能源转型政策的碳减排效应——基于新能源示范城市的准自然实验

景国文 汪 达

1（南开大学经济学院，天津 300071） 2（江西省社会科学院江西社会科学杂志社，南昌 330000）3（江西财经大学工商管理学院，南昌 330000）

引 言

随着二氧化碳等温室气体排放导致全球气候变暖等灾害现象发生，越来越多的国家意识到降低碳排放对于人类经济社会可持续发展的重要性。而造成温室气体排放增加的重要原因之一就是煤炭、石油等化石能源的大量消耗。为推动低碳转型发展，2020 年中国政府提出到2030 年实现碳达峰，到2060 年实现碳中和的双碳目标。但受制于工业结构及经济发展阶段等因素影响，当前能源消费结构中化石能源消费比重过高，2022 年中国能源消费总量中煤炭消费总量占比达到56.2%，而太阳能、风能等新能源消费量还有待提高，碳减排的压力仍然较大。新能源的使用能够有效降低碳排放［1，2］，因此需要加大新能源使用，通过能源的节约与替换来降低碳排放。

为推动新能源发展，中国相继颁布实施了《可再生能源法》、《可再生能源中长期规划》，并且将新能源发展纳入到“十四五” 发展规划，为新能源发展进一步指明方向。2014 年国家能源局公布了新能源示范城市建设名单，并且对新能源示范城市建设内容等均提出明确要求，如明确提出试点城市要大力发展风能和太阳能等新能源、推动新能源技术研发等。那么新能源示范城市作为能源政策的一项尝试，能否助力双碳目标实现，能否降低碳排放？ 对此，本文将研究新能源示范城市的碳减排效应，在理论分析新能源示范城市政策影响碳排放的作用机理基础上，考察新能源示范城市政策对碳排放的影响，从而为中国碳达峰、碳中和目标顺利实现及中国能源政策调整提供经验启示。

自碳达峰、碳中和目标确立以来，碳减排成为学术界研究的焦点。诸多学者围绕如何实现碳减排进行研究。有学者基于环境治理的视角，发现环境规制［3，4］、环境立法［5］、排污费征收［6］等均能够显著降低碳排放。也有学者从数字经济角度入手，研究数字经济对碳排放的影响，发现数字经济、大数据的发展能够促进碳减排［7，8］。还有一些学者研究低碳城市、碳排放交易权等试点政策的碳减排效应，发现低碳城市、碳排放权交易试点政策能够助力碳减排［9－11］。但是上述学者并未研究能源转型政策、新能源使用等因素对碳排放的影响。

关于新能源示范城市政策的研究，理论层面，娄伟（2014）［12］研究了新能源城市的现状，并且提出新能源城市的规划理念。Wu 等（2018）［13］研究认为新能源示范城市将能源政策权力下放，需要上级政府部门的政策支持，否则政策效果会受到地方技术创新能力不足等因素的制约。而实证研究主要集中在环境效应、经济增长效应等方面，相关研究发现新能源示范城市政策能够显著抑制污水和废气等污染物的排放［14，15］，并且新能源示范城市创建推动了产业结构升级和技术创新强化，因此也促进了城市经济增长［16］。而作为一项能源转换政策，其政策的实施具有激励与约束的作用，能够通过环境规制及资源配置效率提高等途径促进试点城市的绿色技术创新［17］，而且Liu 等（2022）［18］研究还发现新能源示范城市政策在促进绿色技术创新过程中通过产生“虹吸效应” 促进资本、劳动力等资源流向了试点城市。易善宇和尹湲湲（2022）［19］研究发现新能源示范城市政策还有助于吸引外商直接投资。

从上述研究发现，尽管有关碳减排影响因素的研究十分丰富，但是并未涉及能源转型政策的碳减排效应，也无法深入探究新能源及技术的推广使用对碳排放的影响；而且有关新能源示范城市政策效应的研究没有探究其政策的碳减排效应，因此其研究内容还有扩展的空间。

本文从能源转型政策的视角，利用新能源示范城市设立这一准自然实验，识别新能源示范城市政策与碳排放二者间的因果关系；将新能源示范城市政策、环境规制、技术创新纳入统一的分析框架，分析新能源示范城市政策影响碳排放的作用机制，并且从地理区位、资源禀赋差异等角度分析新能源示范城市政策降低碳排放的异质性，研究结论为政府今后继续推行新能源示范城市建设及实现双碳目标提供了政策支撑。

