新质生产力对降碳减污协同的影响机制及空间溢出效应

引用本文

孙慧, 高天天, 张若威. 新质生产力对降碳减污协同的影响机制及空间溢出效应[J]. 环境科学, 2026, 47(10): 6763-6774.

SUN Hui, GAO Tian-tian, ZHANG Ruo-wei. Impacts of New Quality Productive Forces on Synergy Between Carbon Reduction and Pollution Mitigation and Their Spatial Spillover Effects[J]. Environmental Science, 2026, 47(10): 6763-6774.

新质生产力对降碳减污协同的影响机制及空间溢出效应

孙慧^1,2, 高天天^1,2, 张若威^1,2

1. 新疆大学经济与管理学院，乌鲁木齐 830046;
2. 新疆大学新疆创新管理研究中心，乌鲁木齐 830046

收稿日期: 2025-09-09; 修订日期: 2025-11-05

基金项目: 国家自然科学基金项目（72563030）；自治区高校基本科研业务费科研项目（XIEDU2025J016）

作者简介: 孙慧（1963~），女，博士，教授，主要研究方向为资源型产业转型升级与绿色低碳发展，E-mail：shui@xju.edu.cn

摘要: 当前，我国生态文明建设肩负着生态环境根本好转与碳达峰碳中和的双重目标. 在此背景下，充分发挥新质生产力在培育新兴产业、创新发展模式与激发绿色动能方面的核心作用，协同推进降碳减污，已成为实现经济社会全面绿色转型的必由之路. 基于2012~2023年中国284个地级市面板数据，实证检验新质生产力对降碳减污协同的影响机制及其空间溢出效应. 结果表明：①新质生产力显著提高城市降碳减污协同治理水平，这一结论经过多种稳健性检验后依然成立；②异质性分析表明新质生产力的降碳减污效应在环境规制较强、低碳试点和中部地区中更强；③机制检验表明，新质生产力通过促进绿色技术创新和推动产业结构升级从而实现降碳减污协同治理；④新质生产力不仅能够促进本地区降碳减污协同，还有助于提高邻近城市降碳减污协同治理水平即存在显著的空间溢出效应. 研究为理解新质生产力在区域环境协同治理中的作用提供了理论与经验证据，并为跨区域协同推进绿色低碳发展提供了政策启示.

关键词: 新质生产力（NQPF）降碳减污环境协同治理空间溢出效应

Impacts of New Quality Productive Forces on Synergy Between Carbon Reduction and Pollution Mitigation and Their Spatial Spillover Effects

SUN Hui^1,2 , GAO Tian-tian^1,2 , ZHANG Ruo-wei^1,2

1. School of Economics and Management, Xinjiang University, Urumqi 830046, China;
2. Xinjiang Innovation Management Research Centre, Xinjiang University, Urumqi 830046, China

Abstract: At present, China's ecological civilization endeavors bear the dual objectives of fundamentally improving the ecological environment and achieving carbon peaking and carbon neutrality. Against this backdrop, fully leveraging the core role of new-type productive forces in nurturing emerging industries, innovating development models, and stimulating green momentum, while synergistically advancing carbon reduction and pollution control, has become the essential pathway to realizing a comprehensive green transformation of the economy and society. Using panel data from 284 prefecture-level cities in China spanning 2012-2023, this study empirically examines the impact mechanism and spatial spillover effects of new-type productive forces on the synergistic reduction of carbon emissions and pollution. The findings reveal that: ① New-type productive forces significantly enhanced the level of coordinated carbon reduction and pollution control in cities, a conclusion that remained robust after multiple stability tests. ② Heterogeneity analysis indicated that the carbon reduction and pollution control effects of new-type productive forces were stronger in regions with stricter environmental regulations, low-carbon pilot zones, and central China. ③ Mechanism tests showed that new-type productive forces achieved coordinated carbon reduction and pollution control by promoting green technological innovation and driving industrial structure upgrading. ④ New-type productive forces not only enhanced regional synergistic carbon reduction and pollution control but also elevated the synergistic governance levels of neighboring cities, indicating a significant spatial spillover effect. This research provides theoretical and empirical evidence for understanding the role of new-type productive forces in regional environmental governance and offers policy implications for advancing green and low-carbon development through cross-regional collaboration.

Key words: new quality productive forces(NQPF) carbon reduction and pollution control coordinated environmental governance spatial spillover effects

当前，我国经济社会发展已进入加快绿色化和低碳化的高质量发展阶段，生态文明建设仍处于压力叠加和负重前行的关键期. 全面推进美丽中国建设，要协同推进降碳减污，不断提升发展方式绿色转型的内生动力^[1]. 在此背景下，新质生产力的崛起正成为人们追求“绿色、低碳和可持续发展”时代主题的重要推动力量. 新质生产力作为绿色转型的内生动力，以其高科技、高效能和高质量特征，驱动产业结构升级与资源配置优化，提升生态与经济双重效益，助力实现资源高效利用和可持续发展^[2]. 发挥新质生产力孵化新产业、催生新模式和孕育新动能的关键作用，协同推进降碳减污，成为经济社会发展全面绿色转型的必然选择^[3]. 然而，新质生产力对降碳减污协同有什么具体影响？新质生产力影响降碳减污协同的内在路径是什么？以上疑问亟需得到解释，因此本文采用理论与实证检验相结合的方法，揭示新质生产力对降碳减污协同的具体影响以及内在路径，为大力发展新质生产力以促进经济社会发展全面绿色转型提供理论与实证经验.

关于新质生产力的研究主要集中在以下3个方面. 一是新质生产力的学理阐释. 王津津等^[4]认为新质生产力是构建“新”产业载体的生产力，是锚定“质”的跃迁的生产力，是打造“强”创新引擎的生产力. 方敏等^[5]追溯马克思主义生产力理论的演进脉络，建立了“生产力-生产关系”的分析框架. 孟捷等^[6]从历史唯物主义的视角构建了“强国建设-国家竞争”的分析框架. 周文等^[7]指出新质生产力是相对于传统生产力而言的，是以科技创新为主导和实现原创性颠覆性技术突破而产生的生产力，是先进生产力的新质态. 二是新质生产力的评价指标体系构建. 由于学者对于新质生产力的理解与研究视角不同，因此并未对新质生产力形成固定的最科学最准确的评价体系. 吕萍^[8]从马克思主义政治经济学原理的角度将科技新质生产力、数字新质生产力与绿色新质生产力作为准则层构建新质生产力评价测度体系. 李天一等^[9]从实体性要素（新劳动者、新劳动资料和新劳动对象）和渗透性要素（新技术、生产组织和数据要素）两个维度来进行新质生产力发展水平的指标构建. 三是新质生产力的赋能效应. 李修远^[10]从新质生产力推动数字实体融合化、产业结构高端化和核心技术自主化等方面来解释其赋能现代化产业体系构建的内涵. 姜国新等^[11]认为新质生产力能够推动生产要素和产业形态等多层面变革从而有效促进能源效率提升.

关于降碳减污协同的研究主要集中在以下3个方面：一是降碳减污协同学理阐释. 王敏等^[12]认为，推动城市减污降碳协同增效，实际上是在多个环境目标之间寻求“帕累托改进”甚至达到“帕累托最优”状态. 岳利萍等^[13]从有为政府和有效市场的视角阐明了减污降碳双重目标约束下推动产业转型升级的作用机制；二是降碳减污协同的研究方法. 主要包括Super-SBM模型^[14]、耦合协调度模型^[15]、综合评价模型和PLS-SEM模型^[16]、熵权法^[17]和三阶段DEA测度^[18]等研究方法；三是降碳减污协同驱动因素. 学者们从我国省域^[19]、地级市^[20]、城市群^[21]和企业^[22]等多个层面进行研究，发现人口技术等要素、数字经济、创新与技术发展水平和产业发展程度等是驱动降碳减污协同的重要因素.

