技术创新、空间集聚与区域碳生产率

摘要：本文采用我国1997-2009年省域面板数据，运用空间计量的研究方法，实证分析了技术创新、经济活动的空间集聚对区域碳生产率变化的影响。研究结果表明：我国区域碳生产率具有较强的空间相关性，采用空间计量的方法往往可以更好地解释我国区域碳生产率的空间变化；在影响因素方面，我国区域碳生产率主要受经济活动的空间集聚和产业结构的影响，技术创新的影响作用未能得到充分发挥；制造业的集聚不经济和产业结构低下是当前阻碍我国碳生产率增长的主要原因；从时间趋势上看，技术创新对提高我国区域碳生产率的作用在逐步增强，但在不同区域表现有所不同。因此，仅从技术创新的角度来提高碳生产率的努力往往事倍功半，必须着力优化产业结构和促成产业空间合理布局。基于此，本文提出了一些政策建议。

关键词：技术创新；产业集聚；碳生产率；空间面板模型

中图分类号 X22；F124 文献标识码 A

文章编号 1002-2104（2013）05-0036-10

随着我国改革开放的深入和经济的持续发展，资源环境和经济发展的矛盾越来越突出，经济、社会、生态之间的和谐关系受到严峻考验，改变我国传统的经济发展方式已迫在眉睫。以低能耗、低排放、低污染为特征的低碳经济（Lowcarbon Economy）将是我国构建和谐社会、实现经济可持续发展和应对国内外局势的战略选择。要发展低碳经济就必须提高碳生产率，否则难以兼顾“低碳”和“经济”两大目标的实现。有学者指出，未来的竞争不是劳动生产率的竞争，也不是石油效率的竞争，而是碳生产率的竞争，碳排放空间将成为比劳动力、资本以及土地等自然资源更为稀缺的生产要素 [1]。那么，如何提高碳生产率？从根本上讲，技术创新和制度创新是提高碳生产率的根本途径。其中，技术创新具有较强的空间溢出效应，容易促成经济活动形成空间集聚 [2-4]。由于技术创新的空间效应存在，其对碳生产率的影响作用会得到“强化”或“弱化”，所以，技术创新对碳生产率的影响路径并不像我们直观上认为的那样简单。有些区域技术创新的努力只是在为其他区域“搭便车”提供条件，其自身的碳生产率却停滞不前，甚至呈下降态势。基于此，我们很有必要在考虑经济活动空间集聚效应的情况下，了解清楚技术创新对碳生产率的影响方式和路径，这对我国更好地通过技术创新提高碳生产率具有重要的意义。

1 文献回顾

碳生产率的概念由Kaya和Yokoboni提出[5]，它是一个将低碳经济的两大目标――控制碳排放（低碳）和促进经济增长（经济）融为一体的概念[6]，是指在一段时期内国内生产总值（GDP）与同期CO2排放量之比，等于单位GDPCO2排放强度的倒数，反映了单位CO2排放所产生的经济效益。目前，国内外不少学者对碳排放和碳生产率进行了诸多颇有价值的研究，取得了丰富的研究成果。概括起来看，主要从三个方面展开：

（1）碳生产率对实现低碳经济的重要性。MielnikO， et.al提出将单位能源的CO2排放量作为发展中国家经济发展模式评价的主要标准，并分析了其对实现低碳经济的重要意义[7]。有些学者利用不同的 DEA 模型从宏观层面上对 OECD 国家和部分地区碳排放绩效进行了评价[8-10]，分析了提高碳排放绩效的重要性。Kortelainen基于生态效率的概念用Mailmquist指数法分析了欧盟 20 国 1990-2003 年的动态环境绩效[11]，并得出了类似结论。在国内，诸大建、谌伟等人认为，我国发展低碳经济关键是提高碳生产率 [12]。何建坤等人指出，应将提高碳生产率视为发展我国低碳经济的核心[13]。也有学者把提高碳生产率和社会人文发展水平作为低碳经济的两个主要基本特征[14]，认为提高碳生产率对实现整个社会的福利绩效具有重要的意义[15]。

