开放科学(资源服务)标识码(OSID)：
Taking 283 prefectural-level cities and 1150 A-share listed companies in China as the empirical samples, this study uses a multi-period DID model to examine the policy effect of the carbon trading pilots. The methods of emission coefficient measurement and satellite measurement of light emission are adopted to ensure a scientific and reasonable calculation of carbon emissions in the cities. Using per capita emissions as the main proxy variable for carbon emissions, it further explores the emission reduction from the perspective of carbon equity. The study defines the proxy variables of government intervention and market mechanism and applies a quasi-natural experiment to demonstrate how the government and market work together to achieve the goal of emission reduction of the carbon trading pilots under inefficient conditions. With a thorough analysis of the carbon reduction mechanisms, the study examines the policies at both prefectural and business levels for their effects on technological innovation.
The results show that the policy reduces carbon emissions significantly in the pilot cities and the finding hold after various robustness tests; the government intervention ensures the normal operation of the carbon trading system to achieve emission reduction; the carbon prices are in a dysfunctional state, and the market mechanism measured by carbon trading volume plays a certain role, but it's necessary to involve the synergy between government intervention and market mechanism to strengthen the emission reduction effect; and the carbon trading pilots promote the technological innovation and green technology innovation of listed companies effectively while the effect of technological innovations has not yet seen at the prefectural level.
Implications arising from the study are as follows. Firstly appropriate administrative intervention is expected to ensure the normal operation of the carbon market at the early stage. Secondly it is necessary to keep improving the carbon market trading mechanism, scientifically formulate the total carbon trading volume, reasonably allocate quotas, involve enterprises in other industries other than the power industry, improve the transparency of market information and make the price mechanism the core of the control mechanism of carbon emission. Thirdly it is critical to stimulate the carbon emission reduction potential of all economic entities by applying the supply and demand mechanism and price mechanism of the carbon market to realize the internalization of carbon emission costs. Lastly the construction of a national carbon trading market is a key link, and it is necessary to promote carbon financial product innovation.
