如何提升碳排放绩效？

盛明泉 何木子 盛安琪

【摘 要】 为进一步促进碳排放绩效提升，助力实现碳达峰碳中和，文章基于技术—组织—环境（TOE）框架，运用NCA、fs/QCA方法选取30个省份碳排放绩效案例进行组态分析。结果表明：一是单一要素并不构成高碳排放绩效的必要条件。高碳排放绩效驱动路径有3类，分别为“组织—环境—平衡型”“组织—环境型”“技术—组织—环境型”，其中“组织—环境—平衡型”在提升碳排放绩效上发挥更加重要的作用；非高碳排放绩效驱动路径有3条。二是高碳排放绩效驱动路径中，组织条件尤其是政府干预发挥主要作用。三是非高碳排放绩效驱动路径中，非高绿色金融发挥了重要作用。四是我国东部与中西部地区高碳排放绩效驱动路径存在明显差异。文章拓宽了碳排放绩效研究视角，积极响应了应对气候变化全球号召。

【关键词】 碳排放； 碳排放绩效； fs/QCA； TOE框架； ESG

【中图分类号】 F234.1；F292  【文献标识码】 A  【文章编号】 1004-5937（2024）01-0087-08

一、引言

全球气候变暖是人类面临的最严峻挑战之一，它引发了一系列严重自然后果，涉及健康、水资源等人类生存的各个方面。党的二十大报告指出，要积极稳妥推进碳达峰碳中和进程，积极参与应对气候变化全球治理①。在此背景下，我国还面临碳排放绩效总体水平较低[1]，且大部分城市绩效低于全国平均水平，高、低碳排放绩效存在较大差异的挑战[2]。为应对这些挑战，各地方政府如何利用自身环境条件，提升组织能力，促进各地区绿色技术发展以提升碳排放绩效，仍是现阶段的重要难题。

围绕政府如何提升碳排放绩效，学术界进行了多角度分析和探讨，并开展了相关实证研究。现有文献证实了区域绿色技术能力[3]、政府干预[4]、绿色金融[5]和外部经济环境与能源消费特征[3]等变量对碳排放绩效的影响。此外，企业要想谋求长足发展应主动承担更多社会责任，加强环境保护。政府应引导企业履行ESG责任，促进ESG评价结果落地应用，最终实现绿色发展与可持续发展[6]。可以发现碳排放绩效的提升是涉及各区域自身创新能力和所面临外部环境多要素共同作用的结果。

基于此，本文引入被广泛应用于解释组织的技术整合和采纳现象的技术—组织—环境（TOE）框架，将该理论作为研究的逻辑基础，并运用必要条件分析（NCA）和模糊集定性比较分析法（fs/QCA）选取30个省份碳排放绩效案例进行组态分析，尝试回答以下方面问题：第一，影响碳排放绩效的条件组态是什么？第二，哪些条件对于提升碳排放绩效更为重要？第三，东部与中西部地区高碳排放绩效驱动路径是否存在差异化？研究结果有助于甄别碳排放绩效的提升路径，对响应党的二十大促进“双碳”目标实现的号召具有重要的理论与实践意义。

二、文献综述与分析框架

碳排放绩效提升过程中存在大量的影响因素，随机选择前因变量会对研究科学性产生负面影响。而TOE框架将一个组织对技术创新的影响因素归纳为技术、组织和环境三类。在不同研究对象与研究领域下，三类所指代的具体条件不同。为保证研究的科学性，本文基于TOE理论萃取碳排放绩效提升的主要影响因素，以政府为主体，从技术、组织和环境3个方面选取变量并搜集梳理文献。

第一，技术条件。TOE框架中技术条件是指组织活动开展的技术基础。现有文献主要将各地区绿色技术创新能力作为提升碳排放绩效的技术资源禀赋。同时，绿色技术研发对知识要求有较高门槛，人力资本水平提升对绿色技术创新能力的提高尤为重要。因此，在技术层面上选取绿色技术创新能力和人力资本水平两个前因条件。绿色技术创新能力不仅能通过能源消费结构效应、产业结构效应、城镇化效应和外商直接投资（FDI）效應四种潜在传导渠道提升碳排放绩效[7]，还能够通过产业关联、绿色技术溢出效应等途径对碳减排发挥作用，是经济社会降低碳排放的重要引擎[3]。研究表明低碳城市试点的实施会显著促进绿色技术创新数量的提高，但却导致绿色技术创新质量的下滑[8]。人力资本水平是一个区域人力资本所具备的知识和技术水平的体现。邓荣荣等[9]发现人力资本水平的提高，会促进FDI低碳技术溢出效应；何伟军等[10]在研究长江经济带全要素碳排放效率与人力资本、绿色科技创新的关系时，发现人力资本积累不仅可以直接促进碳排放效率提升，还可以通过提升绿色创新能力提升碳排放效率。

