创新驱动政策“双试点”协同赋能与碳排放“量降质升”——来自国家自主创新示范区与创新型城市的证据

韩先锋，郑酌基，肖远飞

（昆明理工大学管理与经济学院，云南 昆明 650093）

党的二十大报告明确强调，要积极稳妥推进碳达峰碳中和，立足中国能源资源禀赋，坚持先立后破，有计划分步骤实施碳达峰行动。新形势下，“双碳”目标对经济发展方式绿色化、低碳化转型提出了更高要求。其中，制度创新将发挥着比以往任何时候都更为重要的作用。以创新型城市试点、国家自主创新示范区为代表的创新驱动政策是制度创新的典型代表，其在驱动产业绿色化、低碳化、高端化转型中扮演着尤为重要的角色。截至2020年，21家国家自主创新示范区内高新区生产总值与总利润分别高达9.6万亿元和2.4万亿元，同期的78个创新型城市吸引了全国77.2%的科研经费和70.4%的财政科技投入，为中国培育孵化了超过80%的高新技术企业。事实上，国家自主创新示范区与创新型城市试点在践行“双碳”目标方面也做出了较多尝试，比如，北京、武汉等“双试点”城市积极研发包括绿电、光电等在内的清洁能源与绿色技术，切实为节能降碳工作做出贡献。那么，国家自主创新示范区与创新型城市试点两种政策之间存在协同效应吗？如果答案是肯定的，这种协同效应在降低碳排放规模与提升碳排放效率过程中表现如何？其究竟是如何影响碳排放“量降质升”？这种协同政策冲击又存在何种异质性特征？厘清这些问题，对于未来地方政府紧抓制度创新机遇，统筹发挥创新驱动政策叠加效能，加快实现经济绿色低碳发展具有重要的理论与现实意义。

关于如何有效降碳这一现实难题，多数文献主要从能源消费［1］、技术进步［2］、金融发展［3］等角度展开讨论，也有学者基于个体消费行为［4］、环保意识［5］等特殊视角进行考察。以上研究虽均为降低碳排放的“数量”提出了宝贵意见，却普遍忽略了如何提升碳排放“质量”的问题。作为同时考虑要素投入、经济产出与环境污染的碳排放效率，已然成为衡量碳排放“质量”的重要体现［6］。关于如何提升碳排放效率，李焱等［7］发现，全球价值链嵌入能发挥追赶、创新与领先三重效应，切实改善“一带一路”国家制造业碳排放效率；及添正等［8］则指出，生产性服务业集聚与碳排放效率之间存在由负转正的“U型”关系，提升市场化水平有助于缓解潜在的负向冲击。值得注意的是，上述文献仅关注碳排放“量”或“质”某一方面的优化，几乎未有研究基于政策联动视角系统探究如何有效实现碳排放“量降质升”。

目前，关于依托制度创新工具科学降碳的相关研究才刚刚起步，且多数文献集中于考察环境政策对碳排放的影响，如从低碳城市试点［9］、碳排放交易权［10］、用能权交易制度［11］等方面作了一定研究，也有研究从绿色财政［12］、绿色金融［13］与绿色信贷［14］等视角评估财政金融政策对碳排放的影响。但是，关于创新驱动政策有效降碳的相关文献还不多见，而与该研究最为密切的文献侧重于探索创新驱动政策与碳排放的局部关联性。以创新型城市为例，张华等［15］研究发现，创新型城市试点通过发挥创新政策扶持、要素集聚与环境改善效应，实现碳排放绩效增长；在此基础上，苏涛永等［16］率先讨论了低碳城市与创新型城市“双试点”政策对降低碳排放“数量”的影响，但并未回答“双试点”政策在提升碳排放“质量”中是否依然发挥作用。

综上所述，尽管已有研究发现创新驱动政策对碳减排具有重要影响，也从不同角度评估了国家自主创新示范区、创新型城市政策各自在其他经济领域的实施效果。但不足之处在于，已有文献尚未关注到创新驱动政策实现碳减排的联动效应及其潜在的异质性现象。事实上，不同制度设计之间通常是紧密联系、不可分割的，如果以孤立的视角审视政策的实施效果，则往往可能会得出偏误性结论。因而，系统性地评估创新驱动政策“双试点”对碳排放“量”与“质”的协同效应，就成为该研究的根本出发点与落脚点。

相比以往研究，该研究的边际贡献主要表现在三个方面：第一，拓展了政策协同发挥“合力效应”的研究视角。鲜有文献关注到“双试点”政策的协同赋能，特别是关于同类创新政策的研究。同时，少有学者对政策协同赋能在实施中的顺序异质性进行探讨，该研究基于创新型城市与国家自主创新示范区政策联动的新视角，丰富了对这一问题的认知。第二，加深了对创新驱动与碳排放之间因果关系的认识。已有考察创新政策与碳排放关系的文献多“割裂式”地从碳排放“量”或“质”的单一角度作讨论，忽视了“双碳”背景下两者联动的综合效益。此外，该研究还尝试性地从资源配置、技术进步与产业升级三个维度，识别创新驱动政策协同赋能“降碳升质”的内部机制。第三，揭示了创新驱动政策赋能效果存在异质性的潜在原因。在结合“资源诅咒”、规模经济等理论分析的基础上，应用三重差分模型进行统计检验，对创新政策协同实施的异质性现象展开深入剖析。研究结论可为地方政府因地制宜进行政策优化、协同落实创新驱动发展战略与“双碳”目标提供决策参考。

