图片来源：百度文库

原文信息：Zhang, H., Di Maria, C., Ghezelayagh, B., Shan, Y., 2024. Climate policy in emerging economies: Evidence from China’s Low-Carbon City Pilot. Journal of Environmental Economics and Management 124, 102943.

原文链接：

https://doi.org/https://doi.org/10.1016/j.jeem.2024.102943 

在本文中，本文通过因果评估2003年至2017年间中国低碳城市试点（LCCP）对城市层面人均二氧化碳排放量及GDP单位二氧化碳强度的影响，来评判新兴经济体中早期气候政策的成效。政策设计的特殊性为因果关系的确定带来了显著挑战，本文通过合成控制法成功克服了这一难题。不同于先前的研究成果，本文的分析结果显示LCCP对碳排放量及其强度均未造成显著影响。本文实证研究的核心启示在于：即便是在新兴经济体中，有效的环境保护政策同样需要具备透明度、可量化的目标设定以及可靠的执行机制。

01

引言

随着应对气候变化的紧迫性日益明确，关于发达经济体和新兴经济体谁应承担减少碳排放责任的辩论愈演愈烈。发达国家应为其历史排放负责，而新兴市场则预计将是未来能源需求和排放增长的主要来源。为实现经济增长与温室气体排放的脱钩，全球需要有效的政策。

本文旨在通过评估中国低碳城市试点（LCCP）对碳排放和GDP单位碳强度的影响，探讨新兴经济体气候政策的有效性。LCCP于2010年启动，目标是促进向低碳经济的转型，并被认为是其他国家的效仿模板。然而，关于其对碳排放的具体影响，现有文献提供的证据并不充分，且多采用DID方法，未能有效解决因果识别问题。

本研究采用合成控制法，利用2003-2017年间245个中国地级市的数据，对LCCP的影响进行因果评估。研究发现，LCCP对人均碳排放和GDP单位碳强度均未产生显著影响。这与文献中其他研究的结论形成对比，但考虑到LCCP的自愿性和缺乏约束性目标与执行力，这一结果并不意外。总之，本文认为LCCP未能显著推动中国经济增长与碳排放的脱钩。

在三个维度上补充了现有文献：1、识别并克服了由LCCP独特设计和时机引起的潜在因果推断挑战，供了纠正文献中关于LCCP实际有效性的经验证据。2、鉴于LCCP的实施在很大程度上是自愿的，为评估自愿环境政策工具的稀缺实证文献贡献了一项研究。3、应用Shan等(2017)的方法，基于政府间气候变化专门委员会（IPCC）指南，构建了一个替代排放清单。这个替代数据集不仅能够考察结果对数据源变化的敏感性，还能够更仔细地审视LCCP的行业影响，并讨论燃料转换的潜力。

02

政策背景

2007年发布了国家气候变化计划， 2008年发表了关于国家应对气候变化行动与策略的白皮书。在2009年联合国气候变化大会框架下做出的承诺基础上，国务院首次宣布了减排目标，即到2020年比2005年的水平降低GDP单位碳强度40%-45%。这一减排目标被首次纳入十二五规划（2011-2015年），同时设定了在2011至2015年间GDP单位CO2排放量下降17%的强制性目标。在十二五规划框架内，根据每个省份的社会经济特征和增长轨迹，给各省分配了不同的减排目标。当2016年公布了十三五规划（2016-2020年）时，GDP单位碳强度的减排目标被设定为2016至2020年间降低18%，并进一步分解为各城市的不同目标。

在此背景下，发改委启动了低碳城市试点项目（LCCP），旨在加速向低碳经济的转型，并为其他城市展示实现碳减排目标的路径。2010年7月19日，发改委发布了“关于开展低碳省区和低碳城市试点工作的通知”，开始了第一轮试点。这一阶段包括两个直辖市、五个省份和六个地级市。两年后，第二轮开始，覆盖了两个直辖市、一个省份和26个地级市。第三轮于2017年推出，重点在于地级市和较小的行政区划，总计有八个额外的县级行政区和35个地级市在被纳入试点方案。

