高碳产业低碳转型关系到中国经济可持续发展,是中国经济实现低碳化的重要途径[1],具有复杂性、动态性与长期性特征[2]。鉴于此,高碳产业低碳化应多管齐下,采取政策引导[3]、产业集聚[4]、交易倒逼[5]、节能减排效率提升[6]等多种途径,其中最有效的途径是技术进步[7]。碳减排技术积累,特别是低碳技术突变对减碳成效有决定性作用(梁中,2017)。然而,虽然碳减排技术突变有助于加快减排速度[8],但也有可能适得其反,这一负面影响源于经济目标为导向的发展模式。碳减排技术突变最初带来的是碳排放量的减少,但为了实现更高的经济增长目标,在环保达标的前提下,经济体可能投入更多能源以拉动经济增长,导致能源消耗不降反增,即出现源利用回弹[9]。这一现象广泛存在,美国制造业能源回弹率为24%[10],中国总体能源消费平均回弹率为53%[11],其中重工业为74.3%[12],轻工业为37.7%[13],纺织业为20.99%[14],食品业为34.39%[15]。所以,在设定碳减排目标、制定碳减排政策时,应充分考虑回弹效应。
由此可见,中国高碳产业低碳转型成功的关键在于考虑能源回弹效应对技术减排的影响,分析碳减排技术突变性,以便科学实施碳减排政策。学界关于技术突变性研究的重点体现在以下4个方面:
(1)低碳化是低碳技术突变的基本路径。学界对低碳化路径存在较大争议[16],主要路径包括碳减排产品研发与生产[17]、提升碳排放效率 [18]、运用清洁技术 [19]、低碳化工艺流程 [20]、碳交易[21]。不同路径对不同企业碳减排和技术突变作用各异,企业应根据自身具备的技术要素禀赋和所处技术环境进行不同的选择。
(2)低碳技术突变的最大阻力是碳锁定。该研究一是运用脱钩理论[22],分析高碳产业碳锁定程度,测算经济发展与碳排放的依存关系。依存度越大,低碳技术突变可能性越小;二是高碳产业碳解锁路径,如碳税路径[23]、碳交易路径[24]、低碳技术创新路径[25]、破除高碳产业低碳化障碍路径[26]等,概括为制度解锁[27]和技术解锁[28]两个路径,后者是低碳技术突变的根本(李宏伟,2013),其实质是跨越碳减排技术门槛[17]。
(3)低碳技术突变实质上是低碳创新成果积累。“二次创新”理论和技术生命周期理论均描述了这一过程,前者认为技术突变需要经历技术引进、消化和吸收3个阶段[29];后者依据不同技术时期成本,将技术发展分为引入、成长、成熟和衰退4个时期,其中第一和第三个时期是技术突变的最佳时机[30]。技术引入初期是新旧技术更迭的混沌期[31],这一阶段往往会出现重大技术创新(吴晓波等,2004),为技术突变提供了良机。在每个技术突变期,高碳产业低碳化过程中均会表现出技术门槛效应。深入研究该效应,有助于总结高碳产业低碳化技术突变规律。
(4)低碳技术突变可能产生负面效应。技术突变在引致碳排放量减少的同时,还会因为环境制度粘性和能源开采成本降低而导致能源使用量上升[32]。特别是中国当前正处于快速发展阶段,中心任务仍然是经济增长,因能源利用效率提升而节约的能源会继续投入到扩大再生产中。更甚者,因为技术进步而节约的能源预期具有可持续性,产业反而产生了投入更多能源的冲动,进而导致能源回弹效应的发生。因此,低碳技术突变不应忽视能源回弹效应。该效应研究主要包括3种方法:一是利用一般均衡模型模拟该效应[33];二是建立能源消费与经济发展间的计量模型[34];三是通过需求系统模型分析能源价格与消费结构间的关系,分析能源效率变动对能源回弹效应的影响[35]。
已有文献虽然为高碳产业低碳化技术突变研究提供了开阔思路,但仍有以下3个问题值得深入探讨:①尽管学界普遍认为低碳技术积累能引发碳减排技术突变[36],但针对中国高碳产业展开相关分析的研究较少。中国高碳产业碳减排技术突变动力、约束条件、变化规律均不明晰[37],其关系到高碳产业低碳技术研发成效及中国工业经济可持续性发展,因此需要深入研究;②现有文献缺少中国高碳产业技术突变性测算方法,这也是高碳产业技术突变性未引起足够重视的原因之一。定量方法缺失导致无法形成对高碳产业技术突变性的系统分析和具象化研究,进而无法制定完备的高碳产业低碳化具体措施。为弥补这一缺陷,本文借用门槛模型,依据低碳技术对碳减排影响的门槛效应,描述中国高碳产业的低碳技术突变性;③由于高碳产业技术突变性定量研究不够深入,因此无法科学刻画能源回弹效应的影响。然而,能源回弹效应是影响高碳产业低碳技术突变的主要因素之一,这一效应研究的缺失导致遗漏了碳减排技术突变的重要阻滞因素,错误估算了技术突变所需时间,提高了高碳行业低碳技术投入成本。鉴于此,本文选用CD生产函数测算能源回弹效应,基于测算结果分析其对高碳产业技术突变性的阻力,探寻能源回弹规律,加快高碳产业技术突变速度。
1.1.1 高碳产业确定
参照李小平和卢现祥[38]的研究,本文将高碳排放产业设定为10个行业,分别是黑色金属冶炼及压延加工业(HS),有色金属冶炼及压延加工业(YS),石油加工、炼焦及核燃料加工业(SY),医药制造业(YY),化学工业(HX),电力、燃气的生产和供应业(DL),其它非金属矿物制品业(QT),金属制品业(JS),仪器仪表及文化、办公用品制造业(YQ),通信设备、计算机及其它电子设备制造业(TX)。
1.1.2 能源回弹效应测算模型
