循环经济作为绿色创新与工业化之间联系的调节器：以欧盟27国2000–2024年的环境绩效为证据

《Heliyon》：Circular economy as a moderator of the green innovation–industrialization nexus: evidence from environmental performance in EU-27 countries, 2000–2024

　　**摘要**
本研究探讨了2000年至2024年间工业化、绿色创新和循环经济对环境绩效（以人均二氧化碳排放量衡量）的动态影响，研究对象为欧盟27个国家。通过主成分分析（PCA）构建了循环经济指数。分析采用面板分位数自回归分布滞后模型（PQ-ARDL-ECM），并利用Driscoll-Kraay估计量进行稳健性检验。长期结果显示，工业化在所有分位数上都导致了二氧化碳排放量的增加，尤其在较低的分位数上影响更为显著。绿色创新的影响具有异质性，而循环经济实践在不同分位数上的效果各不相同。贸易开放度在较低分位数上减少了排放量，但在较高分位数上则增加了排放量。可再生能源消费降低了排放量，但在最高分位数上除外。经济增长在较低至中等分位数上具有显著负效应，而在最高分位数上的效应不显著。PQ-ARDL-ECM模型在10th、25th和50th分位数上显示出负效应且显著，表明系统正朝着长期均衡方向发展；但在75th和90th分位数上效应为正但不显著。研究结果强调了循环经济、绿色创新和可持续工业发展的重要性，同时也强调了政府对私人研发和资源高效工业实践的支持。

**1 引言**
《欧洲绿色协议》是欧盟实现2050年气候中和目标的关键政策，其中中间目标是到2030年将温室气体排放量比1990年水平减少至少55%。要实现这些目标，需要生产系统、资源利用和工业发展的重大变革。生态创新和工业转型被认为是确保环境可持续性的关键因素。生态创新是欧盟成员国采用更清洁生产技术、提高能源效率并创建低碳工业系统的途径。同样，循环经济实践对资源效率和废物减少的贡献也有助于提升欧盟27国的环境绩效。尽管采取了措施促进绿色工业活动，工业化仍对环境造成压力，表现为碳排放、能源消耗和物质消耗的增加。已有证据表明，在欧盟27国的发达和新兴经济体中，工业增长与环境恶化之间存在高度相关性。《欧洲绿色协议》旨在2050年实现气候中和，并在2030年前减排55%。在此背景下，有必要考虑工业化对环境的影响以及宏观经济和结构性因素。因此，本研究将工业化与绿色创新作为核心决定因素，同时纳入贸易开放度、可再生能源消费和经济增长等控制因素，以解释欧盟27国的环境绩效。

**2 文献综述与理论框架**
2.1 工业化与环境绩效
工业化长期以来被视为经济增长和技术发展的关键驱动力，但其环境影响一直备受关注，尤其是在欧盟27等发达经济体中。工业领域的能源消耗、资源开采和物质使用较高，导致环境资源枯竭、温室气体排放增加，从而加剧环境压力。虽然工业化推动了经济发展，但其环境影响受能源结构、技术能力、生产过程和环境法规的制约。因此，工业化与环境绩效之间的关系因各国的发展水平和制度特征而异。先前的研究已充分记录了工业化对环境的负面效应。一项针对1995年至2020年间欧洲各国工业活动对环境绩效影响的研究显示，工业活动对环境绩效产生了负面影响（包括碳排放和能源消耗）。另一项基于欧盟5个高污染经济体的研究（1990-2017年）发现工业化与碳排放之间存在正相关，表明这些经济体仍依赖高排放的生产体系。然而，也有研究表明，当工业化与技术升级、更高的能源效率、更清洁的生产过程和有效的环境管理相结合时，可以带来更好的环境结果。环境现代化理论解释了这种混合实证证据：如果工业化能够适应技术创新、采用更清洁的生产系统和更高效的能源，就能实现可持续发展。该理论认为，先进的经济体可以通过使传统产业结构更加可持续来减轻环境压力。但在许多行业中，化石燃料和资源密集型技术仍是其主要组成部分，这使得转型具有不确定性。可持续发展理论强调在实现经济发展的同时保护环境的重要性。从这一角度来看，只有当工业化与可再生能源的使用、绿色创新和良好的环境治理相结合时，才能实现可持续发展。

2.2 绿色创新与环境绩效
绿色创新是欧盟27国实现可持续发展的重要驱动力之一，符合《欧洲绿色协议》和欧盟气候中和目标。它指的是采用环保技术、生产流程和工业实践，以减轻环境影响并提高资源利用效率。据记录，2014年至2024年间生态创新取得了显著进展，生态创新指数增长了27.5%，表明向绿色技术转型的步伐正在加快。生态创新不仅通过减少碳排放和提高能源效率发挥关键作用，还提升了欧盟经济的整体环境质量。为了促进向低碳经济的转型，已实施了一系列政策工具，如绿色税收、可持续生产系统和可再生能源投资。然而，欧盟27国在技术准备度、制度能力和绿色技术成本竞争力方面仍存在显著差距，这些因素可能阻碍绿色创新的广泛应用。因此，绿色创新被视为改善环境绩效的关键研究领域，与工业化、贸易开放度、可再生能源利用以及经济增长等宏观经济因素密切相关。

2.3 循环经济与环境绩效
循环经济是实现欧盟27国可持续发展和提升环境绩效的重要策略之一，强调通过回收、再利用和减少废物来高效利用资源，从而减轻环境损害并促进长期可持续性。《循环经济行动计划》是《欧洲绿色协议》的关键组成部分，将有助于加速欧盟成员国的循环经济转型。循环经济活动产生了巨大的经济效益，据估计，由于资源的更有效利用和废物回收，创造了超过6000亿欧元的附加值。欧盟国家中超过11.8%的材料来自回收和二次材料，随着可持续商业模式的普及，循环利用率不断提高。实证证据表明，循环经济实践显著提升了环境绩效，表现为废物生成减少、碳排放降低以及对原始资源的依赖减少，同时促进了绿色经济增长。尽管如此，由于成员国在政策和技术准备度上的差异，循环经济政策的有效性可能存在局限性。尽管如此，循环经济仍然是政策议程和研究议程的核心议题，与工业化、绿色创新和宏观经济领域并列，是与环境绩效最相关的政策领域之一。

