資源型城市可持續發展對碳排放的影響研究——基于資源依賴的視角

鄭賀允,葛力銘

資源型城市可持續發展對碳排放的影響研究——基于資源依賴的視角

鄭賀允1,葛力銘2*

(1.新疆財經大學經濟學院,新疆 烏魯木齊 830012；2.上海財經大學城市與區域科學學院,上海 200433)

基于2003～2018年285個地級市的面板數據,首先使用雙重差分模型考察《全國資源型城市可持續發展規劃(2013～2020年)》(以下簡稱《規劃》)對碳排放的影響;其次,探究該政策通過資源依賴這一路徑對碳排放的影響效果;進一步地,基于城市區域和城市規模兩個視角分析該政策通過資源依賴影響碳排放的異質性效果;最后,探究《規劃》的空間溢出效應.結果表明《規劃》顯著地降低了資源型城市的碳排放;機制分析表明,《規劃》能夠通過降低資源依賴進而減少碳排放,且產業結構升級和技術進步對《規劃》的碳減排效應起到了正向調節作用;異質性分析表明,《規劃》通過降低資源依賴進而促降碳排放的效果在東?中部地區以及大城市更為明顯;《規劃》對本地及周邊地區均具有顯著的碳減排效應.本研究對于在雙碳目標下實現中國資源型城市的可持續發展具有重要的政策啟示.

資源型城市；資源依賴；碳排放；雙重差分

改革開放以來,中國經濟粗放的發展模式造成了資源大量消耗和污染物過度排放,經濟增長與環境保護的矛盾日益尖銳[1].中國在2006年成為世界上最大的碳排放國[2],2019年的碳排放量達到98.3億t,占世界碳排放總量的28.76%[3].在此背景下,中國政府提出了一系列減排目標和措施.2011年,在北京、湖北等7個省份(直轄市)實施碳排放權交易政策;2020年,提出碳達峰和碳中和的目標.

以礦產資源的開采和加工為主的資源型城市產業模式不僅擠占了新興產業的發展空間,其高能耗與高污染特性也促增了碳排放.為了促進資源型城市的綠色轉型,國務院在2013年頒布《全國資源型城市可持續發展規劃(2013—2020年)》(以下簡稱《規劃》),限制資源開發活動并提出促進資源型城市可持續發展的相關指標,有利于引導資源型城市探尋低碳發展模式,減少對自然資源的依賴,打破“資源詛咒”.

憑借豐富自然資源而興起和發展的資源型城市是碳排放的重要區域.在碳達峰與碳中和目標的背景下,資源型城市的可持續發展備受學界關注.肖瀅等[4]指出當前資源型城市的綠色全要素生產率處于較低水平.調整產業結構、加強技術創新和優化制度等是實現城市可持續發展的重要舉措[5-6].關于資源型城市發展影響碳排放的觀點存在分歧,主要包括促降和促增兩種結論.一部分學者指出以低碳為目標的資源型城市注重提升資源利用效率,有利于促降碳排放[7].而另一部分學者認為資源型城市的發展伴隨著資源的大量消耗,粗放的發展模式將進一步促增碳排放[8].

作為資源型城市的主要特征,資源依賴對技術創新和產業結構具有擠出效應,是碳排放增長的重要因素.一方面,蓬勃發展的資源產業對勞動力素質要求較低,導致資源型城市輕視人力資本投資,阻礙技術創新[9-10].落后的生產技術會加劇資源消耗,從而增加碳排放.另一方面,作為“理性人”的企業會將資金大量投入到產生高利潤但污染嚴重的資源產業,落入“產業結構剛性”陷阱[11],進一步增加碳排放.現有文獻主要關注資源依賴對經濟增長和產業發展的影響.Auty[12]認為豐富的自然資源抑制經濟增長,而Stijns[13]認為資源產業的發展能夠加速要素流動和人力資本積累,推動地區經濟的長期發展.張復明等[14]指出資源依賴抑制了非資源型產業的發展,易造成產業發展的路徑依賴.

由于具備政策凈效應識別的有效性,雙重差分(difference in difference, DID)模型被廣泛應用于政策評估[15].現有的政策評價文獻主要研究碳排放交易政策[16]、低碳城市試點政策[17]和高鐵開通[18]所引發的環境效應.還有學者關注《規劃》對資源型城市產業結構轉型的影響[19].面對轉型難題,資源型城市亟需借助政府政策等外部力量加以解決.然而,少有學者關注《規劃》對資源型城市碳排放的影響,也忽視了結合資源依賴這一特征進一步探究《規劃》對碳排放的作用.以往研究還較少考慮到政策與碳排放的空間相關性,忽視了《規劃》的空間溢出作用.

