碳排放權(quán)交易政策對能源消耗強(qiáng)度的影響研究

劉思成

（南京師范大學(xué) 商學(xué)院，江蘇 南京 210023）

一、引言

綠色低碳發(fā)展已經(jīng)成為全球的重要共識。作為《巴黎氣候變化協(xié)定》的履約國，我國積極推進(jìn)減碳工作，將綠色發(fā)展作為中國現(xiàn)代化建設(shè)亟待實現(xiàn)的戰(zhàn)略目標(biāo)，設(shè)定了在2030年前力爭實現(xiàn)“碳中和”，在2060年前盡力實現(xiàn)“碳達(dá)峰”的目標(biāo)。國務(wù)院提出，到2025年，要實現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)明顯優(yōu)化，基礎(chǔ)設(shè)施綠色化水平不斷提升，以及綠色低碳循環(huán)發(fā)展的生產(chǎn)體系初步形成等目標(biāo)。這些目標(biāo)要求我國進(jìn)一步完善綠色金融政策體系，以支持碳密集型企業(yè)降低能耗，提高化石能源利用效率，并拓展對光能、風(fēng)能等清潔能源的利用途徑，最終實現(xiàn)綠色生產(chǎn)。當(dāng)前，我國的能源結(jié)構(gòu)主要以化石能源為主，化石能源中又以煤炭為主，這一能源結(jié)構(gòu)將持續(xù)較長的時間，使我國的碳中和目標(biāo)面臨巨大挑戰(zhàn)。

在這樣的形勢下，設(shè)立碳排放權(quán)交易制度與機(jī)制是一項重要的舉措。碳排放權(quán)交易政策主要是依靠市場機(jī)制對碳密集型企業(yè)施加影響，促進(jìn)其采取綠色創(chuàng)新的生產(chǎn)方法與技術(shù)實現(xiàn)碳排放量的減少。自2013年以來，我國先后在深圳、上海、北京、廣東、天津、湖北和重慶7個地區(qū)進(jìn)行了碳排放權(quán)交易試點，并于2021年7月16日開啟全國碳排放權(quán)交易市場。該政策自實施以來，碳排放權(quán)交易市場實現(xiàn)了從單一行業(yè)到多行業(yè)、從試點地區(qū)到全國市場的納入，在試點范圍內(nèi)顯著減少了二氧化碳排放總量與強(qiáng)度，并能夠促進(jìn)試點地區(qū)產(chǎn)業(yè)結(jié)構(gòu)與資源配置的優(yōu)化，取得了初步成效。碳排放權(quán)交易制度在實際試點過程中能否有效減少化石能源的消耗強(qiáng)度，從而優(yōu)化我國的能源結(jié)構(gòu)，是需要關(guān)注與研究的問題。此外，雖然試點市場為全國的碳交易市場打下了基礎(chǔ)，但能否在全國市場成功推行還存在很多問題，如何保證相關(guān)政策穩(wěn)健執(zhí)行，如何建立有效市場以激勵企業(yè)進(jìn)行綠色技術(shù)創(chuàng)新等問題都有待深入研究。目前雖有對碳排放權(quán)交易政策的諸多研究，但主要關(guān)注點在該政策對碳排放量與碳強(qiáng)度的影響，鮮有文獻(xiàn)針對碳排放權(quán)交易政策是否能降低區(qū)域能耗強(qiáng)度、提高能源效率進(jìn)行分析，且許多文獻(xiàn)并不能滿足模型構(gòu)造的前提條件從而造成內(nèi)生性問題。基于此，本文針對上海、北京、廣東、天津、湖北、重慶等6個試點?。ㄊ校╅_展的碳排放權(quán)交易政策，選取2004—2017年30個?。▍^(qū)、市）的面板數(shù)據(jù)，采用雙重差分法（DID）全面檢驗與評估碳排放權(quán)交易政策對能耗強(qiáng)度的改善效果，進(jìn)一步探究該政策如何在我國綠色經(jīng)濟(jì)發(fā)展中發(fā)揮長期穩(wěn)定的作用，并提出合理建議。

