李廣明+張維潔

摘要 中國工業(yè)的高能耗投入在帶來經(jīng)濟(jì)快速增長(zhǎng)的同時(shí)也導(dǎo)致碳排放的急劇增加，作為全球最大的碳排放國，中國肩負(fù)著巨大的減排責(zé)任。為了探索減排方式，中國自2013年先后在7個(gè)省市建立了碳排放交易市場(chǎng)。研究碳交易對(duì)工業(yè)碳排放的影響及作用機(jī)制，有助于科學(xué)評(píng)價(jià)政策，為全國工業(yè)碳交易市場(chǎng)的推行提供合理的建議。本文利用中國30個(gè)省份規(guī)模工業(yè)碳排放數(shù)據(jù)，首先分別采用DID和PSM-DID方法考察了碳排放交易對(duì)工業(yè)碳排放和碳強(qiáng)度的影響，其次在使用SFA測(cè)算出各省規(guī)模工業(yè)能源技術(shù)效率和能源配置效率的基礎(chǔ)上探討了碳交易發(fā)揮作用的機(jī)制和影響大小。結(jié)果發(fā)現(xiàn)：①碳交易對(duì)試點(diǎn)地區(qū)規(guī)模工業(yè)的碳排放量和碳強(qiáng)度有顯著抑制作用，分別使二者下降4.8%和5.2%；②碳交易分別使試點(diǎn)地區(qū)的工業(yè)能源技術(shù)效率和配置效率顯著提高0.03和0.08；③碳交易發(fā)揮作用的機(jī)制與規(guī)模工業(yè)的能源技術(shù)效率有關(guān)。能源技術(shù)效率的減排效應(yīng)大于能源配置效率的增排效應(yīng)，最終導(dǎo)致政策具有減排作用。這些結(jié)論說明，想要推進(jìn)中國碳交易市場(chǎng)的發(fā)展并使其長(zhǎng)期發(fā)揮減排作用，必須要加快碳交易市場(chǎng)相關(guān)配套制度的改革，包括碳價(jià)機(jī)制和配額分配機(jī)制等，使市場(chǎng)交易與政府調(diào)控有效結(jié)合；淘汰落后產(chǎn)能，增加研發(fā)投入，鼓勵(lì)工業(yè)企業(yè)使用新技術(shù)；轉(zhuǎn)變能源消費(fèi)結(jié)構(gòu)，倡導(dǎo)新能源和清潔能源的使用。

關(guān)鍵詞 碳排放交易；工業(yè)碳排放；工業(yè)碳強(qiáng)度；能源技術(shù)效率；能源配置效率

中圖分類號(hào) F427

文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 1002-2104（2017）10-0141-08DOI：10.12062/cpre.20170445

中國工業(yè)的發(fā)展使中國經(jīng)濟(jì)快速發(fā)展，人民生活水平不斷提高。但是，工業(yè)的發(fā)展加劇了經(jīng)濟(jì)結(jié)構(gòu)重型化[1]，大量化石能源的消耗帶來CO2排放的劇增，致使全球變暖、霧霾等環(huán)境問題越來越突出。黨的十八大提出把生態(tài)文明建設(shè)列入中國特色社會(huì)主義的“五位一體”總布局，開啟了新一輪全面深化改革。作為全球最大的發(fā)展中國家，中國是最大的CO2排放國。在2015年的巴黎世界氣候大會(huì)上，中國承諾到2030年單位GDP的CO2排放比2005年下降60%— 65%，而工業(yè)的發(fā)展無疑為這一減排任務(wù)提出了挑戰(zhàn)。為協(xié)調(diào)經(jīng)濟(jì)增長(zhǎng)與環(huán)境改善的關(guān)系，中國政府做出了一系列探索與努力，如調(diào)整經(jīng)濟(jì)結(jié)構(gòu)和能源結(jié)構(gòu)、加強(qiáng)對(duì)新能源的投資等。國家發(fā)改委應(yīng)對(duì)氣候變化司于2011年發(fā)布的[2601]號(hào)通知宣布北京、天津、上海、重慶、廣東、湖北和深圳等7個(gè)省市成為碳排放權(quán)交易試點(diǎn)，希望通過試點(diǎn)探索能夠于2017年在全國范圍內(nèi)建立起跨省區(qū)交易市場(chǎng)以推動(dòng)我國碳減排目標(biāo)的實(shí)現(xiàn)。因此研究碳排放交易對(duì)工業(yè)CO2排放量的影響可以為政策推廣提供實(shí)證依據(jù)，對(duì)我國走可持續(xù)發(fā)展道路具有重要的現(xiàn)實(shí)意義。

1 文獻(xiàn)綜述

碳排放交易作為一種成本有效的市場(chǎng)減排手段，近年來越來越受到國內(nèi)外學(xué)者的關(guān)注。關(guān)于碳排放交易的研究，國內(nèi)外文獻(xiàn)已有很多，大致可分為三類。

