高级检索

可持续贸易、绿色技术进步与全球创新链升级的交互作用碳中和背景下跨国多行业的数据实证

万璐, 郭丽莎, 康嘉玲

万璐, 郭丽莎, 康嘉玲. 可持续贸易、绿色技术进步与全球创新链升级的交互作用——碳中和背景下跨国多行业的数据实证[J]. 北京林业大学学报(社会科学版), 2022, 21(1): 77-85. DOI: 10.13931/j.cnki.bjfuss.2021291
引用本文: 万璐, 郭丽莎, 康嘉玲. 可持续贸易、绿色技术进步与全球创新链升级的交互作用——碳中和背景下跨国多行业的数据实证[J]. 北京林业大学学报(社会科学版), 2022, 21(1): 77-85. DOI: 10.13931/j.cnki.bjfuss.2021291
Wan Lu, Guo lisha, Kang Jialing. The Interaction of Sustainable Trade, Green Technological Progress and the Upgrading of the Global Innovation Chain: Based on Data from Multinational and Multi-industry in the Context of Carbon Neutrality[J]. Journal of Beijing Forestry University (Social Science), 2022, 21(1): 77-85. DOI: 10.13931/j.cnki.bjfuss.2021291
Citation: Wan Lu, Guo lisha, Kang Jialing. The Interaction of Sustainable Trade, Green Technological Progress and the Upgrading of the Global Innovation Chain: Based on Data from Multinational and Multi-industry in the Context of Carbon Neutrality[J]. Journal of Beijing Forestry University (Social Science), 2022, 21(1): 77-85. DOI: 10.13931/j.cnki.bjfuss.2021291

可持续贸易、绿色技术进步与全球创新链升级的交互作用——碳中和背景下跨国多行业的数据实证

基金项目: 中央高校基本科研业务费专项资金资助项目(2021SRY06)、北京市社科基金项目“北京市服务业高水平开放与服务业制造化、服务业生产率的关联效应研究”(20JJC026)
详细信息
    作者简介:

    万璐,博士,副教授。主要研究方向:国际贸易理论与政策、金融发展与国际贸易。Email:dufexiaolu@163.com 地址:100083 北京林业大学经济管理学院

The Interaction of Sustainable Trade, Green Technological Progress and the Upgrading of the Global Innovation Chain: Based on Data from Multinational and Multi-industry in the Context of Carbon Neutrality

  • 摘要: 受全球新型冠状病毒肺炎疫情以及单边贸易保护主义的影响,与经济发展密切相关的可持续贸易成为各国关注的焦点。以32个在世界经济体中具有代表性的国家和地区为例,根据其1995—2018年的相关面板数据,基于三阶段SBM-DEA模型,结合Malmquist指数测算创新效率,分析其与绿色技术进步对可持续贸易的影响,并利用空间杜宾模型等进行回归分析和效应分解。交互作用方面,结合空间杜宾、误差模型结果,综合考虑运用Bootstrap中介效应进行分析。结论表明:绿色技术进步在显著促进单一国家可持续贸易发展的同时,对周边地区或经济发展水平相近的地区具有积极的正向溢出效应;绿色技术进步对可持续贸易的作用会受到创新效率的正向影响。
    Abstract: Affected by the global COVID-19 pandemic and unilateral trade protectionism, sustainable trade, which is closely related to economic development has become the focus of attention everywhere. Taking 32 representative countries and regions in the world economy as examples, according to their relevant panel data from 1995 to 2018, based on the non-radial three-stage SBM-DEA model, combined with the Malmquist index, this paper measures innovation efficiency, and analyzes its relationship with the impact of green technology progress on sustainable trade. The spatial Durbin model is adopted for regression analysis and effect decomposition. In terms of interaction, combined with the results of the spatial Dobin and error models, the Bootstrap mediation effect was comprehensively considered for analysis. The result shows that the progress of green technology not only promotes the sustainable trade development of a single country, but also has a positive spillover effect on surrounding areas or areas with similar economic development levels. The effect of green technological progress on sustainable trade is positively affected by innovation efficiency.
  • 目前,全球新型冠状病毒肺炎疫情仍具有不确定性且存在威胁,国际贸易保护主义愈演愈烈。同时,近年来极端天气出现的频率也在增加,全球气候变化带来的风险已逐步从偶发性的“黑天鹅”转化为长期蛰伏的“灰犀牛”。鉴于此,2020年,中国在第七十五届联合国大会上提出了“双碳目标”。强化绿色环境治理逐渐成为全球性趋势,尽管贸易保护主义尚存,但绿色化仍是世界各国少有的达成共识的领域,这将促进全球创新链和世界贸易在绿色层面上的结构性调整。

    在这种背景下,中国经济要想继续高质量发展,必须要转变参与、引领经济全球化的方式和路径,从之前利用低成本优势参与全球产业链分工转变为高水平参与全球创新链的新格局,以此获取动态比较优势。全球创新链是创新的新发展,关于全球创新链的理论内涵,现有文献基本都做出了具体的解释。在开放创新体系的理论基础上对全球创新链进行界定,一般认为全球创新链是指跨国公司利用全球知识网络和比较优势构建具备高度开放性的价值创新网络体系[1-2]。林学军在对全球创新链的理论内涵进行研究时指出,开放创新可以提升一个国家的创新绩效,进而推动创新效率的增长[3]。基于此,本文选取创新效率作为全球创新链的表征。

    贸易是宏观经济活动的重要组成部分,上游生产和下游消费环节都受到贸易的导向作用的影响;同时,人类经济活动所带来的环境影响也和贸易相互作用,二者联系密切。因此,在国际能源署和联合国秘书长提出的2050年全球实现碳中和这一迫切使命的带动下,国际贸易如何摆脱贸易保护主义、环境成本增加等困境,向可持续贸易发展,日益成为学者们关注的话题。

