EN中文

自然资源学报 >

2025 , Vol. 40 >Issue 7: 1773 - 1794

DOI: https://doi.org/10.31497/zrzyxb.20250704

自然资源观察

节能减排财政政策综合示范城市建设促进能源与产业双重结构转型吗?

  • 宋马林 , 1 ,
  • 陶伟良 2 ,
  • 王建林 , 1
展开
  • 1.安徽财经大学低碳发展与碳金融实验室，蚌埠 233030
  • 2.福建师范大学数学与统计学院，福州 350117
王建林（1979- ），男，河北晋州人，博士，教授，硕士生导师，研究方向为数据包络分析、效率与生产力。E-mail:

宋马林（1972- ），男，安徽蚌埠人，博士，教授，博士生导师，研究方向为资源环境统计。E-mail:

收稿日期: 2024-09-09

  修回日期: 2025-01-24

  网络出版日期: 2025-06-20

基金资助

国家自然科学基金重点项目(71934001)

收起

Does the construction of comprehensive demonstration cities for energy conservation and emission reduction fiscal policy promote the dual structural transformation of energy and industry?

  • SONG Ma-lin , 1 ,
  • TAO Wei-liang 2 ,
  • WANG Jian-lin , 1
Expand
  • 1. Low-carbon Development and Carbon Finance Laboratory, Anhui University of Finance and Economics, Bengbu 233030, Anhui, China
  • 2. School of Mathematics and Statistics, Fujian Normal University, Fuzhou 350117, China

Received date: 2024-09-09

  Revised date: 2025-01-24

  Online published: 2025-06-20

Fold

摘要

节能减排财政政策是中国绿色财政领域的重大制度创新，更是确保实现“双碳”目标的关键抓手。以节能减排财政政策综合示范城市试点为外生政策冲击，使用多期双重差分模型和双重机器学习模型等方法，探析了示范城市设立的能源与产业结构转型效应。研究表明：综合示范城市建设对所在地区的能源结构优化和产业结构升级均产生了显著的促进作用，在通过平行趋势、异质性处理效应等一系列检验后该结论仍然稳健。机制分析表明，政策试点可通过提升能源和环境偏向型技术以及产能利用率进而改善能源与产业结构。异质性分析发现，试点政策的实施效果在核心大城市、非老工业基地城市、高度市场化和财政压力小的城市更突出。进一步研究显示，开展综合示范城市建设对于推动实现政策最初设定的六大任务目标，包括实现产业低碳化、交通清洁化、建筑绿色化、服务集约化、主要污染物减量化以及可再生能源利用规模化均具有明显优势。研究结论为中国未来设计实施更加全面的绿色财政政策提供了决策参考。

关键词： 节能减排财政政策; 能源结构; 产业结构; 多期双重差分模型

本文引用格式

宋马林 , 陶伟良 , 王建林 . 节能减排财政政策综合示范城市建设促进能源与产业双重结构转型吗?[J]. 自然资源学报, 2025 , 40(7) : 1773 -1794 . DOI: 10.31497/zrzyxb.20250704

Abstract

The energy conservation and emission reduction fiscal policy is a major institutional innovation in China's green finance sector and is crucial for achieving the "dual carbon" goals. This paper takes the pilot comprehensive demonstration cities for this policy as the exogenous policy impact, and analyzes its effects on energy and industrial structure transformation using a difference-in-differences model and a dual machine learning model. The results indicate that establishing comprehensive demonstration cities significantly enhances the optimization of energy structure and the upgrading of industrial structure in the region. These conclusions remain robust after a series of tests, including parallel trend and heterogeneous treatment effects. Mechanism analysis shows that the policy pilot can improve energy and industrial structures by promoting energy- and environment-oriented technologies and capacity utilization. Heterogeneity analysis reveals that the implementation effect of the pilot policy is more prominent in core large cities, non-industrial base cities, highly market-oriented cities, and cities with low financial pressure. Further research demonstrates that constructing demonstration cities offers obvious advantages in promoting the realization of six tasks initially set by the policy, including industrial decarbonization, clean transportation, green building, service intensification, reduction of major pollutants, and large-scale utilization of renewable energy. The findings of the study provide valuable insights for designing and implementing more comprehensive green fiscal policies in China in the future.

Key words： energy conservation and emission reduction fiscal policy; energy structure; industrial structure; multi-period difference-in-differences model

目前，中国是全球最大的能源消费和碳排放国家。长期以来，中国的经济增长主要依靠工业驱动，然而这种模式伴随着大量的化石能源消耗，由此导致的碳排放量急剧增加造成了一系列的环境问题，如全球气候变暖、极端天气事件频发等。为了控制二氧化碳排放，进一步彰显大国责任担当，中国在第75届联合国大会上承诺力争2030年前碳排放达到峰值，争取2060年前实现碳中和（简称“双碳”目标）。随后，中国政府在2021年10月正式发布《2030年前碳达峰行动方案》，对碳达峰工作作出总体部署。2023年7月，习近平总书记在全国生态环境保护大会上又再次强调要“积极稳妥推进碳达峰碳中和”。碳排放大部分来源于化石能源消费，而能源作为经济和社会发展的物质基础，在一定程度上主导了中国的产业结构。同时，产业结构的转型升级又会影响不同行业和部门的能源需求，进而影响能源消费结构（如无特殊说明，本文所提到的能源结构均指代能源消费结构）。因此，中国迫切需要通过优化调整能源和产业结构来助力实现“双碳”目标，保障经济高质量发展[1,2]。
一直以来，如何调整能源和产业结构是学者们关注的重点问题。现有文献探讨了影响能源和产业结构转型的重要因素，包括技术进步[3,4]、外商投资[5,6]以及市场分割[7]等。此外，由于污染的负外部性和治理的正外部性特征，越来越多的学者开始关注政府行为在促进经济和能源低碳结构转型方面的作用。例如，马海良等[8]探讨了政府规制手段在产业结构升级方面的作用，研究指出严格的环境规制将有助于实现产业高级化和环境改善的双赢局面。鲁贺玉等[9]发现由政府主导实施的用能权政策对于实现试点省份及其相邻省份的能源消费结构低碳化转型优势明显。郭沛等[10]研究认为东部地区的低碳试点政策可以有效调整能源结构和产业结构。张雪纯等[11]利用合成控制法分析指出碳排放交易制度促进了产业结构升级和能源结构优化。除环境政策外，财政政策在结构转型中的作用也得到了实证支撑。例如，王方方等[12]研究了财政政策对产业结构优化的时变性特征，结果发现财政支出政策对产业结构优化升级具有正向影响。Fang等[13]则指出，绿色税收政策显著推动了能源消费转型，但过高的绿色税收会导致这种正向效应减弱。由此可见，以环境管制和财政支持为核心的政策工具为低碳经济结构转型提供了重要的指导。
2011年，中国政府首次启动了节能减排财政政策综合示范城市试点。区别于一般的财政政策和环境政策，该试点政策兼具环境约束和财政激励的性质，是中国绿色财政领域的一项创新性实践。政府建设综合示范城市主要是为了树立并推行绿色、低碳、循环理念，加快建立政府主导、企业和公众参与的协同工作机制，推动实现城市节能降耗、减污降碳的目标。节能减排财政政策作为一项典型的绿色财政政策，充分把握其实施的整体效果对于政府构建完善的现代化财政制度体系具有重要意义。理论上，在政策环境目标约束的压力下，试点城市政府会通过强化环境管控提升企业排污成本，从而实现企业环境外部成本的内部化[14]。同时，在财政激励的作用下，地方政府又可以通过财政补贴和奖励等形式激励企业革新和升级既有技术，从而提升能效和减少二氧化碳及污染物排放[15]。在实证方面，学者们就节能减排财政政策产生的实际成效进行了积极的探索，主要集中在对碳减排、污染减排、能源效率以及绿色创新的影响上。例如，薛飞等[16]借助双重差分（Difference-in-Differences，DID）模型评估了绿色财政政策的碳减排效应，研究证实示范城市的碳排放显著降低，且减排效应随着政策的实施逐渐增强。Wang等[17]以节能减排财政政策综合示范城市为准自然实验，探讨了该政策的碳减排效果和作用路径。不仅如此，他们的研究还发现这一政策将带来经济红利。Wang等[18]重点挖掘了节能减排财政政策在城市环境治理中的作用，研究认为在激励和约束双重机制下，该政策能够有效降低试点城市目标污染物浓度。而Wang等[19]、Zhou等[20]在最近的文献中指出绿色财政政策显著提升了中国城市的能源效率和节能效果。此外，Xu等[21]、刘炳荣等[22]的研究还证实了该政策在促进绿色创新方面的有效性。
综上，现有文献重点关注了节能减排财政政策的环境效应、能源效应和技术效应。然而，有关从能源和产业结构转型双重视角来评估试点政策效果的研究较为少见，并且缺乏对政策效果产生的内在机理和异质性特征的解读。在“双碳”目标背景下，系统、全面地认识节能减排财政政策与能源结构、产业结构的关系对于实现城市能源转型，破除城市碳锁定困境，进一步推动经济可持续发展具有独特的现实意义。基于此，本文利用中国地级市的数据，借助多期DID模型等方法对节能减排财政政策综合示范城市试点的能源和产业结构转型效应进行因果识别，揭示该政策对双重结构转型的作用机制和异质性影响，并进一步考察验证示范城市建设的综合效应。
本文可能的边际贡献在于以下几点：第一，将能源与产业结构转型纳入节能减排财政政策的评估框架，从理论和实证层面探究了创建综合示范城市对能源与产业双重结构转型的影响效应，拓展了已有节能减排财政政策文献的研究视角。第二，不同于以往仅从个别层面集中探索节能减排财政政策试点效果的研究，本文还聚焦于政策最初设定的六大任务目标，并且对示范城市建设的综合效果也进行了系统性考察，深化了对这一政策的认识。第三，将多期多个体DID模型以及双重机器学习模型应用于节能减排财政政策效果的评估中，既解决了因政策交叠实施和政策退出导致处理效应异质、平行趋势差异等对回归估计量造成的偏误，又克服了传统计量模型面临的“维度诅咒”与模型设定偏误，充分保证了研究结论的可靠性。

