2014年IPCC第五次评估报告指出,导致全球气候变暖的主要原因是化石燃料燃烧和工业生产过程产生的温室气体[1]。遏制全球变暖,必须控制以CO2为主的温室气体排放。同时,建立绿色低碳、可持续发展的全球治理体系也是各国共同发展目标。而过去高污染、高排放的粗放式发展模式消耗了大量能源,产生的CO2大量排放等一系列问题亟需解决。党的十八大以来,习近平总书记提出并不断完善生态文明建设重要思想,为实现我国绿色、可持续发展提供基本遵循和实践指南。然而,实现尽早达峰的减排目标也绝非易事。一方面,我国经济和产业结构升级矛盾愈发突出,新旧动能转换不足,产业结构不合理、高级化程度较低,导致能源消费增加、碳排放过大;另一方面,不同地区减排技术发展存在较大差异,区域间经济发展水平和自然环境条件不同,使得技术创新的碳减排作用不够明显。为实现经济增长与环境改善协同发展,政府通过建立碳交易体系,运用市场机制,以较低成本实现减排目标。2011年国家发改委应对气候变化司确定北京、天津、上海、重庆、广东、湖北和深圳7个省市为碳交易试点,并决定于2017年建立全国碳排放交易市场,助推我国减排目标实现。因此,从碳交易的经济增长效应角度深入研究碳交易政策降低区域碳排放的影响机制,分析产业结构调整和技术创新对碳排放交易的中介效应,为我国可持续发展提供指导和参考。
碳排放交易是以成本有效的方式控制碳排放的一种政策工具,通过将二氧化碳排放权以商品化形式进行买卖交易,从而达到减排目的。近年来,国内外学者的相关研究主要集中在以下几方面:
(1)对碳交易效应的研究。检验碳交易带来的效应和影响,主要以碳排放为主,其它为辅。张伟伟等[2]对跨国公司面板数据进行回归,证实国际碳市场机制能有效促进全球碳减排;李广明等[3]从影响工业碳排放角度出发,发现碳交易机制对试点地区碳排放量和碳排放强度均有显著抑制作用;Martin等[4]综合考察了欧盟碳交易体系对污染物排放、经济增长等因素的影响,发现一、二阶段分别使企业排放量减少3%和10%~26%。也有少部分学者分别从发挥碳交易政策的政策效应[5]、环境效应[6]、技术创新效应[7]、协同效应[8]以及社会福利[9]等方面进行深入分析。可以发现,关于碳排放效应研究更多关注于单一污染物CO2排放,其它领域仍有待深入挖掘。
(2)对碳交易影响的测度以及运行机制的研究。研究方法上广泛采用CGE仿真模拟、双重差分模型以及合成控制法等。Wang等[10]以广东省为例,建立GD_CGE模型研究了碳强度约束目标下碳交易政策实施效果,发现广东碳交易试点减排效果显著;Jiang等[11]基于Agent模型,构建中国碳交易政策仿真模型,发现碳交易机制能有效促进减排;黄志平[12]以省域面板数据为基础,采用双重差分方法检验了碳交易机制具有显著且持续推动减排的作用;沈洪涛等[13]从企业减排角度出发,利用DID模型发现碳交易短期内通过可以减少产量达到减排目的。也有学者运用合成控制法对碳交易倒逼产业结构升级的影响进行了研究[14]。运行机制方面,学者们主要从完善相关法律法规、强化监管能力等方面开展研究[15-16]。
(3)碳交易下碳配额分配、碳价以及碳税等问题。Brink等[17]以欧盟碳交易体系为研究对象,分析不同碳税下碳价波动情况,并发现两者呈负相关关系;王文举等[18]从责任与目标、公平与效率视角出发,甄选出合适的省级初始配额分配方案;易兰等(2017)引入MIV-BP神经网络模型,以欧盟碳价变动因素为研究基点,从完善核证抵消机制、建立配额分配机制等方面为中国碳市场建设提供启示。
梳理相关文献,国内外学者在碳交易方面研究较多,成果也较为丰硕,但仍有一些不足,亟待深入研究:①研究对象偏重于对环境的影响,忽略了经济增长的重要作用;②研究方法偏重CGE等仿真、模拟模型,未充分考虑到内部设计复杂、跟踪难度大等特点;③对碳交易影响机制以及区域减排潜力关注不够,没有从生产和投入要素角度深入研究减排途径及潜力。为此,本文尝试从以下方面突破:研究内容上,细化碳交易降低碳排放的途径,分析产业结构调整(高级化和合理化)、技术创新(效率)的间接影响作用;研究方法上,以2005-2017我国内地30个省域(西藏因数据缺失,未纳入统计)面板数据为基础,并分为试点地区和非试点地区,采用双重差分模型实证检验,同时使用SFA模型测算技术创新效率,在对碳交易政策进行评估的基础上,深入探究区域减排的作用机制。
目前,政策作用效果评价方法较多,双重差分法(DID)就是其中一种,常被用来对政策实施效果进行评估。近年来,双重差分法多用于计量经济学中对公共政策或项目实施效果进行定量评估,通常选择一个实施政策的实验组和未实施该政策的控制组,比较政策实施前后某一具体指标的改变量,进而确定该政策的真实影响。这种方法在一定程度上可以减少内生性,因而被学术界广泛使用[19]。因此,本文采用双重差分方法研究碳排放交易政策下区域减排潜力以及减排路径。
