金融自由化与高等教育如何驱动中国能源创新？——基于ARDL与QARDL模型的实证研究

《International Journal of Innovation Studies》：How does energy innovation respond to financial liberalization and higher education in China?

　　

本研究探讨了中国金融自由化、高等教育与能源创新之间的关系。分析这些相互关联的因素对于制定支持中国可持续发展议程的政策至关重要。然而，关于高等教育和金融自由化如何影响中国能源创新的实证证据仍然有限。本研究通过评估1996年至2022年中国高等教育、金融自由化与能源创新之间的关联来填补这一空白。实证分析采用自回归分布滞后（ARDL）和分位数自回归分布滞后（QARDL）技术。ARDL结果表明，金融自由化和高等教育对于刺激能源创新至关重要，但仅限于长期。此外，严格的环境政策有助于长期能源创新。然而，碳排放和国内生产总值（GDP）促进了短期和长期的能源创新。QARDL模型显示，高等教育在大多数分位数上增强了能源创新，而金融自由化仅在长期最高分位数上促进能源创新。研究结果还表明，政策制定者应加大对高等教育的投入，并放宽政策以促进金融自由化，这两者都是中国能源创新的关键因素。

论文解读文章

一、研究背景与问题提出

中国已确立到2060年实现碳中和的目标，能源创新正成为国家清洁能源转型的核心组成部分。当前，中国已成为全球最大的清洁能源投资国之一，2024年提前六年达成2030年风电和太阳能装机目标，清洁能源投资接近6250亿美元，约为2015年的两倍。中国生产了全球近40%的绿色低碳技术专利，这一快速发展反映了绿色技术的进步。然而，尽管中国在可再生能源技术研发方面投入巨大，能源创新仍面临关键挑战。现有文献已识别能源创新作为环境可持续性的关键驱动力，并考察了数字经济、金融发展、环境政策、能源安全等决定因素，但关于金融自由化和高等教育如何共同塑造中国能源创新的实证证据仍然有限。大多数以往研究集中于金融自由化对环境结果的影响，而较少关注其对能源创新的直接效应；关于教育在促进能源创新中作用的研究同样不足。因此，本研究旨在填补这一空白，考察金融自由化与高等教育是否对中国能源创新产生显著影响。

二、研究内容与核心发现

研究人员利用中国1996年至2022年的时间序列数据，采用ARDL和QARDL两种计量经济技术，考察金融自由化、高等教育与能源创新之间的关系。核心发现如下：ARDL结果显示，金融自由化和高等教育仅在长期内对刺激中国能源创新至关重要；严格的环境政策同样仅有助于长期能源创新；而碳排放和GDP则同时促进短期和长期的能源创新。具体而言，金融自由化每增加1%，长期能源创新提高约0.357%；高等教育每增加1%，长期能源创新提高约0.705%；GDP每增加1%，能源创新提高0.945%；CO₂每增加1%，能源创新提高0.332%；环境政策严格度每增加1%，能源创新提高0.348%。QARDL模型进一步揭示，高等教育在大多数分位数上增强能源创新，而金融自由化仅在长期最高分位数（0.80–0.95）上产生显著正向影响，系数从0.80分位数的0.203增至0.95分位数的1.194。这一研究发现具有重要意义：为中国制定促进能源创新的政策提供了实证依据，表明加大对高等教育的投入和推进金融自由化是实现碳中和目标的关键路径。

三、关键方法技术

研究人员采用两种主要计量经济方法。其一为Pesaran等人（2001）提出的自回归分布滞后（ARDL）协整方法，该方法能够处理I(0)、I(1)或两者混合的不同积分阶数变量，适合小样本数据，可同时提供短期和长期估计，并通过边界检验明确长期关系的假设检验结构。其二为Cho等人（2015）提出的分位数自回归分布滞后（QARDL）方法，该方法能够捕捉能源创新在不同分位数上的潜在不对称性，允许短期和长期关联随能源创新分位数变化而波动，比传统线性ARDL提供更全面的分析。数据来源方面，能源创新数据取自OECD，以气候变化减缓技术相关的能源发电专利总数衡量；金融自由化指数取自KOF瑞士经济研究所；高等教育通过高等教育毛入学率衡量，数据取自世界发展指标（WDI）；GDP和CO₂数据同样取自WDI；环境政策严格度指数取自OECD。此外，研究还运用了DF-GLS和PP单位根检验、含结构断点的单位根检验、BDS非线性检验以及Wald不对称性检验。

