（郑州大学管理工程学院，郑州 450001）
引 言自英国2003年提出发展 “低碳经济”的倡议以来，提高碳排放效率、发展低碳经济已经成为全人类的共识。低碳经济的本质是实现经济增长的同时控制CO2的排放[1]，中国在2009年世界气候大会上承诺中国单位GDP的CO2排放量到2020年将减少40%～45%。目前我国经济正处于高速度增长转向高质量增长的关键阶段，以消耗化石能源为主的传统经济发展方式已经不能满足人们对环境质量的要求，必须推动经济增长和环境质量的协调发展。碳生产率作为碳排放领域中衡量CO2排放产生经济效益的正向指标，可以有效融合经济发展和节能减排两大指标，因此提高碳生产率水平成为我国发展低碳经济的关键所在[2]。
经济高质量发展的突破口是绿色发展，而加大绿色研发投入带动绿色技术创新则是绿色发展的核心[3]。绿色研发投入是指研发投入中与环境保护、绿色产品研发等方面相关的部分，它可以对绿色技术创新能力和企业竞争优势产生直接影响[4]。为迎合政府出台的环境规制政策，企业一般会加大绿色研发投入[5]，推动污染治理技术和清洁生产技术的产生，以期达到提高能源使用效率、减少污染排放的目的，因此认为加大绿色研发投入是国家实现经济增长和环境质量共生发展的重要举措[6]；在当今开放的经济体系下，任何地区之间都不是孤立发展，绿色研发投入也具有辐射效应和带动效应，因此研究绿色研发投入对相邻地区碳生产率的空间外溢效应同样具有重要意义。中国作为全球最大的碳排放国，促进节能减排、实现低碳经济已经成为刻不容缓的任务，那么加大绿色研发投入到底会对碳生产率产生何种影响？这种作用是否具有空间溢出效应呢？
除此之外，近年来制度环境因素对于我国环境治理的影响备受学者们的关注。绿色研发投入的有效利用离不开地方政府的支持，而地方政府职责发挥主要受以财政分权为核心的财政制度的影响[7]。在现行以GDP作为地方政府主要考核指标的体系下，财政分权给予了地方政府为促进经济发展而牺牲环境的动机[8]，但是近几年我国开始注重将环境因素纳入地方政府考核指标中，财政分权也给予政府充足的绿色研发资金和环境治理资金。那么进一步，财政分权是否会影响绿色研发投入对碳生产率的作用机制呢？如果影响了，是促进还是抑制呢？
为回答上述研究问题，本文基于2010～2018年中国30个省份的面板数据，采用空间计量模型，实证研究绿色研发投入对碳生产率的影响，以及财政分权对上述关系的调节作用，并针对研究结果提出改进的相关建议，以期为我国各区域提升碳生产率、实现低碳经济提供借鉴。
1 文献综述与研究假设1.1 绿色研发投入与碳生产率目前国内关于绿色研发投入和碳生产率的相关研究主要集中在以下两个方面：（1）研发投入与碳生产率。王娟等[9]以工业36个子行业为样本，研究发现增加R＆D投入对16个子行业的能源和环境绩效均有改善作用。高大伟和聂海松[10]以我国30个省份为样本，对比了国际研发资本存量和国内研发强度对碳生产率的影响，结果显示R＆D投入占地区生产总值的比重对碳生产率的直接效应为负、间接效应显着为正。李德山等[11]通过30个省市自治区面板数据发现，研发技术水平能够有效促进CO2排放效率的提升，但政府研发支出与CO2排放效率呈现负相关，可能是因为政府研发支出没有将环境因素放在首位；（2）绿色研发与节能减排。兰梓睿和孙振清[12]研究发现现有的R＆D经费对轻工业行业层面的绿色生产率有正向影响，但绿色环保研发才是未来实现低碳发展的重要突破点。颜青和殷宝庆[13]通过对2002～2018年我国30个省份样本的绿色技术进步的测算发现，用绿色研发投入作为衡量指标的绿色技术创新对绿色技术进步具有显着的正向促进作用。殷宝庆等[14]将 “中国制造”升级水平划分为出口部门碳生产率、出口产品技术含量和产业高度3个维度，基于我国30个省级面板数据研究发现绿色研发投入与 “中国制造”升级水平之间呈现 “U”型关系。