1 政策背景与理论假说

1.1 政策背景

在当前中国能源约束趋紧的背景下，提高新能源在能源消费中的比重，减少对化石能源的依赖，对于维护国家能源安全及促进经济社会可持续发展具有重要的意义。为推动中国能源消费结构的调整，促进新能源使用占比提高，中国先后相继颁布实施了《可再生能源法》、《可再生能源中长期规划》，对可再生能源的利用提出明确的要求。为推进能源政策转型，推动太阳能、风能等新能源的广泛利用，国家能源局2012 年组织开展了新能源示范城市的申报工作，并且在2014 年公布了新能源示范城市名单。新能源示范城市的申请由各城市所在省（区、市）的能源主管部门统一申报，新能源示范城市政策的建设内容包括推动可再生能源的利用，推动太阳能、风能、生物质能、地热能的开发使用，推动新能源技术创新，促进新能源在城市能源消费中的占比提高。

1.2 理论假说

新能源示范城市政策在推行过程中，对试点政策的污染排放提出明确考核要求，压实了地方政府的环境监管责任；另外在推广新能源使用，提高新能源在能源消费占比过程中，对企业新能源使用、新能源技术创新提供了诸多支持，也通过对企业的投资引导，使资金等要素流向试点城市，促进了城市创新水平提升。而从已有研究看，技术创新、环境规制对碳减排有明显的促进作用。因此，本文从环境规制、技术创新两个渠道进行分析。

（1） 环境规制机制。新能源示范城市政策在环境治理方面对地方政府提出明确的要求，要求地方环境治理绩效不能低于全省（区、市）平均水平，给予试点城市政府在环境治理方面的压力，从而提高试点城市的环境规制强度，督促企业积极采用新能源，约束污染企业降低污染排放，达到污染治理的效果；另外新能源示范城市政策对单位工业产值的能源消耗提出要求，试点城市必然会提高环境监督管理的力度，对污染企业进行环境规制，淘汰高污染的企业，引进清洁能源产业，从而实现产业结构的清洁化。环境规制对于抑制污染物排放及碳排放具有重要作用。而环境规制强度提高还可以淘汰污染企业，使得污染企业退出市场，降低碳排放；同时环境规制强度的提高还可以实现产业结构合理化，进而实现碳减排。此外，环境规制强度提高会促进企业能源结构中清洁能源的占比，也减少生产过程中的碳排放。Danish 等（2020）［20］、Liu 等（2022）［21］、张华和冯烽（2020）［22］研究发现环境规制能够降低地区及制造业的碳排放。基于此，本文提出如下假说：

H1：新能源示范城市政策能够通过提高政府环境规制强度降低碳排放。

（2） 技术创新机制。新能源示范城市政策主要通过以下几点促进技术创新：①通过完善创新激励机制促进技术创新。企业技术创新面临较大的资金投入和失败的风险，因此企业技术研发存在动力不足、积极性有限的问题。新能源示范城市政策通过明确政府的财政支持力度，完善与创新相关的服务平台建设，推动政府对企业的技术创新等进行奖励［17］，为企业提供研发补贴、税收优惠、新能源补贴等［18］，从而完善了鼓励企业技术创新的激励机制，有助于降低企业研发成本，提高技术创新积极性；②通过政府的投资引导促进技术创新。地方政府为发展新能源产业，推广新能源技术，激励企业技术创新，政府积极引导企业投资方向，而政策的导向作用能够促进资金、技术、人才流向试点城市，增强企业技术创新的内生动力［17］，同时引导政策会形成“新能源筛选效应”［18］，导致高污染企业数量下降，而新能源企业数量增加［23］，使得新能源企业间竞争加剧，也倒逼企业增加研发投入进行技术创新［18］。技术创新可以降低污染排放，补偿减排成本［24］，也可以提高企业生产效率降低单位产出的碳排放强度，还可以提高企业利润使得企业增加前端生产方面的环保投入。而且技术创新可以促进环境监管方式的创新，使得政府可以通过远程技术手段在线监测企业的碳排放数据，有助于试点城市碳排放下降。Chen 等（2020）［25］、Awan 等（2022）［26］、Cheng 等（2021）［27］研究发现技术创新可以减缓碳排放。基于此，本文提出如下假说：

