于向宇 陈会英 李跃

摘要 中国作为主要的碳排放国之一，环境问题已成为制约经济可持续发展的关键影响因素。作为推进经济绿色低碳发展的措施之一，建立碳交易机制能够通过市场经济手段弥补行政命令式政策的局限性，有助于实现碳减排目标。为评估中国碳交易机制对碳交易试点省市碳绩效的政策影响效应和作用路径，文章选取2005—2017年中国30个省份的面板数据进行分析。首先，采用SE-SBM模型测度各省市碳绩效水平;然后，以碳交易試点省市为研究对象，采用合成控制法构建实验组和控制组，评估碳交易机制对试点省市碳绩效水平的影响效果，并进行有效性检验;最后，运用递归模型探究碳交易机制对碳绩效水平的作用路径。研究结果表明：①中国平均碳绩效值在0.5左右，区域差异性显著;部分省市呈现波动式上升趋势，另一部分省市则呈现波动式下降趋势。 ②碳交易机制有效提升了试点省市的碳绩效水平。由于试点省市所处经济发展阶段不同，碳交易机制对碳绩效的影响程度存在区域异质性。碳绩效水平提升幅度由高到低依次为北京、天津、湖北和重庆。③能源结构、技术创新及产业结构是碳交易机制推动碳绩效水平提升的三条主要路径。基于此，文章提出以下建议：加快全国碳交易机制建设步伐，实现碳交易市场全覆盖;充分考虑区域异质性，因地制宜设计碳交易机制;鼓励技术创新，优化能源结构，推动产业转型升级，促进绿色低碳经济发展。

关键词 碳交易机制;碳绩效;合成控制法;作用路径

中图分类号 F062.2   文献标识码 A  文章编号 1002-2104（2021）04-0051-11  DOI：10.12062/cpre.20201210

自2003年英国能源白皮书《我们能源的未来：创建低碳经济》发布后，以“低能耗、低污染、低排放”为基础的绿色低碳经济迅速成为全球关注的热点。在全球持续变暖、环境恶化的背景下，各国采取了一系列措施“补绿色短板”。能源驱动型的经济发展模式促使中国迅速成为全球最大的碳排放国，环境问题已成为制约中国经济可持续发展的关键影响因素。为实现到2030年碳排放强度比2005年下降60%～65%的国际承诺，中国付出了巨大努力，其中包括引入碳交易机制。碳交易机制通过市场经济手段推动能源技术升级和产品升级，弥补行政命令式政策的局限性，进而实现碳减排目的。中国于2011年选取北京、天津、上海、深圳、湖北、广东、重庆7个省市作为碳交易试点省市，并于2013年陆续启动碳排放交易，成为规模仅次于欧盟碳交易体系的全球第二大碳交易市场。碳绩效作为绿色低碳经济发展的重要指标，反映了经济增长与碳排放之间的关系。那么，中国碳交易机制能否提高试点省市的碳绩效水平？碳交易机制对碳绩效水平的作用路径是什么？这些问题的回答对全面推行碳交易机制，促进绿色低碳经济发展具有重要的理论和现实意义。

1 文献综述与理论分析

1.1 文献综述

1.1.1 碳绩效测度与影响因素

碳绩效是指人类在生产生活过程中引致的碳排放所带来的相应效益，要求以最少的碳排放量换取最大的经济效益和社会福利。对碳绩效的研究多集中于测度及其影响因素分析。碳绩效的测度经历了从单个要素指标测度向全要素指标测度的转变。单要素碳绩效一般采用某一要素与碳排放量之间的比率表示，包括碳指数[1]、碳排放强度[2]及碳生产率[3]等。单要素碳绩效评估指标仅反映了二氧化碳排放和经济产出两者的比例关系，而在实际的生产中，人口规模、能源消费等其他投入要素也对经济产出造成影响[4]。随着数据包络分析（data envelopment analysis，DEA）的不断发展，全要素思想被广泛应用于碳绩效测度领域。Faere等[5]提出把环境影响作为非期望产出加入传统的DEA模型中;Zaim等[6]将污染排放纳入DEA模型，对经济合作与发展组织成员国的碳绩效进行评价;蓝虹和王柳元[7]运用SE-SBM模型测算了中国区域碳绩效，并分析其驱动效用。碳绩效的影响因素主要集中在对外开放、技术创新、环境规制等方面。李锴和齐绍洲[8]通过对比贸易开放地区与相对封闭地区的碳绩效差异，提出对外开放对碳绩效起推动作用;谢波和李松月[9] 基于中国西部11个省份的数据，运用Tobit模型，分析了贸易开放、技术创新对碳绩效的影响，结果表明技术创新促进碳绩效的增长;丁旭辉等[10]通过门槛模型证实了环境规制在不同的门槛变量下对碳绩效的影响程度不同，并提出实现环境规制碳减排效应最大化的对策建议。作者选取SE-SBM模型测度各省市碳绩效水平，把碳排放量作为非期望产出，能够较为全面真实地衡量碳绩效水平。