根据碳交易政策试点对象以及实施碳交易政策的时期,全国目前共有7个试点省市:北京、天津、重庆、上海、湖北、广东和深圳,为了研究方便,将深圳市合并到广东省,并参考李广明等[3]的研究方法,以2014年为试点期和非试点期分界线,2014年(包括2014年)之后为试点期,构造如下基本模型:
CO2it=α0+α1Ci+α2Yt+α3(Ci×Yt)+λi+γt+μit
(1)
ICO2it=β0+β1Ci+β2Yt+β3(Ci×Yt)+λi+γt+μit
(2)
其中,CO2it代表碳排放量,ICO2it代表碳排放强度,i表示地区,t表示时间;Ci表示城市虚拟变量,如果第i个省市是碳排放权交易试点省市,则Ci= 1,代表实验组,如果不是,则Ci= 0,代表控制组,Yt表示年份虚拟变量。同时,2014年作为政策实施年份,当 t≥2014,Yt = 1,否则为0。交乘项Ci×Yt系数估计值α1、α2、α3就是双重差分估计量,代表碳排放权交易政策的净影响。λi表示省市个体固定效应,γt表示时间固定效应,μit表示随机干扰项。
单纯用模型(1)、(2)解释可能会忽略遗漏变量的影响。因此,考虑到一些客观因素对被解释变量的影响,需对模型加入控制变量。本文借鉴陈超凡等[20]的研究,结合Kaya公式和IPAT模型,选择人均GDP、污染治理投资额、能源结构和人口规模作为控制变量,因此基本模型可以转换为:
CO2it=α0+α1Ci+α2Yt+α3(Ci×Yt)+∑αjXj+λi+γt+μit
(3)
ICO2it=β0+β1Ci+β2Yt+β3(Ci×Yt)+βjXj+λi+γt+μit
(4)
其中,Xj代表控制变量,其它变量的含义跟前文保持一致。
仅从宏观层面考虑碳交易政策对碳排放量及碳排放强度的影响,缺乏足够深度,关于政策效应背后的具体影响机制需要进一步讨论。一方面,国家大力倡导供给侧结构性改革,淘汰落后产能,突出产业结构调整对提升能源使用效率的重要性;另一方面,提升地区碳减排潜力,必须提高清洁能源使用比例,加快技术革命进程,表明提高技术创新能力尤为重要。因此,本文更进一步深入考察碳交易政策影响区域碳减排的途径,研究产业结构调整和技术创新的中介传导作用,以及两两之间的关系。同时,参考干春晖等(2011)的做法,将产业结构调整细分为产业结构高级化和产业结构合理化,并运用随机前沿分析法(SFA)测算技术创新效率,以此反映技术创新能力。
(1)产业结构高级化(ISU)。产业结构高级化反映产业结构从低级向高级转化的过程,本文采用第三产业与第二产业的比值衡量。
(2)产业结构合理化(ISO)。产业结构合理化侧重于考察结构间的耦合、协调作用,故本文采用泰尔指数表示,计算公式如下:
(5)
其中:ISO表示产业结构合理化指数,Y表示产业产值,L表示就业人数,i表示产业,n表示产业部门数,ISO值越接近于0,说明产业结构越趋于均衡状态,并且结构更加合理。
(3)技术创新效率(TIE)。本文采用SFA[21]模型对技术创新效率进行测度,基本形式如下:
Yit=βiXit+(νit-μit)
(6)
μit=δiZit+ωit
(7)
其中,Yit表示产出,β为待估参数,Xit表示投入变量,vit代表随机误差项,为不可控制因素,uit代表创新无效率项,反映企业技术效率水平,为可控制因素,vit与uit相互独立。Zit为效率因子,反映技术效率的影响因素,δ为待估参数,wit为创新无效率项回归模型的误差修正项。考虑到计算结果准确性,本文以超越对数函数为基础,建立随机前沿模型,突破技术中性、投入产出弹性固定等假设,更符合研究实际,参考张凡[22]的做法,建立如下具体模型:
nYit=β0+β1lnKi(t-1)+β2lnLi(t-1)+β3(lnKi(t-1))2+β4(lnLi(t-1))2+β5lnKi(t-1)lnLi(t-1)+νit+μit
(8)
其中,Yit代表省域i在第t年的技术创新产出,以专利申请授权量表示;Ki(t-1)代表省域i在第t-1年的研发资金投入,Li(t-1)代表省域i在第t-1年的劳动力投入(研发人员当时量)。由此,采用以下计算公式测算i省份t年的技术创新效率。
(9)
2.3.1 被解释变量测算
(1)碳排放量(CO2)。本文选取碳排放量(CO2)作为衡量省市碳交易政策作用效果的指标。二氧化碳等温室气体的增加除自然界自身产生的外,主要来源于人类对化石燃料的燃烧。本文选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气等8种能源消费量,参照师应来[23]确定的碳排放系数(见表1)计算碳排放量,碳排放计算公式为:
(10)
其中,Cit表示第i个省市碳排放量,Enitj表示第i个省市第t年第j种能源消耗的实物量,θj表示第j种能源的碳排放系数,各种能源排放系数如表1所示。
表1 能源折标系数与碳排放系数
能源种类煤炭焦炭原油汽油煤油柴油燃料油天然气折标系数(千克标准煤/千克)0.714 30.971 41.428 61.471 41.471 41.457 11.426 81.215 0碳排放系数(吨/吨标准煤)0.755 90.855 00.585 70.553 80.571 40.592 10.618 50.448 3
注:标准煤数据来源于《2017年中国统计年鉴》,碳排放数据来源于《2006 IPCC guidelines for na-tional greenhouse gas inventories》碳排放强度(ICO2)由地区CO2排放量与地区生产总值的比值来表示
2.3.2 解释变量及控制变量测算
(1)解释变量。Ci×Yt是核心解释变量,对某一省市而言,当Y≥2014,且该地区为低碳省市时,该地区对应的虚拟变量Ci×Yt为1,其系数表示政策的净效应,即反映碳交易政策减排效应强弱。
(2)控制变量。人均GDP(AGDP)采用地区国民生产总值与年末常住人口的比值衡量;污染治理投资额(IPC)采用地区污染治理投资额与地区GDP的比值衡量;能源结构(ES)采用地区煤炭使用量占地区能耗总量的比值衡量。人口规模(PS)采用年末常住人口数。
以上数据来源于《中国统计年鉴》、《中国环境统计年鉴》、《中国城市统计年鉴》,鉴于数据可获得性,本文选取2005-2017年省域面板数据,各指标含义及衡量方法如表2所示。
表2 变量符号及定义描述
变量名称符号指标衡量方法被解释变量碳排放量CO2地区碳排放量总量碳排放强度ICO2地区碳排放量/地区GDP解释变量时间虚拟变量Yt0/1地区虚拟变量Ci0/1人均GDPAGDP地区GDP/地区总人口污染治理投资额IPC污染治理投资额/地区GDP控制变量能源结构ES煤炭消费量/能源消费总量人口规模POP地区年末常住人口数
在进行实证分析前,先通过比值法对试点期前后进行简单分析,以便更直观地体现试点地区和非试点地区变化情况。依据碳交易政策实施时间将样本分为两个阶段:2005-2013年为非试点时期,2014-2017年为试点时期,计算试点地区与非试点地区均值,具体见表3。具体来说,先计算两段时期试点地区和非试点地区各变量均值,将非试点时期试点地区变量均值与非试点地区变量均值作对比。同理,计算出试点地区变量均值与非试点地区变量均值的比值,最后将试点时期与非试点时期比值作差。当这一差值为正时,可以初步说明我国碳交易政策使得试点地区与非试点地区比值变大;当差值为负时,说明我国碳交易政策使得试点地区与非试点地区比值变小。
对于被解释变量,试点地区与非试点地区在试点期前后碳排放强度下降,而碳排放总量上升,但试点地区上升幅度较非试点地区上升幅度小。总体来看,试点地区碳排放总量和碳排放强度在碳交易政策实施前后均低于非试点地区。具体来看,非试点时期试点地区碳排放总量比非试点地区低24.3%,试点之后比非试点地区低32.59%,扩大了8.3%;碳排放强度在非试点时期试点地区比非试点地区低51.56%,试点期后比非试点地区低61.17%,扩大了9.6%。可以初步看出,碳交易政策降低了地区碳排放强度,且使得试点地区碳排放总量上升趋势减缓。但这仅仅是没有加入其它影响因素的简单对比分析,碳交易政策是否发挥区域协同减排作用,还有待进一步实证检验。
对于控制变量,试点地区和非试点地区人均GDP、人口规模在试点期前后上升,能源结构、污染治理投资额在试点期前后下降。具体来看,在试点期之后,试点地区和非试点地区人均GDP、能源结构和污染治理投资水平差距缩小,而人口规模差距扩大。
表3 试点前后各变量均值变化情况
变量试点前均值(2005-2013年)非试点(1)试点(2)比值(3)=(2)/(1)试点后均值(2014-2017年)非试点(4)试点(5)比值(6)=(5)/(4)比值变化(7)=(6)-(3)CO228 670.447 921 704.114 90.757 036 129.975 024 353.841 20.674 1-0.083 0ICO23.528 91.709 20.484 42.482 60.964 10.388 3-0.096 0人均GDP2.175 84.606 92.117 44.141 47.819 11.888 0-0.229 3能源结构0.670 00.536 50.800 70.619 70.407 90.658 3-0.142 4人口规模4 538.27544097.717 40.902 94 670.807 14357.710 40.933 00.030 0污染投资0.002 20.00130.582 00.001 90.000 80.441 2-0.140 7