    绿色技术进步是促进贸易可持续发展的重要一环。可持续发展战略的重要组成之一即为环境产品和服务(Environmental Goods and Services,简称为EGS)的贸易自由化及市场扩展,其为实现可持续贸易的具体形式。且自2010年开始,世贸组织秘书处陆续汇集整理成员国提交的EGS产品清单,并将产品分为6大类,环保技术是其中一类。可持续贸易概念成熟较晚,且国内对绿色技术进步的研究较为滞后,学者们对可持续贸易与绿色技术进步之间的关系研究比较欠缺,但绿色技术进步对可持续贸易有正向推动作用已得到学者们的普遍认可。其中,彭静等[4]指出在外贸生产中要鼓励绿色创新,从而使贸易走上低能耗、低污染、低排放、高效率的发展模式,实现长期可持续发展。Shahbaz等[5]利用国际贸易中隐含着的碳排放问题来评价可持续贸易,发现能源技术创新对法国碳排放有显著抑制作用,有利于可持续贸易发展。

    对可持续贸易与创新效率之间的关系,目前尚未达成一致结论。一种普遍的观点认为创新效率与可持续贸易的关系正相关:如张军[6]把促进科技进步和创新作为对外贸易可持续发展的关键环节;邢孝兵等[7]实证发现,影响全球技术创新活动空间分布差异的重要因素之一是出口商品结构,要想显著促进技术创新,就要出口技术水平较高的产品。另一类观点认为创新效率推动可持续贸易的作用并不显著,可能存在一定局限:如Walz等[8]考察了各国创新动力的差异,研究结果表明科技进步对国家综合实力有相对较高的要求,新兴工业化国家由于较低的综合国力,难以投入大量资金和人才进行深层、高效的科技创新。但这种局限性并不绝对,新兴工业化国家正在研创的包括金融技术和金融科技在内的新技术,如区块链等已经开始作用于国际贸易可持续供应链的转型[9]

    绿色技术的进步是科技创新的一个方向,关于二者之间的交互作用尚未有直接定论。一些学者曾在研究中间接提及,如黄小敬等[10]通过分析我国30个省份的专利面板数据,认为我国大部分省份创新水平偏低,但能有效促进当地绿色增长。高质量创新水平可以带来创新效率的提升,进而获得可持续的包含绿色技术进步等高质量的绿色增长。宋晓玲等[11]分析认为技术创新对双向外国直接投资的绿色经济效应有调节作用,这种技术创新包含自身绿色生产技术和清洁工艺的进步。

    综上所述,学者们从各种角度对可持续贸易、绿色技术进步和创新效率之间的关系做了探讨,为本文的研究提供了借鉴与参考。然而由于可持续贸易概念成熟较晚、数据难以收集、变量选取复杂等,学界仍然缺乏全面的探讨,且已有成果大多忽略了空间溢出效应。由于存在技术要素的流动,绿色技术进步和创新的影响并不会仅限于一个地区,而是会扩散到其他地区,即产生空间溢出效应。若忽视这种影响,必定会造成绿色技术进步和创新的估计效应与实际效应不匹配,对可持续贸易影响的不确定性增强。

    因此,本文通过空间杜宾模型探究绿色技术进步、可持续贸易与全球创新链升级的交互作用。本文在测算绿色技术进步和创新效率的基础上,强调了经济活动的空间关联性,弥补了传统研究仅重视时间因素而忽略空间因素的不足,既从地理空间的开放层面,又从绿色视角剖析、考量技术进步与创新溢出的影响和可持续贸易的空间相关性及交互作用机制,为探索可持续贸易发展路径提供了一定的科学参考。同时,在新型冠状病毒肺炎疫情反复,全球供应链受阻及国际形势发生深刻变化的背景下,本文结论也为诸如中国等广大发展中国家提供一种“破局”思路,找到在未来经济全球化发展中避免落入利益陷阱的一条可能路径。

    创新效率是指在一定环境和资源配置下单位创新投入获得的产出[12],或单位创新产出所需要的投入。本文为了剔除管理无效率、环境因素和随机扰动3种因素的影响,兼顾面板数据特点与研究需要,采用Fic提出的三阶段SBM-DEA(Slack Based Measure-Data Envelopment Analysis)模型,同时加入Malmquist指数,计算每个决策单元在原始输入和输出情况下的初始阶段效率及松弛变量,得到相对真实的创新效率。

    第一阶段:传统DEA模型只能根据截面数据建立生产前沿面,这意味着所有的国家每年都将有一个生产前沿面,无法进行纵向历史数据对比。而通过全局DEA模型计算的Malmquist指数能够对面板数据进行横向、纵向对比,有效解决了这个问题[13]。同时,因为不同国家的投入产出变动比例很难保持一致,规模报酬不变的假设不适用,因此采用规模报酬可变假设更贴近真实水平。

    第二阶段:对研发投入、研发人员全时当量分别进行随机前沿回归分析,可得似然比值分别为262.23、214.90,在临界值为8.76(5%的显著性水平)的情况下显然拒绝不存在无效率项的原假设,表明投入要素松弛变量和所选择的环境要素之间存在显著的关系,存在无效率项[14],使用三阶段DEA模型可行。因此,建立SFA回归方程如下:

    $$ {S}_{ik}=f\left({Z}_{{{k}}},{\beta }^{i}\right)+{V}_{ik}+{U}_{ik}\;\;\;\;\left(i=\mathrm{1,2},\cdots ,{n};k=\mathrm{1,2},\cdots ,n\right) $$

    式中,k=1,2,…,n表示决策单元,i表示第i项投入,则$ {S}_{ik} $表示第k个决策单元第i项投入的松弛变量值,Z为环境变量,β是相应环境变量的系数,$ f\left({Z}_{{{k}}},{\beta }^{i}\right) $为环境变量对松弛变量值$ {S}_{ik} $的影响,($ {V}_{ik}+{U}_{ik} $)为联合误差项,$ {V}_{ik} $为随机误差,$ {U}_{ik} $为管理无效率值,即管理因素对投入松弛变量的影响。

    第三阶段:将调整后的新的投入和产出值重新代入模型,得到修正后的SBM-DEA效率值。

    学界在衡量创新投入时,大多采用国内研发支出总额和研发人员全时当量指标[15]。针对国家创新产出的评价,本质上即为评估其在基础研究、应用研究和研究成果商业化方面的产出能力,结合既有研究的做法,在基础研究产出方面,利用科技论文发表数量进行衡量[16];在应用研究成果方面,专利是普遍采用的标准,本文选取居民专利授权量作为主要衡量指标[17];在创新成果转化方面,采用知识产权使用费,其经常被用于衡量专利贸易水平,更适用于反映创新活动在国际商业竞争中的成果[12]。测度创新效率的环境指标则选取互联网使用率、人均国民总收入(按购买力平价衡量)、高等院校入学率、高科技进口值(见表1)。

