吴逸潇
(福建师范大学 经济学院,福州 350007)
当前,气候变化给人类的生存和发展带来巨大的影响,成为各国共同面临的挑战,因此有效应对气候变化是中国实现经济发展转型及经济结构调整的重要机遇。在加快工业化和城镇化发展过程中,为有效控制温室气体排放,应对气候变化,促进经济发展,改善民生,实现绿色发展,我国提出了低碳试点政策。自2010年起,国家发展改革委先后启动了三批低碳试点城市,共计81个,这些试点城市的探索激发了各方积极性,有效积累了不同地区的经验,推进了我国绿色低碳发展迈上新台阶。
低碳城市试点政策的影响效应已成为相关研究领域广泛关注的焦点,已有多位学者关注该政策对碳减排和能源消耗的影响。张华通过双重差分法评估低碳城市建设对碳排放的影响,发现试点城市碳排放量相对于非试点城市显著下降1.05%[1]。董梅和李存芳基于2000—2017年中国26个省区的面板数据,从人均碳排放和碳强度两方面对6个省区低碳试点政策产生的净碳减排效应进行了分析和评价[2]。胡求光和马劲韬从创新价值链的角度出发,研究了低碳试点政策在不同阶段对绿色技术创新效率的影响[4]。张永庆和杜卓琴研究发现,低碳试点政策对全要素生产率的提升效应由东向西呈递减趋势,且对大型城市全要素生产率的提升具有显著贡献[5]。相关领域的研究还关注低碳试点政策与“双碳”目标的互动,探究低碳试点政策实施效果的主要影响机制建设与完善,探究不同地区低碳试点政策的实践方案,以充分发挥“双碳”目标下低碳城市建设对城市高质量发展的促进作用。低碳试点政策对城市生态效率的影响也是研究的重点之一。
为达成“双碳”目标,需完善绿色低碳政策体系,实施有效的正负激励机制,推动绿色低碳发展,促进生态领域政策体系的绿色化和低碳化。生态效率是衡量低碳政策效果的重要指标之一,反映了生态投入与社会经济产出或效益之比。在当前经济高质量发展、实现“双碳”目标等多重背景下,评估低碳试点政策的效应不能只考虑环境因素,还应加入生态效率这一反映城市经济高质量发展的指标。本研究旨在探讨低碳试点政策对我国城市生态效率的影响,以及在城市经济高质量发展过程中低碳试点政策产生的效应。本研究使用政策评价工具中的新颖方法,采集2006—2019年中国280个地级市的城市面板数据集,通过多批次、多数量的政策试点实证低碳试点政策对城市生态效率的影响,深入探讨不同视角下的异质性,致力于完善我国城市低碳试点政策绩效评估体系,为制定实现经济增长和生态环境保护相协调的政策提供实证支持。
本研究的研究框架主要包括:构建低碳试点政策对城市生态效率增长效应的理论分析框架;使用超效率生态效率模型测度城市生态效率;采用渐进双重差分法测定该政策对城市生态效率的影响效应;采用PSM-DID及事件动态研究法保证结果实证性;探讨地区政策影响效应的差异性、不同环境质量对政策影响效应作用的出入及信息化异质性带来的影响。
本研究运用渐进双重差分模型探究低碳试点政策对城市生态效率的影响效应与机理。回归模型的设置如下:
ECOit=π0+π1Policyit+δXit+μit+γit+εit
(1)
其中,被解释变量ECOit指城市i在第t年的生态效率。核心解释变量Policyit作为哑变量,反映了城市i在第t年是否实施了低碳试点政策,若城市i在第t年实施了该政策,则取值为1,反之为0[6]。μit和γit分别表示城市固定效应和年份固定效应。εit是其他扰动项。π1反映了低碳试点政策对城市生态效率的作用效果,是双重差分回归结果的估计度量。Xit表示在第t年影响城市i生态效率的系列控制变量。
1.2.1 被解释变量
被解释变量是生态效率。DEA法中非期望产出超效率生态效率模型是度量城市生态效率的重要工具,具体的指标体系如表1所示。在投入端,输入2006年的数据,运用永续盘存法对固定资产存量进行核算。在此基础上,运用Malmqu产业结构t指数法分析2006—2019年我国280个地级市的生态效率。
表1 描述性统计结果
1.2.2 解释变量
解释变量是低碳试点政策实施。此次城市低碳试点政策分2010年、2012年及2017年3个批次先后实施,只要城市成为政策试点城市,就在相应年份后取值为1,反之为0。
1.2.3 控制变量
为确保研究的准确性和实证性,在试点政策实证模型中引入以下控制变量:经济发展水平、产业结构、政府作用及城市化程度。其中,经济发展水平反映了城市的整体经济状况,产业结构反映了城市产业转型的进程,政府作用在技术创新与生态效率提高中具有宏观调控作用,城市化程度反映了城市发展的进程。用城市年度生产总值对数、产业结构高级化指数、政府科研投入及年末城镇人口占城市总人口比重来衡量这些控制变量,变量的描述性统计结果见表1。需注意的是,由于实际经济、政策及人为因素的复杂性,模型测度结果与实际情况可能存在出入。
