李艳芹 李宗尧 张骞

摘要：以科斯产权定理为理论基础，建立了关于碳排放量和碳排放强度的多时点双重差分模型，对2007—2017年我国30个省级行政区（不含港澳台和西藏自治区）的相关面板数据进行实证检验，以考察碳交易政策对碳排放的影响。多时点双重差分结果显示：碳交易政策对减少碳排放量具有显著促进作用，随着实行时间的推移，该政策的减排效果逐渐增大；碳交易政策的实施有利于降低碳排放强度，且政策影响同样逐年增大，与该政策对碳排放量的影响相比，相关系数明显更大；在对碳排放量和碳排放强度的影响过程中，经济水平和技术水平等因素的影响效果比较显著，而产业结构和人口规模等变量到目前为止尚未表现出明显影响；特别地，我国二氧化碳排放量与经济发展水平之间满足EKC假说，二者之间存在倒“U”形曲线关系。

关键词：碳交易；碳排放量；碳排放强度；多时点双重差分法

中图分类号：F830.33文献标识码： ADOI：10.3969/j.issn.1003-8256.2020.06.010

开放科学（资源服务）标识码（OSID）：

0引言

20世纪以来，随着工业化、城市化的发展以及全球人口的迅速增长，全球变暖已成为当今人类无法回避的问题。全球变暖不仅会加剧冰川消融、引发一系列生态问题，还会对人类健康造成严重威胁，妥善处理经济发展与环境保护之间的关系成为各国共同面临的挑战。在物理学中，二氧化碳、甲烷等温室气体在一定的物理条件下会产生温室效应，从而导致全球变暖现象的出现，而在《联合国气候变化框架公约的京都议定书》中规定控制的六种温室气体中，二氧化碳对温室效应的贡献率近一半，成为造成温室效应的最主要温室气体之一，因此，控制碳排放成为缓解全球变暖的重要途径。根据世界银行发布的全球碳排放相关数据显示，2005年以来我国碳排放量直线上升，目前已成为世界第一大碳排放国，减排压力巨大。此外，按照2014年中美两国达成的温室气体减排协议，我国将力争在2030年左右开始减少温室气体排放量，更为本就困难的减排任务增加了难度系数。因此，行之有效的碳减排工具对减排任务的完成十分重要。

碳交易，即二氧化碳排放权交易，最早是在1997年的《京都议定书》中提出，该协议将市场机制作为解决温室效应的新途径，使得二氧化碳排放量可以在碳交易市场进行买卖。国际上以欧盟的ETS、英国的ETG、美国的CCX和澳大利亚的NSW等四大碳交易所规模最大，我国也分别于2012、2013和2017年陆续在北京、上海、重庆、湖北、天津、深圳、广东、福建等8省市开启试点工作。自碳交易试点工作启动以来，各试点省市的交易量逐年攀升，2019年底全国碳交易试点的碳交易总量突破9200万吨，其中广东省以4538万吨的交易量占据第一。

理论上，碳交易依托科斯定理，将碳排放权视为一种产权，而产权明晰才能避免“公地的悲剧”，因此，碳交易政策理应可以在一定程度上有助于实现碳减排目标。虽然国内碳交易市场的启动和国际碳交易市场存在一定时差，但是国内外关于碳交易政策效果的研究在很多层面趋同。在研究结果层面，国内外多数研究认为该政策对环境改善具有显著的促进作用[1-5]，碳交易政策值得在全国范围内推广，也有些研究认为到目前为止，该政策对于降低碳排放强度并无显著效果[6]，是否应该推广仍然值得商榷。在研究方法层面，主要采用CGE模型研究碳交易及其影响[7-8]，也有通过碳交易机制仿真模型测算了该政策对经济和环境的影响[9-10]；除情景模拟分析外，合成控制法和双重差分法（DID）则是近几年相关研究的重要方法，陈醒等[11]采用合成控制法分别分析了各碳交易试点的碳减排效果，范丹等[12]综合运用了双重差分模型和全局DEA框架检验碳排放权交易机制是否支持技术创新的“弱波特假说”，马晓伟[13]、任亚运[5]以及路正南等[3]在分析碳交易政策的减排有效性时同样采用了双重差分法。综合对比情景分析法和双重差分法，由于前者受情景设定的影响较大，在分析碳交易政策的有效性方面，双重差分法则能反映出相对真实的政策效果；同时，以上有关双重差分法的研究中，虽然关于政策的起始时点稍有差别，但是都将各个试点的起始时间归为同一年内，考虑到各试点省市的相关工作开始年份不同，本文拟在传统双重差分模型的基础上区分不同的起始时间，采用多时点双重差分模型分析我国碳交易政策对碳排放的影响。

