The Effect of Green Technology Innovation on Carbon Emission：
An Analysis Based on Nonlinear Mediating Effects and Moderating Effects

Xu Junwu1,2,Chen Zhaoxiong1

(1.School of Business, Hubei University;2.Research Center of Open Economy, Wuhan 430062, China)

Abstract：Strengthening green technology innovation and promoting major scientific and technological applications are of great significance for achieving the carbon peaking and carbon neutrality goals of China. However, existing studies indicate that technological innovation may not consistently mitigate environmental pollution, and there is ongoing debate about the global efficacy of green technology innovation in reducing carbon emissions. The implementation of green technology may paradoxically heighten energy consumption, resulting in a carbon rebound effect that exceeds emission reductions achieved through technological progress. This could lead to a significant increase in carbon emissions, posing a substantial challenge. Theoretically, the moderating roles of the government, degree of marketization, and public attention are also pivotal in mitigating the impact of green technology innovation on carbon emissions. Hence, this paper systematically organizes the comprehensive impacts and mechanisms of green technology innovation on carbon emissions.

Green technology innovation has a multifaceted impact on carbon emissions. On one hand, it enhances energy efficiency through technological upgrades, reducing consumption and lowering production costs for businesses with unchanged energy demand. According to Cost theory, this triggers increased product demand, prompting companies to raise input factors that lead to growth in energy demand, consumption, and carbon emissions—an effect known as the output effect. Additionally, improved energy efficiency may lower fossil energy prices, potentially increasing demand and weakening the expected impact of green technology. On the other hand, green technology innovation can reduce carbon emissions at different production stages. Clean energy sources like solar and wind power can replace fossil energy, while innovation in production processes improves energy utilization efficiency and production efficiency, indirectly reducing carbon emissions without changing total output. Thus, it contributes to effective carbon emission reduction by optimizing pollution control technologies, developing carbon sink technologies and carbon storage technologies.The government, market, and the public are crucial in this process. Green technology innovation involves substantial investment and slow returns, with a typical policy-driven role and greater external dependence compared to other technological innovations. Government policies can rectify market failures, restrain polluting enterprises, and guide technological and industrial development through incentives. As policies gradually recede, the market assumes a more pivotal role. In the competitive landscape, a "survival-of-the-fittest" mechanism compels enterprises to transform. Joint government and public oversight influence decisions, impacting adjustments in technology research and development direction and intensity.

Using the panel data of prefecture-level cities in China from 2011 to 2021, this paper introduces novel approaches by employing both parametric and non-parametric models to assess the non-linear relationship between green technology innovation and carbon emissions. Moreover, it utilizes a mediating effect model to analyze the factors contributing to the formation of this non-linear relationship. Additionally, this study expands its scope of investigation to include governmental, market, and public factors. Specifically, it examines the role of the government, market, and the public in relation to their levels of public concern, the implementation of environmental regulations, support for science and technology innovation, and the degree of marketization. The benchmark regression analysis discloses a notable "inverted U"-relationship between green technology innovation and carbon emissions. This distinctive relationship is evident exclusively in non-resource cities, low-carbon pilot cities, and high-quality green technology innovation. The mediating effect analysis underscores that green technology innovation can alleviate carbon emissions by optimizing energy consumption structures. Conversely, it may contribute to increased carbon emissions by impeding industrial structure upgrading. Moreover, moderating effects suggest that increased public concern and support for science and innovation, and a greater degree of marketization positively influence the "inverted U"-relationship between green technological innovation and carbon emissions, rendering the curve steeper. In contrast, environmental regulation exhibits a negative moderating effect on this relationship, flattening the "inverted U"-curve.

The research provides empirical demonstrations to deepen the understanding of the connection between green technological innovation and carbon emissions. It contributes to the enhancement of both theoretical and empirical research in the realms of green technology innovation and carbon emission reduction, and offers insights for theoretical and empirical research on industrial green transformation and green innovation R&D, as well as supporting the formulation and implementation of green policies, such as government environmental supervision and innovation subsidies.

Key Words：Green Technology Innovation; Carbon Emission; Nonlinear Effect; Moderating Effect; Mediating Effect

收稿日期：2023-07-27

修回日期：2023-12-04

基金项目：国家社会科学基金重点项目(19AJL004)

作者简介：徐俊武(1978—),男,湖北武汉人,博士,湖北大学商学院副教授,湖北省开放经济研究中心研究员,研究方向为人口、资源与环境经济学;陈钊雄(1998—),男,广东广州人,湖北大学商学院硕士研究生,研究方向为环境经济学。

DOI：10.6049/kjjbydc.H202307149

开放科学(资源服务)标识码(OSID)：

中图分类号：F204

文献标识码：A

文章编号：1001-7348(2024)08-0022-11

0 引言

加强绿色技术创新重大科技攻关和推广应用,对实现碳达峰、碳中和目标具有重要意义。中共二十大报告明确指出,“要加快节能降碳先进技术研发和推广应用,充分发挥绿色技术创新对绿色低碳发展的关键支撑作用”。2022年12月国家发展改革委、科技部会同有关部门联合印发《关于进一步完善市场导向的绿色技术创新体系实施方案(2023—2025年)》,进一步提出要壮大绿色技术创新主体、加快绿色技术转化应用,发展绿色技术创新成为我国实现“双碳”目标和实施绿色发展战略的重要抓手。