在新古典增长理论框架下,无论是运用CD函数从宏观经济角度分析,还是运用微观经济效用理论和成本理论,均证明能源利用回弹效应广泛存在。由能源利用效率提升导致的回弹效应,引致碳减排受阻,进而改变了高碳产业低碳化过程中的技术突变。这一变化的具体机理是,碳减排技术本可以实现碳排放的大幅降低,但是由于存在回弹效应,导致碳排放变化幅度不大,甚至反增,本应出现的碳减排技术突变被推迟甚至消失。所以,在分析高碳产业低碳技术突变时,考虑回弹变量的约束必不可少。
本文运用CD生产函数测算回弹效应。基于新古典经济理论,假设条件如下:首先,生产系统包括资本、劳动力和能源3种投入,且三者存在一定的可替代性,能源不需要转换则可以直接参与生产;其次,在完全竞争市场结构中,价格具有外生性特征,且投入与产出的相对价格比较稳定;再次,资本与劳动力技术进步不具有外生性,相比能源效率而言其随时间稳步增加;最后,经济体规模报酬不变。
设Y为高碳产业的总产出;E表示能源消耗量;EI为能源强度;△E为能源节约量; σ表示技术进步对经济增长的贡献率;RE表示回弹效应。
△E=Yt+1×(Et-Et+1)
(1)
除能源利用效率提高外,技术进步还会促进经济增长,即△Y=σt+1×(Yt+1-Yt)。
经济增长又会引发对能源更多的需求:
Edt+1=σt+1×(Yt+1-Yt)×EIt+1
(2)
那么,由技术进步导致的能源回弹效应为:
(3)
技术进步贡献率σ可利用CD函数测得。
设CD生产函数为:
Y=Af(K,L,E)
(4)
其中,Y、K、L和E的表示不变,A表示技术进步,进一步设A=A0eat,则生产函数具体形式为:
Y=A0eatKαLβEγ
(5)
式(5)两边取对数:
lnY=lnA0+at+αlnK+βlnL+γlnE
(6)
根据索罗余值:
(7)
将σ代回式(3),即可得到能源回弹效应。
1.1.3 门槛效应模型
本文中的技术突变可用门槛效应衡量。技术突变性是指当技术积累到一定程度时会产生质的飞跃,而这种突变性技术又会深刻影响产业碳排放量。具体表现为当发生突变性技术时,碳排放量会突然增加或减少,这一变化可用门槛效应模型识别。
门槛研究方法主要包括3种:一是交叉项模型,二是分组检验法,三是Hansen门限面板模型。第一种方法需要依据一定标准进行分组,这种分组方式比较主观;第二种方法往往涉及到变量之间的交叉关系,这一关系设定是主观的,虽然能估计出门槛值,但其正确性无法验证,也无法避免“门槛效应”的内生性。式(7)Hansen门限面板模型较好地解决了上述问题,因此应用最为广泛。
yit=uit+β1xitI(qit≤γ1)+β2xitI(γ1<qit≤γ1)+…+βn+1xitI(qit>γn)+eit
(8)
如果只有一个门槛值,那么式(8)为:
yit=uit+β1xit+eit,(qit≤γ1)
(9)
yit=uit+β2xit+eit,(qit>γ1)
其中,i代表行业,t代表年份,xit为n×1维解释变量向量,qit是门槛变量,该值既可以是xit中的一个变量,也可以是独立的门槛变量。γi表示门槛值;I(·)为指示函数。当qit≤γ1时,回归系数取β1;当qit>γ1时,回归系数为β2,即门槛变量qit将样本划分为两个子样本。如果门槛值有N个,那么样本将被分为N+1。
在实际应用中,门槛效应与碳排放关系分析具体步骤包括:首先判断是否存在门槛及门槛数量,根据固定效应模型检验门槛效应是否存在。分别在单门槛、双门槛和三门槛假设下,运用Stata14软件,采用Bootstrap方法进行检验;其次,计算各门槛值,利用似然比检验统计量,估计门槛取值;最后,分析门槛变量对因变量的影响。
1.2.1 关键变量
(1)碳排放量作为因变量同时也是关键指标之一。其测算方法由联合国政府间气候变化专门委员会指定的“2006年国家温室气体清单指南”中的“能源”部分提供,具体根据中国《能源统计年鉴》中行业能源的最终消费测算,测算步骤参照李小胜和安庆贤[39]的研究,如式(10)所示。NCV为一次能源的平均发热量,CEF为碳排放系数,COF为碳氧因子,44为二氧化碳分子量,12表示碳分子量,CEFi×COFi×44/12为碳排放系数,该系数可从“2006年IPCC国家温室气体清单指南”中获得,NCV数值从“GB/T2589-2008综合能耗计算通则”中获取。其中,引起间接碳排放的电力能源根据电力排放因子获得,其数据来源于“能源消耗引起的碳排放工具指南(2.1版)”,单位选择亿t。
(10)
(2)低碳技术研发(R&D)变量。学界关于技术进步对碳减排的作用已经达成共识[40]。尽管减排技术很多,如可分为清洁技术和污染技术(闫逢柱等,2011);环保技术、生产技术、混合技术、结构生产技术和机构环保技术[41];环境技术、能源利用技术、资本体现式技术和广义技术[42]。各技术减排效果虽然不同,但技术越先进越环保的观点已被多数学者认可。本文重点分析对碳减排突变性产生影响的技术,因此选用低碳技术创新专利(Y02),这一技术指标源于2013年美国和英国共同发布的CPC(合作专利分类法)[43],并且只考虑中国人在国内申请的专利。将该指标作为门槛变量,采用各高碳产业的Y02总量与专利总量的比值衡量。
(3)能源回弹(ET)变量。能源回弹效应根据式(3)计算得到。
1.2.2 控制变量
