低碳技术创新、区域经济发展对汽车业碳排放的影响机制研究.docx

摘要

为了探究低碳技术创新、经济发展对汽车业碳排放的影响，本文基于我国新能源汽车较为普及的7个省市2013—2020年的数据，采用静态面板模型和动态面板模型，细致分析低碳技术创新、区域经济发展对汽车业碳排放量的影响，并通过分样本回归检验低碳技术创新、经济发展对燃油车碳排放和新能源车碳排放的异质性影响。

01

文献综述

交通业作为能源消耗的主要部门以及温室气体排放的重要来源，其能源消耗和碳排放问题一直备受关注。目前已有许多学者对交通运输行业碳排放的影响因素进行了识别和作用研究，已识别出的关键影响因素主要包括经济增长、技术创新、能源消费结构等。

本文基于新能源汽车占比较高的上海、浙江等7个省（市）的数据，首先通过静态面板模型探讨低碳技术水平的提高和区域经济发展对汽车行业碳排放的影响，然后构建动态面板数据模型进一步刻画汽车业碳排放的动态演进过程，最后通过分样本回归检验低碳技术创新、区域经济发展对燃油车碳排放和新能源车碳排放影响的异质性。

02

模型的构建与变量说明

2.1

模型构建

为了探究低碳技术创新和区域经济发展对汽车业碳排放的影响机制，根据我国新能源汽车占比较高的7个省份2013—2020年的数据，首先构建静态面板模型，模型形式如下：

式中，??和??分别代表省份和年份；被解释变量????E为汽车业碳排放总量；核心解释变量??A表示低碳技术创新；??GDP即人均GDP为区域经济发展；??表示控制变量；????和??t分别为地区固定效应和时间固定效应，????t为随机扰动项。

刘华军等的研究指出中国碳排放存在一个动态演进的过程，因此，进一步构建出汽车业碳排放的动态面板模型，以探究汽车碳排放是否存在延续性。模型形式如下：

式中，被解释变量的?TCE?的滞后项????????t?1为解释变量；??1为自回归系数；????和??t分别为地区固定效应和时间固定效应；????t为随机扰动项。

2.2

变量的选取

2.2.1被解释变量

采用行驶里程法对汽车碳排放量进行估算：

式（3）～式（5）中，??????为燃油车的总碳排放量；????????为新能源汽车的总碳排放量；??????为汽车业总碳排放量；??为汽车保有量；????为汽车每公里的碳排放量；??为全生命周期行驶公里数；??为汽车的使用寿命；??为不同能源类型的汽车（燃油车，新能源汽车），??为不同种类的汽车（客车，货车），估算标准根据《乘用车生命周期碳排放核算低碳技术规范》制定。

2.2.2核心解释变量

低碳技术创新以2013年美国和英国联合颁布的CPC（合作专利分类法）中的Y02分类专利数量来衡量，且仅考虑中国人在国内申请的专利，用PA表示。选取人均GDP作为衡量经济发展水平的代理指标，用??GDP表示。

2.2.3控制变量

（1）负债水平（PLoan）。选取人均负债表示，人均负债是居民的债务负担能力和偿债能力的量化体现。一般负债率越高表明居民债务负担能力越强，对于汽车的购买能力越强，从而可能产生更多的汽车碳排放。

（2）能源消费水平（PEC）。选取人均能源消费量表示。人均能源消费量反映能源效率及经济发展水平，人均能源消费越高，则碳排放量越高。

（3）教育水平（CSR）。选取大学生占比表示。随着教育水平的提高，人们的节能减碳意识逐步增强，民众对于新能源汽车的消费需求与节能需求不断增加，同时新能源汽车的用户群体年龄趋于年轻化，这会带来碳减排潜力的提升，刺激新能源汽车消费，使得替代传统燃油车的进程加快，从而减少传统燃油汽车碳排放量，促进节能减排。

（4）政府投入水平（ICM）。选取汽车制造业投资额表示。政府投入资金是促进汽车行业结构优化的重要因素，也是低碳技术快速普及的经济基础。

2.3

数据来源与处理

中国新能源车自2013年发展伊始，截至2020年底，全国新能源车保有量已经达到492万辆。其中，上海地区达到42.4万辆，占比接近10%，加上浙江、广东、福建、安徽、江西、江苏周边6个省市，新能源汽车的累计占比已经超过30%。因此，为探究低碳技术进步、经济发展对燃油汽车和新能源汽车碳排放影响的异质性，以2013—2020年为研究区间，选取上海、浙江、广东、福建、安徽、江西、江苏为研究对象。汽车碳排放数据根据中汽中心发布的《乘用车生命周期碳排放核算低碳技术规范》估算所得，各省（市）的Y02专利数据来自incopat专利数据库，人均GDP、人均负债水平数据来源于中国宏观经济数据库，人均能源消费数据来源于《中国能源统计年鉴》，大学生人数占比、汽车制造业投资额数据来源于《中国统计年鉴》及各省（市）统计年鉴。

03

实证分析

3.1

?变量的单位根检验

考虑到面板回归模型要求模型中的变量均为平稳变量，因此，