碳排放權(quán)交易是否“加速”降低了碳排放量和碳強(qiáng)度？

姬新龍 楊釗

內(nèi)容提要：作為應(yīng)對(duì)氣候變化的一種經(jīng)濟(jì)手段，我國的碳交易即將從“試點(diǎn)”走向“全國”，“十四五”時(shí)期不僅是全面碳交易時(shí)代更是碳減排的關(guān)鍵階段。為了更好發(fā)揮全國性碳排放權(quán)交易市場的減排作用，本文以六個(gè)試點(diǎn)碳交易市場及其政策運(yùn)行為“經(jīng)驗(yàn)”，基于2000至2017年的省級(jí)面板數(shù)據(jù)，使用動(dòng)態(tài)DID和PSM-DID模型對(duì)其實(shí)際減排效果進(jìn)行對(duì)比實(shí)證。結(jié)果發(fā)現(xiàn)：（1）我國當(dāng)前碳排放總量與人均量呈地域分布差異的特征，碳排放量的平均水平也呈明顯的上升趨勢，碳排放量和碳強(qiáng)度在試點(diǎn)和非試點(diǎn)地區(qū)呈兩極分化之勢;（2）碳交易政策的實(shí)施有顯著的碳排放抑制作用，能夠“加速”降低碳排放量和碳強(qiáng)度，且減排效果逐年增加沒有時(shí)滯性;（3）與非試點(diǎn)地區(qū)相比，碳交易很大程度上加強(qiáng)了試點(diǎn)地區(qū)企業(yè)技術(shù)創(chuàng)新的動(dòng)力和政府環(huán)境規(guī)制的力度?；谏鲜觥霸圏c(diǎn)”地區(qū)的經(jīng)驗(yàn)，碳排放權(quán)交易全國推廣后的一至四年將是發(fā)揮減排作用的關(guān)鍵階段，各省區(qū)要確保政策有效落地，全面公開減排信息，因地制宜地優(yōu)化碳交易配套制度體系。

關(guān)鍵詞：碳交易政策;PSM-DID模型;碳排放;減排差異

中圖分類號(hào)：F8314文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001-148X（2021）02-0046-10

收稿日期：2020-11-18

作者簡介：姬新龍（1982-），男，河南南陽人，蘭州財(cái)經(jīng)大學(xué)金融學(xué)院副教授，管理學(xué)博士，研究方向：金融投資、綠色金融;楊釗（1995-），男，河北衡水人，蘭州財(cái)經(jīng)大學(xué)金融學(xué)院碩士研究生，研究方向：綠色金融、金融生態(tài)。

基金項(xiàng)目：甘肅省科技計(jì)劃軟科學(xué)專項(xiàng)項(xiàng)目，項(xiàng)目編號(hào)：20CX9ZA049;蘭州財(cái)經(jīng)大學(xué)綠色金融創(chuàng)新研究團(tuán)隊(duì)項(xiàng)目，項(xiàng)目編號(hào)：2020CXTD09;黑龍江省哲學(xué)社會(huì)科學(xué)規(guī)劃項(xiàng)目，項(xiàng)目編號(hào)：19JYB026。

一、問題的提出

為了控制碳排放并實(shí)現(xiàn)碳減排目標(biāo)，多年來我國各級(jí)政府及管理部門相繼出臺(tái)了一系列促進(jìn)碳減排的政策及措施，包括去產(chǎn)能、節(jié)能減排以及碳排放權(quán)交易、綠色信貸等。其中影響最大和波及范圍較廣的是2011年國家發(fā)改委批準(zhǔn)的在北京、上海、天津、重慶、湖北、廣東和深圳試點(diǎn)的碳交易試點(diǎn)項(xiàng)目，雖然這七個(gè)試點(diǎn)地區(qū)的碳排放權(quán)交易市場在兩年后的2013年底才先后開始正式運(yùn)行，但截至2020年8月，這些地區(qū)的碳配額累計(jì)交易總量已經(jīng)達(dá)到406億噸，交易金額超過90億元。碳排放權(quán)交易作為應(yīng)對(duì)氣候變化、支持環(huán)境改善、節(jié)約利用各類生產(chǎn)資源、服務(wù)社會(huì)經(jīng)濟(jì)綠色發(fā)展的重要市場化舉措，是市場機(jī)制與綠色低碳理念最緊密結(jié)合的政策機(jī)制之一。發(fā)達(dá)國家的實(shí)踐經(jīng)驗(yàn)已經(jīng)表明，完善的碳排放權(quán)交易機(jī)制和政策體系設(shè)計(jì)可以有效地減少碳排放和碳強(qiáng)度。

為了盡快落實(shí)二氧化碳排放達(dá)峰目標(biāo)以及2060年“碳中和”愿景目標(biāo)，2020年11月，生態(tài)環(huán)境部發(fā)布《全國碳排放權(quán)交易管理辦法（試行）》和《全國碳排放權(quán)登記交易結(jié)算管理辦法（試行）》兩份征求意見稿，預(yù)示我國碳交易市場建設(shè)和發(fā)展將從“試點(diǎn)”走向“全國”，“十四五”時(shí)期不僅是全面碳交易時(shí)代更是碳減排的關(guān)鍵階段。2011年的碳排放權(quán)試點(diǎn)地區(qū)交易政策的執(zhí)行已經(jīng)對(duì)我國碳減排目標(biāo)的達(dá)成產(chǎn)生了重要的階段性影響，但積累經(jīng)驗(yàn)的同時(shí)，“試點(diǎn)”市場與“全國”市場還是存在很大區(qū)別。而且作為重要的發(fā)展中國家，我國的碳排放在近期還會(huì)繼續(xù)增長，碳交易市場建設(shè)和政策體系設(shè)計(jì)必然是一個(gè)長期復(fù)雜的系統(tǒng)工程，包括如何保持政策的快速落地并穩(wěn)健執(zhí)行，如何形成良好的價(jià)格交易傳導(dǎo)機(jī)制，如何激勵(lì)企業(yè)等市場主體進(jìn)行內(nèi)在的綠色技術(shù)改進(jìn)和創(chuàng)新等，這些問題都值得我們深入思考。此外，經(jīng)過近十年的碳交易“試點(diǎn)”，目前我國整體的碳減排基本特征表現(xiàn)如何，碳交易真的加速降低了二氧化碳排放量和碳強(qiáng)度？與非試點(diǎn)地區(qū)相比，不同試點(diǎn)地區(qū)的機(jī)制政策差異是否也影響了該地區(qū)的綠色技術(shù)改進(jìn)？即將全國推廣的碳排放權(quán)交易政策該如何制定才能更好發(fā)揮其減少碳排放和促進(jìn)經(jīng)濟(jì)綠色轉(zhuǎn)型的作用？這些問題需要我們?nèi)娴剡M(jìn)行數(shù)據(jù)梳理和實(shí)證分析驗(yàn)證。基于此，本文考慮以碳排放權(quán)交易對(duì)試點(diǎn)地區(qū)年度減排效果對(duì)比為切入點(diǎn)，以二氧化碳排放量的減少與二氧化碳強(qiáng)度的降低為重要指標(biāo)來探究政策設(shè)計(jì)對(duì)碳減排的作用傳導(dǎo)機(jī)制，以期為全國碳排放權(quán)交易市場的建設(shè)推進(jìn)及不同地區(qū)碳交易支持政策的制定提出有益的建議。

