-
2020年9月，中国提出“双碳”目标，这是积极应对气候变化的大国担当和责任所在，也是实现经济高质量发展的助推之举。中国能源供给以碳元素排放系数较高的燃料能源为主，碳排放基数大，碳达峰时经济发展水平较低，从碳达峰到碳中和时间间隔短[1]。这些特征决定了在美丽中国愿景下实现“双碳”目标，需要立足国内国际、多管齐下，协同推进降碳、减污、扩绿，平衡经济增长、就业稳定、环境改善、产业升级、安全运行等多维目标，协调绿色转型涉及的资产存量、未来增量、技术路径、资金约束、规范标准、政策措施等多个环节。
21世纪以来，尤其是“一带一路”倡议提出以来，中国的对外直接投资（Outward Foreign Direct Investment，简称OFDI）规模飞速提升。根据《2019年度中国对外直接投资统计公报》和《2020年度中国对外直接投资统计公报》，2019年中国OFDI流量保持全球第二，OFDI存量保持全球第三；2020年中国OFDI流量达1537.1亿美元，同比增长12.3%，流量规模首次位居全球第一；2020年末，中国OFDI存量达2.58万亿美元。与此同时，我国碳排放量迅速增长。2017年碳排放量破百亿吨，2019年约为104.76亿t，约占世界碳排放总量的34%。伴随中国OFDI规模扩大，中国生产要素加速流动，资源重新配置，那么，中国OFDI如何影响本国的碳排放？如何寻求突破点，通过调整OFDI，助力我国实现高质量、低排放发展，实现“双碳”目标？
-
“双碳”目标的实现路径、潜在成本和影响因素是近年研究热点。王深等[2]基于多目标模型研究了中国低成本碳达峰、碳中和路径。王怡[3]在测算中国各省2005—2019年脱钩系数，分析经济增长与碳排放脱钩状态，测算碳排放强度的基础上，对不同经济增长模式下的碳排放量进行情景预测，分析碳达峰实现路径。曲越等[4]以中国碳排放数据库为依托，研究省级碳排放的趋势和碳达峰、碳中和的区域协调路径，认为中国“双碳”目标实现要充分考虑区域发展的异质性和区域碳减排的协调性。余丽等[5]挖掘英美等国碳达峰行动策略，归纳国际经验，分析中国路径。张楠等[6]基于219个国家及地区的数据，采用Mann-Kendall（MK）检验和Spearman’s Rho（SR）检验发现42个国家和1个经济体联盟实现碳达峰，46个国家处于碳达峰平台期，进而归纳多数国家碳达峰时的特征和经验。
廖茂林等[7]聚焦于中国实现“双碳”目标的潜在成本及其分担机制，也有学者聚焦于碳排放的影响因素。例如，刘健强等[8]基于2006—2018年省域面板数据，通过动态空间杜宾模型，研究人口老龄化、产业结构升级对碳排放的影响，发现从全局效应看，人口老龄化会促进碳排放，产业结构升级会抑制碳排放；从直接效应和间接效应来看，人口老龄化和产业结构升级会分别促进和抑制本地碳排放，但二者的空间溢出效应不显著，且存在区域差异性。赵玉焕等[9]选择空间杜宾模型，研究中国产业结构升级对碳排放的影响，发现产业结构升级有助于实现碳减排；东部和中部地区产业结构升级能够显著减少碳排放，西部地区的影响不显著；产业结构升级对本地区碳排放存在负向空间直接效应，对其他区域碳排放存在负向空间间接效应。
一些研究聚焦于外商直接投资（FDI）对东道国的环境影响，提出两种对立的理论假说：“污染天堂”假说认为FDI流入会加剧东道国的环境污染[10-12]，“污染光环”假说则认为FDI流入会改善东道国环境质量[13-14]。另一些研究聚焦于OFDI对母国①环境污染的影响，尤其是对母国碳排放的影响，研究结果迥异。一种观点认为OFDI会加剧母国污染物排放，如许可等[15]建立联立方程组模型，从规模效应、产业结构效应及技术效应3个方面，证实中国OFDI与国内碳排放正相关；刘海云等[16]构建面板数据实证研究我国OFDI的碳排放效应，发现OFDI会加剧母国碳排放，但在区域间存在一定差异。易艳春等[17]采用空间杜宾模型，实证分析OFDI对母国碳排放的空间溢出效应，发现中国的OFDI会增加母国碳排放。另一种观点认为OFDI会抑制母国污染物排放，如费能云[18]构建固定效应模型，证实中国OFDI与母国碳排放量存在负向关系；朱东波等[19]构建动态面板模型，从经济规模扩张、产业结构转型和技术水平增进3个视角，验证中国OFDI有利于减少母国污染物排放。还有学者认为OFDI对母国污染物排放的作用会受到其他因素的影响，如聂飞等[20]基于城镇化视角，实证研究中国OFDI的碳排放效应受到城镇化门槛效应的制约；余官胜等[21]借助100个国家的跨国面板数据，构建门槛效应模型进行实证研究，发现母国环境污染程度会随着母国经济条件的改善而降低，高制造业占比的国家对外直接投资会增加母国碳排放；杨果等[22]改进熵值法，拟合中国30个省域环境污染综合指数，构造以金融发展为门槛变量的面板门槛模型，证实中国OFDI影响母国环境存在金融发展门槛，金融发展的门槛值增高则中国OFDI对母国环境污染的抑制作用显著增强。
在研究方法的选择上，一些学者采用多重中介模型检验OFDI与碳减排间的作用机制。王英等[23]选取OFDI为本国带来的边际产业转移效应、逆向技术溢出效应、前向和后向关联效应作为中介变量，研究中国OFDI如何影响装备制造业全球价值链低碳升级；白梓函等[24]选取产业结构、技术创新和经济规模对OFDI产生的环境效应和影响机制进行识别与检验；王亚飞等[14]选取产出规模、资本劳动比和技术进步作为中介变量，以环境规制、产业结构和研发投入为控制变量，检验双向FDI协调发展对碳排放的影响；屈小娥等[25]选取产业结构升级、绿色技术创新、要素市场扭曲和经济规模扩张4个中介变量，解析OFDI对母国碳排放的多重中介传导路径。
综上，相关研究提供了有益借鉴，但仍存在可拓展之处：学者们对OFDI与本国碳减排效应的研究多集中于最终结果的分析，而较少关注OFDI对本国碳减排效应的诱导机制，对OFDI影响本国碳排放的理论模型、影响机制和影响路径的分析不足。鉴于此，本文的边际贡献有两点：一是在前人模型基础上加入碳减排技术因素，构建OFDI影响本国碳排放的理论模型，在理论上进一步厘清OFDI影响碳排放的内在作用机理；二是根据理论模型，以经济规模、产业结构和技术水平为中介变量，选取合适指标，构建多重中介效应模型，实证检验中国OFDI影响本国碳排放的作用机制，并且根据实证结果计算每条中介路径的效应大小，对每条中介路径的影响程度进一步量化。
-
本文参考盛斌和吕越的研究[26]，在Copeland等[27]研究的基础上加入碳减排技术因素，构建一般均衡模型分析对外直接投资对母国碳排放的影响。
-
假设国家只生产环境风险产品X和环境友好产品Y，X会排放大量二氧化碳。X和Y的规模收益不变，单价分别为PX和PY，产量分别为QX和QY。假设X和Y两种产品的生产都只使用两种要素劳动（L）和资本（K），劳动和资本的价格分别用w和r表示；X为资本密集型产品，所用的劳动和资本数量分别为LX和KX；Y为劳动密集型产品，所用的劳动和资本数量分别为LY和KY；X的资本劳动比大于Y的资本劳动比（即KX/LX > KY/LY）。φ是碳减排技术投入占所有投入的比例，φ∈[0,1]。如果φ = 0，则碳减排技术投入为零，此时达到X的潜在最大产出F。ω(φ)是碳排放强度函数，假设ω(0) > 0，ω′(φ) < 0，ω″(φ) > 0，即碳减排技术投入比例越大，碳排放量（Z）越低。具体形式为：
$$ \omega (\varphi )=\frac{1}{A}{\left(1-\varphi \right)}^{\frac{1}{\alpha }} $$ (1) 在式（1）中，A表示碳减排技术水平，参数α∈(0，1)。在φ不变时，碳减排技术水平A越大，碳排放量越少。
