创新型城市绿色发展：效率测算、外部性与提升路径

张杰 范雨婷

摘要 绿色发展是新发展理念的重要方面，创新是驱动绿色发展的重要支撑。该研究基于2006—2019年共277座城市的面板数据，采用EBM?GLM模型计算绿色全要素生产率，并将其分解为绿色技术进步和绿色技术效率，运用多时期双重差分模型检验创新型试点城市政策能够促进绿色发展。进一步从城市网络外部性视角，运用空间双重差分（SDID）模型分析创新型城市试点政策对城市绿色发展的溢出效应，并探究创新型城市试点政策对城市减排降污、促进绿色发展的作用机制。研究结果表明：①创新型城市试点建设能够显著提高城市绿色发展水平，降低污染排放量。②进一步地，创新型城市建设能显著促进城市绿色技术进步，而对城市绿色技术效率的促进作用并不显著。③由于城市网络外部性的存在，创新型试点城市建设会对邻近城市的绿色发展水平产生负向的溢出效应。更进一步地，在城市网络外部性的影响下，这种负向溢出效应主要作用于邻近城市的绿色技术进步上，对邻近城市绿色技术效率的溢出效应不显著。④创新型试点城市建设通过提高科技水平、提升财政支持力度以及推动产业结构升级显著提升城市绿色发展水平。推动创新型城市绿色发展，应重视城市网络外部性的作用，加强不同的绿色发展传导路径的协调，构建创新型城市绿色发展体系。

关键词 创新型城市；城市网络外部性；绿色全要素生产率；EBM?GLM模型；空间DID模型

中图分类号 F062. 1；X321 文献标志码 A 文章编号 1002-2104（2023）02-0102-11 DOI：10. 12062/cpre. 20220616

长期以来，单纯追求GDP增速造成了中国经济的粗放式增长和与之而来的环境污染问题［1-2］。近年来，环境规制政策的不断出台，中国环境质量有所改观。截至2020年底，全国337个城市中，有202个城市环境空气质量达标，达标率为59. 9%，同比增长13. 3%。但相比于其他国家，中国生态环境质量的提升仍面临较大压力。根据耶鲁大学、哥伦比亚大学和世界经济论坛等机构联合发布的《环境绩效指数报告》（2018年），在180个国家中，中国的空气质量排名位列倒数第4位。同年，瑞士空气净化信息科技公司IQ Air根据全球各国官方数据发布《2018年全球空气质量报告》，数据显示在空气污染最严重的100 座城市中，中国57 座（该研究中未包含港澳台和西藏），其中，全球PM2. 5污染指数排名中，中国位于倒数第12位。2020年中国碳排放总量为102. 51亿t，同比增长0. 08%。碳排放量等指标仍呈缓慢增长的趋势，“双碳”目标的实现仍面临较大挑战。可见，尽管近些年环境规制等政策取得了效果，中国经济仍需培育可持续的、高质量的发展动力。

2017年，党的十九大首次提出“中国经济由高速增长阶段转向高质量发展阶段”，并指出“建立健全绿色低碳循环发展的经济体系”的方向。有效提升绿色发展水平，实现中国经济高质量发展，其根本要义是提高创新能力。城市是创新活动的基本空间载体。在中国的创新发展体系中，城市是不可忽视的单元。为了释放城市的创新能力和经济活力，早在2008年，科技部和发展改革委就公布了深圳为首座创新型试点城市。随后，为进一步推进创新型试点城市建设（简称“创新型城市”），科技部和发展改革委先后发布了《科学技术部关于进一步推进创新型城市试点工作的指导意见》和《创新型城市建设监测评价指标（试行）》，审批通過了36座城市为新一批创新型城市，开始进行大规模试点。随后的几年中陆续审批通过了近40座城市为创新型城市。截至2022年1月，中国创新型城市的数量已达103座。创新型城市建设成为实施创新驱动发展战略、促进经济高质量发展的重要抓手。

由于创新型城市建设过程中，吸引大量的科技、财政等要素，促进产业结构调整，具有降低单位产出成本、刺激经济增长的效应。但随着资源的聚集和要素的大量投入，产品生产耗能也随之加大。创新型城市的环境保护效应还未可知。因此，创新型城市建设能否促进经济绿色发展？如果能，其影响路径又是什么？该研究对以上问题进行实证检验。

