“藍(lán)天保衛(wèi)戰(zhàn)”如何影響減污降碳協(xié)同度？

摘要 2018年實施的《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動計劃》（以下簡稱“藍(lán)天保衛(wèi)戰(zhàn)”）首次在政策目標(biāo)中提出“污染物與溫室氣體協(xié)同控制”，但鮮有文獻(xiàn)探究該政策的減污降碳協(xié)同控制效果。該研究基于中國2015—2021年265個地級市數(shù)據(jù)，首先構(gòu)建減污降碳協(xié)同度指標(biāo)，其次運用雙重差分法考察“藍(lán)天保衛(wèi)戰(zhàn)”對減污降碳協(xié)同度的影響及其在不同資源類型城市中的異質(zhì)性，最后從產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)、運輸結(jié)構(gòu)以及用地結(jié)構(gòu)4個維度分析該政策的作用機制。研究結(jié)果表明：①“藍(lán)天保衛(wèi)戰(zhàn)”顯著提高了“PM2. 5-O3”“煙粉塵（SD）-CO2”以及“NOX-CO2”的協(xié)同度，但對“SO2-CO2”協(xié)同度的影響不明顯，說明SO2和CO2的減排聯(lián)動性較低。這一結(jié)論也體現(xiàn)在非資源型城市中，而資源型城市僅“PM2. 5-O3”協(xié)同度顯著提升。②能源結(jié)構(gòu)調(diào)整是“藍(lán)天保衛(wèi)戰(zhàn)”實現(xiàn)政策效果的主要傳導(dǎo)機制，其中非資源型城市的能源結(jié)構(gòu)優(yōu)化幅度相對更大；而產(chǎn)業(yè)結(jié)構(gòu)、運輸結(jié)構(gòu)和用地結(jié)構(gòu)并未構(gòu)成政策提高減污降碳協(xié)同度的傳導(dǎo)機制，資源型城市的產(chǎn)業(yè)結(jié)構(gòu)和運輸結(jié)構(gòu)調(diào)整進(jìn)程較慢是可能的原因之一。③擴(kuò)展性分析表明，“藍(lán)天保衛(wèi)戰(zhàn)”也具有顯著的單邊減污效應(yīng)和降碳效應(yīng)，但單邊評估結(jié)果難以反映污染物與溫室氣體的減排同向性。另外，“藍(lán)天保衛(wèi)戰(zhàn)”對空氣質(zhì)量指數(shù)和逆溫天數(shù)也有顯著提高，有效推動了環(huán)境污染和氣候變化的雙重治理。基于上述結(jié)論提出，應(yīng)增加減污降碳協(xié)同度指標(biāo)作為環(huán)境政策效果評估依據(jù)，未來仍應(yīng)繼續(xù)加強產(chǎn)業(yè)結(jié)構(gòu)、運輸結(jié)構(gòu)和用地結(jié)構(gòu)的優(yōu)化力度，結(jié)合城市資源類型出臺更有靶向性的藍(lán)天保衛(wèi)戰(zhàn)相關(guān)政策。

關(guān)鍵詞 藍(lán)天保衛(wèi)戰(zhàn)；減污降碳協(xié)同度；雙重差分

中圖分類號 X-01；X511 文獻(xiàn)標(biāo)志碼 A 文章編號 1002-2104（2024）07-0066-10 DOI：10. 12062/cpre. 20240303

聯(lián)合國政府間氣候變化專門委員會（IPCC）第六次評估報告表明，1850—2019年歷史累計凈CO2 排放量占全球2 ℃溫升情景碳預(yù)算的2/3［1］。國際能源署數(shù)據(jù)顯示，中國的溫室氣體排放總量位居世界首位，2021 年達(dá)到128. 61億t CO2 當(dāng)量，約占全球總排放量的31. 5%，碳減排任務(wù)十分艱巨。以CO2為主的溫室氣體和各類污染物（尤其是大氣污染物）有著“同根同源同過程”的特點，決定了減污和降碳需要協(xié)同控制［2］。生態(tài)環(huán)境部聯(lián)合七部委于2022 年6 月印發(fā)了《減污降碳協(xié)同增效實施方案》（以下簡稱《方案》），進(jìn)一步強調(diào)了減污降碳協(xié)同控制的重要性。中國具有實現(xiàn)美麗中國與“雙碳”目標(biāo)的雙重壓力，減污降碳協(xié)同控制是實現(xiàn)經(jīng)濟(jì)社會綠色轉(zhuǎn)型的必然選擇。2018年實施的《打贏藍(lán)天保衛(wèi)戰(zhàn)三年行動計劃》（以下簡稱“藍(lán)天保衛(wèi)戰(zhàn)”）首次在政策目標(biāo)中加入了“污染物與溫室氣體協(xié)同控制”的要求。不過，大氣污染物和溫室氣體均具有多種類別，加之“藍(lán)天保衛(wèi)戰(zhàn)”政策條目較多，各城市在執(zhí)行政策時是否做到了減污和降碳的統(tǒng)籌兼顧，尚未可知。本研究將建立減污降碳協(xié)同度指標(biāo)，剖析“藍(lán)天保衛(wèi)戰(zhàn)”對減污降碳協(xié)同度的影響。

本研究的貢獻(xiàn)主要有：第一，根據(jù)污染物和溫室氣體的不同種類和特性建立了4個減污降碳協(xié)同度指標(biāo)，拓展了減污降碳協(xié)同度的外延，打破了已有研究將減污效應(yīng)和降碳效應(yīng)單獨分析的割裂狀態(tài)。目前學(xué)術(shù)界對“減污降碳協(xié)同度”指標(biāo)的衡量尚沒有定論，本研究基于CO2和O3 兩種溫室氣體，構(gòu)建了1 個基于濃度的協(xié)同度指標(biāo)（“PM2. 5-O3”）和3個基于排放量的協(xié)同度指標(biāo)（“煙粉塵（SD）-CO2”“SO2-CO2”以及“NOX-CO2”），響應(yīng)了《方案》中減污降碳協(xié)同度指標(biāo)的構(gòu)建需求。第二，從全國城市層面考察了“藍(lán)天保衛(wèi)戰(zhàn)”對減污降碳協(xié)同度的影響情況，補充了“藍(lán)天保衛(wèi)戰(zhàn)”政策目標(biāo)評估的研究。已有研究對“藍(lán)天保衛(wèi)戰(zhàn)”的政策目標(biāo)評估不完全，或者只是分析政策對某一具體城市的減污降碳效果，缺乏全國層面的系統(tǒng)分析。第三，在探討產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)、運輸結(jié)構(gòu)和用地結(jié)構(gòu)的傳導(dǎo)機制基礎(chǔ)上，進(jìn)一步利用三重差分模型甄別出4類結(jié)構(gòu)在不同資源類型城市中的效果差異，彌補了環(huán)境政策傳導(dǎo)機制的差異性分析。

