下载:
-
联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）报告显示，目前全球平均气温已经比工业革命前上升了1℃左右，温室气体排放量剧增和全球气候变暖与人类的生产生活密切相关且已对生命系统构成威胁，世界各国纷纷以协约的方式共同为改善气候状况做出承诺。中国做出力争在2030年前实现碳达峰，2060年前实现碳中和的承诺。从现实情况来看，与发达国家相比，中国碳减排时间紧、任务重。中国既要实现“在2035年 ‘人均GDP’达到中等发达国家水平”的目标，又要如期实现“双碳目标”，任重道远。如何有效利用环境分权促进经济高质量增长，又如期实现到2030年，单位国内生产总值二氧化碳排放量比2005年下降60%~65%的能源绿色低碳发展目标，愈益受到人们的重视。
如何降低碳排放强度一直是学术界热议的话题，围绕碳强度的影响因素展开的研究颇为丰富。已有研究基于Kaya恒等式[1-2]、对数平均迪式分解法（LMDI）[3-4]、计量经济学模型[5-7]等方法，提取出经济增长、能源结构、技术创新、人口因素、产业结构等影响碳排放强度的重要因素。其中，研究显示可以有效发挥抑碳作用的因素主要有优化能源结构[8]、优化产业结构[9]、技术进步[10]和清洁技术创新[5]等。在研究静态效应的基础上，有学者提出应当注意到碳排放强度的动态效应。在空间维度上，中国碳排放强度存在显著的空间依赖性和差异性，即碳强度呈现聚集特征和非均衡特征[11]，因此，经济发展[12-13]、城镇化[14-15]、政策工具[16-17]等因素在不同地区呈现出异质性和条件性的影响效应；在时间维度上，自2012年至今，碳排放强度未出现下降拐点[18]。
环境联邦主义旨在探寻环境保护职能应如何在各层级政府之间进行合理划分[19]，环境分权反映了环境管理事权在中央政府和地方政府之间的分配[20]。为改善环境问题，地方政府应当拥有多高程度的环境管理自主权，始终是争议焦点，即“分权”与“集权”之争。“分权”支持者提出权力下放更有利于地方政府利用信息获取优势，因地制宜地制定环保政策，地方政府应当同时承担环境治理政策的制定和执行责任[21]，有助于减轻生态环境污染[22-23]和治理二氧化碳排放问题[24]，改善环境质量[25]。“集权”拥护者则认为环境分权体制下，地方政府容易侧重经济发展而牺牲环境，而中央集权的治理模式可以更好地规避这一风险[26]。且环境分权模式可能会使得激励扭曲，在约束不足的情况下扭曲环境公共品的供给[27]，因此会造成产业绿色转型困难[28]、阻碍污染减排[29]和加剧环境污染[20][30]等后果。还有研究认为，技术创新有助于减少二氧化碳排放[31]，但环境分权对科技发展和创新未产生积极作用[32-33]。此外，一些研究表明，环境分权对环境污染[34]、区域环境治理效率[35]等的影响呈现出非线性特征。
虽然很多学者关注到了环境分权影响碳排放的重要性，但其研究结论未能达成统一，依然存在环境分权利于治理碳排放[24][27]和该体制导致碳排放困境[36-37]的观点分歧；进一步将环境分权细分为环境行政分权、环境监测分权和环境监察分权后，实证结果显示前两者可以发挥抑碳效应，而环境监察分权反之[27]。因此，环境分权的碳排放效应依然是值得深入探究的问题。综上分析，本文提出以下研究主题：在中国式分权体制框架下，环境分权对碳排放强度存在怎样的影响？影响机制是什么？在不同城市是否存在异质性影响？基于此，采用2005—2018年中国284城市的面板数据探究环境分权对城市二氧化碳排放强度的影响效果。
本文创新和贡献在于：（1）贴合“双碳”背景，充实了碳排放强度影响因素方面的研究。将研究对象下沉至地级市层面，使得研究更加微观化。同时关注环境分权对碳排放强度的线性和非线性影响，为环境管理事权合理划分提供实证依据。（2）拓宽了环境分权影响碳排放强度的传导机制研究。引入环境治理、技术进步两个中介变量，验证其作用效果，有利于明晰环境分权影响碳排放强度的路径。（3）符合中国实际，具有现实意义和政策参考价值。进一步从城市区位、城市规模、城市性质三个角度检验环境分权对碳排放强度是否存在异质性影响效果，以期为促进环境分权体制合理性和推动降低二氧化碳强度工作提供更具针对性的建议。
-
中国式分权的核心内涵在于政治集权和经济分权，中央政府拥有集中的人事权，控制着地方官员的任免[38]，在此分权体制下，地方政府参与竞争和发展当地经济的积极性充足。问题在于这种制度可能导致地方政府公共支出结构扭曲，并造成“重基本建设、轻人力资本投资和公共服务”的现象。分权型管理体制将环境管理事务责任主体定位于地方政府，为追求经济发展，地方政府通常会降低环境管制标准，引入高经济效益、高附加值的产业和企业进入，因此地方政府之间有可能形成“逐底竞争”模式，引发环境破坏；而随着环境管理事权下放以及权责更为统一，地方政府需要自行承担环境问题引发的高污染成本，且可以利用信息获取方面的优势，由此对碳排放事务的管理可能转变为积极主动的态度，充分落实环境政策[27]。因此，环境分权对碳强度的作用效果可能不只有简单的线性关系。据此，提出以下假设：
假设1. 环境分权对城市碳排放强度产生正向促进作用；但随着环境分权的进一步扩大，对城市碳强度的影响呈现先促进后抑制的非线性特征。
环境分权不仅能够直接影响城市碳排放强度，可能还会通过环境治理、技术进步对碳排放强度产生间接影响。基于公共选择理论的“经济人”假设，地方政府为保证经济效益，有可能舍弃最佳环境政策[23]，从而降低环境治理效率进而推高了碳排放强度。对于技术进步，环境分权的影响效果不能确定。环境分权可能会通过完善基础设施、给予税收优惠和创新补贴、提升人力资本水平等方式对技术进步发挥积极作用。但在GDP考核制度下和为了实现经济增长目标，地方政府可能存在冲动投资等行为而阻碍技术进步[39]。而技术进步是实现节能减排和降低碳排放强度的重要路径[10]。基于此，提出以下假设：
假设2a. 环境分权程度提高会通过阻碍环境治理间接推高城市碳排放强度；
假设2b. 环境分权程度提高会通过促进技术进步使城市碳排放强度降低；
假设2c. 环境分权程度提高会通过阻碍技术进步间接推高城市碳排放强度。
城市之间在地理位置、城市规模、资源禀赋、行政等级等方面存在异质性[40]，因此环境分权对碳排放强度的影响效应可能因城市不同而存在差异。
第一，地理位置异质性。自改革开放以来，中国地区间发展不均衡，东部城市和中部城市相较于西部城市来说，拥有更好的资源禀赋和发展基础，工业化和城镇化的进程较快，经济发展水平较高，能够吸引更多高科技人才来提升城市的科创水平，已经具备了低碳发展的基础。而西部城市的地方政府为加快经济增长的速度，可能更容易出现机会主义行为，并产生管理低效问题。因此，地方政府拥有较多环境管理事权时可能会采取“先发展后治理”的发展策略，致使城市碳排放强度上升；且由于西部城市存在公共管理水平偏低的问题，在碳排放治理过程中会面临较大阻力。据此，提出以下假设：
假设3. 环境分权程度升高对西部城市碳排放强度的推高作用比东部城市和中部城市更为明显；环境分权对碳强度的非线性影响在西部城市不能体现。
第二，城市规模异质性。人口数量是影响城市大气污染的重要因素，城市污染物浓度和碳排放量会随着人类的生产生活活动强度的提高而增长[41]。因此，环境分权在不同人口规模的城市对碳排放强度的影响可能会有差距。特大城市的人口集聚度高、人员流动频繁，因此可能会出现地方政府治理失效[42]的问题；大城市和中小城市人口密度低于特大城市，更加易于管理，但相对于大城市而言，中小城市可能会面临财力不足、环境硬件设施落后、资源利用效率低等困难。据此，提出以下假设：
