全球化气候变化和生态环境问题日益严峻，2022年，中国碳排放量约占全球碳排放量的27.71%，是世界上最大的碳排放国家^[1]. 城市碳排放效率是单位二氧化碳排放的实际产出与最优产出的比值，是碳排放的一种量化表现^[2]，受产业结构、能源结构、政府规制、科技创新水平以及对外开放程度等因素的影响^[3]，不同城市碳排放效率存在显著差异，使得我国在实现“双碳”战略目标的进程中面临着严峻的挑战.

我国正处于体力城镇化向智力城镇化转变的交叉口，传统粗放的经济发展模式已经不能适应科技革命和产业变革提出的要求，同时，经济社会高质量发展和现代化体系建设面临着新的机遇与挑战. 2023年，习近平总书记首次创造性提出新质生产力，且多次强调“新质生产力本身就是绿色生产力，必须加快发展方式绿色转型，助力碳达峰碳中和”. 新质生产力凭借高科技、高效能和高质量为提高碳排放效率提供可行的思路. 然而，在科技革命和产业革命的背景下，探索新质生产力与碳排放效率之间的内在作用机制对于新质生产力推动城市高质量发展及早日实现“双碳”战略目标具有重要的现实意义.

新质生产力和城市碳排放是两个复杂的系统^[4]，涉及经济学、管理学和环境学科等多个学科的交叉. 碳排放效率是社会经济发展过程中要素投入与最终产出间关系改变的结果，反映投入产出要素间的关联性，学者们主要聚焦碳排放效率测度、影响因素及作用机制等方面的研究. 传统测度方法上主要采用随机前沿分析（SFA）和数据包络分析（DEA）测算碳排放效率，随着研究的深入，学者们引入SBM模型、非径向方向距离函数和超效率SBM模型等方法改进碳排放效率测量方式^[5~7]. 影响因素及作用机制方面，学者们主要聚焦数字经济、人工智能、科技创新和环境规制等对城市碳排放效率的作用机制^[8~12]. 尽管关于城市碳排放效率的研究已经较为丰富，但鲜见关于新质生产力对城市碳排放效率的相关研究.

作为一种新的生产力的跃迁，新质生产力的发展过程必然会对城市传统产业结构和能源结构产生巨大影响，而城市可持续发展的核心是降本增效，现有研究主要集中在新质生产力内涵特征与评价、理论逻辑与实现路径、其对高质量发展的影响^[13~17]. 由于提出时间较短，概念尚未达成共识，但大多数学者认为，新质生产力是依托科技创新内核驱动，通过科技技术（云计算、人工智能、大数据）、新型生产资料（新能源、新材料）与产业生态的深度融合，培育战略性新兴产业和未来产业，最终实现经济-社会-环境协同进化的新型生产力形态^[10，12]. 当前学术界对其量化测度尚未达成共识，多数学者从劳动者、劳动对象和劳动资料等方面构建指标体系^[9，18]；部分学者强调新质生产力的技术特征，从新技术、生产组织和数据要素等方面构建指标体^[19，20]；也有学者从新制造、新服务和新业态构建新质生产力指标体系^[21]. 研究尺度上，主要集中在省域层面或城市群^[22]，给出的建议对区域发展的针对性和适用性不足，亟需从市域尺度进一步拓展和深化，因此，需要结合城市发展灵活调整新质生产力的指标体系以便精确量化其对碳排放效率的影响.

新质生产力对碳排放效率的影响尚未形成统一的观点，大多数学者认为新质生产力能够显著提升碳排放效率，且两者呈线性^[2]；也有学者认为两者之间关系呈非线性^[10]. 新质生产力的核心是技术创新，一方面，随着人工智能、区块链等数字技术迅猛发展，数字经济已成为国家经济增长的“新质动力”^[23]. 然而，数字产业本身就是高耗能产业，如全国的数据中心每年消耗全国1.5%~2.2%的电力，并且存在“绿色悖论”现象^[24]；一方面，绿色技术创新有助于提升城市碳排放效率且存在明显的回弹效应^[25.26]. 新质生产力是如何影响城市碳排放效率以及两者之间是否可能存在非线性关系？数字经济视角研究城市碳排放效率为本研究提供思路借鉴. 关于从数字经济视角研究城市碳排放效率，部分学者认为在能源效率和绿色技术创新推动下，数字经济对碳排放效率有显著影响^[23]；也有部分学者认为数字经济通过技术创新、产业结构升级和人力资本来实现碳排放效率提升^[8]. 产业结构升级和人力资本在新质生产力影响碳排放效率过程中所起作用有必要深入探讨.

