1992年至2023年间中国气候变化政策的力度：衡量、演变及其影响

《Growth Hormone & IGF Research》：The intensity of China’s climate change policy from 1992 to 2023: Measurement, evolution and consequence

中国1992-2023年气候政策强度分析及对城市碳排放的影响。构建三维框架（目标、工具、严格性），运用ERNIE 3.0等深度学习模型量化分析1310项政策，发现政策强度显著降低城市碳排放，效应在非碳密集型城市更明显，并提出优化政策设计的建议。

　　气候政策是应对全球气候变化的关键工具之一，尤其在中国这样全球最大的温室气体排放国中，其政策的强度和有效性对于实现碳中和目标具有重要意义。本文通过分析1992年至2023年间中国发布的1310项国家级气候政策，采用深度学习模型（ERNIE 3.0、BERT和RoBERTa）对政策强度进行量化评估，并从政策目标强度、政策工具强度和政策严格性强度三个维度探讨政策强度对城市碳排放的影响。研究发现，政策强度的增长趋势与中国的发展路径紧密相关，且具有可衡量的政策目标、多样化的政策工具以及系统性的行政约束与可操作措施的结合，是增强政策强度的重要因素。进一步分析表明，政策强度的提升能够有效降低城市碳排放，尤其是在非碳密集型城市中，这种影响更为显著。非碳密集型城市通常拥有更加灵活的经济结构，以第三产业为主导，这使得政策在技术升级和能源优化方面更容易取得成效。

本研究在政策评估、气候治理以及政策制定三个领域做出了重要贡献。首先，在政策评估方面，本文构建了一个定量的政策强度评估框架，将理论政策分析与实证数据相结合，填补了以往研究中单一理论评估或仅关注驱动因素的空白。其次，在气候治理研究中，研究揭示了政策强度如何驱动非碳密集型城市的显著减排效果，这为理解经济结构对政策响应能力的影响提供了新的视角。第三，在政策制定方面，研究利用深度学习模型提供实证支持的政策制定依据，使政策设计更加精准和有针对性，有助于在不同城市背景下优化减排效果。这些成果将理论严谨性与实际政策设计相结合，为未来的气候治理策略提供了指导。

在方法论上，本文采用了一种新的策略，以提升政策强度的测量精度。传统的政策评估方法往往依赖于专家的主观判断，导致结果受到专业背景和主观偏见的影响。而本文引入了深度学习模型，不仅提升了政策强度评估的客观性，还减少了评估过程中的主观性和时间成本。此外，研究还采用了固定效应面板回归模型，对政策强度与城市碳排放之间的关系进行了实证分析，并通过两阶段最小二乘法（2SLS）模型，结合国际气候政策动向和领导层讲话周期作为工具变量，解决了政策强度与碳排放之间可能存在的内生性问题，确保了因果关系的稳健性。通过这些方法，研究不仅验证了政策强度对碳排放的显著负向影响，还发现非碳密集型城市对政策的响应更为积极，而碳密集型城市则由于其对重工业的依赖，政策效果相对有限。

研究结果还表明，政策强度在城市碳排放减少中发挥了关键作用。非碳密集型城市由于经济结构的多样化和城市化水平较高，更易于通过技术升级和能源优化实现政策目标。例如，深圳和杭州等城市，其经济以服务业和高科技产业为主，对化石能源的依赖较低，使得碳税或排放限制等政策更容易取得成效。相比之下，碳密集型城市如唐山和包头，由于其产业结构高度依赖重工业，政策执行成本较高，且面临较大的技术障碍，这限制了政策的效果。因此，政策强度的提升需要结合城市的具体情况，采取差异化的政策工具和实施路径。

在政策目标强度方面，研究发现，碳减排目标是最常见的政策目标，其次是产能利用率。碳减排政策通常具有明确的量化指标，例如具体的减排路径和时间表，使得其实施效果更容易被评估。然而，由于这些政策的长期性，其实际执行过程中可能会面临一定的不确定性，从而影响政策强度的感知。产能利用率政策则因其经济激励措施和较短的时间框架，能够更快地实现减排目标。相比之下，技术导向的政策由于研发周期较长，往往在政策强度上处于劣势。在适应政策方面，生态系统调整是最常见的政策目标，这与中国的生态文明建设理念相契合，表明政策在生态系统保护方面具有较高的关注度。然而，公共健康和灾害风险控制等适应性政策由于其在量化指标和跨部门协调方面的挑战，目前发展较为有限。