**3 方法论**
目前关于绿色创新和工业化对欧盟27国环境绩效影响的实证证据相对有限，现有研究主要集中在直接效应上，而循环经济的调节作用研究较少。此外，基于分位数的分析也较少，后者能够揭示环境绩效的分布特征。本研究采用PQ-ARDL-ECM方法，并纳入贸易开放度、可再生能源消费和经济增长等控制变量，以填补这些研究空白。基于这些变量，提出了以下研究问题：
- 绿色创新对环境绩效有何影响？
- 工业化对环境绩效有何影响？
- 在欧盟27国中，循环经济是否缓和了工业化与环境绩效之间的关系？
- 循环经济是否调节了工业化与环境绩效之间的联系？

**4 研究设计与方法**
第2节讨论了理论框架、文献综述、研究空白和假设的提出。第3节阐述了数据收集、模型构建及采用的计量经济学方法。第4节展示了实证结果，包括横截面依赖性检验、单位根检验、协整检验结果、PQ-ARDL-ECM的短期和长期结果以及稳健性分析。第5节总结了研究的主要结论，并提出了对欧盟27国可持续发展的政策建议。这些机制允许循环型实践的产生，并减少对资源密集型实践的依赖。然而，如果清洁能源转型的效果不佳，由于绿色创新不足，工业扩张的环境成本可能会保持高位。实证证据进一步表明，基于高斯图模型（GGM）和结构方程建模（SEM），创新和环境法规的双重冲击可以提升欧盟27国的环境表现。然而，绿色创新的环境优势可能并不立即显现，因为转向更环保的技术需要调整成本、新的投资和基础设施建设。此外，在引入新技术期间，现有资本可能会继续被使用，这将进一步推迟减排目标的实现。一些绿色技术在早期采用阶段可能会能源和材料密集型，导致短期排放量高于正常水平，直到长期的环境效益显现。因此，本研究将绿色创新作为影响环境表现的主要因素之一，并探讨了绿色创新过程中需要涉及的其他因素。基于这些理论论点和混合实证证据，本研究假设绿色创新的效果在不同分位数上存在差异。

2.3 循环经济与环境表现
循环经济（CE）是一种重要的可持续发展策略，它将线性生产系统转变为资源更高效、更封闭的系统。欧盟27国致力于通过减少废物、资源回收、再利用和材料再生来减轻环境压力并提高生产的可持续性。然而，其环境优势取决于技术可能性、工业框架、能源系统以及成功的实施政策。迄今的实证研究主要集中在循环经济对环境的有利影响上。循环实践有助于最小化碳足迹、提高资源效率并减少材料消耗，从而促进欧洲经济的可持续生产和消费。此外，2010-2019年间进行的固定效应探索性分析和系统GMM研究表明，循环经济的发展对资源利用和生产效率有积极影响。循环经济理论解释了从线性“获取-制造-处置”生产模式向循环生产系统的转变。循环经济促进了回收、更清洁的生产和高效资源利用，从而减少了工业过程中的废物产生和环境影响。然而，转向循环系统可能涉及大量投资、产品创新和额外的能源使用，这可能导致短期内环境压力增大，除非长期效益能够实现。此外，补充的经济和能源因素对于优化循环经济的有效性是必要的。经济增长可能会导致更多的生产活动和资源需求，从而增加环境压力，而可再生能源可以通过支持更清洁的生产来改善循环经济的环境优势。因此，只有结合清洁能源转型和技术创新，才能通过循环经济政策有效解决工业发展的环境影响问题。最近的研究使用FMOLS和混合OLS方法证实了循环经济实践在提高资源效率和清洁生产系统方面对减少传统工业发展环境影响的益处。然而，循环经济的效率在不同环境表现阶段可能会有所不同，这取决于技术能力、能源系统和经济条件。基于以上分析，提出以下假设：循环经济对环境表现的不同分位数具有不同的异质性影响（H3）。此外，预计循环经济将在绿色创新与环境表现之间的关系以及工业化与环境表现之间的关系中发挥重要的异质调节作用（H4和H5）。研究变量的概念框架如图1所示。

2.4 研究空白
在可持续工业转型的背景下，欧盟的清洁工业计划和循环经济倡议非常重要；然而，关于工业化、绿色创新和循环经济对欧盟27国环境表现影响的实证证据很少。先前的研究主要集中在工业化、绿色创新和循环经济的影响上，但只有有限的研究探讨了循环经济实践是否可以减少工业化的影响，以及绿色创新与循环经济实践结合是否更有效。此外，现有研究主要基于平均估算模型，可能无法捕捉到各国之间的具体差异。这一限制尤为重要，因为工业化可能带来环境挑战，而绿色创新和循环经济可以提供额外的减排途径，这些解决方案的影响可能因排放水平而异。为了填补这些空白，本研究开发了一个多维度的循环经济指数，并分析了2000-2024年间欧盟27国工业化、绿色创新、循环经济和环境表现之间的动态关系。该研究使用面板分位数自回归分布滞后误差修正模型（PQ-ARDL-ECM），该模型能够捕捉不同环境表现水平下的异质性长期和短期效应。此外，为了确保在可能存在横截面依赖性和异方差性情况下的稳健性推断，使用了Driscoll-Kraay固定效应估计方法进行稳健性检验。