关于新质生产力对降碳减污协同的研究还较少. 多数学者从省级层面^[23~25]和城市群层面^[26，27]探究新质生产力对减污降碳协同增效的影响关系. 也有少量学者从地级市层面进行研究. 徐杰等^[14]从地级市层面研究发现新质生产力的快速发展显著促进了污染排放效率与碳排放效率的同步提升，已成为推进减污降碳协同增效的新动能. 李德山等^[28]基于地级市面板数据，测算了中国城市新质生产力和减污降碳协同水平并分析其时空演化特征.

综上所述，现有研究已分别对新质生产力及降碳减污协同两个主题展开了广泛探讨，但将二者结合，深入分析新质生产力对降碳减污协同的影响机制及其空间溢出效应的研究仍较为缺乏. 鉴于此，本文的边际贡献体现在3个方面：一是通过实证方法检验新质生产力对降碳减污协同的具体影响，拓展了两者之间关系的研究视野，丰富现有研究；二是从技术创新与产业结构升级两个维度切入，探讨其中介作用，从而更清晰地揭示新质生产力影响降碳减污协同的内在路径；三是引入空间视角，分析新质生产力与城市降碳减污协同之间存在的空间溢出效应，以期为推进区域环境协同治理提供理论参考与实证支持.

1 理论分析与研究假设 1.1 新质生产力对降碳减污协同的直接影响

新质生产力通过其核心要素的革新对降碳减污协同治理产生了直接而积极的推动作用. 在新质劳动者层面，具备环境素养与数字技能的复合型人才能够直接操作智能系统，实时优化生产过程的能耗与排放参数，实现微观层面的即时协同调控^[29]. 在新质劳动对象层面，数据要素与循环资源的深度开发使得碳排放与污染物排放的实时监测、精准预测和协同管控成为可能，同时将废弃物转化为再生资源，直接削减了末端治理压力^[30]. 在新质劳动资料层面，智能算法与绿色工艺装备通过过程干预和系统优化，直接提升了能源与物料的使用效率，从生产源头实现了碳减排与污染控制的协同效应^[31]. 三大要素的协同作用推动环境治理从末端治理的被动模式，转向生产过程智能优化与资源循环利用的主动范式，为实现高质量发展与高水平保护提供了内生动力.

据上述分析，提出研究假设H1：新质生产力对降碳减污协同具有积极影响

1.2 新质生产力对降碳减污协同的间接影响 1.2.1 新质生产力、绿色技术创新与降碳减污协同

波特假说指出，适当的环境规制能够成为企业创新的催化剂，从而带来生产效率的提升和环境绩效的改善. 在降碳减污的背景下，新质生产力的发展契合了这一假说. 新质生产力作为以科技创新为主导的先进生产力形态，其核心内涵与绿色技术创新高度契合，为降碳减污协同提供了根本的技术支撑和路径指引^[32]. 绿色技术创新是新质生产力在生态环境领域的具体体现和关键构成，它通过提供颠覆性的解决方案，直接驱动生产和污染治理过程的绿色化、低碳化和智能化^[33]. 具体而言，新质生产力强调创新驱动和要素协同，通过推动绿色技术创新，企业能够开发出更环保和更高效的生产技术和工艺. 以上创新不仅有助于降低碳排放，还能减少污染物的产生和排放，实现降碳减污的协同推进. 同时，新质生产力还能促进生产要素的优化配置和高效利用，进一步提升企业在降碳减污方面的绩效，最终通过技术进步和要素协同，有效推动降碳减污协同水平的提升^[34]. 与此同时，降碳减污协同的内在需求也为新质生产力的发展和绿色技术创新的方向提供了重要的引导和拉动作用，推动科技创新更好地服务于生态文明建设目标.

据上述分析，提出研究假设H2：新质生产力通过促进绿色技术创新提升降碳减污协同水平

1.2.2 新质生产力、产业结构升级与降碳减污协同

基于环境库兹涅茨曲线（EKC）理论，本研究发现新质生产力通过推动产业结构升级这一关键路径，显著促进了降碳减污的协同效应. 传统EKC曲线表明，经济增长与环境退化呈现倒U型关系，而新质生产力作为高级生产要素的集合体，通过加速技术创新和要素配置效率提升，有效降低了经济结构转型的“环境拐点”^[35]. 具体而言，新质生产力驱动产业结构向高端化、智能化和绿色化演进，促使经济重心从能源密集型产业转向技术密集型和知识密集型产业，这一转变不仅提升了全要素生产率，更大幅降低了单位GDP的碳排放强度和污染排放强度^[36]. 这一过程印证了技术进步对E曲线形状的根本性重塑——新质生产力通过赋能产业结构升级，不仅压缩了环境污染的上升区间，更提前实现了经济增长与环境退化的“脱钩”，为区域绿色低碳转型提供了内在动力机制.

据上述分析，提出研究假设H3：新质生产力通过推动产业结构升级提升降碳减污协同水平

1.3 新质生产力对降碳减污协同的空间溢出效应

根据新经济增长理论的核心观点——知识溢出来看，该理论将知识和技术视为经济增长的内生变量，并强调其具有非竞争性和部分排他性，从而能够跨越地理边界产生外部性. 新质生产力以绿色技术创新为核心，其空间溢出正源于此类知识要素的跨区域流动与扩散^[19]. 具体而言，其空间溢出机制体现在以下层面：首先，绿色技术知识本身具有强溢出属性. 一地的企业或研发机构在低碳技术和污染治理等领域取得突破后，其编码化知识（如专利和软件）和默会知识（如专业技能和管理经验）可通过技术交易、人才流动和学术合作等渠道扩散至邻近地区，促使后者以更低成本实现降碳减污目标，形成“搭便车”效应^[14]. 其次，新质生产力所依托的数字基础设施放大了知识溢出的范围与效率. 物联网平台、工业互联网和能源大数据系统在区域间的互联，不仅加速了绿色最佳实践的传播，更通过实时数据共享与远程协同优化，直接提升了整个区域网络的环境治理效能，例如智慧电网的跨区调度可优化区域清洁能源配置与碳排放格局^[37]. 此外，地方政府在绿色竞争中所形成的“标杆学习”与政策模仿，也促使先进地区的环境规制模式与产业绿色标准被快速复制，从而在更广范围内形成协同治理格局^[38]. 因此，新质生产力的空间溢出效应，突破了本地环境效益的局限，通过区域协同大幅提升了整体减排效率，也为跨域环境治理合作提供了坚实的理论依据.

据上述分析，提出研究假设H4：新质生产力对降碳减污的协同存在空间溢出效应

2 研究设计 2.1 变量选取 2.1.1 被解释变量

被解释变量为降碳减污协同治理（SYN）. 由于我国提出控制总量和强度的“双控”目标，因此，从规模和强度两方面对CO₂和SO₂排放进行测度^[29]. 排放强度用排放总量与各城市实际GDP之比表示. 其中，碳排放总量参考丛建辉等^[39]提出的总的碳排放=范围1排放+范围2排放+范围3排放. 其中，范围1涵盖本省辖区内所有直接排放源，主要来自交通、建筑、工业生产过程、农林业与土地利用变化以及废弃物处理等活动；范围2指因消费外省电力、供热和制冷等能源产品而产生的间接排放，以上排放实际发生在外省；范围3则包括由本省消费引起和产生于外省且不属于范围2的其他间接排放，例如从省外购买的商品在其生产、运输、使用和废弃处理全过程中所产生的温室气体排放. 采用熵值法-TOPSIS测度降碳和减污两个子系统赋予权重得到综合得分，并使用耦合协调模型计算城市降碳减污协同效应.

