智慧城市建设对碳排放的影响效应研究

张优智 王菁怡 夏鹏飞 刘寅可

(1.西安石油大学 经济管理学院,陕西 西安 710065; 2.西安石油大学 计划财务处,陕西 西安 710065)

0 引 言

智慧城市作为我国城市发展的高级阶段,以创新驱动与环境可持续性发展为主要特征。“智慧”即人类对新一代数字化信息技术的智能化应用,智慧城市的核心是在新一代信息技术和城市创新生态的双向循环下,整合城市运行的核心系统,实现城市经济高质量发展[1]102-105和绿色发展[2]59-64,提升城市创新产出能力[3]373-383及绿色创新效率[4]83-87,提高城市绿色全要素生产率[5]2396,使新型城市建设具有理想的绿色基础。然而,随着城市碳污染问题的逐渐加重,智慧城市的内涵已拓展为绿色智慧城市。在后智慧城市时代,生态和绿色是城市环境治理的关键所在。[6]64-71+211因此,研究智慧城市建设对我国碳排放强度的影响及其作用机理,对城市绿色低碳转型具有重要意义。本文通过双重差分模型分析智慧城市建设对碳排放强度的影响,并进一步利用中介效应模型探索其影响路径,为后续智慧城市建设研究提供实证支持,拓展现有智慧城市与碳减排效应的理论研究,以期助力深化城市建设,促进城市绿色低碳发展。

1 文献综述

学术界现有研究表明,数字经济发展通过产业结构、资源配置、经济规模、创新能力和能源效率等多重路径[7]82-91显著降低碳排放强度[8]14-21,各城市数字经济发展水平和碳排放强度具有显著的空间正相关性,并且数字经济能够通过空间溢出效应降低邻近地区的碳排放强度。[9]150-160智慧城市作为数字时代技术赋能型城市发展的新模式,以绿色发展理念为基本遵循。[10]4-9另有研究证实,智慧城市能够通过人力资本、金融发展和技术创新3条路径助推产业结构转型升级[11]46-60,通过信息基础设施和数据赋能两条路径加速城市创新[12]83-89,这对我国城市发展实现低碳转型具有关键性作用[13]132-149。

智慧城市建设作为以数字化、智能化和信息化为主要特征的新型城市发展模式,是否能够促进碳减排效应?葛立宇、于井远[14]44-54认为智慧城市建设通过数字技术创新和数字技术创新到产业结构升级的双路径有效降低了城市碳排放强度,且进一步发现人力资本、物质资本等在抑制碳排放强度的过程中起正向调节作用。黄和平、谢云飞等[15]105-112从技术创新、产业结构、能源利用效率和二氧化碳吸收4个角度分析了智慧城市建设对城市碳排放强度的影响机理,认为智慧城市建设能够通过提高能源利用效率和城市碳吸收能力降低碳排放强度。李珊、湛泳[16]3-18+107基于产业转型视角,研究发现高水平的数字化发展、绿色创新技术、资源聚集程度和环境规制力度是助推智慧城市建设降低碳排放强度的重要因素。

基于已有文献的梳理和归纳,本研究将智慧城市建设视为准自然实验,以拓展智慧城市建设对碳排放强度领域的研究。基于218个地级市的面板数据,将倾向得分匹配和多期双重差分法相结合来克服选择偏差,并采用工具变量法解决内生性问题。进一步建立三重差分模型,结合绿色智慧城市特征,分析环境约束强度对智慧城市建设的碳减排作用造成的影响。

2 理论分析及研究假设

智慧城市建设是基于物联网、云计算、大数据的创新型城市发展形态,其重点在于以先进信息技术变革促进城市发展与城市治理。因此,智慧城市建设能够有效推动治理方式智能化、居民生活便利化以及企业生产数字化,有利于普及清洁能源,打造智慧产业集群,从而降低碳排放强度。同时,新型网络基础设施等信息承载体的使用可以对环境污染实现智能化控制和管理,通过污染物实时监测,合理的资源配置进而降低碳排放强度[17]31-47。由此,提出假设H1。

