刘鸿雁，潘晗钰

（华北电力大学 经济管理系，河北 保定 071003）

0 引言

碳排放权交易体系（Emission trading system，ETS）被认为是目前最有效的减少碳排放的环境政策[1]。我国ETS建设起步于地方碳交易试点政策。2011年，北京、天津、上海、重庆、湖北、广东及深圳7个省市开展了碳交易试点工作。2013年，这7个省市先后正式启动碳市场。地方碳市场取得的阶段性成果，为全国碳市场的启动和建设积累了宝贵的经验[2]。

经过第一个履约周期的建设和运行，全国碳市场已经建立起基本的框架制度。与欧盟碳市场相比，我国碳市场尚处于发展初期，市场活跃程度和市场成熟程度有待进一步提升[3]。地方碳市场的成功经验可以为全国碳市场体系的完善提供参考，所以研究地方碳市场的成功经验具有重要意义。

截至2021年，北京、天津、上海、广东和深圳5个试点地区完成了8次履约，湖北和重庆地区完成了7次履约。由于7个试点省市的碳排放权交易方案和市场规则由各省市政府单独设计和制定，所以交易存在显著的异质性，不同省市的政策效果也有所不同[4]。

在7个试点省市中，广东省碳排放配额总量位居首位，交易量为湖北省的2倍，累计成交金额连续7年位居第一。另外，广东省是全国首个进行有偿配额的省份，其碳市场流动性最大[5]。

广东省碳试点的覆盖范围从实施起就包括了电力、钢铁、石化和水泥4个行业。电力行业碳排放量占广东省碳试点总碳排放量的一半以上，受政策监管最为严格[6]。

广东省碳市场与全国碳市场相似度高。深入研究广东省碳市场成功经验对全国碳市场建设具有重要意义。

在评估碳交易政策对减少碳排放的效应方面，目前的主流方法包括断点回归法、双重差分法（Difference in differences，DID）、三重差分法（Difference in differences in differences，DDD）、倾向得分匹配–双重差分法（Propensity score matching-difference in differences，PSM-DID）和合成控制法（Synthetic control method，SCM），其中后4种算法已广泛运用于评估碳交易试点政策的实施效果。

DID是政策效应评估的经典方法，其在理论上较为成熟。文献[7]利用2014—2016年我国省级面板数据研究发现，碳交易政策可以有效减少碳排放。文献[8]针对我国省级面板数据，使用DID研究，发现碳试点可以促进低碳发展。文献[9]采用连续型DID并结合相关算法，研究发现试点政策可使试点地区碳排放强度降低9.5%。

考虑DID在控制组的选择上具有主观性，可能造成结果的偏差，所以部分学者采用PSM-DID方法选择最合适的控制组。文献[10]基于省级面板数据，采用DID和PSM-DID方法评估了碳交易政策对碳排放和碳强度的影响。文献[11]基于我国102个主要城市的城市级数据，研究发现碳交易政策可以有效减少试点城市的碳排放，特别是对于北京、上海、深圳和广州等城市。

近来一些文献通过研究发现，DDD可以解决DID中平行趋势难以满足的问题。文献[12]采用DDD研究碳排放交易政策的影响，并发现 SCM适用于实验组样本量较小的情况。文献[13]运用合成控制法分析了试点ETS对试点地区碳减排的影响，发现我国碳交易试点政策具有显著的碳减排效果。

以上政策评估方法各具特点。

DID方法要求实验组和控制组有平行趋势；在控制组的选择上具有主观性；由于对控制组中的个体分配了相同的权重，所以其结果存在选择偏差并且不稳健[14]。虽然PSM-DID具有消除控制组和实验组特征上的系统性差异的优势，但可能因混合数据的个体–时间交错而使这一优势消失[15]20。

DDD的应用条件较为苛刻——需要至少找到2个合适的控制组样本[15]20。

合成控制法适用于实验组样本量较小的情况，且其要求分配的权重在[0，1]区间。如果实验组特征与控制组特征差异较大，则难以找到合适的权重[16]。

相比于以上这几种方法，断点回归法（Regression discontinuity design，RDD或RD）是因果推断框架中最可信和最可靠的非实验策略之一。使用RD可有效避免参数估计的内生性，可识别真实的因果关系[17]。RD依赖于较弱、更易于解释的非参数识别假设，可灵活、稳健地估计和推断局部均值处理效果[18]。此外，RD实现的假设相对更容易被检验，所以其被认为是最接近随机实验的方法，也是当前因果识别中优先选择的方法。

