《Sustainability》:Global Value Chain Embedding and Low-Carbon Innovation Transition: A Sustainable Development Perspective on Carbon-Intensive Industries
编辑推荐:
创新驱动的碳密集型产业转型是全球气候治理与可持续产业专业化的核心。本研究整合全球价值链(GVC)嵌入、外部环境动态与产业创新,利用2007至2023年中国碳密集型产业的微观至宏观提取面板数据,构建了双去偏机器学习(DDML)模型。研究人员识别出由GVC参与度和
创新驱动的碳密集型产业转型是全球气候治理与可持续产业专业化的核心。本研究整合全球价值链(GVC)嵌入、外部环境动态与产业创新,利用2007至2023年中国碳密集型产业的微观至宏观提取面板数据,构建了双去偏机器学习(DDML)模型。研究人员识别出由GVC参与度和GVC国内含量比(DCR)驱动的稳健创新促进效应。采用因果中介框架,研究人员揭示了GVC嵌入通过重塑四个功能维度间接驱动创新:升级中间出口质量、激励技术市场活动、内化气候政策不确定性,以及协调环境违规披露。此外,结构性异质性检验表明,成熟资源型城市和后向关联产业从干中学效应中显著受益;相比之下,前向关联产业和非成熟城市面临定位悖论与比较优势锁定的更高风险。本研究为在寻求协调深度全球经济一体化与碳中和目标的发展中经济体中推进可持续发展目标9(SDG 9)提供了严格的实证证据。
**论文解读:全球价值链嵌入与碳密集型产业低碳创新转型——基于可持续发展视角的实证研究**
**研究背景与问题提出**
全球温室气体排放的急剧增加对生态系统和人类福祉构成重大威胁。碳密集型产业作为主要排放源,其绿色转型是实现《巴黎协定》减排目标的关键。然而,现有全球生产体系内的国际分工加剧了碳泄漏和气候治理中的竞争不公:发达经济体通过全球生产网络将碳密集型生产活动转移至发展中国家,加深了东道经济体的高碳锁定。同时,欧盟碳边境调节机制等单边气候政策工具虽旨在内化碳成本,却可能放大南北排放责任冲突,使碳密集型产业的全球布局更加复杂。在此背景下,如何在发展中国家中推动碳密集型产业的创新驱动绿色升级,成为实现后巴黎协定时代公平有效气候治理的核心挑战。全球价值链(GVC)的持续重构为协调国际产业专业化与全球碳治理提供了潜在路径,但现有研究多孤立考察GVC嵌入对产业的影响,未将产业创新与城市外部环境塑造纳入统一框架。此外,基于宏观多区域投入产出(MRIO)表的传统方法存在聚合偏差,无法捕捉城市层面的异质性,且缺乏对GVC嵌入影响创新机制的全面识别。因此,本研究旨在回答:GVC嵌入如何通过重塑城市外部环境间接促进碳密集型产业创新?其效应在不同产业类型、城市发展阶段和参与模式中呈现怎样的异质性?
**研究内容与主要结论**
研究人员利用2007至2023年中国270个城市10个碳密集型产业的微观至宏观提取面板数据,构建了双去偏机器学习(DDML)部分线性模型,整合GVC嵌入、城市外部环境与产业创新行为。实证结果表明:GVC参与度和GVC国内含量比(DCR)均直接促进碳密集型产业创新,每单位增长分别使创新产出提升0.065–0.189和0.148–0.170个单位,该效应在经历Bartik工具变量(Bartik-IV)内生性检验和多种稳健性检验后依然成立。通过因果中介分析,研究人员发现GVC嵌入通过四个环境维度间接驱动创新:升级中间出口质量(IEQ)、激励技术市场活动(TMA)、内化气候政策不确定性(CPU)以及协调环境违规披露(EVD),但各机制存在非对称性。异质性分析显示,GVC嵌入的创新效应在采矿行业和成熟资源型城市中显著为正,而在制造业、电力热力燃气及水生产供应业(EHGW)以及成长型、衰退型和再生型资源型城市中则减弱或逆转。进一步讨论表明,前向GVC参与(作为上游供应商)会通过比较优势锁定抑制创新,而后向参与(进口高端中间品和技术)则通过干中学效应促进创新。该研究为发展中国家在协调深度全球经济一体化与碳中和目标下推进可持续发展目标9(SDG 9)提供了严格的实证证据。
**关键技术与方法**
本研究采用以下关键技术方法:
1. **双去偏机器学习(DDML)模型**:构建部分线性模型,使用神经网络(NNT)、弹性网络(ELN)、Lasso回归和岭回归(Ridge)四种算法估计GVC嵌入对创新的直接效应,并通过交叉拟合和正交化处理高维控制变量,减少模型设定偏误。
2. **微观至宏观GVC测度法**:基于中国海关交易记录与工业企业匹配数据,区分加工贸易和一般贸易,按贸易制度比例分配进口中间品流向,计算企业层面出口国内增加值率(DVAR)和国外增加值率(FVAR),再以出口值为权重聚合至城市-行业层面,得到GVC参与度指数和GVC DCR指数,避免宏观MRIO表的生态谬误。
3. **Bartik工具变量(Bartik-IV)**:以高收入经济体对应碳密集型产业的GVC进口增长率(shift)与城市基期(2007年)碳密集型产业创新份额(share)的乘积作为工具变量,用于2SLS和DDML-IV估计,处理反向因果和遗漏变量问题。
