火電行業(yè)碳全要素生產(chǎn)率、技術進步與效率追趕

高文靜,楊舒怡

火電行業(yè)碳全要素生產(chǎn)率、技術進步與效率追趕

高文靜*,楊舒怡

(山西財經(jīng)大學經(jīng)濟學院,山西 太原 030012)

選取2001～2021年中國30個省份的面板數(shù)據(jù),基于SuperSBM-GML模型對中國火電行業(yè)碳全要素生產(chǎn)率的變化及其源泉進行分析,進而利用門檻模型檢驗外商投資水平和研發(fā)強度在低碳技術進步、節(jié)能減排效率方面對碳全要素生產(chǎn)率影響中的非線性門檻效應.結果表明,我國火電行業(yè)碳全要素生產(chǎn)率總體上改善1.3%,其中低碳技術進步是其改善的主要來源;八大經(jīng)濟區(qū)測算結果表明,發(fā)達經(jīng)濟區(qū)碳全要素生產(chǎn)率平均效率值(1.015)高于欠發(fā)達經(jīng)濟區(qū)(1.006),同時發(fā)達經(jīng)濟區(qū)低碳技術進步的追趕效應也明顯高于欠發(fā)達經(jīng)濟區(qū),而欠發(fā)達經(jīng)濟區(qū)節(jié)能減排效率的改善更為顯著.外商投資水平的門檻效應檢驗表明,較低的外商投資水平抑制了低碳技術進步與碳全要素生產(chǎn)率之間的正向促進作用;研發(fā)強度的門檻效應檢驗表明,隨著研發(fā)強度的提升,節(jié)能減排效率的改進對碳全要素生產(chǎn)率的正向效應顯著增強.

SuperSBM-GML模型；碳全要素生產(chǎn)率；低碳技術進步；減排效率；門檻模型

在當前深入推進能源革命和“雙碳”目標的背景下,構建新型電力系統(tǒng)成為能源高質量發(fā)展的基本路徑[1].黨的十八大以來,我國電力供應由“一煤獨撐”逐漸向多元清潔發(fā)展,煤電占比至2020年降至53%.然而受新冠疫情、極端天氣頻發(fā)及國際地緣政治緊張的影響,2021年下半年以來,全球范圍內多個主要能源消費區(qū)面臨能源短缺困局,短期內能源價格不會明顯回落.國內市場也不能獨善其身,天然氣、煤炭市場供求失衡導致能源價格攀升,電力市場處于緊平衡的狀態(tài).短期內我國可再生能源電力無法填補電力需求增長缺口,煤電在未來一段時間仍然是國家能源安全穩(wěn)定的“壓艙石”.

以煤為主的火電,一直是我國電力供應和二氧化碳排放的雙主體,截至2022年8月火力發(fā)電占比達到53%,其中二氧化碳排放占比超過全國總量的1/3,是二氧化碳排放的最大來源.隨著“十四五”規(guī)劃的持續(xù)推進,火電將在未來相當長時間內發(fā)揮重要的托底保供的作用,火電碳排放也將保持剛性增長.然而隨著以火電企業(yè)為首批覆蓋對象的全國碳市場的正式上線以及“雙碳”目標的穩(wěn)步實施,碳減排對電力行業(yè)尤其是火電行業(yè)的約束力度逐漸加大.

因此,火電行業(yè)面臨著控制碳排放以及保障電力產(chǎn)出的雙重壓力,作為能夠更加全面反映經(jīng)濟產(chǎn)出和低碳發(fā)展的綜合指標,提升火電行業(yè)碳全要素生產(chǎn)率成為同時滿足電力需求和實現(xiàn)“雙碳”目標的題中應有之義.

1 研究假說

早期全要素生產(chǎn)率并未將生產(chǎn)過程中的非合意產(chǎn)出納入測算,使得生產(chǎn)率的增長測度出現(xiàn)了偏差[2].后來學者們逐漸關注到碳排放約束,通過實證對比,得出在考慮碳排放約束的情形下測算的全要素生產(chǎn)率相比于傳統(tǒng)測算結果更加準確[3–5].關于碳排放的處理方法也存在不同的觀點:一種是將碳排放作為投入要素,另一種將碳排放作為非期望產(chǎn)出.通過對比環(huán)境污染變量的四種處理方法,發(fā)現(xiàn)將碳排放作為非期望產(chǎn)出處理,能夠更加真實地估計生產(chǎn)率和技術進步率[6].隨后出現(xiàn)了越來越多關于碳全要素生產(chǎn)率的研究,在碳生產(chǎn)率區(qū)域差異層面,許多學者基于異質性視野對省級[7]、東中西[8]碳生產(chǎn)率進行測算及機理分析.在行業(yè)層面,也有學者將研究視角聚焦在制造業(yè)[9]、服務業(yè)[10]等行業(yè).碳全要素生產(chǎn)率越來越成為衡量節(jié)能減排、低碳可持續(xù)發(fā)展的重要指標,因此,本文選擇將碳排放作為非期望產(chǎn)出對我國火電行業(yè)碳全要素生產(chǎn)率進行測算并分析.

關于碳全要素生產(chǎn)率改善的原因,大部分學者肯定了技術進步和效率提升的關鍵性作用[11],然而二者的貢獻大小學者們持有不同的觀點.基于國家層面碳排放效率的測算結果表明,在研究期內各國碳排放效率的提高主要是由技術進步驅動的[12].進一步的橫向對比研究方面,有學者通過測算分析全球88個經(jīng)濟體的碳生產(chǎn)率,得出發(fā)達經(jīng)濟體在技術進步方面遙遙領先,而發(fā)展中國家則在效率提高方面表現(xiàn)稍好[13].火電行業(yè)中也具有相似的特征,通過對中國、韓國發(fā)電企業(yè)碳排放績效進行對比分析,得出中國發(fā)電廠具有更好的效率追趕能力,而韓國發(fā)電廠則更具有技術創(chuàng)新能力[14].在異質性研究方面,相比于東部地區(qū),中國中部和西部地區(qū)碳排放效率受效率變化的影響更大[8].通過梳理相關文獻不難發(fā)現(xiàn),不同國家、不同區(qū)域的碳生產(chǎn)率改善來源不同,并且整體上存在這樣一個趨勢:隨著經(jīng)濟發(fā)展和工業(yè)化水平的不斷提升,技術效率的貢獻總體上波動性下降,技術進步的貢獻逐漸增大[15].我國各地區(qū)資源稟賦和經(jīng)濟發(fā)展水平具有明顯差異,因而碳全要素生產(chǎn)率提升的來源未必具有一致性,基于此本文提出如下假說:

假說一:在經(jīng)濟發(fā)展水平較低的區(qū)域火電行業(yè)碳全要素生產(chǎn)率的改善多來自于效率的變化,而在經(jīng)濟發(fā)達的區(qū)域技術進步的貢獻則更大.