首先是對(duì)碳交易機(jī)制的設(shè)計(jì)和對(duì)碳排放交易市場(chǎng)運(yùn)行狀況及存在問題的研究。如Cheng et al.[2]提出中國碳排放交易體系應(yīng)該考慮交易主體的潛在減排能力和合作能力，并完善法律法規(guī)和監(jiān)管機(jī)制；Zhang et al.[3]和李志學(xué)等[4]對(duì)中國7大碳交易試點(diǎn)的運(yùn)行和交易狀況進(jìn)行分析，發(fā)現(xiàn)我國碳排放試點(diǎn)仍處于起步階段，法律法規(guī)不健全，碳交易價(jià)格較低是導(dǎo)致碳交易不穩(wěn)定的主要原因。其次是研究碳排放交易下的碳配額分配、碳稅和碳價(jià)問題。Brink et al.[5]采用CGE模型模擬歐盟碳交易體系下不同碳稅情形下碳配額價(jià)格的影響，結(jié)果表明最低拍賣價(jià)可以實(shí)現(xiàn)最低成本的碳價(jià)，碳稅會(huì)造成碳價(jià)下降從而不利于配額出售方。孫亞男[6]在碳排放交易體系下通過構(gòu)建雙寡頭企業(yè)的合作和競(jìng)爭(zhēng)博弈模型，對(duì)碳稅策略進(jìn)行了探討，得出增加碳稅有利于碳減排的結(jié)論。石敏俊等[7]基于動(dòng)態(tài)CGE模型，模擬了單一碳稅、單一碳交易及碳稅和碳交易結(jié)合等不同情形下的減排效果、經(jīng)濟(jì)影響與減排成本，結(jié)果表明碳排放交易與適度碳稅相結(jié)合既可確保減排目標(biāo)的實(shí)現(xiàn)，又可降低減排成本。

除了前兩類文獻(xiàn)，近年學(xué)者更關(guān)注碳交易的影響，即基于區(qū)域?qū)用婧蛧覍用嫜芯刻寂欧沤灰椎慕?jīng)濟(jì)和環(huán)境影響。Wang et al.[8]根據(jù)哥本哈根氣候目標(biāo)設(shè)計(jì)廣東省不同的減排目標(biāo)，通過構(gòu)建CGE模型評(píng)估碳排放權(quán)交易對(duì)廣東經(jīng)濟(jì)的影響，結(jié)果表明，嚴(yán)格的減排目標(biāo)將給廣東GDP帶來較大損失，但是碳交易的開展將有效降低這一損失。崔連標(biāo)等[9]通過構(gòu)建省際排放權(quán)交易模型，考察了無碳交易市場(chǎng)、僅包含6個(gè)試點(diǎn)省市的碳交易市場(chǎng)和全國范圍碳排放交易市場(chǎng)三種情形下的減排成本，結(jié)果發(fā)現(xiàn)全國碳市場(chǎng)下的減排成本更低。Fre et al.[10]通過分別構(gòu)建空間交易和跨期交易的DEA模型考察了美國燃煤發(fā)電廠的潛在產(chǎn)出能力，測(cè)算了碳排放交易的潛在績(jī)效。Martin et al.[11]的一篇綜述從污染排放、經(jīng)濟(jì)績(jī)效與競(jìng)爭(zhēng)力、技術(shù)創(chuàng)新三個(gè)方面對(duì)歐洲碳排放交易體系出臺(tái)十年來的影響進(jìn)行了實(shí)證總結(jié)，結(jié)果表明，歐盟碳交易在第一階段和第二階段分別使受規(guī)制企業(yè)排放量減少3%和10—26%；總體而言碳交易并未對(duì)企業(yè)的經(jīng)濟(jì)績(jī)效產(chǎn)生嚴(yán)重負(fù)面影響，對(duì)技術(shù)創(chuàng)新也有顯著的促進(jìn)作用。

縱觀相關(guān)的研究文獻(xiàn)，首先，就研究對(duì)象而言，碳交易的影響是研究熱點(diǎn)，在這類文獻(xiàn)中，對(duì)經(jīng)濟(jì)的影響研究多于對(duì)環(huán)境的影響研究；其次，就研究方法而言，關(guān)于碳交易的文獻(xiàn)大多使用CGE和DEA等系統(tǒng)均衡模型和線性規(guī)劃方法，使用計(jì)量方法的相對(duì)較少。第三，就影響機(jī)制而言，很少有文獻(xiàn)來探討，即使有，也僅僅從交易成本角度來闡述碳交易的影響機(jī)制，很少有文獻(xiàn)從投入要素的技術(shù)角度和配置角度來討論碳交易的影響機(jī)制。雖然碳交易的有效實(shí)施直觀上確實(shí)與交易成本相關(guān)，但交易成本與能源投入的技術(shù)和配置相關(guān)，因此，探討碳交易能否有效實(shí)施還必須深入考慮生產(chǎn)者的要素投入技術(shù)水平和配置能力。最后，由于我國的CO2排放很大部分來源于工業(yè)，且碳排放交易的主體主要是工業(yè)，而目前已有文獻(xiàn)中，關(guān)于中國碳交易對(duì)工業(yè)部門影響的文獻(xiàn)還相對(duì)較少。因此，本文利用2013年7個(gè)省市成為碳排放交易試點(diǎn)這樣一個(gè)準(zhǔn)實(shí)驗(yàn)，采用倍差法研究碳交易對(duì)規(guī)模工業(yè)碳減排的影響，并對(duì)碳交易的影響機(jī)制進(jìn)行考察。

2 模型描述與數(shù)據(jù)處理

2.1 政策評(píng)估模型

政策評(píng)估方法有很多，倍差法作為其中的一種，通過選擇合適的對(duì)照組，構(gòu)造合理的反事實(shí)來評(píng)估政策實(shí)施的凈效應(yīng)，這種方法由于一定程度上可以減少內(nèi)生性，因而被越來越多的學(xué)者使用[12-13]。本文也采用倍差法來考察碳排放權(quán)交易機(jī)制對(duì)規(guī)模以上工業(yè)企業(yè)CO2排放量和碳排放強(qiáng)度的影響。中國碳排放交易的七個(gè)試點(diǎn)省市分別是：北京、天津、上海、重慶、湖北、廣東和深圳，由于除了深圳市以外其他試點(diǎn)都是省和直轄市，因此為了研究范圍的統(tǒng)一，將深圳市合并到廣東省。所以本文處理組為：北京、天津、上海、重慶、湖北和廣東等省份的規(guī)模工業(yè)企業(yè)，其余非試點(diǎn)省份（除西藏、港澳臺(tái)地區(qū)）的規(guī)模工業(yè)企業(yè)為對(duì)照組。由于除深圳市以外，其他試點(diǎn)碳交易完全啟動(dòng)基本是在2014年，因此本文將2014年之前定為非試點(diǎn)期，2014年之后（包括2014年）為試點(diǎn)期?；诖?，本文構(gòu)造的基本模型如下：