1 文獻(xiàn)綜述

發(fā)達(dá)國家在減污降碳協(xié)同治理方面形成了一些有效經(jīng)驗，英國、美國、法國、德國和意大利于21世紀(jì)初期已經(jīng)完成了“碳硫雙增→碳增硫減→協(xié)同防控”3 個治理階段［3］。不同于此，中國由于環(huán)境政策的實施時間相對較晚，在減污降碳上幾乎處于“分而治之”的階段［3］。2018年之前，中國環(huán)境政策的目標(biāo)以減污為主。2018年開始，應(yīng)對氣候變化職能被調(diào)整至生態(tài)環(huán)境部，建立了減污降碳協(xié)同治理的組織基礎(chǔ)，推動行政規(guī)制型、市場經(jīng)濟(jì)型和社會參與型3類環(huán)境政策朝著減污降碳協(xié)同控制方向改進(jìn)。

大量文獻(xiàn)得出多數(shù)環(huán)境政策具有顯著的減污降碳效果，但幾乎都是將減污效應(yīng)和降碳效應(yīng)單獨分析。行政規(guī)制政策中，羅知等［4］、楊斯悅等［5］和陳林等［6］證實了《大氣污染防治行動計劃》顯著改善了空氣質(zhì)量，但O3濃度不降反升；“藍(lán)天保衛(wèi)戰(zhàn)”顯著改善了空氣質(zhì)量［7］，并且在唐山市取得了較好的大氣污染物和溫室氣體協(xié)同控制效果［8］ ；區(qū)域聯(lián)防聯(lián)控政策既促進(jìn)了工業(yè)SO2的減排，又顯著擴(kuò)大了企業(yè)生產(chǎn)規(guī)模，一定程度上實現(xiàn)了經(jīng)濟(jì)和環(huán)境的雙贏［9］；“生態(tài)文明先行示范區(qū)”政策顯著提高了經(jīng)濟(jì)效益產(chǎn)出與資源環(huán)境投入比［10］。市場經(jīng)濟(jì)政策中，碳交易試點政策［11-13］以及用能權(quán)交易政策［14］均能夠?qū)崿F(xiàn)污染物和CO2排放的減少，開征環(huán)境保護(hù)稅也可以降低CO2和污染物的排放［15］。社會參與型政策中，公眾對環(huán)境的信訪、人大代表建議及政協(xié)委員提案被證明能夠促進(jìn)污染物減排［16-17］。鄭石明［18］研究發(fā)現(xiàn)，“三同時”制度、排污費制度以及環(huán)境信訪制度均顯著改善了環(huán)境質(zhì)量。

也有一部分文獻(xiàn)從污染物與溫室氣體的協(xié)同控制視角入手，建立了減污降碳協(xié)同控制評價方法或指標(biāo)體系，但多適用于案例分析。毛顯強等［19］提出了污染物減排量交叉彈性方法來反映鋼鐵行業(yè)的減污降碳協(xié)同控制程度，而后交通行業(yè)和固廢管理領(lǐng)域都有該方法的相關(guān)應(yīng)用［20-21］。楊儒浦等［22］運用層次分析法開發(fā)了工業(yè)園區(qū)減污降碳協(xié)同發(fā)展指數(shù)，并評價了包頭市稀土高新區(qū)的減污降碳進(jìn)展。

另有部分文獻(xiàn)聚焦于分析環(huán)境政策效果的影響機制和效果差異。“生態(tài)文明先行示范區(qū)”、低碳城市試點、排污權(quán)交易等環(huán)境政策主要是通過優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、驅(qū)動技術(shù)創(chuàng)新［10］以及調(diào)整經(jīng)濟(jì)結(jié)構(gòu)［23］等路徑來實現(xiàn)減排效果，也有研究表示產(chǎn)業(yè)結(jié)構(gòu)沒有促進(jìn)資源型可持續(xù)發(fā)展政策降低碳減排［24］。另外，環(huán)境政策的減排效應(yīng)在不同情境下，其作用可能是不同的。Du等［ 25］表示，環(huán)境法規(guī)具有污染物和溫室氣體的減排效應(yīng)，但減排效應(yīng)會受到企業(yè)能源結(jié)構(gòu)和消費的影響。薛飛等［14］發(fā)現(xiàn)，用能權(quán)交易制度的政策效果強弱是由實施地的節(jié)能潛力高低決定的。徐維祥等［26］得出資源型城市轉(zhuǎn)型具有顯著碳減排效應(yīng)，但此效應(yīng)在不同資源類型、不同發(fā)展階段和不同空間區(qū)位具有異質(zhì)性。

現(xiàn)有研究在量化環(huán)境政策的減污降碳效應(yīng)等方面取得豐富成果，但仍有3點有待深入挖掘。①已有文獻(xiàn)大多將減污效應(yīng)和降碳效應(yīng)獨立研究，構(gòu)建起二者之間“橋梁”（即減污降碳協(xié)同度）的相關(guān)研究較少，而且沒有直觀體現(xiàn)污染物和溫室氣體的減排同向性。②研究“藍(lán)天保衛(wèi)戰(zhàn)”政策的已有文獻(xiàn)要么僅評估其減污效果，要么僅以案例研究形式分析個別城市的減污降碳協(xié)同控制情況，對于“藍(lán)天保衛(wèi)戰(zhàn)”政策是否在全國城市范圍內(nèi)提高了減污降碳協(xié)同度，尚未有足夠關(guān)注。③多數(shù)文獻(xiàn)往往忽視了不同情景下政策作用機制的差異，不利于避免政策執(zhí)行的“一刀切”問題。因此，本研究首先建立減污降碳協(xié)同度指標(biāo)，繼而探究“藍(lán)天保衛(wèi)戰(zhàn)”對減污降碳協(xié)同度的影響效果以及在不同資源類型城市的作用機制差異，為優(yōu)化“藍(lán)天保衛(wèi)戰(zhàn)”政策的細(xì)化措施提供科學(xué)依據(jù)。

2 影響機理分析

大氣污染與氣候變化存在內(nèi)在聯(lián)系，工業(yè)、交通、民用以及農(nóng)牧業(yè)等均是污染物和溫室氣體的來源。除了具有相同的來源，大氣污染物與溫室氣體還存在相互影響和一定轉(zhuǎn)化關(guān)系，具體如圖1所示。

由圖1可知，NOX、VOCs以及CO可在大氣中發(fā)生光化學(xué)反應(yīng)生成O3；PM濃度的下降會導(dǎo)致羥基（OH）含量上升，從而加劇O3的形成，同時O3的氧化性又驅(qū)動了二次顆粒物的生成。

作為大氣污染物，O3同時也是溫室氣體。與CO2在大氣中存留的時間可高達(dá)200年不同，O3屬于短期氣候強迫因子，在大氣中僅存留數(shù)周，且其與NOX和VOCs等具有顯著的非線性關(guān)系［1］，并與顆粒物可相互影響和轉(zhuǎn)化。因此，PM2. 5和O3的協(xié)同控制可在短期內(nèi)起到緩解氣候變化和提高空氣質(zhì)量的作用。