H1:智慧城市建设显著降低城市碳排放强度

本研究从产业结构效应、技术创新效应和政府环境约束3个方面分析智慧城市建设影响城市碳排放的作用机制。

产业结构效应是智慧城市建设影响城市碳排放强度的重要保障。智慧城市建设驱动新一代信息技术蓬勃发展,在借助信息技术与科技创新推动高新技术产业和新兴信息化产业集聚的同时,进一步促使通信互联网等新兴产业与传统产业深度融合,以高端技术转变传统产业的生产方式并节约生产和交易成本,提高整个经济社会的生产效率。信息化技术与产业生态的融合促进产业结构转型升级,倒逼传统产业朝高技术、低污染、低能耗的高级化方向转变。除此之外,智慧城市建设催生新兴产业,产业结构转型升级有利于提高资源利用效率,优化资源利用结构,对降低城市碳排放强度起积极作用。[18]21-29+59

技术创新效应是智慧城市建设降低城市碳排放强度的重要支撑。智慧城市建设的推进依赖实体第二产业,同时促进第三产业的发展,使传统产业的运行效率得到提高,为进行技术创新创造了良好条件。此外,智慧城市建设旨在通过先进的科研环境和良好的生活保障提升城市吸引力以实现高素质的人力资本跨时空流动、联结和重组,知识型人才的流入与劳动资本等生产要素的结合能够激发城市创新水平、推动技术进步与成果转化。另一方面,技术创新有利于改善能源消费结构,促进可持续发展。智慧城市建设催生的技术创新引导企业研发清洁能源,推行低碳技术以打破原有的技术依赖困境[19]38-44,从而提升能源生态效率水平并优化要素资源配置结构,降低城市碳排放强度[20]95-110+112。据此提出假设H2。

H2:智慧城市建设通过升级城市产业结构和提高城市技术创新能力降低城市的碳排放强度

除此之外,我国生态环境日益严峻,为促进绿色循环发展,政府环境规制被置于关键地位[21]1-10。因此,为避免以牺牲环境为代价来发展经济现象的发生,将绿色发展与智慧城市建设相融合是未来城市建设和发展的必然趋势。生态化是智慧城市的重要内涵,推行智慧城市建设后,政府的环境规制也是影响碳排放强度的重要因素,政府通过环境规制能够精确配置市场资源、强化绿色技术[22]34-42、开发使用新能源以及减少污染物排放,进而提高城市资源环境承载力,强有力的城市资源环境承载力意味着充足的城市开发生态空间[23]46-50,构成绿色智慧城市建设水平的必要条件,从而抑制碳排放。据此,本文提出假设H3。

H3:政府环境规制对智慧城市建设的碳减排效应具有正向影响

3 研究设计

3.1 模型设定

为研究智慧城市建设对城市碳排放的影响,采取多期双重差分法将智慧城市建设视作一项准自然实验。基准回归模型设定见(1)式:

ICO2,it=α+βSmartcityit+γXit+λi+ηt+εit

(1)

(1)式中,ICO2it为某城市i在t年的碳排放强度;Smartcityit为政策虚拟变量,即核心解释变量,如果城市i在第t年被列入智慧城市建设名单中则赋值为1,反之赋值为0。Xit代表文中所涉及的控制变量;λi为城市固定效应,ηt为年份固定效应,εit表示随机误差项。系数β衡量智慧城市建设的推进对碳排放强度影响的政策效应;系数γ衡量控制变量对碳排放强度的影响效应。

3.2 变量选取

3.2.1 被解释变量

被解释变量为碳排放强度(ICO2)(吨/万元),即每万元国内生产总值的碳排放总量。由于地级市能源数据的可获得性,参考吴建新和郭智勇[24]54-60的方法汇总218个地级市的天然气、液化石油气和电力3个部分的消耗总量来测算城市碳排放量,再根据各地级市碳排放总量与其国内生产总值的比值测算出碳排放强度。

3.2.2 核心解释变量

采用智慧城市(Smartcityit)试点这一政策为核心解释变量,即当i城市在第t年成为智慧城市试点城市则取值为1,否则取值为0。根据住房和城乡建设部与科技部依次发布的三批试点名单,参照石大千[25]117-135的做法,由于某些只将地级市中的部分区或某个县作为智慧城市试点,为防止估计偏差和保证结果的准确性,剔除这类地级市样本。经过筛选实验组为智慧城市试点名单的各地级市,实验组第一批样本为32个,第二批为40个,第三批为26个,政策起点分别设置为2012年、2013年以及2014年,其余120个未列入名单的地级市则作为控制组。