2.1.2 解释变量

新质生产力（NQP）. 马克思主义理论认为，生产力由劳动者、劳动资料和劳动对象这3个主要部分构成. 新质生产力主要指通过科技创新、产业升级和数字化转型催生的新型生产力形态^[40]. 因此，参考现有研究^[40~42]，从新质劳动者、新质劳动对象和新质劳动资料这三大维度构建新质生产力评价指标体系. 具体评价指标体系见表 1.

表 1 新质生产力评价指标体系 Table 1 Evaluation index system for new quality productive forces

2.1.3 中介变量

在前文理论分析的基础上，选取绿色技术创新（GTI）和产业结构升级（UIS）作为中介变量. 其中，绿色技术创新（GTI）根据现有研究^[43]的普遍做法，采取绿色专利授权数量来衡量；产业结构升级（UIS）运用第三产业增加值与第二产业增加值之比衡量^[44].

2.1.4 控制变量

为避免遗漏重要变量对回归结果造成的不良影响，参考现有研究^{[35，40，43]}，选取以下6个控制变量：①社会消费水平（SCL），以社会消费品零售总额占地区生产总值的比例来衡量；②经济发展水平（LED），以人均GDP取对数来衡量；③金融发展水平（LFD），以年末金融机构存贷款余额占地区生产总值的比例来衡量；④对外开放水平（TRA），以进出口总额占地区生产总值的比例来衡量；⑤城镇化水平（UI），以城镇人口占比来衡量；⑥财政支出水平（LFE），以政府一般公共预算支出占地区生产总值的比例来衡量.

具体指标设计见表 2所示.

表 2 主要指标设计 Table 2 Design of main indicators

2.2 数据来源

基于数据可获得性，选取了2012~2023年我国284个地级市的面板数据作为研究样本. 数据来源主要包括：《中国城市统计年鉴》《中国科技统计年鉴》《中国能源统计年鉴》、EPS数据库和中国碳核算数据库（CEADs），对于个别缺失的数据，采用线性插值法进行补齐.

2.3 模型设定 2.3.1 熵值法-TOPSIS模型

使用熵值法-TOPSIS模型对新质生产力指标体系、降碳和减污两个子系统中各指标进行赋权重^[45]，并计算新质生产力、降碳和减污两个子系统综合得分，具体步骤如下.

第一步，为了消除正负指标间的影响，使数据具有可比性，采用极差法对数据进行标准化处理.

正向指标：

Z_{i j} = \frac{x_{i j} - m i n {x_{i j}}}{m a x {x_{i j}} - m i n {x_{i j}}}

(1)

负向指标：

Z_{i j} = \frac{m a x {x_{i j}} - x_{i j}}{m a x {x_{i j}} - m i n {x_{i j}}}

(2)

式中，x_ij为第i年第j项指标的初始值.

第二步，计算第j项指标熵值.

E_{j} = \frac{1}{l n (m)} \sum_{i = 1}^{n} P_{i j} l n (P_{i j})

(3)

式中， $P_{i j} = \frac{Z_{i j}}{\sum_{i = 1}^{n} Z_{i j}}$ ，m为总的年份个数.

第三步，计算指标权重.

W_{j} = \frac{1 - E_{j}}{\sum_{j = 1}^{n} (1 - E_{j})}

(4)

第四步，计算综合得分.

S_{i j} = \sum_{j = 1}^{m} w_{j} Z_{i j}

(5)

2.3.2 耦合协调度模型

通过构建降碳和减污两个子系统的耦合度及耦合协调度模型，系统评价各城市降碳减污协同效应. 模型构建公式为：

C = \sqrt[]{\frac{U_{1} \cdot U_{2}}{{(U_{1} + U_{2})}^{2}}}

(6)

T = a U_{1} + b U_{2}

(7)

D = \sqrt[]{C \cdot T}

(8)

式中，U₁和U₂分别表示降碳和减污两个子系统综合得分. C（0≤C≤1）为耦合度，C越接近于1，表示降碳减污协同效应越大，相互促进，整个系统是有序的；T为协调指数，a和b为待定权重，也表示两个系统的重要程度，因此，参考现有研究^[46]令a=b=0.5，表示降碳和减污两个子系统同等重要；D（0≤D≤1）为耦合协调度，表示降碳和减污两个子系统协调指数（T）和耦合度（C）的综合，反映各城市降碳减污协同效应水平.

2.3.3 固定效应回归模型

固定效应回归模型能吸收遗漏变量的影响，减少模型的内生性，使估计系数更有可能是无偏或一致的. 为此，参考已有研究^[17]的做法，构建如下双固定效应回归模型（9）分析新质生产力对降碳减污协同的影响，以验证假设1.

S Y N_{i t} = α_{0} + α_{1} N Q P_{i t} + α_{2} C o n t r o l_{i t} + λ_{i} + ν_{t} + ε_{i t}

(9)

式中，下标i为城市，t为年份，被解释变量SYN_it为城市降碳减污协同治理，核心解释变量NQP_it为城市新质生产力水平，Control_it为控制变量，α₀、α₁和α₂为估计系数. 为了避免内生性的干扰，加入λ_t和v_t即城市和时间固定效应，ε_it为随机误差项.

2.3.4 中介效应检验模型

借鉴江艇^[47]的研究，构建中介效应模型（10）检验新质生产力对城市减污降碳协同治理的影响机制，验证假设2和假设3. 模型设定如下：

M_{i t} = β_{0} + β_{1} N Q P_{i t} + β_{2} C o n t r o l_{i t} + λ_{i} + ν_{t} + ε_{i t}

(10)

式中，M_it为中介变量，包括绿色技术创新（GTI）和产业结构升级（UIS），其余参数含义与式（9）相同.

2.3.5 空间杜宾SDM模型

为检验新质生产力对各地级市减污降碳协同治理的空间溢出效应，参考现有研究^[48]，构建如下SDM模型，以验证假设4.

\begin{array}{l} S Y N_{i t} = α_{0} + ρ W S Y N_{i t} + η_{1} W N Q P_{i t} + α_{1} N Q P_{i t} + \\ η_{2} W C o n t r o l_{i t} + α_{2} C o n t r o l_{i t} + λ_{i} + ν_{t} + ε_{i t} \end{array}

(11)

式中，ρ为空间自相关系数，W为空间权重矩阵，η₁和η₂为估计系数，其余参数含义与式（9）相同.

3 结果与讨论 3.1 描述性统计和相关性分析

主要变量的描述性统计结果如表 3所示，可以看出：降碳减污协同治理水平虽有一定进展，但整体仍待提升；新质生产力整体上处于发展的初步阶段，然而地区间差距大，呈现明显分化；社会消费水平的提升与经济发展的持续增长，共同标志着经济向内需驱动转型的深化；金融发展与城镇化水平在地区间存在巨大鸿沟，凸显了长期以来的发展不平衡；对外开放则保持相对稳定，反映了经济进入新常态的特征.