1模型设计和数据说明

1.1模型设定

本文将我国在各试点省市实行的碳交易政策视为一次“准自然实验”，以碳排放量和碳排放强度作為衡量碳排放水平的两个替代指标，采用多时点双重差分法实证分析该政策分别对于碳排放量和碳排放强度的影响。其中，福建省于2017年正式启动碳交易，深圳市的多个指标均包含在广东省，鉴于数据的完整性和可得性，本文将2012年的北京、上海、重庆以及2013年的湖北、天津、广东等6个试点省级行政区作为处理组，其余24个非试点省级行政区作为控制组（鉴于数据可得性，不含港澳台和西藏自治区）。为消除个体和时间差异，在多时点双重差分模型中加入个体效应和时点效应，使之成为控制双向固定效应的多时点双重差分模型，设定关于碳排放量和碳排放强度的基础模型如下：

其中，CO2表示二氧化碳排放量，WCO2表示二氧化碳排放强度，α0、β0均为常数项，Dit为政策虚拟变量，当且仅当i为北京、上海、重庆对应的编号且t为2012与i为湖北、天津、广东对应的编号且t为2013时，Dit为1，其他均为0，Zit表示控制变量，μi和τt分别表示个体效应和时点效应，εit表示标准残差项。

1.2数据来源与变量说明

本文选取2007—2017年我国30个省区（不含港澳台和西藏自治区）的面板数据，所有原始数据来源于《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》和《中国城市数据库》，具体的指标选取和核算方法如下：

（1）碳排放量的核算。本文以IPCC准则为依据并且按照IPCC所给出的能源碳排放系数进行折算，得出各省二氧化碳排放量，测度公式为：

其中，i表示第i种能源，E表示能源消耗量，NCV表示该种能源的平均低位发热量，单位为千焦/千克，CEF表示能源的二氧化碳排放系数，单位为千克/太焦。

（2）被解释变量。各省级行政区的碳排放量即为按照式1所得数据，碳排放强度则为碳排放量与各省总产值之比，分别对二者取对数，用lnCO2和lnWCO2分别表征各省碳排放量和碳排放强度。

（3）控制变量。很多研究表明，碳排放的影响因素主要是通过结构效应、技术效应和规模效应来影响碳排放的[14—21]。结合IPAT模型和Kaya恒等式，同时参考Auff-hanner等和宋德勇等的方法，选择产业结构、技术水平、人口规模和经济水平作为控制变量。其中，产业结构（stru）用第二产业产值在总产值中所占比重来表示，技术水平（tech）用单位产值所需能源消耗量来表示，人口规模（popu）各省级行政区的人口密度表示，经济水平（lngdp）则用各省对应各年的总产值的对数来表示。此外，由于碳排放量与经济发展水平之间存在倒“U”形曲线关系[22—24]，因此在对碳排放量进行多时点双重差分的过程中，要同时加入经济水平的一次方项（lngdp）和二次方项（lngdp2），而碳排放强度相关模型中则只需加入经济水平的一次方项（lngdp）。

2多时点双重差分检验

2.1碳排放量的多时点双重差分结果与分析

在针对碳排放量的实证检验过程中，以模型（1）作为基础模型，不加入任何控制变量，在此基础上分别加入经济水平的一次方项与二次方项、产业结构、技术水平、人口规模等控制变量得到模型（4）到模型（7），采用多时点双重差分法得到碳交易政策对碳排放量的影响结果如表1所示。

