EN中文

地理研究 >

2022 , Vol. 41 >Issue 1: 181 - 192

DOI: https://doi.org/10.11821/dlyj020210506

“环境经济地理学的创新与发展”专辑

长三角区域一体化对城市碳排放的影响研究

  • 郭艺 , 1, 2 ,
  • 曹贤忠 1 ,
  • 魏文栋 3 ,
  • 曾刚 , 1, 2
展开
  • 1. 华东师范大学中国现代城市研究中心,上海 200062
  • 2. 华东师范大学城市与区域科学学院,上海 200241
  • 3. 上海交通大学国际与公共事务学院,上海 200030
曾刚（1961-）,男,湖北武汉人,博士,教授,博士生导师,主要研究方向为生态经济与区域发展模式、创新网络与产业集群。E-mail:

郭艺（1993-）,男,陕西淳化人,博士研究生,主要研究方向为生态经济与区域发展模式。E-mail:

收稿日期: 2021-06-15

  录用日期: 2021-10-08

  网络出版日期: 2022-03-10

基金资助

国家自然科学基金重点项目(42130510)

国家自然科学基金面上项目(42171184)

国家自然科学基金青年项目(71904125)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

The impact of regional integration in the Yangtze River Delta on urban carbon emissions

  • GUO Yi , 1, 2 ,
  • CAO Xianzhong 1 ,
  • WEI Wendong 3 ,
  • ZENG Gang , 1, 2
Expand
  • 1. The Center for Modern Chinese City Studies, East China Normal University, Shanghai 200062, China
  • 2. School of Urban and Regional Science, East China Normal University, Shanghai 200241, China
  • 3. School of International and Public Affairs, Shanghai Jiao Tong University, Shanghai 200030, China

Received date: 2021-06-15

  Accepted date: 2021-10-08

  Online published: 2022-03-10

Copyright

Copyright reserved © 2021.
Fold

摘要

长三角地区是中国高质量一体化发展的示范区,也是实现“双碳”目标的重要区域。在中国行政区经济向一体化经济转变的背景下,长三角区域一体化政策在降低行政壁垒,优化要素配置的同时,产生了怎样的碳排放效应?本文基于中国地级及以上城市的面板数据,以2010年《长江三角洲地区区域规划》的颁布视作一项准自然实验,运用双重差分（DID）模型,研究长三角区域一体化对城市碳排放的影响。在此基础上,采用中介效应模型,识别区域一体化碳排放效应的内在机理。结果表明：2010 年实施的长三角一体化政策显著降低了城市碳排放,并经过共同趋势检验、PSM-DID、安慰剂检验等稳健性检验依然成立;从动态效应来看,区域一体化政策的碳减排效应出现在政策实施后的第三年;从城市等级来看,区域一体化政策对高等级城市碳排放减少的促进作用大于一般城市;从作用机理来看,区域一体化政策通过促进产业结构的升级和城市技术水平的提高,显著降低了城市碳排放,而通过城市间经济联系的增强,在一定程度上增加了城市碳排放。因此,建议建立长三角城市间碳减排与绿色发展的互动合作机制,构建可监测、可操作的绿色发展评价指标体系,加大长三角城市绿色科技联合攻关力度,推动产业低碳化发展。

关键词： 长三角地区; 区域一体化政策; 城市碳排放; 准自然实验; 中介效应模型

本文引用格式

郭艺 , 曹贤忠 , 魏文栋 , 曾刚 . 长三角区域一体化对城市碳排放的影响研究[J]. 地理研究, 2022 , 41(1) : 181 -192 . DOI: 10.11821/dlyj020210506

Abstract

The Yangtze River Delta is a demonstration area for China's high-quality integrated development and an important area for China to achieve its peak dioxide emissions by 2030 and carbon neutrality targets by 2060. In the context of the transformation of China's administrative region economy to an integrated economy, the regional integration of the Yangtze River Delta has reduced administrative barriers and optimized the allocation of factors. At the same time, what impact does it have on urban carbon emissions? Based on the panel data of prefecture level and above cities in China, this paper regards the issuance of The Regional Planning of Yangtze River Delta as a quasi-natural experiment, using the difference-in-difference (DID) method to estimate the effects of regional integration in the study area on urban carbon emissions. Furthermore, by using the mediation effect model, we identify the possible internal mechanism of regional integration on carbon emission effects. The results showed that regional integration policy of this delta in 2010 significantly reduced urban carbon emissions, and after a series of robustness tests such as the parallel trend test, PSM-DID and placebo test were still true. From the perspective of dynamic effects, the carbon emission reduction effect appeared in the third year after the issuance of regional integration policy. At the same time, compared with general hierarchy cities, regional integration had a greater effect on carbon emissions reduction of high hierarchy cities. Mechanism verification showed that regional integration policy aggravated urban carbon emissions through the strengthening of economic links between cities, and reduced urban carbon emissions by promoting the upgrading of the industrial structure and the improvement of urban technology. From the perspective of better achieving the goal of high-quality integration in the Yangtze River Delta, it is suggested that the delta should actively explore the cooperation mechanism of carbon emission reduction and green development between cities, and establish a green development evaluation index system that can be monitored and operated. Besides, we should focus on the green transformation of industries and increase investment in green technology research and development among cities in the Yangtze River Delta.