1 政策背景和理论假设

1.1 政策背景

节能减排财政政策综合示范城市试点旨在利用财政手段加快体制机制创新，推动经济结构调整和发展方式转变，促进实现“十二五”和“十三五”规划中确定的节能减排目标。同时，该试点政策也是中国响应全球气候变化挑战，积极参与国际环境治理的一项重要举措。示范城市建设以城市为平台，通过财政政策综合引导，围绕产业低碳化、交通清洁化、建筑绿色化、服务业集约化、主要污染物减量化、可再生能源利用规模化六个方面开展为期三年的试点工作[23]。节能减排财政政策综合示范城市共分三批试点。2011年6月，中华人民共和国财政部、中华人民共和国国家发展和改革委员会（简称“两部委”）联合遴选了首批试点城市，包括北京、深圳等8个城市。在政策取得了初步成效之后，“两部委”随后又分别于2013年10月和2014年10月组织专家评选通过了另外两批城市加入试点，以便进一步释放政策红利。三批试点城市的具体名单及试点时期由图1所示。
图1 节能减排财政政策综合示范试点城市和时期

Fig. 1 Comprehensive demonstration cities for energy conservation and emission reduction fiscal policy and their periods

1.2 理论假设

1.2.1 节能减排财政政策的能源和产业结构转型效应

节能减排财政政策的实质是财政转移支付制度和环境政策的有机结合，因此该政策可能通过财政激励和目标约束共同作用于城市能源和产业结构转型。
其一，在政策试点期间，除了中央政府需要向示范城市提供特定的综合奖励资金外，示范城市所在的省级和本级政府也会安排配套资金助力综合示范工作开展。同时，现有支持节能减排和可再生能源发展的各项政策也要优先向示范城市倾斜。基于此，示范城市政府将设立大规模的专项资金支持节能减排工作。具体地，政府会通过加大资金投入用于清洁能源的项目建设，以降低可再生能源和新能源的开发和使用成本，提高其竞争力和市场占有率，从而有助于城市减少对煤炭资源的依赖，实现能源结构转型。同时，政府还会采用财政补贴、减税优惠等方式鼓励传统能源密集型行业企业引入节能减排技术和设备，革新生产工艺，并且积极推动绿色供应链建设，培育和扶持战略性新兴产业和高端服务业，促进整个城市的产业结构优化升级[16]。
其二，根据试点政策的实施办法，“两部委”还要在示范期内的每一年度结束后以及示范期结束后基于相关约束性指标对示范城市进行绩效考核，从而确保综合示范效果，发挥财政资金效益。对于年度绩效考核不合格的示范城市，中央政府将不再拨付剩余的综合奖励资金，而对于总体绩效考核不合格的示范城市则会被扣回20%的综合奖励资金。此外，若示范城市存在其他情节，如未完成总体节能减排约束性指标、骗取财政资金、连续两年绩效考核不合格等，则将被取消其示范资格，并且扣回全部综合奖励资金。因此，为了达到既定的指标考核要求，示范城市政府势必会采取一些措施加强城市能源管理和环境治理，如开展能源审计、实施可再生能源配额制度、提高环保税率等，而这影响企业对能源消费类型、利用方式和消耗规模的选择[17]，促进高碳化石能源的替代，同时也有助于加快高耗能、高污染企业的退出，提高清洁产业占比，推动城市能源和产业结构向低碳、可持续转型。基于以上分析，本文提出假设1：
假设1：节能减排财政政策能够有效推动城市能源与产业双重结构转型。

1.2.2 节能减排财政政策对能源和产业结构转型的作用机制

技术创新作为加速地区经济社会结构变迁的根本动力，离不开政府行为的有效干预。在节能减排财政政策推行背景下，示范城市政府将所获得的专项转移支付资金以直接奖励或资金配套的方式下发给当地企业，帮助其缓解资金约束，减轻创新压力[24]，从而增强城市内企业开发新能源技术、绿色环保技术的积极性。同时，基于信号传递理论，政府针对特定行业企业进行财政资助和政策倾斜的行为会向市场释放信号，有助于市场投资者精准识别优质企业，带动更多的社会资本向该类企业集中，促使更多的科技创新项目落地，进而加快突破能源和环境领域的关键技术。不仅如此，综合示范城市政府还将创造良好的政策环境，以此吸引一大批高新技术企业和高质量人才集聚，进而形成知识外溢效应，促进节能环保专利的原始创新和集成创新。此外，面对试点政策的硬性考核压力，地方政府将采取实施符合地区特色的环境规制措施。而根据“波特假说”，适当的环境规制迫使企业加强技术研发，从而涌现出更多以节能减排为导向的先进技术[25]。而城市技术创新水平的上升一方面有利于提高能源利用效率，减少能源消耗，同时增强清洁能源的可获得性，改善当前以煤炭消耗为主的能源结构[9]；另一方面会加快传统行业企业的升级改造，催生出一批具有高附加值、高科技含量的新兴产业，最终推动产业结构转型[26]。因此，本文提出假设2a：
假设2a：节能减排财政政策可以通过技术创新促进能源与产业结构转型。
此外，示范城市建设还可能会通过提升产能利用率推动城市能源和产业结构转型。在节能减排财政政策的实施安排下，地方政府首先会通过调整财政支出结构和规模，优化财税政策、价格政策，从而促进产能严重过剩行业企业的兼并重组，遏制企业的盲目投资、重复投资以及过度投资，实现产能利用率提升。其次，政府将着力完善市场机制，构建公平的市场竞争环境。这不仅有利于企业及时捕捉相对准确的市场供需信息，调整生产决策，化解过剩产能，还将带动优化资源配置格局以及提升配置效率，从而提高产能利用率[27]。最后，政府还会出台严格的节能减排标准，加快淘汰落后产能，同时对违反规定的企业进行处罚，并加大监督检查力度，确保企业按照低碳、高效、节能的模式进行生产，从而推进产能优化。产能利用率的提升通过降低企业生产过程中的浪费和闲置，提高生产效率，进而减少不必要的能源消耗，促进清洁能源的广泛渗透和应用，实现能源消费结构转型[28]。此外，地区企业产能利用率的提升往往需要引入更多的外部资源，而这将推动城市产业链的串联发展，同时促进不同产业之间的融合，实现产业结构优化升级[29]。根据以上所述，本文提出假设2b：
假设2b：节能减排财政政策可以通过产能利用率发挥能源与产业结构转型效应。
综上，本文构建的理论机制框架如图2所示。
图2 理论机制框架

Fig. 2 Theoretical mechanism framework

2 研究方法与数据来源

2.1 模型设定

本文将节能减排财政政策视作一次准自然实验，同时结合DID模型考察该政策的双重结构转型效应。鉴于示范城市是分批设立的，研究参考Song等[30]的做法，建立多期DID模型，识别目标政策实施前后试点城市和非试点城市的能源结构和产业结构差异。需要说明的是，研究涉及284个地级及以上城市，处理组包含三批共29个城市 ① ，其余255个城市为对照组。具体的模型设定形式如下所示：
Y i t = α 0 + α 1 P o l i c y i t + α C o n t r o l s i t + u i + v t + ε i t
式中：i和t表示城市和年份；Yit表示能源结构和产业结构；Policyit为政策虚拟变量，当某一城市入选示范城市名单且处于政策试点时间段内，Policyit为1，否则为0；系数α1是本文关注的待估参数，其衡量了政策对能源结构和产业结构的冲击效应；Controlsit代表一系列的控制变量；ui和vt分别是城市和年份固定效应；εit为随机误差项；α0是截距项。