3.2.3 控制变量

参照已有研究,选取控制变量:经济发展水平(lnpgdp),用国内生产总值的人均值取对数衡量;人口规模(lnpop),用年末人口总数的对数衡量;行政区域土地面积(lnarea),用行政区域土地面积的对数来衡量;城市基础建设水平(lnroad),以人均铺筑道路面积的对数来衡量;金融发展程度(fd),用各地级市年末金融机构各项贷款余额和相应的国内生产总值的比值来衡量;对内开放程度(openin),以各地级市社会消费品零售总额与其国内生产总值的比值来表示;财政自给度(fisdes),以各地级市财政一般预算收入和其财政一般预算支出的比值来衡量。

3.3 数据来源及说明

研究样本为2006—2019年218个地级市的面板数据。数据来源于《中国统计年鉴》《城市建设统计年鉴》《中国城市统计年鉴》和《中国环境统计年鉴》。为保证样本数据的完整性和一致性,剔除港澳台地区、西藏自治区以及数据严重缺失的城市。对缺失数据采用线性插值的方式填补,变量的描述性统计见表1。

表1 描述性统计

4 实证结果及分析

4.1 基准回归

智慧城市建设对碳排放强度的基准回归结果见表2。表2中(1)列的结果不包含控制变量,同时控制城市和年份固定效应;(2)列的结果包括控制变量,但只控制了城市固定效应;(3)列的结果包括控制变量,同时控制了年份固定效应;(4)列的结果不仅包括控制变量,并且同时控制城市和年份固定效应。表2的4种回归模型结果均在1%的水平上显著为负,表明城市碳排放强度在智慧城市建设下显著降低。由(4)列的进一步回归分析可知,智慧城市建设对碳排放强度的估计系数为-0.107,表明智慧城市建设显著降低了10.7%的碳排放强度,假设H1得到验证。

表2 智慧城市建设对碳排放强度的基准回归结果

4.2 稳健性检验

4.2.1 平行趋势检验

通过平行趋势检验是使用双重差分的重要前提,为进行平行趋势检验,采用事件研究法设定模型,见(2)式:

(2)

(2)式中,Smartcityit为政策变量,k的取值范围为-8≤k≤7,本文选取智慧城市建设前8年和后7年来进行平行趋势检验,其他变量与(1)式回归方程含义相同。平行趋势检验结果见图1,在智慧城市建设前, 系数估计值β的大小在0处上下浮动并未通过显著性检验,证明实验组和控制组在智慧城市建设前并无显著差异,即通过平行趋势检验。碳排放强度在智慧城市建设后第四年开始显现其抑制作用,表明智慧城市建设抑制碳排放水平的政策效果具有时滞性。

图1 平行趋势检验结果

4.2.2 安慰剂检验

由于某些与智慧城市建设相关的随机因素会对基准回归结果造成干扰,为消除随机干扰,本研究随机构造伪实验组的虚拟变量和伪政策冲击的时间虚拟变量,设置伪智慧城市建设对218个地级市样本进行1 000次的随机冲击,安慰剂检验结果见图2。图2中,实线部分为伪实验的估计系数,实线下方为伪估计系数相应的p值,纵向虚线是真实的估计系数,为-0.107,横向虚线代表p值,为0.1。曲线的大部分处于竖向虚线的右侧,则表明反事实实验生成的估计系数与真实模型中实际政策的真实估计系数显著偏离。此外,多数p值大于0.1,则证明随机生成的智慧城市伪实验组没有对碳排放强度产生政策效应,通过安慰剂检验,证明了上文回归结果的稳健性。

图2 安慰剂检验结果

4.2.3 倾向得分匹配-双重差分模型估计

为解决模型中可能存在的试点政策 “选择偏差”问题,进一步使用PSM-DID模型对回归结果进行稳健性检验。选取近邻一对四匹配、半径匹配和核匹配3种方式,根据匹配后的结果再次使用双重差分模型进行估计。近邻匹配平衡性检验结果见图3,其余匹配方式均通过平衡性检验。

图3 近邻匹配平衡性检验结果

在满足平衡性检验基础上,PSM-DID稳健性检验结果见表3,表明无论使用哪种匹配方式,智慧城市建设的回归系数均显著为负,说明在考虑到选择偏差的情况下,智慧城市建设的碳减排效果依然存在,具体对于不同的匹配方式,智慧城市建设分别大约降低了10.8%、10.9%和10.7%的碳排放强度,上文的回归结果仍然稳健。