3.2.1 全国层面总体回归结果
为了深入评估碳交易政策的减排效应,本文采用双重差分模型对2005-2017年我国内地30个省域碳排放总量和碳排放强度进行回归分析。同时,依次进行不加控制变量、引入控制变量、引入控制变量并控制地区效应和时间效应的双向固定效应模型,对比不同情况下各变量间的相互作用。
表4 碳交易政策对碳排放量及碳强度的影响
变量碳排放量(1)(2)(3)碳排放强度(4)(5)(6)Ci×Yt0.118 1**-0.097 9**-0.104 1**-0.550 4***-0.128 6**-0.134 1***(0.057 4) (0.039 4)(0.041 3)(0.035 4)(0.049 0)(0.050 7)人均GDP0.475 5***0.342 2***-0.570 8***0.690 9(0.039 0)(0.124 2)(0.026 1)(0.148 1)能源结构-0.519 7***0.529 4***0.291 7***0.300 4**(0.124 7)(0.125 0)(0.070 3)(0.202 6)人口规模1.396 8***1.234 2***0.449 2***0.303 0(0.3416 4)(0.291 3) (0.223 1)(0.376 4)污染治理投资额-0.045 4***-0.042 0**-0.038 3***-0.035 2**(0.017 9)(0.016 5) (0.017 4)(0.017 3)控制变量无有有无有有省份固定YESYESYESYESYESYES年份固定NONOYESNONOYES常数项9.187 7***-5.567 2**-3.111 8-0.056 9***3.419 2**5.71 9(0.014 1) (2.455 4)(2.724 2) (0.010 9) (1.734 4)(3.716 9)
注:()中的数值为稳健标准误差,**和***分别表示在5%和1%的水平上显著
表4是采用双重差分法评估碳交易政策对碳排放量及碳强度影响的结果。针对碳排放量,模型(1)是不加任何控制变量的基准模型,模型(2)是增加了人均GDP、能源结构、人口规模和污染治理投资额等控制变量的模型,模型(3)则是在模型(2)基础上加入控制时间效应的模型。整体来看,随着控制变量及固定效应加入,核心解释变量的显著性和系数符号变化幅度较小,说明模型结果较为稳健。而模型(3)中核心解释变量的交互项回归系数在5%的显著水平上为负,表明碳交易政策能显著促进碳排放总量减少。同时,针对碳排放强度,模型建立过程与碳排放量一样,模型(6)核心解释变量的交互项系数在1%的显著水平上为负,且使碳排放强度平均下降13.14%,即碳交易政策具有碳抑制作用。控制变量中人口规模、人均GDP对碳排放总量和碳排放强度均有正向影响,且较为显著;污染治理投入促进碳减排作用明显,而能源结构、排放系数等能源环境因素对碳排放量均有显著正向影响,说明高耗能、高污染仍然是影响区域碳减排的主要因素。总体来看,一方面,碳交易政策的实施将电力、水泥、钢铁等传统“三高”企业纳入监管范围,突出了能源结构调整优化、产业升级等对促进碳排放量减少的重要作用;另一方面,碳交易政策也促进了技术创新水平提升,说明技术进步抑制了碳排放强度。同时,为了深入研究碳交易政策对产业结构调整和技术创新的影响,以及产业结构调整与技术创新的协同减排作用,需要进行进一步检验。
3.2.2 区域层面数据分析
考虑到不同地区经济发展水平差异会影响碳交易政策的碳减排效应,因此采用固定效应模型对东部、中部和西部地区面板数据进行回归,具体结果如表5所示。
表5 不同地区各相关变量对碳排放量及碳排放强度的影响