1 文献综述与研究假设

1. 1 文献综述

创新型城市政策是一项具有中国特色的促进城市发展和区域创新的严格执行的国家级政策。创新驱动绿色发展是习近平生态文明思想的重要组成部分［3］。从理论上来说，创新对城市绿色发展的作用具有两种相反的效应。一方面，创新具有成本效应［4］，能够通过研发新产品和新技术，减少自然资源损耗，降低生态环境的压力。同时创新也具有竞争效应和倒逼效应［5］。环境规制政策对环境要求的提高能够激发企业产品的绿色化，倒逼企业寻求绿色技术创新来提高市场竞争优势，进而促进城市绿色发展［12］。已有实证研究中，作为提高城市创新水平的创新型城市政策不仅能提高城市的创新水平［13-14］，也对提升绿色发展水平具有促进作用［15-16］，但在作用机制上具有不同的看法。已有研究认为创新型城市的创新能力提升［17］、产业结构优化［18］、技术创新［19］、结构效应和绿色技术效应等［20］，这些效应对经济欠发达地区城市环境质量提升有形响，对经济发达地区则存在“锦上添花”的效果。地区绿色发展水平的影响机制中，技术创新和资源依赖是主要的影响途径［20］。城市的技术创新对绿色发展的促进作用也具有明显的空间溢出效应。已有研究［21-22］利用空间计量模型分别从地级市和省级层面验证了技术创新对区域绿色发展的空间溢出作用。也有研究表明城市绿色发展对创新能力的提升也具有两种相反的效应。例如，有学者［23］研究了长三角城市群绿色发展对城市创新能力的影响，结果表明绿色发展和城市创新能力存在“U”型关系。尽管已有研究对创新型城市的政策效果作出了评估，大都集中在单纯的政策评估和机制分析上。但是，区域政策评估并不能抛开城市间的联系而默认城市间是独立的。此外，大都采用绿色全要素生产率（GTFP）直接分析，而绿色发展的定义范围较广，仅粗略地采用绿色全要素生产率并不能有效识别创新型城市促进城市绿色发展的源泉和路径。

该研究的边际贡献主要在于：第一，从城市网络外部性角度，将空间单元纳入政策评估的框架，利用SDID模型并在网络外部性视角下重新评估创新型城市和绿色发展效果，回应创新型城市绿色发展中的城市网络外部性问题的学术关切。第二，采用空间计量模型衡量创新型城市促进城市绿色发展的空间溢出作用，扩展城市创新研究视野。第三，采用EBM?GML模型测度绿色全要素生产率（GTFP）并分解为绿色技术效率和绿色技术进步，进一步分析创新型城市促进城市绿色发展细分路径和缘由，丰富城市创新和绿色发展的研究成果。

1. 2 研究假设

创新型城市对城市绿色发展的影响主要体现在以下三方面：第一，创新具有成本效应。新技术的运用节约了产品生产成本。大多产品的产业链并非仅存在城市内部，还包括了交通便利、距离较近或市场较近的其他城市。因此，创新所形成的这种成本节约效应还可能减少其他城市的能源消耗。第二，创新具有集聚效应。创新型城市通过政策支持投入大量的财政资金和优惠条件吸引人才和企业到本地集聚发展，生产要素的流动也容易受到其他城市影响。第三，创新型城市具有倒逼效应。创新型城市通过政策引导，明确特色优势和重点领域，能够充分突出和发挥城市比较优势，倒逼落后产业和错配產业的退出，提高资源配置效率，促进城市绿色发展。由于产业链各环节间的联系，企业进入的区位会选择在空间上具有比较优势的区域，从而主动或被动影响周边其他城市的绿色发展水平。基于以上理论分析，该研究提出如下假设。