當(dāng)前國內(nèi)外有關(guān)碳排放權(quán)交易的試點(diǎn)政策有效性研究文獻(xiàn)較多，主要是從碳排放權(quán)交易對(duì)二氧化碳排放量、碳強(qiáng)度以及發(fā)揮減排作用的機(jī)制等單一視角來說明碳交易的最終效果，大多文獻(xiàn)所得檢驗(yàn)結(jié)論也基本一致，碳交易的存在確實(shí)能夠有效降低碳減排。但深入分析文獻(xiàn)，發(fā)現(xiàn)較少有從政策時(shí)滯視角進(jìn)行年度減排效果的分析，也缺乏對(duì)我國現(xiàn)階段碳排放整體特征的梳理，實(shí)證分析方法中，也較少考慮試點(diǎn)政策的動(dòng)態(tài)減排效應(yīng)，尤其是選擇試點(diǎn)地區(qū)時(shí)可能出現(xiàn)的非隨機(jī)性。因此，本文在研究視角上將偏重于試點(diǎn)地區(qū)的年度減排差異分析，實(shí)證檢驗(yàn)方法上也將綜合運(yùn)用動(dòng)態(tài)DID和PSM-DID方法，對(duì)碳排放權(quán)交易的動(dòng)態(tài)減排效應(yīng)進(jìn)行測度，同時(shí)解決模型構(gòu)建時(shí)出現(xiàn)的內(nèi)生性問題，以及選擇試點(diǎn)地區(qū)時(shí)出現(xiàn)的非隨機(jī)性。其他貢獻(xiàn)性工作還包括：全面搜集數(shù)據(jù)并對(duì)比梳理碳交易試點(diǎn)政策之后我國碳排放現(xiàn)狀及基本特征，與此同時(shí)，分樣本地估計(jì)試點(diǎn)地區(qū)與非試點(diǎn)地區(qū)二氧化碳排放量和碳強(qiáng)度隨時(shí)間變化的趨勢。

二、碳排放測度方法、數(shù)據(jù)來源與基本特征

（一）碳排放測度與數(shù)據(jù)搜集

本文測度CO2排放量、名義CO2強(qiáng)度和實(shí)際CO2強(qiáng)度的方法是根據(jù)政府間氣候變化專門委員會(huì)（2006）給出的方法，通過能源消耗，平均發(fā)熱量和碳排放系數(shù)來計(jì)算每個(gè)地區(qū)與能源有關(guān)的CO2排放量（CE），即：

其中，下標(biāo)n代表省級(jí)行政區(qū)，下標(biāo)i代表各種化石燃料，t是時(shí)間，單位為年。CEtni是第t年基于燃料類型i的第n個(gè)地區(qū)的CO2排放量（十萬噸）。ECtni是第t年基于燃料類型i的第n個(gè)區(qū)域的總能耗。293Esi表示第i種燃料的平均熱值，常數(shù)293是煤當(dāng)量的平均發(fā)熱量。Esi是第i種燃料的換算系數(shù)，換算為煤當(dāng)量。EFi代表IPCC指定的第i種燃料的CO2排放系數(shù)。ECtni的年度數(shù)據(jù)來自《中國能源統(tǒng)計(jì)年鑒》。因此，時(shí)間t內(nèi)所有區(qū)域的總CO2排放量為CEt=∑CEtn。每項(xiàng)產(chǎn)出的二氧化碳排放量測量的二氧化碳強(qiáng)度如下：

其中NCItn和RCItn表示第t年第n個(gè)區(qū)域的名義CO2強(qiáng)度和實(shí)際CO2強(qiáng)度，NGDPtn和RGDPtn代表第t年第n個(gè)地區(qū)的名義GDP和實(shí)際GDP，且年名義GDP數(shù)據(jù)來自《中國統(tǒng)計(jì)年鑒》，年實(shí)際GDP數(shù)據(jù)以2000年各省份（地區(qū)）名義GDP為基期計(jì)算得出。

由于缺乏有關(guān)西藏的數(shù)據(jù)，本文收集了除西藏以外的2000—2017年我國大陸其余每個(gè)省級(jí)行政區(qū)域內(nèi)的相關(guān)數(shù)據(jù)作為研究樣本，全部數(shù)據(jù)均來自歷年《中國統(tǒng)計(jì)年鑒》《中國環(huán)境統(tǒng)計(jì)年鑒》《中國科技統(tǒng)計(jì)年鑒》和《中國能源統(tǒng)計(jì)年鑒》。

（二）碳排放基本特征

圖1、圖2顯示的是2000-2018年我國二氧化碳排放量與二氧化碳強(qiáng)度的變化情況，其中二氧化碳排放總量從2000年的3405億噸上升到2018年的107億噸，增長314倍，名義二氧化碳強(qiáng)度從2000年的萬元國內(nèi)生產(chǎn)總值340噸減少到2018年的116噸，年均減少0118噸，呈逐年下降趨勢。實(shí)際二氧化碳強(qiáng)度（以2000年為基期折算）從2000年的萬元國內(nèi)生產(chǎn)總值340噸減少到2018年的220噸，共減少120噸，年均減少0063噸，也呈逐年下降趨勢?？偟膩砜?，我國二氧化碳排放量雖然呈逐年上升趨勢，但隨著經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，產(chǎn)業(yè)結(jié)構(gòu)的不斷優(yōu)化，碳強(qiáng)度在朝著經(jīng)濟(jì)可持續(xù)發(fā)展的方向逐步推進(jìn)。

