Has Low-Carbon City Pilot Policy Enhanced Urban Ecosystem Service Value? An Empirical Analysis Based on a Double Machine Learning Model

日本語

本研究は、中国の低炭素都市パイロット政策が都市生態系サービス価値（UESV）に与える影響を、二重機械学習（DML）モデルを用いて実証分析した。政策効果を因果的に推定し、政策がUESVを有意に向上させることを示すとともに、そのメカニズムを解明している。DMLを用いることで、従来の評価手法より交絡バイアスを低減している点が特徴。

English

This study empirically analyzes the impact of China's low-carbon city pilot policy on urban ecosystem service value (UESV) using a double machine learning (DML) model. It causally estimates the policy effect, showing that the policy significantly enhances UESV, and explores the underlying mechanisms. The use of DML reduces confounding bias compared to traditional evaluation methods.

日本のGX文脈において

日本では、脱炭素と生物多様性・生態系サービスを統合したまちづくりが注目されており、本手法は自治体の政策評価に応用可能。SSBJ開示における自然関連情報（TNFD）とも親和性が高く、都市計画や環境政策のエビデンスとして有用。

In the global GX context

Globally, this paper contributes to the literature on climate policy evaluation by applying double machine learning to assess co-benefits of low-carbon policies on ecosystem services. It offers a methodological template for evaluating the non-carbon benefits of climate policies, relevant to the growing focus on nature-related disclosures (TNFD) and integrated climate-nature policy design.