地方经济增长目标管理对碳排放效率的影响
孙浩(1991- ),男,安徽阜阳人,博士,讲师,主要从事公共管理与创新政策研究。E-mail: sunhao1535@163.com |
收稿日期: 2023-06-19
修回日期: 2023-10-20
网络出版日期: 2024-01-16
基金资助
国家自然科学基金项目(72274029)
国家自然科学基金项目(71774027)
The impact of local economic growth target management on carbon emissions efficiency
Received date: 2023-06-19
Revised date: 2023-10-20
Online published: 2024-01-16
基于2007—2021年中国231个城市的面板数据,探究地方经济增长目标管理对碳排放效率的内在机制与地方政府行为下的异质性。结果表明:(1)地方经济增长目标会对碳排放效率产生负面效应,特别是在地方政府对经济增长目标采取硬约束、目标加码以及超额完成下,会进一步加剧对碳排放效率的负面效应,而“留有余地”的软约束能够在一定程度上促进碳排放效率的提升。(2)地方经济增长目标硬约束与目标加码会抑制产业结构高级化与技术创新水平的提升,进而对碳排放效率产生负面效应,而软约束能够提高产业结构高级化与技术创新水平,从而促进地方碳排放效率的提升。(3)地方经济增长目标对碳排放效率的影响存在着单一的产业结构高级化与技术创新门限效应,依靠产业结构高级化策略与技术创新策略是地方经济增长目标提高碳排放效率的有效手段。(4)地方GDP考核压力的提升不仅会弱化经济增长目标软约束对碳排放效率的促进作用,还会进一步加剧地方经济增长目标、省市间目标加码以及超额完成对碳排放效率的负面作用;而碳排放权交易政策的实施以及目标约束方式的转变可有效弱化地方经济增长目标管理对碳排放效率的负面影响。
孙浩 , 郭劲光 . 地方经济增长目标管理对碳排放效率的影响[J]. 自然资源学报, 2024 , 39(1) : 186 -205 . DOI: 10.31497/zrzyxb.20240111
Based on panel data from 231 cities in China from 2007 to 2021, this study investigates the intrinsic mechanisms of local economic growth target management on carbon emission efficiency, as well as the heterogeneity in local government behavior. The results show that: (1) Local economic growth targets have a negative impact on carbon emission efficiency. Particularly when local governments impose strict constraints, intensify target requirements, and strive for overachievement of these targets, which will furgher exacerbate the adverse effects on carbon emission efficiency. On the other hand, the implementation of "flexible constraints" that allow some leeway can to a certain extent promote the improvement of carbon emission efficiency. (2) The strict constraints and intensified requirements of local economic growth targets hinder the upgrading of industrial structure and the advancement of technological innovation, thereby generating negative impacts on carbon emission efficiency. Conversely, flexible constraints can enhance the level of industrial structure upgrading and technological innovation, thereby promoting the improvement of local carbon emission efficiency. (3) The impact of local economic growth targets on carbon emission efficiency exhibits a singular threshold effect regarding the upgrading of industrial structure and technological innovation. Relying on strategic plans for industrial structure upgrading and technological innovation is an effective means for local economic growth targets to enhance carbon emission efficiency. (4) The increasing pressure of local GDP assessment not only weakens the promoting effect of flexible constraints on carbon emission efficiency in economic growth targets but also exacerbates the negative impact of intensified targets and competition among provinces and cities on carbon emission efficiency. However, the implementation of carbon emission trading policies and the shift in target constraint methods can effectively mitigate the negative influence of local economic growth target management on carbon emission efficiency.
