低碳城市试点政策的产业碳减排效应再评估:来自 38 个二位数工业行业的新证据

Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 62, No. 2 (Mar. 2026)

国家自然科学基金(72274229)和北京大学未来城市实验室(深圳)铁汉科研开放课题基金(202104)资助

1.中央财经大学政府管理学院, 北京 100081; 2.北京大学深圳研究生院北京大学未来城市实验室(深圳), 深圳 518055; 3.北京大学深圳研究生院城市规划与设计学院, 深圳 518055; †通信作者, E-mail: tongde@pkusz.edu.cn

摘要基于 2009—2020 年 133 个城市的 38 个二位数工业行业碳排放数据, 采用双重差分法, 对低碳城市试点政策的碳减排效应进行再评估, 并从资源配置与技术创新两个维度探讨其潜在作用机制。结果表明, 低碳城市试点政策显著地降低“城市–行业”层面的碳排放强度; 土地资源配置优化是低碳城市试点政策发挥作用的重要路径之一, 技术创新关联水平在碳减排过程中亦具有重要作用; 这项政策在财政压力较大或土地财政依赖程度较低的城市以及中低技术层次、劳动密集型和资本密集型行业中产生的碳减排效应更显著, 对高碳行业的减排效果更突出。研究结果有助于揭示“城市–行业”尺度下低碳政策的实施机制, 为探索地方低碳发展路径提供理论参考。

关键词 低碳城市试点政策; 工业产业碳减排; 资源配置; 技术创新

新质生产力是推动高质量发展的强劲动力, 已成为新时代中国经济发展的核心议题[1]。产业低碳转型是培育新质生产力的重要方向。20 世纪 90 年代以来, 中国碳排放量迅速上升, 已实现规模翻倍, 在当前全球应对气候变化的进程中扮演着关键角色, 也使绿色低碳发展面临前所未有的挑战[2]。如何实现低碳绿色发展是中国社会各界关注的重大课题, 事关中国应对气候变化、推动环境保护与实现可持续发展目标的成败。为纠正碳排放的负外部性[3], 自 2010 年起, 在国家发展和改革委员会的推动下, 陆续实施低碳城市试点项目。尽管已有研究者对该类试点的政策效果进行广泛的评估, 但在城市–行业层级的微观实证研究较为缺乏, 受限于数据可得性, 难以深入地揭示试点政策对碳排放的实际影响。此外, 现有文献多聚焦于技术创新的中介机制[4], 未系统地揭示低碳城市试点影响产业碳排放的多元路径与内在逻辑。基于上述研究缺口, 本文回应以下关键问题: 低碳城市试点政策是否显著地缓解城市–行业层面的碳排放? 其效果在不同城市与行业特征下是否存在异质性? 除技术创新外, 该政策影响产业碳减排的内在机制还有哪些?

与本文研究主题密切相关的低碳政策效应评估文献主要分为两大类。第一类文献聚焦于低碳城市试点的政策成效评估。国内外学者从多个维度考察了低碳政策的影响, 在城市层面探讨其对发展质量、土地绿色利用效率及空气质量等方面的影响[5], 在企业层面分析其在产品质量提升、数字化转型与环境社会责任履行等方面的作用[6], 在微观个体层面则关注政策对居民就业、婴儿健康及绿色生活方式选择等行为的影响[7]。第二类文献主要探讨低碳政策效果的实现路径。已有研究普遍验证了绿色创新效应、能源结构优化与产业结构升级等因素在政策传导中的机制作用[8], 其中, 技术创新是低碳城市试点政策产生成效的关键中介机制。

通过对现有文献的梳理, 本文识别出两个方面研究的不足。1)对低碳城市试点政策的作用机制挖掘不足。尽管已有研究者关注该政策对地方政府行为的影响(如王展祥等[9]发现其对重污染行业土地供给具有抑制作用), 但尚未系统地检验其碳减排效应的完整传导路径。特别是, 作为关键环节的“资源配置结构”在政策影响效用中的重要作用被普遍忽视。2)基于城市–行业层级的微观证据匮乏。受限于数据的可获性和复杂性, 多数研究集中于城市或企业层面的宏观碳排放分析[4], 或仅针对全国及特定区域内的单一行业(如电力或水泥), 导致对城市–行业二维层面的工业碳减排效果缺乏量化评估, 也难以辨析政策效果在不同工业行业间的异质性。虽然有少数研究者尝试利用该层级数据[10], 却未深入地揭示政策在微观尺度上的具体影响。这一研究尺度的缺失, 不仅制约政策评估的精确性, 也妨碍对政策如何通过影响行业间资源配置来实现减排的深入理解, 最终可能削弱相关政策建议的针对性, 影响中国低碳转型与产业升级的进程。因此, 对中国低碳城市试点政策效果进行系统而细致的再评估, 具有重要的学术价值与现实意义。

基于上述研究背景, 本文利用 2009—2020 年城市层面二位数工业行业的面板数据, 采用双重差分法, 从城市–行业维度对低碳城市试点的碳减排效应进行再评估, 通过识别新的中介机制, 构建更细粒度的碳排放强度指标, 并检验低碳政策的效果差异, 以期为不同类型城市与行业低碳发展的分类施策提供科学依据。

1 政策背景与研究假说

1.1 政策背景

伴随着高质量城市发展进程的不断推进, 低碳绿色发展已成为应对气候变化、落实环境保护与促进可持续发展的关键路径[11]。2010 年 7 月, 国家发展改革委员会印发《关于开展低碳省区和低碳城市试点工作的通知》(简称低碳城市试点政策), 国家于 2010, 2012 和 2017 年开展 3 次低碳城市试点工作①2010年第一批政策试点地区包含广东、辽宁、湖北、陕西和云南 5 个省份，以及天津、重庆、深圳、厦门、杭州、南昌、贵阳和保定 8 个城市; 2012年第二批试点地区包括海南省以及北京、上海、石家庄和秦皇岛等 28 个城市; 2017 年第三批试点地区包含沈阳和大连等 45个城市(区县)。。工业是中国最大的能源消费行业, 其内部各行业的能源消耗和绿色生产技术存在明显差异, 受政策影响的程度也有所不同[12]。因此, 从低碳城市试点政策出发, 对工业行业内部的减碳效果及内在机制展开再评估尤为重要。

低碳城市试点政策制定了具有针对性和综合性的多元举措, 通过调控影响地方行业低碳发展的各类因素[13], 彰显深化探索减碳路径的政策效果。低碳城市试点政策具有综合性环境规制的类别特征, 通过示范引导, 推动城市在规划、建设和管理等方面实施低碳发展策略, 加速落实城市节能减排工作。要求列为试点的城市着力碳排放目标责任制、数据统计与管理、配套政策、低碳产业体系以及绿色生活方式 5 个方面的制度完善与构建。其中, 制定支持低碳发展的配套政策以及建立低碳产业体系这两个方面是影响地方产业构建与企业引入的重要力量, 不同行业在其中的行为差异是本研究重点关注的内容。