By clarifying the roles of government intervention and market mechanism in the process of carbon emission reduction and comprehensively analyzing the specific mechanisms of carbon emission reduction, this study enriches the experience of emission reduction pilots nationwide, and it is helpful to accelerate the construction of the carbon trading system, and achieve the historic success of carbon neutrality.
开放科学(资源服务)标识码(OSID)：
“碳达峰、碳中和”是中国经济社会重要的系统性变革,也是中国对全球长远发展作出的重要保证。中国实现“双碳”目标的核心工作之一是加快建设碳交易市场,碳排放权交易政策丰富了中国碳减排政策工具体系,在控制碳排放总量的前提下,以市场为导向将碳排放维持在保证生态文明建设的水平。与西方成熟的污染排放权交易市场相比,中国碳试点存在建立时间短、市场运行效率低、国有企业为主要履约主体等特征。在市场机制相对缺失的情况下,碳交易政策能否降低试点城市碳排放总量和人均碳排放,碳试点减排成果中政府与市场分别扮演怎样的角色,这是当前关于碳交易试点的重点研究问题。在碳试点市场效率处于低水平情形下,本文试图解释碳交易政策如何实现人均碳排放量降低,通过实证分析研究行政干预与市场机制双重视角下碳交易政策的具体减排机制,以及如何通过政府和市场协作强化减排效应。
碳交易市场设定低于实际碳排放需求的配额量,通过配额总量管控与分配标准制定对碳排放行为产生约束作用[1]。碳市场能够促进能源消费转向更加清洁、高效的方向,引导生产模式从高能耗向低耗能转型,优化能源资源配置[2]。与命令型环境规制相比,碳试点政策作为市场型环境规制通过碳市场间接影响企业减排行为,以碳交易收益激励企业绿色转型。基于理论分析和模型模拟,有学者指出中国碳市场具有显著减排效应和巨大减排潜力[3]。但是,碳市场能否有效发挥减排效应,对交易市场发展水平存在要求,碳市场能够合理配置资源的前提是有充分的市场效率作为支撑,低效率市场会使得排放权搜寻成本高于减排成本,导致市场机制失效[4]。现实中的中国碳试点减排机制到底如何运作,碳减排作用能否有效发挥,如何强化低效率水平碳交易市场的减排效应,这是关系到中国碳市场发展的关键问题,该领域实证研究可以为加快建设全国碳交易市场提供相应经验证据。
2013—2016年,北京、上海等8个省市先后开启碳交易试点,为验证中国碳市场是否为实现碳减排提供了良好的准自然实验样本,众多学者以碳市场启动为契机,针对碳交易政策对碳排放总量、碳排放强度、区域经济增长、绿色生产效率、企业投资、技术创新等方面的影响,使用双重差分法等展开研究[5-7]。第一,碳排放量和能源消费方面,2005—2015年碳试点内受规制行业的能源消费和碳排放均显著下降[8]。碳试点通过降低化石能源消耗量、优化能源结构,有效实现碳减排的环境红利[9]。2012—2018年7个碳交易试点(除福建外)的碳排放量均出现降低,证实碳交易政策有利于碳减排[10]。第二,碳排放强度方面,任亚运等(2019)基于省级面板数据,运用双重差分法研究发现,碳试点促进相关地区碳排放强度下降,并提升区域绿色发展水平;吴茵茵等[11]指出,碳市场能有效降低试点城市碳排放总量和碳强度;Zhang等[12]认为,碳试点通过减缓经济增长实现试点排放总量下降,碳强度并无显著下降;宋德勇等[13]研究发现,碳试点政策降低了相关省份排放总量和人均排放,但对排放强度无明显影响。总之,众多学者对碳减排效应的具体结果存在分歧,但是,一致认可碳交易政策是实现碳减排的重要工具。第三,碳交易政策的减排作用机制方面,王慧英等[14]通过PSM-DID模型证实碳市场能够影响能源消费量与消费结构,进而降低碳排放水平。碳市场以绿色技术创新、产业结构升级为中介变量实现减排(张修凡,2021),碳试点主要通过集聚科技人才、优化招商引资、促进产业结构升级提升减排效应[15]。以技术创新为渠道,碳试点政策推动企业转型升级,实现碳减排目标[16]。还有学者证实碳市场引发技术创新的“弱波特假说”,通过增加经营成本倒逼企业提升经营效率和绿色研发,提高碳排放效率[17],但也有学者发现由于生产成本提高,碳交易试点对企业绿色技术进步产生负面影响(胡玉凤,2020)。
当前,中国碳试点市场的交易机制还存在诸多问题,碳试点整体呈现显著“到期日效应”,即碳交易主要集中在履约期[18]。许骞等[19]指出,上海、广东等试点市场的碳价格下降过快,过低的碳价格会削弱企业参与碳交易的动力;公维凤等[20]对5个碳交易试点进行实证分析发现,仅广东省碳市场收益率与风险正相关,其它试点市场效率过低;吴茵茵等[11]指出,碳市场的减排效应主要来自地方政府干预,碳价格机制没有发挥显著减排作用。各试点主要参与者多为国企,交易以协议转让为主,交易动力主要是完成履约而非追求碳减排的绿色收益,导致大部分试点交易量偏低、碳价格变动不灵活(陈向阳,2022)。具体来说,中国碳试点现存问题主要有:第一,交易方式相对落后,碳交易源动力是完成履约,控排企业的交易方式以协议转让为主;第二,交易密集度高并呈现潮汐特征,交易主要集中在履约期当季,导致履约当季交易量价齐涨,随后量价低迷;第三,市场流动性不足,大部分试点的日交易价格变化不灵活、交易量偏低,不利于效率市场形成。通过文献梳理发现,以人均碳排放为主要研究指标的文献相对较少,分析低效率碳交易市场与碳排放水平的关系以及如何通过行政干预与市场机制促进碳市场发挥减排作用的研究相对有限。行政干预如何强化低效率市场的减排效应是全国碳交易市场建设阶段面临的重要问题,即如何在全国碳市场体系尚未发育完善的阶段,通过政府和市场的协同作用克服低效率市场缺陷,让碳市场有效发挥减排作用。因此,本研究对加快推进全国碳市场建设、实现经济绿色低碳转型有着重要的理论与现实价值。
2011年北京等7省市启动碳试点前期工作,2013—2014年碳市场陆续开始上线交易,2016年福建加入碳交易试点(见表1)。2013—2019年各试点地区的日碳交易价格逐步稳定,日交易规模不断扩大,8个试点覆盖电力、钢铁、水泥等多个行业的3 000多家企业。《全国碳排放权交易市场建设方案》宣告开始建设全国统一碳排放权交易市场,2021年是全国市场首个履约周期,全年覆盖CO2排放量约45亿t。但是,全国市场初期仅纳入发电行业,涉及企业2 000余家,碳市场交易规模、履约行业企业、产品种类等尚待扩展,全国碳市场建设还需走很长一段路。因此,需要研究碳试点的具体减排机制,界定和厘清行政干预、市场机制在减排效应中的作用,以便更好地将试点减排经验推广到全国市场,加快推进全国碳交易市场建设,顺利完成“碳中和”历史性任务。