表1 描述性统计表Table 1 Descriptive statistics |
变量 | 计算方法 | 均值 | 标准差 | 最小值 | 最大值 |
---|---|---|---|---|---|
碳排放效率(CTFP) | 非期望产出SBM超效率 | 0.554 | 0.175 | 0.239 | 2.801 |
经济增长目标(PEG) | 政府工作报告中所提到的经济增长目标值 | 0.098 | 0.029 | 0.001 | 0.250 |
软约束(RPEG) | 对经济增长目标采用“左右”“上下”“区间”等进行修饰的赋值为1,即RPEG=1,其他赋值为0,RPEG=0 | 0.341 | 0.474 | 0.000 | 1.000 |
硬约束(YPEG) | 对经济增长目标采用确保(力争、争取、突破)达到X%,或者达到X%以上进行修饰的赋值为1,即YPEG=1,其他赋值为0,YPEG=0 | 0.248 | 0.432 | 0.000 | 1.000 |
目标加码(JMPEG) | 城市与所在省份经济增长目标之差 | 0.012 | 0.016 | -0.079 | 0.140 |
超额完成情况(WCPEG) | 实际经济增长与原定目标值之差 | -0.011 | 0.024 | -0.220 | 0.078 |
经济发展水平(Economy) | 地区人均GDP并取对数表征 | 10.729 | 0.571 | 9.091 | 13.056 |
产业结构(Industry) | 第二产业增加值与地区GDP之比 | 0.467 | 0.102 | 0.117 | 0.820 |
财政自主度(Autonomy) | 财政一般预算内收入与支出之比 | 0.484 | 0.228 | 0.046 | 1.541 |
对外开放水平(Open) | 城市进出口总额与地区GDP之比 | 0.216 | 0.424 | 0.000 | 6.108 |
城市化(Urbanization) | 市辖区年末户籍人口与全市年末户籍人口之比 | 0.375 | 0.234 | 0.000 | 1.000 |
表2 基准回归结果Table 2 Baseline regression result |
变量 | 碳排放效率(CTFP) | ||||||
---|---|---|---|---|---|---|---|
(1) | (2) | (3) | (4) | (5) | (6) | (7) | |
PEG | -0.409*** (-5.86) | ||||||
RPEG | 0.024*** (5.23) | ||||||
YPEG | -0.011** (-2.09) | ||||||
JMPEG | -0.292** (-2.29) | ||||||
WCPEG | -0.174 (-0.21) | ||||||
RPEG×WCPEG | 0.306** (2.05) | ||||||
YPEG×WCPEG | -0.217 (-0.15) | ||||||
Economy | -0.0519* (-1.87) | -0.0786** (-2.12) | -0.146*** (-2.72) | -0.152*** (-2.84) | -0.141*** (-2.64) | -0.145*** (-2.71) | -0.146*** (-2.73) |
Economy2 | 0.006** (2.06) | 0.006*** (3.19) | 0.011*** (4.26) | 0.012*** (4.46) | 0.011*** (4.30) | 0.011*** (4.27) | 0.011*** (4.27) |
Industry | -0.119** (-2.26) | -0.010 (-0.31) | -0.023 (-0.50) | -0.067 (-1.38) | -0.036 (-0.77) | -0.035 (-0.74) | -0.025 (-0.55) |
Autonomy | -0.081*** (-2.86) | -0.023** (-2.06) | -0.113*** (-3.67) | -0.122*** (-3.95) | -0.106*** (-3.44) | -0.115*** (-3.71) | -0.113*** (-3.66) |
Open | 0.019** (2.19) | 0.010* (1.66) | 0.026*** (3.03) | 0.028*** (3.21) | 0.026*** (2.97) | 0.026*** (3.04) | 0.026*** (3.04) |
Urbanization | 0.075** (2.11) | 0.019 (0.67) | 0.069* (1.69) | 0.066 (1.62) | 0.067* (1.66) | 0.068* (1.68) | 0.068* (1.68) |
常数项 | 0.522* (1.94) | 0.882*** (4.68) | 0.895*** (3.29) | 0.919*** (3.38) | 0.842*** (3.10) | 0.893*** (3.28) | 0.896*** (3.29) |
