碳交易政策對綠色全要素生產(chǎn)率的影響——技術(shù)進步和技術(shù)效率視角

摘要：基于2006—2020年中國30個省級行政區(qū)的面板數(shù)據(jù)，以2013年碳交易試點政策作為一項準(zhǔn)自然試驗，運用雙重差分法考察碳交易政策對綠色全要素生產(chǎn)率及其分解項的政策效應(yīng)和作用機制。研究結(jié)果顯示：碳交易政策可以顯著提高試點省份的綠色全要素生產(chǎn)率，主要影響因素為綠色全要素生產(chǎn)率內(nèi)部結(jié)構(gòu)中的技術(shù)進步，該結(jié)論在一系列穩(wěn)健性檢驗中仍然成立。異質(zhì)性分析表明：碳交易政策對工業(yè)基地省份的綠色全要素生產(chǎn)率沒有顯著影響，而對非工業(yè)基地省份的綠色全要素生產(chǎn)率產(chǎn)生顯著的正向影響，其增長來源為技術(shù)進步；無論環(huán)境規(guī)制力度強弱，碳交易政策均對綠色全要素生產(chǎn)率產(chǎn)生顯著的正向影響，且技術(shù)效率對綠色全要素生產(chǎn)率的貢獻隨著規(guī)制力度的變強而增加。機制分析表明：能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和對外直接投資均為碳交易政策影響綠色全要素生產(chǎn)率的有效渠道；能源結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)的傳導(dǎo)作用均主要通過技術(shù)進步實現(xiàn)，而對外直接投資主要通過技術(shù)以外的方式提升試點地區(qū)的綠色全要素生產(chǎn)率。

關(guān)鍵詞：碳排放權(quán)交易；綠色全要素生產(chǎn)率；雙重差分；對外直接投資

中圖分類號：F062.1

文獻標(biāo)識碼：A

文章編號：1673-5595（2024）06-0026-11

一、引言

氣候變暖造成的環(huán)境問題事關(guān)全人類的生存和發(fā)展，加強環(huán)境規(guī)制逐漸成為全球共識。面對嚴(yán)峻的環(huán)境形勢，中國積極承擔(dān)減排責(zé)任，采取一系列強有力的政策和措施以達(dá)成碳達(dá)峰碳中和目標(biāo)。從中國深化低碳經(jīng)濟發(fā)展的歷史路徑來看，碳排放權(quán)交易機制是重要抓手。參照歐洲碳排放交易體系建設(shè)經(jīng)驗，北京、天津、上海、深圳、廣東、湖北和重慶7個試點省市于2013年相繼建立碳交易市場，2021年7月，中國碳交易市場全面開啟。根據(jù)《全國碳市場發(fā)展報告（2024）》數(shù)據(jù)顯示，截至2023年年底，全國范圍內(nèi)碳排放配額累計成交量4.29億噸，累計成交額超249.19億元。碳交易的不斷完善體現(xiàn)了中國經(jīng)濟發(fā)展向綠色低碳轉(zhuǎn)型的強烈意愿，而綠色全要素生產(chǎn)率（Green Total Factor Productivity，GTFP）正是能體現(xiàn)減污降碳和經(jīng)濟發(fā)展雙重要求的關(guān)鍵指標(biāo)，提高GTFP意味著降低GDP增值的環(huán)境損失。因此，中國碳交易政策究竟能否對綠色全要素生產(chǎn)率產(chǎn)生影響還需進行科學(xué)審慎的研究，這不僅事關(guān)碳市場的健康運行和“雙碳”目標(biāo)的實現(xiàn)，更事關(guān)人民福祉和長久發(fā)展。

二、文獻綜述與理論機制

（一）文獻綜述

GTFP是將能源消耗和污染排放納入生產(chǎn)函數(shù)計算所得的生產(chǎn)效率，GTFP的提高意味著基于能源效率優(yōu)化和環(huán)境質(zhì)量改善的經(jīng)濟增長。

^［1-2］與全要素生產(chǎn)率類似，研究GTFP的變化來源可以從其技術(shù)分解的角度出發(fā)。技術(shù)效率反映了實際生產(chǎn)單元向最佳生產(chǎn)邊界的移動幅度，即“追趕效應(yīng)”；而技術(shù)進步則體現(xiàn)最佳生產(chǎn)邊界的外移，即“增長效應(yīng)”。^［3-4］根據(jù)現(xiàn)有文獻，技術(shù)效率的提高可以通過先進管理方法引進、生產(chǎn)配置優(yōu)化和系統(tǒng)協(xié)調(diào)整合等方式實現(xiàn)，而技術(shù)進步主要源于科學(xué)發(fā)現(xiàn)、發(fā)明創(chuàng)新和技術(shù)傳播等。^［5］

碳排放權(quán)交易自誕生以來一直受到學(xué)界廣泛關(guān)注。國際范圍內(nèi)，歐盟碳市場發(fā)展相對成熟，監(jiān)管體系、立法水平和數(shù)據(jù)技術(shù)均已達(dá)到較高水準(zhǔn)，其碳價的變化與金融資產(chǎn)間具有較強的聯(lián)動性。^［6-9］在取得成效方面，歐盟碳市場對節(jié)能減排作出了顯著貢獻，同時大幅減輕了制造業(yè)對天然氣和石油的依賴。^［10-11］國內(nèi)有關(guān)碳交易政策的研究大致有兩類：在碳交易機制設(shè)計方面，學(xué)者們主要圍繞碳市場覆蓋行業(yè)范圍、碳配額分配、市場監(jiān)管和碳市場的運行調(diào)控等方面進行討論；在碳市場影響方面，碳交易被證明可以顯著提升地區(qū)的減污降碳能力。^［12-17］

有關(guān)碳交易與GTFP間關(guān)系的研究已有較為豐富的成果。根據(jù)“波特假說”，多數(shù)研究認(rèn)為碳交易的運行有利于提升GTFP。^［18-19］從GTFP技術(shù)分解角度來看，中國碳試點的政策效果主要源于技術(shù)進步，技術(shù)效率的貢獻并不明顯。^［20］從影響渠道來看，碳交易主要通過激發(fā)創(chuàng)新能力、優(yōu)化能源結(jié)構(gòu)、推動產(chǎn)業(yè)升級等機制促進GTFP的提升。^［21］也有觀點認(rèn)為碳交易對GTFP的影響是負(fù)向的，其理論支撐主要是“遵循成本假說”，碳配額需求的不確定性和研發(fā)投入產(chǎn)生的擠出效應(yīng)可能使企業(yè)喪失低碳技術(shù)創(chuàng)新的動力，從而阻礙GTFP的提升。^［22］