Key words： Yangtze River Delta; regional integration policy; urban carbon emissions; quasi-natural experiment; mediation effect model

1 引言

碳排放及其导致的气候问题已经成为全球关注的焦点[1,2,3]。作为世界第一大碳排放国家,中国在2020年9月22日第75届联合国大会上,提出了2030年前实现碳达峰和2060年前实现碳中和的宏伟目标。长三角地区肩负着探索区域新发展格局的战略使命,是全国高质量一体化发展的示范区,也是实现“双碳”目标的重要区域[4]。习近平总书记多次指明,长三角一体化发展要紧扣一体化和高质量两个关键词。由于长三角地区粗放型工业化推进的时间较早,区域内资源环境与经济增长的矛盾较为严重[5],其中过度的碳排放是不容忽视的问题。那么,长三角一体化政策的实施在降低行政壁垒,优化要素配置的同时,产生了什么样的碳排放效应?其内部作用机理是什么?关于这些问题的思考和回答,对于探索可复制、可推广的区域高质量一体化发展新模式具有重要意义。
目前,国内外关于区域一体化环境效应的研究主要体现在以下三个方面：① 多数学者侧重于研究市场一体化,将其作为一种现实存在的状态,通过采用价格法、贸易法和生产法等方法测算市场一体化水平,进而基于面板回归模型、空间计量模型和门槛模型等方法对市场一体化的环境效应进行探讨[6,7,8,9]。在碳排放方面,已有学者关注到中国省域间市场一体化对碳排放绩效和二氧化碳边际减排成本的影响[10,11,12]。现有研究多认为市场一体化有利于减少环境污染,传导路径包括技术进步、产业结构升级和劳动力转移等[10,13]。此外,也有研究认为市场一体化的环境效应取决于地区差异或者市场一体化的程度[6,7]。② 通过构建综合指标体系来表征区域一体化水平,但不同学者构建指标体系的依据有较大差别。如有学者从经济发展、科技创新、交流服务和生态保护四方面构建区域一体化指标体系[14],也有学者从空间、要素和发展三方面进行构建[15]。③ 采用政策实施效果评估模型探究区域一体化政策的环境效应。在方法上,包括DID、PSM-DID和合成控制法等[16,17]。在评价对象的尺度上,既有国家间一体化,如欧盟[18];也有国家内部区域一体化,如长三角地区、珠三角地区和黄河流域地区[19,20,21]。从研究结果来看,区域一体化政策的环境效应还存在争论,主要是由于研究区域、公共政策以及污染物选择不同。如Chen等对欧盟一体化的研究发现,加入欧盟后的环境质量明显好于加入欧盟前的环境质量,主要原因是成员国间环境规制趋同[18]。李宏伟等以黄河流域为对象,发现黄河流域一体化有利于减少区域的工业二氧化硫和烟尘[19]。卢洪友等以2010年长三角一体化政策的颁布视为一项准自然实验,研究表明一体化政策会提高整体环境污染水平,并将其归因于高污染产业转移导致的[16]。
综上可知,既有研究多针对市场一体化与环境污染的关系展开探讨,但缺乏对两者之间内在关联机理分析,也难以完全反映区域一体化的环境效应。此外,通过指标测度区域一体化程度,不能有效避免指标选取的主观性。现有区域一体化政策的环境效果研究主要关注于水污染和大气污染,对碳排放的影响鲜有涉及。同时,也未充分考虑城市异质性带来的政策评估结果的差异。因此,本文以中国地级及以上城市作为基本研究单元,运用双重差分（DID）模型,考察长三角一体化政策对城市碳排放的影响。同时,采用中介效应模型,分析了区域一体化碳排放效应的内在作用机理。本文可能的创新点与贡献在于：① 首次将区域一体化政策与城市碳排放纳入同一分析框架,并进行了政策效果检验,丰富了区域一体化政策实施效果评估的相关研究。② 在中国行政区经济向一体化经济转变的背景下,以高质量一体化发展示范区的长三角作为研究对象,深入探讨区域一体化影响城市碳排放的异质性以及主要传导机制,为完善区域一体化政策、推动区域一体化绿色、低碳发展服务。

2 政策背景与机理分析

2.1 长三角区域一体化的政策背景

长三角区域一体化的政策可以追溯到1982年发布的“六五”计划（1981—1985年）,其中提出要建立以上海为中心的长江三角洲经济区。此后,国家层面的长三角一体化政策再没有出台。直到2008年,国务院发布了《关于进一步推进长江三角洲地区改革开放和经济社会发展的指导意见》（以下简称《指导意见》）（http://www.gov.cn/zwgk/2008-09/16/content_1096217.htm）。2010年6月,国务院正式批准《长江三角洲地区区域规划》（http://www.gov.cn/zwgk/2010-06/22/content_1633868.htm）,该规划首次从国家层面将长三角地区的16个城市确定为中心城市。2016年5月,国务院常务会议通过《长江三角洲城市群发展规划》（http://www.gov.cn/zhengce/content/2016-05/25/content_5076639.htm）。2019年12月,中共中央、国务院印发了《长江三角洲区域一体化发展规划纲要》（http://www.gov.cn/zhengce/2019-12/01/content_5457442.htm）,标志着长三角一体化发展上升为国家战略。通过对长三角一体化政策的梳理,2010年《长江三角洲地区区域规划》是根据2008年《指导意见》编制的,该区域规划从体制机制、产业布局、基础设施建设和对外开放等9个方面对长三角区域的协同发展提出了具体的发展目标,是长三角地区2010—2020年发展的纲领性文件和相关规划编制的依据。同时考虑到相关数据的可得性问题,以及排除时间维度的干扰,本文选取2003—2015年中国地级及以上城市的面板数据为研究对象。可以看出,2010年《长江三角洲地区区域规划》的颁布为长三角区域一体化政策效应的量化提供了难得的准自然实验。