目前，关于试点ETS减排机制的研究相对较少。文献[19]研究发现，通过 ETS试点刺激企业升级绿色技术和鼓励企业转移污染可减少污染。文献[20]发现 ETS通过减少产出来减少碳排放。文献[21]基于北京和上海的服务业数据研究了ETS试点对碳排放的影响机制。文献[22]使用PSM-DID和LMDI方法探索了工业和交通部门的影响机制。文献[23]聚焦产业板块，研究结论认为我国碳交易试点通过提高减排效率和调整产业结构发挥作用。总体而言，对我国ETS试点影响机制的研究仍然缺乏。

目前相关文献所使用的数据大多为省级或市级数据，尚未见使用县级数据开展的相关研究工作。

鉴于此，本文采用 RD研究广东省碳排放权交易政策的效果及作用机制；探索碳排放系数、电能消费占比和电能强度对广东省碳强度的影响途径或机制；结合县级数据开展研究，使该领域的研究更加全面。

1 断点回归模型

1.1 断点回归设计

断点回归设计可以分为精确断点回归和模糊断点回归，其核心思想是：个体是否受到处理完全取决于某个连续的驱动变量。如果被解释变量在驱动变量的临界值附近出现明显跳跃，则说明存在处理效应。

本文采用地理断点，以各县到广东省省界的距离作为驱动变量。各县是否实施碳交易试点政策完全取决于其在驱动变量临界值的哪一侧。广东省内各县均实施碳交易试点政策，而其外非试点省市各县均不实施政策。所以，本文选用精确断点回归估计碳交易试点政策对广东省碳强度的影响。精确断点回归的基本模型如下：

式中：i代表各县；被解释变量Ci为i的碳强度；模型的核心解释变量Ti为虚拟变量，Ti=1表示该县实施碳交易试点政策，反之Ti=0；Di为各县到广东省省界的最短距离；g(Di)为变量Di的多项式函数；a为常数项；εi为随机误差项，且假设为独立同分布；Xi为协变量，包括其他影响碳强度的因素。

根据文献[24]，样本量有限的RD设计应该选择局部线性多项式或局部二次多项式来估计结果，所以g(Di)可能包括变量的线性项和二次项。

模型中，Ti的系数b代表了政策在断点处的边际影响，即ETS的实施带来的碳强度变化。系数b捕捉了碳交易试点政策对广东省碳强度影响的净效应：当b显著为负时，说明碳交易试点政策显著降低了广东省的碳强度；当b显著为正时，说明碳交易试点政策显著提高了广东省的碳强度；当b不显著时，说明碳交易试点政策对广东省的碳强度影响效果不明显。

1.2 变量选取与数据来源

以广东省作为研究对象。广东省于2013年12月19日正式启动碳排放权交易政策。按参考文献[25]划分方法，选择2014年作为政策实施分界线。由于最新的县级碳排放数据更新到2017年，且2017年后，试点ETS的建设与国家碳市场并行运行，因此2017年后广东省碳试点政策产生的影响可能无法清晰识别[26]，所以：考虑到数据的可用性和连续性，选择2014—2017年的数据进行研究。为了避免其他试点省市数据的干扰，本文研究对象为广东省与其他非试点省市（即北京、天津、上海、重庆、湖北与福建以外的24个省市）。由于深圳市属于一个独立的试点市，所以不包含深圳市数据。研究的对象数据涵盖了1 878个县；每个县的碳排放量数据来自中国碳核算数据库（CEADs），其他数据来源于EPS数据库和各省市的统计年鉴。

（1）被解释变量

碳强度：即单位GDP的二氧化碳排放量。

（2）驱动变量

驱动变量为县区到广东省省界的距离Di。

本文将广东省省界作为地理分界线。各县到广东省省界的距离，通过ArcGIS软件测算各县质心到广东省省界的最短距离得到。广东省内各县为实验组，距离取值为正；广东省外各县为控制组，距离取值为负。