然而,有学者指出技术创新并非总能降低环境污染[1],全球范围内绿色技术创新能否带来碳减排效应存在争议[2]。绿色技术创新是指降低环境污染、减少原材料和能源消耗的一系列技术及工艺,既包含提升化石能源利用效率的节能技术,又包含替代化石能源消耗的清洁能源技术以及降低环境污染的控制和治理技术。首先,绿色技术创新在提高能源利用效率的同时也有可能带来能源消费增长,导致碳排放增加,产生碳回弹效应[3]。当技术进步产生的碳减排量小于碳回弹效应带来的碳增排量时,表现为碳排放净增长。其次,在绿色技术创新尚未成熟地区,清洁能源技术的较高成本会阻碍技术扩散和商业化,从而影响碳减排效应[4]。因此,绿色技术创新有可能无法降低碳排放甚至导致碳排放增长。政府、市场和公众在此过程中扮演重要角色。相对于其它广义技术创新而言,绿色技术创新投资大、收效慢,具有典型政策主导性和较强的外部依赖性特征[5]。政府通过颁布一系列政策扭转市场失灵,如使用命令型政策对污染来源企业进行约束,使用激励性政策引导技术和产业发展。随着政策逐渐退出舞台,市场将扮演更加重要的角色。在激烈的市场竞争中,严格的“优胜劣汰”机制迫使那些无法通过技术创新实现生产率提升的企业不得不转型。另外,消费者需求也会对政府和企业决策产生影响,促使企业对技术研发方向和研发强度作出调整。

基于上述分析,本文试图回答以下问题：绿色技术创新与碳排放是否存在非线性关系?绿色技术创新通过哪些途径影响碳排放?绿色技术创新对碳排放存在哪些异质性影响?政府、市场和公众在绿色技术创新对碳排放影响中发挥什么作用?为此,本文基于2011—2021年中国内地271个地级及以上城市面板数据,运用参数与非参数方法检验绿色技术创新对碳排放的影响,探讨能源消费结构和产业结构的中介效应以及政府、市场与公众的调节作用,进一步分析资源禀赋、专利质量和环境政策的异质性影响。

本文边际贡献在于：一是基于参数和非参数模型检验绿色技术创新对碳排放的倒“U”型影响,能规避变量关系和回归函数设定的主观性问题。同时,结合中介效应模型对倒“U”型关系进行理论阐释。二是借助爬虫技术和文本分析方法构建度量模型,从公众关注、环境规制、科创支持和市场化程度等视角对绿色技术创新与碳排放倒“U”型关系进行分析,可弥补现有研究不足。

1 文献综述

关于绿色技术创新对碳排放的影响,现有研究存在两种观点。部分研究认为绿色技术创新对碳减排具有显著促进作用。Xu等[6]发现绿色技术创新对碳排放具有显著抑制作用,但碳汇技术和碳储存技术抑制作用较弱。相关学者发现N-11国家[7]、G7国家[8]、新加坡[9]和金砖国家[10]绿色技术创新均能显著降低碳排放;Razzaq等[11]指出,绿色技术创新能否降低碳排放与地区碳排放水平有关,只有当地区碳排放水平较高时才能降低碳排放;Shan等[12]运用ARDL模型分析指出,绿色技术创新在长短期均会显著降低碳排放,但短期影响效应较弱。部分文献则认为绿色技术创新碳减排效应不显著(Weina等,2016;胡东兰等,2019)。徐斌等[13]指出,只有当清洁能源发展规模较小且能源消费快速增长时,绿色技术创新才对碳排放具有促进作用;谢里等[14]发现节电技术能显著促进城市总电力消费,在工业和生活电力消费方面表现尤为明显;Dauda等[15]认为技术创新与碳排放存在倒“U”型非线性关系;Chen等[16]聚焦于空间溢出效应,发现绿色技术创新对本地和邻近地区碳排放强度存在倒“U”型影响。

现有文献主要从经济发展、经济周期等角度分析绿色技术创新对碳排放的影响机制。Du等[17]、Du &Li [18]发现欠发达经济体技术创新应用成本与发达经济体存在较大差距,发达经济体绿色技术创新能显著降低碳排放,而欠发达经济体则不显著;Xin等[19]从经济周期视角展开研究,发现绿色技术创新在经济繁荣期有助于降低碳排放,但在经济衰退期则不利于减少碳排放;Lin等[20]发现,只有当人力资本水平达到一定程度时,绿色技术创新才能呈现显著碳减排效应。