H2：新能源示范城市能够通过促进技术创新降低碳排放。

2 研究设计

2.1 模型设立

本文旨在研究能源转型政策能否降低碳排放，以2014 年实施的新能源示范城市政策作为准自然实验，建立DID 模型进行研究，为避免地区与时间层面相关遗漏变量影响，同时控制地区与时间固定效应，模型设计如下：

式（1） 中，i、t分别表示地区、时间；car⁃mit表示i地区t时期的碳排放强度；β0表示常数项，energyit表示i地区t时期的新能源示范城市政策虚拟变量，β1表示energyit的回归系数；Xit表示本文的相关控制变量，包括政府干预（govern）、经济发展水平（lngdp）、科技支持（support）、金融发展（finance）、产业结构（service）；vi、vt分别表示地区固定效应、时间固定效应，eit表示残差项。

2.2 变量说明

（1） 被解释变量：碳排放（carm）。本文采用碳排放强度表示碳排放，具体采用碳排放量与实际GDP 比值的对数表示，单位：吨／万元。借鉴Chen 等（2020）［28］的研究，本文碳排放数据来自中国碳核算数据库（CEADs）。CEADs 通过算法对DMSP／OLS 和NPP／VIIRS 卫星图像的数据进行处理，从而得到碳排放数据。

（2） 核心解释变量：新能源示范城市政策（ene⁃rgy）。其中energy是policy与time的交互项，若某城市入选为新能源示范城市试点地区，则policy等于1，否则policy等于0；若时间在2014 年及其以后则time等于1，否则等于0。

（3） 控制变量。本文选择以下控制变量。①政府干预（govern），由于地方政府能够通过招商引资等方式促进地区经济发展，因而政府对经济的干预程度一定程度会影响碳排放，政府干预采用政府的一般公共预算支出占地区GDP 的比重表示；②经济发展水平（lnpgdp），在不同的经济发展阶段，地区的经济结构及政府的环境保护重视程度不同，因此经济发展水平可能对碳排放产生影响，采用实际人均GDP 对数表示；③科技支持（support），政府对科技的支持力度会影响企业的创新意愿，进而影响新能源技术的开发和使用，对碳排放产生影响。本文采用政府科技支出与GDP 的比重表示；④金融发展（finance），企业技术创新、新能源技术的开发等均面临较大的融资约束，而地区的金融机构如果将资金投向新能源产业等领域，会缓解企业融资约束，从而影响碳排放。本文采用金融机构的贷款总额与GDP 的比值表示；⑤产业结构（service），采用地区的第三产业增加值与GDP 的比值表示。

2.3 数据来源

本文选用2005 ～2021 年280 个地级市面板数据，其中第三产业增加值、金融机构贷款总额、科技支出、人均GDP、一般公共预算支出等数据来自《中国城市统计年鉴》，碳排放数据来自中国碳核算数据库（CEADs），缺失值通过5 年均值增长率推算。表1 是本文各个变量的描述性统计。

表1 各变量描述性统计

3 实证分析

3.1 基准分析

表2 是基准回归结果。所有回归中均控制地区与时间固定效应，列（1） 是仅考虑新能源示范城市政策变量的回归结果，可以看出energy的回归系数在1%水平上显著，表明新能源示范城市政策的实施显著降低了试点城市的碳排放。列（2）中加入了政府干预、经济发展水平变量，可以看出energy的回归系数显著性没变，回归系数在1%的水平上显著为负，列（3）、（4） 中继续增加控制变量，可知最终在加入全部控制变量后，新能源示范城市政策变量energy的回归系数显著为负，说明新能源示范城市政策可以显著降低试点城市的碳排放。在新能源示范城市政策实施进程中，地方政府通过推动新能源技术的开发利用、推动新能源的使用、对能源行业的企业进行财政补贴等措施促进了企业技术创新，并且通过对地区工业结构的调整，实现产业结构升级，进而实现了碳排放下降。

表2 基准回归结果

而在对应的控制变量中，政府干预的回归系数显著为正，说明政府对经济的干预不利于碳排放的下降；经济发展水平的回归系数显著为负，说明经济发展水平提高，人们的收入水平提高，会通过绿色消费等途径降低碳排放；科技支持的回归系数显著为负，说明政府对科技支持力度的提高，会降低碳排放；金融发展的回归系数显著为正，说明当前的金融发展水平不利于碳排放的降低；产业结构的回归系数并不显著。