1 制度背景与研究假说

1.1 制度背景

为加快实施创新驱动发展战略和创新型国家建设，政府先后出台创新型城市试点、国家自主创新示范区等一系列创新试点政策。2008年6月，经国家发改委批准，深圳成为中国首个创新型城市试点，开启了中国创新驱动制度的先河。进一步地，2009年3月国务院印发《关于同意支持中关村科技园区建设国家自主创新示范区的批复》，要求国家自主创新示范区内通过开展股权激励、金融科技试点，支持新兴产业参与国家重大科研项目等大胆务实的政策举措，充分激发企业创新活力。2010年1月，国家发展改革委公布《关于推进国家创新型城市试点工作的通知》指出，以创新驱动发展为导向，自主创新能力为主线，体制机制创新为动力，营造创新友好环境为突破口，培育一批具有鲜明特色与优势互补的国家创新型城市。2017年7月颁布的《国务院关于强化实施创新驱动发展战略进一步推进大众创业万众创新深入发展的意见》中明确，不断深化国家自主创新示范区试点，持续推进创新型国家建设。因此，国家自主创新示范区与创新型城市试点作为全面建设创新型国家的重要战略举措，在创新驱动、绿色发展等领域均产生着极为深刻的影响。截至2022年6月，国家自主创新示范区与创新型城市试点实施范围分别覆盖了全国61个和103个地市，并由此诞生了29个“双试点”城市。事实上，两者既紧密联系、高度融合，又各自在目标、地点与时间线上有所侧重。具体而言，国家自主创新示范区以高新区建设为依托，强调加快科技体制改革、扶持高新技术产业与增强自主创新能力；创新型城市则更为重视城市自身发展模式转变、产业结构升级与创新体系建设。地理区位与时间线上，国家自主创新示范区试点从2014年开始大范围试点，主要集中在东部沿海地区与中西部省会城市，对城市经济规模、技术水平与人力资本要求更高；创新型城市试点则从深圳特区开展政策先行，2010—2013年开始在全国各地广泛试点，以支持地方创新发展与经济体制改革。

伴随着中国经济逐步迈入高质量发展阶段，国家自主创新示范区试点与创新型城市的融合发展也逐渐受到有关部门的关注，比如：2015年11月颁发的《国务院关于积极发挥新消费引领作用加快培育形成新供给新动力的指导意见》明确提出，“大众创业、万众创新”应依托国家创新型城市试点、国家自主创新示范区等创新创业资源密集区域，实现区域产业链、创新链与服务链协同发展。2016年5月公布的《国家创新驱动发展战略纲要》着重强调，优化国家自主创新示范区布局与建设创新型城市试点是打造区域创新示范引领高地的重要措施。2022年8月发布的《企业技术创新能力提升行动方案（2022—2023年）》提出，支持创新型城市试点与国家自主创新示范区为代表的创新驱动试点建设一批重大示范应用场景。党的二十大报告再次强调，要加快实施创新驱动发展战略与实现高水平科技自立自强，进入创新型国家前列，这都为国家自主创新示范区与创新型城市试点的协同发展提供了一定政策依据。

“十三五”以来，创新驱动在社会民生与环境保护中的作用日益凸显，在2016年12月公布的《建设创新型城市指标体系》，明确将碳排放强度作为二级指标纳入考核标准，从战略层面要求建设绿色生态创新城市与实现有效降碳。2021年10月发布的《“十四五”时期中关村国家自主创新示范区发展建设规划》要求紧抓“碳达峰、碳中和”战略机遇，全方位推进低碳、零碳、负碳技术研发与产业化，加快壮大绿色能源与节能环保产业。事实表明，国家自主创新示范区与创新型城市试点建设有助于改变经济发展方式，尤其是两者协同耦合将可能进一步有利于加速产业发展摆脱“三高”的低效益困境，切实为“降碳升质”有效赋能，这为该研究奠定了现实基础。

1.2 研究假说

1.2.1 创新驱动政策“双试点”赋能的基本机制

作为政府践行创新驱动发展战略的重要“试验田”，国家自主创新示范区和创新型城市试点两大制度创新均能为抑制碳排放“数量”与提升碳排放“质量”贡献力量，具体表现：一方面，创新型城市试点能通过提供优良创新环境、集聚创新资源、创新科技管理机制和培育一流科研机构与人才等，来持续激发企业创新活力、加速产业结构升级与城市创新能力溢出［17］，从而直接为碳减排提供内生性动力。另一方面，国家自主创新示范区能通过转变政府职能、开展股权激励试点与完善企业税收制度等创新举措，不断为中小企业开展技术创新活动提供灵活可靠的制度便利，有效促进了企业研发绩效与创新质量双向提升。进一步，企业研发与碳排放密切相关，伴随着企业研发绩效提升、强度提高，将加快低碳技术产出，进而驱动地区节能减排。与此同时，高质量创新活动显著提升了能源利用效率、推动产业结构变迁与加快环保技术的流动与扩散，切实赋能“降碳升质”。由此可知，国家自主创新示范区和创新型城市试点均可持续为实现“双碳”目标注入源源不断的动力和活力。

