智慧城市建设对减污降碳协同治理的影响研究

边志强

（山西财经大学资源型经济转型发展研究院，太原 030006）

引言

党的十八大以来，我国生态文明建设取得了历史性成就。但与此同时，实现生态环境根本好转与碳达峰碳中和目标两大战略任务依然任重道远。鉴于环境污染与碳排放高度同根同源的特征，近年来，推进二者的协同减排已成为我国政府关注的重点目标。2022年6月，生态环境部等七部门联合印发《减污降碳协同增效实施方案》。同年10月，党的二十大报告再次强调要“协同推进降碳、减污、扩绿、增长”。在新发展阶段，协同推进减污降碳已成为我国兑现双碳目标承诺和实现经济社会全面绿色转型的必然选择。

智慧城市建设作为一种以数字化、智能化为主要驱动力的新型城市发展模式，不仅是对传统城市发展模式的革新，也是推动绿色转型发展的重要举措，其本质在于将数字技术应用于城市管理和公共服务中，从而实现城市的智慧化治理。2012年，我国正式启动国家智慧城市试点工作，并在随后两年进行了扩容。可以预见，智慧城市建设将在经济、社会与生态等多领域产生重要影响。而必须承认的是，既有文献对其政策效应确已做了丰富的探讨，但在协同推进减污降碳，助力实现碳达峰碳中和目标的背景下，智慧城市建设的减污降碳协同效应这一重要议题却尚未进入学者们的研究视野。

那么，智慧城市建设能否带来减污降碳协同治理的政策红利？其内在机制是什么，有何异质性表现？为了回答上述问题，本文基于2006～2021年我国210 个地级市的面板数据，将智慧城市建设视为一项准自然实验，对其减污降碳效应展开系统评估。本文基于减污降碳协同视角，探究智慧城市建设的影响效应，并从技术创新、产业结构调整以及能源消耗强度三方面揭示其内在机制；基于各城市区位、规模和类型的不同以及人力、财力和物力水平不均衡的现状，从多个维度着手探析智慧城市建设的异质性影响；考虑智慧城市建设对周围地区减污降碳水平的空间溢出效应，并探寻该效应在不同空间距离下的衰减规律。本文不仅有助于弥补相关理论研究的不足，也能够在现实层面为我国智慧城市建设的有效推进和减污降碳的协同治理提供路径支撑和决策依据。

1 文献回顾与理论分析

1.1 文献回顾

与本文密切相关的研究主要包括：

（1）智慧城市建设的政策效应。具体来看，在技术创新方面，研究发现智慧城市建设不仅有助于提升城市创新创业水平［1］，还能够实现绿色技术创新的“量质齐升”［2，3］。在产业结构方面，智慧城市建设能够显著推动产业结构向合理化、高度化与服务业生产化方向演进［4］。此外，该政策还能够吸引外商直接投资［5］、促进我国全球价值链攀升［6］。在环境效应方面。一部分学者就智慧城市建设对环境污染的减排作用进行了证实［7］；还有一部分学者则基于双碳目标，发现该政策能够显著降低碳排放规模［8］、人均碳排放量［9］以及碳排放强度［10］。总体来看，智慧城市建设有助于提升经济发展质量［1］，推动低碳转型发展［11］。

（2）减污降碳协同推进的相关研究。由于该领域的研究方兴未艾，因此，科学量化评估其水平成为学术界关注的焦点。具有代表性的方法包括将环境污染与碳排放共同作为因变量衡量［12］、使用二者交乘项表征［13］、基于边际减排成本测度等［14］。在此基础上，学者们探讨了我国省域［15］、地级市［16］以及黄河流域［17］减污降碳协同水平的时空演化及驱动因素。而从聚焦于减污降碳影响因素的研究来看，学者们发现环境规制［18］、数字经济［19］、用能权交易［20］以及碳排放交易机制［13］均有助于环境污染与碳排放的协同治理。而作为政府引领经济社会建设的重要工具，PM2.5 等环境目标的设置与减污降碳协同管理绩效呈现正相关关系，相反，经济增长目标与之则表现为负相关关系［21］。

综上来看，学术界对智慧城市建设的政策效应已做了丰富探讨，但在实现生态环境根本好转与双碳目标两大战略任务下，尚未有学者从“碳污同源”视角着手，探究智慧城市建设的减污降碳协同效应；另外，目前关于减污降碳协同影响机制的文献仍较为缺乏，相关研究亟待补充。因此，系统评估智慧城市建设的减污降碳协同效应成为本文的出发点和落脚点。