2.2 变量定义

2.2.1 被解释变量

能源结构和产业结构是国家经济安全的重要组成部分。实现能源和产业结构的协同转型不但关乎着经济发展和社会进步，而且对于中国加快推进能源革命、积极应对气候变化也具有重要的战略意义。考虑到示范城市的主要任务包含实现产业低碳化和可再生能源利用规模化，因此，本文选择从能源结构和产业结构两个方面考察政策的推行效果。
（1）能源结构（Ecs）。由于能源的最终目的是满足人类社会的需求，而能源消费是该需求的最直接体现。此外，煤炭作为一种比较普遍的能源来源，其使用情况通常能反映出一个国家或地区能源消费趋势、环境压力等方面的信息。鉴于此，本文从消费端入手，使用煤炭消费量占能源消耗总量的比例来测度衡量能源结构[28]。然而，由于中国城市层面未公布煤炭消费数据，而电力行业是煤炭消耗的主要行业，因此，本文根据各城市的全社会用电量、燃煤发电占比及燃煤发电的折标系数计算得到煤炭消费量数据[31]。同时，结合已有相关数据，采用折算后的天然气消耗量、液化石油气消耗量和全社会用电量之和来度量能源消费总量。
（2）产业结构（Ins）。一般来说，产业结构升级意味着资源从生产效率低的产业向高生产效率产业转移。在这个过程中，资源配置效率大幅提升，低能耗高附加值产业得到重视和发展，由此产生的碳排放也在不断减少。本文以三产和二产的产值之比对产业结构升级状况进行表征[32]。一方面，第三产业和第二产业是当前国家和各个地区经济发展的主要方向，其产值之比反映了产业结构对经济增长的贡献程度。另一方面，第三产业相对第二产业具有更高的附加值和更低的能耗，从而有利于提高经济的整体竞争力和可持续性。

2.2.2 核心解释变量

节能减排财政政策虚拟变量（Policy）是本文的核心解释变量。根据综合示范城市分期批复的名单，对政策虚拟变量进行赋值。若某一城市入选示范城市名单且处于政策试点期内，则赋值为1，否则为0。

2.2.3 控制变量

为了控制其他相关因素对综合示范区能源和产业结构产生的影响，参考郭东杰等[33]、薛飞等[16]以及张可[34]的研究，选取以下控制变量：经济发展水平（Edf），以平减后的实际GDP表示；人口密度（Pop），以年末总人口占行政区域面积表征；财政科技支持（Fts），选择地方一般公共预算支出中科学技术支出占比衡量；能耗强度（Eci），采用单位GDP能耗衡量；对外开放（Open），使用进出口贸易总额与GDP的比值进行度量。

2.3 数据来源

基于数据的可获得性和完整性，本文选择以中国284个地级及以上城市为研究对象，研究时间段涉及两类：2010—2017年、2010—2021年。第一类数据样本区间用于主体实证分析，第二类则用于政策惯性检验。需要注意的是，为避免因政策退出对目标政策的评估效果产生干扰，用于主体实证分析的数据集排除了第一批试点城市2015年及以后、第二批试点城市2017年的观测值。原始数据均来源于《中国城市统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》以及各省（自治区、直辖市）统计年鉴和统计公报。此外，本文对部分缺失值采用插值法和近邻值替代法进行补齐，且对受限被解释变量和数值较大的变量取对数处理。表1呈现了2010—2017年284个城市非平衡面板数据集的描述性统计结果。
表1 数据描述性统计

Table 1 Descriptive statistics of data

变量 含义 样本量/个 平均值 标准差 最小值 最大值
Ecs 能源结构 2238 -0.5226 0.2247 -2.1711 -0.1964
Ins 产业结构 2238 0.8685 0.4504 0.1087 4.2655
Policy 节能减排财政政策 2238 0.0389 0.1933 0.0000 1.0000
Edf 经济发展 2238 16.2254 0.9157 13.5695 19.3364
Pop 人口密度 2238 0.0432 0.0335 0.0005 0.2648
Fts 财政科技支持 2238 0.0152 0.0149 0.0007 0.2068
Eci 能耗强度 2238 0.0909 0.1026 0.0079 1.3607
Open 对外开放 2238 0.1807 0.3015 0.0000 2.4498

3 结果分析

3.1 基准回归

在利用计量模型研究综合示范城市建设对能源和产业结构转型的政策效果之前，首先进行了多重共线性检验，并且相关结果显示各变量间基本不存在共线性的可能 ② 。此后，构建了多期DID模型进行回归分析，估计结果见表2。其中，列 (1) 和列 (2) 是不考虑控制变量影响的结果，而列 (3) 和列 (4) 是引入控制变量的回归结果。不难看出，无论是否加入控制变量，试点政策对能源结构均产生了显著的负向影响。由于能源结构是以煤炭消耗占比衡量，因此上述结果表明政策推行改善了能源结构。此外，该政策对地区产业结构升级具有明显的推动作用。这一点在陈言等[35]的研究中得到了验证。以约束条件较为严格的列 (3) 和列 (4) 结果为例，节能减排财政政策实施使得示范城市的煤炭消耗占比相较于非示范城市下降了3.68%，三产与二产产值的比率相对样本均值上升了5.8%。基于以上分析结果，本文认为示范城市建设确实有助于促进能源和产业结构转型，该结论与假设1表现一致。
表2 基准回归结果

Table 2 Baseline regression result

变量 Ecs Ins Ecs Ins
(1) (2) (3) (4)
Policy -0.0356** 0.0520*** -0.0368** 0.0506**
(-2.37) (2.64) (-2.40) (2.57)
常数项 -0.5212*** 0.8665*** -0.8685 20.6969***
(-247.01) (292.68) (-1.41) (18.66)
控制变量 否 否 是 是
城市固定效应 是 是 是 是
年份固定效应 是 是 是 是
N/个 2238 2238 2238 2238
Adj. R2 0.8173 0.9081 0.8176 0.9320

注：***、**分别表示通过1%、5%的显著性水平检验，括号内为t值，下同。

3.2 稳健性检验

3.2.1 平行趋势检验

使用DID模型对目标政策与能源结构、产业结构的因果关系进行准确识别的前提条件是，保证政策实施之前处理组和对照组的结果变量具有相同的变化趋势，即满足平行趋势假定。鉴于此，构建如下模型进行检验[36]：
Y i t = θ 0 + ∑ k = - 4 k = 2 τ k D i t k + τ C o n t r o l s i t + u i + v t + ε i t
式中：Dkit表示政策虚拟变量，在处理组成为试点城市的第k年，Dkit取值为1，其他取值为0。时间跨度覆盖政策试点前4年和政策实施后2年。同时，设定样本研究区间的首年作为基准年份。τk表示示范城市建设前后政策因素产生的影响；θ0表示截距项。
根据图3a，在试点政策实施之前，系数τk均位于0值附近，且都不显著，因此平行趋势检验通过。此外，示范城市建设直到政策实施后的第2年才对城市不合理的能源结构产生了明显的抑制作用，并且这一作用呈现出逐渐增强的趋势。该现象表明，政策在推动城市能源结构转型方面具有一定的时间滞后性。类似地，由图3b可知，目标政策的产业结构转型效应也通过了平行趋势检验，且在政策实施当期就对产业结构产生了显著的积极影响。可能的原因是与固化的能源消费习惯和模式相比，市场上的行业调整相对更具有灵活性和韧性。因此，在受到政策冲击后，产业结构会作出更迅速的调整。
图3 平行趋势检验

Fig. 3 Parallel trend test

3.2.2 异质性处理效应检验

近年来的一些文献[37,38]表明，对于多期DID模型，处理组在政策冲击时点上具有不一致性，不同处理组的前后时间差异可能会导致双向固定效应模型的估计量出现“负权重”和偏误问题。而就本文的节能减排财政政策而言，该政策是分三批实施的，并且在其推行三年之后还面临政策退出的问题。基于这一客观事实，初步认为基准回归中可能存在潜在的异质性处理效应。对此，参考田淑英等[23]的做法，采用多期多个体DID模型和对应的估计量（DIDM）对政策效果进行检验。另外，需要说明的是，本文不仅重新估计了基准回归数据集中的政策效应，还通过补充政策退出后城市的样本观测值，在形成2010—2017年的平衡面板数据集后进一步估计政策转换的平均处理效应。
据表3所示，基于DIDM估计量抽样100次之后，基准回归数据集和2010—2017年平衡面板数据集中均不存在负权重的情况。此外，平均处理效应的结果基本与表2一致，说明处理效应异质性并未影响本文的主要结论。综上可知，在考虑政策交错实施和政策退出的情形下，节能减排财政政策实施依旧能够发挥推动能源和产业结构转型的作用。
表3 负权重检验及政策转换的平均处理效应