城市与时间固定 | 是 | 是 | 是 | 是 | 是 | 是 | 是 |
Hausman检验 | 80.810 [0.000] | 83.962 [0.000] | 86.327 [0.000] | 112.604 [0.000] | 86.833 [0.000] | 83.842 [0.000] | 83.465 [0.000] |
样本数/个 | 3465 | 3465 | 3465 | 3465 | 3465 | 3465 | 3465 |
注:小括号内的数值为t统计量;***、**、*分别表示在1%、5%、10%水平上显著,中括号里为对应的P值,下同。 |
表3 工具变量回归结果Table 3 Regression results of instrumental variables |
变量 | FE模型 | IV模型 | FE模型 | IV模型 | FE模型 | IV模型 |
---|---|---|---|---|---|---|
(1) | (2) | (3) | (4) | (5) | (6) | |
SPEG | 0.346*** (5.72) | -0.294*** (-3.41) | ||||
Quantity×GPEG | 0.304*** (3.65) | -0.125** (-2.12) | ||||
Quantity×GPEG ×WCPEG | 0.305*** (6.48) | -0.126* (-1.87) | ||||
控制变量 | 是 | 是 | 是 | 是 | 是 | 是 |
城市与时间固定 | 是 | 是 | 是 | 是 | 是 | 是 |
F值 | 86.425 [0.000] | 56.421 [0.000] | 98.163 [0.000] | |||
Hausman检验 | 42.352 [0.000] | 29.481 [0.000] | 30.892 [0.000] | |||
DWH检验 | 16.429 [0.000] | 18.926 [0.000] | 20.163 [0.000] | |||
样本数/个 | 3465 | 3465 | 3465 | 3465 | 3465 | 3465 |
注:FE模型与IV模型中小括号里分别为变量对应的t值与Z值。 |
表4 稳健性检验Table 4 Robustness test |
变量 | 替换回归模型 | |||||
---|---|---|---|---|---|---|
差分GMM模型 | Tobit模型 | |||||
(1) | (2) | (3) | (4) | (5) | ||
YSPEG | -0.502*** (-4.88) | -0.400*** (-3.84) | -0.336** (-5.63) | 0.001** (2.45) | -0.005 (-1.05) | |
控制变量 | 是 | 是 | 是 | 是 | 是 | |
样本数/个 | 3003 | 3003 | 3003 | 3465 | 3465 | |
变量 | 缩减样本集 | |||||
YSPEG | 0.742 (1.05) | -0.163*** (-3.24) | -0.135 (-0.25) | 0.054** (2.17) | -0.062** (-2.32) | |
控制变量 | 是 | 是 | 是 | 是 | 是 | |
样本数/个 | 2955 | 2955 | 2955 | 2955 | 2955 |
注:差分GMM模型、Tobit模型与缩减样本集中小括号内的数值分别为Z统计量、Z统计量与t统计量。 |
表5 异质性回归结果Table 5 Heterogeneous regression results |
变量 | 地域分组 | 经济发展水平分组 | |||
---|---|---|---|---|---|
东部 | 中部 | 西部 | 高组 | 低组 | |
PEG | 0.424*** (3.58) | -0.0789 (-0.51) | -0.196*** (-3.60) | 0.338** (2.23) | -0.101** (-2.44) |
RPEG | 0.034* (1.79) | 0.011 (1.28) | 0.089*** (3.31) | 0.032** (2.39) | 0.059 (1.05) |
YPEG | -0.024 (-0.42) | -0.008** (-2.09) | -0.0134* (-1.84) | -0.0374 (-0.68) | -0.0119* (-1.91) |
JMPEG | 0.683 (0.79) | 0.162* (1.75) | -0.236** (-2.43) | -0.779*** (-4.47) | 0.120 (0.48) |
WCPEG | -0.384*** (-4.27) | -0.113 (-0.90) | -0.135** (2.27) | -0.204 (-1.07) | -0.236** (-1.99) |
