开放科学(资源服务)标识码(OSID)：
This study uses multiple double-difference models and panel data from 266 cities in China from 2009 to 2021 to empirically analyze the impact of low-carbon pilot policies on carbon neutrality technological innovation and urban heterogeneity.It also examines the mediating effects of government regulation,market system,and social supervision,as well as the spatial spillover effects of pilot policies.The results show that (1) low-carbon pilot policies promote carbon neutrality technological innovation in pilot cities,and compared with negative carbon technological innovation,the positive impact of low-carbon pilot policies on zero carbon and low-carbon technological innovation is more significant; the policy effects of low-carbon pilot projects have heterogeneity,and they play stronger roles in cities with high administrative levels,large population sizes,low resource dependence,high digitization levels,and high environmental regulations.(2) The low-carbon pilot policy promotes urban carbon neutrality technological innovation by optimizing the institutional environment,mainly through strengthening government regulation,improving market systems,and enhancing social supervision.Among them,government regulation has the strongest transmission effect,followed by market systems,and social supervision has the smallest effect.(3) The low-carbon pilot policy has a significant positive spatial spillover effect,with indirect effects from neighboring regions accounting for up to 77%,and the optimization of industrial structure has strengthened the spillover effect of the low-carbon pilot policy.
On this basis,this study proposes to keep promoting the pilot construction of low-carbon cities.The government should draw on the construction experience of the previous batches of pilot cities to form pilot policy templates,and adopt differentiated low-carbon development strategies according to urban characteristics.Then it is essential to choose the optimal or appropriate path to promote innovation in urban carbon neutrality technology; appropriately strengthen local government regulation and carry out targeted control and support policies.Meanwhile,in order to create a fair and just market environment,it is necessary to promote the construction of market system,and raise the environmental protection threshold for foreign investment; the government should step up its efforts on environmental publicity,encourage social forces to participate in environmental problem governance,and continuously optimize the mechanism for reporting and feedback on environmental information.Lastly,it is critical to give full play to the spatial spillover effects of low-carbon pilot policies to promote the coordinated development of carbon neutrality technological innovation in cities across the country,optimize the overall layout plan of low-carbon pilot cities,fully leverage the benchmark and demonstration roles of pilot cities,actively build a carbon neutrality technological innovation exchange platform,and establish a regional coordinated development mechanism.
