來源：市場資訊

（來源：江蘇省綠色金融高端智庫）

摘要

社會經濟持續發展推動城市化進程不斷加快，但城市內部生態環境與經濟增長之間始終存在矛盾。改善城市生態環境，是實現城市社會經濟可持續發展的核心路徑。為驗證該路徑的實踐成效，本文將我國“生態修復、城市修補”政策作為準自然實驗，選取 2005—2021 年全國 285 個城市的非平衡面板數據，運用雙重差分模型評估城市生態環境優化對城市生產效率的影響。實證結果表明，城市生態環境改善能夠顯著提升城市生產效率，且該結論經過多類穩健性檢驗后依然成立。機制分析顯示，生態環境優化會通過完善基礎設施建設、推動數字化轉型、提升資源配置效率三條渠道間接作用于城市生產效率。異質性檢驗發現，該效應受城市群布局、南北區域差異影響，存在明顯分異特征。本研究證實了城市生態環境對城市經濟增長的支撐價值，拓展了環境庫茲涅茨曲線的理論適用邊界，也為城市協調可持續發展提供了理論參考與政策優化思路。

研究背景及意義

城市是人類生產活動集聚發展的載體，城鎮化進程與城市發展本質上代表經濟增長。但隨之而來的是，城市發展往往伴隨生產生活的負面特征：片面追求物質積累與利潤增長，忽視生態環境保護。由此，城市各類社會活動（其中生產活動占主導）產生大量污染物，使城市成為環境污染的主要來源。

在城市發展進程中，一味追求社會經濟（SE）增長會嚴重破壞生態環境（EE）；反之，城市生態環境惡化也會制約社會經濟發展。社會經濟發展與生態環境保護之間的矛盾在城市層面尤為突出。因此，通過改善城市生態環境推動社會經濟可持續發展已成為重要研究議題。本文所指城市生態環境，是以人工環境為主體、受人類活動高強度干擾，由市域范圍內全部生物（含人類）與周邊環境共同構成的復合生態系統。

優化生態環境能夠直接賦能城市各類發展要素。學界普遍認為，完善的城市綠地系統與健康的生態體系可顯著改善居民健康水平。系統化建設城市生態環境能夠提供多重生態系統服務，包括減少城市吸熱下墊面、改善空氣質量、承載文化教育功能等。城市生態環境的經濟效應主要體現在城市經濟活力、產業發展、資源承載能力與環境風險治理四大維度。例如，城市生態環境對資源配置、污染物排放以及環境風險管控（水體凈化、空氣質量調節、廢棄物消納等）的作用，是城市經濟發展不可忽視的關鍵要素。此外，高效的環境風險治理（尤其是洪澇、熱浪等極端氣候災害防控）能夠降低經濟損失，保障城市可持續發展。

但現有文獻在探討城市生態環境與社會經濟要素的關聯時，尚未延伸至城市生產效率維度，這構成了本文重要的研究缺口。

對于絕大多數發展中國家和地區，環境污染態勢尚未得到遏制，甚至持續惡化。此類地區亟需通過城市環境治理提升城市生產效率。城市生產效率指城市作為經濟系統，運用各類生產要素（地方財政預算支出、金融機構貸款余額、實際利用外資、年度從業人口等）提供商品與服務的運行效率。全面提升該效率水平，有助于擴大城市整體產出規模。

城市生產效率受經濟、技術、社會、政策、環境多維度因素共同影響，核心驅動因素包括城市規模、數字經濟發展水平、自然資源稟賦、固定資產投資增速、基礎設施建設、區域金融發展成熟度與產權保護水平。除此之外，經濟性與非經濟性政策干預均可直接或間接作用于城市生產效率。其中，非經濟類框架下的環境政策同樣會對城市生產效率產生顯著影響。城市生態環境與社會經濟并非單向作用關系，二者存在復雜的相互作用與反饋循環機制。上述文獻為本研究奠定理論基礎，但尚未形成成熟的分析框架與理論范式。據此，本文引入環境庫茲涅茨曲線（EKC）構建整體理論分析框架。