除了對碳全要素生產(chǎn)率改善的貢獻來源大小的探討,研究者也將研究視角逐漸擴展到碳全要素生產(chǎn)率影響因素的作用機制上,例如產(chǎn)業(yè)集聚和技術創(chuàng)新[16]、能源結構[17]、環(huán)境規(guī)制[7]、外商直接投資[18]、研發(fā)能力[13]、碳市場以及碳交易政策[19-20]等.其中外商直接投資和研發(fā)能力對碳全要素生產(chǎn)率的作用機制主要是通過技術溢出效應.研發(fā)投入通過提高創(chuàng)新能力和吸收能力來促進知識和技術的外溢,研發(fā)投入越高則越能顯著促進碳全要素生產(chǎn)率的提升[21].然而研發(fā)能力持續(xù)增加的過程中,技術層面能效改進所產(chǎn)生的潛在節(jié)能減排效果會被產(chǎn)出效益增長帶來的新一輪能源消耗所“蠶食”,這也使得減排效果達不到預期,不利于碳全要素生產(chǎn)率的持續(xù)改善[22].此外,也有研究發(fā)現(xiàn)研發(fā)投入對碳全要素生產(chǎn)率影響的強度自東部向中、西部地區(qū)逐漸增強,存在一定的區(qū)域異質性[23].基于此提出假說.

假說二:研發(fā)強度在節(jié)能減排效率、低碳技術進步對碳全要素生產(chǎn)率的影響中存在非線性門檻效應外資活動主要是通過資金和技術的引進產(chǎn)生技術溢出效應,但技術引進會受到技術吸收消化能力以及技術基礎能力的制約[24].若該地區(qū)技術基礎條件高、技術創(chuàng)新投入大則對引進技術的吸收能力會更好,對技術的溢出效應更加顯著,反之對技術溢出的效果則較差.除了技術基礎能力和技術吸收能力之外,有研究發(fā)現(xiàn)在不同工業(yè)化水平下外商投資(FDI)和碳全要素生產(chǎn)率之間存在“U”型關系[25],并且在東中西三大區(qū)域中,西部欠發(fā)達地區(qū)FDI提升碳生產(chǎn)率的能力更加顯著[26].總體來看,外商直接投資通過技術溢出效應對碳全要素生產(chǎn)率產(chǎn)生影響,但其影響效果在不同工業(yè)化程度、技術基礎能力下存在區(qū)域差異,因此,外商投資水平對碳全要素生產(chǎn)率的影響顯然不能通過單向的促進或者阻礙進行分析.為了更準確的探討碳全要素生產(chǎn)率改善影響機制,本文將研究框架進一步聚焦到外商投資水平在影響機制中發(fā)揮的作用.因此提出如下假說.

假說三:外商投資水平在節(jié)能減排效率、低碳技術進步對碳全要素生產(chǎn)率的影響中存在非線性門檻效應火電行業(yè)作為高排放部門,充分考慮其碳排放約束更符合當前“雙碳”目標下我國經(jīng)濟高質量發(fā)展的要求.關于火電行業(yè)碳全要素生產(chǎn)率的研究多基于宏觀[27–29]或微觀[30]視角,缺乏基于中觀視角的異質性分析,并且以往研究多以東中西為劃分依據(jù),無法從更細致的維度考察碳全要素生產(chǎn)率的異質性.八大經(jīng)濟綜合區(qū)的劃分充分考慮了各地區(qū)資源稟賦結構和經(jīng)濟發(fā)展水平,更符合當前經(jīng)濟發(fā)展的實際和要求.因此本文以八大經(jīng)濟綜合區(qū)為劃分依據(jù)對我國火電行業(yè)碳全要素生產(chǎn)率進行測算分析.基于2001～2021年面板數(shù)據(jù),采用SuperSBM-GML模型對中國火電行業(yè)的碳全要素生產(chǎn)率進行測算,厘清節(jié)能減排效率變化和低碳技術進步對不同綜合經(jīng)濟區(qū)碳全要素生產(chǎn)率的貢獻.同時實證分析外商投資水平和研發(fā)強度在節(jié)能減排效率、低碳技術進步對碳全要素生產(chǎn)率影響中的非線性門檻效應,從而為中國八大綜合經(jīng)濟區(qū)火電行業(yè)實現(xiàn)“雙碳”目標提供政策建議.

2 研究設計

2.1 模型設定

2.1.1 SuperSBM模型 Tone[31]考慮非期望產(chǎn)出的同時將該松弛變量納入目標函數(shù),彌補了傳統(tǒng)徑向DEA因忽視投入或產(chǎn)出的某一方面,從而對決策單元(DMU)效率產(chǎn)生高估[28].2004年提出改進的SuperSBM模型,通過區(qū)分DMU效率值的差異,能夠更準確地對決策單元進行排名[32].火電行業(yè)碳全要素生產(chǎn)率需要對其電力產(chǎn)出和污染排放進行綜合考量,因此本文將基于SuperSBM模型,把火電行業(yè)碳排放量作為非期望產(chǎn)出來計算火電行業(yè)碳全要素生產(chǎn)率.

2.1.2 全局曼奎斯特-盧恩伯格指數(shù) 傳統(tǒng)的曼奎斯特指數(shù)在跨期測量中,忽視了傳遞性這一重要因素,因而可能會出現(xiàn)線性規(guī)劃無解情況.本文基于全局曼奎斯特-盧恩伯格指數(shù)(GML指數(shù))[33],并借鑒Fukuyama等[34]的方法,將火電行業(yè)碳排放作為非期望產(chǎn)出,構建全局SBM方向性距離函數(shù),對火電行業(yè)碳全要素生產(chǎn)率進行測度,計算公式如下:

式中:GML代表碳全要素生產(chǎn)率指數(shù);EC+1代表(+1)時期向生產(chǎn)前沿面的趨近程度,即火電行業(yè)節(jié)能減排效率的變化;TC+1衡量的是(+1)時期生產(chǎn)可能性邊界擴張帶來的火電行業(yè)低碳技術進步程度.當GML>1時,表示碳全要素生產(chǎn)率得到了改善,反之則意味著碳全要素生產(chǎn)率出現(xiàn)退步.節(jié)能減排效率(EC)和低碳技術進步(TC)的大小反映了對碳全要素生產(chǎn)率變動的貢獻程度,當這兩個指數(shù)大于1時,對碳全要素生產(chǎn)率的正向效應得到改善[30].