H1：创新型城市建设能够推动本城市绿色发展。

H2：创新型城市建设具有空间效应，能够通过城市网络外部性影响周边城市的绿色发展水平。

该研究认为，创新型城市促进绿色发展的机制主要有三种路径。第一，技术效应。对于非创新驱动的城市来说，经济发展容易形成“高消耗资源-低价值产出”的因果循环，使非创新驱动的城市长期中形成了“路径依赖”，以至于城市发展方式被“锁定”［24］。相反，在环境规制的压力下，创新驱动的城市更有能力打破这种“路径依赖”和“锁定效应”。第二，财政效应。非创新驱动的城市容易产生资源消耗和环境污染的发展特征，需要政府实施区域导向性的创新政策进行引导。政府财政支持能够强化企业的主体作用，吸引科技人才流动和集聚。创新型城市财政效应的“高配置”能够进一步地提高资源配置效率，促进城市的绿色生产技术、环境保护和污染防治技术的提升和推广。第三，结构效应。一方面，大量的人力资本、科技创新企业等集聚促使科技含量较高、能源消耗较低的产品不断涌现并持续更新换代，推动初始产业结构调整和升级，促进全产业链绿色水平的提高。另一方面，对试点城市的具体考核指标，迫使地方政府优先将更多的财政资金投入到支持创新人才和企业上，也会倒逼落后产能退出和革新。

基于以上理论分析，该研究提出如下假设。

H3：创新型城市建设通过技术效应、财政效应和结构效应提高城市绿色发展水平。

2 研究设计

2. 1 实证模型的构建和空间溢出效应分解

双重差分模型是研究政策净效应的重要方法［25］，创新型试点城市的选择、设立的时间等在全国不同城市中存在明显差异，这使得在该政策的影响下，创新型试点城市与非试点城市的绿色发展水平也存在较大差异。因此，该研究将创新型试点城市作为一次准自然实验。创新型试点城市选择的非随机性会造成实验的选择性偏差，进而容易形成样本的内生性问题。解决选择性偏差造成的内生性问题较为典型的计量模型是双重差分法（DID）。由于创新型试点城市并非同一年份统一批准，因此该模型也称多期DID模型。对于多期的面板数据，模型设定为：

其中：Wij 为n ×n 维的空间权重矩阵，矩阵中的每一个元素表示地区i 和地区j 之间的联系。由于溢出效应的存在，创新型试点城市可能会对邻近城市产生影响，这种平均溢出效应由δ 来衡量。因此，在纳入空间溢出效应的情况下，实验组的政策效应为β1 +δWij，对照组的政策效应为δWij。由于权重矩阵Wij 标准化后行和为1，实验组的政策效应为β1 +δ，对照组的政策效应为δ。Wij Xit η 表示所定义的权重矩阵中邻近地区的控制变量对本地区绿色发展水平的影响。

2. 2 数据和变量说明

该研究使用2006—2019年277座城市的平衡面板数据进行实证分析。数据主要来自《中国城市统计年鉴》，其中的缺失值参考Wind数据库、EPS数据库以及各省份公布的统计年鉴、经济社会统计公报、各地市政府网站等进行搜集补充。对于极个别仍然缺失的数据采用插值法补齐，最终形成平衡面板数据。

2. 2. 1 被解释变量

被解释变量为城市绿色发展水平。该研究基于效率视角来衡量城市绿色发展水平，从投入产出的角度测度绿色全要素生产率（GTFP）来表征城市绿色发展水平。具体测度过程为：①采用Tone等［31］提出的EBM模型计算城市发展的环境效率，模型中包括环境的非期望产出。②利用GML指数将EBM模型的结果进行分解，得出绿色全要素生产率和其分解项的动态变动情况。其分解项主要包含两部分，分别为绿色技术效率指数（GEC）和绿色技术进步指数（GTC）。绿色技术效率指数是指由于政策和制度变更造成环境因素随之变化进而对资源配置效率造成的影响；绿色技术进步指数是指技术发展推动生产的前沿面外移［32］。参考童昀等［33］方法并根据数据特征构建绿色全要素生产率测算指标体系（表1）。

2. 2. 2 解释变量和控制变量

该研究的核心解释变量为模型中的DIDit。中国第一座创新型试点城市设立时间为2008年，故将2005—2007年作为创新型试点城市政策实验前的时间窗口，2008—2019年为实验期；被批准为创新型试点城市所组成的样本为实验组，其他城市则为对照组。在样本期内，被批准为创新型试点城市的地级市自被批准当年开始，被赋值为1，即DIDit = 1，被批准前DIDit = 0；其他非创新型试点城市的赋值均为0，即DIDit = 0。由于78座创新型试点城市中，昌吉和石河子数据严重缺乏，在样本中予以剔除，同时剔除部分数据不完整的未批准为创新型试点城市的样本。因此，该研究最终选取76座创新型试点城市样本作为实验组样本，201座城市为对照组样本。其他影响城市绿色发展水平的因素为该研究的控制变量，结合现有研究，该研究选取的控制变量主要包括：①经济发展水平（lnpgdp）。以人均GDP的自然对数作为城市经济发展水平的代理变量。②文明程度（lncult）。以城市年度教育支出的自然对数作为教育水平的代理变量。③环境规制（lnenvir）。以公共汽车载客量的自然对数作为环境规制的代理变量。

