低碳城市建设促进了地方绿色发展吗？——来自准自然实验的经验证据

臧传琴 孙 鹏

(山东财经大学 经济学院，山东 济南 250014)

一、引言及相关文献评述

随着工业化和城镇化的不断推进，资源消耗量持续增加，环境污染日趋严重，中国可持续发展面临的资源环境约束问题已无法回避。在2015年的巴黎气候变化大会上，中国政府在《巴黎协定》框架下明确提出了“双约束”目标：争取在2030年碳排放总量达到峰值，并且努力提前达到峰值；2030年单位GDP碳排放比2005年降低60%～65%。然而，截至2019年，碳排放系数较高的煤炭在全球能源消费总量中的比例已经下降到27%(1)数据来源：《BP世界能源统计年鉴2020》。，而中国仍然高达57.7%(2)数据来源：《中国能源发展报告2020》。。在国际能源署发布的《全球碳排放报告2019》中，2019年世界碳排放总量为331亿吨，中国碳排放量高达100亿吨，约占世界碳排放总量的1/3。在此背景下，实现低碳、绿色、高效发展成为中国的一项必然而又紧迫的任务。中共十九大报告明确提出，要建立健全绿色循环低碳发展的经济体系。习近平总书记更是在2018年的全国生态环境保护大会上强调，绿色发展是建设高质量现代化经济体系的必然要求，是解决污染问题的根本之策。

鉴于此，国家发改委从2010年开始，先后分三个批次推行了“国家低碳城市试点”(以下简称“低碳试点”)政策，以期减少二氧化碳等污染物排放，推进经济的绿色、高效发展。那么，低碳试点的效果如何？是否实现了预期的环境和经济目标？其作用机理又是如何的呢？这将是本文研究的重点。

要对低碳试点的政策效应进行评估，先要确定科学合理的评价指标体系。有学者认为，评价低碳城市建设效果的核心指标需要从城市的产出、能耗、资源禀赋等多个方面进行综合考量。其中，有些能够被直接观察到的指标可以通过官方统计数据获得，而有些指标则需要通过层次分析法、主成分分析法、模糊集合论或者借助专家打分法获得(庄贵阳 等，2011a；Tang et al.，2012；Jia et al.，2012)。总体来看，已有的低碳城市建设评价指标体系主要有以下三类：第一类是可持续发展理念为先导，以城市低碳发展水平依据构建的评价指标体系(付允 等，2010；刘竹 等，2011；丁丁 等，2015)；第二类是从城市碳排放部门入手，构建了低碳城市建设评价体系(楚春礼 等，2011)；第三类是由中国社会科学院建立的低碳经济综合评价指标体系(庄贵阳 等，2011b；周枕戈 等，2018；庄贵阳，2020)。利用不同的评价指标体系，学者们对某个或多个城市的低碳城市发展阶段进行了评估(宋祺佼 等，2015；Wang et al.，2015；Shen et al.，2018)，认为低碳城市建设对二氧化碳减排起到明显的积极作用，但是相关的试点政策仍需完善。

为了更加精准地估计出政策效应，有些学者利用双重差分方法对低碳试点政策进行了评估。研究发现，低碳城市建设不仅降低了二氧化碳排放量(张华，2020)，提升了二氧化碳排放效率(Yu et al.，2021)，还改善了空气污染指标(宋弘 等，2019)；同时，间接促进了试点城市的产业结构升级(逯进 等，2020)，增加了企业的绿色技术创新活动(徐佳 等，2020)，政策效果较为理想。

另外，有些学者从更高、更全面的层次分析了环境规制试点政策对绿色全要素生产率的影响，发现政策效果因环境规制方式的不同而有所差异。在命令控制型环境规制方式下，两控区政策的实施显著抑制了中国城市绿色全要素生产率的提升(李卫兵 等，2019)；在市场激励型环境规制方式下，排污权交易制度能够显著降低城市单位生产总值能耗，提高绿色全要素能源效率(史丹 等，2020)；中国碳交易政策在促进试点省份碳排放下降的同时，也促进了地方绿色发展(任亚运 等，2019)。

综上，既有文献大多为相关性分析，主要描述了低碳试点引入后各环境指标的变化。另外，城市温室气体核算清单尚未正式建立，无量纲的综合评价指数可能存在测量误差问题，特别是针对城市层面的案例研究缺乏一定的外部有效性，无法为低碳试点的进一步推广提供充分准确的经验证据。故上述方法并不能够准确获得低碳城市建设的因果效应。而利用双重差分方法对低碳试点的政策效果进行评估的文献中，绝大多数学者仅使用了单一的评价指标，存在指标体系不够完整、客观性不足等问题，个别学者虽然使用了相对综合性指标——绿色全要素生产率来衡量低碳试点的政策效应，但仅使用了第二批次试点城市为样本，未覆盖另外两个批次的试点城市(Cheng et al.，2019)，得出的结论同样存在综合性与客观性不足的问题。

