资源型城市经济增长目标对碳排放效率的影响

边志强,钟顺昌

资源型城市经济增长目标对碳排放效率的影响

边志强,钟顺昌*

(山西财经大学资源型经济转型发展研究院,山西 太原 030006)

实现经济增长与碳减排双赢的关键在于提升碳排放效率.基于2006～2020年我国114个资源型城市的面板数据,在运用包含非期望产出的超效率SBM模型测度碳排放效率的基础上,考察了经济增长目标对碳排放效率的影响效应、内在机制及异质性表现.结果表明:考察期内,资源型城市碳排放效率呈现波动上升态势,且不同区域以及成长阶段分类视角下存在明显的异质性;基准回归表明,资源型城市经济增长目标提高会显著降低碳排放效率,且这一结论通过了克服内生性等的一系列稳健性检验;机制检验发现,抑制技术创新和强化资源依赖是资源型城市经济增长目标降低碳排放效率的两条基本路径;层层加码现象检验表明,不同层级的加码行为均会对资源型城市的碳排放效率产生明显的抑制作用;异质性分析显示,经济增长目标对碳排放效率的降低效应仅在中部、西部、成熟型、衰退型资源型城市以及2013年前或2015年前的样本中显著存在,且随着目标超额完成度的提高,上述负向影响越发明显.

经济增长目标；碳排放效率；资源型城市；超效率SBM模型；层层加码

资源型城市作为我国重要的能源资源战略保障基地,占据着我国城市总数的近40%,是国民经济健康发展的重要支撑,同时也是碳减排的重点责任区.但广大资源型城市经济发展长期面临着产业结构单一、高度依赖化石能源和温室气体减排等困难与挑战,其高能耗、高排放的发展方式不仅降低了资源的综合利用效率,而且使生态环境受到严重威胁[1].事实上,有效推动资源型城市经济增长与碳减排双赢,实现其碳排放效率的提升不仅是落实碳达峰碳中和目标的重要部署,也是我国全面实现低碳转型发展的必然选择.

在我国“政治集权、经济分权”的体制模式下,地方政府在每年年初的政府工作报告中提出经济增长预期目标,不仅能够引领当年的政府投资等各项活动,也会对地区的经济发展方式和产业结构状况等产生深刻影响.对于资源型城市而言,经济增长目标如何影响碳排放效率,其内在作用机制是什么,有何异质性表现等问题尚需深入分析.

与本文密切相关的研究主要集中于两类,第一,在经济增长目标的作用效应方面,现有文献就其在经济发展、技术创新以及生态环境等方面的影响展开了丰富的探讨.首先,研究发现过高的经济增长目标或约束会损害经济发展质量,抑制全要素生产率的提升[2-3],表现为目标设定值每提高1个百分点,发展质量将下降约1个百分点[2],并且还会对制造业出口技术复杂化[4]以及企业数字化转型[5]产生阻碍作用.其次,目标设定值的提高和自上而下加码程度的加强会放大经济增长目标对企业绿色技术创新的抑制作用[6],且该作用在官员面临更大的晋升压力时更强,面临更大的环保压力时更弱[7].最后,少部分学者就经济增长目标对环境污染的影响进行了分析,发现二者之间呈现显著的正相关关系,且目标超额完成程度越高,其加剧环境污染的程度越强[8],不利于城市实现绿色转型[9].第二,在资源型城市碳排放效率的研究方面,现有的少数文献主要集中于在对碳排放效率进行测度的基础上,针对其时空演变特征以及影响因素展开探讨.研究发现,2004～2019年,资源型城市碳排放效率总体呈现上升趋势,且在不同成长阶段城市具有显著分异特征[10].进一步,已有研究表明,碳排放效率较高和较低的资源型城市存在明显的地域集聚特征,以绿色专利授权量表征的绿色技术创新是影响碳排放效率的重要因素[11].有学者通过探究“宽带中国”试点政策对资源型城市碳排放效率的影响,发现该政策具有显著的碳排放效率提升效应,且促进产业结构升级、加强人力资本积累和提高创新水平是其中的内在机制[12].此外,部分学者以黄河流域或中部地区的资源型城市为样本,对其碳排放绩效进行了测度和影响机制的分析[13-14].

综合来看,现有针对资源型城市碳排放效率尤其是聚焦于其影响因素的研究并不丰富,而尽管学术界对经济增长目标的效应已做了丰富的探讨,但在坚持经济稳中求进总基调与积极稳妥推进碳达峰碳中和的背景下,经济增长目标作为我国政府进行超前引领的重要手段,其对碳排放效率的影响这一现实问题尚未引发学者关注,相关研究亟待补充完善.鉴于此,本文以我国114个资源型城市为样本,深入考察经济增长目标对碳排放效率的影响效应、内在机制及异质性表现.可能的边际贡献体现在:首先,从经济增长目标视角出发探究其对资源型城市碳排放效率的影响,有利于丰富和拓展现有理论研究范畴,为资源型城市统筹经济发展与碳减排,实现二者双赢提供目标设定维度的政策启示.其次,从技术创新和资源依赖两个视角挖掘经济增长目标影响碳排放效率的作用机制,以明晰其中的内在机理,为资源型城市提升碳排放效率提供路径支撑和决策依据.最后,基于不同区域、成长阶段、时间以及目标完成情况等多维度进行经济增长目标效应的异质性分析,为各类资源型城市指明提升碳排放效率的侧重点.

1 理论分析与研究假说

1.1 经济增长目标与碳排放效率

科学合理的经济增长目标是引领经济社会可持续发展的重要手段.但在“晋升锦标赛”以及“标尺竞争”机制的作用下,地方政府往往会对本地区经济增长目标作出过高预期,进而产生较高幅度提升经济增长目标的行为[15].就资源型城市而言,经济增长目标提高对碳排放效率的影响主要体现在以下三个方面:第一,过高的经济增长目标引致了资源过度开采和重复建设等短期经济行为的发生[4],造成以资源密集型产业为主导的发展方式进一步强化,能源消耗量不断上升,经济效益持续下降[3,16],从而抑制碳排放效率.第二,为达成既定增长目标,政府会削减甚至取消原本用于环境污染和碳减排方面的财政资金和优惠政策,转而将其投入到以工业制造业为代表的经济收益较快的领域,企业也会降低环保方面的投资以应对政府干预的扭曲效应[17],造成环境污染和碳排放加重,从而抑制碳排放效率.第三,过高的经济增长目标会诱使政府在招商引资中,采取降低环境规制的“逐底竞争”等策略拉动经济增长[18-19],不仅加剧了高污染高排放企业迁入和本地沦为“污染天堂”的可能性,且不利于淘汰落后产能和僵尸企业,最终使得经济发展方向偏离低碳转型的目标要求,从而抑制碳排放效率.据此,本文提出:

理论假说H1:资源型城市经济增长目标提高会显著降低碳排放效率.