    表  1  创新效率评价指标
    指标类别指标名称单位
    投入指标 国内研发支出总额 万元
    研发人员全时当量 每百万人
    产出指标 科技论文发表数量
    居民专利授权量
    知识产权使用费 万元
    环境指标 互联网使用率 %
    人均国民总收入 万元
    高等院校入学率 %
    高科技进口值 万元
    下载: 导出CSV 
    | 显示表格

    本文构建空间计量模型研究绿色技术进步和创新效率对可持续贸易的影响。基本模型是关于各解释变量对各地区可持续贸易发展的线性方程,在此基础上引入空间影响因素。方程设定为:

    $$\begin{split} &{\bf{ST}}_{it}=\rho {\sum }_{j}{\boldsymbol{W}}_{ij}{\bf{ST}}_{it}+{\alpha }{\boldsymbol{X}}_{it}+\delta {\sum }_{j}{\boldsymbol{W}}_{ij}{\boldsymbol{X}}_{it}+\\ &\qquad\;\;\;\gamma {\sum }_{j}{\boldsymbol{W}}_{ij}{{\boldsymbol{Z}}}_{it}+{\mu }_{i}+{\lambda }_{t}+{\varepsilon }_{it} \end{split}$$ (1)

    其中,it分别代表国家(地区)和年份,则$ {{\bf{ST}}}_{it} $表示第i个国家或地区在第t年的可持续贸易水平;空间矩阵$ {{\boldsymbol{W}}}_{ij} $的构建结合了目的国家或地区主要聚集区的纬度、经度和人口等因素,数据由相关公式计算得到[18]j表示空间单元;$ {{\boldsymbol{W}}}_{ij}{{\bf{ST}}}_{it} $为可持续贸易的空间溢出项;$ {{\boldsymbol{X}}}_{it} $为解释变量集合;$\; {\alpha }\mathrm{为}{{\boldsymbol{X}}}_{it} $对应的系数向量,$\;\rho $表示被解释变量的空间溢出,$\; \delta $为解释变量的空间影响,$\; {\mu }_{i} $$ {\lambda }_{t} $分别是地区和时间效应,$ {\varepsilon }_{it} $为随机扰动项,$ {{\boldsymbol{Z}}}_{it} $为不同国家或地区的控制变量,其空间影响由系数$ \gamma $表示。

    同时,为了探究创新效率和绿色技术进步在可持续贸易发展过程中的交互作用,在模型(1)的基础上,引入创新效率和绿色技术进步的交互项,构建模型(2):

    $$\begin{split} &{{\bf{ST}}}_{it}=\rho {\sum }_{j}{\boldsymbol{W}}_{ij}{\bf{ST}}_{it}+\mathrm{\alpha }{{\boldsymbol{X}}}_{it}+\delta {\sum }_{j}{\boldsymbol{W}}_{ij}{{\boldsymbol{X}}}_{it}+\\ &\qquad\;\;\;\gamma {\sum }_{j}{\boldsymbol{W}}_{ij}{\boldsymbol{Z}}_{it}+{\beta }_{1}{{\boldsymbol{X}}}_{1}{{\boldsymbol{X}}}_{2}+{\mu }_{i}+{\lambda }_{t}+{\varepsilon }_{it} \end{split} $$ (2)

    其中,$ {{\boldsymbol{X}}}_{1} $为绿色技术进步,$ {{\boldsymbol{X}}}_{2} $为创新效率,$ \;{\beta }_{1} $则是$ {{\boldsymbol{X}}}_{1} $$ {{\boldsymbol{X}}}_{2} $空间交互项的弹性系数。

    本研究遵循指标选取的可比性、可得性、科学性原则,剔除数据缺失的对象,选取覆盖各个洲际的32个国家和地区作为考察对象(包括中国、美国、日本、南非等),测算这些国家或地区在1995—2018年的创新效率。同时,将普通最小二乘法模型、空间自回归模型和空间杜宾模型的实证结果进行对比研究。样本数据中绿色专利数据由世界知识产权组织统计数据中心提供,其余数据来自世界银行数据库。

    可持续贸易(ST)。可持续贸易近年来已经成为人类命运共同体选择的一种发展方式,其评估可以从多个角度入手[9]。而随着全国碳排放权交易市场的进一步发展及全球对碳减排重视程度的进一步提高,同时国际贸易本身在标的商品生产过程中就存在碳排放问题,因此,从碳排放角度衡量可持续贸易有助于探索促进节能减排的有效机制,研究其与绿色技术进步、创新效率的关系。本文借鉴Atkinson等的做法,选取调整后的国民净储蓄,即净国民储蓄与教育支出之和减去能源、矿产、森林等资源消耗及二氧化碳和颗粒物排放损害后的值,表征可持续贸易[19],并进行对数处理。

    ①绿色技术进步(GTP)。为降低因投入-产出难以区分而带来的偏误,本文选取绿色技术发明专利授权数衡量绿色技术进步[20]。根据世界知识产权组织统计数据中心提供的绿色专利清单中列示的绿色专利国际专利分类编码,汇总得出每万名研发人员的绿色技术专利产出数量,并进行对数处理。②创新效率(IE)。创新效率由前文所构建的创新效率评价指标测算得到。

    ①产业结构合理化(SR)。产业结构的合理化程度有助于反映产业之间协调程度及资源有效利用程度[21]。近年来,学者多用泰尔熵指数来衡量样本之间的差异,该指数由泰尔提出,通常用来衡量个人之间或者地区间收入的差距,该指标最大的优势是能衡量组内及组间差距对总差距的贡献,并避免了对绝对值的计算。因此,本文将其引入产业结构合理化的测度过程中,其中泰尔指数偏离0的程度即可说明产业结构的不合理程度[22]。②贸易开放度(TO)。贸易开放度对贸易的可持续性也存在着影响,贸易开放效应通过降低二氧化碳排放而引起复合效应,进而改善环境质量,促进可持续发展[23]。本文利用进出口贸易总额与GDP的比值来衡量贸易开放度[24]。③区域经济增长(REG)。区域经济增长用该国GDP的对数来测度。④金融服务进口(FS)。金融服务可在一定程度上影响可持续贸易发展[9],本文用金融服务进口量占GDP的比值来衡量。⑤温室气体排放(EOG)。温室气体的多少会直接影响贸易的可持续性,需要加以控制,并进行对数处理。

