EN中文

自然资源学报 >

2025 , Vol. 40 >Issue 3: 833 - 854

DOI: https://doi.org/10.31497/zrzyxb.20250316

其他研究论文

资源型城市可持续发展政策对碳排放效率的影响

  • 肖义 ,
  • 孔庆申
展开
  • 成都理工大学商学院，成都 610059

肖义（1993- ），男，四川德阳人，博士，研究员，研究方向为城市与资源环境经济。E-mail:

收稿日期: 2024-04-15

  修回日期: 2024-09-09

  网络出版日期: 2025-02-21

基金资助

四川省自然科学基金项目(2024NSFSC0859)

中国科协2024年度科技智库青年人才计划项目(XMSB20240711089)

成都理工大学哲学社会科学研究基金项目(YJ2024-QN013)

收起

The influence of sustainable development policy of resource-based cities on carbon emission efficiency

  • XIAO Yi ,
  • KONG Qing-shen
Expand
  • Business School, Chengdu University of Technology, Chengdu 610059, China

Received date: 2024-04-15

  Revised date: 2024-09-09

  Online published: 2025-02-21

Fold

摘要

资源型城市低碳转型对于加速新旧动能转换、区域协调发展以及实现“双碳”目标具有重要现实意义。基于2006—2021年278个地级市面板数据，利用超效率SBM模型测度碳排放效率，采用PSM-DID模型和中介效应模型分析可持续发展政策对碳排放效率的影响效果以及作用机制，通过空间杜宾模型分析其空间溢出效应。研究发现：资源型城市可持续发展政策能显著提升碳排放效率；机制检验结果表明，可持续发展政策能通过推动技术创新、加快产业升级和降低能源消耗等路径发挥作用；异质性结果显示，可持续发展政策对四线和五线城市、成熟型、衰退型和再生型城市、“胡焕庸线”东南半壁城市及枢纽城市的作用效果更强；空间效应分析结果表明，可持续发展政策对碳排放效率的提升作用具有一定的空间溢出效应。资源型城市转型应将重点置于绿色技术、创新能力、能源利用、要素配置等路径，稳步实现产业接续与更替，并考虑城市生命周期及发展水平差异，因城施策、因时而变，持续完善资源型城市转型长效机制，实现高效协调稳健可持续的高质量发展。

关键词： 可持续发展政策; 资源型城市; 碳排放效率; 空间效应; PSM-DID; 超效率SBM模型

本文引用格式

肖义 , 孔庆申 . 资源型城市可持续发展政策对碳排放效率的影响[J]. 自然资源学报, 2025 , 40(3) : 833 -854 . DOI: 10.31497/zrzyxb.20250316

Abstract

The low-carbon transformation of resource-based cities is of great practical significance for accelerating the transformation of old and new kinetic energy, regional coordinated development, and realizing "carbon peaking and carbon neutrality goals". Based on the panel data of 278 prefecture-level cities from 2006 to 2021, the super-efficiency SBM model was used to measure carbon emission efficiency, the PSM-DID model and the intermediary effect model were used to analyze the effect and mechanism of sustainable development policy on carbon emission efficiency and the spatial spillover effect was analyzed through the spatial Durbin model. It is found that the sustainable development policy of resource-based cities can significantly improve carbon emission efficiency. The mechanism test results show that sustainable development policy can play a role by promoting technological innovation, accelerating industrial upgrading, and reducing total energy consumption. Heterogeneity results show that the effect of sustainable development policy on fourth-tier and fifth-tier cities, mature, declining, and regenerative cities, cities in the southeast half to the Hu Huanyong Line, and hub cities are effective. The results of spatial effect analysis show that sustainable development policy has a certain spatial spillover effect on improving carbon emission efficiency. The transformation of resource-based cities should focus on green technology, innovation capacity, energy utilization, factor allocation, and other paths to steadily achieve industrial succession and replacement, take into account the difference in city life cycle and development level, and continue to improve the long-term mechanism of resource-based city transformation due to urban policies and changes in time, to achieve efficient, coordinated, stable and sustainable high-quality development.

Key words： sustainable development policy; resource-based city; carbon emission efficiency; spatial effect; PSM-DID; super-efficiency SBM model

如何平衡好经济增长和环境保护的关系，进一步实现人与自然和谐共生，是人类社会发展进程中不可忽视的重要议题。当前，人类活动产生的二氧化碳等温室气体，引发了世界范围内的气候危机[1]。鉴于环境问题的日益严峻性，作为世界上最大的发展中国家，中国积极响应全球绿色发展倡议，对碳减排实现路径进行全面布局规划，同时大力推动经济绿色转型，以期实现经济发展与环境保护的“双赢”[2]。区别于其他类型城市，资源型城市依靠勘探、开发以及利用其区域内自然资源（煤炭、钢铁等）为地区经济发展提供动能，前期充裕的自然资源带动资源型城市经济飞速增长，但在不再单一追求经济增长速度的当下，“高投入、高污染、高浪费”的“三高”模式使资源型城市面临着前所未有的发展问题，打破“资源诅咒”，加快推进绿色转型刻不容缓[3]。针对此问题，《全国资源型城市可持续发展规划（2013—2020年）》（以下简称“《规划》”）于2013年印发，确定资源型城市262个（包括地级市116个、县及县级市120个、市辖区16个、自治州等10个），深刻剖析资源型城市发展现状，对未来发展作出了具体实施路径布局。明晰《规划》能否对碳排放产生阻滞作用，对于推进中国产业绿色低碳转型并实现持续健康发展至关重要。
资源型城市可持续发展是长期多维多因素结构动态变化过程，也是经济社会与生态环境探寻协调发展稳态的过程[4]。现有文献中，资源型城市可持续发展相关研究更关注转型问题，主要包括产业转型[5⇓⇓-8]、经济社会转型[9,10]以及绿色发展转型，也有学者构建指标评价体系，对资源型城市可持续发展水平以及转型绩效进行测度与评估[11⇓-13]。韧性水平是衡量区域发展质量的一个重要标准，能体现出区域产业多元程度和辐射效益[14]，黄梦涵等[15]从资源型城市韧性视角切入，测度韧性水平并对四类资源型城市区域差异特征与作用因子予以分析；朱媛媛等[16]则主要关注经济韧性，揭示经济韧性演进驱动因子，为资源型城市产业路径的突破提供新思路。
作为衡量碳资源使用程度的重要指标，碳排放效率能够直观地呈现社会生产过程中资源投入与产出的相对关系。众多学者对其测度体系、作用因素以及政策影响进行探究：在测度体系方面，现阶段多使用超效率SBM模型[17,18]、超效率SBM-GML模型[19]、SFA-CKC[20]等对碳排放效率进行测度；影响碳排放效率的因素主要有绿色创新、产业优化、交通建设、数字经济、资源错配、财政支出偏向以及经济增长目标管理等[17,21⇓⇓⇓⇓⇓-27]。在政策影响方面，学者多用双重差分模型来评估政策实施效果。本文根据政策设立目标及内容，将政策划分为环境政策与非环境政策。环境政策方面，有学者聚焦碳排放交易政策，通过构建DSGE理论模型发现碳交易政策对地区碳减排有显著促进作用[28]；另有学者使用合成控制法再次验证此结论成立[29]。低碳城市试点政策能够通过创新和能源两条路径提升城市碳排放效率[30]，王凯等[31]则进一步缩小研究范围发现低碳试点政策能提高旅游业碳排放效率，绿色金融改革创新试验区政策则在微观企业层面与宏观城市层面均存在实现绿色低碳发展的作用路径[32]。非环境政策方面，部分文献实证分析得出智慧城市试点[33]、科技金融政策试点[34]等政策均会对碳减排产生促进作用，推动了城市低碳经济的形成与发展，主要机制有绿色技术创新、资源配置、人才集聚等。另有学者聚焦企业层面环境问题，证实产品出口退税调整政策能够通过能源利用效率和出口产品结构等渠道降低企业碳排放强度[35]。区别于单一政策实施，国家自主创新示范区与创新型城市试点“双试点”创新驱动政策相比“单试点”政策对碳排放“量降质升”的协同效应更为明显[36]。既有成果为碳排放效率的探讨奠定了基础，但可以发现，环境政策和非环境政策的研究视角多为城市层面、行业层面以及企业层面，而资源型城市作为经济健康发展、区域协调发展重要支撑的特殊类型城市[37]，鲜有研究关注资源型城市层面政策对碳排放效率的作用效果。
当前关于资源型城市发展政策的环境效应存在系列讨论，主要包括污染减排效应[3,38]、绿色发展效应[39]以及碳减排效应[2]。污染减排效应，即资源型城市可持续发展政策能抑制二氧化硫的排放，其效果从政策实施第三年开始逐年加强[38]，并通过提升信息化水平得以实现[3]；资源枯竭型城市扶持政策的实施有效推动了城市全要素生产率和绿色全要素生产率的增长，这说明枯竭型城市扶持政策具有显著的绿色发展效应[39]；碳减排效应则体现在可持续发展政策能够通过优化技术选择、提升财政扶持力度和提高生活质量三方面促降碳排放[2]。碳排放效率的提升意味着在相同经济活动或产出水平下，产生更少的碳排放量，因此可以将其作为减碳效应的重要体现。而目前对于可持续发展政策对碳排放效率作用效果及路径的关注较少，相关领域研究有待深化。
基于此，本文聚焦资源型城市可持续发展政策作用于碳排放效率的影响，实证研究其效果及作用路径。与现有研究相比，可能的边际贡献有：（1）在研究视角层面，实现“双碳”目标的重要节点，从资源型城市发展问题切入研究，通过识别可持续发展政策对碳排放效率的作用效果，为后续资源型城市“下沉式”落实政策、衍生措施提供数据支撑和经验借鉴。（2）在研究内容方面，在厘清可持续发展政策环境效益的基础上，聚焦资源型城市发展规模、发展阶段、地理区位以及网络中心度差异，进一步探索可持续发展政策的异质性效果，为不同类型城市定位、发展以及政策差异化实施提供新思路。空间溢出效应检验则直观地呈现出资源型城市可持续发展政策实施的空间作用效果，这对于多维视角下进行绿色低碳政策考量与设计具有重要理论意义。（3）在研究设计层面，考虑到可能存在样本自选择偏误，利用PSM-DID模型评估资源型城市可持续发展政策的实施效果来使结论更为客观更具参考价值，并从技术、产业与能源三个角度探究其作用渠道。