（3）核心解释变量

核心解释变量为虚拟变量Ti。

在广东省（不包含深圳市）与其他非试点省市中，如果某县实施了碳交易试点政策，则Ti取值为 1；反之为 0。由于将广东省省界作为地理分界线，所以即为广东省内各县Ti值取1，反之为0。即：

（4）协变量

RD可以看作是局部随机试验，所以是否在回归中包含了协变量并不影响断点回归估计量的一致性。原则上，协变量在短期内不受处理效果影响，但对被解释变量有一定解释力度。控制协变量可以进一步提高估计的一致性和稳健性[27]。

协变量的连续性是控制协变量断点回归的一个前提假设条件。

本文参照了IPAT模型选取协变量，其表达式如下：

式中：I代表环境压力；P代表人口；A代表富裕程度；T代表技术水平。

鉴于相关研究发现产业结构显著影响碳强度[28]，所以本文将其考虑在内。

因此，如表1所示，本文选择了4个协变量：人口、富裕程度、技术创新和产业结构。人口，以各县的户籍人口数来表示；富裕程度，以每个县的人均GDP来衡量；研发强度，即R&D内部经费支出占 GDP的比重，用于表示技术创新[29]（由于缺乏县级层面的技术数据，以各市R&D内部经费支出占GDP的比重代替其下各县数据）。

表1 变量的基本解释Tab. 1 Basic explanation of variables

为保证数据的平稳性、削弱多重共线性和异方差性[30]，除距离外的所有变量均采用对数形式。

1.3 描述性统计

表2示出了在断点任一侧带宽为1的2个子样本（处理组和控制组）的描述性统计数据。由表2可以看到，变量分布在合理的范围内，保证了数据的可靠性。由于控制组部分县市缺乏技术创新数据，所以样本量略小。

表2 各变量的描述性统计分析Tab. 2 Descriptive statistics analysis for each variable

2 政策效应计算结果及分析

2.1 断点图分析

驱动变量与碳强度的关系见图1。图1直观展示出：碳强度在驱动变量的临界值附近出现跳跃，处理组的碳强度显著下降。广东省各县的碳强度明显低于广东省以外的县，初步说明存在处理效应，也初步证明了断点回归的适用性。

图1 广东省省界处的碳强度断点图Fig. 1 Regression discontinuity (RD) plot of carbon intensity at provincial boundaries in Guangdong province

2.2 断点回归估计结果

应用 RD模型时，需要选择合理的带宽和阶数。考虑到样本的大小和断点两侧的数据平衡，选择带宽1作为参考带宽。考虑带宽0.5所含的样本量较少，所以选择带宽2进行稳健性检验。回归结果见表3。

表3 广东省试点政策对广东碳强度影响的回归结果Tab. 3 Regression results of ETS pilot policy on carbon intensity in Guangdong

由表3可以看出，政策因素显著降低了处理组的碳强度。当带宽为1且未添加协变量时，处理效果为–0.406，即处理组的碳强度相比于控制组平均下降了 0.406；控制协变量后的处理效果为–0.378，与未加入协变量的估计结果相近。当带宽为2时，不控制和控制协变量的处理效果分别为–0.427和–0.390，与带宽为1时的结果相近。这说明，结果具有稳健性，断点回归设计是有效的。从表3还可以看出，产业结构对碳强度有显著的正向影响，而人口和人均GDP对碳强度有显著的负向影响。当带宽为1时，技术创新对碳强度有显著的正向影响；带宽为2时，技术创新对碳强度没有显著影响。

2.3 逐年回归分析

为了考察广东省碳试点政策减排效果以及减排机制在时间维度上的异质性，参考文献[31]的做法，进行逐年回归分析。按照式（1）分别建立2014—2017年4个回归方程，分析政策实施在各年的减排效果及减排机制。

图2为2014—2017年各年碳强度与驱动变量之间的断点图。

图2 2014—2017年碳强度在广东省省界处的断点图Fig. 2 Regression discontinuity (RD) plot of carbon intensity at provincial boundaries in Guangdong province from 2014 to 2017

从图2可以看出，这4年碳强度均在临界值处出现跳跃，存在明显的断点。表4展示了不同带宽下，2014—2017年的逐年回归结果。表4中，第4列结果为系数b。从表4可以看到，各年处理效果均显著为负；这说明，政策因素显著降低了处理组碳强度。