除了短期維度，大氣污染物和CO2能否同時減排關(guān)系到長期維度上的減污降碳協(xié)同效果。CO2的清除過程非常緩慢，有一半以上可以在100年內(nèi)從大氣中清除，還有約20%的CO2 會在大氣中存留數(shù)千年［27］，故碳減排過程是漫長且復(fù)雜的，只有驅(qū)動大氣污染物和CO2同時減排，減少污染物之間的二次轉(zhuǎn)化，才可能從最大程度上保障碳減排效果。根據(jù)中國污染物排放清單［28］，可知中國SO2的主要排放部門是電力和高耗能制造業(yè)，NOX的主要排放部門為電力、高耗能制造業(yè)和交通（電力部門僅占約1/3），煙粉塵的排放部門主要是高耗能制造業(yè)和生活民用部門。因此，有必要構(gòu)建不同種類的大氣污染物和CO2的協(xié)同度指標(biāo)，以清晰把握各個部門的減污降碳協(xié)同治理進(jìn)展和效果差異。

“藍(lán)天保衛(wèi)戰(zhàn)”是中國近年來針對大氣污染實施的一項重大行動，通過調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)、運輸結(jié)構(gòu)和用地結(jié)構(gòu)等措施，減少大氣污染物和溫室氣體排放。其中：①產(chǎn)業(yè)結(jié)構(gòu)調(diào)整是指通過改變不同產(chǎn)業(yè)在總體經(jīng)濟(jì)中的比重，以實現(xiàn)經(jīng)濟(jì)發(fā)展的戰(zhàn)略轉(zhuǎn)型。工業(yè)是城市主要的污染排放源之一，在“藍(lán)天保衛(wèi)戰(zhàn)”政策要求下，城市建成區(qū)重污染企業(yè)搬遷改造或關(guān)閉退出的進(jìn)程加快。通過拆除、轉(zhuǎn)移或整合產(chǎn)能過剩和重污染的產(chǎn)業(yè)，有利于優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，削減大氣污染物和溫室氣體排放的源頭。②能源結(jié)構(gòu)調(diào)整是指改變地區(qū)所使用的能源種類和比重，減少煤炭消耗占比，從而使得大氣污染物與CO2大幅減排?！八{(lán)天保衛(wèi)戰(zhàn)”政策下，“煤改氣”和“煤改電”的升級改造、煤炭消費總量控制以及大力發(fā)展清潔能源是調(diào)整能源結(jié)構(gòu)的主要舉措。通過“氣代煤”，可以有效減少大氣污染物的排放，特別是PM2. 5等細(xì)顆粒物。發(fā)展清潔能源，有利于減少煤炭的使用。③運輸結(jié)構(gòu)調(diào)整是指通過改變地區(qū)交通運輸方式的比例減少道路交通污染。大型貨車和私家車是VOCs、NOx以及煙粉塵的主要排放源之一，在“藍(lán)天保衛(wèi)戰(zhàn)”政策實施下，優(yōu)化貨物運輸結(jié)構(gòu)、升級車船結(jié)構(gòu)和油品質(zhì)量以及大力淘汰老舊車輛等措施有助于促進(jìn)公共交通和新能源汽車的發(fā)展，降低大氣污染物和溫室氣體的排放。④用地結(jié)構(gòu)調(diào)整是指改善地區(qū)土地資源的利用情況，從而減少大氣污染。相關(guān)措施主要包括防風(fēng)固沙綠化、推進(jìn)露天礦山綜合整治和加強揚塵綜合治理等，這可以限制高污染企業(yè)新增“兩高”項目，從而減緩碳排放和大氣污染。

通過上述分析，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、能源結(jié)構(gòu)調(diào)整、運輸結(jié)構(gòu)調(diào)整和用地結(jié)構(gòu)調(diào)整是“藍(lán)天保衛(wèi)戰(zhàn)”政策的重點導(dǎo)向，各地政府對4類結(jié)構(gòu)的優(yōu)化程度決定了“藍(lán)天保衛(wèi)戰(zhàn)”政策能否提高減污降碳協(xié)同度。不過，各城市除了在政策執(zhí)行力方面存在差異，也在減污降碳的“起點”上存在不同。中國自然資源分布不均，對于資源稟賦不同的城市，其減污降碳協(xié)同度的提升空間是不同的?！八{(lán)天保衛(wèi)戰(zhàn)”政策針對的重點區(qū)域中，地級及以上城市共81個，其中包括33個資源型城市和48個非資源型城市。資源型城市的重工業(yè)規(guī)模往往較大，減排難度較大，政策收效的時間也會較長；非資源型城市的政策執(zhí)行難度可能相對較小，但污染物排放來源更為多元，對減排措施綜合實施的要求更高。所以此處不提出“藍(lán)天保衛(wèi)戰(zhàn)”如何影響減污降碳協(xié)同度的一般性研究假設(shè)，而是以探索性的方式開展研究，檢驗“藍(lán)天保衛(wèi)戰(zhàn)”的政策效果及其在不同資源類型城市中的異質(zhì)性。

3 模型構(gòu)建與變量說明

3. 1 模型構(gòu)建

為估計“藍(lán)天保衛(wèi)戰(zhàn)”政策對減污降碳協(xié)同度的影響，構(gòu)建雙重差分基本模型，如（1）所示。

Yit = γ + ρTreati × Aftert +Σk = 18γkControlit + μi + υt + εit （1）

其中：Yit 代表被解釋變量，包括“PM2. 5-O3”協(xié)同度、“煙粉塵（SD）-CO2”協(xié)同度、“SO2-CO2”協(xié)同度以及“NOXCO2”協(xié)同度共4個變量；Controlit代表控制變量；μi和υt分別為個體固定效應(yīng)和時間固定效應(yīng)；εit為隨機干擾項。

3. 2 變量說明

（1）被解釋變量：減污降碳協(xié)同度。包括“PM2. 5-O3”“SD-CO2”“SO2-CO2”和“NOX-CO2”4類協(xié)同度指標(biāo)，分別以POXT、DCXT、SCXT 和NCXT 表示。本研究在毛顯強等［29］提出的污染物減排量交叉彈性的基礎(chǔ)上進(jìn)一步根據(jù)污染物和溫室氣體的減排同向性將減污降碳協(xié)同度分為3個等級，分別賦值為-1，0和1，取值越大，代表減污降碳協(xié)同度越高。與前期成果Gao等［30］不同的是，本研究進(jìn)一步增加了基于濃度的“PM2. 5-O3”協(xié)同度以及基于排放量的“NOXCO2”協(xié)同度。具體賦值過程如式（2）—式（6）所示。