1.1.2 碳交易机制对碳绩效的政策效应评价研究

基于科斯产权定理的排污权交易方式是有效的环境规制手段，而碳交易机制来源于排污权交易。专家学者主要采用系统动力学、双重差分法、双重差分倾向得分匹配法和对比分析法等，衡量碳交易机制对碳绩效的作用影响。如廖诺等[11]通过构建碳交易机制下电煤供应链全过程碳排放的系统动力学仿真模型，发现碳交易价格越高，对电煤供应链及各节点企业利润的负面影响越大，且减排效果先增后减;刘勇和曾康佳[12]以工业行业为研究对象，认为碳交易机制实施给工业经济带来一定的负效应，但机制的碳减排效应显著;路正南和罗雨森[13]采用双重差分法（DID），实证分析了碳交易机制对碳排放量的抑制作用;宋德勇和夏天翔[14]基于双重差分法（DID）验证了碳交易机制对碳排放强度无显著影响;周迪和刘弈淳[15]基于城市面板数据，运用双重差分倾向得分匹配法（PSM-DID），得出碳交易机制对碳排放强度具有抑制作用的结论;余萍和刘纪显[16]在碳交易机制减排效应基础上，运用双向固定效应模型，探究了碳交易市场规模的绿色和经济增长效应，认为扩大碳交易市场规模有利于改善环境质量并促进经济增长;王勇和赵晗[17]基于对比分析法，提出碳交易机制对碳排放效率具有促进作用。

考虑到系统动力学和对比分析法难以剔除其他因素的影响，双重差分法在控制组选择方面存在主观随意性，双重差分倾向得分匹配法因为省份与年份的交错而易导致匹配出现误差，而合成控制法根据数据计算最优权重，可有效避免以上问题。作者采用合成控制法评估碳交易机制对试点省市全要素碳绩效的影响效果，并进一步分析碳交易机制影响碳绩效的作用路径，为推广普及碳交易机制、有效提升中国碳绩效水平提供决策依据。

1.2 碳交易機制对碳绩效影响的理论分析

碳交易机制的实施主要是运用市场化机制弥补行政命令式政策的局限性，避免出现政府失灵现象，实现绿色低碳经济更好发展的目标。碳绩效能够反映碳排放和经济发展的协调程度，这意味着碳交易机制可从降低碳排放量、提高经济发展水平两个层面来影响碳绩效。在对相关文献和国家政策进行梳理分析的基础上，发现碳交易机制主要通过以下三条路径影响试点省市碳绩效水平，如图1所示。

1.2.1 能源结构路径

碳交易机制通过成本节约激励机制推进能源消费结构优化。碳交易机制的确立，将碳排放量内化为企业的生产成本，导致推进能源结构优化的边际报酬增加大于购买配额带来的边际成本增加[18]。碳交易机制为企业提供了降低成本的激励，促使其调整生产模式，以降低碳排放量，减少因购买碳排放额缺口带来的损失，或通过市场获得碳排放额盈余的收益。为减少成本，电力、化工、建材等高耗能企业必然会寻求降低碳排放量的途径，选用碳排放系数低的化石能源或“零碳”能源[19]。企业的选择会推动地区能源消费结构的变化，由以高碳排放为特征的化石能源消费为主向以低碳排放为特征的清洁能源消费为主转变，实现碳减排目的，进而提高碳绩效水平。因此，作者认为能源结构优化是碳交易机制影响碳绩效水平的关键路径。

1.2.2 技术创新路径

碳交易机制通过“信号-预期”机制诱发试点省市开展低碳技术创新活动。一方面，碳交易机制政策从出台到实际运行存在一定的时间间隔，企业对政策的预期会影响其关于创新活动的决策[20]。另一方面，碳交易机制通过改变实际碳排放要素价格，鼓励或倒逼企业重视、采用或研发绿色低碳技术。而技术创新对碳绩效的正向促进作用已经得到专家学者的广泛认可。研究表明，技术创新主要通过生产技术进步、能源利用技术进步和治污技术进步三个维度来推动碳绩效水平提高。首先，生产技术进步通过提高生产效率间接提高碳绩效水平;其次，能源利用技术进步直接提高能源利用效率进而推动碳绩效水平的提升;最后，通过碳捕集、碳封存等技术进步，降低碳排放量，间接提升碳绩效水平。因此，作者认为碳交易机制可通过诱发技术创新提升碳绩效水平。

1.2.3 产业结构路径

碳交易机制通过市场调节“倒逼”试点省市产业结构优化升级。碳交易机制充分发挥市场在碳排放权配置中的决定性作用，优化生产要素在产业间的分配方式和关联关系。当碳排放额盈余收益大于低碳技术研发成本时，资本势必向低碳产业领域流动，推动“高技术、高附加值和低碳排放”的战略新兴产业发展，加快淘汰钢铁等“高耗能、高污染、高排放”行业的落后产能，推动试点省市产业结构向清洁、低碳方向转变。企业为追求利润最大化，对其自身的要素结构、产品定位、产品结构等做出相应调整，从而在宏观上驱动产业结构转型升级[21]。同时，产业结构转型升级是碳绩效水平的重要影响因素。产业结构转型升级推动了清洁低碳高新技术产业和现代服务业发展，降低了碳排放量，从而实现碳绩效水平的提升;另一方面，产业结构转型升级能够实现资源的有效配置，促进区域经济发展，进而提高碳绩效水平。因此，作者认为产业结构转型升级是碳交易机制提高碳绩效水平的又一重要路径。

