企業偏向性技術進步的碳減排效應：來自碳排放權交易政策的沖擊

摘要 從生產效率視角識別企業碳減排效應的來源既是紓緩企業低碳減排與生產經營矛盾的必要前提，也是推動企業綠色低碳轉型的關鍵環節。該研究首先借鑒大氣定量遙感反演的方法，估算了2007—2021年上市企業的碳排放量與偏向性技術進步，采用雙向固定效應的雙重差分模型，分析了碳排放權交易政策及其制度要素（包括碳價格、碳市場活躍度、碳市場規模）的碳減排效應，并進一步探討了碳排放權交易政策、企業偏向性技術進步與碳減排效應之間的內在機制。結果表明：①碳排放權交易政策及其制度要素能夠顯著促進上市企業碳減排，同時碳排放權交易政策顯著提升了企業產出偏向性技術進步，抑制了中性技術進步，但對企業投入偏向性技術進步的影響不顯著，表明上市企業的碳減排效應主要源自企業降低生產前沿面而不是技術進步，該結果通過了穩健性檢驗。②企業類型差異會引起碳排放權交易政策對企業碳減排效應與偏向性技術進步的異質性影響，勞動密集型企業或高耗能企業相較于資本密集型企業或低耗能企業展現出更顯著的碳減排效果和偏向性技術進步；企業技術偏向類型的差異也會引起碳排放權交易政策的碳減排效果存在異質性，產出減少型企業比產出增加型企業碳減排效果更顯著，能源要素或勞動要素偏向型企業比資本要素偏向型企業碳減排效果更顯著，且降低能源投入、增加勞動投入均能夠促進企業碳減排。③當上市企業面對碳排放權交易政策制度要素沖擊時，技術進步企業的碳減排效果顯著優于技術退步企業；同時，較低水平的碳價格和碳市場活躍度，以及較高水平的碳市場規模能夠顯著調節碳交易政策通過企業偏向性技術進步產生的碳減排效應。

關鍵詞 企業偏向性技術進步；環境規制制度要素；碳排放權交易政策；企業碳減排

中圖分類號 F062. 4；X22 文獻標志碼 A 文章編號 1002-2104（2024）11-0036-16 DOI：10. 12062/cpre. 20240737

習近平在第七十五屆聯合國大會、黨的十九屆五中全會和聯合國《生物多樣性公約》第十五次締約方大會中多次提及中國碳達峰碳中和的碳減排目標。為此，國務院和國家發展改革委先后出臺了《中共中央 國務院關于完整準確全面貫徹新發展理念做好碳達峰碳中和工作的意見》《2030年前碳達峰行動方案》和《關于完善能源綠色低碳轉型體制機制和政策措施的意見》，不僅明確了“十四五”時期與2030年能源綠色低碳轉型的階段性目標，更提出引導工業企業開展清潔能源替代，降低單位產品碳排放，鼓勵具備條件的企業率先形成低碳、零碳能源消費模式。目前國內落實了以碳排放權交易政策（以下簡稱碳交易政策）為代表的一系列降碳政策，以期實現“雙碳”目標。碳交易政策是以價格激勵作用為核心，通過遵循成本效應和創新補償效應，內化外部成本，實現企業低碳減排的目標，這既能夠產生低碳減排的環境效應，又能夠產生推動區域綠色發展、提升能源效率的經濟效應，還能夠產生激勵企業增加創新投入、實現產品“量質提升”的創新效應［1-2］。然而，面對現階段多重環境規制約束以及經濟高質量發展的壓力，碳交易政策是否真的能夠激勵企業通過技術創新，產生波特效應，實現低碳減排的目標？為了實現能耗雙控的約束，地方政府在執行過程中存在偏差，導致“一刀切”停產限產或“運動式”減碳的現象［3］，這雖然能夠在短期實現低碳目標，但忽視了企業降碳的成本收益問題，也不利于企業建立節能降碳的長效機制，從長期看更容易導致企業碳排放的回彈效應。此外，碳交易政策通過哪些制度要素約束企業排放行為？影響企業生產成本與技術創新？企業面對不同碳交易的制度要素沖擊，如何調整生產要素投入，實現以較少成本獲得更多期望產出的目的？從微觀層面了解企業應對環境規制約束的行為，不僅有利于解釋碳交易政策的減排機制，為建立健全全國統一碳市場提供微觀理據，還為企業構建長效減排機制、實現低碳轉型目標提供經驗證據與政策啟示。

1 文獻綜述與理論假設

碳交易政策的減排效果已得到理論與實踐的檢驗。理論上，碳交易政策可以通過綠色專利［4］、生產效率［5］、研發投入［6-7］等方面激發企業創新活力，提高生產力，從而抵消環境規制產生的成本［8］。現實中，歐盟［9-10］、美國［11］、智利［12］等也驗證了碳交易政策能夠顯著降低二氧化碳排放。

現有文獻基于波特假說，認為以碳交易政策為代表的環境規制措施能夠通過創新補償效應與遵循成本效應，既減少企業非期望產出，又增加其期望產出。事實上，一方面相關研究忽略了不同政策要素對政策效果、企業行為產生的差異性［13-14］；另一方面，也忽略了環境規制沖擊會引起要素稟賦差異，進而產生技術進步的偏向性問題［15］。當企業受到碳交易政策約束時，不僅需要維持利益最大化的目標，還要兼顧最小碳排放的約束，理性的企業面臨3種決策方案：第一，降低產出。企業通過減少產出降低能耗，實現短期碳減排目標，但這會損害企業生存空間。第二，技術進步。提高企業綠色創新技術，降低長期減排成本，增加相對碳配額量，從根源上緩解企業生產和減排之間的矛盾，但該方案會耗費高額的研發成本，且存在不確定性。第三，配額交易。企業在技術和產量不變的前提下，在碳市場上購買碳配額，與技術研發相比，該方案雖然能夠降低長期減排成本，但碳價格將企業外部成本內化，依舊約束了企業生產行為。總體而言，上述方案均是通過改變企業投入產出效率進而影響生產行為與碳減排效果，而要素投入的差異會導致企業生產效率存在差異，從而影響碳減排效果，即環境規制會導致企業技術進步對資本、勞動、能源的邊際產出、對期望產出與非期望產出的邊際成本產生差異化影響，從而引起有偏向的技術進步［16］。此外，部分學者發現企業面對多重環境規制約束更愿意選擇減產路徑以實現短期低碳目標，同時碳交易政策中的市場機制措施并未產生預期的效果。沈洪濤等［17］、Zhang等［18］發現碳市場的減排效果是由企業犧牲經濟目標為代價實現的，而非長期減排技術產生的效果；吳茵茵等［13］發現碳交易政策生效的主要原因在于行政干預的約束。

綜上，當企業面對多重環境規制沖擊時，原本中性的技術進步會因為增加了環境約束條件而產生偏倚，而這種技術進步的偏向性來源于環境規制政策造成的生產要素邊際產出、產出邊際成本的差異性，即企業面對外部沖擊不得不改變投入產出時，更愿意選擇增加邊際產出相對較高的生產要素，或者減少邊際成本相對較低的產出。據此提出研究假設。

H1：碳交易政策能夠顯著減少企業碳排放，但這種降低不是來源于企業技術進步，而是來源于生產前沿面降低，即企業以減產為代價實現降碳目標。

在碳交易體系中主要包括以碳價格、碳市場活躍度、碳市場規模為核心的政策工具，以及碳信息披露等輔助性政策工具。碳價格是碳市場中重要的政策工具，但也存在明顯的局限性。在長期均衡的條件下，當控排企業的邊際減排成本相等時，雙方能夠達成交易，實現社會減排總成本最小化，此時的邊際減排成本即為碳市場價格［19-20］。然而部分研究表明，雖然碳價格是實現低碳發展的市場手段，但其減排效果并不顯著。一方面，現實中碳價格不僅很難與企業邊際減排成本匹配，還會受到能源價格、宏觀經濟、匯率，甚至氣候變化等外部沖擊的影響［21-22］；另一方面，碳價格的減排作用主要體現在減少碳增量，對“漸進式”的低碳發展難以產生較好的作用，并且目前沒有相關研究證據表明碳價格對凈零排放有顯著的作用［23-25］。碳市場活躍度是反映市場需求多樣性和交易主體參與度的重要指標。一般而言，若碳市場運行狀況良好，則市場活躍度較高［26］。理論上，活躍的碳交易市場能夠降低企業長期減排成本，推動交易主體實現綠色技術創新、低碳減排的目標。碳市場規模直接反映了控排企業對碳配額的需求，是碳市場容量的體現［27］。除了碳價格、碳市場活躍度、碳市場規模之外，中國碳交易政策還包括企業碳信息披露與監管處罰兩種類型的工具。其中，企業碳信息披露包括碳核查、碳盤查、碳管理等過程；監管處罰主要包括對重點排放單位、第三方核查機構、碳交易所、政府行政人員的監督管理，對違反相關規定的人員與單位進行經濟（罰款與碳配額）、行政、法律層面的處罰。從成交額的波動情況看，國內控排企業為了躲避相關處罰，在碳市場中存在明顯的“到期日效應”［13］。據此，進一步提出研究假設。