变量东部地区CO2ICO2中部地区CO2ICO2西部地区CO2ICO2Ci×Yt-0.034 8-0.072 5**-0.012 5-0.30 1 0.020 20.020 2 (0.033 8) (0.035 6)(0.071 7)(0.183 3)(0.083 4)(0.083 3)人均GDP-0.463 2***-0.566 7***-0.295 9**0.606 2***0.546 2**0.453 8**(0.030 0)(0.031 6)(0.026 7)(0.068 3)(0.032 2) (0.032 2)能源结构0.414 6***0.307 5***0.483 6***-0.473 90.666 5***0.666 5*** (0.045 5)(0.048 0)(0.127 0)(0.324 4) (0.111 6) (0.111 6)人口规模0.695 7***0.001 1 2.607 1***1.127 92.429 1***1.429 1***(0.178 7)(0.188 2)(0.439 8)(1.123 1)(0.375 0) (0.375 0)污染治理投资额-0.020 9 -0.019 2 -0.012 8-0.019 6-0.073 6***-0.073 6***(0.013 1)(0.013 8)(0.027 2)(0.069 6)(0.021 0) (0.020 9)控制变量有有有有有有省份固定控制控制控制控制控制控制常数项4.141 6**1.640 1 -14.747 8***16.211 5**-14.004 2**-4.793 8* (1.413 8)(1.488 7)(3.690 7)(9.425 0)(2.824)(2.824 1)F统计量68.4866.9697.3913.933.7733.77R-squared0.812 70.903 80.733 20.566 50.83290.8241
注:()中的数值为稳健标准误差,*、**和***分别表示在10%、5%和1%的水平上显著
东部地区碳交易政策与碳排放总量、碳排放强度之间呈负相关关系,整体上较为显著。主要是东部地区经济实力雄厚,产业结构调整和技术创新能力较强,为碳交易政策实施提供了经济和制度基础,从而大大提升了碳交易政策促进碳减排的潜力。可以看出,碳交易政策出台后,东部地区积极落实政策要求,在技术创新和产业结构升级上取得了显著进展。人均GDP、污染治理投资额等经济因素对碳排放总量和碳排放强度均产生负向影响,结果较为显著,能源结构与碳排放总量、碳排放强度在1%的显著性水平上为正,人口规模产生正向影响。总体来看,碳交易试点的实施,有利于促进东部地区更好地发挥区域碳减排作用效果,也为全国碳市场的建立奠定了良好基础。
中部地区碳交易政策与碳排放总量、碳排放强度之间呈负相关关系,但结果不显著。可能的原因是,中部地区经济发展空间较大,产业结构仍处于中低端水平,技术创新能力不足,不利于激发碳交易政策的碳减排潜力。人均GDP对碳排放总量起抑制作用,但促进碳强度增加,污染治理投资额对两者均产生负向影响,但不显著,能源结构变动更多影响碳排放总量变化,人口规模的碳排放效应呈增加趋势。综上表明,中部地区急需提升经济发展实力,增强碳交易政策对城市碳排放绩效的推动作用。
西部地区碳交易政策对碳排放量、碳排放强度产生正向影响,但不显著。人均GDP、人口规模和能源结构等因素与碳排放量、碳排放强度之间均存在正相关关系,整体上较为显著,污染治理投资额显著发挥了碳减排作用。说明西部地区由于经济实力不足,生产技术革新缓慢,技术转化效率较低,从而使碳减排效果不明显;同时,能源结构等能源变化因素影响较大,突出了产业结构调整及提升清洁能源技术水平的重要性。对于西部地区而言,碳交易政策促进区域碳减排的能力依赖于政府、企业协同参与,同时需要以经济实力为后盾,充分推广碳交易试点政策,积极探索低碳、可持续发展模式。
3.3.1 DID回归结果分析
碳排放权交易作为一种新型环境创新工具,通过搭建“环境―经济”平台,以市场化手段降低碳排放。为进一步研究碳交易政策影响区域碳减排的机制及路径,从产业结构调整(高级化和合理化)和技术创新效率两方面入手,深入探究碳交易政策是否通过影响两者的变化趋势,从而达到碳减排目标。
表6 政策作用机制回归结果
变量产业结构高级化(1)(2)产业结构合理化(3)(4)技术创新效率(5)(6)Ci×Yt0.292 1***0.035 3 -0.099 2***0.021 8**0.086 6***0.251 1***(0.046 4)(0.075 7)(0.018 5)(0.006 8)(0.029 7)(0.068 8)控制变量NOYESNOYESNOYES省份固定YESYESYESYESYESYES年份固定NOYESNOYESNOYES常数项1.128 6***-3.277 3 -0.462 6***0.145 9 -0.071 6***-6.200 2* (0.014 3)(4.847 9) (0.005 9)(0.365 7)(0.009 1)(3.155 0)R20.689 80.344 40.934 40.978 50.743 00.426 9
注:()中的数值为稳健标准误差,*、**、***分别表示在10%、5%、1%的水平上显著