現(xiàn)有文獻為本文提供了重要的啟示，但已有研究在兩個方面仍有待改進：第一，在使用GTFP及其分解項對碳交易政策進行研究時，大多文獻僅探討了總體效應(yīng)，并沒有將技術(shù)分解延伸到異質(zhì)性分析與機制分析中；第二，鮮有文獻在研究碳交易與GTFP間機制時將對外直接投資路徑考慮在內(nèi)，此路徑的具體機制尚不清晰，但中國開放型經(jīng)濟和“雙循環(huán)”發(fā)展格局的建立，使對外直接投資成為不可忽視的經(jīng)濟因素，明晰對外直接投資的路徑作用有助于細(xì)化針對碳交易的研究方向。因此，本文將GTFP分解，在技術(shù)進步和技術(shù)效率的視角下，針對碳交易對GTFP的影響效果和作用渠道進行理論推導(dǎo)和實證研究。本文可能的邊際貢獻有以下兩點：第一，從技術(shù)進步和技術(shù)效率的雙重視角，對中國碳交易政策試點的政策效果和影響機制做出評價，在理論層面上細(xì)化碳交易政策的研究視角，為完善碳市場建設(shè)補充理論借鑒和經(jīng)驗證據(jù)；第二，將對外直接投資納入傳導(dǎo)機制框架中，探究碳交易對綠色全要素生產(chǎn)率產(chǎn)生影響的不同渠道，豐富了碳交易影響機制理論，為該政策如何充分兼顧經(jīng)濟績效和環(huán)境績效提供政策啟示。

（二）理論機制

環(huán)境污染具有負(fù)外部性。Coase^［23］認(rèn)為，如果產(chǎn)權(quán)界定明確，負(fù)外部性可以通過市場交易解決，這為碳交易提供了理論基礎(chǔ)。碳交易政策造成的負(fù)面影響可歸因于“遵循成本假說”，企業(yè)排污所付出的額外成本擠占了企業(yè)的生產(chǎn)投入，導(dǎo)致企業(yè)生產(chǎn)效率降低。^［24-26］然而，Porter^［27］認(rèn)為合適的環(huán)境規(guī)制力度可以倒逼企業(yè)提高綠色技術(shù)創(chuàng)新能力，從而在“先動優(yōu)勢”和“創(chuàng)新補償”下推動企業(yè)的利潤與競爭力的提升。Dale^［28］進一步指出，污染權(quán)的明晰及其可交易屬性有助于控制環(huán)境污染。綠色技術(shù)水平較高的企業(yè)在碳市場中承擔(dān)了主要的減排職責(zé)，其出售剩余配額所獲得的收益可以再次激勵企業(yè)提高減排能力，形成良性循環(huán)，從而提升綠色全要素生產(chǎn)率。

1.能源結(jié)構(gòu)效應(yīng)

碳交易通過改變能源結(jié)構(gòu)提高GTFP。進行碳交易可以抑制企業(yè)的煤炭消費，優(yōu)化能源結(jié)構(gòu)。受中國資源稟賦的制約，高污染企業(yè)的能源消費中煤炭占比過高，短期內(nèi)碳排放總量難以大幅下降。此外，受碳配額市場價格波動等因素影響，高污染企業(yè)難以保障從碳市場中獲得足量低價的碳配額。因此，碳交易政策能夠倒逼企業(yè)調(diào)整自身能源消費結(jié)構(gòu)，減少非清潔能源尤其是煤炭的消費量，加大清潔能源使用比重，進而推動區(qū)域綠色發(fā)展。碳交易還可以通過提高能源利用效率促進綠色發(fā)展。碳交易政策雖然從整體上設(shè)計了各行業(yè)的減排路徑，但在具體實施過程中，各行業(yè)、各企業(yè)對碳市場配額的適應(yīng)性與承受能力不盡相同。因此，碳交易政策會倒逼配額不足的企業(yè)通過加大研發(fā)投入、調(diào)整生產(chǎn)模式等方式提高能源利用效率，從而促進綠色發(fā)展。^［29］

2.產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)

碳交易通過優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)提高GTFP。一方面，碳交易可以推動各級產(chǎn)業(yè)占比調(diào)整，有效優(yōu)化區(qū)域整體產(chǎn)業(yè)結(jié)構(gòu)。^［30］碳交易通過市場手段將環(huán)境污染的負(fù)外部性內(nèi)部化，增加高污染企業(yè)的成本壓力，倒逼該類企業(yè)搬離試點地區(qū)或進行產(chǎn)業(yè)轉(zhuǎn)型升級，同時吸引污染較小的企業(yè)入駐，這在一定程度上促進了該地區(qū)第三產(chǎn)業(yè)的發(fā)展，優(yōu)化了該地區(qū)的產(chǎn)業(yè)布局，推動產(chǎn)業(yè)綠色轉(zhuǎn)型。另一方面，碳交易可以有效優(yōu)化各級產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)。碳交易影響企業(yè)對研發(fā)、生產(chǎn)和經(jīng)營等環(huán)節(jié)的要素投入，有助于促進企業(yè)自發(fā)逐步淘汰落后產(chǎn)能，加快產(chǎn)品生產(chǎn)的綠色轉(zhuǎn)型，優(yōu)化產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)，進而促進地區(qū)綠色發(fā)展。

3.對外直接投資效應(yīng)

碳交易通過刺激對外直接投資提高GTFP。一方面，碳交易可驅(qū)動試點地區(qū)企業(yè)通過對外直接投資獲得逆向綠色技術(shù)溢出。適度的環(huán)境規(guī)制會激發(fā)企業(yè)提高綠色技術(shù)水平的動力，但當(dāng)研發(fā)能力有限時，企業(yè)可能通過對外直接投資，在發(fā)達(dá)國家建立子公司或研發(fā)中心獲取先進綠色技術(shù)。另一方面，碳交易可驅(qū)使試點地區(qū)企業(yè)通過對外直接投資將高污染生產(chǎn)線轉(zhuǎn)移到其他國家。當(dāng)環(huán)境規(guī)制程度較高時，重污染企業(yè)在排放受限的情況下無法得到足夠配額，額外成本將大幅提升，根據(jù)“污染天堂假說”，此時企業(yè)可能被迫將高污染生產(chǎn)線遷移到環(huán)境規(guī)制力度較弱的國家或地區(qū)，使生產(chǎn)要素在不同地區(qū)、不同行業(yè)間重新配置。^［31］

