开放科学(资源服务)标识码(OSID)：
This study deconstructs the TOE theory framework into seven antecedents at three levels as follows: technical level, organizational level and environmental level, and takes 108 resource-dependent cities in China from 2015 to 2020 as the research object. The driving path of low-carbon transformation of resource-dependent cities is studied from the perspective of configuration by applying qualitative comparative analysis of fuzzy sets.
The study reaches four conclusions. (1) The promotion condition of low-carbon transition of resource-dependent cities is not any single factor, and it requires the synergy of technology, organization and environment. (2) Government support and environmental regulation play important roles in promoting the low-carbon transition of resource-dependent cities. (3) Better low-carbon transition effect can be produced by six key configuration paths which refer to the organization-environment co-driving, policy-driven resource transformation, government-led, technology-organization interaction, technology-environment interaction and environment-oriented organization assistance. (4) The resource-dependent cities should improve the efficiency of resource allocation. In the transition stage, not all the multi-input will necessarily bring multi-output. From the configuration path of high-level low-carbon transformation of resource-dependent cities, it is found that there are potential substitutional relationships among technology, organization and environment. This paper not only enriches the theory of factor substitution, but also summarizes the differential driving path of low-carbon transformation of resource-dependent cities from the multi-dimensional interactive perspective. It further provides policy suggestions and useful references for the low-carbon transition of resource-dependent cities at different stages of development. The following implications are proposed. (1) The local governments of resource-dependent cities should focus on the driven effects of both the internal and external synergy, and make full use of regional favorable conditions. (2) It is essential to break through the barrier between technology and management, strengthen the integration of green technology innovation and government support. (3) The policy of “fragmentation” should be integrated and coordinated. (4) Rational allocation of resources shall be achieved by stages. To sum up, the three levels and seven antecedents of TOE framework all play indispensable roles in the low-carbon transition of resource-dependent cities, and they are always in the process of interaction through mutual promotion, internal and external synergy and other internal relations to promote the transformation of resource-dependent cities in accordance with their own actual conditions.
