清洁能源发展对就业规模的门槛效应

奥鹏网院作业

清洁能源发展对就业规模的门槛效应*
——基于金融规模的视角
魏丽莉 杨 颖

[提 要] 本文基于2008—2019年省级面板数据,检验清洁能源产业发展的就业效应,并采用面板门槛模型,分析了清洁能源产业发展对劳动力就业影响的金融规模门槛效应。实证研究表明:清洁能源发展对总体就业规模有促进作用,对传统能源行业就业规模有负向作用,并且在不同清洁能源产量地区的就业影响存在异质性;以金融规模为门槛变量时,研究发现金融规模的提高,促使清洁能源产业发展对总体就业规模的提升作用显著提高,对传统能源行业就业规模的冲击作用有所下降;从区域角度来看,清洁能源发展对劳动力就业的影响存在地区差异,表现在清洁能源发展对东西部地区总体就业规模有正向作用,对中部地区则为负向作用。基于此,从完善政策激励机制、金融部门提高支持力度、地方政府因地施策等方面提出政策建议,以充分发挥清洁能源产业发展在就业创造和能源结构优化中的促进作用。

[关键词] 清洁能源;金融规模;劳动力就业;面板门槛模型

一、引言
全球气候变化要求各国加快能源结构优化,实现绿色低碳发展。作为世界上最大的能源消费国和二氧化碳排放国,党的十九大提出要推进能源生产和消费革命,构建清洁低碳、安全高效的能源体系。2020年我国在第七十五届联合国大会一般性辩论上宣布了将于2030年前达到碳排放峰值、争取2060年前实现碳中和目标,这对我国能源系统提出了严格要求,一方面要求能源生产消费部门提高能源使用效率,另一方面要求不断开发清洁能源替代传统能源以减少碳排放。目前我国清洁能源体系的建设规模位居世界前列,随着能源领域的研发能力提升与技术进步,以风电、光伏为代表的清洁能源的生产成本不断下降,逐步具备了大规模应用的经济价值,储能技术的_发展也极大扩张了清洁能源的使用范围。储能成本逐渐下降后,清洁能源在能源供应结构中有望成为主导能源 (林伯强,2018)。近年来,我国制定了一系列促进清洁能源发展的政策法规,1997—2016 年间,中央政府制定和颁发的清洁能源相关政策法规近130项(徐斌等,2019),2017年国家能源局印发的 《关于深化能源行业投融资体制改革的实施意见》和2018年颁布的 《清洁能源消纳行动计划 (2018—2020年)》,有效激发了金融资本参与能源投资的动力和活力,尤其是支持以光伏、风电等清洁能源项目为主的能源企业,推动了清洁能源产业的有序发展。据国家统计局数据显示,2010—2019 年间中国清洁能源生产占比从14.5%增长至24.3%,消费占比从13%增长至23.4%,未来继续促进清洁能源产业发展将成为我国践行绿色发展理念、实现碳达峰、碳中和目标的关键举措。

根据产业生命周期理论,清洁能源产业作为我国战略性新兴产业,经历了从初创期到成长期的过程,其发展在带动能源结构转型升级的同时,会对我国经济增速、劳动力就业产生不确定影响。学者们通常将新兴产业发展或产业转型升级对就业的影响分为“创造效应”和“替代效应”(吴清华等,2020),对劳动力就业是否存在促进作用则取决于“创造效应”是否超过了“替代效应”。同时,我国清洁能源资源分布与生产具有显著的区域差异特征(如图1所示),清洁能源产量的高低可能也会对地区就业市场产生一定的影响。2015 年以来,在大力发展绿色金融的背景下,金融部门积极贯彻落实国家节能减排政策,持续推进以节能减排与可再生能源贷款为主要内容的绿色信贷业务,金融发展规模大的地区普遍拥有更健全的金融市场,拥有更多可以向环保产业配置的资金,进而通过资金配置功能影响相关企业对劳动力的需求变化。也就是说,金融发展规模的差异可能会影响清洁能源产业发展的就业效应。基于此,本文可能的边际贡献如下:第一,从金融规模的视角,将清洁能源、金融规模与就业纳入同一个研究框架,将能源对经济发展的影响进一步延伸,探讨清洁能源产业发展对整体就业规模和传统能源行业就业规模的影响,而非局限于清洁能源产业本身创造的新就业岗位。第二,考虑了金融规模在影响清洁能源产业与就业规模关系中的非线性影响,将金融发展规模作为门槛变量进行清洁能源发展的就业效应研究,以及不同地区清洁能源产量的差异在其中的影响。本文基于清洁能源产业发展对就业影响的机理分析,并结合我国省域面板数据进行分组研究,辨析三者之间的关系对于促进我国能源结构转型与人民安居“乐业”具有重要意义。

pagenumber_ebook=102,pagenumber_book=100
图1 中国各省份清洁能源2008—2019年平均产量

二、文献综述
关于清洁能源领域的经济学研究,目前学者更多是围绕清洁能源消费对二氧化碳排放、经济增长、能源效率等方面的影响展开(王帅,2020;徐斌等,2019;曹玉书和尤卓雅,2010)。随着能源和环境问题与人类生产生活之间的联系日益增强,经济发展方式转型过程中不可避免地对就业市场形成冲击,陆旸(2011)认为我国的部分绿色产业政策在短期内难以达到就业和减排的双重红利。随着清洁能源产业有望在全世界范围内发展为主导能源产业,国内外学者逐渐将目光集中于清洁能源产业发展的就业效应。

