全球气候变化是人类当前面临的最紧迫挑战之一，对人类生存所依赖的自然生态系统造成了严重破坏。迫切需要采取行动来减轻其影响[1]。自20世纪中叶以来，人类活动产生的温室气体排放已成为全球气候变化的主要驱动因素。随着全球变暖的加速，减少碳排放的国际合作变得越来越重要。在2015年的第21届联合国气候变化大会上，197个国家签署了《巴黎协定》，目标是在21世纪下半叶实现全球温室气体净零排放[2]。自2007年以来，中国一直是世界上最大的二氧化碳排放国[3]，随着经济的持续增长，预计排放量将进一步增加[4]。为此，中国在2020年的联合国大会上宣布了“双碳”目标[5]，并积极实施节能减排措施，这对于将全球变暖控制在1.5°C以内以及推动向低碳经济转型至关重要。
近年来，制造业的碳排放引起了全球的广泛关注。尽管制造业仍是中国经济增长的基石，但该行业的碳排放量较高，这严重限制了中国的减排努力[6]，[7]。2020年，中国的总碳排放量达到98.993亿吨，占全球二氧化碳排放量的30.7%[8]，其中制造业贡献了56%[9]。因此，减少制造业的碳排放对于实现中国的“双碳”目标以及推进绿色和低碳转型（GLCT）至关重要[10]。
环境政策的核心目标是控制污染和减少排放，这对绿色和低碳转型有着直接影响[11]，[12]，[13]。与传统的环境政策不同，工业和信息化部（MIIT）于2016年和2017年推出了“中国制造2025”（MIC 2025）试点示范城市计划，覆盖了30个城市。作为一项以激励为导向的产业政策，MIC 2025将创新视为制造业发展的核心驱动力，强调推动制造业向高端、智能和绿色方向发展[14]，[15]，[16]，加速制造业的转型和升级，从而对GLCT产生独特的影响。鉴于绿色增长与碳排放密切相关[17]，[18]，提高碳排放效率是实现GLCT的关键途径[18]。本研究探讨了三个关键问题：MIC 2025政策是否促进了GLCT？MIC 2025通过哪些机制影响GLCT？MIC 2025能否与其他政策产生协同效应以增强GLCT的效果？明确这些问题对于推进高质量和可持续的城市发展至关重要。
为了衡量GLCT，以往的研究通常使用全要素碳排放效率（TFCEE）[19]，[20]。与单一要素碳生产率指标相比，TFCEE更准确地反映了经济发展是否在脱碳和增长方面实现了“双赢”。本研究调查了MIC 2025政策对TFCEE的影响，旨在更深入地了解该政策在促进中国减排和绿色发展中的作用。与此相关的研究文献主要分为两个领域：首先是关于TFCEE的研究，其次是关于MIC 2025政策的研究。
目前，大量研究集中在中国TFCEE的计算和分析上，主要集中在以下几个方面。首先，测量TFCEE：现有方法包括随机前沿分析[21]，[22]、SBM模型[23]，[24]，[25]、EBM模型[26]，[27]和NDDF模型[28]，[29]等。例如，赵等人[24]使用SBM模型测量了2006年至2021年间283个中国城市的TFCEE。薛等人[26]使用EBM模型计算了2007年至2016年京津冀地区的城市级TFCEE。丁等人[29]使用NDDF模型评估了2011年至2019年中国246个地级城市的TFCEE。
其次，分析影响TFCEE的因素。常用的方法包括Tobit模型[30]、差分-in-differences（DID）模型[31]，[32]，[33]、空间Durbin模型[34]，[35]，[36]和机器学习方法[37]，[38]。例如，宋等人[30]应用面板Tobit模型研究了数字经济对TFCEE的影响，发现黄河流域和长江经济带存在U形非线性效应和区域异质性。刘等人[33]使用DID模型评估了中国信息消费城市政策对TFCEE的影响，发现当地TFCEE有显著提升。余等人[35]使用空间Durbin模型研究了2011年至2019年281个城市数字经济对TFCEE的影响，发现整体效应呈U形，而邻近城市的效应呈倒U形。邢等人[38]利用机器学习识别了284个城市TFCEE异质性的关键因素，并提出了定制的减排策略。
第三，研究TFCEE的空间效应和特征。方等人[34]使用全球空间相关性分析表明，中国城市的TFCEE存在正的空间相关性和显著的空间溢出效应。社交网络分析也被用于研究不同行政层级[39]，[40]，[41]和行业[28]，[42]，[43]之间的TFCEE空间网络。例如，孙等人[40]发现284个城市TFCEE的空间相关网络呈现核心-边缘结构，并存在显著的空间联系。徐等人[28]报告称，交通运输行业的能源碳排放效率网络呈现层次梯度，东部地区网络密集，西部地区网络稀疏。
关于MIC 2025政策的研究主要集中在其对上市公司绩效[44]、绿色创新[45]、创新成果[46]、绿色经济增长[16]，[47]和绿色发展效率[48]的影响上。例如，袁和刘[47]采用双重机器学习方法发现MIC 2025战略显著促进了城市绿色经济增长。徐[45]通过DID模型证明，MIC 2025促进了制造业企业的绿色创新。此外，MIC 2025计划下的试点示范城市显著提高了城市绿色发展效率[48]。
总体而言，尽管有大量研究分别探讨了TFCEE和MIC 2025政策，但很少有研究调查MIC 2025对GLCT的影响，实证证据较为有限。此外，现有研究尚未全面分析MIC 2025与其他政策之间的协同效应。本研究利用282个中国城市（2006-2022年）的面板数据，采用DID和三重差分方法来分析MIC 2025对GLCT的影响及其与其他政策的相互作用。
与相关研究相比，本研究强调了政策影响评估，提供了独特的视角和贡献。具体来说，其边际贡献有三方面。首先，它填补了研究空白：现有研究主要关注新能源示范城市政策[32]、智慧城市政策[49]、碳排放交易政策[50]，[51]和低碳城市政策[31]，[52]对GLCT的影响，而尚未有研究探讨MIC 2025对GLCT的影响。MIC 2025是一项产业政策，但目前关于产业政策对GLCT影响的研究较少。为此，本研究使用282个中国地级城市（2006-2022年）的面板数据，采用DID模型来分析该政策的影响，从而丰富了有关MIC 2025的文献，并更好地弥合了MIC 2025和GLCT之间的差距。其次，本研究创新性地分析了MIC 2025与其他政策（如“宽带中国”、绿色财政政策、创新城市、智慧城市和信息消费城市）之间的协同效应，为推进GLCT提供了新的见解和实证证据。第三，本研究采用带有非期望输出的超级效率SBM模型来衡量GLCT，克服了传统数据包络分析方法的局限性，如难以处理多个高效决策单元和考虑环境约束等问题。
本研究的其余部分安排如下：第2节回顾政策背景和研究假设；第3节介绍研究设计；第4节展示实证结果分析；第5节提出结论和政策建议。图1展示了本研究的实证分析框架。
