-
改革开放以来,中国工业化发展取得了举世瞩目的成绩。然而,中国以重工业为主的“先污染、后治理”和“高污染、高耗能、低质量、低产出”的粗放型和外延式发展模式对生态、资源和环境产生了不良的影响,尤其是生产和加工过程中排放的大量烟尘、粉尘、硫氧化物、氮氧化物等有害气体给人们身体健康和日常生活带来了极大的危害[1]。如果不采取合理的治理措施来遏制环境污染,则大气质量可能无法跨越改善的拐点[2]。人们的健康福祉也可能随之无法得到有效保障。因此,工业大气污染的治理势在必行,而技术创新和技术进步是缓解大气污染的根本推动力。“十二五”和“十三五”期间,各级政府积极提倡工业领域加强技术改造升级,研发节能环保的新技术、新工艺和新装备,发挥科技创新在工业绿色发展中的引领作用[3]。大气污染的治理技术不仅来源于本土的自主研发,而且依赖于国外先进的清洁生产技术。在全球价值链分工和生产网络体系中,拥有绝对优势研发资本的发达国家占据国际技术创新的制高点,掌握保障“蓝天白云”的绿色科技。国务院发布的《大气污染防治行动计划》中提出要“加强大气污染治理先进技术、管理经验等方面的国际交流与合作。”国务院发布的《“十三五”生态环境保护规划》中提出要“促进生态环保理念、管理制度政策、环保产业技术等方面的国际交流合作。”《工业绿色发展规划(2016—2020年)》指出要“强化绿色科技国际合作”。可见,国外先进的绿色技术溢出是治理工业大气污染不可忽略的途径。
目前,就多数发展中国家而言,FDI技术溢出和国际贸易技术溢出成为全球间技术转移和技术扩散的主要途径[4]。相比之下,囿于知识产权保护、外部环境和资金条件等因素限制,利用进口贸易来引进和吸收国外先进技术无疑是更为直接和有效的方式[5]。据海关统计,1998年和2019年中国进口贸易总值分别约为1.16万亿元和14.31万亿元,二十年增长了约12.34倍。在进口商品结构中,中国的环境产品技术创新能力较弱。一些环保、节能的生产工艺使用装备和环境监测设备等,例如:大气、水和土壤等监测设备和核心技术,基本依赖于进口;一些技术含量较高的中间品,例如太阳能级的多晶硅、汽车发动机和计算机芯片等也需要大量进口[6]。不可否认,进口贸易技术溢出对中国大气环境质量改善产生了深远影响。然而,受国际贸易市场和进口国内部发展水平的影响,进口环境产品所带来的技术溢出是否一直促减工业大气污染排放?如何有效利用进口贸易渠道带来的技术材料和研发资本治理工业大气污染?基于此,本文通过探索技术溢出的环境效应内容,从理论解析和实证分析双重角度,验证进口贸易技术溢出对工业大气污染排放强度的内在机理和三类中介效应,以期对中国工业大气污染治理和绿色发展有所启发。
-
大气污染具有物理流动性和空间扩散性特征,且区域间的经济网络发展联系紧密,有必要考虑空间溢出效应。空间相关性检验是构建空间计量模型的重要前提。如果通过了该检验,则证实工业大气污染排放强度存在空间依赖性,可以构建空间计量模型。Moran’I检验是目前应用最为广泛的空间相关性检验方法。全局Moran’I统计量取决于反映观测区域间的地理关系强度的空间权重矩阵,表明空间邻接或空间邻近的区域单元属性值的相似程度。全局Moran’I值用如下公式计算
$${\rm{Moran}}{\text{’}}I = \frac{{n \displaystyle\sum\limits_{i = 1}^n {\sum\limits_{j = 1}^n {{{{w}}_{ij}}({x_i} - \overline x )({x_j} - \overline x )} } }}{{\displaystyle\sum\limits_{i = 1}^n {{{({x_i} - \overline x )}^2}} \displaystyle\sum\limits_{i = 1}^n {\displaystyle\sum\limits_{j = 1}^n {{{{w}}_{ij}}} } }}$$ (1) $${{{w}}_{ij}} = \left\{ \begin{array}{l} 1/{d_{ij}} \\ 0 \end{array} \right.\begin{array}{*{20}{c}} {i \ne j} \\ {i = j} \end{array}$$ (2) 其中,xi和xj分别为第i个地区和第j地区工业大气污染排放强度的水平;
$\overline x $ 为xi或xj的平均值;n为地区总数;wij为空间权重矩阵中W第i行第j列的元素,采用省域i和j间的地理距离空间权重矩阵表示,具体如式(2)所示。Moran’I统计量取值一般在−1~1之间,大于0表示工业大气污染排放强度空间正相关,小于0表示工业大气污染排放强度空间负相关,等于0表示区域间工业大气污染排放强度不相关。越接近1表示区域间工业大气污染排放强度差异较小或空间集聚性较强,容易出现大气污染排放强度的区域高值集聚和低值集聚;越接近−1,则反之;接近0,则表示工业大气污染排放强度空间不相关。 -
如果上述的莫兰指数通过显著性检验,则表明可进一步构建空间计量模型。多数文献采用最大似然估计(MLE)来构建空间模型,但是前提条件是必须满足独立同分布与正态分布的假定才可达到最有效率的估计。相比之下,广义空间两阶段最小二乘法(GS2SLS)放宽了假设限定,即使存在异方差与非正态分布,依然保持一致估计[39]。同时,依据上述理论分析可知,受不同的中介路径影响,进口贸易技术溢出可能在不同的阶段对工业大气污染排放存在异质性作用,由此引入进口贸易技术溢出的二次项和三次项来分析与工业大气污染排放的非线性关系更为合理。因此,本文运用GS2SLS方法先检验两者是否存在非线性关系,并选择一阶空间滞后项作为工具变量。构建如下基准模型
$$\begin{array}{c} \ln {\rm{S}}{{\rm{O}}_{{2_{it}}}} = {{W}}{\gamma _1}\ln {\rm{S}}{{\rm{O}}_{{2_{it}}}} + {\alpha _1}\ln {\rm{impor}}{{\rm{t}}_{it}} + {\alpha _2}\ln {\rm{import}}_{it}^2 + {\alpha _3}\ln {\rm{import}}_{it}^3 + {\beta _1}\ln {\rm{e}}{{\rm{s}}_{it}} + {\beta _2}\ln {\rm{e}}{{\rm{r}}_{it}}+ \\ {\beta _3}\ln {\rm{ubra}}{{\rm{n}}_{it}} + {\beta _4}\ln {\rm{labo}}{{\rm{r}}_{it}} + {\varepsilon _{it}} \end{array} $$ (3) 为消除异方差和保证数据平稳性,将各变量加以对数化表示。其中,i和t为各省市和年份;SO2为工业大气污染排放强度;
${{W}} $ 为空间权重矩阵;importit为进口贸易技术溢出,分别由资本品技术溢出(cap)和中间品技术溢出(inte)构成;γ、α、β为估计参数;εit表示误差项。进一步,基于理论分析和研究假设、中介效应思想和逐步回归法[40],可以有效阐述进口贸易技术溢出通过何种路径影响工业大气污染的排放强度。为有效验证各变量间的非线性关系,借鉴Gan等[41]研究思路:第一步以上述基准回归式(3)检验技术溢出对工业大气污染排放强度是否显著,即α1、α2和α3的显著性;如果显著,则进行第二步,即分别以经济规模、要素禀赋结构和技术进步三类环境效应为因变量,进口贸易技术溢出为解释变量,检验技术溢出对中介变量的回归系数α11
、α21和α31是否显著,如式(4)所示;第三步,再次以工业大气污染排放强度作为被解释变量,中介变量加入基准回归式(3),检验三类中间机制和技术溢出对排放强度的影响,如式(5)所示。如果式(3)~式(5)的技术溢出和中介变量的回归系数全部显著,则表明存在部分中介效应;如果式(5)中的技术溢出回归系数 ${\alpha }_{1}^{'} $ 、${\alpha }_{2}^{'} $ 和${\alpha }_{3}^{'} $ 不显著,则表明存在完全中介效应$$\begin{array}{c} \ln {\rm{mediat}}{{\rm{e}}_{it}} = {{W}}{\gamma _2}\ln {\rm{mediat}}{{\rm{e}}_{it}} + {\alpha _{11}}\ln {\rm{impor}}{{\rm{t}}_{it}} + {\alpha _{21}}\ln {\rm{import}}_{it}^2 + {\alpha _{31}}\ln {\rm{import}}_{it}^3 + {\beta _{11}}\ln {\rm{e}}{{\rm{s}}_{it}} +\\ {\beta _{21}}\ln {\rm{e}}{{\rm{r}}_{it}} + {\beta _{31}}\ln {\rm{ubra}}{{\rm{n}}_{it}} + {\beta _{41}}\ln {\rm{labo}}{{\rm{r}}_{it}} + {\varepsilon _{it1}} \end{array} $$ (4) $$ \begin{array}{c} {\rm{ln}}\; {\rm{SO}}_{{2}_{it}}= {{W}}{\gamma }_{4}{\rm{ln}}\; {\rm{SO}}_{{2}_{it}}+{\alpha }_{1}^{'}{\rm{ln}}\;{\rm{import}}_{it}+{\alpha }_{2}^{'}{\rm{ln}}\; {\rm{import}}_{it}^{2}+{\alpha }_{3}^{'}{\rm{ln}}\; {\rm{import}}_{it}^{3}+{\eta }_{2}{\rm{ln}}\;{\rm{mediate}}_{it}+{\beta }_{12}{\rm{ln}}\; {\rm{es}}_{it}+\\ {\beta }_{22}{\rm{ln}}\; {\rm{er}}_{it}+{\beta }_{32}{\rm{ln}}\;{\rm{ubran}}_{it}+{\beta }_{42}{\rm{ln}}\; {\rm{labor}}_{it}+{\varepsilon }_{it2}\end{array}$$ (5) 其中,mediateij表示中介变量,包括工业经济规模(scale)、要素禀赋结构(struc)和工业技术进步(tech)。
