资源型城市可持续发展对碳排放的影响研究——基于资源依赖的视角

郑贺允,葛力铭

资源型城市可持续发展对碳排放的影响研究——基于资源依赖的视角

郑贺允1,葛力铭2*

(1.新疆财经大学经济学院,新疆 乌鲁木齐 830012；2.上海财经大学城市与区域科学学院,上海 200433)

基于2003～2018年285个地级市的面板数据,首先使用双重差分模型考察《全国资源型城市可持续发展规划(2013～2020年)》(以下简称《规划》)对碳排放的影响;其次,探究该政策通过资源依赖这一路径对碳排放的影响效果;进一步地,基于城市区域和城市规模两个视角分析该政策通过资源依赖影响碳排放的异质性效果;最后,探究《规划》的空间溢出效应.结果表明《规划》显著地降低了资源型城市的碳排放;机制分析表明,《规划》能够通过降低资源依赖进而减少碳排放,且产业结构升级和技术进步对《规划》的碳减排效应起到了正向调节作用;异质性分析表明,《规划》通过降低资源依赖进而促降碳排放的效果在东､中部地区以及大城市更为明显;《规划》对本地及周边地区均具有显著的碳减排效应.本研究对于在双碳目标下实现中国资源型城市的可持续发展具有重要的政策启示.

资源型城市；资源依赖；碳排放；双重差分

改革开放以来,中国经济粗放的发展模式造成了资源大量消耗和污染物过度排放,经济增长与环境保护的矛盾日益尖锐[1].中国在2006年成为世界上最大的碳排放国[2],2019年的碳排放量达到98.3亿t,占世界碳排放总量的28.76%[3].在此背景下,中国政府提出了一系列减排目标和措施.2011年,在北京、湖北等7个省份(直辖市)实施碳排放权交易政策;2020年,提出碳达峰和碳中和的目标.

以矿产资源的开采和加工为主的资源型城市产业模式不仅挤占了新兴产业的发展空间,其高能耗与高污染特性也促增了碳排放.为了促进资源型城市的绿色转型,国务院在2013年颁布《全国资源型城市可持续发展规划(2013—2020年)》(以下简称《规划》),限制资源开发活动并提出促进资源型城市可持续发展的相关指标,有利于引导资源型城市探寻低碳发展模式,减少对自然资源的依赖,打破“资源诅咒”.

凭借丰富自然资源而兴起和发展的资源型城市是碳排放的重要区域.在碳达峰与碳中和目标的背景下,资源型城市的可持续发展备受学界关注.肖滢等[4]指出当前资源型城市的绿色全要素生产率处于较低水平.调整产业结构、加强技术创新和优化制度等是实现城市可持续发展的重要举措[5-6].关于资源型城市发展影响碳排放的观点存在分歧,主要包括促降和促增两种结论.一部分学者指出以低碳为目标的资源型城市注重提升资源利用效率,有利于促降碳排放[7].而另一部分学者认为资源型城市的发展伴随着资源的大量消耗,粗放的发展模式将进一步促增碳排放[8].

作为资源型城市的主要特征,资源依赖对技术创新和产业结构具有挤出效应,是碳排放增长的重要因素.一方面,蓬勃发展的资源产业对劳动力素质要求较低,导致资源型城市轻视人力资本投资,阻碍技术创新[9-10].落后的生产技术会加剧资源消耗,从而增加碳排放.另一方面,作为“理性人”的企业会将资金大量投入到产生高利润但污染严重的资源产业,落入“产业结构刚性”陷阱[11],进一步增加碳排放.现有文献主要关注资源依赖对经济增长和产业发展的影响.Auty[12]认为丰富的自然资源抑制经济增长,而Stijns[13]认为资源产业的发展能够加速要素流动和人力资本积累,推动地区经济的长期发展.张复明等[14]指出资源依赖抑制了非资源型产业的发展,易造成产业发展的路径依赖.

由于具备政策净效应识别的有效性,双重差分(difference in difference, DID)模型被广泛应用于政策评估[15].现有的政策评价文献主要研究碳排放交易政策[16]、低碳城市试点政策[17]和高铁开通[18]所引发的环境效应.还有学者关注《规划》对资源型城市产业结构转型的影响[19].面对转型难题,资源型城市亟需借助政府政策等外部力量加以解决.然而,少有学者关注《规划》对资源型城市碳排放的影响,也忽视了结合资源依赖这一特征进一步探究《规划》对碳排放的作用.以往研究还较少考虑到政策与碳排放的空间相关性,忽视了《规划》的空间溢出作用.

