碳排放约束视角下产业智能化对区域经济差距的影响研究

韩民春 赵泽彬

（华中科技大学经济学院，武汉 430074）

习近平总书记指出， “共同富裕是社会主义的本质要求，是人民群众的共同期盼”。目前我国已经全面建成小康社会，历史性地解决了绝对贫困问题，但人民日益增长的美好生活需要和不平衡不充分发展之间的矛盾仍然存在，区域经济发展不协调是区域经济发展不平衡不充分问题的集中体现［1］。在现实国情下，区域经济发展不平衡问题仍将长时间阻碍我国社会经济发展。大量的研究文献已经证明，严重的社会不平等会进一步制约社会经济发展［2-4］，实现平衡与充分的发展是当前和今后制定经济政策、确定发展战略时重要考虑因素之一。

中国改革开放40年来，在经济取得巨大成就的同时，付出了巨大的环境、资源代价。2020年9月22日，国家主席习近平在第七十五届联合国大会一般性辩论上宣布： “中国将采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”。双碳目标的提出使我国面临着一场广泛而深刻的社会经济系统性变革［5］。为了在新时代更好地进行生态文明建设，中国近年来十分重视经济绿色发展和经济高质量发展，建设人与自然和谐共生的现代化是迈向全面建成社会主义现代化强国第二个百年奋斗目标的显着特征［6］。既要对碳排放进行约束以期实现双碳目标，又要保持经济健康稳定高质量发展成为了当前面临的真正挑战。产业智能化的发展为实现区域经济协调发展，缩小区域经济差距提供了重要契机，从而让经济发展的成果更多地惠及经济欠发达的地区。那么，在约束碳排放的同时，产业智能化是否有利于缩小区域经济差距？产业智能化对区域经济差距的影响机制是怎么样的？这是本文拟重点研究和探讨的内容。

目前学者们在区域经济现状的研究中观点比较一致，普遍认为中国区域经济差距比较大，且呈现出逐渐扩大的特点，但是在研究区域经济差距的影响因素方面存在较大的争议。众多学者从不同的角度出发，利用不同的经验数据进行研究得出了不同结论。林毅夫和刘培林［7］认为重工业优先发展赶超战略下许多省区市的发展战略与要素禀赋结构决定的比较优势相违背是区域经济发展存在差距的主要原因。陈秀山和徐瑛［8］通过分阶段研究不同时期区域经济差距形成过程发现，投入要素的量和质、要素配置效率、要素使用效率和空间格局变动4个因素是影响区域经济差距的主导因素。李亚玲和汪戎［9］基于中国各地区人力资本基尼系数研究发现，人力资本基尼系数的变化将引起人均GDP更大幅度变化，区域间人力资本的差距是区域经济差距的重要原因。沈毅俊和潘申彪［10］认为地区对外开放程度是导致地区内收入差距的重要原因。倪鹏飞等［11］通过建立证券市场资本流动模型，指出资本空间配置对区域人均收入差距有重要影响。汪晨等［12］基于中国1978～2016年数据建立一般均衡模型证明了经济结构对区域经济差距的影响。罗能生和孙利杰［13］基于空间杜宾模型研究了交通发展对区域经济差距的影响及其差异性。此外，还有学者从文化差异［14］、土地政策［15］等角度研究了对区域经济发展的影响。

