碳交易的潛在收益及減排途徑分析

梁勁銳，席小瑾

(1.青島農業大學 經濟學院，山東 青島 266109;2.青島農業大學 管理學院，山東 青島 266109)

?

碳交易的潛在收益及減排途徑分析

梁勁銳1，席小瑾2

(1.青島農業大學 經濟學院，山東 青島 266109;2.青島農業大學 管理學院，山東 青島 266109)

本文通過構建不同環境規制政策下的DEA模型，估算二氧化碳排放權交易(簡稱“碳交易”)對經濟與環境的潛在收益，并利用LMDI因素分解法，分析對減排有重要影響的中間變量，確定中國碳交易制度下的減排途徑。跨區的碳交易可以使國內生產總值增加6.11%，二氧化碳排放(簡稱“碳排放”)量減少8.36%;而跨時空的碳交易可以使國內生產總值增加6.97%，碳排放量減少8.88%。碳交易可以帶來經濟收益與環境收益，其中，又以碳排放權的跨時空交易為最優制度安排，但隨著資源利用效率和配置效率的提高，這種潛在收益呈下降趨勢。研究發現，在對碳排放量的影響中，能源結構效應為99.64%，技術效應為85.79%，而規模效應為106.69%。碳交易主要是通過促進技術進步而達到減排目的。本文通過分析碳交易對經濟與環境的潛在收益和減排的傳導途徑，為建立全國統一的碳交易市場提供政策建議。

碳交易；碳排放量；減排途徑；LMDI因素分解法；DEA模型

一、引 言

如何應對全球氣候變暖已成為一個重要的國際性議題，各國政府通過制定各種環境規制政策來逐步減少溫室氣體的排放，從各國做法和經驗來看，二氧化碳排放權交易(簡稱“碳交易”)制度是一種較為常見的減排措施。Montgomery[1]在理論上嚴格證明了排污權交易具有以最低成本實現污染控制目標的特點。美國國家環保局首先將排污權交易應用于大氣污染及河流污染管理，取得成功后，德國、英國和澳大利亞等國家相繼進行了排污權交易的實踐。隨著《京都議定書》的簽署，歐盟國家一直致力于“歐盟溫室氣體排放指標交易市場”的建立完善。排污權交易制度在實踐上已取得一定成效。F?re等[2-3]指出，隨著排污權交易的實施，其潛在收益越來越受到關注。

中國已于2013年啟動了碳交易試點計劃，選定北京、天津、上海、重慶、湖北、廣東和深圳為碳交易試點。2015年10月，習近平主席訪美期間與美國總統奧巴馬發表聯合聲明，宣布將于2017年針對中國二氧化碳排放(簡稱“碳排放”)嚴重的行業，啟動全國碳交易體系。建立覆蓋全國各地區、各行業的碳交易市場已是大勢所趨，這樣一個龐大統一的交易市場會對中國的經濟及環境帶來怎樣的影響？是否能在減少碳排放量的同時，實現更大的經濟收益？中國碳交易的減排途徑又是怎樣的？這些都是亟需深入研究的問題，對于加快中國經濟的綠色低碳轉型和生態文明建設無疑大有助益。

本文主要解決兩個問題：一是在碳排放權存在跨時空交易的基礎上，檢驗碳交易制度是否比現行的命令控制型環境規制更有效，即全面實行碳交易制度是否能在保證比命令控制型環境規制有更大產出的同時，維持更低的碳排放量；二是技術進步、能源結構升級都能夠有效減少碳排放量，若中國全面實行碳交易制度，主要會通過哪種途徑最終實現碳排放量的減少，其傳導機制具體是怎樣的，是碳交易→技術進步→碳排放量減少，還是碳交易→能源結構升級→碳排放量減少，抑或二者兼而有之？

