

[1]李巍，郗永勤.创新驱动低碳发展了吗？——基础异质和环境规制双重视角下的实证研究[J].科学学与科学技术管理，2017，38（5）：14-26.

[2]毛汉英.人地系统优化调控的理论方法研究[J].地理学报，2018，73（4）：608-619.

[3]张翠菊，张宗益.能源禀赋与技术进步对中国碳排放强度的空间效应[J].中国人口·资源与环境，2015，25（9）：37-43.

[4]黄娟.科技创新与绿色发展的关系——兼论中国特色绿色科技创新之路[J].新疆师范大学学报（哲学社会科学版），2017，38（2）：33-41.

[5]肖雁飞，廖双红，王湘韵.技术创新对中国区域碳减排影响差异及对策研究[J].环境科学与技术，2017，40（11）：191-197.

[6]雷宏，李智.技术进步对二氧化碳排放的影响效应研究——基于省级面板门限模型[J].中南财经政法大学学报，2017，45（3）：58-65.

[7]黄鲜华，边娜，石欣.能源禀赋与产业技术进步对碳排放强度的影响效应研究——来自长江经济带的实证[J].科技进步与对策，2018，35（19）：59-64.

[8]樊杰，刘汉初.“十三五”时期科技创新驱动对我国区域发展格局变化的影响与适应[J].经济地理，2016，36（1）：1-9.

[9]尚勇敏，曾刚.科技创新推动区域经济发展模式转型：作用和机制[J].地理研究，2017，36（12）：2279-2290.

[10]鄢哲明，杨志明，杜克锐.低碳技术创新的测算及其对碳强度影响研究[J].财贸经济，2017，38（8）：112-128.

[11]SHI A. The impact of population pressure on global carbon dioxide emissions， 1975-1996： evidence from pooled cross-country data[J]. Ecological economics， 2003， 44（1）： 29-42.

[12]林善浪，张作雄，刘国平.技术创新、空间集聚与区域碳生产率[J].中国人口·资源与环境，2013，23（5）：36-45.

[13]BOSETTI V， CARRARO C， GALEOTTI M， et al. Witch a world induced technical change hybrid model[J]. Hybrid modeling， 2006， 27（2）：13-38.

[14]GERLAGH R. Measuring the value of induced technological change[J]. Energy policy， 2007， 35（11）： 5287-5297.

[15]涂正革.中国的碳减排路径与战略选择：基于八大行业部门碳排放量的指数分解分析[J].中国社会科学，2014，35（3）：78-94.

[16]金培振，张亚斌，彭星.技术进步在二氧化碳减排中的双刃效应——基于中国工业35个行业的经验证据[J].科学学研究，2014，32（5）：706-716.

[17]FISHER V K， WING I S. Accounting for quality： issues with modeling the impact of R&D on economic growth and carbon emissions in developing economies[J]. Energy economics， 2008， 30（6）： 2771-2784.

[18]王峰，贺兰姿.技术进步能否降低中国出口贸易隐含碳排放？——基于27个制造业行业的实证分析[J].统计与信息论坛，2014，29（12）：50-56.

[19]NORDHAUS W D. To slow or not to slow：the economics of the greenhouse effect [J].Economic journal， 1991， 407： 920-937.

[20]ANGELOPOUOS K， ECONOMIDES G， PHILIPPOUIOS A. What is the best environmental policy？ taxes， permits and rules under economic and environmental uncertainty[R]. CESifo， 2010.

[21]JAFFE A B， NEWELL R G， STAVINS R N. Environmental policy and technological change[J]. Environmental and resource economics， 2002， 22（2）： 41-70.

[22]EHRLICH P R， HOLDREN J P. Impact of population growth[J]. Science， 1971（171）：1212-1217.

[23]郭莉.技术进步对我国西北五省区碳排放量的影响[J].科技管理研究，2016，36（9）：256-266.

[24]YORK R， ROSA E A， DIETZ T. Footprints on the Earth：the environmental consequences of modernity[J]. American sociological review， 2003， 68（2）： 279-300.

[25]LIDDLE B. Urban density and climate change： a stirpat analysis using city-level data[J]. Journal of transport geography， 2013， 28（4）： 22-29.

[26]何小剛，张耀辉.中国工业碳排放影响因素与CKC重组效应——基于STIRPAT模型的分行业动态面板数据实证研究[J].中国工业经济，2012，30（1）：26-35.

[27]张鸿武，王珂英，殳蕴钰.中国工业碳减排中的技术效应：1998—2013——基于直接测算法与指数分解法的比较分析[J].宏观经济研究，2016，37（12）：38-49.

[28]申蘋.中国二氧化碳排放、经济增长、能源消费的联动关系及其影响因素分析[D].大连：东北财经大学，2012：10-15.

[29]GOULDER L H， SCHNEIDER S H. Induced technological change and the attractiveness of CO2 abatement policies[J].Resource and energy economics，1999，21（3）：211-253.

[30]邓细林.云南省能源CGE模型的节能政策研究[D].昆明：云南财经大学，2012：20-25.

[31]姚云飞，梁巧梅，魏一鸣.国际能源价格波动对中国边际减排成本的影响：基于CEEPA模型的分析[J].中国软科学，2012，33（2）：156-165.

