生态省建设的碳减排效应研究

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

王桂新^,¹^,², 李刚¹^,²

1. 复旦大学社会发展与公共政策学院,上海 200433

2. 复旦大学人口研究所,上海 200433

Effect of "Ecological Province" construction oncarbon emission reduction in China

WANG Guixin^,¹^,², LI Gang¹^,²

1. School of Social Development and Public Policy, Fudan University, Shanghai 200433, China

2. Institute of Population Research, Fudan University, Shanghai 200433, China

收稿日期:2019-04-15修回日期:2020-08-19网络出版日期:2020-11-25

基金资助:

国家社会科学基金重大项目.10ZD&032

Received:2019-04-15Revised:2020-08-19Online:2020-11-25

Fund supported:

Major Program of National Social Science Fund.10ZD&032

作者简介 About authors
王桂新(1953-), 男, 山东诸城人, 博士, 教授, 研究方向为人口迁移与城市化、城市与区域可持续发展及决策系统。E-mail: wanggx@fudan.edu.cn

摘要
自1999年以来,中国开始生态省建设试点,探索加强生态环境整体性治理之路。生态省建设作为国家改善生态环境的重大举措,是否对二氧化碳排放产生影响是一个值得深入研究的问题。本文利用2000—2015年中国省级面板数据,采用准自然实验方法,构建双重差分模型,考察和评估了生态省建设的碳减排效应。研究发现：生态省建设不仅可以提高生态环境治理质量,而且具有显著且稳健的碳减排效应;生态省建设的碳减排作用主要是通过经济阻碍效应、生态保护效应及产业结构效应实现;生态省建设虽然对减少碳排放取得一定的成效,但依然存在区域建设不平衡,生态产业发展落后,生态创新、技术进步乏力等有待解决的问题。本文可为更好地推广生态省建设经验、提高生态省建设的碳减排效应提供科学依据。
关键词： 生态省建设;碳减排;DID模型;PSM-DID模型;机制分析

Abstract

To explore the holistic governance of ecological environmental protection, China has started up a pilot project of "Ecological Province" construction since 1999. This is an important measure taken by the Chinese government to improve the ecological environment. Does this project affect carbon emissions? Answering this question can help us learn about the true effects of the "Ecological Province" construction project. Based on the provincial-level panel data from 2000 to 2015 in China, this paper focuses on exploring the effects using the methods of the quasi-natural experiment and counterfactual test. Moreover, this study tries to test the robustness of the effects using the methods of multi-stage DID model, propensity score matching-difference in difference model (PSM-DID model). The results show that: (1) "Ecological Province" construction project has a significant and robust effect on carbon emission reduction. (2) Its mechanism depends on several channels, including impeding the economic growth, protecting ecological environment and adjusting the industrial structure. (3) Nevertheless, there still exist some problems such as the regional disparity of implementing the project, the backward development of ecological industry and the lack of ecological innovation and technological progress. This study can provide a scientific basis for popularizing the experience of "Ecological Province" construction and promoting its effect on carbon emission reduction.

Keywords："Ecological Province" construction;carbon emission reduction;DID model;PSM-DID model;mechanism analysis

PDF (1298KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
王桂新, 李刚. 生态省建设的碳减排效应研究. 地理学报[J], 2020, 75(11): 2431-2442 doi:10.11821/dlxb202011012
WANG Guixin, LI Gang. Effect of "Ecological Province" construction oncarbon emission reduction in China. Acta Geographica Sinice[J], 2020, 75(11): 2431-2442 doi:10.11821/dlxb202011012

生态省建设是中国为解决生态环境整体性及生态环境保护治理过程中行政管理条块分割矛盾而提出的以省（自治区、直辖市）为单位开展生态环境保护的制度安排^①(① 新华网. 建立健全责任体系,打造生态文明发展升级版. http://www.xinhuanet.com/politics/2015-05/15/c_127803703.htm, 2015-05-15.)。从1999年开始,中国已有海南、吉林、黑龙江、浙江、山东、安徽、江苏、福建、河北、四川、广西、辽宁、天津、山西、河南、湖北等16个省份开展了生态省建设试点工作,试图以此方式,提高生态环境保护治理的整体性效果。根据各试点省份提出的《生态省建设规划纲要》,生态省建设包括生态经济体系、资源支撑体系、环境安全体系、自然生态体系、生态人居体系及生态文化体系6大体系的建设内容,其核心是推进生态经济建设、实现可持续发展。中国生态省建设是一个探索前进的过程,是由试点逐渐走向成熟的综合性规制和发展战略,并逐步涵盖了环境、经济、社会、制度与文化等多方面内容。

