李艷芹 李宗堯 張騫

摘要：以科斯產(chǎn)權(quán)定理為理論基礎(chǔ)，建立了關(guān)于碳排放量和碳排放強(qiáng)度的多時(shí)點(diǎn)雙重差分模型，對2007—2017年我國30個(gè)省級行政區(qū)（不含港澳臺和西藏自治區(qū)）的相關(guān)面板數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)，以考察碳交易政策對碳排放的影響。多時(shí)點(diǎn)雙重差分結(jié)果顯示：碳交易政策對減少碳排放量具有顯著促進(jìn)作用，隨著實(shí)行時(shí)間的推移，該政策的減排效果逐漸增大；碳交易政策的實(shí)施有利于降低碳排放強(qiáng)度，且政策影響同樣逐年增大，與該政策對碳排放量的影響相比，相關(guān)系數(shù)明顯更大；在對碳排放量和碳排放強(qiáng)度的影響過程中，經(jīng)濟(jì)水平和技術(shù)水平等因素的影響效果比較顯著，而產(chǎn)業(yè)結(jié)構(gòu)和人口規(guī)模等變量到目前為止尚未表現(xiàn)出明顯影響；特別地，我國二氧化碳排放量與經(jīng)濟(jì)發(fā)展水平之間滿足EKC假說，二者之間存在倒“U”形曲線關(guān)系。

關(guān)鍵詞：碳交易；碳排放量；碳排放強(qiáng)度；多時(shí)點(diǎn)雙重差分法

中圖分類號：F830.33文獻(xiàn)標(biāo)識碼： ADOI：10.3969/j.issn.1003-8256.2020.06.010

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

0引言

20世紀(jì)以來，隨著工業(yè)化、城市化的發(fā)展以及全球人口的迅速增長，全球變暖已成為當(dāng)今人類無法回避的問題。全球變暖不僅會加劇冰川消融、引發(fā)一系列生態(tài)問題，還會對人類健康造成嚴(yán)重威脅，妥善處理經(jīng)濟(jì)發(fā)展與環(huán)境保護(hù)之間的關(guān)系成為各國共同面臨的挑戰(zhàn)。在物理學(xué)中，二氧化碳、甲烷等溫室氣體在一定的物理?xiàng)l件下會產(chǎn)生溫室效應(yīng)，從而導(dǎo)致全球變暖現(xiàn)象的出現(xiàn)，而在《聯(lián)合國氣候變化框架公約的京都議定書》中規(guī)定控制的六種溫室氣體中，二氧化碳對溫室效應(yīng)的貢獻(xiàn)率近一半，成為造成溫室效應(yīng)的最主要溫室氣體之一，因此，控制碳排放成為緩解全球變暖的重要途徑。根據(jù)世界銀行發(fā)布的全球碳排放相關(guān)數(shù)據(jù)顯示，2005年以來我國碳排放量直線上升，目前已成為世界第一大碳排放國，減排壓力巨大。此外，按照2014年中美兩國達(dá)成的溫室氣體減排協(xié)議，我國將力爭在2030年左右開始減少溫室氣體排放量，更為本就困難的減排任務(wù)增加了難度系數(shù)。因此，行之有效的碳減排工具對減排任務(wù)的完成十分重要。

碳交易，即二氧化碳排放權(quán)交易，最早是在1997年的《京都議定書》中提出，該協(xié)議將市場機(jī)制作為解決溫室效應(yīng)的新途徑，使得二氧化碳排放量可以在碳交易市場進(jìn)行買賣。國際上以歐盟的ETS、英國的ETG、美國的CCX和澳大利亞的NSW等四大碳交易所規(guī)模最大，我國也分別于2012、2013和2017年陸續(xù)在北京、上海、重慶、湖北、天津、深圳、廣東、福建等8省市開啟試點(diǎn)工作。自碳交易試點(diǎn)工作啟動以來，各試點(diǎn)省市的交易量逐年攀升，2019年底全國碳交易試點(diǎn)的碳交易總量突破9200萬噸，其中廣東省以4538萬噸的交易量占據(jù)第一。

