貿(mào)易開放、自選擇與中國(guó)區(qū)域碳排放績(jī)效差距
——基于傾向得分匹配模型的“反事實(shí)”分析

李 鍇 齊紹洲

(武漢大學(xué) 氣候變化與能源經(jīng)濟(jì)研究中心，湖北 武漢 430072)

一、引言及文獻(xiàn)評(píng)述

二氧化碳排放引致的溫室效應(yīng)已經(jīng)成為全世界共同關(guān)注的問題。聯(lián)合國(guó)政府間氣候變化委員會(huì)(IPCC)第5次評(píng)估報(bào)告(AR5)指出，全球氣候變暖超過90%的可能性與人類活動(dòng)產(chǎn)生的溫室氣體排放有關(guān)(IPCC，2014)。發(fā)展低碳經(jīng)濟(jì)，降低碳排放已經(jīng)成為中國(guó)應(yīng)對(duì)氣候變化的重大戰(zhàn)略舉措。根據(jù)國(guó)際能源署(IEA)統(tǒng)計(jì)數(shù)據(jù)，2008年中國(guó)二氧化碳排放量就已超過美國(guó)，成為全球二氧化碳排放第一大國(guó)。作為負(fù)責(zé)任的發(fā)展中國(guó)家，中國(guó)2030年左右二氧化碳排放將達(dá)到峰值。事實(shí)上，中國(guó)地域廣闊，經(jīng)濟(jì)發(fā)展水平和資源稟賦存在較大不平衡性，二氧化碳排放也呈現(xiàn)較大的區(qū)域差異(Clarke-Sather et al.，2011；Yao et al.，2015)，節(jié)能減排目標(biāo)也是在充分考慮到不同區(qū)域的人口、經(jīng)濟(jì)和技術(shù)等因素基礎(chǔ)上做出的，2014年國(guó)家發(fā)改委發(fā)布的《國(guó)家應(yīng)對(duì)氣候變化發(fā)展規(guī)劃(2014—2020年)》也強(qiáng)調(diào)，碳約束目標(biāo)應(yīng)因不同行業(yè)、不同區(qū)域而異。

此外，由于中國(guó)實(shí)行區(qū)域性非平衡的對(duì)外開放戰(zhàn)略，結(jié)構(gòu)上表現(xiàn)為對(duì)外開放程度較高的東部沿海地區(qū)、對(duì)外開放程度較低的中西部地區(qū)。從數(shù)據(jù)上看，東部地區(qū)貿(mào)易開放度在過去十年平均值達(dá)到90%左右，而中西部地區(qū)則只有10%左右。同時(shí)，隨著“碳關(guān)稅(carbon tariff)”、“碳轉(zhuǎn)移(carbon transfer)”和“碳泄露(carbon leakage)”等新研究課題的出現(xiàn)(Prell et al.，2015；Dong et al.，2015；Michalek et al.，2015；Paroussos et al.，2015)，提高了研究貿(mào)易開放與區(qū)域碳排放之間關(guān)系難度。因此，需要關(guān)注貿(mào)易開放中的碳排放問題。值得思考的是，貿(mào)易開放程度較高地區(qū)是否導(dǎo)致更高的碳排放量呢？區(qū)域間貿(mào)易開放程度的差異能否導(dǎo)致顯著的碳排放差距呢？研究這些問題，有利于根據(jù)區(qū)域差異制訂不同的對(duì)外貿(mào)易策略、節(jié)能減排措施與發(fā)展低碳經(jīng)濟(jì)政策。

從現(xiàn)有文獻(xiàn)來看，針對(duì)二氧化碳排放區(qū)域差異的研究方法存在兩類，一類是指數(shù)分解法，即通過變異系數(shù)、基尼系數(shù)和泰爾指數(shù)等方法，從不同地域?qū)用婵疾烊司寂欧帕俊⑻寂欧帕炕蛱紡?qiáng)度的區(qū)域差異(Cantore et al.，2010；Clarke-Sather et al.，2011)，甚至運(yùn)用非參數(shù)DEA方法及其衍生形式對(duì)區(qū)域碳排放效率差異進(jìn)行測(cè)度(Yao et al.，2015)。總之，不管是絕對(duì)指標(biāo)，還是相對(duì)指標(biāo)，或是效率指標(biāo)，其研究結(jié)果都表明中國(guó)碳排放存在明顯區(qū)域差異。另一類研究方法主要是建立面板數(shù)據(jù)模型上，從區(qū)域角度計(jì)量回歸分析碳排放差異的各種影響因素及收斂性(Yan et al.，2011；Xu et al.，2016)，也有從空間計(jì)量的視角對(duì)區(qū)域碳排放問題進(jìn)行研究，發(fā)現(xiàn)中國(guó)區(qū)域碳排放存在較強(qiáng)的空間相關(guān)性和不同演變趨勢(shì)(Liu et al.，2016)。不過，不論是基于哪一種研究方法，大多數(shù)文獻(xiàn)對(duì)于區(qū)域碳排放“差異”的研究并沒有定量說明這種“差異”有多大，以及報(bào)告其統(tǒng)計(jì)顯著性，而且這些研究都是分區(qū)域進(jìn)行的，然后比較其差異，這種做法忽視了區(qū)域間異質(zhì)性問題，同時(shí)也沒有將研究對(duì)象同時(shí)納入到同一個(gè)框架內(nèi)進(jìn)行分析。

而關(guān)于貿(mào)易開放和碳排放之間關(guān)系的文獻(xiàn)則主要是源于貿(mào)易和環(huán)境質(zhì)量的研究，具體可以分為兩大類研究文獻(xiàn)：一類文獻(xiàn)認(rèn)為貿(mào)易開放對(duì)環(huán)境質(zhì)量有積極作用，即“積極論”，認(rèn)為貿(mào)易開放并不是環(huán)境問題產(chǎn)生的根源，采取限制措施解決環(huán)境問題只會(huì)造成環(huán)境問題進(jìn)一步惡化。貿(mào)易開放不僅不是環(huán)境問題產(chǎn)生的根源，貿(mào)易開放長(zhǎng)遠(yuǎn)還會(huì)給各個(gè)國(guó)家?guī)淼吞冀?jīng)濟(jì)、節(jié)能減排等方面的先進(jìn)理念、管理經(jīng)驗(yàn)和生產(chǎn)技術(shù)(Caldwell，1996；McAusland，2008)，從而使各個(gè)國(guó)家的企業(yè)具有一定的競(jìng)爭(zhēng)效應(yīng)和出口學(xué)習(xí)效應(yīng)，本土企業(yè)在面臨出口環(huán)境標(biāo)準(zhǔn)與市場(chǎng)競(jìng)爭(zhēng)壓力的情況下，通過模仿先進(jìn)的進(jìn)口設(shè)備，改進(jìn)節(jié)能減排生產(chǎn)工藝，從而提高經(jīng)濟(jì)效率，降低環(huán)境治理成本，改善環(huán)境質(zhì)量(Al-Mulali et al.，2015；Shahbaz et al.，2013；Farhani et al.，2014)。另外，Antweiler et al.(2001)、Judith(2002)和何潔(2010)從效應(yīng)分解的角度發(fā)現(xiàn)，貿(mào)易總體上能夠改善環(huán)境質(zhì)量。

另一類研究文獻(xiàn)認(rèn)為，貿(mào)易開放對(duì)環(huán)境質(zhì)量有消極作用，即“消極論”。貿(mào)易開放增加了各個(gè)國(guó)家的經(jīng)濟(jì)活動(dòng)，擴(kuò)大了經(jīng)濟(jì)規(guī)模，從而加重了環(huán)境負(fù)擔(dān)，惡化了環(huán)境質(zhì)量，尤其在國(guó)內(nèi)環(huán)境規(guī)制不力的情況下，出口市場(chǎng)競(jìng)爭(zhēng)壓力的加劇也可能會(huì)導(dǎo)致本土企業(yè)以犧牲環(huán)境為代價(jià)來降低成本(Farhani et al.，2015；Kasman et al.，2015；Islam et al.，2016)。李鍇等(2011)、Busse et al.(2013)和Chakraborty et al.(2013)也提到了“向底線賽跑”(Race to the Bottom)假說——作為全球貿(mào)易自由化的結(jié)果，各國(guó)會(huì)通過降低各自環(huán)境規(guī)制水平的方式以維持或增強(qiáng)競(jìng)爭(zhēng)力優(yōu)勢(shì)，即基于成本考慮或?yàn)楸苊飧?jìng)爭(zhēng)力優(yōu)勢(shì)流失而不再提高環(huán)境規(guī)制水平，而這樣做的結(jié)果將導(dǎo)致生產(chǎn)企業(yè)減少節(jié)能減排技術(shù)的研發(fā)投入，促使本國(guó)企業(yè)采用高耗能、高排放的技術(shù)和生產(chǎn)工藝，從而造成環(huán)境質(zhì)量惡化。

然而，有關(guān)貿(mào)易開放對(duì)碳排放的影響，積極論和消極論都沒有得到有力的證明。Copeland(2012)和Perkins et al.(2012)認(rèn)為，國(guó)際貿(mào)易對(duì)碳排放的影響并不確定，尤其是國(guó)際貿(mào)易對(duì)本土企業(yè)低碳技術(shù)溢出效應(yīng)還取決于東道國(guó)經(jīng)濟(jì)發(fā)展水平、吸收能力、環(huán)境規(guī)制、勞動(dòng)力的受教育程度等方面因素。另外，從核算方法上來看，目前僅僅測(cè)算國(guó)際貿(mào)易隱含的碳排放并不能判斷國(guó)際貿(mào)易對(duì)碳排放的真實(shí)影響，出口隱含碳絕對(duì)數(shù)量主要取決于出口產(chǎn)品規(guī)模，這一測(cè)算過程還存在數(shù)據(jù)缺失、數(shù)據(jù)滯后和數(shù)據(jù)來源不確定性等問題。劉宇(2015)改進(jìn)了投入產(chǎn)出分析方法，發(fā)現(xiàn)中國(guó)隱含碳排放實(shí)際上遠(yuǎn)遠(yuǎn)沒有那么大，不應(yīng)再過分強(qiáng)調(diào)貿(mào)易轉(zhuǎn)移對(duì)中國(guó)碳排放的影響。換言之，發(fā)達(dá)國(guó)家向中國(guó)轉(zhuǎn)移的產(chǎn)業(yè)并不僅僅是污染產(chǎn)業(yè)，還向中國(guó)轉(zhuǎn)移了“干凈”產(chǎn)業(yè)，中國(guó)并沒有通過國(guó)際貿(mào)易成為發(fā)達(dá)國(guó)家進(jìn)行污染產(chǎn)業(yè)轉(zhuǎn)移的“污染天堂”(李小平 等，2010)。

