Smart Carbon Reduction: The Effect and Mechanism of Digital Economy Development on Urban Carbon Emissions
-
摘要: 数字经济在重塑后疫情时期中国经济发展轨迹的同时，也深刻影响了中国的“双碳”进程。以智慧城市试点政策作为数字经济发展的代理变量，基于2006—2019年中国281个地级城市的面板数据，综合运用双重差分法、两阶段三步法和空间双重差分法，实证考察数字化赋能视角下智慧城市建设的碳减排效应。结果表明：(1)相比非试点城市，智慧城市的碳排放量平均降低了2.8%，即智慧城市建设显著降低了碳排放水平，此结论经更换估计模型、精选对照组等系列稳健性检验后依然成立。(2)机制研究表明，智慧城市建设促使城市发展由要素与投资驱动转向创新驱动，并通过数字赋能发挥能源升级效应、生活转型效应与资源配置效应，促进了城市低碳转型，机制量化分解结果显示这一机制贡献了超过80%的解释效果。(3)异质性分析表明，数字经济发展的碳减排效果在大型及以上规模城市以及人、财、物资源禀赋较高的城市更为明显。(4)空间效应分析表明，伴随距离阈值的增加，智慧城市建设所产生的溢出效应明显减少，且使用双重差分空间杜宾模型进行检验后该结论依旧成立。这一研究不仅为分析数字经济发展与碳排放治理的因果关系提供了新的文献证据，对后疫情时期如何运用数字经济赋能绿色低碳转型、进而实现经济高质量发展亦具有重要实践意义。Abstract: While reshaping China's economic development trajectory in the post-COVID-19 era, digital economy also has a profound impact on China's "dual carbon" process. In this paper, the smart city pilot policy is taken as the proxy variable for the development of digital economy. Based on the panel data of 281 cities at the prefecture level and above in China from 2006 to 2019, the carbon emission reduction effect of smart city construction under the perspective of digital empowerment is empirically investigated by comprehensive use of the differential method, the two-stage three-step method and the spatial differential method. The conclusions show that compared with non-pilot cities, the carbon emissions of pilot smart cities are reduced by 2.8% on average, which means that the construction of smart cities significantly reduces the level of carbon emissions. This conclusion is still valid after a series of robustness tests, such as changing the estimation model and selecting the control group. Mechanism studies show that smart city construction has transformed urban development from the factor and investment-driven to the innovation-driven, and promoted urban low-carbon transformation through digital empowerment to exert energy upgrading effect, life transformation effect and resource allocation effect. The results from quantitative decomposition show that the above mechanism contributed more than 80% of the explanatory effect. Heterogeneity analysis shows that the carbon emission reduction effect of digital economy development is more obvious in large and above scale cities, more developed regions in eastern and southern China, and cities with high endowment of human, financial and physical resources. The spatial effect analysis shows that with the increase of distance threshold, the spillover effect generated by smart city construction is significantly reduced, and the conclusion is still valid after the use of differential spatial Durbin model. This paper not only provides new documentary evidence for the causal relationship between digital economy development and carbon emission governance, but also has important practical significance for exploring how to use digital economy to enable green and low-carbon transition in the post-pandemic period, so as to achieve high-quality economic development.
