“雙碳”背景下碳排放交易機制的減污降碳效應

陸 敏，徐 好，陳福興

（南京審計大學統計與數據科學學院， 江蘇 南京 211815）

2020年12月，中央經濟工作會議提出“要繼續打好污染防治攻堅戰，實現減污降碳協同效應”。2021年3月，“十四五”規劃提出，深入打好污染防治攻堅戰，協同推進減污降碳，制定2030年前碳排放達峰行動方案，錨定努力爭取2060年前實現碳中和。同年11月2日，中共中央、國務院出臺《中共中央國務院關于深入打好污染防治攻堅戰的意見》（簡稱《意見》），提出以實現減污降碳協同增效為總抓手，對進一步加強生態環境保護作出總體部署和安排。2022年3月，政府工作報告提出了有序推進碳達峰碳中和工作，落實碳達峰行動方案，推動能耗“雙控”向碳排放總量和強度“雙控”轉變，完善減污降碳激勵約束政策。習近平指出，“十四五”時期，中國生態文明建設進入了以降碳為重點戰略方向、推動減污降碳協同增效、促進經濟社會發展全面綠色轉型、實現生態環境質量改善由量變到質變的關鍵時期。減污、降碳、強生態已成為建設美麗中國的重要手段。

中國生態環境保護結構性、根源性、趨勢性壓力總體上尚未根本緩解，重點區域、重點行業污染問題仍然突出，生態環境問題仍然還是高碳能源結構和高耗能、高碳產業結構問題，實現碳達峰、碳中和任務艱巨，生態環境保護任重道遠。環境污染物與二氧化碳排放呈現顯著的同根、同源性與排放時空一致性，即“碳污同源”，這使得實現減污降碳協同增效具有可行性。嚴剛在生態環境部新聞發布會上指出，減少高碳能源使用，在降低二氧化碳排放的同時，可以減少常規污染物排放，也進一步推進大氣、水土、固體廢物污染防治與溫室氣體協同控制。此外，減污降碳協同治理必須堅持政府和市場協同發力，充分運用環境經濟政策和市場化手段推動和提升減污降碳協同增效。與此同時，《意見》著重指出，建設完善中國碳排放權交易市場，盡快形成減污降碳激勵約束機制。

在此背景下，分析碳排放交易政策作為市場機制能否發揮降碳對生態環境質量改善的源頭牽引作用，能否充分利用現有生態環境制度體系協同促進低碳發展，從而推動減污降碳協同治理水平的提升，具有重要的現實意義。因此，文章以碳排放交易機制為政策背景，探究其能否實現碳排放與環境污染物的協同減排，減污降碳，實現更高水平的生態環境保護。

1 文獻綜述

碳排放交易機制作為實現“雙碳”國家自主貢獻目標的重要核心政策工具，利用市場交易機制控制和減少碳污排放，并推動綠色低碳發展。同時，碳交易機制基于產出配置失衡假設前提，改善了需求側的分配不均衡問題［1］。對比傳統政府行政管理，碳排放交易機制既能將控排責任壓實到企業，又能夠為碳減排提供相應的經濟激勵機制，降低全社會的減排成本，并且帶動綠色技術創新和產業投資，有效處理經濟增長和環境治理之間的協調發展關系。此外，與國內其他的排污權交易相比，碳排放交易機制的核心優勢是將碳排放權市場化即賦予碳排放配額對應的市場價格，在這一價格下積極采取切實可行的措施對節能減排給予成本補償，以較少的社會成本達到控制碳排量的總體目的，間接降低環境污染物的排放。長期來看，碳排放交易機制持續影響，可以有力地刺激減污降碳的技術開發和技術轉讓。

