Research on the Green Development Effect of National Central City Construction：Quasi Natural Experiments based on 285 Cities

Li Zhiguo,Che Shuai,Wang Jie

(School of Economics and Management, China University of Petroleum (East China), Qingdao 266580, China)

Abstract：Based on the panel data of 285 cities in China from 2004 to 2018, the paper constructs a dual difference model of tendency score matching, evaluates the policy effect of National Central City Construction on green development, and makes an expanded analysis of the heterogeneity of regional development. The results show that the construction of national central city can effectively promote the growth of urban green total factor productivity. At the regional level, the policy effect of the construction of national central cities in the eastern region remains stable, while the central and western regions have not yet been highlighted. Industrial development, the improvement of education level and the introduction of foreign capital are the key paths to play the green effect of national central city construction at this stage, while economic development is an important potential channel. Accordingly, it is proposed to promote the construction of national central cities in an all-round way, and give full play to the overall driving effect and demonstration effect of leading green development. Considering the heterogeneity of urban comprehensive development, we should pay attention to the orderly development of national central city construction.

Key Words:National Central Cities; GTFP; Green Development; Policy Effect

收稿日期：2021-01-14

修回日期：2021-03-23

基金项目：国家社会科学基金项目(2020BTJ060)

作者简介：李治国(1977-)，男，山东潍坊人，博士，中国石油大学(华东)经济管理学院副教授，研究方向为产业经济与区域发展；车帅(1997-)，男，山东德州人，中国石油大学(华东)经济管理学院硕士研究生，研究方向为产业经济与区域发展；王杰(1997-)，男，山东淄博人，中国石油大学(华东)经济管理学院硕士研究生，研究方向为产业经济与区域发展。

DOI：10.6049/kjjbydc.2021010380

开放科学(资源服务)标识码(OSID)：

中图分类号：F290

文献标识码：A

文章编号：1001-7348(2021)16-0029-08

0 引言

现阶段中国正处于经济增速换挡和经济结构调整的新时期，需要不断提高城市化发展质量以释放经济增长和空间转型潜力。面对气候变暖现实和绿色发展压力，2020年12月召开的中央经济工作会议指出，我国二氧化碳排放要力争在2030年前达到峰值，力争在2060年前实现碳中和。因此，在经济增长和低碳环保的双重目标下，明晰城市绿色发展路径显得尤为重要。基于我国全方位、多层次和中心明确的城镇发展布局，中国住房和城市建设部在2007年颁布的《全国城镇体系规划》中提出“国家中心城市建设”概念。加强国家中心城市建设，是实现城镇化质量显著提升、推动我国现代化进程的必然要求。因此，国家中心城市建设发展状况不仅关乎城市自身地位的巩固和提升，更直接影响区域协调发展。在此背景下，探究国家中心城市建设的绿色发展效应及其区域差异、传导路径，有利于将绿色低碳观念嵌入城市规划中，推动新型城镇化高质量发展。

1 文献综述

针对中国区域绿色全要素生产率差距较大的现实矛盾[1-2]，旨在打造城镇化发展抓手和综合示范中心的国家中心城市建设政策应运而生。既有研究多集中于国家中心城市建设能力综合评价，除了从智能化发展[3]、土地利用水平[4-5]等单方面构建评价体系外，大多数研究更侧重于国家中心城市发展水平的综合考量。如朱佳等[6]基于创新、协调、绿色、开放、共享等多维度视角考察国家中心城市发展水平；Wei Li等[7]利用耦合协调模型评估国家中心城市建设的可持续性；郭志强等[8]从城市自身以及城市群整体发展两方面进行综合评估；和军[9]则将世界城市评价体系应用于我国国家中心城市评估与分析。此外，学者们从国家中心城市的建设意义、发展方向等方面展开了理论研究[10-11]。在此基础上，本文将对国家中心城市建设的绿色发展效应予以评价，为政策实施提供现实参考。