-
表 1 描述性统计
变量类别 具体变量 变量符号 样本数 均值 标准差 最小值 最大值 被解释变量 城市碳排放量 CO2 2 268 2.867 0.734 0.613 4.604 城市碳排放强度 CEI 2 268 1.276 0.529 -0.165 6.102 城市人均碳排放 CEI 2 268 1.74 0.609 -0.591 3.937 核心解释变量 数字经济发展 smartcity 2 268 0.109 0.312 0 1 控制变量 产业结构 lnind 2 268 3.831 0.262 2.492 4.408 人力资本水平 lnhc 2 268 4.325 1.135 -0.524 7.178 人口密度 lnpopu 2 268 5.708 0.932 1.548 7.882 路网密度 lnrd 2 268 4.469 0.629 1.539 5.571 基础设施建设 fra 2 268 19.438 36.757 0.15 562.463 对外开放程度 open 2 268 0.162 0.292 0 3.5 财政分权度 fiscal 2 268 0.432 0.217 0.055 1.541 金融发展水平 fe 2 268 1.858 2.627 0.229 103.729 一阶段机制变量 技术创新 innovate 2 268 5.414 17.354 0 237.304 二阶段机制变量 城市电力消费量 lnelec 2 268 12.977 1.164 8.994 16.38 人均电力消费水平 lnpopelec 2 268 8.266 0.83 5.15 11.815 互联网接入用户 inter 2 268 0.569 0.645 0 5.32 邮政业务总量 post 2 268 0.565 2.06 0.014 75.858 科研从业人员 sciemploy 2 268 0.588 1.163 0 14.142 科研支出强度 scitec 2 268 0.368 0.837 0 17.643 注：为缓解某些变量数值过大所产生的影响，对变量单位进行了处理，如互联网接入用户单位为百万。 
下载: 导出CSV
表 2 基准回归结果
变量 CO2 CEI CE smartcity -0.040*** -0.028*** -0.054*** -0.055*** -0.123*** -0.098*** (0.010) (0.010) (0.015) (0.014) (0.012) (0.011) lnind 0.137*** -0.399*** 0.137*** (0.028) (0.036) (0.027) lnhc 0.053*** 0.058*** 0.083*** (0.008) (0.011) (0.010) lnpopu 0.453*** -0.137* 0.427*** (0.087) (0.076) (0.097) lnrd 0.063** 0.092*** 0.097*** (0.027) (0.028) (0.027) fra 0.001* 0.000 0.000 (0.000) (0.000) (0.000) open 0.083*** 0.126*** 0.128*** (0.019) (0.025) (0.022) fiscal -0.0256 -0.1717*** 0.030 (0.032) (0.036) (0.033) fe 0.002 0.042*** 0.002 (0.002) (0.002) (0.002) 常数项 2.871*** -0.764 1.282*** 2.900*** 1.753*** -2.045*** (0.002) (0.496) (0.004) (0.450) (0.003) (0.550) 城市时间趋势项 是 是 是 是 是 是 年份效应 是 是 是 是 是 是 城市效应 是 是 是 是 是 是 N 2 268 2 268 2 268 2 268 2 268 2 268 Adj.R2 0.982 0.984 0.899 0.946 0.967 0.972 注：*、**和***分别表示10%、5%和1%的显著性水平，括号内的数值表示聚类到城市层面的标准误。下表同，且表 3至表 15均控制了城市时间趋势项。
下载: 导出CSV
表 3 试点年份选择偏误检验结果
变量 2006 2008 2010 CO2 0.091(0.203) 0.202(0.199) 0.345(0.219) CEI 0.537(0.398) 0.515(0.394) 0.486(0.411) CE 0.416(0.391) 0.555(0.363) 0.635(0.397) 控制变量 控制 控制 控制 N 162 162 162 注：控制变量系数省略，下同。
下载: 导出CSV
表 4 稳健性检验：PSM-DID检验
变量 CO2 CEI CE smartcity -0.026*** -0.019* -0.029* -0.041*** -0.09*** -0.074*** (0.010) (0.010) (0.017) (0.014) (0.012) (0.011) lnind 0.070* -0.491*** 0.125*** (0.036) (0.039) (0.032) lnhc 0.061*** 0.059*** 0.110*** (0.013) (0.015) (0.015) lnpopu 0.478*** -0.125 0.597*** (0.083) (0.081) (0.094) lnrd 0.066** 0.050 0.030 (0.029) (0.032) (0.029) fra 0.000 0.000 0.000 (0.000) (0.000) (0.000) open 0.050** 0.109*** 0.151*** (0.020) (0.028) (0.026) fiscal -0.034 -0.161*** 0.011 (0.033) (0.036) (0.034) fe 0.002 0.041*** 0.001 (0.002) (0.002) (0.002) 常数项 2.947*** -0.675 1.253*** 3.375*** 1.795*** -2.834*** (0.002) (0.504) (0.004) (0.484) (0.003) (0.562) 年份效应 是 是 是 是 是 是 城市效应 是 是 是 是 是 是 N 2 011 2 011 2 011 2 011 2 011 2 011 Adj.R2 0.983 0.985 0.896 0.948 0.969 0.974
