基于空间杜宾模型（SDM）的中国低碳发展溢出和调节效应实证研究

doi:10.16381/j.cnki.issn1003-207x.2023.0671

摘要/Abstract

摘要：

我国历来对环境问题高度重视，很早就认识到传统粗放型经济增长方式不可持续，低碳发展势在必行。我国的经济发展表明，劳动力、资本、技术等传统的生产要素在经济转型发展中起着至关重要的作用，但是，随着数字时代的到来，数据作为新型生产要素必然将发挥更大作用。本文基于2011-2020年中国省域面板数据，运用空间杜宾模型（SDM）全面考察了劳动力、资本、技术和数据要素对中国低碳发展的直接效应和溢出效应，并探讨外商直接投资嵌入其中的调节效应。研究发现：低碳发展存在空间正相关性，具有显著的空间溢出效应；劳动力要素的直接效应和溢出效应均显著为正，数据要素的溢出效应显著为正，直接效应为正但不显著；资本和技术要素的直接效应均显著为负，而溢出效应为正；外商直接投资的直接效应和溢出效应均显著为正，且对各要素产生显著的正向调节作用。通过分析省域要素禀赋状况，政府在制定外商直接投资政策时可以更加有针对性，制定低碳发展促进政策更加科学，在促进新发展理念落地时可提供理论支持。

关键词: 要素禀赋, 低碳发展, 外商直接投资, 空间杜宾, 调节效应

Abstract:

In recent years， extreme weather and severe pollution have occurred internationally， and the traditional extensive economic growth model of high investment， high consumption， and high pollution has posed serious challenges to global environmental security. China is a responsible major country， and at the Climate Ambition Summit， solemn goals and commitments of “reaching carbon peak by 2030” and “carbon neutrality by 2060” are made. To achieve the “dual carbon” goal as scheduled， it is necessary to continuously improve the green and low-carbon policy system， urge China's economy and society to achieve systematic changes as soon as possible， regard low-carbon development as an important direction for China's economic development and transformation and upgrading， and use low-carbon development as an important indicator to measure economic development. The research on factors of production， economic development， and low-carbon development has reached certain conclusions， but overall it is still relatively one-sided， lacking relevant research from the perspective of factor endowment， and even less research on the impact of factor endowment on low-carbon development from the perspective of provincial factor endowment within the same analytical framework.Based on China's provincial Panel data from 2011 to 2020， the spatial Durbin model（SDM） is used to comprehensively examine the direct and spillover effects of labor， capital， technology， data and other factors on China's low-carbon development， and the moderating effect of FDI embedding is discussed. It is found that low-carbon development has a positive spatial correlation and significant spatial spillover effects； The direct and spillover effects of labor factors are significantly positive， while the spillover effects of data factors are significantly positive. The direct effect is positive but not significant； The direct effects of capital and technological factors are significantly negative， while the spillover effects are positive； The direct and spillover effects of foreign direct investment are significantly positive， and there is a significant positive moderating effect between them and various factors. By analyzing the endowment status of provincial factors， the government can be more targeted when formulating policies for introducing foreign direct investment， and formulate low-carbon development promotion policies more scientifically. It can provide theoretical support when promoting the implementation of new development concepts.

Key words: factor endowment, low carbon development, foreign direct investment, space Dubin, regula? tory effect

中图分类号:

陈峰, 杨艳艳, 张萍. 基于空间杜宾模型（SDM）的中国低碳发展溢出和调节效应实证研究[J]. 中国管理科学, 2025, 33(5): 45-53.

Feng Chen, Yanyan Yang, Ping Zhang. Empirical Study on Spillovers and Regulatory Effects of Low Carbon Development in China Based on Spatial Durbin Model (SDM)[J]. Chinese Journal of Management Science, 2025, 33(5): 45-53.