图 1 展示试点与非试点城市工业行业平均碳排放强度①工业行业碳排放强度指某一城市特定工业行业在一定时期内的碳排放总量与该行业工业总产值之比(即单位工业产值所产生的碳排放量), 用来衡量该行业生产活动的碳排放效率。的动态演化趋势。可以发现, 试点城市工业行业的碳排放强度明显低于非试点城市。本文参考国家发展改革委员会办公厅《关于切实做好全国碳排放权交易市场启动重点工作的通知》(发改办气候〔2016〕)中的划定, 确定高碳行业与低碳行业, 其中高碳行业包含煤炭开采与洗选业、石油和天然气开采业、黑色金属矿采选业等行业。2017年后, 试点城市高碳工业行业的碳排放强度平均值由 2018 年的 4.563 逐渐下降至 2020 年的 4.230, 非试点城市高碳工业行业的碳排放强度平均值则从3.175 持续上升至 3.238, 低碳产业同样呈现这种变化趋势。

1.2 研究假说

1.2.1 低碳城市试点政策的产业碳减排效应

在低碳城市试点政策的框架下, 试点城市通过一系列针对性的减碳措施, 对其工业行业的碳减排产生显著影响。在宏观经济层面, 试点城市通过优化产业结构, 积极引导资源向清洁能源产业和低碳行业流动, 降低高碳产业的比例, 从而提升资源利用效率, 减少行业碳排放。这一过程不仅有助于产业结构的绿色转型, 也为工业行业的可持续发展奠定基础。在技术应用视角下, 低碳城市试点政策促使地方政府加大对技术创新和绿色生产方式的支持力度, 鼓励企业采用节能减排技术, 提高清洁生产标准。这种技术升级有助于碳排放总量的降低, 并通过提升全要素生产率, 促进工业行业碳排放强度降低目标的有效实现[14]。

在实践过程中, 试点城市鼓励建立低碳循环发展模式, 促进高碳、高耗能企业的退出, 积极引进并大力发展附加值高的高精尖企业。这有利于地方政府更好地依托本地优势, 实现产业管理水平的优化, 不断地探索城市工业行业的低碳发展路径[15]。2023 年, 生态环境部发布《国家低碳城市试点工作进展评估报告》, 指出试点城市推动了传统产业的有序退出和转型, 建立了绿色低碳循环发展的产业体系。例如, 济南在评估中获优良等级, 与该市创建绿色工业园区, 推动钢铁、水泥和铸造等工业行业及燃煤设施污染物深度治理等一系列低碳发展措施密切相关。湖南省株洲市于 2018 年发布《株洲市低碳城市试点工作实施方案》, 针对性地推进城区老工业基地的低碳转型行动, 助力原有企业绿色搬迁, 打造以现代服务业为主的低碳生态新城。上海和常州等多个城市将单位增加值(产值)的能耗水平作为项目引入与土地出让的重要门槛指标, 并把碳减排情况纳入目标责任考核的评估体系。可以看出, 试点城市立足自身产业积累和资源优势, 着力解决绿色低碳产业体系的构建问题, 推动传统产业的有序退出和转型, 做大做强低碳主导产业, 有利于工业行业碳减排的整体性实现[16]。因此, 本文提出如下研究假设。

假设 1: 低碳城市试点政策实施显著地降低了城市工业产业的碳排放强度。

1.2.2 低碳城市试点政策产业碳减排效应的路径机制

在中国独特的政策环境中, 地方政府长期面临纵向财政压力与横向竞争约束的双重挑战。在此背景下, 土地出让逐渐成为地方政府筹集财政收入、推动城市基础设施建设和促进产业集聚的重要工具, 形成具有中国特色的“以土地谋发展”模式[10]。然而, 该模式带来工业用地价格扭曲的问题, 地方政府倾向于通过低价大规模出让工业用地、同时高价限量出让商服用地的策略, 吸引工业企业投资并推动产业集聚, 从而实现短期经济增长目标[17]。这种以土地为核心的发展方式导致工业用地价格长期偏离市场均衡水平, 引发土地资源浪费、产业结构失衡以及城市环境污染等负面效应[18]。在此背景下, 低碳城市试点政策应当如何有效地促进碳减排? 为回答这一问题, 本文从资源配置与技术创新两个维度展开深入探讨。作为新质生产力的重要载体, 新产业的结构优化与升级对塑造高质量生产力体系具有关键作用[1]。近年来, 产业演化与产业关联路径成为演化经济地理学中快速发展的研究方向[19]。本文融合制度经济学与演化经济地理学的视角, 对现有低碳政策进行系统性的再评估, 并探索产业引进与发展的内在演化机制。在影响工业体系变革的深层因素中, 土地资源配置与技术创新水平具有核心地位[13]。然而, 关于低碳政策机制的现有文献未对土地资源配置这一路径给予充分的关注。因此, 本研究对低碳城市试点政策发挥作用的内在机制展开进一步的检验, 弥补现有研究的不足。逻辑框架如图 2 所示。

在土地资源配置方面, 现有研究普遍认为土地资源的配置方式对产业进入与经济结构具有决定性的影响[20]。低碳城市试点政策通过纠正工业用地出让中的价格扭曲, 向市场传递准确的价格信号, 促使企业在决策过程中更充分地考量土地使用成本, 进而倾向于采纳土地利用效率更高、碳排放强度更低的生产方式。从地方政府产业引进的角度看, 低碳城市试点政策对土地使用方向与准入条件提出更严格的规范, 要求企业必须符合低碳生产标准。若地方政府继续向高碳、高污染企业出让土地, 则在后续土地全生命周期管理和生产监管中面临显著的监督与约束成本[21]。因此, 试点城市往往设立更高的环保门槛, 优先引进具有低碳潜力的产业, 引导土地资源向低碳、高附加值领域集中[22],具体表现为通过土地出让费减免和土地补贴等方式降低绿色产业的进入门槛, 同时将高碳、低附加值产业排除在土地供应范围之外, 从而减少其对土地资源的占用。随着低碳产业获得更多的土地支持并逐步发展壮大[6], 整个城市工业体系的碳减排进程也将得以推进。从企业落地选择的视角看, 低碳城市试点政策推动地方政府提高低碳生产透明度和环境审查标准, 使得高碳企业面临更大的减排压力与合规成本, 进而调整其区位选择策略。这一过程有助于吸引更多的低碳企业和新兴绿色企业进入, 推动产业链整体升级, 最终助力城市工业碳减排目标的实现[23]。总体而言, 低碳城市试点政策通过一系列综合措施, 削弱地方政府向重污染行业出让土地的动机, 缓解以往“双重土地出让策略”可能带来的资源配置扭曲, 从而促进土地资源向更低碳领域的优化配置, 为构建行业低碳发展环境奠定制度基础。综上所述, 本文提出以下假说。