1.2 经济增长目标影响碳排放效率的内在机制

经济增长目标提高会通过抑制技术创新,强化资源依赖,进而降低碳排放效率.从技术创新渠道来看,当经济增长目标设定提高时,短期效益的谋求会促使政府将财政资源更多地配置到生产性领域,减少“投资周期长、风险高”的科技创新投入[20].同时,企业也会由于创新资源的挤压和创新环境的恶化而缩减创新活动,抑制创新绩效[20-21].进一步,技术创新对碳排放效率的积极影响已得到学术界的有效证实[22],其不仅能够通过提高生产效率来增加经济效益,也可以通过对原有技术的替代和碳封存等技术的应用降低碳排放量,提升碳排放效率[22].反之,在经济增长目标产生的创新抑制效应下,低碳清洁技术的研发与应用受到限制.一方面,由于资源型城市大多以资源开发和重化工业等传统产业为主导,在原有生产技术、工艺设备得不到有效改进的情况下,经济增长压力所引发的对短期经济增速的追求会导致生产效率进一步下降.另一方面,由于高成本可再生能源的高效利用需要强有力的技术支持,而由于技术的受限,企业不仅无从降低可再生能源的使用成本,且对其的利用效果无法达到最优,难以满足自身的经营与发展需求,不得不转而继续使用高碳能源,最终导致碳排放量不降反增,碳排放效率下降.

从资源依赖渠道来看,由于大部分资源型城市的发展模式较为单一,采矿、冶炼和加工等自然资源初级部门在城市经济中起着关键支撑作用.当经济增长目标提高时,基于自然资源丰裕且相关产业对劳动力素质要求较低的现实情况[23],加大资源开采力度和对资源型国有企业的扶持等“立竿见影”的促增长方式便成为资源型城市完成既定目标的首选,从而导致地区发展对自然资源的依赖程度加剧.进一步,学术界对资源依赖与碳排放效率之间的负相关关系已经作了深入研究与充分证实[24-25].一方面,资源依赖会显著扭曲产业结构,阻碍其向合理化和高级化方向演进,导致资源型城市丧失产业结构优化升级所带来的“结构红利”.另一方面,资源依赖会挤压新兴制造业和服务业等产业的成长空间,驱使高能耗高排放产业低效盲目扩张甚至成为支柱产业,使得其在国民经济中所占的比重持续扩大,并造成投资生产率低下、人口密度降低等一系列影响,进而不可避免地导致碳排放效率下降[24-25].综合上述讨论,本文提出:

理论假说H2:技术创新和资源依赖是经济增长目标影响碳排放效率的两大作用路径.

2 研究设计

2.1 模型设定

为了检验资源型城市经济增长目标提高是否会对碳排放效率产生抑制作用,本文设定如下的面板固定效应模型进行回归分析:

2.2 变量描述

2.2.1 被解释变量 碳排放效率(Cee).新古典增长理论认为,经济体长期增长的根本动力来源于要素投入的增加和要素生产率的提高.从低碳转型发展的角度来看,相较于单一的碳排放强度(即单位GDP碳排放量)指标,综合考虑投入与产出要素的全要素碳排放效率显然能够更有效地反映经济增长与碳减排的双赢情况[26].鉴于此,本文基于投入产出视角,运用Matlab软件的考虑非期望产出的超效率SBM模型测度资源型城市碳排放效率,该模型不仅可以增加非期望产出以修正松弛变量,而且克服了一般SBM模型容易出现多个样本效率值为1的弊端,使得实际适用性大大提升[27-28].进一步,碳排放效率是资本、劳动和能源要素共同作用的结果,同时包含期望与非期望两项产出.因此,在具体操作中,本文将资本、劳动和能源作为投入要素,地区实际GDP作为期望产出,二氧化碳排放量作为非期望产出,指标具体内涵及衡量方法如表1所示.

此外,鉴于学术界对碳排放量的测算尚未达成统一标准,除了表1方法外,中国碳核算数据库(CEADs)(https://www.ceads.net)发布的碳排放数据也被学术界广泛使用.该数据依据DMSP/OLS和NPP/VIIRS夜间灯光数据反演得出,有效刻画了我国2735个县域尺度的碳排放情况.因此,本文根据各地级市所辖区县汇总得到城市尺度的碳排放数据,进而替换表1中的碳排放数据并测算相应碳排放效率(Ceel),作为本文基准回归的稳健性检验之一.

表1 碳排放效率投入产出指标与含义

2.2.2 解释变量 经济增长目标(Target).采用各城市年初政府工作报告公布的辖区内本年度经济增长预期目标进行衡量.本文通过手工检索各省市人民政府网站,收集整理得到2006～2020年31个省市(自治区)以及278个地级市的经济增长目标数据.其中,114个资源型城市的数据为本文核心解释变量,而省级和其余地级市数据将在下文用作克服内生性以及增长目标层层加码现象的检验.此外,需要说明的是,部分省市政府工作报告中经济增长目标之前出现“左右”等修饰词,本文取其具体数值,出现区间类表述则取其均值.

表2 主要变量描述性统计

2.2.3 控制变量 参考现有研究,本文对可能影响碳排放效率的一系列因素进行了控制,具体为:(1)经济发展水平(lnRgdp):经济发展水平的提升有利于碳排放效率的提高[28].不失一般性,本文使用以2006年为基期计算的人均实际GDP(对数)予以表征.(2)利用外资情况(FDI):外商直接投资能够通过技术溢出与产业升级等路径影响碳排放效率[28].本文利用实际利用外商直接投资额与GDP的比值进行衡量.(3)产业结构状况(lnRe):产业结构的优化能够显著改善碳排放绩效,本文采用基于泰尔指数计算的产业结构合理化指数(+1对数)予以反映[31].(4)环境规制强度(lnEr):环境规制对于激励企业绿色创新、改变生产方式具有重要影响,进而会作用于碳排放效率.本文使用城市主要污染物排放量综合指数(+1对数)衡量[32].(5)创新支持程度(Ste):技术进步在碳排放效率的提升中具有关键性作用[33],而碳减排方面的技术创新很大程度上取决于政府的支持.鉴于此,本文利用科学技术支出与财政支出的比值予以反映.(6)城镇化水平(Ur):城镇化的快速推进往往与高能耗、高排放的粗放式经济发展模式相伴而行,不利于碳排放效率的提升[26],不失一般性,本文采用城镇人口与常住总人口的比值予以表征.(7)政府干预强度(Gov):政府对经济的过度干预可能会造成市场结构扭曲与资源配置失衡,进而抑制企业创新发展与碳排放效率提升.本文使用扣除科教支出后的一般财政预算支出与GDP的比值予以衡量[33].(8)数字经济发展(lnDig):数字经济的发展对于提高能源利用效率与促进绿色生产具有重要影响,但同时也会产生新的碳排放问题,影响碳排放效率.本文利用人均电信业务收入(对数)予以反映.(9)人力资本水平(lnhum):人力资本水平的高低反映了城市的人才培养能力和文明素质水平,有利于引致更多低碳行为,提升碳排放效率[22].本文采用每万人普通高等学校在校学生数(+1对数)予以表征.(10)经济集聚程度(lnag):经济的集聚效应可能带来更优质的生产资源和更高效的资源配置效率,并促使节能减排成本递减,进而对碳排放效率产生影响[26].本文利用单位土地面积产出的实际GDP(对数)予以衡量.

