汪克亮，许如玉，张福琴，苗 壮

（1.中国海洋大学经济学院，山东青岛 266100；2.西南财经大学经济学院，四川成都 610074）

当前，二氧化碳浓度渐增引致的全球气候变暖问题备受世界关注，而作为全球碳排放第一大国，中国的碳减排工作正面临巨大压力与挑战。据《BP世界能源统计年鉴》资料，2019年中国二氧化碳排放量为101.7亿t，占全球总量的28%。为有效控制碳排放增长，中国积极响应全球碳减排行动，并为之付出诸多努力。中国政府在2015年巴黎世界气候大会上承诺2030 年碳排放强度较2005 年下降60%～65%，此后国家主席习近平于2020 年联合国大会进一步提出“双碳”目标，彰显了中国应对全球气候变暖的负责任大国担当。在“双碳”目标约束下，如何实现碳减排也随之成为学术界的研究热点。近年来，围绕碳减排的研究主要集中于以下三方面：一是“双碳”目标实现的可能性与潜力评估［1-2］。二是碳减排的驱动因素探究。众多学者已就技术进步［3］、产业结构升级［4］以及能源结构调整［5］三大因素的降碳作用达成共识，也有研究表明绿色金融发展亦能抑制碳排放［6］。三是碳减排政策实施效果评价。为实现“双碳”目标，中国政府陆续出台诸多碳排放控制政策，如开展低碳省区和城市试点工作、建立碳排放权交易制度等。多数研究表明低碳试点的设立以及全国性的碳排放交易市场均有利于碳减排［7-9］。值得注意的是，党的十八大以来生态文明建设上升为国家战略以及《生态文明体制改革总体方案》（后文简称为《总体方案》）等重要文件的发布标志着中国生态文明制度体系正式形成。纵观中国的生态文明建设发展历程，其中不乏生动的探索实践，如2007年的全国资源节约型和环境友好型社会建设综合配套改革试验区（后文简称为“两型社会”试验区）为全国生态文明建设探索了路径。此后，中国分别于2014 年和2016 年出台建设国家生态文明先行示范区和国家生态文明试验区的相关政策文件，进一步为生态文明建设指明了方向。随着生态文明建设的持续推进，也有学者开始关注生态文明建设对于碳减排的影响［10］。那么，以政府为主导的生态文明建设究竟对碳排放产生了怎样的政策效果？是一个亟待回答的重要问题。

1 问题的提出

该研究以“国家生态文明先行示范区”试点政策为研究对象，聚焦于探究生态文明先行示范区建设对碳排放强度的影响效应。2013 年12 月，国家发改委等六部委下发《关于印发国家生态文明先行示范区建设方案（试行）的通知》（后文简称为《示范区通知》），计划选取有代表性的地区开展国家生态文明先行示范区建设。随后，2014年国务院正式印发《关于支持福建省深入实施生态省战略加快生态文明先行示范区建设的若干意见》，同意将福建省确立为全国首个生态文明先行示范区。同年，国家发改委等六部委相继批复《江西省生态文明先行示范区建设实施方案》《贵州省生态文明先行示范区建设实施方案》《云南省生态文明先行示范区建设实施方案》以及《青海省生态文明先行示范区建设实施方案》，进一步将江西、贵州、云南和青海四省设立为生态文明先行示范区，旨在探索符合中国国情的生态文明建设典型范式，积累可在全国复制推广的成功经验。在此背景下，文章试图回答以下问题：经过几年的试点摸索，试点省区的碳排放强度是否显著下降？如果是，减排效果能否持续？不同试点省区的减排成效有何差异？其背后的作用机制究竟如何？对上述问题的理论阐释与实证检验，无疑可为中国非试点地区推广生态文明建设积累经验，为早日实现“双碳”目标提供有益借鉴与决策参考。