現(xiàn)有大多數(shù)文獻(xiàn)認(rèn)為國(guó)際貿(mào)易是影響中國(guó)碳排放變動(dòng)的一個(gè)因素，而中國(guó)各地區(qū)在對(duì)外貿(mào)易開放的深度和廣度方面存在較大差異，那么本文要回答的一個(gè)問題是：對(duì)外貿(mào)易開放度高的地區(qū)與對(duì)外貿(mào)易開放度低的地區(qū)相比，碳排放績(jī)效的平均差距到底有多大？而要評(píng)估貿(mào)易開放地區(qū)和貿(mào)易相對(duì)封閉地區(qū)的碳排放績(jī)效差距，就要考慮貿(mào)易開放地區(qū)的自選擇問題(Self-Selection)。一省區(qū)*省區(qū)是省份、直轄市、自治區(qū)的簡(jiǎn)稱，本文研究對(duì)象不包括西藏、臺(tái)灣、香港和澳門地區(qū)等省區(qū)。是否成為貿(mào)易開放地區(qū)是多方面因素促成的結(jié)果，不能簡(jiǎn)單地對(duì)貿(mào)易開放地區(qū)和貿(mào)易相對(duì)封閉地區(qū)進(jìn)行比較，因?yàn)檫@兩個(gè)地區(qū)的區(qū)域特征和區(qū)域背景可能存在明顯的差異，若不考慮樣本省區(qū)因自選擇問題造成不同的特征分布，從而導(dǎo)致估計(jì)的結(jié)果也可能是誤導(dǎo)性的結(jié)果，這不利于問題的解決和相關(guān)政策的制定。

因此，本文利用1999—2014年中國(guó)30個(gè)省區(qū)樣本數(shù)據(jù)，從另外一個(gè)視角去評(píng)估貿(mào)易開放對(duì)碳排放的影響，即將總體樣本分為貿(mào)易開放地區(qū)樣本和貿(mào)易相對(duì)封閉地區(qū)樣本兩組，在基于“準(zhǔn)實(shí)驗(yàn)”的研究設(shè)計(jì)基礎(chǔ)上建立傾向得分匹配模型(Propensity Score Matching，PSM)，進(jìn)而就貿(mào)易開放對(duì)碳排放績(jī)效所產(chǎn)生影響進(jìn)行評(píng)價(jià)。PSM方法能夠有效地均衡組間特征變量或協(xié)變量(Covariate)的分布，在組間協(xié)變量均衡的基礎(chǔ)上進(jìn)一步評(píng)價(jià)貿(mào)易開放的平均處理效應(yīng)，可以有效減少由于自選擇等觀測(cè)的異質(zhì)性問題導(dǎo)致的選擇偏誤誤差，從而得到接近隨機(jī)對(duì)照研究的結(jié)論。

二、研究方法設(shè)計(jì)

(一)傾向得分匹配法(PSM)

為了比較貿(mào)易開放地區(qū)和貿(mào)易封閉地區(qū)的碳排放績(jī)效差距，最理想的狀況是能夠獲得這個(gè)經(jīng)濟(jì)體在同樣時(shí)間段內(nèi)貿(mào)易開放情況下和貿(mào)易不開放情況下的碳排放績(jī)效數(shù)據(jù)，然而這是不成立的“反事實(shí)”(Counterfactual)狀態(tài)。一個(gè)經(jīng)濟(jì)體在特定的時(shí)間內(nèi)只能觀測(cè)到一種狀態(tài)，即貿(mào)易開放狀態(tài)或不開放狀態(tài)。因此，本文面臨著數(shù)據(jù)缺失的問題。同時(shí)，一些經(jīng)濟(jì)體成為貿(mào)易開放地區(qū)往往不是外生的,部分的是由所研究的問題決定的。例如，GDP的高低、基礎(chǔ)設(shè)施完善程度和是否靠近海外市場(chǎng)顯然會(huì)影響經(jīng)濟(jì)體的選擇。因研究主體有意識(shí)的選擇(或稱自選擇行為)使得樣本不再具有隨機(jī)性，從而導(dǎo)致估計(jì)結(jié)果產(chǎn)生偏差，即為樣本選擇性偏差。當(dāng)評(píng)估中國(guó)貿(mào)易開放地區(qū)與貿(mào)易相對(duì)封閉地區(qū)之間的碳排放績(jī)效差距時(shí)，研究總體樣本應(yīng)該為全部省區(qū)，而在實(shí)際中往往只能得到分布在這兩個(gè)地區(qū)內(nèi)的省區(qū)碳排放績(jī)效信息，樣本只可以分別代表這兩個(gè)地區(qū)的省區(qū)總體情況，而不能代表全部省區(qū)的研究總體情況，因此直接比較兩個(gè)地區(qū)間的碳排放績(jī)效差距會(huì)產(chǎn)生樣本選擇問題，由此得到的估計(jì)結(jié)果是有偏的且不一致的。

傾向得分匹配模型(PSM)是一種能夠有效修正選擇偏誤的方法。匹配法不是考察“效應(yīng)的原因”(Causes of Effects)，而是轉(zhuǎn)而獲取某種“原因的效應(yīng)(Effects of Causes)”(Morgan et al.，2006)。在控制一些可觀測(cè)因素后，通過利用盡可能相似的處理對(duì)象和控制對(duì)象，可以減小樣本選擇偏誤。同時(shí)，在一般情況下，比較具有多維特征的研究對(duì)象是不可能的，傾向得分匹配法將這些特征濃縮成一個(gè)單一變量(即傾向得分值，PS值)來進(jìn)行比較，起到“降維”的作用，從而使多元匹配成為可能。此外，由Rubin(1974)、Rosenbaum et al.(1983)建立的反事實(shí)方法能夠允許我們?nèi)ザx并估計(jì)各種處理效應(yīng)。

本文使用PSM方法的步驟是：先估計(jì)省區(qū)成為貿(mào)易開放地區(qū)的PS值，接下來依據(jù)PS值的共同支持域匹配處理組和控制組，最后估計(jì)三種平均處理效應(yīng)。

1.估計(jì)傾向得分值

定義傾向得分值(簡(jiǎn)稱：傾向值或PS值)為：給定處理前的協(xié)變量或特征變量X，透過概率函數(shù)(傾向得分函數(shù))的估計(jì)而得到一概率。在本文中就是省區(qū)樣本成為貿(mào)易開放地區(qū)的條件概率，通過logit模型估計(jì)省區(qū)特征變量 X的參數(shù)值α：

(1)

其中：D為樣本是否成為貿(mào)易開放地區(qū)的二分變量(dichotomous variable)或虛擬變量；X是研究對(duì)象接受處理前的多維向量，表示省區(qū)的各種特征，用于估計(jì)PS值的特征變量X不僅是省區(qū)成為貿(mào)易開放省區(qū)的重要影響因素，同時(shí)也包含了影響省區(qū)碳排放的各種因素。只有考慮并控制了這些因素的影響，才能夠降低樣本自選擇偏差對(duì)研究結(jié)論客觀性的影響(Brookhart et al.，2006)。Rosenbaum et al.(1983)研究表明，如果在由X定義的空間內(nèi)，研究對(duì)象是否接受處理是隨機(jī)的，則在單一變量P(X)定義的空間內(nèi)研究對(duì)象是否接受處理也是隨機(jī)的。

2.匹配方法

在估計(jì)出傾向值后，接下來需要選擇的就是匹配的方法。匹配的核心思想是在獲得傾向值之后創(chuàng)建一個(gè)新的樣本。只有當(dāng)處理組和控制組的匹配協(xié)變量的分布是相同的，這時(shí)才可以表明數(shù)據(jù)是平衡的，匹配才被認(rèn)為是成功的(Morgan et al.，2007)。平衡性檢驗(yàn)可以通過雙變量的均值差的t檢驗(yàn)或是Kolmogorov-Smirnov正態(tài)性檢驗(yàn)來實(shí)現(xiàn)(Diamond et al.，2006)，我們也會(huì)在實(shí)證分析中進(jìn)行該檢驗(yàn)。而最常用的匹配方法就是所謂的貪婪匹配(Greedy Matching)，貪婪匹配具體包括：最近鄰居匹配(Nearest Neighbor Matching)、卡尺匹配(Caliper Matching)、馬氏距離匹配(Mahalanobis Metric Matching)等。

另外，除了貪婪匹配方法，還有兩種非參數(shù)回歸的傾向值分析方法——內(nèi)核匹配方法(kernel matching)和局部線性回歸匹配方法(local linear regression matching)，這是對(duì)貪婪匹配算法的一種擴(kuò)展，貪婪匹配法大都屬于1對(duì)1匹配或1對(duì)n匹配(這里n是個(gè)固定的數(shù)字)。而基于非參數(shù)回歸的傾向值匹配方法，則以距離處理組個(gè)體最近的控制組個(gè)體中獲得最大的權(quán)重，以降低距離更遠(yuǎn)成員權(quán)重的方式來對(duì)所有控制組個(gè)體進(jìn)行匹配。換言之，基于非參數(shù)回歸的算法比貪婪匹配算法使用了相對(duì)更多的信息。

3.估計(jì)平均處理效應(yīng)

三種平均處理效應(yīng)包括：處理組即貿(mào)易開放地區(qū)的平均處理效應(yīng)(Average effect of Treatment on the Treated，ATT)、平均處理效應(yīng)(Average Treatment Effect，ATE)以及控制組即貿(mào)易相對(duì)封閉地區(qū)的平均處理效應(yīng)(Average Treatment effect on the Untreated，ATU)。給定省區(qū)的特征為X，從貿(mào)易開放地區(qū)的省區(qū)中隨機(jī)地挑選一個(gè)省區(qū)，這個(gè)省區(qū)的碳排放與假定該省區(qū)成為貿(mào)易相對(duì)封閉地區(qū)時(shí)碳排放績(jī)效的平均差距，此即為處理組的平均處理效應(yīng)。ATT用公式表示如下：

ATT≡E{CE1i-CE0i|Di=1}=E(CE1i|Di=1)-E(CE0i|Di=1)

(2)

給定省區(qū)的特征為X，從總體樣本中隨機(jī)地選取一個(gè)省區(qū)，當(dāng)這個(gè)省區(qū)貿(mào)易開放度較高時(shí)的碳排放與假定該省區(qū)貿(mào)易開放度較低時(shí)的碳排放績(jī)效的平均差距，此即為貿(mào)易開放的平均處理效應(yīng)。ATE可由式(3)進(jìn)行定義：

ATE≡E{CE1i-CE0i|X}

(3)

給定省區(qū)的特征為X，從貿(mào)易相對(duì)封閉地區(qū)中隨機(jī)地挑選一個(gè)省區(qū)，這個(gè)省區(qū)的碳排放與假定該省區(qū)成為貿(mào)易開放地區(qū)時(shí)碳排放績(jī)效的平均差距，此即為貿(mào)易相對(duì)封閉地區(qū)的平均處理效應(yīng)。ATU可以用式(4)表示：

ATU≡E{CE1i-CE0i|Di=0}=E(CE1i|Di=0)-E(CE0i|Di=0)

(4)

其中:CE1i和CE0i是接受處理和不接受處理兩種反事實(shí)情況下的潛在結(jié)果。在本文的研究背景下，CE1i=(碳排放績(jī)效，當(dāng)省區(qū)i屬于貿(mào)易開放地區(qū)時(shí)，D=1)，CE0i=(碳排放績(jī)效，當(dāng)省區(qū)i屬于貿(mào)易相對(duì)封閉地區(qū)時(shí)，D=0)。

