外商直接投资（FDI）对我国碳排放的多维度解析：影响机制与实证洞察

外商直接投资（FDI）对我国碳排放的多维度解析：影响机制与实证洞察一、引言1.1研究背景在全球经济一体化的进程中，外商直接投资（ForeignDirectInvestment，FDI）作为国际资本流动的主要形式之一，对各国经济发展产生了深远影响。自改革开放以来，中国凭借庞大的市场规模、丰富的劳动力资源以及不断完善的基础设施和政策环境，吸引了大量FDI涌入。FDI在中国经济中已占据举足轻重的地位，对中国的资本形成、技术进步、产业升级、贸易扩张等方面均发挥了重要作用。商务部数据显示，2024年1-11月，全国实际使用外资金额10453.7亿元人民币，折合1455.9亿美元，FDI在推动中国经济增长、促进就业、提升产业竞争力等方面功不可没。与此同时，全球气候变化问题日益严峻，碳排放作为主要影响因素之一，受到了国际社会的广泛关注。碳排放过量会导致全球气候变暖，引发冰川融化、海平面上升、极端气候事件频发等一系列环境问题，对人类的生存和发展构成严重威胁。根据国际能源署（IEA）的数据，全球碳排放总量在过去几十年间持续增长，尽管近年来部分国家采取了一系列减排措施，但形势依然不容乐观。2024年全球碳排放再创历史新高，达到416亿吨二氧化碳，这表明全球在应对气候变化、减少碳排放方面仍面临巨大挑战。中国作为世界上最大的发展中国家和主要的碳排放国，在经济快速发展的过程中，也面临着较大的碳排放压力。随着经济规模的不断扩大和工业化、城市化进程的加速，中国的能源消耗和碳排放总量持续上升。尽管中国政府高度重视应对气候变化问题，积极推动绿色低碳发展，实施了一系列节能减排政策和措施，取得了一定成效，如“十四五”以来，中国碳排放强度持续下降，但从总量上看，中国的碳排放形势依然严峻。此外，在全球产业链中，中国制造业占据重要地位，而制造业往往是能源消耗和碳排放的重点领域。FDI大量流入制造业，可能会对中国的碳排放产生多方面的影响。一方面，FDI可能带来先进的生产技术和管理经验，促进产业升级和能源效率提升，从而有助于减少碳排放；另一方面，FDI也可能通过扩大生产规模、改变产业结构等途径，增加能源需求和碳排放。因此，深入研究FDI对中国碳排放的影响机制，对于中国在吸引外资的同时实现节能减排目标、推动经济绿色可持续发展具有重要的现实意义。1.2研究目的与意义1.2.1研究目的本研究旨在深入揭示FDI对我国碳排放的影响机制，并通过实证分析进行验证，具体目标如下：一是系统梳理FDI影响我国碳排放的理论机制，从规模效应、结构效应、技术效应等多个角度进行分析，明确FDI在不同路径下对碳排放的作用方向和影响程度；二是运用计量经济学方法，选取合适的变量和数据，构建实证模型，对FDI与我国碳排放之间的关系进行定量分析，检验理论机制的有效性，为政策制定提供可靠的数据支持；三是根据研究结果，提出针对性的政策建议，以引导FDI的合理流入和利用，促进我国经济发展与碳排放减排的协调共进。1.2.2研究意义从理论层面来看，本研究有助于丰富和完善FDI与环境关系的理论体系。传统的国际投资理论主要关注FDI对经济增长、技术进步等方面的影响，对其环境效应的研究相对不足。本研究将FDI与碳排放纳入统一的研究框架，深入探讨两者之间的内在联系和作用机制，弥补了现有理论的不足，为进一步理解国际投资与环境可持续发展之间的关系提供了新的视角和实证依据。通过对FDI影响碳排放的规模效应、结构效应和技术效应等进行细致分析，可以深化对FDI环境效应的认识，拓展国际投资理论的研究范畴，推动相关理论的发展和完善。从实践意义上而言，本研究对我国制定科学合理的外资政策和碳排放减排策略具有重要的指导作用。在吸引外资方面，明确FDI对碳排放的影响机制，可以帮助政府有针对性地制定政策，引导外资流向低能耗、低排放的产业和领域，提高利用外资的质量和效益，实现经济增长与环境保护的双赢。在碳排放减排方面，了解FDI在其中的作用，可以为政府制定减排政策提供参考，充分发挥FDI的积极作用，抑制其负面影响，推动我国碳排放减排目标的实现。此外，本研究的结果也有助于企业更好地认识FDI带来的机遇和挑战，促使企业加强技术创新和管理创新，提高能源利用效率，降低碳排放，提升企业的竞争力和可持续发展能力。1.3研究内容与方法1.3.1研究内容本研究主要包括以下几个方面的内容：一是FDI对我国碳排放的影响机制分析。从理论层面探讨FDI通过规模效应、结构效应和技术效应等途径对我国碳排放产生影响的作用机制。规模效应方面，分析FDI流入导致经济规模扩张，进而对能源需求和碳排放的影响；结构效应方面，研究FDI对我国产业结构的调整作用，以及产业结构变化对碳排放的影响；技术效应方面，探讨FDI带来的先进技术和管理经验如何促进能源效率提升和碳排放减少。二是FDI对我国碳排放影响的实证检验。选取合适的变量和数据，构建计量经济学模型，运用单位根检验、协整检验、格兰杰因果检验等方法，对FDI与我国碳排放之间的关系进行实证分析，验证理论机制的有效性，并分析影响的程度和方向。三是根据研究结果，提出针对性的政策建议。从优化外资政策、加强环境规制、促进技术创新等方面，提出促进FDI与我国碳排放减排协调发展的政策措施，为政府决策提供参考。1.3.2研究方法本研究综合运用多种研究方法，以确保研究的科学性和可靠性。一是文献研究法。广泛查阅国内外相关文献，梳理FDI与碳排放关系的研究现状，了解已有研究的成果和不足，为本文的研究提供理论基础和研究思路。通过对相关文献的分析，总结FDI对碳排放影响的不同观点和研究方法，明确研究的重点和方向。二是理论分析法。运用国际投资理论、环境经济学理论等，深入分析FDI对我国碳排放的影响机制，从理论层面阐述FDI通过规模效应、结构效应和技术效应等途径对碳排放的作用原理，为实证研究提供理论支撑。三是实证研究法。选取我国相关数据，构建计量经济学模型，对FDI与碳排放之间的关系进行实证检验。通过实证分析，验证理论假设，揭示两者之间的内在联系和影响程度，为政策建议的提出提供数据支持。四是比较分析法。