（2）碳排放及碳生产率的影响因素。Chang Y F， Lin S J认为碳排放主要受国内消费结构和出口结构影响[16]。Zhou P， et al在对18个主要碳排放国家的碳排放绩效进行测算后发现，技术进步是影响碳排放绩效的主要因素[17]。不少学者在研究碳排放与GDP之间的EKC曲线时发现，经济增长对碳排放具有重要的影响[18-20]。徐国泉等人强调了能源效率、能源结构和经济增长对我国碳排放总量增长具有重要影响，并认为经济增长是主要影响因素[21]。谭丹、黄贤金将我国东、中、西部三大地区碳排放的差异归结为区域经济结构的合理性和经济发展过程中的科学技术水平[22]。何建坤、苏明山认为，影响未来碳生产率平均年增长率的首要因素是经济发展模式和社会消费模式的转变[13]。王群伟等人认为，我国碳排放绩效主要因技术进步而不断提高[23]。魏梅等人认为，R&D投入在所有要素中对碳排放效率的影响最大，技术溢出对碳排放效率起负面影响，内生创新努力是提升地区碳排放效率的关键[24]。总体来看，大多研究者都是从经济发展、产业结构、能源利用、管理体制及技术创新的角度来研究碳排放及碳生产率的影响因素。

（3）碳排放的空间变化。张雷指出，中国的碳排放问题不仅体现在总量的增长方面，而且也体现在碳排放的空间格局变化方面[25]。魏下海、余玲铮实证分析认为，我国各地区人均碳排放量存在着显著的正向空间依赖性[26]。潘家华、张丽峰分析表明，我国区域碳生产率存在明显的区域差异性[1]。赵荣钦、黄贤金等人认为，人类经济和能源活动对区域碳循环的影响在很大程度上是通过改变产业的空间布局方式来实现的，产业空间结构变动及区域差异会改变人为能源消费的格局，并进一步影响区域碳循环的速率[27]。

综观上述，诸多学者都关注到了碳排放的空间变化，也认识到了技术进步对碳排放绩效的重要影响，但却忽视了经济活动的空间集聚对碳排放空间的影响。并且，目前国内外的研究主要集中在碳排放与碳排放绩效，综合研究碳生产率及其影响因素的文献还比较少。本文结合技术创新和经济活动的空间集聚对碳生产率的影响因素进行实证研究。

2 碳生产率的测算及区域特征分析

2.1 碳生产率的测算

本文采用IPCC方法计算各省的碳排放总量，首先通过历年《中国能源统计年鉴》的地区能源平衡表（实物量）获得各种能源的终端消费量，平衡表上列出了20个能源种类，分别是：原煤、洗精煤、其他洗煤、型煤、焦炭、焦炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、天然气、其他石油制品、其他焦化产品、热力、电力、其他能源需要说明的是，热力和电力与原煤的换算系数分别为0.047 77 t/million KJ和1.719 7 t/10 000 KWh。但是在能源转换过程中，热值不可能完全从原料转移到产品中。按理论热值算出的换算系数应该除以能源加工转换率，方能得到实际的能源生产的投入产出比。全国历年的能源加工转换效率可以从《中国能源统计年鉴》获取。对电力而言，还需注意的是火力发电占总发电量的比例，因为水电是不排碳的，火电占比的数据可以从《中国电力年鉴》获取。。其次分别用能源的终端消费量乘以各自的碳排放系数（见表1），计算碳排放总量。最后采用以1997年为基准年进行调整后的GDP 数据，根据碳生产率的定义计算出全国30个省份1997-2009年的碳生产率。为了便于后文的分析，我们参照谭丹、黄贤金的方法[22]，将30个省份划分为东、中、西部三大区域：东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省、直辖市；中部包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省；西部包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、宁夏、青海、新疆11个省、自治区、直辖市。限于数据的可得性，的碳生产率无法估算，不包括在本研究范围内。

2.2 碳生产率的区域特征分析

我国碳排放与碳生产率的区域特征主要表现为几个方面：

（1）碳排放存在明显的空间集聚特征。从区域碳排放的空间分布来看（表见2），东部碳排放总量占全国比重处于上升趋势，从1997年的47.73%上升到2009年的52.25%；中部所占比重处于下降趋势，从1997年的30.67%下降到2009年的26.31%；西部所占比重变化不大。从区域碳排放总量的发展情况来看，1997-2009年累计碳排放前5位的省份分别为：山东、河北、江苏、辽宁、广东，均为东部省份；后5位的省份分别为：青海、海南、宁夏、江西、甘肃，以西部省份居多。这说明，我国碳排放主要集聚在东部区域，中西部集聚程度较低。