3.2 稳健性检验

（1） 平行趋势和动态效应检验。在新能源示范城市政策实施之前，试点城市与非试点城市之间碳排放若不存在共同的变化趋势，则双重差分模型回归的结论难以可信。本文研究表明新能源示范城市政策能够有效降低碳排放，而双重差分模型回归之前需要检验新能源示范城市试点地区与非试点地区之间是否满足平行趋势假设。因此本文借鉴Beck 等（2010）［29］的研究，采用如下模型进行检验：

本文采用事件研究法对新能源示范城市政策实施前9 年和后6 年的样本区间进行平行趋势和动态效应检验，以－9 期年作为基准期；Dit表示各个新能源示范城市政策设立时间虚拟变量；图1汇报了平行趋势检验的结果，可以看出在新能源示范城市政策实施之前，试点地区与非试点地区间不存在显著差异，表明本文的模型通过平行趋势检验。此外，从政策实施之后各期的回归系数可以看出，在政策实施之后新能源示范城市政策对碳排放的回归系数显著为负，而且新能源示范城市政策抑制碳排放的效应随着时间推移逐渐增强。

图1 平行趋势与动态效应检验结果

（2） PSM－DID。试点地区与非试点地区间可能并不具备相同的地区特征，因此试点地区的选择可能存在样本选择偏误的问题。而PSM 能够通过对试点城市与非试点城市的若干特征因素进行匹配，从而为试点城市匹配合适的对照组。具体而言，①选择本文的控制变量作为协变量进行PSM；②匹配方式采用近邻1 ∶4 的方式进行。匹配后的结果显示各个变量的偏差率都在20%以内，表明PSM 后样本的匹配结果较为理想。表3的列（1） 表示PSM－DID 的回归结果，可知新能源示范城市政策的回归系数显著为负，进一步验证了基准研究结论的稳健性。

表3 稳健性检验回归结果

（3） 控制非随机因素。试点地区若是基于地区特征因素进行选择，那么试点地区的选择非随机则会影响双重差分模型研究结论。考虑到新能源示范城市的选择可能是基于地理位置、环境污染程度、政策支持力度等因素，因此本文考察试点地区是否是基于东部城市、两控区城市、“一带一路” 倡议沿线城市，然后分别设置东部城市、两控区城市、“一带一路” 倡议沿线城市的虚拟变量db、lkq、belt，将上述3 个非随机因素的虚拟变量与基准时间趋势（t）形成交互项，代入基准模型中进行回归。表3 的列（2）～（4） 分别表示控制东部城市、两控区城市、“一带一路”倡议沿线城市非随机因素的回归结果，可知核心解释变量energy的回归系数均显著为负，表明试点城市选择非随机并不会影响新能源示范城市降低碳排放的政策效果。

（4） 排除其他政策。尽管本文研究发现新能源示范城市能够显著降低碳排放，然而在新能源示范城市政策实施过程中，仍然有其他的政策会对地区的碳排放产生影响，因此本文考察在新能源示范城市政策实施期间的其他政策。本文考察了2013 年实施的创新型产业集群试点政策（cyjq）、2017 年实施的大气污染防治政策（daqi）、2009 年实施的国家自主创新示范区政策（zizhu）、2012 年实施的智慧城市试点政策（dt）。具体而言，首先设置创新型产业集群试点政策、大气污染防治政策、国家自主创新示范区政策、智慧城市试点政策的试点地区虚拟变量，然后设置这些政策的时间虚拟变量，用试点地区虚拟变量与时间虚拟变量的交互项表示上述政策。表4 的列（1）～（4） 分别是考虑创新型产业集群试点政策、大气污染防治政策、国家自主创新示范区政策、智慧城市试点政策的回归结果，可知无论考虑哪种政策，核心解释变量energy的回归系数都显著为负，说明类似的政策并没有影响新能源示范城市的碳减排效果。