2. 2. 3 中介变量

该研究的中介变量分别是技术水平（lnsci）、地方财政（lnfina）和产业结构（lnindus）。其中，技术水平采用年度科学支出的自然对数作为代理变量；财政支出的自然对数作为地方财政的代理变量；第二产业增加值占产业增加值比重的自然对数作为产业结构的代理变量。

2. 2. 4 权重矩阵

该研究构建的空间权重矩阵Wit 为反地理距离矩阵和经济距离矩阵。反地理距离权重矩阵主要是根据城市i 和城市j 之间的欧几里得距离取倒数得到；经济距離矩阵衡量的是城市i 和城市j 之间的GDP差距。两种空间权重矩阵的对角线均为0。

表2为变量的描述性统计。

3 实证结果与稳健性检验

3. 1 平行趋势检验

经典双重差分法要求实验组和对照组在政策实施前满足平行趋势假设，在政策实施之前无显著差异，实施之后具有显著差异，亦即政策实施前回归系数不显著，实施后回归系数显著，以此来验证实验组和对照组在政策实施前后的变化趋势有无差异。该研究借鉴Beck等［34］的事件研究法，构建平行趋势检验模型，如式（3）：

其中：变量timeit上标n>0表示政策实施基期后n 年，n<0表示政策实施基期前n 年。图1为创新型试点城市实施前后的回归系数变动情况，横轴为正值代表政策实施之后，负值代表政策实施之前，0代表基期。图1显示，图形在基期处形成断点，断点前12 期为从2006—2018 年（实验组城市中最晚被批准为创新型试点城市的时间），回归系数在0周围波动并不显著。基期之后的11期（实验组城市中最早批准创新型城市的2008年到样本期内最晚批准创新型试点城市的2019年）的回归系数均显著。因此，样本满足平行趋势检验。在政策实施后第1期到第6期政策效果越来越明显，之后开始下降，政策实施后的第6期为政策效果的一个效果峰值。这说明，创新型试点城市政策效果经历了一个先变大后变小的过程。

3. 2 回归结果分析

3. 2. 1 基准回归（多时点DID）

该研究采用经典DID 模型估计结果作为基准回归结果（表3）。主要被解释变量绿色全要素生产率（GTFP）的分解变量绿色技术进步指数（GTC）的政策效应系数为正且显著，这说明创新型试点城市建设提高了城市绿色技术进步程度。但是模型（1）—模型（4）则存在较大的偏误，导致经典DID回归结果并不稳健。其原因有二：一是主要的被解释变量GTFP 的政策效应系数为正，表明创新型试点城市显著提高了城市的绿色发展水平，但是由于遗漏变量问题导致估计偏误。二是GTFP 的分解变量GEC（绿色技术效率指数）在模型（3）中不加入控制变量的情况下政策效应系数为负且不显著，在模型（4）中加入控制变量并采用个体和时间双固定效应的情况下，政策效应则为正，但不显著。这说明了遗漏变量偏误的存在导致经典DID回归结果并不准确。

3. 2. 2 基于城市网络外部性的SDID再估计

经典DID模型存在遗漏变量等问题造成回归结果并不稳健。根据前文分析，理论上城市之间的联系使城市绿色发展水平并非独立变化，某一个城市的绿色发展水平可能会受到城市网络中其他城市相关政策或经济行为的影响，因而需要采用考虑空间因素的双重差分空间杜宾模型。采用空间计量模型的前提是各城市间存在空间相关性。该研究采用MoransI 指数检验城市绿色发展水平是否存在空间效应（表4），2006—2012年的城市绿色发展水平基本不显著，2013—2019年城市绿色发展水平的MoransI 指数均显著，且总体上呈现逐年递增的趋势，基本可以说明城市绿色发展水平具有空间相关性［34］。该研究对2006—2012年全局MoransI 指数不显著的城市进一步分析了局部莫兰指数，结果显著，限于篇幅暂不展示。MoransI 指数计算公式详见文献［35］。