(1)产业集聚度(IAD)。即相同企业的集中程度,集中度越高,反映碳减排技术交流越频繁。产业集聚对碳减排的影响主要体现为4个方面:一是促进碳减排知识溢出,提高知识共享效率;二是加大基础设施共享,避免重复建设;三是吸引高技术人才;四是示范效应迫使各企业均采用环保技术。国内外一些学者也证明产业集聚有助于碳减排(王群伟等,2014),本文用区位熵表示。具体计算公式为:
(11)
其中,Ii为某一地区第i个行业的就业人数,I表示同一地区的总就业人数。
(2)产权结构(OS)。企业产权对碳排放的影响比较显著[44]。公有制企业除具备营利这一企业共同目标外,还肩负着社会责任,因此这类企业存在碳减排意愿。而在非公有制企业中,营利是主要目标。由于碳减排增加了企业成本,因此其碳减排意愿较差。但是,在环保日益受到公众关注和企业社会责任备受重视条件下,非公有制企业环保意识逐渐增强。本文选择产业公有制投资比例作为产权结构资本。
(3)环境规制(ER)。因为碳排放具有外部性,如果政府不干预,那么企业将没有减少碳排放的主动性。环境规制是低碳技术创新的重要影响因素,是减少碳排放的主要途径[45]。政府对碳减排可采取的规制方式包括碳税、碳交易和行政法律等。本文用环境治理费用占利润总额的比例作为环境规制的衡量指标。
(4)产业结构(IS)。产业结构是影响碳减排的关键因素,但是不同产业对碳排放的影响不同。二次产业比重越大,碳排放越多[46]。但是,如果制造业与服务业相互补充,那么碳排放反而会减少[47]。然而,也有一些研究发现,产业结构对碳排放的影响比较有限[48]。产业结构表示为高碳产业产值占GDP的比例。
综上所述,本文设立两个面板模型,对比分析能源回弹效应对碳排放的影响。一是不考虑能源回弹效应,只研究低碳技术对碳排放的影响。将其设定为模型1。以碳排放量为因变量,以低碳技术研发为核心变量和门槛变量,以产业集聚度、产权结构、环境规制和产业结构为控制变量,建立面板门槛效应模型;二是在模型1的基础上,考虑能源利用回弹效应影响因素的模型2,以回弹效应作为核心变量,以低碳技术研发作为门槛变量,其它控制变量不变,构建面板门槛效应模型。
本文高碳产业的Y02专利数据来自Incopat专利数据库。以各高碳行业大中型企业为研究对象,并将同一行业中各企业Y02专利数据汇总为行业层面数据。采集大中型企业数据的原因是,低碳技术创新需要企业投入大量资金和高科技人才,直接收益回报率较低,而且还需承担较大的研发失败风险,因此Y02专利大多来自于大中型企业。其它数据主要来源于历年《中国统计年鉴》、《中国能源统计年鉴》、《中国科技年鉴》和《中国环境统计年鉴》,各变量描述性统计结果如表1所示。
表1 变量描述性统计结果
指标单位均值中数最大值最小值标准差二氧化碳(C)亿t0.691 30.758 02.803 70.233 29.004 2低碳技术(R&D)%0.633 20.580 20.745 50.548 25.290 8能源回弹率(ET)%0.445 20.594 10.971 0-0.452 110.532 4产业集聚度(IAD)%1.421 71.752 82.880 20.261 816.341 6产权结构(OS)%0.479 90.562 11.000 0014.032 1环境规制(ER)%0.115 20.147 60.189 10.039 16.222 3产业结构(IS)%0.311 50.351 70.471 10.278 114.962 3
根据式(3)~(8)可得1996-2017年10个高碳行业的能源回弹系数,如图1所示。从中可见,只有医药制造业(YY)的回弹系数均值小于0,即出现了能源节约。原因在于:一是该产业技术进步较快。创新能力是医药企业主要竞争力来源,医药产品更新换代速度决定企业市场地位,技术创新能力则反映企业生命力。所以,医药企业间市场竞争的实质是技术竞争,其中节能减排技术直接影响企业生产成本和社会声誉,因此减少碳排放、降低能源回弹系数也是其竞争内容;二是中国医药制造业已初具产业集聚规模,集聚模式有助于技术进步。中国医药制造产业集聚特征明显,主要集中在东南沿海地区[49]。产业集聚有助于加快技术交流速度,各药企间有机会充分相互学习节能减排技术,这也可能是其能源回弹系数较低的原因。
其余9个高碳产业的能源回弹系数均值都大于0,意味着它们全部出现了能源回弹现象。由于技术进步等原因带来了能源节约利用,能源效率改善、投入成本降低反而刺激了企业能源需求,导致能源使用量增加,即能源回弹系数大于0。其中,回弹系数最大的是其它非金属矿物制品业(QT),主要包括玻璃、陶瓷、建筑材料等,处于房地产行业上游。房地产已经成为影响中国经济发展的重要产业,关系到中国经济的健康和平稳运行,所以大量文献深入分析了其与其它产业的关联度。房地产对建筑材料业的直接消耗系数达到0.044 5,对QT整体产业的直接消耗系数达到0.011 9[50]。因此,房地产对QT的直接拉动作用显著。中国经历了多轮房地产行业的过速增长,导致与之相配套的QT需求数量也呈现爆发式增长,具体表现为只追求经济绩效,而忽视环境保护和能源节约,这可能是其能源回弹系数最大的原因。相比较而言,通信设备、计算机及其它电子设备制造业(TX)系数最小。这是因为,近些年该行业在中国刚进入快速发展阶段,能源投入量也小;与此同时,国家开始重视环保,鼓励企业加大技术研发投入,并且该行业本身技术水平较高,也会减少能源投入,因此TX能源回弹率控制在较低水平。
图1 各高碳产业1996-2017年能源回弹系数离散度
