EN中文

经济地理 >

2025 , Vol. 45 >Issue 6: 173 - 182

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.06.017

三农、土地与生态

低碳城市试点对工业用地配置的影响及空间效应

  • 朱乾隆 , 1 ,
  • 马贤磊 1, 2 ,
  • 石晓平 , 1, 2, ※
展开
  • 1.南京农业大学 公共管理学院，中国江苏 南京 210095
  • 2.南京农业大学 中国资源环境与发展研究院，中国江苏 南京 210095
※ 石晓平（1973—），男，博士，教授，博士生导师，研究方向为土地经济与政策。E-mail：

①数据来源：《中国城市建设统计年鉴》。

朱乾隆（1994—），男，博士研究生，研究方向为土地经济与政策。E-mail:

收稿日期: 2024-09-11

  修回日期: 2024-07-10

  网络出版日期: 2025-08-07

基金资助

国家社会科学基金项目(22VRC163)

教育部高等学校学科创新引智计划资助项目(B17024)

南京农业大学中央高校基本科研业务费人文社会科学研究基金项目(SKYZ2023004)

收起

Impact and Spatial Effects of Low-carbon City Pilot on the Allocation of Industrial Land

  • ZHU Qianlong , 1 ,
  • MA Xianlei 1, 2 ,
  • SHI Xiaoping , 1, 2, ※
Expand
  • 1. College of Public Administration，Nanjing Agricultural University，Nanjing 210095，Jiangsu，China
  • 2. China Resources，Environment and Development Academy，Nanjing Agricultural University，Nanjing 210095，Jiangsu，China

Received date: 2024-09-11

  Revised date: 2024-07-10

  Online published: 2025-08-07

Fold

摘要

文章基于2007—2021年全国277个地级及以上城市面板数据，运用多期双重差分模型和空间双重差分模型，实证检验了低碳城市试点对工业用地配置的影响。结果表明：①低碳城市试点对工业用地出让面积和“三高”特征企业用地出让面积占比均具有显著的负向影响，而该试点对工业用地出让价格的影响不显著。②异质性分析显示，由于城市资源禀赋和地方政府环境治理压力的不同，低碳城市试点对工业用地配置的影响具有明显的异质性特征。③空间效应分析表明，低碳城市试点对经济相邻和地理相邻城市的工业用地出让面积均具有负向影响，同时与地理相邻城市的工业用地出让价格以及经济相邻城市的“三高”特征企业用地出让面积占比均具有负相关关系。据此，提出要充分发挥低碳城市试点对优化工业用地资源配置的积极作用，因地制宜地完善低碳城市试点政策体系，统筹推进试点城市及相邻地区的绿色低碳与协同发展。

关键词： 低碳城市试点; 工业用地配置; 多期双重差分模型; 政策影响; 空间溢出效应

本文引用格式

朱乾隆 , 马贤磊 , 石晓平 . 低碳城市试点对工业用地配置的影响及空间效应[J]. 经济地理, 2025 , 45(6) : 173 -182 . DOI: 10.15957/j.cnki.jjdl.2025.06.017

Abstract

Based on the panel data of 277 prefecture-level and above cities in China from 2007 to 2021, this paper uses the multi-period and spatial difference-in-differences (DID) models to empirically test the impact of the low-carbon city pilot on the allocation of industrial land. The results show that: 1) The low-carbon city pilot has a significant negative effect on both the industrial land transfer area and the proportion of land transfer area for enterprises with high energy consumption, high emissions, and high pollution, while it does not significantly affect the price of industrial land leases. 2) Due to the differences in the urban resource endowments and the environmental governance pressures of local governments, the impact of the low-carbon city pilot on industrial land allocation exhibits clear heterogeneous characteristics. 3) The pilot negatively impacts the industrial land lease area in economically and geographically adjacent cities. Additionally, there is a negative correlation between the pilot policy and industrial land lease prices, as well as the proportion of land transfer area for enterprises with high energy consumption, high emissions, and high pollution in adjacent cities. Consequently, it is advisable to fully utilize the positive impacts of the low-carbon city pilot to optimize industrial land resource allocation, tailor the policy framework according to local conditions, and promote green, low-carbon and coordinated development among pilot and neighboring cities.

Key words： low-carbon city pilot; industrial land allocation; multi-period DID model; policy effect; spatial spillover effect