上述研究对理解绿色技术创新对碳排放的影响提供了诸多参考,但存以下不足：第一,对绿色技术创新与碳排放非线性关系的研究较少,且未对导致非线性关系的原因进行分析。只有少量文献基于参数模型对经济变量关系进行分析,但回归函数设定带有一定主观性。第二,主要从经济发展和经济周期等角度进行分析,对政府、市场和公众行为影响绿色技术创新碳减排效应的研究较少。鉴于此,本文使用参数与非参数模型,从政府、市场和公众视角分析绿色技术创新对碳排放的影响效应。

2 理论分析与研究假设

2.1 绿色技术创新对碳排放的非线性影响

绿色技术创新涉及多种类型,企业在不同生产阶段应用不同类型绿色技术产生的效果不同。一方面,绿色技术创新通过技术迭代升级提升能源使用效率,既能在能源需求不变情况下减少能源消耗,又能降低企业生产成本。根据成本理论,这会使生产可能性边界外移,引致产品需求增加。为追逐利润最大化,企业会增加要素投入以扩大产能,从而导致能源需求、能源消耗和碳排放增长。同时,技术创新的高风险和高成本特征会对生产带来压力,企业受利润驱使会通过增加产出弥补这一风险,这种由产出增加引起的碳排放增长被称为产出效应。此外,能源效率提升会在一定程度上推动化石能源价格下降,若其它要素价格没有抵消性下跌,那么低廉的化石能源将会替代资本和劳动等生产要素,引发化石能源需求上涨,从而削弱绿色技术创新对降低碳排放的预期作用。这两者均是绿色技术创新碳回弹效应的重要来源,也是绿色技术创新对碳排放产生促进作用的主要原因。另一方面,绿色技术创新各环节均能降低碳排放。首先,太阳能、风能等清洁能源可代替化石能源,从源头上减少碳排放。其次,生产流程和工艺改进能提高能源利用效率和生产率,在总产能不变前提下间接降低碳排放。再者,优化生产末端污染治理技术、发展碳汇技术和碳储存技术同样可以减少碳排放。

基于我国现状,煤炭等化石能源作为主要工业生产燃料,具有存量大、稳定性高等特点,导致我国化石能源使用存在强惯性和路径依赖特征,清洁能源则面临能源来源不稳定性和间歇性以及缺乏长期大容量储能技术的困境。当绿色技术创新水平较低时,创新活动多集中在能源效率提升上,且伴随着质量和产业价值低的问题。在政府排放标准压力下,产出上升带来的碳排放增加会超过能源效率提升所节省的能源下降,导致碳回弹效应占主导地位,使得绿色技术创新呈现对碳排放的促进作用。而当绿色技术创新水平提升到一定程度后,越来越多的清洁能源进入生产领域,绿色技术创新推动能源系统整合,各种绿色技术更好地实现协同,促使绿色技术创新清洁效应占主导地位,进而对碳排放产生抑制作用。据此,本文提出以下假设：

H1：绿色技术创新与碳排放呈倒“U”型关系。

2.2 能源消费结构与产业结构的中介效应

能源消费结构受绿色技术创新的影响,绿色技术创新有利于提升资源配置效率。在要素自由流动的前提下,随着绿色技术创新水平提升,低碳和零碳技术愈发成熟,使用成本逐渐下降,更多清洁能源进入生产领域,清洁技术研发和应用占比增加,化石能源消耗占比下降,可从源头上掐断碳排放来源。产业结构同样受绿色技术创新的影响。绿色技术创新水平提高有利于人才和资本等要素向低碳生产性服务业流动,加速高污染行业向低污染行业转移,然而新技术应用和能源效率提升往往伴随着产量增加,推动第二产业产值增加,加剧化石能源消耗。在其它生产要素使用不变的前提下,绿色技术创新引起能源消费净增长会增加碳排放,进而产生碳回弹效应。据此,本文提出以下假设：

H2a：绿色技术创新水平提升通过优化能源消费结构降低碳排放;

H2b：绿色技术创新水平提升会阻碍产业结构优化,进而增加碳排放。

2.3 政府因素的调节效应

政府通过命令型政策和激励型政策优化资源配置,弥补市场失灵。其中,命令型环境规制以法律法规、地方性标准规章为手段约束污染企业碳排放,而科创支持则通过补贴等非规制激励性政策引导绿色产业发展和技术革新。环境规制主要从两个方面影响碳排放：一方面,根据“波特假说”,适宜的环境规制可提升企业绿色创新能力[21]。有效的环境规制能为绿色技术创新提供良好外部环境,鼓励企业投入更多资源和精力进行研发和应用创新。另一方面,面对绿色技术创新高风险、高成本、长周期,以及地方环保标准、排放限额等管制措施,企业有可能会采取不利于降低碳排放的规避策略,或将污染产业转移,或调整产出以满足碳排放标准。科创支持也从两个方面影响碳排放：一方面,科创支持通过费用减免和税收优惠政策降低企业技术研发成本及风险,并建立完善的绿色技术专利申请保护制度。另一方面,科创支持能降低绿色行业进入门槛,使缺乏创新能力的企业通过低质量创新获取激励,从而挤出高质量绿色投资[22],造成“劣币驱逐良币”现象。