生态省建设已显现出改善生态环境的积极作用,它是否也具有显著的碳减排效应呢?这是一个对应对气候变化具有重要意义但尚未深入研究的问题。基于此,本文利用2000—2015年中国省级面板数据,采用准自然实验方法,构建双重差分模型（DID）,系统考察和评估了生态省建设的碳减排效应。具体而言,首先,构建了两阶段双重差分模型,检验了生态省建设的碳减排效应;其次,放宽时间与样本假设条件,建立反事实检验模型、多期双重差分模型以及倾向得分匹配双重差分模型（PSM-DID）,检验了实证结论的稳健性;最后,采用机制分析法,进一步探讨了生态省建设对减少碳排放的作用机制。本文可为推广生态省建设经验、提高生态省建设的碳减排效应提供科学依据。

1 生态省建设研究进展

生态省建设自试点以来,学术界就开展了相关研究。一些****对个别省份的生态省建设进行了评价。如李崧等^[1]结合专家调查问卷与层次分析法,采用环境质量综合指数模型对黑龙江的生态省建设进行了评估,认为自生态省建设以来,其生态环境得到明显改善;朱孔来等^[2]运用层次分析法、模糊隶属度函数方法及线性加权法建立了生态省建设的监测评价模型,并从总目标进程指数、经济发展水平、资源保障和可持续发展水平、社会发展水平、生态建设和资源永续利用、环境保护水平及人居环境质量水平7个方面系统评价了山东省的生态省建设水平;缪细英^[3]从自然生态发展系统、生态文明经济发展系统、生态文明社会支持系统、生态文明体制与管理系统4个方面入手,选取51项评价指标构建评价指标体系,运用主成分分析法对福建生态省建设进行了横向的对比分析。赵晶^[4]依据《四川生态省建设规划生态纲要》,从经济发展、资源与环境保护和社会进步3个方面综合考虑,建立了四川生态省建设指标体系,分析认为四川生态省建设虽然取得了很大进展,但未达预期目标,除了资源与环境保护这一项与国家规定指标接近外,其余两项均有较大差距。卢晓梅^[5]构建了浙江生态省建设的环境绩效评估技术框架、指标体系和方法体系,并对浙江省各地市的环境绩效进行了评估。

也有一些****对全国的生态省建设进行了综合评估。如李文华^[6]指出,生态省建设的评价指标体系应在参照国家标准的基础上,结合自身特点,量身定制,不能搞一刀切;在生态省建设的组织管理问题上,强调将生态省建设任务纳入行政首长负责制。李文华等^[7]针对现有生态省建设评价指标体系,指出应依据不同地区的生态功能区定位,构建综合评价指标,且要区分不同指标在系统中的权重,注重指标选定的科学依据。宓泽锋等^[8]从省域生态文明建设的内涵出发,结合熵权TOPSIS法和协调度模型构建耦合协调度模型,通过自然、经济、社会等3大指标体系,评价分析认为中国生态省建设协调水平偏弱;田时中^[9]基于2008年修订的生态省评价指标体系,运用层次分析法与熵值法对中国16个生态试点省份进行了评价,认为生态省建设存在显著差异,东部地区生态省建设优于中部地区,中部地区优于西部地区。宓泽锋等^[10]从“波特假说”出发,利用中国1999—2015年的省级面板数据,采用面板数据模型,实证分析发现生态省建设的综合规制能够显著促进生态创新,对区域经济增长亦有显著的积极作用。

综括上述研究可知,学术界对生态省建设的已有研究集中在从环境、经济、社会等方面对生态省建设状况进行评价,少见生态省建设与碳排放关系的研究。因此,开展对生态省建设碳减排效应的研究十分必要。