有學者提出，碳排放交易機制降低了不同行業的碳排放，試點地區的管制行業較非試點地區的碳排放量減少15.5%，能耗降低22.8%［2］。Zhang等［3］發現碳排放交易機制能夠增加13.6%的工業總產值并顯著減少24.2%的工業碳排放量。Gao等［4］基于30省份28個行業的投入產出表，同樣認為碳排放交易機制有利于試點地區和行業的減排，而且基于生產端的碳減排效果優于基于消費端的碳減排效果。

也有學者認為，碳排放交易機制實現了地區的碳減排，能夠顯著降低試點省份的碳排放總量和人均碳排放量，減排效應隨試點政策逐年增強，但碳排放交易機制碳交易政策對碳排放強度無顯著影響［5］。與之相反，周迪等［6］認為碳排放交易機制對試點城市碳排放強度的降低具有顯著而持續的推動作用， 政策效果隨時間推進越發明顯。Wang等［7］通過控制區域差異，發現碳排放交易機制使得名義碳強度降低12%，實際碳強度降低7.6%，但其對碳減排效果并不顯著。此外，Chen等［8］認為環境規制政策一般通過優化產業結構的方式降低碳排放量，因此，劉傳明等［9］提出由于各試點城市在經濟發展、產業結構等方面存在差異，導致各試點省份的減排效果存在異質性，廣東、天津、湖北、重慶等試點省份的減排效果較為明顯。而李治國等［10］基于碳交易政策的空間減排效應，實證發現碳交易政策有效促進試點地區的碳減排，其中湖北和上海地區的減排效應最為顯著。區別以往研究視角，吳茵茵等［11］從市場機制與政府干預協同作用視角探究中國碳交易政策的減排效應，研究發現政府行政干預力度與碳減排效應呈現正相關，而市場機制對碳減排的作用有限。

另外，碳排放交易機制能否在實現碳減排的同時減少污染物排放也引起了學界廣泛熱議。碳排放交易機制的協同效應主要體現在碳排放與二氧化硫協同減排和區域環境質量改善等方面［12］。進一步，Yan等［13］發現，碳排放交易機制對PM2.5濃度存在顯著減排效應，同時試點省份中只有廣東省對霧霾濃度有顯著的抑制作用，在此基礎上，張國興等［14］將碳排放、二氧化硫、PM2.5同時納入協同減排效應研究中，并證實碳交易政策不僅降低了碳排放強度，同時能夠實現PM2.5與二氧化硫協同減排。黃潤秋［15-16］指出環境政策措施不僅可以減少碳排放，也從根源上降低了污染物排放，兩者可以協同推進；鄭逸璇等［17］也著重從目標指標、管控區域、控制對象、措施任務、政策工具五個方面強調減污降碳的基本內涵與關鍵路徑識別并提出政策措施建議。在城市層面，碳排放交易機制在人口較多、金融發展水平較高、空氣質量較差的城市中對污染物排放具有一定的抑制作用，在減排的同時更有助于增加工業產值［18］。此外，在其他宏觀政策方面，田嘉莉等［19］以財政支出政策開展研究，指出財政支出政策能夠實現減污降碳的短期直接和間接效應。陳菡等［20］針對碳達峰背景與后疫情時期，從國家和省市層面剖析溫室氣體與多種環境污染物協同減排提出了應對策略。

綜上所述，大多數學者研究大氣污染物與碳排放之間的協同，但除了大氣污染物之外，還有固體廢棄物、廢水污染物等，他們能否與碳排放實現協同效應？另外，也鮮見從宏觀層面評估政策減污降碳協同效應的文獻。因此，文章的邊際貢獻主要包括：一是，從“雙碳”目標和環境污染治理的雙重視角，構建減污降碳水平指標，運用雙重差分模型研究碳排放交易機制的減污降碳效應。目前關于中國減污降碳的實證文獻相對欠缺，文章在梳理國家相關政策文件基礎上，將碳減排與環境污染治理納入同一研究框架，研究碳交易機制能否實現減污降碳協同增效。二是，基于改進熵權法和TOPSIS模型測度環境污染指數。該方法較傳統熵值模型有效改進了數據的測量誤差，并合理評估一個區域的生態環境質量和環境污染程度。三是，基于灰色關聯模型探究碳排放與環境污染物的協同減排潛力，為實現減污降碳目標的最大化提供政策制定參考。