关于生态文明先行示范区政策评估的研究，已有学者分别发现生态文明先行示范区建设有助于生态全要素生产率和农业绿色效率提升［11-12］、空气质量改善［13］以及居民健康水平提高［14］。对于碳减排，仅有刘雅芳［15］以福建生态文明先行示范区为例，运用合成控制法发现该试点显著抑制了碳排放量增加。然而相较于碳排放量指标，使用单位国内生产总值（Gross Domestic Product，GDP）中二氧化碳排放量（简称碳排放强度）对减排目标予以量化，不仅可为本地区经济增长留有余地，也使得省区间的政策效果更具可比性［8］。同时，单一地区评价也无法综合反映示范区建设的整体效果。鉴于此，文章基于2003—2019 年中国30个省份面板数据，将上述五个试点省份作为处理组，科学评估该试点的碳减排政策效果，并进一步挖掘其作用渠道。文章的边际贡献体现在：①研究方法上，综合运用合成控制法（Synthetic Control Method，SCM）与双重差分（Difference-in-Differences，DID）两种政策评估方法考察生态文明先行示范区建设对碳排放强度的影响，拓展了该领域的定量研究范畴；②创新性地将国家级自然保护区面积占辖区面积的比重作为生态文明先行示范区的工具变量，进一步解决内生性问题；③基于相关研究与理论基础，分别从正向激励与逆向倒逼两个视角，探究生态文明先行示范区建设影响碳排放强度的作用机理；④将政策虚拟变量纳入空间计量模型，实证考察生态文明先行示范区建设的空间溢出效应，从而为生态文明示范区试点政策的推广与强化提供有益参考。

2 理论分析框架

文章基于已有研究和相关理论依据，拟从促进技术进步与发展绿色金融的正向激励作用以及优化能源结构和改善市场分割的逆向倒逼作用展开分析，如图1所示。

图1 生态文明先行示范区建设影响碳排放强度的作用机理

2.1 促进技术进步

“环境库兹涅茨曲线”假说认为经济规模、产业结构和技术进步是影响环境质量的三大因素。在保证民生福祉的前提下，考虑到抑制经济增长的不可行性和产业结构变动影响的有限性，技术进步则成为降低能耗、改善环境的重要途径［16］。《示范区通知》中明确指出要“大力发展绿色低碳技术”，“切实推动绿色发展、循环发展、低碳发展”，旨在建立新型绿色发展模式，以实现经济与环境相协调。因此，在生态文明先行示范区建设的约束下，示范地区更加重视科技创新的驱动作用。一方面，根据“波特假说”，示范区的环境治理政策能够激发“创新补偿”效应，弥补企业的“环境遵循成本”，有利于促进以可持续发展、零碳排放为特征的清洁型技术的研发和应用，在带动清洁部门总产出增加的同时并不会造成碳排放量的增加从而降低碳排放强度［17］；其次，以提高能效为代表的灰色技术在减少能源消耗量的同时提升传统化石能源使用过程中的碳排放效率，有效降低了碳排放强度［18］。

2.2 发展绿色金融

《总体方案》中提出要“推广绿色信贷，鼓励各类金融机构加大绿色信贷的发放力度，建立绿色金融体系”，这为绿色金融支持生态文明建设指明了方向。理论上，生态文明先行示范区建设通过发展绿色金融影响碳排放强度主要从三条途径实现：①金融资源优化配置效应。在示范区建设过程中，绿色信贷以生态环境约束为导向，一方面对高污染、高排放企业限制贷款额度与实行惩罚性高利率使得该类企业的债务融资成本显著提升，抑制其新增投资。当融资受到约束，污染型企业的产能将趋于下降，从而降低企业生产对能源资源的依赖度，起到降低碳排放强度的作用效果［19］；另一方面，由于生态企业具有资金投入大、回报周期长及潜在风险高等特点，因而多数生态企业无法取得商业贷款陷入融资困境。绿色金融体系鼓励信贷资金更多地流向符合绿色、循环和低碳经济发展条件的生态企业，缓解其融资约束，优化金融资源配置，有助于扩大企业生产规模，提供优质的低碳产品和服务。②技术创新效应。一方面，企业的技术创新往往需要大量的研发资金投入，绿色信贷资金持续注入生态企业，有助于鼓励它们将更多的精力投入到技术研发，提高绿色技术创新水平；另一方面，对污染型企业的融资约束亦会倒逼该类企业尽快进行技术革新和产品升级，使其对环境的负影响有所降低［20］。③信号传递效应。在生态文明建设大力倡导绿色发展的背景下，绿色金融政策向市场传达出示范区高度重视绿色经济发展的“信号”，这将对污染型行业起到“警示”作用，该类企业会相机而动，加快绿色技术革新与生产绿色转型；同时绿色金融政策鼓励更多的信贷资金流入生态行业，推动绿色产业发展，有利于碳排放强度的下降［21］。