2.2 机制分析

通过文献整理和理论分析,本文认为区域一体化对城市碳排放的影响主要通过经济联系机制、技术创新机制和产业结构机制三条路径实现。
（1）区域一体化政策的实施有利于增强区域间的经济联系。荷兰经济学家Tinbergen最早提出了经济一体化的概念,指出地区间将阻碍资源和要素自由流动的各种人为障碍加以弱化和消除,可以实现区域的协调发展[22]。但不同经济发展水平的地区对经济增长和环境污染的偏好程度存在差异,低发展水平地区的“唯GDP论”现象更加明显,政府官员出于晋升激励的政治动机,通过粗放式的生产规模扩大来追求短期经济绩效,此举会加大对能源和资源的消费需求,进而增加城市的碳排放[23]。根据经典增长收敛理论,低发展水平地区的要素回报率相对高发展水平地区更高。区域一体化可以促进资本、知识和信息等要素资源自由流动,推动区域间的深入合作[24]。环境可以看作是一种特殊的要素,随着区域一体化水平的不断提升,环境要素会随着资本等要素流动到资本回报率较高的地区。低发展水平地区也会通过信贷优惠、税收减免和土地供给等方式吸引高发展水平地区转移的超排企业,加速了环境要素的消耗,从而对节能减排目标的实现产生不利影响[21]。此外,区域一体化一方面促进了城市间交通基础设施互联互通,另一方面,基础设施以及相关配套设施的建设会产生大量的碳排放,主要是因为建筑施工由复杂的供应链构成,基础设施的大规模新建和拆除都需要大量的能源投入[25]。《长江三角洲地区区域规划》要求长三角地区要推进重大基础设施一体化建设,包括交通、能源、水利、信息等基础设施。
（2）区域一体化通过提高城市技术水平进而影响碳排放的路径有以下三条：一是区域一体化促进创新要素在区域间自由流动的同时,也带动了区域间创新网络的形成,有利于知识溢出和技术扩散以及新技术的产生[26]。二是区域一体化意味着企业有机会扩大域外市场规模和范围,企业为了占据竞争优势和提高经济效益,具有更为强烈的产品升级或产品创新动力,从而加大技术创新投入。此外,地区间通过搭建创新服务平台和科创资源平台等载体,不仅增强了城市层面和企业层面相互信任,而且使企业的创新风险大幅度降低,提高了企业的创新动力[10]。三是随着长三角一体化政策的深入推进,区域间生态环境保护协作机制不断完善。环境标准的提高和环境监管的加强,会倒逼高污染企业进行生产方式转型升级,使用更先进的节能减排技术和清洁能源。企业通过生产工艺和技术装备水平绿色化、低碳化避免行政处罚或遭淘汰的同时,也带动了城市整体技术水平提升[23]。
（3）区域一体化有助于推动区域间产业的对接合作,各地区根据自身的资源禀赋、区位优势和已有发展水平,深化区域间产业分工合作,形成上下游产业联动机制[27]。《长江三角洲地区区域规划》要求长三角地区要推进产业结构优化升级,加快发展现代服务业,推进信息化与工业化融合,培育一批具有国际竞争力的世界级企业和品牌,建设全球重要的现代服务业中心和先进制造业基地。区域一体化会促进要素资源流向高生产率、高效益企业,加剧淘汰落后产能和竞争实力较弱的企业,从而推动区域产业结构升级,促进节能减排[28]。此外,现代污染治理体系的构建会形成“绿色壁垒”,增加高污染、高排放和高风险企业进入市场的边际生产成本与沉没成本,加快推进企业清洁生产方式的替代,使本地区污染产业所占的比例下降,进而对节能减排表现出积极的效果。

3 模型设计与数据说明

3.1 研究方法

为了评估政策实施带来的影响,简单的方法是通过比较政策实施前后的差异,但该做法得到的政策效果是不准确的。主要原因是在政策实施前后,除了政策本身外还会有其他因素影响评估结果。DID方法通过比较政策实施前的城市、实施后的城市与未实施政策的城市之间的差异,得到“差分中差分”的结果,从而有效量化政策实施所带来的净效应[29,30]。本文以2010年《长江三角洲地区区域规划》的颁布视作一项准自然实验,检验长三角一体化政策对城市碳排放的影响。具体模型设定如下：
carbo n i , t = β 0 + β 1 treatmen t i , t × T i , t + β 2 X i , t + u i + v t + ε it
式中：carboni,t表示城市i在第t年的碳排放;treatmenti,t是城市虚拟变量,如果城市为2010年区域规划确定的中心城市,将其定义为1,否则定义为0;Ti,t为时间虚拟变量,2010年之前（包含2010年）定义为0,之后定义为1;β0为常数;β1和β2为待估系数,其中β1是本文关注的核心参数,其表示长三角地区各城市的碳排放在长三角一体化政策实施的背景下,与没有受到长三角一体化政策影响的其他地区相比,其碳排放是否具有显著变化。如果系数在统计上显著为负,表明长三角一体化政策的实施显著降低了该地区的碳排放,反之则是该政策增加了城市碳排放;ui和vt分别为城市和时间固定效应;εi,t是随机扰动项;Xi,t表示一系列控制变量。本文为了尽可能削减政策因素以外干扰因素的影响,除了控制城市和时间固定效应外,还引入了影响城市碳排放变化的特征变量,其中,城市经济发展水平采用人均GDP度量;产业结构利用第二产业增加值占GDP的比例衡量;基础设施水平采用人均道路面积量化;外商直接投资以城市当年实际使用外资总额（FDI）占GDP的比例衡量,其中以美元计价的FDI根据当年平均汇率将其转换为以人民币计价;技术创新采用城市的专利申请量表征。
为了检验区域一体化碳排放效应的内在机理,本文采用中介效应模型进行实证考察,并利用Baron等[31]提出的逐步法检验中介效应。中介作用的检验模型如下：
Q = cP + e 1
M = aP + e 2
Q = c 1 P + bM + e 3
有关逐步法的检验,第一步,做因变量Q对自变量P的回归,以检验P与Q的回归系数c是否显著,如果显著,则进行第二步,做中介变量M对自变量P的回归以及将M纳入第一步的回归方程中做Q对P的回归,检验P与M的回归系数a和M与Q的回归系数b是否都显著,如果都显著,说明存在中介效应;第三步,检验公式（3）中P与Q的系数c1是否显著,如果不显著则说明为完全中介效应,如果显著则为部分中介效应。
本文将经济联系con,产业结构升级str和技术水平ste作为待检测的中介变量M,2010年《长江三角洲地区区域规划》实施的虚拟变量作为核心解释变量P,城市碳排放量作为被解释变量Q,构建如下具体模型：
M i , t = θ 0 + θ 1 treatmen t i , t × T i , t + θ 2 X i , t + u i + ν t + ε it
carbo n i , t = η 0 + η 1 treatm en t i , t × T i , t + η 2 M i , t + η 3 X i , t + u i + ν t + ε it
可以看出,公式（1）、公式（5）和公式（6）分别对应中介效应模型中的公式（2）、公式（3）和公式（4）。本文重点关注公式（5）中的θ1和公式（6）中的η1,若θ1的系数显著为正,同时η1的系数显著为负,可以说明长三角一体化政策的实施促进了该因素进而降低了城市的碳排放。变量选取方面,产业结构升级选取第三产业增加值占第二产业增加值的比例来衡量;创新能力采用每万人专利授权量来量化;经济联系的衡量借鉴现有研究[32,33]的思路,利用修正后的引力模型来度量城市i年份t与其他城市的联系。经济联系的计算公式如下：
con e i , t = gd p i , t gd p i , t + gd p j , t × p i , t × gd p i , t × p j , t × gd p j , t d i , j 2
式中：di,j表示城市i与城市j的距离;pi,t和pj,t分别表示城市i和城市j在t年的常住人口,gdpi.t和gdpj,t分别表示城市i和城市j在t年的地区生产总值。