二、文獻綜述

現有文獻中，與中國碳交易有關的文獻主要有兩類：第一類研究主要集中于對中國碳交易試點的分析。Wang等[4]通過兩區域動態CGE模型分析了廣東碳交易市場對廣東經濟的影響，研究發現，碳交易將使該省所有部門的產出增加，但所付出的環境代價減少，然而建筑、機械和造紙部門的就業將受到沖擊，預計到2020年，廣東的碳交易市場規模將達到3.78億至10.16億美元。Zhang等[5]對中國7個碳交易試點進行總結分析認為，各個試點在覆蓋范圍、準入門檻等方面存在較大差異，為了使交易市場運行得更加有效，嚴格的立法是試點市場及未來建立統一市場所必不可少的，并應提高廠商違反碳交易機制的違約成本，此外，還應建立專門的金融交易所，允許碳排放權在交易所交易，保證碳交易的連續性和公平性。第二類研究是分析碳交易可能對中國產生的影響。Cong和Wei[6]通過建立仿真模型研究了碳交易對中國電力部門的潛在影響，分析指出，這一制度安排可以使環境成本內生化并激勵環境友好型技術的發展，但同時會有4%的碳價格被傳遞至電價，使電價上漲12%。Zhou等[7]構建了一個跨省減排配額交易機制，首次估計了每個省的邊際減排成本曲線，在這套機制下，中國的減排成本可以減少40%以上。

碳交易制度對碳排放量的影響必然有其自身的傳導機制，在傳導機制中存在一個或多個發揮重要作用的因素，需要對這些影響因素進行分解，通過比較這些因素在實行碳交易制度前后的變化以確定其傳導機制。目前，分析碳排放量影響因素的文獻較多[8-9]。林伯強和蔣竺均[10]采用LMDI因素分解法和STIRPA模型分析認為，人均收入對碳排放量的影響最大，其次是工業能源強度，而煤炭結構的影響較小。涂正革[11]基于優化的Laspeyres指數法分析認為，要減少中國的碳排放量，發展低碳經濟，經濟結構、技術進步和能源結構是三個重要變量。然而從現有文獻看，將因素分解與具體環境規制制度相聯系的文獻較為少見。

本文首先采用DEA方法對碳交易潛在的經濟收益與環境收益進行估算，計算出在其他條件不變的情況下，僅因環境規制制度變化而導致的碳排放量的變化情況，再利用跨時空碳交易情景下的碳排放量數據與實際碳排放量數據，通過LMDI因素分解法，尋找發生變化的中間變量，從而發現碳交易制度引起碳排放量減少的傳導途徑。本文通過構建引入碳交易的DEA模型，參考Stevens和Rose[12]的思路，結合中國每五年發布一次的國民經濟和社會發展規劃及排污權總量管理的特點，對f?re等[2]構建的引入排污權交易的DEA模型進行了合理擴展。將決策單位由電力生產企業擴展為中國各省(自治區、直轄市)，并采用兩階段DEA模型分析跨時空碳交易的影響機制。

三、碳交易的潛在收益分析

(一)模型構建

生產單位不但可以生產出人們所期待的“好”產出，也不可避免地帶來對人們無用甚至有害的“壞”產出，如廢氣、廢水等。因而在構造生產可能集時要同時包含“好”的合意產出和“壞”的非合意產出。這種包含合意與非合意產出的生產可能集常被稱為環境生產技術。

T=[(x,y,b):x can produce (y,b)]

(1)

用集合形式表示為式(2)：

P(x)=[(y,b):(x,y,b)∈T]

(2)

其中，P(x)為環境生產技術生產集，由DEA來表述[13]。假設有k=1,2,…,K個生產決策單元，投入產出向量為(xk,yk,bk)，則第k′個生產決策單元的環境生產技術生產集為式(3)：

(3)

其中，λk表示強度變量。環境生產技術實質上是將環境資源納入生產集，由k個決策單元聯合形成的生產可能前沿，即當投入x給定時，最大合意產出y與最小非合意產出b的合集；或當y給定時，最小投入x與最小非合意產出b的合集；又或者是當b給定時，最大合意產出y與最小投入x的合集。

環境生產技術具有一般生產技術的屬性，如P(0)={0}，P(x)是有界閉集，所有投入x具有強可處置性等。此外，環境生產技術還假定產出具有弱可處置性和零結合性[14]，即在減少非合意產出的同時，不可避免地伴隨著合意產出的減少，要使非合意產出b=0，則必須使合意產出y=0。生產集滿足環境生產技術的兩個特定假設：一是對于生產集P(x)內的任一觀測點(y，b)，按比例收縮的對應點(θy，θb)也在生產集P(x)內，這一特征對應弱可處置性；二是合意產出y代表產出集的唯一點位于原點處，表明非合意產出b是合意產出y的副產品，或者說y與b零結合。