2.1.3 門檻模型設定.外商投資水平(FDI)和研發(fā)強度(R&D)是影響技術吸收能力的重要因素,而吸收消化能力與技術基礎能力有關,基礎能力高則對技術吸收消化效果好[24],同時技術基礎能力在一定程度上受各地區(qū)要素稟賦的影響,即在稟賦差異下不同地區(qū)技術基礎能力也存在差異.這意味著外商投資水平和研發(fā)強度基于不同技術基礎能力下對技術吸收消化能力的影響也存在異質性,進而影響技術進步.技術進步是全要素生產(chǎn)率提升的重要源泉,因而本文將選取外商投資水平和研發(fā)強度作為門檻變量,探究在不同門檻下,低碳技術進步、節(jié)能減排效率和碳全要素生產(chǎn)率之間是否存在非線性門檻效應.本文將基于Hansen提出的門檻模型,進行非線性門檻效應檢驗[35],其基本方程為:

式中:表示省份,代表年份,y代表火電行業(yè)碳全要素生產(chǎn)率指數(shù).(4)、(5)式中核心解釋變量為低碳技術進步指數(shù)x;(6)、(7)式中核心解釋變量為節(jié)能減排效率指數(shù)z;門檻變量用投資開放水平FDI和研發(fā)強度RD來表示;1,2,…,為所要測算的門檻值;e為隨機擾動項;為估計系數(shù).

2.2 變量說明和數(shù)據(jù)來源

2.2.1 投入產(chǎn)出變量 勞動投入,本文選取電力、熱力及水的生產(chǎn)和供應業(yè)從業(yè)人員總數(shù)來替代.資本投入選取代表火電廠投資規(guī)模的火力裝機容量來表示.能源投入代表的是火電企業(yè)的可變成本,選取火力發(fā)電的標準煤消耗量來表示,借鑒朱承亮的做法,通過公式進行計算:燃料標準煤消耗量=火力發(fā)電量′發(fā)電標準煤耗[36].采用火力發(fā)電量作為期望產(chǎn)出,火電行業(yè)二氧化碳排放量作為非期望產(chǎn)出,各省細分二級行業(yè)二氧化碳排放量的詳細數(shù)據(jù)采用火力發(fā)電標準煤消耗量和標準煤二氧化碳排放系數(shù)相乘的乘積來計算.

2.2.3 樣本選取及數(shù)據(jù)來源 本文以中國30個省份(自治區(qū)、直轄市)作為研究樣本,選取2001年～ 2021年作為觀測期,容量為630個.相關數(shù)據(jù)來自《中國勞動統(tǒng)計年鑒》、《中國電力年鑒》、《中國科技統(tǒng)計年鑒》以及各個省份、市、自治區(qū)的統(tǒng)計年鑒.投入產(chǎn)出變量的描述性統(tǒng)計如表1所示.

表1 投入產(chǎn)出變量描述性統(tǒng)計

3 碳全要素生產(chǎn)率測算結果及區(qū)域異質性分析

3.1 碳全要素生產(chǎn)率總體變化特征

為了更直觀地展示2001～2021年中國火電行業(yè)碳全要素生產(chǎn)率的動態(tài)變化,將碳全要素生產(chǎn)率指數(shù)(GML)及其分解的節(jié)能減排效率指數(shù)(EC)和低碳技術進步指數(shù)(TC)年度均值的變化趨勢展示在圖1中.總體而言,碳全要素生產(chǎn)率動態(tài)變化平均值為1.013,這表明中國火電行業(yè)碳全要素生產(chǎn)率總體處于進步當中;從貢獻因素來看,低碳技術進步的貢獻(1.1%)大于節(jié)能減排效率變化的貢獻(0.8%),這意味著自2001年以來,低碳技術進步是我國火電行業(yè)碳全要素生產(chǎn)率改善的主要來源.

圖1 2001～2021年GML、EC和TC年度均值

從圖1可見,2001～2021年期間火電行業(yè)碳全要素生產(chǎn)率年度均值呈M型變化,出現(xiàn)3個波谷和3個波峰,波動上升和波動下降交替出現(xiàn).3個波谷分別出現(xiàn)在2004 ～2005年、2011～2012年、2014～2015年.3段上升高峰期分別出現(xiàn)在2002～2003年期間、2009～2010年期間和2017～2018年期間.

根據(jù)時序變化來看,2001～2005年期間碳全要素生產(chǎn)率由1.051降至0.957,這一階段碳全要素生產(chǎn)率降低是由低碳技術進步的下降拖累所致的.這一下降趨勢于2006～2010年出現(xiàn)逆轉,中國各省份火電行業(yè)碳全要素生產(chǎn)率得到改善并呈現(xiàn)出波動性上升的態(tài)勢,由1.021上升至1.058,同期內碳全要素生產(chǎn)率改善是由低碳技術進步和節(jié)能減排效率交替拉動,并且逐步轉向由低碳技術進步驅動,在此之前中國火電行業(yè)的低碳技術進步呈現(xiàn)出總體下降的趨勢.2007～2008年期間火電行業(yè)碳全要素生產(chǎn)率出現(xiàn)小幅度下降,主要原因是這一時期節(jié)能減排效率的劇烈變動,與低碳技術進步呈現(xiàn)出反向變動態(tài)勢,但節(jié)能減排效率下降的幅度大于低碳技術進步上升的幅度,從而引起碳全要素生產(chǎn)率降低.隨后2009～2010年出現(xiàn)第2個高峰值,低碳技術進步達到樣本期內最高點,2009年與2005年相比,火電供電煤耗下降了8.11%,300MW以上火電機組占火電裝機容量比重由47%上升到69%(數(shù)據(jù)來源于《中國電力年鑒》),也就是說節(jié)能技術進步的同時,火電行業(yè)生產(chǎn)能力比重也得到改善,提高了能源的利用效率和邊際效益,從而引起火電行業(yè)碳全要素生產(chǎn)率的上漲.

