绿色技术溢出对晋陕蒙煤炭行业碳排放强度影响路径分析

富煤、贫油、少气是我国的能源资源禀赋特点，以煤为主的能源结构短期内难以改变。我国碳排放主要来源于煤炭生产消费过程，占碳排放总量的70%～80%，而晋陕蒙地区煤炭生产消费占全国的60%左右，因此，对晋陕蒙地区煤炭行业进行碳排放强度影响路径分析具有重要意义。

2008年以后，我国绿色产业得到迅速发展，蔡昉等[1]根据我国的“环境库兹涅茨曲线” 考察了我国经济内在的节能减排要求，指出可以通过绿色技术溢出实现我国绿色经济发展。绿色技术溢出不同于传统的技术溢出，绿色技术是能给环境带来改善的友好型技术，能够促进经济的绿色发展[2]。绿色技术溢出是绿色技术创新、扩散和转移带来的效应，不仅有助于推动绿色技术的进步，还可以共同应对全球变暖和能源短缺等挑战[3]。

对绿色技术溢出的测度是研究其动力的重要基础，通过绿色全要素生产率来衡量绿色技术溢出是对其测算的重要方法之一[4]。CHUNG Y 等[5]考虑到非期望产出对研究结果的影响，采用方向距离函数(DDF)与传统Malmquist指数构建出使用非期望产出的生产率指数Malmquist-Luenberger(ML指数)。由于ML指数不具备循环传递性等缺点，因此OH D H[6]在CHUNG Y等基础上构建了Global-Malmquist-Luenberger指数(GML指数)。本文采用GML指数来对绿色技术溢出进行测度。

目前，绿色技术溢出对碳排放强度影响的相关研究较少，从已有研究成果来看，国内外学者更多利用STIRPAT模型来研究国家[7]、区域[8]和产业[9]层面碳排放强度的关键影响因素，STIRPAT模型的优点是可以将环境影响变量的系数转换成参数进行估算，同时也允许适当地分解各个变量。韩伯棠等[10]通过研究内生增长理论和改进STIRPAT模型研究绿色技术溢出对碳排放强度的影响；田娟娟等[11]以煤炭资源丰富的山西作为研究对象，通过对 STIRPAT 模型进行拓展，使用面板数据对该区域碳排放影响变量进行实证研究，为提供科学节能减排、降低碳排放政策提供了依据。但是，关于绿色技术溢出对煤炭行业碳排放强度影响方面的研究较少。本研究通过借鉴学者们的相关研究成果，对晋陕蒙地区煤炭行业绿色技术溢出对碳排放强度的影响路径进行研究，以实现晋陕蒙地区煤炭行业经济效益和环境效益提升的双重目标。

1 研究设计与数据说明

1.1 研究区概况

为了更好地探究煤炭行业中绿色技术溢出对碳排放强度的影响，揭示绿色技术溢出对碳排放强度的作用机理，本文选取煤炭资源丰富的晋陕蒙地区作为研究区域[12]，将煤炭行业中煤炭开采与选煤环节作为研究对象，主要理由如下：第一，这3个地区煤炭资源消耗量巨大，占全国煤炭资源消耗的60%；第二，在全国第2次煤田资源预测中发现，晋陕蒙地区煤矿存量占全国总量的80%左右；第三，该地区煤炭产能巨大，总产能约34亿t/a，占我国煤炭总产能的约60%。虽然晋陕蒙地区煤炭资源存量丰富，但煤炭行业快速发展所带来生态环境破坏也相对严重，生态区域敏感脆弱，碳减排效率低[13]。

1.2 实证变量选取

1.2.1 被解释变量的选取

当前碳排放核算体系方法主要有2种：一种是通过企业生产活动中具体项目和生产过程核算碳排放量，如2006年国际标准化组织颁布的《温室气体核证标准》，但这种气体核算标准无法对整个区域内的碳排放进行精准测算，存在着较大的局限性；另一种是依据《IPCC国家温室气体指南》中公布的办法，对主要消耗能源分类，再分别计算其碳排放量，这种方法是当前使用最广泛、具有普适性的方法，同时还兼具数据可得性，是当前最常用的碳排放量计算方法之一[14]，其计算过程中的主要原理是根据行业中消耗的能源数量乘以碳排放系数，通过计算公式，在一次能源折算系数和碳排放系数基础上可以得出碳排放强度核算公式：

