国家创新型城市建设能否促进碳排放效率

摘 要：

创新驱动发展背景下，提高碳排放效率是实现绿色化、低碳化发展的关键环节。基于创新型城市试点建设的准自然实验，构建企业异质性分析框架，从理论与实证分析试点政策对城市碳排放效率的影响、传导机制与时空异质性，利用2006～2020年282个地级市的面板数据进行验证。研究表明：创新型城市试点政策会显著促进城市碳排放效率的提升；在影响机制方面，创新型城市试点政策会通过绿色技术创新与产业结构优化的渠道，提升城市碳排放效率；创新试点政策对碳排放效率的提升作用在不同区域、不同产业基础、不同规模的城市存在差异化影响；空间视域下，创新试点政策对碳排放效率的促进作用存在空间溢出效应，会显著带动150千米至250千米内城市碳排放效率的提升。

关键词：

创新型城市试点；碳排放效率；多期双重差分模型；空间衰变规律

文章编号：2095-5960（2023）02-0093-10；中图分类号：F205

；文献标识码：A

一、引言

改革开放以来，中国经济出现了举世瞩目的增长，但在当前新旧动能加速转换与经济转型升级的关键时期，以往的要素驱动与投资规模驱动型的增长模式却难以持续［1］，高能耗、高排放、高污染等问题层出不穷，在此背景之下走好人与自然和谐共生的高质量发展之路成为必然选择。党的二十大报告指出：“实现高质量发展的关键环节是推动经济社会实现绿色化、低碳化发展”。从理论层面来看，实现绿色化、低碳化转型，提高碳排放效率是最具有效率的方式之一［2］。根据Cai等的测算，城市二氧化碳排放量占中国碳排放总量的70%以上［3］，其中城市基础设施建设、工业生产活动、交通运输以及居民日常生活成为了能源消耗与碳排放的主要贡献部门。所以着眼于城市视域，推动城市转变发展模式、经济生活方式，优化产业结构，提高能源利用效率，实现城市碳排放效率的逐步提升成为当前实现绿色化、低碳化转型的关键，更是实现高质量发展的应有之义。

党的二十大报告提出：“统筹推进国际科技创新中心、区域科技创新中心建设”，城市作为创新要素集聚的主要空间区域，城市创新水平的高低会直接影响城市的发展能力。［4］为进一步推动城市创新行为的活跃与更好实现创新效能，中国政府从2008年开始，分批设立国家创新型试点城市，并明确深圳作为首个试点城市，按照“试点先行，逐步推广”的设立原则，国家创新型城市试点范围不断扩大，试点名单不断扩容，截至2018年末，已有76个设区城市与2个县级城市成为国家创新型试点城市。

党的十八大以来，生态环境发生全局性、历史性转变，同时创新型试点城市政策效果不断展现，关于创新型城市试点政策的减排效应分析在近些年也不断展开［5］，以试图探究创新型城市试点政策的减排效应与对应机理。与本文研究较为紧密的研究可以概括为两类。第一类是关于碳减排的绩效分析，党的二十大报告指出：“重点控制化石能源消费，逐步转向碳排放总量和强度‘双控制度”，当前研究多围绕上述内容展开，即聚焦碳消耗强度与寻求碳排放的影响因素。具体而言，针对碳排放消耗强度，多围绕碳排放强度［6］、人均碳排放量［7］等内容展开。针对碳排放效率的影响因素，多从影响碳排放效率的经济因素出发，以及可能会对碳排放效率产生的影响。［8，9］第二类是关于创新型城市试点政策所产生的政策效应，但当前政策效应的影响多集中于对城市创新能力的衡量［1，10］，以及关注试点政策所带来的“绿色效应”。而在当前关于试点政策对碳排放的影响中，更多选择使用碳强度［11］、基于DEA模型的碳效率［12］，并未综合考虑碳作为非期望产出的经济作用。虽然已有文献关注了创新型城市试点可能存在的空间溢出效应［13］，但并没有关注到试点政策对碳排放效率的空间效应是否存在异质性特点。

国家创新型城市试点政策作为旨在推动城市创新的重要政策，能否推动碳排放效率的提升？其对碳排放效率的作用机制是什么？在影响过程之中，作为区域中心的城市是否对邻近区域起到带动作用？这将是本文研究的主要问题。尽管创新型城市试点政策已然实施多年，但准确评估创新型城市试点政策对城市碳排放效率的理论分析与实证研究仍然相对匮乏，现有研究多从实证出发，关注创新型城市试点政策对碳排放量的直接影响。一方面，忽视了政策效应对企业创新偏好和产业结构的影响，以及由此产生对碳排放效率的影响，缺乏分析的微观机制；另一方面，现有研究较少关注创新型试点城市作为区域中心，可能对邻近城市碳排放效率所产生的空间溢出效应。本文旨在通过对创新型城市试点政策的实证分析回答上述问题，为进一步推动创新型城市试点建设提供借鉴与参考。

