內外資對中國碳排放影響的比較

曹翔　余升國　劉洪鐸

摘要：國內外學者大多忽略內資而單獨研究外資對碳排放的影響，本文基于碳排放核算公式和柯布—道格拉斯生產函數，從資本、勞動異質性角度將資本投入、勞動投入、技術進步按內外資企業(yè)分類構建了理論模型，然后基于2002—2014年中國30個省級行政區(qū)的相關數據采用經典的Morans I指數、局域LISA集群示意圖進行了全局和局域空間相關性檢驗；最后構建空間面板模型比較分析了內外資企業(yè)資本投入、勞動投入、技術進步對中國碳排放的影響。結果表明：①中國各省區(qū)碳排放存在不可忽視的正向空間自相關性；②內外資企業(yè)的資本投入、勞動投入、技術水平的提高均會增加碳排放，其中技術進步因可能的回彈效應而對中國各省區(qū)碳排放帶來正向影響；③與外資相比，同等幅度的資本投入和技術進步下內資企業(yè)帶來的碳排放更多，而等量勞動投入下內資企業(yè)帶來的碳排放更少；④內外資企業(yè)資本投入對碳排放的影響程度及其差異均為最大，而勞動投入和技術進步則相對較小。從“兩害取其輕”這一相對意義上來看：與外資企業(yè)相比，內資企業(yè)才是2002—2014年中國碳排放增長的更大推手。由此認為：首先，中國各省級行政區(qū)應當以“聯(lián)防聯(lián)控”的治理思維來抑制碳排放增長，而不是“各自為政”的思維；其次，制定節(jié)能減排政策時應該更加重視回彈效應；最后，制定節(jié)能減排政策時應該以“共同而有區(qū)別的責任”態(tài)度來對待內外資企業(yè)，避免“一刀切”。

關鍵詞 ：外資；內資；碳排放；空間計量模型

中圖分類號：X196 文獻標識碼： A 文章編號： 1002-2104（2016）12-0070-07

根據聯(lián)合國貿發(fā)會議統(tǒng)計數據，中國已連續(xù)23年成為吸收外資最多的發(fā)展中國家，并且大部分來自發(fā)達國家地區(qū)。一方面，國內外學術界普遍認為這些號稱“萬金油”的外資不僅在一定程度上彌補了中國的資金缺口，而且通過技術溢出等方式極大地帶動了中國的經濟增長。另一方面，在面對時下較為熱門的低碳經濟這一話題時，外資也不可避免地成為了“眾矢之的”。自Grossman等[1]開創(chuàng)性地提出貿易與環(huán)境污染的分解效應模型以來，國內外大多數研究不約而同地把外資、經濟增長與環(huán)境污染聯(lián)系起來。由于研究角度、研究對象、指標選擇以及計量檢驗方法的不同，學者們關于外資與環(huán)境污染的關系存在諸多爭論。其一，以Cole等[2]、Baek等[3]、Pao等[4]為代表的學者認為外資惡化東道國的環(huán)境。其二，以Letchumanan等[5]、Eskeland等[6]、Liang[7]、Kirkulak等[8]、Atici[9]為代表的認為外資改善了東道國的環(huán)境。其三，也有一部分研究認為外資對環(huán)境存在雙向作用，兩者的大小決定外資環(huán)境總效應的方向。例如，Hassaballa[10]利用格蘭杰因果關系檢驗法分析了外資與污染排放之間的關系，結果發(fā)現外資與環(huán)境污染的關系錯綜復雜，其爭議性的觀點仍需進一步探討。與此同時，國內很多學者紛紛借鑒國外文獻的研究方法，利用中國數據研究了外資與環(huán)境污染的關系。例如，聶飛和劉海云[11]通過構建動態(tài)聯(lián)立方程模型并利用中國2003—2011年城市層面數據，發(fā)現外資進入會在一定程度上改善當地環(huán)境污染；姚奕和倪勤[12]、許和連和鄧玉萍[13]利用空間面板模型發(fā)現外資有利于改善中國的環(huán)境污染。