基于此，本文的边际贡献主要体现在以下3个方面：①探讨新质生产力与城市碳排放效率的非线性关系，并得出较为稳健的研究结论，对两者存在非线性关系提供实证依据；②从产业结构高级化和人力资本视角研究新质生产力对城市碳排放效率的影响，丰富拓展两者之间关系的研究；③进一步从城市资源禀赋、环境治理政策和城市规模方面展开异质性分析，为新质生产力发展因城施策提供理论支撑和政策依据. 本研究结果丰富了对“新质生产力本身就是绿色生产力”理论的论证，旨在为“双碳”战略实施提供可操作的路径选择. 探究新质生产力对城市碳排放效率的影响及作用机制，对于提升城市要素资源优化配置，促进实现高质量发展和现代化建设至关重要，也是如期实现“双碳”战略目标的保障.

1 影响机制与理论假设 1.1 新质生产力对城市碳排放效率的影响

在科技革命和产业变革的背景下，新质生产力是生产力结构性跃迁. 从要素的角度看，在传统要素基础上不断涌现新数据、新技术等要素，要素与要素之间的组合，使得要素价值得到提升，要素之间的结构更加优化，从而提高要素的生产效率^[27]，促进碳排放效率；从生产组织角度看，大数据、人工智能和物联网等数字技术广泛应用于农业和工业等生产领域，如数字化碳排放核算和管理系统、碳交易市场等改变传统生产组织方式，打破地理空间的限制，减少运输成本，使生产要素资源得到精准匹配和协同发力，实现生产过程的平台化、智能化、绿色化，极大提高生产效率^[28]，有效减少资源的消耗，从而影响碳排放效率；从技术创新角度看，大数据、人工智能、新能源和新材料等颠覆性技术的规模化应用，已成为驱动生产体系迭代升级的核心动力^[29]. 一方面，改变传统产业资源利用效率，降低生产成本和能源消耗；一方面，科技创新能力的提升显著优化了科技成果转化率，清洁技术不断涌现；另一方面，技术溢出效应赋能生态系统创新，通过智能检测、循环利用等技术手段减少碳排放. 由于新质生产力发展往往伴随着大规模数字基础设施建设，间接增加能源消耗量，使得新质生产力发展产生的碳减排效应可能小于增碳效应，导致碳排放效率下降^[30]. 随着新质生产力的快速发展，技术创新对能源回弹效应产生的驱动作用，加速绿色节能技术、绿色材料、战略性新兴产业和未来产业等形成规模效应，从而提升碳排放效率. 基于此，提出假设1：新质生产力与城市碳排放效率之间存在先抑制后促进的“U”型非线性关系.

1.2 产业结构高级化的调节作用

产业结构高级化在新质生产力与碳排放效率之间的关系中起着重要的纽带作用，产业结构高级化的驱动力是技术创新，通过研发和应用新技术，提高生产效率和产品附加值，促进产业结构多样化发展. 产业结构高级化既要实现产业结构转型升级，即产业结构由低附加值向高附加值，从高污染和高能耗向低污染和低能耗转变^[31，32]；又要通过资源共享，实现主导产业、关联产业、交叉产业和战略性新兴产业、未来产业等产业协同发展，提升产业链韧性，减少对高能耗高污染产业的依赖. 产业结构高级化对新质生产力与碳排放效率的调节作用，主要通过以下途径实现：一方面，产业结构向技术密集型和服务型产业转型时，新生产要素的不断涌现及优化组合，不断提升绿色技术和绿色可再生能源，推动绿色生产力的形成^[33~36]，从而有效提升碳排放效率；另一方面，新能源、新材料、先进制造和电子信息等战略新兴产业和未来产业发展，有利于为新质生产力提供源源不断的前沿支撑，推动新质生产力不断释放绿色动能，实现生产过程清洁化、产品供给绿色化和生态环境品质化，提高碳排放效率^[37]. 基于此，提出假设2：产业结构高级化在新质生产力对城市碳排放效率影响过程中起调节作用.

