市場型環境規制能促進碳中和目標實現嗎

胡 迪,袁夢怡

(1.首都經濟貿易大學 統計學院;2.首都經濟貿易大學 金融學院,北京 100070)

0 引言

改革開放以來,中國經濟發展取得舉世矚目的成就,但早期粗放型發展模式使得碳排放對生態環境的威脅愈發凸顯,低碳轉型迫在眉睫。實現“雙碳”目標已成為推動經濟高質量發展的內在要求[1]。2020年,習近平主席在第七十五屆聯合國大會一般性辯論上發表重要講話,提出“中國將提高國家自主貢獻力度,采取更加有力的政策和措施,二氧化碳排放力爭于2030年前達到峰值,努力爭取2060年前實現碳中和”,向世界作出中國改善環境氣候的承諾。“碳達峰”與“碳中和”并非一蹴而就。實際上,自20世紀90年代起,政府就已經開始學習西方經驗,通過實施市場化激勵政策,利用排污權交易規則對環境污染進行治理。2011年10月,中國碳交易市場試點工作正式開展,2013年起7個碳排放權交易試點市場逐步啟動,2021年全國碳市場正式啟動。然而,相比于西方發達經濟體,作為世界上最大的發展中國家,中國經濟市場環境與制度條件更為特殊。當前,我國碳中和進程處于什么階段?以碳排放權交易為代表的市場化激勵型環境治理政策能否有效推動碳中和目標的實現?以市場為導向的碳治理政策對碳中和目標的作用渠道與機理又是什么?這都需要通過系統測算與實證檢驗給予解答。

近年來,圍繞“雙碳”議題的研究比較廣泛,涵蓋能源、經濟、政府管理等諸多領域,但關于“碳中和”的文獻卻多將研究重心放在政策梳理、理論路徑分析和國際經驗總結上。囿于文獻研究的不足[2],關于碳中和進程測算仍有較大空缺,相關文獻更傾向于關注碳減排目標時點。姜克雋等[3]利用IPAC-AIM模型進行實證研究發現,為實現溫控目標,中國應該2050年將碳排放量控制在30億t以內;Duan等[4]的測算結果表明,中國應加快碳減排力度,到2050年將碳排放量降至20億t以下。對于中國實際碳排放與碳吸收測算,趙榮欽等[5]通過回顧Chang等[6]、Schipper[7]基于產業結構的碳排放分析,從產業空間角度對中國各省區化石能源和農村生物質能源碳排放量進行估算;謝鴻宇等[8]基于凈生態系統生產量計算全球森林及草原對溫室氣體的碳吸收能力;吳立軍等[9]從碳生態平衡角度出發,構建地區生態安全與協調發展指數。關于環境治理規制對低碳減排影響的研究較多。根據規則實施主體與作用機制不同,環境規則可劃分為命令控制型環境規制與市場激勵型環境規制兩種類型[10]。一系列政策分析研究表明,若以經濟有效方式實現碳深度減排,市場化交易規則將是政策的必要組成部分[11-12]。在歷史進程中,中國的環境規制主要以命令控制型為主[13]。直至21世紀初,市場導向型環境規制才開始逐步實施,尤其是2013年試點實施碳排放權交易機制,成為很好的準自然實驗,隨即涌現出大量文獻對市場型環境規制進行討論。此類研究多采用雙重差分法,分別就碳排放權交易規則對碳排放的抑制作用[10,14]、企業研發創新的正向效應[15]以及碳排放權交易機制的波特效應[16]進行評估。雖然現有文獻已經從多個角度證實碳排放權交易政策能夠降低試點省份碳排放量和碳排放強度[17],但隨著碳中和理念的提出,相關研究不應僅局限于碳排放,以碳排放權交易為代表的市場型環境規制對碳中和是否存在積極效應,這是本文在現有文獻基礎上需要進一步探索的問題。