二、理论模型与假设检验

为更好刻画创新型城市试点政策对碳排放效率的影响，在常替代弹性形式（CES）效用函数和异质性企业模型的基础之上，构建创新型试点政策对碳排放效率的理论模型。本文更多关注创新型城市试点政策对企业创新成本的影响，从而引出企业的创新性偏好和产业结构优化两类机制，并分析两类机制在创新型城市试点政策对碳排放效率影响中的作用，同时将创新型试点城市与非创新型试点城市加以区分，引入空间经济学的分析内容，探究创新型城市试点政策的时间和空间异质性规律。具体分析如下：

假设常替代形式（CES）的效用函数：

U=∫N0q（i）σσ－1diσ－1σ  （1）

其中，N表示市場商品总量，i表示第i个商品，q（i）表示对商品i的需求量，σ表示商品之间的替代弹性，给定总收入Y，求解上述方程的效用最大化，便可得到商品需求与收入以及价格之间的关系式：

q（i）=p（i）－σp1－σY  （2）

其中，p（i）表示商品i的价格，P=∫N0p（i）1－σdi11－σ是总体价格指数。

由于市场供给由异质性企业满足，所以针对异质性企业模型的假定如下：

第一，企业所面临的市场形势为垄断竞争市场，企业进入市场存在固定效应门槛，即所需f0的初始投资，假定所有企业所面临的初始生产率ψ服从帕累托分布。第二，企业拥有自由选择中间商品生产的权利，同时会伴随着二氧化碳的产生，假定生产成本表示为q2/φ ，由科斯定理可知，当产权界定明确后，厂商需要承担由于二氧化碳所导致的治理费用，需要对承担由于负外部性所导致的社会成本，将会以碳排放费用、税收以及购买碳排放份额等形式来表现，使用ρ来表示。所以将生产成本定义为pq2/φ。第三，企业可以自由选择创新形式，从而将生产率提高到γφ（γ>1），单位创新成本同企业初始生产率成反比，具体表现为δ/φ。由于创新型城市试点政策的推行会提高企业自主创新能动性，提高企业创新能力，从而减少企业创新成本，使得企业创新成本从γ/φ降低至cγδ/φ，也即政府支持力度越大，企业开展相关生产经营活动更为便利，企业创新成本进一步下降。综上，企业的利润最大化可以表示为：

maxπ=pq－ρq2γφ－cγδφ－f0   （3）

结合（2）式与（3）式，通过对产量与创新的一阶条件，可得：

q=2－σφσσ－1σPσ－1Yc－12σδ－12σρ－12σ   （4）

γ=2－σφσσ－1σσPσ－1Yc－12（σ+1）δ－12（σ+1）ρ－12（σ－1）  （5）

由式（5）可得dγ/dc>0，表明企业创新成本的下降会有效提高企业的生产效率。在创新型城市建设的市场中，由于鼓励扶持企业创新的政策不断出台，政府不断优化营商环境，减少对创新行为的干预，从而不断降低企业创新成本，进而促进企业创新［1］。

企业创新成本的降低，可能会产生两类影响。第一类影响，由于环境约束的存在，低碳化、绿色化成为企业生产经营活动的追求目标，企业的自由创新便会偏向于绿色技术。同样的，企业的绿色技术创新偏向可以获得更多的政府支持与资金扶持，从而降低企业寻求资金支持与技术合作的难度，进而激发城市的整体绿色创新热情。［14］城市的绿色创新偏好能够有效降低能源消耗强度，提高能源利用效率，在生产过程或末端治理中减少二氧化碳的排放量［15］，同时也会提高污染治理技术，通过碳封存、碳捕捉等技术手段提高治理碳排放的能力［16］，进而提高产业碳排放效率。第二类影响，企业创新成本的降低，为进一步加快创新步伐，在市场竞争中获取优势，会加强同科研院校等技术合作部门的联系，从而扩大对生产性服务行业的需求。在此过程中，资源密集型生产模式会逐渐转向知识、技术密集型行业，降低经济增长对资源能源类行业的依赖程度，提高碳排放效率。从产业结构演进的角度来看，企业创新成本的降低会持续优化产业结构，进而提高碳排放效率。因此，本文提出如下假设：

