碳交易與“碳稅”的減排效應及作用路徑研究

劉海英 鐘瑩

摘?要：碳排放權交易和碳稅是降低碳排放的主要市場化手段。本文采用雙重差分空間杜賓模型（SDM-DID）和中介效應檢驗對其減排效應、空間溢出效應以及作用路徑進行檢驗。研究發現，我國碳排放在空間上存在顯著的正相關性，存在高-高排放、低-低排放地區聚集的空間特征；兩種碳減排政策在考慮空間關聯性后仍然具有顯著的減排效果，其中碳排放權交易存在正向的空間溢出效應，試點省份周邊地區能借助試點省份的政策紅利實現碳減排，而“碳稅”的空間溢出效應為負，存在“污染天堂”現象，碳排放權交易能通過促進工業結構低碳轉型、改善能源結構來實現碳減排，“碳稅”能通過提高能源效率和改善能源消費結構來減少碳排放。

關鍵詞：碳排放權交易；碳稅；空間雙重差分；空間溢出；作用路徑

中圖分類號：F832.?5??文獻標識碼：A??文章編號：1001-148X（2023）01-0098-10

收稿日期：2021-10-26

作者簡介：劉海英（1972-），男，吉林松原人，教授，博士生導師，研究方向：環境與經濟可持續發展；鐘瑩（1995-），本文通訊作者，女，重慶人，博士研究生，研究方向：環境治理、低碳經濟。

基金項目：國家社科基金重大項目“‘十四五時期環境約束推動產業平穩、綠色低碳發展的機制與路徑研究”，項目編號：21ZDA006；國家社科基金項目“環境規制促進我國工業綠色轉型作用路徑研究”，項目編號：20BJY102；吉林大學基本科研業務費“碳達峰碳中和”哲學社會科學研究專項項目，項目編號：2022ST02。

中國經濟發展已由高增長階段轉向高質量階段，“十四五”時期經濟社會發展的主要目標是在質量效益明顯提升的基礎上實現持續健康發展。在碳達峰和碳中和的目標下，廣泛形成綠色生產生活方式，持續減少二氧化碳和“三廢”污染物排放總量成為實現經濟高質量可持續發展的必然要求。在改革開放的40多年中，中國經濟告別了短缺時代取得了舉世矚目的成就，但同時也造成了嚴重的環境污染。因此，低碳轉型已成為經濟高質量和可持續發展的必然選擇。為了實現“雙碳”目標推動經濟低碳轉型，我國政府出臺了許多減排政策，其中碳稅和碳排放權交易機制是世界各國應用較為廣泛的碳減排手段，我國也進行了相關的嘗試。從2006年開始，相關部門和學者就展開了關于碳稅征收的必要性、可行性以及稅收機制設計等相關研究。與此同時，碳排放權交易制度作為另一種市場型環境管理手段也于2013年6月起先后在七個試點相繼啟動。這兩種碳排放管理市場化手段的有效性如何？在經濟運行中通過何種路徑實現對碳排放的控制？對這些問題的研究具有重要的現實意義。

一、文獻綜述與研究假設

（一）文獻綜述

低碳轉型的直接目標是要減少二氧化碳的排放，世界各國進行碳減排的政策工具一般有兩種，一種是利用市場的庇古手段，包括征收碳稅、環境稅、排污費等，另一種是創建市場的科斯手段，包括為碳排放設置交易權、國際補償制度等［1］。Pigouter在其所著的《福利經濟學》中提出，負外部性問題單純依靠參與者與非參與者之間的協商是不夠的，需要政府干預，對產生負外部性的參與者征稅或收費才能有效解決［2］。Coase（1960）認為碳稅的征收雖然能在一定程度上減排二氧化碳，但政府的干預一定程度上擾亂了市場的資源配置功能，因此提出另一種解決辦法：將負外部性當作一種商品，在明晰產權的情況下允許其在市場中交易，相關者在市場機制中都得到了利益的滿足。這種解決負外部性的方法既實現了市場的資源配置功能，又提高了社會整體福利［3］。碳排放權交易（簡稱“碳交易”）就是在這樣的理論基礎下誕生的制度。總結來說，由于碳排放屬于公共物品，具有非競爭性和非排他性，社會中的個體都有消費碳排放的沖動且不必承擔相應的責任，因此導致了碳排放的濫用。因此，明晰碳排放的產權并將其產生的“負外部性”內部化為排放者的成本是減少碳排放的重要手段。

碳稅研究在方法上主要以可計算一般均衡（CGE）模擬分析為主，Whalley（1991）提出了包含國際貿易和碳排放的靜態CGE模型，并分析了在生產和消費過程中征收碳稅對國際貿易和環境的影響［4］。Burniaux?et?al（1992）提出了全球遞歸的動態CGE模型，自此之后，大量國內外學者開始將CGE模型運用于分析碳稅和環境污染治理的相關問題中［5］。張曉娣和劉學悅（2015）基于動態CGE模型進行情景模擬，比較了碳稅和發展可再生能源對經濟增長和居民福利的影響，結果發現兩類政策都會提高能源價格［6］。Zhang?Z?et?al.?（2017）構建全球CGE模型，評價分析了單一碳稅和組合碳減排政策的實施效果，結果發現，組合碳減排政策的減排效果更佳［7］。總體來看，政策效果方面，征收碳稅的減排效應比較明顯，但會存在一定的福利損失；研究方法上，由于我國還沒有實際征收碳稅，所以對碳稅的政策效果研究方法通常停留在通過CGE模型進行仿真模擬。