2010～2012年期間低碳技術進步、節(jié)能減排效率雙重下降,引致碳全要素生產(chǎn)率出現(xiàn)第二個波谷.根據(jù)國家能源局公布的電力公司運行情況,2011年煤炭價格以及財務費用的增加擠壓了火電企業(yè)利潤空間,同時2011年年底《國家環(huán)境保護“十二五”規(guī)劃》出臺,火電行業(yè)面臨效益低下和節(jié)能減排的雙重壓力,這可能是導致短期內碳全要素生產(chǎn)率顯著降低的重要原因[36].之后直到2016年中國火電行業(yè)碳全要素生產(chǎn)率均維持在較低水平,在這一階段節(jié)能減排效率的劇烈下降是碳全要素生產(chǎn)率降低的主要來源.2017～2018年碳全要素生產(chǎn)率達到第3個高峰值(1.061),這一時期低碳技術進步提升帶動火電行業(yè)碳全要素生產(chǎn)率的改善.2019～2021年期間,新冠疫情暴發(fā)到復工復產(chǎn)引起節(jié)能減排效率上升到樣本期最高點,但全球能源供應緊張以及火力發(fā)電成本上漲的情況下,低碳技術進步受到影響從而引起碳全要素生產(chǎn)率下滑.

3.2 區(qū)域差異分析

3.2.1 省際異質性分析 為了進一步地了解火電行業(yè)碳全要素生產(chǎn)率異質性,圖2給出了中國30個省份GML平均值及其分解值的分布圖.根據(jù)GML值對30個省份進行排序后,結果顯示新疆、山東、福建、江西、內蒙古、安徽在2001～2021年期間的火電行業(yè)碳全要素生產(chǎn)率在全國名列前茅,主要是因為這些地區(qū)的歷史效率相對較低,且除山東省之外,各地區(qū)火電行業(yè)碳全要素生產(chǎn)率的提升主要是由于節(jié)能減排效率的改進.排在較前列的江蘇、廣東、湖北、廣西、甘肅、寧夏六地,前三個地區(qū)火電行業(yè)碳全要素生產(chǎn)率的改善主要來源于低碳技術進步,而其余三省碳全要素生產(chǎn)率的改善主要來源于節(jié)能減排效率的變化,低碳技術進步帶來的貢獻較小.

審圖號:GS(2020)4362號

值得注意的是,河北、江蘇、上海、山東、廣東五地低碳技術進步的貢獻大于節(jié)能減排效率的貢獻,形成這種局面的原因是這些地區(qū)經(jīng)濟發(fā)展水平較高,通過低碳技術前沿面的提升,帶來火電行業(yè)的長期發(fā)展.青海、海南兩省碳全要素生產(chǎn)率最低,分別為0.977、0.978,說明這兩個省份存在退步,前者主要是由于低碳技術進步的拖累導致,后者則是由于節(jié)能減排效率過低對碳全要素生產(chǎn)率產(chǎn)生了負向影響.

3.2.2 八大綜合經(jīng)濟區(qū)異質性分析 從總體測算結果來看,低碳技術進步是火電行業(yè)碳全要素生產(chǎn)率改善的主要來源,然而由于資源稟賦與技術基礎及吸收消化能力存在差異,各個區(qū)域低碳技術進步和節(jié)能減排效率對碳全要素生產(chǎn)率的貢獻也存在差異,因此本文將對各經(jīng)濟區(qū)低碳技術進步、節(jié)能減排效率的貢獻程度進行判別,并對八大經(jīng)濟綜合區(qū)碳全要素生產(chǎn)率進行分析.八大經(jīng)濟綜合區(qū)的劃分如表2所示:

地基處理后，新路竣工運營20 a后，路堤表面最大工后沉降為2.2 cm，在此沉降變形作用下，路面各結構層的拉應力云圖，如圖7所示。

表2 八大綜合經(jīng)濟區(qū)劃分

如圖3(a)所示,長江中游、北部沿海、黃河中游以及東部沿海平均效率值為1.015,屬于碳全要素生產(chǎn)率第一梯隊.南部沿海綜合經(jīng)濟區(qū)、西北綜合經(jīng)濟區(qū)效率值在1.009～1.012之間,位于中列.并且通過圖3(b)可以看出,東北和西南綜合經(jīng)濟區(qū)碳全要素生產(chǎn)率屬于最后梯隊,兩個經(jīng)濟區(qū)節(jié)能減排效率變化和低碳技術進步呈現(xiàn)出此消彼長的狀態(tài),從而對碳全要素生產(chǎn)率的提升產(chǎn)生了抵消.西北綜合經(jīng)濟區(qū)節(jié)能減排效率變化帶來的貢獻最大,但同時較低的低碳技術進步水平限制了碳全要素生產(chǎn)率的改善.由圖3(c)可知,碳全要素生產(chǎn)率位于第一梯隊經(jīng)濟區(qū)低碳技術進步的追趕效應同樣位于前列,這一趨勢的出現(xiàn)主要是因為新技術的替代集中在我國沿海經(jīng)濟區(qū),其他省份稍顯落后.

圖3 八大綜合經(jīng)濟區(qū)GML、EC和TC情況

綜合以上分析,2001～2021年我國火電行業(yè)碳全要素生產(chǎn)率整體得到改善,其中來自低碳技術進步的貢獻達到1.1%,在區(qū)域異質性方面,第一梯隊經(jīng)濟區(qū)火電行業(yè)碳全要素生產(chǎn)率的改善是由低碳技術進步的追趕效應帶來的,而欠發(fā)達經(jīng)濟區(qū)碳全要素生產(chǎn)率的改善主要是源于節(jié)能減排效率的提升.前文假說一得到證實.除此之外,我國火電行業(yè)碳全要素生產(chǎn)率呈現(xiàn)出從兩流域、沿海向西北、西南、東北遞減的趨勢,這一情況主要是由于欠發(fā)達經(jīng)濟區(qū)火電行業(yè)碳全要素生產(chǎn)率的提高很大程度上受到低碳技術進步水平的限制,而發(fā)達經(jīng)濟區(qū)在節(jié)能減排效率水平上也仍然具有進步空間.

4 門檻效應分析

根據(jù)前文分析結果,要想全面提升各個區(qū)域火電行業(yè)碳全要素生產(chǎn)率,經(jīng)濟欠發(fā)達區(qū)域更應該注重低碳技術進步的改善,經(jīng)濟發(fā)達區(qū)域則應該提升節(jié)能減排效率.事實上,低碳技術進步和節(jié)能減排效率發(fā)揮作用的機制仍受到多種稟賦特征條件因素的影響,為了探究不同區(qū)域提升火電行業(yè)碳全要素生產(chǎn)率的具體路徑,本文將外商投資水平、研發(fā)強度作為門檻變量,進一步分析低碳技術進步和節(jié)能減排效率對碳全要素生產(chǎn)率的非線性影響.