因此,本文的邊際貢獻為:第一,鑒于資源依賴是資源型城市的突出特點,本文以資源依賴為中介變量,分析《規劃》對資源型城市碳排放的作用路徑,為資源型城市的減排路徑提供新思路.第二,考慮到《規劃》的實施與碳排放可能存在空間相關性,本文采用空間杜賓模型(SDM, Spatial Durbin Model)研究《規劃》對碳排放的空間溢出效應.

結合資源型城市,本文使用雙重差分模型研究《規劃》對碳排放的影響,進一步考察資源依賴路徑下《規劃》對碳排放的影響機制,并從空間視角研究《規劃》的溢出效應,以期為推動資源型城市綠色發展、實現碳達峰與碳中和目標提供參考.

1 理論背景與研究假說

資源型城市對中國發展初期工業化體系的構建與GDP的快速增長起到了關鍵作用,但高度資源依賴、低資源利用率和單一產業結構導致的不可持續發展模式使得資源型城市的進一步發展面臨動力不足的問題.因此,國務院于2013年頒布了《規劃》,有利于引導和激勵資源型城市尋找新動力,抑制碳排放增長.因此,本文從以下兩個方面梳理并歸納總結《規劃》對碳排放的影響,如圖1所示.

圖1 《規劃》對碳排放的影響機制

1.1 《規劃》對碳排放的直接影響

合理的環境規制能夠促使企業外部成本內部化,發揮創新補償效應.產出增加帶來的經濟效益有利于提高生產率,抵消部分由環境規制帶來的成本增加[20],實現經濟發展與環境保護的雙贏.《規劃》通過量化減排量和資源產出率等指標強化環境規制力度,倒逼資源企業優化生產技術與提高污染治理能力,降低碳排放[21].基于此,本文提出如下假說:

假說1:《規劃》有利于降低資源型城市的碳排放.

1.2 《規劃》對碳排放的間接影響

1.2.1 資源依賴路徑 當環境規制對城市發展進行干預時,其高度依賴資源的發展模式將逐步被扭轉,碳減排效果也將愈發明顯.《規劃》從資金補貼、減排目標設定和接續替代產業培育等方面為資源型城市綠色發展提供動力.財政資金能夠為資源型城市的技術創新提供物質基礎.設定減排目標有利于限制企業排污行為,促進清潔生產.培育接續替代產業能夠推動產業結構多樣化,減輕生產活動對環境的負面影響.這些舉措都有利于資源型城市擺脫資源依賴的束縛,降低碳排放.基于此,本文提出如下假說:

假說2:《規劃》能夠通過減少城市對資源的依賴進而降低碳排放.

1.2.2 產業結構升級與技術進步的調節效應 在《規劃》能夠通過資源依賴路徑影響碳排放的基礎上,資源依賴的降低意味著產業結構升級和技術進步[22-23],進而對《規劃》的碳減排效應起到調節作用.一方面,資源依賴的降低能夠改變資源產業“一業獨大”的現狀,有利于現代服務業等清潔型產業的發展,促進清潔生產,助力《規劃》減排效應的有效發揮.另一方面,降低資源依賴能夠加速勞動、資本等要素的自由流動,刺激技術研發與人力資本投資,增強知識與技術的外溢效應[24],提升生產效率和改善管理模式,促進經濟的集約化發展,從而強化《規劃》的碳減排效應.基于此,本文提出如下假說:

假說3:產業結構升級和技術進步能夠對《規劃》的碳減排效應起到正向調節作用.

1.2.3 空間溢出效應 區域互動在環境政策上表現為策略性競爭,引起環境規制在空間內產生作用[25].《規劃》通過設定污染物減排目標等方式不僅有利于優化能源消費結構,抑制本地碳排放的增長,還能對周邊地區產生“示范效應”或“競爭效應”,促使其更新低碳技術,優化產業結構,進而降低碳排放.基于此,本文提出如下假說:

假說4:《規劃》存在顯著的空間溢出效應,即對本地及周邊地區的碳排放均具有抑制作用.

2 研究設計

2.1 模型設定

2.1.1 雙重差分法 本文將《規劃》的實施視為一次準自然實驗,旨在評估《規劃》對碳排放的影響.雙重差分法在政策評價領域得到廣泛了應用,原因在于其能有效識別政策實施的凈效應.因此,基于DID模型,本文研究《規劃》對碳排放的影響.基準回歸模型設定如下:

式中:CO2it表示二氧化碳排放量.didit代表《規劃》實施時間與是否為資源型城市的交乘項.X代表其他影響碳排放的控制變量.和分別為年份固定效應和城市固定效應,為隨機擾動項.