受制于国家中心城市建设的政策出台年限较短，既有文献中关于国家中心城市建设的政策效应分析较少，相比之下，区域经济中心的政策评估研究提供了重要启示。如基于高新区设立的准自然实验中，熊波等[12]利用双重差分法研究发现，设立高新区可以显著提高城市创新能力；在立足于国家自主创新示范区的准自然实验中，李卓文[13]利用倾向得分匹配双重差分法研究发现，国家自主创新示范区可使城市技术创新水平提升10%～13%；在针对开发区设立的准自然实验中，李贲等[14]实证检验了开发区设立对企业成长的影响，认为国家开发区的政策效应强于省级开发区。另外，亦有研究证明，智慧城市建设能够显著提升城市技术创新能力，降低城市环境污染[15-16]。

综上所述，一方面，现有文献对国家中心城市建设政策效应的评估集中于经济发展层面，导致城市经济与绿色发展的内在关联被割裂；另一方面，针对单个中心城市建设评价的研究较多，而国家中心城市建设政策的整体绿色发展效应有待明晰。基于上述研究现状，本文将重点考察中心城市建设的绿色发展效应，将环境要素纳入分析框架，重新测度城市绿色全要素生产率对绿色发展水平的影响；其次，将区域异质性纳入考量，对比分析国家中心城市建设在不同地区的政策效应差异；最后，实证考察国家中心城市建设驱动绿色发展的路径，以期为国家中心城市绿色发展水平提升提供针对性政策建议。

2 理论分析与研究假设

基于国家中心城市的政策内涵，国家中心城市建设与绿色发展的关联性集中体现在3个方面：第一，在区域经济一体化进程不断深入推进以及城市间经济联系不断增强的宏观背景下，中心城市作为区域经济的控制中心，拥有较强的区位优势和经济要素禀赋，可以通过经济辐射带动周围城市经济增长；第二，国家中心城市享有的特殊政策待遇吸引了众多高新技术产业集聚，形成了众多优质企业集聚园区。中心城市形成为产业集聚提供了平台，而产业集聚效应则能够持续支持城市产业结构转型升级，从而带动区域经济高质量发展[17]；第三，国家中心城市设立为创新力提升提供了重要的政策支撑[18]，如北京、天津、上海和广州在定位中心城市时均提出要打造科技城市与生态城市。就北京而言，其在政策表述中明确将“人文北京、科技北京、绿色北京”作为发展目标。综合上述国家中心城市建设与绿色发展的深刻联系，本文提出以下研究假设：

H1：国家中心城市建设具有绿色发展促增效应，即政策实施有助于提高绿色全要素生产率。

由于区域要素禀赋和经济发展水平不同，国家中心城市设立的空间政策效应可能存在差异。研究表明，初始要素禀赋不同会导致同一经济政策产生不同作用效果，而国家中心城市建设对于地区基础设施水平、社会发展程度均具有一定要求，一般而言，经济发展程度高的地区，其政策实施会展现出较好的经济效果[19]。因此，北京、上海等东部发达城市的政策实施效果理论上要强于中西部经济欠发达地区城市[20]。基于此，本文提出以下研究假设：

H2：国家中心城市建设的绿色效应具有空间异质性，即政策实施对东中西部绿色全要素生产率的影响存在差异。

3 研究设计

3.1 模型设定

2010年，住建部确立北京、上海、天津、广州、重庆为首批国家中心城市；2016-2018年，国务院以复函形式分4次提出对成都、武汉、郑州、西安建设国家中心城市提供支持。虽然9个城市均获得了“国家中心城市”称号，但这些城市的定位又略有差异。如北京、上海、广州、重庆、天津本质上已经是国家中心城市，而成都、武汉、郑州、西安这4个城市仍处于“以国家中心城市为建设目标”的进程中。考虑到2016年后分4次设立的4个国家中心城市的政策年限较短，同时，受限于双重差分方法与数据(必须考虑政策实施前后两期)无法评估其政策实施效果，因此本文将2010年作为可识别的唯一政策冲击时点。参考陈林[21]的观测期剔除法，将2016-2018年进入国家中心城市名单的4个城市剔除[22-23]，将2010年首批国家中心城市的设立看作是一次准自然实验，并实证分析国家中心城市建设对绿色全要素生产率的影响[24]。