全球范圍內，不同城市走出了差異化的“經濟增長—環境污染”發展路徑。美國、日本、韓國等國家跨越環境庫茲涅茨曲線拐點后，依托高強度環境治理與大規模財政投入實現發展與環保雙贏：2010—2022年歐盟城市空氣質量指數下降32%，同期大都市區勞動生產率年均提升1.4%。紐約、東京將細顆粒物（PM?.?）濃度控制在15微克/立方米以下后，高端服務業集聚度提升12—18個百分點，印證了“優良生態環境成為生產率增長新引擎”的發展邏輯。

反觀多數發展中經濟體仍走粗放型城鎮化道路。印度德里、墨西哥城等城市細顆粒物長期超標，濃度為首爾標準的8—10倍；當地醫療支出占市政財政預算比重達9%—12%，間接拉低人均產出增速約2個百分點。世界銀行2023年評估報告顯示，若印度尼西亞、尼日利亞超大城市空氣質量達到首爾標準，制造業全要素生產率可快速回升3—4個百分點。

我國城市發展歷程中也曾面臨嚴峻污染問題，但近年來城市環境治理成效突出，可為深陷生態環境短板與經濟發展滯后雙重困境的國家和地區提供借鑒。我國環境治理成效本質上是政策驅動的結果，依托高度統籌的行政組織體系落地實施。因此，考察我國城市環境治理相關政策實施成效，能夠有效識別生態環境改善對城市生產率提升的驅動效應。

本文選取中國生態修復與城市修補（ERUR）政策作為城市生態環境改善的代理變量。該政策于2015年在海南省提出并率先試點；2017年，住房和城鄉建設部遴選一批生態環境退化城市全面鋪開試點工作。政策核心舉措與實施細則如下：

第一，生態修復與城市修補政策明確節能降碳核心路徑。通過增加綠地、水體、屋頂綠化與立體綠化，顯著降低城市夏季地表溫度，直接減少空調制冷用電消耗。政策明令禁止大拆大建，要求老舊小區改造優先落實節能改造，破解城市片區環境質量下滑、空間布局紊亂等問題；同步推進外墻保溫、節能門窗更換、建筑光伏一體化、供熱管網修繕，避免大規模拆建過程產生大量隱性碳排放。政策倡導“窄路密網、公交優先”規劃思路，依托綠道、自行車道、軌道交通縮短機動車出行里程，降低尾氣排放。

第二，依托政策配套資金，全國各城市開展全域城市發展與生態評估，完成重點片區、街區生態整治規劃。具體包括投入環保設備治理污染地塊、完善固廢處置體系、翻新道路路面、拓展城市綠地、系統性升級城市生態系統。

第三，全面推進城市增綠工程，在橋梁、高架、建筑外立面、屋頂推廣立體綠化，并配套滴灌、雨水回收、太陽能LED照明等低維護能耗系統。現有廣場、停車場實施“透水鋪裝+遮陰植被”改造，硬化地面面積持續縮減。政策配套布設土壤濕度傳感器、病蟲害監測遠程灌溉系統，相較傳統灌溉節水30%—50%，同時降低取水、水處理環節能耗。上述舉措落地后，能夠通過人居環境提質、能源消耗削減雙重渠道改善城市能源利用效率。

研究亮點

本文主要存在三方面研究貢獻：

第一，理論層面，本文首次在環境庫茲涅茨曲線分析框架下系統驗證生態環境優化對社會經濟發展的正向驅動作用。傳統研究多聚焦“經濟發展倒逼環境改善”的單向傳導機制，本文重新審視二者互動關系，實證得出“生態環境優化助推社會經濟增長”的客觀規律。該結論完善環境庫茲涅茨曲線核心理論，構建“經濟發展—環境優化—再投資—產業升級”的完整理論邏輯鏈條，為破解環境與發展零和博弈困境提供全新理論解釋。