H2：在上市企業技術水平不變時，不同程度的碳交易制度要素（碳價格、碳市場活躍度、碳市場規模）對上市企業的碳減排效應存在不同的影響。

H3：在不同碳交易制度要素（碳價格、碳市場活躍度、碳市場規模）的沖擊下，不同偏向性技術進步的上市企業其碳減排效果存在差異。

綜上所述，現有關于碳交易政策的文獻存在以下不足之處：第一，鮮有文獻從微觀層面直接分析碳交易制度要素對企業碳減排效果的影響。受制于微觀數據，關于碳交易政策的研究對象仍以區域、產業為主，部分研究在數據上采用城市、縣域碳排放作為企業碳排放的替代變量，不僅無法準確估計企業的減排效果，也很難剝離出現實中多重政策沖擊的混雜性因素，即使部分學者采用工企數據庫計算，但數據過于陳舊，難以判斷真實的碳減排效果。第二，鮮有文獻從偏向性技術進步的視角探討環境規制對企業技術進步的影響。現有研究將偏向性技術進步作為企業、地區、行業全要素生產率變化的原因，忽略了偏向性技術進步本身也是“結果變量”，外部沖擊會引起企業改變要素投入和產出，從而影響技術進步與碳減排。有鑒于此，可能的邊際貢獻體現在以下兩個方面：第一，在研究數據上，借鑒大氣定量遙感反演方法，估算企業碳排放數據，并利用統計學方法，提出驗證估算結果的一種思路，為評估碳交易政策提供微觀證據。第二，在研究視角上，以碳交易制度要素為起點，通過外生沖擊，分析其對企業投入產出的影響，從效率的角度分析碳交易政策對企業偏向性技術進步的影響，構建出“政策沖擊—企業偏向性技術進步—碳減排”之間的因果鏈，拓展了波特理論的微觀證據。因此，本研究以上市企業為研究對象，構建具有雙向固定效應的雙重差分模型，考察碳交易政策中不同制度要素對企業偏向性技術進步以及對企業碳減排效果的影響，并進一步探討了不同偏向性技術進步的企業面對碳交易制度要素存在不同的碳減排效果，以及不同水平的碳交易制度要素如何通過企業偏向性技術進步影響碳減排效果。

2 研究設計與特征事實

2. 1 數據測度與模型構建

2. 1. 1 企業碳排放的測度與評估

企業碳排放的主流測算方法主要依據工業企業數據庫、企業污染數據庫、企業稅收調查報告中煤炭、燃料油、天然氣等重要能源數據，采用排放因子法計算并加總到企業層面作為企業碳排放，亦或采用遙感監測的碳排放柵格數據按照經緯度范圍與中國縣域、市域等行政區劃進行裁剪匹配［28-29］。也有學者直接采用縣域或者城市碳排放近似替代企業碳排放，亦或是根據企業經營數據與宏觀區域比例近似平替企業碳排放［13，30］。前者雖然能準確計算企業碳排放，但囿于數據時效性和完整性，難以估計碳交易政策的碳減排效果；后者雖然便于計算，但以宏觀數據替代微觀數據，誤差較大，碳交易政策效果未必準確。

據此，本研究借鑒大氣定量遙感反演的方法，估算上市企業碳排放量。該方法的原理是基于聚集的CO2能夠吸收陽光中的部分光譜頻點，即在衛星遙感監測圖中特定光譜較弱的區域表明CO2分子密集，反之表明CO2分子分布稀疏。計算思路為：首先，構建以上市企業辦公地經緯度數據為圓心、半徑1 km的圓形區域；其次，利用碳排放遙感監測柵格數據作為上市企業所在區域的碳排放數據源；最后，將上市企業辦公地所在的圓形區域與碳排放的遙感監測柵格數據進行裁剪匹配，得到上市企業辦公地周邊的碳排放量，可近似替代為上市企業碳排放數據。雖然大氣定量遙感反演可以將上市企業與區域碳排放的遙感數據相匹配，但該方法存在以下局限性：第一，與IPCC能源消耗的計算方法相比，該結果并不是完全精確，只是反映出經緯度范圍內的碳排放量，而這個區域內可能存在多個碳排放企業；第二，由于遙感監測的原理是通過CO2分子分布疏密性得到的監測數據，只能反映出具體監測時點上市企業辦公地周邊1 km圓形區域內空氣中CO2分子的含量，并不能直接代表上市企業產生的碳排放量；第三，該方法的本質仍是區域碳排放測算，通過極小空間單元的碳排放近似替代該區域內企業的碳排放，但由于部分上市企業的管理中心與生產中心在空間上存在分離的特征，會誤估實際的企業碳排放結果，從而導致碳交易政策效果存在偏誤。基于上述3點局限性，本研究的企業碳排放本質上是由上市企業標記出來的其辦公地所在的區域碳排放，并不是指整個企業的碳排放。因此，采用該方法計算的上市企業碳排放數據需要進一步進行統計檢驗，以證明大氣定量遙感反演方法及其估算企業碳排放結果具有可靠性。主要采用圖形檢驗、配對樣本t 檢驗和核密度檢驗3種方法從全國和省級層面進行評估。具體的評估思路為①：第一，匯總企業碳排放測算數據。分別按照“年份”“省份-年份”的方式將按企業辦公地計算的碳排放數據自下而上地匯總到全國及省級層面；同時，按照IPCC提出的排放因子法從省級能源消耗角度計算2007—2021年全國及各省份碳排放量及其增長率。第二，圖形檢驗。根據兩組數據繪制趨勢圖，直觀地判斷數據變化趨勢。第三，將兩組數據的碳排放量及其增長率按“年份”“省份-年份”的方式配對，分別進行配對樣本t 檢驗和核密度檢驗，以確保兩組數據具有統計意義的無差異特征以及統計分布的相似特征。最終，經過上述3種檢驗方法，本研究認為將上市企業辦公地經緯度數據匹配空間遙感信息，借鑒大氣定量遙感反演思路計算的上市企業碳排放數據無論是全國還是省級層面，碳排放增長率的趨勢、波動、分布與IPCC計算的碳排放增長率具有一致特征，其結果是可靠的，但由于上市企業只是全國部分企業，從碳排放總量的角度來看兩者存在數量級的差異。

2. 1. 2 企業偏向性技術進步測度

目前，偏向性技術進步的測度方法主要包括參數估計和非參數估計兩種。參數估計法主要以Acemoglu［31］、Acemoglu等［32］、Antonelli等［33］等人為代表，基于CES生產函數計算各生產要素間的替代彈性，利用計量模型估算相關參數，并以此為基礎構建技術進步偏向性指數；非參數估計法則是以F?re等［34］的研究為基礎，以數據包絡模型為核心的估計方法。借鑒Tone［35］、Fukuyama等［36］的研究，基于松弛變量的SBM方向性距離函數，計算包括非期望產出的Malmquist?Luenberger 指數，并參照F?re等［37-38］方法將Malmquist?Luenberger指數中的技術變化部分（TC）進一步分解為偏向性技術進步（BTC）和中性技術進步（MATC）。若MATC 大于1（小于1），表示中性技術進步（退步），其含義為企業在投入和產出不變的前提下，生產可能性邊界前移（后退）造成的生產率變化，可理解為技術本身的變化幅度或者增產（減產）。BTC 大于1（小于1），表示偏向性技術進步（退步），表明企業在t 期與t+1期，由于投入或者產出發生變化，導致技術變化產生偏移。因此，企業的偏向性技術進步可以進一步分解為投入偏向性技術進步（IBTC）和產出偏向性技術進步（OBTC）：