（2）我国各地区碳生产率总体处于增长态势，但少部

分地区呈下降趋势。碳生产率增长最快的5个省份为：北京、黑龙江、吉林、上海和安徽，年均增长分别为6.014%、5.655%、4.948%、4.560%和4.337%；海南、福建和宁夏三个省份的碳生产率处于下降趋势，年均降幅分别为1.192%、1.128%和1.607%。整体来讲（见表3），东、中、西部三大区域的碳生产率呈逐级递减的空间格局，但区域之间的差距变化有所不一致，东中部之间和东西部之间的差距有所收敛，碳生产率的比值分别由1997年的1.505倍和1.719倍下降到2009年的1.232倍和1.622倍；中西部之间的差异有所放大，碳生产率的比值由1997年的1.142倍上升到2009年的1.316倍。

（3）碳生产率增长速度东部最慢、中部最快、西部居中，但在各阶段上表现有所变化。从表4可以看出，1997-2009年我国东部地区碳生产率增长最慢，为1.648%，分别低于中、西部的3.224%和2.104%。但分阶段来看，情况有所变化。1997-2002年，碳生产率东部增长最慢，西部其次，中部增长最快，年均增长率分别为2.414%、3.888%和6.503%；2003-2009年，碳生产率东部增长最快，中部其次，西部增长最慢，年均增长率分别为0.997%、0.648%和0.532%。对比可以发现，前一阶段碳生产率的年均增长率要远远大于后一阶段，并且东部地区的增长速度由最慢转变为最快，中部增长一直高于西部。

综合上述分析可知，我国碳生产率在时间和空间上的变化呈现出一定的复杂性。造成这种复杂性的原因很多，但从根本上讲，主要与区域的技术创新水平、产业结构和经济活动的空间集聚有关。下文将据此进行实证分析。

3 数据与模型

3.1 变量选取与数据来源

将区域碳生产率（Carbon Productivity，简记CP）作为被解释变量，以各地区技术创新及空间集聚的相关变量作为解释变量。解释变量可以分为三类：技术创新变量、空间集聚变量和产业结构变量。技术创新主要考虑创新投入和创新产出，创新投入主要从人力资本和资金投入两方面衡量，分别用科技从业人员数和R&D投入加以反映；创新产出主要从专利申请和专利市场化两方面衡量，分别用专利申请受理数和新产品价值加以反映。经济活动的空间集聚主要是指产业和人口的空间集聚，以制造业区位商、服务业区位商以及地区人口密度加以反映。区位商的计算公式为：

LQtij=（Etij/Etj）/（Etir/Etr）。

其中，LQtij表示j区域中i产业在t时期的区位商，Etij表示j区域中i产业在t时期的就业人员数，Etj表示j区域在t时期的就业人员总数，Etir表示所研究地区j区域所在更大r区域中i产业在t时期的就业人数，Etr表示r区域在t时期的就业人员总数。具体指标设计见表5。解释变量所用数据均来自我国1998-2010年《中国城市统计年鉴》、《中国科技统计年鉴》和《中国统计年鉴》。由于不同变量的衡量单位不同，为使数据具有可比性，所有变量均取对数。

3.2 计量模型的设定

我国区域碳生产率存在较大的空间差异，随着我国区域之间的经济关联越来越密切，区域碳生产率的变化往往存在较大的空间相关性和空间依赖性，某一区域碳生产率的变化往往受周边区域碳生产率变化的影响，因此，采用空间计量的分析方法更为合理。基于此，本文采用空间面板计量模型，该模型主要分为空间滞后模型（Spatial Lag Model，SLM）和空间误差模型（Spatial Error Model，SEM）。

第二产业比重与第三产业比重之比

空间权重矩阵采用常用的地理权重矩阵，遵循Rook相邻判定规则，即两个区域拥有共同边界则视为相邻。空间权重矩阵W的设定方式如下：主对角线上的元素为0，如果i地区与j地区相邻，则Wij为1，否则为0。空间权重矩阵W需要经过标准化，用每个元素同时所在行元素之和，使得每行元素之和为1。据此，建立如下模型：