2.3 优化能源结构

根据《示范区通知》，“调整优化能源结构，控制煤炭消费总量，加快发展非化石能源，提高可再生能源比重”是生态文明先行示范区建设的主要任务之一。因此，生态文明先行示范区建设可以通过优化能源结构减少经济生产活动过程中的碳排放，进而降低碳排放强度。在低碳治理环境下，试点地区为加快推进生态文明建设会出台更为严格的环境规制政策，如福建省全面推行生态环保目标责任制、强化环境执法监管以及出台《福建省排污权交易规则》等一系列政策措施，可增加企业生产过程中的环境治理压力，降低以煤炭为代表的传统化石能源消费比重，提高能源利用效率，推动形成低碳化、无碳化的能源消费结构。同时，试点地区重点推广清洁能源工程项目，鼓励新能源行业的发展，如风能、太阳能和水能等可再生清洁能源，提供新能源技术研发财政资金补贴，推动低碳化新能源技术的研发与应用，从而降低因能源使用产生的碳排放，进而降低碳排放强度。

2.4 改善市场分割

市场分割将导致资源浪费与错配，造成资源配置效率损失，甚至加重环境污染［22］。理论上，市场分割主要从三方面影响碳排放强度：第一，产业结构升级。市场分割下的地方政府所保护的是与其“关系密切”的传统企业，该类企业往往具有高能耗、高污染特征。因此，市场分割容易导致该地区长期被低端要素锁定，真正高能效企业无法进入，阻碍产业结构升级，使得碳排放强度居高不下［23］；第二，绿色技术进步。市场分割环境下的受保护企业丧失了自主研发的积极性，导致绿色低碳技术发展缓慢。此外，企业为维持垄断地位，将更多的资金用于“寻租”活动，进一步加剧资源浪费与错配；第三，跨区域环境协同治理。地方保护主义与市场分割策略阻碍了知识、技术等要素的跨地区传播，使得跨区域环境协同治理难以实现［24］。而生态文明建设是一项复杂的系统工程，势必要破除一切思想观念、生产生活方式以及政治经济体制限制，从各个层面实现全方位转型。《总体方案》中明确指出“废止妨碍形成全国统一市场和公平竞争的规定和做法，鼓励各类投资进入环保市场”，“建立统一的绿色产品标准、认证、标识等体系”。因此，在先行示范过程中，地方政府迫于压力必须破除阻碍要素流动的一切壁垒，推进市场一体化进程，从而有利于产业结构升级及绿色技术进步，加强跨区域环境治理合作，进而影响碳排放强度。