因此,本文的边际贡献为:第一,鉴于资源依赖是资源型城市的突出特点,本文以资源依赖为中介变量,分析《规划》对资源型城市碳排放的作用路径,为资源型城市的减排路径提供新思路.第二,考虑到《规划》的实施与碳排放可能存在空间相关性,本文采用空间杜宾模型(SDM, Spatial Durbin Model)研究《规划》对碳排放的空间溢出效应.

结合资源型城市,本文使用双重差分模型研究《规划》对碳排放的影响,进一步考察资源依赖路径下《规划》对碳排放的影响机制,并从空间视角研究《规划》的溢出效应,以期为推动资源型城市绿色发展、实现碳达峰与碳中和目标提供参考.

1 理论背景与研究假说

资源型城市对中国发展初期工业化体系的构建与GDP的快速增长起到了关键作用,但高度资源依赖、低资源利用率和单一产业结构导致的不可持续发展模式使得资源型城市的进一步发展面临动力不足的问题.因此,国务院于2013年颁布了《规划》,有利于引导和激励资源型城市寻找新动力,抑制碳排放增长.因此,本文从以下两个方面梳理并归纳总结《规划》对碳排放的影响,如图1所示.

图1 《规划》对碳排放的影响机制

1.1 《规划》对碳排放的直接影响

合理的环境规制能够促使企业外部成本内部化,发挥创新补偿效应.产出增加带来的经济效益有利于提高生产率,抵消部分由环境规制带来的成本增加[20],实现经济发展与环境保护的双赢.《规划》通过量化减排量和资源产出率等指标强化环境规制力度,倒逼资源企业优化生产技术与提高污染治理能力,降低碳排放[21].基于此,本文提出如下假说:

假说1:《规划》有利于降低资源型城市的碳排放.

1.2 《规划》对碳排放的间接影响

1.2.1 资源依赖路径 当环境规制对城市发展进行干预时,其高度依赖资源的发展模式将逐步被扭转,碳减排效果也将愈发明显.《规划》从资金补贴、减排目标设定和接续替代产业培育等方面为资源型城市绿色发展提供动力.财政资金能够为资源型城市的技术创新提供物质基础.设定减排目标有利于限制企业排污行为,促进清洁生产.培育接续替代产业能够推动产业结构多样化,减轻生产活动对环境的负面影响.这些举措都有利于资源型城市摆脱资源依赖的束缚,降低碳排放.基于此,本文提出如下假说:

假说2:《规划》能够通过减少城市对资源的依赖进而降低碳排放.

1.2.2 产业结构升级与技术进步的调节效应 在《规划》能够通过资源依赖路径影响碳排放的基础上,资源依赖的降低意味着产业结构升级和技术进步[22-23],进而对《规划》的碳减排效应起到调节作用.一方面,资源依赖的降低能够改变资源产业“一业独大”的现状,有利于现代服务业等清洁型产业的发展,促进清洁生产,助力《规划》减排效应的有效发挥.另一方面,降低资源依赖能够加速劳动、资本等要素的自由流动,刺激技术研发与人力资本投资,增强知识与技术的外溢效应[24],提升生产效率和改善管理模式,促进经济的集约化发展,从而强化《规划》的碳减排效应.基于此,本文提出如下假说:

假说3:产业结构升级和技术进步能够对《规划》的碳减排效应起到正向调节作用.

1.2.3 空间溢出效应 区域互动在环境政策上表现为策略性竞争,引起环境规制在空间内产生作用[25].《规划》通过设定污染物减排目标等方式不仅有利于优化能源消费结构,抑制本地碳排放的增长,还能对周边地区产生“示范效应”或“竞争效应”,促使其更新低碳技术,优化产业结构,进而降低碳排放.基于此,本文提出如下假说:

假说4:《规划》存在显著的空间溢出效应,即对本地及周边地区的碳排放均具有抑制作用.

2 研究设计

2.1 模型设定

2.1.1 双重差分法 本文将《规划》的实施视为一次准自然实验,旨在评估《规划》对碳排放的影响.双重差分法在政策评价领域得到广泛了应用,原因在于其能有效识别政策实施的净效应.因此,基于DID模型,本文研究《规划》对碳排放的影响.基准回归模型设定如下:

式中:CO2it表示二氧化碳排放量.didit代表《规划》实施时间与是否为资源型城市的交乘项.X代表其他影响碳排放的控制变量.和分别为年份固定效应和城市固定效应,为随机扰动项.