其中：ΔP代表城市當(dāng)年年均PM2. 5濃度減去上一年度年均PM2. 5濃度的差值，P 代表上一年度年均PM2. 5濃度；ΔGG1 代表城市當(dāng)年年均O3濃度減去上一年度年均O3濃度的差值，GG1 代表上一年度年均O3濃度。類似地，ΔD代表城市當(dāng)年年均煙粉塵（SD）排放量減去上一年度SD排放量的差值，ΔS 代表城市當(dāng)年年均SO2排放量減去上一年度SO2排放量的差值，ΔN代表城市當(dāng)年年均NOX排放量減去上一年度NOX排放量的差值，ΔGG2 代表城市當(dāng)年年均CO2 排放量減去上一年度CO2 排放量的差值。由式（6），POXT 的賦值方法為：若“PM2. 5-O3”濃度降低率取值大于0且分子分母都為正數(shù)，則說明城市當(dāng)年P(guān)M2. 5和O3的濃度同向增加，此時令POXT 取值為-1；若“PM2. 5-O3”降低率取值小于0，即分子分母一正一負(fù)（包含0），則說明城市當(dāng)年最多只存在一方濃度的降低，協(xié)同效應(yīng)不甚理想，但較之同向增加有好轉(zhuǎn)，此時令POXT 取值為0；若“PM2. 5-O3”濃度降低率取值大于0且分子分母都為負(fù)數(shù)，則說明PM2. 5和O3 的濃度實現(xiàn)了同向降低，此時令POXT 取值為1。DCXT、SCXT 以及NCXT 的賦值方法同POXT。

對于城市CO2 排放量的衡量，本研究參考吳建新等［31］的核算方法，以城市當(dāng)年的全社會用電、天然氣、液化石油氣和熱能消耗量分別乘以其對應(yīng)的碳排放因子，相加得到總的碳排放量。測算公式如（7）所示。

UC = αEe + βEg + χEp + δEh （7）

其中：UC 代表城市CO2排放量，Ee 代表城市當(dāng)年的全社會用電量，Eg和Ep分別代表城市當(dāng)年的天然氣和液化石油氣供氣總量，Eh 代表城市蒸汽和熱水兩部分總的供熱總量。α 代表電網(wǎng)基準(zhǔn)線平均排放因子；β 代表天然氣的碳排放系數(shù)2. 162 2 kg／m3；χ 為液化石油氣的碳排放系數(shù)3. 101 3 kg／kg；δ為供熱總量的碳排放系數(shù)0. 063 6萬t/GJ（首先將供熱量轉(zhuǎn)化為原煤消耗量，再乘以原煤的碳排放系數(shù)而得）。電網(wǎng)基準(zhǔn)線平均排放因子數(shù)據(jù)來自生態(tài)環(huán)境部每年公布的華北、東北、華東、華中、西北和南方6大區(qū)域電網(wǎng)的基準(zhǔn)線排放因子；天然氣和液化石油氣的碳排放系數(shù)均來自2011 年發(fā)布的《省級溫室氣體清單編制指南（試行）》。

（2）核心解釋變量：政策虛擬變量與時間虛擬變量的交乘項Treat×After。Treat 為政策虛擬變量，若該城市屬于“藍(lán)天保衛(wèi)戰(zhàn)”政策實施的重點區(qū)域（即實驗組），則記為1，對照組記為0；After 為時間虛擬變量，2018年及之后記為1，2018年之前記為0。

（3）機制變量：①產(chǎn)業(yè)結(jié)構(gòu)調(diào)整方面，選取產(chǎn)業(yè)結(jié)構(gòu)高級化（TS）和產(chǎn)業(yè)結(jié)構(gòu)合理化（THEIL）衡量。根據(jù)干春暉等［32］，產(chǎn)業(yè)結(jié)構(gòu)高級化（TS）以城市第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值的比值測度，產(chǎn)業(yè)結(jié)構(gòu)合理化（THEIL）用泰爾指數(shù)衡量，泰爾指數(shù)越接近0，表示產(chǎn)業(yè)結(jié)構(gòu)越合理。②能源結(jié)構(gòu)調(diào)整方面，選取煤炭消費量（LNC）和能源利用效率（ESRATE）。城市煤炭消費量是以夜間燈光數(shù)據(jù)將省級煤炭消費量分解到地級市層面獲得［33］。能源利用效率（ESRATE）以能源消耗量與實際GDP的比值的倒數(shù)衡量。③運輸結(jié)構(gòu)調(diào)整方面，選取城市公路貨運量（LN?ROAD）和省級層面的鐵路貨運量（LNRAIL）?！八{(lán)天保衛(wèi)戰(zhàn)”政策實施下，加快貨物運輸“公轉(zhuǎn)鐵”和“公轉(zhuǎn)水”是調(diào)整運輸結(jié)構(gòu)的關(guān)鍵所在。④用地結(jié)構(gòu)調(diào)整方面，選取城市建成區(qū)綠化覆蓋率（GRATIO）和機械化清掃率（MLE）共同衡量。綠化覆蓋率體現(xiàn)了城市防風(fēng)固沙綠化工程的治理成果，機械化清掃率是城市治理揚塵污染的主要手段。

（4）控制變量：參考相關(guān)研究［34-35］，還需控制：①經(jīng)濟(jì)發(fā)展水平（LNPGDP），對數(shù)化后的城市人均生產(chǎn)總值。②環(huán)境處罰（LNPU），城市當(dāng)年環(huán)境行政處罰案件數(shù)量的對數(shù)值。③政府干預(yù)程度（GOV），城市財政支出占生產(chǎn)總值的比重。④環(huán)境關(guān)注度（ER），參考張家豪等［36］，用地級市政府工作報告中與環(huán)境保護(hù)相關(guān)的詞頻占比衡量。⑤綠色創(chuàng)新能力（GI），城市當(dāng)年獲得的綠色發(fā)明專利占地區(qū)獲得專利總數(shù)的比重。⑥日照時數(shù)（LNSUN），城市年均日照時數(shù)的對數(shù)值。⑦風(fēng)力（WIND），城市年均風(fēng)力級數(shù)。⑧降水量（LNRAIN），城市年均降水量的對數(shù)值。

3. 3 數(shù)據(jù)來源與描述性統(tǒng)計

選取2015—2021年中國265個地級及以上城市為研究樣本（未涉及東莞、中山、臨滄、麗水、伊春、呂梁、平頂山、廣安、拉薩、普洱、榆林、畢節(jié)、濮陽、焦作、綏化、舟山、運城、欽州、銅仁、雅安和馬鞍山等地區(qū)），主要數(shù)據(jù)來自《中國城市統(tǒng)計年鑒》《中國城市建設(shè)統(tǒng)計年鑒》。其他還有：城市2020—2021年全社會用電數(shù)據(jù)來自草莓科研服務(wù)網(wǎng)（https：//www. caomeikeyan. com/）；PM2. 5 和O3 的濃度值來自中國空氣質(zhì)量在線監(jiān)測分析平臺（https：//www. aqistudy.cn/historydata/）；夜間燈光數(shù)據(jù)來自美國國家海洋和大氣管理局（NOAA）；環(huán)境處罰數(shù)據(jù)來自北大法寶網(wǎng)中“法律檢索”模塊（https：//www. pkulaw. com/）；地市級政府工作報告環(huán)境類詞頻數(shù)據(jù)來自百度指數(shù)；綠色發(fā)明專利數(shù)據(jù)來自國家知識產(chǎn)權(quán)局（https：//www. cnipa. gov. cn/）；日照時數(shù)、風(fēng)力和降水量數(shù)據(jù)來自國家氣象科學(xué)數(shù)據(jù)中心（https：//data. cma. cn/）。