3 数据与方法论
3.1 数据收集与方法论
本研究通过面板数据方法探讨了工业化、绿色创新、循环经济与环境表现之间的关系。研究使用了2000-2024年欧盟27成员国的年度平衡面板数据，获得了最大规模的675个国家-年份观测值样本。选择这一时间框架是基于方法论和数据覆盖问题的考虑。首先，可以基于2000年这一基线年份，分析工业化、绿色创新、循环经济方法与环境影响之间关系的长期变化。这也是里斯本战略的开始，该战略强调了知识驱动的增长，并将环境可持续性纳入欧盟政策议程，2001年的哥德堡欧洲理事会进一步强化了这一可持续性维度。本研究引用的创新与创新能力、工业转型和资源效率策略密切相关。其次，PQ-ARDL-ECM框架适用于估计变量之间的长期和短期关系，因为在所考虑的时期内（2000-2024年），各欧盟成员国之间有足够的数据变化。第三，这一时期见证了欧盟环境政策框架的重大发展，包括《巴黎协定》后的时期和2019年启动的欧洲绿色协议，该协议提出了欧盟通过尽可能高效利用资源并刺激创新来实现气候中和的目标。最后，选择2024年作为结束年份，因为这是数据收集时所有研究变量都具有共同且完整跨国数据集的最新年份。因此，选择最后一个时间区间是基于所有变量的共同可用性，而不是任何单一变量的可用性。
环境表现（EP）是因变量，以二氧化碳排放量（人均公吨数）来衡量。数据来自世界发展指标（WDI）。二氧化碳排放量广泛用于衡量由于工业生产、能源消费和经济活动造成的环境影响。工业化是主要解释变量，通过工业增加值（GDP的百分比）数据来衡量，这些数据来自WDI。第二个解释变量是绿色创新（GI），通过与环境相关的专利申请数量来代理。这些数据来自经合组织数据库，这种代理指标在文献中广泛用于衡量绿色创新，因为它捕捉了能够提高环境质量、能源效率和可持续生产的科技创新。循环经济（CE）被纳入作为调节变量。循环材料使用率（CMUR）、城市废物回收率（MWRR）、资源生产力（RP）、包装废物回收率（PWR）和电子废物回收率（EWR）是循环经济指数的组成部分，数据来自Eurostat。该指数通过PCA构建，使得循环经济实践的各个维度能够被整合在一个指标中。循环经济的理念侧重于更高效地利用资源、减少废物、回收和可持续的生产与消费。贸易开放性、可再生能源消费和经济增长被用作控制变量。贸易开放性（TOP）以贸易（GDP的百分比）衡量；可再生能源消费以总最终能源消费的百分比衡量，经济增长的代理指标为GDP增长率（年百分比），数据来自世界发展指标。这些控制变量的选择是因为环境质量和工业活动可能受到国际贸易和宏观经济稳定的影响。表1展示了所有变量的描述、测量方法和数据来源。少量缺失数据通过Stata软件进行插补以确保一致性。

表1 显示了研究中使用的所有变量的详细描述和数据来源。
研究采用了面板分位数自回归分布滞后（PQ-ARDL）带误差修正模型（ECM）规范。PQ-ARDL-ECM适用于捕捉不同环境表现分位数下解释变量的异质效应，并能处理混合平稳性I(0)和I(1)情况。在ARDL模型中，环境表现（EP）、可再生能源消费（REC）和经济增长（EG）作为滞后变量纳入模型，有助于识别短期动态并捕捉动态调整过程。为了确保实证结果的稳健性和可靠性，使用Driscoll-Kraay标准误差和固定效应估计来处理横截面依赖性、异方差性和序列相关性问题。图2展示了研究变量的逐步实证分析过程。

3.2 模型规范
本研究将影响环境表现（EP）的因素纳入了实证模型中，该模型采用了IPAT框架和环境经济学的文献。模型包括了主要自变量工业化（IND）、绿色创新（GI）和调节变量循环经济（CE）。调节变量预计能够改善可持续性结果。此外，还控制了可能影响环境表现的宏观经济条件，如贸易开放性（TOP）、可再生能源消费（REC）和经济增长（EG）。函数关系如下方程所示：
??3????,??=(??3??3????,??,??3????,??,??3????,??,??3??3????,??,??3??????,??,??3????,??)
(1)
为了检验循环经济的调节作用，将循环经济（CE）与主要解释变量之间的交互项纳入模型。因此，扩展的实证规范如下方程所示：
长期模型方程：??3????,??=????+??????3??3????,??+??????3????,??+??33??3????,??+???3(??3??3????,??×??3????,??)+???3(??3????,??×??3????,??)+???3??3??3????,??+???3??3??????,??+???3??3????,??+????,??
(2)
短期模型方程：Δ??3????,??=???+???3Δ??3??3????,??+???3Δ??3????,??+??33Δ??3????,??+???3Δ??3??3????,??×??3????,??)+???3Δ??3????,??×??3????,??)+???3Δ??3??3????,??+???3Δ??3??????,??+???3Δ??????,??+??3??3??????,???1+????,??
(3)
使用的指标缩写分别为EP（环境表现）、IND（工业化）、GI（绿色创新）、CE（循环经济）、TOP（贸易开放性）、REC（可再生能源消费）和EG（经济增长）。交互效应（IND×CE）和（GI×CE）分别表示循环经济对工业化、绿色创新与环境表现之间关系的调节作用。此外，β0 是常数项，β1-β8 代表解释变量的系数。单位（国家）用 ?? 表示，时间周期用 ?? 表示。????,?? 是误差项。这种规定允许估计直接效应和条件（调节）效应，提供了包括可持续实践和宏观经济因素对环境绩效指标影响的全面图景。方程 (3) 展示了短期动态，其中 (Δ) 表示短期变化，??????????,???1 表示向长期均衡的调整。负的且有意义的 ECT 项证实了长期关系的存在。

3.3 横截面依赖性
当经济冲击、区域整合、溢出效应或未观察到的共同因素使面板数据集中的横截面单元相互依赖时，这被称为横截面依赖性（CSD）。已经发现并证明横截面依赖性会导致估计结果出现偏差和不一致性，尤其是在大型面板数据集中。因此，在应用面板计量经济学技术之前，有必要先测试 CSD。为了测试研究变量之间的横截面依赖性，进行了 Pesaran CD 测试、Friedman 测试和 Frees 测试。

Pesaran (2004) CD 测试：
Pesaran CD 测试的表达式如方程 (3) 所示：
??????√2???/(???(???1))?∑(??
Friedman (1937) 测试：
Friedman 测试统计量的表达式如方程 (4) 所示：
?????=1???(???1)?∑???1??=1∑????=??+1??2?????

