-
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。
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 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。 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。 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。 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。 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。 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。 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。 -
[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.
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