产业间技术溢出、能源结构调整与产业生态化
摘要：使用我国22个工业部门2005～2014年面板数据，从能源消耗和污染排放两个维度，分析产业间技术溢出和能源结构调整对产业生态化的影响差异及演化特征。研究结果表明，我国工业部门产业间技术溢出对于能耗强度和排放强度的弹性系数分别为-0148和-0198，明显高于直接R&D投入；能源结构调整对于排放强度具有明显的控制作用，煤炭和石油的弹性系数明显大于天然气和非化石能源；技术溢出和能源结构调整在不同种类工业部门的表现存在差异，生态化水平越低的部门效果越显著；滚动估计结果显示，产业间技术溢出的影响效果呈现逐渐增强趋势，煤炭和石油的弹性系数缓慢减小，能源结构调整的效果得到体现。
关键词：产业间技术溢出；能源结构调整；产业生态化；面板数据模型
DOI：10.13956/j.ss.1001-8409.2017.06.03
中图分类号：F403 文献标识码：A 文章编号：1001-8409（2017）06-0010-05
Technology Spillout among Industries，Energy Structural Adjustment and Industrial Ecologization
――Evidence from Chinese Industry Sectors
WANG Xinmin， DING Hao
（School of Economic and Administration， China University of Petroleum， Qingdao 266580）
Abstract： Different influences of energy structural adjustment and the technology spillout to industrial ecological level， which is divided into energy consumption intensity and pollutant emission intensity， are studied with panel data of Chinese 22 industry sectors from 2005 to 2014， then evolution features of industrial ecological level are analyzed. Results show that the elasticity coefficients of technology spillout in Chinese industry sectors are 0.148 and 0.198， which are bigger than direct R&D investment significantly. The control effect of energy structural adjustment to emission intensity is significant and elasticity coefficients of coal and oil are bigger than natural gas and nonfossil energy. There exist differences among different sorts of industrial sectors for technology spillout and energy structural adjustment， which are more efficient in lower ecological level sectors. Results of rolling estimation show that the effect of technology spillout gradually enhanced with the promotion of ecological level of individual industrial sector in the last few years， and the elasticity coefficients of coal and oil decreased slowly， which can illuminate the effect of energy structural adjustment.
Key words：technology spillout among industries； energy structural adjustment； industrial ecologization； panel data model
自Frosch和Gallopoulos提出“产业生态学”概念后，产业生态化问题逐渐引起人们关注并成为研究热点。产业生态化的目的是充分利用资源，消除环境破坏，实现自然、社会与经济的协调发展。粗放式发展往往对资源和环境造成严重破坏，因此要实现经济、社会和环境的协调发展，就必须大力推进产业生态化水平提升，实现产业转型。目前，我国各产业部门积极致力于提高产业生态化水平，其中直接R&D投资和能源结构调整是主要驱动力量，不能忽略的是产业间技术溢出也具有非常重要的驱动作用[1]。本文将产业间技术溢出作为间接R&D投入，分析技术溢出和能源结构调整对于各类工业部门生态化水平影响的差异和演化特征，为我国工业部门生态化水平提升提供借鉴。
