碳排放權交易試點對城市工業低碳轉型的影響

羅良文 孫立雪 王晨

收稿日期：2023-12-12

基金項目：重慶市自然科學基金項目“實體企業金融化的地區同群效應研究：生成機制、經濟后果及治理”（CSTC2021JCYJ-BSHX0186）；重慶市教育委員會科學技術研究項目“‘雙碳目標下綠色金融助力成渝地區雙城經濟圈綠色發展研究”（KJQN202200838）

作者簡介：徐 輝（1987—），男，河南信陽人，副教授，博士，研究方向：綠色金融；

付 月（2000—），女，重慶人，碩士研究生，研究方向：碳會計與公司治理；

李 藝（1987—），女，重慶人，博士研究生，研究方向：綠色金融。

[摘 要：文章基于2006—2020年中國254個城市面板數據，采用雙向固定效應模型和雙重機器學習模型評估碳排放權交易試點對城市工業低碳轉型的影響機制。研究發現：碳排放權交易試點能夠促進城市工業低碳轉型，但是輻射范圍存在距離衰減效應；異質性研究顯示，初始排放配額采用無償分配的試點城市擁有更好的轉型效果，北京和上海碳試點具有積極輻射作用，而廣東、深圳和重慶碳試點則呈現消極輻射影響；空間檢驗結果顯示，碳排放權交易試點對其他地區工業低碳轉型會產生消極的空間溢出效應；機制研究結果顯示，碳排放權交易試點的運行通過拓寬碳交易覆蓋面影響工業低碳轉型效果，但碳交易頻率的增加并不會直接影響工業低碳轉型的發展。

關鍵詞：碳排放權交易試點；工業低碳轉型；雙重機器學習模型；GML指數；距離衰減效應

中圖分類號：X196；F832.5；F424? 文獻標識碼：A 文章編號：1007-5097（2024）07-0039-14????? ]

Impact of Carbon Emission Trading Pilots on the Low-Carbon

Transformation of Urban Industries

LUO Liangwen， SUN Lixue， WANG Chen

（School of Economics， Zhongnan University of Economics and Law， Wuhan 430073， China）

Abstract：Based on panel data from 254 Chinese cities between 2006 and 2020， this paper employs a two-way fixed effects model and a double machine learning model to evaluate the impact mechanisms of carbon emission trading pilots on the low-carbon transformation of urban industries. Research findings： Carbon emission trading pilots can promote low-carbon transitions in urban industries， but their spillover effect diminishes with distance. Heterogeneity studies show that pilot cities using free allocation of initial emission quotas experience better transition outcomes. The carbon trading pilots in Beijing and Shanghai have a positive spillover effect， while those in Guangdong， Shenzhen， and Chongqing exhibit negative spillover effects. Spatial analysis indicates that carbon emission trading pilots have a negative spatial spillover effect on the low-carbon transition of industries in other regions. Mechanism studies reveal that the effectiveness of industrial low-carbon transitions is influenced by the expansion of carbon trading coverage， although an increase in trading frequency does not directly affect the development of low-carbon transitions in industries.

Key words：carbon emission trading pilot; industrial low-carbon transition; double machine learning model; GML index; distance decay effect

一、引 言

在21世紀，中國面臨多方面挑戰，如溫室氣體減排、人口紅利消失、發展亟須轉型等。這些問題的解決迫切需要優化經濟結構，以便在后工業化階段取得先發優勢。為了尋求有效的減排途徑、建設國家碳市場交易體系，中國展開了一系列環境治理和經濟綠色發展實踐，碳排放權交易試點便是其中之一。與傳統的行政管理手段相比，碳排放權交易擁有良好的政策兼容性、區域和行業拓展性及金融衍生性，具有強市場化和高靈活性的優勢，是調整能源結構、治理環境污染、推動低碳轉型的必然選擇，而試點政策可以在一定程度上規避全面推進市場化減排工具隱含的風險。因此，2011年國家發展和改革委員會辦公廳正式發布碳排放權交易試點的通知，批準上海、北京、廣東、深圳、天津、湖北和重慶等7個省市進行試點。2013年，中國正式啟動碳排放權交易試點政策。通過近10年的碳市場試點實踐，2021年7月16日，根據國家總體安排，全國碳排放權交易在上海環境能源交易所正式啟動。這標志著中國最大規模的市場型減排政策工具正式投入運作，對推動全球低碳轉型和可持續發展產生深遠影響。

自2011年碳排放權交易試點建設規劃提出至2021年全國碳市場線上交易啟動，碳排放權交易試點在中國發展已近10年，作為中國碳排放權交易體系的一大探索，其能否切實解決外部性問題，同時實現工業轉型與低碳發展仍有待檢驗［1］。一般認為，“由點到面”的政策試點能夠推動改革，降低國家層面的決策風險，但在實踐中，政策試驗和隨后的政策延伸常常受到多方面的制約，具有“刻舟求劍”的局限性。因此，對試點效果的精準研究變得尤為重要。當前，國內碳排放權交易市場仍面臨一些挑戰，如市場發展受限、無法大規模應用，交易頻率偏低，核證減排量抵銷比例低、抵銷程序復雜，難以調動市場積極性等。這可能與碳排放權交易市場的激勵不足有關，也可能是因為碳交易的覆蓋面有限，導致政策實施效果欠佳。此外，中央在評估試點政策成效時，是否考慮了關鍵因素及政策文件在實施細節方面的差異性等，這些都會影響政策的評估，是需要深入探討的內容。因此，本文將著重分析碳排放權交易試點對工業低碳轉型的整體影響，旨在總結試點階段獲得的成果、經驗和教訓，以期為全國范圍內碳排放權交易制度的進一步改進與推廣提供參考。

本文可能有以下邊際貢獻：①本文通過探討碳排放權交易制度的區域減排效應，回答碳排放權交易試點能否實現工業轉型與低碳發展的統一問題。在充分考慮中國工業轉型多元特征的基礎上，通過進一步分解工業低碳轉型效率指數，圍繞配額方式不同、輻射圈影響不同和輻射范圍存在差異等方面展開異質性分析，運用空間杜賓模型和調節效應模型分析碳排放權交易試點的溢出效應與碳市場的內部影響機制，為現有的相關研究提供重要的補充。②本文采用雙向固定效應模型和雙重機器學習模型（DML）來分析碳排放權交易試點對工業低碳轉型的影響，彌補相關碳排放實證領域傳統線性模型的不足，結論將更加穩健可靠。在實際情況下，由于存在數據缺失的問題，同時考察受政策影響的試點地區和不受政策影響的非試點地區的工業低碳轉型的兩種狀態是非常困難的，這使得因果關系的推斷變得更復雜，雙重機器學習模型可以有效應對這一挑戰，通過處理缺失數據并進行合理的因果關系推斷，可以更好地進行政策效果評估。

二、文獻綜述

近年來，中國為實現碳達峰、碳中和目標推出了一系列政策，為城市工業低碳轉型提供了政策支持，而以市場機制推動減排的碳排放權交易試點備受關注。通過梳理國內外的相關文獻，發現與本文相關的主要有以下兩類：