假设4. 环境分权在大城市和中小城市对碳排放强度的推高作用和非线性影响都比特大城市更为明显。
第三，城市性质异质性。资源型城市依靠其先天自然资源优势顺势发展煤炭、钢铁等高碳排放产业，以此带动经济增长。资源红利使得地区在发展进程中大量开采和损耗资源，导致较为严重的环境污染，比非资源型城市更具减排潜力[43]。但资源型城市的发展路径依赖和大基数碳排放量可能会导致其在低碳转型过程中面临更大困难，对于“历史欠账”问题的改善和补偿在短期内难以见效且会减缓经济发展，因此地方政府在控制碳排放强度等环境治理方面可能会缺乏动力。非资源型城市的产业结构更加复杂，城市之间的同构性较差，仅依靠环境管理事权下放的单一手段可能难以起到降低碳排放强度的作用。因此，提出以下研究假设：
假设5. 环境分权在资源型城市对碳排放强度的推高作用比非资源型城市更为明显；环境分权对碳强度的非线性影响在非资源型城市无法体现。
-
为研究环境分权对于城市二氧化碳排放强度的直接影响作用，构建以下基准回归模型
$$ {\rm{ci}}_{it}={\alpha }_{0}+{\alpha }_{1}{\rm{ed}}_{it}+\sum {\alpha }_{n}{\rm{control}}_{it}+{u}_{i}+{v}_{t}+{\varepsilon }_{it} $$ (1) 其中，
$ i $ 表示城市；$ t $ 表示年份；$ {\mathrm{c}\mathrm{i}}_{it} $ 表示地级市$ i $ 在$ t $ 年的碳排放强度；$ {\mathrm{e}\mathrm{d}}_{it} $ 表示地级市$ i $ 在$ t $ 年的环境分权程度；$ {\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{t}\mathrm{r}\mathrm{o}\mathrm{l}}_{it} $ 表示一系列的控制变量，包括经济发展水平、外商投资、人口密度、人力资本、政府干预、产业结构和基础设施；$ {\alpha }_{0} $ 表示截距项；$ {\alpha }_{1} $ 表示核心估计参数；$ {u}_{i} $ 表示城市$ i $ 不随时间变动的个体固定效应；$ {v}_{t} $ 表示时间固定效应；${\varepsilon }_{it}$ 表示随机扰动项。进一步将环境分权的二次项纳入回归模型，以此检验环境分权对碳强度是否存在非线性影响，构建模型如下
$$ {\rm{ci}}_{it}={\alpha }_{0}+{\alpha }_{1}{\rm{ed}}_{it}+{\alpha }_{2}{\rm{ed}}_{it}^{2}+\sum {\alpha }_{n}{\rm{control}}_{it}+{u}_{i}+{v}_{t}+{\varepsilon }_{it} $$ (2) 其中，
$ {\mathrm{e}\mathrm{d}}_{it}^{2} $ 表示环境分权程度的二次项；$ {\alpha }_{2} $ 表示二次项的估计参数，其他变量同式（1）。除了直接传导机制，根据前文理论分析所述，为讨论环境分权对于城市碳排放强度可能存在的间接影响机制，对环境治理、技术进步是否为二者之间的中介变量进行检验，回归模型的具体形式设定如下
$$ {M}_{it}={\beta }_{0}+{\beta }_{1}{\rm{ed}}_{it}+\sum {\beta }_{n}{\rm{control}}_{it}+{u}_{i}+{v}_{t}+{\varepsilon }_{it} $$ (3) $$ {\rm{ci}}_{it}={\gamma }_{0}+{\gamma }_{1}{\rm{ed}}_{it}+{\gamma }_{2}{M}_{it}+\sum {\gamma }_{n}{\rm{control}}_{it}+{u}_{i}+{v}_{t}+{\varepsilon }_{it} $$ (4) 在式（1）环境分权
$ {\mathrm{e}\mathrm{d}}_{it} $ 对于碳排放强度${\rm{ci}}_{it}$ 的基准回归模型中系数$ {\alpha }_{1} $ 呈现显著作用的基础上，分别构建$ {\mathrm{e}\mathrm{d}}_{it} $ 对于中介变量$ {M}_{it} $ 的线性回归模型式（3），以及$ {\mathrm{e}\mathrm{d}}_{it} $ 与中介变量$ {M}_{it} $ 对碳排放强度$ {\mathrm{c}\mathrm{i}}_{it} $ 的回归方程式（4），若回归系数$ {\beta }_{1} $ 、$ {\gamma }_{1} $ 和$ {\gamma }_{2} $ 均通过了显著性水平检验，则可以判断环境治理和技术进步构成环境分权与碳排放强度的中介变量，中介效应成立。 -
1. 被解释变量
碳排放强度（
$ \mathrm{c}\mathrm{i} $ ）。城市二氧化碳排放量测算借鉴韩峰等[44]的方法，利用天然气、液化石油气、煤电三类能源消费量，按照相对应的二氧化碳排放系数折标计算后，相加得到城市二氧化碳排放量。天然气、液化石油气和煤电的二氧化碳排放系数分别为2.162 2千克/立方米、3.103 1千克/千克和1.302 3千克/千瓦时。碳排放强度即为城市二氧化碳排放量与GDP的比值。2. 核心解释变量
环境分权（
$ \mathrm{e}\mathrm{d} $ ）。基于中国行政管理的特殊性以及数据的合理性和可得性，借鉴冉启英等[45]的方法，对于环境分权度的测算以各城市水利、环境和公共设施管理业城镇单位就业人员分布情况为基础，此外为避免环境分权与经济发展的内生性问题，将经济放缩因子纳入环境分权的测算公式中。环境分权的测算方法如式（5）所示$$ {\rm{ed}}_{it}=\frac{{\rm{LE}}_{it}/{\rm{LP}}_{it}}{{\rm{GE}}_{t}/{\rm{GP}}_{t}}\left[1-\left({\rm{GDP}}_{it}/{\rm{GDP}}_{t}\right)\right] $$ (5) 其中，
$ i $ 表示地级市；$ t $ 表示年份；$ {\mathrm{e}\mathrm{d}}_{it} $ 表示地级市环境分权程度；$ {\mathrm{L}\mathrm{E}}_{it} $ 表示地级市水利、环境和公共设施管理业城镇单位就业人员数；$ {\mathrm{L}\mathrm{P}}_{it} $ 表示地级市年末人口总数；$ {\mathrm{G}\mathrm{E}}_{t} $ 表示中国第$ t $ 年水利、环境和公共设施管理业城镇单位就业人员数；$ {\mathrm{G}\mathrm{P}}_{t} $ 表示中国第$ t $ 年年末人口总数；$\left[1-\left({\rm{GDP}}_{it}/{\rm{GDP}}_{t}\right)\right]$ 是经济放缩因子。3. 中介变量
根据前文分析，第一个中介变量为城市环境治理（
$ \mathrm{e}\mathrm{g}\mathrm{o}\mathrm{v} $ ）。采用熵权法将城市工业固体废物综合利用率和污水处理厂集中处理率的数据合成为环境治理综合指数。第二个中介变量为技术进步（$ \mathrm{p}\mathrm{t}\mathrm{e}\mathrm{s} $ ），采用城市绿色全要素生产率衡量技术进步。4. 控制变量