This study integrates the research results of low-carbon pilot policies and carbon neutrality technological innovation.Starting from the perspective of policy effect evaluation and institutional theory,it explores the impact of low-carbon pilot policies on carbon neutrality technological innovation,enriching the research on the relationship between low-carbon pilot policies and carbon neutrality technological innovation.In addition,the role mechanism of the pilot policy is analyzed from the perspectives of the government,market and society,which opens the "black box" of the impact of the pilot policy on carbon neutral technological innovation.The research results provide a theoretical basis and practical support for improving low-carbon pilot policies and promoting urban carbon neutrality technological innovation.
开放科学(资源服务)标识码(OSID)：
国际能源署(IEA)数据显示,2022年全球二氧化碳排放总量比上年增长0.9%,高达3.21亿t,二氧化碳的过度排放加速全球气候变暖和生态失衡[1]。中共二十大报告明确指出,加快发展方式绿色转型,推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节[2]。低碳试点政策是我国为实现“双碳”目标的重要尝试,首批低碳省区和城市试点工作于2010年启动,2012年、2017年分别开展第二批、第三批低碳试点城市建设,试点城市范围不断扩大。试点政策内容更丰富,第二、三批试点逐步加入编制温室气体排放清单、确立碳排放控制目标和碳达峰时间、探索制度创新等政策要求,更加重视技术创新,通过开展低碳认证、建设低碳园区、推进低碳技术联合开发等方式为城市低碳创新发展注入活力。碳中和技术创新以碳减排和碳抵消为根本目的,包含碳捕捉、碳封存、能源发电以及交通运输等气候变化减缓技术开发与应用活动[3]。低碳试点政策将碳减排目标落实到城市层面,各试点城市结合资源禀赋与经济发展情况制定低碳发展规划,因此不同城市试点政策的低碳创新驱动效果可能不同。制度环境包含政府、市场和社会等多个主体要素,在政策制定、执行以及资源配置等方面扮演重要角色[4]。那么,低碳试点政策实施是否会优化试点地区制度环境,进而影响城市碳中和技术创新?根据空间经济学理论,地理邻近的试点城市之间具有空间依赖性,试点政策在不同城市间究竟是发挥示范引导还是资源争夺效应?针对上述问题的解答有利于从整体上把握低碳试点政策作用机理及空间特征,完善中国低碳城市建设,并最大化发挥试点政策的创新驱动效应。
自低碳试点政策实施以来,学术界围绕其政策内涵、建设模式以及扩散机制展开了充分探讨。世界自然基金会(WWF)将低碳城市定义为:在经济高速发展的同时,实现较低水平能源消耗与碳排放的城市。低碳城市发展模式为解决资源环境约束下城市发展提供了可行思路,任何城市要实现低碳发展都必须根据城市特征选取适宜模式(宋德勇和张纪录,2012)。低碳试点政策具有往复多次“试点—扩散”的线性逻辑,需从激发低碳发展内生动力、建立长效激励与约束机制等方面破解政策短板[5]。郑石明和尤朝春(2023)则将低碳试点政策分为层级扩散与主动扩散两大模式,其中,层级扩散模式下试点政策的减污效果更优。随着低碳试点政策进一步推广,试点政策的经济和环境效应评估成为研究重点。在经济效应上,试点政策不仅有助于试点城市吸引外商投资(Zhao&Wang,2021)、带动企业发展[6]和城市就业水平提升(闫里鹏和牟俊霖,2023),而且还会通过技术创新效应和资源配置效应提高当地企业全要素生产率[7]。在环境效应上,低碳试点政策显著降低城市空气污染,企业排污减少和产业结构升级是发挥政策效应的主要途径(宋弘等,2019);陆贤伟(2017)发现,第一批低碳试点城市建设未对区域碳排放总量产生显著影响;而王连芬等[8]、Zhang等[9]结合三批试点城市样本,证明试点政策能有效降低城市碳排放总量、提高碳排放效率,且减碳效应在非资源型城市、地理区位优越及创新水平高的城市表现更显著。
碳中和技术创新是以缓解气候环境变化为宗旨,面向“双碳”目标的突破性技术创新,它是由节能提效低碳技术、可再生能源发电和替代性燃烧技术等零碳技术以及碳捕获与处置等负碳技术组成的技术创新体系[10]。碳中和技术创新有利于降低环境负担、推动可持续发展,属于绿色创新或生态创新范畴,侧重于最大限度地减少能源消耗和污染,最终实现碳减排[11]。赵志耘和李芳(2021)从经济学视角分析碳中和技术的经济可行性及存在风险;Ren等[12]探讨了中国钢铁行业碳中和技术的成本效益和发展前景;还有学者则从成本控制角度分析碳中和关键核心技术突破路径(黄鲁成等,2022)。
然而,有关低碳试点政策对碳中和技术创新影响的文献较少,且结论不一致。如Qu等[13]指出,低碳试点政策能够推动能源技术创新往清洁方向发展;Tian等(2021)发现,低碳试点政策会抑制城市整体绿色创新水平;徐佳和崔静波(2020)、Ma等(2021)则证实低碳试点政策能够促进本地企业绿色创新,且环境规制、税收优惠和政府补贴是试点政策发挥效用的主要传导机制。部分研究发现,低碳试点政策能够推动邻近非试点城市企业绿色创新,且溢出效应大于直接效应(田玲和刘春林,2021)。制度是各创新主体必须遵守的外部准则,新技术发展依赖于制度环境[14]。贾建锋等[15]从正式和非正式制度视角考察政府管制、社会监督等制度环境对绿色创新的影响,但鲜见探讨低碳试点政策、制度环境优化与碳中和技术创新三者关系的文献。
通过对现有文献的梳理发现:①已有研究较多关注低碳试点政策对城市碳减排和经济增长的影响,而考察低碳试点政策对城市碳中和技术创新影响的分析不多;②现有文献从政府补贴、环境规制等角度探讨低碳试点政策的创新驱动效应,鲜见基于制度理论的机制分析,而制度环境是提升碳中和技术创新水平的重要保障;③关注低碳试点政策对试点城市产生的创新效应,但是忽略试点政策对邻近城市创新的影响,试点政策的空间溢出效应研究有待深入。
基于此,本文创新点及边际贡献包括以下方面:第一,研究视角创新。从政策效应评估及制度理论视角出发,探讨低碳试点政策对碳中和技术创新的影响及作用机制,进而丰富低碳试点政策与碳中和技术创新关系研究。第二,研究内容创新。以城市为研究对象,系统分析试点政策的创新驱动效应及其城市异质性,深入考察该政策效应的中介机制和空间溢出机制,细化低碳试点政策效应评估内容,为因地制宜制定和实施试点政策提供理论参考。第三,研究方法创新。将理论分析与实证检验相结合,综合利用多期双重差分、空间双重差分等多种计量模型检验试点政策对碳中和技术创新的影响,有助于减少内生性问题,保证研究结果准确性。
低碳试点政策属于城市层面的环境规制政策,根据波特假说理论,环境规制可以倒逼企业开展资源节约、减污降碳的研发活动,并通过创新补偿效应弥补企业减排成本[16]。中央政府授予试点城市低碳发展模式自主选择权,下达包括设立碳排放目标、建立碳排放统计监督管理体系、完善低碳产业体系、推广节能减排技术和低碳生活理念等在内的试点任务。首先,设定城市碳排放目标,将减排责任落实到企业层面,对重点企业实施限排、征收碳税和强令技术改造等,倒逼企业开展碳减排技术研发,建立低碳创新市场机制,促进市场信息透明化,降低企业碳中和技术创新风险(Qiu等,2021)。其次,建设低碳园区,促进企业间资源集聚共享和循环利用,形成低碳产业集聚示范效应,并通过设立低碳发展专项基金和绿色信贷资金等激发创新主体动能。另外,大力推广使用新能源汽车,建立绿色交通体系,利用生活垃圾焚烧发电、使用节能路灯等方式营造低碳生活环境,增强市民低碳生活意识,搭建绿色消费和绿色投资的市场环境[17],从供给侧推动城市碳中和技术创新。