2 研究方法

2.1 碳绩效测算方法

当前关于碳绩效评价问题多运用碳排放强度或DEA模型测度分析。然而，碳排放强度未考虑要素替代的影响，传统DEA模型忽略了松弛变量等因素，导致其不能准确评价碳绩效水平。SE-SBM（super-efficiency slacks-based measure）模型是由Tone等[22]在DEA模型基础上提出的非径向非角度模型，其在传统DEA方法基础上引入松弛变量，剔除了径向角度带来的偏差，同时克服了传统模型效率最优值为1的缺陷。基于此，作者选取考虑非期望产出和松弛变量的SE-SBM模型，测度碳绩效水平。

参照Tone等[22]提出的SBM（slack-based measure，SBM）模型的解决方法，非期望产出的SE-SBM模型为：

假定有n个决策单元，每个决策单元有m种投入（x），q1种期望产出（yg），q2种非期望产出（yb）。定义矩阵X=[x1，x2，…，xn]，Yg=[yg1，yg2，…，ygn

]，Yb=[yb1，yb2，…，ybn]，其中投入、期望与非期望产出x>0、yg>0、yb>0，生产集合表示为P=

（x，yg，yb）=|xXλ，ygYgλ，ybYbλ  。

在非期望产出SE-SBM模型中，s为投入与产出的松弛向量，λ是权重向量，ρ是关于S-、Sb、Sg的目标函数，xij表示第j个决策单元的i项投入，yrj表示第j个决策单元的r项产出。当且仅当ρ值大于等于1时，该决策单元有效。否则，为无效决策单元，投入产出关系有待进一步改进。

2.2 碳交易机制对碳绩效影响测度方法——合成控制法

2003年Abadie和Gardeazabal[23]提出了合成控制法评估政策效果，其基本思想是：根据已有的数据和目标单元构建一个“反事实”的对照单元，对比政策实施后的目标单元与对照单元的差别评估政策效果。作者把碳交易机制看成是政府实施的准自然实验，将碳交易试点省市定义为实验组，选择其他未受到碳交易机制影响的省市为控制组，通过预测变量的数据处理确定控制组线性组合的最优权重，拟合出一个在碳交易机制实施前与实验组主要特征相似的反事实合成控制省市，通过比较碳交易试点省市与合成控制省市在碳交易机制实施后的碳绩效差异，评估碳交易机制的影响效果。

假设能够收集到（K+1）个省份在t∈[1，T]期内的碳绩效数据，其中第i个省市在T0（1≤T0≤T）实施了碳交易机制，为实验组;其他K个省市均未实施碳交易机制，为控制组。CIit表示省市i在时间t受到碳交易机制影响的碳绩效，CNit表示省市i在时间t未受到碳交易机制影响的碳绩效。令ait=CIit-CNit表示碳交易机制对第i个省市在时间t所带来的碳绩效变化，Dit表示是否为碳交易试点省市的虚拟变量，若省市i在时间t实施了碳交易机制，则该变量为1，否则为0。那么，省市i在时间t的碳绩效水平为

Cit=CNit+Ditait。对于控制组，整个时期内，Cit=CNit;对于实验组，

ait=CIit-CNit=Cit-CNit。本研究目标为碳交易机制影响碳绩效的变化值，即ait，CIit为已知的碳交易机制影响后的碳绩效值，而CNit是无法观测的。采用Abadie等[24]提出的因子模型来估计CNit。

CNit=δt+θtZi+λtμi+εit（2）

其中，δt是时间趋势，Zi是可观测到的（r×1）维的不受碳交易机制影响的控制变量，θ是（1×r）维未知参数向量，λt是无法观测到的（1×F）维公共因子向量，

μi是不可预测的（F×1）维省市固定效应，εit是不能预测到的短期冲击，均值为0。根据Abadie[24]等的证明，在一般条件下，如果政策前的时间段比碳交易机制实施后的时间段长，则可以用

∑K+1k=2w*kCkt作为CNit的无偏估计。其中，wk代表控制组省市对实验组省市的合成控制贡献率。最终得到碳交易机制影响效果a1t的估计值：

1t=C1t-∑K+1k=2w*kCkt，t∈[T0+1，…T]（3）

3  碳绩效测度分析

3.1 指标设计与数据来源

采用SE-SBM模型进行碳绩效水平测度，选取资本、劳动力、能源为投入指标，GDP为期望产出指标，二氧化碳排放量为非期望产出指标。其中资本投入采用永续盘存法，借鉴单豪杰[25]的做法，在固定资产投资总额的基础上，考虑资本存量的折旧，折旧率设定为10.96%。劳动力投入采用各省市年底从业人数总量表示，个别缺失数据用平滑指数法推算得出。能源投入采用折标后的能源消费总量表示。期望产出指标用地区GDP表示，以2000年为基期对数据进行平减处理，进而转化为实际GDP，剔除物价变动的影响。非期望产出指标以二氧化碳排放量表示，采用碳排放系数法，利用各个省市能源消费量与碳排放系数进行估算。计算公式如下：

