“双碳”背景下低碳城市政策评估与异质性研究——基于准自然实验的多时点DID分析

关 华，刘 珂

(1.河北经贸大学 《经济与管理》编辑部，河北 石家庄 050061；2.河北经贸大学 经济研究所,河北 石家庄 050061)

一、引 言

二、政策梳理与文献综述

(一)政策梳理

为妥善应对气候变化，2009年11月国务院提出到2020年我国碳排放强度较2005年下降40%～45%，并将其作为约束性指标纳入国民经济和社会发展的中长期规划中。此目标一经提出，各地纷纷采取发展低碳产业、建设低碳城市、倡导低碳生活等行动落实中央决策部署。2010年部分省市主动申报开展低碳城市试点工作，经国家发改委研究决定将五省八市作为低碳试点城市。2011年国务院印发了《“十二五”控制温室气体排放工作方案的通知》，为确保完成“十二五”控制温室气体排放目标，国家发改委决定在第一批试点城市的基础上继续扩大试点地区范围，将北京、上海等28个城市作为第二批试点城市。2017年，为进一步推进绿色低碳发展、落实“十三五”规划纲要部署，早日实现各个城市的碳达峰目标，国家发改委选定了第三批低碳试点城市。具体试点情况见表1。

表1 低碳城市政策试点情况

(二)文献综述

很多学者对低碳城市政策的实施效果进行了深入分析，主要涉及以下四个方面：一是低碳城市政策对企业全要素生产率的影响。关宇航等、赵振智等运用双重差分法对中国沪深两市A股上市公司进行实证分析，发现低碳城市政策的实施能够在一定程度上诱发企业进行技术创新、优化资源配置，促使企业向创新、环保的增长方式转变，进而促进企业全要素生产率的提升。二是低碳城市政策对绿色经济增长的影响。韦东明和顾乃华、臧传琴和孙鹏、王巧和佘硕等基于双重差分法，发现低碳城市政策可显著促进城市绿色全要素生产率提升，低碳城市政策具有显著的绿色增长效应。三是低碳城市政策对创新的影响。部分学者从企业绿色技术创新视角分析发现低碳城市政策实施对企业绿色技术创新有显著的促进作用；也有学者从城市技术创新视角分析发现低碳城市政策实施能够产生创新驱动效应，低碳城市通过增加科技人才数量及技术研发投入等方式促进城市技术创新。胡求光和马劲韬则基于创新价值链视角分析发现低碳城市试点政策对绿色技术创新效率具有显著的促进作用。四是低碳城市政策对空气质量的影响。部分学者认为低碳城市政策能够改善空气质量。如Wolff和Gehrsitz运用双重差分法对低碳城市试点政策进行实证研究，发现该政策能减少当地的空气污染。陈启斐和王双徐、王华星和石大千、宋弘等认为低碳城市建设显著降低了城市空气污染，低碳城市主要通过产业结构升级和技术创新等途径来降低空气污染。部分学者则认为低碳城市政策具有减排效果。Yangbowen等、张华运用双重差分法对低碳政策效果进行评估，研究结果表明低碳政策具有减排效果，并有利于促进实施省份的经济发展，试点城市的碳排放量相比于非试点城市有所下降，碳排放水平显著降低。董梅则采用合成控制法对24个低碳试点城市的工业污染物净排放效应进行分析，结果显示各个城市的工业废水、废气、固体废物排放强度均有显著下降。

综上所述，现有研究已取得了丰富的成果，但仍存在完善的空间。一方面，当前从绿色发展角度对低碳城市政策评估的文献相对匮乏；另一方面，多数学者采用标准双重差分法对同一批次的城市进行研究，不易识别政策实施的动态过程。因此，文章基于三次低碳城市试点提供的准自然实验，采用多时点双重差分法从经济和环境两个维度考察低碳城市政策的绿色发展效应。对比已有文献，本文可能存在的边际贡献在于：(1)将低碳城市政策看作一项准自然实验，采用多时点双重差分模型，从绿色发展的角度出发，将绿色发展效应分为经济效应和环境效应，更加全面的评估低碳城市政策实施带来的绿色发展效应。(2)将低碳城市政策分三阶段进行动态效果分析，使研究结论更加丰富。(3)从城市异质性视角对低碳城市政策效果进行分析，能够对试点城市建设工作提供针对性建议，并为非试点城市提供低碳城市建设经验。