為了進一步判斷企業技術進步的偏離程度以及要素偏向識別問題，參考Weber 等［39］、楊翔等［40］以及丁黎黎等［41］的研究，在式（1）和式（2）的基礎上，構造企業要素（產出）偏向指數，以此表示企業技術變動的要素（產出）偏向情況。

2. 1. 3 基準模型與機制檢驗

為估計碳交易政策對上市企業的碳減排效應，采用多期DID 模型作為基準模型，根據碳排放交易試點成立的時間構造DID 變量，當企業i 的取值代表廣東、深圳、北京、天津、上海、湖北、重慶、福建時，treati = 1，為實驗組；當i 的取值代表其他地區時，treati = 0，為對照組。同時，當i 的取值為廣東、北京、天津、上海且t ≥ 2013，或者當i的取值為湖北、重慶且t ≥ 2014，或者當i 的取值為福建且t ≥ 2016時，postit = 1；除此之外，其余postit = 0。因此，基準模型設定如下：

2. 2 指標選擇與數據來源

2. 2. 1 被解釋變量與解釋變量

以上市企業辦公地周邊1 km范圍的碳排放量對數值（lnC）作為企業碳排放量的代理變量，并以此為被解釋變量，同時選取8個碳交易試點構建的多期DID 變量作為核心解釋變量（DID）。

2. 2. 2 機制變量

（1）環境規制制度要素變量。借鑒吳茵茵等［13］的思路，爬取中國8 大碳交易市場日度數據（https：//www.hbets. cn），以碳市場成交價年均值的對數值作為碳交易價格變量（lnprice），以每年非零成交量天數的對數值作為碳交易市場的活躍度指標（lnnonzero），以年碳成交額總量與試點地區碳排放總量的比值作為相對市場交易規模指標（lnscale）。

（2）上市企業技術進步變量。參考丁黎黎等［41］的思路計算上市企業偏向性技術進步。其中，期望產出指標為上市企業凈利潤（億元）的對數值；非期望產出為上市企業辦公地半徑1 km范圍內的企業碳排放量（萬t）的對數值；投入指標從勞動力投入（L）、能源消耗（E）和資本存量（K）3個方面考慮。其中，勞動力投入選取上市企業員工數量（人）作為替代指標；能源消耗采用上市企業電力消耗量（億kW·h）作為替代變量，由于缺少直接統計數據，借鑒投入產出法的思路，計算出2007—2021年各省份電力消耗強度（各省份電力消耗量/實際地區生產總值），再用上市企業營業總收入與電力消耗強度的乘積作為上市企業電力消耗量的替代變量；資本存量采用張軍等［42］永續盤存法計算，具體公式為：

2. 2. 3 控制變量

為了保證模型結果的穩健性，從上市企業7個財務特征選取14個指標作為控制變量。①比率結構，選取上市企業固定資產比率（Z1）和所有者權益比率（Z2）；②償債能力，以上市企業資產負債率（Z3）和經營活動產生的現金流量凈額占負債比例（Z4）反映企業債務償還能力；③發展能力，以企業營業收入增長率（Z5）作為替代指標；④盈利能力，選擇上市企業總資產凈利潤率（Z6）和凈資產收益率（Z7）表征企業盈利水平；⑤經營能力，以應收賬款與收入比（Z8）、存貨與收入比（Z9）、總資產周轉率（Z10）作為企業經營水平的替代變量；⑥現金流水平，選取營業收入現金凈含量（Z11）作為表征上市企業現金流狀況的指標；⑦企業相對價值，選取上市企業市值的對數值（Z12）、上市企業托賓Q值（Z13）、上市企業市盈率對數值（Z14）表示企業價值水平。

2. 2. 4 數據來源

以2007—2021年4 575個上市企業為研究對象，共涉及全國83個細分行業、31個省份（未涉及港澳臺地區）。其中，全球碳排放數據來源于歐盟委員會全球大氣研究排放數據庫（emissions database for global atmospheric research，EDGAR）提供的0. 1°×0. 1°碳排放遙感監測柵格數據，上市企業相關數據來自中國經濟金融研究數據庫CSMAR。各省份電力消耗量、實際GDP、GDP 平減指數等宏觀數據均來自國家統計局、《中國統計年鑒》和《中國能源統計年鑒》。同時，為了消除異常值對估計結果的影響，連續變量在估計時進行1%的縮尾處理。各變量描述性統計結果見表1。

2. 3 上市企業的特征事實

2. 3. 1 上市企業碳排放特征事實

根據2007—2021年上市企業碳排放數據繪制核密度分布曲線①。從整體分布特征可知，上市企業碳排放近似符合泊松分布，且具有明顯的左偏態右拖尾特征，說明企業碳排放均值遠小于其中位數，少部分企業的碳排放相對較高；同時右拖尾偏長，表明企業碳排放數據延展性較強，差異性明顯；此外，核密度曲線分布出現多峰特征，相對于高排放區域的分布，上市企業集中分布于低排放區與中等排放區。雖然上市企業碳排放年均值依舊呈緩慢上升趨勢（6. 15萬～7. 56萬 t），但從核密度曲線的時間變化特征可知，中國的碳減排成效相對顯著。圖中左側峰值隨年份推移持續上升，數據集中度不斷提升，說明低碳排放企業數量不斷增加，且增加幅度明顯；中間區域的峰值并不明顯，表明中等排放的企業數量逐漸減少；右側拖尾區域（40萬 t以上）隨時間變化的特征并不明顯，企業分布數量變化較大，表明目前企業低碳轉型工作的困境在于如何降低高碳企業數量與碳排放總量。

2. 3. 2 上市企業偏向性技術進步要素分布特征事實

根據式（3）和式（4）計算，圖1示意了2007—2021年上市企業偏向性技術進步要素識別的分布數量結果。第一，從企業數量分布可以看出，與技術退步的企業相比，2007—2021 年技術進步的上市企業數量相對較多。第二，從產出角度可以看出，BTC gt; 1的上市企業，其技術進步來源于期望產出，即凈利潤增加，而BTC lt; 1的企業，產出相對更多的非期望產出，即碳排放增加。這說明目前上市企業的技術進步符合當前企業低碳轉型的發展要求。第三，兩兩對比資本、勞動力、能源3種要素的投入偏向性技術進步可以看出，樣本期內推動中國上市企業技術進步的主要原因是增加了勞動力與能源要素的投入，而資本存量增加引致的技術進步企業數量相對較少；同時，引起上市企業偏向性技術退步的原因在于密集使用資本要素或能源要素。因此，借鑒楊翔等［40］對技術進步（退步）在3種生產要素偏向排序的方式，本研究認為促進上市企業技術進步的生產要素依次是勞動力、能源、資本，阻礙技術進步的要素依次是資本、能源、勞動力。具體而言，在“資本-能源”兩種要素中，產生技術進步的企業更偏向選擇能源要素，而技術退步的企業更偏向于投入更多的資本要素；在“資本-勞動力”結果中，技術進步企業更愿意選擇勞動力要素，而技術退步企業偏向于資本要素；而在“能源-勞動力”要素中，密集使用勞動力更具備推動企業實現技術進步的潛力，能源投入更傾向于阻礙企業技術進步。

3 實證分析

3. 1 基準估計結果

表2中列（1）—列（2）為碳交易政策對上市企業碳排放的估計結果，列（3）—列（8）依次為碳交易政策對上市企業產出偏向性技術進步、投入偏向性技術進步、中性技術進步的影響結果。結果表明：第一，碳交易政策對上市企業存在顯著的碳減排效應，在加入控制變量后，DID 的系數在1%的置信水平下顯著為負。第二，碳交易政策顯著提升了上市企業的產出偏向性技術進步，同時也顯著降低了上市企業的中性技術進步，其系數分別為0. 075 和-0. 011，均通過了1%的顯著性檢驗。第三，碳交易政策并未顯著降低上市企業的投入偏向性技術進步，其系數雖然為負，但未通過顯著性檢驗。基準估計結果一方面證明了碳交易政策確實存在降碳效果，另一方面也證明了碳交易政策的碳減排效應并不是來源于環境規制的“創新補償效應”。首先，產出偏向性技術進步的估計結果意味著碳交易政策能夠促使企業在生產要素投入不變的前提下，增加期望產出或者減少非期望產出，降低了產出的邊際成本，從而提升了投入產出效率；其次，投入偏向性技術進步的估計結果表明碳交易政策并不能顯著降低生產要素的邊際成本，從而減少要素投入而實現效率提高；最后，中性技術進步的估計結果進一步表明技術進步不改變企業邊際產出和生產要素邊際成本時，碳交易政策的沖擊降低了上市企業的生產效率，即企業選擇降低生產前沿面以達到降低碳排放的目的。據此，基準估計結果初步驗證假設H1：碳交易政策能夠顯著降低上市企業碳排放，但降低的碳排放并非源自企業實質性的技術進步，而是企業通過減少產量換取碳排放空間的結果。