根据发改委，这些试点城市和省份的选择是基于它们的地理、社会和经济多样性及其代表性，而不是随机挑选的。此外，在选择试点地点时，考虑到在低碳发展方面正在进行的工作，以及地区希望成为试点一部分。这一过程也容易受到政治讨价还价和操纵的影响。

中央没有给每个试点单位分配强制性目标或具体任务，只要与总体的五年规划要求一致，每个试点单位在定义自身的减排目标方面有相当大的灵活性，它们可以自由决定在各个部门之间的减排分配。按照发改委要求，试点城市需要编制明确的低碳发展规划，阐述促进有效本地低碳经济、加快建立低碳产业体系、建设温室气体排放统计管理体系以及鼓励低碳生活方式和绿色消费模式所需采取的措施。

在大多数情况下，目标是以碳强度、非化石能源份额、淘汰过时的发电厂和森林覆盖率的形式设定的。具体包括编制温室气体清单、农业脱碳、公共交通系统和建筑的脱碳、引入绿色引导措施以及湿地保护的推广。对于其中一些措施，一些城市设定了目标。例如，石家庄在第二轮中被处理，其在线议程明确指出，到2015年个人交通系统中的“新能源汽车”比例应超过90%。

与传统的政策工具不同，LCCP在很大程度上是一个自愿项目，没有强制执行。减排途径是由区域当局根据其区域经济和地方偏好设计的。虽然处理单位之间的减排途径有所不同，但几乎所有城市都有针对CO2排放或GDP单位 CO2强度的目标，其中一些目标比五年规划的要求更为严格。

03

识别策略和数据

在研究中国低碳城市试点（LCCP）政策的影响时，文献警告称在存在异质性处理效应的情况下不要使用标准的固定效应方法（例如，Goodman-Bacon, 2022）。LCCP的交错采用使得这种问题更加复杂。本文采用了de Chaisemartin和D'Haultfoeuille（2022）提出的跨期治疗效果和动态差异中DID框架。虽然动态DID可以控制异质性处理效应的问题，但基于传统DID方法识别LCCP的影响仍存在缺陷。原因在于试点城市的选择过程具有非随机性，这些城市部分是自我选择加入试点，并且是基于某些特征（如当前的工业化水平和能源强度）被选中的，而这些特征显然与评估结果相关。为了克服这些问题，本文设计了基于最近引入的汇集合成控制法（SCM）的识别策略。

合成控制模型（SCM）通过构建合成的反事实情况并与处理单位的实际结果进行比较来估计处理效应。合成控制是通过对来自对照组的选定单位赋予权重来构造的，以便合成控制在预处理阶段与处理单位的结果紧密匹配。虽然SCM最初是为了研究单一处理单位而设计的，但最近的一些文献提出了SCM向多个处理单位扩展的可能性。然而，估计最小化不同处理单位预处理不平衡的权重可能会产生几乎完美的平均匹配，但导致较差的单位特异性匹配。另一方面，为每个处理单位单独构建合成控制并估计处理单位的平均处理效应可能产生良好的单位特异性预测因子匹配，但产生较差的平均平衡。

Ben-Michael等(2022)提出的部分混合合成控制法，在一个分阶段处理框架内缓解这种偏见。将处理单位的平均处理效应（ATT）估计误差分解为源自混合匹配和单位特异性匹配的误差，然后最小化这两个误差的加权组合。在他们基本模型的一个扩展中，Ben-Michael等(2022)进一步建议加入辅助协变量，以确保不仅对主要感兴趣的输出变量，而且对分析单位的其他关键特性都有良好的预处理匹配。它很好地适应了确保一系列设计上异质且在不同时点接受处理的单位具有良好匹配的需求。