三、研究设计

(一)双重差分模型

双重差分方法广泛应用于对某一项政策效果的评估。该方法能最大程度地解决遗漏变量带来的内生性问题，降低时间效应和个体效应对政策评估结果的影响。本文将2010年开始实施的低碳城市政策看作一项准自然实验，将绿色发展效应分为经济效应与环境效应，采用多时点双重差分法验证低碳城市政策的绿色发展效应。双重差分回归模型设定为如下形式：

=+++×++++

(1)

式中，表示城市；表示时间；为绿色发展效应，分别以绿色全要素生产率的增长率和二氧化碳排放强度表示；为政策虚拟变量，=1则表示该城市受到政策冲击，为试验组，=0则表示该城市未受到政策冲击，为对照组；为时间虚拟变量，=1则表示为政策冲击后，=0则表示为政策冲击前；×为低碳城市政策与政策实施时间两者的交互项；为两次差分后的估计量，即低碳城市政策的绿色发展效应。为控制变量，为城市固定效应，为时间固定效应，为随机扰动项。

(二)变量选取与数据说明

1.

本文选取绿色全要素生产率的增长率为经济效应被解释变量。借鉴余奕杉和卫平的计算方法，采用非期望产出-超效率SBM模型和全局参比的GML指数法，在规模不变(CRS)的条件下使用MAXDEA7Ultra软件测算281个城市历年的绿色全要素生产率的增长率(以下简称绿色生产率)。投入产出指标及说明如表2所示。选取二氧化碳排放强度作为环境效应被解释变量，碳排放强度则由城市二氧化碳排放总量与实际地区生产总值的比值得出。核心解释变量为政策虚拟变量和时间虚拟变量的交互项，即=×。本文样本包含三个批次的试点方案，考虑到政策实施效果具有滞后性且第一批与第二批低碳城市政策实施时间仅差两年，因此将前两批低碳试点开始实施的年份设定为2012年，将第三批低碳试点开始实施的年份设定为2017年。

表2 投入产出表

2.

从经济效应方面来看，本文借鉴刘赢时等的研究，选取以下五个控制变量：(1)对外开放水平()：以城市实际使用外资金额(采用中间汇率换算的金额)占地区生产总值的比重衡量。(2)交通设施()：以年末实有城市道路面积来衡量。(3)城镇化水平()：以城市年末非农业总人口占城市总人口的比重衡量。(4)人力资本水平()：以城市普通高等学校在校学生人数占城市年末总人口数的比重衡量。(5)政府支持程度()：以城市地方财政一般预算内支出占地区生产总值的比重衡量。

从环境效应方面来看，选取以下五个控制变量：(1)能源强度()：以各城市消耗的能源总量与实际城市GDP的比值来衡量。(2)产业结构()：以城市第二产业与地区生产总值的比值来衡量。(3)人均国内生产总值()：以城市生产总值与城市总人口的比值来衡量。(4)研发强度()：以城市R&D内部经费支出占GDP的比重衡量。(5)城镇化水平()：以城市年末非农业总人口与总人口的比值来衡量。

以上变量数据来自《中国城市统计年鉴》《中国区域统计年鉴》《中国能源统计年鉴》，各城市统计年鉴及国民经济和社会发展统计公报等。为保证样本数据完整性，本文剔除了数据严重缺失的巢湖、毕节、铜仁、三沙、儋州、海东、济源、金昌、河池、日喀则、昌都、林芝、山南、那曲、吐鲁番、哈密等地区数据，最终选择2003—2019年中国281个地级及以上城市，部分缺失数据采用插值法进行补充。各变量的描述性统计分析情况见表3和表4。

表3 经济效应各变量描述性统计分析

表4 环境效应各变量描述性统计分析

四、实证结果与分析

(一)平行趋势检验

运用双重差分模型进行检验的一个重要前提是需要满足政策实施前实验组与对照组在时间上具有共同的变动趋势，即满足平行趋势假设。具体来说，在低碳城市政策实施前，实验组与对照组在绿色生产率和二氧化碳排放强度上应该具有相同的变化趋势，即两变量在政策实施前不存在明显差异性。

