EN中文

经济地理 >

2025 , Vol. 45 >Issue 3: 171 - 180

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.03.017

三农、土地与生态

“双碳”目标下政府审计对碳排放的空间溢出效应

  • 陈永泰 ,
  • 单炳霖
展开
  • 南京审计大学 工程审计学院，中国江苏 南京 211815

陈永泰（1977—），男，博士，副教授，硕士生导师，研究方向为城市和区域可持续发展、复杂系统管理、环境空间治理与审计。E-mail：

收稿日期: 2024-09-20

  修回日期: 2025-01-22

  网络出版日期: 2025-05-13

基金资助

国家自然科学基金项目(72471123)

江苏省高等学校基础科学（自然科学）研究重大项目(24KJA630001)

江苏省研究生科研与实践创新计划项目(SJCX23_1062)

收起

Spatial Spillover of Government Audit on Carbon Emissions under the Carbon Peaking and Carbon Neutrality Goals

  • CHEN Yongtai ,
  • SHAN Binglin
Expand
  • School of Engineering Audit，Nanjing Audit University，Nanjing 211815，Jiangsu，China

Received date: 2024-09-20

  Revised date: 2025-01-22

  Online published: 2025-05-13

Fold

摘要

政府审计作为国家监督体系的重要部分，对“双碳”目标的实现意义重大。文章基于2006—2019年中国277个地级市的面板数据，运用空间计量模型，研究了政府审计对碳排放空间溢出效应的空间边界及其异质性特征。研究发现：①政府审计不仅降低了本地碳排放量，还对相邻城市的碳减排起到促进作用，且这种溢出效应存在地理和经济边界，在400km地理距离处，溢出效应达到峰值，同时存在最优经济距离溢出区间。②异质性分析显示，低水平政府干预和高能源消耗会使政府审计的地理距离溢出边界更显著。③政府审计能够增强本地及相邻地区的公众环境关注度，发挥协同降碳的作用。最后，提出政府可通过加强区域合作协调、缩减城市特征差异、增加公众参与监督、加强科技创新与绿色技术研发推广等措施，推动政府审计发展与碳减排双重目标的实现。

关键词： 政府审计; 碳排放; 空间溢出效应; 地理距离; 边界效应; 科技创新; 绿色技术

本文引用格式

陈永泰 , 单炳霖 . “双碳”目标下政府审计对碳排放的空间溢出效应[J]. 经济地理, 2025 , 45(3) : 171 -180 . DOI: 10.15957/j.cnki.jjdl.2025.03.017

Abstract

Government audit, as a key component of the national supervision system, plays a vital role in achieving the carbon peaking and carbon neutrality goals. Based on the panel data of 277 prefecture-level cities in China from 2006 to 2019, this paper employs a spatial econometric model to investigate the spatial boundary and heterogeneity of the spatial spillover effect of government audit on carbon emissions. The research finds that: 1) Government audit not only reduces local carbon emissions but also promotes carbon reduction in adjacent cities. Moreover, this spillover effect shows the characteristics of geographical and economic boundaries, reaching its peak at a geographical distance of 400 km, and there is also an optimal economic distance spillover interval. 2) Heterogeneity analysis reveals that low-level government intervention and high-level energy consumption will make the geographical distance spillover boundary of government audit more significant. 3) Government audit can enhance public environmental awareness in local and neighboring cities, playing a role in coordinated carbon reduction. Based on the above, it proposes that the government can achieve the carbon peaking and carbon neutrality goals and promote the government audit development by the means of strengthening regional cooperation and coordination, reducing differences in urban characteristics, increasing public participation in supervision, and strengthening sci-tech innovation and R&D.

Key words： government audit; carbon emissions; spatial spillover effects; geographical distance; boundary effect; scientific and technological innovation; green technology

过度排放CO2等温室气体引发的全球气候变化，不仅威胁经济的可持续发展，还危及人类生存[1]。2020年，中国提出“采取更加有力的政策和措施，CO2排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”的“双碳”目标；2021年3月中央财经委员会第九次会议将“双碳”目标纳入生态文明建设的整体布局；2022年党的二十大报告指出“协同推进降碳、减污、扩绿、增长，推进生态优先、节约集约、绿色低碳发展”；2024年习近平总书记在二十届中央政治局第十一次集体学习时强调“绿色发展是高质量发展的底色，新质生产力本身就是绿色生产力”。“双碳”目标实施体现出我国治理碳排放的积极性和构建人类命运共同体的大国担当，“双碳”目标的实现是绿色发展的重要途径和关键任务[2-3]。政府审计作为党和国家监督体系的重要组成部分，能保障“双碳”相关资金的合理使用，助力绿色发展政策的有效执行，为新质生产力发展提供支持[4]。聚焦项目和政策落实监督的政府审计能有效推动资源优化配置、环境监管与产业升级，促进经济社会可持续发展，理应在服务“双碳”目标实现中发挥推进作用。因此，深入探究政府审计在碳减排中的作用对于激发绿色发展新动能，推动发展实现“双碳”目标具有重要意义。

