《Sustainable Environment》:Driving urban low-carbon transition in China: The role of innovation-openness policy mix
编辑推荐:
平衡经济增长与生态保护是实现联合国可持续发展目标(Sustainable Development Goals, SDGs)的关键,但单一政策在低碳转型中往往难以奏效。该研究利用2006—2022年中国251个城市的面板数据,并采用双重机器学习(Double M
平衡经济增长与生态保护是实现联合国可持续发展目标(Sustainable Development Goals, SDGs)的关键,但单一政策在低碳转型中往往难以奏效。该研究利用2006—2022年中国251个城市的面板数据,并采用双重机器学习(Double Machine Learning, DML)方法,评估创新与开放政策组合是否对经济低碳转型产生协同效应。结果表明,创新与开放均能显著促进经济低碳转型;且创新与开放的组合效应超过二者单独效应之和7.91%。值得注意的是,开放政策在单独实施时作用不显著,但与创新政策结合后其效应转为显著,且组合政策效应达到单独创新政策效应的101.08%。在一系列敏感性检验及内生性问题处理后,上述发现仍然稳健。机制分析表明,创新与开放通过扩大外资创造、促进绿色创新集聚以及推动产业升级,协同驱动经济低碳转型。截面分析显示,该协同效应在中国东部地区和非资源型城市中更为显著。总之,创新与开放构成了一种能够有效促进经济低碳转型的协同政策组合,并为其他寻求推进自身低碳转型的经济体提供了有价值的启示。具体而言,这种协同效应不仅推动了经济增长与碳排放的脱钩,而且还直接促进了碳减排,为实现全球气候目标奠定了坚实基础。
该文发表于《Sustainable Environment》,围绕中国城市低碳转型中的政策协同问题展开研究,核心关注创新政策与开放政策能否形成“1+1>2”的非线性协同效应,并由此推动经济增长与碳排放脱钩。研究背景在于,全球可持续发展进程中温室气体持续上升,传统高碳发展路径已难以兼顾经济增长与生态保护,而单一政策工具在低碳转型中的作用常常有限。现有研究虽然已证明单一创新政策可通过绿色技术研发与创新要素集聚促进低碳转型,但单一开放政策的脱碳效应往往依赖配套制度,因而经常表现为不显著。与此同时,既有文献已注意到环境规制、产业政策、数字政策与绿色政策之间的协同价值,但尚未系统分析“创新—开放”这两个经济发展核心驱动因素的政策组合及其低碳转型效应。正是在这一研究空白下,研究人员以中国创新型试点城市(Innovative Pilot City, IPC)与自由贸易试验区(Pilot Free Trade Zone, PFTZ)所体现的政策重叠为制度情境,考察创新与开放协同推进经济低碳转型的作用机制与异质性特征。
从现实意义看,中国在持续经济扩张与低碳转型并行推进的过程中,形成了多层级、多维度政策试点探索格局。IPC自2008年起通过产学研协同平台、绿色研发补贴与知识产权制度完善,强化技术创新驱动;PFTZ自2013年起通过贸易自由化与投资便利化,引入全球资源与低碳要素。二者在时空分布上具有明显重叠,在顶层设计上又共同指向绿色转型目标,这使中国成为检验创新—开放政策协同效应的独特场域。研究人员据此提出两个核心问题:其一,创新与开放政策组合是否能够显著促进经济低碳转型;其二,这种作用是否超越线性叠加,形成实质性的制度协同增益。
在理论分析上,文章构建了一个涵盖宏观制度、中观市场与微观企业层面的整合性分析框架。研究人员将“加总效应”界定为两项政策独立实施后效应的算术叠加,而“协同效应”则表现为制度互补、要素耦合与机制共振所产生的非线性净收益,甚至能够激活原本不显著的弱政策潜力。在宏观层面,PFTZ通过贸易投资便利化吸引低碳资源集聚,IPC则强化区域创新网络与技术吸收能力,二者的制度互补共同降低低碳转型成本;在微观层面,开放政策带来的绿色异质性资源与创新政策塑造的创新生态共同激发企业绿色创新内生动力,推动低碳技术研发与应用;在市场层面,开放扩大绿色产品供给,创新降低绿色消费成本,促进需求侧绿色转型。基于此,文章提出H1:创新与开放政策组合能够协同推动经济低碳转型。进一步地,文章又从外资创造、绿色创新集聚与产业结构升级三条路径提出H2a、H2b与H2c,以解释政策组合影响低碳转型的机制。