空间滞后面板模型：

Ln（CPit）=α0+ρW×Ln（CPit）+∑nj-1αjLn（Xitj）+εit （1）

空间误差面板模型

Ln（CPit）=α0+∑nj=1αjLn（Xitj）+εit（2）

上述模型（1）和（2）中，i和t分别表示地区数量和样本的观察年度，n表示解释变量的个数，CP表示碳生产率，Xj表示一系列的解释变量，α0为截距项，αj为解释变量的回归系数；在模型（1）中，εit～N（0，σ2I），ρ为空间自回归系数；模型（2）中，εit=θWεit+μit，μit～N（0，σ2I），其中，θ表示空间自相关系数，εit和μit为服从正态分布的随机误差项。空间面板模型根据误差成分ε分解的不同可以分为固定效应和随机效应[33]， Baltagi认为当样本回归分析局限于一些特定的个体时，空间固定效应模型是更好的选择[34]。本研究选用空间固定效应模型，对空间面板模型的估计采用Elhorst发展的针对空间面板模型的极大似然估计方法（ML）[35]。下文空间面板模型的估计结果均采用Matlab7.0实现。

4 实证结果及分析

4.1 空间相关性分析及检验

先对我国碳生产率进行空间相关性检验。检验结果显示，我国碳生产率呈现出高度的空间相关性，并且这种相关性从总体上看呈逐步增强的态势（见表6）。这说明，周边区域碳生产率的变化会对本区域碳生产率产生影响，并且这种影响会随着各地区之间经济联系和技术联系的增强而逐步增强。进一步通过LM-Lag和LM-Err统计量来检验空间滞后模型和空间误差模型的适用性，检验结果显示LM-Lag值为7.037 2（p值为0.000 0），LM-Err值为2.187 5（p值为0.000 0），两者统计均显著，故采用两种模型进行计量分析。

4.2 总样本估计结果分析

从整体上看（见表7），空间计量模型要比普通面板模型对样本数据具有更好的估计。从区域碳生产率的空间相关性来看，各区域碳生产率的空间依赖性在逐步增强。这表明，随着我国经济的持续发展，各区域之间的“经济关联”和“技术关联”在不断加强，每个区域碳生产率的变化不仅受本区域相关因素的影响，还受周边区域碳生产率变化的影响，区域之间在提高碳生产率方面的努力是相互影响、相互作用的，提高碳生产率需要区域之间相互合作、密切配合，否则往往事倍功半。

据表7可知，我国区域碳生产率主要受空间集聚和产业结构等相关变量的影响，受技术创新的影响相对较弱。但在具体变量方面，各变量的对碳生产率的影响大小和影响方向各异：①四个反映技术创新的变量中（HUMAN、R&D、NPV、PATENT），仅新产品价值这一变量对区域碳生产率存在显著影响，其他变量显著性均不明显。这可能跟我国长期以来粗放的经济增长方式密切有关。由于我国传统经济以“高能耗、高投入、高污染”为典型特征，经济发展往往以大量消耗资源、污染环境为代价，从而导致经济总量增加的同时碳排放总量也得以快速增长。在产业结构偏重的情况下，高碳产业占国民经济的比重往往居高不下，碳排放增长的速率可能超过技术创新对经济总量的拉动作用，这就直接导致了技术创新对区域碳生产率提升作用的“失效”或“低效”。由于新产品价值直接反应创新技术的市场化情况，是创新应用的最直接体现，其往往能以较低的碳排放获得更大的经济产出，以对提升区域碳生产率的作用往往会很明显；②产业结构对区域碳生产率呈显著负影响，产业结构越轻，对提高区域碳生产率越有利。不同产业对碳能源的消耗强度和依赖程度均存在较大差异，产业结构的变化会导致能源消费结构的变化，从而对区域碳生产率产生重大影响。我国长期以来产业结构偏重并一直得不到有效调整，这在很大程度上削弱了技术创新对提高碳生产率的作用。这说明，在技术创新同时必须大力推动产业结构的优化升级，否则既浪费创新资源，也最终损害经济发展和区域碳生产率的提高；③制造业的空间集聚对区域碳生产率呈显著负影响，而服务业集聚对其有显著提升作用。这在很大程度上可以解释为什么我国有些地区的碳生产率一直以来呈现下降趋势。一个合理的解释就是，这些区域技术创新能力低下，而产业结构不断偏重，高碳产业不断形成空间集聚（甚至过度集聚），导致高碳产业的空间集聚对区域碳生产率的抑制作用超过了技术创新对碳生产率的提升作用，从而导致碳排放的增长速度超过经济的增长速度，区域碳生产率出现不升反降的局面。