表 3 主要变量描述性统计分析 Table 3 Descriptive statistical analysis of main variables

表 4汇报了各变量之间的Pearson相关系数，可以看出降碳减污协同水平与各变量间的相关系数均在1%的水平上是显著的，初步表明新质生产力、绿色技术创新和产业结构升级对城市降碳减污协同有显著的促进作用. 此外，采用方差膨胀因子（VIF）方法对变量之间的多重共线性进行检验. 结果显示，各变量的VIF值均低于5，表明模型中不存在严重的多重共线性问题.

表 4 相关性检验结果^1） Table 4 Correlation test results

3.2 基准回归

新质生产力对城市降碳减污协同影响的基准回归结果如表 5所示. 无论是否加入控制变量，新质生产力均在1%水平下显著提高城市降碳减污协同治理水平，研究假设H1得到验证. 可能的原因包括：新质生产力依靠颠覆性技术和前沿创新，直接从生产和污染源头提供解决方案，实现降碳减污协同；新质生产力推动产业体系向战略性新兴产业和未来产业转型，以上产业具有低能耗、低排放和高技术的特点，进而从经济结构上根植了绿色低碳模式.

表 5 基准回归结果^1） Table 5 Benchmark regression results

3.3 稳健性检验

（1）替换被解释变量在测算城市减污降碳协同治理水平时，城市污染除了SO₂还考虑了PM_2.5质量浓度. 其中，PM_2.5质量浓度数据来自中国1 km高分辨率高质量逐年PM_2.5质量浓度数据集（2000~2023年）. 由表 6列（1）可知，NQP的估计系数依然显著为正，表明前文基准回归结果稳健.

表 6 稳健性检验结果 Table 6 Robustness test results

（2）改变核心解释变量采用主成分分析法重新测度新质生产力. 由表 6列（2）可知，NQP的估计系数依然显著为正，进一步验证了前文基准回归结果的稳健性.

（3）缩尾处理为避免数据中极端值的影响，对数据进行1%和99%分位数的缩尾处理之后进行回归. 由表 6列（3）可知，回归结果稳健.

（4）内生性检验采用工具变量法解决潜在的内生性问题. 工具变量的选择要满足相关性与外生性的要求. 采用核心解释变量新质生产力滞后一期（记为LNQP）作为工具变量，并运用两阶段最小二乘法（2SLS）策略进行了回归分析的再检验^[49]. 在纳入该工具变量后，所得结果成功通过了弱工具变量的严格检验. 具体而言，表 6中的第（4）列，F统计量和LM统计量均达到识别条件，不存在识别不足或弱工具问题，证明了工具变量的有效性. 据此得出的结论依然稳健：新质生产力对于降碳减污协同具有积极影响.

3.4 异质性分析 3.4.1 环境规制强度

环境规制强度会直接影响地区污染排放标准和污染治理效率，因此环境规制较强的地区更有可能引发新质生产力的降碳减污协同效应. 基于此，以各城市的环保词频所在句子的字数占整个政府工作报告总字数的比例来衡量环境规制强度^[50]，并依据环境规制的中位数划分样本进行分组回归. 由表 7列（1）和列（2）可知，环境规制较强和较弱组对于新质生产力都具有正向的显著影响，但是环境规制较强组的回归系数大于环境规制较弱组. 一方面，环境规制可激发企业创新补偿效应与技术溢出效应，促使企业加大研发投入和推动技术升级，而这一效应在规制严格的地区更为显著；另一方面，严格的环境规制利于淘汰落后产能，推动产业优化升级，引导资源向低污染和高附加值的新兴产业集聚，促进企业优化资源配置，同时提升城市品牌与市场竞争力，吸引更多创新资源，进而更有力地带动城市新质生产力提升，使得环境规制较强组对新质生产力的促进作用更为突出.

表 7 异质性分析结果（1） Table 7 Results of heterogeneity analysis (1)

3.4.2 是否为低碳试点城市

为控制低碳城市试点政策对降碳减污协同治理的潜在影响，因此，将低碳城市试点在城市中是否实施作为政策分组的虚拟变量，以政策开始实施年份作为时间虚拟变量的划分依据，规定若某地级市在当年或之后已实施该试点，则取值为1，否则为0^[51]. 梳理低碳试点城市名单后发现，全国284个样本城市中共计123个试点城市. 结果如表 7列（3）和列（4）所示，低碳试点与非低碳试点组的回归系数均为正，且低碳试点组系数大于非低碳试点组，表明都对城市新质生产力存在显著的正向影响. 一方面，低碳试点地区通常获得更多政策支持与资金投入，用于发展清洁能源和推广绿色技术等，为新质生产力发展营造良好环境；另一方面，试点地区更积极引入先进低碳技术，促进技术溢出与创新，推动产业升级；同时，试点地区通过碳交易等机制，激励企业降低碳排放，倒逼企业提升生产效率与创新能力；而非低碳试点地区虽也有正向影响，但相对政策力度、技术引入与产业调整速度等均不如低碳试点地区，故而影响程度有所差异.

3.4.3 地理位置异质性

由于不同的地区在资源禀赋、市场化水平和地理位置等方面存在较大的差异，进一步将各地级市划分为东部、中部、西部和东北四大地区，旨在研究新质生产力对不同地区降碳减污协同水平的异质性影响^[52]. 如表 8列（1）~（3）所示，东部、中部和西部地区新质生产力的系数分别为0.629、0.648和0.499，均在1%水平上显著为正，呈现中部地区 > 东部地区 > 西部地区特征. 可能的原因是：从工业化发展阶段来看，东部地区已步入后工业化阶段，环境治理体系相对完善，新质生产力的边际改善空间相对有限；中部地区正处于工业化中后期转型阶段，作为国家制造业基地，其通过新质生产力改造提升传统重化工业的边际效益最为显著；西部地区受工业化中期发展阶段制约，创新生态系统支撑不足，限制了新质生产力的深度应用效果. 这一发现印证了环境库兹涅茨曲线在不同发展阶段的表现特征，也为制定区域差异化的环境治理政策提供了实证依据.

表 8 异质性分析结果（2） Table 8 Results of heterogeneity analysis (2)

4 进一步分析 4.1 影响机制分析

为进一步探究绿色技术创新和产业结构升级在新质生产力对降碳减污协同作用路径中是否存在显著中介效应，构建中介效应检验模型. 回归结果如表 9所示，新质生产力对绿色技术创新和产业结构升级的回归系数分别为0.480和0.456，且均在1%水平上显著. 在中介效应分析中，使用Bootstrap法计算的二者置信区间分别为[0.097，0.098]和[0.043，0.045]，均不包含0，因此，可以认为中介效应在统计上显著. 同时，Sobel-Goodman检验支持了中介效应，且间接效应占总效应比例分别为83.10%和28.90%. 可能的原因是：绿色技术创新的作用路径更为直接，能够通过“技术突破-应用-减排”的短链快速提升能效与治理水平. 而产业结构升级则是一个长期过程，需经历要素重组、产业调整与经济转型等多阶段演进，其环境改善效应存在明显滞后性，因此在传导效率上不及技术突破直接有效. 以上分析表明新质生产力通过促进绿色技术创新和推动产业结构升级来提升城市降碳减污协同治理水平，因此，假设H2和H3得到验证.

表 9 机制检验结果 Table 9 Mechanism test results

从绿色技术创新角度来看，新质生产力有助于促进绿色技术创新从而实现降碳减污协同治理. 首先，新质生产力强调创新驱动，促使企业加大研发投入，探索绿色技术路径，实现生产绿色化. 其次，它推动产业高端化和智能化转型，淘汰落后产能，引入绿色制造工艺，从源头减少污染. 绿色技术创新还提供高效污染治理和低碳技术，如先进废气处理和可再生能源利用等，直接降低污染物和碳排放^[52].

