我國碳交易試點政策的減排效應及地區差異

曾詩鴻,李 璠,2,翁智雄,鐘 震

我國碳交易試點政策的減排效應及地區差異

曾詩鴻1,李 璠1,2,翁智雄3*,鐘 震4

(1.北京工業大學經濟與管理學院,北京 100124；2.丹麥科技大學管理學院,丹麥 靈比 2800；3.北京工業大學循環經濟研究院,北京 100124；4.國務院發展研究中心發展戰略與區域經濟研究部,北京 100011)

基于連續性雙重差分等方法,評估2004～2017年我國碳交易試點政策的減排效應及地區差異,并分析其作用機制.結果顯示,碳交易政策能使試點地區的碳排放強度下降9.5%,碳市場規模?活躍度每增加1%,將分別帶來試點地區碳排放強度下降0.9%和0.7%.異質性影響上,碳交易政策對東中部地區的減排效應明顯,對西部地區無明顯作用;對發達省份產生的碳減排影響要顯著高于欠發達省份.碳減排效應主要通過對參與市場的企業實施影響來實現.碳交易政策還發揮了一定的污染物協同減排效應,使試點地區的二氧化硫排放量下降22.7%.應加快推進全國碳市場建設,提升碳市場的活躍度,暢通減排渠道,繼續發揮試點碳市場作用,推動二氧化碳與其他污染物協同減排.

碳中和；碳達峰；碳市場；連續性雙重差分；協同減排效應

碳排放權交易市場(簡稱碳市場)是實現我國碳達峰與碳中和目標的關鍵市場化減排機制.盡管我國的碳市場規模較大,但相較于發達國家和地區,我國的碳市場體系建設仍處于起步發展階段,市場活躍度低、相關法律體系不完善、金融衍生工具不足、監管不到位等問題仍十分突出.

國內外學者對我國碳市場的研究主要從碳市場機制設計和碳市場影響2個維度展開,形成了以碳市場試點地區分析為基礎、全國碳市場設計為主的研究體系.碳市場機制設計方面,主要圍繞碳市場機制本身,研究碳交易體系的設計與改進.一是從碳配額核定與分配出發,研究最優的碳配額分配方案與不同的供給及分配方式帶來的影響[1-2].二是從碳價穩定性及關聯影響角度開展研究.研究碳市場價格變化對福利與經濟發展的影響[3],識別配額供給數量、碳配額拍賣對碳價的影響[4];也有學者研究碳價的影響因素[5]以及其對碳減排水平的作用[6].三是從碳市場風險管理視角入手,識別碳市場發展的不足,如分析中國碳市場存在機制設計風險、市場供給風險和履約風險等[7].

碳市場影響分析方面,主要圍繞碳市場建立產生的經濟與環境影響展開,探討碳市場政策有效性及實施效果.一是研究碳市場的碳減排效應,有學者指出碳交易政策能減少CO2排放[8-10],且這種減排效應有一定的持續性[11],能幫助政策實施地區節省約63.53元/t的減排成本[12];還有學者從工業碳生產率影響的角度出發,認為碳交易政策顯著提升了工業碳生產率[13].二是研究碳交易政策實施對我國經濟發展的影響[14],部分學者認為,碳交易政策短期內很難對經濟發展產生積極效應,但可以通過配合其他方案或政策來輔助減輕碳交易對我國經濟的“拖累”[15].三是碳交易實施帶來的環境等其他影響,主要包括創新效應[16]、就業紅利[17]、環境健康效應[9]、綠色創新效率與區域碳公平的提升[18]等.

目前對碳交易政策實施效果的研究多采用可計算的一般均衡模型(CGE)、雙重差分模型等方法.前者可以在不同情景下分析碳交易政策對社會經濟與環境的影響[19-20],后者主要通過構建準自然實驗減少估計偏差來評估碳交易政策的效果[21-23].現有研究主要側重于分析碳市場機制設計,從國家與省市層面開展了大量關于碳配額分配、碳價影響等方面的研究.盡管也不乏關于碳交易試點政策的環境效應評估分析,但這些研究側重于識別碳交易政策實施與否對碳減排的影響,鮮有文獻考慮碳市場本身因素,如碳市場規模、市場活躍程度等對碳減排的影響及作用機制.同時,關于碳交易試點政策的研究局限于碳減排效應與經濟效應方面,而對碳交易政策可能產生的其他大氣污染物協同減排效應也缺乏分析.基于此,本文利用我國2004～2017年30個省份(因數據缺乏,本文的研究樣本中不包含西藏、香港、澳門和臺灣地區)的面板數據,采用雙重差分模型(DID)識別碳交易試點政策的碳減排效果,進而運用連續性雙重差分方法研究碳市場規模、碳市場活躍度對碳減排的影響.構建中介效應模型用于識別碳市場通過對控排主體施加影響以實現減排目標的作用機制;最后,從協同減排影響的角度出發,評估碳市場對大氣污染物可能存在的協同減排效應.