2.3 数据说明

本文在《全国资源型城市可持续发展规划(2013～2020年)》(以下简称《规划》)界定的126个地级资源型行政区基础上,剔除了指标数据缺失严重的8个自治州、大兴安岭地区、阿勒泰地区、毕节市以及2019年被撤销的莱芜市,最后选定114个资源型地级市为研究样本(具体城市名单参见《规划》),观测期设定为2006～2020年.所涉及数据除了经济增长目标和来自CEADs的碳排放数据外,其余均来源于《中国城市统计年鉴》、《中国城市建设统计年鉴》以及统计公报等官方文件或网站,并采用插值法对原始数据中存在的个别缺失值进行补充完善.此外,为了消除潜在的异方差性影响,本文在实证回归中对经济增长目标和碳排放效率也作对数处理,主要变量的描述性统计结果如表2所示.

图1 2006～2020年总体及不同区域资源型城市碳排放效率演变情况

3 实证结果与分析

3.1 资源型城市碳排放效率演变趋势

本文采用考虑非期望产出的超效率SBM模型对2006～2020年我国114个资源型城市的碳排放效率进行测度,相关结果如图1与图2所示.首先,从整体维度来看,2006～2020年,我国资源型城市的碳排放效率处于波动上升态势,由2006年的0.301上升到了2020年的0.409,总体增长率为35.880%,年均增长率为2.563%,表明资源型城市的低碳转型发展取得了一定的成效,但年均增长有限,仍有较大的提升空间.进一步,由图1可以发现,根据总体维度碳排放效率的变动趋势,可将研究期以2013年为界划分为两个阶段,第一阶段为波动增长阶段(2006～2013年),资源型城市碳排放效率均值由2006年的0.301上升为2013年的0.352,表现为少数年份下降,但总体上升的态势.究其原因,在这一时期,国家通过制定资源综合利用专项规定等政策,开始统筹资源型经济转型发展[11],因此其碳排放效率得以提升.但由于缺乏严格的碳排放管制以及受到金融危机冲击等因素,使得碳排放效率在某些年份出现下降.第二阶段为平稳增长阶段(2013～2020年),资源型城市碳排放效率均值由2013年的0.352上升为2020年的0.409,表现为逐年平稳增长的态势.究其原因,在这一时期,我国的经济发展更加注重质量和效益,且2013年《规划》的出台为各类资源型城市的可持续发展指明了方向.在这一系列因素下,资源型城市的碳排放效率呈现出稳步增长趋势.

其次,本文根据各资源型城市所在区域将其划分为东部、中部与西部三大类.由图1可知,三大区域资源型城市的碳排放效率均呈现波动上升趋势,且总体表现为东部>西部>中部的分布特征.具体而言,东部资源型城市凭借其区位优势,有效实现技术创新与成果转化,推动产业升级和能源结构优化,进而能够有效协同经济增长与碳减排,使得碳排放效率由2006年的0.254提升为2020年的0.464,提升幅度达到82.677%,且在绝大多数年份高于资源型城市整体均值水平.西部资源型城市在西部大开发战略等政策的带动下,资源开发利用与培育发展新兴产业等取得了良好效果,带动碳排放效率提升31.307%,即从2006年的0.329提升为2020年的0.432,尤其是2013年以来上升效果更为明显.中部资源型城市则由于资源枯竭以及经济结构转型滞缓等原因,碳排放效率提升缓慢,2006年为0.303, 2020年仅发展为0.363,提升19.802%,且一直处于整体均值水平之下.

最后,本文依据《规划》对资源型城市成长阶段的分类,将其划分为成长型、成熟型、衰退型与再生型四大类(具体城市名单参见《规划》).由图2可知,成长型、衰退型以及再生型资源型城市的碳排放效率表现为明显的波动上升态势,成熟型则表现为相对模糊的上升态势.具体而言,成长型资源型城市处于资源开发上升阶段,经济发展后劲充足,2013年《规划》的出台对其资源开发强度以及生态环境治理提出了更为明确的指导方针,使得其在经济发展的过程中兼顾碳减排,因此碳排放效率2006年为0.299,2013年为0.337,2020年则快速上升为0.492,总体提升率达64.548%.成熟型资源型城市致力于培育接续型替代产业与生态恢复治理等任务,其进程相对缓慢,因此碳排放效率提升幅度也较小,2006年为0.311,2020年为0.388,提升24.759%.衰退型资源型城市通过发展替代产业与健全市场机制等措施,2016年以来实现了碳排放效率的明显提升,考察期内总体上升幅度为37.363%.再生型资源型城市则由于基本摆脱了资源依赖,经济发展主要依靠技术创新以及培育新兴产业等方式实现,使得碳排放效率得以相对稳步上升,考察期内从2006年的0.305上升为2020年的0.469,幅度达53.770%.

图2 2006～2020年总体及不同成长阶段资源型城市碳排放效率演变情况

3.2 基准回归结果

表3汇报了资源型城市经济增长目标影响碳排放效率的基准回归结果,其中,列(1)～列(3)为基于表1指标计算碳排放效率的回归结果.可以看出,无论是否添加控制变量,经济增长目标的估计系数均至少在5%的统计水平上显著为负.此外,本文还使用CEADs依据夜间灯光数据反演得出的碳排放量数据重新测度碳排放效率进行回归,表3列(3)～列(4)展示了相关检验结果,不难发现,核心解释变量(lnTarget)的系数符号和显著性水平均未发生明显改变.综上表明,资源型城市经济增长目标提高会显著降低碳排放效率,理论假说H1得到初步验证.

正如前文理论分析所指出,一方面,经济增长目标提高极易引致短期经济行为发生,而对于资源型城市,这种短期行为的代表无疑是加大资源开采力度与重复建设等,在这种情况下,以煤炭、化工等大型工业为代表的资源和劳动密集型发展方式进一步强化,而相关产业的发展扩大不仅需要大量的能源和原材料,还会带来碳排放量的大幅增加.另一方面,当经济增长目标提升时,政府想要合理统筹经济增长与环境保护便显得捉襟见肘,而倾向于将财政资金更多地用于能源和重化工业为代表的短期收益更为明显的领域,在财政预算有限的情况下,用于环境治理和碳减排方面的投入必定会减少.除此之外,政府为了扩大招商引资,也倾向于通过降低环境规制来缓解企业的成本压力,使得企业更容易在此落户发展.综合来看,相对于上述措施产生的有限的经济增长,其对碳排放的促增效应和对经济效益的损害更为强烈,从而造成以经济增长与碳减排双赢为核心特征的碳排放效率的显著下降.

表3 基准回归

续表3

注:***、**、*分别表示在1%、5%、10%的统计水平上显著,括号内数字为稳健的标准误,下同.此外,CEADs发布的县域尺度碳排放数据的截止年份为2017年,本文根据其平均增长幅度,推演得出2018～2020年的数据并用于碳排放效率的重新测算和此部分的实证回归.

