陳嘉奇
(華中師范大學經濟與工商管理學院,湖北武漢 430079)
為了實現2020年單位GDP二氧化碳排放量比2005年降低40%~45%的目標,我國于2010年7月確定天津、重慶、深圳等8市為首批低碳試點城市,截至2019年,中國已有6省81市(區、縣)落實了低碳試點省、市項目的建設。經過近10年的低碳試點城市建設,我國在降低碳排放量上取得顯著成效。低碳試點城市降低碳排放的路徑主要有三個:一是建立低碳產業體系,優化產業布局;二是加快低碳技術研發,優化能源結構和效率;三是倡導低碳生活方式,推動低碳生活理念。低碳試點城市在通過上述三個路徑降低碳排放的同時,也會對城市工業污染產生影響。除了減碳效果的評估,研究低碳試點城市建設對工業污染的減排效應有助于更加全面評估低碳試點城市的政策效果。
目前有關低碳試點城市的研究主要集中在發展路徑[1-2]、評價指標[3-4]、現狀分析[5-6]等方面的定性研究上,而有關低碳試點城市成效評估的研究比較少,且集中在降低碳排放效果的評估方面。陳楠等[7]進一步采用六個維度的指標評估了三批低碳試點城市的成效,發現低碳試點城市的低碳水平有整體上的提高。目前基于地級市數據來實證評估低碳試點城市的減污效應的研究較為缺乏。因此,為了豐富此類相關研究,本文擬基于我國2003年—2016年281個地級市的面板數據實證評估低碳試點城市的減污效應。
截至2020年,我國低碳城市試點已經開展了將近10年,目前已有81個市(區、縣)開展低碳城市建設,低碳試點城市可以作為一個良好的“準自然實驗”,本研究以此為實證采用雙重差分法(DID)進行低碳試點城市的成效評估。選取實驗組和控制組過程中,具體采取以下幾種方法:(1)為了排除城市行政級別的影響,剔除了直轄市城市以及區縣的低碳試點;(2)由于第二批低碳試點城市名單中濟源市的統計數據缺失,剔除了濟源市這個樣本;(3)由于第三批低碳試點城市于2017年設立,考慮到本研究時段為2003年—2016年,因此將第三批低碳試點城市劃入控制組,實驗組則分別由2010年和2012年設立的低碳試點地級城市構成。經過篩選,最終確定的研究樣本為281個地級市,其中作為實驗組樣本的低碳試點城市有30個,其余251個地級市構成控制組。將設立低碳試點城市當年及以后賦值為1,低碳試點城市設立之前和控制組中251個地級市賦值為0,從而直接生成低碳試點城市的虛擬變量did。首先,基于上述研究樣本構建雙重差分模型進行基準回歸,實證低碳試點減污效應;考慮到不同城市發展具有較大異質性,采用傾向得分匹配法(PSM)來消除樣本選擇偏差,然后再進行雙重差分模型回歸,檢驗基準回歸結果的穩健性。
基于DID方法的基準回歸模型設定如下:
Pollutionit=α0+α1didit+γXit+ηt+μi+εit
(1)
基于PSM-DID方法建立的模型如下:
PollutionPMSit=α0+α1didit+γXit+ηt+μi+εit
(2)
式(1)和式(2)中,Pollutionit表示第i城市第t年的工業污染排放水平;didit為設立低碳試點城市的虛擬變量;Xit為一組控制變量;ηt為時間固定效應;μi為各城市的地區固定效應;α1是核心估計參數,表示低碳試點城市建設的工業污染減排效應。如果α1為負,說明低碳試點城市能降低工業污染排放。
被解釋變量為城市工業污染排放水平,參考楊寶強[8]的研究采用工業廢水排放量和工業二氧化硫排放量兩項指標來衡量,每個指標下又分人均指標和絕對指標。核心解釋變量為低碳試點城市虛擬變量did,結合低碳試點城市的設立時間先后統一賦值。參考已有文獻和研究,影響城市污染環境的控制變量主要包括:(1)經濟發展水平:用實際人均GDP的對數表示;(2)技術創新水平:為專利數與總人口比值;(3)城鎮化水平:用非農業人口與地區年末總人口的比值表示;(4)信息化水平:用互聯網用戶數占總人口比重表示;(5)產業結構:用第二產業增加值占GDP的比值表示;(6)對外開放程度:用進出口總額占GDP的比值表示。
本研究所使用數據來自2004—2017年《中國城市統計年鑒》,對部分缺失數據進行了填補,最終得到2003—2016年我國281個地級市14年的面板數據。為了排除變量的量綱影響,在實證中對各個變量進行了取對數處理,取對數后的變量描述性統計見表1。

表1 變量描述性統計
基于DID方法建立雙向固定效應模型進行實證分析的具體結果見表2。從具體的回歸結果來看,無論是否加入控制變量和控制固定效應,低碳試點城市建設對廢氣排放量和人均廢氣排放量均為顯著的負向影響,但在同時加入控制變量和控制固定效應的模型下,低碳試點城市建設對廢水排放量和人均廢水排放量的影響均為不顯著,說明低碳試點城市的建設對廢氣排放量存在減污效應,對廢水排放量沒有顯著影響。其中,低碳試點城市的建設顯著降低了約19%的總廢氣排放量和約17.3%的人均廢氣排放量。