三、模型構(gòu)建和數(shù)據(jù)選擇

（一）模型構(gòu)建

1.DID模型

DID模型作為一種評估政策因果效應(yīng)的計量模型，其優(yōu)勢在于可以通過建立實驗組和控制組來評估政策的凈效應(yīng)，并在一定程度上減輕內(nèi)生性問題。因此，本文采用DID模型評估中國碳交易政策對綠色全要素生產(chǎn)率的影響。根據(jù)《關(guān)于開展碳排放權(quán)交易試點工作的通知》，本文選擇2013年作為政策沖擊時點，將北京市、上海市、天津市、重慶市、湖北省和廣東省6個政策試點省份作為實驗組（深圳市因行政規(guī)劃等級為地級市不被包括在內(nèi)），其余24個非試點省份作為對照組。構(gòu)造基準(zhǔn)面板DID模型為

YIi，t=αI0+αI1TIMEIi×TREATEDIt+αI2XIi，t+uIi+μIt+εIi，t（1）

式中：YIi，t為綠色全要素生產(chǎn)率及其分解項技術(shù)進步和技術(shù)效率，分別采用GTFPIi，t、GTCIi，t和GECIi，t表示；i和t分別為省份和年份；XIi，t為控制變量；uIi和μIi分別為省份固定效應(yīng)與時間固定效應(yīng)；εIi，t

為隨機擾動項；TIMEIt×TREATEDIi為核心解釋變量，是虛擬變量TIMEIt和虛擬變量TREATEDIi的交互項，當(dāng)省份i在第t年實施碳交易政策時，TIMEIt×TREATEDIi=1，否則為0；αI0、αI1和αI2為待估參數(shù)，通過αI1估計碳交易政策對綠色全要素生產(chǎn)率的凈影響。

2.中介效應(yīng)模型

為了進一步確定碳交易政策如何影響綠色全要素生產(chǎn)率，本文考察能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)以及對外直接投資是否發(fā)揮中介作用。^［32］具體模型為

YIi，t=βI0+βI1TIMEIt×TREATEDIt+βI2XIi，t+uIi+μIt+εIi，t（2）

MIi，t=θI0+θI1TIMEIt×TREATEDIt+θI2XIi，t+uIi+μIt+εIi，t（3）

YIi，t=γI0+γI1TIMEIt×TREATEDIt+γI2MIi，t+γI3XIi，t+uIi+μIt+εIi，t（4）

式中：MIi，t為中介變量，包括ENSIit、INSIit和OFDIit，分別為能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)以及對外直接投資；其他符號的含義與模型（1）中相同。

如果模型（2）中的βI1、模型（3）中的θI1以及模型（4）中的γI2均顯著，則中介效應(yīng)成立。此情況下，如果模型（4）中γI1不顯著，說明影響機制中只存在中介效應(yīng)，稱為完全中介效應(yīng)；如果模型（4）中γI1顯著，說明影響機制中存在直接效應(yīng)和中介效應(yīng)，稱為部分中介效應(yīng)。

（二）變量選取

1.被解釋變量

本文選取綠色全要素生產(chǎn)率及其分解項技術(shù)進步（GTC）與技術(shù)效率（GEC）作為因變量。常用來計算全要素生產(chǎn)率的方法包括索洛余值法、參數(shù)隨機前沿分析法（SFA）和數(shù)據(jù)包絡(luò)分析法（DEA）等。對比其他方法，DEA模型無需假定前沿方程，并且可以計算多投入多產(chǎn)出情況，故本文選擇該方法計算綠色全要素生產(chǎn)率。

DEA模型廣泛應(yīng)用于效率測度領(lǐng)域，其方法隨著研究的深入而逐漸完善。Tone 等^［33］基于DEA框架提出了EBM模型，將徑向模型和非徑向模型相結(jié)合，克服了傳統(tǒng)DEA模型和基于松弛測度（SBM）模型的不足，同時提高了效率測算的準(zhǔn)確性。本文參考Luo等^［34］研究，采用考慮非期望產(chǎn)出的超效率EBM模型結(jié)合Global Malmquist-Luenberger（GML）指數(shù)對GTFP進行測度。GML指數(shù)的計算方式為

GML^t+1I0（x^t+1，y^t+1，xt，yt）=

DtI0（x^t+1，y^t+1）D^t+1I0（x^t+1，y^t+1）DtI0（xt，yt）D^t+1I0（xt，yt）^1/2（5）

GML指數(shù)可進一步分為技術(shù)進步指數(shù)和技術(shù)效率指數(shù)的乘積，具體計算方式為

GML^t+1I0（x^t+1，y^t+1，xt，yt）=

DtI0（x^t+1，y^t+1）DtI0（xt，yt）×

DtI0（x^t+1，y^t+1）DtI0（xt，yt）D^t+1I0（x^t+1，y^t+1）D^t+1I0（xt，yt）^1/2=

GTC^t+1I0×GEC^t+1I0（6）

GTC^t+1I0=DtI0（x^t+1，y^t+1）DtI0（xt，yt）D^t+1I0（x^t+1，y^t+1）D^t+1I0（xt，yt）^1/2（7）

GEC^t+1I0=D^t+1I0（x^t+1，y^t+1）DtI0（xt，yt）（8）

式中：D表示Directional Distance Function（DDF），x和y分別為輸入和輸出向量。

在計算GTFP時，本文選取勞動、能源和資本作為投入要素。勞動投入使用年末就業(yè)人數(shù)作為代理指標(biāo)，能源投入選擇能源消費總量作為衡量指標(biāo)，資本投入選擇固定資本存量作為代理指標(biāo)。固定資本存量利用永續(xù)盤存法進行估算，具體公式為KIi，t=IIi，t+（1-δIi，t）KIi，t-1。其中，i和t分別表示地區(qū)和年份；K和I表示資本存量和固定資本形成總額，實際固定資產(chǎn)額由2006—2020年的固定資產(chǎn)額平減得到；δ表示固定資產(chǎn)折舊率，設(shè)定為9.6%。^［35］本文選擇GDP作為期望產(chǎn)出，以2006年為基數(shù)按不變價格計算來避免價格因素的影響。非期望產(chǎn)出以空氣污染和水污染為主，故選取二氧化硫排放量、工業(yè)煙塵排放量和化學(xué)需氧量作為非期望產(chǎn)出代理指標(biāo)。GML指數(shù)僅能體現(xiàn)GTFP逐個時間段的動態(tài)變化，因此，參照Lyu等^［36］的研究，將基期GTFP設(shè)為1，將GML指數(shù)逐年累乘，得到樣本期內(nèi)各省份逐年GTFP；采用同樣的計算方法處理GTC和GEC。