此外，考虑到国家中心城市设立的自选择问题，借鉴邵帅和吕长江的研究，使用倾向得分匹配与双重差分相结合的方法解决自选择和内生性问题。其原理在于，倾向得分匹配法通过各指标的倾向得分对P值近似的城市进行匹配，为实验组匹配对应的控制组，不仅克服了匹配数量不足的问题，还可以消除样本选择偏差，解决自选择问题[25]，而DID方法能够通过双重差分较好地解决内生性问题。因此，采用二者相结合的PSM-DID方法可以更准确地评估政策效应。基于此，构建模型如下所示：

gtfpit=β0+β1didit+β2Xit+vi+ut+εit

(1)

其中，gtfpit反映国家中心城市i在时期t的绿色发展水平；交互项didit由treatedit*timeit构成，treatedit表示处理组和对照组的虚拟变量，处理组为国家中心城市，定义为1，反之为0。timeit表示政策时间虚拟变量，2010年及以后为1，反之为0。β1表示国家中心城市建设对绿色全要素生产率的净效应，Xit 为其它控制变量，vi是个体效应，ut是时间效应，εit为随机扰动项。

3.2 变量选取与描述性统计

本文考察中国内地地级以上城市，样本数据取自2004-2018年《中国城市统计年鉴》，缺失数据通过《国民经济和社会发展统计公报》《统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》以及国泰安数据库(CSMAR)进行补充。部分数据因无法直接获得，由计算得出。

3.2.1 被解释变量

关于绿色全要素生产率投入产出指标的计算说明如下：研究中的资源性投入为各城市能源消耗总量，由于不能直接获得，因此根据可获得的全社会用电量、供气总量、液化石油气三类能源进行折标，计算得到各城市2004-2018年的能源消耗量。计算公式如下：

NH=∑Ei×ηi

(2)

式中，NH表示各城市能源消耗总量，Ei表示第i类能源消耗量，ηi表示第i类能源折算成标准煤的系数。非资源性投入以各城市历年劳动力表示。资本存量数据不能从数据库中直接得到，借鉴张军[26]的做法，采用永续盘存法计算。计算公式为：Kit=Kit-1(1-δit)+Iit。Kit表示本期物质资本存量，δit为9.6%，Iit表示本期固定资产形成总额，在本研究中调整为以2004年为基期。期望产出以各城市国内生产总值表示；非期望产出以各城市环境污染指数表示，基于各城市废水、二氧化硫、废气数据进行计算。本研究采用客观赋权评价法中的熵值法，根据信息熵原理确定各指标权重[27]。同时，加入时间因素后改进的客观赋权熵值法评价模型如下：①指标选取，假设xλij为第λ年各城市i的第j个指标值，原始数据有r个年份，m个行政区域，n个指标；②指标标准化处理，即x'λij=xλij/xmax；③指标权重确定，即④第j项指标熵值确定，其中k>0，k=ln(rm)；⑤第j项指标信息效用值的确定为vj=1-ej；⑥各指标权重确定，即⑦计算各城市环境污染综合指数，具体为

将计算所得的环境污染综合指数作为非期望产出，利用Malmquist-Luenberger 指数计算得到的285个城市的绿色全要素生产率作为被解释变量[28]。

3.2.2 解释变量

将时间虚拟变量(timeit)与政策虚拟变量(treatedit)的交互项didit(treatedit×timeit)作为解释变量。它度量了国家中心城市建设政策对城市绿色经济发展影响的差异。

3.2.3 控制变量

为了控制其它因素影响，借鉴已有研究(刘瑞明，赵仁杰，2015)，选取控制变量。工业化水平(ind)，以工业总产值的对数值表示；财政激励(cos)，以市级财政支出的对数值表示；人口规模(pop)，以各城市年末总人口数的对数值表示；外商直接投资(fdi)，以外商直接投资额的对数值表示；教育水平(edu)，以城市当年教育支出的对数值表示；地区人均生产总值(pgdp)，以各城市人均生产总值表示。综上，主要变量描述性统计结果如表1所示。

