EN中文

Economic geography >

2025 , Vol. 45 >Issue 9: 210 - 217

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.09.021

Driving Effects of Spatial Proximity of Prefecture-level City Governments on Carbon Emission Reduction in Counties

  • ZHANG Haotian , 1 ,
  • LU Shengfeng , 2, ※
Expand
  • 1 Economics School， Anhui University， Hefei 230601，Anhui， China
  • 2 Economics and Management School， Wuhan University， Wuhan 430072，Hubei， China

Received date: 2024-04-22

  Revised date: 2024-12-13

  Online published: 2025-10-17

Fold

Abstract

In recent years, with the advances in new economic geography theory, the role of geographical distance between different economies has received increasing attention. This paper takes the reform of the relocation of prefecture-level city government offices in China between 2008 and 2023 as a policy shock, and constructs a difference-in-differences model from the perspective of geographical distance between upper and lower-level governments to evaluate the carbon reduction effects of government proximity. The empirical results show that: 1) Proximity to prefecture-level city governments significantly reduces carbon emissions at the county level, and this effect gradually strengthens and stabilizes over time. 2) Mechanism analysis indicates that the enhanced environmental regulation by prefecture-level city governments and improved industrial adjustment capacity at the county level, brought about by geographical proximity, are important reasons for the carbon reduction effect in neighboring counties. 3) Further analysis reveals that government proximity not only facilitates carbon reduction but also concurrently mitigates regional environmental pollutant emissions, achieving synergistic effects in pollution and carbon reduction. 4）Moreover, government relocation events demonstrate a positive impact on regional carbon mitigation, contributing to an overall decline in county-level carbon emissions.

Key words： government proximity; spatial distance; carbon emission reduction; government seat relocation; environmental regulation; difference-in-differences model

Cite this article

ZHANG Haotian , LU Shengfeng . Driving Effects of Spatial Proximity of Prefecture-level City Governments on Carbon Emission Reduction in Counties[J]. Economic geography, 2025 , 45(9) : 210 -217 . DOI: 10.15957/j.cnki.jjdl.2025.09.021

随着经济快速发展，中国经历了前所未有的城市化进程，大量人口涌入城市，导致能源消耗和碳排放急剧增加。城市碳排放的增加不仅加剧了全球温室效应，严重威胁自然生态系统，同时也对城市居民的生活质量和健康构成了威胁，成为制约城市可持续发展的关键因素。为应对这一挑战，党的二十大报告明确提出：“立足我国能源资源禀赋，坚持先立后破，有计划分步骤实施碳达峰行动。”在城市层面，近年来中国政府通过低碳城市建设、碳排放权交易市场等措施，积极推动城市碳减排目标的实现。然而，在许多地区，一些高耗能、高污染的行业仍然集中在城市或其周边，其能源消耗和碳排放量居高不下，严重制约了城市碳减排的成效。
近年来，通过优化城市行政区划以提升环境治理效能的研究日益受到学界重视[1-2]。2016年，国务院在《关于推进新型城镇化建设的若干意见》中提出要“优化城市空间布局，提高城市规划设计水平，增强城市治理能力”，为此一些城市开始通过政府驻地迁移来给核心地区“降温”，以转变城市现有资源配置格局，谋求地区经济的持续健康发展。但是，政府驻地迁移是否能够有效推动地方政府碳排放政策的空间优化配置，仍有待进一步研究。
本文基于政府间地理距离的动态变化视角，系统考察上级政府地理邻近性对下级政府碳排放治理的因果效应及其内在作用机制。本文的理论贡献与实践价值主要体现在以下3个方面：①在理论层面，揭示了环境治理政策在空间上优化配置的内在逻辑，为地方政府优化环境政策的区域布局模式、提升政策执行效能提供了重要的理论支撑。②在实证层面，通过构建严谨的计量模型，为理解我国地方政府驻地迁移的动因及其环境政策效应提供了新的经验证据，这一发现对于推动区域绿色低碳发展和新型城镇化建设具有重要的政策启示。③在实践层面，研究成果不仅为国家优化城市空间治理格局、提升政府环境治理能力提供了科学依据，同时也为促进区域经济高质量发展与生态环境协同治理提供了有价值的政策参考。