Ci=∑Eij×ηj i=1，2，3，…，30;j=1，2，3（4）

其中，Ci是i省市的碳排放量;ηj是第j种能源的碳排放系数;Eij是第i省第j種能源的消费量，当前主要耗能为煤炭、石油、天然气等。

选取2005—2017年中国30个省份为研究样本，由于数据可得性等原因，研究不包括港澳台和西藏。固定资产投资总额数据来自《中国固定资产投资统计年鉴》，年底从业人数、GDP数据来自《中国统计年鉴》，能源消费量数据来自《中国能源统计年鉴》。

3.2 结果分析

利用MAXDEA7.0软件对中国30个省份2005—2017年的碳绩效进行测算，采用非期望产出模型，计算结果见表1。

根据测度结果可知，中国碳绩效平均值在0.5左右，区域差异显著。其中，北京、天津、河北、上海、江苏、浙江、福建、江西、山东、湖北、湖南、广东、重庆、四川、陕西、青海等16个省份呈现波动式上升趋势;山西、内蒙古、辽宁、吉林、黑龙江、安徽、河南、广西、海南、贵州、云南、甘肃、宁夏、新疆等14个省份呈现波动式下降趋势。这与其经济发展阶段、能源禀赋、对外开放度、产业结构等相关。截至2017年，北京、上海、江苏、广东、天津、福建、青海等7个省市碳绩效值大于1，其中北京、上海、广东和天津是碳交易试点省市。

为进一步分析碳交易试点省市的碳绩效水平变化趋势，绘制北京、天津、上海、湖北、广东（含深圳）、重庆等试点省市碳绩效水平变化趋势图。如图2所示，6个试点省市的碳绩效水平存在显著差异，整体呈现上升趋势。其中，北京和重庆碳绩效水平呈现稳步增长态势，重庆碳绩效水平一直低于其他试点省市;天津、上海和湖北碳绩效水平呈现波动式上升趋势;广东省一直处于全国碳绩效水平的前沿位置，其碳绩效值围绕“1”上下波动;在2013年前，碳绩效水平上升幅度较为平缓;2013年后，上升速度明显加快，这在一定程度上反映了碳交易机制对碳绩效水平的提升作用。

仅根据碳绩效水平的走势变化难以有力证明碳交易机制对碳绩效水平的促进作用，且其影响程度难以量化。

因此，基于合成控制法构建政策评估模型来衡量碳交易机制对各个试点省市碳绩效水平的影响效果。

4 碳交易机制对碳绩效的影响效果评估

4.1 指标选取与数据来源

通过对碳绩效相关研究成果的梳理发现，碳绩效与经济发展水平、服务业发展水平、能源强度、贸易开放度、人口密度及城镇化水平等指标具有显著关联关系。为此，选取以上指标作为合成控制法的预测变量。具体变量说明和指标设计如表2所示。选取碳绩效水平作为目标变量。除深圳市外，试点地区都为省或直辖市，因此，为了统一研究范畴，将深圳市合并到广东省。将碳交易试点省市北京、天津、上海、湖北、广东和重庆，作为实验组，选取其余非试点省份作为控制组。相关数据均由《中国统计年鉴》《中国能源统计年鉴》和各省市统计年鉴整理所得。

4.2 结果分析

针对碳交易试点省市，采用2005—2013年的预测变量拟合反事实合成控制省市。通过合成控制法的数据处理，得到构成实验组省市的权重向量。其中，合成北京由江苏（0.544）、贵州（0.398）和青海（0.058）构成;合成天津由浙江（0.627）、江苏（0.185）、福建（0.181）和青海（0.007）构成;合成湖北由江苏（0.462）、湖南（0.398）和贵州（0.140）构成;合成重庆由贵州（0.711）、江苏（0.228）和青海（0.061）构成。由此形成了2005—2017年。试点省市真实碳绩效值和控制组权重拟合出的合成碳绩效值，具体拟合效果及走势如图3所示。实线表示实验组真实碳绩效值，虚线表示合成实验组碳绩效值，垂直虚线表示碳交易机制实施的年份，即2013年。

如图3所示，北京在碳交易机制实施前，实线与虚线基本重合，碳绩效差值较小，拟合效果好。真实北京的碳绩效值于2010年已经高于合成北京，原因在于北京市作为国家政治中心，能够更早地接收相关信息，借助其区位优势开展相关调整。而碳交易机制实施后，北京的真实碳绩效值始终大于其合成碳绩效值，且真实北京与合成北京的碳绩效差值逐年增大，说明碳交易机制显著促进了北京碳绩效水平的提高。

天津在碳交易机制实施前实线与虚线重合度高，拟合效果好。碳交易机制实施后，实线与虚线分离，真实天津与合成天津的差值增大，这主要归功于碳交易机制的影响，说明碳交易机制对天津的碳绩效增长具有正向效应。2013年真实天津的碳绩效值略低于合成天津，可能是因为天津市为中国典型的重工业城市，碳交易机制实施难度较大，存在一定的反应时间，导致政策机制有一定滞后性。从2014—2017年，真实天津与合成天津之间的碳绩效差值呈现波动式增加的趋势，说明碳交易机制的实施促进了天津市碳绩效水平的提升。