-
资本品(cap)和中间品(inte)进口贸易技术溢出构成核心解释变量。联合国BEC分类法(广义分类法)根据商品的最终用途,把国际贸易结构分成资本品、中间品和消费品三部分。相比之下,资本品和中间品的技术含量较高,技术溢出效应更为明显。众多研究倾向于采用资本品和中间品技术溢出来探析对TFP的影响。为此,本文利用LP的方法测算两种贸易技术溢出[10],具体如下所示
$${\rm{ca}}{{\rm{p}}_{it}} = \sum\limits_{j = 1}^9 {\frac{{{\rm{Capita}}{{\rm{l}}_{ijt}}}}{{{\rm{GD}}{{\rm{P}}_{jt}}}}} {\rm{R}}{{\rm{D}}_{jt}}\;\;\;\;\;\;\;\;\;\;{\rm{int}}{{\rm{e}}_{it}} = \sum\limits_{j = 1}^9 {\frac{{{\rm{Intermediat}}{{\rm{e}}_{ijt}}}}{{{\rm{GD}}{{\rm{P}}_{jt}}}}} {\rm{R}}{{\rm{D}}_{jt}}$$ (6) 其中,t为时间;i代表30个省市;j表示9个进口国家。中国的进口贸易伙伴国主要集中于OCED国家,尤其与G7国家贸易往来密切。发达国家是国际先进技术的领先者,工业化国家的主要研发活动也集中在G7国家。结合各省市进口国别的贸易结构现状,最终选取进口贸易伙伴为日本、新加坡、韩国、英国、德国、法国、意大利、加拿大和美国[14][16][28]。
Capitalijt和Intermediateijt分别表示在t时期、i省市从j国进口的资本品和中间品贸易额,采用BEC分类法中的代码41和521作为资本品,代码42和代码53表示中间品[16]。由于缺乏各省市的中间品和资本品进口贸易额数据,因此本文首先计算每年各省市在j国的进口贸易总额占全国在j国的进口贸易总额的比例;然后,利用这个比例分别乘以全国在j国进口的资本品和中间品贸易总额。 此外,GDPjt表示t时期j国的产出水平,利用各国的GDP平减指数将现价GDP折算为2000年不变价格;RDjt表示t时期j国的R&D资本存量。各国的研发支出存量参考Griliches的永续盘存法[42]。其中,研发资本的折旧率,一般设定为5%[8]。
为便于下文实证分析,承接上述测算,表1刻画了30个省市统计期内的资本品和中间品进口贸易技术溢出的均值。从表1可知,内陆经济较为发达或位于沿海地带的区域,如北京、天津、上海、浙江、广东等,均超过100亿元的技术溢出,而经济发展较为落后,位于中、西部地区的进口贸易技术溢出较低,表明区域间因贸易结构和经济水平的差异导致不同程度的贸易技术溢出。
表 1各省市资本品和中间品进口贸易技术溢出的均值
单位:亿元 省市 cap inte 省市 cap inte 北京 207.56 244.79 河南 20.84 31.73 天津 123.42 171.32 湖北 21.06 25.80 河北 20.26 22.96 湖南 10.87 13.09 山西 5.67 7.17 广东 498.30 711.36 内蒙古 5.59 5.82 广西 6.23 6.90 辽宁 70.78 92.33 海南 12.80 13.10 吉林 30.63 31.80 重庆 16.32 23.02 黑龙江 6.84 7.37 四川 30.61 32.26 上海 549.28 708.17 贵州 1.34 1.36 江苏 332.70 493.92 云南 3.20 3.60 浙江 181.44 228.88 陕西 11.83 14.90 安徽 16.17 20.37 甘肃 1.16 1.23 福建 47.27 54.19 青海 0.90 0.94 江西 6.46 8.28 宁夏 1.01 1.12 山东 112.89 163.49 新疆 2.31 2.36 -
工业大气污染物排放主要是指工业废气排放。工业废气又包括二氧化硫、烟尘、粉尘和氮氧化物等。在衡量工业大气污染时,相关研究直接选取工业废气排放量或具有代表性的工业二氧化硫作为其代理变量,或者间接构造污染指数和污染强度加以综合度量。鉴于不同的大气污染指标选取会影响到研究问题本质和实证分析结果的可靠性,同时较为完整和连续的工业大气污染数据主要以二氧化硫和烟尘粉尘为主,而工业二氧化硫对空气和降水等环境监测指标影响巨大,也是困扰居民身体健康的重要大气污染物[43]。因此,在遵循以往学者的测度方式基础上,本文采取工业二氧化硫排放强度(SO2)作为工业大气污染的代理变量。具体算法为工业大气污染等于工业二氧化硫排放量除以实际GDP总量。
-
工业经济规模(scale):众多学者衡量企业经济规模主要从投入参数和产出参数两个方面入手。一般情况下,人力资本和物质资本等作为企业规模投入要素。产品产量、产值、营业收入和利润总额等可表示企业规模产出要素[44]。鉴于数据的连贯性和一致性,本文利用人均规模以上工业企业的工业总产值来表示经济规模效应,并利用各地区工业产品出厂价格指数将其折算为2000年不变价格。
要素禀赋结构(struc):依据行业性质和结构,工业内各类行业可划分为技术密集型和非技术密集型。通常,资源型密集行业、资本密集型行业和劳动密集型行业构成非技术密集型工业结构。由于本文年份跨越维度较长,为保证各年间的行业统计口径一致性,遵循《国民经济行业分类标准GB/T 4754—2019》文件内容,对工业的27个行业按要素密集度进行分类。各行业的工业销售产值能够体现报告期内工业企业销售的工业产品总量,有效反映行业的构成要素和产出规模;同时也能够保证数据的连贯性和可获取性,因此选取该指标作为衡量标准。此外,通过理论分析可知,进口贸易技术溢出既可以优化和调整非技术密集型行业,也可以提升技术密集型行业份额。为对比技术溢出优化和改善结构效应的程度,借鉴产业结构高级化指标测算方式,最终运用各省市的技术密集型行业的工业销售产值占非技术密集型行业的工业销售产值的比例来测量工业结构的高级化水平。
工业技术进步(tech):国内技术进步一般来源于内部的自主创新和技术引进,本文重点实证外部的技术溢出作用于工业内部技术进步。测算技术进步的研究方法主要包括创新要素的投入、创新要素的产出和集成两者的数据包络分析法。综合来看,以人力资本、R&D经费等创新投入可能会出现资源利用效率较低的现实情况而无法准确衡量技术进步[45]。以DEA为首的投入产出算法虽可精准地诠释全要素生产率的内涵,反映技术溢出效应,也是众多学者热衷的测量方法[14-16],但是目前难以获取口径一致的工业劳动力全时当量和工业固定资产存量数据。从产出角度看,发明专利数是被授权和认可的技术创新,更能真实地反映工业企业技术进步和“干中学”效应。因此,本文采用发明专利数作为工业技术进步效应的代理变量。
-
防止因遗漏变量造成的样本误差,参照相关理论与实证分析,选定如下变量来控制模型:能源结构(es):工业生产运作和加工中的大量化石能源消耗是造成工业大气污染排放的主要来源,本文采用煤炭消费占能源消费总量的比例加以表示;环境规制强度(er):政府适度和持续的环境监管和约束,有助于实现“波特假说”,提升污染防控治理水平,本文利用工业污染治理完成投资额占工业增加值的比例进行考察;城市化水平(ubran):城市化发展带来了工业化水平提升,城市化进程以粗放式或集约型模式推进对污染排放至关重要,本文运用人均铺装道路面积为城市化进程的替代变量;劳动力成本(labor):劳动力价格的高低突显着企业生产成本和劳动力素质程度,是诱发产业流动与转换,以及环境污染的重要渠道[46-47],本文采用城镇单位就业人员平均工资衡量。
-