通过对上述文献的梳理不难发现：（1）由于目前的统计口径中尚未出现直接与绿色研发经费和绿色研究人员相关的数据，大多研究将传统的研发人员、研发经费直接视作绿色研发人员和经费[15]。实际上，R＆D投入促进的技术创新里既有 “绿色技术”也有 “黑色技术”，黑色技术并不一定会促进节能减排，反而有可能造成环境污染。绿色研发作为研发投入中与环境保护、节能减排有关的部分，本文认为加大绿色研发投入可以推动本地区内清洁生产技术和污染治理技术等绿色技术的产生，进而达到提高能源使用效率、减少碳排放的目的，因此本文提出研究假设1；（2）以往的相关研究多以R＆D投入对本地区因素的影响为主，探讨R＆D投入对其他地区的空间外溢效应的研究并不多见。根据Tobler地理学第一定律：“任何事物都是相关的，越接近的事物关联性越强”[16]。绿色研发投入也具有辐射扩散和带动效益，因此认为加大绿色研发投入也会对相邻区域碳生产率产生影响，鉴于此，本文提出研究假设2。
假设1：从直接效应看，本地区绿色研发投入对本地区碳生产率有正向影响。
假设2：从间接效应看，本地区绿色研发投入对相邻地区碳生产率存在正向空间溢出效应。
1.2 财政分权的调节作用关于财政分权对环境治理的文献可以分为以下3种。（1）财政分权不利观。财政分权不利观认为在当前以经济增长为主体的绩效考核体系下，地方官员为了实现政治晋升，更倾向于实现经济的快速增长而不是改善地区环境质量[17]，即财政分权给予了地方政府为了促进经济发展而牺牲环境的动机。如郑洁等[18]基于动态视角对财政分权与环境治理进行实证研究发现，整体上我国财政分权不利于环境管理，但随着地区经济发展水平的提高，财政分权对环境管理的负向作用呈现减弱趋势；（2）财政分权有利观。财政分权有利观认为虽然地方政府追求地区GDP的绝对增长，但近年来我国在政策制定时开始注重将环境因素纳入地方政府考核指标中，这也让地方政府在迎合晋升机制的同时开始考虑节能减排、提高碳生产率的问题。如周敏等[19]研究发现当一个地区的财政自主度越高，地方政府在发展地方经济时越倾向于选择污染程度较低的项目，即更能促进该地区的能源生态效率的提升；（3）财政分权在不同阶段影响不同。如王垒等[20]从产业结构升级视角研究了区域财政自主能力对碳经济效益的影响，研究发现在高度财政分权地区，财政自主能力能够通过产业结构升级提升碳经济绩效，在低度财政分权地区，财政自主能力会对碳经济效益产生负向影响。
现有文献在探讨财政分权与环境管理方面已经较为丰富，但将财政分权作为调节变量研究绿色研发投入与财政分权对碳生产率影响的文献还较少。从理论上来说，财政分权是指上级政府向下级政府下放财政权利[19]。近年来国家日益重视环境保护，财政分权度较高的地方政府为了声誉评价也会分配充足的资金于绿色研发投入和环境治理方面，且地方政府比中央政府更熟悉本区域状况，能够更高效的使用绿色研发投入资金进而达到提高能源使用效率、改善环境质量的目的。因此认为在高度财政分权背景下，当地政府会更积极地发展低碳经济；另外，在当地财政自主权较大的背景下，地方政府更有能力和动力追求高度环境治理和节能减排，因此会在当地设置更高的企业准入标准，这导致一些低效率高能耗的生产厂商和项目转移至相邻的其他地区，这种 “产业区位重置”的现象有可能会抑制其他地区碳生产率的提升。综上，本文提出研究假设3和研究假设4。
假设3：财政分权正向调节绿色研发投入对本地区碳生产率的直接效应。