政策工具的多样性也是影响政策强度的重要因素。研究发现，混合型政策工具（即结合行政命令、市场机制和自愿行动）在政策强度上表现最佳，能够通过多维度的协同作用实现更有效的减排。这与公共政策文献中关于解决复杂问题需要多元工具的观点相一致。市场机制政策能够通过经济激励引导企业采取减排措施，而行政命令政策则能够在短期内迅速减少排放。然而，单一工具往往难以应对气候问题的多维性，因此，政策制定应注重工具的互补性，以实现更广泛的政策效果。此外，政策工具的强度也受到政策类型和发布层级的影响。例如，国家层面的政策通常具有更强的约束力，但其实际执行效果往往受限于地方层面的响应能力。

政策严格性强度则反映了政策的法律约束力和执行力度。自2010年起，中国的气候目标逐渐具有法律约束力，这表明国家政策在气候治理中的核心地位。然而，政策的严格性并不总是等同于政策效果。许多国家政策虽然具有较高的行政约束力，但由于缺乏具体的执行标准和量化指标，导致其在地方层面的实施效果有限。因此，政策严格性强度的提升不仅需要法律层面的支持，还需要在执行层面提供清晰的指导和可操作的措施。此外，政策严格性强度还受到市场参与和公众支持的影响。市场机制政策和公众参与政策能够通过经济激励和意识提升，增强政策的执行效果，促进更广泛的减排行动。

研究还指出，政策强度的提升有助于推动城市实现碳中和目标。通过分析政策强度对城市碳排放的影响，研究发现，非碳密集型城市由于其经济结构的灵活性，更容易将政策强度转化为实际的减排效果。这些城市通常拥有较高的城市化水平和较为完善的政策执行系统，能够有效实施气候政策，如碳排放监测、绿色补贴和低排放技术推广。此外，非碳密集型城市的居民和企业通常具有较高的环保意识，使得政策在社会层面更容易获得支持和执行。相比之下，碳密集型城市由于其产业结构的刚性，政策效果较为有限，需要通过技术转移和产业升级来优化其能源结构，降低对高能耗产业的依赖。

为了进一步提升政策的执行效果，研究建议在政策制定过程中应注重不同城市类型的需求差异。例如，对于非碳密集型城市，可以采用渐进式的政策实施方式，如分阶段提高碳税，以利用其经济灵活性实现减排目标。同时，应通过财政激励、绿色金融和研发补贴等方式，促进第三产业和高科技产业的发展，从而推动低排放技术的应用。对于碳密集型城市，应加强市场导向的政策工具，如碳交易市场，以提高减排效率。此外，政策制定还应注重区域协调，通过技术转移和区域合作机制，缩小不同地区政策执行效果的差距。这些策略不仅有助于提升政策的实施效果，还能够促进区域间的均衡发展，实现更广泛的碳中和目标。

研究的局限性在于其主要关注国家层面的政策，而未涉及地方层面的政策分析。未来的研究可以进一步探讨地方政策与国家政策之间的互动关系，以及地方政策如何影响城市碳排放。此外，政策强度与适应性政策之间的协同效应尚未得到充分研究，这为后续研究提供了方向。通过更加全面的政策分析，可以更好地理解不同政策工具和政策强度在应对气候变化中的作用，从而为政策制定者提供更科学的决策依据。

综上所述，本文通过构建一个综合的政策强度评估框架，结合深度学习模型和实证分析，揭示了政策强度在应对气候变化中的重要作用。研究不仅提供了对政策强度与城市碳排放之间关系的深入理解，还为未来的政策制定和实施提供了理论支持和实践指导。通过这些研究成果，政策制定者可以更好地设计和实施符合实际需求的气候政策，推动中国在实现碳中和目标方面取得更大进展。