1 文献综述与研究假设

1.1 文献综述

近年来，随着监测技术和计量工具的不断进步，碳排放治理成为研究热点，碳减排的空间效应也日益受到关注[5]。肖宏伟等指出，由于CO2等温室气体具有自然扩散特性，传统面板回归假定各地区温室气体排放相互独立，这与现实情况不符，进而导致计量结果出现偏差[6]。徐盈之等也强调了空间效应在碳减排治理工具的价值评估中的作用，认为若忽视空间效应，不仅会低估相邻地区的价值，还可能忽略污染转移或驱赶等不良治理效应[7]。
研究碳排放治理需重视空间效应分析[8⇓⇓-11]。李治国等发现碳交易试点不仅能有效抑制试点地区的碳排放，还会通过空间溢出效应抑制邻近地区的碳排放[12]。Liu等认为数字技术发展对碳排放的空间溢出效应随地理距离增加而减小，存在明确的地理溢出边界[13]。此外，Li等提出碳排放交易（CET）的减排效应存在地理距离边界——随着地理距离增加，其影响呈现先增强后减弱的趋势[14]。因此，研究空间溢出边界对政府推进区域协调减排具有重要参考价值。学术界在碳排放决定因素的研究已取得显著进展[15]。信息化技术在碳强度监测与计量领域取得突破性进展，尤其在推动多行业碳排放精准预测和碳交易价格预估框架的构建中发挥了重要作用[16]。
现有文献为研究碳排放治理和碳减排成效提供了丰富的基础，强调了政府治理工具的空间效应。值得注意的是，在政府审计领域，相关研究主要聚焦于其职能的多元性，强调政府审计在维护国家经济安全、促进生态环境治理、推动社会腐败治理以及提升政府绩效管理水平等方面发挥着重要作用[17⇓-19]。在环境领域，政府审计已成为一项关键的管理工具，为实现国家环境治理目标提供了重要支撑。
近年来，政府审计在碳排放治理方面的研究日益丰富[20-21]。政府审计通过审查环保资金的使用和相关环保政策的落实情况，在一定程度上促进了碳减排。近年来，已有部分学者尝试对政府审计碳减排效果开展实证研究，如张龙平等检验了政府审计对各省低碳发展的影响效果[21]；李兆东等实证检验发现，领导干部自然资源资产离任审计可同步促进碳减排和产能利用效率提升[22]。但受限于数据的匮乏，现有研究仍较少关注政府审计对环境影响的空间分布规律。Beck等发现地理邻近性可以提高审计质量[23]。相较于国际研究，国内学者更关注政府审计的空间属性。实证研究表明，我国政府审计存在显著的空间正相关性[24-25]。值得注意的是，朱锦余等运用空间计量模型分析了政府审计对碳排放的空间治理效应，验证了政府审计对碳排放的抑制效应，但其研究尚未揭示这种溢出效应的地理或经济边界[4]。
其他领域的研究也涉及空间溢出效应[26]及其边界问题，且这种溢出效应会随地理距离增加而衰减。如推荐信息的影响不仅作用于被直接推荐的产品，还会向其他相关产品溢出，且其效应随地理距离扩大逐渐减弱[27]。基于这一现象，部分学者提出“空间地理边界”的概念，如Feng、Yuan等发现金融集聚与新型城镇化的空间溢出效应具有阶段性特征：在不同阶段中，溢出效应存在地理阈值上的密集边界和衰减边界[28-29]。具体表现为，在密集边界范围内，溢出效应较强，而超过衰减边界后，其影响显著下降。此外，彭文斌等进一步探讨了数字经济对碳排放效率的作用，揭示了其门槛效应与空间效应的关联性[30-31]。
综上看出，现有关于政府审计对碳减排效果的实证研究相对不足，且多数未纳入空间效应分析，尤其缺乏对空间衰减边界存在的验证。基于此，本文采用地级市面板数据，在已有研究基础上，检验政府审计对碳排放的空间溢出效应，识别其空间溢出边界，分析其影响因素异质性，以期为优化区域协同减排政策、制定精准化与差异化的碳治理策略提供科学依据。

1.2 理论分析及研究假设

应对全球气候变化，碳减排是实现目标的关键路径。政府审计通过履行监督职责（如环保资金监管、政策执行监督及跨区域协作协调），在推动本地与周边地区协同减排中发挥重要作用。
从政府审计的作用机制来看：①政府审计通过环境审计职能强化环保资金使用效率与透明度，可遏制挪用与浪费行为，从而优化环保投入效益，并为碳减排技术的研发与推广提供资源保障。②政府审计通过审查领导干部环保责任落实情况、评估政策执行效果，可确保各地区严格遵循国家和地方碳减排目标，同时规范碳排放权交易市场，遏制碳泄漏与“搭便车”行为，增强被审计单位落实政策的动力和压力，推动各地区加强碳排放管理和控制。③政府审计借助标杆管理机制，可推动跨区域经验共享与合作，即通过推广先进碳减排技术案例、建立良性竞争模式，系统提升区域碳治理能力。
根据地理学第一定律，事物间的空间依赖性因地理距离而异：空间相互作用通常随城市间距离增加而减弱，且可能存在衰减阈值。与此同时，经济地理空间的不均衡分布和集聚是常态，核心区域凭借集聚优势形成发展差异[32]。在此背景下，政府审计对碳排放治理的空间溢出效应可能受地理距离和经济发展差距的区域边界影响。首先，审计信息传播力随距离衰减，地理距离的增加会减少面对面交流，导致审计信息传递效率降低甚至信息损失，进而影响溢出效应。此外，审计协作效应随地理距离增加而弱化，地理位置相近的审计人员更倾向于与沟通密切的周边地区合作，使得溢出效应呈现空间局限性。而地方保护主义则进一步限制了生产要素和技术的自由流通，不仅抑制资源配置效率，还阻碍地区间产业协调发展。基于此，本文提出假设1。
H1：政府审计对碳排放的空间溢出效应存在地理距离和经济发展差距的区域边界。
政府干预对碳减排具有重要影响，尤其是绿色投资可通过提升能源效率与全要素生产率推动碳减排，这一效应在资源依赖型地区更为显著。在政府干预水平较低的市域，市场机制主导资源配置，而政府审计作为外部监督力量的规范和引导作用反而更易凸显，通过推动地区间碳排放管理的跨区域互动与经验借鉴，政府审计能够强化区域协同性，从而增强其对碳排放治理的空间溢出效应。基于此，本文提出假设2。
H2：政府干预水平越低的市域，政府审计对碳排放的空间溢出效应更强，存在明显的区域溢出边界。
政府审计可通过推动企业或机构采用更节能、清洁的能源技术以降低碳排放，同时提升公众对能源消费与碳排放的认识及责任感，进而引导其改变生活方式与消费习惯，减少能源浪费和环境污染。在能源消耗水平较高的城市，由于碳减排需求更为迫切，政府审计介入不仅能有效推动本地减排，其形成的经验和成果还可通过示范效应辐射周边地区，进一步放大空间溢出作用。基于此，本文提出假设3。
H3：能源消耗水平越高的市域，政府审计对碳排放的空间溢出效应更强，存在明显的区域溢出边界。
环境关注度是公众环境偏好的重要体现。基于互联网搜索中记录网民用户行为的网络搜索数据能够反映公众偏好和行为意图。政府审计可以通过三重路径驱动公众环境关注，从而降低碳排放。一是自然资产离任审计可以通过强化政府环境责任监督促进政府环境信息公开，从而触发公众风险感知与政策响应；二是跨域协同治理与舆情共振形成空间溢出，推动环境议题跨区域扩散，达到协同降碳；三是问责威慑与参与渠道拓宽重构公众行为逻辑，强化审计监督效能，倒逼企业绿色降碳。基于此，本文提出假设4。
H4：政府审计通过促进公众环境关注度来抑制碳排放。