表4 稳健性检验回归结果

（5） 安慰剂检验。在本文基准模型中已经控制了部分影响因素，但是也可能依然存在影响碳排放的遗漏变量。为此，本文在样本中进行随机选择政策实施时间，然后采用基准模型进行回归，随机重复上述过程2000 次得到2000 个回归系数。图2是随机选择样本后2000 次回归系数的分布图，其中虚线表示本文真实的回归系数大小。理论上，2000 次回归系数应该不显著，即随机抽样的样本不应该存在降低碳排放的效应，可以看出大部分的系数都在0 的两端均匀分布，而且2000 次回归的系数均值与0 值接近，与真实的回归系数相比差异明显，因此表明新能源示范城市的碳减排效应不是偶然得到的，没有受到不可观察因素的干扰。

图2 安慰剂检验

4 异质性分析

4.1 地理区位

本文将样本区分为东部、中、西部城市，分别采用基准模型回归。表5 的列（1）、（2） 分别是东部、中、西部城市样本的回归结果，可以看出无论东部城市，还是中、西部城市，energy的回归系数均显著为负，表明新能源示范城市政策都能够显著降低碳排放，但是从政策效应大小来看，新能源示范城市降低碳排放的效果在东部城市更加明显。

表5 地理区位与资源禀赋异质性回归结果

4.2 资源禀赋

本文依据国务院发布的《全国资源型城市可持续发展规划2013～2020》，将样本划分为资源型城市、非资源型城市。表5 的列（3） 和列（4）分别表示非资源型城市、资源型城市的回归结果，可以看出energy的回归系数在非资源型城市显著为负，在资源型城市并不显著，表明新能源示范城市政策降低碳排放的效应在非资源型城市更加明显。

4.3 FDI 规模

为检验新能源示范城市政策降低碳排放的效果究竟是否会受到FDI 流入规模差异的影响，本文将各个城市的实际利用FDI 规模的中位数作为临界值，将低于中位数的样本划分为FDI 流入低的城市，将高于中位数的样本划分为FDI 流入高的城市，检验FDI 流入的差异对新能源示范城市政策降低碳排放的影响。表6 的列（1）、（2） 分别表示FDI 流入低、FDI 流入高的地区的回归结果，可以看出在列（1） 中energy的回归系数显著为负，说明新能源示范城市政策降低碳排放的效果在FDI流入低的城市显著，但是在列（2） 中energy的回归系数虽然为负，并不显著，说明新能源示范城市政策并未降低FDI 流入高的城市的碳排放。

表6 外资利用与行政等级异质性回归结果

4.4 城市行政等级

本文依据样本是否是省会城市、直辖市、副省级城市，把研究样本划分为行政等级高、行政等级一般的城市，以检验行政等级的差异是否会对新能源示范城市政策降低碳排放的效果存在差异。表6 的列（3）、（4） 分别表示行政等级一般、行政等级高的城市的回归结果，可以看出在列（3）、（4） 中energy的回归系数都显著为负，说明新能源示范城市政策确实降低了二者的碳排放，但是从政策影响大小来看，新能源示范城市政策降低碳排放的效果在行政等级高的城市更加明显。

5 机制分析

前文的理论分析表明，新能源示范城市通过促进技术创新、提高环境规制强度来降低碳排放。为此，借鉴Baron 和Kenny （1986）［30］的研究，建立如下模型进行探究。

上式中，mit表示本文的机制变量，包括技术创新、环境规制；技术创新（patent），借鉴纪祥裕和顾乃华（2021）［31］的做法，采用当年获得的发明专利与当年所有专利的比值表示；环境规制（regulate），借鉴李豫新等（2023）［17］的研究，采用单位产出的二氧化硫排放量表示，该指标越大，说明环境规制强度越小。

表7 为新能源示范城市政策降低碳排放效果的机制分析结果。列（1） 是技术创新机制的回归结果，可以看出energy的回归系数显著为正，说明新能源示范城市政策显著促进地区技术创新；列（2） 中技术创新patent的回归系数显著为负，说明技术创新能够降低碳排放，验证技术创新机制的存在。列（3） 是环境规制机制的回归结果，可以看出energy的回归系数显著为负，说明新能源示范城市政策能够提高环境规制强度，降低单位产出的污染排放；列（4） 中环境规制强度reg⁃ulate的回归系数显著为正，说明单位产出的污染排放量提高会导致碳排放提高，结合列（3） 与列（4） 可以看出新能源示范城市政策能够提高环境规制强度降低碳排放。