关于清洁能源与就业之间关系的研究,因研究的国家和衡量指标不同而有不同结论。部分研究认为清洁能源产业发展降低了失业率,提高了就业岗位数量。George&Oseni(2012)的研究结果显示大规模发展电力对降低尼日利亚的失业率具有积极作用;Bulavskaya&Reynès(2018)的研究发现,清洁能源产业在荷兰创造了数千个就业机会,并有效促进了经济增长;Khobai et al.(2020)利用南非的数据发现清洁能源投资在长期提高了就业水平,短期内对就业的影响较小。而Mu et al.(2018)实证结果表明,发展清洁能源对中国就业水平有积极作用,特别是风能和太阳能产业的规模扩张有创造就业的作用,但也指出,当前的研究倾向于分析清洁能源部门本身的直接就业变化以及价值链上的间接就业变化,因此描绘了拥有大量“绿色工作”的繁荣景象,正如何凌云等(2019)研究发现增加清洁能源投资提高了全国就业量与清洁能源行业就业量,但对传统能源行业的就业存在负向影响;赵领娣等(2013)以海洋能为例探讨了发展清洁能源是否会有“技术进步型失业”的现象,结果表明增加海洋能源产业的开发投入对其本身就业具有正向影响,并通过知识与技术关联对其他海洋能源相关行业具有溢出效应。但部分学者在研究中得出了其他不同的结论,例如认为提高清洁能源消费会导致欧盟和非洲的失业率上升 (Apergis&Salim,2015),或是认为清洁能源对就业或失业水平的影响很小 (Rivers,2013)。现有研究结论的不一致难以为我国提供可参考的证据,无法对我国清洁能源发展的就业效应做出合理的判断,且大部分研究着重讨论清洁能源产业发展对就业市场产生的线性影响,而关于二者之间可能存在的非线性关系研究尚有不足。

清洁能源作为一种新兴产业,其发展依赖于大量的资金投入与支持。对于我国而言,清洁能源由于其正外部性而在发展初期得到了较多的财政支持,学者认为产业发展的初期拥有财政补贴可以促进技术进步,但是当产业发展进入成熟期时,如果原有的补贴政策不经过调整则可能会发生“政策悖论”(刘兰剑和赵志华,2016)。目前我国清洁能源有关的补贴政策逐步退出或力度减弱,进一步实现清洁能源领域核心技术突破和生产效率提高的资金来源转变为金融系统。我国需要通过多种方式利用好金融市场,建设完善金融支持体系才能满足清洁能源企业发展的需求 (蒋先玲和段雅超,2016)。从金融发展影响清洁能源产业发展的机制研究来看,郑诗情和胡玉敏(2018)从金融效率、金融规模、金融结构和金融创新等维度实证发现金融发展对清洁能源产业具有促进作用。金融发展主要通过信贷投放来落实产业政策,金融机构的信贷业务对清洁能源的利用具有显著促进作用,有助于促进整体能源消费强度的降低 (穆献中等,2019;邢毅,2015)。关于清洁能源、金融发展和就业三者之间关系的研究较少,Barra&Ruggiero (2019)利用19个OECD 国家的数据研究表明,清洁能源产业确实能增加就业,但信贷限制是企业开设或创造新就业机会的主要障碍。Ibrahiem &Sameh (2020)用自回归分布滞后模型和向量误差修正模型考察了从1971年至2014年埃及的失业率、金融发展、人口和清洁能源之间的长期因果关系,发现清洁能源降低了失业率,金融发展减少了就业数量,但提高对清洁能源部门的信贷投资可以帮助提供就业机会。以往针对清洁能源产业发展的研究忽略了金融支持在其中发挥的重要作用,虽然有研究对三者之间的关系做了一些探讨,但忽视了地区间清洁能源产量差异对就业的影响,以及金融规模不同的情况下存在的门槛效应。

回顾现有研究来看,大多数文献考虑了清洁能源投资与消费对整体就业市场的影响,对清洁能源产量和就业结构的影响研究较少,更鲜有文献考虑其中的地区差异和金融规模差异的影响。关于清洁能源产业发展与就业的关系尚未得出一个统一的结论,除了与变量选择、研究国家和地区的差异有关,还与地区本身的清洁能源禀赋和金融发展规模有关。对于中国而言,发展清洁能源、降低煤炭消耗是实现绿色发展的必然选择,我国清洁能源资源禀赋的地区差异性较大,需要考虑清洁能源产量和地区金融发展的差异,来分析对就业规模存在的系数差异和非线性效应。本文首先探讨了清洁能源产业发展的总体就业效应和传统行业就业效应,以及不同清洁能源产量地区是否存在差异性就业效应。其次当环保压力不断加大,传统能源行业可能存在资金约束的情形下,清洁能源产业发展对劳动力市场的就业效应是否会因为地区金融发展规模的差异而存在不同的影响。最后进一步从我国东中西部地区的区域角度来看,这一影响是否会有显著差异,并分析了差异背后可能存在的原因。

本文其他部分安排如下:第三部分是基于机理分析的计量模型构建与指标选取;第四部分为实证结果和分析,其中重点考察了在我国不同清洁能源产量地区,清洁能源产业发展的异质性就业效应,以及在不同金融规模下,清洁能源产业发展对就业的影响;最后是本文的结论与建议。

三、机理分析与实证设计
(一)机理分析
西方古典经济学家开展了大量关于技术进步对就业影响的研究,清洁能源的快速发展得益于技术的进步,从而清洁能源产业的发展对劳动力就业也产生了双重影响,通常表现为就业创造效应和就业替代效应。第一重影响即就业创造效应,由上文可知,清洁能源部门的出现和发展,如风能、水能、太阳能等清洁能源部门,在创造出新兴产业部门的同时也创造了大量就业岗位,还带动了清洁能源关联产业的发展,进一步提高了社会就业的总体水平(Mu et al.,2018)。第二重影响主要表现在清洁能源产业发展对就业的替代效应。替代效应通常是由于清洁能源产业会在一定程度上导致传统能源行业的生产受限、能源消费结构改变或能源使用效率提高,进而改变行业对劳动力的需求。具体来说,清洁能源生产水平提高和技术创新的要求使得企业对高技术劳动力的需求增加,低技术劳动力需求减少,但现有低技术劳动力在短期内技能难以提升,面临失业风险(Marin&Vona,2019)。我国本身就存在就业结构性矛盾突出的问题,清洁能源发展可能会造成部分传统产业劳动力面临结构性失业的困境。目前清洁能源产业发展的就业创造效应在实践与理论层面基本得到学者的认同,即清洁能源产业的发展本身创造了相关就业岗位,带动了劳动力就业,而清洁能源发展对整体就业市场和传统能源行业就业规模的影响尚不确定,取决于“创造效应”和“替代效应”的大小,有待进一步研究。