低碳试点政策对碳中和技术创新的促进作用可能会受到城市异质性的影响:第一,行政等级高的城市如省会城市,在城市发展机遇与资源方面占据优势,往往享有优先发展权,从而有利于城市推进碳中和技术创新;第二,规模较大城市的基础设施服务更健全,在资源配置与利用方面更高效(石大千等,2018),易产生创新要素集聚效应,有利于低碳技术创新活动开展;第三,高资源依赖型城市较多依靠自然资源禀赋发展重工业[18],有利于经济社会发展,但过度依赖资源易滋生创新惰性,形成资源诅咒效应,阻碍城市碳中和技术创新;第四,城市数字化水平高,有利于加快知识信息流动,促进区域资源交互、融合并提升协同能力(戚聿东和肖旭,2020),进而打破市场分割,降低要素搜寻成本,实现碳中和技术创新资源的优化配置;第五,城市环境规制强度高,表明企业面临较大的合规成本与政策压力,从而倒逼企业从事低碳技术研发活动[19]。因此,本文提出以下研究假设:
H1a:低碳试点政策促进城市碳中和技术创新。
H1b:低碳试点政策对碳中和技术创新的促进作用具有城市异质性,在高行政等级、大规模、低资源依赖、高数字化水平和高环境规制强度的城市表现更显著。
制度理论认为,制度作为社会游戏规则的一种,对组织创新行为具有显著影响[20],良好的制度环境能够减少创新过程中的知识窃取、搭便车等机会主义行为[21]。制度组成具有复杂性,其中,政府管制是弥补市场失灵、保障经济平稳运行的重要制度组成;市场制度是为维护市场秩序,对市场活动进行监督和管理的制度安排;社会监督是利用公众关注压力约束个体行为的非正式制度,其采用信任与关系网络以弥补正式制度缺陷(Webb等,2020)。基于此,本文从政府管制、市场制度和社会监督3个方面探讨制度环境优化在低碳试点政策驱动创新中的传导作用。
碳中和技术创新具有双重外部性,个体因无法独占绿色创新收益而缺乏积极性,政府通过职能活动干预资源配置,进而影响企业创新行为。一方面,政府管制能有效降低市场外部性和信息不对称性,通过对环保和创新产业提供财政支持,对污染行为进行行政处罚,引导企业开展温室气体处理等技术研发和应用活动。另一方面,政府干预性政策为企业指明了改进现有产品、优化组织架构的方向,引导企业结合实践经验形成统一规则和程序,提高研发成果转化率和应用率(张峰和王睿,2016)。试点城市政府通过建设碳排放在线监测系统、出台低碳发展相关条例、征收碳税等措施管控企业排污行为,设立的绿色信贷有利于破解低碳创新项目落地难问题,缓解融资约束,并通过政府认证效应助力企业开拓市场,实现低碳创新发展。
市场是创新活动的动力源头和创新价值实现载体,完善的市场制度有利于打破地方行政垄断壁垒,降低市场进入门槛,让市场运行更自由开放,促进技术、信息等资源快速流动,降低企业创新成本。另外,公开、透明的市场制度有利于减少市场信息不对称性,降低企业创新风险,且便于社会公众监督政府及各执法主体,规范政府行为,减少寻租现象,推动地方政府将有限资源投入到适合市场需求的低碳产品研发中[22]。低碳试点城市通过大力推进法治市场建设,构建良好的市场制度环境,加强低碳领域知识产权保护,促进绿色技术和产品认证,维护创新者合法权益,为碳中和技术研发和应用提供制度保障。
社会监督是约束政府和企业行为的第三方监管机制,低碳试点城市推行低碳生活与消费理念,有利于提高公众低碳环保意识,加强社会环境监督。在公众舆论压力下,政府会提高政务透明度,而企业唯有依靠产品研发和质量管理才能获得更多消费者认可,从而倒逼企业开展碳中和技术创新。社会公众重视企业经营行为对环境的影响,企业为了维护自身形象、获得合法性,往往会迎合公众环保意愿,降低企业生产中的能耗和碳排放,寻求低碳创新转型[23]。另外,低碳试点城市实行信息公开机制,对外公布碳排放及能源消耗数据,鼓励社会公众参与外部监督,有助于提高社会监督有效性,促使企业等市场主体主动寻求碳中和技术创新。因此,本文提出以下研究假设:
H2a:低碳试点政策通过加强政府管制推动城市碳中和技术创新;
H2b:低碳试点政策通过完善市场制度推动城市碳中和技术创新;
H2c:低碳试点政策通过加强社会监督推动城市碳中和技术创新。
低碳试点政策具有空间溢出效应,其对邻近城市碳中和技术创新产生积极影响。首先,低碳试点政策有利于吸引创新要素向试点地区集聚,当试点地区要素集聚到一定程度,会引致创新要素向周边溢出。随着区域间经济、技术合作不断加强,低碳技术溢出效应更加显著,进而带动周边城市碳中和技术进步。其次,相邻城市在资源禀赋上具有相似性,周边地区会效仿地理邻近城市的试点政策和行为,使得低碳试点政策对周边城市产生示范效应(田玲和刘春林,2021),促进区域间碳中和技术扩散。最后,低碳试点政策会通过产业关联效应(文雁兵等,2015),促进碳中和技术在生产技术结构相似企业的扩散,从而促进周边地区关联企业碳中和技术创新。
低碳城市建设重点是发展以“低碳、环保、循环”为特征的低碳产业体系,这与产业结构优化目标不谋而合。产业结构优化带来结构红利,大量资金流向资本密集型行业,易于形成创新规模效应,降低碳减排技术研发成本,促进城市碳中和技术创新。在产业结构完善的城市,区域内、区域间产业关联与合作较频繁,有利于创新资源配置、创新成果产出以及区际扩散。同时,产业结构完善城市的碳中和技术创新需求较大,创新主体对低碳试点政策的接受度较高,且政策资源利用更充分,有利于发挥低碳试点政策的创新驱动效应。因此,本文提出以下研究假设:
H3a:低碳试点政策具有空间溢出效应,该政策能够促进邻近地区碳中和技术创新;
H3b:产业结构优化会强化低碳试点政策对城市碳中和技术创新的空间溢出效应。
综上,本文构建理论框架如图1所示。
图1 理论框架
Fig.1 Theoretical framework
2.1.1 基准回归模型
本文将低碳试点政策实施作为一项准自然实验,以三批试点城市作为实验组,其它非试点城市作为对照组,构建多期双重差分模型以探究低碳试点政策对城市碳中和技术创新的影响。基准回归模型构建如式(1)所示。
CNTIit=α0+α1Periodt×Treatedi+ρControlit+μi+νt+εit
(1)
其中,i和t分别表示城市与时间,Periodt×Treatedi表示是否受到政策冲击的虚拟变量,Treatedi为政策实施对象虚拟变量,实验组取值为1,其它地区取值为0,Periodt为政策实施时间虚拟变量,根据政策实施前后,Periodt取值分别为0与1;CNTIit代表i城市t年的碳中和技术创新水平,Controlit是控制变量,μi、νt分别为地区和时间固定效应,εit是残差。
2.1.2 异质性检验模型
低碳试点政策效应会受到试点城市特征的影响,为此,引入城市特征虚拟变量(City),采用三重差分法(DDD)检验低碳试点政策效应的城市异质性,构建模型如式(2)所示。
CNTIit=α0+α1Periodt×Treatedi+α2Periodt×Treatedi×City+ρControlit+μi+νt+εit
(2)
其中,City为城市特征变量,Periodt×Treatedi×City为低碳试点政策实施变量与城市特征变量交互项。Highgrade表示城市行政等级变量,若城市为省会城市或直辖市,则Highgrade=1,反之Highgrade=0。采用Largescale表示人口规模变量,根据2014年国务院发布的《关于调整城市规模划分标准的通知》,若城市人口规模大于500万,则Largescale=1,否则为0。以Highdepend表示城市资源依赖变量,依据《全国资源型城市可持续发展规划(2013-2020年)》公布的城市分类标准,该城市属于资源型城市,则Highdepend=1,否则为0。以Highdigital表示数字化水平或环境规制强度,若该城市数字化水平或规制强度高于全国城市平均水平,则赋值为1,否则为0。此外,若α2显著为正,则表示低碳试点政策对该城市碳中和技术创新具有显著促进作用;若α2显著为负,则结论相反。
2.1.3 中介机制检验模型
为检验制度环境因素在低碳试点政策创新驱动效应中的传导作用,构建模型如式(3)所示。
Mit=α+λPeriodt×Treatedi++ρControlit+μi+νt+εit
(3)