湖北在碳交易机制实施前实线和虚线具有较高的重合度，表明碳交易机制实施前真实湖北与合成湖北没有显著差异。碳交易机制实施前，湖北的碳绩效水平呈波动式增长;碳交易机制实施后，湖北的碳绩效水平呈现明显提升趋势，实线与虚线分离，且实线高于虚线，说明真实湖北的碳绩效增长速度高于合成湖北的增长速度，碳交易机制有效提升了湖北的碳绩效水平。

重庆在碳交易机制实施前实线和虚线同样具有较高的重合度，拟合效果理想，能够较好地反映碳交易机制实施后的效果。2013年前，重庆碳绩效水平提升速度较为缓慢。碳交易机制实施后，重庆碳绩效水平的增长速度有所提升，真實重庆的碳绩效值大于合成重庆，而该碳绩效差值逐年增大，这表明碳交易机制的实施加快了重庆碳绩效水平的提升。

上海和广东在碳交易机制实施前虚线和实线差距较大，拟合效果不理想。主要原因在于上海和广东分别是长三角、珠三角的核心，其经济发展水平、对外开放度、城镇化水平等均居全国前列，其碳绩效同样处于全国前沿水平（表1），难以用其他省市的数据进行拟合。而拟合结果侧面显示，真实上海和真实广东的碳绩效水平均高于合成上海和合成广东，这也表明碳交易机制的实施对上海和广东的碳绩效水平具有提升作用。

对比分析碳交易机制的作用效果发现，碳交易机制对试点省市碳绩效水平的影响效果存在区域异质性。其中，碳交易机制对北京碳绩效水平的影响效果最大，其次为天津、湖北和重庆，这可能是由经济发展水平、能源禀赋、对外开放度、产业结构等存在差异所致。

4.3 有效性检验

研究结果显示，碳交易试点省市的真实碳绩效值高于反事实合成省市的碳绩效值，说明碳交易机制对试点省市的碳绩效水平具有正向促进作用。为进一步检验评估效果在统计意义上是否显著，借鉴Abadie等提出的安慰剂检验对研究结果进行有效性检验。安慰剂检验能够有效判断导致真实省市与合成省市存在差值的原因是碳交易机制还是其他偶然因素。

安慰剂检验的基本思路是：对控制组的所有省市，分

别假定其与实验组省市在相同的年份实施了相同的碳交易机制，然后分别运用合成控制法对其做同样的拟合，如果得到所有控制组省市的碳绩效差值（GAP值）均小于试点省市的GAP值，表明碳交易机制对实验组省市碳绩效水平促进作用的结果有效;反之，则表明分析结果无效。基于以上思路，对控制组省市进行了反事实拟合分析。碳交易机制实施前的GAP值过大，拟合效果不好，不能验证其有效性，因此删除大于政策实施前北京、天津、湖北和重庆2倍MSPE值（平均预测误差，实际碳绩效与其合成碳绩效平方差的均值）的省市，最后检验结果如图4所示。其中，黑色曲线代表试点省市GAP值，其他颜色曲线代表符合条件的控制组省市GAP值。北京、天津、湖北和重庆的碳交易机制影响效果均大于其他非试点省市，表明控制组要得到与实验组相同的效果是小概率事件，从统计学意义上证明了碳交易机制对碳绩效水平的促进作用是显著且有效的。

5 碳交易机制影响碳绩效的作用路径

碳交易机制对试点省市的碳绩效水平具有显著提升作用，那么碳交易机制如何提升碳绩效水平？由理论分析部分可知，碳交易机制可以通过能源结构、技术创新、产业结构三条路径影响碳绩效水平。为了识别影响路径是否存在，通过实证予以检验。

5.1 模型设定

借鉴Hayes[35]检验中介效应的方法，构建递归方程进行检验：

PHit=αit+β1treatit+δcontrolit+εit（5）

Mit=αit+λtreatit+φcontrolit+εit（6）

PHit=αit+β2treatit+θMit+θcontrolit+εit（7）

其中，PHit表示碳绩效水平;treatit为碳交易机制虚拟变量，是试点省市虚拟变量和碳交易机制实施时间虚拟变量的乘积，若省份i在时期t已经实施碳交易机制，则该变量为1，否则为0。Mit代表中介变量，包括能源结构、技术创新和产业结构。为了便于分析，能源结构用非煤能源消费量占能源消费总量的比重衡量，数据来源于《中国能源统计年鉴》;技术创新用专利申请量衡量，数据来源于《中国统计年鉴》;产业结构用第三产业增加值与第二产业增加值之比衡量，数据来源于《中国统计年鉴》。controlit代表控制变量，包括贸易开放度、人口密度和城镇化水平，具体变量指标在表2中进行了详细说明。

首先对模型（5）进行估算，检验碳交易机制对碳绩效是否起作用，若β1显著为正，说明碳交易机制确实对碳绩效起到正向促进作用;再对模型（6）进行估算，考察碳交易机制与中介变量之间的关系，若