第一，與碳交易、碳試點相關的文獻。主要包括三個部分：

（1）政策推動與支持方面。一是碳交易試點政策實施可能造成的偏向性問題研究。有學者認為，當前社會存在區域碳政策傾斜的現象［2］，部分試點城市享有中央專項政策支持，具有非試點城市無法媲美的優勢。二是中國與其他國家和地區在碳交易政策設計上的差異研究。Zheng和Zhang（2023）［3］認為，與其他經濟體普遍存在的總量管制與交易制度不同，中國的全國碳市場采用了一種基于利率的機制，有可能導致全國碳市場交易擁擠和不安全；也有學者認為，正是中國制定碳排放權交易政策所具有的獨特政治、經濟和制度背景，才能最大程度發揮其在緩解全球氣候變化中的重要作用［4］。三是政策推動的靈活性與相關調整機制的研究。有學者認為，我國碳市場的總量設計充分保持要素靈活性的優點，有利于提高碳市場在實現碳達峰、碳中和目標和愿景中的地位和作用［5］，但在未來可能需要進一步減少免費配額、調整交易系統［6］，按照市場供需變化決定交易價格，真正起到激勵市場主體執行減排行為的目的［7］。

（2）碳市場機制分析方面。碳市場的設計思路主要來源于科斯的相關研究，即當產權明確定義且市場交易成本為零時，市場能夠自發調節并實現資源最優配置，通過明確污染排放權并允許市場交易，可以有效解決外部性問題［8］。但是，有學者認為，碳市場的定價方式可能會造成“有價無市”的問題，背離商品市場的一般規律［9］；也有學者認為，碳市場的機制設計可能存在無效性和不穩定性，會出現諸如初始配額分配過量［10］、碳配額不可跨期借貸等問題，進而擴大碳價失靈的影響范圍［11］。因此，劉傳明等（2019）［12］認為，各試點省市在制定減排政策時不能采取“一刀切”，應因地制宜地進行碳交易試點建設，進而實現碳減排目標、促進經濟綠色發展。

（3）碳市場運行效果評價方面。有研究認為，碳排放權交易試點確實能夠抑制碳強度［13］，具有成本倒逼效應［14］；也有學者認為，碳排放權交易市場無法實現解決外部性的目的，其在實現環境與經濟可持續發展目標上存在一定爭議［1］，如碳市場下的減排效應主要源于企業的減產行為［15］，對綠色全要素生產率的提升具有時效性［16］，減排效果也是通過犧牲經濟生產實現的［17］，因此，需要進一步展開系統探討；吳茵茵等（2021）［18］研究發現，碳市場雖然取得積極減排成效，但主要還是依賴于政府的行政干預，以碳價和市場流動性為衡量標準的市場機制作用有限；有學者研究發現，中國碳排放權交易體系的執行監管仍處于弱勢，其懲罰措施并不能對違規行為起到強有力的震懾作用，加之多部門相關政策的重疊，使得碳排放權交易試點政策運行效果不佳，難以對國家節能減排目標作出應有貢獻［19］。這可能是因為，當企業在擁有排污權后，會更傾向于為自身發展預留總量，進而導致排污總量資源有價無市［20］，碳排放權交易市場運行受限，實際運行效果不理想。

第二，與工業低碳轉型相關的文獻。有研究顯示，中國當前以煤為主的能源消費結構對經濟發展的環境負外部性發揮了“鎖定”效應，這主要是因為中國工業化和城市化進程具有高耗能、高排放的特征，因此，必須盡早實現工業低碳轉型［21］。主要包括兩個部分：

（1）工業轉型的經驗思路研究。工業轉型可以消除工業行業在自身發展中遭遇的瓶頸問題或路徑依賴，通過提高競爭力實現高質量發展［22］。當前，關于工業轉型的研究主要有工業經濟轉型、工業低碳轉型與工業綠色轉型三種［23］。李文君（1999）［24］通過對國外工業轉型研究，認為中國應從生態環境安全的戰略角度來確定工業轉型發展的方向；陳詩一（2012）［25］研究發現，中國工業轉型的根本路徑是通過技術創新推進發展；此外，有研究總結了政府和企業在推動工業轉型過程中的協同作用，認為政府的生產性補貼能夠激發企業研發投資動力［26］，因而，政府應持續深入推進能源價格市場化改革，建立真正反映市場供求關系、資源稀缺程度和生態環境價值的能源價格機制［27］。

（2）低碳發展的模式和對策研究。付加鋒等（2010）［28］認為，低碳發展是一種經濟形態，其發展過程具有階段性特征，生產過程、能源結構、消費模式的低碳化都很重要，因此，應該利用政策引導和市場化機制推動技術創新，加強低碳技術研發，探索高效的碳捕集與封存技術，加速工業脫碳進程［29］；禹湘等（2020）［30］研究發現，不同類型的城市會呈現不同的減排特征，因此，需要明確和細化以碳達峰為目標的城市低碳發展路徑，采用差異化、精準化的城市低碳發展模式，探索綠色低碳的多元化發展路徑。總之，中國產業結構低碳化是經濟低碳轉型背景下實現量化減排目標的必然選擇，這在一定程度上可以化解傳統工業化引發的問題，加之當前中國產業結構中第三產業占比已接近50%，具備轉型的經濟結構基礎［31］，因此，應盡快推進工業行業向低碳化、綠色化方向發展。

綜上，中國碳市場建設經過試點推行到全國推廣，在實際運行中的作用效果備受矚目。全國碳市場的啟動已超過兩年半時間，目前仍面臨交易活躍度不足、交易“潮汐現象”等問題［32］。現有對碳排放權交易試點的研究，主要采用事前影響評估和準自然實驗的方法［33］，為碳市場的建設提供了理論和實證支持。現有研究，大多是從企業或產業、高質量發展及節能減碳視角進行探討，但對市場導向型環境規制能否推動工業轉型、實現低碳發展，仍存在分歧。工業低碳轉型是實現低碳發展的重要標志，而碳排放權交易試點是推動低碳發展的有效措施。對其相關關系的研究既有助于深入理解兩者在理論層面上的相互影響，又能為實際政策制定和經濟發展提供參考。基于此，本文嘗試在已有研究的基礎上，對城市工業低碳轉型發展問題展開系統探討，以我國254個城市工業低碳轉型為研究對象，使用雙向固定效應模型和雙重機器學習模型進行深入研究，明晰碳排放權交易試點對工業低碳轉型的具體影響和作用機制，提高科學評估試點政策的效果，為全國工業碳交易市場的進一步發展提供思路。

三、研究假設

當前，中國正積極推動綠色經濟發展，將節能減排和推行低碳經濟作為國家發展的重要任務，因此，需要對工業低碳轉型的影響機制進行深度分析。碳排放權交易市場的設計初衷是通過明確污染排放權利并允許市場交易，以達到有效解決外部性問題的目的，而試點政策可以讓政府在有限范圍內檢測碳排放權交易政策的可行性和有效性，進而控制政策的實施范圍和規模，以減少潛在的負面影響。采取分階段開放碳交易市場的決策是因為：首先，碳排放權交易牽涉政府、企業、環保組織、消費者等利益相關者，各利益相關者持有不同的立場和關切，可能對政策的實施存有異議，因此，需要在政策制定和實施過程中進行大量協調，以妥善處理各方利益，確保政策的可行性和合理性；其次，全面推行碳排放權交易政策任務量龐大，政府需要進行充分的準備，以爭取各方支持，減少潛在的阻力和反對聲音，確保政策的平穩推進；最后，碳排放權交易試點與全國范圍碳交易市場是局部與整體的關系，試點政策的成功經驗可以為全國范圍的碳交易市場建設提供寶貴經驗。碳排放權交易試點對工業低碳轉型可能存在如下影響：