2 生态省建设的碳减排效应

2.1 生态省建设与碳减排关系的初步考察

建设生态经济体系、资源支撑体系、环境安全体系、人居环境体系、生态社会体系、生态文化体系是生态省建设的6大任务,其对碳排放的作用机制见图1。① 在生态经济体系建设过程中,环境准入制度会影响企业准入,提高环境准入限制标准将不利于经济增长,尤其要制约单纯追求GDP的传统经济增长。② 生态经济体系建设要求优化产业结构,推进生态农业及生态服务业建设;通过调整产业结构,加快第三产业发展,从而促进产业结构升级。③ 资源支撑体系的建设就是加快矿产资源开发与保护,提高资源综合利用效率及优化能源结构,发展清洁能源,由此拉动相关环保技术的发展,促进技术进步。④ 在环境安全体系建设过程中,废弃物的综合利用、生活垃圾的无害化都将涉及再生技术及污染处理技术的发展,也将促进相关技术的进步。⑤ 自然生态体系建设将促进森林、草场、海洋资源及自然保护区等生态环境保护与建设,一方面将减少经济发展中所需要的土地、森林等资源供给,不利于经济增长;另一方面也会直接增加自然中的碳汇,加强碳排放的吸收,形成直接的生态保护效应。⑥ 生态人居体系建设要求稳定人口数量,这在一定程度上可影响人口增长,控制人口增长过快对生态环境的破坏力度,有利于生态环境的保护;同时也可能带来劳动力的减少,不利于经济增长。⑦ 生态文化体系的建设就是要强化生态文明理念,树立科学发展观,倡导绿色消费,因而可提高人们的生态保护意识,促进生态环境保护;另一方面,也可能影响人们对生态环境保护与经济发展关系的权衡,造成一定程度的重保护、轻发展而影响整体经济的增长。

图1

新窗口打开|下载原图ZIP|生成PPT
图1生态省建设影响碳排放的框架图

Fig. 1Framework for the effect of "Ecological Province" construction on carbon emissions

生态省建设将影响经济增长、产业结构、技术进步和生态保护,而这4个方面又都是影响碳排放的重要因素^{[11,12,13,14]}。所以,生态省建设政策的实施必然影响二氧化碳的排放。本文拟建立数理模型,对生态省建设的碳减排效应进行实证检验。

2.2 生态省建设碳减排效应的实证

2.2.1 样本地区的选择中国自生态省建设试点工作以来,已有16省份参与进来。其中,东部地区包括海南、福建、浙江、江苏、山东、河北、天津,中部地区包括安徽、山西、河南、湖北,西部地区包括广西、四川,东北地区包括吉林、黑龙江、辽宁^②(②采用国家统计局的划分方法,即东部地区包括：北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南;中部地区包括：山西、安徽、江西、河南、湖北和湖南;西部地区包括：内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆;东北地区包括：辽宁、吉林和黑龙江。

指以上划分的东部、中部、西部和东北4大地区。)。没有参与生态省建设的省份,东部地区有北京、上海、广东,中部地区有江西、湖南,西部地区有陕西、内蒙古、重庆、贵州、云南、西藏、甘肃、青海、宁夏和新疆。

样本地区的选择及其依据如下：① 一个地区^③(③指以上划分的东部、中部、西部和东北4大地区。)同时分布有参与和未参与生态省建设的省份,这样便于选择对照组;东部、中部、西部地区均有参与和未参与生态省建设的省份,而东北地区均参与了生态省建设,所以只能在东部、中部、西部地区选择样本。② 各方面差异较小、存在较高同质性的省份适合选为样本;东部地区经济发展方式及发展水平存在明显的高级化特征,西部地区地理环境及资源禀赋等与东部、中部地区又存在较大差异,而中部地区各省在经济发展程度、发展模式及相对地理位置等方面均存在相对较高的同质性,比较符合双重差分法的假设条件,所以只能在中部地区选择样本,即选择中部地区参与和未参与生态省建设的省份作为处理组与对照组。但是,由于山西省未披露生态省建设时间^④(④本文以参与生态省建设省份公布的《生态省建设规划纲要》作为其参与的依据。但截止到本文完稿,山西省缺乏相关信息披露。),湖北、河南生态省建设的起始时间又明显晚于其他省份,为消除其对双重差分法估计结果客观性的影响,未把3省纳入研究样本,而是采用与中部地区发展情况相似的临近省份。最终选择的样本地区为安徽、湖南、江西、重庆、陕西、江苏、河北、四川8省市。

2.2.2 DID模型的构建从参与生态省建设的起始时间看,安徽、江苏、河北、四川分别于2003年、2004年、2005年、2006年开始建设生态省。据此,可将2007年以前开始生态省建设的安徽、江苏、河北、四川4省作为处理组,把未参与生态省建设的湖南、重庆、陕西、江西4省作为对照组。变量的具体设置方法如下：

（1）

Trea t_{i} = \{\begin{array}{l} 1 如果 i 省参与生态省建设 \\ 0 如果 i 省未参与生态省建设 \end{array}

式中：当Treat_i = 1时,表示该

i

省参与生态省建设,作为处理组;当Treat_i = 0时,表示该i省未参与生态省建设,作为对照组。

（2）

Dumm y_{t} = \{\begin{array}{l} 1 当 t > 2006 年时, 参与生态省建设后 \\ 0 Else, 参与生态省建设前 \end{array}