The theoretical significance of this study lies in three aspects. Firstly, instead of focusing on the impact of a single factor like previous studies, this study breaks the limitation of the single factor and constructs the TOE research framework for the low-carbon transition of resource-dependent cities, and emphatically analyzes the interaction of different influencing factors and the driving role of the combination of factors; given the characteristics of low-carbon transition of resource-dependent cities, this paper selects the important variables affecting low-carbon transition from three aspects of technology, organization and environment, which enriches the research of TOE framework in the field of low-carbon transition. Secondly, it provides a new perspective for the study on low-carbon transition of resource-dependent cities, and by applying the fsQCA method, it integrates the elements of technology, organization and environment systematically, and realizes the linkage and matching among the multi-level elements. Finally, it verifies the cause-and-effect relationship among the conditional factors of low-carbon transition in resource-dependent cities and the substitution relationship among the multi-level factors in different configurations, and provides an optional low-carbon transition path for resource-dependent cities with different conditions.
开放科学(资源服务)标识码(OSID)：
面对全球资源匮乏问题,处理好资源利用与环境保护关系是确保经济可持续发展的当务之急[1]。由于一些地区长期依赖资源[2],导致资源危机加剧,影响区域经济可持续发展,并引发生态环境危机[3]。资源型城市要实现高质量发展,必须进行绿色转型。
TOE(Technology-Organization-Environment)框架认为系统转型受到技术、组织和环境三方面的共同影响。发展低碳经济,实现“碳达峰、碳中和”目标,必须从技术水平、能源效率、产业结构等方面共同着手。因此,了解城市发展面临的问题,结合可持续发展理论挖掘资源型城市发展的驱动因素[5],探索多要素驱动资源型城市低碳转型的研究显得至关重要。部分学者从单一因素切入进行研究,忽略了不同因素之间的相互作用及协同效应。如文淑惠等[5]将财政支出作为变量,对资源型城市转型效率进行研究;还有学者将技术水平和环境政策一同考量,认为二者合理匹配有助于城市生态效率提升[6];也有学者从创新驱动和政府规制两方面入手,构建资源型城市转型评价体系[7],虽然关注了联动匹配问题,但缺乏系统框架的支撑,导致其变量代表性、适用性不足,影响结论说服力。
本文尝试从两方面进行创新:一是从组态视角出发,研究认为资源型城市低碳转型是多因素交织作用的结果。现有研究多从经济学、社会学等宏观理论视角出发,从资源开发、产业发展以及城市经济发展等方面研究不同影响因素,缺少针对不同要素以及要素组合的系统分析。本文基于TOE框架,从技术、组织和环境三个层面着重剖析不同影响因素间的相互作用以及要素组合的驱动作用。二是从研究方法来说,基于单一要素的局限性[8],很多学者逐渐对要素多样性产生兴趣,并利用空间计量模型[9]、门槛模型[10]等工具验证其对低碳转型的作用,但由于侧重点不同以及样本选择差异,未获得统一结论。此外,传统的线性方法是基于单一因素,得出的研究结论过度强调某要素重要程度,而忽视多因素间的交互作用。因此,本文选择基于组态视角的模糊集定性比较分析法(fsQCA),利用其能够系统分析各要素间相互作用的优势,厘清要素组合关系,探索资源型城市低碳转型驱动路径。
综上所述,本文基于TOE框架,从影响资源型城市低碳转型的典型要素着手,运用模糊集定性比较分析法(fsQCA),对全国108个资源型城市低碳转型驱动因素展开实证研究,系统分析各要素间的相互作用,归纳不同因素组态对低碳转型的作用机理,并提炼出资源型城市的多元转型路径。
目前,相关研究主要包括以下3个方面:
(1)资源型城市低碳转型发展水平评价。早期,学者们致力于构建综合评价体系,客观评价城市低碳水平以指导其未来发展[11]。随着时间推移,低碳转型评价体系逐步完善。如陈诗一等[12]对中国各地区低碳转型进程进行评估;Zhang[13]、王学军[14]等紧随其后,从经济转型、社会转型、低碳政策和低碳技术等方面,对资源型城市低碳转型作出评价。近年来,国内外学者倾向于寻找低碳转型的影响因素。如Chapman, Andrew等[15]考察了不同能源政策对低碳转型的影响;邵帅等[16]采用基于DEA方法的新型测算模型,结合空间杜宾模型,验证绿色技术创新、产业结构等多因素对碳减排的直接效应和间接效应,认为只有多因素协同发展才能有效推动低碳转型。