假設有三種投入，資本存量(x1)、人力資本(x2)和能源投入(x3)。一種合意產出GDP(y)，兩種非合意產出二氧化硫(bs)、二氧化碳(bc)。其中，二氧化碳實施碳交易，二氧化硫沒有實行排污權交易。時間跨度為2003—2012年*2013年中國已在7個省(自治區、直轄市)開展碳交易試點，為提高估算結果的可靠性并結合數據可得性，樣本期選擇2003—2012年。，t=1,2,…,10，決策單元為28個省(自治區、直轄市)*不包括港澳臺地區；山西、貴州缺少原油消費數據，估算二氧化碳排放量時會造成統計口徑不一致，西藏統計數據不完整，均予以剔出。，k=1,2,…,28。為了比較碳交易的減排效應，本文模擬了三種環境規制情景，分別是命令控制型環境規制(情景1)、碳排放權跨區交易(情景2)和碳排放權跨時空交易(情景3)，利用DEA方法建立線性規劃，以各生產單位實現合意產出最大化為目標，估算每個情景下的潛在經濟收益與環境收益。

1.命令控制型環境規制

地區k′在第t期的碳排放量可以由式(4)計算：

(4)

2.碳排放權跨區交易

在碳排放權跨區交易的情景下，任意地區都可以買入或賣出碳排放權，但就全國而言，碳排放總量不能超過許可證所允許的總量，地區k′在第t年的碳排放量可由式(5)計算：

(5)

3.碳排放權跨時空交易

當各地區的碳排放權既可以跨區交易也可以跨期交易時，估算碳排放量的模型可以分為兩部分：第一部分，k′地區在本地區進行跨期交易，即在最優環境生產技術條件下，安排1,2,…,t期內各期碳排放量，地區k′在第t年的碳排放量可由式(6)計算：

(6)

第二部分，地區k′在確定本地區各期應使用碳排放量的基礎上，在第t年進行跨區碳交易時，實際使用的碳排放量可由式(7)計算：

(7)

(二)變量設定和數據處理

投入變量分別為資本投入(x1)、勞動投入(x2)和能源消費(x3)；合意產出為國內生產總值(y)，非合意產出是二氧化硫(bs)、二氧化碳(bc)。本文數據源自《中國國內生產總值核算歷史資料》(1952—1995年，1952—2004年)、《中國統計年鑒》(2005—2013年)、《中國能源統計年鑒》(2004—2013年)和《新中國六十年統計資料匯編》。所有涉及價格的數據均轉換為以1990年為基期的實際值。

1.資本存量(x1)

大量的文獻對中國資本存量進行了估算[15-16]。本文采用永續存盤法估計2003—2012年中國的資本存量，估計公式為Kt=Kt-1(1-δt)+It。以固定資本形成總額作為ΔK，即每年投資額I的替代變量，利用資本產出比K/Y=ΔI/ΔY計算基期的資本存量K。為避免經濟體制、投資方式等因素引起資本產出比的較大變化，以1990—1995年的平均值作為基期的資本產出比，以此計算基期資本存量K。折舊率δ參考單豪杰[16]，采用平均折舊率10.96%。

2.勞動投入(x2)

如果只用勞動力的數量反映勞動投入，僅能反映勞動力數量的變化而無法反映勞動力質量的變化對經濟的影響。但由于人力資本在經濟增長中的重要性逐漸上升，低素質勞動力的重要性逐漸下降，本文使用人力資本反映勞動投入x2。人力資本的計算方法主要有教育年限法和收入法，本文使用拓展的基于勞動力收入的人力資本計算法估算人力資本[17]。根據該方法，人力資本he可由式(8)計算：

he=[w(h)/w*]1/(2β)

(8)

3.能源消費(x3)

本文采用平均低位發熱量作為能源消費的指標。平均低位發熱量的計算方法是，將與煤(包括煤炭、焦煤)、油(包括原油、燃料油、汽油、煤油和柴油)、天然氣有關的8種能源的實際消費量按《綜合能耗計算通則》(GB/T 2589-2008)標準轉換為平均低位發熱量之后，加總得到。

4.合意產出(y)

合意產出使用國內生產總值進行衡量，將國內生產總值的名義值根據環比指數轉換為以1990為基期的實際值。

5.非合意產出——二氧化硫(bs)與二氧化碳(bc)