1 模型與數據

1.1 計量模型

1.1.1 雙重差分模型 選取雙重差分模型評估碳交易政策的減排效果,對比碳交易試點地區和非碳交易試點地區在碳交易政策實施前后的碳排放強度變化.根據是否為碳交易試點地區,將研究對象分為處理組與控制組,其中,處理組的研究對象為有碳交易政策干預的地區,包括北京市、天津市、上海市、重慶市、湖北省以及廣東省(因福建省列為碳交易試點地區的時間較晚,本文未將其納入),控制組為我國其他省份(因數據原因,不包括西藏、港澳臺地區).我國于2011年出臺了《關于開展碳排放權交易試點工作的通知》[24],試點省市在2013年基本完成了碳交易試點的籌備工作,因此,將2013年選取為政策執行年.雙重差分模型的具體表達式如下:

1.1.2 連續性雙重差分模型 普通雙重差分模型只能測度碳交易試點政策帶來的總體減排效果,而碳交易試點地區的一些差異化特征很可能會對碳減排效果產生影響.傳統的雙重差分模型只能使用0～1變量來表征碳交易政策的實施,只能簡單表示該地區是否實施政策,無法進一步量化政策實施的具體情況.因此,本文構建連續性雙重差分模型[25].該模型能夠用碳交易市場規模和市場活躍度來代替政策執行的0～1變量,能夠更好地識別碳市場本身的特征對試點地區碳減排強度的影響程度.該模型的表達式如下:

式中:volume地區的碳市場在時的碳市場規模,用年化的碳市場日交易額來表示;turnover為地區的碳市場在時間時的碳市場活躍度,用碳市場年化日交易量來測度;2為本文重點關注的估計系數,當2顯著為負時,表明碳市場規模的擴大或碳市場活躍度的增加會對碳排放強度產生顯著的負向影響.

1.1.3 中介效應模型 主要從碳市場對控排主體產生約束方面考慮碳市場政策對碳減排的作用機制.碳交易政策的實施會對企業施加碳配額限制壓力,參與碳交易企業的經營成本會增加.為了控制減排成本,企業會通過研發并使用綠色技術提升能源效率[26],最終導致企業所在地區的碳排放強度降低.企業經營成本增加、研發資金投入等表現在企業資產負債表中即為企業流動資產的減少,因此,本文選取規模以上工業企業的流動資產指標作為碳交易政策對碳排放強度影響的中介變量.基于模型(1)與(2),建立了中介效應模型(3)與(5)以及綜合模型(4)和(6):

式中:M為中介變量,具體用規模以上工業企業流動資產與當地GDP的比值來表示.當模型(3)中的3,模型(4)中的1和4都顯著時,表明碳交易政策可以通過影響中介變量來影響CO2排放強度.同理,當模型(5)中的5,模型(6)中的2和6都顯著時,表明碳交易政策通過對控排企業實施影響進而降低碳排放強度的中介效應存在.

1.2 變量說明與數據來源

選擇普通DID和連續DID模型分別檢驗碳交易政策、碳市場規模及碳市場活躍度對碳排放強度的影響,其中被解釋變量為CO2排放強度,碳排放強度能夠反映國家或地區在發展自身經濟的同時能否兼顧生態環境保護.如果碳排放強度下降,則表明碳減排效應存在,說明實現了經濟增長與生態環境保護的雙重紅利;反之,碳排放強度未下降,說明應對經濟發展方式進行調整,以促進生態環境保護[20].解釋變量主要包括核心解釋變量與其他解釋變量.核心解釋變量包括碳市場的市場規模(volume),用年化的碳市場日交易額來表示;碳市場的市場活躍度(turnover),用碳市場年化日交易量來測度.其他解釋變量包括經濟發展水平、對外開放程度、環境治理投資、研發投入、森林覆蓋率、能源消費總量、能源消費結構、低碳創新技術水平、產業結構以及工業企業發展狀況.其中,gdp代表我國各省的經濟發展水平;open代表各地區對外開放程度;invest表示各地區污染治理投入水平;RD表示各省(自治區、直轄市)的自主研發水平[27];forest表示各地區森林覆蓋率的指標;total代表我國能源消耗總量;estr表示我國能源消費結構;ctech表示我國的低碳創新技術水平;sec表示我國的產業結構;liquid表示我國各地區的工業企業發展狀況.其中,為減少異方差的影響,本文對非虛擬變量均采用取對數的處理方式.

表1 變量說明

選取2004～2017年中國30個省的樣本數據進行研究.其中,碳排放相關的數據來源于中國碳核算數據庫(CEADs),其他數據來源于國家統計局、Wind數據庫、歷年《中國統計年鑒》等.由表2初步判斷,處理組的平均碳排強度低于控制組,表明碳交易政策對試點地區的碳減排可能存在一定的影響.

此外,為了進一步檢驗碳交易政策的污染物協同減排效應,本文還選取了各地區二氧化硫、煙粉塵以及PM2.5濃度數據.其中各地區的二氧化硫總量數據來源于國家統計局,各地區的煙粉塵總量數據來源于國家統計局與各年統計年鑒.由于國家對煙粉塵排放總量的統計口徑發生了變化,國家統計局并未給出2010年之前各省市的煙粉塵排放總量數據,為了確保統計的連續性,本文根據各年統計年鑒,將煙塵排放總量與工業粉塵排放總量加總得到各省市2004～2009年的煙粉塵總量數據.雖然因為統計口徑原因數據存在一定偏差,但整體的污染物變化趨勢一致,不會明顯影響回歸結果.本文的PM2.5濃度數據來源于哥倫比亞大學國際地球科學信息網絡中心研究所等相關人員利用衛星搭載設備測得的PM2.5均值.由于數據只包含1998～2016年的數據,為了保持數據的連續性,本文采取指數平滑法預測得到2017年PM2.5平均濃度數據.