CNTIit=α+θPeriodt×Treatedi+δMit+ρControlit+μi+νt+εit
(4)
其中,Mit为机制变量,细分为政府管制(Governit)、市场制度(Marketit)和社会监督(Socialit)3个维度,机制变量的间接效应占比表示为λ×δ/(λ×δ+θ)。
2.1.4 空间双重差分模型
为检验低碳试点政策的空间溢出效应,采用LM和LR检验以选择适合的空间计量模型。结果表明,空间杜宾双重差分模型(SDM-DID)最适用于本研究,通过Hausman检验,确定采用固定效应模型。另外,通过比较地区固定、时间固定和地区时间双固定效应的SDM-DID模型回归拟合优度,发现地区固定效应模型的适配度更高。因此,在模型(1)的基础上,构建控制地区固定效应的SDM-DID模型以检验低碳试点政策的空间溢出效应,具体如式(5)所示。
CNTIit=ρW×CNTIit+α1Periodt×Treatedi+α2W×Periodt×Treatedi+γ1Controlit+γ2W×Controlit+μi+εit
(5)
其中,W为空间权重矩阵,主要采用城市间人均GDP差值生成经济距离权重矩阵,并将其与空间邻接、地理距离权重矩阵情形下的回归结果进行对比。其中,ρ为空间自相关系数;α2和γ2分别为低碳试点政策与控制变量的空间溢出效应,其它变量与模型(1)中含义一致。
2.2.1 被解释变量
碳中和技术创新(CNTI),采用人均碳中和技术专利授权量表征。2013年美国与欧洲专利局联合颁布的CPC(合作专利分类)中,将Y02类技术定义为减缓/适应气候变化的相关技术,该类别包含《京都议定书》《巴黎协定》框架内减少温室气体排放的相关技术及降低气候变化不利影响的相关技术(来源于Espacenet网站),符合碳中和技术属性,因此本文采用该专利分类方法。专利授权数能真实反映创新水平(齐绍洲等,2018),且人均专利授权数剔除了人口规模影响,能更为客观地反映各地区创新质量,故本文采用人均碳中和技术专利授权数衡量。依据黄晶等[10]对碳中和技术创新体系构成的界定,将碳中和技术创新分为负碳技术创新(Ncti)、零碳技术创新(Zcti)以及低碳技术创新(Lcti)3种类型,具体分类方法见表1。
表1 碳中和技术创新分类
Table 1 Classification of carbon neutrality technological innovation
创新类型符号具体概念专利分类号专利类别名称负碳技术创新Ncti捕获、贮存和利用二氧化碳的技术创新Y02C温室气体处理技术零碳技术创新Zcti开发和利用非化石能源,实现二氧化碳近“零排放”的技术创新Y02E能源发电、传输或配电有关的碳减排技术低碳技术创新Lcti减少温室气体排放,降低能源消耗的技术创新Y02A适应气候变化的技术Y02B与建筑物相关的气候变化减缓技术Y02D信息和通信技术中的气候变化减缓技术Y02P货物生产或加工中的气候变化减缓技术Y02T与运输有关的气候变化减缓技术Y02W废水或其它废物处理的气候变化减缓技术
2.2.2 解释变量
低碳试点政策(Period×Treated),选取低碳试点政策实施对象与实施时间虚拟变量交互项表示,低碳试点政策实施对象虚拟变量依据样本城市是否为试点城市设立,而低碳试点政策实施时间虚拟变量结合2010年、2013年和2017年三批低碳试点城市实施时间设置。由于第二批试点城市开始时间为2012年11月,接近年末,考虑到政策滞后性,将第二批试点开始时间设为2013年。
2.2.3 中介变量
制度环境,分为政府管制、市场制度和社会监督3种类型:第一,政府管制(Govern)。参考贾建锋等[15]的做法,从政府监管和政府支持两个角度出发,分别选取城市社会管理人员数的自然对数和政府科技费用支出占GDP的比重两个指标,利用熵值法合成为政府管制变量。第二,市场制度(Market)。开放性、竞争性和法制性是市场经济的重要特征,本文参考杨朝均等[14]、赵姝和刘军[24]的研究,从市场开放、市场竞争和市场法制三方面对市场制度进行综合衡量,分别选取城市贸易进出口总额占GDP的比重、城镇私营及个体单位从业人数占城镇总就业人数比重、城市每万人知识产权审判结案数衡量市场开放、市场竞争和市场法制程度,并采用熵值法合成为市场制度综合指数。第三,社会监督(Social)。借鉴王宇哲和赵静(2018)的做法,以“雾霾”为关键词进行百度指数搜索,用获得的城市年均“雾霾”搜索指数表征社会公众对环境问题的关注与监督程度。
2.2.4 控制变量
选取产业结构、外商直接投资、人力资本和经济发展[25]4个控制变量:①产业结构(Incu),采用第三产业增加值与第二产业增加值的比值表征;②外商直接投资(Fdi),选取实际利用外商投资额占GDP的比重表征;③人力资本(Hc),利用本专科及以上学历人口数占城市总人口比重测度;④经济发展水平(Lngdp),以人均地区生产总值的对数表征。
选取2009-2021年中国266个城市(少数城市因数据缺失严重而未纳入)为研究对象,低碳试点城市共117个,碳中和技术专利数据来源于Incopat专利检索系统,根据专利检索式“CPC=Y02ANDPNC=CN”,检索我国各城市碳中和技术专利信息。其它数据来源于《中国城市统计年鉴》《中国环境年鉴》、各省市统计年鉴和统计公报,变量描述性统计分析结果如表2所示。
表2 变量描述性统计分析结果
Table 2 Descriptive statistical analysis results of variables
变量名称变量符号样本量均值标准差最小值最大值碳中和技术创新CNTI34580.3010.8860.00016.691低碳试点政策Period×Treated34580.3340.4720.0001.000政府管制Govern34581.2170.0771.0021.794市场制度Market34582.3200.8901.0268.941社会监督Social34580.0360.0570.0001.000产业结构Incu34581.0010.5620.1095.348外商直接投资Fdi34581.7281.7520.00019.783人力资本Hc34581.9952.4920.00414.440经济发展水平Lngdp345810.6960.6084.59513.056
采用多期双重差分模型实证检验低碳试点政策对城市碳中和技术创新的影响,基准回归结果见表3。由第(1)-(2)列可知,无论是否加入控制变量,Period×Treated交互项系数均显著为正,表明低碳试点政策促进城市碳中和技术创新,研究假设H1a得到验证。由表3中第(3)-(5)列结果可知,低碳试点政策对于负碳、零碳和低碳技术创新的影响系数均显著为正,表明试点政策能有效促进3种类型碳中和技术创新,其中,试点政策对低碳技术创新的影响系数最大(0.173***),对零碳和负碳技术创新的影响依次减弱(0.159***和0.001***)。可能的原因是,负碳技术创新成本与风险较高,且主要作用于二氧化碳的再次利用与转化等末端控制阶段,在试点城市的应用范围较窄。这与逯进和王晓飞[29]的结论基本一致,但其探讨的是低碳试点政策对传统技术创新的影响,而非碳中和技术创新。本文研究结果表明,低碳试点政策不仅有利于传统技术创新,而且会推动城市碳中和技术创新,即研究假设H1a得证。
表3 基准回归结果
Table 3 Benchmark regression results
变量CNTI(1)(2)Ncti(3)Zcti(4)Lowc(5)Period×Treated0.309***0.333***0.001***0.159***0.173***(0.097)(0.097)(0.000)(0.050)(0.049)Incu-0.395**-0.000-0.213**-0.181**(0.176)(0.001)(0.096)(0.083)Fdi0.014**0.0000.005*0.008**(0.007)(0.000)(0.003)(0.003)Hc0.0300.0000.0040.025(0.081)(0.000)(0.043)(0.039)Lngdp-0.676***-0.002***-0.368***-0.306***(0.188)(0.000)(0.096)(0.094)Constant0.0087.051***0.017***3.239***3.796***(0.033)(1.978)(0.005)(1.015)(0.990)城市/年份固定效应YesYesYesYesYes观测值34583458345834583458R20.2620.3210.1210.2540.367