产业智能化是三次产业运用5G、人工智能、云计算、大数据等技术，通过提供全新的人机交互模式替代简单重复性工作解放劳动力时间，提高生产效率带来产出增量的生产模式升级［16］。国外学者关于产业智能化是否促进经济增长做了大量研究并存在较大争议，主要存在两派观点：一派以Solow［17］提出的 “生产力悖论” 为主张，认为信息化IT技术与生产力提升之间存在相悖现象，Baumol［18］认为即使具备了能提升生产率的生产技术，但智能化部门生产率的相对快速提高，导致非智能化部门的生产成本相对增加，进而使部门资本回报份额下降；另一派以Brynjolfsson［19］为代表的学者们则反对上述观点，认为 “索洛悖论”存在缺陷，从长期效应来看，发展产业智能化存在滞后性，可以提高生产率并促进经济增长。Bryn⁃jolfsson和Hitt［20］认为必须同步推动互补性创新发展才能充分发挥技术效应，且产业智能化对生产率的影响还需较长周期。国内学者中，卜茂亮和展晶达［21］较早研究了信息化在地区经济增长中的作用，并讨论其对于地区经济差距的贡献。侯世英和宋良荣［22］基于2012～2018年中国省级面板数据研究了智能化对区域经济增长质量发展的影响及内在机理。此外，国内学者更多地是从劳动力结构角度研究了产业智能化对经济增长的影响［23-25］。综上，利用中国数据从碳排放约束视角，对产业智能化与区域经济差距之间关系的实证研究的文献相对较少，本文对此做一补充。

经济学界对于经济增长的认识流派众多，很少有一致的认识，但技术进步能够推动经济增长已被广泛接受。以Solow［26］为代表的新古典经济增长理论认为技术进步是影响经济长期增长的重要因素之一，但认为技术进步是外生的。以Romer和Lucas为代表的内生增长理论则打破技术进步的外生假设，认为人力资本与知识的生产与积累代表的技术进步是经济长期增长的重要内生驱动因素［27，28］。 在三次产业应用 5G、 人工智能、 云计算、大数据等技术决定了产业智能化在初期发展阶段就表现出了研发投入高、知识密集度高、产业附加值高等特点，产品价值经过产业智能化生产效率的提高能够实现在原有基础上提高技术含量从而创造新价值。一般认为产业智能化可以通过两条途径影响二氧化碳的排放：（1）通过产业智能化能够提高能源利用率，通过技术手段的应用减少生产要素的投入，对于经济欠发达地区，产业智能化的发展能够帮助该地区逐步摆脱经济粗放型增长模式；（2）随着产业智能化相关技术进步，在经济发展过程中，依赖能源为生产要素投入的经济增长对区域经济发展的贡献占比逐渐减小，而以知识为生产要素投入的经济增长对区域经济发展的贡献占比逐渐增大，从而能够帮助经济欠发达地区实现产业结构升级，缩小经济欠发达地区和经济发达地区的经济差距。综上，本文提出如下假设：

H1：发展产业智能化能够提高欠发达地区的单位二氧化碳的经济产出，推动产业结构升级从而促进该地区与发达地区的经济发展差距缩小。

中国作为世界最大的发展中国家， “2030年实现碳达峰、2060年实现碳中和”目标的提出，体现了我国作为一个负责任大国主动承担应对全球气候变化责任的担当。依赖资源、劳动力等要素驱动的传统增长模式已经不能够适应我国当前经济发展要求，碳排放约束能够促进我国构建更高水平的供需平衡驱动经济结构革命性变革。我国经济发展正处于由经济高速增长向经济高质量发展转换阶段，贯彻 “创新、协调、绿色、开放、共享”新发展理念是我国实现高质量发展的首要任务。张玉卓［29］指出 “双碳”目标能够倒逼绿色发展技术系统升级换代，实现 “双碳”目标是衡量高质量发展成效的重要标尺。碳排放约束的创造效应对于区域经济发展能够创造出更多的新增长点，碳排放约束将使区域经济的增长发展更加依赖科技创新，科技创新已经成为走向碳中和的重要抓手［6］。低碳经济产业具有高技术密集、信息密集和服务特性［30］，与产业智能化的研发投入高、知识密集度高、产业附加值高等特点相重合，因此碳排放约束下的科技创新能够为产业智能化提供产业基础，为产业智能化发展创造更多的需求。且碳排放约束程度越高，对以依赖能源为生产要素投入的经济增长的依赖程度越低，而对以知识为生产要素投入的经济增长依赖程度越高，即碳排放约束能够促进产业智能化对经济欠发达地区经济增长的正向效应扩大。综上，本文提出如下假设：

