中國碳排放權(quán)交易試點(diǎn)的碳減排政策效應(yīng)研究

劉傳明 孫喆 張瑾

摘要碳排放權(quán)交易是將二氧化碳排放權(quán)賦予商品屬性，允許其在市場上交易的行為，通過市場機(jī)制達(dá)到減少二氧化碳排放的目的，碳排放權(quán)交易已經(jīng)成為減少二氧化碳排放的重要途徑。中國于2013年啟動(dòng)上海、北京、廣東、深圳、天津、湖北、重慶等七省市的碳排放交易權(quán)試點(diǎn)。為了對碳排放權(quán)交易試點(diǎn)的碳減排效應(yīng)進(jìn)行研究，本文基于1995—2016年中國省際面板數(shù)據(jù)采用合成控制法對碳交易試點(diǎn)的減排效果進(jìn)行考察，并將合成控制法與雙重差分方法相結(jié)合對碳交易試點(diǎn)的減排效應(yīng)進(jìn)行穩(wěn)健性檢驗(yàn)。研究發(fā)現(xiàn)：①碳排放權(quán)交易試點(diǎn)的實(shí)施降低了二氧化碳排放，但是由于各試點(diǎn)在經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)等方面存在差異，導(dǎo)致各試點(diǎn)省份的碳減排效果存在異質(zhì)性，合成控制法的分析結(jié)果表明廣東、天津、湖北、重慶等試點(diǎn)省市的碳減排效果較為明顯。②合成控制-雙重差分法的分析結(jié)果表明碳排放權(quán)交易政策的回歸系數(shù)顯著為負(fù)且通過了顯著性水平檢驗(yàn)，這意味著碳排放權(quán)交易政策顯著減少二氧化碳排放的結(jié)論較為穩(wěn)健。③碳排放權(quán)交易政策對于碳排放權(quán)的出售方而言通過市場收益誘導(dǎo)效應(yīng)、技術(shù)創(chuàng)新激勵(lì)效應(yīng)、政府支持效應(yīng)等效應(yīng)實(shí)現(xiàn)碳減排;對于碳排放權(quán)的購買方而言則通過企業(yè)成本壓力效應(yīng)、工藝革新動(dòng)力效應(yīng)、市場引導(dǎo)效應(yīng)等效應(yīng)實(shí)現(xiàn)碳減排。④根據(jù)以上研究結(jié)論，本文提出以下政策建議：各試點(diǎn)省市在制定減排政策時(shí)不能采取一刀切，應(yīng)因地制宜的進(jìn)行碳交易試點(diǎn)的建設(shè)，從而實(shí)現(xiàn)碳減排目標(biāo)、促進(jìn)經(jīng)濟(jì)的綠色發(fā)展。

關(guān)鍵詞碳排放權(quán)交易;碳減排;合成控制法;作用機(jī)制

中圖分類號 F062.1

文獻(xiàn)標(biāo)識碼A文章編號1002-2104（2019）11-0049-10DOI：10.12062/cpre.20190619

新制度經(jīng)濟(jì)學(xué)認(rèn)為在交易費(fèi)用不為零的情況下，可以將界定的產(chǎn)權(quán)在自由市場上交換和買賣，由于產(chǎn)權(quán)是明晰的，市場上的行為個(gè)體為了降低交易費(fèi)用，將資源通過市場手段配置到產(chǎn)出最大成本最低的地方[1-2]，正是市場機(jī)制、競爭機(jī)制、成本收益機(jī)制的引入，內(nèi)化了公共產(chǎn)品產(chǎn)生的負(fù)外部效應(yīng)，從而避免了公地悲劇的發(fā)生[3]，新制度經(jīng)濟(jì)學(xué)的產(chǎn)權(quán)理論對全球變暖問題的解決具有重要指導(dǎo)價(jià)值。目前全球變暖已成為威脅人類可持續(xù)發(fā)展的世界性環(huán)境問題，受到世界各國的高度重視，2013年政府間氣候變化專門委員會(huì)第五次評估報(bào)告預(yù)測在21世紀(jì)期間全球地表溫度在最低排放情景下可能進(jìn)一步升高0.3至1.7℃。為了解決全球變暖問題，福利經(jīng)濟(jì)學(xué)家庇古提出可以通過征收庇古稅、排污收費(fèi)、轉(zhuǎn)讓排污許可證等手段來解決外部性問題，這些手段雖然可以使部分外部效應(yīng)內(nèi)部化，但是并不能徹底解決公地悲劇問題。Dales[4]提出的排污權(quán)交易則是在排污總量不超過許可排污量的前提下，采用市場交易手段對排污權(quán)進(jìn)行交易以實(shí)現(xiàn)減排的目的。因此，碳排放交易權(quán)成為應(yīng)對全球氣候變暖的市場機(jī)制和關(guān)鍵工具[5]。2011年國家發(fā)改委發(fā)布了《關(guān)于開展碳排放權(quán)交易試點(diǎn)工作的通知》批準(zhǔn)上海、北京、廣東、深圳、天津、湖北、重慶等七省市開展碳排放交易權(quán)試點(diǎn)，并于2013年正式啟動(dòng)碳交易試點(diǎn)。那么我們面臨的問題是：碳交易試點(diǎn)的實(shí)施是否降低了試點(diǎn)省份的二氧化碳排放量？碳交易試點(diǎn)的碳減排機(jī)制是什么？這些問題的回答對于應(yīng)對全球變暖問題，繼而完成中國既定的碳減排目標(biāo)具有重要的理論和現(xiàn)實(shí)意義。