二、文獻(xiàn)綜述

隨著碳排放問題的日益嚴(yán)峻以及“雙碳”目標(biāo)實現(xiàn)日期的臨近，碳排放權(quán)交易政策受到學(xué)者的廣泛重視。諸多學(xué)者的研究表明，從宏觀主體看，碳排放權(quán)交易能夠在有效降低碳排放強(qiáng)度、提高碳生產(chǎn)效率、提升綠色經(jīng)濟(jì)效率等多方面發(fā)揮作用。其中，黃向嵐和張訓(xùn)常等（2018）[1]運用DID方法實證了碳交易試點政策對二氧化碳減排產(chǎn)生了顯著的政策效應(yīng)。范秋芳和張園園（2021）[2]使用中介效應(yīng)分析發(fā)現(xiàn)碳排放權(quán)交易政策能夠從多方面助力碳生產(chǎn)效率的提升。郭衛(wèi)香和孫慧（2022）[3]使用PSM-DID模型發(fā)現(xiàn)緩解損益偏離現(xiàn)象，是碳排放權(quán)交易政策提升綠色經(jīng)濟(jì)效率的有效途徑。劉傳明和孫喆等（2019）[4]通過SCM-DID法分析得出碳排放權(quán)交易能有效減少二氧化碳排放的結(jié)論，并總結(jié)了它們的減排機(jī)制。從微觀主體看，張濤和吳夢萱等（2022）[5]的實證結(jié)果表明，碳排放權(quán)交易政策能夠通過緩解企業(yè)融資約束、減輕政策性負(fù)擔(dān)等途徑對企業(yè)投資效率產(chǎn)生顯著正向影響。范丹和付嘉為等（2022）[6]得到了碳排放權(quán)交易能夠通過激發(fā)企業(yè)創(chuàng)新和優(yōu)化資源要素配置兩條路徑提高企業(yè)全要素生產(chǎn)率的結(jié)論。

綜上所述，在宏觀層面上僅有少數(shù)學(xué)者研究碳排放權(quán)交易政策對能源消耗強(qiáng)度、能源消耗效率的影響?；诖?，本文采用DID與PSM-DID方法，通過對2004—2017年30個?。▍^(qū)、市）的面板數(shù)據(jù)，實證分析碳排放權(quán)交易政策試點對地區(qū)能耗強(qiáng)度的影響以及地區(qū)之間政策效果的差異，并對實證結(jié)論進(jìn)行穩(wěn)健性檢驗。

三、模型設(shè)定與變量選取

（一）模型設(shè)定

本文運用雙重差分模型進(jìn)行碳排放權(quán)交易政策的效果評價。該方法首先由Ashenfelter和Card（1985）[8]使用，能夠?qū)⒄邔嵤┑牡貐^(qū)作為處理組的差分，其他未實施政策的地區(qū)作為控制組的差分再次進(jìn)行差分以評估政策的實施效果。構(gòu)建過程中，將實施碳排放權(quán)交易政策的省（市）作為實驗組，其余?。▍^(qū)、市，不包含港、澳、臺及西藏）作為控制組。本文中，實驗組為北京、天津、上海、湖北、重慶、廣東，其余24個?。▍^(qū)、市）為控制組。由于該政策自2013年啟動并逐步推廣，因而將2013年作為政策沖擊的時間點，2004—2012年為政策出臺前時期，2013—2017年為政策執(zhí)行時期。參考Wang和Qiu等（2019）[9]、宋弘和孫雅潔等（2019）[10]的做法，使用有控制變量的傳統(tǒng)DID模型進(jìn)行估計，并使用PSM-DID模型對前者估計的結(jié)果進(jìn)行進(jìn)一步檢驗，從而對比實驗組實施碳排放權(quán)交易政策前后能源消耗強(qiáng)度變化。DID模型能夠通過引入的虛擬變量反映政策實施與否，能減少內(nèi)生性問題并良好地估計出政策效果。構(gòu)建的模型如下：