将反地理距离矩阵纳入双重差分空间杜宾模型中，回归结果见表5。可以看出SDID 模型回归结果基本一致，相比于经典DID回归结果更加稳健。因此，该研究基于SDID回归结果进行分析。创新型试点城市政策对GTFP的影响主要来源于两个方面。一是创新型试点城市政策对绿色发展水平存在正的直接效应。在模型（2）中政策虚拟变量DID 的系数显著为正，这说明创新型试点城市政策能够提高城市绿色发展水平。这也验证了该研究的第一个假设的合理性。

二是创新型试点城市政策对绿色发展水平存在负的溢出效应。模型（2）中政策虚拟变量的空间滞后项（W×DID）系数在5%的水平上显著为负。这说明，创新型试点城市政策对邻近城市的绿色发展水平存在“抑制”作用。究其原因，创新型试点城市周边往往围绕着几个非试点城市和其他创新型试点城市，而要素的流动并不是孤立的。由于城市网络外部性的存在，某一个城市创新能力的提升并不仅仅来源城市内部创新要素的优化配置，也能够通过创新人才引进、科技企业跨地区的产业链布局、跨地区研发投资等经济行为促进要素跨地区流动，并在试点城市形成要素累积和配置优化。在资源总量保持不变的一定时期内，这种流动将促使创新型试点城市对非试点城市的创新要素形成“虹吸”作用，提高本城市绿色发展水平的同时，减少邻近城市的要素增量，传统产业升级乏力，进而降低邻近城市的绿色发展水平。事实上，很多创新型试点城市重视人力资本和技术企业的引进，发起“抢人大战”和“招商大战”，例如，“零门槛落户”及家属随迁、人才公寓、租房购房补贴、创业补贴和优惠贷款等，在全国形成了人力资本和科技企业的城市博弈。这使得创新型试点城市政策对城市绿色发展水平负向的空间溢出效应更加突出。这也验证了该研究的第二个假设。

更进一步地，在创新型试点城市建设促进绿色发展的作用中，该试点政策主要促进了城市绿色技术进步，对城市绿色技术效率的提高并不显著。表5模型（6），创新型试点城市政策对绿色技术进步的影响主要体现在两方面：一是创新型试点政策对绿色技术进步正的直接效应。政策虚拟变量系数显著为正，说明创新型试点城市政策能够显著促进城市的绿色技术进步。究其原因，首先是创新型试点城市依靠科技创新驱动，能够提高处理污染环境的技术能力；其次，要符合创新型试点城市評价标准，就要淘汰落后产能，这对高污染低附加值的产业形成了“倒逼效应”，促进城市的绿色技术和治污能力提升和非期望产出减量；最后，近年来社会提倡创新型发展战略和生态文明的结合实现高质量发展，这为城市提供了更多的绿色创新机会和发展平台，推动城市绿色技术发展边界外延。二是创新型试点城市对绿色技术进步的负的溢出效应。模型（6）中政策虚拟变量的空间滞后项（W×DID）系数显著为负。这说明创新型试点城市对邻近城市的绿色技术进步有“抑制”作用。创新型试点城市对绿色技术效率的影响为正，其空间溢出效应为负，但并不显著。

3. 3 影响机制检验

创新型试点城市政策能够显著提高城市的绿色发展水平，在城市网络外部性的作用下，政策效应的空间溢出作用也更加明显。那么，该试点政策影响城市绿色发展水平的具体路径有哪些？该研究根据Zhao等［36］的研究，进一步构建中介效应模型分析政策作用机理，如式（3）—式（5）。

