资源型城市低碳技术进步驱动碳减排的多重异质性

王家明，余志林

（1.山东石油化工学院经济管理与文法学院，山东 东营 257061； 2.中共山东省委党校，山东 济南 250103）

改革开放以来，中国取得了举世瞩目的经济奇迹，资源型城市以其优越的自然禀赋在其中发挥了不可替代的作用，为建成独立完整的工业体系、保障国家能源资源安全与国民经济有序运行作出了历史性贡献。但伴随粗放发展而来的生态破坏、环境污染和资源枯竭，使资源型城市付出了极大的发展代价。近年来，随着高质量发展战略、“双碳”目标的提出，资源型城市如何在履行自身历史使命的基础上，破除资源诅咒，同步实现碳减排与高质量发展是亟待突破的瓶颈［1］。正常达峰情景下，中国资源型城市将于2030年以72.65亿t的碳排放量达峰，约占当年全国碳排放总量的60%［2］，面临巨大的减排压力。

技术进步是减少碳排放和应对气候变化最重要的手段，其作用远超其他因素。从高质量发展角度来看，技术进步不仅仅是单纯的科技创新，而是在高质量发展所强调的“效率”“绿色”基础之上的技术进步，即低碳技术进步［3］。低碳技术进步与碳排放之间存在相关关系已成为研究共识，但以碳排放特殊主体的资源型城市为样本的研究相对较少。随着经济发展方式转变，高质量发展要求创新发展、协调发展、绿色发展，加之碳达峰碳中和等规制，资源型城市低碳技术进步的提升有限，难以同时满足新时代高质量发展、能源资源安全与碳减排的多重需求。必须坚持创新引领，全面提升科技创新能力，加快探索绿色高效安全的资源开发模式，发挥技术进步在促进碳减排与高质量发展过程中的驱动作用。那么，资源型城市低碳技术进步如何驱动碳减排？其低碳技术进步在促进碳减排过程中是否存在异质性、是否存在门槛效应值得进一步探索，这也是资源型城市精准减碳、实现高质量发展的决策依据。该研究旨在明晰中国资源型城市低碳技术进步与碳排放的现状，厘清二者驱动关系的作用机理，对资源型城市低碳技术进步驱动碳减排的多重异质性与门槛效应做出深入探究，以期为相关政策的制定提供参考。

1 文献综述与机理分析

1.1 文献综述

1.1.1 资源型城市相关研究

资源型城市的相关研究由来已久，最早可追溯到Mining Town的提出［4］。随后“大宗商品理论”概念的提出［5］逐步开启了资源型城市和资源经济的研究序幕。资源型城市在提出之初就被作为经济发展的重要支柱，多位学者逐步达成资源型城市与周边地区集聚扩散的“核心-边缘”关系共识［6］，并对其与周边地区的依附关系、资本积累进行研究，总结出了依附理论、剥夺理论和产业依赖理论等［7］。随着资源型城市的发展，生命周期理论逐步完善，将资源型城市的发展分为建设期、发展期、转型期和成熟期［8］，随后又拓展了衰退期和关闭期。在此基础上，结合资源型城市发展实际及出现的问题，后续研究重点逐步向转型升级、可持续发展与高质量发展等方向转变。

1.1.2 碳排放相关研究

现有碳排放的相关研究大致可以分为三类。第一类是环境库兹涅茨曲线的有效性检验。很多学者探究环境污染与经济增长之间的关系，但此类研究并未达成共识。部分研究与环境库兹涅茨曲线的结论相一致，但在不同情境下得出环境污染与经济增长之间呈“N”型趋势或“N”型拐点，甚至部分地区呈现明显的理论偏差，故此类研究仍存在争议。第二类是基于指标分解法的碳排放影响因素研究。对数平均迪氏指数分解法在研究碳排放问题上得到了广泛的应用，但仍存在只能考虑一个绝对量因素的局限性。因此，Vaninsky［9］在原有对数指数分解法的基础上进行改进，提出新的指数分解框架，即广义迪氏指数分解法［10］，可以更加精确地量化各类因素对碳排放量的影响。第三类是基于IPAT模型和STIRPAT扩展模型的碳排放影响因素研究。IPAT方程可理解为经济社会发展对自然环境的影响与人口规模、富裕程度、技术水平紧密相关，建立起了四者之间的恒等式［11］，随后又对IPAT模型进行改进研究，提出了“ImPACT”恒等式［12］。但两者都存在仅能考虑一个因素且其他因素不变的局限性，其结果大多为某一因素对因变量的等比影响。York 等［13］以IPAT模型为基础提出STIRPAT模型，并对不同模型进行了对比分析。

1.1.3 低碳技术进步相关研究

有关低碳技术进步的研究大都从其促进经济高质量发展或碳减排角度展开，最早可追溯到“波特假说”的相关研究，即技术创新的碳减排效应，表明严苛的环境政策可以促进技术创新，进一步推进经济发展与节能减排。部分学者研究证实了此观点的适用性，表明技术进步能抑制碳排放，促进节能减排；但也有学者通过实证研究提出相反的看法，即经济发展尚未达到一定程度时，技术进步可能会导致碳排放量增加；也有学者表明由于众多不确定性因素的影响，技术进步对碳排放可能有促进作用，也可能起到抑制作用［14］。部分专家学者从波特假说切入，得出环境规制在不同阶段对绿色技术进步的异质性影响的结论；还有众多学者的研究表明环境规制与技术创新之间存在非线性关系。丁黎黎等［15］构建了Malmquist-Luenberger多维分解指数模型，研究发现环境规制引导了企业绿色技术创新，可能因对生产性资本的临时占用而对当期中性绿色技术进步有抑制作用。