表4 2014—2017碳试点政策对碳强度影响的RD估计结果Tab. 4 RD estimation results of the impact of ETS pilot policy on carbon intensity from 2014 to 2017

表5展示了带宽为1且包含协变量的具体回归结果。表5数据同样表明，碳试点政策的实施总体上降低了控制组的碳强度。从表5还可以看出，除了2014年外，技术创新对碳强度没有显著影响；产业结构对碳强度有显著的正向影响；人口和人均GDP对碳强度有显著的负向影响。

表5 2014—2017广东省试点政策对碳强度影响的回归结果Tab. 5 Regression results of ETS pilot policy on carbon intensity in Guangdong province from 2014 to 2017

表4和表5显示出，2014—2017年各年的处理效果显著，与带宽和是否加入协变量无关。表5中，2016年与2017年处理效果相比于前2年在显著性水平上略弱；这表明，政策效应在各年之间存在差异。由于ETS政策具有一定的指令和控制特征，因此，包括中央政府、地方政府和相关企业在内的各方在前2年对这项政策的积极性和重视度都比较高；政策实施一段时间后，随着各方对该政策的关注淡化，政策效果减弱[32]。

3 稳健性检验

3.1 有效性检验

使用RD时需要满足2个假设：局部随机化假设和协变量的连续性假设。

第一个假设认为：经济个体无法精确操作驱动变量。采用地理断点，则不存在某个县由于碳交易试点政策而事前人为划出或划入广东省的情况，符合局部随机化假设条件。

第二个假设是为了避免捕捉到其他协变量的断点效应。要求：除了碳交易试点政策外，其他协变量在边界线附近都连续，即在分界线附近不存在跳跃现象。协变量的连续性检验结果如图3。

图3 协变量的连续性检验Fig. 3 Continuity tests for covariates

图3显示，2014—2017年的产业结构、人均GDP和户籍人口数均在分界线处连续，没有明显断点，而技术创新在2016和2017年似乎存在跳跃。通过回归结果进一步判断，结果见表6。表6中数值是协变量各年连续性检验结果的显著性水平，即P值。例如：产业结构的2014年回归结果的P值为0.941，大于0.1，说明2014年产业结构在分界线处没有断点。表6显示，各协变量在分界线处均未出现断点，满足连续性假设。

表6 协变量连续性检验的回归结果显著性Tab. 6 Significance levels for regression results of continuity tests for covariates

3.2 安慰剂检验

将驱动变量Di减去、加上 0.3，分别作为新的驱动变量；设置假的分界线，作为安慰剂断点，以检验是否有不可观测变量干扰结果[33]。采用线性或二次多项式[34]，计算结果如表7所示。

表7 改变断点位置的回归结果Tab. 7 Regression results with different changing break point position

表7显示，在2014—2017各年中，安慰剂断点的处理效果都不显著；这说明，碳交易试点政策确实是广东省碳强度降低的重要因素，由此排除了不可观测变量干扰结果的可能性，也证明结果的稳健性。

3.3 敏感性分析

前面的计算采用的是参数估计方法[35]。

本节采用 2种非参数方法，即用均方误差（Mean square error，MSE）和覆盖误差率（Coverage error rate，CER）来选择带宽，并分别采用线性和二次多项式对模型进行阶数和带宽的稳健性检验，结果如表8所示。

表8 不同带宽和阶数下的断点回归结果Tab. 8 RD results with different bandwidths and orders

表8中，2014—2017年每年的不同带宽和阶数下的处理效果相似，且均显著，说明结果稳健。以2014年为例：根据MSE和CER方法，阶数为线性时，每一侧的最佳带宽分别为 1.369和0.940；这说明选取带宽为 1合理。不同带宽选取方式下的处理效果接近，均在–0.5左右，且P值接近于0，均显著；这说明不同带宽选择方法下的结果稳健可靠。当多项式为二阶时，处理效果也显著为负，且相近；这证明不同阶数的结果也稳健。

4 减排机制分析

探讨广东省碳强度降低的原因、试点政策降低碳强度的机制，具有重要的意义。

一个县碳强度的降低可以归因于4个因素，即碳排放系数、电能消费占比的倒数、电能强度、产业结构。碳排放系数越低，电能消费占比越高，碳强度就越低。受到发电的燃料构成的影响，碳强度和电能强度之间的关系并不确定。