以“藍(lán)天保衛(wèi)戰(zhàn)”政策實施的重點區(qū)域（京津冀及周邊地區(qū)、長三角地區(qū)和汾渭平原）為實驗組，非重點區(qū)域內(nèi)的城市為對照組，研究樣本包括72 個實驗組城市和193個對照組城市。所有變量的描述性統(tǒng)計見表1。樣本量總數(shù)為1 855，POXT、DCXT、SCXT 和NCXT 的均值分別為0. 218、0. 105、0. 175以及0. 099，可以看出，“PM2. 5-O3”的平均協(xié)同度較其他3 種更高些。再者，POXT、DCXT、SCXT 和NCXT 的中位數(shù)均為0，75分位數(shù)均為1，這表示，對于每一類減污降碳協(xié)同度，僅有約25%的樣本達(dá)到了污染物和溫室氣體同向減排（下降），約75%的城市還存在較大的減污降碳協(xié)同度提升空間。

4 實證結(jié)果與分析

4. 1 基本回歸結(jié)果

基于模型（1），“藍(lán)天保衛(wèi)戰(zhàn)”政策對減污降碳協(xié)同度的基本回歸結(jié)果見表2。

由表2可知，Treat×After 對POXT、DCXT 和NCXT 的影響均顯著為正，回歸系數(shù)分別為0. 300（P<0. 01）、0. 126（P<0. 05）和0. 136（P<0. 05），而對SCXT 無顯著影響。這表明，“ 藍(lán)天保衛(wèi)戰(zhàn)”政策顯著提高了“PM2. 5-O3”“SDCO2”以及“NOX-CO2”的協(xié)同度，而SO2和CO2的協(xié)同度沒有明顯提升。減污降碳協(xié)同度反映的是污染物和溫室氣體的減排（下降）同向性，折射出減排措施的協(xié)同實施情況。如果各城市在部署減污降碳工作時出現(xiàn)“污染高的時候?qū)ｉT減污”或者“碳排放高的時候?qū)ｉT減碳”現(xiàn)象，那就會造成減污和降碳措施的割裂和脫節(jié)，降低了協(xié)同減排效率。“藍(lán)天保衛(wèi)戰(zhàn)”是一項綜合性政策，突出特點就是更注重源頭治理而非簡單割裂的末端控制，源頭治理方法對應(yīng)污染物和溫室氣體的“同根同源”性，有利于同時減少污染物和溫室氣體，提高減污降碳協(xié)同度。從回歸結(jié)果看，政策實施后的3年時間里，實驗組城市總體上做到了PM2. 5和O3濃度的同向降低，做到了煙粉塵和CO2的同向減排，也在NOX和CO2的同向減排上取得了較好的成果，但在SO2和CO2的同向減排上收效不明顯?？赡艿脑蚴?，根據(jù)《中國大氣污染防治回顧與展望報告2018》，完成超低排放改造的燃煤電廠在2017年時就已占比71%，所以2018年“藍(lán)天保衛(wèi)戰(zhàn)”實施后，電力部門的污染物減排空間就已經(jīng)較小。因此比起CO2，SO2的減排基礎(chǔ)較好，故而在“SO2-CO2”協(xié)同度的提升過程中會存在不平衡現(xiàn)象，這是持續(xù)打好“藍(lán)天保衛(wèi)戰(zhàn)”的政策調(diào)整重點。

4. 2 穩(wěn)健性檢驗

采用平行趨勢檢驗、增加控制變量、安慰劑檢驗、PSM?DID檢驗以及排除同期其他因素影響5類（共7種）方法進(jìn)行穩(wěn)健性檢驗。其中：①平行趨勢檢驗采用事件研究法，引入各年度虛擬變量和政策變量Treat 的乘積回歸而得；②增加控制變量法采用在原有控制變量基礎(chǔ)上增加地方政府環(huán)境治理投資的對數(shù)值（LNEI）和該城市當(dāng)年擁有的屬于六大高污染行業(yè)的上市公司數(shù)量（CORPS），再次回歸而得；③安慰劑檢驗參考劉斌等［37］，采用隨機500 次抽樣虛構(gòu)處理組的方法進(jìn)行回歸；④PSM?DID檢驗采用卡尺匹配（卡尺標(biāo)準(zhǔn)為0. 25×傾向得分標(biāo)準(zhǔn)差=0. 046）后的樣本重新回歸；⑤為排除《大氣污染防治行動計劃》政策效果延續(xù)性影響，借鑒蔡興［7］，以珠三角地區(qū)的城市為實驗組，非重點區(qū)域城市為對照組，構(gòu)建新的政策虛擬變量Treat3，時間虛擬變量After 不變，得到新的核心解釋變量Treat3×After 重新回歸；⑥為排除同時期實施的《中華人民共和國環(huán)境保護(hù)稅法》政策影響，設(shè)置虛擬變量TAXDID（提高環(huán)保稅稅率的城市在2018年及之后時等于1，否則等于0），加入控制變量中重新回歸；⑦為排除2020年的外部因素沖擊，將2020年的數(shù)據(jù)刪去后重新回歸。結(jié)果發(fā)現(xiàn)，上述方法得到的結(jié)論均能證明表2回歸結(jié)果是穩(wěn)健的。由于篇幅所限，具體檢驗結(jié)果可聯(lián)系作者獲取。

4. 3 異質(zhì)性分析

考慮到“藍(lán)天保衛(wèi)戰(zhàn)”政策實施的重點區(qū)域包括33個資源型城市和48個非資源型城市，并且資源型城市和非資源型城市在產(chǎn)業(yè)結(jié)構(gòu)和能源消耗等方面存在明顯差異，減污降碳的進(jìn)步空間不同，因此有必要探索“藍(lán)天保衛(wèi)戰(zhàn)”對減污降碳協(xié)同度的政策效果在不同資源類型城市上的差異，為制定差異化環(huán)境政策提供啟示。

依據(jù)《全國資源型城市可持續(xù)發(fā)展規(guī)劃（2013—2020年）》，將樣本城市按照資源型城市和非資源型城市分組后分別雙重差分回歸，結(jié)果見表3。