对比不同地区、不同行业FDI对碳排放的影响差异，分析其原因，为制定差异化的政策提供依据。通过比较分析，可以发现FDI在不同情境下对碳排放的不同作用，从而有针对性地制定政策，提高政策的有效性。二、文献综述2.1FDI与碳排放关系的国外研究现状国外学者对于FDI与碳排放关系的研究起步较早，主要围绕“污染天堂”假说和“污染光环”假说展开。“污染天堂”假说认为，发展中国家较低的环境规制标准会吸引发达国家的污染密集型产业转移，从而增加东道国的碳排放。Baumol和Oates在1988年提出，贸易开放促使发达国家转移高污染产业并进口所需的产品，发展中国家实施相对较弱的环境管制，引起发达国家相对落后的高能耗高污染企业向发展中国家转移，因此发展中国家就逐渐成为污染天堂。Ulph等（1998）对该假说进行了较为全面的分析。Dean等（2009）通过估算中国合资企业区位选择的决定因素，验证了“污染天堂假说”。Shahbaz等（2015），Cai（2016），Hao等（2018），Liu等（2018），Hanif等（2019），PratikshyaSapkota和UmeshBastola（2017），Yi（2020），AnisOmri和TarekBelHadj（2020）等也在不同污染物方面证实了“污染天堂假说”。而“污染光环”假说则主张，跨国公司在对外投资时会带来先进的清洁技术和环境管理体系，促进东道国的环境改善和碳排放减少。Eskeland和Harrison（2003）较早地提出了“污染光环”假说。Birdsall（1993）、Ederington等（2005）认为，环境标准并不是迫使跨国公司迁往发展中国家的主要原因。SmarzynskaJavorcik和Wei（2004）利用25个转型国家或地区的数据验证了贸易开放下，跨国投资和环境规制的关系。Asghari（2013），Zhang和Zhou（2016），Zhu等（2016），以及ZahoorAhmed等（2020b），也证实外商直接投资减少了环境退化。研究表明，发展中国家相对低的环境规制不是外商直接投资的主要原因，仅仅是更低的环境规制并不会更具投资吸引力。后来，Paramati等（2017）的实证研究也证实了“污染光环假说”。此外，部分学者认为“污染避难所”和“污染光环”可能同时存在。Cai（2016）认为，来自环境管制良好国家的外商直接投资企业对更高要求的环境管制不敏感，而来自环境管制不太好国家的外国跨国公司对严格的环境规制敏感，因此跨国公司的环境影响取决于对东道国环境规制强度。Liu等（2018）提出，不同的FDI产业类型也能带来不同的环境后果，部分污染排放物可能受“污染避难所”效应影响，而另一部分污染排放物可能受“污染光环”效应影响。也有研究从规模效应、结构效应以及技术效应等方面综合分析FDI对环境质量的影响。KeydicheStevens等（1993）认为开放条件下外商直接投资对环境质量的影响主要体现为规模效应、结构效应以及技术效应。其中规模效应是通过经济规模的扩大加剧环境污染；结构效应是通过经济结构、产业结构转型提升改善环境质量；技术效应则是通过技术进步提升环境质量，因此FDI并不必然引起环境污染的增加或减少。Shahbaz等（2015），Omri等（2019），以及Alshubiri和Elheddad（2019），均发现外商直接投资在第一阶段显著增加了污染排放量，但在达到一定水平后，污染排放量开始减少。2.2FDI与碳排放关系的国内研究现状国内学者对FDI与我国碳排放关系的研究也取得了丰富成果，研究范围涵盖了全国层面以及不同地区和行业。在全国层面，一些研究通过构建计量模型，分析FDI对我国碳排放的总体影响。周杰琦、汪同三（2014）基于中国省际数据，实证研究发现FDI与经济增长、CO₂排放之间存在长期均衡关系，FDI对CO₂排放的影响呈现出先促进后抑制的倒“U”型特征。从地区差异角度来看，张文爱、罗润万（2021）构建ARDL-ECM模型，在全国样本和东、中、西地区样本下对外商直接投资（FDI）对碳排放的长期和短期影响进行实证检验。研究发现FDI对我国碳排放的影响具有明显的地区差异，其中东部地区支持了“污染天堂”假说，其他地区则支持了“污染光环”假说。东部地区FDI对碳排放的促进作用主要源于较大的规模效应以及较小的技术进步效应。在行业研究方面，部分学者关注FDI在不同行业的分布对碳排放的影响。例如，一些研究聚焦于制造业，发现FDI流入制造业可能会通过规模扩张增加碳排放，但也可能通过技术引进和产业升级带来减排效应。不同行业的FDI对碳排放的影响机制和程度存在差异，高能耗行业中FDI的增加可能导致碳排放显著上升，而低能耗、高技术行业的FDI则更可能促进节能减排。2.3研究现状评述综合国内外研究现状，目前关于FDI对碳排放影响的研究已经取得了一定的成果，但仍存在一些不足之处，为本研究提供了切入点。在影响机制分析方面，虽然已有研究从规模效应、结构效应和技术效应等角度进行了探讨，但对各效应的作用路径和内在联系的分析还不够深入，尤其是在不同经济发展阶段和制度环境下，各效应的表现和相互作用有待进一步研究。在实证研究方法上，部分研究在模型设定、变量选取和数据处理等方面存在差异，导致研究结果的可比性和可靠性受到一定影响。此外，现有研究在样本选取上，部分局限于特定地区或行业，缺乏对全国范围以及不同地区、行业全面系统的比较分析，难以全面准确地揭示FDI对我国碳排放的影响规律。因此，本研究将在已有研究的基础上，深入剖析FDI对我国碳排放的影响机制，采用科学合理的实证方法，选取全面准确的数据，对FDI与我国碳排放的关系进行更为系统和深入的研究。三、FDI对我国碳排放的影响机制理论分析3.1FDI的规模效应与碳排放3.1.1FDI促进经济增长对碳排放的影响FDI的流入首先会对我国的经济规模产生直接影响。当大量外资进入我国，会带来资金、设备、技术等生产要素，这些要素投入到各个产业中，促使企业扩大生产规模，增加产出。例如，在制造业领域，外资企业的入驻可能会新建工厂、购置先进设备，招聘更多员工，从而使该行业的生产能力大幅提升。这种生产规模的扩张会带动相关上下游产业的发展，如原材料供应、物流运输等行业，进而推动整个经济规模的扩张。