低碳城市建设对绿色全要素碳生产率的影响——基于低碳试点政策的研究

徐宗文 克 甝

1.新疆财经大学统计与数据科学学院

2.新疆财经大学新疆社会经济统计与大数据应用研究中心

0 引言

过去40 年，我国经济高速发展，一跃成为全球第二大经济体。取得这些成绩多依靠投资、出口和消费。然而依靠“旧三驾马车”拉动的粗放型经济增长模式已经不适合新发展阶段的中国。低碳绿色经济是当今经济发展的主题之一，环境保护与经济发展处于同等重要的位置。2023年7月，习近平总书记在全国生态环境保护大会上强调，“我国经济社会发展已进入加快绿色化、低碳化的高质量发展阶段，生态文明建设仍处于压力叠加、负重前行的关键期”。为此，我国采取了一系列措施推进生态文明建设。城市作为发展绿色低碳经济的主要单位，向上承担着实现各省“双碳”目标的美好愿景，向下统筹管理着辖区内各县域社会生产的各个方面。低碳城市建设致力于推动城市经济向低碳绿色转型，对实现我国高质量发展至关重要。学术界围绕低碳试点建设展开了大量研究，但关于低碳城市的绿色全要素碳生产率提升效应的研究及其作用机制还有待进一步挖掘。

1 文献综述

自低碳城市建设提出以来，学术界围绕低碳试点政策的实施效果展开了大量研究，主要从环境治理效应及社会经济效应两个层面展开探讨。关于环境治理效应，研究又可细分为低碳试点政策的碳减排效应和空气污染治理效应两方面。从碳减排视角出发的研究基本支持低碳城市建设显著抑制了碳排放这一事实(张华,2020；郭沛等,2022；郭炳南等,2023；黄寰等,2023)［1-4］，如张华(2020)［1］和周迪等(2019)［5］基于双重差分法，从多角度实证检验了低碳试点的碳减排效果，但关于该效应的作用时长二者有不同的结论，前者认为低碳试点的碳减排效应是持续推进的，后者则认为会在政策实施的第5或第6年后消失。从空气污染治理角度出发的研究认为低碳城市建设能够缓解空气污染，提高空气质量(宋弘等,2019；王华星等,2019；冉启英等,2022)［6-8］。关于社会经济效应，研究基于产业集聚角度，对低碳试点政策下的绿色经济效益进行了充分讨论，认为低碳城市建设下社会各方面的发展尤为注重绿色经济发展(Bekhet 等,2018；Song 等,2018；熊广勤等,2020)［9-11］。

由文献梳理可知，已有文献对低碳城市建设的政策效果进行了较为充分的研究，但研究视角存在些许不足。从城市绿色全要素碳生产率的视角评估低碳城市建设的实施效果并没有引起学术界的高度关注。然而绿色全要素碳生产率是高质量发展所关注的全要素生产率及实现“双碳”愿景目标的综合体现，且现有关于全要素生产率的研究多从技术创新、产业结构、资源配置等方面出发，基于政府政策对绿色全要素碳生产率影响的研究相对较少。

2 理论分析与研究假设

为推动绿色可持续发展建设，低碳试点城市出台了一系列考察标准，这些标准会直接或间接影响城市绿色全要素碳生产率的提升。一方面，低碳试点城市的社会资源会倾向于绿色经济项目(陈丽娜等,2023)［12］，这会直接提升城市绿色全要素碳生产率，如低碳试点城市会在产业发展、税收政策、企业发展等方面促进低碳绿色经济发展。另一方面，国家会对试点城市进行定期考核，试点城市的政府官员基于上级压力和政绩考核，会采取一系列措施推动绿色产业发展，缩小高污染、高能耗企业及行业的生存空间，迫使这些企业积极进行绿色技术创新或迁移至其他城市，进而推动绿色全要素碳生产率提升。

低碳试点的绿色全要素碳生产率提升效应主要从产业结构效应及产业技术创新效应方面助推城市绿色全要素碳生产率提升。从产业结构方面看，首先，伴随试点政策实施的考核标准直接作用于企业，促使企业向低碳绿色转型，但重工业企业的高排放、高污染特性增加了转型的难度，因此，这部分可能会转移至非试点城市，降低高污染产业的比重。其次，低碳试点政策对绿色产业有天然的发展优势，政策红利驱使下技术、资本等生产要素向环境友好型企业靠近，从而实现资源再配置，进一步优化试点城市的产业结构。从产业技术创新角度来看，低碳试点工作主要通过碳排放交易权和政府补贴等方式引导微观企业治污正本内部化(LP Söderholm,2013)［13］。一方面，碳交易试点的设立考验当地企业的治污能力，企业为求生存，会加大对污染物治理的投入，增加企业的生产成本，会倒逼企业进行绿色技术创新。另一方面，政府对创新企业的补偿效应会激励企业积极进行产业技术创新，从而促进绿色全要素碳生产率提升。综上所述，提出如下假设：