由表3 可知，對于資源型城市樣本，Treat×After 對POXT 的回歸系數(shù)在1%的水平上顯著為正，對其他因變量的回歸系數(shù)不顯著。這表明，“藍(lán)天保衛(wèi)戰(zhàn)”政策顯著促進(jìn)了資源型城市PM2. 5濃度和O3濃度的同時下降，但沒有促進(jìn)其他大氣污染物與CO2排放量的同向下降。對于非資源型城市樣本，Treat×After 對POXT、DCXT 和NCXT的回歸系數(shù)均顯著為正，說明“藍(lán)天保衛(wèi)戰(zhàn)”政策顯著提高了非資源型城市的“PM2. 5-O3”“SD-CO2”和“NOX-CO2”協(xié)同度，政策效果在非資源型城市樣本中較好。

上述結(jié)果說明，在“藍(lán)天保衛(wèi)戰(zhàn)”政策實施下，比起非資源型城市，資源型城市減污降碳不平衡現(xiàn)象較為突出，可能的原因是資源型城市減排基數(shù)大，產(chǎn)業(yè)轉(zhuǎn)型周期長，大氣污染物和溫室氣體的源頭治理措施需要逐步落地，因此減污降碳協(xié)同度的提高在3年內(nèi)并不明顯。

4. 4 機制分析

產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、能源結(jié)構(gòu)調(diào)整、運輸結(jié)構(gòu)調(diào)整以及用地結(jié)構(gòu)調(diào)整是“藍(lán)天保衛(wèi)戰(zhàn)”政策的重點內(nèi)容，接下來探究4類結(jié)構(gòu)調(diào)整在“藍(lán)天保衛(wèi)戰(zhàn)”實施中的傳導(dǎo)機制作用（表4），并采用三重差分法考量作用機制在不同資源類型城市的差異性，回歸結(jié)果見表5。

由表4可知，Treat×After 對TS 的回歸系數(shù)顯著為負(fù)，對THEIL 的影響顯著為正，說明“藍(lán)天保衛(wèi)戰(zhàn)”顯著降低了產(chǎn)業(yè)結(jié)構(gòu)高級化水平和合理化水平，產(chǎn)業(yè)結(jié)構(gòu)并不是“藍(lán)天保衛(wèi)戰(zhàn)”實施3年以來的政策作用路徑。在能源結(jié)構(gòu)方面，Treat×After 對LNC 的回歸系數(shù)顯著為負(fù)（-0. 034，P<0. 05），對ESRATE 的影響顯著為正（2. 508，P<0. 05），這體現(xiàn)出，“藍(lán)天保衛(wèi)戰(zhàn)”顯著降低了城市煤炭消費量，并且顯著提升了能源利用效率，政策對能源結(jié)構(gòu)調(diào)整的效果十分明顯，是政策提高減污降碳協(xié)同度的關(guān)鍵路徑。在運輸結(jié)構(gòu)和用地結(jié)構(gòu)上，“藍(lán)天保衛(wèi)戰(zhàn)”政策顯著提高了公路貨運量（0. 065，P<0. 05），并顯著降低了鐵路貨運量（-0. 036，P<0. 01）；Treat×After 對GRATIO 和MLE 的回歸系數(shù)均顯著為負(fù)，即城市綠化覆蓋率和機械化清掃率均顯著降低。上述表示，“藍(lán)天保衛(wèi)戰(zhàn)”政策并未有效優(yōu)化運輸結(jié)構(gòu)和用地結(jié)構(gòu)，說明運輸結(jié)構(gòu)和用地結(jié)構(gòu)均不構(gòu)成政策提高減污降碳協(xié)同度的主要途徑。

綜上，“藍(lán)天保衛(wèi)戰(zhàn)”政策實施3年以來，能源結(jié)構(gòu)的調(diào)整是其提高減污降碳協(xié)同度的關(guān)鍵機制，而產(chǎn)業(yè)結(jié)構(gòu)、運輸結(jié)構(gòu)和用地結(jié)構(gòu)的傳導(dǎo)機制效果并不理想。

表5報告了引入資源類型（Type）的三重差分項后的機制效應(yīng)?？梢钥闯?，在Treat×After 對THEIL 的回歸系數(shù)顯著為正的基礎(chǔ)上，三重交互項Treat×After×Type 對THEIL 的回歸系數(shù)顯著為負(fù)。由于Type 為虛擬變量，屬于資源型城市記為1，否則為0，這表明，“藍(lán)天保衛(wèi)戰(zhàn)”政策實施后，與非資源型城市相比，資源型城市的THEIL 的提升幅度更大，即產(chǎn)業(yè)結(jié)構(gòu)變得不合理的幅度更大。在能源結(jié)構(gòu)方面，在Treat×After 對LNC 的回歸系數(shù)顯著為負(fù)的基礎(chǔ)上，三重交互項Treat×After×Type 對LNC 的回歸系數(shù)顯著為正，說明與資源型城市相比，非資源型城市的煤炭消費量的降低幅度更大；Treat×After×Type 對ESRATE 的回歸系數(shù)不顯著，表示資源型城市與非資源型城市在能源利用效率的提高幅度上相差不大。在運輸結(jié)構(gòu)方面，Treat×After×Type 對LNRAIL 的回歸系數(shù)顯著為負(fù)，說明與非資源型城市相比，資源型城市的鐵路貨運量的降低幅度更大。在用地結(jié)構(gòu)方面，Treat×After×Type 對GRATIO 和MLE 的回歸系數(shù)均不顯著，說明資源型城市與非資源型城市不存在顯著差異。

綜上所述，“藍(lán)天保衛(wèi)戰(zhàn)”政策對能源結(jié)構(gòu)的優(yōu)化主要體現(xiàn)在非資源型城市上，非資源型城市煤炭消費量的降低較之資源型城市的幅度更大。而“藍(lán)天保衛(wèi)戰(zhàn)”未能較好地改善產(chǎn)業(yè)結(jié)構(gòu)和運輸結(jié)構(gòu)，資源型城市的調(diào)整進(jìn)程較慢是可能的原因之一。

4. 5 擴(kuò)展性分析

為全面把握“藍(lán)天保衛(wèi)戰(zhàn)”政策效果，接下來評估單邊減污和降碳效應(yīng)。引入城市年均PM2. 5濃度（LNPM2. 5）、煙粉塵排放量（LNSD）、SO2排放量（LNSO2）、NOX排放量（LN?NOX）、年均O3濃度（LNO3）以及城市CO2排放量（LNCO2）分別作為因變量，另外增加年均空氣質(zhì)量指數(shù)（LNAQI）和城市逆溫天數(shù)（LNDAY）分別探究“藍(lán)天保衛(wèi)戰(zhàn)”對環(huán)境治理和氣候變化應(yīng)對的綜合情況，結(jié)果見表6。

表6 揭示出“藍(lán)天保衛(wèi)戰(zhàn)”政策顯著降低了PM2. 5 濃度、煙粉塵排放量、SO2排放量、NOX排放量以及CO2排放量，但O3濃度顯著提高。此外，列（7）和列（8）顯示，Treat×After 對LNAQI 的回歸系數(shù)顯著為正，對LNDAY 的回歸系數(shù)顯著為負(fù)，說明“藍(lán)天保衛(wèi)戰(zhàn)”顯著提高了城市空氣質(zhì)量指數(shù)，并且顯著降低了逆溫天數(shù)，在更大范圍上發(fā)揮了較好的環(huán)境污染治理和氣候變化應(yīng)對效果。