Frees (1995) 测试：
Frees 测试的表达式如方程 (5) 所示：
??=1/[???(???1)]?∑(??
计算出的统计量与 Frees (1995) 提供的临界值进行比较，以确定是否存在横截面依赖性。

3.4 斜率同质性测试
面板数据分析的一个假设是横截面单元之间的斜率系数是否相同，这称为斜率同质性。当在具有异质性国家的情况下不满足这一假设时，可能会导致估计结果出现偏差和不一致性。因此，在使用高级面板估计方法之前，需要测试斜率同质性。通常使用 Pesaran 和 Yamagata (2008) 开发的斜率同质性测试来检验斜率同质性。该测试基于 Swamy (1970) 的框架，判断所有横截面单元是否具有相同的斜率系数。简化模型如方程 (6) 所示：
????????=?????+??????????????+????????

斜率同质性的原假设为：
???0:???1=???2=?=?????

反对假设为：
???1:?????≠?????

根据 Pesaran 和 Yamagata (2008) 的方法，使用方程 (7) 计算 δ 测试统计量：
Δ=????????????(??)?[(??????)/????????????(2???)]

Pesaran 和 Yamagata (2008) 提出的 δ 统计量的调整版本如方程 (8) 所示：
Δ????????=?????????(??)?[(???????(??))/?????????(?????????(??))

这两个统计量都是渐近标准正态分布的，用于判断面板单元之间的斜率系数是否同质。

3.5 第二代单位根测试
使用面板数据分析时会遇到横截面依赖性问题；第二代面板单位根测试专注于这个问题。与第二代单位根测试相比，它们考虑了共同因素和横截面平均值，更适合受全球冲击、经济整合以及国家或地区间相互依赖影响的面板。Pesaran (2007) 提出的 Cross-Sectionally Augmented Dickey–Fuller (CADF) 测试和 Cross-Sectionally Augmented IPS (CIPS) 测试用于检验变量的平稳性属性。

CADF 测试方程：
Δ????????=α??+β???????,???1+γ?????????1+δ???Δ??????+ε?????

CIPS 统计量：
CIPS 统计量是所有横截面单元的 CADF 统计量的平均值，如方程 (10) 所示：
???????????=1???∑????=1????

原假设表明存在单位根，而拒绝原假设则表明变量是平稳的。

3.6 面板协整测试
在确定整合阶数后，使用面板协整测试来检验变量之间的长期关系。本研究中使用了 Pedroni (1999) 和 Westerlund (2007) 的面板协整测试。这些测试可以应用于异质性面板数据，并能提供变量之间长期关系的有力证据。

Pedroni 协整测试统计量：
Pedroni 协整测试基于允许横截面单元异质性的残差面板技术。变量之间的长期关系如下方程所示：
????????=?????+????????+??????????????+????????

在估计出长期模型后，获得残差并使用增广的 Dickey–Fuller ADF 类型回归来检验平稳性，如方程 (12) 所示：
Δ?????????=???????????,???1+??=13∑????????????Δ??????,?????+????????

Pedroni 测试基于从这些残差中得出的多个面板和群组统计量来检验异质性面板中的协整性。原假设认为变量之间没有协整（即残差中存在单位根），而拒绝原假设则表明变量之间存在长期均衡关系。

Westerlund (2007) 协整测试：
Westerlund 测试基于误差修正框架，表达式如下：
Δ????????=α??+λ???(????,???1?β???????,???1)+∑??????=1???,???Δ?????,?????+ε?????

4 结果与讨论
4.1 主成分分析
表 2 显示了 PCA（主成分分析）的结果，证实了选用于构建循环经济（CE）指数的指标是合适的、一致的且可靠的。研究的整体 KMO 值为 0.7850，表明抽样充分性良好，即选定的变量具有足够的共方差，适合在研究中使用 PCA。此外，所有指标的个别 KMO 值均高于 0.70 的可接受限度，进一步支持每个指标在 CE 整体构建中起重要作用，并且数据适合进行降维。每个指标的共性值在 0.7887 到 0.9790 之间，表明保留的成分解释了指标内的大部分方差。最具解释力的指标是 MWRR 和 CMUR，它们与 CE 维度高度相关，PWR 也在指数中得到了较好的表示。通过 PCA 程序得到的第一个成分的特征值为 4.78156，解释了所有五个 CE 指标之间总方差的 79.69%，表明第一个成分的解释力很强。此外，因子负载从 0.4061 到 0.4525 不等，表明所有指标在 CE 维度上都有正负载。因此，第一个主成分被用作循环经济指数的完整、可靠且统计上有效的指标，并用于实证分析。图 3 显示了 scree 图，表明在第一个成分之后特征值急剧下降，随后趋于平稳。第一个成分的特征值超过 4，而后续成分保持在 1 以下，确认为 CE 指数保留了单一主成分。

图 3 循环经济指数（PCA）的 scree 图。

图 3 中的指标负载和共性值：

表 2 循环经济（CE）指数的主成分分析结果。
4.2 描述性统计
表 3 展示了本研究中包含的变量的描述性统计，其中包括集中趋势、离散度和分布特征的度量。均值和中位数之间的差异以及均值和中位数提供的变量典型水平的信息，揭示了变量分布及其典型水平之间的差异。标准差值表示离散程度，表明随着时间变化的各国变量具有不同的变异水平。最小值和最大值表明数据存在异质性，观察值范围广泛。偏度系数表明偏度程度存在差异，一些观察值不在变量的平均值上。峰度值也提供了关于分布模式的更多信息，因为它们突出了观察值围绕均值的集中程度以及极端值的存在。其次，Shapiro-Wilk 测试结果表明变量不是正态分布的，并且在常规显著性水平上拒绝了正态分布的原假设。总体而言，描述性统计显示了足够的变量变异和多样性，这是应用高级面板计量经济学技术和随后分析变量关系的重要前提。