λ显著为正，说明碳交易机制对中介变量有促进作用，若λ为负，则说明碳交易机制对中介变量起抑制作用;最后对模型（7）进行估计，在λ和θ都为正的情况下，中介变量对碳绩效起到促进作用，此时若β2小于β1，说明碳交易机制通过中介变量进而影响了碳绩效水平，正向中介效应存在;若λ和θ为负、并且β2大于β1，则说明负向中介效应存在。

5.2 结果分析

运用Stata软件，通过Hausman检验，选择固定效应模型对参数进行估计，得到检验结果如表3所示。

5.2.1 碳交易机制对碳绩效的影响检验

模型1是基于公式（5）的基准回归模型，检验碳交易机制虚拟变量对碳绩效水平的作用影响。回归结果显示，β1为正（0.678）且显著，表明碳交易机制的实施对试点省市碳绩效水平的提升具有正向促进作用，与前文合成控制法所得结论一致。

5.2.2 能源结构的中介效应检验

模型2和模型3检验的是能源结构的中介效应。模型2是根据公式（6）进行的碳交易机制对能源结构的作用影响检验。结果显示，λ为正（0.291）且显著，表明碳交易机制对能源结构（非煤能源占比）调整具有显著促进作用。模型3是根据公式（7）进行的能源结构、碳交易机制对碳绩效水平的作用影响检验，与基准回归模型的系数进行对比，进而确定中介效应的存在性。在模型3中同时引入能源结构变量和碳交易机制虚拟变量后，得到碳交易机制虚拟变量的评估系数β2为0.483，且显著，相比基准模型的0.678降低了0.195，同时能源结构的系数估计值为正（0.271）且显著，满足λ和θ都为正且β2小于β1的条件，说明能源结构正向中介效应存在。碳交易机制通过优化能源结构提升了试点省市的碳绩效水平，即能源结构是碳交易机制促进碳绩效水平提升的关键路径。

5.2.3 技术创新的中介效应检验

模型4和模型5检验的是技术创新的中介效应。模型4是根据公式（6）进行的碳交易机制对技术创新的作用影響检验。结果显示，λ为正（0.284）且显著，表明碳交易机制促进了试点省市的技术创新水平。模型5是根据公式（7）进行的技术创新、碳交易机制对碳绩效水平的作用影响检验。同时引入技术创新变量和碳交易机制虚拟变量后，碳交易机制虚拟变量的评估系数β2为0.506且显著，相比基准模型的0.678降低了0.172，而技术创新对碳绩效的影响系数为正（0.196）且显著，满足λ和θ都为正且β2小于β1的条件，说明技术创新正向中介效应存在。碳交易机制的推行有效提升了试点省市的技术创新水平，从而通过技术创新这一中介变量提高了试点省市的碳绩效水平。

5.2.4 产业结构的中介效应检验

模型6和模型7检验的是产业结构的中介效应。模型6是根据公式（6）进行的碳交易机制对产业结构的作用影响检验。结果显示，λ为正（0.258）且显著，表明碳交易机制对产业结构转型升级起显著推动作用。模型7是根据公式（7）进行的产业结构、碳交易机制对碳绩效水平的作用影响检验，同时引入产业结构变量和碳交易机制虚拟变量后，碳交易机制虚拟变量的评估系数β2为0.629且显著，略微小于基准情形β1（0.678），同时产业结构的系数估计值为正（0.134）且显著，满足λ和θ都为正且β2小于β1的条件，说明整体上产业结构正向中介效应存在。碳交易机制通过产业结构转型升级提升了试点省市的碳绩效水平，即产业结构转型升级是碳交易机制促进碳绩效水平提升的有效路径。

5.2.5 能源结构、技术创新、产业结构的中介效应检验

模型8同时引入了能源结构、技术创新和产业结构三个中介变量以及碳交易机制虚拟变量。回归结果显示，能源结构、技术创新和产业结构的回归系数显著为正（分别为0.236、0.186和0.126），碳交易机制虚拟变量的回归系数β2显著为正（0.420），相比基准情形β1（0.678）降低了0.258，说明碳交易机制能够有效提升试点省市的碳绩效水平，而优化能源结构、促进技术创新以及推进产业结构转型升级是碳交易机制提高碳绩效水平的作用路径。碳交易机制虚拟变量的系数仍然显著为正，表明仍有其他影响机制尚待进一步挖掘和研究。

6 结论与政策建议

在绿色低碳经济迅速发展的背景和趋势下，碳交易机制作为应对环境问题的重要工具，肩负着节能减排、环境治理、保障社会可持续发展的重要使命。研究碳交易机制对碳绩效的影响效果及作用机理，更能准确地衡量碳交易机制的有效性，为进一步完善碳交易机制、提升碳绩效水平提供决策依据。文章选取2005—2017年中国30个省份的面板数据，基于SE-SBM模型测度其碳绩效水平，并以碳交易试点省市作为研究对象，采用合成控制法构建碳交易机制的准自然实验，评估碳交易机制对试点省市碳绩效水平的影响效应，进一步运用递归模型检验碳交易机制对碳绩效水平的作用路径。研究结果表明：① 中国平均碳绩效值在0.5左右，区域差异性显著。其中，16个省份呈现波动式上升趋势，14个省份则呈现波动式下降趋势。② 碳交易机制有效提升了试点省市的碳绩效水平，其提升效果呈现区域异质性。碳交易机制对北京碳绩效水平的影响效果最大，其次为天津、湖北和重庆。上海和广东碳交易机制实施前虚线和实线差距较大，拟合效果不理想，主要原因在于其经济发展水平、对外开放度、城镇化水