2 研究方法与数据

2.1 空间计量方法

2.1.1 莫兰指数

本文采用全局Moran's I及双变量Moran's I分别检验碳排放的单变量空间聚集性及其与政府审计的双变量空间依赖性。

2.1.2 空间计量经济模型

为了研究政府审计对碳减排的影响，本文构建了一个基本的计量经济学模型：
l n C I i t = a 0 + a 1 G A i t + ∑ a 2 X i t + ε i t + μ i t + ω i t
式中：i和t分别表示市域和年份； l n C I i t表示市域i在t年度的碳排放； G A i t表示政府审计； a 0表示常数项； a 1和 a 2分别表示核心解释变量和控制变量的系数； ε i t表示随机扰动项； μ i t表示市域固定效应； ω i t表示时间固定效应。
进一步，本文将空间交互项纳入方程（1）中讨论政府审计对碳减排的空间溢出效应，模型如下：
l n C I i t = ρ 0 + α 0 ∑ j = 1 N W i j l n C I i t + λ 0 G A i t + η 0 ∑ j = 1 N W i j G A i t + β i t X i t + γ i t ∑ j = 1 N W i j X i t + ε i t + μ i t + ω i t
式中：W表示空间权重矩阵；Wij表示权重矩阵中的单位元素；α表示空间滞后系数； γ表示空间误差系数。
本文通过偏微分方法将政府审计对碳强度的效应划分为：①直接效应：GA对本地区碳强度直接影响；②间接效应（空间溢出效应）：通过地理或经济关联对邻近地区碳强度的作用；③总效应：直接效应与间接效应之和。

2.1.3 空间权重矩阵

空间权重矩阵的选择直接关系到空间计量模型估计结果的稳健性，构建空间地理距离矩阵 W g e o。现实中，两个市域之间的空间联系可能受到经济发展水平和运行模式的影响。为了更好地刻画变量随经济距离增加的空间变化特征，本文构建了经济地理距离矩阵 W e c o - g e o。最后，为了证明结论的稳健性，本文也引入了常见的邻接空间矩阵（W1）。

2.2 变量和数据描述

2.2.1 被解释变量：碳强度

本文以碳强度，即单位GDP碳排放量（CI）作为衡量碳减排与经济发展协调性的核心指标。本文的碳排放数据来源于中国碳核算数据库（CEADs）。该数据库通过自下而上的核算方法构建了覆盖277个地级及以上城市（以下简称“市域”）2001—2019年的碳排放清单，其方法论体系具有较高的国际认可度。鉴于CEADs数据库公布数据仅截至2019年，并结合“十一五”规划（2006年）后中国系统性减排政策的实施背景，本文将样本区间设定为2006—2019年。为保证样本可比性，剔除香港、澳门2个特别行政区和台湾地区以及数据缺失市域，最终选取277个市域为研究样本。为进一步降低数据波动性并缓解异方差问题，对碳强度（CI）进行自然对数处理，得到lnCI。
图1的空间分布图显示，2006年（左图）与2019年（右图）中国市域碳强度呈现“东部—中部高、西部低”的阶梯式格局。东部与中部城市因工业体系密集、化石能源占比高，叠加人口与经济活动的空间集聚，碳强度显著高于以农牧业及清洁能源为主的西部地区。对比两时期，2019年多数市域颜色向高值色阶偏移，表明碳强度整体上升。这一趋势揭示：在2006—2019年的工业化与城镇化加速阶段，尽管经济总量增长，但单位GDP碳排放量未能有效下降，折射出经济增长仍依赖能源消耗的粗放模式。
图1 中国市域碳强度的空间分布演变

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2763的标准地图制作，底图边界无修改。图2同。

Fig.1 Spatial distribution of carbon intensity in cities of China

2.2.2 解释变量：区域政府审计水平

现有的文献多聚焦省级层面政府审计治理水平的测度，却忽视了市域政府间审计治理水平存在的显著差异。基于此，本文参考韩峰等的研究[17]从4个维度构建区域政府审计治理水平综合指标体系（表1）。基于该体系通过熵权法赋权测量得到反映各市域政府审计治理水平的指标，记作GA。
表1 区域政府审计水平评价指标体系及说明