1.3 人力资本的调节作用

人力资本不仅是科技创新的核心要素，也是提升绿色全要素生产率的关键因素^[38]，要充分发挥新质生产力对碳排放效率的影响必须建立在较高的人力资本水平基础上^[7]. 高素质人力资本作为知识、信息和技术转化的载体，对新质生产力的发展具有显著的促进作用^[39]，不仅能够推动科技创新和生产方式变革，还能提高公众的环保意识和参与度，从而提升碳排放效率^[40]. 人力资本对新质生产力与碳排放效率的调节作用，主要通过以下途径实现：一方面，高素质人才集聚促进多元创新主体间知识溢出和技术创新溢出效应，催生新兴产业和新型经济形态，加速新质生产力的发展. 人力资本不仅能推动信息技术的创新，而且能有效吸收和应用先进技术，提高科技成果转化率，从而加速可再生资源的绿色技术的应用，进而提升碳排放效率. 另一方面，知识水平越高的人对知识信息获取能力、应用能力和转化能力方面也越强，因此，人力资本水平较高的地区，创新能力和劳动生产率也越强，在生产和消费中资源利用效率越高，进而提升碳排放效率. 基于此，提出假设3：人力资本在新质生产力对城市碳排放效率影响过程中起调节作用.

综上所述，新质生产力对城市碳排放效率的影响机制如图 1所示.

2 材料与方法 2.1 模型设定 2.1.1 基准回归模型

为验证新质生产力对城市碳排放效率的非线性影响，借鉴相关研究^[38]，设定时间个体双固定效应的基准模型，见式（1）：

$ \begin{aligned} \mathrm{ct}_{i, t}= & \alpha_0+\alpha_1 \mathrm{nqp}_{i, t}+\alpha_2 \mathrm{nqp}_{i, t}^2+\alpha_3 \text { control }_{i, t}+ \\ & \text { year }_t+\mathrm{id}_i+\varepsilon_{i, t} \end{aligned} $

(1)

式中，被解释变量 c t i , t 为城市 i 在 t 年的碳排放效率；解释变量 n q p i , t 为城市 i 在 t 年的新质生产力综合水平，核心解释变量为 n q p i , t 2 ；为避免由于遗漏变量而引起内生性问题，引入控制变量 c o n t r o l i , t ； y e a r t 为时间固定效应； i d i 为城市固定效应； ε i , t 为随机扰动项.

2.1.2 调节效应模型

为了进一步检验理论假设提出的产业高级化对新质生产力影响碳排放效应的调节效应，参考林伟鹏等^[41]的方法，在基准模型式（1）的基础上，分别加入产业高级化与新质生产力及其平方的交互项，构建如下调节效应模型：

$ \begin{aligned} \mathrm{ct}_{i, t}= & \beta_0+\beta_1 \mathrm{nqp}_{i, t}+\beta_2 \mathrm{nqpp}_{i, t}^2+\beta_3\left(\mathrm{nqp}_{i, t} \times \mathrm{ias}_{i, t}\right)+ \\ & \beta_4\left(\mathrm{nqp}_{i, t}^2 \times \mathrm{ias}_{i, t}\right)+\beta_5 \mathrm{ias}_{i, t}+\beta_6 \operatorname{control}_{i, t}+ \\ & \operatorname{year}_t+\mathrm{id}_i+\varepsilon_{i, t} \end{aligned} $

(2)

式中， i a s 为调节变量产业高级化；若 β 4 显著，则说明产业结构高级化对新质生产力影响城市碳排放效率有调节作用. 若 β 4 > 0 ，说明曲线变陡峭，反之曲线变平缓. 若 β 1 β 4 - β 2 β 3 > 0，说明新质生产力影响碳排放效率的拐点会随产业结构高级化的提升而右移，反之则左移^[42，43].