1文獻(xiàn)綜述

從現(xiàn)有研究進(jìn)展看，目前對碳交易政策評估的研究根據(jù)研究方法的不同主要分為以下三類：第一類，采用單差法通過對比碳交易試點(diǎn)實(shí)施前后二氧化碳排放量的變化來說明碳交易試點(diǎn)的實(shí)施效果[6-7]。雖然單差法可以直觀的對比出碳交易試點(diǎn)實(shí)施前后碳排放量的變化，但不能將碳交易試點(diǎn)實(shí)施期間其他因素（如：技術(shù)進(jìn)步、生產(chǎn)工藝革新）所導(dǎo)致的碳排放量的變化與碳交易試點(diǎn)的政策效應(yīng)進(jìn)行有效剝離，若僅對試點(diǎn)省份和非試點(diǎn)省份的碳排放量進(jìn)行比較，容易將不同省份在碳交易實(shí)施前可能存在的不可觀測的系統(tǒng)性差異誤認(rèn)為碳交易政策的影響。第二類，采用雙重差分法對碳排放權(quán)交易的政策效應(yīng)進(jìn)行評估[8]，雙重差分法需要滿足實(shí)驗(yàn)組和對照組的碳排放具有共同趨勢假定，事實(shí)上，不僅各地區(qū)碳排放量存在顯著差異[9]，而且碳排放的收斂速度也存在明顯區(qū)域異質(zhì)性[10]，在不滿足平行趨勢假設(shè)時(shí)雙重差分法不能將政策效應(yīng)和其他影響因素的減排效應(yīng)進(jìn)行完全剝離[11]。第三類，Heckman[12]將傳統(tǒng)DID方法發(fā)展為PSMDID，因此，學(xué)術(shù)界廣泛采用PSMDID對碳交易試點(diǎn)的政策效應(yīng)進(jìn)行研究[13-15]。雖然PSMDID在大樣本情況下能夠保證匹配效果最優(yōu)，使研究結(jié)論更具可信性，但是PSMDID有其嚴(yán)格的適用條件，首先，PSMDID在大樣本的情況下才能使匹配結(jié)果更優(yōu)[11]，由于碳交易試點(diǎn)僅有7個(gè)省市，實(shí)施時(shí)間也不過區(qū)區(qū)6年，因此碳交易試點(diǎn)的研究樣本并不滿足大樣本要求。其次，PSMDID僅僅可以對可觀察變量進(jìn)行控制，忽視了對不可觀測變量的控制，從而導(dǎo)致估計(jì)偏差[16]。再次，PSMDID將碳交易政策覆蓋的所有省份作為一個(gè)整體進(jìn)行分析，得到的結(jié)論只是整體的政策效果。事實(shí)可能并非如此，一方面，實(shí)施碳交易政策的省份在經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、能源效率等方面存在較大差異，即使實(shí)施了同樣政策所達(dá)到的政策效果也不盡相同。另一方面，碳交易政策實(shí)施后各省份在落實(shí)政策時(shí)所采取的配套措施不同，政策落實(shí)效率也存在差異，因此，所達(dá)到的政策效果也存在異質(zhì)性。因此，如何科學(xué)的選擇對照組成為學(xué)者們所研究的重點(diǎn)問題。

為了彌補(bǔ)已有研究的局限，本文根據(jù)Abadie[17]所采用的合成控制法對碳排放交易試點(diǎn)的實(shí)施效果進(jìn)行評估。與其他方法相比，合成控制法具有以下三方面優(yōu)點(diǎn)：第一，合成控制法解決了現(xiàn)實(shí)中難以尋找合適的對照組滿足實(shí)驗(yàn)組基本特征的難題，在除政策覆蓋省份之外的其他省份中提取部分信息構(gòu)建一個(gè)虛擬的對照組，這一對照組在政策實(shí)施之前與實(shí)驗(yàn)組具有完全相同的演變趨勢，觀察在政策實(shí)施之后碳排放是否出現(xiàn)政策跳躍。第二，在構(gòu)建對照組權(quán)重時(shí)通過測度預(yù)測變量之間的距離確定權(quán)重的取值，從而減少了主觀因素對政策效果的影響，而且可以明確展示出實(shí)驗(yàn)組與合成對照組在政策實(shí)施之前的相似程度，從而避免了將差距較大的省份作為對照組所產(chǎn)生的誤差問題。第三，采用合成控制法構(gòu)建的虛擬對照組是未實(shí)施碳交易試點(diǎn)省份的加權(quán)平均，因此可以避免過度外推問題，通過權(quán)重設(shè)置可以反映未成為碳交易試點(diǎn)的省份在構(gòu)造反事實(shí)狀態(tài)時(shí)的貢獻(xiàn)。

充分發(fā)揮市場在碳排放權(quán)配置中的決定性作用，此外，高碳排放企業(yè)可以以市場為導(dǎo)向加快淘汰高耗能、高污染、低效益的落后產(chǎn)能，從而降低了二氧化碳排放。

碳排放權(quán)交易政策對低碳排放的技術(shù)密集型企業(yè)而言，主要通過市場收益誘導(dǎo)效應(yīng)、技術(shù)創(chuàng)新激勵(lì)效應(yīng)和政府支持效應(yīng)降低二氧化碳排放，具體而言：①市場獲益誘導(dǎo)效應(yīng)。技術(shù)密集型企業(yè)可以憑借先進(jìn)的生產(chǎn)技術(shù)和清潔的生產(chǎn)工藝降低二氧化碳排放，并將節(jié)約的碳排放權(quán)在碳交易市場上出售給高碳排放企業(yè)獲取額外利潤，在市場收益的誘導(dǎo)下企業(yè)傾向于降低二氧化碳排放。②技術(shù)創(chuàng)新激勵(lì)效應(yīng)。學(xué)術(shù)界對技術(shù)創(chuàng)新的碳減排效應(yīng)均予以肯定，Goodchild & Toy[18]和Parket al.[19]發(fā)現(xiàn)技術(shù)進(jìn)步能夠顯著降低二氧化碳排放。當(dāng)?shù)吞寂欧牌髽I(yè)轉(zhuǎn)讓碳排放權(quán)所帶來的收益高于技術(shù)創(chuàng)新成本時(shí)，低碳排放企業(yè)將更加注重清潔技術(shù)的研發(fā)，一旦技術(shù)研發(fā)成功并投入到生產(chǎn)可以有效降低二氧化碳排放。③政府政策支持效應(yīng)。對于低碳排放企業(yè)而言，政府會(huì)對低碳排放的企業(yè)進(jìn)行補(bǔ)貼，一方面，企業(yè)在政府補(bǔ)貼和減稅政策的激勵(lì)下更加專注于技術(shù)研發(fā)，另一方面，政府補(bǔ)貼政策可以有效緩解企業(yè)的融資約束，增強(qiáng)企業(yè)用于研發(fā)的資金投入。伴隨著技術(shù)的進(jìn)步以及技術(shù)溢出效應(yīng)的增強(qiáng)，試點(diǎn)省份的整體技術(shù)水平會(huì)得到顯著提高，從而降低了試點(diǎn)地區(qū)的二氧化碳排放。