表2 描述性統計

注:處理組與控制組的觀測值個數分別為84, 336個.

表3 雙重差分模型結果

注:***?**和*分別表示在1%?5%和10%的顯著性水平下顯著,括號內表示穩健標準誤,標準誤聚類到省份層面.

2 實證結果分析

2.1 雙重差分結果分析

2.1.1 雙重差分結果 經過Hausman檢驗,表3中列(1)至列(6)都進行了個體和時間固定效應的有選擇控制.列(1)與列(2)中探討了核心自變量policy*post的系數大小,即碳交易政策對碳減排的影響,結果表明:核心自變量policy*post在1%的顯著性水平上為負,說明實施碳交易政策有助于降低碳排放強度,即碳交易試點地區在執行碳交易政策后,其CO2減排效果優于非試點地區.同時控制省份固定效應和時間固定效應后(列(2)所示),試點地區在實施碳交易政策后碳排放強度平均下降了9.5%,與僅控制個體固定效應的結果接近(-7.4%).

列(3)與列(4)表示碳市場規模對碳排放強度的影響,碳市場規模越大,碳交易試點地區的碳排放強度越低.具體來看,在控制個體與時間雙固定效應的情況下,碳交易額每提高1%會促使試點地區降低0.9%的碳排放強度.列(5)和列(6)考察了核心自變量volume*post在降低CO2排放強度中的作用,碳市場活躍度越高,碳交易試點地區的碳排放強度越低.碳市場活躍度每增加一單位,碳交易試點地區的碳排放強度能夠顯著降低0.7%(列(6)).

2.1.2 平行趨勢檢驗 雙重差分模型估計結果一致的前提是滿足平行趨勢條件,即要求處理組和控制組在碳交易政策干預前具有相近的變化趨勢,不存在系統性差異.采用2種典型的方式進行平行趨勢檢驗,分別為繪制處理組與控制組的時間趨勢變化圖、運用事件研究法進行檢驗.從圖1可以看出, 2004年至2012年期間處理組與控制組的碳排放強度的隨時間變化趨勢基本一致,處理組的CO2排放強度在政策執行后(即2013年)有明顯的下降趨勢,說明2013年是碳排放強度變化的一個關鍵轉折年份.

圖1 處理組與控制組碳排放強度趨勢(2004～2017年)

其次,為了更精確地檢驗平行趨勢,本文將年份虛擬變量與處理組虛擬變量的交互項作為解釋碳排放強度的自變量來構建模型.模型如式(7)所示:

式中:dit表示區域i所屬t年的虛擬變量,當試點省份i在時間t時, dit為1,其他情況下,dit為0.當b2009-b2011不顯著時,說明碳排放強度在碳交易政策執行前的變化趨勢是相同的,則模型滿足平行趨勢假設.此外,基準年為政策執行時間點的前一年,即2012年,因此模型(7)中不存在自變量di2012.由表4可知,2013年及1年后,碳交易政策虛擬變量在5%的顯著性水平上為負且系數絕對值逐年增加,說明碳交易政策對于碳排放強度有顯著的減少效應且這種減排作用具有持續性與累積性. 2013年之前的虛擬變量與處理組虛擬變量的交互項的系數都不顯著,說明控制組與處理組的碳排放強度趨勢在政策執行前滿足平行趨勢假設.

繪制碳試點政策的動態效應(圖2),并將政策實施前的年份延長至政策實施前第1～9年.以政策執行年的前一年(2012年)的碳排放強度為基準.我國于2011年發布了設立碳交易試點的通知,到2013年,該政策產生了顯著的負效應,該減排效應隨著時間的推移不斷累積.

表4 平行趨勢檢驗

注:***?**和*分別表示在1%?5%和10%的顯著性水平下顯著,括號內表示穩健標準誤,標準誤聚類到省份層面.

2.1.3 安慰劑檢驗 為保證檢驗結果的可靠性,從2個方面進行安慰劑檢驗:一是改變碳交易政策發生的時間,在非真實的碳交易政策發生時間隨機產生“虛假”的政策實施時間,以檢驗碳強度的下降是否是周期性變化導致,還是由碳交易政策帶來;二是隨機生成處理組,通過隨機打亂現有的處理組與對照組的方式進行安慰劑檢驗,以判斷碳市場對碳強度的減少效應是否由其他隨機性因素引起.