1文献综述
有关产业生态化问题的研究成果较多，主要包括三类：第一类是产业生态化的概念、v史、系统构建、实现途径等方面的研究，这类研究主要采用定性研究方法，以描述性研究为主。第二类是产业生态化水平和生态效率评价研究，产业生态化水平评价主要采用综合评价方法[2，3]，评价指标的选取根据评价目标的不同而有所差异。生态效率的研究涵盖了不同产业生命周期的各个阶段，其核算方法主要采用经济/环境单一比值法[4]、指标体系法[5]、数据包络分析法[6]和生态拓扑法[7]等，其中指标体系法与生态化水平综合评价方法相同，数据包络分析法在我国使用较为广泛。第三类是产业生态化水平与影响要素关系方面的研究，这类研究往往仅针对产业生态化的某一方面，如能源效率、碳排放等，而影响要素的选取则较为广泛。例如，Fisher等人研究了我国能源强度的影响因素，发现企业研发投入和人员培训对能源强度有较大作用[8]；师博、沈坤荣研究了政府干预、经济集聚因素对于能源效率的影响[9]；刘传江等将产业生态化的影响因素分为投入、占用、产出与排放四类，分析了我国工业部门生态化转型演化特征[10]。 从上述研究成果可以发现，生态化的影响因素中科技进步具有重要作用，科技进步除了直接动因R&D投资之外，技术溢出也是重要的因素，技术溢出对于生态化的影响逐渐为人们所关注，陈夕红等研究了技术空间溢出对全社会能源效率的影响[11]，刘亦文等研究了能源技术空间溢出效应对省域能源消费强度的差异[12]。除空间技术溢出外，产业间同样存在技术溢出现象，潘文卿等研究发现，产业间技术溢出的生产率弹性高出各产业直接R&D投入[13]。产业间技术溢出对于产业生态化的研究目前尚未见诸文献，因此本文将产业间技术溢出作为产业生态化水平的影响因素之一，重点分析产业间技术溢出、能源结构对于产业生态化的影响。
2模型构建
技术溢出效应的存在意味着产业部门的生产投入要素不仅包括资本、劳动、知识等，同时还应包括产业间的间接R&D投入，结合Los的生产函数的构造方法[14]，将产业间间接R&D投入作为一项投入要素，同时借鉴Romer将自然资源纳入生产函数的构造方法[15]，部门的产出可以表示为R&D投入、间接R&D投入、各类能源消耗、资本、劳动的函数：
Yi=c・RDαi・IRDβi・Ecγ1i・Eoγ2i・Egγ3i・Enγ4i・Kμi・Li
（1）
其中，Yi表示第i部门的产出，RDi表示直接R&D投入，IRDi表示间接R&D投入，间接R&D投入可以通过投入产出表及产业间的相似度水平进行测度[18]，Eci、Eoi、Egi、Eni分e表示煤炭、石油、天然气和非化石能源消耗量，Ki表示固定资产总量，Li表示劳动总量，c 表示各投入要素之外其他投入的影响系数，α、β、γ
1、γ
2、γ
3、γ
4、μ、分别表示各投入要素的产出弹性。
由于经济规模、科技水平是能源消耗量的主要影响要素，因此按照生产函数的构造方法，能源消耗函数可以构建为：
Ei=c′・RDα′i・IRDβ′i・Yσ′i
（2）
其中，c′表示除GDP、科技投入之外的其他影响因素的影响系数，α′、β′、σ′则表示各要素的弹性系数。能耗强度可以表示为：
EIi=EiYi=c′・RDα′i・IRDβ′i・Yσ′-1i=c′・cσ′-1・RDα′+α（σ′-1）i・IRDβ′+β（σ′-1）i・Ecγ1（σ′-1）i・Eoγ2（σ′-1）i・Egγ3（σ′-1）i・Enγ4（σ′-1）i・Kμ（σ′-1）i・L（σ′-1）i
（3）
将经济总量、科技水平、煤炭和石油消耗作为污染排放的主要影响因素，则污染排放量可以表示为：
Pi=c″・RDα″i・IRDβ″i・Yσ″i・Ecγ″1i・Eoγ″2i
（4）
其中，c″表示其他要素的影响系数，α″、β″、σ″、γ″
1、γ″2分别表示R&D投入、间接R&D投入、经济总量、煤炭和石油消耗对污染排放总量的弹性系数。排放强度可以表示为：
PIi=PiYi=c″・RDα″i・IRDβ″i・Yσ″-1i・Ecγ″1i・Eoγ″2i=c″・cσ″-1・RDα″+α（σ″-1）i・IRDβ″+β（σ″-1）i
・Ecγ1（σ″-1）+γ″1i・Eoγ2（σ″-1）+γ″2i・Egγ3（σ″-1）i・Enγ4（σ″-1）i・Kμ（σ″-1）i・L（σ″-1）i
（5）
对各变量取对数再增加时间维度后公式
（1）、
（2）、
（4）变形为面板数据计量模型：
lnYit=lnc+αlnRDit+βlnIRDit+γ1lnEcit+γ2lnEoit
+γ3lnEgit+γ4lnEnit+μlnKit+lnLit+δi+εit
（6）
lnEit=lnc′+α′lnRDit+β′lnIRDit+σ′lnYit+δi+εit
（7）
lnPit=lnc″+α″lnRDit+β″lnIRDit+σ″lnYit+γ″1lnEcit+γ″2lnEoit+δi+εit
（8）
根据公式
（6）、
（7）和
（8）可以对各投入要素的弹性系数进行估计，然后根据公式