3研究設(shè)計(jì)與數(shù)據(jù)說明

3.1合成控制法

考慮到合成控制法在構(gòu)造對照組方面具有的獨(dú)特優(yōu)勢，本文根據(jù)Abadie[17]提出的合成控制法對碳交易試點(diǎn)的碳減排效應(yīng)進(jìn)行評估。從現(xiàn)有的研究進(jìn)展看，合成控制法不僅被運(yùn)用到碳交易試點(diǎn)對產(chǎn)業(yè)結(jié)構(gòu)升級的影響領(lǐng)域[20]，而且還被應(yīng)用于低碳試點(diǎn)的政策效果評估方面[21-22]。

給定K+1個(gè)省份在t∈[1，T]期內(nèi)的二氧化碳排放量，其中CIit表示第i個(gè)省份在時(shí)間t上沒有成為碳交易試點(diǎn)時(shí)的碳排放量，CNit表示第i個(gè)省份在時(shí)間t上成為碳交易試點(diǎn)的碳排放量，假定第i個(gè)省份在時(shí)間t=T0時(shí)被確定為碳交易試點(diǎn)，則[1，T0]期內(nèi)該省份的二氧化碳排放量不受到碳交易政策的影響，即CNit=CIit;碳交易政策實(shí)施之后，即[T0+1，T]期內(nèi)，我們采用effect=CIit-CNit表示碳交易政策給第i個(gè)省份帶來的碳減排效應(yīng)。對于成為碳交易試點(diǎn)的省份，我們可以測算出它的二氧化碳排放量CNit，由于該省份在沒有成為碳交易試點(diǎn)時(shí)的碳排放數(shù)據(jù)CIit是無法觀測到的，因此本文采用Abadie[17]提出的基于參數(shù)回歸的因子模型對CIit進(jìn)行估計(jì)。

CIit=τt+βtXi+γtνi+μit

上式中τt是所有省份碳排放的時(shí)間固定效應(yīng)，Xi表示可以觀測到的協(xié)變量，表示不受碳交易政策影響的控制變量;βt是一個(gè)未知參數(shù)向量，γt是一個(gè)無法觀測的公共因子向量，vi是不可觀測的省份固定效應(yīng);μit是不可觀測到的短期沖擊在省際水平上的均值為0。具體的，本文選取目標(biāo)省份2000—2013年的人均GDP、產(chǎn)業(yè)結(jié)構(gòu)、人口密度、FDI、能源消費(fèi)強(qiáng)度等變量作為預(yù)測變量。

我們假設(shè)第一個(gè)省份（i=1）成為了碳交易試點(diǎn)，其余K個(gè)省份i=2，……， K+1均不是碳交易試點(diǎn)。考慮一個(gè)（K×1）維的向量權(quán)重W=（w2，…wk+1）以使wk≥0，k=2，…K+1，且w2+…，wk+1=1。每一個(gè)向量W的特征值都表示一個(gè)合成控制的組合，也就是合成K個(gè)省份二氧化碳的特定權(quán)重。針對每個(gè)對照組省份的結(jié)果變量值，經(jīng)過加權(quán)后得到了：

已有研究證明，通常情況下碳排放權(quán)交易政策實(shí)施之前的時(shí)間段相對于碳排放交易權(quán)實(shí)施之后的時(shí)間段較長，那么，上式右邊的均值將趨于0。在碳排放權(quán)交易政策實(shí)施之后的時(shí)間段（即2013—2016年）可以將∑K+1k=2w*kCkt作為CNIt的無偏估計(jì)量，在北京、天津、上海、湖北、重慶、廣東實(shí)施的碳排放權(quán)交易所得到的碳減排效果的估計(jì)值為：

1t=C1t-∑K+1k=2w*kCkt，t∈[T0+1，…，T]

對碳減排效果1t進(jìn)行估計(jì)的重點(diǎn)和難點(diǎn)就是找到某一特殊的權(quán)重W*=（w*2，w*3，…，w*k，w*k+1）。