2.1.2 影响机制 由上文理论分析可知,《规划》不仅能够直接影响碳排放,还能通过降低资源依赖这一路径间接对碳排放产生影响.因此,参考温忠麟等[26]的方法,本文以资源依赖作为中介变量,探究《规划》对碳排放的影响,中介效应模型设定如下:

2.2 变量选取和数据来源

2.2.1 被解释变量 本文的被解释变量为二氧化碳排放量(CO2emissions).借鉴Chen等[27]的做法,本文首先使用PSO-BP神经网络算法统一DMSP/OLS和NPP/VIIRS卫星影像的尺度.其次,参考政府间气候变化专门委员会(IPCC)发布的“2006年气专委国家温室气体清单指南”,测算中国省级的碳排放量,并通过PSO-BP神经网络算法将其与夜间光照数据联系起来,估算出县域碳排放量.最后,经过数据加总得到285个地级市的碳排放量.

2.2.2 核心解释变量 本文的核心解释变量(did)为《规划》实施年份与是否为资源型城市的交乘项.考虑到政策的颁布与实施之间存在时间差,本文将2013年11月颁布的《规划》的实施年份设定为2014年.当城市为资源型城市且年份在2014年及以后时,则等于1,否则为0.当城市为非资源型城市时,则赋值为0.

2.2.3 机制变量 机制变量为资源依赖(resource).资源依赖是指资源产业在城市发展中占据重要地位.资源产业的高利润属性和发展优势强化了产业结构的单一属性,争夺采矿权和资源审批过程中缺乏明确的政府职权界定容易滋生投资者的寻租行为[28],这些都会加剧城市对资源的依赖,促使碳排放不断增加.本文利用采矿业从业人员数占总就业人数的比重来表示城市的资源依赖程度[29].

表1 各变量描述性统计

2.2.4 控制变量 产业结构(industry).鉴于第二产业对碳排放的影响比第一产业、第三产业更为显著,因此本文利用第二产业产值占GDP的比重来衡量产业结构[30];城市化水平(urban).利用城市市辖区人口占户籍人口的比重来表示城市化水平[31];外商直接投资(fdi).利用外商直接投资占GDP的比重来表示地区外商直接投资水平[32];政府干预(gov).利用政府一般公共财政预算支出占GDP的比重来表示政府干预的程度[18];创新水平(innovation).利用综合企业家、投资、技术三个维度的熵值法计算得到的人均创新得分来表示创新水平.数据来源于北京大学开放研究数据平台.教育(edu).高素质人才更容易掌握先进的技术和经验,有利于降低碳排放.本文利用政府的教育投入占GDP的比重来衡量教育水平.语言多样性(dialect).地区所拥有的语言种类影响该地政策的实施效果.本文使用地级市涵盖的方言种类来衡量语言多样性[33].

本文使用的数据主要来自285个地级市2003～ 2018年《中国城市统计年鉴》和各省份统计年鉴,使用线性插值法对缺失数据进行填补.各变量描述性统计如表1所示.

3 实证分析

3.1 平行趋势检验与动态效应分析

平行趋势检验是双重差分法的使用前提.本文参考李建明等[34]的思路进行平行趋势检验.根据图2可得,政策变量的回归系数在2013年及其之前不显著,表明资源型城市与非资源型城市的碳排放在《规划》实施之前不存在显著差异,通过了平行趋势检验.而在2015年及其之后,政策变量的回归系数逐渐显著,说明《规划》能够显著地促降碳排放.

图2 平行趋势检验

3.2 基准回归分析

采用双重差分法评估《规划》的实施对资源型城市碳排放的影响.表2的第(1)列和第(2)列分别为在未加入控制变量基础上未控制和控制年份固定效应、城市固定效应的模型,第(3)列和第(4)列分别为在加入控制变量基础上未控制和控制年份固定效应、城市固定效应的模型.根据估计结果可知,《规划》的实施在整体上能够显著地降低资源型城市的碳排放.将表2第(4)列作为基准回归结果,在其他条件保持不变的情况下,相比于非资源型城市,《规划》的实施能够显著降低1.7270个单位的资源型城市碳排放,从而验证了假说1.

表2 基准回归结果

注:***、**、*、分别表示1%、5%、10%的显著性水平,括号内的是值,下表同.

在控制变量方面,产业结构的系数显著为负,表明第二产业比重的提高降低了碳排放.虽然第二产业比重的上升通常会增加碳排放,但当前智能化的运作模式促使其向技术密集型发展,效率的改善能够提升碳排放效率,大大抵消了第二产业的生产过程对环境的负面影响,进而表现出降低碳排放的结果.城市化水平的系数显著为正,说明过快的城市化会增加碳排放.政府干预和教育投入的系数显著为负,说明加大财政补贴和教育投入力度能够减少碳排放.创新水平的系数显著为正,说明当前创新能力向节能减排产品的生产转换存在一定困难,使其难以发挥降低碳排放的作用.语言多样性的系数显著为正.一个地区多样化的语言提高了人们的沟通成本,减弱了政策的上传下达效果,阻碍碳减排进程.而外商直接投资的系数为负,但并不显著,表明外商直接投资对碳排放的抑制作用较小.