二氧化硫排放量取自統計年鑒中工業二氧化硫的排放量。目前中國統計資料中還沒有準確的二氧化碳排放量數據，本文采用二氧化碳排放量的通用計算方法，如式(9)所示：

(9)

其中，CO2表示二氧化碳排放量，Ei表示第i種能源的消費量，數據源自《中國能源統計年鑒》(2004—2013年)各能源的實際消費量，Ci表示碳排放系數，碳排放系數取自《省級溫室氣體清單編制指南》。

通過以上處理，2003年和2012年省際投入產出變量的統計描述如表1所示。

表1 省際投入產出變量的統計描述

(三)結果分析

利用式(4)、式(5)和式(6)可分別計算出命令控制型環境規制(情景1)、碳排放權跨區交易(情景2)和碳排放權跨時空交易(情景3)這三種情景下的國內生產總值(GDP)和二氧化碳排放量(CO2)，通過與實際觀察數據進行比較，分析三種情景下GDP和CO2與實際觀測數值的差異。并比較不同情景下兩個潛在收益差異：一是GDP潛在收益，使用GDP的模擬值相對實際值增加的比例進行衡量；二是碳排放潛在收益，使用二氧化碳排放的模擬值相對實際值減少的比例進行衡量。

如表2所示，從總產出方面看，由于中國目前仍然是以命令控制型環境規制為主，所以情景1所計算出來的GDP數值與實際觀測值較為接近，但二者之間仍然存在差距，說明命令控制型環境規制在實際執行過程中仍存在效率較低的情況，但隨著政府對節能環保工作的重視， GDP潛在收益呈下降趨勢，說明環境規制低效率的情況在不斷減弱，合意產出不斷向理論值靠近。從碳排放量來看，由于情景1實施的是命令控制型環境規制，決策單元即使能夠減少碳排放量，也無法將節省的排放權進行轉讓而產生收益，因而各決策單元缺少降低碳排放量的激勵，按政策規定的最低要求控制碳排放是其理性選擇，企業會按照規定的最大排放量進行生產，結果就是情景1模擬下的碳排放量與實際值無差別，碳排放方面沒有潛在收益。

表2 命令控制型環境規制模擬值和潛在收益

實施碳排放權的跨區交易后，在投入和非合意產出二氧化硫的制度安排不變時，總產出會增加，碳排放量會減少(如表3所示)。與情景1進行對比，碳排放權跨區交易使GDP潛在收益比命令控制型環境規制平均增長了4.33%，而碳排放潛在收益則平均減少了8.36%，碳排放權跨區交易的實施既可以促進經濟的進一步增長，也可以緩解環境壓力，實現經濟增長與環境保護的“雙重紅利”。從情景2的時間序列來看，碳排放權的跨區交易對GDP潛在收益和碳排放潛在收益的影響都在逐漸減弱，GDP潛在收益從2003年的最高值7.69%縮小到2012年的最低值4.73%；碳排放潛在收益由2003年的最大值16.53%縮小到2012年的次低值2.43%。這可能有兩個原因：一是環境規制政策的執行效率逐漸提高，縮小了二者的差距；二是隨著碳交易制度的實施，經濟主體逐漸適應了這種制度安排，各類資源配置逐漸趨于合理，資源利用漸趨充分，能源利用效率也逐漸達到潛在最優效率水平，GDP潛在收益和碳排放潛在收益逐漸釋放。

表3 碳排放權跨區交易模擬值和潛在收益

碳排放權的跨時空交易同樣可以實現GDP潛在收益和碳排放潛在收益的“雙重紅利”(如表4所示)。碳排放跨時空交易下的GDP平均潛在收益要大于跨區交易時0.86個百分點。而在碳排放潛在收益方面，情景3要比情景2平均多出0.52個百分點，也就是說，碳排放權的跨時空交易無論是從合意產出還是非合意產出來看，都要優于碳排放權的跨區交易。從情景3的時間序列來看，碳排放權的跨時空交易對GDP潛在收益和碳排放潛在收益的影響也呈逐漸減弱的趨勢。GDP潛在收益從2003年最高的8.04%下降到2012年最低的4.73%；碳排放潛在收益由2003年的最大值16.69%下降到2012年的最低值2.43%，其原因與情景2下的原因相同。

表4 碳排放權跨時空交易模擬值和潛在產出

四、碳交易的減排途徑分析

分析碳交易的減排途徑，實質是分析碳交易通過哪些因素引起了碳排放量的變化，以及影響方向和具體數量關系。本文使用LMDI因素分解法對碳排放量的影響因素進行分解，找出碳交易制度實施后對減排影響較大的因素。