W*需要第一個(gè)省份的特征向量（C11，…C1r0，Z′1），位于除北京、天津、上海、湖北、重慶、廣東之外的其他省份特征向量組的凸組合{（C21，…，C2r0，Z′2），…（CK+11，…，CK+1r0，Z′k+1）}集合范圍之內(nèi)。但是通常不存在這樣一個(gè)特殊的權(quán)重使得（3）成立，因此，需要一個(gè)近似的值來確定權(quán)重。接下來本文定義一個(gè)向量M=（m1，…mr0）表示政策實(shí)施前后結(jié)果的線性組合：Mi=∑T0s=1msCis。例如，如果m1=m2=…=mT0-1=0，mT0=1，則Mi=CiT0，這表示結(jié)果變量值恰好是政策實(shí)施前的某一時(shí)間段;如果m1=m2=…=mT0-1=1/T0，則Mi=T-10∑T0s=1Cis，則表示結(jié)果變量值是政策實(shí)施前期的平均結(jié)果。定義F作為向量M1，…，MF的線性組合，X1=（Z′1，M1i，…MF1）作為實(shí)施碳排放交易權(quán)政策的省份在實(shí)施前期的（（r+M）×1）維特征向量。相似的定義X0為一個(gè)（（r+M）×K）的矩陣，涵蓋了K個(gè)未被列為碳排放交易權(quán)的省份的對應(yīng)的特征向量，即X0的第k列為（Z′1，M11，…MFk）。本文通過最小化X1和X0W的距離||X1-X0W||來確定W*，同時(shí)使得wk≥0，k=2，…，K+1，且各省份的權(quán)重w2+…+wk+1=1。根據(jù)Abadie教授所采用的||X1-X0W||v=（X1-X0W）′V（X1-X0W）來測度距離，其中V是對稱半正定矩陣（Symmetric and Positive Semidefinite Matrix）。盡管我們的推斷過程對任意的V都有效，但是V的選擇會(huì)對估計(jì)值的均方誤產(chǎn)生影響。V的最優(yōu)選擇是賦予X1和X0中變量一個(gè)合理的權(quán)重，以最小化合成控制值的均方誤。本文利用數(shù)據(jù)驅(qū)動(dòng)的方式得到了對稱半正定矩陣使得合成省份近似試點(diǎn)省份在成為試點(diǎn)之前二氧化碳排放的運(yùn)動(dòng)軌跡。

3.2指標(biāo)選取

（1）二氧化碳的測度方法?？諝庵械亩趸贾饕獊碓从诨剂系娜紵?。因此，根據(jù)各省化石燃料的消耗量來估算二氧化碳是二氧化碳測度的主流方法。本文根據(jù)IPCC準(zhǔn)則提供的各類化石能源的碳排放系數(shù)（如表1）進(jìn)行估算，具體估算公式如下：

CO2=∑7i=1Ei×NCVi×CEFi

其中，CO2表示二氧化碳的估算值;i表示煤炭、天然氣、焦炭、燃料油、汽油、煤油、柴油七類化石燃料。E表示化石燃料的消耗量，NCV表示平均低位發(fā)熱量，CEF表示碳排放系數(shù)。

（2）控制變量。本文預(yù)測變量的選擇主要考慮以下變量：①經(jīng)濟(jì)發(fā)展水平（rgdp）通過規(guī)模效應(yīng)增加二氧化碳排放又通過技術(shù)效應(yīng)和結(jié)構(gòu)效應(yīng)降低二氧化碳排放，本文采用人均GDP作為經(jīng)濟(jì)發(fā)展的衡量指標(biāo)。②產(chǎn)業(yè)結(jié)構(gòu)（indu）：二氧化碳排放主要來源于化石燃料的燃燒，因此本文采用第二產(chǎn)業(yè)占地區(qū)生產(chǎn)總值的比值來反映產(chǎn)業(yè)結(jié)構(gòu)對二氧化碳排放的影響。③服務(wù)業(yè)發(fā)展水平（serv），服務(wù)業(yè)占比的上升對碳排放起到抑制作用，本文采用第三產(chǎn)業(yè)占比來衡量服務(wù)業(yè)發(fā)展水平。④產(chǎn)業(yè)結(jié)構(gòu)高級化（stru）：反映了經(jīng)濟(jì)結(jié)構(gòu)的服務(wù)化傾向，產(chǎn)業(yè)結(jié)構(gòu)的服務(wù)化傾向越高越能降低經(jīng)濟(jì)對化石能源的依賴程度。本文參考干春暉等[23]對產(chǎn)業(yè)結(jié)構(gòu)高級化的測度方法，采用第三產(chǎn)業(yè)產(chǎn)值與第二產(chǎn)業(yè)產(chǎn)值之比作為產(chǎn)業(yè)結(jié)構(gòu)高級化的度量指標(biāo)。⑤能源效率（energy）：本文考察能源效率對二氧化碳的影響，采用能源消費(fèi)總量與實(shí)際地區(qū)生產(chǎn)總值的比值來衡量。⑥人口密度（popu）人口密度可以反映人口的集聚程度，二氧化碳的排放不僅產(chǎn)生于生產(chǎn)過程中，人口的集聚程度也會(huì)產(chǎn)生二氧化碳[24]，采用年末人口總量與省份面積的比值來衡量。⑦技術(shù)進(jìn)步（tech），在企業(yè)的生產(chǎn)過程中節(jié)能環(huán)保技術(shù)的推廣無疑是碳減排的重要途徑，技術(shù)進(jìn)步可以提高化石能源的利用效率從而降低單位產(chǎn)出的碳排放量，本文采用技術(shù)市場成交額作為技術(shù)進(jìn)步的代理變量。

3.3數(shù)據(jù)來源

本文選取1995—2016年中國30個(gè)?。ú缓郯呐_和西藏）作為研究樣本，預(yù)測變量中人均產(chǎn)出、產(chǎn)業(yè)結(jié)構(gòu)、服務(wù)業(yè)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)高級化、能源效率、人口密度、技術(shù)成交額等指標(biāo)的原始數(shù)據(jù)均來自于國家統(tǒng)計(jì)局新版數(shù)據(jù)庫。人均產(chǎn)出數(shù)據(jù)采用實(shí)際地區(qū)生產(chǎn)總值除以各省年末總?cè)丝冢瑢?shí)際地區(qū)生產(chǎn)總值是以1995年為基準(zhǔn)期進(jìn)行消脹處理。能源消費(fèi)總量數(shù)據(jù)來自于1995—2016年《中國能源統(tǒng)計(jì)年鑒》。測算二氧化碳排放量時(shí)所采用的煤炭、天然氣、焦炭、燃料油、汽油、煤油、柴油七類化石能源的消費(fèi)總量數(shù)據(jù)來源于《中國能源統(tǒng)計(jì)年鑒》以及國家統(tǒng)計(jì)局新版數(shù)據(jù)庫。