(1)“虛假”政策時間點的安慰劑檢驗 參考徐現祥等[28]做法,本文使用虛假的碳交易政策執行時間,觀察碳交易政策的減排效果是否依然存在,如果“虛假”政策時間下的回歸系數不顯著,說明減排效應是由碳交易政策帶來,而非其他周期性趨勢導致;反之,如果回歸系數顯著,說明存在其他周期性變化趨勢的風險.對每個省份隨機抽取2004～2017年中的某一個年份(非2013年)設置為其政策執行時間點,在這種“虛假”的政策實施年份下,觀察核心變量policy*post的估計系數.將以上隨機過程執行1000次后,形成一個所有“虛假”政策年份下的回歸系數分布(圖3).由圖3可知,真實政策實施時間下的回歸系數(-0.095)偏離“虛假”政策下的回歸系數分布,說明選取2013年為碳交易政策執行時間點具有合理性.

圖3 隨機設置政策執行年份后政策變量的回歸系數分布

(2)隨機生成處理組的安慰劑檢驗 借鑒曹春方等[29]的做法,將碳交易試點政策對各地區碳排放情況的沖擊變得隨機,從30個省(自治區、直轄市)隨機抽取6個省份作為處理組,其他剩余省份為對照組.將處理組的policy變量取1,對照組的policy變量取0后代入前文模型(1)中.將該隨機過程重復1000次后得到policy*post的回歸系數分布圖(圖4).由圖4可知,policy*post的系數主要分布在0值附近,與實際回歸系數(-0.095)相比明顯偏離,說明碳交易政策能降低試點地區的碳排放強度,排除了其他隨機因素對實證研究結果的干擾.

圖4 隨機產生處理組后政策變量回歸系數分布

2.1.4 穩健性檢驗 從替換被解釋變量與縮尾處理兩方面進行穩健性檢驗.

(1)以人均碳排放量為因變量的檢驗 人均碳排放量也能反映地區的CO2排放量情況,以人均碳排放量指標替換碳排放強度指標,設定新的被解釋變量,進一步驗證模型的穩健性.回歸結果表明(表5),碳交易政策的實施能顯著降低試點地區的人均CO2排放量,碳交易市場的規模擴大與碳市場活躍度增加都能有效推動試點地區的碳減排,這與前文的研究結論一致.具體來看,在控制省份固定效應與時間固定效應的情況下,實施碳交易政策能夠使試點地區平均降低5.4%的人均CO2排放量.同樣,在省份與時間的雙固定效應下,碳市場規模每增加1%,會促進人均CO2排放量降低0.5%,碳市場活躍度每增加1%,能降低0.4%的人均碳排放量.

(2)樣本縮尾的檢驗 為避免出現變量中存在極端值而影響回歸結果穩健性的問題,對樣本做了1%分位上的雙邊縮尾處理,對前1%和后99%的數據分別用1%和99%的數值進行替代.表6可見,在1%分位上進行雙邊縮尾后,policy*post、volume*post與turnover*post的回歸系數與顯著程度與表3中基本一致,驗證了前文的結論.

2.1.5 異質性檢驗 考慮到碳交易政策的實施在多個維度上存在異質性,討論了地區與經濟發展因素對碳減排的促進效應.

表5 以人均碳排放量為因變量的回歸結果

注:***?**和*分別表示在1%?5%和10%的顯著性水平下顯著,括號內表示穩健標準誤,標準誤聚類到省份層面.

表6 樣本雙邊縮尾后的估計結果

注:***、**和*分別表示在1%?5%和10%的顯著性水平下顯著,括號內表示穩健標準誤,標準誤聚類到省份層面.

(1)地區異質性分析:碳交易試點地區的選擇具有高度代表性,這些地區橫跨我國東部沿海地區,延伸到中部地區[6].本文將我國30個省份按照東部、中部、西部地區分類,考察碳交易政策在不同地區的影響差異 (表7).其中,第(1)列、第(4)列、第(7)列依次為東部、中部、西部地區的回歸結果.回歸結果表明,碳交易政策的碳減排效應主要體現在我國東部地區與中部地區,對西部地區的碳排放強度雖然也有一定的抑制作用,但作用并不顯著.碳交易政策的實施使東部試點地區的碳排放強度降低10.1%,促使中部試點地區的碳排放強度下降13.2%.從第(2)、(3)、(5)、(6)、(8)、(9)列回歸結果可以看出,碳交易市場規模的擴大與碳交易市場活躍度的增加對我國東部、中部地區碳減排都有顯著促進作用,但對我國西部地區的碳減排影響并不顯著.這主要由于重慶是7個試點地區中唯一的西部省市,主要依靠第二產業來實現經濟增長.早期為了協調好碳減排與經濟持續增長之間的關系,重慶碳交易市場的碳配額供給較為充足,導致交易市場總體呈現活力不足的狀態[30].相較于我國其他碳交易試點地區,重慶的市場規模最小,因此重慶碳交易市場發揮的碳減排作用及環境約束作用并不顯著.此外,由于西部地區正處于經濟發展快速上升期,區域政府對碳交易市場的重視程度不足[31],對參與碳交易市場的企業的懲罰力度較低,進一步加劇了碳交易市場履約率低、減排作用不顯著的問題.

