内外资对中国碳排放影响的比较

内外资对中国碳排放影响的比较作者：曹翔余升国刘洪铎来源：《中国人口·资源与环境》2016年第12期摘要：国内外学者大多忽略内资而单独研究外资对碳排放的影响，本文基于碳排放核算公式和柯布—道格拉斯生产函数，从资本、劳动异质性角度将资本投入、劳动投入、技术进步按内外资企业分类构建了理论模型，然后基于2002—2014年中国30个省级行政区的相关数据采用经典的Moran‘s I指数、局域LISA集群示意图进行了全局和局域空间相关性检验；最后构建空间面板模型比较分析了内外资企业资本投入、劳动投入、技术进步对中国碳排放的影响。

结果表明：①中国各省区碳排放存在不可忽视的正向空间自相关性；②内外资企业的资本投入、劳动投入、技术水平的提高均会增加碳排放，其中技术进步因可能的回弹效应而对中国各省区碳排放带来正向影响；③与外资相比，同等幅度的资本投入和技术进步下内资企业带来的碳排放更多，而等量劳动投入下内资企业带来的碳排放更少；④内外资企业资本投入对碳排放的影响程度及其差异均为最大，而劳动投入和技术进步则相对较小。

从―两害取其轻‖这一相对意义上来看：与外资企业相比，内资企业才是2002—2014年中国碳排放增长的更大推手。

由此认为：首先，中国各省级行政区应当以―联防联控‖的治理思维来抑制碳排放增长，而不是―各自为政‖的思维；其次，制定节能减排政策时应该更加重视回弹效应；最后，制定节能减排政策时应该以―共同而有区别的责任‖态度来对待内外资企业，避免―一刀切‖。

关键词：外资；内资；碳排放；空间计量模型中图分类号：X196 文献标识码： A 文章编号： 1002-2104（2016）12-0070-07根据联合国贸发会议统计数据，中国已连续23年成为吸收外资最多的发展中国家，并且大部分来自发达国家地区。

一方面，国内外学术界普遍认为这些号称―万金油‖的外资不仅在一定程度上弥补了中国的资金缺口，而且通过技术溢出等方式极大地带动了中国的经济增长。

另一方面，在面对时下较为热门的低碳经济这一话题时，外资也不可避免地成为了―众矢之的‖。

自Grossman等[1]开创性地提出贸易与环境污染的分解效应模型以来，国内外大多数研究不约而同地把外资、经济增长与环境污染联系起来。

由于研究角度、研究对象、指标选择以及计量检验方法的不同，学者们关于外资与环境污染的关系存在诸多争论。

其一，以Cole等[2]、Baek等[3]、Pao等[4]为代表的学者认为外资恶化东道国的环境。

其二，以Letchumanan等[5]、Eskeland等[6]、Liang[7]、Kirkulak等[8]、Atici[9]为代表的认为外资改善了东道国的环境。

其三，也有一部分研究认为外资对环境存在双向作用，两者的大小决定外资环境总效应的方向。

例如，Hassaballa[10]利用格兰杰因果关系检验法分析了外资与污染排放之间的关系，结果发现外资与环境污染的关系错综复杂，其争议性的观点仍需进一步探讨。

与此同时，国内很多学者纷纷借鉴国外文献的研究方法，利用中国数据研究了外资与环境污染的关系。

例如，聂飞和刘海云[11]通过构建动态联立方程模型并利用中国2003—2011年城市层面数据，发现外资进入会在一定程度上改善当地环境污染；姚奕和倪勤[12]、许和连和邓玉萍[13]利用空间面板模型发现外资有利于改善中国的环境污染。

然而，这些研究都是抛开内资而仅仅研究外资对环境污染的影响，即从绝对意义上来分析外资的环境效应。

众所周知，内资才是中国主要的资本来源，并与外资共同影响着环境污染物的排放。

因此，认为从相对意义上来分析外资的环境效应可以得到更加客观的研究结论。

令人遗憾的是，仅有极少数文献从相对意义上实证分析了外资与内资对环境污染的影响，并且存在诸多缺陷。

例如，沙文兵等[14]以外资、内资这两个变量作为解释变量来实证检验两者对环境污染的影响差异，王奇等[15]则仅仅将Grossman等[1]的分解效应模型中的规模效应按内外资企业分类来比较分析内外资的环境效应。

显然，这两篇文献都分析得不够全面。

张成[16]、曹翔和余升国[17]则进一步将规模效应、结构效应和技术效应按内外资企业进行分解，从而较为全面地比较分析了内外资的环境效应。

然而，这些文献都忽略了空间效应而可能带来估计偏误，并且这一点已经得到了诸多空间经济学家的证明。

例如，Rupasingha[18]等运用空间计量分析研究美国人均收入与大气污染之间的关系时，发现空间效应的引入大大提升了模型估计结果的准确度；Mirshojaeian等[19]也证实了国家之间的环境污染确实存在着空间溢出效应。

综上所述，国内外关于外资与环境污染的研究至少存在以下两个不足之处：一方面，大多忽视了内资对环境的作用而不利于客观评价外资的环境效应；另一方面，比较分析内外资环境效应的已有文献因忽略了空间效应而可能带来估计偏误。

为此，本文基于碳排放的核算公式和柯布—道格拉斯生产函数，从资本、劳动异质性角度构建理论模型，然后利用2002—2014年中国除西藏、港澳台之外的30个省级行政区的相关数据，通过构建空间面板模型从相对意义的角度来比较分析内外资对中国碳排放的影响，以期客观地评价外资的环境效应。