根据相关经济理论，经济增长与能源消耗之间存在密切的正相关关系。随着经济规模的扩大，各行业对能源的需求必然增加。在我国当前的能源结构中，煤炭、石油等化石能源仍占据主导地位。这些化石能源在燃烧过程中会产生大量的二氧化碳等温室气体，从而导致碳排放的增加。以电力行业为例，为了满足经济增长带来的用电需求，更多的燃煤发电项目可能会投入运营，这无疑会加大煤炭的消耗，进而增加二氧化碳的排放量。此外，FDI推动的经济增长还会通过消费端间接影响碳排放。经济增长使得居民收入水平提高，消费能力增强，对各类商品和服务的需求增加。例如，居民对汽车、家电等耐用消费品的需求上升，这不仅刺激了相关产业的发展，也增加了能源的消耗和碳排放。在交通运输领域，随着汽车保有量的增加，燃油消耗和尾气排放也相应增多，进一步加重了碳排放的压力。3.1.2规模效应下碳排放变化的案例分析以江苏省苏州市为例，苏州市作为我国吸引FDI的重要地区之一，在过去几十年间，FDI的大量流入对其经济规模和碳排放产生了显著影响。在2000-2010年期间，苏州市实际利用FDI从28.83亿美元增长到85.35亿美元，年均增长率达到11.7%。随着FDI的不断涌入，苏州市的经济规模迅速扩张，地区生产总值（GDP）从2000年的1540.68亿元增长到2010年的9228.91亿元，年均增长率高达19.3%。在经济规模快速增长的同时，能源消耗和碳排放也呈现出上升趋势。2000年苏州市能源消费总量为1575.56万吨标准煤，到2010年增长至4967.33万吨标准煤，年均增长率为12.1%。相应地，碳排放总量也大幅增加。这一时期，苏州市主要以制造业为主导产业，FDI大量投入到电子信息、机械制造等行业，这些行业的快速发展带动了能源需求的急剧增长，从而导致碳排放的显著增加，充分体现了FDI的规模效应下经济增长对碳排放的促进作用。3.2FDI的结构效应与碳排放3.2.1FDI对产业结构调整的作用FDI在我国的产业分布具有一定的倾向性，这种倾向性会对我国的产业结构调整产生重要影响。FDI往往更倾向于流入具有比较优势和发展潜力的产业。在我国经济发展的不同阶段，FDI的产业流向也有所不同。在改革开放初期，由于我国劳动力资源丰富且成本低廉，FDI主要集中在劳动密集型产业，如纺织、服装等行业，这些产业利用我国的劳动力优势，通过加工贸易等方式参与国际分工，推动了我国制造业的初步发展。随着我国经济的发展和产业升级的需求，FDI逐渐向资本密集型和技术密集型产业转移，如汽车制造、电子信息、生物医药等行业。这些产业具有较高的技术含量和附加值，FDI的进入不仅带来了大量的资金，还引入了先进的生产技术和管理经验。例如，在汽车制造领域，外资品牌的进入带来了先进的汽车生产技术和管理模式，促进了我国汽车产业的技术升级和产品结构优化，推动了我国汽车产业从传统的低水平制造向高端制造转型。同时，FDI还通过产业关联效应，带动了上下游相关产业的发展，进一步促进了产业结构的优化。如电子信息产业的FDI发展，带动了电子零部件制造、软件开发等相关产业的发展，形成了完整的产业链，提高了产业的整体竞争力。3.2.2产业结构变动对碳排放的影响机制不同产业的能源消耗和碳排放强度存在显著差异。一般来说，工业尤其是重化工业，如钢铁、化工、建材等行业，属于高能耗、高排放产业。这些产业在生产过程中需要消耗大量的能源，并且由于生产工艺和技术水平的限制，碳排放强度较高。以钢铁行业为例，钢铁生产过程中需要大量的煤炭、焦炭等能源，在炼铁、炼钢等环节会产生大量的二氧化碳排放。而服务业，如金融、物流、信息技术服务等行业，以及高新技术产业，如新能源、新材料、生物技术等行业，通常属于低能耗、低排放产业。服务业主要以提供服务为核心，其能源消耗主要集中在办公用电、交通出行等方面，相比工业生产，能源消耗和碳排放都相对较低。高新技术产业则更注重技术创新和研发，采用先进的生产技术和工艺，能源利用效率较高，碳排放强度也较低。当产业结构向低能耗、低排放的服务业和高新技术产业优化升级时，整体的能源消耗和碳排放会相应降低。这是因为在经济总量不变的情况下，低能耗、低排放产业的比重增加，意味着高能耗、高排放产业的比重下降，从而减少了整个经济体系的碳排放总量。例如，某地区原本以重化工业为主导产业，碳排放总量较高。随着产业结构的调整，服务业和高新技术产业的比重逐渐上升，重化工业的比重下降，该地区的能源消耗和碳排放总量也随之减少，实现了经济发展与碳排放减排的协调共进。3.2.3结构效应下碳排放变化的案例分析以广东省深圳市为例，深圳市在过去几十年间积极吸引FDI，推动产业结构优化升级，碳排放也随之发生了显著变化。在早期，深圳市以劳动密集型的制造业为主，如服装、玩具等行业，这些行业虽然对经济发展起到了一定的推动作用，但能源消耗和碳排放较高。随着经济的发展和政策的引导，深圳市加大了对高新技术产业和现代服务业的招商引资力度，吸引了大量FDI流入。例如，腾讯、华为等科技企业在发展过程中都获得了一定程度的外资支持，这些企业的发展带动了整个电子信息产业的崛起。同时，金融、物流等服务业也得到了快速发展。从2000-2020年，深圳市高新技术产业和现代服务业占GDP的比重从30%提升到了70%，而传统制造业的比重则大幅下降。在产业结构优化的过程中，深圳市的碳排放强度显著降低。2000年深圳市单位GDP碳排放为1.2吨/万元，到2020年下降至0.3吨/万元，下降了75%。这表明通过FDI推动产业结构调整，深圳市成功实现了碳排放的下降，充分体现了FDI的结构效应对碳排放的积极影响。3.3FDI的技术效应与碳排放3.3.1FDI技术溢出的途径FDI的技术溢出主要通过以下几种途径实现：一是示范效应。外资企业通常拥有先进的生产技术、工艺流程和管理经验，其在我国的生产经营活动会对国内企业产生示范作用。国内企业通过观察和学习外资企业的先进做法，模仿其技术和管理模式，从而提升自身的技术水平和生产效率。例如，在汽车制造领域，外资汽车企业采用的先进自动化生产技术和精益生产管理模式，为国内汽车企业提供了学习的榜样，促使国内企业不断改进生产技术和管理方式。