假设1：创新型城市试点政策的实施，可以通过提高城市绿色技术创新与促进产业结构优化两条路径，推动城市碳排放效率的提升。

将（4）式与（5）式带入（3）式中可得到在碳约束背景下的企业临界生产效率：

φ=2（σ－1）－1σσσ－1f1σ－10PY11－σc12δ12ρ12φ  （6）

由（6）式可得，dφ/dc<0，以上结论表明，创新型城市试点建设降低了企业的创新成本，从而激发了企业的创新能力，进而提高了企业的生产效率。可以认为伴随着碳排放约束强度的提高，企业会自发将生产要素不断投入低碳化的生产设备与生产工艺中，以应对碳排放约束强度。在此情形下，外生的创新政策会对企业产生进一步的激励作用，低碳化的创新性成果不断涌现，推动在位企业进一步压低生产成本，而不主动进行求变的在位企业会面对更高的排碳成本、更为严格的市场监管，从而增加了在位企业的退出风险，伴随低生产效率企业的退出，市场竞争压力减弱，更多潜在企业进入市场，进一步提高在位企业整体水平。可以认为通过市场选择，进一步强化企业的碳排放效率水平，进而提升城市整体碳排放效率。因此，本文提出如下假设：

假设2：在碳排放约束条件下，创新型城市试点政策的实施会降低企业创新成本，通过市场选择效应，强化企业碳排放效率，推动城市碳排放效率的提升。

创新型城市试点政策存在政策溢出现象［13］，Briant 等认为区位导向性政策对邻近市场的影响更为显著［17］。为了有效刻画这种邻近溢出的空间效应，对受创新型城市试点建设的城市与未受创新型城市试点建设的城市进行分类分析，对政策影响系数c进行分类c=c1， 入选创新型城市试点c2，未入选创新型城市试点  ，由空间区位距离重新对c进行分类设定。即c2=c1f（d12），函数形式为空间距离函数，d12为两个城市之间的空间距离。

在上述分类设定的基础之上，对式（6）进行重新求解，可得：

dφ/dc2=（σ-1）-1σσσ-1fσσ-10 PY11-σc-121 δ12ρ12f（d12 ）12   （7）

发现dφ/dc<0的结论并未受到影响，可以认为：创新型城市试点受到政策影响更为显著，未入选创新型试点的城市所受到的政策影响会伴随空间距离的增加而出现异质性特点。曹清峰认为此类现象可以从空间与时间两个维度进行解释。［18］从空间角度来看，创新型城市试点政策对周边区域的碳排放效率可能出现先变小、后变大、再变小的“～”型变动趋势。根据空间经济学理论，中心区域对周边区域存在“虹吸现象”，从而在周边区域形成阴影集聚区［19］，这可能会对距离创新型试点城市过近的城市产生不利影响，而当超过一定空间距离后，摆脱阴影聚集区，创新型试点城市才会对周边區域的碳排放效率产生正向溢出效应。伴随着空间距离的进一步增大，超过了创新型试点城市空间溢出的最大范围，创新型城市试点政策的带动作用又变小。因此，伴随距离创新型试点城市空间距离的增加，创新型试点城市的空间溢出作用可能存在很强的空间异质性特征，呈现出“～”型变动特征。但值得注意的是创新型城市试点名单会出现扩容现象，因为原有受到空间溢出效应影响的城市会受到政策直接影响，而原有受到微弱空间溢出效应影响的城市则会出现效应增强的情况。因此，本文提出如下假设：

假设3：创新型城市试点政策的实施，对邻近城市的碳排放效率存在先变小、后变大、再变小的空间溢出效应。

三、研究设计

（一）模型设计

国家创新型城市试点政策的实施，既会对国家创新型试点城市的碳排放效率与样本期间非国家创新试点城市碳排放效率产生差异，也会对国家创新型试点城市获批前后产生差异。本文借鉴Wolff［20］的研究，构建多期双重差分模型，对创新型试点城市和非試点城市的碳排放效率在试点政策前后的差异性进行对比。具体的模型构建如下：

eff_co2 it  = β0  + β1 policyit  + αXit  + μi  + ηt  + εit    （8）

eff_co2it为被解释变量，即i城市t年的碳排放效率；policyit为国家创新型试点城市的虚拟变量，从某城市获批成为国家创新型试点城市的当年及以后，policyit取1，否则便为0，其系数β1表示创新型城市试点政策的实施效果。Xit为一系列控制变量；μi、ηt为个体效应与时点效应，εit为随机误差项。

