环境与经济目标设置何以影响减污降碳协同管理绩效？

李红霞，郑石明，要蓉蓉

（1.华南理工大学公共管理学院，广东 广州 510641； 2.暨南大学公共管理学院/公共政策研究院，广东 广州 510632）

空气污染和气候变化是当今人类面临的两大挑战。2022年《全球风险报告》指出全球进入气候紧急状态，气候行动失败和极端天气事件成为全球最紧要的十大风险之首，人为环境破坏被列为全球第七大风险。为应对全球气候变化，2015年，全球196个国家和地区签署了《巴黎协定》，旨在将全球变暖气温升幅控制在工业化前水平2 °C以下。2020年9月，习近平在联合国大会上，正式宣布中国“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”（“双碳”）的目标。由于碳排放与污染排放复杂关联，具有同根、同源和同过程的特点，近年来中国开始致力于同时控制二氧化碳和空气污染物的排放。战略规划层面，“十四五”规划和2035年远景目标纲要明确提出“协同推进减污降碳”。2021年11月，中共中央、国务院印发《关于深入打好污染防治攻坚战的意见》，强调要以实现减污降碳协同增效为总抓手实施环境保护与气候治理。减污降碳协同治理已经上升为中国应对气候变化的重要策略，减污降碳协同增效对“双碳”目标的实现至关重要。

《中国城市二氧化碳和大气污染协同管理评估报告（2020）》指出：“2015年到2019年期间，中国约有1/3的城市实现了二氧化碳与主要大气污染物（二氧化硫、氮氧化物和颗粒物）的协同减排。中部地区城市相比东部和西部地区城市，CO2和大气污染物排放协同管理绩效相对较好”。大气污染治理与应对气候变化的协同效应已成为环境与气候领域的研究热点。已有大量研究围绕交通、能源、工业等重点行业，采用“明确减排对象（政策、技术、标准、措施、行动等）-确定污染物和温室气体核算方法-相应减排量计算”的思路，开展区域或城市大气污染物和温室气体协同减排效应评估。然而，现有研究仍未明确二氧化碳和大气污染物协同管理绩效的差异成因，即哪些因素会影响减污降碳协同管理绩效？为回答这一问题，以下从目标设置视角，对中国城市减污降碳协同管理绩效的影响机制开展实证研究。

该研究主要贡献包括如下三个方面：第一，针对现有研究单纯从减排技术、政策或措施层面无法解释城市协同管理绩效差异的问题，从更高层面的目标设置视角出发，检验PM2.5/PM10浓度目标、经济增长目标对减污降碳协同管理绩效的影响作用，为协同管理绩效影响机制分析提供新视角、新思路。第二，检验了目标设置与减污降碳协同管理绩效间的中介效应，发现环境目标可通过能源结构调整、产业结构升级提升协同管理绩效，但交通运输结构的中介效应不显著，这一发现深化扩展了结构减排对中国减污降碳影响的实证研究。第三，采用不同污染物测算协同管理绩效，对回归结果进行敏感性检验，发现环境与经济目标对不同污染物与CO2协同管理绩效的影响存在差异。该结果表明减污降碳协同增效应明确协同控制的污染物对象及其改善目标，并根据当地实际，精准识别实现城市高协同减排水平的治理措施，采取差异化协同治理策略，这对减污降碳实践具有重要启示意义。

1 文献综述

大气污染与温室气体的协同治理是目前气候变化领域的热点问题，许多国家和国际组织都在对其进行系统研究［1-4］。国际上对该问题的研究最早可追溯至20世纪90年代， Ayres等［5］指出温室气体减排的间接效应包括大气污染物减排及其相应产生的健康效应。之后到21世纪初，众多研究以发达国家为研究对象，探析大气污染物与温室气体之间的协同效应、协同方法学以及协同治理路径规划等［6］。21世纪之后，以发展中国家为研究对象的相关研究逐渐增多［7-8］。以下，围绕前述研究问题，重点从大气治污与碳减排协同效应、经济增长与减污降碳两方面进行梳理阐述。