(2)經濟發展異質性分析 經濟發展水平是影響碳減排的重要影響因素,按照人均實際GDP水平,將30個省份劃分為經濟發達省份和欠發達省份.其中,經濟發達地區為人均GDP大于4萬元的地區,剩余地區為欠發達地區,對兩類地區分別進行雙重差分回歸(表8).表中第(1)列至第(3)列表示經濟發展水平較高地區的回歸結果,其余列表示欠發達省份的回歸結果.

表7 東部、中部與西部地區的區分考察

注:***?**和*分別表示在1%?5%和10%的顯著性水平下顯著,括號內表示穩健標準誤,標準誤聚類到省份層面.

結果表明,碳交易政策對發達省份產生的碳減排效應比欠發達地區更加明顯.實施碳交易政策能夠促使發達地區的試點區域平均降低10%的碳排放強度,但對欠發達地區的減排效應略低,為8.7%.此外,碳市場成交額與交易量的增加對發達地區與欠發達地區試點區域的碳排放強度影響也有顯著差異.碳市場成交額與交易量每增加1%分別促使發達地區的碳排放強度降低1.1%與0.8%.增大碳市場規模與提高碳市場活躍度雖然也能夠對欠發達地區的碳減排強度產生負向作用,但這種負向影響并不顯著.這可能是由于相較發達地區,欠發達地區的第二產業在經濟中占據非常重要的地位,在平衡經濟發展與環境保護的過程中,欠發達地區傾向于放松環境約束來實現經濟快速增長,因而欠發達地區企業減排意識較為薄弱,參與碳交易市場的意愿也不強.相較于發達地區,欠發達地區的參與碳市場交易的企業數量相對有限,碳市場規模的擴張與活躍度的增加很難對當地碳排放強度產生較為顯著的作用.

2.2 中介效應結果分析

檢驗影響碳交易政策減排效應的作用機制,分析企業規模在促進碳減排過程中的中介效應(表9).第(1)列的policy*post的回歸系數顯著為負,說明碳交易政策的實施能顯著降低碳交易試點地區的規模以上工業企業流動資產的持有,增加對規模以上工業企業的流動性約束.第(2)列的核心自變量(policy*post)與規模以上工業企業流動資產(liquid)被同時納入回歸中, 規模以上工業企業流動資產的回歸系數顯著為正,說明規模以上工業企業持有的流動資產越高,碳排放強度越高.同時,policy*post指標的回歸系數顯著為負,但回歸系數的絕對值小于表3中第(2)列的回歸系數的絕對值,說明碳交易政策能夠通過對規模以上工業企業增加流動性約束來降低碳交易試點地區的碳排放強度.碳交易政策的實施會提高對參與減排交易企業的減排要求,增加其經營成本,致使其流動資產如貨幣資金、交易性金融資產等減少.為了實現控制減排成本,企業會利用資金來進行技術升級等來降低碳排放,進而推動當地CO2排放強度的降低.

第(3)列與第(5)列的回歸結果顯示,碳交易市場規模與活躍度的增加會進一步顯著降低規模以上工業企業的流動資產,碳交易額與交易量每增加1%會促使試點地區規模以上工業企業的流動資產分別下降0.5%與0.4%.第(4)列與第(6)列中,將核心自變量與規模以上工業企業流動資產(liquid)同時作為解釋變量進行回歸分析,結果顯示,核心解釋變量volume*post與turnover*post仍然顯著為負,但是相較于表3中第(4)列與第(6)列中volume*post與turnover*post相應的回歸系數,表9中volume*post與turnover*post中回歸系數的絕對值更小,說明碳交易市場規模與活躍度的增加會對規模以上工業企業的流動資產產生負向作用,進而降低當地的CO2排放強度.隨著當地加入碳交易市場的規模以上工業企業數量逐漸增多,碳交易額以及交易事件也不斷增加,對當地企業的碳排放約束逐漸加強.碳排放約束會迫使企業進行綠色技術升級,增加其經營成本.企業一個正常營業周期中的貨幣資金、交易性金融資產減少.同時,經營成本增加也會導致市場產品供應減少,企業存貨與應收賬款也將隨之減少,總體表現在企業的資產負債表中就是企業的流動資產減少.從整個試點地區來看,由于當地企業的減排技術水平提高,當地的CO2排放強度降低.

表8 發達地區與欠發達地區的區分考察

注:***?**和*分別表示在1%?5%和10%的顯著性水平下顯著,括號內表示穩健標準誤,標準誤聚類到省份層面.

表9 中介效應估計結果

注:***?**和*分別表示在1%?5%和10%的顯著性水平下顯著,括號內表示穩健標準誤,標準誤聚類到省份層面.

2.3 協同減排結果分析

在工業生產過程中,大氣污染物的排放與CO2的排放往往相互伴隨.這種同源性為實現協同減排提供了可能性,可以在控制溫室氣體排放的同時,利用協同減排措施來控制大氣污染物排放,如運用綠色低碳技術促進CO2與大氣污染物的協同減排[32].協同減排效應已受到我國政府部門的重視,在我國《重點區域大氣污染防治“十二五”規劃》[33]等政策文件中提出了實施多污染物協同控制實施路徑的相關內容.因此,本文探究碳交易政策在實施過程中,是否也能發揮協同減排效應,以此降低二氧化硫排放量、煙粉塵排放量以及PM2.5.