研究方法方面,研究人员使用2006—2022年中国251个城市的面板数据,共形成4267个观测值,并将双重试点政策状态作为核心解释变量。被解释变量为经济低碳转型(low-carbon economic transition, LCET),以碳生产率衡量,即经2006年不变价平减后的地区生产总值(GDP)与城市CO
2排放量之比;CO
2排放依据IPCC方法,按8类终端能源消费核算。方法上采用双重机器学习(Double Machine Learning, DML)与五折交叉拟合(cross-fitting),使用随机森林(random forest)估计高维控制变量函数,以降低高维混杂与正则化偏差。控制变量包括经济发展水平、金融发展水平、教育支出水平、财政投资强度与城市化率。样本数据主要来自《中国城市统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》及专利相关数据库。机制检验采用DML框架下的中介路径识别,异质性分析则按东中西区域和资源型/非资源型城市分组展开。
以下对研究结果按原文小标题进行概括。
4.1. Regression results
基准回归结果显示,无论模型中是否加入时间固定效应、城市固定效应、控制变量线性项与二次项,创新—开放政策组合(DPP)系数始终显著为正,且在1%统计水平上稳健成立。这表明政策组合能够显著提升城市碳生产率,促进经济低碳转型。进一步比较单一政策与组合政策时,研究人员先分别识别PFTZ与IPC的单独效应,结果显示:创新型试点城市政策单独实施时对低碳转型具有显著正向影响,但效应弱于双重政策组合;PFTZ单独实施时效应不显著。随后,在仅保留单一政策城市与双重政策城市的比较中发现,PFTZ的作用在组合政策情境下由不显著转为显著;而创新政策由单独实施升级为组合实施后,其促进强度达到单独创新政策的101.08%;更关键的是,双重政策的边际效应高于两个单一政策效应之和约7.91%。这一结果直接验证了创新与开放之间存在非线性协同效应,而非简单加总,从而支持H1。
4.2. Sensitivity assessment
为检验结论可靠性,研究人员进行了系统的敏感性分析。首先,平行趋势检验表明,在政策实施前处理组与控制组碳生产率差异不显著,政策实施后处理效应持续上升,支持因果识别前提。其次,安慰剂检验通过随机指定虚假试点地区构建反事实情境,发现估计系数集中于零附近,说明主结论并非由不可观测因素驱动。再次,文章引入工具变量法,以“省级财政分权程度×城市行政等级”作为DPP的工具变量,在弱工具稳健推断下,核心结论仍显著为正,缓解了政策选择非随机带来的内生性顾虑。研究人员还采用双重差分(Difference-in-Differences, DID)与倾向得分匹配(Propensity Score Matching, PSM)进行交叉验证,结果与基准回归一致。之后,文章又通过替换核心解释变量、将政策变量连续化、替换被解释变量为碳排放强度(CO
2/GDP)、剔除碳交易试点与低碳城市试点干扰、调整样本区间、剔除省会及直辖市、加入城市—时间交互项、采用Bootstrap检验、重设DML模型结构、更换样本切分比例与机器学习算法(Lasso、梯度提升、神经网络)等多重方式反复检验,结果均保持显著正向,说明结论具有较强稳健性。
4.3. Mechanism analysis