(一)分解方法

根據LMDI因素分解法，假設V是所要研究的變量，存在i個單位，每個單位均有相同的u1, u2,…,un個要素影響本單位的Vi，如果關系式Vi=ui1ui2…uin成立，且V=∑iVi，則變量V從時期0到時期t的總體變化用乘法分解表示為式(10)，用加法分解表示為式(11)：

Dtot=VT/V0=Du1Du2…Dun

(10)

Δtot=VT-V0=Δu1+Δu2+…+Δun

(11)

公式(10)反映了因素u1,u2,…,un對變量V總量變化的相對效應，公式(11)反映了因素u1,u2,…,un對變量V總量變化的絕對效應。下標tot表示總變化。第un個因素對變量V的效應Dun和Δun可以分別由式(12)和式(13)計算，具體推導過程參見Ang等[18]。

(12)

(13)

本文利用Kaya恒等式對要考察的碳排放量進行影響因素分解，Kaya恒等式將CO2排放量分解為四個與經濟活動有關的因素，分別是單位能源消費的碳排放量、能源強度(單位GDP能耗)、人均GDP和人口規模。考慮到考察期內中國的人口規模穩定，對碳排放量的影響變化不明顯，因而本文在Kaya恒等式的基礎上剔出人口因素，具體公式為式(14)：

(14)

其中，C表示碳排放總量，i表示第i個地區，C/E是單位能源消費的碳排放量，如果能源消費總量中化石能源所占比例較高而清潔能源(風能、水能和核電等)的比例較低，或是在相同熱量下，碳排放量多的能源消費(如天然氣，高爐煤氣等)比例較高，都可以增加單位能源消費的碳排放量。因此，單位能源消費的碳排放量是衡量能源消費結構的重要指標，本文把單位能源消費的碳排放量對碳排放總量的影響稱為能源結構效應(Energy Structure Effect，ESE)。E/GDP是單位GDP能耗，即能源強度。技術進步可以通過兩個渠道顯著降低能源強度：一是通過提高要素的邊際生產率增加總產出；二是改變要素的邊際替代率，從而影響能源投入和總產出[19]。因此，能源強度對碳排放量的影響可以看作技術效應(Technical Effect，TE)。GDP代表經濟總規模，GDP對碳排放量的影響稱之為規模效應(Scale Effect，SE)，另外，參考涂正革[11]將經濟規模的碳排放效應看作經濟增長的環境代價，本文通過分解不同情景下碳排放量的影響因素，對能源結構效應、技術效應和規模效應進行橫向對比，分析在其他條件相同的情況下，碳交易主要是通過什么因素對減少碳排放量產生了較大影響，即碳交易的減排路徑是什么。

(二)結果分析

通過第三部分分析可以看出碳交易具有更明顯的減排效應。由于碳排放權的跨時空交易在三種環境規制中具有最高的減排效應，本文選擇碳排放權跨時空交易作為碳交易的代表。不同于其他文獻以不同的時點作為基期和報告期，本文將同一時點下的實際情景作為基期，情景3作為報告期，以此分析碳交易通過哪些因素引起了碳排放量的變化。根據式(14)，本文將影響碳排放量的因素分解為能源結構效應STE、技術效應TE和規模效應SE，并依據式(10)和式(11)分別進行乘法和加法分解，結果如表5和表6所示。