碳交易研究在方法上主要有雙重差分法（DID）、控制合成法，在效應評價上以評價減排效應為主，其他效應為輔。任亞運和傅京燕（2019）采用雙重差分法研究發現碳排放權交易在減排了二氧化碳的同時，還協同減排了二氧化硫等其他污染物，并促進了試點地區整體的綠色發展［8］。劉傳明等（2019）采用雙重差分法和合成控制法對碳交易試點地區碳減排效果進行檢驗，結果表明碳交易制度的減排效果具有區域異質性，廣東、天津、湖北、重慶的碳減排效果較為明顯［9］。

綜上所述，控制碳排放的環境政策主要有碳稅和碳排放權交易制度。國內外學者通過CGE情景模擬、DID雙重差分對這兩種碳減排政策的減排效果進行了大量的研究，基本一致認為這兩種碳減排政策對降低碳排放有明顯的作用。CGE模型雖然已經是一種成熟的用于評估政策效應的仿真模擬模型，但是它不能擺脫投入產出的設定，內部作用機制難以追蹤等CGE模型本身固有的問題，因此，本文選擇使用雙重差分法來檢驗政策的有效性。隨著經濟的發展，信息技術和交通網絡的發展為生產要素流通、產業轉移提供了便利，各地區間不再是相互獨立的個體，經濟變量聯系愈發緊密。因此，在評價政策效果時考慮地區空間關聯性是十分有必要的，但目前國內鮮有學者對碳排放的空間特征以及碳減排政策的空間溢出效應進行評估，或者沒有將空間溢出效應進行分解。為彌補已有研究的局限，本文將構建空間雙重差分對兩種碳減排的政策效果進行評估，并對碳減排政策如何實現碳減排的內在機制進行研究分析。

（二）研究假設

碳減排政策并不是直接作用于碳排放的管控，而是對高排放企業產生直接作用。無論是征收碳稅還是交易碳排放額，企業對碳排放的需求越多，所支付的成本越高，在這種成本壓力效應下，一部分高排放企業因無法承擔高額的費用而被迫退出市場，這驅使生產要素從“高碳”產業向“低碳”產業傾斜，在宏觀上表現出“低碳”產業占比上升的特征。而另一部分高排放企業則通過改變生產模式，提高能源效率等方式節省碳排放成本。比如電力行業，發電商會在碳減排政策下權衡碳價或碳稅與轉換燃料（例如煤與天然氣的轉換）的成本，選擇更為節省的方式。這樣的轉變會逐步提高清潔能源的占比，優化能源結構，降低燃料的碳排放強度。除此之外，碳減排政策還會誘發留在市場中的企業自發的改變技術進步的偏向性，促使技術朝著低碳與提高能效的方向發展。根據以上分析，本文提出三條碳減排政策的作用路徑；工業結構低碳轉型路徑、能源結構優化路徑、提高能源效率路徑。

1.工業結構低碳轉型路徑

根據上述分析，當高排放企業因無法支付環境成本而退出市場時，行業中低碳企業的占比會逐漸提高，最終實現工業結構的低碳轉型。李鍇和齊紹洲（2020）探究了節能減排政策、新能源補貼、碳交易對工業結構轉型的影響，發現節能減排政策能夠顯著地促進工業結構向低碳化轉型升級［10］。原嫄（2016）對多個國家進行對比分析，發現第二產業對碳排放的影響恒為正值，產業結構的調整能有效降低碳排放［11］。根據以上分析提出如下假設：

H1：碳減排政策能夠促進工業結構低碳轉型從而實現碳減排。

2.能源結構

能源結構決定了單位能源消費所產生的二氧化碳量，在能源消費總量不變的情況下，能源結構的不同帶來的碳排放也會有所不同。長期以來，我國的能源結構一直是以煤炭消費為主。圖1是根據《BP世界環境統計年鑒2018》繪制出的中國與世界能源結構對比圖，從中可以看出，中國煤炭消費占比遠高于世界煤炭消費占比，可再生能源消費占比略高于世界平均水平，石油、天然氣、核電消費占比低于世界平均水平。張樹偉（2011）通過構建可計算一般均衡的CSGM模型，模擬情景顯示碳稅征收對經濟增長影響不大，但能有效改善電力部門能源結構，提高其非化石能源消費的比重［12］。彭旭和崔和瑞（2016）通過定量分析發現加強水電、核電等新能源的利用對降低我國碳強度具有積極作用［13］。基于此，本文提出如下假設：