(2)资源型城市低碳转型效率。效率是衡量转型成功与否的重要指标,许多学者从不同角度探索转型效率问题。如徐胜等[17]通过建立异质面板协整模型,研究得出结构转型、能源效率与低碳经济之间存在稳定关系;吴巧生等[18]研究发现,技术进步、能源创新是提高能源效率,促进低碳转型的重点和难点;李梦雅[19]通过构建DEA模型并运用熵权法对产业转型效率进行评价,得出城市效率在很大程度上由城市产业转型综合效率决定,而城市产业转型正是低碳转型的关键所在;Wang等[20]则认为减排效率与资源丰富程度紧密相关,即资源越丰富,减排效率越低;Zhang等[21]基于结构分解分析方法,以SSIM毗连区的资源型城市为例,分析2002-2012年二氧化碳排放驱动因素,研究发现,通过加强低碳技术应用,SSIM毗连区的转型效率明显提高。根据上述研究可知,影响转型效率的变量均非单独作用,这也从侧面证明组态视角的合理性。
(3)资源型城市低碳转型路径。从经济发展过程来看,资源发展优势在未来可能形成陷阱效应,因此资源型城市转型成为必然[22]。有学者认为,资源型城市一般拥有特色产业集群,促进产业集群升级与转型,将有益于资源型城市低碳转型以及可持续发展[23]。还有学者提出其它建议,如Wu等[24]认为应推动资源型城市改革,建立保障体系,支持资源型替代产业发展;Fragkos& Panagiotis等[25]以澳大利亚、巴西、中国、欧盟等28个国家或地区为背景,使用能源经济和综合评估模型,提出相适应的转型路径。
通过文献梳理和分析发现,目前学者们基于不同视角探究低碳转型现状,提出的应对方法与途径具有一定合理性,但仍存在匹配度不足等问题,关于资源型城市低碳转型的组态研究也较为缺乏,尤其是TOE框架下的多因素共同驱动路径尚未得到检验。因此,本文试图系统分析各影响要素间的相互作用,在实证分析的基础上,归纳不同因素组态对绿色低碳转型的作用机理,并提炼出资源型城市的差异化转型路径。
Tornatizky&Fleischer首先提出TOE框架(Technology-Organization-Environment),并从技术(Technology)、组织(Organization)和环境(Environment)三个层面讨论技术应用条件[26]。其中,技术层面着重分析技术自身特点以及与之相关的技术要素;组织层面重点分析与技术相匹配的组织结构特征,如制度、机制、资金投入等因素;环境层面聚焦于资源、需求、基础设施等对技术能力产生影响的情境因素。已有研究基于多层次框架考察省级城市低碳转型影响因素[27],侧面证明TOE框架对资源型城市低碳转型领域研究的适用性。
对于资源型城市低碳转型来说,从技术、组织和环境三个方面展开分析既符合实际,也具有优势。首先,技术进步能够通过降低能源消耗,间接减少碳排放[28]。其次,低碳转型促使可持续发展和环境保护相统一,因此组织协调和外部环境不可忽视。基于TOE框架,本文结合当前低碳转型研究成果和实际情况,构建资源型城市低碳转型多层次分析框架,具体如图1所示。
(1)技术层面,主要包括能源效率和绿色技术创新两个二级条件。第一,能源效率。已有研究表明,能源使用强度与环境排放指数呈正相关关系,且环境排放指数与经济发展负相关[29]。范丹等[30]认为,优化产业结构并促进技术创新,有助于提高能源效率,从而促进城市低碳转型;Mohsin等[31]认为,能源效率低下会严重影响产业发展,实现能源改革不仅有助于提高能源利用效率,而且能够降低能源成本。第二,绿色技术创新。绿色技术创新是促进低碳转型的重要支撑,也是实现转型的必然途径。Du等[32]和古惠冬等[33]均认为,持续的经济增长需要绿色技术创新,从而提高碳生产率,促进城市低碳转型。
(2)组织层面,主要包括政府支持和资源依赖两个二级条件。城市发展离不开政府支持,资金投入、政策倾斜是实现低碳转型的有力支撑,政府需要重点关注可持续发展和环境效益,并通过公权力进行两方面引导[34]。其中,正向引导表现为政府投资、研发补贴等;反向引导表现为环境规制、环保税收等。通过奖惩结合,驱动低碳转型。具体为:第一,政府支持。如Yang等[35]通过构建面板效应阈值模型,得出政府补贴对经济发展和能源转型具有正向门槛效应;吴建祖等[36]认为,政府可通过研发投入、税收等手段支持绿色创新,其中,研发投入是最见效的方法。而政府支持是促进制造业绿色转型的关键组织条件(肖静等,2022)。第二,资源依赖。Muhamad等[37]认为,降低资源依赖、促进经济多样化,有助于实现经济转型。Hu等[38]、董利红等[39]发现,更依赖资源的第二产业发展对经济增长具有一定阻碍作用;张艳等[40]的研究也表明,资源依赖对资源型城市绿色经济转型具有显著的抑制效应。
(3)环境层面,主要包括环境规制、产业结构和对外开放度3个二级条件。第一,环境规制。经济发展水平高,环境规制对绿色技术创新和产业结构升级的驱动作用越显著[41]。如有研究认为,环境规制越严格,越有助于促进企业技术创新,从而推动低碳转型[42]。第二,产业结构。产业结构是影响区域经济发展的重要因素,科学合理的产业结构有助于区域经济稳步发展。Feng等[43]认为,产业转型和金融发展有助于减少碳排放,促进经济高质量发展;也有学者从整体视角出发,得出产业结构升级有助于实现碳减排的结论[44]。第三,对外开放度。对外开放度决定了经济发展水平和对外贸易程度,同时,也会影响低碳转型进程。如Mtar Kais &Belazreg Walid[45]认为,制度质量、政策环境以及开放程度等都与经济高质量发展密切相关;陈国福[46]认为,在通过地方投资拉动经济增长的同时,扩大对外开放度,构建以国内大循环为主体、国内国际双循环相互促进的新发展格局,对经济发展具有正向促进作用。
(4)TOE框架与资源型城市低碳转型相结合的交互作用。TOE框架认为,资源型城市低碳转型受到技术、组织和环境层面的不同影响,将两者相结合,有利于发挥其系统性强、整合性好的优势。从技术层面看,资源型城市低碳转型能够提高能源效率、加大技术创新,提高城市整体的绿色化水平。从组织层面看,资源型城市低碳转型以摒弃资源依赖为方向,在政策的规划引导下有序实现绿色转型。从环境层面看,资源型城市低碳转型实现了产业结构高级化、经济发展绿色化,各部门协同联动,加快了内部资源分配和外部环保投资的协同,也为资源型城市未来绿色发展提供了更为严格的规制环境。根据权变理论,技术、组织与环境之间并非孤立存在,而是相互作用。在这个过程中,能源效率和绿色技术创新构成资源型城市低碳转型的技术产业基础,在一定程度上决定转型成功率,进一步影响组织层面的具体要求:一方面,转型受到当地政府环保支持的影响,另一方面,又对当地特色资源发展提出新要求。同时,在内外协同的驱动下,资源型城市结合当地政策筛选出合适的转型道路,并根据实际情况动态调整产业结构,使其趋于合理化,在不断微调的情况下以低碳环保与经济发展并行的增长方式实现转型。