表5是依據LMDI因素分解法的乘法分解得到的結果，表示報告期(情景3)的模擬值，相對于基期(實際情景)實際值的變化率。2003—2012年，當市場價格能充分反映投資者所獲得的信息且各省份達到最優環境生產技術時，碳排放權跨時空交易情景下的碳排放量是實際碳排放量的91.13%，或者說，實施碳排放權跨時空交易情景下的碳排放量比實際碳排放量平均減少8.87%，即碳交易的平均碳減排潛力為8.87%。從各影響因素產生的平均效應指數看，能源結構效應使碳排放量減少了0.36%，技術效應使碳排放量減少了14.21%，而規模效應使碳排放量增加了6.69%，最終碳排放量減少8.87%，可見技術進步的減排效應最為明顯。能源結構效應等于99.64%，說明兩種情景下的能源結構沒有發生明顯變化，相對于基期來說，碳排放權跨時空交易并沒有改變能源結構，減排效應不明顯。技術效應小于1，表明兩種情景下的技術水平不一樣，情景3中的技術水平更加符合低碳發展的要求，可見在其他條件不變時，碳排放交易可以促進生產單位改進生產技術或采用低碳技術生產，從而獲得出讓碳排放權的收益，進而總體上減少碳排放量。縱向來看，技術效應指數逐漸上升，表明在較長的時期內技術進步的潛力逐漸減小，與表3和表4獲得的結論一致。經濟規模效應大于1，表明隨著經濟規模的不斷擴大，碳排放量在增加。規模效應導致的碳排放量的增加比例在逐年下降，由2003年的增加8.87%下降到2012年的增加3.39%。如果把規模效應看作經濟增長的環境代價，碳排放量增長比例的下降表明伴隨碳交易的實施，經濟增長所付出的環境代價在減弱。

表5 碳交易對碳減排影響的因素分解(乘法) 單位：%

表6是依據LMDI因素分解法的加法分解得到的結果，表示報告期(情景3)的模擬值，相對于基期(實際情景)實際值變化的絕對量。2003—2012年，當市場價格能充分反映投資者所獲得的信息，且各省(自治區、直轄市)達到最優環境生產技術時，實施碳排放權跨時空交易可以使碳排放量比實際碳排放量減少65.68億噸，其中，能源結構效應使碳排放量總共減少了3.03億噸，技術效應使碳排放量減少了111.08億噸，而規模效應使碳排放量增加了48.43億噸，技術進步表現出較強的碳減排效應。

表6 碳交易對碳減排影響的因素分解(加法) 單位：億噸

五、結論和政策建議

本文利用中國28個省(自治區、直轄市)的數據，通過DEA方法分別估算在命令控制型環境規制、碳排放權跨區交易和碳排放權跨時空交易等三種情景下的潛在收益，對比分析碳交易的有效性。并利用LMDI因素分解法，對碳排放量的影響因素進行分解，找出中國碳交易的具體減排途徑。結果發現：

第一，相較于命令控制型環境規制，碳交易能帶來更大的GDP潛在收益和碳排放潛在收益。在其他條件不變的情況下，碳排放權跨時空交易能夠帶來最大的GDP潛在收益和碳排放潛在收益。

第二，長期來看，碳交易產生的影響在逐漸減弱，這種影響的弱化并非是因為該制度的效率降低，而是因為當市場價格能充分反映投資者所能獲得的信息且各省份達到最優環境生產技術時，資源配置逐漸向趨向最優狀態，資源利用更趨充分，經濟收益與環境收益正逐漸趨向理論最優值。

第三，碳交易產生的減排效應更多的是通過技術進步實現的，減排途徑是碳交易→技術進步→碳排放量減少。技術進步、能源結構和經濟規模被認為是影響碳排放量的主要因素。本文通過因素分解，發現碳交易較明顯地促進了技術進步，這可能是因為通過碳交易產生的收益彌補了生產單位提高生產技術而產生的成本，從而促進低碳技術的出現與使用，在收益增加的同時碳排放量減少，從宏觀上則表現為經濟增長的環境代價逐漸降低。

根據以上研究結論，提出如下政策建議：

第一，建立全國統一的碳交易市場。中國自2013年開始建立了7個碳交易試點，但這些市場相對分割，缺乏有效的銜接機制，降低了碳交易市場的效率。建立全國范圍的統一碳交易市場，充分發揮碳交易的應有作用是非常必要的。

第二，政府的總量控制可以間接實現碳排放權的跨時空交易。碳排放權的跨時空交易應是碳交易的最終取向，但就目前中國的碳交易制度安排而言，建立跨時空碳交易市場是一個長期的過程，較為現實的方案是首先建立全國統一市場，實現碳排放權的跨區交易。考慮到國民經濟和社會發展五年規劃中的碳排放總量控制指標，中央在向各地區進行碳排放權初始分配前，應先進行一次碳排放權在規劃期內的跨期分配，然后再向各地區進行當期碳排放權分配，實際上就在一定程度上實現了碳排放權的跨時空交易，碳交易對經濟和環境的潛在收益將得到更充分的發揮。

第三，努力促進能源結構調整。碳交易主要通過促進技術進步而不是能源結構調整來促進碳減排，所以在建立碳交易市場的同時，政府應把激勵能源結構調整、鼓勵清潔能源使用的環境政策作為減少碳排放量的另一項重要措施，與碳交易制度相互補充。

[1] Montgomery，W. D.Markets in Licenses and Efficient Pollution Control Programs[J].Journal of Economic Theory，1972，5(3):395-418.