平均居全国前列，难以用其他省市拟合。③能源结构、技术创新及产业结构是碳交易机制推动碳绩效水平提升的三条主要路径，均存在正向中介效应。

基于以上结论，提出如下政策建议。第一，加快全国碳交易机制建设步伐，实现碳交易市场全覆盖。加快建设覆盖所有省市、所有行业的碳交易市场，充分发挥碳交易机制对碳绩效水平的提升作用，推动中国绿色低碳经济发展。第二，充分考虑区域异质性，因地制宜设计碳交易机制[36]。中国区域跨度大，不同省市经济发展水平、能源禀赋、人口密度、贸易开放程度均存在差异，在设计、推广碳交易机制过程中应充分考虑区域异质性，避免“一刀切”，保证政策的灵活性以及实施效果最大化，提高碳绩效水平。第三，政府应优化能源结构，鼓励技术创新，推动产业转型升级。由碳交易机制影响碳绩效的路径分析可知，增加非煤能源消费比重，提升自主创新能力，提高第三产业占比对提升碳绩效水平具有正向促进作用。因此，政府应推动新能源发展，通过增加研发投入，培育以绿色高科技为基础的战略性新兴产业等措施提升碳绩效水平。

参考文献：

[1]MIELNIK O， GOLDEMBERG J.Communication the evolution of the ‘Carbonization Index in developing countries[J].Energy policy，1999 （27）：307-308.

[2]SUN J W. Is the energy intensity a less useful indicator than the carbon factor in the study of climate change？ [J].Energy policy，2005，33（8）：975-978.

[3]何建坤，苏明山.应对全球气候变化下的碳生产率分析[J].中国软科学，2009（10）：42-47，147.

[4]HU J L， WANG S C. Total-factor energy efficiency of regions in China[J]. Energy policy，2006，34（17）：3206-3217.

[5]FAERE R， GROSSKOPF S， LOVELL C A K， et al. Multilateral productivity comparisons when some outputs are undesirable： a nonparametric approach[J]. Reviews of economics & statistics，1989，71（1）：90-98.

[6]ZAIM O， TASKIN F. Environmental efficiency in carbon dioxide emissions in the OECD：a non-paramentric approach[J]. Journal of environmental management，2000，58（2）：95-107.

[7]蓝虹，王柳元.绿色发展下的区域碳绩效及环境规制的门槛效应研究：基于SE-SBM与双门槛面板模型[J].软科学，2019，33（8）：73-77，97.

[8]李锴，齐绍洲.贸易开放、自选择与中国区域碳绩效差距：基于倾向得分匹配模型的“反事实”分析[J].财贸研究，2018，29（1）：50-65，110.

[9]谢波，李松月.贸易开放、技术创新对我国西部制造业碳绩效影响研究[J].科技管理研究，2018，38（9）：84-90.

[10]丁绪辉，张紫璇，吴凤平.双控行动下环境规制对区域碳绩效的门槛效应研究[J].华东经济管理，2019，33（7）：44-51.

[11]廖诺，赵亚莉，贺勇，等.碳交易政策对电煤供应链利润及碳排放量影响的仿真分析[J].中国管理科学，2018，26（8）：154-163.

[12]刘勇，曾康佳.中国工业碳排放交易政策影响研究[J].中国科技论坛，2018（9）：156-165.

[13]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.

[14]宋德勇，夏天翔.中国碳交易试点政策绩效评估[J].统计与决策，2019，35（11）：157-160.

[15]周迪，刘奕淳.中国碳交易试点政策对城市碳绩效的影响及机制[J].中国环境科学，2020，40（1）：453-464.

[16]余萍，刘纪显.碳交易市场规模的绿色和经济增长效应研究[J].中国软科学，2020（4）：46-55.

[17]王勇，趙晗.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.

[18]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.

[19]查建平，唐方方，别念民.结构性调整能否改善碳排放绩效：来自中国省级面板数据的证据[J].数量经济技术经济研究，2012，29（11）：18-33.

[20]王为东，王冬，卢娜.中国碳排放权交易促进低碳技术创新机制的研究[J].中国人口·资源与环境，2020，30（2）：41-48.

[21]谭静，张建华.碳交易机制倒逼产业结构升级了吗：基于合成控制法的分析[J].经济与管理研究，2018，39（12）：104-119.

[22]TONE K， SAHOO B K. Degree of scale economics and congestion： a unified DEA approach[J].European journal of operational research，2004，158（3）：755-772.

