《Agriculture》：Can Urban–Rural Industrial Synergy Accelerate Low-Carbon Transition? The Mediating Role of Industrial Structure Upgrading and Green Technology Diffusion
编辑推荐：
在全球碳减排与乡村振兴背景下，识别低碳转型的有效驱动因素至关重要。作为连接城乡经济的关键路径，城乡产业协同能否有效加速这一转型尚不明确。本研究将碳排放效率纳入分析框架，利用2008至2022年中国282个城市的面板数据，通过省份和年份固定效应模型考察城乡产业协
在全球碳减排与乡村振兴背景下，识别低碳转型的有效驱动因素至关重要。作为连接城乡经济的关键路径，城乡产业协同能否有效加速这一转型尚不明确。本研究将碳排放效率纳入分析框架，利用2008至2022年中国282个城市的面板数据，通过省份和年份固定效应模型考察城乡产业协同与低碳转型之间的关系。此外，采用中介模型探讨产业结构升级和绿色技术扩散在促进这一转型中的作用。研究发现，在基准模型中，城乡产业协同与碳排放效率之间存在显著的正向关系。产业结构升级和基于专利的绿色技术扩散代理变量在原模型中均呈现部分中介模式，尽管产业结构升级的证据较弱，且其机制解释受到测量重叠和模型设定敏感性的影响。本研究为低碳转型研究做出了贡献，并为政策制定提供了实证依据，具体而言，它有助于推动城乡一体化，并将碳减排与中国农业现代化和可持续农村发展相结合。
研究背景与现存问题
在全球气候变化与环境退化加剧的背景下，协调经济发展与碳减排的需求日益迫切。中国的碳达峰与碳中和目标使得城乡发展关系尤为关键。城市产业集中了资本、知识与服务，而农村地区提供农业资源、劳动力以及可再生能源和循环生产的机遇。因此，城乡联系可能影响资源配置和区域碳效率。然而，现有文献大多单独聚焦于城市或农村尺度，缺乏对城乡交互作用与碳排放效率关系的检验。即便承认城乡产业协同发展（Urban-Rural Industrial Synergy, URIS）在促进低碳转型（Low-Carbon Transition, LCT）方面的潜在作用，其内在传导机制仍是一个待解开的“黑箱”。一方面，产业结构升级（Industrial Structure Upgrading, ISU）可通过淘汰高耗能产业、发展高技术和服务业，在宏观层面重塑区域碳代谢路径；另一方面，绿色技术扩散（Green Technology Diffusion, GTD）可借助城乡融合场景降低清洁技术的应用成本，在微观层面赋能全系统减排。然而，这些路径面临实际挑战：产业结构升级可能遭遇“服务化-去工业化”的转型困境，而绿色技术扩散则受制于农村地区的技术吸收能力和融资约束。因此，这两个方面是否在URIS与LCT之间扮演中介角色，以及其传导的强度和方向，亟待严谨的实证识别与机制检验。
研究内容与结论
本研究利用2008至2022年中国282个城市的不平衡面板数据，考察了URIS与碳排放效率（Carbon Emission Efficiency, Effi）之间的关系，以及通过ISU和GTD提出的两条路径。研究贡献在于将城乡产业联系与这两条路径纳入同一个实证框架。通过省份和年份固定效应模型以及中介效应模型的分析，主要结论如下：在基准模型中，URIS与Effi之间存在显著的正向关系，支持了假设H1。在稳健性检验中，该正向关系在不同标准误聚类、替代核心解释变量测度、剔除异常时期样本以及加入额外控制变量后依然成立，但其系数大小和显著性依赖于固定效应和聚类选择。关于中介机制，ISU和基于专利的GTD代理变量在原模型中均呈现部分中介模式，其间接比例分别约为0.91%和1.28%。然而，ISU的证据较弱，且由于URIS与ISU共享“产业高级化”成分导致测量重叠，以及同期时序和模型设定的敏感性，限制了独立的因果解释。该研究的政策意义在于，为实现“双碳”目标与乡村振兴的协同推进，必须打破城乡二元结构，促进产业链、创新链和绿色要素在城乡间的双向流动，并加强针对ISU和GTD的政策协调。
关键技术方法