下载: 导出CSV
表 5 稳健性检验：指标测度
代理变量 CO2 CEI CE CO2 CEI CE 互联网普及率 -0.041*** -0.083*** -0.059*** (0.008) (0.012) (0.010) 城市创新绩效 -0.001*** -0.002*** -0.002*** (0.000) (0.000) (0.000) 常数项 -0.965* 2.490*** -2.359*** -0.808 2.8197*** -2.143*** (0.497) (0.439) (0.571) (0.492) (0.438) (0.557) 控制变量 控制 控制 控制 控制 控制 控制 年份效应 是 是 是 是 是 是 城市效应 是 是 是 是 是 是 N 2 430 2 430 2 430 2 430 2 430 2 430 Adj.R2 0.984 0.948 0.971 0.984 0.947 0.972
下载: 导出CSV
表 6 稳健性检验：更换被解释变量
变量 NewCO2 NewCEI NewCE NewCO2 NewCEI NewCE smartcity -0.058** -0.031** -0.029** -0.052** -0.038*** -0.030* (0.025) (0.014) (0.014) (0.026) (0.014) (0.015) 常数项 5.773*** 0.576*** 0.844*** 0.886 1.424*** -1.180** (0.008) (0.004) (0.004) (0.888) (0.539) (0.571) 控制变量 未控制 未控制 未控制 控制 控制 控制 年份效应 是 是 是 是 是 是 城市效应 是 是 是 是 是 是 N 2 430 2 430 2 430 2 430 2 430 2 430 Adj.R2 0.904 0.763 0.911 0.906 0.82 0.911 注：NewCO2为新的城市碳排放量，NewCEI和NewCE分别代表新的碳排放强度和人均碳排放。
下载: 导出CSV
表 7 稳健性检验：精选对照组
变量 CO2 CEI CE smartcity -0.038*** -0.030** -0.103*** -0.095*** -0.068*** -0.065*** (0.011) (0.008) (0.015) (0.016) (0.013) (0.013) 常数项 3.285*** -0.104 1.203*** 4.519*** 2.116*** -2.600*** (0.004) (0.665) (0.005) (0.927) (0.004) (0.641) 控制变量 未控制 控制 未控制 控制 未控制 控制 年份效应 是 是 是 是 是 是 城市效应 是 是 是 是 是 是 N 868 868 868 868 868 868 Adj.R2 0.988 0.989 0.967 0.971 0.964 0.975
下载: 导出CSV
表 8 稳健性检验：加入2013年和2014年试点城市
变量 CO2 CEI CE CO2 CEI CE smartcity -0.053*** -0.060*** -0.135*** -0.040*** -0.058*** -0.111*** (0.009) (0.014) (0.012) (0.009) (0.013) (0.011) 常数项 2.881*** 1.311*** 1.775*** -1.630*** 1.546*** -2.341*** (0.002) (0.003) (0.002) (0.413) (0.418) (0.424) 控制变量 未控制 未控制 未控制 控制 控制 控制 年份效应 是 是 是 是 是 是 城市效应 是 是 是 是 是 是 N 3 934 3 934 3 934 3 934 3 934 3 934 Adj.R2 0.980 0.903 0.972 0.982 0.943 0.976
下载: 导出CSV
表 9 数字经济发展影响城市碳排放的机制检验：第一阶段
变量 技术创新 能源升级效应 能源升级效应 innovate elec popelec elec popelec smartcity 10.605***(1.673) -0.076**(0.034) -0.079**(0.038) -0.030(0.034) -0.060(0.039) innovate -0.004***(0.001) -0.002***(0.001) 变量 技术创新 生活转型效应 生活转型效应 innovate inter post inter post smartcity 10.605***(1.673) 0.169***(0.041) 0.735**(0.308) 0.021(0.031) 0.226(0.242) innovate 0.014***(0.001) 0.047***(0.006) 变量 技术创新 资源配置效应 资源配置效应 innovate scitec sciemploy scitec sciemploy smartcity 10.605***(1.673) 0.581***(0.092) 0.172***(0.042) 0.205***(0.058) -0.006(0.037) innovate 0.035***(0.005) 0.017***(0.002) 控制变量 控制 控制 控制 控制 控制 年份效应 是 是 是 是 是 城市效应 是 是 是 是 是 N 2 268 2 268 2 268 2 268 2 268 注：限于页面，机制路径分成三个表格展示，表 10同。
下载: 导出CSV
表 10 数字经济发展影响城市碳排放的机制检验：第二阶段