控制变量 | 是 | 是 | 是 | 是 | 是 |
样本数/个 | 1365 | 1425 | 675 | 1755 | 1710 |
变量 | 城市等级分组 | ||||
一线 | 二线 | 三线 | 四线 | 五线 | |
PEG | 0.371 (1.03) | 0.332 (0.71) | 0.295 (1.09) | -0.273*** (-2.98) | -0.254* (-2.04) |
RPEG | 0.045* (1.82) | 0.057*** (4.01) | 0.041*** (2.99) | 0.032 (0.54) | 0.043*** (3.17) |
YPEG | -0.011 (-0.78) | -0.012 (-024) | -0.057 (-0.77) | -0.035** (-2.78) | -0.010** (-2.24) |
JMPEG | -0.238 (-1.48) | -0.254*** (-3.43) | -0.764* (-2.49) | -0.035*** (-3.32) | -0.082* (-1.77) |
WCPEG | -0.183** (-2.44) | -0.081** (-2.45) | -0.072** (-2.43) | -0.134** (-3.45) | 0.014 (0.32) |
控制变量 | 是 | 是 | 是 | 是 | 是 |
样本数/个 | 285 | 420 | 945 | 945 | 870 |
注:小括号内的数值分别t统计量。 |
表6 内在机制检验结果Table 6 Intrinsic mechanism test results |
变量 | (1) | (2) | (3) | (4) |
---|---|---|---|---|
产业结构高级化(UPGRAD) | ||||
YSPEG | -0.551***(-6.76) | 0.011***(2.65) | -0.002**(-2.38) | -0.325***(-2.90) |
控制变量 | 是 | 是 | 是 | 是 |
常数项 | 4.967***(9.62) | 4.836***(9.89) | 4.814***(10.75) | 4.841***(9.67) |
城市与时间固定 | 是 | 是 | 是 | 是 |
技术创新(INNOV) | ||||
YSPEG | -3.799***(-9.68) | 0.102***(4.91) | -0.070***(-3.72) | -3.671***(-6.78) |
控制变量 | 是 | 是 | 是 | 是 |
常数项 | -9.028***(-5.65) | -9.880***(-4.08) | -9.999***(-4.02) | -9.769***(-4.63) |
城市与时间固定 | 是 | 是 | 是 | 是 |
注:(1)~(4)中YSPEG分别表示地方经济增长目标管理中的经济增长目标(PEG)、软约束(RPEG)、硬约束(YPEG)、目标加码(JMPEG)。 |
表7 产业结构高级化与技术创新下面板的门限值估计Table 7 Estimated threshold values for panels under advanced industrial structure and technological innovation |
门限变量 | H0 | H1 | F值 | P值 | 结果 | 门限值 | 置信区间(95%) |
---|---|---|---|---|---|---|---|
产业结构高级化(UPGRAD) | 0个门限 | 1个门限 | 38.010 | 0.043 | 拒绝原假设 | 6.968 | [6.936, 6.994] |
1个门限 | 2个门限 | 14.604 | 0.307 | 接受原假设 | |||
技术创新(INNOV) | 0个门限 | 1个门限 | 28.032 | 0.050 | 拒绝原假设 | 9.552 | [9.435, 9.637] |
1个门限 | 2个门限 | 14.253 | 0.240 | 接受原假设 |
表8 产业结构高级化技术创新下的面板单一门限模型回归结果Table 8 Regression results of the panel single-threshold model under technological innovation of industrial structure advanced |
变量 | 碳排放效率(CTFP) | 变量 | 碳排放效率(CTFP) | ||||
---|---|---|---|---|---|---|---|
PEG(UPGRAD≤6.968) | 0.279 (1.34) | PEG(UPGRAD>6.968) | 0.836*** (3.29) | PEG(INNOV≤9.552) | -0.612 (-1.37) | PEG(INNOV>9.552) | 0.885*** (4.81) |
控制变量 | 是 | 控制变量 | 是 | ||||