第二，識別出全新鏈式傳導中介機制：數字化→基礎設施建設→資源配置效率。既有研究多將中介渠道視為相互獨立的平行路徑，本文揭示遞進式作用邏輯：數字化轉型先行驅動綠色基礎設施升級，基礎設施完善進一步優化全域資源配置效率。該結論深化了環境政策產生經濟紅利的內在機理認知。

第三，為城市治理主體提供實操指引。相關政策建議統籌城市生態環境建設與可持續發展目標，助力城市實現兼顧經濟效益與民生福祉的可持續發展。

研究結果

研究假說：

H1：改善城市生態環境能夠提升城市生產效率。

H2：改善城市生態環境可通過完善基礎設施建設水平，進而提升城市生產效率。

H3：改善城市生態環境可通過推動數字化發展，進而提升城市生產效率。

H4：改善城市生態環境可通過優化資源配置效率，進而提升城市生產效率。

1.描述性統計

表1匯報了剔除缺失值、尚未標準化處理的各變量描述性統計結果。表1A欄中，被解釋變量城市全要素生產率（Tfp）均值為15.3111；核心解釋變量生態修復與城市修補政策虛擬變量（DID）代表政策實施后的試點城市樣本，該樣本占總觀測值比重為5.64%。全部變量中，人均可支配收入（Income）、規模以上工業企業發展水平（Desi）標準差數值較大，說明兩類指標的數據波動幅度顯著。

表1B欄按照政策實施與否分組匯報分組統計量，用于檢驗政策實施前處理組與控制組協變量平衡性。政策實施前，試點城市與非試點城市的被解釋變量（Tfp）均值相差2.16%（0.3242/15.0395），該差異在1%水平上統計顯著；政策實施后，兩組均值差距擴大至2.35%（0.3712/15.7607），同樣在1%水平顯著。進一步分組測算顯示，試點城市政策實施前后全要素生產率均值相差5%（(16.1318-15.3637)/15.3637），1%統計水平下顯著。上述結果初步說明，相較于非試點城市，生態修復與城市修補政策能夠顯著提升試點城市全要素生產率（5%＞2.16%、2.35%），但該結論在時間沖擊、城市異質性及其他干擾因素約束下的穩健性仍需進一步檢驗。

2.基準回歸結果

表2第（3）（4）列為基準回歸結果：第（3）列未加入控制變量，但控制時間與城市雙向固定效應；第（4）列納入全部控制變量，同時控制雙向固定效應；第（5）列在第（4）列模型基礎上，引入各控制變量與時間的交互項，能夠更精準捕捉政策實施前后各類要素對城市生產效率的動態影響。所有回歸結果均表明，生態修復與城市修補政策（ERUR）能夠顯著提升城市全要素生產率，假設H1成立。

控制變量回歸結果顯示：科技財政支出（Sci）、實際利用外資規模（Fdi）、規模以上工業企業發展水平（Desi）均顯著正向推動城市生產效率，與本文控制變量選取時的理論預判一致。

值得注意的是，政府干預程度（Gov）、金融發展水平（Fin）對城市生產效率存在顯著負向作用。從政府支出角度解釋：財政支出并非僅服務經濟增長，同時包含收入再分配、公職人員薪酬、民生保障、生態保護等無直接經濟收益的公共支出；當此類支出占財政比重過高時，會對生產效率形成抑制。

從金融發展角度解釋：金融機構貸款余額包含正常貸款、逾期貸款與不良貸款。2019年新冠疫情沖擊全球債務人償債能力，逾期與不良貸款規模抬升，我國受沖擊尤為明顯；同期我國通過金融紓困政策扶持中小微企業，最終造成金融機構貸款余額擴張拖累城市生產效率。

表2第（5）列交互項結果顯示：科技支出×年份（Sci×year）、固定資產投資×年份（Fix×year）、高端工業化水平×年份（Adv×year）三項交互項系數均在1%水平顯著為正。說明政策實施前后，三類要素對城市生產率的邊際貢獻隨時間呈現明顯遞增趨勢；規模以上工業發展水平×年份（Desi×year）交互項無顯著動態效應；其余變量與時間交互項均不顯著，表明其對生產效率的影響在各年份保持穩定，不存在明顯斜率變動。