4碳交易試點(diǎn)的政策效應(yīng)評估

4.1合成試點(diǎn)省份的權(quán)重設(shè)置

本文采用1995—2013年的經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)等作為預(yù)測變量來合成虛擬對照組。運(yùn)用Stata15軟件提供的synth命令對碳交易試點(diǎn)省份所對應(yīng)的權(quán)重進(jìn)行了測算。以北京為例，構(gòu)造合成北京的省份有海南、黑龍江、陜西，其權(quán)重分別為0.797、0.112和0091，權(quán)重加總和為1，即海南、黑龍江、陜西三個(gè)省的二氧化碳排放量分別按照0.797、0.112和0.091的權(quán)重加總可以估計(jì)北京未啟動(dòng)碳交易之前的二氧化碳排放量。

4.2碳交易試點(diǎn)的碳減排效應(yīng)分析

碳交易試點(diǎn)省份與其合成省份碳排放量的演變趨勢如圖2所示，垂直虛線為目標(biāo)省份成為碳交易試點(diǎn)的時(shí)間，虛線左側(cè)為碳交易試點(diǎn)實(shí)施之前的時(shí)期，虛線右側(cè)為碳交易試點(diǎn)實(shí)施之后的時(shí)期。碳交易試點(diǎn)的碳減排效應(yīng)由試點(diǎn)省市的碳排放量與其合成省市的碳排放量的差值來表示。如圖2所示，湖北、天津、廣東、重慶的真實(shí)碳排放量與其合成碳排放量非常接近，這說明碳交易實(shí)施之前試點(diǎn)省份和合成省份的碳排放量沒有顯著差異。而北京

和上海與其合成省份的碳排放量差距較大，這是因?yàn)楸本┖蜕虾Ｊ菛|部地區(qū)的直轄市，也是京津冀城市群與長三角城市群的核心城市，其城市經(jīng)濟(jì)發(fā)展水平、節(jié)能技術(shù)均為全國前列，其他省份的預(yù)測變量難以對二者進(jìn)行擬合。從圖2可以看出，所有試點(diǎn)省市與合成省市的二氧化碳排放量在虛線右邊均出現(xiàn)了較明顯的偏離，且真實(shí)二氧化碳排放量遠(yuǎn)低于合成二氧化碳排放量，這表明碳交易政策可有效降低二氧化碳排放。

碳交易試點(diǎn)實(shí)施之前湖北與合成湖北的碳排放總量擬合程度較高，說明在政策實(shí)施之前二者沒有顯著差異，啟動(dòng)碳排放權(quán)交易后，湖北的二氧化碳排放總量迅速下降，而合成湖北的碳排放量則按照原有趨勢緩慢上升，從湖北和合成湖北的碳排放總量差值來看，湖北省的碳排放總量比合成湖北低，這說明湖北省自啟動(dòng)碳交易試點(diǎn)以來在碳減排方面取得了顯著的成效。

碳交易試點(diǎn)實(shí)施前天津與合成天津的擬合程度較好，因此能夠更好的顯示政策實(shí)施后的效果。2013年之前天津二氧化碳排放總量呈現(xiàn)出較為明顯上升趨勢，成為碳交易試點(diǎn)之后，二氧化碳排放總量出現(xiàn)明顯下降，年均下降率為1.913%，而合成天津的二氧化碳排放總量變化較為平穩(wěn)，沒有明顯的變化趨勢。天津碳排放量與合成天津碳排放量相比呈明顯的下降趨勢。這表明碳交易試點(diǎn)對天津的碳減排有著明顯作用。但從圖2可以看出天津真實(shí)與合成差距較小，原因在于天津市的二氧化碳排放總量在六個(gè)試點(diǎn)省市中較少，減排空間較小，減排難度相對較大。

碳交易試點(diǎn)實(shí)施之前廣東與合成廣東的二氧化碳排放量基本重合，廣東和合成廣東的擬合程度在所有試點(diǎn)省市中是最優(yōu)的，說明廣東與合成廣東在政策實(shí)施之前沒有顯著差異。廣東碳排放總量明顯低于合成廣東，這表明廣東省作為最大的碳交易試點(diǎn)，其碳減排效果較為明顯。

碳交易試點(diǎn)實(shí)施之前重慶與合成重慶的碳排放總量增長較快，且趨勢線基本重合，而在政策實(shí)施之后重慶市碳排放總量出現(xiàn)下降趨勢，合成重慶按照原有演變趨勢緩慢上升。相較于合成重慶來說，重慶二氧化碳排放總量遠(yuǎn)遠(yuǎn)低于合成重慶的碳排放量，說明重慶碳排放權(quán)交易制度效果良好。

4.3安慰劑檢驗(yàn)

本文將采用安慰劑檢驗(yàn)（Placebo Test）對合成控制法的有效性進(jìn)行檢驗(yàn)。首先，我們假設(shè)未實(shí)施碳交易政策的省份與實(shí)施碳交易政策的省份均在同時(shí)間成為碳交易試點(diǎn);其次，根據(jù)合成控制法的思想，在其他省份中提取部分信息構(gòu)建合成對照組，從而得到該試點(diǎn)省份與合成對照組之間碳排放總量的差值。第三，通過對比安慰劑檢驗(yàn)中碳排放的差值與試點(diǎn)省份碳排放的差值，我們可以對合成控制法的有效性進(jìn)行檢驗(yàn)。如果試點(diǎn)省份與合成省份的二氧化碳排放差異主要是由于碳交易試點(diǎn)的實(shí)施導(dǎo)致的，那么，試點(diǎn)省份的二氧化碳差值應(yīng)大于安慰劑檢驗(yàn)中二氧化碳排放量的差值，如果試點(diǎn)省份與合成省份的二氧化碳排放量的差異并非由碳交易試點(diǎn)的實(shí)施導(dǎo)致，而是由于其他外在因素所導(dǎo)致的，則試點(diǎn)省份的二氧化碳差值要小于安慰劑檢驗(yàn)中二氧化碳排放量的差值。