3.3 克服内生性

前文理论分析与实证结果表明,资源型城市经济增长目标提高会显著降低碳排放效率,但也可能存在这样一种情况,即经济增长目标的制定是基于地方政府对当地经济发展潜力与碳减排能力的合理评估.为了缓解这种可能存在的双向因果问题导致的内生性,本文选取两种工具变量分别加以检验.第一,以资源型城市所在省份的经济增长目标作工具变量.该逻辑在于,在“晋升锦标赛”机制下,地级市经济增长目标的制定一定程度上受到上级政府的影响,即容易产生纵向加码上级增长目标值的行为(满足相关性要求)[15,34],而城市个体碳排放效率与其所在省份经济增长目标之间的相关度并不高(满足外生性要求).第二,以同省份其他地级市经济增长目标均值作工具变量.该逻辑在于,由于存在“标尺竞争”现象,同省份“兄弟”城市之间的经济增长目标设定值往往会相互影响[15],即容易在相邻城市目标值的基础上进行横向加码(满足相关性要求),而同理,本地区碳排放效率与其他城市经济增长目标之间的相关度并不高(满足外生性要求).

表4 工具变量回归结果

注:各模型LM检验的P值均为0.0000,第一阶段F统计量均远大于10且在1%的统计水平上显著,拒绝了不可识别以及存在弱工具变量的原假设,说明本文选取的工具变量是合理有效的.

表4第(1)列和(2)列,第(3)列和(4)列分别为以省级经济增长目标和同省份其他地级市经济增长目标均值作本地区经济增长目标的工具变量的估计结果.可以看出,不论采用哪种碳排放量数据测度碳排放效率进行回归,核心解释变量(lnTarget)的估计系数始终显著为负,且都通过了1%的显著性检验,从而更有效验证了理论假说1.值得注意的是,与基准回归结果相比,经济增长目标估计系数的绝对值均有所增大,说明潜在的内生性问题导致低估了资源型城市经济增长目标对碳排放效率的负向影响.

3.4 其他稳健性检验

为了更有效地验证基准回归结果,本文还进行了如下稳健性检验:(1)变量双边缩尾.为避免模型中离群值影响估计结果的准确性,本文对所涉及变量进行1%分位上双边缩尾处理后再次回归.(2)排除官员变更影响(Ofc).考虑到地方官员在年初经济增长目标的制定中发挥着重要作用,而在其离任后,接任官员却成为了该目标的实际负责者[35].为了排除由于官员更替对估计结果可能产生的影响,本文手工搜集了各城市市长和市委书记变更信息并纳入模型进行回归,具体来看,若二者发生任一变更,则将该年份视为变更年份,对应变量设定为1,否则为0.(3)考虑低碳试点政策影响(Low).截至2020年,我国共发布了三批低碳试点名单,涵盖6个省份和81个城市,该政策的实施能够有效提升碳排放效率[22,36].为此,本文加入该政策变量继而再次进行检验,具体来看,若样本城市在t年开始实行低碳试点政策,则将其及之后年份的对应变量赋值为1,否则为0.(4)解释变量滞后一期处理.考虑到经济增长目标对碳排放效率的影响可能存在一定的滞后性,本文将解释变量作滞后一期处理再次进行检验.

表5 其他稳健性检验

表5列(1)～列(4)依次呈现了以上4种稳健性检验的结果.可以看出,不论采取哪种方式,经济增长目标的系数符号均为负且至少通过了10%的显著性检验.换言之,本文基准回归结论具有良好的稳健性,资源型城市经济增长目标提高会显著降低碳排放效率.

3.5 内在机制检验

理论分析表明,技术创新和资源依赖是资源型城市经济增长目标作用于碳排放效率的两条基本路径.为了验证这两种机制是否存在,本文依据江艇[37]的思路,构建如下模型:

式中:M为衡量技术创新或资源依赖的机制变量,其中,技术创新(lnInn)参考刘帅等[38]的研究,采用区域创新指数(对数)衡量.该数据由北京大学企业大数据研究中心根据各地区企业创建行为、投资活动和创新产出综合评估得出,实现了创新水平的有效度量.资源依赖(lnRes)主要反映经济社会发展对自然资源的依赖程度[39],且矿产资源丰裕的地区更容易产生结构锁定和资源诅咒等一系列问题,进而对碳排放效率产生不良影响.进一步,由于城市层面仅有采矿业从业人员数据可以获取,且根据我国现行的《国民经济行业分类(2019年修订)》规定,采矿业包括煤炭开采和洗选业、石油和天然气开采业、黑色金属矿采选业、有色金属矿采选业、非金属矿采选业、开采辅助活动、其他采矿业七大类,较为全面地涵盖了与自然资源相关的各个初级产业部门.因此,本文沿用邵帅等[40]的方法,利用采矿业从业人员数与从业人员总数的比值(对数)衡量资源依赖程度,该指标越大,说明地区经济发展越依赖于资源产业部门.此外,0为常数项,X为一系列控制变量合集,其含义与式(1)中相同.

表6 内在机制检验结果

表6列(2)与列(4)分别为双向固定效应模型下技术创新渠道与资源依赖渠道的检验结果.首先,从技术创新渠道来看,核心解释变量(lnTarget)的估计系数为-0.138,通过了5%的显著性检验,表明资源型城市经济增长目标提升会显著抑制技术创新.其原因在于,较高的经济增长目标使政府和企业过度关注经济增长的速度,而非质量和效益.从而导致创新领域的资金与人力资本等投入不足,对技术创新造成挤出.进一步,由于技术创新的受限,企业实现低碳技术对原有技术的替代变得更为困难,在这种情况下,高成本可再生能源的利用无法达到最优效果,企业转而依赖传统的高碳能源,最终使得碳排放量不降反增,生产效率逐渐下降,进而对地区的碳排放效率造成负向影响,尤其是对于自然资源丰裕的资源型城市而言,这种负面影响更为凸显.

其次,从资源依赖渠道来看,核心解释变量(lnTarget)的估计系数为0.159,并在1%的统计水平上显著为正,表明资源型城市经济增长目标提升会显著强化资源依赖程度.其原因在于,资源型城市由于增长方式的局限性,通常只能依靠自然资源的开发和加工等“竭泽而渔”的方式实现经济的短期迅速增长,从而造成以自然资源初级部门为主的第二产业盲目扩张,地区发展对资源的依赖程度加剧.进一步,资源依赖会产生碳排放效率诅咒效应,在此过程中,绿色技术创新受阻,投资生产率、产业结构合理化与高级化水平下降,碳排放效率也受到抑制.

综上来看,抑制技术创新和强化资源依赖是资源型城市经济增长目标提高降低碳排放效率的两条基本路径,理论假说H2得到证实.

图3 2006～2020年全国、资源型城市及其所在省份的经济增长目标变化情况

2020年,我国并未设定国家层面的经济增长目标,出于严谨考虑,本文不对其进行手动补充

4 拓展分析

4.1 层层加码现象检验

4.1.1 层层加码现象分析 前文回归结果证实了资源型城市经济增长目标提高会显著降低碳排放效率这一核心结论,而政府设定较高经济增长目标的原因则与我国各省市普遍存在的“层层加码”现象息息相关.具体而言,政府官员为了能够在政绩考核中胜出、向上级释放“能力信号”,往往会在上一级政府提出的经济增长目标基础上,产生进一步加码的自我施压行为[15].为了探明资源型城市是否存在加码现象及其会对碳排放效率产生何种影响,本文展开如下分析检验.