4.3 三大区域子样本估计结果分析

由于我国区域之间在产业结构、经济活动的空间集聚等方面都存在较大差异，再加上我国技术创新资源主要集聚在东部地区，中西部地区创新资源严重不足，因此，技术创新对我国东、中、西部碳生产率的影响可能存在较大差异。因此，我们有必要将我国划分东、中、西部三大区域，分析技术创新、空间集聚对区域碳生产率的影响。分析结果见表8。

（1）相比中西部地区，东部地区碳生产率受经济活动的空间集聚影响最为显著，三个反映空间集聚的变量均呈显著相关，特别是产业的空间集聚影响尤为显著。技术创新变量对碳生产率的影响较小，其中新专利变量的影响不显著，人力资本、R&D和新产品价值三个变量影响显著为正，但仅新产品价值影响强度较大，人力资本和R&D的影

响均较小。这可能是因为，技术创新对地区碳生产率的影响会因为经济活动的空间集聚而得到弱化或增强，它取决于该地区的产业结构及产业的集聚程度。如果集聚的产业属于高碳产业（比如石化产业），往往会弱化技术创新对提升碳生产率的作用，特别是在产业过度集聚的情况下，技术创新的作用更加难以发挥出来。当低碳产业占国民经济比重较大，形成低碳产业的空间集聚，只要不产生过度集聚形成负外部性，技术创新的作用往往可以得以增强，更大程度地促进碳生产率的提高。我国东部地区在高速的工业化发展过程中，工业比重过大、产业结构低下等问题尤为突出，形成制造业空间过度集聚，服务业空间集聚不足等产业空间格局，这大大地限制了东部地区技术创新对提升碳生产率的作用力，从而导致东部地区碳生产率增长非常缓慢。

（2）中西部地区碳生产率受技术创新和空间集聚变量影响均显著，但技术创新的影响作用要强于空间集聚变量。与东部地区比较，中西部地区个别技术创新变量对碳生产率的影响作用反而更大，而东部地区在这方面并没有显示出明显的优势。人力资本和R&D两个变量对中西部地区的影响系数均大于东部地区，新产品价值对碳生产率的影响东部地区大于中西部地区。中西部地区创新资源比较匮乏，技术创新对碳生产率的影响主要来源于两个方面：本地区技术创新水平的提高和东部地区技术创新的空间溢出。由于区域碳生产率存在较强的空间相关性，中西部地区碳生产率受东部地区碳生产率的溢出效应影响显著，中西部地区作为技术溢出的纯输入地可以在某种程度上弥补创新资源不足的缺陷，增强技术创新对碳生产率的影响。由于中西部地区产业的集聚程度较低，作为东部地区的“”区域，空间集聚变量对其碳生产率的影响强度较弱。但和东部地区一致的是，中西部地区制造业的空间集聚对碳生产率的影响也呈显著负相关，这说明，我国的产业结构在全国层面上偏重。

（3）东、中、西部三大区域，产业结构对碳生产率的影响均呈显著负相关，这一点与全国层面的分析结果一致。这说明，产业结构是影响区域碳生产率的一个关键变量，提升产业结构是提高碳生产率的必然选择。产业结构关系到能源的消费结构，同时也关系到技术创新对经济增长的影响方式。产业结构较轻，低碳能源的消费比重会增大，经济增长往往不以碳排放的快速增长为代价，技术创新对碳生产率的提升作用会得以凸显或放大。反之，当产业结构偏重，技术创新对碳生产率的影响会被削弱。

4.4 分阶段样本估计结果分析

基于不同区域在不同时间阶段技术创新的特点和方式存在较大差异，产业结构以及经济活动的空间集聚程度也会有所变化，因此，在此将东、中、西部三大区域分时间阶段就技术创新、经济活动的空间集聚对区域碳生产率的影响进行空间计量分析。时间阶段划分为两个阶段：1997-2002年和2003-2009年。根据表8的结果可知，空间滞后面板模型普遍优于空间误差面板模型，再加上文章篇幅所限，下面只列出空间滞后面板模型的计量结果，结果如表9所示。从表9可以看出，在经济发展的不同阶段上，各变量对碳生产率的影响呈现出一定的新特征。