第二，组织条件。TOE框架中组织条件通常包括管理结构特性和其他组织内部可利用的相关资源等，关注其对技术发展的影响。而政府干预是政府提升地区碳排放绩效的资源基础。绿色金融是以促进绿色经济增长为目的的金融活动，具有挖掘并影响技术创新因素的能力。因此，在组织层面上选取政府干预和绿色金融两个前因条件。政府干预在引发技术革命和创新过程中具有重要作用。赵晓春等[11]认为地方政府因为中国官员晋升锦标赛制度而以经济发展为主要目标，一定程度上忽视对环境的保护，从而抑制碳排放效率。但胡久凯等[12]认为经济发展方式的转变，使得地方政府之间的竞争由“为增长而竞争”向更加追求“绿色低碳发展”转变，这种转变有利于促进碳排放绩效的提升；绿色金融是以改善环境气候、促进经济可持续发展为目的的金融活动。庞加兰等[13]指出绿色金融可以通过融资规模的中介效应和技术进步的调节效应对能源结构优化产生正向影响，助推双碳目标实现。刘锋等[14]发现绿色金融能够通过促进实质性绿色创新抑制碳排放，强调要建立健全绿色低碳融资体系；此外，李云燕等[5]研究发现绿色金融可以通过产业高级化抑制碳排放，且其对碳排放的抑制效果具有属地与溢出效应，经济发达地区的绿色金融减排效果更强。

第三，环境条件。TOE框架中环境条件是指行为主体开展活动所处的宏观环境。根据权变理论，组织的战略和行动会受到所处环境的影响。TOE框架下，各地区的经济发展水平与能源消费结构均会直接影响到政府提升碳排放绩效的行为决策。因此，在环境层面上选取经济发展水平和能源消费结构两个前因条件。一方面，经济发展意味着有更多资源投入环境治理，经济社会更加追求优质生态环境。另一方面，“GDP锦标赛”和“官员晋升激励”使得地方政府想创造“经济奇迹”，促进经济短期增长而生产污染密集型产品等，从而抑制碳中和绩效，但经济发展水平与区域环境治理压力的协同效应却会显著提升碳中和绩效[15]；能源消费结构优化具有“结构红利”效应，能有效促进碳排放绩效的提升[3]；能源强度对碳排放绩效有明显抑制作用[16]。

综上所述，学术界关于碳排放绩效的影响因素已经有了广泛的探讨，但在验证影响碳排放绩效的前因条件中，大部分探讨了单一变量的直接影响或两两变量间的间接和互补影响，且相关学者得出的结论并不统一。由此判断，各要素的作用并不孤立，而是始终处于一个相互作用的过程。此外，鲜有文献针对导致各地区碳排放绩效差异的原因进行深入探讨。基于此，本文从组态研究视角，围绕TOE框架探究主要影响因素之间联动匹配作用对于碳排放绩效的复杂驱动机理，对碳排放绩效差异的原因进行探讨，理论框架如图1所示。

三、研究方法与变量设计

（一）研究方法

本文采用NCA与fs/QCA相结合的方法。NCA不仅能够判断各要素是否是研究结果的必要条件，还可以对各要素进行瓶颈水平分析。瓶颈水平（%）表示要想达到结果最大观测值的某一水平，前因条件在最大观测范围内需要满足的水平值（%）。fs/QCA结合了定性分析与定量分析优势，不仅可以采用整体视角进行跨案例的比较分析，厘清提高碳排放绩效的等效驱动路径，还可以从“因果不对称性”的角度探讨导致低碳排放绩效的驱动路径。

（二）变量选择与测量

1.结果变量

碳排放绩效采用包含非期望产出的SBM模型核算。参考邵帅等[3]研究，投入指标选取资本存量、城镇单位就业人员总和、能源消耗量，产出变量指标选取GDP，非期望产出指标是碳排放。碳排放量参照联合国政府间气候变化专门委员会（IPCC）《国家温室气体排放清单指南》方法，根据各地区煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气八种能源消费量乘以各自碳排放系数估算。