4 基于PSM-DID的实证分析

4.1 样本匹配效果

本研究采用基于核匹配(kernel matching)的倾向得分匹配方法，选取地区实际GDP、第二产业占 GDP 的比重、工业总产值、固定资产投资额、教育水平、从业人员等6个可观测变量对处理组和对照组进行匹配。采用 Logit 回归估计模型(3)，得到倾向得分值，根据得分值为处理组匹配对照组，以解决自选择和内生性问题。

Logit(treatedit=1)=φ(lngdp,structure,lnindustry,lnsuminvest,lneducation,lncongye)

(3)

匹配前，设定处理组与对照组之间不存在显著差异。根据Logit回归估计模型得到倾向得分值，为处理组匹配对照组并绘制核密度函数曲线图。图1为2010年处理组与对照组的核密度函数曲线。其中，左图显示，匹配前处理组与对照组存在明显差异，若直接比较二者差异，必然产生严重的估计误差；右图显示，匹配后处理组与对照组的概率密度分布趋于一致，说明匹配后两组样本的选择性偏差基本消除，匹配后的变量在处理组与对照组之间并不存在显著差异，即在给定倾向得分的情况下，是否处理是独立于匹配变量的，从而保证了样本处理的随机性与回归结果的可靠性。

4.2 基准分析结果

采用倾向匹配得分-双重差分法考察国家中心城市建设的绿色发展效应，结果如表2所示，本文主要基于时间个体双固定效应模型的估计结果展开分析。交乘项did的估计系数在1%的水平上显著为正，表明国家中心城市建设能够有效提升绿色全要素生产率，即中心城市建设政策的绿色发展效应明显，这与政策推行的绿色发展诉求不谋而合。可能的原因是：一方面，国家中心城市建设能够提升地区经济发展活力，助推以服务业为代表的第三产业发展，进而推动绿色发展水平提高；另一方面，国家中心城市建设有助于要素重新配置和优势资源集聚，从而推动中心城市基础配套设施建设、教育投资力度加大以及高质量外资进入等，最终表现为绿色全要素生产率提高。另外，国家中心城市建设面临的规格发展要求同样不可忽视。作为国家发展战略的重要平台和战略支点，国家中心城市建设秉持“高质量、高效率和可持续”发展原则，这也成为国家中心城市实现绿色发展的政策前提。

从控制变量的回归结果看，工业化程度在1%的水平上显著为负，说明当前工业总产值增长并不利于绿色全要素生产率提高，工业增长方式仍呈现出粗放式和外延性特征，要实现经济高质量发展，需要进一步调整产业结构。此外，由于人口红利消失，人口规模扩大反而造成更大的环境负担，进而导致绿色全要素生产率降低。外商投资水平并未对绿色全要素生产率增长产生显著影响，因此，在经济发展过程中需要进一步提升外商直接投资的引进质量，避免成为 “污染避难所”[29]。城市建设中的财政支持力度对城市绿色发展的影响显著为正，说明市级层面财政支出增加有效提高了绿色全要素生产率。根据内生增长理论，教育是推动经济可持续发展的重要因素，实证结果显示，对教育的支持有助于提高人力资本水平从而将其转化为现实生产力，提高经济运行效率。人均GDP与绿色全要素生产率增长存在显著的负向关系，说明当前经济发展仍然没有实现完全转型[30]，经济的快速增长仍依赖于能源消耗并带来一定环境污染。综上，假设H1得以证实。