为了更加全面地评估低碳城市建设的效果，精准地捕获由此引发的绿色全要素生产率变动趋势，本文以2010年和2012年分批推行的低碳试点为研究对象，构建“准自然实验”(3)目前，中国先后于2010年、2012年和 2017年分三个批次推行了低碳城市建设试点。考虑到样本的一致性(第三批低碳试点部分为区县层面)，本文未将第三批低碳试点纳入研究范畴。同时，为了确保前两批低碳试点的政策效应不受到第三批试点干扰，本文将样本区间限定在2007—2016年。，在控制时间固定效应和地区固定效应的基础上，利用渐进型双重差分方法来缓解遗漏变量偏误和测量误差对估计结果的有偏问题。特别地，上述两个批次的低碳试点分别为“自上而下”的“指定”模式和“自下而上”的“申报+遴选”模式，低碳试点的非随机性不可避免地会对估计结果产生影响，为此我们将采用“控制时间线性趋势”缓解估计偏差。

本文的边际贡献为：(1)利用双重差分方法和一系列稳健性检验，较好地处理了内生性问题，使得估计结果更加客观；(2)综合考察了前两个批次的低碳试点效应，纳入了第一批次低碳试点“自上而下”的“指定”模式和第二批次低碳试点“自下而上”的“申报+遴选”模式，结论更为全面客观；(3)在机制分析中，从产业结构高级化和合理化考察低碳城市建设的产业结构优化效应及其对绿色发展的影响；从城市创新力指数和绿色发明数量测度低碳城市建设的技术创新效应，弥补了现有文献仅选取城市创新力指数的缺憾。

二、研究背景

为实现绿色发展“再三步走”战略，2010年7月国家发改委开展了首批低碳试点。第一批低碳试点为“自上而下”的“指定”模式，即要求试点地区制定绿色低碳发展的配套政策，编制低碳试点的发展规划，加快建立以低碳排放为特征的产业体系，建立温室气体排放数据统计和管理体系，积极倡导绿色低碳消费模式和生活方式。第一批次的低碳试点成效较为显著，表现为：大部分城市的二氧化碳排放强度、化石能源消费和煤炭消费总量下降，产业结构得到优化，对促进地方绿色发展具有一定积极作用。

在总结第一批低碳试点工作经验的基础上，2012年11月国家发改委采取“自下而上”的“申报+遴选”模式，又确定了29个低碳试点地区，第二批试点提出了碳排放峰值和路线图，带动第一批试点城市也提出了相应的目标(4)2010—2019年间，大多数低碳试点城市提出要早于2030年达到中国政府承诺的2035年碳排放峰值。其中，59个试点城市将目标定在2035年之前，更有16个试点城市将目标定在2020年。许多非试点地区也在积极研究提前实现碳排放峰值的路径，这对于中国在2035年前实现碳排放峰值的目标、实现绿色发展具有重大意义。，形成了产业结构转型、资源结构优化、技术创新进步、生活方式转变的倒逼机制。第二批低碳试点城市依据自身发展阶段、资源禀赋差异和政策执行力度，探索适合地方实际情况的绿色低碳发展道路，为其它地区提供了可推广、可复制的经验。

为了更进一步推进低碳绿色发展，2017年1月，国家发改委开展了第三批低碳试点工作。该批次低碳试点共纳入了45个城市(主要是区、县)，且推进力度有所加大，主要表现为：在前两批低碳试点的基础上，建立了控制温室气体排放目标考核制度，制定了本地区碳排放指标分解和考核办法，对各考核责任主体的减排任务完成情况开展跟踪评估和考核；同时，鼓励试点城市结合本地实际积极探索制度创新，按照低碳理念规划建设基础设施，制定出台促进低碳发展的产业政策、财税政策和技术发展推广政策，从而为全国绿色发展、低碳发展提供示范带头作用。

但同时，低碳试点具有一定“弱激励”和“弱约束”特征(庄贵阳，2020)。一方面，试点城市没有将二氧化碳排放强度等指标纳入经济社会发展综合评价体系和干部政绩考核体系，故难以有效将低碳发展的目标责任转化为切实的工作压力，地方政府可能仍以粗放式的经济增长方式作为地区发展模式，这表现为低碳试点的“弱约束”特征。另一方面，试点城市在资金、政策、法规和标准等方面的支撑和保障还存在不足，中央政府尚未建立针对低碳试点的资金支持渠道，相关财税、金融、价格等配套措施缺乏有力保障，因此“中央请客，地方埋单”模式使得地方积极主动性会受到一定影响，这又表现为低碳试点的“弱激励”特征。因此，低碳试点的“弱激励”和“弱约束”特征又对低碳城市建设能否有效促进地方绿色发展构成了一定挑战，其能否促进地方绿色发展是一个有待检验的问题。