關(guān)于式(2)的估計(jì)，由于觀測(cè)不到E(CE0|

Di=1)，實(shí)證上通常以E(CE0|Di=0)來替代E(CE0|Di=1)，然而這有賴于條件獨(dú)立假設(shè)成立，即在給定傾向值的情況下，處理分配和觀測(cè)協(xié)變量有條件地相互獨(dú)立，該假設(shè)也被稱為平衡假設(shè)(Balancing Hypothesis)。換言之，該假設(shè)成立可以由協(xié)變量的相似性延伸至傾向值的相似性上，即通過選取相同傾向值的貿(mào)易相對(duì)封閉地區(qū)成為貿(mào)易開放地區(qū)的“反事實(shí)”樣本，則可以將兩組樣本的碳排放差距歸因于貿(mào)易開放對(duì)碳排放績(jī)效的影響效果上。以ATT為例：

(5)

(二)基于匹配樣本和傾向值的計(jì)量模型分析

根據(jù)匹配得到的新樣本，對(duì)選擇偏差以及內(nèi)在于多元分析模型中的統(tǒng)計(jì)假定遭到違背(如樣本隨機(jī)性假定)進(jìn)行了修正。通過使用這一匹配的新樣本，可以將通常使用隨機(jī)化實(shí)驗(yàn)得到的樣本進(jìn)行多元回歸分析。但是，大部分多元分析僅對(duì)貪婪匹配所形成的匹配樣本才是允許的。本文估計(jì)貿(mào)易開放影響碳排放績(jī)效的平均處理效應(yīng)可以用式(6)所示：

CEPit=β0+β1tradeit+Xγ+εit

(6)

其中：下標(biāo)i和t分別表示第i個(gè)省區(qū)和第t年；β0是常數(shù)；X是表征各省區(qū)一系列特征的匹配協(xié)變量向量，分別是人均產(chǎn)值、工業(yè)結(jié)構(gòu)、基礎(chǔ)設(shè)施、產(chǎn)業(yè)集中度、人力資本和環(huán)境規(guī)制；結(jié)果變量CEPit是省區(qū)i的碳排放績(jī)效；trade是省區(qū)貿(mào)易開放的二分變量，等價(jià)于式(1)中的虛擬變量D，如果省區(qū)i在t年的貿(mào)易開放度按從高到低排名前9，則歸入貿(mào)易開放地區(qū)樣本，即tradeit=1，否則tradeit=0；β1用以評(píng)估貿(mào)易開放對(duì)碳排放績(jī)效的平均處理效應(yīng)，若本文的實(shí)證結(jié)果顯示估計(jì)值β1顯著為正，則表示貿(mào)易開放地區(qū)的碳排放績(jī)效比貿(mào)易相對(duì)封閉地區(qū)平均要大；εit為隨機(jī)誤差項(xiàng)。

基于貪婪匹配法的再抽樣樣本，除了使用傳統(tǒng)Pool-OLS對(duì)式(6)進(jìn)行估計(jì)，我們還結(jié)合預(yù)測(cè)的概率值或PS值來建立模型，分別建立以下三種方法的計(jì)量模型：第一種方法叫做協(xié)變量調(diào)整法(covariate adjustment)，即直接將傾向值作為自變量引入模型，根據(jù)具體情況可以加入PS值函數(shù)形式，如PS值平方項(xiàng)或立方項(xiàng)等。*對(duì)于模型中是否加入重要協(xié)變量存在爭(zhēng)議，有的研究者認(rèn)為PS值已經(jīng)綜合所有協(xié)變量的信息，不需再放入模型中；也有研究者認(rèn)為可以將重要變量加入模型，以提高回歸的貢獻(xiàn)性。第二種方法是傾向值權(quán)重法，它是采用傾向值賦予觀測(cè)值權(quán)重，使得樣本能代表研究的總體情況。基于權(quán)重法的平均處理效應(yīng)的估計(jì)具有一致性，能夠提供近似于無偏的估計(jì)。分析的關(guān)鍵要素在于基于估計(jì)的傾向值賦予權(quán)重，具體情況視是否估計(jì)ATE、ATT還是ATU而定，進(jìn)而再使用不同類型的權(quán)重*這種方法的詳細(xì)內(nèi)容可以在Hirano et al.(2001)、McCaffrey et al.(2004)研究中找到。如估計(jì)ATE，處理組權(quán)重為1/PS，控制組權(quán)重為1/(1-PS)。。第三種方法是傾向值分層線性回歸法，其基本思想是根據(jù)估計(jì)的傾向值以升序排列樣本，將樣本分為數(shù)個(gè)亞層，在各層內(nèi)計(jì)算處理組(貿(mào)易開放地區(qū))和控制組(貿(mào)易相對(duì)封閉地區(qū))在碳排放績(jī)效上的平均差距，為了比較成為貿(mào)易開放地區(qū)后不同特征的省區(qū)碳排放績(jī)效變化情況，本文使用異質(zhì)性干預(yù)模型(Heterogeneous Treatment Effect，HTE)*異質(zhì)性干預(yù)模型的相關(guān)方法介紹詳見Xie et al.(2012)的研究。，采用方差最小二乘估計(jì)法回歸(Variance Weighted Least-squares Estimation)方法估計(jì)貿(mào)易開放的影響效應(yīng)是如何隨著傾向值分層的變化而變化的。

三、變量說明及數(shù)據(jù)處理

本文相關(guān)變量說明和數(shù)據(jù)處理如下：

(1)結(jié)果變量：碳排放績(jī)效。我們采用兩種方式來衡量碳排放績(jī)效：一、根據(jù)Fukuyama et al.(2009)提出的基于松弛的方向性距離函數(shù)(Slack-Based Measure，SBM)測(cè)算的Global Malmquist-Luenberger指數(shù)來度量全要素碳排放績(jī)效(Total Factor Carbon Emission Performance，TFCEP)；二、直接采用人均碳排放指標(biāo)(CEPC)。本文從全要素的角度出發(fā)，綜合考慮生產(chǎn)要素投入、期望產(chǎn)出、非期望產(chǎn)出三者之間的關(guān)系，通過加入非期望產(chǎn)出的SBM模型測(cè)算中國(guó)碳排放生產(chǎn)效率，并使用Maxdea軟件進(jìn)行以上計(jì)算。具體所使用的數(shù)據(jù)說明如下：由于大部分的貨物貿(mào)易集中在工業(yè)生產(chǎn)部門，期望產(chǎn)出為以1999年不變價(jià)表示的工業(yè)總產(chǎn)值，非期望產(chǎn)出選用二氧化碳排放量表示，勞動(dòng)投入量為工業(yè)從業(yè)人員年平均人數(shù)，資本投人為固定資本凈值，能源投入指標(biāo)為能源消費(fèi)總量?？紤]到工業(yè)終端能源消費(fèi)品種(煤炭、焦炭、焦?fàn)t煤氣、其它煤氣、其它焦化產(chǎn)品、石油和天然氣)以及工業(yè)產(chǎn)品水泥所產(chǎn)生的CO2排放量，基于二氧化碳排放系數(shù)測(cè)算的工業(yè)碳排放量比全部從業(yè)人員年平均人數(shù)，可以得到人均碳排放量*準(zhǔn)確地應(yīng)該表述為“勞均碳排放”，而除以人口數(shù)稱之為“人均”，除以從業(yè)人員數(shù)稱之為“勞均”。但同大多數(shù)文獻(xiàn)的表述習(xí)慣一樣，本文仍然用“人均”一詞。。所有能源終端消費(fèi)數(shù)據(jù)皆取自《中國(guó)能源統(tǒng)計(jì)年鑒》。

(2)處理變量：貿(mào)易開放(trade)。如前所述，trade是省區(qū)貿(mào)易開放的二分變量。如果省區(qū)i在t年的貿(mào)易開放度按從高到低排名前9，則可以歸入貿(mào)易開放地區(qū)樣本，即tradeit=1，否則tradeit=0。本文以各省區(qū)按境內(nèi)目的地和貨源地分貨物進(jìn)出口總額比地區(qū)生產(chǎn)總值來反映貿(mào)易開放度。地區(qū)進(jìn)出口總額、地區(qū)生產(chǎn)總值(當(dāng)年價(jià))以及人民幣匯率(年平均價(jià))數(shù)據(jù)均來自于歷年的《中國(guó)統(tǒng)計(jì)年鑒》。

(3)人均產(chǎn)值(y)。一省區(qū)貿(mào)易開放水平在很大程度上依賴于該省區(qū)的經(jīng)濟(jì)發(fā)展水平，經(jīng)濟(jì)越發(fā)達(dá)與國(guó)外的聯(lián)系也會(huì)越緊密，從而會(huì)推動(dòng)省區(qū)貿(mào)易開放水平提高。借鑒以往研究，本文以規(guī)模以上工業(yè)總產(chǎn)值比全部從業(yè)人員年平均人數(shù)(即人均產(chǎn)值)來衡量一個(gè)地區(qū)工業(yè)經(jīng)濟(jì)發(fā)展水平，以1999年為基期，根據(jù)工業(yè)品出廠價(jià)格指數(shù)得到1999—2014年的實(shí)際值。各省區(qū)工業(yè)總產(chǎn)值和工業(yè)品出廠價(jià)格指數(shù)來源于《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》。

(4)工業(yè)內(nèi)結(jié)構(gòu)(comp)。工業(yè)內(nèi)結(jié)構(gòu)的變動(dòng)會(huì)影響一國(guó)或一地區(qū)的國(guó)際分工地位和產(chǎn)業(yè)競(jìng)爭(zhēng)力，反映了該地區(qū)提供相關(guān)投入品和服務(wù)的能力。同時(shí)，作為能源密集度最高的產(chǎn)業(yè)部門，工業(yè)內(nèi)結(jié)構(gòu)的變動(dòng)也會(huì)直接影響能源消耗和碳排放的變動(dòng)。為了更細(xì)致地刻畫工業(yè)內(nèi)結(jié)構(gòu)的變動(dòng)*一般的處理方法是，使用重工業(yè)比重或當(dāng)?shù)毓I(yè)增加值比上全國(guó)工業(yè)增加值來表示當(dāng)?shù)毓I(yè)結(jié)構(gòu)，但這種處理方式太過粗糙，難以刻畫工業(yè)內(nèi)部結(jié)構(gòu)變動(dòng)情況。，本文參考He(2006)的相關(guān)研究，并根據(jù)本文研究需要做適當(dāng)改進(jìn)，具體如下：

(7)