工业用地是实体经济发展的重要载体。新发展格局下，优化工业用地配置对于助推现代化产业体系建设和提升新质生产力发展水平具有重要意义。统计数据显示，中国工业用地面积已由2007年的0.74万km2增加到2021年的1.13万km2①。长期以来，在“以地谋发展”模式的影响下，地方政府通过大规模、低价出让工业用地，实现了短期内的经济快速增长，由此也导致了工业用地空间布局散乱、利用粗放以及一系列的环境问题。习近平总书记在党的二十大报告指出，要构建新发展格局，统筹产业结构调整、污染治理和生态保护，协同推进降碳、减污、扩绿和增长。在土地资源日益紧缩的背景下，工业用地的绿色转型迫在眉睫[1]。为此，国家发展改革委于2010、2012和2017年分三批开展低碳城市试点工作，旨在探索低碳发展的模式创新，推进能源优化利用，打造低碳产业体系，引领和示范全国低碳发展。并且，在文件中对试点城市的行政管理、规划政策、产业体系等方面进行了规范，鼓励各城市结合本地实际和特色创新探索，总结经验和模式。在当前“双碳”目标约束背景下，低碳城市试点如何影响试点城市的工业用地配置及优化区域土地资源配置格局是亟需回答的现实问题。
目前，学界对地方政府工业用地配置的研究已相当丰富。由于地方政府垄断城市国有建设用地一级市场，在财政、增长和晋升等压力的驱动下，地方政府通过干预工业用地配置，在短期内刺激财政收入增加和经济增长，既能缓解地方政府的财政压力，使其在激烈的府际竞争中取得优势[2]；也有助于缓解地方官员的晋升压力，从而在“晋升锦标赛”中脱颖而出[3]。具体而言，地方政府对工业用地配置的干预主要表现在出让规模、价格、结构以及方式等方面。有研究表明，地方政府通过扩大工业用地出让规模[4]和压低工业用地出让价格[5]，尽可能地吸引投资。此外，还有可能通过降低企业准入门槛和变相补贴土地出让价款等方式干预工业用地出让结构与方式[6]，由此也导致部分发展前景差、高耗能等企业挤占土地资源，进而阻碍土地要素的市场化配置和城市高质量发展。另外，部分学者从外生政策冲击的视角，明确了产业政策[7]、撤县设区政策[8]和绿色政绩考核政策[9]等对工业用地出让规模或价格的影响。
与本文密切相关的另一支文献主要围绕低碳城市试点的政策影响展开，具体包括：①减碳、节能和降耗方面。学界重点关注低碳城市试点在提高碳排放效率[10]和减少城市污染排放[11]等方面的影响。②城市低碳转型发展方面。部分学者实证检验了低碳城市试点在促进城市绿色经济增长[12]和高质量发展绩效[13]中的积极作用。③资源要素配置方面。已有研究聚焦低碳城市试点对城市土地、资本、劳动力要素配置的影响，发现该试点有助于减少地方政府重污染行业土地出让面积[14]、提升外商直接投资质量[15]和提高劳动力吸纳水平[16]。
通过对已有研究的梳理可以看出，当前学界对地方政府的工业用地配置行为和低碳城市试点政策评估已进行了较为丰富的研究，但仍存在以下不足：①现有研究主要探讨了低碳城市试点对重污染行业土地出让的影响[17]，但对试点能否影响以及如何影响工业用地配置的规模、价格和结构等方面仍有待进一步分析。②部分研究运用双重差分模型探究了低碳城市试点对工业用地出让的影响[18]，但鲜有研究从空间溢出效应的视角，分析该试点对相邻城市工业用地配置的影响。
基于此，本文将中国2010年以来实施的低碳城市试点政策作为一项准自然实验，利用2007—2021年全国277个地级及以上城市数据，通过构建多期双重差分模型（DID）和空间双重差分模型（SDID），探讨低碳城市试点对工业用地配置的影响，为理解地方政府干预工业用地配置的行为逻辑以及低碳城市试点等环境规制政策的创新与完善提供理论依据和实证支持。

1 理论分析与研究假说

低碳城市试点本质上是中央政府的环境规制措施，旨在通过政策试点探索城市绿色低碳转型路径，其主要以激励和约束机制规范地方政府资源配置行为。在激励机制方面，中央政府允许试点城市出台税收减免、财政补贴、金融扶持等激励措施，通过市场化手段支持地方政府的低碳行动。在约束机制方面，中央政府将减碳、环保等环境目标纳入试点城市地方政府的政绩考核体系。这一变化促使地方政府的工业用地配置重心由单一经济目标下的招商引资和经济增长，向经济与环保目标并重的土地资源绿色高效利用转移[19]（图1）。
图1 低碳城市试点影响工业用地配置的理论分析框架

Fig.1 Analysis framework of low-carbon city pilot affecting industrial land allocation