式中：当Dummy_t = 1,表示生态省建设后;当Dummy_t = 0,表示生态省建设前。于是,可构建如下两阶段双重差分模型：

（3）

\ln Carbo n_{it} = β_{0} + β_{1} \times Dumm y_{t} + β_{2} \times Trea t_{i} + β_{3} \times Dumm y_{t} \times Trea t_{i} + β_{4} \times X_{it} + μ_{it}

式中：lnCarbon_it是i省在t年碳排放量的对数;Dummy_t为是否参与生态省建设的虚拟变量Treat_i为实验干预的虚拟变量;

Dumm y_{t} \times Trea t_{i}

为交互项;

X_{it}

为一组控制变量（包括经济规模、森林覆盖率、城市化率、产业结构、技术进步率、人口密度（表2）;

β_{1}

、

β_{2}

、

β_{3}

、

β_{4}

均为待估系数;μ_it代表随机扰动项。此时,则有：

（4）

\begin{array}{l} DID = [E (\ln Carbo n_{i 1}| Trea t_{i} = 1) - E (\ln Carbo n_{i 0}| Trea t_{i} = 1)] \\ - [E (\ln Carbo n_{i 1}| Trea t_{i} = 0) - E (\ln Carbo n_{i 0}| Trea t_{i} = 0)] \\ = [(β_{0} + β_{1} + β_{2} + β_{3}) - (β_{0} + β_{2})] - [(β_{0} + β_{1}) - β_{0}] \\ = β_{3} \end{array}

式中：

β_{3}

即为双重差分后的结果,表示生态省建设对碳减排的“净效应”。考虑到本研究使用的是面板数据,将上述模型变形为双向固定效应的面板数据DID模型：

（5）

\ln Carbo n_{idt} = β_{0} + β_{3} \times Dumm y_{t} \times Trea t_{i} + β_{4} \times X_{it} + λ_{i} + γ_{t} + μ_{idt}

式中：λ_i为个体固定效应;γ_t为时间固定效应;

μ_{idt}

代表随机扰动项;其他变量及参数含义同式（3）。使用该模型估计生态省建设的碳减排效应需要注意以下2个问题：

（1）双重差分法将处理组与对照组的趋势差异归因于生态省建设政策是否实施。这就要求模型满足“共同趋势假设”,即除去政策干预因素外,处理组与对照组无差异。为满足这一条件,在实际计量分析中多采用添加控制变量的方法削减政策因素以外干扰因素的影响。考虑到国内外****多将经济增长^{[15,16,17,18,19]}、人口规模^[20]、产业结构^[21]、能源强度^[22]、能源结构^[23]、科技水平^[13]、城市化率^[24]等因素作为碳排放的主要影响因素,本文拟加入表示上述影响碳排放的控制变量X_it（经济发展水平、人口密度、产业结构、技术水平、城市化水平及森林覆盖率等变量）。

（2）参与生态省建设的不同省份实施建设的起始年份并不相同,不同省份受该政策的影响存在时间差异。针对这种情况,拟采用多期双重差分模型,以便得到更为可靠的结论。这一模型的建立及其稳健性检验将在后文讨论。

2.2.3 变量说明及数据来源本文选择3类变量,即被解释变量、解释变量与控制变量：

第一,被解释变量为各省碳排放量。由于碳排放量的估算方法较多,估算值多存在较大差异,且考虑到数据的科学性与权威性,本文选用中国碳排放数据库（CEADs）^⑤(⑤CEADs（http://www.ceads.net）在包括英国研究理事会、牛顿基金会、中国国家自然科学基金委员会、中国科学院等多家研究机构的共同支持下,聚集了来自中外等多国研究机构的****,共同编纂中国多尺度碳排放清单,分析中国及其区域碳排放特征。)中有关各省的碳排放量数据。该数据库只公布了1997—2015年的省级碳排放数据,这将制约样本选择,但对研究结论不会有实质性影响。

第二,解释变量。考虑到本文采用的是面板数据,需对一般双重差分模型进行适当改进,即应建立双向固定效应DID模型。此时,生态省建设虚拟变量与实验干预虚拟变量的交互项即成为模型的解释变量。