式中：Ct，i——t时期i地区碳排放强度，t/万元；

Et，e——t时期e种一次能源消耗量，t；

δ——一次能源对应的排放系数；

Yt，i——t时期i地区煤炭行业总产值，万元。

各种一次能源折标煤系数和碳排放系数见表1。

1.2.2 解释变量的选取

绿色全要素生产率的测算与分解是分析煤炭行业绿色技术溢出的一种重要方法[15]。本文通过DDF和GML指数相结合的方式进行测算，可以更加客观准确地反映煤炭行业绿色技术溢出情况，在DDF的基础上引入负向产出函数，根据DDF和GML指数可构造以下线性规划进行求解。

式中：

方向距离数；

x——投入向量；

y和c——正向期望产出向量和负向非期望产出向量；

d——产出的方向向量；

G(x)——模型中某一个决策单元在产出中实际产出与生产前沿面的距离；

β——生产前沿函数。

根据DDF和GML指数可构造以下线性规划进行求解。

式中：

在生产过程中不同横截面的观测值之间所占的比重；

在t时期第k个决策单元的投入产出组合。

正是因为DDF的存在，可以在此基础上构造GML指数：

为了更好地分析绿色技术溢出的变化规律，将GML指数进一步分解为技术效率值(Effch)和技术进步指数(Tech)。技术效率值表示系统内部技术效率和生产规模发生改变时技术效率的变化情况，技术进步指数指在生产过程中因新技术的出现或技术发生进步所带来的产出增加。

1.3 解释变量的测度

绿色技术溢出的测度需要明确模型中投入要素、期望产出和非期望产出等关键变量。结合邢世鸿[16]和蔡林美等[17]对煤炭行业绿色全要素生产率测算与分解的相关研究，将其中投入要素选取为煤炭行业劳动力、煤炭行业资本存量和煤炭行业的能源消耗量，期望产出选取为原煤生产量，非期望产出选取行业碳排放量。

测算煤炭行业的绿色全要素生产率的投入要素共选取3个，即煤炭行业的劳动力、煤炭行业资本存量、煤炭行业在生产过程中的能源消耗量。其中，煤炭行业的劳动力是指在煤炭开采和选煤中投入的实际劳动数量，本文采用学术界使用最多的行业从业人员平均数来表示；煤炭行业的资本存量实际上是该行业的资本积累量，本文根据张军等[18]和赵萌[19]的数据处理方法，采用晋陕蒙地区煤炭行业往年固定资产净值年平均余额来代替煤炭行业的资本存量；能源消耗量是衡量煤炭行业在生产过程中能源的实际消耗量，采用每年煤炭行业一次能源消费总量表示，将使用的一次能源通过折标煤系数统一进行折算来保证单位一致。

部分学者如陈诗一[20]、夏永秋等[21]选取行业总产值、行业增加值或销售产值作为期望产出，还有部分学者如赵萌[19]选取原煤总产量作为期望产出，本文考虑到工业增加值、工业销售产值等受到价格水平的影响，选取原煤生产量为期望产出。

1.3.3 非期望产出

煤炭行业在生产和消费过程中不仅会产生期望产出，同时也会产生非期望产出，其中主要包括对生态环境和社会效益造成的破坏。生态环境的破坏主要有空气污染、温室效应、水污染和生产过程中产生的废渣造成土壤污染等；社会效益的破坏主要包括在生产过程中对工作人员和生活在附近的居民造成身体和心理上的伤害、损坏公共效益等。但是现有研究中，对于煤炭行业造成生态环境上的破坏并没有进行直接统计，只有少数学者如李国平等[22]对煤炭开采过程中造成的生态环境的破坏进行了初步估算，本文为了更好地探究绿色技术溢出对碳排放强度的作用机制，充分考虑到绿色技术溢出在煤炭行业生产过程中对碳排放量的影响，将煤炭行业碳排放量作为非期望产出。