3.3 稳健性检验

3.3.1 剔除特殊样本 由于我国的直辖市和省会城市相较于其他城市的制造业更发达,人口更密集,生产生活活动所产生的碳排放更大,因此本文将这部分特殊样本予以删除以减少异常值对基准结果的影响.由表3第(1)列可知,《规划》对碳排放具有明显的抑制作用,验证了基准结果的稳健性.

3.3.3 PSM-DID 为了减少样本的选择性偏差,本文进一步使用PSM-DID的方法进行检验.首先将是否为资源型城市视为因变量,控制变量视为协变量,然后使用近邻卡尺匹配方法进行logit回归,将与资源型城市最为匹配的城市作为对照组.再对匹配后的两个小组进行DID回归,估计结果如表3第(4)列所示.匹配之后,《规划》的系数值仍显著为负,表明基准结果是稳健的.

表3 稳健性检验

3.4 影响机制分析

3.4.1 资源依赖的中介效应 上文得出《规划》对资源型城市碳排放具有显著的抑制作用.由于资源依赖是资源型城市最为突出的特点,且在理论分析中已经论证了《规划》可以通过抑制资源依赖程度进而降低城市碳排放的合理性,因此,本文进一步选取资源依赖作为中介变量,检验《规划》对碳排放的影响机制,回归结果见表4.

表4第(1)列表明《规划》对碳排放存在总效应,即《规划》能够显著降低资源型城市的碳排放.第(2)列中,《规划》对资源依赖程度的估计系数显著为负,即《规划》的实施能够减少城市的资源依赖.第(3)列中资源依赖的系数显著为正,且《规划》的系数显著为负,表明存在部分中介效应,且中介效应占总效应的比重为25.5808%.表明《规划》能够通过抑制城市对资源的依赖进而降低碳排放,假说2得到验证.《规划》在财政补贴、营商环境和产业项目布局等方面给予了资源型城市众多支持,提高了其对技术和人力资本的重视程度.一方面,能够激励企业革新生产技术,提升资源利用率,进而降低生产过程中资源的直接投入,减少对资源的过度依赖.另一方面,推动了现代服务业和高新技术产业等新兴产业的发展,有利于优化产业结构,降低具有高碳特征的资源产业比重,减少资源依赖,从而降低碳排放.此外,《规划》的实施提高了环境规制成本,迫使企业加强技术创新和清洁生产,有利于促进污染减排.

3.4.2 产业结构升级和技术进步的调节效应 上文通过实证检验证明了《规划》能够通过降低资源依赖进而减少碳排放.假说3认为城市资源依赖程度的降低表明产业结构与技术的优化.为了验证产业结构升级和技术进步是否会对《规划》的碳减排效应起到调节作用,本文引入did变量与产业结构升级的交乘项(did´structure)、did变量与技术进步的交乘项(did´patent),并分别替代基准模型中的did变量重新进行回归.其中,产业结构升级利用第三产业占第二产业的比重衡量,技术进步利用专利数量的对数值表示.

表4第(4)列中变量与产业结构升级交乘项的系数显著为负,第(5)列中变量与技术进步交乘项的系数也为负,表明产业结构升级和技术进步能够强化《规划》的碳减排效果,即产业结构升级和技术进步对《规划》的碳减排效应具有正向调节作用,假说3得到验证.产业结构升级有利于推动生产方式绿色化,技术创新能够促进节能减排技术的提升,这些都会促进《规划》碳减排效应的有效发挥.

表4 《规划》对资源型城市碳排放的影响机制

3.5 异质性分析

3.5.1 城市区域异质性 不同区域在经济发展水平、产业结构等方面存在差异,而这些因素与碳排放量密切相关,因此本文依据1986年全国人大六届四次会议通过的"七五"计划,将研究样本分为东部、中部和西部地区,探究《规划》在不同地理位置基于资源依赖路径对碳排放的影响是否具有差异,回归结果如表5所示.