相比于以往文獻,本文的邊際貢獻主要體現在:第一,提供科學量化碳中和進程的測度指標,從時間和空間雙重維度量化分析中國不同省份碳中和進程,能夠對中國碳中和進程區域異質性和階段性作出科學判斷。第二,對碳中和政策效果進行評估,有助于拓展碳中和研究視角。以往研究在評估碳相關政策有效性時因缺乏量化評估,幾乎只能以碳排放量或碳排放強度作為評價指標,未將政策對碳吸收的影響納入評價,因此無法準確衡量碳減排政策對碳中和的效果。本文將碳排放權交易試點對碳排放的政策效果進一步擴展和延伸至碳中和目標,利用省級層面數據檢驗碳排放權交易政策對碳中和目標的促進作用。第三,從理論分析和實證檢驗兩個方面證實市場型環境規制通過能源結構改善、能源效率提升促進碳中和目標的實現。第四,在政策評估方法上作出一定改進。已有研究多采用雙重差分法,對控制組的條件要求比較苛刻,存在一定的主觀性和隨意性;同時,雙重差分法往往會對多個試點組政策效果進行平均,難以反映政策效果在不同試點省份的差異性,本文采用合成控制法能夠有效避免上述問題。

1 理論分析與研究假設

1.1 碳排放權交易市場碳減排增匯效應

(1)碳排放權交易市場的碳減排效應。碳排放權交易主要通過價格機制將環境污染的外部成本內部化,從而實現降低和約束碳排放量的目標[10]。在具體實施過程中,管理部門根據歷史數據賦予碳減排企業一定的免費排放額度,對超出額度的碳排放量,則需要企業從市場上購買相應碳排放權,否則將會受到懲處。從企業角度看,碳排放權交易會產生兩方面的直接效果:①成本推動效應:企業受到碳排放權交易機制的約束,高碳企業會花費資金購買配額外碳排放權,從而造成成本上升;②收益激勵效應:低碳企業通過出售多余碳排放額度,從碳交易市場獲取額外的資金收入[18]。在成本推動效應下,企業不得不改變生產決策,優化要素資源配置,盡可能降低碳排放量;在收益激勵效應下,企業會加快相關技術研發,減少自身碳排放量,同時將多余碳排放額度出售獲利。在實施碳排放權交易的省份,企業只有在決策過程中充分考慮碳排放權交易政策帶來的影響,整個社會才能在碳排放總量限額下實現帕累托最優[19-20]。

(2)碳排放權交易市場的碳增匯效應。在配額市場之外,碳排放權交易同時引入自愿減排市場交易,實施“碳抵消”的企業可以通過可再生能源項目、森林碳匯項目獲得替代碳排放配額。企業一方面通過出售這部分“碳抵消”獲得收入,另一方面能夠獲取社會聲譽,實現經濟和社會效益雙提升[2]。在實施碳排放交易權省份,政府為吸引更多高技能勞動力以提升當地企業技術創新能力,會努力改善居住環境,治理環境污染,擴大植被覆蓋面積,進而促進植被碳匯相應增加;同時,高技能勞動力增加所帶來的清潔技術和產業結構升級有助于改善當地環境,對植被恢復產生促進作用,進一步提升碳匯能力[2]。因此,在實施碳排放權交易省份,政府和企業均有動力參與碳匯項目,從而提升區域碳匯量。基于上述理論分析,碳排放交易政策實施有利于促進碳減排碳增匯,從而推進地區碳中和進程。據此,本文提出如下假設:

H1:以碳排放權交易為代表的市場激勵型環境規制對地區碳中和目標的實現具有積極推動作用。

1.2 碳排放權交易市場促進碳中和目標實現的作用機理

既然碳排放權交易試點政策能夠有效降低碳排放量并增加碳匯量,那么其通過哪些方式實現碳減排增匯效應?關于碳排放權交易機制對碳中和目標實現的正向作用機理,本文認為存在以下兩條路徑:一是改進能源結構;二是提升能源效率。碳排放交易政策的制定不僅旨在減少碳排放量,同時也是激勵企業進行生產技術革新,促進經濟高質量發展。根據既有文獻分析可知,碳排放交易政策使碳排放權具備商品屬性,受碳排放權配額約束,企業需要重新衡量碳排放成本與收益,短期內可能會通過降低產量或購買碳排放配額將碳排放量控制在既定額度內[21]。但從長期看,這會降低企業利潤,與企業追求利潤最大化的目標相悖。面對限額碳排放約束,企業為減少碳排放量,不得不降低對高碳能源如煤炭的使用,提高對低碳清潔能源如天然氣、水電、核電的使用率,并加大可再生能源項目投入。能源結構改善不僅能使企業碳排放總量控制在限額內,甚至還能將節約出的碳排放額度在碳排放權交易市場出售獲利[18]。傳統能源的不可再生性決定這類能源價格具備長期上漲趨勢,企業在追求利潤最大化目標下有動力完善生產管理體系,投入技術研發,提升單位能源消耗經濟產出。能源效率提升促使企業在既定成本下提高收益,在產值穩定下降低碳排放量。據此,本文提出如下假設:

H2:以碳排放權交易為代表的市場激勵型環境規制通過改善能源結構促進地區碳中和目標的實現。

H3:以碳排放權交易為代表的市場激勵型環境規制通過提升能源效率促進地區碳中和目標的實現。

2 研究設計

2.1 碳中和指數構建

基于碳中和內涵,本文首先對碳排放和碳吸收進行測算,再利用兩方面數據構建3種不同維度的碳中和進度指標。

(1)碳排放(Carbon Emission,COE)計算。本文主要利用化石能源計算傳統高碳能源碳排放,參照IPCC(2006)中的“方法1”[22]構建能源消費碳排放模型,用以度量各省市主要能源消費碳排放量。

COE=∑Qk*NCVk*(CFk*12/44)

(1)

其中,Qk表示第k種能源消耗量;NCVk表示能源k的凈發熱值(低位發熱量),采用《中國能源年鑒》中各種能源折標準煤參考系數;CFk為缺省CO2排放因子,采用IPCC(2006)給定值[22]。

(2)碳吸收(Carbon Absorption,COA)計算。碳吸收又稱為碳匯力,森林碳匯方式已被證實更加有效[8]。因此,本文主要基于森林和草原碳匯力構建省級碳吸收指數。

NPP=GPP-RA

(2)

NEP=NPP-RH

(3)

COA=NEPf*Areaf+NEPg*Areag

(4)

其中,GPP表示生態系統中植物通過光合作用固定的碳總量;RA表示植物呼吸產生的碳量;NPP表示生態系統中植物有機質的凈生產量;NEP反映單位面積植被的固碳能力,由植物有機質凈生產量(NPP)減去有機物殘體分解(RH)得到;NEPf、NEPg分別表示森林和草原的固碳能力[8];Areaf、Areag分別表示森林和草原面積。

(3)碳中和(Carbon Neutrality,CON)系列指數構建。本文從總量、人均和單位GDP三個維度定義碳中和指數。總量碳中和指數反映一個地區實現碳中和的難度,該值越大說明該地區實現碳中和的難度越大;人均碳中和指數反映一個地區人均碳中和難度;單位GDP碳中和指數簡稱經濟碳中和指數,該值越大,說明單位GDP增長所付出的碳中和代價越大,離碳中和目標的實現就越遠。

totalCONit=COEit-COAit

(5)

perCONit=(COEit-COAit)/Nit

(6)

GCONit=(COEit-COAit)/GDPit

(7)

其中,totalCONit表示i省份在第t年的總量碳中和指數;perCONit表示i省份在第t年的人均碳中和指數;Nit表示i省份在t年末的常住人口數;GCONit定義為經濟碳中和指數,表示i省份在第t年的單位GDP碳中和量;GDPit表示i省份第t年的國內生產總值。

2.2 計量模型構建

本文采用合成控制法[23]評估碳排放權交易對推進碳中和進程的政策效果。相比于其它文獻使用雙重差分模型,合成控制法既能夠解決沒有合適事實對照組的問題,又能夠減少對照組選擇的主觀性,以保證評估結果的可靠性。目前,合成控制法已在行政區劃分、房產稅試點、通貨膨脹目標控制以及國家創新城市試點等多個領域得到廣泛應用。

(8)

式(8)中,δt為時間趨勢項;Xi表示不受碳交易試點政策影響的控制變量;θt為一個(1×r)維未知參數向量;λt為一個(1×F)維無法觀測到的公共因子向量;μi為(F×1)維不可觀測的省份固定效應;εit為不能觀測的短期沖擊,在省份水平上的均值為0。與以往因子模型相比,合成控制在更廣泛領域提供了有效估計(蘇治等,2015)。

假設存在一個(K×1)維的向量權重W=(ω2,…,ωK+1)以使ωK≥0,且ω2+…+ωK+1=1。每個向量W的特定值均代表一個潛在合成控制組合,即對K個省份的特定權重。針對每一個控制組省份的結果變量值,經過加權后得到:

(9)

2.3 變量說明

本文將各省份碳中和指數作為目標變量,將可觀測且不受碳交易試點政策影響的變量作為預測控制變量,參考楊秀汪等[24]的研究,結合上述分析,選取如表1所示變量作為預測控制變量。

2.4 數據來源與處理

按照研究思路和方法,碳中和系列指數數據來源于《中國能源統計年鑒》、CEIC數據庫、歷年《中國統計年鑒》和地方統計年鑒,對部分能量或質量數據進行單位換算,其余變量數據均來自歷年《中國統計年鑒》和地方統計年鑒,經過計算得到。

3 中國省域碳中和進程時空分布特征

本文根據碳中和指數構建方法計算2005—2020年中國內地30個省份碳中和系列指數(西藏地區因數據不全,未納入統計),包括總量碳中和、人均碳中和以及經濟碳中和指數,對其時間維度和空間維度特征進行深入分析。

表1 變量定義與計算方法Tab.1 Variable definitions and calculation methods

3.1 碳中和進程時間趨勢

圖1展示了中國2005—2020年的碳中和指數變化趨勢。從中可見,總量碳中和與人均碳中和指數趨勢相同,2005—2011年一直呈較快增長態勢,2011年以后增速逐漸放緩,2012—2017年基本保持平穩態勢,2017—2019年略有增長,2020年下降明顯。深入分析發現,中國總量碳中和指數和人均碳中和指數趨勢與經濟發展階段息息相關。“十一五”(2006—2010年)期間,中國經濟高速增長,國內生產總值年均實際增長11.2%,經濟總量超過日本,成為僅次于美國的世界第二大經濟體,隨之帶來的是占比較大的第一、二產業碳排放增速較快,而碳吸收增速較慢,導致總量碳中和指數與人均碳中和指數不斷上漲。“十二五”(2011—2015年)至“十三五”(2016—2020年)期間,中國加快經濟結構優化,重視生態環境保護,在減緩碳排放量增速的同時不斷增加森林草地等植被面積,總量碳中和指數和人均碳中和指數基本平穩,2020年出現較大幅度下降。與總量碳中和指數與人均碳中和指數趨勢不同,中國經濟碳中和指數整體呈下降趨勢,尤其是2011年以后,經濟碳中和指數下降明顯,彰顯出中國治理碳排放、實現碳中和的決心。

圖1 2005—2020年中國碳中和指數變化趨勢Fig.1 Changes in China's carbon neutrality index from 2005 to 2020

3.2 碳中和進程空間趨勢

結合全國碳中和進程時間趨勢特征,本文分別對中國內地30個省份2010年、2015年和2020年的總量碳中和指數與經濟碳中和指數變化特征進行分析,結果如表2和表3所示。從中可見,西部各省份總量碳中和及經濟碳中和指數在2010年排名大多集中在尾部,部分西部省份歷年排名逐漸上升。以新疆、內蒙古為例,2010年這兩個省份系列碳中和指數均在末5位,但到2020年總量碳中和指數上升到15名之前,經濟碳中和指數排名上升至前5位。究其原因,新疆和內蒙古經濟結構在2010年以后變化明顯,第二產業逐漸成為拉動當地經濟發展的主要力量,第二產業發展帶來碳排放量激增和碳吸收能力減弱,造成兩地系列碳中和指數逐年上升,碳中和進程發生倒退。東北各省份總量碳中和指數排名歷年變化不大,經濟碳中和指數排名在2020年略有上升,在經濟發展質量方面碳含量比重有所加大。東部各省份總量碳中和指數排名歷年較高,碳中和難度較大,主要由歷史產業發展特點決定。以山東為代表的東部能源消耗大省在歷年總量碳中和指數排名中均位列第一,碳排放增速較快,但碳吸收增幅較小,但從指數值看,山東總量碳中和指數增長有所放緩,經濟碳中和指數逐年下降,顯示出東部地區平衡經濟增長與實現碳中和的決心。與山東類似,山西是中部地區代表,作為煤炭大省,山西歷年總量碳中和指數排名全國前五,經濟碳中和指數排名全國前三。但從中部地區整體看,中部各省份歷年經濟碳中和指數下降明顯,得益于中部地區在產業轉型上的努力,第三產業比重上升使碳排放增速放緩,同時植樹造林使區域碳吸收能力持續提升,在經濟發展與環境保護之間實現了較好平衡。