2 環境污染指數測度

TOPSIS法［21］是根據理想目標相似性的次序選優方法，其原理是利用歐氏距離確定評價對象與最優解、最劣解距離遠近，從而實現綜合評價排序。熵權-TOPSIS方法［22］是借助熵權法確定評價指標權重，較好地克服以往TOPSIS法在確定指標權重時由于主觀因素帶來的影響，采用熵值法能夠更加客觀地對指標賦予權重，較合理地反映指標數據信息的效用值。

在環境污染治理中，大氣污染物、固體廢棄物和廢水等污染物的減少能夠帶來碳減排及氣候變化的協同效應，如高慶先等［23］以大氣污染防治行動計劃作為研究政策，分析技術進步能夠實現二氧化硫、二氧化氮、煙塵和碳排放的協同減排效應。另外，城市固體廢棄物與煤作為混合燃料或使用城市垃圾代替煤炭能夠同時節約氮氧化物和二氧化硫排放成本［24］，李薇等［25］指出污水處理中化學需氧量（COD）的去除量與碳排放成正比關系。

基于上述分析，參考Yang等［26］做法，文章以改進熵權-TOPSIS模型測度各省份的環境污染指數以表征當地生態環境質量和環境污染程度。環境污染指數計算涉及的指標為2010—2019年中國30個省份“三廢”排放量，具體包括：一般工業固體廢物產生量（萬t）、廢氣中二氧化硫排放量（萬t）和廢水排放總量（萬t）。環境污染指數為逆指標，其值越大，意味著該省份環境污染程度嚴重，生態環境質量低。計算步驟如下。

第四，構建加權規范化決策矩陣Z=(zij)m×nzij=Wj×rij。

第五，計算正、負理想解對已歸一化指標值進行加權化處理，構建同趨勢化加權規范化矩陣Z，令Z+表示正理想解，Z-表示負理想解。

第六，計算各評價方案到正和負理想解的歐式距離，S+和S-分別表示為各評價方案到正和負理想解的距離值。

3 模型構建和數據來源

基于環境壓力模型（IPAT），從試點省份和政策實施時間兩個方面構造實驗組和對照組來檢驗碳排放交易機制的實施對減污降碳的政策影響。借鑒胡玉鳳等［27］的研究方法，通過引入時間虛擬變量（Time）和省份虛擬變量（Treated），構建雙重差分模型如下：

其中：被解釋變量Yit表示減污降碳水平。減污降碳水平用碳排放量與環境污染指數的交乘項表征，碳排放量與環境污染指數均為逆指標，構建交乘項可以反映二者整體的減排程度并表現同源特征，交乘項切合“碳污同源”說，也符合減污降碳治理的整體性和系統性。

Treatedi為省份虛擬變量，若該省份是碳排放交易試點省份則賦值為1，非試點省份賦值為0。Timet為時間虛擬變量，考慮到7個碳交易市場成立時間為2013年末和2014年初，將2014年作為碳排放交易機制實施時間，2014年之后賦值為1，反之賦值為0。核心解釋變量為政策凈效應（Treated×Time），即相關省份在2014年之后是否成為碳排放交易機制試點省份。Treated×Time取值為1表示該省份實施碳交易試點政策，反之則未實施該政策。

