智慧城市建设对碳排放的影响及作用机制

摘 要：实现“双碳”目标是中国向世界做出的庄严承诺。作为新型的城镇化发展模式，智慧城市建设能否降低碳排放？基于中国城市面板数据，文章运用空间DID模型和SBM-GML分解方法揭示了智慧城市建设对碳排放的影响及其作用机制。研究发现智慧城市建设短期降低碳排放，而长期增加碳排放。机制分析发现短期技术效应发挥的减排效果；而长期技术进步的回弹效应阻碍减排。

关键词 智慧城市；碳排放；空间DID模型；SBM-GML；指数分解

中图分类号：F49;F299.2     文献标识码：A   文章编号：1005-6432（2024）17-0000-04

[DOI]10.13939/j.cnki.zgsc.2024.17.002

1   引言

实现碳达峰目标的关键在于如何有效控制和减少二氧化碳排放的增量。现有针对中国碳排放驱动因素研究普遍认为城镇化水平等是影响碳排放的重要因素。但由于城镇化发展阶段不同，传统“以物为本”的粗放式城镇化发展方式对碳排放的影响是复杂的。传统的城市发展模式尚无法解决减排难题，寻求新型的可持续城镇化发展方式或许是实现碳达峰目标的关键突破口[1]。智慧城市建设是新型城镇化的重要依托，它强调将新一代信息技术充分运用于城市中的各行各业，实现信息化、城镇化与工业化的深度融合，将有助于缓解“大城市病”，促进城市经济、环境和资源协调可持续发展，全面提升城镇化质量。那么，中国智慧城市建设是否有助于降低碳排放？如果可以，这种影响又是如何实现的？基于上述问题，文章运用2003-2016年中国148个城市面板数据，综合空间DID模型和基于松弛变量的数据包络分析模型（SBM）对表示技术进步的Global Malmquist Index（GML）进行测算和分解，深度地揭示了智慧城市建设对碳排放的影响及其作用机制。

文章主要贡献体现在：其一，智慧城市作为中国城市未来的发展方向，以及考虑到中国正处于碳达峰的关键期，研究智慧城市建设对碳排放的影响和作用机制能够为中国完成“双碳”目标，尤其是碳达峰目标提供决策依据。其二，基于Grossman和Krueger（1995）[2]框架，并综合运用SBM和GML指数，文章实证分析并检验了智慧城市建设对碳排放的影响渠道。其三，将空间DID方法引入政策的环境效应评估，充分考虑了政策的空间溢出效应。其四，文章运用中国城市层面的数据，弥补了传统以国家、省际和行业等作为研究对象所得出研究结论较为粗糙的不足，丰富了现有研究。

2   技术效应分析及研究假设

技术效应表示智慧城市建设所引致的技术进步对碳排放产生的影响。智慧城市发展的核心在于下一代信息技术，革新的信息技术开启了新一轮软件开发创新浪潮。这些技术在市场广泛应用的过程中不断深化学习，进一步加速新技术更新迭代，带动城市的技术进步。由智慧城市建设引致的技术进步是实现节能减排的有效手段。一方面，技术进步能够直接提高能源效率，从而降低碳排放。此外，传感器设备、大数据技术等广泛深入地应用于生产过程中，能够帮助企业实时监控能源使用和碳排放等情况，在实践层面更好地制定节能减排措施。另外一方面，新能源技术和清洁生产技术的开发和应用等能够从源头处遏制碳排放，是实现经济增长和减少环境污染的有效手段[3]。整个社会技术水平的提高，尤其是智慧城市建设所带来信息化程度、信息共享水平等的提高，也会在一定程度上提高这些细分领域技术水平。从这一角度看，技术进步具有较高的减排效应。但值得注意的是，由于存在回弹效应，技术进步的影响并不单纯表现为减少碳排放，还体现在其对经济规模的扩张作用所带来的碳排放增加。长期中技术进步对碳排放的影响将会有所不同[4]。依据上述分析，我们提出如下假设：

假设：由于回弹效应的存在，智慧城市建设通过技术效应对碳排放的影响尚未可知，这取决于回弹效应的大小。

3   研究设计

3.1   模型设定

文章基于空间杜宾模型框架，构建出相应的动态空间杜宾DID模型：

（1）

式中，为城市i在时间t的二氧化碳排放量。为智慧城市政策变量，由两个分组变量T和C的交乘项构成，为实验期虚拟变量：若智慧城市政策颁布前，，若政策颁布后，；为实验组虚拟变量，若该城市为智慧城市试点，，若非试点城市，。为空间自回归系数，代表着相邻区域之间的相互影响程度，是阶空间权重矩阵（n为城市个数），在文章中，笔者采用0-1邻接矩阵作为空间权重矩阵；和是各解释变量的空间影响系数，和分别表示个体固定效应和时间固定效应，最后一个参数为模型误差项。

3.2  样本选择与数据处理

参照石大千等（2018）[5]的做法，文章选择2012年批准设立的90个试点城市作为实验组，其他非试点城市为控制组。考虑到2013和2014年共有184个试点城市，为估计2012年智慧城市建设对碳排放的净影响，文章剔除了新设立的试点城市。