表1 中国碳排放交易试点区域
Tab.1 The pilot areas of carbon emissions trading in China
试点区域碳排放交易开放时间城市数量北京2013年11月1上海2013年11月1深圳2013年6月1广东2013年12月20天津2013年12月1湖北2014年2月12重庆2014年6月1福建2016年9月9
从中国8个碳试点总体情况来看,不同试点的碳价格差距较大且变动不灵活,交易潮汐特征显著,说明碳市场制度体系尚未完全建立。理想状态下,碳交易市场基于明确的价格信号,能够以较高的灵活性与最低成本实现碳减排。由于中国碳市场体系尚未完全建立、发育程度较低,需要政府监督以保证低效率运行的碳市场维持较高的控排履约率。分析处于建设阶段的碳试点减排机制,需同时考察市场机制和行政干预。目前碳试点减排机制主要通过两条路径实现减排效应:第一,以价格机制为核心的碳交易市场体系,通过碳交易直接实现碳减排;第二,政府通过行政干预监督企业履行合约,维护市场正常运行,促进碳减排。在行政干预和市场机制的协同作用下,推进碳试点减排工作有效落实,市场效率较低的试点需要实施较强管控力度的行政干预,弥补低效率市场,保证减排效果。
首先,有效协调政府与市场的关系是碳交易市场建立的关键,我国碳市场尚未达到效率市场假说的基本条件,导致价格机制缺失,而政府是解决市场失灵的重要助力。行政干预包括两个方面:第一,中央对地方政府的环境政绩考核。面对中央实施的绿色考核,地方有动力处理污染排放物,而环境规制存在较强的污染排放物异质性,2007年《主要污染物总量减排考核办法》将废水、SO2纳入强约束指标,对CO2等新型污染物的防治滞后。第二,地方政府对碳试点市场的行政干预。面对中央施加碳减排压力,地方政府有动力通过行政手段弥补低效率碳市场,具体来说,通过行政干预以及强惩罚措施确保碳交易顺利实施、维护碳市场正常运行,如北京、湖北、重庆等试点对未履约企业按市场均价处以1～5倍罚款,天津要求限期改正和扣除3年优惠政策,广东要求第二年2倍扣除并罚款5万元,对未履约惩罚措施十分严格。自2015年开始各试点履约率基本达到100%,出现运行效率越低,地方政府对排控企业干预强度越高的现象,形成“重履约轻交易”的碳试点交易市场,即碳试点虽然属于市场型环境规制,但主要动力来自政府干预。
其次,碳交易市场的核心作用是将排放权商品化,使碳价格反映企业排放的边际成本,通过市场机制让高效率企业和低效率企业进行碳交易,提高资源利用效率。试点城市的市场化水平、碳市场发育程度均会对碳减排产生积极影响:第一,从完全均衡理论的角度看,碳市场是市场经济体系中的一个子系统,二者存在相互影响的关系,因此,试点城市的市场化水平会影响碳市场建设速度和运行效率。市场化指数较高的城市有更好的要素市场发育度、法律制度体系、科技创新水平以及合格的碳交易主体(企业)等,有助于碳市场快速建立并提升运行效率,增强试点减排效应。第二,碳市场运行效率直接影响减排效果,即市场机制完善程度。碳市场机制的核心是价格机制,高效率市场需要众多履约企业频繁交易,形成灵活变化的碳价格,以明确的价格信号配置资源。本文以碳价格和碳交易量作为衡量市场机制的代理变量,验证碳价格能否成为资源配置的正确信号,探讨低效率水平碳市场减排效应。
最后,在政府力量和市场机制的支撑下,推进碳减排还需要技术创新助力。技术创新能够提高资源利用率、降低能耗和非期望产出,在生产源头实现碳减排。碳试点能否有效促进技术创新是减排效应持续发挥作用的核心问题,即减排压力下企业是否选择技术创新。在微观层面,碳交易机制作为污染排放权的市场制度设计,通过碳交易为企业减排行为提供绿色碳收益和生态金融保障,优化资源配置,激发企业内部经营活力,使其通过资本积累与技术进步实现碳减排(任胜钢,2019)。高生产率企业会倾向于开展技术创新,通过节能减排提高生产效率,获得更多可交易的碳排放额度实现绿色收益。张杨等[21]研究指出,碳试点促进A股制造业企业绿色技术创新水平。中国碳交易政策实施时间相对较短,低效率碳试点市场对技术创新影响的具体效果、范围需进一步考察。本文综合使用企业面板数据和城市面板数据,验证碳交易政策能否促进微观与宏观层面技术创新,探究碳试点对技术创新推动作用的强度与广度。基于上述分析,提出以下假说:
H1:碳交易政策能够降低试点城市碳排放总量和人均排放。
H2:市场机制能够促进碳减排,且市场化水平越高,减排效果越好,但在碳市场运行效率存在损失的情况下,以碳价格、碳交易量衡量的交易机制减排效果低于理想状态交易市场水平。
H3:传统绿色政绩考核的减排作用相对有限,地方政府通过行政干预提升碳市场监管水平,在行政干预和市场机制协同作用下可有效降低碳排放。
H4:在市场与政府协同作用下,碳试点能够在低效率市场状态下促进企业技术创新。
不同试点的碳交易政策启动时间为2013—2016年,因而本文采用多期DID模型考察碳排放交易市场启动对碳排放总量和人均排放的影响。被解释变量是碳排放总量、人均碳排放。核心解释变量是DID,即碳交易市场是否启动,实验组为8个试点区域共46个城市,对照组城市有237个。模型设定如下:
Yit=β0+β1DID+β2controlit+Vi+Vt+ηrt+εit
(1)
其中,i表示城市,t表示年度,控制变量R&D、pd、mi、structure、pgdp、fdi分别表示研发水平、人口密度、市场化指数、产业结构、人均收入、外商直接投资,Vi表示城市个体效应,Vt表示年份时间效应,不同区域经济发展水平差异较大,按东、中、西、东北四大区域分类,ηrt表示控制区域和年份的交互效应,εit为误差项。
(1)被解释变量。对碳排放总量进行取对数和人均化处理,选择碳排放总量(co2)、人均碳排放(pco2)作为被解释变量,主要从“碳公平”角度,即以人均碳排放为核心指标研究碳试点减排效应。碳排放量测算使用两种方法:第一,收集283个城市电能、煤气、液化石油气和热能消耗,使用相应碳转化因子和碳排放系数,加总各种能源消耗过程中产生的碳排放量,形成2006—2019年283个城市碳排放数据。第二,采用Chen等[22]提出的基于夜间灯光数据拟合、运用粒子群优化—反向传播算法(PSO-BP)的碳排放指标,基于2 735个县级数据进行相应加总处理,形成2006—2017年283个城市碳排放数据。
(2)核心解释变量。核心解释变量为DID变量,DIDit=treatit×postit,其中,treatit表示是否为实验组,postit表示碳交易政策实施时间,以碳试点是否启动为标准确认。本研究基准模型设定为多期DID模型,碳试点启动时间为2013-2016年。