三、理论分析与研究假设

(一)低碳城市建设对地方绿色发展的影响机制分析

首先，低碳城市建设将促进产业结构的调整，进而影响地方绿色发展。低碳城市建设将在很大程度上促进产业结构的优化。低碳城市建设客观上会改变传统的高投入、高污染、低效率的生产方式，而转向绿色、清洁、高效的生产方式，从而实现高能耗、重污染产业的“低碳化”发展，在经济效率提高、产业转型升级的过程中产业结构逐渐趋于高级化(禄进 等，2020)。随着产业结构的高级化，低效率的高污染产业逐渐被高效率的低污染、无污染的新型低碳产业所取代，使得经济社会的发展日趋“绿化”(韩永辉 等，2015)。与此同时，第三产业、清洁型服务业在国民经济中的比重会逐渐提高，这不仅会切实改变目前产业结构不合理的状态，而且环境状况将会得以改善，人与自然的关系将会更加和谐(史丹，2018；陈启斐 等，2020)。因此，在低碳城市建设过程中，将会逐渐形成 “产城融合”的低碳发展模式，实现产业结构优化与城市高质量发展的良性互助，从而更好地促进地方绿色发展。

其次，低碳城市建设将促进技术创新，进而影响地方绿色发展。技术创新是实现绿色发展的根本和关键，而低碳城市建设将在很大程度上促进技术创新。发展低碳经济需要进行事前环境规制，如政府将地区碳排放指标分解到企业、通过持续跟踪评估和考核企业减排任务完成情况等命令控制型环境规制工具对企业高碳行为进行环境约束，企业本着“谁污染谁付费”的原则为自己的污染行为“埋单”(王杰 等，2014；盛丹 等，2019)。同时，试点城市政府也通过推出各种绿色金融政策、提高碳排放补贴等市场型环境规制工具，以降低企业创新的成本，进而诱发企业绿色技术创新(徐佳 等，2020)。除此之外，政府通过倡导绿色低碳消费模式和生活方式，提高了公众的环保意识和参与环保治理的积极性，引导企业进行绿色技术创新，生产更多环境友好型产品(潘翻番 等，2020)。因此低碳城市建设通过诱发、引导企业绿色技术创新，从根本上减少污染物排放，提高经济效率(Porter et al.，1995)，推动地方实现绿色发展。

(二)低碳城市建设对地方绿色发展影响的异质性分析

首先，低碳城市建设的效果可能会因城市固有属性的不同而有所差异。譬如，相对于资源枯竭型城市，其它城市的经济基础较为雄厚，并且拥有更为丰富的人力资本和较高的技术水平，加之人们的环保意识较强，政府环境规制强度相对较高，因此低碳城市建设的效果可能更为显著。但是，资源枯竭型城市(5)一般将资源枯竭型城市定义为累计采出储量已达当初测定总量之70%以上或以当前技术水平及开采能力仅能维持开采时间五年的城市。是依托自然资源兴建或发展起来的，长期以来作为沿海地区、其它大型工业城市和发达地区的“锅炉房”，掠夺式的开发会导致其走向不可持续发展的道路(王树义 等，2012)。而在资源枯竭型城市试图转型过程中，囿于产业结构的低端锁定、主导产业枯竭而接续产业尚未建立的现实局面，税收锐减带来的政府财力亏空与社会保障和生态建设支出猛增形成鲜明对比，在多重压力下政府入不敷出甚至债台高筑，从而造成了资源枯竭型城市的低碳转型过程充满坎坷，绿色发展效应不容乐观。

其次，低碳城市建设的效果也可能会因地理区域的不同而存在差异。中部、西部地区长期依托自然资源开采形成的粗放型增长模式，使得这些地区容易陷入“资源诅咒”陷阱(王嘉懿 等，2018；邵帅 等，2008；黄悦 等，2015)，表现为资源消耗多、经济增长效率较低、污染严重。类似的情况是，在沿海地区的产业升级、转移以及与中西部地区的产业承接过程中，相对落后的中西部地区很容易成为“污染避难所”，尽管产业转移在一定程度上促进了中西部地区的经济增长，但却使其环境污染愈加严重(林伯强 等，2014)。除此之外，现行官员晋升考核中GDP仍为核心指标，中西部地区在发展过程中不可避免地会选择牺牲生态和环境的发展模式，低碳城市建设无疑会增加地方生态环境保护的成本。在这种情况下，以“弱激励”和“弱约束”为特征的低碳城市建设尚不能改变中西部地区落入“资源诅咒”陷阱和“污染避难所”的困境，因此低碳试点的绿色发展效应有限。相反，经济发展水平相对较高的东部沿海地区，由于产业结构调整升级、能源结构优化、生产技术提高、政府环境规制强度提升，经济发展过程中产生的废弃物排放较少，废弃物再利用程度较高，环境污染水平相对较低，在此基础上展开的低碳城市建设的效果将会比较理想。

鉴于上述分析，本文提出以下三个假设：

假设1：低碳城市建设能够推动产业结构优化，进而促进地方绿色发展。

假设2：低碳城市建设能够促进技术创新，进而对地方绿色发展产生积极影响。

假设3：低碳城市建设的绿色发展效应会因为城市类型、城市所在地区的不同而有所差异。

四、模型构建与变量设定

(一)模型构建

为了更好地处理内生性问题，本文采用双重差分的识别方式。其中，双重差分来自城市和年份层面，对比的是低碳试点城市和非试点城市绿色全要素生产率在试点前后的差异。在模型构建上，参考Cheng et al.(2019)、宋弘等(2019)和张华(2020)等的研究思路，采用渐进型双重差分法对该因果关系进行识别：.