H2：碳減排政策能夠優化能源結構從而實現碳減排。

圖1?中國與世界能源結構對比

3.能源效率

能源效率對單位產出的能源消耗有著重要影響，在產出總量既定且其他條件不改變的前提下，能源效率越高能源消耗量越少，碳排放量越少。同時能源效率也隱含了技術效率和規模效率兩個方面，因此可以通過能源效率的進步反映技術進步和規模效應。查冬蘭等［14］研究發現，雖然存在能源回彈效應，但能源效率的提高仍然能顯著減少二氧化碳的排放，尤其是電力部門能源效率的提高對減排二氧化碳有很好的效果，未來綠色技術的研發也會朝著提高能源效率這一方向發展。因此，提高能源的使用效率也是降低二氧化碳排放的途徑之一。基于此，本文提出如下假設：

H3：碳減排政策能夠通過提高能源效率降低碳排放。

二、模型設定

雙重差分法是一種應用較為廣泛的用以評估政策效果的方法［15］。傳統的非空間雙重差分只考慮了政策在當地的影響，忽略了政策對周邊地區的影響，導致政策效果被高估。空間計量認為，各省之間并不是相互獨立的，在經濟上有著廣泛的聯系，通常距離越近的省份聯系越密切。當一個政策實施時，不僅會對本省產生效果，對鄰接的省市也會溢出影響。為了更為準確的評估政策效果以及政策的空間溢出效應，本文構建了包含碳交易和碳稅兩種碳減排政策的空間雙重差分計量模型（SDID），對碳減排政策的減排效果進行檢驗，并且采用空間雙重差分的分解模型將碳減排政策空間溢出效應進行分解，除此之外也采用非空間雙重差分（DID）評估碳減排政策的作用效果作為穩健性檢驗。首先，參照范巧和吳麗娜（2018）構造了非空間雙重差分模型［16］：

ceit=α0+∑Kkαkxit，k+αK+1Dit+αK+2CTit+γt+μi+εit（1）

公式（1）中ceit表示二氧化碳排放量，xit表示控制變量，Dit為組合虛擬變量，由組別虛擬變量和時間虛擬變量的中心化取值的乘積構成，即Dit=（D1it－D1）×（D2it－D2），其中D1it為組別虛擬變量，若數據屬于實驗組（政策實施），則D1it=1，反之D1it=0；D2it為時間虛擬變量，在政策實施之前，D2it=0，實施之后的每一年（包括政策實施當期），D2it=1；D1和D2分別為兩個虛擬變量的序列均值，CTit表示碳稅，εit是與省市年份無關的隨機誤差項。

在構建空間雙重差分之前，需要判斷選擇空間模型的類型。在空間模型選擇檢驗中，LR檢驗、Wald檢驗、LM?Error?robust檢驗、LM?Lag?robust檢驗和Hausman檢驗均在在1%顯著性水平下顯著，因此本文選擇固定效應的空間面板杜賓模型（Spatial?Durbin?Model，?SDM），空間雙重差分模型構建如下：

ceit=ρWceit+∑Kkαkxit，k+αK+1Dit+αK+2WDit+αK+3CTit+αK+4WCTit+αK+5W∑Kkαkxit，k+γt+μi+εit（2）

公式（2）中，W是空間權重矩陣，本文采用空間鄰接矩陣。αK+1是碳排放權交易市場（簡稱“碳交易”）對試點省市的直接處理效應，αK+3為碳稅的的直接效應，αK+2和αK+4分別表示碳交易政策和碳稅政策的溢出效應（間接效應）。ρ表示二氧化碳排放量在空間上的關聯性，其余符號含義與公式（1）中相同。由于碳稅政策在所有省份都有實施，因此該政策的溢出效應不用分解，而碳交易政策只在試點省份實施，模型中測算的溢出效應包括了所有的溢出效應，而本文只關心實驗組對控制組的溢出效應和實驗組對實驗組的溢出效應，因此本文參考Chagas?et?al將碳交易的溢出效應進行分解，模型構建如下［17］：

ceit=ρWceit+∑Kkαkxit，k+αK+1Dit+αK+2Wtt+Wtnt+Wntt+WntntDit+αK+3CTit+αK+4WCTit+αK+5W∑Kkαkxit，k+γt+μi+εit（3）

公式（3）中將評估碳減排政策的溢出效應的矩陣進行分解，分解為Wtt、Wtnt、Wntt、Wntnt，這四個矩陣分別表示實驗組對實驗組的溢出效應、控制組對實驗組的溢出效應、實驗組對控制組的溢出效應、控制組對控制組的溢出效應，具體權重分解方法如下：

Wtt=diagDt×W×diagDt

Wtnt=diagDt×W×diagIn－Dt

Wntt=diagIn－Dt×W×diagDt

Wntnt=diagIn－Dt×W×diagIn－Dt（4）

公式（4）中，In為n×n的單位矩陣，diag（Dt）表示主對角是Dt其余全是0的矩陣。由以上分解可以得到Dtnt=0和Dntnt=0。因此，基于空雙重差分模型變為：

ceit=ρWceit+∑Kkαkxit，k+αK+1Dit+αK+2WttDit+αK+3WnttDit+αK+4CTit+αK+5WCTit+αK+6W∑Kkαkxit，k+γt+μi+εit（5）

公式（5）中αK+2和αK+3分別表示碳交易政策對實驗組（試點省份）和控制組（非試點區省份）的溢出效益，其余符號含義與前文一致。

三、變量選取和數據來源

（一）二氧化碳排放量

本文選取二氧化碳的排放量作為被解釋變量，由圖2的碳排放核密度函數可以看出，從2007—2015年，碳排放較低的省份逐漸減少，中等碳排放和高碳排放的省市逐漸增加，二氧化碳排放總量逐年上升（該數據來源于中國碳核算數據庫）。