3. 2 平行趨勢檢驗

雙重差分模型的基本前提是碳交易政策實施前控制組與對照組的企業碳排放或技術進步不存在顯著差異，即政策實施前DID 系數不通過顯著性檢驗，而政策實施后DID 系數顯著不為0。因此，參考Sun等［43］的思路，采用事件研究法檢驗，進行平行趨勢檢驗。模型設定如下：

圖2（a）示意了碳交易政策對上市企業碳排放的平行趨勢檢驗結果，發現碳交易政策實施前大部分系數并不顯著，僅政策實施前1期開始上市企業碳排放量顯著為正，當政策落地后，企業碳排放量顯著為負且持續降低，表明碳交易政策存在顯著的降碳作用，且在政策實施前企業存在“預期效應”。同理，圖2（b）—圖2（d）示意了碳交易政策對上市企業技術進步的平行趨勢檢驗結果，均表明在碳交易政策實施前，上市企業的產出偏向性技術進步、投入偏向性技術進步和中性技術進步的DID 估計系數并不顯著，但在政策實施后DID 系數顯著不為0，即碳交易政策對上市企業的技術進步存在影響。其中，碳交易政策在政策效果上對IBTC 和MATC 的解釋力度相對較差，但其結果均滿足平行趨勢假設。

3. 3 穩健性檢驗

3. 3. 1 剔除部分樣本

囿于上市企業總公司及其子公司、關聯公司的能耗、碳排放等數據并未公開，同時相關的生產性企業涉及上市企業機密，缺乏相關數據，導致本研究采用的大氣定量遙感反演方法難以精確的計算企業碳排放，也無法從能耗的角度準確地計算出上市企業管理中心與生產中心的碳排放結果，但通過樣本的篩選能夠保證基準估計結果的穩健性，能夠相對真實地評估碳交易政策的效果。基于菲克第二擴散定律，距離碳排放中心越遠，對應位置的碳排放濃度越小。因此，分別計算了上市企業辦公地半徑1 km、2 km、3 km、4 km、5 km、10 km、15 km圓形區域范圍的碳排放濃度（t/km2），篩選出企業碳排放濃度符合菲克第二擴散定律的樣本（半徑1 km碳排放濃度最高且濃度隨距離增加而遞減），從而剔除企業辦公地半徑1 km范圍內存在其他高碳排放企業的情形，以此表征上市企業辦公地半徑1 km范圍內不存在碳排放濃度高于自身的其他企業，并在此基礎上進行穩健性檢驗①。結果顯示，DID 變量系數與基準估計結果一致，對企業碳排放的影響為-0. 105，通過了5%的顯著性檢驗，對企業產出偏向性技術進步的影響為0. 496，通過10%的顯著性檢驗，對企業中性技術進步的影響為-0. 048，通過了5%的顯著性檢驗，而對企業投入偏向性技術進步的影響為0. 010且未通過顯著性檢驗。可見，碳交易政策確實能夠產生碳減排效果，但對企業技術進步的影響是有限的，證明了基準估計結果的穩健性。

3. 3. 2 更改政策時間窗口

一方面，上市企業在樣本期內面對復雜的經濟社會環境，受到排污權交易制度、低碳城市試點政策、中央環保督察政策等多重環境規制政策沖擊，政策效果剝離難度較大，未必能夠準確估計政策效果；另一方面，多期DID模型容易產生序列相關問題導致夸大政策效果。因此，本研究借鑒Bertrand等［44］、周茂等［45］的方法，以碳交易政策首次設立年份（2013年）為界，當t ≥ 2013時，postit = 1，當t lt; 2013時，postit = 0，構建兩期DID 變量，并估計其系數②。結果顯示，兩期DID 變量的估計系與基準估計結果是一致的。其中，對上市企業碳排放量、產出偏向性技術進步、中性偏向性技術進步的影響分別為-0. 019、0. 082、-0. 011，均通過1%～5%的顯著性檢驗，但對企業投入偏向性技術進步的影響為-0. 002且未通過顯著性檢驗，再次證明了基準估計結果的穩健性。

3. 3. 3 替換解釋變量

雖然雙重差分法能夠證明碳交易政策是否對上市企業的碳排放與技術進步產生影響，但將一種制度政策簡單的構造成虛擬變量，往往忽略了政策本身的內在要素。故采用碳價格（lnprice）、碳市場活躍度（lnnonzero）、碳市場規模（lnscale）作為碳交易政策的替代變量，一方面驗證基準模型的穩健性，另一方面估計不同碳市場制度要素對上市企業碳排放與技術進步的影響①。結果表明：第一，碳價格、碳市場活躍度、碳市場規模對上市企業碳排放量、產出偏向性技術進步、中性技術進步的影響與基準估計結果是一致的，且均通過1%的顯著性檢驗，同樣，對上市企業投入偏向性技術進步的影響為負且不顯著。第二，相比之下，3種制度要素對上市企業產生的影響依次為碳價格、碳市場活躍度和碳市場規模。

3. 3. 4 剔除同期相關政策

在樣本期內，國家發展改革委分別在2010年、2012年、2017年先后開展了低碳省區和低碳城市試點工作，這與碳交易政策的目標是匹配的，本研究認為低碳城市試點政策的存在對同期碳交易政策的減排效果或者對企業技術進步會產生影響。因此，考慮將低碳城市試點政策作為控制變量納入基準估計模型，判斷其穩健性②。結果表明：第一，基準估計模型的結果依舊穩健。在引入低碳城市試點政策后，碳交易政策能夠顯著降低上市企業碳排放量（-0. 022）和中性技術進步（-0. 010），同時能夠顯著提升企業產出偏向性技術進步（0. 058），均通過1%的顯著性檢驗，但依舊無法顯著改變其投入偏向性技術進步，且影響接近于0。第二，低碳城市試點的政策效果與碳交易政策效果存在差異。低碳城市試點政策均能夠顯著降低上市企業碳排放量（-0. 016），并提升企業產出偏向性技術進步（0. 088），同時也顯著地降低了上市企業投入偏向性技術進步（-0. 009），均通過5%～10%的顯著性檢驗，但對企業中性技術進步的影響不顯著（-0. 002）。結合第三批國家低碳試點城市的創新舉措發現，大部分城市采取了碳排放雙控、監管、碳數據管理、多領域協同制度、企業減排目標責任評估制度、碳生產力考評機制等一系列措施，從宏觀上約束了企業的排放行為，倒逼企業減少生產要素投入，降低投入要素的邊際產出，從而減少企業碳排放；而碳交易政策雖然存在價格機制約束企業行為，但一方面中國碳價格缺乏信號形成機制，沒有體現出碳價與邊際減排成本之間的關系，另一方面碳市場存在“到期日效應”，即控排企業為完成碳排放的履約責任或者免于處罰，在臨近履約日碳排放權成交量顯著增加，反映出企業“重履約輕交易”，進一步表明碳交易并不能顯著改善企業實質性的碳減排技術［13，46-47］。換言之，宏觀層面的政策約束比微觀層面的市場機制更易產生碳減排效果。