本文采用均方根預(yù)測誤差（Root Mean Square Prediction Error，RMSE）衡量碳交易試點(diǎn)省份與其合成對照組之間二氧化碳排放的差異程度，具體測算公式如下：

RMSPE=1T0∑T0t=1（C1t-∑k+1k=2wk×Ckt）212

為了方便比較，本文將整個(gè)樣本期按照碳交易試點(diǎn)的實(shí)施年份劃分為兩個(gè)階段：碳交易政策實(shí)施之前（PrePeriodRMSE）和實(shí)施之后（PostPeriodRMSE）。特別值得注意的是，如果碳交易政策實(shí)施之前合成省份的碳排放量不能很好的擬合真實(shí)碳排放量，本文將不再對此類試點(diǎn)進(jìn)行安慰劑檢驗(yàn)。導(dǎo)致此類誤差的原因是：對照組的預(yù)測變量不能最大程度擬合試點(diǎn)實(shí)施之前的碳排放量。如果在碳交易政策實(shí)施之前，合成省份不能很好的擬合真實(shí)省份的碳排放量，我們很難得出“差值是由碳交易政策實(shí)施導(dǎo)致”的結(jié)論。為了避免合成省份不能很好擬合真實(shí)省份碳排放量給實(shí)證結(jié)果帶來的問題，本文剔除掉對照組省份在碳排放試點(diǎn)政策實(shí)施之前RMSPE大于試點(diǎn)省份的情況。

本文根據(jù)有效性檢驗(yàn)的分析程序繪制了圖3。圖3報(bào)告了湖北、天津、廣東、重慶四個(gè)省市的PreRMSE與Post RMSE比值的柱狀圖。關(guān)于對照組省份的選擇，本文借鑒劉乃全、吳友[25]的思想，如果對照組省份的權(quán)重為正值，表明該試點(diǎn)省份與對照組省份具有總量或者結(jié)構(gòu)上的相似性，因此本文在有效性檢驗(yàn)中對照組省份選擇權(quán)重為正值的省份。合成湖北省的24個(gè)省份中權(quán)重為正的省有6個(gè)，根據(jù)合成控制法的基本原理，合成湖北的24個(gè)省份中有7個(gè)省份的權(quán)重為正值，分別為遼寧省、內(nèi)蒙古、山東省、安徽省、海南省、黑龍江省、新疆，其中新疆的PreRMSPE在2014年試點(diǎn)政策實(shí)施之前就高于湖北省的PreRMSPE，因此將其剔除。從圖3發(fā)現(xiàn)湖北的比值要高于對照組省份，說明合成控制法所得到的“湖北碳交易試點(diǎn)碳減排效果明顯”的結(jié)論具有有效性和可信性。合成天津的24個(gè)省份中權(quán)重為正的有7個(gè)，天津的比值遠(yuǎn)高于其他7個(gè)對照組省份，這說明天津碳排放權(quán)交易試點(diǎn)的碳減排效果有效。

5進(jìn)一步檢驗(yàn)

本部分將合成控制法與雙重差分法相結(jié)合對碳排放權(quán)的碳減排效果進(jìn)行穩(wěn)健性檢驗(yàn)。采用SCMDID能夠?qū)⒑铣煽刂品ㄔ谶x擇對照組方面的優(yōu)點(diǎn)與雙重差分法解決

內(nèi)生性的優(yōu)點(diǎn)相結(jié)合，既可以規(guī)避DID和PSMDID選擇對照組方面的苛刻條件，又能有效的解決內(nèi)生性問題。

5.1合成控制-雙重差分法的模型構(gòu)建

本文采用SCMDID方法對碳交易試點(diǎn)的碳減排效應(yīng)進(jìn)行穩(wěn)健性檢驗(yàn)。碳交易試點(diǎn)主要包括北京、天津、上海、廣東、湖北、重慶等6個(gè)省市（本文在選擇樣本時(shí)為了保證樣本空間尺度的一致性，同時(shí)由于深圳屬于廣東省，因此本文將深圳市刪除），本文將6個(gè)省市作為實(shí)驗(yàn)組，將合成控制法構(gòu)建的6個(gè)合成省份作為對照組，政策實(shí)施前為對照組，政策實(shí)施后為實(shí)驗(yàn)組?；诖?，本文設(shè)置了dt和du兩組虛擬變量，dt表示時(shí)間虛擬變量，碳交易政策實(shí)施之前為0，實(shí)施之后為1，du表示組間虛擬變量，碳交易試點(diǎn)省份為1，虛擬碳交易試點(diǎn)為0。具體計(jì)量模型如下式所示：

lnCO2it=β0+β1dttime+β2dugroup+β3（dttime×dugroup）+

∑nn=1θXit+εit

上式中i表示省份，t表示年份，lnCO2為被解釋變量，dt為時(shí)間虛擬變量，2013年實(shí)施碳交易試點(diǎn)之前為0，碳交易政策實(shí)施之后為1，du為組間虛擬變量，實(shí)施碳交易試點(diǎn)的省份（北京、天津、上海、廣東、湖北、重慶）為1，合成控制法構(gòu)建的合成省份為0。dt×du為雙重差分項(xiàng)，回歸系數(shù)β3為碳交易試點(diǎn)的碳減排效應(yīng)。X表示一組控制變量包括經(jīng)濟(jì)發(fā)展水平、第二產(chǎn)業(yè)發(fā)展水平、第三產(chǎn)業(yè)發(fā)展水平、技術(shù)進(jìn)步水平、產(chǎn)業(yè)結(jié)構(gòu)高級化、人口密度。