基于上述分析，文章提出第一个假说。

假说1：生态文明先行示范区建设能够降低碳排放强度。

同时，针对影响机制，文章提出第二个假说。

假说2：生态文明先行示范区建设能够通过促进技术进步和发展绿色金融的正向激励作用以及优化能源结构和改善市场分割的逆向倒逼作用降低碳排放强度。

3 方法与数据

3.1 研究方法

3.1.1 合成控制法

给定（1+J）个地区在t∈(1，T)时期内的碳排放强度数据，其中表示第i个地区在t=T0时点设立生态文明先行示范区时的碳排放强度则为未设立试点地区的碳排放强度。假定i地区在2014 年设立生态文明先行示范区，因而所有地区在2003—2013年间的碳排放强度均不受试点政策影响，满足公式在2014—2019年因政策实施导致试点地区碳排放强度的变化程度为其中试点政策实施后的地区碳排放强度数据可以观测，而该地区未实施政策的数据则无法观测。因此，文章借鉴Abadie 等［25］提出的因子模型对“反事实”变量进行估计，模型表示如下：

其中：δt表示影响所有地区碳排放强度因素的时间固定效应；Zi为（K×1）维不受示范区试点政策影响的控制变量；θt为控制变量的估计系数；μi表示（S×1）维不可观测的地区固定效应；λt则为不可观测变量的待估参数；εit表示无法观测、均值为0的短期冲击。

若

通常情况下，政策实施前的时间段相对于实施后的时间段较长，等式（4）右边部分的均值将无限趋近于0。因此，可用作为的无偏估计量，则生态文明示范区试点政策对碳排放强度影响的估计值为：

具体求解过程详见Abadie等［25］。

3.1.2 双重差分法

借鉴Card 等［26］的研究，文章将2014 年设立生态文明先行示范区视为一项准自然实验，运用双重差分方法评估该项政策的碳减排效应，模型设定如下：

其中：CIit表示i省在t年的碳排放强度；DIDit为生态文明先行示范区建设的政策变量；Xit为i省在第t年的相关控制变量；μi和ηt分别为地区和时间固定效应；εit为随机误差项。

进一步地，为估计生态文明先行示范区建设对碳排放强度影响的空间溢出效应，文章参考李治国等［7］的研究，同时构建空间自回归模型（Spatial Autoregressive Model，SAR）、空间误差模型（Spatial Error Model，SEM）和空间杜宾模型（Spatial Durbin Model，SDM），模型分别表示如下：

其中：CIit，i，t等的含义同上，W表示空间权重矩阵，ρ为空间相关系数，λ代表空间相关性强度，μ服从正态分布。

3.2 变量选取

被解释变量。文章借鉴已有研究并根据政府间气候变化专门委员会（The Intergovernmental Panel on Climate Change，IPCC）公布的碳排放系数选择八种化石燃料的消费量估算二氧化碳排放量并计算碳排放强度。具体计算公式表示如下：

其中：Ei分别表示八种能源的消费量，CEFi表示能源i的碳排放系数，CI为碳排放强度。

控制变量。文章选取产业结构、环境绿化、经济发展水平、对外直接投资、政府干预作为控制变量：①产业结构（IND）：采用产业结构层次系数表示，即用第一、二、三产业占总产值的比重分别乘1、2、3 并加总；②环境绿化（GREEN）：运用人均绿地面积反映环境绿化对碳排放的影响；③经济发展水平（AGDP）：采用人均GDP 衡量；④对外直接投资（OFDI）：选择对外直接投资存量占GDP 的比重作为代理变量；⑤政府干预（GOV）：采用地方财政支出占GDP比重表示。此外，为提高拟合效果的准确度，在运用合成控制法进行估计时，文章同时引入政策实施前各年份的碳排放强度变量。

中介变量。文章选取如下中介变量：①技术进步（TEC）：采用技术市场成交额与GDP 之比衡量；②绿色金融（GF）：绿色金融主要包括绿色信贷、绿色投资、绿色保险以及其他金融工具［27-28］。文章参考朱建华等［29］的研究并基于数据可得性，运用熵权法构建绿色金融发展水平指标评价体系见表1；③能源结构（ES）：以煤炭消费占能源消费总量的比重表示；④市场分割（MS）：文章借鉴毛其淋等［30］的研究，选取2015 年后新标准中的8 类商品价格指数测得市场分割指数。