3. 3. 5 安慰劑檢驗

借鑒宋弘等［48］的方法，采用非參數置換的方法進行安慰劑檢驗，以此保證模型穩健性③。首先，根據DID 變量中處理組所占比例確定隨機抽取企業數量，即從全樣本中隨機抽取11 871個企業作為“偽”處理組，構建虛擬DID 變量；其次，根據虛擬DID 變量估計其參數；最后，采用Bootstrap的方法重復1 000次上述過程，以避免發生小概率事件。由于虛擬DID 變量是在全樣本中隨機抽樣得到，原則上不會對被解釋變量產生顯著影響。橫坐標為非參數置換后得到的DID 估計系數，左側縱坐標為抽樣過程中的核密度值，右側縱坐標為每一次估計結果對應的概率p值，用來判斷結果的顯著性，散點代表了每次抽取隨機樣本進行估計的系數與概率值，曲線為1 000次自抽樣結果的核密度曲線，分布形態越接近于正態分布，代表系數的估計結果均值越接近于0，虛線代表真實政策沖擊下的政策效應，即為表2中列（2）、列（4）、列（6）、列（8）的DID 系數結果。結果顯示，除投入偏向性技術進步的結果中存在少部分抽樣結果與基準估計結果一致，企業碳排放、產出偏向性技術進步、中性技術進步的抽樣結果均遠離基準估計結果對應的系數，且抽樣分布均符合零均值的正態分布特征，說明真實碳交易政策能夠顯著降低上市企業碳排放、中性技術進步，提升產出偏向性技術進步，即通過安慰劑檢驗，基準估計結果具有穩健性。投入偏向性技術雖然未通過安慰劑檢驗，但其基準估計結果也未通過顯著性檢驗，進一步說明碳交易政策并未改變企業生產要素的投入。

3. 4 內生性檢驗

由于碳交易政策試點并非隨機選擇，可能導致基準估計模型存在樣本選擇偏誤現象。因此，進一步采用PSM?DID模型和IV?2SLS模型消除內生性問題，以保證基準估計結果的穩健性。

3. 4. 1 PSM?DID模型

首先，分別采用近鄰匹配、半徑匹配、半徑近鄰匹配、核密度匹配4種匹配方法，逐年匹配2007—2021年的企業樣本；其次，通過平衡性檢驗判斷匹配前后的數據樣本是否具有一致性；最后，選取匹配前后共同取值范圍內的樣本進行估計，得到的結果即為剔除樣本選擇偏誤后的政策效果。根據平衡性檢驗結果顯示，樣本匹配后的偽R2值和LR值均低于匹配前的結果，說明通過協變量匹配的結果對處理組的影響不大④。結果顯示，當匹配參數為k = 4，r =0. 05時，無論采用近鄰匹配、半徑匹配、半徑近鄰匹配還是核密度匹配，篩選出的樣本作為處理組，對應的DID 系數均與基準估計結果一致，即在剔除樣本選擇偏誤影響后，碳交易政策仍顯著地降低上市企業碳排放量和中性技術進步，提高企業產出偏向性技術進步，且均通過1%～5%的顯著性檢驗，但對上市企業投入偏向性技術進步的影響始終不顯著，進一步驗證了基準估計結果的穩健性。

3. 4. 2 IV?2SLS模型

低碳轉型不僅是企業現階段實現高質量發展的目標之一，也是體現企業參與環境公益事業的表現，受過優質高等教育的上市企業高管團隊更具備社會責任意識和參與能力，更能基于長遠目標做出可持續性的決策［49-50］。周曉嵐等［51］發現擁有高質量大學學歷的高層管理者更傾向于推動企業參與公益事業。因此，為了進一步消除內生性問題造成的估計偏誤，選取2007—2021年上市公司董高監中碩士與博士學歷人數之和作為工具變量（數據來自中國經濟金融研究數據庫CSMAR），采用高維固定效應IV?2SLS 模型，消除基準估計模型中的內生性影響（式（6）、式（7））①。結果顯示：首先，各碳交易制度要素的CD?Wald F 統計量、KP?Wald F 統計量、KP?LM 統計量和HansenJ 統計量均大于其臨界值，且在1%～5%置信水平上通過顯著性檢驗，拒絕原假設，即工具變量不存在弱識別、識別不足和過度識別的問題，說明工具變量具備有效性。其次，模型中各制度要素第一階段的估計系數進一步確定了工具變量的有效性：上市公司董事、監事、高級管理人員中碩博人數總和顯著促進碳價格、碳市場活躍度和碳市場規模，均通過1%的顯著性檢驗。再次，第二階段的系數結果與基準估計結果一致，即碳交易政策通過碳價格、碳市場活躍度、碳市場規模能夠顯著降低上市企業碳排放量和中性技術進步，顯著提高了產出偏向性技術進步，均通過1%～5%的顯著性檢驗，同時碳價格、碳市場活躍度、碳市場規模均不顯著影響上市企業投入偏向性技術進步。最后，3種碳交易制度要素對上市企業產生影響的程度依次是碳價格、碳市場活躍度、碳市場規模，進一步說明通過碳交易政策實現上市企業低碳轉型的關鍵因素是碳價格。

3. 5 異質性分析

3. 5. 1 企業類型異質性

不同類型企業面對碳交易政策的外生沖擊，產生的碳減排效果或者對企業技術進步的影響存在差異（圖3）。因此，借鑒邵帥等［52］的分類方法根據生產要素的差異，將上市企業劃分為資本密集型、勞動密集型以及高耗能、低耗能企業。若企業單位勞動力的固定資產凈值超過全國年平均水平，定義該企業為資本密集型企業，否則為勞動密集型企業；若企業用電量大于全國當年平均水平，定義該企業為高耗能企業，否則為低耗能企業。

結果表明：第一，就碳減排效果而言，勞動密集型和高耗能企業能夠產生顯著的碳減排效果，而資本密集型與低耗能企業的碳減排效果不顯著。與資本密集型企業相比，勞動密集型企業技術含量相對偏低，單位產出需要更多勞動力，在嚴格的環境規制約束下，勞動力的邊際產出下降，企業更愿意采用資本要素替代勞動要素，故在碳交易政策沖擊下勞動密集型企業的碳減排效果比資本密集型企業更顯著［53］。從能耗投入角度，低能耗企業存在“趨同”特征，與高耗能企業相比，其碳排放下降空間狹窄，簡單的環境規制措施并不能有效減少碳排放。第二，碳交易政策無法顯著促進資本密集型企業的產出偏向性技術進步，但能夠顯著促進勞動密集型企業以及高耗能、低耗能企業的產出偏向性技術進步。在環境規制約束下，企業勞動的邊際產出下降，資本對勞動的替代性上升，進而降低了產出的邊際成本，故在相同的投入下企業產出增加，提高了產出偏向性技術進步；從能耗角度，高耗能企業比低耗能企業的產出偏向性技術進步幅度更大，其可能原因與低耗能企業碳減排的“趨同”特征一致。第三，碳交易政策在投入偏向性技術進步層面不存在統計意義的顯著差異，但從估計系數可知，碳交易政策降低資本密集型企業的投入偏向性技術進步，但提高了勞動密集型企業、高耗能企業、低耗能企業的投入偏向性技術進步。資本密集型企業的資本要素相對于勞動力要素更豐富，其相對價格更低，在碳交易政策約束下，企業增加資本要素需求，在產出不變的情況下，資本投入偏向性技術進步降低；勞動密集型企業面對環境規制約束，其邊際產出下降，資本對勞動的替代性增強，從而反映出企業的勞動投入偏向性技術進步上升；相對于低耗能企業，碳交易政策更易減少高耗能企業的碳排放下降空間，從而表現出正向的能源投入偏向性技術進步。但由于樣本期內上市企業面臨波動的經濟環境與技術環境，導致碳交易政策對上市企業投入偏向性技術進步的影響并不顯著。第四，碳交易政策顯著降低了勞動密集型企業和低耗能企業的中性技術進步，但對資本密集型企業和高耗能企業不存在顯著影響。勞動密集型企業中資本要素相對稀缺，通過交易方式購買碳排放權并不是理性行為，反而采取降低生產前沿，減少產品產出更有利于企業完成減排目標。同理，碳交易政策對低耗能企業的減排效果也不如高耗能企業，反而會由于企業購買碳排放權而增加額外成本，導致生產前沿降低。這也從側面印證了基準估計的結果。此外，中性技術進步的異質性結果似乎表明了碳交易政策對企業碳減排存在一定“趨同性”，即碳交易政策對高碳排放、高能耗企業的減排效果更好，對低排放、低耗能企業的減排效果并不顯著，甚至需要通過減少產出以實現減排目標，這進一步警示碳減排過程中需要考慮企業實質性的技術進步，避免陷入“碳鎖定”的困境［54］。