其中，CEit和CIit分別代表第i省份t年的規(guī)模工業(yè)的CO2排放量和碳強(qiáng)度，虛擬變量treated和period分別表示是否是實(shí)行碳排放權(quán)交易的省份和時(shí)點(diǎn)，treatedi=1代表i省份是實(shí)驗(yàn)組，treatedi=0代表i省份是對(duì)照組；當(dāng)t小于2014年時(shí)，periodt=0，反之periodt=1，λi和λt分別代表個(gè)體固定效應(yīng)和時(shí)間固定效應(yīng)?；灸Ｐ停?）和（2）分別考察碳排放交易政策對(duì)當(dāng)?shù)匾?guī)模工業(yè)CO2排放量和碳排放強(qiáng)度的影響，交互項(xiàng)的系數(shù)α和β即表示政策的凈效應(yīng)。

式（1）和式（2）可能存在遺漏變量，因此本文需要對(duì)模型加入控制變量。本文借鑒前人關(guān)于碳方面的研究[1，13-14]，在基本模型的基礎(chǔ)上引入人均地區(qū)生產(chǎn)總值對(duì)數(shù)值（lnpgdp）、人均地區(qū)生產(chǎn)總值二次項(xiàng)對(duì)數(shù)值（lnpgdp2）、人口規(guī)模對(duì)數(shù)值（lnpop）、能源強(qiáng)度（ei）、排放系數(shù)（index）、產(chǎn)業(yè)結(jié)構(gòu)（industry，即規(guī)模工業(yè)總產(chǎn)值占地區(qū)生產(chǎn)總值的比重）、能源消費(fèi)結(jié)構(gòu)（hsrate，即化石能源消費(fèi)占總能源消費(fèi)比重）、重工業(yè)企業(yè)數(shù)量對(duì)數(shù)值（lnhcount）等控制變量（CV）來考察碳排放權(quán)交易政策對(duì)規(guī)模工業(yè)CO2排放量和碳排放強(qiáng)度的影響。因此，基本模型（1）和（2）可轉(zhuǎn)變?yōu)椋?/p>

2.2 影響機(jī)制分析模型

僅僅基于政策評(píng)估模型來考察政策效應(yīng)還不夠，還必須探討政策效應(yīng)背后的影響機(jī)制?！笆濉币詠碇袊涌旖?jīng)濟(jì)結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，以提高能源利用效率為核心，鼓勵(lì)企業(yè)清潔生產(chǎn)，淘汰落后產(chǎn)能。基于此，我們大膽假設(shè)碳交易的碳減排效果與工業(yè)能源效率有關(guān)。因此，為了全面考察碳交易、能源效率和碳排放（碳強(qiáng)度）三者之間的關(guān)系，我們有必要測(cè)算出工業(yè)能源技術(shù)效率和配置效率。

本文采用SFA模型[15]對(duì)各省份規(guī)模工業(yè)企業(yè)的能源技術(shù)效率和配置效率進(jìn)行測(cè)度，SFA模型的一般形式為：

（5）式中，S表示各省份規(guī)模工業(yè)總產(chǎn)值，f（Xit，β）表示生產(chǎn)前沿面，X表示投入要素向量，β是待估參數(shù)向量。我們參考Zhou et al.[16]，采用C-D型生產(chǎn)函數(shù)，基于生產(chǎn)效率角度來測(cè)度能源技術(shù)效率，定義相應(yīng)的基于投入能源的Shephard距離函數(shù)為：

其中，vit為隨機(jī)誤差項(xiàng)，vi～iidN（0，σ2v）。由于Shephard距離函數(shù)是關(guān)于E的線性齊次方程，經(jīng)過計(jì)算，可得到βE=1，將其代入（6）式即可得到：

其中，E·it表示i省份在第t年能源要素的增長(zhǎng)率，εite表示能源的產(chǎn)出彈性，由（9）式估計(jì)參數(shù)計(jì)算而得，∑εit3表示3種要素（資本、勞動(dòng)和能源）的產(chǎn)出彈性之和，Cite表示能源成本占總要素成本的份額。

2.3 數(shù)據(jù)來源和變量選取

本文的數(shù)據(jù)來源于2008—2014年的《中國統(tǒng)計(jì)年鑒》、《中國工業(yè)統(tǒng)計(jì)年鑒》、《中國城市統(tǒng)計(jì)年鑒》、《中國能源統(tǒng)計(jì)年鑒》、《中國物價(jià)年鑒》、《中國科技統(tǒng)計(jì)年鑒》以及各樣本省份的統(tǒng)計(jì)年鑒。