本文选取中国2000—2017年30个省市(除西藏及港、澳、台地区)作为研究区域。2000—2015年的工业二氧化硫数据来源于《中国统计年鉴》,2016年和2017年的数据来源于《中国城市统计年鉴》和各省市统计年鉴,部分缺失数据利用ARIAM模型进行预测和估算;关于进口贸易技术溢出数据、公式中各类数据主要来源于世界银行数据库、OECD数据库、UN Comtrade数据库、中国各省市统计年鉴(2001—2018年);中介变量数据主要来源于《中国工业统计年鉴》和国家统计局网站,部分缺失数据利用插值法加以补充;其他控制变量数据来源于《中国能源统计年鉴》《中国统计年鉴》《中国环境年鉴》。本文利用stata15.1进行模型验证。
-
各模型回归结果显示,R2值均在0.9之上表明模型拟合优度较好。工业大气污染排放强度的莫兰指数和空间滞后项均在1%水平下显著,验证了各区域的大气污染排放强度具有明显的空间集聚效应和溢出效应。由于测算的拐点值较多,为确保拐点值的精准度和后续结果分析的准确性,将回归系数保留至五位小数。
-
诸多研究表明,工业污染物具有显著的空间依赖性。因此,本文根据式(1)和式(2)采取空间自相关指标,即莫兰指数来检验工业大气污染排放强度是否具有空间相关性。由表2可知,工业二氧化硫排放强度的莫兰指数在0.048~0.102区间变化,P值在0~0.01间变动,全部通过1%显著性水平检验,说明工业二氧化硫排放强度的空间自相关性和集聚性较强,省市间的污染排放强度存在正相关性。
表 2工业二氧化硫排放强度的莫兰指数
年份 莫兰指数 z值 P值 2000 0.054*** 2.567 0.010 2001 0.060*** 2.744 0.006 2002 0.061*** 2.800 0.005 2003 0.071*** 3.136 0.002 2004 0.080*** 3.388 0.001 2005 0.092*** 3.783 0 2006 0.068*** 3.136 0.002 2007 0.074*** 3.366 0.001 2008 0.085*** 3.697 0 2009 0.099*** 4.029 0 2010 0.102*** 4.091 0 2011 0.079*** 3.574 0 2012 0.076*** 3.527 0 2013 0.080*** 3.656 0 2014 0.083*** 3.723 0 2015 0.090*** 3.942 0 2016 0.055*** 2.955 0.003 2017 0.048*** 2.747 0.006 注:***、**、*分别表示1%、5%、10%显著水平。 -
表3对应了式(1)的基准回归结果。表3中模型1和模型2显示资本品和中间品技术溢出的三次项系数全部在1%水平下显著,验证了进口贸易技术溢出与工业大气污染排放具有“正N形”关系,即进口贸易技术溢出在不同阶段促进或抑制了工业二氧化硫。“正N形”曲线是否存在拐点,还需通过进一步计算方可得知。以模型1的资本品技术溢出的拐点测算为例,具体的拐点求值过程如下所示
表 3基准回归结果
变量 资本品技术溢出 变量 中间品技术溢出 ln SO2(模型1) ln SO2(模型2) Wln SO2 1.001 28***(17.53) Wln SO2 0.956 37***(17.76) ln cap 6.590 72***(6.34) ln inte 5.863 39***(6.18) ln cap2 −0.502 35***(−5.83) ln inte2 −0.435 09***(−5.66) ln cap3 0.012 44***(5.26) ln inte3 0.010 39***(5.02) ln es 0.065 20*(1.79) ln es 0.063 28*(1.77) ln ubran 0.334 28***(5.22) ln ubran 0.039 92*(1.74) ln er 0.045 38*(1.94) ln er 0.288 45***(4.55) ln labor −0.057 11(−0.77) ln labor −0.069 81(−0.96) R2 0.946 10 R2 0.943 80 第一个拐点/亿元 8.23 第一个拐点/亿元 8.61 第二个拐点/亿元 597.16 第二个拐点/亿元 1 545.42 注:括号内为t统计值;***、**、*分别表示1%、5%、10%显著水平。 $$\begin{aligned}\ln\,{\rm{S}}{{\rm{O}}_2}\! = & 1.001\;28{{w}}\ln \,{\rm{S}}{{\rm{O}}_2} \!+\! 6.590\;72\ln \,{\rm{cap}} \!-\! 0.502\;35\ln\, {\rm{ca}}{{\rm{p}}^2} +\\ & 0.012\;44\ln {\rm{ca}}{{\rm{p}}^3} + \beta \ln {\rm{control}} + {\varepsilon _{it}}\end{aligned}$$ (7) 原回归方程见式(7),可以通过求导数的形式对该方程求出极值点,对式(7)中的ln cap进行求导,计算结果如下
$$ \begin{array}{l}\;\;\;\;\dfrac{{\partial \ln\; {\rm{S}}{{\rm{O}}_2}}}{{\partial \ln\; {\rm{cap}}}} = 6.590\,72 - 1.004\,70\ln {\rm{cap}} + 0.037\,32\ln {\rm{ca}}{{\rm{p}}^2} + {\varepsilon _{it}}\\ \varDelta = {( - 1.004\;70)^2} - 4 \times 6.590\;72 \times 0.037\;32 = 0.025\;559\;408 > 0 \end{array}$$ 通过计算可知,方程存在两个极值点。然后令
$\dfrac{{\partial \ln {\rm{S}}{{\rm{O}}_2}}}{{\partial \ln {\rm{cap}}}} = 0$ ,解出11.318 688 360和15.602 533 510,所以较小的实数根11.318 688 360为极小值,较大的实数根15.602 533 510为极大值。此时的数值为对数化形式,分别将两个解还原并采用亿元作为单位,保留两位小数,得到资本品技术溢出第一个拐点和第二个拐点分别为8.23亿元和597.16亿元。以此类推,中间品技术溢出分别为8.61亿元和1 545.42亿元,均高于资本品技术溢出的拐点,表明其对大气污染排放强度带来了更为持续的正效应和负效应。原因在于,总量上,各省市历年的中间品进口贸易总额普遍高于资本品贸易总额;技术溢出效应上,中间品是指机器设备和运输设备的零部件,往往在加工和投入生产使用中易于获取嵌套在内的核心技术。资本品是指成套的机器和运输设备,相比之下,技术复杂性和国外知识产权的保护往往需要耗费更多精力和成本汲取物化在内的知识。下文实证结果分析会具体分析非线性关系的形成机理。在控制变量方面,以模型1为例,煤炭燃烧为主的能源结构、城市化发展、环境规制均加剧了工业大气污染排放,影响系数分别为0.065 20、0.334 28和0.045 38,并在10%、1%、10%水平下显著,而劳动力成本的提升减缓了工业二氧化硫污染,影响系数为0.057 11,但未通过显著性水平检验。原因可能为煤炭是工业生产和运作的主要基础原材料,煤炭的燃烧和加工释放了大量二氧化硫;交通密度和城市化水平的提升推动了工业化发展,城市化和工业化建设过程中对能源和资源的消费需求加重了工业污染的排放强度;即使工业污染治理用于废气投资的力度和比例逐年上升,但是环境规制并未有效改善工业大气污染排放强度。一方面可能是治理投资成效往往具有较长滞后性,在短时间内难以显现规制成果;另一方面废气治理投资额占工业总产值比重不足,无法满足经济社会发展对环境污染治理投资的客观要求;劳动力成本和质量越高代表该区域的经济水平和基础设施越完善,存在较高素质的人力资本水平,相应地环保意识越强,减污排污设备越齐全。受篇幅所限,表4和表5的控制变量回归结果均做省略。
表 4进口贸易技术溢出对中介环境效应影响的回归结果
变量 资本品技术溢出 变量 中间品技术溢出 ln scale(模型3) ln struc(模型4) ln tech(模型5) ln scale(模型6) ln struc(模型7) ln tech(模型8) Wln scale 1.012 09*** Wln scale 0.943 30*** (5.03) (4.72) Wln struc 0.725 18*** Wln struc 0.737 59*** (4.51) (4.47) Wln tech 0.833 10*** Wln tech 0.753 46*** (11.36) (9.94) ln cap −1.763 42*** 0.120 39*** −3.135 48*** ln inte −1.541 78*** 0.191 98*** −2.273 59*** (−2.95) (3.41) (−3.38) (−2.82) (6.61) (−2.56) ln cap2 0.175 67*** 0.240 96*** ln inte2 0.152 71*** 0.176 13** (3.55) (3.12) (3.44) (2.43) ln cap3 −0.005 52*** −0.005 81*** ln inte3 −0.004 83*** −0.003 94** (−4.08) (−2.74) (−4.06) (−2.01) R2 0.960 10 0.927 30 0.980 1 R2 0.962 50 0.927 80 0.979 70 第一个拐点/亿元 0.35 3.54 第一个拐点/亿元 0.44 1.27 第二个拐点/亿元 47.29 2 877.05 第二个拐点/亿元 32.75 68 833.82 注:括号内为t统计值;***、**、*分别表示1%、5%、10%显著水平。 表 5直接效应和中介效应的回归结果