在过去“以地生财”和“以地引资”的双重激励下，通过竞相降低工业用地出让价格、降低引资质量标准和环境准入门槛的“逐底竞争”模式，地方政府能够以大规模的工业用地出让在短期内促进地方经济的快速增长[20]。然而，随着大量低效企业，尤其是高耗能、高污染和高排放企业（文中简称“三高”特征企业）的进入，工业用地低效利用的现象愈发严重，并带来了严重的环境问题，大幅增加了地方政府的环境治理压力[21]。为了实现环境目标和完成减碳任务，试点城市地方政府可能选择转变经济发展模式，改变过去大规模、低价出让工业用地的竞争策略，在招商引资环节控制工业用地出让规模和价格，并且适当提高工业企业投资强度、能源消耗和碳排放等方面的准入门槛。同时，地方政府也能够通过发挥工业用地价格的“选择效应”，以用地成本的增加筛选具有高附加值、绿色低碳的工业企业[28-29]。由于“三高”特征企业在减污降碳等方面的能力较弱，政府通常对此类企业需要投入较高的监督成本和约束成本[24]。因此，低碳城市试点政策实施后，地方政府可能会减少向“三高”特征企业出让土地，以推动工业用地配置结构的优化以及地区产业结构的低碳转型。基于以上分析，本文提出假说1。
假说1：低碳城市试点能够影响工业用地配置，具体表现为减少工业用地出让面积、提高工业用地出让价格以及降低“三高”特征企业用地出让面积占比。
在分析低碳城市试点影响本地工业用地配置时，还应考虑其对相邻城市工业用地配置的影响，即是否产生空间溢出效应。一方面，低碳城市试点可以通过示范效应和光环效应，对相邻城市的工业用地配置形成正向的空间溢出效应。分税制改革以来，部分地方政府在围绕工业用地出让的招商引资竞争中出现底线竞争行为，即肆意扩大工业用地出让规模、压低工业用地出让价格和降低招商引资质量[2]。然而，随着环境保护“一票否决”等制度的出台，环境治理在地方政府绩效考核体系中的重要性愈发突显。同时，上级政府部门也会对低碳试点城市的环境治理给予一定的扶持和奖励。因此，在部分地区，地方政府间开始出现“逐顶竞争”的现象[25]。具体表现为相邻城市通过选择性的学习和模仿，总结并吸纳试点城市的成功经验，采取与试点城市相类似的环境政策措施和土地等资源配置方式[26]。在工业用地配置方面，相邻城市可能会模仿试点城市工业用地配置策略，减少工业用地出让规模、提高工业用地出让价格，并适当缩小向“三高”特征企业的出让规模。
另一方面，低碳城市试点在影响本地工业用地配置的同时，也对相邻城市产生污染就近转移效应。从企业视角来看，环境规制政策的实施使企业的环境治理成本增加[27]。并且，遵循成本假说，“三高”特征企业在试点城市面临的环境规制更加严格，拿地后还需要投入更多的环境治理成本。因此，在工业用地出让环节，理性的工业企业在进行区位选择时可能倾向于用地成本较低、环境规制较弱的非试点城市[14]。从地方政府的视角来看，相较于试点城市，相邻非试点城市的政绩考核仍以经济增长为主，环境绩效考核压力较低。因此，相邻城市可能会继续大规模、低价出让工业用地，并承接试点城市的“三高”特征企业转移[28]，以增加地方政府财政收入、促进经济增长和就业。部分经济基础较差的城市甚至以降低企业准入门槛和工业用地出让价格、增加财政或税费补贴等方式，吸纳和庇护此类企业进入[22]。基于此，本文提出假说2。
假说2：低碳城市试点对相邻城市的工业用地配置存在空间溢出效应，但具体的影响方向不明。

2 实证设计

2.1 模型设计

本文将2010年以来中国实施的低碳城市试点政策视为准自然实验，并利用多期双重差分模型分析该试点对工业用地配置的影响。其基本模型如下：
Y i t = α 0 + β 0 P o l i c y i t + δ X j i t + μ t + λ i + ε i t
式中：i表示城市；t表示时间；Yit为被解释变量，代表i城市t年的工业用地配置情况，分别为工业用地配置的规模、价格与结构；政策虚拟变量Policyit为核心解释变量，若i城市在t年被纳入低碳城市试点，则赋值为1，否则为0；β0为待估计系数，是衡量低碳城市试点对工业用地配置影响的核心指标，若其显著则表明低碳城市试点对工业用地配置具有影响；j表示第j个控制变量，Xjit为控制变量的集合；α0为截距项；δ为待估计系数；μt和λi分别为时间固定效应和城市固定效应；εit为随机扰动项。

2.2 变量说明

①被解释变量。本文的被解释变量分别为工业用地配置规模、价格和结构。首先，虽然工业用地出让面积与宗数总体上呈正相关关系，但通过出让宗数很难真实反映不同规模和不同类型工业的出让情况，因此，本文借鉴已有研究[4,20]，以地级市工业用地出让面积（Area）衡量工业用地配置规模，并将工业用地出让宗数作为替代变量用于稳健性检验。同时，为减轻工业用地出让面积偏态分布和异方差问题，对工业用地出让面积进行取对数处理[19]。其次，参考席强敏等的做法[29]，本文使用工业用地出让价格（Price）的对数表示工业用地配置价格，并通过地级市当年所有“招拍挂”出让的工业用地总价格与总面积的比值，求得各地级市年度工业用地出让的平均价格。最后，工业用地配置结构则以“三高”特征企业用地出让面积占比（Area_high）表示。对于“三高”特征企业的划分，本文结合已有研究[28]，在《国民经济行业分类与代码》（2010版）和《第一次全国污染源普查公报（2010）》的基础上，选取了煤炭开采和洗选业、黑色金属矿采选业等17个行业类别。
②核心解释变量。本文的核心解释变量为低碳城市试点（Policy），其也是试点政策实施年份虚拟变量和城市虚拟变量的交互项。我国三批次实施的低碳城市试点时间分别为2010年8月、2012年11月和2017年1月，鉴于前两批实施时间接近年底，考虑到政策效果可能存在滞后性[30]，本文将这两批次政策实施时间设定为2011和2013年。此外，由于部分试点批次是在省域范围内开展的低碳试点，考虑到辖区内各地级市的资源禀赋、经济发展水平与政策实施时间存在一定的差异，以及个别以县（区）开展的低碳试点难以涵盖地级市特征，本文借鉴张兵兵等[26]的做法，在低碳城市试点名单整理时，重点选择3个批次试点中的地级市名单，并以其作为低碳城市试点的样本城市，最终确定北京、天津、石家庄、秦皇岛等共65个低碳试点城市作为处理组，其余212个城市为对照组。
③控制变量。为准确捕获低碳城市试点对工业用地配置影响的净效应，本文从城市宏观特征和官员晋升特征两个方面选取控制变量。其中，借鉴已有研究[4,19]，城市宏观特征变量主要包括：经济发展水平（Pergdp），以人均GDP表示；产业结构（Indus），以第三产业产值与第二产业产值的比重表示；人口规模（Pop），以年末总人口表示；财政压力（Finan），以地方政府财政缺口和一般预算内财政收入的比值表示；科技创新（Tech），以人均财政科技支出表示。鉴于已有研究明确了官员的晋升激励对工业用地出让的显著影响[5,19]，本文选取主政官员任期（Tenure）和主政官员年龄的哑变量（Age）衡量官员的晋升特征。参考彭山桂等[31]的做法，本文以地级市市委书记的任期（年）表示主政官员任期；考虑到地方官员晋升激励随年龄增加而削弱，本文使用地级市市委书记年龄的哑变量表示主政官员年龄，当市委书记的年龄大于等于55岁，赋值为1；否则，赋值为0。