1.3.4 数据来源与处理说明

煤炭行业从业人口数量、一次能源消耗量、固定资产净值等数据源于《中国统计年鉴》和《中国工业统计年鉴》，对于工业统计年鉴缺失的数据通过各区域统计年鉴进行补充。其中，对于固定资产年平均余额缺失的数据使用当年年末固定资产净值和上一年年末固定资产净值的平均值来补齐[23]。各地区煤炭行业的原煤产量和能源消费量来源于陕西、山西和内蒙古的统计年鉴，对于个别地区没有直接给出折标煤的消费量，使用折标煤系数将其他能源进行转化，统一使用折标煤作为变量。

1.4 面板数据模型设定

为了探究绿色技术溢出对煤炭行业碳排放强度的影响，探究出被解释变量如何影响解释变量，通过STIRPAT模型来分析绿色技术溢出对碳排放强度的影响。STIRPAT是具有可扩展性的环境评估模型，通过对人口、财产、技术和环境之间的关系进行研究，可以分析人文因素对环境的影响。STIRPAT 模型主要根据IPAT等式构建：

式中：I——环境压力；

a——模型系数；

P——人口规模；

A——经济发展水平；

T——技术水平；

b、o、e——影响因素指数。

为了避免异方差对模型结果的影响，对公式两边取自然对数构造回归模型，用模型的回归系数反映被解释变量与各解释变量的弹性关系，得到公式：

由于不同研究的目的性不同，学者在进行实证分析时可以适当对STIRPAT模型进行改进，本文对2006-2021年晋陕蒙地区煤炭行业面板数据进行回归，由于考虑到绿色技术溢出的长期效应，在研究绿色技术溢出对煤炭行业碳排放强度的影响时，建立双向固定效应模型：

式中：a0，a1，a2，a3，a4，a5——常数项；

μi，t——残差项；

Ci，t——环境压力，用煤炭行业碳排放强度表示，t/万元；

T——技术水平，用煤炭行业专利申请数量来表示，个；

GTEPi，t——绿色技术溢出，对煤炭行业的绿色全要素生产率进行处理，基期为1，对绿色全要素生产率进行累乘得到绿色技术溢出；

PIi，t——经济发展水平，用煤炭行业人均产值表示，亿元/百万人；

PSi，t——人口规模，用煤炭行业从业人数表示，百万人；

Xi，t——控制变量，为了准确测算绿色技术溢出对煤炭行业碳排放强度的影响，考虑到煤炭行业的特殊性，加入X作为控制变量，X包括行业结构IS(%)和能源强度EI(亿t/万元)，分别用煤炭行业占工业总产值比重和煤炭行业能源消耗量与产值之比表示；

tradei——行业固定效应；

yeart——年份固定效应。

模型分析变量的描述性统计见表2。

由表2可知，晋陕蒙地区煤炭行业碳排放强度(C) 均值为0.966 7 t/万元，最大为3.255 1 t/万元，最小为0.129 8 t/万元，最大值是最小值的25倍，是均值的3.37倍，说明在晋陕蒙地区碳排放强度差别巨大，碳排放量的控制水平参差不齐；晋陕蒙煤炭行业专利申请数量(T)10年间平均每年专利数量约120个，最大年份为307个，最小年份为7个，最大值为最小值的43.9倍，代表着各年份不同区域间技术发展水平存在着较大的区别；绿色技术溢出平均水平(GTFP)为0.966 7，表明在研究范围内晋陕蒙地区煤炭行业平均水平下不存在对外绿色技术溢出，整体呈现吸收外界绿色技术溢出；煤炭行业从业人口数量(PS)和经济发展水平(PI)较稳定，中间值与平均值相差不大，中间值更靠近最大值，表明煤炭行业规模不断扩大产值不断增加；晋陕蒙地区能源强度(EI)均值为1.278 8亿t/万元，最大为4.306 3亿t/万元，最小为0.171 8亿t/万元，最大值为最小值的25倍，在晋陕蒙地区能源强度方面存在着较大差异；行业结构(IS)为煤炭行业占工业产值之比，均值为0.225 8%，最大值为0.410 1%，最小值为0.104 8%，主要原因是以煤炭为主的能源结构得到适量改善，行业结构得以调整，煤炭行业在工业中所占比重不断降低。