另一方面，我國人均二氧化碳排放量也呈上升趨勢，但不同省份人均二氧化碳排放量表現(xiàn)出明顯的地域性特點(diǎn)。表1展示了2000—2017年我國30個(gè)省份人均二氧化碳排放量情況，由于篇幅所限，文中省略了2001—2004年、2006—2009年、2011—2015年的具體數(shù)據(jù)，從中可以清晰地看到二氧化碳排放量的地域性特點(diǎn)。從碳排放總量來看，東部省份基本上高于西部省份;從人均排放量來看，西部省份又總體高于東部省份，呈現(xiàn)出總量與人均量地域分布不同的特征。此外，全國二氧化碳排放量平均水平也呈明顯的上升趨勢，2000年我國人均二氧化碳排放量達(dá)269噸，到2018年已經(jīng)增加到了764噸，持續(xù)上升特征顯著。當(dāng)衡量人均二氧化碳排放量離散程度時(shí)，我們可以看到標(biāo)準(zhǔn)差由2000年的176噸增加到2017年的629噸，而變異系數(shù)由2000年的056增加到2017年的070，這兩項(xiàng)系數(shù)隨著年份的增加都表明我國不同地區(qū)之間人均二氧化碳排放量的差異性在增強(qiáng)，不同省份之間的差距在拉大。其中，人均二氧化碳排放量出現(xiàn)明顯下降趨勢的地區(qū)是北京市，由2000年的532噸下降至2017年的397噸，碳減排成效顯著;人均二氧化碳排放量出現(xiàn)明顯上升趨勢的地區(qū)是內(nèi)蒙古、寧夏與新疆，分別由2000年的523噸、530噸和388噸增加到2017年的2782噸、2900噸和1832噸，且未來幾年上升壓力依然很大。

在分析了全國碳排放總體情況和不同地區(qū)的差異程度后，本文又選擇了三個(gè)碳排放權(quán)交易試點(diǎn)地區(qū)北京、上海、廣東和三個(gè)非試點(diǎn)地區(qū)江蘇、山西、河北來研究CO2排放量和名義CO2強(qiáng)度的對(duì)比變化趨勢。在表2中，列出了六個(gè)地區(qū)自2000年以來CO2排放量和名義CO2強(qiáng)度的最小值和最大值，從中可以看出，三個(gè)試點(diǎn)地區(qū)的最低二氧化碳排放量出現(xiàn)在2000年，北京與上海的最高二氧化碳排放量分別出現(xiàn)在2010年和2013年，而廣東的最高二氧化碳排放量出現(xiàn)在2017年，表明碳排放權(quán)交易試點(diǎn)政策自2011年公布試點(diǎn)地區(qū)名單后基本有效降低了這些地區(qū)的二氧化碳排放量;三個(gè)試點(diǎn)地區(qū)名義CO2強(qiáng)度的最大值出現(xiàn)在2000年，最小值出現(xiàn)在2017年，表明三個(gè)試點(diǎn)地區(qū)的碳排放強(qiáng)度呈逐年下降趨勢。三個(gè)非試點(diǎn)地區(qū)的最低二氧化碳排放量出現(xiàn)在2000年，江蘇與山西的最高二氧化碳排放量出現(xiàn)在2017年，而河北的最高二氧化碳排放量出現(xiàn)在2016年，表明非試點(diǎn)地區(qū)與試點(diǎn)地區(qū)相比二氧化碳排放量增長趨勢十分明顯。

三、實(shí)證模型方法與變量設(shè)定

碳排放權(quán)交易試點(diǎn)地區(qū)包括四個(gè)城市（北京，重慶，上海和天津），兩個(gè)?。◤V東和湖北）以及深圳經(jīng)濟(jì)特區(qū)，但由于缺乏深圳的單獨(dú)統(tǒng)計(jì)數(shù)據(jù)，因此我們實(shí)證檢驗(yàn)時(shí)將深圳從試點(diǎn)地區(qū)中剔除，再對(duì)納入試點(diǎn)的行政區(qū)域命名為“試點(diǎn)地區(qū)”，其他行政區(qū)域則命名為“非試點(diǎn)地區(qū)”。由于六個(gè)地區(qū)在經(jīng)濟(jì)發(fā)展方面較為特殊，選擇似乎并不是隨機(jī)的，因此在估計(jì)過程中可能會(huì)存在選擇偏差，為了減少這種偏差，我們借鑒Wang等（2019）[1]的做法，使用具有控制變量的基本DID模型和PSM-DID模型來估計(jì)并對(duì)比試點(diǎn)和非試點(diǎn)地區(qū)的碳排放量與碳強(qiáng)度影響，進(jìn)而評(píng)估碳排放權(quán)交易政策有效性。

（一）雙重差分方法（DID）

首先，使用雙重差分（DID）法進(jìn)行準(zhǔn)實(shí)驗(yàn)設(shè)置，該法可以識(shí)別因果關(guān)系[2]，如式（4）所示，可以估計(jì)碳交易試點(diǎn)政策對(duì)減少碳排放的作用：

其中，Yit表示在第t年給定省份i的CO2排放量和強(qiáng)度。Treatment是地區(qū)虛擬變量，用來區(qū)分受碳排放權(quán)交易試點(diǎn)政策影響地區(qū)與不受碳排放權(quán)交易試點(diǎn)政策影響地區(qū)，試點(diǎn)省份（地區(qū)）取1，非試點(diǎn)省份（地區(qū)）取0。Post是時(shí)間虛擬變量，用于確定日期t是否在碳排放權(quán)交易試點(diǎn)政策實(shí)施之后，2013年之前（不包括2013年）為0，2013年之后為1。Treatmenti*Postt是地區(qū)時(shí)間交互虛擬變量，為本文的核心解釋變量，如果試點(diǎn)省份（地區(qū)）i在碳排放權(quán)交易試點(diǎn)政策實(shí)施年份2013之后受到影響，取1，否則取0。因此，關(guān)鍵參數(shù)β3估計(jì)碳排放權(quán)交易試點(diǎn)政策對(duì)因變量Yit的影響?？刂谱兞坑肵it表示，γi表示變量隨地區(qū)變化的固定效應(yīng)（例如省份、地區(qū)等），δt表示變量隨時(shí)間變化的固定效應(yīng)（例如年份等），εit表示誤差項(xiàng)。本文以對(duì)數(shù)形式設(shè)定模型，以相對(duì)變化來解釋估計(jì)量。