2.1.2 影響機制 由上文理論分析可知,《規劃》不僅能夠直接影響碳排放,還能通過降低資源依賴這一路徑間接對碳排放產生影響.因此,參考溫忠麟等[26]的方法,本文以資源依賴作為中介變量,探究《規劃》對碳排放的影響,中介效應模型設定如下:

2.2 變量選取和數據來源

2.2.1 被解釋變量 本文的被解釋變量為二氧化碳排放量(CO2emissions).借鑒Chen等[27]的做法,本文首先使用PSO-BP神經網絡算法統一DMSP/OLS和NPP/VIIRS衛星影像的尺度.其次,參考政府間氣候變化專門委員會(IPCC)發布的“2006年氣專委國家溫室氣體清單指南”,測算中國省級的碳排放量,并通過PSO-BP神經網絡算法將其與夜間光照數據聯系起來,估算出縣域碳排放量.最后,經過數據加總得到285個地級市的碳排放量.

2.2.2 核心解釋變量 本文的核心解釋變量(did)為《規劃》實施年份與是否為資源型城市的交乘項.考慮到政策的頒布與實施之間存在時間差,本文將2013年11月頒布的《規劃》的實施年份設定為2014年.當城市為資源型城市且年份在2014年及以后時,則等于1,否則為0.當城市為非資源型城市時,則賦值為0.

2.2.3 機制變量 機制變量為資源依賴(resource).資源依賴是指資源產業在城市發展中占據重要地位.資源產業的高利潤屬性和發展優勢強化了產業結構的單一屬性,爭奪采礦權和資源審批過程中缺乏明確的政府職權界定容易滋生投資者的尋租行為[28],這些都會加劇城市對資源的依賴,促使碳排放不斷增加.本文利用采礦業從業人員數占總就業人數的比重來表示城市的資源依賴程度[29].

表1 各變量描述性統計

2.2.4 控制變量 產業結構(industry).鑒于第二產業對碳排放的影響比第一產業、第三產業更為顯著,因此本文利用第二產業產值占GDP的比重來衡量產業結構[30];城市化水平(urban).利用城市市轄區人口占戶籍人口的比重來表示城市化水平[31];外商直接投資(fdi).利用外商直接投資占GDP的比重來表示地區外商直接投資水平[32];政府干預(gov).利用政府一般公共財政預算支出占GDP的比重來表示政府干預的程度[18];創新水平(innovation).利用綜合企業家、投資、技術三個維度的熵值法計算得到的人均創新得分來表示創新水平.數據來源于北京大學開放研究數據平臺.教育(edu).高素質人才更容易掌握先進的技術和經驗,有利于降低碳排放.本文利用政府的教育投入占GDP的比重來衡量教育水平.語言多樣性(dialect).地區所擁有的語言種類影響該地政策的實施效果.本文使用地級市涵蓋的方言種類來衡量語言多樣性[33].

本文使用的數據主要來自285個地級市2003～ 2018年《中國城市統計年鑒》和各省份統計年鑒,使用線性插值法對缺失數據進行填補.各變量描述性統計如表1所示.

3 實證分析

3.1 平行趨勢檢驗與動態效應分析

平行趨勢檢驗是雙重差分法的使用前提.本文參考李建明等[34]的思路進行平行趨勢檢驗.根據圖2可得,政策變量的回歸系數在2013年及其之前不顯著,表明資源型城市與非資源型城市的碳排放在《規劃》實施之前不存在顯著差異,通過了平行趨勢檢驗.而在2015年及其之后,政策變量的回歸系數逐漸顯著,說明《規劃》能夠顯著地促降碳排放.

圖2 平行趨勢檢驗

3.2 基準回歸分析

采用雙重差分法評估《規劃》的實施對資源型城市碳排放的影響.表2的第(1)列和第(2)列分別為在未加入控制變量基礎上未控制和控制年份固定效應、城市固定效應的模型,第(3)列和第(4)列分別為在加入控制變量基礎上未控制和控制年份固定效應、城市固定效應的模型.根據估計結果可知,《規劃》的實施在整體上能夠顯著地降低資源型城市的碳排放.將表2第(4)列作為基準回歸結果,在其他條件保持不變的情況下,相比于非資源型城市,《規劃》的實施能夠顯著降低1.7270個單位的資源型城市碳排放,從而驗證了假說1.

表2 基準回歸結果

注:***、**、*、分別表示1%、5%、10%的顯著性水平,括號內的是值,下表同.