GTFPit=α+βLCPit+φXit+ηi+λt+εit

(1)

式(1)中，GTFP表示绿色全要素生产率；i和t分别代表城市和年份；LCP代表低碳城市试点的状态；X为一组控制变量；α为截距项；β和φ为待估系数；η和λ分别代表城市固定效应和年份固定效应；ε表示随机误差项，并聚类到城市层面。

(二)变量设定

1.被解释变量：绿色全要素生产率(GTFP)

借鉴大多数学者的做法，本文用同时包含期望产出与非期望产出的绿色全要素生产率表示绿色发展。能源和环境不仅是经济发展动力的重要组成部分，同时也是经济发展的刚性约束条件。因此，本文在使用全要素生产率考察经济绩效时，除考虑传统的资本和劳动投入外，还将能源投入和非期望产出纳入估算过程，即用绿色全要素生产率来拟合中国近年来工业结构转型、经济愈加“绿化”的发展趋势。以下我们将利用DEA方法对绿色全要素生产率进行测度。通过比较常用的三种测度绿色全要素生产率的方法——GMLPI(Global MLPI)(Oh，2010)、SMLPI(Sequential MLPI)(Oh et al.，2010)、BMLPI(Biennial MLPI)(王兵 等，2013)可知，鉴于GMLPI方法的应用更具广泛性，本文将其作为核心被解释变量，同时把SMLPI方法和BMLPI方法纳入基准回归中，以作为基准结论的对照和印证。

2.核心解释变量：低碳试点(LCP)

本文的核心解释变量为低碳试点，我们将其定义为：某城市实施低碳试点的当年及之后的年份取值为1，否则为0。根据前面的阐述，本文的样本包括前两个批次的试点方案，考虑到两批低碳试点所涉及的城市存在交叉的情况，参考宋弘等(2019)的做法，若第一批试点(2010年)城市也出现在第二批试点(2012年)的省份中，则将该城市开始低碳试点的年份设定为2010年；同时，考虑到实施第二批低碳试点时政府文件下达接近2012年末，并且各申报城市还需将完善后的方案再次上报，因此本文将2013年设定为第二批低碳试点开始实施的年份。低碳试点城市的数据来自国家发改委网站。

3.控制变量

为了控制住影响低碳试点状态和地方绿色发展的因素，参照宋弘等(2019)、张华(2020)、逯进等(2020)的研究，引入如下控制变量：第二产业比重(第二产业产值/GDP)、金融贷款余额占比(金融机构贷款余额/GDP)、科技支出占比(科技支出/财政总支出)、外商投资占比(FDI/GDP)、财政分权(人均地市财政支出/(人均地级市财政支出+人均省份财政支出+人均中央财政支出))、人均收入及其平方项、从业人员数量、人口密度、客运总量、货运总量、公交车数量、人均绿地面积。控制变量的相关数据均来自历年《中国城市统计年鉴》，经济货币类变量均以2004年为基期进行价格平减。

变量的描述性统计见表1。

表1 变量的描述性统计

五、实证结果与稳健性分析

(一)实证结果

1.基准回归

表2列出了低碳城市建设对绿色全要素生产率影响的基准回归结果。其中，第(1)列为未加入控制变量的GMLPI估计结果，第(2)、(3)和(4)列分别为加入控制变量后的GMLPI、SMLPI和BMLPI估计结果。可以发现，基于不同方式测度GTFP的条件下，核心解释变量——低碳试点估计系数的方向一致，且系数值和显著性仅有细微差异。而加入控制变量后，GMLPI的估计系数和显著性均得到提升，显著性从10%提升至5%，系数从0.014增加到0.019，与SMLPI、BMLPI的估计结果0.023、0.021较为接近，说明控制变量的加入是有效的，在一定程度上缓解了遗漏变量偏误问题。这表明，在控制城市固定效应、时间固定效应以及控制变量后，低碳城市建设能够显著促进地方绿色发展。

关于低碳城市建设估计系数的经济含义，以表2第(2)列为例，在给定其他条件不变的情况下，相对于非试点城市，低碳城市建设能够提高试点城市绿色全要素增长率约1.9个单位。另外，考虑到首批低碳试点开始于2010年，因此基准模型(1)共捕获到了七年的平均处理效应，这表明低碳城市建设年均促进绿色全要素生产率提高了约0.27(1.9/7)个单位。另外，从样本均值的角度来看，样本城市的GMLPI均值约为0.989(6)数据来源：依据204个样本城市的GMLPI值计算所得。，因此，上述估计系数意味着，试点城市的绿色全要素生产率相较于样本均值提高了约1.92(1.9/0.989)个单位。这进一步表明，低碳城市建设的效果是积极的，即有效促进了试点城市的绿色发展，基本实现了预期的经济和环境目标。

表2 低碳城市建设对绿色发展影响的基准回归结果

2.有效性检验

双重差分设定的可靠性基于一个关键假设——先推行低碳试点的城市与后推行低碳试点的城市、未推行低碳试点的城市在实施改革之前GTFP不存在系统性差异，即满足平行趋势的条件下双重差分的结果才是政策干预的结果。本文参考Jacobson et al.(1993)的方法，利用事件研究法(Event Study)进行平行趋势检验。具体构建计量模型如式(2)：