表1 绿色金融发展水平指标评价体系

工具变量。在参考张海峰等［31］研究的基础上，创新性地选取2003—2019年国家级自然保护区面积占辖区面积的比重（NNR）作为工具变量。

3.3 数据来源

文章选取2003—2019 年中国30 个省份（研究未涉及香港、澳门、台湾和西藏地区）面板数据作为研究样本，使用的各变量来自于2004—2020 年《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国第三产业统计年鉴》《中国工业统计年鉴》《中国保险年鉴》《中国农村统计年鉴》、各省市统计年鉴与公报以及国泰安CSMAR 和WIND数据库。各变量描述性统计结果见表2。

表2 变量描述性统计

4 实证分析

4.1 合成控制法检验

4.1.1 政策效应评估

SCM 的基本思想是用控制组省份的加权平均所构造的合成示范区来模拟假设未实施生态文明示范区政策时示范区省份的碳排放强度变化情况，进而与真实示范区的碳排放强度值进行比较以分析政策对碳排放强度的影响。潜在控制组省份构成合成示范区综合得分的权重组合情况见表3。可以看出，合成示范区由山西（0.067）、内蒙古（0.058）、黑龙江（0.444）和湖南（0.431）四省份构成，且合成权重之和为1。

表3 合成生态文明示范区的权重组合情况表

真实示范区与合成示范区碳排放强度的变化趋势如图2 所示。图中竖直虚线代表政策实施年份（2014 年），不难看出，虚线左端非示范省区组合较好地拟合了政策实施前示范区的特征，而虚线右端真实示范区与合成示范区的碳排放强度出现明显偏离，且真实碳排放强度远低于合成值，表明生态文明先行示范区建设能够显著降低碳排放强度，假说1得到验证。

文章进一步计算出试点前后真实示范区与合成示范区的碳排放强度差值。图3 中，2003—2013 年间真实示范区与合成示范区的差值大致与0 值线平行，2013 年真实示范区的碳排放强度为2.621 1 万t/亿元，合成示范区为2.611 3 万t/亿元，差值为0.009 8，而到2019 年差值迅速增加至1.010 3，这表明生态文明先行示范区的设立显著降低了碳排放强度，且促降效果随着时间的推移持续增强。

图3 真实示范区与合成示范区碳排放强度差值

4.1.2 有效性检验

文章参考刘甲炎等［32］的做法在合成示范区中分别选取权重最大的省份黑龙江省以及权重为0 的山东省作为试点对象。如图4 所示，黑龙江省和山东省在设立示范区后真实与合成碳排放强度的波动幅度较小，且并未产生与图2 同样的政策效果，证明了估计结果的有效性。

图2 真实示范区与合成示范区碳排放强度对比

图4 安慰剂检验

为验证政策效应在统计意义上的显著性，文章借鉴王贤彬等［33］的做法，将控制组中平均预测误差（MSPE）值高于示范区两倍的省份剔除。如图5 所示，在2014 年之前示范区的碳排放强度的MSPE 变动程度与其他省份的差异并不大，而在2014 年之后，差异逐渐扩大，且曲线位于其他省区MSPE 分布的最外部。这表明政策效果在10%（1/11=0.09）的临界值水平上显著，即可以在90%的概率下接受生态文明先行示范区降低碳排放强度的原假设。

图5 有效性检验—排序检验法

4.1.3 稳健性检验

为保证估计结果的稳健性，文章采用迭代法进行敏感性分析。具体思路如下：依次剔除合成示范区中权重最大的省份，通过五次迭代过程评估合成示范区的基准模型，检验试点政策的碳减排效果是否会因控制组的调整而有所不同。如图6 所示，在五次剔除控制组省份的过程中，碳排放强度的合成路径与原始路径保持高度一致，并未因控制组的调整而发生较大波动，证实了稳健性。