    对目的国家的可持续贸易、绿色技术进步等变量进行描述性统计,由前文可知,32个国家或地区24年的总样本量为768:可持续贸易(ln ST)均值为24.10,标准差为2.08,最大值和最小值分别为28.89和17.44,说明不同国家间的可持续贸易指数存在一定的差异;绿色技术进步(ln GTP)均值为4.69,最小值为0,最大值可达10.25,标准差为2.83,表明不同国家的绿色技术进步水平具有显著性差异;创新效率(IE)均值为0.66,最大值、最小值分别为1.00和0.55,方差为0.05,差异较小;产业结构合理化(SR)最小值为−8.47,最大值可达102.30,标准差也达到了17.06,可见不同国家的产业合理化程度差距较大;贸易开放度(TO)均值为72.68,最大值、最小值分别为437.30、16.44,说明不同国家的贸易开放程度存在极其显著的差异;区域经济增长(ln REG)最大值为30.66,最小值为22.20,表明国家不同,区域经济增长存在一定的差异;金融服务进口(FS)的最大值、最小值分别为0.10、0,平均值为0.01,方差为0.01,可见不同国家间的金融服务进口存在一定的差异;温室气体排放(ln EOG)的最小值为9.20,最大值为16.33,标准差为1.59,说明不同国家温室气体排放量有所不同,差异较大。变量描述性统计结果见表2

    表  2  相关变量的描述性统计
    变量平均数标准差最小值第一四
    分位数
    中位数第三四
    分位数
    最大值
    ln ST 24.10 2.08 17.44 22.72 24.37 25.62 28.89
    ln GTP 4.69 2.83 0 2.48 5.20 6.80 10.25
    IE 0.66 0.05 0.55 0.64 0.66 0.68 1.00
    SR 19.27 17.06 −8.47 7.57 14.89 27.00 102.30
    TO 72.68 59.73 16.44 42.28 59.76 79.20 437.30
    ln REG 26.77 1.70 22.20 25.62 26.71 28.07 30.66
    FS 0.01 0.01 0 0 0 0.01 0.10
    ln EOG 12.51 1.59 9.20 11.15 12.79 13.47 16.33
    下载: 导出CSV 
    | 显示表格

    由Stata计算得出1995年至2018年全球部分国家可持续贸易Moran's指数(如表3所示)。由表3可知,在使用标准化后的0-1空间权重矩阵条件下,所研究国家各年份Moran's指数均小于0,且在2008年之后(不含2008年)呈现出在5%的水平下显著,表明全球可持续贸易从2008年(不含)之后存在显著的负的空间相关性。结合2008年全球金融危机的时间节点可知,后金融危机时代世界市场需求持续锐减,发达国家经济有所衰退,发展中国家经济增速明显放缓,从而导致了商品需求大幅减少,产品价格下跌严重[25],降低了企业和国家的出口能力,因此可持续贸易空间相关性越来越强。

    表  3  面板自相关检验
    年份Moran's
    指数
    Moran's
    指数的期望
    Moran's
    指数的方差
    z
    统计量
    p
    1995 −0.053 −0.032 0.017 −1.190 0.117
    1996 −0.052 −0.032 0.017 −1.178 0.119
    1997 −0.052 −0.032 0.017 −1.153 0.124
    1998 −0.043 −0.032 0.017 −0.623 0.267
    1999 −0.039 −0.032 0.017 −0.366 0.357
    2000 −0.050 −0.032 0.017 −1.042 0.149
    2001 −0.037 −0.032 0.017 −0.299 0.382
    2002 −0.038 −0.032 0.017 −0.309 0.379
    2003 −0.039 −0.032 0.017 −0.383 0.351
    2004 −0.050 −0.032 0.017 −1.004 0.158
    2005 −0.056 −0.032 0.017 −1.369 0.085
    2006 −0.040 −0.032 0.017 −0.438 0.331
    2007 −0.043 −0.032 0.017 −0.628 0.265
    2008 −0.052 −0.032 0.017 −1.123 0.131
    2009 −0.069 −0.032 0.017 −2.132 0.016
    2010 −0.064 −0.032 0.017 −1.863 0.031
    2011 −0.070 −0.032 0.017 −2.187 0.014
    2012 −0.067 −0.032 0.017 −2.042 0.021
    2013 −0.066 −0.032 0.017 −1.981 0.024
    2014 −0.067 −0.032 0.017 −1.999 0.023
    2015 −0.071 −0.032 0.017 −2.242 0.012
    2016 −0.071 −0.032 0.017 −2.292 0.011
    2017 −0.068 −0.032 0.017 −2.121 0.017
    2018 −0.078 −0.032 0.017 −2.645 0.004
    下载: 导出CSV 
    | 显示表格

    进一步绘制1995年、2004年、2014年和2018年的Moran散点图可知:从数量上来看,过半数国家地区的Moran's指数位于第二和第四象限,具有明显的低-高聚集和高-低聚集(见图1 ~ 4)。可持续贸易愈发达的地区呈现低聚集,而愈不发达的地区呈现高聚集,即全球可持续贸易在空间上存在一定的区域可持续贸易的极化。可持续贸易带来的技术进步,如交通进步,促进了相关国家的经济增长,却抑制了周围地区的经济增长,从而助长这种极化经济的产生。从时间上来看,自1995年以来,全球尺度的Moran's指数一直从聚集向着离散方向变化,表现为一、三象限的散点增多,整体聚集情况下降,这表明全球经济格局伴随着全球化而不断改变。

    图  1  1995年Moran散点图
    注:Moran's I = −0.053
    图  2  2004年Moran散点图
    注:Moran's I = −0.050
    图  3  2014年Moran散点图
    注:Moran's I = −0.067
    图  4  2018年Moran散点图
    注:Moran's I = −0.078