然而，這些研究都是拋開內資而僅僅研究外資對環(huán)境污染的影響，即從絕對意義上來分析外資的環(huán)境效應。眾所周知，內資才是中國主要的資本來源，并與外資共同影響著環(huán)境污染物的排放。因此，認為從相對意義上來分析外資的環(huán)境效應可以得到更加客觀的研究結論。令人遺憾的是，僅有極少數文獻從相對意義上實證分析了外資與內資對環(huán)境污染的影響，并且存在諸多缺陷。例如，沙文兵等[14]以外資、內資這兩個變量作為解釋變量來實證檢驗兩者對環(huán)境污染的影響差異，王奇等[15]則僅僅將Grossman等[1]的分解效應模型中的規(guī)模效應按內外資企業(yè)分類來比較分析內外資的環(huán)境效應。顯然，這兩篇文獻都分析得不夠全面。張成[16]、曹翔和余升國[17]則進一步將規(guī)模效應、結構效應和技術效應按內外資企業(yè)進行分解，從而較為全面地比較分析了內外資的環(huán)境效應。然而，這些文獻都忽略了空間效應而可能帶來估計偏誤，并且這一點已經得到了諸多空間經濟學家的證明。例如，Rupasingha[18]等運用空間計量分析研究美國人均收入與大氣污染之間的關系時，發(fā)現空間效應的引入大大提升了模型估計結果的準確度；Mirshojaeian等[19]也證實了國家之間的環(huán)境污染確實存在著空間溢出效應。

綜上所述，國內外關于外資與環(huán)境污染的研究至少存在以下兩個不足之處：一方面，大多忽視了內資對環(huán)境的作用而不利于客觀評價外資的環(huán)境效應；另一方面，比較分析內外資環(huán)境效應的已有文獻因忽略了空間效應而可能帶來估計偏誤。為此，本文基于碳排放的核算公式和柯布—道格拉斯生產函數，從資本、勞動異質性角度構建理論模型，然后利用2002—2014年中國除西藏、港澳臺之外的30個省級行政區(qū)的相關數據，通過構建空間面板模型從相對意義的角度來比較分析內外資對中國碳排放的影響，以期客觀地評價外資的環(huán)境效應。

1 理論模型構建

以往文獻普遍把資本、勞動這兩大投入要素視為同質。直到最近二十多年，經濟學家才開始真正重視生產要素的異質性。Denison[20]在《美國經濟增長因素和我們面臨的選擇》一書中充分肯定了資本異質性和勞動異質性的存在。舒爾茨[21]通過對農業(yè)企業(yè)的勞動投入進行詳細分類和比較也肯定了勞動異質性的存在。馬曉科[22]

首先采用技術研發(fā)指標、技術創(chuàng)新效率指標和修正“特定要素模

型”發(fā)現技術壟斷、市場壟斷、規(guī)模經濟成本壟斷優(yōu)勢等導

致了中國內外資企業(yè)存在資本異質性；然后利用內外資企

業(yè)勞動力質量指標和構建囊括“跨國公司外購”和“部門

偏向型技術進步”的理論模型，

發(fā)現外資企業(yè)比內資企業(yè)擁有更多的高水平勞動力和更高的平均生產能力，即中國內外資企業(yè)的勞動力之間也同樣存在異質性。由此，基于碳排放的核算公式和柯布—道格拉斯生產函數，從資本、勞動異質性角度構建了理論模型，具體如下。

首先，借鑒馬曉科[22]的思路把內外資企業(yè)的資本投入、勞動投入納入到柯布—道格拉斯生產函數，然后進一步地將技術進步也按內外資企業(yè)分解，從而得到：

2 空間自相關與空間計量模型構建

傳統(tǒng)的計量模型僅僅考慮了時間、截面兩個維度的相關性，而且依賴于獨立觀測值假定。然而在現實世界中，獨立觀測值在現實生活中并不是普遍存在的，即空間相關性普遍存在[24]。

Anselin[25]則進一步指出：“對于具有地理空間屬性的一切數據而言（包括經濟屬性數據），一般認為離的近的變量之間比在空間上離的遠的變量之間具有更加密切的關系”。