从产业结构升级角度来看，新质生产力有助于推动产业结构升级从而实现降碳减污协同治理. 一方面，新质生产力依托数字化和智能化技术，优化产业链全链条的资源配置和生产流程，减少生产、仓储和物流等环节的能源消耗与物料浪费，实现系统性减排^[53]. 另一方面，新质生产力将生产要素从低效和高污染的传统部门，导向高效和清洁的先进制造和现代服务部门，在提升全要素生产率的同时，系统性降低了碳排放强度和污染水平.

4.2 空间效应分析 4.2.1 空间相关性

莫兰指数（Moran's I）是一种衡量空间自相关性的统计量，用于分析地理或空间数据中某一变量的分布模式. Moran's I通常介于-1~1之间，若Moran's I > 0，则表示存在正空间自相关，即相似值（高值或低值）在空间上聚集；若Moran's I < 0，则表示存在负向空间自相关，即相异值在空间上交替分布；若Moran's I=0，则表示存在空间随机性，即无显著空间关联模式^[54]. Moran's I绝对值越大，相关性越强，具体公式如下：

I = \frac{\sum_{i = 1}^{n} \sum_{j = 1}^{n} w_{i j} (x_{i} - \bar{x}) (x_{j} - \bar{x})}{S^{2} \sum_{i = 1}^{n} \sum_{j = 1}^{n} w_{i j}}

(12)

式中， $S^{2} = \frac{\sum_{i = 1}^{n} (x_{i} {- \bar{x})}^{2}}{n}$ 为样本方差；w_ij为空间权重矩阵元素，用于测量城市i与城市j之间的距离，本文选择0~1邻接矩阵，并进行标准化处理；x_i 和x_j为第i和第j个空间单元的观测值； $\bar{x}$ 为观测值的平均值；n为空间单元数量.

采用Moran's I测算2012~2023年284个城市新质生产力与降碳减污协同治理的空间相关性，结果如表 10所示. 结果显示，城市降碳减污协同治理与新质生产力的Moran's I均为正并通过了显著性检验，表明各城市降碳减污协同治理与新质生产力存在显著正向空间相关性.

表 10 莫兰指数检验结果 Table 10 Moran's I test results

4.2.2 空间溢出效应

为确保空间计量模型的适用性以及估计结果的稳健性，本文对模型分别进行了LM、Hausman、LR和Wald检验^[55]，检验结果如表 11所示. LM-error、Robust LM-error、LM-lag和Robust LM-lag检验结果均在1%水平上显著；LR检验和Wald检验的结果均在1%水平上拒绝原假设，说明SDM模型不会退化为SEM或SAR；Hausman检验结果表明应选择固定效应模型进行检验. 综上，本文采用空间杜宾模型进行新质生产力对城市降碳减污协同治理的空间溢出效应分析.

表 11 空间计量模型检验结果 Table 11 Test results of spatial econometric model

表 12的列（1）为使用空间邻接矩阵的空间杜宾模型回归结果，新质生产力（W×NQP）对城市降碳减污协同治理的回归系数显著为正，这表明新质生产力不仅能够促进本地区降碳减污协同，还有助于提高邻近城市降碳减污协同治理水平即存在显著的空间溢出效应，验证了研究假设H4. 进一步的，考虑到空间回归系数可能存在系统性偏差，因此将新质生产力的降碳减污效应进行偏微分分解得到直接效应、间接效应和总效应^[56]，以便更好地分析空间溢出效应.

表 12 空间杜宾模型回归结果 Table 12 Regression results of spatial Durbin model

新质生产力对降碳减污协同的间接效应和总效应系数分别为0.208和0.201，均在1%的水平上显著，这表明新质生产力存在显著的降碳减污效应，新质生产力每提高1%，将显著提高邻近城市降碳减污协同治理水平的0.208%，即新质生产力在降碳减污协同上存在显著的空间溢出效应. 此外，新质生产力对降碳减污协同的间接效应显著而直接效应不显著，说明新质生产力对降碳减污协同的空间效应主要表现为空间溢出效应. 首先，新质生产力以知识、技术和数据为核心生产要素，以上要素具有非竞争性与低复制成本的特性，能够通过人才流动、技术合作、专利许可和信息网络等渠道迅速向外渗透，使得前沿绿色技术和管理模式得以在区域范围内模仿和普及. 其次，环境治理问题本身具有强烈的空间外部性，大气污染物和碳排放的跨区域传输使得单一城市的独立治理效果有限，从而倒逼邻近城市采纳相似或协同的绿色技术及政策，形成环境规制的区域联动. 此外，新质生产力所依托的数字基础设施，如工业互联网、智慧能源系统与数字贸易网络在运行中天然依赖跨域连接与系统整合，推动了区域尺度资源优化与制度协同，进一步强化了绿色创新的涟漪效应^[57]. 因此，新质生产力不仅提升了本地治理效率，更通过区域协同和技术溢出显著提升了城市群的整体降碳减污协同治理水平.

进一步的，为保证研究结果的稳健性，将空间邻接矩阵分别替换为空间经济距离矩阵和空间地理距离矩阵，回归结果如表 12列（2）和列（3）所示. 新质生产力对降碳减污协同均成显著正向影响，表明新质生产力在降碳减污协同上存在正向空间溢出效应，验证了模型的稳健性.

5 启示

（1）强化新质生产力培育与绿色技术扩散，夯实协同治理技术基础. 一是面向重点降碳减污领域，设立绿色科技重大专项，鼓励龙头企业牵头组建创新联合体. 二是建立“绿色技术推广目录”和成果转化服务平台，通过首台套补贴和绿色采购等措施，加速先进适用技术的规模化应用. 三是支持建设区域级工业互联网平台和能源互联网，为企业提供能源管理和污染精准调控等数字化解决方案，提升全域资源协同效率.

（2）增强产业结构升级的降碳减污效应. 一是构建“传统产业-未来产业”梯度扶持体系，对高碳排行业应用工业互联网和节能降碳技术进行绿色化改造给予专项补贴，同时对绿色战略性新兴产业实施税费减免和要素保障. 二是建立“产业碳链长”制度，由龙头企业牵头制定产业链碳足迹标准与减排路线图，带动全链条升级. 三是通过将土地和金融等要素配置与产业结构优化指标动态挂钩，形成激励相容的政策合力.

（3）推动区域协同与空间联动，放大绿色溢出效应. 一是鼓励京津冀、长三角、粤港澳大湾区和成渝双城经济圈等区域，率先建立新质生产力协同发展和环境权益交易平台，推动创新要素自由流动和绿色产业合理布局. 二是支持共建区域性绿色技术交易市场、碳中和产业集群和绿色供应链标准体系. 三是建立东部技术输出型城市与中西部资源承接型城市间的对口绿色协作机制，通过“飞地经济”、园区共建和人才交流等形式，推动绿色技术、管理模式及资金向中西部溢出，系统提升整体减排效率.

（4）实施差异化政策，精准提升各类城市协同效能. 进一步扩大低碳试点范围，支持试点城市在绿色技术集成和政策机制系统创新方面先行先试，形成可复制推广的“技术-产业-政策”包，并为试点地区提供更灵活的政策自主权. 对东部地区，政策重点应放在原始创新和未来产业绿色培育上，鼓励突破关键绿色颠覆性技术. 对中部地区，支持其依托产业基础和区位优势，打造绿色先进制造高地，强化绿色技术转化与应用生态. 对西部地区，加大绿色基础设施投入和技术引进力度，推行“技术+产业”对口支援，避免高碳锁定，走特色生态产业化路径.