二是竞争效应。FDI的进入加剧了国内市场的竞争，为了在竞争中生存和发展，国内企业不得不加大技术研发投入，提高自身的技术创新能力和生产效率，以降低成本、提高产品质量。例如，在智能手机市场，苹果、三星等外资品牌的进入，促使国内手机企业如华为、小米等加大研发投入，不断推出具有创新性的产品和技术，提高了整个行业的技术水平。三是人员流动效应。外资企业在我国运营过程中，会雇佣大量本地员工，这些员工在与外资企业的接触中，学习到了先进的技术和管理知识。当这些员工流动到国内其他企业时，会将所学知识和技能带到新的企业，从而促进了技术的传播和扩散。例如，一些外资企业的技术骨干跳槽到国内创业公司，为创业公司带来了先进的技术和管理经验，推动了创业公司的发展。3.3.2技术进步对碳排放的影响技术进步对降低碳排放具有重要作用。一方面，先进的生产技术可以提高能源利用效率，减少能源消耗，从而降低碳排放。例如，在电力行业，超超临界发电技术的应用可以使煤炭燃烧更加充分，提高发电效率，相比传统发电技术，能够减少煤炭消耗和二氧化碳排放。据相关数据显示，采用超超临界发电技术的机组，发电效率比传统机组提高了约5-8个百分点，相应地，二氧化碳排放量也大幅降低。另一方面，技术进步可以促进低碳技术的研发和应用，如新能源技术、碳捕获与封存技术等。新能源技术的发展使得太阳能、风能、水能等清洁能源在能源结构中的比重不断增加，这些清洁能源在生产和使用过程中几乎不产生碳排放，有助于减少对化石能源的依赖，降低碳排放。例如，我国近年来大力发展太阳能光伏发电和风力发电，太阳能和风能发电装机容量不断增加，2024年全国太阳能发电装机容量达到5.36亿千瓦，风力发电装机容量达到4.57亿千瓦，清洁能源发电量占比不断提高，有效减少了碳排放。碳捕获与封存技术则可以将工业生产过程中产生的二氧化碳捕获并封存起来，从而减少二氧化碳排放到大气中，实现碳减排。3.3.3技术效应下碳排放变化的案例分析以宝钢集团为例，宝钢在发展过程中积极引进外资和国外先进技术，通过与多家国际知名钢铁企业合作，引入了先进的钢铁生产技术和管理经验。在技术引进后，宝钢通过消化吸收再创新，提高了自身的技术水平和能源利用效率。例如，宝钢采用了先进的高炉炼铁技术，使高炉的利用系数大幅提高，同时降低了焦比，减少了煤炭消耗和二氧化碳排放。此外，宝钢还积极研发和应用低碳技术，投资建设了二氧化碳捕集装置，对生产过程中产生的二氧化碳进行捕集和利用。通过这些技术进步措施，宝钢的碳排放得到了有效控制。2010-2020年期间，宝钢的吨钢综合能耗从685千克标准煤下降到了580千克标准煤，二氧化碳排放量也相应减少。这表明通过FDI带来的技术溢出和企业自身的技术进步，宝钢成功实现了碳排放的降低，体现了FDI的技术效应对碳排放的积极影响。四、我国FDI与碳排放的现状分析4.1我国FDI的发展历程与现状我国吸引FDI的发展历程可以追溯到改革开放初期，经历了多个重要阶段。在1979-1991年的探索阶段，我国颁布了《中外合资经营企业法》，开始在沿海地区设立经济特区，吸引外资。但由于经验和认识不足，外资流入数量较低且稳定。1986年和1988年又分别出台《外资企业法》和《中外合作经营企业法》，进一步开放外商直接投资，给予优惠税收待遇，简化企业许可手续，外资开始稳步增长，但仍主要集中在东部沿海地区，以中小规模的劳动密集型和加工企业为主。1992-2001年是跨越式发展阶段。邓小平南巡讲话消除了政治上的不确定性，掀起了新一轮的外商投资热潮。我国快速建立了沿海开放城市和内陆开发区，各级政府给予外商投资企业各种税收和非税优惠。1992年，外国投资的实际利用价值大幅增长，1992-2001年，外商直接投资累计3702亿美元，年均增长33%。这一时期，我国开始重视外资质量，制定产业政策引导外资投向，外商直接投资领域扩大到基础产业、基础设施建设和高新技术项目，资本密集和技术密集的大型项目开始出现，跨国公司对汽车制造、家用电器和通讯设备等行业投资增多。同时，我国政府允许外资以新的外商独资企业模式进行投资，此后，外商独资企业逐渐占据外商投资的主流。2002年以来是创新发展阶段。我国加入世界贸易组织（WTO）后，全面对外开放，外商直接投资稳步增长，累计外商直接投资12442亿美元，年均增长10%。为适应WTO规则，我国政府调整了外商投资法律和政策，扩大服务业对外开放，鼓励外国投资者到中西部地区投资，并实施新的《企业所得税法》，取消涉外税收优惠。2019年开始，我国迈进制度型开放新阶段。《外商投资法》的出台，确立了外商投资促进制度、保护制度和管理制度，明确了外商投资实行准入前国民待遇和负面清单管理制度，加强了对外商投资企业的产权保护，不得利用行政手段强制要求外商技术转让。当前，我国FDI在规模上持续保持较高水平。根据商务部数据，2024年1-11月，全国实际使用外资金额10453.7亿元人民币，折合1455.9亿美元。从来源上看，我国FDI来源地较为广泛，主要来自亚洲、欧洲和北美洲等地区。亚洲地区的投资占比较大，其中中国香港是我国FDI的重要来源地之一，其投资在我国FDI总额中占比较高，主要原因在于香港地区与内地紧密的经济联系、相似的文化背景以及便捷的地理位置，使得香港企业在内地投资具有天然的优势。欧洲和北美洲的投资则主要集中在一些高端制造业和服务业领域，如德国的汽车制造企业、美国的科技企业等，它们凭借先进的技术和管理经验，在我国相关领域进行投资布局。在行业分布方面，FDI涵盖了多个行业领域。制造业一直是吸引FDI的重要领域，尤其是汽车、电子、机械等行业，这些行业技术含量较高，市场需求大，吸引了大量外资投入。随着我国经济的转型升级，服务业吸引FDI的规模逐渐扩大，金融、信息传输、软件和信息技术服务业等领域成为新的热点。在金融领域，外资银行、保险公司等金融机构纷纷进入我国市场，带来了先进的金融产品和服务理念，促进了我国金融市场的多元化发展；信息传输、软件和信息技术服务业领域，外资企业的进入推动了我国软件产业的技术升级和创新发展。