注:***、**、*分别表示1%、5%、10%的显著性水平,括号中数值为稳健标准误,下同
3.2.1 平行趋势检验
通过图示法对比低碳试点政策实施前后城市碳中和技术创新水平变化,结果如图2所示。可以发现,政策冲击前实验组和控制组未出现显著差异,政策冲击后回归系数显著为正且呈现明显上升趋势,表明低碳试点政策对城市碳中和技术创新的影响效果具有一定持续性和稳定性,满足平行趋势假设。
图2 平行趋势
Fig.2 Parallel trend
3.2.2 PSM-DID检验
基于近邻匹配、卡尺匹配和马氏匹配等方法,采用PSM-DID法检验低碳试点政策的创新驱动效应,结果如表4中第(1)-(3)列所示。结果显示,Period×Treated交互项系数显著为正,与基准回归结果一致。
表4 稳健性检验结果
Table 4 Robustness test results
变量PSM-DID检验近邻匹配卡尺匹配马氏匹配(1)(2)(3)替换被解释变量(4)(5)排除其它政策干扰(6)Period×Treated0.260***0.260***0.333***0.118*0.225***0.336***(0.080)(0.080)(0.097)(0.065)(0.068)(0.097)Scp-0.059(0.072)ControlYesYesYesYesYesYesConstant7.991***8.014***7.051***-1.4440.0597.025***(1.826)(1.826)(1.978)(0.878)(0.908)(1.960)城市/年份固定YesYesYesYesYesYes观测值342934253458345834583458R20.3240.3240.3210.9000.7360.321
3.2.3 替换被解释变量
前文采用人均碳中和专利授权数(包括实用新型专利和发明专利)表征,考虑到发明专利具有更高技术含量,分别选取碳中和专利授权数对数和碳中和发明专利授权数对数衡量碳中和技术创新水平,重新进行检验,结果见表4中第(4)列和第(5)列。结果显示,试点冲击的估计系数仍显著为正,表明本文结论稳健可靠。
3.2.4 排除其它政策干扰
碳中和技术创新可能会受到其它政策干扰,通过搜集同期代表性试点政策发现,智慧城市试点政策对城市创新水平具有一定影响[26]。为排除其对低碳试点政策效应的干扰,将智慧城市试点政策实施虚拟变量(Scp)引入主效应模型中,结果如表4中第(6)列所示。可以发现,排除智慧城市试点政策干扰后,低碳试点政策效应依然存在。
3.3.1 行政等级异质性
根据前文异质性分析理论和城市行政等级分类方法,考察试点政策效应在不同行政等级城市的异质性,结果如表5中第(1)列所示。可以发现,Period×Treated×Highgrade交互项系数显著为正,与前文假设一致,表明相对于低行政等级城市,低碳试点政策对高行政等级城市碳中和技术创新的促进作用更显著。由第(2)—(4)列可知,低碳试点政策对高行政等级城市负碳、零碳及低碳技术创新也具有显著促进作用。
表5 城市异质性检验结果
Table 5 Results of urban heterogeneity test
变量CNTINctiZctiLowcCNTICNTICNTICNTI(1)(2)(3)(4)(5)(6)(7)(8)Period×Treated0.203***0.001**0.099**0.104***0.298***0.223***0.259***0.243***(0.078)(0.000)(0.043)(0.038)(0.094)(0.078)(0.083)(0.085)Period×Treated×Highgrade0.992***0.004***0.450***0.538***(0.255)(0.001)(0.121)(0.138)Period×Treated×Largescale0.493*(0.269)Period×Treated×Highdepend-0.556***(0.123)Period×Treated×Highdigital0.212***(0.077)Period×Treated×Highregulate0.784***(0.217)ControlYesYesYesYesYesYesYesYesConstant5.336***0.012***2.462**2.863***5.125***3.361**3.386**4.616***(1.917)(0.004)(0.966)(0.976)(1.922)(1.446)(1.399)(1.748)城市/年份固定YesYesYesYesYesYesYesYes观测值34583458345834583458345834583458R20.3140.1440.2540.3530.3010.2890.2850.330
注:***、**、*分别表示1%、5%、10%的显著性水平,括号中数值为稳健标准误
3.3.2 人口规模异质性
根据人口规模(以500万为分界线),对城市进行分类并将其与试点政策变量的交乘项代入基准回归方程。由表5中第(5)列可知,Period×Treated×Largescale系数显著为正,表明相对于小规模城市,大规模城市更有利于发挥试点政策对碳中和技术创新的促进作用。
3.3.3 资源依赖异质性
资源型城市主要通过开发自然资源推动城市发展,容易陷入“资源诅咒”困境[27],影响试点政策作用效果。依据前文城市资源依赖程度的划分,考察试点政策效应的资源依赖差异性,结果如表5中第(6)列所示。可以发现,Period×Treated×Highdepend系数显著为负,表明城市资源依赖程度越低,低碳试点政策对碳中和技术创新的促进效应越明显。
3.3.4 数字化水平异质性
数字化水平提升有助于增加信息透明度和提高外部关注度,进而影响城市创新机会与成本,本文采用互联网普及率[28]衡量数字化水平,并根据数字化水平对城市分类以检验不同数字化水平下低碳试点政策创新驱动效应的差异,结果如表5中第(7)列所示。可以发现,Period×Treated×Highdigital系数显著为正,表明城市数字化水平越高,低碳试点政策的创新驱动效应越显著。
3.3.5 环境规制强度异质性
根据环境规制强度对城市进行分类,采用环保行政处罚案件数衡量,以探讨不同环境规制强度下试点政策效应的差异。表5中第(8)列报告了环境规制强度异质性检验结果,可以发现,Period×Treated×Highregulate系数显著为正,表明与环境规制强度较低的城市相比,试点政策对环境规制强度较高城市碳中和技术创新的促进作用更显著。综上,研究假设H1b得到验证。
3.4.1 政府管制的作用
政府管制Govern是影响城市碳中和技术创新的重要制度因素,结合前文理论和模型分析,传导机制检验结果如表6所示。第(1)列中Period×Treated系数(0.010***)和第(2)列中Govern系数(9.768***)均显著为正,表明低碳试点政策通过加强政府管制促进城市碳中和技术创新,故研究假设H2a得到验证。这与席龙胜和赵辉[29]的研究结论相似,即在政府严格管制下企业面临更大的环境合法压力,为了提升合法性、获取更多政府资源支持,倒逼企业开展碳中和技术创新活动。经计算得出,该间接效应对总效应的贡献率为31.54%。由第(3)—(5)列可知,政府管制在低碳试点政策与负碳、零碳和低碳技术创新关系中产生显著的传导效应。
表6 政府管制的中介效应检验结果
Table 6 Test results of the mediation effect of government regulation