6 结论

（1）新质生产力显著提高城市降碳减污协同治理水平，这一结论在采用工具变量法解决潜在内生性问题及进行多种稳健性检验后依然成立，验证了新质生产力在推动降碳减污协同治理中的重要性.

（2）异质性分析中呈现出：新质生产力的降碳减污效应在环境规制较强和较弱组中都具有正向的显著影响，但是环境规制较强组的回归系数大于环境规制较弱组；新质生产力的降碳减污效应在低碳试点与非低碳试点组的回归系数均显著为正，且低碳试点组系数大于非低碳试点组；新质生产力对不同地区降碳减污协同水平的异质性影响呈现中部地区 > 东部地区 > 西部地区特征.

（3）机制分析表明新质生产力能够通过促进绿色技术创新和推动产业结构升级从而实现降碳减污协同治理，并且二者的间接效应占总效应的比例分别为83.10%和28.90%，绿色技术创新的中介效应强于产业结构升级.

（4）空间溢出效应分析表明，新质生产力不仅能够促进本地区降碳减污协同，还有助于提高邻近城市降碳减污协同治理水平，即存在显著的空间溢出效应.

参考文献

[1]	秦书生, 王新钰. 新质生产力赋能发展方式绿色转型探析[J]. 南京工业大学学报(社会科学版), 2025, 24(2): 1-10. Qin S S, Wang X Y. Exploration into the green transformation of development mode empowered by new quality productivity[J]. Journal of Nanjing Tech University (Social Science Edition), 2025, 24(2): 1-10.
[2]	胡海青, 李卓艺, 梁志康, 等. 科技金融、高技术产业集聚与新质生产力[J]. 财经论丛(浙江财经学院学报), 2025(3): 51-63. Hu H Q, Li Z Y, Liang Z K, et al. Sci-tech finance, high-tech industry agglomeration and new quality productivity[J]. Collected Essays on Finance and Economics, 2025(3): 51-63.
[3]	王杰森, 吴宏洛. 新质生产力对马克思主义生产力理论的原创性贡献及创新性发展[J]. 当代经济管理, 2025, 47(3): 1-11. Wang J S, Wu H L. The original and innovative contributions of new quality productive forces to Marx's theory of productive forces[J]. Contemporary Economic Management, 2025, 47(3): 1-11.
[4]	王津津, 任保平. 中国新质生产力研究的前沿进展与热点演化[J]. 统计与决策, 2025, 41(14): 5-10. Wang J J, Ren B P. Frontier progress and hotspot evolution of China's new quality productivity research[J]. Statistics & Decision, 2025, 41(14): 5-10.
[5]	方敏, 杨虎涛. 政治经济学视域下的新质生产力及其形成发展[J]. 经济研究, 2024, 59(3): 20-28.
[6]	孟捷, 韩文龙. 新质生产力论: 一个历史唯物主义的阐释[J]. 经济研究, 2024, 59(3): 29-33.
[7]	周文, 许凌云. 新质生产力的政治经济学核心要义[J]. 经济学动态, 2024(6): 3-12. Zhou W, Xu L Y. Core essentials of political economy of new quality productive forces[J]. Economic Perspectives, 2024(6): 3-12.
[8]	吕萍. 人工智能应用与产业链创新链融合——基于新质生产力的传导效应考察[J]. 技术经济与管理研究, 2025(7): 152-158. Lv P. Integration of artificial intelligence applications and industrial chain innovation chain: an investigation of transmission effect based on new quality productivity[J]. Journal of Technical Economics & Management, 2025(7): 152-158.
[9]	李天一, 张伟, 张玄逸. 新质生产力发展与共同富裕: 基于劳动者干中学效应的分析[J]. 数量经济技术经济研究, 2025, 42(3): 5-25. Li T Y, Zhang W, Zhang X Y. New quality productive forces and common prosperity: an analysis based on the learning-by-doing effect of workers[J]. Journal of Quantitative & Technological Economics, 2025, 42(3): 5-25.
[10]	李修远. 新质生产力赋能现代化产业体系构建: 内涵、困境与路向[J]. 西北民族大学学报(哲学社会科学版), 2025(1): 98-108. Li X Y. New quality productive forces empowering the construction of modern industrial system: connotations, dilemmas and directions[J]. Journal of Northwest Minzu University (Philosophy and Social Sciences), 2025(1): 98-108.
[11]	姜国新, 武宇超. 新质生产力提升能源效率的机制与效应研究[J]. 中国矿业大学学报(社会科学版), 2025, 27(3): 140-157. Jiang G X, Wu Y C. Research on the mechanism and effect of new quality productivity to improve energy efficiency[J]. Journal of China University of Mining & Technology (Social Sciences), 2025, 27(3): 140-157.
[12]	王敏, 李丽平. 城市减污降碳协同增效: 内涵特征、实践困囿与创新建议[J]. 环境保护, 2024, 52(7): 13-16. Wang M, Li L P. Synergies of urban pollution and carbon reduction: connotative characteristics, practical difficulties and innovative suggestions[J]. Environmental Protection, 2024, 52(7): 13-16.
[13]	岳利萍, 杨欣怡. 双重环境目标约束下的产业转型升级: "减污降碳"何以"协同增效"[J]. 中国人口·资源与环境, 2024, 34(1): 46-58. Yue L P, Yang X Y. Industrial transformation and upgrading under the constraints of dual environmental objectives: how pollution control and carbon reduction are synergistic[J]. China Population, Resources and Environment, 2024, 34(1): 46-58.
[14]	徐杰, 程栋鹏, 韩先锋. 新质生产力赋能减污降碳协同增效: 作用机制与实证检验[J]. 环境科学, 2026, 47(5): 2915-2926. Xu J, Cheng D P, Han X F. New quality productivity empowering the synergy of pollution reduction and carbon mitigation: mechanisms and empirical evidence[J]. Environmental Science, 2026, 47(5): 2915-2926. DOI:10.13227/j.hjkx.202503303
[15]	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. Sun B W, Zheng S L. The synergistic effect of pollution reduction and carbon reduction of environmental regulation——evidence from the quasi-natural experiment of cleaner production standards implementation[J]. China Economic Quarterly, 2024, 24(2): 624-642.
[16]	李云燕, 崔华. 基于DPSIR和PLS-SEM模型的京津冀城市群减污降碳协同水平评价与路径分析[J]. 环境科学, 2026, 47(6): 3666-3676. Li Y Y, Cui H. Evaluation of synergy level and path analysis of pollution reduction and carbon reduction in Beijing-Tianjin-Hebei urban agglomeration based on DPSIR and PLS-SEM model[J]. Environmental Science, 2026, 47(6): 3666-3676. DOI:10.13227/j.hjkx.202504220
[17]	张杰, 刘亚琪. 数智融合发展对长三角地区减污降碳协同治理的影响研究[J]. 长江流域资源与环境, 2025, 34(5): 964-975. Zhang J, Liu Y Q. Impact of numerical intelligence integration development on collaborative governance of pollution and carbon reduction in the Yangtze River Delta region[J]. Resources and Environment in the Yangtze Basin, 2025, 34(5): 964-975.
[18]	胡剑波, 张宽元, 韩君. 我国省域降碳减污绩效测度、时空分异与收敛性研究[J]. 统计研究, 2025, 42(2): 99-110. Hu J B, Zhang K Y, Han J. Research on the measurement, spatiotemporal differentiation and convergence of carbon and pollution reduction performance in China[J]. Statistical Research, 2025, 42(2): 99-110.
[19]	邵汉华, 王庆祥, 何铿辉. 绿色技术创新对省域减污与降碳协同水平的影响及其驱动机制[J]. 经济地理, 2025, 45(1): 17-24, 35. Shao H H, Wang Q X, He K H. Impact of green technology innovation on the cooperation level of provincial-level pollution reduction and carbon reduction and its driving mechanism[J]. Economic Geography, 2025, 45(1): 17-24, 35.