1.2 理论分析

智慧城市建设是实现减污降碳协同治理的有效路径。具体表现在：（1）推动经济发展方式转变。智慧城市建设具有绿色经济转型效应［7］，在其建设过程中，利用信息技术、大数据等新兴技术手段，有助于推动生产过程更加精细化和绿色化，最终提高城市经济和环境效益，实现环境污染与碳排放协同降低；（2）提高城市管理和运营效率。智慧城市建设引入了物联网等先进技术，通过建立智慧管理平台实现城市各类数据的采集、分析和处理，有助于提高城市管理效率和精度，同时也为减污降碳工作的开展提供了有效支撑；（3）促进居民绿色出行与低碳生活。智慧城市建设依托生态文明理念引导居民生活方式绿色化变革［22］，通过智能交通、共享出行等方式推广低碳出行，实现了燃油消耗的下降与汽车尾气排放的减少，从而协同降低环境污染与碳排放量；（4）加强环境保护能力。智慧城市建设依托严格的大数据监管和数字化治理手段，有助于建立更加完善的环境监测体系［8］，从而实现对环境问题的智能化监测和管理，提高城市减污降碳协同推进能力。综上，本文提出：

理论假说H1：智慧城市建设有利于提升减污降碳水平。

就内在机制而言，在智慧城市建设发挥减污降碳作用的过程中，存在如下3 条机制：（1）技术创新。智慧城市建设能够为高技能创新人才提供优质的生活环境与就业机会，从而吸引各类人才集聚，提升城市人力资本水平［10］。互联网、云计算等技术的应用使得各项数据实现交流共享，为科研人员提供了更多的数据来源，进而有助于提升其研究效率和城市技术创新水平。进一步，技术创新是实现环境污染与碳排放协同治理的关键要素，通过技术创新改进污染控制技术、实现清洁生产技术的应用能够有效提升减污降碳水平［13，16］；（2）产业结构调整。《国家智慧城市（区、镇）试点指标体系（试行）》 中，明确将产业规划、产业升级与新兴产业发展列为智慧城市创建的重要目标。在此背景下，试点地区在鼓励支持物联网、新能源等新兴产业发展的同时，还能够带动传统产业调整升级［7］。进一步，产业结构升级是实现节能提效和减污降碳的必由之路［8，23］。智慧城市建设所吸引的新兴产业普遍依托于互联网，对资源的依赖性较低［10］，而传统产业得益于其赋能效应，能够实现清洁技术的应用和污染物的准确治理，从而有助于减污降碳的协同推进；（3）能源消耗强度。智慧城市建设带来的新技术应用使得能源消耗因素能够被准确判定，能源供给规划能力和智能调节能力得以提升，从而实现能源消耗强度降低［24］。再者，能源消耗是环境污染和碳排放共同的根源，其强度的降低意味着资源的高效利用，将直接有助于减污降碳水平的提高［13］。由此，本文提出：

理论假说H2：智慧城市建设能够通过促进技术创新、推动产业结构调整与降低能源消耗强度进而提升减污降碳水平。

2 研究设计与数据说明

2.1 模型设定

住房和城乡建设部分别于2012年、2013年和2014年公布了3 批智慧城市试点名单，因此，本文将该政策视为一项准自然实验，构建如下渐进双重差分模型，就智慧城市建设的减污降碳协同治理效应进行评估。

其中，α0表示截距项，下标i和t分别表示城市与时间；lnPC表示减污降碳水平；Did表示智慧城市试点政策；controlit表示一组控制变量；μi和λt分别表示地区和时间固定效应；εit为随机扰动项。

2.2 变量选取

2.2.1 被解释变量

减污降碳水平（lnPC）。借鉴陆敏等［13］的方法，使用碳排放量与环境污染水平的交乘项（取对数）进行表征。二者均为逆向指标，交乘项不仅可以有效体现“碳污同源”特征，也能够反映整体的减排程度。其中，PM2.5 浓度作为反映环境污染情况最直接的指标，不仅易于观测，而且代表性强，因此，本文将其作为环境污染水平的代理变量。