根据以上假设，产品Y、产品X和碳排放量Z的生产函数形式为：
$$ {Q}_{Y}=H\left({L}_{\mathrm{Y}},{K}_{\mathrm{Y}}\right) $$ (2) $${Q}_{X}=\left(1-\varphi \right)F\left({L}_{\mathrm{X}},{K}_{\mathrm{X}}\right) $$ (3) $$Z=\omega \left(\varphi \right)F\left({L}_{\mathrm{X}},{K}_{\mathrm{X}}\right)=\frac{1}{A}{\left(1-\varphi \right)}^{\frac{1}{\alpha }}F\left({L}_{\mathrm{X}},{K}_{\mathrm{X}}\right) $$ (4) 将式（4）代入式（3），可得产品X的生产函数为：
$${Q}_{\mathrm{X}}={\left(AZ\right)}^{\alpha }{\left[F\left({L}_{\mathrm{X}},{K}_{\mathrm{X}}\right)\right]}^{1-a} $$ (5) -
根据科斯定理，在产权得到明确界定的前提下，生产产品X的部门需要为生产活动排放的二氧化碳支付相应的成本μ，μ可以是碳排放权交易成本、碳税等。根据式（5），生产X的利润最大化决策分为两个独立阶段。阶段一：不考虑碳减排成本，依据w和r，为了实现产品X的潜在产出量F，选择最优的资本K和劳动L的投入组合，使成本最小，可以表示为式（6），其中单位成本为CF，总成本为CFF，LF、KF分别表示生产单位潜在产出量F所需的劳动数量和资本数量。阶段二：考虑碳减排成本，选择最佳的碳排放量Z和潜在产出量Ｆ，使生产Ｘ产品的总成本CX最小，可以表示为式（7）。
$$ {C}_{F}\left(w,r\right)=\mathrm{min}\left\{w{L}_{F} + r{K}_{F},F\left({L}_{F},{K}_{F}\right)=1\right\} $$ (6) $${C}_{X}\left(\mu ,{C}_{F}\right)=\mathrm{min}\left\{\mu AZ + {C}_{F}F,{\left(AZ\right)}^{\alpha }{F}^{1-\alpha }=1\right\} $$ (7) 式（7）求解最优化一阶导，可得：
$$ \frac{(1-\alpha )AZ}{\alpha F}=\frac{{C}_{F}}{\mu } $$ (8) 在市场为完全竞争的状态下，X产品实现市场均衡时，部门净利润为0，故总收益等于总成本：
$$ {P}_{\mathrm{X}}{Q}_{\mathrm{X}}=\mu AZ + {C}_{F}F$$ (9) 联立式（8）和式（9）可以得到单位产品X产生的碳排放量（碳排放强度）σ：
$$ \sigma =\frac{Z}{{Q}_{\mathrm{X}}}=\frac{\alpha {P}_{\mathrm{X}}}{A\mu } $$ (10) 式（10）表明，碳排放强度σ与碳减排技术A和碳减排机会成本μ负相关，与产品价格PX正相关。将式（2）和式（4）代入式（10），可得到碳排放技术投入的最佳投入比例：
$$\varphi =1-{\left(\frac{\alpha {P}_{\mathrm{X}}}{\delta }\right)}^{\alpha /\left(1-\alpha \right)} $$ (11) 联立式（8）和式（10）可得：
$${C}_{F}F=\left(1-\alpha \right){P}_{\mathrm{X}}{Q}_{\mathrm{X}} $$ (12) 所以，实现产品X的最大产出时，成本为：
$$ {C}_{F}=\left(1-\alpha \right){P}_{\mathrm{X}}\left(1-\varphi \right)={P}_{\mathrm{X}}\left(1-\alpha \right){\left(\frac{\alpha {p}_{\mathrm{X}}}{\mu }\right)}^{\alpha /\left(1-\alpha \right)} $$ (13) -
根据式（10），当X产品达到市场均衡时，碳排放量Z为：
$$Z=\frac{\sigma S{E}_{\mathrm{X}}}{{P}_{\mathrm{X}}} $$ (14) 其中，S表示经济规模，用该国的总产值表示，即S = PXQX + PYQY；EX表示产业结构，用X产品的产值占该国总产值的比例表示，即EX = PXQX/S。由此可以看出，碳排放量由经济规模S、产业结构EX和碳排放强度σ共同决定。假如X产品的碳排放机会成本μ不变，且劳动价格w、资本价格r、X产品的单价PX均为外生变量，将式（10）带入式（14），两边同时取对数可得：
$$\ln Z=\ln S + \ln{E}_{\mathrm{X}}-\frac{\alpha }{\mu }\ln A $$ (15) Antweiler等[28]提出了包含赫克歇尔-俄林-萨缪尔森定理的开放经济条件下环境污染一般均衡理论模型，认为在开放经济条件下一国或地区的环境污染主要由贸易诱发的规模效应、结构效应和技术效应所决定。受此模型启发，本文将OFDI因素加入内生变量，认为OFDI可以通过经济规模、产业结构和技术水平来影响国家的碳排放。具体而言，本文将式（15）两边对OFDI求导，并乘以OFDI：
$$\begin{split} \frac{\mathrm{d}Z}{\mathrm{dOFDI}}\frac{\mathrm{OFDI}}{Z}= &\frac{\mathrm{d}S}{\mathrm{dOFDI}}\frac{\mathrm{OFDI}}{S} + \frac{\mathrm{d}{E}_{\mathrm{X}}}{\mathrm{dOFDI}}\frac{\mathrm{OFDI}}{{E}_{\mathrm{X}}}-\\&\beta \frac{\mathrm{d}A}{\mathrm{dOFDI}}\frac{\mathrm{OFDI}}{A} \end{split} $$ (16) 其中，参数β = α/μ。根据式（16），本文将OFDI对母国碳排放的影响分解为规模效应、结构效应和技术效应。
-
中国OFDI规模不断增加，母国经济规模也逐渐扩大，二者之间的主要作用路径可以概括为两条。一是企业在OFDI过程中拓展海外销售渠道，扩大出口市场，国外需求增加导致本国企业的生产规模进一步扩大，从而提高本国经济水平。并且，生产规模的扩大需要更多的劳动投入，能够带动本国就业，增加国民收入，从而进一步扩大经济规模[27]。二是OFDI通过在国外设立研发中心、兼并或收购海外企业等途径，可以学习国外先进生产技术，提高管理水平，改变资本利用方式，打破资本发展瓶颈，促进资本结构优化，提高本国企业的生产效率和资金利用效率，推动国内企业投资规模进一步扩大，从而提高母国经济规模。在经济欠发达时期，经济体以发展经济为主，容易忽略粗放型发展带来的环境问题；经济发展到一定水平，政府和人民对生活质量和环境质量的要求提升，会转而重视环境保护，加大环境规制力度。对外直接投资的发展会扩大母国经济规模，而二氧化碳是经济活动的副产品，碳排放量随着经济规模的扩大而增加。当前，我国经济发展模式还未发生根本性改变，环境规制强度不足且治理体系欠佳[19]。