2.前因变量

（1）技术层面。绿色技术创新能力采用每千名研发人员绿色专利申请量衡量。参考何伟军等[10]研究，人力资本水平采用6岁以上人口平均受教育年限衡量，将各省份6岁以上人口中未上过学以及拥有小学、初中、高中、中职、大专、本科、研究生及以上人员按照0年、6年、9年、12年、12年、15年、16年、19年的权重计算各省份平均受教育年限。

（2）组织层面。政府干预采用科学技术支出占一般公共预算支出的比重衡量。参考刘锋等[14]的研究，绿色金融采用熵值法进行测算，包括绿色信贷、绿色投资、绿色保险和政府支持四个维度。分别通过六个高耗能工业产业利息支出与工业利息总支出的比值、环境污染治理投资与GDP的比值、农业保险收入与农业总产值比值、财政环境保护支出与财政一般预算支出的比值衡量。

（3）环境层面。经济发展水平用各地区人均GDP表示。能源消费结构用煤炭占能源总消费比值衡量[3]。

（三）数据来源

数据来自《中国统计年鉴》、全球统计数据分析平台（EPS）数据库、国家知识产权局官网和《中国能源统计年鉴》。本文在数据上选取30个省份数据为样本②。由于2020—2022年疫情等原因会在一定程度上影响碳排放绩效，因此各条件变量均采用2019年静态截面数据。

（四）数据校准

本研究采用直接校准法，对所有连续变量采用75%、50%和25%分位数值作为完全隶属、交叉点和完全不隶属三个阈值，进而将原始变量数据转化为0到1的模糊隶属数值。校准结果如表1所示。

四、数据分析与实证结果

（一）必要性分析

表2采用了上限回归（CR）和上限包络分析（CE）法测算各要素效应量，并运用蒙特卡洛仿真置换检验检测各要素效应量是否显著。在NCA中，必要条件要满足效应量不小于0.1，且效应量p值显著[17]。从表2中可以看出，政府干预、绿色金融、经济发展水平可能是碳排放績效的必要条件。于是进一步检验，绘制条件变量的Plot散点图③，发现有1/3以上的案例点均分布在对角线以上，由此判断这三个条件均无法构成解释结果变量的必要条件。结果表明，碳排放绩效的高低并不能由单一要素决定，而是多种要素共同作用的结果。

表3为瓶颈水平分析。CE方法适用5个以下变量，由于本文选取了6个条件变量，因此采用CR方法进行瓶颈水平分析[17]。可以看出，当碳排放绩效水平在40%以下时，所有条件均未达到瓶颈水平。当绩效水平达到40%时，政府干预达到瓶颈。随着碳排放绩效的提高，绿色金融、经济发展水平以及人力资本水平先后达到瓶颈水平。当碳排放绩效水平达到100%时，经济发展水平必要程度最高，人力资本水平必要程度相对较低，绿色技术创新能力与能源消费结构均不存在瓶颈水平。

表4中进一步采取fs/QCA方法检验必要水平。如表4所示，单个要素必要条件一致性水平都低于0.9，因此不存在产生高碳排放绩效必要条件。

（二）组态分析

本文使用fs/QCA方法，通过组态研究碳排放绩效影响因素的耦合机制，分析各个差异化组态导致结果产生的充分性。本文将一致性阈值设定为0.8。为规避矛盾组态发生，将RPI一致性阈值设定成0.70。由于样本是中等样本（30个案例），故将案例频数阈值设定为1。分析结果如表5。

1.产生高碳排放绩效的组态

表5中呈现了5条高碳排放绩效驱动路径，均是构成高碳排放绩效的充分条件组合；单个组态解和总体解的一致性均高于0.850。总体解的一致性为0.939。

（1）组态S1a指出高政府干预、高经济发展水平为核心条件，互补高绿色技术创新能力、高人力资本水平、高绿色金融为边缘条件时，可以产生高碳排放绩效。该组态覆盖了约37.2%的案例。政府干预和经济发展水平作为核心条件存在，说明政府对科学技术的重视和支持起到了核心作用，激发了社会对绿色技术创新与绿色金融的积极性。经济发达地区环境基础设施完善，更吸引人才流入，间接促进社会技术创新能力提升。在这样的环境下，能源消费结构对产生高碳排放绩效的作用并不必要。处于这类组态的典型案例包括北京、上海、江苏、湖南、湖北。以北京为例，北京的发展属于全国前列，经济发达，人力资本水平高。2019年北京为践行绿色发展理念，出台《北京经济技术开发区2019年度绿色发展资金支持政策》（京技管〔2019〕46号），对建筑节能等创新示范类项目发放奖励资金，体现了政府对绿色创新的重视与支持。作为国家创新与金融管理中心的北京，具有各种人才资源与基础设施，这成为了北京发展绿色金融的天然优势。