清洁能源产业发展如何影响就业市场的规模变动与地区金融发展规模有一定联系。一方面,“金融约束论”认为政府通过一系列制度或产业政策能够使得金融发展直接促进清洁能源产业发展(徐枫和陈昭豪,2013);另一方面,金融发展能够通过资源配置影响微观层面企业的劳动力需求。具体来看,清洁能源产业发展具有环境正外部性,政府部门将其作为能源结构转型的重要举措给予了大量支持,但长期来看,清洁能源的生产和储存需要投入大量的固定资产和技术研发费用,国家发改委能源研究所指出,2015—2020 年,我国财政资金可以满足能源行业大约15%的资金需求,其余部分将主要依靠市场化手段。也就是说,清洁能源产业的发展仅靠财政补贴远远不足,金融机构的资金支持至关重要 (史丹和夏晓华,2013)。从理论上来说,金融通过发挥资本支持效应、资源分配效应、公司监督效应和创新驱动效应来支持产业发展 (He et al.,2019)。随着我国金融市场逐步扩大,绿色金融快速发展,金融机构对清洁能源产业的支持力度也稳步增长,激励企业在考虑成本收益的同时也积极优化能源生产或消费结构。我国金融系统通过构建绿色金融体系,不断提高对清洁能源产业的融资强度,并吸引社会投资者进入清洁能源领域,政府部门和金融系统颁布的 《绿色信贷指引》《绿色债券支持项目目录 (2021年版)》等政策文件强调了对节能、污染防治和清洁能源的支持,清洁能源产业因此更便于获得市场融资 (魏丽莉和杨颖,2020)。根据金融的资源配置功能,当前我国清洁能源产业在金融机构中获得绿色贷款,能够促进清洁能源类企业扩大生产规模,从而可能会提高劳动力需求。同时,受政府环境规制和环境风险影响,传统能源行业得到的资金支持会降低。在金融规模相对稳定的情况下,金融机构不断缩小对传统能源行业的授信敞口,企业此时可能会选择将现有资金用于购进新设备而不是增加劳动需求,因此在金融规模的影响下,清洁能源产业发展对就业规模可能存在替代效应。

不同地区之间金融发展的差异对实体经济,包括就业状况的影响存在异质性 (Neimke et al.,2003)。金融市场的成熟度、经济发展阶段与地区的金融规模紧密相关。我国金融市场发展不均衡、地区间金融规模不同,并且金融系统的绿色金融发展战略也有所差别,这在一定程度上决定了地区中产业获得贷款的难易程度,因此在不同地区清洁能源产业得到的金融支持力度存在差异。对于经济发达的地区,金融部门较早开始寻求改革创新,在国家产业政策和环保政策的规制下,对传统能源行业的信贷投放减少,生产规模缩小的同时也降低了相关行业的劳动力需求。反之,金融发展程度较低可能导致金融部门在地方政府的引导与压力下,会优先、重点支持传统能源行业的发展,尤其是当该地区的主导产业为传统能源行业时,金融部门对不同产业的支持力度有较大的不确定性。但随着金融发展规模的提高,金融支持实体经济的能力提升,金融部门对清洁能源产业的资金支持逐渐加强,清洁能源产业发展的就业效应可能会随之提高。因此清洁能源产业发展的就业效应可能受到不同金融规模的影响,推断清洁能源产业对就业规模的影响在不同金融发展规模下存在门槛效应。

综合以上分析,清洁能源产业发展对整体就业规模和传统能源行业就业规模存在一定的影响,清洁能源产业的就业效应由就业创造效应、替代效应和门槛效应共同构成,且影响效应的大小与清洁能源产量、金融支持、区域差异等因素有关,下文将根据机理分析做进一步的实证检验。

(二)实证设计
1.基准模型设定。

为考察清洁能源产业发展对劳动力就业的影响,本文针对时间跨度相对于截面数较小的面板数据,构建如式(1)～式(2)的回归模型,为缓解异方差,对相关变量取对数处理。

pagenumber_ebook=105,pagenumber_book=103
式中,ln emp i,t表示i 地区t 期的总体就业规模;ln cemp i,t表示i 地区t 期的传统能源行业就业规模;ln cleani,t表示各地区清洁能源产量;Zi,t表示控制变量组,包括其他可能影响就业的因素。Vi表示个体固定效应,μt 表示时间固定效应,εit表示随机误差项。

2.门槛效应模型。

为进一步研究金融规模的高低对核心变量间关系的影响,本文借助Hansen (1999)提出的面板门槛模型,即通过测算一个门槛值γi,以此形成分段区间,当门槛变量在大于γi 和小于γi 时,核心解释变量的回归系数若发生显著变化,则说明清洁能源发展对就业规模的影响并非简单的线性关系,而是非线性关系。根据门槛模型的原理,门槛变量既可以是回归模型中的解释变量,也可以是其他变量。双门槛回归模型如式 (3)～式 (4)所示。

pagenumber_ebook=105,pagenumber_book=103
式中,ln fsit为门槛变量,代表金融规模,γ1,γ2是待估计的门槛值,I(*)是表示性函数,即当满足括号内条件时为1,否则为0。如果选择合理的门槛变量,且门槛估计值通过显著性检验时,βi1,βi 2和βi3会有不同的数值,其他变量的解释同上。