1.1.4 技术进步驱动碳减排的相关研究

多位学者对技术进步与碳减排的驱动关系进行了研究，并达成了技术进步可促进碳减排的研究共识。其中，对技术进步的定义或测量大都从两方面展开，一是采用研发投入、研发人员、专利数等相关指标；二是采用有偏技术进步进行拓展，如碳要素偏向型技术进步、数据要素偏向型技术进步、能源要素偏向型技术进步、资本偏向型技术进步等。张思思等［16］对数字要素赋能下有偏技术进步的节能减排效应进行了研究，发现有偏技术进步通过能源消费结构推动经济规模的链式中介机制，对节能产生正向影响，而对减排产生负向影响。从研究样本看，现有技术进步对碳排放影响的相关研究普遍选择了区域或相关行业，大都得出技术创新可驱动碳减排，但在特殊阶段会同时存在碳减排效应与碳减排回弹效应，且在不同情境下会存在明显的门槛效应。如刘朝等［17］在结构视域下研究了自主创新对工业碳排放的影响，发现自主技术创新对工业碳排放具有显著减排效应，同时减排效果存在显著能源结构和行业结构门限效应。但现有对受环境规制相关政策影响较大的、同时肩负能源安全保障与碳减排于一体的资源型城市的相关研究较少。再者，现有研究大都得出技术进步驱动碳减排的效果与趋势，但对因研究样本区域不同、类型不同产生的异质性探讨并不多见。

综合上述研究，可以发现：技术进步与碳排放的驱动关系是当前学术界的研究热点，资源型城市作为产业结构偏重的碳排放重点地区更是备受青睐。整体来看，低碳技术进步可在一定程度上减少碳排放已基本成为研究共识，但仍存在许多有待进一步深入探讨和未达成共识的问题。第一，现有对技术进步作为核心解释变量或中介变量的相关测量大都沿用复合指标或有偏技术进步进行拓展，鲜有采用考虑非期望产出的低碳技术进步开展的相关研究。第二，现有研究大都以区域和行业作为研究对象，鲜有从不同类型地市角度开展的深入研究，对于同时肩负国家能源资源安全与碳减排的资源型地市更是较少。第三，现有研究基本停留在计量关系层面，对驱动关系的多重异质性、阈值效应的研究较少，未能对不同类型、不同区域的计量关系进行对比分析，也就很难进一步指导区域精准减碳的相关实践。

基于此，该研究从国家战略导向、资源型城市发展实际与相关理论研究入手，探讨资源型城市低碳技术进步驱动碳减排的机理。第一，构建数量模型、计量模型厘清资源型城市低碳技术进步与碳排放现状，对其低碳技术进步驱动碳减排的多重异质性进行探讨，可为资源型城市低碳技术进步驱动碳减排相关政策的制定提供借鉴，为相关研究提供参考。第二，现有考虑非期望产出的低碳技术进步大都采用不同类型污染物指标，但资源型城市的非期望产出具有鲜明的资源特色，综合考虑资源型城市特色的非期望产出指标相较于现有复合指标更为合适。第三，考虑低碳技术进步驱动碳减排的区域异质性与类型异质性，并进一步探讨阈值效应，可为不同地区、不同类型资源型城市低碳技术进步与精准减碳提供参考。

1.2 资源型城市低碳技术进步驱动碳减排的机理分析

在高质量发展和“双碳”目标的双重压力驱动下，资源型城市如何通过低碳技术进步实现碳减排，进而实现高质量发展是亟待研究的问题［18］。“波特假说”［19］、“理性经济人”［20］等理论分别从不同角度阐述了环境规制与企业碳排放［21］、技术进步［22］的关系。文章基于环境经济学［23］、低碳经济学［24］与资源型城市发展实际，对资源型城市低碳技术进步驱动碳减排的机理进行分析。

高质量发展背景下，低碳技术进步可通过科技创新与技术迭代升级提升能源效率。在能源需求相对稳定的情况下，减少能源资源消耗，进一步优化能源结构和产业结构，减少碳排放，对此称之为低碳技术进步的碳减排效应［25］。但能源效率的提升会在一定程度上导致能源成本相对下降，生产成本降低，进一步导致企业扩大生产与能源消耗增加，增加碳排放。与此同时，低碳技术进步因其低碳规制与技术研发会在一定程度上提高企业生产的环境成本，那么企业作为“理性经济人”，在利润驱使下必然通过提高产量等其他方式来弥补因低碳技术进步而引起的成本上升，而在此过程中能源效率较为低下，会在一定程度上增加碳排放。因能源成本相对下降与环境成本上升引发的碳排放增加，称之为低碳技术进步的碳减排回弹效应［26］。

现有研究大多认为，碳减排效应与碳减排回弹效应在技术进步作用的不同阶段产生，需要在驱动关系中做好政策导向与环境规制［27］，提高碳减排效应、降低碳减排回弹效应，共同促进碳达峰目标的实现，进一步促进高质量发展。但从不同类型资源型城市、不同地区资源型城市角度来看，低碳技术进步驱动碳减排的时限、效果是否存在多重异质性？以此为基础，以2005—2019年中国116个地级资源型城市为研究样本，构建DEA-Malmquist指数模型，并提取其TECHCH来衡量低碳技术进步并以其作为核心解释变量，估计其对碳排放的驱动程度，对多重异质性驱动机理进行验证，共同促进资源型城市高质量发展。