(3)控制变量。研发水平(R&D),使用授权专利数量的对数衡量;人口密度(pd),使用人口总数的对数衡量;市场化指数(mi),数据源自《中国分省份市场化指数报告》;产业结构(structure),使用服务业占GDP比重衡量;人均收入(pgdp),使用GDP与人口数量的比值衡量;外商直接投资(fdi),使用外商实际投资额占GDP比重衡量。
(4)其它变量。绿色政绩考核(cr),使用SO2相对减排率衡量,若该城市SO2相对减排率高于所在省份平均水平则取1,否则取0,直辖市取值标准为与上年减排率比较;财政分权(gov),使用财政预算内支出占GDP比重衡量,考察地方政府权力对碳排放的影响;碳交易价格(price),使用碳市场日收盘价的年度平均值衡量,并取对数;碳交易量(quantity),使用碳试点市场年度交易总量衡量,并取对数。
主要变量描述性统计结果如表2所示。
表2 主要变量描述性统计结果(N=3 962)
Tab.2 Descriptive statistics of main variables(N=3 962)
变量 符号均值标准差最小值最大值碳排放总量co26.129 71.193 52.019 09.533 0人均碳排放pco22.658 44.740 10.009 894.240 4研发水平R&D6.680 81.799 91.386 312.020 4人口密度pd5.871 80.703 22.868 59.314 6市场化指数mi10.407 22.634 63.037 119.163 5产业结构structure0.402 30.658 70.085 80.835 2人均收入pgdp0.858 50.793 6-2.864 43.564 1外商投资fdi0.027 10.099 60.000 02.646 3
关于2006—2019年准自然实验时间选取的说明:第一,基于准自然实验设计,碳试点启动主要发生在2013年,在2006—2019年时间段内,启动节点前后时间长度基本一致,便于观察减排效应在政策启动前后的动态变化趋势,且2020年新冠疫情开始影响中国经济,对CO2排放量和技术创新都产生显著冲击,为保证准自然实验结果稳定性,选取2006—2019年283个城市与1 150家A股企业面板数据。第二,基于数据可得性,对碳排放量计算使用排放系数法,全社会用电量是碳排放计算的主要指标,但是,2021年版《中国城市统计年鉴》能源指标发生改变,未公布全社会用电量数据,数据缺失导致无法计算2020年度碳排放量。数据筛选方面,剔除ST和*ST类、已退市和金融服务企业,获得上市公司面板数据,城市和企业面板数据均以2006年为基期,数据源自2007—2020年《中国城市统计年鉴》《中国工业统计年鉴》《中国环境统计年鉴》《中国科技统计年鉴》以及碳排放权交易网、CNRDS和Wind数据库。
被解释变量为碳排放总量(co2)、人均碳排放(pco2),回归结果均对城市个体效应、年份时间效应、地区与年份的交互效应进行控制,汇报城市个体层面(id)聚类标准误。表3中列(1)(3)没有控制变量,列(2)(4)增加控制变量,碳排放总量的DID系数在列(1)(2)中为负但不显著,列(3)(4)中人均碳排放的DID系数均在5%水平显著为负,数值分别是-0.469 0和-0.425 8,说明碳市场抑制了试点城市碳排放总量增加,并有效降低人均碳排放,减排效应显著。2000—2010年中国碳排放总量基本保持双位数的高速增长率,自2011年开始环境规制强度显著提升,但增长率依然保持在5%左右,2000年碳排放总量为33.28亿t,2011年为87.94亿t,2021年已增至105.23亿t,预计2030年达到总量峰值。巨大的人口基数和庞大的制造业体系导致中国碳排放总量居高不下,排放总量增长存在强大的惯性趋势,环境规制的抑制作用有限,这应该是排放总量DID项系数为负但不显著的主要原因。控制变量方面,人口密度(pd)、收入水平(pgdp)和外商直接投资(fdi)显著抑制人均碳排放,说明人口增加引发的城市规模效应可以有效降低碳排放,城市居民收入水平越高,对环境质量要求就越高,外企投资带来的先进技术有助于降低碳排放。
表3 碳排放交易基准回归结果(N=3 962)
Tab.3 Benchmark regression results of carbon emissions trading(N=3 962)
碳排放 碳排放总量碳排放总量人均碳排放人均碳排放(1)(2)(3)(4)DID-0.039 0-0.012 2-0.469 0**-0.425 8**(0.067 4)(0.062 4)(0.191 2)(0.180 1)R&D 0.153 1***0.203 6(0.032 6)(0.260 1)pd-0.270 8***-3.195 3***(0.036 0)(0.699 8)mi0.014 50.242 2(0.026 5)(0.186 6)structure-0.005 1**0.017 3*(0.002 0)(0.010 5)pgdp-0.258 6***-1.210 2***(0.054 3)(0.400 6)fdi-0.101 8***-0.452 2***(0.038 4)(0.210 8)YearYesYesYesYescityYesYesYesYesarea×YearYesYesYesYesR20.616 20.630 90.161 90.192 7
注：括号中数字为聚类标准差,***、**、*分别表示变量在1%、5%、10%水平显著,下同
4.2.1 稳健性检验
使用卫星灯光拟合的城市碳排放数据,考察时间范围为2006—2017年。表4中,无论是否引入控制变量,碳排放总量的DID系数均显著为负,说明碳交易政策显著降低碳排放总量;人均碳排放的DID系数在未引入控制变量的情况下为负但不显著,加入控制变量后,DID项数值为-0.423 1,在5%水平显著为负,表明试点政策显著降低人均碳排放。稳健性检验中碳排放总量和人均碳排放的DID系数均显著为负,即碳试点显著降低碳排放水平。与基准模型结果存在差别的原因是不同测度方法统计的碳排放量数值存在差异,回归结果总体稳健。
表4 碳排放交易稳健性检验结果(N=3 396)
Tab.4 Robustness test of carbon emission trading(N=3 396)
碳排放 碳排放总量碳排放总量人均碳排放人均碳排放(1)(2)(3)(4)DID-0.045 1**-0.052 9***-0.282 1-0.423 1**(0.016 5)(0.016 1)(0.192 9)(0.184 2)控制变量NoYesNoYesYearYesYesYesYescityYesYesYesYesarea×YearYesYesYesYesR20.855 80.860 00.252 20.437 1