图6 稳健性检验—迭代法

4.1.4 异质性探究

文章在将示范区视为一个整体的基础上，进一步考察试点政策对每个示范省区碳排放强度作用效果的异质性，结果如图7 所示。可以看出：①每个目标省份及其合成控制组的碳排放强度均呈下降趋势。面对日益严峻的全球气候变暖问题，中国陆续设立碳排放权交易试点、低碳城市试点以及完善相应的环境法律法规，掀起全国性的降碳减排热潮，使得各省份在降碳攻坚战中取得阶段性胜利。②福建、贵州、云南3 省在政策实施前的实线与虚线变化趋势相似，表明拟合效果较好。在政策实施后，各省份的碳排放强度与其合成对象相比均显著下降，但作用效果存在差异性。具体而言，福建省的降碳效果随着时间推移有所减弱，而贵州省和云南省的促降效果日渐增强。这可能是由于福建省地处东部沿海地区且与经济发达的广东省毗邻，其工业体系较为成熟并拥有先进的清洁生产技术，自身的碳排放强度较低，因此其降碳空间较小，而贵州和云南位于西部欠发达地区，其尚处在工业化和城市化加速推进阶段，在未来一段时间内，仍然面临严峻的碳减排压力。③受自身发展差异性的影响，并非每个试点省份都能找到合适的控制组。如青海省和江西省在政策实施前的实线与虚线变化差异较大，拟合效果不理想，但在政策实施后试点省份与合成省份的碳排放强度均逐渐下降并出现明显偏离。青海省的碳排放强度总体呈波动式下降，且随着年份增加降碳作用明显提升。而江西省的碳排放强度降低速度低于合成江西。这均表明青海和江西省的降碳效果具有政策时滞性。

图7 各试点省份及其合成省份碳排放强度对比

4.2 双重差分法再检验

4.2.1 平行趋势检验

文章进一步运用双重差分模型再次估计生态文明先行示范区建设降低碳排放强度的政策效果。如图8所示，在试点政策实施之前，处理组与对照组之间并无显著差异，在2014 年之后，政策效应逐渐显著为负，满足平行趋势假定。

图8 平行趋势检验

4.2.2 政策效应评估

文章运用FE 模型，并对各控制变量及时间和地区效应依次予以控制，估计结果见表4。在所有情形下，DID的回归系数均显著为负，可以认为生态文明先行示范区建设能够降低碳排放强度，再次验证假说1。此外，产业结构升级、环境绿化覆盖面积的增加以及经济发展水平的提高均对碳排放强度产生抑制作用，而对外直接投资与政府干预对碳排放强度的影响为正，说明对外直接投资的环境友好效应尚未显现，政府对经济发展的过度干预导致资源浪费与效率低下，从而对碳排放强度降低产生不利影响。

表4 基准回归结果

4.2.3 内生性讨论

文章选择国家级自然保护区面积占辖区面积的比重作为生态文明示范区试点政策的工具变量以进一步克服内生性问题。主要原因在于：自然保护区由国家生态环境部审批设立，对地区的自然生态环境保护能力具有较高的要求。一般而言，一个地区的自然保护区面积占比越高，意味着该地区的环境质量相对较好。而生态文明示范区旨在充分利用地区生态环境优势，将环境优势转化为发展优势，探索中国特色的生态文明建设模式。可以认为地区国家级自然保护区占比越高，该地区入选生态文明先行示范区的概率就越大。因此，满足工具变量的有关假设。此外，自然保护区面积占比并不会对碳排放强度产生直接影响，满足工具变量外生性假设。

由表5 可知，K-P rk 不可识别检验在1%的显著性水平下拒绝原假设，C-D Wald 和K-P rk Wald 弱工具变量检验的F统计量均超过16.38，同样拒绝原假设，且Hansen J检验统计值为0，说明不存在过度识别问题。在第一阶段回归中，NNR的回归系数显著为正，证实了前文猜想；在第二阶段回归中，DID对碳排放强度的影响仍然显著为负，且在采用工具变量缓解内生性问题后回归系数有所增大，与前文结论保持一致。此外，为进一步佐证稳健性，文章对工具变量的外生性进行讨论。将NNR加入基准模型与DID同时回归后，NNR的回归系数不再显著，表明工具变量NNR仅通过作用于内生变量DID影响碳排放强度，不存在其他作用路径，满足外生性条件［34］。

