京津冀与珠三角工业企业研发创新对碳排放强度的时空影响对比研究_14页_405kb

迈向“双碳”研究系列报告总结

核心内容

本报告基于京津冀和珠三角地区2010-2022年规模以上工业企业面板数据，从研发规模和创新效率两个维度，分析了研发创新对碳排放强度的时空影响。研究采用空间杜宾模型，结合邻接矩阵、反地理距离矩阵和经济距离矩阵，探讨了研发创新对碳排放强度的空间效应与时间效应。

主要观点

研发创新对碳排放强度的影响差异

• 京津冀地区：研发规模和创新效率均对碳排放强度产生空间效应，但影响方式不同。
  • 创新效率：对碳排放强度的直接效应显著为负，但无显著溢出效应。
  • 研发规模：对碳排放强度的直接效应和溢出效应均显著为正，表明研发规模扩大加剧了本地及周边地区的碳排放强度。
• 珠三角地区：创新效率对碳排放强度的影响更为显著，而研发规模影响不显著。
  • 创新效率：对碳排放强度的直接效应显著为负，溢出效应显著为正。
  • 研发规模：对碳排放强度的直接效应和溢出效应均不显著。

空间效应的差异性

• 京津冀地区：空间效应更依赖地理邻近性，邻接矩阵和反地理距离矩阵下的溢出效应更为显著。
• 珠三角地区：由于内部一体化程度高，经济距离矩阵下的溢出效应更为显著。

时间效应的阶段性特征

• 京津冀地区：研发规模对碳排放强度的影响呈现两阶段特征，第一阶段为正向影响，第二阶段转为负向影响。
• 珠三角地区：创新效率的影响具有长期积累特征，仅在全时段内对碳排放强度产生显著负向影响。

关键信息

• 碳排放强度：是衡量碳排放与经济产出比的重要指标，反映区域单位产出的碳排放水平。
• 研发规模：指企业投入的研发经费、全时人员当量等，反映研发活动的总量。
• 创新效率：指专利申请数、新产品销售收入等指标，反映研发资源的转化效率。
• 空间杜宾模型：用于分析被解释变量和解释变量的空间相关性，能够揭示直接效应与溢出效应。
• 数据来源：国家统计局、《中国能源统计年鉴》、《中国科技统计年鉴》、各地区统计年鉴。

研究方法

• 数据基础：使用2010-2022年京津冀和珠三角地级市规模以上工业企业数据，对研发规模、创新效率和碳排放强度进行测算。
• 数据处理：以2010年为基期，采用CPI对研发经费和新产品销售收入进行平减，消除价格波动影响；对从业人员和人均工业生产值取自然对数，以消除数量级差异。
• 空间权重矩阵：
  • 邻接矩阵（W1）：强调地理毗邻关系。
  • 反地理距离矩阵（W2）：基于区域间的空间距离。
  • 经济距离矩阵（W3）：基于经济相似性。
• 模型形式：
  $$
  C = \alpha W C + \beta X + \gamma W X + \varepsilon
  $$
  其中，C为碳排放强度，X为解释变量（研发规模、创新效率等），W为空间权重矩阵，α、β、γ分别为空间自回归系数、解释变量系数和空间滞后系数。

结论与政策建议

主要结论

• 京津冀和珠三角的工业企业研发创新对碳排放强度存在空间效应，但两者特点不同。
• 京津冀研发规模的影响存在两阶段特征，需考虑时滞性；珠三角创新效率的影响具有长期积累特征。
• 研发创新对碳排放强度的影响在不同空间权重矩阵下表现不同，反映了区域间互动机制的差异。

政策建议

1. 构建差异化协同机制：

   • 京津冀地区：应强化地理邻近城市间的技术协同网络，建立“研发-减排”跨区域补偿机制，缓解研发规模带来的正向溢出效应；同时提升创新效率，促进创新成果的扩散。
   • 珠三角地区：需优化创新效率的空间均衡，避免资源过度集中；为落后地区提供扶持，构建优势互补、协同发展的区域格局。

2. 提前布局研发创新政策：

   • 京津冀地区：设立研发规模扩张缓冲期，配套碳排放强度预警系统，确保研发创新活动的可持续性。
   • 珠三角地区：提前布局以实现长期提升创新效率的政策框架，强化创新成果的积累与转化。

研究意义

本研究通过对比京津冀与珠三角在研发创新对碳排放强度的时空影响，揭示了区域发展差异对碳减排路径的深刻影响，为区域协同减排和创新资源配置提供了理论支持与政策参考。