空間計量的前提是數據具有空間依賴性（即“空間自相關”），因此本文對各省碳排放進行了空間全局的Morans?I指數檢驗，檢驗結果如圖3所示。圖3的橫坐標表示二氧化碳的排放量，縱坐標表示二氧化碳排放量與空間權重矩陣的乘積。從圖3中可以看出，二氧化碳排放量在空間上存在“正空間自相關”，也就是具有高排放地區與高排放地區聚集，低排放地區與低排放地區聚集的空間特征。除此之外，本文還進行了空間全局的Gearys?C指數檢驗和Getis-Ords?G指數檢驗，三個指數都在1%的顯著性水平下顯著為正，說明二氧化碳排放量在空間上存在正向相關。

（二）碳排放交易

2013年6月起，作為減排二氧化碳的市場型環境規制政策，碳交易先后在七個試點省市：?北京、天津、上海、重慶、湖北、廣東和深圳啟動。由于除了深圳市，其他試點都是省和直轄市，為了統一研究范疇，本文將深圳市合并到廣東省。參照李廣明和張維潔（2017）的做法，將?2014?年之前定為非試點期，2014?年之后（包括?2014?年）為試點期，將北京、天津、上海、重慶、湖北、廣東作為實驗組，其余30個省份作為控制組［18］。由于數據可得性以及數據統計口徑等原因，不包含西藏、港澳臺地區作為控制組。

（三）碳稅

世界各國對于二氧化碳的減排政策一般分為兩種，一種是征收碳稅，另一種是為碳排放設計交易機制，也就是碳交易。雖然我國目前沒有碳稅這一稅收條目，但碳稅的本質是對產生二氧化碳的能源消費進行征稅，根據這一定義，本文將與能源消費相關的稅收項目整合。根據我國目前的稅收政策，資源稅的納稅對象為原油、天然氣、煤炭、其他非金屬礦原礦、黑色金屬礦原礦、有色金屬礦原礦、鹽；消費稅的納稅對象為成品油、汽車輪胎、摩托車、小汽車、鞭炮煙火、木質一次性筷子、實木地板；車船稅的納稅對象為車輛和船舶，這三項稅收條目都與二氧化碳的產生息息相關。排污費也是我國普遍減少碳排放的政策之一，按照排污付費的原則征收，與碳稅原理一致。因此，本文將消費稅、資源稅、車船稅和排污費之和作為碳稅初始值。鑒于我國并沒有實施碳稅制度，本文將與碳排放有關的稅收條目加總作為“碳稅”這一指標的替代，具有一定的科學依據。為了剔除各省份本身環境污染程度的差異和經濟規模的不同，本文將全國碳強度與各省碳強度之比作為調節權重，將調節權重與碳稅初始值的乘積作為碳稅的代理變量。稅收數據來源于中國研究數據服務平臺（CNRDS）?稅收研究（CTRD），2000—2012年的排污費數據來自中國人民共和國生態環境部網站，2013—2015年數據來源于《2014-2016中國環境年鑒》。

（四）其他控制變量

經濟發展（growth），本文選取人均GDP作為衡量經濟發展的表征指標。能源和環境的投入在帶來經濟增長的同時也帶來了環境污染，在我國改革開放的40年中，大部分省市是以犧牲環境為代價的粗放式發展，經濟增長越快環境污染越嚴重。產業結構（ins），本文采用第三產業與第二產業之比作為產業結構的代理指標，第二產業的生產特點使其對能源需求和利用的強度較高，而第三產業的能源消耗依存度較低，因此第二產業占比越高，能源消耗越大，加之中國能源消費中煤炭消費占比較高，導致污染物排放量大。對外開放（fdi），本文使用當年實際使用外資金額這一指標來代表對外開放程度，隨著中國國際化進程的推進，國家貿易擴張的同時帶來了二氧化碳排放的升高，外資的大量涌入會帶來產業規模不合理擴張，導致產能過剩、能源消耗和環境污染。技術進步（innov），本文采用各省當年人均專利授權數這一指標來衡量，綠色技術的進步對減少碳排放有著重要意義。考慮數據可得性，本文選取2007-2015年中國30個省市相關數據進行分析，以上指標均來自于《2008-2016中國統計年鑒》《2008-2016中國工業統計年鑒》和Wind數據庫。

四、實證結果分析

本文采用空間雙重差分對碳交易和“碳稅”兩種碳減排政策的實施效果以及空間溢出效應進行評估。為了使估計結果更為穩健，我們首先進行平行趨勢檢驗，然后引入控制變量、個體效應、時間效應，通過非空間雙重差分、空間雙重差分、空間雙重差分的分解三個模型進行估計。回歸結果見表2。