1 文献综述

1.1 环境污染的制度成因及其治理

环境污染问题作为全球性挑战，国内外学者已从多维度展开了系统性研究。其中，经济增长与环境污染的互动关系始终是学界关注的焦点议题。对此，Grossman等率先提出了“环境库兹涅茨曲线”这一假说[3]，此后的相关研究，大多围绕这一假说展开[4-6]。在碳排放研究方面，林伯强等研究发现，库兹涅茨拐点在中国的碳排放过程中同样存在[7]。
与此同时，学界逐步关注到政府行为在环境库兹涅茨曲线形成过程中的关键作用[8]。在财政分权与环境治理的研究领域，大量实证分析聚焦于中国特色的财政分权体制，研究结果一致表明，财政分权程度与环境治理绩效存在显著关联[9-12]，这种财政分权安排会削弱地方政府进行碳排放管控的激励，从而对碳减排目标产生负面影响[13]。而另一支重要的研究脉络则着重评估环境规制政策的实施效果[14-15]，并发现环境规制的增强能够促进碳减排目标的实现[16]。

1.2 政府驻地迁移的影响效应

政府搬迁作为一种政治资源的重新配置，对区域宏观发展和微观企业发展都会产生影响。现有研究表明，政府驻地迁移主要通过以下机制产生显著的政策效应：一是降低运营成本，提供高效的公共服务；二是鼓励欠发达地区的经济发展，实现区域发展平衡；三是缓解首都地区资源过度集中和拥挤的状况[17-19]。王海等研究发现政府迁址改革显著提高了区域内企业资源配置效率，降低了资源错配程度，有利于地区的产业结构升级，同时这个影响作用与迁移距离正相关[20-21]；卢盛峰等侧重从政府驻地迁移带来的经济效益角度进行研究，并发现政府驻地的迁入显著促进了迁入地附近的经济发展，推动了迁入地土地价格的提升[22]。而具体到政府迁址带来的政府间距离变动的影响，卢盛峰等还发现与上级政府距离变远所带来的财政分权能够促使下级政府加强公共服务供给[23]；且随着与政府驻地距离的变近，会推动邻近县域经济发展[24]。此外，金浩等从环境治理角度拓展研究维度，发现政企距离与污染排放存在显著的相关性[25]。

1.3 文献述评

一方面，在关于环境污染的文献中，已有大量研究证明了政府行为对污染减排起到重要作用。然而，较少研究关注地理因素如何影响政府在污染减排管理中的决策。本文从空间距离的角度出发，将新经济地理理论与环境污染的影响因素相结合，探讨政府地理邻近性在碳减排中的作用，为现有文献提供来自经济地理视角的经验证据。另一方面，在关于政府驻地迁移的研究中，现有文献多聚焦于其对经济发展的影响，而对政府驻地迁移可能带来的非预期影响关注较少。与既有文献不同，本文直接关注政府驻地迁移对环境领域的非意图影响，并重点分析上下级政府之间的地理邻近性如何影响碳排放及其内在的传导机制，为政府驻地迁移与环境治理的相关文献提供有益补充。

2 制度背景、理论逻辑和识别策略

2.1 制度背景

随着城市化进程的迅速推进，城市发展中的“城市病”问题日益严重，成为制约城市进一步发展的重要因素。地方政府越来越多地将政府驻地迁移作为增强城市规划和治理能力的有效手段，为探索新型城镇化路径提供了重要支撑。而从迁移效果来看，政府驻地迁移不仅解决了城市内部空间不足的问题，还使得政府所管辖的不同区域到政府驻地的相对距离发生改变，这也成为资源空间再配置的重要诱因。特别是在中国当前以“市管县”为主的市县管理体制下，一个地级市政府往往下辖多个县区政府。随着市政府驻地发生搬迁，市政府所管辖的县区会因此与地级市政府的相对距离发生改变，即一部分县区距离地级市政府更近了，而另一些则会变远。以合肥市政府驻地迁移为例，随着合肥市政府向西南方向迁移，包河区、蜀山区、肥西县、庐江县与新政府驻地距离显著缩短，形成了本文所探讨的政府邻近效应。