2 模型构建与数据来源

2.1 模型构建

2.1.1 DEA-Malmquist指数模型

文章选用TECHCH作为资源型城市低碳技术进步的衡量指标，构建DEA-Malmquist指数模型［28］对2005—2019年中国116个地级资源型城市的相对效率进行测度，进而获取低碳技术进步指标。鉴于其为经典成熟模型，仅将关键步骤进行展示。

其中：投入指标分别为资本投入、能源投入和劳动力投入，以地区生产总值作为期望产出指标，以综合污染物排放作为非期望产出指标。综合污染物指标数据运用时序全局主成分分析法对资源型城市主要污染物排放量，即烟粉尘排放量、废水排放量、化学需氧量、二氧化硫排放量、氨氮排放量、氮氧化物排放量进行测算来获得。Sx、Sy分别表示投入和产出，Sb为非期望产出的松弛变量，M、I、N分别表示第m个期望产出、第i个非期望产出、第n个投入。TECHCH则是衡量低碳技术进步的指标。

2.1.2 计量回归模型

对资源型城市碳排放量的测算是文章研究的重点。借鉴碳排放量估算方式［29］，可以根据各种能源消费导致的碳排放估算量加总得到。

其中：CO2代表二氧化碳排放量（单位为万t），i=1，2，3分别代表三种一次能源（煤炭、原油和天然气）；E代表能源消耗量（煤炭、原油单位为万t，天然气为亿m3）；NCV为2007年《中国能源统计年鉴》附录4提供的三种一次能源的平均低位发热量；CEF为IPCC（2006）温室气体清单提供的碳排放系数；COF是碳氧化因子（该研究煤炭设定为0.99，原油和天然气为1），44和12分别为二氧化碳和碳分子量。

该研究采用随机回归影响模型（STIRPAT）对低碳技术进步驱动碳减排的影响进行计量回归［30］。

其中：θ、β为模型参数；μ为随机扰动参数。STIRPAT模型既允许将各系数作为参数来进行估计，也允许对各影响因素进行适当的分解［31］。人口增加、经济增长和技术进步均会影响碳排放，但不仅限于三个因素，故借鉴前人研究，选取被解释变量、核心解释变量与控制变量。

（1）被解释变量：将资源型城市的碳排放量作为被解释变量。

（2）核心解释变量：TECHCH，低碳技术进步可以通过优化产业结构、提高能源效率来减少碳排放量。

（3）控制变量：引入经济发展水平、环境规制、产业结构、能源结构、外商直接投资作为控制变量，具体指标如下：经济发展水平（GDP）；环境规制（ER），包括命令型环境规制（EC）、市场型环境规制（EM）、自愿型环境规制（EV）；产业结构（IS），选用第二产业增加值占比衡量产业结构；能源结构（ECS），选用能源总消耗量来衡量；外商直接投资（FDI）。

选取控制变量构建如下模型：

对上述公式两边同取对数，可得：

考虑低碳技术进步驱动碳减排的滞后效应，碳减排除了受本期低碳技术进步的影响外，还受前一期技术进步影响。故引入低碳技术进步的滞后项至模型（6），构建实证计量分析模型。

其中：CO2it代表t时期i城市的碳排放，TECHCHit、GDPit、ECit、EMit、EVit、ISit、ECSit、FDIit分别代表t时期i城市的低碳技术进步、经济发展水平、命令型环境规制、市场型环境规制、自愿型环境规制、产业结构、能源结构、外商直接投资。低碳技术进步对碳排放量的影响方向，主要取决于β1的值。若β1≤0，则低碳技术进步对碳排放影响方向为负或0，低碳技术进步会导致碳排放量的减少（或不变）；若β1＞0，则低碳技术进步对碳排放的影响方向为正，低碳技术进步会导致碳排放量的增加。对各解释变量进行对数变换后，各解释变量的方差膨胀因子VIF均小于10，各解释变量之间不存在多重共线性问题。

2.1.3 阈值模型

该研究采用阈值模型，旨在探讨在低碳技术进步的不同水平上，其对碳减排的驱动是否存在门槛效应。在前人研究的基础上，设定阈值模型［32-34］。

式中：TECHCHit代表低碳技术进步指数设为门槛变量，γ为待估门槛值，I(·)为示性函数，αi为不随时间变化的个体差异，εit独立同分布的随机扰动项。β1、β2分别表示在不同的门槛区间内门槛变量对于被解释变量的影响。若出现多个门槛的情况，只需加入新发现的门槛值区间，进行相应扩展即可。

2.2 数据来源

依据《全国资源型城市可持续发展规划（2013—2020年）》中对资源型城市的界定、分类，选取2005—2019年中国116个地级资源型城市的面板数据作为研究样本。该研究未涉及港澳台地区，不涉及无地级资源型行政区的省级行政区（北京市、天津市、上海市、重庆市、海南省、西藏自治区）。具体指标及数据来源如下。

（1）低碳技术进步测度指标：资本投入、能源投入、劳动力投入，地区生产总值，烟粉尘排放量、废水排放量、化学需氧量、二氧化硫排放量、氨氮排放量、氮氧化物排放量。其中，资本投入数据通过永续盘存法估算［35］，能源投入选用各地市能源消费总量数据，劳动力投入选用各资源型城市从业人数总量，其他指标数据可通过原始数据直接获取［36］。