[32]周银香，吕徐莹.中国碳减排的经济规模、结构及技术效应——基于33个国家GVAR模型的实证分析[J].国际贸易探索，2017，33（8）：96-107.

[33]王为东，卢娜，张财经.空间溢出效应视角下低碳技术创新对气候变化的响应[J].中国人口·资源与环境，2018，28（8）：22-30.

[34]李小平，王树柏，郝路露.环境规制、科技创新与中国省际碳生产率变动[J].中国地质大学学报（社会科学版），2016，16（1）：44-54.

[35]马歆，薛天天，WAQAS ALI.环境规制约束下区域创新对碳压力水平的影响研究[J].管理学报，2019，16（1）：85-98.

[36]辛大楞.金融自由化、金融发展与收入不平等——基于新兴市场经济体国家的研究[M].北京：中国社会科学出版社，2018：30-32.

[37]来逢波，耿聪，王海萍.交通基础设施投资对区域产业发展作用强度的差异性研究[J].东岳论丛，2018，39（10）：54-61.

[38]龚梦琪，刘海云，姜旭.中国低碳试点政策对外商直接投资的影响研究[J].中国人口·资源与环境，2019，29（6）：50-57.

[39]张腾飞，杨俊，盛鹏飞.城镇化对中国碳排放的影响及作用渠道[J].中国人口·资源与环境，2016，26（2）：47-57.

[40]姚晔，夏炎，范英，等.基于空间比较路径选择模型的碳生产率区域差异性研究[J].中国管理科学，2018，26（7）：170-178.

[41]姜琪，丁启军. 金融发展、科技创新与地区经济增长——基于山东省经济增长数量和质量的对比分析[J]. 经济与管理评论，2016（2）：145-153.

[42]OSTROM E. A general framework for analyzing sustainability of social-ecological systems[J]. Science， 2009， 325（5939）：419-422.

[43]邓祥征，丹利，叶谦，等.碳排放和减碳的社会经济代价研究进展与方法探究[J]. 地球信息科学学报，2018，20（4）： 405-413.

[44]张普伟，贾广社，牟强，等.中国建筑业碳生产率的俱乐部收敛及成因[J].中国人口·资源与环境，2019，29（1）： 40-49.

[45]袁红英.区域科技创新中心建设的理论与实践探索[J]. 经济管理与评论，2017（1）：134-140.

[46]王成新.结构解读与中国转型——中国城市化综合思辨[M].北京：人民出版社，2017：10-16.

[47]DIETZ T. Drivers of human stress on the environment in the twenty-first century[J]. Annual review of environment & resources，2017，42（1）：189-213.

Research on the impact of global scientific and technological innovation on carbonproductivity and countermeasures

CHENG Yu1 SUN Yi-xuan1 WANG Xin-jing1 YIN Jian-zhong2

（1.College of Geography and Environment， Shandong Normal University， Jinan Shandong 250014， China;

2.Research Center for Sustainable Development of Shandong Province， Jinan Shandong 250014， China）

Abstract Scientific and technological innovation plays an important role in improving the scale， structure and allocation of input and output factors， and improving the marginal efficiency of input and output of production factors. The research took 118 countries as analysis samples and used Gini coefficient， Thiel index， spatial autocorrelation， panel data model and other methods to study the level of scientific and technological innovation， spatial evolution and spatial agglomeration characteristics of carbon productivity of global countries， and the impact of scientific and technological innovation on carbon productivity. The following conclusions were drawn： ①The global scientific and technological innovation index generally showed an upward trend of fluctuation， from 32.15 in 2009 to 37.59 in 2016， and Gini coefficient increased from 0.143 to 0.175. The regional differences of global scientific and technological innovation levels gradually expanded， with Morans I index rising from 0.228 to 0.270. The trend of scientific and technological innovation agglomeration was obvious and strengthened to some extent. ②The global carbon productivity was rising or fluctuating. The Gini coefficient of carbon productivity was between 0.278 and 0.301， and the regional difference of carbon productivity was narrowing， but the regional differences were still large. Morans I index increased from 0.047 to 0.077. The concentration of carbon productivity was weak but increased. ③From the perspective of overall sample estimation and taxonomic sample estimation， scientific and technological innovation played an important role in promoting carbon productivity. It mainly promoted the optimization of input-output structures through ideological penetration and popularization， technological integration and process optimization， and industrial and product innovation. It will increase efficiency in the use of resources and the environment. The per capita GDP and informatization index had a positive effect on carbon productivity. Proportion of the added value of the secondary industry in GDP， urbanization rate， and carbon productivity were significantly negatively related， and the relationship between FDI and carbon productivity was uncertain. ④The research put forward countermeasures from the aspects of constructing regional innovation system， including perfecting green science and technology innovation system， and establishing green science and technology innovation system， so as to further enhance the influence of scientific and technological innovation on carbon productivity. The research has reference value for enhancing global competitiveness in scientific and technological innovation， increasing carbon productivity and mitigating climate change.

Key words scientific and technological innovation; carbon productivity; impact factor; countermeasure and suggestion; global