2.3 数据来源

本文使用的工业用地出让数据来源于中国土地市场网（https://www.landchina.com） ① ，在剔除存在明显错误、行业用途等信息不全以及不可识别的交易信息后，保留了2007年1月1日到2021年12月31日网站公告的47.71万余宗工业用地交易数据，在此基础上对这些原始数据进行整理，最终得到地级市层面的工业用地出让面积、价格和结构数据。囿于数据可得性问题，本文的研究期截至2021年。城市宏观层面的控制变量数据主要来自历年的《中国城市统计年鉴》《中国城市建设统计年鉴》以及各省市《统计年鉴》等数据资料。另外，本文以人民网、新华网等政府官员数据库和各地政府官方网站提取到的市委书记任期数据衡量地方官员的晋升激励。本文对所有价值类变量均以2007年为基期进行平减处理，同时，为了减少极端观测值对评估结果造成的误差，对涉及的所有非百分比数据进行对数化处理，并利用线性插值法对极少数缺失值予以补充。在剔除少部分因行政区划调整导致数据不连续和严重缺失的城市后，最终得到277个地级及以上城市2007—2021年的平衡面板数据。

3 结果分析

3.1 平行趋势检验

在利用多期双重差分模型评价政策效应之前，需要检验其是否满足平行趋势检验。本文借鉴Beck等[32]的做法，通过比较低碳城市试点政策实施前后的时间动态效应进行检验，并在模型（1）的基础上构建如下模型：
Y i t = α 1 + ∑ m = - 6 6 β 1 t r e a t i , t + m + δ X i t + μ t + λ i + ε i t
式中：Treatit为虚拟变量，当i城市在t+m年开启低碳城市试点，则赋值为1，否则为0；本文将m设为6，考察政策实施前后6期的变化；α1为截距项；β0为待估计系数。当t+m<0，β0反映低碳城市试点政策实施之前的政策效应；当t+m>0，β0则反映低碳城市试点政策实施之后的政策效应。
图2为平行趋势检验结果 ① 。从中可以看出，低碳城市试点政策实施（t0）之前，工业用地出让面积、工业用地出让价格以及“三高”特征企业用地出让面积占比均不显著；政策实施后，工业用地出让面积和“三高”特征企业用地出让面积占比的回归系数总体均为负且呈现增加趋势，工业用地出让价格的回归系数显著为正。可见处理组和控制组在政策实施前后保持一致的演进趋势，满足平行趋势检验，验证了本文使用双重差分模型的合理性。
图2 平行趋势检验

Fig.2 Parallel trend test

3.2 基准回归结果

表1报告了低碳城市试点对工业用地配置影响的基准回归结果。列（1）（3）和（5）是未加入控制变量的回归结果，列（2）（4）和（6）则是引入城市宏观特征和官员晋升特征控制变量后的回归结果，所有列均控制了时间固定效应和城市固定效应。从列（2）（6）可以看出，低碳城市试点对工业用地出让面积和“三高”特征企业用地出让面积占比的回归系数分别为-0.190和-0.252，且均在1%水平上显著。这表明在低碳城市试点政策实施后，试点城市的地方政府会在一定程度上缩小工业用地出让规模，并且以减少“三高”特征企业用地出让面积等方式调整工业用地出让结构，进而优化工业用地配置。据此，假说1得到部分验证。然而，列（4）的回归结果显示，低碳城市试点对工业用地出让价格影响的回归系数仅为0.001，且不显著，表明低碳城市试点对试点城市工业用地出让价格没有显著性影响。由此推测可能的原因在于：虽然部分地方政府在企业拿地后，可以通过补贴和税收返还等方式变相扭曲工业用地实际出让价格，但随着土地市场定价机制和市场督查机制的不断完善，地方政府对工业用地出让价格的干预难度不断提高，试点城市地方政府对工业用地出让价格的干预相对较小。同时，试点城市通过干预工业用地出让价格对异质性企业的选择效应，也可能因差异化的招商引资目标和环境绩效考核压力而弱化。
表1 基准回归结果

Tab.1 Benchmark regression results

变量 （1） Area （2） Area （3） Price （4） Price （5） Area_high （6） Area_high
Policy -0.208***（0.048） -0.190***（0.046） 0.010（0.042） 0.001（0.038） -0.267***（0.059） -0.252***（0.058）
Pergdp 0.620***（0.076） 0.140***（0.046） 0.465***（0.090）
Indus -0.241***（0.064） 0.051（0.067） -0.274***（0.071）
Pop 0.133（0.127） 0.257**（0.109） 0.029（0.230）
Finan 0.113（0.104） -0.113（0.142） 0.247（0.195）
Tech 0.040***（0.008） -0.012**（0.006） 0.024**（0.010）
Tenure -0.015**（0.007） 0.004（0.004） -0.016**（0.008）
Age 0.001（0.004） -0.001（0.003） 0.002（0.005）
时间固定效应 Yes Yes Yes Yes Yes Yes
城市固定效应 Yes Yes Yes Yes Yes Yes
常数项 5.569***（0.011） -1.693（1.224） 5.248***（0.008） 2.294**（0.934） 4.323***（0.014） -0.689（1.753）
N 4155 4155 4155 4155 4155 4155
R2 0.724 0.739 0.638 0.640 0.651 0.659