关于环境规制,一方面,当企业绿色技术创新水平较低时,清洁技术较少,研发成本较高,环境规制会使企业减产甚至退出市场以降低碳排放,从而弱化绿色技术创新对碳排放的促进作用。另一方面,随着绿色技术创新水平提升,清洁能源代替高碳能源,有利于降低碳排放。然而,命令型环境规制会增加制度遵循成本,挤出企业用于绿色技术创新的资源,从而弱化绿色技术创新对碳排放的抑制作用。

关于科创支持,一方面,地方政府在高压行政命令下会施行多种激励性政策,并要求企业承担环保责任。当企业绿色技术创新水平较低时,由于面临高风险和不确定性,创新激励很难推动高质量创新。由于信息不对称,政府很难识别高质量创新,导致对高质量绿色投资产生挤出效应。因此,科创支持会强化绿色技术创新对碳排放的促进作用。另一方面,随着绿色技术创新水平提升,完善的专利制度与技术转化路线能降低企业创新成本和风险,成熟的上下游产业链和透明的行业信息能帮助政府识别优质企业,逐步退出的激励性政策也能筛选出具有竞争力的企业。可见,科创支持会强化绿色技术创新对碳排放的抑制作用。据此,本文提出以下假设：

H3a：环境规制对绿色技术创新与碳排放倒“U”型关系起负向调节作用;

H3b：科创支持对绿色技术创新与碳排放倒“U”型关系起正向调节作用。

2.4 市场与公众因素的调节效应

政府采取最大化公众满意度的治理模式更能实现社会福利最大化(陈钊等,2011)。现有研究表明,环境污染会降低公众对地方政府的信任度[23]。因此,随着民意传达机制的不断完善,公众会通过获取环境信息、参与环境监督影响政府和企业环保行为,减少政府扭曲性配置,传递产品价格、数量、潜在买方和卖方信息,促进创新资源优化配置。公众关注从两个方面影响碳排放：一方面,公众可直接参与污染治理,通过与污染企业进行谈判或通过司法途径解决纠纷;或通过民意传达机制向政府传递环保监督意见,间接影响企业绿色创新行为。公众还能向市场传递绿色产品需求,引致绿色投资和创新活动。另一方面,为满足公众即时需求,政府或企业可能会采取短期环保措施,从而带来更严重的长期污染问题。公众会集中关注某些特定环境问题,如污水排放、雾霾等,而忽视其它带来碳排放增长的因素。市场化程度从两个方面影响碳排放：一方面,成熟的市场经济制度、清晰的产权安排和完善的法治环境有利于激发企业创新活力,市场化能为人力资本和资金在行业间转移提供条件,促使创新要素向创新部门和绿色领域集聚。另一方面,对于新兴行业而言,市场需求和价格存在较大波动,这会增加企业运营风险,使企业过早地将尚不成熟的技术推向市场。

关于公众关注,一方面,当绿色技术创新水平较低时,污染企业无法在短期内掌握清洁生产技术,为实现环保目标,政府可能会采取短期措施控制污染排放,从而强化绿色技术创新对碳排放的长期促进作用。另一方面,随着绿色创新技术逐渐成熟,公众既能通过环保提案向政府提出环境诉求,从而优化政府环保政策;也能通过舆论对企业施加压力,促进绿色投资,从而强化绿色技术创新对碳排放的抑制作用。

关于市场化程度,一方面,当绿色技术创新水平较低时,企业会采取更稳健的技术进步方式抢占市场份额,并倾向于能源效率改进型绿色技术进步,而非风险和成本更大的突破性技术。因此,市场化程度会强化绿色技术创新对碳排放的促进作用。另一方面,当绿色技术创新水平较高时,市场化吸引资源向绿色创新领域集聚。同时,市场化能筛选出具有成本优势和技术竞争力的企业,淘汰技术实力较弱的企业,使拥有高质量绿色创新技术的企业占有更多市场份额,最终强化绿色技术创新对碳排放的抑制作用。据此,本文提出以下假设：

H3c：公众关注对绿色技术创新与碳排放倒“U”型关系起正向调节作用;

H3d：市场化程度对绿色技术创新与碳排放倒“U”型关系起正向调节作用。

综上所述,本文构建研究框架如图1所示。

3 研究设计

3.1 模型构建

基于理论分析,为探究绿色技术创新对碳排放的影响效应,本文构建如下计量模型：

(1)

其中,被解释变量为地区碳排放总量,Giit表示i城市第t年的绿色技术创新水平;(lnGiit)2表示绿色技术创新对数平方项;Controlit为控制变量,包括人口总量、人口密度、人均GDP、城镇化率;μi、vt分别为个体固定效应和时间固定效应;εit为随机误差项。

考虑到变量间关系和回归函数形式设定带有一定主观性,故引入非参数可加模型,进一步检验绿色技术创新与碳排放之间的非线性关系,如式(2)所示。

(2)

其中,fj(xij)为解释变量的非参数函数,Yi为被解释变量。该模型通过一元非参数估计方法呈现解释变量与被解释变量之间的非线性关系,为与传统线性参数模型结合,将线性部分加入式(2),得到式(3)。

(3)