1 理论模型构建以往文献普遍把资本、劳动这两大投入要素视为同质。

直到最近二十多年，经济学家才开始真正重视生产要素的异质性。

Denison[20]在《美国经济增长因素和我们面临的选择》一书中充分肯定了资本异质性和劳动异质性的存在。

舒尔茨[21]通过对农业企业的劳动投入进行详细分类和比较也肯定了劳动异质性的存在。

马晓科[22]首先采用技术研发指标、技术创新效率指标和修正―特定要素模型‖发现技术垄断、市场垄断、规模经济成本垄断优势等导致了中国内外资企业存在资本异质性；然后利用内外资企业劳动力质量指标和构建囊括―跨国公司外购‖和―部门偏向型技术进步‖的理论模型，发现外资企业比内资企业拥有更多的高水平劳动力和更高的平均生产能力，即中国内外资企业的劳动力之间也同样存在异质性。

由此，基于碳排放的核算公式和柯布—道格拉斯生产函数，从资本、劳动异质性角度构建了理论模型，具体如下。

首先，借鉴马晓科[22]的思路把内外资企业的资本投入、劳动投入纳入到柯布—道格拉斯生产函数，然后进一步地将技术进步也按内外资企业分解，从而得到：2 空间自相关与空间计量模型构建传统的计量模型仅仅考虑了时间、截面两个维度的相关性，而且依赖于独立观测值假定。

然而在现实世界中，独立观测值在现实生活中并不是普遍存在的，即空间相关性普遍存在[24]。

Anselin[25]则进一步指出：―对于具有地理空间属性的一切数据而言（包括经济属性数据），一般认为离的近的变量之间比在空间上离的远的变量之间具有更加密切的关系‖。

为此，本文首先进行探索性空间数据分析来检验中国各省区碳排放之间是否存在不可忽视的空间效应，即采用经典的Moran‘s I指数、局域LISA集群示意图来进行全局、局域空间相关性检验；然后在确定存在空间相关性的情形下构建相应的空间计量模型。

2.1 中国省区碳排放的全局空间自相关分析Moran‘s I指数可以反映样本观测值与其空间滞后值之间的相关系数，其取值范围为（-1，1）。

当取值在（-1，0）之间，表明样本观测值与其空间滞后值呈负相关关系，反之则呈正相关关系。

其绝对值越接近于0则相关性越弱，越接近于1则相关性越强。

图1、图2分别为2002年、2014年中国碳排放量的全局Moran‘s I指数散点图。

在全局Moran‘s I指数散点图中，所有省级行政区（以下简称省区）碳排放的集群情况被分为4个象限：第一象限表示高碳省区被其他高碳省份包围（即HH集聚）；第二象限表示低碳省区被其他高碳省份包围（即LH集聚）；第三象限表示低碳省区被其他低碳省份包围（即LL集聚）；第四象限表示高碳省区被其他低碳省份包围（即HL集聚）。

此外，第一象限、第三象限表现为正向的空间相关性，而第二象限、第四象限表现为负向的空间相关性。

从散点的分布情况来看，2002年位于第一、二、三、四象限的省区数分别为8、8、10、4；2014年位于第一、二、三、四象限的省区数分别为8、9、10、3。

这表明，2002—2014期间中国省区碳排放量的空间集群情况存在较高的稳定性。

从Moran‘s I指数的数值上来看，2002年、2014年分别为0.252、0.266，即初步表明2002—2014年中国省区碳排放整体上呈现正向空间相关性。

2.2 中国省区碳排放的局域空间相关性分析虽然Moran‘s I指数从全局角度刻画了变量的空间相关性，但却无法分析不同地理位置的局域空间关联性。

由于局域LISA集聚示意图可以直观地描述某区域变量与周围区域的相似度（即变量的空间集聚程度），因此将采用这一方法进行判断局域空间相关性。

经过局域LISA集群分析，发现2002—2014年中国省区碳排放主要形成了两大集聚类型：一是环渤海地区的HH集聚，主要包括辽宁、河北、山西、山东、河南、安徽等省区，北京被这些地区包围，这与北京的工业角色―分给‖了周边地区的现实较为一致；二是以新疆、四川为中心的LL集聚，其周边的青海、甘肃、陕西、四川、重庆、贵州、广西以及中部、华南、东南等地区向新疆、四川集聚的趋势越来越明显。

由此，可以认为2002—2014年中国省区碳排放呈现出正向局域空间相关性。

综上所述，Moran‘s I指数和局域LISA集群分析表明不同省区之间的碳排放存在全局和局域空间相关性，即空间效应对中国各省区碳排放起着不可忽视的作用。

2.3 空间面板模型构建为进一步捕捉空间效应，基于模型（3）不仅构建了空间自回归模型（SAR）和空间误差模型（SEM）这两大经典模型，而且构建了放松误差项相互独立假设的广义空间自回归模型（SAC），具体如下。

3 空间计量分析3.1 变量说明、数据来源考虑到2001年加入WTO对中国宏观经济环境产生的巨大影响，可能会使模型出现结构性突变，因此本文在数据可获得性的基础上把样本设定为2002—2014年除港澳台、西藏之外的30个省级行政区（以下称―省区‖）。

各变量的指标选取、数据来源及其计算方法如下。

因变量：由于碳排放问题从温室效应而来，因此本文把二氧化碳、甲烷、氧化亚氮等3种温室气体纳入核算范围，具体核算方法为2006年《IPCC国家温室气体清单指南》的排放因子核算法。

解释变量：由于全社会固定资产总额能够从规模、结构和发展速度三个方面来反映固定资产投资，并且是观察工程进度和考核投资效果的重要依据，因此考虑主流做法，本文选取内外资企业的全社会固定资产总额和从业人员数来分别衡量内外资企业的资本投入和劳动投入。

理论上来说，劳动投入应该包括劳动力投入数量和劳动力质量两个维度，但由于中国劳动力市场还不够成熟而难以用劳动边际收入来体现劳动力质量。