2.2.2 解释变量

智慧城市建设（Did）。使用政策实施时间虚拟变量（Time）与城市类型虚拟变量（Treat）的交互项（Did＝Treat×Time）进行衡量。若i城市在t年被确立为智慧城市试点地区，则将相应交互项（Did）设定为1，作为实验组，将其余交互项（Did）设定为0，作为对照组。

2.2.3 控制变量

参照唐湘博等［15］、郭沛和王光远［19］、王芝炜等［20］的研究，对如下变量进行控制：（1）经济发展水平（lnpgdp），使用以2006年为基期的人均实际GDP（对数）衡量；（2）工业化程度（Ind），使用第二产业增加值占GDP 的比重表征；（3）外商直接投资（Fdi），使用实际利用外商直接投资额占GDP 的比重刻画；（4）环境规制强度（Er），使用政府工作报告中与环境保护相关的词汇频率衡量［25］；（5）科教支持力度（Gte），使用科教支出占财政支出的比重表征；（6）人口密度（lnpop），使用单位面积的人口数量（对数）刻画。

2.3 样本与数据说明

样本选取方面，本文基础数据为2006 ～2021年我国282 个地级及以上城市的面板数据，为保证估计结果的准确性，将仅包含个别区、县试点的城市剔除，经筛选后的样本为210 个地级市。其中，3 批实验组样本分别为32 个、38 个、20 个，控制组样本为120 个。数据来源方面，碳排放数据来自公众环境研究中心（IPE）双碳地图页面，PM2.5 浓度数据来源于哥伦比亚大学社会经济数据和应用中心，其余数据均来自《中国城市统计年鉴》 和统计公报等官方文件。缺失值根据平均增长率补充完善。主要变量描述性统计结果如表1 所示。

表1 主要变量描述性统计

3 实证结果与分析

3.1 基准回归

表2 展示了智慧城市建设影响减污降碳水平的基准回归结果，列（1）～（4）分别为未纳入控制变量、时间固定、地区固定以及双向固定效应下的回归结果。显然，核心解释变量的估计系数始终显著为负，且至少通过了5%的显著性检验，表明智慧城市建设能够实现碳排放和环境污染的协同降低，即减污降碳水平的提升，理论假说H1 得到初步验证。以列（4）结果作为基准可知，与非试点城市相比，智慧城市建设提升了试点地区的减污降碳水平约6.6%。进一步，由于试点工作始于2012年，因此，模型共捕捉到了10年的平均处理效应，意味着智慧城市建设每年促使试点地区的减污降碳水平提高0.66 个百分点。

表2 基准回归

3.2 平行趋势检验与动态效应分析

双重差分模型有效的前提是满足平行趋势假设。为此，本文构建如下模型进行检验：

图1 显示，在政策实施之前，变量的估计系数均不显著，表明处理组与控制组的减污降碳水平不存在明显差异，满足平行趋势假设。从动态影响来看，政策实施的当年开始，变量的估计系数始终显著为负，表明智慧城市建设能够有效提升减污降碳水平。且随着时间推移，其系数绝对值总体有所增大，意味着上述效应具有逐渐增强趋势。原因在于：随着智慧城市建设工作的深化，城市内部的互联互通程度和技术水平不断提升，环境污染与碳排放数据能够被更准确地搜集、分析与处理。因此，其减污降碳效应逐渐增强。

图1 平行趋势检验及政策动态效应

3.3 稳健性检验

（1）PSM－DID。为缓解样本选择的非随机性带来的估计偏误，使用PSM－DID 方法进行检验。具体来看，将模型（1）中的控制变量视为协变量，使用Logit 模型估计倾向得分值，并分别采用核匹配与卡尺匹配方法筛选出与处理组特征最为契合的控制组，继而对匹配后的样本进行回归；（2）样本数据筛选。为剔除数据极端值和样本选取偏误带来的影响。对所有连续型变量进行1%分位上双边缩尾处理；另外，将直辖市、省会城市以及副省级城市予以剔除，继而分别进行检验；（3）排除其他政策。为排除其他政策对回归结果造成的影响，在模型（1）中分别加入代表碳排放权交易政策（car）［13］与低碳试点政策（low）［27，28］的虚拟变量重新进行回归。表3 结果表明，在分别进行上述检验后，智慧城市建设的估计系数均在1%水平上显著为负，由此，基准结果的稳健性得到充分验证。