图/表 9

表1

表2

表3

表4

表5

表6

表 7

表 8

表9

参考文献 22

1	D T I，U K. Energy white paper： Our energy future creating a low carbon economy［M］. London： Department of Trade and Industry， 2003.
2	Ohlin B G. Interregional and international trade［M］. Cambridge：Harvard University Press， 1933.
3	张雪峰，宋鸽，闫勇. 要素投入对中国工业碳生产率的影响研究——来自Heckman两阶段的经验数据［J］. 经济问题， 2021（6）： 60-64.
	Zhang X F， Song G， Yan Y. The influence of factor inputs on China’s industrial carbon productivity： Empirical evidence based on the Heckman model［J］. On Economic Problems， 2021（6）： 60-64.
4	罗鎏锴. 要素市场化对中国经济高质量发展的影响研究［D］. 西安：西北大学硕士学位论文， 2021.
	Luo L K. Research on the impact of factor marketization on the high-quality development of China’s economy［D］. Xi’an： Master Dissertation of Northwest University， 2021.
5	张思思，崔琪，马晓钰. 数字要素赋能下有偏技术进步的节能减排效应［J］. 中国人口•资源与环境， 2022，32（7）： 22-36.
	Zhang S S， Cui Q， Ma X Y. Energy saving and emission reduction effect of biased technological progress under digital factor empowerment［J］. China Population， Resources and Environment， 2022，32（7）： 22-36.
6	冯严超，王晓红，胡士磊. FDI、OFDI与中国绿色全要素生产率—基于空间计量模型的分析［J］. 中国管理科学， 2021，29（12）： 81-91.
	Feng Y C， Wang X H， Hu S L. Effects of FDI and OFDI on green total factor productivity in China： An analysis based on spatial econometric models［J］. Chinese Journal of Management Science， 2021，29（12）： 81-91.
7	周忠宝，邓莉，肖和录，等. 外商直接投资对中国经济高质量发展的影响—基于Index DEA和面板分位回归的分析［J］. 中国管理科学， 2022，30（5）： 118-130.
	Zhou Z B， Deng L， Xiao H L， et al. The impact of foreign direct investment on China’s high-quality economic development—Index DEA and panel partition regression analysis［J］. Chinese Journal of Management Science， 2022，30（5）： 118-130.
8	方艳，曾维琴，韦天慈. 外商直接投资对我国碳减排的影响研究—基于中国省际面板数据的空间计量分析［J］. 浙江工业大学学报（社会科学版）， 2022，21（4）： 409-417.
	Fang Y， Zeng W Q， Wei T C. Study on the impact of foreign direct investment on China’s carbon emission reduction： A spatial econometric analysis based on provincial panel data［J］. Journal of Zhejiang University of Technology （Social Sciences）， 2022，21（4）： 409-417.
9	李小平，杜昕倩. 全球价值链嵌入对雾霾污染的影响研究—基于环境规制的调节效应分析［J］. 东岳论丛， 2022，43（7）： 131-144.
	Li X P， Du X Q. Research on the impact of global value chain embedding on smog pollution：Based on the analysis of the regulatory effect of environmental regulation［J］. Dongyue Tribune， 2022，43（7）： 131-144.
10	宛群超，袁凌. 创新要素流动与高技术产业创新能力［J］. 科研管理， 2021，42（12）： 80-87.
	Wan Q C， Yuan L. Innovation factor flow and innovation ability of high-tech industries［J］. Science Research Management， 2021，42（12）： 80-87.
11	梁圣蓉，罗良文. 技术创新对碳生产率影响的空间效应—基于产业结构和对外开放视角［J］. 广西社会科学， 2022（4）： 16-27.
	Liang S R， Luo L W. Spatial effect of technological innovation on carbon productivity：Based on industrial structure and opening-up［J］. Social Sciences in Guangxi， 2022（4）： 16-27.
12	刘海云，龚梦琪. 要素市场扭曲与双向FDI的碳排放规模效应研究［J］. 中国人口·资源与环境， 2018，28（10）： 27-35.
	Liu H Y， Gong M Q. A study on the factor market distortion and carbon emission scale effect of two-way FDI［J］. China Population， Resources and Environment， 2018，28（10）： 27-35.
13	张军，吴桂英，张吉鹏. 中国省际物质资本存量估算： 1952—2000［J］. 经济研究， 2004，39（10）： 35-44.
	Zhang J， Wu G Y， Zhang J P. The Estimation of China’s provincial capital stock： 1952—2000［J］. Economic Research Journal， 2004，39（10）： 35-44.
14	Zhu J， Fan Y， Deng X， et al. Low-carbon innovation induced by emissions trading in China［J］. Nature Communications， 2019， 10（1）： 4088.
15	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.
16	马中东，宁朝山. 数字经济、要素配置与制造业质量升级［J］. 经济体制改革， 2020（3）： 24-30.
	Ma Z D， Ning C S. Digital economy， factor allocation and quality upgrading of manufacturing industry［J］. Reform of Economic System， 2020（3）： 24-30.
17	LeSage J P， Pace R K. Introduction to spatial econo⁃metrics［M］. Boca Raton， FL： Chapman& Hall/CRC， 2008.
18	陈诗一，刘朝良，冯博. 资本配置效率、城市规模分布与福利分析［J］. 经济研究， 2019， 54（2）： 133-147.
	Chen S Y， Liu C L， Feng B. Capital allocation efficiency， city-size distribution and social welfare analysis［J］. Economic Research Journal， 2019， 54（2）： 133-147.
19	曾艺，韩峰，刘俊峰. 生产性服务业集聚提升城市经济增长质量了吗？［J］. 数量经济技术经济研究， 2019， 36（5）： 83-100.
	Zeng Y， Han F， Liu J F. Does the agglomeration of producer services promote the quality of urban economic growth？［J］. The Journal of Quantitative & Technical Economics， 2019， 36（5）： 83-100.
20	曹春方，马连福，沈小秀. 财政压力、晋升压力、官员任期与地方国企过度投资［J］. 经济学（季刊）， 2014， 14（4）： 1415-1436.
	Cao C F， Ma L F， Shen X X. Fiscal pressure， promotion pressure， tenure of office and local state-owned Companies’Overinvestment［J］. China Economic Quarterly， 2014， 14（4）： 1415-1436.
21	刘志成. 要素市场化配置的主要障碍与改革对策［J］. 经济纵横， 2019（3）： 93-101.
	Liu Z C. Market-oriented factor allocation mechanism： Barriers and countermeasures［J］. Economic Review Journal， 2019（3）： 93-101.
22	洪银兴. 关于市场决定资源配置和更好发挥政府作用的理论说明［J］. 经济理论与经济管理， 2014， 34（10）： 5-13.
	Hong Y X. Theoretical study of allowing the market to play a decisive role in allocating resources and improving the government’s role［J］. Economic Theory and Business Management， 2014， 34（10）： 5-13.