    空间杜宾面板模型考虑了空间滞后被解释变量和空间滞后解释变量对被解释变量的影响,具有比空间滞后和空间误差模型更一般的形式,因而能够有效捕捉其他地区传导作用的外部性和管制政策的外溢性。基于前文确定的该空间计量模型,下面我们将对国家层面的可持续贸易及影响因素进行空间面板模型分析,由于2008年之后空间相关性比较显著,所以需对2008年空间面板模型的最优选择进行检验。

    Hausman检验的结果为31.82,且在1%的水平下显著,拒绝了随机效应优于固定效应的原假设,因此后续模型检验均为基于2008年之后的固定效应进行分析。根据在空间固定、时间固定以及时空双固定条件下空间杜宾模型估计结果[26],我们发现时空双固定效应中的系数较大,且由似然比检验结果可知,在1%的显著性水平下认为时空双固定是最优选择,因此后续模型分析均采用时空双固定效应来进行。此外,似然比检验、拉格朗日乘子检验、沃尔德检验结果均在5%的显著性水平下拒绝了空间杜宾模型会退化为空间误差模型与空间自回归模型的假设,这说明本文选取空间杜宾模型具有一定的合理性。

    Anselin[27]认为,由于空间杜宾模型所得的结果中加入了自变量与因变量的空间滞后项,如只考虑直接的回归结果会忽视自变量对因变量带来的边际影响,从而导致估计结果存在偏差。Lesage等[28]针对空间效应作用范围与对象的差异性,将空间杜宾模型中自变量对因变量的影响效应分为直接、间接与总效应。本文空间杜宾模型效应的估计结果如表4所示。

    表  4  空间杜宾模型效应估计结果分析
    变量变量对
    本地区
    变量对
    其他地区
    空间滞后项个体效应总效应
    ln GTP −0.045 1.316** 0.734**
    IE 0.058 3.578* 2.240*
    SR −0.010*** −0.120*** −0.076***
    TO 0.018*** 0.073** 0.053**
    ln REG 2.057*** 1.519 2.013***
    FS 0.360 −47.491 −23.389
    ln EOG −0.374* −2.264 −1.458
    空间滞后项
    系数
    −0.769***
    特异误差 0.344***
    R2 0.629 0.629 0.629 0.629 0.629
    样本量 32 32 32 32 32
    注:******分别表示在10%、5%、1%的水平下显著。
    下载: 导出CSV 
    | 显示表格

    表4可知,可持续贸易具有显著的溢出效应,本地区可持续贸易的提升会对邻近地区的可持续贸易有显著促进作用,忽略溢出效应的存在会使得估计结果有偏差[29]。而其中,绿色技术进步对可持续贸易的影响在5%的水平下显著为正,说明绿色技术进步介入后原本高能源消耗、高污染排放的生产方式得以改变,而这种正空间相关性具有逐年递增趋势;创新效率对可持续贸易影响为正,但显著性不强,说明创新确实能够提升可持续贸易,但投资回报受到多方面影响而不具备典型性;温室气体排放、金融服务进口对可持续贸易影响为负,但并不显著。

    表5可知,从直接效应的回归结果来看,绿色技术进步、创新效率、温室气体排放对可持续贸易有一定抑制作用,但作用不明显,这说明从促进可持续贸易发展来看,绿色创新等传统理念并不能直接发挥作用;由于绿色创新、节能减排等需要资金的投入,在发展初级阶段势必会因资金的大量投入而导致贸易竞争力下降,从而不利于短期的贸易可持续。产业结构合理化在5%的水平下显著为负,影响系数−0.008,结合产业结构合理化指数越接近于0则合理化程度越高的情况,这表明可持续贸易受产业结构合理化影响,且产业结构越合理,贸易可持续性越高。贸易开放度在1%的水平下正显著,系数为0.017,这表明依赖外资外贸的程度越高,产业链条关系愈发紧密,从而贸易愈发可持续;同时持续开放贸易有利于发挥外来资本对市场和生产的调控作用,从而正反馈于可持续贸易。区域经济增长在1%的显著性水平下正显著,系数为2.058,这说明随着国民收入水平提高,对贸易的接受程度和依赖程度愈高,居民对生活质量愈发重视,导致大量外来商品流入本地市场。

    表  5  空间杜宾模型分解效应估计结果分析
    变量直接效应间接效应总效应
    ln GTP −0.065 0.800** 0.734**
    IE −0.028 2.268* 2.240*
    SR −0.008** −0.068** −0.076***
    TO 0.017*** 0.036* 0.053**
    ln REG 2.058*** −0.045 2.013***
    FS 1.140 −24.529 −23.389
    ln EOG −0.326 −1.131 −1.458
    注:******分别表示在10%、5%、1%的水平下显著。
    下载: 导出CSV 
    | 显示表格

    从间接效应的回归结果来看,周边地区的绿色技术进步在5%的显著性水平下正向促进可持续贸易,系数为0.800。随着各地区绿色技术的进步,绿色高新产业得到发展,从而有更多核心竞争品参与到全球贸易中,对可持续贸易的促进作用愈强;相邻地区间的创新效率提升也对可持续贸易有一定的促进作用。此外,贸易开放度在10%的显著性水平上正向促进可持续贸易发展,系数为0.036。且区域经济增长、温室气体排放量增加对可持续贸易均有负向作用,但结果不够显著。当区域经济显著增长时,侧面反映本地区生产力提高,则该地区生产产品愈发多元和高质量,从而对周边地区的贸易依赖度降低,对贸易的发展产生一定的负效应;而排放温室气体越多代表需支付的碳成本愈多,一定程度上不利于全球贸易博弈。

    为验证结论的可靠性,本文从以下3个方面进行稳健性检验:一,由于基准回归可能存在数据依赖性问题,采用还原变量金融服务进口的方法,使其不再为对数形式,进而检验其稳健性;二,对模型可能存在的内生性问题,即可持续贸易与绿色技术进步、创新效率可能存在双向的因果关系,借鉴杨世迪等[30]、聂名华等[31]的做法,把核心解释变量进行滞后化处理;三,考虑到可能存在的遗漏变量和反向因果关系而造成的内生性问题,采用广义空间两阶段最小二乘法对基准方程重新进行参数估计,以削弱内生性对估计结果造成的偏误[32]。稳健性检验结果显示以上检验方法所得与基准模型近似,这充分说明了计量结果的稳定性和可靠性。