3.2 数据来源和处理

考虑到中国碳达峰和碳中和的目标是以碳排放总量为标准衡量,本文选取各城市的碳排放量作为被解释变量,并对其取自然对数,该数据来源于中国碳排放数据库（CEADs）。核心解释变量是Treatmenti,t与Ti,t的交互项,用来衡量长三角一体化政策对城市碳排放的政策净效应。除城市碳排放数据外,本研究使用的其他原始数据均来源于历年《中国统计年鉴》《中国城市统计年鉴》和CEIC数据库。此外,各城市GDP通过GDP指数转换为2003年的不变价格,以期消除价格因素的影响。
有关DID模型中处理组和控制组城市的选择,根据2010年《长江三角洲地区区域规划》的内容,本文将其确定的16个中心城市（上海、南京、苏州、无锡、常州、镇江、扬州、泰州、南通、杭州、宁波、湖州、嘉兴、绍兴、舟山和台州市）作为处理组。由于京津冀和珠三角一体化发展起步较早,城市间具有良好的合作基础,如果将京津冀和珠三角城市群中的城市作为控制组,可能会弱化长三角一体化政策的效应。因此本文的控制组中不包括京津冀和珠三角城市群涵盖的城市。此外,剔除了行政区划调整的城市（比如巢湖市,铜仁市等）和数据缺失严重的城市（比如吴忠市,石嘴山市等）,最终将中国236个地级及以上城市作为控制组。

4 实证结果与分析

4.1 基准回归

表1汇报了基于公式（1）实证基准模型估计得到的回归结果。据模型4报告结果显示,在引入城市固定效应和时间固定效应以及控制变量的情况下,交互项的系数在1%的显著性水平下显著为负,即区域一体化政策对城市碳排放具有显著的负向影响。也就是说,2010年实施的长三角区域一体化政策有利于减少城市碳排放。
表1 基准回归结果

Tab. 1 Benchmark regression results

解释变量 模型1 模型2 模型3 模型4
treatment×T 1.078*** -0.076*** -0.150** -0.053***
（6.01） （-6.90） （-2.38） （-4.55）
控制变量 否 否 是 是
城市固定效应 否 是 否 是
时间固定效应 否 是 否 是
常数项 2.788*** 2.258*** -0.688*** 1.578***
（61.61） （256.57） （-3.08） （5.60）
观测值 3276 3276 3276 3276
统计量F 36.09 2047.64 695.88 1815.72

注：括号内数值为t值;***、** 和 * 分别表示在1%、5%和10%的水平上显著。

4.2 稳健性检验

4.2.1 共同趋势检验 DID模型使用的重要前提是需要处理组和控制组满足共同趋势假设,本文在基准模型中引入《长江三角洲地区区域规划》实施前和实施后的时间虚拟变量与城市虚拟变量的交乘项,重新进行回归,结果见表2。首先,本文关注政策实施前的交互项系数,模型2的结果显示多数年份的交互项系数均不显著,说明处理组和控制组城市在没有2010年《长江三角洲区域规划》政策的冲击时,两组样本大致保持相同变动趋势,即基本满足共同趋势假设。再观察政策实施后交互项系数的显著性可以考察长三角一体化政策对城市碳排放的动态边际影响。由表3的L2、L3和L4的系数可知,政策实施2年后,长三角一体化政策对城市的碳排放出现负向作用,政策实施3年后,交互项的系数显著为负,说明区域一体化政策的碳减排效应出现在政策实施后的第三年。原因可能在于区域一体化政策实施初期,地区间项目合作骤然增多,产能规模快速扩张引起能源需求急剧增加进而提高城市碳排放。但随着跨区域联防联控机制不断完善,各类节能减排技术的推广和应用,区域一体化政策的碳减排效应增强。
表2 共同趋势检验结果