在控制變量方面,產業結構的系數顯著為負,表明第二產業比重的提高降低了碳排放.雖然第二產業比重的上升通常會增加碳排放,但當前智能化的運作模式促使其向技術密集型發展,效率的改善能夠提升碳排放效率,大大抵消了第二產業的生產過程對環境的負面影響,進而表現出降低碳排放的結果.城市化水平的系數顯著為正,說明過快的城市化會增加碳排放.政府干預和教育投入的系數顯著為負,說明加大財政補貼和教育投入力度能夠減少碳排放.創新水平的系數顯著為正,說明當前創新能力向節能減排產品的生產轉換存在一定困難,使其難以發揮降低碳排放的作用.語言多樣性的系數顯著為正.一個地區多樣化的語言提高了人們的溝通成本,減弱了政策的上傳下達效果,阻礙碳減排進程.而外商直接投資的系數為負,但并不顯著,表明外商直接投資對碳排放的抑制作用較小.

3.3 穩健性檢驗

3.3.1 剔除特殊樣本 由于我國的直轄市和省會城市相較于其他城市的制造業更發達,人口更密集,生產生活活動所產生的碳排放更大,因此本文將這部分特殊樣本予以刪除以減少異常值對基準結果的影響.由表3第(1)列可知,《規劃》對碳排放具有明顯的抑制作用,驗證了基準結果的穩健性.

3.3.3 PSM-DID 為了減少樣本的選擇性偏差,本文進一步使用PSM-DID的方法進行檢驗.首先將是否為資源型城市視為因變量,控制變量視為協變量,然后使用近鄰卡尺匹配方法進行logit回歸,將與資源型城市最為匹配的城市作為對照組.再對匹配后的兩個小組進行DID回歸,估計結果如表3第(4)列所示.匹配之后,《規劃》的系數值仍顯著為負,表明基準結果是穩健的.

表3 穩健性檢驗

3.4 影響機制分析

3.4.1 資源依賴的中介效應 上文得出《規劃》對資源型城市碳排放具有顯著的抑制作用.由于資源依賴是資源型城市最為突出的特點,且在理論分析中已經論證了《規劃》可以通過抑制資源依賴程度進而降低城市碳排放的合理性,因此,本文進一步選取資源依賴作為中介變量,檢驗《規劃》對碳排放的影響機制,回歸結果見表4.

表4第(1)列表明《規劃》對碳排放存在總效應,即《規劃》能夠顯著降低資源型城市的碳排放.第(2)列中,《規劃》對資源依賴程度的估計系數顯著為負,即《規劃》的實施能夠減少城市的資源依賴.第(3)列中資源依賴的系數顯著為正,且《規劃》的系數顯著為負,表明存在部分中介效應,且中介效應占總效應的比重為25.5808%.表明《規劃》能夠通過抑制城市對資源的依賴進而降低碳排放,假說2得到驗證.《規劃》在財政補貼、營商環境和產業項目布局等方面給予了資源型城市眾多支持,提高了其對技術和人力資本的重視程度.一方面,能夠激勵企業革新生產技術,提升資源利用率,進而降低生產過程中資源的直接投入,減少對資源的過度依賴.另一方面,推動了現代服務業和高新技術產業等新興產業的發展,有利于優化產業結構,降低具有高碳特征的資源產業比重,減少資源依賴,從而降低碳排放.此外,《規劃》的實施提高了環境規制成本,迫使企業加強技術創新和清潔生產,有利于促進污染減排.

3.4.2 產業結構升級和技術進步的調節效應 上文通過實證檢驗證明了《規劃》能夠通過降低資源依賴進而減少碳排放.假說3認為城市資源依賴程度的降低表明產業結構與技術的優化.為了驗證產業結構升級和技術進步是否會對《規劃》的碳減排效應起到調節作用,本文引入did變量與產業結構升級的交乘項(did′structure)、did變量與技術進步的交乘項(did′patent),并分別替代基準模型中的did變量重新進行回歸.其中,產業結構升級利用第三產業占第二產業的比重衡量,技術進步利用專利數量的對數值表示.

表4第(4)列中變量與產業結構升級交乘項的系數顯著為負,第(5)列中變量與技術進步交乘項的系數也為負,表明產業結構升級和技術進步能夠強化《規劃》的碳減排效果,即產業結構升級和技術進步對《規劃》的碳減排效應具有正向調節作用,假說3得到驗證.產業結構升級有利于推動生產方式綠色化,技術創新能夠促進節能減排技術的提升,這些都會促進《規劃》碳減排效應的有效發揮.

表4 《規劃》對資源型城市碳排放的影響機制

3.5 異質性分析

3.5.1 城市區域異質性 不同區域在經濟發展水平、產業結構等方面存在差異,而這些因素與碳排放量密切相關,因此本文依據1986年全國人大六屆四次會議通過的"七五"計劃,將研究樣本分為東部、中部和西部地區,探究《規劃》在不同地理位置基于資源依賴路徑對碳排放的影響是否具有差異,回歸結果如表5所示.

