2022年5月20日，北京大学经济学院“人口、资源与环境经济学”专业第三届博士生论坛通过线上线下相结合的形式顺利举办。“人口、资源与环境经济学”专业共有8位博士生在本次论坛中作学术报告。本文梳理了他们的主要观点（上篇），与读者分享。
2017级博士生吴瀚然：中国对 “一带一路”沿线国家的直接投资效率与潜力研究-兼论投资区位的选择
投资区位选择是OFDI相关研究中的核心问题。我国在经历了对“一带一路”沿线国家OFDI高速增长、总量持续做大的阶段后，首要任务是持续挖掘投资的潜力，优化投资的区域格局，引导我国资本更好地走出去，这要求科学、合理、有效、具体的投资区位选择。吴瀚然认为，投资区位选择一方面要立足于历史投资状况，充分考虑投资效率，较高的投资效率表明历史投资的效果较好；另一方面要兼顾未来的投资机会与投资可能，充分考虑投资潜力，较高的投资潜力表明东道国未来更利于吸收投资从而收获良好的投资效果。综合来看，投资区位选择不能将历史状况与未来可能割裂开来，只关注投资效率会局限于原先的投资格局，难以挖掘未来的增长；只关注投资潜力则是空中楼阁，忽略了已有的投资基础，好的投资区位选择应当充分将两者相结合。
鉴于此，吴瀚然基于发展中国家对外投资理论，在对投资效率、投资潜力和投资区位选择的文献梳理基础上，分别构建随机前沿投资引力模型和投资潜力主成分综合评价体系，对“一带一路”沿线55个国家的投资效率和投资潜力进行了测算与评价，通过两者的组合将沿线国家划分为“效率高潜力高、效率高潜力低、潜力高效率低、潜力低效率低”四种类型，在组合分析的基础上得出了优先投资“效率高潜力高”国家、“效率低潜力高”国家的投资区位选择方向，实现了具体到国别的投资区位选择。最后，从准确定位投资区位与投资类型、系统加强投资风险控制两方面对优化我国对外直接投资分布结构、引导我国资本更好地“走出去”提出有现实意义的政策建议。
研究结论表明，中国对55个“一带一路”沿线国家的直接投资效率呈“金字塔”状分布，极其不均匀，大量国家处于“金字塔”的底部，投资效率整体水平偏低；中国对55个“一带一路”沿线国家的直接投资潜力分布较均匀，每个数值区间均有一定数量的国家分布，各国未来的投资潜力之间存在较大的差异性；综合考虑投资效率与投资潜力进行未来投资区位的选择，从区域上细述是：东南亚地区的新加坡、泰国、马来西亚、印度尼西亚、文莱、越南；南亚地区的印度；蒙俄地区的俄罗斯；中东欧地区的爱沙尼亚、波兰、捷克；中东西亚地区的阿联酋、沙特阿拉伯、卡塔尔、科威特、巴林、土耳其、阿曼、以色列。基于以上结论，吴瀚然提出准确定位投资区域与投资类型、系统强化投资风险控制等富有针对性的政策建议。
最后，评委老师对吴瀚然的论文进行了点评：刘培林老师指出应当进一步厘清投资效率的概念，在投资存量指标处理时剔除规模因素；张志祥老师建议在实证框架中纳入对俄乌冲突系统性影响的考虑；徐朝阳老师指出要注意投资期潜力与投资效率之间的信息交叠问题；毛捷老师指出应在计量方程设置中体现更多“一带一路”沿线国家的特殊性。吴瀚然对老师们的点评表示感谢并将对论文进一步改进提升。
2017级博士生王晶：公共服务与城市人力资本——基于异质性劳动力迁移的视角
通过对人口普查数据的计算，文章发现城市之间人力资本结构存在显著差异、城市人力资本的变化与初始人力资本技能结构存在正向关联。考虑技能人口迁移的不同特点，研究尝试从不同技能劳动者的迁移视角为这一现象提供一个合理的解释。
首先，在系统梳理了人口流动影响因素的相关文献的基础上，王晶提出文章的主要研究假说。文章对城市公共服务水平的分项指标、计算方法以及数据来源作出细致的说明。之后，文章采用双对数回归模型的实证估计策略，并采用两阶段最小二乘方法对估计结果的内生性进行处理。文章使用的数据主要是2013年国家卫生计生委组织调查实施的流动人口动态监测数据（A卷部分）以及2012年至2014年的城市统计年鉴，辅助分析时使用了第五次人口普查和第六次人口普查关于受教育程度的分县数据。研究结果表明，工资、收入等经济因素和公共服务水平显著影响劳动者的迁入数量，具体来看：低技能劳动者对经济因素更加敏感，高技能劳动者则对城市的公共服务水平更加敏感。这一结论验证了前文的假说。基于这一结果，该文章认为，上述机制是高低技能比例较高的城市将在后续发展中经历更大的人力资本技能比例提升的一个重要环节。随后，采用分组回归方法，详细探究公共服务等影响因素在资源型城市与非资源型城市中的异质表现。最后，基于已有研究结论，实证验证了不同技能水平流动人口的迁移选择差异是造成城市的人力资本分化的重要一环，并提出提高资源型城市人力资本的政策建议。
报告过程中，与会评委老师与王晶进行了充分的交流，并且就选题角度、研究设计和数据选取进行了讨论。张鹏飞老师提出不同技能劳动者寻找工作的难度正随着经济发展发生转变这一影响，建议将低技能者数量下降反而使得其找工作相对容易这一情况考虑进来。刘培林老师也提出，不同地区找工作的难易程度差异可能会对研究结论造成一定影响。张志祥老师则建议进一步考虑公共服务在地区之间的可获得性及覆盖面的差异。毛捷老师和尤炜老师就实证模型的设计、内生性问题的处理等提出建议，人口推拉理论既强调迁入城市的拉力、也注重迁出城市的推力。文章下一步还应尝试将人口迁出地的影响因素纳入回归方程，构建人口流动的引力模型。