理論上，碳交易依托科斯定理，將碳排放權(quán)視為一種產(chǎn)權(quán)，而產(chǎn)權(quán)明晰才能避免“公地的悲劇”，因此，碳交易政策理應(yīng)可以在一定程度上有助于實(shí)現(xiàn)碳減排目標(biāo)。雖然國內(nèi)碳交易市場的啟動和國際碳交易市場存在一定時(shí)差，但是國內(nèi)外關(guān)于碳交易政策效果的研究在很多層面趨同。在研究結(jié)果層面，國內(nèi)外多數(shù)研究認(rèn)為該政策對環(huán)境改善具有顯著的促進(jìn)作用[1-5]，碳交易政策值得在全國范圍內(nèi)推廣，也有些研究認(rèn)為到目前為止，該政策對于降低碳排放強(qiáng)度并無顯著效果[6]，是否應(yīng)該推廣仍然值得商榷。在研究方法層面，主要采用CGE模型研究碳交易及其影響[7-8]，也有通過碳交易機(jī)制仿真模型測算了該政策對經(jīng)濟(jì)和環(huán)境的影響[9-10]；除情景模擬分析外，合成控制法和雙重差分法（DID）則是近幾年相關(guān)研究的重要方法，陳醒等[11]采用合成控制法分別分析了各碳交易試點(diǎn)的碳減排效果，范丹等[12]綜合運(yùn)用了雙重差分模型和全局DEA框架檢驗(yàn)碳排放權(quán)交易機(jī)制是否支持技術(shù)創(chuàng)新的“弱波特假說”，馬曉偉[13]、任亞運(yùn)[5]以及路正南等[3]在分析碳交易政策的減排有效性時(shí)同樣采用了雙重差分法。綜合對比情景分析法和雙重差分法，由于前者受情景設(shè)定的影響較大，在分析碳交易政策的有效性方面，雙重差分法則能反映出相對真實(shí)的政策效果；同時(shí)，以上有關(guān)雙重差分法的研究中，雖然關(guān)于政策的起始時(shí)點(diǎn)稍有差別，但是都將各個(gè)試點(diǎn)的起始時(shí)間歸為同一年內(nèi)，考慮到各試點(diǎn)省市的相關(guān)工作開始年份不同，本文擬在傳統(tǒng)雙重差分模型的基礎(chǔ)上區(qū)分不同的起始時(shí)間，采用多時(shí)點(diǎn)雙重差分模型分析我國碳交易政策對碳排放的影響。

1模型設(shè)計(jì)和數(shù)據(jù)說明

1.1模型設(shè)定

本文將我國在各試點(diǎn)省市實(shí)行的碳交易政策視為一次“準(zhǔn)自然實(shí)驗(yàn)”，以碳排放量和碳排放強(qiáng)度作為衡量碳排放水平的兩個(gè)替代指標(biāo)，采用多時(shí)點(diǎn)雙重差分法實(shí)證分析該政策分別對于碳排放量和碳排放強(qiáng)度的影響。其中，福建省于2017年正式啟動碳交易，深圳市的多個(gè)指標(biāo)均包含在廣東省，鑒于數(shù)據(jù)的完整性和可得性，本文將2012年的北京、上海、重慶以及2013年的湖北、天津、廣東等6個(gè)試點(diǎn)省級行政區(qū)作為處理組，其余24個(gè)非試點(diǎn)省級行政區(qū)作為控制組（鑒于數(shù)據(jù)可得性，不含港澳臺和西藏自治區(qū)）。為消除個(gè)體和時(shí)間差異，在多時(shí)點(diǎn)雙重差分模型中加入個(gè)體效應(yīng)和時(shí)點(diǎn)效應(yīng)，使之成為控制雙向固定效應(yīng)的多時(shí)點(diǎn)雙重差分模型，設(shè)定關(guān)于碳排放量和碳排放強(qiáng)度的基礎(chǔ)模型如下：