3.变量说明。

关于总体就业规模的指标选取,部分研究使用失业率指标来衡量,但我国的失业率通常是指城镇登记失业率,与国外的失业率统计口径有较大差别,难以完全统计实际失业人数。本文借鉴张建刚等(2013)的研究,用省级城镇就业人数来衡量就业规模,并认为这种做法相对失业率指标更适合本文的研究。传统能源行业的就业规模,借鉴了何凌云等(2019)的做法,将采矿业、制造业和电力燃气三大行业城镇单位就业人数加总来衡量。需要说明的是,本文未对清洁能源行业就业规模进行实证检验,一方面是由于清洁能源行业的就业规模尚无系统、明确的统计,有学者采用清洁能源企业员工数量来衡量,但其仅关注了上市公司的就业人数,且忽视了清洁能源产业链的相关就业人员,会造成较大程度的就业规模低估;另一方面是清洁能源发展会对清洁能源产业有直接的就业创造作用,能够提升清洁能源相关行业的就业人数尚不存在争议。因此本文不对清洁能源产业的就业人数做实证分析,重点关注对整体就业规模的影响和对传统能源行业就业规模可能带来的冲击效应。

关于清洁能源指标,本文对清洁能源的划分范围依据《中华人民共和国能源法》和《能源发展战略行动计划 (2014—2020 年)》,将水电、核能、风能、生物质能、太阳能、地热能和海洋能界定为清洁能源。现有文献研究了清洁能源消费、投资所产生的经济或环境效益 (李荣杰等,2016),但考虑到清洁能源生产后的消纳问题,采用清洁能源消费量衡量可能会低估清洁能源产业的发展程度,因此本文用清洁能源产量来衡量清洁能源产业的发展,衡量指标借鉴徐斌等(2019)的做法,利用各省份统计年鉴给出的本地区历年能源生产总量以及一次电力(水电)和其他能源(核能、风能、地热能等清洁能源)占能源生产总量的比重数据,用各省份历年能源总产量乘以清洁能源所占比重来衡量清洁能源产量。

关于金融规模指标,学者使用的衡量方式较多,如金融机构贷款余额占GDP 比重、M2 占GDP比重、社会融资规模等,其中社会融资规模是实体经济从金融体系获得的整体融资。由于我国金融发展经历了从银行绝对主导型的金融结构到间接融资和直接融资共同发展的结构转变,随着债券市场、股票市场的迅速发展,我国金融规模的衡量更适宜用社会融资规模的指标来衡量 (盛松成,2012;熊礼慧等,2020)。

为控制其他因素对就业规模的影响,根据现有研究,本文选取经济发展水平、工资水平、技术进步、人力资本水平、外商直接投资水平、人口规模等作为控制变量。学者普遍认为一国经济发展水平对就业具有显著影响,经济发展水平用人均GDP来表征;技术进步对就业同样存在替代效应和补偿效应的影响,本文采用大型工业企业的研发经费支出占生产总值的比重来衡量 (朱轶和熊思敏,2009);人力资本水平采用每十万人口高等教育平均在校生人数衡量;外商直接投资水平 (FDI)用外商直接投资额与生产总值的比值表示。地区平均工资水平提高可以吸引劳动力流入,但用工成本提高企业的雇用人数将可能下降,从而影响当地的就业规模,用城镇单位就业人员平均工资来表示。人口规模采用省级常住人口数来衡量。经济发展水平、金融发展规模、工资水平等变量的测算先剔除了价格因素,利用平减指数调整为以2008年为基期。

4.数据说明。

本文以2008—2019年中国30个省(区)市的数据为研究对象,由于部分变量数据缺失,剔除了港澳台和西藏的数据。研究样本为包括12年30个截面,共有360个观测点的面板数据。各省 (区)市就业规模、经济发展水平、工资水平、清洁能源生产量等数据来自各省份的年度统计年鉴。部分省(区)市统计年鉴中清洁能源数据不完整,本文使用《中国能源统计年鉴》中各省(区)市水电、核能、风力和太阳能等清洁能源发电量数据换算出的清洁能源产量来弥补。社会融资规模的数据来自中国人民银行网站。表1给出了各个变量的描述性统计,实证分析中处理了个别变量存在的离群值问题。

表1 变量的描述性统计

pagenumber_ebook=106,pagenumber_book=104
四、实证结果与分析
(一)模型检验
回归分析前为了避免产生伪回归,先对面板数据进行平稳性检验,本文利用LLC 检验和ADFFisher方法检验数据是否存在单位根,检验结果基本上都显著拒绝了原假设,因此模型不存在单位根。然后通过面板协整检验来确定变量之间是否存在长期均衡,利用Kao检验、Westerlund检验、Pedroni检验发现结果均显著拒绝原假设,表明变量清洁能源产业发展和就业规模之间存在长期均衡的关系。以上检验说明研究面板数据具备平稳性,提高了回归结果的可靠性,检验结果如表2和表3所示。同时通过White检验和BP检验发现数据存在异方差,本文利用加权最小二乘法(WLS)对数据进行了修正。

表2 面板单位根检验结果

pagenumber_ebook=107,pagenumber_book=105
说明:括号内为相应统计量的p 值。

表3 面板协整检验结果

pagenumber_ebook=107,pagenumber_book=105
说明:括号内为相应统计量的p 值。

(二)清洁能源产业发展影响就业规模的初步估计结果
在面板数据通过相关检验的情况下,对式(1)～式(2)进行初步回归,模型中加入了地区和时间固定效应,以降低遗漏变量对回归结果的可能影响。同时,如上文所述,我国清洁能源资源和产量有较为明显的区域差异,为区分在不同清洁能源资源禀赋的地区,清洁能源产业发展对就业规模是否存在异质性影响,本文根据我国清洁能源资源分布情况和各省份的实际产量,将样本中的30个省份划分为清洁能源产量高的地区和清洁能源产量低的地区两个面板分别进行检验。其中清洁能源产量高的省份包括云南、广东、广西、四川、福建、贵州、湖南、湖北、青海、甘肃、内蒙古、新疆12个省份,其余18个省份为清洁能源产量低地区。