为缓解各高碳产业能源利用中出现的能源回弹效应,应首先评估能源回弹效应治理难度。为此,本文运用图1箱线图测算,如果高碳行业全距和四分位差都比较大,那么能源回弹治理相对容易。这是因为,离散度越大,表明该产业回弹率伸缩幅度越大,只要治理科学,回弹率具备大幅度下降的可能。相反,如果高碳产业全距和四分位差都比较小,那么回弹治理难度也较大。这是因为,该产业回弹率降低幅度有限,治理难度较大。
由全距可知,在9个存在回弹现象的高碳产业中,电力、燃气生产和供应业(DL)波动幅度最大,回弹系数最大值为3.695,最小值为-0.734,全距达到4.429;回弹系数离散度最小的为仪器仪表及文化、办公用品制造业(YQ),最大值为0.589,最小值为0.292,离散度仅为0.297。为避免极值的影响,结合四分位差分析回弹系数波动幅度。四分位差最大的为黑色金属冶炼及压延加工业(HS),达到1.604,最小为通信设备、计算机及其它电子设备制造业(TX),仅为0.158 4。
为便于分类管理,本文对10个产业的能源回弹率进行分类。分类管理的优点在于:一是保证管理措施更具有针对性,二是保证管理的高效性。运用SPSS 25软件完成聚类,结果如图2所示。回弹系数具体可分为3类:第一类是高回弹系数,包括黑色金属冶炼及压延加工业(HS)及电力、燃气生产和供应业(DL);第二类是低回弹系数,大部分回弹系数分布在0~0.5之间,共有7个产业;第三类出现了能源节约,即回弹系数小于0,只有医药制造业(YY)符合。进一步,聚类分析所得的3类回弹系数及其均值变化趋势如图3所示。
结合经济周期、离散度及聚类结果分析能源回弹系数最大产业和最小产业特征。电力、燃气生产和供应业(DL)以及黑色金属冶炼及压延加工业(HS)为高能源回弹类,其回弹系数离散度大的原因在于,前者为经济发展提供能源,后者提供原材料,所以二者受经济周期的影响明显。在经济衰退期,能源利用率下降,钢铁及其制品需求大大减少,碳排放量自然下降;在经济高涨期,无论是能源需求量还是钢铁原材料需求量大大提升,在成本压力下,碳排放量增加,能源回弹系数上升。YQ和TX能源回弹系数离散度小的原因在于,前者要么是仪器仪表耐用品,要么是办公用具低值易耗品,受经济周期影响小,所以碳排放量稳定,每年的能源回弹系数差别不大;后者在高速发展同期,中国政府开始大力实施环境保护和能源节约利用政策,所以该产业每年的能源回弹系数差别不大。从回弹系数最小值看,只有YQ大于0,其它均小于0。回弹系数波动规律结合其最小值可知,绝大部分行业有能力实现能源节约利用。但是,仅YY的中位数小于0,其它产业均大于0。这表明,上述有节能能力的企业可能受利益驱使,基本上选择了增加能源使用量,因此这些产业回弹系数平均水平大于0。本文进一步对高碳产业能源回弹系数进行如下分析:
(1)回弹系数分为3类,表明技术进步是一把“双刃剑”,既能节约能源,又有可能造成能源利用回弹。技术进步无疑带来了能源节约和碳排放减少,但这也可能是引发高碳产业更多能源需求的原因。对于政府鼓励的产业或是拉动当地经济增长的产业而言,能源回弹现象往往比较严重,因此政府对控制能源回弹起关键作用。
(2)高能源回弹产业回弹系数整体上出现两次极大值,分别出现在1999-2000年和2010-2011年。出现极大值的主要原因在于,中国政府应对这两个时期经济危机的政策不同。前一极值的出现可能由1997年亚洲经济危机引起,后者则由2008年全球危机引发。为化解1997年经济危机,中国政府采取了稳定汇率的经济政策,坚持人民币不贬值,配合以基础设施投资建设,表现为高碳产业投资扩张。当时,国家计划委员会重新规划了电力工业产业政策,装机容量、年发电量和电线路里程均提出扩张计划,目标分别达到2.9万亿kW、14 000亿kW·h和17.12万kW。但是,由于此次危机中基础设施建设投资是拉动经济的辅助手段,因此其投资扩张有限,能源需求虽有增加,但比较克制。因此,尽管能源回弹率在1999-2000年达到一个峰值,但能源回弹幅度有限,最大值为2。
图2 回弹系数聚类
图3 3类回弹系数及其均值变化趋势
(3)与之相比,中国应对2008年经济衰退的主要方式是直接发展高碳产业,因为这些产业对经济增长的拉动作用明显,缓解经济衰退的作用显著。中国在2009年出台了十大产业振兴规划,其中就包括黑色金属冶炼及压延加工业(HS)中的钢铁和黑色金属产品。尽管规划一再强调控制生产总量,淘汰落后产能,合并重组优化产业结构,但总要求是扩大内需,拉动国内钢材和黑色金属产品消费需求,争取国际市场份额。因此,实质上还是增加了产量,这导致大量高碳产业盲目投产和增产,忽视了碳排放问题,致使能源回弹率大大提升,在2010-2011年最大值接近4。之后,中国提出供给侧改革,淘汰落后产能,降低碳排放,特别是提出中国工业绿色发展,这也可能是从2014年开始能源使用效率提升、回弹率下降的主要原因。如图3所示,2013年之后能源回弹率出现整体下降。
(4)低能源回弹系数产业回弹系数整体只出现一次极大值,即2010-2011年。低回弹系数产业包括:医药制造业(YY),化学工业(HX),仪器仪表及办公用品制造业(YQ),以及通信设备、计算机及其它电子设备制造业(TX)。如图3所示,相比于高能源回弹系数产业,它们在1997年并未出现明显波峰,这可能与当时中国产业发展所处阶段有关。这一时期世界化工产业进入成熟期,该产业在中国迅速发展,对中国经济的拉动作用比较明显,因此它在4个产业中能源回弹率最大,意味着中国投入了相当多的能源发展这一产业。其它产业要么处于起步阶段,如TX;要么对经济的拉动作用有限,如YY和YQ。中国政府摆脱金融危机的重心并未落在这些产业上,因此其能源回弹率较低,甚至医药制造业还出现了能源节约。经过10年发展,中国产业结构发生较大改变,中国成为制造业大国,计算机和通信技术及生物医药已成为国家支柱产业。因此,中国为应对2008年金融危机,HX、YQ和TX三个支柱产业自然成为拉动经济增长的主力。