其中：j表示各工業(yè)行業(yè)；Yit表示第i個(gè)省區(qū)在第t年工業(yè)總產(chǎn)值；Yjit表示相應(yīng)行業(yè)層面的第j個(gè)工業(yè)行業(yè)總產(chǎn)值：EIj0為基期全國(guó)第j個(gè)行業(yè)的單位產(chǎn)值能源消費(fèi)量(1999年=100)，該指標(biāo)上升表示工業(yè)向高耗能方向發(fā)展，因?yàn)椴煌墓I(yè)行業(yè)能源強(qiáng)度也會(huì)存在不同，通過給每個(gè)工業(yè)行業(yè)貼上耗能級(jí)別的標(biāo)簽(EIj0)，能夠用來衡量工業(yè)行業(yè)結(jié)構(gòu)重耗能化程度。在計(jì)算工業(yè)內(nèi)結(jié)構(gòu)指標(biāo)時(shí)，考慮到統(tǒng)計(jì)口徑一致性及數(shù)據(jù)來源等問題，選取了25個(gè)工業(yè)行業(yè)作為研究對(duì)象。這25個(gè)行業(yè)的工業(yè)總產(chǎn)值占到整個(gè)工業(yè)總產(chǎn)值的90%以上，因此能夠較好地反映工業(yè)行業(yè)結(jié)構(gòu)的變化。具體數(shù)據(jù)來源于《中國(guó)工業(yè)統(tǒng)計(jì)年鑒》、《中國(guó)經(jīng)濟(jì)普查年鑒》、《中國(guó)經(jīng)濟(jì)年鑒》以及各省區(qū)統(tǒng)計(jì)年鑒*25個(gè)工業(yè)行業(yè)分別是：電力蒸汽熱水生產(chǎn)供應(yīng)業(yè)、電氣機(jī)械及器材制造業(yè)、電子及通信設(shè)備制造業(yè)、紡織業(yè)、非金屬礦物制品業(yè)、黑色金屬礦采選業(yè)、黑色金屬冶煉及壓延加工業(yè)、化學(xué)纖維制造業(yè)、化學(xué)原料及化學(xué)制品制造業(yè)、交通運(yùn)輸設(shè)備制造業(yè)、金屬制品業(yè)、煤炭開采和洗選業(yè)、普通機(jī)械制造業(yè)、石油和天然氣開采業(yè)、石油加工及煉焦業(yè)、食品加工業(yè)、食品制造業(yè)、飲料制造業(yè)、煙草加工業(yè)、造紙及紙制品業(yè)、醫(yī)藥制造業(yè)、儀器儀表文化辦公用機(jī)械制造業(yè)、有色金屬冶煉及壓延加工業(yè)、有色金屬礦采選業(yè)和專用設(shè)備制造業(yè)。。

(5)基礎(chǔ)設(shè)施(infra)。在其它條件相同的條件下，一個(gè)地區(qū)的交通設(shè)施越是完善，進(jìn)行外貿(mào)、吸引外資的能力就越強(qiáng)。而公路、鐵路等交通基礎(chǔ)設(shè)施的建設(shè)、運(yùn)行需要消耗大量的高能源、高碳密度原材料產(chǎn)品，能源和材料的使用可能會(huì)排放大量的二氧化碳，但完善的交通基礎(chǔ)設(shè)施也會(huì)減小運(yùn)輸成本和交易費(fèi)用，進(jìn)而提高效率。本文用省區(qū)公路、鐵路和水路里程之和比上省區(qū)國(guó)土面積來衡量省區(qū)的交通基礎(chǔ)設(shè)施水平。由于公路、鐵路和水路的運(yùn)輸能力不同，有必要將鐵路和水路的公里數(shù)轉(zhuǎn)化成相應(yīng)的標(biāo)準(zhǔn)公路里程數(shù)，最終轉(zhuǎn)化比率為1∶4.27∶1.06(姚樹潔 等，2007)。各省區(qū)基礎(chǔ)設(shè)施數(shù)據(jù)來源于《中國(guó)統(tǒng)計(jì)年鑒》。

(6)行業(yè)集中度(concen)。由于擁有更多的創(chuàng)新所必需的資源，大規(guī)模的企業(yè)比小規(guī)模的企業(yè)更有可能創(chuàng)新。而大規(guī)模企業(yè)比重越大，市場(chǎng)越趨向于壟斷，從而不利于外貿(mào)企業(yè)進(jìn)入，這里用工業(yè)大中型企業(yè)資產(chǎn)占比來表示行業(yè)集中度。具體數(shù)據(jù)來源于《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》。

(7)人力資本(human)。人力資本的提高有助于企業(yè)生產(chǎn)者傾向于使用環(huán)境友好型生產(chǎn)技術(shù)，消費(fèi)者傾向于使用節(jié)能產(chǎn)品，從而促進(jìn)低碳產(chǎn)業(yè)發(fā)展。因此，本文按照Barro et al.(1993)的方法，用6歲及6歲以上人口的平均受教育年限來衡量人力資本水平，并取自然對(duì)數(shù)。各省6歲及6歲以上人口中不同學(xué)歷層次人群的比重?cái)?shù)據(jù)來源于歷年《中國(guó)統(tǒng)計(jì)年鑒》。

(8)環(huán)境規(guī)制(regu)。自“十一五”規(guī)劃以來，中國(guó)將能源強(qiáng)度、碳強(qiáng)度下降目標(biāo)作為約束性指標(biāo)寫入五年規(guī)劃?！笆濉币?guī)劃開始，大部分工業(yè)行業(yè)在其行業(yè)“十二五”規(guī)劃中明確了能源強(qiáng)度、碳強(qiáng)度下降目標(biāo)。本文采用碳強(qiáng)度作為衡量節(jié)能減排政策目標(biāo)的指標(biāo)，碳強(qiáng)度根據(jù)工業(yè)總產(chǎn)值除以碳排放得到(1999年=100)。

從貿(mào)易開放地區(qū)樣本(trade=1)和貿(mào)易相對(duì)封閉地區(qū)樣本(trade=0)的分組描述性統(tǒng)計(jì)中可以發(fā)現(xiàn)：在480個(gè)總樣本中，有30%樣本屬于貿(mào)易開放地區(qū)，剩下的70%則屬于貿(mào)易相對(duì)封閉地區(qū)；最高者是上海的1.668(2006年)，最低者是青海的0.025(2013年)；北京、浙江、福建、上海、廣東、江蘇和天津一直屬于貿(mào)易開放度較高省區(qū)，這些省區(qū)的貿(mào)易開放度平均值達(dá)到0.860；海南、遼寧和山東在有些年份屬于貿(mào)易開放地區(qū)，有些年份又落入較低貿(mào)易開放度省區(qū)樣本；與貿(mào)易開放地區(qū)相比，貿(mào)易相對(duì)封閉地區(qū)的貿(mào)易開放度平均值只有0.123，相差比較大。

四、實(shí)證分析

(一)傾向得分匹配分析

在運(yùn)用PSM方法評(píng)估貿(mào)易開放的平均處理效應(yīng)時(shí)，需要進(jìn)行一項(xiàng)三步分析：第一步，使用不同協(xié)變量組合得到傾向值；第二步，使用最近鄰匹配、卡尺匹配和馬氏距離匹配來構(gòu)建不同的匹配樣本；第三步，根據(jù)匹配樣本來估計(jì)平均處理效應(yīng)。

首先，需要用logit模型或probit模型得到研究對(duì)象暴露于處理效應(yīng)之下的概率，也即是各省區(qū)成為貿(mào)易開放地區(qū)(trade=1)時(shí)的概率*限于篇幅，logit模型回歸結(jié)果沒有報(bào)告，備索。。logit 1模型包含了2個(gè)預(yù)先設(shè)定的協(xié)變量(人均產(chǎn)值、工業(yè)內(nèi)結(jié)構(gòu))；考慮了變量之間的內(nèi)生性問題以及條件獨(dú)立性假設(shè)，logit 1模型考慮人均產(chǎn)值、工業(yè)內(nèi)結(jié)構(gòu)變量的滯后一期進(jìn)入方程；logit 2—logit 5模型分別進(jìn)一步加入?yún)f(xié)變量基礎(chǔ)設(shè)施、行業(yè)集中度、環(huán)境規(guī)制和人力資本等變量。在用logit模型預(yù)測(cè)傾向值之后，我們還需要根據(jù)匹配樣本來進(jìn)行平衡性檢驗(yàn)*如前所述，在匹配前后運(yùn)行雙變量分析(Wilcoxon 秩和Mann-Whitney檢驗(yàn)、t檢驗(yàn)、卡方檢驗(yàn))是一種常見方法，檢驗(yàn)處理組和控制組在納入logit回歸中的協(xié)變量上是否存在差異。，logit 6模型考慮了匹配效果、共同支持域規(guī)模等因素，最終去掉了環(huán)境規(guī)制變量(下文會(huì)說明)?？傊?，模型估計(jì)效果較好，大多數(shù)變量都是統(tǒng)計(jì)顯著的，這也說明各省區(qū)成為貿(mào)易開放地區(qū)是受到這些因素的影響。

其次，采用一個(gè)“3*3*2”的設(shè)計(jì)。本文使用三個(gè)logit回歸模型(logit 4、logit 5和logit 6，每個(gè)模型設(shè)定不同的一組條件變量來預(yù)測(cè)接受處理的傾向值)、三種匹配算法(即最近鄰匹配、卡尺匹配和馬氏距離匹配)以及兩種匹配設(shè)定(對(duì)最近鄰匹配，我們使用n=1和n=2兩種設(shè)定；對(duì)卡尺匹配，使用不同的卡尺大小設(shè)定；而對(duì)馬氏距離匹配，計(jì)算馬氏距離的一種方法使用傾向值，另一種方法不使用傾向值)，最終總共檢驗(yàn)了18個(gè)匹配方案。而使用多個(gè)匹配方案的設(shè)計(jì)，是出于比較不同方法的結(jié)果以及檢驗(yàn)研究發(fā)現(xiàn)對(duì)不同模型設(shè)定之敏感的需要。

貪婪匹配法需要一定的共同支持域，共同支持域會(huì)因步驟1中被用來預(yù)測(cè)傾向值的模型不同設(shè)定而不同，因?yàn)榫哂胁煌瑮l件變量或函數(shù)形式的logit回歸產(chǎn)生不同的共同支持域。要想在傾向值匹配的常規(guī)框架范圍內(nèi)解決這一問題，需要嘗試不同的模型并通過改變共同支持域的大小進(jìn)行敏感性分析。

表1描述了這18個(gè)匹配方案以及再抽樣樣本的成員數(shù)量：方案1到方案6基于logit 4模型，方案7到方案12基于logit 5模型，方案13到方案18基于logit 6模型；在每一組使用同一logit回歸的方案中，前面兩個(gè)方案都采用最近鄰匹配，其中第一個(gè)方案采用無回置(noreplacement)策略，即一旦某個(gè)處理組成員和某個(gè)控制組成員能夠匹配，兩個(gè)成員都要從數(shù)據(jù)中移出去；中間兩個(gè)方案都采用卡尺匹配(一個(gè)使用傾向值經(jīng)log變換后標(biāo)準(zhǔn)差(σp)的四分之一或0.25σp，另一個(gè)采用更窄的卡尺0.125σp)，最后兩個(gè)方案使用馬氏距離匹配(一個(gè)使用而另一個(gè)不使用傾向值作為匹配協(xié)變量)。

表1 匹配機(jī)制描述與平衡性分析結(jié)果

注：在進(jìn)行卡尺匹配時(shí)，根據(jù)Rosenbaum et al.(1985)、Austin(2009)等的建議，本文將傾向值定義為logit=log((1-PS)/PS)，因?yàn)閘ogit近似地服從正態(tài)分布。