4.2.2 平行趋势检验
考察碳试点启动影响城市人均碳排放水平随时间的动态变化趋势,开展多期DID模型的平行趋势检验,将基准模型扩展为动态模型,如式(2)。
(2)
以2006年为基准组,计算各期βt系数的数值和显著性,判断政策实施前后处理组和控制组的差异是否存在显著变化,分别使用基于排放系数测算法和卫星灯光测算法计算的人均碳排放进行平行趋势检验。图1表明,第一种测算方法中,政策实施时间2013年之前,估计系数βt不显著且数值在0附近,表明试点和非试点城市无明显差异;2013年之后βt系数数值迅速下降并显著为负,通过平行趋势检验。图2表明,第二种测算方法中,2007—2011年βt数值基本在0值附近且不显著,2011年之后βt数值迅速下降为负值,2011—2013年系数值开始显著为负、存在一定碳排放水平下降趋势的原因可能是“预期政策效应”,即在碳交易政策实施前,相关试点的高碳排放企业预期政策将启动,由此提前改变高耗能生产方式,使得人均碳排放下降。
图1 基于排放系数测算法的人均碳排放平行趋势
Fig.1 Parallel trend of per capita carbon emissions by emission coefficient calculation method
图2 基于卫星灯光测算法的人均碳排放平行趋势
Fig.2 Parallel trend of per capita carbon emissions based on satellite lighting measurement method
4.2.3 多期DID的Bacon分解检验
使用交叠DID模型的情况下,双向固定效应(TWFE)估计量由于处理组和控制组的选择问题,可能存在估计偏误。培根分解是Goodman-Bacon[23]提出的分解TWFE估计量的方法,用于检验样本数据是否适用于多期DID模型。培根分解适用于平衡面板,且处理组没有退出的情形,因此,本研究的强平衡城市面板数据可使用该检验方法。表5显示,Bacon分解检验中DID的系数为-0.602,在1%水平显著为负,作为“坏”处理组(Late Vs Early)的权重仅占1.03%,作为“好”处理组的权重占98.97%,总体系数“坏”效应的比重很低,系数估计偏误小,说明多期DID模型用于研究碳试点减排效应较为科学合理。Bacon分解检验结果如图3所示。
图3 Bacon分解检验结果
Fig.3 Bacon decomposition test
表5 人均碳排放的Bacon分解系数
Tab.5 Bacon decomposition coefficients of per capita carbon emissions
处理组 vs 控制组Beta系数权重Early Vs Late0.003 70.016 3Late Vs Early0.009 00.010 3Never Vs timing-0.631 50.973 4
4.2.4 剔除其它相关政策的影响
本研究考察时间为2006—2019年,需排除在此期间其它环保政策对碳排放的影响。2007年实施的排污权交易试点政策是影响碳排放的重要政策,2014年《环保法修订案》通过,2015年新修订的《中华人民共和国环境保护法》施行,进一步提升中国大气污染排放物治理水平。在基准模型(1)中加入分组变量与2007、2014年时间虚拟变量的交乘项(Treat×year),检验结果如表6所示。表6中列(1)(2)的DID项系数分别为-0.501、-0.453,都在5%水平显著为负,即试点显著降低碳排放,回归结果依然稳健。
表6 剔除其它政策影响与安慰剂检验结果(N=3 962)
Tab.6 Excluding other policy impacts and the placebo test(N=3 962)
人均碳排放(1)(2)(3)(4)DID-0.501 0**-0.453 0**-0.163 2-0.143 1(0.195 3)(0.182 1)(0.264 6)(0.298 7)Treat×year2007YesYes--Treat×year2014YesYes--控制变量NoYesNoYesYearYesYesYesYescityYesYesYesYesarea×YearYesYesYesYesR20.162 90.193 40.160 80.197 5
4.2.5 安慰剂检验
为排除政策组与对照组的趋势变化在政策冲击后受其它因素影响,导致估计偏误,本研究改变基准模型回归中的实验组,从未参与试点的城市中随机选取46个城市虚构新实验组,以人均碳排放为被解释变量,控制变量不变,以2013年为政策发生期重新进行回归,结果如表6所示。表6中列(3)(4)的DID系数在无论是否引入控制变量的情况下均为负且不显著,证明碳交易政策确实降低了试点城市碳排放水平。
行政干预方面,考虑中央环境考核、地方财政分权对碳排放量的影响,即行政干预与DID项对城市碳排放水平的调节效应。表7中列(1)(2)对应的绿色政绩考核与DID交互项不显著,说明传统环境考核无法通过碳交易政策减少碳排放,其原因可能是地方官员对污染治理具有极强目标性,地方政府重点关注“治理菜单”中的污染物,对CO2没有足够动力防治,导致传统环境考核无效化,需要及时更新污染排放物“治理菜单”。当然,碳市场启动本身就代表中央政府对试点城市的强政绩考核,需要注意的是,在碳试点尚未涉及的城市和行业,应该提前将碳排放指标加入地方政府和国企官员政绩考核中,将环境防治重点聚焦到“双碳”目标上。表7中列(3)(4)对应的财政分权与DID交互项在10%和1%水平上显著为负,分别为-0.436 7和-1.300 8,说明提高财政分权水平有助于降低碳排放,地方政府在碳试点推行中发挥关键作用。财政分权比重的提高代表地方政府行政干预能力增强,对碳市场可实施的管控能力越强,在碳试点市场建设方面发挥越多作用,通过强惩处预防企业违约,监管碳市场交易正常履约,有效弥补低效率碳市场,加强碳试点减排效应。
表7 行政干预回归结果(N=3 962)
Tab.7 Regression results of administrative intervention(N=3 962)
人均碳排放 中央绿色考核中央绿色考核地方财政分权地方财政分权(1)(2)(3)(4)DID-0.473 7**-0.433 8**-0.388 9**-0.184 6(0.201 4)(0.191 7)(0.190 8)(0.190 8)DID×cr0.009 60.016 2(0.109 3)(0.116 3)DID×gov-0.436 7*-1.300 8***(0.266 0)(0.392 9)控制变量NoYesNoYesYearYesYesYesYescityYesYesYesYesarea×YearYesYesYesYesR20.161 90.192 70.162 00.193 0