2.2 理论逻辑

新经济地理理论认为，交易成本存在地理距离衰减效应，即地理位置越接近，信息获取成本越低[26]。因此，距离政府驻地更近的地区由于信息成本降低，自然能够获得更多来自市政府的关注。这种因地理邻近性产生的信息优势，主要通过以下两个方面影响地区碳排放：一方面，作为行政管理机构，政府驻地迁入新址后，政府能够更加便捷地提供包括环境服务在内的公共服务，从而促进区域环境状况的改善；另一方面，政府驻地迁入后，上级政府可以更加及时地掌握周边地区碳排放状况，从而提升环境执法的效率。据此，本文提出假说1。
H1：政府驻地迁移为邻近地区带来了信息优势，有助于推动邻近地区实现碳减排。
从政府驻地迁移对邻近地区的影响机制来看，一方面新政府驻地所在区域通常能够享受更加优厚的政策待遇，生产要素、社会投资和高素质人力资本都有向政府驻地集中和集聚的趋势[22]。既有研究认为，经济集聚既可能会因为工业部门的集聚而加剧环境污染[27-28]，也可能通过推动产业结构的优化升级，从而实现碳减排的目标[29-30]。一般来说，当地方政府面临经济增长压力时，可能会依赖高能耗产业，以至于放松环境规制，导致碳排放增加[31]。而随着压力减轻，地方政府倾向于支持服务业，推动产业结构升级，进而实现减排目标[32]。因此，政府驻地迁移给邻近地区带来了更多资源的倾斜和政策支持，促使这些地区显著减轻经济增长压力，降低对高能耗行业的依赖，并促进产业结构的转型和升级。据此，本文提出假说2。
H2：政府邻近通过促进经济集聚，推动邻近地区产业结构的优化升级，最终实现区域碳减排。
另一方面，中国的地方政府是环境监管的主体，地方政府加强环境规制能够有效遏制碳排放。然而，相较于环境规制的立法，环保执法力度的加强对环境改善起着更为显著的作用。鉴于政府获取信息的能力有限，而地理距离的增加会导致信息传递成本的上升。因此，随着与政府的距离增大，政府现场监督的成本也会增加，这使得政府往往倾向于加强对与其距离较近地区的执法，忽视偏远地区的环境监管[25]。其结果是，邻近县区会受到更强的环境规制力度。这种环境规制的强化可能通过直接效应和间接效应影响碳排放行为：从直接效应上看，政府的邻近性意味着在碳排放检查过程中能够通过直接规制手段减少企业的碳排放，如加强对邻近地区碳排放源的监测、巡查与处罚力度等，从源头上减少邻近地区的碳排放，进而实现政府的碳减排目标。从间接效应上看，适度的环境规制能够推动生产技术的改进和低碳环保技术的发展[33]，促使企业采用低能耗的清洁设备替代高耗能、高污染的旧设备，改善能源利用方式，从而降低碳排放[34]。因此，政府邻近带来的环境规制强化，能够有效震慑邻近地区企业的日常行为，推动企业主动调整能源结构、开展绿色创新以满足政府对碳减排的要求。据此，本文提出假说3。
H3：政府邻近加强了对邻近地区的环境规制力度，最终推动了地区碳减排。
图1 理论逻辑框架

Fig.1 Theoretical framework

2.3 识别策略

在研究设计上，考虑到地级市政府驻地与所辖县区的地理距离存在非时变性，无法通过控制个体固定效应来估计政府距离的影响效果，因此，本文基于中国地级市政府驻地迁移这一外生改革所带来的上下级政府间相对位置变动，构造空间距离尺度的双重差分模型，以识别上级政府邻近对下级政府碳减排的因果效应。具体模型设定如下：
$\begin{array}{l}lnC{O}_{it}={\beta }_{0}+{\beta }_{1}Clos{e}_{i}·Pos{t}_{t}+\\ \gamma \left({X}_{i}·{\delta }_{t}\right)+{\sigma }_{i}+{\delta }_{t}+{\epsilon }_{it}\end{array}$
式中：lnCOit代表i县区在第t年碳排放的对数值。Closei是一个虚拟变量，表示i县区与其所属的地级市政府驻地是否变得更近。具体来说，当政府驻地发生迁移后，与其所属的地级市政府驻地距离变近的县区为处理组，赋值为1；与地级市政府驻地距离不变的县区则为对照组，赋值为0。Postt是一个虚拟变量，用于表示地级市政府驻地迁移前后的状态，在迁移发生后，它被赋值为1；而在迁移前，则被赋值为0。Xi是一系列控制变量，本文采取基期控制变量与年份固定效应交互的方式来避免坏的控制变量的问题。 ${\sigma }_{i}$为各县的个体固定效应； ${\delta }_{t}$为年份固定效应；ϵit为随机误差项； ${\beta }_{0}$为常数项； ${\beta }_{1}$为估计系数，用以识别地级市政府驻地迁移对邻近县区碳排放的因果效应。