4.1 低碳技術進步對碳全要素生產(chǎn)率的門檻效應

如表3、表4所示,低碳技術進步作為核心解釋變量時,僅外商投資水平通過單一門檻檢驗,門檻值為7.747,置信區(qū)間為[7.623,7.825].

表3 以低碳技術進步為解釋變量門檻估計顯著性檢驗

表4 面板門檻估計置信水平

根據(jù)表5的模型估計可知,當外商投資水平低于門檻值7.747時,低碳技術進步對火電行業(yè)碳全要素生產(chǎn)率有負向作用,其估計系數(shù)為-1.438.當外商投資水平跨過門檻值7.747時,低碳技術進步估計系數(shù)為0.413,意味著當外商投資水平提升后,低碳技術進步對碳全要素生產(chǎn)率的影響顯著為正.其原因在于:受外商投資水平較低的約束,外資企業(yè)難以通過產(chǎn)業(yè)集聚產(chǎn)生技術溢出效應,同時外商投資水平較低的區(qū)域其對先進低碳技術的吸收消化能力較弱[37],引致這一時期低碳技術進步產(chǎn)生抑制效應.隨著外商投資水平的提高,火電企業(yè)通過引進先進的大容量發(fā)電機設備以及進行煤電技術改造等舉措,能源利用效率和生產(chǎn)率得到大幅提高.同時各企業(yè)在示范效應下更加注重清潔低碳化生產(chǎn)[38],并且碳排放約束積極推進行業(yè)技術創(chuàng)新,從而對碳全要素生產(chǎn)率產(chǎn)生正向促進效應.由此可見,低碳技術進步對碳全要素生產(chǎn)率的作用受到外商投資水平的影響,當外商投資水平跨過門檻值后,低碳技術進步對碳全要素生產(chǎn)率的影響也逐漸轉變?yōu)檎?但隨著外商投資水平的持續(xù)提高,其對低碳技術進步和碳全要素生產(chǎn)率之間的促進作用不顯著,驗證了前文假說三.

表5 以低碳技術進步為解釋變量的門檻估計結果

注:*、**和***分別表示通過10%、5%和1%的顯著性檢驗.

從實際情況來看,考察期內西北綜合經(jīng)濟區(qū)外商投資水平未跨過門檻值,技術基礎和管理經(jīng)驗等不足使得低碳技術進步對碳全要素生產(chǎn)率的影響產(chǎn)生抑制作用.一方面西北綜合經(jīng)濟區(qū)在技術基礎能力和對先進技術的吸收消化能力上與發(fā)達經(jīng)濟區(qū)存在差距,加之經(jīng)濟區(qū)內外資企業(yè)較少,難以發(fā)揮外資企業(yè)聚集產(chǎn)生的技術知識溢出效應,從而影響了低碳技術進步對碳全要素生產(chǎn)率的提高.另一方面,政府為了追求經(jīng)濟發(fā)展往往會放寬低碳環(huán)保政策,往往會引進部分高耗能高排放的污染密集型企業(yè),這勢必會加重火電企業(yè)產(chǎn)出負擔從而增加碳排放[26],其對節(jié)能減排的負面影響超過了技術溢出效應,因此對碳全要素生產(chǎn)率產(chǎn)生抑制作用.這也進一步解釋了欠發(fā)達經(jīng)濟區(qū)低碳技術進步并未對碳全要素生產(chǎn)率改善帶來顯著貢獻的原因.

4.2 節(jié)能減排效率對碳全要素生產(chǎn)率的門檻效應

前文實證結果表明發(fā)達經(jīng)濟區(qū)較高的外商投資水平并未對低碳技術進步和碳全要素生產(chǎn)率之間產(chǎn)生門檻效應.那么節(jié)能減排效率作為發(fā)達經(jīng)濟區(qū)火電行業(yè)碳全要素生產(chǎn)率改善的非顯著來源,其發(fā)揮作用的機制是否能通過非線性門檻效應進行解釋呢?

如表6所示,當核心解釋變量為節(jié)能減排效率時,外商投資水平并未通過門檻效應檢驗,僅研發(fā)強度通過了單重門檻效應檢驗,根據(jù)表7可知,研發(fā)強度單重門檻值為10.628,并在95%的置信水平上,其置信區(qū)間分別為[10.617,10.719].

表6 以節(jié)能減排效率為解釋變量門檻估計顯著性檢驗

注:*、**和***分別表示通過10%、5%和1%的顯著性檢驗.

表7 門檻估計置信水平

結果表明,研發(fā)強度會影響節(jié)能減排效率和碳全要素生產(chǎn)率之間的非線性關系.對模型(4)的估計結果如表8所示,當研發(fā)強度低于門檻值10.628時,其估計系數(shù)1為0.089,提升研發(fā)強度有利于促進節(jié)能減排效率和碳全要素生產(chǎn)率之間的正向效應;當研發(fā)強度高于10.628時,此時在節(jié)能減排效率對碳全要素生產(chǎn)率的正向效應進一步增加,估計系數(shù)2為0.246.總體來看,隨著研發(fā)能力增強,節(jié)能減排效率的改進對碳全要素生產(chǎn)率的正向效應具有邊際遞增的非線性規(guī)律,驗證了前文假說二.

表8 以節(jié)能減排效率為解釋變量的門檻估計結果

注:*、**和***分別表示通過10%、5%和1%的顯著性檢驗.

樣本期內西北、西南、長江中游以及黃河中游綜合經(jīng)濟區(qū)其研發(fā)強度處于較高水平,而東部、南部、北部綜合經(jīng)濟區(qū)研發(fā)強度則處于較低門檻階段.黃河中游、長江中游以及“十三五”規(guī)劃以來的西北綜合經(jīng)濟區(qū)屬于火力發(fā)電主體區(qū)域,近年來積極響應國家節(jié)能減排政策[39],嚴格淘汰落后煤電機組,同時重視火電行業(yè)技術研發(fā),通過煤電超低排放改造等措施提升了節(jié)能減排效率,從而促進了火電行業(yè)碳全要素生產(chǎn)率的改善.東部沿海和南部沿海經(jīng)濟區(qū)作為發(fā)達經(jīng)濟區(qū),其經(jīng)濟基礎優(yōu)勢能為研發(fā)創(chuàng)新提供有力支撐[13],但其研發(fā)創(chuàng)新更多集中在高新技術行業(yè),忽略了工業(yè)以及火電行業(yè)的研發(fā)創(chuàng)新,行業(yè)之間存在研發(fā)創(chuàng)新分配不均的問題,因此在節(jié)能減排效率提升方面仍具有潛力,需要加大火電行業(yè)的低碳研發(fā)投入,同時通過各領域之間節(jié)能減排的技術轉讓[40],實現(xiàn)經(jīng)濟區(qū)內火電行業(yè)碳全要素生產(chǎn)率持續(xù)改善.