由图3可以发现,总体来看,与碳排放效率的演变趋势相反,资源型城市、其所在省份以及国家层面的经济增长目标均呈现出波动下降态势,且无论是资源型城市对于其所在省份,还是其所在省份对于全国,经济增长目标均存在明显的自上而下逐级加码现象.此外,在2012年之前,除了2008年和2009年,这种加码现象还均表现出增大的趋势.但从2013年开始,市省加码与省国加码幅度均出现下降.到2015年及之后,尽管仍存在上述两种加码行为,但其幅度已明显减弱,且资源型城市与其所在省份的经济增长目标已基本持平.可见,2013年尤其是2015年以来,在可持续发展使命的驱动以及新发展理念的指引下,资源型城市及其所在省份更加注重经济增长的质量和效益,对经济增速的要求有所放缓,但总体而言,仍存在小幅度逐级加码经济增长目标的现象.

4.1.2 层层加码现象检验 在明晰资源型城市及其所在省份的经济增长目标演变趋势及“层层加码”现象之后,本文从“资源型城市与其所在省份的差额”“资源型城市所在省份与全国的差额”以及“资源型城市与全国的差额”三方面探究经济增长目标“层层加码”现象对碳排放效率的影响.

表7的回归结果表明,“市省加码”、“省国加码”以及“市国加码”三类变量的回归系数均显著为负,且至少通过了5%的统计检验,表明不同层级的加码行为均会对资源型城市的碳排放效率产生明显抑制作用.造成这种结果的原因在于,在向上负责的体制机制下,地方政府对经济增长速度过度重视,导致经济增长目标的制定偏离本地实际水平,而随着向上加码幅度的提升,其所带来的产业结构固化、财政投资失衡、资源依赖加剧以及技术创新挤出等问题便越发严重,进而对碳排放效率产生抑制作用.因此,上述分析表明,对经济增长目标的逐级加码是导致地方政府设定过高增长目标的深层次原因,而“层层加码”现象的存在进一步抑制了碳排放效率的提升.

表7 层层加码现象检验

4.2 异质性检验

4.2.1 区域异质性 图1表明不同区域资源型城市的碳排放效率存在显著差异,而各地区在经济发展基础、产业结构状况以及生态环境承载力等方面也大相径庭,因而经济增长目标对碳排放效率的影响可能存在异质性.鉴于此,本文进一步从东部、中部和西部的分类维度展开检验,估计结果如表8所示.不难发现,经济增长目标对碳排放效率的抑制作用仅在中部与西部资源型城市显著存在,其估计系数分别通过了5%和10%的显著性检验,而在东部资源型城市,该负向影响并不显著.

表8 区域异质性

出现上述现象的原因在于,东部地区整体经济实力较强,尽管也存在一定数量的资源型城市,但面对调高的经济增长目标,其经济结构相对多样化,资金技术等资源也较为充裕,能够更加容易地实现技术创新和生产方式升级,并通过发展金融业和服务业等产业达成目标.但同时,目标提高同样会诱发不同程度的重复建设等短期行为,阻碍技术创新和产业结构升级,综合导致经济增长目标对碳排放效率的影响不明显.而中部和西部资源型城市类似,一方面,经济发展基础薄弱,后劲不足,发展模式依赖于以资源换增长[39],且在资源的生产、转化和利用过程中,技术设备落后和环保理念淡薄等一系列问题导致能源浪费加剧,生产效率低下.另一方面,中西部在承接东部地区产业转移的过程中,也引入了一部分高能耗、高污染与低附加值产业.在上述一系列因素作用下,面对经济增长目标的提高,实现经济增长与碳减排双赢便显得力不从心,从而导致碳排放效率的明显降低.

4.2.2 成长阶段异质性 不同成长阶段资源型城市面临的主要问题、发展方向和任务重点不尽相同.图2也表明,各阶段城市的碳排放效率及其演变趋势存在显著差异.为了探明经济增长目标对碳排放效率的影响是否会因资源型城市成长阶段的不同而具有异质性,本文从成长型、成熟型、衰退型以及再生型的分类维度进行检验.由表9的回归结果可知,经济增长目标对成熟型以及衰退型资源型城市的碳排放效率表现出了显著的负向影响,其估计系数均通过了5%的显著性检验,而这种负向影响在成长型和再生型资源型城市则并不成立.

表9 成长阶段异质性

出现上述现象的原因在于,其一,成长型资源型城市在政策的有效规划与引导下,通过加强节能减排技术的研究和开发,积极发展清洁能源产业等措施,从而避免陷入资源诅咒,使得城市发展与资源开发之间的关系得到相对有效处理.其二,成熟型资源型城市资源开发处于稳定阶段,保障能力充足,且高能耗、高排放的传统产业仍占据主导地位,目标设定提高容易导致其忽视产业结构调整升级与生态环境恢复治理的发展任务,转而采取加大资源开采力度等“立竿见影”的方式兑现目标承诺,进而抑制技术创新,强化资源依赖程度,阻碍碳排放效率提升.其三,衰退型资源型城市面临着资源枯竭和生态压力较大的多重考验,经济增长目标提高不仅不利于产业结构转型和缓解生态压力,还会强化其粗犷的生产方式,阻碍相关扶助政策发挥效果,进而降低碳排放效率.其四,再生型资源型城市由于已经基本摆脱资源依赖,更加注重经济发展的质量和效益,目标设定提高带来的消极作用主要表现在阻碍新兴产业和现代服务业成长,减缓对外开放和科技创新水平的提升等方面.因此,经济增长目标对碳排放效率未产生显著的负向影响,但同时也未表现出促进作用.

4.2.3 时间异质性 正如图3的结果分析所指出,从2013年开始,省市级政府对经济增长目标的逐级加码幅度均开始下降,而到2015年及之后,资源型城市与其所在省份的经济增长目标已基本持平.鉴于此,本文将样本分别以2013年和2015年为界进行划分,以探讨经济增长目标对碳排放效率的影响是否存在时间维度的异质性.由表10可以发现,对于2013年之前的样本,经济增长目标的估计系数为-0.155,且通过了1%的显著性检验,而在2013年及之后的样本中,该系数则不显著.对于2015年之前的样本,经济增长目标的估计系数变为-0.117,并通过了1%的显著性检验.同样,该系数在2015年及之后的样本中并不显著.进一步,综合对比表10第(1)、(2)和(4)列可以看出,经济增长目标估计系数的绝对值大小呈现出2013年前>2015年前>总样本的特点.可见,以2013年为分界点,往后纳入的年份越多,经济增长目标对碳排放效率的负向影响就越小.

出现上述现象的原因在于,2013年之前,资源型城市的能源结构严重偏向化石燃料,且技术水平落后,环保意识相对薄弱,在较低的环境规制和巨大的利益驱使下,不仅诱发了过高的经济增长目标,且进一步造成了能源利用效率低下,产业结构失衡和技术创新挤出等一系列问题,从而对碳排放效率产生抑制.随着2012年11月党的十八大召开,生态文明建设被摆在突出位置,且2013年《规划》的发布为各类资源型城市的可持续发展和制定提供了重要遵循,2015年,党的十八届五中全会提出了新发展理念,成为经济社会迈向高质量发展阶段的新指引.在此一系列政策影响下,经济增长目标对碳排放效率的负向影响逐渐被削弱.因此,其估计系数的绝对值大小呈现出2013年前>2015年前>总样本的特点.