（2）组态S1b指出高政府干预、高经济发展水平为核心条件，互补高绿色技术创新能力、高能源消费结构、非高人力资源水平和非高绿色金融为边缘条件时，可以产生高碳排放绩效。该组态覆盖了约7.2%的案例。政府与经济环境双重主导下，提供了良好的技术创新环境，强化了技术进步的“绿色”偏向，进一步释放绿色技术创新对碳排放绩效的提升效果[3]。这足以弥补煤炭占比较高、非高人力资本水平和绿色金融的不足。处于这类组态的典型案例有安徽省。《2020年安徽省政府工作报告》中回望2019年，经济运行稳中有进，创新能力连续7年位居全国第一方阵，但金融和实体经济的良性循环尚未形成。未来将在金融与实体经济良性循环上加大力度，强化创新人才队伍建设，反映该省经济发展水平稳步提升，政府对创新支持力度大，符合本组态的典型特征。

“组织—环境—平衡型”：组态S1a和S1b的技术组织环境层面要素互相联动，且政府干预（组织）和经济发展水平（环境）为核心条件，因此将其命名为“组织—环境—平衡型”。从该类路径可以看出，在政府与经济环境双重支撑下，绿色创新能力的提升足以弥补能源消费结构较高、人力资本水平与绿色金融水平较低带来的不足，进而提升碳排放绩效。

（3）组态S2指出高政府干预、高经济发展水平、非高能源消费结构为核心条件，互补高绿色金融和非高绿色技术创新能力为边缘条件时，可以产生高碳排放绩效。该组态覆盖了29.8%的案例。尽管绿色技术创新能力较低，但发达地区绿色金融对碳排放抑制作用明显[5]。绿色金融的发展与政府补贴都能够有效降低能源消费结构，从而提升碳排放的水平[14]。在这样的环境下，人力资本水平对产生高碳排放绩效的作用并不必要。处于这类组态的典型案例有浙江、福建、山东和广东。以浙江为例，浙江省的经济发展水平属于全国前列，并且省政府一直倡导发展由“市场主导，政府引导”的绿色金融模式，强调要增强地方绿色金融的水平。《2019年浙江省能源发展报告》（浙发改能源〔2020〕321号）指出当年完成年度“减煤”目标，能源结构持续优化，取得清洁能源消费比上年提高2.4个百分点等好成绩。符合本组态的典型特征。

（4）组态S3指出高政府干预、非高能源消费结构为核心条件，互补非高绿色技术创新能力、非高人力资本水平、非高绿色金融和非高经济发展水平为边缘条件时，可以产生高碳排放绩效。该组态覆盖了6.9%的案例。在人力资本水平、绿色技术创新能力和绿色金融存在不足的情况下，政府可以通过加大补贴力度开发新能源与可再生能源，促使能源利用效率增加，使资源禀赋对能源效率的影响由负向转为正向，产生高碳排放绩效。处于这类组态的典型案例有河南省。河南省政府在2019年强调要提高能源利用效率，加快推进可再生项目的建设。《2019年河南省能源发展报告》指出已初步形成多元供应的能源保障体系。能源结构调整加快推进，初步建立了全国首个农村能源互联网平台。

“组织—环境型”：组态S2和S3的组织、环境层面要素互相联动，且组织环境中的要素为核心条件，因此将其命名为“组织—环境型”。从该类路径中可以看出，尽管经济发展水平与绿色技术创新能力相对落后，但政府加大支持力度，优化能源消费结构，最终提升了碳排放绩效。

（5）组态S4指出高绿色技术创新能力、高人力资本水平、高绿色金融、非高经济发展水平和非高能源消费结构为核心条件，互补非高政府干预为边缘条件时，可以产生高碳排放绩效。该组态覆盖了8%的案例。高人力资本水平为绿色技术创新奠定了良好的知识储备。高绿色金融不仅能显著促进实质性绿色技术创新提升、优化能源消费结构，还能促进产业高级化，有效抑制碳排放[5，14]，产生高碳排放绩效。处于这类组态的典型案例有海南省。2023年12月9日，中国新闻网报道，海南注重全球招才引智，持续推出吸引人才政策，自2018年4月以来通过《百万人才进海南行动计划（2018—2025年）》，5年间引进各类人才60多万人。同时，政府注重清洁能源开发，强调要加快清洁能源岛建设。此外，海南省政府在2018年6月批准成立海南省绿色金融研究院，强调加快发展绿色金融。