3. 5. 2 技術偏向類型異質性

碳交易政策對不同技術偏向類型的上市企業產生不同的碳減排效應，故基于上市企業偏向性技術進步要素分布類型進行碳減排的異質性分析（圖4）。結果表明：第一，從產出偏向性技術進步的角度可知，碳交易政策顯著降低了存在技術退步特征的上市企業碳排放量，對技術進步企業雖然也存在碳減排效應，但其效果未達到統計意義的顯著。這與前文結果一致，面對環境規制約束，上市企業更愿意選擇以減少產出為代價換取低碳減排目標的實現。第二，從資本、能源要素投入的角度可知，碳交易政策顯著降低了以能源要素驅動技術變化為特征的上市企業碳排放量，對資本要素驅動的上市企業碳減排效果不顯著。由于采用上市企業用電量衡量能源投入指標，故無論增加亦或是減少用電量，企業均能夠產生顯著的碳減排效應，數字化與綠色低碳轉型相關的研究從側面印證了該結論［55-56］。第三，從資本、勞動要素投入的角度可知，碳交易政策顯著降低了具有勞動要素投入特征的上市企業碳排放，以及資本要素驅動且產生技術進步特征的上市企業碳排放，但對資本要素驅動型技術退步的上市企業不存在顯著的碳減排效果。在環境規制約束下，上市企業減少資本要素或者勞動要素投入，均會減少企業產出水平，從而產生碳減排效應。一方面，在產出不變的情況下，增加勞動要素投入，降低了勞動邊際產出，提高了資本要素的替代性，降低產出的邊際成本，提高產出偏向性技術進步，從而產生降碳效果；另一方面，增加勞動要素投入，容易造成企業資本勞動比失衡，引起勞動力過剩現象，而過剩的勞動力并不會增加新的產出與碳排放，故勞動要素驅動型技術退步企業也能夠產生碳減排效應。第四，從勞動、能源要素投入的角度可知，碳交易政策顯著降低了能源要素驅動型技術進步企業和勞動要素驅動型技術退步企業的碳減排效應，而對勞動要素驅動型技術進步企業和能源要素驅動型技術退步企業的碳減排效應不存在顯著影響。在勞動與能源維度中比較，額外增加用電量產生的能源消耗是增加碳排放的行為，而減少勞動力投入，會導致企業資本要素投入相對過多，資本密集型企業并不會顯著促進投入偏向性技術進步并顯著降低碳排放。

4 機制分析

內因上，不同偏向性技術進步的企業面對碳交易制度要素存在不同的碳減排效果；外因上，不同水平的碳交易制度要素會影響企業偏向性技術進步，進而影響碳減排效果。為了進一步探討碳交易制度要素、企業偏向性技術進步與碳減排之間的內在聯系，根據式（8）和式（9）分別以碳交易制度要素和企業偏向性技術進步作為機制變量，從制度要素視角和技術進步視角探討碳交易政策對企業偏向性技術進步和碳減排效果的影響。

4. 1 偏向性技術進步視角

為了分析不同偏向性技術進步水平的企業面對碳交易制度要素存在不同的碳減排效果，根據偏向性技術進步的定義公式，將OBTC、IBTC、MATC 劃分為進步（大于1）和退步（小于1），以式（8）的方式將企業偏向性技術進步水平與碳交易制度要素同時引入模型，其中，交乘項的系數表示不同偏向性技術進步水平的企業，面對不同碳交易制度要素沖擊時產生的碳減排效應。

根據圖5（a）—圖5（c）可以看出，碳交易制度要素對不同偏向性技術進步（退步）企業的碳減排效應存在顯著差異，其中偏向性技術進步企業碳減排效果顯著，偏向性技術退步企業在碳交易制度要素約束下增加了企業碳排放，且均通過了1%～10%的顯著性檢驗。從技術進步的角度看，碳價格對產出偏向性技術進步產生的碳減排效果最顯著（-0. 016），碳市場規模對中性技術進步的效果最低（-0. 002），同時碳交易制度要素對偏向性技術進步的影響比對中性技術進步的影響更明顯；從技術退步的角度看，碳價格導致投入偏向性技術退步的企業顯著增加碳排放（0. 096），而碳市場規模對產出偏向性技術退步企業增加的碳排放相對較少（0. 007），同樣，在三種碳交易制度要素沖擊下，技術退步企業通過中性技術產生的碳排放增加量相對較少，通過產出和投入偏向性技術產生的碳排放增長相對偏多。

據此得出以下結論：第一，碳交易制度要素對不同技術水平企業的碳減排效果存在明顯的異質性，具體表現為技術進步企業的碳減排效果明顯優于技術退步企業。碳交易政策的基礎邏輯是以更低的邊際成本實現碳減排，當企業面對碳減排約束時，邊際減排成本高的企業可以在碳市場上購買邊際成本低的企業出售的碳配額并履約（其交易價格比自身碳減排的成本更低），因此碳交易政策降低了邊際減排成本。反之，邊際減排成本低的企業可以更多減排，并通過出售多余的配額彌補減排成本，從而實現降低社會總減排成本的目的。一方面，企業采用先進的技術、更合理的生產效率能夠有效地降低邊際減排成本，從而產生顯著的碳減排效果；另一方面，碳交易通過價格機制也會調節企業決策，使其產生對技術進步的激勵效果［57］。第二，企業在技術層面實現碳減排目標存在兩條路徑。一方面，改變生產過程中投入和產出的最優比例，實現投入和產出層面的偏向性技術進步，從而實現“效率”的碳減排；另一方面，提高低碳減排技術、碳中和技術，從中性技術進步角度實現“技術”的碳減排［1，4］。第三，碳價格依舊是碳交易政策中最顯著的制度要素。碳價格約束了企業生產成本，影響企業生產要素的相對價格，倒逼企業通過技術創新提升企業對生產要素的利用率，同時碳價格也會通過技術創新促使企業獲取更多的生產要素，產生規模效應［58］。

4. 2 碳交易制度要素視角

不同程度的制度要素對企業實現低碳減排目標存在不同的影響。因此，在式（9）的基礎上，根據碳價格、碳市場活躍度、碳市場規模的中位數作為劃分依據，以異質性的方式，分析不同水平的碳交易制度要素如何通過企業偏向性技術進步影響其碳減排效果。由圖5（d）—圖5（f）可以看出：

首先，碳交易價格能夠調節企業偏向性技術進步的碳減排效應，且較低的碳交易價格顯著降低企業偏向性技術進步的碳減排效應，均通過1%的顯著性檢驗；同時較高的碳價格能夠強化企業偏向性技術進步產生的碳減排效果，但未在統計意義上產生顯著效果。一方面，說明中國的碳交易價格形成存在缺陷，不能夠反映市場機制，也缺乏價格形成信號。從定價的角度，國際上碳價形成機制主要通過連續公開、拍賣競價的方式形成，或者是買賣雙方通過協議達成，而中國的碳價形成機制主要參照政府最低限價機制和歐盟碳價，買賣雙方在CDM一級市場中交易核證減排量［46，59］。從碳配額的角度，缺乏公平且有效的碳初始權分配方式。目前IPCC確定各國溫室氣體排放配額的分配原則主要包括平等主義原則、國土面積原則、支付能力原則、祖父原則、污染者支付等原則，而這些原則在發達國家與發展中國家、大國與小國之間存在較大的爭議，即使在國內，由于區域發展規模、技術水平、經濟結構等因素導致碳初始權分配存在公平與效率的矛盾［60］。另一方面，由于偏誤的碳價格機制，導致其抑制了企業偏向性技術進步產生的碳減排效應。偏低的碳價格意味著企業通過購買碳配額以實現低碳減排的行為比通過低碳技術研發實現降碳目標更具備選擇優勢，但長此以往，企業逐漸依賴于購買碳配額，從而形成缺乏技術創新的“回彈效應”，甚至“碳鎖定”現象。