机制分析部分围绕三条并行路径展开。第一,外资创造机制。研究人员以单个外资项目平均实际利用外资额衡量外资创造效应,回归结果显示政策组合显著促进该指标提升,说明创新与开放的叠加增强了城市区位优势与营商环境,吸引更高质量外商直接投资(foreign direct investment, FDI),并通过技术、资本与管理经验输入推动低碳产业发展。第二,绿色创新集聚机制。文章采用绿色发明专利授权的人均区位商衡量绿色创新集聚,结果显示政策组合显著提升绿色创新集聚水平,表明开放吸引国际人才与技术,创新政策优化本地创新网络,二者共同促进绿色人才、技术与资本汇聚,加快绿色知识溢出与低碳技术突破。第三,产业结构升级机制。文章分别以产业结构合理化(IS
1)和产业结构高级化(IS
2)衡量产业升级,结果表明二者均为政策组合促进经济低碳转型的传导渠道,但产业高级化的作用更为突出,意味着资源配置向高附加值、低碳导向行业转移,对提升碳生产率具有更直接影响。为排除机制变量间可能存在的双向因果和链式关系,研究人员进一步使用一期滞后机制变量、动态机制效应检验与机制独立性检验,结果依然支持三条机制并行且稳健存在。
5. Further analysis: Cross-sectional analysis
在异质性分析中,研究人员从区位差异与资源禀赋差异两方面展开。区域异质性结果显示,创新—开放政策组合的显著促进作用主要体现在东部地区,而中部地区系数为正但不显著,西部地区系数为负且不显著。这说明东部地区由于经济基础较强、高技术产业与现代服务业集聚、金融体系较完善,能够更快吸收开放与创新政策红利,从而更有效促进低碳转型。相比之下,中西部地区受制于传统产业比重较高、创新要素不足与结构调整成本较高,政策短期效果较弱。资源禀赋异质性结果表明,政策组合在非资源型城市中的促进作用明显强于资源型城市。非资源型城市由于产业结构更灵活、对资源路径依赖较低,更容易在开放与创新政策双重推动下引入绿色产业并优化能源效率。资源型城市内部又呈现差异:衰退型和再生型资源城市的政策效应为正,而成熟型资源城市则表现为不显著负相关,反映出资源依赖、转型成本与设备更新压力对政策效果释放构成约束。
6.2. Discussions
讨论部分指出,该研究对新兴经济体低碳发展政策设计具有重要启示。传统观点强调资源禀赋与环境规制对区域低碳发展的决定作用,而本文结果表明,单一开放政策难以显著推动低碳转型,但与创新政策协同后,能够超越传统要素约束与单一工具局限,构建更开放包容的制度环境,吸引全球高端要素集聚,并培育以低碳技术创新和绿色产业集群为核心的新竞争优势。研究还强调,政策协同效应的充分释放依赖持续的制度创新、合理的实施时序以及区域适配性。现实中政策协调不完善、区域适应不足与对单一政策工具过度依赖,均可能削弱协同效果,因此需要建立基于区域异质性的动态政策调整机制与多维协同推进框架。
研究结论部分可译述如下:
该研究运用双重机器学习(DML)方法,基于2006—2022年中国251个城市的面板数据,系统评估了创新与开放政策组合对经济低碳转型的协同影响。结果显示,该政策组合显著加快了经济低碳转型,其综合效应比单项政策效应之和高出7.91%。尤其值得关注的是,开放政策单独实施时并未表现出显著促进作用,但纳入政策组合后其效应变得显著;同时,政策组合的促进强度达到单独创新政策的101.08%。通过替换核心变量、调整样本区间以及采用工具变量法处理内生性等多种稳健性检验后,结论依然成立。机制分析表明,政策组合主要通过吸引外商直接投资、增强绿色创新资源集聚以及推动产业升级三条渠道促进经济低碳转型。进一步的截面分析表明,该政策组合在中国东部地区和非资源型城市中的作用尤为明显,其对经济低碳转型的促进强度显著高于中西部地区及资源型城市,体现出显著的区域与城市类型异质性。
总体而言,本文的学术贡献体现在三个方面。其一,在研究对象上,突破了既有文献对单一政策或非核心政策组合的关注,首次系统识别创新与开放两类核心发展政策的非线性协同效应。其二,在方法上,利用DML处理高维混杂与正则化偏差问题,提高了政策效应识别的可信度。其三,在机制上,建立并验证了“外资创造—绿色创新集聚—产业升级”三条可检验的传导路径,形成了较为完整的分析链条。对政策实践而言,研究表明,若要在低碳转型中实现经济增长与减排双重目标,仅依赖单一工具往往不足,而创新与开放的制度协同能够更有效地推动城市经济发展模式向低碳化、绿色化转型。