2.機制變量

本文的機制變量包括能源結(jié)構(gòu)效應(yīng)（ENS）、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)（INS）和對外直接投資效應(yīng)（OFDI）。能源結(jié)構(gòu)效應(yīng)采用煤炭占能源消費比重作為衡量指標(biāo)，產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)采用第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值的比值作為衡量指標(biāo)，對外直接投資效應(yīng)采用對外直接投資存量（非金融類）占GDP的比重作為衡量指標(biāo)。

3.控制變量

為了增強估計結(jié)果的穩(wěn)健性，在已有文獻的基礎(chǔ)上，本文選擇城鎮(zhèn)化水平（URB）、研發(fā)投入（RD）、對外開放水平（OPEN）、人力資本（HC）、外商直接投資（FDI）和政府干預(yù)（GI）作為控制變量。^［37］采用城鎮(zhèn)人口占總?cè)丝诘谋戎睾饬砍擎?zhèn)化程度，采用研發(fā)資本與GDP的比值衡量研發(fā)投入，采用商品進出口總額占GDP的比重衡量對外開放程度，采用受高等教育人口比例衡量人力資本，采用外商直接投資額與GDP的比值衡量外商直接投資，采用一般預(yù)算財政支出占GDP的比重衡量政府干預(yù)。

（三）數(shù)據(jù)選擇

本文選取中國2006—2020年30個省份（不包括西藏、臺灣、香港和澳門）的省級平衡面板數(shù)據(jù)作為樣本，數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》《中國對外直接投資統(tǒng)計公報》《中國人口與就業(yè)統(tǒng)計年鑒》以及各省份統(tǒng)計年鑒。本文以碳交易政策出臺的2013年作為沖擊時間點，選取除深圳市外6個試點省份作為實驗組，其他24個省份作為對照組。本文所有變量均經(jīng)過取對數(shù)處理，具體變量描述性統(tǒng)計如表1所示。

四、實證分析

（一）基準(zhǔn)回歸結(jié)果

基于模型（1）實證檢驗碳交易政策對綠色全要素生產(chǎn)率的影響，回歸結(jié)果如表2列（1）、列（2）所示，所有結(jié)果均控制時間固定效應(yīng)與省份固定效應(yīng)。從中可以看出，無論是否加入控制變量，核心解釋變量TIME×TREATED系數(shù)均在1%的水平下顯著為正，說明碳交易政策對GTFP提升有顯著促進作用，這與任亞運等^［38］的研究結(jié)論一致。

GTFP是勞動要素投入和資本要素投入無法解釋的增長，其來源可分為GTC和GEC。為了進一步探究碳交易政策對GTFP內(nèi)部結(jié)構(gòu)的影響，本文將分解項GTC和GEC分別作為因變量進行DID估計，具體結(jié)果如表2列（3）、列（4）所示。碳交易政策對GTC和GEC的影響均在1%的水平下顯著為正，且GTC的估計系數(shù)大于GEC的估計系數(shù)。這說明碳交易政策同時促進了GTFP內(nèi)部結(jié)構(gòu)中GTC和GEC的提升，且GTFP的提升主要來源于GTC。中國綠色全要素生產(chǎn)率的增長仍依賴于技術(shù)進步的單輪驅(qū)動模式，說明試點省份更加重視技術(shù)研發(fā)創(chuàng)新或技術(shù)引進等工作，以應(yīng)對碳交易政策帶來的成本提升。^［39］然而，技術(shù)不斷更新?lián)Q代的同時難以兼顧最優(yōu)的資源配置和管理方式，因此GEC一直處于追趕狀態(tài)，對GTFP提升的貢獻弱于GTC。

（二）穩(wěn)健性檢驗

1.平行趨勢檢驗

使用DID模型進行分析的前提條件，是實驗組和控制組在政策實施前具有相同的變化趨勢，即滿足平行趨勢假設(shè)。本文采用事件研究法驗證平行趨勢，生成實驗組與政策實施前后年份的虛擬變量交互項，并帶入模型（1）進行回歸，逐年繪制估計系數(shù)變化趨勢，如圖1所示。政策實施前的估計系數(shù)在0值附近，各試點地區(qū)與非試點地區(qū)不存在顯著差異；在政策實施后，碳交易政策產(chǎn)生顯著的正效應(yīng)，滿足平行趨勢假設(shè)。

2.安慰劑檢驗

通過重構(gòu)實驗組進行反事實安慰劑檢驗。^［40］具體來說，隨機分配6個試點省份，生成“偽政策虛擬變量”交互項納入回歸模型，重復(fù)實驗500次，繪制估計系數(shù)及P值分布態(tài)勢，如圖2所示，圖中橫軸代表“偽政策虛擬變量”的估計系數(shù)，縱軸代表核密度值與P值。估計系數(shù)基本都在0值附近分布，且大多數(shù)P值都在10%的水平下不顯著。因此，前文所得結(jié)論受其他隨機性因素影響的概率較小，通過安慰劑檢驗。

3.替換因變量

使用能源強度（EI）作為因變量替換GTFP。能源強度的衡量方式為能源消費與GDP的比值，對其取對數(shù)處理。能源強度越高，說明產(chǎn)出單位GDP的能耗越高，不利于綠色全要素生產(chǎn)率的提升。結(jié)果如表3列（1）所示，碳交易政策對EI的影響在1%的水平下顯著為負(fù)，說明碳交易政策降低了能源強度。前文結(jié)論的穩(wěn)健性得到驗證。

4.改變實驗窗期

通過改變碳交易試點政策出臺前后時間窗寬的方法進行穩(wěn)健性檢驗。具體而言，將樣本窗期前后各縮短兩年，使用2008—2018年的數(shù)據(jù)對模型（1）進行回歸估計，結(jié)果如表3列（2）—列（4）所示。縮短樣本周期后，GTFP及其分解項的符號和顯著性與前文并無差別，再次證明前文所得結(jié)論的穩(wěn)健性。

5.PSM-DID估計

使用DID模型的前提假設(shè)是確保隨機設(shè)置實驗組，即實驗組和控制組除政策變量外的其他特征應(yīng)均相似。而碳交易試點省份是綜合考量各項因素后選擇的，并不容易滿足隨機實驗的要求，可能因選擇性偏差出現(xiàn)內(nèi)生性問題。這種情況下，通常通過匹配方法構(gòu)建反事實進行分析。^［41］因此，本文采用雙重差分傾向性得分匹配法（PSM-DID）對結(jié)果進行進一步檢驗。特別地，我們將控制變量作為協(xié)變量，使用logit模型對數(shù)據(jù)進行PSM處理，變量平衡性檢驗結(jié)果如表4所示。