式（1）中，i代表地區(qū)（省、區(qū)、市）；t代表年份；Y為本文的被解釋變量，即能源消耗強(qiáng)度；treat是政策虛擬變量，表示該省（區(qū)、市）是否實施碳排放權(quán)交易政策，若實施政策，則treat=1，若未實施，則treat=0；time是時間虛擬變量，表示碳排放權(quán)交易政策實施的時間，本文將2013作為政策實施時間，若t≥2013，則time=1，若 t＜2013，則 time=0；Xit表示控制變量，包括創(chuàng)新發(fā)展能力、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展水平、工業(yè)結(jié)構(gòu)、人口水平、能源消費規(guī)模、污染物排放規(guī)模；μt表示時間控制固定效應(yīng)；γi表示地區(qū)固定效應(yīng)；εit為隨機(jī)誤差項。

（二）變量選取

1.被解釋變量

能源消耗強(qiáng)度為本文的被解釋變量。本文衡量的能源消耗強(qiáng)度為單位GDP能耗，即地區(qū)單位GDP能耗（ECUG），計算公式為：ECUG=E/GDP。其中，E 為能源消費總量，單位為噸標(biāo)準(zhǔn)煤；GDP為地區(qū)生產(chǎn)總值，單位為萬元。蔣佩耘（2021）[12]的研究表明，能源能耗強(qiáng)度是能源投入約束下GDP可以擴(kuò)大的程度，或在固定GDP的情況下能源投入可以減少的程度，體現(xiàn)了我國經(jīng)濟(jì)發(fā)展對于能源的消耗效率與依賴程度，是一個地區(qū)能源利用的相對指標(biāo)。

2.核心解釋變量

本文以交叉項treatit×timeit這一地區(qū)時間交互虛擬變量為核心解釋變量。β1是該交互項的系數(shù)，可以通過該系數(shù)的大小與正負(fù)來估計碳排放權(quán)交易政策對能源消耗強(qiáng)度的影響。當(dāng)系數(shù)β1為負(fù)時，則表明碳排放權(quán)交易政策在試點中能有效地減少單位GDP能耗，提高能源效率。

近年來，炎癥在NAFLD疾病進(jìn)展中的作用越來越受到重視，對其機(jī)制的研究也越來越多。依賴于NLRPs炎癥小體激活的細(xì)胞焦亡也是這些年的研究熱點，其引起的炎癥應(yīng)答也被認(rèn)為是疾病進(jìn)展的推動者。各類NLRPs影響NAFLD疾病進(jìn)展的不同的分子機(jī)制還需我們進(jìn)一步的探究。

3.控制變量

本文的控制變量參考了姬新龍和楊釗（2021）[13]、李勝蘭和林沛娜（2020）[14]的研究，包含創(chuàng)新發(fā)展能力、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展水平、工業(yè)結(jié)構(gòu)、能源消費規(guī)模、人口水平、污染物排放規(guī)模等，詳見表1。創(chuàng)新發(fā)展能力（PAT）以該?。▍^(qū)、市）的發(fā)明專利數(shù)來衡量；產(chǎn)業(yè)結(jié)構(gòu)（SEC）以第二產(chǎn)業(yè)的增加值占地區(qū)GDP的比重衡量；經(jīng)濟(jì)發(fā)展水平（PERGDP）以地區(qū)人均GDP衡量；工業(yè)結(jié)構(gòu)（INDU）以地區(qū)工業(yè)總產(chǎn)值與地區(qū)GDP的比重衡量；能源消費規(guī)模用能源消費總量（ES）來衡量；人口水平（POP）以該地區(qū)的常住人口數(shù)量衡量；污染物排放規(guī)模用二氧化硫排放量（SO2）衡量。本文在實際數(shù)據(jù)處理過程中將變量取對數(shù)處理。表1為主要變量的描述性統(tǒng)計。