产业结构高级化系数在1%的水平上显著为正,即碳交易政策提升了产业结构高级化水平。碳交易制度通过对企业发放碳配额的方式,依据碳排放交易规定给予企业免费碳排放额度,当超过额度后需购买排放额度。对于减排成本较低的行业,设置的碳排放额度对其减排成本影响较小,但对于减排成本较高的高耗能、高排放、高污染行业来说,势必会增加企业减排成本,提高企业生存门槛。碳交易政策促使产业结构高级化,抑制高能耗、高排放的重工业发展,一定程度上促进清洁生产的高新技术产业和现代服务业发展,进而降低行业减排成本,实现结构红利效应,助推我国实现碳减排目标,同时,改善区域生态环境,带动区域经济发展。
产业结构合理化系数为正,且在5%水平下显著。碳交易政策实施以来,由于政府对清洁能源的补贴,清洁能源使用量增加,而部分高耗能企业无法一次性摆脱化石燃料,而是囤积化石燃料,导致碳交易政策对产业结构合理化作用效果不明显,产业间耦合质量较低,并使得产业间协调程度和资源利用率不高。
技术创新系数在1%的水平上显著为正,说明碳交易政策有助于提升区域技术创新水平。严厉的碳交易政策下,“三高”行业生产与减排压力增大,进而倒逼企业淘汰落后的、高能耗的生产工艺,进行技术创新。技术创新降低企业减排压力的途径主要有两种:一是提高行业能源利用效率。技术创新使得生产同等量产品消耗的能源变少即能源效率提高,因此,技术创新会降低能源消耗量,促进碳排放减少。二是推广使用清洁新型能源。随着低碳技术快速发展,新型清洁能源不断被开发和利用,随着技术创新水平不断提升,新型清洁能源的使用成本逐渐降低,进而逐步替代化石燃料。综上,碳交易政策通过技术创新改善能源结构,降低碳排放强度。
3.3.2 PSM-DID回归结果分析
双重差分法的基本假设是随机事件、随机分组、对照组不受影响以及样本的同质性、实验处理的唯一性,将是否实施碳交易政策作为虚拟变量对总体进行回归,参数可能会有偏差。为此,进一步采用双重差分倾向性得分匹配进行回归,具体思路为:采用Logit模型,以人均GDP、能源结构、人口规模、污染治理投资额为可观测变量,采用核匹配法(Kernel Matching)进行样本匹配。最终有12个样本未匹配成功,将其剔除。基于匹配数据进行回归,结果如表7所示。
表7 碳交易对产业结构与技术创新效率的影响
变量产业结构高级化匹配前匹配后产业结构合理化匹配前匹配后技术创新效率匹配前匹配后Ci×Yt0.035 30.122 0* 0.021 8**0.015 3 0.251 1***0.191 1*** (0.075 7)(0.123 4)(0.008 6)(0.028 6)(0.068 8) (0.154 8)人均GDP-0.472 7 -0.187 1 0.050 90.048 4*0.307 7***0.341 1* (0.2909)(0.167 6)(0.028 7)(0.021 2)(0.101 4)(0.177 6)能源结构0.088 70.276 70.024 6-0.002 50.035 60.341 7*(0.072 1)(0.211 6)(0.021 8) (0.015 4)(0.151 3)(0.151 3)人口规模0.152 4* 0.594 10.057 50.051 6 0.210 90.743 8* (483 1)(1.276 7)(0.902 3)(0.221 5)(0.330 4) (0.416 9)治污投入-0.019 7 -0.030 10.008 80.003 4-0.006 7 0.078 9**(0.015 1) (0.024 2)(0.005 6)(0.007 4)(0.029 3)(0.248)控制变量YESYESYESYESYESYES省份固定YESYESYESYESYESYES年份固定YESYESYESYESYESYES常数项-3.277 3 -5.058 9 -0.462 6***-0.176 8-6.200 2* -6.195 8* (4.847 9)( 10.644 1)(0.005 7)( 0.850 4)(3.155 1)(3.485 3)R20.344 40.238 20.978 50.677 90.426 90.534 5
注:()中的数值为稳健标准误差,*、**、***分别表示在10%、5%、1%的水平上显著
由回归结果可知,产业结构高级化在匹配后系数变得显著,且增加了0.08个单位,进一步证明了碳交易政策对产业结构高级化的正向促进作用,通过淘汰落后产能,鼓励清洁生产,进而推动碳减排。产业结构合理化在匹配后降低了0.06个单位,但其符号未发生变化,碳交易政策促使重工业行业转型,逐渐向生产服务行业靠拢,产业结构趋于合理平衡。技术创新效率在匹配后降低了0.06个单位,显著性不变,说明碳交易政策对技术创新的促进作用更加显著。在当今科技时代,先进技术对生态环境保护和节能减排的作用举足轻重,各行业技术创新会极大提升能源效率,助推减排。