注：*、**、***分别代表10%、5%和1%的水平上显著，括号内数值为标准误。表2~表4同。

3.3 稳健性检验

①排除其他并行政策影响。为避免研究期内其他并行政策对工业用地配置的影响，本文将碳排放权交易试点政策（Carbon）纳入回归分析[33]，在排除研究期内其他政策影响后，低碳城市试点对工业用地出让面积、出让价格和“三高”特征企业用地出让面积占比的显著性与基准回归一致，表明基准回归的结果是稳健的。
②替换被解释变量衡量方法。为提高回归结果的可信度，本文参考冯志艳等的做法[19]，分别使用工业用地出让宗数（Case）、“三高”特征企业用地出让价格（Price_high）和“三高”特征企业用地出让宗数占比（Case_high）衡量工业用地配置的规模、价格和结构，并进行回归。回归结果可以看出，在替换被解释变量后，低碳城市试点对工业用地出让宗数和“三高”特征企业出让宗数占比仍具有显著的负向影响，对污染密集型行业用地出让价格的影响依旧不显著，与基准回归结论一致。
③其他稳健性检验。考虑到低碳试点城市选取可能存在内生性问题，以及该试点政策对工业用地配置影响的滞后性，本文将解释变量的滞后1期（L.Policy）进行回归。另外，由于遗漏变量也可能会造成回归结果偏误，本文增加城市基础设施变量观测基础设施水平对工业用地配置的影响，以及增加官员任期的平方项考察官员任期与工业用地出让之间可能存在的非线性关系[5]，并进一步控制省份固定效应回归，回归结果可以看出，稳健性检验回归结果与基准回归结果一致，即低碳城市试点对工业用地出让面积和“三高”特征企业用地出让面积占比具有显著的负向影响，对工业用地出让价格的影响不显著。
④安慰剂检验。其他不可观测的城市特征因素可能会对估计结果产生影响，本文参考已有研究做法[12]，构建虚拟处理组和虚构政策时间，进一步检验前文发现的低碳城市试点对工业用地配置规模和结构的影响是否真实存在。在进行500次重复随机抽样之后，对回归结果进行汇总，并得到估计系数的分布及其对应的P值。可以看出，该政策虚拟变量影响工业用地出让面积和“三高”特征企业用地出让面积占比的估计系数集中分布在0点附近，且P值大多高于0.1，显著异于基准回归结果。由此可以推测，本文的基准回归结果是稳健的。

3.4 异质性分析

3.4.1 城市资源禀赋的异质性

资源禀赋是区域工业发展和土地要素配置的重要基础，资源禀赋不同的城市，其经济发展阶段和资源配置方式存在差异。本文从城市资源禀赋差异的视角 ① ，比较了低碳城市试点对工业用地配置的异质性影响。由表2回归结果可以发现，低碳城市试点对资源型城市和非资源型城市的工业用地配置的影响具有明显的差异。其中，低碳城市试点对非资源型城市工业用地配置的回归结果与全国城市样本回归结果一致，意味着受低碳城市试点政策影响，非资源型城市更倾向于以减少工业用地出让规模和优化工业用地出让结构来促进城市绿色转型。然而，低碳城市试点对资源型城市工业用地出让面积和“三高”特征企业用地出让面积占比均具有负向影响，但未得到显著性验证；而该试点与资源型城市工业用地出让价格呈现明显的负相关关系。由此推测，资源型城市的发展通常依赖自身资源禀赋，产业结构相对单一，且多为高耗能、高污染、高排放的资源型企业。同时，在长期发展中形成的路径依赖导致其调整工业用地配置的动力和难度相对较大，低碳城市试点难以使其在短期内实现工业用地配置规模和结构的快速调整，甚至部分地方政府仍会选择通过降低工业用地出让价格吸引投资。
表2 异质性分析：资源禀赋

Tab.2 Heterogeneity analysis： Resource endowment

变量 资源型城市 非资源型城市
（1）
Area		 （2）
Price		 （3）
Area_high		 （4）
Area		 （5）
Price		 （6）
Area_high
Policy -0.135 -0.181*** -0.106 -0.194*** 0.042 -0.276***
（0.096） （0.039） （0.139） （0.053） （0.050） （0.063）

3.4.2 地方政府环境治理压力的异质性

环境治理成效与地方政府政绩考核体系挂钩，不同的环境治理压力可能形成地方政府差异化的土地配置决策。在此基础上，本文进一步考察低碳城市试点是否因地方政府环境治理压力的不同，对工业用地配置产生异质性影响。考虑到空气质量的改善是考察地方政府环境绩效的重要依据，本文利用城市细颗粒物（PM2.5）年均浓度衡量城市空气质量[34]，并以其与当年平均水平的差值进行分组，高于平均值的城市认定为高环境治理压力组，反之则认定为低环境治理压力组。表3的回归结果显示，低碳城市试点对高环境治理压力和低环境治理压力城市的工业用地出让面积以及“三高”特征企业用地出让面积占比均具有显著的负向影响。其中，从回归系数来看，低碳城市试点对高环境治理压力城市的工业用地出让面积影响更大；对低环境治理压力城市的“三高”特征企业用地出让面积占比影响更大。另外，试点政策实施对高环境治理压力城市工业用地出让价格具有显著的正向影响；对低环境治理压力城市工业用地出让价格的影响为负，但不显著。已有研究指出，只有在环保执法力度严格和环境污染较为严重的地区，环境规制才能起到明显的环境改善效果[35]。据此推测，环境治理压力较大的地方政府对辖区的环境质量更加敏感，受低碳城市试点政策等环境规制措施的约束，其地方政府更倾向于通过提高工业用地价格、减少工业用地出让规模和调整工业用地配置结构，实现地区环境质量改善和绿色转型发展；而环境治理压力较低的地方政府，可能仍选择以推动经济增长为主要目标，甚至部分城市通过降低工业用地出让价格招商引资以促进经济快速增长。
表3 异质性分析：环境治理压力