假设4：财政分权负向调节绿色研发投入对相邻地区碳生产率的空间溢出效应。
2 研究方法2.1 变量选取与数据来源2.1.1 被解释变量：碳生产率（CP）
本文借鉴 Kaya和 Yokobori[21]对碳生产率的研究，将各地区生产总值与二氧化碳排放量的比值视为碳生产率，其公式如下：
其中，CP表示碳生产率，GDP代表各地区生产总值，CO2表示各地区二氧化碳排放量。本文以2010年为基期对历年GDP进行平减以消除价格变动带来的影响。
二氧化碳的排放主要来源于能源化石的燃烧和工业生产过程，但工业生产过程产生的二氧化碳量较少，且以往的研究大多是根据能源消耗量估算二氧化碳排放量。因此，本文在数据可获得的条件下根据IPCC提供的计算方法估算二氧化碳排放量，其表达公式如下：
其中，CO2，t表示t年二氧化碳排放总量，i表示能源的种类，E表示能源消耗的二氧化碳排放量，NCV表示各类能源的净发热量，CEF表示能源碳的排放因子，COF表示能源的碳氧化因子，44／12表示CO2与C的分子量比值。本文选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然气8种能源作为终端能源估算二氧化碳排放量。
2.1.2 解释变量：绿色研发投入（GRD）
依据Hamamoto[22]的研究，将由环境规制引起的研发投入增加部分定义为绿色研发投入，具体测算方法参考殷宝庆等[14]的研究如下：
（1）构建由环境规制引致的绿色研发投入计量回归模型：
其中β代表常数；i和t分别代表地区和年份；RD代表R＆D经费内部支出；REG代表环境规制强度，参考张崇辉等[23]的研究可以采用人均收入近似计算；GF代表政府补贴，可以采用R＆D经费内部支出中的政府资金部分进行计算；VA代表工业增加值。
（2）选取2010～2018年我国30个省域层面的面板数据对绿色研发投入计量回归模型中的θ系数θ1、θ2、θ3进行估计。
（3）根据内部研发投入对环境规制强度的弹性，利用式（4）对绿色研发投入金额进行计算。
2.1.3 调节变量：财政分权
本文借鉴祁毓等[24]的研究，用地方财政支出占当年中央财政支出的比重来衡量财政分权（FQD），地方财政分权度越高，表示地方政府对各项公共支出进行分配的自由度越高。财政分权表达式如下：
2.1.4 控制变量
考虑到碳生产率还可能受到其他变量的影响，本文在上述空间计量模型中加入技术水平（TECH）、能源消耗结构（ECS）、产业结构（ISA）、人力资本（EDU）作为控制变量进行计量分析。其中，技术水平（TECH）用每万人发明专利申请授权数表示；能源消耗结构（ECS）用煤炭的消耗量占能源消耗总量的比重表示；产业结构（ISA）用第二产业和第三产业的产业值占地区GDP的比重表示；人力资本（EDU）用本地区人均受教育年限表示。
本文研究变量的相关数据均来源于相关年份《中国统计年鉴》、《中国科技统计年鉴》、《中国能源统计年鉴》以及 《省级温室气体清单编制指南》。此外，依据数据的可获得性和有效性原则，本文选用2010～2018年中国30个省域（西藏和港、澳、台地区除外）的面板数据进行测算。上述各变量的描述性统计如表1所示。
表1 各变量的描述性统计
2.2 空间自相关分析本文采用空间自相关指数Morans I来检验变量是否存在区域关联性与空间依赖性，Morans I表达式：
其中，yi与yj分别代表省域i与省域j的指标值，n为省域总数，Wij是标准化的空间权重矩阵，如果两个地区相邻，则权重值为1；如果不相邻，则为0。一般来说，Morans I的取值在[-1，1]之间，大于0说明相邻区域的变量存在正相关性，小于0说明变量在空间上表现为负相关，等于0表明变量不存在空间相关性。