（1）整体上而言，技术创新变量对碳生产率的影响后一阶段强于前一阶段，但存在较大的区域差异性。人力资本在中西部地区对提升碳生产率的边际作用要强于东部地区，并且后一阶段的作用普遍强于前一阶段。这说明我国的人才战略可能需要进行调整，中西部地区人才储备量不足，东部地区人才过分集聚，需要通过合理的战略规划引导人才的空间流动，充分发挥人力资本对促进低碳经济实现的作用。同时也说明，我国在近些年的经济调整过程中，人力资本的合理配置程度得到了一定的提升。R&D的作用与人力资本呈现出类似的特征。新产品价值在东部地区所发挥的作用具有一定的优势，后一阶段的影响相比前一阶段得以增强，提高创新产品的市场转化对提升碳生产率具有一定普遍意义。和前文分析一致，专利申请数对碳生产率的影响在两阶段都不显著，改变专利的技术结

构，提高低碳技术的创新和加强低碳技术的市场应用是我国未来提高区域碳生产率需要重视的一个方面。

（2）在东部区域，空间集聚变量对碳生产率的影响在趋于减弱，而在中西部区域该影响在趋于增强。这表明，随着我国产业的空间转移，产业的空间布局已发生较大的变化，东部地区制造业的过度集聚得以缓解，服务业集聚在不断提升，而中西部地区制造业集聚在逐步增强。伴随着产业空间集聚的变化，人口集聚对东部地区碳生产率的抑制作用在减弱，但对中西部地区碳生产率的抑制作用在增强。这从某种程度上进一步说明，要提高我国的碳生产率，必须密切关注经济活动的空间集聚和空间影响，积极促进经济活动的合理集聚，避免过度集聚造成对碳排放空间的浪费。

（3）产业结构对碳生产率的影响在东部地区由较强的显著负影响转变为微弱的显著正影响，在中西部地区一直处于显著负影响的态势。这表明，我国东部区域的产业结构正在趋于合理化，产业结构正在不断升级，制造业过度集聚和服务业集聚不足局面得到了很多程度的改善。而中西部地区由于受东部地区制造业转移的影响，第二产业的比重在逐步提升，并且高碳产业的空间集聚在增强，产业结构低下对碳生产率的抑制作用短时期内还难以得到缓解。

5 结论与政策建议

提高碳生产率是我国实现低碳经济的必然选择，也是我国经济实现可持续发展、构建和谐社会的战略选择。不少学者就如何实现碳生产率的提高做过诸多颇有价值的研究，本文基于我国30个省份的面板数据，从技术创新、经济活动的空间集聚的角度实证分析了区域碳生产率变化的影响因素。主要结论概括如下：①我国区域碳生产率存在较强的空间溢出效应，区域碳生产率不但受本区域相关变量的影响，还受周边区域相关变量的影响；②从全国层面上看，我国碳生产率主要受经济活动的空间集聚和产业结构的影响，技术创新对其影响比较微弱；③在不同区域，影响碳生产率的主导因素存在较大差异。其中，东部区域碳生产率受产业集聚变量的影响尤为显著，而中西部区域碳生产率受技术创新变量的影响作用稍强；④在经济发展的不同阶段，各变量对碳生产率的影响强度有所变化，其中，技术创新变量的作用在趋于增强，空间集聚变量对东部地区碳生产率的影响力在趋于减弱，而对中西部区域的影响力在趋于增强；⑤产业结构对区域碳生产率提升的抑制作用显著，我国产业结构低下的状况整体上没有得到根本性地缓解。

基于以上结论，本文提出如下政策建议：

（1）在依靠技术创新驱动碳生产率增长方面，各地区不能搞“一刀切”，要根据各地经济发展和技术创新的实际情况，具体问题具体分析，有重点地采取相应措施。中西部地区应将着力点放在增强人力资本储备和加大R&D投入方面，而东部地区应侧重提高创新效率和加快创新技术的市场转化和应用。目前，我国创新资源空间分布不合理，严重影响创新效率的提高，也阻碍技术创新对区域碳生产率的提升作用，因此，需要积极引导创新要素向中西部落后地区流动，同时加强东部与中西部之间的技术交流与合作，增强技术创新的空间溢出效应，形成东部与中西部之间的良性互动。