基于此，提出假设1：我国OFDI会扩大母国经济规模从而增加碳排放。
-
生命周期理论[29]、边际产业转移理论[30]、技术创新产业升级理论[31]和联系、杠杆和学习理论[32]均指出，OFDI会促进母国产业结构升级。同时，一些实证研究[33-36]也表明OFDI的增加会促进我国产业结构的演化，影响资源消耗进而影响碳排放。OFDI可以将本国处于衰退或者劣势的产品生产环节分散到其他国家来延长生命周期，从而集中资源要素发展优势产业；在OFDI过程中学习并吸收他国先进技术经验，提升本国产业核心竞争力，为我国产业结构优化带来了契机。另外，三次产业的能源消费结构不同，产生的碳排放量差距也较大，OFDI在促进产业高级化的过程中，会逐渐降低高污染密度产业的比重，从而减少母国碳排放。
基于此，提出假设2：我国OFDI会提高产业高级化水平，进而减少母国碳排放。
-
高精尖行业内企业在发达国家或地区投资或设立研究部门，将尖端技术传递给母国公司，提升母国公司技术水平，就是逆向技术溢出效应。母国公司通过竞争效应和示范效应促进产业内企业的技术进步，从而提高整个行业的技术水平。然而，现阶段逆向技术溢出并不能起到抑制碳排放的作用。主要原因有以下3点：一是OFDI的逆向技术溢出大多发生在高新技术产业，而我国高新技术行业如信息传输、软件和信息技术服务业、科学研究和技术服务业等OFDI相对较少。《2020年度中国对外直接投资统计公报》显示，2020年中国OFDI流量为1537亿美元，而高新技术行业OFDI仅为129.22亿美元，占比仅为8.41%。二是从OFDI目的来看，技术获取型OFDI能够产生较强的逆向技术溢出效果，带动我国相关技术的发展。然而，我国技术获取型OFDI规模较小，其技术溢出效应不够明显，对母国的技术升级还不能发挥显著作用。另外，目前我国的技术寻求型OFDI主要目的是引进先进的生产技术和管理经验[37]，注重提高生产效率，对碳减排技术的引进尚未给予足够重视。目前，该类生产技术的提高会扩大企业生产规模，进一步扩大碳排放量。三是根据尹东东等[38]的研究可知，技术水平的传导还受到母国发展水平和吸收能力的影响，目前我国对国外技术的吸收能力较弱，逆向技术溢出效应在各地区也许并未显现。
基于此，提出假设3：目前我国OFDI引发技术水平的变化不会抑制母国碳排放。
-
为检验OFDI对碳排放的总效应，构建基准回归模型1：
$${Z}_{it}={a}_{0} + {a}_{1}{\mathrm{OFDI}}_{it} + \sum _{j=1}^{n}{\gamma }_{i}{\mathrm{CV}}_{ijt} + {v}_{i} + {\delta }_{t} + {\varepsilon }_{1it} $$ 式中，
$ {a}_{0} $ 为常数项，a1为核心解释变量OFDI的估计系数，表征中国对外直接投资对碳排放量Z的总效应；γi为控制变量CVijt的估计系数，i代表省份，j为控制变量个数，t代表年份；vi表示个体固定效应，δt为时间固定效应，ε1it为随机扰动项。 -
为了检验OFDI的经济规模（GDP）、产业结构（ISC）和技术水平（TEC）对母国碳排放量（Z）是否存在中介效应以及效应方向的大小（即检验OFDI影响碳排放的机制），借鉴温忠麟等[39]的方法，构建如下多重中介效应模型2 ~ 4：
$$ 模型2：{\mathrm{GDP}}_{it}={b}_{0} + {b}_{1}{\mathrm{OFDI}}_{it} + \sum _{j=1}^{n}{\gamma }_{i}{CV}_{ijt} + {v}_{i} + {\delta }_{t} + {\varepsilon }_{2it} $$ $$模型3：{\mathrm{ISC}}_{it}={c}_{0} + {c}_{1}{\mathrm{OFDI}}_{it} + \sum _{j=1}^{n}{\gamma }_{i}{CV}_{ijt} + {v}_{i} + {\delta }_{t} + {\varepsilon }_{3it}$$ $$ 模型4：{\mathrm{TEC}}_{it}={d}_{0} + {d}_{1}{\mathrm{OFDI}}_{it} + \sum _{j=1}^{n}{\gamma }_{i}{CV}_{ijt} + {v}_{i} + {\delta }_{t} + {\varepsilon }_{4it} $$ b1、c1、d1依次为解释变量OFDI对中介变量GDP、ISC、TEC的估计系数，γi为控制变量CVijt的估计系数，ε2it、ε3it、ε4it为随机扰动项。此外，为消除异方差的影响，本文对相关变量采取对数形式。
-
碳排放量（Z）为被解释变量。依据政府间气候变化专门委员会《国家温室气体排放清单指南》[25]，可以通过固定的折算系数来测算主要能源消耗产生的碳排放量。测算公式见式（17）[40]。
$$ Z=\sum _{d=1}^{8}{Z}_{d}=\sum _{d=1}^{8}{E}_{d}\times {S}_{d}\times {F}_{d}\times \frac{44}{12} $$ (17) 其中，Z为碳排放量，d为能源品种，Ed为能源消费量，Sd为标准煤折算系数，Fd为碳排放系数，44和12分别为二氧化碳和碳元素的分子量。本文选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气8种主要能源品种进行计算，各类能源标准煤折算系数与碳排放系数见表1[41]。
表 1 各类能源标准煤折算系数与碳排放系数
能源品种 标准煤折算系数 碳排放系数 煤炭 0.714 3 0.755 9 焦炭 0.971 4 0.855 0 原油 1.428 6 0.585 7 汽油 1.471 4 0.553 8 煤油 1.471 4 0.571 4 柴油 1.457 1 0.592 1 燃料油 1.428 6 0.618 5 天然气 13.3 0.448 3 -
对外直接投资（OFDI）为核心解释变量。本文选取非金融类OFDI的存量，并用当年美元对人民币汇率的年均值换算。主要考虑到，一是存量指标有助于探究OFDI对母国环境持续产生的累积效应；二是流量指标可能出现缺失、遗漏等情况，而存量指标更加平稳。
-
（1）经济规模（GDP）：参考相关文献[42]，以人均实际GDP来衡量。以2004年为基年，将名义GDP换算为实际GDP。
（2）产业结构（ISC）：公式14 ~ 16用比例法衡量产业结构，此处改用更为精确的产业结构高级化指数来衡量产业结构。根据配第-克拉克定理，参考付凌晖[43]的夹角余弦法计算ISC，描述三次产业由低层次向高层次排列的过程以量化产业结构升级状况。产业结构高级化水平随着ISC值增大而升高。将GDP按照三次产业划分，三次产业的增加值占GDP的比重构成三维空间向量，即N0 = (n1,0,n2,0,n3,0)。分别计算N0与三次产业的向量N1 = (1，0，0)，N2 = (0，1，0)，N3 = (0，0，1)的夹角θ1，θ2，θ3：