2 实证结果与分析

2.1 绿色全要素生产率测算结果与分析

随着索洛增长模型广泛地使用，使得绿色全要素生产率逐步作为绿色技术溢出的衡量指标，而绿色全要素生产率又可以分解为技术效率和技术进步，技术效率作为技术追赶的体现，可以代表前沿企业或地区的追赶和学习，在一定程度上可以反应“溢出”的概念，而地区想要实现“溢出”效应也离不开自身长期的努力，所以生产效率的提升也是必不可少的。综合考虑，本文使用绿色全要素生产率来测度绿色技术溢出，并将绿色全要素生产率(GTFP)进一步分解为技术效率值(Effch)和技术进步指数(Tech)。当绿色全要素生产率GTFP大于1时，表示说明地区的绿色技术正向溢出，其中当Effch、Tech大于1时，说明为绿色技术溢出增长做出了贡献；当Effch、Tech小于1时，说明对绿色技术溢出的增长产生负面影响。2006-2021年晋陕蒙地区煤炭行业绿色全要素生产率值及其分解值见表3。

由表3可知，晋陕蒙煤炭行业在大多数期间存在正向绿色技术溢出。2006-2012年陕西绿色全要素生产率小于1，山西除2007-2008年，内蒙古除 2006-2007年、2008-2009年，在此期间绿色全要素生产率也均小于1，表明在这期间晋陕蒙地区不存在明显地正向溢出；2013-2015年山西和内蒙古煤炭行业绿色全要素生产率大于1，陕西小于1，说明内蒙古和山西对陕西煤炭行业存在正向绿色技术溢出，由技术效率值和绿色技术进步指数可知内蒙古的绿色技术溢出主要带动了陕西绿色技术的进步；2015-2016年山西和陕西煤炭行业绿色技术正向溢出到内蒙古，同样带动了绿色技术进步；2016-2018年和2020-2021年晋陕蒙绿色全要素生产率均大于1，煤炭行业间存在正向绿色溢出；2018-2019年山西、陕西煤炭行业绿色技术正向溢出到内蒙古；2019-2020年陕西和内蒙古对山西煤炭行业存在正向绿色技术溢出。从绿色全要素生产率年平均水平来看，晋陕蒙地区煤炭行业在2012-2015年、2016-2018年和2019-2021年存在正向外部性的绿色技术溢出，其他时间吸收其他地区的绿色技术溢出。

根据晋陕蒙地区煤炭行业绿色全要素生产率的测算及分解，可以看出GTFP的变化趋势，如图1所示。

由图1可以发现，绿色技术溢出整体呈现波动上升的变化趋势，其中，山西在2006-2013年绿色全要素生产率小于1，造成的主要原因是技术效率值在逐渐减少，技术进步在递增，且技术进步幅度小于技术效率值的下降速度；陕西在2006-2012年和2013-2015年绿色全要素生产率小于1，造成的主要原因是技术进步指数小于1；内蒙古在2012年后绝大部分年份绿色全要素生产率大于1，说明存在绿色技术溢出的情况。2006-2021年山西煤炭行业绿色技术溢出呈现逐步上升趋势，陕西和内蒙古煤炭行业呈现波动上升趋势。从3个地区的平均水平来看，绿色技术溢出呈现先下降再上升后趋于稳定上升的变化状态，出现这种变化的原因主要是影响绿色全要素生产率的技术效率值不变或递减，但是技术进步指数在持续上升，这说明在该地区中绿色技术进步的效用开始大于绿色技术效率的效用，提升了整个区域的绿色全要素生产率。