1 理论分析与研究假设

1.1 直接效应分析

长期以来，以地区自然资源勘探、开采与加工为发展主引擎的资源型城市，作为中国重要能源储备仓库与资源战略保障基地，在经济持续健康发展过程中贡献突出，但其在发展过程中经济结构松散、发展动力不足、环境破坏严重等问题愈发尖锐。2013年11月12日，《规划》发布，规划范围包括262个资源型城市，成为指导全国资源型城市可持续发展和编制相关规划的重要依据。《规划》中明确指出资源型城市数量占全国城市总数的37.920%，资源型城市不合理利用自然资源产生的弊病随时间推移而累积，最终在矿企衰退过程中“爆炸式”显现，陷入经济与人口共同收缩的恶性循环[37]。
目前关于环境规制对碳排放影响的研究存在“倒逼效应”和“倒退效应”两种主要观点[40]。一方面，宏观政策能够作为规制手段通过加重企业成本负担约束“三高”企业的生产方式与行为，进而依据“波特假说”内涵作用于企业绿色技术创新及生产经营管理，以实现源头式的碳治理与碳减排，即“倒逼效应”。而“倒退效应”则认为由于存在“绿色悖论”，企业会加大能源投入强度以弥补现时损失，但会在短期内产生更多碳排放，造成更严重的环境污染[41]。近年来，政府政绩考核不再以“唯GDP论”为标准，环境绩效逐渐成为综合评价的重要组成部分，“倒逼效应”成为社会性环境规制影响碳排放的主要表现，而《规划》的实施能够通过政策倾斜支持与带动效应不断强化环境规制力度，降低资源耗费，直接抑制城市碳排放，进而实现全国范围内扩散式辐射作用。基于此，提出第一个研究假设：
H1：资源型城市可持续发展政策能够对城市碳排放效率起到显著提升作用。

1.2 间接效应分析

1.2.1 技术创新

技术创新是实现绿色可持续发展的重要手段，现阶段其依旧是低碳减排工作的主要驱动力。可持续发展政策通过绿色技术革新和减碳成本缩减两条路径提升碳排放效率水平。一方面，《规划》的发布促使企业进行内部工序整顿、清算与重组，重新设定低效落后技术的操作步骤与运行轨道[3]，并加速绿色创新从基态到激发态的转变。绿色创新是能够兼顾能源效益与环境效益“双重红利”、推动清洁生产的动力支撑，又能在一定程度上调整生产过程中碳资源利用配置并有效降低非期望产出，从而提高碳排放效率；另一方面，作为宏观规制型工具，政策出台会倒逼企业在常规关注显性成本的同时，也将环境成本等隐性成本纳入考虑范围中[42]，以更宏观的视角考虑碳减排成本，继而增大对清洁生产设备、污染治理技术以及低碳工艺的需求[43]，推动碳排放效率提升。

1.2.2 产业升级

产业结构配置不仅是现时经济发展水平、主导产业的体现，也能直观地呈现未来发展产业重心与主导产业布局。《规划》指明要改造提升传统资源型产业、培育壮大接续替代产业，优化产业结构，进一步实现协同发展。已有研究证实，《规划》能显著提升产业结构合理化程度[2,44]，在产业结构中，当低附加值产业占比降低，进而向高附加值产业趋近、转变，即为产业升级演进过程。《规划》的多元化产业体系导向，会使人才、技术等资源生产要素在不同产业间进行分类优化与再配置，有助于关联产业集聚，集聚效应会进一步带动集约化、规模化生产，提高资源综合利用效率和节约水平，从而降低碳排放。同时，政策明确的绿色壁垒会阻滞污染性企业进入产业链[2]，同时鼓励产业发展重心向现代服务业、战略性新兴产业、高新技术产业等清洁型产业转移，从产业生产本身过程降低碳排放。

1.2.3 能源消耗

受资源禀赋与发展态势约束，中国能源结构依然以高碳能消耗为主[45]。一方面，可持续发展政策将作为“过滤器”，对能源消耗过量的产业和企业进行筛选并剔除，逐步优化能源结构，有效推动其由传统化石燃料主导模式向环境友好型能源主导的新型模式转换。另一方面，通过大数据信息平台等技术手段直观统计并反馈区域碳排放总量与分布，搭建碳排总量控制系统、建立长效减碳机制、构建低碳绩效指标体系[41]，迫使企业对能源消耗技术进行迭代，以外部视角推进能源利用效率高效化，助推碳排放效率提升。
基于以上分析并参考可持续发展政策的基本原则，绘制资源型城市可持续发展政策对碳排放效率的影响路径图（图1）。基本原则中，协同发展强调通过扶持引导各类产业、促进区域间合作实现资源型城市经济结构的转型升级与可持续发展，协调发展则更侧重通过完善资源开发利用体系、强化生态环保与治理措施，实现资源型城市“经济—社会—环境”的全面协调与可持续发展。综合以上内容提出第二个研究假设：
图1 资源型城市可持续发展政策对碳排放效率的影响路径

Fig. 1 The influence path of sustainable development policy of resource-based cities on carbon emission efficiency

H2：资源型城市可持续发展政策能通过推动技术创新、加快产业升级和降低能源消耗进而提高碳排放效率。

2 研究方法与数据来源

2.1 模型构建

2.1.1 倾向得分匹配法

为修正《规划》发布前城际选择性偏差，本文采用倾向得分匹配法（PSM）进行倾向得分估计与匹配，构建模型如下：
P i ( X ) = P r ( D i t |   X i ) = F [ h ( X i ) ]
式中： P i ( X ) 为倾向得分值； D i t为处理组虚拟变量； X i为协变量； h ( X i ) 为协变量 X i的线性函数； F [ h ( X i ) ] 为Logit函数。利用式（1）将协变量从多维压缩至一维，得到城市i被列为资源型城市的概率值，并以此为依据从非资源型城市中匹配到与处理组相近的城市作为后续分析的对照组。

2.1.2 PSM-DID模型

倾向得分匹配法能够在一定程度上克服选择性偏误，提高处理组和对照组横向可比性，双重差分模型（DID）通过识别某种外部政策冲击给横向个体与纵向时序带来的差异来评估该政策的实施效果[46]，同时有效排除不可观测变量等因素对分析结果的影响[47]。本文采用二者结合的倾向得分匹配双重差分法（PSM-DID）来进行实证研究，探析资源型城市可持续发展政策的实施效果，构建基准回归模型如下：
C e e i t = α + β D I D i t + ∂ C o n t r o l i t + μ i + λ t + ε i t
式中： C e e i t为被解释变量，代表城市i第t年的碳排放效率； D I D i t为解释变量，是否在2014年后（time）与是否为资源型城市（treated）的交互项； β为解释变量待估系数； C o n t r o l i t为系列控制变量； α为截距项；∂为控制变量代估系数； μ i、 λ t和 ε i t分别为个体固定效应、时间固定效应和随机扰动项。
由于地理区位、发展水平、产业结构等因素的差异，所选278个城市样本自身存在着差异，同时，政策设计过程中通常需要在不同政策方向上进行取舍[45]，资源型城市的选择也与这种偏向性密切相关。为排除样本自选择偏误对估计结果造成的影响，本文采用1∶1有放回卡尺内近邻匹配对样本进行匹配，删除部分样本以保证具有较大共同取值范围，得到与处理组匹配效果最优的对照组样本，PSM-DID模型建构如下：
C e e i t P S M = α + β D I D i t + ∂ C o n t r o l i t + μ i + λ t + ε i t
式中： C e e i t P S M为倾向得分匹配后的核心被解释变量。

2.1.3 平行趋势检验模型

使用双重差分模型的前提条件为处理组与对照组在政策实施前不存在显著差异，即满足平行趋势检验假定。本文利用事件研究法，引入政策发布前5年与政策发布后6年的交互项，构建平行趋势检验模型如下：
C e e i t = α + ∑ φ = 1 5 β - φ D I D i t - φ + β D I D i t + ∑ φ = 1 6 β φ D I D i t + φ + ∂ C o n t r o l i t + μ i + λ t + ε i t
式中： β - φ和 D I D i t - φ分别为政策发布前5期处理组与对照组碳排放效率水平的作用差异系数和核心解释交互项； β φ和 D I D i t + φ分别为政策发布后6期的差异系数和核心解释交互项； β为政策发布当年对碳排放效率的作用系数。