3.1数据

本文的因变量为人均二氧化碳排放量（吨/人）和GDP的二氧化碳强度（吨/万元）。Chen等（2020年）数据基于卫星图像的夜间灯光数据提供了县级碳排放数据。排放清单涵盖了大约350个行政划分中的2735个县和区，时间跨度为1997年至2017年。我 们 从 碳 排 放 账 户 数 据 集 获 得 数 据 ， 并 汇 总 了 城 市 一 级 的 CO2排 放 量 (CEADS, 2020)。且我 们 从 样 本 中 排 除 了 所 有 将 在 第 三 轮 LCCP中 接 受 治 疗 的 城 市 ， 以 便 对 照 组 更 正 确 地 反 映 非 LCCP城 市 的 “ 未 治 疗 ” 状 态 。协变量为人均GDP（万元人民币）、工业化率（第二产业占GDP比例）、社会固定资产投资（100亿元）、工业二氧化硫排放量（万吨）作为额外的预测变量。图1为描述性统计。

在基线结果中， 对所有直接或间接纳入的城市进行了分类处理，即在第一轮或第二轮中通过直辖市、省或地级市进行处理。作为对照组，本文使用了所有未在任何一轮中接受治疗的城市。

04

实证结果

表2和图1展示了遵循de Chaisemartin和D’Haultfoeuille (2022)提出的方法的分阶段DID估计的结果。结果显示，LCCP对人均二氧化碳排放量产生了统计学上的显著影响，对GDP的碳强度没有显著影响。然而，对于两种结果，治疗期间的估计表明它们是早在t=0之前就开始的趋势的延续，从而违反了“平行趋势”假设。

LCCP的选择并非随机。因此，上述DID的识别策略是不能令人满意的。鉴于这一讨论，本文现在进入分析的主要部分，应用由Ben-Michael等人（2022）提出的部分汇集合成控制法（SCM）来研究LCCP。

表3呈现了运行LCCP前两波的部分混合、分阶段合成控制程序的结果。结果显示，相对于未处理城市，LCCP对处理城市在传统水平上没有产生统计学上的显著影响。图2绘制了随时间变化的效果估计。总体而言，预处理匹配是令人满意的，两种指标的处理效果在处理期间均不显著。

4.1识别的挑战

在LCCP背景下，识别的一个最关键挑战源于在LCCP实施的同时，中国还推出了几项旨在使碳排放与经济增长脱钩的政策举措。例如，在LCCP引入后不久，中国当局开始讨论引入碳排放交易作为应对气候变化的工具。自2011年起，至2013年开始交易，中国启动了七个碳排放交易(ETS)试点，包括一个地级市（深圳）、两个省（湖北和广东）和四个直辖市（北京、上海、天津、重庆）。双重挑战：一方面，对照城市可能受到试点项目的影响，导致潜在的衰减偏差；另一方面，一些LCCP城市也可能被纳入这些碳交易试点计划中，使得无法仅归因于LCCP单独产生任何处理效果。为了控制这种混淆因素，本文从样本中排除所有受碳交易监管的城市。

图3和表4报告了这一分析的结果，表明在LCCP处理组中包括ETS试点城市可能会导致DID估计结果的显著偏差。本文发现本文的SCM基线结果没有显著受到这些城市的影响，这表明集聚的SCM方法可能对这种类型的重叠比其他方法更稳健。

除了LCCP之外，五年规划（FYP）中越来越严格的目标来减少经济的碳排放。识别框架隐含地假设在FYP下，处理单位和对照单位被分配了相似的减排目标，从而不会偏斜对LCCP影响的估计。为了验证这一假设是否成立，收集了样本中每个城市在十二和十三FYP下规定的减排目标的信息。然后执行等价性检验以确保平均减排目标的一致性。表5结果表明，不能拒绝两组间减排目标相等的原假设。这意味着本文的结果不太可能由FYP中的减排目标差异驱动。