4.3 相关性分析和 VIF 测试
表 4 展示了相关矩阵和方差膨胀因子（VIF），以探讨变量之间的关系和可能的多重共线性问题。相关系数表明解释变量之间存在中等程度的相关性，但没有特别高的相关性。最高的正相关是在绿色创新（GI）和 CE 之间（0.4544），其次是 CE 和可再生能源消费（REC）之间（0.3317）。相关性表明一些变量相关，但反映了环境绩效的不同方面。此外，因变量环境绩效（EP）与重要解释变量之间的相关性在可接受范围内。EP 与 CE（?0.2649）、REC（?0.3603）和 GI（?0.0311）的负相关性表明，在这些领域的更好绩效往往与较低的碳排放相关。图 4 显示了相关热图，显示了变量之间关系的强度和方向，颜色渐变代表相关程度。蓝色表示负相关，红色表示正相关。颜色强度反映了相关性的强弱，较浅的颜色表示较弱的相关性。

表 4 相关矩阵和方差膨胀因子（VIF）测试结果。
VIF 还表明解释变量之间没有多重共线性。所有 VIF 值在 1.07 到 1.60 之间，平均 VIF 值为 1.27，远低于临界值 10（更保守的值为 5）。容忍度值（1/VIF）在 0.6263 到 0.9346 之间，高于可容忍的最小值 0.10。因此，解释变量之间没有多重共线性问题，估计的系数可以视为统计上可靠的，可用于进一步的经济计量分析。

4.4 横截面依赖性和斜率同质性测试
表 5 显示了横截面依赖性测试和斜率同质性（SH）测试的结果。Pesaran 和 Friedman 测试表明面板单元之间存在显著的横截面依赖性，测试统计量在 1% 的显著性水平上分别为 18.163 和 137.813。同样，Frees 测试统计量（8.940）也大于所有报告的临界值（10%、5% 和 1% 的显著性水平），这再次支持数据中存在横截面依赖性的假设。这些发现意味着面板经济体之间存在显著的相互联系，因为一个国家的冲击和变化往往会影响到面板中的其他国家。

表 5 横截面依赖性和 SH 测试结果。
注：*、** 和 *** 分别表示在 10%、5% 和 1% 的显著性水平上显著。对于 Frees 测试，统计量与相应的临界值进行了比较。
斜率同质性测试的结果也有用。ΔSH（11.428）和调整后的 ΔSH（13.859）的值在 1% 的水平上为正且显著，P 值为（0.000）。因此，斜率同质性的原假设被拒绝，每个横截面单元的估计系数不同。这些证据表明变量之间存在参数异质性和横截面依赖性，并支持在使用更复杂的计量经济学方法来处理面板数据分析中的横截面依赖性和参数异方差性问题。4.5 面板单位根检验（CIPS和CADF）表6展示了第二代面板单位根检验的结果，即横截面增强IPS（CIPS）和横截面增强Dickey-Fuller（CADF）检验，这些检验考虑了面板单元之间的横截面依赖性。结果表明这些变量具有混合积分阶数。特别是，变量EP、IND、TOP和REC在原始水平上是不平稳的，但在一阶差分后变得平稳，表明它们是一阶整合的，即I(1)。另一方面，GI、CE和EG在原始水平上是平稳的，对应于I(0)。CIPS和CADF检验的结果是一致的，增加了对平稳性检验的信心。重要的是，所有变量都没有超过一阶整合，即I(2)，这是应用面板协整和长期估计技术所必需的。考虑I(0)和I(1)变量的存在对于证明使用适合混合积分阶数的面板自回归分布滞后（ARDL）方法是必要的。单位根检验的总体结果为探索环境绩效、工业化、绿色创新、循环经济、可再生能源消费、贸易开放性和经济增长之间的长期关系提供了实证依据。

面板单位根检验：CIPS
变量 原始水平 一阶差分后
EP -1.87 -4.916 ***
IND -1.77 -4.155 ***
GI 2.61 2.610 ***
CE 2.51 2.510 ***
TOP -1.54 -3.539 ***
REC -1.56 -4.260 ***
EG -3.42 -5.432 *

面板单位根检验：CADF
EP -1.877 -4.891 ***
IND -1.68 -4.132 ***
GI 2.61 2.610 ***
CE 2.51 2.510 ***
TOP -1.57 -3.465 ***
REC -1.56 -4.260 ***
EG -3.436 -5.432 *

表6 面板单位根检验CIPS和CADF结果。
*注：*、**和***分别表示在10%、5%和1%的水平上显著。

4.6 面板分位数自回归分布滞后（PQ-ARDL）与误差修正模型（ECM）结果
4.6.1 短期估计结果（PQ-ARDL-ECM）
表7显示了各个分位数上的CO2排放动态。误差修正项（ECM）在第十、第二十五和第五十分位数上呈负值且统计显著，系数分别为-0.0773、-0.0522和-0.0297。这些结果强化了从短期偏离到长期均衡的稳定调整过程。特别是在这些分位数中，每个时期大约有7.73%的短期偏离得到了修正。

变量 分位数（10） 分位数（25） 分位数（50） 分位数（75） 分位数（90）
ΔEP 0.0063 (0.848) 0.0015 (0.928) 0.0015 (0.928) 0.0386 (0.059) -0.0172 (0.668)
ΔGI 0.0050 (0.001) 0.0018 (0.017) 0.0018 (0.017) 0.0012 (0.200) -0.0006 (0.738)
ΔCE 0.5093 (0.127) 0.1243 (0.451) 0.1243 (0.451) 0.1394 (0.502) -0.4242 (0.300)
Δ(IND×CE) -0.0148 (0.404) -0.0042 (0.630) -0.0042 (0.630) -0.0020 (0.857) 0.0275 (0.206)
Δ(GI×CE) -0.0033 (0.014) -0.0011 (0.107) -0.0011 (0.107) -0.0011 (0.189) 0.0004 (0.825)
ΔTOP 0.0064 (0.070) 0.0074 (0.000) 0.0074 (0.000) 0.0070 (0.002) 0.0058 (0.182)
ΔREC -0.1408 (0.000) -0.1140 (0.000) -0.1140 (0.000) -0.1102 (0.000) -0.1237 (0.000)
ΔEG 0.0204 (0.006) 0.0223 (0.000) 0.0223 (0.000) 0.0164 (0.000) 0.0251 (0.006)