表1 主要變量描述性統(tǒng)計

表1展示了本文主要變量的樣本量、平均值、標(biāo)準(zhǔn)差、最小值與最大值。各變量的觀察值之間具有較大的變差，為下文的計量估計提供了可能。

（三）數(shù)據(jù)來源

基于數(shù)據(jù)的可得性，本文選取的數(shù)據(jù)為2004—2017年我國30個省（區(qū)、市，不包含港、澳、臺與西藏）的面板數(shù)據(jù)。各省（區(qū)、市）的能源消費量數(shù)據(jù)來自相關(guān)年份的《中國能源統(tǒng)計年鑒》；各省（區(qū)、市）生產(chǎn)總值、常住人口數(shù)、產(chǎn)業(yè)產(chǎn)值、工業(yè)總產(chǎn)值來自相關(guān)年份的《中國統(tǒng)計年鑒》《中國城市統(tǒng)計年鑒》與各?。▍^(qū)、市）統(tǒng)計年鑒；各?。▍^(qū)、市）發(fā)明專利數(shù)來源于相關(guān)年份的《中國科技年鑒》；工業(yè)二氧化硫排放量來自相關(guān)年份的《中國環(huán)境統(tǒng)計年鑒》。

四、實證檢驗及分析

（一）回歸結(jié)果

基于式（1）構(gòu)建的模型，本文使用DID方法進(jìn)行實證檢驗。為了控制地區(qū)固定效應(yīng)γi與時間固定效應(yīng)μt，使用雙向固定效應(yīng)模型，并將控制變量創(chuàng)新發(fā)展能力（lnPAT）、產(chǎn)業(yè)結(jié)構(gòu)（lnSEC）、經(jīng)濟(jì)發(fā)展水平（lnPERGDP）、工業(yè)結(jié)構(gòu)（lnINDU）、人口水平（lnPOP）、能源消費規(guī)模（lnES）與污染物排放規(guī)模（lnSO2）引入。檢驗結(jié)果見表2。

表2 碳排放權(quán)交易政策對能耗強(qiáng)度影響的回歸結(jié)果

從DID模型的結(jié)果可知，DID效應(yīng)值為-0.0196，且在1%的顯著性水平上顯著，說明碳排放權(quán)交易政策的試點能夠有效且顯著地降低地區(qū)能耗強(qiáng)度。在模型中，各控制變量均在1%的水平上顯著，模型的擬合優(yōu)度為0.999，表明模型具有良好的擬合效果。

進(jìn)行回歸后，本文繼續(xù)就政策出臺前時期（2004—2012年）和政策執(zhí)行時期（2013—2017年）實驗組與控制組存在的差異進(jìn)行對比分析，回歸結(jié)果見表3。其中，Before代表政策出臺前時期，After代表政策執(zhí)行時期。表3結(jié)果顯示在政策出臺前時期實驗組和控制組的差分效應(yīng)量為-0.008，沒有呈現(xiàn)出顯著性，說明此時實驗組與控制組的效應(yīng)水平基本一致。而在政策執(zhí)行時期Diff值在1%水平下通過顯著性檢驗，表明此時效應(yīng)水平存在顯著性差異，Diff-in-Diff效應(yīng)值為-0.012，并在10%水平下通過顯著性檢驗，驗證了前文試點政策能夠有效降低能耗強(qiáng)度的觀點。

表3 政策出臺前時期與政策執(zhí)行時期對比分析

因此，總體來說碳排放權(quán)交易政策對我國降低能耗強(qiáng)度、提升能耗效用有著十分積極的作用。

（二）穩(wěn)健性檢驗

1.平行趨勢檢驗

使用雙重差分法的重要條件之一是處理組與控制組在處理前滿足平行趨勢的假設(shè)。由此本文首先繪制處理組和控制組的單位GDP能耗的平均變化趨勢圖。如圖1所示，在碳排放權(quán)交易政策實施的2013年之前，兩組的單位GDP能耗能夠維持基本平行的時間趨勢；在2013年后控制組的單位GDP能耗下降更加明顯，因此能夠基本證明平行趨勢假設(shè)成立。