（二）变量选择

1.被解释变量。为使得测度的碳排放效率（eff_co2it）指标更为精准，本文采用基于非期望产出的SBM模型，模型构建如下：

min ρ=1m∑mi=1xxik1r1+r2∑r1s=1ydydsk+∑r2q=1yuyuqk  （9）

s.tx≥∑nj = 1，≠kxij λj ;yd≤∑nj = 1，≠kydsjλj yu≥∑nj = 1，≠kyuqjλj ;x≥xk ;yd≤ydk ;yu≤yuk λj ≥0;i = 1，2，…，m;j=1，2，…，n

s=1，2，v，r1;q=1，2，…，r2  （10）

选择使用劳动力、资本和能源三个变量作为投入指标。其中，劳动力选择使用各地级市年度就业人数（万人）、资本投入使用永续盘存法计算，并以2007年为基期平减得到资本投入水平（亿元）、能源投入使用全社会用电总量（万千瓦时）用以衡量。产出指标主要包括期望产出与非期望产出，选择使用以2006年为基期平减的名义GDP（亿元）作为期望产出水平，非期望产出则选择地级市碳排放总量进行衡量，关于碳排放量的计算，参考吴建新等［21］的测算方法，将电能、煤气和液化石油气、交通运输和热能消耗产生的碳排放相加就得到各个城市总的碳排放。

2.核心解释变量。国家创新型试点城市的虚拟变量（policy）。具体而言，根据国家创新型城市试点的获批名单与获批年份，以2008年、2010年、2011年、2012年、2013年与2018年通过的76个创新型城市作为实验组，在获批年份及往后年份，policyit取1，对于未入选城市，则policyit取0。

3.机制变量。绿色技术创新（green_create）选择城市当年绿色专利申请量表征，产业结构优化（hsm）选择产业结构高级化进行处理，即为城市当年第三产业产值除以第二产业产值，得到城市产业优化指标。

4.其他控制变量。本文选取绿化水平（green）、财政科教偏向（fiance）、公共交通（bus）、邮电业务量（it）。其中绿化水平与公共交通参考逯进等［22］的研究，分别采用百万人拥有绿地面积、百万人拥有公共汽电车辆表示；财政科教偏向采用财政科教支出/财政总支出表征；邮电业务量参考吉亚辉等［23］的研究，采用每百万人邮电业务量（万元）衡量。

（三）数据来源

本文采用的样本为2006～2020年282个地级市平衡面板数据，基于此评价创新型城市试点政策对碳排放效率的促进作用。相关数据来源为《中国城市统计年鉴》《城市建设统计年鉴》《中国科技统计年鉴》以及部分省、市的统计年鉴。对于缺失数据采取线性插值法与趋势推断法补齐。

四、实证结果及分析

（一）基准回归

参考白俊红、胡剑波和王楷文等［10，24］的分析逻辑，分别使用混合效应与高维固定效应对式（8）进行回归，结果如表1所示。其中，第（1）列是未考虑控制变量及固定效应的估计结果，第（2）列是在第（1）列的基础上加入控制变量后的估计结果，第（3）列是在第（1）列的基础之上考虑时点与个体的固定效应后的估计结果，第（4）列则是在第（3）列的基础之上，加入控制变量后的估计结果。结果显示，无论在何种控制效应下，policy的回归系数均显著为正，可以表明国家创新型城市试点政策对碳排放效率的提升有显著的促进作用。

（二）稳健性检验

1.平行趋势检验。借鉴Beck 等的研究［25］，采用事件研究法检验实验组与控制组是否满足平行趋势检验以及对获批创新型试点城市的动态影响，模型构建如下：

eff_co2 it  = β0  + ∑τ = 12τ = -2βτ policyit  + αXit  + μi  + ηt  + εit   （11）

式（11）中的变量解释同式（8）一致。国家创新型城市试点政策实施前后城市碳排放效率的变动情况如图1所示。由于在不同年份创新型试点城市存在显著数量差异，所以政策影响容易出现相应阶段差异。根据不同年份入选城市的数量差异，可以将政策影响进行相应的时间阶段划分。2008年与2010年的第一阶段，城市开始入选创新型城市试点名单，在此阶段政策效能出现显著上升趋势，城市创新活动活跃，对传统产业改造效果不断展现；2011年至2013年的第二阶段，此阶段创新型城市试点政策对入选城市的碳排放效率影响持续上升且交叠了上一阶段的促进作用；2018年后的第三阶段，在此阶段创新型城市试点政策对碳排放效率的促进作用出现下降趋势，这可能是因为政策呈现的边际推动作用下降所致。在政策实施初期，政策对传统产业的改造能力较强，城市产业转型升级效果显著，但伴随前期入选名单城市对传统产业改造升级难度不断上升，政策进入瓶颈期所致，从而出现了单体政策难以持续抑制的效果。［11］