从表4的回归结果来看,在全国范围内,清洁能源产业发展的系数为正,在1%水平下显著,说明清洁能源产业发展总体上对我国就业规模产生了正向影响,从回归系数得知这种影响效应较小,研究结果与Khobai et al.(2020)的研究基本一致。经济发展水平和就业规模之间存在正向关系,在1%水平下显著。规模以上企业研发投入增加和地区人力资本水平提高对总体就业规模具有正向影响,研发投入的增加能够有效促进创新能力提高和技术进步,从而在开发新产品和创造新的就业岗位方面做出了贡献,我国受高等教育人数的提升也有效改善了就业问题。工资水平的回归结果在5%水平下显著为负,推断是由于工资水平的上升使得企业用工成本上升,企业会适当降低雇用人数,对就业规模具有一定负向影响。人口规模对就业规模的影响也显著为正,人口规模的提高直接影响劳动力人数,从而提高了整体就业规模,外商直接投资水平的提高对整体就业规模有正向影响,但结果不显著。

从表4列(2)回归结果来看,清洁能源产业发展对传统能源行业的就业规模产生了一定的冲击效应,回归系数在1%水平下显著。经济发展水平的提升对传统能源行业就业规模的影响很小,且不显著,这可能印证了以往学者认为的中国高经济增长未带来高就业问题(尹碧波,2011),并且主要表现在投资力度与政策支持力度较大的传统能源行业。规模以上企业研发投入和工资水平对传统能源行业就业人数有显著的负向影响,这可能与传统能源行业企业将更多资金用于设备引进和技术研发有关,且用工成本的提高使得行业内企业更倾向于资本密集型发展模式。其他变量对传统能源行业的就业规模无显著影响。

表4 清洁能源产业发展影响就业规模的初步估计结果

pagenumber_ebook=108,pagenumber_book=106
注:***,**,*分别表示1%,5%,10%显著性水平,括号内为t统计值。

根据清洁能源产量的高低差异分地区来看,从表4列(3)、列(5)可以看出,无论是清洁能源产量高的地区,还是清洁能源产量低的地区,清洁能源产业发展对总体就业规模的影响与全国面板数据的实证结果一致,均为存在正向影响。而从表4列(4)、列(6)可以看出,对传统能源行业就业规模的负向冲击作用主要是在清洁能源产量较高的地区,清洁能源产量低的地区随着清洁能源产业发展,传统能源行业的就业规模有小幅度的提升,这可能是由于清洁能源产业发展所需的设备与零部件更多出自该地区,反而带动了当地传统能源行业的就业规模,且该地区由于清洁能源产业发展程度较低,对传统能源行业的就业尚未产生足够的负向冲击。从结果可以看出以上回归系数均在1%水平下显著,与本文预期结果一致,清洁能源生产产量高的地区虽然对传统能源行业的就业有替代效应,但仍然带动了整体的就业规模。从其他控制变量来看,在清洁能源产量高的地区,经济发展水平对整体就业规模存在负向影响,推测是由于清洁能源产量高的地区,随着经济发展程度的提高,劳动力更倾向于流向更发达的地区就业。研发水平、人力资本水平、工资水平、人口规模均对整体就业规模有正向影响,而外商投资水平对整体就业规模的影响仍不显著。影响传统能源行业就业规模的因素主要是研发投入、人口规模、外商直接投资等因素。在清洁能源产量低的地区,经济发展水平和人口规模对整体就业规模的影响为正,经济发展水平、研发投入、人口规模对传统能源行业就业规模影响显著为正。

(三)门槛效应模型检验结果
通过上文分析可知,清洁能源产业发展对就业规模的影响在清洁能源产业发展程度不同的地区存在区别。清洁能源产量较高的地区,大部分省(区)市的经济发展水平较低、高新技术创新较少,产业结构仍然以采矿业、制造业为主,产业转型较慢,更为突出的特点是金融市场发展较为单一、金融市场业务主要以银行信贷为主,清洁能源产量较低的省(区)市大多是我国经济发达、金融规模大、金融产品丰富的地区。在传统产业转型升级、产业结构加速优化、绿色金融快速发展的情况下,不同地区金融规模的差异可能会对清洁能源产业的就业效应有不同的影响,因此推测清洁能源产业与就业规模之间的关系可能存在非线性关系。本文借助Hansen (1999)提出的面板门槛模型,将金融发展规模指标作为门槛变量,使用省级面板数据对式(3)～式(4)进行估计。本文根据机理分析部分重点检验在以金融规模为门槛变量的前提下,不同的门槛值会如何影响二者之间的关系。

使用门槛模型之前首先进行门槛检验,表5报告了以金融规模为门槛变量的门槛检验结果与相应的门槛值,结果显示均通过了单门槛和双门槛模型显著性检验,根据由复杂到简单的原则,主要对双门槛效应模型进行分析。金融规模影响清洁能源对整体就业规模的门槛值分别是8.859和9.088,对于传统能源行业就业规模的门槛值是6.944和9.398。在此基础上本文以金融规模为门槛变量构建了双门槛模型,实证检验在不同金融规模水平下,清洁能源产业发展的就业效应可能存在的门槛效应。如果检验结果表明在相应门槛变量的门槛值前后,清洁能源产业的回归系数发生显著变化,说明清洁能源产业随门槛变量的变化,对就业规模的影响也发生变化。

表5 面板门槛变量似然比检验结果

pagenumber_ebook=109,pagenumber_book=107
注:F 值和相关临界值均为采用自举法抽样300次所得结果,***表示在1%的显著性水平。