Table 3 Negative weight test and average treatment effect of policy switching

变量 Ecs Ins Ecs Ins
基准回归 基准回归 2010—2017年 2010—2017年
负权重百分比 0 0 0 0
平均处理效应 -0.0011 0.0339 -0.0076 0.0784
控制变量 是 是 是 是
与此同时，基于考虑政策退出的样本数据集，本文还绘制了在政策实施前4期和后5期的事件研究图（图4），从而反映政策的动态处理效应。如图4所示，在政策试点之前，处理组和控制组的能源结构和产业结构状况均无显著差异，满足平行趋势假设。由此表明，基准回归的结果通过了异质性处理效应检验，研究结果稳健。
图4 动态处理效应的事件研究结果

Fig. 4 Event study results for dynamic treatment effects

3.2.3 安慰剂检验

为了排除样本中不可观测因素的干扰，本文还进行了安慰剂检验。具体而言，通过500次随机抽样，每次抽取随机设定等数量的城市作为伪处理组，同时随机生成政策冲击时间，进而重构了500组“伪政策变量”，然后再基于模型（1）回归估计，最终得到500组“伪政策变量”估计系数的P值分布和核密度分布图（图5）。根据图5可知，伪政策变量系数估计值主要集中在0值附近并大致呈现出正态分布的特征，且多数系数均未通过显著性检验。同时，就试点政策对能源结构和产业结构的影响效应而言，实际回归得到的估计系数分别为-0.0368和0.0506，显著异于随机模拟的结果。因此，示范城市建设对能源和产业结构产生的政策冲击受不可观测因素的影响不大，基准回归的结果具有一定的可信度。
图5 安慰剂检验

Fig. 5 Placebo test

3.2.4 政策惯性检验

根据相关政策的实施方案要求，示范城市所在的省级和本级政府需要安排专项财政资金用于节能减排工作。因此，在政策实施过程中，政府通常会将这一专项支出纳入财政预算的制定计划中。然而，结合中国的现实背景来看，政府的财政支出行为往往存在惯性特征[39]。这就意味着即使节能减排财政政策退出之后，政府依旧可能会延续政策试点期间的财政支出计划，从而表现出一种政策惯性。鉴于此，为了验证这一猜想，本文进行了政策惯性检验。具体而言，将样本区间扩展至2021年，同时剔除三批示范城市在政策试点期间的观测值，此后再基于基准回归模型进行分析，最终得到政策惯性检验的结果如表4所示。据表可知，政策变量系数通过了10%的显著性水平检验，因而可以认为节能减排财政政策具有惯性特征。另外，这也从侧面说明目标政策实施确实发挥了有效作用。
表4 政策惯性检验和双重机器学习模型估计结果

Table 4 Policy inertia test and dual machine learning model estimation results

变量 政策惯性效应 双重机器学习模型
Ecs Ins Ecs Ins
(1) (2) (3) (4)
Policy -0.0265* 0.0581* -0.0398** 0.0762**
(-1.72) (1.92) (-2.14) (2.32)
常数项 -1.5068*** 16.5880*** -0.0162*** 0.0215***
(-3.34) (14.73) (-2.30) (18.72)
控制变量 是 是 是 是
控制变量平方项 否 否 是 是
城市固定效应 是 是 是 是
年份固定效应 是 是 是 是
N/个 3321 3321 2238 2238
Adj. R2 0.7731 0.8597

注：*表示通过10%的显著性水平检验，下同。

3.2.5 双重机器学习模型估计

为纠正传统回归模型的设定偏误以及解决“维数诅咒”问题，参考张涛等[40]的研究，尝试采用双重机器学习模型进一步验证目标政策的双重结构转型效应。通过将样本分割比例设定为1∶2，然后使用随机森林算法，在纳入控制变量集合的一次项、二次项以及控制了城市、年份固定效应后对主回归和辅助回归进行了预测求解。表4列 (3) 和列 (4) 汇报了双重机器学习模型的估计结果。由表4可知，在考虑控制变量非线性的情况下，节能减排财政政策试点仍会有效促进城市能源和产业结构转型。因此，本文的研究结论可靠。

3.2.6 内生性检验

由于不同变量之间存在密切联系，因而识别和解决由此产生的内生性问题对于确保基准结果的准确性和可靠性也是至关重要的。出于这一考虑，本文试图通过克服遗漏变量和选择性偏差问题来尽可能地减弱内生性干扰[41]。
首先，考虑到一些低碳调控指标可能会推动政策和技术变革，从而促使能源和产业结构向低碳化和可持续性方向调整。因此，将碳排放强度和碳排放下降率这两个低碳调控指标作为额外的控制变量加入到基准模型中重新进行回归。表5列 (1) 和列 (2) 显示，Policy的系数仍旧显著，说明前文的主要结果是相对可信的。
表5 内生性检验结果

Table 5 Endogeneity test results

变量 加入低碳调控变量 Heckman两步法
Ecs Ins Policy Ecs Ins
(1) (2) (3) (4) (5)
Policy -0.0369** 0.0505** -0.0324** 0.0372*
(-2.38) (2.56) (-1.98) (1.87)
VC -0.0004**
(-2.34)
Imr -0.0146 0.0444***
(-1.45) (3.51)
常数项 -0.1830 20.3878*** -22.4197*** -0.6805 20.1232***
(-0.27) (17.78) (-14.63) (-1.10) (18.03)
控制变量 是 是 是 是 是
城市固定效应 是 是 是 是 是
年份固定效应 是 是 是 是 是
N/个 2238 2238 2238 2238 2238
Adj. R2 0.8184 0.9320 0.2478 0.8176 0.9322
其次，DID模型要求政策冲击满足外生性。然而，政府对于目标政策示范城市的选择可能因某些特定标准存在一定的倾向性，导致样本选择偏差问题出现。鉴于此，使用Heckman两步法来修正不可观测因素带来的选择偏误，进而缓解内生性问题。在第一阶段中，本文以某城市是否为节能减排财政政策综合示范城市为被解释变量，并且选择空气流通系数（VC）作为排他性约束变量[35]，以及引入基准模型中的控制变量进行Probit回归。一方面，空气流通系数越小，污染物越难扩散，从而使得该地区更可能会受到中央政府的关注，因此也就越有机会成为目标政策试点城市，满足相关性条件；另一方面，空气流通系数取决于当地的地理和气象条件，其不直接影响能源与产业结构，这也满足外生性条件。根据表5列 (3) 的结果可知，VC的系数显著为负，与本文预期相符。此后，研究在第二阶段的估计中进一步控制了由第一阶段计算得到的逆米尔斯比率（Imr），结果发现主效应的显著性和方向基本与表2一致，因此本文的核心结果是稳健的。

3.2.7 其他稳健性检验

第一，为了进一步降低回归估计中的自选择偏误，提高研究结果的准确性，本文还采用了倾向得分匹配—双重差分（PSM-DID）模型进行检验。具体通过将基准回归中的控制变量作为匹配的协变量，然后基于卡尺匹配的方法匹配出与处理组足够相似的对照组 ③ ，最后，研究继续利用多期DID模型重新进行估计。第二，为保证结果的可靠性，本文剔除了第二批和第三批示范城市的样本观测值，仅以第一批示范城市作为处理组，然后采用单一时点的DID模型进行估计。第三，考虑到研究对于结果变量的衡量方式可能并不十分恰当，故为了保证政策对能源与产业结构确实产生了冲击，另外选取了省级层面的煤炭消耗占比、各地级市的二产产值占比对能源结构和产业结构重新进行了度量。在此之后，研究再次基于模型（1）进行分析。第四，鉴于各地区能源结构和产业结构的实际状况存在一定差异，并且各省（自治区、直辖市）政府对于相关政策的解读以及工作方案的实施也有所不同，这就可能会导致不同地区能源和产业结构的调整速度与幅度出现异质性。因此，本文在模型（1）的基础上进一步控制了省份—年份的联合固定效应。第五，除了节能减排财政政策外，同期推出的一些其他政策也可能会影响到城市的能源和产业结构，进而导致目标政策产生的实际效果被高估或低估。例如，为了加快能源转型，中国于2014年首次推行了新能源示范城市的发展规划；为了促进经济低碳转型，中国于2010年、2012年和2017年先后确立了三批低碳试点城市。因此，为了避免受这些政策的影响，本文在基准回归模型中进一步控制了新能源示范城市和低碳城市试点政策的虚拟变量。上述稳健性检验结果如表6所示。据表可知，节能减排财政政策对能源结构和产业结构的影响系数并未发生结构性变化，这也验证了本文研究结论的稳健性。
表6 其他稳健性检验