首先，大气治污与碳减排协同效应方面，现有研究的关注点主要包括“由碳及污”或“由污及碳”的单向协同效益［9-10］、综合减排措施的双向协同效益［11-12］、健康与成本协同效应评估［13］等。其中，“由污及碳”研究中，学者们指出以大气污染物为目标采取的一系列政策和措施对CO2减排产生了积极协同效果［14-17］。目标设置作为公共政策和治理战略的核心维度［18］，在减污降碳领域中并未得到充分研究。以目标为研究视角，仅少数学者实证了目标责任制、环境目标设置在空气质量改善中的积极作用［19-21］。例如，Zhang等［22］基于中国267个地级市的截面数据，发现PM2.5浓度削减目标每增加1%，城市PM2.5年均浓度下降0.528 3 μg/m3。然而，环境政策的协同减排效应也受到部分学者质疑，Sinn［23］于2008年首次提出“绿色悖论”这一相反观点，认为有时政府雄心勃勃的环境减排政策，反而可能因为生产者前瞻性的动态供给侧反应，通过加速化石能源开采及消耗，对温室气体排放造成适得其反的效果［24］，并在一些研究中得到证实［25-27］。尽管如此，大气污染物与温室气体的同根同源性已基本达成学术共识，这为减污降碳协同管理提供了理论基础。以协同成效模拟评估结果为科学依据，美国、欧盟、英国等不同国家或地区已经不同程度地开展了空气污染与温室气体的协同控制实践［28］，中国学者也开始探索并规划“双碳”背景下减污降碳的协同治理路径［29-32］。

其次，经济增长与减污降碳研究方面，已有大量学者分析了经济增长带来的大气污染排放或碳排放效应［33］。根据环境库兹涅茨理论（EKC），经济增长与环境污染程度之间呈现倒“U”型曲线关系。通过采用实证方法，众多研究检验了经济增长与环境污染排放之间的线性或非线性特征（如“U”型、倒“U”型、“N”型、倒“N”型等）［34-36］。CO2作为一种特殊的环境污染物，该理论亦被用于解释经济增长与碳排放之间的关系［37］。但由于各个研究区域经济发展水平、环境污染指标选取、样本数据特征等存在差异，学界对经济增长与环境污染排放之间的关系并未达成共识［38］。总体而言，探讨经济增长对大气污染或碳排放影响效应的研究成果颇丰，但从经济目标设置维度分析减污降碳协同效应的研究却十分少见，仅有少数学者探讨了经济增长目标对减污或降碳效应的影响。例如，Chai等［39］以2006—2017年中国30个省份为研究对象，发现经济增长目标与PM2.5浓度呈倒“U”型关系。Du等［40］以2000—2010年中国230个地级市为研究对象，发现经济增长目标负向影响PM2.5浓度，当环境目标被纳入考核体系后，该种负向影响会有所减弱。宋晨晨［41］基于2004—2014年230个地级市面板数据，发现经济增长目标“层层加码”及“硬约束”显著加剧环境污染，地方存在以牺牲环境为代价换取经济目标超额完成的情况。

综上，现有研究存在如下不足：①研究视角上，现有文献大多仅关注环境政策或经济增长对减污或降碳效应的单一影响机制，系统探析环境与经济目标对减污降碳协同管理绩效影响的研究较为少见，有学者指出未来仍需进一步探索目标、政策、措施、技术和政治维度的协同效应［1］。②方法学上，与经济或社会科学方法相比，目前科学与工程计算方法仍是减污降碳协同管理效果评估最常见的方法［4］，但由于假设太多，这些定量结果只能作为预测或理论值，目前仍十分缺乏基于经验数据的回顾性实证检验研究。③众多学者强调协同效应在政策制定和综合决策中的作用，然而现有文献多为纯科学研究，可用于政策参考或决策的研究较少。④全球、国家层面的大气污染物与温室气体减排协同效应研究较多，而在城市层面分析减污降碳协同管理的研究较少。总体而言，目前针对城市减污降碳协同管理绩效差异的量化实证研究仍不多见。因此，以下从目标设置视角出发，通过实证分析环境与经济目标对城市减污降碳协同管理绩效的影响机制，为中国减污降碳协同增效以及实现“双碳”目标政策制定提供科学依据。