假设 2: 低碳城市试点政策通过土地资源配置优化途径, 促进城市工业产业的碳减排进程。

在产业技术创新方面, 产业链各环节之间的紧密联系能够带来资源共享、知识外溢和市场拓展等多重协同效应, 有助于整体上提升行业的技术创新和应用水平, 进而推动碳排放强度的下降。从市场视角看, 企业是否开展技术创新, 往往基于“成本–收益”原则进行决策。在此过程中, 地方政府通过政策调控来影响企业的行为选择[20]。一方面, 地方政府在产业引进阶段即传递出低碳发展的政策导向, 要求企业将低碳理念融入生产经营全过程, 并提升生产透明度和环境审查标准。这使得企业倾向于选择环境友好型技术和工艺, 通过采用先进的低碳技术来提升能源利用效率[20]。另一方面, 试点城市通过设定清洁生产标准和节能减排目标, 推动产业结构向低碳化方向调整。在此过程中, 高能耗、高排放企业因难以达到技术标准而逐步被淘汰, 而技术密集、附加值高的绿色高新技术企业获得的更多发展空间[9]。此外, 低碳城市试点政策还鼓励企业间开展技术合作与协同创新。产业集群的形成与产业链整合有助于增强技术关联效应, 减少资源浪费和重复投入, 在提升资源利用效率的同时推动绿色技术迭代升级, 从而为工业碳减排提供重要路径支持[24]。综上所述, 本文提出以下假说。

假设 3: 低碳城市试点政策通过技术创新提升途径, 促进城市工业产业的碳减排进程。

2 研究方法与数据来源

2.1 模型设定

为更好地检验低碳城市试点政策的行业碳减排效果, 同时减少内生性问题的潜在影响, 本文参考Molina 等[25]和宋弘等[26]的研究, 构建双重差分模型, 进行因果关系的识别。双重差分分别来自低碳城市试点政策的时间和地点差异, 对比试点城市与非试点城市政策前后碳排放强度的变化差异。模型如下:

其中, COPc,i,t是 c 城市 i行业在 t年的碳排放强度; policyc,i×timet(即 POST)为城市与试点时间的交互项, 表征城市 c的 i行业在 t年的低碳城市试点政策情况; Zc,i,t为控制变量, 包括城市–行业层面的控制变量以及城市层面的控制变量; θt, μi和 σi分别为地区、产业和年份固定效应; εc,i,t为随机扰动项。为确保回归结果的稳健性, 在回归模型中采用稳健标准误差。另外, 考虑到低碳试点政策的影响主要在高碳行业, 本文采用三重差分方法, 区分高低碳行业的政策效应。

2.2 变量选择

2.2.1 低碳城市的选择

研究表明, 在 3 次低碳城市试点工作中, 2012和 2017 年试点工作带来的政策效果尤为显著[27], 因此本文重点关注这两次低碳城市试点政策的效果评估。若城市 i在第 t年入选为试点城市, 交乘项为1, 反之则为 0。值得注意的是, 两次政策试点城市名单中存在城市重复交叉的情况, 本文参考郭沛等[28]的方法, 将这类城市首次出现在试点名单中的年份作为差分时点。第二批试点为 2012 年年底, 考虑到政策效果的滞后性, 参考宋弘等[26]的做法, 将第二批节点设定为 2013 年[26]。

2.2.2 工业行业碳排放强度的测算

利用目标城市工业行业碳排放与行业总产值的比值, 测算工业行业碳排放强度(COP)。首先, 测度各城市分行业的碳排放总量。郭沛等[28]采用液化石油气、天然气及电力作为 CO2的测算指标, 存在因忽略重要能源消耗类别所带来的 CO2排放而使得测算结果不精确的问题。本文采用人工方式收集各地级及以上城市二位数级别的工业产业能源消费数据, 并借鉴王巧然[29]的测度方式, 突破以往研究中测算城市层级 CO2的数据限制, 尽可能将相关能源消费变量涵盖其中, 选取原煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气、液化天然气和天然气 10 类能源的消费情况, 作为碳排放总量测度指标, 计算公式如下:

式中, COLc,i,t为 c城市 i行业在 t年的碳排放总量, Cm,c,i,t为 c城市 i行业的第 m种能源消费在 t年产生的碳排放量, Em,c,i,t为 c城市 i行业的第 m种能源在 t年的消费量,fm为第 m种能源的碳排放系数。

进一步地, 测度行业层面的碳排放强度。本文参考《国民经济行业分类(GB/T 4754—2017)》中的二位数行业划分, 人工收集并整理本文所关注城市 38 个工业行业的工业总产值①本文所涉 38 个工业行业对应《国民经济行业分类(GB/T 4754—2017)》中的二位数行业，包括煤炭开采与洗选业、石油和天然气开采业、黑色金属矿采选业、有色金属矿采选业、非金属采选业业、农副食品加工业、食品制造业、酒、饮料和精制茶制造业、烟草制品业、纺织业、纺织服装、服饰业、皮革、毛皮、羽毛及其制品和制鞋业、木材加工和木、竹、藤、棕、草制品业、家具制造业、造纸和纸制品业、印刷业记录媒介复制业、文教、工美、体育和娱乐用品制造业、石油、煤炭及其他燃料加工业、化学原料及化学制品制造业、医药制造业、化学纤维制造业、橡胶和塑料制品业、非金属矿物制品业、黑色金属冶炼及压延加工业、有色金属治炼及压延加工业、金属制品业、通用机械制造业、专用设备制造业、汽车制造业、铁路、船舶、航空航天和其他运输设备制造业、电气机械和器材制造业、计算机、通信和其他电子设备制造业、仪器仪表制造业、废弃资源综合利用业、金属制品、机械和设备修理业、电力、热力的生产和供应业、燃气生产和供应业、水的生产和供应业。, 用碳排放总量与工业总产值的比值表征碳排放强度, 分析不同产值与生产规模背景下行业的碳排放效应情况, 结果具有较强的精准性与稳健性。计算公式如下:

式中, CDPc,i,t为 c城市 i行业 t年的工业总产值。

2.2.3 机制变量的选取与测算

在土地资源配置优化(LDQc,i,t)方面, 我国 2014年加强对土地出让价格的管理, 明确要求各类有偿使用的土地供应不得低于国家规定的用地最低价标准。这一政策旨在遏制工业用地压价竞争和低成本过度扩张, 提高土地利用效率。具体而言, 工业用地出让最低价标准是根据土地等级和区域土地利用政策等因素统一制定并公布的, 地方政府在出让土地时必须遵循最低价标准。然而, 在实际操作中, 土地出让价格可能因地方政府的政策导向、市场因素以及企业需求而出现一定的偏离。因此, 土地资源配置优化程度的测度需要一种能够反映实际交易价格与政策标准间差异的指标。传统的土地配置效率研究多集中于土地协议出让或工矿仓储用地出让的规模[30], 无法直接反映土地交易市场的相对真实情况。因此, 本文深入至城市–行业层级, 参考姚鹏等[31]的方法, 通过计算“当年地块实际交易价格与政策要求出让土地标准最低价的差值除以政策要求出让土地标准最低价”来表征土地资源配置优化程度。当实际交易价格接近或高于政策要求的最低价时, 计算所得值越大, 表明土地配置偏离市场合理价格的程度越弱。这说明在土地出让过程中, 市场机制发挥作用, 资源配置更加接近市场合理水平, 能够促进资源的高效利用, 减少因土地配置不合理而导致的能源浪费和碳排放增加等问题, 从而对行业碳减排目标的实现具有积极意义, 在城市–行业层面为实现可持续发展目标提供有力支持。此方法通过实际交易价格与政策最低价的对比, 能够更直观地反映土地市场价格扭曲的优化程度, 不仅考虑到政策要求, 还结合市场交易的实际结果, 因此具有较强的现实意义和理论价值。