    为了探究绿色技术进步、创新效率对可持续贸易影响的交互性,在模型(1)中加入二者的交互项得到模型(2),进行实证分析。结果发现拉格朗日乘数检验不显著,即空间杜宾模型失效,因此本文采用空间误差模型进行分析,实证结果见表6。由表6可得交互项P值为0.680,说明绿色技术进步与创新效率的交互项对可持续贸易的影响不具有显著的空间效应,无法用空间计量模型进行分析。

    表  6  空间误差模型效应估计结果分析
    变量系数标准差z统计量总效应p
    ln GTP 0.569** 0.249 2.290 0.022
    IE 2.360 1.852 1.270 0.203
    ln GTP × IE −0.151 0.365 −0.410 0.680
    SR −0.178*** 0.068 −2.620 0.009
    TO 0.002 0.003 0.790 0.431
    ln REG 0.003*** 0.001 3.430 0.001
    FS 0.155** 0.061 2.550 0.011
    ln EOG −0.064 0.046 −1.380 0.166
    注:******分别表示在10%、5%、1%的水平下显著。
    下载: 导出CSV 
    | 显示表格

    根据模型(1)所得结论,绿色技术进步对可持续贸易影响显著,而创新效率对其没有显著影响,借鉴黄小敬等[10]的研究,推断创新效率可能对绿色技术进步和可持续贸易之间的作用发挥中介效应。所谓中介效应,即当变量XY间的关系不是直接的因果关系,而是通过一个或一个以上的变量M间接产生影响,此时我们称M为中介变量,X通过MY产生的间接影响为中介效应。因目前国内广泛应用的Baron和Kenny提出的中介效应检验模型受到了越来越多的学者质疑,本文采用Bootstrap法对中介效应进行考察。该方法由Preacher和Hayes首次提出,其估计结果包括直接效应、间接效应、总效应,本文在采用Bootstrap抽样1 000次后,得到结果如表7所示。

    表  7  中介效应分析
    效应效应值Bootstrap
    标准误差
    z统计量P>z置信区间
    直接效应 −0.001 0.001 −0.490 0.626 −0.003 ~ 0.002
    间接效应 0.534*** 0.019 28.500 0.000 0.497 ~ 0.570
    注:总效应是指不考虑显著与否的情况下直接效应与间接效应之和;******分别表示在10%、5%、1%的水平下显著。
    下载: 导出CSV 
    | 显示表格

    表7可得,间接效应在1%的显著性水平上拒绝原假设,且置信区间不包含0,即说明间接效应显著。由此可得,绿色技术进步对可持续贸易的作用会受到创新效率的正向影响,中介效应显著。

    本文基于1995—2018年32个具有代表性的国家和地区的相关面板数据,构建以可持续贸易为被解释变量,绿色技术进步和创新效率为解释变量,温室气体排放、产业结构合理化、贸易开放度、区域经济增长、金融服务进口为控制变量的空间杜宾模型。实证研究结果表明:第一,总体上而言,绿色技术进步显著促进可持续贸易的发展,对周边地区或经济发展水平相近的地区具有积极的正向溢出效应,本地区则可以从其他地区的绿色技术进步中获得“搭车”的好处。第二,在绿色技术进步正向推动可持续贸易发展的过程中,表征全球创新链的创新效率提升是一个关键性的同向中介因素。第三,区域经济增长和产业结构合理化对可持续贸易均有显著的促进作用;贸易开放度不仅可以带动本地区的贸易可持续,还可以通过辐射效应为周边地区带来正的外部溢出效应;外来资本对地区环境具有双面作用;而温室气体排放、金融服务进口的提升不仅会降低本地区可持续贸易程度,还会通过溢出作用对邻近地区的可持续贸易产生较强的抑制作用,这说明构建周边地区良好的经济环境对本地区的可持续贸易具有重要意义。

    根据以上研究结果,本文提出以下建议:第一,总体上仍然提倡绿色技术进步,鼓励企业走节能且环保的绿色技术进步发展道路。对在科技创新和节能降耗方面表现突出的工业企业,可以给予多种激励政策如税收减免等;政府需要向社会强调绿色技术进步的重要性与必要性,为绿色技术进步创造良好环境。在优化绿色技术创新体系方面,需重点完善两方面:一是让绿色技术专利保护制度日趋成熟,促进绿色技术市场化;二是加强产学研的协同创新合作,推动绿色技术进步及其产业化的进程。第二,要积极推动国家、地区、区域间的绿色技术合作互助,强化正向溢出效应给可持续贸易带来的优化作用。虽然我国企业已掌握了一定程度的技术,也有较为雄厚的资金实力,但原始性的绿色技术创新能力不足,需要积极学习国外先进的绿色创新技术。发达国家的绿色技术具有国际技术溢出效应,能够对发展中国家自主研发提供研究参考,形成示范效应,同时还能减少创新中的资源损耗,发展中国家以此搭上“便车”。第三,我国在提倡绿色技术进步、发展可持续贸易的过程中,必须提高创新的规划性,除了对应的创新研发政策外,还应加强政府在创新中的作用,加大政府创新研发资金在绿色技术层面上的投入,强化政府创新研发资金对绿色技术进步的引导作用,发挥好创新效率在绿色技术进步对可持续贸易作用上的中介效应,实现可持续贸易驱动。

  • 图  1   1995年Moran散点图

    注:Moran's I = −0.053

    图  2   2004年Moran散点图

    注:Moran's I = −0.050

    图  3   2014年Moran散点图

    注:Moran's I = −0.067

    图  4   2018年Moran散点图

    注:Moran's I = −0.078

    表  1   创新效率评价指标

    指标类别指标名称单位
    投入指标 国内研发支出总额 万元
    研发人员全时当量 每百万人
    产出指标 科技论文发表数量
    居民专利授权量
    知识产权使用费 万元
    环境指标 互联网使用率 %
    人均国民总收入 万元
    高等院校入学率 %
    高科技进口值 万元
    下载: 导出CSV