城市与时间固定 | 是 | 城市与时间固定 | 是 | ||||
常数项 | -1.227***(-10.04) | 常数项 | -1.169***(-9.49) |
表9 地方政府行为的调节效应回归结果Table 9 Regression results of moderating effects of local government behavior |
变量 | (1) | (2) | (3) | (4) | (5) | |
---|---|---|---|---|---|---|
政治激励、地方经济增长目标管理与碳排放效率 | ||||||
YSPEG | 0.004 (1.46) | 0.020** (1.98) | -0.104 (-1.29) | -0.215 (-1.53) | ||
ZZKH | -0.039*** (-4.91) | -0.203** (-2.24) | 0.031 (1.43) | -0.432*** (-5.63) | 0.123 (0.97) | |
YSPEG×ZZKH | -0.006*** (-2.74) | -0.002 (-1.52) | 0.134 (1.47) | -0.523** (-2.21) | ||
常数项 | 0.620*** (5.22) | 0.463*** (4.36) | -0.047 (-1.28) | 0.627*** (4.33) | 0.139 (0.84) | |
市场激励、地方经济增长目标管理与碳排放效率 | ||||||
YSPEG | -0.007*** (-4.72) | 0.046*** (3.85) | -0.132** (-1.99) | -0.048*** (-4.58) | ||
SCJL | 0.037*** (3.84) | 0.103** (2.12) | 0.051* (1.76) | 0.302*** (2.54) | 0.038*** (2.83) | |
YSPEG×SCJL | 0.026* (1.74) | 0.009** (2.45) | 0.481 (0.68) | 0.629 (1.34) | ||
常数项 | 0.680*** (4.54) | 0.601*** (3.41) | 0.492** (2.18) | 0.637*** (4.41) | 0.536** (2.31) | |
目标约束方式转变、地方经济增长目标管理与碳排放效率 | ||||||
YSPEG | -0.042*** (-5.03) | 0.027** (2.29) | -0.053** (-2.25) | -0.044*** (-3.02) | ||
FZFS | 0.045*** (5.27) | 0.046** (2.34) | 0.045*** (4.92) | 0.012*** (4.51) | 0.031*** (4.28) | |
YSPEG×FZFS | 0.001* (1.69) | 0.016*** (2.74) | 0.024 (1.02) | 0.003 (1.28) | ||
常数项 | 1.292*** (2.81) | 0.943** (1.99) | 0.978*** (2.87) | 1.437* (1.72) | 1.042*** (2.83) |
注:列(2)~列(6)中的YSPEG分别表示地方经济增长目标管理中的目标值(PEG)以及增长目标的软约束(RPEG)、硬约束(YPEG)以及省市目标加码(SDPEG),由于篇幅过大,控制变量的结果未列举出来。 |
[1] |
徐现祥, 刘毓芸. 经济增长目标管理. 经济研究, 2017, 52(7): 18-33.
[
|
[2] |
徐现祥, 梁剑雄. 经济增长目标的策略性调整. 经济研究, 2014, 49(1): 27-40.
[
|
[3] |
詹新宇, 刘文彬. 税收分成对经济增长目标管理的激励效应. 税务研究, 2021, (4): 128-133.
[
|
[4] |
徐现祥, 李书娟, 王贤彬, 等. 中国经济增长目标的选择: 以高质量发展终结“崩溃论”. 世界经济, 2018, 41(10): 3-25.
[
|
[5] |
张明斗, 席胜杰. 资源型城市碳排放效率评价及其政策启示. 自然资源学报, 2023, 38(1): 220-237.
[
|
[6] |
徐英启, 程钰, 王晶晶, 等. 中国低碳试点城市碳排放效率时空演变与影响因素. 自然资源学报, 2022, 37(5): 1261-1276.
[
|
[7] |
吉雪强, 张跃松. 长江经济带种植业碳排放效率空间关联网络结构及动因. 自然资源学报, 2023, 38(3): 675-693.
[
|
[8] |
|
[9] |
王康, 李志学, 周嘉. 环境规制对碳排放时空格局演变的作用路径研究: 基于东北三省地级市实证分析. 自然资源学报, 2020, 35(2): 343-357.
[
|
[10] |
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.