本文选取影响碳排放强度的控制变量包括：（1）经济发展水平（
$ \mathrm{p}\mathrm{g}\mathrm{d}\mathrm{p} $ ）：经济发展可能会推高城市碳排放，但随着对生态环境的重视，经济发展的绿色属性在增加，因此经济发展对碳排放强度的影响不明确。选用地级市人均地区生产总值来衡量。（2）外商投资（$ \mathrm{f}\mathrm{d}\mathrm{i} $ ）：学者对于外商直接投资对本地环境的影响主要持两种态度：“污染避难所”假说认为，外商直接投资会通过向东道国转移污染密集型产业而恶化其环境；而“污染晕轮”假说认为，外资在东道国有扩散先进知识和技术的作用，利于环境质量的优化，因此外商直接投资对碳排放强度的影响作用并不明确。选用城市当年实际使用外资金额表示。（3）人口密度（$ \mathrm{p}\mathrm{o}\mathrm{p}\mathrm{l} $ ）：二氧化碳的排放不仅产生于生产过程中，人口密度大意味着生活活动和经济活动较为频繁，人类活动也会影响二氧化碳排放量。选用单位行政面积人口数表示。（4）人力资本（$ \mathrm{h}\mathrm{u}\mathrm{m}\mathrm{a}\mathrm{n} $ ）：高水平的人力资本能够带来先进的管理能力和有效的技术创新，进而影响碳排放强度。选用每万人中普通本、专科学校学生数表示。（5）政府干预（$ \mathrm{g}\mathrm{o}\mathrm{v} $ ）：政府行为对于碳排放强度的影响效应不可忽视。选用财政支出与地区生产总值的比值来衡量。（6）产业结构（$ \mathrm{i}\mathrm{s} $ ）：二氧化碳排放最主要来源是第二产业化石燃料燃烧。选用第二产业从业人员数与地区城镇从业人员总数的比值来表示。（7）基础设施（$ \mathrm{b}\mathrm{u}\mathrm{s} $ ）：基础设施建设对碳排放强度的影响不确定。选用人均公共汽车拥有量表示。 -
本文选取2005—2018年284个城市的平衡面板数据作为研究对象，上述变量的原始数据均来源于《中国城市统计年鉴》、EPS数据库和国家统计局官网。缺失数据利用部分地级市统计年报和各省统计年鉴补齐。由于西藏数据严重缺失，巢湖在2011年被降级，毕节、铜仁、三沙、儋州、海东、吐鲁番和哈密在2005年还未设市，因此将上述省市予以剔除。据此，主要变量的描述性统计结果如表1所示。
表 1变量的描述性统计
变量 变量名 变量符号 样本量 均值 标准差 最小值 最大值 被解释变量 碳排放强度 ci 3 976 0.809 0.950 0.001 18.730 核心解释变量 环境分权 ed 3 976 1.128 0.849 0.064 8.518 中介变量 环境治理 egov 3 976 77.605 16.102 6.449 116.429 技术进步 ptes 3 976 0.585 0.381 0.623 10.212 控制变量 经济发展水平 ln pgdp 3 976 10.380 0.888 4.595 17.370 外商投资 ln fdi 3 976 9.753 1.923 1.099 14.940 人口密度 ln popl 3 976 5.726 0.916 1.547 7.887 人力资本 human 3 976 0.017 0.023 0.002 0.131 政府干预 gov 3 976 0.202 0.221 0.001 6.041 产业结构 is 3 976 44.220 14.150 4.460 84.400 基础设施 bus 3 976 8.008 16.160 0.001 904.000 -
表2报告了环境分权影响城市碳排放强度的估计结果，列（1）~列（8）为逐步添加控制变量的结果。结果显示，未添加控制变量时环境分权对碳排放强度的影响系数为0.160 4，且在5%的显著性水平上通过检验；添加控制变量后其影响系数虽然减小但仍为正向，且在5%的显著性水平上通过检验。即环境分权程度的提高整体上不利于降低碳排放强度，分权框架下的管理模式可能是制约碳排放强度降低的体制性因素。原因可能在于，环境管理事权的下放可能会导致中央与地方在环境事务上难以统一标准，容易各自为政，且没有明确的权责界定容易使得层级之间产生矛盾冲突，难以协调。同时，地方政府虽拥有较高的自主权，但可能并未能制定兼顾地区发展和环境保护的城市规划，造成放松环保标准和降低企业进入门槛等环境保护给经济建设让路的现象，因此地方政府的环境管理体系的引导作用、约束作用和监督作用发挥不足，导致碳排放强度升高。假设1部分得以验证。
表 2环境分权对城市碳排放强度影响的全样本估计结果
变量 ci (1) (2) (3) (4) (5) (6) (7) (8) (9) ed 0.160** 0.160** 0.048* 0.058** 0.067** 0.062** 0.071*** 0.069** 0.159*** (2.35) (2.34) (1.86) (2.19) (2.46) (2.27) (2.65) (2.51) (3.37) ln pgdp −0.029** −0.019 −0.019 −0.020 −0.019 −0.024** −0.027** −0.028** (−1.98) (−1.51) (−1.55) (−1.62) (−1.60) (−2.04) (−2.17) (−2.19) ln fdi 0.003 0.003 0.002 0.001 −0.002 0.004 0.003 (0.22) (0.20) (0.13) (0.03) (−0.15) (0.27) (0.24) ln popl 0.486*** 0.528*** 0.561*** 0.497*** 0.533*** 0.498** (2.61) (2.78) (2.95) (2.75) (2.72) (2.57) bus 0.001 0.001 0.001 0.001 0.001 (0.90) (0.96) (1.19) (1.21) (1.14) gov 0.409*** 0.407*** 0.398*** 0.395*** (2.93) (2.89) (2.71) (2.71) is 0.008*** 0.007*** 0.007*** (6.39) (5.91) (6.07) human −6.437*** −6.271*** (−3.98) (−3.89) ed2 −0.019*** (−2.69) 常数项 0.353 0.658** 0.965*** −2.289* −2.581* −2.815** −2.503** −2.496* −2.325* (1.22) (2.18) (3.88) (−1.77) (−1.96) (−2.14) (−1.99) (−1.86) (−1.75) 时间效应 是 是 是 是 是 是 是 是 是 地区效应 是 是 是 是 是 是 是 是 是 R2 0.659 0.656 0.695 0.696 0.664 0.671 0.674 0.670 0.671 N 3 976 3 976 3 976 3 976 3 976 3 976 3 976 3 976 3 976 注：***、**、*分别表示在1%、5%和10%的水平上显著；括号内为t值。 在控制变量中，经济发展水平与碳排放强度呈显著负向相关，这说明在可持续发展理念指导下的低碳经济发展模式初见成效，经济发展具备了更多绿色属性，碳排放强度随之降低。人力资本的回归系数显著为负，说明人力资本水平提高有助于城市建立绿色低碳的经济体系，高层次劳动力能够提供先进的知识和管理经验，同时推动技术创新，助推经济高质量发展。人口密度与碳排放强度呈现显著正相关，高人口密度对生产和消费提出了更高需求，其需要消耗更多的能源资源来满足，因此可能导致碳排放强度的上升。财政支出系数显著为正，意味着现有的财政支出结构不利于降低碳排放强度。第二产业占比与城市碳排放强度正相关，说明第二产业在推动经济增长的同时产生了大量的二氧化碳，碳排放强度的变动依然与第二产业发展情况密切相关。外商投资水平、基础设施的系数为正但不显著，表明外资的引进以及政府的基础设施建设体系在控制碳排放强度方面未能发挥积极作用。