對(duì)不同卡尺的使用表現(xiàn)為匹配中的兩難處境：盡管寬的卡尺會(huì)導(dǎo)致更多的相配者和一個(gè)更大的樣本，但會(huì)出現(xiàn)不精確的匹配問題。本文將兩種大小的卡尺納入分析來檢驗(yàn)結(jié)果對(duì)卡尺大小變動(dòng)的敏感性。在所有匹配方案中，方案7的匹配樣本規(guī)模最?。菏褂猛瑯拥目ǔ邽?.25σp的匹配，樣本規(guī)模從方案3的224降到方案9的196，這表明加入?yún)f(xié)變量人力資本限制了成功的匹配，并減少了樣本規(guī)模。不過進(jìn)一步的分析表明，再抽樣樣本規(guī)模對(duì)納入變量“環(huán)境規(guī)制”(regu)最為敏感。logit 6保留了“人力資本”這個(gè)變量，但去掉了“環(huán)境規(guī)制”變量，從匹配的樣本結(jié)果來看，樣本量從方案9的196上升到方案15的305。進(jìn)一步研究可以看出，基于logit 6模型中協(xié)變量的匹配方案樣本量都有較大幅度地增加，匹配后的樣本也都通過了平衡性檢驗(yàn)(除了方案13)，從而成功地消除了處理組和控制組之間協(xié)變量分布的所有顯著差異。

PSM法致力于兩個(gè)組別在每個(gè)協(xié)變量上達(dá)到大致相同的分布。由于不同的匹配方案產(chǎn)生了不同的再抽樣樣本，因此在匹配后檢查協(xié)變量分布以及考察結(jié)果對(duì)不同抽樣策略的敏感性就顯得十分重要*限于篇幅，沒有報(bào)告平衡性檢驗(yàn)分析結(jié)果，感興趣的讀者可以向作者索取。。在樣本匹配前，處理組和控制組之間在每個(gè)協(xié)變量上的差異都是統(tǒng)計(jì)顯著的。這表明在原樣本中，協(xié)變量分布在處理組和控制組之間并不十分重合。如處理組成員(貿(mào)易開放地區(qū))往往是人均產(chǎn)值比較高的(p<0.000)，即貿(mào)易開放地區(qū)的人均產(chǎn)值比貿(mào)易相對(duì)封閉地區(qū)平均要高0.514萬元/人，其它協(xié)變量也都表明貿(mào)易開放地區(qū)基礎(chǔ)設(shè)施水平更加完善(p<0.000)、人力資本更高(p<0.000)等。如果不控制這些協(xié)變量，平均處理效應(yīng)的估計(jì)值將是有偏的。不過，不同方案匹配后的樣本中，兩組間仍然可能存在顯著差異。從匹配方案平衡性檢驗(yàn)結(jié)果可以看到，方案14—方案18表明協(xié)變量的顯著差異消失了，也就是協(xié)變量的平均數(shù)差異皆不顯著地異于零。先前提及到，若要將兩組地區(qū)樣本的碳排放績(jī)效高低歸因于貿(mào)易開放這一因素，最好所使得的兩組地區(qū)樣本的協(xié)變量要盡量相近，我們發(fā)現(xiàn)在這五種匹配演算下平均數(shù)皆達(dá)到了這個(gè)要求，如此可以有效地降低樣本選擇偏誤的估計(jì)誤差。

在得到各省區(qū)成為貿(mào)易開放地區(qū)(trade=1)的概率以及匹配樣本之后，就可以估計(jì)處理組(貿(mào)易開放地區(qū))的平均處理效應(yīng)(ATT)、貿(mào)易開放的平均處理效應(yīng)(ATE)和控制組(貿(mào)易相對(duì)封閉地區(qū))的平均處理效應(yīng)(ATU)。為了克服潛在的小樣本偏誤對(duì)結(jié)論的影響，本文除采用傳統(tǒng)的統(tǒng)計(jì)推斷方法外，還基于新近發(fā)展的“自抽樣法(Bootstrap)”(自迭代50次)獲得相關(guān)統(tǒng)計(jì)量的標(biāo)準(zhǔn)誤，最終結(jié)果的穩(wěn)定性狀況較好。

表2報(bào)告了貿(mào)易開放地區(qū)與貿(mào)易相對(duì)封閉地區(qū)的碳排放績(jī)效平均差距的估計(jì)結(jié)果。由表2可以看到，基于logit 6模型的協(xié)變量匹配方案都得到顯著的平均處理效應(yīng)估計(jì)結(jié)果，從結(jié)果變量為TFCEP的估計(jì)結(jié)果來看，貿(mào)易開放地區(qū)的平均處理效應(yīng)(ATT)為1.111～1.635，這表明若從貿(mào)易開放地區(qū)中隨機(jī)地挑選一個(gè)省區(qū)，這個(gè)省區(qū)的全要素碳排放績(jī)效與假定該省區(qū)貿(mào)易開放度較低時(shí)的平均差距為1.111～1.635，即僅考慮分配到貿(mào)易開放地區(qū)的省區(qū)樣本，其TFCEP比假定成為貿(mào)易相對(duì)封閉地區(qū)平均要高1.111～1.635。貿(mào)易開放地區(qū)的平均處理效應(yīng)(ATE)的估計(jì)結(jié)果為正，貿(mào)易開放地區(qū)的TFCEP比貿(mào)易相對(duì)封閉地區(qū)平均高0.692～1.009。同時(shí)，貿(mào)易相對(duì)封閉地區(qū)的平均處理效應(yīng)(ATU)估計(jì)結(jié)果也顯著為正，表明其TFCEP比假定開放時(shí)平均要低0.478～0.739。

表2 基于匹配樣本的匹配后平均處理效應(yīng)估計(jì)結(jié)果

注：估計(jì)值的標(biāo)準(zhǔn)誤通過自主抽樣得到，可以被用來進(jìn)一步估計(jì)平均處理效應(yīng)的95%自主抽樣置信區(qū)間(bootstrap confidence interval)，我們報(bào)告了使用偏差矯正方法(bias-correction method)得到的95%置信區(qū)間；**表示在5%水平上是顯著的。

從表2中也可以看到，結(jié)果變量為人均碳排放的平均處理效應(yīng)估計(jì)值都落入95%置信區(qū)間，這表明貿(mào)易開放對(duì)人均碳排放的影響顯著為負(fù)，貿(mào)易開放地區(qū)的人均碳排放比貿(mào)易相對(duì)封閉地區(qū)平均少0.648～0.709噸/人；從貿(mào)易開放地區(qū)的平均處理效應(yīng)(ATT)來看，其人均碳排放比假定不開放時(shí)平均要少0.363～0.512噸/人；而貿(mào)易相對(duì)封閉地區(qū)的平均處理效應(yīng)(ATU)顯示，從較低的貿(mào)易開放度省區(qū)中隨機(jī)地挑選一個(gè)省區(qū)，這個(gè)省區(qū)的人均碳排放與假定該省區(qū)貿(mào)易開放度較高時(shí)人均碳排放的平均差距為0.227～0.431噸/人，即僅考慮分配到貿(mào)易相對(duì)封閉地區(qū)的省區(qū)樣本，其人均碳排放比假定貿(mào)易開放度較高時(shí)平均要多0.227～0.431噸/人。

一般而言，一個(gè)理想的logit回歸模型應(yīng)當(dāng)最小化總體樣本的預(yù)測(cè)誤差。但就實(shí)際情況而言，一個(gè)最佳的logit模型應(yīng)包含更大的共同支持域規(guī)模，并能夠同時(shí)將協(xié)變量平衡納入到考察中。鑒于logit 6模型匹配的共同支持域規(guī)模及平衡性檢驗(yàn)結(jié)果，在三個(gè)logit模型(logit 4、logit 5和logit 6)回歸中，logit 6是最好的。因此，接下來將只針對(duì)logit 6模型進(jìn)行分析。表3是使用非參數(shù)回歸的平均處理效應(yīng)估計(jì)結(jié)果，主要使用局部線性回歸匹配方法和內(nèi)核匹配方法，以默認(rèn)內(nèi)核設(shè)定和默認(rèn)帶寬來計(jì)算加權(quán)平均差值(weighted average difference)*這一方法進(jìn)行一個(gè)“潛在”的匹配，使用非參數(shù)回歸(即三次立方內(nèi)核修勻技術(shù))將加權(quán)和結(jié)果分析合并成一步。考慮這一方法與Rosenbaum et al.(1983)和Rubin(1974)的方法在所屬類別上的不同，需要分開進(jìn)行實(shí)證分析。。一般而言，使用從多重匹配(multiple matches)中得到的傾向值來計(jì)算一個(gè)被用作反事實(shí)的加權(quán)均值(weighed mean)。就此而言，基于非參數(shù)回歸的匹配屬于一種穩(wěn)健估計(jì)量(robust estimator)。同時(shí)，考慮到有限樣本屬性，本文就分析結(jié)果對(duì)帶寬(bandwidth)和修剪水平(trimming level)的不同設(shè)定的敏感性進(jìn)行了檢驗(yàn)。在修剪策略相同的情況下，使用了三種帶寬值：0.01、0.05和0.4。本文也檢驗(yàn)了分析結(jié)果對(duì)修剪程度變化的敏感性。在將帶寬固定在默認(rèn)取值(0.06)的情況下，本文采用了以下三種修剪方案(即刪除那些傾向值比控制組成員傾向值的最大值更大或最小值更小的處理組成員)：35%和45%。

表3給出了使用非參數(shù)回歸的平均處理效應(yīng)估計(jì)值。以結(jié)果變量TFCEP為例，通過評(píng)估平均處理效應(yīng)的計(jì)算中處理組成員與其相配控制組成員之間在傾向值的距離上，平均處理效應(yīng)的局部線性回歸估計(jì)量為1.323，落入0.909和1.862所圍成的95%自主抽樣置信區(qū)間中。即本文有95%的可能性表明，貿(mào)易開放地區(qū)和貿(mào)易相對(duì)封閉地區(qū)之間的TFCEP的非零差值落入這一區(qū)間。貿(mào)易開放地區(qū)的處理效應(yīng)值為0.745，也落入0.558和0.935圍成的95%自主抽樣置信區(qū)間，貿(mào)易相對(duì)封閉地區(qū)的平均處理效應(yīng)值也是在95%上顯著的。

表3 使用非參數(shù)回歸的平均處理效應(yīng)估計(jì)結(jié)果

注：局部線性回歸匹配的默認(rèn)內(nèi)核設(shè)定為epanechnikov kernel，內(nèi)核匹配的默認(rèn)內(nèi)核設(shè)定為tricube kernel，默認(rèn)帶寬值都為0.06，括號(hào)內(nèi)為估計(jì)值的標(biāo)準(zhǔn)誤，均通過自主抽樣得到，使用偏差矯正方法得到的95%置信區(qū)間；**表示在5%水平上是顯著的。

不同帶寬設(shè)定和不同修剪策略的敏感性分析傾向于肯定以上結(jié)果。以內(nèi)核匹配的結(jié)果來看，對(duì)于人均碳排放，所有的分析都給出了一個(gè)由非零的估計(jì)值所構(gòu)成的95%的自助抽樣置信區(qū)間。這表明兩地區(qū)間人均碳排放平均差距估計(jì)值并不包含零值，因此我們肯定這一差距在統(tǒng)計(jì)上也是顯著的。