2.3 空间计量模型在研究绿色研发投入对碳生产率的影响时，仅考虑直接效应而忽略地区之间的空间关联性，可能会造成研究结果的偏差，因此需要同时考虑变量之间的空间相关性。Elhorst[25]提出3种空间效应设置方式，分别为空间误差模型（SEM）、空间滞后模型（SLM）和空间杜宾模型（SDM）。其中，SLM是在一般回归模型中加入被解释变量的空间滞后项，SEM是在一般回归模型中加入了随机误差项的空间滞后项，SDM综合了解释变量的空间溢出效应和被解释变量的空间相关性。为了研究绿色研发投入对碳生产率的影响，本文借鉴Elhorst[25]提到的空间面板模型，构建SDM模型如下：
为考察财政分权对绿色研发投入和碳生产率关系的调节作用，本文在上述模型中加入财政分权和绿色研发投入的交互项，如下所示：
式中，CPit表示i省份t年的碳生产率；ρ为碳生产率的空间自相关系数，当ρ＞0时，说明相邻地区碳生产率表现出空间溢出效应；当ρ＜0时，说明相邻地区碳生产率间存在空间负效应。Wij表示省域i和j之间的空间关联性；X为本文提到的控制变量；φi和vt分别表示地区效应和时间效应；εit为随机误差项；γ表示随机误差项的空间自相关系数。当ρ≠0、θ＝0、γ＝0，即仅碳生产率存在空间关联性时，则上式代表空间滞后模型；当ρ＝0、θ＝0、γ≠0，则上式代表空间误差模型；如果ρ≠0、θ≠0、γ＝0，则上式为空间杜宾模型。对于本文选取哪种模型做研究，需要采用Wald检验和LR检验进行甄别。
2.4 直接效应和间接效应与经典回归模型不同，空间杜宾模型中的解释变量不仅对本地碳生产率产生直接影响（直接效应），还会对周边地区碳生产率产生间接影响（空间溢出效应）。因此，需要对直接效应和间接效应进行分解研究。本文借鉴 Pace和Lesage[26]的研究，通过偏微分方法计算空间杜宾模型中解释变量对碳生产率的直接效应和间接效应（空间溢出效应）：
在等式中间的偏微分矩阵中，对角线元素之和的平均值即为解释变量对被解释变量的直接效应，非对角线元素之和的平均值为其间接效应（空间溢出效应）。
3 实证分析3.1 空间自相关结果分析本文按照上述Morans I指数表达式分别对2010～2018年绿色研发投入和碳生产率的Morans I指数进行计算，计算结果如表2所示。从表2中可以看出，2010～2018年绿色研发投入和碳生产率的Morans I指数均在1%水平下显着为正，这表明绿色研发投入和碳生产率在空间范围内存在显着正向空间相关性，具有空间集聚效应。因此，构建绿色研发投入和碳生产率的影响模型时应该考虑空间效应才符合事实。
表2 绿色研发投入和碳生产率的Morans I指数表
Morans I指数散点图能够更直观地反映出中国各省份绿色研发投入和碳生产率的区域相关性和集聚性。局部Morans I指数散点图将各个省份碳生产率划分为4个象限：第一象限代表碳生产率高的省域周围也是高值省域；第二象限代表高碳生产率的省域被低碳生产率省域包围；第三象限表示碳生产率低的省域周围同为低值省域；第四象限表示碳生产率高的省域被低碳生产率省域包围。本文给出了2010年、2014年和2018年碳生产率局部空间散点图，如图1所示。从图中可见，大多数省份的碳生产率处在第一和第三象限，说明中国碳生产率在空间上存在明显的空间集聚效应。