[20]	杨思莹, 王汉磊, 陈佳馨. 数实融合对城市减污降碳协同增效的影响研究[J]. 财经问题研究, 2025(8): 87-99. Yang S Y, Wang H L, Chen J X. The impact of the integration of the digital economy and the real economy on the synergy of urban pollution reduction and carbon emission reduction[J]. Research on Financial and Economic Issues, 2025(8): 87-99.
[21]	李云燕, 杜文鑫. 京津冀城市群减污降碳时空特征及影响因素异质性分析[J]. 环境工程技术学报, 2023, 13(6): 2006-2015. Li Y Y, Du W X. Spatial and temporal characteristics and the heterogeneity of influencing factors of the synergism of pollution and carbon emissions reduction in Beijing-Tianjin-Hebei urban agglomeration[J]. Journal of Environmental Engineering Technology, 2023, 13(6): 2006-2015.
[22]	孙慧, 夏学超, 祝树森, 等. 企业降碳减污协同推进的产业链联动效应[J]. 中国人口·资源与环境, 2024, 34(3): 16-29. Sun H, Xia X C, Zhu S S, et al. Linkage effect of the industry chain on enterprises' synergistic promotion of carbon reduction and pollution control[J]. China Population, Resources and Environment, 2024, 34(3): 16-29.
[23]	安博文. 新质生产力的降碳减污扩绿增长效应: 动力源泉与区域协调[J]. 财经理论研究, 2025(3): 23-41. An B W. The carbon reduction, pollution control, ecological conservation, and green growth effects of new quality productive forces: driving forces and regional coordination[J]. Journal of Finance and Economics Theory, 2025(3): 23-41.
[24]	陆瑶, 孙慧, 夏学超, 等. 新质生产力对降碳减污协同推进的影响[J]. 环境科学, 2026, 47(7): 4519-4531. Lu Y, Sun H, Xia X C, et al. Impact of new quality productivity on the synergistic advancement of carbon reduction and pollution control[J]. Environmental Science, 2026, 47(7): 4519-4531. DOI:10.13227/j.hjkx.202504215
[25]	李俊明, 胡雅璇, 杜文晶, 等. 新质生产力视域下科技驱动减污降碳协同增效的非线性效应及空间分异[J]. 经济地理, 2025, 45(4): 109-122. Li J M, Hu Y X, Du W J, et al. Nonlinear effects and spatial differentiation of synergy in pollution reduction and carbon emission reduction driven by science and technology under the background of new quality productive forces[J]. Economic Geography, 2025, 45(4): 109-122.
[26]	程云洁, 陈亮, 段鑫. 新质生产力对黄河流域九省(区)碳排放的影响研究[J]. 人民黄河, 2025, 47(6): 8-13, 24. Cheng Y J, Chen L, Duan X. Effect of new quality productivity on carbon emission of nine provinces in the Yellow River basin[J]. Yellow River, 2025, 47(6): 8-13, 24.
[27]	邢文婷, 刘明珠. 减污降碳与新质生产力发展耦合协调效应时空演变格局及影响因素: 以长江经济带为例[J]. 环境科学, 2026, 47(2): 741-755. Xing W T, Liu M Z. Spatiotemporal evolution pattern and influencing factors of coupling coordination effect between the development of new quality productivity and reduction of pollution & carbon emissions, taking the Yangtze River economic belt as an example[J]. Environmental Science, 2026, 47(2): 741-755. DOI:10.13227/j.hjkx.202412244
[28]	李德山, 贾子萱. 新质生产力对减污降碳协同的影响效应与作用机制[J]. 环境科学, 2016, 47(7): 4993-4505. Li D S, Jia Z X. Impact effects and mechanisms of new quality productive forces on the synergistic effects of pollution reduction and carbon mitigation[J]. Environmental Science, 2016, 47(7): 4993-4505. DOI:10.13227/j.hjkx.202506020
[29]	王洪艳. 新质生产力对碳排放效率的影响——基于产业结构高度化和合理化的双重视角[J]. 统计与决策, 2024, 40(17): 24-29. Wang H Y. Influence of new quality productivity on carbon emission efficiency——from the dual perspective of industrial structure upgrading and rationalization[J]. Statistics & Decision, 2024, 40(17): 24-29.
[30]	王群伟, 杜倩, 李振冉, 等. 数字化和绿色化转型的碳排放双控效果: 基于制造业新质生产力的机制解析[J]. 中国管理科学, 2025, 33(11): 321-335. Wang Q W, Du Q, Li Z R, et al. The dual control effects of carbon emissions of digital and green transitions: a mechanistic analysis based on new quality productive forces in manufacturing industries[J]. Chinese Journal of Management Science, 2025, 33(11): 321-335.
[31]	狄乾斌, 梁晨露, 陈小龙. 新质生产力赋能东北地区资源型城市高质量发展的机制与效应[J]. 地理科学进展, 2025, 44(8): 1578-1595. Di Q B, Liang C L, Chen X L. Mechanism and effects of new quality productivity empowering the high-quality development of resource-based cities in Northeast China[J]. Progress in Geography, 2025, 44(8): 1578-1595.
[32]	乔均, 台德进, 邱玉琢. 农业新质生产力赋能农业碳减排的机理与效应[J]. 当代经济管理, 2024, 46(12): 42-55. Qiao J, Tai D J, Qiu Y Z. Research on the mechanism and effect of agricultural new quality productive forces empowering agricultural carbon emission reduction[J]. Contemporary Economic Management, 2024, 46(12): 42-55.
[33]	贾晓霖, 张樨樨, 李奕忻. 数字化、绿色化与制造业企业新质生产力[J]. 山西财经大学学报, 2025, 47(8): 116-126. Jiao X L, Zhang X X, Li Y X. Digitization, greening, and new quality productive forces of manufacturing enterprises[J]. Journal of Shanxi University of Finance and Economics, 2025, 47(8): 116-126.
[34]	张沥幻, 张金昌. 数实技术融合赋能新型实体企业新质生产力的机制研究[J]. 统计与决策, 2025, 41(17): 29-34. Zhang L H, Zhang J C. Mechanisms of digital-real technology integration empowering new quality productivity of new substantive enterprises[J]. Statistics & Decision, 2025, 41(17): 29-34.
[35]	刘明远, 肖备. 绿色生产力、新质生产力和国家引导型生态建设[J]. 南开经济研究, 2024(12): 36-49. Liu M Y, Xiao B. Green productivity, new quality productivity, and state-guided ecological construction[J]. Nankai Economic Studies, 2024(12): 36-49.
[36]	王乙喆, 王兴平, 朱振伟. 新质生产力、新能源与国土空间规划演进方向思考——以风、光能源形式为主的讨论[J]. 城市规划学刊, 2025(3): 43-51. Wang Y Z, Wang X P, Zhu Z W. Reflections on the evolutionary direction of new-quality productive forces, renewable energy, and national spatial planning: a discussion focused on wind and solar energy[J]. Urban Planning Forum, 2025(3): 43-51.
[37]	吴俊珺, 杜文豪. 数字经济赋能新质生产力: 理论机制与实证检验[J]. 工业技术经济, 2025, 44(6): 47-56. Wu J J, Du W H. The empowerment of new quality productivity by the digital economy: theoretical mechanisms and empirical examination[J]. Journal of Industrial Technology and Economy, 2025, 44(6): 47-56.