变量 资本品技术溢出 变量 中间品技术溢出 ln SO2(模型9) ln SO2(模型10) ln SO2(模型11) ln SO2(模型12) ln SO2(模型13) ln SO2(模型14) Wln SO2 0.942 48*** 0.997 83*** 0.94 87*** Wln SO2 0.918 13*** 0.982 47*** 0.978 59*** (16.66) (20.23) (17.20) (16.93) (20.56) (17.71) ln cap 6.943 87*** 6.348 43*** 6.383 60*** ln inte 6.168 54*** 5.603 01*** 4.904 81*** (6.75) (6.07) (6.16) (6.51) (5.86) (5.07) ln cap2 −0.537 10*** −0.481 92*** −0.487 57*** ln inte2 −0.463 84*** −0.414 65*** −0.378 23*** (−6.28) (−5.56) (−5.68) (−6.02) (−5.35) (−4.80) ln cap3 0.013 58*** 0.011 86*** 0.012 10*** ln inte3 0.011 32*** 0.009 84*** 0.009 21*** (5.77) (4.99) (5.15) (5.44) (4.72) (4.34) ln scale 0.266 55*** ln scale 0.216 71*** (3.24) (2.58) ln struc −0.097 61* ln struc −0.112 82** (−1.71) (−2.01) ln tech −0.079 18* ln tech −0.068 10* (−1.90) (−1.79) R2 0.947 90 0.946 50 0.947 10 R2 0.948 60 0.947 80 0.946 60 第一个拐点/亿元 8.49 8.09 8.06 第一个拐点/亿元 9.32 8.15 3.81 第二个拐点/亿元 332.73 718.73 575.47 第二个拐点/亿元 783.83 194 7.44 204 0.74 注:括号内为t统计值;***、**、*分别表示1%、5%、10%显著水平。 -
基于上述的显著性水平验证,可进一步检验进口贸易技术溢出对工业大气污染排放的直接效应和中介效应。表4和表5对应式(3)和式(4)。由表4可知,控制不同的中介变量影响效应后,进口贸易技术溢出与工业大气污染仍呈“正N形”特征,直接效应依旧显著,说明存在部分中介效应,分析内容如下所示。
首先,资本品和中间品贸易技术溢出为全国多数省市带来了工业规模扩张效应。虽然模型3和模型6反映资本品和中间品技术溢出与工业经济规模具有“倒N形”特征,但是纵观样本期间内技术溢出的均值(如表1所示),仅有北京、天津、辽宁、上海、江苏、浙江、山东和广东八个地区的资本品技术溢出,外加福建九个省市的中间品技术溢出超越第二个拐点,其余省市均在两个拐点之间。因此,大约73%省市的进口贸易技术溢出扩充了该区域工业企业的经济规模。而较为发达的经济地带受技术溢出的规模扩张效应影响并不明显,可能由于其经济发展迅速,高度的经济集聚性已成饱和状态,同时这些省市多数位于沿海地区,外商直接投资业务往来频繁,更多地受到FDI技术溢出带来的经济作用。进一步,模型9和模型12的工业经济规模回归系数为正,在1%水平下显著,这说明在工业结构和污染排放系数不变的情况下,工业企业非清洁型生产要素投入过多,产出成本有所增加,加大了对能源和自然资源的消耗力度。同时市场绿色刚需和居民绿色观念尚未成熟,更多注重污染型产品消费,未能倒逼工业企业生产环境友好型工业品,加重了空气污染物的排放。综合来看,目前全国约73%省市的进口贸易技术溢出通过扩张工业经济规模提升了工业大气污染排放力度,在一定程度上验证了假设1a的合理性。
其次,资本品和中间品贸易技术溢出起到了优化和改善要素禀赋结构的作用。经实证检测,技术溢出的三次项和二次项均不显著,只有一次项系数在1%水平下显著,模型4和模型7的变量影响系数分别为0.120 39和0.191 98,这表明贸易技术溢出积极推动了全国工业结构高级化发展,提升技术密集型行业份额,增强节能环保生产性服务业发展,降低高碳高耗能型行业比例,淘汰过剩产能,促使非技术密集型行业转型至资本知识密集型行业。与此同时,模型10和模型13展示要素禀赋结构的回归系数为−0.097 61和−0.112 82,表明高级化的工业结构提升了行业间的协同发展程度,推进高污染行业治理力度和升级改造,推动绿色环保产业市场化、集约化和专业化发展,有效促进二氧化硫减排效应。整体来看,全国30个省市的进口贸易技术溢出通过调整和优化工业结构降低了工业二氧化硫排放强度,验证了假设2的合理性。
再次,资本品和中间品贸易技术溢出能够带来工业技术进步效应。经实证检验,虽然贸易技术溢出与工业技术进步呈“倒N形”非线性关系,但是同样对比表1中的统计期内的技术溢出均值,模型5和模型8展现30个省市全部超过第一个拐点,但未到达第二个拐点,验证了样本期间内全国的贸易技术溢出对工业技术进步产生了积极效应,发挥“进口干中学”作用,推动了工业企业的科技创新。此外,模型11和模型14的工业技术进步回归系数为−0.079 18和−0.068 51,节能减排作用显著。正如理论分析可知,资本品和中间品技术含量较高,可直接发挥技术溢出效应来降低工业空气污染。同时,借助示范与模仿效应、人员培训效应和产业关联效应等动态路径,技术溢出带来的技术进步效应融入工业企业人力资源、创新成果、产业联动等要素,有助于降低空气污染排放。因此,进口贸易技术溢出通过提升工业技术进步降低了大气污染排放,验证了假设3a的合理性。
-
表5显示,添加中介变量后,对比模型1和模型4,各拐点值发生了移动与变化。表6比较了基准回归表3和表5中各列回归方程中拐点值变动情况。从模型9和模型12可知,添加工业经济规模变量后,资本品和中间品的技术溢出的两个拐点值分别有所上升和下降,延展了作用于污染排放强度的“N形”关系中的第一段和第三段正效应。在模型10和模型13中,添加工业结构高级化变量后,两个拐点值分别下降和上升,延长了“N形”形状中的第二段距离,增强了技术溢出的负效应。从模型11和模型14可知,控制了工业技术进步变量,资本品技术溢出的两个拐点均下降,而中间品技术溢出的两个拐点值先下降和后上升,这表明资本品技术溢出先后增强了第二段负效应和第三段的正效应,而中间品技术溢出延伸了第二段负效应的距离。
表 6拐点变化趋势
资本品技术溢出 基准回归 经济规模扩张效应 要素禀赋结构优化效应 工业技术进步效应 模型1 模型9 变化趋势 模型10 变化趋势 模型11 变化趋势 第一个拐点/亿元 8.23 8.49 上升 8.09 下降 8.06 下降 第二个拐点/亿元 597.16 332.73 下降 718.73 上升 575.47 下降 中间品技术溢出 模型4 模型12 变化趋势 模型13 变化趋势 模型14 变化趋势 第一个拐点/亿元 8.61 9.32 上升 8.15 下降 3.81 下降 第二个拐点/亿元 154 5.42 783.83 下降 194 7.44 上升 2 040.74 上升 承接上述“N形”拐点值变动情况,再结合前文分析的进口贸易技术溢出环境效应的影响方向可知,在较低的进口贸易技术溢出水平下,未跨越第一个拐点时,工业规模扩张效应占据主导地位,增加了大气污染排放强度。随着技术溢出水平不断渗入工业企业,当跨越了第一个拐点后,位于两个拐点之间时,要素禀赋结构优化效应和工业技术进步效应显现,并超越规模扩张效应,进而降低污染排放。这表明经济发展与技术溢出程度相辅相成,遵循经济增长与环境污染的“规模→技术+结构”路径。最后处于较高水平的进口贸易技术溢出时,即跨越第二个拐点后,资本品技术溢出再次加剧大气污染排放,依据拐点变化情况,主要由技术进步效应作用导致。一方面,技术进步引致的资本化扩充增强了生产规模,再次引发经济规模扩张效应对环境污染的正外部性,继而呈现环境回弹趋势,抵消了技术进步产生的节能环保效应。另一方面,受技术差距、专利垄断、吸收能力等因素制约,不易直接获取资本品内含的技术知识。即使有效汲取了资本品技术溢出,将二次创新成果应用于企业生产实践也具有较长的滞后性。为节约研发成本和快速获取最终工业品,往往技术依赖效应和替代效应在工业企业中应运而生,制约自主研发的内在动力,无法从根源上缓解工业大气污染排放现状。与之不同的是跨越第二个拐点后,致使中间品技术溢出促增排放强度的原因可能只受环境回弹效应的影响,因为中间品作为组装生产的关键材料和零配件,在加工过程中易于获取嵌套在内的核心技术,耗费的时间和成本较少,从而减弱技术锁定效应带来的阻滞自主创新的影响。以上分析验证了假设3b的合理性。