對于東部和中部地區,《規劃》能夠降低碳排放,即《規劃》對碳排放存在總效應.此外,《規劃》的實施能夠減少資源依賴,且《規劃》與資源依賴的回歸系數是顯著的,表明資源依賴在《規劃》促降東部和中部地區碳排放的過程中存在部分中介效應,中介效應占比分別為21.9184%和24.4379%.而《規劃》對西部地區碳排放的促降作用并不明顯,即不存在《規劃》對西部地區碳排放的總效應,也不存在中介效應.東部地區憑借區位優勢匯集大量的人才、資本等要素,實施創新驅動發展,促降資源依賴的阻力較小,因而《規劃》有利于抑制東部地區對資源的依賴,降低碳排放.中部地區能夠方便學習東部地區的先進經驗,享受其知識、技術外溢效應,有利于發揮《規劃》在引導技術創新和產業結構優化升級等方面的作用,進而降低中部地區對資源的依賴程度,減少碳排放.西部地區的經濟支柱為來自東部、中部地區轉移的高能耗、高污染產業和本地的資源產業,減排壓力較大,使得《規劃》難以起到促降碳排放的作用.

表5 區域異質性回歸結果

3.5.2 城市規模異質性 考慮到《規劃》的實施效果可能與城市規模有關,本文按照國務院《關于調整城市規模劃分標準的通知》,對不同規模的城市進行相應回歸,其中,由于超大城市、小城市的樣本較少,因此將超大城市與特大城市合并為大城市、小城市與中等城市合并為中小城市,研究在不同城市規模下《規劃》通過資源依賴路徑對碳排放的影響效果.回歸結果如表6所示.

表6 城市規模異質性回歸結果

《規劃》對大城市的碳排放具有顯著的抑制作用,表明《規劃》對碳排放存在總效應.且《規劃》和資源依賴的系數都是顯著的,表明存在部分中介效應,中介效應占比為21.6210%,即《規劃》在大城市對碳排放的促降作用有21.6210%是由資源依賴的降低而傳導的.而《規劃》對中小城市的碳排放具有明顯的促進作用.作為中介變量的資源依賴雖然不顯著,但Bootstrap 檢驗的結果是顯著的,表明中小城市存在資源依賴的中介效應,其占比為21.4713%.《規劃》能夠刺激知識、技術等要素進一步向大城市集聚,發揮規模效應,促進低碳技術和現代服務業等新興產業的發展,有助于降低大城市的資源依賴,進而降低碳排放.此外,《規劃》的實施將提升企業的污染治理成本,擠占其技術研發資金,而中小城市短缺的財政資金難以完全減輕企業創新壓力,導致低碳技術的研發面臨困境.這些因素的綜合作用表現出《規劃》雖然減少了中小城市的資源依賴,但難以發揮減排作用的結果.

3.6 《規劃》的空間溢出效應

為了減少傳統計量模型計算結果的偏誤,本文進一步考慮區域的空間依賴性和溢出效應.首先分析碳排放是否存在空間相關性.本文構造了地理距離矩陣(兩個城市的政府所在經緯度計算得到的地理距離的倒數)和經濟距離矩陣(兩個城市在2003～2018年期間的人均GDP均值之差的倒數),Moran's統計值分別為29.2770和5.9580,均在1%的水平上顯著,表明碳排放存在顯著的空間相關性.因此引入空間計量模型探究《規劃》的空間溢出效應.模型的具體形式如下:

式中:為空間自回歸系數;w為空間權重矩陣;X為一系列控制變量;為各個控制變量的空間滯后項;為《規劃》的空間滯后項;為誤差項.

似然比(LR)檢驗和沃爾德(Wald)檢驗的結果表明,經濟距離矩陣下的LR統計量和Wald統計量均在1%的顯著性水平上拒絕原假設,表明SDM模型不會退化為SAR(Spatial Autoregressive Model)和SEM(Spatial Error Model)模型,因此選擇使用SDM模型.而地理矩陣下的LR統計量并不顯著,表明該矩陣下的SDM模型將退化為SEM模型.由于SDM模型參數估計值的含義并非為其邊際影響,因此在SDM模型點估計結果的基礎上進一步測算《規劃》對碳排放的直接效應和間接效應,如表7所示.

就直接效應而言,無論是地理距離矩陣還是經濟距離矩陣,《規劃》對碳排放均具有顯著負向的直接效應.就間接效應而言,經濟距離矩陣中《規劃》對碳排放的間接效應為-1.6967,表明《規劃》在經濟水平鄰近的地區對碳排放具有負向的空間溢出效應,假說3得以驗證.而地理距離矩陣中《規劃》對碳排放的間接效應并不明顯.《規劃》重點關注資源型城市的綠色發展,因而更加注重城市間經濟關聯的質量.經濟互動質量的提升有利于提高要素流動能力,促進資源合理配置,減少無效投資和重復建設,進而降低碳排放.在考慮地理因素時,《規劃》僅影響本地碳排放,對地理距離鄰近的周邊地區碳排放尚未發揮實質性影響.表明經濟因素的關聯性在《規劃》對碳排放的抑制作用中要遠高于地理距離的鄰近性.