表7 短期估计结果（PQ-ARDL-ECM）。

然而，ECM系数在第七十五和第九十分位数上不显著，表明在短期内，高排放国家并没有显示出向长期均衡的统计显著调整。结果表明，在EU-27内，各国的调整方式存在结构性差异，高排放国家面临更大的结构限制，对化石燃料的依赖性更强，或者技术和制度变革较慢。大多数解释变量的短期系数不显著，意味着许多环境影响主要发生在长期。总体而言，与绿色创新（GI）相关的短期CO2排放增加在较低的分位数上观察到；然而，在第十分位数上，绿色创新与循环经济（GI×CE）之间的负相关且显著，表明在短期内循环经济实践可以抵消绿色创新的负面影响。在大多数分位数上，工业化和循环经济的影响在短期内较低。在贸易开放性的第二十五、第五十和第七十五分位数上，与CO2排放呈正相关，这与经济活动的增加有关。相比之下，所有消费分位数上使用可再生能源都一致地减少了排放，立即带来了环境效益。经济增长对排放的影响在整个分布链上都是正向的，这意味着短期内存在持续的环境压力。总体而言，结果揭示了EU-27内各国在短期调整过程和环境效应方面的显著分位数异质性。图5显示了各国之间大部分负趋同系数，特别是在中位数分位数上，表明向长期均衡的稳定调整过程。

4.6.2 长期估计结果（PQ-ARDL-ECM）
表8使用PQ-ARDL-ECM模型呈现了EU-27的长期估计结果。人均CO2排放量被用作环境绩效的衡量标准，因此如果系数为正，则意味着环境绩效正在恶化；如果系数为负，则环境绩效正在改善。结果基于各个分位数之间的长期关系，并考虑了各国在排放强度上的具体差异，从相对清洁的经济体到碳密集型经济体。

变量 分位数（10） 分位数（25） 分位数（50） 分位数（75） 分位数（90）
ln(EP) 0.0172 (0.000) 0.0097 (0.000) 0.0129 (0.000) 0.0127 (0.000)
GI 0.0012 (0.000) -0.0007 (0.000) 0.0007 (0.000) 0.0006 (0.000) 0.0000 (0.881)
CE 0.0330 (0.201) -0.1038 (0.000) 0.0515 (0.011) -0.2001 (0.000) -0.2662 (0.000)
IND×CE 0.0016 (0.152) 0.0019 (0.068) -0.0065 (0.000) 0.0079 (0.000) 0.0044 (0.003)
GI×CE -0.0006 (0.000) -0.0000 (0.721) -0.0003 (0.002) -0.0004 (0.000) 0.0001 (0.728)
TOP 0.0010 (0.000) 0.0003 (0.002) 0.0016 (0.000) 0.0035 (0.000) 0.0043 (0.000)
ln(REC) -0.1118 (0.000) -0.2135 (0.000) -0.2060 (0.000) -0.0850 (0.000) 0.0515 (0.000)
ln(EG) -0.0119 (0.087) -0.0214 (0.001) -0.0240 (0.000) -0.0094 (0.097) -0.0022 (0.813)
Cons 1.3815 (0.000) 1.9501 (0.000) 1.9828 (0.000) 1.7398 (0.000) 1.6346 (0.000)

表8 长期估计结果（PQ-ARDL-ECM）。

工业化的正面且显著影响在所有分位数上都成立，但效应因分位数而异。这意味着工业扩张的压力持续存在，无论是能源消耗、材料使用、运输需求还是生产过程。这一发现与规模效应假说一致，该假说认为经济和工业增长最初会导致环境退化，因为使用了更多资源，但在达到一定规模后，退化将成比例减少。然而，在高排放水平上的较小效应表明，通过技术升级、环境措施和结构转型可以在一定程度上降低行业的排放强度。这一发现与之前的研究不同，之前的研究表明，先进的欧洲经济体制顺利实现了向更清洁的生产系统和低碳转型的过渡。排放与绿色创新（GI）之间的关系是异质且非线性的。在第十百分位数上的正面影响表明，在创新过程的初期，由于研究和技术开发、基础设施投资和商业化阶段需要更多能源和材料投入，排放可能会暂时增加。这一发现证实了创新滞后理论，即创新的价值只有在市场有效扩散和接受后才会显现。然而，在第二十五分位数上的负面影响表明，一旦使用更清洁的技术变得有效，创新可以帮助减少排放。在中位数和第七十五分位数上，创新与工业增长之间存在正相关，表明创新和工业增长的共存、反弹效应或对碳密集型行业的重度依赖是可能的。当排放达到峰值时，这种效应减弱，仅靠创新不足以抵消碳排放的依赖性。这种模式与之前研究中发现的一致的负面排放与绿色创新联系相反。

循环经济（CE）的影响在分布上存在高度极化。在最低分位数上，效应统计上不显著，表明CE在相对低排放的经济体内没有显著效果。但在分布的后半部分，CE对排放有显著影响，这归因于回收、再利用、再制造和资源效率。相比之下，中位数的正面系数表明，循环转型可能与更高的排放有关，可能是因为收集、逆向物流和回收基础设施以及加工活动涉及更多能源。其他研究也发现了这种向循环系统的转型；一些研究表明，预期的好处可能在早期阶段不会出现，但会随着时间的推移而显现。循环策略的好处随着排放分位数的增加而增加，因为在材料密集型和工业化程度高的经济体中，负面系数变得更强烈。这一结果与大多数研究发现相反，大多数研究认为循环经济实践是减排措施，不论其实施阶段如何。

循环经济对工业化的影响通过调节效应在不同分位数上也有所不同，表示为(IND×CE)。在最低分位数上，这种交互作用不显著；在第二十五分位数上，它略微正向；这意味着循环实践不能立即补偿工业增长的环境影响。另一方面，负面的中位数交互作用表明，如果循环系统改善了资源使用，它们可以帮助减轻工业化的效应。在较高分位数上的正向交互作用表明，在高度工业化的经济体中，快速工业增长有助于发展循环基础设施。这加强了研究，强调了循环经济技术的有效性依赖于三个支柱：技术、制度和基础设施。这并不一定意味着在任何条件下都会发生工业脱钩。