表7 机制分析回归结果

6 进一步分析：空间溢出效应探讨

为探究新能源示范城市政策的碳减排效应是否会产生空间溢出效应，本文以地级市空间近邻0～1 矩阵，建立空间双重差分模型对此进行研究。

在采用空间杜宾模型回归之前，本文进行了莫兰指数检验及LM 检验、LR 检验、Wald 检验，结果说明可以采用空间杜宾模型进行回归。

表8 是空间杜宾模型的回归结果。其中，列（1） 表示主回归结果，可知空间自回归系数rho系数显著为正，说明不同城市间的碳排放存在正相关性。借鉴Tientao 等（2016）［32］的做法，将主回归分解为直接效应、间接效应、总效应，其中直接效应、间接效应、总效应回归结果分别见列（2）～（4）；列（2） 的直接效应回归结果中energy的回归系数在1%的水平上显著为负，说明新能源示范城市政策具有明显的降低碳排放的作用。列（3）中间接效应的回归结果energy的回归系数在5%的水平上显著为负，说明新能源示范城市政策对周边相邻地区碳排放产生了显著的抑制作用，表明新能源示范城市政策具有明显的示范作用，在政策的实施过程中可以促进地方政府之间相互学习、彼此模仿，从而促进区域整体间的碳排放下降。列（4） 中的总效应回归结果表明，从总体样本而言，新能源示范城市政策具有显著的降低碳排放的作用。

表8 空间计量回归结果

7 研究结论与政策建议

本文的研究结论表明新能源示范城市政策能够显著降低碳排放，并且随着政策的实施，其政策效果逐渐增强，表明能源转型政策在实现双碳目标过程中具有积极的作用。机制分析发现，新能源示范城市政策主要通过促进技术创新、提高环境规制强度实现碳减排。异质性检验发现，新能源示范城市政策降低碳排放的效果在东部城市、非资源型地区、FDI 流入低的地区、行政等级高的城市更加明显。进一步分析发现，新能源示范城市政策能够降低周边地区的碳排放，具有明显的政策示范效应。本文的研究结论为推动新能源示范城市扩容发展及能源政策转型提供了经验启示。

（1） 要有序扩大新能源示范城市试点范围，推动新能源示范城市覆盖面。新能源示范城市政策在降低城市碳排放方面具有积极作用，对于双碳目标实现具有重要意义。因此可以根据当前新能源产业和新能源技术发展的趋势，有序扩大新能源示范城市试点范围，根据试点城市所在地理区位、FDI 流入规模差异、资源禀赋等多方面的差异，认真总结当前新能源示范城市政策实施过程中的成败得失，从而为今后新能源示范城市建设提供可复制、可推广的经验，注重新能源示范城市与周边其他城市的互动发展，推动新能源示范城市间在绿色技术创新、新能源产业发展、污染治理等方面的彼此交流，促进新能源示范城市企业间在能源技术方面的交流合作，从而有效发挥新能源示范城市政策在促进经济增长、产业转型、技术创新、碳减排等方面的积极作用。

（2） 通过环境规制与鼓励创新等手段降低碳排放。本文机制分析表明新能源示范城市政策可以通过环境规制、技术创新的途径实现碳减排。因此在建设新能源示范城市过程中，要结合建设内容及考核要求，加大试点城市的企业污染治理，减小企业在生产过程中的各类污染物的排放，激励企业采用绿色节能技术，实现企业绿色低碳发展；要出台有利于试点城市企业技术创新的各类政策，政府要充分发挥在技术创新方面的主导作用，通过完善创新激励机制，对企业技术创新提供对应的财政补贴等优惠政策，引导企业技术创新方面，推动企业向绿色技术创新方面转变，从而提高新能源示范城市的创新水平。

（3） 加大对新能源示范城市的考核力度，提高政策的支持力度。政策的实施效果要依靠上级主管部门及时的监督考核，要完善新能源示范城市政策的考核评价体系，通过丰富新能源示范城市考核评价内容，提高对试点城市政府的考核力度，给予考核压力，提高试点城市政府实施政策的自主性；另外要提高政策的支持力度，上级政府部门在加强试点城市考核力度的同时，还需要完善政策配套措施，为试点城市提供财政补贴、税收优惠等方面政策支持，有助于提高试点城市实施政策的积极性。