H2：碳排放约束有利于产业智能化对区域差距的正向效应。

针对本文研究的核心问题：碳排放约束视角下产业智能化是否有利于缩小区域间经济发展差距，设定如下形式的计量模型（1）：

在上述模型中，i表示各个省（区、市）；t表示年份；Wit表示区域间经济发展差距；Deit是本文的核心解释变量，表示i省（区、市）在t年的产业智能化的程度；Stit表示i省（区、市）在t年的碳排放约束，即单位二氧化碳对人均地区生产总值的贡献程度；Xijt表示一系列的控制变量；μi表示地区的个体效应；γt表示时间效应；εit表示随机扰动项。另外，各变量均取对数以消除异方差现象。

为进一步分析产业智能化和碳排放约束交互作用对区域经济差距的影响，在模型中引入二者的交互项，得到模型（2）：

2.2.1 被解释变量

区域经济差距W。本文采用人均地区生产总值与基准地区人均地区生产总值的比值衡量经济发展差距。基于本文的研究起点2003年上海市人均地区生产总值最高，故选择上海市作为基准省（区、市），采用各省（区、市）人均地区生产总值与上海市人均地区生产总值的比值衡量区域经济差距，以下各变量均采用各省（区、市）与上海市的比值衡量该省（区、市）此变量的相对发展程度。

2.2.2 核心解释变量

产业智能化（De）。产业智能化的核心在于5G、人工智能、云计算、大数据等技术在第一、第二和第三产业中的应用，而5G、人工智能、云计算、大数据等信息技术的应用前提是信息传输、计算机服务和软件业基础设施和硬件的发展。目前已有文献大多采用信息技术应用［31］、全要素生产率［32］、 规则化任务密集度［33］、 机器人使用［34］和计算机制造业和信息服务业中间品占增加值的比重［25］来衡量产业智能化。本文基于已有研究和数据可得性，选用信息传输、计算机服务和软件业的全社会固定资产投资完成额作为产业智能化的代理指标。

碳排放约束（St）。衡量碳排放一个很重要的指标就是单位地区生产总值的二氧化碳排放量，即碳强度［35］。本文参考已有研究，选用碳强度的倒数作为衡量该省（区、市）的碳排放约束情况，其经济学含义是单位二氧化碳排放的经济产出，可以衡量单位二氧化碳对经济的贡献程度，值越大说明能源的有效利用率越高。

2.2.3 主要控制变量

区域经济差距受多个因素的影响，控制变量具体包括如下指标：（1）人力资本（Hc），基于数据可得性，本文用各省（区、市）非文盲半文盲占15岁及以上人口的比例作为该地区人力资本的代理变量；（2）对外开放程度（Fdi），采用各省（区、市）的外商直接投资金额作为代理变量；（3）交通基础设施（Gl），用公路密度作为交通基础设施的代理变量，计算公式为该省（区、市）公路里数与该省（区、市）的面积；（4） 城镇化水平（Ur），各省（区、市）城镇人口占总人口的比重作为代理变量；（5）金融发展水平（Df），采用各省（区、市）年末存、贷款余额与地区生产总值的比值作为代理变量。

2.2.4 数据说明

基于核心变量数据可获得性考虑，本文选用2003年作为研究起点，选择2003～2019年中国省级面板数据进行实证研究，西藏和港澳台地区数据严重缺失，故将其剔除。各变量用到地区生产总值数据的均用相应的地区生产总值平减指数（上年＝100）进行了平减。各省（区、市）的二氧化碳排放量数据来源于Wind数据库，其余涉及的变量数据不作说明均来自国家统计局、中国省域统计年鉴。各变量的描述性统计如表1所示。