$ \begin{aligned} \mathrm{ct}_{i, t}= & \gamma_0+\gamma_1 \mathrm{npq}_{i, t}+\gamma_2 \mathrm{nqp}_{i, t}^2+\gamma_3\left(\mathrm{nqp}_{i, t} \times \mathrm{rlzb}_{i, t}\right)+ \\ & \gamma_4\left(\mathrm{nqp}_{i, t}^2 \times \mathrm{rlzb}_{i, t}\right)+\gamma_5 \mathrm{rlzb}_{i, t}+\gamma_6 \operatorname{control}_{i, t}+ \\ & \text { year }_t+\mathrm{id}_i+\varepsilon_{i, t} \end{aligned} $

(3)

式中， r l z b 为调节变量人力资本；若 γ 4 显著，则说明人力资本对新质生产力影响碳排放效率起到调节作用. 若 γ 4 > 0 ，说明曲线变陡峭，反之曲线变平缓. 若 γ 1 γ 4 - γ 2 γ 3 > 0，说明新质生产力影响碳排放效率的拐点会随人力资本的增加而右移，反之则左移^[42，43].

2.2 变量选择 2.2.1 解释变量

新质生产力（ n p q ）. 新质生产力发展本质上体现为生产要素的优化重组与质量跃升. 考虑数据的可得性、科学性、完整性等原则，基于本文新质生产力对碳排放效率影响理论分析，借鉴相关研究^{[2，19，29]}，分别从实体性要素和渗透性要素构建新质生产力综合评价指标体系. 其中实体性要素包括新质劳动者、新质劳动对象、新质劳动资料；渗透性要素不仅促进实体要素间的深度融合、高效协作和优化重组，还推动劳动过程的量变与质变，包括生产组织、新技术和数据要素^[44]. 采用熵权法测算权重并计算城市新质生产力综合水平，如表 1所示.

2.2.2 被解释变量

碳排放效率（ c t ）在指标选取方面，借鉴相关研究^[45]，在测定效率时兼顾碳排放，科学合理地构建碳排放效率的投入产出指标体系，如表 2所示. 在测算方法上，采用超效率SBM模型，不仅可以弥补传统DEA方法忽视非期望产出导致的效率测度误差问题，还能解决SBM模型因可能会出现多个效率值为1且无法有效排序的问题^{[7，46，47]}.

2.2.3 调节变量

产业结构高级化（ i a s ）借鉴相关研究^[48，49]，多数学者采用第三产业增加值比第二产业增加值来衡量产业结构升级，不仅反映产业结构高级化程度，也体现产业结构由第二产业向第三产业转移及新兴产业的发展状况^[50].

人力资本（rlzb）. 教育是人力资本积累的核心路径，高素质人才具有较高的学习能力、创新能力和适应能力，借鉴相关研究^[51]，基于数据的可得性原则，采用普通高等学校在校学生数占城市常住人口比例来衡量，反映城市高素质人才的集聚程度.

2.2.4 控制变量

考虑到城市资源禀赋差异性，以及排除相关因素对模型的干扰，参考已有研究，引入控制变量来提高模型解释精确度^[52，53]. 本文控制变量为：①城镇化率（urban），用城镇常住人口占总人口比例来衡量；②财政干预（infinance），用财政一般预算支出占GDP的比值取对数值来衡量；③基础设施（ininfrastrucion），用人均城市道路面积取对数来衡量；④创新投入（ste），用科技支出占一般财政支出的比值来衡量；⑤人口密度（indensity），用单位面积人口数量取对数来衡量.

2.3 样本选择与数据来源

选取2009~2022年我国273个地级市作为观测样本，数据获取渠道：《中国统计年鉴》《中国能源统计年鉴》《中国科技统计年鉴》、国泰安数据库、EPS统计数据库及政府工作报告等. 针对缺失数据采用线性插补进行填充.

如表 3所示，主要变量的描述性统计中被解释变量（ c t ）的范围为0.020~1.110，标准差为0.131，说明不同城市的碳排放效率存在较大差异. 新质生产力（ n p q ）的范围为0.006~0.601，说明不同城市间新质生产力发展不平衡，为本文研究提供良好的数据条件.