由表4可知，相比于匹配前，匹配后的處理組和對照組各協(xié)變量的差異均大幅下降，各組間標(biāo)準(zhǔn)差的絕對值均小于10%，且匹配后t統(tǒng)計量均不顯著，說明匹配后變量滿足獨立分布條件且擁有共同時間效應(yīng)趨勢，通過變量平衡性檢驗。此時，處理組和對照組在2013年前具有基本一致的特征，從而可以相互比較。

表5展示了PSM-DID的估計結(jié)果，核心解釋變量的系數(shù)變化不大且均在1%的水平下顯著為正。這證明了前文結(jié)論的穩(wěn)健性，碳交易政策顯著促進了GTFP的提升，且GTFP的提升主要來源于GTC。

五、異質(zhì)性分析

（一）工業(yè)特征異質(zhì)性分析

地區(qū)的工業(yè)特征會對當(dāng)?shù)丨h(huán)境和GTFP產(chǎn)生重要影響。傳統(tǒng)工業(yè)基地省份能源利用效率低，生產(chǎn)污染嚴(yán)重，減排形勢嚴(yán)峻。隨著“雙碳”目標(biāo)的提出，綠色生產(chǎn)目標(biāo)對傳統(tǒng)工業(yè)基地的轉(zhuǎn)型提出了要求。參考史丹等^［42］的研究，按樣本是否屬于遼中南、京津唐、滬寧杭和珠江三角工業(yè)基地所在省份進行劃分，分析在不同工業(yè)特征區(qū)域中碳交易政策對GTFP的影響。此外，為了克服分組回歸過程中組間系數(shù)差異的問題，本文參考連玉君等^［43］的做法，采用費舍爾自抽樣1 000次進行檢驗，具體估計結(jié)果如表6所示。

表6中列（1）—列（3）為工業(yè)基地省份的估計結(jié)果，列（4）—列（6）為非工業(yè)基地省份的估計結(jié)果。其中，碳交易政策對工業(yè)基地省份的GTFP影響不顯著，對非工業(yè)基地省份的GTFP和GTC產(chǎn)生顯著的正向影響，GTFP的提升同樣來源于GTC，費舍爾檢驗中兩組GEC不存在顯著差異。可能的原因在于：對于四大工業(yè)基地省份，長期形成的高污染生產(chǎn)線的產(chǎn)業(yè)轉(zhuǎn)移成本過高，并且這些企業(yè)多為大型國企，僵化的體制和較松散的生產(chǎn)管理會對綠色技術(shù)的研發(fā)造成一定阻礙^［44］，因此碳交易政策對GTFP及其分解項的提升效果并不明顯；對于非工業(yè)基地省份，其小型企業(yè)的輕量化生產(chǎn)過程更加容易進行綠色化改造，并且地區(qū)產(chǎn)業(yè)集群優(yōu)勢較弱，企業(yè)對成本變動的反應(yīng)更加敏感，因此，環(huán)境規(guī)制會迫使這些地區(qū)的企業(yè)引進或研發(fā)綠色技術(shù)以抵消成本的上升。

（二）環(huán)境規(guī)制力度異質(zhì)性分析

碳交易政策的實施效果依賴于有效的監(jiān)管和執(zhí)行。本文使用環(huán)境污染治理投資與GDP的比值來衡量環(huán)境規(guī)制力度（CER）。為研究不同規(guī)制力度下碳交易政策的影響，根據(jù)CER的中位數(shù)（0.015）將兩個子樣本分開，具體估計結(jié)果如表7所示。

表7中列（1）—列（3）為CER較強情況下的估計結(jié)果，列（4）—列（6）為CER較弱情況下的估計結(jié)果?？梢钥闯?，無論CER強或弱，碳交易政策均對GTFP產(chǎn)生顯著的正向影響，費舍爾檢驗中兩組GTFP不存在顯著差異。從GTFP內(nèi)部結(jié)構(gòu)來看，CER較強時，僅有GTC對GTFP的提升作出貢獻；CER較弱時，雖然GTC仍占主要地位，但GEC與GTC的貢獻已經(jīng)十分接近。其原因可能在于：當(dāng)環(huán)境規(guī)制較為嚴(yán)格時，試點省份企業(yè)被迫通過技術(shù)進步來應(yīng)對政策壓力，而技術(shù)以較快速度更新的同時，企業(yè)難以時刻保持其資源處于最優(yōu)配置的狀態(tài)，不利于技術(shù)效率的提升；當(dāng)環(huán)境規(guī)制相對寬松時，企業(yè)外部壓力相對較小，在革新技術(shù)的同時有充足的時間優(yōu)化資源配置、加強生產(chǎn)管理，以提高技術(shù)效率，此時技術(shù)效率和技術(shù)進步對GTFP的貢獻相近。

六、進一步討論

根據(jù)上述分析，碳交易政策總體上促進了GTFP、GTC和GEC的提升。然而，這一政策的作用機制仍有待檢驗。為了驗證能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和對外直接投資是否為中國碳交易試點政策對GTFP的傳導(dǎo)渠道，分別利用模型（2）、模型（3）和模型（4）檢驗影響機制，具體結(jié)果如表8、表9和表10所示。

（一）能源結(jié)構(gòu)

表8中列（1）、列（4）、列（5）展示了能源結(jié)構(gòu)機制的總體回歸結(jié)果，列（2）、列（4）、列（6）展示了分解項GTC的回歸結(jié)果，列（3）、列（4）、列（7）展示了分解項GEC的回歸結(jié)果。在總體機制結(jié)果中，碳交易政策對能源結(jié)構(gòu)的作用顯著為負(fù)，且能源結(jié)構(gòu)對GTFP的影響顯著為負(fù)。以上結(jié)果可以說明，優(yōu)化能源結(jié)構(gòu)是碳交易政策促進GTFP提升的有效渠道。在分解項機制結(jié)果中，能源結(jié)構(gòu)均為GTC和GEC提升的作用渠道，比較其系數(shù)大小后，發(fā)現(xiàn)能源結(jié)構(gòu)的傳導(dǎo)作用主要通過GTC實現(xiàn)?？赡艿脑蛟谟冢赫w來說，碳交易政策可以通過改變企業(yè)的能源結(jié)構(gòu)降低污染排放，從而提升GTFP。試點地區(qū)企業(yè)在改善能源結(jié)構(gòu)的過程中，雖然兼顧了技術(shù)進步和技術(shù)效率，但新技術(shù)帶來的紅利更加明顯，因而在一定程度上忽略了技術(shù)效率的改善，其整體特征依然符合技術(shù)進步的單輪驅(qū)動模式。