表1 各变量的描述性统计

按照之前计量模型设定，本部分实证检验了碳排放约束下产业智能化对区域经济差距的影响。用Hausman检验对模型进行选择，结果显着地拒绝随机效应模型，说明产业智能化与区域经济差距之间存在个体异质性，因此，为了消除模型可能存在的异方差和序列相关问题，本文采用省级面板数据进行固定效应回归分析，上述实证模型的估计结果如表2所示，其中列（3）和列（4）分别为模型（1）和模型（2）的估计结果，研究碳排放约束视角下产业智能化对区域经济差距的影响；列（1）和列（2）分别为模型（1）控制碳排放约束、产业智能化变量系数为0的估计结果，研究产业智能化和碳排放约束单个变量对区域经济差距的影响。

表2 基准回归结果

模型的核心解释变量回归结果显示，在列（1）、（3） 和（4） 中，产业智能化lnDe的系数显着为正，这说明产业智能化对缩小区域经济差距具有显着的促进作用。在列（2）～（4）中，碳排放约束lnSt的系数显着为负，这说明碳排放约束的提升对缩小区域经济差距具有显着的抑制作用，符合碳排放约束的库兹涅茨曲线，碳排放约束与区域经济差距呈现出 “倒U型”关系，我国刚全面建成小康社会，正在向全面建成社会主义现代化强国的目标迈进，十九大指出， “我国仍处于并将长期处于社会主义初级阶段的基本国情没有变”，按照我国目前的社会经济发展形式，碳排放约束对区域经济差距的影响正处于倒U型曲线的右侧。在列（4）中，产业智能化与碳排放约束的交互项lnDe×lnSt系数显着为正，这说明通过发展清洁能源、淘汰落后产能过程中涉及到5G、人工智能、云计算、大数据等技术的应用会促进产业智能化，碳排放约束正向调节了产业智能化对区域经济差距的正向效应，同时，发展产业智能化也很好地改善了碳排放约束对区域经济发展的负向效应，这很好地验证了假设1和假设2。

模型的控制变量估计结果也为本文提供了解释有利于缩小区域经济差距的结论。在列（1）～（4）中，（1）人力资本lnHc的系数均显着为正，而且从系数的大小来看，人力资本的系数明显地大于产业智能化的系数，作为新古典增长理论和内生增长理论中拉动经济增长重要因素的作用仍不可小觑［27，28，36，37］；（2） 对外开放程度 lnFdi的系数显着为正，作为区域经济差距中的重要影响因素之一［10，38］，经济欠发达地区的对外开放程度的提升有助于缩小与经济发达地区的经济差距；（3）交通基础设施lnGl对区域经济差距表现出了显着的正向效应，说明交通的发展能够通过扩散效应缩小区域经济差距［13］；（4）城镇化水平lnUr的系数显着为负，郑鑫［39］指出人口城镇化对经济增长的弱化原因在于不合理的户籍制度、用工制度和商品房价格高企快速提升了城镇生活成本，延缓了高素质劳动力群体形成，降低了人力资本的积累速度；（5）金融发展水平lnDf的系数显着为负，张企元［40］指出经济欠发达地区承接了经济欠发达地区淘汰的相对落后、趋于饱和的产能，市场空间较小导致资本利润率低，发达地区的先发优势和资本的趋利性导致了金融发展对经济欠发达地区影响不显着，从而扩大了区域经济差距。

考虑到核心解释变量产业智能化和碳排放约束对区域间益贫式发展具有滞后效应，本文将核心解释变量滞后1期进行稳健性分析，同时可以减弱区域经济差距对产业智能化和碳排放约束当期的影响，并缓解模型可能存在的内生性问题，估计结果见表3。

表3 稳健性检验结果

表3报告了核心解释变量滞后1期的回归结果。从全国层面来看，产业智能化的系数显着为正，与碳排放约束的交互项的系数显着为正，说明碳排放约束有利于产业智能化对缩小区域经济差距发挥促进作用。核心解释变量的估计系数和显着性与表2结果基本一致，本文模型结果稳健，内生性问题不明显。