2.4 变量选取

2.4.1 被解释变量

本文所使用的县区层级的碳排放数据来源于全球大气研究排放数据库。该数据库由欧盟委员会联合研究中心（JRC）与荷兰环境评估署（PBL）合作开发，提供了全球自1970年以来的温室气体排放栅格数据，分辨率为0.1°×0.1°。同时，利用ArcGIS软件的空间分析功能，基于中国县级行政区划，汇总计算样本期间中国县区层级碳排放面板数据。

2.4.2 政府驻地迁移的信息

地级市政府驻地迁移的相关信息主要基于中国行政区划网及各级地方政府的官方网站检索。本文首先整理得到2008—2023年23个地级市政府驻地迁移的信息，利用高德地图进一步获取搬迁前市政府驻地、搬迁后市政府驻地及县区政府驻地的经纬度坐标；在此基础上，利用ArcGIS软件对县域中心点到政府驻地的距离进行测算。

2.4.3 其他控制变量

参考相关研究[24,35]，本文从经济水平、技术水平、地理条件和集聚程度4个方面选取控制变量。在经济水平方面，选用县域夜间灯光亮度作为经济发展水平的指标；在技术水平方面，选取县域的专利申请量作为衡量指标；在地理条件方面，选取县域的平均坡度作为度量指标；在集聚程度方面，选取人口密度作为衡量指标。以上栅格数据通过ArcGIS软件按县域进行匹配和提取。主要变量的统计描述情况见表1。
表1 变量的描述性统计

Tab.1 Descriptive statistics

变量名称 样本数（个） 均值 标准差 最小值 最大值
碳排放 43797 14.047 1.436 10.976 17.356
夜间灯光亮度 43797 9.714 14.853 0.000 63.000
平均坡度 43797 10.842 6.680 0.855 33.781
人口密度 43797 8.091 22.839 0.000 365.173
专利申请量 43797 31.725 316.872 0.000 12928.000

3 实证结果与分析

3.1 基准回归

表2列（1）展示了在控制地区和年份固定效应后政府邻近对地区碳排放影响的估计结果。结果显示，政府驻地搬迁后，靠近新政府驻地的县区碳排放量显著下降，且该系数在1%的置信水平下显著。表2列（2）为加入了省份—年份联合固定效应后的估计结果。结果显示，相较于列表2（1），估计系数有了显著增强。此外，表2列（3）进一步报告了引入县区层面控制变量与年份固定效应的交互项后的估计结果。结果表明，加入控制变量后，估计结果保持稳健。综上可得出结论：与地级市政府的邻近关系有助于邻近县区的碳排放降低，验证H1成立。
表2 基准回归结果

Tab.2 Baseline results

变量 （1） （2） （3）
Close·Post -0.064*** -0.085*** -0.076***
常数项 14.033*** 14.034*** 14.034***

注：为了节省版面，标准误值不显示；∗∗∗、∗∗和∗分别表示在1%、5%和10%的水平下显著。表3~表5同。

3.2 平行趋势检验

如果前文发现的碳减排效应是由政府邻近导致的，那么在政策发生之前，这种效应应当是不存在的。因此，将政府搬迁前一期作为基准期，进一步观察政府邻近对碳减排的动态效应。图2展示了政府邻近对碳排放的动态效应，可以看到，在政府搬迁发生之前，每期的估计系数都在0附近，且不具有显著性。然而，在政府搬迁发生后，估计系数从政策实施的第一期开始显著降低。从系数变化的趋势来看，搬迁之后政策效应随时间推移不断增强，此后逐渐趋于稳定。这一结果的原因可以解释为，相对于政府驻地迁移之前相对较为薄弱的政府监管而言，上级政府邻近在短期内的环境治理力度迅速加强，从而对邻近地区碳排放的改善作用立刻显现并逐渐增强；经过一段时间后，政府驻地周围的碳排放强度显著降低，而再往后政策效应趋向平稳。从以上结果可以得出结论，本文的双重差分设计通过了平行趋势检验。
图2 平行趋势检验