变量名称	符号	测量方法	单位
碳生产率	lnLce	GDP/二氧化碳排放量的对数	万元/吨
劳动力	lnLa	就业人员平均受教育年限的对数	年
资本	lnCa	资本存量的对数	万元
技术	lnTa	绿色专利授权量的对数	项
数据	lnDa	软件业务收入的对数	万元
外商直接投资	lnFdi	实际利用外商直接投资额的对数	万元
产业结构	Str	第三产业增加值/地区生产总值	%
政府干预	lnGov	地方财政支出的对数	万元
城镇化率	Urb	城镇人口/总人口	%

变量	样本数	均值	标准差	最小值	最大值
lnLce	300	0.664	0.477	0.110	3.082
lnLa	300	2.190	0.0906	1.969	2.503
lnCa	300	10.50	0.770	8.155	12.05
lnTa	300	10.11	1.439	6.219	13.47
lnDa	300	14.96	2.214	6.968	18.87
lnFdi	300	3.581	1.713	-3.110	5.879
lnGov	300	8.375	0.586	6.559	9.766
Str	300	0.492	0.0898	0.327	0.839
Urb	300	0.573	0.123	0.350	0.896

年度	Moran ’s I	Z 值
2011	0.498	5.049
2012	0.500	5.018
2013	0.460	4.770
2014	0.481	4.909
2015	0.456	4.644
2016	0.448	4.632
2017	0.437	4.575
2018	0.437	4.566
2019	0.434	4.559
2020	0.418	4.344

检验	数值
LM-lag	47.878^***（0.000）
R-LM-lag	4.658^**（0.031）
LM-error	48.562^***（0.000）
R-LM-error	5.341^**（0.021）
LR-spatial-lag	52.74^***（0.000）
LR-spatial-error	60.41^***（0.000）
空间效应LR检验	20.6614^**
时间效应LR检验	47.2301^**
Hausman检验	60.858^***

变量	OLS	SDM Main	Wx
lnLa	0.0711^* (0.0385)	0.7191^* (0.4414)	-0.2945 (1.0021)
lnCa	-0.4364^*** (0.0646)	-0.3903^*** (0.1412)	0.5989^** (0.2959)
lnTa	0.4478^*** (0.0898)	-0.1469^*** (0.0421)	0.0815 (0.0848)
lnDa	0.0340^* (0.0177)	-0.0141 (0.0241)	0.1144^*** (0.0426)
lnFdi	0.0482^*** (0.0180)	0.0404^** (0.0206)	0.0770^* (0.0440)
控制变量	是	是	是
ρ		0.2249^** (0.0917)
N	300	300	300
R2	0.682	0.744	0.744