在CO2排放量的核算方面，本文選取了規(guī)模以上工業(yè)企業(yè)生產(chǎn)消費(fèi)的主要能源：原煤、洗精煤、其他洗煤、焦炭、原油、柴油、燃料油、汽油、煤油、液化石油氣、煉廠干氣、天然氣、焦?fàn)t煤氣、其他煤氣、熱力和電力，這些主要能源CO2排放量分為化石能源直接消耗的CO2排放量和熱力電力中間轉(zhuǎn)化形成的CO2排放量，其中熱力和電力中間轉(zhuǎn)化的CO2排放量參考涂正革[1]，采用電（熱）碳分?jǐn)偡?，因?yàn)殡娏蜔崃Φ腃O2排放基本來源于化石能源的中間轉(zhuǎn)化，因此先計(jì)算出熱力和電力所消耗的化石能源的CO2排放量，再根據(jù)各省份規(guī)模工業(yè)企業(yè)電力（熱力）終端消費(fèi)量在全國電力（熱力）終端消費(fèi)量的比例計(jì)算出各省份電力（熱力）CO2排放量。其中化石能源CO2排放系數(shù)主要參考IPCC（2006）推薦的計(jì)算公式來計(jì)算。根據(jù)排放系數(shù)可以得到各樣本省份規(guī)模以上工業(yè)企業(yè)的CO2排放量，再與工業(yè)總產(chǎn)值作比即可得到工業(yè)碳強(qiáng)度。

資本存量核算方面，本文采用永續(xù)盤存法估計(jì)，選擇固定資本形成總額為當(dāng)年投資指標(biāo)，參考文獻(xiàn)[18]構(gòu)造以2008年為不變價(jià)的固定資產(chǎn)投資價(jià)格指數(shù)，參考文獻(xiàn)[19]得到1993年的資本存量和三種資產(chǎn)的折舊率，根據(jù)永續(xù)盤存法公式計(jì)算得到各地區(qū)資本存量。

勞動(dòng)力數(shù)據(jù)來自于《中國工業(yè)統(tǒng)計(jì)年鑒》按地區(qū)分規(guī)模以上工業(yè)企業(yè)全部從業(yè)人員年平均人數(shù)，勞動(dòng)成本數(shù)據(jù)選取《中國勞動(dòng)統(tǒng)計(jì)年鑒》分地區(qū)分行業(yè)在崗職工工資總額。資本成本主要考慮利息支出和固定資產(chǎn)折舊兩個(gè)方面，能源成本主要將上述能源分為煤炭、石油、天然氣和電力四大類[17]，煤炭、天然氣和電力的價(jià)格數(shù)據(jù)主要來源于《中國物價(jià)年鑒》，石油價(jià)格主要采用布倫特原油進(jìn)口價(jià)格。

其他變量方面，各省份的地區(qū)生產(chǎn)總值、人均地區(qū)生產(chǎn)總值、規(guī)模工業(yè)總產(chǎn)值，分別以2008年的地區(qū)生產(chǎn)總值指數(shù)、人均地區(qū)生產(chǎn)總值指數(shù)、生產(chǎn)者出廠價(jià)格指數(shù)平減得到。

3 實(shí)證過程與結(jié)果分析

3.1 政策效應(yīng)估計(jì)

為了初步識(shí)別碳排放權(quán)交易政策的影響，本文首先考察了處理組和控制組在規(guī)模工業(yè)CO2排放量和工業(yè)碳強(qiáng)度方面的趨勢(shì)，如圖1所示。

從圖1可以看出，控制組的碳排放量比處理組平均多0.2—0.4萬t，處理組的碳強(qiáng)度比控制組平均每萬元多0.6—0.8t。無論是規(guī)模工業(yè)CO2排放量還是碳強(qiáng)度，試點(diǎn)之前處理組和控制組基本都具有相同的趨勢(shì)，為我們使用倍差法提供了依據(jù)。

接下來將控制變量（CV）分為經(jīng)濟(jì)因素（X1，包括lnpgdp，lnpgdp2，lnpop，industry，lnhcount）和能源環(huán)境環(huán)境因素（X2，包括index，ei，hsrate），對(duì)模型（3）和（4）加入個(gè)體固定效應(yīng)和時(shí)間固定效應(yīng)并聚類到省級(jí)層面進(jìn)行估計(jì)。表1中的（1）和（2）列是未經(jīng)匹配的基本回歸。回歸（1）表明，政策使CO2排放量在5%的顯著水平上平均下降9.5個(gè)百分點(diǎn)，即政策具有碳抑制作用?？刂谱兞恐谐毓I(yè)數(shù)量外其他經(jīng)濟(jì)因素均不顯著，但能源強(qiáng)度、排放系數(shù)、能源消費(fèi)結(jié)構(gòu)等能源環(huán)境因素對(duì)碳排放量均有顯著的正影響，這說明高能耗仍是中國工業(yè)的主要特征。回歸（2）表明，政策使工業(yè)碳強(qiáng)度平均下降10.8個(gè)百分點(diǎn)，且在1%的水平顯著，這說明政策對(duì)工業(yè)碳強(qiáng)度也具有抑制作用?？刂谱兞恐幸廊皇悄茉喘h(huán)境因素對(duì)工業(yè)碳強(qiáng)度的增加具有顯著正向影響。綜上，我們可以說，碳排放交易政策具有明顯的碳減排作用。

由于在上述的實(shí)證分析中，對(duì)控制組的處理很粗糙，僅將非處理組的其他地區(qū)作為對(duì)照組，嚴(yán)格意義上是不符合倍差法平行趨勢(shì)假定的要求。因此，進(jìn)一步地，采用PSM-DID方法進(jìn)行估計(jì)。在利用PSM方法時(shí)需要計(jì)算傾向得分，采用Logit模型來估計(jì)進(jìn)入處理組的傾向得分值。由于經(jīng)濟(jì)規(guī)模、能源結(jié)構(gòu)、工業(yè)內(nèi)部結(jié)構(gòu)及工業(yè)科技投入水平等綜合反映了各地區(qū)的經(jīng)濟(jì)發(fā)展水平和工業(yè)發(fā)展水平。因此，選取上一年人均地區(qū)生產(chǎn)總值對(duì)數(shù)值（lnpgdp_1）、上一年化石能源消費(fèi)結(jié)構(gòu)（化石能源消費(fèi)量占總能源消費(fèi)量比重（hsrate_1）、上一年重工業(yè)企業(yè)數(shù)量（lnhcount_1）、上一年投資研發(fā)科研人員數(shù)占從業(yè)人員比重（lrdrate_1）等變量作為解釋變量，以是否為處理組（treated）為被解釋變量利用Logit模型計(jì)算傾向得分。樣本省份能否進(jìn)入處理組的Logit估計(jì)結(jié)果見表2。