2.2 碳排放强度测算结果与分析

根据晋陕蒙地区煤炭行业一次能源消耗量、碳排放系数和折标煤系数等数据，计算得到2006-2021年该区域碳排放强度水平，如图2所示。

由图2可知，陕西煤炭行业碳排放强度远远高于山西、内蒙古，尤其在2010年后更加突出，山西煤炭行业在2009-2021年碳排放强度高于内蒙古。

从整体变化趋势来看，陕西2009-2016年碳排放强度呈现上升趋势，山西2011—2016年呈现上升趋势、2016-2017年开始出现下降的趋势；内蒙古先在2006-2016年出现下降、2016-2018年上升、最后再次下降的变化趋势。从整体平均水平来看，出现的是中间高两端低、先递增后递减的变化趋势，说明晋陕蒙地区煤炭行业碳排放强度近几年呈现递减趋势。

2.3 影响路径分析

2.3.1 模型回归实证分析

通过改进的STIRPAT 模型研究煤炭行业绿色技术溢出对碳排放强度的影响，通过逐步加入变量进行3个回归模型，第1个模型只测被解释变量和解释变量，第2个加入变量T、PS、PI，第3个加入控制变量，结果见表4。

表4中模型(1)将碳排放强度作为被解释变量，在不加入技术水平、经济发展水平、人口规模和控制变量的情况下，绿色技术溢出并不能显著影响碳排放强度，说明绿色技术溢出并不能直接对碳排放强度起到影响作用；在模型(2)中加入经济水平、技术水平和人口规模等变量，绿色技术溢出负向影响碳排放强度，但没有通过检验，说明在绿色技术影响碳排放强度过程中还存在其他影响变量；在模型(3)中，加入行业结构和能源强度作为控制变量后，绿色技术溢出对碳排放强度的影响系数为负值，并且在1%的显著水平下显著，对数据分析可以得知绿色技术溢出对晋陕蒙地区煤炭行业碳排放强度具有一定程度的抑制效果，碳排放强度会随着绿色技术溢出的增加而降低。可能存在的原因在于绿色技术溢出带动了煤炭行业生产的优化和耗能水平的降低，从而提高了绿色全要素生产率，降低了碳排放强度。

由模型(3)其他变量回归结果可知：技术水平的系数显著为正且在5%的显著水平下显著，说明煤炭行业一般的技术进步会在一定程度上带来碳排放强度增加，主要是因为一般技术进步带来了产值的增加而忽略了对环境的影响。

煤炭行业从业人口数量回归系数为正值且统计量在1%水平下显著，并且人口数量系数较大。表明煤炭行业人口数量和碳排放强度呈正比，人口数量的增加会带来煤炭行业产值的增加，扩大了煤炭行业的规模，从而导致碳排放强度的增加。

经济发展水平对碳排放强度的影响系数为负值且统计量显著，影响系数较大。造成的主要原因是经济发展水平用煤炭行业人均收入表示，人均收入的增加代表着煤炭行业产值增加并且劳动力数量减少，表示煤炭行业在朝着绿色经济的方向发展，只有积极发展绿色技术带动绿色经济的发展，才能实现煤炭行业绿色转型。

行业结构为负值且统计量显著，行业结构与碳排放强度呈反比，行业结构的优化会降低煤炭行业碳排放强度。晋陕蒙地区煤炭行业不仅包括原煤的开采和运输，同时也是当地和周边地区火力发电、能源制品供给的主要来源，因此煤炭行业结构的优化会带动工业中其他行业和晋陕蒙周边地区的产业优化升级，从而降低碳排放强度。

能源强度方面，在固定效应模型中，其系数显著为正且在1%的显著水平下显著，说明能源强度的增加会带动碳排放强度的增加，造成的主要原因是煤炭行业还处于技术水平较低的阶段，大量煤炭资源的使用会带来更多的碳排放量。

2.3.2 稳健性检验

在面板数据回归过程中使用碳排放强度作为被解释变量进行回归分析，为了增加研究结论的稳健性和准确性，通过替换被解释变量和调整样本期的方法进行检验，结果见表5。

进行稳健性检验时，首先把被解释变量碳排放强度替换为碳排放量，用碳排放量来衡量环境压力。碳排放强度是在碳排放量的基础上考虑经济因素，因此在稳健性检验过程中将被解释变量替换为碳排放量来检验绿色技术溢出对煤炭行业碳排放量的影响。其中，绿色技术溢出和经济发展水平在5%水平下对碳排放量具有抑制作用，这与表4加入控制变量的回归结果一致，表明替换被解释变量后结果依旧稳健。