假设1：低碳试点政策能够促进城市绿色全要素碳生产率提升。

假设2：低碳试点政策能通过优化产业结构及产业技术创新促进城市绿色全要素碳生产率提升。

试点政策对城市绿色全要素碳生产率的作用路径如图1所示。

图1 低碳试点影响城市绿色全要素碳生产率的作用机制图

3 研究设计

3.1 被解释变量：绿色全要素碳生产率

本文主要被解释变量为城市绿色全要素碳生产率。具体而言，基于成刚和钱振华(2012)［14］关于数据包络模型SBM 效率值的解释，借鉴黄宇宁(2023)［15］关于全要素碳生产率的测度方法，利用考虑非期望产出的超效率SBM 模型的效率值衡量绿色全要素碳生产率。投入指标包括人力资本，以各地区从业人员总数衡量；物资资本投入，以各城市固定资本存量衡量；能源投入，以各城市能源消耗总量衡量；产出指标，包括期望产出GDP 和非期望产出碳排放量，其中，地区生产总值换算为2003年不变价格，碳排放量参照从建辉等(2014)［16］关于城市碳排放核算方法，将城市碳排放分为三类，本文碳排放量是指三类碳排放之和。

3.2 控制变量

为了最大程度避免遗漏变量对估计结果产生影响，本文参考已有关于碳生产率研究的相关文献后选取如下控制变量。绿色投资(greinvest)，以环境污染治理投资占GDP 比值衡量；绿色保险(greinsu)，以环境污染责任保险收入占总保费收入比值衡量；绿色支持(gresupport)，以财政环境保护支出占财政一般预算支出比值衡量；绿色权益(greright)，以碳交易、用能权交易、排污权交易与权益市场交易总额比值衡量；金融发展水平(finance)，以机构存贷款余额占GDP比值衡量；城镇化率(urban)，以城镇常住人口占城镇与乡村常住人口之和比值衡量；产业结构优化(structure)，以第三产业增加值与第二产业增加值的比值衡量；对外开放(open)、城市基础设施(infra)、政府重视程度(gover)、环境规制(envregulation)及技术创新(techinno)的测度方法及数据来自《科学数据银行》公布的数据。

3.3 数据来源

数据主要来自各级统计年鉴、相关统计资料等。其中，能源部分各能源品种与各部门的能源消费数据来源于《中国能源统计年鉴》以及各级统计年鉴；工业、农林业碳排放数据分别来自《中国工业统计年鉴》及《中国农业统计年鉴》《中国畜牧业年鉴》《中国林业和草原统计年鉴》；废弃物处理的数据通过《中国环境统计年鉴》以及各级统计年鉴获取；外购电力、供热和制冷数据源于《中国城市统计年鉴》《中国能源统计年鉴》以及各级统计年鉴。排放因子以官方公布的相关数据为准，具体包括《省级温室气体排放清单指南（试行）》与各级政府发布的碳排放清单指南，若有缺省数据则通过IPCC 排放因子数据库进行补充。

3.4 政策背景与模型设定

2010年7月国家发改委印发《国家发展改革委关于开展低碳省区和低碳城市试点工作的通知》，确定了首批低碳试点实施地，并于2012年、2014年和2017年分批遴选出87个省市作为低碳试点实施地。入选为试点城市后，当地将积极调整并优化产业及能源结构，节能增效，开发绿色低碳模式，国家发改委在试点地区的发展改革部门建立联系机制并定期对试点进展情况进行评估。本文探索的问题是：低碳城市建设是否有效促进了城市绿色全要素碳生产率的提升。为最大程度解决内生性问题，本文基于低碳试点实施地构建如下双重差分模型：

其中，Cpdit表示城市i 在t 年的绿色全要素碳生产率，Treatit表示政策效应，取值为1表示城市i在t年是低碳试点城市，取值为0 表示城市i 在t 年不属于低碳试点城市；Controlit为一系列控制变量,μt及δi分别表示时间固定效应和省份固定效应。对于模型(1)本文关注的是系数α1，若系数显著α1>0，则表示与非试点城市相比，低碳试点政策显著促进了城市全要素碳生产率提升。

4 实证结果与分析

4.1 描述性统计

表1 展示了本文主要变量的描述性统计结果。结果显示城市绿色全要素碳生产率均值为0.440，标准差为0.168，极差为1.823，这表明城市绿色全要素碳生产率在样本期内存在较大差异，并且控制变量的浮动范围也比较大。这为考察低碳试点政策对城市绿色全要素碳生产率的影响提供了研究素材。