表7 直接效應和間接效應估計結果

4 建議

4.1 著力建立促進資源型城市可持續發展的長效機制.政府需要引導資源型城市的生產要素向接續替代產業集聚,約束高能耗、高污染企業排污行為,大力發展綠色產能.政府應積極倡導零碳的生產生活方式,鼓勵地方政府、企業和公眾共同參與到環境治理中.發揮資源型城市減排的示范效應,加強地區的經濟互動,促進我國碳達峰、碳中和目標早日實現.

4.2 關注資源依賴在《規劃》影響城市碳排放中的重要作用.一方面,資源型城市需要大力發展可再生能源和現代服務業等清潔型產業,明確不同產業的低碳甚至零碳目標,大力發展碳中和碳交易,優化資源配置,促進產業的綠色化,從而減少碳排放,提升區域環境質量.另一方面,政府應該加大對低碳技術的投資力度,通過激勵機制加速碳捕獲與封存技術和高能效技術的普及與應用,降低碳排放.

4.3 根據區域特性差異化地實施《規劃》.就東部、中部和西部地區而言,東部和中部地區需要關注數字技術的研發和產業的清潔化發展;西部地區需要加強低碳意識,提供優惠條件吸引高素質人才建設西部,推進低碳技術的應用,提升生產效率以減少資源浪費.就大城市和中小城市而言,大城市需要進一步提升對知識和技術等要素的吸引力,運用市場化工具和政策優惠等方式降低低碳型企業的生產成本,加強綠色技術成果的轉化能力;中小城市應提高對環境的重視程度,中央政府也需要增加對其的財政補貼和加強環境政策的落實力度.

5 結論

5.1 在其他條件保持不變的情況下,相比于非資源型城市,《規劃》的實施能夠顯著降低1.7270個單位的資源型城市碳排放,表明《規劃》的實施能夠對碳排放起到明顯的抑制作用,且該結論通過了一系列穩健性檢驗.

5.2 機制分析表明,《規劃》能夠通過減少資源依賴進而促降碳排放.且《規劃》對資源型城市碳排放的中介效應占比為25.5808%,表明《規劃》對碳排放的促降作用中有25.5808%是由資源依賴的降低進行傳導的.此外,產業結構升級和技術進步對《規劃》的碳減排效應具有正向的調節作用.

5.3 在異質性分析上,從城市地理位置來看,《規劃》在東部和中部地區能夠通過降低資源依賴進而促降碳排放;而其對西部地區碳排放的抑制作用并不明顯.從城市規模來看,《規劃》能夠通過降低資源依賴進而促降大城市的碳排放,但卻使中小城市的碳排放有所增加.

5.4 《規劃》對碳排放具有顯著的空間溢出作用.在經濟距離矩陣下,《規劃》對碳排放的直接效應為-1.5415,間接效應為-1.6967,表明《規劃》不僅能夠降低本地區的碳排放,還能抑制周邊地區的碳排放.

[1] 張華明,元鵬飛,朱治雙.中國城市人口規模、產業集聚與碳排放[J]. 中國環境科學, 2021,41(5):2459-2470.

Zhang H M, Yuan P F, Zhu Z S. City population size, industrial agglomeration and CO2emission in Chinese prefectures [J]. China Environmental Science, 2021,41(5):2459-2470.

[2] Zhang Y J, Peng Y L, Ma C Q, et al. Can environmental innovation facilitate carbon emissions reduction? Evidence from China [J]. Energy Policy, 2017,100:18-28.

[3] BP. Statistical Review of World Energy [DB/OL]. http://www.bp.com/ statisticalreview, 2019-6/2021-7-1.

[4] 肖 瀅,盧麗文.資源型城市工業綠色轉型發展測度——基于全國108個資源型城市的面板數據分析[J]. 財經科學, 2019,(9):86-98.

Xiao Y, Lu L W. Measurement of industrial green transformation efficiencyin resource-based cities——Based on 108 resource-based cities’ panel data [J]. Finance & Economics, 2019,(9):86-98.

[5] 曾 堅,張彤彤.新常態下資源型城市經濟轉型問題、對策及路徑選擇[J]. 理論探討, 2017,(1):81-86.

Zeng J, Zhang T T. The problems、countermeasures and path selections of economic transformation of resource-based city under the new normal [J]. Theoretical Investigation, 2017,(1):81-86.