对面板数据进行替换被解释变量检验后，采用缩短样本期方法进一步进行稳健性检验。在之前的面板数据中选取2006-2021年的数据进行分析，考虑到2014年后我国绿色技术和绿色经济的快速发展，能够进一步带来绿色技术溢出的提高，在解释变量中主要研究绿色技术溢出对碳排放强度影响，因此将样本时间调整为2014-2021年进行重新面板回归，回归结果见表5缩短样本期的回归，绿色技术溢出在10%水平统计量下显著且系数依然为负，其他变量系数与表4加入控制变量的回归结果保持一致，进一步强化了本研究的核心变量。

2.3.3 作用路径分析

为进一步探究绿色技术溢出对碳排放强度的影响，基于前文理论分析，在STIRPAT模型实证分析各影响因素基础上，引入结构方程模型来探究绿色技术溢出影响碳排放强度的路径，具体模型为：

式中：ε1——绿色技术溢出对碳排放强度的作用系数；

M——中介变量，包括技术进步、经济发展水平、劳动人口数量、行业结构和能源强度；

ε2——中介变量对碳排放强度的作用系数；

ε3——绿色技术溢出对中介变量的影响系数；

μ1、μ2、μ3——误差项。

本文旨在建立绿色技术溢出与碳排放强度之间的多个潜变量的影响关系，故以结构方差模型中的路径分析为主，模型拟合指标见表6。

由表6模型拟合指标可见，相关指标都在合理的可接受范围之内。卡方自由度比为2.315，GFI、CPI、NFI等指标均大于0.9，其他指标也都在0.9左右，p值在10%显著水平下显著，表明模型拟合良好。

回归系数汇总见表7。

由表7可知，绿色技术溢出GTFP对于经济发展水平PI影响时，标准化路径系数值为0.454，绿色技术溢出对经济发展水平在1%显著水平下正向影响煤炭行业的经济发展水平。行业结构IS对 PS劳动人口数量的影响系数为0.921，行业结构在1%显著水平下正向影响劳动人口数量。劳动人口数量PS和技术进步T分别在1%和5%显著水平下对碳排放强度产生正向影响关系。从系数的显著性水平来看，绿色技术溢出和经济发展水平对碳排放强度路径系数不显著，说明绿色技术溢出和经济发展水平对煤炭行业碳排放强度没有直接影响，其他变量之间和对碳排放强度的路径系数显著，说明其他变量与碳排放强度之间存在显著影响。通过路径回归系数和协方差表格可以得到绿色技术溢出对碳排放强度的影响路径，如图3所示。

由图3可知，绿色技术溢出影响碳排放强度的影响路径主要有以下3条。

(1)GTFP→PI→IS→C。绿色技术溢出对经济发展水平呈正向影响，绿色技术溢出的提高会提升煤炭行业经济发展水平，经济发展水平的提高降低了炭行业在工业中的比重，进行了产业优化，从而降低了碳排放强度。

(2)GTFP→PI→PS→C。绿色技术溢出的提高带动了经济发展水平的提高，经济发展水平对行业人口具有抑制作用，表明经济发展水平提高减少了煤炭行业的从业人口，从业人口对碳排放强度具有正向影响，绿色技术溢出通过提升经济发展水平、减少煤炭行业从业人数来降低碳排放强度。

(3)GTFP→PI→IS→PS→C。路径3在路径1的基础上加入了煤炭行业从业人口数量，是路径1和2的结合。绿色技术溢出的提高会提升煤炭行业的经济发展水平，经济发展水平对行业结构具有抑制作用，会降低煤炭行业在工业产值中的比重，其他清洁绿色产业得以发展，煤炭行业的优化带来从业人口数量的减少，进而抑制碳排放强度的提高。