本文以2005-2017年中国内地30个省、市、自治区面板数据为基础,采用双重差分法和PSM-DID模型实证检验我国碳交易政策对区域碳减排的影响及其作用机制,并采用固定效应模型分区域检验碳交易政策的区域异质性,得到如下结论:
(1)碳交易政策对试点和非试点地区具有协同减排作用。以往文献研究侧重于单方面考察碳交易政策对试点或非试点地区减排的影响,进而证实碳交易的减排作用,但忽略了两者间协同减排作用。本研究实证结果表明。碳交易通过市场化的手段,一方面提升了试点地区改善能源结构、调整产业结构的积极性,提高了技术创新效率,进而促进区域碳减排目标实现;另一方面,CO2等温室气体具有空间流动性特点,促使非试点地区受碳交易政策影响发挥地区碳减排潜力,即碳交易政策有利于促进地区整体低碳、绿色发展。同时表明,实施碳交易政策也符合地区协同发展目标和规划,有利于地区发挥出协同减排综合效益。
(2)不同经济发展水平地区,碳交易政策的碳减排效应存在区域异质性。本文突破了既有文献研究聚焦于区域经济发展状况的局限,不仅深化了碳交易政策对不同地区政策实施和技术创新的影响,同时提出不同区域应采取针对性减排措施。结果表明:东部地区碳交易政策均起到减少碳排放量、降低碳排放强度作用;中部地区碳交易政策更注重碳排放总量减少,忽略碳排放强度变化;西部地区则需要提升碳交易政策促进区域碳减排的潜力。说明关注地区间经济水平、能源结构和技术进步等方面差异,对于发挥碳交易的政策效应、技术创新效应等具有重要作用。
(3)碳交易政策通过产业结构调整和技术创新效率的作用机制影响区域碳排放。一方面,现有文献研究对于碳交易促进区域碳减排作用机制的研究较少;另一方面,对于碳交易政策影响碳排放的作用途径,侧重于从宏观角度,即从整体考察产业结构升级和技术创新水平提升对碳排放的影响。本文通过细化研究发现,在促进产业结构调整的作用途径中,产业结构高级化更多受益于碳交易政策,产业结构合理化作用相对较弱;碳交易政策对技术创新效率有显著正向促进作用。进一步证实了碳交易政策在推动区域碳减排中的积极作用,通过不同渠道,给予减排主体一定压力,从而更有助于减排目标实现。
根据以上结论,得到以下政策建议:
(1)大力推进和完善全国碳市场建设,推广试点地区成功经验。碳交易政策实施能够发挥较大的碳减排作用,尽管各试点地区碳排放效率逐渐提升,但提升效果并不明显。因此,应加大对试点地区建设支持力度,并加以推广,以点带面,进一步完善碳配额分配机制、交易机制和约束机制,扩大市场交易范围,达到降低减排成本的目的,从而整体推动我国绿色发展。
(2)充分考虑地区排放差异,因地制策、施策。我国地域辽阔,不同地区间经济发展水平、资源分布情况、制度环境等都存在差异。因此,制定碳交易政策,一方面要考虑不同地区碳市场要素设计的异质性,确保碳市场良好运行,实现产业结构优化,促进碳减排;另一方面,加强区域间沟通交流和相互扶持,重点关注碳市场基础设施建设和运行,推动绿色、低碳发展。
(3)加强产业结构调整,提升技术创新效率。减少碳排放的基本途径包括:技术进步式减排和结构调整式减排,即产业结构高级化、合理化与技术创新效率提升均具有节能减排作用。碳交易机制能够倒逼产业结构转型升级和企业技术创新,因此应该更大程度发挥碳市场和其它政策工具的协同减排作用,合理控制能源消费量,改善能源结构,加大清洁能源使用比例,增加技术研发投入,结合自身优势,寻找技术创新效率提升和产业升级路径,降低碳交易政策的负向影响。
(4)多手段并行,挖掘碳交易机制碳减排潜力。碳交易政策一方面通过倒逼产业结构调整,使产业结构高级化、合理化程度逐步提升,另一方面通过促进技术创新能力提升达到区域碳减排、绿色发展的目的。因此,需要不断完善碳排放内部控制管理,通过合理分配配额、定价等提升企业积极性,发挥政策、企业和公众协同减排作用,从而推动区域高质量发展。
本文针对碳交易政策减排潜力及影响路径进行了整体研究,但存在一些不足和可拓展之处:本文在分析碳交易减排影响时侧重从地区层面衡量,对行业层面是否存在不同影响未展开详述,后续研究可对行业间内在关系进行细化研究,进一步补充完善碳交易促进碳减排的作用机制;在细化研究碳交易降低碳排放途径中,未来研究可着重对理论模型合理性进行验证,并注重研究方法的多样性,确保研究更加科学、合理,从而为相关研究提供经验借鉴和参考。
[1] IPCC.Climate change 2014:synthesis report[R].Geneva: IPCC,2014.