2.1.4 机制检验模型

基于上述作用机制的理论分析，参考张华[48]、王伟龙等[49]的研究，引入技术创新、产业升级和能源消耗三类机制变量构造机制检验模型，模型如下：
M e d i a t i o n i t = α 0 + α 1 D I D i t + ∂ C o n t r o l i t + μ i + λ t + ε i t
C e e i t = α 0 + β 0 D I D i t × M e d i a t i o n i t + ∂ C o n t r o l i t + μ i + λ t + ε i t
式中： M e d i a t i o n i t为技术创新、产业升级和能源消耗三类机制变量；α0为截距项； α 1为解释变量对机制变量的作用系数； β 0为引入机制变量后，核心解释变量的待估系数。

2.2 变量选择

2.2.1 被解释变量

本文用碳排放效率（Cee）表征被解释变量。基于现有研究[17]，采用投入视角下考虑非期望产出的超效率SBM模型测度碳排放效率。在计算过程中使用以下两类指标：生产投入指标，其中资本投入指标用城市固定资产投资额来表示，劳动投入采用城市从业人员总数衡量[18]，能源投入指标用城市全年用电量表示；生产产出指标，其中期望产出为城市人均生产总值，非期望产出为城市碳排放量。碳排放量计算方式参考黄寰等[43]的研究并考虑数据可得性，从城市天然气、液化石油气、供暖所需原煤等方面综合计算城市碳排放总量，最终将碳排放效率取对数作为被解释变量。
假设 ϑ为测算出的碳排放效率值，数值越大，说明每个决策单元的相对效率越高； n、 m、 S 1、 S 2分别为决策单元、投入指标、期望产出指标、非期望产出指标的数量（个）； x i 0、 y q 0 w和 y q 0 b分别为决策单元在生产过程中的投入指标、期望产出指标和非期望产出指标； x i -、 y q w -与 y q b -分别对应为三类指标的松弛向量；θ和θj分别表示常数向量及对应决策单元要素的权重。测度碳排放效率的模型建构如下：
M i n ϑ = 1 m ∑ i = 1 m x i - x i 0 1 S 1 + S 2 ∑ q = 1 S 1 y q w - y q 0 w + ∑ q = 1 S 2 y q b - y q 0 b
x i - ≥ ∑ j = 1 , ≠ k n θ j x j y w - ≤ ∑ j = 1 , ≠ k n θ j y j w y b - ≥ ∑ j = 1 , ≠ k n θ j y j b x i - ≥ x 0 ,   0 ≤ y w - ≤ y 0 w ,   y b - ≥ y 0 b ,   θ ≥ 0

2.2.2 解释变量

本文解释变量为是否在2014年后（time）与是否为资源型城市（treated）的交互项—可持续发展政策变量（DID），参照《规划》发布时间以及内容，将资源型城市赋值为1，否则为0，同时考虑到宏观政策存在滞后性，将发布年份2013年的次年，即2014年作为政策开始年份，2014年及之后赋值为1，否则为0。

2.2.3 控制变量

为尽可能地降低遗漏变量对模型造成的内生性影响，依照张艳等[2]、李福柱等[42]、黄寰等[43]的研究，引入以下控制变量：人口密度（pd）通过地区年末人口总数与行政区域面积之比表征；教育支出（eg）通过地区政府教育支出与GDP之比表征；财政支持（ed）通过地区政府财政支出与GDP之比表征；环境控制（er）通过地区生活垃圾无害化处理率表征；消费水平（con）通过地区社会消费品零售总额与GDP之比表征。

2.2.4 机制变量

参考韩先峰等[36]的研究，引入以下机制变量：技术创新（inno）通过地区专利授权数量与年末人口数之比表征；产业升级（is）通过地区第二产业增加值与GDP之比表征；能源消耗（pec）通过地区全年能耗值，利用折标准煤系数将各城市全年人工煤气及天然气供气总量、液化石油气供气总量等能源消耗量折合成总吨标准煤并进一步取对数。

2.3 数据说明

为保证数据的连续性和可得性，本文收集并整理2006—2021年全国278个地级市面板数据，所有数据主要来源有《中国城市统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》《中国区域经济统计年鉴》，各省市统计年鉴、中国专利全文数据库统计公报以及国务院官网（https://www.gov.cn/zhuanti/2013-12/03/content_2609341.htm）。个别数据缺失值使用线性插值法进行填补以确保数据的完整性与一致性，数据缺失较为严重且无法溯源的巢湖市、吕梁市、绥化市等地级市，予以剔除来使数据连贯准确，同时由于数据统计口径不一致，样本不包含西藏自治区和港澳台地区。最终确定实验组即资源型地级市111个。全部变量描述性统计结果如表1。
表1 描述性统计

Table 1 Results of descriptive statistics

变量名 符号 变量表征 样本量/条 平均值 标准差 最小值 最大值
碳排放效率 Cee 基于超效率SBM模型测算 4201 -1.496 0.571 -3.333 2.020
政策变量 DID 是否在2014年后与是否为资源型城市的交乘项 4201 0.209 0.406 0 1
人口密度 pd 年末人口总数与行政区域面积之比 4201 5.756 0.909 1.548 7.968
教育支出 eg 政府教育支出与GDP之比 4201 0.032 0.017 0.001 0.105
财政支持 ed 政府财政支出与GDP之比 4201 0.188 0.099 0.043 1.027
环境控制 er 生活垃圾无害化处理率 4201 90.694 16.210 3.150 100.000
消费水平 con 社会消费品零售总额与GDP之比 4201 0.380 0.122 0.007 0.908
技术创新 inno 专利授权数量与年末人口数之比 4201 1.346 0.901 0.020 4.576
产业升级 is 第二产业增加值与GDP之比 4201 3.829 0.262 2.542 4.521
能源消耗 pec 地区全年能耗值的对数 4201 2.692 0.087 2.338 2.920

3 结果分析

3.1 时序演化分析

利用MATLAB测度城市碳排放效率，并使用Stata.16刻画全国278个城市碳排放效率核密度估计图与不同地理区位碳排放效率时间演变趋势图（图2、图3）来直观考察可持续发展政策对碳排放效率的作用效果。图2显示，2006年—2021年间，从峰值来看，峰值明显先上升后下降，说明城际整体差异逐年增大，个别聚集效应逐年降低；从位置来看，曲线自2009年整体逐步右移，说明整体碳排放效率水平稳步提升；从拖尾波动来看，右侧拖尾逐年加长，说明有部分资源型城市碳排放效率趋向高端水平。图3显示，2008年后碳排放效率明显提升，可能原因是“十一五”规划的发布，其明确指出要发展循环经济，在资源开采、生产消耗、废物产生等环节，逐步建立全社会的资源循环利用体系，但城市发展迫切需要足够生产作为支撑，碳排放效率曲线并没有保持强持续性的上升状态，反而于2011年发生一定程度下降，而《规划》发布即2013年起，不同地理区位城市碳排放效率均呈现明显上升趋势，初步说明可持续发展政策的实施可能会提升碳排放效率。
图2 碳排放效率核密度估计

Fig. 2 Kernel density estimation of carbon emission efficiency

图3 不同地理区位城市碳排放效率时间演变趋势

Fig. 3 Temporal evolution trend of urban carbon emission efficiency in different geographical locations

3.2 平行趋势检验

通过式（4）检验可持续发展政策发布前资源型城市与非资源型城市是否具有相同的变化趋势，结果如图4所示。在政策发布前5年，作用差异系数并未通过显著性检验，即资源型城市与非资源型城市的变化趋势并没有显著差异，且大部分系数均为负值；而在2015年，宏观政策作用效应的滞后性导致系数并没有大幅提升，但相较于政策实施前仍有提升；自2015年起，系数呈波动式稳步上升趋势，且始终为正值，说明可持续发展政策影响存在较长的响应区间。
图4 平行趋势检验结果

Fig. 4 Results of parallel trend test

3.3 倾向得分匹配及其检验

本文引入5个控制变量为协变量，利用Logit模型进行倾向得分计算，并根据分值进行匹配，剔除247条样本数据并确定样本数据为4201条。表2为倾向得分匹配平衡性检验结果，由结果可知，匹配前后处理组和对照组均发生大幅度下降，且匹配后标准化偏差绝对值均<8%，且匹配后大部分p值均>0.1，说明选择的处理变量与匹配方法并无偏误，匹配效果较好。
表2 倾向得分匹配平衡性检验结果