表1 主要变量描述性统计结果

4.2 平行趋势检验及基准结果

趋同假设是双重差分法的重要前提假设，即如果没有实行低碳试点政策，试点城市与其他城市的绿色全要素碳生产率应该有相似的变化趋势。为了验证这一假设，本文借鉴赵涛等(2020)［17］的做法，在进行基准回归之前对模型进行平行趋势检验（见图2），结果表明，假设通过了平行趋势检验。随后进行回归分析，具体结果见表2。表2 列(1)仅控制了时间固定效应，列(2)控制了时间及城市固定效应，列(3)在时间及城市双固定的基础上将控制变量纳入模型。结果显示，三种情况下绿色全要素碳生产率(cpd)的系数均为正且在1%的统计意义上显著，表明低碳试点政策显著提升了城市绿色全要素碳生产率。本文依据表2第(3)列展开分析，低碳试点城市建设对绿色全要素碳生产率的估计作用约为0.045，即低碳试点政策实施后，试点区城市的绿色全要素碳生产率比非试点城市平均提高4.5%。

表2 基准回归结果

图2 平行趋势检验图

4.3 稳健性检验

为确保实证结果的合理性，本文进一步进行以下稳健性检验。

4.3.1 考虑不可观测因素的影响：安慰剂检验

随时间变化且不可观测的区域特征对低碳试点政策助推城市绿色全要素碳生产率提升效应的估计结果产生影响，是采用DID方法识别假设的另一个无法忽视的问题。由于地理位置、气候特征、经济发展等不同因素造就的城市特征差异可能随着时间推移对城市碳生产率产生不同的影响，虽然在模型构建中考虑了城市固定效应，但不可避免会遗漏一些不可观测因素，这些未纳入模型的变量可能影响识别假设。因此，本文借鉴已有文献的做法(La Ferrara 等,2012；宋弘等，2019；赵涛等,2020)［6,17-18］，采用一个间接性的安慰剂检验。具体做法如下，由前文模型(1)可以得出系数α̂1的表达式为：

其中，W包括控制变量、个体时点双固定效应，η表示无法观测到的因素对城市绿色全要素碳生产率的影响，如果不可观测因素不会影响估计结果，则η=0，表明是无偏估计量，但在现实中无法确定是否是无偏的。因此，采用间接安慰剂检验的方法进行验证，即利用软件随机产生一个理论上不会对回归结果产生影响的错误变量(记为:Replaceit)代替Treatit，由于Replaceit的随机性，理论上α1=0；若Replaceit的估计变量实际上对回归结果产生影响，即α1不等于0，则表明前文构建的估计模型有误，也即存在其他无法观测的因素会对估计结果产生影响。本文的具体做法是：利用软件stata17随机产生一个低碳试点城市名单，由此产生一个错误政策效应估计量：α̂random1，并将该过程重复500次，得到500 个α̂random1的分布，如图3 所示，α̂random1的分布在0 左右且服从正态分布，说明其他不可观测因素并不会对估计结果产生显著性影响。

图3 安慰剂检验图

4.3.2 更换被解释变量的测算方法

本文借鉴已有文献关于绿色全要素碳生产率的另一种测度方法，利用SBM 模型计算的Malmquist-Luenberger(ML)指数衡量绿色全要素碳生产率的增长变化情况。具体做法是将各城市2003 年的绿色全要素碳生产率视为1，通过ML 指数的连乘积折算出2004-2022 年各地区绿色全要素碳生产率。更换绿色全要素碳生产率的测算方法后得到的估计结果见表3 列(1),结果表明低碳试点政策对绿色全要素碳生产率的提升效益依然显著存在。

表3 稳健性检验

4.3.3 加入碳生产率的时间滞后项

考虑到城市的绿色全要素碳生产率可能存在时间序列相关，可能会导致城市当年的绿色全要素碳生产率受到以往年份的碳生产率影响，本文借鉴张艳等(2022)［19］的做法，将滞后一期的碳生产率纳入模型重新进行分析，稳健性检验结果见表3列(2),结果显示Treat 的系数显著为正，与基准回归结果基本保持一致。

4.3.4 考虑城区特征的影响

低碳试点城市绝大多数位于胡焕庸线的右侧，其经济发展、产业分布、人口集聚等因素的差异可能影响估计结果。因此本文参考宋宏等(2019)［6］的研究，加入胡焕庸左右侧的虚拟变量与时间线性趋势的交乘lu-line×trend。具体采用以下估计方程：

其中，hu-line 表示胡焕庸线左右侧的虚拟变量，若城市位于胡焕庸线右侧则hu-line取值为1，否则取值为0，trend 表示时间线性趋势。hu-line*trend从线性角度控制了相关的地理、经济因素对结果产生的影响，进一步缓解了实验组与控制组非随机选择造成的偏误。表3 中列(3)的结果表明检验结果与基准回归基本一致。