第三,控制变量。本文选择的控制变量有：经济规模,采用国内生产总值表示;森林覆盖率,直接采用国家统计局的森林覆盖率指标;城市化水平,即城镇人口与年末常住人口之比（常住人口城市化率）;产业结构,衡量产业结构高级化的指标较多,考虑到各产业碳排放的特点,采用第三产业增加值与第二产业增加值之比衡量产业结构高级化水平;技术进步率,采用索洛余值^⑥(⑥根据索洛余值方法,令A为技术进步率、Y为产出（GDP）、K为资本投入（全社会固定资产投资）、L为劳动力投入（城镇单位就业人员）,根据科布道格拉斯生产函数（Y = AK^αL^β）,对等式两边同取对数并移项后有：lnA = lnY+αlnK+βlnL。)方法测算技术进步率;人口密度,用各省年末常住人口与面积之比计算得出。各变量的基础数据均来源于2000—2015年《中国统计年鉴》。

为了削弱量纲及波动性对回归结果估计的影响,对碳排放量、经济规模及人口密度等变量做了取自然对数的处理,相关变量的描述性统计见表1。

Tab. 1
表1
表1两阶段模型变量的描述性统计
Tab. 1Descriptive statistics of variables in the two-stage model

变量名称	表示符号	平均值	标准差	最小值	最大值
碳排放量	lnCarbon	5.3227	0.6767	3.9759	6.6450
交互项	Dummy×Treat	0.2813	0.4514	0.0000	1.0000
经济规模	lnGDP	9.1599	0.8661	7.4905	11.1579
森林覆盖率	Forest	0.3353	0.1383	0.0754	0.6001
城市化率	Urban	0.4279	0.0914	0.2622	0.6652
产业结构	Rindustry	0.8216	0.1649	0.5985	1.1689
技术进步率	lnA	0.5535	0.1775	0.1542	0.9202
人口密度	lnrpeople	5.7627	0.4532	5.1200	6.6600

注：有效观察数量为128个。

新窗口打开|下载CSV

2.2.4 模型的估计结果两阶段双重差分模型的估计结果见表2。首先,就只有交互项的模型1而言,在5%的显著性水平下,交互项的系数显著且为-0.0704,说明生态省建设对碳排放具有负向作用,即生态省建设显著促进碳减排。其次,考虑到双重差分模型需要满足“共同趋势假设”,加入相关控制变量得到模型2的估计结果,此时交互项显著性下降,但仍然在10%的显著性水平下显著,交互项系数为-0.0720,表明生态省建设对碳排放的负向作用仍然成立。以上2个模型的估计结果均说明：生态省建设政策实施具有显著的碳减排效应。

Tab. 2
表2
表2两阶段模型双重差分估计结果
Tab. 2Regression results of the two-stage DID models

变量	模型1	模型2
交互项	-0.0704	-0.0720
	(-2.13)^**	(-1.90)^*
常数项	4.6077	4.6567
	(140.13)^***	(1.45)
控制变量	No	Yes
个体固定效应	Yes	Yes
时间固定效应	Yes	Yes
拟合系数R²	0.9615	0.9729
统计量F	162.49	160.06
组别	8	8
观测量	128	128

注：括号内为统计量的t值,^***、^**、^*分别代表显著性水平为1%、5%及10%。

新窗口打开|下载CSV

3 模型稳健性检验

如前所述,双重差分模型严格依赖于共同趋势假设,当处理组与对照组本身存在较大差异时,模型的估计结果有可能变得不很可靠。为检验上述研究结论的可靠性,拟采取以下3种方法进行稳健性检验：① 针对两阶段模型进行反事实检验;② 考虑到两阶段模型的局限性,建立多期DID模型进行检验;③ 为了避免处理组与对照组样本选择的偏差问题,建立PSM-DID模型进行检验。

3.1 反事实检验

反事实假设认为,如果生态省建设政策实施的时间点发生变动,双重差分模型的结果会发生实质性变化。据此,两阶段模型假设2007年为生态省建设的政策断点。基于反事实假设,假定生态省建设政策实施发生在2007年以前,选取2000—2006年数据作为研究样本,并假定分别以2002年、2003年及2004年作为分界点,重复两阶段模型的估计。如果得到的结果不显著,则表明在没有参与生态省建设的情况下,处理组与对照组的趋势相对稳定,共同趋势假设得到满足。不同时点的反事实检验结果如表3所示：以2002年、2003年及2004年作为分界点时,交互项的估计系数在10%显著性水平下均不显著,说明各省在生态省建设政策实施发生前具有共同趋势。