其次，在式（4）的基礎(chǔ)上，本文再借鑒黃志平（2018）的做法，在DID中引入動(dòng)態(tài)效應(yīng)，以測算出從碳排放權(quán)交易試點(diǎn)政策開始實(shí)施起每年對(duì)環(huán)境的凈影響，見式（5）：

lnYit=β0+β1Treatmenti+β2Postt+∑βkTreatmenti*Postkt+∑β4Xit+γi+δt+εit（5）

其中，Treatmenti*Postkt是試點(diǎn)省份（地區(qū)）啟動(dòng)碳排放權(quán)交易試點(diǎn)政策后第k年的年份虛擬變量。由于試點(diǎn)碳排放權(quán)交易市場于2013年正式啟動(dòng)，因此2013年被包括在政策執(zhí)行期。那么在2014年時(shí)k=1，變量Post12014=1，Treatment試點(diǎn)地區(qū)*Post12014=1，接下來的2015年、2016年、2017年依此類推。

（二）傾向得分匹配雙重差分方法（PSM-DID）

傾向得分匹配法基于先進(jìn)技術(shù)（變量的“p評(píng)分”），用預(yù)測概率的相似性來平衡處理組和對(duì)照組之間觀察到的協(xié)變量分布。匹配方法的主要特點(diǎn)是創(chuàng)建隨機(jī)實(shí)驗(yàn)的條件，以便像在受控實(shí)驗(yàn)中那樣評(píng)估因果關(guān)系。

將雙重差分方法與傾向得分匹配法結(jié)合使用對(duì)本文的研究至關(guān)重要，因?yàn)樵谠u(píng)估試點(diǎn)省份（地區(qū)）關(guān)于碳排放權(quán)交易政策對(duì)二氧化碳排放量與強(qiáng)度的作用時(shí)，必須考慮該省份被選為試點(diǎn)地區(qū)的人為主觀性問題。本文將X（文中所選取的控制變量）作為協(xié)變量，并根據(jù)如式（6）所示的傾向得分定義與試點(diǎn)省份特征相似的非試點(diǎn)省份[3]。在利用傾向得分匹配方法解決了試點(diǎn)地區(qū)選擇的非隨機(jī)問題后，我們就可以再次利用雙重差分法比較試點(diǎn)政策地區(qū)和非試點(diǎn)政策地區(qū)的二氧化碳排放量和強(qiáng)度（即政策實(shí)施地區(qū)和政策未實(shí)施地區(qū)）。

pi=pXi=ProbTi=1Xi（6）

（三）變量設(shè)定

前文已經(jīng)指出Treatmenti*Postt是地區(qū)時(shí)間交互虛擬變量，是本文的核心解釋變量，被解釋變量則為CO2排放量、名義CO2排放強(qiáng)度和實(shí)際CO2排放強(qiáng)度。為了檢驗(yàn)碳交易機(jī)制或優(yōu)惠政策的存在是否影響了企業(yè)的綠色技術(shù)改進(jìn)和產(chǎn)業(yè)的結(jié)構(gòu)升級(jí)等，本文將嚴(yán)格控制變量的選取，這也是本研究的另一個(gè)重要工作。具體控制變量為：外商直接投資（FDIit），即以人民幣計(jì)價(jià)的實(shí)際利用外商直接投資額衡量;技術(shù)進(jìn)步（TEit），即通過最能反映技術(shù)水平的規(guī)模以上工業(yè)企業(yè)專利申請數(shù)量來衡量;經(jīng)濟(jì)發(fā)展水平（Pngdpit和Prgdpit），以人均名義GDP和人均實(shí)際GDP衡量;環(huán)境支持工作量（ENVIit，通過地區(qū)環(huán)境污染治理投資額來衡量，以上控制變量均取對(duì)數(shù)化處理。選取該四個(gè)控制變量的具體原因如下：

外商直接投資（FDIit）：全球化導(dǎo)致各國經(jīng)濟(jì)增長對(duì)外商直接投資的依賴性增加，外商直接投資可能通過兩個(gè)渠道促進(jìn)二氧化碳排放量與經(jīng)濟(jì)績效之間的聯(lián)系。首先，外商直接投資可能導(dǎo)致國民生產(chǎn)總值的增加，但可能帶來更多的工業(yè)污染和環(huán)境退化，因此與人均二氧化碳排放量呈正相關(guān)。Acharyya（2009）[4]、宋德勇等（2011）[5]在他們的研究中發(fā)現(xiàn)，盡管外商直接投資可以促進(jìn)更好的經(jīng)濟(jì)增長，但它可能導(dǎo)致更多的工業(yè)污染和環(huán)境退化。此外，為了降低環(huán)境控制成本，污染行業(yè)和企業(yè)傾向于轉(zhuǎn)移到環(huán)境標(biāo)準(zhǔn)相對(duì)較低的欠發(fā)達(dá)地區(qū)，并將這些地區(qū)變成污染貧民窟。其次，由于外商直接投資可能會(huì)促使企業(yè)使用更高效的生產(chǎn)技術(shù)，從而導(dǎo)致人均二氧化碳排放量減少。List和Co（2000）[6]、Stretesky和Lynch（2009）[7]、劉華軍等（2011）[8]在他們的研究中發(fā)現(xiàn)，外商直接投資的流入由于提高了能源效率而使環(huán)境質(zhì)量改善。