其中：（4）式中mit 为中介变量，因变量yit 为GTFP。GTFP的机制检验结果见表6，列（1）、列（3）、列（5）为公式（4）的估计结果。中介变量科技水平（lnsci）的政策虚拟变量的系数显著为正，中介变量地方财政支出（lnfina）的政策虚拟变量系数显著为正，中介变量产业结构（lnindus）的政策虚拟变量系数显著为负。这意味着，创新型试点城市建设能够显著提高城市的科学技术水平和城市财政支出，降低第二产业增加值占三次产业增加值的比重。创新型试点城市对科技发展水平、财政支出和第二产业占三次产业增加值比重均具有网络外部性特征。此外，本城市为创新型试点城市，也会提高地理邻近城市的科技发展水平，促使邻近城市财政支出增加，降低邻近地区的传统工业在总增加值中的占比，促进地区产业结构升级，为邻近地区创新发展提供支持。在列（2）、列（4）、列（6）的估计结果中，中介变量lnsci 和lnfina 的系数均显著为正，lnindus 的系数为负，这表明科技水平的提高和财政支出的增加、降低第二产业在三次产业中的比重能够有利于促进城市绿色发展。变量lnsci 和变量lnfina的空间项对GTFP 回归系数均为正，变量lnindus 的空间项对GTFP 的回归系数为负。这表明，在城市网络外部性的作用下，邻近城市科技水平的提高、财政支持的加大以及淘汰传统工业产业有利于提高本城市的绿色发展水平。根据回归结果计算可得，科技水平、财政支持和产业结构对城市绿色发展水平的中介效应为0. 002、0. 001和0. 006，中介效应占总效应的比重分别为11. 11%、6. 19%和19. 70%。进一步采用Sobel 检验和Bootstrap 检验，三个中介变量的Sobel检验统计量均显著，Bootstrap检验的置信区间均不包含0值，两个检验结果均可证实存在技术效应、财政效应以及结构效应的创新型城市绿色发展中介机制。综上，中介效应具有较强的稳健性，也进一步验证了假设二和假设三的合理性。

3. 4 稳健性检验

城市与城市之间的网络外部性不仅和地理距离有关，事实上，经济社会中各个城市之间基于经济联系的一体化正在模糊城市边界，某一座城市的政策效应可能会基于跨城市产业链、企业跨区域投资、产业转移等经济行为对与本创新型试点城市具有经济发展相似性或有经济联系城市的绿色发展水平产生影响。因此，该论文重新构建基于经济距离的空间权重矩阵，进一步检验在城市网络外部性的情况下创新型试点城市对城市绿色发展的影响（表7）。对比表5和表7的回归结果基本一致，再次证明了回归结果的稳健性。同时，前文提出的理论假设也再次得到验证。

4 结论与启示

城市绿色发展是貫彻和践行新发展理念的重要方面，提高城市绿色发展水平是推动绿色生态体系的重要一环。而创新是城市绿色发展的长久驱动力。该论文基于2006—2019年城市统计年鉴数据，将国家创新型试点城市作为一次准自然实验，从城市网络外部性视角，运用空间DID的方法评估创新型试点城市对城市绿色全要素生产率的影响，更进一步深入探究其内在的作用机制。

主要结论如下：①创新型试点城市建设能够显著提高城市绿色发展水平。②采用EBM?GLM模型对绿色全要素生产率分解，得出创新型试点城市建设能显著促进城市绿色技术进步，而对城市绿色技术效率的提升作用并不显著。经过平行趋势检验、空间相关性检验、更换地理空间矩阵等一系列稳健性检验后，上述结论仍成立。③由于城市网络外部性的存在，创新型试点城市建设会对邻近城市的绿色发展水平产生负向的溢出效应，更进一步地，这种负向溢出效应主要体现在邻近城市的绿色技术进步方面，对邻近城市绿色技术效率的溢出效应不显著。④创新型试点城市建设通过提高科技水平、提升财政支持力度以及推动产业结构升级显著提升城市绿色发展水平。