列（9）为加入环境分权二次项后的回归结果，环境分权二次项对城市碳排放强度的影响系数为负，且在1%的水平上通过显著性检验，即环境分权对碳排放强度的影响呈非线性的“倒U形”特征，说明环境分权程度提高对碳排放强度的影响呈先促进后抑制的效应。原因可能在于，在分权程度较低时，地方政府拥有的环境管理自主权较小，此时中央与地方权责界限划分不够清晰明确。地方政府虽然拥有了环境管理事权，而为在GDP考核中获得优势可能会专注于经济发展，放松环境管制和污染治理等费时费力的工作，致使碳排放强度升高。随着分权程度升高，中央政府对地方环境管理的问责压力加大，地方政府会拥有更强的责任意识，环境破坏的边际成本上升，公众对于美好环境的愿望和低碳意识也日趋强烈，因此地方政府会关注到污染物排放带来的负面效应，进行积极的环境管理。因此随着环境分权程度的增加，碳排放强度呈先上升后下降的变化趋势。假设1得以验证。
-
根据前述理论分析，从环境治理和技术进步两个角度探讨了环境分权对于碳排放强度产生影响的传导机制，为检验该传导渠道提出的合理性，利用中介效应方法进行检验，回归结果如表3所示。其中，列（1）~列（3）为环境治理中介效应检验结果，列（4）~列（6）为技术进步中介效应检验结果。
表 3环境分权影响城市碳排放强度的中介效应检验
变量 egov ptes (1) (2) (3) (4) (5) (6) ci egov ci ci ptes ci ed 0.069** −1.081* 0.068** 0.069** −0.040*** 0.079*** (2.51) (−1.79) (2.44) (2.51) (−3.14) (2.84) gov −0.001** (−2.16) ptes −0.195*** (−4.88) 常数项 −2.496* 107.394*** −2.352* −2.496* 1.221** −2.489* (−1.86) (3.83) (−1.78) (−1.86) (1.99) (−1.86) 控制变量 是 是 是 是 是 是 时间效应 是 是 是 是 是 是 地区效应 是 是 是 是 是 是 R2 0.670 0.603 0.670 0.670 0.647 0.675 N 3 976 3 976 3 976 3 976 3 976 3 976 注：***、**、*分别表示在1%、5%和10%的水平上显著；括号内为t值。 结果显示，环境分权对城市环境治理的影响显著为负，即环境分权不利于城市环境治理，环境分权程度提升显著地通过阻碍环境治理间接地促增了碳排放强度。原因在于，环境治理是耗时长、成本高的工作，在治理过程中常会遇到较大的阻力且短期内无法彻底完成环境改善，环境治理事务经常有被“边缘化”的风险。随着环境事权的下放，地方政府在环境治理领域拥有更大的自由裁量权，考虑到经济发展和财政税收，地方政府可能会采取消极或形式化的环境治理模式，企业的一些高碳排放和污染环境但带有高附加值的生产行为会被放松管制，可能会出现一边污染一边治理的现象。因此环境分权程度提高会损害环境治理成效，不利于降低碳排放强度。
环境分权对技术进步的影响显著为负，即环境分权制约了技术进步，环境分权程度提升显著通过阻碍技术进步间接升高了碳排放强度。原因可能在于：一方面，为最大可能实现经济增长的目标，地方政府更重视地区发展的经济资源，进而导致了偏向性招商引资、过量生产性投资等行为，挤压科技支出并对技术进步产生不利影响。另一方面，技术投资带有较多不确定性因素，技术发展周期长且回报波动性大，而分权可能会扭曲地方政府的激励机制，缩减技术投入，缺少政府的保护可能会削弱技术研发主体的积极性。因此环境分权程度的提高阻碍了技术进步，不利于降低碳排放强度。
通过将环境治理、技术进步作为中介变量纳入回归分析可知，环境分权会通过对环境治理和技术进步产生抑制作用进而升高城市碳排放强度，假设2a和假设2c得以验证，假设2b未通过检验。
-
为验证基准回归中环境分权与碳排放强度的关系是否稳健，通过如下的稳健性检验证明研究结果的合理性：（1）更换被解释变量。采用碳排放量（
$ \mathrm{c}\mathrm{e} $ ）的自然对数来进行回归分析，衡量环境分权的减排效果。（2）剔除省会城市后进行回归分析。考虑到中国的省会城市由各地方政府直接管理，可能具有一定的经济和政治资源优势，因此在去除省会城市样本后重新检验环境分权的碳排放强度效应，以避免由于省会城市的特殊性而导致的结果偏差。实证结果如表4所示，列（1）、列（2）分别报告了将被解释变量更换为碳排放量的自然对数和剔除省会城市后的检验结果。通过表4可以看出，核心解释变量环境分权以及环境分权二次项的显著性水平和系数方向并未有明显变化，证明了前文研究结果是稳健的。表 4稳健性检验结果
变量 ln ce ci (1) (2) ed 0.192*** 0.141*** (−2.99) (−2.75) ed2 −0.029*** −0.015* (−2.79) (−1.82) 常数项 2.312 −3.062** (−1.53) (−2.28) 控制变量 是 是 时间效应 是 是 地区效应 是 是 R2 0.846 0.711 N 3 718 3 361 注：***、**、*分别表示在1%、5%和10%的水平上显著；括号内为t值。 由于环境分权与碳排放强度之间可能存在互为因果的关系，且遗漏变量的存在可能使得估计产生偏误，因此选取环境分权滞后一期（
${\rm{ed}}_{t-1}$ ）和环境分权滞后二期（${\rm{ed}}_{t-2}$ ）作为工具变量，采用两阶段最小二乘法（2SLS）进行估计，结果如表5列（1）、列（2）所示；考虑到异方差问题，进一步进行最优GMM估计作为验证，结果如列（3）所示，以此缓解模型存在的内生性问题。2SLS第一阶段回归结果显示，选取的工具变量与环境分权具有相关性，通过了1%的显著性检验；F统计量为2 197.84，超过临界值10，通过弱工具变量检验；过度识别检验中，HansenJ统计量的P值为0.688 5，因此不存在过度识别问题，工具变量选取有效。2SLS第二阶段回归结果和最优GMM估计结果显示，两种方法的系数估计值很接近，环境分权一次项的回归系数在1%显著性水平下为正，环境分权推高城市碳排放强度；环境分权二次项的回归系数在1%显著性水平下为负，环境分权对碳排放强度的影响呈现“倒U形”特征。综上，在控制了内生性问题后，回归结果都与基准模型的研究结果一致。表 5工具变量回归结果
变量 2SLS第一阶段(1) 2SLS第二阶段(2) 最优GMM (3) ed 0.654*** 0.603*** (0.08) (0.07) ed2 −0.081*** −0.073*** (0.01) (0.01) edt−1 0.563*** (0.04) edt−2 0.086*** (0.03) 常数项 0.381*** −0.055 −0.014 (0.06) (0.16) (0.16) 控制变量 是 是 是 时间效应 是 是 是 地区效应 是 是 是 R2 0.954 0.163 0.164 N 3 722 3 722 3 722 F(Wald) 2 197.84 338.71 339.47 注：***、**、*分别表示在1%、5%和10%的水平上显著；括号内为t值。 -