為此，本文首先進行探索性空間數據分析來檢驗中國各省區(qū)碳排放之間是否存在不可忽視的空間效應，即采用經典的Morans I指數、局域LISA集群示意圖來進行全局、局域空間相關性檢驗；然后在確定存在空間相關性的情形下構建相應的空間計量模型。

2.1 中國省區(qū)碳排放的全局空間自相關分析

Morans I指數可以反映樣本觀測值與其空間滯后值之間的相關系數，其取值范圍為（-1，1）。當取值在（-1，0）之間，表明樣本觀測值與其空間滯后值呈負相關關系，反之則呈正相關關系。其絕對值越接近于0則相關性越弱，越接近于1則相關性越強。圖1、圖2分別為2002年、2014年中國碳排放量的全局Morans I指數散點圖。在全局Morans I指數散點圖中，所有省級行政區(qū)（以下簡稱省區(qū)）碳排放的集群情況被分為4個象限：第一象限表示高碳省區(qū)被其他高碳省份包圍（即HH集聚）；第二象限表示低碳省區(qū)被其他高碳省份包圍（即LH集聚）；第三象限表示低碳省區(qū)被其他低碳省份包圍（即LL集聚）；第四象限表示高碳省區(qū)被其他低碳省份包圍（即HL集聚）。此外，第一象限、第三象限表現為正向的空間相關性，而第二象限、第四象限表現為負向的空間相關性。

從散點的分布情況來看，2002年位于第一、二、三、四象限的省區(qū)數分別為8、8、10、4；2014年位于第一、二、三、四象限的省區(qū)數分別為8、9、10、3。這表明，2002—2014期間中國省區(qū)碳排放量的空間集群情況存在較高的穩(wěn)定性。從Morans I指數的數值上來看，2002年、2014年分別為0.252、0.266，即初步表明2002—2014年中國省區(qū)碳排放整體上呈現正向空間相關性。

2.2 中國省區(qū)碳排放的局域空間相關性分析

雖然Morans I指數從全局角度刻畫了變量的空間相關性，但卻無法分析不同地理位置的局域空間關聯(lián)性。由于局域LISA集聚示意圖可以直觀地描述某區(qū)域變量與周圍區(qū)域的相似度（即變量的空間集聚程度），因此將采用這一方法進行判斷局域空間相關性。

經過局域LISA集群分析，發(fā)現2002—2014年中國省區(qū)碳排放主要形成了兩大集聚類型：一是環(huán)渤海地區(qū)的HH集聚，主要包括遼寧、河北、山西、山東、河南、安徽等省區(qū)，北京被這些地區(qū)包圍，這與北京的工業(yè)角色“分給”了周邊地區(qū)的現實較為一致；二是以新疆、四川為中心的LL集聚，其周邊的青海、甘肅、陜西、四川、重慶、貴州、廣西以及中部、華南、東南等地區(qū)向新疆、四川集聚的趨勢越來越明顯。由此，可以認為2002—2014年中國省區(qū)碳排放呈現出正向局域空間相關性。

綜上所述，Morans I指數和局域LISA集群分析表明

不同省區(qū)之間的碳排放存在全局和局域空間相關性，即空間效應對中國各省區(qū)碳排放起著不可忽視的作用。

2.3 空間面板模型構建

為進一步捕捉空間效應，基于模型（3）不僅構建了空間自回歸模型（SAR）和空間誤差模型（SEM）這兩大經典模型，而且構建了放松誤差項相互獨立假設的廣義空間自回歸模型（SAC），具體如下。

3 空間計量分析

3.1 變量說明、數據來源

考慮到2001年加入WTO對中國宏觀經濟環(huán)境產生的巨大影響，可能會使模型出現結構性突變，因此本文在數據可獲得性的基礎上把樣本設定為2002—2014年除港澳臺、西藏之外的30個省級行政區(qū)（以下稱“省區(qū)”）。各變量的指標選取、數據來源及其計算方法如下。

因變量：由于碳排放問題從溫室效應而來，因此本文把二氧化碳、甲烷、氧化亞氮等3種溫室氣體納入核算范圍，具體核算方法為2006年《IPCC國家溫室氣體清單指南》的排放因子核算法。