Tab. 3
表3
表3不同时点的反事实检验结果
Tab. 3Regression results of counterfactual test

变量	2002年	2003年	2004年
交互项	0.0500	0.0500	0.0500
	(0.10)	(0.10)	(0.10)
常数项	6.7352	6.7352	6.7352
	(0.98)	(0.98)	(0.98)
控制变量	Yes	Yes	Yes
个体固定效应	Yes	Yes	Yes
时间固定效应	Yes	Yes	Yes
拟合系数R²	0.9118	0.9118	0.9118
统计量F	31.02	31.02	31.02
组别	8	8	8
观测量	56	56	56

注：括号内为统计量的t值;^***、^**、^*分别代表显著性水平为1%、5%及10%。

新窗口打开|下载CSV

进一步对两阶段模型进行“安慰剂检验”,即考察替换样本组后是否可以得到反事实检验的类似效果。将两阶段模型的对照组替换为广东、内蒙古、贵州、云南4省^⑦(⑦本文也尝试采用其他省份作为对照组,但交互项的估计值依旧在5%、甚至是10%的显著性水平下不能通过检验。),再采用同样的双重差分模型进行估计,仍得到类似结果（表4）：交互项的估计系数在10%显著性水平下均不显著,即各省在生态省建设前具有共同趋势。由此说明,以上两阶段模型的估计结果是稳健的。

Tab. 4
表4
表4安慰剂检验的估计结果
Tab. 4Regression results of the placebo test

变量	模型1	模型2
交互项	-0.0703	-0.0332
	(-1.58)	（-0.58）
常数项	4.8147	-7.2681
	(109.11)^***	(-2.42)^**
控制变量	No	Yes
个体固定效应	Yes	Yes
时间固定效应	Yes	Yes
拟合系数R²	0.9340	0.9575
统计量F	92.00	100.25
组别	8	8
观测量	128	128

注：括号内为统计量的t值;^***、^**、^*分别代表显著性水平为1%、5%及10%。

新窗口打开|下载CSV

3.2 多期双重差分模型检验

一方面参与生态省建设的省份起始年份并不相同,多期双重差分模型能够很好的克服这种差异性问题;另一方面为了减小对处理组与对照组选择的限制,有必要扩大样本至全国各省,建立全样本的多期双重差分模型。全样本相关变量描述性统计结果见表5。

Tab. 5
表5
表5多期模型变量的描述性统计分析
Tab. 5Descriptive statistics of variables in the multi-stage model

变量	表示符号	平均值	标准差	最小值	最大值
碳排放量	lnCarbon	5.0902	0.8472	2.1633	6.7360
交互项	Dummy×Treat	0.3621	0.4811	0.0000	1.0000
经济规模	lnGDP	8.8572	1.1104	5.5747	11.1956
森林覆盖率	Forest	0.3122	0.1769	0.0294	0.6595
城市化率	Urban	0.4906	0.1546	0.2330	0.8961
产业结构	Rindustry	0.9708	0.4605	0.4971	4.0355
技术进步率	lnA	0.6550	0.2813	0.0533	1.6774
人口密度	lnrpeople	8.8572	1.1104	5.5747	11.1956

新窗口打开|下载CSV

表6给出了多期双重差分模型的估计结果。当模型中只有交互项时（模型1）,交互项系数为-0.0350,且在10%的显著性水平下显著,说明生态省建设的碳减排效应显著。依次加入相关控制变量后,得到模型2、模型3、模型4的估计结果。在加入部分控制变量的模型2和模型3中,交互项系数在10%显著水平下亦显著为负,同样说明了前述结论的可靠性。值得注意的是,考察加入全部控制变量的模型4,此时模型拟合效果更好,交互项也提高到在5%的显著性水平下显著,且系数为-0.0545,进一步说明以上两阶段模型得出的生态省建设具有显著碳减排效应的结论是稳健的。

Tab. 6
表6
表6多期模型双重差分估计结果
Tab. 6Regression results of the multi-stage DID models

变量	模型1	模型2	模型3	模型4
Dummy×Treat	-0.0350	-0.0405	-0.0422	-0.0545
	(-1.77)^*	(-1.78)^*	(-1.85)^*	(-2.43)^**
Forest		-2.2825	-2.3733	-1.6928
		(-7.32)^***	(-7.43)^***	(-5.09)^***
Urban		1.6638	1.6614	1.2702
		(5.14)^***	(5.14)^***	(3.92)^***
Rindustry			0.2763	-0.1046
			(1.29)	(-2.36)^**
lnA				-0.2275
				(-4.17)^***
lnGDP		0.6264	0.6434	0.5876
		(8.42)^***	(8.52)^***	(7.44)^***
lnrpeople		-0.4263	-0.4347	-0.0379
		(-3.44)^***	(-3.50)^***	(-0.26)
常数项	3.6077	1.7264	1.0475	0.2250
	(140.13)^***	(1.91)^*	(1.00)	(0.24)
个体固定效应	Yes	Yes	Yes	Yes
时间固定效应	Yes	Yes	Yes	Yes
拟合系数R²	0.9212	0.9365	0.9367	0.9367
统计量F	308.65	305.80	291.79	291.79
组别	29	29	29	29
观测量	464	464	464	464