从区域分布来看，东部沿海地区仍然是FDI的主要流入地，如广东、江苏、上海等地，这些地区经济发达，基础设施完善，产业配套齐全，人力资源丰富，拥有良好的投资环境和市场活力，吸引了大量外资企业入驻。但近年来，中西部地区吸引FDI的规模也在逐渐增加，随着西部大开发、中部崛起等战略的实施，中西部地区不断改善投资环境，加强基础设施建设，出台一系列优惠政策，吸引了部分劳动密集型和资源密集型产业向该地区转移，如重庆、成都、武汉等城市，在电子信息、汽车制造等行业吸引了大量FDI。4.2我国碳排放的现状我国碳排放总量在过去几十年间呈现出快速增长的态势。根据相关数据统计，我国在2007年超越美国，成为世界第一大二氧化碳排放国。这主要归因于我国长期以来依赖化石能源的经济发展模式，在工业化和城市化进程中，对煤炭、石油等化石能源的大量消耗导致碳排放急剧增加。例如，在电力行业，我国火电装机容量占比较大，煤炭作为主要的发电燃料，在燃烧过程中释放出大量的二氧化碳。2024年，我国能源消费总量达到59.7亿吨标准煤，能源相关的碳排放总量也随之增加。尽管近年来我国采取了一系列节能减排措施，碳排放增长速度有所放缓，但由于经济规模的持续扩大和能源需求的刚性增长，碳排放总量仍然处于高位。我国能源消费结构与碳排放密切相关。目前，我国能源消费仍以煤炭、石油、天然气等化石能源为主。2024年，我国一次能源消费总量达59.7亿吨标准煤，非化石能源消费占一次能源消费总量比重首次超越石油，增至19.7%，但煤炭消费占比仍然较高。煤炭消费占能源消费比重与碳排放强度呈正相关关系，煤炭在燃烧过程中产生的二氧化碳排放量相对较高，其大量使用导致我国碳排放强度居高不下。虽然清洁能源如天然气、水电、风电、太阳能等的消费占比逐渐上升，但在短期内，化石能源仍将在我国能源消费结构中占据主导地位，这给我国的碳排放减排工作带来了较大压力。不同地区的碳排放存在明显差异。东部地区经济发达，工业活动频繁，能源消耗量大，碳排放总量相对较高。以长三角地区为例，该地区集中了大量的制造业企业，如钢铁、化工、纺织等行业，这些行业的生产过程需要消耗大量能源，导致碳排放总量较大。同时，东部地区人口密集，居民生活能源消费也对碳排放有一定贡献。中西部地区的碳排放总量相对较低，但随着经济的快速发展和承接产业转移，能源消费和碳排放呈现出增长趋势。例如，一些中西部城市在承接东部地区产业转移的过程中，引进了一些高能耗产业，如有色金属冶炼、建材等，导致当地能源消耗和碳排放增加。此外，东北地区由于传统重工业占比较大，能源结构以煤炭为主，碳排放强度也相对较高。4.3我国FDI与碳排放的关联分析通过对我国FDI规模与碳排放总量的数据初步分析，可以发现两者之间存在一定的相关性。在我国吸引FDI规模快速增长的阶段，碳排放总量也呈现出上升趋势。在20世纪90年代至21世纪初，我国吸引FDI进入跨越式发展阶段，FDI大量流入，与此同时，我国的经济规模迅速扩张，能源需求大幅增加，碳排放总量也随之快速上升。这在一定程度上反映了FDI通过规模效应，促进经济增长，进而增加了能源消耗和碳排放。从行业角度来看，FDI集中的制造业、能源行业等往往是高能耗、高排放行业。在制造业中，汽车制造、钢铁生产等行业的FDI投资项目，在扩大生产规模的过程中，需要消耗大量的能源，从而导致碳排放增加。在能源行业，FDI对煤炭、石油等化石能源领域的投资，也会间接影响碳排放。而FDI流入的一些新兴产业，如新能源、节能环保等，虽然占比相对较小，但这些产业的发展有助于降低碳排放，体现了FDI的技术效应和结构效应对碳排放的积极影响。从地区分布来看，东部地区作为FDI的主要流入地，也是碳排放的重点区域。东部地区凭借其优越的地理位置、完善的基础设施和丰富的人力资源，吸引了大量FDI，同时也集中了众多高能耗、高排放企业，导致该地区的碳排放总量较高。中西部地区在吸引FDI的过程中，虽然碳排放总量相对较低，但随着产业转移和经济发展，碳排放也呈现出上升趋势，需要关注FDI对当地碳排放的潜在影响。这些初步的关联分析为后续深入的实证研究奠定了基础，有助于进一步揭示FDI对我国碳排放的影响机制。五、FDI对我国碳排放影响的实证研究设计5.1研究假设基于前文对FDI对我国碳排放影响机制的理论分析，提出以下研究假设：假设1：FDI对我国碳排放存在规模效应。FDI的流入会促进我国经济规模的扩大，进而增加能源消耗，导致碳排放上升，即FDI与碳排放之间存在正相关关系。随着FDI的增加，企业生产规模扩张，对能源的需求也会相应增加，在当前以化石能源为主的能源结构下，碳排放也会随之增加。假设2：FDI对我国碳排放存在结构效应。FDI的产业分布会影响我国的产业结构，当FDI流向低能耗、低排放产业时，产业结构优化会使碳排放减少；当FDI流向高能耗、高排放产业时，产业结构的变化会导致碳排放增加。如果FDI更多地流入服务业和高新技术产业，这些产业的发展会推动产业结构向低碳化方向调整，从而降低碳排放；反之，如果FDI大量流入重化工业等传统高能耗产业，可能会加重碳排放。假设3：FDI对我国碳排放存在技术效应。FDI的技术溢出会促进我国技术进步，提高能源利用效率，降低碳排放，即FDI与碳排放之间存在负相关关系。外资企业带来的先进生产技术和管理经验，能够帮助我国企业提高能源利用效率，减少能源浪费，从而降低碳排放。假设4：FDI对我国不同地区碳排放的影响存在差异。由于我国不同地区在经济发展水平、产业结构、技术水平和环境规制等方面存在差异，FDI对各地区碳排放的规模效应、结构效应和技术效应也会有所不同。东部地区经济发达，技术水平高，FDI可能更多地通过技术效应和结构效应降低碳排放；中西部地区经济相对落后，产业结构以传统产业为主，FDI可能在短期内通过规模效应增加碳排放，但随着产业转移和技术引进，长期来看也可能对碳排放产生积极影响。5.2数据来源与处理本研究的数据主要来源于多个权威数据库和统计年鉴，以确保数据的可靠性和准确性。碳排放数据来自于国际能源署（IEA）的统计报告以及《中国能源统计年鉴》。其中，IEA的报告提供了全球范围内较为全面的碳排放数据，通过对我国相关能源消耗数据的核算，得出我国的碳排放总量。