表2的估計(jì)結(jié)果基本與實(shí)際情況相符，且各變量均高度顯著。經(jīng)濟(jì)發(fā)展水平較高，市場(chǎng)交易較發(fā)達(dá)，進(jìn)入處理組的概率就越大；化石能源消費(fèi)的能源比重越高，越有可能進(jìn)入處理組；重工業(yè)企業(yè)數(shù)量越大，能耗越強(qiáng)，越有可能進(jìn)入處理組；從事科技研發(fā)人員占總從業(yè)人員的比重越高，工業(yè)企業(yè)越有可能研發(fā)和引進(jìn)新技術(shù)，因而進(jìn)入處理組的可能性就越高。

根據(jù)表2計(jì)算得出的傾向得分，將處理組和控制組的各樣本省份進(jìn)行了匹配，并將未完成匹配的樣本刪掉得到新樣本，繼續(xù)采用倍差法對(duì)政策影響效果進(jìn)行檢驗(yàn)，估計(jì)結(jié)果見表1的（3）和（4）列?；貧w（3）表明，匹配后碳排放權(quán)交易政策平均可以使規(guī)模工業(yè)CO2排放量下降4.8個(gè)百分點(diǎn)，較匹配前低4.7個(gè)百分點(diǎn)?；貧w（4）表明，匹配后政策平均使工業(yè)碳強(qiáng)度下降5.2個(gè)百分點(diǎn)，較匹配前低5.6個(gè)百分點(diǎn)。盡管系數(shù)絕對(duì)值下降了，但依然能說明碳排放交易政策對(duì)工業(yè)碳排放和碳強(qiáng)度有明顯的抑制作用。同時(shí)，也可以看到能源強(qiáng)度、排放系數(shù)和能源消費(fèi)結(jié)構(gòu)對(duì)碳排放和碳強(qiáng)度有較大的貢獻(xiàn)，因此有理由推測(cè)碳交易政策的有效發(fā)揮與能源方面的改進(jìn)有關(guān)。既然如此，那么有沒有可能是碳交易政策通過改變能源投入方面的效率如技術(shù)效率或配置效率而實(shí)現(xiàn)了碳減排呢？這種影響機(jī)制存在嗎？我們還需要進(jìn)一步分析和驗(yàn)證。

3.2 影響機(jī)制分析

上述分析表明碳排放交易政策具有碳減排作用，假設(shè)這可能與能源技術(shù)效率或配置效率有關(guān)，但并未對(duì)這一影響機(jī)制進(jìn)行充分論證，因此本文對(duì)其進(jìn)行實(shí)證分析。值得一提的是，本文之所以著重探討能源技術(shù)效率和配置效率，一方面是因?yàn)槲覈兄Z的減排目標(biāo)大多是基于能源強(qiáng)度的減排，另一方面也是因?yàn)闇y(cè)度能源效率是近幾年的研究熱點(diǎn)，且從這一角度探討碳交易減排機(jī)制的文獻(xiàn)還較少。通過估計(jì)以上（7）式和（8）式可得到各省份工業(yè)企業(yè)的能源技術(shù)效率，通過估計(jì)（9）式計(jì)算出各要素產(chǎn)出彈性并利用（10）式可得到各省份工業(yè)企業(yè)的能源配置效率。

在能源技術(shù)效率和配置效率隨機(jī)前沿模型中，LR檢驗(yàn)均在1%水平下通過了u服從半正態(tài)分布的假設(shè)，回歸結(jié)果γ值分別為0.831和0.994，說明分別有83.1%和99.4%的誤差來自于技術(shù)非效率，即采用隨機(jī)前沿模型分析是合理的?；谏鲜龌貧w結(jié)果，本文也計(jì)算出了各省份規(guī)模工業(yè)企業(yè)的能源技術(shù)效率（ETE）和配置效率（EAE）。表3給出了2008年到2014年各省份規(guī)模工業(yè)能源技術(shù)效率和配置效率的均值。