280个地级市的原始指标数据来自《中国城市统计年鉴》《中国区域统计年鉴》《中国能源年鉴》《中国环境年鉴》、国家统计局官网、EMA数据官网、各商业性数据库等,年鉴中的缺失值采用几何增长率差值补齐。由于专利申请数量回归系数极大,本研究对其做原来1‰的处理以使系数正常化,其显著性未受影响。
本研究采用多时点双重差分模型分析低碳试点政策对城市生态效率及空气质量的影响。计算得出的基准回归结果表明,低碳试点政策对提高城市生态效率和改善空气质量均有显著作用。在试点城市中,政策的交互项“政策实施”的回归系数显著,表明低碳城市试点政策的实施对空气质量具有显著的改善效应。
具体而言,针对首批实施低碳试点政策的城市,数据分析结果表明,政策实施后,PM10平均降低了9.8%,API平均降低了6.8%。低碳试点政策通过减少企业排污、推动产业结构转型升级、提高生态效率等措施实现了政策设计初衷,降低了单位经济产出的能源消耗量,提高了能源利用效率。低碳城市建设的资金投入远小于其经济收益,实现了经济效益和社会效益的良性互动。详见表2。
表2 基准回归分析结果
采用双差分偏好评分标准中的PSM-DID算法验证本研究提出的基于双差分法的评估结果是否与实际情况相符。采用二元选择模型及概率模型对各低碳试点城市进行倾向评分,比较样本点与控制组的差异,利用得到的优先级顺序确定低碳试点城市施策的概率,实验结果表明该算法有效。根据计算得到的偏好分数进行匹配,将结果最优的控制组与实验组城市配对。通过判断渐进双重差分法的回归结果,解读低碳试点政策在配对后对生态效率的影响。详见表3。
表3 低碳试点政策影响要素回归系数
将我国分为东部、中部、西部三大地区,对每个地区的城市控制组与对照组分别做剔除控制变量与加入控制变量的基准回归推演。
由表4可知,不同地区城市实施低碳试点政策的效果存在差异,资源禀赋的不同对低碳试点城市的绿色增长产生了影响。东部地区试点城市的政策回归系数显著,表明低碳试点政策对该地区城市生态效率的提升作用极强。中部地区政策回归系数显著,说明低碳试点政策有助于该地区城市生态效率的提升。
表4 地区异质性检验结果
低碳试点政策实施效果本身就可能依赖于试点小组所处环境的质量[7],即低碳试点政策极有可能在环境质量较差、污染排放量较大的区域起到较好的效果。由表5可知,低碳试点政策对城市生态效率的影响与环境质量状况紧密相关。在环境质量较好地区,低碳试点政策提升城市生态效率的效果不显著;在环境质量较差地区,低碳试点政策产生了显著影响。环境质量较差地区的政策回归结果系数为0.036,且在1%水平上显著,说明实施低碳试点政策的地级市较未施策城市的生态效率相对提升了3.6%,低碳试点政策在环境质量较差城市产生极强的政策影响效应。
表5 环境质量异质性检验结果
本研究采用多时点双重差分模型分析低碳试点政策对城市生态效率和空气质量的影响,发现该政策对改善空气质量与提高城市生态效率均具有显著作用,首批实施低碳试点政策城市的数据分析表明施策可显著降低PM10值和API值。不同地区城市实施低碳试点政策的效果存在差异,环境质量差的试点城市施策效果显著。低碳城市建设的资金投入远小于其经济收益,实现了经济效益和社会效益的良性互动。基于以上结论有如下两点启示。
要推动产学研结合,为低碳技术创新提供人才保障。政府应建立完善的人才引进机制,加大对高端人才的政策优惠力度,支持产业界与高校、科研机构共同构建低碳技术创新研发中心,建立激励机制,鼓励基础研究,搭建知识共享平台,降低低碳创新成本,提高其创新效率。要构建良好的技术创新资金保障体系和监测体系,采用多元化的投资主体和政策手段,引导资金流向有助于低碳发展的技术研究领域。
要针对各城市实际情况因地制宜制定适合当地需求的低碳发展政策措施。考虑到地区发展水平和环境质量差异,前期可向东部地区及环境质量较差的城市倾斜资源,提炼有效方案,为中西部地区试点提供经验。要充分考虑全要素差异,构建低碳试点政策实施体系,通过提高技术创新水平提升城市的生态效率。要加强监督和立法保障,促进低碳试点政策的高质量实施。低碳试点政策本身的约束性较弱,故需加快建立奖惩机制,为遵守政策的企事业单位提供税收优惠和补助,监督、告诫违反政策的不良主体,必要时从法律层面保障低碳试点政策的贯彻和推广,克服其弱约束性及其他不利因素。