相比创新驱动政策“单试点”地区，“双试点”城市可能通常具备更好“降碳升质”的现实基础。从本质上看，国家自主创新示范区与创新型城市“双试点”均是创新驱动政策落地的重要试验，其通过政策协同能有效降低创新活动交易成本，并为企业提供更为便利的创新环境，从而能有效驱动高端人才、创新技术和风险投资等要素高度集聚。首先，“双试点”城市具有更为优越的人才政策，通过实施创新型人才落户便利、购房优惠与科研补助等先行政策，能妥善高效解决“绿色”人才在户口、住房与经费等难题，为绿色领域的人才集聚提供重要保障。其次，“双试点”区域通常拥有更为灵活的金融政策和丰富的创新禀赋，辖区内政府可通过不断加大绿色科技支出、设立低碳专项基金等方式，用财政“小资金”撬动绿色市场“大资本”，有效引导风投、创投等资金持续流入节能环保领域，切实让企业获得更加充足的资金，由此不断激发企业降碳意愿与绿色发展潜力。最后，“双试点”城市能充分发挥政策聚合效应，持续加速引导绿色创新要素汇聚，并能集中优势资源攻关碳减排的关键技术、核心技术，充分为产业发展实现高端化、低碳化、绿色化转型发挥“1+1>2”的复合赋能，从而有利于实现碳排放的“量降质升”。基于此，提出以下假说。

H1：国家自主创新示范区与创新型城市“双试点”协同促进了碳排放的“量降质升”。

1.2.2 创新驱动政策“双试点”赋能的传导机制

上述推演表明，创新驱动政策协同赋能更有利于碳减排的“量降质升”。进一步，这里将从资源配置效应、技术进步效应与结构升级效应三维视角，探索“双试点”政策影响碳排放“量”与“质”的传导机制，具体分析如下。

第一，资源配置机制。创新型城市、国家自主创新示范区“双试点”有利于实现创新要素集聚和合理分配，实现高端制造业稳步增长和集约化发展，具体表现为：创新政策实施过程中，市场这只“看不见的手”在持续发挥作用，能加速各类资源从生产效率较低的部门重新流动到生产效率较高的部门，并不断淘汰产能与技术相对落后的企业，有效引导资金、技术与人才等向高生产率企业再配置，进而实现制造业整体效率提升［18］。更为重要的是，劳动密集型产业往往技术水平与经济附加值低，不利于技术进步与绿色生产。因此，劳动生产率的提升代表着产业内部结构的优化与生产水平的提升，这将有助于抑制碳排放规模与提升单位碳排放的经济产出。综上，创新驱动政策“双试点”有助于发挥资源配置效应，提升制造业劳动生产率，进而赋能碳排放“量降质升”。

第二，技术进步机制。“双试点”政策协同发挥制度创新效能，能有效吸引高端人才集聚、支持创新研发活动和提升数字化水平，从而驱动了绿色创新。具体表现为：第一，有利于吸引环保人才，“双试点”城市在户口、教育、住房等问题上均给予了大量补贴支持，为绿色技术创新活动提供了坚实的人才储备。第二，“双试点”区域通过实施科技支持、财政补贴、税收优惠等务实举措，为企业绿色研发提供充足的资金保障。第三，“双试点”政策有利于加快辖区内的新基建布局速度，无形中提升了区域数字化水平，降低了绿色技术创新活动的信息不对称［19］。这种情况下，绿色技术创新将成为支持企业节能减排的关键性动力，并通过绿色工艺、绿色产品等持续革新，有效改善能源消费结构与碳资源利用效率，从根源上抑制碳排放产出，最终实现“降碳升质”。

第三，结构升级机制。一方面，在发挥市场配置原有要素基础上，创新驱动政策将通过体制机制变革，加快实现创新资源的有机整合，尤其是重点发展以金融科技、消费科技为代表的高新技术产业和知识密集型产业，这将成为驱动试点城市经济发展方式与产业结构迈向高端化的重要手段。另一方面，创新驱动政策能优化资本投入产出结构，引导资本有序迁出附加值低的“三高”产业［20］，进而转向绿色化水平更高的新兴产业，从而带来更高效益的经济产出。由此，“双试点”政策有助于发挥结构升级效应，持续抑制生产活动中的污染物与温室气体排放，切实降低了碳排放规模与提高碳资源消耗质量。基于此，提出以下假说。