其中,α、βj分别为常数项和解释变量的线性回归参数,其它参数与式(2)相同。该模型不仅能显示解释变量与被解释变量之间的线性关系,还能给出两者之间的非线性关系。将非参数回归模型与式(1)结合,设定如下非参数模型：

(4)

其中,分别表示绿色技术创新与其它控制变量的非参数函数,其它参数与式(1)相同。

本文构建中介效应模型和调节效应模型验证绿色技术创新对碳排放的影响机制。由于随机干扰项可能存在既影响中介变量又影响被解释变量的因素,也有可能存在中介变量与被解释变量反向因果问题,从而导致核心解释变量和中介变量估计结果存在偏误(江艇,2022),因此通过式(1)检验绿色技术创新对碳排放的因果效应,通过式(5)检验中介效应,通过式(6)检验调节效应,分别构建如下模型：

(5)

(6)

其中,Mit为中介变量;Dit为调节变量;其它部分与式(1)相同。

3.2 变量选取与数据说明

本文选取2011—2021年中国内地271个地级及以上城市为研究对象,主要基于以下考虑：第一,2010年7月国家发展改革委发布《关于开展低碳省区和低碳城市试点工作的通知》,确立包括广东、天津等在内的5省8市为首批低碳试点,标志着低碳发展正式被引入城市范畴。第二,为确保数据时效性和有效性,样本数据截至年份为2021年。此外,剔除部分缺失值较多的城市,最终得到271个城市样本数据,数据主要来源于《中国城市统计年鉴》《中国能源统计年鉴》等。

本文对样本数据作如下处理：①对涉及价格指数的指标调整为以2011年为基期的不变价格;②对调节变量作中心化处理;③考虑到数据离散程度和变量的经济含义,对非百分比变量作对数化处理;④对少量数据缺失样本城市采用插值法补齐。

(1)被解释变量：碳排放总量。城市碳排放既包括直接能源消耗,如天然气和液化石油气等,也包括间接能源消耗,如供热消耗和电力消耗(任晓松等,2020)。本文使用供气总量、供热总量和全社会用电量3类能源消费对碳排放总量进行测算,其中供气总量包括天然气和液化石油气。

(2)核心解释变量。本文使用绿色专利申请量表征绿色技术创新。专利数据代表创新活动产出,体现创新价值。不同于授权专利审查周期较长且在申请过程中就会对生产活动产生影响(黎文靖等,2016),专利申请数据更加稳定可靠,契合本文研究需要。

(3)中介变量。本文使用清洁能源占比表征能源消费结构,用第二产业产值占GDP的比重表征产业结构。考虑到市级层面缺乏一级能源消耗数据,且碳排放主要来自电力部门,故通过计算非火力发电占比衡量清洁电力占总发电量的比重,结合全社会用电量和能源消耗总量计算清洁能源在总能源消耗中的占比,以此表征能源消费结构。其中,全社会用电量为市级层面数据,非火力发电占比为省级层面数据。

(4)调节变量：公众关注、环境规制、科创支持和市场化程度。首先,本文爬取2011年1月1日至2021年12月31日各地每日的“雾霾”百度指数,通过加总得到每年的公众关注指标。其次,使用文本分析方法,从各城市政府工作报告中提取与环保、污染相关的词频,包括绿色、低碳等15个词汇,使用以上词汇词频占报告全文字数的比重构建环境规制指标。再次,参考卓乘风等(2017)的研究,采用科技活动经费筹集总额中政府资金占比衡量政府对地区创新的支持程度。由于该指标在市级数据中缺失,故使用科技投入占一般财政预算支出的比重表征科创支持,用以衡量政府对地区创新活动的支持力度。最后,借鉴樊纲等(2011)的设计思路,通过构建地级市市场化指数衡量地区市场化程度。

(5)控制变量。本文控制对碳排放具有显著影响的一系列变量,包括人口总量、人口密度、人均GDP、城镇化率。其中,用地区总人口表征人口总量,用地区总人口与地区总面积的比值表征人口密度,用GDP和地区总人口的比值表征人均GDP,用城镇建成区面积占地区总面积的比重表征城镇化。

本文主要变量描述性统计结果如表2所示,样本由2011—2021年中国内地271个城市构成,共2 981个观测值,各变量样本统计特征均处于合理范围内。从中可见,我国整体碳排放水平较高,与实际情况相符。碳排放总量和绿色技术创新标准差较大,说明各地区绿色技术创新水平和碳排放量存在较大差异,是研究绿色技术创新对碳排放影响的事实基础。

4 实证结果分析

4.1 基准回归分析

由表3列(1)和列(2)结果可知,绿色技术创新与碳排放呈显著正向线性关系,表明现阶段我国绿色技术创新碳减排效应不显著。由列(3)和列(4)结果可知,绿色技术创新二次项系数显著为负,表明绿色技术创新对碳排放的作用呈现显著倒“U”型关系,且加入控制变量后核心解释变量显著性和系数未发生实质变化。由表3列(5)结果可知,非参数可加模型线性结果与参数估计结果相近。由图2可知,绿色技术创新对碳排放的倒“U”型关系在1%水平上显著。综合参数与非参数模型估计结果,绿色技术创新水平提升对碳排放逐渐从促进作用转为抑制作用,假设H1得到验证。此外,东部地区绿色技术创新对碳排放呈现首末平缓中间陡峭向下趋势,整体而言显著抑制了碳排放增长;中部地区与西部地区存在显著倒“U”型关系,但中部地区实证结果不显著。