[6] Wadin J, Hu M, Lo H, et al. Transformation toward an eco-city: lessons from three asian cities [J]. Journal of Cleaner Production, 2016, 123:77-87.

[7] 張 慧,喬忠奎,許 可,等.資源型城市碳排放效率動態時空差異及影響機制——以中部6省地級資源型城市為例[J]. 工業技術經濟, 2018,37(12):86-93.

Zhang H, Qiao Z K, Xu K, et al. Study on temporal and spatial differences of carbon emission efficiency——Based on cities in six provinces of central China [J]. Journal of Industrial Technological Economics, 2018,37(12):86-93.

[8] Hou Y, Long R Y, Chen H, et al. Research on the sustainable development of China's coal cities based on lock-in effect [J]. Resources Policy, 2018,59:479-486.

[9] Gylfason T. Natural resources, education, and economic development [J]. European Economic Review, 2001,45(4-6):847-859.

[10] Sachs J D, Warner A M. The curse of natural resources [J]. European Economic Review, 2001,45(4):827-838.

[11] 郭愛君,胡安軍,王祥兵.資源型經濟區產業路徑依賴的形成機制、特性與破解[J]. 經濟問題探索, 2017,(10):73-79.

Guo A J, Hu A J, Wang X B. The formation mechanism, characteristics and cracking of industrial path dependence in resource-based economic zone [J]. Inquiry into Economic Issues, 2017,(10):73-79.

[12] Auty R. Sustaining development in mineral economies [M]. 1993.

[13] Stijns J P C. Natural resource abundance and economic growth revisited [J]. Resources Policy, 2005,30(2):107-130.

[14] 張復明,景普秋.資源型經濟的形成:自強機制與個案研究[J]. 中國社會科學, 2008,(5):117-130,207.

Zhang F M, Jing P Q. These lf-cumulation mechanism in the development of a resource economy: With a case study [J]. Social Sciences in China, 2008,(5):117-130,207.

[15] 宋 弘,孫雅潔,陳登科.政府空氣污染治理效應評估——來自中國“低碳城市”建設的經驗研究[J]. 管理世界, 2019,35(6):95-108,195.

Song H, Sun Y J, Chen D K. Assessment for the effect of government air pollution control policy: Empirical evidence from “low-carbon city” construction in China [J]. Management World, 2019,35(6):95- 108,195.

[16] 李治國,王 杰.中國碳排放權交易的空間減排效應:準自然實驗與政策溢出[J]. 中國人口·資源與環境, 2021,31(1):26-36.

Li Z G, Wang J. Spatial emission reduction effects of China’s carbon emission strading: quasi-natural experiments and policy spillovers [J]. China Population Resources and Environment, 2021,31(1):26-36.

[17] 周 迪,周豐年,王雪芹.低碳試點政策對城市碳排放績效的影響評估及機制分析[J]. 資源科學, 2019,41(3):546-556.

Zhou D, Zhou F N, Wang X Q. Impact of low- carbon pilot policy on the performance of urban carbon emissions and its mechanism [J]. Resources Science, 2019,41(3):546-556.

[18] 張 華,馮 烽.綠色高鐵:高鐵開通能降低霧霾污染嗎？[J]. 經濟學報, 2019,6(3):114-147.

Zhang H, Feng Y. Green high-speed railway: Does high-speed railway reduce haze pollution? [J]. China Journal of Economics, 2019,6(3): 114-147.

[19] Li Q, Zeng F, Liu S, et al. The effects of China's sustainable development policy for resource-based cities on local industrial transformation [J]. Resources Policy, 2020,71:101940.

[20] Porter M E, Linde C. Green and competitive: Breaking the stalemate [J]. Harvard Business Review, 1995,73(5):120-133.

[21] 關海玲,董慧君,張宇茹.《全國資源型城市可持續發展規劃》的污染減排效應研究[J]. 經濟問題, 2021,(6):80-90.

Guan H L, Dong H J, Zhang Y R. Research on the pollution reduction effect of the sustainable development plan of resource-based cities nationwide [J]. On Economic Problems, 2021,(6):80-90.

[22] 吳海兵,肖地楚,王欣欣,等.基于固定效應模型的能源資源稟賦與產業結構關系研究[J]. 宏觀經濟研究, 2013,(10):59-66.

Wu H B, Xiao D C, Wang X X, et al. Study on the relationship between resource endowment and industrial structure based on fixed-effects model [J]. Macroeconomics, 2013,(10):59-66.

[23] 海 琴,高啟杰.資源密集地區區域創新能力擠出效應研究[J]. 科技進步與對策, 2020,37(19):41-50.

Hai Q, Gao Q J. The extrusion effect of regional innovation ability in resource-intensive areas [J]. Science & Technology Progress and Policy, 2020,37(19):41-50.