H2：创新驱动政策“双试点”能通过发挥资源配置效应、技术进步效应与结构升级效应，来有效降低碳排放规模和提升碳排放效率。

1.2.3 创新驱动政策“双试点”赋能的异质机制

由于国家自主创新示范区与创新型城市为全国性试点政策，其政策效应在地理区位、资源禀赋与工业化水平上可能均存在差异，还需进一步讨论创新驱动政策“双试点”赋能碳减排的异质机制。

第一，地理区位异质机制。创新驱动政策对碳排放“量降质升”的冲击效果可能与城市所处的地理位置密切相关。换言之，东部沿海地区与中西部地区可能存在不同的政策效应。一方面，得益于“孔雀东南飞”，东部沿海地区往往具备更为完善的基础设施、教育条件与人才储备［21］，这恰恰为创新驱动政策实施与绿色技术创新活动开展提供了更为优越的环境，切实助力东部地区有效降碳。另一方面，伴随着“西部大开发”战略和“一带一路”倡议等持续推进，中西部地区的经济基础与科技环境得到了有效改善，创新驱动政策将更好地发挥资源配置效应，加速产业结构的“腾笼换鸟”，无形中提升单位能源消耗与碳排放的经济产出。所以，创新驱动政策在不同地理区位条件下发挥不同的政策效能，在东部地区更倾向于降碳，在中西部地区则更突出“升质”。

第二，资源禀赋异质机制。现有研究多从资源丰裕与资源依赖来衡量地区资源禀赋。值得注意的是，资源依赖是“资源魔咒”现象产生的最直接来源，丰裕的自然资源往往会导致地区对资源的高度依赖，尤其在化石燃料丰富的地区，这种“资源魔咒”已然转变为“高碳魔咒”。资源诅咒理论认为，对自然资源的过度依赖将引致“荷兰病”效应、创新挤出效应与制度质量弱化效应，进而阻碍经济可持续发展［22］。具体而言，资源型产业的过度繁荣将导致大量投资涌入高碳、高能耗行业，挤占了技术创新与高端制造业的生存空间。同样，资源型地区容易诱发腐败与寻租活动，加剧社会资源无序开发与浪费，进而降低创新政策实施质量。因此，资源禀赋条件更好、资源依赖程度更高的地区，创新政策的赋能效果可能更差。

第三，工业化水平异质机制。作为国民经济中的支柱产业，工业为全国碳排放贡献了超过70%的力量，是“碳排放大户”。不同地区的工业化进程差异明显，致使创新驱动政策实施效果可能也存在区别。一方面，在规模经济条件下，由于工业部门的碳排放与环境污染集中度较高，其利用技术的治理费用相对偏低。也正因如此，在“双试点”政策的创新驱动下，高工业化城市往往具有较低的边际减排成本与较高的边际减排成效，表现出更为突出的降碳特征。另一方面，工业化水平偏低的城市通常具有更高的产业结构高级化、生态化水平，经济增长并不过度依赖第二产业发展，推进节能减排的潜力相对有限，使得创新驱动政策在实施过程中更倾向于优化降碳的综合效率。由此可见，不同工业化水平下创新驱动政策对碳排放“量”与“质”的赋能效果存在差异。基于此，提出以下假说。

H3：在不同地理区位、资源禀赋与工业化水平情景下，创新驱动政策“双试点”赋能效果表现出显著的异质性特征。

2 研究设计

2.1 模型构建

该研究应用渐进双重差分模型（DID）评估国家自主创新示范区与创新型城市“双试点”对碳排放“量降质升”的政策冲击效果，拟采用时间、城市的双向固定效应模型缓解内生性因素干扰，对应的计量模型设定如下：

式（1）中：Yit为被解释变量，表示碳排放规模（CESC）或碳排放效率（CEEF）；innovationpolicyit为核心解释变量，即创新驱动政策“双试点”；Xit为可能影响碳排放“量”与“质”的控制变量；Corporatei、Timei分别为个体、时间固定效应；eit代表随机扰动项。值得注意的是，innovationpolicyit的赋值规则为城市同时满足“双试点”条件的年度之后取值为1，反之则为0；β为核心系数，捕捉创新驱动政策“双试点”对碳排放“量”与“质”冲击力度的净效应，若β对碳排放规模（CESC）显著为负且对碳排放效率（CEEF）显著为正，则符合H1假说，即创新驱动政策有效促进了碳排放“量降质升”。

2.2 变量定义

2.2.1 被解释变量

碳排放规模（CESC）。参考Shan等［23］的做法，采用实际化石燃料消耗量与对应碳排放系数的乘积计算。计算公式如下：

在碳排放规模测算式（2）中：变量j与s分别代表行业与化石燃料种类。Qjs为j行业内s种类的化石燃料消耗总量，NCVjs与CCjs分别为平均低热值与含碳量，Ojs为燃料氧化因子。考虑到不同区域其数值存在较大差异，这里采取对数化处理。

碳排放效率（CEEF），基于投入产出角度，应用非径向、非角度的超效率SBM模型测度城市碳排放效率。具体借鉴周五七等［24-25］的做法，采用城市就业人数、固定资产投资与能源消耗总量作为投入指标，实际GDP与碳排放规模分别作为期望与非期望产出指标。