Table 2 Test results of propensity score match the balance

变量 匹配前U
匹配后M		 均值 标准化偏差 标准化偏差
下降幅度/%		 t检验
处理组 对照组 t值 p值
pd U 5.439 5.839 -43.9 92.1 -11.77 0.000
M 5.439 5.471 -3.5 -0.68 0.499
eg U 0.038 0.031 45.0 83.9 12.13 0.000
M 0.038 0.037 7.2 1.34 0.181
ed U 0.235 0.175 57.5 94.4 16.38 0.000
M 0.235 0.232 3.2 0.56 0.579
er U 95.166 89.516 38.6 83.6 9.27 0.000
M 95.166 96.092 -6.3 -1.86 0.063
con U 0.406 0.373 25.8 84.3 7.25 0.000
M 0.406 0.412 -4.0 -0.78 0.435
进一步绘制倾向得分匹配效果图（图5）与倾向得分匹配前后核密度估计（图6）以直观呈现匹配效果。图5中，匹配后各协变量标准差绝对值均大幅降低；图6中，匹配前处理组与对照组的密度分布较为松散，差异较大，而匹配后两组核密度曲线几近重合，结果均说明倾向得分匹配法使用得当，有效缓解样本选择偏差问题。
图5 倾向得分匹配效果

Fig. 5 Propensity score matching effect

图6 倾向得分匹配前后的核密度估计

Fig. 6 Kernel density estimation before and after propensity score matching

3.4 基准回归分析

表3为直接使用DID模型回归以及使用PSM-DID模型进行回归的实证结果，结果显示无论是否使用PSM进行样本处理、是否加入控制变量，待估系数均在1%水平显著为正，说明可持续发展政策的实施对碳排放效率起到正向提升作用。一方面可能是资源型城市在转型方面形成的标杆效应，使其成为深入贯彻绿色发展理念的典型示范，进一步带动城市整体发展模式与经济增长模式绿色化、低碳化，这与黄寰等[43]的结论一致；另一方面，可持续发展政策会给资源型城市带来更多财政倾斜，在重点行业会获得更多的资金支持，进而为“三高”企业进行资源节约型环境友好型生产赋能，有效推进城市总体碳减排目标。此外，《规划》明确指明，构建多元化产业体系是推进资源型城市可持续发展的重要依托，因此资源型城市能够依靠产业基础，推动产业结构向生态农业、低碳工业和现代化服务业转型升级，从而通过结构效应实现碳资源的高效利用，这与张艳等[2]、张华等[41]与陆铭等[47]的结论相互印证，本文假设1得以验证。
表3 基准回归结果

Table 3 Benchmark regression result

DID PSM-DID
(1) (2) (3) (4)
DID 0.073*** 0.049*** 0.073*** 0.050***
(0.017) (0.017) (0.017) (0.017)
_cons -1.505*** 1.044** -1.511*** 0.557
(0.005) (0.425) (0.005) (0.430)
控制变量 NO YES NO YES
个体固定 YES YES YES YES
年份固定 YES YES YES YES
N/条 4448 4448 4201 4201
adj. R2 0.767 0.773 0.778 0.784

注：**p<0.05，***p<0.01；括号内为稳健标准误，下同。

3.5 稳健性检验

3.5.1 安慰剂检验

为考察研究结果是否受到外生不可观测干扰而出现偏误，采用随机抽样并通过判断虚拟估计结果来检验结论可靠性。在278个总样本城市中，在总样本中随机选取111个城市作为“伪处理组”，进而生成“伪政策虚拟变量”交互项进行回归，分别重复此过程500次、1000次，得到对应数量回归结果（图7）。由图7可知，两次估计系数的结果均在0附近，且近似呈现正态分布；真实回归系数为0.050，两次结果均与其相差较远，说明原回归系数并非随机而得，受其他因素影响极小；随机模拟得到的p值绝大部分均>0.1。综上，安慰剂检验通过。
图7 安慰剂检验结果

Fig. 7 Placebo test results

3.5.2 缩尾处理

对样本进行双侧1%水平的缩尾处理，处理后再次回归得到结果如表4列 (1)。由结果可知，缩尾后待估系数仍然在1%水平上显著为正，与基准回归结果一致，进一步验证回归结果稳健。
表4 稳健性检验结果

Table 4 Robustness test results

(1) (2) (3) (4) (5) (6)
缩尾 改变样本数量 low-carbon smart new-energy 剔除预期效应
DID 0.051*** 0.045*** 0.081*** 0.120*** 0.066*** 0.031*
(0.016) (0.017) (0.019) (0.020) (0.018) (0.018)
_cons 0.705 0.743 0.208 -0.311 0.662 -1.599***
(0.476) (0.491) (0.441) (0.444) (0.432) (0.052)
控制变量 YES YES YES YES YES YES
个体固定 YES YES YES YES YES YES
年份固定 YES YES YES YES YES YES
N/条 4201 3937 3316 2785 3969 3664
adj. R2 0.794 0.794 0.786 0.817 0.786 0.792

注：*p<0.1，下同。

3.5.3 改变样本数量

中华人民共和国国务院于2014年发布的《关于调整城市规模划分标准的通知》中提到，常住人口1000万以上的城市为超大城市，其在政府治理、市场需求、人力资本等方面相较于中小型城市存在较大差距。考虑到此因素对实证结果产生的影响，本文进一步选择剔除超大型城市样本后再次进行稳健性检验，结果如表4列 (2)。结果显示，剔除超大型城市样本后，核心解释变量待估系数值为0.045，且在1%水平上显著，再次为基准回归结果提供支撑。

3.5.4 排除其他政策作用

低碳城市试点，即在试点城市实行低碳经济，发展低碳产业、倡导低碳生活，进而降低碳强度[43]；智慧城市试点，即基于新一代信息技术应用，在试点城市通过构建可持续创新生态，驱动发展、赋能城市数智化绿色转型；新能源城市试点则通过扩大交通电动化范围等手段，推动新模式创新，从而提高城市碳减排水平。三种政策均可能会对试点城市碳排放效率产生影响，本文分别剔除低碳城市试点（low-carbon）、智慧城市试点（smart）、新能源城市试点（new-energy）三类作用，得到回归结果见表4列 (3)~列 (5)，排除其他政策作用后解释变量待估系数值分别为0.081，0.120，0.066，均通过1%的显著性检验且为正值，稳健性检验通过。

3.5.5 剔除预期效应

为剔除在正式实施《规划》前系列预实施通知及公告产生的预期效应给回归结果带来的干扰，本文删除《规划》实施前两年的样本数据进行重新回归，得到结果见表4列 (6)，其中待估系数的符号方向未发生变化，显著性水平虽有下降，但仍以10%水平显著，由此可证基准回归结果稳健。

3.6 机制检验

为探究资源型城市可持续发展政策对碳排放效率的影响机制，参考王伟龙等[49]的研究，先分别考察可持续发展政策对机制变量的影响，然后再分别构造解释变量与机制变量的交互项（DID×inno、DID×is、DID×pec）代入模型进行机制检验，结果如表5所示。
表5 机制检验结果

Table 5 Mechanism test result

(1) (2) (3) (4) (5) (6)
inno Cee is Cee pec Cee
DID 0.351* 0.039*** -0.094***
(0.204) (0.006) (0.016)
DID×inno 0.048***
(0.011)
DID×is 0.013***
(0.005)
DID×pec 0.023***
(0.008)
_cons 6.246*** 0.517 3.857*** 0.558 2.741*** 0.554
(0.707) (0.430) (0.158) (0.431) (0.045) (0.430)
控制变量 YES YES YES YES YES YES
个体固定 YES YES YES YES YES YES
年份固定 YES YES YES YES YES YES
N/条 4201 4201 4201 4201 4201 4201
adj. R2 0.852 0.784 0.862 0.784 0.895 0.784
表5列 (1)~列 (2) 结果显示，解释变量对技术创新的系数为0.351，且以10%水平显著，而引入技术创新中介变量后，交互性对碳排放效率的系数为0.048，仍通过1%水平显著性检验，说明《规划》能够通过推动技术创新提升碳排放效率。《规划》强调要加大技术改造投入，因此资源型城市更倾向于使用绿色节能、高附加值的技术及原料，逐步淘汰落后产能，加大绿色创新技术研发力度，显著提升地区技术创新能力，并通过带动作用与需求引致反向提升城市碳排放效率，助推资源型城市绿色化发展。同时，《规划》的实施为资源型城市带来了更多的宏观政策性投入，进一步落实税收等方面的配套支持政策，通过实施政策优惠，为资源型城市培育绿色低碳企业和高新技术人才提供良好空间，实现城市创新能力的提升，进而有效改善城市环境污染、资源浪费等问题。
表5列 (3)~列 (4) 结果中，解释变量对产业升级的系数为0.039，通过了1%水平显著性检验，考虑产业升级中介变量后，待估系数为0.013，且以1%水平显著，可持续发展政策能有效推动地区产业转型升级进而实现碳减排。《规划》中明确指出要构建多元化产业体系，提升产业竞争力，实现产业多元发展和优化升级。一方面，能够持续优化发展资源深加工产业，支持资源优势向经济优势转化，有序推进资源产业延伸，关注发展循环经济等新型绿色经济；另一方面，培育壮大优势替代产业的政策导向会为符合条件的接续替代产业及企业在行政审核、资源分配、资金获取等方面带来更多支持与倾斜，资源型城市能凭此进一步探索各具特色的产业发展模式，引导和鼓励各类生产要素向接续替代产业集聚。
表5列 (5) 中解释变量对能源消耗的系数为-0.094且以1%水平显著，表明可持续发展政策能有效降低能源消耗，而列 (6) 中解释变量对碳排放效率的待估系数为0.023，通过了1%水平显著性检验，这说明可持续发展政策能够通过降低能源消耗进一步提高城市碳排放效率。促进资源节约与综合利用是《规划》明确的重点内容和任务，因此资源型城市会大范围推广应用低碳技术，鼓励使用低碳产品，有效控制温室气体排放。同时，鼓励废弃产物减量化、资源化处理，循环化、无害化利用，以实现资源利用效率的最大化提升，鼓励构建资源循环利用产业体系，降低生产过程中的能源消耗与浪费，助推实现低碳转型。
综上所述，与基准回归结果相比，待估系数数值均发生不同程度的下降，存在显著的中介效应，假设2得到验证。