解釋變量：由于全社會固定資產總額能夠從規(guī)模、結構和發(fā)展速度三個方面來反映固定資產投資，并且是觀察工程進度和考核投資效果的重要依據，因此

考慮主流做法，

本文選取內外資企業(yè)的全社會固定資產總額和從業(yè)人員數來分別衡量內外資企業(yè)的資本投入和勞動投入。理論上來說，勞動投入應該包括勞動力投入數量和勞動力質量兩個維度，但由于中國勞動力市場還不夠成熟而難以用勞動邊際收入來體現勞動力質量。對此，參考以往眾多文獻的做法，選取內外資企業(yè)的全部從業(yè)人員數來衡量內外資企業(yè)的勞動投入。其中，內資企業(yè)的資本和勞動投入數據是從總的資本投入和勞動投入扣除外資企業(yè)而得到的。內外資企業(yè)技術進步分別以內外資企業(yè)產值為產出，以資本、勞動為投入變量而得到的Malmquist指數來表示，而能源強度以能源消費量與GDP之比來衡量。相關的原始數據來自2003—2015年《中國統(tǒng)計年鑒》以及各省統(tǒng)計年鑒。對于少量缺失數據，采用了插值法處理。

3.2 空間計量回歸結果

在進行回歸分析之前，對GDP、KF、KD分別以2002為基期的GDP平減指數、固定資產投資價格指數進行了調整。接著，對原始序列分別取對數得到LnC、LnKF、LnKD、LnLF、LnLD、LnAF、LnAD、LnEI（見表1）。這樣做的理由除了來自理論模型的原因外，還可以有效降低異方差，并且體現這些自變量對碳排放的彈性系數變化。一方面，若從絕對值意義來看，內資企業(yè)的總體規(guī)模占比遠遠超過外資，勢必產生更多的碳排放；另一方面，彈性系數能直接反映兩者的邊際碳排放，從而可以判斷內外資企業(yè)對碳排放增長的作用孰強孰弱。由此，得到回歸結果，見表1。

由表1可知，各模型中的ρ、λ在1%水平上顯著為正，表明中國各省區(qū)碳排放存在不可忽視的正向空間自相關性，也再次印證了前文探索性空間數據分析的結論。更進一步地說，相鄰省區(qū)碳排放量的增長會通過正的空間效應來提高本省的碳排放水平。

從模型的優(yōu)劣性來看，廣義空間自回歸模型SAC的可決系數和對數似然比值均為最大，并且AIC和BIC信息準則也是各模型中最小的。加之，廣義空間自回歸模型SAC放松了“誤差項相互獨立”的假定，其回歸系數的正負性也與其他4個模型較為一致。因此，廣義空間自回歸SAC模型為最優(yōu)模型。

從各變量的顯著性水平來看，LnKF、LnKD、LnEI均在1%水平顯著為正，并且LnLF、LnLD、LnAF、LnAD在10%水平上顯著為正。這表明內外資企業(yè)的資本投入、勞動投入、技術水平的提高都會使碳排放量增加。需要指出的是，技術進步可以通過節(jié)約要素投入而減少碳排放，并且也會通過回彈效應使經濟規(guī)模擴大而帶來更多的碳排放。因此，技術進步與碳排放呈現正向相關關系意味著這一期間中國各省內外資企業(yè)的回彈效應表現較為明顯，這一結論與邵帥等[26]的研究較為一致。

通過進一步比較上述系數的大小，不難發(fā)現：同等幅度增加資本投入時內資企業(yè)（0.251）比外資企業(yè)（0.088）帶來的碳排放量更多；同等幅度增加勞動投入時內資企業(yè)（0.013）比外資企業(yè)（0.049）帶來的碳排放量更少；同等幅度的技術進步下內資企業(yè)（0.042）比外資企業(yè)（0.033）帶來的碳排放量更多。結合這三組系數的差距大小，我們