（2）要将产业结构调整和优化产业空间布局有机结合起来，一方面要大力发展现代服务业，另一方面要科学引导产业形成合理集聚，避免集聚不经济对碳排放空间的不合理利用。产业集聚是经济发展的内在规律，但也受产业政策的综合影响。政府部门应该立足长远，科学规划产业的空间布局，既要避免产业布局的“空间错位”，也要防止产业过度集聚。东部地区应着力发展现代服务业，促进现代服务业集聚，中西部地区应着力发展高端制造业，在承接东部产业转移的同时要极力避免成为东部高碳产业的“污染避难所（pollution haven）”[36]。

（3）将“碳排放空间”作为一种稀缺资源进行管理，促使“碳排放空间”资源得到有效利用。管理碳排放空间需要从两方面着手：一是要对碳排放活动所依托的地理空间进行合理规划和利用；二是要理顺区域之间碳排放行为的空间关系，形成区域之间和谐的碳排放关联。可以将“碳排放空间”的管理具体化为一系列指标，纳入各级政府低碳经济考核指标体系，为发展低碳经济提供制度机制保障。

参考文献（References）

[1]潘家华，张丽峰.我国碳生产率区域差异性研究[J].中国工业经济，2011，（5）：47-57.[Pan Jiahua， Zhang Lifeng. Research on the Regional Variation of Carbon Productivity in China[J]. China Industrial Economics， 2011， （5）：47-57.]

[2]Krugman P. Increasing Returns and Economic Geography[J]. Journal of Political Economy， 1991，99（3）：483-499.

[3]Feldman M P. The New Economics of Innovation， Spillovers and Agglomeration： A Review of Empirical Studies， Economics of Innovation and New Technology， 1999，18（1-2）：5-25.

[4]Gordon I R， Philip M. Innovation，Agglomeration and Regional Development[J]. Journal of Economic Geography， 2005，5（5）：523-543.

[5]Kaya Y， Yokobori K. Environment， Energy and Economy： Strategies for Sustainability[M].United Nations University Press，1997.

[6]Beinhocker， et al. The Carbon Productivity Challenge：Curbing Climate Change and Sustaining Economic Growth[R].McKinsey Global Institute，2008.

[7]Mielnik O，Goldemberg J. The Evolution of the Carbonization Index in Developing Countries[J]. Energy Policy，1999，27（5）：307-308.

[8]Zaim O， Taskin F. Environmental Efficiency in Carbon Dioxide Emissions in the OECD： A Nonparametric Approach[J]. Journal of Environmental Management， 2000，58（2）：95-107.

[9]Zofio J L， Prieto A M. Environmental Efficiency and Regulatory Standards： The Case of CO2 Emissions from OECD Industries[J]. Resource and Energy Economics，2001， 23（1）：63-83.

[10]Zhou P， Ang B W， Poh K L. Slacksbased Efficiency Measures for Modeling Environmental Performance[J].Ecological Economics，2006，60（1）：111-118.

[11]Kortelainen M. Dynamic Environmental Performance Analysis：A Malmquist Index Aapproach[J]. Ecological Economics，2008，64（4）：701-715.

[12]谌伟，诸大建，白竹岚.上海市工业碳排放总量与碳生产率关系[J].中国人口・资源与环境，2010， 20（9）：24-29.[Chen Wei， Zhu Dajian， Bai Zhulan. Research on Relationship between Industrial Carbon Emissions and Carbon Productivity in Shanghai[J]. China Population， Resources and Environment，2010， 20（9）：47-57.]

[13]何建坤，苏明山.应对全球气候变化下的碳生产率分析[J].中国软科学，2009， （10）：42-47.[He Jiankun，Su Mingshan. Carbon Productivity Analysis to Address Global Climate Change[J]. China Soft Science，2009， （10）：42-47.]

[14]刘晔，耿涌.低碳经济认识探析[J].中国人口・资源与环境，2010，20（10）：123-128.[Liu Ye， Geng Yong. An Overiew on Low Carbon Economy[J]. China Population， Resources and Environment，2010，20（10）：123-128.]