3.7 异质性检验

3.7.1 发展规模异质性

参考新一线城市研究所的做法，本文按照商业资源集聚度等五大发展维度将样本进行发展规模的分类，并代入模型完成分组回归。由表6可知，四线城市系数为0.166，且通过1%水平显著性检验；五线城市系数为0.061，以10%水平显著，系数数值相比基准回归均有不同程度的上升。而二、三线城市均不显著，原因可能是：相对于二、三线城市，四、五线城市资源赋能经济发展范围更广泛、经济体量更小、整体灵活性更高，整体碳排放水平较低、碳锁定效应更弱；四线与五线城市在依靠自身禀赋发展的同时凭借可持续发展政策的“政策东风”之势，加快转变发展模式、发展低碳产业，进而降低碳排放，促进经济绿色高质量发展，而二、三线城市则更注重通过获得经济与环境的双重效益实现自身存续与发展的可持续性，充分发挥自身资源优势，积极推进城市各类绿色低碳转型措施并取得一定成效，实施可持续发展政策并未对碳排放效率产生显著影响，此外，其经济发展水平往往较高，经济总量和人口密度较高，能源消费总量较大，进而带来较高的碳排放和污染排放，从而形成较强的碳排放依赖性与碳锁定效应。因此，目前《规划》对二、三线城市碳排放效率并没有发挥显著作用。
表6 发展规模异质性检验结果

Table 6 Heterogeneity test results of development scale

(1) (2) (3) (4)
二线 三线 四线 五线
DID -0.163 0.044 0.166*** 0.061*
(0.101) (0.037) (0.029) (0.032)
_cons 5.382* 1.119 0.399 -0.104
(2.981) (0.708) (1.334) (0.580)
控制变量 YES YES YES YES
个体固定 YES YES YES YES
年份固定 YES YES YES YES
N/条 463 1072 1198 1168
adj. R2 0.814 0.827 0.770 0.737

3.7.2 发展阶段异质性

《规划》将资源型城市划分为成长型、成熟型、衰退型和再生型四种类型，明确各类城市的发展方向和重点任务。本文基于此分类进行分组回归得到结果（表7）。再生型资源型城市的待估系数为0.550，以1%水平对碳排放效率产生显著正向影响；成熟型与衰退型资源型城市的显著性水平虽有所下降，但仍以10%水平正向显著；而成长型资源型城市目前并不显著。成长型资源型城市的首要目标仍是优先发展经济，其宏观经济水平与其主导资源产业有直接相关关系，目前其仍以自身资源开采利用为经济发展的主要驱动力，这会产生对环境的负外部性，进而加剧其对碳排放效率水平的阻滞影响。因此，目前可持续发展政策并没有对成长型资源型城市碳排放效率产生显著正向驱动作用，而成熟型城市、衰退型与再生型城市对内部资源的利用与开发已接近峰值，正积极采取各类举措摆脱其发展过程中对资源的强依赖性与强指向性的“刚性限制”，可持续发展政策一定程度上为其突破发展囹圄注入崭新动能、提供新的实现路径，这与吴康等[50]的研究结论一致。
表7 发展阶段异质性检验结果

Table 7 Heterogeneity test results of developmental stage

(1) (2) (3) (4)
成长型 成熟型 衰退型 再生型
DID -0.031 0.052* 0.022* 0.550***
(0.160) (0.031) (0.012) (0.104)
_cons 2.456** 3.373*** 0.346 -0.262
(1.203) (0.998) (0.476) (0.286)
控制变量 YES YES YES YES
个体固定 YES YES YES YES
年份固定 YES YES YES YES
N/条 206 906 357 237
adj. R2 0.692 0.825 0.794 0.810

3.7.3 “胡焕庸线”变迁异质性

在充分考察地区人口分布差异后，胡焕庸[51]提出“瑷珲—腾冲线”即“胡焕庸线”来反映当时近代中国人口密度分布格局。基于此，郭华东等[52]-在考虑未来国家战略新发展的背景下，提出“美丽中国中脊带”以期突破“胡焕庸线”两侧发展不平衡不充分不协调的战略瓶颈。本文在原“胡焕庸线”两侧划分的基础上，引入“中脊带”进行分组回归，表8列 (1)~列 (3) 为分组回归结果。结果显示，仅东南半壁城市核心解释变量系数显著为正，可能原因为东南半壁城市以较强的经济发展源动力吸引人才集聚，而人才集聚将通过提高劳动力素质、提升城市管理水平等路径反向稳固城市“发展内核”，从而实现城市向好发展的良性循环，这种稳步向好的发展模式将作为“有机土壤”为可持续发展政策实施予以充分养分；此外，东南半壁城市整体城市化水平更高，基础设施更为完善，沿海的先天地理优势能够提升其经济外向型程度，有助于引进与吸纳国外先进绿色创新成果，这与王晗等[53]的研究结论一致。因此，可持续发展政策在东南半壁的实施效应要大于西北半壁和中脊带城市。
表8 “胡焕庸线”变迁与城市网络中心度异质性检验结果

Table 8 Heterogeneity test results of Hu Huanyong Line and urban network centrality

(1) (2) (3) (4) (5)
东南半壁 中脊带 西北半壁 枢纽 非枢纽
DID 0.134*** -0.055 -0.049 0.115* 0.048***
(0.021) (0.034) (0.129) (0.069) (0.018)
_cons 0.372 1.862* 1.841 3.451 0.438
(0.503) (0.979) (2.034) (2.893) (0.433)
控制变量 YES YES YES YES YES
个体固定 YES YES YES YES YES
年份固定 YES YES YES YES YES
N/条 2884 1194 123 341 3860
adj. R2 0.792 0.771 0.744 0.770 0.787

3.7.4 城市网络中心度异质性

作为城市碳排放主要来源行业之一，交通运输业多采用传统燃油燃气等供能形式[54]。而近年来，高铁交通因其能够利用电力驱动进而大幅降低行业原有碳消耗的绝对优势实现快速发展。2016年，国家发展和改革委员会发布《中长期铁路网规划》，其明确指出中国未来10年铁路交通发展重点与规划方案。考虑不同城市网络中心度所带来的异质性作用，参照张晓昱等[24]的做法，本文将样本城市划分为枢纽城市与非枢纽城市进行分组回归，结果如表8列 (4)~列 (5) 所示，枢纽城市、非枢纽城市系数分别为0.115、0.048，分别在10%、1%水平上显著为正，且枢纽城市数值明显大于非枢纽城市，说明政策实施对枢纽城市碳排放效率的提升效应效果更强，相较于非枢纽城市，枢纽城市肩负着“交通运输中转站”的重要职能使命，其交通网络更为复杂、与其他城市联结更为紧密，同时以电力为主要驱动能源的高铁交通建设也为《规划》的落实与推进提供沃土，二者共同发挥提升城市碳排放效率的协同作用，张晓昱等[24]也发现高铁建设能显著降低碳排放强度，产生良好的碳减排效应。

4 空间效应分析

区域经济、环境政策等变化会在时间空间双维度上产生一定溢出效应和累积效应，为探究可持续发展政策是否会对邻近区域产生空间溢出效应，本文根据张晓昱等[24]的研究，经过模型筛选与相应匹配，构建空间杜宾模型进一步检验，模型如下：
C e e i t = α + ρ ∑ j N w i j C e e i t + β D I D i t + ∑ j N w i j D I D i t j γ + μ i + λ t + ε i t
w i j q = w i j d d i a g Y 1 ¯ Y 1 ¯ , Y 2 ¯ Y 1 ¯ ,   . . .   , Y i ¯ Y i ¯
w i j d = 1 d i j 2
式中： w i j分别为经济—地理距离嵌套空间权重矩阵和邻接空间权重矩阵； ∑ j N w i j C e e i t代表邻近区域对本区域的影响； ρ为空间自回归因变量系数； ∑ j N w i j D I D i t j代表邻近区域自变量对本区域自变量的影响； Y i ¯、 Y ¯分别为城市单元i的人均GDP（万元）、所有样本的人均GDP（万元）； w i j q为嵌套空间权重矩阵? w i j d为地理距离空间权重矩阵； d i j为城市单元i与j之间的地理距离（km）。
表9为全局Moran's I结果，其中Moran's I指数均通过1%水平显著性检验且为正值，表明在空间范围内呈现出明显“高—高”与“低—低”的集聚分布特征，即存在显著的空间正相关关系。同时，2006—2021年Moran's I指数变化虽不明显，但总体呈现稳步增长趋势，这表明集聚程度逐渐增强。
表9 2006—2021年碳排放效率全局Moran's I