4.3 异质性分析

考虑到客观存在的区域发展差异可能导致政策效果不同，本文将城市进一步分为东部城市和中西部城市，以探索国家中心城市建设政策效果的异质性，试图从该角度分析国家中心城市建设政策效应的发生机制。实证结果如表3所示，可以发现，通过PSM-DID的区域性分析结果可以看出，在东部地区，国家中心城市建设的政策效果在5%的水平上显著为正，即东部地区进行国家中心城市建设能够显著提高其绿色全要素生产率，而中西部城市在建设国家中心城市时可能存在政策陷阱，即当前在中西部建设国家中心城市并不能有效推动绿色全要素生产率提升。原因在于，国家中心城市扮演着全国城镇核心的角色，其设立的本质在于发挥它们在金融、管理、交通、经济等方面的核心和枢纽作用。因此，国家中心城市必须具备全国范围中心性和区域国际性两大特征，国家在选择建设中心城市时需要基于资源环境承载条件和经济发展基础进行规划与建设。

作为塔尖城市的代表者，国家中心城市的争夺不仅“面子”重要，“里子”也很重要，即对外能够代表国家参与国际竞争，对内则是经济活动和资源配置的中枢。东、中、西三大地区建设国家中心城市会存在显著的建设成效差异，对经济发展质量的提升作用也不同。2018年底由中国社科院发布的“国家中心城市指数报告”为本文研究结论提供了有力佐证。该报告评定北京为国家综合中心，国家重要中心为上海和广州，而以天津、重庆为代表的其余国家中心城市则被评为潜在的国家重要中心。因此，从总体上看，北京、天津、上海、广州等东部国家中心城市引领着环渤海、长三角和珠三角等区域发展，推动经济转型升级，有效提高绿色发展水平，其国家中心城市规划设计是水到渠成的结果。而同为第一批设立的重庆，作为中西部代表性国家中心城市之一，是西部大开发的重要平台，其对绿色全要素生产率的提升作用尚未凸显，与东部地区中心城市仍存在经济辐射力层面的差距[31]。因此，其应向东部地区中心城市学习发展规划路径，增强城市自身能动作用，从整体提升绿色发展水平。综上，假设H2得以证实。

4.4 渠道分析检验

如前所述，国家中心城市建设可以有效提高城市绿色全要素生产率，促进经济高质量发展，但是其内在作用机制和逻辑尚待分析。因此，结合现有研究，分别构造政策冲击与工业化水平、外商直接投资、教育水平、经济发展水平的交互项(did*channeli)，探寻其政策实施影响绿色全要素生产率提升的内在机理。

模型(1)显示，政策冲击与工业化水平的交互项在1%水平下显著为正，结合表1的基准回归结果可以看出，工业化水平从显著负向变为显著正向，说明国家中心城市可以通过优化工业结构提升绿色发展水平。究其原因，国家中心城市建设要求使这种正向驱动功能得以实现。如在北京、广州、重庆的城市定位中提出强化创新功能、不断改善人居环境、建设绿色科技城市的核心方向；在天津、上海等城市的定位中，加快发展现代服务业和先进制造业、率先形成以服务经济为主的经济结构成为其优化产业结构的主要目标。因此，国家中心城市建设的首要转变是相较于普通城市，其工业产值的绿色属性增强，能够率先引领经济转型升级。

模型(2)显示，政策冲击与外商直接投资的交互项同样对绿色全要素生产率起显著的提升作用，国家中心城市的国际化作用得以体现，建设的政策效应有效扭转了外商直接投资不利于整体绿色全要素生产率提升的基准分析结果，显著削弱了由外商投资引致的污染效应。事实上外商直接投资对经济发展质量的作用并不确定，但可以证明的是，外商直接投资质量对绿色全要素生产率的影响起关键性作用，其质量取决于地域性因素，普遍认为，经济发达城市往往承接了高质量的投资，而经济欠发达地区则成为高污染产业的聚集地[32]。因此，关于外商直接投资渠道的实证分析结果与已有研究保持一致，即国家中心城市建设通过提升外商直接投资质量，在一定程度上促进了绿色全要素生产率增长。