在行业技术创新提升(IDENc,i,t)方面, 本文用技术关联水平来表征技术创新实现的可能性。产业间的技术关联水平能够充分反映区域的产业多样化程度和分工细化程度, 体现地区优势技术的集聚程度, 决定区域如何随着时间的推移而改变其创新发展模式, 从而对行业碳减排情况产生影响[24]。本文参考Hidalgo 等[32]的测度方式, 认为如果两个行业之间存在技术相关性, 则它们需要类似的基础设施、物理因素、技术或上述因素的组合, 这两个行业将倾向于同时生产, 其产业密度更高, 关联程度更强。测算方法如下。

首先, 基于各城市各行业海关数据出口的价值总量(其中海关出口商品编码货号与中国工业行业匹配主要参考周申[33]提供的对应表), 利用显示性比较优势(revealed comparative advantage, RCA)指数衡量城市中某产业是否在整个经济体中具有比较优势, RCA>1 表示具有比较优势, 取值为 1, 反之取 0, 计算公式如下:

式中, RCAc,i,t衡量 t年 c城市的 i行业是否在整个研究区域内具有比较优势, Vc,i,t为 t年 c城市 i产业的出口价值总量, ∑iVc,i,t为 t年 c城市所有产业的出口价值总量, ∑cVc,i,t为 t年所有研究城市范围内 i产业的出口价值总量, ∑c,iVc,i,t为 t年所有研究城市范围内所有产业的出口价值总量。

然后, 基于 RCA 衡量的城市–行业比较优势, 测算产业之间的共现概率值, 衡量产业之间的关联性程度, 计算公式如下:

其中, φi,j,t衡量 t年 i行业与 j行业之间的关联程度。

最后, 根据行业之间的关联性程度以及城市产业的技术比较优势, 测算具体行业在某年某城市的本地关联能力, 计算公式如下:

式中, IDENi,c,t衡量 t年 c城市 i行业的潜在发展能力, 即本研究的核心解释变量“技术创新提升程度”。

2.2.4 控制变量的选取与测算

本文引入城市控制变量和城市–行业控制变量来控制其他重要因素对行业碳减排的影响, 统一用Zi,t−1 表示。城市控制变量: 1)参考甘行琼等[34]的测度方式, 加入一般公共预算支出和一般公共预算收入的差值与一般公共预算支出的比值, 用来控制财政压力程度(FP)的影响; 2)借鉴卢娜等[35]的方法, 采用人均 GDP 的自然对数来反映经济发展水平(PGDP); 3)参考罗良文等[36]和 Shahbaz 等[37]的方法, 采用城市当年常住人口的自然对数来反映城市人口规模(POP); 4)加入年末实有城市道路面积的自然对数来控制基础设施水平(INF)的影响[35]; 5)采用全市规模以上工业企业数的自然对数来控制工业发展潜力(IEN)对行业碳减排的影响[36]。城市–行业控制变量: 1)采用产业总从业人员年末人数的自然对数来表征行业从业规模(IPO); 2)加入行业工业总产值的自然对数来控制行业总产值(IDP)对行业碳排放强度降低的影响。

2.3 数据说明

参考文献[10]的方法, 选取 2009—2020 年我国133 个地级单元和 38 个二位数工业产业的面板数据, 利用人工搜集的能源消费数据, 测算行业碳排放效应。受限于数据可得性, 并为保证实证检验结果的合理性, 本文遵循“全覆盖–初筛–精筛–配额平衡”4 步流程。1)以全国所有地级市及以上城市为初始清单, 人工收集城市–行业层面的全部能源消费数据, 构建“全国城市–行业能源消费原始数据库”。2)依据工业行业碳排放测算所需的能源消费变量, 逐一核对 2009—2020 年的源头数据。若该城市某行业并未公布对应时期某一类别的能源消费情况, 则默认为 0; 若某城市某行业在任一关键变量上的缺失率高于 30%或存在极大偏离值, 则剔除。3)对于剩余城市, 进一步检查其统计口径的一致性, 排除因行政区划变更或数据源不连贯导致时间序列断裂的城市。4)为保证区域与发展水平的包容性, 重点关注城市的人均 GDP, 尽量保留具有不同经济发展水平的城市; 同时坚持平衡性原则, 依据行政分区, 应用省际配额规则, 确保样本能够涵盖东中西部不同的区域, 从而保证省际的代表性。另外, 由于数据收集难度较大, 未包含新疆、西藏、香港、澳门和台湾地区。综合考虑数据的完整性和城市的代表性, 经过上述 4 个步骤的筛选, 最终以“数据完整度>70%”作为筛选标准, 选取 133 个城市作为本文的核心分析对象。

需要说明的是, 尽管剔除了数据缺失严重或存在极大偏离值的城市数据, 但所选 133 个城市仍然覆盖我国关键城市群中的城市以及低碳城市试点政策中的重点城市; 并且, 纳入研究样本的城市–行业数据完整, 避免了因部分地级市某一行业中部分种类的能源消耗数据缺失带来的测度误差, 能够有效地衡量低碳城市试点政策的实施效果, 满足检验研究的要求。

土地出让数据源于中国土地市场网, 技术创新提升水平数据来源于 2009—2016 年的海关数据库, 其余数据来自历年《中国城市统计年鉴》。样本变量的选取情况如表 1 所示。

3 实证结果分析

3.1 基准回归分析结果

表 2 列出低碳城市试点政策对行业碳排放影响的基准回归分析结果, 模型 1～3 分别在基础模型上逐步添加年份固定、产业固定以及区位固定效应, 以便保证研究模型的稳健性以及研究结果的可信性。从表 2 可知, 低碳城市试点政策显著地降低试点城市的碳排放强度, 政策的“监督遏制效应”显著, 企业生产的“成本遵循效应”实现有效的平衡[28]。这一研究结果与王连芬等[38]的研究结论相互印证, 补充了行业碳减排领域的政策效应检验研究, 充分证明试点城市低碳发展效果显著。低碳城市试点政策为试点城市提供政策引导和支持, 包括制定低碳发展规划、建设低碳交通系统和推广清洁能源利用等方面的政策措施, 同时鼓励和支持技术创新和应用, 推动清洁能源和节能减排等低碳技术的发展和应用, 并通过引导和优化产业结构, 促进试点城市经济向低碳发展的转型。试点城市作为全国绿色低碳发展的先行城市, 受到碳减排环境指标考核和产业结构调整的压力, 政府将有效地限制产业碳排放总量, 并促进行业经济体量的增加, 实现碳排放强度的降低。