從表3可以看出，試點(diǎn)省份的能源技術(shù)效率和配置效率總體高于非試點(diǎn)省份。“十二五”以來，能源技術(shù)效率不斷提高，配置效率波動(dòng)較大。就能源技術(shù)效率來講，試點(diǎn)省份2013年遠(yuǎn)高于2012年，盡管2014年是碳交易基本全部啟動(dòng)的年份，但該年的技術(shù)效率較之2013年僅提高了0.01。這是因?yàn)?，一方面?011年底國家提出設(shè)立7個(gè)省市為碳排放交易試點(diǎn)，各試點(diǎn)2012年就開始為啟動(dòng)碳交易做準(zhǔn)備工作。2012年國家還發(fā)布了促進(jìn)工業(yè)技術(shù)改造和節(jié)能減排的政策文件。如《中國的能源政策2012》白皮書，要求加強(qiáng)工業(yè)節(jié)能，制定鋼鐵、石化、有色、建材等重點(diǎn)行業(yè)的節(jié)能減排先進(jìn)技術(shù)目錄。這些舉措一定程度上都促進(jìn)工業(yè)企業(yè)改造傳統(tǒng)技術(shù)，研發(fā)和引進(jìn)先進(jìn)技術(shù)，但是這一過程并不是一蹴而就的，效果并不會(huì)立竿見影，極有可能在下一期才會(huì)產(chǎn)生。另外，雖然2013年的大氣污染防治“國十條”將減排與治霾結(jié)合，也可以倒逼工業(yè)改進(jìn)能源技術(shù)，但相較于2012年的政策并不直接，由于政策具有時(shí)滯性和針對(duì)性，加上各試點(diǎn)自身的區(qū)域性和技術(shù)性差別，2013年能源技術(shù)效率增長(zhǎng)幅度高于2014年是極有可能的。另一方面，盡管2014年的碳交易較2013年有所增加，但畢竟剛起步，市場(chǎng)還不是很活躍。眾所周知，中國治理環(huán)境的手段仍然以強(qiáng)制性管制為主，“十二五”中期是國家淘汰落后產(chǎn)能的關(guān)鍵時(shí)期，工信部2013年關(guān)停19個(gè)行業(yè)的落后生產(chǎn)線，2014年關(guān)停和淘汰15個(gè)行業(yè)的過剩產(chǎn)能，低于2013年的去產(chǎn)能力度。從這方面而言，較大的去產(chǎn)能力度更能刺激工業(yè)企業(yè)改進(jìn)能源技術(shù)和生產(chǎn)設(shè)備，更有可能使2013年能源技術(shù)效率的提高幅度大于2014年的提高幅度。就能源配置效率來講，試點(diǎn)省份波動(dòng)幅度大于非試點(diǎn)省份，這是因?yàn)樵圏c(diǎn)省份的市場(chǎng)化程度偏高，對(duì)能源價(jià)格的變動(dòng)較敏感。2013年出現(xiàn)負(fù)值，是因?yàn)樵撃攴菝禾績(jī)r(jià)格和國際原油價(jià)格較2012年大幅下降，總能源成本比2012年下降14億元，一些試點(diǎn)省存在較嚴(yán)重的過度能源投入（如天津市）。2014年各試點(diǎn)省能源要素增長(zhǎng)率相對(duì)下降，因此配置效率得到改善。直觀上看，碳交易政策可以提高能源技術(shù)效率和配置效率，這種直觀結(jié)果可靠嗎？

我們將能源技術(shù)效率（ETE）和配置效率（EAE）分別作為被解釋變量，由于能源強(qiáng)度（ei）、工業(yè)產(chǎn)業(yè)結(jié)構(gòu)（industry）、能源消費(fèi)結(jié)構(gòu)（hsrate）、研發(fā)人員比重（lrdrate）、資本（K）和勞動(dòng)（L）都對(duì)能源投入有影響，因此將這些變量作為控制變量分別使用DID和PSMDID估計(jì)碳交易政策對(duì)能源技術(shù)效率和配置效率的影響，結(jié)果見表4。

表4中回歸（1）和（2）是匹配前碳交易政策對(duì)能源技術(shù)效率和配置效率的影響，回歸（3）和（4）是匹配后的政策影響。就能源技術(shù)效率而言，無論匹配前還是匹配后，可以看出政策對(duì)技術(shù)效率的影響是顯著的，分別使其增加0.04和0.03個(gè)單位，且均通過10%顯著水平的檢驗(yàn)。這可能是因?yàn)橐胩寂欧艡?quán)交易政策后，由于參與主體都有定量減排目標(biāo)，加之“十二五”提出的多項(xiàng)節(jié)能措施，如能源政策白皮書，淘汰落后產(chǎn)能等，在一定程度上促使企業(yè)轉(zhuǎn)變生產(chǎn)技術(shù)，促進(jìn)了工業(yè)企業(yè)的能源技術(shù)效率。控制變量中，研發(fā)人員比重的提高對(duì)能源技術(shù)效率的提高具有極大的促進(jìn)作用，再一次突出了創(chuàng)新和研發(fā)對(duì)提高中國工業(yè)生產(chǎn)的重要性。就能源配置效率而言，同樣地，無論匹配前還是匹配后，政策對(duì)配置效率均具有正向影響，分別使其提高0.11和0.08個(gè)單位，且均在1%水平上顯著。這可能是因?yàn)閷?shí)施碳排放交易后，從市場(chǎng)獲益更大的工業(yè)企業(yè)更有能力配置和使用資源，使能源要素從邊際產(chǎn)出低的地區(qū)流向了邊際產(chǎn)出較高的地區(qū)，緩解了一些地區(qū)的工業(yè)對(duì)能源過度投入造成的能源配置扭曲，進(jìn)而提高了能源配置效率?？刂谱兞恐?，研發(fā)人員比重的提高反而對(duì)能源配置效率有顯著抑制作用，這說明當(dāng)前中國工業(yè)生產(chǎn)仍主要依靠傳統(tǒng)技術(shù)和高能耗拉動(dòng)，技術(shù)創(chuàng)新短期可能會(huì)損害部分工業(yè)企業(yè)的既得利益，加上政府的干預(yù)，配置效率的下降是極有可能的。

既然碳交易政策提高了規(guī)模工業(yè)企業(yè)的能源技術(shù)效率和配置效率，那么當(dāng)實(shí)行碳交易政策時(shí)，隨著能源技術(shù)效率和配置效率的提高，碳排放量和碳強(qiáng)度如何變化呢？我們以規(guī)模工業(yè)碳排放量和碳強(qiáng)度作為被解釋變量，把是否為政策試點(diǎn)與能源技術(shù)效率、配置效率的交互項(xiàng)（treat_ete）和（treat_eae）作為解釋變量，加入經(jīng)濟(jì)因素和能源環(huán)境因素等控制變量來估計(jì)能源技術(shù)效率和配置效率對(duì)工業(yè)碳排放和碳強(qiáng)度的影響?；貧w結(jié)果見表5。