变量GovernCNTINctiZctiLowc(1)(2)(3)(4)(5)Period×Treated0.010***0.212**0.001**0.102**0.109**(0.003)(0.092)(0.000)(0.048)(0.046)Govern9.768***0.014***4.494***5.261***(2.105)(0.005)(1.061)(1.061)ControlYesYesYesYesYesConstant1.190***-6.545***-0.006-3.003***-3.536***(0.047)(2.119)(0.009)(1.029)(1.116)城市/年份固定效应YesYesYesYesYes观测值34583458345834583458R20.6730.4040.1340.3330.449
注:***、**分别表示1%、5%的显著性水平,括号中数值为稳健标准误,下同
3.4.2 市场制度的作用
市场制度的机制检验结果如表7所示,结果显示,第(1)列中Period×Treated系数(-0.105**)和第(2)列中Market系数(-0.565***)均显著为负,表明市场制度在试点政策与碳中和技术创新之间起负向传导作用,且该间接路径的贡献率为19.18%。同理,如表7第(3)—(5)列所示,在负碳、零碳和低碳技术创新方面,市场制度也呈现出负向传导作用,故研究假设H2b未得到验证。
表7 市场制度的中介效应检验结果
Table 7 Test results of the mediation effect of the legal system
变量MarketCNTINctiZctiLowcOpenCNTICompeteCNTILegalCNTI(1)(2)(3)(4)(5)(6)(7)(8)(9)(10)(11)Period×Treated-0.105**0.250***0.001***0.330**0.133***-0.034**0.244***-0.0070.307***0.428***0.260***(0.042)(0.095)(0.000)(0.049)(0.048)(0.015)(0.094)(0.010)(0.098)(0.114)(0.092)Market-0.565***-0.000*-0.294***-0.270***(0.179)(0.000)(0.090)(0.090)Open-1.915***(0.642)Compete-0.373**(0.160)Legal0.116***(0.004)ControlYesYesYesYesYesYesYesYesYesYesYesConstant3.281***6.936***0.013***3.312***3.612***0.3115.679***0.882***5.412***9.0694.026***(0.728)(2.137)(0.004)(1.085)(1.080)(0.250)(1.811)(0.161)(2.006)(8.508)(1.472)城市/年份固定效应YesYesYesYesYesYesYesYesYesYesYes观测值34583458345834583458345834583458345834583458R20.0690.3770.1200.3300.4010.0360.3920.2160.2950.1330.444
为进一步探究产生以上结果的原因,本文从市场开放(Open)、市场竞争(Compete)和市场法制(Legal)3个维度出发,分别检验市场制度子维度的传导作用,结果如表7第(6)—(11)列所示。由第(6)和(7)列可知,市场开放不利于城市碳中和技术创新(-0.034**),这是因为市场开放会促进外来资本流入,引致外资企业污染转移行为,对城市碳中和技术创新产生阻滞作用,而试点城市更注重低碳发展理念,对外资企业设置了较高的环保准入门槛,降低了试点城市的市场开放性,从而促进城市碳中和技术创新。由第(8)和(9)列可知,市场竞争未产生显著传导作用,原因可能是,受疫情冲击、国际经济形势不佳等因素影响,外部市场需求减少,内部需求暂时疲软,城市经济增长面临挑战,低碳试点政策对市场竞争的促进作用在当前阶段未能显现。由第(10)和(11)列可知,低碳试点政策促进试点地区市场法制化(0.428***),通过提高市场法制强度规范企业经营行为,从而推动城市碳中和技术创新。
3.4.3 社会监督的作用
社会监督作为一种非正式环境规制,对城市碳中和技术创新具有重要影响,检验结果如表8所示。第(1)列显示低碳试点政策对试点城市社会监督的影响显著为正(0.019**),第(2)列显示社会监督对碳中和技术创新具有显著积极影响(2.028***),社会监督在低碳试点政策与碳中和技术创新之间起传导作用,因此研究假设H2c得到验证。通过计算可得,该间接效应对总效应的贡献率为12.41%。由第(3)—(5)列可知,社会监督在试点政策与负碳、零碳及低碳技术创新关系中的传导作用也存在。
表8 社会监督的中介效应检验结果
Table 8 Mediation effect test results of social supervision
变量SocialCNTINctiZctiLowc(1)(2)(3)(4)(5)Period×Treated0.019**0.272***0.001**0.129***0.142***(0.009)(0.095)(0.000)(0.049)(0.048)Social2.028***0.004**0.994***1.030***(0.636)(0.002)(0.327)(0.312)ControlYesYesYesYesYesConstant-0.060*5.203***0.011**2.406**2.787***(0.035)(1.945)(0.004)(0.983)(0.987)城市/年份固定效应YesYesYesYesYes观测值34583458345834583458R20.4430.3000.1170.2430.338
由上述3种机制变量的间接效应占比可知,政府管制的传导作用(31.54%)最显著,市场制度和社会监督的传导作用依次递减(19.18%和12.41%),因此应重点关注低碳城市建设中政府管制和市场制度的完善,其次是强化社会监督制度建设,提高公众参与环境监督的积极性。
3.5.1 空间自相关检验
本文采用空间邻接、地理距离和经济距离权重矩阵计算碳中和技术创新的全局Moran's I指数,如表9所示。结果显示,3种情形下我国碳中和技术创新的Moran's I指数均显著为正(仅地理距离下少数年份不显著),表明碳中和技术创新的空间关联特征显著,需采用空间双重差分模型进行分析。
表9 碳中和技术创新的Moran's I指数
Table 9 Moran's I of carbon neutrality technological innovation
年份空间邻接矩阵Moran'sIZ地理距离矩阵Moran'sIZ经济距离矩阵Moran'sIZ20090.047***2.297-0.0010.6720.066***3.26520100.072***2.9740.0000.8150.088**3.70620110.074***2.6650.005*1.6180.127***4.67720120.159***5.3410.009***2.3220.162***5.63220130.219***6.5480.018***3.6190.218***6.75520140.333***9.1590.034***5.7590.322***9.18820150.344***9.4150.038***6.2560.340***9.66720160.419***10.9620.048***7.4720.420***11.41520170.450***11.8220.044***7.0230.431***11.75520190.467***12.0430.057***8.7380.472***12.62220190.473***12.0190.064***9.5170.492***12.96820200.471***11.9590.072***10.6480.513***13.50420210.471***11.8900.070***10.3540.520***13.625