2.2.2 核心变量

国家自主创新示范区与创新型城市“双试点”（innovationpolicyit），为Treati与Postit变量的乘积。Treati是识别实验组与对照组的依据，这里将同时试点这两项政策的城市设为实验组，即Treati为1；非“双试点”城市列为对照组，即Treati为0。在此基础上，将实验组的Postit变量在实施“双试点”的首年开始赋值为1，其余年份赋值为0；由于首次“双试点”时间为2010年，所以对照组样本在2010年之前的Postit变量赋值为0，2010年之后赋值为1。同样，在进一步讨论中“单试点”城市变量设置的识别策略一致。由此一共选取了中国2006—2020年29个“双试点”城市。

2.2.3 机制变量

资源配置效应，选取制造业劳动生产率（LAB）来评价劳动力资源配置效率，采用制造业产值占比除以就业人员占比进行刻画。技术进步效应，采用绿色技术创新（GTI）作为代理变量，应用每万人绿色专利授权量为表征。结构升级效应，选用产业结构高级化水平（SH）来衡量结构升级情况，基于第三产业与第二产业增加值的比值体现。

2.2.4 控制变量

经济发展水平（GDP），采取人均GDP来衡量；外商直接投资（FDI），以人民币表示的外商直接投资与GDP的比值来评估；金融发展水平（FIA），选取年末金融机构存款与贷款余额之和来表示；城镇化水平（URB），使用城镇人口占总人口的比重来表征；环境规制强度（ENV），应用各地级市政府工作报告中环保相关词频与总词频数的比值来表示；城市人口规模（POP），以地级市年末户籍人口规模取对数来衡量。

2.3 数据选取

该研究采用2006—2020年中国278个地级市面板数据（受数据的可获性和连续性局限，这里未包括西藏、香港、澳门和台湾等省份，以及绥化、三沙、瞻州、钦州、毕节、铜仁、海东、固原、中卫、哈密、吐鲁番等数据缺失较多城市）。其中，所使用的碳排放相关数据来自中国碳排放核算数据库，其余数据选自中国创新专利研究数据库、《中国工业统计年鉴》《中国城市统计年鉴》等。由于部分数据缺失，这里应用插值法补齐处理。

3 实证结果及分析

3.1 基准回归

这里分别将碳排放规模（CESC）与碳排放效率（CEEF）作为被解释变量代入式（1）进行回归估计，结果见表1。其中，表1列（1）与列（3）为估计结果的净效应，列（2）与列（4）则考虑了控制变量，结果表明，无论是否添加控制变量，创新驱动政策“双试点”均有效促进了碳排放“量降质升”。为进一步识别“双试点”政策与碳排放之间的因果关联，这里将样本区间内仅成为“单试点”的458个观测值剔除，进而得到“无试点”样本作为对照组的估计结果，见表1列（5）与列（6）。可以发现，“双试点”政策对碳排放规模与碳排放效率均产生了明显的影响。上述发现在一定程度上支持了假设H1。

表1 基准回归结果

3.2 识别假设检验

3.2.1 平行趋势检验

参考Jacobson等［26］的研究思路，采用事件分析方法对“双试点”赋能碳减排的动态效应进行平行趋势检验。由于“双试点”样本集中在政策实施前9年至后5年，由此可得试点前第9年为基期的估计结果，这里设定虚拟变量代替innovationpolicyit作为核心变量进行动态冲击检验，如代表“双试点”后第5个年份的时间虚拟变量与政策变量的交互项，具体模型设定见式（4）。

这里分别对碳排放规模（CESC）与碳排放效率（CEEF）进行平行趋势检验，结果如图1与图2所示，不难发现，“双试点”启动前，对碳排放“量”与“质”的政策冲击均未通过显著性检验。结果表明，在政策试点前实验组与对照组样本的被解释变量变化趋势符合平行趋势检验条件。从动态效应进一步探析可知，碳排放“数量”呈现波动递减趋势，表明创新驱动政策协同对碳排放规模的抑制作用存在动态变化，且随着时间推移，这种抑制效应趋于显著。在碳排放效率的平行趋势检验中，政策冲击效应呈现波动递增趋势，说明“双试点”政策加速了碳排放“质量”提升。以上分析再次印证了基本结论的可靠性。

图1 碳排放规模平行趋势检验

图2 碳排放效率平行趋势检验

3.2.2 安慰剂检验

这里进行安慰剂检验，对innovationpolicyit“双试点”变量进行随机抽取1000次并绘制正态分布图，具体结果如图3与图4所示。不难发现，在随机试验组中被解释变量的回归系数集中在0附近，而真实事件中碳排放规模与碳排放效率的回归系数分别为-0.098与0.024，均显著异于随机试验的回归分布，表明随机试验组对碳排放“量”与“质”的冲击是不显著的，结论成功通过安慰剂检验。