表2的第（1）列是平行趨勢檢驗的結果，可以看到在碳交易政策實施的前三年處理效應是不顯著的，在碳交易實施當期和后一期是顯著的，因此滿足平行趨勢檢驗。第（2）列是非空間雙重差分，其中碳交易處理效應的虛擬變量系數（Dit）和碳稅（CTit）的系數分別為-3.?430和-5.?632，且都在1%的顯著性水平上顯著為負，這說明這兩項碳減排政策能夠有效減少二氧化碳的排放。第（3）列是空間雙重差分模型，其中空間自回歸系數ρ=0.?194，且在1%的水平上顯著，說明二氧化碳排放量在空間上有正向的關聯性，周邊地區二氧化碳的排放會對當地的二氧化碳的排放產生正向的作用，因此，考慮其空間關聯性是非常有必要的。Dit和CTit的系數分別為-3.?283和-4.?876，在1%水平上顯著，說明兩個碳減排政策在考慮地區空間關聯性后依然能有效降低二氧化碳的排放，但碳交易和碳稅的減排效果在考慮了空間關聯性之后，相比與之前的減排效果都有所降低，這是考慮了政策空間溢出效應之后對政策效果評價的修正。除此之外，碳交易的溢出效應（WDit）和碳稅的溢出效應（WCTit）的系數分別為-1.?982和6.?377，這說明碳交易政策有著正向的福利擴散，不僅能降低試點省份的二氧化碳排放，還能夠降低試點省份周邊地區的二氧化碳排放，試點省份起到了示范引領作用。其產生正向空間溢出效應的根本原因是試點省份與非試點省份之間存在要素流動，非試點區借助試點地區的政策紅利，實現了福利的流動，進而形成了正向空間溢出效應，促進相鄰省份的碳減排。與之相反的是，碳稅的征收對周圍地區的碳排放存在顯著的促進作用，這意味周圍地區碳稅征收的強度增大會導致本地二氧化碳排放增加，碳排放出現由高強度的環保政策地區向低強度環保政策地區轉移的現象，即“污染天堂”現象。第（4）列是空間雙重差分的分解，通過分解可以發現，試點省份對試點省份和非試點省份的溢出效應都為負，也就是說碳交易不僅使得試點省份的二氧化碳排放量降低了，也使得周邊地區的碳排放降低。但碳稅政策的空間溢出效應（WCTit）在SDID分解的模型也在1%水平上顯著為正，結合第（3）列的結論，表明當地碳稅的提高顯著降低當地二氧化碳排放的同時會使得周邊地區的二氧化碳排放量提高，存在污染轉移的現象。

五、進一步分析

（一）模型設定

為檢驗三種碳減排政策的作用途徑，本文采用中介效應分析對前文提出的三個假設進行檢驗。借鑒Baron?and?Kenny（1986）和溫忠麟（2004）提出的中介效應檢驗方法，構建以下三步法遞歸模型，檢驗碳減排政策是否能通過以下途徑達到減排效果［19-20］。

圖4?中介效應示意圖

圖4是中介效應分析的示意圖，圖4（1）是兩種碳減排政策直接作用域對二氧化碳排放量這一變量，路徑系數為c，c代表了碳減排政策對二氧化碳排放的總效應。圖4（2）加入了工業低碳結構、能源結構、能源效率三種中介變量，系數a表示碳減排政策對中介變量的效應，系數b表示中介變量對二氧化碳排放量的效應，ab之乘積構成了圖4變量間的間接效應，c′表示控制中介變量之后，碳減排政策對二氧化碳排放的效應，為直接效應。因此，總效應=ab+c′，若ab顯著存在，則存在中介效應，且ab占總效應比重越高，中介效應越強，當ab顯著而c′不顯著時，稱為完全中介。根據示意圖，我們構建三步中介效應檢驗模型如下：

ceit=cDit+∑Kkα1，kxit，k+γ1，t+ε1，it

Mit=aDit+∑Kkα2，kxit，k+γ2，t+ε2，it

ceit=c′Dit+bMit+∑Kkα3，kxit，k+γ3，t+ε3，it（6）

ceit=cCTit+∑Kkα1，kxit，k+γ1，t+ε1，it

Mit=aCTit+∑Kkα2，kxit，k+γ2，t+ε2，it（7）

ceit=c′CTit+bMit+∑Kkα3，kxit，k+γ3，t+ε3，it

（二）變量測算

1.?工業低碳結構。本文對工業低碳結構指標的構造方法如下：首先，本文選取的工業行業參照《中國工業經濟統計年鑒》的細分標準。由于工業行業分類標準在不同年份發生變化，為保持統計口徑一致，本文將塑料制品業與橡膠制品業合并為塑料橡膠制品業。由于工藝品及其他制造業、廢棄資源和廢舊材料回收加工業以及其他采礦業這3個子行業部分年份數據缺失，本文將其剔除。經上述調整后，形成?35?個工業行業。其次，參照童健等（2016）對清潔行業的劃分方法，本文采用2005-2015年各行業碳排放強度（單位產值的碳排放）的平均數作為劃分依據，將碳排放強度低于0.?1的9個行業定義為低碳行業，將碳排放強度高于1的12個行業定義為高碳行業［21］。最后，工業結構低碳化轉型用省際地區低碳行業產值與高碳行業產值之比表示，該比值上升表示投入要素從高碳行業轉移到低碳行業，反之則相反。