依据上述分析内容,不同程度的进口贸易技术溢出水平通过不同的中介效应来影响工业大气污染排放。因此,依据基准回归模型的拐点值,以样本期间均值和2017年数值为标准,将30个省市划分为不同的类别,探讨各省市处于何种阶段的进口贸易技术溢出,通过何种效应来影响工业大气污染排放,如图2~图5①所示。
图2和图3结果显示,以均值为研究视角,约11个省市拥有较低的进口贸易技术溢出水平,因工业经济规模扩张效应加剧当地企业空气污染物排放。其余19个省市与之相反,受结构效应和技术效应影响,资本品和中间品技术溢出有效降低了空气污染。图4和图5结果显示,截至2017年,拥有低水平中间品技术溢出的省市包括贵州、甘肃、青海、宁夏和新疆,资本品在此基础上外加山西和云南。仅广东省的资本品技术溢出超越第二拐点,其余省市均处于两个拐点值之间。综合来看,首先,作为实行改革开放最早的东部地区,集群了环渤海经济圈、长三角地区和珠三角地区等高新技术示范区,具有优越的人力资源和研发资金等要素。这些优质的资本为快速吸收和积累国外技术溢出提供了有利条件,使其迅速跨越规模扩张带来的污染正效应。然而,随着贸易规模和进口总量的扩大,广东省的资本品边际减排效应却呈现递减趋势。原因可能在于,自主创新体系和机制不健全、研发投入结构不合理和廉价的劳动力无法短时间吸收资本品核心技术,促使清洁技术研发本土化难以实现,造成技术依赖效应明显。其次,多数中部地区的进口贸易技术溢出也发挥了节能减排作用。在中部崛起战略的推动下,该区域的经济发展和贸易活动取得突破性进展,且煤炭石油等能源资源禀赋条件较好,使得技术溢出在优化工业能源生产结构和提供新能源技术更容易发挥支撑作用。再次,西部地区因闭塞的地理形势和落后的经济发展致使技术溢出的工业规模扩张效应发挥主导作用。虽然西部大开发战略积极推进西部地带融入国际分工和开拓贸易市场,但是粗放型经济增长方式和劣势的技术研发水平无法短时间激发技术溢出的排污效应,而是刺激工业企业投入更多的生产要素和能源资源,加剧当地大气污染。
-
为验证中介效应模型的稳健性,本文采用替换空间权重矩阵和改变工具变量方法。将文中的地理空间权重矩阵替换为经济地理空间权重,同时选择最高二阶的空间滞后项作为工具变量。参考Gan[41]具体做法,空间权重的设置如式(8)所示
$${{{w}}_{ij}} = \left\{ \begin{array}{l} \dfrac{1}{{d_{{{ij}}}^2}} \times \dfrac{1}{{\left| {\overline {{K_i}} - \overline {{K_j}} } \right|}}\begin{array}{*{20}{c}} {}&{i \ne j} \end{array} \\ \begin{array}{*{20}{c}} 0&{\begin{array}{*{20}{c}} {}&{}&{}&{\begin{array}{*{20}{c}} {}&{i = j} \end{array}} \end{array}} \end{array} \end{array} \right.$$ (8) 其中,
$1/d_{ij}^2$ 为地理空间权重矩阵的平方;$\overline {{K_i}} = {{\displaystyle\sum\limits_{t = T}^T {{K_{it}}} } / {(T - {T_0})}}$ 为考察期T内第i个地区的人均实际GDP;Kit为第i个地区在第t年的人均实际GDP。限于篇幅,具体回归结果在此不予显示。实证结果与上述各变量的影响方向基本保持一致,回归系数有所差异。首先,在基准回归结果中,资本品技术溢出的一次项、二次项和三次项系数分别为5.959 18、−0.444 26和0.010 77,拐点值分别为10.91亿元和804.03亿元。中间品技术溢出的回归系数分别为5.616 22、−0.411 38和0.009 68,拐点值分别为9.56亿元和2 108.19亿元,仍验证了进口贸易技术溢出与工业大气污染排放强度的“正N形”关系。其次,中介效应回归模型显示,进口贸易技术溢出同样在一定程度上扩张了工业经济规模,优化了要素禀赋结构和提升了工业技术进步。添加三个中介变量后,进口贸易技术溢出的系数仍旧显著,证明存在中介效应。最后,对比添加中介变量后的拐点值变化情况(如表7所示),变动趋势与表6显示的结果保持一致,再次验证了实证模型的稳健性。
表 7更换空间权重矩阵和工具变量后的拐点变化趋势
资本品技术溢出 基准回归 经济规模扩张效应 要素禀赋结构优化效应 工业技术进步效应 模型1 模型9 变化趋势 模型10 变化趋势 模型11 变化趋势 第一个拐点/亿元 10.91 10.98 上升 4.91 下降 10.11 下降 第二个拐点/亿元 804.03 257.34 下降 877.34 上升 636.57 下降 中间品技术溢出 模型4 模型12 变化趋势 模型13 变化趋势 模型14 变化趋势 第一个拐点/亿元 9.56 10.69 上升 4.17 下降 3.00 下降 第二个拐点/亿元 2 108.19 623.84 下降 3 086.54 上升 2 978.59 上升
Import Trade, Environmental Effects of Technology Spillovers and Industrial Air Pollution
——Analysis of Mediating Path based on Provincial Panel Data
-
摘要:中国正处于工业绿色转型的战略时期,工业大气污染作为重点治理对象,清洁环保型技术是降污排污的重要突破点,而进口贸易作为吸收国外先进治污技术的核心渠道,带来的技术溢出是否降低工业大气污染排放值得探索。基于2000—2017年中国30个省市的面板数据,以“规模—结构—技术”环境效应为传导路径,运用广义空间两阶段最小二乘法(GS2SLS)和逐步回归法考察进口贸易技术溢出对工业大气污染排放强度的中介效应。结果表明:(1)全国层面上,进口贸易技术溢出能够带来工业经济规模扩张效应、要素禀赋结构优化效应和工业技术进步效应三类环境效应,通过扩大规模、优化结构和提升技术进步显著影响工业大气污染排放;(2)进口贸易技术溢出与工业大气污染排放强度呈“正N形”特征,即随着资本品技术溢出水平不断增强,影响的主导力量遵循“规模扩张效应‒结构优化+技术进步效应‒环境回弹效应+阻滞自主创新”的路径,然而随着中间品技术溢出的增强,影响主导力量变化趋势为“规模扩张效应‒结构优化+技术进步效应‒环境回弹效应”;(3)区域层面,以技术溢出均值为标准,11个省市的进口贸易技术溢出因经济规模效应加重了污染排放强度;其余省市的要素禀赋结构优化效应和技术进步效应起到了节能减排作用。针对研究结论,认为应推动工业经济规模扩张与大气环境质量的协调发展,加强进口贸易技术溢出与自主创新的有机结合,因地制宜地扩大进口贸易的规模。
-
关键词:
- 进口贸易技术溢出/
- 工业大气污染排放/
- 经济规模扩张效应/
- 要素禀赋结构优化效应/
- 工业技术进步效应
Abstract:China is in the strategic period of industrial green transformation. Industrial air pollution is the key target for treatment. Clean and environmentally friendly technologies are an important breakthrough in pollution reduction and emissions. Import trade is the core channel for absorbing foreign advanced pollution control technologies. Whether Import trade technology spillovers reduce industrial air pollution emissions is worth exploring. Based on the panel data of 30 provinces and cities in China from 2000 to 2017, using the “scale-structure-technology” environmental effects as the transmission path, the generalized spatial two-stage least square method (GS2SLS) and