表10 时间异质性

此外,值得注意的是,从表10第(3)列和第(5)列可以看出,当单独对2013年后和2015年后的样本进行回归时,经济增长目标的系数符号转为正向,尽管其暂时并不显著(值分别为0.437与0.135),但也一定程度上说明对于资源型城市而言,经济增长目标与碳排放效率之间的矛盾并非不可调和,在经济转型使命的驱动以及新发展理念等的指引下,资源型城市完全有可能通过设定合理的经济增长目标,实现经济增长与碳减排双赢,推动碳排放效率提升.

4.2.4 目标完成情况异质性 地方政府在年初设定经济增长目标之后,对目标的完成情况成为衡量其政绩的主要指标之一,而不同完成度代表着当地经济发展潜力以及政府采取的促增长措施可能有所差别,进而会影响碳排放效率.因此,本文参考余泳泽等[4]的做法,根据当年GDP实际增速与经济增长目标值的差额情况衡量目标完成度并将其由低到高进行分组.具体而言,若差额小于0,则代表未完成预期目标;若差额大于等于0且小于0.02,则代表正常完成预期目标;若差额大于等于0.02,则代表超额完成预期目标.在上述分组的基础上,本文进一步检验经济增长目标对碳排放效率的异质性影响.由表11可以发现,当资源型城市未完成既定目标时,核心解释变量(lnTarget)的估计系数不显著,而随着目标完成度的提高,在正常完成以及超额完成情况下,核心解释变量(lnTarget)的估计系数由-0.110变为-0.167,不仅绝对值有所增大,显著性水平也得到提升,由10%增强为5%.可见,超额完成度越高,经济增长目标对碳排放效率的负向影响越明显,同时也反映出资源型城市存在目标设定值偏高的问题.

表11 目标完成情况异质性

出现上述现象的原因在于,对于未完成既定目标的资源型城市,尽管其高估了本地区经济增长潜力,但面对经济快速增长与生态环境保护之间的“鱼与熊掌”取舍难题,其往往选择牺牲部分经济增速来降低对生态环境的负面影响,并尽可能通过发展多元化产业等方式提高生产效率、兑现目标承诺.因此,尽管未达成预期目标,但对碳排放效率也未产生明显抑制.而在正常完成以及超额完成增长目标的城市,其本身的目标设定超出了地区经济增长潜力的承受范围,同时,后期的兑现竞争进一步强化了地方政府对GDP增速的过度关注,刺激其通过重复建设、削减环保支出、降低环境规制力度和加强资源开采等方式实现经济短期快速增长,从而进一步挤压技术创新,强化资源依赖程度.因此,随着目标完成度的提高,经济增长目标对碳排放效率的负向影响越发明显.

5 结论与政策建议

5.1 结论

5.1.1 碳排放效率测算结果显示,2006～2020年,我国资源型城市的碳排放效率处于波动上升态势,其中,2006～2013年为波动增长阶段,2013～2020年为平稳增长阶段,且不同区域以及成长阶段资源型城市的碳排放效率存在明显的空间差异.

5.1.2 基准回归表明,资源型城市经济增长目标提高会显著降低碳排放效率,二者存在显著负相关关系,这一结论在经过使用CEADs发布的碳排放量数据重新测度碳排放效率、控制内生性以及其它一系列稳健性检验后依然成立.作用机制检验发现,资源型城市经济增长目标提高会抑制技术创新,强化资源依赖,进而降低碳排放效率.

5.1.3 层层加码现象检验表明,2006～2020年,全国、资源型城市及其所在省份的经济增长目标均呈现出波动下降态势.进一步,不同层级的加码行为均会对碳排放效率产生明显的抑制作用.

5.1.4 异质性分析显示,从区域与成长阶段维度来看,经济增长目标对碳排放效率的抑制作用仅显著存在于中部、西部、成熟型与衰退型资源型城市;从时间维度来看,上述负相关关系仅在2013年前或2015年前的样本中成立;从目标完成情况来看,对于未完成预期目标的资源型城市,经济增长目标对碳排放效率的抑制作用不存在,但在正常完成以及超额完成情况下,随着目标完成度的提高,经济增长目标对碳排放效率的负向影响越发明显.

5.2 政策建议

5.2.1 构建面向资源型城市的目标考核体系.具体而言,进一步淡化经济增长速度在官员绩效考核中的重要性,将碳减排等生态环境指标纳入考核之中,有效避免资源型城市在偏离地区发展实际与增长潜力的情况下提升经济增长目标.此外,“层层加码”现象的存在使得更低层级政府面临更高的经济增长压力,因此,高层级政府尤其是各资源型城市所在省份在制定增长目标时,应充分考虑到可能会产生的“层层加码”现象及其引发的问题,避免制定过高的初始目标.

5.2.2 继续鼓励支持技术创新,不断降低经济发展对自然资源的依赖程度.技术创新和资源依赖是资源型城市经济增长目标作用于碳排放效率的两大内在机制.因此,一方面,政府应出台更多优惠政策,并通过财政扶持等手段,为科技创新提供必要的资源和支持,促进科技成果转化和产业转型升级,用更绿色化的方式达成既定目标.另一方面,应合理确定资源开发强度,提高资源深加工水平,加快延长上下游产业链条,并积极支持高科技、低污染和低能耗行业的发展,不断降低地区经济对自然资源的依赖程度,为碳排放效率提升提供根本保障.

5.2.3 各类资源型城市应坚持稳中求进,因地制宜制定经济增长目标,同时引入多样化的促增长方式.尤其是对于处在中部、西部,成熟型和衰退型阶段的资源型城市,其经济发展基础较差,生态环境脆弱,应在合理评估自身发展潜力,制定符合可持续发展要求的增长目标基础上,通过积极融入一带一路等国家战略,采取加强对外开放、延长产业链等多元化措施促进经济增长.此外,对于当年未实现既定增长目标的城市,则应在来年结合实际情况适当调低,以最大限度避免各种短期行为的发生,在实现经济合理增长的同时,推动碳排放量的降低.

5.2.4 深入贯彻落实新发展理念,推动经济增长与碳减排实现双赢.《规划》和新发展理念等政策的出台为资源型城市可持续发展提供了有效遵循,时间异质性维度的分析结果也表明,经济增长目标的达成与碳排放效率的提高有可能兼得.因此,资源型城市应继续以新发展理念和相关政策为指引,适当合理调低经济增长目标,加强碳减排和清洁能源领域的技术创新,不断提高能源资源利用效率,推动以“节能减排”为主的产业转型升级,实现经济增长与碳减排双赢.

[1] 秦炳涛,余润颖,葛力铭.环境规制对资源型城市产业结构转型的影响 [J]. 中国环境科学, 2021,41(7):3427-3440. Qin B T, Yu R Y, Ge L M. The impact of environmental regulations on the industrial structure transformation of resource-based cities [J]. China Environmental Science, 2021,41(7):3427-3440.