5.2穩(wěn)健性分析

本文將合成控制法與雙重差分法相結(jié)合，采用SCMDID方法對碳交易政策的碳減排效應(yīng)進(jìn)行進(jìn)一步檢驗(yàn)。首先，我們根據(jù)Abadie[17]提出的合成控制法的思想，基于非試點(diǎn)省份與試點(diǎn)省份預(yù)測變量的最小距離獲取權(quán)重。其次，根據(jù)權(quán)重對非試點(diǎn)的24個(gè)省份進(jìn)行加權(quán)，構(gòu)造合成省份的虛擬二氧化碳排放量，即假設(shè)試點(diǎn)省份沒有成為碳交易試點(diǎn)時(shí)的二氧化碳排放量。同時(shí)，將合成省份作為對照組，將各試點(diǎn)省份的二氧化碳排放量作為實(shí)驗(yàn)組。第三，采用DID估計(jì)方法對碳交易試點(diǎn)的減排效應(yīng)進(jìn)行政策評估。

表2報(bào)告了SCMDID的回歸結(jié)果，表2第2～3列為未加入控制變量的回歸結(jié)果，第4～5列為加入控制變量之后的回歸結(jié)果，我們發(fā)現(xiàn)無論是采用二氧化碳排放總量作為被解釋變量，還是采用二氧化碳排放總量的對數(shù)作為被解釋變量，du×dt的估計(jì)系數(shù)均為負(fù)值，這再次表明碳交易試點(diǎn)的碳減排效應(yīng)具有較強(qiáng)的穩(wěn)健性。加入控制變量之后模型的擬合優(yōu)度顯著提高，在以二氧化碳排放總量為被解釋變量的模型中調(diào)整的R2由0.090上升至0654，在以二氧化碳排放總量的對數(shù)為被解釋變量的模型中調(diào)整的R2由0.094上升至0.628，這說明加入控制變量后模型的擬合效果變優(yōu)。

6研究結(jié)論與政策建議

6.1研究結(jié)論

本文基于1995—2016年中國省際面板數(shù)據(jù)，采用合成控制法對碳排放交易試點(diǎn)的碳減排效應(yīng)進(jìn)行評估，并對碳排放權(quán)交易試點(diǎn)減排效應(yīng)的內(nèi)在機(jī)制進(jìn)行分析，研究發(fā)現(xiàn)：①合成控制法的評估結(jié)果表明湖北、天津、廣東、重慶四個(gè)試點(diǎn)省市的碳減排效果較為明顯。而上海和北京合成省份的碳排放量與其真實(shí)值差距較大，原因可能是北京和上海是京津冀城市群與長三角城市群的核心城市，其城市發(fā)達(dá)程度、經(jīng)濟(jì)發(fā)展水平、節(jié)能技術(shù)水平均為全國前列，其他省市難以擬合北京和上海的碳排放水平。安慰劑檢驗(yàn)結(jié)果表明，湖北、天津、廣東、重慶四個(gè)試點(diǎn)的比值要高于對照組省份，說明合成控制法所得到的“湖北、天津、廣東、重慶的碳減排效果明顯”的結(jié)論具有有效性和可信性。②合成控制-雙重差分法的穩(wěn)健性分析結(jié)果表明被解釋變量無論采用二氧化碳排放總量，還是二氧化碳排放總量的對數(shù)，政策變量的估計(jì)系數(shù)均為負(fù)值，表明碳交易政策能夠顯著降低二氧化碳排放。③碳交易試點(diǎn)的碳減排機(jī)制表明，對于碳排放權(quán)富余的企業(yè)而言，可以通過市場獲益誘導(dǎo)效應(yīng)、技術(shù)創(chuàng)新激勵(lì)效應(yīng)和政府政策支持效應(yīng)等機(jī)制實(shí)現(xiàn)碳減排。對于碳排放權(quán)不足的企業(yè)通過企業(yè)成本壓力效應(yīng)、工藝革新動(dòng)力效應(yīng)、市場導(dǎo)向激勵(lì)效應(yīng)等機(jī)制實(shí)現(xiàn)碳減排。

6.2政策建議

本文根據(jù)上述研究結(jié)論提出以下政策建議：①碳交易市場的發(fā)展要始終堅(jiān)持“市場決定”與“政府調(diào)節(jié)”相結(jié)合的發(fā)展策略，一方面要繼續(xù)堅(jiān)持市場在碳排放權(quán)配置中的決定性作用，運(yùn)用供求機(jī)制、競爭機(jī)制、價(jià)格機(jī)制等手段促進(jìn)碳交易市場的有效運(yùn)行。不斷通過市場手段調(diào)節(jié)碳排放權(quán)富余企業(yè)與碳排放權(quán)不足企業(yè)的利益機(jī)制，將碳排放形成的成本內(nèi)化到企業(yè)的成本收益分析中，成為企業(yè)利潤最大化的重要變量，從而促進(jìn)碳減排。另一方面，充分發(fā)揮政府的調(diào)節(jié)和輔助作用，政府應(yīng)制定適合市場健康有效運(yùn)行的法律法規(guī)，彌補(bǔ)由于市場自身局限所帶來的壟斷、信息不對稱、外部性等市場失靈狀況，不斷的完善市場環(huán)境。②促進(jìn)碳交易試點(diǎn)的碳減排效應(yīng)發(fā)揮作用，關(guān)鍵是促進(jìn)企業(yè)科技研發(fā)和技術(shù)創(chuàng)新，政府、企業(yè)、社會(huì)應(yīng)特別關(guān)注科技研發(fā)和技術(shù)創(chuàng)新對碳交易政策得以發(fā)揮碳減排效應(yīng)的重要作用。應(yīng)不斷的增加所有企業(yè)的研發(fā)資金投入，鼓勵(lì)企業(yè)進(jìn)行技術(shù)革新，不斷的更新生產(chǎn)工藝，促進(jìn)企業(yè)實(shí)現(xiàn)綠色發(fā)展。③碳交易政策的碳減排效應(yīng)具有區(qū)域異質(zhì)性，不同試點(diǎn)由于自身經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)等因素存在顯著差異，因此，各交易試點(diǎn)在制定政策時(shí)不能采取“一刀切”，應(yīng)在認(rèn)識自身特殊性的情況下“因地制宜”的進(jìn)行碳交易市場建設(shè)，從而實(shí)現(xiàn)碳減排目標(biāo)，促進(jìn)經(jīng)濟(jì)的高質(zhì)量發(fā)展。

（編輯：于杰）

參考文獻(xiàn)

[1]COASE R H. The problem of social cost [M].Journal of law and economics， 1960：1-44.