3 结果分析

通过STIRPAT模型进行面板数据回归和稳健性检验结果可以发现：技术进步、能源强度和从业人口数量依次显著正向影响碳排放强度，绿色技术溢出、经济发展水平和行业结构显著负向影响碳排放强度，这与韩伯棠等[10]、张翼[24]的研究结论一致，说明绿色技术溢出正在逐渐成为实现经济发展和生态效益共存的重要解决方案。其他解释变量对碳排放强度的影响程度各有不同，因此应针对各解释变量的不同特点提出差异化的政策建议和发展策略。

而通过文中结构方程模型进一步讨论了绿色技术溢出对碳排放强度的影响路径，模型结果显示在自变量只有绿色技术溢出的情况下，绿色技术溢出并不会显著影响碳排放强度，这与何小钢等[25]的研究结果相似，说明绿色技术溢出在对碳排放强度影响过程中存在中介变量，并且中介变量之间也会发生相互影响关系。因此在根据模型的回归标准化路径系数和协方差表格进行了路径分析，得到绿色技术溢出对碳排放强度的影响路径，绿色技术溢出通过经济发展水平、行业结构和行业从业人数影响碳排放强度[26]。这为晋陕蒙地区煤炭行业绿色低碳转型提供了重要思路，可以通过提升行业经济发展水平、实现机械化降低从业人口数量来提高一次能源的利用率，不仅能实现其自身的可持续发展，对其他地区煤炭行业低碳发展也具有促进作用。

4 结论

“双碳”目标下，煤炭行业亟需绿色转型，晋陕蒙作为煤炭资源富集区域，降低碳排放强度意义重大、任务艰巨。通过晋陕蒙地区煤炭行业绿色技术溢出对碳排放强度影响进行研究，得到出以下结论。

(1)从绿色技术溢出测算结果可知晋陕蒙地区煤炭行业变化趋势是整体呈现波动上升趋势，主要原因是技术效率值的减小和技术进步指数的提高，且前者下降速度逐渐低于后者上升速度，表明晋陕蒙地区煤炭行业绿色技术溢出主要来自于技术进步指数的增加，因此促进绿色技术溢出需要提高要素质量和发展绿色技术。

(2)晋陕蒙地区碳排放强度总体呈现先上升后下降再上升的变化趋势，发生上述变化的原因主要来自政策因素和区域因素。从国家政策来看，2015年10月党的十八届五中全会上提出绿色新发展理念，通过绿色发展促进人与自然和谐共生，强调在经济的发展中保护生态环境，转变经济发展方式，将环境保护作为实现可持续发展的重要抓手，因此，碳排放强度的变化在一定程度上受宏观政策的影响。从区域来看，陕西和山西2006-2021年煤炭行业经济生产总值变化较为平稳，碳排放量变化趋势与碳排放强度变化趋势基本保持一致，说明两省煤炭行业的碳排放强度主要受能源消耗量影响；内蒙古煤炭行业碳排放量呈现先上升后下降再上升的变化趋势，而生产总值呈现先下降后上升再下降的变化趋势，表明该地区煤炭行业的碳排放强度主要受行业生产总值和行业能源消耗量的影响。

(3)从面板模型实证结果和稳健性检验结果可知，绿色技术溢出对碳排放强度呈现负向影响并具有一定的抑制作用，因此煤炭行业可以通过提升绿色技术溢出来降低碳排放强度，原因在于绿色技术溢出带动了煤炭行业生产的优化和耗能水平的降低，从而降低了碳排放强度。

(4)通过对改进的STIRPAT模型进行回归过程中发现，只存在绿色技术溢出和碳排放强度2个变量的前提下，绿色技术溢出并不会对碳排放强度产生影响，只有在加入技术进步、劳动力数量、能源强度、行业结构和经济发展水平等显著变量后p值才呈现显著性。因此在STIRPAT模型的基础上引入结构方差模型进行路径分析得到绿色技术溢出影响碳排放强度的3条路径：一条以经济发展水平和劳动人口数量作为中间变量；一条以经济发展水平和行业结构作为中间变量；最后一条以经济发展水平、行业结构和劳动人口数量作为中间变量。

[1] 蔡昉,都阳,王美艳.经济发展方式转变与节能减排内在动力[J].经济研究,2008(6):4-11,36.