4 實證結果分析

4.1 碳交易機制對碳中和目標的影響

不同于命令控制型環境政策手段,中國近年來逐漸重視市場激勵型環境政策的實施,以最大限度地提高經濟自由度、減少行政干預[25]。不同省份碳中和實現路徑具有很大的差異性,碳排放權交易政策對碳中和目標的實現是否具有促進作用值得深入探討。中國碳交易市場試點工作在2011年10月正式啟動,2013年起7個碳排放權交易試點市場逐步啟動。對各省份而言,碳排放權交易試點政策作為外生事件,可將其視作一種“準自然實驗”。本文以6個省份作為實驗地區,分別以2013年和2014年作為碳交易市場試點政策的沖擊點,在選擇某一試點省份控制組時將其余5個試點省份排除在外。

表2 中國各省份不同年份總量碳中和指數排名Tab.2 Rankings of total carbon neutrality index of China's provinces in different years

表3 中國各省份不同年份經濟碳中和指數排名Tab.3 Rankings of economic carbon neutrality index of China's provinces in different years

續表3 中國各省份不同年份經濟碳中和指數排名Tab.3(Continued) Rankings of economic carbon neutrality index of China's provinces in different years

圖2展示了6個試點省份與對應合成省份的總量碳中和指數變化路徑,其中實線表示試點省份的碳中和指數變化路徑,虛線表示合成省份的碳中和指數變化路徑,垂直虛線為碳交易試點開展時間。根據合成控制法思路,政策實施前試點省份與合成省份擬合程度越好,且政策實施后兩者差異越大,表明政策效果越顯著;反之,則表明政策有效性不強。結果顯示,北京與合成北京在政策實施前擬合度較差,因此難以評估碳交易政策對碳中和目標實現的有效性。究其原因,北京碳中和進程較快,產業結構、經濟發展水平、環境投入在全國所有省份中較為特殊,難以通過其它省份加權擬合。上海實際碳中和指數在2011年以后明顯低于合成對象的值,一方面源于上海經濟發展水平和產業結構的特殊性,另一方面是因為市場主體對碳交易機制政策較早進行調整和轉型預期[26],待2013年碳交易機制啟動后,上海真實碳中和值與合成對象值差異進一步拉大,反映出碳排放權交易政策對碳中和目標實現的促進效果。天津、廣東、湖北、重慶4個碳交易試點省份真實與合成碳中和指數值在各自政策實施前擬合程度較高,在政策實施后兩者碳中和指數差異明顯,且均呈現較大幅度下降,說明碳排放權交易試點政策對于碳中和目標的達成具有較強促進作用,假設H1得到初步驗證。

圖2 6個碳交易試點省份碳中和指數變化路徑Fig.2 Paths of carbon neutrality index change of six carbon trading pilot provinces

4.2 政策異質性分析

針對不同試點省份,碳排放權交易政策影響效果不同。通過對比試點省份與合成省份的差值分布趨勢(見圖3)發現,就總量碳中和絕對值而言,碳排放權交易政策對廣東實現碳中和進程的效果最明顯,廣東與合成省份的差值達到所有試點省份的最大值,重慶與合成重慶的碳中和指數差值最小,說明碳排放權交易政策對重慶的效果不明顯,這與以往研究結論相符。通過進一步研究政策實施效果(差值)占真實碳中和值的比例發現,重慶與合成對象碳中和差值占真實重慶碳中和指數值的比例為9.76%,高于湖北和廣東。以往研究一致認為碳排放權交易政策對重慶碳減排的影響效果不明顯,忽視了重慶本身碳排放總量較低的事實,所以即使政策實施后重慶與合成對象碳中和差值不大,也不能因此就否定碳交易試點政策對重慶碳中和目標實現的促進作用,因為差值占真實重慶碳中和指數值的比例不低。由此得出結論,碳排放權交易政策雖然在不同試點省份呈現差異化影響效果,但整體上碳排放權交易政策能夠促進試點省份碳中和目標的實現,假設H1得到進一步驗證。

圖3 試點省份與合成省份差值分布趨勢Fig.3 Distribution of difference between pilot provinces and their synthetic provinces