定性比较分析法(Qualitative Comparative Analysis)是由社会学家Charles Ragin基于集合理论和布尔代数创立的、针对中小样本案例的数据分析方法,其整合了量化和质性双重维度[47]。因此,本文采用模糊集定性比较分析法(fsQCA)进行组态分析。传统方法只能对大样本进行分析,且仅考量单一变量与结果变量间的线性关系。QCA方法恰好解决了仅能考察大样本的单一性问题,将定性与定量相结合(杜运周等,2021),研究不同条件组态与结果变量关系,且基于组态理论,根据溯源逻辑找到对案例产生关键作用的要素[48]。
图1 资源型城市低碳转型研究框架
Fig.1 Research framework of low-carbon transformation of resource-dependent cities
2.2.1 案例选择
相较于常规的小样本,模糊集定性比较分析法(fsQCA)更适合中等规模样本的案例研究,基于案例情况,集合讨论并解释各前因条件的综合作用[49]。根据国务院印发的《资源型城市可持续发展规划(2013-2020)》,共界定262个资源型城市,本文以其中的126个地级市为重点进行研究。其中,18个城市因地理位置偏远或行政区划变动等原因导致数据缺失过多,故将其剔除。2015和2020分别是 “十二五”、“十三五”规划的最后一年,这一时段能完整地反映“十三五”期间资源型城市低碳转型实际情况。因此,本文选取2015-2020年中国108个资源型城市数据作为研究样本,部分缺失数据采用线性插值法予以补全。
2.2.2 变量选择
(1)结果变量。本文以资源型城市碳排放强度作为结果变量[50]。近年来,虽然我国化石能源消费占一次能源消费总量的比例逐步下降,但仍有过半来自煤炭消费,天然气消费比重略有增长,因此本文选取2015—2020年108个资源型城市碳排放强度变化率作为衡量低碳转型效果的结果变量。碳排放强度根据二氧化碳排放量与地区生产总值的比值计算。
(2)条件变量。本文共考察7个条件变量,包括能源效率、绿色技术创新、资源依赖、政府支持、环境规制、产业结构和对外开放度。
能源效率。提高能源效率是实现低碳转型必不可少的条件。不同城市能源消费强度不同,标准煤的消耗量越大,表明其对能源的依赖度越高。本文采用各城市能源消费总量与地区生产总值比重的变化率衡量能源效率,其中,以标准煤消耗量代替能源消费总量[17]。
绿色技术创新。地区发展离不开技术创新,发明专利是技术创新的重要体现,是促进技术发展的有力支撑。本文采用各城市绿色发明专利申请量与专利申请总量比重的变化率衡量。专利包括发明专利、实用新型专利和外观设计专利,本文限定为发明专利,以充分体现技术创新产出水平。该比值越大,说明该地区技术发展水平越高,产业绿色转型力度越大[51]。
资源依赖。一味依赖资源的发展道路是不能持久的。因此,降低资源依赖有助于促进资源型城市低碳转型。本文选取各城市采矿业从业人员数占第二产业从业总人数比重的变化率衡量。该比值越小,说明地区资源依赖程度越低[52-53]。
政府支持。企业等利益相关主体易受到政府支持的影响,这是因为地方政府不仅能够通过政策制定,而且能够通过环保支出等投入促进地区低碳转型。环保支出根据各城市一般公共财政支出占本地区一般公共财政支出的比例,再与本省环境污染治理支出相乘得出。由于城市环保支出数据缺失较多,本文采用各城市环保支出的平均值衡量[54]。
环境规制。地方政府通过制定规范性政策为本地发展指明方向,助力地区低碳转型。本文选取各城市政策文件中环保政策词频累计数衡量。在政策文本中,检索以排污、环保、生态、减排、绿色、低碳、能耗等为关键词的政策,政策时间以政策发布日为准[50]。
产业结构。选取各城市第三产业增加值占第二产业增加值比重的变化率衡量[50]。
对外开放度。对外开放度是衡量一个地区经济发展水平、要素流动程度和开放广度的综合性指标。扩大对外开放不仅有助于增加经济收益、促进地区产业竞争,而且有助于引进新技术,为持续发展提供良好基础。本文选取各城市进出口贸易总额占地区生产总值比重的变化率衡量[55]。原始变量赋值说明和数据来源见表1。
表1 原始变量赋值说明和数据来源
Tab.1 Variable assignment description and data sources
变量赋值说明数据来源条件变量能源效率2015—2020年各城市能源消费总量占地区生产总值比重变化率国家统计局、《中国能源统计年鉴》、各省市统计年鉴绿色技术创新2015—2020年各城市绿色发明专利申请量占专利申请总量比重变化率《中国科技统计年鉴》资源依赖2015—2020年各城市采矿业从业人数占第二产业从业总人数比重变化率《中国城市统计年鉴》和各省市统计年鉴政府支持2015—2020年各城市环保支出平均值《中国城市统计年鉴》和各省市统计年鉴环境规制2015—2020年各城市政策文件中环保政策词频数加和中央和各地政策文件产业结构2015—2020年各城市第三产业增加值占第二产业增加值比重变化率《中国城市统计年鉴》和各省市统计年鉴对外开放度2015—2020年各城市进出口贸易总额占地区生产总值比重变化率国家统计局、《中国城市统计年鉴》和各省市统计年鉴结果变量碳排放强度2015—2020年CO2排放量占地区生产总值比重变化率国家统计局、《中国能源统计年鉴》和各省市统计年鉴
2.2.3 变量校准
对案例进行实证分析前,基于fsQCA的布尔逻辑要求,将条件变量与结果变量转化成模糊集,进行变量校准。校准前,先确定各变量校准阈值。现有研究根据具体情况,大多采用四分位法进行直接校准,即将25%、50%和75%取值分别作为完全不隶属、交叉点和完全隶属的锚点,对结果变量和7个条件变量进行校准[49],描述性分析结果见表2,变量校准锚点见表3。
使用fsQCA3.0软件前,先对各条件进行必要性分析,以判断其是否为结果出现的必要条件。必要性分析将得到两个指标,即一致性和覆盖度。一般而言,当某条件的一致性大于0.9时,可认为其是必要条件,否则,就不是[56]。从图2可以看出,各条件的一致性均小于0.9,说明在能源效率、绿色技术创新、资源依赖、政府支持、环境规制、产业结构、对外开放度中不存在促进绿色低碳转型的必要条件,这也说明资源型城市低碳转型过程中存在多重并发因果关系,具体见表4。
表2 描述性统计结果
Tab.2 Descriptive statistics