表3 稳健性检验

3.4 内在机制检验

理论假说H2 指出，促进技术创新、推动产业结构调整与降低能源消耗强度是智慧城市建设提升减污降碳水平的3 条内在机制。其中，这3 条机制对减污降碳水平的积极影响已经得到学术界的充分论证［12，13，16］，在此基础上，本文根据江艇［29］提供的思路，设定如下模型进行检验：

其中，M为衡量3 条内在机制的变量。具体包括：技术创新，使用城市每万人发明专利授权量衡量。产业结构调整，参照石大千等［7］的研究，使用第二产业GDP 与第三产业GDP 的比值表征。能源消耗强度，本文首先将各城市电力、天然气与液化石油气消费量折算为标准煤［28］，继而利用每万元GDP 能耗量刻画。其余变量含义同式（1）。

表4 结果显示，列（1）～（3）核心解释变量的估计系数分别在1%、1%和5%水平上显著，表明智慧城市建设有效促进了技术创新、产业结构调整与能源消耗强度降低。正如理论分析所述，（1）智慧城市建设不仅提升了人力资本水平，而且通过数据的互联互通与共享，实现了地区创新水平的提高。随着污染控制和清洁生产技术的应用，地区减污降碳工作得以有效推进；（2）智慧城市建设在支持新兴产业发展的同时，也有助于传统产业改造升级，为减污降碳水平的提高提供根本保障；（3）智慧城市建设通过智能化的能源监测和管理系统，有利于实现能源供给的有效分配，促进资源的高效利用，进而提升减污降碳水平。综上表明，促进技术创新、推动产业结构调整与降低能源消耗强度是智慧城市建设发挥减污降碳效应的3 条内在机制，理论假说H2 得到验证。

表4 内在机制检验

4 拓展研究

4.1 异质性分析

4.1.1 区位异质性

不同区域的经济发展基础、产业结构状况和生态环境水平等条件大相径庭。本文将样本划分为东部与中、西部两大类进行检验。由表5 列（1）、（2）结果可知，在东部地区，智慧城市建设的减污降碳协同治理效应显著存在，其估计系数通过了1%的显著性检验，而该效应在中、西部地区则并不明显。究其原因，东部地区拥有相对更发达的经济、完善的基础设施和新型技术的支持，因此，试点工作更容易推进，其减污降碳效应也能够充分发挥。然而，中、西部地区经济发展与技术水平相对落后，其有限的财政收入与技术水平难以支撑智慧城市建设有效推进，其减污降碳能力也得不到充分释放。

表5 异质性检验Ⅰ

4.1.2 规模异质性

不同城市规模下，地区经济实力和资源集聚能力等因素迥然不同。本文在国务院发布的《关于调整城市规模划分标准的通知》 基础上，将样本量较少的超大城市与特大城市归并为大规模城市，将中等城市与小城市归并为中小规模城市进行检验。表5 列（3）、（4）结果表明，在中小规模城市，智慧城市建设的减污降碳效应不明显，而在大规模城市，上述效应则通过了5%的显著性检验。究其原因，大规模城市拥有强大的资源集聚能力，智慧城市建设的推进以及效应发挥更具优势。同时，随着新型城市治理模式的发展，其环境污染等大城市病得到解决。而中小规模城市资源集聚能力不足，缺乏信息技术发展的基础，从而增加了智慧城市建设和减污降碳作用发挥的困难。

4.1.3 类型异质性

我国资源型城市数量众多，分布广泛，且其产业结构普遍单一，环保任务更加艰巨。本文依据《全国资源型城市可持续发展规划（2013 ～2020年）》，将样本划分为资源型城市与非资源型城市两大类进行检验。表5 列（5）、（6）结果显示，在资源型城市，智慧城市建设对减污降碳水平未产生显著影响，而在非资源型城市，该政策能够在1%水平上显著提升减污降碳水平。究其原因，非资源型城市的产业结构与经济基础较为先进多元，能够快速适应智慧城市建设的任务要求，并有效推进以清洁技术为核心的创新与减排工作。相反，资源型城市则由于产业结构固化、资源诅咒等原因，减排成本较大，智慧城市建设效果难以发挥。