[38]	盛明泉, 鹿晓晴, 胡中应. 新质生产力对地区共同富裕的空间溢出效应[J]. 华东经济管理, 2025, 39(5): 13-22. Sheng M Q, Lu X Q, Hu Z Y. The spatial spillover effect of new quality productive forces on regional common prosperity[J]. East China Economic Management, 2025, 39(5): 13-22.
[39]	丛建辉, 刘学敏, 赵雪如. 城市碳排放核算的边界界定及其测度方法[J]. 中国人口·资源与环境, 2014, 24(4): 19-26. Cong J H, Liu X M, Zhao X R. Demarcation problems and the corresponding measurement methods of the urban carbon accounting[J]. China Population, Resources and Environment, 2014, 24(4): 19-26.
[40]	韩文龙, 张瑞生, 赵峰. 新质生产力水平测算与中国经济增长新动能[J]. 数量经济技术经济研究, 2024, 41(6): 5-25. Han W L, Zhang R S, Zhao F. The measurement of new quality productivity and new driving force of the Chinese economy[J]. Journal of Quantitative & Technological Economics, 2024, 41(6): 5-25.
[41]	王琴, 李敬, 丁可可, 等. 数字基础设施、要素配置效率与城乡收入差距[J]. 统计与决策, 2023, 39(9): 29-34. Wang Q, Li J, Ding K K, et al. Digital infrastructure, factor allocation efficiency and urban-rural income gap[J]. Statistics & Decision, 2023, 39(9): 29-34.
[42]	郭沛, 梁栋. 低碳试点政策是否提高了城市碳排放效率——基于低碳试点城市的准自然实验研究[J]. 自然资源学报, 2022, 37(7): 1876-1892. Guo P, Liang D. Does the low-carbon pilot policy improve the efficiency of urban carbon emissions: quasi-natural experimental research based on low-carbon pilot cities[J]. Journal of Natural Resources, 2022, 37(7): 1876-1892.
[43]	赵喜仓, 蒋美, 洪逗. 绿色技术创新对减污降碳协同效应的影响[J]. 科技进步与对策, 2025, 42(16): 24-36. Zhao X C, Jiang M, Hong D. The Impact of green technology innovation on the synergistic effect of pollution reduction and carbon emission reduction[J]. Science & Technology Progress and Policy, 2025, 42(16): 24-36.
[44]	姜春海, 闫振好, 王敏. "双碳"目标约束下的能耗双控到碳排放双控: 规制工具、效应模拟与政策评价[J]. 中国工业经济, 2024(11): 5-23. Jiang C H, Yan Z H, Wang M. From dual control of energy consumption to dual control of carbon emissions under the constraints of carbon peaking and carbon neutrality goals: regulatory tools, effect simulation and policy evaluation[J]. China Industrial Economics, 2024(11): 5-23.
[45]	Zhou W N, Li X K, Dai B, et al. Temporal and spatial evolution of the combined and coordinated growth of green finance, new urbanization, and rural industry revitalization and the driving mechanisms[J]. Journal of Environmental Management, 2025, 375. DOI:10.1016/J.JENVMAN.2025.124063
[46]	沈丽, 范文晓. 中国碳排放效率与金融业高质量发展的时空耦合协调[J]. 中国人口·资源与环境, 2023, 33(8): 13-26. Shen L, Fan W X. Spatio-temporal coupling coordination between carbon emission efficiency and financial industry high-quality development in China[J]. China Population, Resources and Environment, 2023, 33(8): 13-26.
[47]	江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济, 2022(5): 100-120. Jiang T. Mediating effects and moderating effects in causal inference[J]. China Industrial Economics, 2022(5): 100-120.
[48]	张子珍, 胡文轩. 数字普惠金融对我国居民消费升级的影响: 理论机理与经验事实[J]. 经济问题, 2025(6): 38-47. Zhang Z Z, Hu W X. The impact of digital inclusive finance on the upgrading of residents' consumption in China: theoretical mechanism and empirical facts[J]. On Economic Problems, 2025(6): 38-47.
[49]	高维龙. 数字经济对城市减污降碳的协同效应及空间机制[J]. 华东经济管理, 2025, 39(3): 70-82. Gao W L. The synergistic effects and spatial mechanisms of the digital economy on urban pollution reduction and carbon emission reduction[J]. East China Economic Management, 2025, 39(3): 70-82.
[50]	邵帅, 葛力铭, 朱佳玲. 人与自然何以和谐共生: 地理要素视角下的环境规制与环境福利绩效[J]. 管理世界, 2024, 40(8): 119-144. Shao S, Ge L M, Zhu J L. How to achieve the harmony between humanity and nature: environmental regulation and environmental welfare performance from the perspective of geographical factors[J]. Journal of Management World, 2024, 40(8): 119-144.
[51]	廖斌, 杨昭, 田彩红. 信息消费促进了城市减污降碳协同增效吗?[J]. 消费经济, 2025, 41(2): 45-58. Liao B, Yang Z, Tian C H. Information consumption promotes urban pollution and carbon reduction synergies?[J]. Consumer Economics, 2025, 41(2): 45-58.
[52]	单春霞, 周文洁, 耿紫珍. 环境规制、绿色技术创新与可持续发展——被调节的中介效应分析[J]. 经济问题, 2024(8): 95-102. Shan C X, Zhou W J, Geng Z Z. Environmental regulation, green technology innovation and sustainable development: an analysis of moderated mediating effect[J]. On Economic Problems, 2024(8): 95-102.
[53]	石虹, 余少龙. 数据要素聚集的减污降碳效应及空间溢出效应研究[J]. 软科学, 2025, 39(1): 108-115. Shi H, Yu S L. Pollution reduction and carbon reduction effect and spatial spillover effect of data factor aggregation[J]. Soft Science, 2025, 39(1): 108-115.
[54]	陈虹, 胡善贵. 新质生产力视角下战略性新兴产业发展水平测度与区域差异研究[J]. 科技进步与对策, 2024, 41(23): 63-73. Chen H, Hu S G. The measurement of the development levels of strategic emerging industries and their regional disparities from the perspective of new quality productive forces[J]. Science & Technology Progress and Policy, 2024, 41(23): 63-73.
[55]	Wu F H, Wang C Q, Ibrahim H, et al. Research on the spatial and temporal evolution and spatial spillover effects of regional green innovation in China under the ESG context[J]. Journal of Cleaner Production, 2025, 520. DOI:10.1016/J.JCLEPRO.2025.146116
[56]	Liu H B, Wang Y J, Huang H, et al. Spatial spillover effects and impact mechanisms of methane emissions from agricultural soil in green agricultural development zone[J]. Journal of Environmental Management, 2025, 391. DOI:10.1016/J.JENVMAN.2025.126476
[57]	金鑫, 高煜. 数字技术与绿色技术融合的减碳效应研究: 新质生产力的微观实现机制[J]. 经济学动态, 2025(6): 51-67. Jin X, Gao Y. The carbon reduction effects of digital-green technology convergence: the micro-level mechanism of new quality productive forces[J]. Economic Perspectives, 2025(6): 51-67.


环境科学 2026, Vol. 47 Issue (10): 6763-6774	PDF