在区域经济市场化方面,表8中列(1)(2)对应的市场化指数与DID交互项(DID×mi)数值分别为-0.196 1和-0.208 0,均在1%水平显著为负,说明试点城市的市场化水平提升可以降低人均碳排放,原因是碳试点通过市场机制增强减排效应,发达的市场经济会给碳市场建设和发展提供良好外部环境,促进碳交易市场健康发展,有助于碳市场减排机制发挥作用。在碳市场机制方面,表8中列(3)(4)对应的碳价格与DID交互项(DID×price)系数显著为正,碳价格提高反而导致人均碳排放增加,说明以碳价衡量的交易机制存在失效问题,即价格机制失灵,无法促进碳减排,这与天津、湖北、重庆等部分碳试点存在价格水平高、交易频率低、交易量偏小、碳减排效果不佳的现状相符。表8中列(5)(6)对应的碳交易量与DID交互项(DID×quantity)系数在1%和10%水平均显著为负,即碳交易量增加会促进碳减排,说明以碳交易量衡量的交易机制能够有效降低人均碳排放水平。总之,由于我国碳交易市场成立时间较短,市场机制尚未发展完善,还没有达到经典投资学理论中的效率市场水平,部分试点碳价变动不灵活,无法充分、及时反映市场相关信息,也没有反映企业排污边际成本,导致碳价无法促进减排,甚至出现“倒挂”,即碳价与减排效果呈负相关关系。因此,需要行政干预和市场机制协同作用,维护碳排放权交易正常实施,最大程度强化碳试点减排效应。
表8 市场机制回归结果(N=3 962)
Tab.8 Regression results of market mechanism(N=3 962)
人均碳排放 区域市场化区域市场化碳价格碳价格碳交易量碳交易量(1)(2)(3)(4)(5)(6)DID1.949 7***2.153 9***-1.176 1***-0.848 9***0.104 90.046 4(0.569 8)(0.694 4)(0.321 7)(0.287 8)(0.269 7)(0.232 6)DID×mi-0.196 1***-0.208 0***(0.048 3)(0.056 8)DID×price0.232 2***0.149 4**(0.083 2)(0.064 0)DID×quantity-0.103 6***-0.079 6*(0.037 8)(0.040 9)控制变量NoYesNoYesNoYesYearYesYesYesYesYesYescityYesYesYesYesYesYesarea×YearYesYesYesYesYesYesR20.163 30.199 90.162 30.196 80.162 50.196 9
从碳市场发展水平的角度来看,碳市场完善程度与建立时间应呈正向关系。本文按照碳交易上线时间将试点分为两批,第一批为2013年启动的北京、上海等5个试点共24个城市,第二批为2014—2016年启动的湖北、重庆、福建3个试点共22个城市。从试点城市所在区域和启动时间来看,第一批集中在经济发达的东部地区,且成立时间较早,具备较高的区域市场化水平与完善的碳市场制度体系;第二批主要处于经济较为落后的中西部地区,区域经济市场化水平较低,且成立时间较晚,碳市场发展不够完善。设计碳试点批次的虚拟变量,引入试点批次与DID项的交互项(DID×batch)。表9中列(1)(2)对应的第一批试点交互项系数在5%水平显著为负,说明第一批显著降低碳排放,而列(3)(4)对应的第二批交互项系数不显著即无法降低碳排放。第二批的减排效果远弱于第一批,说明城市市场化程度和碳市场发展水平显著影响减排效果。碳试点减排效果参差不齐,需要通过政府干预弥补发育程度不足的碳交易市场。
表9 不同批次碳试点减排效应回归结果(N=3 962)
Tab.9 Regression results of emission reduction effect of various pilot projects(N=3 962)
碳排放量 第一批城市碳排放总量(1)人均碳排放(2)第二批城市碳排放总量(3)人均碳排放(4)DID×batch-0.109 1**-0.684 6**0.043 6-0.073 3(0.044 1)(0.267 2)(0.155 1)(0.141 4)控制变量YesYesYesYesYearYesYesYesYescityYesYesYesYesarea×YearYesYesYesYesR20.631 50.193 20.624 30.191 7
从行政干预的角度来看,自2010年国家发改委编制《省级温室气体排放清单编制指南》作为碳排放的计算标准,碳排放总量成为政府环境治理的软约束指标。城市行政等级一定程度上反映地方政府的行政干预能力,行政等级较高城市拥有的行政组织管理能力、生产要素资源、环保补贴政策等优于普通城市,可以为推行碳试点工作提供良好基础,即城市行政等级越高代表地方政府行政能力越强。将283个城市按照省级、副省级、较大城市和一般城市4个等级,设计行政等级虚拟变量,引入行政等级与DID的交互项(DID×city level),回归结果如表10所示。省级和副省级城市的交互项在1%水平显著为负,数值分别为-0.342 9和-0.329 3,较大城市的交互项在5%水平显著为负,数值下降为-0.308 7,一般城市的交互项不显著,数值为-0.109 5,即随着城市行政等级降低,减排效应依次递减,说明行政干预能力越强,减排效应越显著。因此,要充分发挥行政干预在碳减排工作中的作用,同时,也要协同推进高行政等级城市与普通城市的碳减排工作,避免治理资源过度聚集。
表10 城市行政级别影响减排效应回归结果(N=3 962)
Tab.10 Impacts of urban administrative level on emission reduction(N=3 962)
碳排放总量 省级城市副省级城市较大城市一般城市(1)(2)(3)(4)DID×city level-0.342 9***-0.329 3***-0.308 7**-0.109 5(0.054 0)(0.046 6)(0.151 6)(0.069 9)控制变量YesYesYesYesYearYesYesYesYescityYesYesYesYesarea×YearYesYesYesYesR20.632 20.631 80.631 90.631 8
本文探讨碳试点启动对微观、宏观层面技术创新水平的影响,考察碳试点能否促进技术创新,引导经济发展模式转型。微观层面,为检验碳试点对企业技术创新的影响,以A股上市公司非平衡面板数据构建DID模型,如式(3)。