表3 PSM-DID稳健性检验结果

4.2.4 内生性问题

由于智慧城市建设具有非随机性的特征,可能导致分析智慧城市建设是否能够促进碳减排效应时出现内生性问题。基于此,构建下述工具变量模型来解决研究中潜在的内生性问题。选择地形起伏度rdls作为双重差分项Smartcity的工具变量,一方面,地形起伏度与智慧城市建设的实行密切相关,工具变量的相关性假设得到满足;另一方面,地形起伏度为地理数据,不会对核心被解释变量产生影响,满足工具变量的外生性假设。由于地形起伏度不随时间发生变化,为克服研究局限性,参考牛子恒、崔宝玉[26]153-180的做法,引入工具变量与每一年时间虚拟变量的交互项T-rdls作为实证分析的工具变量以表示时间维度的变化,模型构建见(3)、(4)、(5)式:

ICO2,it=ξ0+ξ1Broadbandit+ξ2Xit+εit

(3)

(4)

(5)

表4 工具变量估计结果

表4中,(1)列为工具变量法第一阶段回归结果,地形起伏度和时间虚拟变量的交互项T-rdls估计系数为0.451,且在1%水平下显著。(2)列为工具变量法第二阶段回归结果,智慧城市的估计系数为-0.112,且在1%的水平上显著,表明在引入工具变量后,智慧城市建设大约降低了11.2%的碳排放强度。工具变量法所得出的政策变量估计系数的绝对值比前文的模型更大,表明若不考虑内生性问题,将会低估智慧城市建设在降低碳排放强度方面的作用。

4.2.5 其他稳健性检验

其他稳健性检验结果见表5。由于被解释变量可能存在序列自相关和惯性关联等问题,将滞后一期的城市碳排放强度加入到模型中进行全样本回归分析,见表5(1)列。由于碳排放强度可能存在极端样本值,而这些极端的离群值可能影响全样本回归结果,因此对被解释变量碳排放强度进行1%双侧缩尾和1%双侧截尾,见表5(2)、(3)列。其结果均在1%水平上显著为负,表明前述估计结果依然具有稳健性。

表5 其他稳健性检验结果

4.3 异质性分析

我国各地区之间地理位置、产业结构和要素禀赋等存在发展不均衡问题,因此,将218个地级市划分为东、中、西部来进一步探究碳减排效应的异质性。异质性分析结果见表6。表6(1)列为东部地区的智慧城市建设对碳排放强度的估计结果,其估计系数为0.011且不显著。原因在于东部地区为我国经济发达地区,具备高度发达的创新技术,拥有优越的生产要素和良好的绿色基础设施等,政府较早实施低碳环境治理,使其拥有区域碳排放低强度的基础。表6(2)、(3)列分别为中、西部地区的智慧城市建设对碳排放强度的估计结果,其估计系数均在1%水平上显著为负。中部地区正处于稳步推进集约型经济发展方式、 产业结构转型升级的过程中,但第二产业占比仍然居高。此外,在绿色创新技术、生产要素及绿色基础设施建设方面也稍落后于东部。所以,在中部地区实行智慧城市建设,能有效推进区域经济发展水平、城市技术创新水平以及城市产业结构转型升级,减少地区碳排放。西部地区的智慧城市建设使得碳排放强度降低了25.8%。西部地区是中国经济发展与环境治理矛盾最为突出的地区,其经济发展相对落后,东、中部地区将其高耗能高污染的产业转移至西部地区,导致西部地区碳污染程度严重。因此,相较于其他地区,智慧城市建设对西部碳减排效应更为显著。

表6 异质性分析结果

5 进一步分析

5.1 中介效应分析

智慧城市建设影响碳排放强度有两种路径:产业结构转型升级和城市技术创新。为进一步探究智慧城市对碳排放强度的影响机理,使用三步回归法,构建中介效应模型,见(6)、(7)、(8)式:

ICO2,it=α1+β1Smartcityit+γ1Xit+λi+ηt+εit

(6)

Medit=α2+β2Smartcityit+γ2Xit+λi+ηt+εit

(7)