LCCP是在早期宣布之后推出的，选择合适的试点过程也比较缓慢。在某些处理城市中，官员和经济主体可能已经通过自身游说入选试点或其他政治关系得知未来的处理状态。一些试点城市可能已经采取了早期行动准备试点。为控制这一潜在偏差，将处理的名义开始时间移至正式开始试点的一年之前。图4和表6的组A给出上述讨论的结果，本文没有发现证据支持存在显著的预期效应。

处理溢出效应。一方面，试点可能成功地识别、开发并展示了其他城市可以采用的低碳路径可能会导致处理单位和控制单位的两种结果都减少。另一方面，LCCP的引入可能会提高处理区域的碳排放成本，促使经济活动向环境法规较宽松的地区转移，从而导致碳泄漏。在这种情况下，目的地城市的排放量会随着经济活动的增加而增加。为了测试处理溢出效应，并假设任何溢出更可能发生在与试点城市‘接近’的城市，首先从样本中排除地理上接近试点项目的城市。限制对照组只包括邻近城市，在存在处理溢出的情况下，后一组结果应该比前一组更不显著。此外，为了控制可能的泄漏效应，使用人均GDP作为结果进行测试，以识别经济泄漏。结果如表7，这与溢出效应更可能发生在邻近城市的想法一致。总体而言，本文放弃了认为溢出效应或碳泄漏驱动基线结果微不足道的假设。

4.2稳健性检验

在承认了本文的识别策略可能面临的挑战并发现它们不会使本文的方法无效之后，本文现在开始讨论本文的结果对数据中几种可能变化的稳健性。

首先，本文确保主要结果不是由用于构建主要规范中的合成控制的一组预测器驱动的。接下来，本文用不同的预测器集重复估计，从只匹配结果开始。然后，本文一次扩展一个变量的预测集，直到使用所有可用变量。完整的预测变量集包括两个原始结果变量：人均GDP、工业化率、社会固定资产投资、工业SO2排放、就业和科技支出。如果结果没有实质性变化，本文可以得出结论，预测因子的选择并没有驱动本文的SCM结果。

表8和图5给出了本文对不同预测因子集的敏感性分析结果。本文发现，包括或排除预测因子只会略微改变点估计，并且没有估计接近显著。总体来说，结果在预测集上是非常稳健的。

接下来，探讨了LCCP前两轮可能被表3的交错DID分析隐藏的差异效应。本文对每一轮分别进行了分析，结果显示与基线结果一致。表9中的A组和B组显示，LCCP在第一轮对两种结果都没有显著影响，在第二轮对GDP单位碳强度也没有显著影响，但第二轮人均排放量的系数较大且边际显著（P值为0.085）。这些结果表明LCCP在中短期内的好处相当温和，可能需要更长时间才能实现。但随着时间的推移，反事实可能变得不太令人信服，类似于违反了SUTVA。

进一步的稳健性测试包括区分市级和省级治疗的城市（表10），不同收入水平城市的结果（图6），以及不同地区的异质影响（图7）。这些测试结果均表明，LCCP对碳强度没有显著影响。图8为资源型城市与非资源型城市的表现差异测试，也表明LCCP没有显著影响。

县级二氧化碳排放清单可能是有问题的，因为它们是从基于夜间灯光数据的省级碳排放估算值向下缩放至县级。夜间灯光数据只能直接代理用于照明的电力使用，而任何其他外推（到经济活动水平或总体能源需求和碳排放）充其量是一种嘈杂的过程。一种替代方案，即使用IPCC指南和中国调查研究中更新的排放因子编制的基于消费的二氧化碳排放估算。使用替代排放数据（表11和图9、表12）进行的敏感性分析进一步支持本文的主要结果，即LCCP对处理城市的影响可以忽略不计。