中国各区域城市的发展阶段、发展模式、发展目标等存在明显差异，且城市之间的发展不平衡不充分问题日益凸显，因此环境分权对于碳排放强度的影响可能存在差异。本文按照城市区位、城市规模和城市性质三个方式将284城市分类，探究环境分权对碳排放强度是否产生异质性影响。
-
为检验环境分权对碳排放强度作用效果的区位异质性，将284个地级市划分为99个东部城市和101个中部城市以及84个西部城市，回归结果如表6所示，列（1）、列（2）、列（3）分别为东部城市、中部城市、西部城市的回归结果。
表 6城市区位异质性检验结果
变量 ci (1) (2) (3) ed 0.110** 0.260** 0.378* (2.08) (2.57) (1.84) ed2 −0.012* −0.062** −0.057 (−1.82) (−2.49) (−1.09) 常数项 −0.705 −4.787** −2.286 (−0.83) (−2.00) (−0.56) 控制变量 是 是 是 时间效应 是 是 是 地区效应 是 是 是 R2 0.737 0.510 0.737 N 1 386 1 414 1 176 注：***、**、*分别表示在1%、5%和10%的水平上显著；括号内为t值。 结果显示，环境分权对东部、中部、西部城市均有显著的正向影响，根据系数显示，环境分权程度的提高对西部地区的碳排放强度推高作用最大。原因在于西部地区是中国环境问题与经济发展矛盾最突出和激烈的地区，经济发展水平较低，人力知识等非自然资源禀赋较差，环境管理事权下放可能会导致地方政府“逐底竞争”引发城市碳排放强度升高。东部地区的污染型企业大多转移到中部地区，因此中部地区碳排放强度升高快于东部地区。环境分权二次项的回归结果显示，环境分权程度跨过拐点后对东部、中部地区的碳排放强度有显著的抑制作用且在中部地区作用效果更大。由于中部地区的城市发展水平不均衡且差距较大，地方政府在环境事务中拥有更多权限后，便于结合当地现实情况制定合适的发展策略和环境治理方案，有效降低地区碳排放强度。而东部地区已经具备比较健全的环保系统，地方政府较早地开始重视低碳发展，对环境治理和技术创新的投入高，因此环境分权制的减碳效果小于中部。但西部地区的管理体制较为落后，缺少环保专业化技术人员和管理人员，尚未形成完善的环境管理体系，出现地方政府管理效率低下的问题，因此在西部地区作用效果不显著。基于以上分析，假设3得以证实。
-
城市规模不同，其内部发展方式、远期发展目标及地方政府权力运行机制可能存在差异，进而对城市碳排放强度产生异质性影响。为考察城市规模对环境分权作用效果的影响，此部分按照2014年国务院发布的《关于调整城市规模划分标准的通知》，以城区常住人口为统计口径，根据城镇常住人口规模对城市进行划分。将城区常住人口500万人以上的设定为特大城市，100~500万人设定为大规模城市，100万人以下设定为中小规模城市，回归结果如表7所示，列（1）、列（2）、列（3）分别为特大城市、大城市、中小城市的回归结果。
表 7城市规模异质性检验结果
变量 ci (1) (2) (3) ed 0.112 0.332*** 0.189*** (1.25) (3.32) (3.25) ed2 −0.012 −0.066*** −0.032*** (−0.96) (−3.16) (−3.80) 常数项 −0.272 −3.454 −6.889*** (−0.31) (−1.37) (−2.63) 控制变量 是 是 是 时间效应 是 是 是 地区效应 是 是 是 R2 0.807 0.655 0.686 N 224 1 078 2 674 注：***、**、*分别表示在1%、5%和10%的水平上显著；括号内为t值。 结果显示，环境分权和环境分权二次项对特大城市碳排放强度的影响效应均不显著。原因在于特大城市经济发达程度较高，人口聚集且人员流动较大，城市功能相对更加集中，存在“城市病”的现实困境和城市管理难的问题，地方政府的管理行为可能得到无效产出，因此需要对特大城市进行城市功能疏解，提高地方政府的管理效率。环境分权对大城市和中小城市的碳排放强度均有显著的正向影响，在大城市推高作用更明显。大城市在前期城市蔓延过程中的环境问题没有得以及时解决而是持续地积累，处理污染问题则需要改变城市发展模式、调整产业结构，短期内可能收效甚微且可能会致使经济增长放缓，因此地方政府对降低碳排放强度等环境管理工作的积极性低。环境分权二次项的回归结果显示，环境分权程度跨过拐点后对中小城市碳排放强度的控制效果明显弱于大城市，其原因可能是中小城市的资源利用效率偏低，基础设施和环境硬件设施建设不够完善、缺乏高端管理人才等小城市病致使城市公共服务供给能力欠缺，管理效率有待提升。基于以上分析，假设4得以证实。
-
为检验环境分权对不同性质城市碳排放强度的影响异质性，依据国务院发布的《全国资源型城市可持续发展规划（2013—2020年）》对城市进行分类，具体对113个资源型城市和171个非资源型城市分别进行回归分析。回归结果如表8所示，列（1）、列（2）分别为资源型城市和非资源型城市的回归结果。
表 8城市性质异质性检验结果
变量 ci (1) (2) ed 0.429*** 0.067 (−3.73) (−1.29) ed2 −0.083** −0.005 (−2.42) (−0.69) 常数项 −5.734** 0.548 (−2.23) (−0.37) 控制变量 是 是 时间效应 是 是 地区效应 是 是 R2 0.813 0.571 N 1 461 2 261 注：***、**、*分别表示在1%、5%和10%的水平上显著；括号内为t值。 结果显示，环境分权对碳排放强度的影响在资源型城市和非资源型城市均有正向作用，而充分的环境分权可以有效促进资源型城市碳排放强度降低，但是在非资源型城市不显著，且系数远小于资源型城市。由于自然资源禀赋的差异资源型城市与非资源型城市的发展路径和城市产业结构大相径庭。资源型城市着重发展资源产业，其包含的企业是城市的发展支柱并提供主要税收来源，因此地方政府一般会因这些企业带来的高财税收入而放宽对于其高污染、高能耗问题的管制。环境管理事权下放还容易出现权责界定模糊的现象，地方政府在城市低碳转型中自主发挥引导、监督和调节作用的积极性较低。同时，依赖于资源红利而忽视了技术创新和新型产业发展，长此以往导致资源过度开采和环境污染问题累积，而有限的技术水平阻碍了优化产业结构和降低碳排放强度，因此资源型城市存在产业结构锁定效应和制度弱化效应。环境分权二次项的回归结果与一次项一致，地方政府明确好自身权力和责任后关注地区可持续发展，为地区低碳转型提供财力和政策支持。而非资源型城市的城市规模、发展阶段和产业结构等方面存在较大差异，其碳排放问题的根源不像资源型城市一样各个城市之间具有相似性，仅靠环境事权下放很难实现降低碳排放强度的效果。基于以上分析，假设5得以证实。
-
本文结合中国特定的制度背景，具体考察了环境分权对城市碳排放强度的直接影响、传导渠道以及异质性影响。主要有以下研究结论：
第一，环境分权程度提高对碳排放强度呈现非线性“倒U形”影响特征。
第二，从中介效应分析结果来看，环境分权可以通过阻碍环境治理和抑制技术进步两条渠道来升高城市碳排放强度。
第三，环境分权对城市碳排放强度的影响效果因城市区位、城市规模和城市性质的不同存在明显异质性。