表5 工具变量回归估计结果

4.2.4 稳健性检验

为保证稳健性，文章运用多种检验方法，估计结果分别见表6—表7与图9。

表6 稳健性检验

（1）反事实检验。在将生态文明先行示范区的政策实施时间提前五年后，估计结果不再显著，表明生态文明先行示范区建设降低碳排放强度的研究结论有效。

（2）替换被解释变量。文章使用碳排放总量指标替换原模型中的碳排放强度，可以发现DID回归系数显著为负，表明估计结果具有稳健性。

（3）排除其他政策干扰。鉴于研究时间段较长，期间碳排放强度变化可能同时受到其他同类政策的影响，因此文章分别剔除了2011 年碳排放权交易、2007 年排污权交易、2016年国家生态文明试验区、2007年“两型社会”改革试验区和2010 年低碳试点省份政策试点（表7），可以发现DID仍然显著为负。

表7 排除其他政策干扰

（4）安慰剂检验。文章通过随机分配生态文明示范省区进行安慰剂检验，并进行500 次随机抽样。如图9 所示，安慰剂检验回归系数分布都集中在0 值附近，可见随机抽样后的样本组合对碳排放强度未产生影响。因此可以认为基准回归中试点政策的降碳结果稳健。

图9 安慰剂检验

5 机制分析

5.1 模型设定

根据前文的机制分析，生态文明先行示范区建设能够通过促进技术进步和发展绿色金融的正向激励作用以及优化能源结构和改善市场分割的逆向倒逼作用从而降低碳排放强度。因此，文章进一步通过实证验证上述机制。因篇幅限制，仅展示技术进步的中介模型：

5.2 机制验证

正向激励机制下技术进步和绿色金融影响碳排放强度的估计结果见表8。表8 中第3 列和第5 列的结果表明示范区建设有利于促进技术进步和提升绿色金融发展水平。表8中第4列和第6列的结果表明示范区鼓励发展以绿色为导向的地方经济，通过给予企业更多低碳环保技术创新激励以及引导更多资金流向绿色产业，从而倒逼高污染产业进行技术改造与优化升级，进而降低碳排放强度，假说2得以验证。

表8 正向激励机制

生态文明先行示范区建设逆向倒逼碳减排的中介效应检验结果见表9。表9 中第3 列和第5 列的结果表明试点的设立对当前以煤炭为主的能源消费结构造成了冲击，且有效缓解了市场分割局面。表9中第4列和第6列则表明示范区建设能够通过推动能源低碳化发展，加速市场一体化进程，从而降低碳排放强度。综上，假说2得到验证。

表9 逆向倒逼机制

6 进一步讨论：空间溢出效应

文章首先分别引入0-1 邻接（Wx1）与经济地理嵌套（Wx2）矩阵检验碳排放强度的空间相关性（表10）。两种矩阵下的Moran’sI均大于0，且P 值在5%的临界水平上显著，表明碳排放强度具有显著的空间正相关性。

表10 空间相关性分析

由表11 可知，包含时间和地区双固定的SDM 是最优模型。在两种矩阵下，三种模型的DID系数均显著为负，且空间相关系数ρ或λ值均显著为正，表明生态文明先行示范区的政策影响存在显著的空间溢出效应。从效应分解结果来看，生态文明先行示范区政策的直接效应和空间溢出效应均显著为负，表明示范区试点对本地及邻近地区的碳排放强度均产生抑制作用。这可能是因为：一方面，面对严峻的环境压力以及在经济与环境绩效双重考核下，地方政府间的环境治理开始从逐底竞争转向策略性节能竞争以及减排模式效仿，因此示范区试点的碳减排作用对邻近地区产生了示范效应，使得试点政策的节能减排效果在空间维度上得以延伸；另一方面，示范区试点的设立强化了绿色发展理念，迫使各地区加快节能减排技术革新以及推进产业结构低碳化升级，地区间的地理联系与经济合作促进了技术进步和知识溢出，从而对周围地区降碳减排产生积极作用。