結(jié)合表6 和表2 的結(jié)果，可以得出以下結(jié)論。一方面，盡管PM2. 5濃度顯著降低，O3濃度顯著升高，但“PM2. 5-O3”協(xié)同度POXT 是顯著提升的，這說明重點實施城市在執(zhí)行“藍(lán)天保衛(wèi)戰(zhàn)”政策時采用了有利于PM2. 5和O3協(xié)同控制的措施，并收效較好，應(yīng)繼續(xù)保持，直至帶動O3濃度顯著降低。另一方面，盡管SO2和CO2在總量上均顯著降低，但二者協(xié)同度SCXT 不顯著，這說明SO2和CO2的減排聯(lián)動性較低，譬如減排過程中“減硫增碳”等不同步的現(xiàn)象仍然較多。

綜上，減污效應(yīng)和降碳效應(yīng)的單邊評估結(jié)果主要刻畫排放量的平均變動情況，卻難以反映污染物與溫室氣體減排同向性的變化。因此，未來在評估環(huán)境政策效果時，建議將大氣污染物和溫室氣體的排放量和減排同向性結(jié)合分析，全面把握現(xiàn)實情況。

5 研究結(jié)論與政策啟示

以2015—2021年中國265個城市為樣本，構(gòu)建了4個減污降碳協(xié)同度指標(biāo)，分析了“藍(lán)天保衛(wèi)戰(zhàn)”對減污降碳協(xié)同度的影響，并剖析了政策效果在資源型城市和非資源型城市中的異質(zhì)性及影響機制。研究結(jié)論如下。

（1）“藍(lán)天保衛(wèi)戰(zhàn)”顯著提高了“PM2. 5-O3”“SD-CO2”和“NOX-CO2”的協(xié)同度，但對“SO2-CO2”協(xié)同度的提高不明顯。表明“藍(lán)天保衛(wèi)戰(zhàn)”總體上提高了減污降碳協(xié)同度，但SO2與CO2的減排過程中尚有不同步情況。

（2）異質(zhì)性分析表明，“藍(lán)天保衛(wèi)戰(zhàn)”政策僅顯著提高了資源型城市“PM2. 5-O3”協(xié)同度，對其他類型的減污降碳協(xié)同度無顯著作用；對于非資源型城市，“藍(lán)天保衛(wèi)戰(zhàn)”政策顯著提高了其“PM2. 5-O3”“SD-CO2”和“NOX-CO2”協(xié)同度。

（3）機制分析表明，“藍(lán)天保衛(wèi)戰(zhàn)”政策實施3年以來，主要是通過優(yōu)化能源結(jié)構(gòu)來實現(xiàn)的減污降碳協(xié)同治理，其中非資源型城市的能源結(jié)構(gòu)優(yōu)化幅度更大；產(chǎn)業(yè)結(jié)構(gòu)和運輸結(jié)構(gòu)的調(diào)整雖然也是政策實施重點，但“藍(lán)天保衛(wèi)戰(zhàn)”對此的收效甚微，可能的原因是資源型城市的產(chǎn)業(yè)和運輸結(jié)構(gòu)調(diào)整較慢。

（4）擴(kuò)展性分析顯示，減污效應(yīng)和降碳效應(yīng)的單邊評估結(jié)果主要刻畫排放量的平均變動情況，難以反映污染物與溫室氣體的減排同向性。此外，“藍(lán)天保衛(wèi)戰(zhàn)”顯著提高了重點實施城市的空氣質(zhì)量指數(shù)，并顯著降低了逆溫天數(shù)，實現(xiàn)了更廣泛意義上的環(huán)境和氣候的雙重治理。

從上述研究結(jié)論可得出的政策啟示有：①應(yīng)根據(jù)污染物不同種類分別構(gòu)建減污降碳協(xié)同度指標(biāo)，作為政策效果評估依據(jù)或政府考核指標(biāo)。目前尚無統(tǒng)一的減污降碳協(xié)同增效的衡量指標(biāo)，本研究提出的按污染物不同種類分別構(gòu)建減污降碳協(xié)同度指標(biāo)的方法有利于窺探治理過程中污染物和溫室氣體的聯(lián)動情況。②各地政府應(yīng)繼續(xù)保持對“PM2. 5-O3”“SD-CO2”和“NOX-CO2”的協(xié)同治理力度，同時加強對“SO2-CO2”協(xié)同減排措施的改進(jìn)，避免出現(xiàn)碳污“分而治之”的現(xiàn)象，做到統(tǒng)籌兼顧。③“藍(lán)天保衛(wèi)戰(zhàn)”在產(chǎn)業(yè)結(jié)構(gòu)、運輸結(jié)構(gòu)和用地結(jié)構(gòu)上的調(diào)整效果并不理想，未來在出臺或改進(jìn)持續(xù)深入打好藍(lán)天保衛(wèi)戰(zhàn)系列政策時要注重加強政策的執(zhí)行力度；同時也要結(jié)合城市資源類型出臺更有針對性的結(jié)構(gòu)調(diào)整政策，推動減污降碳協(xié)同治理。

參考文獻(xiàn)

［1］ Intergovernmental Panel on Climate Change. Climate change 2023：Synthesis report.［ R］. Geneva： IPCC， 2023.

［2］ 鄭逸璇，宋曉暉，周佳，等. 減污降碳協(xié)同增效的關(guān)鍵路徑與政策研究［ J］. 中國環(huán)境管理， 2021， 13（ 5）： 45-51.

［3］ 易蘭，楊田恬，杜興，等. 減污降碳協(xié)同路徑研究：典型國家驅(qū)動機制及對中國的啟示［J］. 中國人口·資源與環(huán)境，2022，32（9）：53-65.

［4］ 羅知，李浩然.“大氣十條”政策的實施對空氣質(zhì)量的影響［J］.中國工業(yè)經(jīng)濟(jì)，2018（9）：136-154.

［5］ 楊斯悅，王鳳，劉娜.《大氣污染防治行動計劃》實施效果評估：雙重差分法［J］. 中國人口·資源與環(huán)境，2020，30（5）：110-117.

［6］ 陳林，肖倩冰，藍(lán)淑菁. 基于產(chǎn)業(yè)結(jié)構(gòu)門檻效應(yīng)模型的環(huán)境政策治污效益評估：以《大氣污染防治行動計劃》為例［J］. 資源科學(xué)，2021，43（2）：341-356.

［7］ 蔡興.“藍(lán)天保衛(wèi)戰(zhàn)”空氣污染治理效應(yīng)評估［J］. 中南大學(xué)學(xué)報（社會科學(xué)版），2022，28（5）：78-91.

［8］ 邢有凱，毛顯強，馮相昭，等. 城市藍(lán)天保衛(wèi)戰(zhàn)行動協(xié)同控制局地大氣污染物和溫室氣體效果評估：以唐山市為例［J］. 中國環(huán)境管理，2020，12（4）：20-28.