(2)

式(2)中，GTFP为GMLPI测度的绿色全要素生产率；Treatik是一系列虚拟变量，表示低碳试点引入的第k年；其余变量的设定方式与式(1)相同。本文关注的核心变量是βk，表示低碳试点实行的第k年实验组与控制组之间绿色全要素生产率的差异。本文将k≤-3作为基准年份。如果βk在k=-1、k=-2不显著，则证明满足平行趋势；k=0为低碳试点引入当年的处理效应；k>0期间的βk捕获了低碳城市建设的动态效应。

注：本图虚线上的实点描绘了由式(2)得到的逐年估计系数，实线部分为估计系数的95%上下置信区间。

图1给出了式(2)中GMLPI的估计结果。从图1可以看出，如果我们假设在事前就引入低碳试点，处理组和控制组的GTFP没有明显差异。这表明在控制城市宏观变量后，并不存在事前对GTFP的冲击，事后处理组和控制组之间GTFP的差异是引入低碳试点导致的外生性结果，即双重差分满足平行性趋势假定，基准回归结论是有效的。同时，低碳试点引入当年的处理效应在5%的显著性水平上为正。除此之外，k=3的动态效应显著为正，这也证实了基准回归显著为正的平均处理效应。

(二)稳健性检验

为了考察上述基准回归结论的稳健程度，还需证明一些可能对绿色发展造成影响却未被纳入计量模型的变量或因素。以下我们将从多个侧面进行分析：将被解释变量替换为二氧化碳，以验证低碳城市建设的减排效果；通过控制事前趋势来缓解低碳试点引入的非随机性对基准结论带来的影响；运用PSM—DID(倾向得分匹配)缓解处理效应的选择偏差问题；引入安慰剂检验验证模拟的低碳试点并不存在平均处理效应。

1.用相近指标替换被解释变量

考虑到二氧化碳排放可以在一定程度上反映地方绿色发展，本文用二氧化碳(7)二氧化碳数据来源于Nangini et al.(2019)研究。替换模型中的被解释变量——绿色全要素生产率，以对基准回归模型进行稳健性检验，结果如表3的第(1)—(2)列所示。低碳试点后，与非试点城市相比，试点城市的二氧化碳排放总量和二氧化碳排放强度呈现下降趋势。证实了张华(2020)的研究结论，说明低碳试点在提高试点城市的绿色全要素生产率的同时，也降低了二氧化碳排放，表明本文的基准回归结论是值得信赖的。

表3 低碳城市建设对绿色发展影响的稳健性检验

2.控制时间线性趋势

基准模型(1)中所识别的低碳试点政策效应准确的前提是：核心解释变量——低碳试点需要满足外生性要求。那么，理想的情况为试点城市和非试点城市是随机选择的。然而，现实中大量的试点城市并不是随机选择的，这种非随机性体现为“自上而下”的指定和“自下而上”的主动申报。首先，第一批低碳试点城市为上级指定的，然而上级政府在试点城市的选择上更加倾向于选择资源禀赋好、经验积累丰富和成功概率更大的地区；其次，虽然第二、三批低碳试点城市的选择纳入了主动申报和专家评审环节，但与“随机性”仍然相去甚远。这种试点选择的非随机性可归为遗漏变量偏误问题。我们通过控制时间线性趋势解决。

试点城市的选择与城市的地理位置、经济发展、人口密度、交通条件和环境资源约束等因素息息相关，这些城市间固有的差异可能随时间推移对绿色发展产生影响。因此，为了控制上述城市固有属性变量对估计结果可能产生的偏误，采用Lu et al.(1993)和Li et al.(2016)的方法，在基准回归模型中加入城市属性变量与时间趋势多项式的交叉项，构建计量模型(3)：

GTFPit=α+βLCPit+Xitγ+Sc×f(t)+ui+λt+εit

(3)

其中，Sc表示城市属性变量。本文选取了六类变量作为城市固有属性的替代变量，分别为是否为国家环境保护模范城市、是否为国家卫生城市、是否为两控区城市、是否为客运专线规划四纵四横城市、是否为胡焕庸线东部城市、是否为省会城市或副省级城市(8)某地区会为评选环境保护和卫生城市头衔增加相应环境保护投入，由于定期考核制的存在，可以认为该行为具有长期稳定性；两控区试点地区会受到相关排放指标的约束；四纵四横、胡焕庸左右侧和城市行政等级均可以反映地区社会经济的综合情况。上述变量都可能随着时间推移对GTFP产生影响，进而影响估计结果的准确性。。f(t)表示时间趋势多项式，包括时间趋势的一次项、二次项和三次项。因此Sc×f(t)从线性的角度控制了城市固有特征随时间推移对GTFP的影响，在一定程度上缓解了处理组和控制组分配不随机造成的估计偏误。表3的第(3)列报告了加入基线变量后的估计结果，核心解释变量系数值略微下降(由0.019下降到0.017)，显著性由5%下降到10%，但符号方向未受影响，表明在考虑地区间固有的差异后，估计结果依然稳健。