模型(3)的结果显示，政策冲击与教育水平的交互项显著提升了绿色全要素生产率水平，与基准分析结果保持一致。究其原因，一方面，教育水平提升的本质是知识资本投入增加，另一方面，教育水平提高是技术进步的必要条件[33]，教育投入也恰恰代表了城市可以用来进行经济转型的储备厚度。因此，国家中心城市建设往往会使整个城市层面的教育水平得以提升，从而为绿色全要素生产率提升奠定基础。根据模型(4)的结果来看，国家中心城市建设未能通过经济发展水平提升而促进绿色全要素生产率增长，其可能的原因在于当前中国正处于“增长速度换挡期”“结构调整阵痛期”“前期刺激政策消化期”三期叠加的经济发展阶段，这个时期是加快转变经济发展方式、化解多年积累的深层次矛盾的必经阶段，是由经济发展客观规律决定的。而研究结果也恰恰证明了处于“换挡期”的中国经济增长动力格局并没有根本性改变，但相较于基准分析结果中经济发展水平的负向作用，国家中心城市通过经济发展水平影响绿色全要素生产率的方向已经变为正向，表明经济发展在未来将成为中心城市建设发挥绿色长效的重要潜在渠道。

4.5 稳健性检验

4.5.1 平行趋势检验

双重差分方法反事实能够成立的一个重要前提条件是处理组(实验组)没有受到政策干预，其时间趋势应与对照组(控制组)一样，这就是所谓的“平行趋势”假设(parallel trend)或“共同趋势”假设(common trend)。因此，本研究在进行双重差分之前使用倾向得分匹配法对样本进行处理，以满足共同趋势假定条件。为进一步验证结果的稳健性，进行平行趋势检验。可以看到，在政策实施前6年、前4年以及前2年的系数均不显著，而政策实施后2年、后4年、后6年的系数均显著。检验结果说明，从整体上看，在未实施国家中心城市建设政策时，处理组与对照组的变化趋势并无显著差异，而自实施国家中心城市建设及以后所有年份的虚拟变量系数均显著异于0，说明双重差分模型满足平行趋势假定，研究结论的可信度较高。

4.5.2 安慰剂检验

绿色全要素生产率增长可能并不是国家中心城市建设带来的政策效应，这是利用PSM-DID方法进行政策评估时经常面临的另一个质疑，即其可能是由同时期其它政策或者随机因素造成的。因此，本部分借鉴已有研究做法[34-35]，通过改变政策执行时间进行安慰剂检验(也称为反事实检验)。具体而言，假设将国家中心城市建设的执行时间依次提前1年、2年和3年，分别考察DID的估计系数是否显著，若DID系数依然显著，说明研究结果不可靠，若此时DID的系数不再显著，说明绿色全要素生产率增长确实是由国家中心城市建设引起的。表4中模型(1)～(3)依次为假设国家中心城市提前1～3年设立的结果，观察DID的估计系数均不显著。这验证了绿色全要素生产率增长确实来源于国家中心城市建设，而非其它政策或随机因素作用的结果。

5 结论及政策建议

国家中心城市建设作为我国高层面城镇体系规划设置思路之一，其政策设计与绿色可持续发展目标契合是实现我国高质量发展的关键路径。本文以国家中心城市建设作为准自然实验，基于2004-2018年中国地级市层面数据和PSM-DID方法，实证考察该政策的绿色发展效应及其空间异质特征，进而考察绿色发展效应的形成机制，重点检验工业发展、外资引入和教育水平等路径的通畅性，得到以下主要结论：①国家中心城市政策具有显著绿色发展效应，即国家中心城市的设立能够有效提升绿色全要素生产率，且平行趋势检验和安慰剂检验结果稳健地支持了该结论；②国家中心城市政策的绿色发展效应具有明显的空间异质特征，具体表现为东部与中西部地区间的政策效应差异。其中，东部地区中心城市建设的长效绿色发展效应显著，而中西部地区中心城市建设现阶段尚未能有效促进绿色全要素生产率提升；③国家中心城市建设下的绿色发展效应是多元路径共同作用的结果，其中，工业发展转型、外商直接投资增加、教育水平提升是引致绿色全要素生产率提升的关键路径，而现阶段的经济增长渠道效应尚不显著，但表现出助推绿色发展的潜力。