本文根据门槛值对相应的样本进行划分,估计不同金融规模区间内清洁能源产业的就业效应。表6报告了面板门槛系数的估计结果,根据估计结果可以看出,当金融规模小于8.859时,回归系数为0.016 4,在10%水平下显著。当金融规模大于8.859小于9.088时,金融规模对就业规模的影响系数提高为0.040 8,在1%水平下显著,表示随着金融规模的扩大,清洁能源产业发展对总体就业规模的正向效应提高,结果显著性也提升。当金融规模大于9.088时,系数降为0.015 0,但此时的门槛效应不再显著。在第一阶段金融规模相对不高时,金融支持实体经济作用较弱,对劳动力就业规模存在带动作用,但带动作用相对有限,推测主要是由于清洁能源产业属于资本密集产业,对传统劳动力需求相对较低,国家各项环保政策的推出,也提高了对高技能劳动力的需求,从而造成一部分劳动力的技能型失业和阶段性失业,对整体就业规模的提高作用有一定阻碍。当金融规模发展到第二阶段,代表着此时金融市场相对成熟,金融对实体经济支持力度更强,对整体就业规模的提升作用显著增强。此时清洁能源产业的规模得到有效扩张,对劳动力的吸纳作用和培训能力提升,较大程度上促进了总体就业规模的提高。而随着金融规模的进一步扩大,金融市场更注重改革创新,尤其是在气候融资和绿色金融方面的支持力度进一步增强,清洁能源产业和传统能源行业基本上实现协调稳定的发展态势,此时金融规模在影响清洁能源产业的总就业效应时不再显著。从检验结果可以判断,我国金融规模的发展程度主要分布在第一阶段与第二阶段。需要说明的是,本文使用了清洁能源生产量的数据,而我国的清洁能源近年来存在区域产量不均衡、清洁能源消纳能力不足的问题,从而数据上较高的清洁能源产量可能并未带动相应规模的就业,因此认为本文的总就业规模系数偏高。

表6 清洁能源发展影响就业规模的门槛效应

pagenumber_ebook=110,pagenumber_book=108
注:***,**,*分别表示在1%,5%,10%显著性水平下显著;括号内值为t统计值。

针对传统能源行业就业规模的研究发现,当金融发展规模小于6.944时,回归系数在1%水平下显著为负。当金融规模大于6.944小于9.398时,金融发展规模对传统能源行业就业规模的影响依然显著为负,但影响有所降低。表示该阶段随着金融规模水平的提高,清洁能源产业发展对传统能源行业的就业人数起到了一定的冲击作用,并且这种冲击作用有所降低。可能是由于金融规模不强时,社会融资成本较高,传统能源行业又受到战略性新兴产业的影响,发展动力不足导致了就业规模的下降。在金融规模提升后,金融市场对于传统能源行业转型升级所需资金的支持能力提升,缓解了一部分劳动力失业。当金融发展规模高于9.398时,清洁能源产业发展对传统能源行业就业规模的负向影响变得很小,仅为0.001 6。说明这一阶段我国金融市场更加成熟,在引进先进技术、更新生产设备的基础上,相关企业扩大生产规模进而较大程度上缓解了对传统能源行业就业的冲击。以上分析表明,清洁能源产业发展对整体就业规模和传统能源行业的就业规模影响在不同的金融发展水平下,均存在非线性关系,该结论在一定程度上丰富了关于清洁能源产业发展的就业效应研究。

(四)进一步研究
我国清洁能源资源分布具有显著的地区差异,呈现明显的“西高东低”特征。根据《中国能源统计年鉴》数据,我国西部地区清洁能源平均产量明显大于中东部地区,1997—2016 年,西部地区清洁能源年均产量为308.83亿千瓦时,中、东部地区年均清洁能源产量则分别为209.84亿千瓦时和140.63亿千瓦时。同时西部地区的金融市场发展程度较低,金融规模总量与质量都有待提高,导致清洁能源产业在技术研发、高精尖设备引进等方面存在一定的资金约束问题。而金融发展程度较高的东、中部地区,清洁能源资源相对来说量少单一。为进一步研究区域异质性对清洁能源产业与就业规模之间关系的影响,本文采用分组比较方法,根据东中西部地区分类,实证分析我国不同区域内清洁能源产业发展的就业效应。①本文数据未包括我国西藏和港、澳、台地区,东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省(市);中部地区有8个省级行政区,分别是山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南;西部地区包括的省级行政区共11个,分别是四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古。

从表7分组检验的结果可以看出,清洁能源产业发展对就业规模的影响在东中西部地区的影响有所差异。东部地区对总体就业规模的影响系数为正,对传统能源行业就业规模影响为负,这可以说明东部地区清洁能源产业的发展,对就业市场的创造效应超过了替代效应。在经济发达、金融市场相对成熟的东部地区,清洁能源能带动总体的就业规模,由于其在能源使用方面拥有更多技术优势,对劳动力的技能要求也更高,因此在总体就业规模提升的同时,传统能源行业就业规模降低。对于中部地区来说,清洁能源产业发展对整体就业规模和传统能源行业就业规模均有负向影响,说明中部地区清洁能源产业发展的就业替代效应大于就业创造效应。推测是由于中部地区是传统能源行业的根据地,清洁能源产业发展对传统能源行业就业规模影响较大,导致对总体就业规模也产生了冲击作用。西部地区清洁能源产业发展带动就业规模增加,这与西部地区的清洁能源资源禀赋有关,西部地区的地理环境决定其拥有丰富的风能、太阳能、生物质能、地热能等清洁能源,国家新时期西部大开发等系列政策要求加快西部地区清洁能源基地建设以及基础设施配套建设,西部自身的发展优势以及国家政策的推动,使得清洁能源产业得到了更多政府、金融机构的财政补贴与信贷投入,清洁能源生产技术与运输能力提高,加速了清洁能源产业的发展,从而带动了当地就业。但由于西部地区的生态屏障地位和有限的金融资源,发展清洁能源会对传统能源行业就业规模造成负向影响。总的来说,清洁能源在不同区域内具有不同就业效应的原因,与地区的资源禀赋和国家发展战略有密切关联。