3.PSM-DID(倾向得分匹配)

为了增强本文核心结论的说服力，避免试点城市与非试点城市的变动趋势存在选择性偏差，并提高两组城市的可比性，本文使用PSM-DID方法进行估计。参考傅京燕等(2018)的研究，用控制变量代表协变量，采用卡尺临近匹配(k=4)的方法，将无法匹配成功的对照组城市样本剔除(9)此处使用2007—2009年协变量的平均值进行匹配。同样的，利用2007—2009年各个年份横截面数据进行匹配的结果依然稳健。由于篇幅问题，匹配前后的平衡性检验未汇报，需要可与笔者联系。，再按照式(1)进行估计，结果见表3的第(4)列。结果表明，低碳试点的估计系数为0.022，并且至少通过了5%的显著性水平检验，这与基准结果的结论基本一致。

4.安慰剂检验

注：依据式(4)估计并绘制，本图描绘了999次参数置换检验得到的估计系数分布，垂直的虚线表示的是

为了进一步缓解遗漏变量问题对估计结果可能产生的影响，下面我们通过非参数置换检验做安慰剂检验。理论上，如果处理组和控制组的潜在结果在事后按照平行趋势发展，那么我们将处理组更换为非试点城市便不会检验到处理效应。由于低碳试点城市的引入是渐进的，2010—2012年共有47个试点城市，2013—2016年又增加至63个，所以我们随机地将各城市的低碳试点状态进行置换。每置换一次，都按照式(1)做一次回归，并记录下处理效应。模拟999次后的系数分布情况见图2。图2中虚线表示基准回归的系数(表2中的第(2)列)。我们可以看到，绝大部分处理效应的绝对值都小于我们基准回归的结果(0.019)。

置换检验的原假设是低碳试点对绿色发展没有处理效应，我们可以根据模拟的系数分布，按照式(4)计算置换检验的p值：

(4)

六、进一步分析

(一)机制分析：产业结构与技术创新视角

1.产业结构机制的实证分析

以下我们将分别从产业结构优化的两个方面——产业结构高级化和产业结构合理化分析其对绿色发展的作用机制。

产业结构高级化指的是随着经济的不断发展，三次产业比重沿着第一产业、第二产业、第三产业顺次上升，产业结构朝着“服务化”方向发展的过程。参考付凌晖(2010)构建的产业结构高级化指标，利用空间向量夹角法计算出夹角θj后，定义产业结构高级化值H如下：

(5)

H值越大大代表产业结构高级化水平越高。其中，k=1，2，3；j=1，2，3。

作为产业间聚合质量的反映，产业结构合理化能够同时体现产业之间的协调程度和资源有效利用程度，是要素投入结构和产出结构耦合性的重要衡量指标。本文基于泰尔指数对产业结构合理化进行度量，计算公式如下：

(6)

式(6)中，TL代表泰尔指数，Y代表产值，L代表就业量，i代表产业，n代表产业部门数(10)计算产业结构高级化和合理化的数据来自历年《中国城市统计年鉴》。，Yi/Y表示产出结构，Li/L表示就业结构，TL是产出结构和就业结构耦合度的反映。当TL值为0时，表示产业结构位于均衡状态；TL值越大，表示经济越偏离均衡状态，产业结构越不合理。

如表4中第(1)—(2)列所示，相对于非试点城市，低碳试点引入后，其对试点城市产业结构高级化的影响较为显著，使得试点城市的产业结构高级化水平提升了1.9个单位。但是，低碳试点对试点城市产业结构合理化的影响并不显著，说明低碳试点并未对产业结构合理化产生积极影响，即低碳城市建设有效推动了地方产业朝着高级化方向迈进，而产业结构合理化并未得到改善，产出和就业的联系程度(耦合度)没有增强(11)产业结构高级化和产业结构合理化均通过了双重差分有效性检验，受篇幅所限，此处未汇报具体研究结果，需要可与笔者联系。。

表4 低碳试点对绿色发展影响的机制检验

产业结构高级化的提升将会进一步推动地方绿色全要素生产率的提高，这既是经济长期持续增长的内生动力，也是实现产业环境友好和节能减排的必由之路和重要基石。随着战略性新兴产业和高端服务业等产业的成长，高污染、高能耗、高排放的低端产业会逐渐升级为低污染、低能耗和低排放的高端产业，从而推动生态效率持续提高(韩永辉 等，2016)，促进地方绿色发展。然而，干春晖等(2011)的研究发现，产业结构高级化对经济增长的影响在相当程度上具有不确定性，既可能促进经济增长也可能会抑制经济增长，而产业结构合理化对经济增长的影响却具有很强的稳定性。试点城市在进行低碳城市建设时把产业高级化摆在更为重要的位置上，并没有因地制宜根据自身禀赋优势制定更加科学合理的产业结构调整方案，以致产业结构合理化进程迟缓，试点地区劳动力结构和产业结构匹配度没有显著提高，这无疑对长期的经济发展不利。由此我们验证了假说1。

