张雪峰 袁贵博

摘 要：全国碳交易市场的建立，表明以碳排放权交易政策为主体的市场激励型环境规制政策逐渐成为推动绿色经济发展的主要力量。本文以此为背景，收集2008—2019年中国277个地级市的面板数据，构建了双重差分面板模型，研究碳排放权交易政策对城市绿色经济效率的影响，从平行趋势、安慰剂等方面进行稳健性检验。结果表明：碳排放权交易政策显著提高了城市绿色经济发展效率。针对研究结论，为实现绿色经济发展，政府需要加快完善碳排放权交易市场，深入推进碳排放权交易市场在全行业的应用，充分发挥其在市场上的绿色经济效应。

关键词：碳交易；环境规制；双重差分；绿色经济效率；GML

本文索引：张雪峰，袁贵博.<变量 2>[J].中国商论，2024（10）：-129.

中图分类号：F205 文献标识码：A 文章编号：2096-0298（2024）05（b）--04

1 引言

党的十八届三中全会《中共中央关于全面深化改革若干重要问题的决定》作出“使市场在资源配置中起决定性作用”的定位，提出推动社会资源依据市场规则实现效率最大化配置。作为市场激励型环境规制手段的碳排放权交易政策被视作调节经济发展和生态文明建设的重要政策工具。2011年，国家发改委印发《关于开展碳排放权交易试点工作的通知》，批准在北京、上海、深圳、天津、重庆、广东、湖北等省市开展碳排放权交易试点 工作，通过“总量控制与配额交易”应对气候、环境变化，自此这7省市相继在2013年开展碳排放权交易试点工作。随后在2021年7月16日，全国碳排放权交易正式在线上启动，以发电行业为首批试点行业，成为全球范围内温室气体排放量规模最大的市场。根据碳排放权交易政策的推行现状，在试点地区和行业的碳排放效果存在明显改善，其中碳排放强度下降，碳排放总量增速放缓。但绿色经济发展涉及众多环节、领域，在中国经济进入新发展常态的背景下，碳排放权交易政策对于地区绿色经济效率是否同样存在优化效果有待研究。本文以中国2013年的碳排放权交易政策试点进行准自然实验，借助双重差分模型（DID）研究中国碳排放权交易政策对试点城市绿色经济发展状况的影响。

2 文献综述

不同于传统的标准、禁令等命令控制型环境政策，碳排放权交易政策作为新型的市场激励型环境规制政策，其政策效果近年来受到学者的广泛关注，主要集中于碳排放权交易政策的减排效应和技术创新效应。碳排放权交易政策的减排效应，在欧盟的碳交易市场中得到有效验证[1]。但针对中国的碳排放权交易政策，王慧英等（2021）通过准自然实验构建双重差分模型，研究发现碳排放权交易政策降低了试点地区的二氧化碳排放量[2]。蒋和胜等（2021）同样证实了碳排放权交易政策的碳减排效果，并且还指出随着碳交易政策的实施年限增加，碳减排效果增强[3]。叶芳羽等（2022）研究发现，碳排放权交易政策表现出明显的减污降碳效应，即碳交易政策不仅能够降低试点地区的二氧化碳排放水平，还能够降低空气中的污染浓度[4]。碳排放权交易政策的技术创新效应，主要基于“波特假说”，即适宜的环境规制能够刺激技术创新分析。Calel（2016）认为碳排放权交易政策的实施可以刺激低碳技术开发应用[5]。郭红欣等（2021）认为碳排放权交易政策是促进低碳技术创新、降低碳排放成本的市场化规制工具[6]。