（1）積極影響。首先是激勵機制的作用。碳排放權交易試點為企業設定了特定的碳排放限額，并允許企業之間進行碳排放權交易，使得碳減排可以通過交易而得到經濟回報，促進資金流動，增加經濟效益，為工業低碳轉型注入動力。作為以營利為導向的企業，在環境法規的規范下，多會采取優化資源配置，尋找降低碳排放的創新技術和措施，以提高資源的利用效率，降低可再生能源的利用門檻，打破工業低碳轉型的技術壁壘，從而提高生產效率以降低碳強度。當污染治理的開銷低于排污權交易價格時，企業會用手中剩余的排污權在市場上進行交易而獲利，在碳排放權交易機制下實現減排與環保的雙重目標。其次是市場交易的優勢。碳排放權交易試點的建立有利于城市環境資源實現高效優化配置，為工業低碳轉型奠定基礎。市場交易使得排污權從治理成本低的企業流向治理成本高的企業，在排污許可證總量維持穩定的前提下，社會能夠以最經濟的手段達成污染減排與環保資源的最優配置，有助于碳排放的降低和工業結構的優化。最后是約束作用的發揮。碳排放權交易通過設定特定的碳排放限額為企業引入約束，讓排放權成為一種有價值的商品，引導企業自愿進行碳減排，為監管和減少碳排放量提供有效手段。從經濟學角度看，這一機制創造了市場上的供需關系，通過價格機制激發企業降低碳排放的動力。企業在追求經濟效益的同時，通過技術創新和工藝改進來降低碳排放，以獲得更多的排污權用于交易。這不僅推動工業低碳技術的研發和推廣，還推動企業綠色低碳發展。從城市資源配置角度看，在碳排放權交易機制下，企業在低碳轉型方面的表現不僅可以降低碳排放成本，還能在市場上擁有環保標簽、提升品牌形象，進而影響其市場競爭力，符合社會對可持續經營的期望。這種積極影響一定程度上將有助于推動城市工業向更加環保和可持續的方向轉型。

（2）消極影響。一方面，碳排放權交易試點的設置可能會面臨碳排放權分配不均衡的問題。在排污權的初始分配中，如何確保公平、公正是排污權交易中的核心議題。碳密集型行業或位于經濟相對滯后地區的企業，可能會面臨額外的成本壓力。由于碳排放權交易試點影響的不均衡性，這些企業需要在應對氣候變化和碳排放規定方面采取更多的舉措，可能會增加運營成本和生產方面的開支，如碳排放控制技術的采用和碳資產管理培訓等。同時，有些地區既缺乏充分的資源或技術支持，也缺乏碳市場的監管和激勵，難以適應新的環境法規，需要采取更加環保的生產和發展方式，成本和負擔可能會增加。此外，碳市場的碳配額分配問題也會影響政策的實施效果。碳配額的計算方法主要有兩種：基準法和歷史法（1）。其中，歷史法存在一定的不合理性，如某些企業的突然增產或減產都會影響其歷史排放數據，可能造成這些企業獲得的碳配額與實際產能不符。另外，由于碳市場的扭曲效應，一些粗放式生產的企業反而會比一些前期節能減排工作出色的企業獲得更多優勢。這可能導致資源和收入的不平等分配，從而影響工業低碳轉型的公平性和可持續性，阻礙工業低碳轉型的整體發展。另一方面，碳排放權交易試點實施過程中出現的企業排污量測定與權力尋租問題也會影響工業低碳轉型效果。當前，監測企業排污量的技術主要有在排污口安裝“環保黑匣子”和設置污染物自動監測設備等。如深圳市通過“環保黑匣子”實現對企業排污的在線監控，進而對排污行為進行實時監管。但不可忽視的是，政府監管的疏忽和權力的濫用問題仍然存在，一些重污染企業仍時有偷排、暗排等不當行為，從而抑制工業低碳轉型發展。上述的消極影響會使一些企業在碳排放權交易試點中感受到不公平和不確定性，可能導致試點效果的局限性，難以在更廣泛的范圍內有效推動工業低碳轉型。

基于此，本文提出假設1、假設2和假設3。

H1：碳排放權交易試點能夠促進城市工業低碳轉型。

H2：碳排放權交易試點的輻射范圍存在距離衰減效應。

H3：碳排放權交易試點城市存在負向溢出效應。

四、研究設計

（一）研究方法

1. 模型設定

如何識別政策的具體執行效果是當前計量經濟學和統計學的重要研究方向［34］。為了更好地理解政策的影響效應，參考唐禮智等（2022）［35］、張濤和李均超（2023）［36］的研究，本文使用雙向固定效應模型和雙重機器學習模型來探討碳排放權交易試點對工業低碳轉型的影響。具體設定如下：

第一，構建雙向固定效應模型進行潛在因果關系判斷：

[GMLt+1t=δ0+θ0CETPilotit+θ1Xit+?i+μt+εit] （1）

其中：[i]為城市；[t]為年份；[GMLt+1t]表示被解釋變量，為工業低碳轉型；[CETPilotit]表示t年i城市是否納入碳排放權交易試點并啟動碳排放權交易市場，其系數[θ0]是本文重點關注的，用以整體衡量試點政策的處理效應；[Xit]為其他控制變量集合；[δ0 ]為不隨個體變化的截距項；[?i]為地區固定效應；[μt]為時間固定效應；[εit]為隨機誤差項。

第二，在雙向固定效應模型因果關系判斷結論的基礎上，采用針對關鍵變量進行統計推斷的雙重機器學習模型實證檢驗試點前后各地區工業低碳轉型進程的變化差異。由于工業低碳轉型是一個復雜的、多因素綜合考慮的動態過程，涉及產出增長、污染減排、要素節約等多個方面。這種復雜性使得政策效果的評估變得困難，因為政策的實施可能同時影響多個因素。因此，為了確保政策效果的準確估計、識別碳排放權交易試點對工業低碳轉型的作用效果，參考張濤和李均超（2023）［36］、周小亮和宋立（2022）［37］的研究，本文構建如下雙重機器學習模型：

[GMLt+1t=θ0CETPilotit+gXit+Uit] （2）

[EUit∣CETPilotit，Xit=0] （3）

其中：[Xit]為控制變量集合，需采用機器學習算法估計具體形式[gXit；Uit]為誤差項，條件均值為0。對式（2）、式（3）進行估計可得處置系數估計量為：

[θ0=1n∑i∈I，t∈TCETPilot2it-11n∑i∈I，t∈TCETPilotitGMLit+1-gXit] （4）

其中，[n]為樣本容量。根據上述估計量，可進一步考察其估計偏誤：

[nθ0-θ0=??? 1n∑i∈I，t∈TCETPilot2it-11nCETPilotitUit+??? 1n∑i∈I，t∈TCETPilot2it-1??? 1n∑i∈I，t∈TCETPilotitgXit-gXit] （5）