（2）碳排放量测度指标：煤炭消耗量、原油消耗量和天然气消耗量等数据均可直接从原始数据获取。

（3）驱动关系测度指标：经济发展水平、命令型环境规制、市场型环境规制、自愿型环境规制、第二产业增加值占比、能源消费总量、外商直接投资。其中，命令型环境规制选取环境污染治理投资额，市场型环境规制选用绿色创新奖励政策投入与环境保护税加权来衡量，自愿型环境规制选取环境信访案件数据［37］，其他数据可通过原始数据直接获取。

以上所有原始数据源自2005—2019年《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国劳动统计年鉴》、各省市的统计年鉴、统计公报及中国经济社会大数据研究平台。各类指标时间跨度长、空间跨度广、数据量大，部分缺失数据通过周边地区均值进行折算，并通过实地调研、差值法［38］、线性回归［39］进行验证补齐。

3 结果与讨论

3.1 资源型城市低碳技术进步

运用DEA-Malmquist模型测算出2005—2019年116个地级资源型城市的TECHCH。研究发现，TECHCH整体呈阶段性上升趋势，均值变化由中值集中、两段扩散向高值集中、两段扩散。2005—2009年，整体相对滞后且呈现平稳上升态势。2009年迎来第一个转折点，并在2009—2013年之间快速提升，其中原因或为中国2009年在哥本哈根峰会提出单位GDP能耗下降目标之后，发改委等部门相关低碳政策的出台。2013年，迎来第二个转折点，资源型城市低碳技术进步水平大幅度提升，这与党的十八大以来国家、各省市对技术创新的愈加重视及《全国资源型城市可持续发展规划（2013—2020年）》的出台密切相关。高质量发展战略的提出、“五位一体”发展格局的不断融合、创新驱动发展均从不同程度上提升了低碳技术进步。综合以上三个阶段可以看出，在不同时期国家及各资源型城市对低碳经济、技术进步的不同政策效应。

3.2 资源型城市碳排放

为更好地进行比较分析，将测度结果划分为四个梯度，并将15年间中国116个地级资源型城市的碳排放历史数据按照梯度进行统计，见表1。

表1 资源型城市碳排放梯度划分

3.2.1 整体分析

碳排放量变化整体呈上升趋势，大部分城市变化幅度略有提升，部分城市整体提升较多且变化波动较大。碳排放均值变化有从低值集中向中值集中发展变化的趋势。结合测算数据，碳排放量在20 Mt以下的城市大部分在偏远地区，其在2005—2019年碳排放量略有提升。变动幅度较大的资源型城市大多集中于中部地区，其特点为经济发展以第二产业为主，不同环境规制政策对传统能源占比较大及粗放式发展的资源型地级市影响较大，导致其碳排放量变化较大。2012—2013年，部分资源型城市碳排放量提升较为明显，但2013年之后整体趋缓，生态治理取得显著进展，原因或为党的十八大重点加强生态文明建设，同时《中华人民共和国大气污染防治法（修订草案）》政策推行，督促各城市加强环境治理，落实生态建设的法规政策。值得注意的是，2009—2013年、2013—2019年资源型城市低碳技术进步指数不断上升，而在此时间节点上资源型城市碳排放量变化却趋于平缓，即低碳技术进步会在一定程度上产生碳减排效应，这与前文的驱动机理分析相吻合［40］。

为更好地进行时空双维度分析，选取2005、2009、2014年与2019年的结果数据进行对比分析。2005年，全国绝大部分资源型城市碳排放量都小于40 Mt，仅有唐山、鄂尔多斯、大庆、临沂、济宁、邯郸五个城市碳排放量大于40 Mt。整体碳排放量偏低是由于当时经济发展水平相对较低，能源消耗量与2009年、2014年相比整体偏少。碳排放量最高的为唐山市。唐山市是京津唐工业基地中心城市，工业基础雄厚，能源消耗量与其他资源型城市相比也相对较大，因此导致唐山碳排放量远高于其他资源型城市。

2009年，碳排放量大于40 Mt的资源型城市数量有了较为明显的增加，碳排放量10 Mt以下的城市数量明显减少，表明经济发展的同时导致碳排放量的提升。唐山碳排放量突破100 Mt，排名不变但碳排放量却增加，表明2005—2009年间经济得到快速发展，粗放式工业发展迅速，导致整体的碳排放量增加。鄂尔多斯、包头等城市的碳排放量与2005年相比也有明显增加。

2014年，资源型城市碳排放量继续增加，主要集中在10～40 Mt之间，鄂尔多斯等九个城市碳排放量大于100 Mt。2014年全国资源型城市碳排放量与2009年相比增加明显，尤其是以化石能源为发展基础的城市，碳排放量变化明显。原因或为粗放式的产业发展导致化石能源过度消耗，提高了碳排放量，随之而来的资源枯竭、环境恶化等问题会严重制约其高质量发展。

2019年，全国资源型城市碳排放量整体无较大幅度变动，甚至部分地市碳排放量有明显下降，碳排放量达到100 Mt以上的城市与2014年相比仅新增榆林市，最大值与2014年相比下降16.67 Mt，以北京为中心的周边城市碳排放量保持不变或略有下降。这些变化与当地政府大力推进经济高质量发展密不可分，缓解了资源与经济之间的发展困境，高新技术不断发展，要素配置更加合理，有效减少了碳排放。碳排放量最高的鄂尔多斯市在城市发展转型过程中逐渐由传统的重工业转向以服务业为主的第三产业，环境质量有所改善。