变量样本量均值标准差最小值最大值碳排放强度1086.0497.6620.054 536.05能源效率1080.1470.456-0.4591.840绿色技术创新1081.2822.444-0.91112.41资源依赖1083.56311.55-0.87063.19政府支持108181 000141 00045 400636 000环境规制10811 0001 4748 15913 900产业结构1080.5890.544-0.1282.278对外开放度108-0.1730.250-0.4760.648
表3 变量校准锚点
Tab.3 Variable calibration points
研究变量锚点完全不隶属交叉点完全隶属条件变量能源效率-0.1370.0190.259绿色技术创新-0.0220.5661.484资源依赖-0.347-0.0211.354政府支持80 546.182130 533.191237 234.966环境规制10 027.2511 014.511 955产业结构0.2220.4450.932对外开放度-0.343-0.228-0.109结果变量碳排放强度1.5813.3757.383
表4 必要性分析结果
Tab.4 Necessity analysis
条件变量一致性覆盖度能源效率0.5640.530～能源效率0.5330.512绿色技术创新0.5110.494～绿色技术创新0.5870.548资源依赖0.5710.561～资源依赖0.5210.479政府支持0.6300.601～政府支持0.4720.447环境规制0.5900.568～环境规制0.5270.495产业结构0.5890.574～产业结构0.5120.476对外开放度0.5090.491～对外开放度0.6070.568
图2 必要性分析结果
Fig.2 Necessity analysis
经过必要性分析后,进一步通过真值表检验各条件组态充分性。使用fsQCA3.0软件进行条件组态分析时,根据实际情况设置相关参数。参考Wagemann等[56]的建议,将原始一致性阈值、PRI一致性阈值和案例频数阈值分别设置为0.8、 0.7、1。组态分析结果会产生3个解,分别为复杂解、简单解和中间解。通过对比简单解与中间解识别条件属性,即同时出现在两个解中的变量为核心条件,只出现在中间解中的变量为边缘条件。其中,绿色低碳转型效果较好的条件组态共6个,分别代表不同转型路径,具体结果如表5。
(1)组织与环境共同驱动型。路径1显示,以高资源依赖、高政府支持和高对外开放度作为核心条件,高互补性产业结构作为边缘条件的组合路径可以产生高水平低碳转型。研究显示,路径1的一致性为0.84,原始覆盖度为0.09,说明路径1可以解释9%的案例情况。此外,路径1呈现出组织与环境共同驱动型特征,即资源型城市转型效果好主要源于组织层面和环境层面核心条件的共同驱动。该路径的典型案例是渭南和咸阳。相关统计资料显示,渭南虽然在能源效率、绿色技术创新等方面位于末位,但在政府支持、资源依赖和对外开放度方面的表现远优于其它城市,处于领先水平。咸阳地理位置优越,矿产资源丰富,当地政府积极引进投资以化解工业产能过剩,助推工业体系实现循环经济,有效促进产业结构合理化、低碳化;同时,通过全面推进垃圾分类,开展生态环境治理,助力当地全面绿色转型。这表明,以渭南和咸阳为代表的城市主要依靠政府的低碳转型投入并积极引进投资,加快产业升级,促进低碳转型。
(2)政策驱动型。路径2显示,以高资源依赖和高环境规制作为核心条件的组合路径可以产生高水平低碳转型。研究显示,路径2的一致性为0.87,原始覆盖度为0.07,说明路径2可以解释7%的案例情况。路径2呈现出政策驱动型特征,即当能源效率较低、绿色技术创新不足时,资源型城市通过降低资源依赖程度并加强政府环境规制也能够实现较高水平转型。六盘水和平凉是该类城市的典型代表。六盘水和平凉的经济发展较落后、绿色技术创新能力不足,同时,政府财政收入有限,无法提供充足的环保资金,只能通过加强政策引导促进企业绿色发展,并降低当地的资源依赖程度,寻求更好的产业升级机会,进一步实现低碳转型。
(3)政府主导型。路径3显示,以高政府支持和高环境规制作为核心条件的组合路径可以实现高水平低碳转型。研究显示,路径3的一致性为0.85,原始覆盖度为0.11,说明路径3可以解释11%的案例情况。路径3呈现出政府主导型特征,即主要依赖政府的政策导向驱动,并提供充足的环保资金。滁州和南阳是该类城市的典型代表。滁州通过不断摸索,找到适合自己的发展方向——分布式光伏发电,通过大力投资分布式光伏发电并引导、鼓励企业利用清洁能源,最大限度释放潜能,促进节能减排。河南是全国的经济大省,南阳的经济水平在河南也处于前列,这使得政府拥有充足的财政资金投入低碳转型,同时,政府积极引导并严格落实煤炭消费替代政策,推动冶金、化工等行业降碳改造。对比路径2和路径 3可知,当具有高环境规制时,资源依赖(组织层面)与政府支持(组织层面)存在替代关系。
(4)技术与组织联动型。路径4显示,以高能源效率、高绿色技术创新、高资源依赖和高环境规制作为核心条件,并辅以高政府支持的组合路径可以产生高水平低碳转型。研究显示,路径4的一致性为0.86,原始覆盖度为0.08,说明路径4可以解释8%的案例情况。路径4呈现出技术与组织联动型特征,即技术与组织层面因素都拥有,且多数作为核心条件存在。榆林是该类城市的代表。榆林作为国家重要的能源基地,长期“倚能重能”的发展模式导致其产业结构单一,但减碳并不是一刀切地“去能化”。榆林通过政策引导,从源头对电力行业降碳,严控火力发电,大力发展新能源发电,不断提高能源效率,同时,通过能耗双控倒逼技术进步,有效促进当地低碳转型。
(5)技术与环境联动型。路径5显示,以高能源效率、高绿色技术创新、高政府支持和高产业结构作为核心条件,并辅以高对外开放度的组合路径可以产生高水平低碳转型。研究显示,路径5的一致性为0.84,原始覆盖度为0.09,说明路径5可以解释9%的案例情况。路径5呈现出技术与环境联动型特征,即主要依靠技术与环境层面因素联动,辅以政府支持,加强三个层面协同,促进低碳转型。承德和赤峰是该类城市的典型代表。承德近年不断加大技术创新投入,加快打造风、光、水三大能源基地,有效破解产业升级和北京清洁能源供应难题,并牢固树立“生态优先,绿色发展”理念。赤峰的经济水平在内蒙古处于前列,有力支持了其技术创新投入,通过构建能耗节约基础,促进产业升级与环境保护相辅相成,不断提升转型效果。对比路径4和路径5可知,在拥有高能源效率和高绿色技术创新水平时,资源依赖(组织层面)与环境规制(环境层面)的组合和产业结构(环境层面)与对外开放度(环境层面)的组合形成替代关系。
表5 108个资源型城市转型组态路径
Tab.5 Transformation configuration paths of 108 resource-dependent cities