Table 9 Global Moran's I for carbon emission efficiency, 2006-2021

年份 Moran's I Z值 p值 年份 Moran's I Z值 p值
2006 0.025 5.462 0.000 2014 0.019 4.301 0.000
2007 0.003 1.253 0.210 2015 0.021 4.689 0.000
2008 0.011 2.798 0.005 2016 0.022 4.834 0.000
2009 0.019 4.349 0.000 2017 0.026 5.587 0.000
2010 0.022 4.861 0.000 2018 0.026 5.648 0.000
2011 0.036 7.656 0.000 2019 0.023 5.102 0.000
2012 0.023 5.019 0.000 2020 0.014 3.296 0.001
2013 0.017 3.921 0.000 2021 0.005 1.698 0.089
表10为空间杜宾模型回归结果，无论是否加入控制变量，系数均通过1%水平的显著性检验，空间滞后项系数（ρ）在两类权重矩阵的回归模型中均显著为正，说明资源型城市可持续发展政策会对碳排放效率产生明显的空间溢出效应。加入空间因素且考虑控制变量后，主效应系数分别为0.111、0.072，且在1%水平上显著，总效应分别为0.055、0.079，直接效应分别为0.110、0.072，均通过显著性检验，说明《规划》既对资源型城市本区域碳排放效率产生显著影响，也对全国范围内城市的碳排放效率产生平均影响，再次验证假设1。反馈效应为直接效应与待估系数之差，分别为0.060、0.022，说明《规划》实施作用于本区域碳排放效率的同时也会对其邻近地区碳排放效率产生影响。间接效应则并未通过显著性检验，由于资源型城市饱受资源禀赋、刚性路径依赖以及资源型城市间地理位置与空间距离掣肘，目前本区域《规划》实施对邻接区域碳排放效率的直接影响并不显著，存在一定的反馈效应，时空影响范围还局限于邻近区域本身。
表10 空间杜宾模型回归总结果及分解结果

Table 10 Direct, indirect, and total effects of spatial Durbin model

嵌套 邻接
(1) (2) (3) (4)
Main 0.117*** 0.111*** 0.075*** 0.072***
(0.037) (0.037) (0.020) (0.020)
ρ 0.062*** 0.058*** 0.574*** 0.503***
(0.021) (0.021) (0.084) (0.093)
Direct 0.116*** 0.110*** 0.075*** 0.072***
(0.037) (0.037) (0.020) (0.020)
Indirect -0.054 -0.055 -0.010 0.007
(0.038) (0.043) (0.035) (0.046)
Total 0.063*** 0.055** 0.065** 0.079**
(0.016) (0.022) (0.027) (0.038)
控制变量 NO YES NO YES
个体固定 YES YES YES YES
年份固定 YES YES YES YES
N/条 4201 4201 4201 4201

5 结论与政策启示

5.1 结论

本文选取2006—2021年全国278个城市为研究样本，利用超效率SBM模型对碳排放效率进行测度，通过PSM-DID模型实证研究资源型城市可持续发展政策对碳排放效率的影响，并探析其机制路径以及差异化作用，主要研究结论有：
（1）基准回归结果显示，资源型城市可持续发展政策对碳排放效率存在显著提升效应，相比非资源型城市，碳排放效率提升约5.000%，说明可持续发展政策的制定是处理社会经济活动中高能耗的有利途径，能够有效推动城市绿色经济发展转型，结论经过稳健性检验后依然成立。
（2）对于不同类型资源型城市，可持续发展政策对碳排放效率的提升效应具有明显的异质性。就其作用效果而言，四线、五线资源型城市要优于二线、三线城市，成熟型、衰退型与再生型资源型城市优于成长型城市，“胡焕庸线”东南半壁资源型城市优于西北半壁和中脊带城市，枢纽资源型城市优于非枢纽城市。
（3）机制检验结果表明，资源型城市可持续发展政策通过推动技术创新、加快产业升级和降低能源消耗三条路径对碳排放效率产生影响并使其动态变化，政策的实施能够促使企业关注技术革新、资源配置、产业架构、能源利用等经济转型发展重点领域，进而推进节能减排绿色发展目标的实现。
（4）空间效应分析结果说明，《规划》不仅对资源型城市本区域碳排放效率起到提升作用，对城市总体碳排放效率产生平均影响，其还具有约0.060、0.022的反馈效应，政策作用于本区域后，会对其邻近地区碳排放效率产生影响，又会反作用于本区域碳排放效率。

5.2 政策启示

基于以上结论，提出如下政策启示：（1）继续保持对资源型城市绿色转型的高度重视，持续推进落实可持续发展政策细化措施。要始终以绿色高质量发展为总体导向，实现向清洁型产业主导的发展模式的“渐进式”更替。既要实现“存量低碳化”，也要注重“增量低碳性”，对城市资源的开发资质、程序以及资源量质属性进行严格把控。此外，要利用绿色技术实现清洁生产与低碳开发，并在终端进行调控，有效降低资源型产业发展过程中对环境造成的负面影响。（2）延伸拓宽资源型城市绿色发展机制路径，充分发挥低碳转型辐射带动效应。结合机制检验结果，资源型城市应当把握技术、产业及能源等要素，不断深化产业结构升级，实现经济增长新旧动能转换，吸引优质资本、人力资源等生产要素集聚，着力提高地区创新能力，更新迭代生产技术以进一步降低高污染高能耗产业占比，稳步破除发展桎梏。同时，也要兼顾宏观调控，通过全局规划和顶层设计激发资源型城市发展动力与活力，扩大环境效益提升效应的辐射范围，构造绿色新经济增长极，助力其绿色低碳可持续发展。（3）以城际发展层级、战略定位差异为切入点，实现城市协调和谐的可持续发展。异质性检验结果显示，不同类型资源型城市对于政策实施的反馈结果不尽相同。因此，在把控整体发展方向的基础上，要注重分类引导，“因城施策”“因地制宜”，探索资源型城市高质量发展途径与对策，针对“地区个性”构建有区域差别的倾向政策与转型绩效评价体系，对部分资源型城市集中地区给予更大程度的政策倾斜，实施定制化、长期化的决策机制。
本文研究样本为278个地级市，处理组样本为111个资源型城市，涵盖所有发展阶段的资源型城市，但不同阶段资源型城市的规划目标与发展重点仍有差异。《规划》中明确列明67个衰退型城市，随着资源开采力度的不断加大，资源储备量不断下降，大部分资源富集型城市不可避免地进入资源衰竭阶段，进而引发经济增长乏力、人口规模剧减、土地利用失衡与生态环境恶化等问题，给资源衰退型城市高质量转型带来了普遍困扰。因此，在后续研究中有必要针对衰退型资源型城市发展现状进行个性化探讨分析，厘清资源衰退型城市转型的驱动路径，为资源衰退型城市突破发展瓶颈提供更多理论支撑与补充研究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
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.

[LINGHU D Z, WU X L, LI Y N, et al. Impact mechanism of low-carbon classification standards on carbon emission decisions of heterogeneous corporate. Chinese Journal of Management Science, 2023, 31(4): 46-55.]

[2]
张艳, 郑贺允, 葛力铭. 资源型城市可持续发展政策对碳排放的影响. 财经研究, 2022, 48(1): 49-63.

[ZHANG Y, ZHENG H Y, GE L M. The impact of sustainable development policy of resource-based cities on carbon emissions. Journal of Finance and Economics, 2022, 48(1): 49-63.]

[3]
关海玲, 董慧君, 张宇茹. 《全国资源型城市可持续发展规划》的污染减排效应研究. 经济问题, 2021, (6): 80-90.

[GUAN H L, DONG H J, ZHANG Y R. Research on the pollution reduction effect of the sustainable development plan of resource-based cities nationwide. On Economic Problems, 2021, (6): 80-90.]

[4]
陈妍, 梅林. 东北地区资源型城市转型过程中社会: 经济: 环境协调演化特征. 地理研究, 2018, 37(2): 307-318.

DOI

[CHEN Y, MEI L. Coordination of the ''economy-society-environment'' triad in the transition development of resource: Based cities in Northeast China. Geographical Research, 2018, 37(2): 307-318.]

[5]
仇方道, 袁荷, 朱传耿, 等. 再生性资源型城市工业转型效应及影响因素. 经济地理, 2018, 38(11): 68-77.

[QIU F D, YUAN H, ZHU C G, et al. The industrial transformation effects and influencing factors of regenerative resource-based cities in China. Economic Geography, 2018, 38(11): 68-77.]

[6]
王凯, 何静, 甘畅, 等. 中国旅游产业结构变迁对旅游业碳排放效率的空间溢出效应研究. 中国软科学, 2022, (12): 50-60.

[WANG K, HE J, GAN C, et al. Spatial spillover effect of tourism industry structure change on tourism carbon emission efficiency in China. China Soft Science, 2022, (12): 50-60.]

[7]
李虹, 邹庆. 环境规制、资源禀赋与城市产业转型研究: 基于资源型城市与非资源型城市的对比分析. 经济研究, 2018, 53(11): 182-198.

[LI H, ZOU Q. Environmental regulations, resource endowments and urban industry transformation: Comparative analysis of resource-based and non-resource-based cities. Economic Research Journal, 2018, 53(11): 182-198.]