说明: ***, **和*分别表示在1%, 5%和10%的显著性水平上显著, 括号内为t值, 下同。

从模型 3 固定年份、产业和区位效应的回归分析结果看, 财政压力程度、基础设施水平和行业总产值对工业碳排放强度的回归系数显著为负, 说明目标城市面临更高水平的财政压力、更优的基础设施建设, 并且行业总产值越高, 意味着地方政府及相应行业将期望单位碳排放下具有更高的产出水平, 在较高发展压力和基础支撑下, 可能反而有利于推动地方政府和企业采取相应的措施来实现绿色、低碳生产。这与李少林等[39]的研究结果相互印证, 所得税收入分享等一系列央地关系改革, 有利于促进高财政压力地区绿色全要素生产率增长, 在一定程度上体现我国治理模式的优化趋势——从片面追求短期经济利益而忽视环保目标逐步转向提高经济效率和加速转换经济模式, 有利于推动目标行业的整体减排发展。

表 2 中, 经济发展水平、工业发展潜力和行业从业规模的回归系数显著为正, 在一定程度上说明随着经济的发展和行业从业规模的壮大, 能源消耗量会增加, 大规模的工业生产和城市化进程通常需要大量的能源供应, 而这些能源主要来自化石燃料(如煤炭、石油和天然气), 燃烧会产生大量碳排放, 不利于城市各行业的减碳发展[40]。另外, 城市人口规模对碳排放强度的影响不显著, 一方面因为人口规模的扩大需要更多的能源来满足交通、供暖、制造和建筑等方面的需求, 可能造成城市–行业碳排放的提升; 另一方面, 较大规模的城市通常拥有更高效的基础设施和服务、更多的人才和创新资源以及更容易引入和实施的环保政策和规划, 从而促进碳减排的发展[41]。在多种因素的交织影响下, 城市人口对碳排放强度的影响将在两个方向因素的博弈下产生作用。

3.2 稳健性检验

为进一步验证模型的稳健性, 避免其他政策因素或内生性问题对研究结果的可信性产生影响, 本文分别采用平行趋势检验、倾向得分匹配–双重差分(PSM-DID)估计、增加滞后、替换变量、替换模型和替换样本等方法展开稳健性检验。

3.2.1 平行趋势检验

为保证分析结果的有效性和可靠性, 使用双重差分法(DID)需满足平行趋势假设, 即在政策实施前实验组与对照组的变化趋势相似, 若检验结果显示二者无显著差异, 则假设成立。本文将政策实施前一年设定为基期, 将低碳城市试点政策实施的前4 年、当年以及后 5 年的一系列政策虚拟变量加入回归方程, 展开平行趋势检验。如图 3 所示, 政策节点前, 对照组与实验组之间不存在明显的工业碳排放强度差异特征; 政策实施后第 3 年呈现显著性负向效应, 反映低碳城市试点政策作用的发挥具有滞后性。这一结果检验了试点城市与非试点城市在政策冲击之前不具有系统性差异, 证明了试点城市选择的随机性和政策的有效性。

3.2.2 倾向得分匹配–双重差分(PSM-DID)估计

实验组与对照组划定方法不同可能对验证结果产生较大的影响。为尽量缩小试点城市与非试点城市在城市特征上的差异, 本文增加实证检验的稳健性, 展开 PSM-DID 验证。将控制变量作为匹配变量, 使用 Logit 模型, 通过卡尺最近邻匹配方法处理后进行回归分析, 结果如表 3 所示。可以看出, 低碳城市试点政策仍然在 5%的显著性水平下显著为负, 即该政策有利于促进碳排放强度的降低。

3.2.3 异质性多期DID估计

由于不同城市在不同时间点纳入低碳城市试点, 因此在基准回归分析中采用多期双重差分来检验政策效果。若低碳城市试点政策对不同城市以及同一城市的不同时期具有差异性影响, 多期 DID 可能造成平均处理效应的估计偏误[42]。因此, 采用异质性多期 DID 估计进行稳健性检验, 计算模型的平均处理效应, 并利用事件发生法的思路, 估计事件冲击的动态效应[43]。表 3 中 CSDID 回归分析结果显示, 低碳城市试点政策对行业碳排放的平均处理效应(POST_avg)的系数均在 5%显著性水平上显著为负, 说明低碳城市试点政策的碳减排效应明显。

3.2.4 其他稳健性检验方法

1 )增加滞后。考虑到政策效用的发挥及企业的低碳生产落地需要较长的时间传导, 本文逐步加入控制变量与政策的一期(POSZ)滞后效应, 避免政策效应滞后带来的结果差异影响。表 3 中增加滞后检验(模型 3 和 4)的回归结果表明, 低碳城市试点政策仍在 5%的水平下负向显著。

2 )替换变量。本文在基础回归分析中主要探讨碳排放强度的变化情况, 考虑到碳排放总量也是衡量地区碳减排效果的要素之一, 在此将被解释变量替换为行业碳排放总量。表 3 中模型 5 替换变量的分析结果表明, 低碳城市试点政策显著抑制了碳排放总量的降低, 模型具有稳健性。

3 )替换模型。本文将三方面固定效应更改为两两交叉的固定效应(即将基础回归代码中的固定效应模型从仅包含年份、产业和区位的固定效应, 更新为包含年份与产业、区位与产业以及区位与年份的交叉固定效应), 以便控制潜在的遗漏变量偏误, 结果如表 3 中模型 6 所示。

4 )替换样本。分别采用剔除直辖市、被解释变量碳排放强度 1%缩尾以及全部变量 1%缩尾 3 种样本替换方式, 减少直辖市政策优势和变量极值等影响因素, 增强模型的稳健性。表 3 中替换样本检验(模型 7～9)的回归分析结果显示, 稳健性检验中的回归系数均仍然显著为负, 模型具有较强的稳健性。

3.3 机制检验

3.3.1 土地资源配置优化效应

在基准检验的基础上, 参考江艇[44]的研究方法, 进一步验证低碳城市试点政策对土地资源配置优化程度的影响, 并探究土地资源配置优化对低碳城市试点政策的推进效应。表 4 中模型 1 的 LDQ 分析结果展示, 低碳城市试点政策能够显著促进地方政府土地资源配置优化程度的提升。土地资源配置优化在低碳城市试点政策与产业碳减排之间发挥着重要的机制作用。一方面, 过低的用地价格可能导致企业对环境成本的忽视, 进而降低其引入和使用低碳技术的积极性[30]。在低碳城市试点政策的实施过程中, 试点城市通常设定更严格的环保标准和要求, 涵盖排放限制、资源利用效率和清洁生产技术等多个方面。试点城市通过设定更高的准入门槛和限制, 提升高污染行业的进入成本, 促使工业用地出让价格扭曲现象得到弱化, 从而实现土地资源配置的优化。另一方面, 已有研究验证了工业用地价格扭曲和土地资源错配等情况会抑制城市资源配置效率的提升, 进而阻碍绿色转型目标的实现[18]。在低碳城市试点政策的背景下, 以“土地财政”和“土地金融”为双重动机的传统土地出让模式得到一定程度的改善, 引导资源向低碳、环保产业流动, 有利于推动产业结构的优化调整, 不仅直接降低高碳产业的碳排放, 还能够通过产业间的协同效应, 促进整个城市下产业体系的低碳化发展, 为实现城市的可持续发展目标提供有力的支撑[20]。