为了反映截面维度的差异性，本文借鉴国家统计局的区域划分方法，将全国除西藏和港、澳、台地区外的30个省（区、市）划分为东部（北京、天津、河北、江苏、上海、浙江、福建、山东、广东和海南）、中部（山西、安徽、江西、河南、湖北、湖南、辽宁、吉林和黑龙江）、西部（内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆），3个地区分别选择2003年人均地区生产总值最高的省（区、市）作为基准组，分地区回归的估计结果如表4所示。

表4 区域异质性分析

表4报告了分地区的回归结果，从地区异质性角度来看，产业智能化对东、中和西部缩小省域间经济发展差距具有显着的正向效应，但对东部地区的正向效应明显大于中、西部地区，对中部地区的正向效应明显大于西部。产业智能化对缩小区域经济差距表现出区域异质性，主要原因可能是产业智能化在发展过程中表现出了知识密集度高、产业附加值高等特点，长三角、珠三角和京津冀等东部地区凭借区位和资源集聚优势，成为了产业智能化发展的主要集中地区和先行区域并快速扩张，发达的信息设备制造业也保障了东部地区能够较早地建立起相对完善的产业智能化产业结构，而中部地区相对于东部地区产业智能化发展起步较晚，凭借宏观布局和政策支持，以及部分省域制造业较为发达，已逐步建成较为完善的产业智能化产业链，后发优势明显。而西部地区尚未形成规模化的产业智能化集聚区，与之配套的相关产业链建设也不完善，因此产业智能化对西部地区缩小省域间经济发展差距影响作用最小。

据国家统计局数据显示，2021年1～8月东部地区火电占总发电量的81.83%，明显高于中部地区（76.98%）和西部地区（58.89%），而二氧化碳排放主要来源于电力行业煤炭等化石能源的消耗，3个地区对火电依赖程度的不同也解释了碳排放约束对不同地区省域间经济发展差距的效应不同。表4的结果显示，东部地区和中部地区的产业智能化和碳排放约束的交互项显着为正，这说明碳排放约束对产业智能化促进东部和中部地区省域间经济差距的正向效应具有正向调节作用，促进产业智能化是改善碳排放约束对东部地区省域间经济差距短期负面效应的有效方式之一。产业智能化和碳排放约束的交互项对于西部地区为负效应且不显着，主要原因可能是西部地区水电和风电资源开发相对于东部和中部地区来说较为成熟，已经进入后期相对饱和阶段，而制造业较为落后，产业集聚和规模化效应低以及相对不利的区位因素导致生产率较低，碳排放约束进一步压缩了制造业资本回报率，对带有趋利性的资本来说很难形成有效吸引，继续发展清洁能源产业会进一步挤占资金对其他行业的投入，发展具有高投入特征的产业智能化与碳排放约束在资金投入上的矛盾导致了碳排放约束与产业智能化的交互项不显着。

为进一步确认产业结构升级的中介作用路径，本文借鉴吴万宗等［41］的研究将产业结构升级分为产业结构合理化和产业结构高级化。产业结构合理化和产业结构高级化两个子维度的中介效应模型如图1。

图1 产业智能化影响区域经济差距中介效应模型

产业结构合理化是劳动、资本和技术等生产要素在企业间的合理配置，本文借鉴罗能生和彭郁［42］的做法采用产业结构指数作为各省（区、市）产业结构合理化代理变量，产业结构指数的计算公式为：式中，si为第i产业（i＝1，2，3）占该省（区、 市）产值的比重。产业结构高级化是生产率提升，并从第一产业不断向第二产业和第三产业转变的过程，因此本文采用第二、三产业与第一产业的比值衡量产业结构高级化。另外，本文对图1的中介效应进行了Sobel检验，检验结果见表5。