$$ {\theta }_{l}={\rm{arccos}}\left\{\frac{\displaystyle \sum\limits_{k=1}^{3}\left({n}_{k,l} \cdot {n}_{k,0}\right)}{\displaystyle \sum\limits_{k=1}^{3}{\left({n}_{k,l}^{2}\right)}^{\frac{1}{2}} \cdot \displaystyle \sum\limits_{k=1}^{3}{\left({n}_{k,0}^{2}\right)}^{\frac{1}{2}}}\right\}，k=\mathrm{1,2},3，l=\mathrm{1,2},3 $$ (18) $$ ISC=\sum _{k=1}^{3}\sum _{l=1}^{k}{\theta }_{l} $$ (19) （3）技术水平（TEC）：参考付云鹏等[44]的研究，以各地区专利申请授权数来衡量。
-
参考屈小娥等[25]的研究，在模型中加入下列控制变量来减少回归结果偏差。环境规制（ENV）：以环境规制综合指数来衡量。将工业废水排放量、工业二氧化硫排放量以及工业烟尘排放量进行标准化，求取每种污染物的权重，再通过权重和标准化的乘积得到环境规制综合指数[45]。外商直接投资（FDI）：以各地区外商直接投资额表示。外资引进过程中，高污染、高能耗产业占比较高，对于碳排放产生重要影响[46]。城镇化水平（URB）：使用各地区城镇人口与常住人口比值表示。城镇化建设通过建筑扩张、工业生产、交通运输等方式带来大量碳排放[47]。经济开放度（OPEN）：采用各地区进出口额与
$ \mathrm{GDP} $ 的比值表示。贸易开放会影响国内要素配置，发展国内相关行业从而影响碳排放[48]。研发经费投入强度（RD）：以各地区实际研发支出额占国内生产总值的比重衡量。研发投入能够显著影响工业部门能源强度，影响碳排放量[49]。能源消费结构（ERS）：以各地区煤炭消费量占总能源消费量的比例衡量。能源结构直接影响碳排放总量，目前我国新能源、清洁能源占总体能源消费比较少，主要仍是传统化石能源，并且各类能源的碳排放系数有较大的差别[50]。 -
鉴于可获得性，本文确定2005—2019年中国除西藏以外的30个省、市、自治区的数据为样本数据，主要来源于历年《中国统计年鉴》《中国城市统计年鉴》《中国能源统计年鉴》《中国对外直接投资公报》《全国科技经费投入统计公报》等。吉林省2019年外商直接投资等三个缺失数据，本文运用线性插值法进行处理。变量的描述性统计如表2所示。
表 2 变量描述性统计
变量 符号 样本数 平均数 标准差 最小值 最大值 被解释变量 碳排放量 Z 450 49 789.67 66 061.12 4 277.504 1 122 587 核心解释变量 对外直接投资/亿元 OFDI 450 574.654 3 1 505.809 0.154 652 9 13 271.15 中介变量 经济规模/亿元 GDP 450 30 453.19 19 808.09 4 392.363 125 032 产业结构 ISC 450 6.591 619 0.317 868 6 5.914 8 7.651 6 技术水平 TEC 450 36 142.2 63 483.98 79 527 390 控制变量 环境规制指数 ENV 450 0.534 297 6 0.529 098 6 0 2.585 334 能源消费结构 ERS 450 0.428 874 8 0.155 298 3 0.012 138 1 0.760 055 5 外商直接投资/亿元 FDI 450 469.417 679.889 3 0.295 136 10 736.05 城镇化水平 URB 450 0.541 080 5 0.139 346 7 0.268 632 7 0.941 516 2 研发经费投入强度 RD 450 1.482 711 1.084 296 0.18 6.31 经济开放度 OPEN 450 0.314 624 0.366 463 7 0.012 778 9 1.711 288 -
根据面板数据的Hausman检验结果，选择固定效应对模型进行回归。表3列出基准回归结果。模型1为混合最小二乘法、模型2为固定效应，模型3为聚类稳健标准误固定效应。三者均表明OFDI对碳排放量有显著的正向效应，即OFDI每增长1%会使得碳排放量增加0.116% ~ 0.133%。该结果与许可[15]、屈小娥[25]等的研究结果一致。
表 3 基准回归结果
解释变量 ln_Z 混合最小二乘法 固定效应 聚类稳健标准
误固定效应ln_OFDI 0.116***(7.51) 0.133***(7.98) 0.133***(7.36) ln_ENV 0.254***(14.49) 0.034(1.20) 0.034(0.77) ln_FDI 0.056***(3.00) −0.017(−0.77) −0.017(−0.73) ln_URB 0.206(1.48) 0.017(0.09) 0.017(0.06) ln_ERS −0.176**(−2.51) −0.059(−1.04) −0.059(−0.74) ln_OPEN −0.089***(−2.96) −0.014(−0.32) −0.014(−0.27) ln_RD 0.072(1.39) 0.161**(2.17) 0.161(1.67) 常数项 9.879***(53.18) 9.971***(44.20) 9.971***(37.48) 调整的R2 0.674 0.548 0.578 Hausman 检验 25.28*** 注：***、**分别表示1%、5%的显著性水平，括号内为t值。 -
在基准回归中，OFDI对碳排放量的影响在1%的水平上显著，满足逐步回归检验的前提条件，参考温忠麟等[39]的逐步回归方法，进一步分析中介效应（即基于固定效应模型的逐步回归）。
表4为基于固定效应模型的逐步回归检验结果。第1、2列检验模型2，第3、4列检验模型3，第5、6列检验模型4，即分别检验OFDI通过中介变量GDP、ISC和TEC对碳排放量Z产生的影响。第1、3、5列分别表示OFDI对GDP、ISC和TEC的作用结果，其中对外直接投资对经济规模和技术水平的回归系数分别为0.142、0.294，均在1%的水平上显著，对产业结构的回归系数为0.004，在5%的水平上显著，这表明对外直接投资能够明显促进母国经济规模，提升产业结构高级化水平和技术水平。第2、4、6列分别检验中介变量GDP、ISC、TEC对碳排放量产生的影响，其中经济规模对碳排放量的回归系数为0.598，在1%的水平上显著，这说明母国经济规模的提升会显著增加碳排放量，验证了假说1。产业结构高级化水平对碳排放量的回归系数为-2.2026，在10%的水平上显著，这说明随着产业结构高级化水平的提高，二氧化碳排放显著降低，验证了假说2。技术水平对碳排放量的回归系数为0.175，在1%的水平上显著，这说明技术水平的提高并没有减少碳排放量，验证了假说3。
表 4 基于固定效应模型的逐步回归检验结果