条件变量路径1路径2路径3路径4路径5路径6能源效率●●绿色技术创新●●资源依赖●●●●政府支持●●●●●环境规制●●●●产业结构●●●对外开放度●●●一致性0.840.870.850.860.840.90原始覆盖度0.090.070.110.080.090.06唯一覆盖度0.050.040.070.040.050.01总体一致性0.84总体覆盖度0.34
注:●为核心条件存在; ●为边缘条件存在 ; ⊗为核心条件缺失;⊗为边缘条件缺失
(6)环境主导的组织辅助型。路径6显示,以高政府支持和高对外开放度作为核心条件,并辅以高资源依赖、高环境规制和高产业结构的组合路径也可以产生高水平低碳转型。研究显示,路径6的一致性为0.90,原始覆盖度为0.06,说明路径6可以解释6%的案例情况。路径6呈现出环境主导的组织辅助型特征,即通过环境主导、组织辅助,倒逼技术升级,从而产生高水平低碳转型。临汾是该类城市的代表。临汾矿产资源丰富,尤其是煤炭储量惊人。基于资源禀赋,临汾通过煤矿智能化建设,推动绿色开采,在保障经济发展的同时,持续增加环保投入,促进煤炭转型升级,做到不争一时发展,牢记“绿水青山就是金山银山”。对比路径4和路径6可知,在存在高资源依赖、高政府支持和高环境规制时,能源效率(技术层面)与绿色技术创新(技术层面)的组合和产业结构(环境层面)与对外开放度(环境层面)的组合形成替代关系。
由图3可以看到,在典型代表城市中,2015年碳排放强度最高的是赤峰,2020年碳排放强度最高的是临汾;2015和2020年碳排放强度最低的均是渭南。从城市变化来看,各城市碳排放强度变化率均处于上升趋势,其中,上升最多的是咸阳,接近20%;最少的是承德,不足5%。
图3 各典型城市2015、2020年碳排放强度及其在2015-2020年碳排放强度变化率
Fig.3 Carbon emission intensities in 2015 and 2020 and the change rates from 2015 to 2020
遵循以往研究中使用fsQCA方法的经验,一般采用3种常规的稳健性检验方法,分别是调高原始一致性阈值、调高PRI一致性、增加或减少案例数[57]。本文选择第一种方法,将原始一致性阈值由0.8提高到0.85,具体结果如表6所示。结果显示,检验结果与原始一致性阈值为0.8的组态路径一一对应,表明资源型城市低碳转型条件组态结果具有良好的稳健性。
表6 调高原始一致性阈值后的组态路径
Tab.6 Configuration path to increase the original consistency threshold
条件变量路径1路径2路径3路径4路径5路径6能源效率●●绿色技术创新●●资源依赖●●●●政府支持●●●●●环境规制●●●●●产业结构●●对外开放度●●一致性0.870.940.880.860.900.90原始覆盖度0.060.060.080.080.060.06唯一覆盖度0.020.030.040.040.030.01总体一致性0.88总体覆盖度0.23
注:●为核心条件存在; ●为边缘条件存在 ; ⊗为核心条件缺失;⊗为边缘条件缺失
低碳转型是实现资源型城市发展的必然选择,也是促进区域经济可持续发展的根本要求。相较于以往研究大多关注单一要素的影响,本文基于TOE框架和组态视角,从技术(能源效率、绿色技术创新)、组织(资源依赖、政府支持)和环境(环境规制、产业结构和对外开放度)三个层面的整体视角出发,探讨影响低碳转型的重要因素,丰富了TOE框架在低碳转型领域的应用研究,推动了TOE框架与组态分析应用。此外,通过采用fsQCA方法,系统整合技术、组织和环境三个层面要素,实现了多层次要素之间的联动匹配,揭示了资源型城市低碳转型条件要素间的因果关系以及不同条件组态存在的替代关系,为自身情况各异的资源型城市提供了可供选择的低碳转型路径。
具体来说,本文得出如下研究结论:
(1)单因素并非资源型城市低碳转型的促进条件,资源型城市低碳转型是多重要素共同作用的结果,需要技术、组织和环境三方面协同,进一步体现了资源型城市低碳转型的复杂性。
(2)政府支持、环境规制等在促进资源型城市低碳转型方面发挥重要作用。在多条路径中,均包含政府支持和环境规制,因此可以确定二者是资源型城市低碳转型的核心因素。尽管上述两个条件并不是实现低碳转型的必要条件,但对其充分利用和优化,对于实现资源型城市低碳转型能起到事半功倍的效果。
(3)6条关键路径可以产生较好的低碳转型效果,具体包括组织与环境共同驱动型、政策驱动型、政府主导型、技术与组织联动型、技术与环境联动型和环境主导的组织辅助型。6条关键路径的总体覆盖度为34%,能够解释部分资源型城市低碳转型案例。这些城市既包含缺失各类条件的城市,也包含许多核心条件拥有、表现不错的城市。因此,各资源型城市应当结合实际情况,因地制宜地走出一条符合本地特色的低碳转型之路。
(4)各资源型城市应当提升资源配置效率。在转型阶段,并非多投入就一定带来多产出。虽然前期的研发投入、政府支持等有助于低碳转型,但是过多的资源投入也会产生冗余现象。只有合理配置资源,才能有效提升低碳转型效果。
(1)注重内外协同,充分利用区域条件。大部分资源型城市主要基于组织和环境层面因素的共同作用实现低碳转型。资源禀赋好且经济发展水平较高的地区,例如榆林,应当着力推动绿色发展、加强环境保护等,促进产业结构升级,不可盲目地采取“一刀切”的行政手段。同时,不断提升技术水平,形成改造与替代并行的转型路径。
(2)突破技术与管理之间的壁垒,在推动绿色技术创新的同时,加强政府协同。各地需要不断加大技术层面沟通,通过政府牵头,构建科技联创系统,实现“1+1>2”的互利互惠目标。例如可以将滁州富余的光伏发电产能输送至传统能源丰富的临汾。这对于滁州而言,将资源优势转化为经济收益,有助于支持当地低碳转型;对于临汾而言,拓展了当地的清洁能源渠道,提高了清洁能源使用比例。
(3)各地需统筹制度设计,明确整体规划,鼓励企业加大技术投入,积极探讨能源回收模式,实现全局性低碳转型。在持续加大生态保护的同时,加强舆论宣传,加深公众对低碳生活的了解,获得更多社会层面支持。
(4)合理配置资源投入。在转型前期,可以适当加大政府科技支出、环境规制等方面投入,通过多投入获得高收益;随着转型的持续深入,合理优化资源配置,不断提高转型效果。技术水平欠佳的城市需加大研发投入,技术水平领先城市则应强化科技成果转化与应用,不断推进科技与市场的结合。
[1] 李慧, 涂家豪. 多层级视角下能源低碳转型因素组态研究——基于我国30个省域的模糊集定性比较分析 [J]. 技术经济, 2020, 39(8): 152-160.