3.3.2 行业技术创新提升效应

表4中模型2展示技术创新提升程度作为政策作用发挥机制的检验结果, 表明行业技术创新提升程度在低碳城市试点政策下得到显著提升。低碳城市试点政策的实施促使试点城市的地方政府积极作为, 通过出台一系列激励政策, 鼓励不同产业间开展广泛的合作与联盟。在此过程中, 产业间实现资源共享和技术交流, 进而催生显著的协同效应。这种协同效应不仅能够有效地推动技术创新与合作, 避免资源的重复投入与浪费, 还能显著地降低整体生产成本, 为降低碳排放强度提供有力的支撑[20]; 此外, 产业间技术创新关联水平的提升为企业构建完善的供应链网络创造了有利条件[38]。完善的供应链网络能够优化物流配送路径, 提高能源利用效率, 减少能源消耗以及废弃物排放, 从而在生产环节中进一步降低碳排放强度, 有力地强化了低碳城市试点政策对产业碳减排的促进作用[10]。因此, 技术创新提升程度在低碳城市试点政策与产业碳减排之间发挥了重要的机制传导作用, 是低碳城市试点政策发挥效能的关键路径之一。

3.4 异质性检验

在基础回归检验与稳健性检验的基础上, 低碳城市试点政策在哪类城市或行业中的效应更明显? 由于城市区域差异的存在, 不同地区在财政、资源和产业结构等方面呈现显著的差异性; 行业技术水平的差异则导致各行业在碳排放控制和减排技术应用方面存在不同的表现; 此外, 行业密集性差异还表现为不同行业在特定地区的集聚程度各不相同[45]。因此, 深入地分析低碳城市试点政策在不同城市区域及不同行业特征背景下的实施效果, 能够更精准地把握这项政策在不同环境中的适用性和效果差异, 从而为未来政策的制定提供更具针对性的参考和借鉴。因此, 本文借鉴郭沛等[28]的研究方法, 分别针对城市纵向财政压力、城市土地财政惯性、行业技术水平以及行业密集性等 4 个方面的差异展开异质性分析。

3.4.1 城市特征的异质性检验

1 )城市纵向财政压力程度。参考谢贞发等[46]的计算方法和分类标准, 采用一般公共预算支出减去收入后的差值与预算支出的比值作为纵向财政压力的代理变量, 并根据中位数, 将样本划分为财政压力较高和较低两类城市进行分组回归(表 5 中模型 1 和 2)。可以发现, 财政压力较大的城市中, 低碳城市试点政策冲击后, 其行业碳排放强度的降低效应更加明显。原因可能在于, 财政压力较大的城市在面临低碳城市试点政策冲击时, 会展现出更积极的政策响应与资源配置调整行为。财政压力较大的城市在低碳城市试点政策实施过程中, 会更加注重政策的精准性和有效性, 力求以有限的财政资源实现最大的碳减排效果[9], 因此倾向于将资金优先投入到减排潜力大、成本效益高的行业或领域, 使得低碳城市试点政策能够更有效地引导产业向低碳化转型。并且, 财政压力较大的城市为了缓解财政困境, 会更积极地寻求外部资金支持和政策优惠, 为低碳技术的研发、推广和应用提供有力的保障, 能够推动产业的低碳化进程, 强化低碳城市试点政策对行业碳排放强度降低的效应。

2 )城市土地财政惯性水平。参考邹秀清[47]的方法, 采用土地出让总金额与 GDP 的比值来表征城市土地财政惯性水平, 其值越高, 表示地方政府对土地财政的惯性依赖程度越大, 并根据中位数, 将样本划分为两部分(表 5 中模型 3 和 4)。结果显示, 在土地财政惯性较小的城市中, 低碳城市试点政策对产业碳减排的影响系数为−0.291, 且在 1%的显著性水平上显著。这一结果表明, 对于对土地出让收入依赖较低的城市, 低碳城市试点政策对产业碳排放强度产生显著的负面影响。在土地财政惯性水平较低的城市中, 政府可能注重培育更加多元化的经济发展方式, 推动产业的可持续发展, 而不是单纯地依赖土地出让收入作为主要的财政来源, 因此具有更大的空间和能力来严格地执行环保政策。这种政策导向使得地方政府有更多的资源和动力投入到产业结构调整和升级中, 加大对高新技术产业、清洁能源产业以及绿色制造业的支持力度, 因此能够有效地降低城市的产业碳排放总量。本文研究结果与王展祥等[9]的研究结果相呼应。

3.4.2 行业特征的异质性检验

1 )行业技术水平。参考丁一兵等[48]的分类方法, 调整联合国工业发展组织划分方案, 划分为中高端技术行业(Mhigh)和中低端技术行业(Mlow) (表 5 中模型 5 和 6)。其中, 中高端技术行业包括化学原料和化学制品制造业、医药制造业、化学纤维制造业、橡胶和塑料制品业等。可以发现, 低碳城市试点政策冲击后, 试点城市中低端技术行业碳排放强度的降低更明显。这说明, 在技术更新与转型方面, 与中高端技术行业相比, 中低端技术行业通常采用传统的生产工艺和设备, 碳排放量较高。低碳城市试点政策冲击下, 地方政府将促使企业加大技术更新和转型的力度, 采用更清洁更高效的生产工艺和设备, 从而明显地降低碳排放强度。在政策激励与支持方面, 中低端技术行业往往面临市场竞争激烈、利润空间有限的情况, 因此需要政府的政策激励和支持来推动企业采取低碳生产方式。低碳城市试点政策下, 地方政府将为这些行业提供更多的财政支持和税收优惠等, 鼓励企业主动降低高碳生产方式的使用率, 推动行业碳减排发展[4]。

2 )行业要素密集度。参考韩峰等[49]对工业行业要素密集度的分类, 划分为技术密集(I)和非技术密集(L)两个行业类别(表 5 中模型 7 和 8)。结果显示, 相比于技术密集型行业, 劳动密集型行业和资本密集型行业等非技术密集型行业中试点城市碳排放强度明显降低。在技术转移和应用难度方面, 相对于技术密集型行业, 非技术密集型行业技术更新和转型的难度通常较低, 更容易采用已有的低碳技术和生产工艺, 通过简单的改进和调整即可实现碳排放的降低。在供应链和产业关联效应方面, 劳动密集型行业和资本密集型行业等非技术密集型行业涉及更复杂的供应链和产业关联, 低碳城市试点政策的实施可通过整个产业链的协同作用, 促使企业共同降低碳排放, 进而实现整体碳排放的降低[49]。这也启示我们, 区域内化学纤维制造业、医药制造业等高端技术行业不一定具有较高的碳排放效率, 低碳政策的实施应兼顾行业均衡。尽管技术密集型行业具有较强的技术创新能力与创收支撑能力, 在低碳发展路径探索中, 仍然要注意降低在政策支持下碳排放强度增大的可能性。

3.5 拓展性分析

值得注意的是, 低碳城市试点政策在高、低碳行业中是否存在工业碳减排效应差异? 本文采用三重差分法, 检验高、低碳行业中低碳城市试点政策可能的碳减排效应差异, 进一步验证低碳城市试点政策中有关高碳行业针对性调整的影响效果。我们加入政策冲击与高碳或低碳变量(HC)的交乘项, 替代原有解释变量, 展开进一步的验证。模型表达式为