2.PSM-DID估计。为缓解由于样本选择偏误所导致的估计不准确问题，首先运用倾向性得分匹配法对样本进行重新匹配，为保证匹配结果的准确性，分别使用Logit模型与K近邻匹配、半径匹配与核匹配进行样本匹配；其次经过匹配后，各变量在处理组与对照组的检验结果均能够接受无差异的原假设；最后在匹配完成后，将最终匹配结果进行重新估计，结果如表2所示。由结果可知，policy的估计系数在近鄰匹配、半径匹配与核匹配三种匹配结果下仍呈现出1%的显著性水平，且系数结果为正。可以认为创新型城市试点政策对碳排放效率的提升作用依然显著，说明本文的结果具有一定程度的稳健性。

3.安慰剂检验。尽管已经在模型设定中控制了时点效应与个体效应，也选取了相应的控制变量对可能产生的有偏估计进行了相应的处理，但仍然存在一些无法观测的个体效应对模型估计结果产生相应的冲击。借鉴Topalova［26］的方法。将创新型城市试点政策提前2年以考察是否对碳排放效率存在显著促进作用，同时构建虚拟的创新型试点城市，随机更换2008年、2010年、2011年、2012年、2013年与2018年的入选城市，建立虚拟变量并重新回归，回归结果如表3所示。根据结果显示，在将政策时间提前2年与随机更换历次创新型试点城市名单后，policy的回归系数均未通过显著性检验，与预期结果基本一致，基准回归结果不存在系统性偏误。

4.内生性与稳健性检验。采取工具变量法从而解决模型设定中可能存在的内生性问题。选用城市距离海岸线距离作为工具变量之一。临海城市相较于内陆城市具有对外交流与吸引外资的优势，以新业态与新形式为代表的经济发展模式层出不穷，对创新的现实需求更为强烈，更容易入选国家创新型城市试点名单。满足工具变量相关性要求，而城市碳排放效率则与海岸线距离并不存在直接相关性，满足排他性要求。此外借鉴郭劲光等的研究［27］，使用滞后一期的城市碳排放效率进行内生性检验，结果如表4所示。两个工具变量均通过检验，LM检验通过了1%的显著性检验，拒绝了识别不足的原假设，Wald F统计量分别为19.291与12.768，均大于Stock-Yogo提供的0.1显著性水平上的临界值，拒绝了弱工具变量的原假设。同时，policy的系数在1%的水平显著为正，且大于基准回归系数，也即在使用城市距离海岸线距离与滞后一期的碳排放效率作为工具变量后，显著缓解了内生性问题，创新型城市试点政策对碳排放效率的促进作用更强。

为保证本文实证结果的准确性，本文使用更换被解释变量与剔除一线、新一线城市的方式对式（8）进行回归，回归结果如表4所示。第一，使用EBM模型代替本文所使用的SBM模型，在替换了被解释变量后，仍然证明了上文结果仍具有稳健性；第二，由于创新型城市试点选择可能存在选择性偏误，即在“挑选赢家”的行为动机驱动下［10］，因此在回归结果中剔除一线城市与新一线城市，可以发现回归结果依然在1%水平下显著为正，证实了回归结果的稳健性。

5.其他政策效应检验。为避免其他政策对创新型城市试点政策关于碳排放效率的评估产生影响，进一步控制新能源汽车城市试点、碳排放交易城市试点与智慧城市试点政策，将上述三类同样会对碳排放效率产生影响的试点政策设置为虚拟变量纳入回归模型，结果如表5所示。根据回归结果显示，在分别加入新能源汽车城市试点、碳排放交易城市试点与智慧城市试点后，发现创新型城市试点政策对碳排放效率的影响并未产生影响，其“净效应”显著为正，并通过1%的显著性检验。但值得注意的是，上述三类政策同样会对碳排放效率产生正向的促进作用，但创新型城市试点政策对碳排放效率的提升作用大于剩余政策，再一次验证了本文基准回归的稳健性。