圖1 政策實施前后單位GDP能耗平行趨勢

2.動態(tài)效應(yīng)檢驗

前文的檢驗僅僅考慮了政策的平均效應(yīng)，并沒有考慮碳排放權(quán)交易政策的動態(tài)效應(yīng)，因此本文將對政策實行前時期與政策執(zhí)行時期進(jìn)行對比分析，觀察效果差異。本文以政策執(zhí)行前三年作為政策執(zhí)行前時期，即2010—2012年；以政策執(zhí)行后三年作為政策執(zhí)行時期，即2013—2016年，檢驗結(jié)果見表4。從表4可知，在政策實施前三年（2010—2012年），每一年的DID系數(shù)都不顯著。政策實施后，考慮到政策存在一定時滯，政策執(zhí)行后第一年（2014年）系數(shù)不顯著，第二年（2015年）系數(shù)在5%顯著性水平下顯著為負(fù)，第三年（2016年）系數(shù)在1%顯著性水平下顯著為負(fù)，且隨著時間推移，交叉項數(shù)值的絕對值越來越大。

表4 政策對單位GDP能耗影響的動態(tài)效應(yīng)回歸結(jié)果

使用Stata16軟件畫出政策實施前三年到政策實施后三年的動態(tài)效應(yīng)圖，見圖2。豎線表示每一年DID系數(shù)的95%置信區(qū)間，水平方向的直線代表單位GDP能耗的邊際效應(yīng)。在實施政策前，交互項的置信區(qū)間都與橫軸有交點，因此不顯著。在實施政策后的第二年開始，每一年DID系數(shù)均顯著為負(fù)，且邊際效應(yīng)線出現(xiàn)了向右下方傾斜的趨勢，表明碳排放權(quán)交易政策對單位GDP能耗有顯著的負(fù)向影響，且影響程度隨著政策的實施而逐步增強(qiáng)?？梢酝茰y的原因有：政策實施具有時滯性，因此實施后第一年的系數(shù)并不顯著，而隨著政策體系與配套設(shè)施的完善，使市場的有效性與主體的積極性提高，最終使碳排放權(quán)交易市場更加持續(xù)平穩(wěn)地發(fā)展，對能耗強(qiáng)度減少的作用越來越強(qiáng)。

圖2 政策對單位GDP能耗影響的動態(tài)效應(yīng)圖

3.PSM-DID檢驗

由于樣本之間存在經(jīng)濟(jì)、科技等多方面的地區(qū)差異，對個體差異的影響較大，可能無法保證實驗組與控制組具有相同的個體特征。因此，本文采用PSM-DID方法消除變量的選擇偏差，選用Logit模型并以控制變量作為協(xié)變量，使用近鄰匹配法，匹配后的檢驗結(jié)果見表5。由表5可知，碳排放權(quán)交易政策能夠顯著降低地區(qū)能源消耗強(qiáng)度，表明本文的實證結(jié)果穩(wěn)健。

表5 PSM-DID估計結(jié)果

4.安慰劑檢驗

安慰劑檢驗是為了排除其他因素對結(jié)果的影響。如果在虛構(gòu)的處理組或者隨機(jī)的政策執(zhí)行期間，計量的結(jié)果仍然顯著，則說明計量結(jié)構(gòu)出現(xiàn)了問題。

參考已有做法，對本文的研究樣本進(jìn)行500次隨機(jī)抽樣，并每次選擇11個樣本作為實驗組進(jìn)行虛擬實驗，其余?。▍^(qū)、市）歸為控制組進(jìn)行回歸，核密度函數(shù)估計圖如圖3。圖3中，垂直于X軸的虛線代表真實系數(shù)-0.0196，隨機(jī)抽取進(jìn)行估計的系數(shù)結(jié)果全部位于虛線右側(cè)，表明真實系數(shù)值并非隨機(jī)得到，存在政策的顯著影響?；诎参縿z驗的結(jié)果可知，碳排放權(quán)交易政策對能耗強(qiáng)度的影響與其他不可觀測的特征關(guān)系不大，而是受到了政策的顯著性影響。