    表  2   相关变量的描述性统计

    变量平均数标准差最小值第一四
    分位数
    中位数第三四
    分位数
    最大值
    ln ST 24.10 2.08 17.44 22.72 24.37 25.62 28.89
    ln GTP 4.69 2.83 0 2.48 5.20 6.80 10.25
    IE 0.66 0.05 0.55 0.64 0.66 0.68 1.00
    SR 19.27 17.06 −8.47 7.57 14.89 27.00 102.30
    TO 72.68 59.73 16.44 42.28 59.76 79.20 437.30
    ln REG 26.77 1.70 22.20 25.62 26.71 28.07 30.66
    FS 0.01 0.01 0 0 0 0.01 0.10
    ln EOG 12.51 1.59 9.20 11.15 12.79 13.47 16.33
    下载: 导出CSV

    表  3   面板自相关检验

    年份Moran's
    指数
    Moran's
    指数的期望
    Moran's
    指数的方差
    z
    统计量
    p
    1995 −0.053 −0.032 0.017 −1.190 0.117
    1996 −0.052 −0.032 0.017 −1.178 0.119
    1997 −0.052 −0.032 0.017 −1.153 0.124
    1998 −0.043 −0.032 0.017 −0.623 0.267
    1999 −0.039 −0.032 0.017 −0.366 0.357
    2000 −0.050 −0.032 0.017 −1.042 0.149
    2001 −0.037 −0.032 0.017 −0.299 0.382
    2002 −0.038 −0.032 0.017 −0.309 0.379
    2003 −0.039 −0.032 0.017 −0.383 0.351
    2004 −0.050 −0.032 0.017 −1.004 0.158
    2005 −0.056 −0.032 0.017 −1.369 0.085
    2006 −0.040 −0.032 0.017 −0.438 0.331
    2007 −0.043 −0.032 0.017 −0.628 0.265
    2008 −0.052 −0.032 0.017 −1.123 0.131
    2009 −0.069 −0.032 0.017 −2.132 0.016
    2010 −0.064 −0.032 0.017 −1.863 0.031
    2011 −0.070 −0.032 0.017 −2.187 0.014
    2012 −0.067 −0.032 0.017 −2.042 0.021
    2013 −0.066 −0.032 0.017 −1.981 0.024
    2014 −0.067 −0.032 0.017 −1.999 0.023
    2015 −0.071 −0.032 0.017 −2.242 0.012
    2016 −0.071 −0.032 0.017 −2.292 0.011
    2017 −0.068 −0.032 0.017 −2.121 0.017
    2018 −0.078 −0.032 0.017 −2.645 0.004
    下载: 导出CSV

    表  4   空间杜宾模型效应估计结果分析

    变量变量对
    本地区
    变量对
    其他地区
    空间滞后项个体效应总效应
    ln GTP −0.045 1.316** 0.734**
    IE 0.058 3.578* 2.240*
    SR −0.010*** −0.120*** −0.076***
    TO 0.018*** 0.073** 0.053**
    ln REG 2.057*** 1.519 2.013***
    FS 0.360 −47.491 −23.389
    ln EOG −0.374* −2.264 −1.458
    空间滞后项
    系数
    −0.769***
    特异误差 0.344***
    R2 0.629 0.629 0.629 0.629 0.629
    样本量 32 32 32 32 32
    注:******分别表示在10%、5%、1%的水平下显著。
    下载: 导出CSV

    表  5   空间杜宾模型分解效应估计结果分析

    变量直接效应间接效应总效应
    ln GTP −0.065 0.800** 0.734**
    IE −0.028 2.268* 2.240*
    SR −0.008** −0.068** −0.076***
    TO 0.017*** 0.036* 0.053**
    ln REG 2.058*** −0.045 2.013***
    FS 1.140 −24.529 −23.389
    ln EOG −0.326 −1.131 −1.458
    注:******分别表示在10%、5%、1%的水平下显著。
    下载: 导出CSV

    表  6   空间误差模型效应估计结果分析

    变量系数标准差z统计量总效应p
    ln GTP 0.569** 0.249 2.290 0.022
    IE 2.360 1.852 1.270 0.203
    ln GTP × IE −0.151 0.365 −0.410 0.680
    SR −0.178*** 0.068 −2.620 0.009
    TO 0.002 0.003 0.790 0.431
    ln REG 0.003*** 0.001 3.430 0.001
    FS 0.155** 0.061 2.550 0.011
    ln EOG −0.064 0.046 −1.380 0.166
    注:******分别表示在10%、5%、1%的水平下显著。
    下载: 导出CSV

    表  7   中介效应分析

    效应效应值Bootstrap
    标准误差
    z统计量P>z置信区间
    直接效应 −0.001 0.001 −0.490 0.626 −0.003 ~ 0.002
    间接效应 0.534*** 0.019 28.500 0.000 0.497 ~ 0.570
    注:总效应是指不考虑显著与否的情况下直接效应与间接效应之和;******分别表示在10%、5%、1%的水平下显著。
    下载: 导出CSV
  • [1] 马琳,吴金希. 全球创新网络相关理论回顾及研究前瞻[J]. 自然辩证法研究,2011,27(1):109-114.
    [2] 张战仁,李一莉. 全球创新价值链模式的国际研发投资转移研究[J]. 科学学研究,2015,33(10):1487-1495. doi: 10.3969/j.issn.1003-2053.2015.10.007
    [3] 林学军. 全球创新链视角下建设创新型国家战略研究[J]. 东南学术,2018(4):132-140.
    [4] 彭静,顾国达. 区域对外贸易可持续发展指标体系研究−基于浙江省的实证分析[J]. 商业经济与管理,2010(12):46-50. doi: 10.3969/j.issn.1000-2154.2010.12.007
    [5]

    SHAHBAZ M,NASIR M A,ROUBAUD D. Environmental degradation in France:the effects of FDI,financial development,and energy innovations[J]. Energy Economics,2018,74:843-857. doi: 10.1016/j.eneco.2018.07.020