Tab.1 Evaluation index system and explanation of regional government audit level

一级指标 二级指标 符号 权重 计算方法
政府审计水平 审计揭示功能 x1 0.119 审计查出主要问题金额/审计项目数量加1的自然对数
审计处理处罚功能 x2 0.103 审计处理处罚金额/审计项目数量加1的自然对数
审计纠正功能 x3 0.303 移送司法机关、纪检监察机关和有关部门处理人员数量加1的自然对数
审计协作功能 x4 0.475 提交审计信息数量/审计项目数量加1的自然对数
由图2可知，2006和2019年中国政府审计综合指标评价值呈“东高西低”的分异格局，与区域经济发展水平高度匹配。2006—2019年，全国市域政府审计评价值整体上升，其中东部地区增幅显著。其可能原因为：一是东部地区依托经济优势加大对审计技术的投入；二是“十二五”后审计垂直管理改革在东部先行试点，强化了监督独立性；三是区域协同机制（如长三角审计协作平台）提升了跨域治理效能。
图2 中国市域政府审计水平的分布

Fig.2 Spatial distribution of government audit level in cities of China

2.2.3 控制变量

为缓解遗漏变量问题，本文纳入多个控制变量。主要控制变量数据来自《中国统计年鉴》《中国城市统计年鉴》《中国人口和就业统计年鉴》以及各城市统计年鉴。具体如下：
①人口密度：用城市人口密度（即每平方千米城市人口数）的对数（P）衡量。人口密集会使能源消耗和经济活动增加，导致碳排放上升，在人口密集区，政府审计对碳排放的管控效果可能更明显。
②土地利用率：以市辖区城市建设用地占比（LU）体现，即城市建设用地在整个市辖区土地面积中的比例。高效的土地利用能优化产业布局，降低碳排放，也利于政府审计工作的开展。
③外商直接投资：以FDI占城市GDP比重（FDI）衡量。FDI能带来先进技术推动产业升级，影响碳排放，还会改变经济结构和监管环境，影响政府审计成效。
④能源消耗水平：能源消耗水平（EC）通过折算天然气、液化石油气和全社会用电量为标准煤消耗量后取对数衡量。该指标反映经济发展、能源结构等，与碳排放直接相关。
⑤城市交通水平：以城市人均道路面积的自然对数（UR）衡量。城市交通是碳排放重点领域，交通状况直接影响碳排放，也关系到政府审计信息传播和区域协作。
⑥产业结构高度化：采用产业结构层次系数（IS）表示，其等于一产业产值比重·1+二产业产值比重·2+三产业产值比重·3，该指标能反映一个地区的经济结构和产业演化，对碳排放具有重要影响。
⑦人力资本：用普通高等院校师生比（CP）代表。较高的人力资本有利于技术创新和绿色生产，影响碳排放。
上述变量的描述性统计见表2。
表2 变量的描述性统计

Tab.2 Descriptive statistics of variables

变量名 单位 变量符号 观测值 平均值 标准差 最小值 最大值
碳强度 t/万元 lnCI 3878 5.957 0.756 3.116 9.165
政府审计水平 GA 3878 1.480 0.431 0.373 3.149
人口密度 人/km2 P 3878 7.969 0.788 4.967 9.908
土地利用率 % LU 3878 0.088 0.098 0.0002 0.972
外商直接投资 % FDI 3878 0.022 0.056 0.0001 1.282
能源消耗 t EC 3878 4.274 1.229 0.089 8.311
城市交通水平 人/km2 UR 3878 15.692 6.913 0.390 60.07
产业结构高度化 % IS 3878 2.264 0.144 1.831 2.832
人力资本 % CP 3878 0.060 0.025 0.007 0.424

3 实证结果与分析

3.1 空间相关性检验及模型检验

表3报告了政府审计水平（GA）和碳排放强度（lnCI）在3种空间权重矩阵下的全局莫兰指数。结果显示，在地理邻接矩阵（W1）、地理距离矩阵（ W ( g e o )）及经济地理矩阵（ W ( e c o - g e o )）下，GA与lnCI的莫兰指数值均在1%水平上显著为正。这表明二者存在显著的空间正相关性，具体表现为高审计强度—高碳强度（H-H）或低审计强度—低碳强度（L-L）的空间集聚模式。这一结果印证了市域间碳排放与审计监管的联动性，为后续空间溢出效应分析提供基础。
表3 全局莫兰指数估计结果

Tab.3 Estimation results of global Moran index

年份 W1 W（geo） W（eco-geo）
lnCI GA lnCI GA lnCI GA
2006 0.1481*** 0.2908*** 0.1238*** 0.1384*** 0.1621*** 0.2424***
2007 0.1534*** 0.2019*** 0.1286*** 0.099*** 0.1536*** 0.2346***
2008 0.1145*** 0.2714*** 0.1139*** 0.1400*** 0.1834*** 0.2232***
2009 0.1710*** 0.1888*** 0.1398*** 0.1042*** 0.1284*** 0.2210***
2010 0.1974*** 0.3676*** 0.1402*** 0.2017*** 0.1840*** 0.2477***
2011 0.1660*** 0.3489*** 0.1348*** 0.1927*** 0.2060*** 0.2174***
2012 0.1748*** 0.3495*** 0.1368*** 0.1915*** 0.1369*** 0.2214***
2013 0.1757*** 0.3027*** 0.1414*** 0.1601*** 0.2363*** 0.2238***
2014 0.2073*** 0.2912*** 0.1787*** 0.1797*** 0.1981*** 0.2227***
2015 0.2551*** 0.1957*** 0.2118*** 0.1332*** 0.1958*** 0.2529***
2016 0.3172*** 0.1761*** 0.2552*** 0.1422*** 0.2151*** 0.3013***
2017 0.4433*** 0.2913*** 0.3370*** 0.1773*** 0.2345*** 0.2814***
2018 0.4898*** 0.2893*** 0.3694*** 0.1542*** 0.2344*** 0.3141***
2019 0.5228*** 0.3137*** 0.3816*** 0.1653*** 0.2251*** 0.3495***