对于东部和中部地区,《规划》能够降低碳排放,即《规划》对碳排放存在总效应.此外,《规划》的实施能够减少资源依赖,且《规划》与资源依赖的回归系数是显著的,表明资源依赖在《规划》促降东部和中部地区碳排放的过程中存在部分中介效应,中介效应占比分别为21.9184%和24.4379%.而《规划》对西部地区碳排放的促降作用并不明显,即不存在《规划》对西部地区碳排放的总效应,也不存在中介效应.东部地区凭借区位优势汇集大量的人才、资本等要素,实施创新驱动发展,促降资源依赖的阻力较小,因而《规划》有利于抑制东部地区对资源的依赖,降低碳排放.中部地区能够方便学习东部地区的先进经验,享受其知识、技术外溢效应,有利于发挥《规划》在引导技术创新和产业结构优化升级等方面的作用,进而降低中部地区对资源的依赖程度,减少碳排放.西部地区的经济支柱为来自东部、中部地区转移的高能耗、高污染产业和本地的资源产业,减排压力较大,使得《规划》难以起到促降碳排放的作用.

表5 区域异质性回归结果

3.5.2 城市规模异质性 考虑到《规划》的实施效果可能与城市规模有关,本文按照国务院《关于调整城市规模划分标准的通知》,对不同规模的城市进行相应回归,其中,由于超大城市、小城市的样本较少,因此将超大城市与特大城市合并为大城市、小城市与中等城市合并为中小城市,研究在不同城市规模下《规划》通过资源依赖路径对碳排放的影响效果.回归结果如表6所示.

表6 城市规模异质性回归结果

《规划》对大城市的碳排放具有显著的抑制作用,表明《规划》对碳排放存在总效应.且《规划》和资源依赖的系数都是显著的,表明存在部分中介效应,中介效应占比为21.6210%,即《规划》在大城市对碳排放的促降作用有21.6210%是由资源依赖的降低而传导的.而《规划》对中小城市的碳排放具有明显的促进作用.作为中介变量的资源依赖虽然不显著,但Bootstrap 检验的结果是显著的,表明中小城市存在资源依赖的中介效应,其占比为21.4713%.《规划》能够刺激知识、技术等要素进一步向大城市集聚,发挥规模效应,促进低碳技术和现代服务业等新兴产业的发展,有助于降低大城市的资源依赖,进而降低碳排放.此外,《规划》的实施将提升企业的污染治理成本,挤占其技术研发资金,而中小城市短缺的财政资金难以完全减轻企业创新压力,导致低碳技术的研发面临困境.这些因素的综合作用表现出《规划》虽然减少了中小城市的资源依赖,但难以发挥减排作用的结果.

3.6 《规划》的空间溢出效应

为了减少传统计量模型计算结果的偏误,本文进一步考虑区域的空间依赖性和溢出效应.首先分析碳排放是否存在空间相关性.本文构造了地理距离矩阵(两个城市的政府所在经纬度计算得到的地理距离的倒数)和经济距离矩阵(两个城市在2003～2018年期间的人均GDP均值之差的倒数),Moran's统计值分别为29.2770和5.9580,均在1%的水平上显著,表明碳排放存在显著的空间相关性.因此引入空间计量模型探究《规划》的空间溢出效应.模型的具体形式如下:

式中:为空间自回归系数;w为空间权重矩阵;X为一系列控制变量;为各个控制变量的空间滞后项;为《规划》的空间滞后项;为误差项.

似然比(LR)检验和沃尔德(Wald)检验的结果表明,经济距离矩阵下的LR统计量和Wald统计量均在1%的显著性水平上拒绝原假设,表明SDM模型不会退化为SAR(Spatial Autoregressive Model)和SEM(Spatial Error Model)模型,因此选择使用SDM模型.而地理矩阵下的LR统计量并不显著,表明该矩阵下的SDM模型将退化为SEM模型.由于SDM模型参数估计值的含义并非为其边际影响,因此在SDM模型点估计结果的基础上进一步测算《规划》对碳排放的直接效应和间接效应,如表7所示.

就直接效应而言,无论是地理距离矩阵还是经济距离矩阵,《规划》对碳排放均具有显著负向的直接效应.就间接效应而言,经济距离矩阵中《规划》对碳排放的间接效应为-1.6967,表明《规划》在经济水平邻近的地区对碳排放具有负向的空间溢出效应,假说3得以验证.而地理距离矩阵中《规划》对碳排放的间接效应并不明显.《规划》重点关注资源型城市的绿色发展,因而更加注重城市间经济关联的质量.经济互动质量的提升有利于提高要素流动能力,促进资源合理配置,减少无效投资和重复建设,进而降低碳排放.在考虑地理因素时,《规划》仅影响本地碳排放,对地理距离邻近的周边地区碳排放尚未发挥实质性影响.表明经济因素的关联性在《规划》对碳排放的抑制作用中要远高于地理距离的邻近性.