综合以上主要结论，得到以下启示：
第一，为避免环境分权体制对降低城市碳排放强度的整体不利影响，应尽快完善中央—地方多级政府的联合管理策略。中央政府对各区域的二氧化碳减排工作应给予总体指导，以避免定位不清、事权不明的问题。同时对地方政府建立约束和激励并行的长效机制，并践行“绿色GDP”的考核体系，如设置二氧化碳排放指标等，以此保障上级政府的环境政策得以落实。地方政府在拥有更多自由裁量权的同时也应承担相应的环保责任和污染成本，完善区域内的环保法律条例，利用信息获取方面的优势充分调动当地资源配置，建立有社会公众参与的、“自下而上”的反馈和监督渠道，以尽早实现环境—经济协调发展和最大化当地的福利水平。
第二，环境治理、技术进步是环境分权影响城市碳排放强度的间接路径。环境治理作为一个系统工程需要多层级协调共同完成，中央政府应发挥良性引导作用，充分利用市场化治理工具以最小化治理成本，减小推进环境治理工作的阻力，完善公众参与机制以提高治理效率；优化地方财政支出结构，提高城市节能减排投入。引领地方重视政府绿色技术进步，在环境领域投入足够的技术支撑和资金支持，并鼓励金融机构提供信贷方面的金融支持，给予创新主体足够的保障；提升招商引资质量，以期通过清洁型技术来降低生产生活活动中的二氧化碳。
第三，环境分权影响碳排放强度具有明显的城市异质性，因此应实施差异化的治理策略。中央政府应通过加强差异化区域发展政策的顶层设计进而缩小地区差距。对东部城市、中部城市、大城市和中小城市地方政府在环境管理事务方面进行适度放权，督促其环保部门提高环保信息透明度，以实现环境分权制度体系的减排降碳的效果。对于西部城市来说应给予碳排放治理财政专项支持和人才补给，解决管理系统体制较为落后、管理能力相对较差的问题。对于特大城市的管理应聚焦在破解“城市病”问题上，及时进行功能疏解，解决特大城市管理难的问题。分权化管理可能会使资源型城市地方政府放松城市低碳转型和生态修复，应在对其进行约束和规制的同时建立生态补偿机制，抵消部分环境治理带来的成本上升，督促地方政府在降低碳排放强度事务方面发挥良性带动作用。
Impact of Environmental Decentralization on Carbon Emissions Intensity
——An Analysis of Urban Heterogeneity
-
摘要:环境管理事权在中央政府与地方政府之间的分配方式如何影响碳排放强度格局？基于2005—2018年中国284个地级市的面板数据，探究环境分权对于城市碳排放强度的影响效应，并利用中介效应模型分析其作用机理。结果显示：（1）环境分权对碳排放强度的影响呈现出显著的非线性“倒U形”特征；（2）中介效应分析显示，环境分权通过阻碍城市环境治理和技术进步从而推高了碳排放强度；（3）环境分权的影响效应在不同城市存在明显差异。环境管理事权下放，对东部、中部和西部城市的碳排放强度均有明显的促增效应，但在西部城市的作用效果最强；环境分权显著提高了大城市和中小城市的碳排放强度，但在特大城市的作用不明显；环境分权使得资源型城市和非资源型城市的碳排放强度升高，但此影响效应在非资源型城市不显著。据此，为实现环境分权在降低碳强度方面发挥积极作用，应尽快完善中央—地方多级政府的联合管理策略，推动城市环境治理和技术进步，并结合城市实际情况进行差异化的环境事权划分。Abstract:How does the distribution of environmental management powers between the central government and local governments affect the pattern of carbon emissions intensity? Based on the panel data of 284 prefecture-level cities in China from 2005 to 2018, this paper explored the impact of environmental decentralization on urban carbon intensity, and the mediation effect model was used to analyze the mechanism of action. The results show that the impact of environmental decentralization on carbon intensity presented a significant nonlinear “inverted U-shape” characteristic; the mediating effect analysis showed that environmental decentralization promoted carbon intensity by hindering urban environmental governance and technological progress. In addition, the impact of environmental decentralization differed significantly in different cities. Decentralization of environmental management had a significant effect on the carbon intensity of eastern, central and western cities, and the effect was the strongest in western cities; environmental decentralization significantly increased the carbon intensity of large cities and small and medium-sized cities, but had no obvious effect in megacities; environmental decentralization increased the carbon intensity of resource-based and non-resource-based cities, but the effect was not significant in non-resource-based cities. Therefore, in order to realize the positive role of environmental decentralization in reducing carbon intensity, it is necessary to improve the joint management strategy of central-local multi-level governments as soon as possible, promote urban environmental governance and technological progress, and make differentiated division of environmental authority based on the actual situation of the city.