Fig.2 Parallel trends test

3.3 稳健性检验

3.3.1 更换被解释变量

首先，由于地区间人口密度存在差异，这可能影响估计结果的准确性。此处将因变量替换为人均碳排放量，基于式（1）对政策效应进行进一步检验，可以看到，与基准回归结果一致，人均碳排放的估计系数（-0.9670***）仍然为负且具有统计显著性。其次，考虑到不同县区的面积差异，本文进一步计算单位面积碳排放水平来衡量地区的碳排放强度，以提高不同区域间的可比性。本文将单位面积碳排放作为因变量进行估计，结果（-0.0004*）显示，政府邻近同样显著降低了邻近地区单位面积的碳排放水平，这进一步验证了基准估计结果的稳健性。

3.3.2 更换估计方法

本部分参考卢盛峰等的研究[24]，通过构造连续型双重差分模型来识别与上级政府地理距离变化程度对碳排放的影响。此处将式（1）中定义与上级政府变近的虚拟变量closei替换为与上级政府距离变近的变动值Distancei，而控制组中与上级政府距离不变的样本Distancei依然赋值为0。估计结果（-0.0030***），显示与政府距离变近越多的地区，碳排放下降程度越大，与政府驻地距离每减少10 km，碳排放平均下降约3%。以上结果也从空间距离的视角为本文的结论提供了更为充足的证据。

3.3.3 增强样本可比性

为了增强样本的可比性，本部分首先将样本限制于发生过地级市政府驻地迁移的省份。剔除未进行政府驻地迁移的省份后的估计结果，估计系数（-0.099***）的绝对值增大，并在1%的置信水平下具有显著性。其次，考虑到江西南昌、安徽合肥和湖南长沙3个省会城市在样本期内同时发生了省政府驻地迁移，这可能导致碳减排效应受到省级和市级政府迁移的双重叠加影响，因此本文将这部分样本剔除，并使用式（1）重新进行估计。剔除上述样本后，基准回归结果（-0.075**）依然稳健。最后，鉴于直辖市与一般地级市存在显著差异，本文进一步剔除直辖市样本进行再检验，结果表明，剔除直辖市后的估计结果（-0.068**）依然保持稳健。

3.3.4 排除竞争性政策

为排除其他竞争性政策对试点城市碳排放水平的干扰，本文通过构造虚拟变量的方式，分别在式（1）中加入县区所在城市当年是否参与低碳城市试点、是否为重点大气污染城市、是否为“碳交易”试点城市的虚拟变量。估计结果（-0.075***、-0.075***、-0.074***）显示，控制上述竞争性政策后，政府邻近的碳减排效应依然存在。此外，为排除国际重大事件（如2008年全球金融危机、2018年中美贸易战及2020年新冠疫情）的影响，本文将样本期缩短至2010—2017年，进行再估计。结果（-0.088***）表明，即使在剔除这些事件后，政策效应依然显著。

3.3.5 安慰剂检验

考虑到剔除遗漏变量会形成干扰影响，此处通过随机产生政府驻地迁移的实施年份以及对应的处理组个体，并基于“虚假”政策在模型其他设定完全相同情况下进行安慰剂检验。本文按照发生政府驻地迁移后相对距离变近与不变的分布情况进行随机抽样，并重复执行安慰剂检验500次。安慰剂检验估计结果都位于0附近，与基准回归结果不重合，说明其他因素对本文估计结果的影响很小。