图3 碳排放规模安慰剂检验

图4 碳排放效率安慰剂检验

3.3 稳健性检验

3.3.1 PSM‐DID方法

考虑到选择偏误干扰，应用PSM‐DID方法评估创新驱动政策“双试点”对碳排放“量”与“质”的冲击效应。具体做法如下。首先，采用Logit模型测算倾向得分。其次，应用“近邻匹配方法”或“核匹配法”为每个实验组城市找到同等年份对照组样本。再次，剔除未成功匹配样本进行平衡性检验。最终，将匹配后样本数据合并处理进行DID回归检验。具体估计结果见表2，发现无论选取何种匹配方法，“双试点”政策协同对碳排放“量降质升”的影响均显著。

表2 稳健性检验

3.3.2 缓解内生性问题

为进一步验证模型稳定性，这里对被解释变量进行滞后处理。由表2中时滞性检验的结果可以发现，在被解释变量滞后1期与2期的情况下，创新驱动政策“双试点”赋能效果与基准回归的结论相吻合。

3.3.3 替换被解释变量

这里应用碳生产率（CPE）替换碳排放效率进行再估计，计算结果见表3。由表3可知，“双试点”政策依旧显著促进了城市碳排放效率，印证了基本结论的可靠性。

表3 稳健性检验

3.3.4 调整样本结构

一是改变研究时段。随机将研究样本时段缩短至2008—2020年，回归结果见表3，由表3可知，“双试点”政策对碳排放“量降质升”的冲击效果与基准结论保持一致。二是剔除自治区样本。考虑到自治区样本可能对估计结果产生一定干扰，这里将样本中属于自治区的城市进行剔除。由表3可知，创新驱动政策协同影响碳排放“量”与“质”的结果并未改变。

3.4 影响机制检验

根据前文理论分析和江艇［27］的观点，这里选用制造业劳动生产率（LAB）、绿色技术创新（GTI）、产业结构高级化水平（SH）代表以上三种效应进行机制检验，估计结果见表4，可以发现“双试点”政策可以通过优化劳动资源配置、加速绿色技术进步实现碳排放“量降质升”，而产业结构升级的作用路径尚未显现，具体分析如下。

表4 影响机制检验

3.4.1 资源配置效应

由表4可知，创新驱动政策“双试点”有效驱动了制造业劳动生产率提升，优化了劳动力资源配置。伴随着中国经济步入“新常态”，迫切要求摆脱传统高碳、高能耗驱动的经济增长模式。从发达国家的经验来看，产业结构变革与资源有效配置在节能降碳中扮演着尤为重要的角色。根据Fedulova等［28］的观点，提升制造业劳动生产率有助于改善能源消费结构，降低高碳能源消耗与提升能源利用效率。而能源消耗的结构因素直接关乎碳排放的“量”与“质”，这种劳动生产率提升所带来的优化效应将减少单位能源的碳排放产出与提升碳资源消耗效率，进而实现碳排放“量降质升”。

3.4.2 技术进步效应

根据表4技术进步效应的机制检验结果发现，“双试点”政策有助于充分发挥技术进步效应。一般来说，绿色技术创新通常具备污染控制、废物处理等一系列功能，是一种带有清洁属性的技术进步，能驱动产业结构清洁化、生态化转型。国际能源署在《2013年世界能源展望》中指出，绿色技术创新是抑制全球气候变暖的重要因素，清洁能源、可再生能源等领域的绿色技术有望降低60%以上的碳排放总量。另外，绿色技术创新在有效降碳的同时还能带来有益的经济产出，中国绿色技术创新对碳排放效率的驱动作用明显［29］。可见，“双试点”政策通过加快高新技术产业发展，激励企业开展绿色研发创新活动，促使清洁能源与低碳技术更广泛应用到生产实践中，最终实现了“降碳升质”目标。

3.4.3 结构升级效应

由表4可知，“双试点”政策对产业结构高级化的作用并不显著。可能原因在于，在产业结构高级化进程中模仿创新贡献了重要力量，但作为创新政策高端驱动的自主创新对产业结构升级影响尚未显现［30］。一方面，在中国早期经济粗放式发展进程中，形成了“重实用、轻基础”的创新思维，却忽视了自主创新的重要作用，这导致了研发产出效率偏低，无法有效推进产业结构升级。另一方面，尽管创新驱动政策促进了高新技术产业、高端制造业的蓬勃发展，但由于中国产业在国际分工中的整体地位还不高，诸多高技术产品仍需依赖技术引进，这较大程度制约了产业结构转型。此外，产业结构转型是一个长期过程，当下中国技术创新发展尚处于过渡阶段，只有跨越模仿创新到自主创新这道“门槛”，才能更好地实现产业结构升级，为碳排放“量降质升”服务。