2.技术创新机制的实证分析

为了验证技术创新的作用机制，一方面，我们借鉴寇宗来等(2017)计算的城市创新力指数来衡量地区技术创新水平。该指数是经过专利价值调整后的存量指标，以专利的价值来衡量地区无形资本存量，从而考察低碳试点引入后试点城市的创新力指数变化。另一方面，发展低碳经济的目标之一是提高清洁能源占比和资源利用效率，重点是进行能源技术创新，尤其是绿色低碳技术的研发、应用和转让更是重中之重。然而，绿色技术创新存在“双重外部性问题”(12)所谓“双重外部性问题”，即：一方面，模仿者可以通过“抄袭”的方式以很低的成本获取新技术，获得成本优势，从而抑制创新主体的积极性；另一方面，污染者在不被惩罚的情况下，污染能够给自身带来更大的收益，从而不会主动采用绿色技术。(Ley et al.，2016；Hall et al.，2011)，企业在面临金融市场对绿色创新活动的不完全支持以及成本收益不确定性时，如果没有相应的制度激励和约束，则绿色技术的研发对于企业显得不经济，导致企业缺乏研发动力，倾向于采用落后的污染型技术。那么，低碳试点所固有的“弱激励”和“弱约束”特征是否会抑制试点企业的绿色创新呢？接下来，在区分清洁型创新和污染型创新的基础上，本文将考察低碳城市建设能否促进试点城市的绿色技术创新，进而从根本上为绿色发展提供技术支持。根据世界知识产权组织(WIPO)提供的绿色专利清单(13)WIPO提供的绿色专利清单的绿色专利分类有：替代能源生产、交通运输、节能、垃圾管理、农业和林业、管理、规制和制度设计和核电。，在中国国家知识产权局数据库(SIPO)进行检索并整理相关数据，得到地级市绿色专利申请数(14)绿色专利包含包括发明型和实用新型绿色专利，专利技术很可能在申请过程中就对企业绩效产生影响，因此专利申请数据会比授予量更稳定、可靠和及时。，以此作为绿色技术创新的代理变量。

如表4的第(3)列和第(4)列所示，相对于非试点城市，低碳试点引入后，试点城市创新力指数明显提高的同时，绿色发明申请数量也大大增加了。这说明，低碳城市建设有效诱发了企业技术进步，“创新补偿”效应较为明显，实现了环境质量和企业竞争力的“双赢”。与此同时，试点地区企业成功打破技术锁定，在低碳城市建设的技术诱发下摆脱了路径依赖，转而从事“清洁型”技术发明，在生产活动中改善了能源的利用效率，提高了新能源和可再生能源的使用比例，从而促进了地方绿色发展(15)城市创新力指数和绿色发明申请均通过了双重差分有效性检验，受篇幅所限，此处未汇报具体研究结果，需要可与笔者联系。。由此我们验证了假说2。

(二)异质性分析：城市类型与区域差异

根据前文的分析，低碳试点通过产业结构高级化和技术创新有效促进了地方绿色发展。那么，低碳试点的绿色发展效应是否会受到样本城市的类型和区域分布差异的影响呢？接下来的异质性分析中，我们检视在低碳试点引入后不同类型和不同地理区域城市的绿色发展效应的差异性。

1.不同类型城市的异质性影响

我们将城市划分为资源枯竭型城市和非资源枯竭型城市(16)本文的样本中包含约38.78%的资源枯竭型城市。，以分析低碳试点对不同类型城市的绿色发展效应的异质性，重点检验污染型行业集聚、转型压力较大的地区在低碳城市建设过程中能否转变传统发展模式，以实现地方绿色发展。依据《国务院关于促进资源型城市可持续发展的若干意见》，整理得到2008年、2009年和2011年的资源枯竭型城市名单(17)入选城市为国家发改委、原国土资源部和财政部根据城市多项指标综合评判拟定，因此可以综合反映地区的社会经济和自然资源采掘状况，这也避免了传统定义“采掘人员数量/从业人数”的简易性。有一部分资源枯竭型城市为区县层面，为了提高地市层级研究的连贯性，我们对区县样本不予考虑，仅保留地级市及以上行政级别的资源枯竭型城市。。在对资源枯竭型城市的数据使用上，我们将其定义为不随时间变化的0、1分类数据。