3.平行趨勢檢驗

本文借鑒Beck等的研究構建平行趨勢檢驗模型，對比處理組與控制組的時間趨勢差異：

圖3結果顯示，95%置信水平下，政策實施前各期處理組與控制組系數差異均不顯著，證明政策落地前兩組城市發展趨勢不存在系統性偏差，滿足平行趨勢假定；政策當期及之后各期系數顯著為正，進一步支撐平行趨勢假設成立。

為進一步排除異質性偏差、驗證結論穩健性，本文采用多種方法開展平行趨勢檢驗：參照DeChaisemartin&D'Haultfoeuille方法的檢驗結果見圖4左半部分（95%置信區間）；參照Cerulli方法的檢驗結果見圖4右半部分。多套平行趨勢檢驗結果相互印證，證明本文基準結論具備穩健性。

4.穩健性檢驗

為驗證核心結論可靠性，本文開展多維度穩健性檢驗，具體如下：

（1）安慰劑檢驗

參照Cao&Chen、Chen&Yan的方法進行安慰劑檢驗。運用Stata軟件didplacebo命令，在285個城市中隨機生成1000次政策沖擊，構造虛假處理組與政策實施時間。圖5顯示，隨機模擬得到的估計系數集中分布于0附近，絕大多數p值大于0.1；而本文真實政策系數0.0114明顯偏離該分布。說明未觀測遺漏變量不會干擾基準回歸結論，結果穩健。

（2）DID權重分解診斷

為檢驗雙重差分模型估計結果可靠性，采用DeChaisemartin&D'Haultfoeuille提出的權重分解法開展診斷分析，分解結果見表3。結果顯示所有處理組樣本權重均為正值，不存在負權重，說明本文DID估計量無明顯偏誤，平行趨勢假設下基準回歸結論穩健。

（3）替換被解釋變量（環境治理指標）

選取能源消耗、城市環境治理兩類指標作為被解釋變量，檢驗生態修復與城市修補政策的環境治理成效。我國能源消費以化石能源為主，經濟擴張會推高化石能源消耗，進而加劇生態環境惡化；道路機械化清掃面積、生活垃圾清運量、市政環衛專用設備保有量可客觀反映城市環境整治能力，直觀體現城市生態環境改善程度。

表4回歸結果：第（1）列：政策在1%水平顯著降低能源消耗增速，系數-0.0360；第（2）列：政策在1%水平顯著降低能源強度增速，系數-0.0489；第（3）列：政策在1%水平顯著降低人均能耗增速，系數-0.0418；第（4）列：政策在5%水平顯著擴大道路機械化清掃面積，系數0.0495；第（5）列：政策在5%水平顯著提升生活垃圾清運總量，系數0.0012；第（6）列：政策在5%水平顯著增加市政環衛設備保有量，系數3.3503。

以上結果證明生態修復與城市修補政策具備顯著環境治理效應，印證理論假設中政策的生態改善作用真實存在。

（4）堆疊機器學習模型檢驗

借鑒Zhang&Junchao的研究思路，采用Statapystacked命令搭配k折交叉驗證自動篩選最優調參，構建復合機器學習模型開展穩健性檢驗。分別設置1:2、1:4、1:7三組樣本分割比例，運用隨機森林、Lasso回歸、梯度提升樹三類模型回歸，結果見表5。

表5第（1）—（3）列為1:2、1:4、1:7樣本劃分下隨機森林回歸結果；第（4）—（6）列為同等樣本比例下Lasso交叉驗證回歸結果；第（7）—（9）列為梯度提升樹模型回歸結果。機器學習檢驗結果與基準結論保持一致，核心結論穩健。

（5）傾向得分匹配雙重差分（PSM-DID）

采用PSM-DID模型緩解樣本選擇偏誤對估計結果的干擾。以全部控制變量為匹配特征，對特征相近的處理組、控制組城市進行配對。為保證匹配有效性，依次采用1:4近鄰匹配、1:4半徑匹配、1:4卡尺近鄰匹配、核匹配四種匹配方法。表6所有匹配方式下政策系數均統計顯著，基準結論穩健。