注：***、**、*分别表示在1%、5%和10%水平上显著。表4~表7同。

基于邻接空间权重矩阵的政府审计与碳强度的双变量莫兰指数的结果（图略）显示，两变量的莫兰指数值在1%显著性水平上均为正，且集聚类型以高—高（H-H）和低—低（L-L）为主。这表明政府审计与碳强度存在较高的空间同质性——高审计强度市域倾向于与高碳强度市域相邻，低值市域亦然。由于空间依赖性可能掩盖潜在的溢出机制，采用空间计量模型能够有效区分本地效应与跨市域溢出效应。
由于中国政府审计和碳排放存在显著的空间依赖性，选择适配的空间计量模型至关重要。首先，通过拉格朗日乘数检验（LM检验）与稳健LM检验（Robust LM检验）发现，无论地理距离矩阵（包括邻接矩阵）还是经济地理嵌套矩阵，空间误差模型（SEM）与空间滞后模型（SAR）均存在显著的空间效应（p<0.01），初步支持引入空间计量方法。其次，基于Wald检验与似然比检验（LR检验），空间杜宾模型（SDM）拒绝简化为SEM或SAR模型（p<0.01），表明SDM能够更充分地捕捉变量间的本地与溢出机制。最后，Hausman检验支持固定效应模型优于随机效应（p=0.001）。综上，本文采用时间和市域双固定效应的SDM模型进行实证估计，以区分政府审计对碳排放的直接效应与空间溢出效应。

3.2 政府审计对碳排放的空间溢出效应分析

表4分别展示了时间和市域双固定条件下，基于W1、W（geo）、W（eco-geo）矩阵的SDM的回归结果。结果显示：所有SDM模型中GA的系数均显著为负，表明政府审计可以降低本地的碳强度。前两列W·GA显著为负表明政府审计会抑制周边市域碳排放。表4还报告了SDM的效应分解结果。3个矩阵下，政府审计的直接效应系数分别为-0.0540、-0.0512、-0.0563，均显著为负（p<0.0100），表明本地审计强度提升有效降低本市域碳强度。溢出效应系数分别为-3.708（邻接矩阵，p<0.0500）、-0.2627（地理距离矩阵，p<0.0500）、-0.1238（经济地理距离矩阵，p<0.1000），均显著为负，表明本地审计对邻近市域碳排放具有显著抑制作用。政府审计的总效应（直接+间接）系数分别为-3.7620（p<0.0500）、-0.3139（p<0.0500）、-0.1801（p<0.0500），综合证明政府审计在整体上遏制了碳排放。
表4 空间杜宾模型的估计结果

Tab.4 Estimation results of spatial Durbin model

变量 （2） （1） （2）
W1 W（geo） W（eco-geo）
lnCI lnCI lnCI
W·GA -0.7100*** -0.1260* -0.0560
GA -0.0470** -0.4770** -0.0510***
P 0.0280** -0.0148* 0.0270**
LU -0.0800* -0.0530 -0.1300*
FDI 0.2390 0.2630 0.1060
CE 0.6670*** 0.6650*** 0.6540***
UR 0.0120*** 0.0130*** 0.0110***
IS 0.9560*** 0.9440*** 0.4740***
CP 0.7860*** 0.7910*** 0.7690***
GA-Direct -0.0540** -0.0512** -0.0563***
GA-Indirect -3.7080** -0.2627** -0.1238*
GA-Total -3.7620** -0.3139** -0.1801**

3.3 稳健性检验

3.3.1 替换空间权重矩阵

将地理距离矩阵W（geo）中的地理衰减参数改为1，得到新的地理反距离矩阵W2，将地理距离矩阵W（geo）中的地理距离计算方式替换为球面距离，得到新的球面距离矩阵W3，地理衰减参数为1。基于W2和W3矩阵的检验结果看出，政府审计的直接效应、间接效应和总效应系数均显著为负，与表4的估计方向与量级一致。这证实了假设H1的可靠性。

3.3.2 改变样本容量

为降低变量极端值对估计结果的干扰，本文对连续变量进行1%双侧缩尾处理。基于地理距离矩阵重新估计空间杜宾模型（SDM）显示政府审计的直接效应、间接效应和总效应均显著为负，与基准模型方向一致且量级接近，证明了结论的稳健性。

3.3.3 替换解释变量

为了缓解变量测度误差的影响，本文参考韩峰等的研究[17]，选取审计机关查处的违规违纪金额（GA2）作为政府审计的替代指标，结果表明，政府审计对碳排放的直接效应均在1%的水平上显著为负，溢出效应在经济地理距离矩阵下显著为负，这表明回归结果稳健。

3.4 空间溢出效应的边界分析

本文进一步探究政府审计对碳排放影响的空间衰减边界。为此，本文参考Liu等的研究[13]，通过设定不同的距离阈值，量化分析空间相关系数随市域间距扩大而衰减的规律，从而确定空间溢出的临界边界。具体如下：
首先，假设两个城市之间的距离间隔为[dmin，dmax]，τ是从dmin到dmax的渐进地理距离，τ取50 km。当dij ≥d时，地理单位元素为地理距离的倒数平方；当dij<d时，矩阵中的地理单位元素为0。这样，距离空间权重矩阵距离d内的市域则去掉，使本文能够更好地观察到空间溢出效应的远距离衰减变化。公式如下：
W d d = d m i n , d m i n + τ , d m i n + 2 τ , … , d m a x
W d = W i j , d n · n = 1 d 2 , d i j ≥ d 0 , d i j < d
同样，为了检验空间溢出效应是否存在经济距离边界，设置经济地理嵌套权重矩阵如下：
w e c o - g e o = W i j , E n · n = 1 E d i j 2 , E i j ≥ E 0 , E i j < E
E = E i ¯ - E j ¯
式中：E是两个市域之间的经济距离，即两个市域之间人均GDP差的绝对值。本文对每个矩阵依次进行回归，并记录相应的政府审计空间溢出效应系数和P值。最后，通过系数的可视化研究政府审计对碳排放的空间溢出效应衰减边界（图3）。
图3 空间溢出效应随地理距离的分布