綜合貪婪匹配和非參數(shù)回歸的估計(jì)結(jié)果可知，貿(mào)易開放影響碳排放績(jī)效的平均處理效應(yīng)(ATE)是顯著的，即使考慮“反事實(shí)”的潛在結(jié)果，ATT和ATU的估計(jì)量也是顯著的。估計(jì)結(jié)果表明，貿(mào)易開放提高了碳排放績(jī)效，有利于節(jié)能減排，因?yàn)橘Q(mào)易開放地區(qū)能夠更多地接觸到物化于進(jìn)口產(chǎn)品中的國(guó)外先進(jìn)工藝、節(jié)能低碳技術(shù)，國(guó)內(nèi)供應(yīng)商則主要通過“逆向工程”、模仿和消化吸收等方式促進(jìn)節(jié)能減排。除物化知識(shí)以外，進(jìn)口貿(mào)易強(qiáng)化了國(guó)內(nèi)同行業(yè)產(chǎn)品之間的競(jìng)爭(zhēng)，競(jìng)爭(zhēng)壓力的加劇提高了國(guó)內(nèi)供應(yīng)商對(duì)節(jié)能減排項(xiàng)目投資的意愿，進(jìn)而對(duì)節(jié)能減排產(chǎn)生影響。同時(shí)，跨國(guó)公司對(duì)本土供應(yīng)商出口產(chǎn)品質(zhì)量要求較高，從而促使本土供應(yīng)商在跨國(guó)公司技術(shù)援助的激勵(lì)下加大人力資本投資，引導(dǎo)研發(fā)資本投入的方向，調(diào)節(jié)研發(fā)資本投入力度，進(jìn)而不斷提升技術(shù)水平。此外，為應(yīng)對(duì)激烈的國(guó)際市場(chǎng)競(jìng)爭(zhēng)，保持出口貿(mào)易競(jìng)爭(zhēng)力，尤其在國(guó)內(nèi)環(huán)境規(guī)制力度不夠強(qiáng)的情況下*就碳排放而言，碳稅和碳交易是兩種不同類型的環(huán)境規(guī)制手段。目前中國(guó)沒有采用碳稅政策，2013年以來僅在上海、北京等七省區(qū)啟動(dòng)碳交易試點(diǎn)(具體實(shí)施時(shí)間各地有所不同)。而一般的節(jié)能減排措施都是由發(fā)改委統(tǒng)一發(fā)布并執(zhí)行。，本土供應(yīng)商可能會(huì)以犧牲環(huán)境為代價(jià)不斷壓低成本，從而對(duì)碳排放造成消極影響。不過，這也難以抵消貿(mào)易開放對(duì)節(jié)能減排的貢獻(xiàn)。

(二)基于匹配樣本和傾向值的計(jì)量回歸分析

傾向得分匹配分析是匹配后進(jìn)行多元回歸分析的基礎(chǔ)(Rosenbaum et al.，1983)。發(fā)展傾向值和匹配是因?yàn)橛^察數(shù)據(jù)經(jīng)常是不平衡的，因此不能假定處理分配是可以忽略的。在基于估計(jì)的傾向值進(jìn)行匹配之后，至少樣本在觀察的協(xié)變量上處理組成員和控制組成員之間是平衡的。因此，可以類似隨機(jī)化實(shí)驗(yàn)進(jìn)行多元回歸分析。從理論上，在這一階段通過設(shè)置貿(mào)易開放的二分解釋變量，我們可以使用回歸類的模型來估計(jì)平均處理效應(yīng)。

采用四種不同的模型設(shè)定來評(píng)估貿(mào)易開放的平均處理效應(yīng)，即估計(jì)貿(mào)易開放地區(qū)與貿(mào)易相對(duì)封閉地區(qū)的相對(duì)碳排放績(jī)效高低。第一種方法是傳統(tǒng)的Pool-OLS方法，也就是估計(jì)第四部分的式(7)，另外三種模型設(shè)定分別是：傾向值回歸調(diào)整、傾向值加權(quán)和傾向值分層。本文主要想要觀察的是二分解釋變量(trade)是正負(fù)及其統(tǒng)計(jì)顯著性。表4主要報(bào)告了基于方案14、方案16和方案17匹配樣本的多元回歸分析結(jié)果。模型(1)—(3)分別基于方案14、方案16和方案17的匹配樣本進(jìn)行Pool-OLS回歸；模型(4)—(6)分別基于方案14、方案16和方案17的匹配樣本并加入PS值進(jìn)行Pool回歸；模型(7)—(9)基于方案14的匹配樣本進(jìn)行傾向值加權(quán)分析。

注：限于篇幅，只報(bào)告了處理變量的估計(jì)結(jié)果；模型(1)—(3)分別基于方案14、方案16和方案17的匹配樣本進(jìn)行Pool回歸；模型(4)—(6)分別基于方案14、方案16和方案17的匹配樣本在加入PS值進(jìn)行的Pool回歸；模型(7)—(9)基于方案14的匹配樣本進(jìn)行傾向值加權(quán)分析：對(duì)于估計(jì)ATT，處理組的權(quán)重為1/PS，控制組1/(1-PS)，而要估計(jì)ATT，處理組權(quán)重為1，控制組權(quán)重為PS/(1-PS)；回歸系數(shù)括號(hào)里的數(shù)為穩(wěn)健標(biāo)準(zhǔn)誤；*、**、***分別表示10%、5%、1%水平上顯著。

從表4模型(1)—(3)的實(shí)證回歸結(jié)果來看，貿(mào)易開放地區(qū)與貿(mào)易相對(duì)封閉地區(qū)在全要素碳排放績(jī)效、人均碳排放方面是有顯著差距的，并且貿(mào)易開放對(duì)全要素碳排放績(jī)效的平均處理效應(yīng)是正的，而人均碳排放的平均處理效應(yīng)是負(fù)的，即貿(mào)易開放地區(qū)全要素碳排放績(jī)效水平要高于貿(mào)易相對(duì)封閉地區(qū)，其人均碳排放水平是低于貿(mào)易相對(duì)封閉地區(qū)的。換言之，在其他條件不變的情況下，貿(mào)易開放地區(qū)平均比貿(mào)易相對(duì)封閉地區(qū)全要素碳排放績(jī)效高0.784～0.965，且碳排放少0.444～0.474噸/人。

表4中模型(4)—(6)進(jìn)行了傾向值回歸調(diào)整(也叫做協(xié)變量調(diào)整)，即直接將傾向值作為自變量引入模型，與此同時(shí)仍然將原先的協(xié)變量放到模型中，以增加估計(jì)的貢獻(xiàn)度。結(jié)果同樣顯示，對(duì)全要素碳排放績(jī)效的平均處理效應(yīng)顯著為正，對(duì)人均碳排放的平均處理效應(yīng)顯著為負(fù)。

接下來，需要闡述傾向值加權(quán)分析，根據(jù)ATT、ATE估計(jì)值的不同，分別賦予處理組和控制組不同的權(quán)重，以方案14(最近鄰匹配)的匹配樣本進(jìn)行傾向值加權(quán)回歸分析，其結(jié)果對(duì)應(yīng)于表4中的模型(7)—(9)。表4中的模型(7)—模型(9)結(jié)果表明，貿(mào)易開放地區(qū)平均比貿(mào)易相對(duì)封閉地區(qū)效率高0.535。從處理組的處理效應(yīng)來看，即分配到貿(mào)易開放地區(qū)的省區(qū)全要素碳排放績(jī)效比假定不開放情況平均要高1.063，而針對(duì)人均碳排放的估計(jì)結(jié)果表明，貿(mào)易開放地區(qū)比假定不開放地區(qū)平均要少0.585噸/人。

最后來分析貿(mào)易開放的影響效應(yīng)是如何隨著傾向值分層的改變而改變的。在這一步中，我們基于方案14(最近鄰匹配)匹配樣本傾向值進(jìn)行分層，通過異質(zhì)性處理效應(yīng)模型(HTE)比較不同傾向值分層的貿(mào)易開放影響效應(yīng)。圖1顯示，基于方案14的傾向值分層與平均處理效應(yīng)之間存在線性趨勢(shì)。橫軸表示傾向值分層，縱軸表示貿(mào)易開放對(duì)碳排放績(jī)效的平均處理效應(yīng)。左側(cè)的圖顯示，TFCEP的平均處理效應(yīng)與傾向值分層之間向上傾斜的線性趨勢(shì)，表明貿(mào)易開放對(duì)全要素碳排放績(jī)效的影響效應(yīng)隨著進(jìn)入貿(mào)易開放地區(qū)的傾向性的提高而提高，即越可能成為貿(mào)易開放地區(qū)的省區(qū)效率越高。同理，右側(cè)的圖表明，貿(mào)易開放對(duì)人均碳排放的影響效應(yīng)隨著進(jìn)入貿(mào)易開放地區(qū)的傾向性的提高而降低，即越可能成為貿(mào)易開放地區(qū)的省區(qū)排放越少。其他匹配方案得到類似的結(jié)果，在此不再敘述。

圖1 傾向值分層與平均處理效應(yīng)之間的線性趨勢(shì)

五、穩(wěn)健性檢驗(yàn)

下面將從兩個(gè)方面進(jìn)行穩(wěn)健性分析，第一個(gè)方面是從變量處理方面著手，重新設(shè)定貿(mào)易開放二分變量，即改變研究對(duì)象的分組方式，以此分析貿(mào)易開放對(duì)碳排放的影響結(jié)果；第二個(gè)方面從模型設(shè)定檢驗(yàn)方面出發(fā)，由于先前研究的PSM方法都是針對(duì)可觀測(cè)的選擇偏差(observed bias)進(jìn)行糾正或調(diào)整，沒有考慮未被觀測(cè)的選擇偏差(unobserved bias)。因此，本文采用一個(gè)新的穩(wěn)健性分析的框架——Rosenhaum邊界估計(jì)方法(Rosenhaum′s bounds)，該方法旨在回答這樣一個(gè)問題，估計(jì)結(jié)果對(duì)不可觀測(cè)的異質(zhì)性(隱藏的選擇偏差)有多敏感。

縱觀本文的分析，皆是將研究對(duì)象中每年貿(mào)易開放度排名前10的省區(qū)樣本歸入貿(mào)易開放地區(qū)樣本，余下數(shù)據(jù)則屬于貿(mào)易相對(duì)封閉地區(qū)。然而，在此我們需要改變此劃分方式，以確認(rèn)先前所得到的分析結(jié)果是否會(huì)出現(xiàn)明顯變化。我們將貿(mào)易開放度70%(前30%)分位數(shù)以上或65%(前35%)分位數(shù)以上的省區(qū)樣本定義為貿(mào)易開放地區(qū)樣本*我們?cè)谶M(jìn)行穩(wěn)健性檢驗(yàn)時(shí)，還將貿(mào)易開放度排名前10的省區(qū)歸入貿(mào)易開放地區(qū)樣本，其余樣本屬于貿(mào)易相對(duì)封閉地區(qū)，估計(jì)傾向值和進(jìn)行樣本匹配的結(jié)論也肯定上述研究結(jié)果。，其余小于該比例的省區(qū)樣本歸入貿(mào)易相對(duì)封閉地區(qū)，并再次對(duì)估計(jì)傾向值和進(jìn)行樣本匹配。從表5中的估計(jì)結(jié)果可以發(fā)現(xiàn)，以貿(mào)易開放度進(jìn)入前35%的劃分方式為例，在基于最近鄰匹配、卡尺匹配、馬氏距離匹配和內(nèi)核匹配的不同方法下，結(jié)果變量為全要素碳排放績(jī)效平均處理效應(yīng)(ATT、ATE和ATU)的估計(jì)值均在5%的水平上顯著為正，同樣表明在考慮到可觀測(cè)的選擇偏差以及消除協(xié)變量在兩組間的所有差異后，平均處理效應(yīng)(ATE)的估計(jì)值表明，貿(mào)易開放地區(qū)的全要素碳排放績(jī)效比貿(mào)易相對(duì)封閉地區(qū)平均高0.65～0.91；從處理組的處理效應(yīng)(ATT)來看，貿(mào)易開放地區(qū)比假定不開放情況下平均高1.2～1.6；控制組的處理效應(yīng)(ATU)也表明，貿(mào)易封閉地區(qū)比假定開放情況下平均低0.42～0.63。相較于先前的分析結(jié)果，穩(wěn)健性檢驗(yàn)結(jié)果并未出現(xiàn)顯著而根本的改變。此外，結(jié)果變量為人均碳排放的平均處理效應(yīng)(ATT、ATE和ATU)的估計(jì)值大部分在5%的水平上顯著為負(fù)，同樣表明貿(mào)易開放地區(qū)碳排放要相對(duì)更少些。