“绿色经济”最早是指统筹经济增长和生态建设的产业，由Markandya（1989）[7]提出。随着绿色发展理念的深入人心，绿色经济逐渐演变为经济-生态-环境的整体[8]。为了量化绿色经济发展水平，现有研究普遍采用数据包络分析（DEA）方法，从“投入-产出”视角对绿色经济效率水平进行测算。其中Chung et al.（1997）基于对非期望产出的考虑构建了Malmquist-Luenberger（ML）生产率指数[9]。为了解决ML指数在线性规划和非传递性的解方面的问题，Oh D.（2010）进一步提出了Global Malmquist-Luenberger（GML）生产率指数[10]。周莹莹（2019）则进一步将生产率指数分解为纯效率变化，纯技术进步，规模效率变化和技术规模变化，以分析效率动态变化的机制[11]。基于现存的绿色经济效率评价方法，众多学者从环境规制[12]、数字经济[13]、金融集聚[14]等方面研究对绿色经济发展的影响。

综合现有文献，碳排放权交易政策效果和绿色经济效率方面的文献较为丰富，但大多集中于单独研究碳交易机制对生态抑或是对经济的影响，少有关于双向考虑经济和生态的研究。本文综合考虑生态和经济的发展，以2008—2019年中国277个地级市为研究样本，通过GML生产率指数测算地级市绿色经济效率，分析碳排放权交易政策对绿色经济的影响。

3 碳排放权交易对绿色经济效率的影响测度

3.1 变量描述

3.1.1 被解释变量

绿色经济效率（GTFP）。关于绿色经济效率的测算，本文选用GML指数进行城市绿色经济效率的测算。关于GML指数模型构建的投入、产出的指标选取，本文选取劳动力、资本存量、能源消费量作为投入指标，实际GDP作为期望产出指标，污染排放量作为非期望产出。其中，劳动力投入指标用年末单位从业人数表示；资本存量参考张军等（2004）[15]的研究处理方法，采用永续存盘法进行计算，并折算为以2008年为基期的资本存量水平；能源消费量参考丁玉龙（2021）[16]的研究，采用各城市的全社會用电量作为能源消费总量代理；实际GDP则以地级市的GDP总量表示，折算为以2008年为基期；污染排放量则通过熵权法测算各城市的废水、二氧化硫以及烟尘排放量。其中，相关数据主要来源于《中国城市统计年鉴》以及各地区的统计年鉴。GML指数表示该地区在本时期和上时期效率的变化，当GML指数小于1时，效率下降；当GML指数大于1时，效率上升；当GML指数等于1时，效率不变。为了分析城市绿色经济效率（GTFP）的变化状况，本文参考曾繁华等（2022）[17]的做法，对GML指数进行累乘，以此衡量城市的绿色经济效率。

3.1.2 控制变量

本文主要研究碳排放权交易制度对城市绿色经济效率的影响，为获取准确的估计结果，对产业结构、科技水平、教育水平、政府干预程度以及经济发展水平等变量进行控制。其中，产业结构使用第二产业增加值占GDP比重衡量，为IND；科技水平使用科学支出占地方财政预算内支出的比重衡量，为TEC；教育水平使用教育支出占地方财政预算内支出的比重衡量，为EDU；政府干预程度使用地方财政预算内支出和地方财政预算内投入比值衡量，为GOV；经济发展水平使用地区人均GDP进行衡量，为PGDP。

3.2 双重差分模型设定

本文将2013年开展的碳排放权交易试点视作一次准自然实验，构建双重差分模型（DID）进行研究，并收集2008—2019年中国277个地级市作为研究样本，构建如下的双重差分模型：

Yit=a0+a1（Treati*Postt）+b*Xit+Proj*Yeart+di+ct+fit（1）

其中i、j和t分别表示地级市、省份以及年份；Yit为被解释变量；Treati为城市处理分组变量，属于试点城市为1，不属于试点城市为0；Postt为时间分组变量，在2008—2013年为0，在2014—2019年为1；Xit表示研究设计相关的控制变量；di为城市个体固定效应，ct为时间个体固定效应，fit为随机误差项；Proj*Yeart表示省份个体时间效应，控制相同省份内的城市个体随时间变化的固定效应。