本研究采用的主要关键技术方法包括：1）使用超效率SBM模型（Super-Slacks-Based Measure, Super-SBM）计算碳排放效率（Effi），以资本存量、劳动力和能源消耗为投入，GDP为期望产出，碳排放为非期望产出；2）运用熵权TOPSIS法合成城乡产业协同发展指数（URIS），综合人口城镇化水平（Pul）和产业结构高级化（Idh）两个指标；3）构建中介效应模型，分别检验产业结构升级（ISU）和绿色技术扩散（GTD）的中介作用，其中ISU由产业结构合理化和高级化的熵权复合指标衡量，GTD由绿色专利授权总量和绿色发明专利申请量的熵权复合指标代理；4）采用省份和年份双向固定效应模型进行基准回归，并进行了多种稳健性检验，包括替换标准误聚类层级、更换核心解释变量测度、改用城市固定效应、排除异常年份以及加入城乡收入差距作为额外控制变量。
研究结果
5.1 描述性统计与相关性分析
通过描述性统计分析发现，低碳转型（Effi）的均值为0.319，标准差为0.103，表明各城市在低碳转型过程中存在显著差异。城乡产业协同发展（URIS）的均值仅为0.038，范围从0.002到0.187，表明观测值间存在差异。相关性分析结果显示，URIS与Effi在1%的水平上显著正相关，为假设H1提供了初步支持。所有变量的方差膨胀因子（VIF）均低于2，远小于临界值5，表明模型不存在严重的多重共线性问题。
5.2 模型回归与结果分析
基准回归结果表明，在逐步加入控制变量以及年份和省份固定效应后，ln_URIS的系数始终在1%的水平上显著为正（最终模型系数为1.2544）。这证实了URIS与Effi之间的正向条件关联，与假设H1一致。在控制变量方面，经济发展水平和人口密度的系数显著为正，金融发展水平的系数显著为负，政府对科技的投入系数显著为正。
5.3 稳健性检验
研究进行了六项稳健性检验：1）替换标准误聚类方式后，结果仍显著；2）用人口城镇化率和产业结构高级化分别替代URIS指数，系数均显著为正；3）改用城市固定效应后，系数虽减小但仍显著（5%水平），但在同时采用城市聚类标准误时，显著性消失，表明结果对固定效应和聚类的组合敏感；4）剔除2008年异常时期样本后，结果与基准估计几乎一致；5）加入城乡收入差距作为额外控制变量后，主要结论不变；6）动态识别的系统GMM因无法提供完整的验证证据而未予采纳。
5.4 机制检验
中介效应检验显示：对于ISU路径，URIS对中介变量的系数为0.2307，中介变量对结果的系数为0.0496（仅在10%水平上显著），间接比例约为0.91%，呈现出部分中介模式，但因系数显著性弱及测量重叠问题，解释力有限。对于基于专利的GTD代理变量，URIS对中介变量的系数为0.1278，中介变量对结果的系数为0.1257（两者均在1%水平上显著），间接比例约为1.28%，同样呈现部分中介模式，但这并不能直接证明技术的转移或采用。
讨论与结论总结
讨论部分：正向的基准关系与H1及先前关于产业协调、要素配置与环境绩效的研究一致，但本研究的系数无法直接与使用不同指标、结果变量或解释尺度的研究进行比较。国际农村转型的证据强调了在解释URIS时需考虑劳动力再分配、非农就业和农村制度，但这些研究并未估计本研究所考察的碳效率结果。ISU路径的弱证据和测量重叠问题限制了其解释强度。GTD路径反映了专利活动和创新的可用性，而真正的扩散需要技术移动和使用，这在农业领域尤为重要。政策启示在于应打破城乡制度壁垒，建立统一要素市场，并通过财税激励引导低碳产业布局，同时建立城乡绿色技术合作平台。
结论部分翻译：本研究利用2008至2022年中国282个城市的不平衡面板数据，采用原始固定效应和中介模型考察了URIS与碳排放效率的关系。在原始的省份和年份固定效应模型中，URIS与碳排放效率呈显著正相关，与H1一致。该估计值的幅度和统计精度对固定效应和聚类选择敏感，因此该结果并非确凿的因果效应。产业结构升级和基于专利的绿色技术扩散代理变量在原模型中呈现部分中介模式，与H2和H3一致。它们的间接比例分别约为0.91%和1.28%。ISU证据较弱，且测量重叠、同期时序和模型设定的敏感性限制了独立的因果解释。这些限定条件保留了原模型的正向路径发现，同时界定了其证据范围。其他路径，包括能源结构调整和制度协调，仍需单独研究。该研究为审视碳效率以及结构和技术的两条路径提供了一个整合的城乡框架。其与农业的相关性在于农村生产、加工、就业、城市市场与技术机会之间的联系。研究存在若干局限性，包括缺失观测值、省份固定效应未消除所有城市异质性、URIS与ISU的成分重叠、专利作为扩散的间接代理、同期模型无法确立因果中介以及空间溢出效应可能混淆关系等。未来研究将重建独立测度、使用转移或采用数据、记录动态识别、检验时间顺序和空间依赖性，并用更详细的数据评估农业和生计结果。