其中：[[1n][∑i∈I， t∈T]CETPilot[2it]][1n∑i∈I， t∈T]CETPilotitUit，服從均值為0的正態分布；[b=1n∑i∈I，t∈TCETPilot2it-1] [1n∑i∈I，t∈TCETPilotitgXit-gXit]。由于采用機器學習及其正則化算法估計具體函數形式[gXit]，會不可避免地引入“正則偏誤”，雖能防止估計量方差過大，但也導致其不具無偏性，具體表現為[gXit]向[gXit]的收斂速度較慢，[n-φg>n-1/2]。因而，隨著[n]趨向于無窮大，b也趨向于無窮大，[θ0]難以收斂于[θ0]。因此，為加快收斂速度，使處置系數估計量在小樣本下滿足無偏性，構建輔助回歸公式如下：

[CETPilotit=mXit+Vit] （6）

[EVit∣Xit=0] （7）

其中：[mXit]為處置變量對高維控制變量的回歸函數，同樣需要采用機器學習算法估計其具體形式[mXit；Vit]為誤差項，條件均值為0。計算過程如下所示：首先，采用機器學習算法估計輔助回歸[mXit]，取其殘差[Vit=CETPilotit-mXit]；其次，采用機器學習算法估計[gXit]，將主回歸形式改變為[GMLit+1-gXit=θ0CETPilotit+Uit]；最后，將[Vit]作為[CETPilotit]的工具變量進行回歸，獲得無偏的處置系數估計量如下：

[θ0=1n∑i∈I，t∈TVitCETPilotit-11n∑i∈I，t∈TVitGMLit+1-gXit] （8）

同理，式（8）又可近似表示為：

[nθ0-θ0=??? EVit2-11n∑i∈I，t∈TVitUit+??? EVit2-11n∑i∈I，t∈TmXit-mXit??? gXit-gXit] （9）

其中，[EVit2-11n∑i∈I，t∈TVitUit]服從均值為0的正態分布。由于使用了兩次機器學習估計，再加上，[EVit2-11n∑i∈I，t∈TmXit-mXitgXit-gXit]的整體收斂速度取決于[mXit]向[mXit]以及[gXit]向[gXit]的收斂速度，即[n-φg+φm]。因此，相較于式（5），[nθ0-θ0]向0收斂的速度更快，進而能夠實現獲得無偏處置系數估計量的目的。

2. 全局曼奎斯特-盧恩伯格指數

為了更為精準測量城市的工業低碳轉型效果，本文進行如下計算：

首先，根據Tone等（2020）［38］的理論模型與周小亮和宋立（2022）［37］的研究，本文采用考慮非期望產出的Super-SBM模型對中國工業低碳轉型進行測度。假設有[n]個決策單元，每一個決策單元都包含三個要素：投入、期望產出和非期望產出，分別由（x，y，z）三個向量表示，如下所示：

[ρ=min1+1m∑mi=1sxixi01-1s1+s2∑s1k=1sykyk0+∑s2l=1szlzl0s.t.? xi0≥∑nj=1，≠0λjxj-sxi，?i??????? yk0≤∑nj=1，≠0λjyj+syk，?k??????? zl0≥∑nj=1，≠0λjzj-sl，vl1-1s1+s2∑s1k=1sykyk0+∑s2l=1szlzl0>0sxi≥0， syk≥0， szl≥0， λj≥0，?i， j， k， l] （10）

其中：[sx∈Rm、sz∈Rs2]分別表示投入和非期望產出的過剩量；[sy∈Rs1]則代表期望產出的短缺量；[ρ]表示決策單元的效率值；[m，s1 和 s2]代表投入、期望產出和非期望產出的變量個數。公式滿足規模報酬不變（CRS）。

其次，由于碳排放權交易試點政策可能存在一定滯后性影響，本文在使用通過Super-SBM模型方法求解出各城市工業低碳轉型效率值后，使用全局曼奎斯特-盧恩伯格指數進一步計算其第t期到第t+1期的變化率，用以評價中國各城市工業低碳轉型效率的動態變化情況。基于規模報酬不變（CRS）的假設構建GML指數表達式如下：

[GMLt+1t=1+DGCxt，yt，bt;-xt，yt，-bt1+DGCxt+1，yt+1，bt+1;-xt+1，yt+1，-bt+1] （11）

其中，[DGCxt，yt，bt;-xt，yt，-bt ]表示在規模報酬不變（CRS）的假設下當期生產可能性集合下的Super-SBM函數。

（二）變量設置與選擇

1. 被解釋變量：工業低碳轉型（GML）

中國工業發展方式的低碳轉型主要通過節能減排、結構升級和技術進步來實現，目的是實現產出增長與碳排放降低的“雙贏”［25］。基于此，本文選取固定資產投資、第二產業從業人員數、能源消費總量表征資本投入、勞動投入、能源投入，選取工業增加值和二氧化碳排放量表征工業低碳轉型的期望產出指標和非期望產出指標（2），進行工業低碳轉型指標的計算。

2. 核心解釋變量：碳排放權交易試點（CETPilot）

雖然國家發展和改革委員會在2011年就發布了開展碳排放權交易試點的通知文件，但各試點地區公布控排標準和控排企業名單的時間基本集中在2012—2013年，碳排放權交易市場實際開市時間則集中在2013—2014年。參考李磊和盧現祥（2023）［33］的方法，本文將2013年作為各試點地區受到政策沖擊的時間，若某省市為碳排放權交易試點地區，則地區虛擬變量取1，否則為0；類似的，若試點時間在2013年之后，則時間虛擬變量取1，否則為0。

3. 控制變量

本文在模型中控制了如下變量：地區生產總值、自然增長率、三大產業從業人員比重、行政區域總面積、人口密度、規模以上工業企業數、規模以上工業總產值、內資企業工業總產值、港澳臺商投資企業工業總產值、外商投資企業工業總產值、當年新簽項目個數、科學支出、教育支出、工業用電、污水處理率、工業用地面積、生活垃圾無害化處理率。對上述部分變量進行了對數化處理。

（三）數據處理與描述性統計

數據樣本時間跨度為2006—2020年，空間跨度為中國254個直轄市和地級市。在初始樣本基礎上，針對部分缺失值采用趨勢插補方法進行插補或者使用相鄰年份及省級平均數據進行填補。碳排放權交易試點數據主要來源于政府官網，城市數據主要來源于EPS數據庫、CSMAR數據庫、中國碳核算數據庫（CEADs）（3）、中國人力資本指數報告數據庫、《中國工業統計年鑒》《中國城市統計年鑒》《中國能源統計年鑒》等。GML指數主要使用Matlab進行計算，模型回歸主要采用Stata軟件分析。