表5 穩(wěn)健性檢驗(yàn)(變量處理和模型設(shè)定)

注：匹配方法的估計(jì)值下面括號(hào)內(nèi)為自主抽樣得到的標(biāo)準(zhǔn)誤，使用偏差矯正方法得到的95%置信區(qū)間；最近鄰匹配采用1-to-2匹配；對(duì)于卡尺匹配，卡尺大小為0.969；局部線性回歸匹配和內(nèi)核匹配均采用默認(rèn)內(nèi)核設(shè)定和默認(rèn)帶寬值；基于Rosenhaum邊界估計(jì)方法的顯著性水平上下限是Wilcoxon符號(hào)秩檢驗(yàn)的p值區(qū)間。

另一方面，通過分析Rosenhaum邊界估計(jì)結(jié)果，我們就可以知道不可觀測(cè)的異質(zhì)性是否會(huì)顯著改變估計(jì)結(jié)果。Gamma指的是可歸因于隱藏偏差的可能數(shù)值，如果一個(gè)較小的偏差就可以解釋貿(mào)易開放的影響效應(yīng)，那么基于可觀測(cè)異質(zhì)性的PSM方法估計(jì)的平均處理效應(yīng)對(duì)隱藏偏差較為敏感，其研究結(jié)果是不穩(wěn)健的*如果接近于1的Gamma值能夠使得統(tǒng)計(jì)推論與假定研究不會(huì)有隱藏偏差情況下的統(tǒng)計(jì)推論極為不同，那么該項(xiàng)研究就是敏感的。。從表5可以看出，以結(jié)果變量為TFCEP的方案14為例，當(dāng)Gamma=1、2、3、4的時(shí)候，顯著性水平都在2%以下，而且貿(mào)易開放影響置信區(qū)間的最大值是大于0的，這意味著貿(mào)易開放對(duì)TFCEP的影響基本是為正的。當(dāng)Gamma=4.7的時(shí)候，上限顯著性水平增加到4.8%，而且其置信區(qū)間的最小值小于0。這意味著當(dāng)Gamma>4.7時(shí)，由于異質(zhì)性導(dǎo)致貿(mào)易開放可能性的差異，貿(mào)易開放對(duì)全要素碳排放績(jī)效的影響可能是0。換言之，隱藏偏差或未被觀測(cè)的協(xié)變量需要將暴露發(fā)生比提高到Gamma=4.7倍以上，此時(shí)顯著性區(qū)間才開始變得毫無意義，由于4.7是一個(gè)較大的值，因此可以認(rèn)為研究結(jié)果對(duì)隱藏偏差具有較好的穩(wěn)健性。同樣，對(duì)于結(jié)果變量為人均碳排放的方案14而言，此研究在Gamma=6.8時(shí)開始對(duì)隱藏偏差敏感。當(dāng)Gamma>5時(shí)，由于不可觀測(cè)異質(zhì)性導(dǎo)致貿(mào)易開放的可能性的差異有5倍，貿(mào)易開放對(duì)人均碳排放的影響仍然是顯著為負(fù)的，顯著性水平都在1%左右，5%顯著性水平的置信區(qū)間都小于0。相對(duì)于結(jié)果變量為全要素碳排放績(jī)效的匹配方案，該方案對(duì)非觀測(cè)到的偏差更不敏感。

綜上所述，在5%的顯著性水平上，貿(mào)易開放對(duì)碳排放績(jī)效有顯著的影響。由于不可觀測(cè)的異質(zhì)性，導(dǎo)致貿(mào)易開放的可能性存在較小程度的差異時(shí)并不會(huì)導(dǎo)致估計(jì)結(jié)果發(fā)生顯著的改變。這也意味著基于可觀測(cè)異質(zhì)性的PSM估計(jì)方法是適用的，估計(jì)結(jié)果是穩(wěn)健的。

六、主要結(jié)論及評(píng)述

一國(guó)貿(mào)易開放地區(qū)碳排放績(jī)效是否相對(duì)多于非貿(mào)易開放地區(qū)呢？貿(mào)易開放對(duì)碳排放績(jī)效的平均影響效應(yīng)到底有多大呢？關(guān)于這些議題，相當(dāng)多的學(xué)者只是分區(qū)域進(jìn)行計(jì)量回歸，進(jìn)而比較估計(jì)結(jié)果，并未考慮區(qū)域間研究樣本在協(xié)變量上普遍存在的差異，即貿(mào)易開放程度較高地區(qū)與貿(mào)易開放程度較低地區(qū)的相對(duì)碳排放高低并不能判定為是由貿(mào)易開放度超過某一比例所導(dǎo)致的，也就是樣本的非隨機(jī)特性將會(huì)使樣本被劃分到貿(mào)易開放地區(qū)樣本或是貿(mào)易相對(duì)封閉地區(qū)樣本，從而對(duì)碳排放績(jī)效差距的評(píng)估產(chǎn)生干擾，會(huì)導(dǎo)致樣本的選擇偏誤估計(jì)誤差。

基于此，根據(jù)1999—2014年中國(guó)省區(qū)樣本數(shù)據(jù)，利用Rubin(1974)與 Rosenbaum et al.(1983)所發(fā)展的傾向得分匹配方法，通過進(jìn)行樣本匹配，建構(gòu)與貿(mào)易開放地區(qū)樣本之協(xié)變量相類似的貿(mào)易相對(duì)封閉地區(qū)樣本，進(jìn)而分析兩組省區(qū)樣本的碳排放差距，以降低選擇偏誤估計(jì)誤差。本文的實(shí)證研究結(jié)果顯示，綜合考慮匹配共同支持域規(guī)模、平衡性檢驗(yàn)及差異減少百分比之后，在三個(gè)logit模型中，發(fā)現(xiàn)基于logit 6中的協(xié)變量組合進(jìn)行匹配是更為可靠的和有效的。同時(shí)，基于logit 6模型的協(xié)變量進(jìn)行貪婪匹配(最近鄰匹配、卡尺匹配和馬氏距離匹配)，其平均處理效應(yīng)(ATE)估計(jì)值都落入95%置信區(qū)間，表明貿(mào)易開放地區(qū)的全要素碳排放績(jī)效比貿(mào)易相對(duì)封閉地區(qū)平均高0.692～1.009；從貿(mào)易開放地區(qū)的平均處理效應(yīng)(ATT)來看，其全要素碳排放績(jī)效比假定封閉時(shí)平均要高1.111～1.635；而貿(mào)易相對(duì)封閉地區(qū)的平均處理效應(yīng)(ATU)顯示，該地區(qū)的全要素碳排放績(jī)效與假定該地區(qū)貿(mào)易開放時(shí)平均要低0.478～0.739。結(jié)果變量為人均碳排放的平均處理效應(yīng)估計(jì)值表明，貿(mào)易開放對(duì)人均碳排放的影響顯著為負(fù)，貿(mào)易開放地區(qū)的人均碳排放比貿(mào)易相對(duì)封閉地區(qū)平均少0.648～0.709噸/人。使用非參數(shù)回歸的估計(jì)量(局部線性回歸匹配和內(nèi)核匹配)研究也肯定以上結(jié)果。我們就分析結(jié)果對(duì)帶寬和修剪的不同設(shè)定的敏感性進(jìn)行了檢驗(yàn)，也證實(shí)了以上結(jié)論。另外，基于匹配樣本的傾向值的計(jì)量回歸分析結(jié)果也表明，貿(mào)易開放程度較高地區(qū)有更高的碳排放績(jī)效。

接下來，我們從變量處理和模型設(shè)定檢驗(yàn)兩個(gè)方面進(jìn)行穩(wěn)健性檢驗(yàn)。在變量處理方面，重新設(shè)定貿(mào)易開放二分變量，將貿(mào)易開放度65%(前35%)分位數(shù)以上或70%(前30%)分位數(shù)以上的省區(qū)樣本定義為貿(mào)易開放地區(qū)樣本，由此得到我們的基本分析結(jié)論——兩組省區(qū)樣本的碳排放存在顯著差異，并未出現(xiàn)改變。在模型設(shè)定檢驗(yàn)方面，使用Rosenhaum邊界估計(jì)方法考察估計(jì)結(jié)果對(duì)不可觀測(cè)的異質(zhì)性(隱藏的選擇偏差)的敏感性。結(jié)果顯示，由于不可觀測(cè)的異質(zhì)性導(dǎo)致貿(mào)易開放的可能性，出現(xiàn)較小程度的差異并不會(huì)導(dǎo)致估計(jì)結(jié)果發(fā)生顯著的改變。這也意味著基于可觀測(cè)異質(zhì)性的PSM估計(jì)方法是適用的，估計(jì)結(jié)果是穩(wěn)健的。