3 结果与讨论 3.1 基准回归结果

根据公式（1）进行建模分析，基准回归结果如表 4所示，其中，列（1）~（7）分别为新质生产力对城市碳排放效率非线性“U”型影响的基准回归、加入城市和时间固定效应和依次加入控制变量的回归结果. 由列（7）回归结果可知，新质生产力及新质生产力平方项的系数相反，且平方项系数为正，说明新质生产力对城市碳排放效率存在先抑制后促进的非线性“U”型关系，且在1%水平上显著. 当新质生产力发展水平为0.270时，城市碳排放效率处于最低值. 在新质生产力发展初级阶段，要素集聚导致能源消耗总量效应大于要素集聚创新产生的单位能源消耗效率，导致整体碳排放效率降低；随着新质生产力发展的强化，新能源、新要素、新技术和新产业等不断涌现，能源结构进一步优化，多维度提高碳排放效率，进而随着新质生产力水平的提升显著促进城市碳排放效率. 如图 2所示，研究期内，北京、深圳、上海、广州和武汉等城市新质生产力水平均高于拐点0.270，成都、西安、东莞、常州、惠州和三亚等城市新质生产力水平在2022年大于0.063 053，说明新质生产力发展尚处于发展初期，大多数城市还未达到拐点，但中心城市对周边的辐射带动作用开始显现，需要进一步加强新质生产力发展. 综上，验证了理论假设1.

进一步检验“U”型关系的稳健性，结果如表 5所示，基准模型式（1）的极值点0.270在[0.006，0.601]范围内，说明极值点估计值在自变量数据的取值范围内；上限斜率系数为正，下限系数为负，均在1%统计水平下显著拒绝原假设，说明“U”型影响真实有效^[54].

3.2 内生性检验

为了解决新质生产力与碳排放效率之间可能存在双向因果关系而产生的偏差，借鉴叶胥等^[55]的研究，在地形起伏度截面数据的基础上，采用地形起伏度与新质生产力滞后一期的交互项作为工具变量. 地形起伏度会通过制约数字基础设施的空间布局，从而影响数据要素的扩散效能. 地势平坦区域在光缆铺设和基站建设等方面具有显著区位优势，能够有效降低数字基础设施建设的边际成本，从而为新质生产力的要素集聚提供地理空间载体，符合相关性原则. 另外，地形起伏度是地理原因客观存在的地形，不会受到政策调控或技术变革等外生冲击干扰，符合外生性原则. 考虑碳排放效率的提升可能会反向加速新质生产力的培育，采用两阶段最小二乘法（2SLS）进行估计，回归结果如表 6所示. 第一阶段回归结果显示，新质生产力平方项与工具变量交互项对核心解释变量新质生产力平方项的估计系数在1%水平显著，说明相关性很强. 同时，过度识别检验和第一阶段的F统计量均通过检验，说明工具变量选取合理. 第二阶段结果显示，新质生产力平方项对碳排放效率的估计系数在1%水平显著，且系数方向与基准回归结果一致，证明研究结论具有稳健性.

3.3 稳健性检验结果

为了避免新质生产力对碳排放效率的影响可能受到样本、指标选取及时间趋势等的影响，借鉴相关研究^{[20，23，57]}，通过删除4个直辖市特殊样本、控制城市随时间变化的线性趋势、替换被解释变量、核心解释变量滞后一期和被解释变量缩尾来进行稳健性检验，回归结果如表 7所示. 列（1）~（5）结果显示，新质生产力平方项的回归系数均在5%水平显著，两者“U”型关系显著存在，且拐点均向右移. 与基准回归的结果一致，说明结论具有稳健性.

3.4 调节效应检验

为了进一步验证产业结构高级化对新质生产力影响城市碳排放效率的调节效应，根据调节效应模型[式（2）]，通过分别构建新质生产力与产业结构高级化的交互项和新质生产力平方项与产业结构高级化交互项进行回归，结果如表 8列（1）所示，新质生产力平方项与产业结构高级化交互项的估计系数在1%水平显著，说明产业结构高级化对新质生产力影响碳排放效率具有调节作用. 由于 β 1 β 4 - β 2 β 3 = 0.062 94 > 0，拐点右移，说明产业结构高级化的提升强化了“U”型曲线拐点前负向作用和拐点后的正向作用. 可能因为产业结构高级化程度越高的城市，第三产业在产业结构中的占比越高，新兴产业和信息产业集聚越明显，越能推动技术创新、知识信息溢出，提升要素资源的优化配置，从而提高碳排放效率. 验证了理论假设2.