为了验证双重差分模型是否适用，在回归模型(1)的基础上加入了政策实施前各时点虚拟变量与低碳城市实验组和对照组虚拟变量的交互项，绘制了如图1和图2的系数走势图。由图1可知，在低碳城市政策实施前的时间段里，系数值在0值附近徘徊，可以说明实验组和对照组城市绿色生产率的变动趋势并无明显差异。但在政策实施后，其系数值大部分较为显著，且在波动中增长，表明低碳城市政策是引起试点城市和非试点城市绿色生产率变化趋势不一致的重要原因，即低碳城市政策显著促进了城市绿色生产率增长。由图2可知，在低碳城市政策实施前，系数值在0值附近徘徊，说明实验组和对照组的城市碳排放强度变化趋势不存在显著性差异。由于本文考虑到政策效果的滞后性，且考虑到第一批试点与第二批试点政策实施时间的紧凑性而实际选取的政策冲击时间为2012年，从平行趋势图中可以看出，二氧化碳排放强度在2010年后明显下降，表明政策实施后的第一年就存在一定的冲击性，政策时效性强。在政策冲击后，系数值持续下降，说明政策实施的负向驱动效果明显，即低碳城市政策显著降低了城市碳排放强度。但是这种增降幅度差异是否确实由低碳城市政策导致的，还需通过实证模型进一步检验。

图1 经济效应平行趋势检验图

图2 环境效应平行趋势检验图

(二)实证分析

低碳城市的绿色发展效应回归结果如表5所示，模型(1)和模型(3)为不加入控制变量的回归结果，模型(2)和模型(4)为加入控制变量的回归结果，所有模型均控制了时间固定效应和城市固定效应。从模型(1)～(4)的回归结果来看，无论是否加入控制变量，核心解释变量的系数均在1%的显著性水平上显著。低碳城市政策显著提升了城市绿色生产率，降低了城市碳排放强度，说明低碳城市政策产生了正的绿色发展效应，能显著促进城市绿色发展水平。低碳试点城市在中央和地方政府的共同监督和支持下，可通过降低能源强度、调整产业结构、加大低碳技术创新研发投入、鼓励低碳出行方式等途径促进城市绿色发展，充分发挥政策效应，激发内生动力和活力。本文结论与臧传琴和孙鹏、张华等以前两批试点城市为研究对象检验的结果相似，但与两位学者的研究不同之处在于，本文选取2003—2019年城市面板数据，将2017年新获批的试点城市加入模型中，并采用多时点双重差分对政策效果进行动态性评估，使估计结果更加全面。

表5 基本回归结果

从经济效应的回归结果来看，外商直接投资在10%的显著性水平上显著为负，说明外商直接投资对城市绿色生产率的提高没有积极作用。虽然外商直接投资可以引进国外先进技术，但大量的外商直接投资多投资于高污染行业，反而增加了污染物的排放，进而降低城市绿色生产率。城镇化率在10%的显著性水平上显著为负，表明城镇化率的提高抑制城市绿色生产率的提升，在一定程度上影响地方经济发展。

从环境效应的回归结果来看，能源强度与城市二氧化碳排放强度存在正相关关系，说明能源的使用在一定程度上促进了城市废气排放，增加二氧化碳排放量。尤其是资源禀赋丰富的城市，其煤炭、石油、电力等能源的消耗加剧了城市碳排放。其次，产业结构与城市碳排放强度呈现出正相关关系，说明第二产业占地区生产总值比重越大，城市二氧化碳排放强度越高，因此降低第二产业比重能够更好地促进碳排放强度的下降。从研发强度来看，研发强度与碳排放强度呈负相关关系，说明城市在研发方面投入的费用越多，则该城市的碳排放强度越低。显然，研发促进了技术创新，在一定程度上能减少二氧化碳排放量或提高城市生产总值，进而降低城市碳排放强度。城镇化水平体现出人口因素对于城市碳排放强度的影响，与能源强度等因素相比，其并不是影响城市碳排放的主要因素。最后，人均地区生产总值对城市碳排放具有负向影响，表明我国低碳经济发展趋势较好，在经济发展的同时，碳排放强度也降低了。