表1中，核心解释变量Dit的系数符号与显著性水平基本一致，控制变量经济水平和技术水平均在1%水平上顯著，所有变量的系数符号均未发生变化，说明碳交易政策虚拟变量和经济水平、技术水平等变量均通过了显著性检验，且估计结果比较稳健。

观察核心解释变量Dit可知，该变量的回归系数均为负，且在1%水平上显著，说明碳交易政策对碳排放量具有明显抑制作用，碳交易政策对于碳减排具有显著促进作用。

控制变量中，lngdp在模型（4）到模型（7）中回归系数显著为正，lngdp2对应的回归系数则均显著为负，说明我国经济发展水平与碳排放量之间存在倒“U”形曲线关系，证实了已有的相关研究结论[22-24]；tech的回归系数在模型（6）和（7）中均在1%水平上显著为负，说明技术水平的提高有助于推动碳减排的实现；stru和popu两个控制变量均未通过显著性检验，表明当前我国各省级行政区的碳排放量与人口规模和产业结构并无显著相关关系。

2.2碳排放强度的多时点双重差分结果与分析

在针对碳排放强度的实证检验过程中，以模型（2）作为基础模型，不加入任何控制变量，在此基础上分别加入经济水平的一次方项、产业结构、技术水平、人口规模等控制变量得到模型（8）到模型（11），采用多时点双重差分法得到碳交易政策对碳排放量的影响结果如表2所示。

表2中，核心解释变量Dit在模型（2）和模型（8）到模型（11）中均通过了1%的显著性检验，且对应的回归系数符号一致，经济水平、技术水平等控制变量和常数项也都在1%的水平下显著，产业结构的回归系数在10%水平下通过了显著性检验，且以上所有控制变量回归系数的符号在各模型下均一致，显示该多时点双重差分结果比较稳健，碳交易政策等变量对碳排放强度具有显著影响。

在未加入任何控制变量之前，碳交易政策虚拟变量Dit的回归系数为-0.1971，而在逐渐加入其他控制变量之后，尤其是在模型（11）中，Dit的回归系数变为-0.1493，一方面表明了碳交易政策与碳排放强度显著负相关，碳交易政策的实行有利于降低碳排放强度，另一方面说明，在加入经济水平等多种控制变量以后，碳交易政策对降低碳排放强度的贡献率下降；控制变量中，经济水平、技术水平均与碳排放强度显著负相关，表明了经济水平的提高和技术水平的上升对碳排放强度的降低具有重要促进作用；popu未通过模型（11）的显著性检验，表明目前我国人口规模对碳排放强度的解释力相对较弱，人口密度的大小尚未对碳排放强度造成显著影响。

3稳健性和适用性检验

传统的双重差分法要求实验或研究政策必须满足随机分组、处理变量与其他可能影响实验结果的变量无关、处理组和控制组具有共同趋势等前提条件，该要求也同样适用于多时点双重差分法。因此，为了检验碳交易政策是否满足该要求，需要进行政策干预时间随机性检验、分组随机性检验、控制组不受试验影响检验和共同趋势检验。

3.1政策干预时间的随机性检验

碳交易政策的发生时间必须是随机选择的，才能确保估计量的外生性[3]。根据陈林等[25]的改进建议，参照路正南等的相关研究，本文以2007—2017年间我国30个省级行政区的碳排放量和碳排放强度数据为基础，对比分析二者的变化趋势，观察碳交易政策的发生时间是否满足随机性假设。期间我国各年碳排放量和碳排放强度趋势图如图1所示：

图1中，2007—2017年间，碳排放总量呈逐年上升态势，碳排放强度逐年下降的趋势明显，在2012年和2013年等碳交易政策集中发生年份，二者并无明显异常波动，且在此之前的2007—2011年和之后的2014—2017年间，碳排放总量和碳排放强度走势均较平稳，不存在异常值，表明碳交易政策发生时点的选择与二者无关，该政策的干预时间满足随机性要求。