圖3 單位GDP能耗核密度函數(shù)圖

（三）實驗組?。ㄊ校Ρ确治?/h3>

本文對6個試點省（市）的政策效果進(jìn)行了對比分析，結(jié)果如表6。根據(jù)前文的論述，碳排放權(quán)交易政策總體上能對能耗強(qiáng)度產(chǎn)生顯著的負(fù)向影響，但從表6中的分?。ㄊ校┙Y(jié)果看，碳排放權(quán)交易政策在北京、廣東、重慶影響不顯著，檢驗結(jié)果均未通過顯著性檢驗；而在天津、上海、湖北分別能夠在1%、10%與5%水平下顯著，DID系數(shù)也均為負(fù)，證明了政策在這3個?。ㄊ校┑挠行?。在北京、廣東、重慶政策影響不顯著的原因在于，北京、廣東的能耗強(qiáng)度已經(jīng)處于較低水平，隨著時間的推移，政策帶來的能耗強(qiáng)度降低效應(yīng)會出現(xiàn)逐步稀釋的可能性；而重慶的碳排放權(quán)交易市場與其他試點?。ㄊ校┫啾纫?guī)模最小，在體系規(guī)范、制定標(biāo)準(zhǔn)方面可能存在一定缺陷，導(dǎo)致政策的實施沒有顯著降低其能耗強(qiáng)度。

表6 6個試點?。ㄊ校┑恼咝Ч麑Ρ?/p>

五、結(jié)論與建議

本文使用除了港、澳、臺及西藏外的30個省（區(qū)、市）的面板數(shù)據(jù)，基于碳排放權(quán)交易政策試點進(jìn)行分析，以單位GDP能耗這一指標(biāo)衡量地區(qū)的能源消耗強(qiáng)度，并運用DID模型分析得到結(jié)論：首先，碳排放權(quán)交易政策能夠顯著降低地區(qū)的能耗強(qiáng)度，提高能源利用效率，并能長期改善我國以化石能源為主的能源結(jié)構(gòu)。其次，雖然該政策影響顯著，但存在著一定的時滯性，動態(tài)效應(yīng)分析表明該政策在實施一年后才對能耗強(qiáng)度的降低起到顯著性影響。再次，本文使用了平行趨勢檢驗、動態(tài)效應(yīng)檢驗、PSM-DID法估計、安慰劑檢驗等方法證明了實證結(jié)果的穩(wěn)健性。最后，對6個試點?。ㄊ校┻M(jìn)行對比分析，比較其政策效應(yīng)影響的顯著性。

基于以上結(jié)論，本文提出以下建議：（1）全國碳排放權(quán)市場應(yīng)進(jìn)一步優(yōu)化，提高市場機(jī)制的有效性，鼓勵市場主體發(fā)揮積極性，通過碳金融的方式對其進(jìn)行補(bǔ)貼，逐步健全完善的碳排放權(quán)交易體系，實現(xiàn)降低能耗強(qiáng)度效用最大化。（2）在政策實施初期對各?。▍^(qū)、市）市場運行效果進(jìn)行監(jiān)督，及時調(diào)整政策，以確保政策的落實，并優(yōu)化碳排放市場的相關(guān)制度與配套設(shè)施，充分考慮地區(qū)差異，靈活采取適應(yīng)具體情況的政策，保證碳交易市場的平穩(wěn)持有序運行。（3）鼓勵企業(yè)技術(shù)創(chuàng)新，為在技術(shù)創(chuàng)新中取得成效的企業(yè)發(fā)放免費配額作為獎勵。（4）提高各行業(yè)碳密集型企業(yè)對碳排放權(quán)交易政策的了解與認(rèn)識程度，促進(jìn)其參與，從而保證市場的流動性與有效性。（5）出臺推進(jìn)綠色技術(shù)創(chuàng)新的相關(guān)措施，鼓勵工業(yè)與其他行業(yè)使用清潔能源，推動能源消費結(jié)構(gòu)轉(zhuǎn)型升級，實現(xiàn)綠色低碳發(fā)展。（6）促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級，推動能源產(chǎn)業(yè)數(shù)字化、智能化，發(fā)展附加值更高的綠色環(huán)保產(chǎn)業(yè)，以降低能耗強(qiáng)度。