[2]WILLIAMSON O E. The economics of organization： the transaction cost approach[J]. American journal of sociology， 1981， 87（3）：548-577.

[3]武普照，王倩. 排污權(quán)交易的經(jīng)濟(jì)學(xué)分析[J]. 中國人口·資源與環(huán)境，2010，20（S1）：55-58.

[4]DALES J H. Land， water and ownership [J]. Canadian journal of economics， 1968（1）：791-804.

[5]LIU L， CHEN C， ZHAO Y， et al. Chinas carbonemissions trading： overview， challenges and future[J]. Renewable and sustainable energy reviews， 2015， 49（9）： 254-266.

[6]肖玉仙，尹海濤. 我國碳排放權(quán)交易試點(diǎn)的運(yùn)行和效果分析[J]. 生態(tài)經(jīng)濟(jì)，2017，33（5）：57-62.

[7]鄧榮榮. 我國首批低碳試點(diǎn)城市建設(shè)績效評價(jià)及啟示[J]. 經(jīng)濟(jì)縱橫，2016，369（8）：41-46.

[8]王文軍，謝鵬程，李崇梅，等. 中國碳排放權(quán)交易試點(diǎn)機(jī)制的減排有效性評估及影響要素分析[J]. 中國人口·資源與環(huán)境，2018，28（4）：26-34.

[9]劉華軍，趙浩，楊騫. 中國二氧化碳排放分布的極化研究[J]. 財(cái)貿(mào)研究，2013，24（3）：84-90.

[10]楊騫，劉華軍. 中國地區(qū)二氧化碳排放的隨機(jī)收斂研究——基于兩類碳排放指標(biāo)的再檢驗(yàn)[J]. 經(jīng)濟(jì)評論，2013（4）：73-80.

[11]譚周令，程豹. 西部大開發(fā)的凈政策效應(yīng)分析[J]. 中國人口·資源與環(huán)境，2018，28（3）：169-176.

[12]HECKMAN J J， ICHIMURA H， TODD P E. Matching as an econometric evaluation estimator： evidence from evaluating a job training programme [J]. The review of economic studies， 1997， 64（4）： 605-654.

[13]ZHANG Y J， PENG Y L， MA C Q， et al. Can environmental innovation facilitate carbon emissions reduction？ evidence from China[J]. Energy policy， 2017， 100（1）： 18-28.

[14]范丹，王維國，梁佩鳳. 中國碳排放交易權(quán)機(jī)制的政策效果分析——基于雙重差分模型的估計(jì)[J]. 中國環(huán)境科學(xué)，2017，37（6）：2383-2392.

[15]李廣明，張維潔. 中國碳交易下的工業(yè)碳排放與減排機(jī)制研究[J]. 中國人口·資源與環(huán)境，2017，27（10）：141-148.

[16]劉瑞明，趙仁杰. 西部大開發(fā)：增長驅(qū)動(dòng)還是政策陷阱——基于PSM-DID方法的研究[J]. 中國工業(yè)經(jīng)濟(jì)，2015（6）：32-43.

[17]ABADIE A， GARDEAZABAL J. The economic costs of conflict： a case study of the Basque Country[J]. American economic review， 2003， 93（1）：113-132.

[18]GOODCHILD A， TOY J. Delivery by drone： an evaluation of unmanned aerial vehicle technology in reducing CO2 emissions in the delivery service industry[J]. Transport and environment， 2018， 61（6）： 58-67.

[19]PARK C， XING R， HANAOKA T， et al. Impact of energy efficient technologies on residential CO2 emissions： a comparison of Korea and China[J]. Energy procedia， 2017， 111（3）： 689-698.

[20]譚靜，張建華. 碳交易機(jī)制倒逼產(chǎn)業(yè)結(jié)構(gòu)升級了嗎？——基于合成控制法的分析[J]. 經(jīng)濟(jì)與管理研究，2018，39（12）：104-119.

[21]李順毅. 低碳城市試點(diǎn)政策對電能消費(fèi)強(qiáng)度的影響——基于合成控制法的分析[J]. 城市問題，2018（7）：40-49.

[22]陸賢偉. 低碳試點(diǎn)政策實(shí)施效果研究——基于合成控制法的證據(jù)[J]. 軟科學(xué)，2017，31（11）：98-101.

[23]干春暉，鄭若谷，余典范. 中國產(chǎn)業(yè)結(jié)構(gòu)變遷對經(jīng)濟(jì)增長和波動(dòng)的影響[J]. 經(jīng)濟(jì)研究，2011（5）：4-16.

[24]邵帥，李欣，曹建華. 中國霧霾污染治理的經(jīng)濟(jì)政策選擇——基于空間溢出效應(yīng)的視角[J]. 經(jīng)濟(jì)研究，2016（9）：73-88.

[25]劉乃全，吳友. 長三角擴(kuò)容能促進(jìn)區(qū)域經(jīng)濟(jì)共同增長嗎[J]. 中國工業(yè)經(jīng)濟(jì)，2017（6）：81-99.