（6）條件混合估計（CMP）

采用CMP模型重新估計以驗證結果穩健性，表7第（1）（2）列為CMP估計結果：第（1）列納入控制變量、未控制雙向固定效應，擾動項標準差對數lnsig_1=3.0706；第（2）列納入控制變量并控制城市、時間雙向固定效應，擾動項標準差對數lnsig_1=3.8036。

回歸結果均顯示城市生態環境改善對生產效率存在顯著正向作用，核心結論成立。

（7）工具變量法緩解內生性

參照Chen等思路，選取工具變量（IV）、兩階段最小二乘法（2SLS）、廣義矩估計（GMM）處理內生性問題，選取建成區綠化覆蓋率對數（lnGre_val）作為工具變量。

政策要求修復城市山體、水體、濕地植被等受損自然空間，直接提升建成區綠化覆蓋率，滿足工具變量相關性；同時綠化覆蓋率僅由政策實施驅動，不會直接作用于城市生產效率，滿足工具變量外生性。

表7第（3）列為2SLS回歸結果，第（4）列為GMM回歸結果，不同工具變量與估計方法下政策系數均顯著為正，支撐基準結論。

第（5）列控制序列相關與個體異質性后，DID系數仍在1%水平顯著為正，政策年均提升城市全要素生產率約1.3%。AR(3)序列相關檢驗無法拒絕不存在三階自相關的原假設；過度識別Hansen檢驗p值=1.00；工具變量lnGre_val差分Hansen檢驗p值=0.196，滿足外生性要求，DID估計結果穩健。

（8）剔除同期重大環境政策干擾

通過剔除其他重大環境政策試點樣本，排除同期政策混淆效應干擾：

表8第（1）列剔除2013年《大氣污染防治行動計劃》覆蓋的57座城市，DID系數0.0123，5%水平顯著為正；第（2）列剔除2013—2014年碳排放權交易試點城市，DID系數0.0130，5%水平顯著為正；第（3）列剔除2014年生態環境部約談城市共73個，DID系數0.0130，5%水平顯著為正；第（4）列剔除2018年后上調環保稅稅率的12個省份樣本，DID系數0.0141，10%水平顯著為正；第（5）列同時剔除以上所有政策試點樣本，DID系數0.0222，5%水平顯著為正。

剔除其他環境政策沖擊后核心系數仍顯著，證明本文結論不受同期環境政策干擾。

（9）統計功效與最小可識別效應檢驗

測算模型統計功效與最小可識別效應（MDE），檢驗樣本識別政策沖擊的能力。設定顯著性水平5%、檢驗功效80%，控制組觀測值1690個、處理組450個；以2005—2016年全要素生產率均值0.438為控制組基準均值，標準差1.02，測算得到最小可識別效應為0.152個TFP單位，約為基準均值的15.1%。本文實際政策效應估計值0.092雖低于該閾值，但95%自舉置信區間不含0。多輪穩健性檢驗結果統一，說明樣本統計功效充足，能夠有效識別具備經濟意義的政策效應，規避大樣本帶來的偽顯著問題。

（10）空間杜賓模型（SDM）檢驗空間溢出效應

為識別政策是否存在空間溢出，構建空間杜賓模型對基準結果再檢驗。模型控制個體與時間固定效應，引入被解釋變量與全部解釋變量的空間滯后項，捕捉政策跨城市傳導效應，估計結果見表9。

第（1）列DID變量直接效應系數0.0015，說明政策對本地城市全要素生產率存在正向作用，但統計不顯著；第（2）列空間滯后系數0.0644，鄰市政策對本地TFP存在微弱正向影響，但未通過顯著性檢驗；第（3）列空間自回歸系數rho=0.8876，1%水平顯著，證明城市全要素生產率存在強空間關聯性。