Tab. 2 Parallel trend test results

解释变量 模型1 模型2
F2 0.043（1.51） 0.039（1.43）
F1 0.033（1.17） 0.043（1.61）
L0 -0.080（-0.24） 0.008（0.28）
L1 -0.010（-0.34） 0.011（0.37）
L2 -0.072**（-2.04） -0.052（-1.56）
L3 -0.083**（-2.39） -0.064*（-1.94）
L4 -0.073**（-2.04） -0.060*（-1.77）
控制变量 否 是
城市固定效应 是 是
时间固定效应 是 是
观测值 3276 3276
统计量F 1150.07 1167.32

注：括号内数值为t值;***、**和*分别表示在1%、5%和10%的水平上显著;考虑到文章篇幅有限,回归表格中仅报告了F2到L4的回归结果。

4.2.2 基于PSM-DID方法的检验 考虑到长三角地区是中国综合实力最强的区域。与多数地区相比,在经济发展水平、工业布局和其他方面差异显著,因此很难完全满足DID的共同趋势假设[34]。为了解决此问题,本文采用Heckman等提出的倾向得分匹配-双重差分（PSM-DID）方法重新构建了控制组进行分析[35]。具体地,首先将城市经济发展水平、产业结构、人口密度和创新水平等作为特征变量,并选择常用的卡尺匹配法以及核匹配法进行倾向得分匹配;其次在匹配后样本的基础上,再对处理组和控制组进行双重差分。使用PSM-DID模型进行参数估计前,需要进行倾向得分匹配的有效性检验。检验结果表明,在倾向得分匹配后,控制组和处理组具有较强的可比性。表3的模型1和模型2汇报了匹配后的回归结果,可以看出所有模型中的交互项系数仍显著为负,与基准回归结果一致,说明本文的实证结论具有较强的有效性。
表3 PSM-DID和排除潜在异常值影响的估计结果

Tab. 3 Regression results of PSM-DID and excluding the influence of potential outliers

解释变量 模型1 模型2 模型3
treatment×T -0.028** -0.022** -0.061***
（-2.26） （-1.94） （-4.69）
控制变量 是 是 是
城市固定效应 是 是 是
时间固定效应 是 是 是
观测值 1618 1632 3276
统计量F 917.130 914.800 1642.140

注：括号内数值为t值;***、**和*分别表示在1%、5%和10%的水平上显著;模型1表示基于卡尺匹配法的DID回归结果,模型2表示基于核匹配法的DID回归结果,模型3表示基于因变量1%~99%分位点的回归结果。

4.2.3 排除潜在异常值影响 为了排除潜在异常值的影响,本文进行基于因变量1%~99%分位点的回归,结果如表3的模型3所示,交互项系数的符号和显著性没有发生改变,说明本文的结果具有一定的稳健性。
4.2.4 安慰剂检验 为了确保城市的碳减排效应是由长三角区域一体化政策带来的,而非其他政策引起的。也就是说,通过人为设定规划颁布的时间节点进行安慰剂检验,如果长三角城市的碳排放减少确实是由2010年《长江三角洲区域规划》发布导致的,在安慰剂检验的回归结果中,估计系数应该是不显著的。本文假设《长江三角洲区域规划》发布的时间节点在2003—2007年期间的任意一年,并构建了政策颁布滞后一期的虚拟变量treatment×pT,加入回归式中重新回归。表4显示以2003—2007年期间任意一年作为政策实施节点的回归,交互项均不显著,表明城市碳排放的降低是由长三角一体化政策引致的。
表4 安慰剂检验结果

Tab. 4 Placebo test results

解释变量 模型1 模型2 模型3 模型4 模型5
treatment×pT 0.003 0.007 0.020 0.011 -0.007
（0.11） （0.41） （1.37） （0.84） （-0.58）
控制变量 是 是 是 是 是
城市固定效应 是 是 是 是 是
时间固定效应 是 是 是 是 是
观测值 3276 3276 3276 3276 3276
统计量F 1808.77 1810.40 1815.59 1814.29 1809.48

注：括号内数值为t值;模型1~模型5表示分别将2010年《规划》颁布的时间节点变为2003年、2004年、2005年、2006年和2007年。

4.3 异质性分析

上文实证研究表明,长三角区域一体化能够显著降低城市碳排放,但是不同地区在经济基础、技术水平以及环保诉求等方面存在差异,区域一体化政策的实施可能会对不同城市主体产生不同的碳排放效应。因此,本文从城市等级角度出发,参考刘瑞明等的做法[36],将省会城市、副省级城市和“较大的市”划分为高等级城市,其他的则为一般等级城市,其中高等级城市包括上海市、南京市、无锡市、苏州市、杭州市和宁波市。根据表5的检验结果,无论是高等级城市还是一般等级城市,长三角一体化有利于城市碳排放降低的结论依然成立,并且在1%的水平上显著。根据交互项系数判断,区域一体化对高等级城市的碳减排效应要高于一般等级城市。究其原因,一方面是由于高等级城市在区域一体化过程中具有示范和引领作用[14]。除了在经济发展和科技创新方面之外,在生态环境治理方面,高等级城市通过推进节能减排措施,加大环境政策落实力度,发挥生态环境治理的带动能力。另一方面,城市间政府合作有利于深化城市间产业分工和推动产业转移[20]。高附加值、高科技含量的产业以及生产制造业的高端环节倾向于在高等级城市聚集。相比高等级城市,一般等级城市较为宽松的环境规制政策,会承接由高等级城市转移的高耗能、低附加值的产业[37]。区域一体化给一般等级城市带来先进生产技术和环保技术的同时,也带来大量的碳排放。
表5 异质性分析结果

Tab. 5 Heterogeneity analysis results

解释变量 高等级城市 一般等级城市
模型1 模型2 模型3 模型4
treatment×T
-0.115*** -0.076*** -0.052*** -0.038***
（-5.93） （-4.43） （-4.31） （-2.69）
控制变量 否 是 否 是
城市固定效应 是 是 是 是
时间固定效应 是 是 是 是
观测值 3146 3146 3198 3198
统计量F 1928.70 1746.06 2016.44 1774.87