为了进一步验证人力资本对新质生产力影响城市碳排放效率的调节效应，根据调节效应模型[式（3）]，分别构建新质生产力及其平方项与人力资本的交互项，回归结果如表 8列（2）所示. 可知，人力资本与新质生产力平方项交互项的估计系数在5%水平显著，且 γ 1 γ 4 - γ 2 γ 3 = 0.000 37 > 0，说明人力资本的增加强化了“U”型曲线拐点前的负向作用和拐点后的正向作用. 即在人力资本的推动下，促进了新质生产力对城市碳排放效率的影响作用. 可能原因是城市人力资本越高，人与人之间的合作与交流越频繁，知识溢出效应越充分，知识创新和技术创新越容易强化新质生产力对碳排放效应的影响作用. 验证了理论假设3.

3.5 异质性分析结果

鉴于不同城市的资源禀赋、环境治理政策和城市规模等方面存在较大差异，以上差异会导致城市对新质生产力发展政策执行力度、技术转化效率及资源优化配置而产生差别，最终影响城市碳排放效率^[56，57]. 因此，从以下几个方面进行异质性分析.

首先，根据《全国资源型城市可持续发展规划（2013-2020年）》将273个城市划分为110个资源型城市和163个非资源型城市，结果如表 9列（1）~（2）所示，新质生产力对资源型城市和非资源型城市的碳排放效率的影响均在1%的水平上显著，但是新质生产力对资源型城市碳排放的影响呈倒“U”型. 由于资源型城市长期依赖煤炭等化石能源，表现为产业结构单一化，技术锁定效应及财政依赖，导致新质生产力发展初期可能通过技术改造带来效率的提升，但受制于能源消费刚性、技术替代成本高昂和产业转型滞后，当生产力提升突破临界点后，碳减排边际效应可能会递减甚至逆转^[58]. 非资源型城市新质生产力对碳排放效率影响显著的主要原因在于：非资源型城市对传统能源的依赖较弱，注重技术创新，产业结构多元化，更容易加快发展新质生产力；另外，非资源型城市竞争意识更强，对市场变化具有更强的敏锐性，能更高效地适应市场变化，更好地抓住新质生产力发展的机遇.

其次，按照我国陆续公布的三批低碳试点城市名单，分为低碳试点城市和非低碳试点城市两组样本分别进行回归. 表 9列（3）和列（4）表明新质生产力对碳排放效率的影响呈现显著的倒“U”型关系，相比非低碳试点城市，低碳试点城市新质生产力对碳排放效率的影响显著水平更高，并且低碳试点城市新质生产力的极值点（0.390）大于非低碳试点城市新质生产力的极值点（0.170）. 可能因为低碳试点城市由于政策的引导使得城市发展更加关注低碳技术的研发，产业结构和能源结构的绿色化得到充分发展，进一步提高碳排放效率^[46].

最后，参照《关于调整城市规模划分标准的通知》（国发[2014]51号）中城市规模划分标准，将常住人口≥500万定义为超大特大城市，≥100万且 < 500万定义为大城市，< 100万定义为中小城市. 表 9列（5）~列（8）结果显示，超大特大城市和大城市新质生产力平方项回归系数均在1%的水平显著，且与新质生产力回归系数方向相反，说明新质生产力与碳排放效率之间存在分线性“U”型关系. 原因在于超大特大、大城市的创新要素多元化助力大数据、人工智能、信息化等技术创新的研发与应用，加快新质生产力的发展. 同时，超大特大城市集聚大量物质和非物质资源，能够快速通过信息化平台实现资源的优化配置，提高全要素生产效率，从而提升碳排放效率. 但是，中小城市新质生产力平方项回归系数在1%的水平不显著. 原因在于中小城市创新要素同质化且容易受到大城市虹吸效应的影响，新兴产业发展动力相对不足，致使新质生产力的培育较为缓慢，故新质生产力对碳排放效率的影响不显著^[2].