3.2 空间面板计量模型的选择为了正确估计绿色研发投入、财政分权与碳生产率的关系，需要选择一种最合适的空间面板计量模型进行参数估计。可以分为两个步骤：（1）利用LM检验和稳健LM检验，判断其空间依赖性的表现形式（SLM还是SEM），若两者都合适则选择更为一般的SDM；（2）通过Wald检验和LR检验判断SDM是否可以简化为SLM和SEM。由LM检验和稳健LM检验、Wald检验和LR检验的结果可知（表略），未加入调节变量时，SLM和SEM的LM检验和稳健LM检验均在1%水平上显着，说明设定的模型均存在控制相关项和空间误差项，而SDM可以同时反映空间相关项和空间误差项的空间互动关系，故应该选择更为一般的SDM。同时，Wald检验和LR检验也均通过10%显着性检验，表明本文模型（7）SDM不能简化为SLM和SEM。因此，本文选用空间杜宾模型（SDM）对绿色研发投入和碳生产率之间的关系进行估计分析才是最合适的。加入调节变量后的4种检验结果同上，本文也选用空间杜宾模型（SDM）探讨财政分权对绿色研发投入和碳生产率作用机制的影响。
图1 2010年、2014年、2018年碳生产率局部空间散点图
3.3 回归结果分析本文对绿色研发投入与碳生产率模型进行回归，探讨无调节变量时绿色研发投入与碳生产率之间的关系，之后引入财政分权作为调节变量，探讨财政分权与绿色研发投入交互项对碳生产率的影响。在进行回归估计之前，需要判断是选择随机效应还是固定效应作为本文的基本模型，本文通过Hausman检验分析空间效应和解释变量之间的关系。结果显示模型（7）和模型（8）的Haus⁃man的T统计量分别为为41.3219和62.8217，并均通过1%的显着性检验，说明无调节变量和加入调节变量时本文都应选择固定效应模型。同时，本文通过对空间固定、时间固定和双固定模型的R2和Log L对比发现，未加入调节变量时，SDM时间固定模型是最合适的，加入调节变量后，SDM双固定模型是最合适的。
3.3.1 绿色研发投入与碳生产率
绿色研发投入与碳生产率的空间杜宾模型回归结果如表3所示，同时加入OLS模型回归结果作为对比进行分析。（1）可以看到绿色研发投入对碳生产率的影响系数为正且在1%水平下显着，说明绿色研发投入对提升碳生产率具有显着的促进作用，这表明由环境规制引致的研发投入增加部分可以改良生产设备性能、促进企业绿色清洁技术和污染治理技术的产生，使得能源使用效率和污染治理能力得到提升，最终促进碳生产率得到显着提升；（2）通过OLS模型和SDM模型的对比发现，OLS模型高估了绿色研发投入对碳生产率的影响效应； （3）可以看到SDM模型的空间滞后项系数为0.3260，且在1%水平下显着，证明我国碳生产率具有正向空间溢出效应，即碳生产率较高的省份会带动邻近省份的碳生产率，与李小平等[27]关于 “碳生产率会表现出一荣俱荣，一损俱损特征”的结论相同。
控制变量中，人力资本（EDU）对碳生产率具有显着的正向促进作用，能源消费结构（ECS）、产业结构（ISA）和技术水平（TECH）对碳生产率均有显着的负向影响。人才是绿色创新的关键因素，加大绿色研发投入的同时有研发人力资本的投入能够更有效地提升碳生产率；煤炭的消耗会伴随着大量CO2气体的排放，降低煤炭的消耗可能对提升碳生产率具有促进作用；第二、三产业在提升产值的同时也伴随着大量矿物燃料的使用和污染物的排放，可能是由于总体效果不佳导致碳生产率的降低；技术水平负向影响碳生产率可能是因为发明专利授权中存在能源技术和低碳技术缺乏针对性、效率低下等问题，导致其对碳生产率产生负向影响。
表3 空间杜宾模型估计结果
在空间计量模型中，解释变量的系数不能直接反映其对被解释变量的影响，且在空间自相关结果中可见绿色研发投入具有显着的空间效应，因此本文进一步将模型（7）的绿色研发投入效应分解为直接效应和间接效应（空间溢出效应），以解释绿色研发投入对本地区碳生产率及其他地区碳生产率的作用，分解结果如表4所示。从表4中可以看出，绿色研发投入的直接效应、间接效应和总效应均显着为正，表明加大绿色研发投入不仅能够提升本地区的碳生产率，其所产生的空间溢出效应对其他地区碳生产率的提升也具有显着促进作用，符合假设1和假设2的猜想。