为发展通信设备、计算机及其它电子设备制造业,国家提出《电子信息产业调整和振兴规划2009-2011》,将其定位为战略性、基础性和先导性产业,是保增长、扩内需、调结构的重要产业;同样,2005年中国已经将仪器仪表行业作为专项发展重点,到2008年多部门联合发出《关于加强创新方法工作的若干意见》,仪器仪表产业得到进一步支持。所以,与2010年相比,2015年仪器仪表制造业规模以上企业完成工业产值9 500亿元,增长了83.86%;利润824亿元,增加71.36%;进出口总额676亿美元,增长43.08%。其中,进口414亿美元,增长43.08%;出口262亿美元,增长83.26%。同一时期,化学工业(HX)也进入结构调整能源利用提效阶段。2011年10月1日正式出台《化工企业能源审计规范》,进一步约束企业能源利用。但是,化工工业生产原料本身就是能源,所以生产一定量产品除非出现生产工艺进步,否则很难减少能源用量。虽然这一规定的出台对该行业能源回弹起到限制作用,但仍然存在节能空间。这3个产业具有共性特征,均为国家优先发展产业,是应对经济危机的重点产业,因此难免发展速度过快,出现能源投入过量。即使国家出台相关政策加以约束,仍无法完全限制这些行业发展,导致能源回弹现象出现。
从2012年开始,医药制造业主营业务收入和利润增速均有所放缓,当年主营业务收入达到17 083亿元,增速19.8%,到2016年两项指标分别为28 063亿元,增速下滑至9.9%;利润变化情况相同,由2012年增速19.8%下滑至2016年的13.9%。虽然2017年之后这些指标有一定程度上升,但基本稳定。国家本着老百姓“能看得起病,吃得起药”的原则不断出台各类医药政策,如集中采购和带量采购,帮助消费者在消费端与医药企业谈判,由此大大减少了医药企业利润。因此,医药制造企业当前已经转变过去重视营销的生存模式。当前,一方面重视研发,尽快出新药,避免带量采购的出现及盲目生产带来的能源过度使用;另一方面注重节能降耗、降低成本,所以也非常重视能源高效利用。综合这两方面,该行业不仅没有出现能源回弹,反而出现了能源节约利用。
本文运用Stata14软件,采取Bootstrap方法检验门槛效应,结果如表2所示。从中可见,在5%显著性水平上,在没有能源回弹效应的模型1中存在两个技术门槛,在有能源利用回弹效应的模型2中仅仅出现一个技术门槛。
表2 门槛效应检验结果
门槛类型模型1模型2单一门槛3.471**8.713***双重门槛7.543***1.846三重门槛2.2162.503
注:***表示1%显著性水平,**为5%显著性水平;数据来源:计算获得
利用似然比检验统计量,在95%置信区间内分别估计模型1和模型2的门槛取值,结果如表3所示。从中可见,模型1有两个门槛,取值分别为0.237 3和0.487 5,模型2有一个门槛,其值为0.451 6。
表3 门槛估计值检验结果
门槛1门槛2模型10.237 3 ([0.00,0.475 8])0.487 5 ([0.193 2,0.708 4])模型20.451 6 ([0.106 2,0.688 8])-
注:[]为95%置信区间;数据来源:计算获得
运用面板门槛效应模型分析低碳技术对碳排放的影响,模型3不考虑能源回弹效应,而模型4考虑,结果如表4所示。
表4 面板门槛效应模型估计结果
变量门槛估计(技术研发)模型3Gama0.237 3(Gama1)0.487 5(Gama2)模型40.451 6(Gama3)低碳技术R&D
注:***代表1%显著性水平,**代表5%显著性水平,*代表10%显著性水平;数据来源:计算获得
由表4可知,低碳技术与碳排放间呈反比例关系。创新型发明越多,碳排放量越小,验证了技术进步能有效减少碳排放量。值得注意的是,尽管技术进步有助于碳排放量降低,但在模型3中,这一过程出现了两个技术门槛,即两次技术的突变式发展。最初,技术进步一个单位,碳排放减少1.359 2个单位,这一比例关系持续到第一个技术门槛值0.237 3。经过前期技术积累,低碳技术碳减排在这一门槛处出现一个加速度,发生了技术突变,低碳技术与碳减排间的比例关系由1.359 2提高到2.237 2。之后,低碳技术进步继续积累,并在第二个技术门槛值0.487 5处对碳减排的影响由2.237 2突变至3.955 8,技术碳减排速度再次加快,又出现了技术突变。作为门槛的低碳技术的3个回归系数绝对值连续两次增加,低碳技术碳减排作用不断增强,碳排放数量呈加速下降趋势,说明技术积累到一定时期出现技术突变性,而这种技术突变性会大大减少高碳产业碳排放量。但是,这一下降并非线性趋势,而是一个阶梯式下降过程。因此,低碳技术与碳排放关系表现出两个特征:一是持续下降;二是二者关系发生阶段性突变。