（3）、
（5）对能耗强度和排放强度的各要素弹性系数进行计算。面板数据计量模型在应用中需要验证模型中解释变量与随机项的相关性，本文使用Hausman检验方法判断采用固定效应模型估计方法还是随机效应模型估计方法。为了避免解释变量与随机项之间的同期相关性问题，以解释变量的1阶滞后变量作为工具变量，以防止模型中解释变量的内生性问题，并通过Hausman检验判断模型中具有内生性的解释变量。
3模型估计与结果分析
31工业部门分类
参考我国相关统计年鉴中各工业部门投入产出表、能源消费、污染物排放等指标中关于工业部门的划分，本文将主要的工业部门划分为22个，分别为：
（1）煤炭开采和洗选业；
（2）石油和天然气开采业；
（3）金属矿采选业；
（4）非金属矿采选业；
（5）食品制造及烟草加工业；
（6）纺织业；
（7）服装皮革羽绒及其制品业；
（8）木材加工及家具制造业；
（9）造纸印刷及文教用品制造业；
（10）石油加工、炼焦及核燃料加工业；
（11）化学工业；
（12）非金属矿物制品业；
（13）金属冶炼及压延加工业；
（14）金属制品业；
（15）通用、专用设备制造业；
（16）交通运输设备制造业；
（17）电气、机械及器材制造业；
（18）通信设备、计算机及其他电子设备制造业；
（19）仪器仪表及文化办公用机械制造业；
（20）电力、热力的生产和供应业；
（21）燃气生产和供应业；
（22）水的生产和供应业。
本文针对能源消耗和污染排放两个维度对产业生态化问题进行研究，选取能耗强度和排放强度两个指标。能源消耗为煤炭、石油、天然气和非化石能源消耗量，污染排放为工业“三废”中的主要污染物排放量。由于能耗强度和排放强度大小均是相对概念，本文以相对强度作为分类标准，将我国2005～2014年能耗强度和排放强度的平均值作为分界线，我国22个工业部门可以分为四类：高能耗高排放、高能耗低排放、低能耗高排放、低能耗低排放。本文根据2014年工业部门的分类结果对产业生态化问题进行研究，分类结果见图1。 32数据说明
本文使用2005～2014年我国22个工业部门规模以上工业企业的数据进行模型估计，模型中部门产出使用“工业总产值”指标，资本投入使用“固定资产总量”指标，劳动投入使用“全部从业人员平均人数”指标，数据来源于《中国工业统计年鉴》；污染排放以工业“三废”中的主要污染物排放量进行计算，数据来源于《中国环境统计年鉴》；R&D投入包括R&D内部支出、外部支出、技术获取和技术改造支出，数据来源于《中国科技统计年鉴》。各类能源消耗量来源于《中国能源统计年鉴》；投入产出表来源于《中国统计年鉴》。为了消除价格影响，对涉及价格的数据均以2005年不变价格进行折算。
33模型估计与结果分析
根据产业间的相似度水平计算产业间技术溢出效应，结果见图2，在此基础上使用式
（6）、
（7）、
（8）计算各投入要素的弹性系数，Hausman检验结果显示模型适合使用随机效应模型进行估计，同时直接R&D投入和间接R&D投入作为工具变量的估计结果均比不使用工具变量的GLS估计更显著，进而使用随机效应模型（工具变量法）的估计结果及式
（3）、式
（5），计算各投入要素对于能耗强度和排放强度的弹性系数，见表1。对于能耗强度指标，直接R&D投入和间接R&D投入的弹性系数分别为-0082和-0148，技术溢出效应对于能耗强度的控制作用明显强于直接R&D投入；能源结构变化对于能耗强度的影响不明显，其中煤炭的弹性系数比石油、天然气和非化石能源略高；资本投入的弹性系数达到了0149，资本投入对能耗强度的影响较为敏感；劳动投入对能耗强度的影响不明显，弹性系数仅为0022。对于污染排放强度指标，直接R&D投入和间接R&D投入的弹性系数分别为-0097和-0198，能源结构影响较大，其中煤炭、石油的弹性系数分别为01
3
1、0094，而清洁能源天然气和非化石能源的弹性系数分别为0005和0007，我国工业部门以煤炭和石油为主的能源结构是排放强度控制的重要影响因素。
根据随机效应估计（工具变量法）方法，分别对我国四类工业部门的能耗强度和排放强度的弹性系数进行估计，见表2。结果显示，直接R&D投入和间接R&D投入对于高能耗类工业部门能耗强度的降低具有较强的促进作用，明显强于低能耗类工业部门，间接R&D投入降低能耗强度的效果明显好于直接R&D投入。能源消费对不同部门能耗强度的影响有所差异，能耗越高的部门煤炭的影响越大。科技投入对于排放强度的影响具有相似的特点，排放强度越大的部门直接R&D投入的影响效果越明显，间接R&D投入对排放强度的控制作用优于直接R&D投入，同时不同类部门之间的差别不明显。能源结构对排放强度的影响较明显，其中煤炭和石油的影响作用明显高于清洁能源（天然气和非化石能源），因此能源结构的调整对于排放强度的控制具有重要作用。
对各投入要素的弹性系数进行滚动估计（随机效应估计模型，工具变量法）的结果见表3和图3（为了体现产业生态化水平的整体效果，将能耗强度和排放强度两个维度各要素的弹性系数分别赋权05进行相加）。结果显示，我国工业部门直接R&D投入和间接R&D投入的弹性系数均呈现不断减小趋势，产业生态化水平越差的部门科技投入的弹性系数变化越大，随着科技水平的提高，直接R&D投入和间接R&D投入对产业生态化水平提升作用不断增强。煤炭和石油的弹性系数呈现不断减小趋势，天然气和非化石能源的弹性系数变化不大，随着能源结构的