其次，碳市場活躍度顯著調節了企業偏向性技術進步的碳減排效應，其結果表明較高的碳市場活躍度能夠顯著增強企業偏向性技術進步產生的碳減排效應，且較低的碳市場活躍度抑制了企業偏向性技術進步產生的碳減排效應，通過1%的顯著性檢驗。這表明碳交易市場中控排企業交易越頻繁、活躍度越高、交易的非零天數越少，越能夠強化企業偏向性技術進步的碳減排效果；反之，碳市場的交易行為越低迷，越容易掩蓋企業偏向性技術進步產生碳減排效果。目前，中國的碳交易市場存在顯著的“到期日效應”，控排企業“重履約輕交易”，在碳市場反映出臨近履約日的日交易量、交易頻率偏大的現象，而其余時間碳市場活躍程度均處于較低水平［13，61］。同時，在履約日之前大規模增加碳配額需求，在供求關系約束下，碳交易價格上升，也會間接增加企業減排成本，從而抑制了企業偏向性技術進步的碳減排效果。

最后，企業偏向性技術進步的碳減排效應受到碳市場規模的影響，碳市場規模越大會抑制企業偏向性技術產生的碳減排效果，均通過1%的顯著性檢驗，同時較小的碳市場規模產生的調節效果不顯著。這表明碳交易市場規模過大不利于企業在技術層面實現低碳減排的目標，而碳市場規模較小，也不利于碳交易市場產生降碳的效果。一方面，較大的碳市場規模意味著控排企業對碳配額的供給與需求較大，即碳配額的當日成交量大，也從側面印證了企業需要完成履約的碳排放量也相對較多。另一方面，當碳市場規模擴大，既表明容納的控排企業數量增加，也說明此時社會碳排放總量超過了政策的約束目標，在碳市場中表現為碳配額供過于求且碳交易價格下降，從而降低了企業的碳排放成本，減弱其減排動力和技術創新動力，最終抑制了企業偏向性技術進步的碳減排效果。

5 結論與建議

本研究借鑒大氣定量遙感反演的方法，估算2007—2021年上市企業碳排放量，從投入、產出的視角測算了上市企業的偏向性技術進步，并采用雙向固定效應的雙重差分模型，分析碳交易政策及其制度要素（碳價格、碳市場活躍度、碳市場規模）的碳減排效應，進一步探討碳交易政策、企業偏向性技術進步與碳減排效應之間的內在機制。主要結論如下。

（1）碳交易政策及其制度要素對上市企業能夠產生顯著的碳減排效應，但這種碳減排效應來源于企業降低生產前沿面而不是技術進步，即碳交易政策顯著提升了企業產出偏向性技術進步，同時顯著抑制了中性技術進步，但對企業投入偏向性技術進步的影響不顯著。該結果不僅通過了平行趨勢檢驗、內生性檢驗，還通過了安慰劑檢驗、替換解釋變量等方法的穩健性檢驗，證實了基準估計結果的穩健性。

（2）企業類型差異會引起碳交易政策對企業碳減排效應與偏向性技術進步的異質性，同時企業技術偏向類型的差異也會引起碳交易政策的碳減排效果存在異質性。一方面，碳交易政策既不利于資本密集型企業實現低碳目標，也不利于其顯著提升偏向性技術進步，但對勞動密集型企業的影響是顯著的；從能源消耗的角度，碳交易政策對高耗能企業的碳減排效應和產出偏向性技術進步的影響比低耗能企業更顯著，但對中性技術進步的影響，低耗能企業被抑制的更明顯。另一方面，從產出的角度看，無論是期望產出還是非期望產出，產出技術退步的企業碳減排效果明顯優于產出技術進步企業；在要素投入的視角下，偏向能源要素或者勞動要素的企業比偏向資本要素的企業產生更顯著的碳減排效果；同時，降低偏好能源要素企業的投入和增加偏好勞動要素企業的投入均能夠產生更顯著的碳減排效應。

（3）機制分析的結果表明，不同偏向性技術進步水平的企業面對碳交易制度要素存在不同的碳減排效果，并且不同水平的碳交易制度要素會影響企業偏向性技術進步，進而影響碳減排效果。具體而言，當上市企業面對碳交易政策制度要素沖擊時，技術進步企業的碳減排效果顯著優于技術退步企業；同時，較低水平的碳價格和碳市場活躍度，以及較高水平的碳市場規模能夠顯著調節碳交易政策通過企業偏向性技術進步產生的碳減排效應。

基于上述結論，結合現階段碳排放權交易制度建設，提出以下4點政策建議：①積極優化并完善碳價格形成機制，充分發揮碳排放權交易制度的市場機制作用，構建并完善以碳交易、碳盤查、碳核查等多種政策工具約束的碳市場體系，從而避免碳交易政策市場機制的功能性缺失。②企業應積極探索合適的綠色創新技術，提升創新驅動能力，形成企業碳減排的長效機制，從根本上緩解生產經營與低碳減排的矛盾，發揮環境規制政策的創新補償效應，既彌補企業研發損失，又能夠激發低碳生產的內在動力。③逐步優化并完善生產要素市場建設，發揮要素價格的市場機制作用，促使資本、勞動力、能源的相對價格能夠反映要素的稀缺性，從而引導企業選擇合適的要素偏向。④促進生產要素“提質增效”，提升能源消耗的清潔化程度，培養高質量人才促進人力資本投資，降低資本對“骯臟”技術的路徑依賴，避免環境規制政策趨同化過程中的“碳鎖定”現象。

參考文獻

［1］ 曹翔， 蘇馨兒. 碳排放權交易試點政策是否促進了碳中和技術

創新？［J］. 中國人口·資源與環境， 2023， 33（7）： 94-104.

［2］ 李磊， 盧現祥. 中國碳市場的政策效應：綜述與展望［J］. 中國

人口·資源與環境， 2023， 33（10）： 156-164.

［3］ 胡森林.“ 一刀切”停產或“運動式”減碳可休矣［EB/OL］（. 2021-

10-09）［2023-12-17］. https：//www. gov. cn/zhengce/2021-10/09/

content_5641609.htm.

［4］ 何彥妮. 碳交易市場對企業創新策略的影響及作用機制［J］. 中

國人口·資源與環境， 2022， 32（7）： 37-48.

［5］ 胡珺， 方祺， 龍文濱. 碳排放規制、企業減排激勵與全要素生產

率： 基于中國碳排放權交易機制的自然實驗［J］. 經濟研究，

2023， 58（4）： 77-94.

［6］ 胡珺， 黃楠， 沈洪濤. 市場激勵型環境規制可以推動企業技術

創新嗎： 基于中國碳排放權交易機制的自然實驗［J］. 金融研

究， 2020（1）： 171-189.

［7］ 馬茜， 任曉松， 張紅兵等. 碳交易政策、研發創新與污染性企業

碳績效［J］. 科研管理， 2023， 44（7）： 114-123.

［8］ 李樹， 陳剛. 環境管制與生產率增長： 以APPCL2000的修訂為

例［J］. 經濟研究， 2013， 48（1）： 17-31.

［9］ DECHEZLEPRêTRE A， NACHTIGALL D， VENMANS F. The

joint impact of the European Union emissions trading system on carbon

emissions and economic performance［J］. Journal of environmental

economics and management， 2023， 118： 102758.

［10］ EVANS S， MEHLING M， RITZ R， et al. Border carbon adjustments

and industrial competitivness in a European Green Deal

［J］. Climate policy， 2021， 21（53）： 307-317.

［11］ PIERCE M H， STRONG A L. An evaluation of New York state

livestock carbon offset projects under California's cap and trade

program［J］. Carbon management， 2023， 14（1）： 2211946.

［12］ MARDONES C. Analysis on complementarity between a CO2 tax

and an emissions trading system to reduce industrial emissions in

Chile［J］. Energy amp; environment， 2023， 32（5）： 820-833.

［13］ 吳茵茵， 齊杰， 鮮琴等. 中國碳市場的碳減排效應研究：基于

市場機制與行政干預的協同作用視角［J］. 中國工業經濟，

2021（8）： 114-132.

［14］ 羅良文， 雷朱家華. 中國碳市場政策的減污降碳協同效應

［J］. 資源科學， 2024， 46（1）： 53-68.

［15］ 李小克， 胡巧麗. 偏向性技術進步視角下全要素生產率增長的

跨國收斂性及影響因素研究［J］. 統計研究， 2023， 40（5）： 37-50.

［16］ 余東華， 崔巖. 環境規制影響制造業技術進步偏向性研究

［J］. 上海經濟研究， 2019（6）： 72-82.

［17］ 沈洪濤， 黃楠， 劉浪. 碳排放權交易的微觀效果及機制研究

［J］. 廈門大學學報（哲學社會科學版）， 2017（1）： 13-22.