4.1 技术创新

波特假说认为：设计良好、执行有力的环境政策可以大大刺激技术创新。表6结果显示技术创新在分界线连续，这说明试点和非试点地区在技术创新方面没有明显的差异。因此，广东省试点政策并不影响企业以技术创新带动减少碳排放。与文献[36]结果一样，本文认为波特假说在中国的ETS试点中并不存在。

文献[37]指出：要刺激绿色技术的发明和推广，环境政策必须具备5个特性：灵活性、发生率、深度、严格性和可预测性。可预测性是指企业可以预期政策（如配额分配的规则）在未来的不确定性程度。严格程度通常由碳排放权价格表示；价格越高，严格程度越高。

中国的试点 ETS不能满足严格性和可预测性。首先，碳排放权自由分配阻碍了低碳技术的创新[38]；其次，样本期间广东省的碳排放权价格较低，是政策充分发挥作用的一个障碍。表9显示，在2014—2017年期间碳价不断下降，从2014年的46.19元/t下降到2017年的14.09元/t。因此，较低的碳价格应该是造成技术创新缺失的原因。此外，波特假说的缺失表明广东省试点ETS的改进潜力很大。

表9 2014—2017年广东省碳排放权价格Tab. 9 Price of carbon emission exchange in Guangdong province from 2014 to 2017

文献[39]认为，ETS政策并不能刺激所有类别的创新，而是有偏向的创新诱导。一些研究将低碳或绿色技术研发投资与其他一般投资区分开。如，文献[40]发现，环境监管主要是鼓励绿色技术创新而不是非绿色创新。因此，有一种可能是广东省ETS刺激了绿色技术创新或绿色研发投资，但减少了其他非绿色研发投资，所以对整体研发的影响不大。文献[41]发现，环境监管促进了绿色技术的发展，挤压了非绿色技术的发展；因此，对整个技术创新没有出现明显的影响。然而，由于缺乏县级的绿色和非绿色研发支出数据，无法进一步检验这一假设。

4.2 产业结构

表5结果显示，产业结构对碳强度有显著正向影响，第二产业比例的下降可以降低碳强度。比例下降意味着产业结构的调整和升级，这与许多研究一致。文献[42]发现产业结构升级可以通过调整产业结构的不平衡来减少碳排放。

图3显示，产业结构在2014—2017年的分界点均连续。这表明试点地区和非试点地区在产业结构上没有明显差异，广东省ETS并没有引起明显的产业结构变化。这与文献[43]观点一致：广东省ETS并没有促进产业结构效应。原因分析：首先，环境法规会对产业结构的升级产生重大影响，但这只是从长期来看[44]；因此，短期内，处理组和控制组的产业结构可能没有明显的差异。其次，中国的其他城市和县区也在严格淘汰高耗能和高碳的产业和产能，这可能导致广东省和其他地区间没有明显的差异。

4.3 碳排放系数

由于无法获得县级的能源消费数据，所以采用市级的能源消费量来推算碳排放系数。图4显示了各县的碳排放系数与驱动变量之间的关系。在图4中，2014—2017年，碳排放系数在分界点上都表现出明显的跳跃性，处理组的碳排放系数远低于对照组；这说明，广东省碳交易试点政策降低了其碳排放系数。

图4 碳排放系数断点图Fig. 4 Regression discontinuity (RD) plot of carbon emission coefficient

表10显示，2014年的处理效果为–0.977，这说明广东各县的碳排放系数相对于非试点县要低0.977。2014—2017年的处理效果均显著，而且非常相似；这说明广东省的碳排放系数显著低于非试点县。

表10 碳交易试点政策对碳排放系数影响的RD估计结果Tab. 10 RD estimation results for the policy effect on carbon emission coefficient

碳排放系数降低，主要有2方面原因。

首先是减排技术的发明和使用。

随着企业不断采用更先进、更清洁的技术，单位能耗的碳排放量会减少。然而，新的低碳技术只有在大量研发投资的情况下才能出现。由于没有发现广东省比非试点地区的企业研发投资更多，因此，这些企业很可能是采用中国现有的技术而不是通过技术自主研发来减少排放，并将履约成本降到最低[45]。广东省试点ETS没有成功地激励节能减排新技术的发明。然而，只有绿色技术的创新或发明（而不是采用）才能扩大一个国家的技术集合，而新技术的发明比其采用更重要[46]；因此，广东省应该更好地设计其政策，以鼓励企业进行更多的清洁能源研发投资。