4.3 有效性與穩健性檢驗

為驗證研究結果的有效性,本文利用Abadie等[23]提出的安慰劑檢驗法,假設未納入碳交易試點省份實施了碳交易試點政策,根據合成控制法測算合成組的碳中和值,得到其與未實施政策合成控制對象的碳中和值的差異。通過比較真實納入碳交易試點省份與假設組的差異值,若差異較大,說明碳交易試點政策對碳中和目標產生促進作用,即合成控制法能夠較好地評估碳交易試點政策效應,反之亦反。圖4展示了以天津為例的安慰劑檢驗結果,限于篇幅,其它省份安慰劑檢驗和敏感性分析留存備索。

為檢驗實證結果的穩健性,本文進行如下敏感性分析:以天津為例,用迭代方式多次評估合成天津的基礎模型,將合成天津為正的控制組省份逐一剔除,檢驗碳交易試點政策對天津碳中和值的影響是否受合成對象組成權重的影響(見圖5)。從圖4和圖5結果看,無論是安慰劑檢驗還是敏感性分析均證實研究結論具有有效性。

圖4 安慰劑檢驗:天津及其它非試點省份碳中和指數差值分布Fig.4 Placebo test: distribution of carbon neutrality index difference in Tianjin and other non-pilot provinces

圖5 敏感性分析:迭代合成天津碳中和指數分布情況Fig.5 Sensitivity analysis: iterative synthesis of carbon neutrality index distribution of Tianjin

4.4 進一步分析:碳交易政策促進碳中和目標實現的作用機制

前文證實碳排放權交易政策能夠有效降低試點省份的碳中和指數,即能夠有效促進碳中和目標的實現,那么碳排放權交易政策通過哪些渠道對碳中和進程產生影響?碳排放交易政策的制定不僅旨在減少碳排放量,同時也會激勵企業進行生產技術革新,促進經濟高質量發展。理論分析發現,碳排放交易政策使得碳排放權具備商品屬性,企業需要重新衡量碳排放成本與收益,有利于激勵企業減少高碳能源使用,改進能源使用結構;同時,能源不可再生性決定能源價格呈上漲趨勢,因此企業有動力進行綠色技術開發并提升高碳能源使用效率,進而提高能源利用率。本文重點檢驗碳排放交易政策是通過改進能源結構還是提高能源效率對地區碳中和目標產生促進作用,參考Baron等[27]提出的逐步檢驗法構建中介效應檢驗模型,利用省級數據對能源結構和能源效率兩個中介變量進行檢驗,揭示碳排放權交易政策影響機制。

CONit=α0+α1treat×time+α2treat+α3time+φ5Xit+εit

(10)

Eit=β0+β1treat×time+β2treat+β3time+φ6Xit+εit

(11)

CONit=ρ0+ρ1treat×time+ρ2Eit+ρ3treat+ρ4time+φ7Xit+εit

(12)

其中,CONit表示碳中和指數,分別為總量碳中和(totalCON)、人均碳中和(perCON)和(GCON)經濟碳中和。treat為0～1虛擬變量,treat=1代表試點省份,time為政策實施時間變量,2013年之后為1,其余年份為0;交互項treat*time用以衡量碳交易試點制度對碳中和指數的影響。Eit為中介變量,分別指能源結構Estruit(煤炭和焦炭消費量占能源總消費量的比例)和能源效率Eeffit(單位能源GDP經濟效益,萬元/t),Xit代表多個控制變量,εit為隨機擾動項。

從表4結果看,無論是總量碳中和指數、人均碳中和指數還是經濟碳中和指數,treat*time系數均顯著為負,表明碳排放交易政策能夠有效降低當地碳中和指數,對實現碳中和目標具有促進作用。表5式11列結果顯示,treat*time交叉項系數在能源結構中介式1%水平下顯著為負,表明碳排放權交易試點政策對能源結構具有顯著負向影響,即碳排放權交易試點政策能夠有效改善能源結構。結合加入能源結構中介變量的結果看,Estru系數在總量碳中和、人均碳中和、經濟碳中和指數列均顯著為正(Estru值越大,說明當地碳中和進程越落后),表明能源結構對碳中和系列指數均具有顯著中介效應。進一步分析發現,totalCON、perCON和GCON列treat*time交叉項系數顯著為負且絕對值相較于沒有中介變量時的基準回歸系數有所減小,說明能源結構對于降低碳中和指數起部分中介效應,假設H2得到驗證。