表7 分组样本的估计结果

pagenumber_ebook=111,pagenumber_book=109
注:***,**,*分别表示在1%,5%,10%显著性水平下显著;括号内为t统计值。

五、结论与政策建议
本文通过理论分析清洁能源产业、金融规模与就业规模之间的关系,探析变量之间的作用机理,得到需要进一步实证检验的问题。在此基础上构建面板固定效应模型和面板门槛模型,进行分组回归。研究结果表明:我国清洁能源产业发展与总体就业规模之间呈正向关系,与传统能源行业就业规模之间呈负向关系;无论是在清洁能源产量高的地区,还是清洁能源产量低的地区,对总体就业规模均有促进作用,但是在清洁能源产量高的地区对传统能源行业就业规模具有负向冲击作用,在清洁能源产业低的地区反而存在就业规模提升作用。当金融规模作为门槛变量时,清洁能源产业发展对总体就业规模和传统能源行业就业规模存在门槛效应,随着金融规模的提高,对总体就业规模的促进作用显著提高,对传统能源行业就业规模的冲击作用显著下降;从我国东中西部的区域发展来看,区域异质性对清洁能源发展与就业规模之间的关系也存在差异,主要表现在清洁能源产业发展对东西部地区的总体就业规模为正向作用,在中部地区表现为负向作用。

当前我国碳减排任务艰巨,环境和气候风险压力不断增大,发展清洁能源成为实现碳中和目标的重要措施,而经济结构转型、能源结构改革都将不同程度地引起部分劳动力的就业困难问题,在绿色金融快速发展的背景下,要充分利用清洁能源和金融支持有效解决以上矛盾,基于本文的研究结论,从清洁能源产业发展、金融支持方面提出如下的政策建议。

第一,政府部门加快完善政策激励机制,各级政府结合地区减污降碳任务,出台绿色金融支持清洁能源发展的规章制度以及各主体的奖惩细则,利用市场化手段促进清洁能源产业的发展,同时提高风能、水能等清洁能源在工业生产和家庭消费中应用能力。要着力提高清洁能源产业链上相关就业岗位的数量,吸纳更多劳动力;密切关注能源生产和消费结构的优化对就业市场产生的影响,加强对低技能劳动力的培训,培养劳动力在离开传统能源行业后从事其他低碳行业的技能;提升地区人力资本水平,在劳动力供给方面满足清洁能源领域的高技能劳动力需求,防止清洁能源产业发展对传统能源行业就业产生过高的“替代效应”。

第二,金融系统要加快绿色金融的发展和实践,进一步提高金融机构在投资和信贷业务中的环境保护意识,使用多样化的绿色金融工具加大对清洁能源领域的投资,创新绿色能源产品,构建绿色环保和风险可控的清洁能源产业投融资体系。同时金融监管机构通过货币政策和优惠措施引导和激励更多社会资本投入传统能源行业的绿色化改造升级项目,促使传统能源行业实现低碳化发展,保障劳动力就业。积极通过绿色金融、气候金融和供应链金融等措施,全产业链支持清洁能源发展,加强对清洁能源领域的资金支持,尤其重点支持清洁能源领域的技术研发投入,突破清洁能源大范围应用的技术瓶颈,加快实现我国能源结构优化转型。

第三,因地制宜制定清洁能源政策和绿色金融发展政策,结合地区资源禀赋优势和产业结构特点,制定稳定高效的清洁能源发展规划,实施符合地方发展的金融和产业政策,使能源政策、产业政策和人才政策相配套,提高地区就业水平与经济发展质量。西部地区可通过人才引进、技术共享等方式增强清洁能源的生产、储存和消纳能力,促进其他高耗能产业转型升级,提升清洁能源在区域产业中的地位。东中部地区在依托优势发展海洋能、太阳能等优势能源的同时,提高清洁能源消费比例,通过东西部的优势互补,实现我国经济绿色转型与高质量发展。