Controlit代表自變量與控制變量，自變量為環境壓力模型中人口因素、財富因素、技術因素，γt為時間固定效應，λi省份固定效應，εit為隨機誤差項。環境壓力模型包括人口因素（常住人口）、財富因素（人均GDP）和技術因素（專利授權數量），控制變量為產業結構高級化、能源消耗結構、能源強度、環保支出。控制變量中，產業結構高級化采用第三產業增加值與工業增加值之比來測度，該比值越大，產業結構高級化程度越高。能源消耗結構采用各省份煤炭消費量占能源消費總量的比重來表示，能源強度采用能源消耗總量與GDP的比值衡量。此外，文章最為關注的是交互項系數（β1）及其顯著性（表2）。

表2 變量解釋說明

文章使用2010—2019年中國30個省份面板數據作為研究樣本（由于數據可得性問題，未涉及西藏和港澳臺地區）。相關數據來自2010—2019年的《中國統計年鑒》《中國能源統計年鑒》《中國環境統計年鑒》和各省份統計年鑒，由于部分數據缺失，采用線性插值法對缺失部分進行填充。碳排放量數據來自CEADs碳核算數據庫。環境污染指數見表1。

表1 中國30個省份環境污染指數（2010—2019年）

表3和表4對實驗組和對照組中相關變量分別進行描述性統計分析。為了保證研究樣本的統一，文章將深圳碳交易市場納入廣東省，北京、天津、上海、廣東、湖北和重慶6個省份作為實驗組，其余24個省份作為對照組。

從表3和表4可以看出，在政策實施前后，試點省份的碳排放量下降0.07，環境污染指數下降0.02，減污降碳水平提升0.08。在非試點省份中，碳排放量較政策實施前增長0.1，環境污染指數上升0.02，減污降碳水平下降0.21。表4中的差值（非試點省份-試點省份）為政策實施后非試點省份相關變量的均值與試點省份相關變量均值的差值，其中，碳排放量差值為0.61，環境污染指數差值為0.15，減污降碳水平差值為1.0。上述描述統計結果初步表明，與非試點省份相比，碳排放交易機制的實施，降低了試點省份的碳排放量和環境污染指數，并提升了減污降碳協同治理水平。

表3 試點省份相關變量描述性統計

表4 非試點省份相關變量描述性統計

圖1顯示了試點省份與非試點省份的平均變化趨勢。如圖1所示，從2014年開始，試點省份的碳排放量與環境污染指數整體呈現緩慢下降趨勢，而非試點省份則呈現逐年緩慢攀升態勢，試點省份減污降碳水平較非試點省份不斷提升。碳排放交易試點省份與非試點省份在政策實施之前，減污降碳平均水平基本一致，因此，碳排放交易機制的實施能夠實現試點地區減污降碳的協同目標。

圖1 試點省份與非試點省份減污降碳水平變化情況

4 實證研究

4.1 基準回歸

為了進一步說明平行趨勢假設的成立，文章構建了一個時間趨勢變量（Trendt），以比較試點省份和非試點省份之間的平行時間趨勢，并分別在2010年、2011年、2012年…2019年，將趨勢值規定為1、2、3…10。如果試點地區和非試點地區在2010—2014年期間具有相似的變化趨勢，則Trend×Treated的系數在統計不顯著，滿足平行趨勢假設。在表5平行趨勢假設檢驗中，無論是否加入年份與省份固定效應，treated×trend的系數值分別為-0.084和-0.036均不顯著，即在2010—2014年期間，試點地區和非試點地區的減污降碳水平不存在系統性差異。因此文章滿足平行趨勢假設檢驗。