4 建议

（1）加快培育新质生产力，促进城市碳排放效率的长期稳步提升. 培育新质生产力不仅需要人工智能、云计算、物联网等新型基础设施和产业发展的“硬支撑”，也离不开政策制度与体制机制的“软支撑”. “硬支撑”方面：一是着力推进“5G+算力+人工智能”融合的新型基础设施网络建设，通过数字孪生技术实现生产流程动态优化，推动传统产业智能化升级，提高资源配置效率；二是加速发展战略性新兴产业和未来产业创新集群，重点突破颠覆性技术创新瓶颈，构建数字技术全生命周期渗透机制，实施企业智能化转型，促进新质生产力形成发展. “软支撑”方面：完善要素市场配置政策框架，破除传统生产要素的行政边界和制度壁垒，重点培育数据要素市场交易体系，降低交易和匹配成本，提高要素资源配置效率和降低资源错配成本. 一是通过税收优惠政策、创新补贴政策、金融补助政策等，重点支持清洁能源和低碳技术产业化应用，建立产能动态检测与负面清单管理机制，通过市场与政策规制淘汰落后产能，构建绿色全要素生产率提升的长效机制；二是落实创新人才引进政策，充分发挥人才集聚效应，促进城市绿色低碳发展.

（2）以产业结构高级化和人力资本为抓手，充分发挥其对新质生产力影响碳排放效率的调节作用. 我国城市产业结构存在较大的差异，各城市应结合区域天然资源禀赋和产业基础，基于产业协调发展原则，合理科学地制定城市的产业规划实施方案，有条不紊推进产业结构高级化. 一方面，积极营造产业结构高级化发展环境，充分发挥主导产业的乘数倍增效应，促进交叉产业和潜在关联产业间的协同发展，促进经济的增长的同时减少因经济波动而造成的成本损失；另一方面，通过绿色技术创新，发展战略性新兴产业、未来产业，加强跨区域产业合作，将科技创新渗透到经济社会的各个领域，对城市资源进行优化配置，实现能源结构调整，产业由高能耗向低能耗的转型，进而提高城市碳排放效率. 人力资本是城市创新的核心要素，人力资本提升可以通过以下途径：一方面，不断优化人才引进政策，鼓励人才跨区域、跨行业流动，实现人才资源优化配置，充分激发人才的创新潜能；另一方面，加大对人才的培养力度，提高教育质量，为培育新质生产力提供人才支撑，从而更有效提升碳排放效率.

（3）因城施策，注重城市间协调差异化发展与治理. 根据城市的资源禀赋、产业结构特点和功能定位等精准施策. 一方面，根据资源型城市产业生命周期发展规律，充分利用数字技术赋能传统资源产业实现绿色化转型. 另外，加强非资源型城市发展战略性产业和新兴产业的政策引导和财政支持，鼓励科技创新，加速新质生产力的培育；另一方面，稳步推进低碳试点城市建设，适当增加低碳城市范围，通过相关激励政策不断提升新质生产力水平，积极研发绿色材料、绿色清洁能源和设备、绿色生产技术等，从而提高城市碳排放效率；除此之外，充分发挥超大特大城市的带动作用，推动区域联动、协同发展和协同治理，增强地区的辐射作用，形成以科技创新、人才培养和产业结构优化升级的内在引擎的发展生态.

（4）因此，应抓住新质生产力发展的机遇期，以产业结构高级化和人力资本为抓手，强化区域间合作交流，推动新质生产力发展，从而全面提高城市碳排放效率，早日实现“双碳”战略目标.

5 结论

（1）新质生产力对城市碳排放效率的影响是非线性的，先抑制后促进呈“U”型，且具有显著的影响，两者之间的关系通过U型检验、内生性检验及稳健性检验后，非线性“U”型关系仍然显著.

（2）产业结构高级化与人力资本均对新质生产力影响碳排放效率具有显著的调节效应，且均强化了“U”型曲线拐点前负向作用和拐点后的正向作用.

（3）新质生产力对城市碳排放效率的影响在资源禀赋、环境治理政策和城市规模等方面存在异质性. 与资源型城市相比，非资源型城市新质生产力对碳排放效率的影响较为显著；相比非低碳试点城市，低碳试点城市由于政策的推动，促进能源结构和产业结构的绿色化转型，进一步提高新质生产力对碳排放效率的影；超大特大城市和大城市新质生产力对碳排放效率的影响均在1%水平上存在显著“U”型关系，但中小城市新质生产力对碳排放效率的影响不显著.