[2] 徐现祥,李书娟,王贤彬,等.中国经济增长目标的选择:以高质量发展终结“崩溃论” [J]. 世界经济, 2018,41(10):3-25.Xu X X, Li S J, Wang X B, et al. The choice of China's economic growth goals: ending the "collapse theory" with high-quality development [J]. World Economy, 2018,41(10):3-25.

[3] 余泳泽,刘大勇,龚 宇.过犹不及事缓则圆:地方经济增长目标约束与全要素生产率 [J]. 管理世界, 2019,35(7):26-42,202.Yu Y Z, Liu D Y, Gong Y. If too much is too late, it will be better if too little is too late: constraints on local economic growth goals and total factor productivity [J]. Management World, 2019,35(7):26-42,202.

[4] 余泳泽,张少辉,杜运苏.地方经济增长目标约束与制造业出口技术复杂度 [J]. 世界经济, 2019,42(10):120-142.Yu Y Z, Zhang S H, Du Y S. Local economic growth goal constraint and manufacturing export technology complexity [J]. World Economy, 2019,42(10):120-142.

[5] 杨贤宏,宁致远,向海凌,等.地方经济增长目标与企业数字化转型:基于上市企业年报文本识别的实证研究 [J]. 中国软科学, 2021,(11): 172-184.Yang X H, Ning Z Y, Xiang H L, et al. Local economic growth goals and digital transformation of enterprises: An empirical study based on text identification of annual reports of listed enterprises [J]. China Soft Science, 2021,(11):172-184.

[6] Shen F, Liu B, Luo F, et al. The effect of economic growth target constraints on green technology innovation [J]. Journal of Environmental Management, 2021,292:112765.

[7] 毛奕欢,林 雁,谭洪涛.经济增长目标、官员压力与企业绿色创新 [J]. 中南财经政法大学学报, 2022,252(3):113-125. Mao Y H, Lin Y, Tan H T. Economic growth goals, official pressure, and green innovation in enterprises [J]. Journal of Central South University of Economics and Law, 2022,252(3):113-125.

[8] 郭晓辉.经济增长目标、地方政府行为与环境效应的关系 [J]. 城市问题, 2020,302(9):60-70. Guo X H. The relationship between economic growth goals, local government behavior and environmental effects [J]. Urban Issues, 2020,302(9):60-70.

[9] 周瑞辉,杨新梅.经济增长目标压力与城市绿色发展 [J]. 城市问题, 2021,306(1):63-72. Zhou R H, Yang X M. Economic growth target pressure and urban green development [J]. Urban Issues, 2021,306(1):63-72.

[10] 张明斗,席胜杰.资源型城市碳排放效率评价及其政策启示 [J]. 自然资源学报, 2023,38(1):220-237. Zhang M D, Xi S J. Evaluation of carbon emission efficiency of resource-based cities and its policy implications [J]. Journal of Natural Resources, 2023,38(1):220-237.

[11] 徐英启,程 钰,王晶晶.中国资源型城市碳排放效率时空演变与绿色技术创新影响 [J]. 地理研究, 2023,42(3):878-894. Xu Y Q, Cheng Y, Wang J J. The spatiotemporal evolution of carbon emission efficiency in resource-based cities in China and the impact of green technology innovation [J]. Geographic Research, 2023,42(3): 878-894.

[12] Li B, Liu J, Liu Q, et al. The effects of broadband infrastructure on carbon emission efficiency of resource-based cities in China: A Quasi-Natural Experiment from the “Broadband China” Pilot Policy [J]. International Journal of Environmental Research and Public Health, 2022,19(11):6734.

[13] Xu Y, Cheng Y, Zheng R, et al. Spatiotemporal evolution and influencing factors of carbon emission efficiency in the Yellow River Basin of China: Comparative analysis of resource and non- resource- based cities [J]. International Journal of Environmental Research and Public Health, 2022,19(18):11625.

[14] 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. The dynamic space-time difference and impact mechanism of carbon emission efficiency in resource- based cities -- taking the resource-based cities of six provinces and prefectures in central China as an example [J]. Industrial Technology and Economics, 2018,37(12):86-93.

[15] 余泳泽,潘 妍.中国经济高速增长与服务业结构升级滞后并存之谜:基于地方经济增长目标约束视角的解释 [J]. 经济研究, 2019, 54(3):150-165.Yu Y Z, Pan Y. The mystery of the coexistence of China's high economic growth and the lagging upgrading of the service industry structure: An interpretation based on the constraint of local economic growth goals [J]. Economic Research Journal, 2019,54(3):150-165.

[16] Lin B, Zhou Y. Does economic growth target set by local governments drive energy consumption in China? [J]. Available at SSRN 3983930.

[17] Zhong Q, Wen H, Lee C C. How does economic growth target affect corporate environmental investment? Evidence from heavy-polluting industries in China [J]. Environmental Impact Assessment Review, 2022,95:106799.

[18] 王凡凡.经济增长目标对地方环境治理效率的影响——基于我国地级以上城市面板数据的实证分析 [J]. 城市问题, 2022,326(9): 76-86. Wang F F. The impact of economic growth goals on the efficiency of local environmental governance - an empirical analysis based on the panel data of cities above the prefecture level in China [J]. Urban Issues, 2022,326(9):76-86.

[19] Li F, Wang Z, Huang L. Economic growth target and environmental regulation intensity: Evidence from 284 cities in China [J]. Environmental Science and Pollution Research, 2022,29(7):10235- 10249.

[20] Li E, An Z, Zhang C, et al. Impact of economic growth target constraints on enterprise technological innovation: Evidence from China [J]. Plos one, 2022,17(8):e0272003.

[21] 王贤彬,刘淑琳,黄亮雄.经济增长压力与地区创新:来自经济增长目标设定的经验证据 [J]. 经济学(季刊), 2021,21(4):1147-1166.Wang X B, Liu S L, Huang L X. Economic growth pressure and regional innovation: empirical evidence from economic growth target setting [J]. Economics (Quarterly), 2021,21(4):1147-1166.

[22] 郭 沛,梁 栋.低碳试点政策是否提高了城市碳排放效率——基于低碳试点城市的准自然实验研究 [J]. 自然资源学报, 2022,37(7): 1876-1892. Guo P, Liang D. Whether the low-carbon pilot policy has improved the efficiency of urban carbon emissions - a quasi-natural experimental study based on low-carbon pilot cities [J]. Journal of Natural Resources, 2022,37(7):1876-1892.

[23] 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 [J]. 中国环境科学, 2022,42(6):2955-2964. Zheng H Y, Ge L M. Research on the impact of sustainable development of resource-based cities on carbon emissions - based on the perspective of resource dependence [J]. China Environmental Science, 2022,42(6):2955-2964.

[24] Wang K, Wu M, Sun Y, et al. Resource abundance, industrial structure, and regional carbon emissions efficiency in China [J]. Resources Policy, 2019,60:203-214.

[25] Fan M, Li M, Liu J, et al. Is high natural resource dependence doomed to low carbon emission efficiency? Evidence from 283 cities in China [J]. Energy Economics, 2022,115:106328.