（二）產(chǎn)業(yè)結(jié)構(gòu)

表9展示了產(chǎn)業(yè)結(jié)構(gòu)機制的回歸結(jié)果。在總體機制結(jié)果中，碳交易政策對產(chǎn)業(yè)結(jié)構(gòu)的作用顯著為正，且產(chǎn)業(yè)結(jié)構(gòu)升級可以顯著提升GTFP。因此，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)是碳交易政策促進GTFP提升的有效渠道。在分解項機制結(jié)果中，GEC的回歸結(jié)果不顯著，產(chǎn)業(yè)結(jié)構(gòu)的傳導(dǎo)作用僅通過GTC實現(xiàn)?？赡艿脑蛟谟冢禾冀灰渍呖梢允乖圏c地區(qū)的第二產(chǎn)業(yè)逐漸向第三產(chǎn)業(yè)轉(zhuǎn)化，而第三產(chǎn)業(yè)通常污染排放量更低，區(qū)域GTFP得以提升。但在產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型的過程中，對資源進行重新配置以適應(yīng)另一種產(chǎn)業(yè)類型所需的新技術(shù)是需要高昂成本的。因此，在一定時期內(nèi)技術(shù)效率難以得到提高，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)所帶來的GTFP的提升源于技術(shù)進步。

（三）對外直接投資

表10展示了對外直接投資機制的回歸結(jié)果。在總體機制結(jié)果中，碳交易政策可以顯著提高對外直接投資存量，且對外直接投資對GTFP的影響在10%的水平下顯著為正。因此，碳交易政策可通過刺激對外直接投資促進GTFP提升。在分解項機制結(jié)果中，對外直接投資在GTC和GEC的回歸中均不顯著?？赡艿脑蛟谟冢禾冀灰渍呖梢酝ㄟ^刺激試點地區(qū)的對外直接投資提升GTFP，但效果有限。從分解項回歸結(jié)果來看，對外直接投資并沒有對試點地區(qū)的GTC和GEC產(chǎn)生顯著影響，這可能與近年來發(fā)達(dá)國家對知識產(chǎn)權(quán)的嚴(yán)格保護和技術(shù)壁壘有關(guān)。中國企業(yè)難以獲得發(fā)達(dá)國家的前沿核心綠色技術(shù)，加之碳交易政策給企業(yè)減排的緩沖期相對較短，企業(yè)將高污染生產(chǎn)線轉(zhuǎn)移到環(huán)境規(guī)制水平較低的國家成為及時有效的選擇。因此，多數(shù)企業(yè)優(yōu)先選擇進行污染產(chǎn)業(yè)轉(zhuǎn)移，而非在發(fā)達(dá)國家建立子公司或研發(fā)中心，導(dǎo)致難以獲得逆向綠色技術(shù)溢出。查閱《2021年度中國對外直接投資統(tǒng)計公報》發(fā)現(xiàn)：在對外直接投資流量方面，2021年中國除流向歐洲的投資比上年度減少外，對其他地區(qū)的投資均呈不同程度增長；在對外直接投資存量方面，2021年末，中國在發(fā)達(dá)經(jīng)濟體的直接投資存量為2 867.7億美元，僅占10.3%，而在發(fā)展中經(jīng)濟體的直接投資存量占近九成。^［45］近年來中國對外直接投資的特點也在一定程度上佐證了上述推斷的合理性。

七、結(jié)論和建議

本文選擇2006—2020年中國30個省份作為研究對象，采用EBM-GML方法測算各省份的GTFP，并在GTFP技術(shù)分解的雙重視角下，將碳排放交易試點作為政策沖擊，使用雙重差分法研究碳交易政策對綠色全要素生產(chǎn)率的影響，并檢驗了能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和對外直接投資的作用機制。研究得到如下四點結(jié)論。第一，碳交易政策能夠顯著提升試點省份的GTFP，且GTFP提升主要來源于GTC，經(jīng)過一系列穩(wěn)健性檢驗，結(jié)論仍然可靠。第二，工業(yè)特征異質(zhì)性分析表明，碳交易政策對工業(yè)基地省份的影響不顯著，而對非工業(yè)基地省份的GTFP產(chǎn)生顯著正向影響，其主要來源同樣是GTC。第三，環(huán)境規(guī)制力度異質(zhì)性分析表明，碳交易政策顯著提升GTFP的結(jié)論與CER的強弱無關(guān)，當(dāng)CER較強時，GTFP提升的來源仍為GTC；當(dāng)CER較弱時，GEC做出的貢獻與GTC十分接近。第四，機制分析表明，能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和對外直接投資均為碳交易政策影響GTFP的有效渠道，其中能源結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)的傳導(dǎo)作用均主要通過GTC實現(xiàn)，而對外直接投資通過技術(shù)以外的方式提升試點地區(qū)的GTFP。

基于以上結(jié)論，本文提出以下四點建議。

（1）堅定不移地貫徹“雙碳”目標(biāo)，繼續(xù)推進全國統(tǒng)一碳排放權(quán)交易市場的建設(shè)。企業(yè)在碳排放權(quán)交易機制下想要獲得充分的減排收益，很大程度上依賴于碳市場的流動性。因此，要豐富參與碳交易的主體，保持碳市場的高活躍度和高流動性。引入云計算、大數(shù)據(jù)和人工智能等科技手段，建設(shè)全國碳市場監(jiān)管信息化平臺。正確處理好市場與政府的角色定位，建立“市場機制與政府干預(yù)”相結(jié)合的中國特色碳市場，最大程度發(fā)揮兩者的協(xié)同促進作用。

（2）綠色全要素生產(chǎn)率的增長模式亟需轉(zhuǎn)向技術(shù)進步與技術(shù)效率的共同驅(qū)動模式。一方面，要繼續(xù)充分發(fā)揮環(huán)境規(guī)制的技術(shù)創(chuàng)新效應(yīng)，通過補貼和專項資金支持等政策引導(dǎo)，幫助企業(yè)開發(fā)和應(yīng)用綠色技術(shù)。要充分考慮技術(shù)進步與技術(shù)效率的協(xié)同作用，確保政策之間的協(xié)調(diào)性和一致性。鼓勵試點地區(qū)企業(yè)增強自主研發(fā)和協(xié)同創(chuàng)新能力，提高綠色技術(shù)轉(zhuǎn)化率。另一方面，不能忽略資源配置優(yōu)化和管理水平改善，建立科學(xué)的評價體系，對技術(shù)進步和技術(shù)效率進行定期評估，為政策制定和調(diào)整提供依據(jù)。