Yitj=β0+β1DID+β2controlit+ri+μt+λj+εitj
(3)
其中,DID项为企业是否位于碳试点已启动城市,Yitj表示企业技术创新,ri、μt、λj分别表示省份、年度和行业效应,εijt为误差项。control为控制变量,包括:股权集中度,使用前3位股东持股占比衡量;公司规模,使用总资产的对数衡量;上市年份,使用年度的对数衡量;企业所有制,即是否国企;现金比率,使用现金占总资产比重衡量;女性高管数量,使用该数量的对数衡量。
技术创新方面,按照年度获取发明、实用新型、外观设计3种类型的专利数量进行回归,三者的DID项系数均显著为正。绿色技术创新方面,分为绿色发明、绿色实用新型两个类型专利数量进行回归,绿色发明作为被解释变量的DID项系数为正但不显著,绿色实用新型的DID项系数在1%水平显著为正,原因可能是前者研发难度高于后者,碳试点对绿色发明激励不足。回归结果如表11所示,碳试点对企业技术创新和绿色技术创新均具有显著促进作用,技术创新的研发成本一般低于绿色技术创新,所以,碳试点对技术创新的促进作用更强,即DID项系数的数值更大。碳试点激发上市公司研发意愿,通过碳交易政策实现微观层面技术创新驱动,为低碳绿色发展注入创新动力。碳价格衡量的交易机制处于失灵状态,意味着企业在碳市场实现的绿色收益有限,技术创新动力主要源自地方政府施加的减排压力,即企业研发行为主要源自政策响应,行政干预引发的技术创新效应可能出现效果较弱且无法持续的问题。
表11 企业层面碳排放交易的技术效应回归结果(N=15 605)
Tab.11 Technical effects of carbon emission trading at the enterprise level(N=15 605)
专利类型发明实用新型外观设计绿色发明绿色实用新型(1)(2)(3)(4)(5)DID0.044 2***0.024 6*0.033 4***0.009 20.019 5***(0.012 2)(0.013 9)(0.008 1)(0.006 0)(0.006 5)控制变量YesYesYesYesYesyearYesYesYesYesYes industryYesYesYesYesYesareaYesYesYesYesYesR20.054 30.038 20.008 40.016 60.020 3
宏观层面,使用专利、绿色专利、发明、实用新型、外观设计专利获取数量衡量城市技术创新水平各个维度,考察碳试点的技术创新效应能否扩散到城市层面,提升区域创新水平,回归结果如表12所示。在各种专利数为被解释变量的情况下,DID系数均不显著,说明碳试点还无法促进区域技术创新,可能是因为碳市场建立时间较短、市场机制尚未完善、碳交易量不足,导致碳交易绿色收益较少,虽然对企业研发存在激励作用但效果有限,即碳试点可以促进规模较大的上市公司研发行为,但参与碳交易的企业仅是创新主体(企业、研发机构、高校)的一部分,还无法全面引发宏观层面技术创新。这是以政府干预为主要推动力的碳交易市场面临的问题,碳试点属于市场型环境规制,但是,由于需要政府监督才能维护碳交易正常履约,导致我国碳试点形成以行政干预为主的减排机制,市场机制被边缘化。虽然碳试点可以在短期实现显著减排效应,但是,低效率交易机制对技术创新的激励作用不足,需要进一步完善碳交易平台,吸纳更多碳交易主体,扩大交易规模,通过碳交易机制实现更多碳收益,激发区域技术创新动力。
表12 城市层面碳排放交易的技术效应回归结果(N=3 962)
Tab.12 Technical effect of carbon emission trading at urban level(N=3 962)
专利类型专利绿色专利发明专利实用新型专利外观设计专利(1)(2)(3)(4)(5)DID-0.000 20.002 6-0.058 10.030 40.027 3(0.059 4)(0.093 0)(0.076 9)(0.064 2)(0.096 9)控制变量YesYesYesYesYesYearYesYesYesYesYescityYesYesYesYesYesarea×YearYesYesYesYesYesR20.880 90.607 90.839 70.878 90.668 7
本文基于283个城市面板数据,运用多期DID模型,从行政干预与市场机制双重视角研究碳交易政策的减排效应,得到如下主要结论:
(1)碳交易政策显著降低试点城市人均碳排放水平,并对碳排放总量增加有一定抑制作用,该政策属于市场型环境规制,但是,减排效应主要来源于政府命令,市场机制的作用有待提高。
(2)从行政干预的角度看,传统绿色政绩考核无法通过碳交易政策对试点城市人均碳排放发挥抑制作用,需要及时更新污染排放物“治理菜单”,提高地方政府在碳减排治理中的积极性。地方政府在碳减排压力下,通过行政干预手段维护碳市场正常运行,发挥显著减排作用。
(3)中国碳交易市场尚处于发展初期,市场机制存在缺失问题,以碳交易量衡量的市场机制仅能够部分抑制碳排放,以碳价格衡量的市场机制处于失灵状态,需要行政干预和市场机制协同作用来强化减排效果。
(4)碳交易政策显著提升试点城市上市公司技术创新与绿色技术创新水平,但是,低效率碳市场对技术创新的推动效果有限,量变还未引发质变,创新效应也没有扩散到城市层面。
(1)指标选取方面,人均排放考虑到公平度量。碳排放权是人类发展权的重要组成部分,也是每个公民的环境责任,本文使用人均排放作为碳排放量的主要代理变量,从“碳公平”角度探讨碳试点减排效应。
(2)碳排放计算方面,使用排放系数测算法、卫星灯光测算法两种方法,保证碳排放量计算科学合理,使研究结论更加可信。
(3)研究数据和方法方面,以往研究大多使用省级或试点省市面板数据进行分析,本文以各试点碳市场上线交易年度为政策启动时间,基于城市和企业面板数据,运用多期DID模型考察碳试点政策效应。
(4)研究视角方面,考虑到中国碳交易市场低效率特征,从行政干预和市场机制协同作用的视角考察碳试点减排效应。
(1)在碳市场尚未达到效率市场水平的情况下,政府需要适度使用行政干预确保市场正常运行。碳交易市场建设初期,碳减排效益主要来自试点经济主体的政策响应,地方政府的监督力度很大程度上决定减排效果。但是,随着碳市场的发展,政府干预程度应逐步降低,将碳减排任务交给市场交易机制,且不可本末倒置,让政府成为主要推动力,以免碳价格扭曲,阻碍碳市场健康发展。
(2)为达到以最小经济社会成本实现“碳达峰、碳中和”的目标,需要逐步完善碳市场交易机制,科学制定碳交易总量、合理分配碳配额,逐步纳入电力行业以外其它行业企业,提高碳市场交易主体数量、交易方式多样性、市场信息透明度,增强碳交易价格灵敏性,让价格机制成为碳排放调控机制的核心。