4.3 內生性檢驗

火電行業(yè)低碳技術進步和節(jié)能減排效率在影響碳全要素生產(chǎn)率的同時也會受其反作用的影響,這導致變量之間存在雙向因果關系,從而引起內生性問題.因此本文將選擇工具變量法對內生性問題進行控制以支持前文分析.考慮到低碳技術進步和節(jié)能減排效率對碳全要素生產(chǎn)率的影響可能存在時滯效應,因此在這里將模型中低碳技術進步和節(jié)能減排效率各自滯后一期并采用工具變量方法進行估計.

表9第(1)列、第(4)列為第一階段回歸結果,顯示工具變量均通過了弱工具變量檢驗,排除了L.TC、L.EC的弱工具變量問題.表9第(2)列和第(4)列為第二階段回歸結果,與第(3)列和第(6)列的OLS估計結果基本一致,并且IV估計系數(shù)總是比OLS估計系數(shù)要大,這表明可能低估了低碳技術進步和節(jié)能減排效率的重要作用,IV估計在一定程度上還原了二者對火電行業(yè)碳全要素生產(chǎn)率的影響,也說明本文結論是穩(wěn)健可靠的.

表9 工具變量回歸結果

注:*、**和***分別表示通過10%、5%和1%的顯著性檢驗.

5 結論

5.1 2001～2021年中國火電行業(yè)碳全要素生產(chǎn)率總體實現(xiàn)了1.3%的改善,其中低碳技術進步帶來的貢獻(1.1%)大于節(jié)能減排效率改善帶來的貢獻(0.8%);其中處于第一梯隊的綜合經(jīng)濟區(qū)火電行業(yè)碳全要素生產(chǎn)率的改善是由低碳技術進步的追趕效應帶來的,欠發(fā)達經(jīng)濟區(qū)碳全要素生產(chǎn)率的改善則是源于節(jié)能減排效率的提升.

5.2 火電行業(yè)碳全要素生產(chǎn)率呈現(xiàn)出從兩流域、沿海向西北、西南、東北遞減的趨勢,這一情況主要是由于欠發(fā)達經(jīng)濟區(qū)碳全要素生產(chǎn)率很大程度上受到其較低的低碳技術進步水平的拖累,而發(fā)達經(jīng)濟區(qū)火電行業(yè)碳全要素生產(chǎn)的進一步改善也受到節(jié)能減排效率較低的限制.

5.3 門檻回歸結果發(fā)現(xiàn),西北綜合經(jīng)濟區(qū)較低的外商投資水平抑制了低碳技術進步與碳全要素生產(chǎn)率之間正向促進作用;隨著研發(fā)強度的增加,節(jié)能減排效率的改進對碳全要素生產(chǎn)率的正向效應呈邊際遞增的非線性規(guī)律.并且發(fā)現(xiàn),東部、南部沿海綜合經(jīng)濟區(qū)研發(fā)強度的行業(yè)分配不均限制了節(jié)能減排效率對碳全要素生產(chǎn)率進一步改善.

6 政策建議

6.1 加強碳全要素生產(chǎn)率高效經(jīng)濟區(qū)向低效經(jīng)濟區(qū)的經(jīng)驗推廣,促進沿海地區(qū)前沿低碳技術向中部、西部經(jīng)濟區(qū)轉移.通過區(qū)域間技術轉讓、引入更多可再生能源以及淘汰落后產(chǎn)能等措施有效控制二氧化碳高排放.要大力推動區(qū)域轉型發(fā)展,推動能源結構低碳化,推動全國火電行業(yè)綠色轉型、均衡發(fā)展.

6.2 制定差異化政策.提升西北綜合經(jīng)濟區(qū)的外資引進門檻,通過大力引進資本密集型產(chǎn)業(yè)和技術密集型產(chǎn)業(yè),促進低碳技術進步與碳全要素生產(chǎn)率之間正向效應優(yōu)化.沿海經(jīng)濟區(qū)需提升行業(yè)間研發(fā)創(chuàng)新協(xié)調性,通過各領域之間節(jié)能減排的技術轉讓帶動火電行業(yè)低碳技術創(chuàng)新,擴大沿海經(jīng)濟區(qū)在火電行業(yè)碳全要素生產(chǎn)率上的優(yōu)勢.長江中游、黃河中游經(jīng)濟區(qū)作為我國火電主要輸出區(qū),第二產(chǎn)業(yè)比重較高,積極推動產(chǎn)業(yè)結構調整,建設火電行業(yè)低碳轉型高地.

6.3 加大對可再生能源產(chǎn)業(yè)、新能源產(chǎn)業(yè)等更具戰(zhàn)略價值的新興產(chǎn)業(yè)的扶持力度.同時充分利用西北地區(qū)風光資源豐富、開發(fā)主體集中等優(yōu)勢,采取新“能源+煤電”的開發(fā)模式,促進風電、太陽能等可再生能源發(fā)電產(chǎn)業(yè)與傳統(tǒng)火電行業(yè)協(xié)同發(fā)展.

[1] 劉曉龍,崔磊磊,李 彬,等.碳中和目標下中國能源高質量發(fā)展路徑研究[J]. 北京理工大學學報(社會科學版), 2021,23(3):1–8. Liu X L, Cui L L, Li B, et al. Study on the path of China's energy quality development under the goal of carbon neutrality [J]. Journal of Beijing University of Technology (Social Science Edition), 2021,23(3): 1-8.

[2] Repetto R, Rothman D, Faeth P, et al. Has environmental protection really reduced productivity growth? [J]. Challenge, 1997,40(1):46- 57.

[3] 王 兵,吳延瑞,顏鵬飛.環(huán)境管制與全要素生產(chǎn)率增長:APEC的實證研究[J]. 經(jīng)濟研究, 2008,(5):19–32. Wang B, Wu Y R, Yan P F. Environmental regulation and total factor productivity growth: An empirical study of APEC [J]. Economic Research Journal, 2008,(5):19–32.

[4] 熊愛華,丁友強,胡玉鳳.低碳門檻下綠色創(chuàng)新補貼對全要素生產(chǎn)率的影響 [J]. 資源科學, 2020,42(11):2184-219. Xiong A H, Ding Y Q, Hu Y F. Impact of low- carbon subsidies and green innovation on total factor productivity in view of the threshold effect of carbon emission reduction [J]. Resources Science, 2020,42(11):2184-2195.