表2 低碳試點城市的減污效應:基于基準回歸
為了克服低碳試點城市和非低碳試點城市的選擇偏差,本文采用傾向得分匹配法(PSM),對低碳試點城市進行配對。首先,利用DID的虛擬變量對城市控制變量進行Logit回歸,得到各城市的得分,得分最接近的城市將被選擇為低碳試點城市的對照組。在利用PSM-DID進行估計時,首先我們要檢驗匹配效果的好壞,如果匹配效果較好則可以進行下一步回歸。圖1為傾向得分核密度函數圖。圖1表明,實驗組和控制組傾向分值的核密度在匹配后已經比較接近,差異性更小。

圖1 傾向得分核密度函數圖Fig.1 Density function of probability score
利用匹配后的實驗組和控制組進行DID回歸,估計結果見表3,從中可以看出消除樣本的選擇偏差后,低碳試點城市建設對總廢氣排放量和人均廢氣排放量均為顯著的負向影響,而對總廢水排放量和人均廢水排放量的影響仍然不顯著。

表3 低碳試點城市的減污效應:基于PSM-DID方法回歸
為了對實證結果進行穩健性檢驗,接下來將通過對政策前后一年、三年和五年的樣本進行政策時間的敏感性檢驗,如果不同時間區間內低碳試點城市對環境污染的效應顯著性變化不大,則有理由認為本研究估計結果是穩健的;反之則不穩健。時間敏感性檢驗的結果顯示無論是在政策前后一年、三年和五年,核心解釋變量did估計系數在顯著性上都是與前面的結果保持一致。這表明低碳城市對工業廢氣排放存在減污效應的結論是穩健的。
不同特征的低碳試點城市,低碳試點城市政策對工業污染排放的影響可能存在著顯著的差異,比如在經濟更加發達的城市中,由于技術和治理能力比較強等因素,同樣的環保政策可能比較容易帶來更大的減污效果?;谏鲜隹紤],依照丁丁等[4]劃分低碳試點城市的方法,利用人均GDP和人均碳排放水平兩個核心指標將研究的30個低碳城市劃分為9個領先型低碳城市、12個發展型低碳城市、4個后發型低碳城市和5個探索型低碳城市。
由于后發型和探索型低碳城市樣本較少,主要對領先型和發展型低碳城市進行實證分析。實證結果表明,在領先型低碳城市中,低碳試點城市的建設顯著降低了城市總廢氣排放量和人均排放量,分別降低了46.5%和40.1%,高于前文全樣本20%左右的減排效應;在發展型低碳城市中,低碳試點城市的建設對環境污染影響不顯著。由于領先型低碳城市多數進入后工業化階段,城市基礎設施已接近完成,其低碳試點城市政策落實的阻力較小,帶來的減污效應也大;而在發展型低碳城市中,總體處于快速城鎮化過程,伴隨著大量的城市基礎設施建設,低碳試點政策的落實阻力會比較大。
進一步依據是否具備經濟輻射能力,將低碳城市劃分為兩個樣本,分別與非低碳城市進行雙重差分回歸,進而探討城市經濟輻射能力的差異是否會導致低碳城市減污效應的顯著差異?;貧w結果表明,在具備經濟輻射能力的低碳城市中,低碳試點建設分別顯著降低了城市總廢氣排放量和人均排放量,分別降低了28.7%和27.7%;在無經濟輻射能力的低碳城市中,低碳試點建設對工業污染影響不顯著。這意味著具備經濟輻射能力的城市更可能進行污染產業的轉移,產業調整更容易,低碳試點對工業污染排放的減排效應會更加顯著;而無經濟輻射能力的城市污染產業調整可能更加困難,低碳試點政策落實相對更加困難。
筆者基于地級市面板數據,采用PSM-DID方法建立雙向固定效應模型評估了低碳試點城市政策對工業污染的減污效應。實證結果表明:(1)低碳試點城市能顯著降低廢氣排放量和人均廢氣排放量,平均而言可以分別降低大約19%和18%;(2)相比發展型低碳城市,在領先型低碳城市中,低碳試點建設能大幅度降低總廢氣排放量和人均廢氣排放量,且減污效應更加明顯;(3)在具備經濟輻射能力的低碳城市中,低碳試點分別顯著降低了城市總廢氣排放量和人均排放量,但在無經濟輻射能力的低碳城市中,低碳試點建設對工業污染影響不顯著。
上述研究結論對深化低碳試點城市建設和提高城市的環境污染治理水平具有重要的政策指導意義。首先,政府要依托低碳試點城市的政策紅利,優化能源結構,提升工業的單位能源產值,充分發揮低碳試點城市建設過程中對工業污染減排的正向效應,實現人與自然和諧共處,促進經濟與生態平衡可持續化發展。其次,為了更好地發揮低碳試點城市政策對工業污染減排的積極帶動作用,低碳城市建設應全面深化城市低碳發展的理念,重視廢水等其他污染排放量的控制,要以打造一個良性、可持續、綠色環保的能源生態體系為政策目標。最后,城市發展階段異質性分析表明,處于后工業化階段的領先城市更適合推行低碳試點城市的建設,領先性的城市更能發揮低碳城市的減污效應。因此,在審批新一批低碳試點城市時,應該充分考慮到城市的發展階段差異性,為了更好發揮政策效果應該盡量選擇處于后工業化階段的城市。