張永慶 杜卓琴(上海理工大學)
我國一直將低碳治理作為推動可持續經濟的戰略舉措。中國政府于2010年開始實行低碳試點政策,將5省8市納入低碳城市試點名單。2012年和2017年又新增了低碳試點城市,目前已經在全國范圍內分三批批準設立了81個低碳試點城市。
國內許多學者研究了低碳試點政策的實施效果。蘭梓睿[1]的研究表明低碳試點政策能驅動產生技術創新、要素積累、結構升級和資源配置效應。低碳試點政策對經濟增長的促進作用具有異質性,在東部和西部城市更為顯著[2]。其次,低碳試點政策能夠降低中國城市的碳強度[3],研究表明試點城市比非試點城市的碳強度降低約6.5%左右[4]。廣東和云南的碳強度顯著下降,但是并非受益于低碳試點政策,陜西和海南的低碳城市試點政策對于碳減排均無效[5]。
國內外文獻主要集中于低碳城市試點政策對于經濟發展的影響上,研究低碳城市試點政策對于區域城市全要素生產率的影響及異質性的相關文獻較少。與現有的文獻相比,本文的主要貢獻有如下方面:第一,在研究內容上,以“低碳城市”試點政策作為準自然實驗,考慮城市的地理位置和規模對全要素生產率的影響的異質性。第二,在政策應用上,本文的研究結論可以為進一步擴大低碳城市試點范圍,深化城市低碳治理提供重要的實證參考。
由于低碳城市試點政策的約束,政府會出臺更為嚴格的低碳環保規制和政策,設定碳減排的目標,推動高污染、高排放的企業進行綠色技術創新,以達到碳排放的標準。同時,低碳試點城市能享有地方政府稅收減免、財政補貼、人才激勵等方面的優惠,這些優惠政策能顯著提高企業的技術創新水平,從而為地區全要素生產率的提升提供支持。基于此本文認為低碳城市試點政策對城市全要素生產率有提升作用。
低碳城市試點政策影響城市全要素生產率的途徑有哪些呢?可以從以下兩個方面進行分析。第一,在低碳試點政策的約束下,傳統的生產型企業需要轉換現有的生產技術,優化產業結構,從而促使產業低碳、轉型發展。因此,通過產業結構的優化可以提高試點低碳城市的全要素生產率。第二,一方面,低碳城市試點政策是政府致力于企業綠色技術創新的積極信號,從而向風險投資者發出關于企業未來的可靠積極信號,從而增加外資。另一方面,低碳城市試點政策對于當地的企業提出了更高的環境要求,企業需要投入更多的資金來進行綠色生產技術的研發。因此可以認為增加外商投資,可以提升地區的全要素生產率。
本文通過構造雙重差分模型(DID)研究了低碳試點政策對城市全要素生產率的影響。以低碳試點城市為試點組、以非試點城市為對照組的準自然試驗,比較了低碳試點批準前后全要素生產率的差異,解決了政策研究中由于其他的影響因素引發的“時間效應”問題,科學地區分了試點政策的“時間效應”和“政策效應”。模型設定如下:
在(1)中,i是城市,t是年份,TFP是因變量,表示為城市全要素生產率。核心自變量did代表低碳試點城市與試點時間的交叉乘積,核心待估系數反映了核定低碳試點對城市全要素生產率的凈效應。Control是一組控制變量。和控制區域效應和時間效應的變量是隨機擾動項。
1.被解釋變量
全要素生產率(TFP)。本文采用DEA-Malmquist測算全國285個地級市的全要素生產率[6]。
2.核心解釋變量
是否低碳試點城市可以作為政策組的虛擬變量,政策實施時間可以作為時間組的虛擬變量,兩項相乘的交叉項則表示為本文的主要解釋變量,本文以LCC表示,該系數可用于衡量試點與非試點全要素生產率的差異。
3.控制變量
(1)人均GDP(perGDP),用該城市的人均國內生產總值衡量。(2)在普通高等院校就讀的學生數(student)。全要素生產率的提升離不開高水平的人才積累,因此普通高等院校的學生數對于城市的全要素生產率具有重要的影響。(3)政府財政開支占本地生產總值的比重(inter)。(4)對外開放程度(open)。以上數據可以從各統計年鑒和中國政府官方網站上獲取。
4.中介變量
(1)產業結構(industry)。計算方法為第二產業增加值除以國內生產總值。(2)當年實際使用的外商直接投資額(FDI)。描述性統計結果如下。
使用DID方法的前提是必須滿足平行趨勢假定。由于篇幅限制,檢驗結果沒有在文中展示。結果表明,試點城市和非試點城市在政策實施前具有相同的趨勢,滿足了平行趨勢假定。
基準回歸結果見表2。模型(1)沒有加入控制變量,模型(2)加入了控制變量。核心自變量的待估系數在5%的水平上顯著,結果表明本文的基本假設是成立的,低碳城市試點政策的實施確實有助于城市全要素生產率的提高。低碳試點城市的獲批使得城市企業能夠享受更多的專項政策支持,相比較于非試點城市擁有無法比擬的政策優勢,而這些優勢能吸引更多的科技人才,促進企業進行綠色生產技術的研發和使用,進而促進全要素生產率提高。因此,原假設得以驗證。