各變量的描述性統計見表1所列。

五、實證分析

（一）基準回歸

基準回歸結果見表2所列。首先，使用雙向固定效應模型對碳排放權交易試點與工業低碳轉型的影響進行估計，結果見第（1）列，碳排放權交易試點對工業低碳轉型的回歸系數為0.030，在1%的水平上顯著；其次，在雙向固定效應模型因果關系判斷結論的基礎上，采用針對關鍵變量進行統計推斷的雙重機器學習模型進行檢驗，其中樣本分割比例為1∶4，采用隨機森林算法進行求解，結果見第（2）列，可以看出，核心解釋變量與被解釋變量之間依然存在顯著的正向影響關系，只是回歸系數有所變小，影響方向并未改變，這說明碳排放權交易試點確實能夠提升工業低碳轉型，H1得到驗證；然后，將被解釋變量GML指數分解為技術效率變化指數（EC）和技術進步變化指數（TC）后進行雙重機器學習模型回歸檢驗，結果見第（3）列和第（4）列，可以發現碳排放權交易試點對工業低碳轉型的正向影響主要體現在技術效率方面。這可能是因為，碳排放權交易試點引入了經濟激勵機制，迫使企業降低碳排放成本，不僅給企業帶來減排壓力，還激勵其采用更高效的技術解決方案來減少排放量，這種技術創新和更新換代提高了工業生產的效率，實現了資源和能源的有效利用。通過技術效率提升，企業不僅能降低碳排放，還能提高生產效率，增強市場競爭力，從而順利推進低碳轉型。

（二）穩健性分析

1. 重設雙重機器學習模型

為了驗證雙重機器學習模型的結果在不同的假設和模型設置下是否保持一致，本文在考慮雙重機器學習模型偏誤的基礎上進行了以下驗證：首先，調整樣本分割比例，將之前的1∶4改為1∶6和1∶3，以探究樣本分割比例對結論的潛在影響，增強研究結論的適用性；其次，更換機器學習算法，將先前使用的隨機森林算法替換為梯度提升算法和套索回歸，以探究預測算法對結論的可能影響，更全面地評估雙重機器學習模型的穩定性和準確性；最后，引入雙重機器學習的交互式模型，實施更一般化的回歸分析，擴展模型的適用范圍。這些驗證措施旨在降低雙重機器學習模型設置偏誤對結論的潛在影響。其中，用于分析的主回歸和輔助回歸變更如下：

[GMLt+1t=gCETPilotit，Xit+Uit] （12）

[CETPilotit=mXit+Vit] （13）

交互式模型獲得處置效應的估計系數為：

[θ1=EgCETPilotit=1， Xit-gCETPilotit=0， Xit] （14）

由表2可知，重設雙重機器學習模型后無論是否調整樣本分割比例、更換機器學習算法、引入交互式模型等，都只在一定程度上改變政策效應的大小，不影響碳排放權交易試點促進工業低碳轉型的結論，驗證了本文研究結論的穩健性。

2. 安慰劑檢驗

為了進一步檢驗結果的穩健性，借鑒邵帥等（2022）［21］的研究，通過碳排放權交易試點實施時間進行安慰劑檢驗。除碳排放權交易試點政策變化外，其他政策或隨機性因素也可能導致工業低碳發展與轉型進程產生差異，而這種差異與本文所研究的碳排放權交易試點政策沒有關聯。這些不可觀測因素可能最終導致前文的研究結論不成立。為了評估這類因素的影響，本文假設事件時間提前1年（2012年）以及提前2年（2011年），如果此時核心解釋變量即碳排放權交易試點的系數方向和顯著性與前文研究結論仍然保持一致，則說明工業低碳轉型的相關變化可能來自其他政策變革或者隨機性因素，反之，則驗證本文結論具有穩健性。結果見表2第（10）列和第（11）列，發現改變事件發生時間后，核心解釋變量的顯著性均與時間設置為真實事件發生時不一致。該結果驗證了前文研究結論的穩健性。

3. 平行趨勢檢驗

在進行基準回歸前，需要確保回歸結果與模型選擇的準確性，因此，本文對實驗組與控制組進行平行趨勢檢驗（4），結果如圖1所示，在碳排放權交易試點政策實施前，實驗組與控制組的差異均不顯著，即實驗組和控制組地區工業低碳轉型并不存在系統性差異；在碳排放權交易試點政策實施后，實驗組地區的工業低碳轉型逐步呈現顯著的增長趨勢，特征事實存在。

（三）異質性分析

1. 碳市場機制設計異質性

目前，我國各碳市場的配額分配方式以無償為主、有償為輔。具體來說，上海、重慶和湖北等地的碳市場均采用無償分配的方式，而廣東、深圳、北京和天津則在無償分配的基礎上，融入一定程度的有償分配設計。例如，廣東碳市場在啟動之初曾以固定價格方式進行一級市場配額的有償發放；深圳碳市場則規定，通過拍賣方式出售的配額量不得低于年度配額總量的3%；北京碳市場則制定了定期與臨時拍賣的相關政策，當配額價格超出一定上限時，政府將啟動臨時有償發放機制；天津碳市場的碳排放配額采取的是有償競價發放，并按照成交金額千分之七的標準收取交易手續費（5）。如果試點地區碳市場機制設計存在差異，那么受其影響的工業低碳轉型勢必會有所不同。因此，參考胡珺等（2023）［1］的研究，本文將上海、重慶和湖北碳市場城市定義為配額免費組，廣東、深圳、北京和天津4個碳市場城市定義為配額付費組，分組進行雙重機器學習模型回歸，結果見表3所列。

由表3可以看出，碳排放權交易試點對配額免費組和配額付費組工業低碳轉型的影響都在1%的水平上顯著為正，且對后者積極影響的回歸系數0.038小于對前者的回歸系數0.044。此外，碳排放權交易試點對配額免費組和配額付費組的技術進步變化指數的影響都在1%的水平上顯著為負，且對后者消極影響的回歸系數-0.054小于對前者的回歸系數-0.048，說明在碳市場中采用無償分配的初始排放配額機制時，工業低碳轉型效果更好。這與曹翔和蘇馨兒（2023）［39］的研究結論較為一致。可能的原因如下：其一，當前碳市場建設不完善，市場仍存在較多不確定性，企業可能更傾向于采取成本相對更低的措施，特別是在配額免費組中，因為沒有支付額外的費用，減少了碳交易對企業生產成本的沖擊，可能影響技術進步進程和對低碳轉型的積極性。其二，技術進步變化指數受消極影響，一方面是碳排放權交易試點政策的不確定性可能影響企業對低碳技術的投資決策。企業對未來碳排放權市場的發展和政策的穩定性方面可能存在疑慮，阻礙其采用更先進的低碳技術。另一方面是碳排放權交易試點政策設計的激勵性不夠，再加上企業可能已經建立了適應現有排放標準的技術基礎，再進行技術進步創新會帶來較大的困難、產生更多的成本。工業低碳發展的主要方向還是通過轉變經濟發展的驅動力，以實現在總要素生產率支持下的可持續經濟增長。當前，試點碳市場面臨的一個突出問題是工業企業在節能減排和碳資產管理方面的積極性不足，部分企業參與碳交易主要是為了滿足合規要求，對碳資產的經營管理缺乏深度認識，甚至有的企業視碳交易為自身發展的負擔。因此，本文立足于解決這一現實問題，通過政策效果評估，旨在為中國現有碳市場提供理論層面的有益補充。