3.3 数据来源与处理

基于构建的双重差分模型，对碳排放权交易制度与城市绿色经济效率的影响进行研究。本文选取中国277个地级市在2008—2019年作为研究样本，其中相关数据来源于《中国城市统计年鉴》《中国统计年鉴》等。在数据处理过程中，为了避免价格波动对数据的准确性和可信度的影响，对相关数据进行平减计算，调整为以2008年为基期的数据。为了降低数据中的异方差和多重共线性问题，对相关的数据进行对数处理。

4 实证结果

4.1 DID模型回归结果

表1为双重差分基准回归结果。根据表1所报告的结果，碳排放权交易制度的虚拟变量Treati*Postt的影响系数为正，在1%的统计水平上显著。在引入控制变量后，结果不变。所以，在碳排放权交易试点制度实施后，相对于非试点地区城市，试点地区的绿色经济效率有所上升。

碳排放权交易政策的理论基础来源于科斯定律，即只要初始的产权界定是明确的，基于自发的市场交易就可以实现碳排放的社会最优选择，解决碳排放所带来的负外部性问题。碳排放权交易政策的实质在于碳排放权的“商品化”，即对碳排放权进行交易。碳排放权交易制度下，碳排放主体面临排放成本和减排收益两个方面问题。受制于排放成本和减排收益的影响，碳排放权交易政策对城市绿色经济效率的影响正如DID模型结果所示。

4.2 平行趋势检验

为满足平行趋势检验，本文以2014年为基准年，采用碳排放权交易试点政策实施的前3年和后5年进行研究，结果如图1所示，可以看出在碳排放权交易试点政策执行前，对绿色经济效率的影响系数不显著，表明在政策实施前，实验组和控制组不存在显著差异。根据图1所示，碳排放权交易制度对绿色经济效率的影响系数在政策实施一年后才显著为正，即碳排放权交易制度对绿色经济效率存在显著的提升效果，并且这个提升效果具有时间上的滞后性。

4.3 稳健性检验

（1）倾向得分匹配双重差分。为了避免由样本选择偏差所带来的内生性问题，本文采用倾向得分匹配双重差分模型对问题进一步研究，结果如表2所示，碳排放权交易制度对城市绿色经济效率的影响显著为正，表明碳排放权交易制度提升城市绿色经济效率的结论是稳健的。

（2）剔除其他相关政策的影响。考虑到中国在执行碳排放权交易制度前后，存在部分相关类型的政策，这些相关类型的政策可能也会对城市绿色经济效率的发展产生影响，从而影响本文的研究结论。为了避免对结果产生误差，本文考虑剔除部分相关政策的影响。例如中国发改委在2010年发布《关于开展低碳省区和低碳城市试点工作的通知》，在中国部分地区开展低碳城市试点，在2012年，《关于组织推荐申报第二批低碳试点省区和城市的通知》公布了第二批低碳城市时试点名单。需要注意碳排放权交易政策是通過市场机制的作用来实现对碳排放权价格的控制，以此进一步地影响生产过程中的排放行为。低碳城市试点政策在一定程度上直接影响城市企业在生产过程中的排放。故低碳城市试点政策和碳排放权交易制度两种政策均会对城市绿色经济效率产生影响。本文考虑将低碳试点城市的样本数据剔除，以最大限度的避免低碳城市试点政策对研究产生干扰，估计结果如表2所示。根据剔除低碳城市试点政策后的估计结果，碳排放权交易试点政策在1%的统计水平上显著为正，结果一致。

（3）安慰剂检验。为了避免未知因素对研究结果造成影响，本文进一步安慰剂检验，主要通过虚构处理组对问题进行估计分析。本文在研究样本277个地级市中随机抽取37个地级市作为虚构的处理组，其余城市作为对照组进行估计，并依次进行1000次抽样。其中，1000次抽样结果的估计系数绝大多数p值大于0.1，t值的绝对值在2以内，即随机的1000次抽样中大多数碳排放权交易制度对城市绿色经济效率影响是不显著的，表明前文所得出的结果主要是由于碳排放权交易制度所产生的，与其他因素无关。