式中, HCc,i,t为高、低碳行业划分指数, 高碳行业为 1, 低碳行业为 0。

表 6 中模型 1 描述交乘项对产业碳排放强度的影响, 回归系数均为负向显著; 模型 2 为加上城市–行业层级控制变量“行业从业规模(IPO)”的回归分析结果; 模型 3 即最终三重差分检验结果, 综合控制城市要素与城市–行业的从业规模和行业产值两大因素。实证结果表明, 相较于低碳行业, 低碳城市试点政策在相应高碳产业中的碳减排效应更明显。高碳产业的碳排放水平较高, 面临更严峻的环境压力和法规限制, 因此在政策的促使下, 高碳产业更具动力和必要性进行技术改造和转型, 采用更清洁更低碳的生产技术, 从而使工业碳减排效应更加明显[6]。低碳城市试点政策能够有效地减弱行业高碳排放惯性对城市工业碳减排的阻碍作用, 有效地促进市域产业低碳发展。

4 结论与建议

本研究基于 2009—2020 年城市–行业层面的二位数工业面板数据, 从政府作用视角切入, 运用双重差分法, 系统评估低碳城市试点政策的工业碳减排效应, 并从资源配置与技术创新的双重视角剖析其内在作用机制。主要研究结论如下: 1)低碳城市试点政策有效地促进了工业行业的碳减排, 这种影响存在一定的时间滞后性, 且在高碳行业中的减排效果尤为显著; 2)除传统的行业技术创新路径(在城市–行业层面继续发挥关键作用)外, 土地资源配置优化是政策产生减排效应的另一重要渠道; 3)政策的减排效果在财政压力较大或土地财政依赖度较低的城市、中低端技术行业以及劳动与资本密集型行业中更为突出, 同时, 低碳城市试点政策对高碳产业的碳排放强度下降具有更显著的推动作用。

本研究提出以下政策建议。

1 )科学、有序地扩大试点范围, 推动低碳政策精细化落地。政府应充分发挥环保督察与监管职能, 构建有效的治理框架。通过加强执法力度, 提高企业环境违规成本, 倒逼企业转向清洁生产。在扩大低碳城市试点政策覆盖范围时, 应注重科学评估与精准定位。建议结合各地区碳排放特征、产业结构与发展阶段, 差异化地推进试点布局, 逐步实现精细化建设。同时, 应建立健全监测评估体系, 持续跟踪政策成效, 为动态优化提供实证依据。

2 )拓展多元低碳路径, 强化源头准入管理。应系统地构建以技术创新为核心的低碳发展体系。政府可通过资金扶持与政策引导, 鼓励企业开展低碳技术的研发与应用, 提升清洁生产水平。同时, 借助绿色采购、产品认证和消费激励等措施, 引导市场需求向低碳产品倾斜, 形成供需双侧联动。此外, 应积极探索能源结构优化和循环经济构建等多元路径, 并针对不同行业的特点, 完善产业准入机制。设立严格的环保与低碳标准, 并配套准入限制和环境税收等政策工具, 限制高碳高污染产业的发展, 系统性地拓展低碳政策覆盖的广度和深度。

3 )深化土地要素市场化改革, 引导产业低碳关联发展。建议加快推进土地要素市场化改革, 完善土地出让机制, 构建更高效更透明的土地市场。各地应结合产业结构与比较优势, 对引入产业实施精准筛选, 重点扶持与本地区产业基础相契合的低碳关联产业, 如清洁能源、节能环保和新能源汽车等。通过激活存量产业潜力和引导增量企业集聚, 促进产业链的整合与协同创新, 提升资源利用效率, 推动产业体系向低碳化和高端化转型, 为实现工业碳减排目标提供制度与结构的双重支撑。

本研究存在以下局限性。1)受限于数据可得性, 数据样本未能涵盖全国所有城市及工业部门。后续研究中可纳入更多的城市和行业, 并延长观测期, 从而检验低碳城市试点政策的长期动态效应, 增强研究结论的稳健性与普适性。2)在研究方法上, 本文未深入探讨减排政策的空间溢出效应。未来研究中可结合行业与空间双重维度, 构建更具综合性的分析框架来比较不同区位和行业的政策效果差异, 揭示低碳城市试点政策的跨区域影响, 为差异化和精准化的低碳转型路径提供参考。

[1] 洪银兴. 新质生产力及其培育和发展. 经济学动态, 2024(1): 3–11

[2] 何可, 朱信凯, 李凡略. 聚“碳”成“能”: 碳交易政策如何缓解农村能源贫困?. 管理世界, 2023, 39(12): 122–144

[3] Cgen H, Hao Y, Li J, et al. The impact of environmental regulation, shadow economy, and corruption on envi-ronmental quality: Theory and empirical evidence from China. Journal of Cleaner Production, 2018, 195: 200–214

[4] 令狐大智, 武新丽, 李怡娜, 等. 低碳划分标准对异质企业碳排放决策的影响机理研究. 中国管理科学, 2023, 31(4): 46–55

[5] Wolff H. Keep your clunker in the suburb: Low-emission zones and adoption of green vehicles. The Economic Journal, 2014, 124(8): 481–512

[6] 李慧鹏, 周小亮. 低碳城市建设对企业数字化转型的影响研究——来自上市公司的经验证据. 工业技术经济, 2023, 42(5): 105–113

[7] Gehrsitz M. The effect of low-emission zones on air pollution and infant health. Journal of Environmental Economics and Management, 2017, 83: 121–144

[8] Shen B, Yang X, Xu Y. Can carbon emission trading pilot policy drive industrial structure low-carbon re-structuring: new evidence from China. Environmental Science and Pollution Research, 2023, 30(14): 41553–41569

[9] 王展祥, 叶宇平. 低碳城市试点政策对地方政府重污染行业土地出让的影响. 中国人口·资源与环境, 2023, 33(3): 125–136

[10] 黄志基, 宋名悦, 樊正德, 等. “城市–行业”尺度下中国工业碳排放的时空演变特征及影响机制: 基于产业关联的视角. 环境科学, 2025, 46(2): 647–659

[11] 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. 管理世界, 2022, 38(2): 46–69

[12] Hu J. Synergistic effect of pollution reduction and car-bon emission mitigation in the digital economy. Jour-nal of Environmental Management, 2023, 337: 117755

[13] Xie H L, Zhai Q L, Wang W, et al. Does intensive land use promote a reduction in carbon emissions? Evidence from the Chinese industrial sector. Resources, Conser-vation & Recycling, 2018, 137: 167–176

[14] 钟昌标, 胡大猛, 黄远浙. 低碳试点政策的绿色创新效应评估——来自中国上市公司数据的实证研究. 科技进步与对策, 2020, 37(19): 113–122

[15] Chen M, Wang K. The combining and cooperative effects of carbon price and technological innovation on carbon emission reduction: evidence from China’s industrial enterprises. Journal of Environmental Mana-gement, 2023, 343: 118188