Tab.3 Heterogeneity analysis：Environmental governance pressure

变量 高环境治理压力 低环境治理压力
（1） Area （2） Price （3） Area_high （4） Area （5） Price （6） Area_high
Policy -0.214**（0.093） 0.095*（0.052） -0.245**（0.110） -0.168***（0.061） -0.061（0.067） -0.270***（0.078）
控制变量 Yes Yes Yes Yes Yes Yes
时间固定效应 Yes Yes Yes Yes Yes Yes
城市固定效应 Yes Yes Yes Yes Yes Yes
常数项 -6.305*（3.411） 8.938***（1.261） -10.714**（4.211） -0.591（1.455） 0.237（1.527） 1.325（1.921）
N 1483 1483 1483 2656 2656 2656
R2 0.726 0.726 0.667 0.740 0.643 0.658

3.5 空间效应分析

在明确了低碳城市试点对工业用地配置直接影响的基础上，本文进一步考察该试点是否对相邻城市工业用地配置产生空间溢出效应。首先，构建地理距离权重矩阵（Wg）和经济距离权重矩阵（We）。其次，运用全局莫兰指数分别计算2007—2021年工业用地出让面积、出让价格和“三高”特征企业用地出让面积占比之间的空间相关性（由于篇幅限制，结果并未呈现）。检验结果显示，全局莫兰指数均为正值，且总体在1%的水平上显著，表明样本城市的工业用地出让面积、出让价格和“三高”特征企业用地出让面积占比均存在显著的空间关联特征。再次，分别计算样本城市2007和2021年工业用地出让面积、出让价格和“三高”特征企业用地出让面积占比之间的局部莫兰指数，并绘制LISA图。由图3可以看出，样本城市工业用地出让的面积、价格和结构在空间上呈现一定的局部集聚特征。
图3 2007和2021年工业用地出让面积、价格和结构的LISA图

注：基于自然资源部标准地图服务网站下载的审图号为GS（2020）4619号的标准地图制作，底图边界无修改。

Fig.3 LISA diagram of the area， price， and structure of industrial land transfer in 2007 and 2021

最后，通过LM检验、豪斯曼检验、LR检验和Wald检验等一系列检验后，选取空间杜宾双重差分模型分析低碳城市试点对工业用地配置的空间溢出效应[36]，并构建如下模型：
Y i t = ρ W · Y i t + β 2 P o l i c y i t + θ W · P o l i c y i t + δ 1 X i t + γ W · X j i t + μ t + λ i + ε i t
式中：W为空间权重矩阵；ρ为被解释变量的空间自相关系数；β2为低碳城市试点对本地工业用地配置的影响系数；θ为空间效应的估计系数，表示该试点对相邻城市工业用地配置的空间溢出效应；γ为控制变量对相邻城市的溢出效应，其他变量含义与模型（1）一致。
表4报告了低碳城市试点分别影响工业用地出让面积、工业用地出让价格和“三高”特征企业用地出让面积占比的空间溢出效应。从中可以看出，空间自相关系数ρ都显著为正，表明试点城市的工业用地配置变化能够影响其相邻城市的工业用地配置，证明了本文使用空间杜宾双重差分模型的合理性。此外，由于空间杜宾模型存在全局效应，解释变量及其空间滞后性难以反映其真实影响，因此，本文借助偏微分方法进行分解，得到试点政策的直接效应、间接效应与总效应（表4）。
表4 空间杜宾双重差分模型回归结果