Fig.3 Distribution of spatial spillover effects with geographic distance

由图3可知，政府审计对碳排放的空间溢出效应随地理距离变化呈倒“U”型曲线关系：随着市域间距离的增加，空间溢出系数先上升，于400 km处达到峰值；随后迅速衰减，至800 km时趋近于0，表明其空间溢出存在明确的地理边界。基于400 km范围内城市受审计影响的显著性特征，因此，本文结合衰减规律将空间溢出效应划为3个分区：①强溢出区（0~400 km）溢出系数随距离递增至峰值；②衰减过渡区（400~550 km），效应值下降幅度达60%；③弱溢出区（>550 km），统计显著性消失（p>0.1），可视为空间溢出的临界边界。这一发现与我国主要城市群空间范围高度吻合。2019年《国家发展改革委关于培育发展现代化都市圈的指导意见》明确提出构建核心城市与周边地区的1 h通勤圈。考虑到城际铁路作为城市群主干交通方式的实际平均运行时速约为200 km，可推断城市群最大辐射半径约为400 km（平均为200 km）[13]。
在现实情境中，政府审计对碳排放的空间外溢通常存在地理局限性，主要源于三个方面的制度性约束：①跨地域数据传输成本高随距离递增，导致信息交换效率下降；②地方政府和跨部门信息共享机制存在滞后性、信息失真及数据缺位问题，削弱了审计结果的跨域应用效能；③计划经济时代遗留的“行政区经济”格局与属地化管理模式，强化了地方保护主义倾向——地方政府更倾向于省内协同或邻近城市合作，跨省域政策协调成本显著升高。上述机制共同导致审计外溢效应呈现先增强后衰减的非线性特征：当城市间距小于400 km时，审计协同的规模效应占主导；超过550 km后，因行政壁垒与信息损耗加剧，空间溢出系数趋于0（p>0.1），表明其外溢存在明确的地理衰减临界值。
图4显示，政府审计对碳排放的空间溢出效应在经济距离上呈现显著的双峰波动特征，而非单调递减趋势。具体而言，当市域间人均GDP差异（以2019年不变价计）处于0.6~1.1万元时，溢出系数β从0.18升至0.31（p<0.01）；差异突破1.1万元后，β值下降至0.12（p<0.05）；当差异超过2.8万元时，β再次回升至0.20（p<0.1）；而差异超过5万元后，β衰减至0.06（p>0.1）。这一“M”型轨迹表明，政府审计外溢效应存在双重门槛约束：首先，欠发达市域（人均GDP<4.2万元）因环境技术吸收能力不足，难以承接审计驱动的低碳知识扩散；其次，高经济差距市域（差异>5万元）因制度环境异质性抑制政策协同。因此，政府审计的碳减排溢出在经济距离上表现为条件性边界，其有效性依赖于区域经济收敛度与制度兼容性水平。
图4 空间溢出效应随经济距离的分布

Fig.4 Distribution of spatial spillover effect with economic distance

3.5 空间异质性分析

3.5.1 空间溢出效应的异质性分析

本文进一步讨论政府审计对碳排放空间溢出效应的异质性。本文主要关注政府审计对碳排放溢出效应及溢出边界在不同市域的政府干预水平（以地区一般公共预算支出与当地GDP比值衡量，高于其中位数为高干预水平，反之为低干预水平）和能源消耗水平（高于其中位数为高能耗，反之为低能耗）的异质性。
表5列（1）展示了不同政府干预水平下政府审计对碳排放空间效应的异质性。结果显示，在高干预水平市域（政府干预指数>16%）中，政府审计的直接效应为-0.079（p<0.050），而间接效应（空间溢出）为-0.227（p>0.100），表明其对邻近市域碳排放的抑制作用不显著；总效应为-0.306（p<0.05），主要源于本地减排贡献。相比之下，低干预水平（政府干预指数≤16%）市域里，政府审计的间接效应亦显著为负，总效应达-0.233（p<0.100），表明其对周边市域碳排放具有显著的空间溢出作用。
表5 空间异质性分析结果

Tab.5 Results of heterogeneity analysis

变量 政府干预水平 （1） 能源消耗水平 （2）
强 弱 高 低
直接效应 GA -0.079** -0.024 0.015 -0.051
溢出效应 GA -0.227 -0.209* -0.405*** -0.095
总效应 GA -0.306** -0.233* -0.390*** -0.146
表5列（2）呈现了不同能源消耗水平下空间效应的差异。结果显示，在高能耗城市（能源消耗水平>4.21）中，政府审计的间接效应为-0.405（p<0.010），总效应为-0.390（p<0.010），表明其能显著抑制周边城市碳排放；而在低能耗城市（能源消耗水平≤4.21）里，政府审计的间接效应为-0.095（p>0.100），总效应为0.146（p>0.100），表明其对周边市域碳排放的影响在统计上不显著。

3.5.2 空间溢出边界的异质分析

基于上述结论，本文进一步针对政府干预水平低的城市与能源消耗量高的城市，分别进行地理距离衰减边界分析，通过构建地理权重矩阵探究其空间溢出边界特征是否与全样本的总体衰减规律一致。
如图5所示，政府审计对碳排放的空间溢出效应在政府干预水平低和能源消耗强度高的城市群中均呈现倒“U”型变化。①在政府干预水平低的城市群中，空间溢出系数于400 km处达到峰值，随后在780 km处衰减至不显著水平。②在能源消费水平高的城市群中，空间溢出系数随地理距离增加先上升至440 km处达到峰值，随后衰减至780 km时趋近于0。上述结果表明，政府审计的空间溢出效应存在明确的地理衰减边界，且其强度与范围受政府干预水平、能源消耗水平的显著调节。特别是在政府干预水平低、能源消耗水平高的城市群中，这种政府审计空间溢出效应更为显著，与中国城市群的“核心—边缘”空间结构高度吻合。上述结论验证了假设H2和H3。
图5 空间溢出效应随地理距离的分布