注：括号内数值为t值;***、**和*分别表示在1%、5%和10%的水平上显著。

4.4 影响机制检验

表6报告了长三角一体化政策对城市碳排放影响的作用机制检验结果,可以看出,在模型1~模型3中,交互项的系数均显著为正,说明长三角一体化政策的实施显著提高了城市的技术水平,增强了城市间联系以及促进了产业结构升级。将经济联系、技术创新和产业结构分别加入回归时,见表6的模型4~模型6,交互项的系数以及三者的系数均显著,表明三者都具有部分中介效应。具体地,经济联系的系数为正且在1%的置信水平上显著,表明长三角一体化政策通过增强城市间的联系,进而增加了城市碳排放。产业结构的系数显著为负,说明一体化政策优化提升了本地区的产业结构,从而有利于降低地区的碳排放。当城市技术水平加入回归时,技术水平的系数为负,并通过1%水平的统计检验,说明城市技术创新对碳排放具有显著的负向影响。
表6 机制分析结果

Tab. 6 Mechanism analysis results

解释变量 回归方程（5） 回归方程（6）
模型1 模型2 模型3 模型4 模型5 模型6
treatment×T
0.021** 0.204*** 0.106*** -0.058*** -0.024* -0.069***
（2.04） （13.84） （5.66） （-5.43） （-1.70） （-5.97）
con 0.264***
（7.18）
ste -0.102**
（-2.14）
str -0.060***
（-3.06）
常数项 2.797*** 0.724*** 7.586*** 0.840*** 1.916*** 1.104***
（8.20） （8.57） （15.87） （2.70） （6.65） （3.94）
控制变量 是 是 是 是 是 是
城市固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 是 是
观测值 3276 3276 3276 3276 3276 3276

注：括号内数值为t值;***、**和*分别表示在1%、5%和10%的水平上显著;模型1~模型3分别是经济联系、技术创新和产业结构在公式（5）中的结果,模型4~模型6分别是三者在公式（6）中的结果。

5 结论与启示

基于2003—2015年中国地级及以上城市的数据,以2010年《长江三角洲地区区域规划》的颁布视作一项准自然实验,系统评估了长三角一体化政策对城市碳排放的影响。结果发现：
（1）2010年长三角一体化政策的实施显著降低了城市碳排放,并且经过共同趋势检验、PSM-DID、安慰剂检验等稳健性检验依然成立。
（2）动态效应检验表明,区域一体化政策的碳减排效应出现在政策实施后的第三年。
（3）异质性分析表明,与一般等级城市相比,区域一体化对高等级城市碳排放减少的促进作用更大。
（4）机制检验表明,一方面,区域一体化政策促进了产业结构优化升级,提升了城市技术水平,进而大幅降低了城市碳排放量。另一方面,区域一体化政策则增强了城市间经济联系,在一定程度上提高了城市碳排放量。
本文研究结论的政策启示为：
（1）统一制定长三角绿色发展空间及功能布局总体规划,建立城市间碳减排与绿色发展的互动合作机制,加大政府对企业绿色技术开发的政策支持力度,构建可监测、可操作性的绿色发展评价指标体系,为长三角低碳发展提供可靠的保障。
（2）响应中央号召,开展沪苏浙皖三省一市绿色制造关键技术联合攻关,搭建跨行政区的科技、人才、资本信息发布与共享平台,构建以企业为主体、市场为导向、产学研深度融合的绿色技术创新体系,推动绿色生产技术的高效产出和转化应用。
（3）打造长三角低碳产业体系。限制边缘欠发达地区水泥、钢铁、造纸印染等“三高两低”工业以及中心发达地区基础原材料、能源重化工产业规模,大力发展以清洁技术、节能技术、产品回收、安全处置与再利用为核心的环保产业,大力支持跨行政区集成电路、生物医药、人工智能等产业链、创新链的低碳化发展。
致谢：真诚感谢外审专家在论文评审中对本文文献梳理、创新点、稳健性检验、结果分析等方面提出的宝贵意见和修改建议,使本文获益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Francey R J, Trudinger C M, van der Schoot M, et al. Atmospheric verification of anthropogenic CO2 emission trends. Nature Climate Change. 2013, 3(5):520-524. DOI: 10.1038/nclimate1817.

DOI

[2]
Yang Y T, Qu S, Cai B F, et al. Mapping global carbon footprint in China. Nature Communications, 2020, 11(1):2237. DOI: 10.1038/s41467-020-15883-9.

DOI

[3]
王少剑, 黄永源. 中国城市碳排放强度的空间溢出效应及驱动因素. 地理学报, 2019, 74(6):1131-1148.

DOI

[ Wang Shaojian, Huang Yongyuan. Spatial spillover effect and driving forces of carbon emission intensity at city level in China. Acta Geographica Sinica, 2019, 74(6):1131-1148.]. DOI: 0.11821/dlxb201906005.

DOI

[4]
刘志彪, 陈柳. 长三角区域一体化发展的示范价值与动力机制. 改革, 2018, (12):65-71.

[ Liu Zhibiao, Chen Liu. Demonstration value and motivation mechanism of regional integration development in the Yangtze River Delta region. Reform, 2018, (12):65-71.]

[5]
张国俊, 王珏晗, 吴坤津, 等. 中国三大城市群经济与环境协调度时空特征及影响因素. 地理研究, 2020, 39(2):272-288.

DOI

[ Zhang Guojun, Wang Juehan, Wu Kunjin, et al. Spatial-temporal characteristics and influencing factors of coordination between economic and environmental development of three major urban agglomerations in China. Geographical Research, 2020, 39(2):272-288.]. DOI: 10.11821/dlyj020181241.