2 理论基础与机理分析

参考自然科学视角的协同效应理论及管理科学视角的目标设置、EKC等理论，构建“目标设置-结构效应（能源、产业、交通）→协同管理绩效”分析框架，论证环境与经济目标设置对减污降碳协同管理绩效的影响机制，如图1所示。考虑到不同环境污染物来源、物理化学生成机理差异较大，此处选取PM2.5和CO2作为减污和降碳的代表性指标。

图1 环境与经济目标设置对减污降碳协同管理绩效的影响机制

首先，环境目标对减污降碳的影响机制方面，其作用路径可描述为“环境目标设置-环境规制政策/措施-结构减排效应-减污降碳-提升协同管理绩效”。根据目标设置理论，设定明确的、具有挑战性的具体目标能有力地推动执行力的提升并提高绩效［42］。目标设置一直是中国政府绩效评估和管理的核心。以空气质量改善为目标，近年来中国政府出台了《大气污染行动计划》（“大气十条”）、“打赢蓝天保卫战”等一系列环境政策，涉及能源、产业、交通等多个领域。公开的环境目标约束有助于强化政府的环境规制行为，目前已有一些证据支持环境目标设置与空气质量改善存在正相关关系［22］。以下重点从结构减排角度，围绕能源、产业、交通运输三方面，阐述环境目标对减污降碳协同管理绩效的潜在作用路径：①能源结构方面，环境目标约束下，为加速能源结构调整，地方政府配套实施了燃煤电厂改造、燃煤锅炉淘汰/整治、“煤改气”“煤改电”工程建设等控制煤炭能源使用的一系列措施。由于PM2.5和CO2的同根同源性，即二者很大程度均来自化石燃料燃烧，减少煤炭等化石能源的消耗显然可同时减少二者排放。②产业结构方面，环境目标约束下，地方政府实施的严控“两高”（高污染、高能耗）行业、淘汰落后产能、压缩过剩产能等一系列措施，可通过产业调整政策的直接效应、倒逼企业技术创新的间接效应（即“波特假说”）两种路径推动产业结构升级［43］。随着“高污染、高能耗”的第二产业占比下降，第三产业占比增加，可促进PM2.5与CO2排放协同下降。③交通运输结构方面，环境目标导向下地方政府大力推动“公转铁”“公转水”等运输结构调整措施，通过降低单位货物周转量能耗并减少道路拥堵，可协同减少PM2.5与CO2排放。综上所述，环境目标趋向于提升减污降碳协同管理绩效。

其次，经济目标对减污降碳的影响机制方面，其作用路径可描述为“经济目标设置-经济增长政策/措施-结构效应-减污降碳协同管理绩效”。政治锦标赛理论［44］认为，在中国的集权型政治体制下，上级官员主要根据经济增长来评估和提拔下级官员。因此，下级官员有强烈的动机发展经济以获得晋升。为了在激烈的经济增长竞争中获得优势，地方政府往往设定高于上级政府目标基准的经济增长目标（即“层层加码”现象）［43］，以向上级释放“能力信号”［44］。目前已有研究证实经济目标与地方实际经济增速具有显著正相关关系［45］。对于经济增长与环境污染之间的关系，EKC理论［46］指出，经济增长与环境污染之间存在倒U型曲线关系，环境污染首先随着经济发展水平的增加而持续恶化，但当经济发展水平达到某个临界点后环境污染由高趋低，环境质量逐渐得到改善。基于此，从结构效应维度，经济目标对减污降碳协同管理绩效的作用路径可能如下：①能源结构方面，为实现更高的经济增长目标，地方政府倾向于扩大经济活动。但由于中国整体还处于工业化、城市化的发展期，众多城市仍处于EKC曲线“拐点”左侧，加之可再生能源的不稳定性，这使得经济增长势必会增加以化石燃料为主的高能源消费，从而导致PM2.5与CO2排放增加。②产业结构方面，在经济增长目标占主导地位的情形下，地方政府通过扭曲地方要素资源配置、“逐底竞争”（降低本地环境规制水平）［40，47］等方式，引入短期内可快速实现经济增长的高能耗、高污染、高排放工业企业，可抑制产业结构升级［48-51］，进而导致更多PM2.5与CO2排放。③交通运输结构方面，经济目标约束驱动下，社会经济活动的扩大必然会产生更多的交通运输需求，这对公路、铁路、航空运输等会造成不同程度的压力，导致PM2.5与CO2排放增加。因此，总体认为经济目标设置趋向于降低减污降碳协同管理绩效。