可以明顯看到內外資企業(yè)的資本投入對碳排放的影響程度及其差距均為最大，而勞動投入和技術進步則相對較小。因此，從“兩害取其輕”這一相對意義上來看：與外資企業(yè)相比，內資企業(yè)才是2002—2014年中國碳排放增長的更大推手。

為進一步識別不同變量變動對系統(tǒng)中各部分影響的沖擊，采用廣義空間自回歸模型SAC的直接效應、間接效應和總效應來進行檢驗（見表2）。由表2不難看出：內外資企業(yè)資本投入和勞動投入的直接效應、間接效應和總效

應均在1%水平上顯著為正，即表明內外資企業(yè)資本投入和勞動投入對本省和其他省區(qū)的碳排放量均表現出明顯的促進作用；內外資企業(yè)技術進步的直接效應和總效應顯著為正，而間接效應則為不太顯著的正向效應，說明內外資企業(yè)技術進步可以促進本省和其他省區(qū)碳排放量的增加。從數值大小來看，與外資企業(yè)相比，內資企業(yè)資本投入、勞動投入和技術進步的直接效應、間接效應和總效應更大。這再次佐證了“與外資企業(yè)相比，內資企業(yè)是2002—2014年中國碳排放增長的更大推手”這一結論。

4 結論與政策啟示

國內外學者大多忽略內資而單獨研究外資對碳排放的影響，本文基于碳排放核算公式和柯布—道格拉斯生產函數，從資本、勞動異質性角度將資本投入、勞動投入、技術進步按內外資企業(yè)分類構建了理論模型，然后基于2002—2014年中國30個省級行政區(qū)的相關數據采用經典的Morans I指數、局域LISA集群示意圖進行了全局和局域空間相關性檢驗；最后構建空間面板模型比較分析了內外資企業(yè)資本投入、勞動投入、技術進步對中國碳排放的影響。結果表明：①中國各省區(qū)碳排放存在不可忽視的正向空間自相關性；②內外資企業(yè)的資本投入、勞動投入、技術水平的提高均會增加碳排放，其中技術進步因可能的回彈效應而對中國各省區(qū)碳排放帶來正向影響；③與外資相比，同等幅度的資本投入和技術進步下內資企業(yè)帶來的碳排放更多，而等量勞動投入下內資企業(yè)帶來的碳排放更少；④內外資企業(yè)資本投入對碳排放的影響程度及其差異均為最大，而勞動投入和技術進步則相對較?。粡摹皟珊θ∑漭p”這一相對意義上來看：與外資企業(yè)相比，內資企業(yè)才是2002—2014年中國碳排放增長的更大推手。

基于上述結論，可以得到以下政策啟示：①中國各省區(qū)之間的碳排放的正向空間自相關性暗示我們應當采用“聯(lián)防聯(lián)控”的共同治理思維來抑制碳排放增長，而不是“各自為政”的思維。事實上，已經出現的“APEC藍”、“閱兵藍”以及“兩會藍”等現象正是圍繞北京市的“聯(lián)防聯(lián)控”政策所取得的成效。同理，抑制碳排放也需要加強區(qū)域之間的“聯(lián)防聯(lián)控”。②鑒于回彈效應已經使得技術進步與碳排放呈現正向相關關系，因此制定節(jié)能減排政策時應該充分重視回彈效應才可能提出合理有效的政策設計和制度安排，例如可以通過價格調整、稅收等市場化政策組合來限制回彈效應。③由于內資企業(yè)（與外資企業(yè)相比）是中國碳排放增長的更大推手，因此制定節(jié)能減排政策時應該以“共同而有區(qū)別的責任”態(tài)度來對待內外資企業(yè)，避免“一刀切”。當然，我們還需要結合內外資企業(yè)的比較優(yōu)勢及其市場勢力恰當地進行引導，例如引導內外資企業(yè)開展節(jié)能減排合作。

（編輯：李 琪）

參考文獻（References）

[1]GROSSMAN G M， KRUEGER A B. Environmental impacts of a North American free trade agreement[R].National Bureau of Economic Research， 1991.

[2]COLE M A， ELLIOTT J R. FDI and the capital intensity of ‘dirty sectors： a missing piece of the pollution haven puzzle[J]. Review of development economics， 2005， 9（4）： 530-548.