绿色创新和循环经济（GI×CE）突显了技术创新和循环实践在互补中的作用，同时揭示了这些实践的影响取决于排放水平。第十、第五十和第七十五分位数的负面且显著结果表明，绿色创新和循环策略通过提高生产清洁度和资源效率对环境结果有益。然而，在第二十五和第九十分位数上的较弱效应表明，当电网的碳强度非常低或非常高时，协同效应较低。碳锁定可能会降低绿色创新-循环整合的效果，特别是在最高排放者中。这一发现与一些研究相矛盾，那些研究认为绿色创新和循环经济的结合通常会带来环境效益。贸易开放性（TOP）在最低分位数的排放较低，而在第二十五到第九十分位数的排放较高。在较高分位数上的积极结果表明，更多的贸易可能导致更高的排放，特别是在出口导向型行业、运输和碳密集型行业中。另一方面，在清洁经济体中，负面影响可能是由于技术转移和高科技环保实践的可用性。这一证据与污染光环假说相反，该假说认为开放贸易总体上会因技术扩散而恶化环境质量。

正如预期的那样，可再生能源消费（REC）与第十到第七十五分位数上的排放减少之间存在强烈关联。然而，在最高排放水平上的积极效果表明，由于能源安全、电网和/或能源转型的限制，可能会继续依赖化石燃料。结果与之前的研究相反，之前的研究发现在所有分布水平上可再生能源排放都与排放减少呈一致负面关系。排放量通常随着经济增长（EG）而减少，主要影响在排放分布的中间部分。负面且显著的效果表明，增长可以通过效率改进和结构转型促进环境改善。但在较高分位数上，排放减少的影响不显著，这意味着经济增长并不一定导致排放减少。因此，这些发现仅部分支持增长作为环境改善的来源，并不提供环境库兹涅茨曲线的证据，因为它不包括非线性收入项。

总体而言，EU-27的脱碳具有高度异质性，并与排放强度、工业结构、技术能力和能源转型的进展有关。所有这些向“绿色”社会的创新、循环经济应用和可再生能源都有环境效益，但这些效益只有在支持它们的制度有效、技术能够转移且工业政策协调良好的情况下才能实现。在缺乏额外的内生性方法和稳健性检验的情况下，目前呈现的结果被视为长期关联而非因果效应。图6显示了不同分位数之间的异质交互效应。（IND × CE）之间的交互效应在环境绩效分布中的变化较大，而（GI × CE）之间的交互效应则更为混合，循环经济的调节效应随环境绩效分位数的不同而变化。图7展示了工业化（IND）、绿色创新（GI）、循环经济（CE）、贸易开放度（TOP）、可再生能源消费（REC）和经济增长（EG）等变量的分位数分布。

图6：循环经济对环境绩效分位数的长期调节效应。

图7：各变量的分位数估计。

4.7 稳健性检验：Driscoll–Kraay固定效应回归

表9报告了使用Driscoll-Kraay固定效应估计方法进行的稳健性检验，以检验在存在横截面依赖性、异方差性和序列相关性的情况下，基线（PQ-ARDL-ECM）结果的稳健性。结果基本验证了基线模型的可靠性，确认了所估计关系的可信度。工业化（IND）对环境绩效有正面且显著的影响，表明工业活动与较高的二氧化碳排放压力相关，并恶化了环境绩效。

变量 系数 标准误差 t统计量 p值
IND 0.049 **0.022 2.22 0.036
GI 0.005 ***0.0009 5.74 0.000
CE -0.181 0.189 -0.96 0.349
IND×CE 0.025 ***0.0077 3.34 0.003
GI×CE -0.0024 ***0.0008 -3.13 0.005
TOP -0.016 ***0.0035 -4.78 0.000
REC -0.173 ***0.0160 -10.8 0.000
EG 0.039 *0.0208 1.90 0.069

表9 稳健性检验：Driscoll–Kraay固定效应估计。F统计量 = 435.75，Prob > F = 0.0000，表明整体模型在统计学上显著，残差R平方值为0.5969。*p < 0.10，**p < 0.05，***p < 0.01。

绿色创新（GI）也有正面且显著的影响，这表明提高绿色创新水平与二氧化碳排放量上升有关。这可能与更高的生产量、资源需求增加或样本研究中的转型压力有关。循环经济（CE）的直接影响是负面的，但在统计上不显著，表明采用CE实践有助于减少二氧化碳排放并改善环境绩效。此外，显著的交互项证实了CE的调节作用。（IND×CE）的正系数意味着工业化与循环经济的交互影响环境绩效，（GI×CE）的负系数则有助于减少二氧化碳排放并改善环境绩效。

贸易开放度（TOP）和可再生能源消费（REC）在控制变量中具有负面且显著的影响，证实了它们对减排的贡献。经济增长（EG）的影响是正面的，但显著性较低。总体而言，Driscoll-Kraay的估计结果确认了（PQ-ARDL-ECM）结果的稳健性，表明在解决重要的面板数据问题后，主要结论仍然一致。显著的F统计量进一步证实了模型的整体显著性。

5 结论与政策意义

5.1 结论

本研究采用面板分位数ARDL-ECM方法，探讨了2000-2024年间欧盟27个国家工业化、绿色创新、循环经济与环境绩效之间的长期关系。结果显示，脱碳路径因排放水平而异，因此环境改善取决于各国的具体产业结构、技术能力和脱碳条件。所有分位数的二氧化碳排放都与工业化呈正相关且显著，进一步表明工业增长是欧盟27个国家环境压力的重要因素。然而，这种关联的强度随排放水平波动，表明工业措施不仅需要高效，还需要技术先进，并且必须进行结构性变革以降低碳强度。绿色创新的温室气体影响力因国家而异。它在较低-中等排放水平上有降低排放的潜力，但在其他分位数上可能与更高的排放相关，这可能是创新滞后效应、商业化问题、反弹效应以及对碳密集型生产过程的持续依赖所致。因此，创新政策的重点应放在清洁技术的有效扩散和部署上，而不仅仅是技术发展上。