[2] MUHAMMAD B, KHAN M K, KHAN M I, et al. Impact of foreign direct investment, natural resources, renewable energy consumption, and economic growth on environmental degradation: evidence from BRICS, developing, developed and global countries [J]. Environ Sci Pollut Res, 2021, 28(17): 21789-21798.
[3] 董晓林, 张晔. 自然资源依赖、政府干预与数字普惠金融发展——基于中国273个地市级面板数据的实证分析 [J]. 农业技术经济, 2021, 40(1): 117-128.
[4] PRADHAN B K, GHOSH J. A computable general equilibrium (CGE) assessment of technological progress and carbon pricing in India's green energy transition via furthering its renewable capacity [J]. Energy Econ, 2022, 106(10).
[5] 文淑惠, 陈灿. 考虑环境因素的财政支持资源型城市转型效率研究 [J]. 地域研究与开发, 2019, 38(6): 52-57.
[6] BAI Y P, DENG X Z, JIANG S J, et al. Exploring the relationship between urbanization and urban eco-efficiency: Evidence from prefecture-level cities in China [J]. J Clean Prod, 2018, 195:1487-1496.
[7] 张逸昕, 张杰. 创新驱动、政府规制与资源型城市转型效率研究——基于Super-SBM模型的实证分析 [J]. 河南师范大学学报(哲学社会科学版), 2020, 47(2): 37-44.
[8] 庞明川, 宁赋宪. 经济转型视域下的地方政府投资与资源错配——环境规制的门槛效应及国企依赖度的调节效应 [J]. 西部论坛, 2021, 31(6): 1-17.
[9] 曾胜, 张明龙. 绿色投资、碳排放强度与经济高质量发展——采用空间计量模型的非线性关系检验 [J]. 西部论坛, 2021, 31(5): 69-84.
[10] 张司飞, 王琦. 资源型产业集聚、要素扭曲配置与技术创新 [J]. 工业技术经济, 2020, 39(6): 29-37.
[11] 庄贵阳, 潘家华, 朱守先. 低碳经济的内涵及综合评价指标体系构建 [J]. 经济学动态, 2011, 52(1): 132-136.
[12] 陈诗一. 中国各地区低碳经济转型进程评估 [J]. 经济研究, 2012, 47(8): 32-44.
[13] ZHANG W H, ZHANG J H, LI R. Assessment about development level of low-carbon economy in resource-based city[C].The 2nd International Conference on Renewable Energy and Environmental Technology (REET),2014.
[14] 王学军, 侯睿, 王玲. 基于TOPSIS法的资源型城市低碳转型评价体系研究——以焦作市为例 [J]. 生态经济, 2015, 31(11): 42-46.
[15] CHAPMAN A, SHIGETOMI Y, OHNO H, et al. Evaluating the global impact of low-carbon energy transitions on social equity [J]. Environ Innov Soc Trans, 2021, 40:332-347.
[16] 邵帅, 范美婷, 杨莉莉. 经济结构调整、绿色技术进步与中国低碳转型发展——基于总体技术前沿和空间溢出效应视角的经验考察 [J]. 管理世界, 2022, 38(2): 46-69.
[17] 徐胜, 司登奎. 结构转型、能源效率对低碳经济的异质性影响——基于省际数据的面板协整分析 [J]. 软科学, 2014, 28(7): 6-10,39.
[18] 吴巧生, 李慧. 长江中游城市群能源效率评价研究 [J]. 中国人口·资源与环境, 2016, 26(12): 140-146.
[19] 李梦雅, 严太华. 基于DEA模型和信息熵的我国资源型城市产业转型效率评价——以全国40个地市级资源型城市为例 [J]. 科技管理研究, 2018, 38(3): 86-93.
[20] WANG K Y, WU M, SUN Y, et al. Resource abundance, industrial structure, and regional carbon emissions efficiency in China [J]. Resour Policy, 2019, 60:203-314.
[21] ZHANG H L, SHEN L, ZHONG S, et al. Economic structure tansformation and low-carbon development in energy-rich Cities: the case of the contiguous area of shanxi and shaanxi provinces, and iInner mongolia autonomous region of China [J]. Sustainability, 2020, 12(5): 14.
[22] 张复明. 资源的优势陷阱和资源型经济转型的途径 [J]. 中国人口·资源与环境, 2002, 12(4): 10-15.
[23] 杨明华, 周娜. 资源型区域经济可持续发展的途径:特色产业集群的升级与转型 [J]. 科技进步与对策, 2009, 26(17): 37-40.
[24] WU J H, HUANG X H, GAO Y. The Study on the low-carbon transformation and sustainable development of the resource-based cities[C].The Proceedings of the 2nd International Conference on Energy and Environmental Protection (ICEEP 2013),2013.
[25] FRAGKOS P, VAN SOEST H L, SCHAEFFER R, et al. Energy system transitions and low-carbon pathways in Australia, Brazil, Canada, China, EU-28, India, Indonesia, Japan, Republic of Korea, Russia and the United States [J]. Energy, 2021, 216:13.
[26] 黎江平, 姚怡帆, 叶中华. TOE框架下的省级政务大数据发展水平影响因素与发展路径——基于fsQCA实证研究 [J]. 情报杂志, 2022, 41(1): 200-207.