然而，需注意到，与PM2.5排放量不同，PM2.5浓度还受气象条件影响，这意味着尽管环境或经济目标减少或增加了PM2.5排放量，但进一步转化为PM2.5浓度时其变化趋势可能部分甚至完全取决于有利或不利气象条件。因此，此处不提出环境与经济目标如何影响减污降碳协同管理绩效的研究假设，仅作为一项探索性研究，通过后续的实证分析得出相关结论。

3 模型构建与变量说明

3.1 模型构建

为分析环境与经济目标设置对减污降碳协同管理绩效的影响，构建如下基本计量模型：

其中：rankit为被解释变量，表示第t个城市第i年减污降碳协同管理绩效；envgoal1it、envgoal2it和gdpgapit为解释变量，分别表示第t个城市第i年PM2.5浓度目标、PM10浓度目标和经济增长目标（城市与所在省份经济增长目标的差值衡量）；coalit、instruit、roadit为中介变量，分别为第t个城市第i年的煤炭消费下降幅度、产业结构升级指数、公路客运量下降幅度；Xit为控制变量，ui为城市效应，λi为年份效应，εit为扰动项。

同时，拟利用中介效应模型，检验结构减排层面，环境与经济目标设置对减污降碳协同管理绩效的影响机制效应，包括：能源结构协同减排效应、产业结构协同减排效应、交通运输结构协同减排效应。中介效应模型设定如下：

其中：Medvarit为中介被解释变量，包括coalit、instruit和roadit三个中介变量。若式（1）中的coalit、instruit和roadit系数符号符合预期且统计显著，同时，式（2）中的β符号显著，则表明环境与经济目标通过能源结构、产业结构、交通运输结构调整影响了协同管理绩效。

3.2 变量说明

（1）被解释变量：减污降碳协同管理绩效。参照《中国城市二氧化碳和大气污染物协同管理评估报告（2020）》中的计算方法，通过二氧化碳减排率和大气污染物（以PM2.5为代表）下降率综合排名计算衡量减污降碳协同管理绩效。计算公式如下：

Ⅰ、Ⅱ、Ⅲ内部按照（CO2减排率+PM2.5浓度下降率）数值从大到小排名。综合排名越靠前（如排名第一），表示减污降碳协同管理绩效（rank）相对越高。

（2）解释变量：包括环境与经济目标两类。①环境目标。借鉴相关研究［22］，选取城市级PM2.5和PM10浓度下降目标（envgoal1和envgoal2）衡量，2013—2017年期间环境目标数据来自2014年31个省级政府与原环境保护部（现为生态环境部）签订的《目标责任书》以及2013年国务院发布的《大气污染防治行动计划》；2018—2020年期间环境目标数据来自各省份/城市出台的蓝天保卫战实施方案。②经济目标。借鉴相关研究［40］，选取城市经济增长目标（gdpgoal_city）与所在省份经济增长目标（gdpgoal_pro）之间的差值（gdpgap）衡量。根据城市或省份每年政府工作报告，当城市或省份当年有明确的地区生产总值预期增长目标（即GDP增长目标）时直接提取其值，当年GDP增长目标为区间目标时取均值处理。

（3）控制变量。从以下三个角度对相关影响因素进行控制：一是根据IPAT模型［52］，考虑加入人口规模、富裕程度、科学技术三方面社会经济因素，即选取城市总人口数lnpopu、人均国内生产总值lngdppc、科学技术支出lntech三项指标作为控制变量（取自然对数）；二是考虑到气象要素与大气污染密切相关，故在控制变量中引入大气压力airpress、平均相对湿度humi、日照时数sunlight、降雨量rain、平均气温temp、平均风速windspeed六项气象指标；三是考虑到低碳试点政策对减污降碳的潜在影响，增加“是否为低碳试点城市”carbon作为控制变量，carbon为虚拟变量，即当年该城市是低碳试点城市时赋值为1，否则为0。