循环经济与排放之间也存在非线性且依赖于分布的关系。在最低排放水平上影响不显著，但在较低-中等和较高排放水平上有负面影响，这表明需要与中能源和基础设施投资相关的循环转型。此外，循环经济对工业排放关系的调节效应在不同分位数上有所差异，意味着循环实践需要支持性技术、制度和基础设施。大多数可再生能源使用分位数显示出总体上的环境正向影响，但在极端排放经济体中存在一些限制。总体而言，结果表明需要结合循环经济、绿色创新、可再生能源和工业转型等政策来实现欧盟27国家的脱碳目标，同时考虑各国条件的多样性。

5.2 政策意义

分位数特定的结果显示，在不同的二氧化碳排放水平下，环境影响各不相同，绿色创新和循环经济之间存在相关性。研究结果表明，更创新和更循环的经济并不必然带来环境效益，因此必须制定针对特定技术和排放水平的政策，同时考虑技术能力、能源系统和工业结构的差异。某些分位数上排放与绿色创新的正相关关系表明存在转型压力、转型成本、转型滞后或在实现环境效益之前的低碳技术扩散不完全。因此，对绿色创新的政策支持应超越非歧视性激励措施，设计考虑创新生命周期内减排潜力、商业化技术能力和长期脱碳目标的条件性政策措施。然而，在中等和较高排放经济体中，创新政策应辅以碳定价、有效的环境法规和减少对碳密集型技术依赖的措施，以确保创新有助于减排。

其次，多样化的循环经济结果显示，循环实践带来的环境效益在不同排放水平上并不一致。中位数分位数的正系数以及CE与各行业部门之间的不同交互作用表明，循环经济转型必须在有利条件下进行，例如整合可再生能源、低碳交通网络和回收/回收效率法规。总之，循环经济政策不应仅被视为废物管理政策，而应是工业转型总体框架的一部分。低排放经济体应重点发展有效的循环基础设施，而中等排放经济体应重点关注循环活动的脱碳。对于污染更严重的经济体，政策应更注重循环经济与工业脱碳的整合，以促进技术升级和更清洁的能源系统，从而提高这些政策的环境效果。

5.3 限制与未来研究

本研究存在若干限制，为未来的研究提供了方向。首先，环境绩效的衡量基于人均二氧化碳排放量，这是环境压力的一个关键组成部分，但不一定能反映环境质量的全部范围。未来的研究可以包括其他环境退化指标（如生态足迹、基于消费的排放等），以提供更完整的图景。其次，绿色创新的衡量基于与环境相关的技术专利，循环经济指数基于可用的Eurostat指标构建。这些是绿色创新和循环转型的代表性衡量标准，但并不一定能反映循环经济创新活动和实践的广度。未来研究还可以探索绿色技术的采用、环境投资、资源生产力和企业层面的循环实践。第三，稳健性检验支持了PQ-ARDL-ECM结果的可靠性，但应将这些估计关系理解为长期关系，而非因果效应。Driscoll-Kraay估计器处理了横截面依赖性、异方差性和序列相关性问题，但并未完全纠正潜在的内生性和反向因果关系。例如，二氧化碳排放增加可能导致环境监管压力增大，从而促进绿色创新活动。未来的研究可以采用其他能够解决内生性问题的计量经济学方法，考虑更多国家，并考虑影响工业化、绿色创新、循环经济和环境绩效之间关系的其他制度和技术因素。

CRediT作者贡献声明

Asad Ullah：撰写——审稿与编辑、撰写——初稿、可视化、验证、软件、项目管理、方法论、调查、正式分析、数据管理、概念化。
Junfeng Jiang：撰写——审稿与编辑、验证、监督、资源、项目管理、方法论、调查、概念化。
Mashael Bakhit：撰写——审稿与编辑、验证、资源、方法论、调查、资金获取、正式分析、概念化。
Yanjie Li：撰写——审稿与编辑、撰写——初稿、可视化、验证、软件、调查、正式分析、数据管理。

数据可用性

本研究分析的数据作为补充材料提供。

伦理审批与参与同意

不适用。

利益冲突声明

作者声明以下可能存在潜在利益冲突的财务利益和个人关系：Junfeng Jiang报告称获得了中国国家自然科学基金会的财务支持。Mashael Bakhit报告称文章出版费用由沙特阿拉伯利雅得的Princess Nourah bint Abdulrahman大学提供（项目编号PNURSP2026R934）。若有其他作者，他们声明没有已知的可能会影响本文工作的财务利益或个人关系。

附录B 补充数据（2）

下载全部

以下是本文的补充数据：
- 电子表格（91.60 KB）
- 多媒体组件1（16.19 KB）
- 多媒体组件2

附录
缩写全称：
EP：环境绩效
IND：工业化
GI：绿色创新
CE：循环经济
TOP：贸易开放度
REC：可再生能源消费
EG：经济增长
CMUR：循环材料使用率
MWRR：市政废物回收率
RP：资源生产力
PWR：包装废物回收率
EWRE：废物回收率
FE：固定效应
CSD：横截面依赖性
CADF：横截面增强Dickey–Fuller检验
CIPSC：横截面增强IPSP
CAP：主成分分析
KMOKaiser-Meyer-Olkin检验
VIF：方差膨胀因子
ARDL：自回归分布滞后模型
SEM：结构方程模型
GGM：高斯图模型
FMOLS：完全修正普通最小二乘法
GMM：广义矩方法
IPAT：影响、人口、富裕度、技术
SHS：斜率同质性
SW：Shapiro–Wilk检验
ECT：误差修正项
ECM：误差修正模型
EKC：环境库兹涅茨曲线

EU-27：欧盟27个成员国
GHG：温室气体
CO2：二氧化碳

附录A 缩写列表

新标签页中的表格：
S. No：国家编号
1：奥地利
2：意大利
3：比利时
4：拉脱维亚
5：保加利亚
6：立陶宛
7：克罗地亚
8：卢森堡
9：马耳他
10：捷克共和国
11：荷兰
12：丹麦
13：波兰
14：爱沙尼亚
15：葡萄牙
16：芬兰
17：罗马尼亚
18：法国
19：斯洛伐克
20：德国
21：斯洛文尼亚
22：希腊
23：匈牙利
24：爱尔兰

附录B EU-27国家列表