变量 经济规模 产业结构 技术水平 列1 列2 列3 列4 列5 列6 ln_GDP ln_Z ln_ISC ln_Z ln_TEC ln_Z ln_OFDI 0.142***(8.87) 0.048*(1.99) 0.004**(2.05) 0.141***(8.35) 0.294***(15.43) 0.082***(3.96) ln_GDP 0.598***(3.39) ln_ISC −2.026*(−1.90) ln_TEC 0.175***(4.08) ln_ENV −0.020*(−1.72) 0.046(1.06) −0.000(−0.16) 0.033(0.77) −0.014(−0.45) 0.036(1.32) ln_FDI 0.014**(0.98) −0.026(−1.03) −0.003*(−0.95) −0.023**(−1.04) 0.017(0.66) −0.020(−0.92) ln_URB 1.263***(8.79) −0.738*(−1.93) 0.095***(3.66) 0.210(0.66) 2.801***(12.63) −0.472**(−2.10) ln_ERS −0.018*(−0.52) −0.049(−0.61) −0.014*(−1.50) −0.087(−1.09) −0.206***(−3.17) −0.023(−0.41) ln_OPEN −0.034(−0.87) 0.006(0.10) −0.004(−0.99) −0.023(−0.43) −0.121**(−2.37) 0.007(0.15) ln_RD 0.095(1.09) 0.103(1.03) 0.013(1.44) 0.187**(2.08) 0.398***(4.71) 0.091(1.22) 常数项 10.099***(58.21) 3.934**(2.11) 1.922***(64.72) 13.865***(6.54) 9.291***(36.08) 8.347***(18.32) R2 0.960 0.607 0.749 0.591 0.933 0.602 调整后R2 0.960 0.599 0.745 0.583 0.927 0.565 F 317.8 29.28 56.49 34.96 800.0 75.70 注：***、**、*分别表示1%、5%、10%的显著性水平，括号内为t值。 三条中介路径的具体作用机制如图1所示。0.133表示变量OFDI对变量Z的直接效应，根据中介效应流程可知，三条中介效应均显著，其中每条路径中介效应大小计算为两步回归系数的乘积占总效应0.133的比重。计算可得经济规模、产业结构、技术水平三条路径的中介效应分别为63.85%、−6.09%和38.68%。可以看出正向效果显著大于负向效果，故OFDI整体促进了母国碳排放。
图 1 直接效应和中介路径检验路径
-
采用替换关键变量法对模型重新回归，将被解释变量Z替换为中国碳排放数据库的二氧化碳排放量（CAR）[51]，回归结果如表5所示。核心变量的大小、符号方向及显著性水平与表4的回归结果基本一致。因此，上述检验结果的稳健性较好。
表 5 稳健性检验结果
变量 直接效应 经济规模 产业结构 技术水平 1 2 3 4 5 6 7 ln_CAR ln_GDP ln_CAR ln_ISC ln_CAR ln_TEC ln_CAR ln_OFDI 0.128***(6.82) 0.142***(8.87) 0.047*(2.03) 0.004**(2.05) 0.133***(7.37) 0.294***(15.43) 0.104***(5.98) ln_GDP 0.572***(3.86) ln_ISC −1.367*(−1.78) ln_TEC 0.082**(2.27) ln_ENV 0.059(1.33) −0.020*(−1.72) 0.071(1.61) −0.000(−0.16) 0.058(1.37) −0.014(−0.45) 0.060***(2.61) ln_FDI −0.011(−0.49) 0.014(0.98) −0.019(−0.82) −0.003(−0.95) −0.015(−0.66) 0.017(0.66) −0.013(−0.70) ln_URB 0.048(0.23) 1.263***(8.79) −0.676**(−2.44) 0.095***(3.66) 0.178(0.71) 2.801***(12.63) −0.181(−0.96) ln_ERS 0.151***(3.71) −0.018(−0.52) 0.162***(3.50) −0.014(−1.50) 0.132***(3.04) −0.206***(−3.17) 0.168***(3.54) ln_OPEN 0.012(0.25) −0.034(−0.87) 0.031(0.64) −0.004(−0.99) 0.006(0.13) −0.121**(−2.37) 0.021(0.58) ln_RD 0.077(0.91) 0.095(1.09) 0.022(0.26) 0.013(1.44) 0.095(1.13) 0.398***(4.71) 0.044(0.70) 常数项 5.198***(22.86) 10.099***(58.21) −0.583(−0.38) 1.922***(64.72) 7.826***(5.01) 9.291***(36.08) 4.440***(11.61) R2 0.578 0.960 0.607 0.749 0.582 0.933 0.584 调整的R2 0.571 0.960 0.600 0.745 0.574 0.927 0.545 F 29.83 317.8 30.19 56.49 28.01 800.0 70.24 注：***、**、*分别表示1%、5%、10%的显著性水平，括号内为t值。 -
文章解析对外直接投资对母国碳排放的影响机理，进而基于2005—2019年中国30个省、市、自治区的面板数据，构建多重中介效应模型实证检验中国OFDI对母国碳排放的三条作用路径和影响程度，得到如下结论：中国OFDI对母国碳排放的直接效应是显著正相关，即OFDI增多会显著增加母国碳排放；规模效应、结构效应、技术效应是OFDI影响母国碳排放的渠道，OFDI通过经济规模和技术水平两条中介路径间接促进母国碳排放，通过产业结构中介路径间接抑制母国碳排放。
-
基于上述研究结论和对外直接投资视角，为了减少我国的碳排放，促进“双碳”目标的实现，提出以下建议。
1）促进对外直接投资区域布局多元化。实现“双碳”目标不能以牺牲经济发展为代价，应坚持区域布局多元化，不仅要增加对发展中经济体和转型经济体的直接投资，以寻求新兴市场、梯度转移过剩产能，也要加大对发达经济体的直接投资，以稳固原有市场、有序促进绿色产业发展，进而从经济结构方面实现突破，加快实现我国经济发展从规模速度型转向质量环保型，抵消OFDI通过规模效应间接增加的母国碳排放。
2）促进对外直接投资产业结构合理化。应依托“双循环”战略，区分投资类型和投资目的，合理布局，适度加大对第三产业的投入力度，加大对高附加值低碳产业的投入力度，减少低附加值高碳产业的投入，提升对外直接投资对我国产业结构的影响力度和对我国经济结构的反哺作用，加快推进我国经济增长方式从粗放型转向集约型，促进OFDI通过结构效应间接减少母国碳排放。
3）重视对外直接投资的逆向技术溢出效应。在短期内对外直接投资也许会挤占母国企业的研发投入，致使逆向技术溢出效应难以显现，但是对外直接投资对母国企业逆向技术溢出的长期效应不容忽视。应重视通过对外直接投资积极寻求碳减排技术和清洁生产技术，推动生产技术向“清洁、高效、循环利用”的方向发展，进而抑制母国碳排放。同时加强自主研发力度，提高对技术外溢的消化、吸收和创新能力，注重人力资本投入，加大人才培养力度，加强产学研合作，助力对外直接投资的逆向技术外溢效应，提高母国碳减排能力，逆转OFDI通过技术效应间接增加母国碳排放的态势。
The Impact of OFDI on China's Carbon Emissions: An Analysis Based on Multiple Mediation Effect Models
-