4.1.4 城市发展特征异质性

智慧城市建设过程中，人力、财力和物力水平等城市发展特征起到了重要支撑作用［8］。本文选取人力资本水平（普通高等学校在校学生数占总人口的比重）、金融发展程度（年末金融机构人民币各项存贷款余额占GDP 的比重）和信息基础设施水平（互联网宽带接入用户数占总人口的比重）分别反映人力、财力和物力情况，并依据其中位数分别划分为两大类进行检验。表6 结果表明，在人力资本、金融发展以及信息基础设施水平较高的地区，智慧城市建设的减污降碳作用更明显，其估计系数均显著为负。原因在于：（1）高水平的人力资本不仅能够带来更先进的技术创新支持，并且有助于提高城市的智能化管理水平，实现其协同减排能力的释放；（2）金融发展程度较高意味着强大的财力支持，使得智慧城市建设在资金技术和任务落实等方面更具优势，减污降碳效应也更明显；（3）较高的信息基础设施水平能够为城市内部的互联互通和环境污染的精准化治理提供充分的物力保障，因此智慧城市建设的减污降碳效应较强。

表6 异质性检验Ⅱ

4.2 空间衰变规律分析

从空间溢出视角来看，智慧城市建设能够同时促进周边地区的减污降碳协同治理。原因在于：（1）环境污染物与碳排放因子具有空间转移特性。试点城市与周围区域之间存在污染物质的空间转移与扩散，因而智慧城市建设在实现本地减污降碳协同治理的同时，也有利于周围地区减污降碳水平的提升；（2）示范效应。智慧城市建设过程中，涵盖了大量的先进技术与管理经验，并具有丰富的环境与经济效益，这为周围地区推进减污降碳工作提供了行之有效的经验；（3）竞争效应。智慧城市建设能够提升城市服务水平，优化生态环境，进而吸引更多投资，而周围地区也需要不断强化自身竞争力，完成环保绩效考核。因此，智慧城市还能够激发周围地区治理污染的潜力，提升其减污降碳水平。

综上，本文认为智慧城市建设的减污降碳协同效应存在空间溢出。为此，参考曹清峰［30］的研究，构建如下模型进行检验：

图2 空间衰变规律

5 结论与政策建议

本文基于2006 ～2021年我国210 个地级市的面板数据，借助渐进双重差分模型考察了智慧城市建设对减污降碳协同治理的影响效应及内在机制，并进一步揭示了该效应的异质性表现及空间衰变规律。研究发现，智慧城市建设有利于提升减污降碳水平，这一结论通过了PSM－DID 等一系列稳健性检验。且伴随着时间的推移，上述影响呈现出动态增强趋势。机制检验表明，促进技术创新、推动产业结构调整与降低能源消耗强度是智慧城市建设影响减污降碳水平的3 条基本路径。异质性分析显示，智慧城市建设对减污降碳水平的提升效应仅显著存在于东部、大规模以及非资源型城市样本中，且人力、财力和物力水平是影响其效应发挥的重要因素。空间衰变规律分析表明，智慧城市建设可以带动周围地区减污降碳水平的协同提升，表现为在距离试点地区100千米的范围内，该效应显著且逐渐衰减。

根据上述结论，得出如下政策启示：

（1）继续推进智慧城市建设，充分释放减污降碳红利。应完善相关相律法规和政策体系，着力打造政府的智慧化服务与行政办公平台，提高政务效能；同时，应鼓励支持技术创新、不断推动新兴产业发展和传统产业升级，积极推广绿色能源技术，降低能源消耗强度，多措并举保障智慧城市建设的高质量推进，释放其减污降碳的双重红利。

（2）贯彻减污降碳协同治理理念，加强统筹规划与协作。环境污染物和碳排放具有同根同源特征，必须立足实际，遵循减污降碳内在规律，强化系统治理、源头治理。在明晰各类污染物排放来源及减排途径的基础上，通过制定跨部门、跨领域的综合治理方案，实现减污降碳的协同推进。

（3）结合自身区位、类型和发展特征，实施差异化发展和污染减排策略。对于中、西部、中小规模、资源型以及发展条件较差的城市，应首先以提升城市创新能力、发展信息技术产业、推进政府管理模式改革与完善基础设施建设为首要任务，为智慧城市建设和减污降碳水平的提升提供有力支持。

（4）关注政策实施的空间效应，区域联动深化协同减排。建立区域联动减排机制，明确各地减排目标和责任，并将联动减排作为关键任务纳入各地区的发展规划；同时，加强区域间的合作协商，通过交流成功经验、共享技术成果，推动区域减污降碳水平协同提升。