表11 空间溢出效应结果

7 结论与对策

在理论分析基础上，文章基于2003—2019 年中国30个省份面板数据，将生态文明先行示范区设立视为一项准自然实验，分别运用SCM 和DID 方法探究政策实施的碳排放强度影响效应，得到以下结论：①SCM 结果表明，整体上，生态文明先行示范区建设显著降低了碳排放强度，且通过有效性与稳健性检验；其中，福建、贵州和云南的促降效果尤为显著，而青海和江西省的降碳效果具有政策时滞性。②DID 结果表明试点政策的回归系数显著为负，且在克服内生性问题以及稳健性检验后结论仍然成立。③机制分析显示生态文明先行示范区建设通过促进技术进步和发展绿色金融的正向激励作用以及优化能源结构和改善市场分割的逆向倒逼作用降低碳排放强度。④碳排放强度呈显著的空间正相关特征，空间溢出结果表明试点政策对本地与邻近地区碳排放强度下降均具有显著的推动作用。

基于以上研究结论，文章提出如下政策建议：第一，生态文明先行示范区降低碳排放强度的政策效果彰显了生态文明建设的重大战略意义。应加快打造福建、江西、贵州、云南和青海五省生态文明建设的典型样板，同时加强其成功案例、发展模式及制度创新的总结与宣传，积极创造更多可复制可推广的绿色发展经验，激发由点及面的示范效应，带动试点省区乃至全国生态文明建设水平的快速提升。第二，充分考虑地区异质性，实施差异化的生态文明试点示范方案。不同地区要结合自身资源禀赋因地制宜探索和创新生态文明建设模式。如地处东部发达地区的试点省份应着力发展具有绿色属性的科技产业，而中西部地区的试点省份因社会经济发展相对滞后难以兼顾环境保护，应在优先发展地方经济的同时竭力降低环境负效应，形成经济发展“高素质”与生态环境“高颜值”同行并进的良好局面。第三，积极探索生态文明先行示范区降低碳排放强度的多维途径。如鼓励企业绿色技术创新，持续加大科技投入力度，加速科研成果转化；强化绿色金融在推进生态文明建设中的经济杠杆作用，积极发展绿色信贷、绿色债券、绿色保险等金融产品，引导更多社会资本投向绿色低碳产业；加快推进清洁型能源的开发使用，降低煤炭为主的传统化石能源消耗比重，提高能源利用效率；以市场化机制推动生态文明建设，破除市场分割制度障碍。第四，加强区域联防联控，有效应对碳排放。考虑到生态文明先行示范区的碳减排效应存在空间溢出以及碳排放的跨区域流动性，在示范区建设过程中，应推进跨区域信息共享与交流合作，加快形成区域联防联控的协同减排模式，强化示范区建设降低碳排放强度的空间辐射效应，以降低污染治理难度，实现区域内绿色发展。

文章的研究结果可为加快推进生态文明建设与实现“双碳”目标提供政策依据，然而囿于篇幅、方法和数据等因素的限制，文章仍存在改进空间：①在进行生态文明先行示范区建设碳减排政策效果评估时，文章仅关注政策对不同试点省份的异质性影响，忽视了对试点与非试点省区以及拥有不同经济、地理和资源禀赋特征地区影响的差异性；②随着生态文明先行示范区试点工作的深入推进，地级市、县市区等微观尺度下的政策效果考察有待进一步探讨。以上均是今后研究的努力方向。