05

讨论与部门分析

本节探讨了LCCP可能的“示范”效应，尤其是对投资活动的影响。本文使用“科技投资”和“社会固定资本投资”作为代理变量。表13显示，本文没有证据表明LCCP城市比其他城市投资更多，至少在整体水平上如此。一个可能的解释是，低碳投资可能挤出了其他类型的投资，使总量保持不变。本文没有分类投资数据来验证这一点，但通过行业排放的变化可以推断低碳结构的变化。如果有哪个行业在LCCP城市比对照城市更环保，本文应该观察到各个行业CO2排放模式的变化。类似地，任何经济活动的绿化都应该通过燃料转换被标记出来，例如在制造业中从煤炭转向天然气，或者在交通运输部门减少石油消耗。

本文使用IPCC方法构建的数据进行了部门分析。表14总结了按燃料分列的LCCP对每个更广泛部门CO2排放影响的合成控制结果。结果显示，LCCP没有带来显著的低碳转型。LCCP试点城市设定的目标类型出乎意料地一致。图10显示了11个城市的部门目标分布，这些城市大多设定了促进服务业、使公共交通系统脱碳、促进低碳建设和引入绿色能源的目标。表15提供了更集中分析的结果，显示即使在设定了明确目标的行业，LCCP对中国各行业的排放也没有显著影响，唯一的例外是服务部门的天然气使用情况显著增加，可能表明燃料向更清洁的燃料转移。

本文的分析显示，LCCP对处理城市的碳排放在总水平和行业水平上都没有显著影响。本文还检查了LCCP是否增加了被处理城市的生产成本，通过就业水平和GDP来间接评估这些成本。表16显示，无论是整个样本还是发布在线议程的城市，本文都找不到LCCP对被处理城市有任何显著影响的证据。

06

结论

本文评估了中国的低碳城市试点计划（LCCP）的有效性。研究发现，第一，LCCP未能显著减少人均碳排放量或降低GDP的碳强度，这与现有文献的积极结论相反。这可能与政策执行力度不足、目标设定的同质性以及投资行为未发生预期变化有关。通过更严谨的识别策略和稳健性检验，本文控制了碳交易试点和国家规划中的混杂因素，确保了分析的可信度。第二，LCCP未能显著降低处理城市的碳排放，甚至在其设定明确目标的部门中也是如此，这表明政策可能未能有效引导行业和企业向低碳方向转型。第三，尽管LCCP旨在引导低碳转型，但未能增加物质资本或科技投资，也没有显著影响经济活动或就业水平。行业层面的分析也显示，LCCP未对碳排放产生显著影响。LCCP作为自愿计划，缺乏明确的目标、经济激励工具和执行机制，这可能是其未能成功的原因。

本文的研究表明，有效的环境政策需要设定透明且可量化的目标，更深入理解地方经济特点和行业动态，提供经济激励，并确保执行机制的可信性。这些要素对于新兴经济体的气候政策成功至关重要。

附录A使用IPCC指南的排放清单

近期的研究指出，IPCC的方法计算的CO2排放量，默认排放因子比中国实际值高40%。大多数研究未考虑工业过程中的CO2排放。2016年中国总排放量的7.6%源于工业过程。为准确评估城市碳排放，需使用修订的排放因子并包括过程排放。本文遵循单玉丽等人（2017）的方法，使用更新的排放因子计算各城市的CO2排放量，并从城市统计年鉴获取数据，将总排放量分解为不同化石燃料、社会经济部门和水泥生产的排放。

二氧化碳排放量的计算公式如下：

水泥生产所导致的二氧化碳排放量可表示为：

Abstract 

In this paper, we assess the effectiveness of early climate policy in emerging economies by causally evaluating the impact of China’s Low-carbon City Pilot (LCCP) on city-level per-capita CO2 emissions and CO2 intensity of GDP over the period 2003–2017. The idiosyncrasies of the policy design pose significant challenges for causal identification, which we overcome within a synthetic control framework. Contrary to previous contributions, our results suggest that the LCCP had no significant impact on either carbon emissions or intensity. The main takeaway of our empirical investigation is that even in emerging economies, effective environmental policy requires transparent, quantifiable targets, and credible enforcement.

声明：推文仅代表文章原作者观点，以及推文作者的评论观点，并不代表香樟经济学术圈公众号平台的观点。