以上研究对明晰国家中心城市政策的绿色发展效应、合理有序推动国家中心城市建设具有重要的政策含义。

首先，充分认知国家中心城市建设对于绿色可持续发展的载体功能，科学合理地推进国家中心城市建设，以国家中心城市建设作为城市化绿色发展的重要引擎，进一步提高环境保护、资源利用等指标在各地区政府绩效考核中的权重，增强地方政府在经济发展中的绿色意识；坚持点面结合、有序推进的基本原则，有效发挥中心城市绿色发展的辐射效应和示范效应，实现区域绿色协同发展目标。

其次，基于国家中心城市绿色发展政策效应的空间异质特征，设计中心城市建设差异化发展路径，优化中心城市选址和布局，最大化释放中心城市建设的绿色能效。加强顶层设计和规划，综合考量不同城市发展水平以及综合实力，结合区域优势推进城市建设。针对东部城市具有显著绿色发展效应而中西部城市存在政策陷阱的现实情况，积极引导与支持地区转型发展。对东部地区而言，提升国际化程度和国际影响力，使国家中心城市建设成为“锦上添花”的利好政策；对中西部地区而言，加强基础设施建设，提高产业承接能力，避免中心城市建设成为各地区盲目竞争的“面子工程”。

最后，针对国家中心城市建设发挥绿色效应的具体路径，完善对外开放平台，提升参与国际合作与竞争的层次，加快发展现代服务业和先进制造业，率先形成以服务经济为主的产业结构。同时，加大科技教育支出，构筑高水平人才交流与技术研发转化高地，推进区域市场要素和体制机制一体化对接。

本文为通过国家中心城市建设促进城市化绿色发展提供了有益启示，但是仍有许多问题值得进一步探讨。第一，未对2016年以后设立的国家中心城市进行政策效应评估。受数据样本和双重差分方法限制，无法进行回归分析，仅对首批国家中心城市的绿色发展效应进行评价；第二，限于数据可得性，构建的绿色发展效应评价指标并不全面，在政策效应评价的精准度上可能存在一定瑕疵。因此，未来研究可综合多种实证方法评估国家中心城市设立的政策效应，并构建多维结果指标以提高结论严谨性。

参考文献:

[1] 吴建新, 黄蒙蒙. 中国城市经济的绿色转型:基于环境效率和环境全要素生产率的分析[J]. 产经评论,2016，7(6):98-115.

[2] 李卫兵, 涂蕾. 中国城市绿色全要素生产率的空间差异与收敛性分析[J]. 城市问题,2017，36(9):55-63.

[3] 杜鹏, 夏斌, 杨蕾. 国家中心城市智能化发展评价指标体系研究[J]. 科技进步与对策,2013,30(6):108-112.

[4] 杨建新, 龚健, 高静, 等. 国家中心城市土地利用变化稳定性和系统性特征——以武汉市为例[J]. 资源科学,2019,41(4):701-716.

[5] 陈维肖, 毕雪薇, 梁流涛. 国家中心城市土地集约利用评价及障碍因素诊断[J]. 地域研究与开发,2019,38(3):113-118.

[6] 朱佳, 张萌物, 王津津. 国家级中心城市经济高质量发展水平测度与分析[J]. 生产力研究,2019,34(12):6-11.

[7] LI W, YI P. Assessment of city sustainability—Coupling coordinated development among economy, society and environment[J]. Journal of Cleaner Production,2020,256:120453.

[8] 郭志强, 吕斌. 国家中心城市竞争力评价[J]. 城市问题,2018,280(11):28-36.

[9] 和军, 靳永辉, 任晓聪. 我国国家中心城市建设能力评价与对策研究——以沈阳市为例[J]. 技术经济与管理研究,2017，38(4):102-106.

[10] 彭丽敏. 武汉建设国家中心城市的思考——以城市功能和国家战略的动态耦合为线索[J]. 城市发展研究,2013,20(1):14-22.