表7 直接效应和间接效应估计结果

4 建议

4.1 着力建立促进资源型城市可持续发展的长效机制.政府需要引导资源型城市的生产要素向接续替代产业集聚,约束高能耗、高污染企业排污行为,大力发展绿色产能.政府应积极倡导零碳的生产生活方式,鼓励地方政府、企业和公众共同参与到环境治理中.发挥资源型城市减排的示范效应,加强地区的经济互动,促进我国碳达峰、碳中和目标早日实现.

4.2 关注资源依赖在《规划》影响城市碳排放中的重要作用.一方面,资源型城市需要大力发展可再生能源和现代服务业等清洁型产业,明确不同产业的低碳甚至零碳目标,大力发展碳中和碳交易,优化资源配置,促进产业的绿色化,从而减少碳排放,提升区域环境质量.另一方面,政府应该加大对低碳技术的投资力度,通过激励机制加速碳捕获与封存技术和高能效技术的普及与应用,降低碳排放.

4.3 根据区域特性差异化地实施《规划》.就东部、中部和西部地区而言,东部和中部地区需要关注数字技术的研发和产业的清洁化发展;西部地区需要加强低碳意识,提供优惠条件吸引高素质人才建设西部,推进低碳技术的应用,提升生产效率以减少资源浪费.就大城市和中小城市而言,大城市需要进一步提升对知识和技术等要素的吸引力,运用市场化工具和政策优惠等方式降低低碳型企业的生产成本,加强绿色技术成果的转化能力;中小城市应提高对环境的重视程度,中央政府也需要增加对其的财政补贴和加强环境政策的落实力度.

5 结论

5.1 在其他条件保持不变的情况下,相比于非资源型城市,《规划》的实施能够显著降低1.7270个单位的资源型城市碳排放,表明《规划》的实施能够对碳排放起到明显的抑制作用,且该结论通过了一系列稳健性检验.

5.2 机制分析表明,《规划》能够通过减少资源依赖进而促降碳排放.且《规划》对资源型城市碳排放的中介效应占比为25.5808%,表明《规划》对碳排放的促降作用中有25.5808%是由资源依赖的降低进行传导的.此外,产业结构升级和技术进步对《规划》的碳减排效应具有正向的调节作用.

5.3 在异质性分析上,从城市地理位置来看,《规划》在东部和中部地区能够通过降低资源依赖进而促降碳排放;而其对西部地区碳排放的抑制作用并不明显.从城市规模来看,《规划》能够通过降低资源依赖进而促降大城市的碳排放,但却使中小城市的碳排放有所增加.

5.4 《规划》对碳排放具有显著的空间溢出作用.在经济距离矩阵下,《规划》对碳排放的直接效应为-1.5415,间接效应为-1.6967,表明《规划》不仅能够降低本地区的碳排放,还能抑制周边地区的碳排放.

[1] 张华明,元鹏飞,朱治双.中国城市人口规模、产业集聚与碳排放[J]. 中国环境科学, 2021,41(5):2459-2470.

Zhang H M, Yuan P F, Zhu Z S. City population size, industrial agglomeration and CO2emission in Chinese prefectures [J]. China Environmental Science, 2021,41(5):2459-2470.

[2] Zhang Y J, Peng Y L, Ma C Q, et al. Can environmental innovation facilitate carbon emissions reduction? Evidence from China [J]. Energy Policy, 2017,100:18-28.

[3] BP. Statistical Review of World Energy [DB/OL]. http://www.bp.com/ statisticalreview, 2019-6/2021-7-1.

[4] 肖 滢,卢丽文.资源型城市工业绿色转型发展测度——基于全国108个资源型城市的面板数据分析[J]. 财经科学, 2019,(9):86-98.

Xiao Y, Lu L W. Measurement of industrial green transformation efficiencyin resource-based cities——Based on 108 resource-based cities’ panel data [J]. Finance & Economics, 2019,(9):86-98.

[5] 曾 坚,张彤彤.新常态下资源型城市经济转型问题、对策及路径选择[J]. 理论探讨, 2017,(1):81-86.

Zeng J, Zhang T T. The problems、countermeasures and path selections of economic transformation of resource-based city under the new normal [J]. Theoretical Investigation, 2017,(1):81-86.

[6] Wadin J, Hu M, Lo H, et al. Transformation toward an eco-city: lessons from three asian cities [J]. Journal of Cleaner Production, 2016, 123:77-87.