参考文献

曹玉书、尤卓雅,2010:《环境保护、能源替代和经济增长——国内外理论研究综述》,《经济理论与经济管理》第6期。

何凌云、杨晓蕾、钟章奇、祝婧然,2019:《我国可再生能源投资的就业效应研究:整体和行业视角》,《中南大学学报(社会科学版)》第3期。

蒋先玲、段雅超,2016:《基于生命周期理论的新能源企业金融支持体系研究》,《现代管理科学》第10期。

李荣杰、张磊、赵领娣,2016:《中国清洁能源使用、要素配置结构与碳生产率增长——基于引入能源和人力资本的生产函数》,《资源科学》第4期。

林伯强,2018:《能源革命促进中国清洁低碳发展的“攻关期”和“窗口期”》,《中国工业经济》第6期。

刘兰剑、赵志华,2016:《财政补贴退出后的多主体创新网络运行机制仿真:以新能源汽车为例》,《科研管理》第8期。

陆旸,2011:《中国的绿色政策与就业:存在双重红利吗?》,《经济研究》第7期。

穆献中、孔丽、余漱石,2019:《城市清洁能源消费、能源强度与金融信贷关系研究——基于北京市的经验数据》,《生态经济》第8期。

盛松成,2012:《社会融资规模与货币政策传导》,《金融研究》,第10期。

史丹、夏晓华,2013:《新能源产业融资问题研究》,《经济研究参考》,第7期。

王帅,2020:《中国能源使用绿色化、碳排放与经济增长的关系研究》,《软科学》第10期。

魏丽莉、杨颖,2020:《中国绿色金融政策的演进逻辑与环境效应研究》,《西北师大学报 (社会科学版)》第4期。

吴清华、周晓时、朱兰,2020:《工业机器人对就业的异质性影响——基于发展阶段与行业的分析》,《中国科技论坛》第4期。

邢毅,2015:《经济增长、能源消费和信贷投放的动态关系研究——基于碳排放强度分组的省级面板实证分析》,《金融研究》第12期。

熊礼慧、王艳丽、朱新蓉、王可,2020:《我国货币政策传导效应的时变特征研究——基于社会融资规模的TVP-VAR模型检验》,《上海经济研究》,第9期。

徐斌、陈宇芳、沈小波,2019:《清洁能源发展、二氧化碳减排与区域经济增长》,《经济研究》第7期。

徐枫、陈昭豪,2013:《金融支持新能源产业发展的实证研究》,《宏观经济研究》第8期。

尹碧波,2011:《中国经济的高增长与低就业——货币有效就业假说与经验检验》,《经济学家》第5期。

张建刚、康宏、康艳梅,2013:《就业创造还是就业替代——OFDI对中国就业影响的区域差异研究》,《中国人口·资源与环境》第1期。

赵领娣、郝亚如、李荣杰,2013:《技术溢出视角下新能源开发的就业效应分析——以中国海洋能为例》,《资源科学》第2期。

郑诗情、胡玉敏,2018:《中国新能源产业与金融发展关系的实证研究》,《山西财经大学学报》,第S2期。

朱轶、熊思敏,2009:《技术进步、产业结构变动对我国就业效应的经验研究》,《数量经济技术经济研究》第5期。

Apergis,N.,and R.Salim,2015,“Renewable Energy Consumption and Unemployment:Evidence from A Smple of 80 Countries and Nonlinear Estimates”,Applied Economics,47 (52):5614-5633.

Barra,C.,and N.Ruggiero,2019,“Are Green Energies Employment Friendly? Empirical Evidence for Some OECD Countries over the 1985-2013 Period”,Sustainability,11 (14):1-17.

Bulavskaya,T.,and F.Reynès,2018,“Job Creation and Economic Impact of Renewable Energy in the Netherlands”,Renewable Energy,119 (6):528-538.

George,E.O.,and J.E.Oseni,2012,“The Relationship between Electricity Power and Unemployment Rates in Nigeria”,Australian Journal of Business and Management Research,2 (2):10-19.

Hansen,B.E.,1999,“Threshold Effects in Non-dynamic Panels:Estimation,Testing,and Inference”,Journal of Econometrics,93 (2):345-368.

He,L.,R.Liu,Z.Zhong,D.Wang,and Y.Xia,2019,“Can Green Financial Development Promote Renewable Energy Investment Efficiency? A Consideration of Bank Credit”,Renewable Energy,143 (12):974-984.

Ibrahiem,D.M.,and R.Sameh,2020,“How Do Clean Energy Sources and Financial Development Affect Unemployment?Empirical Evidence from Egypt”,Environmental Science and Pollution Research,27 (18):22770-22779.

Khobai,H.,N.Kolisi,C.Moyo,I.Anyikwa,and S.Dingela,2020,“Renewable Energy Consumption and Unemployment in South Africa”.International Journal of Energy Economics Policy,10 (2):170-178.

Marin,G.,and F.Vona,2019,“Climate Policies and Skill-biased Employment Dynamics:Evidence from EU Countries”,Journal of Environmental Economics and Management,98 (6):1-18.

Mu,Y.,W.Cai,S.Evans,C.Wang and D.Roland-Holst,2018,“Employment Impacts of Renewable Energy Policies in China:A Decomposition Analysis Based on A CGE Modeling Framework”,Applied Energy,210 (2):256-267.

Neimke,M.,C.Eppendorfer and R.Beckmann,2003,Deepening European Financial Integration:Theoretical Considerations and Empirical Evaluation of Growth and Employment Benefits,in The Incomplete European Market for Financial Services,edited by P.Cecchini,F.Heinemann and M.Jopp,Heidelberg:Physica.

Rivers,N.,2013,“Renewable Energy and Unemployment:A General Equilibrium Analysis”,Resource and Energy Economics,35 (4):467-485.

THE THRESHOLD EFFECT OF CLEAN ENERGY DEVELOPMENT ON EMPLOYMENT
——Based on the Perspective of Financial Scale

WEI Li-li YANG Ying

(Institute of Green Finance,School of Economics,Lanzhou University)

Abstract:Based on the 2008-2019 provincial panel data,this paper examines the employment effect of the development of the clean energy industry,and uses the panel threshold model to analyze the financial scale threshold effect of the development of clean energy industry on labor employment.Empirical research shows that:clean energy development promotes the overall employment scale,has a negative effect on the employment scale of the traditional energy industry,and has heterogeneity in the employment impact in different clean energy production regions;when financial scale is used as the threshold variable,it is found that the increase in financial scale has promoted the development of the clean energy industry and has significantly increased the overall employment scale,and the impact on the employment scale of the traditional energy industry has decreased;from a regional perspective,the impact of clean energy development on labor employment differs across regions.The difference is reflected in the fact that the development of clean energy has a positive effect on the overall employment scale in the eastern and western regions,while it has a negative effect in the central region.Based on this,policy recommendations are made from improving policy incentive mechanisms,increasing support from the financial sector,and local governments implementing policies in accordance with local conditions,so as to give full play to the role of clean energy industry development in job creation and energy structure optimization.

Key words:clean energy;financial scale;labor employment;panel threshold model

* 魏丽莉 (通讯作者),兰州大学绿色金融研究院,兰州大学经济学院,邮政编码:730000,电子信箱:weill@lzu.edu.cn;杨颖,兰州大学经济学院。感谢匿名评审人提出的修改意见,笔者已做了相应的修改,本文文责自负。

(责任编辑:杨万东)