4 进一步讨论

4.1 “双试点”政策协同效果的比较分析

为进一步探析国家自主创新示范区与创新型城市“双试点”政策的协同效应。首先，评估“单试点”政策对碳排放“量”与“质”的冲击。具体操作如下：剔除国家自主创新示范区的样本数据，保留创新型城市“单试点”与“无试点”样本，以“单试点”为实验组，“无试点”为对照组。Ainnovationpolicyit系数显示了国家自主创新示范区影响碳排放“量”与“质”的净效应。同理，剔除国家自主创新示范区干扰后，Binnovationpolicyit系数可以评估创新型城市政策冲击的净效应。回归结果见表5，其中列（1）与列（2）表明国家自主创新示范区试点有效抑制了碳排放数量，也显著驱动了碳排放效率增长。列（3）与列（4）报告了被解释变量滞后一期的估计结果，可知国家自主创新示范区试点对碳排放“量降质升”的政策冲击依旧显著。列（5）—列（8）则代表创新型城市试点对碳排放“量”与“质”的估计结果，发现国家自主创新示范区试点对“降碳升质”的政策绩效显著且大于创新型城市。上述结果表明，创新驱动政策的“单试点”净效应均有助于碳排放“量降质升”。

表5 “单试点”的碳减排净效应

其次，探索“双试点”是否具备比“单试点”更佳的政策绩效。具体做法如下：剔除所有“无试点”样本，仅保留已成为国家自主创新示范区或创新型城市的样本，对实验组与对照组重新构造，设置“双试点”样本为实验组，“单试点”样本为对照组。此时innovationpolicyit系数捕捉结果为“单试点”成为“双试点”对碳排放规模与碳排放效率影响的净效应。根据表6“单试点”作为对照组的估计结果，可知“双试点”政策相较于“单试点”政策对碳排放“量降质升”的积极冲击更为有效，验证了国家自主创新示范区与创新型城市“双试点”政策的协同效应。

表6 “单试点”与“双试点”净效应对比

为进一步检验“双试点”与不同类型“单试点”之间是否存在异质性冲击效应，这里将分别考虑国家自主创新示范区“单试点”与创新型城市“单试点”作为对照组的实证结果。具体做法是：在“单试点”总效应与“双试点”对比样本设置的基础上，再剔除已经成为创新型城市但并未成为“双试点”的样本，以此作为国家自主创新示范区“单试点”与“双试点”对比的观测样本。同理，可得出创新型城市“单试点”与“双试点”对比的识别策略。根据以上研究思路，实证结果见表6，可以发现，在创新型城市“单试点”作为对照组时，“双试点”能发挥更好的“降碳升质”效果；而“双试点”对已成为国家自主创新示范区的样本来说，积极影响尚未显现。

最后，进一步探索“双试点”政策实施先后顺序影响碳排放“量”与“质”的赋能差异。具体做法如下：保留先设立国家自主创新示范区且还未成为“双试点”的样本，innovationpolicyit系数捕捉到的是先成为国家自主创新示范区再成为创新型城市试点对碳排放的双效冲击程度，估计结果见表7列（1）与列（2），表明先试点国家自主创新示范区再成为“双试点”城市对碳排放“量降质升”的影响不显著。同理，表7列（3）与列（4）反映先试点创新型城市后试点国家自主创新示范区的政策冲击净效应，这种方式有效降低了碳排放规模并提升了碳排放效率。由此可知，顺序异质性结论与前文结果相吻合，说明政策实施先后顺序直接关乎“双试点”的实施效果。可能原因在于，其一，先实施国家自主创新示范区的“双试点”城市试点时间仅为1～3年，反观先实施创新型城市的“双试点”样本试点时间最高可达8年。而政策实施时间与实施效果密切相关，先试点国家自主创新示范区的“双试点”城市的“降碳升质”成效在短期内尚未显现。其二，相较于国家自主创新示范区，创新型城市试点更侧重于思想文化、发展模式、管理体制等宏观战略性环境创新。先试点创新型城市后国家自主创新示范区是战略部署到策略实施、“先宏观再微观”的具体表现，创新型城市为国家自主创新示范区提供了更优质的创新环境、机制与资源，使得创新驱动政策能有效发挥协同效应，进而实现碳排放“量降质升”。

表7 政策实施先后顺序对比

4.2 “双试点”政策协同效果的空间异质性分析

考虑到来自地理区位、资源禀赋与工业化水平的差异可能会导致“双试点”政策赋能效果呈现异质性特征，这里应用三重差分模型进行空间异质性讨论，对应的计量模型设定如下。

其中：Positionit为识别空间异质性的哑变量，θ0为关注的核心系数，表示在不同空间异质性条件下“双试点”政策对碳排放规模与碳排放效率的冲击程度。这里对innovationpolicyit、Treati×Positionit、Postit×Positionit均进行了控制。表8展示了三重差分模型的估计结果，具体分析如下。

表8 空间异质性分析结果

4.2.1 地理区位异质性

由于历史、要素禀赋与改革开放政策等原因，东部沿海地区经济率先崛起，中西部地区则相对滞后，这种区域间发展不平衡、不充分的特点导致了创新政策实施效果存在地理位置差异。因此，这里将中西部地区对应的Positionit变量设置为1，东部地区设置为0，由此得到的估计结果见表8。可以发现，“双试点”政策在不同地理区位城市表现出了显著的异质性特征，具体表现为：“双试点”政策对东部地区的碳排放规模抑制效果更明显，对中西部地区碳排放效率的促进作用更突出。究其原因，东部地区产业基础更好，地方政府更倾向于采取严厉的环境规制行为，创新驱动政策在实施过程中更多表现为降碳。而中西部地区的生产效率偏低，环境规制也相对宽松，为了不因过度降碳而直接损害经济增长，致使“双试点”政策在“升质”方面具有更为明显的赋能效果。