（4）中介变量。结构减排是中国减污降碳协同增效的重要手段，因此本研究重点考虑并检验能源结构、产业结构、交通运输结构三方面所产生的协同减排中介效应。能源结构调整体现为清洁能源替代传统能源以减少对化石能源的使用，故采用煤炭消费下降幅度coal作为中介变量检验能源结构协同减排效应；产业结构升级体现在积极发展第三产业，以提高第三产业占比减少对环境的破坏，借鉴相关研究［53］，采用产业结构升级指数instru作为中介变量检验产业结构协同减排效应；交通运输结构调整体现在发展铁路、水路、航空、管道等多式联运，降低公路运输占比以减少CO2和颗粒物排放，故采用公路客运量下降幅度road作为中介变量检验交通运输结构协同减排效应。

3.3 数据来源与描述性统计

选取中国278个地市（包括4个直辖市；未包括遵义市、毕节市、铜仁市、三沙市、儋州市、绥化市、襄阳市、呼伦贝尔市、海东市、广安市、吐鲁番市、哈密市和普洱市；未涉及西藏和港澳台地区）为研究对象，考虑到2004年之前城市经济目标数据缺失较多，故研究区间为2004—2020年。减污降碳协同管理绩效的原始数据来源说明如下：①CO2排放量数据根据中国碳排放数据库1997—2019年31个省份逐年碳排放数据（CEADs，https://www.ceads.net.cn/data/province/）、1997—2017年中国县（市、区）级逐年碳排放数据（https://www.ceads.net.cn/data/county/）、2019—2020年31省份逐日碳排放数据（https://essd.copernicus.org/preprints/essd-2021-153/）综 合测 算获得。基于上述数据集，该研究2004—2020年城市CO2排放量数据集计算处理步骤如下：首先，根据中国碳排放数据库的中国县（市、区）级碳排放清单面板数据，该数据通过DMSP/OLS和NPP/VIIRS卫星反演获得［54］，覆盖全国2 735个区县，计算城市所辖范围内区县碳排放加和获得城市级CO2排放量年均值，并进一步逐年计算2004—2017年各城市在所属省份中的CO2排放占比；其次，基于中国碳排放数据库2004—2019年31省份逐年碳排放数据、2019—2020年31省份逐日碳排放数据，以2019年各个省份CO2年均值为校准年值，形成2004—2020年省级逐年CO2排放清单；最后，基于2004—2017年城市逐年CO2排放占比，与2004—2020年对应省份CO2排放量相乘，计算获得2004—2020年城市CO2排放清单，其中2018—2020年城市逐年CO2排放占比采用2010—2017年CO2排放占比均值代替。经分析检验，步骤二中各城市逐年CO2排放占比在2010年后相对较为稳定，因此步骤三处理过程相对合理。②大气污染物PM2.5浓度数据根据清华大学PHD数据库2000—2016年PM2.5浓度数据、全国城市空气质量实时发布平台（简称“平台”）2013—2020年城市PM2.5浓度年均值综合获得。前者为MODIS卫星气溶胶观测与空气质量模式模拟等多源数据利用机器学习算法追算获得，后者为空气质量自动监测站点观测值。基于平台PM2.5年均浓度数据，以2013—2016年为校准年，通过融合清华大学PM2.5浓度数据（图2），最终形成2004—2020年城市PM2.5年均面板数据。