4.2 内生性问题

对于可能存在的内生性问题,本文从反向因果、遗漏变量两方面进行实证检验。首先,环境恶化会激发民众对环保的需求,从而影响政府规制和企业生产,因此碳排放有可能会对绿色技术创新产生影响。考虑到当期碳排放不会对历史绿色技术创新产生影响,故本文使用工具变量法,将绿色技术创新与其平方项的一阶滞后项以及各省份每年平均绿色专利量的一阶滞后项作为工具变量进行两阶段最小二乘回归(2SLS),结果如表4列(1)—列(4)所示。其次,尽管本文在充分参考现有文献的基础上纳入许多控制变量,但仍有可能存在遗漏变量的问题,从而导致估计结果不一致,故采用动态面板模型,加入碳排放一阶滞后项进行系统广义矩阵分析,控制不可观测因素的影响,结果如表4列(5)所示。结果表明,绿色技术创新与碳排放呈现倒“U”型关系,与基准回归结果一致。同时,rk LM检验、Wald F检验结果表明不存在识别不足和弱工具变量的问题;Hansen检验结果说明估计结果有效。

4.3 稳健性检验

本文使用多种方法进行稳健性检验,以保证研究结论的可靠性。第一,知识产权高质量发展会影响专利质量,进而影响碳减排效果。本文将样本期截至2018年,排除政策变化对实证结果的影响,结果如表5列(1)所示。第二,考虑到直辖市特殊性可能会对回归结果普遍性产生不良影响,故剔除直辖市样本再次进行回归,结果如表5列(2)所示。第三,绿色专利的影响可能存在一定滞后效应,因此对所有变量进行一阶滞后处理,结果如表5列(3)所示。第四,考虑到极端值的影响,本文对所有变量进行1%的双边缩尾处理,结果如表5列(4)所示。第五,忽略污染物空间扩散和转移的影响有可能导致估计结果偏误,故基于地理距离空间权重矩阵(W1)、经济与地理距离空间权重矩阵(W2)构建空间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM)进行回归分析。结果表明,绿色技术创新与碳排放存在倒“U”型关系,与基准回归模型估计结果一致,说明研究结论具有稳健性。此外,在空间面板模型中纳入绿色技术创新空间滞后项亦未改变倒“U”型关系。

5 拓展分析

5.1 异质性分析

5.1.1 专利质量

不同类型绿色专利审查程度不同,其内含的创新性和实际应用价值也不同。相比于绿色实用型专利,绿色发明专利在实用性和创新性上有更高要求(陶锋等,2021)。因此,本文将绿色专利细分为绿色发明专利和绿色实用型专利进行回归分析,估计结果如表6列(1)和列(2)所示。结果表明,绿色发明专利二次项系数在1%水平上显著为负,而绿色实用型专利系数不显著,说明绿色发明专利具有显著碳减排效应,意味着高质量绿色技术创新在碳减排中发挥主要作用。

5.1.2 资源禀赋

中国各城市资源禀赋差异较大,导致绿色技术创新研发和应用存在较大差距。本文将样本划分为资源型城市和非资源型城市,估计结果如表6列(3)和列(4)所示。结果表明,资源型城市绿色技术创新一次项和二次项系数不显著,非资源型城市则存在倒“U”型关系。这可能是因为资源型城市存在资源禀赋路径依赖,更倾向于能源效率改进型绿色技术创新,较强的碳回弹效应削弱了绿色技术创新对碳排放的抑制作用。

5.1.3 环境政策

政府行政干预会影响企业创新行为。我国于2010年和2012年分批开展了低碳城市试点工作,本文将样本城市划分为低碳试点城市和非低碳试点城市。考虑到第三批试点城市实施时间较晚,因此仅纳入第一批和第二批低碳试点城市作为研究对象,估计结果如表6列(5)和列(6)所示。结果表明,低碳试点城市绿色技术创新与碳排放呈显著倒“U”型关系,而非低碳试点城市碳减排效应不显著,表明低碳城市试点政策推进了绿色技术创新碳减排进程。

5.2 机制检验

5.2.1 中介效应检验

表7列(1)结果显示,绿色技术创新一次项系数显著为正,表明绿色技术创新能显著优化能源消费结构,存在显著清洁效应。列(2)绿色技术创新二次项系数为负,但显著性较弱,且绿色技术创新对能源消费结构化从促进作用转为抑制作用的拐点约为15 000,远高于大部分城市绿色技术创新水平。整体而言,绿色技术创新能提升清洁能源占比,进而降低碳排放,假设H2a得到验证。这说明,积极调整能源消费结构是推动城市碳减排的关键路径。列(3)和列(4)结果显示,绿色技术创新与产业结构系数显著为正,但加入绿色技术创新二次项后一次项系数不显著,二次项系数显著为正。绿色技术创新与产业结构非线性关系拐点约为3,远低于大部分城市绿色技术创新水平。整体而言,绿色技术创新仍显著推动第二产业发展,导致碳排放增长,假设H2b得到验证。碳回弹效应并未因绿色技术创新水平提升而消失,说明碳回弹效应是绿色技术创新实现碳减排效应的主要阻碍。