Fig.5 Distribution of spatial spillover effects by geographical distance

3.6 基于公众环境关注度的机制分析

本文探讨政府审计是否可以通过影响公众环境关注度来发挥碳减排作用。对此，借鉴吴力波等的研究，采用百度环境污染搜索指数刻画公众环境关注度（GZD）[33]。表6给出了基于地理距离矩阵的SDM模型估计的结果。结果表明，政府审计对公众环境关注度的直接效应和溢出效应均在1%的水平上显著为正，这表明政府审计能够增强本地及相邻地区的公众环境关注度。公众对环境的关注度可以借助舆论的力量向地方企业施加环保压力，提高其违规风险，促进企业绿色降碳。
表6 机制分析结果

Tab.6 Mechanism analysis results

变量 （1） 变量 （1）
W（geo） W（geo）
GZD GZD
W·GA 5.078** GA-Direct 2.405***
GA 2.302*** GA-Indirect 7.551***
P -0.147 GA-Total 9.956***
LU -5.480** rho 0.234***
FDI -11.006** Sigma2_e 43.645***
CE -0.482 Log-likelihood -8128.425
UR -0.205*** Observations 2457
IS -5.074 R-squared 0.0467
CP 4.515

4 结论与建议

4.1 研究结论

本文基于2006—2019年中国277个地级及以上城市面板数据，运用空间计量模型，研究了政府审计对碳排放的空间溢出效应、背后机理及异质性。研究结论如下：①政府审计不仅可以减少本地碳排放，还能通过空间溢出效应降低周边市域的碳排放。②区域边界分析表明，政府审计对碳排放的空间溢出效应呈现倒U型的地理边界特征，在400 km处达到峰值，超过一定的地理距离后，空间溢出效应逐渐衰减至0。此外，尽管未发现明确经济距离边界，但存在一个最优的经济距离区间。③异质性分析表明，在政府干预水平低和能源消耗水平高的市域，政府审计对碳排放的空间溢出更为显著，且其地理距离边界特征与中国城市群的空间结构总体吻合。④机制分析表明，政府审计能够增强本地及相邻市域的公众环境关注度，达到协同降碳的目的。

4.2 政策建议

基于上述结论，本文提出如下政策建议：
①建立区域协同审计机制，强化地理边界内的碳减排合作。在400 km地理辐射圈内建立跨城市的协同审计机制，推动区域碳减排目标的统一规划与实施。通过共享审计数据、联合监督和协同治理，最大化地理边界内的碳减排协同效应。设立区域审计协调机构，制定统一碳减排审计标准与行动计划。促进城市间碳排放数据的实时共享与联合分析，确保审计结果的透明与可比。鼓励地理邻近城市在交通、能源、工业等领域开展联合减排项目，形成区域低碳经济带。
②优化经济辐射范围内的资源配置，推动区域低碳发展。在经济协同效应最强的范围内，通过政策引导与资源配置，促进城市间的经济协同与低碳技术扩散；利用审计结果的协同效应，推动高碳排放城市向低碳经济转型。在经济辐射范围内，建立碳减排专项基金，支持低碳技术研发与绿色产业投资；鼓励经济互补的城市开展碳交易合作，形成区域碳市场，促进碳排放权的优化配置；通过税收优惠、补贴等政策，引导企业向低碳技术领域转移，推动区域经济结构的绿色升级。
③差异化制定区域碳减排政策，优化政府干预力度与能源结构调整。针对政府干预力度较低、能源消耗强度较高的地区，优先强化政府审计的区域协同效应，通过精准的政策设计推动区域碳减排协同。对于政府干预力度较低地区，加强政府审计的独立性与权威性，扩大审计覆盖范围，重点监督高能耗企业的碳排放，并推动审计结果在400 km地理范围内的共享与应用。对于高能耗地区，通过政策引导与市场机制，加速能源结构转型，并利用审计结果推动跨区域能源合作，降低碳排放强度。
④强化非正式环境规制的协同治理效能。鼓励公众积极参与环境治理，通过普及绿色环保降碳知识，引导公众低碳出行，促进企业积极进行绿色创新；推动完善企业环境信息披露，鼓励重点行业企业定期公开碳排放数据、污染排放情况及绿色技术应用进展，增强透明度及社会认知程度，便于公众、投资者和环保组织监督。
本文从溢出效应视角基于地市级面板数据探讨了政府审计与碳排放之间的关系。然而，当前政府审计指标的衡量仍待进一步完善。未来，随着政府审计数据披露的日益全面，可以进一步考虑政府审计内容的影响，如低碳或环境治理项目的投资规模。此外，还可以验证本文主要结论的通用性，以及距离边界在政策中的应用价值。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
李斌, 彭星, 欧阳铭珂. 环境规制、绿色全要素生产率与中国工业发展方式转变——基于36个工业行业数据的实证研究[J]. 中国工业经济, 2013(4):56-68.

[2]
任亚运, 傅京燕. 碳交易的减排及绿色发展效应研究[J]. 中国人口·资源与环境, 2019, 29(5):11-20.

[3]
李荣林, 廖秋娴, 熊治. 外部需求、 生产技术选择与企业绿色发展——基于生产网络视角[J]. 中国工业经济, 2024(3):81-99.