4 机制分析

前文研究结果表明，上级政府邻近显著促进了邻近县区的碳减排。那么，这一碳减排效应，其内在的影响机制是怎样的?本部分将进一步针对这一问题进行检验。

4.1 经济集聚效应

首先，从经济集聚的角度探讨政府邻近是否促进了新企业数量的增加。利用工商企业登记数据库中的新注册企业数据，统计每个县区每年新成立企业的数量作为因变量进行估计。表3列（1）的结果表明，政府搬迁后，邻近县区的新企业数量显著增长，表明政府邻近促进了企业向该区域集聚。其次，考虑到产业集聚在工业园区是地方政府减排政策的关键措施，本文进一步将企业新增数量限定在工业园区内，检验集聚是否发生在该区域。表3列（2）的结果显示，工业园区内的企业数量仍然显著增长。第三，利用中国工业企业数据库的数据，统计每个县区每年规模以上工业企业的数量，以检验政府邻近是否引致了工业企业数量的变化。表3列（3）的结果表明，政府搬迁后，邻近县区规模以上工业企业数量显著减少，表明经济集聚使得邻近县区减少了对传统大型工业企业的依赖。最后，使用第三产业增加值与第二产业增加值的比率作为产业高级化的指标，检验政府邻近是否推动了产业结构的升级。表3列（4）的结果显示，政府邻近显著促进了邻近地区产业结构的优化。以上结果验证H2成立。
表3 经济集聚效应

Tab.3 Economic agglomeration effect

变量 （1） （2） （3） （4）
新注册企业 产业园区
新增企业		 规模以上
工业企业		 产业高级化
Close·Post 0.097** 0.072** -0.122*** 1.483***
常数项 8.048*** 4.405*** 1.544*** 1.215***

4.2 环境规制效应

首先，通过将工业企业数据库与碳排放栅格数据进行匹配，以工业企业所在地为圆心、1 km为半径绘制缓冲区，提取工业企业周边1 km缓冲区内的碳排放总量数据。在与基准分析相同的研究设计下，本文将工业企业周边碳排放总量作为因变量进行估计，结果报告于表4列（1）。结果显示，工业企业周边碳排放的估计系数显著为负，这表明政府邻近能够通过更强的环境规制引导企业直接降低碳排放。那么，环境规制除直接约束企业减排外，是否还能通过促进能源结构优化与绿色创新间接降低排放?一方面，表4列（2）（3）报告了政府邻近对企业能源消费结构的影响。结果显示，政府邻近显著促进了企业清洁能源的使用，并同时减少了原料煤的消耗。这表明在政府邻近所形成的环境规制增强下，企业主动调整了能源消费结构，从源头上降低了碳排放。另一方面，考虑到绿色创新是企业实现减排的重要途径，因此邻近地区在更强的环境规制力度下，会促使工业企业通过加强绿色创新来主动实现减排。为了验证该猜想，本文构建了2个绿色专利数量的指标，分别为发明型绿色专利数量和实用型绿色专利数量，并将其作为因变量利用式（1）进行估计。估计结果报告于表4列（4）（5），从中看出政府驻地迁移显著促进了邻近地区工业企业开展绿色创新。以上结果也验证了H3中的环境规制效应的存在。
表4 环境规制效应

Tab.4 Effects of environmental regulation

变量 （1） （2） （3） （4） （5）
企业
碳排放		 清洁燃气
消耗		 原料煤
消耗		 发明型
绿色专利		 实用型
绿色专利
Close·Post -0.084* 0.733*** -0.722** 0.006* 0.007*
常数项 10.160*** 0.315*** 1.675*** 0.011*** 0.015***

5 进一步分析

5.1 减污降碳的协同效应

考虑到减污降碳之间的协同性[14]，本部分从更加广泛的空气污染物的角度来检验政府邻近是否有助于在降碳的同时降低大气污染。考虑到PM2.5和PM10是中国环境保护部门监测环境大气污染物的重要指标，本文分别将县区层级的PM2.5和PM10作为因变量进行估计，结果报告于表5列（1）（2）。结果显示，政府邻近显著降低了地区大气污染物排放，使得PM2.5、PM10两类主要大气污染物强度减少1.009、1.689。以上结果也说明政府邻近不仅能实现碳减排，同样实现了减污降碳的协同增效。
表5 进一步分析

Tab.5 Further analysis

变量 （1） （2） （3） （4）
Treat·Post -1.009** -1.689** -0.018 -0.039**
常数项 43.403*** 85.310*** 14.044*** 14.026***

5.2 政府驻地迁移的综合影响

前文发现，政府邻近促进了邻近县区的碳减排，但是考虑到地级市政府驻地迁移还会导致管辖的部分县区与新政府驻地的相对距离变远，那么政府驻地迁移给市政府管辖地区碳排放所带来的总体效应以及对变远地区带来的影响是值得进一步关注的。表5列（3）报告了将处理组替换为与市政府变远样本进行估计的结果。从估计系数上看，尽管估计系数依旧为负，但是与基准估计结果相比，估计系数明显下降，并不再具有显著性。而对于这一结果的原因，本文认为与市政府变远的样本中存在一部分在政府驻地迁移前曾与原市政府驻地邻近，因此即使受到与市政府距离变远的冲击，依旧能够保持稳定的碳排放水平。表5列（4）报告了同时纳入距离减小/增大的样本的估计结果，结果显示政府驻地迁移对辖区全域的碳排放具有显著的抑制作用。