变量 能源升级效应 碳排放 碳排放 elec popelec CO2 CO2 CO2 smartcity -0.076**(0.034) -0.079**(0.038) -0.028***(0.010) -0.025***(0.010) -0.027***(0.009) elec 0.037***(0.006) popelec 0.047***(0.007) 变量 生活转型效应 碳排放 碳排放 inter post CO2 CO2 CO2 smartcity 0.169***(0.041) 0.735**(0.308) -0.028***(0.010) -0.021**(0.010) -0.019**(0.010) inter -0.039***(0.008) post -0.001(0.001) 变量 资源配置效应 碳排放 碳排放 scitec sciemploy CO2 CO2 CO2 smartcity 0.581***(0.092) 0.172***(0.042) -0.028***(0.010) -0.021**(0.010) -0.025***(0.010) scitec -0.012***(0.004) sciemploy -0.013***(0.005) 控制变量 控制 控制 控制 控制 控制 年份效应 是 是 是 是 是 城市效应 是 是 是 是 是 N 2 268 2 268 2 268 2 268 2 268 注：表中仅报告了基于CO2的机制检验结果，基于CE和CEI的分析结果亦基本一致，其余说明同表 2。
下载: 导出CSV
表 11 异质性分析：城市规模
变量 中等城市 Ⅱ型大城市 Ⅰ型大城市 大城市 CO2 -0.138*(0.009) -0.014(0.012) -0.001***(0.013) -0.031***(0.011) CEI -0.025(0.061) 0.020(0.024) -0.039***(0.024) -0.058*(0.023) CE -0.111(0.069) -0.072***(0.018) 0.011(0.015) -0.094***(0.015) 控制变量 控制 控制 控制 控制 年份效应 是 是 是 是 城市效应 是 是 是 是 N 97 845 660 606 注：中等城市人口(50万-100万)、Ⅱ型大城市(100万-300万)、Ⅰ型大城市(300万-500万)、大城市(≥500万)。
下载: 导出CSV
表 12 异质性分析：城市特征
变量 人力资本 经济活动 金融发展 信息基础设施 低组 高组 低组 高组 低组 高组 低组 高组 CO2 0.024 -0.026*** -0.021 -0.030** -0.0163 -0.0289** -0.0236 -0.0244** (0.054) (0.009) (0.017) (0.014) (0.014) (0.014) (0.022) (0.011) CEI 0.610 -0.234*** 0.039 -0.051*** -0.0086 -0.0598*** -0.0209 -0.0482*** (1.573) (0.071) (0.026) (0.017) (0.021) (0.018) (0.025) (0.017) CE -0.073 -0.069*** -0.034* -0.094*** -0.0383* -0.1185*** 0.0118 -0.0582*** (0.050) (0.011) (0.019) (0.016) (0.020) (0.016) (0.029) (0.013) 控制变量 控制 控制 控制 控制 控制 控制 控制 控制 年份效应 是 是 是 是 是 是 是 是 城市效应 是 是 是 是 是 是 是 是 N 1 134 1 134 1 134 1 134 1 134 1 134 1 134 1 134
下载: 导出CSV
表 13 数字经济发展影响城市碳排放空间模型的回归结果
变量 SLX-DID SDM-DID 省内关联 邻近省外 省内和邻近省外关联嵌套矩阵 省内关联 邻近省外 省内和邻近省外关联嵌套矩阵 smartcity -0.027*** -0.033*** -0.030*** -0.025*** -0.030*** -0.022** (0.010) (0.010) (0.010) (0.009) (0.009) (0.009) W×smartcity -0.080*** -0.066*** -0.095*** -0.060*** -0.063*** -0.074*** (0.011) (0.017) (0.015) (0.011) (0.014) (0.014) ρ 0.349*** 0.100*** 0.394*** (0.045) (0.058) (0.039) 控制变量 控制 控制 控制 控制 控制 控制 时间固定 是 是 是 是 是 是 空间固定 是 是 是 是 是 是 直接效应 -0.036*** -0.031*** -0.035*** (0.010) (0.009) (0.009) 间接效应 -0.078*** -0.033*** -0.114*** (0.013) (0.008) (0.020) 总效应 -0.114*** -0.064*** -0.149*** (0.019) (0.013) (0.027) N 2 268 2 268 2 268 2 268 2 268 2 268 R2 0.985 0.985 0.985 0.097 0.168 0.090 注：表中仅汇报了基于CO2的空间溢出检验结果，基于其他因变量的实证结果基本相同，其余说明同表 2。
下载: 导出CSV
-
[1] 赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020(10): 65-76. doi: 10.3969/j.issn.1002-5502.2020.10.006 [2] ROSENBLOOM D, MARKARD J. A COVID-19 recovery for climate[J]. Science, 2020, 368(6490): 447-447. doi: 10.1126/science.abc4887 [3] GOLDFARB A, TUCKER C. Digital economics[J]. Journal of Economic Literature, 2019, 57(1): 3-43. doi: 10.1257/jel.20171452 [4] 何菊香, 赖世茜, 廖小伟. 互联网产业发展影响因素的实证分析[J]. 管理评论, 2015(1): 138-147. https://www.cnki.com.cn/Article/CJFDTOTAL-ZWGD201501014.htm [5] 郭家堂, 骆品亮. 互联网对中国全要素生产率有促进作用吗? [J]. 管理世界, 2016(10): 34-49. doi: 10.19744/j.cnki.11-1235/f.2016.10.003 [6] 戚聿东, 褚席. 