4. **因果中介分析框架**:在DDML架构内,采用K=5折交叉拟合正交化估计中介效应(ACME),通过乘数自助法(B=1000次)进行推断,分解GVC嵌入的总效应为直接效应和通过四个中介变量(IEQ、TMA、CPU、EVD)的间接效应。
5. **文本分析与行政记录构建**:气候政策不确定性(CPU)指数基于地方政策文件和监管公报的三阶段文本分析(关键词字典、频率归一化、不确定性词共现加权);环境违规披露(EVD)指数基于生态环境部环境违规处罚披露系统和IPE数据库的客观行政记录(违规案件数、罚款金额、停产天数),经z-score标准化后取算术均值。
**研究结果**
- **4.1 GVC嵌入对碳密集型产业创新的直接影响**:通过DDML部分线性模型,使用四种机器学习算法估计,发现GVC参与度和GVC DCR均显著促进创新。神经网络(NNT)算法拟合优度最高,且其90%预测区间更窄,通过Diebold–Mariano(DM)检验确认其统计优势。
- **4.2 内生性检验**:基于Bartik-IV的2SLS和DDML-IV估计表明,工具变量满足相关性(Kleibergen–Paap rk Wald F统计量大于Stock–Yogo 10%临界值)和过度识别约束(Hansen J统计量不显著),处理后GVC嵌入的系数仍显著为正,确认因果效应。
- **4.3 稳健性检验**:通过替换为OLS估计、改变样本分割比例(设为4)以及对变量进行1%缩尾处理,GVC嵌入的促进效应依然稳健。
- **4.4 因果中介分析**:
- **中间出口质量(IEQ)**:GVC嵌入显著提升IEQ,间接效应(ACME)分别为0.011(参与度)和0.024(DCR),中介比例分别为16.9%和16.2%,表明碳密集型产业作为上游供应商,其出口质量升级是创新驱动的重要渠道。
- **技术市场活动(TMA)**:GVC参与度显著激活TMA(系数0.534),GVC DCR效应较小(0.092);ACME分别为0.025(参与度,中介比例38.5%)和0.005(DCR,中介比例3.4%),说明参与度通过需求拉动、DCR通过供给侧能力深化两种不同路径影响技术市场。
- **气候政策不确定性(CPU)**:GVC参与度提高CPU,而GVC DCR降低CPU;第二阶段系数均为正,表明CPU通过预防性创新机制促进创新,符合战略增长期权理论。ACME分别为0.012(参与度)和-0.001(DCR)。
- **环境违规披露(EVD)**:GVC参与度降低EVD(系数-0.228),揭示逐底竞争效应;GVC DCR提高EVD(系数0.015),反映监管协调机制。ACME分别为-0.008(参与度)和0.001(DCR),表明不同嵌入模式对环境执法产生非对称影响。
- **4.5 异质性分析**:
- **产业特征**:GVC参与度和DCR均显著促进采矿行业创新;在EHGW中,GVC参与度促进但DCR抑制创新;在制造业中,GVC参与度不显著且DCR显著抑制创新。Chow检验确认组间差异显著,归因于行业吸收能力差异。
- **城市特征**:在成熟资源型城市中,GVC嵌入显著促进创新;在成长型、衰退型和再生型城市中,效应不显著或为负,表明GVC的创新收益依赖于城市发展准备度。
- **4.6 进一步讨论**:区分前向和后向GVC参与模式,发现后向参与显著促进创新,前向参与则倾向于抑制创新,源于前向参与强化比较优势陷阱和低端锁定,后向参与通过进口高端中间品实现技术溢出和干中学。
**讨论与结论**
本研究将GVC嵌入、城市外部环境与碳密集型产业创新纳入统一框架,从理论和实证角度揭示了其复杂互动。结论表明:GVC嵌入通过信息放大和创新网络优化直接促进碳密集型产业创新,并通过升级中间出口质量、激活技术市场、内化气候政策不确定性和协调环境违规披露四个环境维度间接发挥作用,但该效应受国际生产活动约束呈现非对称性。异质性分析显示,GVC嵌入的创新效应在采矿行业和成熟资源型城市中增强,在制造业、EHGW及非成熟城市中减弱或逆转。参与模式分析表明,深度前向参与将产业锁定于比较优势,抑制创新,而后向参与通过干中学提升创新能力。
**研究结论翻译**:随着GVC深度重构、外部环境快速演变以及碳排放治理的迫切需求,理解碳密集型产业的升级与创新路径对于提升产业竞争力和促进可持续发展至关重要。利用2007至2023年覆盖中国270个城市10个碳密集型产业的面板数据,本研究将GVC嵌入、城市外部环境和碳密集型产业创新整合进统一框架,从理论和实证角度考察了其复杂互动。实证结果表明,GVC嵌入通过信息放大和创新网络优化直接促进了城市碳密集型产业创新。在多种机器学习算法下,GVC参与度和GVC DCR每增加一个单位,分别使创新产出提升0.065–0.189和0.148–0.170个单位。在通过Bartik-IV进行内生性和稳健性检验后,这些效应仍保持稳健。机制分析表明,GVC嵌入通过四个维度优化创新环境:升级中间出口质量、激励技术市场活动、内化气候政策不确定性以及协调环境违规披露。然而,由于国际生产活动的约束,该效应呈现非对称性。异质性分析显示,GVC嵌入的创新效应在不同行业和城市间存在显著差异:在采矿行业和成熟资源型城市中创新产出得到提升,而在制造业和EHGW行业以及成长型、衰退型和再生型资源型城市中则减弱或逆转。参与模式分析表明,深度前向GVC参与将产业锁定于比较优势,抑制创新,而后向参与则通过干中学促进创新能力提升。