stepwise regression method are used to investigate if there are mediating effects between the technology spillover of import trade and intensity of industrial air pollution emissions. The results show that: (1) At the national level, import trade technology spillovers can bring about three types of environmental effects: the expansion effect of industrial economy, the optimization effect of factor endowment structure, and the effect of industrial technology progress. Through the expansion of scale, the optimization of structure and the improvement of technological progress, import trade technology spillovers have a significant impact on Industrial air pollution emissions; (2) Import trade technology spillovers and industrial air pollution emissions intensity show a “Nshape”, that is, as the level of capital goods technology spillovers continue to increase, the dominant force of influence follows the “scale expansion effect-structural optimization with technology progress effect-environmental rebound effect with blocking independent innovation” path. However, with the increase of intermediate product technology spillover, the trend of influencing the dominant force is “scale expansion effect-structural optimization with technological progress effect-environmental rebound effect ”; (3) At the regional level, based on the average value of technology spillovers, technology spillovers from import trade in 11 provinces and cities have increased the intensity of pollution emissions due to economic scale effects. Technology spillovers in other provinces and cities have played a role in energy conservation and emission reduction due to structural effects and technological progress effects. Finally, in response to the research conclusions, suggestions are made to promote the coordinated development of industrial economic scale expansion and atmospheric environmental quality, strengthen the organic integration of import trade technology spillovers and independent innovation, and expand the scale of import trade in accordance with local conditions. -
表 1各省市资本品和中间品进口贸易技术溢出的均值
单位:亿元 省市 cap inte 省市 cap inte 北京 207.56 244.79 河南 20.84 31.73 天津 123.42 171.32 湖北 21.06 25.80 河北 20.26 22.96 湖南 10.87 13.09 山西 5.67 7.17 广东 498.30 711.36 内蒙古 5.59 5.82 广西 6.23 6.90 辽宁 70.78 92.33 海南 12.80 13.10 吉林 30.63 31.80 重庆 16.32 23.02 黑龙江 6.84 7.37 四川 30.61 32.26 上海 549.28 708.17 贵州 1.34 1.36 江苏 332.70 493.92 云南 3.20 3.60 浙江 181.44 228.88 陕西 11.83 14.90 安徽 16.17 20.37 甘肃 1.16 1.23 福建 47.27 54.19 青海 0.90 0.94 江西 6.46 8.28 宁夏 1.01 1.12 山东 112.89 163.49 新疆 2.31 2.36 表 2工业二氧化硫排放强度的莫兰指数
年份 莫兰指数 z值 P值 2000 0.054*** 2.567 0.010 2001 0.060*** 2.744 0.006 2002 0.061*** 2.800 0.005 2003 0.071*** 3.136 0.002 2004 0.080*** 3.388 0.001 2005 0.092*** 3.783 0 2006 0.068*** 3.136 0.002 2007 0.074*** 3.366 0.001 2008 0.085*** 3.697 0 2009 0.099*** 4.029 0 2010 0.102*** 4.091 0 2011 0.079*** 3.574 0 2012 0.076*** 3.527 0 2013 0.080*** 3.656 0 2014 0.083*** 3.723 0 2015 0.090*** 3.942 0 2016 0.055*** 2.955 0.003 2017 0.048*** 2.747 0.006 注:***、**、*分别表示1%、5%、10%显著水平。 表 3基准回归结果
变量 资本品技术溢出 变量 中间品技术溢出 ln SO2(模型1) ln SO2(模型2) Wln SO2 1.001 28***(17.53) Wln SO2 0.956 37***(17.76) ln cap 6.590 72***(6.34) ln inte 5.863 39***(6.18) ln cap2 −0.502 35***(−5.83) ln inte2 −0.435 09***(−5.66) ln cap3 0.012 44***(5.26) ln inte3 0.010 39***(5.02) ln es 0.065 20*(1.79) ln es 0.063 28*(1.77) ln ubran 0.334 28***(5.22) ln ubran 0.039 92*(1.74) ln er 0.045 38*(1.94) ln er 0.288 45***(4.55) ln labor −0.057 11(−0.77) ln labor −0.069 81(−0.96) R2 0.946 10 R2 0.943 80 第一个拐点/亿元 8.23 第一个拐点/亿元 8.61 第二个拐点/亿元 597.16 第二个拐点/亿元 1 545.42 注:括号内为t统计值;***、**、*分别表示1%、5%、10%显著水平。 表 4进口贸易技术溢出对中介环境效应影响的回归结果