Tab.4 Regression results of spatial Durbin DID model

变量 地理距离权重矩阵（Wg） 经济距离权重矩阵（We）
（1） Area （2） Price （3） Area_high （4） Area （5） Price （6） Area_high
Policy -0.174***（0.043） 0.005（0.031） -0.259***（0.056） -0.162***（0.045） -0.017（0.031） -0.233***（0.057）
W·Policy -0.240*（0.145） -0.278***（0.103） 0.178（0.188） -0.349***（0.116） 0.080（0.081） -0.582***（0.149）
ρ 0.343***（0.033） 0.148***（0.038） 0.189***（0.035） 0.342***（0.033） 0.029（0.030） 0.181***（0.035）
直接效应 -0.182***（0.045） 0.003（0.031） -0.255***（0.058） -0.160***（0.046） -0.015（0.032） -0.229***（0.059）
间接效应 -0.423**（0.210） -0.309***（0.116） 0.174（0.221） -0.330***（0.110） 0.087（0.080） -0.541***（0.139）
总效应 -0.306**（0.121） -0.081（0.230） -0.489***（0.118） 0.072（0.086） -0.770***（0.149）
从直接效应来看，无论是地理空间维度还是经济空间维度，低碳城市试点对试点城市工业用地出让价格均没有显著影响，但对试点城市工业用地出让面积和“三高”特征企业用地出让面积占比具有显著的负向影响，说明试点政策实施能够减少试点城市工业用地出让面积和“三高”特征企业用地出让面积占比，再次验证了基准回归结论的可靠性。从间接效应来看，低碳城市试点对经济相邻和地理相邻城市的工业用地出让面积均具有负向影响，同时与地理相邻城市的工业用地出让价格以及经济相邻城市的“三高”特征企业用地出让面积占比均具有负相关关系。从空间溢出效应看，在“双碳”目标约束下，试点城市及其相邻城市均倾向于缩小工业用地出让规模。同时，试点城市地方政府减少向“三高”特征企业出让工业用地，在一定程度上可能导致这些企业向地理相邻城市转移。而缺少环境规制政策的地理相邻城市政府仍能够以降低工业用地价格的方式吸引工业企业，甚至可能通过承接具有“三高”特征的工业企业转移，以促进经济快速增长。此外，由于经济发展水平相近的城市在工业用地配置上存在互相模仿和竞争等策略互动行为，试点城市在土地资源配置和产业结构调整等方面的低碳理念、技术和做法也会存在示范效应和模仿效应，引导经济相邻城市降低“三高”特征企业用地出让面积占比，使工业用地配置向低耗能、低污染和低排放产业倾斜。据此，本文的研究假说2得到验证。

4 结论与建议

4.1 研究结论

在“双碳”目标约束背景下，探究环境规制政策对工业用地配置的影响机理，对理解地方政府工业用地配置的行为逻辑以及促进土地要素的市场化配置具有重要意义。本文以中国低碳城市试点政策作为准自然实验，利用2007—2021年277个地级及以上城市面板数据，借助多期双重差分模型考察了低碳城市试点对工业用地配置的影响。主要结论如下：
①低碳城市试点对工业用地出让面积和“三高”特征企业用地出让面积占比均具有显著的负向影响，而该试点对工业用地出让价格的影响不显著，并且该结论经过一系列稳健性检验后仍然成立。
②低碳城市试点对工业用地配置的影响因城市资源禀赋和地方政府环境治理压力的不同具有明显的异质性。具体来看，与资源型城市相比，低碳城市试点对非资源型城市的工业用地出让面积和“三高”特征企业用地出让面积占比均具有显著的负向影响；低碳城市试点与资源型城市的工业用地出让价格具有负相关关系。此外，低碳城市试点对高环境治理压力和低环境治理压力城市的工业用地出让规模和结构均具有显著的负向影响，但系数和显著性存在明显差异。相比之下，低碳城市试点与高环境治理压力城市的工业用地出让价格呈现负相关关系。
③空间效应分析结果显示，低碳城市试点对经济相邻和地理相邻城市的工业用地出让面积均具有负向影响，同时与地理相邻城市的工业用地出让价格以及经济相邻城市的“三高”特征企业用地出让面积占比均具有负相关关系。

4.2 政策建议

结合前文的理论分析与实证结果，本文提出以下对策建议：①充分发挥低碳城市试点对优化工业用地资源配置的积极作用。从环境规制的视角，该政策试点有助于引导地方政府调整工业用地配置格局，通过优化工业用地配置的规模、价格和结构，助推城市向绿色低碳转型。同时，试点城市应把握政策机遇，进一步探索有助于产业结构优化和实体经济高质量发展的转型路径。②因地制宜地完善低碳城市试点政策体系。鉴于各城市的资源禀赋各异和地方政府面临的环境治理压力不同，试点城市地方政府在推动低碳城市建设过程中可能存在激励和约束机制完善等问题，在后续的政策试点中应结合相关配套政策改革，进一步完善低碳城市试点政策体系，激发地方政府建设低碳城市的动力。③统筹推进试点城市与相邻地区的绿色低碳和协同发展。“双碳”背景下，应进一步加强试点城市的低碳理念、低碳经验在区域之间的推广和扩散，引导非试点城市学习和吸收试点城市先行的政策经验和创新性做法，鼓励工业企业技术创新和发展方式转变，优化工业用地配置结构，推动区域经济绿色协同发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
贺灿飞, 毛熙彦, 彭建. 环境经济地理研究的理论演进与展望[J]. 经济地理, 2021, 41(10):70-78.

DOI

[2]
杨其静, 卓品, 杨继东. 工业用地出让与引资质量底线竞争——基于2007-2011年中国地级市面板数据的经验研究[J]. 管理世界, 2014(11):24-34.

[3]
彭山桂, 汪应宏, 陈晨, 等. 地方政府工业用地低价出让行为经济合理性分析——基于广东省地级市层面的实证研究[J]. 自然资源学报, 2015, 30(7):1078-1091.

[4]
杨继东, 杨其静. 保增长压力、刺激计划与工业用地出让[J]. 经济研究, 2016, 51(1):99-113.

[5]
田文佳, 余靖雯, 龚六堂. 晋升激励与工业用地出让价格——基于断点回归方法的研究[J]. 经济研究, 2019, 54(10):89-105.

[6]
吕越, 张昊天, 谢红军. 土地引资、激励扭曲与企业策略性创新——来自工业用地出让的经验证据[J]. 数量经济技术经济研究, 2024, 41(8):113-132.

[7]
张莉, 朱光顺, 李夏洋, 等. 重点产业政策与地方政府的资源配置[J]. 中国工业经济, 2017(8):63-80.