3.2分组的随机性检验

为避免由样本选择带来的回归偏误，处理组和控制组必须满足随机分组的要求，即控制组的选择要具有随机性。参照周晶等[26]的方法，本文以所有省区2013年前的碳排放量和碳排放强度数据为基础，对各省对应的碳排放量和碳排放强度在全国范围内进行排名，并筛选出2007—2012年北京等6个试点省级行政区的排名数据，制成表3。

如表3，在全国范围内的二氧化碳排放量排名中，广东和湖北基本处于前1/3位次水平，上海基本处于前2/3位次水平，重庆、北京和天津则处于后1/3位次水平，各试点省区的碳排放量全国排名所处区间较分散，未出现集中趋势；在全国范围内的二氧化碳排放强度排名中，重庆和湖北位于前2/3位次水平，北京、上海、天津和广东等省区则位于后1/3位次水平，其中天津基本处于后1/3位次水平的前端，各试点省区的碳排放强度全国排名仍然未出现大面积集中趋势。表明无论是在碳排放量层面还是碳排放强度层面，处理组和控制组的选取均满足随机性要求。

3.3控制组不受碳交易政策影响检验

如果除北京、广东等试点省区外，其他非试点省区同样受到碳排放政策影响的话，则无法使用多时点双重差分法对模型进行回归。因此，需要通过反事实检验来衡量非试点省区是否受碳交易政策的影响。在进行反事实检验过程中，首先剔除北京等试点省区，在剩下的24各省区中，依次不放回抽取6个省区编号，其中，前3个编号作为2012年实行碳交易政策省区，其余3个作为2013年实行碳交易政策省区，本文通过普通抓阄法获得反事实检验省区分别为：2012年的辽宁、新疆和浙江，2013年的山西、福建和安徽。假设该6省区为碳交易试点省区，以模型（1）和模型（2）为基础，同样采用多时点双重差分法分别对碳排放量和碳排放强度进行回归，回归结果如表4所示，其中模型（11）和模型（13）为未加入任何控制变量的原始多时点双重差分模型，模型（12）和模型（13）则为加入经济水平、产业結构、技术水平和人口规模等控制变量的新模型。

表4中，碳交易政策虚拟变量Dit在模型（11）到模型（14）中均不显著，表明碳交易政策未对辽宁、山西等非碳交易试点地区的碳排放量和碳排放强度造成影响。同时，结果显示经济水平、技术水平和人口规模等控制变量对碳排放量和碳排放强度影响显著，且碳排放量与经济发展水平同样满足倒“U”形曲线关系，进一步证明了回归结果的稳健性。

3.4共同趋势检验和动态效应分析

在使用传统的双重差分法分析政策效果之前，处理组和控制组的被解释变量具有共同趋势是最重要的前提条件之一，否则，双重差分结果没有任何意义，该条件同样适用于多时点双重差分法。共同趋势检验有多种方法，目前学界广泛使用的事件研究法是其中之一。事件研究法即ESA方法，将其应用在多时点双重差分法中，不仅可以检验被解释变量的共同趋势，还可以将政策效果在时间维度上清楚地展现出来，因此，将二者结合的方法又被称为灵活的DID或者政策的动态效应。由于该方法优势明显，本文在进行共同趋势检验时将ESA方法加入多时点双重差分模型中，分析碳交易政策实行前各省区在碳排放量和碳排放强度方面是否具有共同趋势，同时分析政策实行后的动态变化效果。

3.4.1碳排放量的共同趋势与动态效应分析

图2中，碳交易政策实行前3年的碳排放量与政策的相关系数接近于0，表明该政策实施前处理组和控制组的碳排放量具有共同趋势；碳交易政策实施后的5年里，相关系数均为负值，且相关系数的绝对值随时间的推移而增大，表明该政策的出现对减少碳排放量有明显的促进作用，且时间越久，该政策的减排效果越大。

3.4.2碳排放强度的共同趋势与动态效应分析

图3中，碳交易政策实行之前的3年内，该政策对碳排放的影响系数几乎为0，表明处理组和控制组的碳排放强度满足共同趋势假设；在该政策实施后的5年里，相关系数变化趋势类似于碳排放量的相关系数变化，均为负值且绝对值逐年增大，与之不同的是，碳排放强度的相关性曲线下降趋势比较平缓且绝对值整体偏大，表明碳交易政策不仅对碳排放强度具有持续增大的负效应，而且同该政策对碳排放量的影响相比，对碳排放强度的影响更平稳且效果更大。