ICO2,it=α3+β3Smartcityit+cMedit+γ3Xit+λi+ηt+εit

(8)

上式中,Medit为中介变量,表示智慧城市影响碳排放的作用机理,c表示其估计系数,本研究的中介变量为产业结构水平和技术创新能力,采用地级市人均专利授权数来衡量技术创新能力。采用第三产业与第二产业比重的比值来衡量产业结构水平。

中介机制检验结果见表7,表7(1)列是智慧城市建设对技术创新的影响效应,其估计系数为2.561,且在1%的水平上显著,这意味着智慧城市市建设有利于推动城市技术创新;(2)列是将智慧城市建设和技术创新同时纳入全样本回归模型中得到的回归结果,二者的估计系数均在1%水平上显著为负。这说明智慧城市建设通过推动城市技术创新进而实现碳减排,即技术创新的中介效应存在。(3)列是智慧城市建设对产业结构的影响效应,其估计系数为0.039,且在10%的水平上显著,说明智慧城市建设有利于推动城市产业结构转型升级。(4)列是将智慧城市建设和产业结构同时纳入全样本回归模型中得到的回归结果,二者的估计系数均在1%水平上显著为负,说明智慧城市建设通过推动城市产业结构升级进而实现碳减排,即产业结构的中介效应存在,假设H2得以验证。

表7 中介机制检验结果

5.2 三重差分分析

在智慧城市建设影响碳排放强度的过程中,政策力度会受到政府环境规制的影响。为进一步分析环境规制是否会影响智慧城市建设对碳排放强度产生的作用,参考韦东明、顾乃华[27]90-103的作法,基于政府工作报告将环境规制分类,构建三重差分模型,见(9)、(10)式:

(9)

(10)

上式中,serit为强环境规制虚拟变量,当文件出现“确保”“之上”“落实”等强属性词汇取值为1,否则为0;werit为弱环境规制虚拟变量,当文件出现“上下”“之间”“左右”等弱属性词汇取值为1,否则为0。其余变量与前文相同。

三重差分分析结果见表8,三重差分项系数均在1%的水平上显著为负,这说明政府环境规制显著促进了智慧城市的碳减排效应,假设H3得以验证。

表8 三重差分分析结果

6 结论与建议

6.1 研究结论

本研究基于我国218个地级市2006—2019年的碳排放数据,以各地级市的碳排放强度为被解释变量,以智慧城市政策为核心解释变量,对智慧城市建设的碳减排效应进行分析。结果表明:(1)智慧城市建设显著降低了碳排放强度,其影响存在长期作用。(2)智慧城市建设对碳排放的抑制作用具有异质性,对于东部地区抑制作用不显著,对中、西部地区的抑制作用显著。(3)产业结构转型升级和城市技术创新能力的提高是智慧城市建设抑制碳排放的重要作用路径。(4)政府合理的环境规制能够有效促进智慧城市建设,进而更好地降低城市碳排放强度,实现碳减排。

6.2 政策建议

通过以上研究结论得到相关政策启示:第一,应积极扩大智慧城市建设的范围,因地制宜地实施政策。由于智慧城市建设在中西部城市的降碳效应更为明显,智慧城市建设应优先向中西部地区倾斜。此外,地方政府应注意结合不同地区的信息技术水平、科技水平以及地理位置等诸多因素,针对性地推进智慧城市建设,加大资金支持与科技支持,着重攻克由地理区位差异性引起的技术性难题,激发高碳城市的后发优势。第二,积极鼓励和引导产学研合作,激发信息化、数字化等智能化前沿技术在抑制碳排放领域的作用,使城市碳排放的管理、监测和预警更全面、更敏捷。第三,应深度调整产业结构,强化智慧城市对三次产业的渗透,深化前沿技术与三次产业的融合,以节能降碳为导向加快推进农业领域固碳增效,促进工业领域尤其是制造业领域低碳技术创新和绿色转型,以及服务业领域绿色可持续发展水平。同时推动高污染、高能耗的传统产业向高智能、低碳型的新型产业转变,使得产业结构趋向合理化,助力城市高效碳减排。第四,政府应当通过安装监控系统和监管企业生产数据对个人和企业进行事前预警、事中监管以及事后惩罚等多重规制,此外,政府环境规制水平应当设立在平衡、平稳、可持续且有利于智慧城市建设的合理水平上以减少碳污染程度。