[26] 邵 帅,范美婷,杨莉莉.经济结构调整、绿色技术进步与中国低碳转型发展——基于总体技术前沿和空间溢出效应视角的经验考察 [J]. 管理世界, 2022,38(2):46-69,4-10. Shao S, Fan M T, Yang L L. Economic restructuring, green technology progress and China's low-carbon transformation and development - an empirical study based on the perspective of overall technological frontier and spatial spillover effects [J]. Management World, 2022, 38(2):46-69,4-10.

[27] Tone K. A Slacks-based measure of efficiency in data envelopment analysis [J]. European Journal of Operational Research, 2001,130(3): 498-509.

[28] 徐英启,程 钰,王晶晶,等.中国低碳试点城市碳排放效率时空演变与影响因素 [J]. 自然资源学报, 2022,37(5):1261-1276. Xu Y Q, Cheng Y, Wang J J, et al. The space-time evolution and influencing factors of carbon emission efficiency in China's low- carbon pilot cities [J]. Journal of Natural Resources, 2022,37(5): 1261-1276.

[29] 张 军,吴桂英,张吉鹏.中国省际物质资本存量估算:1952～2000 [J]. 经济研究, 2004,(10):35-44. Zhang J, Wu G Y, Zhang J P. Estimation of China's inter-provincial material capital stock: 1952～2000 [J]. Economic Research, 2004,(10): 35-44.

[30] 吴建新,郭智勇.基于连续性动态分布方法的中国碳排放收敛分析 [J]. 统计研究, 2016,33(1):54-60. Wu J X, Guo Z Y. Convergence analysis of China's carbon emissions based on continuous dynamic distribution method [J]. Statistical Research, 2016,33(1):54-60.

[31] 袁 航,朱承亮.国家高新区推动了中国产业结构转型升级吗 [J]. 中国工业经济, 2018,365(8):60-77. Yuan H, Zhu C L. Has the national high-tech zone promoted the transformation and upgrading of China's industrial structure [J]. China Industrial Economy, 2018,365(8):60-77.

[32] 叶 琴,曾 刚,戴劭勍,等.不同环境规制工具对中国节能减排技术创新的影响——基于285个地级市面板数据 [J]. 中国人口·资源与环境, 2018,28(2):115-122. Ye Q, Zeng G, Dai S Q, et al. The impact of different environmental regulation tools on China's energy conservation and emission reduction technology innovation - based on the panel data of 285prefecture-level cities [J]. China Population, Resources and Environment, 2018,28(2):115-122.

[33] 邵 帅,尹俊雅,范美婷,等.僵尸企业与低碳转型发展:基于碳排放绩效的视角 [J]. 数量经济技术经济研究, 2022,39(10):89-108. Shao S, Yin J Y, Fan M T, et al. Zombie enterprises and low carbon transformation development: A perspective based on carbon emission performance [J]. Quantitative Economic and Technological Economic Research, 2022,39(10):89-108.

[34] Li X, Liu C, Weng X, et al. Target setting in Tournaments: theory and evidence from China [J]. The Economic Journal, 2019,129(623): 2888-2915.

[35] 王展祥,龚广祥,麦愈强.经济增长目标约束与技术创新——基于资源错配的视角 [J]. 当代财经, 2021,442(9):3-15. Wang Z X, GongG X, Mai Y Q. Economic growth target constraints and technological innovation - based on the perspective of resource mismatch [J]. Contemporary Finance and Economics, 2021,442(9): 3-15.

[36] Zhang H, Feng C, Zhou X. Going carbon-neutral in China: does the low-carbon City pilot policy improve carbon emission efficiency? [J]. Sustainable Production and Consumption, 2022,33:312-329.

[37] 江 艇.因果推断经验研究中的中介效应与调节效应 [J]. 中国工业经济, 2022,410(5):100-120. Jiang T, Mesomeric effect and moderating effect in empirical research of causal inference [J]. China Industrial Economy, 2022,410(5):100- 120.

[38] 刘 帅,李 琪,徐晓瑜,等.互联网是否缩小了城市创新差距？——基于面板门槛模型的检验 [J]. 软科学, 2022,(5):1-13. Liu S, Li Q, Xu X Y, et al. Has the Internet narrowed the gap in urban innovation—— Test based on panel threshold model [J]. Soft Science, 2022,(5):1-13.

[39] 邵 帅,尹俊雅,王 海,等.资源产业依赖对僵尸企业的诱发效应 [J]. 经济研究, 2021,56(11):138-154. Shao S, Yin J Y, Wang H, et al. The induced effect of resource industry dependence on zombie enterprises [J]. Economic Research, 2021,56 (11):138-154.

[40] 邵 帅,范美婷,杨莉莉.资源产业依赖如何影响经济发展效率?——有条件资源诅咒假说的检验及解释 [J]. 管理世界, 2013,233(2): 32-63. Shao S, Fan M T, Yang L L. How does resource industry dependence affect economic development efficiency—— Testing and Explanation of the conditional resource curse hypothesis [J]. Management World, 2013,233(2):32-63.

The impact of economic growth target on carbon emission efficiency in resource-based cities.

BIAN Zhi-qiang, ZHONG Shun-chang*

(Institute of Resource-based Economic Transformation Development, Shanxi University of Finace and Economics, Taiyuan 030006, China)., 2023,43(8)：4395～4408

Improving carbon emission efficiency is the key to achieve a win-win situation between economic growth and carbon emissions reduction. Based on the panel data of 114 resource-based cities from 2006 to 2020 in China, this paper estimated the carbon emission efficiencies using the super-efficiency SBM with unexpected output model, and then examined the influential effect, internal mechanism and heterogeneous characteristics of economic growth goals on carbon emission efficiency. The results indicated that: As a whole the carbon emission efficiency of resource-based cities showed a fluctuating upward trend during the study period, but there was significant heterogeneity between cities in different regions and different growth stages. The improvement of the economic growth target significantly reduced the carbon emission efficiency, and this conclusion passed a series of robustness tests such as overcoming the endogeneity. The internal mechanisms were inhibiting technological innovation and strengthening resource dependence. Any degree of addition in economic growth target would inhibit the carbon emission efficiency. The reduction effect of economic growth goals on carbon emission efficiency existed only in the central, western, mature and declining resource-based cities, as well as in the samples before 2013 or 2015. Meanwhile, the negative impact became more apparent as the overcompletion level increased.

economic growth target；carbon emission efficiency；resource-based cities；super-efficient SBM model；top-down amplification

X321,F124

A

1000-6923(2023)08-4395-14

边志强(1996-),男,山西太原人,博士,主要从事低碳转型发展研究.发表论文1篇.572148514@qq.com.

边志强,钟顺昌.资源型城市经济增长目标对碳排放效率的影响[J]. 中国环境科学, 2023,43(8):4395-4408.

Bian Z Q, Zhong S C. The impact of economic growth target on carbon emission efficiency in resource-based cities [J]. China Environmental Science, 2023,43(8):4395-4408.

2023-02-16

国家自然科学基金面上资助项目(72274114);国家自然科学基金青年科学基金资助项目(72204151);山西省高等学校人文社会科学重点研究资助项目(20200125)

* 责任作者, 副教授, zsc2014@126.com