[7] 张 慧,乔忠奎,许 可,等.资源型城市碳排放效率动态时空差异及影响机制——以中部6省地级资源型城市为例[J]. 工业技术经济, 2018,37(12):86-93.

Zhang H, Qiao Z K, Xu K, et al. Study on temporal and spatial differences of carbon emission efficiency——Based on cities in six provinces of central China [J]. Journal of Industrial Technological Economics, 2018,37(12):86-93.

[8] Hou Y, Long R Y, Chen H, et al. Research on the sustainable development of China's coal cities based on lock-in effect [J]. Resources Policy, 2018,59:479-486.

[9] Gylfason T. Natural resources, education, and economic development [J]. European Economic Review, 2001,45(4-6):847-859.

[10] Sachs J D, Warner A M. The curse of natural resources [J]. European Economic Review, 2001,45(4):827-838.

[11] 郭爱君,胡安军,王祥兵.资源型经济区产业路径依赖的形成机制、特性与破解[J]. 经济问题探索, 2017,(10):73-79.

Guo A J, Hu A J, Wang X B. The formation mechanism, characteristics and cracking of industrial path dependence in resource-based economic zone [J]. Inquiry into Economic Issues, 2017,(10):73-79.

[12] Auty R. Sustaining development in mineral economies [M]. 1993.

[13] Stijns J P C. Natural resource abundance and economic growth revisited [J]. Resources Policy, 2005,30(2):107-130.

[14] 张复明,景普秋.资源型经济的形成:自强机制与个案研究[J]. 中国社会科学, 2008,(5):117-130,207.

Zhang F M, Jing P Q. These lf-cumulation mechanism in the development of a resource economy: With a case study [J]. Social Sciences in China, 2008,(5):117-130,207.

[15] 宋 弘,孙雅洁,陈登科.政府空气污染治理效应评估——来自中国“低碳城市”建设的经验研究[J]. 管理世界, 2019,35(6):95-108,195.

Song H, Sun Y J, Chen D K. Assessment for the effect of government air pollution control policy: Empirical evidence from “low-carbon city” construction in China [J]. Management World, 2019,35(6):95- 108,195.

[16] 李治国,王 杰.中国碳排放权交易的空间减排效应:准自然实验与政策溢出[J]. 中国人口·资源与环境, 2021,31(1):26-36.

Li Z G, Wang J. Spatial emission reduction effects of China’s carbon emission strading: quasi-natural experiments and policy spillovers [J]. China Population Resources and Environment, 2021,31(1):26-36.

[17] 周 迪,周丰年,王雪芹.低碳试点政策对城市碳排放绩效的影响评估及机制分析[J]. 资源科学, 2019,41(3):546-556.

Zhou D, Zhou F N, Wang X Q. Impact of low- carbon pilot policy on the performance of urban carbon emissions and its mechanism [J]. Resources Science, 2019,41(3):546-556.

[18] 张 华,冯 烽.绿色高铁:高铁开通能降低雾霾污染吗？[J]. 经济学报, 2019,6(3):114-147.

Zhang H, Feng Y. Green high-speed railway: Does high-speed railway reduce haze pollution? [J]. China Journal of Economics, 2019,6(3): 114-147.

[19] Li Q, Zeng F, Liu S, et al. The effects of China's sustainable development policy for resource-based cities on local industrial transformation [J]. Resources Policy, 2020,71:101940.

[20] Porter M E, Linde C. Green and competitive: Breaking the stalemate [J]. Harvard Business Review, 1995,73(5):120-133.

[21] 关海玲,董慧君,张宇茹.《全国资源型城市可持续发展规划》的污染减排效应研究[J]. 经济问题, 2021,(6):80-90.

Guan H L, Dong H J, Zhang Y R. Research on the pollution reduction effect of the sustainable development plan of resource-based cities nationwide [J]. On Economic Problems, 2021,(6):80-90.

[22] 吴海兵,肖地楚,王欣欣,等.基于固定效应模型的能源资源禀赋与产业结构关系研究[J]. 宏观经济研究, 2013,(10):59-66.

Wu H B, Xiao D C, Wang X X, et al. Study on the relationship between resource endowment and industrial structure based on fixed-effects model [J]. Macroeconomics, 2013,(10):59-66.

[23] 海 琴,高启杰.资源密集地区区域创新能力挤出效应研究[J]. 科技进步与对策, 2020,37(19):41-50.

Hai Q, Gao Q J. The extrusion effect of regional innovation ability in resource-intensive areas [J]. Science & Technology Progress and Policy, 2020,37(19):41-50.

[24] 马若微,李菲菲.自然资源依赖、金融发展与人力资本积累[J]. 广东社会科学, 2021,(5):16-25.