3.5.2 空间效应分析
基于空间DID模型检验试点政策的空间溢出效应,结果如表10所示。可以发现,3种权重矩阵下Period×Treated系数均显著为正,在SDM-DID等3种模型中均保持一致,说明本文研究结论稳健可靠。
表10 空间双重差分模型回归结果
Table 10 Regression results of spatial dual difference model
变量空间邻接矩阵SDM-DIDSAR-DIDSEM-DID(1)(2)(3)地理距离矩阵SDM-DIDSAR-DIDSEM-DID(4)(5)(6)经济距离矩阵SDM-DIDSAR-DIDSEM-DID(7)(8)(9)经济距离矩阵(调节效应)SDM-DIDSAR-DIDSEM-DID(10)(11)(12)Period×Treated0.095***0.123***0.119***0.161***0.185***0.195***0.119***0.133***0.121***0.102***0.121***0.100***(0.026)(0.021)(0.026)(0.032)(0.027)(0.029)(0.023)(0.020)(0.023)(0.023)(0.020)(0.023)Period×Treated×Incu0.340***0.360***0.328***(0.035)(0.034)(0.035)ControlYesYesYesYesYesYesYesYesYesYesYesYesρ0.726***0.727***0.753***0.883***0.889***0.897***0.761***0.760***0.778***0.758***0.757***0.778***(0.014)(0.014)(0.014)(0.031)(0.029)(0.027)(0.014)(0.014)(0.013)(0.014)(0.013)(0.013)观测值345834583458345834583458345834583458345834583458R20.1520.1620.1370.0450.1780.1280.4460.1630.1170.1960.2110.146
由于SDM-DID模型同时考虑了因变量和自变量的空间相关性,具有明显的应用优势,故采用SDM-DID模型进行分析。然而,SDM-DID模型不能直接反映邻近地区自变量对因变量的影响程度,故借鉴Lesage&Pace[30]的偏微分方法对低碳试点政策空间效应进行分解,结果见表11。
表11 空间效应分解结果
Table 11 Decomposition results of spatial effects
变量CNTI直接效应间接效应总效应(1)(2)(3)CNTI直接效应间接效应总效应(4)(5)(6)Period×Treated0.158***0.551***0.709***0.143***0.559***0.701***(0.025)(0.133)(0.144)(0.022)(0.134)(0.139)Period×Treated×Incu0.403***0.931***1.334***(0.033)(0.243)(0.259)ControlYesYesYesYesYesYes
从总效应看,低碳试点政策能促进城市碳中和技术创新(0.709***);从直接效应看,低碳试点政策能够显著提升本地区碳中和技术创新水平(0.158***),验证了本文主效应回归结果;从间接效应看,低碳试点政策对邻近城市具有显著空间溢出效应(0.551***),且溢出效应占总效应的比重超过77%,表明低碳试点政策实施不仅对本地区碳中和技术创新产生正向影响,而且推动邻近城市碳中和技术创新,研究假设H3a得到验证。
由表10中第(10)—(12)列可知Period×Treated×Incu系数均显著为正,由表11中第(4)—(6)列可知在直接效应和间接效应中Period×Treated×Incu系数也显著为正,因此研究假设H3b得到验证,即产业结构优化有利于低碳试点政策发挥溢出效应。
本文以2009-2021年中国266个城市面板数据为样本,采用多种双重差分模型,实证检验低碳试点政策对城市碳中和技术创新的影响及空间溢出效应。结果表明:第一,低碳试点政策促进城市碳中和技术创新,与负碳技术创新相比,试点政策对城市零碳和低碳技术创新的作用更显著,经过平行趋势检验、PSM-DID等一系列稳健性检验,该结论依然成立;低碳试点政策对碳中和技术创新的影响具有城市异质性,该政策效应在高行政等级、大规模、低资源依赖、高数字化水平和高环境规制强度的城市表现更显著。第二,低碳试点政策通过优化制度环境促进城市碳中和技术创新,主要途径是强化政府管制、完善市场制度和加强社会监督。其中,政府管制的传导作用最强,其次是市场制度,社会监督的作用最弱。第三,空间差分模型检验结果表明,低碳试点政策对城市碳中和技术创新具有显著的空间溢出效应,且溢出效应占总效应比重高达77%;产业结构优化会强化试点政策对本地和邻近地区碳中和技术创新的积极影响。
由以上结论获得的启示如下:
(1)持续推进低碳城市试点建设,根据城市异质性采取差别化实施策略。可总结现有试点城市建设经验,形成试点政策模板,在全国范围内推广实施。对于省会城市、直辖市等高行政等级、大规模城市而言,应充分发挥其区位、人才和技术等优势,加大温室气体处理、能源发电等碳减排技术研发与成果转化,协同推进城市低碳、零碳和负碳技术创新水平提升。资源依赖型城市需基于自身禀赋探索特色低碳发展模式,通过产业结构转型和技术创新降低资源依赖性。对于数字化水平较低城市而言,要加大城市数字基础设施建设,将数字平台、数字产业发展与低碳城市建设相结合,充分发挥数字技术对城市低碳发展的赋能作用。同时,地方政府需注重环境政策与环境规制之间的系统性和协同性,倒逼企业持续开展碳中和技术创新活动。
(2)在低碳试点政策实施过程中,应选择最优或合理路径推动城市碳中和技术创新。首先,优先采用政府管制手段对当地污染企业开展重点监控,加强低碳环保企业的政策扶持,引导企业开展碳中和技术创新活动。其次,推进试点城市的市场制度建设,提高外资进入的环保门槛,对企业进行严格排污达标审查,积极引进国外先进、清洁生产工艺,健全市场法制与监管体系,推进低碳技术、产品的评估和认证工作,营造公平公正的市场环境。另外,试点地区要加大环保宣传力度,鼓励社会力量借助媒体、网络平台等外在手段参与环境治理,同时,不断优化环保信息举报和反馈机制,确保公众环保诉求得到受理与及时反馈。
(3)充分发挥低碳试点政策的空间溢出效应,促进全国城市碳中和技术创新协同发展。不断优化低碳试点城市总体布局与规划,促进低碳城市网络形成,对于已设立的试点城市,要严格执行政策安排,并借助政策优势积极探索低碳发展新路径,充分发挥其对非试点城市的标杆示范作用,促进本地和邻近地区碳中和技术、工艺、产品和服务水平提升。同时,积极搭建碳中和技术创新交流平台,促进创新资源跨区域流动,实现创新成果在城市间共享,使得碳中和技术落后地区可借鉴试点城市的治理经验,弥补自身创新短板。此外,完善区域协调发展机制,推动低碳产业跨区域布局和区域环境联防联控,不断优化与整合区域创新资源,实现优势互补和产业结构升级,促进产业技术溢出,实现经济社会全面绿色转型。
[1] ZHANG Q Z,ZHU L C,LING Y H.Technological innovation,industrial structural change and carbon emission transferring via trade——an agent-based modeling approach[J].Technovation,2022,110:102350.