[8]
崔新蕾, 白莹莹, 马艳茹. 撤县设区对工业用地市场化配置的影响研究[J]. 中国土地科学, 2023, 37(10):81-90.

[9]
何芳, 胡意翕, 范华. 绿色政绩考核对城市土地配置的影响研究——基于改进政绩考核的准自然实验[J]. 中国土地科学, 2022, 36(2):73-83.

[10]
徐英启, 程钰, 王晶晶, 等. 中国低碳试点城市碳排放效率时空演变与影响因素[J]. 自然资源学报, 2022, 37(5):1261-1276.

DOI

[11]
彭璟, 李军, 丁洋. 低碳城市试点政策对环境污染的影响及机制分析[J]. 城市问题, 2020(10):88-97.

[12]
龚星宇, 姜凌, 余进韬. 不止于减碳:低碳城市建设与绿色经济增长[J]. 财经科学, 2022(5):90-104.

[13]
张跃胜, 张少鹏, 王晓红. “双碳”目标下低碳城市建设对城市高质量发展的影响——基于低碳城市试点政策的准自然实验[J]. 西安交通大学学报(社会科学版), 2022, 42(5):39-48.

[14]
王展祥, 叶宇平. 低碳城市试点政策对地方政府重污染行业土地出让的影响[J]. 中国人口·资源与环境, 2023, 33(3):125-136.

[15]
孙林, 周科选. 中国低碳试点政策对外商直接投资质量影响研究——来自“低碳城市”建设的准自然实验证据[J]. 东南学术, 2020(4):136-146.

[16]
王锋, 葛星. 低碳转型冲击就业吗——来自低碳城市试点的经验证据[J]. 中国工业经济, 2022(5):81-99.

[17]
Wang B, Zhang Y, Feng S. Impact of the low-carbon city pilot project on China's land transfers in high energy-consuming industries[J]. Journal of Cleaner Production, 2022,363:132491.

[18]
Lan J, Li Q, Zheng Y, et al. The impact of the low-carbon city pilots programme on industrial land transfer by local governments in China[J]. Economic Analysis and Policy, 2023,77:824-842.

[19]
冯志艳, 黄玖立, 阎虹戎. 治污压力、环保激励与工业用地出让——来自土地交易微观数据的经验证据[J]. 经济学(季刊), 2022, 22(6):2085-2106.

[20]
刘守英, 王志锋, 张维凡, 等. “以地谋发展”模式的衰竭——基于门槛回归模型的实证研究[J]. 管理世界, 2020, 36(6):80-92.

[21]
陈前利, 马贤磊, 石晓平, 等. 工业用地供应行为影响工业能源碳排放吗?——基于供应规模、方式与价格三维度分析[J]. 中国人口·资源与环境, 2019, 29(12):57-67.

[22]
黄志基, 朱晟君, 石涛. 工业用地出让、技术关联与产业进入动态[J]. 经济地理, 2022, 42(5):144-155.

DOI

[23]
席强敏, 刘兰婷, 梅林. 超大城市工业用地价格的空间演化和对城市经济效率的影响[J]. 经济地理, 2024, 44(9):79-88.

DOI

[24]
黄志基, 宋名悦. 工业用地出让结构倾向对碳排放效率的影响及其传导机制——基于绿色技术创新中介视角[J]. 经济地理, 2023, 43(7):65-76.

DOI

[25]
李毅, 胡宗义, 周积琨, 等. 环境司法强化、邻近效应与区域污染治理[J]. 经济评论, 2022(2):104-121.

[26]
张兵兵, 周君婷, 闫志俊. 低碳城市试点政策与全要素能源效率提升——来自三批次试点政策实施的准自然实验[J]. 经济评论, 2021(5):32-49.

[27]
张友国. 实现碳达峰的需求结构效应[J]. 中国工业经济, 2023(3):20-38.

[28]
王伊攀, 袁月媚. 土地招商竞争对污染源跨区域转移的影响——基于重污染企业异地迁移的经验证据[J]. 中央财经大学学报, 2023(1):115-128.

[29]
席强敏, 梅林. 工业用地价格、选择效应与工业效率[J]. 经济研究, 2019, 54(2):102-118.

[30]
邓翔, 任伊梦, 玉国华. 低碳城市建设与产业结构优化升级——来自低碳城市试点工作的经验证据[J]. 软科学, 2023, 37(2):10-19.

[31]
彭山桂, 孙昊, 王健, 等. 地方政府土地出让行为中的官员个人效应[J]. 资源科学, 2021, 43(1):134-147.

DOI

[32]
Beck T, Levine R, Levkov A. Big bad banks?The winners and losers from bank deregulation in the United States[J]. The Journal of Finance, 2010, 65(5):1637-1667.

[33]
余典范, 蒋耀辉, 张昭文. 中国碳排放权交易试点政策的创新溢出效应——基于生产网络的视角[J]. 数量经济技术经济研究, 2023, 40(3):28-49.

[34]
黄溶冰, 谢晓君. 领导干部自然资源资产离任审计与企业环保投资[J]. 商业经济与管理, 2022(9):54-71.

[35]
包群, 邵敏, 杨大利. 环境管制抑制了污染排放吗?[J]. 经济研究, 2013, 48(12):42-54.

[36]
马丽君, 刘聪, 唐盈. 省域旅游业高质量发展促进共同富裕的空间效应分析[J]. 经济地理, 2024, 44(4):210-219.

DOI

Options
文章导航

/

〈 〉