通过上述分析，验证了本文的假设2，即创新型城市试点政策会促进城市碳排放效率。

（三）异质性分析

上文分析了创新型城市试点政策对碳排放效率的影响，为进一步考察政策作用是否会受到区域异质性、城市规模异质性与是否为老工业基地的影响，针对上述三类异质性进行分类回归。从表6的区域异质性结果来看，该政策可以显著提升东部、中部区域的碳排放效率，但对西部区域的碳排放效率呈现出负向阻碍作用。这可能是由于东部区域相较于中部、西部区域具有更多的发展累积优势，从而为实现 “低碳化”转型提供了强大支撑，能源利用效率进一步提高。中部区域尽管落后于东部区域，但伴随着中部崛起战略的实施，中部区域更好地发挥了产业承接的作用，从而为更好地实现“低碳化”转型提供了新动能。西部区域所出现的负向影响，可能是由于西部区域产业结构与能源利用模式较为落后，存在发展惯性，严重制约了低碳化转型之路。尽管创新型城市试点政策对西部区域的低碳化转型之路起到了助力作用，但受制于地理位置原因，西部区域城市入选创新型试点城市名单数量较少，所以创新型城市试点政策对西部区域碳排放效率呈现出负向影响关系。根据各地级市城区的常住人口数量，将样本城市划分为大中型城市与小城市进行分别回归，以验证不同城市规模对碳排放效率的异质性影响。创新型城市试点政策对大城市的碳排放效率有正向的提升作用，但对小城市的政策效果并不显著。这可能是因为，大中城市创新条件更为充分，产业结构较为完备，为进一步发挥创新对传统产业改造升级以及提升能源利用效率提供了更好的发展空间。但规模较小的城市产业集聚水平与资源配置效率较低，“集聚效应”与“共享效应”较差，创新型城市试点政策对碳排放效率的提升作用不具有显著作用。

（四）机制检验

以上研究表明创新型试点城市政策促进了城市碳排放效率的提升，那么此类正向的影响是通过何种渠道发挥作用的？本文从绿色技术创新和产业结构优化两个视角证实了创新型试点城市政策影响城市碳排放效率的机制，借鉴王星［4］的研究思路，设定如下模型：

Mit=β0+β1policyit+αXit+μi+ηt+εit  （12）

eff_co2 it  = β0  + β1 policyit  + β2 policyit *Mit  + αXit  + μi  + ηt  + εit   （13）

其中，Mit为需要验证的影响机制变量：绿色技术创新（green_create）和产业结构高级化（hsm）。系数β1表示创新型城市试点政策对绿色技术创新和产业结构高级化的影响。在式（13）中引入创新型城市试点政策与机制变量的交互项，分析绿色技术创新与产业结构高级化的影响机制。由表7的回归结果可知，创新型城市试点政策显著促进了城市绿色技术创新与产业结构优化。绿色技术创新同试点政策的交乘项表明，伴随着绿色技术创新水平的上升，创新型城市试点政策对碳排放效率的影响不断增强。在产业结构优化同创新型城市试点政策的交乘项中，随着产业结构优化程度的不断上升，即由第二产业向第三产业过渡的过程之中，创新型城市试点政策对碳排放效率的影响不断提高。以上结论验证了本文的研究假设1，即绿色技术创新与产业结构优化是创新型城市试点政策影响城市碳排放效率的重要机制。值得注意的是，在表7的式（13）回归结果中，在加入机制变量同政策变量的交乘项后，创新型城市试点政策对碳排放效率的影响为负，参考曹清峰［18］的解释，认为在非创新型试点城市，提升绿色技术创新水平与优化产业结构，对碳排放效率的影响是呈现为负向影响。所以创新型城市试点政策所带来的区域极化现象更加显著，资源愈发趋向于创新型试点城市，进一步印证了本文在区域异质性探讨中关于西部区域的相关分析。

（五）空间衰变规律

为进一步检验创新型城市试点政策对碳排放效率的空间溢出效应，参考曹清峰［18］的研究，并且考虑在多期双重差分模型中，在不同年份创新型试点城市名单会出现扩容的情况，所以应当在空间异质性模型中区分不同年份的入选城市，即同时考虑空间异质性与时间异质性，模型设定如下：

eff_co2 it  = β0  + β1 policyit  + ∑S = 350s = 50∑J = 76j = 1δsj Nsjit  + αXit  + μi  + ηt  + εit   （14）

式（14）是在式（8）的基础之上引入一组新的虚拟变量Nsjit 。其中，参数s表示城市之间的地理距离（单位为千米，s≥50），本文使用任意两个城市之间的球面距离用以衡量；j表示2008～2018年间入选国家创新型城市试点名单的城市，共76个城市。如果在t年距离城市i（s－50，s］的空间范围存在创新型试点城市，则Nsjit=1，否则Nsjit=0。由于国家创新型城市试点名单在不同的年份出现扩容的情况，则分别根据2008年、2010年、2011年、2012年、2013年与2018年的入选名单，对Nsjit进行扩容处理。因此，Nsjit的系数δsj衡量了国家创新型城市试点政策对邻近城市碳排放效率的影响，在本文的具体回归分析中，以50km为单位，分别汇报了当s=50，100，…，300，350时式（14）的回归结果，并通过比较不同阈值下的参数变动与统计显著性来检验国家创新型城市试点政策效应时间与空间的双重异质性。