(三)稳健性检验

1.PSM-DID

考虑到低碳城市试点的选择并非具有随机性，且为进一步提高基准回归结果的准确性，采用PSM-DID来研究低碳城市政策的绿色发展效应。倾向得分匹配-双重差分法分为三步：首先，采用logit模型分别对经济效应模型中的对外开放水平、交通设施、城镇化水平、人力资本水平、政府支持程度五个协变量和环境效应模型中的能源强度、产业结构、人均地区生产总值、R&D经费占比、城镇化水平五个协变量进行匹配得分估计，找到与实验组无明显差异的对照组，并采用近邻匹配方法确定权重，施加共同支持条件，最终得出与实验组城市相匹配的对照组城市。然后，对匹配后的试验组与对照组进行平衡性检验，若匹配后的协变量不存在显著差异，则说明匹配成功。最后，将匹配成功的实验组与对照组进行双重差分回归。PSM平衡性检验结果如表6所示，各匹配变量的标准化偏差如图3和图4所示。从表6中可以看出，各协变量的t值在匹配后均变得不显著，说明匹配后的实验组与对照组无明显差异。从图中可以直观看出，匹配前后各变量的标准差差异显著减小，并处于共同支持范围内。因此，绿色发展效应模型的PSM平衡性检验结果符合双重差分模型的共同趋势假设前提，可以进一步进行DID检验。

图3 经济效应各匹配变量的标准化偏差图

图4 环境效应各匹配变量的标准化偏差

表6 PSM平衡性检验结果

PSM-DID模型检验结果如表7所示。无论是否加入控制变量，核心解释变量DID的系数均在1%的水平上显著，表明低碳城市政策对提高城市绿色生产率和降低城市二氧化碳排放强度具有显著促进作用，与上文基准回归结果一致，进一步肯定低碳城市政策能显著促进城市绿色发展的结论。

表7 PSM-DID模型检验

2.

表8 其他稳健性检验

(四)低碳城市政策的动态效果检验

低碳城市政策的实施可以分为三个阶段，分别是2010年7月选定的天津市等8个城市、2012年4月选定的“8+25”个城市，以及2017年1月选定的“8+25+34”个城市。本文设置第一阶段的核心解释变量为，政策执行区间为2010—2011年；设置第二阶段的核心解释变量为，政策执行区间为2012—2016年；设置第三阶段的核心解释变量为，政策执行区间为2017—2019年。三个阶段低碳城市政策的效果差异回归结果如表9所示。

表9 三个阶段低碳城市政策的效果差异

从表9可以看出，对经济效应而言，第一阶段和第二阶段的绿色生产率提升效果并不明显，实验组和对照组之间并没有显著差异，而在第三阶段上绿色生产率提升效果变得显著，绿色生产率提升了1.357 1个单位。该结论表明低碳城市政策的经济效应在三个试验阶段后才整体显现，说明继续扩大低碳城市试点范围有助于实现全国整体经济高质量发展；对环境效应而言，第一阶段和第三阶段政策对二氧化碳排放强度的下降效果并不明显，而第二阶段的下降效果较明显，即三阶段政策效果呈现出从无到有再到无的特征。第一阶段至第二阶段，随着试点城市范围的扩大，成效逐渐明显，而第二阶段至第三阶段，随着试点城市的扩大，效果反而不明显。其中的原因可能在于第三阶段低碳城市政策实施中存在“搭便车”行为，只是个别城市的二氧化碳排放强度的降低，不能拉动整体行为，也可能是第三批试点城市于2017年推行，样本期最终为2019年，评估期仅为两年，政策效果还未完全显现。一方面说明低碳城市政策的有效实施需要严格的制度把控，促使所有试点城市共同发力，实现碳减排目标；另一方面，有必要持续关注低碳试点城市碳减排情况，以便科学评估第三批试点城市的政策执行情况。从三个阶段低碳城市政策的效果差异回归结果可以看出，无论是实现经济的高质量发展还是降低碳排放强度，由“点”及“面”的扩大低碳城市试点范围，加大低碳城市建设力度，增强各级政府联合建设的能力是促进城市整体绿色发展，提升绿色发展水平的重要途径。