整體來看，納入空間溢出后核心結論不變，且政策無顯著跨區域溢出效應，說明生態修復與城市修補政策主要作用于本地城市，對周邊城市無明顯因果沖擊。

5.拓展分析

5.1機制檢驗

本文在傳統并行中介模型基礎上，引入各中介變量與DID政策變量的交互項構建鏈式中介框架。表10結果顯示，DID×數字化水平交互項對基礎設施建設（Pubuti）系數為0.056（p<0.05）；DID×基礎設施建設交互項對資源配置效率（Resource_E）系數0.222（p<0.01）。

由此識別鏈式傳導機制：生態環境改善首先推動城市數字化轉型，數字化升級進一步帶動綠色基礎設施提質，傳導路徑見圖6。生態環境對社會經濟的作用并非僅存在三條獨立平行渠道，同時存在“數字化賦能基礎設施”的遞進傳導路徑，說明各中介變量存在內在關聯，不可割裂分析。

基于兩階段鏈式中介模型（模型2、模型3），參照Preacher&Hayes方法進行1000次自助抽樣檢驗中介效應，保障機制檢驗穩健性，鏈式中介檢驗結果見表11、表12。

表11第（1）列證明生態環境改善能夠提升城市基礎設施建設水平，基礎設施完善進一步拉動生產效率增長。

表12第一部分自舉檢驗置信區間不含0，證明DID政策對生產效率的全部影響僅通過“數字化水平→基礎設施建設水平”鏈式間接路徑傳導，直接效應與總效應均不顯著，屬于完全中介，假設H2成立。測算基礎設施中介渠道E值=35.0424，說明該傳導路徑受遺漏混淆變量干擾程度低，鏈式機制結論穩健。

表11第（2）列顯示生態環境改善提升城市數字化水平，數字化發展有效提高城市經濟運行效率。由于數字化水平不受其他中介變量干擾，表12第二部分證實數字化在政策影響生產率路徑中發揮中介作用，假設H3成立。數字化中介渠道E值=3.7116，傳導機制結論具備穩健性。

表11第（3）列表明生態環境優化提升資源配置效率，資源配置改善進一步助推城市生產率。表12第三部分自舉檢驗顯示，政策對生產效率的全部作用通過“DID→數字化水平→基礎設施建設→資源配置效率”完整鏈式路徑傳導，直接、總效應均不顯著，完全中介成立，假設H4得到驗證。資源配置效率中介渠道E值=2.5506，機制結論可靠。

5.2經濟民生延伸效應

城市生態環境改善能夠顯著提升城市生產效率，而生產率提升最終會轉化為居民生活質量改善。本文選取人均可支配收入（Income）、居民消費水平（Consume）兩項指標，檢驗生態環境—生產效率—居民福利的傳導鏈條。

表11第（4）列顯示生態環境改善顯著提高人均可支配收入；第（5）列證明生態優化拉動居民消費升級。綜上，生態環境改善能夠提升城市生產效率，并通過生產率增長持續改善居民生活水平。

5.3異質性分析

分組異質性檢驗考察政策效應在不同城市樣本中的差異化特征。

（1）城市人口規模異質性

城市人口規模是影響生態環境的核心變量，會直接改變政策實施效果。依據國內官方劃分標準，常住人口500萬以上為超大城市，其余為一般城市，分組開展異質性檢驗，并采用似不相關回歸（SUEST）檢驗組間系數差異。