摘要: 中国的碳排放具有显著的产业与空间集中性，对外直接投资会改变要素配置、影响高排放产业与高排放区域布局。中国持续扩大的对外直接投资是否促进了本国碳减排？首先对对外直接投资影响母国碳排量的经济规模、产业结构、技术水平3个主要途径进行理论推导和分析，提出待检验的假说。其次，选取我国2005—2019年省际面板数据，建立多重中介效应模型，实证检验对外直接投资对我国碳排放影响的3种效应和综合效应，发现对外直接投资通过经济规模和技术水平中介机制，不同程度地加剧我国碳排放，通过产业结构中介机制会抑制我国碳排放；经济规模和技术水平效应大于产业结构效应，故对外直接投资最终会加剧我国碳排放。最后，基于结论提出相关建议。Abstract: China's carbon emissions have significant industrial and spatial concentration. Outward Foreign direct investment (OFDI) will change factor allocation and affect the layout of high emission industries and regions. Does the continuous expansion of OFDI promote China's carbon emission reduction? In this paper, the three main ways of OFDI affecting the carbon emission of the home country are first analyzed, namely, the economic scale, industrial structure and technical level, and the hypotheses to be tested are proposed. Secondly, selecting China's interprovincial panel data in 2005-2019, through multiple mediation effect models, empirically testing the three effects and comprehensive effects of OFDI on China's carbon emission. It is found that OFDI exacerbates the carbon emission of the home country to varying degrees through the economic scale and technical level intermediary mechanism, and the carbon emission of the home country is suppressed through the industrial structure intermediary mechanism; the economic scale and technical level effect are greater than the industrial structure effect, so China's OFDI ultimately aggravates the carbon emission of the home country. Finally, relevant policy recommendations are made based on conclusions.
-
表 1 各类能源标准煤折算系数与碳排放系数
能源品种 标准煤折算系数 碳排放系数 煤炭 0.714 3 0.755 9 焦炭 0.971 4 0.855 0 原油 1.428 6 0.585 7 汽油 1.471 4 0.553 8 煤油 1.471 4 0.571 4 柴油 1.457 1 0.592 1 燃料油 1.428 6 0.618 5 天然气 13.3 0.448 3 
下载: 导出CSV
表 2 变量描述性统计
变量 符号 样本数 平均数 标准差 最小值 最大值 被解释变量 碳排放量 Z 450 49 789.67 66 061.12 4 277.504 1 122 587 核心解释变量 对外直接投资/亿元 OFDI 450 574.654 3 1 505.809 0.154 652 9 13 271.15 中介变量 经济规模/亿元 GDP 450 30 453.19 19 808.09 4 392.363 125 032 产业结构 ISC 450 6.591 619 0.317 868 6 5.914 8 7.651 6 技术水平 TEC 450 36 142.2 63 483.98 79 527 390 控制变量 环境规制指数 ENV 450 0.534 297 6 0.529 098 6 0 2.585 334 能源消费结构 ERS 450 0.428 874 8 0.155 298 3 0.012 138 1 0.760 055 5 外商直接投资/亿元 FDI 450 469.417 679.889 3 0.295 136 10 736.05 城镇化水平 URB 450 0.541 080 5 0.139 346 7 0.268 632 7 0.941 516 2 研发经费投入强度 RD 450 1.482 711 1.084 296 0.18 6.31 经济开放度 OPEN 450 0.314 624 0.366 463 7 0.012 778 9 1.711 288
下载: 导出CSV
表 3 基准回归结果
解释变量 ln_Z 混合最小二乘法 固定效应 聚类稳健标准
误固定效应ln_OFDI 0.116***(7.51) 0.133***(7.98) 0.133***(7.36) ln_ENV 0.254***(14.49) 0.034(1.20) 0.034(0.77) ln_FDI 0.056***(3.00) −0.017(−0.77) −0.017(−0.73) ln_URB 0.206(1.48) 0.017(0.09) 0.017(0.06) ln_ERS −0.176**(−2.51) −0.059(−1.04) −0.059(−0.74) ln_OPEN −0.089***(−2.96) −0.014(−0.32) −0.014(−0.27) ln_RD 0.072(1.39) 0.161**(2.17) 0.161(1.67) 常数项 9.879***(53.18) 9.971***(44.20) 9.971***(37.48) 调整的R2 0.674 0.548 0.578 Hausman 检验 25.28*** 注：***、**分别表示1%、5%的显著性水平，括号内为t值。
下载: 导出CSV
表 4 基于固定效应模型的逐步回归检验结果