Ma R W, Li F F. Natural resource dependence, financial development and human capital accumulation [J]. Social Sciences in Guangdong, 2021,(5):16-25.

[25] Graham D, Woods N. Making corporate self- regulation effective indveloping countries [J]. World Development, 2006,34(5):868-883.

[26] 温忠麟,叶宝娟.中介效应分析:方法和模型发展[J]. 心理科学进展, 2014,22(5):731-745.

Wen Z L, Ye B J. Analyses of mediating effects: The development of methods and models [J]. Advances in Psychological Science, 2014,22(5): 731-745.

[27] Chen J, Gao M, Cheng S, et al. County-level CO2emissions and sequestration in China during 1997–2017 [J]. Scientific Data, 2020,7(1).

[28] Yu X K, Chen Z. Resource abundance and financial development: Evidence from China [J]. Resources Policy, 2011,36(1):72-79.

[29] 邵 帅,杨莉莉.自然资源丰裕、资源产业依赖与中国区域经济增长[J]. 管理世界, 2010,(9):26-44.

Shao S, Yang L L. Natural resource abundance, resource industry dependence and regional economic growth in China [J]. Management World, 2010,(9):26-44.

[30] 傅京燕,司秀梅,曹 翔.排污权交易机制对绿色发展的影响[J]. 中国人口·资源与环境, 2018,28(8):12-21.

Fu Y J, Si X M, Cao X. Research on the influence of emission trading mechanism on green development [J]. China Population Resources and Environment, 2018,28(8):12-21.

[31] 吴伟平,何 乔.“倒逼”抑或“倒退”?——环境规制减排效应的门槛特征与空间溢出[J]. 经济管理, 2017,39(2):20-34.

Wu W P, He Q. “Forced pollution reduction” or “regressive”?—— threshold characteristic and spatial spillover of pollution reduction effect from environmental regulation[J]. Business Management Journal, 2017, 39(2):20-34.

[32] Wang H, Jin Y. Industrial ownership and environmental performance: Evidence from China [J]. Environmental & Resource Economics, 2007,36(3):255-273.

[33] 李光勤,曹建华,邵 帅.语言多样性与中国对外开放的地区差异[J]. 世界经济, 2017,40(3):144-168.

Li G Q, Cao J H, Shao S. Linguistic diversity and regional openness disparity in China [J]. The Journal of World Economy, 2017, 40(3):144-168.

[34] 李建明,罗能生.高铁开通改善了城市空气污染水平吗? [J]. 经济学(季刊), 2020,19(4):1335-1354.

Li J M, Luo N S. Has the opening of high-speed rail improved the level of urban air pollution? [J]. China Economic Quarterly, 2020,19(4): 1335-1354.

Impact of sustainable development in resource-based cities on carbon emissions: From the perspective of resource dependence.

ZHENG He-yun1, GE Li-ming2*

(1.School of Economics, Xinjiang University of Finance and Economics, Urumqi 830012, China；2.School of Urban and Regional Sciences, Shanghai University of Finance and Economics, Shanghai 200433, China)., 2022,42(6)：2955～2964

Based on the panel data of 285 cities from 2003 to 2018, the difference in difference models were used to investigate the impact of China’s Sustainable Development Plan of National Resource-Based Cities (2013～2020) (here in after referred to as the Plan) on carbon emissions and the effect of the Plan on carbon emissions through the path of resource dependence. In addition, the heterogeneous effects of the Plan on carbon emissions through the path of resource dependence were analyzed based on the perspectives of city region and city scale. Finally, the Plan’s spatial spillover effects were examined. The results suggested that the Plan significantly reduced carbon emissions of resource-based cities. The mechanism analysis indicated that the Plan can decrease carbon emissions by reducing the degree of resource dependence. Besides, industrial structure upgrade and technological progress had positive impacts on the Plan’s carbon reduction effect. The heterogeneous analysis showed that the effect of the Plan decreased resource dependence to reduce carbon emissions is more obvious in eastern regions, central regions, and large cities. The Plan had a significant carbon reduction effect on local and neighboring areas. This paper had important policy implications for achieving sustainable development of resource-based cities in China under the dual carbon target.

resource-based cities；resource dependence；carbon emissions；difference in difference

F205,X32

A

1000-6923(2022)06-2955-10

郑贺允(1996-),女,河南郑州人,新疆财经大学经济学院硕士研究生,主要从事低碳经济与可持续发展方向研究.发表论文5篇.

2021-11-02

新疆财经大学科研创新项目(XJUFE2021K053)

* 责任作者, 博士, geliming@163.sufe.edu.cn