在考虑能源回弹效应影响因素后,模型4中不仅低碳技术研发门槛减少一个,而且门槛前后低碳技术对碳减排的影响系数也随之下降,意味着低碳技术碳减排速度放缓。具体而言,模型3中出现的第一个门槛值为0.237 3,相比模型4在0.451 6处才出现技术门槛,已接近模型3中第二个门槛值0.487 5。这表明,受能源利用回弹因素的影响,门槛出现时间推迟,碳减排要求有更多减排技术积累才会出现技术突变。并且,模型4门槛前后低碳技术与碳排放间关系由1.278 1降至0.807 3。这表明,能源利用回弹导致技术创新带来的碳减排能力下降。进一步,其门槛前后能源利用回弹率对碳排放的影响也呈下降趋势,回归系数由1.450 1下降为1.163 2,减少原因可能受回弹限度的制约。由于受各种环保制度的约束,碳排放不可能无限增长,随着排放量接近环保要求上限,企业或政府将采取一定措施制止其继续增长以免受处罚,这可能是模型4中能源回弹率系数下降的原因。从另一方面也说明,高碳产业可通过技术创新提高能源利用效率,改善其能源回弹效应。
不考虑能源利用回弹因素时,模型3出现两次低碳技术突变;考虑能源回弹效应,碳排放减少能引发企业生产冲动,导致低碳技术突变次数减少。这是因为,经济利益是企业的主要目标,这一目标的实现有赖于提产量和降成本,这恰恰与碳减排相矛盾。具体而言,企业碳排放具有外部性,国家环保政策具有粘性,即使企业减碳数量远远低于环保标准,它也无法从中获取相应经济利益,再加上国家碳排放标准无法及时调整,所以一个时期内企业的最大收益是将碳排放量保持在国家标准上。因此,当技术带来碳排放量下降且低于国家标准后,高碳企业的理性行为是提升产量、增加碳排放量,或是减少碳减排设备和技术投入,保持碳排放量不超过标准即可。所以,低碳技术在减少碳排放的同时,反而引发了高碳产业扩大产能的需求和减少低碳技术投入的渴求。因此,在模型4中,减少一个门槛,一方面说明企业并没有持续加大碳减排技术研发的动力,仅是达到环保标准即可;另一方面,技术门槛前后技术研发与碳减排间系数由-1.278 1变为-0.807 3,表明低碳技术对碳减排的作用下降,说明企业减少了碳减排技术使用,如为节约成本减少使用碳减排设备等。
本文创新之处在于:①拓展了低碳技术突变研究新领域,探索中国高碳产业低碳技术突变规律;②引入中国高碳产业低碳技术突变分析方法,基于门槛技术确定低碳技术突变点;③完善了中国高碳产业低碳技术研究理论体系,丰富了能源回弹效应对技术突变性作用的研究。
(1)高碳产业能源回弹效应具有动态性和行业差异性。本文运用能源回弹系数离散度和聚类分析,将中国高碳产业能源回弹效应分为3类:高回弹效应、低回弹效应和能源节约。第一类产业回弹系数大于0.5,包括黑色金属冶炼及压延加工业(HS)以及电力、燃气的生产和供应业(DL);第二类产业大部分回弹系数分布在0~0.5之间,主要包括如下产业:有色金属冶炼及压延加工业(YS),石油加工、炼焦及核燃料加工业(SY),医药制造业(YY),化学工业(HX),其它非金属矿物制品业(QT),金属制品业(JS),仪器仪表及文化、办公用品制造业(YQ),通信设备、计算机及其他电子设备制造业(TX);第三类能源回弹系数小于0,只有医药制造业(YY)。
(2)高碳产业能源回弹效应受经济周期和所处产业发展阶段的影响。1996-2017年,高能源回弹率的高碳产业经历了两次波峰,且均为应对经济危机,政府实施了积极的货币政策,向这些产业注入大量资本,尽量避免中国经济衰退。相比而言,同一期间低能源回弹率的高碳产业只经历了一次波峰,即在2011年左右。这表明,这类产业在1997年经济危机时还未成为拉动经济的主力,说明碳排放越高的产业对经济增长的贡献越大。另一方面,经过10年产业结构调整,能源回弹率低的产业逐渐成为新的经济增长点,进而成为应对2008年经济危机的主要力量。
(3)高碳产业能源回弹效应受政策影响作用明显。通信设备、计算机及其它电子设备制造业(TX)、仪器仪表及文化、办公用品制造业(YQ)和化学工业(HX)在国家政策鼓励下出现过速增长,同一时期3个产业能源回弹率均有所提升。
(1)在能源回弹效应约束下,中国高碳产业低碳技术突变次数减少。1996-2017年,如果没有能源回弹效应的影响,则会出现两次技术突变,门槛值分别为0.237 3和0.487 5;如果考虑能源回弹效应约束,那么只出现一次技术突变,门槛值为0.451 6。这表明,能源回弹效应刺激了企业能源需求,随之增加了碳排放,掩盖了一个技术门槛,减少了一次低碳技术突变。
(2)在能源回弹效应约束下,中国高碳产业低碳技术进步速度放缓。在这一条件下,技术突变门槛值为0.451 6,已经接近无能源回弹约束下的第二个门槛值0.487 5。这表明,在能源回弹效应影响下,低碳技术突变需要积累更多低碳创新成果。因此,能源回弹效应对低碳技术突变具有阻力作用。
(3)在能源回弹效应约束下,中国高碳产业低碳技术减排能力减弱。不考虑能源回弹效应约束,第一个门槛之后与之前相比,低碳技术碳减排能力提高0.878 0个单位;第二个门槛前后对比,低碳技术减碳能力保持增长趋势,提升1.718 6个单位。但是,在能源回弹效应影响下,低碳技术减碳能力下降,门槛之后比之前下降了0.470 8个单位。
依据上述结论,提出如下完善能源回弹和低碳技术进步的建议:
(1)分行业实施防止能源回弹的措施。针对高能源回弹产业,增加监督力度,做好实时监控工作。与大数据公司合作,在这些产业生产区安装环境数据监控装置,与环保部门联网,随时监控生产环境指标变化。对于低能源回弹产业,属地环境监督部门应该成立专门督查组,采取定期和不定期监察、抽查方式,防止能源回弹效应的发生。对于能源利用节约的医药制造业,政府部门应予以不同形式的奖励,如颁发政府质量奖,在之后的政府采购和政府招标中,获此奖励的企业具有优先中标权。通过树立能源节约和碳减排标杆典型,鼓励其它高碳企业积极主动节能降耗。
(2)产业政策调控措施。高碳产业能源回弹效应具有显著的经济周期波动性,往往是应对经济衰退的“副产物”。因此,利用货币政策和财政政策调控经济,特别是拉动高碳产业扭转中国经济衰退趋势时,容易出现能源回弹效应。此时,应配合相应产业政策,遵循产业发展规律,引导产业正确发展方向,升级产业结构,实现高碳产业增长;同时,提高能源利用效率,降低其对能源投入的依赖,进而弱化能源回弹效应的影响。
(3)鼓励并帮助企业完成低碳设备升级和技术创新。高碳产业在能源回弹效应下出现低碳技术突变次数减少、技术进步缓慢及碳减排能力减弱等趋势。鉴于此,一是合理评估高碳产业减排潜力。随着高碳产业低碳技术进步与设备不断升级,其减排能力也随之提升。为最大限度激发高碳产业减排意愿,同时不增加过度减排负担,应测算出其减排能力范围,防止回弹效应出现;二是提高碳减排不力企业税费,并将其中一部分作为奖励,给予高碳产业中碳减排力度大的企业,弥补其部分经济损失。碳减排具有外部性,如果企业减排意愿仅停留在符合排放标准上,那么会损害到碳减排技术进步。然而,低碳技术进步由企业承担技术投入成本,又依赖于企业推进,如果缺乏一定的激励措施,就会因为投资风险和负外部性可能导致低碳技术发展停滞;三是低碳技术进步不可避免地会淘汰部分企业,或在区域间发生产业转移。因此,政府应完善企业破产保护制度,做好区域间产业转移和承接的“桥梁”,特别是利用产业转移这一契机,更新生产设备,提升生产环保水平,同时避免产能过剩。
[1] 张恪渝,廖明球,杨军.绿色低碳背景下中国产业结构调整分析[J].中国人口·资源与环境,2017,27(3): 116-122.
[2] 李平.社会-技术范式视角下的低碳转型[J].科学学研究,2018,36(6):1000-1007.
[3] 张盼,熊中楷.基于政府视角的最优碳减排政策研究[J].系统工程学报,2018,33(5): 627-636.
[4] 邵帅,张可,豆建民.经济集聚的节能减排效应: 理论与中国经验[J].管理世界,2019 (1): 36-59.
[5] 赵黎明,殷建立.碳交易和碳税情景下碳减排二层规划决策模型研究[J].管理科学,2016(1): 137-146.
[6] 程时雄,柳剑平,龚兆鋆.中国工业行业节能减排经济增长效应的测度及影响因素分析[J].世界经济,2016,39(3): 166-192.
[7] 周喜君.中国二氧化碳减排过程中的技术偏向研究[J].科研管理,2018,39(5):29-37.
[8] 黄凌云,谢会强,刘冬冬.技术进步路径选择与中国制造业出口隐含碳排放强度[J].中国人口·资源与环境,2017,27(10):94-102.
[9] 刘朝,周宵宵,张欢,等.中国居民能源消费间接回弹效应测算:基于投入产出和再分配模型的研究[J].中国软科学,2018,334(10):147-162.
[10] BENTZEN J.Estimating the rebound effect in US manufacturing energy consumption[J].Energy Economics,2004,26(1):123-134.
[11] LIN B,LIU X.Dilemma between economic development and energy conservation:energy rebound effect in China[J].Energy,2012,45(1):867-873.
[12] LIN B,LI J.The rebound effect for heavy industry:empirical evidence from China[J].Energy Policy,2014,74:589-599.
[13] LIN B,TIAN P.The energy rebound effect in China's light industry: atranslog cost function approach[J].Journal of Cleaner Production,2016,112:2793-2801.
[14] LIN B,ZHAO H.Technological progress and energy rebound effect in China?s textile industry:evidence and policy implications[J].Renewable and Sustainable Energy Reviews,2016,60:173-181.
[15] LIN B,XIE X.Factor substitution and rebound effect in China's food industry[J].Energy Conversion and Management,2015,105:20-29.
[16] 李小平,卢现祥.国际贸易、污染产业转移和中国工业CO2排放[J].经济研究,2010(1):15-26.