2. 碳市場輻射圈異質性

為了進一步檢驗不同碳排放權交易試點的影響效應，本文計算了各樣本城市與7個碳排放權交易所所在城市的地理距離，設定距離碳排放權交易所所在城市最近即為該碳市場輻射圈，構建輻射圈虛擬變量，將該虛擬變量與政策虛擬變量進行交乘，運用雙向固定效應模型進行回歸，結果如圖2所示。可以發現，北京和上海碳排放權交易試點具有積極輻射作用，廣東、深圳、重慶碳排放權交易試點具有消極輻射影響，天津和湖北碳排放權交易試點輻射影響有限。可能原因在于碳排放權交易試點城市的產業結構、經濟特點以及碳市場政策的具體實施存在差異。北京和上海作為中國的政治中心和經濟中心，需要發揮帶頭作用，其在碳市場政策的執行和配額分配上可能采取更積極的態度。而廣東、深圳、重慶可能面臨不同的經濟和產業挑戰，導致碳市場政策對工業低碳轉型的輻射效應相對消極。如廣東的產業結構相對多元化，包括制造業、服務業等，并且其還是我國的制造業和出口重要基地，碳市場政策可能會使一些出口導向型產業成本上升，影響其在國際市場上的競爭力；此外，深圳作為中國的科技創新中心、重慶以重工業為主的結構都會影響其作為碳排放權交易試點的輻射作用。

3. 碳市場輻射范圍異質性

參考李慧等（2023）［40］的研究，本文構建了輻射范圍虛擬變量，將樣本城市與最近碳市場所在城市的距離按照小于300公里、等于或大于300公里且小于600公里和等于或大于600公里進行不重復劃分，將該虛擬變量與政策虛擬變量進行交乘，運用雙向固定效應模型進行回歸，以比較不同閾值下系數的經濟顯著性和統計顯著性來檢驗碳排放權交易試點的輻射范圍，結果如圖3所示。可以觀察到，在樣本時間內碳市場的最佳輻射范圍為300公里，即在這個范圍內，碳市場政策對周邊城市的工業低碳轉型的輻射效應最為顯著。當距離超過600公里時，可能出現“距離衰減效應”，即碳市場政策對距離試點城市較遠城市的工業低碳轉型進程的激勵效果會稍弱。這可能是由于信息傳遞成本增加、市場互動減少等因素導致的，H2得到檢驗。這是因為樣本覆蓋范圍內的碳市場的覆蓋范圍可能有限，只能覆蓋距離較近的城市，那么遠離碳市場的城市可能無法充分受益于碳排放權交易試點政策。這種限制效應使遠離試點城市的工業低碳轉型面臨更大的困難，再加上部分年份碳市場的交易頻率偏低，市場反應較為遲緩，遠離碳市場的城市可能無法及時獲得碳排放權交易市場的激勵，從而影響工業低碳轉型的積極性。

六、進一步分析

（一）空間溢出效應研究

中國各地區經濟與政治聯系的廣泛性與緊密性使得空間關聯地區在宏觀經濟運行方面呈現明顯的相互影響。這不僅體現在經濟活動中的相互依賴，還延伸至政治層面，構筑了一個復雜的地域網絡。中國經濟發展向綠色低碳轉型的強烈愿望，在碳排放交易機制的不斷深化中得到了充分體現。然而，碳排放權交易試點政策能否平衡低碳與發展，發揮應有的空間效應值得探究。因此，通過相關檢驗，本文選用空間杜賓模型進行實證［41］。模型如下所示：

[GMLt+1t=α1WGMLt+1t+α2CETPilotit+α3Xit+α4WCETPilotit+α5WXit+μi+εit] （15）

[εit ～N（0，σ2?）] （16）

其中：[W]為空間權重矩陣；[μi]是個體效應，在本文固定效應情形下被假定為待估計的參數；[εit]為隨機干擾項。

空間檢驗結果見表4所列。由表4可知：首先，統計量的顯著性說明模型的擬合效果較好；其次，表4第（1）列結果顯示，碳排放權交易試點對本地區的工業低碳轉型具有積極影響，對其他地區的工業低碳轉型會產生消極的空間溢出效應，H3得到檢驗；最后，表4第（2）列和第（3）列結果顯示，碳排放權交易試點對本地區工業低碳轉型的技術效率變化指數與技術進步變化指數影響均有限，但對其他地區工業低碳轉型的技術效率變化指數具有消極作用。以上結果均凸顯了碳排放權交易試點在推動低碳轉型方面的局部化效果，這是跨區域轉型所引發的挑戰，需要在今后政策制定中加以注意。可能的原因如下：其一，試點政策的輻射帶動效果有限，由于政策設計的特殊性，包括地域限制或局部產業結構的獨特性，政策的影響僅局限于試點區域內。碳排放權交易試點地區的配套政策會更專注于解決本地區工業行業的特定問題，而缺乏在更廣泛范圍內推動低碳化的考慮。此外，與技術進步相比，中國工業技術效率空間擴散也存在明顯的地理距離衰減效應，地方化力量更容易阻礙工業技術效率的空間擴散效應［42］，造成碳排放權交易試點政策對其他地區的工業低碳轉型技術效率具有顯著消極作用。其二，負向溢出效應意味著在碳市場試點城市中的一些行動或政策可能導致周圍地區或城市受到負面的環境影響，加劇整體的碳排放問題。試點城市實施的碳市場可能導致一些高碳產業向市區外遷移，以降低碳排放成本，從而在周邊地區形成碳排放的集中區，導致負向的環境效應。另外，部分地區空間溢出效應的有限性意味著試點政策在鄰近地區的傳導效果相對較弱，無法產生廣泛的區域性影響。這可能與地理距離、產業聯動性、發展潛力以及鄰近地區對低碳政策的敏感性等因素有關，也可能是缺乏跨地區間的政策協同，導致跨區域傳導受限。

（二）內部機制研究

碳交易覆蓋面和碳交易頻率作為碳市場的內部機制可以在城市工業中發揮重要作用，推動低碳轉型。這些機制有助于形成一個有效的碳市場，激發城市工業采用更環保做法，為城市可持續發展和減排目標作出貢獻。基于此，本文將通過調節效應模型分析碳排放權交易試點內部機制的實現方式，從碳交易覆蓋面和碳交易頻率兩方面進行探究。參考吳茵茵等（2021）［18］的研究，在式（1）的基礎上構建以下模型，結果見表4第（4）列和第（5）列。

[GMLt+1t=δ0+θ0CETPilotit+θ1REit×CETPilotit+θ2Xit+?i+μt+εit] （17）

其中：[REit]為衡量內部機制的相關指標，具體為碳交易覆蓋面與碳交易頻率；[REit×CETPilotit]為碳排放權交易試點變量與調節變量的交互項，其系數為關注的重點。