DOI

[6]
Zhang K, Shao S, Fan S Y. Market integration and environmental quality: Evidence from the Yangtze River Delta region of China. Journal of Environmental Management, 2020, 261:110208. DOI: 10.1016/j.jenvman.2020.110208.

DOI PMID

[7]
孙博文. 市场一体化是否有助于降低污染排放?: 基于长江经济带城市面板数据的实证分析. 环境经济研究, 2018, 3(1):37-56.

[ Sun Bowen. Does market integration reduce environmental pollution? : Empirical analysis based on city panel data of the Yangtze River Economic Belt. Journal of Environmental Economics, 2018, 3(1):37-56.]. DOI: 10.19511/j.cnki.jee.2018.01.004.

DOI

[8]
黎文勇, 杨上广, 吴玉鸣. 区域市场一体化对碳排放效益的影响研究: 来自长三角地区的空间计量分析. 软科学, 2018, 32(9): 52-55+57.

[ Li Wenyong, Yang Shangguang, Wu Yuming. Study on the Impact of regional market integration on carbon emission benefits: The spatial econometric analysis from the Yangtze River Delta region. Soft Science, 2018, 32(9): 52-55+57.]. DOI: 10.13956/j.ss.1001-8409.2018.09.12.

DOI

[9]
豆建民, 崔书会. 国内市场一体化促进了污染产业转移吗?. 产业经济研究, 2018, (4):76-87.

[ Dou Jianmin, Cui Shuhui. Does domestic market integration promote the transfer of polluted industries?. Industrial Economics Research, 2018, (4):76-87.]. DOI: 10.13269/j.cnki.ier.2018.04.007.

DOI

[10]
He W J, Wang B, Danish, et al. Will regional economic integration influence carbon dioxide marginal abatement costs? Evidence from Chinese panel data. Energy Economics, 2018, 74:263-274. DOI: 10.1016/j.eneco.2018.06.010.

DOI

[11]
Li J L, Lin B Q. Does energy and CO2 emissions performance of China benefit from regional integration?. Energy policy, 2017, 101:366-378. DOI: 10.1016/j.enpol.2016.10.036.

DOI

[12]
贺祥民, 赖永剑, 聂爱云. 区域一体化与地区环境污染排放收敛: 基于长三角区域一体化的自然实验研究. 软科学, 2016, 30(3):41-45.

[ He Xiangmin, Lai Yongjian, Nie Aiyun. Regional integration and regional environmental pollution emission convergence: Based on the natural experiment of the Yangtze River Delta Regional integration. Soft Science, 2016, 30(3):41-45.]. DOI: 10.13956/j.ss.1001-8409.2016.03.09.

DOI

[13]
孙博文, 程志强. 市场一体化的工业污染排放机制: 长江经济带例证. 中国环境科学, 2019, 39(2):868-878.

[ Sun Bowen, Cheng Zhiqiang. Research on industrial pollution discharge mechanism of market integration: Taking the Yangtze River Economic Belt as an example. China Environmental Science, 2019, 39(2):868-878.]. DOI: 10.19674/j.cnki.issn1000-6923.20190114.001.

DOI

[14]
曾刚, 王丰龙. 长三角区域城市一体化发展能力评价及其提升策略. 改革, 2018, (12):103-111.

[ Zeng Gang, Wang Fenglong. Evaluation and promotion strategies of urban integration development capability in the Yangtze River Delta region. Reform, 2018, (12):103-111.]

[15]
胡艳, 张安伟. 长三角区域一体化生态优化效应研究. 城市问题, 2020, (6):20-28.

[ Hu Yan, Zhang Anwei. Research on the ecological optimization effect of regional integration in the Yangtze River Delta. Urban Problems, 2020, (6):20-28.]. DOI: 10.13239/j.bjsshkxy.cswt.200603.

DOI

[16]
卢洪友, 张奔. 长三角城市群的污染异质性研究. 中国人口·资源与环境, 2020, 30(8):110-117.

[ Lu Hongyou, Zhang Ben. Study on pollution heterogeneity of urban agglomeration in Yangtze River Delta. China Population, Resources and Environment, 2020, 30(8):110-117.]. DOI: 10.12062/cpre.20200316.

DOI

[17]
赵领娣, 徐乐. 基于长三角扩容准自然实验的区域一体化水污染效应研究. 中国人口·资源与环境, 2019, 29(3):50-61.

[ Zhao Lingdi, Xu Le. Study on water pollution effects of regional integration based on the quasi-natural experiment of the enlargement in Yangtze River Delta. China Population, Resources and Environment, 2019, 29(3):50-61.]. DOI: 10.12062 /cpre.20181009.

DOI

[18]
Chen X D, Huang B H. Club membership and transboundary pollution: Evidence from the European Union enlargement. Energy Economics, 2016, 53:230-237. DOI: 10.1016/j.eneco.2014.06.021.

DOI

[19]
李宏伟, 李国平. 区域一体化与黄河流域绿色经济效率. 经济体制改革, 2021, (2):42-49.

[ Li Hongwei, Li Guoping. Regional integration and green economic efficiency of the Yellow River Basin. Reform of Economic System, 2021, (2):42-49.]

[20]
尤济红, 陈喜强. 区域一体化合作是否导致污染转移: 来自长三角城市群扩容的证据. 中国人口·资源与环境, 2019, 29(6):118-129.

[ You Jihong, Chen Xiqiang. Whether regional integration cooperation leads to pollution transfer. China Population, Resources and Environment, 2019, 29(6):118-129.]. DOI: 10.12062/cpre.20190327.

DOI

[21]
张可. 区域一体化有利于减排吗?. 金融研究, 2018, (1):67-83.

[ Zhang Ke. Is regional integration beneficial to emission reduction?. Journal of Financial Research, 2018, (1):67-83.]