[4]
朱锦余, 李玥萤. 国家审计对碳排放有治理作用吗[J]. 当代财经, 2022(9):136-148.

[5]
尹碧波, 邝萍, 欧阳昕彤, 等. 中国减污降碳与扩绿增长耦合协调度的时空特征及其驱动因素[J]. 经济地理, 2024, 44(11):122-131.

DOI

[6]
肖宏伟, 易丹辉. 中国区域工业碳排放空间计量研究[J]. 山西财经大学学报, 2013, 35(8):1-11.

[7]
徐盈之, 王书斌. 碳减排是否存在空间溢出效应?——基于省际面板数据的空间计量检验[J]. 中国地质大学学报(社会科学版), 2015, 15(1):41-50.

[8]
Wang S, Huang Y,Zhou,Y. Spatial spillover effect and driving forces of carbon emission intensity at the city level in China[J]. Journal of Geographical Sciences, 2019,292:231-252.

[9]
李俊明, 魏雯琪, 张鹏, 等. 中国市域数字经济发展对减污降碳协同的促进效应及其空间分异[J]. 经济地理, 2023, 43(12):169-180.

DOI

[10]
蔺雪芹, 边宇, 王岱. 京津冀地区工业碳排放效率时空演化特征及影响因素[J]. 经济地理, 2021, 41(6):187-195

DOI

[11]
曲亮, 蔡宏波, 任国良, 等. 财政分权与中国区域碳减排效率实证研究[J]. 经济地理, 2015, 35(5):160-165.

[12]
李治国, 王杰. 中国碳排放权交易的空间减排效应:准自然实验与政策溢出[J]. 中国人口·资源与环境, 2021, 31(1):26-36.

[13]
Liu J, Yu Q, Chen Y, et al. The impact of digital technology development on carbon emissions:A spatial effect analysis for China[J]. Resources,Conservation and Recycling, 2022,185:106445.

[14]
Li Z, Wang J. Spatial spillover effect of carbon emission trading on carbon emission reduction:Empirical data from pilot regions in China[J]. Energy, 2022,251:23906.

[15]
Pan X, Ai B, Li C, et al. Dynamic relationship among environmental regulation,technological innovation and energy efficiency based on large scale provincial panel data in China[J]. Technological Forecasting and Social Change, 2019,144:428-435.

[16]
Lu W C. The impacts of information and communication technology,energy consumption,financial development,and economic growth on carbon dioxide emissions in 12 Asian countries[J]. Mitigation and Adaptation Strategies for Global Change, 2018, 23(8):1351-1365.

[17]
韩峰, 胡玉珠, 陈祖华. 国家审计推进经济高质量发展的作用研究——基于地级城市面板数据的空间计量分析[J]. 审计与经济研究, 2020, 35(1):29-40.

[18]
Xu Z, Dai Y, Liu W. Does environmental audit help to improve water quality?Evidence from the China National Environmental Monitoring Centre[J]. Science of The Total Environment, 2022,823:153485.

[19]
刘家义. 论国家治理与国家审计[J]. 中国社会科学, 2012(6):60-72,206.

[20]
Mikulčić H, Duić N, Dewil R. Environmental management as a pillar for sustainable development[J]. Journal of Environmental Management, 2017,203:867-871.

[21]
张龙平, 李苗苗, 陈丽红. 国家审计会影响低碳发展吗?——基于中国省级面板数据的实证研究[J]. 审计与经济研究, 2019, 34(5):9-21.

[22]
李兆东, 郭磊. 领导干部自然资源资产离任审计可以促进节能减排吗?[J]. 南京审计大学学报, 2022, 19(3):31-39.

[23]
Beck M J, Gunn J L, Hallman N. The geographic decentralization of audit firms and audit quality[J]. Journal of Accounting and Economics, 2019, 68(1):101234.

[24]
唐凯桃, 许婧, 李小涛, 等. 国家审计能够促进城市全要素生产率提升吗?——基于空间杜宾模型分析[J]. 财经理论与实践, 2022, 43(6):94-100.

[25]
贺宝成, 熊永超. 国家审计如何影响政府治理效率?——基于Tobit-SDM模型的空间计量分析[J]. 审计与经济研究, 2021, 36(6):16-25.

[26]
何文举, 张华峰, 陈雄超, 颜建军. 中国省域人口密度、产业集聚与碳排放的实证研究——基于集聚经济、拥挤效应及空间效应的视角[J]. 南开经济研究, 2019, 206(2):207-225.

[27]
Liang C, Shi Z, Raghu T S. The spillover of spotlight:Platform recommendation in the mobile app market[J]. Information Systems Research, 2019, 30(4):1296-1318.

DOI

[28]
Feng Y, Liu Y, Yuan H. The spatial threshold effect and its regional boundary of new-type urbanization on energy efficiency[J]. Energy Policy, 2022,164:112866.

[29]
Yuan H. The spatial threshold effect and its regional boundary of financial agglomeration on green development:A case study in China[J]. Journal of Cleaner Production, 2020,244:118670.

[30]
彭文斌, 苏欣怡. 长三角地区数字经济发展对碳排放效率的影响——基于产业集聚的门槛效应[J]. 当代财经, 2024,(12):126-139.

[31]
彭文斌, 苏欣怡, 邝嫦娥, 等. 长株潭都市圈数字经济对碳排放效率的影响及空间效应[J]. 地理学报, 2024, 79 (11):2915-2928.

DOI

[32]
栾心晨, 黄永源, 朱晟君, 等. 被低估的边缘:边缘区域创新研究综述[J]. 经济地理, 2024, 44(11):1-12.

DOI

[33]
吴力波, 杨眉敏, 孙可哿. 公众环境关注度对企业和政府环境治理的影响[J]. 中国人口·资源与环境, 2022, 32(2):1-14.

Options
文章导航

/

〈 〉