Table 6 Other robustness tests

项目 变量 PSM-DID 单一时点DID
Ecs Ins Ecs Ins
Panel A：
PSM-DID和
单一时点DID		 Policy -0.0365* 0.0457** -0.0679* 0.0979***
(-1.88) (2.00) (-1.83) (4.01)
常数项 -0.4540 21.5706*** -1.4289** 21.3400***
(-0.69) (17.13) (-2.30) (18.72)
N/个 1714 1714 2080 2080
Adj. R2 0.8410 0.9296 0.8089 0.9347
项目 变量 替换因变量 联合固定效应
Ecs Ins Ecs Ins
Panel B：
替换因变量和
联合固定效应		 Policy -0.0251** -1.2102*** -0.0307* 0.0276**
(-2.20) (-3.11) (-1.89) (2.17)
常数项 3.1604*** -532.7162*** -0.5454 17.4897***
(4.79) (-23.11) (-0.60) (11.35)
N/个 2238 2238 2238 2238
Adj. R2 0.9444 0.9402 0.8233 0.9513
项目 变量 新能源示范城市建设 低碳城市试点
Ecs Ins Ecs Ins
Panel C：
排除其他
政策干扰		 Policy -0.0366** 0.0516*** -0.0367** 0.0489**
(-2.39) (2.62) (-2.39) (2.53)
常数项 -0.8602 20.7295*** -0.8733 20.7509***
(-1.39) (18.69) (-1.42) (18.77)
N/个 2238 2238 2238 2238
Adj. R2 0.8175 0.9320 0.8175 0.9321

注：该表结果均在控制其他变量、城市和年份固定效应的条件下得到。

3.3 机制分析

进一步分析节能减排财政政策试点对能源与产业结构转型的作用机制。上述理论研究表明目标政策试点可通过提升技术创新水平和产能利用率促进双重结构转型。对此，本文参考张颖等[26]的做法，构建如下机制模型进行检验：
M i t = β 0 + β 1 P o l i c y i t + β C o n t r o l s i t + u i + v t + ε i t
式中：Mit为技术创新和产能利用率；β0、β1和β2分别为截距项、政策变量和控制变量的系数。技术创新包括可再生能源技术创新（Reti）和绿色技术创新（Gti），分别以可再生能源专利和绿色实用新型专利授权量（件）表示，两者均是依据世界知识产权局公布的与可再生能源技术、绿色技术相对应的专利分类代码，然后从中国国家知识产权局的专利检索与分析网站（https://pss-system.cponline.cnipa.gov.cn/conventionalSearch）手动整理得到。对于产能利用率（Cur），根据白俊红等[42]的思路，采用协整方法测算得出。该方法的基础思想在于产出与资本存量之间存在一种稳定的长期关系。由此，对于产能利用率的测算可以借助以下计量模型来完成：
l o g Y i t = a i + b i t + c i l o g K i t + μ i t
式中：Yit为产出（亿元），以实际GDP表示；解释变量包括资本存量Kit和代表技术进步的时间趋势项t；ai、bi、ci分别表示截距项、时间趋势、资本存量对数的系数。这里，产能利用率被定义为实际产出与产能的比值。在验证了logYit和logKit序列均是一阶单整且存在协整关系后，采用变系数模型估计得到了解释变量的系数。此后，根据估计系数测算出理论上的产能，进而得到各地区的产能利用率。
由表7列 (1) 和列 (2) 所示，Policy的回归系数在1%的水平上分别显著为0.0015和0.0139，说明示范城市建设有效增强了示范城市的可再生能源技术创新能力和绿色技术创新能力，假设2a成立。相关研究也发现，兼具激励和约束性质的绿色财政政策能够促进技术创新[22]。这是因为试点政策不但有助于缓解城市内企业的资金约束，带动社会资本参与创新活动，吸引高新技术企业和高质量人才集聚，加快技术研发进程，还会通过环境规制进一步激发企业创新的动机。这将有利于提升地区的能源和环境偏向型技术，促进可再生能源的开发利用，推动新能源产业、绿色环保产业的发展，最终实现双重结构转型[43]。
表7 影响机制检验结果

Table 7 Influence mechanism test results

变量 Reti Gti Cur
(1) (2) (3)
Policy 0.0015*** 0.0139*** 0.0175*
(2.65) (3.22) (1.93)
常数项 -0.0151* -0.1080 -4.8706***
(-1.95) (-1.52) (-12.19)
控制变量 是 是 是
城市固定效应 是 是 是
年份固定效应 是 是 是
N/个 2238 2238 2238
Adj. R2 0.9232 0.8437 0.9958
表7列 (3) 显示目标政策实施对地区产能利用率的回归系数显著为0.0175，这意味着综合示范城市可通过提升产能利用率促进能源结构和产业结构往合理化、低碳化方向调整。因此，本文提出的假设2b也得到了验证。产能利用率指的是企业实际产出占潜在产能的比例。在节能减排财政政策的导向下，示范城市政府会主动纠正以往不当的财政支出行为以及不合理的制度设计，完善市场机制，建立公平的市场竞争环境，加强节能减排监管，从而有助于实现产能利用率提升。而产能利用率的提升不仅有利于地区降低对传统高碳能源的依赖，还可以推动城市产业链上下游企业的深度合作，以及促进不同产业之间融合和协同发展，从而推动能源与产业结构转型。

3.4 异质性分析

上述分析已经就政策对能源与产业结构的整体作用效果和机制进行了深刻的讨论。为进一步揭示目标政策的有效性边界，试图从城市等级、产业基础、市场化程度以及政府财政压力四个方面厘清政策冲击效果的异质性，为政策推广提供更为可靠的经验支持。

3.4.1 城市等级的异质性

为了检验政策的实施效果是否在不同行政等级的城市表现出差异，本文根据各样本城市的行政级别构建了城市等级虚拟变量Level。对于行政等级较高的核心大城市（直辖市、省会城市和副省级城市），Level设置为1，其他城市则设置为0[44]。进一步地，在模型（1）中引入了城市等级虚拟变量及其与政策变量的交互项（Policy×Level）进行探究，估计结果如表8列 (1) 和列 (2) 所示。由结果可知，Policy×Level的回归系数分别显著为-0.0792和0.2117，说明与普通城市相比，试点政策在核心大城市对能源与产业结构产生的影响更为明显。可能的解释是，核心大城市通常拥有更为复杂的产业链，经济活动密集，能耗和排放水平较高，而目标政策旨在加强地方政府的节能减排工作。从这一角度来看，该类城市相对更容易受到政策的影响。此外，核心大城市集聚了大量优质的人才、资本和数据等创新要素[45]，且各项基础设施较为完善，公众对环境问题的关注度也普遍较高。因此，这为政策试点提供了良好的条件，从而政策发挥的能源和产业结构转型效应更为突出。
表8 异质性分析结果

Table 8 Heterogeneity analysis results

变量 城市等级 产业基础 市场化 财政压力
Ecs Ins Ecs Ins Ecs Ins Ecs Ins
(1) (2) (3) (4) (5) (6) (7) (8)
Policy -0.0097 -0.0221 -0.0066 0.0032 -0.0052 0.0226 -0.0507*** 0.0753***
(-0.63) (-1.58) (-0.37) (0.19) (-0.32) (1.25) (-2.65) (2.77)
Policy×Level -0.0792** 0.2117***
(-2.35) (4.59)
Policy×Indus -0.0543** 0.0850**
(-2.03) (2.39)
Policy×Mar -0.0756*** 0.0638*
(-2.86) (1.71)
Policy×Pre 0.0404 -0.0746**
(1.48) (-2.28)
常数项 -0.9878 21.0159*** -0.9483 20.8217*** -0.9188 20.6653*** -1.1339* 20.5310***
(-1.60) (19.13) (-1.54) (18.85) (-1.49) (18.71) (-1.79) (18.22)
控制变量 是 是 是 是 是 是 是 是
城市固定效应 是 是 是 是 是 是 是 是
年份固定效应 是 是 是 是 是 是 是 是
N/个 2238 2238 2238 2238 2238 2238 2238 2238
Adj. R2 0.8182 0.9332 0.8178 0.9322 0.8182 0.9325 0.8178 0.9321

3.4.2 产业基础的异质性

考虑到初始产业基础往往会形成城市产业路径依赖，这就可能导致不同城市对于节能减排财政政策的响应程度存在差异。因此，有必要继续讨论目标政策在不同产业基础类型城市发挥的异质性作用。对此，本文基于2013年中华人民共和国国家发展和改革委员会发布的《全国老工业基地调整改造规划（2013—2022年）》设置了产业基础虚拟变量Indus，并且定义非老工业基地城市为1，其他城市为0。据表8列 (3)、列 (4) 所示，交互项（Policy×Indus）的系数分别显著为负和为正，这意味着示范城市建设对非老工业基地城市能源与产业结构产生的影响相对更突出。薛飞等[16]的研究也认为节能减排财政政策在非老工业基地城市具有更大的试点效果。因此，两者相互印证，说明分析结果有效。老工业基地城市是指中国1978年改革开放之前为大力发展经济形成的以重工业为主要产业集群的城市。该类城市的创新技术水平较为落后，资源依赖性较强，碳锁定程度更深，导致能源与产业结构调整难度较大。反观非老工业基地城市大多为经济结构趋于多元化、合理化且产业创新能力较强的城市，这类城市对于环境质量的诉求更高。因此，目标政策的推行能够在该类城市引起更大的响应，从而更能有效推动城市朝能源消耗低碳化和产业结构高级化方向发展。