变量 经济规模 产业结构 技术水平 列1 列2 列3 列4 列5 列6 ln_GDP ln_Z ln_ISC ln_Z ln_TEC ln_Z ln_OFDI 0.142***(8.87) 0.048*(1.99) 0.004**(2.05) 0.141***(8.35) 0.294***(15.43) 0.082***(3.96) ln_GDP 0.598***(3.39) ln_ISC −2.026*(−1.90) ln_TEC 0.175***(4.08) ln_ENV −0.020*(−1.72) 0.046(1.06) −0.000(−0.16) 0.033(0.77) −0.014(−0.45) 0.036(1.32) ln_FDI 0.014**(0.98) −0.026(−1.03) −0.003*(−0.95) −0.023**(−1.04) 0.017(0.66) −0.020(−0.92) ln_URB 1.263***(8.79) −0.738*(−1.93) 0.095***(3.66) 0.210(0.66) 2.801***(12.63) −0.472**(−2.10) ln_ERS −0.018*(−0.52) −0.049(−0.61) −0.014*(−1.50) −0.087(−1.09) −0.206***(−3.17) −0.023(−0.41) ln_OPEN −0.034(−0.87) 0.006(0.10) −0.004(−0.99) −0.023(−0.43) −0.121**(−2.37) 0.007(0.15) ln_RD 0.095(1.09) 0.103(1.03) 0.013(1.44) 0.187**(2.08) 0.398***(4.71) 0.091(1.22) 常数项 10.099***(58.21) 3.934**(2.11) 1.922***(64.72) 13.865***(6.54) 9.291***(36.08) 8.347***(18.32) R2 0.960 0.607 0.749 0.591 0.933 0.602 调整后R2 0.960 0.599 0.745 0.583 0.927 0.565 F 317.8 29.28 56.49 34.96 800.0 75.70 注：***、**、*分别表示1%、5%、10%的显著性水平，括号内为t值。
下载: 导出CSV
表 5 稳健性检验结果
变量 直接效应 经济规模 产业结构 技术水平 1 2 3 4 5 6 7 ln_CAR ln_GDP ln_CAR ln_ISC ln_CAR ln_TEC ln_CAR ln_OFDI 0.128***(6.82) 0.142***(8.87) 0.047*(2.03) 0.004**(2.05) 0.133***(7.37) 0.294***(15.43) 0.104***(5.98) ln_GDP 0.572***(3.86) ln_ISC −1.367*(−1.78) ln_TEC 0.082**(2.27) ln_ENV 0.059(1.33) −0.020*(−1.72) 0.071(1.61) −0.000(−0.16) 0.058(1.37) −0.014(−0.45) 0.060***(2.61) ln_FDI −0.011(−0.49) 0.014(0.98) −0.019(−0.82) −0.003(−0.95) −0.015(−0.66) 0.017(0.66) −0.013(−0.70) ln_URB 0.048(0.23) 1.263***(8.79) −0.676**(−2.44) 0.095***(3.66) 0.178(0.71) 2.801***(12.63) −0.181(−0.96) ln_ERS 0.151***(3.71) −0.018(−0.52) 0.162***(3.50) −0.014(−1.50) 0.132***(3.04) −0.206***(−3.17) 0.168***(3.54) ln_OPEN 0.012(0.25) −0.034(−0.87) 0.031(0.64) −0.004(−0.99) 0.006(0.13) −0.121**(−2.37) 0.021(0.58) ln_RD 0.077(0.91) 0.095(1.09) 0.022(0.26) 0.013(1.44) 0.095(1.13) 0.398***(4.71) 0.044(0.70) 常数项 5.198***(22.86) 10.099***(58.21) −0.583(−0.38) 1.922***(64.72) 7.826***(5.01) 9.291***(36.08) 4.440***(11.61) R2 0.578 0.960 0.607 0.749 0.582 0.933 0.584 调整的R2 0.571 0.960 0.600 0.745 0.574 0.927 0.545 F 29.83 317.8 30.19 56.49 28.01 800.0 70.24 注：***、**、*分别表示1%、5%、10%的显著性水平，括号内为t值。
下载: 导出CSV
-
[1] 胡安俊,孙久文. 碳排放的产业空间版图、省际转移与中国碳达峰[J]. 经济纵横,2022(5):73-82. [2] 王深,吕连宏,张保留,等. 基于多目标模型的中国低成本碳达峰、碳中和路径[J]. 环境科学研究,2021,34(9):2044-2055. [3] 王怡. 中国省域二氧化碳排放达峰情景预测及实现路径研究[J]. 科学决策,2022(1):95-105. [4] 曲越,秦晓钰,黄海刚,等. 碳达峰碳中和的区域协调:实证与路径[J]. 财经科学,2022(1):55-70. [5] 余丽,周旭磊. 碳达峰目标实现的国际经验及中国路径[J]. 大连理工大学学报(社会科学版),2022,43(3):12-21. [6] 张楠,张保留,吕连宏,等. 碳达峰国家达峰特征与启示[J]. 中国环境科学,2022,42(4):1912-1921. [7] 廖茂林,王国峰,胡濒尹. 中国实现“双碳”目标的潜在成本及其分担机制研究[J]. 企业经济,2022(5):14-22. [8] 刘健强,马晓钰. 人口老龄化、产业结构升级与碳排放−基于STIRPAT模型的空间计量分析[J]. 金融与经济,2021(7):54-62. [9] 赵玉焕,钱之凌,徐鑫. 碳达峰和碳中和背景下中国产业结构升级对碳排放的影响研究[J]. 经济问题探索,2022(3):87-105. [10] 苏振东,周玮庆. 外商直接投资对中国环境的影响与区域差异−基于省际面板数据和动态面板数据模型的异质性分析[J]. 世界经济研究,2010(6):63-67,86,89. [11] 郭沛,张曙霄. 外商直接投资对中国碳排放量的影响−基于2002—2010年面板数据的研究[J]. 东北师大学报(哲学社会科学版),2013(3):40-44. [12] 刘玉凤,高良谋. 中国省域FDI对环境污染的影响研究[J]. 经济地理,2019,39(5):47-54. [13] 阚大学. FDI对中国环境污染影响的实证研究[J]. 环境科学研究,2014,27(1):106-112. [14] 王亚飞,廖甍,王亚菲. 中国双向FDI协调发展的减排效应研究[J]. 科研管理,2022,43(6):104-112. doi: 10.19571/j.cnki.1000-2995.2022.06.011 [15] 许可,王瑛. 中国对外直接投资的母国碳排放效应研究−基于2003 ~ 2011年省级面板数据[J]. 生态经济,2015,31(1):47-54. [16] 刘海云,李敏. 中国对外直接投资的母国碳排放效应研究[J]. 工业技术经济,2016,35(8):12-18. [17] 易艳春,关卫军,杨夏星. 中国对外直接投资减少了母国碳排放吗?−基于空间溢出效应的视角[J]. 数量经济研究,2020,11(2):75-92. [18] 费能云. 中国对外直接投资的低碳效应研究[J]. 资源开发与市场,2014,30(8):984-989. [19] 朱东波,张月君. 