[8]
卢硕, 张文忠, 李佳洺. 资源禀赋视角下环境规制对黄河流域资源型城市产业转型的影响. 中国科学院院刊, 2020, 35(1): 73-85.

[LU S, ZHANG W Z, LI J M. Influence of environmental regulations on industrial transformation of resource-based cities in the Yellow River Basin under resource endowment. Bulletin of Chinese Academy of Sciences, 2020, 35(1): 73-85.]

[9]
ZHOU J, ZHANG Z Y, XU X B, et al. Does the transformation of resource-dependent cities promote the realization of the carbon-peaking goal? An analysis based on typical resource-dependent city clusters in China. Journal of Cleaner Production, 2022, 365: 132731, Doi: 10.1016/j.jclepro.2022.132731.

[10]
WANG H M, LI X Y, TIAN X, et al. Socioeconomic drivers of China's resource efficiency improvement: A structural decomposition analysis for 1997-2017. Resources, Conservation and Recycling, 2022, 178: 106028, Doi: 10.1016/j.resconrec.2021.106028.

[11]
夏敏, 张开亮, 文博, 等. 煤炭资源枯竭型城市工矿用地时空变化模拟与生态风险评价: 以江西省萍乡市安源区为例. 地理研究, 2017, 36(9): 1773-1786.

DOI

[XIA M, ZHANG K L, WEN B, et al. On simulation of changes in industrial land use and evaluation of ecological risks in a coal resource-exhausted city: A case study of Anyuan district, Pingxiang city. Geographical Research, 2017, 36(9): 1773-1786.]

[12]
谭俊涛, 张新林, 刘雷, 等. 中国资源型城市转型绩效测度与评价. 经济地理, 2020, 40(7): 57-64.

[TAN J T, ZHANG X L, LIU L, et al. Research on the urban transformation performance of China's resource-based cities. Economic Geography, 2020, 40(7): 57-64.]

[13]
WANG D L, SHI Y H, WAN K D. Integrated evaluation of the carrying capacities of mineral resource-based cities considering synergy between subsystems. Ecological Indicators, 2020, 108: 105701, Doi: 10.1016/j.ecolind.2019.105701.

[14]
彭荣熙, 刘涛, 曹广忠. 中国东部沿海地区城市经济韧性的空间差异及其产业结构解释. 地理研究, 2021, 40(6): 1732-1748.

DOI

[PENG R X, LIU T, CAO G Z. Spatial pattern of urban economic resilience in eastern coastal China and industrial explanation. Geographical Research, 2021, 40(6): 1732-1748.]

[15]
黄梦涵, 张卫国. 中国四类资源型城市韧性水平比较与发展策略. 经济地理, 2023, 43(1): 34-43.

DOI

[HUANG M H, ZHANG W G. Comparison of resilience levels and development strategies of four types of resource-based cities in China. Economic Geography, 2023, 43(1): 34-43.]

DOI

[16]
朱媛媛, 罗源, 陈京, 等. 资源枯竭型城市产业转型及其经济韧性: 以湖北省大冶市为例. 自然资源学报, 2023, 38(1): 73-90.

DOI

[ZHU Y Y, LUO Y, CHEN J, et al. Research on industrial transformation and its economic resilience in resource-exhausted cities: A case study of Daye city, Hubei province. Journal of Natural Resources, 2023, 38(1): 73-90.]

[17]
徐英启, 程钰, 王晶晶. 中国资源型城市碳排放效率时空演变与绿色技术创新影响. 地理研究, 2023, 42(3): 878-894.

DOI

[XU Y Q, CHENG Y, WANG J J. The impact of green technological innovation on the spatiotemporal evolution of carbon emission efficiency of resource-based cities in China. Geographical Research, 2023, 42(3): 878-894.]

[18]
郑瑞婧, 程钰. 黄河流域创新要素集聚对碳排放效率的影响研究. 地理研究, 2024, 43(3): 577-595.

DOI

[ZHENG R J, CHENG Y. Impacts of innovation factor agglomeration on carbon emission efficiency in the Yellow River Basin. Geographical Research, 2024, 43(3): 577-595.]

[19]
邵言波, 邵羽冰. “一带一路” 中国沿线主要港口碳排放效率评价研究. 经济问题, 2023, (5): 22-30.

[SHAO Y B, SHAO Y B. Evaluation of carbon emission efficiency of major ports along ''the Belt and Road'' in China. On Economic Problems, 2023, (5): 22-30.]

[20]
李振冉, 宋妍, 岳倩, 等. 基于SFA-CKC模型评估中国碳排放效率. 中国人口·资源与环境, 2023, 33(4): 46-55.

[LI Z R, SONG Y, YUE Q, et al. Evaluation of carbon emission efficiency in China based on the SFA-CKC model. China Population, Resources and Environment, 2023, 33(4): 46-55.]

[21]
陈伟, 洪静兰, 李照令, 等. 2011—2020年中国大豆生产碳排放效率时空演变及影响因素. 中国人口·资源与环境, 2024, 34(2): 70-80.

[CHEN W, HONG J L, LI Z L, et al. Spatio-temporal evolution of carbon emission efficiency and influencing factors of China's soybean production from 2011 to 2020. China Population, Resources and Environment, 2024, 34(2): 70-80.]

[22]
安勇. 土地资源错配对城市碳排放效率的影响及作用机制研究. 城市问题, 2024, (1): 27-34, 55.

[AN Y. Study on the impact of land resource misallocation on urban carbon emission efficiency and its mechanism. Urban Problems, 2024, (1): 27-34, 55.]

[23]
韩峰, 谢锐. 生产性服务业集聚降低碳排放了吗? 对我国地级及以上城市面板数据的空间计量分析. 数量经济技术经济研究, 2017, 34(3): 40-58.

[HAN F, XIE R. Does the agglomeration of producer services reduce carbon emissions? Spatial econometric analysis of panel data of prefecture-level and above cities in China. The Journal of Quantitative & Technical Economics, 2017, 34(3): 40-58.]

[24]
张晓昱, 李润楠, 秦玉婷, 等. 多维异质性视角下高铁建设对城市碳排放强度的影响及其机制: 基于281个地级及以上城市准自然实验. 资源科学, 2023, 45(7): 1310-1323.

DOI

[ZHANG X Y, LI R N, QIN Y T, et al. The effect of high-speed railway construction on urban carbon emission intensity and mechanism under the perspective of multidimensional heterogeneity: A quasi natural experiment based on 281 cities at prefecture level and above in China. Resources Science, 2023, 45(7): 1310-1323.]

DOI

[25]
YANG Z, GAO W J, HAN Q, et al. Digitalization and carbon emissions: How does digital city construction affect China's carbon emission reduction?. Sustainable Cities and Society, 2022, 87: 104201, Doi: 10.1016/j.scs.2022.104201.

[26]
盛科荣, 李晓瑞, 孙威, 等. 中国城市网络地位对碳排放效率的影响. 地理学报, 2023, 78(11): 2864-2882.

DOI

[SHENG K R, LI X R, SUN W, et al. Examining the impacts of network position on urban carbon emissions efficiency in China. Acta Geographica Sinica, 2023, 78(11): 2864-2882.]

DOI

[27]
邵帅, 张可, 豆建民. 经济集聚的节能减排效应: 理论与中国经验. 管理世界, 2019, 35(1): 36-60, 226.

[SHAO S, ZHANG K, DOU J M. Effects of economic agglomeration on energy saving and emission reduction: Theory and empirical evidence from China. Journal of Management World, 2019, 35(1): 36-60, 226.]

[28]
程郁泰, 肖红叶. 中国碳排放权交易政策的经济与减排效应研究. 统计与信息论坛, 2023, 38(7): 61-74.

[CHENG Y T, XIAO H Y. Economic and carbon reduction effect of emissions trading: A Chinese perspective. Journal of Statistics and Information, 2023, 38(7): 61-74.]

[29]
张雪纯, 曹霞, 宋林壕. 碳排放交易制度的减污降碳效应研究: 基于合成控制法的实证分析. 自然资源学报, 2024, 39(3): 712-730.

DOI

[ZHANG X C, CAO X, SONG L H. Study on the effect of carbon emission trading system on reducing pollution and carbon: An empirical analysis based on synthetic control method. Journal of Natural Resources, 2024, 39(3): 712-730.]

[30]
郭沛, 王光远. 数字经济的减污降碳协同作用及机制: 基于地级市数据的实证检验. 资源科学, 2023, 45(11): 2117-2129.

DOI

[GUO P, WANG G Y. The synergistic effect of digital economy on pollution and carbon reduction and the influence mechanism: An empirical test based on prefecture-level city data. Resources Science, 2023, 45(11): 2117-2129.]

[31]
王凯, 关锐, 甘畅. 低碳试点是否有助于提高旅游业碳排放效率? 基于双重差分的实证检验. 中国人口·资源与环境, 2023, 33(11): 47-56.

[WANG K, GUAN R, GAN C. Does the low-carbon pilot policy help to improve carbon emission efficiency in China's tourism industry? An empirical test based on the DID model. China Population, Resources and Environment, 2023, 33(11): 47-56.]