综合来看，中部地区资源型城市碳排放量逐年增加，且碳排放量达100 Mt以上的城市都集中在中部地区。中部地区的资源型城市以煤炭产业为主，能源资源更加丰富。值得注意的是，2009—2014年，中部地区碳排放量发生明显变化，原因或为快速推进经济发展而导致化石能源的消耗不断增加，同时承接来自东部地区的传统重工业、高排放产业，高能耗产业的快速发展导致碳排放量不断增加。东部地区资源型城市碳排放量略有提升，但整体变动幅度不大。东部地区资源型城市与中部地区相比化石燃料依赖程度相对较小，碳排放量也低于中部地区。东部地区资源型城市发展早，对外开放程度高，科技水平发展优于其他地区的资源型城市，能源利用率高，政策制定与落实相对迅速，人民群众的环境保护意识高于其他地区，低碳经济、清洁技术也得以在该地区迅速推广。西南、东南地区的资源型城市整体碳排放量一直位于40 Mt以下，且西南地区有部分资源型城市碳排放量位于10 Mt以下，整体变动幅度较小，与当地的经济发展水平密不可分［41］。

3.2.2 时空趋势分析

为进一步探究116个地级资源型城市碳排放的空间特征，选用ArcGIS 10.2的“趋势分析”工具描绘2005、2009、2014和2019年以资源型城市碳排放量为高度的三维透视图（图1），采样点的位置绘制在XY平面上。以X轴为径向、Y轴为纬向，默认X轴正方向为东、Y轴正方向为北，将点对应的值作为散点图投影于XZ平面和YZ平面上。值由Z维中杆的高度给定，采用多项式进行拟合，得到碳排放的趋势线，以观察其发展变化的全局趋势。

图1 中国116个地级资源型城市碳排放时空变化趋势

从X方向（径向）来看，碳排放量在地理空间上均呈现出“S”形特征，但“S”形特征不明显，自西向东先下降后上升再下降。从整体上看，资源型城市碳排放在地理位置上均呈现出中部地区＞东部地区＞西部地区的变化趋势。东部地区有明显的下降趋势，原因在于地理位置位于东部但行政区划为中部地区的黑龙江省、吉林省的资源型城市碳排放量较低。从Y方向（纬向）看，在不同约束条件下的碳排放量在地理空间上均呈现出抛物线型，自北向南碳排放量先增加后减少，南部地区碳排放量较小，中部地区碳排放最大。2005—2019年，碳排放量在南北方向上的变化程度大致相同，整体差异较小。总体来看，资源型城市碳排放量对东西地区差异变化的敏感度强于南北地区。

3.2.3 类型分析

根据《全国资源型城市可持续发展规划（2013—2020年）》，将资源型城市划分为成长型、成熟型、衰退型、再生型四种类型。2005—2019年，不同类型各资源型城市碳排放均值整体上呈“先上升后平缓”趋势。2005—2011年，碳排放量增加速度较快，2011年后变动幅度减少甚至保持不变。2005—2013年，中国经济处于高速增长阶段，粗放式发展带来的生态问题较为突出，导致了碳排放量逐步攀升。2013年以后，随着生态治理政策与措施逐渐完善，生态文明建设、统筹推进“五位一体”总体布局等政策深入推进，环境治理取得显著成效，碳排放量得到了有效控制。整体碳排放量由大到小排序为：再生型＞成长型＞成熟型＞衰退型。其主要原因有以下三点。

（1）资源型城市的分类遵循分类指导、特色发展的原则，根据资源保障能力和可持续发展能力的差异进行划分。因此，产生此碳排放结果的原因为再生型资源型城市经济转型快于社会转型，转型前后碳排放居于高位，原有成熟型资源型城市的生产生活方式并未改变，同时再生型资源型城市的碳排放在2015年前后实现阶段性达峰，并呈稳步下降态势，这与再生型资源型城市的发展实际较为吻合［42］。

（2）成熟型与成长型资源型城市资源开采趋于稳定，资源密集型产业发展速度快，碳排放呈逐年上升态势，这也与能源资源安全供给、资源型城市的历史使命与责任密切相关。

（3）衰退型资源型城市碳排放居末位的原因主要在于资源趋于枯竭，资源性产业大部分已进行转移或转型，但其碳排放较低并不意味着碳减排能力强，而是经济发展相对滞后，接续替代产业仍未做好经济支撑的衔接与过渡。

3.3 低碳技术进步驱动碳排放的实证分析

3.3.1 平稳性检验

为避免伪回归，确保回归结果的准确性，该研究在进行面板数据回归之前，对模型进行平稳性检验，以此确认各资源型城市变量时间序列是否为平稳序列。为提高检验的可信度，同时采用LLC、IPS、ADF-Fisher、PP-Fisher四种检验方法进行检验（表2）。

表2 单位根检验结果

鉴于IPS检验法考虑了小样本性质，其检验统计量更具一般性，因此若不同方法结果不一致时，以IPS检验结果为准。可以看出，四种检验方法P值均远小于0.05，通过了四种方式的检验，故各变量均为平稳序列。

3.3.2 整体实证结果分析

在进行Hausman检验、F值和P值的检验之后，选取固定效应模型进行结果测量，计量结果见表3。如第2列数据所示，在不考虑控制变量的情况下，资源型城市的技术进步系数显著为负，显著性水平为10%。进一步引入控制变量后探讨技术进步对碳排放影响是否会发生变化，得出第3列数据。表3表明，在引入滞后项、GDP、EC、EM、EV、IS、ECS、FDI等控制变量后，技术进步系数仍显著为负。但考虑到内生性问题的存在，采用固定效应模型（IV-FE）的方法，以技术进步滞后一期为工具变量研究上述问题。运用IV-FE所得结果如第4列所示，显著性水平为10%，起到负向驱动作用，这表明资源型城市技术进步能有效降低碳排放量。