文章直接采用Chen等（2021）[6]核算出的中国县级层面的碳排放数据并按照属地原则进行加总获取城市层面碳排放数据。政策变量Smart由实验期虚拟变量和实验组虚拟变量的交乘项组成。若该城市为2012年设立的智慧城市试点且该年份为2012年及以后，则Smart值为1；若为非试点城市或年份在2012年之前，则Smart值为0。人口总量用各城市年末户籍人口衡量。文章以2003年为基期，用GDP平减指数将名义GDP转换成成实际GDP。其他控制变量中，产业结构以第二产业增加值占GDP比重表示；FDI以FDI（经汇率换算成人民币）占GDP比重表示。数据均来源于《中国城市统计年鉴》。

为深入探讨智慧城市建设所产生的技术效应对碳排放的影响过程，笔者不再将技术进步作为一个整体，而是基于SBM模型对表示技术进步水平的GML指数进行测算和分解。GML指数可以分解为效率变化（也称模仿型技术进步）和技术变化（也称原创型技术进步），而技术变化仍可进一步分解为规模效率变化和纯效率变化。更多关于指数分解法的理论及应用可以参见Tone（2001）[7]，Tone 和Sahoo（2003） [8]和Oh（2010）[9]。文章选取年末从业人员数和固定资产存量作为投入指标，实际GDP作为产出指标。对于固定资产存量的计算，通常采用永续盘存法进行折算[10]。以上数据来源于《中国城市统计年鉴》。数据的描述性统计如表1所示。

4   结果与讨论

4.1 智慧城市建设对碳排放的影响

平稳趋势检验和空间相关性检验表明模型满足了使用前提条件。表2同时给出了长期和短期内智慧城市建设对碳排放的直接、间接和总影响。在短期内，智慧城市建设对本地碳排放发挥了显著的降低作用。正如第（1）列所示，智慧城市建设对碳排放的短期直接影响系数为-0.014且在1%的水平上显著，这说明智慧城市建设将使得本市的碳排放量降低了0.014%。在第（2）列中，其显著为负的间接影响系数表明智慧城市建设具有显著的空间溢出效应，并且试点城市能够带动周边城市碳排放量降低0.026%。第（3）列给出了智慧城市建设对碳排放的总影响。其对碳排放所产生的总影响系数为-0.040且通过1%的显著性水平检验，表明短期内智慧城市将降低全国约0.04%碳排放。

当笔者考虑智慧城市对碳排放的长期影响时，以上结论将会发生变化。第（4）列的结果显示，长期中智慧城市建设对碳排放降低效果十分有限，但第（5）和（6）列正向显著的影响系数表明智慧城市建设对周边城市碳排放产生了促进作用，这可能是因为长期中智慧城市促进了经济增长，较大的回弹效应使得智慧城市的减排效果受到抑制。

4.2   稳健性检验

上述智慧城市建设对碳排放的估计结果不可避免地受到与降低碳排放有关的其他政策影响。若未考虑这些政策，则有可能高估智慧城市对碳排放的影响。在样本期内，由于2014年颁布的《中华人民共和国环境保护法》对环境保护的影响力最大、适用范围最广，因此文章将其作为其他政策因素，重新估计智慧城市对碳排放的影响。如果系数变得不显著，则表明城市碳排放的减少是由于其他政策的推动。剔除其他政策影响后，智慧城市建设对碳排放的影响系数略有所降低但仍然显著。

另外，为识别智慧城市对碳排放的影响是否受到其他不可观测因素干扰，文章随机生成了智慧城市试点名单并重新估计随机试点城市对碳排放的影响。若系数仍然显著，则表明文章实证结果不可靠，智慧城市的减排效果受到不可观测因素的影响。当随机更换了试点城市后，智慧城市对碳排放的影响变得不显著，再次证实文章结果的稳健性。鉴于篇幅限制，不在此报告结果。

4.3 影响机制分析

参考Nguyen和Phan（2020）[11]的做法，文章运用两阶段渠道分析法判断智慧城市建设是否通过技术效应降低碳排放。这一方法分为两个步骤：第一步，将智慧城市建设对技术效应进行回归，若存在此渠道效应，则智慧城市系数显著并符合理论预期；第二步，将技术效应按照从小到大排序后分为三份子样本，选取较大和较小两个子样本并重新估计智慧城市建设对碳排放的影响。子样本划分可以识别渠道效应存在的强弱性。若渠道效应存在，智慧城市建设对碳排放的影响系数在两个子样本下将存在明显差异。

在表3的结果中，智慧城市对技术进步正向显著的系数表明智慧城市建设促进了技术进步。我们发现智慧城市在强渠道下，技术进步在短期内降低了碳排放。而在长期，智慧城市建设却显著提高了碳排放，这表明智慧城市建设通过技术效应在短期减少了碳排放，但由于在长期中存在回弹效应，智慧城市建设通过技术效应反而会增加了碳排放。假设3成立。