四、研究结果

描述性统计与单位根检验结果。 描述性统计显示各变量均值如下：能源创新（EI）为9.100，金融自由化（FL）为4.396，高等教育（HE）为3.084，GDP为8.463，CO₂为5.514，环境政策严格度（EPS）为1.522。Jarque-Bera正态性检验表明所有变量均非正态分布。DF-GLS和PP单位根检验结果显示，EI、FL、GDP、CO₂和EPS在一阶差分后平稳，而HE在水平上即平稳。含结构断点的单位根检验进一步确认各变量在不同积分阶数上平稳，其中EI、FL、HE、CO₂和EPS的断点年份分别为2008、2007、2014、2020和2012，GDP的断点年份为2003。

BDS非线性检验与滞后阶数选择结果。 BDS检验确认FL、HE和EI序列均拒绝线性原假设，表明存在非线性模式，为采用QARDL估计器提供了依据。滞后阶数选择结果显示，根据AIC和SC准则，最优滞后阶数为2。

ARDL模型估计结果。 长期关系中，FL系数为0.357（10%显著性水平），HE系数为0.705（10%显著性水平），GDP系数为0.945（1%显著性水平），CO₂系数为0.332（10%显著性水平），EPS系数为0.348（10%显著性水平），均对EI产生正向显著影响。短期关系中，仅GDP在当前期正向显著，CO₂在第二滞后阶正向显著（系数为0.248）。误差修正项ECM(-1)为-0.558且在1%水平显著，F检验确认变量间存在协整关系。LM检验和RESET检验分别表明不存在序列相关和模型设定错误，CUSUM和CUSUM-sq检验确认参数稳定性，Wald检验识别出2007年第二季度的结构断点。

QARDL模型估计结果。 长期关系中，FL在低中分位数（0.05–0.70）不显著，但在高分位数（0.80–0.95）转为正向显著，系数从0.80分位数的0.203增至0.95分位数的1.194。HE在所有分位数上均正向显著，系数从0.05分位数的0.213增至0.30分位数的最大值0.383，随后逐渐降至0.95分位数的0.093。GDP在所有分位数上均正向显著，系数介于1.999至2.901之间。CO₂在低分位数（0.05–0.20）为负但不显著，从0.60分位数起转为正向显著，系数介于0.027至0.081。EPS在所有分位数上均正向显著，系数从0.05分位数的0.275逐渐降至0.95分位数的0.034。短期关系中，仅GDP在0.80至0.95分位数上对EI产生正向显著影响。

Wald不对称性检验结果。 长期内，FL、HE、GDP、CO₂和EPS对EI的影响均存在显著不对称性；短期内，仅GDP的影响存在显著不对称性。

五、讨论与结论

研究结果与金融自由化理论、人力资本理论和知识溢出理论相一致。金融自由化通过增加资本可得性、降低融资约束、促进技术转移和跨境合作来推动能源创新；高等教育通过增强人力资本、促进科学研究和加速知识从大学向产业转移来促进能源创新。GDP增长为能源创新提供资金支持和基础设施条件；CO₂排放上升增强环境压力和公众意识，推动企业采用更环保的做法；严格的环境政策促使企业投资于创新技术的研发。

研究结论表明，金融自由化和高等教育是中国能源创新的关键驱动力，但主要体现为长期效应。政策制定者应扩大创新企业融资渠道，通过绿色金融工具刺激清洁技术私人投资，减少能源创新者的融资约束；同时加大对高等教育机构和能源相关研发项目的资金投入，加强学术界与产业界的合作。鉴于中国是全球绿色能源创新的最大投资者，中国的经验可为全球特别是新兴经济体提供有益借鉴。研究局限包括仅聚焦中国、未包含中国内部次区域分析，以及以专利数量衡量能源创新的局限性，未来研究可采用多维指标并进行跨国比较分析。