技術(shù)進(jìn)步（TEit）：技術(shù)進(jìn)步也是提高碳排放效率和實(shí)現(xiàn)減排目標(biāo)的重要途徑，但是，現(xiàn)有研究認(rèn)為技術(shù)進(jìn)步并不一定有助于減少能源消耗和二氧化碳排放，原因是技術(shù)進(jìn)步可能并不總是朝著節(jié)能或碳減排的方向發(fā)展，其可能導(dǎo)致使用更多的化石能源（這將導(dǎo)致更多的排放）來代替勞動(dòng)力和生產(chǎn)活動(dòng)中的資本投資。眾多研究從不同角度證明了技術(shù)進(jìn)步與碳排放量可能存在如下幾種關(guān)系。首先，技術(shù)進(jìn)步是二氧化碳減排的主要因素和驅(qū)動(dòng)力。Ang（2009）[9]、何小鋼等（2012）[10]、胡中應(yīng)（2018）[11]在他們的研究中發(fā)現(xiàn)，技術(shù)進(jìn)步與二氧化碳排放量呈負(fù)相關(guān)關(guān)系。其次，由于存在回彈效應(yīng)（RE），技術(shù)進(jìn)步對(duì)節(jié)能和碳排放的影響尚不確定。Sorrell和Dimitropoulos（2008）[12]在他們的研究中發(fā)現(xiàn)，回彈效應(yīng)的存在，使技術(shù)進(jìn)步對(duì)碳排放的影響變得復(fù)雜。

經(jīng)濟(jì)發(fā)展水平（Pngdpit/Prgdpit）：近年來經(jīng)濟(jì)發(fā)展水平與碳排放之間的關(guān)系已被廣泛討論，并且大量研究表明，經(jīng)濟(jì)發(fā)展水平對(duì)中國的碳排放具有顯著影響[13-14]。但是一些研究也表明，經(jīng)濟(jì)發(fā)展水平與碳排放之間沒有顯著的相關(guān)性[15-16]。環(huán)境庫茲涅茨曲線（EKC）假說認(rèn)為隨著經(jīng)濟(jì)發(fā)展和人均收入的增加，環(huán)境質(zhì)量可能會(huì)經(jīng)歷倒U形的轉(zhuǎn)化過程，即先步入漸進(jìn)的惡化過程，然后逐漸改善。

環(huán)境支持工作量（ENVIit）：為了實(shí)現(xiàn)低碳經(jīng)濟(jì)，政府需要出臺(tái)環(huán)境法規(guī)和環(huán)境政策進(jìn)行監(jiān)管，并且加大地區(qū)環(huán)境污染治理投資程度。Blackman等（2006）[17]研究發(fā)現(xiàn)環(huán)境支持工作對(duì)環(huán)境問題有顯著影響。張紅鳳等（2009）[18]指出，面對(duì)環(huán)境保護(hù)和經(jīng)濟(jì)發(fā)展的困境，環(huán)境支持工作對(duì)于實(shí)現(xiàn)社會(huì)福利最大化目標(biāo)至關(guān)重要。

上述所有控制變量和被解釋變量在對(duì)數(shù)化處理之后都是平穩(wěn)的，可以通過Levin、Lin和Chu（LLC）以及Phillips-PerronFisher檢驗(yàn)，表3列出了每個(gè)變量描述性統(tǒng)計(jì)信息。

四、碳交易試點(diǎn)政策減排效應(yīng)分析

（一）雙重差分法平行趨勢假設(shè)檢驗(yàn)

在應(yīng)用雙重差分方法進(jìn)行實(shí)證研究之前，需要檢驗(yàn)被解釋變量（本文中的CO2排放量，名義CO2強(qiáng)度和實(shí)際CO2強(qiáng)度）在試點(diǎn)省份和非試點(diǎn)省份兩個(gè)組別之中的平均值是否于政策實(shí)施之前（即2013年之前）有共同的變化趨勢，基于此，做出圖3、圖4、圖5三張折線圖。

（二）碳交易試點(diǎn)政策減排平均效應(yīng)估計(jì)結(jié)果

表4分析了碳排放權(quán)交易試點(diǎn)政策對(duì)CO2排放量和名義與實(shí)際CO2強(qiáng)度的減排作用。如表4所示，第1列和第2列報(bào)告了以CE作為因變量的模型。第1列采用人均名義GDP代表經(jīng)濟(jì)發(fā)展水平，而第2列采用人均實(shí)際GDP代表經(jīng)濟(jì)發(fā)展水平，在這兩個(gè)回歸中，碳排放權(quán)交易試點(diǎn)政策效應(yīng)前的系數(shù)顯著為負(fù)，這表明碳排放權(quán)交易政策對(duì)減少試點(diǎn)地區(qū)CO2排放量的增長有顯著作用。第3列和第4列報(bào)告了以NCI作為因變量的模型，第3列簡化了條件，沒有加入控制變量，第4列包括控制變量，并使用人均名義GDP代表經(jīng)濟(jì)發(fā)展水平，在這兩個(gè)回歸中，碳排放權(quán)交易試點(diǎn)政策效應(yīng)前的系數(shù)為負(fù)且顯著。第3列的結(jié)果表明，碳排放權(quán)交易試點(diǎn)政策會(huì)在1%的顯著性水平下使名義碳強(qiáng)度降低285%。在考慮到控制變量后，如第4列所示，碳排放權(quán)交易試點(diǎn)政策會(huì)在1%的顯著性水平下使名義碳強(qiáng)度降低約292%。第5列和第6列報(bào)告了以RCI作為因變量的模型，第5列不包括控制變量，第6列采用人均實(shí)際GDP來控制經(jīng)濟(jì)發(fā)展對(duì)實(shí)際碳排放強(qiáng)度的影響，在這兩個(gè)回歸中，碳排放權(quán)交易試點(diǎn)政策效應(yīng)前的系數(shù)為負(fù)且顯著。第5列的結(jié)果表明，碳排放權(quán)交易試點(diǎn)政策會(huì)在1%的顯著性水平下使實(shí)際碳強(qiáng)度降低303%。在考慮到控制變量后，如第6列所示，碳排放權(quán)交易試點(diǎn)政策效應(yīng)的估計(jì)結(jié)果較小：會(huì)在1%的顯著性水平下使實(shí)際碳強(qiáng)度降低約273%。因此，碳排放權(quán)交易試點(diǎn)政策會(huì)大大降低二氧化碳排放量和碳強(qiáng)度。