调整，煤炭和石油对我国工业部门生态化水平的改善产生了积极作用。值得注意的是，各类工业部门资本投入的弹性系数呈现不断增大趋势，而劳动投入的弹性系数较小且变化不明显。
4结论
本文用面板数据估计模型研究了我国四类工业部门不同投入要素，特别是产业间技术溢出和能源结构调整对于产业生态化水平的影响差异及演化特征，主要结论包括：
（1）产业间技术溢出对于我国22个工业部门能耗强度和排放强度均具有较好的控制效果，优于直接R&D投资，各类工业部门之间存在差异，技术溢出对于能耗强度较高的部门产生的促进效果较好。随着时间的推移，我国各类工业部门技术溢出和直接R&D投资的弹性系数不断减小，意味着科技提升因素在产业生态化水平提升中的地位越来越重要。
（2）能源结构调整对于排放强度控制具有明显效果，煤炭和石油的弹性系数明显高于清洁能源，同时对于高能耗高排放类部门的影响明显高于低能耗低排放部门。而随着我国能源结构的调整，煤炭和石油对各类部门生态化水平的弹性系数呈现不断减小趋势，能源结构调整对于产业生态化水平的改善产生了积极作用。
（3）资本投入作为我国经济发展的重要引擎，对高能耗高排放部门的影响明显大于低能耗低排放部门，资本投入的弹性系数呈现不断增大趋势，而劳动投入的弹性系数较小且变化不明显，我国工业部门资本投入效率并未得到改善，劳动密集型特征仍旧明显，产业升级和科技创新仍是产业生态化水平提升的主要方向。
参考文献：
[1]高大伟，周德群，王群伟.国际贸易、R&D技术溢出及其对中国全要素能源效率的影响[J].管理评论，2010
（8）：122-128.
[2]陆根尧，盛龙，唐辰华. 中国产业生态化水平的静态与动态分析――基于省际数据的实证研究[J]. 中国工业经济，2012
（3）：147-159.
[3]陈航， 王海鹰， 张春雨.我国海洋产业生态化水平评价指标体
系的构建与测算[J].统计与决策，2015
（10）：48-51.
[4]Nieminen E，Linke M，Tobler M，et al. EU COST Action 628： Life Cycle Assessment （LCA） of Textile Products，Eco-efficiency and Definition of Best Available Technology （BAT） of Textile Processing[J]. Journal of Cleaner Production，2007
（13）：1259-1270. [5]Van Caneghem J，Block C，Cramm P，et al. Improving Eco-efficiency in the Steel Industry： The ArcelorMittal Gent Case[J].Journal of Cleaner Production，2010
（8）：807-817.
[6]成金华，孙琼， 郭明晶，等.中国生态效率的区域差异及动态演化研究[J]. 中国人口・资源与环境， 2014
（1）：47-54.
[7]JQF Neto，G Walther，J Bloemhof，et al. A Methodology for Assessing Eco-efficiency in Logistics Networks[J].European Journal of Operational Research，2009
（3）：670-682.
[8]Fisher V K， Jefferson G H，Liu H M. What is Driving Chinas Energy Intensity[J].Resource and Energy Economics，2004
（26）：77-97.
[9]师博，沈坤荣.政府干预、经济集聚与能源效率[J].管理世界，2013
（10）：6-18.
[10]刘传江， 吴晗晗， 胡威.中国产业生态化转型的IOOE 模型分析――基于工业部门2003-2012年数据的实证[J]. 中国人口・资源与环境， 2016
（2）：119-128.
[11]夕红， 张宗益， 康继军，等.技术空间溢出对全社会能源效率的影响分析[J]. 科研管理，2013
（2）：62-68.
[12]刘亦文， 张勇军， 胡宗义. 能源技术空间溢出效应对省域能源消费强度差异的影响分析[J]. 软科学，2016
（3）：46-49.
[13]潘文卿，李子奈，刘强.中国产业间的技术溢出效应：基于35个工业部门的经验研究[J]. 经济研究，2011
（7）：18-29.
[14]Los B. The Empirical Performance of a New Inter-industry Technology Spillover Measure[M].Cheltenham：Edward Elgar， 2000. 118-151.
[15]David Romer.Advanced Macroeconomics[M]. New York： McGraw-Hill/Irwin， 1996. 37-40.