图2根据式（13）的估计结果绘制出了变量Nsjit系数随着空间距离变动的变化趋势。具体而言，随着创新型试点城市的空间距离的增加，创新型试点城市对周围城市碳排放效率的影响呈现出先降低、再上升、再降低的变化趋势。其中，创新型试点城市的集聚阴影区在自身所在的150 km内，而对周围150～250 km范围内的城市碳排放效率呈现出显著的带动作用，而对超过250 km的城市碳排放效率则表现出剧烈降低的特点。验证了本文的假设3，即创新型试点城市对邻近城市的碳排放效率存在先变小、后变大、再变小的空间溢出效应。

五、结论与启示

本文将2008年开展的国家创新型城市试点政策作为一项准自然实验，通过构建异质性企业模型，探究创新试点政策对碳排放效率的直接影响与空间效应，并通过2006～2020年全国282个地级市面板数据，采用多期双重差分评估创新型城市试点对碳排放效率的政策效應。研究结论如下：第一，创新型城市试点政策的实施有效提升了城市碳排放效率，并且政策效应在排除了非随机选择因素、内生性问题以及其他相关政策影响后，此结论依旧稳健。第二，由机制分析可知，试点政策会通过推动企业绿色创新与产业结构优化的形式实现碳排放效率的提高。第三，由异质性分析可知，创新型城市试点政策对碳排放效率的促进作用在东、中部区域，大中城市以及非传统老工业基地城市更为明显，同时受制于产业结构与城市规模的影响，创新型城市试点的政策效应发挥效果较弱。第四，创新型城市试点政策伴随着空间距离的增大而出现衰变的规律，其中最优带动区域为150千米至250千米之间。

由此，可以得出本文的政策建议：第一，应当进一步推动城市创新与低碳化的融合发展，一方面应当继续加大对创新型城市试点的专项财政支持力度，通过财政补贴、融资优惠等多种渠道，持续加强企业的创新能力，降低企业生产成本，推动企业绿色创新，提高企业在碳约束条件下的企业生产效率，进一步优化产业结构，从而推动城市的能源利用效率与碳排放效率。第二，鼓励不同城市试点政策发挥叠加效果，以创新型城市试点、新能源汽车城市试点、碳排放交易城市试点与智慧城市试点政策为支持，在多重嵌套政策激励下有效推动城市低碳化转型。第三，应当关注试点政策的空间效应，进一步扩大创新型城市的试点范围，充分发挥试点政策的空间效应，推动邻近城市与150千米至250千米之间的辐射作用，助推区域碳排放效率的整体性提升。

参考文献：

［1］曹希广，邓敏，刘乃全.通往创新之路：国家创新型城市建设能否促进中国企业创新［J］.世界经济，2022（6）：159～184.

［2］Bai Caiquan et al. Understanding the Trend of Total Factor Carbon Productivity in the World： Insights from Cconvergence Analysis［J］. Energy Economics， 2019， 81（C）：698～708.

［3］Cai B F，Cui C，Zhang D，et al. China City-Level Greenhouse Gas Emissions Inventory in 2015 and Uncertainty Analysis［J］. Applied Energy，2019.

［4］齐欣，杨膨宇，王尧.城市创新水平影响产业效率的机制分析与实证检验——基于空间分异的视角［J］.开发研究，2022（3）：89～101.

［5］徐正丽，龚艳平，吴俊.创新型城市建设的减排效应评估［J］.统计与决策，2022（12）：55～59.

［6］J.W. Sun. The Decrease of CO 2 Emission Intensity is Decarbonization at National and Global Levels［J］. Energy Policy， 2003（8）：975～978.

［7］Paul B. Stretesky and Michael J. Lynch. A Cross-National Study of the Association between Per Capita Carbon Dioxide Emissions and Exports to the United States［J］. Social Science Research， 2008（1）：239～250.

［8］魏琦，潘雨，李林静.碳配额与补贴政策下企业减排和社会福利的比较研究［J］.南方金融，2021（2）：25～37.

［9］方建春，童杨，陆洲.财政分权、能源价格波动与碳排放效率［J］.重庆社会科学，2021（7）：5～17.

［10］白俊红，张艺璇，卞元超.创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证据［J］.中国工业经济，2022（6）：61～78.

［11］王雅莉，侯林岐，朱金鹤.城市创新能否助力低碳经济发展——创新型城市试点政策对碳强度的影响评估及机制分析［J］.科技进步与对策，2022（18）：39～49.

［12］张华，丰超.创新低碳之城：创新型城市建设的碳排放绩效评估［J］.南方经济，2021（3）：36～53.