其次是能源替代。

用清洁能源替代污染性能源。能源替代可以减少碳排放。在过去几年中，广东省积极发展清洁能源。2014—2017年，其清洁能源占比为30%左右，而同期全国的平均水平是17%～20.8%。碳排放系数的下降反映了广东省清洁能源的发展和能源结构的转变。

因此，清洁能源的发展和已经存在的节能减排技术的应用，有助于降低广东省的碳排放系数，这可能是广东省碳强度下降的一个机制。

4.4 电能消费占比

图5显示，2014—2017年，电能消费占比均在分界线上出现跳跃，处理组的电能消费占比高于控制组。表11显示，在0.1的显著性水平上，2014—2017年各年处理效果均显著为正；这说明试点地区电能消费占比显著高于非试点地区。2014—2017年，试点地区和非试点地区的电能消费占比具有明显差异；该结果与实际情况一致。广东省是用电大省。2014—2017年，广东省终端能源消费总量中，电力占比高达 50%；一次电力及其他能源占比约为 25%，而全国平均比例仅为 12%左右。可见，广东省能源消费量中电能消费占比高于全国水平，所以这可能是广东省碳交易政策生效的机制之一。

表11 碳试点政策对电能消费占比影响的RD估计结果Tab. 11 RD estimation results for the policy effect on the proportion of power in total energy consumption

图5 电能消费占比的断点图Fig. 5 Regression discontinuity (RD) plot of the proportion of power in total energy consumption

4.5 电能强度

各县的电能强度断点图如图6所示。由图6可以看出，各年电能强度在分界线上都表现出明显的跳跃性；这表明广东省试点政策应该导致了广东省电能强度的增加。

图6 电能强度断点图Fig. 6 Regression discontinuity (RD) plot of power consumption intensity

表12显示，2014—2017年，处理效果均显著为正，且处理效果的P值几乎为零；这进一步验证了广东省的电能强度相对于非试点县明显提高。

表12 碳交易试点政策对电能强度影响的RD估计结果Tab. 12 RD estimation results for the policy effect on power consumption intensity

碳强度和电能强度之间的关系取决于发电的燃料构成。如果电力全部由清洁能源产生，则电能强度越高，碳强度越低。同样地，如果越来越多的电力由清洁能源产生，则电能强度越高，碳强度越低。

虽然核电并不完全清洁，但从碳排放较少的意义上看，是相对清洁的。广东省拥有全国最多的核电站，核电约占广东省总发电量的 20%。同时，广东省是全国最著名的小水电大省，已建小水电站数量居全国第一，装机容量居全国第三。此外，广东省充分利用各种清洁能源，如风能、太阳能、地热能来发电。由于其在清洁能源发电方面的持续投资和发展，预计到2030年底，广东省或将成为全国海上风电装机容量最大的省份。这些都为广东省的清洁能源发电做出了贡献。

此外，广东省电力的30%来自“西电东送”，主要是清洁能源电力。在广东省本地发电结构中，火力发电占70%，另外30%主要为核电和水电等清洁能源。因此，可以粗略地计算出：清洁能源电力在广东省的电力消费中约占 51%。由于广东省不断提高电力中清洁能源电力的占比，所以电能强度越高，碳强度就越低。

广东省不断用电力替代煤炭等其他能源，用清洁能源电力替代化石燃料能源电力。文献[47]发现，广东省ETS通过能源结构调整和优化的渠道减少了碳排放。因此，清洁能源替代和清洁能源结构优化应该是广东省碳强度下降的一个最重要原因。

5 减排机制检验

用逐步回归法对3个可能的机制，即碳排放系数、电能消费占比和电能强度进行检验。逐步回归法基本模型如下：

式中：Mi分别代表3个中介变量，其他变量与前文含义相同。

如果系数β1、β2、β3均显著，则说明存在中介效应；如果系数β1显著而系数β2或β3不显著，则继续通过sobel检验做进一步判断；若sobel结果显著，则说明具有中介效应，反之没有。