-
表 1变量的描述性统计
变量 变量名 变量符号 样本量 均值 标准差 最小值 最大值 被解释变量 碳排放强度 ci 3 976 0.809 0.950 0.001 18.730 核心解释变量 环境分权 ed 3 976 1.128 0.849 0.064 8.518 中介变量 环境治理 egov 3 976 77.605 16.102 6.449 116.429 技术进步 ptes 3 976 0.585 0.381 0.623 10.212 控制变量 经济发展水平 ln pgdp 3 976 10.380 0.888 4.595 17.370 外商投资 ln fdi 3 976 9.753 1.923 1.099 14.940 人口密度 ln popl 3 976 5.726 0.916 1.547 7.887 人力资本 human 3 976 0.017 0.023 0.002 0.131 政府干预 gov 3 976 0.202 0.221 0.001 6.041 产业结构 is 3 976 44.220 14.150 4.460 84.400 基础设施 bus 3 976 8.008 16.160 0.001 904.000 
下载:
导出CSV
表 2环境分权对城市碳排放强度影响的全样本估计结果
变量 ci (1) (2) (3) (4) (5) (6) (7) (8) (9) ed 0.160** 0.160** 0.048* 0.058** 0.067** 0.062** 0.071*** 0.069** 0.159*** (2.35) (2.34) (1.86) (2.19) (2.46) (2.27) (2.65) (2.51) (3.37) ln pgdp −0.029** −0.019 −0.019 −0.020 −0.019 −0.024** −0.027** −0.028** (−1.98) (−1.51) (−1.55) (−1.62) (−1.60) (−2.04) (−2.17) (−2.19) ln fdi 0.003 0.003 0.002 0.001 −0.002 0.004 0.003 (0.22) (0.20) (0.13) (0.03) (−0.15) (0.27) (0.24) ln popl 0.486*** 0.528*** 0.561*** 0.497*** 0.533*** 0.498** (2.61) (2.78) (2.95) (2.75) (2.72) (2.57) bus 0.001 0.001 0.001 0.001 0.001 (0.90) (0.96) (1.19) (1.21) (1.14) gov 0.409*** 0.407*** 0.398*** 0.395*** (2.93) (2.89) (2.71) (2.71) is 0.008*** 0.007*** 0.007*** (6.39) (5.91) (6.07) human −6.437*** −6.271*** (−3.98) (−3.89) ed2 −0.019*** (−2.69) 常数项 0.353 0.658** 0.965*** −2.289* −2.581* −2.815** −2.503** −2.496* −2.325* (1.22) (2.18) (3.88) (−1.77) (−1.96) (−2.14) (−1.99) (−1.86) (−1.75) 时间效应 是 是 是 是 是 是 是 是 是 地区效应 是 是 是 是 是 是 是 是 是 R2 0.659 0.656 0.695 0.696 0.664 0.671 0.674 0.670 0.671 N 3 976 3 976 3 976 3 976 3 976 3 976 3 976 3 976 3 976 注：***、**、*分别表示在1%、5%和10%的水平上显著；括号内为t值。 下载:
导出CSV
表 3环境分权影响城市碳排放强度的中介效应检验
变量 egov ptes (1) (2) (3) (4) (5) (6) ci egov ci ci ptes ci ed 0.069** −1.081* 0.068** 0.069** −0.040*** 0.079*** (2.51) (−1.79) (2.44) (2.51) (−3.14) (2.84) gov −0.001** (−2.16) ptes −0.195*** (−4.88) 常数项 −2.496* 107.394*** −2.352* −2.496* 1.221** −2.489* (−1.86) (3.83) (−1.78) (−1.86) (1.99) (−1.86) 控制变量 是 是 是 是 是 是 时间效应 是 是 是 是 是 是 地区效应 是 是 是 是 是 是 R2 0.670 0.603 0.670 0.670 0.647 0.675 N 3 976 3 976 3 976 3 976 3 976 3 976 注：***、**、*分别表示在1%、5%和10%的水平上显著；括号内为t值。 下载:
导出CSV
表 4稳健性检验结果
变量 ln ce ci (1) (2) ed 0.192*** 0.141*** (−2.99) (−2.75) ed2 −0.029*** −0.015* (−2.79) (−1.82) 常数项 2.312 −3.062** (−1.53) (−2.28) 控制变量 是 是 时间效应 是 是 地区效应 是 是 R2 0.846 0.711 N 3 718 3 361 注：***、**、*分别表示在1%、5%和10%的水平上显著；括号内为t值。 下载:
导出CSV
表 5工具变量回归结果
变量 2SLS第一阶段(1) 2SLS第二阶段(2) 最优GMM (3) ed 0.654*** 0.603*** (0.08) (0.07) ed2 −0.081*** −0.073*** (0.01) (0.01) edt−1 0.563*** (0.04) edt−2 0.086*** (0.03) 常数项 0.381*** −0.055 −0.014 (0.06) (0.16) (0.16) 控制变量 是 是 是 时间效应 是 是 是 地区效应 是 是 是 R2 0.954 0.163 0.164 N 3 722 3 722 3 722 F(Wald) 2 197.84 338.71 339.47 注：***、**、*分别表示在1%、5%和10%的水平上显著；括号内为t值。 下载:
导出CSV
表 6城市区位异质性检验结果
变量 ci (1) (2) (3) ed 0.110** 0.260** 0.378* (2.08) (2.57) (1.84) ed2 −0.012* −0.062** −0.057 (−1.82) (−2.49) (−1.09) 常数项 −0.705 −4.787** −2.286 (−0.83) (−2.00) (−0.56) 控制变量 是 是 是 时间效应 是 是 是 地区效应 是 是 是 R2 0.737 0.510 0.737 N 1 386 1 414 1 176 注：***、**、*分别表示在1%、5%和10%的水平上显著；括号内为t值。 下载:
导出CSV
表 7城市规模异质性检验结果
变量 ci (1) (2) (3) ed 0.112 0.332*** 0.189*** (1.25) (3.32) (3.25) ed2 −0.012 −0.066*** −0.032*** (−0.96) (−3.16) (−3.80) 常数项 −0.272 −3.454 −6.889*** (−0.31) (−1.37) (−2.63) 控制变量 是 是 是 时间效应 是 是 是 地区效应 是 是 是 R2 0.807 0.655 0.686 N 224 1 078 2 674 注：***、**、*分别表示在1%、5%和10%的水平上显著；括号内为t值。 下载:
导出CSV
表 8城市性质异质性检验结果
变量 ci (1) (2) ed 0.429*** 0.067 (−3.73) (−1.29) ed2 −0.083** −0.005 (−2.42) (−0.69) 常数项 −5.734** 0.548 (−2.23) (−0.37) 控制变量 是 是 时间效应 是 是 地区效应 是 是 R2 0.813 0.571 N 1 461 2 261 注：***、**、*分别表示在1%、5%和10%的水平上显著；括号内为t值。 下载:
导出CSV
-
[1] 张伟, 朱启贵, 高辉. 产业结构升级、能源结构优化与产业体系低碳化发展[J]. 经济研究, 2016, 51(12): 62-75. [2] 尹浙霖, 宋有涛, 范居一, 等. 中国碳排放强度空间非均衡的测度与分解: 兼论地区差距的形成与缩小[J]. 经济问题探索, 2020(10): 34-44. [3] 马晓君, 陈瑞敏, 苏衡. 中国工业行业能源消耗的驱动因素与脱钩分析[J]. 统计与信息论坛, 2021, 36(3): 70-81.doi:10.3969/j.issn.1007-3116.2021.03.006 [4] 姜宛贝, 刘卫东. 中国经济空间格局演变及其CO2排放效应[J]. 资源科学, 2021, 43(4): 722-732. [5] 鄢哲明, 邓晓兰, 杨志明. 异质性技术创新对碳强度的影响;基于全球专利数据[J]. bob手机在线登陆学报(社会科学版), 2017, 19(1): 20-27. [6] LUAN B, HUANG J, ZOU H. Domestic R&D, technology acquisition, technology assimilation and China's industrial carbon intensity: Evidence from a dynamic panel threshold model[J]. The Science of the Total Environment, 2019, 693(25): 133431-133436. [7] ALAM M S, ATIF M, CHIEN-CHI C, et al. Does corporate R&D investment affect firm environmental performance? Evidence from G-6 countries[J]. Energy Economics, 2019, 78: 401-411.doi:10.1016/j.eneco.2018.11.031 [8] 彭旭, 崔和瑞. 