图2 2004—2020年城市PM2.5数据集处理过程

解释变量环境与经济目标数据来源说明如下：①环境目标数据。2013年之前各城市未设置PM2.5与PM10浓度下降目标，2013—2017年环境目标数据来自《目标责任书》与《大气污染行动计划》，主要根据网站信息与文献资料综合整理获得，2018—2020年环境目标数据来源于各省份或城市出台的蓝天保卫战实施方案，主要根据各地生态环境局网站收集整理获得，此处均统一为污染物年均浓度下降百分比。②经济增长目标数据。来自历年政府工作报告，通过地方政府网站、统计年鉴特载、北大法宝及相关新闻报道收集整理获得。控制变量包括社会经济数据与气象数据两大类，社会经济数据指标来自《中国城市统计年鉴》，由于年鉴数据发布存在时滞性，2020年社会经济数据采用2019年年均值代替；气象数据指标来自中国气象数据共享网（http://www.nmic.cn/），通过自行处理城市日均原始数据计算年均值获得。中介变量包括煤炭消费下降幅度、产业结构升级指数、公路客运量下降幅度三项指标，2020年数据均采用2019年年均值代替，其中煤炭消费量数据来自国家统计局《中国能源统计年鉴》，由于城市级煤炭消费量数据缺失问题，此处采用省级煤炭消费量代替城市煤炭消费量面板数据纳入模型；产业结构升级指数、公路客运量原始数据均来自《中国城市统计年鉴》。变量描述性统计见表1。其中，减污降碳协同管理绩效rank为被解释变量，观测值样本为4 667个。gdpgap、envgoal1、envgoal2为解释变量，经统计，gdpgoal_city、gdpgoal_pro和gdpgap的平均值±标准差为10.75±3.33%、9.17±1.85%和1.62±2.13%，envgoal1、envgoal2的平均值±标准差为0.90±1.81%、0.50±1.00%。

表1 变量描述性统计

各城市与所在省份经济增长目标对比情况如图3（a）所示，为确保所收集数据的准确性，将其与Du等［40］研究中的经济增长目标特征对比，发现该研究与其获取的经济目标数据较为一致。根据城市经济增长目标时间趋势，城市经济增长目标在2000—2010年、2011—2020年、2021—2022年三个阶段分别呈现出“先增加、再下降、再回升”的变化特征。各城市与所在省份经济增长目标之差与减污降碳百分比（即CO2减排率和PM2.5下降率之和）的关系如图3（b）所示。各城市与所在省份经济增长目标之差与CO2减排率和PM2.5下降率之和呈现负相关关系。以下，将进一步利用计量回归模型进行实证研究。

图3 经济增长目标与减污降碳协同减排水平

4 实证结果与分析

4.1 基本回归结果

环境与经济目标设置对减污降碳协同管理绩效的基本回归结果见表2。根据Hausman检验与LR联合显著性检验结果，此处采用双固定效应模型，即控制城市和年份效应进行回归，并进行稳健标准误控制。模型1中未考虑控制变量，模型2为加入控制变量的基本回归结果，模型3和4分别在基本回归模型上增加了carbon与envgoal1、gdpgap与envgoal1的交互项，以分析环境与经济目标的交互作用是否对减污降碳协同管理绩效产生影响。

模型1—模型3均显示，gdpgap的系数显著为正（P＜0.10），表示城市与所在省份经济增长目标之差每增加1%，其减污降碳协同管理绩效降低1.452～1.929个单位。envgoal1的系数为负（P＜0.05），表示城市PM2.5浓度目标每增加1%，其减污降碳协同管理绩效升高2.826～3.659个单位。envgoal2的系数为负（P＜0.01），表示城市PM10浓度目标每增加1%，其减污降碳协同管理绩效升高6.407～8.951个单位，该值略高于envgoal1系数可能与设置PM10浓度目标的城市大多亦设置了PM2.5浓度目标，该类城市对环境质量改善重视程度较高有关。carbon与envgoal1交互项的系数不显著，gdpgap与envgoal1交互项的系数显著为正，表明城市经济目标越高，环境目标对城市减污降碳的正向影响越小。结合前述影响机理，此处解释环境与经济目标设置影响减污降碳协同管理绩效的可能原因如下：①大气污染物和二氧化碳排放具有同根同源性，因此大气污染物浓度削减目标下的环境治理行动亦有利于二氧化碳减排，从而提升减污降碳协同管理绩效。这与众多学者证实大气污染防控措施对二氧化碳减排有积极作用的发现较为一致［14-15］，否定了环境目标对减污降碳的“绿色悖论”效应。②城市经济增长目标越高，经济增长目标中的城市间竞争通过规模效应（即扩大经济活动）和“逐底竞争”效应等增加二氧化碳和大气污染物的排放［40］，降低了减污降碳协同管理绩效。