[32]
张振华, 陈曦, 汪京, 等. 绿色金融改革创新试验区政策对碳排放的影响效应: 基于282个城市面板数据的准实验研究. 中国人口·资源与环境, 2024, 34(2): 32-45.

[ZHANG Z H, CHEN X, WANG J, et al. Impact of China's PZGFRI policy on carbon emissions: A quasi-experimental study based on urban panel data from 282 cities. China Population, Resources and Environment, 2024, 34(2): 32-45.]

[33]
陆香怡, 赵彦云. 绿色发展目标下智慧城市建设对碳排放效率的影响研究. 经济问题探索, 2024, (3): 155-171.

[LU X Y, ZHAO Y Y. Research on the impact of smart city construction on carbon emission efficiency under the green development goals. Inquiry into Economic Issues, 2024, (3): 155-171.]

[34]
江三良, 贾芳芳. 科技金融政策对城市碳排放绩效的影响效应研究: 基于“科技与金融结合试点” 的准自然实验. 软科学, 2024, 38(3): 37-43.

[JIANG S L, JIA F F. Impact of science and technology finance policy on urban carbon emission performance: A quasi-natural experiment. Soft Science, 2024, 38(3): 37-43.]

[35]
佟家栋, 冯祥玉, 赵思佳. 出口退税政策对中国企业碳排放强度的影响: 基于“两高一资” 产品出口退税政策改革的准自然实验. 现代财经(天津财经大学学报), 2023, 43(11): 3-14.

[TONG J D, FENG X Y, ZHAO S J. The impact of export tax rebate policy on carbon emission intensity of Chinese enterprises: A quasi-natural experiment based on export tax rebate policy reform of high-energy, high-pollution and resource-based products. Modern Finance and Economics-Journal of Tianjin University of Finance and Economics, 2023, 43(11): 3-14.]

[36]
韩先锋, 郑酌基, 肖远飞. 创新驱动政策“双试点” 协同赋能与碳排放“量降质升”: 来自国家自主创新示范区与创新型城市的证据. 中国人口·资源与环境, 2023, 33(10): 112-123.

[HAN X F, ZHENG Z J, XIAO Y F. Innovation-driven policy 'double pilot' synergistic empowerment and carbon emissions quantity reduction and quality improvement: Evidence from national independent innovation demonstration zones and innovative cities. China Population, Resources and Environment, 2023, 33(10): 112-123.]

[37]
王常君, 曲阳阳, 吴相利. 资源枯竭型城市的经济—人口收缩治理研究: 基于黑龙江省资源枯竭型城市的现实分析. 宏观经济研究, 2019, (8): 156-169.

[WANG C J, QU Y Y, WU X L. A study on economic-population contraction governance in resource-exhausted cities: A realistic analysis based on resource-exhausted cities in Heilongjiang province. Macroeconomics, 2019, (8): 156-169.]

[38]
周宏浩, 谷国锋. 资源型城市可持续发展政策的污染减排效应评估: 基于PSM-DID自然实验的证据. 干旱区资源与环境, 2020, 34(10): 50-57.

[ZHOU H H, GU G F. Assessment on pollution reduction effects of sustainable development policy in Chinese resource-based cities. Journal of Arid Land Resources and Environment, 2020, 34(10): 50-57.]

[39]
张莹, 陈涛峰, 陈洪波, 等. 扶持政策对资源枯竭型城市高质量发展的促进效果. 中国人口·资源与环境, 2022, 32(5): 46-56.

[ZHANG Y, CHEN T F, CHEN H B, et al. Implementation effect of supporting polices on the high-quality development of resource-exhausted cities. China Population, Resources and Environment, 2022, 32(5): 46-56.]

[40]
张先锋, 韩雪, 吴椒军. 环境规制与碳排放: “倒逼效应” 还是“倒退效应”: 基于2000—2010年中国省际面板数据分析. 软科学, 2014, 28(7): 136-139, 144.

[ZHANG X F, HAN X, WU J J. Relationship between environmental regulation and carbon emission: Reverse effect or regressive effect: Based on provincial panel data from 2000 to 2010. Soft Science, 2014, 28(7): 136-139, 144.]

[41]
张华, 魏晓平. 绿色悖论抑或倒逼减排: 环境规制对碳排放影响的双重效应. 中国人口·资源与环境, 2014, 24(9): 21-29.

[ZHANG H, WEI X P. Green paradox or forced emission-reduction: Dual effect of environmental regulation on carbon emissions. China Population, Resources and Environment, 2014, 24(9): 21-29.]

[42]
李福柱, 张欣然. 中国新能源示范城市的绿色低碳发展效应. 资源科学, 2023, 45(8): 1590-1603.

DOI

[LI F Z, ZHANG X R. The green and low-carbon development effect of China's new energy demonstration cities. Resources Science, 2023, 45(8): 1590-1603.]

[43]
黄寰, 何广, 肖义. 低碳城市试点政策的碳减排效应. 资源科学, 2023, 45(5): 1044-1058.

DOI

[HUANG H, HE G, XIAO Y. Carbon emission reduction effect of the low-carbon city construction pilot program. Resources Science, 2023, 45(5): 1044-1058.]

DOI

[44]
卢娜, 王为东, 王淼, 等. 突破性低碳技术创新与碳排放: 直接影响与空间溢出. 中国人口·资源与环境, 2019, 29(5): 30-39.

[LU N, WANG W D, WANG M, et al. Breakthrough low-carbon technology innovation and carbon emissions: Direct and spatial spillover effect. China Population, Resources and Environment, 2019, 29(5): 30-39.]

[45]
杨莉莎, 朱俊鹏, 贾智杰. 中国碳减排实现的影响因素和当前挑战: 基于技术进步的视角. 经济研究, 2019, 54(11): 118-132.

[YANG L S, ZHU J P, JIA Z J. Influencing factors and current challenges of CO2 emission reduction in China: A perspective based on technological progress. Economic Research Journal, 2019, 54(11): 118-132.]

[46]
余利红. 基于匹配倍差法的乡村旅游扶贫农户增收效应. 资源科学, 2019, 41(5): 955-966.

DOI

[YU L H. Effects of rural pro-poor tourism on farming households' income: A study based on the PSM-DID method. Resources Science, 2019, 41(5): 955-966.]

[47]
陆铭, 冯皓. 集聚与减排: 城市规模差距影响工业污染强度的经验研究. 世界经济, 2014, 37(7): 86-114.

[LU M, FENG H. Agglomeration and emission reduction: An empirical study on the impact of urban size gap on industrial pollution intensity. World Economy, 2014, 37(7): 86-114.]

[48]
张华. 低碳城市试点政策能够降低碳排放吗? 来自准自然实验的证据. 经济管理, 2020, 42(6): 25-41.

[ZHANG H. Can low-carbon city construction reduce carbon emissions? Evidence from a quasi-natural experiment. Business and Management Journal, 2020, 42(6): 25-41.]

[49]
王伟龙, 王健龙, 谢成兴, 等. “中国制造2025” 试点示范城市建设对城市绿色发展效率的影响. 中国人口·资源与环境, 2023, 33(9): 147-158.

[WANG W L, WANG J L, XIE C X, et al. Impact of 'Made in China 2025' pilot demonstration city construction on urban green development efficiency. China Population, Resources and Environment, 2023, 33(9): 147-158.]

[50]
吴康, 张文忠, 张平宇, 等. 中国资源型城市的高质量发展: 困境与突破. 自然资源学报, 2023, 38(1): 1-21.

DOI

[WU K, ZHANG W Z, ZHANG P Y, et al. High-quality development of resource-based cities in China: Dilemmas and breakthroughs. Journal of Natural Resources, 2023, 38(1): 1-21.]

DOI

[51]
胡焕庸. 中国人口之分布: 附统计表与密度图. 地理学报, 1935, 2(2): 33-74.

DOI

[HU H Y. Population distribution in China: Attached staistical tables and density maps. Acta Geographica Sinica, 1935, 2(2): 33-74.]

[52]
王心源, 郭华东, 骆磊, 等. 从“胡焕庸线” 到“美丽中国中脊带”: 科学认知的突破与发展方式的改变. 中国科学院院刊, 2021, 36(9): 1058-1065.

[WANG X Y, GUO H D, LUO L, et al. From hu huanyong line to mid-spine belt of beautiful China: Breakthrough in scientific cognition and change in development mode. Bulletin of Chinese Academy of Sciences, 2021, 36(9): 1058-1065.]

[53]
王晗, 何枭吟, 许舜威. 创新型城市试点对绿色创新效率的影响机制. 中国人口·资源与环境, 2022, 32(4): 105-114.

[WANG H, HE X Y, XU S W. Impact and mechanism of innovative city pilot projects on the efficiency of green innovation. China Population, Resources and Environment, 2022, 32(4): 105-114.]

[54]
王绍博, 段伟, 秦娅风, 等. 高铁网络空间组织模式及其脆弱性评估: 以长三角为例. 资源科学, 2022, 44(5): 1079-1089.

DOI

[WANG S B, DUAN W, QIN Y F, et al. Spatial organization model and its vulnerability assessment of high-speed rail network: Taking the Yangtze River Delta as an example. Resources Science, 2022, 44(5): 1079-1089.]

Options
文章导航

/

〈 〉