中国能源结构调整对碳强度的影响研究[J]. 大连理工大学学报(社会科学版), 2016, 37(1): 11-16. [9] 冯彦, 祝凌云, 张大红. 中国产业结构调整对碳强度影响的空间计量研究[J]. 软科学, 2017, 31(7): 11-15.doi:10.13956/j.ss.1001-8409.2017.07.03 [10] 孙欣, 沈永昌, 陶然. 中国低碳技术进步测度及对碳排放强度影响效应研究[J]. 江淮论坛, 2016(6): 64-71.doi:10.3969/j.issn.1001-862X.2016.06.011 [11] 刘贤赵, 高长春, 张勇, 等. 中国省域碳强度空间依赖格局及其影响因素的空间异质性研究[J]. 地理科学, 2018, 38(5): 681-690.doi:10.13249/j.cnki.sgs.2018.05.005 [12] 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[J]. 地理学报, 2019, 74(6): 1131-1148.doi:10.11821/dlxb201906005 [13] LIANG S, ZHAO J, HE S, et al. Spatial econometric analysis of carbon emission intensity in Chinese provinces from the perspective of innovation-driven[J]. Environmental Science and Pollution Research, 2019, 26: 13878-13895.doi:10.1007/s11356-019-04131-3 [14] 刘降斌, 刘秋明. 空间视角下经济增长、城镇化与二氧化碳排放强度关系研究[J]. 商业经济研究, 2021(12): 184-188.doi:10.3969/j.issn.1002-5863.2021.12.048 [15] 邵帅, 张可, 豆建民. 经济集聚的节能减排效应: 理论与中国经验[J]. 管理世界, 2019, 35(1): 36-60.doi:10.3969/j.issn.1002-5502.2019.01.004 [16] 王雅莉, 侯林岐, 朱金鹤. 城市创新能否助力低碳经济发展: 创新型城市试点政策对碳强度的影响评估及机制分析[J]. 科技进步与对策, 2022: 1-10.doi:10.6049/kjjbydc.2021100496 [17] 宫晓辰, 孙涛. 节能减排政策工具降低碳强度影响机制研究: 基于30省(市、自治区)数据的模糊集定性比较分析[J]. 城市问题, 2021(7): 23-32. [18] 刘华军, 邵明吉, 吉元梦. 中国碳排放的空间格局及分布动态演进: 基于县域碳排放数据的实证研究[J]. 地理科学, 2021, 41(11): 1917-1924. [19] MILLIMET D L. Environmental federalism: a survey of the empirical literature[J]. IZA Discussion Papers, 2013, 27(9): 1930-1938. [20] 李强. 财政分权、环境分权与环境污染[J]. 现代经济探讨, 2019(2): 33-39.doi:10.3969/j.issn.1009-2382.2019.02.006 [21] 李强. 河长制视域下环境分权的减排效应研究[J]. 产业经济研究, 2018(3): 53-63.doi:10.13269/j.cnki.ier.2018.03.005 [22] 陆凤芝, 杨浩昌. 环境分权、地方政府竞争与中国生态环境污染[J]. 产业经济研究, 2019(4): 113-126.doi:10.13269/j.cnki.ier.2019.04.010 [23] 李强, 李新华. 地方政府竞争与环境治理: 环境分权的调节效应[J]. 贵州财经大学学报, 2020(3): 101-110.doi:10.3969/j.issn.1003-6636.2020.03.011 [24] 孙丽文, 朱正, 任相伟, 等. 环境分权能否抑制碳排放: 基于地方政府竞争视角[J]. 华东经济管理, 2022, 36(4): 60-70. [25] GOEL R K, MAZHAR U, NELSON M A, et al. Different forms of decentralization and their impact on government performance: Micro-level evidence from 113 countries[J]. Economic Modelling, 2017, 62: 171-183.doi:10.1016/j.econmod.2016.12.010 [26] GORDON R H. An Optimal Taxation Approach to Fiscal Federalism Quarterly[J]. Journal of Economics, 1983, 4: 567-586. [27] 刘贤赵, 杨旭, 张国桥, 等. 碳排放空间依赖视角下环境分权的碳排放效应[J]. 地理科学, 2021, 41(9): 1654-1666.doi:10.13249/j.cnki.sgs.2021.09.017 [28] 彭薇, 熊科, 李昊. 环境分权、技术创新与中国工业产业绿色转型: 基于省域空间面板的实证研究[J]. 当代经济管理, 2020, 42(10): 54-60. [29] 徐辉, 王成亮, 冯国强. 环境分权对中国污染减排效果的影响: 基于空间动态面板模型的检验[J]. 资源科学, 2021, 43(06): 1128-1139. [30] RAN Q, ZHANG J, HAO Y. Does environmental decentralization exacerbate China's carbon emissions? Evidence based on dynamic threshold effect analysis[J]. Science of The Total Environment, 2020, 721: 1-12. [31] MIAO L, GU H, ZHANG X, et al. Factors causing regional differences in China's residential CO2 emissions—evidence from provincial data[J]. Journal of Cleaner Production, 2019, 224: 852-863.doi:10.1016/j.jclepro.2019.03.271 [32] 罗斌, 凌鸿程, 苏婷. 环境分权与企业创新: 促进抑或阻碍: 基于环境信息披露质量的中介效应分析[J]. 当代财经, 2020(4): 113-124. [33] 张凡, 邵俊杰, 周力. 环境分权的城市绿色创新效应[J]. 中国人口·资源与环境, 2021, 31(12): 83-92. [34] 祁毓, 卢洪友, 徐彦坤. 中国环境分权体制改革研究: 制度变迁、数量测算与效应评估[J]. 中国工业经济, 2014(1): 31-43. [35] 徐盈之, 范小敏, 童皓月. 环境分权影响了区域环境治理绩效吗?[J]. 中国地质大学学报(社会科学版), 2021, 21(3): 110-124.doi:10.16493/j.cnki.42-1627/c.2021.03.009 [36] 张华, 丰超, 刘贯春. 中国式环境联邦主义: 环境分权对碳排放的影响研究[J]. 财经研究, 2017, 43(9): 33-49. [37] 陆远权, 张德钢. 环境分权、市场分割与碳排放[J]. 中国人口·资源与环境, 2016, 26(6): 107-115.doi:10.3969/j.issn.1002-2104.2016.06.014 [38] 刘俸奇, 储德银, 姜春娜. 财政透明、公共支出结构与地方政府治理能力[J]. 经济学动态, 2021(4): 107-123. [39] 余泳泽, 刘大勇. “中国式财政分权”与全要素生产率: “竞次”还是“竞优”[J]. 财贸经济, 2018, 39(1): 23-37.doi:10.3969/j.issn.1002-8102.2018.01.002 [40] 王巧, 佘硕. 城市异质性视角下中国低碳试点政策的绿色增长效应评估[J]. 软科学, 2020, 34(9): 1-8.doi:10.13956/j.ss.1001-8409.2020.09.01 [41] 张淑平, 韩立建, 周伟奇, 等. 城市规模对大气污染物NO2和PM2.5浓度的影响[J]. 生态学报, 2016, 36(16): 5049-5057. [42] 俞可平. 中国城市治理创新的若干重要问题: 基于特大型城市的思考[J]. 武汉大学学报(哲学社会科学版), 2021, 74(3): 88-99. [43] 王兴民, 吴静, 白冰, 等. 中国CO2排放的空间分异与驱动因素: 基于198个地级及以上城市数据的分析[J]. 经济地理, 2020, 40(11): 29-38. [44] 韩峰, 谢锐. 生产性服务业集聚降低碳排放了吗: 对我国地级及以上城市面板数据的空间计量分析[J]. 数量经济技术经济研究, 2017, 34(3): 40-58. [45] 冉启英, 王健龙, 杨小东. 财政分权、环境分权与中国绿色发展效率: 基于地级市层面的空间杜宾模型研究[J]. 华东经济管理, 2021, 35(1): 54-65. -
点击查看大图
表 (8)
计量
- 文章访问数:28
- HTML全文浏览量:14
- PDF下载量:8
- 被引次数:0