3.4.3 市场化程度的异质性

有研究表明，区域市场化程度的差异将会影响到环境政策的执行效率[46]。因此，节能减排财政政策的能源结构和产业结构转型效应可能因区域市场化程度不同表现出异质性。鉴于此，本文利用城市私营与个体从业人员占从业人员总数的比例衡量市场化程度[47]，并根据其中位数设置市场化虚拟变量Mar，对于市场化程度高于中位数的城市定义为1，否则为0，然后对市场化虚拟变量与目标政策虚拟变量的交互项（Policy×Mar）进行回归，最终估计结果见表8列 (5) 和列 (6)。由表可知，交互项对能源结构影响的系数显著为负，而对产业结构的回归系数显著为正，这说明政策的实施效果在市场化程度较高的城市更为卓著。在市场化程度较高的地区，企业之间的竞争往往比较激烈，同时要素流动和资源配置更加高效、合理[48]。因此，政策在该类城市的实施更容易促进企业进行生产调整和技术革新，从而有助于地区加快提升能效，降低对高碳能源的依赖，推动产业链向中高端迈进。综上所述，地区高度市场化增强了示范城市的双重结构转型效应。

3.4.4 政府财政压力的异质性

财政压力不同，地方政府对节能减排工作的重视程度和支持力度也可能存在显著差异。因而，研究进一步检验了由地方政府财政压力导致的异质性节能减排财政政策试点效果。本文选取财政收支缺口占财政收入的比例来衡量财政压力[22]，同时以该指标的中位数为限设定了财政压力虚拟变量Pre，高于此值的样本定义为1，其余设置为0。此后，利用其构建与政策变量的交互项（Policy×Pre）进行回归，结果如表8列 (7) 和列 (8) 所示。从列 (7) 可以看出，Policy的系数在1%的水平上显著为负，而交互项系数表现为正且不显著。据此可判断出，在政府财政压力较小的城市，目标政策发挥了更为有效的能源结构转型效应。另外，还可以发现，列 (8) 中政策变量和交互项的系数分别显著为0.0753和-0.0746，说明政府财政压力越大的城市，试点政策对产业结构的积极影响明显越弱，这与田淑英等[23]得出的结论基本类似。原因在于，当财政压力较大时，地方政府会优先将有限的财政资源用于维持基本公共服务和偿还债务，减少对区域内低碳技术和可再生能源等项目的投资。同时，财政紧张还可能导致环保监管和激励措施的执行力度不足，从而难以推动高耗能、高污染产业转型升级。由此可见，试点政策在政府财政压力小的城市可以产生更强的能源与产业结构转型效应。

3.5 综合性分析

根据政策的相关文件可知，示范城市建设具有六大任务目标。而在上述分析中，本文已经直接和间接地分析得出目标政策有助于实现产业低碳化和可再生能源利用规模化。而为了全面评估节能减排财政政策的实施效果，本文进一步从示范城市建设的其他任务出发，验证政策对绿色交通发展、绿色建筑发展、服务业集聚、污染物排放和可再生能源利用的影响。需要指出的是，由于上文关于目标政策与可再生能源利用规模化之间关系的讨论并不充分，因而此处再次进行了探究。为了评估示范城市建设产生的综合性效果，采用全年公共汽车客运总量衡量绿色交通发展（Tran），单位城市建设用地面积能耗和碳排放的综合值表示绿色建筑发展（Buil） ④ ，单位土地面积上的服务业就业人数表示服务业集聚（Agg） ⑤ ，工业二氧化硫排放量代表污染物排放（Pollu），可再生电力的消费量代理可再生能源利用（Rec），然后进行回归分析，结果如表9所示。
表9 综合性分析结果

Table 9 Comprehensive analysis results

变量 交通清洁化 建筑绿色化 服务集约化 主要污染物减量化 可再生能源利用规模化
Tran Buil Agg Pollu Rec
(1) (2) (3) (4) (5)
Policy 0.4592*** 0.2821* 0.0457** -0.1139*** 0.0950***
(3.52) (1.79) (2.13) (-3.05) (4.30)
常数项 -9.6522*** 2.1954 -0.4299 -3.1640* -6.2909***
(-3.03) (0.91) (-0.69) (-1.88) (-8.95)
控制变量 是 是 是 是 是
城市固定效应 是 是 是 是 是
年份固定效应 是 是 是 是 是
N/个 2238 2238 2238 2238 2238
Adj. R2 0.9889 0.2888 0.9534 0.8315 0.9226
从表9列 (1) 和列 (2) 可以看出，综合示范城市建设显著促进了城市绿色交通发展和绿色建筑发展。一方面，试点政策促使示范城市政府采取资金补贴等手段鼓励企业和个人选择节能、环保型交通工具，并且大力推广公共交通工具的使用，倡导绿色出行，最终带动城市交通朝清洁化方向发展。另一方面，地区政府通过强制实施绿色建筑标准，建立完善的城市绿色建筑监管机制，加强对绿色建筑项目的审批、监督、检查，从而有助于实现城市建筑的绿色化。此外，政策实施还推动了城市服务集约化发展。这是因为示范城市政府通过打造服务业聚集区以及创造良好的制度环境等促进了现代服务业和民生服务业的集聚。表9列 (4) 结果表明相较于非示范城市，试点政策使得示范城市的工业二氧化硫排放明显下降。由于示范城市面临绩效考核的压力，地方政府通过加强环保执法力度，提升公众环保意识，从而有效减少了污染物的产生。最后，表9还显示，节能减排财政政策能显著提升地区可再生能源的利用水平，实现城市能源转型。这与上文的结论基本表现一致，从而也再次验证了研究结果的可靠性。
综上表明，综合示范城市建设确实有助于实现政策最初设定的六大任务目标，可见节能减排财政政策是一项行之有效的、适合大范围推广的综合性政策。

4 结论与启示

本文将节能减排财政政策综合示范城市试点视作准自然实验，基于2010—2017年和2010—2021年全国284个城市的非平衡面板数据，运用多期DID模型等实证考察了示范城市建设对能源与产业结构转型的影响。研究发现：（1）试点政策能够显著改善中国以煤炭消耗为主的能源结构并促进城市产业结构升级，这一结论在经过一系列稳健性检验之后依然成立；（2）示范城市建设主要通过刺激可再生能源技术创新和绿色技术创新，以及提升产能利用率进而推动能源与产业双重结构转型；（3）试点政策的双重结构转型效应因城市等级、产业基础、市场化程度和财政压力的不同而有所差异，在核心大城市、非老工业基地城市、高度市场化和政府财政压力小的城市，政策对能源和产业结构升级的促进作用更加明显；（4）除了能推动产业低碳化和可再生能源利用规模化外，示范城市建设在助力实现地区交通清洁化、建筑绿色化、服务集约化以及主要污染物减量化方面也能发挥有效作用。
根据以上结论，本文针对性地提出如下政策启示：
（1）及时总结示范城市的建设经验，完善制度设计，适当扩大政策试点范围。研究发现，试点政策在经济、社会、环境以及能源等领域均发挥了突出性作用。因此，各级政府要高度重视节能减排财政政策的影响。对于示范区的地方政府，其应当积极整合上级政府下拨和自身拥有的财政资金大力开展节能减排工作，细化制定并实施相关工作的实施方案和其他专项计划，引导并扶持地区企业完成升级改造，从而助力城市实现能源与产业结构的绿色化、低碳化转型等。同时，要及时总结和分析政策实施过程中的成功经验和挑战，以形成可复制的经验模式。这种经验的总结应包括对政策效应的量化评价，以便为其他城市提供参考。中央政府也应动态优化政策设计，特别是在奖励资金分配和绩效考核方面。通过建立反馈机制，定期收集和分析示范城市的绩效数据，识别政策实施中的短板和改进空间，确保政策的灵活性和适应性。此外，中央政府还需要有序推动试点城市的扩容，增强转移支付力度，构建长效的政策机制。
（2）注重能源和环境技术创新以及产能利用率提升在实现能源和产业结构转型中的作用，最大化释放政策潜力。在示范城市建设的过程中政府应不断优化财政支出结构，扩大财政科技支出规模，以此大力支持高新技术产业的发展，并且鼓励相关企业围绕节能减排开展创新活动，进而促进提升地区能源和环境领域的整体技术水平。同时，政府除了要增加地区的研发资金投入外，还应通过税收减免、信贷支持等优惠政策进一步激发企业进行技术开发的积极性，并且建立技术转移平台和产学研合作机制加速可再生能源技术、绿色创新技术的落地转化，从而为能源和产业结构调整注入活力。此外，政府需积极推动去产能改革，加快建立公平的市场竞争环境，规范市场进出规则。一是要结合市场需求和技术发展趋势制定经济和环保标准，限制落后、低端工业产能的过度投资，避免能源资源的非必要消耗，缓解产能过剩问题。二是要设立资源整合平台，鼓励企业联合，实现资源的共享与优化配置，进而解决资源要素的分散问题，推动高效化和高端化生产，最终改善不合理的能源结构以及重构绿色化的产业布局。
（3）坚持因地制宜，设计差异化的政策实施策略，精准落实节能减排财政政策综合示范工作。实证结果表明试点政策的能源与产业结构转型效应因城市等级、产业基础、市场化程度以及政府财政压力的不同表现出明显的区域异质性。因此，在试点政策推行过程中，政府应根据自身实际制定具有针对性的政策实施方案，并采取合理的措施推进相关政策工作，从而最大限度地提升政策与财政奖励资金的边际效益。针对核心大城市，可以考虑实行严格的能耗标准以及加强环境管制，使得这些城市的企业承担更多的节能减排责任。而对于非核心大城市和老工业基地城市，政府在落实综合示范工作时应提供更多的财政资金支持和适当的政策倾斜，助力地区能源清洁高效利用技术和可再生能源技术的研发，加快高耗能、高排放企业的绿色化转型。市场化程度较低城市的政府需要大力推行市场化改革，激发市场活力。例如，通过构建用能权交易和碳排放交易市场等使节能减排成为市场需求，进一步保障能源安全和产业可持续发展。此外，合理控制地方政府的财政压力。中央政府应不断完善财政转移支付制度，适当赋予财政压力较大的地方政府更多自主权，并简化其环保项目审批程序。而地方政府不仅要注重避免财政资金浪费，还要积极引导社会资本参与公共服务和绿色低碳项目建设以缓解财政压力。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
江深哲, 杜浩锋, 徐铭梽. “双碳” 目标下能源与产业双重结构转型. 数量经济技术经济研究, 2024, 41(2): 109-130.