（3）環(huán)境政策制定時要充分考慮不同省份的工業(yè)背景和不同政策力度造成的影響。一方面，要因地制宜采取差異化政策，著重加快老工業(yè)基地轉(zhuǎn)型升級，淘汰落后產(chǎn)能，優(yōu)化能源結(jié)構(gòu)，創(chuàng)新管理方式，探索節(jié)能減排新著力點，早日實現(xiàn)減污降碳彎道超車。另一方面，要尋求環(huán)境規(guī)制力度的平衡點，雖然結(jié)論中環(huán)境規(guī)制力度較強地區(qū)的政策效果更優(yōu)，但單方面加強環(huán)境規(guī)制力度不僅會大幅增加企業(yè)的成本壓力，還會造成技術(shù)進步和技術(shù)效率的畸形發(fā)展，而適宜的環(huán)境規(guī)制力度能讓企業(yè)擁有足夠的空間優(yōu)化資源和管理，尋找技術(shù)進步和技術(shù)效率協(xié)同發(fā)展的平衡點。

（4）充分發(fā)揮能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和對外直接投資的機制作用。首先，要優(yōu)化各產(chǎn)業(yè)能源消費結(jié)構(gòu)，降低煤炭在能源消費中的比重，并推進清潔能源替代非清潔能源的進程。其次，要加快推進產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級，逐步淘汰落后產(chǎn)能，鼓勵新型技術(shù)與傳統(tǒng)產(chǎn)業(yè)融合，加快產(chǎn)品生產(chǎn)的綠色化轉(zhuǎn)型。最后，要正確引導(dǎo)企業(yè)的對外直接投資方向。企業(yè)將高污染產(chǎn)業(yè)轉(zhuǎn)移并非應(yīng)對環(huán)境規(guī)制的最優(yōu)解，而應(yīng)利用政策鼓勵企業(yè)在綠色技術(shù)水平較高的國家進行投資，汲取發(fā)達(dá)國家前沿的綠色技術(shù)，形成逆向綠色技術(shù)溢出并傳播回國內(nèi)母公司，提高綠色全要素生產(chǎn)率。

參考文獻：

［1］ Chung Y H，F(xiàn)re R， Grosskopf S. Productivity and Undesirable Outputs： a Directional Distance Function Approach［J］. Journal of Environmental Management，1997，51（3）：229-240.

［2］ 姚璐，王書華，范瑞.資源依賴視角下金融集聚對綠色全要素生產(chǎn)率的影響［J］.資源科學(xué)，2023，45（2）：308-321.

［3］ Fre R， Grosskopf S， Norris M. Productivity Growth，Technical Progress， and Efficiency Change in Industrialized Countries： Reply［J］.The American Economic Review，1997，87（5）：1040-1044.

［4］ 朱寧，劉偉其，于之倩，等.中國銀行業(yè)結(jié)構(gòu)性全要素生產(chǎn)率增長研究［J］.金融研究，2021（7）：1-18.

［5］ 鄭江淮，荊晶.技術(shù)差距與中國工業(yè)技術(shù)進步方向的變遷［J］.經(jīng)濟研究，2021，56（7）：24-40.

［6］ Eslahi M， Mazza P. Can Weather Variables and Electricity Demand Predict Carbon Emissions Allowances Prices？ Evidence From the First Three Phases of the EU ETS［J］.Ecological Economics，2023，214：107985.

［7］ 廖斌，崔金星.歐盟溫室氣體排放監(jiān)測管理體制立法經(jīng)驗及其借鑒［J］.當(dāng)代法學(xué)，2012，26（4）：111-118.

［8］ 于洋，高麗莉，王樹堂.歐盟碳排放交易市場發(fā)展對我國的啟示［J］.環(huán)境保護，2016，44（17）：75-77.

［9］ 王超，楊寶臣.碳市場對商品、金融市場的溢出效應(yīng)分析［J］.南開學(xué)報（哲學(xué)社會科學(xué)版），2021（5）：110-122.

［10］ Schfer S. Decoupling the EU ETS From Subsidized Renewables and Other Demand Side Effects： Lessons from the Impact of the EU ETS on CO2 Emissions in the German Electricity Sector［J］.Energy Policy， 2019，133：110858.

［11］ Brink C，Vollebergh H R J， van der Werf E. Carbon Pricing in the EU： Evaluation of Different EU ETS Reform Options［J］.Energy Policy，2016，97：603-617.

［12］ 賈云赟.碳排放權(quán)交易影響經(jīng)濟增長嗎［J］.宏觀經(jīng)濟研究，2017（12）：72-81.

［13］ 郭蕾，肖有智.碳排放權(quán)交易試點的創(chuàng)新激勵效應(yīng)研究［J］.宏觀經(jīng)濟研究，2020（11）：147-161.

［14］ 周鵬，王嘉琪，王梅.碳排放權(quán)交易政策的微觀效應(yīng)探究——基于企業(yè)綠色創(chuàng)新及異質(zhì)性視角［J］.中國石油大學(xué)學(xué)報（社會科學(xué)版），2023，39（5）：19-33.

［15］ Yan Y，Zhang X，Zhang J，et al.Emissions Trading System （ETS） Implementation and its Collaborative Governance Effects on Air Pollution： The China Story［J］.Energy Policy， 2020，138：111282.

［16］ 張國興，樊萌萌，馬睿琨，等.碳交易政策的協(xié)同減排效應(yīng)［J］.中國人口·資源與環(huán)境，2022，32（3）：1-10.

［17］ 陸敏，徐好，陳福興.“雙碳”背景下碳排放交易機制的減污降碳效應(yīng)［J］.中國人口·資源與環(huán)境，2022，32（11）：121-133.

［18］ 胡珺，方祺，龍文濱.碳排放規(guī)制、企業(yè)減排激勵與全要素生產(chǎn)率——基于中國碳排放權(quán)交易機制的自然實驗［J］.經(jīng)濟研究，2023，58（4）：77-94.

［19］ 余萍，劉紀(jì)顯.碳交易市場規(guī)模的綠色和經(jīng)濟增長效應(yīng)研究［J］.中國軟科學(xué)，2020（4）：46-55.

［20］ Zhang S， Wang Y， Hao Y， et al. Shooting Two Hawks with One Arrow： Could ChinaIs Emission Trading Scheme Promote Green Development Efficiency and Regional Carbon Equality？［J］. Energy Economics，2021，101：105412.

