Clean air policy and green total factor productivity: Evidence from Chinese prefecture-level cities

全要素生产率 生产力 农业经济学 经济 自然资源经济学 中国 地理 经济增长 考古
作者
Lin Zhou,Jianshuang Fan,Mingzhi Hu,Xiaofen Yu
出处
期刊:Energy Economics [Elsevier]
卷期号:133: 107512-107512 被引量:1
标识
DOI:10.1016/j.eneco.2024.107512
摘要

Clean air policy is an important mechanism for improving the urban environment and promoting green economic development. Green total factor productivity (GTFP) is an important way to measure these impacts. We apply the super-efficiency slack-based measure model, considering undesirable output, and the Global Malmquist-Luenberger index to measure the GTFP of 278 prefecture-level cities in China from 2005 to 2020. We find that GTFP growth is driven by both green technology progress (GTC) and green technology efficiency change (GEC). The traditional total factor productivity is overestimated, because energy and environmental factors are not considered. GTFP growth is higher in the cities in the eastern coastal regions compared to the western regions. We analyze the effect of clean air policy on GTFP using a difference-in-differences model and spatial-difference-in-differences model, and further conduct a heterogeneity analysis and mechanism analysis. The results show that clean air policy promotes GTFP growth. In addition, there is a significant negative spatial spillover effect with respect to the impact of clean air policy on GTFP. The heterogeneity analysis results show that the impact of clean air policy on GTFP growth is lower in resource-based cities and cities in the northern region, compared with non-resource-based cities and cities in the southern region. Further, the impact of clean air policy on GTFP growth is mainly achieved through GTC, GEC, innovation, and financial development. In resource-based cities and cities in the northern region, clean air policy decreases GTFP by inhibiting GTC, innovation, and financial development.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
慕青应助make217采纳,获得10
刚刚
可爱的函函应助陌忆采纳,获得10
刚刚
西西发布了新的文献求助30
1秒前
1秒前
完美的天空应助问问采纳,获得10
1秒前
天天快乐应助siiiiixx采纳,获得20
1秒前
Singularity应助忧郁的菠萝采纳,获得10
1秒前
13完成签到 ,获得积分10
1秒前
猪肉超人菜婴蚊完成签到,获得积分10
2秒前
2秒前
lishenstan完成签到,获得积分10
2秒前
舒适的平蓝完成签到 ,获得积分10
2秒前
霁星河发布了新的文献求助10
2秒前
悦耳问晴完成签到,获得积分10
3秒前
sanyiwen发布了新的文献求助10
3秒前
3秒前
leekle发布了新的文献求助10
4秒前
4秒前
dragonfly0118发布了新的文献求助10
4秒前
hongshao0504完成签到,获得积分10
5秒前
黑宝坨发布了新的文献求助10
7秒前
8秒前
chd完成签到 ,获得积分10
8秒前
初亦非完成签到,获得积分10
9秒前
白洛发布了新的文献求助10
9秒前
jessie完成签到,获得积分10
9秒前
橘子关注了科研通微信公众号
10秒前
曹文鹏完成签到 ,获得积分10
10秒前
11秒前
一二三发布了新的文献求助10
11秒前
12秒前
天天快乐应助leekle采纳,获得10
14秒前
ferritin完成签到 ,获得积分10
14秒前
haowu发布了新的文献求助10
15秒前
dcq20535完成签到 ,获得积分10
15秒前
小蘑菇应助研友_6549B5采纳,获得10
16秒前
16秒前
忧郁的菠萝完成签到,获得积分10
16秒前
woxue发布了新的文献求助10
17秒前
高分求助中
Bayesian Models of Cognition:Reverse Engineering the Mind 800
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Внешняя политика КНР: о сущности внешнеполитического курса современного китайского руководства 500
Revolution und Konterrevolution in China [by A. Losowsky] 500
Manual of Sewer Condition Classification 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3122411
求助须知:如何正确求助?哪些是违规求助? 2772885
关于积分的说明 7714973
捐赠科研通 2428396
什么是DOI,文献DOI怎么找? 1289747
科研通“疑难数据库(出版商)”最低求助积分说明 621504
版权声明 600183