中国绿色低碳技术创新驱动因素解析与政策情景预测——基于拓展LMDI分解的实证研究

《Energy Strategy Reviews》：Deciphering drivers and pathways of green and low-carbon technology innovation in China: An extended LMDI decomposition and policy-scenario analysis

本研究针对中国"双碳"目标下绿色低碳技术(Green and Low-Carbon Technology, GLCT)创新机制不明确的问题，采用拓展LMDI分解法系统剖析2000-2020年GLCT专利的时空演化规律。研究发现可再生能源消费占比(DF6)和低碳经济指标(DF8)是主要驱动因素，而能源强度(DF7)呈现抑制作用。结合SSPs情景预测表明，2.0°C温控目标下GLCT专利增长潜力最大，为区域差异化创新政策制定提供了科学依据。

　　

在全球气候变化加剧的背景下，绿色低碳技术（GLCT）已成为实现《巴黎协定》温控目标的关键路径。中国作为全球最大的碳排放国，提出了2030年碳达峰、2060年碳中和的"双碳"目标，这一时间表远短于欧美国家，使得GLCT创新显得尤为紧迫。然而，当前研究对GLCT专利增长的内在机制认知有限，传统量化分析往往将创新驱动因素视为能源经济模型的简单延伸，缺乏对政策敏感性和制度变量的深入刻画。

针对这一研究空白，四川大学商学院的研究团队在《Energy Strategy Reviews》发表了题为"Deciphering drivers and pathways of green and low-carbon technology innovation in China"的论文。研究团队构建了包含化石能源碳减排技术（FECRT）、节能循环技术（ECRT）、清洁能源技术（CET）、能源存储技术（EST）和温室气体捕集封存技术（GGCST）五大分支的GLCT分类体系，基于2000-2020年中国31个省级行政区的70余万条专利数据，采用拓展型对数平均迪氏指数（LMDI）分解方法，首次将可再生能源生产率、低碳经济指数等政策敏感指标纳入分析框架，从全国、技术分支和六大电网区域三个维度解析了GLCT创新的驱动机制。

关键技术方法包括：基于国际专利分类（IPC）的GLCT技术映射体系构建、结合词频-逆文档频率（TF-IDF）的文本分析方法、包含9个驱动因素的拓展LMDI分解模型（DF₁-DF₉），以及耦合共享社会经济路径（SSPs）与ARIMA/ETS时间序列预测的情景分析框架。

4.1 绿色技术创新的时空演化特征

通过分析GLCT专利的数量变化发现，2000-2020年间中国GLCT专利数量增长近73.5万件，其中GGCST分支增幅最为显著。文本挖掘显示"碳捕集""可再生能源"等术语出现频率最高，反映了技术发展的重点方向。

4.2 绿色技术创新的驱动力量化

LMDI分解结果表明：低碳经济指标（DF₈）和能源结构效应（DF₆）是主要正向驱动因素，累计贡献分别达32.5万和24.6万件专利；而能源强度（DF₇）则呈现显著的抑制作用（-27万件）。分五年规划阶段的分析显示，驱动机制已从早期的规模扩张转向结构优化驱动。

4.3 基于电网特征的区域异质性

六大电网区域的创新格局呈现明显差异：华北电网因化石能源依赖度高，在FECRT领域领先（2020年专利7.1万件）；华东电网则在ECRT和CET领域优势突出，2020年专利分别达4.3万和4.8万件。储能技术（EST）在所有区域发展相对滞后，成为技术瓶颈。

4.4 基于情景分析的技术创新预测

情景预测表明，在SSP4-2.0°C路径下，2030年GLCT专利预计达92.9万件。可再生能源生产率（DF₅）和碳排放效应（DF₉）将成为主要驱动力，其中DF₉的贡献预计达75.5万件。

研究结论强调，中国GLCT创新已从规模驱动转向质量提升阶段，但区域发展不平衡问题突出。政策制定需考虑区域资源禀赋差异：华北电网应强化化石能源清洁化创新，华东电网可重点突破储能技术瓶颈，而全国层面需通过碳市场机制激发企业创新活力。该研究不仅为差异化政策制定提供了实证依据，也为发展中国家绿色技术创新的机制研究提供了方法论借鉴。