表13第（1）（2）列結果顯示，人口規模分組下政策系數均顯著為正，組間系數差異檢驗不顯著。說明生態修復與城市修補政策對生產效率的提升作用不受城市人口規模約束。

（2）政府數據開放異質性

政府數據開放能夠提升城市生產效率，城市是否落地數據開放政策可能造成政策效應分化。按照是否實施數據開放政策分組，借助SUEST檢驗組間差異。

表13第（3）（4）列顯示，數據開放城市中政策正向效應顯著，但組間系數差異不顯著，數據開放程度不會改變政策對生產效率的提升力度。

（3）城市群異質性

城市群內部城市可共享信息、基礎設施、交通網絡與產業分工，生產效率普遍高于非城市群城市。按城市是否位于城市群內分組檢驗，SUEST方法識別組間差異。

表13第（5）（6）列結果：政策對城市群內城市生產效率提升作用顯著，且組間系數差異檢驗顯著，政策效應存在城市群異質性。

為進一步驗證城市群城市能否依托政策實現生態與經濟雙重紅利，構建三重交互項（處理組虛擬變量×年份虛擬變量×城市群虛擬變量），同時納入城市線性時間趨勢，區分城市群、非城市群基準增長斜率差異，動態識別政策分樣本效應。

結果顯示：2017年起城市群子樣本政策系數顯著為正，至2021年持續走高，累計提升全要素生產率約5.5%；非城市群樣本系數全程不顯著。證明城市群能夠顯著放大生態修復與城市修補政策的生產率提升效應。

（4）地理區位異質性

兩類地理分組標準：一是參照Liu等基于胡煥庸線劃分樣本；二是以北緯30度大致劃分南、北方城市。采用SUEST檢驗組間政策效應差異。

表14第（1）（2）列及對應SUEST檢驗結果表明，南北方地理差異會顯著改變政策對生產效率的作用強度，南方城市依托降水條件、經濟基礎，能夠更好釋放政策紅利。

表14第（3）（4）列SUEST檢驗顯示，以胡煥庸線劃分的東西樣本之間，政策效應無顯著差異。

（5）政策執行強度分位數異質性

以生態修復與城市修補試點政策為分類依據，構建CIC分位數模型，檢驗不同城市政策落地力度、執行效果差異。圖7結果顯示：中高政策執行強度城市（分位數q50及以上），全要素生產率與政策強度顯著正相關且單調遞增；執行強度最高分位數（q90）政策效果達到峰值。證明政策治理成效隨執行力度加大持續提升。

研究展望

本研究存在如下局限：

第一，本文選取生態修復與城市修補（ERUR）政策作為生態環境（EE）的代理變量，以此規避量化指標帶來的爭議（如指標選取、測算口徑分歧等問題）。但該研究無法替代直接對環境指標開展量化測算的相關研究，原因在于采用連續型自變量的實證分析能夠得到更直觀、精準且具備說服力的研究結論。

第二，政策落地實施與作用發揮本身存在前置條件，行政效率偏低、經濟發展滯后的城市難以充分享受該項政策紅利。實證結果已證實政策效應具備統計顯著性，這也說明行政治理能力是同類政策發揮作用的重要前置條件。

第三，本文僅驗證了生態修復與城市修補政策能夠提升社會經濟（SE）層面的政策實施效果，但未能確切證實該類政策具備投資可行性。若要全面評判政策的綜合價值，需將政策實施成本凈現值（財政補貼、監管執法成本、企業減排投入等）與政策收益（全要素生產率提升帶來的經濟增長、環境改善產生的居民健康收益等）進行對比分析。受城市層面完整政策成本數據缺失、長期收益難以量化等約束，本文無法判定生態修復與城市修補政策是否屬于具備投資價值的舉措。

最后，本文研究樣本僅聚焦中國城市，研究結論在其他國家與地區的適用性仍有待進一步檢驗。各國經濟發展水平、制度政策環境、政府治理能力、資源稟賦條件存在顯著差異，會導致城市生態環境與生產效率二者的關聯關系呈現異質性特征，因此將本文結論推廣至全球場景時需保持審慎態度。

未來研究可從三大方向展開拓展：

第一，針對本文未納入樣本的經濟發展水平較低、治理能力薄弱城市開展專項研究；

第二，構建生態環境改善綜合指數并直接量化其對城市生產率、社會經濟效率的影響，據此提出更具針對性的政策優化建議；

第三，開展跨國城市層面比較研究，對比不同國家環境與經濟配套政策的實施差異，提煉普適性政策啟示或分行業差異化治理方案。

初審：胡錦華

審核：徐彩瑤

排版編輯：嚴 露

文獻推薦人：嚴 露