(3)为强化碳交易政策的减排效应,需要激发各经济主体的碳减排潜力,充分利用碳市场供求机制和价格机制,实现碳排放成本内部化,保证企业技术创新获取足够绿色收益,通过碳收益激发企业减排动力,激励企业研发行为,提升区域技术创新水平,促进经济发展模式向创新驱动转型。
(4)总结碳试点推广经验,加快推进全国碳交易市场建设,充分发挥市场激励型减排机制,完善企业碳排放统计制度,实现碳排放计算精确化,搭建全国碳交易平台,推动碳金融产品创新,进一步强化碳价格机制,将更多排放主体纳入碳交易范畴,让碳交易制度成为碳减排进程的主要推动力。
[1] 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.
[2] ROGGE K S,SCHNEIDER M,HOFFMANN V H.The innovation impact of the EU emission trading system:findings of company case studies in the German power sector[J].Ecological Economics,2010,70(3):513-523.
[3] LIU Y,X TAN,Y YU,et al.Assessment of impacts of Hubei pilot emission trading schemes in China:a CGE analysis using term CO2 model[J].Applied Energy,2017,35(189):762-769.
[4] MONTERO J P.Marketable pollution permits with uncertainty and transaction costs[J].Resource and Energy Economics,1998,20(5):27-50.
[5] ZHANG Y J,PENG Y L,MA C Q,et al.Can environmental innovation facilitate carbon emissions reduction? evidence from China[J].Energy Policy,2017,56(100):18-28.
[6] ZHANG Y J,WANG W.How does China's carbon emissions trading (CET) policy affect the investment of CET-covered enterprises[J].Energy Economics,2021, 98(6):1-13.
[7] 肖振红,谭睿,史建帮,等.环境规制对区域绿色创新效率的影响研究——基于“碳排放权”试点的准自然实验[J].工程管理科技前沿,2022,41(2):63-69.
[8] ZHOU B,ZHANG C,SONG H,et al.How does emission trading reduce China's carbon intensity? an exploration using a decomposition and difference-in-differences approach[J]. Science of the Total Environment, 2019,676: 514-523.
[9] 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.
[10] 占文忠,吕思琦,郭娅妮.碳排放权交易政策的影响及机制研究——基于试点省市准自然实验[J].经济研究参考, 2021, 43(23): 47-62.
[11] 吴茵茵,齐杰,鲜琴,等.中国碳市场的碳减排效应研究——基于市场机制与行政干预的协同作用视角[J].中国工业经济,2021,39(8):114-132.
[12] ZHANG H,DUAN M,DENG Z.Have China's pilot emissions trading schemes promoted carbon emission reductions:the evidence from industrial sub-sectors at the provincial level[J].Journal of Cleaner Production,2019,63(234): 912-924.
[13] 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.
[14] 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.
[15] 景国文.碳排放权交易试点政策与地区经济高质量发展[J].当代经济管理,2022,44(6):50-59.
[16] 刘和旺,李泱泱,郑世林.碳排放交易试点对企业转型升级的影响[J].产业经济评论,2020,8(6):86-104.
[17] 齐绍洲,林屾,崔静波.环境权益交易市场能否诱发绿色创新——基于我国上市公司绿色专利数据的证据[J].经济研究,2018,64(12):131-145.
[18] 傅京燕,章扬帆,谢子雄.制度设计影响了碳市场流动性吗——基于中国试点地区的研究[J].财贸经济,2017,38(8):129-143.
[19] 许骞,操群,王立彦.碳市场、碳减排与企业价值——基于估值模型和电力试点企业数据的分析[J].福建论坛(人文社会科学版),2020,40(5):151-162.
[20] 公维凤,王丽萍,王传会,等.我国碳排放权市场交易价格波动特征研究——对5个碳交易试点的实证分析[J].中国软科学,2022,37(4):149-160.
[21] 张杨,袁宝龙,郑晶晶,等.策略性回应还是实质性响应?碳排放权交易政策的企业绿色创新效应[J/OL].南开管理评论:1-24[2023-01-30].http://kns.cnki.net/kcms/detail/12.1288.F.20220621.1139.002.html.
[22] CHEN J,GAO M,CHENG S,et al.County-level CO2 emissions and sequestration in China during 1997-2017[J].Scientific Data,2020,7(1):1-12.
[23] GOODMAN-BACON A.Difference-in-differences with variation in treatment timing[J]. Journal of Econometrics, 2021,35(1):254-277.