總之，我們的研究發(fā)現(xiàn)，貿(mào)易開放地區(qū)有更強(qiáng)的環(huán)境管理能力，在對(duì)外貿(mào)易與環(huán)境質(zhì)量二者之間存在協(xié)調(diào)發(fā)展、良性互促的可能性。由于與國(guó)外較多聯(lián)系，貿(mào)易開放地區(qū)在全球生產(chǎn)網(wǎng)絡(luò)中開始向價(jià)值鏈的中高端環(huán)節(jié)躍進(jìn)，而不再是僅僅局限在依靠低廉的勞動(dòng)力價(jià)格以及能源要素為優(yōu)勢(shì)的低端加工組裝環(huán)節(jié)。其帶來的國(guó)際分工能夠?qū)⑸a(chǎn)階段分解到不同國(guó)家，在產(chǎn)品生產(chǎn)的各個(gè)工序環(huán)節(jié)就可以實(shí)現(xiàn)資源的最佳配置，由此獲得規(guī)模經(jīng)濟(jì)帶來的好處，進(jìn)而大大降低能耗水平。同時(shí)，貿(mào)易開放可以通過多種渠道強(qiáng)化其在技術(shù)與環(huán)境管理方面的溢出效應(yīng)，不僅可以使該地區(qū)更容易接觸到與節(jié)能減排相關(guān)的先進(jìn)技術(shù)和管理經(jīng)驗(yàn)，還能通過提高地區(qū)競(jìng)爭(zhēng)力方式以更有效地利用資源和減少碳排放，以滿足國(guó)外消費(fèi)者對(duì)清潔產(chǎn)品的要求，幫助該地區(qū)實(shí)現(xiàn)以技術(shù)為導(dǎo)向的可持續(xù)發(fā)展能力轉(zhuǎn)型。許多學(xué)者認(rèn)為，貿(mào)易是一種重要的促進(jìn)經(jīng)濟(jì)發(fā)展的手段，只有貿(mào)易手段運(yùn)用的不恰當(dāng)才會(huì)導(dǎo)致環(huán)境污染的問題，因此，在國(guó)際貿(mào)易自由化的背景下，通過環(huán)境政策改革和不同區(qū)域之間的政策協(xié)調(diào)或許可以避免這一問題(Jayadevappa et al.，2000)。所以，無論是貿(mào)易開放地區(qū)還是貿(mào)易相對(duì)封閉地區(qū)都應(yīng)通過加強(qiáng)環(huán)境規(guī)制來應(yīng)對(duì)貿(mào)易的環(huán)境影響。特別是對(duì)貿(mào)易相對(duì)封閉地區(qū)而言，由于與外界聯(lián)系較少，尤其需要通過政府的干預(yù)來強(qiáng)化環(huán)境規(guī)制，抑制發(fā)展碳密集型產(chǎn)業(yè)的沖動(dòng)，走綠色工業(yè)化和城鎮(zhèn)化道路，從而減少碳排放差距。鑒于較長(zhǎng)時(shí)期內(nèi)中國(guó)仍然會(huì)存在區(qū)域性非平衡的貿(mào)易模式，總體上仍然有利于貿(mào)易開放地區(qū)的碳減排，不利于貿(mào)易相對(duì)封閉地區(qū)的碳減排，因此，貿(mào)易開放地區(qū)應(yīng)向貿(mào)易相對(duì)封閉地區(qū)提供節(jié)能技術(shù)、設(shè)備、資金以及人才培訓(xùn)等多方面的支持，而中央政府可以通過完善排放責(zé)任核算機(jī)制，引人共擔(dān)責(zé)任機(jī)制，促進(jìn)區(qū)域間的環(huán)境治理合作。

何潔. 2010. 國(guó)際貿(mào)易對(duì)環(huán)境的影響:中國(guó)各省的二氧化硫(SO2)工業(yè)排放[J]. 經(jīng)濟(jì)學(xué)(季刊)(2):29-60.

李鍇,齊紹洲. 2011. 貿(mào)易開放、經(jīng)濟(jì)增長(zhǎng)與中國(guó)二氧化碳排放[J]. 經(jīng)濟(jì)研究(11):60-72.

李小平,盧現(xiàn)祥. 2010. 國(guó)際貿(mào)易、污染產(chǎn)業(yè)轉(zhuǎn)移和中國(guó)工業(yè)CO2排放[J]. 經(jīng)濟(jì)研究(1):15-26.

劉宇. 2015. 中國(guó)主要雙邊貿(mào)易隱含二氧化碳排放測(cè)算:基于區(qū)分加工貿(mào)易進(jìn)口非競(jìng)爭(zhēng)型投入產(chǎn)出表[J]. 財(cái)貿(mào)經(jīng)濟(jì)(5):96-108.

姚樹潔,韋開蕾. 2007. 中國(guó)經(jīng)濟(jì)增長(zhǎng)、外商直接投資和出口貿(mào)易的互動(dòng)實(shí)證分析[J]. 經(jīng)濟(jì)學(xué)(季刊)(1):151-170.

AL-MULALI U, OZTURK I, LEAN H H. 2015. The influence of economic growth,urbanization,trade openness,financial development, and renewable energy on pollution in Europe [J]. Natural Hazards, 79(1):621-644.

ANTWEILER W, COPELAND B R, TAYLOR M S. 2001. Is free trade good for the environment [J]. The American Economic Review, 91(4):877-908.

AUSTIN P C. 2009. Some methods of propensity-score matching had superior performance to others: results of an empirical investigation and Monte Carlo Simulations [J]. Biometrical Journal Biometrische Zeitschrift, 51(1):171-184．

BARRO R J, LEE J W. 1993. International comparisons of educational attainment [J]. Journal of Monetary Economics, 32(3):363-394.

BROOKHART M A, SCHNEEWESS S, ROTHMAN K J, et al. 2006. Variable selection for propensity score models [J]. American Journal of Epidemiology, 163(12):1149-1156.

CALDWELL L K. 1996. Trading up: consumer and environmental regulation in a global economy [J]. American Political Science Review, 90(2):322-473.

CANTORE N, PADILLA E. 2010. Equality and CO2emissions distribution in climate change integrated assessment modeling [J]. Energy, 35(1):298-313.

CHAKRABORTY D, MUKHERJEE S. 2013. How do trade and investment flows affect environmental sustainability? Evidence from panel data [J]. Environmental Development, 6(6):34-47.

CLARKE-SATHER A, QU J, WANFG Q, et al. 2011. Carbon inequality at the sub-national scale: a case study of provincial-level inequality in CO2emissions in China 1997—2007 [J]. Energy Policy, 39(9):5420-5428.

COPELAND B R. 2012. International trade and green growth [R]. World Bank Policy Research Working Paper 6235.

DONG Y, ISHIKAWA M, HAGIWARA T. 2015. Economic and environmental impact analysis of carbon tariffs on Chinese exports [J]. Energy Economics, 50(4):80-95.

DIAMOND A, SEKHON H U. 2006. Genetic matching for estimating causal effects: a general multivariate matching method for achieving balance in observational studies [J]. Review of Economics and Statistics, 95(3):932-945.

FARHANI S, CHAIBI A, RAULT C. 2014. CO2emissions,output,energy consumption,and trade in Tunisia [J]. Economic Modelling, 38(1):426-434

FARHANI S, OZTURK I. 2015. Causal relationship between CO2,emissions,real GDP,energy consumption,financial development,trade openness,and urbanization in Tunisia [J]. Environmental Science and Pollution Research, 22(20):15663-15676.

FREEDMAN D A, BERK R A. 2008. Weighting regressions by propensity scores [J]. Evaluation Review, 32(4):392-409.

FUKUYAMA H, WEBER W L. 2009. Output slacks-adjusted cost efficiency and value-based technical efficiency in dea models [J]. Journal of the Operations Research Society of Japan, 52(2):86-104.

HE J. 2006. Pollution haven hypothesis and environmental impacts of foreign direct investment: the case of industrial emission of Sulfur Dioxide (SO2) in Chinese provinces [J]. Ecological Economics, 60(1):228-245.

HIRANO K, IMBENS G. 2001. Estimation of causal effects using propensity score weighting: an application to data on right heart catheterization [J]. Health Services & Outcomes Research Methodology, 2(3-4):259-278.

IPCC. 2014. IPCC fifth assessment report-climate change 2014: synthesis report 2014 [M]. [S.l.]: Cambridge university press．

ISLAM M, KANEMOTO K, MANAGI S. 2016. Impact of trade openness and sector trade on embodied greenhouse gases emissions and air pollutants [J]. Journal of Industrial Ecology, 20(3):494-505.

JAYADEVAPPA R, CHHATRE S. 2000. International trade and environmental quality: a survey [J]. Ecological Economics, 32(2):175-194．

JUDITH M D. 2002. Does trade liberalization harm the environment? A new test [J]. Canadian Journal of Economics, 35(4):819-842．

KANG J D Y, SCHAFER J L. 2007. Demystifying double robustness: a comparison of alternative strategies for estimating a population mean from incomplete data [J]. Statistical Science, 22(4):523-580.

KASMAN A, DUMAN Y S. 2015. CO2emissions,economic growth,energy consumption,trade and urbanization in new EU member and candidate countries:a panel data analysis [J]. Economic Modelling, 44(44):97-103

KOHLER M. 2013. CO2emissions,energy consumption,income and foreign trade:a South African perspective [J]. Energy Policy, 63(6):1042-1050

LIU Y, XIAO H, ZHANG N. 2016. Industrial carbon emissions of China′s regions:a spatial econometric analysis [J]. Sustainability, 8(3):1-14.

MATTHIAS M, SILBERBERGER M. 2013. Trade in pollutive industries and the stringency of environmental regulations [J]. Applied Economics Letters, 20(4):320-323.

MCAUSLAND C. 2008. Trade,politics,and the environment: Tailpipe VS Smokestack [J]. Journal of Environmental Economics and Management, 55(1):52-71．

MCCAFFREY D F, RIDGEWAY G, MORRAL A R. 2004. Propensity score estimation with boosted regression for evaluating causal effects in observational studies [J]. Psychological Methods, 9(4):403-425.

MICHALEK G, SCHWARZE R. 2015. Carbon leakage: pollution,trade or politics [J]. Environment,Development and Sustainability, 17(6):1471-1492.

MORGAN S L, HARDING D J. 2006. Matching estimators of causal effects: prospects and pitfalls in theory and practice [J]. Sociological Methods and Research, 35(1):3-60.

MORGAN S L, WINSHIP C. 2007. Counterfactuals and causal inference: methods and principles for social research [M]. New York: Cambridge University Press.

PAROUSSOS L, FRAGKOS P, CAPROS P, et al. 2015. Assessment of carbon leakage through the industry channel: the EU perspective [J]. Technological Forecasting & Social Change, 90:204-219.

PERKINS R, NEUMAYER E. 2012. Do recipient country characteristics affect International spillovers of CO2-efficiency via trade and foreign direct investment [J]. Climate Change, 112(2):469-491.

PRELL C, SUN L. 2015. Unequal carbon exchanges: understanding pollution embodied in global trade [J]. Environmental Sociology, 1(4):256-267.

ROSENBAUM P R, RUBIN D B. 1983. The central role of the propensity score in observational studies for causal effects [J]. Biometrika, 70(1):41-55.

ROSENBAUM P R, RUBIN D B. 1985. Constructing a control group using multivariate matched sampling methods that incorporate the propensity Score [J]. American Statistician, 39(1):33-38.

RUBIN D B. 1974. Estimating causal effects of treatments in randomized and non-randomized studies [J]. Journal of Educational Psychology, 66(1):688-701.

SHAHBAZ M, HYE Q M A, TIWARI A K, et al. 2013. Economic growth,energy consumption,financial development,international trade and CO2emissions in Indonesia [J]. Renewable & Sustainable Energy Reviews, 25(25):109-121

XIE Y, BRAND J, JANN B. 2012. Estimating heterogeneous treatment effects with observational data [J]. Sociological Methodology, 42(1):314-347.

XU S C, HE Z X, LONG R Y, et al. 2016. Impacts of economic growth and urbanization on CO2emissions: regional differences in China based on panel estimation [J]. Regional Environmental Change, 16(3):1-11.

YAO X, ZHOU H, ZHANG A, et al. 2015. Regional energy efficiency,carbon emission performance and technology gaps in China: a meta-frontier non-radial directional distance function analysis [J]. Energy Policy, 84:142-154.

ZHANG Y, ZHANG J, YANG Z. 2011. Regional differences in the factors that influence China′s energy-related carbon emissions,and potential mitigation strategies [J]. Energy Policy, 39(12):7712-7718.