4.2.2 资源禀赋异质性

鉴于前文假说，参考李虹等［31］的方法，从资源依赖度视角评价区域资源禀赋情况。具体做法是，测定城市采掘业从业人员与总人口的比值，将均值大于1%的城市对应的Positionit变量赋值为1，其他城市赋值为0。根据表8不同资源禀赋条件下创新驱动政策的实施效果可知，资源禀赋阻碍了“双试点”政策的“降碳升质”成效。一般来说，资源禀赋丰裕地区往往存在较高的自然资源依赖，这种资源依赖偏向通常会在一定程度上造成辖内的绿色资源和清洁技术流失，进而弱化创新驱动政策的降碳成效。此外，“双试点”政策虽有助于缓解高资源依赖区的“荷兰病”效应，但短期内“双高”产业仍为该地区经济增长主力，无形中阻碍了绿色创新与节能减排，从而不利于碳排放“量降质升”。

4.2.3 工业化水平异质性

鉴于前文假说，这里将工业产值占地方GDP比重作为工业化水平的衡量指标，并将平均水平大于60%的城市对应的Positionit变量赋值为1，其他地区赋值为0，估计结果见表8。结果表明，“双试点”政策在高工业化地区表现出有效降碳效应，而在中低工业化城市呈现更突出的“升质”效果。事实上，高工业化水平地区污染企业密集，面临着更为严厉的减排目标约束，创新驱动政策在推动其绿色技术创新、经济转型中表现出明显的降碳偏好；反观工业化水平偏低城市，在规模上实现降碳的空间相对有限，“双试点”政策的实施将更多反映在促进效率提升上。

综上可知，创新驱动政策“双试点”的“降碳升质”成效在不同地理区位、资源禀赋与工业化水平下表现出明显的异质性特征，假说H3得证。

5 研究结论与政策启示

该研究立足2006—2020年278个地级市面板数据，基于多期双重差分模型探索了国家自主创新示范区与创新型城市“双试点”对碳排放“量”与“质”的协同赋能成效、作用路径与空间异质性。结果表明：第一，整体而言，创新驱动政策“双试点”具有显著“降碳升质”的协同赋能效应。第二，“双试点”政策可以通过发挥资源配置效应与技术创新效应，有效降低碳排放规模与提升碳排放效率。第三，相较于“单试点”城市，尤其是创新型城市“单试点”，“双试点”对碳排放“量降质升”的政策冲击更明显。第四，相较于先成为国家自主创新示范区后成为创新型城市，先成为创新型城市再成为国家自主创新示范区能更好地发挥碳减排成效。第五，“双试点”政策实施效果在不同地理区位、资源禀赋与工业化水平表现出显著异质性特征。该研究得到的重要启示在于，应着重关注创新驱动政策之间的联动效应，充分依托制度创新协同实现“1+1>2”的碳减排成效。具体政策内涵如下。

第一，合理规划与设计创新驱动政策的实施方案、顺序与流程，着力发挥国家自主创新示范区与创新型城市之间的政策叠加效应。一方面，要持续扩大创新驱动政策实施的力度、广度和深度，不断深化科技体制改革与推进政策先行先试，加快建设高水平自立自强的创新型国家。另一方面，除了关注单个创新试点的实际效能外，也要考虑发挥多个政策的叠加赋能，合理规划政策实施先后顺序，尽可能实现政策绩效的最优化。

第二，充分关注创新驱动政策在优化资源配置、促进技术创新与产业结构升级中的重要作用，进而发挥更佳的“降碳升质”效能。具体而言，地方政府应注重制造业现代化转型，通过引导人才、资本、技术等要素向高生产率部门转移，促进劳动力资源的合理配置；大力扶持以绿色生产、清洁能源为代表的高新技术产业，全面推进低碳、零碳、负碳技术革新，从根源上实现有效降碳；重点提高技术创新中的自主创新水平，加快提升中国制造业在全球竞争中的核心能力，让高质量创新成果切实服务于产业升级与低碳发展。

第三，不断优化、细化创新驱动政策的执行思路与实施计划，因地制宜、因需而变，务实合理地推进国家自主创新示范区与创新型城市建设。首先，东部应不断加大政策先行力度，加快绿色技术的生态绩效溢出。其次，中西部则应紧抓制度创新机遇，进一步释放创新驱动政策红利，充分发挥政策叠加赋能的后发优势。再者，资源依赖型地区应加快转变经济发展动能，积极培育与扶持低碳环保型产业发展，摆脱“资源魔咒”带来的“高碳魔咒”。最后，不同工业水平城市应采取差异化复合策略，通过科技创新撬动绿色转型升级的“杠杆”。