    [6] 张军. 技术创新与中国对外贸易可持续发展关系研究[J]. 企业经济,2007(8):15-17. doi: 10.3969/j.issn.1006-5024.2007.08.004
    [7] 邢孝兵,徐洁香,李子怡. 出口商品结构对全球技术创新空间差异的影响研究[J]. 财贸研究,2018,29(8):39-48.
    [8]

    WALZ R,PFAFF M,MARSCHEIDER-WEIDEMANN F,et al. Innovations for reaching the green sustainable development goals–where will they come from?[J]. International Economics and Economic Policy,2017,14(3):449-480. doi: 10.1007/s10368-017-0386-2

    [9] 孙瑾,丁冉,王杰镭. 关于可持续贸易的研究进展[J]. 经济学动态,2020(8):131-145.
    [10] 黄小敬,李娆,廖文龙,等. 我国各省份创新质量与绿色增长效率分析−基于超效率SBM-DDF模型的省级专利面板数据[J]. 改革与战略,2021,37(4):117-124.
    [11] 宋晓玲,李金叶. 双向FDI协调发展是否促进了绿色经济效率增长−基于技术创新视角[J]. 国际商务(对外经济贸易大学学报),2021(2):126-140.
    [12] 于惊涛,杨大力. 政府投入、经济自由度与创新效率:来自24个领先国家的实证经验[J]. 中国软科学,2018(7):181-192. doi: 10.3969/j.issn.1002-9753.2018.07.016
    [13] 彭亮,刘国城. “一带一路”下西北地区上市公司投资效率研究−基于DEA-Malmquist指数法[J]. 投资研究,2018,37(12):45-57.
    [14] 张建清,卜书迪. 基于三阶段SBM-DEA的区域绿色科技资源优化配置效率测度−以桂林市为例[J]. 资源开发与市场,2017,33(1):1-7. doi: 10.3969/j.issn.1005-8141.2017.01.001
    [15] 官建成,何颖. 基于DEA方法的区域创新系统的评价[J]. 科学学研究,2005(2):265-272. doi: 10.3969/j.issn.1003-2053.2005.02.022
    [16] 易继承,张璐. 基于三阶段DEA模型的创新型国家创新效率测度[J]. 统计与决策,2021,37(8):81-85.
    [17] 陈升, 扶雪琴. “一带一路”沿线科技创新效率区域差异及影响因素分析−基于三阶段DEA和Tobit模型[J]. 重庆大学学报(社会科学版), 2022(1): 154-169.
    [18]

    HEAD K,MAYER T. The empirics of agglomeration and trade[J]. Handbook of Regional and Urban Economics,2004,4:2609-2669.

    [19]

    ATKINSON A,MESSY F-A. Measuring financial literacy:results of the OECD/International Network on Financial Education (INFE) pilot study[J]. OECD Working Papers on Finance,Insurance and Private Pensions,2012,15:1-73.

    [20] 董直庆,王辉. 环境规制的“本地-邻地”绿色技术进步效应[J]. 中国工业经济,2019(1):100-118.
    [21] 余典范,干春晖,郑若谷. 中国产业结构的关联特征分析−基于投入产出结构分解技术的实证研究[J]. 中国工业经济,2011(11):5-15.
    [22]

    THEIL H,URIBE P. The information approach to the aggregation of input-output tables[J]. The Review of Economics and Statistics,1967,49(4):451-462.

    [23]

    LING C H,AHMED K,MUHAMAD R B,et al. Decomposing the trade-environment nexus for Malaysia:what do the technique,scale,composition,and comparative advantage effect indicate?[J]. Environmental Science and Pollution Research,2015,22(24):20131-20142. doi: 10.1007/s11356-015-5217-9

    [24] 易行健,左雅莉. 外贸依存度的国际比较与决定因素分析−基于跨国面板数据的实证检验[J]. 国际经贸探索,2016,32(9):25-39.
    [25] 杨云母,王素玉. 后金融危机时代世界市场转型与人才竞争[J]. 当代经济研究,2009(11):40-44.
    [26] 宁译萱,尹勇,李琼. 基于空间杜宾模型的中国省际雾霾污染影响因素分析[J]. 现代商贸工业,2020,41(26):44-46.
    [27]

    ANSELIN L. Spatial effects in econometric practice in environmental and resource economics[J]. American Journal of Agricultural Economics,2001,83(3):705-710. doi: 10.1111/0002-9092.00194

    [28]

    LESAGE J, PACE R K. Introduction to spatial econometrics[M]. New York: Chapman and Hall/CRC, 2009.

    [29] 丁日佳,张诗悦. 进口贸易、技术溢出的环境效应与工业大气污染−基于省级面板数据的中介路径分析[J]. 北京理工大学学报(社会科学版),2021,23(3):22-37.
    [30] 杨世迪,韩先锋,宋文飞. 对外直接投资影响了中国绿色全要素生产率吗[J]. 山西财经大学学报,2017,39(4):14-26.
    [31] 聂名华,齐昊. 对外直接投资能否提升中国工业绿色创新效率?:基于创新价值链与空间关联的视角[J]. 世界经济研究,2019(2):111-122,137.
    [32] 邵帅,李宝礼. 农村劳动力转移如何影响农村环境污染?−基于空间面板模型的实证考察[J]. 中国地质大学学报(社会科学版),2020,20(1):39-55.
  • 期刊类型引用(2)

    1. 张曦,陈勇,毛香懿. 打击大宗农林商品贸易毁林国际立法比较. 世界林业研究. 2023(03): 103-108 . 百度学术
    2. 樊卓妮,刘昶言,尤薇佳. 新冠肺炎疫情对我国涉林上市公司经营绩效的影响研究-基于断点回归和文本挖掘的实证分析. 北京林业大学学报(社会科学版). 2023(03): 76-83 . 百度学术

    其他类型引用(4)

图(4)  /  表(7)
计量
  • 文章访问数:  776
  • HTML全文浏览量:  180
  • PDF下载量:  49
  • 被引次数: 6
出版历程
  • 收稿日期:  2021-10-19
  • 录用日期:  2022-02-06
  • 网络出版日期:  2022-02-14
  • 发布日期:  2022-04-01

目录

/

返回文章
返回