2017级博士生王帅：需求侧视角下中国隐含能源消费量及强度的影响因素
目前，中国已成为世界第一大能源消费国，能源消费总量仍在不断增加，且与世界其他国家进行对比，中国的能源强度仍然偏高。为了控制能源消费总量，提高能源综合利用效率，实现节能减排，中国对能源消费总量和能源强度实施了双重目标控制。隐含能源（embodied energy）是指为了得到某种产品或服务从而在整个生产链中直接与间接消耗的全部能源，并且这种能源消耗是“看不见的”。从需求角度来看，中国各类最终需求的隐含能源消费及其强度如何？影响中国能源消费总量与能源强度的因素有哪些？各类最终需求和各行业在其中起到怎样的作用？探讨这些问题有助于全面了解能源消费总量和能源强度的构成、变化与影响因素，是实现能耗与强度“双控”目标、制定有效能源政策的基础。论文基于最终需求视角，使用可比价非竞争性投入产出模型测算了2012、2015和2017年中国五类最终需求的隐含能源消费与隐含能源强度，分别使用结构分解分析（SDA）的加法形式和乘法形式对样本期间内中国能源消费总量和能源强度变动的影响因素进行分解，得到全国层面的能源效率效应、增加值率效应、生产结构效应和最终需求效应，然后构建双层归因分析模型，将全国层面各分解效应归因至各类最终需求层面和各类最终需求各行业层面，并针对求解过程中可能存在的零值与负值问题给出了两种处理方法。
研究表明，因满足资本形成需求所消耗的能源占中国能源消费总量的46%左右，在行业层面，建筑业是构成资本形成隐含能源消费并推动其大幅增长的主导行业，加法SDA归因分析结果进一步表明这是建筑业资本形成需求的快速增加导致的。与消费不同，资本形成和出口的隐含能源强度高于全国能源强度，因此驱动了以过度消耗能源为代价的“粗放式”经济增长模式，但在样本期间内呈下降趋势，在一定程度上降低了全国能源强度。乘法SDA归因分析结果显示能源效率变动和生产结构变动是促进全国能源强度下降的主要影响因素，其中重制造业和建筑业的贡献较大。
报告过程中，评委老师与王帅进行了充分的交流与讨论。毛捷老师和刘培林老师建议论文中考虑价格信号和市场扭曲等因素对结论的影响，尤炜老师建议补充论文结论与已有文献的对比，徐朝阳老师建议进一步强化政策启示。
2017级博士生郑梦圆：中国碳市场与企业经营性绿色低碳行为
碳排放权交易市场是中国“双碳”建设的重要发展领域。完善碳排放权交易市场制度，以市场化手段控制碳排放额度，成为中国实现“碳达峰”、“碳中和”目标的重要举措。企业作为碳市场的直接作用主体，是减排目标实现的微观主体。碳市场对企业绿色低碳行为的影响，有待于进一步探究。
郑梦圆以碳市场试点为政策冲击，收集了8个地方碳市场历年纳入的企业名单信息，与上市公司数据进行匹配，采用多期DID方法实证检验，分析了企业纳入碳市场后，经营性绿色低碳行为发生的变化。文章将经营性行为分为“绿色创新”和“产出控制”两类，探究了碳市场实施后，企业将采取何种经营性绿色低碳行为，如何在两类行为之间进行选择，以及不同的经营性绿色低碳行为是否能够实现碳减排目标，区分了两类经营性行为在碳市场与地区碳排放间产生的中介效应。
研究结果显示，企业被纳入碳排放权市场后，会同时实施“绿色创新”和“产出控制”两类经营性低碳行为，以期通过上述路径，降低碳减排成本。企业将在“绿色创新”与“产出控制”两类行为间进行选择，当企业盈利能力较弱、股利分配金额较低时，企业受到的外部变革压力较大，企业将更偏向进行“绿色创新”。企业产出控制可直接降低碳排放量，在碳市场与碳排放之间发挥中介作用；绿色创新的减排效果在短期内不明显，或将在中长期内得以体现。
报告完毕后，评委老师进行了指导与点评。毛捷老师指出，论文内容较为规范，但在进行平行趋势检验时，平行趋势图对“政策实施前时间点”的标注并未按照时间顺序展示，需要进一步确认修改；同时，多期DID检验中，可能存在赋权重问题，可参考最新文献的研究成果进行改进。徐朝阳老师指出，地方碳市场实施后，各省市地方市场建设情况，是否会影响其获得全国碳市场建设的主导权，是否可考虑地方政府竞争行为对检验结果的影响。刘培林老师指出，“问题的提出”中展示的特征事实图显示，2013年碳排放交易市场启动前一两年，试点省份的碳排放量已出现一定下降，是否是因为碳市场试点的政策在2013年之前已经出台。尤炜老师表示，文章做的很规范，每年纳入碳市场的企业不尽相同，可能出现纳入碳市场后，又退出碳市场的现象，此时，检验所用数据为非平衡面板，可考虑退出率对回归结果的影响。张志祥老师表示，文章主题很有意思，针对文章样本，是否包括非上市公司？碳排放数据为所在地区全部碳排放，后续可对排放量数据进行一定处理，以更为精确地衡量上市公司的碳排放量。郑梦圆非常感谢老师们的指导意见，对各位老师的问题依次进行了回复。