4.3.5 考虑政策效应

从统计意义上看，前文基准回归得到的系数α1代表试点政策对城市绿色全要素碳生产率影响的净效应，但无法确定在低碳试点政策实施期间的其他政策是否会影响城市绿色全要素碳生产率的基准估计结果。已有文献表明，2011年开始实行的碳排放权交易试点政策及智慧城市建设均会显著影响城市的碳生产率(石大千等,2018)［20］。因此，为避免其他政策对实证结果产生影响，引入碳交易权政策虚拟变量CO2(若城市被选定为碳交易权试点且处于政策实施当年及以后取值为1，否则取值为0)，同理设置智慧城市虚拟变量smart。本文分别将虚拟变量CO2及smart分别与实施时间相乘得到交乘项(CO2_use 及smart_time)作为控制变量纳入模型，估计结果见表3列(4)和列(5)。不难发现，Treat的系数与基准回归的结果相差不大。表明在考虑其他政策效应后，估计结果依旧稳健。

4.3.6 剔除部分样本

本文的基准回归考虑了全国所有样本，将入选低碳试点的城市作为实验组样本，没有入选的城市作为控制组样本。但低碳试点政策并未涉及全国所有省份。因此，为确保实验组和控制组在各个方面更相似，本文借鉴宋弘等(2019)［6］的做法，剔除所有没有试点城市的省份。剔除部分样本后的结果见表3列(1)，剔除部分样本后得到的结果与基准回归结果基本一致，进一步说明了基准回归结果具有稳健性。

4.4 机制分析

上文分析表明，低碳城市试点政策显著地提高了城市绿色全要素碳生产率，那么，国家实行的试点政策通过影响哪些关键变量来影响碳生产率水平？根据国家发改委关于实行低碳试点的说明并参考已有的相关文献，本文从产业结构效应与产业技术创新效应方面来考察低碳城市试点的作用机制。传统产业的产业结构相对稳定，低碳试点政策可能通过改进传统产业的技术发展，进而对传统产业的绿色全要素碳生产率产生影响，对于其他产业，低碳技术通过调整及优化产业结构来发展低碳产业(宋弘等,2019)［6］。具体地，本文借鉴的研究以第一、二、三产业占GDP 比重以及第二产业占第三产业的比重来衡量产业结构效应，以城市创新指数(依据2017年复旦大学产业发展研究中心所提供的计算方法)衡量产业创新。

表4 列(1)和列(3)表明低碳试点政策效应的系数显著为正，表明政策实施后第一、三产业的比重增加约0.6%和0.8%。从产业结构优化视角看，低碳城市建设显著促进了城市产业结构优化的发展进程。考虑到实施低碳试点政策的目标之一是通过低碳技术实现城市产业创新，促进城市产业转型(宋弘等,2019)［6］,表4列(5)显示，低碳城市建设显著提高了城市整体产业创新。总体而言，低碳试点政策对于产业结构优化及产业整体创新有积极促进作用。以上分析表明，产业结构优化及创新是低碳试点政策发挥作用的机制，这也满足该政策的目标之一。

表4 产业结构及创新的机制分析

5 结论与建议

低碳城市建设至今已有十余年，其对我国低碳经济、产业结构及环境保护等方面产生了无法忽视的重要影响。本文利用我国2003-2022 年277 个城市的面板数据，使用多期DID模型实证考察了低碳城市建设对城市绿色全要素碳生产率的影响，同时利用安慰剂检验、控制被解释变量的滞后项、考虑时间及城区差异、控制其他政策的影响等方法对结果进行稳健性检验。研究结果表明：

1)低碳城市建设显著促进了城市绿色全要素碳生产率提升，且该结论在经过一系列稳健性检验之后仍显著成立。

2)低碳城市建设的碳生产率提升效应主要通过优化产业结构及刺激产业创新发挥作用。

结合研究结论，本文提出如下政策建议：

1)总结低碳城市建设过程中积累的经验，将试点范围逐渐扩大至更多省市，积极探索新的低碳发展模式，形成试点城市与非试点城市深度融合的发展机制。一方面，低碳试点城市应在探索中积累经验，并且试点地区应互通有无，在合作中共同进步；另一方面，政府应注重政策试点的进一步推广，绿色全要素碳生产率是高质量发展的目标之一，低碳试点的碳生产率提升效益是客观存在的，因此非试点城市应积极采取合作，以试点城市的建设目标自我鞭策。

2)将产业结构优化及创新作为全面激发政策效应的立足点，综合考虑其他政策对城市绿色全要素碳生产率的影响，发挥多政策协同作用。例如将碳交易政策及智慧城市建设融入到低碳城市建设中，充分利用国家颁布的各项有利于低碳经济及绿色全要素碳生产率提升的政策，发挥多政策协同作用。