表5 平行趨勢假設檢驗

在滿足平行趨勢假設的基礎上，碳排放交易機制的實施能否同時實現碳排放量與環境污染物的進一步降低，提升減污降碳協同治理水平，文章構造碳排放量與環境污染指數的交乘項表征被解釋變量減污降碳水平，研究碳排放交易機制對減污降碳水平的影響。若被解釋變量的系數值為正或未通過顯著性檢驗，則意味碳排放交易機制未能實現減污降碳效應。從表6回歸結果可以看出，在逐步加入控制變量后，Treated×Time的系數均顯著為負，說明碳排放交易機制存在減污降碳效應。第三列中Treated×Time的系數為-0.16，說明碳排放交易機制對試點省份的碳排放量和環境污染有顯著抑制效果，與非試點省份相比，試點省份的減污降碳水平提高了16%。就控制變量而言，從表6列（3）可以看出，常住人口、人均GDP對減污降碳水平具有顯著的正向影響，環保支出、產業結構高級化和專利授權數量對減污降碳水平的系數為負，說明，環保支出的增加可以降低減污降碳水平，而隨著第三產業占比的不斷提高，產業結構逐步高端化，研發投入持續增加，能夠減緩碳排放量增加，改善環境污染狀況。

表6 碳排放交易對減污降碳水平的影響結果

4.2 穩健性檢驗

4.2.1 脫鉤效應檢驗

隨著經濟發展水平的不斷提高，各級政府對碳減排和環境污染治理的監管力度不斷加大，在鄭石明等［28］研究基礎上，在模型中引入人均GDP的平方項，進一步檢驗經濟增長與減污降碳之間是否存在脫鉤現象。

表7中列（1）與列（2）的結果顯示，人均GDP系數均顯著為正而人均GDP的平方項系數顯著為負，且treated×time的系數前后均顯著為負，這表明當前中國碳交易試點省份經濟增長與減污降碳水平已具有脫鉤趨勢，并呈現倒“U”型關系。

表7 碳排放交易對減污降碳與經濟發展的脫鉤效應

4.2.2 試點省份個體政策效應

為克服傳統雙重差分模型中樣本選擇偏誤與未觀測因素造成的內生性問題，文章采用Abadie等［33］提出的合成控制方法。該方法通過賦予對照組個體相應的權重向量進行加權平均，構造每個試點政策干預個體的“反事實”參照組，通過實驗組個體與“反事實”參照組個體進行對比，反映試點政策的實施效果。具體模型構建如下：

其中：eit表示碳交易試點政策對第i個省份政策沖擊期間所帶來減污降碳水平的變化。給定J+1個省份在t∈[1，T]時期的樣本數據，YNit定義為第i∈[1，J+1]個省份在t時間沒有受到碳交易試點政策沖擊的減污降碳水平；Ylit定義為第i∈[1，J+1]個省份在t時間受到碳交易試點政策沖擊的減污降碳水平。若第i個省份在t=T0獲批成為碳交易試點省份，則[1，T0]期間i省份的減污降碳水平沒有受到政策影響，此時Ylit=YNit；當該省份獲批成為碳交易試點，在受到政策沖擊期間[T0+1，T]，eit＞0，i省份的減污降碳水平受到政策影響。

上述分析中，對于碳交易試點省份的Ylit值通過觀察可以得到，而YiNt值無法通過觀察得到，需要利用“反事實”進行合成，借鑒Abadie等［34］研究中提出因子模型：

其中：δt為時間趨勢項，Zi表示不受政策影響的控制變量；θt是控制變量Zi的未知參數向量，λt是無法觀測到的公共因子向量，μi表示不可觀測的省份固定效應，εit是不能觀測的短期沖擊（假設在地區層面上滿足均值為0）。

假定(i=1)的省份為碳交易試點省份，其余J個省份(i∈[2，J+1])均未實施碳交易政策。考慮J維向量權重W=(w2，…wJ+1)使 得W中的wj值表示控制組個體對實驗組個體的合成控制貢獻率。通過向量權重W對參照對象的變量值加權平均可得：

一般情況下，當政策試點前的時間區間大于政策試點后的時間區間，則有的均值趨近于0。最終，在t∈[T0+1，T]期間可以近似為YN1t的無偏估計量，由此準確估計

考慮合成對象的擬合效果及模擬結果的穩健性，參考以往研究［29-30］的方法并選擇部分影響因素作為模型的預測變量，主要包括人均GDP、人均專業授權數量、產業結構高級化、能源強度、人均環保支出，模型擬合結果如圖2所示。