6 结论与启示

6.1 结论

本文基于中国2008—2023年地方政府驻地迁移的地理信息，构造多时点双重差分模型识别了政府邻近的减排效应。主要研究结论如下：①上级政府邻近对邻近县区的碳减排具有积极作用，使得邻近县区碳排放平均下降7.6%。②从动态效应上看，政府邻近带来的碳减排效应在时间上是持续的，并随着时间的推移不断强化后趋于稳定。③从作用机制来看，上级政府邻近通过双重路径实现碳减排效应：一方面，经济集聚效应推动邻近县区产业结构升级，具体表现为新企业入驻增加、传统工业企业减少以及产业结构优化；另一方面，环境规制强化直接减少企业碳排放，促进企业增加清洁能源使用和绿色创新转型。这两方面相互协同，共同构成了减排的核心机制。④进一步分析表明，政府邻近不仅显著降低了碳排放，还同步减少了大气污染物的排放浓度，实现了减污降碳的协同增效。⑤研究发现，政府驻地迁移这一事件不仅对邻近地区的碳减排具有积极作用，还从区域整体降低了碳排放强度。

6.2 启示

①政府地理邻近性能通过促进产业结构升级助推碳减排。因此，地方政府须在资源配置中更积极地发挥作用，着力弥补市场短板——尤其是在外部性强的领域，通过政策与资金手段优化资源配置效率。同时，还应基于区域实际需求精准施策，以促进公平，缩小发展差距。
②政府的地理距离构成影响区域碳排放的重要影响因素。减排政策能否全域有效实施，有赖于政府对相关区域及各企业排放情况的及时获取与精准掌握。为弥补地理距离导致的信息不对称，政府可借助遥感、卫星图像等技术强化实时监测，并建立公众环境监督平台，提升信息透明度与监管有效性。
③政府引导能源结构调整与绿色技术创新是实现碳减排的重要路径。因此，地方政府需结合其财政能力、产业特征及企业类型，设计差异化补贴机制以有效激励绿色低碳创新。补贴配置应遵循绩效导向原则，以前期设定的减排成效、创新能力与社会效益等综合指标作为分配标准，确保公共资金精准投入高效益项目。政策激励还应着眼于长效发展，引导各方在补贴退出后仍具备持续运营绿色项目的内生动力。此外，应建立常态化评估与动态调整机制，以增强政策应对不确定性的灵活性与适应性。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Wang S, Wang Z. The Environmental and Economic Conseuences of Internalizing Border Spillovers[R]. Chicago:University of Chicago: Technical Report, 2021.

[2]
Lipscomb M, Mobarak A M. Decentralization and pollution spillovers:Evidence from the re-drawing of county borders in Brazil[J]. The Review of Economic Studies, 2016, 84(1):464-502.

[3]
Grossman G M, Krueger A B. Environmental Impacts of a North American Free Trade Agreement[R]. NBER Working Paper(w3914),1991.

[4]
包群, 彭水军. 经济增长与环境污染:基于面板数据的联立方程估计[J]. 世界经济, 2006(11):48-58.

[5]
符淼, 黄灼明. 我国经济发展阶段和环境污染的库兹涅茨关系[J]. 中国工业经济, 2008(6):35-43.

[6]
王敏, 黄滢. 中国的环境污染与经济增长[J]. 经济学(季刊), 2015, 14(2):557-578.

[7]
林伯强, 蒋竺均. 中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J]. 管理世界, 2009(4):27-36.

[8]
Jones L E, Manuelli R E. Endogenous policy choice:The case of pollution and growth[J]. Review of Economic Dynamics, 2001, 4(2):369-405.

[9]
郑洁, 付才辉, 刘舫. 财政分权与环境治理——基于动态视角的理论和实证分析[J]. 中国人口·资源与环境, 2020, 30(1):67-73.