3.3.2 财政分权下绿色研发投入与碳生产率关系
表5为财政分权作为调节变量的空间杜宾模型估计结果。（1）绿色研发投入与财政分权的交互项系数为正，且在5%显着性水平下显着，说明财政分权能够促进绿色研发投入与碳生产率的正向关系；（2）W∗CP的系数仍然显着为正，再次证明我国碳生产率具有正向空间溢出效应。为进一步探索财政分权的调节作用，本文将其分解为直接效应和间接效应，结果如表6所示。
表4 空间杜宾模型直接效应和间接效应
表5 财政分权作为调节变量的空间杜宾模型估计结果
表6 财政分权作为调节变量下空间杜宾模型的直接效应和间接效应
续 表
（1）绿色研发投入与碳生产率的直接效应和间接效应仍然为正，但未通过显着性检验； （2）财政分权与绿色研发投入交互项的直接效应显着为正，说明财政分权能够显着增强地区内绿色研发投入对碳生产率的促进作用，符合假设3的猜想，即财政分权高的地区政府有更充足的绿色研发和污染治理资金，加上地方政府比中央政府掌握更多的关于本区域的信息，使得地方政府更能高效率的使用绿色研发资金并推动污染治理技术和清洁生产技术的产生，进而使得本地碳生产率得到提升；（3）财政分权与绿色研发投入交互项的间接效应显着为负，说明财政分权对本地绿色研发投入带动相邻地区碳生产率提升具有抑制作用，符合假设4的猜想，即本地财政分权度较高会导致 “产业区位重置”继而对相邻地区碳生产率产生不利影响。
4 结论与建议本文基于新地理经济学，采用2010～2018年中国30个省域面板数据为样本，通过建立空间杜宾模型实证研究我国绿色研发投入、财政分权和碳生产率之间的关系。研究发现：（1）加大绿色研发投入不仅能够提升本地区的碳生产率，其所产生的空间溢出效应对相邻地区碳生产率的提升也具有显着促进作用；（2）财政分权可以加强绿色研发投入对本地区碳生产率的促进作用，但抑制了绿色研发投入对其他地区碳生产率的空间溢出效应。根据以上结论，本文提出如下对策建议：
（1）在绿色研发投入方面。①企业应该顺应绿色发展趋势、不断加大绿色研发投入的力度，推动以清洁生产技术和污染治理技术为主的绿色技术的进步，这是各省域提升碳生产率的重要渠道；②由于本文将绿色研发投入定义为由环境规制引致的研发投入增加部分，因此政府部门可以通过适度加强环境规制力度，促进企业在进行研发活动时偏向绿色产品和绿色技术创新方向，培育企业成为绿色研发活动的主体，引导企业走上绿色低碳的可持续发展道路；③利用绿色研发投入提升碳生产率离不开高素质的人力资本，各省域在着重提高人均受教育年限的同时还要对现有的存量人才进行绿色创新方面的培训，引导人才向绿色研发方面聚集。
（2）在财政分权方面。①基于现行的政绩考核体系，中央政府应该扩大地方政府的财政自主度，给予地方政府更多 “财权”，当财政自主度上升时，地方政府会在追求GDP增长的同时积极加大绿色研发投入进而带动绿色技术和产业的发展，最后促进碳生产率的提升；②在地方政府政绩考核体系方面，应该打破 “唯GDP”的考核方式，将环境管理状况、经济发展质量等纳入考核体系，将官员自身晋升与当地经济的可持续发展结合在一起，以此调动当地政府发展低碳经济的积极性，推动我国碳生产率的提升；③为了降低相邻地区财政分权对本地区碳生产率的消极影响，各地区在制定低碳经济发展战略时，应该充分考虑自身资源优势禀赋和区位优势禀赋，有针对性地制定适合本区域低碳经济发展的政策，并引导资源在各地区之间合理流动，保证本地区低碳经济发展的稳定性。