5.2.2 调节效应分析

表8列(1)结果显示,环境规制与绿色技术创新二次项交互项系数显著为正,表明环境规制对绿色技术创新与碳排放倒“U”型关系起负向调节作用,环境规制使原有倒“U”型曲线更加平缓,假设H3a成立。列(2)结果显示,科创支持与绿色技术创新二次项交互项系数显著为负,表明科创支持对绿色技术创新与碳排放倒“U”型关系起正向调节作用,使倒“U”型曲线更加陡峭, 假设H3b得到验证。列(3)结果显示,公众关注与绿色技术创新二次项交互项系数显著为负,表明公众关注对绿色技术创新与碳排放倒“U”型关系起正向调节作用,使倒“U”型曲线更加陡峭,假设H3c得到验证。此外,公众关注使倒“U”型曲线拐点右移即延迟出现。列(4)结果显示,市场化程度与绿色技术创新二次项的交互项系数显著为负,表明市场化程度对绿色技术创新与碳排放倒“U”型关系起正向调节作用,使倒“U”型曲线更加陡峭,假设H3d得到验证。

6 结语

6.1 研究结论

本文基于2011—2021年中国内地271个地级及以上城市面板数据,采用参数和非参数模型检验绿色技术创新与碳排放的非线性关系,得出以下结论：第一,绿色技术创新与碳排放呈倒“U”型关系,参数方法和非参数方法均得出相同结论。第二,倒“U”型关系由绿色技术创新对能源消费结构的清洁效应以及对产业结构的碳回弹效应叠加形成,当绿色技术创新水平较低时碳回弹效应占主导地位,反之清洁效应占主导地位。第三,环境政策能促进碳减排,资源依赖和低质量创新是绿色技术创新产生碳减排效应的主要阻碍。第四,公众关注、科创支持和市场化程度强化了绿色技术创新与碳排放的倒“U”型关系,使倒“U”型曲线更加陡峭;环境规制则弱化了绿色技术创新与碳排放之间的倒“U”型关系,使倒“U”型曲线更平缓。

6.2 政策建议

根据上述研究结论,本文提出如下政策建议：

(1)培育绿色创新主体,增强绿色技术创新能力。研究发现,绿色技术创新只有达到拐点后才能显著降低碳排放。因此,对于超过拐点的城市,应重点研发核心绿色技术,深化产学研融合,畅通成果转化路径,实现关键核心技术攻关和应用。对于未达到拐点的城市,应通过提高免税额度、加大财政补贴等措施培育本地市场,支持中小微企业绿色创新,同时避免过度激励挤出高质量绿色投资。

(2)推动清洁能源发展,提高减污降碳能力。一是加快风能、太阳能、生物质能等清洁能源开发与利用,降低化石能源占比。二是加强高耗能领域减污降碳技术研发。研究发现,资源型城市绿色技术创新碳减排效应不显著,说明化石能源丰富地区存在一定程度路径依赖,因此需因地制宜地制定碳减排政策。在传统化石能源依赖地区除发展清洁能源外,还应研发传统能源清洁利用技术,如清洁燃油等。

(3)加强配套政策支持,夯实绿色发展制度保障。地方政府应适度增加绿色产业发展财政支出,设立“煤炭清洁高效利用专项资金”等财政专设项目,激励高校、企业等创新主体进行绿色技术创新。同时,加大绿色技术金融支持力度,综合应用绿色基金和绿色保险等方式支持绿色技术创新项目,调整绿色贷款门槛和额度,缩减对高污染、高耗能产业的不合理补贴。

(4)充分发挥市场机制作用,完善政府与公众共治体系。完善产权制度和要素市场化配置,实现产权有效激励、要素自由流动、竞争公平有序、企业优胜劣汰。同时,发展清洁技术,加强清洁技术知识产权保护,营造良好的创新环境。在共治体系方面,应提高公众环境意识和参与度,建立信息透明、公开公正的决策机制,加强环境法规执行力度,确保绿色技术创新碳减排作用得到充分发挥。

6.3 不足与展望

本文存在以下不足：第一,未将绿色技术创新带来的碳回弹效应和清洁效应纳入数理模型,未构建解释绿色技术创新与碳排放非线性关系的一般性理论框架,未来需进一步完善该领域理论框架。第二,受限于数据可得性,仅从省级层面非火力发电占比和地级市全社会发电量构建地级市清洁能源占比指标,可能导致研究结果存在偏误,未来应综合考虑其它因素,提高研究结论的准确性。第三,根据创新性将专利类型划分为发明专利和实用型专利,未来应考虑多维度创新对碳排放的影响,如知识等,以拓展理论宽度。

参考文献：

[1] 王培鑫,吕长江.环境保护与经济发展能否和谐共进——来自创新的经验证据[J].南开管理评论,2023,26(1)：67-83.