表4 中介效應總效應檢驗結果Tab.4 Mediation effect verification results——total effect

表5 能源結構中介效應檢驗結果Tab.5 Mediation effect verification results——energy resource structure

表6式11結果顯示,treat*time回歸系數在1%水平下顯著為正,說明碳排放權交易政策對能源效率具有顯著正向影響,實施碳排放權交易試點政策能夠提升試點省份能源效率,提高當地單位能源GDP經濟效益。結合加入能源效率中介變量的結果看,Eeff系數在表6式12的三列均顯著為負(單位能源GDP經濟效益越高,系列碳中和指數越低,當地碳中和進程越領先),表明能源效率對總量碳中和指數、人均碳中和指數、經濟碳中和指數均具有顯著中介效應。進一步,totalCON、perCON和GCON列treat*time交叉項系數顯著為負且絕對值相較于沒有中介變量時的基準回歸系數有所減少,說明能源效率對降低碳中和指數起部分中介效應,假設H3得以驗證,即碳排放權交易試點政策通過提升能源效率促進地區碳中和目標的實現。

表6 能源效率中介效應檢驗結果Tab.6 Mediation effect verification results——energy efficiency

5 結論與建議

5.1 研究結論

本文從總量、人均和經濟3個維度構建碳中和系列指數,測算2005—2020年中國內地30個省份的碳中和指數,采用合成控制法評價以碳排放權交易為代表的市場化激勵政策對碳中和目標實現是否具有促進作用,基于文獻梳理和機制分析進一步研究類似政策對碳中和目標實現的影響機制,得出如下結論:①中國碳中和進程呈現出較為明顯的倒V型階段性特征,碳中和進程與經濟發展逐漸脫鉤,整體逐步實現經濟“碳中和”高質量發展;②不同區域和省域碳中和進程不同,西部經濟區碳中和進程增速明顯落后于其它地區,與全國背道而馳;③以碳排放權交易政策為代表的市場型環境規制有助于碳中和目標的實現,其中碳交易機制對廣東碳中和進程的促進效應最大;④碳排放權交易政策通過促進能源結構改善和能源效率提升,使各省碳中和指數趨零,進而推動省級碳中和目標的實現。

5.2 政策建議

根據上述研究結論,本文認為不同區域基于產業優勢和經濟發展差異,應構建異質化碳中和實現路徑,碳市場要素設計應充分考慮地區差異,保持一定的靈活性。

(1)東部地區總量碳中和基數較大,是實現中國碳中和目標的主力軍。因此,應發揮低碳省份示范效應,加快對傳統重工業大省低碳技術改造和產業轉型升級,充分利用碳稅、碳排放權交易政策倒逼企業加快能源結構改善和能源效率提升。

(2)中部地區作為中國重要的能源基地和老工業基地,近年來在經濟發展與環境保護之間實現較好的平衡。因此,應鼓勵以山西為代表的中部地區省份在低碳轉型中所作的努力,建立低碳轉型示范省市,落實煤炭清潔低碳發展路線,加快綠色低碳技術攻關,持續推動產業結構優化升級。

(3)東北地區經濟衰退相對明顯,石油和煤炭等不可再生能源逐漸減少,部分產業停滯不前。因此,東北地區要實現碳中和目標,應積極運用低碳技術改造和升級傳統產業,同時做好新舊動能轉換時期的經濟穩定和就業保障工作,充分利用東北萬里林地的碳匯資源,促進東北經濟高質量發展。

(4)西部地區碳排放基數較低但增速較快,有可能成為未來中國碳中和目標實現的阻礙。因此,需要充分利用西部地區豐富的生態資源,提高西部地區碳吸收能力,使其擺脫對高碳能源的過度依賴,構建低碳能源供應體系。

5.3 不足與展望

本文存在如下不足:對于碳中和指數中碳匯的測算存在優化空間,受限于數據和方法,目前僅考慮陸地植被碳匯,未加入海洋、湖泊等水體碳匯測算,未將工業碳匯技術加入研究范疇。未來將在碳匯測算能力發展的基礎上,深入探究更精確的碳中和指數測算方法,以提高研究結論的精準性和適用性。