控制變量中，外商直接投資對(duì)地區(qū)二氧化碳排放量與碳強(qiáng)度的影響均為負(fù)向，但并不顯著，可能的原因是我國雖然經(jīng)歷了一定程度的經(jīng)濟(jì)轉(zhuǎn)型，外商直接投資開始有引導(dǎo)地投入技術(shù)密集型行業(yè)，但時(shí)間較短、資金量有待繼續(xù)增加，外商直接投資對(duì)二氧化碳排放量與碳強(qiáng)度的負(fù)向影響還沒有顯著地凸顯出來;技術(shù)進(jìn)步對(duì)地區(qū)二氧化碳排放量與碳強(qiáng)度的影響均為負(fù)向，但并不顯著，表明政府還需加大對(duì)企業(yè)技術(shù)創(chuàng)新活動(dòng)的扶持，引導(dǎo)企業(yè)將資金較多地投入到低碳技術(shù)研發(fā);經(jīng)濟(jì)發(fā)展水平對(duì)地區(qū)二氧化碳排放量有顯著的正向作用，根據(jù)環(huán)境庫茲涅茨曲線，人均GDP與碳排放量之間存在倒“U”型曲線關(guān)系，中國目前還處于倒“U”型曲線的前半段（即上升階段）（王鋒等，2017）。經(jīng)濟(jì)發(fā)展水平對(duì)地區(qū)碳強(qiáng)度的影響為負(fù)向，但并不顯著，可能的原因是二氧化碳強(qiáng)度的計(jì)算公式里就包含地區(qū)經(jīng)濟(jì)發(fā)展水平，當(dāng)?shù)貐^(qū)經(jīng)濟(jì)發(fā)展水平越高時(shí)，較易導(dǎo)致充當(dāng)分母的地區(qū)名義GDP與實(shí)際GDP拉低地區(qū)的碳強(qiáng)度;環(huán)境支持工作量對(duì)地區(qū)二氧化碳排放量與碳強(qiáng)度的影響均為正向，但并不顯著，可能的原因是政府在治理環(huán)境污染時(shí)效率低下，并且擠出了部分私人資金對(duì)于環(huán)保產(chǎn)業(yè)的投資，導(dǎo)致效果大打折扣。

（三）碳交易試點(diǎn)政策減排平均效應(yīng)估計(jì)結(jié)果穩(wěn)健性檢驗(yàn)

為了檢驗(yàn)雙重差分方法估計(jì)結(jié)果的穩(wěn)健性，本文用工業(yè)污染治理完成投資額代替環(huán)境污染治理投資額來衡量環(huán)境支持工作量并重復(fù)表4中的估計(jì)過程，表5展示了結(jié)果。碳排放權(quán)交易政策仍然對(duì)試點(diǎn)地區(qū)二氧化碳排放量和碳強(qiáng)度有顯著的負(fù)向影響，所有控制變量的估計(jì)結(jié)果也與表4基本一致，通過穩(wěn)健性檢驗(yàn)。

（四）碳交易試點(diǎn)政策減排動(dòng)態(tài)效應(yīng)估計(jì)結(jié)果

在用雙重差分模型分析了碳排放權(quán)交易試點(diǎn)政策減排的平均效應(yīng)之后，本文基于式（5）又測度了從碳排放權(quán)交易試點(diǎn)政策開始實(shí)施起每年對(duì)環(huán)境的凈影響，估計(jì)結(jié)果如表6所示。第1列和第2列報(bào)告了以CE作為因變量的模型。第1列采用人均名義GDP代表經(jīng)濟(jì)發(fā)展水平，而第2列采用人均實(shí)際GDP代表經(jīng)濟(jì)發(fā)展水平。在這兩個(gè)回歸中，碳排放權(quán)交易試點(diǎn)政策實(shí)施后的一至四年的凈影響前的系數(shù)都顯著為負(fù)，這表明碳排放權(quán)交易試點(diǎn)政策在實(shí)施后的一至四年內(nèi)對(duì)減少CO2排放量的增長有顯著作用，且政策效果沒有時(shí)滯性。第3列報(bào)告了以NCI作為因變量的模型，并使用人均名義GDP代表經(jīng)濟(jì)發(fā)展水平。在這個(gè)回歸中，碳排放權(quán)交易試點(diǎn)政策實(shí)施后的一至四年的凈影響前的系數(shù)都顯著為負(fù)。第3列的結(jié)果表明，碳排放權(quán)交易試點(diǎn)政策實(shí)施后的第一年會(huì)在1%的顯著性水平下使名義碳強(qiáng)度降低237%;實(shí)施后的第二年會(huì)在1%的顯著性水平下使名義碳強(qiáng)度降低25%;實(shí)施后的第三年會(huì)在1%的顯著性水平下使名義碳強(qiáng)度降低306%;實(shí)施后的第四年會(huì)在1%的顯著性水平下使名義碳強(qiáng)度降低332%，政策效果不斷加強(qiáng)且沒有時(shí)滯性。第4列報(bào)告了以RCI作為因變量的模型，并使用人均實(shí)際GDP代表經(jīng)濟(jì)發(fā)展水平。在這個(gè)回歸中，碳排放權(quán)交易試點(diǎn)政策實(shí)施后的一至四年的凈影響前的系數(shù)都顯著為負(fù)。第4列的結(jié)果表明，碳排放權(quán)交易試點(diǎn)政策實(shí)施后的第一年會(huì)在1%的顯著性水平下使實(shí)際碳強(qiáng)度降低243%;實(shí)施后的第二年會(huì)在1%的顯著性水平下使實(shí)際碳強(qiáng)度降低23%;實(shí)施后的第三年會(huì)在1%的顯著性水平下使實(shí)際碳強(qiáng)度降低263%;實(shí)施后的第四年會(huì)在1%的顯著性水平下使實(shí)際碳強(qiáng)度降低286%。因此，碳排放權(quán)交易政策在實(shí)施后的一至四年大大降低了試點(diǎn)地區(qū)的碳排放量和碳強(qiáng)度，每年的政策效果持續(xù)且沒有時(shí)滯性。

（五）基于PSM-DID法的碳交易試點(diǎn)政策減排平均效應(yīng)估計(jì)結(jié)果

本文使用PSM-DID法進(jìn)行穩(wěn)健性檢驗(yàn)，以避免估計(jì)過程中的選擇偏差，估計(jì)結(jié)果顯示在表7中。碳排放權(quán)交易試點(diǎn)政策效果的系數(shù)在以CE、NCI和RCI為因變量的回歸方程中也顯著為負(fù)，我們發(fā)現(xiàn)所有估計(jì)的結(jié)果都是一致的。