[2] 张伟伟,祝国平,张佳睿.国际碳市场减排绩效经验研究[J].财经问题研究,2014(12):35-40.
[3] 李广明,张维洁.中国碳交易下的工业碳排放与减排机制研究[J].中国人口·资源与环境,2017,27(10):141-148.
[4] MARTIN R,MUULS M,WAGNER U J.The impact of the European Union emissions trading scheme on regulated firms:what is the evidence after ten years[J].Review of Environmental Economics and Policy, 2015, 10(1):129-148.
[5] 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.
[6] 涂正革,谌仁俊.排污权交易机制在中国能否实现波特效应[J].经济研究,2015,50(7):160-173.
[7] 王班班,齐绍洲.市场型和命令型政策工具的节能减排技术创新效应——基于中国工业行业专利数据的实证研究[J].中国工业经济,2016(6):91-108.
[8] CHENG B, DAI H,WANG P, et al.Impacts of carbon trading scheme on air pollutant emissions in Guangdong Province of China[J]. Energy for Sustainable Development, 2015,27:174-185.
[9] FUJIMORI S,MASUI T,MATSUOKA Y.Gains from emission trading under multiple stabilization targets and technological constraints[J].Energy Economics,2015,48:306-315.
[10] WANG P,DAI H C,REN S Y,et al.Achieving Copenhagen target through carbon emission trading:economic impacts assement in Guangdong Province of China[J].Energy,2015,79(1):212-227.
[11] JIANG W,LIU J,LIU X,et al.Impact of carbon quota allocation mechanism on emissions trading:an agent-based simulation[J].Sustainability,2016,8(8):808-826.
[12] 黄志平.碳排放权交易有利于碳减排吗——基于双重差分法的研究[J].干旱区资源与环境,2018,32(9):32-36.
[13] 沈洪涛,黄楠,刘浪.碳排放权交易的微观效果及机制研究[J].厦门大学学报(哲学社会科学版),2017(1):13-22.
[14] 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.
[15] CHENG C P,ZHANG X.A study on the construction of China's carbon emissions trading system[J].Energy procedia,2011(5):1037-1043.
[16] ZHANG D,KARPLUS V J,CASSISA C,et al.Emissions trading in China:progress and prospects[J]. Energy Policy,2014,75(12):9-16.
[17] BRINK C,VOLLEBERGH H R,WERF E V D.Carbon pricing in the EU:evaluation of different EU ETS reform options[J].Energy Policy,2016,97(8):603-617.
[18] 王文举,陈真玲.中国省级区域初始碳配额分配方案研究——基于责任与目标、公平与效率的视角[J].管理世界,2019,35(3):81-98.
[19] 宋弘,孙雅洁,陈登科.政府空气污染治理效应评估——来自中国“低碳城市”建设的经验研究[J].管理世界,2019,35(6):95-108+195.
[20] 陈超凡.中国工业绿色全要素生产率及其影响因素——基于ML生产率指数及动态面板模型的实证研究[J].统计研究,2016,33(3):53-62.
[21] BATTESE G E,COELLI T J.A model for technical inefficiency effects in a stochastic frontier production function for panel data[J].Empirical Economics,1995,20(2):325-332.
[22] 张凡.区域创新效率与经济增长实证研究[J].中国软科学,2019(2):155-162.
[23] 师应来,胡晟明.技术进步、经济增长对二氧化碳排放的动态分析[J].统计与决策,2017(16):149-151.