圖2分別為北京、天津、上海、廣東、重慶、湖北的真實與合成的減污降碳水平趨勢圖，其中垂直虛線代表碳交易政策的起始年份（2014年）。考慮到減污降碳水平綜合指標是由多個指標加權構成，其構成指標選取上可能存在一定的主觀性且樣本時間跨度較短，因此，減污降碳水平呈現不同幅度的波動性。通過觀察圖2（a）—（f）并計算各試點省份的RMSPE值可知（表8），試點省份在政策實施前的真實值與合成值呈現大致相同的趨勢。計算結果說明，在政策實施前試點省份與其他合成控制對象之間的擬合程度較好。在政策實施之后，北京、天津、上海、重慶的減污降碳水平大幅度下降，較好地發揮試點效應且效果顯著，即碳交易機制政策有效抑制上述區域碳排放量與環境污染物的排放。與之相反，雖然廣東的碳污排放水平在試點年份之后也有所改善，但效果不明顯；其次，湖北在試點年份之后不僅沒有改善減污降碳水平，反而在政策實施后進一步增加了碳排放量和環境污染物。總體來看，北京、上海、天津、重慶表現較優即碳污排放呈顯著下降趨勢，廣東表現次之，而湖北表現較差。

表8 均方預測誤差平方根計算結果

圖2 碳交易機制對試點省份的政策影響效果

4.3 影響機制分析

在減污降碳和協同減排對策措施研究中［35］，增加節能技術創新研發投入能夠有效降低鋼鐵行業的碳排放和污染物排放［36］；同時對地區減污降碳治理發揮顯著的中介效應［14］，能源消耗是大氣污染物和二氧化碳排放共同的根和源［37］，產業結構調整在減排過程中的作用遠大于經濟增長的作用［38］。文章通過梳理相關文獻［29］，總結碳排放交易機制主要通過技術創新、產業結構升級、能源消耗結構調整三條路徑影響減污降碳治理。

4.3.1 技術創新

根據“波特假說”適當的環境規制能否促進企業進行技術創新［39-40］。碳排放交易機制可以通過“信號-預期”機制誘發試點企業進行低碳技術創新活動。由于碳交易機制從政策出臺到碳排放交易試點成立存在近兩年的時間間隔，一方面，一部分企業對政策的預期會較其他企業提前進行技術創新活動［41］以便維持自身的競爭優勢；另一方面，碳排放交易機制將排放權市場化，通過市場手段更為有效地鼓勵、倒逼污染行業企業進行創新活動［42］。進一步，通過技術創新活動帶動清潔生產技術的提升從而有效降低污染排放強度。

4.3.2 產業結構升級

碳排放交易機制有效地利用市場交易改善試點省份的產業結構促進產業結構升級［43-44］。在“遵循成本”理論下，原先“高耗能、高排放、高污染”的落后產業由于自身技術創新成本過高而通過技術創新所帶來的補償收益也遠遠低于研發成本，進而逐步被淘汰。而高新技術產業由于自身“高附加值、低污染”的獨特優勢在滿足企業追逐最大化利潤的同時逐步帶動了產業結構從低端邁入高端，實現產業結構升級轉型［43］。加快淘汰落后產能任務的同時，實現減污降碳治理目標。

4.3.3 能源消耗結構

碳排放交易機制的實施，將碳排放量轉化為企業的內部成本，倘若超出原先獲得排放額度就會增加因購買額外碳排放額缺口帶來的損失。反之在碳交易市場出售剩余額度獲得額外收益。為了節約生產成本，企業更愿意調整其生產模式，優先使用清潔能源或零碳能源降低碳排放量［45］。與此同時，間接帶動中國環保產業的發展和清潔生產技術水平不斷提高。從而改變中國原先以高污染、高排放為特征的能源消耗方式［2］，實現能源消耗以低排放為特征的清潔能源消費轉變，進而有效降低碳污排放。