其中，CO2表示二氧化碳排放量，WCO2表示二氧化碳排放強(qiáng)度，α0、β0均為常數(shù)項(xiàng)，Dit為政策虛擬變量，當(dāng)且僅當(dāng)i為北京、上海、重慶對應(yīng)的編號且t為2012與i為湖北、天津、廣東對應(yīng)的編號且t為2013時(shí)，Dit為1，其他均為0，Zit表示控制變量，μi和τt分別表示個(gè)體效應(yīng)和時(shí)點(diǎn)效應(yīng)，εit表示標(biāo)準(zhǔn)殘差項(xiàng)。

1.2數(shù)據(jù)來源與變量說明

本文選取2007—2017年我國30個(gè)省區(qū)（不含港澳臺和西藏自治區(qū)）的面板數(shù)據(jù)，所有原始數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》《中國環(huán)境統(tǒng)計(jì)年鑒》和《中國城市數(shù)據(jù)庫》，具體的指標(biāo)選取和核算方法如下：

（1）碳排放量的核算。本文以IPCC準(zhǔn)則為依據(jù)并且按照IPCC所給出的能源碳排放系數(shù)進(jìn)行折算，得出各省二氧化碳排放量，測度公式為：

其中，i表示第i種能源，E表示能源消耗量，NCV表示該種能源的平均低位發(fā)熱量，單位為千焦/千克，CEF表示能源的二氧化碳排放系數(shù)，單位為千克/太焦。

（2）被解釋變量。各省級行政區(qū)的碳排放量即為按照式1所得數(shù)據(jù)，碳排放強(qiáng)度則為碳排放量與各省總產(chǎn)值之比，分別對二者取對數(shù)，用lnCO2和lnWCO2分別表征各省碳排放量和碳排放強(qiáng)度。

（3）控制變量。很多研究表明，碳排放的影響因素主要是通過結(jié)構(gòu)效應(yīng)、技術(shù)效應(yīng)和規(guī)模效應(yīng)來影響碳排放的[14—21]。結(jié)合IPAT模型和Kaya恒等式，同時(shí)參考Auff-hanner等和宋德勇等的方法，選擇產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平、人口規(guī)模和經(jīng)濟(jì)水平作為控制變量。其中，產(chǎn)業(yè)結(jié)構(gòu)（stru）用第二產(chǎn)業(yè)產(chǎn)值在總產(chǎn)值中所占比重來表示，技術(shù)水平（tech）用單位產(chǎn)值所需能源消耗量來表示，人口規(guī)模（popu）各省級行政區(qū)的人口密度表示，經(jīng)濟(jì)水平（lngdp）則用各省對應(yīng)各年的總產(chǎn)值的對數(shù)來表示。此外，由于碳排放量與經(jīng)濟(jì)發(fā)展水平之間存在倒“U”形曲線關(guān)系[22—24]，因此在對碳排放量進(jìn)行多時(shí)點(diǎn)雙重差分的過程中，要同時(shí)加入經(jīng)濟(jì)水平的一次方項(xiàng)（lngdp）和二次方項(xiàng)（lngdp2），而碳排放強(qiáng)度相關(guān)模型中則只需加入經(jīng)濟(jì)水平的一次方項(xiàng)（lngdp）。

2多時(shí)點(diǎn)雙重差分檢驗(yàn)

2.1碳排放量的多時(shí)點(diǎn)雙重差分結(jié)果與分析

在針對碳排放量的實(shí)證檢驗(yàn)過程中，以模型（1）作為基礎(chǔ)模型，不加入任何控制變量，在此基礎(chǔ)上分別加入經(jīng)濟(jì)水平的一次方項(xiàng)與二次方項(xiàng)、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平、人口規(guī)模等控制變量得到模型（4）到模型（7），采用多時(shí)點(diǎn)雙重差分法得到碳交易政策對碳排放量的影響結(jié)果如表1所示。