［9］ 程芳芳，傅京燕. 區(qū)域聯(lián)防聯(lián)控環(huán)境治理政策對企業(yè)生產(chǎn)規(guī)模的影響研究［J］. 中國人口·資源與環(huán)境，2020，30（9）：46-53.

［10］ 梁琦，肖素萍，劉玉博. 環(huán)境政策對城市生態(tài)效率的影響與機制研究：基于生態(tài)文明先行示范區(qū)的準(zhǔn)自然實驗［J］. 西安交通大學(xué)學(xué)報（社會科學(xué)版），2022，42（3）：61-70.

［11］ 任亞運，傅京燕. 碳交易的減排及綠色發(fā)展效應(yīng)研究［J］. 中國人口·資源與環(huán)境，2019，29（5）：11-20.

［12］ 趙立祥，趙蓉，張雪薇. 碳交易政策對我國大氣污染的協(xié)同減排有效性研究［J］. 產(chǎn)經(jīng)評論，2020，11（3）：148-160.

［13］ 張國興，樊萌萌，馬睿琨，等. 碳交易政策的協(xié)同減排效應(yīng)［J］.中國人口·資源與環(huán)境，2022，32（3）：1-10.

［14］ 薛飛，周民良. 用能權(quán)交易制度能否提升能源利用效率？［J］.中國人口·資源與環(huán)境，2022，32（1）：54-66.

［15］ MARDONES C， CABELLO M. Effectiveness of local air pollutionand GHG taxes： the case of Chilean industrial sources ［J］. Energyeconomics， 2019， 83（9）： 491-500.

［16］ 陸安頡. 公眾參與對環(huán)境治理效果的影響：基于階梯理論的實證研究［J］. 中國環(huán)境管理，2021，13（4）：119-127.

［17］ 張國興，雷慧敏，馬嘉慧，等. 公眾參與對污染物排放的影響效應(yīng)［J］. 中國人口·資源與環(huán)境，2021，31（6）：29-38.

［18］ 鄭石明. 環(huán)境政策何以影響環(huán)境質(zhì)量：基于省級面板數(shù)據(jù)的證據(jù)［J］. 中國軟科學(xué)，2019（2）：49-61，92.

［19］ 毛顯強，曾桉，劉勝強，等. 鋼鐵行業(yè)技術(shù)減排措施硫、氮、碳協(xié)同控制效應(yīng)評價研究［J］. 環(huán)境科學(xué)學(xué)報，2012，32（5）：1253-1260.

［20］ ALIMUJIANG A， JIANG P. Synergy and co?benefits of reducingCO2 and air pollutant emissions by promoting electric vehicles：acase of Shanghai［J］. Energy for sustainable development， 2020（55）： 181-189.

［21］ SINHA A， SCHNEIDER N， SONG M， et al. The determinants ofsolid waste generation in the OECD： evidence from cross?elasticitychanges in a common correlated effects framework［J］. Resources，conservation and recycling， 2022（ 182）： 106322.

［22］ 楊儒浦，王敏，胡敬韜，等. 工業(yè)園區(qū)減污降碳協(xié)同增效評價方法及實證研究［J］. 環(huán)境科學(xué)研究，2023，36（2）：422-430.

［23］ 王莉，亢延錕，薛飛，等. 環(huán)境政策效果的綜合框架：來自16項試點政策的經(jīng)驗證據(jù)［J］. 財貿(mào)經(jīng)濟(jì)，2022，43（4）：98-112.

［24］ 張艷，鄭賀允，葛力銘. 資源型城市可持續(xù)發(fā)展政策對碳排放的影響［J］. 財經(jīng)研究，2022，48（1）：49-63.

［25］ Du W J， LI M J. Assessing the impact of environmental regulationon pollution abatement and collaborative emissions reduction： micro?evidencefrom Chinese industrial enterprises［J］. Environmentalimpact assessment review，2020（82）： 106382.

［26］ 徐維祥，鄭金輝，周建平，等. 資源型城市轉(zhuǎn)型績效特征及其碳減排效應(yīng)［J］. 自然資源學(xué)報，2023，38（1）：39-57.

［27］ Intergovernmental Panel on Climate Change. Climate change2007： Synthesis report.［ R］. Geneva： IPCC， 2007.

［28］ ZHENG B， TONG D， LI M， et al. Trends in China′s anthropogenicemissions since 2010 as the consequence of clean air actions［J］. Atmosphericchemistry and physics， 2018， 18（19）： 14095-14111.

［29］ 毛顯強，邢有凱，高玉冰，等. 溫室氣體與大氣污染物協(xié)同控制效應(yīng)評估與規(guī)劃［J］. 中國環(huán)境科學(xué)， 2021， 41（7）：3390-3398.

［30］ GAO X W， LIU N， HUA Y J. Environmental Protection Tax Lawon the synergy of pollution reduction and carbon reduction in China：evidence from a panel data of 107 cities［J］. Sustainable productionand consumption， 2022，33： 425-437.

［31］ 吳建新，郭智勇. 基于連續(xù)性動態(tài)分布方法的中國碳排放收斂分析［J］. 統(tǒng)計研究， 2016， 33（ 1）： 54-60.

［32］ 干春暉，鄭若谷，余典范. 中國產(chǎn)業(yè)結(jié)構(gòu)變遷對經(jīng)濟(jì)增長和波動的影響［J］. 經(jīng)濟(jì)研究， 2011， 46（ 5）： 4-16，31.

［33］ 史丹，李少林. 排污權(quán)交易制度與能源利用效率：對地級及以上城市的測度與實證［J］. 中國工業(yè)經(jīng)濟(jì)，2020（09）：5-23.

［34］ 李紅霞，鄭石明，要蓉蓉. 環(huán)境與經(jīng)濟(jì)目標(biāo)設(shè)置何以影響減污降碳協(xié)同管理績效？［J］. 中國人口·資源與環(huán)境，2022，32（11）：109-120.

［35］ 李治國，車帥，王杰. 碳排放權(quán)交易試點政策的實施效果考察［J］. 統(tǒng)計與決策， 2022， 38（ 18）： 166-170.

［36］ 張家豪，范文雨，高原. 環(huán)境司法制度改革與地方綠色創(chuàng)新：來自公益訴訟試點的證據(jù) ［J］. 財經(jīng)研究， 2022， 48 （10）：19-33.

［37］ 劉斌，李秋靜，李川川. 跨境鐵路運輸是否加快了中國向西開放：基于城市—產(chǎn)品層面的經(jīng)驗證據(jù)［ J］. 管理世界， 2022， 38（8）： 101-118.

（責(zé)任編輯：蔣金星）

基金項目：國家社會科學(xué)基金西部項目“數(shù)字賦能制造業(yè)‘鏈主’企業(yè)碳足跡減排的影響機制研究”（批準(zhǔn)號：23XGL025）。