[2] F?re, R.，Grosskopf,S.，Pasurka,C.A.Tradable Permits and Unrealized Gains from Trade [J].Energy Economics，2013，40(9):416-424.

[3] F?re, R，Grosskopf, S，Pasurka,C.A. Potential Gains from Trading Bad Outputs: The Case of U.S. Electric Power Plants [J].Resource and Energy Economics，2014， 36(1):99-112.

[4] Wang, P.，Dai, H. C.，Ren, S. Y.，Zhao,D.Q.,Masui,T. Achieving Copenhagen Target Through Carbon Emission Trading：Economic Impacts Assessment in Guangdong Province of China [J]. Energy，2015，79(1):212-227.

[5] Zhang, D.，Karplus, V. J.，Cassisa, C.，Zhang, X. Emissions Trading in China: Progress and Prospects [J].Energy Policy，2014，75(4):9-16.

[6] Cong,R. G.，Wei,Y.M. Potential Impact of (CET) Carbon Emissions Trading on China’s Power Sector: A Perspective from Different Allowance Allocation Options [J].Energy，2010，35(9)：3921-3931.

[7] Zhou, P.，Zhang, L.，Zhou, D. Q.，Xia,W.J. Modeling Economic Performance of Interprovincial CO2Emission Reduction Quota Trading in China[J].Applied Energy，2013，112(5):1518-1528.

[8] 郭朝先.中國碳排放因素分解:基于LMDI分解技術[J].中國人口·資源與環境,2010, (12):4-9.

[9] 楊騫, 劉華軍.中國二氧化碳排放的區域差異分解及影響因素——基于1995—2009年省際面板數據的研究[J]. 數量經濟技術經濟研究, 2012,(5):36-49.

[10] 林伯強,蔣竺均.中國二氧化碳的環境庫茲涅茨曲線預測及影響因素分析[J]. 管理世界,2009,(4):27-36.

[11] 涂正革.中國的碳減排路徑與戰略選擇——基于八大行業部門碳排放量的指數分解分析[J]. 中國社會科學, 2012,(3):78-94.

[12] Stevens, B.，Rose, A.A Dynamic Analysis of the Marketable Permits Approach to Global Warming Policy: A Comparison of Spatial and Temporal Flexibility [J].Journal of Environmental Economics and Management，2002，44(1)：45-69.

[13] F?re, R.，Grosskopf, S.，Lovell, C.,Pasurka,C. Multilateral Productivity Comparisons When Some Outputs are Undesirable: A Nonparametric Approach [J].The Review of Economics and Statistics，1989，71(1):90-98.

[14] Shephard, R.W.，F?re,R.The Law of Diminishing Returns [J].Journal of Economics，1974，99(1):69-90.

[15] 張軍, 章元.對中國資本存量K的再估計[J]. 經濟研究,2003,(7): 35-43.

[16] 單豪杰.中國資本存量K的再估算:1952—2006年[J]. 數量經濟技術經濟研究, 2008,(10):17-31.

[17] 朱平芳, 徐大豐.中國城市人力資本的估算經濟研究[J]. 經濟研究, 2007，(9): 84-95.

[18] Ang,B.W.，Liu,F.L.，Chew,E.P. Perfect Decomposition Techniques in Energy and Environmental Analysis [J].Energy Policy，2003，31(14):1561-1566.

[19] 王班班, 齊紹洲.有偏技術進步、要素替代與中國工業能源強度[J]. 經濟研究, 2014，(2):115-127.

(責任編輯：鄧 菁)

2017-01-06

青島農業大學人文社會科學研究基金項目“環境規制與山東省農業技術效率關系研究”(614Y34)

梁勁銳(1975-)，男，廣東南海人，講師，博士研究生，主要從事環境規制研究。E-mail:jinruiliang@163.com 席小瑾(1975-)，女，陜西西安人，講師，博士研究生，主要從事財政理論與政策研究。E-mail:xi.xiao.jin@163.com

F062.6

A

1008-4096(2017)04-0026-09