变量 资本品技术溢出 变量 中间品技术溢出 ln scale(模型3) ln struc(模型4) ln tech(模型5) ln scale(模型6) ln struc(模型7) ln tech(模型8) Wln scale 1.012 09*** Wln scale 0.943 30*** (5.03) (4.72) Wln struc 0.725 18*** Wln struc 0.737 59*** (4.51) (4.47) Wln tech 0.833 10*** Wln tech 0.753 46*** (11.36) (9.94) ln cap −1.763 42*** 0.120 39*** −3.135 48*** ln inte −1.541 78*** 0.191 98*** −2.273 59*** (−2.95) (3.41) (−3.38) (−2.82) (6.61) (−2.56) ln cap2 0.175 67*** 0.240 96*** ln inte2 0.152 71*** 0.176 13** (3.55) (3.12) (3.44) (2.43) ln cap3 −0.005 52*** −0.005 81*** ln inte3 −0.004 83*** −0.003 94** (−4.08) (−2.74) (−4.06) (−2.01) R2 0.960 10 0.927 30 0.980 1 R2 0.962 50 0.927 80 0.979 70 第一个拐点/亿元 0.35 3.54 第一个拐点/亿元 0.44 1.27 第二个拐点/亿元 47.29 2 877.05 第二个拐点/亿元 32.75 68 833.82 注:括号内为t统计值;***、**、*分别表示1%、5%、10%显著水平。 表 5直接效应和中介效应的回归结果
变量 资本品技术溢出 变量 中间品技术溢出 ln SO2(模型9) ln SO2(模型10) ln SO2(模型11) ln SO2(模型12) ln SO2(模型13) ln SO2(模型14) Wln SO2 0.942 48*** 0.997 83*** 0.94 87*** Wln SO2 0.918 13*** 0.982 47*** 0.978 59*** (16.66) (20.23) (17.20) (16.93) (20.56) (17.71) ln cap 6.943 87*** 6.348 43*** 6.383 60*** ln inte 6.168 54*** 5.603 01*** 4.904 81*** (6.75) (6.07) (6.16) (6.51) (5.86) (5.07) ln cap2 −0.537 10*** −0.481 92*** −0.487 57*** ln inte2 −0.463 84*** −0.414 65*** −0.378 23*** (−6.28) (−5.56) (−5.68) (−6.02) (−5.35) (−4.80) ln cap3 0.013 58*** 0.011 86*** 0.012 10*** ln inte3 0.011 32*** 0.009 84*** 0.009 21*** (5.77) (4.99) (5.15) (5.44) (4.72) (4.34) ln scale 0.266 55*** ln scale 0.216 71*** (3.24) (2.58) ln struc −0.097 61* ln struc −0.112 82** (−1.71) (−2.01) ln tech −0.079 18* ln tech −0.068 10* (−1.90) (−1.79) R2 0.947 90 0.946 50 0.947 10 R2 0.948 60 0.947 80 0.946 60 第一个拐点/亿元 8.49 8.09 8.06 第一个拐点/亿元 9.32 8.15 3.81 第二个拐点/亿元 332.73 718.73 575.47 第二个拐点/亿元 783.83 194 7.44 204 0.74 注:括号内为t统计值;***、**、*分别表示1%、5%、10%显著水平。 表 6拐点变化趋势
资本品技术溢出 基准回归 经济规模扩张效应 要素禀赋结构优化效应 工业技术进步效应 模型1 模型9 变化趋势 模型10 变化趋势 模型11 变化趋势 第一个拐点/亿元 8.23 8.49 上升 8.09 下降 8.06 下降 第二个拐点/亿元 597.16 332.73 下降 718.73 上升 575.47 下降 中间品技术溢出 模型4 模型12 变化趋势 模型13 变化趋势 模型14 变化趋势 第一个拐点/亿元 8.61 9.32 上升 8.15 下降 3.81 下降 第二个拐点/亿元 154 5.42 783.83 下降 194 7.44 上升 2 040.74 上升 表 7更换空间权重矩阵和工具变量后的拐点变化趋势
资本品技术溢出 基准回归 经济规模扩张效应 要素禀赋结构优化效应 工业技术进步效应 模型1 模型9 变化趋势 模型10 变化趋势 模型11 变化趋势 第一个拐点/亿元 10.91 10.98 上升 4.91 下降 10.11 下降 第二个拐点/亿元 804.03 257.34 下降 877.34 上升 636.57 下降 中间品技术溢出 模型4 模型12 变化趋势 模型13 变化趋势 模型14 变化趋势 第一个拐点/亿元 9.56 10.69 上升 4.17 下降 3.00 下降 第二个拐点/亿元 2 108.19 623.84 下降 3 086.54 上升 2 978.59 上升 -
[1] 王冰, 贺璇. 中国城市大气污染治理概论 [J]. 城市问题 , 2014(12): 2−8. [2] SONG T, ZHENG T G, TONG L J [3] 工业和信息化部. 工业绿色发展规划(2016—2020年)[EB/OL]. (2016-06-30)[2020-11-01].https://www.miit.gov.cn/n1146285/n1146352/n3054355/n3057267/n3057272/c5118197/part/5118220.pdf. [4] 陈昭, 欧阳秋珍. 技术溢出的主渠道: 外商直接投资还是进口: 一个文献综述与评论[J]. 经济评论, 2009(5): 135-146. [5] 谢建国, 周露昭. 进口贸易, 吸收能力与国际R&D技术溢出: 中国省区面板数据的研究[J]. 世界经济, 2009, 32(9): 68-81. [6] 商务部研究院绿色贸易发展研究中心. 中国绿色贸易发展报告(2017)[M]. 北京: 中国商务出版社, 2017. [7] GROSSMAN G M, HELPMAN E. Economic growth and the environment[J]. The Quarterly Journal of Economics, 1995 (2): 353-377. [8] COE D T, HELPMAN E. International r&d spillovers[J]. European economic review, 1995, 39(5): 859-887.doi:10.1016/0014-2921(94)00100-E [9] COE D T, HELPMAN E, HOFFMAISTER A W. North-south R & D spillovers[J]. The Economic Journal, 1997, 107(440): 134-149.doi:10.1111/1468-0297.00146 [10] LICHTENBERG F R, POTTELSBERGHE B V. International R&D spillovers: a comment[J]. European Economic Review, 1998, 42(8): 1483-1491.doi:10.1016/S0014-2921(97)00089-5 [11] FALVEY R, FOSTER N, GREENWAY D. North-South trade, knowledge spillovers and growth[J]. Journal of Economic Integration, 2002: 650-670. [12] MADSEN J B. Technology spillover through trade and TFP convergence: 135 years of evidence for the OECD countries[J]. Journal of International Economics, 2007, 72(2): 464-480.doi:10.1016/j.jinteco.2006.12.001 [13] XU B, WANG J. Capital goods trade and R&D spillovers in the OECD[J]. Canadian Journal of Economics, 1999, 32(5): 1258-1274.doi:10.2307/136481 [14] 张世俊, 邓峰. 多渠道国际技术溢出效应的区域差异性研究[J]. 科学学研究, 2019, 37(5): 826-832.doi:10.3969/j.issn.1003-2053.2019.05.009 [15] 何雄浪, 张泽义. 国际进口贸易技术溢出效应、本国吸收能力与经济增长互动: 理论及来自中国的证据[J]. 