因此，為進一步分析碳交易政策影響區域減污降碳的機制及路徑，從技術創新活動、能源結構調整和產業結構升級角度，探究碳交易政策實現減污降碳目標的機制和路徑。以產業結構高級化指標表示產業結構升級，能源消耗結構指標反映能源結構調整，技術創新活動以專利授權數量指標表示，結果見表9。

表9顯示，產業結構升級與減污降碳水平的系數為負但不顯著，反映當前產業結構升級對減污降碳未能形成有效的政策效應，未來產業結構優化升級仍需不斷推進。能源消耗結構對減污降碳水平的系數顯著為正，說明以煤炭為主體的能源消耗結構顯著正向影響碳排放和環境污染，推廣清潔生產技術和零碳燃料的使用依然是提高減污降碳協同治理水平的重要路徑。此外，技術創新與減污降碳水平的系數顯著為負，意味著技術創新活動可以顯著提高減污降碳水平，因此，加大研發投入并激勵減污降碳的技術研發，可以減少碳排放量，降低環境污染。

表9 作用機制回歸結果

4.4 異質性檢驗

為研究不同區域經濟發展水平差異，對碳交易機制減污降碳效應的影響，接下來對東部、中部和西部地區面板數據分別進行回歸，結果見表10。

從表10回歸結果看，減污降碳水平呈現區域差異化。東部地區和西部地區的treated×time系數值均保持顯著為負，而中部地區的系數值為負但不顯著。總體而言，中國的減污降碳水平，東部和西部地區表現最優，而中部地區表現不佳，存在地區不平衡，因此，減污降碳需要結合東中西部地區差異，因地制宜精準施策。

表10 區域異質性回歸結果

5 減污降碳潛力分析

考慮到減污降碳治理的系統性和整體性，碳排放與環境污染物相互作用、相互影響，參考王涵等［37］的耦合協調度模型，文章通過灰色關聯模型對碳排放和環境污染物進行探究，旨在對當前階段中國減污降碳潛力進行客觀合理地評價，為減污降碳協同治理水平的提升提供參考。

灰色關聯分析（GRA）［21，46］是定量描述和比較某一系統發展變化態勢的方法，其基本思想是根據各評價序列構成的曲線族與參考序列構成的曲線間的幾何相似程度來確定序列之間的關聯度。該方法不僅能夠分析各因素對于結果的影響程度，還可以解決隨時間變化的綜合評價類問題。因此，文章將碳排放量作為灰色關聯分析中的母序列并記為Y=y(k)∣k=1，2，…，n，一般工業固體廢物產生量、廢氣中二氧化硫排放量、廢氣中氮氧化物排放量、廢水排放量中的化學需氧量（COD）和氨氮排放量作為子序列，記為Xi=xi(k)∣k=1，2，…，n，i=1，2，…，m。分別求出碳排放量與環境污染物的相關程度，并根據相關性大小，探究中國各省減污降碳的潛力分析。具體計算步驟如下。

（1）無量綱化，文章數據采用均值法進行處理。

（2）關聯系數ξi(k)的計算。

其中：xi為第i列數據；k為第i列中第k值；ρ為分辨系數，取值為0≤ρ≤1，一般取0.5。

（3）關聯度ri的計算，ri值越接近1，說明相關性越強。

（4）根據關聯度ri判斷碳排放與各環境污染物的協同減排潛力，若碳排放與各環境污染物的關聯度值越大，則意味著碳排放與該環境污染物協同減排潛力越大。計算結果見表11。