中国对外直接投资影响母国环境的理论机理与实证研究[J]. 中国人口·资源与环境,2020,30(1):83-90. [20] 聂飞,刘海云. 基于城镇化门槛模型的中国OFDI的碳排放效应研究[J]. 中国人口·资源与环境,2016,26(9):123-131. [21] 余官胜. 企业对外直接投资能否降低母国环境污染−基于跨国面板数据门槛效应的实证研究[J]. 国际商务(对外经济贸易大学学报),2017(1):131-139. [22] 杨果,郑强. 中国对外直接投资对母国环境污染的影响[J]. 中国人口·资源与环境,2021,31(6):57-66. [23] 王英,刘婷. 中国对外直接投资驱动装备制造业全球价值链低碳升级的路径研究[J]. 国际商务(对外经济贸易大学学报),2022(1):103-118. [24] 白梓函,吕连宏,赵明轩,张楠,罗宏. 中国对外直接投资的减污降碳效应及其实现机制[J]. 环境科学,2022,43(10):4408-4418. [25] 屈小娥,骆海燕. 中国对外直接投资对碳排放的影响及传导机制−基于多重中介模型的实证[J]. 中国人口·资源与环境,2021,31(7):1-14. [26] 盛斌,吕越. 外国直接投资对中国环境的影响−来自工业行业面板数据的实证研究[J]. 中国社会科学,2012(5):54-75,205,206. [27] COPELAND B R,TAYLOR M S. North-South trade and the environment.[J]. Quarterly Journal of Economics,1994,109(3):755-787. doi: 10.2307/2118421 [28] ANTWEILER,WERNER,TREFLER,et al. Increasing returns and all that:a view from trade.[J]. American Economic Review,2002,92(1):93-119. doi: 10.1257/000282802760015621 [29] VERNON R A. International investment and international trade in the product cycle[J]. The International Executive,1966,8(4):16-16. doi: 10.1002/tie.5060080409 [30] KIYOSHI K. Direct foreign investment:a Japanese model of multinational business operations.[J]. Kokusai Keizai,1979,30:230-234. [31] CANTWELL J,TOLENTINO P E. Technological accumulation and third world multinationals.[J]. Discussion Paper in International Investment and Business Studies,1990,139:1-58. [32] MATHEWS J A. Dragon multinationals:new players in 21st century globalization.[J]. Asia Pacific Journal of Management,2006,23(1):5-27. doi: 10.1007/s10490-006-6113-0 [33] 章志华,唐礼智,孙林. 对外直接投资、金融发展与产业结构升级[J]. 国际商务(对外经济贸易大学学报),2021(5):96-109. [34] 宋雯彦,韩卫辉. 环境规制、对外直接投资和产业结构升级−兼论异质性环境规制的门槛效应[J]. 当代经济科学,2021,43(2):109-122. [35] 杨栋旭,周菲. 对外直接投资与中国产业结构升级——基于产能转移与技术进步双重视角的研究[J]. 经济问题探索,2020(10):124-134. [36] 李梦溪,朱延福,余东升. 中国对外直接投资对产业结构调整的影响[J]. 亚太经济,2020(3):85-94,151. [37] 李洪亚. OFDI技术寻求动机与生产率提升及其异质性研究[J]. 科学学研究,2021,39(2):254-263. [38] 尹东东,张建清. 我国对外直接投资逆向技术溢出效应研究−基于吸收能力视角的实证分析[J]. 国际贸易问题,2016(1):109-120. [39] 温忠麟,张雷,侯杰泰,等. 中介效应检验程序及其应用[J]. 心理学报,2004,36(5):614-620. [40] 赵巧芝,闫庆友,赵海蕊. 中国省域碳排放的空间特征及影响因素[J]. 北京理工大学学报(社会科学版),2018,20(1):9-16. [41] 国家统计局能源统计司. 中国能源统计年鉴（2021）[M]. 北京: 中国统计出版社, 2021. [42] 程奕佳. 对外贸易与环境污染−基于交通基础设施视角的实证分析[J]. 管理现代化,2019,39(4):108-110. [43] 付凌晖. 我国产业结构高级化与经济增长关系的实证研究[J]. 统计研究,2010,27(8):79-81. [44] 付云鹏,马树才. 基于空间计量的碳排放量影响因素分析[J]. 中南大学学报(社会科学版),2017,23(2):103-110. [45] 郑强,冉光和,邓睿,等. 中国FDI环境效应的再检验[J]. 中国人口·资源与环境,2017,27(4):78-86. [46] 李治国,杨雅涵,赵园春. 地方政府竞争促进了地区碳排放强度吗?[J]. 经济与管理评论,2022,38(2):136-146. [47] 熊彬,王梦娇. 基于元回归分析的外商直接投资对中国碳排放的影响研究[J]. 软科学,2017,31(12):82-86. [48] 刘希雅,王宇飞,宋祺佼,等. 城镇化过程中的碳排放来源[J]. 中国人口·资源与环境,2015,25(1):61-66. [49] 张志新,黄海蓉,林立. 贸易开放、经济增长与碳排放关系分析−基于“一带一路”沿线国家的实证研究[J]. 软科学,2021,35(10):44-48. [50] QIANG W,FZA B. Does increasing investment in research and development promote economic growth decoupling from carbon emission growth? an empirical analysis of BRICS countries[J]. Journal of Cleaner Production,2020,252:119853. doi: 10.1016/j.jclepro.2019.119853 [51] 江心英,赵爽. 双重环境规制视角下FDI是否抑制了碳排放−基于动态系统GMM估计和门槛模型的实证研究[J]. 国际贸易问题,2019(3):115-130. [52] 朱于珂,高红贵,徐运保. 双向FDI协调发展如何降低区域CO2排放强度?——基于企业绿色技术创新的中介效应与政府质量的调节作用[J]. 软科学,2022,36(2):86-94. -
点击查看大图
图(1) / 表ll (5)
计量
- 文章访问数: 17
- HTML全文浏览量: 8
- PDF下载量: 1
- 被引次数: 0