[10]
谭志雄, 张阳阳. 财政分权与环境污染关系实证研究[J]. 中国人口·资源与环境, 2015, 25(4):110-117.

[11]
闫文娟. 财政分权、政府竞争与环境治理投资[J]. 财贸研究, 2012, 23(5):91-97.

[12]
田时中, 张浩天, 李雨晴. 税收竞争对中国环境污染的影响的实证检验[J]. 经济地理, 2019, 39(7):194-204.

[13]
张克中, 王娟, 崔小勇. 财政分权与环境污染:碳排放的视角[J]. 中国工业经济, 2011(10):65-75.

[14]
孙博文, 郑世林. 环境规制的减污降碳协同效应——来自清洁生产标准实施的准自然实验[J]. 经济学(季刊), 2024, 24(2):624-642.

[15]
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.

[16]
Liu X, Cifuentes-Faura J, Zhao S, et al. Government environmental attention and carbon emissions governance:Firm-level evidence from China[J]. Economic Analysis and Policy, 2023, 80(12):121-142.

[17]
Lyons M. Independent Review of Public Sector Relocation:Interim Report[R]. London: HM Treasury, 2003.

[18]
Marshall J N, Hodgson C, Bradley D. Public sector relocation and regional disparities in Britain[J]. Environment and Planning C:Government and Policy, 2005, 23(6):883-906.

[19]
Pellenbarg P H, Van Wissen L J G, Dijk J V. Firm Migration[C]//McCann P. Industrial Location Economics. Cheltenham: Edward Elgar, 2002.

[20]
王海, 尹俊雅. 政府驻地迁移的资源配置效应[J]. 管理世界, 2018, 34(6):60-71.

[21]
王海, 尹俊雅, 陈周婷. 政府驻地迁移的产业升级效应[J]. 财经问题研究, 2019(1):28-35.

[22]
卢盛峰, 王靖, 陈思霞. 行政中心的经济收益——来自中国政府驻地迁移的证据[J]. 中国工业经济, 2019(11): 24-41.

[23]
卢盛峰, 张浩天, 李成. 政府距离与基层公共服务供给——来自地方政府驻地迁移的证据[J]. 财政研究, 2023(11):33-49.

[24]
卢盛峰, 张浩天. 政府邻近、公共投资与县域经济发展[J]. 数量经济技术经济研究, 2024, 41(6):111-128.

[25]
金浩, 陈诗一. 地理距离对政府监管企业污染排放的影响效应研究——兼论数据技术监管的作用[J]. 数量经济技术经济研究, 2022, 39(10):109-128.

[26]
Krugman P. Increasing returns and economic geography[J]. Journal of Political Economy, 1991, 99(3):483-499.

[27]
张可, 汪东芳. 经济集聚与环境污染的交互影响及空间溢出[J]. 中国工业经济, 2014(6):70-82.

[28]
Wang Y, Yan W, Ma D, et al. Carbon emissions and optimal scale of China's manufacturing agglomeration under heterogeneous environmental regulation[J]. Journal of Cleaner Production, 2018,176:140-150.

[29]
陆铭, 冯皓. 集聚与减排:城市规模差距影响工业污染强度的经验研究[J]. 世界经济, 2014, 37(7):86-114.

[30]
邵帅, 张可, 豆建民. 经济集聚的节能减排效应:理论与中国经验[J]. 管理世界, 2019, 35(01):36-60,226.

[31]
马恩涛, 杨璇. 财政压力、高能耗企业与碳排放——基于教育事权改革的准自然实验[J]. 财贸经济, 2022, 43(6):48-63.

[32]
余泳泽, 潘妍. 中国经济高速增长与服务业结构升级滞后并存之谜——基于地方经济增长目标约束视角的解释[J]. 经济研究, 2019, 54(3):150-165.

[33]
Porter M, Van der Linde C. Green and competitive:Ending the stalemate[J]. The Dynamics of the Eco-efficient Economy:Environmental Regulation and Competitive Advantage, 1995,33:120-134.

[34]
张成, 陆旸, 郭路, 等. 环境规制强度和生产技术进步[J]. 经济研究, 2011, 46(2):113-124.

[35]
华岳, 叶芸. 绿色区位导向性政策的碳减排效应——来自国家生态工业示范园区的实践[J]. 数量经济技术经济研究, 2023, 40(4):94-112.

Options
Outlines

/

〈 〉