表5 产业结构升级两个子维度在产业智能化和区域经济差距间的中介效应检验

表5报告了产业结构升级两个子维度在产业智能化和区域经济差距间的中介效应的Sobel检验结果，结果说明上述的两种中介效应均十分显着，可以认为产业结构合理化和产业结构高级化的中介效应是存在的。从表5可以看出，产业结构合理化作为中介效应解释了总效应的15.93%，产业结构高级化作为中介效应解释了总效应的52.45%，产业结构升级的两个子维度共解释了总效应的68.38%，而产业智能化影响区域经济差距的直接效应只解释了总效应的31.62%。可见，产业结构升级作为产业智能化和区域经济差距间的中介效应是存在的，这很好地证明了假说1中产业智能化能够推动产业结构升级从而促进经济欠发达地区与发达地区的经济发展差距缩小，且产业智能化促进区域经济差距缩小主要是通过产业结构高级化实现，产业结构合理化发挥的作用较小。

本文从碳排放约束视角分析研究了产业智能化对区域经济差距影响的差异性和产业智能化影响区域经济差距的机制，利用我国2003～2019年的省级面板数据进行实证研究得出以下结论：（1）产业智能化对缩小区域经济差距具有显着的正向效应，碳排放约束正向调节了产业智能化对区域经济差距的正向效应，欠发达地区发展清洁能源产业，必将会涉及到人工智能等技术的应用，产业智能化的提升又能够促进该地区生产要素的合理配置、提升生产率，进而促进与发达地区经济发展差距的缩小。此外，人力资本、对外开放程度和交通基础设施等均对缩小区域经济差距具有显着的正向效应；（2）产业智能化能够促进东、中和西部地区内省域间经济发展差距缩小，碳排放约束能够正向调节东、中部地区产业智能化对缩小省域间经济发展差距的正向效应，但是对西部地区的调节效应不显着，可能的原因是西部地区投资于产业智能化的机会成本比较大，发展产业智能化需要在前期进行大量的资金、人力等生产要素投入，与碳排放约束发展清洁能源产业在生产要素倾斜上的矛盾导致碳排放约束的调节效应不明显；（3）本文对产业结构升级两个子维度在产业智能化和区域经济差距间的中介效应进行Sobel检验发现，产业结构升级作为产业智能化和区域经济差距间的中介效应是存在的，且产业智能化促进区域经济差距缩小主要是通过产业结构高级化实现，而产业结构合理化发挥的作用较小。

基于以上研究结论，本文提出以下几点建议：（1）国家政府层面应注重碳排放约束与促进产业智能化相关政策协同，充分发挥产业智能化对经济增长的影响效应；（2）经济欠发达地区应继续稳步推进产业结构升级。产业结构合理化能够促进生产要素的合理配置，有效地提升生产率，产业结构升级在缩小区域经济差距方面扮演着重要的中介作用；（3）地方政府在推行产业智能化过程中，应充分关注地区间差异。缩小区域间经济发展差距归根结底还是经济欠发达地区的经济增长问题，西部地区切不可盲目跟风发展产业智能化。西部地区工业制造业较为落后且人口密集度较高，不具备大规模发展产业智能化的现实条件；东部和中部地区相对于西部地区来说在资金、区位和产业集聚等方面具有优势，在发展清洁能源产业、淘汰高耗落后产能过程中，应注重智能化技术在相关产业中能够提升生产率相关技术的有效应用，并发挥好龙头企业的带动作用形成产业集聚；（4）政府应加强企业对 “碳达峰、碳中和”目标认识的引导。“双碳”目标的提出使我国正面临着一场广泛而深刻的经济社会系统性变革，企业应积极地适应相关政策为可以预见的变革做准备。如之前成本较高的低耗技术在考虑碳排放成本之后很可能就成为了之后主流的应用技术，围绕该项技术会重新建立起新的产业链，实现经济结构的升级优化；之前高耗高碳排放技术需要朝着低耗低碳排放方向进行攻关研发等。