表10 協同減排效應估計

注:***?**和*分別表示在1%?5%和10%的顯著性水平下顯著,括號內表示穩健標準誤,標準誤聚類到省份層面.

本文以我國二氧化硫排放量、煙粉塵排放量以及PM2.5濃度為因變量替換模型(1)中的碳排放強度,研究碳交易政策的大氣污染物協同減排效果,回歸結果如表10所示.第(1)列,第(2)列和第(3)列依次為實施碳交易政策對二氧化硫排放量、煙粉塵排放量、PM2.5濃度的影響.結果表明,碳交易政策能顯著降低試點地區的二氧化硫排放量.在5%的顯著性水平上,碳交易政策的實施促使試點地區的二氧化硫排放量平均下降22.7%.產生這一結果的主要原因為我國能源消費結構中煤炭占比較高,且我國煤炭含硫量相對較高,平均硫分達1.1%[34],煤炭的燃燒會伴隨大量的二氧化硫產生.碳交易政策可以通過影響企業的污染物排放決策機制,調整能源消費結構、控制煤炭消費總量與提高煤炭利用效率來降低試點地區的二氧化硫排放量與煙粉塵排放量.碳交易政策實施對煙粉塵、PM2.5濃度雖然有負向影響,但是這種負向影響并不顯著.這主要是由于煙粉塵與PM2.5污染源構成更加復雜,污染源涵蓋工業、生活、交通等各個領域,導致其濃度值很容易受到其他因素干擾.因此,碳交易政策帶來的大氣污染物協同減排主要體現在降低二氧化硫排放量方面.

2.4 政策建議

2.4.1 大力推進碳市場發展,提升碳市場的活躍度 研究發現,碳交易政策能有效降低碳排放強度,應加快推進全國碳市場建設,有序推進各交易試點地區與全國碳市場深度對接融合,在電力部門實施全國碳交易的基礎上,加快推進石化、化工等其他行業進入全國碳市場.應加快構建支撐碳市場發展的金融機制,有效引導投資機構等不同主體參與全國碳市場交易,開發各類碳金融產品與服務,提升全國碳市場的流動性,增加交易量.

2.4.2 暢通碳市場減排路徑,提升碳市場減排效果 碳市場的碳減排效應有一定的作用機制,應進一步暢通碳市場的減排路徑:充分發揮碳價對企業碳減排策略選擇的引導作用,在減排成本倒逼下推進企業低碳技術的應用;應重新啟動我國核證自愿減排量(CCER)備案審批,在嚴格的方法學下,將更多可再生能源項目作為核證自愿減排量納入到碳市場交易體系中;應以發展碳市場為抓手之一,推動產業結構升級優化,減少化石能源消費.

2.4.3 充分考慮地區發展差異性,繼續發揮試點碳市場作用 碳交易試點政策的地區異質性表明,各地應實施具有差異化的碳交易政策.從建立電力部門的全國碳市場到涵蓋所有行業的全國碳市場仍需一定時間,過渡期間應充分發揮好試點碳市場的作用,各試點碳市場應結合當地產業發展現狀,采取更加積極的措施推進碳市場建設,欠發達地區的政策措施力度應更大.應努力提高欠發達地區政府對低碳環保的重視程度,增強欠發達地區控排主體的市場參與意愿.

2.4.4 推進配套制度建設,發揮好協同減排效應 碳交易試點政策能發揮一定的污染物協同減排效應,應增強市場化減排工具與其他大氣污染減排政策的協調配合,“十四五”期間的大氣污染治理應更加明確市場化減排機制的作用,出臺更多支撐碳交易試點地區和全國碳市場發展的激勵和保障政策,更好地發揮協同減排效應.

3 結論

3.1 碳交易政策的實施能促進試點地區的碳排放強度降低9.5%;同時,碳交易額、碳交易量每增加1%,會促進碳試點地區的CO2排放強度分別下降0.9%與0.7%.

3.2 碳交易政策的減排效應有明顯的地區異質性,其中,政策效應在我國東部和中部地區更明顯,相較于欠發達省份,碳交易政策在發達省份的碳減排效果優于欠發達省份的減排效果.

3.3 碳交易政策能通過對參與碳交易的減排主體施加影響來實現碳強度降低目標.

3.4 在促進碳減排的同時,碳交易政策還能發揮協同減排效應,能降低試點地區的二氧化硫排放量,為試點地區帶來顯著的環境紅利.

[1] He W, Zhang B, Li Y, et al. A Performance analysis framework for carbon emission quota allocation schemes in China: perspectives from economics and energy conservation [J]. Journal of Environmental Management, 2021,296:113165.

[2] 王文舉,陳真玲.中國省級區域初始碳配額分配方案研究——基于責任與目標?公平與效率的視角[J]. 管理世界, 2019,35(3):81-98.

Wang W, Chen Z. A study on the initial carbon quota allocation scheme for provincial regions in China--based on the perspective of responsibility and target, equity and efficiency [J]. Management World, 2019,35(3):81-98.

[3] 魏立佳,彭 妍,劉 瀟.碳市場的穩定機制:一項實驗經濟學研究[J]. 中國工業經濟, 2018,(4):174-192.