從表5中可以看出，當(dāng)實(shí)行碳排放交易政策時(shí)，能源技術(shù)效率的提高可以帶來碳排放量和碳強(qiáng)度的顯著下降。能源技術(shù)效率提高1個(gè)百分點(diǎn)，分別可使工業(yè)碳排放量和碳強(qiáng)度下降136.9%和141.9%，且均通過了1%水平的檢驗(yàn)。但能源配置效率的提高反而對(duì)工業(yè)碳排放和碳強(qiáng)度有正向影響。能源配置效率提高1個(gè)百分點(diǎn)，工業(yè)碳排放量和碳強(qiáng)度分別增加59.2%和56.3%，均在1%水平顯著。有趣的是，這一結(jié)果與單純估計(jì)兩種能源效率（即不與政策試點(diǎn)交互）對(duì)工業(yè)碳排放和碳強(qiáng)度的結(jié)果恰好相反，可以發(fā)現(xiàn)在后者情形下，與能源技術(shù)效率的作用相同，能源配置效率的提高分別在1%水平下使工業(yè)碳排放和碳強(qiáng)度下降35.2%和44.1%。這說明碳交易政策實(shí)施時(shí)，能源配置效率的提高會(huì)增加排放。這可能有兩方面的原因：其一是碳交易允許參與主體自由買賣排放權(quán)，這導(dǎo)致一些工業(yè)企業(yè)為了增加生產(chǎn)而過多地購買排放權(quán)，盡管這些企業(yè)可能邊際生產(chǎn)力較高，但只要增加能源投入，好產(chǎn)出增加的同時(shí)，壞產(chǎn)出也是無可避免的；其二是雖然能源配置效率有所提高，但當(dāng)前中國能源消費(fèi)結(jié)構(gòu)中仍是化石能源消費(fèi)占主導(dǎo)，無論何種能源的有效組合，必然決定高排放的結(jié)果。

聯(lián)系表1，發(fā)現(xiàn)碳排放交易政策最終還是會(huì)抑制工業(yè)碳排放和碳強(qiáng)度，這應(yīng)該是能源技術(shù)效率的減排作用（136.9%和141.9%）大于能源配置效率的增排作用（59.2%和56.3%）所致。

4 結(jié)論和建議

第一，碳排放交易可以有效抑制工業(yè)碳排放量和碳強(qiáng)度。匹配前樣本表明，碳交易平均可使規(guī)模工業(yè)CO2排放量和工業(yè)碳強(qiáng)度顯著下降9.5%和10.8%；匹配后樣本表明，碳交易平均可使二者顯著下降4.8%和5.2%。第二，碳排放交易顯著提高了工業(yè)能源技術(shù)效率和配置效率。匹配前樣本表明，碳交易可分別使能源技術(shù)效率和配置效率顯著提高0.04和0.11，匹配后樣本表明，碳交易可分別使二者顯著提高0.03和0.08。第三，碳排放交易發(fā)揮作用的機(jī)制與碳交易政策提高工業(yè)能源技術(shù)效率有關(guān)。雖然碳交易政策也提高了能源配置效率，但政策實(shí)施時(shí)，由于交易的自由化和化石能源主導(dǎo)的消費(fèi)結(jié)構(gòu)，配置效率的提高反而會(huì)使工業(yè)碳排放和碳強(qiáng)度增加59.2%和56.3%；與之相反，能源技術(shù)效率的提高分別使工業(yè)碳排放和碳強(qiáng)度下降136.9%和141.9%。能源技術(shù)效率的減排效應(yīng)大于配置效率的增排效應(yīng)最終導(dǎo)致政策的碳減排作用。

可以說，碳排放權(quán)交易依然是實(shí)現(xiàn)碳減排的重要途徑。但是，如果不能保持工業(yè)技術(shù)進(jìn)步，不能轉(zhuǎn)變能源消費(fèi)結(jié)構(gòu)，碳交易市場(chǎng)不能良好發(fā)展，這種減排作用在長(zhǎng)期很可能會(huì)消失。為了使碳排放權(quán)交易更好地發(fā)揮減排作用，本文主要有兩方面建議：一是要大力推進(jìn)碳交易市場(chǎng)的完善與創(chuàng)新，完善碳配額和交易價(jià)格機(jī)制，讓市場(chǎng)在價(jià)格形成中起主導(dǎo)作用，以市場(chǎng)交易為主。同時(shí)，政府調(diào)節(jié)為輔，如合理控制企業(yè)買賣排放權(quán)的數(shù)量；二是要繼續(xù)調(diào)整經(jīng)濟(jì)結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)，淘汰落后產(chǎn)能，增加技術(shù)研發(fā)投入，鼓勵(lì)企業(yè)研發(fā)和引進(jìn)先進(jìn)生產(chǎn)技術(shù)；三是加快轉(zhuǎn)變能源消費(fèi)結(jié)構(gòu)，鼓勵(lì)新能源和清潔能源的使用，降低能耗。為在全國范圍內(nèi)建立跨省區(qū)碳排放權(quán)交易市場(chǎng)和實(shí)現(xiàn)長(zhǎng)遠(yuǎn)減排打好基礎(chǔ)。

參考文獻(xiàn)（References）

[1]涂正革， 諶仁俊. 工業(yè)化、城鎮(zhèn)化的動(dòng)態(tài)邊際碳排放量研究[J]. 中國工業(yè)經(jīng)濟(jì)， 2013 （9）： 31-43. [TU Zhengge， CHEN Renjun. Industrializations， urbanizations-dynamic marginal carbon emissionsthe analytical framework [J]. China industrial economics， 2013 （9）：31-43.]