五、城市异质性检验

(一)区域异质性分析

为验证低碳城市政策实施的区域异质性效果差异，本文将281个城市划分为东部、中部、西部三大区域。回归结果如表10所示，结果显示低碳城市政策对东部地区的绿色发展效应明显，对中部和西部地区的绿色发展效应不明显。原因可能是：(1)东部地区存在的先天地理优势，无论是经济发展基础、科技水平还是资源禀赋都比中西部地区更具发展优势，因此东部地区能优先从低碳城市政策的实施中获益，促进其经济高质量发展。(2)东部地区高新技术产业与服务业的快速发展使该地区的碳排放强度不断降低，而中、西部地区资源匮乏，是东部地区重污染产业转移的主要地区，重污染产业的发展使中、西部地区的碳排放强度不断升高，减排难度大，导致低碳城市政策难以发挥减排效果。

表10 区域异质性检验结果

(二)规模异质性分析

表11 规模异质性检验结果

(三)行政等级异质性分析

表12 行政等级异质性检验结果

(四)创新水平异质性

为验证不同创新水平的城市绿色发展水平受政策的影响程度，采用北京大学企业大数据研究中心编制的中国区域创新创业指数(IRIEC)衡量城市创新水平，按照年度均值将样本分为高创新水平城市和低创新水平城市两部分并进行DID回归分析，回归结果如表13所示。结果显示，低碳城市政策对高创新水平城市的绿色发展具有显著的促进作用，对低创新水平城市的绿色发展没有显著促进作用。可能有以下两个原因：一是高创新水平城市创新能力强，拥有先进的生产技术，低碳城市政策的实施并不会影响其绿色生产率的提升，而低创新水平城市创新能力较差，受低碳政策影响较大，从而影响城市绿色生产率的提升。二是创新水平高的城市多数为直辖市、省会城市，其自身技术创新优势更有利于发挥低碳政策的降碳效应，而创新指数低的城市创新人才紧缺，资源匮乏，创新能力较弱很难落实低碳政策，实现降碳目的。

表13 创新水平异质性检验结果

六、研究结论与政策建议

(一)研究结论

本文将低碳城市政策作为一项准自然实验，基于2003—2019年城市面板数据，采用多时点双重差分模型评估低碳城市政策的绿色发展效应。研究发现：

第一，低碳城市政策显著提升了城市绿色生产率并同时降低了城市碳排放强度，这一结果经过PSM-DID检验、剔除直辖市样本和缩短样本时间跨度等稳健性检验后依然成立，表明低碳城市政策的实施显著提升了城市绿色发展水平。

第二，从政策的动态效果看，对经济效应而言，当试点城市从第一批的8个城市扩大到第三批67个城市后，低碳城市政策的经济效应才显现出来，继续扩大试点范围有利于释放政策的经济效应；对环境效应而言，随着试点城市范围的扩大，政策效果从明显转为不明显，说明政策实施中部分城市存在“搭便车”行为。

第三，低碳城市政策的实施对绿色发展水平的提升作用存在异质性。这主要体现在:分地区异质，对比中西部地区，东部地区的城市绿色发展水平有显著提升;分城市规模异质，对比超大城市，大城市和特大城市对城市绿色发展水平的影响更为显著；分城市行政等级异质，行政等级高的城市，政策实施的经济效应较明显，环境效应不明显；而行政等级低的城市，低碳政策实施的经济效应不明显，环境效应较明显；分城市创新能力异质，对比低创新指数城市，高创新指数城市对绿色发展水平的影响更显著。

(二)政策建议

为进一步推进低碳城市建设，提升绿色发展水平，基于以上研究结论，提出以下政策建议：

第一，在“双碳”约束下，由“点”及“面”地推进非试点城市进入低碳试点城市建设中。低碳城市政策的实施能够提升试点城市绿色发展水平，对实现环境保护和经济高质量发展的“双赢”格局具有积极作用。因此政府应该进一步扩大试点城市范围，加大该政策的推行力度。

第二，低碳城市政策实施中应进一步加强政府监管力度。通过对低碳城市政策动态效果分析，可以看出部分低碳城市在碳减排过程中存在“搭便车”现象，同时低碳城市政策具有弱环境规制性，因此政府部门应采取更为严格的监管措施，密切监督试点城市碳减排执行情况，以保证低碳城市政策得以落实。

第三，因地制宜的推进低碳城市建设。政府应加大对中西部地区、超大规模城市和低行政等级城市的低碳建设扶持力度，加大绿色低碳技术的研发投入，以创新驱动引领城市绿色发展，从而保障“双碳”目标的实现。