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

[24]ABADIE A， DIAMOND A， HAINMUELLER J. Synthetic control methods for comparative case studies： estimating the effect of Californials tobacco control progarm [J].Journal of the American Statistical Association，2010，105（490）：493-505.

[25]单豪杰.中国资本存量K的再估算：1952—2006年[J].数量经济技术经济研究，2008，25（10）：17-31.

[26]王惠，王树乔.中国工业CO2排放绩效的动态演化与空间外溢效应[J].中国人口·资源与环境，2015，25（9）：29-36.

[27]周迪，周丰年，王雪芹.低碳试点政策对城市碳排放绩效的影响评估及机制分析[J].资源科学，2019，41（3）：546-556.

[28]杜慧滨，李娜，王洋洋，等.我国区域碳排放绩效差异及其影响因素分析：基于空间经济学视角[J].天津大学学报（社会科学版），2013，15（5）：411-416.

[29]曹珂，屈小娥.中国区域碳排放绩效评估及减碳潜力研究[J].中国人口·资源与环境，2014，24（8）：24-32.

[30]王群伟，周鹏，周德群.我国二氧化碳排放绩效的动态变化、区域差异及影响因素[J].中国工业经济，2010（1）：45-54.

[31]袁鹏.基于物质平衡原则的中国工业碳排放绩效分析[J].中国人口·资源与环境，2015，25（4）：9-20.

[32]周杰琦，韩颖，张莹.自主研发、产业结构变迁与中国碳排放绩效[J].科技进步与对策，2016，33（4）：61-69.

[33]胡剑波，高鹏，左鹏飞.中国碳排放福利绩效区域差异及其贡献度研究[J].经济问题，2018（11）：54-60.

[34]邓荣荣，詹晶.低碳试点促进了试点城市的碳减排绩效吗：基于双重差分方法的实证[J].系统工程，2017，35（11）：68-73.

[35]HAYES A F. Beyond Baron and Kenny： statistical mediation analysis in the new millennium[J]. Communication monographs，2009，76（4）：408-420.

[36]赵昕，丁贝德.中国碳金融市场价格跳跃扩散效应及风险研究[J]. 山东财经大学学报，2019，31（2）：19-30.

Impact of carbon emission trading mechanism on carbon

performance based on synthetic control method

YU Xiangyu1 CHEN Huiying1  LI Yue2

（1. College of Economics and Management， Shandong University of Science and

Technology， Qingdao Shandong 266590， China; 2.Coal Economy Academy， Shandong

Technology and Business University， Yantai Shandong 264005， China）

Abstract China is a major carbon emitter， and environmental issues have become a key factor restricting the sustainable economic development. As one of the measures to promote green and low-carbon economic development， the establishment of a carbon emission trading mechanism can make up for the limitations of policies in the form of administrative directives through market economic means and achieve carbon emission reduction targets. In order to evaluate the policy impact and path of carbon emission trading mechanism on carbon performance of carbon trading pilot provinces in China， this paper selected the panel data of 30 provinces in China from 2005 to 2017 for analysis. This study first used the SE-SBM model to measure the carbon performance level of each province， and then， taking carbon trading pilot provinces as research objects， the synthetic control method was used to construct the experimental group and the control group， to evaluate the impact of the carbon emission trading mechanism on the carbon emission performance level of the pilot provinces， and to conduct effectiveness tests. Finally， the recursive model was used to explore the effect path of carbon emission trading mechanism on carbon performance level. The research showed that： ① The average carbon performance value of China was around 0.5， with significant regional differences. Some provinces showed a volatile upward trend， while others showed a volatile downward trend. ② The carbon emission trading mechanism effectively improved the carbon performance level of the pilot provinces. Due to the different stages of economic development of the pilot provinces and cities， the impact of the carbon emission trading mechanism on carbon performance was regionally heterogeneous. The increase in carbon performance level was Beijing， Tianjin， Hubei and Chongqing in descending order. ③ The carbon emission trading mechanism promoted the improvement of carbon performance through three paths： energy structure， technological innovation and industrial structure. Based on this， this article proposes the following suggestions： the construction of a national carbon emission trading mechanism should be accelerated in order to achieve full coverage of the carbon emission trading market; regional heterogeneity should be fully considered; the design of carbon emission trading mechanisms should ‘suit the variety of local conditions; technological innovation should be encouraged， and the energy structure be optimized; and industrial transformation and upgrading should be promoted for the development of a green and low-carbon economy.

Key words carbon emission trading mechanism; carbon performance; synthetic control method; action path

（責任编辑：刘照胜）

收稿日期：2020-09-28  修回日期：2020-12-20

作者简介：于向宇，博士生，主要研究方向为绿色经济与管理。E-mail：yuxiangyu0413@163.com。

通信作者：陈会英，博士，教授，主要研究方向为绿色技术创新。E-mail： chenhuiying65@163.com。

基金项目：国家自然科学基金项目“我国可再生能源配额跨省份协同管理机制研究”（批准号：71804097）;泰山学者工程专项经费资助（批准号：tsqn201909149）;山东省社会科学规划研究专项“山东省新能源高质量发展的评价标准、实施路径和战略举措研究”（批准号：20CCXJ15）。