2.?能源結構。本文將各省當年非煤炭占比作為能源結構的代理變量。

3.?能源效率。測算能源效率主要有參數和非參數兩種方法。參數法具有先驗的函數形式，這可能與實際的生產函數偏離，導致估計結果存在偏差，并且參數法無法得到每個決策單元的能源效率［22］，因此本文選擇日本學者Tone（2001）提出SBM模型這一非參數方法來測算效率［23］。SBM模型是一種非徑向的DEA，它允許投入產出按不同比例進行壓縮或擴張。Zhang?N?and?Choi?Y（2013）將SBM模型用于能源效率的測算［24］。本文參照該方法測算中國各省的能源效率，公式如下：

ρ=min1－1/3s－lxl+s－kxk+s－exe1+s+oyo

s.?t.??xl=Xλ+s－l

xk=Xλ+s－k

xe=Xλ+s－e（8）

yo=Yλ－s+o

s－l0，s－k0，s－e0

s+o0，λ0

在以上的規劃求解中，（xl，xk，xe，yo）分別代表勞動投入、資本投入、能源投入和產出，勞動投入采用各省當年勞動人口作為代理變量，接著根據單豪杰（2018）提出的方法以2000年為基期計算了各省的資本存量作為資本投入，能源投入采用各省當年能源消費總量作為代理變量，產出采用當年各省實際GDP（2000為基年）［25］。（s－l，s－k，s－e，s+o）代表投入和產出的松弛變量，松弛變量本質上是投入產出的無效率程度，當松弛變量為0的時候，決策單元的效率值等于1。根據這一定義，能源效率測算公式如下：

energy?efficiency（ee）=1－s－exe（9）

（三）檢驗結果及分析

為了探究碳交易和碳稅的作用機制，本文將工業低碳結構、能源結構、能源效率作為中介變量通過三步法進行中介效應檢驗，并且進行了Sobel檢驗作為中間效應回歸的穩健性檢驗，還三步法回歸結果以及Soble檢驗結果如下：

根據圖4、公式（6）和公式（7），表3中c表示碳減排政策對二氧化碳排放的回歸系數，a代表碳減排政策對中介變量的回歸系數，c′和b表示碳減排政策和中介變量同時作為被解釋變量時，其分別的回歸系數。ab的乘積表示中介變量的間接效應，c′表示直接效應。首先，第一步是檢驗碳減排政策對二氧化碳排放量的效果（c），可以看到，碳交易和碳稅兩種政策的回歸系數分別-13.?167和-5.?855，都在1%的水平上顯著，說明這兩種減排政策能降低碳排放，通過第一步檢驗；第二步是將兩種碳減排政策分別對三種中介變量進行回歸，其結果由系數a表示，我們發現，系數a在表3第（1）、（2）、（5）、（6）列均顯著，第（3）列和第（4）列不顯著。說明碳交易政策可以促進工業低碳轉型、降低煤炭消費、改善能源結構，但對能源效率的提升沒有顯著的正向影響，說明碳減排政策中的碳交易政策能夠促進工業低碳轉型和優化能源結構兩條路徑實現碳減排，假設H1、假設H2得到驗證。而碳稅政策有所不同，其對工業結構低碳轉型的作用并不明顯，但可以顯著的改善能源消費結構和提高能源效率，說明通過提高能源效率從而實現碳減排這一路徑成立，假設H3部分得到證實。因此，除了碳交易對能源效率、碳稅對工業低碳結構，其余中介變量的第二部檢驗通過。第三步是將碳減排政策和中介變量同時作為被解釋變量，檢驗加入中介變量，碳減排政策的直接減排作用，同時得到系數b，進而計算中介變量的間接效應（ab）。可以看到，第（1）、（2）、（4）、（5）列中介變量的回歸系數b和c′都是顯著的，同時c′在加入中介變量之后，碳減排政策的效果（c′）相比沒有中介變量的效果（第一步回歸結果“c”）時有所降低，自此，碳交易政策下工業低碳結構、能源結構，碳稅政策下能源結構、能源效率通過第三步中介效應檢驗。表4中展示了中介變量的間接效應，整體來看，碳交易政策的工業低碳結構和能源結構的中介效應分別為-4.?108、-1.?564，表明工業結構低碳轉型和能源結構的改善可以減少碳排放，且中介效應占比總效應分別為31.?1%和11.?8%；碳稅的能源結構和能源效率的中介效應分別為?-0.?868、-0.?996，表明碳稅政策可以通過這兩種途徑實現碳減排，且中介效應占比分別為14.?8%和17.?0%。最后一行展示了Sobel檢驗的結果，其結果三步法的檢驗結果一致。