从其他变量看，煤炭消费下降幅度coal的系数显著为负（P＜0.01），即煤炭消费量的下降可显著提升减污降碳协同管理绩效，这与减少煤炭燃烧可同时削减大气污染物与CO2有关；产业结构升级指数instru的系数显著为负，表明增加第三产业占比可提升减污降碳协同管理绩效，这与第三产业比第二产业污染排放相对更少有关；公路客运量下降幅度road的系数为负但不显著（P＞0.10），即交通运输结构调整并非必然提升减污降碳协同管理绩效。气象要素方面，rain、temp、windspeed的系数显著为负（P＜0.10），即更大降雨量、更高气温及风速可提升减污降碳协同管理绩效，这可能与其促进了大气污染沉降与扩散从而改善空气质量有关。lnpopu、lngdppc、lntech、airpress、humi的系数不显著。

与此同时，参照余泳泽等［43］研究，采用系统GMM法、解释变量替换、工具变量法、被解释变量替换四种方式对基本回归结果进行了稳健性检验。其中，解释变量替换方式为将gdpgap替换为城市经济增长目标、城市与国家经济增长目标之差；工具变量法参照Nunn等［55］研究，采用所在省份城市数量与未来一期国家经济增长目标、未来一期省份经济增长目标的交互项，作为gdpgap的工具变量；被解释变量替换方式为将减污降碳协同管理绩效替换为CO2减排率与PM2.5下降率的二者加和。结果发现，上述四种处理方式下的实证结果与表2中基本回归结果基本一致。为节省篇幅，此处未将检验结果一一罗列。

4.2 区域异质性分析

考虑到中国东、中、西部经济发展差异较大，将样本划分为中部、东部和西部地区三类，采用双固定效应模型检验区域异质性，回归结果见表3。结果显示：①经济目标方面，东部、西部子样本gdpgap系数显著为正（p＜0.10），中部子样本gdpgap系数为正但不显著，即中国仍总体处于经济增长加剧PM2.5污染与碳排放的阶段。②环境目标方面，中部子样本envgoal1、envgoal2系数均显著为负（p＜0.01），东部、西部子样本envgoal1、envgoal2系数均不显著，这与李巍等［56］研究发现类似，即环境规制对环境的提升作用在创新技术最先进和最落后地区失效，这可能与西部地区环境规制水平整体更低［57］、东部地区减污降碳协同治理的边际效应递减［15］或相对更强的地方政府竞争引致环境目标效力降低［58］有关。以上发现部分解释了相比东、西部地区，中国中部地区城市CO2和大气污染物排放协同管理绩效相对较好这一现象，未来仍需开展进一步实证研究，对其内在机制进行量化检验。

表3 区域异质性回归结果

4.3 中介机制检验

以下对能源结构、产业结构、交通运输结构的协同减排机制进行中介效应检验。以coal、instru、road为被解释变量，环境与经济目标为解释变量，利用双固定效应模型进行回归，结果见表4。可以看出：①PM2.5浓度目标均可在1%水平下显著提升煤炭消费下降幅度及产业结构升级指数，这表明存在能源结构和产业结构协同减排效应；同时，PM2.5和PM10浓度目标在1%水平下显著促进交通运输结构调整，但由于表2基本回归结果中road的系数不显著，即未检验出存在交通运输结构协同减排中介效应。②模型8中，gdpgap在1%水平下显著降低煤炭消费下降幅度，结合表2基本回归结果中coal的系数显著为负，表明更高的经济目标亦可通过能源结构这一中介路径阻碍减污降碳协同管理绩效提升。

表2 基本回归结果

表4 中介效应回归结果

4.4 多污染物与CO2协同减排检验

考虑到不同污染物的排放源差异，为检验环境与经济目标设置对不同大气污染物及二氧化碳协同减排的敏感性，将大气污染物PM2.5替换为AQI指数、臭氧O3、PM2.5+O3三类，以及将CO2排放量替换为CO2浓度，采用公式（3）重新计算多污染物与CO2协同管理绩效的排名，获得rank_AQI+CO2、rank_O3+CO2、rank_PM2.5+O3+CO2与rank_PM2.5+CO2′，并替代基本回归模型中的被解释变量rank得到回归结果见表5。结果显示：模型12、14中envgoal1、envgoal2系数为负但均不显著。这表明由于不同污染物排放源存在差异，采用不同污染物测算协同管理绩效时，前述回归结果对不同污染物是敏感的。