[5] 施建剛,段鍇豐,吳光東,等.碳排放約束下長三角地區(qū)城鄉(xiāng)融合發(fā)展效率[J]. 經(jīng)濟地理, 2021,41(6):57–67. Shi J G, Duan K F, Wu G D , et al. Efficiency of urban-rural integration development in the Yangtze River Delta under the background of carbon emission constraint [J]. Economic Geography, 2021,41(6):57–67.

[6] 陳詩一.中國的綠色工業(yè)革命:基于環(huán)境全要素生產(chǎn)率視角的解釋(1980～2008) [J]. 經(jīng)濟研究, 2010,45(11):21-34,58. Chen S Y. China's green industrial revolution: An explanation from the perspective of environmental total factor productivity (1980～2008) [J]. Economic Research Journal, 2010,45(11):21-34,58.

[7] 李小平,余東升,余娟娟.異質性環(huán)境規(guī)制對碳生產(chǎn)率的空間溢出效應——基于空間杜賓模型[J]. 中國軟科學, 2020,(4):82–96. Li X P, Yu D S, Yu J J. Spatial spillover effect of heterogeneous environmental regulation on carbon productivity: Based on spatial Dubin model [J]. China Soft Science, 2020,(4):82–96.

[8] Lin B, Du K. Modeling the dynamics of carbon emission performance in China: A parametric Malmquist index approach [J]. Energy Economics, 2015,49:550–557.

[9] Wang X Z, Wang S, Zhang X X. Heterogeneity and influence factors of carbon productivity: Evidence from Chinese manufacturing enterprises [J]. Journal of Cleaner Production, 2023,404:136938.

[10] 滕澤偉,胡宗彪,蔣西艷.中國服務業(yè)碳生產(chǎn)率變動的差異及收斂性研究[J]. 數(shù)量經(jīng)濟技術經(jīng)濟研究, 2017,34(3):78–94. Teng Z W, Hu Z B, Jiang X Y. Differences and convergence of carbon productivity changes in China's service sector [J]. The Journal of Quantitative & Technical Economics, 2017,34(3):78–94.

[11] 楊莉莎,朱俊鵬,賈智杰.中國碳減排實現(xiàn)的影響因素和當前挑戰(zhàn)——基于技術進步的視角[J]. 經(jīng)濟研究, 2019,54(11):118–132. Yang L S, Zhu J P, Jia Z J. Influencing factors and current challenges of carbon emission reduction achievement in China - based on the perspective of technological progress [J]. Economic Research, 2019, 54(11):118-132.

[12] Zhou P, Ang B W, Han J Y. Total factor carbon emission performance: A Malmquist index analysis [J]. Energy Economics, 2010,32(1):194– 201.

[13] Bai C, Du K, Yu Y, et al. Understanding the trend of total factor carbon productivity in the world: Insights from convergence analysis [J]. Energy Economics, 2019,81:698–708.

[14] Zhang N, Choi Y. A comparative study of dynamic changes in CO2emission performance of fossil fuel power plants in China and Korea [J]. Energy Policy, 2013,62:324–332.

[15] 周小亮,宋 立.中國工業(yè)低碳轉型:現(xiàn)實分析與政策思考[J]. 數(shù)量經(jīng)濟技術經(jīng)濟研究, 2022,39(8):22–41. Zhou X L, Song L. Low-carbon industrial transformation in China: Realistic analysis and policy thinking [J]. The Journal of Quantitative & Technical Economics, 2022,39(8):22–41.

[16] Liu X, Zhang X. Industrial agglomeration, technological innovation and carbon productivity: Evidence from China [J]. Resources, Conservation and Recycling, 2021,166:105330.

[17] Niu M, Tan X, Guo J, et al. Driving factors and growth potential of provincial carbon productivity in China [J]. Sustainability, Multidisciplinary Digital Publishing Institute, 2021,13(17):9759.

[18] Long R, Gan X, Chen H, et al. Spatial econometric analysis of foreign direct investment and carbon productivity in China: Two-tier moderating roles of industrialization development [J]. Resources, Conservation and Recycling, 2020,155:104677.

[19] 柳亞琴,孫 薇,朱治雙.碳市場對能源結構低碳轉型的影響及作用路徑[J]. 中國環(huán)境科學, 2022,42(9):4369–4379. Liu Y Q, Sun W, Zhu Z S. The impact of carbon market on the low carbon transition of energy structure and its path of action [J]. China Environmental Science, 2022,42(9):4369-4379.

[20] 任曉松,馬 茜,劉宇佳,等.碳交易政策對工業(yè)碳生產(chǎn)率的影響及傳導機制[J]. 中國環(huán)境科學, 2021,41(11):5427–5437. Ren X S, Ma X, Liu Y J, et al. Impact of carbon trading policy on industrial carbon productivity and transmission mechanism [J]. China Environmental Science, 2021,41(11):5427-5437.

[21] 唐保慶.國內R&D投入、國際R&D溢出與全要素生產(chǎn)率[J]. 世界經(jīng)濟研究, 2009,(9):69-75,89. Tang B Q. Domestic R&D input, international R&D spillover and total factor productivity [J]. Journal of World Economy, 2009,(9):69-75,89.

[22] 邵 帥,楊莉莉,黃 濤.能源回彈效應的理論模型與中國經(jīng)驗[J]. 經(jīng)濟研究, 2013,48(2):96–109. Shao S, Yang L L, Huang T. Theoretical model of energy rebound effect and Chinese experience [J]. Economic Research Journal, 2013, 48(2):96–109.

[23] 趙 皋,費能云.外商直接投資、自主創(chuàng)新與碳生產(chǎn)率增長[J]. 資源開發(fā)與市場, 2014,30(2):187–190. Zhao G, Fei N Y. Foreign direct investment, independent innovation and carbon productivity growth [J]. Resources Development and Market, 2014,30(2):187–190.

[24] 唐未兵,傅元海,王展祥.技術創(chuàng)新、技術引進與經(jīng)濟增長方式轉變[J]. 經(jīng)濟研究, 2014,49(7):31–43. Tang W B, Fu Y H, Wang Z X. Technological innovation, technology introduction and transformation of economic growth mode [J]. Economic Research Journal, 2014,49(7):31–43.