4结论与建议

为了考察碳排放权交易政策对碳排放的影响，本文选取碳排放量和碳排放强度作为衡量碳排放的替代指标，构建了关于碳排放量和碳排放强度的多时点双重差分模型，以北京、天津等6个碳交易试点省级行政区作为处理组，其他24个非试点省区作为对照组，对2007—2017年我国30个省级行政区（不含港澳台和西藏自治区）的相关面板数据进行实证检验，结论如下：

（1）碳交易政策对减少碳排放量具有显著促进作用，随着实行时间的推移，该政策的减排效果逐渐增大。

（2）碳交易政策的实施有利于降低碳排放强度，且政策影响同样逐年增大，与该政策对碳排放量的影响相比，相关系数明显更大。

（3）在对碳排放量和碳排放强度的影响过程中，经济水平和技术水平等因素的影响效果比较显著，而产业结构和人口规模等变量到目前为止尚未表现出明显影响；特别地，我国二氧化碳排放量与经济发展水平之间满足EKC假说，二者之间存在倒“U”形曲线关系。

（4）采用多时点双重差分法评估碳交易政策的有效性满足该方法的前提条件：政策的干预时间具有随机性，处理组的选择具有随机性，控制组不受政策影响，且处理组和控制组在政策发生前具有共同趋势。

基于以上研究结论，本文提出建议：

（1）碳交易政策实行以来，其对于减少碳排放量和降低碳排放强度的效果显著，具有将其推广到全国范围的理论和实证基础。中央和地方相关部门可以结合全国和各省份具体情况，参考欧盟、澳大利亚等国际碳交易市场和北京、天津等国内碳交易试点省区的相关经验，综合考虑推广实施碳交易政策的具体办法，因地制宜，科学规划，最大限度地发挥碳交易政策的减排效果。

（2）提高经济发展水平和科技水平是减少二氧化碳排放量和降低二氧化碳排放强度的重要途径，不断提高技术水平，进一步推动经济高质量发展，尽早实现经济发展水平与碳排放量的倒“U”形拐点的到来。

参考文献：

[1]DUMAN Y S， KASMAN A. Environmental technical efficiency in EU member and candidate countries： A parametric hyperbolic distance function approach[J]. Energy， 2018， 147： 297-307.

[2]刘传明，孙喆，张瑾.中国碳排放权交易试点的碳减排政策效应研究[J].中国人口·资源与环境，2019，29（11）：49-58.

[3]路正南，罗雨森.中国碳交易政策的减排有效性分析——双重差分法的应用与检验[J].干旱区资源与环境，2020，34（4）：1-7.

[4]王勇，赵晗.中国碳交易市场启动对地区碳排放效率的影响[J].中国人口·资源与环境，2019，29（1）：50-58.

[5]任亚运，傅京燕.碳交易的减排及绿色发展效应研究[J].中国人口·资源与环境，2019，29（5）：11-20.

[6]宋德勇，易艳春.外商直接投资与中国碳排放[J].中国人口·资源与环境，2011，21（1）：49-52.

[7]CHRISTOPH B， WELSCH H. Contraction and convergence of Carbon emissions： an intertemporal multi-region CGE analysis[J]. Journal of Policy Modeling， 2004， 26（1）： 21-39.

[8]孙睿，况丹，常冬勤.碳交易的“能源—经济—环境”影响及碳价合理区间测算[J].中国人口资源与环境，2014，24（7）：82-90.

[9]谭秀杰，刘宇，王毅.湖北碳交易试点的经济环境影响研究——基于中国多区域一般均衡模型TermCO2[J].武汉大学学报（哲学社会科学版），2016，69（2）：64-72.

[10]汤铃，武佳倩，戴伟，等.碳交易机制对中国经济与环境的影响[J].系统工程学报，2014，29（5）：701-712.