[22]
Tinbergen J. International Economic Integration. Amsterdam: Elsvier, 1954.

[23]
朱向东, 贺灿飞, 李茜, 等. 地方政府竞争、环境规制与中国城市空气污染. 中国人口·资源与环境, 2018, 28(6):103-110.

[ Zhu Xiangdong, He Canfei, Li Qian, et al. Influence of local government competition and environmental regulations on Chinese urban air quality. China Population, Resources and Environment, 2018, 28(6):103-110.]. DOI: 10.12062/cpre.20171226.

DOI

[24]
陈航航, 贺灿飞, 毛熙彦. 区域一体化研究综述: 尺度、联系与边界. 热带地理, 2018, 38(1):1-12.

[ Chen Hanghang, He Canfei, Mao Xiyan. Review of regional integration: Scales, links and borders. Tropical Geography, 2018, 38(1):1-12.]. DOI: 10.13284/j.cnki.rddl.002975.

DOI

[25]
罗芳, 郭艺, 魏文栋. 长江经济带碳排放与经济增长的脱钩关系: 基于生产侧和消费侧视角. 中国环境科学, 2020, 40(3):1364-1373.

[ Luo Fang, Guo Yi, Wei Wendong. Decoupling analysis between economic growth and carbon emissions in the Yangtze River Economic Belt: Production and consumption perspectives. China Environmental Science, 2020, 40(3):1364-1373.]. DOI: 10.19674/j.cnki.issn1000-6923.2020.0098.

DOI

[26]
徐宜青, 曾刚, 王秋玉. 长三角城市群协同创新网络格局发展演变及优化策略. 经济地理, 2018, 38(11):133-140.

[ Xu Yiqing, Zeng Gang, Wang Qiuyu. Pattern evolution and optimization of synergic innovation network in Yangtze River Delta urban ag-glomeration. Economic Geography, 2018, 38(11):133-140.]. DOI: 10.15957/j.cnki.jjdl.2018.11.015.

DOI

[27]
Venables A J. Productivity in cities: Self-selection and sorting. Journal of Economic Geography, 2011, 11(2):241-251. DOI: 10.1093/jeg/lbq040.

DOI

[28]
Desmet K, Parente L S. Bigger is better: Market size, demand elasticity, and innovation. International Economic Review. 2010, 51(2):319-333. DOI: 10.1111/j.1468-2354.2010.00581.x.

DOI

[29]
王桂新, 李刚. 生态省建设的碳减排效应研究. 地理学报, 2020, 75(11):2431-2442.

DOI

[ Wang Guixin, Li Gang. Effect of “Ecological Province” construction on carbon emission reduction in China. Acta Geographica Sinica, 2020, 75(11):2431-2442.]. DOI: 10.11821/dlxb202011012.

DOI

[30]
庄汝龙, 李光勤, 梁龙武, 等. 撤县设区与区域经济发展: 基于双重差分方法的政策评估. 地理研究, 2020, 39(6):1386-1400.

DOI

[ Zhuang Rulong, Li Guangqin, Liang Longwu, et al. Turning county into district and regional economic growth: Policy evaluation based on difference-in-difference method. Geographical Research, 2020, 39(6):1386-1400.]. DOI: 10.11821/dlyj020190257.

DOI

[31]
Baron R M, Kenny D A. The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 1986, 51(6):1173-1182. DOI: doi.org/10.1037/0022-3514.51.6.1173.

DOI PMID

[32]
王德忠, 庄仁兴. 区域经济联系定量分析初探. 地理科学, 1996, 16(1):51-57.

[ Wang Dezhong, Zhuang Renxing. The preliminary probe into the quantitative analysis of regional economic links. Scientia Geographica Sinica, 1996, 16(1):51-57.]. DOI: 10.13249/j.cnki.sgs.1996.01.00.

DOI

[33]
苗长虹, 王海江. 河南省城市的经济联系方向与强度. 地理研究, 2006, 25(2):222-232.

[ Miao Changhong, Wang Haijiang. On the direction and intensity of urban economic contacts in Henan province. Geographical Research, 2006, 25(2):222-232.]. DOI: 1000-0585(2006)02-0222-11.

DOI

[34]
周迪, 周丰年, 王雪芹. 低碳试点政策对城市碳排放绩效的影响评估及机制分析. 资源科学, 2019, 41(3):546-556.

[ Zhou Di, Zhou Fengnian, Wang Xueqin. Impact of low-carbon pilot policy on the performance of urban carbon emissions and its mechanism. Resources Science, 2019, 41(3):546-556.]. DOI: 10.18402/resci.2019.03.12.

DOI

[35]
Heckman J J, Ichimura H, Todd E P. Matching as an econometric evaluation estimator: Evidence from evaluating a Job training programme. Review of Economic Studies, 1997, 65(4):605-654. DOI: 10.2307/2971733.

DOI

[36]
刘瑞明, 赵仁杰. 国家高新区推动了地区经济发展吗?: 基于双重差分方法的验证. 管理世界, 2015, 263(8):30-38.

[ Liu Ruiming, Zhao Renjie. Does national high-tech zone promote regional economic development: Verification based on differences-in-differences method. Management World, 2015, 263(8):30-38.]. DOI: 10.19744/j.cnki.11-1235/f.2015.08.005.

DOI

[37]
戴其文, 杨靖云, 张晓奇, 等. 污染企业/产业转移的特征、模式与动力机制. 地理研究, 2020, 39(7):1511-1533.

DOI

[ Dai Qiwen, Yang Jingyun, Zhang Xiaoqi, et al. Transfer characteristics, patterns and mechanisms of polluting enterprises and industries. Geographical Research, 2020, 39(7):1511-1533.]. DOI: 10.11821/dlyj020190637.

DOI

Options
文章导航

/

〈 〉