[JIANG S Z, DU H F, XU M Z. Dual transition of energy and industrial structure under the carbon peaking and neutrality goals. Journal of Quantitative & Technological Economics, 2024, 41(2): 109-130.]

[2]
宋马林, 刘贯春. 增长模式变迁与中国绿色经济增长源泉: 基于异质性生产函数的多部门核算框架. 经济研究, 2021, 56(7): 41-58.

[SONG M L, LIU G C. Growth regime switch and sources of China's green economy: A multi-sectoral accounting framework based on heterogeneous production functions. Economic Research Journal, 2021, 56(7): 41-58.]

[3]
张思麒, 刘导波. 技术进步视角下中国产业结构高级化格局及影响因素. 经济地理, 2022, 42(5): 104-113.

DOI

[ZHANG S Q, LIU D B. Spatial pattern and influencing factors of industrial structure advancement in China based on technological progress. Economic Geography, 2022, 42(5): 104-113.]

DOI

[4]
YOU J M, ZHANG W. How heterogeneous technological progress promotes industrial structure upgrading and industrial carbon efficiency? Evidence from China's industries. Energy, 2022, 247: 123386, Doi: 10.1016/j.energy.2022.123386.

[5]
聂爱云, 陆长平. 制度约束、外商投资与产业结构升级调整: 基于省际面板数据的实证研究. 国际贸易问题, 2012, (2): 136-145.

[NIE A Y, LU C P. Institution constraint, FDI and industrial structure adjustment: Investigation based on Chinese provincial panel data. Journal of International Trade, 2012, (2): 136-145.]

[6]
CAETANO R V, MARQUES A C, AFONSO T L, et al. A sectoral analysis of the role of foreign direct investment in pollution and energy transition in OECD countries. Journal of Environmental Management, 2022, 302: 114018, Doi: 10.1016/j.jenvman.2021.114018.

[7]
宿伟健, 高雨辰, 李启航. 市场分割对产业结构高级化的影响: 促进抑或抑制?. 改革, 2023, (5): 74-89.

[SU W J, GAO Y C, LI Q H. The impact of market segmentation on the upgrading of industrial structure: Promotion or inhibition?. Reform, 2023, (5): 74-89.]

[8]
马海良, 顾莹莹, 黄德春, 等. 环境规制、数字赋能对产业结构升级的影响及机理. 中国人口·资源与环境, 2024, 34(3): 124-136.

[MA H L, GU Y Y, HUANG D C, et al. Impact and mechanisms of environmental regulation and digital empowerment on industrial structure upgrading. China Population, Resources and Environment, 2024, 34(3): 124-136.]

[9]
鲁贺玉, 吴宗法. 用能权政策与能源消费结构低碳化转型的关系. 资源科学, 2023, 45(6): 1181-1195.

DOI

[LU H Y, WU Z F. Relationship between energy-consuming right trading system and low-carbon transformation of energy consumption structure. Resources Science, 2023, 45(6): 1181-1195.]

DOI

[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.

DOI

[GUO P, LIANG D. Does the low-carbon pilot policy improve the efficiency of urban carbon emissions: Quasi-natural experimental research based on low-carbon pilot cities. Journal of Natural Resources, 2022, 37(7): 1876-1892.]

DOI

[11]
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. The effect of pollution control and carbon reduction of the carbon emission trading system: An empirical analysis based on the synthetic control method. Journal of Natural Resources, 2024, 39(3): 712-730.]

[12]
王方方, 李宁. 我国财政政策对产业结构优化的时变效应. 数量经济技术经济研究, 2017, 34(11): 132-147.

[WANG F F, LI N. The time-varying effects of fiscal policy on industrial structure optimization in China. The Journal of Quantitative & Technical Economics, 2017, 34(11): 132-147.]

[13]
FANG G C, CHEN G, YANG K, et al. Can green tax policy promote China's energy transformation? A nonlinear analysis from production and consumption perspectives. Energy, 2023, 269: 126818, Doi: 10.1016/j.energy.2023.126818.

[14]
郭进. 环境规制对绿色技术创新的影响: “波特效应” 的中国证据. 财贸经济, 2019, 40(3): 147-160.

[GUO J. The effects of environmental regulation on green technology innovation: Evidence of the porter effect in China. Finance & Trade Economics, 2019, 40(3): 147-160.]

[15]
严立冬, 郝文杰, 邓远建. 绿色财政政策与生态资源可持续利用. 财政研究, 2009, (12): 37-40.

[YAN L D, HAO W J, DENG Y J. Green fiscal policy and sustainable utilization of ecological resources. Public Finance Research, 2009, (12): 37-40.]

[16]
薛飞, 陈煦. 绿色财政政策的碳减排效应: 来自“节能减排财政政策综合示范城市”的证据. 财经研究, 2022, 48(7): 79-93.

[XUE F, CHEN X. The carbon emission reduction effect of green fiscal policy: Evidence from the "national comprehensive demonstration city of energy saving and emission reduction fiscal policy". Journal of Finance and Economics, 2022, 48(7): 79-93.]

[17]
WANG K K, YIN R, HE Q, et al. Transfer payments and carbon reduction in China: The effect of the national comprehensive demonstration city of energy saving and emission reduction fiscal policy. Energy, 2024, 297: 131253, Doi: 10.1016/j.energy.2024.131253.

[18]
WANG Z L, QIU S L. Can "energy saving and emission reduction" demonstration city selection actually contribute to pollution abatement in China?. Sustainable Production and Consumption, 2021, 27: 1882-1902.

[19]
WANG J, HU X M, SONG J. Unleashing the power of green fiscal policies: Driving energy efficiency in China. Energy, 2024, 312: 133402, Doi: 10.1016/j.energy.2024.133402.

[20]
ZHOU Y C, LIN B Q. The energy-saving effect of green fiscal policy: Empirical evidence from China's comprehensive demonstration cities of energy conservation and emission reduction fiscal policy. Applied Energy, 2025, 378: 124784, Doi: 10.1016/j.apenergy.2024.124784.

[21]
XU T T, KANG C Y, ZHANG H. China's efforts towards carbon neutrality: Does energy-saving and emission-reduction policy mitigate carbon emissions?. Journal of Environmental Management, 2022, 316: 115286, Doi: 10.1016/j.jenvman.2022.115286.

[22]
刘炳荣, 孙志红, 付奎, 等. 绿色财政示范政策对绿色技术创新的影响机制: 基于多重压力约束视角. 自然资源学报, 2024, 39(9): 2102-2120.