5.1 碳排放系数

表13中，各年的第2行结果显示出政策对碳排放系数的处理效应显著为负，说明政策与碳排放系数显著负向相关，即政策抑制了处理组的碳排放系数。表13中，各年第3行结果显示碳排放系数对碳强度有显著正向影响，即碳排放系数越低则碳强度越低。中介效应各年均显著。该结果表明，碳排放系数是碳试点政策降低广东省碳强度的机制之一。

表13 碳排放系数的中介效应回归结果Tab. 13 Regression results of mediating effects of carbon emission coefficients

5.2 电能消费占比

表14中结果显示：政策对电能消费占比的处理效应在 2014—2016年不显著，2017年显著为正；至少在2017年，广东省各县的电能消费占比显著高于控制组。2017年中介效应显著，而2014—2016年中介效应经过 sobel检验，显著性分别为0.82、0.47和0.26，均大于0.1，中介效应不显著。这说明，2014—2016年，电能消费占比并非政策降低广东省碳强度的中介变量之一，仅在2017年起部分中介效应。

表14 电能消费占比的中介效应回归结果Tab. 14 Regression results of mediating effects of the proportion of power in total energy consumption

5.3 电能强度

表15中结果显示，政策对电能强度的处理效应显著为正，广东省各县的电能强度显著高于控制组。表15结果表明：2014—2016年中介效应显著；2017年经过sobel检验显著性为0.22，中介效应不显著。该结果说明，前3年，电能强度是政策降低广东省碳强度的中介变量之一，而2017年电能强度不再起中介效应。

表15 电能强度的中介效应回归结果Tab. 15 Regression results of mediating effects of power consumption intensity

6 结论与建议

本文基于中国县级数据，运用RD，研究了广东省碳交易试点政策对广东省碳强度的影响及其作用机制，并得出以下结论。

首先，广东省碳试点政策促使广东省各县的碳强度明显降低。其次，根据逐年回归结果，发现2014—2017年政策效应均显著；这表明碳试点政策对其碳强度下降做出了贡献。第三，机制分析表明，广东省碳试点政策从本质上影响了3个渠道——碳排放系数、电能消费占比和电能强度；但是，各年机制并不相同：碳排放系数各年均发挥了中介效应作用；电能消费占比仅在2017年发挥了中介效应；电能强度在2014—2016年起到中介作用，而2017年不再起中介作用。

总体而言，认为广东省碳试点通过清洁能源替代和能源结构优化与转型发挥了作用。最后，计算结果不支持波特假说，碳试点政策没有促进产业结构升级以减少碳排放。

根据以上研究结果，对地方试点市场和全国碳市场建设提出以下政策建议。

首先，地方碳市场和全国碳市场应该提高碳交易政策的严格性和确定性，使企业的研发投资得到明显提升，特别是能源技术和低碳技术的研发投资。同时，分配给企业的碳排放配额应该逐步减少，让更多的配额通过拍卖的方式分配。除了政策的严格性，还应该提高政策的确定性，向企业提供更多关于未来政策趋势的信息；这样，企业可以根据日益严格的政策来调整其生产和投资。如果政策存在很大的不确定性，企业就不太可能调整其投资决策。第二，建议政策制定者不仅要强调推广新的节能减排技术，而且要强调这些技术的研发。只有清洁技术的创新或发明（而不是采用）才能扩大一个国家的技术集合。第三，我国通过清洁能源开发、清洁能源替代和能源结构转型来减少碳排放的潜力巨大。因此，建议我国加快清洁能源（如风能和太阳能）的开发和利用以及能源结构的转型。清洁能源发电和电气化也是实现碳减排和碳中和的良好渠道。

展望：数据的缺乏限制了对变量的选择，特别是在研究影响机制方面。例如，虽然在广东省没有发现对波特假说的支持，但这并不是波特假说不存在的充分理由，这可能是由于缺乏更详细的数据。有一种可能性是，广东省 ETS刺激了绿色技术创新或绿色研发投资，但减少了其他非绿色研发投资，因此对整体研发的影响并不明显。然而，由于没有足够的县级绿色和非绿色研发支出的数据，无法验证这是否属实。预计未来会有更好的数据资源用于更深入的研究，从而得出更深入的结果。