[3]BAEK J， KOO W W. A dynamic approach to the FDIenvironment nexus： the case of China and India [J]. Journal of international economic studies， 2009， 13（2）： 87-109.

[4]PAO H T， TSAI C M. Multivariate Granger causality between CO₂emissions， energy consumption， FDI （foreign direct investment） and GDP （gross domestic product）： evidence from a panel of BRIC （Brazil， Russian Federation， India， and China） countries[J]. Energy， 2011， 36（1）： 685-693.

[5]LETCHUMANAN R， KODAMA F. Reconciling the conflict between the pollutionhaven hypothesis and an emerging trajectory of international technology transfer[J]. Research policy， 2000， 29（1）： 59-79.

[6]ESKELAND G S， HARRISON A E. Moving to greener pastures？ Multinationals and the pollution haven hypothesis[J]. Journal of development economics， 2003， 70（1）： 1-23.

[7]LIANG F H. Does foreign direct investment harm the host countrys environment？ evidence from China [R/OL]. http：//Haas. berkeley，edu/fenliang/rearch/ Pollution&FDI/FDI Pollution.Pdf， 2006.

[8]KIRKULAK B， QIU B， YIN W. The impact of FDI on air quality： evidence from China[J]. Journal of Chinese economic and foreign trade studies， 2011， 4（2）： 81-98.

[9]ATITI C. Carbon emissions， trade liberalization， and the Japan–ASEAN interaction： a groupwise examination[J]. Journal of the Japanese and international economies， 2012， 26（1）： 167-178.

[10]HASSABALLA H. Environment and foreign direct investment： policy implications for developing countries[J]. Journal of emerging issues in economics， finance and banking，2013（1）：75-106.

[11]聶飛，劉海云. FDI、環(huán)境污染與經濟增長的相關性研究——基于動態(tài)聯(lián)立方程模型的實證檢驗[J]. 國際貿易問題，2015（2）：72-83. [NIE Fei， LIU Haiyun. Correlation analysis of FDI， environment polution and economic growth： an empirical examination based on dynamic simultaneous equation[J].Jounal of international trade，2015（2）：72-83.]

[12]姚奕，倪勤. 中國地區(qū)碳強度與FDI的空間計量分析——基于空間面板模型的實證研究[J]. 經濟地理，2011（9）：1432-1438.[YAO Yi， NI Qin. The impact of foreign direct investment on carbon intensity：an empirical analysis based on the spatial panel model [J].Economic geography， 2011（9）：1432-1438.]

[13]許和連，鄧玉萍.外商直接投資導致了中國的環(huán)境污染嗎？[J].管理世界，2012（2）：30-43. [XU Helian， DENG Yuping. Has the FDI resulted in Chinas environment pollution？ [J]. Management world， 2012（2）：30-43.]

[14]沙文兵，石濤.外商直接投資的環(huán)境效應——基于中國省級面板數據的實證分析[J].世界經濟研究，2006（6）：76-81. [SHA Wenbing， SHI Tao. The effect on pollutants emission of foreign capital： an empirical analysis based on interprovincial panel data [J]. World economy study， 2006（6）：76-81.]

[15]王奇，汪清.外資與內資對中國污染排放影響的比較研究——基于省級面板數據的實證分析[J].世界經濟研究，2013（2）：61-67.[WANG Qi， WANG Qing. The comparison study of effect on pollutants emission of foreign capital and domestic capital： an empirical analysis based on interprovincial panel data [J]. World economy study， 2013（2）：61-67.]

[16]張成.內資和外資：誰更有利于環(huán)境保護——來自中國工業(yè)部門面板數據的經驗分析[J].國際貿易問題，2011（2）： 98-106. [ZHANG Cheng. Foreign capital and domestic capital： which one is more helpful to environmental conservation-an empirical analysis based on panel data from industrial sectors of China [J].Jounal of international trade，2011（2）：98-106.]