表5的第(1)列引入低碳试点与资源枯竭型城市的交互项，发现交互项显著为负，这表明，相对于非资源枯竭型城市，资源枯竭型城市的绿色全要素生产率下降了3.5个单位，资源枯竭型城市的绿色发展效应有限。可能的原因主要有两个(18)关于这两方面原因，我们也进行了实证检验，但受篇幅所限，此处并未汇报具体研究结果，需要可与笔者联系。：(1)低碳试点未能通过优化资源枯竭型城市的产业结构而有效促进其绿色发展，低碳试点引入后，这种以“弱激励”和“弱约束”为特征的环境规制政策难以撼动其主导产业的优势地位，产业结构的持续“高碳化”和能源结构的“化石燃料化”对当地绿色发展构成了严峻考验。与此同时，产业结构的单一化以及“低端锁定”现象的存在，极大地限制了产业链的延伸和产品附加值的提升。因此，低碳试点未能对资源枯竭型城市产业结构的优化升级产生实质性积极影响，绿色发展效果不理想。(2)低碳试点未能通过促进资源枯竭型城市的技术创新而显著促进其绿色发展。一方面，资源枯竭型城市的产业结构以自然资源采掘和加工为主，产品多销往东部沿海地区和其它工业发达地区，或以出口为导向，产品技术改进更多地取决于“外部”需求，而内在激励性较差；另一方面，低碳试点引入后，随着资源开采成本的提升和利润空间进一步被压缩，资源枯竭型城市的竞争力和营商环境进一步恶化，人才流失现象愈加严重，加之技术创新“风险高、投资周期长、不确定性大”的特征，技术研发更令企业望而却步。而低碳试点政策的“弱激励”特性，使得企业能够通过政策试点获得的优惠金融支持较少，而未完成减排任务的企业却并不会受到相应的惩罚，企业从事绿色技术创新的激励较弱。因此，低碳城市建设对资源枯竭型城市企业从事创新活动存在激励与约束不足的现象，从而难以解决绿色发展的根本动力——技术创新问题，从而导致绿色发展效应有限。

表5 低碳试点对绿色发展影响的异质性

2.不同区域城市的异质性影响

接下来，我们引入低碳试点与东部地区、中部地区、西部地区和东北地区的交互项。由表5的第(2)—(5)列可知，仅东部地区通过低碳城市建设实现了绿色全要素生产率的显著提高，而西部和东北地区的绿色发展效应并不显著，中部地区的绿色发展效应显著为负。可能的原因有两个方面。其一，东部地区经济发展水平较高，人力资本较为丰富，技术基础较好，随着政府环境规制的加强，通过技术创新来减轻治污成本上升的激励增强，能够实现“波特假说”所言的环境与经济的“双赢”；而中西部和东北地区则相反，其经济发展水平和技术基础相对薄弱，政府环境规制的加强不仅没有促进其技术水平的提高，反而对该区域的研发投入产生了一定的“挤出效应”，绿色全要素生产率的提升并不理想。

其二，在招商引资过程中，东部地区与“污染光环”假说相符，即外来投资通过先进的清洁技术和科学的环境管理体系，促进了东部地区资源利用效率的提高和产业结构的优化升级，进而提升了东部地区的环境质量。而中西部地区和东北部地区则成为“污染避难所”，即在开放经济条件下，作为欠发达地区，这些地区承接了东部发达地区污染密集型产业的转入，从而加重了环境负担。除此之外，这可能与资源枯竭型城市的区域分布有关。检索样本城市所在的区域后发现，东北地区样本城市中，资源枯竭型城市占比高达63.16%，中部地区和西部地区该指标分别为43.84%和47.14%，而东部地区仅为21.69%。前文的异质性分析表明，低碳城市建设未能促进资源枯竭型城市的绿色发展，不同区域资源枯竭型城市占比的差异也在一定程度上导致了低碳试点绿色发展效应的区域差异。 由此我们验证了假说3。

七、结论与政策建议

借助于双重差分方法，利用2007—2016年204个地级及以上行政级别城市的数据，评估了低碳城市建设的绿色发展效应。研究发现，低碳城市建设能够有效促进地方绿色发展，试点城市的绿色全要素生产率提高了约1.9个单位。机制分析发现，低碳城市建设虽然对产业结构合理化的影响并不显著，但却有效推动了试点城市产业结构朝着“高级化”和“服务化”转变，降低了高碳产业和重污染产业的比例，从而促进了地方经济的“绿化”；在低碳试点过程中，企业成功打破技术锁定，摆脱了传统路径依赖，“清洁型”技术发明不断增加，不仅改善了能源利用效率，提高了新能源和可再生能源的使用比例，而且很大程度上提升了绿色全要素生产率，实现了“波特假说”所言的环境与经济的“双赢”。但是，低碳城市建设的绿色发展效应在不同类型的城市和区域间存在明显异质性：相对于非资源枯竭型城市，资源枯竭型城市的绿色发展效应有限；东部地区的绿色全要素生产率在低碳城市建设过程中明显提高，但中部、西部和东北地区并未实现预期的环境和经济目标。

上述实证结论并非仅仅要说明低碳城市建设对地方绿色发展的影响，而是旨在促使我们思考如何进一步优化低碳试点政策，以获得更好的绿色发展效应。第一，要制定科学的产业政策，继续推进产业转型升级，特别是要进一步努力促进产业结构合理化，建立起产业协调发展机制，通过产业结构优化为绿色发展提供持久的内生动力。第二，政府应通过制度层面的设计，为企业和科研机构创造良好的研发环境，提高社会创新的积极性，改善绿色技术创新的质量，为实现绿色发展提供技术支撑和保障。第三，低碳试点政策需要在实践中不断调整和完善，逐渐探索出适合不同发展阶段、不同发展模式的方案，针对不同类型、不同区域城市的特点实施差异化的环境政策，以更好地实现环境和经济目标。