[15]刘国平，曹莉萍.基于福利绩效的碳生产率研究[J].软科学，2011，25（1）：71-74.[Liu Guoping， Cao Liping. Research on Carbon Productivity Based on Welfare Performance[J]. Soft Science，2011，25（1）：71-74.]

[16]Chang Y F， Lin S J. Structural Decomposition of Industrial CO2 Emission in Taiwan[J]. Energy Policy，1998，26（1）：5-12.

[17]Zhou P， Ang B W， Han J Y. Total Factor Carbon Emission Performance： A Malmquist Index Analysis[J].Energy Economics，2010，32（1）：194-201.

[18]Jordi R， Vicent A. Energy Intensity，CO2 Emission and the Environmental Kuznets Curve： The Spanish Case[J]. Energy Policy，2001， 29（7）：553-556.

[19]Soytasa U， Sari R， Ewing B T. Energy Consumption， Income， and Carbon Emissions in the United States[J]. Ecological Economics，2007，62（3-4）：482-489.

[20]Azomahou T， Laisney F， Phu N V. Economic Development and CO2 Emission： A Nonparametric Panel Approach[J]. Journal of Public Economics，2006，90（6-7）：1347-1363.

[21]徐国泉，刘则渊，姜照华.中国碳排放的因素分解模型及实证分析：1995-2004[J].中国人口・资源与环境，2006，16（6）：158-161.[Xu Guoquan， Liu Zeyuan， Jiang Zhaohua. Factor Decomposition Model and Empirical Analysis on the Carbon Emission of China： 1995-2004[J]. China Population， Resources and Environment， 2006，16（6）：158-161.]

[22]谭丹，黄贤金.我国东、中、西部地区经济发展与碳排放的关联分析及比较[J].中国人口・资源与环境，2008，18（3）：54-57.[Tan Dan， Huang Xianjin. Correlation Analysis and Comparison of the Economic Development and Carbon Emissions in the Eastern， Central and Western Part of China[J]. China Population， Resources and Environment， 2008，18（3）：54-57.]

[23]王群伟，周鹏，周德群.我国CO2排放绩效的动态变化、区域差异及影响因素[J].中国工业经济，2010，（1）：45-54.[Wang Qunwei， Zhou Peng， Zhou Dequn. Research on Dynamic Carbon Dioxide Emissions Performance， Regional Disparity and Affecting Factors in China[J].2010，（1）：45-54.]

[24]魏梅，曹明福，江金荣.生产中碳排放效率长期决定及其收敛性分析[J].数量经济技术经济研究，2010，（9）：43-53.[Wei Mei， Cao Mingfu， Jiang Jinrong. Determinants of Longrun Carbon Emission Performance[J]. The Journal of Quantitative & Technical Economics， 2010，（9）：43-53.]

[25]张雷.中国一次能源消费的碳排放区域格局变化[J].地理研究，2006，25（1）：1-9. [Zhang Lei. A Changing Pattern of Regional CO2 Emissions in China[J].Geography Research，2006，25（1）：1-9.]

[26]魏下海，余玲铮.空间依赖、碳排放与经济增长：重新解读中国的EKC假说[J].探索，2011，（1）：100-105.[Wei Xiahai， Yu Lingzheng. Spatial Dependence， Carbon Emission and Economic Growth：A New Interpretation of EKC Hypothesis[J].Probe， 2011， （1）：10-105.]

[27]赵荣钦，黄贤金，钟太洋.中国不同产业空间的碳排放强度与碳足迹分析[J].地理学报， 2010，65（9）：1048-1057.[Zhao Rongqin， Huang Xianjin， Zhong Taiyang. Research on Carbon Emission Intensity and Carbon Footprint of Different Industrial Spaces in China[J].ACTA Geographica Sinica， 2010，65（9）：1048-1057.]

[28]Anslin L. Spatial Econometric[M]. University of Illinois Press，2005.

[29]Baltagi， Badi H. Econometric Analysis of Panel Data （Second Edition）[M].John Wiley & Sons Press，2001.

[30]Elhorst J P. Specification and Estimation of Spatial Panel Data Models[J]. International Regional Science Review，2003，26（3）：244-268.

[31]Zeng D Z， Zhao L X. Pollution Havens and Industrial Agglomeration[J]. Journal of Environmental Economics and Management， 2009，58（2）：141-153.