注：括号内为统计量的t值;^***、^**、^*分别代表显著性水平为1%、5%及10%。

新窗口打开|下载CSV

3.3 PSM-DID模型检验

根据倾向得分匹配方法选择处理组与对照组,可以很好地解决样本选择问题。倾向得分匹配的可靠性取决于“条件独立性假设”是否满足,即要求处理组与对照组在生态省建设政策实施前,相关可观测变量无显著差异。采用核匹配方法,针对经济规模、人口密度、城市化水平、森林覆盖率、技术发展水平、产业结构6个方面对样本进行倾向得分匹配,匹配前后组间变量的变化参见表7。匹配前不同省份间存在较大偏差,除城市化水平的偏差不显著外,其他变量的偏差都在5%显著性水平显著。通过倾向得分匹配后省际差异减小,在5%显著性水平下偏差均不再显著,这为后续模型检验奠定了基础。

Tab. 7
表7
表7协变量的平衡性检验
Tab. 7Results of balance test

变量	样本	平均值		偏差比例(%)	t检验
变量	样本	处理组	对照组	偏差比例(%)	t值	P值
lnGDP	匹配前	9.133	8.520	56.8	5.89	0.00
	匹配后	8.465	8.491	-2.6	0.20	0.85
lnrpeople	匹配前	5.757	4.996	61.1	6.26	0.00
	匹配后	5.726	5.709	1.7	0.14	0.89
Urban	匹配前	0.507	0.487	13.2	1.36	0.17
	匹配后	0.439	0.487	-4.8	1.65	0.11
Forest	匹配前	0.355	0.279	42.7	4.44	0.00
	匹配后	0.286	0.279	0.7	0.23	0.82
lnA	匹配前	0.691	0.635	19.5	2.02	0.04
	匹配后	0.782	0.745	3.7	1.18	0.24
Rindustry	匹配前	0.888	1.077	-41.2	-4.24	0.00
	匹配后	0.803	1.019	-21.5	1.86	0.07

新窗口打开|下载CSV

以上平衡性检验说明,在核匹配方法下“条件独立性假设”得到满足。在此基础上,通过倾向得分匹配,处理组与对照组的选择也能够最大程度地消除选择性偏差与混杂偏倚问题。进一步,对匹配后的样本做双重差分模型,估计结果（表8）显示：生态省建设的碳减排效应系数为-0.693,且在1%显著性水平下显著,表明生态省建设的碳减排效应十分稳健。

Tab. 8
表8
表8PSM-DID的估计结果
Tab. 8Regression result of the PSM-DID model

统计项目		平均值		t检验
统计项目		系数估计	标准误	t值	P值
政策实施前	对照组	4.725
	处理组	4.859
	差分	0.134	0.122	1.10	0.27
政策实施后	对照组	6.133
	处理组	5.574
	差分	-0.559	0.224	2.50	0.013^**
平均处理效应	双重差分	-0.693	0.255	2.72	0.007^***

注：R²为0.27;^***、^**、^*分别代表显著性水平为1%、5%及10%。

新窗口打开|下载CSV

综合以上反事实检验、多期双重差分模型及PSM-DID模型等稳健性检验结果,均说明前述两阶段双重差分模型的估计结果是稳健的,即生态省建设具有显著的碳减排效应。

4 生态省建设对碳减排的影响机制

生态省建设主要是通过建设生态经济体系等6大体系作用于经济增长、产业结构、技术进步、生态保护,进而影响碳排放。以下将建立双向固定效应的面板数据DID模型逐一进行实证检验生态省建设是否具有前述经济增长效应、产业结构效应、技术进步效应和生态保护效应。所建模型为：

（6）

Y_{idt} = β_{0} + β_{3} \times Dumm y_{t} \times Trea t_{i} + β_{4} \times X_{it} + λ_{i} + γ_{t} + μ_{idt}