[16] 张令荣, 彭博, 程春琪. 基于区块链技术的低碳供应链政府补贴策略研究. 中国管理科学, 2023, 31 (10): 49–60

[17] 李永友, 张真真. 市级政府撤县设区行为的土地出让收入逻辑. 管理世界, 2024, 40(12): 95–111

[18] 陈前利, 马贤磊, 石晓平, 等. 工业用地供应行为影响工业能源碳排放吗? ——基于供应规模、方式与价格三维度分析. 中国人口资源与环境, 2019, 29 (12): 57–67

[19] 郭琪, 贺灿飞. 演化经济地理视角下的技术关联研究进展. 地理科学进展, 2018, 37(2): 229–238

[20] 黄志基, 朱晟君, 石涛. 工业用地出让、技术关联与产业进入动态. 经济地理, 2022, 42(5): 144–155

[21] 郑梦, 常哲仁. 绿色低碳转型与企业环境社会责任——基于低碳城市试点的准自然实验. 经济与管理研究, 2023, 44(7): 126–144

[22] 王喆, 余紫菱, 马莉莉. 中国自贸试验区的设立推动城市低碳发展了吗?. 中国人口·资源与环境, 2023, 33(8): 48–61

[23] 陈钊, 初运运. 新兴企业进入与产业链升级: 来自中国无人机行业的证据. 世界经济, 2023, 46(2): 85–107

[24] 罗良文, 李珊珊. 对外贸易技术效应与中国工业碳排放——基于产业关联的视角. 经济管理, 2013, 35(1): 11–22

[25] Molina T, Rivadeneyra I. The schooling and labor mar-ket effects of eliminating university tuition in Ecuador. Journal of Public Economics, 2021, 196: 104383

[26] 宋弘, 孙雅洁, 陈登科. 政府空气污染治理效应评估——来自中国“低碳城市”建设的经验研究. 管理世界, 2019, 35(6): 95–108

[27] 邓世成, 吴玉鸣. 低碳城市试点政策对中国资源型城市绿色转型发展的影响. 中国人口∙资源与环境, 2024, 34(6): 65–79

[28] 郭沛, 梁栋. 低碳试点政策是否提高了城市碳排放效率——基于低碳试点城市的准自然实验研究. 自然资源学报, 2022, 37(7): 1876–1892

[29] 王巧然. 城市化对碳生产率的阶段性效应及其区域分异特征研究——来自中国地级市的证据. 技术经济, 2021, 40(12): 61–73

[30] 王博, 张耀宇, 冯淑怡. 地方政府干预、土地价格扭曲与工业企业生产率. 经济理论与经济管理, 2021, 41(7): 51–63

[31] 姚鹏, 李慧昭, 孙久文. 工业用地价格扭曲、产业转移与产能回潮. 经济学动态, 2022(10): 81–100

[32] Hidalgo C, Klingler B, Barabasti A L, et al. The pro-duct space conditions the development of nations. Ri-cardo Hausmann, 2007, 5837: 482–487

[33] 周申. 贸易自由化对中国工业劳动需求弹性影响的经验研究. 世界经济, 2006(2): 31–40

[34] 甘行琼, 许启凡, 袁一杰. 区域工业绿色转型试点、财政压力与制造业低碳发展. 财政研究, 2022 (9): 104–119

[35] 卢娜, 李雯, 刘子铭, 等. 工业用地出让市场化对出口技术复杂度的影响. 中国土地科学, 2025, 39 (5): 81–91

[36] 罗良文, 孙立雪, 王晨. 碳排放权交易试点对城市工业低碳转型的影响. 华东经济管理, 2024, 38(7): 39–52

[37] Shahbaz M, Li J, Dong X, et al. How financial inclu-sion affects the collaborative reduction of pollutant and carbon emissions: the case of China, Energy Econo-mics, 2022, 107: 1105847

[38] 王连芬, 赵园, 王良健. 低碳试点城市的减碳效果及机制研究. 地理研究, 2022, 41(7): 1898–1912

[39] 李少林, 杨文彤. “双碳”目标、财政压力与绿色增长——来自所得税收入分享改革的政策实验. 商业研究, 2023(1): 77–88

[40] Van der Borght R, Barbera M P. How urban spatial expansion influences CO2 emissions in Latin American countries. Cities, 2023, 139: 104389

[41] 文书洋, 史皓铭, 郭健. 一般均衡理论视角下绿色金融的减排效应研究: 从模型构建到实证检验. 中国管理科学, 2022, 30(12): 173–184

[42] Goodman-Bacon A. Difference-in-differences with va-riation in treatment timing. Journal of Econometrics, 2021, 225(2): 254–277

[43] Callaway B, Sant’Anna P H C. Difference-in-differen-ces with multiple time periods. Journal of Economet-rics, 2021, 225(2): 200–230

[44] 江艇. 因果推断经验研究中的中介效应与调节效应. 中国工业经济, 2022(5): 100–120

[45] 李珊珊, 赵超越. 用能权交易制度对企业低碳技术创新的驱动效应. 中国人口·资源与环境, 2023, 33 (10): 124–134

[46] 谢贞发, 朱恺容, 李培. 税收分成、财政激励与城市土地配置. 经济研究, 2019, 54(10): 57–73

[47] 邹秀清. 中国土地财政区域差异的测度及成因分析——基于 287 个地级市的面板数据. 经济地理, 2016, 36(1): 18–26

[48] 丁一兵, 刘威. 进口产品复杂度对产业结构高级化的影响——来自中国34个工业行业的经验研究. 经济评论, 2018(3): 31–45

[49] 韩峰, 阳立高. 生产性服务业集聚如何影响制造业结构升级? ——一个集聚经济与熊彼特内生增长理论的综合框架. 管理世界, 2020, 36(2): 72–94

Re-Evaluating the Industrial Carbon Emission Reduction Effects of Low-Carbon City Pilots: New Evidence from 38 Two-Digit Industrial Sectors

1. School of Government, Central University of Finance and Economics, Beijing 100081; 2. Laboratory for Urban Future, Peking University (Shenzhen), Peking University Shenzhen Graduate School, Shenzhen 518055; 3. School of Urban Planning and Design, Peking University Shenzhen Graduate School, Shenzhen 518055; † Corresponding author, E-mail: tongde@pkusz.edu.cn

Abstract Based on carbon emission data from 38 two-digit industrial sectors across 133 cities from 2009 to 2020, this study reappraises the carbon reduction effects of low-carbon city pilot policies using a difference-in-differences approach and explores potential mechanisms through resource allocation and technological innovation. The results indicate that low-carbon pilot policies significantly reduce carbon intensity at the city-sector level. Optimized land resource allocation serves as an important channel for the policy’s impact, while the level of technological innovation also plays a critical role in the emission reduction process. The carbon reduction effect is more pronounced in cities with greater fiscal pressure or lower dependence on land finance, as well as in medium-low technology, labor-intensive, and capital-intensive sectors. The policy exhibits a stronger emission reduction effect in high-carbon industries. This study helps to unveil the implementation mechanism of low-carbon policies at the city-sector level and provides theoretical insights for exploring localized low-carbon development pathways.

Key words low-carbon city pilot policies; industrial carbon reduction; resource allocation; technology innovation