六、結論與建議

本文基于2007-2015年的省際面板數據，采用雙重差分空間杜賓模型（SDM-DID）對碳稅和碳交易兩種碳減排政策的作用效果進行評價，并且采用傳統雙重差分法（DID）和空間雙重差分的分解模型作為穩健性檢驗，除此之外，本文進一步對碳減排政策減排二氧化碳的作用路徑進行分析，得到如下結論：（1）我國碳排放在空間上具有正向相關性，呈現高排放與高排放地區聚集、低排放與低排放地區聚集的特征，同時周邊地區的碳排放對當地的碳排放具有正向影響。（2）碳稅和碳交易的減排效果都十分明顯，其中碳交易政策具有正向的空間溢出效應，試點地區周圍省份借助試點地區的政策紅利，碳排放都顯著降低。與之相反的是碳稅政策存在明顯的負向空間溢出效應，當地省份的碳排放會隨著周邊地區碳稅征收強度的增大而增加，高碳產業選擇向碳稅強度較低的省份轉移，出現“污染天堂”現象。（3）碳交易政策可以通過工業結構低碳轉型、改善能源消費結構兩個途徑降低碳排放，在促進能源效率提高方面作用并不顯著。碳稅可以通過改善能源結構、提高能源效率來實現碳減排，但對工業低碳化轉型沒有明顯推動作用，碳稅存在負向空間溢出效應，嚴格的碳稅征收會使高碳產業為了規避成本而選擇轉移，并不能實現當地產業的低碳升級。

根據以上研究結論，本文提出以下建議：（1）完善區域間碳轉移的補償機制。由于碳排放在大氣中是沒有界限的，在碳減排政策的應用中，二氧化碳排放的轉移不可避免。由于碳排放在空間上存在正向相關性，地區之間的應該建立健全碳排放轉移的補償機制，碳排放轉出地區應該與碳排放轉入地區應共同分享經濟收益，逐漸縮小地區之間碳排放的差異，實現全局的碳減排。（2）持續加強碳交易、碳稅等碳減排政策的減排作用。對于碳排放權交易，首先在設計碳排放額分配的時候應該兼顧公平和效率原則，采取免費與拍賣相結合的方式，同時需要政府根據地區異質性制定不同的拍賣比例。為避免地方政府官員因“政績”沖動擅自提高高碳企業的碳配額以及高碳企業為獲取更高的利潤而出現尋租等行為，相關的監管部門部門必須進行嚴格的監管，同時社會公眾的監管也要參與其中。其次，在碳排放交易過程中標的物二氧化碳的價格穩定尤為重要，目前我國試點省份的碳價格差異較大，這提高了碳交易的風險，因此政府應該完善碳排放的定價機制，降低市場的不確定性，吸引更多的參與者。最后，完善碳交易體系，將更多的省份納入碳交易市場，加強地區之間碳交易合作。對于征收碳稅，首先碳稅對碳減排有積極的正向作用，我國應該積極探索碳稅推出的時機。然后，對碳稅的征收標準和征收方式應該因地制宜，在達到減排作用的同時，避免出現污染的空間轉移。（3）多種途徑并行推動碳減排。碳交易通過促進工業低碳轉型、和改善能源結構實現了碳減排，但對能源效率的提高作用有限，這可能和碳交易制度不完善、碳交易市場流動性較低有關，應該積極完善碳交易的配額機制、定價機制等，讓更多的省份參與其中。碳稅能改善能源消費結構、提高能源效率，但對工業結構低碳轉型作用較少，這可能是由于碳稅的征收讓地區之間出現了污染轉移，因此應該因地制宜根據地區的差異性合理征收碳稅。特別值得注意的是，兩種碳減排政策都能通過改善能源結構這一途徑推進二氧化碳減排的進程，這與中央財經會議上提出的要實施可再生能源的替代行動，構建以新能源為主體的新型電力系統不謀而合。因此，通過碳減排政策倒逼光伏、風伏等新能源行業的發展，完善相關的規范條件，確立新能源與傳統化石能源相同的主體地位是實現“雙碳”目標的有效途徑。除此之外，兩種碳減排政策的作用路徑可以互補，因此考慮碳減排政策之間的協同作用，通過多種途徑并行，實現碳減排目標。

參考文獻：

［1］?宋國軍.環境政策分析［M］．北京：化學工業出版社，2008：35-36.

［2］?Pigouter?A?C.?The?Economics?of?Welfare，?1920［M］．Cnina?Social?Sciences?Publishing?House，?1999.

［3］?Coase?R?H.?The?Problem?of?Social?Cost［M］．?Palgrave?Macmillan?UK，?1960.

［4］?Whalley，?John，?Wigle，?et?al.?Cutting?CO2?Emissions：?the?Effects?of?Alternative?Policy?［J］．?Energy?Journal，?1991.

［5］?Burniaux?J?M，?Martin?J?P，?Nicoletti?G，?et?al.?Green?a?Multi-sector，?Multi-region?General?Equilibrium?Model?for?Quantifying?the?Costs?of?Curbing?Co2?Emissions：?a?Technical?Manual［J］．?Oecd?Economics?Department?Working?Papers，?1992.

［6］?張曉娣，劉學悅.?征收碳稅和發展可再生能源研究——基于OLG-CGE模型的增長及福利效應分析［J］．?中國工業經濟，2015（3）：18-30.

［7］?Zhang?Z，?Zhang?A，?Wang?D，?et?al.?How?to?Improve?the?Performance?of?Carbon?Tax?in?China？［J］．?Journal?of?Cleaner?Production，?2017，142：2060-2072.

［8］?任亞運，傅京燕.?碳交易的減排及綠色發展效應研究［J］．?中國人口·資源與環境，2019（5）：11-20.