[11]陈醒，徐晋涛.中国碳交易试点运行进展总结[A].薛进军，赵忠秀，戴彦德，等.中国低碳经济发展报告（2017）[C].北京：社会科学文献出版社， 2018.

[12]范丹，王维国，梁佩凤.中国碳排放交易权机制的政策效果分析——基于双重差分模型的估计[J].中国环境科学，2017，37（6）：2383-2392.

[13]马晓伟，余华银.碳排放权交易政策对环境效率影响的实证研究[J].荆楚理工学院学报，2019，34（2）：88-96.

[14]仲云云，仲伟周.我国碳排放的区域差异及驱动因素分析——基于脱钩和三层完全分解模型的实证研究[J].财经研究，2012，38（2）：123-133.

[15] WU L B， KANEKO S， MATSUOKA S. Driving forces behind the stagnancy of Chinas energy-related CO2emissions from 1996 to 1999： the relative importance of structural change， intensity change and scale change[J]. Energy Policy， 2005， 33（3）： 319-335.

[16]雷厉，仲云云，袁晓玲.中国区域碳排放的因素分解模型及实证分析[J].当代经济科学，2011，33（5）：59-65，126.

[17]涂正革，諶仁俊，韩生贵.中国区域二氧化碳排放增长的驱动因素——工业化、城镇化发展的视角[J].华中师范大学学报（人文社会科学版），2015，54（1）：46-59.

[18]郭朝先.产业结构变动对中国碳排放的影响[J].中国人口·资源与环境，2012，22（7）：15-20.

[19]田立新，张蓓蓓.中国碳排放变动的因素分解分析[J].中国人口·资源与环境，2011，21（11）：1-7.

[20] REN S G， YIN H Y， CHEN X H. Using LMDI to analyze the decouplingofCarbondioxideemissionsbyChinas manufacturing industry[J]. Environmental Development， 2014， 9： 61-75.

[21]鄧吉祥，刘晓，王铮.中国碳排放的区域差异及演变特征分析与因素分解[J].自然资源学报，2014，29（2）：189-200.

[22]王菲，杨雪，田阳，等.基于EKC假说的碳排放与经济增长关系实证研究[J].生态经济，2018，34（10）：19-23.

[23]刘颖，任燕燕.基于VEC模型的中国CO2库兹涅茨曲线分析[J].安徽师范大学学报（人文社会科学版），2012，40（1）：25-30.

[24]刘华军，闫庆悦，孙曰瑶.中国二氧化碳排放的环境库兹涅茨曲线——基于时间序列与面板数据的经验估计[J].中国科技论坛，2011（4）：108-113.

[25]陈林，伍海军.国内双重差分法的研究现状与潜在问题[J].数量经济技术经济研究，2015，32（7）：133-148.

[26]周晶，陈玉萍，丁士军.“一揽子”补贴政策对中国生猪养殖规模化进程的影响——基于双重差分方法的估计[J].中国农村经济，2015（4）：29-43.

Carbon Trading Policy and Carbon Emission： An Empirical Test of Time-Varying DID Model

LI Yanqin，LI Zongyao，ZHANG Qian

（Party School Of C.P.C. Jiangsu Committee， Nanjing 210009，China）

Abstract： Based on the coase theorem， this paper established a time-varying DID model of carbon emission and carbon emission intensity， and conducted empirical test on the panel data of 30 Chinese provincial administrative regions（excluding Hong Kong， Macao， Taiwan and Tibet autonomous region） from 2007 to 2017 to investigate the impact of carbon trading policies on carbon emissions.The time-varyingDID results show that the carbon trading policy has a significant promoting effect on the reduction of carbon emissions.The implementation of carbon trading policy is conducive to the reduction of carbon emission intensity， and the impact of the policy is also increasing year by year. In the process of influencing carbon emission and carbon emission intensity， factors such as economic level and technological level have a significant effect， while variables such as industrial structure and population size have not yet shown significant influence；In particular， Chinas carbon dioxide emissions and economic development level meet the EKC hypothesis， and there is an inverted "U" curve relationship between them.

Keywords： carbon trading；carbon emissions；carbon emission intensity；Time-varying DID model