1. 碳交易覆蓋面（6）

本文采用納管企業數量衡量碳交易覆蓋面，這是因為納管企業數量在一定程度代表著碳市場的規模大小與碳交易覆蓋面的寬窄，碳市場的體量越大，參與的企業數量越多，越有利于全社會低成本減排，碳交易機制相較其他減排措施的優越性就越能凸顯。通過對比表2第（1）列與表4第（4）列結果發現，加入碳交易覆蓋面變量后，碳排放權交易試點的系數明顯增加，由0.030增至0.048，且交互項系數也顯著為正，這表明碳排放權交易試點的運行通過拓寬碳交易覆蓋面影響工業低碳轉型效果。這是因為較廣泛的碳交易覆蓋面可以引入更多的城市工業參與者，包括不同規模和不同類型的企業。這有助于推動更廣泛的低碳技術和實踐的采用，從而促進整個城市工業的低碳轉型。

2. 碳交易頻率

高頻的碳交易可以使城市工業更靈活地調整其碳排放策略，以適應碳市場價格和政策的變化，這有助于加強城市工業對市場信號的敏感性，推動其更快速地采用低碳技術和管理實踐。本文通過總結整理各碳試點市場每年的交易天數得到碳試點市場的交易頻率。通過對比結果發現，加入碳交易頻率后，碳排放權交易試點的系數明顯增加，由0.030變為0.037，但是交互項系數不顯著，這表明碳交易頻率的增加并不會直接影響工業低碳轉型發展，原因在于交易頻率的增加可能并未伴隨著更明確的政策信號，再加上當前碳試點中的碳交易政策確實存在大型企業交易頻率相對較低［43］和市場流動性較弱等現象［39］，這都一定程度上反映了試點政策的不穩定，雖然經過10年的發展，但是為進一步活躍市場，增加碳資產管理的市場需求，全國碳市場仍需要進一步明確信息，以實現高交易頻率的促進作用。

總之，碳排放權交易試點的內部機制實現方式直接塑造了碳交易市場的特性，進而影響工業低碳轉型的效果。通過擴大碳交易覆蓋面和發揮碳交易頻率的作用，內部機制能夠為工業低碳轉型提供更為有力的市場推動作用，促使企業更主動地采取低碳技術和管理措施，實現經濟增長與碳排放的脫鉤。

七、研究結論與政策建議

作為全球最大的碳排放國家，中國在追求綠色發展戰略的進程中將碳排放權交易機制視為重要工具。在新時代的大背景下，這一以市場為導向的環境規制被期望能夠引導中國經濟實現動能的轉換、實現環境保護與經濟發展的雙贏。本文選取中國254個直轄市和地級市作為研究樣本，通過雙向固定效應模型和雙重機器學習模型，探討碳排放權交易試點與工業低碳轉型之間的因果關系。研究結果表明：①碳排放權交易試點政策能夠顯著推動工業低碳轉型，技術效率的提高是正向影響的核心；碳交易覆蓋面越廣，促進效果越好，但是試點市場的輻射范圍存在距離衰減效應，即碳排放權交易試點可能抑制距離試點城市較遠城市的工業低碳轉型發展。②異質性研究結果表明，無償分配初始排放配額機制的城市在工業低碳轉型方面取得更好的效果；北京和上海的碳排放權交易試點具有積極的輻射作用，而廣東、深圳和重慶的試點市場則呈現消極的輻射影響。③空間研究結果顯示，碳排放權交易試點對本地區的工業低碳轉型具有積極影響，對其他地區的工業低碳轉型則會產生消極的空間溢出效應；碳排放權交易試點對本地區工業低碳轉型的技術效率與技術進步變化指數影響均有限，但對其他地區工業低碳轉型的技術效率變化指數具有消極作用。

基于研究結論，本文提出以下政策建議：

第一，強化策略差異，確保碳市穩健。為確保地方碳市場和全國碳市場的有效運行，應實施差異化策略。針對碳排放權交易試點機制在推動工業低碳轉型中的積極作用，地方政府有關部門應在深入分析各試點市場運作特點的基礎上，根據地區發展水平和產業結構，制定具有明顯差異化特點的碳排放配額分配方案。例如，對于工業化程度高、排放量大的地區，可以設定相對嚴格的配額分配標準，以促進其加快低碳轉型；而對于經濟相對落后、排放量較小的地區，則可適當放寬配額分配，以平衡地區發展差異。同時，建立靈活的價格設定機制，根據市場供需關系調整碳價。通過差異化策略的實施，可以更有效地發揮碳排放權交易在推動工業低碳轉型中的積極作用。

第二，完善激勵措施，擴大碳市覆蓋。政府應完善交易激勵方式，強化激勵力度，吸引更多高耗能行業參與碳市場。首先，針對高耗能行業，政府可以制定定制化的碳交易激勵政策，包括為這些行業設定更為寬松的碳排放配額，并提供額外的激勵措施，如稅收減免、補貼和獎勵機制等，以降低其進入碳市場的成本；其次，靈活運用金融激勵政策，如低息貸款、碳信用貸款等，幫助企業進行環保投資和落實碳減排項目，降低企業參與碳市場的財務風險，提高其積極性；最后，鼓勵產業鏈上下游企業合作，共同參與碳市場，通過建立碳交易產業聯盟、共享碳減排成果等方式來促進整個產業鏈的碳減排。

第三，加強區域協同，應對消極溢出。為減少試點市場的消極輻射影響，政府應加強區域間的協同合作，特別是與鄰近地區的合作與交流，推動碳排放權交易市場的互聯互通。通過建立跨區域的碳排放權交易平臺和利益共享的合作機制，促進碳排放配額的跨地區交易，實現資源的優化配置，彌補空間溢出效應的局限性。同時，加強政策協調和標準化工作，確保各地區在碳排放權交易中的規則一致、標準統一，減少市場分割和摩擦，真正解決地區碳泄漏問題。此外，對于具有積極輻射作用的試點地區，如北京和上海，可以總結其成功經驗并在全國范圍內推廣；對于呈現消極輻射影響的試點地區，如廣東、深圳和重慶等，則應加強監管和指導，幫助其改進和完善碳交易機制。

注 釋：

（1）來源于碳交易網。歷史法是以控排單位過去的排放水平為依據確定其應獲得的碳配額，這種方法在生產工藝和產品特性較為復雜的行業中應用廣泛。基準法則是基于行業的標準排放強度來核定碳配額，適用于生產流程和產品樣式規模標準化的行業。

（2）期望產出，基于國家統計局披露的工業增加值，在此基礎上借助于當年GDP平減指數來剔除物價波動的影響。非期望產出，二氧化碳排放量，來源于中國碳核算數據庫（CEADs）。需要說明的是，由于中國碳核算數據庫對行業分類的界定與《中國工業經濟統計年鑒》有所區別，在此將橡膠制品業、塑料制品業統一歸并為橡膠塑料制品業，將交通運輸設備制造業、汽車制造業統一合并為交通運輸設備制造業。資本投入，數據來源于CSMAR數據庫，采用固定資產投資表征資本投入。勞動投入，數據來源于《中國城市統計年鑒》，采用第二產業從業人員數表征勞動投入。能源投入，數據來源于中國碳核算數據庫（CEADs），采用《中國能源統計年鑒》附錄所提供的折標煤系數將所有能源消費的總量轉換成以萬噸標準煤為單位的能源消耗量。

（3）關于中國碳核算數據庫（CEADs）所提供的數據，最新可獲得的城市級碳排放數據截至2019年，而省級碳排放數據則更新至2021年。鑒于2021年全國碳市場線上交易正式啟動，為了更準確地評估試點政策的影響效果，本文在進行樣本分析時，將時間范圍設定至2020年。因此，為了獲取2020年城市級碳排放數據，本文采用數據外推方法，使用總量分配法與二次指數平滑法，對城市碳排放數據進行處理，以估算2020年城市級碳排放水平。

（4）current表示碳排放權交易試點政策實施當年（即2013年）；post表示發生碳排放權交易試點實施之后；pre表示發生碳排放權交易試點實施之前，數字表示與基期相差的時期數。為避免共線性問題，剔除政策時點前一期（pre_1）作為基準組進行檢驗。

（5）相關碳市場信息均來自碳交易網：http：//www.tanjiaoyi.com/。

（6）納管企業數量數據來自試點碳交易主管部門公布的歷年重點排放企業名單、履約情況相關報道、試點碳市場年度報告等，其中，2013年湖北省與重慶市未開市，2016年重慶市未公布。

參考文獻：

［1］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.