［13］胡兆廉，石大千，马静.“近水楼台”抑或“点石成金”——创新型城市的空间溢出效应研究［J］.经济与管理研究，2021（1）：66～87.

［14］杨洋，魏江，罗来军.谁在利用政府补贴进行创新——所有制和要素市场扭曲的联合调节效应［J］.管理世界，2015（1）：75～86;98;188.

［15］Mingquan Li and Qi Wang. Will Technology Advances Alleviate Climate Change？ Dual Effects of Technology Change on Aggregate Carbon Dioxide Emissions［J］. Energy for Sustainable Development， 2017， 41：61～68.

［16］于向宇，陈会英，李跃.基于合成控制法的碳交易机制对碳绩效的影响［J］.中国人口·资源与环境，2021（4）：51～61.

［17］Can Tax Breaks Beat Geography？ Lessons from the French Enterprise Zone Experience［J］. American Economic Journal： Economic Policy， 2015（2）：88～124.

［18］曹清峰.国家级新区对区域经济增长的带动效应——基于70大中城市的经验证据［J］.中国工业经济，2020（7）：43～60.

［19］Cuberes D，Desmet K，Rappaport J. Urban Growth Shadows［J］. Journal of Urban Economics， 2021， 123：103334.

［20］Hendrik Wolff. Keep Your Clunker in the Suburb： Low-Emission Zones and Adoption of Green Vehicles［J］. The Economic Journal， 2014（578）：481～512.

［21］吳建新，郭智勇.基于连续性动态分布方法的中国碳排放收敛分析［J］.统计研究，2016（1）：54～60.

［22］逯进，赵亚楠，苏妍.“文明城市”评选与环境污染治理：一项准自然实验［J］.财经研究，2020（4）：109～124.

［23］吉亚辉，杨膨宇，齐欣.创新背景下城市资源的空间策略性互动研究——基于门槛效应与两区制空间杜宾模型［J］.商业经济研究，2022（17）：182～188.

［24］胡剑波，王楷文.中国省域碳排放效率时空差异及空间收敛性研究［J］.管理学刊，2022（4）：36～52.

［25］Thorsten Beck and Ross Levine and Alexey Levkov. Big Bad Banks？ The Winners and Losers from Bank Deregulation in the United States［J］. The Journal of Finance， 2010（5）：1637～1667.

［26］Petia Topalova. Factor Immobility and Regional Impacts of Trade Liberalization： Evidence on Poverty from India［J］. American Economic Journal： Applied Economics， 2010（4）：1～41.

［27］郭劲光，王虹力.数字赋能下减排战略的创新性选择——基于“宽带中国”试点政策的准自然实验［J］.产业经济研究，2022（4）：101～113;142.

Whether national innovative city construction can promote carbon emission efficiency

- Theoretical construction， mechanism analysis and spatial effect evaluation

YANG Peng-yu

（College of Urban Economics and Public Administration， Capital University of Economics and Business ，Beijing， 100070，china）

Abstract：

In the context of innovation-driven development， improving carbon emission efficiency is a key link to achieve green and low-carbon development. Based on the quasi-natural experiment of pilot construction of innovation-oriented cities， an analysis framework of enterprise heterogeneity was constructed to analyze the impact of pilot policies on urban carbon emission efficiency， transmission mechanism and spatial-temporal heterogeneity from theoretical and empirical perspectives. Panel data of 282 prefecture-level cities from 2006 to 2020 were used for verification. The results show that：Pilot policies of innovation-oriented cities can significantly promote the improvement of urban carbon emission efficiency; In terms of influencing mechanism， pilot policies of innovation-oriented cities will improve urban carbon emission efficiency through green technology innovation and industrial structure optimization; The effect of innovation pilot policies on the improvement of carbon emission efficiency is differentiated in different regions， different industrial bases and cities of different sizes; From the spatial perspective， the promotion effect of innovation pilot policies on carbon emission efficiency has a spatial spillover effect， which will significantly drive the improvement of carbon emission efficiency of cities within 150 km to 250 km.

Key words：

innovative city pilot;carbon emission efficiency;multiphase differential model;space decay law

責任编辑：萧敏娜

吴锦丹 萧敏娜 常明明 张士斌 张建伟 张 领

收稿日期：2022-04-28

基金项目：甘肃省哲学社会科学规划项目“城市群国家战略视角下甘肃新型城镇化推进研究” （20YB097）

作者简介：杨膨宇（1995—），男，山西侯马人，首都经济贸易大学城市经济与公共管理学院博士研究生，研究方向为区域经济与空间经济。