表1 2005~2015年地級市面板數據描述性統計結果

表2 低碳試點政策對城市全要素生產率的影響回歸結果
1.PSM-DID回歸結果
本文采用傾向得分匹配法(PSM)進一步降低樣本之間的差異,增加模型的準確性。匹配結果未在文中列出,由于匹配后的偏差率均小于1%,匹配后的p值明顯大于0.1,實驗組和對照組之間無系統差異,匹配結果較為準確。回歸結果如表2模型(1)所示,表明基準回歸的結果是穩健的。
2.低碳試點城市政策的安慰劑檢驗
安慰劑檢驗需要在不受低碳試點政策影響的子樣本上進行。分別假設低碳試點城市政策在2009年、2008年開始實施,再次進行回歸分析。結果如表3所示,模型(2)、模型(3)分別假設從2009年、2008年開始實施低碳試點政策,LCC的系數估計都不顯著,這表明在沒有實行低碳試點政策時,實驗組和控制組的全要素生產率的發展趨勢沒有顯著差異,城市的全要素生產率的提高確實來源于低碳試點政策。
由于因變量的異常值可能對結果產生的影響,我們基于因變量做了5%~95%的分位數回歸,將5%以下和95% 以上的數據分別替換為5% 和95% 。回歸結果如表3模型(4)所示,表明基準回歸的結論仍然是穩健的。
同時期其他政策可能會影響低碳試點政策的實施效果,為了獲得準確的政策效應,有必要控制其他類似政策的沖擊。本文選取同期兩項具有環境約束的政策:《環境空氣質量標準》試點政策和水生態文明城市建設試點政策;如表3模型(5)和模型(6)所示,回歸結果表明在控制了這兩項政策之后,基準回歸的結果仍然是穩健的。

表3 穩健性檢驗結果
本文利用中介效應模型來探究全要素生產率的傳導機制。回歸結果如表4所示。模型(1)的結果表明低碳試點政策能夠促進城市產業結構升級。模型(3)在加入產業結構變量之后,LCC的系數顯著為正且相對下降,說明產業結構升級是低碳試點政策影響全要素生產率的中介變量之一。模型(4)的回歸結果表明LCC的系數為正,表明低碳試點政策確實促進了外商投資的增加。模型(6)的結果表明,在基準回歸中加入外商投資變量之后,LCC的系數顯著為正且相對下降,表明外商投資是低碳試點政策影響全要素生產率的中介變量之一。

表4 中介效應分析結果
中國國土遼闊,城市眾多,城市的地理位置和城市規模均可能影響政策的實施效果。本文進一步研究不同城市低碳試點政策的異質性影響。按照地理位置將城市分為東部、中部和西部地區,按照人口數量的分布情況將城市分為中小城市、大型城市、特大型城市三類(孫林和周科選,2020)。
表5給出了異質性回歸結果。從模型(1)~(3)的結果可以發現,全要素生產率會受到地理位置的影響。試點政策能夠促進東部城市全要素生產率的提升,在中部地區這一影響相對較弱,而對西部地區城市全要素生產率的提升作用不明顯。東部和中部的城市擁有良好的市場環境和高層次人才,綠色技術發展較為成熟,在低碳約束下傾向于加大綠色技術創新力度,從而提高城市的全要素生產率。同時,經濟越發達的地區對于政策實施的規范要求越高,政策的執行效果較好,對于全要素生產率的提升越明顯。

表5 異質性分析結果
從模型(4)~(6)的結果可以發現,全要素生產率會受到城市規模的影響。低碳城市試點政策對提高中小城市全要素生產率的作用不大,但對提高大中城市全要素生產率具有重要意義,城市越大越好。這可以解釋為:中小城市沒有大城市的規模效應。低碳技術創新可能使企業的有限資金更加稀缺,中小城市政府有限的財政資金不能完全緩解企業創新資金短缺的問題。而大型城市財政資金充足,且更容易吸引外商投資,可以為企業的低碳技術創新提供資金支持。
本文以2005~2015年全國285個地級市的面板數據為基礎,采用DID法對試點城市的全要素生產率進行了研究。第一,低碳試點政策實施后,相比于非試點城市,低碳試點城市的城市全要素生產率顯著提高。第二,機制識別結果顯示,低碳試點政策主要通過產業結構升級和外商投資的途徑,提高城市全要素生產率。第三,城市的地理位置和規模會影響城市全要素提升的效果,試點政策對西部地區的城市和中小型城市全要素生產率的提高并沒有顯著促進作用。根據上述結論,我們有以下建議。
首先,低碳試點城市政策有助于城市全要素生產率的提升,因此可以不斷總結試點地區成功的經驗,在全國范圍內推廣這一政策。其次,異質性分析的結果表明,在推廣低碳試點政策的實施過程中,政府應該將城市的地理位置和規模進行不同的政策組合設計。針對中小城市,政府可以加大財政補貼力度,優先培育新興技術產業。而對西部欠發達城市,可以通過優惠政策引進高層次人才,培養企業的綠色創新能力。最后,中介效應的結果表明,實施低碳試點政策時,配合產業結構引導政策,推動產業結構轉型升級,才能更好地推動城市全要素生產率的提高。同時,城市政府需要不斷完善外商投資政策,營造良好的外商投資環境。