[17]曹翔，余升國. 外資與內資對中國大氣污染影響的比較分析——基于工業(yè)二氧化硫排放的經驗分析[J]. 國際貿易問題，2014（9）：67-76.[CAO Xiang， YU Shengguo. The comparison study of effect on air pollution of foreign capital and domestic capital： an empirical analysis based on industrial sulfur dioxide emissions[J].Jounal of international trade，2014（9）：7-76.]

[18]RUPASINGHA A， GOETZ S J， DEBERTIN D L， et al. The environmental Kuznets curve for US counties： a spatial econometric analysis with extensions [J]. Papers in regional science， 2004， 83（2）：407-424.

[19]MIRSHOJAEIAN H M， RAHBAR F. Spatial environmental Kuznets curve for Asian countries： study of CO₂ and PM10 [J].Journal of environmental studies， 2011， 37 （58）：1-14.

[20]DENISON E F. The sources of economic growth in the US and the alternatives before US [M]. Washington： Committee for Economic Development， 1962.

[21]舒爾茨. 對人進行投資——人口質量經濟學[M].北京：首都經濟貿易大學出版社，2002：89-99.[SCHULTZ T W. Investing in people： the economics of population quality [M].Beijing： The Press of Capital University of Economic and Business， 2002：89-99.]

[22]馬曉科. 外商直接投資（FDI）對中國收入差距的影響[D].上海：復旦大學，2012：57-114.[MA Xiaoke. The influence of foreign direct investment on income gap in China [D].Shanghai： Fudan University， 2012：57-114.]

[23]林伯強，杜克銳. 理解中國能源強度的變化：一個綜合的分解框架[J].世界經濟，2014（4）：69-87.[LIN Boqiang， DU Kerui. Understanding energy intensity changes in China： a comprehensive decomposition framework [J]. The journal of world economy， 2014（4）：69-87.]

[24]ANSELIN L， GRIFFITH D A. Do spatial effects really matter in regression analysis？[J]. Papers in regional science， 1988， 65（1）： 11-34.

[25]ANSELIN L. Space and applied econometrics： introduction [J]. Regional science and urban economics， 1992， 22（3）： 307-316.

[26]邵帥，楊莉莉，黃濤. 能源回彈效應的理論模型與中國經驗[J]. 經濟研究，2013（2）：96-109.[SHAO Shuai， YANG Lili， HUANG Tao. Theoretical model and experience from China of energy rebound effect [J]. Economic research journal， 2013（2）：96-109.

Abstract Many researchers studied the relation between foreign capital and carbon emissions but ignored the effect of domestic capital. Based on the accounting formulas of carbon emissions and CobbDouglas production function， this paper constructed a theory model by classifying capital input， labor input and technological progress according to foreignfunded and domesticfunded

firms from the perspective of the heterogeneity of capital and labor. Then it used the classic Morans Index and local LISA cluster diagram to test global and local spatial correlation by the panel data of 30 provinces from 2002 to 2014 in China； Finally，it analyzed the effect of capital input， labor input and technological progress of foreignfunded and domesticfunded enterprises on carbon emission by using the spatial panel models. The results showed that： first， there was a significant positive spatial autocorrelation among carbon emissions of Chinas provinces； second， the capital investment， labor and technological progress increased carbon emissions both in the domesticfunded firms and foreignfunded firms， and technological progress had a positive impact on the carbon emission due to the rebound effects； third， compared with foreign capital， increasing the same amount of capital investment and technical progress in domesticfunded firms brought more carbon emissions， while increasing the same amount of labor input

brought less carbon emissions； fourth， compared with labor input and technological progress， capital input greatly affected carbon emission and had a large gap between domesticfunded and foreignfunded firms. From the sense of ‘the lesser of two evils， domestic firms was the larger driver of carbon emissions in China compared with foreignfunded firms. Thus， we think that firstly all provinces should take ‘joint control and prevention management thought to inhibit the growth of carbon emissions； secondly， when formulating energy saving and emission reduction policies we should pay more attention to the rebound effect； lastly， when formulating energy saving and emission reduction policies we should adopt the ‘common but differentiated responsibilities principle between domesticfunded and foreignfunded firms to avoid the ‘one size fits all.

Key words foreign capital； domestic capital； carbon emissions； spatial econometric model