“技术—组织—环境型”：组态S4的技术、组织和环境层面要素互相联动，且三个层面都存在要素为核心条件，因此将其命名为“技术—组织—环境型”。从该类路径中可以看出，虽然政府的科技创新投入不高且经济发展水平相对落后，但仍可以通过加大人才引进力度，提升人力资本水平以提高创新效率和创新产出。此外，优化能源消费结构并提升绿色金融水平，以此达到高碳排放绩效。

2.产生非高碳排放绩效的组态

为了检验因果非对称性，本文对产生非高碳排放绩效的组态也进行了分析。表5中呈现了3条非高碳排放绩效驱动路径，均是构成非高碳排放绩效的充分条件组合：单个组态解和总体解的一致性均高于0.900。总体解的一致性为0.930。组态NS1显示，在缺乏高人力资本水平、高政府干预、高绿色金融和高经济发展水平的条件下，即便能源消费结构优化，碳排放绩效也不会高。组态NS2显示，在缺乏高政府干预、高绿色金融、高经济发展水平和低能源消费结构的条件下，即便有高的人力资本水平，碳排放绩效也不会高。组态NS3显示，在缺乏高绿色技术创新能力、高政府干预、高绿色金融、低能源消费结构的条件下，即便有高的人力资本水平，碳排放绩效也不会高。

进一步对各组态进行比较分析，可以发现：（1）构成高碳排放绩效的组态中，组织条件尤其是政府干预尤为重要（5条高碳排放绩效路径中有4条获得了高政府干预）。（2）构成非高碳排放绩效的组态中，组织条件尤其是绿色金融水平发挥主要作用（3条非高碳排放績效驱动路径中，非高绿色金融都是核心条件）。

（三）稳健性检验

为了验证结果的准确性，本文分别将一致性阈值由0.8调整至0.84和PRI一致性水平由0.7调整至0.75再进行fs/QCA分析，调整前后驱动路径结果保持高度一致，表明研究结果有较强稳健性。

五、我国东部、中西部碳排放绩效差异化路径

由于各地区经济环境以及资源禀赋等条件不同，碳排放绩效会有明显异质性。因此，本文进一步对我国区域进行划分研究。根据《中国卫生统计年鉴》，将样本分类为东部、中西部，分析各区域不同技术、组织和环境条件对碳排放绩效影响的差异化。见表6。

从表6可以看出，东部高碳排放绩效4条路径中，高人力资本水平、高绿色金融水平、高经济发展水平和能源消费结构优化（非高能源消费结构）属于核心条件。三个层面的不同核心条件和边缘条件组合能够以“殊途同归”方式达到高碳排放绩效。从中西部地区高碳排放绩效3条路径可以看出，高政府干预、高经济发展水平和非高能源消费结构属于核心条件，且在中西部地区中，高政府干预对于高碳排放绩效的产生具有核心作用（中西部3种高碳排放绩效驱动路径中都有高政府干预）。综上，我国东部、中西部碳排放绩效的提升存在差异化的驱动路径。

六、结论与展望

（一）研究结论

首先，单一要素都不能作为高碳排放绩效和非高碳排放绩效的必要条件。高水平碳排放绩效存在5条组态，归纳为3类驱动路径。其中“组织—环境—平衡型”驱动路径在提升碳排放绩效上发挥更加重要的作用；非高碳排放绩效存在3条组态。其次，进一步分析表明，在高碳排放绩效的驱动路径中，组织条件尤其是政府干预发挥了主要作用。在非高碳排放绩效驱动路径中，组织条件中的绿色金融中发挥了核心作用。最后，各地区资源禀赋不同，使我国东部、中西部碳排放绩效的提升存在差异化驱动路径。政府干预对于中西部高碳排放绩效具有核心作用。

（二）研究贡献

本研究的边际贡献如下：首先，运用NCA与fs/QCA方法研究碳排放绩效问题，丰富了碳排放绩效研究工具，从原本单一前因条件转到多重条件的综合作用上。其次，得出了高碳排放绩效和非高碳排放绩效的不同驱动路径，探讨了不同驱动路径之间的核心要素，加深了研究者对提升碳排放绩效背后复杂机理的理解。最后，经过进一步分析得出我国东部、中西部高碳排放绩效路径，增强了对各地区提升碳排放绩效路径的针对性，进一步阐释了造成碳排放绩效水平异质性的非对称因果关系。