[2] 用新的伟大奋斗创造新的伟业——党的二十大报告关键词[N].人民日报,2022-10-17(8).
[3] ROGGE K S,SCHLEICH J.Do policy mix characteristics matter for low-carbon innovation?a survey-based exploration of renewable power generation technologies in Germany[J].Research Policy,2018,47(9):1639-1654.
[4] 王锋正,郭晓川.政府治理、环境管制与绿色工艺创新[J].财经研究,2016,42(9):30-40.
[5] 庄贵阳.中国低碳城市试点的政策设计逻辑[J].中国人口·资源与环境,2020,30(3):19-28.
[6] 王锋,葛星.低碳转型冲击就业吗——来自低碳城市试点的经验证据[J].中国工业经济,2022,39(5):81-99.
[7] CHEN H,GUO W,FENG X,et al.The impact of low-carbon city pilot policy on the total factor productivity of listed enterprises in China[J].Resources,Conservation and Recycling,2021,169:105457.
[8] 王连芬,赵园,王良健.低碳试点城市的减碳效果及机制研究[J].地理研究,2022,41(7):1898-1912.
[9] ZHANG H,FENG C,ZHOU X.Going carbon-neutral in China:does the low-carbon city pilot policy improve carbon emission efficiency[J].Sustainable Production and Consumption,2022,33:312-329.
[10] 黄晶,孙新章,张贤.中国碳中和技术体系的构建与展望[J].中国人口·资源与环境,2021,31(9):24-28.
[11] ZHANG W,HE L,YUAN H.Enterprises' decisions on adopting low-carbon technology by considering consumer perception disparity[J].Technovation,2022,117:102238.
[12] REN L,ZHOU S,PENG T,et al.A review of CO2 emissions reduction technologies and low-carbon development in the iron and steel industry focusing on China[J].Renewable and Sustainable Energy Reviews,2021,143:110846.
[13] QU F,XU L,HE C.Leverage effect or crowding out effect?evidence from low-carbon city pilot and energy technology innovation in China[J].Sustainable Cities and Society,2023,91:104423.
[14] 杨朝均,王冬彧,毕克新.制度环境对工业绿色创新的空间效应研究[J].科研管理,2021,42(12):108-115.
[15] 贾建锋,刘伟鹏,杜运周,等.制度组态视角下绿色技术创新效率提升的多元路径[J/OL].南开管理评论:2023,1-23.
[16] PORTER M E,LINDE C.Toward a new conception of the environment-competitiveness relationship[J].Journal of Economic Perspectives,1995,9(4):97-118.
[17] 王贞洁,王惠.低碳城市试点政策与企业高质量发展——基于经济效率与社会效益双维视角的检验[J].经济管理,2022,44(6):43-62.
[18] KIM D H,LIN S C.Natural resources and economic development:new panel evidence[J].Environmental &Resource Economics,2017,66(2):363-391.
[19] 余泳泽,林彬彬.偏向性减排目标约束与技术创新——“中国式波特假说”的检验[J].数量经济技术经济研究,2022,39(11):113-135.
[20] NORTH D C.Institutions,institutional change and economic performance[M].Cambridge:Cambridge University Press,1990.
[21] 杨震宁,赵红.中国企业的开放式创新:制度环境、“竞合”关系与创新绩效[J].管理世界,2020,36(2):139-160,224.
[22] 蒲阿丽,李平.出口、市场化与资源配置效率的行业异质性分析[J].改革,2019,32(9):93-102.
[23] YAN Z M,ZHOU Z C,DU K R.How does environmental regulatory stringency affect energy consumption?evidence from Chinese firms[J].Energy Economics,2023,118:106503.
[24] 赵姝,刘军.中国城市营商环境优化了吗——来自时序演变与空间交互的证据[J].产业经济研究,2023,22(4):54-68.
[25] 逯进,王晓飞.低碳试点政策对中国城市技术创新的影响——基于低碳城市试点的准自然实验研究[J].中国地质大学学报(社会科学版),2019,19(6):128-141.
[26] 张节,李千惠.智慧城市建设对城市科技创新能力的影响[J].科技进步与对策,2020,37(22):38-44.
[27] LI Q,LIU S,YANG M,et al.The effects of China's sustainable development policy for resource-based cities on local industrial transformation[J].Resources Policy,2021,71:101940.
[28] 赵涛,张智,梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界,2020,36(10):65-76.
[29] 席龙胜,赵辉.高管双元环保认知、绿色创新与企业可持续发展绩效[J].经济管理,2022,44(3):139-158.
[30] LESAGE J,PACE R K.Introduction to spatial econometrics[M].New York:CRC Press,2009.