5 研究结论与政策启示

为了分析碳排放权交易政策对城市绿色效率的影响，本文通过GML指数构建绿色经济效率指标，以2008—2019年中国277个地级市作为研究样本，构建双重差分模型针对碳排放权试点政策对城市绿色经济效率的影响进行全面的分析，结果如下：平行趋势检验、动态效应以及稳健性检验等证实了双重差分模型基准回归的结果，即碳交易政策的实施提高了城市的绿色经济效率，促进了城市绿色经济发展。

综上，本文提出以下政策建议：碳交易工作展开以来，中国在碳排放权交易方面已经过10年探索，全国及试点地区城市碳排放总量明显下降，温室气体减排卓有成效。政府应加快碳排放权交易市场的建设进程，深入推进碳交易市场在各行业的发展，构建真正意义上的全国统一的碳排放权交易市场。充分发挥碳排放权交易的绿色经济效应，在更大范围、更高水平上提高城市地区的绿色经济发展水平。

参考文献

Ellerman A D， Buchner B K. Over-allocation or abatement？ A preliminary analysis of the EU ETS based on the 2005–06 emissions data[J]. Environmental and Resource Economics， 2008， 41（2）： 267-287.

王慧英，王子瑶.我国试点城市碳排放权交易的政策效应与影响机制[J].城市发展研究，2021，28（6）：133-140.

蒋和胜，孙明茜.碳排放权交易、产业结构与地区减排[J].现代经济探讨，2021（11）：65-73.

叶芳羽，单汨源，李勇，等.碳排放权交易政策的减污降碳协同效应评估[J].湖南大学学报（社会科学版），2022，36（2）：43-50.

Calel R， Dechezleprêtre A. Environmental policy and directed technological change： evidence from the European carbon market[J]. Review of economics and statistics， 2016， 98（1）： 173-191.

郭红欣，张乐权，吴斯玥.碳排放权交易对中国低碳技术创新的影响研究：基于碳排放权交易试点的准自然实验[J].环境科学与技术，2021，44（12）：230-236.

Markandya A， Barbier E. Blueprint for a green economy： a report[M]. Earthscan， 1989.

商迪，李华晶，姚珺.绿色经济、绿色增长和绿色发展：概念内涵与研究评析[J].外国经济与管理，2020，42（12）：134-151.

Chung Y H， F?re R， Grosskopf S. Productivity and undesirable outputs： a directional distance function approach[J]. journal of Environmental Management， 1997， 51（3）： 229-240.

Oh D. A global Malmquist-Luenberger productivity index[J]. Journal of productivity analysis， 2010， 34（3）： 183-197.

Zhou Y， Xu Y， Liu C， et al. The threshold effect of Chinas financial development on green total factor productivity[J]. Sustainability， 2019， 11（14）： 3776.

Zhao X， Mahendru M， Ma X， et al. Impacts of environmental regulations on green economic growth in China： New guidelines regarding renewable energy and energy efficiency[J]. Renewable Energy， 2022， 187： 728-742.

劉强，马彦瑞，徐生霞.数字经济发展是否提高了中国绿色经济效率？[J].中国人口·资源与环境，2022，32（3）：72-85.

冯锐.金融集聚、绿色技术创新和绿色经济效率[J].经济经纬，2022，39（4）：150-160.

张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000[J].经济研究，2004（10）：35-44.

丁玉龙.城市规模对绿色经济效率的影响及空间效应研究： 基于我国285个地级及以上城市数据的实证分析[J].城市问题，2021（12）：58-68.

曾繁华，肖苏阳.数字金融对城市绿色经济效率的影响[J].统计与决策，2022，38（15）：144-148.