［9］?劉傳明，孫喆，張瑾.中國碳排放權交易試點的碳減排政策效應研究［J］．中國人口·資源與環境，2019（11）：49-58.

［10］李鍇，齊紹洲.碳減排政策與工業結構低碳升級［J］．暨南學報（哲學社會科學版），2020（12）：102-116.

［11］原嫄，席強敏，孫鐵山，李國平.產業結構對區域碳排放的影響——基于多國數據的實證分析［J］．地理研究，2016（1）：82-94.

［12］張樹偉.?碳稅對我國電力結構演變的影響——基于CSGM模型的模擬［J］．?能源技術經濟，2011（3）：11-15.

［13］彭旭，崔和瑞.中國能源結構調整對碳強度的影響研究［J］．大連理工大學學報（社會科學版），2016，37（1）：11-16.

［14］查冬蘭，周德群，孫元.?為什么能源效率與碳排放同步增長——基于回彈效應的解釋［J］．系統工程，2013（10）：105-111.

［15］王立勇，李東旭，陳曉雨.“國家自主創新示范區”政策的效果評估——來自準自然實驗的經驗證據［J］．數量經濟研究，2019，21（4）：22-39.

［16］范巧，吳麗娜.國家級新區對屬地省份經濟增長影響效應評估［J］．城市問題，2018（4）：48-58

［17］Chagas，Andre?L.S，?Azzoni?C?R，?et?al.?A?Spatial?Difference-in-differences?Analysis?of?the?Impact?of?Sugarcane?Production?on?Respiratory?Diseases［J］．?Regional?Science?and?Urban?Economics，?2016：24-36.

［18］李廣明，張維潔.中國碳交易下的工業碳排放與減排機制研究［J］．中國人口·資源與環境，2017，27（10）：141-148.

［19］Baron?R?M，?Kenny?D?A.The?Moderator-mediator?Variable?Distinction?in?Social?Psychological?Research：?Conceptual，?Strategic，?and?Statistical?Considerations［J］．?Chapman?and?Hall，?1986，?51（6）：1173-1182.

［20］溫忠麟，張雷，侯杰泰，等.中介效應檢驗程序及其應用［J］．心理學報，2004（5）：614-620.

［21］童健，劉偉，薛景.環境規制、要素投入結構與工業行業轉型升級［J］．經濟研究，2016，51（7）：43-57.

［22］王慶一.?中國的能源效率及國際比較［J］．?節能與環保，?2005（6）：10-13.

［23］Tone?K.?A?Slacks-based?Measure?of?Efficiency?in?Data?Envelopment?Analysis［J］．?European?Journal?of?Operational?Research，?2001，130（3）：498-509.

［24］Zhang?N，Choi?Y.?Environmental?Energy?Efficiency?of?Chinas?Regional?Economies：?A?Non-oriented?Slacks-based?Measure?Analysis［J］．?Social?Science?Journal，?2013，?50（2）：225-234.

［25］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，2008，25（10）：17-31.

Carbon?Trading?and?“Carbon?Tax”?Emission?Reduction?Effect?and?Action?Path

LIU?Hai-yinga，?ZHONG?Yingb

（a.Center?for?uantitative?Economics;b.School?of?Business?and?Management，Jilin?University，

Changchun?130012，China）

Abstract：?Carbon?Emission?Trading?（CET）?and?Carbon?Taxes（CT）?are?typical?representatives?of?market-based?measures.?This?article?uses?the?Spatial?Durbin?Model-Differences?in?Differnces（SDM-DID）?to?re-examine?the?emission?reduction?effects?of?CET?and?CT.?Simultaneously，?evaluate?the?spatial?spillover?effects?of?the?two?carbon?emission?reduction?policies，?and?further?test?the?mediation?effects?of?their?transmission?mechanisms.The?results?found?that：?Chinas?carbon?emissions?have?a?significant?positive?spatial?correlation，?and?at?the?same?time?have?a?positive?spatial?spillover?effect.?There?are?spatial?characteristics?of?high-emission?and?high-emission?regions，?and?low-emission?and?low-emission?regions.?The?two?carbon?emission?reduction?policies?of?CET?and?CT?still?have?significant?emission?reduction?effects?after?considering?the?spatial?correlation.?Among?them，?the?emission?reduction?effect?of?CET?trading?has?positive?spatial?spillover?effects.?With?the?help?of?the?pilot?provinces?policy?dividends，?carbon?emissions?have?been?significantly?reduced?by?regions.?On?the?contrary，?the?spatial?spillover?effect?of?CT?is?negative，?and?the?increase?in?the?intensity?of?carbon?tax?collection?in?the?surrounding?areas?will?increase?local?carbon?emissions，?creating?a?“pollution?paradise”?phenomenon.?Carbon?emission?rights?trading?can?achieve?carbon?emission?reduction?by?promoting?low-carbon?transformation?of?the?industrial?structure?and?improving?the?energy?structure，?and?carbon?taxes?can?improve?energy?efficiency?and?energy?efficiency，consumption?structure?to?reduce?carbon?emissions.

Key?words：?carbon?emission?trading;?carbon?taxes;?differences?in?differences;?spatial?spillover?effect;?mediating?effect

（責任編輯：趙春江）