Wei L, Peng Y, Liu X. The stability mechanism of the carbon market: a study of experimental economics [J]. China Industrial Economics, 2018,(4):174-192.

[4] Ji C, Hu Y, Tang B, Qu S. Price drivers in the carbon emissions trading scheme: evidence from Chinese emissions trading scheme pilots [J]. Journal of Cleaner Production, 2021,278:123469.

[5] Ye J, Xue M. Influences of sentiment from news articles on EU carbon prices [J]. Energy Economics, 2021,101:105393.

[6] Cao K, Xu X, Wu Q, et al. Optimal production and carbon emission reduction level under cap-and-trade and low carbon subsidy policies [J]. Journal of Cleaner Production, 2017,167:505–513.

[7] Wang Y, Wang W. Risk identification and regulatory system design for the carbon market [J]. Chinese Journal of Population Resources and Environment, 2016,14(2):59–67.

[8] Zhang Y, Liang T, Jin Y, et al. The impact of carbon trading on economic output and carbon emissions reduction in China’s industrial sectors [J]. Applied Energy, 2020,260:114290.

[9] Zhang W, Li J, Li G, et al. Emission reduction effect and carbon market efficiency of carbon emissions trading policy in China [J]. Energy, 2020,196:117117.

[10] Zhang Y, Li S, Luo T, et al. The effect of emission trading policy on carbon emission reduction: evidence from an integrated study of pilot regions in China [J]. Journal of Cleaner Production, 2020,265:121843.

[11] 周 迪,劉奕淳.中國碳交易試點政策對城市碳排放績效的影響及機制[J]. 中國環境科學, 2020,40(1):453-464.

Zhou D, Liu Y. Impact of China’s carbon emission trading policy on the performance of urban carbon emission and its mechanism [J]. China Environmental Science, 2020,40(1):453-464.

[12] Zhang H, Zhang B. The unintended impact of carbon trading of China’s power sector [J]. Energy Policy, 2020,147:111876.

[13] 任曉松,馬 茜,劉宇佳,等.碳交易政策對工業碳生產率的影響及傳導機制[J]. 中國環境科學, 2021,41(11):5427-5437.

Ren X, Ma Q, Liu Y, Zhao G. The impact of carbon trading policy on industrial carbon productivity and its transmission mechanism [J]. China Environmental Science, 2021,41(11):5427-5437.

[14] Jia Z, Lin B. Rethinking the choice of carbon tax and carbon trading in China [J]. Technological Forecasting and Social Change, 2020,159: 120187.

[15] Yang L, Yao Y, Zhang J, et al. A CGE analysis of carbon market impact on CO2emission reduction in China: a technology-led approach [J]. Natural Hazards, 2016,81(2):1107–1128.

[16] 范 丹,王維國,梁佩鳳.中國碳排放交易權機制的政策效果分析——基于雙重差分模型的估計[J]. 中國環境科學, 2017,37(6): 2383–2392.

Fan D, Wang W, Liang P. Analysis of the performance of carbon emissions trading right in China--the evaluation based on the difference-in-difference model [J]. China Environmental Science, 2017,37(6):2383–2392.

[17] Yang X, Jiang P, Pan Y. Does China’s carbon emission trading policy have an employment double dividend and a porter effect? [J]. Energy Policy, 2020,142:111492.

[18] Zhang S, Wang Y, Hao Y, et al. Shooting two hawks with one arrow: could China’s emission trading scheme promote green development efficiency and regional carbon equality? [J]. Energy Economics, 2021, 101:105412.

[19] Li G, Masui T. Assessing the impacts of China’s environmental tax using a dynamic computable general equilibrium model [J]. Journal of Cleaner Production, 2019,208:316–324.

[20] Zhao Y, L H, Xiao Y, et al. Scenario analysis of the carbon pricing policy in China’s power sector through 2050: based on an improved CGE model [J]. Ecological Indicators, 2018,85:352–366.

[21] Xuan D, Ma X, Shang Y. Can China’s policy of carbon emission trading promote carbon emission reduction? [J]. Journal of Cleaner Production, 2020,270:122383.

[22] Lyu X, Shi A, Wang X. Research on the impact of carbon emission trading system on low-carbon technology innovation [J]. Carbon Management, 2020,11(2):183–193.

[23] 朱 凡,李天琦.中國碳交易市場減排績效的實證研究[J]. 稅務與經濟, 2021,(3):54–62.

Zhu F, Li T. An empirical study on emission reduction performance of China's carbon trading market [J]. Taxation and Economy, 2021,(3): 54-62.

[24] 國家發展和改革委員會.關于開展碳排放權交易試點工作的通知(發改辦氣候[2011]2601) [EB/OL].https://www.ndrc.gov.cn/xxgk/ zcfb/tz/201201/t20120113_964370_ext.html.

National Development and Reform Commission. Notice of the pilot project on carbon emissions trading (Climate change office [2011] 2601) [EB/OL]. https://www.ndrc.gov.cn/xxgk/zcfb/tz/201201/ t20120113_964370_ext.html.

[25] Moser P, Voena A. Compulsory licensing: evidence from the trading with the enemy act [J]. American Economic Review, 2012,102(1): 396–427.