（三）管理启示

本研究为提升碳排放绩效提出以下對策建议：首先，单一要素都不能成为高碳排放绩效的必要条件。当地区在某个或某些方面不具优势的情况下，可以通过组态效应（前因条件间的联动匹配作用）提升碳排放绩效，尤其要注重发展组织与环境要素间的联动作用。其次，为实现高碳排放绩效，应着重关注政府干预水平。政府应加大科技创新投入，积极支持和推动地方碳绩效的提升。此外，要注重完善绿色金融市场化体系建设，加强相关配套设施建设，为绿色金融发展营造良好秩序和环境。大力发展绿色金融，为减少碳排放提供金融支持。最后，各地方政府要因地制宜。根据自身地区资源禀赋特点，选择合适的路径提升碳排放绩效。相较于东部地区，中西部地区政府更要加大科技投入，弥补其他方面的不足。

（四）不足与展望

首先，本文仅选取一年期数据对提升碳排放绩效的各组态进行分析，本质上仍属于静态研究，未来可结合动态QCA，进一步探讨组态的演化趋势。其次，本文探讨政府作为主体时如何提升碳排放绩效，未来可以细分到各行业，探讨具体行业提升碳排放绩效的路径，以此获得更具针对性的建议。

【参考文献】

［1］ WANG S，GAO S，HUANG Y，et al.Spatiotemporal evolution of urban carbon emission performance in China and prediction of future Trends［J］.Journal of Geographical Sciences，2020，30（5）：757-774.

［2］ WANG S J，WANG Z H，FANG C L.Evolutionary characteristics and driving factors of carbon emission performance at the city level in China［J］.Science China（Earth Sciences），2022，65（7）：1292-1307.

［3］ 邵帅，范美婷，杨莉莉.经济结构调整、绿色技术进步与中国低碳转型发展——基于总体技术前沿和空间溢出效应视角的经验考察［J］.管理世界，2022，38（2）：46-69，4-10.

［4］ 吕鲲，潘均柏，周伊莉，等.政府干预、绿色金融和区域创新能力——来自30个省份面板数据的证据［J］.中国科技论坛，2022（10）：116-126.

［5］ 李云燕，张硕，张玉泽.绿色金融视角下中国省域碳排放的时空演变及减排研究［J/OL］.软科学，2023.

［6］ 盛明泉，余璐，王文兵.ESG披露与股价崩盘风险［J］.贵州财经大学学报，2023（2）：32-41.

［7］ XU L，FAN M，YANG L，et al.Heterogeneous green innovations and carbon emission performance：evidence at China’s city level［J］.Energy Economics，2021，99.

［8］ 张志新，孙振亚，路航.低碳城市试点实现企业绿色技术创新的“增量提质”了吗？［J］.云南财经大学学报，2022，38（4）：85-98.

［9］ 邓荣荣，张翱祥.FDI技术溢出、行业吸收能力与工业碳排放强度——基于面板门槛模型的实证［J］.国际商务研究，2023，44（2）：1-13.

［10］ 何伟军，李闻钦，邓明亮.人力资本、绿色科技创新与长江经济带全要素碳排放效率［J］.科技进步与对策，2022，39（9）：23-32.

［11］ 赵晓春，龙来春，周瑛.绿色金融、政府干预与区域碳排放效率［J］.统计与决策，2023，39（10）：149-154.

［12］ 胡久凯，王艺明.地方政府竞争模式转变与碳排放绩效——来自地级市政府工作报告的经验证据［J］.经济学家，2022（6）：78-87.

［13］ 庞加兰，王薇，袁翠翠.双碳目标下绿色金融的能源结构优化效应研究［J］.金融经济学研究，2023，38（1）：129-145.

［14］ 刘锋，黄苹，唐丹.绿色金融的碳减排效应及影响渠道研究［J］.金融经济学研究，2022，37（6）：144-158.

［15］ 周兵，刘婷婷.区域环境治理压力、经济发展水平与碳中和绩效［J］.数量经济技术经济研究，2022，39（8）：100-118.

［16］ ZHANG Y，YU Z，ZHANG J.Analysis of carbon emission performance and regional differences in China’s eight economic regions：based on the super-efficiency SBM model and the Theil index［J/OL］.PloS one，2021.

［17］ 杜运周，刘秋辰，程建青.什么样的营商环境生态产生城市高创业活跃度？——基于制度组态的分析［J］.管理世界，2020，36（9）：141-155.