[27] 张诗卉, 李明煜, 王灿,等. 中国省级碳排放趋势及差异化达峰路径 [J]. 中国人口·资源与环境, 2021, 31(9): 45-54.
[28] LIU Y J, DONG F. How technological innovation impacts urban green economy efficiency in emerging economies: a case study of 278 Chinese cities [J]. Resour Conserv Recycl, 2021, 169:105534.
[29] AHMAD M, ISIK C, JABEEN G, et al. Heterogeneous links among urban concentration, non-renewable energy use intensity, economic development, and environmental emissions across regional development levels [J]. Sci Total Environ, 2021, 765:144527.
[30] 范丹, 刘婷婷. 低碳城市试点政策对全要素能源效率的影响机制和异质性研究 [J]. 产业经济评论, 2022, 10(2): 93-111.
[31] MOHSIN M, HANIF I, TAGHIZADEH-HESARY F, et al. Nexus between energy efficiency and electricity reforms: a DEA-based way forward for clean power development [J]. Energy Policy, 2021, 149:112052.
[32] DU K R, LI J L. Towards a green world: How do green technology innovations affect total-factor carbon productivity [J]. Energy Policy, 2019, 131:240-250.
[33] 古惠冬, 杨维光, 陈文捷. 绿色技术创新对城市碳减排的效应研究 [J]. 学术探索, 2022,30(3): 120-132.
[34] DONEGAN M, LESTER T W, LOWE N. Striking a Balance:a national assessment of economic development incentives [J]. Urban Aff Rev, 2021, 57(3): 794-819.
[35] YANG X L, HE L Y, XIA Y F, et al. Effect of government subsidies on renewable energy investments:the threshold effect [J]. Energy Policy, 2019, 132:156-166.
[36] 吴建祖, 范会玲. 基于组态视角的企业绿色创新驱动模式研究 [J]. 研究与发展管理, 2021, 33(4): 41-53.
[37] MUHAMAD G M, HESHMATI A, KHAYYAT N T. How to reduce the degree of dependency on natural resources [J]. Resour Policy, 2021, 72:102047.
[38] HU H, RAN W J, WEI Y C, et al. Do energy resource curse and heterogeneous curse exist in provinces? evidence from China [J]. Energies, 2020, 13(17): 25.
[39] 董利红, 严太华. 资源依赖度对中国区域经济增长影响研究 [J]. 重庆大学学报(社会科学版), 2021, 27(5): 1-12.
[40] 张艳, 张雨, 孙哲远. 资源依赖、政府治理能力对资源型城市绿色经济转型的影响 [J]. 南京财经大学学报, 2022,40(2):76-85.
[41] DU K R, CHENG Y Y, YAO X. Environmental regulation, green technology innovation, and industrial structure upgrading:the road to the green transformation of Chinese cities [J]. Energy Econ, 2021, 98(10).
[42] 高红贵, 许莹莹, 朱于珂. 命令控制型环境规制对碳市场价格的影响——来自中央环保督察的准自然实验 [J]. 中国地质大学学报(社会科学版), 2022, 22(3): 54-66.
[43] FENG Y C, WU H Y. How does industrial structure transformation affect carbon emissions in China: the moderating effect of financial development [J]. Environ Sci Pollut Res, 2022, 29(9): 13466-13477.
[44] 赵玉焕, 钱之凌, 徐鑫. 碳达峰和碳中和背景下中国产业结构升级对碳排放的影响研究 [J]. 经济问题探索, 2022, 43(3): 87-105.
[45] MTAR K, BELAZREG W. On the nexus of innovation, trade openness, financial development and economic growth in European countries: new perspective from a GMM panel VAR approach [J]. International Journal of Finance &Economics,2023, 28(1):766-791.
[46] 陈国福, 唐炎钊. 经济高质量发展的内外双循环驱动因素和政府竞争的影响机制 [J]. 经济问题探索, 2022, 43(1): 1-14.
[47] FISS P C. Building better causal theories: a fuzzy set approach to typologies in organization research [J]. Acad Manage J, 2011, 54(2): 393-420.
[48] FURNARI S, CRILLY D, MISANGYI V F, et al. Capturing causal complexity: heuristics for configurational theorizing [J]. Academy of Management Review, 2021, 46(4):778-799.
[49] STOKKE O S.Qualitative comparative analysis,shaming, and international regime effectiveness [J].Journal of Business Research,2007,60(5):501-511.
[50] 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, 40(7): 23-32.
[51] 王飞航, 本连昌. 创新生态系统视角下区域创新绩效提升路径研究 [J]. 中国科技论坛, 2021, 38(3): 154-163.
[52] 李江龙, 徐斌. “诅咒”还是“福音”:资源丰裕程度如何影响中国绿色经济增长[J]. 经济研究, 2018, 53(9): 151-167.
[53] 李婉红, 李娜. 自然资源禀赋、市场化配置与产业结构转型——来自116个资源型城市的经验证据 [J]. 现代经济探讨, 2021, 40(8): 52-63.
[54] 李玥萤, 黄丽君. 财政环保支出对碳减排的空间溢出效应分析 [J]. 统计与决策, 2022, 38(15): 154-158.
[55] 段忠贤, 吴鹏. 科技资源配置效率影响因素组态与路径研究——基于中国内地30个省市的QCA分析 [J]. 科技进步与对策, 2021, 38(22): 11-18.
[56] VERWEIJ S. Set-theoretic methods for the social sciences: a guide to qualitative comparative analysis [J].International Journal of Social Research Methodology,2013,16(2):165-169.
[57] 张明, 杜运周. 组织与管理研究中QCA方法的应用:定位、策略和方向 [J]. 管理学报, 2019, 16(9): 1312-1323.