（六）分樣本估計(jì)結(jié)果

為了對(duì)比分析試點(diǎn)地區(qū)與非試點(diǎn)地區(qū)二氧化碳排放量和碳強(qiáng)度隨時(shí)間變化的趨勢，本文進(jìn)行了分樣本研究。如表8所示，無論被解釋變量為二氧化碳排放量或碳強(qiáng)度，試點(diǎn)地區(qū)和非試點(diǎn)地區(qū)時(shí)間虛擬變量的系數(shù)都顯著為負(fù)，但試點(diǎn)地區(qū)時(shí)間虛擬變量系數(shù)的絕對(duì)值明顯大于非試點(diǎn)地區(qū)。這表明，碳排放權(quán)交易試點(diǎn)政策啟動(dòng)后，大大加快了試點(diǎn)地區(qū)二氧化碳排放量和碳強(qiáng)度的下降速度。控制變量中，外商直接投資對(duì)非試點(diǎn)地區(qū)碳排放的減少作用要優(yōu)于試點(diǎn)地區(qū)，可能的原因是非試點(diǎn)地區(qū)相對(duì)于試點(diǎn)地區(qū)來說，經(jīng)濟(jì)發(fā)展水平與產(chǎn)業(yè)結(jié)構(gòu)水平較低，外商直接投資投入技術(shù)密集型行業(yè)所帶來的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)與能源消費(fèi)結(jié)構(gòu)優(yōu)化的碳減排效應(yīng)會(huì)更加凸顯;技術(shù)進(jìn)步對(duì)試點(diǎn)地區(qū)碳排放的減少作用要優(yōu)于非試點(diǎn)地區(qū)，表明碳排放權(quán)交易政策實(shí)施后較大激發(fā)了試點(diǎn)地區(qū)企業(yè)技術(shù)研發(fā)的動(dòng)力;環(huán)境支持工作量對(duì)試點(diǎn)地區(qū)碳排放的減少作用要優(yōu)于非試點(diǎn)地區(qū)，表明碳排放權(quán)交易政策的實(shí)施也間接加強(qiáng)了政府對(duì)環(huán)境污染治理的力度。因此，所有這些檢驗(yàn)表明，碳排放權(quán)交易試點(diǎn)政策對(duì)二氧化碳減排具有積極的作用，估計(jì)結(jié)果是可靠的。

五、結(jié)論與啟示

當(dāng)前，環(huán)境污染、氣候變化和能源安全問題已引起人們的廣泛關(guān)注，以消耗資源和支付高昂的環(huán)境成本的經(jīng)濟(jì)增長模式，與新時(shí)代經(jīng)濟(jì)的綠色與高質(zhì)量發(fā)展已不相匹配。為了更好發(fā)揮即將全國推廣的碳排放權(quán)交易市場的減排作用，盡快實(shí)現(xiàn)我國2030年碳排放峰值以及2060年碳中和的目標(biāo)，本文以2011年七個(gè)試點(diǎn)碳交易市場及其政策運(yùn)行為“經(jīng)驗(yàn)”，基于2000至2017年的省級(jí)面板數(shù)據(jù)，使用動(dòng)態(tài)DID和PSM-DID模型對(duì)其實(shí)際減排效果進(jìn)行對(duì)比實(shí)證，得出以下結(jié)論：第一，我國當(dāng)前碳排放總量與人均量呈地域分布差異的特征，碳排放量的平均水平也呈明顯的上升趨勢，碳排放和碳強(qiáng)度在試點(diǎn)和非試點(diǎn)地區(qū)呈兩極分化的對(duì)比;第二，碳交易政策帶動(dòng)了試點(diǎn)地區(qū)二氧化碳排放量和碳強(qiáng)度的顯著下降，政策效果逐年增加且沒有時(shí)滯性，尤其是政策推出初期，碳減排呈“加速”下降趨勢;第三，在更換控制變量和使用傾向得分匹配重新挑選對(duì)照組后，碳交易試點(diǎn)政策對(duì)二氧化碳排放量和碳強(qiáng)度的回歸系數(shù)依舊顯著為負(fù)，表明雙重差分法的估計(jì)結(jié)果具有穩(wěn)健性;第四，相較于非試點(diǎn)地區(qū)，碳排放權(quán)交易政策大大加快了試點(diǎn)地區(qū)二氧化碳排放量和碳強(qiáng)度的下降速度，并激發(fā)與加強(qiáng)了企業(yè)技術(shù)研發(fā)的動(dòng)力和政府治理環(huán)境污染的力度。

基于上述實(shí)證討論結(jié)論，本文提出以下針對(duì)性建議。第一，全國碳排放權(quán)交易市場應(yīng)盡快推行，并全面納入高耗能行業(yè);第二，碳排放權(quán)交易政策實(shí)施后的一至四年是發(fā)揮減排作用的關(guān)鍵階段，各省市區(qū)要確保政策落地，結(jié)合地區(qū)實(shí)際情況因地制宜地開展碳排放權(quán)交易制度配套體系的建設(shè);第三，可以將外商直接投資與碳排放權(quán)交易政策靈活結(jié)合，引導(dǎo)外商直接投資投入技術(shù)密集型行業(yè)，加強(qiáng)技術(shù)水平和生產(chǎn)效率較高的產(chǎn)業(yè)在產(chǎn)業(yè)結(jié)構(gòu)升級(jí)中的主導(dǎo)作用;第四，對(duì)于技術(shù)創(chuàng)新研發(fā)投入巨大的企業(yè)，可以使其獲得適當(dāng)?shù)念~外免費(fèi)碳排放配額，進(jìn)一步激發(fā)企業(yè)技術(shù)研發(fā)的動(dòng)力;第五，各省市區(qū)可以根據(jù)自己的經(jīng)濟(jì)發(fā)展情況確定主要的碳排放來源行業(yè)，將這些行業(yè)納入碳排放交易體系中去，從源頭上減少碳排放;第六，對(duì)于高污染企業(yè)，可以適當(dāng)減少其碳排放配額或增加其購買碳排放配額的成本，通過市場手段間接強(qiáng)化政府治理環(huán)境污染的力度，優(yōu)化環(huán)境規(guī)制效果;第七，提高企業(yè)對(duì)碳排放權(quán)交易市場的認(rèn)知度和參與度，引導(dǎo)企業(yè)對(duì)碳交易市場的定位由合規(guī)手段向投資手段轉(zhuǎn)變，逐漸增強(qiáng)市場流動(dòng)性。

參考文獻(xiàn)：

[1]WangL，QiuXM，ZhangXX，etal.DevelopmentstatusandenvironmentalimpactevaluationofChinasgreenfinance[J].Appliedecologyandenvironmentalresearch，2019，17（5）：12245-12258.