表3 低碳技术进步对资源型城市碳排放影响的估计结果

低碳技术进步与其滞后项对碳排放均起到显著性水平为10%的抑制作用，表明低碳技术进步水平的提高可以持续驱动碳减排。国内生产总值对碳排放起到显著性水平为5%的正向推动作用，表明国内生产总值提高的同时，碳排放量也随之增加。原因或为中国早期经济发展依赖第二产业，且在发展经济的同时完善基础设施建设，工业化、城镇化同步进行，势必导致能源急剧消耗、要素分配不均等问题，尤其是以资源开发为主的资源型城市资源短缺、能源消耗等问题更加显著，加速了二氧化碳的排放。

命令型环境规制对碳排放有正向影响，显著性水平为5%。强制性落实政府政策在短期内确实可以减少碳排放量，起到调控作用，但忽视了市场与企业在碳减排过程中的自主性，抑制了企业自主创新的积极性，在一定程度使企业的经济效益受损。同时，命令型环境规制在实际落实过程中消耗大量人力、物力、财力，容易造成碳减排的回弹效应，故资源型城市碳减排需政府配套以相关支持政策来共同驱动，降低碳减排的回弹效应［26］，这也印证了前文资源型城市低碳技术进步驱动碳减排的机理设计。市场型环境规制与自愿型环境规制都对碳排放有着负向影响，显著性水平为10%。市场型环境规制在政府宏观调控的基础上结合市场实际，企业的自主性程度更强，但在市场体制不健全的情况下，其作用可能得不到有效发挥。而市场化程度的提升有利于资源型城市突破制度锁定和产业锁定，构建产权明晰、竞争有序、合作共赢的经济秩序，促进产业协同集聚效应的充分释放，提升资源配置效率和企业生产效率，进而降低单位产出污染排放量［43］。自愿型环境规制以企业本身为主体，主要依托企业的自主性、创新性的有效发挥，更有利于企业提高对环境保护的意识。其显著性水平结果可能是由于中国部分地区环境保护的机制不够健全，环境污染处理效率较低，以及关于环境事件披露的受众较窄，对于环境污染事件或企业无法形成预计的舆论压力所致［37］。综合来看，只有当环境规制强度达到临界点后，才能对碳排放起抑制作用。

产业结构，即第二产业增加值占比对碳排放有正向推动作用。在经济高速增长阶段，产业结构以高能耗、高排放产业为主，粗放式的发展消耗大量化石燃料，同时造成碳排放过度，以重工业为主导的第二产业增加势必会导致年碳排量的提升。伴随着低碳技术与清洁能源的推广与发展，引导传统的高耗能产业进行“绿色”转型升级，是推动高质量发展与低碳转型的关键途径［44-45］。

能源消费结构，即煤炭消耗总量与碳排放之间显著正相关，显著性水平为10%。化石燃料消耗在中国能源消耗中占绝大部分比重。近年来清洁能源虽不断推行，但人们的日常生活、企业的生产运营仍离不开化石燃料的使用，短期内温室气体的排放势必持续增加［46］。

FDI与碳排放量显著正相关，即过多的外商直接投资会造成碳排放增多。多位学者对“污染天堂”假说进行实证检验，发现发达国家为保证本国的生态环境不受破坏会将高能耗、高污染产业转移至发展中国家。外商直接投资的大部分企业为以资源消耗为主的高污染、高消耗产业，早期资源型城市为促进经济发展接受产业的门槛较低，给当地造成严重的环境污染与资源消耗，导致碳排放量逐步提升［47-48］。随着国际政治经济形势的不断变化与中国双循环战略的逐步推进，FDI对资源型城市碳排放、高质量发展的影响也会逐步发生变化。

3.3.3 类型异质性分析

为进一步探究技术进步对碳排放量的影响在不同类型资源型城市的表现，同时为避免内生问题对估计结果的影响，采用固定效应模型对分类型资源型城市进行探讨。考虑到估计结果的稳健性，分为未引入控制变量和引入控制变量两种情形进行估计，见表4。

表4 低碳技术进步对不同类型资源型城市碳排放影响的估计结果

模型1、模型2是针对成长型资源型城市的估计结果。模型1未引入控制变量，可以看出低碳技术进步系数显著为负，显著性水平为10%。模型2引入控制变量后，低碳技术进步指数仍显著为负。模型3、模型4是针对成熟型资源型城市的估计结果。与成长型资源型城市相同，无论是否引入控制变量，低碳技术进步系数显著为负。模型5、模型6是针对衰退型资源型城市的估计结果。与其他类型不同，衰退型资源型城市低碳技术进步系数显著为正，引入控制变量后，估计结果不变，显著性水平均为10%。模型7、模型8是针对再生型资源型城市的估计结果。同样地，在引入控制变量之后，再生型资源型城市的技术进步系数并没有发生变化，依然显著为负。结合上述描述可以看出，成长型、成熟型、再生型资源型城市低碳技术进步系数显著为负，即低碳技术进步能有效降低碳排放；衰退型资源型城市低碳技术进步系数显著为正，即低碳技术进步提升会促进碳排放。