［18］ ZHANG H， DUAN M， DENG Z. Have China's pilot emissions

trading schemes promoted carbon emission reductions： the evidence

from industrial sub?sectors at the provincial level［J］. Journal

of cleaner production， 2019， 234（10）： 912-924.

［19］ BAUMOL W J， OATES W E. The theory of environmental policy

［M］. Cambridge： Cambridge University Press， 1988.

［20］ 魏楚. 中國城市CO2邊際減排成本及其影響因素［J］. 世界經

濟， 2014， 37（7）： 115-141.

［21］ 陳德湖， 潘英超， 武春友. 中國二氧化碳的邊際減排成本與區

域差異研究［J］. 中國人口·資源與環境， 2016， 26（10）：

86-93.

［22］ 易蘭， 楊歷， 李朝鵬等. 歐盟碳價影響因素研究及其對中國的

啟示［J］. 中國人口·資源與環境， 2017， 27（6）： 42-48.

［23］ PATT A， LILLIESTAM J. The case against carbon prices［J］.

Joule， 2018， 2（12）： 2494-2498.

［24］ TVINNEREIM E， MEHLING M. Carbon pricing and deep decarbonisation

［J］. Energy policy， 2018， 121： 185-189.

［25］ SANTOS G. Climate change policy and carbon pricing［J］. Energy

policy， 2022， 168： 112985.

［26］ 張希良， 張達， 余潤心. 中國特色全國碳市場設計理論與實踐

［J］. 管理世界， 2021， 37（8）： 80-95.

［27］ 吳偉光， 祝雅璐， 顧光同. 中國試點碳市場有效性的決定因素

［J］. 資源科學， 2021， 43（10）： 2119-2129.

［28］ 王守坤， 范文誠. 金融可得性與碳排放： 來自金融地理結構的宏

觀與微觀證據 ［J］. 數量經濟技術經濟研究， 2024， 41（1）：

67-89.

［29］ 楊豪， 潘穎豪， 才國偉. 碳排放總量控制、配置效率與產出收

益［J］. 中國工業經濟， 2023（7）： 46-65.

［30］ 龍池， 張紅梅. 數字金融如何影響制造業碳排放： 基于企業數

字化轉型的視角［J］. 金融理論與實踐， 2023（10）： 67-78.

［31］ ACEMOGLU D. Directed technical change［J］. Review of economic

studies， 2002， 69（4）： 781-809.

［32］ ACEMOGLU D， PHILIPPE A， LEONARDO B， et al. The environment

and directed technical change［J］. American economic review，

2012， 102（1）： 131-166.

［33］ ANTONELLI C， QUATRARO F. The effects of biased technological

changes on total factor productivity： a rejoinder and new empirical evidence

［J］. Journal of technology transfer， 2014， 39（2）： 281-299.

［34］ F?RE R， GROSSKOPF S， LINDGREN B， et al. Productivity changes

in swedish pharamacies 1980-1989： a non?parametric malmquist approach

［J］. Journal of productivity analysis， 1992， 3（1-2）： 85-101.

［35］ TONE K. A slacks?based measure of efficiency in data envelopment

analysis［J］. European journal of operational research，

2001， 130（4）： 498-509.

［36］ FUKUYAMA H， WEBER W L. A directional slacks?based measure

of technical inefficiency［J］. Socio?economic planning sciences，

2009， 43（4）： 274-284.

［37］ F?RE R， GROSSKOPF S， NORRIS M， et al. Productivity growth，

technical progress， and efficiency change in industrialized countries

［J］. American economic review， 1994， 84（1）： 66-83.

［38］ F?RE R， GRIFELL?TATJé E， GROSSKOPF S， et al. Biased

technical change and the malmquist productivity index［J］. Scandinavian

journal of economics， 1997， 99（1）： 119-127.

［39］ WEBER W L， DOMAZLICKY B R. Total factor productivity growth

in manufacturing： a regional approach using linear programming［J］.

Regional science and urban economics， 1999， 29（1）： 105-122.

［40］ 楊翔， 李小平， 鐘春平. 中國工業偏向性技術進步的演變趨勢

及影響因素研究［J］. 數量經濟技術經濟研究， 2019， 36（4）：

101-119.

［41］ 丁黎黎， 楊穎， 鄭慧等. 中國省際綠色技術進步偏向異質性及

影響因素研究：基于一種新的Malmquist-Luenberger多維分解

指數［J］. 中國人口·資源與環境， 2020， 30（9）： 84-92.

［42］ 張軍， 吳桂英， 張吉鵬. 中國省際物質資本存量估算：1952-

2000［J］. 經濟研究， 2004（10）： 35-44.

［43］ SUN L， ABRAHAM S. Estimating dynamic treatment effects in

event studies with heterogeneous treatment effects［J］. Journal of

econometrics， 2021， 225（2）： 175-199.

［44］ BERTRAND M， DUFLO E， MULLAINATHAN S. How much

should we trust differences?in?differences estimates？［J］. Quarterly

journal of economics， 2004， 119（1）： 249-275.

［45］ 周茂， 李雨濃， 姚星等. 人力資本擴張與中國城市制造業出口

升級：來自高校擴招的證據 ［J］. 管理世界， 2019， 35（5）：

64-77.

［46］ 陳詩一. 邊際減排成本與中國環境稅改革［J］. 中國社會科

學， 2011（3）： 85-100.

［47］ YANG L， LI F， ZHANG X. Chinese companies' awareness and perceptions

of the emissions trading scheme （ETS）： evidence from a national

survey in China［J］. Energy Policy， 2016， 98（11）： 254-265.

［48］ 宋弘， 孫雅潔， 陳登科. 政府空氣污染治理效應評估：來自中

國“低碳城市”建設的經驗研究［J］. 管理世界， 2019， 35（6）：

95-108.

［49］ CASTRO A J， ZANELLO L， LIZCANO J， et al. Usr as a tool for

meeting the sdgs： a systematic review［J］. IEEE Revista Iberoamericana

de Tecnologias del Aprendizaje， 2022， 17（1）： 48-55.

［50］ 陳志忠. 美國高校服務學習機構的使命及其啟示：基于美國四所

大學的案例分析［ J］. 中國人民大學教育學刊， 2023（1）： 93-109.

［51］ 周曉嵐， 吳凱霖. 優質高等教育更能讓高管推動企業參與公益

事業嗎：基于中國上市公司的實證研究［ J］. 華東師范大學學

報（教育科學版）， 2023， 41（10）： 104-115.

［52］ 邵帥， 尹俊雅， 王海等. 資源產業依賴對僵尸企業的誘發效應

［J］. 經濟研究， 2021， 56（11）： 138-154.

［53］ 周亞虹， 楊嵐， 姜帥帥. 約束性碳減排與就業：基于企業和地

區勞動力變化的考察［J］. 經濟研究， 2023， 58（7）： 104-120.

［54］ 劉偉江， 杜明澤， 白玥. 環境規制對綠色全要素生產率的影

響：基于技術進步偏向視角的研究 ［J］. 中國人口·資源與環

境， 2022， 32（3）： 95-107.

［55］ 宋德勇， 朱文博， 丁海. 企業數字化能否促進綠色技術創新：基于

重污染行業上市公司的考察［J］. 財經研究， 2022， 48（4）： 34-48.

［56］ 李金昌， 連港慧， 徐藹婷.“ 雙碳”愿景下企業綠色轉型的破局

之道：數字化驅動綠色化的實證研究［ J］. 數量經濟技術經濟

研究， 2023， 40（9）： 27-49.

［57］ 史丹， 張成， 周波等. 碳排放權交易的實踐效果及其影響因

素：一個文獻綜述［J］. 城市與環境研究， 2017，（ 4）： 93-110.

［58］ 葉紅雨， 李奕杰. 環境規制、偏向性技術進步與能源效率［J］.

華東經濟管理， 2022， 36（4）： 97-106.

［59］ 孫睿， 況丹， 常冬勤. 碳交易的“能源-經濟-環境”影響及碳價

合理區間測算［J］. 中國人口·資源與環境， 2014， 24（7）： 82-90.

［60］ 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.

［61］ ZHANG S， JIANG K， WANG L， et al. Do the performance and

efficiency of China's carbon emission trading market change over

time？［J］. Environmental science and pollution research， 2020，

27（26）： 33140-33160.

（責任編輯：閆慧珺）