[2]RomeroRG，NobleM.EvaluatingEngland′s‘NewDealforCommunitiesprogrammeusingthedifference-in-differencemethod[J].JournalofEconomicGeography，2008，8（6）：759-778.

[3]RosenbaumPR，RubinDB.Thecentralroleofthepropensityscoreinobservationalstudiesforcausaleffects[J].Biometrika，1983，70（1）：41-55.

[4]AcharyyaJ.FDI，growthandtheenvironment：EvidencefromIndiaonCO2emissionduringthelasttwodecades[J].Journalofeconomicdevelopment，2009，34（1）：43.

[5]宋德勇，易艷春.外商直接投資與中國碳排放[J].中國人口·資源與環(huán)境，2011，21（1）：49-52.

[6]ListJA，CoCY.Theeffectsofenvironmentalregulationsonforeigndirectinvestment[J].JournalofEnvironmentalEconomicsandManagement，2000，40（1）：1-20.

[7]StreteskyPB，LynchMJ.Across-nationalstudyoftheassociationbetweenpercapitacarbondioxideemissionsandexportstotheUnitedStates[J].SocialScienceResearch，2009，38（1）：239-250.

[8]劉華軍，閆慶悅.貿(mào)易開放、FDI與中國CO2排放[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2011，28（3）：21-35.

[9]AngJB.CO2emissions，researchandtechnologytransferinChina[J].EcologicalEconomics，2009，68（10）：2658-2665.

[10]何小鋼，張耀輝.技術(shù)進(jìn)步、節(jié)能減排與發(fā)展方式轉(zhuǎn)型——基于中國工業(yè)36個(gè)行業(yè)的實(shí)證考察[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2012，29（3）：19-33.

[11]胡中應(yīng).技術(shù)進(jìn)步、技術(shù)效率與中國農(nóng)業(yè)碳排放[J].華東經(jīng)濟(jì)管理，2018，32（6）：100-105.

[12]SorrellS，DimitropoulosJ.Thereboundeffect：Microeconomicdefinitions，limitationsandextensions[J].EcologicalEconomics，2008，65（3）：636-649.

[13]LiM.DecomposingthechangeofCO2emissionsinChina：adistancefunctionapproach[J].EcologicalEconomics，2010，70（1）：77-85.

[14]鄭長德，劉帥.基于空間計(jì)量經(jīng)濟(jì)學(xué)的碳排放與經(jīng)濟(jì)增長分析[J].中國人口·資源與環(huán)境，2011，21（5）：80-86.

[15]LantzV，F(xiàn)engQ.Assessingincome，population，andtechnologyimpactsonCO2emissionsinCanada：where′stheEKC？[J].EcologicalEconomics，2006，57（2）：229-238.

[16]丁志國，程云龍，孟含琪.碳排放、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與中國經(jīng)濟(jì)增長方式選擇[J].吉林大學(xué)社會(huì)科學(xué)學(xué)報(bào)，2012，52（5）：90-97.

[17]BlackmanA，MorgensternR，MontealegreL，etal.ReviewoftheefficiencyandeffectivenessofColombiasenvironmentalpolicies[J].Report.Washington，DC：ResourcesfortheFuture，2006.

[18]張紅鳳，周峰，楊慧，郭慶.環(huán)境保護(hù)與經(jīng)濟(jì)發(fā)展雙贏的規(guī)制績效實(shí)證分析[J].經(jīng)濟(jì)研究，2009，44（3）：14-26，67.

DoesCarbonEmissionsTrading“Accelerate”theReductionofCarbonEmissionsand

CarbonIntensity？

JIXin-long，YANGZhao

（SchoolofFinance，LanzhouUniversityofFinanceandEconomics，Lanzhou730020，China）

Abstract：Asaneconomicmeanstodealwithclimatechange，China′scarbontradingisabouttomovefrom“pilot”to“national”.The“fourteenthfiveyearplan”periodisnotonlytheeraofcomprehensivecarbontrading，butalsothekeystageofcarbonemissionsreduction.Inordertobetterplaytheroleofnationalcarbonemissionstradingmarket，thispapertakessixpilotcarbontradingmarketsandtheirpolicyoperationasthe“experience”，basedontheprovincialpaneldatafrom2000to2017，usesdynamicdidandPSM-DIDmodeltocomparetheactualemissionsreductioneffect.Theresultsshowthat：（1）thecurrenttotalcarbonemissionsandpercapitaemissionsinChinaaredifferentinregionaldistribution，andtheaveragelevelofcarbonemissionsalsoshowsasignificantupwardtrend，andcarbonemissionsandcarbonintensityarepolarizinginpilotandnonpilotareas;（2）Theimplementationofcarbontradingpolicyhasasignificantinhibitoryeffectoncarbonemissions，can“accelerate”thereductionofcarbonemissionsandcarbonintensity，andtheeffectofemissionsreductionincreasesyearbyyearwithouttimelag;（3）Comparedwiththenonpilotareas，carbontradingtoalargeextentstrengthensthepoweroftechnologicalinnovationofenterprisesandthestrengthofgovernmentenvironmentalregulationinthepilotareas.Basedontheexperienceoftheabove“pilot”areas，onetofouryearsafterthenationalpromotionofcarbonemissionstradingwillbethekeystagetoplaytheroleofemissionsreduction.Allprovincesandregionsshouldensuretheeffectiveimplementationofpolicies，fullydiscloseemissionsreductioninformation，andoptimizethesupportingsystemofcarbontradingaccordingtolocalconditions.

Keywords：carbontradingpolicy;PSM-DIDmodel;carbonemissions;emissionsreductiondifferences

（責(zé)任編輯：李江）