表5 环境与经济目标对多污染物与CO2协同减排的影响

5 结论与政策启示

以2004年至2020年环境与经济目标数据为样本，基于PM2.5下降率与CO2减排率测算减污降碳协同管理绩效，实证分析环境与经济目标设置对减污降碳协同管理绩效的影响效应及其区域异质性，并进一步检验能源结构、产业结构、交通运输结构调整产生的中介效应，以及不同污染物种类对回归结果的敏感性，主要结论如下。

（1）PM2.5/PM10浓度目标、经济增长目标均与减污降碳协同管理绩效显著相关。城市与所在省份经济增长目标之差每增加1%，减污降碳协同管理绩效降低1.452～1.929个单位；城市PM2.5、PM10浓度目标每增加1%，减污降碳协同管理绩效分别提升2.826～3.659、6.407～8.951个单位；同时，城市经济目标越高，环境目标对城市减污降碳的正向影响越小。

（2）环境与经济目标对减污降碳协同管理绩效存在明显区域差异。东、西部地区经济增长目标对减污降碳协同管理绩效的负向影响显著、而中部不显著；中部地区PM2.5、PM10浓度目标对减污降碳协同管理绩效的正向影响显著，而东、西部不显著。

（3）环境PM2.5/PM10目标可通过能源结构调整、产业结构升级提升减污降碳协同管理绩效，但交通运输结构的中介效应不显著。同时，更高的经济目标亦可通过能源结构这一中介路径阻碍减污降碳协同管理绩效提升。

（4）由于不同污染物排放源存在差异，采用不同污染物测算协同管理绩效，发现PM2.5浓度目标对PM2.5与CO2浓度、O3与CO2协同管理绩效的影响均不显著。

上述结论蕴含的政策启示包括：①应着重从目标协同角度考虑减污降碳协同增效。以往大气污染物与温室气体的协同治理研究尤为关注技术、政策或某一具体措施层面的协同效应，而忽略了目标维度的减污降碳协同效应，未来各地政府在设置多重目标（能源、环境、经济等）时，应通过科学合理的方式强化目标协同、减少目标冲突，实现多污染物与CO2协同管理绩效的最大化。②应根据各地区对环境与经济目标的异质性反应，制定差异化引导和激励机制。可加大对西部地区环境治理设施投资及环保技术升级的支持力度，完善东部地区排污权交易等市场激励型环境政策，充分发挥出东、西部地区环境目标对减污降碳协同管理绩效的积极作用。同时需尽快调整政府绩效评价体系，建立GDP增速与GDP质量双考核的经济发展评价制度，引导地方政府经济增长竞争由传统的速度竞争向质量竞争转变。③考虑到能源结构调整与产业结构升级对减污降碳协同管理绩效具有积极作用，未来应从能源供给侧和需求侧共同发力，助推经济发展与能源消耗、环境污染“双脱钩”，同时应将碳排放量大的高耗能行业作为结构调整重点，鼓励发展新一代信息技术、新能源等战略性新兴产业，加速产业结构升级优化。但交通运输结构调整并不必然提升减污降碳协同减排水平，因此各地应区分不同环境指标，对交通有关措施（如客货运输结构优化、运输装备“油改电”/“油改气”、新能源车船推广应用、柴油货车限行、老旧机动车淘汰等）开展系统的多污染物与CO2协同效益评估，并开展实证检验，识别并选取高协同减排水平的治理措施最优组合，以提升城市减污降碳协同管理绩效，防止政策“千篇一律”。④现有减污降碳协同管理实践往往忽略针对不同环境指标，分地区、分时段设计精细化的减污降碳最优协同控制方案，未来应加强国家顶层设计，明确协同控制的温室气体（CO2、CH4等）及大气污染物（PM2.5、O3、PM10、NO2等）指标，设置重点区域/省份短中长期协同改善目标（如排放量/浓度目标值、浓度下降百分比、碳达峰年限、碳排放量下降百分比、单位GDP碳排放强度、人均碳排放量等），结合目标考核协同强化各城市/省份和国家目标的一致性，促使地方政府选择并实施可实现减污降碳目标的最优协同控制路径，从而赋能中国“双碳”目标的科学化、精确化实现。