[2] 陈艳春, 韩伯棠. 绿色技术溢出与中国区域经济增长[M]. 北京:科学出版社, 2013.

[3] Pan X , Wei Z , Han B ,et al.The heterogeneous impacts of interregional green technology spillover on energy intensity in China[J].Energy Economics, 2021, 96:105-133

[4] 马淑琴,柴美珍,赵红英,等.OFDI绿色技术溢出与全球价值链升级——以中国对“一带一路”沿线国家为例[J].中国流通经济,2021,35(4):70-81.

[5] CHUNG Y, FARE R. Productivity and undesirable outputs: adirectional distance function approach[J].Microeconomics, 1995,51(3):229-240.

[6] OH D H. A global Malmquist-Luenberger productivity index[J]. Journal of Productivity Analysis, 2010,34(3):183-197.

[7] WANG Yajun,HUANG Junbing,CAI Xiaochen. The effect of human capital on energy consumption: Evidence from an extended version of STIRPAT framework[J]. Chinese Journal of Population, Resources and Environment,2022,20(2) :136-146.

[8] LI Zhen, LI Yanbin, SHAO Shuangshuang. Analysis of influencing factors and trend forecast of carbon emission from energy consumption in china based on expanded STIRPAT model[J]. Energies,2019,12(16):1-14.

[9] 刘晓燕.基于STIRPAT模型的工业能源消费碳排放影响因素分析[J].生态经济,2019,35(3):27-31.

[10] 韩伯棠,朱羽.绿色技术溢出对碳排放强度的影响[J].智能网联汽车,2017,4(5):1-13.

[11] 田娟娟,张金锁.基于STIRPAT模型的煤炭资源富集区碳排放影响因素分析[J].西安科技大学学报,2021,41(4):692-699.

[12] 王媛媛. 煤炭资源富集区环境规制效率评价及规制政策优化思路研究[D].呼和浩特:内蒙古财经大学,2017.

[13] 张鸽,郭彬.煤炭富集区新型城镇化综合水平测度及比较差异分析——基于投影寻踪法和灰色关联度的综合评价模型[J].中国煤炭,2021,47(11):21-29.

[14] 黄鲜华,边娜,石欣.能源禀赋与产业技术进步对碳排放强度的影响效应研究——来自长江经济带的实证[J].科技进步与对策,2018,35(19):59-64.

[15] 涂正革,肖耿.中国的工业生产力革命——用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析[J].经济研究,2005(3):4-15.

[16] 邢世鸿.煤炭行业绿色全要素生产率测度及其分解研究[J].煤炭经济研究,2021,41(8):18-23.

[17] 蔡林美,郭佐宁,张金锁.中国煤炭行业绿色全要素生产率研究[J].中国矿业大学学报(社会科学版),2023,25(1):161-180.

[18] 张军,吴桂英,张吉鹏.中国省际物质资本存量估算:1952-2000[J].经济研究,2004(10):35-44.

[19] 赵萌.中国煤炭企业的全要素生产率增长[J].统计研究,2011,28(8):55-62.

[20] 陈诗一.中国的绿色工业革命:基于环境全要素生产率视角的解释(1980-2008)[J].经济研究,2010,45(11):21-34,58.

[21] 夏咏秋,王向前,李慧宗.采矿业全要素生产率的实证研究——基于供给侧改革视角[J].数学的实践与认识,2020,50(9):59-67.

[22] 李国平,郭江.煤炭资源开采中的生态环境经济损失及补偿研究[J].统计与信息论坛,2013,28(11):83-87.

[23] 黄礼萱.计算固定资产原值(或净值)平均余额的简易方法[J].财务与会计,1986(1):54.

[24] 张翼.绿色技术溢出缩小了地区碳排放强度差距吗?——基于省级面板数据的经验分析[J].华东经济管理,2017,31(10):84-91.

[25] 何小钢,张耀辉.中国工业碳排放影响因素与CKC重组效应——基于STIRPAT模型的分行业动态面板数据实证研究[J].中国工业经济,2012(1):26-35.

[26] 程敬媛. 基于系统动力学模型的火电企业低碳发展路径研究[D].昆明:昆明理工大学,2022.