表11 中國各省份碳排放與環境污染物關聯度值數據

從全國來看，碳排放與環境污染物關聯度值呈現差異化。碳排放與一般工業固體廢物產生量、廢氣中二氧化硫排放量和氮氧化物排放量的關聯度值ri較大，均高于0.5。碳排放與一般工業固體廢物產生量關聯度值為0.807；與廢氣中二氧化硫排放量關聯度值為0.512；與氮氧化物排放量的關聯度值為0.681，這說明碳排放與三類環境污染物的關聯度較高、相關性較強，協同減排潛力越大。而碳排放與廢水排放量中化學需氧量（COD）和氨氮排放量的關聯度值ri較小，均低于0.5。與其他三類環境污染物相比，碳排放與化學需氧量（COD）和氨氮排放量的緊密程度較低、關聯度較小，協同減排潛力較低。

從省份來看，在碳交易試點地區中，上海、廣東兩省份碳排放與環境污染物的關聯度值均全部大于0.5，反映了在碳交易政策背景下，當前上海、廣東形成較高水平的減污降碳協同增效的趨勢。其次，在非試點省份中，只有廣西、貴州、新疆三省份的碳排放與環境污染物的關聯度值高于0.5。側面說明，與非試點省份相比，廣西、貴州、新疆三省份出現較高水平的減污降碳協同水平。總體來看，中國各省份的減污降碳水平呈現差異化，只有部分省份表現出較高的減污降碳協同水平和減排潛力。

因此，未來中國需要加強頂層設計，重點從政策創新、技術創新和能力建設提升等方面發力，實現減污降碳協同治理水平的進一步提升并切實推動環境質量改善。

6 研究結論與對策建議

文章基于2010—2019年中國30個省份面板數據，通過改進熵權-TOPSIS模型測度環境污染指數，以碳排放交易機制作為“準自然實驗”，利用雙重差分模型、合成控制方法和灰色關聯分析展開實證研究，有以下幾點研究發現。

第一，從中國層面來看，碳排放交易政策可以實現試點省份減污降碳、協同增效。通過脫鉤效應檢驗分析得到當前碳交易試點省份經濟增長與減污降碳水平已呈現脫鉤現象。從試點省份來看，上海、天津、重慶表現較優即碳污排放呈顯著下降趨勢，廣東表現次之，而湖北表現較差。

第二，碳排放交易機制通過能源消耗結構調整和技術創新顯著促進了中國減污降碳治理水平的改善，而產業結構升級對減污降碳水平的影響不顯著。

第三，中國減污降碳水平的協同減排潛力呈現區域差異，東部和西部地區的減污降碳協同水平表現最優，而中部地區表現不佳。通過灰色關聯分析發現僅有上海、廣東、廣西、貴州、新疆五省份的關聯度值大于其他省份并呈現較高的協同減排潛力。

基于上述結論，文章提出以下對策建議。

第一，加快推進并完善中國碳排放交易市場建設。從試點省份的減污降碳效果來看，市場激勵型的碳排放交易政策對碳排放和環境污染物具有協同減排作用，實現減污降碳協同增效。未來可以將這些經驗推廣到其他行業和領域，探索和建設用能權、排污權等資源環境權益市場，進而實現減污降碳協同治理水平與環境治理目標的最大化。

第二，加大技術創新投入和能源消費結構的轉型升級。文章機制作用檢驗表明，碳排放交易政策對減污降碳的協同效應影響是由能源消耗結構的調整和技術創新活動驅動的。因此，需要大力推廣綠色節能減排技術、清潔高效工藝，并加快傳統能源向新興、零碳能源在產業發展中的更替。此外，中國還需要加快推進產業結構轉型升級、改造傳統高耗能行業，持續推動綠色產業項目高效運轉，不斷提升區域綠色發展水平。

第三，減污降碳協同治理需要因地制宜。實證結果和灰色關聯分析表明中國減污降碳協同治理水平存在地區不平衡性，環境污染治理需要結合區域經濟水平和發展差異，因地制宜地探尋適宜本地經濟發展的政策措施，從而實現地區環境治理目標的同時提高減污降碳協同增效。