考虑到技术进步有多种形式，为进一步揭示智慧城市的技术效应如何影响碳排放，根据SBM-GML指数法分解的结果，我们分别估计了原创型技术进步和模仿型技术进步在智慧城市建设影响碳排放方面发挥的机制作用。结果显示相对于原创技术，智慧城市更能够促进模仿型技术创新。智慧城市建设通过模仿型技术进步对碳排放的短期降低效果更明显，长期增加作用更大。当规模效率变动机制作用存在时（强渠道），智慧城市建设短期内增加碳排放，长期内将减少碳排放。这表明，短期中由于规模效率变动带来的技术效率提高，产生了较大的回弹效应导致碳排放的增加；而长期中规模效率变动意味着技术运用效率提升，减排效果显著。此外，模仿型技术进步的减排作用主要依靠纯技术效率的提升，而不是规模效率变动。鉴于篇幅限制，结果备索。

5   结论

文章基于2003-2016年中国城市面板数据，综合运用空间DID模型和SBM-GML指数分解方法揭示了智慧城市建设对中国碳排放的影响及其作用机制。研究发现：智慧城市建设对碳排放的作用在短期和长期内表现不同。在短期中，智慧城市建设减少碳排放并对邻近城市产生负向的溢出效应。而在长期中，智慧城市建设增加碳排放并产生正向空间溢出效应。这是因为短期中技术效应短期减排，而长期中回弹效应阻碍了减排。进一步地，从技术效应的组成成分来看，技术效应的减排效果主要通过原创型技术进步和模仿型技术进步实现的。其中，模仿型技术进步发挥着更为主要的作用。模仿型技术进步对减排的效果略大于原创型技术进步所起的效果。

文章的实证结果对中国智慧城市建设以及降低碳排放具有一定的启示意义。（1）短期中，中国仍需大力推进智慧城市建设。重点聚焦以下方面：①完善试点城市基础设施建设，如5G基站、物联网、云计算和地理空间定位等基础设施，侧重新信息技术的研发落地，发挥出短期内技术进步对减排的积极作用。②注重提供良好的创新环境，搭建创新实验平台、高新技术产业孵化园等并加强创新人才的培养，为智慧城市建设提供人力资本支撑。③有关部门需要适时地对产业结构进行引导和优化。政策可以有偏向地对环保产业、高新技术产业进行扶持，以促进结构效应的实现。（2）长期中，注意规避技术进步的回弹效应。智慧城市发展后期，在保持绿色低碳可持续的经济发展模式的基础上，提高技术创新要求，如鼓励发展应用于低碳领域、环保领域和能源领域的技术创新，防止技术回弹效应弱化减排成效。（3）由于智慧城市建设在各区域存在明显的异质性，这警示政府不宜“千篇一律”，要“因地制宜”地推进智慧城市建设。东部和中部地区要抓住智慧城市建设机遇，继续通过技术进步、产业结构调整和可持续化经济发展模式走在减排第一梯队。政府应帮助东北和西部地区缩小与其他地区的发展差距，比如在政策方面给予一定优惠，推动各地区平衡发展。

参考文献

[1]林伯强，刘希颖.中国城市化阶段的碳排放：影响因素和减排策略[J].经济研究，2010，45（8）：66–78.

[2] GROSSMAN G M， KRUEGER A B.  Economic growth and the environment [J]. NBER Working Papers， 1995， 110（2）：353–377.

[3]徐斌，陈宇芳，沈小波.清洁能源发展、二氧化碳减排与区域经济增长[J].经济研究，2019，54（7）：188–202.

[4]YANG L， LI Z. Technology advance and the carbon dioxide emission in China–Empirical research based on the rebound effect[J]. Energy policy， 2017（101）： 150–161.

[5]石大千，丁海，卫平，刘建江.智慧城市建设能否降低环境污染[J].中国工业经济，2018（6）：117–135.

[6]CHEN J D， GAO M， CHENG S L， et al. County-level CO2 emissions and sequestration in China during 1997–2017[J]. Scientific Data， 2021（7）：391

[7]TONE K A. slacks-based measure of efficiency in data envelopment analysis[J]. European journal of operational research， 2001， 130（3）：498–509.

[8]TONE K， SAHOO B K. Scale， indivisibilities and production function in data envelopment analysis[ J]. International journal of production economics， 2003， 84（2）：165–192.

[9]OH D H. A global Malmquist-Luenberger productivity index [J]. Journal of productivity analysis， 2010， 34（3）： 183–197.

[10]赵蔡晶，吴柏钧.智慧城市建设促进了城市发展质量提升吗？——基于多期DID方法的政策效应评估[J].经济经纬，2020，37（6）：18–27.

[11]NGUYEN J H， PHAN H V. Carbon risk and corporate capital structure[J]. Journal of corporate finance， 2020（64）： 101713.

[作者简介]李欣睿（1997-），女，山东烟台人，硕士研究生，研究方向：国际经济与治理。