[
|
[11] |
余泳泽, 刘大勇, 龚宇. 过犹不及事缓则圆: 地方经济增长目标约束与全要素生产率. 管理世界, 2019, 35(7): 26-42, 202.
[
|
[12] |
任晓怡, 叶显, 吴非. 地方经济增长目标、政府行为与企业全要素生产率. 公共管理与政策评论, 2021, 10(4): 127-146.
[
|
[13] |
|
[14] |
吕贤杰, 陶锋. 地方经济增长目标约束促进了企业实质性创新吗?. 现代经济探讨, 2021, (8): 64-71, 84.
[
|
[15] |
|
[16] |
郭晓辉. 经济增长目标、地方政府行为与环境效应的关系. 城市问题, 2020, (9): 60-70.
[
|
[17] |
周瑞辉, 杨新梅. 经济增长目标压力与城市绿色发展. 城市问题, 2021, (1): 63-72.
[
|
[18] |
谭海波, 郑清清, 王海函. 地方政府大数据产业政策:工具偏好及其匹配: 基于贵州省政策文本的分析. 中国行政管理, 2021, (1): 52-58.
[
|
[19] |
龚锋, 陈子昂. 增长目标“加码”会抑制地方长期经济增长吗?. 经济科学, 2022, (3): 20-34.
[
|
[20] |
李茫茫, 王红建, 严楷. 经济增长目标压力与企业研发创新的挤出效应: 基于多重考核目标的实证研究. 南开管理评论, 2021, 24(1): 17-26, 31-32.
[
|
[21] |
邓博夫, 王泰玮, 吉利. 地区经济增长压力下的政府环境规制与企业环保投资:政府双重目标协调视角. 财务研究, 2021, (3): 70-81.
[
|
[22] |
|
[23] |
刘志华, 徐军委, 张彩虹. 科技创新、产业结构升级与碳排放效率:基于省际面板数据的PVAR分析. 自然资源学报, 2022, 37(2): 508-520.
[
|
[24] |
王旦, 王业斌. 地方经济增长目标与产业结构升级: 基于2004—2016年中国260个地级市的经验证据. 商业研究, 2021, (4): 48-58.
[
|
[25] |
陆铭, 欧海军. 高增长与低就业: 政府干预与就业弹性的经验研究. 世界经济, 2011, (12): 3-31.
[
|
[26] |
郭丰, 杨上广, 任毅. 数字经济、绿色技术创新与碳排放: 来自中国城市层面的经验证据. 陕西师范大学学报: 哲学社会科学版, 2022, 51(3): 45-60.
[
|
[27] |
|
[28] |
冯粲, 孙晖. 房价水平对企业创新研发支出的影响机制. 财经理论与实践, 2021, 42(2): 57-66.
[
|
[29] |
傅利平, 李永辉. 地方政府官员晋升竞争、个人特征与区域产业结构升级: 基于我国地级市面板数据的实证分析. 经济体制改革, 2014, (3): 58-62.
[
|
[30] |
孙浩, 郭劲光. 环境规制和产业集聚对能源效率的影响与作用机制: 基于空间效应的视角. 自然资源学报, 2022, 37(12): 3234-3251.
[
|
[31] |
丛建辉, 刘学敏, 赵雪如. 城市碳排放核算的边界界定及其测度方法. 中国人口·资源与环境, 2014, 24(4): 19-26.
[
|
[32] |
|
[33] |
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.
[
|
[34] |
郭劲光, 孙浩. 产业结构升级与地区性别就业差距: 基于全要素生产率的中介检验. 山西财经大学学报, 2022, 44(5): 70-81.
[
|
[35] |
聂莹, 刘清杰, 孙素芬. 经济全球化能够有效抑制“一带一路”沿线国家的生态足迹吗: 来自动态门槛面板模型的经验证据. 自然资源学报, 2019, 34(2): 301-311.
[
|
[36] |
吕冰洋, 陈怡心. 财政激励制与晋升锦标赛: 增长动力的制度之辩. 财贸经济, 2022, 43(6): 25-47.
[
|
/
〈 |
|
〉 |