[26] Damert M, Baumgartner R J. Intra-sectoral differences in climate change strategies: evidence from the global automotive industry [J]. Business Strategy and the Environment, 2018,27(3):265–281.

[27] 張翠菊,張宗益,覃明鋒.能源稟賦?技術進步與碳排放強度——基于空間計量模型的研究[J]. 系統工程, 2016,34(11):47–53.

Zhang C, Zhang Z, Qin M. Research on energy resources, technology advance and carbon emission intensity--based on spatial panel econometric model [J]. Engineering System, 2016,34(11):47–53.

[28] 徐現祥,李書娟.官員偏愛籍貫地的機制研究——基于資源轉移的視角[J]. 經濟研究, 2019,54(7):111-126.

Xu X, Li S. A study of the mechanism of leaders' regional favoritism, based on the resource reallocation perspective [J]. Economic Research Journal, 2019,54(7):47-53.

[29] 曹春方,張 超.產權權利束分割與國企創新——基于中央企業分紅權激勵改革的證據[J]. 管理世界, 2020,36(9):155-168.

Cao C, Zhang C. Partitioning of property rights and the innovation of state-owned enterprises: a quasi natural experiment of bonus incentives reform in central government-owned enterprises [J]. Management World, 2020,36(9):155-168.

[30] 余 萍,劉紀顯.碳交易市場規模的綠色和經濟增長效應研究 [J]. 中國軟科學, 2020,(4):46-55.

Yu P, Liu J. Research on the effects of carbon trading market size on environment and economic growth [J]. China Soft Science, 2020, (4):46-55.

[31] 易 蘭,李朝鵬,楊 歷,等.中國7大碳交易試點發育度對比研究 [J]. 中國人口·資源與環境, 2018,28(2):134-140.

Yi L, Li Z, Yang L, Liu J. Comparative study on the development degree of China' s 7pilot carbon markets [J]. China Population, Resources and Environment, 2018,28(2):134-140.

[32] Wu D, Ma X, Zhang S. Integrating synergistic effects of air pollution control technologies: more cost-effective approach in the coal-fired sector in China [J]. Journal of Cleaner Production, 2018,199:1035– 1042.

[33] 環境保護部.關于印發《重點區域大氣污染防治“十二五”規劃》的通知 [EB/OL]. https://www.mee.gov.cn/gkml/hbb/bwj/201212/ t20121205_243271.htm.

China Ministry of Environmental Protection. On the issuance of the 12th five-year plan for the prevention and control of air pollution in key areas [EB/OL]. https://www.mee.gov.cn/gkml/hbb/bwj/201212/ t20121205_243271.htm.

[34] 薛 飛,周民良.中國碳交易市場規模的減排效應研究[J]. 華東經濟管理, 2021,35(6):11-21.

Xue F, Zhou M. Research on the emission reduction effect of the scale of China’s carbon trading market [J]. East China Economic Management, 2021,35(6):11-21.

Study on the emission reduction effect of China's carbon trading pilot policy and regional differences.

ZENG Shi-hong1, LI Fan1,2, WENG Zhi-xiong3*, ZHONG Zhen4

(1.Department of Economics and Management, Beijing University of Technology, Beijing 100124, China；2.Department of Management, Technical University of Denmark, Lyngby 2800, Denmark；3.Circular Economy Research Institute, Beijing University of Technology, Beijing 100124, China；4.Department of Development Strategy and Regional Economic Research, Development Research Center of the State Council, Beijing 100011, China)., 2022,42(4)：1922～1933

Based on a continuous difference-in-difference model, this study evaluated the emissions reduction effect and regional variation and the mechanism of China's carbon trading pilot policies from 2004 to 2017. The results showed that the carbon trading policy could reduce the carbon intensity of the pilot areas by 9.5%, and every 1% increase in the size and activity of the carbon market brought about a 0.9% and 0.7% reduction in the carbon intensity of the pilot areas, respectively. In terms of heterogeneous impact, the carbon trading policy had a significant emission reduction effect on the east and central regions while it had no significant impact on the western areas. Further, the carbon trading policy had a significantly higher impact on carbon reduction in developed provinces than in developing provinces in China. The carbon emission reduction effect was mainly achieved by implementing influence on the enterprises participating in the market. In addition, the carbon trading policy had a synergistic pollution reduction effect, reduced sulfur dioxide emissions by 22.7% in the pilot areas. Therefore, it is necessary to accelerate the national carbon market and increase the level of carbon market activity. While it is also necessary to smooth emission reduction channels, and promote the synergistic emission reduction of carbon dioxide and other pollutants.

carbon neutral；carbon peak；carbon market；continuous difference-in-difference；synergistic emission reduction effect

X82

A

1000-6923(2022)04-1922-12

曾詩鴻(1969-),男, 四川綿陽人,教授,博士,主要從事碳金融與資源經濟可持續發展研究.發表論文106篇.

2021-08-15

國家自然科學基金專項項目(72140001);國家社會科學基金青年項目(19CJY064);國家社會科學基金重大項目(21ZDA115,21ZDA044)

*責任作者, 助理研究員, wengzx564@163.com