世界经济研究, 2014(11): 36-41+48+88. [16] 楚明钦, 丁平. 中间品、资本品进口的研发溢出效应[J]. 世界经济研究, 2013(4): 60-65+89. [17] 邓丽娜, 范爱军. 国际技术溢出对中国制造业产业结构升级影响的实证研究[J]. 河北经贸大学学报, 2014, 35(4): 96-100.doi:10.3969/j.issn.1007-2101.2014.04.019 [18] 高大伟, 周德群, 王群伟. 国际贸易、R&D技术溢出及其对中国全要素能源效率的影响[J]. 管理评论, 2010(8): 122-128. [19] 李平, 丁世豪. 进口技术溢出提升了制造业能源效率吗?[J]. 中国软科学, 2019(12): 137-149.doi:10.3969/j.issn.1002-9753.2019.12.012 [20] 谢廷宇, 刘德学. 进出口贸易、技术溢出与创新绩效: 基于中国高科技产业面板数据的分析[J]. 科技进步与对策, 2011, 28(12): 16-19. [21] GROSSMAN G, KRUEGERA B. Environmental impacts of a north American free trade agreement[R]. Massachusetts: National Bureau of Economic Research, 1991. [22] ANTWEILER W, COPELAND B R, TAYLOR M S. Is free trade good for the environment?[J]. American Economic Review, 2001, 91(4): 877-908.doi:10.1257/aer.91.4.877 [23] 苏昕, 贺克斌, 张强. 中美贸易间隐含的大气污染物排放估算[J]. 环境科学研究, 2013, 26(9): 1022-1028. [24] 郭庆宾, 柳剑平. 进口贸易、技术溢出与中国碳排放[J]. 中国人口·资源与环境, 2013, 23(3): 105-109.doi:10.3969/j.issn.1002-2104.2013.03.017 [25] ALBORNOZ F, COLE M A, ELLIOTT R J R, et al. In search of environmental spillovers[J]. World Economy, 2009, 32(1): 136-163.doi:10.1111/j.1467-9701.2009.01160.x [26] WORELL E, BERNSTEIN L, ROY J, et al. Industrial energy efficiency and climate change mitigation[J]. Energy Efficiency, 2009, 2(2): 109.doi:10.1007/s12053-008-9032-8 [27] LOVELY M, POPP D. Trade, technology, and the environment: does access to technology promote environmental regulation?[J]. Journal of Environmental Economics & Management, 2011, 61(1): 16-35. [28] 焦建玲, 卫欢, 白羽. 进口贸易技术溢出对区域碳排放强度的影响[J]. 地理与地理信息科学, 2017, 33(3): 72-77.doi:10.3969/j.issn.1672-0504.2017.03.013 [29] 何雄浪, 张泽义. 进口贸易技术溢出、技术吸收能力与内生经济增长[J]. 现代财经(天津财经大学学报), 2014, 34(11): 93-104. [30] 中国社会科学院工业经济研究所课题组, 史丹.“十四五”时期中国工业发展战略研究[J]. 中国工业经济, 2020(2): 5-27. [31] 中国社会科学院工业经济研究所课题组, 李平.“十二五”时期工业结构调整和优化升级研究[J]. 中国工业经济, 2010(1): 5-23. [32] 李小平. 国际贸易与技术溢出: 途径及测算研究综述[J]. 财贸经济, 2008(5): 108-111. [33] GROSSMAN G M, HELPMAN E. Innovation and growth in the global economy[M]. Massachusetts: MIT Press, 1991. [34] GROSSMAN G M, HELPMAN E. Quality Ladders in the Theory of Growth[J]. Review of Economic Studies, 1991, 58(1): 43-61.doi:10.2307/2298044 [35] 王保乾, 陈浩天. 基于吸收能力的中国进口贸易技术溢出效应实证研究[J]. 现代经济探讨, 2018(7): 70-77.doi:10.3969/j.issn.1009-2382.2018.07.010 [36] JEVONS W S. The coal question: an inquiry concerning the progress of the nation, and the probable exhaustion of our coal-mines[M]. London: Macmillan & Co., 1865. [37] YANG L, LI Z. Technology advance and the carbon dioxide emission in China-empirical research based on the rebound effect[J]. Energy Policy, 2017, 101: 150-161.doi:10.1016/j.enpol.2016.11.020 [38] 肖利平, 谢丹阳. 国外技术引进与本土创新增长: 互补还是替代: 基于异质吸收能力的视角[J]. 中国工业经济, 2016(9): 75-92. [39] KELEJIAN H H, PRUCHA I R. A generalized spatial two-stage least squares procedure for estimating a spatial autoregressive model with autoregressive disturbances[J]. The Journal of Real Estate Finance and Economics, 1998, 17(1): 99-121.doi:10.1023/A:1007707430416 [40] BARON R M, KENNY D A. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations[J]. Journal of Personality and Social Psychology, 1999, 51(6): 1173. [41] GAN T, LIANG W, YANG H C, et al. The effect of economic development on haze pollution (PM2.5) based on a spatial perspective: urbanization as a mediating variable[J]. Journal of Cleaner Production, 2020, 266: 1-14. [42] GRILICHES Z. The search for R&D spillovers[J]. Scandinavian Journal of Economics, 1992, 94(1): 29-47. [43] 王章名, 王成璋. 研发投入对环境污染影响的实证研究[J]. 管理学报, 2016, 13(11): 1710-1717.doi:10.3969/j.issn.1672-884x.2016.11.016 [44] 于长宏, 原毅军. 企业规模、技术获取模式与R&D结构[J]. 科学学研究, 2017, 35(10): 1527-1535.doi:10.3969/j.issn.1003-2053.2017.10.010 [45] 王金波, 佟继英. 财政科教支出、产业结构变迁与技术创新能力: 基于供给侧改革视角下的审视[J]. 经济问题探索, 2018(3): 18-31. [46] 高萍. 技术进步对中部六省经济增长影响的实证分析[J]. 当代财经, 2006(2): 91-94.doi:10.3969/j.issn.1005-0892.2006.02.018 [47] 秦炳涛, 葛力铭. 相对环境规制、高污染产业转移与污染集聚[J]. 中国人口·资源与环境, 2018, 28(12): 52-62.