[24] 馬若微,李菲菲.自然資源依賴、金融發展與人力資本積累[J]. 廣東社會科學, 2021,(5):16-25.

Ma R W, Li F F. Natural resource dependence, financial development and human capital accumulation [J]. Social Sciences in Guangdong, 2021,(5):16-25.

[25] Graham D, Woods N. Making corporate self- regulation effective indveloping countries [J]. World Development, 2006,34(5):868-883.

[26] 溫忠麟,葉寶娟.中介效應分析:方法和模型發展[J]. 心理科學進展, 2014,22(5):731-745.

Wen Z L, Ye B J. Analyses of mediating effects: The development of methods and models [J]. Advances in Psychological Science, 2014,22(5): 731-745.

[27] Chen J, Gao M, Cheng S, et al. County-level CO2emissions and sequestration in China during 1997–2017 [J]. Scientific Data, 2020,7(1).

[28] Yu X K, Chen Z. Resource abundance and financial development: Evidence from China [J]. Resources Policy, 2011,36(1):72-79.

[29] 邵 帥,楊莉莉.自然資源豐裕、資源產業依賴與中國區域經濟增長[J]. 管理世界, 2010,(9):26-44.

Shao S, Yang L L. Natural resource abundance, resource industry dependence and regional economic growth in China [J]. Management World, 2010,(9):26-44.

[30] 傅京燕,司秀梅,曹 翔.排污權交易機制對綠色發展的影響[J]. 中國人口·資源與環境, 2018,28(8):12-21.

Fu Y J, Si X M, Cao X. Research on the influence of emission trading mechanism on green development [J]. China Population Resources and Environment, 2018,28(8):12-21.

[31] 吳偉平,何 喬.“倒逼”抑或“倒退”?——環境規制減排效應的門檻特征與空間溢出[J]. 經濟管理, 2017,39(2):20-34.

Wu W P, He Q. “Forced pollution reduction” or “regressive”?—— threshold characteristic and spatial spillover of pollution reduction effect from environmental regulation[J]. Business Management Journal, 2017, 39(2):20-34.

[32] Wang H, Jin Y. Industrial ownership and environmental performance: Evidence from China [J]. Environmental & Resource Economics, 2007,36(3):255-273.

[33] 李光勤,曹建華,邵 帥.語言多樣性與中國對外開放的地區差異[J]. 世界經濟, 2017,40(3):144-168.

Li G Q, Cao J H, Shao S. Linguistic diversity and regional openness disparity in China [J]. The Journal of World Economy, 2017, 40(3):144-168.

[34] 李建明,羅能生.高鐵開通改善了城市空氣污染水平嗎? [J]. 經濟學(季刊), 2020,19(4):1335-1354.

Li J M, Luo N S. Has the opening of high-speed rail improved the level of urban air pollution? [J]. China Economic Quarterly, 2020,19(4): 1335-1354.

Impact of sustainable development in resource-based cities on carbon emissions: From the perspective of resource dependence.

ZHENG He-yun1, GE Li-ming2*

(1.School of Economics, Xinjiang University of Finance and Economics, Urumqi 830012, China；2.School of Urban and Regional Sciences, Shanghai University of Finance and Economics, Shanghai 200433, China)., 2022,42(6)：2955～2964

Based on the panel data of 285 cities from 2003 to 2018, the difference in difference models were used to investigate the impact of China’s Sustainable Development Plan of National Resource-Based Cities (2013～2020) (here in after referred to as the Plan) on carbon emissions and the effect of the Plan on carbon emissions through the path of resource dependence. In addition, the heterogeneous effects of the Plan on carbon emissions through the path of resource dependence were analyzed based on the perspectives of city region and city scale. Finally, the Plan’s spatial spillover effects were examined. The results suggested that the Plan significantly reduced carbon emissions of resource-based cities. The mechanism analysis indicated that the Plan can decrease carbon emissions by reducing the degree of resource dependence. Besides, industrial structure upgrade and technological progress had positive impacts on the Plan’s carbon reduction effect. The heterogeneous analysis showed that the effect of the Plan decreased resource dependence to reduce carbon emissions is more obvious in eastern regions, central regions, and large cities. The Plan had a significant carbon reduction effect on local and neighboring areas. This paper had important policy implications for achieving sustainable development of resource-based cities in China under the dual carbon target.

resource-based cities；resource dependence；carbon emissions；difference in difference

F205,X32

A

1000-6923(2022)06-2955-10

鄭賀允(1996-),女,河南鄭州人,新疆財經大學經濟學院碩士研究生,主要從事低碳經濟與可持續發展方向研究.發表論文5篇.

2021-11-02

新疆財經大學科研創新項目(XJUFE2021K053)

* 責任作者, 博士, geliming@163.sufe.edu.cn