式中：Y_idt分别以lnGDP、Rindustry、lnA、Forest衡量,分别表示经济增长、产业结构、技术进步和生态保护,以检验生态省建设的经济增长效应、产业结构效应、技术进步效应和生态保护效应。β₃表示各种效应的估计系数;λ_i为个体固定效应;γ_t为时间固定效应;μ_idt为随机扰动项;X_it为一组控制变量;其它变量及参数的含义同式（5）。具体而言,经济增长效应模型的控制变量包括劳动力投入、固定资产投资、城市化水平和产业结构;产业结构效应模型的控制变量包括经济规模、人口密度和城市化水平;技术进步效应模型的控制变量包括经济规模和固定资产投资;生态保护效应模型的控制变量包括经济规模、人口密度和城市化水平。

由估计结果可知：① 关于经济增长效应（表9第2列）,生态省建设对经济增长的影响系数在1%显著性水平下显著为-0.0926,说明生态省建设不利于经济增长,即生态省建设会形成经济阻碍效应^⑧(⑧本文以GDP为指标表示经济增长,所以文中所说生态省建设政策实施的经济阻碍效应,主要是指生态省建设对单纯追求GDP增长的传统经济增长的阻碍效应。);正由于此,生态省建设可以控制和减少碳排放。② 关于产业结构效应（表9第3列）,生态省建设对产业结构高级化的影响系数为0.1117,并在1%显著性水平下显著,说明生态省建设可以显著促进产业结构升级,有效地控制和减少碳排放。③ 关于技术进步效应（表9第4列）,生态省建设对技术进步率的影响系数在10%显著性水平下不显著,说明生态省建设的技术进步效应不显著,即当前生态省建设不具有促进技术进步的作用。④ 关于生态保护效应（表9第5列）,生态省建设对生态保护的影响系数为0.0854,且在5%显著性水平下显著,说明生态省建设具有显著的生态保护效应,生态省建设促使自然资源环境系统碳汇增加,碳排放减少。

Tab. 9
表9
表9生态省建设碳减排效应机制分析估计结果
Tab. 9Regression results of mechanism analysis

分析项目	经济增长效应	产业结构效应	技术进步效应	生态保护效应
相互项	-0.0926	0.1117	0.0005	0.0854
	(-5.04)^***	(3.73)^***	(0.13)	(2.56)^**
控制变量	Yes	Yes	Yes	Yes
个体固定效应	Yes	Yes	Yes	Yes
时间固定效应	Yes	Yes	Yes	Yes
拟合系数R²	0.9963	0.7063	0.9952	0.7666
统计量F	1331.78	13.63	1172.89	17.46
组别	8	8	8	8
观测量	128	128	128	128

注：括号内为统计量的t值;^***、^**、^*分别代表显著性水平为1%、5%及10%。

新窗口打开|下载CSV

5 结论与讨论

5.1 结论

本文基于2000—2015年中国省级面板数据,采用准自然实验方法,构建双重差分模型,系统考察和评估了生态省建设的碳减排效应,主要得到以下结论：

（1）双重差分模型及稳健性检验的估计结果均表明生态省建设具有显著的碳减排效应,可为控制和减少碳排放、应对气候变化发挥积极作用。

（2）生态省建设主要通过经济阻碍效应、产业结构效应及生态保护效应等3种效应机制减少碳排放,这为生态省建设控制和减少碳排放提供了明确有效的实现路径。

（3）生态省建设过程中存在不利经济增长、技术进步效应不明显等问题。所以,在生态省建设过程中,要积极推动节能减排等技术创新,大力发展生态环保产业,为实现经济可持续增长提供新动力。

5.2 讨论

关于本文研究方法的适用性。是否参与生态省建设是一个非随机过程,寻找对照组对考察和评估生态省建设的政策效果十分重要,通常很难做到使处理组和对照组完全一致。本文采用双重差分模型和倾向得分匹配模型,目的是创造一种自然实验,对处理组和对照组选择具有可比性的样本进行分析,使参与生态省建设成为一种随机过程。以上研究说明,双重差分模型和倾向得分匹配模型对评估生态省建设的政策效果是适用的,能够有效降低选择性偏误,获得相对真实的研究结论。

本文的局限及有待深化研究的问题。第一,本文研究的只是生态省建设政策实施对碳减排的影响,并未涉及参与生态省建设以后实施的具体建设行动等对碳减排的影响;第二,本文对研究样本地区的数据选择也受到时间、空间两方面的制约,从而使本研究有一定的局限性。生态省建设与碳减排都是国家的长期发展战略,随着相关数据的积累和完善,生态省建设与碳减排问题也有待深入研究。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

Song

, Qiu

Wei

, Zhao

Qingliang

, et al. Applying analytical hierarchy process to assess eco-environment quality of Heilongjiang Province
Environmental Science, 2006,27(5):1031-1034.