《中国能源统计年鉴》则详细记录了我国各地区的能源消费情况，包括各类能源的消费量、能源转换效率等信息，为碳排放的计算提供了重要依据。通过将能源消耗数据按照相应的碳排放系数进行换算，得到各地区的碳排放数据。FDI数据取自《中国统计年鉴》以及各省份的统计年鉴。《中国统计年鉴》汇总了全国各地区的FDI数据，包括实际利用外资额、外资企业数量等信息。各省份的统计年鉴则进一步细化了本地区FDI的具体情况，如FDI的来源地、行业分布等。通过对这些数据的整理和分析，可以获取不同地区、不同时间段的FDI数据。经济规模以地区生产总值（GDP）来衡量，数据来源于国家统计局和各省份的统计年鉴。国家统计局发布的年度数据提供了全国GDP的总体情况，各省份统计年鉴则详细记录了本地区的GDP数据。为了消除价格因素的影响，使用GDP平减指数将名义GDP换算为实际GDP。产业结构数据通过计算各地区第二产业增加值占GDP的比重来获取，数据同样来源于国家统计局和各省份的统计年鉴。通过分析各地区第二产业在GDP中的占比变化，可以了解产业结构的调整情况。技术水平以各地区的专利申请授权量作为代理变量，数据取自国家知识产权局网站和各省份的统计资料。专利申请授权量在一定程度上反映了地区的技术创新能力和技术水平。国家知识产权局网站提供了全国专利申请授权的总体数据，各省份的统计资料则对本地区的专利情况进行了详细记录。在数据处理阶段，首先对收集到的数据进行清洗，去除异常值和缺失值。对于存在缺失值的数据，采用均值插补、回归预测等方法进行填补。例如，对于某地区某一年份缺失的FDI数据，可以根据该地区前后年份的FDI数据以及其他相关变量，建立回归模型进行预测填补。对于异常值，通过3σ原则等方法进行识别和处理，如某地区某一年份的碳排放数据明显偏离其他年份和同地区其他年份的数据，经过核查发现是统计错误，则进行修正或剔除。然后，对所有数据进行标准化处理，使不同变量的数据具有可比性。采用Z-score标准化方法，将数据转换为均值为0、标准差为1的标准数据。具体计算公式为：Z=(X-μ)/σ，其中Z为标准化后的数据，X为原始数据，μ为数据的均值，σ为数据的标准差。5.3模型构建为了实证检验FDI对我国碳排放的影响，构建如下计量模型：CO_{2_{it}}=\alpha_{0}+\alpha_{1}FDI_{it}+\alpha_{2}GDP_{it}+\alpha_{3}STRU_{it}+\alpha_{4}TECH_{it}+\sum_{j=1}^{n}\beta_{j}Control_{j,it}+\mu_{it}其中，CO_{2_{it}}表示第i个地区在t时期的碳排放总量，作为被解释变量，衡量碳排放水平，通过前文所述的能源消耗数据和碳排放系数计算得出。FDI_{it}表示第i个地区在t时期的外商直接投资，是核心解释变量，采用各地区实际利用外资额来衡量，反映FDI的规模，其系数\alpha_{1}是关注的重点，预期在规模效应下为正，结构效应和技术效应下正负不确定。GDP_{it}代表第i个地区在t时期的地区生产总值，用于控制经济规模对碳排放的影响，采用实际GDP衡量，反映经济发展水平，根据经济增长与碳排放的关系，预期系数\alpha_{2}为正。STRU_{it}表示第i个地区在t时期的产业结构，以第二产业增加值占GDP的比重来衡量，反映产业结构状况，由于第二产业多为高能耗产业，预期系数\alpha_{3}为正。TECH_{it}代表第i个地区在t时期的技术水平，用专利申请授权量作为代理变量，反映技术创新能力，预期系数\alpha_{4}为负，即技术水平提高有助于降低碳排放。Control_{j,it}为控制变量，包括能源消费结构（以煤炭消费占能源消费总量的比重衡量）、人口规模（以各地区年末常住人口数衡量）等，\beta_{j}为控制变量的系数。能源消费结构会影响碳排放，煤炭消费占比高通常会导致碳排放增加，预期其系数为正；人口规模的增加可能会带来更多的能源需求和碳排放，预期其系数为正。\alpha_{0}为常数项，\mu_{it}为随机误差项，代表其他未观测到的影响碳排放的因素。该模型综合考虑了FDI、经济规模、产业结构、技术水平以及其他相关因素对碳排放的影响，能够较为全面地揭示FDI与我国碳排放之间的关系。通过对模型中各变量系数的估计和检验，可以验证前文提出的研究假设，分析FDI对我国碳排放的影响机制和程度。5.4研究方法选择本研究采用面板数据模型进行回归分析，主要原因在于面板数据模型能够同时利用横截面和时间序列两个维度的信息，控制个体异质性和时间趋势，提高估计的准确性和可靠性。在面板数据模型中，存在固定效应模型、随机效应模型和混合效应模型。首先进行Hausman检验，以确定选择固定效应模型还是随机效应模型。Hausman检验的原假设是个体效应与解释变量不相关，应采用随机效应模型；备择假设是个体效应与解释变量相关，应采用固定效应模型。如果Hausman检验的结果拒绝原假设，即p值小于设定的显著性水平（通常为0.05），则选择固定效应模型；如果接受原假设，则选择随机效应模型。固定效应模型能够控制个体的固定特征，如地区的地理位置、资源禀赋等不随时间变化的因素对碳排放的影响，更适合本研究中分析不同地区FDI对碳排放的影响。在回归过程中，为了确保估计结果的稳健性，采用聚类稳健标准误来处理可能存在的异方差和序列相关问题。聚类稳健标准误允许误差项在个体（地区）层面存在相关性，能够提供更加可靠的假设检验依据。此外，还进行了一系列稳健性检验，包括替换变量、改变样本区间等。替换变量方面，如用新产品销售收入代替专利申请授权量来衡量技术水平，重新估计模型，观察结果是否发生显著变化；改变样本区间，如缩短或延长研究的时间范围，再次进行回归分析，以检验结果的稳定性。通过这些稳健性检验，可以增强研究结果的可信度和说服力。六、FDI对我国碳排放影响的实证结果与分析6.1描述性统计分析对模型中涉及的所有变量进行描述性统计分析，结果如表1所示。从表中可以看出，碳排放（CO_{2}）的均值为[X]万吨，标准差为[X]万吨，表明各地区的碳排放水平存在较大差异。最大值达到[X]万吨，最小值仅为[X]万吨，进一步体现了地区间碳排放的不均衡性。