成长型、成熟型资源型城市发展仍以资源性产业为主，碳排放不可避免，但由于低碳经济的推广，更多的绿色技术、清洁生产被运用，使得低碳技术进步系数显著为负。再生型资源城市大多依托传统产业转型升级或发展旅游业、服务业等进行转型，碳排放量仍在持续增加，经济转型成果显著但环境转型明显滞后，而且由于资源的过度消耗所造成的环境破坏短时间内难以扭转，环境的自净能力较差，导致低碳技术进步水平虽抑制碳排放量增加但显著性水平并不高。衰退型资源型城市低碳技术进步系数显著为正，即低碳技术进步对衰退型资源型碳排放起到促进作用。资源的掠夺性开发与不可再生性导致其生态恶化严重，可利用的化石资源不断减少，但由于产业转型发展没有明确方向，经济发展仍以原有传统产业为主，技术创新大多用于提升经济发展水平，清洁能源、绿色技术的应用较少，导致低碳技术进步系数显著为正。

值得注意的是，命令型环境规制针对不同类型资源型城市显著性水平不同，成长型、成熟型资源型城市命令型环境规制显著为正。衰退型、再生型资源型城市命令型环境规制显著为负。成长型、成熟型资源型城市肩负着保障国家能源资源安全和稳定供应的特殊使命，其对资源型产业或碳锁定较强的相关产业依赖较大。成长型城市应避免因过度依赖自然资源而陷入价值链低端锁定，进而导致环境损害，限制其成长潜力［43］。采用强制性的碳减排措施在一定程度上可以减少两类资源型城市的碳排放，但是并不能完全起到抑制碳排放的效果。再生型资源型城市发展以旅游业或服务业等产业为主，传统高能耗产业也大多转型升级，强制性的碳排放规定对再生型资源型城市影响作用并不大，命令型环境规制虽显著为负但显著性并不高。衰退型资源型城市资源严重枯竭，新兴产业发展尚不健全，本身碳排放量不高，加之政府政策的强制实施，部分不达标的耗能产业被迫直接关停或转移，抑制了碳排放。

3.3.4 地区异质性分析

中国幅员辽阔、地大物博，各地区之间的经济发展水平、产业结构、创新能力等存在巨大差异。因此，技术进步对碳排放量的影响在不同地区之间表现也略有差异。为避免内生问题对估计结果的影响，分区域的估计方法依旧采用固定效应模型（IV-FE）。进一步地，为了检验估计结果的稳健性，分为未引入控制变量和引入控制变量两种情形进行估计，见表5。

表5 低碳技术进步对不同地区资源型城市碳排放影响的估计结果

模型1、模型2是针对东部地区的估计结果。模型1未引入控制变量，东部地区的低碳技术进步系数显著为负，显著性水平为10%。模型2为引入了控制变量的估计结果，与不引入控制变量相比，东部地区的低碳技术进步系数依然显著为负。模型3、模型4是针对中部地区的估计结果。对比模型3和模型4，可以看出不论是否引入控制变量，中部地区低碳技术进步系数均显著为正，显著性水平都为10%，即低碳技术进步与碳排放水平呈正相关。模型5、模型6是针对西部地区的估计结果。同样地，是否引入控制变量对低碳技术进步系数与碳排放关系无影响，西部地区的低碳技术进步系数都显著为负。综上，东部地区、西部地区低碳技术进步系数显著为负，显著性水平都为10%，即低碳技术进步可以抑制东西部碳排放；中部地区低碳技术进步指数显著为正，即低碳技术进步系数增加会导致碳排放量升高，该结论与张兵兵等［31］的研究一致。东部地区资源型城市对外开放程度高且在资金、技术、人才等方面具有先天优势，为其产业转型升级提供重要条件［42］，接受新兴技术速度强于其他地区，低碳技术也最初在此研发推广；且东部地区经济基础雄厚，技术扩散效应迅速，为技术创新提供了强有力的保障。根据产业转移梯度理论，中、西部地区产业发展大多承接自东部地区［49］，发展以能源消耗为主导的第二产业，尤其是化石能源消耗。FDI在东部地区显著为负而在中西部地区显著为正，正是由于产业转移所导致的。外商投资为东部地区带来先进技术与资金，而生产建设部分却转移至中西部，导致FDI在中西部显著为负。但低碳技术进步在中部地区显著为正，在西部地区显著为负，原因或为西部地区深居内陆，政策实施落实存在滞后期，且西部地区环境优于东部地区与中部地区，二氧化碳自净能力强，因而低碳技术进步在西部地区显著为负。西部地区低碳技术进步显著性水平较低，原因或为西部地区自主创新能力较弱，基础设施不健全，导致落后的条件与低碳技术进步不匹配，低碳技术溢出效应较低，因而其显著性水平不高。

3.3.5 门槛效应分析

通过上述整体、分类型、分地区的计量分析，可以发现低碳技术进步对碳排放的影响呈现多重异质性特征，结合机理分析主要体现在碳减排回弹效应和碳减排效应［25-26］。因此，为进一步分析内部驱动过程，利用门槛面板模型，运用Stata 15.0进行门槛面板回归分析，具体结果见表6。

表6 门槛效应自抽样检验

可以看出，检验均值在5%的显著性水平通过单门槛和双门槛检验，这表明存在双门槛值，同时也证明了中国低碳技术进步与碳排放水平之间存在显著的非线性关系。运用双门槛面板回归模型进行实证分析，结果见表7。