［21］ 徐軍委，劉志華，王建雄.碳交易試點是否提升了區(qū)域綠色全要素生產(chǎn)率？［J］.技術(shù)經(jīng)濟，2022，41（8）：23-33.

［22］ 賈智杰，林伯強，溫師燕.碳排放權(quán)交易試點與全要素生產(chǎn)率——兼論波特假說、技術(shù)溢出與污染天堂［J］.經(jīng)濟學(xué)動態(tài)，2023（3）：66-86.

［23］ Coase R H.The Problem of Social Cost［M］.

London： Palgrave Macmillan， 1960：87-137.

［24］ Palmer K， Oates W E，Portney P R. Tightening Environmental Standards： the Benefit-cost or the No-cost Paradigm？［J］.Journal of Economic Perspectives，1995，9（4）：119-132.

［25］ Hottenrott H， Rexhuser S. Policy-induced Environmental Technology and Inventive Efforts： Is There a Crowding Out？［J］.Industry and Innovation，2015，22（5）：375-401.

［26］ 張友國.實現(xiàn)碳達(dá)峰的需求結(jié)構(gòu)效應(yīng)［J］.中國工業(yè)經(jīng)濟，2023（3）：20-38.

［27］ Porter M E.Towards a Dynamic Theory of Strategy［J］.Strategic Management Journal，1991，12（S2）：95-117.

［28］ Dale J H. Pollution，Property， and Prices： an Essay in Policy-making［M］.Toronto：University of Toronto Press，1968.

［29］ 柳亞琴，孫薇，朱治雙.碳市場對能源結(jié)構(gòu)低碳轉(zhuǎn)型的影響及作用路徑［J］.中國環(huán)境科學(xué)，2022，42（9）：4369-4379.

［30］ 張靜，申俊，徐夢.碳排放交易是否促進了產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級？——來自中國碳排放交易試點政策的經(jīng)驗證據(jù)［J］.經(jīng)濟問題，2023（8）：84-91.

［31］ Walter I，Ugelow J L. Environmental Policies in Developing Countries［J］.Ambio，1979，8（2-3）：102-109.

［32］ 溫忠麟.張雷，侯杰泰，等.中介效應(yīng)檢驗程序及其應(yīng)用［J］.心理學(xué)報，2004（5）：614-620.

［33］ Tone K，Tsutsui M. An Epsilon-based Measure of Efficiency in DEA—A Third Pole of Technical Efficiency［J］.European Journal of Operational Research，2010，207（3）：1554-1563.

［34］ Luo Y， Mensah C N， Lu Z， et al. Environmental Regulation and Green Total Factor Productivity in China： A Perspective of PorterIs and Compliance Hypothesis［J］.Ecological Indicators，2022，145：109744.

［35］ 張軍，吳桂英，張吉鵬.中國省際物質(zhì)資本存量估算：1952—2000［J］.經(jīng)濟研究，2004（10）：35-44.

［36］ Lyu Y， Wang W， Wu Y， et al. How Does Digital Economy Affect Green Total Factor Productivity？ Evidence from China［J］.Science of The Total Environment，2023，857：159428.

［37］ Li C， Qi Y， Liu S， et al. Do Carbon ETS Pilots Improve CitiesI"Green Total Factor Productivity？ Evidence From a Quasi-natural Experiment in China［J］.Energy Economics，2022，108：105931.

［38］ 任亞運，傅京燕.碳交易的減排及綠色發(fā)展效應(yīng)研究［J］.中國人口·資源與環(huán)境，2019，29（5）：11-20.

［39］ 李蘭冰，劉秉鐮.中國區(qū)域經(jīng)濟增長績效、源泉與演化：基于要素分解視角［J］.經(jīng)濟研究，2015，50（8）：58-72.

［40］ Cai X， Lu Y， Wu M， et al. Does Environmental Regulation Drive Away Inbound Foreign Direct Investment？ Evidence From a Quasi-natural Experiment in China［J］.Journal of Development Economics，2016，123：73-85.

［41］ Liu M， Tan R， Zhang B. The Costs of \"Blue Sky\"： Environmental Regulation， Technology Upgrading， and Labor Demand in China［J］.Journal of Development Economics，2021，150：102610.

［42］ 史丹，李少林.排污權(quán)交易制度與能源利用效率——對地級及以上城市的測度與實證［J］.中國工業(yè)經(jīng)濟，2020（9）：5-23.

［43］ 連玉君，彭方平，蘇治.融資約束與流動性管理行為［J］.金融研究，2010（10）：158-171.

［44］ 董雨，袁雪，查勇.碳排放權(quán)交易、數(shù)字經(jīng)濟與企業(yè)全要素生產(chǎn)率［J］.商業(yè)研究，2024（1）：12-22.

［45］ 中華人民共和國商務(wù)部，國家統(tǒng)計局，國家外匯管理局.2021年度中國對外直接投資統(tǒng)計公報［M］.北京：中國商務(wù)出版社，2022：49-55.

責(zé)任編輯：曲"紅

The Impact of Emission Trading Scheme on Green Total Factor

Productivity： A Perspective on Technological Progress and Technical Efficiency

ZHANG Mingming， WANG Kunmiao

（School of Economics and Management， China University of Petroleum （East China）， Qingdao 266580， Shandong， China）

Abstract： Based on panel data from 30 provincial administrative regions in China between 2006 and 2020， and utilizing the 2013 carbon trading pilot policy as a quasi-natural experiment， this study employs the Difference-in-Differences method to investigate the policy effects and mechanisms of carbon trading policies on green total factor productivity （GTFP） and its decomposition terms. The research findings indicate that carbon trading policies can significantly enhance GTFP in pilot provinces， primarily attributed to technological progress within the internal structure of GTFP. This conclusion remains valid across a series of robustness tests. Heterogeneity analysis reveals that carbon trading policies have no significant impact on GTFP in industrial base provinces but exert a notable positive effect on GTFP in non-industrial base provinces， with technological progress being the source of growth. Regardless of the intensity of environmental regulation， carbon trading policies have a significant positive impact on GTFP， and the contribution of technical efficiency to GTFP increases as regulatory intensity strengthens. Mechanism analysis demonstrates that energy structure， industrial structure， and foreign direct investment "all serve as effective channels through which carbon trading policies influence GTFP. The transmission effects of energy structure and industrial structure are primarily achieved through technological progress， while foreign direct investment primarily enhances GTFP in pilot regions through non-technological means.

Key words： carbon emission trading scheme; green total factor productivity; difference-in-differences; foreign direct investment

英文編校：馬志強