这种差异可能与地区的经济发展水平、产业结构、能源消费结构等因素密切相关。例如，经济发达、工业集中的地区，往往能源消耗量大，碳排放也相应较高；而经济相对落后、以服务业为主的地区，碳排放则较低。FDI的均值为[X]亿元，标准差为[X]亿元，最大值和最小值之间的差距较大，说明我国各地区吸引FDI的规模存在显著差异。东部地区凭借其优越的地理位置、完善的基础设施和良好的投资环境，吸引了大量FDI，而中西部地区吸引的FDI相对较少。这也反映出我国在吸引外资方面存在区域不平衡的问题。经济规模（GDP）的均值为[X]亿元，标准差为[X]亿元，最大值和最小值相差悬殊，体现了我国各地区经济发展水平的巨大差距。产业结构（STRU）以第二产业增加值占GDP的比重衡量，均值为[X]%，标准差为[X]%，说明各地区的产业结构存在一定差异。一些地区以工业为主导产业，第二产业占比较高；而另一些地区则注重服务业和高新技术产业的发展，第二产业占比较低。技术水平（TECH）以专利申请授权量衡量，均值为[X]件，标准差为[X]件，最大值和最小值之间的差距明显，反映出我国各地区技术创新能力的不均衡。东部地区在技术创新方面具有优势，拥有较多的科研机构、高校和创新企业，专利申请授权量较高；而中西部地区的技术创新能力相对较弱，专利申请授权量较低。控制变量中，能源消费结构（以煤炭消费占能源消费总量的比重衡量）的均值为[X]%，标准差为[X]%，说明各地区的能源消费结构存在差异。一些地区对煤炭的依赖程度较高，能源消费结构相对单一；而另一些地区则注重清洁能源的开发和利用，能源消费结构较为多元化。人口规模（以各地区年末常住人口数衡量）的均值为[X]万人，标准差为[X]万人，最大值和最小值之间的差距较大，体现了我国各地区人口分布的不均衡。变量观测值均值标准差最小值最大值CO_{2}（万吨）[样本数量][X][X][X][X]FDI（亿元）[样本数量][X][X][X][X]GDP（亿元）[样本数量][X][X][X][X]STRU（%）[样本数量][X][X][X][X]TECH（件）[样本数量][X][X][X][X]能源消费结构（%）[样本数量][X][X][X][X]人口规模（万人）[样本数量][X][X][X][X]通过对各变量的描述性统计分析，可以初步了解数据的基本特征和分布情况，为后续的回归分析提供基础。同时，也揭示了我国各地区在碳排放、FDI、经济发展、产业结构、技术水平等方面存在的差异，这些差异可能会对FDI与碳排放之间的关系产生影响，在后续的研究中需要进一步考虑。6.2回归结果分析6.2.1全样本回归结果运用面板数据模型对全样本数据进行回归分析，结果如表2所示。从回归结果来看，FDI的系数为[X]，在[X]%的显著性水平下显著，表明FDI对我国碳排放存在显著影响。具体而言，FDI每增加1个单位，碳排放将增加[X]个单位，这初步验证了假设1中FDI对我国碳排放存在规模效应的观点。在我国，FDI的流入往往伴随着经济规模的扩张，企业生产规模的扩大需要消耗更多的能源，从而导致碳排放增加。经济规模（GDP）的系数为[X]，在[X]%的显著性水平下显著为正，说明经济增长对碳排放有显著的促进作用。随着我国经济的快速发展，能源需求不断增加，而目前我国的能源结构仍以化石能源为主，这必然导致碳排放的上升。产业结构（STRU）的系数为[X]，在[X]%的显著性水平下显著为正，表明第二产业占比越高，碳排放越多。第二产业多为高能耗、高排放产业，如钢铁、化工等行业，其在经济中的比重增加会导致能源消耗和碳排放的上升。技术水平（TECH）的系数为[X]，在[X]%的显著性水平下显著为负，说明技术进步对碳排放有显著的抑制作用。技术进步可以提高能源利用效率，促进低碳技术的研发和应用，从而减少能源消耗和碳排放。例如，新能源技术的发展使得太阳能、风能等清洁能源在能源结构中的比重逐渐增加，降低了对化石能源的依赖，进而减少了碳排放。控制变量中，能源消费结构（以煤炭消费占能源消费总量的比重衡量）的系数为[X]，在[X]%的显著性水平下显著为正，表明煤炭消费占比越高，碳排放越多。煤炭是一种高碳能源，其燃烧过程中会产生大量的二氧化碳，因此煤炭在能源消费结构中的占比直接影响着碳排放水平。人口规模（以各地区年末常住人口数衡量）的系数为[X]，在[X]%的显著性水平下显著为正，说明人口规模的增加会导致碳排放的上升。人口增长会带来更多的能源需求和消费，从而增加碳排放。变量CO_{2}FDI[X]^{***}（[X]）GDP[X]^{***}（[X]）STRU[X]^{***}（[X]）TECH[X]^{***}（[X]）能源消费结构[X]^{***}（[X]）人口规模[X]^{***}（[X]）cons[X]^{***}（[X]）观测值[样本数量]R^{2}[具体值]注：^{***}、^{**}、^{*}分别表示在1%、5%、10%的显著性水平下显著，括号内为聚类稳健标准误。总体而言，全样本回归结果表明，FDI对我国碳排放的影响主要通过规模效应体现，即FDI的流入促进了经济规模的扩大，进而增加了碳排放。虽然技术效应和结构效应也在一定程度上发挥作用，但规模效应的影响更为显著。这也提示我们，在制定相关政策时，需要充分考虑FDI的规模效应，引导FDI流向低能耗、低排放的产业和领域，以降低其对碳排放的负面影响。同时，要加大技术创新投入，提高能源利用效率，优化产业结构，促进经济的绿色可持续发展。6.2.2分地区回归结果为了进一步分析FDI对我国不同地区碳排放的影响差异，将样本分为东部、中部和西部三个地区，分别进行回归分析，结果如表3所示。在东部地区，FDI的系数为[X]，在[X]%的显著性水平下显著为正，说明FDI对东部地区的碳排放有显著的促进作用。这可能是因为东部地区经济发达，FDI流入规模较大，虽然技术水平较高，但由于经济规模扩张带来的能源需求增长超过了技术进步和产业结构优化带来的减排效应，导致碳排放增加。例如，东部地区的一些制造业企业，在吸引FDI扩大生产规模的同时，未能及时进行技术升级和产业转型，使得能源消耗和碳排放上升。