[11] 张占仓. 建设国家中心城市的战略意义与推进对策[J]. 中州学刊,2017，39(4):22-28.

[12] 熊波, 金丽雯. 国家高新区提高了城市创新力吗[J]. 科技进步与对策,2019,36(4):40-49.

[13] 李卓文. 国家自主创新示范区建设推动了城市技术创新吗——基于DID的实证研究[J]. 财政监督,2019，19(6):99-104.

[14] 李贲, 吴利华. 开发区设立与企业成长:异质性与机制研究[J]. 中国工业经济,2018，35(4):79-97.

[15] 付平, 刘德学. 智慧城市技术创新效应研究——基于中国282个地级城市面板数据的实证分析[J]. 经济问题探索,2019，40(9):72-81.

[16] 陆菊春, 沈春怡. 国家中心城市绿色创新效率的异质性及演变特征[J]. 城市问题,2019，38(2):21-28.

[17] 田美玲, 刘嗣明, 朱媛媛. 国家中心城市综合评价与实证研究——以武汉市为例[J]. 科技进步与对策,2013,30(11):117-121.

[18] 许治, 焦秀焕, 朱桂龙. 国家中心城市技术扩散与区域经济增长—以北京、上海为例[J]. 科研管理,2013,34(4):16-23.

[19] 李学武, 王钢, 介长利, 等. 金融视角下的国家中心城市建设研究[J]. 西部金融,2018(12):4-10.

[20] 谭静, 张建华. 国家高新区推动城市全要素生产率增长了吗?——基于277个城市的“准自然实验”分析[J]. 经济与管理研究,2018,39(9):75-90.

[21] 陈林. 自然垄断与混合所有制改革——基于自然实验与成本函数的分析[J]. 经济研究,2018,53(1):81-96.

[22] 袁航, 朱承亮. 国家高新区推动了中国产业结构转型升级吗[J]. 中国工业经济,2018，35(8):60-77.

[23] 姜安印, 杨志良. 新型城镇化建设与城市经济高质量增长——基于双重差分法的实证分析[J]. 经济问题探索,2020，41(3):84-99.

[24] HECKMAN J J. The common structure of statistical models of truncation, sample selection and limited dependent variables and a simple estimator for such models[J]. NBER Chapters,1976,5(4):475-492.

[25] 邵帅, 吕长江. 实际控制人直接持股可以提升公司价值吗?——来自中国民营上市公司的证据[J]. 管理世界,2015，31(5):134-146.

[26] 张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算:1952—2000[J]. 经济研究,2004，50(10):35-44.

[27] 杨丽, 孙之淳. 基于熵值法的西部新型城镇化发展水平测评[J]. 经济问题,2015，37(3):115-119.

[28] CHAMBERS R G, CHUNG Y, F RE R. Benefit and Distance Functions[J]. Journal of Economic Theory,1996,70(2):407-419.

[29] 孟祥兰, 邢茂源. 供给侧改革背景下湖北高质量发展综合评价研究——基于加权因子分析法的实证研究[J]. 数理统计与管理,2019,38(4):675-687.

[30] 余泳泽, 杨晓章, 张少辉. 中国经济由高速增长向高质量发展的时空转换特征研究[J]. 数量经济技术经济研究,2019,36(6):3-21.

[31] 赵娴, 林楠. 中国国家中心城市经济辐射力分析与评价[J]. 经济与管理研究,2013，34(12):106-113.

[32] 李敏杰, 王健. 外商直接投资质量与中国绿色全要素生产率增长[J]. 软科学,2019,33(9):13-20.

[33] 程惠芳, 陈超. 开放经济下知识资本与全要素生产率——国际经验与中国启示[J]. 经济研究,2017,52(10):21-36.

[34] 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[J]. 管理世界,2015，31(8):30-38.

[35] TANG R, TANG T, LEE Z. The efficiency of provincial governments in China from 2001 to 2010: measurement and analysis[J]. Journal of Public Affairs,2014,14(2): 142-153.

(责任编辑：胡俊健)