表7 双重门槛回归结果

当THCHCH≤0.759时，低碳技术进步与碳排放水平之间呈正相关关系，即低碳进步指数每上升1%，将促使碳排放水平增加0.265%，技术进步对碳减排回弹效应显著。经济的高速增长与第二产业的发展密不可分，该阶段技术进步大多作用于重工业，而且城市发展中心聚焦于经济建设，经济高速增长加速了能源消耗，导致了技术进步没有减少碳排放，反而使碳排放总量提升，产生了碳减排回弹效应。碳减排回弹效应结果与现有相关研究结论相一致，但与不同地区、不同行业而言，碳减排回弹效应在资源型城市这一特殊类型地市的体现更为显著［25-27，50］。因此，在低碳技术进步的不同阶段，应注重碳减排效应与碳减排回弹效应的产生与影响。当0.759＜TECHCH≤0.917时，低碳技术进步与碳排放水平之间呈负相关关系，即低碳进步指数每上升1%，将促使碳排放水平下降1.252%。该阶段低碳技术进步虽抑制碳排放的增加，但其显著性水平仅为5%。伴随着绿色低碳循环经济体系的构建，技术进步所带来的碳节约量可以初步抵消新增的碳排放量，形成了一种动态平衡。但该阶段虽有政府政策法规的颁布，但政策效应的滞后与落实力度等问题仍需进一步解决。这一点在惠利等［51］对新结构经济学视角下资源型城市高质量发展研究中有重点体现。当TECHCH＞0.917时，低碳技术进步与碳排放水平之间呈负相关关系，即低碳进步指数每上升1%，将促使碳排放水平降低1.891%。该阶段低碳技术进步对碳排放的抑制作用较为明显，显著性水平较高。新兴产业、清洁能源的发展减少了化石能源的使用，碳减排技术创新对碳排放的抑制作用逐步释放。上述双门槛分析与该研究所构建的资源型城市低碳技术进步与碳排放的驱动机理相吻合。就控制变量而言，该研究设置了GDP、环境规制、产业结构、能源结构、FDI五种控制变量，除市场型环境规制与自愿型环境规制与碳排放水平呈负相关水平外，其余控制变量上升都会导致碳排放水平增加，这与前人研究结论相一致［52］。

3.3.6 稳健性检验

为验证低碳技术进步驱动碳减排的结论是否可靠，进一步运用替换被解释变量与替换解释变量的方法进行稳健性检验，见表8。替换被解释变量：模型1以综合污染物指标替换碳排放量进行检验，模型2以资源型城市AQI替换碳排放量进行检验。替换核心解释变量：模型3以城市专利替换低碳技术进步指数进行检验，模型4以研发投入替代低碳技术进步指数进行检验。表8中检验结果显示，替换变量后的回归结果与基准回归结果基本一致，说明该研究所得结论是可靠的。

表8 稳健性检验回归结果

4 结论与建议

4.1 结论

（1）资源型城市低碳技术进步大致呈阶段性上升态势，并以2009年与2013年为节点，变化幅度逐步增大。碳排放变化存在多重异质性，整体上呈上升趋势，碳排放量分类型来看：再生型＞成长型＞成熟型＞衰退型。

（2）资源型城市低碳技术进步对碳排放具有一定的抑制作用，并存在明显的类型异质性与地区异质性。其中，GDP、EC、IS、ECS、FDI起到正向推动作用，而EM、EV起到负向推动作用。分类型来看，成长型、成熟型、再生型资源型城市低碳技术进步可有效降低碳排放，衰退型资源型城市则相反。分地区来看，东部地区、西部地区低碳技术进步可有效降低碳排放，中部地区则相反。

（3））资源型城市低碳技术进步与碳排放之间呈现出双重门槛效应。当低碳技术进步位于第一个门槛之前，低碳技术进步与碳排放水平之间呈正相关关系，碳减排效应与碳减排回弹效应同时存在，且碳减排回弹效应较大；越过第一个门槛后转为负相关关系，即随着低碳技术进步的提升，其对碳减排的驱动效应逐步增强，超过碳减排回弹效应的负面影响。

4.2 建议

在高质量发展背景下，根据研究结果与资源型城市发展规划提出三点政策建议。

（1）从不同地区的资源型城市来看，东部地区对外开放程度高，低碳技术进步水平高，清洁能源应用与低碳经济发展早于其他地区，后续发展应继续保持并发挥转型样板作用，加强与中西部之间合作、交流，助力其降低碳排放。中西部地区要转变产业结构，大力发展低碳产业、优化能源结构，提高能源利用率、增加科研投入，创新清洁技术，在提高经济发展水平的同时降低碳排放。

（2）从不同类型的资源型城市来看，成长性、成熟型资源型城市发展过程中要重视资源过度开采问题，创新生产技术、优化产业结构以更好地进行碳解锁，以此带动清洁能源与绿色产业发展，注重解决以往发展的遗留问题，督促落实生态治理工作，缓解环境建设与经济发展之间的矛盾。再生性资源型城市在后续转型发展过程中发展经济的同时要注重城市绿化，提高森林覆盖率，增强城市的二氧化碳自净能力，降低资源型产业占比，增强人们的环保意识，转换原有生产方式，推广清洁能源，倡导低碳生活。衰退型资源型城市在后续发展过程中，要降低对资源的依赖程度，注重经济转型发展，改革产业结构，大力发展旅游业、服务业等，逐步打破原有路径依赖，摆脱资源枯竭的束缚，推动低碳经济发展。

（3）在低碳技术进步步入第一个门槛前，要着重降低第二产业比重，推进传统产业转型升级，减少资源消耗，提高资源利用率，降低碳减排的回弹效应。在低碳技术进步位于两个门槛之间，要持续深入实施低碳节能政策、法规，弘扬低碳生活理念，提高清洁能源使用率。在低碳技术进步越过第二个门槛之后，注重自身发展的同时要加强与其他资源型城市的联系合作，分享先进技术与经验，为碳达峰目标的早日实现作出贡献。