[2] CAI J, ZHENG H, VARDANYAN M, et al. Achieving carbon neutrality through green technological progress： evidence from China[J]. Energy Policy, 2023, 173： 113397.

[3] 贾锐宁,邵帅,杜克锐,等.中国碳回弹效应的时空格局、动态演进及驱动因素——基于改进的碳排放随机前沿模型的实证考察[J].中国软科学,2022,37(12)：23-34.

[4] 邵帅, 范美婷, 杨莉莉. 经济结构调整、绿色技术进步与中国低碳转型发展——基于总体技术前沿和空间溢出效应视角的经验考察[J]. 管理世界, 2022, 38(2)： 46-69,4-10.

[5] 张慧智,孙茹峰.政府环境注意力如何影响区域绿色技术创新——基于政府治理视角的研究[J].科技进步与对策,2023,40(7)：12-22.

[6] XU L, FAN M, YANG L, et al. Heterogeneous green innovations and carbon emission performance： evidence at China′s city level[J]. Energy Economics, 2021,99：105269.

[7] WANG R, MIRZA N, VASBIEVA D G, et al. The nexus of carbon emissions, financial development, renewable energy consumption, and technological innovation： what should be the priorities in light of COP 21 Agreements[J]. Journal of Environmental Management,2020,271：111027.

[8] DING Q, KHATTAK S I, AHMAD M. Towards sustainable production and consumption： assessing the impact of energy productivity and eco-innovation on consumption-based carbon dioxide emissions (CO2) in G-7 nations[J]. Sustainable Production and Consumption, 2021, 27： 254-268.

[9] MEIRUN T, MIHARDJO L W, HASEEB M, et al. The dynamics effect of green technology innovation on economic growth and CO2 emission in Singapore： new evidence from bootstrap ARDL approach[J]. Environmental Science and Pollution Research, 2021, 28(4)： 4184-4194.

[10] JIANG Q, RAHMAN Z U, ZHANG X, et al. An assessment of the effect of green innovation, income, and energy use on consumption-based CO2 emissions： empirical evidence from emerging nations BRICS[J]. Journal of Cleaner Production, 2022, 365： 132636.

[11] RAZZAQ A, WANG Y, CHUPRADIT S, et al. Asymmetric inter-linkages between green technology innovation and consumption-based carbon emissions in BRICS countries using quantile-on-quantile framework[J]. Technology in Society, 2021, 66： 101656.

[12] SHAN S, GENC S Y, KAMRAN H W, et al. Role of green technology innovation and renewable energy in carbon neutrality： a sustainable investigation from Turkey[J]. Journal of Environmental Management, 2021, 294： 113004.

[13] 徐斌, 陈宇芳, 沈小波. 清洁能源发展、二氧化碳减排与区域经济增长[J]. 经济研究, 2019, 54(7)： 188-202.

[14] 谢里,陈宇.节能技术创新有助于降低能源消费吗——“杰文斯悖论”的再检验[J].管理科学学报,2021,24(12)：77-91.

[15] DAUDA L, LONG X, MENSAH C N, et al. Innovation, trade openness and CO2 emissions in selected countries in Africa[J]. Journal of Cleaner Production, 2021, 281： 125143.

[16] CHEN H, YI J, CHEN A, et al. Green technology innovation and CO2 emission in China： evidence from a spatial-temporal analysis and a nonlinear spatial durbin model[J]. Energy Policy, 2023, 172： 113338.

[17] DU K, LI P, YAN Z. Do green technology innovations contribute to carbon dioxide emission reduction? empirical evidence from patent data[J]. Technological Forecasting and Social Change, 2019, 146： 297-303.

[18] DU K, LI J. Towards a green world： how do green technology innovations affect total-factor carbon productivity[J]. Energy Policy, 2019, 131： 240-250.

[19] XIN D, AHMAD M, LEI H, et al. Do innovation in environmental-related technologies asymmetrically affect carbon dioxide emissions in the United States[J]. Technology in Society, 2021, 67： 101761.

[20] LIN B, MA R. Green technology innovations, urban innovation environment and CO2 emission reduction in China： fresh evidence from a partially linear functional-coefficient panel model[J]. Technological Forecasting and Social Change, 2022, 176： 121434.

[21] 纪建悦,许瑶,张懿.民间投资视角下环境规制对绿色全要素生产率的影响研究[J].中国管理科学,2023,31(5)：11-19.

[22] 郭捷,杨立成.环境规制、政府研发资助对绿色技术创新的影响——基于中国内地省级层面数据的实证分析[J].科技进步与对策,2020,37(10)：37-44.

[23] YAO Y, LI X, SMYTH R, et al. Air pollution and political trust in local government： evidence from China[J]. Journal of Environmental Economics and Management, 2022, 115： 102724.

(责任编辑：王敬敏)