[25] 白雪潔,王曉林.工業(yè)化水平如何影響FDI的碳生產(chǎn)率[J]. 山西財經(jīng)大學學報, 2020,42(5):1–14. Bai X J, Wang X L. How does industrialization affect the carbon productivity of FDI [J]. Journal of Shanxi University of Finance and Economics, 2020,42(5):1–14.

[26] 劉傳江,胡 威.外商直接投資提升了中國的碳生產(chǎn)率嗎?——基于空間面板Durbin模型的經(jīng)驗分析[J]. 世界經(jīng)濟研究, 2016,(1):99- 109,137. Liu C J, Hu W. Does FDI improve China's carbon productivity?— Empirical analysis based on Durbin Model of space panel [J]. Journal of World Economy, 2016,(1):99-109,137.

[27] Yan D, Lei Y, Li L, et al. Carbon emission efficiency and spatial clustering analyses in China’s thermal power industry: Evidence from the provincial level [J]. Journal of Cleaner Production, 2017,156: 518–527.

[28] Meng M, Qu D. Understanding the green energy efficiencies of provinces in China: A Super-SBM and GML analysis [J]. Energy, 2022,239:121912.

[29] Duan N, Guo J P, Xie B C. Is there a difference between the energy and CO2emission performance for China’s thermal power industry? A bootstrapped directional distance function approach [J]. Applied Energy, 2016,162:1552–1563.

[30] 張 寧.碳全要素生產(chǎn)率、低碳技術創(chuàng)新和節(jié)能減排效率追趕——來自中國火力發(fā)電企業(yè)的證據(jù)[J]. 經(jīng)濟研究, 2022,57(2):158–174. Zhang N. Carbon total factor productivity, low-carbon technology innovation and catch-up of energy conservation and emission reduction efficiency: Evidence from Chinese thermal power generation enterprises [J]. Economic Research Journal, 2022,57(2):158–174.

[31] Tone K. A slacks-based measure of efficiency in data envelopment analysis [J]. European Journal of Operational Research, 2001,130(3): 498–509.

[32] Tone K, Sahoo B K. Degree of scale economies and congestion: A unified DEA approach [J]. European Journal of Operational Research, 2004,158(3):755–772.

[33] Oh D. A global Malmquist-Luenberger productivity index [J]. Journal of Productivity Analysis, 2010,34(3):183–197.

[34] Fukuyama H, Weber W L. A directional slacks-based measure of technical inefficiency [J]. Socio-Economic Planning Sciences, 2009, 43(4):274–287.

[35] Hansen B E. Threshold effects in non-dynamic panels: Estimation, testing, and inference [J]. Journal of Econometrics, 1999,93(2):345– 368.

[36] 朱承亮.環(huán)境規(guī)制下中國火電行業(yè)全要素生產(chǎn)率及其影響因素[J]. 經(jīng)濟與管理評論, 2016,32(6):60–70. Zhu C L. Total factor productivity and its influencing factors in China's thermal power industry under environmental regulation [J]. Review of Economics & Management, 2016,32(6):60–70.

[37] 李 梅,柳士昌.對外直接投資逆向技術溢出的地區(qū)差異和門檻效應——基于中國省際面板數(shù)據(jù)的門檻回歸分析[J]. 管理世界, 2012,(1):21-32,66. Li M, Liu S C. Regional differences and threshold effects of reverse technology spillover of outward direct investment: A threshold regression analysis based on China's interprovincial panel data [J]. Management World, 2012,(1):21-32,66.

[38] 余壯雄,陳 婕,董潔妙.通往低碳經(jīng)濟之路:產(chǎn)業(yè)規(guī)劃的視角[J]. 經(jīng)濟研究, 2020,55(5):116–132. Yu Z X, Chen J, Dong Jemiao. Dong J M. The road to lowlanning [J]. Economic Research, 2020,55(5):116-132. carbon economy: a perspective of industrial pEconomic Research, 2020,55(5):116-132.

[39] Zhou Y, Xing X, Fang K, et al. Environmental efficiency analysis of power industry in China based on an entropy SBM model [J]. Energy Policy, 2013,57:68–75.

[40] Xian Y, Wang K, Shi X, et al. Carbon emissions intensity reduction target for China’s power industry: An efficiency and productivity perspective [J]. Journal of Cleaner Production, 2018,197:1022–1034.

Carbon total factor productivity, technological progress and efficient catching up in the thermal power sector.

GAO Wen-jing*, YANG Shu-yi

(School of Economics, Shanxi University of Finance and Economics, Taiyuan 030012, China)., 2023,43(11)：6172～6182

According to the panel data of selected 30 provinces in China from 2001 to 2021, this paper analyzes the changes and sources of total carbon factor productivity in China's thermal power industry based on the SuperSBM-GML model. And then the threshold model was used to test the nonlinear threshold effect of foreign investment level and R&D intensity on carbon total factor productivity in terms of low-carbon technological progress, energy saving and emission reduction efficiency. The results show that the total carbon factor productivity of China's thermal power industry improved by 1.3% in general, of which low-carbon technological progress was the main source of its improvement. The results of the eight economic zones show that the average efficiency value of carbon total factor productivity in developed economic zones (1.015) was higher than that in less developed economic zones (1.006). At the same time, the catching-up effect of low-carbon technological progress in the developed economic zones was also significantly higher than that in the less developed ones. However, the improvement of energy conservation and emission reduction efficiency was more significant in less developed economic zones. The test of threshold effect of foreign investment level manifests that lower foreign investment level inhibits the positive promotion effect between low-carbon technological progress and carbon total factor productivity; the test of threshold effect of R&D intensity demonstrates that the improvement of energy saving and emission reduction efficiency had a significant positive effect on carbon total factor productivity with the increase of R&D intensity.

SuperSBM-GML model；carbon total factor productivity；low carbon technological progress；emission reduction efficiency；threshold model

X24

A

1000-6923(2023)11-6172-11

高文靜(1982-),女,山西陽泉人,副教授,博士,主要從事能源經(jīng)濟理論與政策、能源經(jīng)濟統(tǒng)計分析、低碳經(jīng)濟研究.發(fā)表論文10余篇.sinceregwj@163.com.

高文靜,楊舒怡.火電行業(yè)碳全要素生產(chǎn)率、技術進步與效率追趕 [J]. 中國環(huán)境科學, 2023,43(11):6172-6182.

Gao W J, Yang S Y.Carbon total factor productivity, technological progress and efficient catching up in the thermal power sector [J]. China Environmental Science, 2023,43(11):6172-6182.

2023-03-15

國家自然科學基金資助項目(72103113)

* 責任作者, 副教授, sinceregwj@163.com