［2］薛領，張曉林，胡曉楠，等.碳排放市場一體化對異質性企業空間分布的影響［J］.中國人口·資源與環境，2018，28（8）：1-11.

［3］ZHENG Y，ZHANG B. Does China's National Carbon Market Function Well？ A Perspective on Effective Market Design［J］. Journal of Chinese Governance，2023，8（4）：563-592.

［4］JIANG J J，XIE D J，YE B，et al. Research on China's Cap-and-trade Carbon Emission Trading Scheme：Overview and Outlook［J］. Applied Energy，2016，178：902-917.

［5］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.

［6］NEWELL R G，PIZER W A，RAIMI D. Carbon Markets 15 Years After Kyoto：Lessons Learned，New Challenges［J］. Journal of Economic Perspectives，2013，27（1）：123-46.

［7］吉斌，昌力，陳振寰，等.基于區塊鏈技術的電力碳排放權交易市場機制設計與應用［J］.電力系統自動化，2021，45（12）：1-10.

［8］COASE R H.The Problem of Social Cost［J］. Journal of Law and Economics，1960，3：1-44.

［9］SONG Y Z，LIU T S，LI Y，et al. Region Division of China's Carbon Market Based on the Provincial/ Municipal Carbon Intensity［J］. Journal of Cleaner Production，2017，164：1312-1323.

［10］ELLERMAN A D，BUCHNER B K. Over-Allocation or Abatement？ A Preliminary Analysis of the EU ETS Based on the 2005-06 Emissions Data［J］. Environmental and Resource Economics，2008，41（2）：267-287.

［11］PARSONS J E，ELLERMAN A D，FEILHAUER S. Designing a U.S. Market for CO2［J］. Journal of Applied Corporate Finance，2009，21（1）：79-86.

［12］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，2019，29（11）：49-58.

［13］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.

［14］余典范，蔣耀輝，張昭文.中國碳排放權交易試點政策的創新溢出效應——基于生產網絡的視角［J］.數量經濟技術經濟研究，2023，40（3）：28-49.

［15］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.

［16］孫振清，谷文姍，成曉斐.碳交易對綠色全要素生產率的影響機制研究［J］.華東經濟管理，2022，36（4）：89-96.

［17］ZHANG H J，DUAN M S，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，2019，234：912-924.

［18］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.

［19］ZHANG D，KARPLUS V J，CASSISA C，et al. Emissions Trading in China：Progress and Prospects［J］. Energy Policy，2014，75：9-16.

［20］王金南，董戰峰，楊金田，等.排污交易制度的最新實踐與展望［J］.環境經濟，2008（10）：31-45.

［21］邵帥，范美婷，楊莉莉.經濟結構調整、綠色技術進步與中國低碳轉型發展——基于總體技術前沿和空間溢出效應視角的經驗考察［J］.管理世界，2022，38（2）：46-69，4-10.

［22］金碚.中國工業的轉型升級［J］.中國工業經濟，2011（7）：5-14，25.

［23］羅良文，孫立雪.可再生能源政策促進了工業低碳轉型嗎？［J］.中南財經政法大學學報，2023（4）：122-135.

［24］李文君.國外工業轉型的研究進展［J］.經濟地理，1999（5）：48-53.

［25］陳詩一.中國各地區低碳經濟轉型進程評估［J］.經濟研究，2012，47（8）：32-44.

［26］王昀，孫曉華.政府補貼驅動工業轉型升級的作用機理［J］.中國工業經濟，2017（10）：99-117.

［27］楊冕，徐江川，楊福霞.能源價格、資本能效與中國工業部門碳達峰路徑［J］.經濟研究，2022，57（12）：69-86.

［28］付加鋒，莊貴陽，高慶先.低碳經濟的概念辨識及評價指標體系構建［J］.中國人口·資源與環境，2010，20（8）：38-43.

［29］段玉婉，蔡龍飛，陳一文.全球化背景下中國碳市場的減排和福利效應［J］.經濟研究，2023，58（7）：121-138.

［30］禹湘，陳楠，李曼琪.中國低碳試點城市的碳排放特征與碳減排路徑研究［J］.中國人口·資源與環境，2020，30（7）：1-9.

［31］馬麗梅，史丹，裴慶冰.中國能源低碳轉型（2015—2050）：可再生能源發展與可行路徑［J］.中國人口·資源與環境，2018，28（2）：8-18.

［32］馬梅若.碳金融呼聲再起“進與退”前景如何？［N］.金融時報，2024-01-29（4）.

［33］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.

［34］鄧慧慧，楊露鑫.霧霾治理、地方競爭與工業綠色轉型［J］.中國工業經濟，2019（10）：118-136.

［35］唐禮智，周林，楊夢俊.環境規制與企業綠色創新——基于“大氣十條”政策的實證研究［J］.統計研究，2022，39（12）：55-68.

［36］張濤，李均超.網絡基礎設施、包容性綠色增長與地區差距——基于雙重機器學習的因果推斷［J］.數量經濟技術經濟研究，2023，40（4）：113-135.

［37］周小亮，宋立.中國工業低碳轉型：現實分析與政策思考［J］.數量經濟技術經濟研究，2022，39（8）：22-41.

［38］TONE K，TOLOO M，IZADIKHAH M. A Modified Slacks-based Measure of Efficiency in Data Envelopment Analysis［J］. European Journal of Operational Research，2020，287（2）：560-571.

［39］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.

［40］李慧，佟孟華，張國建，等.跨區域能源調度促進企業減排效應研究［J］.數量經濟技術經濟研究，2023，40（7）：156-178.

［41］沈小波，陳語，林伯強.技術進步和產業結構扭曲對中國能源強度的影響［J］.經濟研究，2021，56（2）：157-173.

［42］金剛，沈坤榮.中國工業技術創新空間擴散效應的時空演化［J］.經濟地理，2016，36（5）：121-127.

［43］陳珂，華靖芬，李蕓琪.化石能源市場對碳排放權市場的影響存在區域性差異嗎？［J］.系統工程，2022，40（5）：18-32.

［責任編輯：孔令仙］

［DOI］10.196 29/j.cnki.34-1014/f.231218001