DOI

[LIU B R, SUN Z H, FU K, et al. Green innovation effect of green fiscal demonstration policy: From the perspective of multiple pressure constraints. Journal of Natural Resources, 2024, 39(9): 2102-2120.]

[23]
田淑英, 孙磊, 许文立, 等. 绿色低碳发展目标下财政政策促进企业转型升级研究: 来自“节能减排财政政策综合示范城市” 试点的证据. 财政研究, 2022, (8): 79-96.

[TIAN S Y, SUN L, XU W L, et al. Research on the promoting function of fiscal policy for enterprise transformation and upgrading under green and low carbon development goal: Evidence from the pilot project of "comprehensive demonstration city implementing fiscal policies of energy conservation and emission reduction". Public Finance Research, 2022, (8): 79-96.]

[24]
LEE C C, WANG E Z, TANG H M. Green fiscal policy and carbon emission: Enterprises' level evidence from China. Renewable and Sustainable Energy Reviews, 2024, 203: 114795, Doi: 10.1016/j.rser.2024.114795.

[25]
PORTER M E, VAN DER LINDE C. Toward a new conception of the environment-competitiveness relationship. Journal of Economic Perspectives, 1995, 9(4): 97-118.

[26]
张颖, 周丽. 用能权交易政策对地区产业结构优化升级的影响. 中国人口·资源与环境, 2024, 34(1): 71-83.

[ZHANG Y, ZHOU L. Impact of energy-consuming right trading policy on the optimization and upgrading of regional industrial structure. China Population, Resources and Environment, 2024, 34(1): 71-83.]

[27]
韩国高, 高铁梅, 王立国, 等. 中国制造业产能过剩的测度、波动及成因研究. 经济研究, 2011, 46(12): 18-31.

[HAN G G, GAO T M, WANG L G, et al. Research on measurement, volatility and causes of excess production capacity of Chinese manufacturing industries. Economic Research Journal, 2011, 46(12): 18-31.]

[28]
张士强, 孟璐莎, 李跃. 能源产能空间集聚对区域能源效率的影响. 中国人口·资源与环境, 2021, 31(5): 58-66.

[ZHANG S Q, MENG L S, LI Y. Impact of spatial agglomeration of energy production capacity on regional energy efficiency. China Population, Resources and Environment, 2021, 31(5): 58-66.]

[29]
郑晶晶, 贺正楚, 凌四立, 等. 产能利用率对区域制造业产业升级的影响. 经济地理, 2016, 36(11): 83-92.

[ZHENG J J, HE Z C, LING S L, et al. Influence of capacity utilization rate on regional manufacturing industrial upgrading. Economic Geography, 2016, 36(11): 83-92.]

[30]
SONG M L, TAN K H, WANG J L, et al. Modeling and evaluating economic and ecological operation efficiency of smart city pilots. Cities, 2022, 124: 103575, Doi: 10.1016/j.cities.2022.103575.

[31]
任亚运, 李婉婷, 张锟澎. 承接产业转移示范区的政策效应评估: 基于环境与经济二维视角的考察. 产业经济研究, 2023, (6): 16-28.

[REN Y Y, LI W T, ZHANG K P. Assessment of policy effects in the industrial transfer undertaking demonstration area: Exploration from both environmental and economic perspectives. Industrial Economics Research, 2023, (6): 16-28.]

[32]
SONG M L, PAN H T, VARDANYAN M, et al. Evaluating the energy efficiency-enhancing potential of the digital economy: Evidence from China. Journal of Environmental Management, 2023, 344: 118408, Doi: 10.1016/j.jenvman.2023.118408.

[33]
郭东杰, 周立宏, 陈林. 数字经济对产业升级与就业调整的影响. 中国人口科学, 2022, (3): 99-110, 128.

[GUO D J, ZHOU L H, CHEN L. Influence of digital economy on industrial upgrading and employment adjustment. Chinese Journal of Population Science, 2022, (3): 99-110, 128.]

[34]
张可. 智慧城市建设促进了节能减排吗? 基于长三角城市群141个区县的经验分析. 金融研究, 2023, (7): 134-153.

[ZHANG K. Does smart city construction promote energy conservation and emission reduction? An empirical analysis based on 141 districts in the Yangtze River Delta Urban Agglomeration. Journal of Financial Research, 2023, (7): 134-153.]

[35]
陈言, 吕丽娟. 绿色财政政策与绿色经济效率: 基于节能减排综合示范城市政策的准自然实验. 南开经济研究, 2024, (7): 201-218.

[CHEN Y, LYU L J. Green fiscal policy and green economic efficiency: A quasi-natural experiment based on the comprehensive energy saving and emission reduction demonstration cities policy. Nankai Economic Studies, 2024, (7): 201-218.]

[36]
BECK T, LEVINE R, LEVKOV A. Big bad banks? The winners and losers from bank deregulation in the United States. The Journal of Finance, 2010, 65(5): 1637-1667.

[37]
DE CHAISEMARTIN C, D' HAULTFOEUILLE X. Two-way fixed effects estimators with heterogeneous treatment effects. American Economic Review, 2020, 110(9): 2964-2996.

[38]
张兵兵, 董安然, 段玉婉. 碳达峰目标如何引领城市低碳转型: 来自准自然实验的证据. 数量经济技术经济研究, 2024, 41(7): 177-196.

[ZHANG B B, DONG A R, DUAN Y W. How does the carbon peak target lead the low-carbon transformation of cities? Evidence from quasi-natural experiments. Journal of Quantitative & Technological Economics, 2024, 41(7): 177-196.]

[39]
熊琛, 周颖刚, 金昊. 地方政府隐性债务的区域间效应: 银行网络关联视角. 经济研究, 2022, 57(7): 153-171.

[XIONG C, ZHOU Y G, JIN H. Inter-regional effects of local government implicit debt: An interbank network approach. Economic Research Journal, 2022, 57(7): 153-171.]

[40]
张涛, 李均超. 网络基础设施、包容性绿色增长与地区差距: 基于双重机器学习的因果推断. 数量经济技术经济研究, 2023, 40(4): 113-135.

[ZHANG T, LI J C. Network infrastructure, inclusive green growth, and regional inequality: From causal inference based on double machine learning. Journal of Quantitative & Technological Economics, 2023, 40(4): 113-135.]

[41]
黄振, 郭晔. 央行担保品框架、债券信用利差与企业融资成本. 经济研究, 2021, 56(1): 105-121.

[HUANG Z, GUO Y. Central bank collateral framework, bond credit spread and corporate financing cost. Economic Research Journal, 2021, 56(1): 105-121.]

[42]
白俊红, 刘宇英. 对外直接投资能否改善中国的资源错配. 中国工业经济, 2018, (1): 60-78.

[BAI J H, LIU Y Y. Can outward foreign direct investment improve the resource misallocation of China. China Industrial Economics, 2018, (1): 60-78.]

[43]
宋马林. 深入贯彻落实长三角区域生态环境共保联治战略. 红旗文稿, 2024, (7): 46-48.

[SONG M L. Thoroughly implement the strategy of joint protection and governance of ecological environment in the Yangtze River Delta Region. Red Flag Manuscript, 2024, (7): 46-48.]

[44]
钟粤俊, 梁超. 行政区划调整与企业家时间配置: 基于撤县设区的视角. 财贸经济, 2021, 42(8): 97-112.

[ZHONG Y J, LIANG C. Administrative boundary adjustment and entrepreneurs' time allocation: Evidence from city-county merger in China. Finance & Trade Economics, 2021, 42(8): 97-112.]

[45]
张杰, 包佳瑶. “双碳” 背景下绿色财政激励政策的产业生态化效应. 中国人口·资源与环境, 2024, 34(7): 184-196.

[ZHANG J, BAO J Y. Industrial ecological effects of green fiscal incentive policies in the context of the 'dual carbon' goals. China Population, Resources and Environment, 2024, 34(7): 184-196.]

[46]
崔也光, 鹿瑶, 王京. 环境保护税对重污染行业企业自主技术创新的影响. 税务研究, 2021, (7): 60-65.

[CUI Y G, LU Y, WANG J. Influence of environmental protection tax on independent technological innovation of enterprises in heavily polluting industries. Taxation Research, 2021, (7): 60-65.]

[47]
SONG M L, WANG J L, ZHAO J J. Effects of rising and extreme temperatures on production factor efficiency: Evidence from China's cities. International Journal of Production Economics, 2023, 260: 108847, Doi: 10.1016/j.ijpe.2023.108847.

[48]
宋马林, 金培振. 地方保护、资源错配与环境福利绩效. 经济研究, 2016, 51(12): 47-61.

[SONG M L, JIN P Z. Regional protection, resource misallocation and environmental welfare performance. Economic Research Journal, 2016, 51(12): 47-61.]

Options
文章导航

/

〈 〉