在中部地区，FDI的系数为[X]，在[X]%的显著性水平下不显著，说明FDI对中部地区的碳排放影响不明显。中部地区正处于经济快速发展阶段，FDI的流入一方面带来了经济增长和能源需求的增加，另一方面也促进了产业结构的调整和技术水平的提升，这两种效应相互抵消，使得FDI对碳排放的影响不显著。例如，一些中部城市在承接东部地区产业转移的过程中，既引进了一些高能耗产业，也吸引了部分高新技术产业，产业结构处于调整和优化阶段，导致FDI对碳排放的影响较为复杂。在西部地区，FDI的系数为[X]，在[X]%的显著性水平下显著为负，说明FDI对西部地区的碳排放有显著的抑制作用。西部地区经济相对落后，FDI的流入带来了先进的技术和管理经验，促进了产业结构的优化升级，提高了能源利用效率，从而减少了碳排放。例如，一些西部地区在吸引FDI时，注重发展新能源、节能环保等产业，这些产业的发展不仅带动了当地经济增长，还降低了碳排放。变量东部地区CO_{2}中部地区CO_{2}西部地区CO_{2}FDI[X]^{***}（[X]）[X]（[X]）[X]^{***}（[X]）GDP[X]^{***}（[X]）[X]^{***}（[X]）[X]^{***}（[X]）STRU[X]^{***}（[X]）[X]^{***}（[X]）[X]^{***}（[X]）TECH[X]^{***}（[X]）[X]^{***}（[X]）[X]^{***}（[X]）能源消费结构[X]^{***}（[X]）[X]^{***}（[X]）[X]^{***}（[X]）人口规模[X]^{***}（[X]）[X]^{***}（[X]）[X]^{***}（[X]）cons[X]^{***}（[X]）[X]^{***}（[X]）[X]^{***}（[X]）观测值[东部样本数量][中部样本数量][西部样本数量]R^{2}[东部具体值][中部具体值][西部具体值]注：^{***}、^{**}、^{*}分别表示在1%、5%、10%的显著性水平下显著，括号内为聚类稳健标准误。分地区回归结果验证了假设4，即FDI对我国不同地区碳排放的影响存在差异。这种差异主要是由于不同地区在经济发展水平、产业结构、技术水平和环境规制等方面存在差异所导致的。东部地区应进一步加强技术创新和产业升级，提高能源利用效率，降低FDI对碳排放的负面影响；中部地区应在承接产业转移的过程中，注重优化产业结构，引导FDI流向低碳产业；西部地区应继续发挥FDI的技术溢出效应和结构优化效应，推动经济绿色发展。同时，政府应根据各地区的实际情况，制定差异化的政策，促进FDI与碳排放减排的协调发展。6.3稳健性检验为了检验回归结果的可靠性，采用多种方法进行稳健性检验。首先，替换变量。用新产品销售收入代替专利申请授权量来衡量技术水平（TECH），重新对全样本和分地区进行回归分析。新产品销售收入能够反映企业在技术创新方面的实际成果和市场应用情况，是衡量技术水平的一个重要指标。回归结果如表4所示。|变量|全样本|CO_{2}|东部地区|CO_{2}|中部地区|CO_{2}|西部地区|CO_{2}||----|----|----|----|----|----|----||FDI|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]（[X]）|\([X]^{***}（[X]）||GDP|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）||STRU|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）||替换后的TECH|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）||能源消费结构|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）||人口规模|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）||cons|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）||观测值|[样本数量]|[东部样本数量]|[中部样本数量]|[西部样本数量]||R^{2}|[具体值]|[东部具体值]|[中部具体值]|[西部具体值]|注：^{***}、^{**}、^{*}分别表示在1%、5%、10%的显著性水平下显著，括号内为聚类稳健标准误。从表4可以看出，替换变量后，FDI、GDP、STRU等变量的系数符号和显著性水平与原回归结果基本一致。FDI对全样本碳排放的影响仍然显著为正，对东部地区碳排放的促进作用依然显著，对中部地区碳排放的影响不显著，对西部地区碳排放的抑制作用也显著。这表明技术水平衡量指标的替换并没有改变FDI与碳排放之间的关系，回归结果具有一定的稳健性。其次，改变样本区间。将样本区间缩短为2010-2020年，重新进行回归分析。选择这一时间段是因为近年来我国在经济结构调整、技术创新和环境政策等方面发生了较大变化，缩短样本区间可以更准确地反映这些变化对FDI与碳排放关系的影响。回归结果如表5所示。|变量|全样本|CO_{2}|东部地区|CO_{2}|中部地区|CO_{2}|西部地区|CO_{2}||----|----|----|----|----|----|----||FDI|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]（[X]）|\([X]^{***}（[X]）||GDP|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）||STRU|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）||TECH|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{***}（[X]）|[X]^{