基于研究结论，对中国创新型试点城市建设和城市绿色发展的启示如下：①加大创新型试点城市的科技研发力度，引进科技型人才，促进研发要素在创新型试点城市的集聚和绿色技术研发，以此推动绿色科技进步。政府应进一步发挥创新型试点城市的创新潜力，扩展绿色技术外延面。②合理规划设立创新型试点城市，在东中西部均衡规划和扶持具有创新潜力的城市，促进区域创新协调、协同发展。为促进区域绿色发展协调性和一体性，中央政府应合理规划和布局创新型试点城市，促使试点城市在不同区域均能合理发挥政策红利，促进全国范围内形成创新驱动的绿色发展格局。③重视和激发非创新型试点城市的创新潜力，控制创新型试点城市实现绿色发展对临近非试点城市的负外部性，加大对非创新型试点城市的生态环境检测、保护和监督，进一步完善创新型试点城市考核指标和监督机制。地方政府提高本城市的创新能力和绿色技术水平的同时，不应将污染转移至邻近城市，促使城市真正实现高质量的绿色创新。④多渠道开拓试点城市促进绿色发展的路径，构建完备的城市绿色创新体系，全面发挥试点政策的绿色效应。引导和支持绿色技术研发，促进城市产业结构升级，加大财政在科技研发和人才吸引上的投入，引导城市既要遵循此发展机制，也要开拓新的推动城市绿色发展的路径，形成全面的创新和绿色发展体系。⑤高效利用城市财政支出，构建创新型城市绿色技术创新的多元化财政支出体系。一方面，财政支出向本地创新技术企业倾斜，尤其是处在技术攻关困境、“卡脖子”环节的半导体、芯片等环保制造企业。通过财政补贴、财政的科研资金专项、政府采购等方式，以本地企业的技术创新引导城市的绿色技术进步。另一方面，增加对高新技术行业的初创企业和中小微企业增加全社会资金支持，制定和落实城市企业绿色技术创新的税收优惠政策，以财政和税收不断激励市场主体朝着技术创新和绿色发展的方向迈进。⑥营造良好的城市绿色创新环境。首先，非创新型城市学习创新型城市的建设经验和教训，将符合考核标准的城市增加进创新型试点城市名单，对城市绿色创新环境的营造给予激励。其次，完善城市的知识产权保护制度和人才培养制度，为科技成果转化提供快车道。此外，完善交通、科研、教育、制造等基础设施建设，以打造便捷高效的城市制度环境、营商环境、市场环境来优化城市的绿色创新环境。其次，制定详细的考核标准和奖惩规则，对创新型城市定期考核，根据城市发展情况，定期考核绿色创新成果，对创新型城市名单进行动态调整，激励各城市积极留住专业技术人才、维护良好的绿色创新环境。⑦不同城市的发展状况不同，学习借鉴创新型城市绿色发展的经验的同时也要考虑自身的发展情况，一城一策，因地制宜。给予地方政府一定的政策自主性，结合本城市的产业结构、创新的技术基础、人力资本基础，选取符合客观经济规律的创新技术产业。对本城市具有相对基础和优势的创新产业提供优先发展的财政支持，以优势产业技术创新带动其他产业技术更新，进而脱离原有的高耗能、高污染的发展路径，夯实城市环境保护的产业基础，促进城市绿色发展水平的提高。

参考文献

［1］ ZHENG S Q，KAHN M E. A new era of pollution progress in urbanChina［J］. Journal of economic perspectives，2017，31（1）：71-92.

［2］ HE J X，LIU H M，SALVO A. Severe air pollution and labor productivity：evidence from industrial towns in China［J］. American eco?__nomic journal：applied economics，2019，11（1）：173-201.

［3］ 洪银兴，刘伟，高培勇，等．“习近平新时代中国特色社会主义经济思想”笔谈［J］. 中国社会科学， 2018（9）： 4-73.

［4］ 聂长飞，卢建新，冯苑，等. 创新型城市建设对绿色全要素生产率的影响［J］. 中国人口·资源与环境，2021，31（3）：117-127.

［5］ 郭丰，杨上广，柴泽阳. 创新型城市建设实现了企业创新的“增量提质”吗：来自中国工业企业的微观证据［J］. 产业经济研究，2021（3）：128-142.

［6］ 黄德春，刘志彪. 环境规制与企业自主创新：基于波特假设的企业竞争优势构建［J］. 中国工业经济，2006（3）：100-106.

［7］ 张成，陆旸，郭路，等. 环境规制强度和生产技术进步［J］. 经济研究，2011，46（2）：113-124.

［8］ 王杰，刘斌. 环境规制与企业全要素生产率：基于中国工业企业数据的经验分析［J］. 中国工业经济，2014（3）：44-56.

［9］刘浩华，陈秀玲，王雪峰. 城镇化与物流绿色全要素生产率的门槛效应研究［J］. 经济与管理评论，2020（2）：123-132.

［10］汪朝阳. 外资开放如何影响绿色全要素生产率［J］. 经济与管理评论，2021，37（1）：138-149.

［11］ 张华，魏晓平. 绿色悖论抑或倒逼减排：环境规制对碳排放影响的双重效应［J］. 中国人口·资源与环境，2014，24（9）：21-29.

［12］ 王旭，褚旭. 制造业企业绿色技术创新的同群效应研究：基于多层次情境的参照作用［J］. 南开管理评论，2022，25（2）：68-81.