[17] 王明喜,胡毅,郭冬梅,等.低碳经济:理论实证研究进展与展望[J].系统工程理论与实践,2017,37(1):17-34.
[18] 马丽梅,史丹,裴庆冰.中国能源低碳转型(2015-2050):可再生能源发展与可行路径[J].中国人口·资源与环境,2018,28(2):8-18.
[19] OHNISHI S,FUJII M,OHATA M,et al.Efficient energy recovery through a combination of waste-to-energy systems for a low-carbon city[J].Resources,Conservation and Recycling,2018,128: 394-405.
[20] HAYASHI D.Knowledge flow in low-carbon technology transfer:a case of India's wind power industry[J].Energy Policy,2018,123: 104-116.
[21] 崔强,徐鑫,匡海波.基于RM-DEMATEL的交通运输低碳化能力影响因素分析[J].管理评论,2018(1):210-220.
[22] SETO K C,DAVIS S J,MITCHELL R B,et al.Carbon lock-in: types,causes,and policy implications[J].Annual Review of Environment and Resources,2016,41: 425-452.
[23] MATTAUCH L,CREUTZIG F,EDENHOFER O.Avoiding carbon lock-in: policy options for advancing structural change[J].Economic Modelling,2015,50: 49-63.
[24] 吴力波,钱浩祺,汤维祺.基于动态边际减排成本模拟的碳排放权交易与碳税选择机制[J].经济研究,2014(9):48-61.
[25] 张晓娣,刘学悦.征收碳税和发展可再生能源研究——基于OLG-CGE模型的增长及福利效应分析[J].中国工业经济,2015(3):18-30.
[26] TRICCO A C,LILLIE E,ZARIN W,et al.A scoping review on the conduct and reporting of scoping reviews [J].Bmc Medical Research Methodology,2016,16(1):1-10.
[27] HAMILTON J,MAYNE R,PARAG Y,et al.Scaling up local carbon action: the role of partnerships,networks and policy[J].Carbon Management,2014,5(4):463-476.
[28] HAELG L,WAELCHLI M,SCHMIDT T S.Supporting energy technology deployment while avoiding unintended technological lock-in: a policy design perspective[J].Environmental Research Letters,2018,13(10): 104011.
[29] 朱瑞博.核心技术链、核心产业链及其区域产业跃迁式升级路径[J].经济管理,2011(4):43-53.
[30] ZHU S,YE A.Does the impact of China's outward foreign direct investment on reverse green technology process differ across countries[J].Sustainability,2018,10(11): 3841.
[31] WONG C Y,GOH K L.Catch-up models of science and technology: a theorization of the Asian experience from bi-logistic growth trajectories[J].Technological Forecasting and Social Change,2015,95: 312-327.
[32] FURUKAWA Y.Leapfrogging cycles in international competition[J].Economic Theory,2015,59(2): 401-433.
[33] WANG N,WEI W.China's regional rebound effect based on modelling multi-regional CGE[J].Applied Economics,2019: 1-15.
[34] LIN B,TAN R.Estimating energy conservation potential in China's energy intensive industries with rebound effect[J].Journal of Cleaner Production,2017,156: 899-910.
[35] LU M,WANG Z.Rebound effects for residential electricity use in urban China: an aggregation analysis based EIO and scenario simulation [J].Annals of Operations Research,2017,255(1-2): 525-546.
[36] HAN H,HAWKEN S.Introduction:innovation and identity in next-generation smart cities[J].City,Culture and society,2018,12: 1-4.
[37] 冯烽.能效改善与能源节约: 助力还是阻力——基于中国 20 个行业能源回弹效应的分析[J].数量经济技术经济研究,2018 (2): 82-98.
[38] KARMELLOS M,KOPIDOU D,DIAKOULAKI D.A decomposition analysis of the driving factors of CO2 (Carbon dioxide) emissions from the power sector in the European Union countries[J].Energy,2016,94: 680-692.
[39] 李小胜,安庆贤.环境管制成本与环境全要素生产率研究[J].世界经济,2012(12):23-40.
[40] 马大来,陈仲常,王玲.中国省际碳排放效率的空间计量[J].中国人口·资源与环境,2015,173(1):67-77.
[41] 沈能,王艳,王群伟.集聚外部性与碳生产率空间趋同研究[J].中国人口·资源与环境,2013,23(12):40-47.
[42] 李筱乐.市场化、工业集聚和环境污染的实证分析[J].统计研究,2014,31(8):39-45.
[43] SU H N,MOANIBA I M.Does innovation respond to climate change? empirical evidence from patents and greenhouse gas emissions[J].Technological Forecasting and Social change,2017,122(9):49-62.
[44] 查建平,唐方方,别念民.结构性调整能否改善碳排放绩效——来自中国省级面板数据的证据[J].数量经济技术经济研究,2012(11):18-33.
[45] 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):25-33.
[46] 韩坚,盛培宏.产业结构、技术创新与碳排放实证研究——基于我国东部15个省(市)面板数据[J].上海经济研究,2014(8):67-74.
[47] 原嫄,席强敏,孙铁山,等.产业结构对区域碳排放的影响——基于多国数据的实证分析[J].地理研究,2016,35(1):82-94.
[48] 徐成龙,任建兰,巩灿娟.产业结构调整对山东省碳排放的影响[J].自然资源学报,2014,29(2):201-210.
[49] 谢静,马爱霞.创新视角下我国医药制造业集聚水平分析——基于DO指数的企业精准地理位置测度[J].科技管理研究,2017,37(15):178.
[50] 魏峰, 武晓明.基于投入产出表的中国房地产业经济效应分析[J].统计与决策,2017(18):146-149.