数字生活的就业效应: 内在机制与微观证据[J]. 财贸经济, 2021(4): 98-114. https://www.cnki.com.cn/Article/CJFDTOTAL-CMJJ202104008.htm [7] 李广昊, 周小亮. 推动数字经济发展能否改善中国的环境污染——基于"宽带中国"战略的准自然实验[J]. 宏观经济研究, 2021(7): 146-160. https://www.cnki.com.cn/Article/CJFDTOTAL-JJGA202107014.htm [8] SALAHUDDIN M, ALAM K, OZTURK I. The effects of Internet usage and economic growth on CO2 emissions in OECD countries: a panel investigation[J]. Renewable and Sustainable Energy Reviews, 2016, 62(C): 1226-1235. [9] 白雪洁, 孙献贞. 互联网发展影响全要素碳生产率: 成本、创新还是需求引致[J]. 中国人口·资源与环境, 2021(10): 105-117. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGRZ202110011.htm [10] WU H, XUE Y, HAO Y, et al. How does internet development affect energy-saving and emission reduction? evidence from China[J]. Energy Economics, 2021, 103: 105577. doi: 10.1016/j.eneco.2021.105577 [11] 邵帅, 范美婷, 杨莉莉. 经济结构调整、绿色技术进步与中国低碳转型发展——基于总体技术前沿和空间溢出效应视角的经验考察[J]. 管理世界, 2022(2): 46-69. doi: 10.19744/j.cnki.11-1235/f.2022.0031 [12] 杨莉莎, 朱俊鹏, 贾智杰. 中国碳减排实现的影响因素和当前挑战——基于技术进步的视角[J]. 经济研究, 2019(11): 118-132. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201911009.htm [13] ROMER P M. Endogenous technological change[J]. Journal of Political Economy, 1990, 98 (5 Part 2): S71-S102. [14] CZERNICH N, FALCK O, KRETSCHMER T, et al. Broadband infrastructure and economic growth[J]. The Economic Journal, 2011, 121(552): 505-532. doi: 10.1111/j.1468-0297.2011.02420.x [15] NORDHAUS W D. Optimal greenhouse-gas reductions and tax policy in the DICE model[J]. The American Economic Review, 1993, 83(2): 313-317. [16] ACEMOGLU D, AGHION P, BURSZTYN L, et al. The environment and directed technical change[J]. American Economic Review, 2012, 102(1): 131-166. doi: 10.1257/aer.102.1.131 [17] 董直庆, 蔡啸, 王林辉. 技术进步方向、城市用地规模和环境质量[J]. 经济研究, 2014(10): 111-124. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201410010.htm [18] 张文彬, 李国平. 异质性技术进步的碳减排效应分析[J]. 科学学与科学技术管理, 2015(9): 54-61. https://www.cnki.com.cn/Article/CJFDTOTAL-KXXG201509006.htm [19] 陈诗一. 能源消耗、二氧化碳排放与中国工业的可持续发展[J]. 经济研究, 2009(4): 41-55. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ200904006.htm [20] 张希良, 黄晓丹, 张达, 等. 碳中和目标下的能源经济转型路径与政策研究[J]. 管理世界, 2022(1): 35-66. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202201003.htm [21] ROGELJ J, LUDERER G, PIETZCKER R C, et al. Energy system transformations for limiting end-of-century warming to below 1.5 C[J]. Nature Climate Change, 2015, 5(6): 519-527. [22] 林伯强. 碳中和进程中的中国经济高质量增长[J]. 经济研究, 2022(1): 56-71. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ202201006.htm [23] 陶莉, 高岩, 朱红波, 等. 有可再生能源和电力存储设施并网的智能电网优化用电策略[J]. 中国管理科学, 2019(2): 150-157. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGK201902015.htm [24] 罗珉, 李亮宇. 互联网时代的商业模式创新: 价值创造视角[J]. 中国工业经济, 2015(1): 95-107. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201501010.htm [25] YU B, MA Y, XUE M, et al. Environmental benefits from ridesharing: a case of Beijing[J]. Applied Energy, 2017, 191: 141-152. [26] WROBEL A, ROKITA E, MAENHAUT W. Transport of traffic-related aerosols in urban areas[J]. Science of the Total Environment, 2000, 257(2-3): 199-211. [27] GOLDFARB A, TUCKER C. Digital economics[J]. Journal of Economic Literature, 2019, 57(1): 3-43. [28] 宋德勇, 李超, 李项佑. 新型基础设施建设是否促进了绿色技术创新的"量质齐升"——来自国家智慧城市试点的证据[J]. 中国人口·资源与环境, 2021(11): 155-164. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGRZ202111015.htm [29] BORENSTEIN S, SALONER G. Economics and electronic commerce[J]. Journal of Economic Perspectives, 2001, 15(1): 3-12. [30] YILMAZ S, HAYNES K E, DINC M. Geographic and network neighbors: spillover effects of telecommunications infrastructure[J]. Journal of Regional Science, 2002, 42(2): 339-360. [31] 崔蓉, 李国锋. 中国互联网发展水平的地区差距及动态演进: 2006~2018 [J]. 数量经济技术经济研究, 2021(5): 3-20. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202105001.htm [32] 郭炳南, 王宇, 张浩. 数字经济发展改善了城市空气质量吗——基于国家级大数据综合试验区的准自然实验[J]. 广东财经大学学报, 2022(1): 58-74. http://xb.gdufe.edu.cn/article/id/137ab003-4ab5-4b22-9396-a367cf20d6f0 [33] 湛泳, 李珊. 智慧城市建设、创业活力与经济高质量发展——基于绿色全要素生产率视角的分析[J]. 财经研究, 2022(1): 4-18. https://www.cnki.com.cn/Article/CJFDTOTAL-CJYJ202201001.htm [34] CHEN J, GAO M, CHENG S, et al. County-level CO2 emissions and sequestration in China during 1997-2017[J]. Scientific Data, 2020, 7(1): 391. [35] JACOBSON L S, LALONDE R J, SULLIVAN D G. Earnings losses of displaced workers[J]. The American Economic Review, 1993: 685-709. [36] 沈坤荣, 金刚. 中国地方政府环境治理的政策效应——基于"河长制"演进的研究[J]. 中国社会科学, 2018(5): 92-115, 206. https://www.cnki.com.cn/Article/CJFDTOTAL-SHEK202003005.htm [37] CHETTY R, LOONEY A, KROFT K. Salience and taxation: theory and evidence[J]. American Economic Review, 2009, 99(4): 1145-1177. [38] GUO S. How does straw burning affect urban air quality in China? [J]. American Journal of Agricultural Economics, 2021, 103(3): 1122-1140. [39] 韩峰, 谢锐. 生产性服务业集聚降低碳排放了吗?——对我国地级及以上城市面板数据的空间计量分析[J]. 数量经济技术经济研究, 2017(3): 40-58. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY201703003.htm [40] BARON R M, KENNY D A. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations[J]. Journal of Personality and Social Psychology, 1986, 51(6): 1173. [41] 石大千, 丁海, 卫平, 等. 智慧城市建设能否降低环境污染[J]. 中国工业经济, 2018(6): 117-135. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY201806009.htm [42] GELBACH J B. When do covariates matter? and which ones, and how much?[J]. Journal of Labor Economics, 2016, 34(2): 509-543. [43] DELGADO M S, FLORAX R J. Difference-in-differences techniques for spatial data: local autocorrelation and spatial interaction[J]. Economics Letters, 2015, 137: 123-126. -
点击查看大图
图(5) / 表(13)
计量
- 文章访问数: 325
- HTML全文浏览量: 158
- PDF下载量: 42
- 被引次数: 0