［13］ 李政，刘丰硕. 创新型城市试点能否提升城市绿色创新水平［J］.社会科学研究，2021（4）：91-99.

［14］ 宋德勇，李超，李项佑. 创新型城市建设是否促进了绿色技术创新：基于地级市的经验证据［J］. 技术经济，2021，40（9）：26-33.

［15］ IBRAHIEM D M. Do technological innovations and financial developmentimprove environmental quality in Egypt［J］. Environmentalscience and pollution research international，2020，27（10）：10869-10881.

［16］ PAN X，AI B，LI C，et al. Dynamic relationship among environmentalregulation，technological innovation and energy efficiencybased on large scale provincial panel data in China［J］. Technologicalforecasting and social change，2019，144：428-435.

［17］ 丁焕峰，孙小哲，王露. 创新型城市试点改善了城市环境吗？［J］.产业经济研究，2021（2）：101-113.

［18］ 徐换歌，蒋硕亮. 国家创新型城市试点政策的效果以及空间溢出［J］. 科学学研究，2020，38（12）：2161-2170.

［19］ 郭俊华，周丹萍. 国家创新型城市政策对城市绿色发展绩效的影响：基于技术创新、资源依赖的中介作用［J］. 软科学，2021，35（10）：85-92.

［20］ 华岳，谭小清. 区位导向型创新政策与城市生态效率：来自中国创新型城市建设的证据［J］. 南京财经大学学报，2021（5）：76-85.

［21］ 吴新中，邓明亮. 技术创新、空间溢出与长江经济带工业绿色全要素生产率［J］. 科技进步与对策，2018，35（17）：50-58.

［22］ 郝淑双，朱喜安. 中国区域绿色发展水平影响因素的空间计量［J］.经济经纬，2019，36（1）：10-17.

［23］ 李光龙，江鑫. 绿色发展、人才集聚与城市创新力提升：基于长三角城市群的研究［J］. 安徽大学学报（哲学社会科学版），2020，44（3）：122-130.

［24］ JEDWAB R，KERBY E，A. History MORADI，path dependenceand development：evidence from colonial railways，settlers and citiesin Kenya［J］. The economic journal，2017，127（603）：1467-1494.

［25］ 张兵兵，胡榴榴. 城市环境立法能够提升企业出口国内附加值率吗：基于双重差分模型（DID）的实证研究［J］. 地理研究，2021，40（10）：2930-2948.

［26］ RUBIN D. Estimating causal effects of treatments in randomizedand nonrandomized studies［J］. Journal of educational psychology，1974，66：688-701.

［27］ 王金杰，盛玉雪. 社会治理与地方公共研发支出：基于空间倍差法的实证研究［J］. 南开经济研究，2020（1）：199-219.

［28］ KOLAK M， ANSELIN L. A spatial perspective on the econometricsof program evaluation［J］. International regional science review，2019， 43（02）： 128-153.

［29］ FERMAN B. Inference in differences?in?differences： how muchshould we trust in independent clusters？［R］. 2020.

［30］ LESAGE J P，PACE R K. Spatial econometric modeling of origindestinationflows［J］. Journal of regional science，2008，48（5）：941-967.

［31］ TONE K，TSUTSUI M. An epsilon?based measure of efficiency inDEA： a third pole of technical efficiency［J］. European journal ofoperational research，2010，207（3）：1554-1563.

［32］ 崔兴华，林明裕. FDI如何影响企业的绿色全要素生产率：基于Malmquist?Luenberger指数和PSM?DID的实证分析［J］. 经济管理，2019，41（3）：38-55.

［33］ 童昀，刘海猛，马勇，等. 中国旅游经济对城市绿色发展的影响及空间溢出效应［J］. 地理学报，2021，76（10）：2504-2521.

［34］ BECK T，LEVINE R，LEVKOV A. Big bad banks： the winnersand losers from bank deregulation in the United States［J］. Thejournal of finance，2010，65（5）：1637-1667.

［35］ 赵磊，方成，吴向明. 旅游发展、空间溢出与经济增长：来自中国的经验证据［J］. 旅游学刊，2014，29（5）：16-30.

［36］ ZHAO X S，LYNCH J G J，CHEN Q M. Reconsidering baron andkenny：myths and truths about mediation analysis［J］. Journal ofconsumer research，2010，37（2）：197-206.