[2]CHENG-C P， ZHANG X. A study on the construction of Chinas carbon emissions trading system[J]. Energy procedia， 2011 （5）： 1037-1043.

[3]ZHANG-D， KARPLUS V J， CASSISA C， et al. Emissions trading in China：progress and prospects[J]. Energy policy， 2014， 75 （12）： 9-16.

[4]李志學(xué)，張肖杰，董英宇. 中國碳排放權(quán)交易市場(chǎng)運(yùn)行狀況、問題與對(duì)策研究[J]. 生態(tài)環(huán)境學(xué)報(bào)， 2014， 23 （11）： 1876-1882. [LI Zhixue， ZHANG Xiaojie， DONG Yingyu. Research on Chinas carbon emissions trading market status， problems and measures[J]. Ecology and environmental sciences， 2014， 23 （11）： 1876-1882.]

[5]BRINK-C， VOLLEBERGH H R， WERF E V D. Carbon pricing in the EU： evaluation of different EU ETS reform options[J]. Energy policy， 2016， 97 （8）： 603-617.

[6]孫亞男. 碳交易市場(chǎng)中的碳稅策略研究[J]. 中國人口·資源與環(huán)境， 2014 （3）： 32-40. [SUN Yanan. Carbon tax policy in the carbon market[J]. China population， resources and environment， 2014 （3）： 32-40.]

[7]石敏俊，袁永娜，周晟呂，等. 碳減排政策：碳稅、碳交易還是兩者兼之[J]. 管理科學(xué)學(xué)報(bào)， 2013， 16 （9）： 9-19. [SHI Minjun， YUAN Yongna， ZHOU Shenglv， et al. Carbon tax， capandtrade or mixed policy： which is better for carbon mitigation[J]. Journal of management sciences in China， 2013， 16 （9）： 9-19.]

[8]WANG-P， DAI H C， REN S Y， et al. Achieving Copenhagen target through carbon emission trading： economic impacts assement in Guangdong Province of China[J]. Energy， 2015， 79 （1）： 212-227.

[9]崔連標(biāo)，范英，朱磊，等. 碳排放交易對(duì)實(shí)現(xiàn)我國“十二五”減排目標(biāo)的成本節(jié)約效應(yīng)研究[J].中國管理科學(xué)，2013， 21 （1）： 37-46. [CUI Lianbiao， FAN Ying， ZHU Lei， et al. The cost saving effect of carbon markets in China for achieving the reduction targets in the ‘12th FiveYear Plan[J]. Chinese journal of management sciences， 2013， 21 （1）： 37-46.]

[10]FRE-R， GRPSSKOPF S， PASURKA C A. Tradable permits and unrealized gains from trade[J]. Energy economics， 2013， 40 （1）： 416-424.

[11]MARTIN-R， MUULS M， WAGNER U J. The impact of the European Union emissions trading scheme on regulated firms： what is the evidence after ten years[J]. Review of environmental economics and policy， 2015， 10 （1）： 129-148.

[12]包群，邵敏，楊大利. 環(huán)境管制抑制了污染排放嗎[J]. 經(jīng)濟(jì)研究， 2013 （12）： 42-54. [BAO Qun， SHAO Min， YANG Dali. Environmental regulation， provincial legislation and pollution emission in China[J]. Economic research journal， 2013 （12）： 42-54.]

[13]涂正革，諶仁俊. 排污權(quán)交易機(jī)制在中國能實(shí)現(xiàn)波特效應(yīng)嗎[J]. 經(jīng)濟(jì)研究， 2015 （7）： 160-173. [TU Zhengge， CHEN Renjun. Can emissions trading scheme achieve the Porter Effect in China[J]. Economic research journal， 2015 （7）： 160-173.]

[14]王敏，黃瀅. 中國的環(huán)境污染與經(jīng)濟(jì)增長(zhǎng)[J]. 經(jīng)濟(jì)學(xué)（季刊）， 2015 （2）： 557-577. [WANG Min， HUANG Ying. Chinas environmental pollution and economic growth[J]. China economic quarterly， 2015 （2）： 557-577.]

[15]AIGNER-D， LOVELL C A K， SCHMIDT P. Formulation and estimation of stochastic frontier production models[J]. Journal of econometrics， 1977 （6）： 21-37.

[16]ZHOU-P， ANGER B W， ZHOU D Q. Measuring economywide energy efficiency performance： a parametric frontier approach[J]. Applied energy， 2012， 90 （1）： 196-200.

[17]孫傳旺，林伯強(qiáng). 中國工業(yè)能源要素配置效率與節(jié)能潛力研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2014 （5）： 86-99. [SUN Chuanwang， LIN Boqiang. Energy resource allocation efficiency and energy conservation potential of Chinas industrial sectors[J]. The journal of quantitative & technical economics， 2014 （5）： 86-99.]

[18]張軍，吳桂英，張吉鵬. 中國省際物質(zhì)資本存量估算：1952—2000[J]. 經(jīng)濟(jì)研究， 2004 （10）： 35-44. [ZHANG Jun， WU Guiying， ZHANG Jipeng. Measurement of Chinese provincial physical capital stock： 1952-2000[J]. Economic research journal， 2004 （10）： 35-44.]

[19]夏冬南.中國省際資本服務(wù)估算：1993—2013[D].大連：東北財(cái)經(jīng)大學(xué)， 2015： 1-47. [XIA Dongnan. Measurement of Chinese provincial capital services： 1993-2013[D]. Dalian： Dongbei University of Finance and Economics， 2015： 1-47.]