表1中，核心解釋變量Dit的系數(shù)符號與顯著性水平基本一致，控制變量經(jīng)濟(jì)水平和技術(shù)水平均在1%水平上顯著，所有變量的系數(shù)符號均未發(fā)生變化，說明碳交易政策虛擬變量和經(jīng)濟(jì)水平、技術(shù)水平等變量均通過了顯著性檢驗(yàn)，且估計(jì)結(jié)果比較穩(wěn)健。

觀察核心解釋變量Dit可知，該變量的回歸系數(shù)均為負(fù)，且在1%水平上顯著，說明碳交易政策對碳排放量具有明顯抑制作用，碳交易政策對于碳減排具有顯著促進(jìn)作用。

控制變量中，lngdp在模型（4）到模型（7）中回歸系數(shù)顯著為正，lngdp2對應(yīng)的回歸系數(shù)則均顯著為負(fù)，說明我國經(jīng)濟(jì)發(fā)展水平與碳排放量之間存在倒“U”形曲線關(guān)系，證實(shí)了已有的相關(guān)研究結(jié)論[22-24]；tech的回歸系數(shù)在模型（6）和（7）中均在1%水平上顯著為負(fù)，說明技術(shù)水平的提高有助于推動碳減排的實(shí)現(xiàn)；stru和popu兩個(gè)控制變量均未通過顯著性檢驗(yàn)，表明當(dāng)前我國各省級行政區(qū)的碳排放量與人口規(guī)模和產(chǎn)業(yè)結(jié)構(gòu)并無顯著相關(guān)關(guān)系。

2.2碳排放強(qiáng)度的多時(shí)點(diǎn)雙重差分結(jié)果與分析

在針對碳排放強(qiáng)度的實(shí)證檢驗(yàn)過程中，以模型（2）作為基礎(chǔ)模型，不加入任何控制變量，在此基礎(chǔ)上分別加入經(jīng)濟(jì)水平的一次方項(xiàng)、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平、人口規(guī)模等控制變量得到模型（8）到模型（11），采用多時(shí)點(diǎn)雙重差分法得到碳交易政策對碳排放量的影響結(jié)果如表2所示。

表2中，核心解釋變量Dit在模型（2）和模型（8）到模型（11）中均通過了1%的顯著性檢驗(yàn)，且對應(yīng)的回歸系數(shù)符號一致，經(jīng)濟(jì)水平、技術(shù)水平等控制變量和常數(shù)項(xiàng)也都在1%的水平下顯著，產(chǎn)業(yè)結(jié)構(gòu)的回歸系數(shù)在10%水平下通過了顯著性檢驗(yàn)，且以上所有控制變量回歸系數(shù)的符號在各模型下均一致，顯示該多時(shí)點(diǎn)雙重差分結(jié)果比較穩(wěn)健，碳交易政策等變量對碳排放強(qiáng)度具有顯著影響。

在未加入任何控制變量之前，碳交易政策虛擬變量Dit的回歸系數(shù)為-0.1971，而在逐漸加入其他控制變量之后，尤其是在模型（11）中，Dit的回歸系數(shù)變?yōu)?0.1493，一方面表明了碳交易政策與碳排放強(qiáng)度顯著負(fù)相關(guān)，碳交易政策的實(shí)行有利于降低碳排放強(qiáng)度，另一方面說明，在加入經(jīng)濟(jì)水平等多種控制變量以后，碳交易政策對降低碳排放強(qiáng)度的貢獻(xiàn)率下降；控制變量中，經(jīng)濟(jì)水平、技術(shù)水平均與碳排放強(qiáng)度顯著負(fù)相關(guān)，表明了經(jīng)濟(jì)水平的提高和技術(shù)水平的上升對碳排放強(qiáng)度的降低具有重要促進(jìn)作用；popu未通過模型（11）的顯著性檢驗(yàn)，表明目前我國人口規(guī)模對碳排放強(qiáng)度的解釋力相對較弱，人口密度的大小尚未對碳排放強(qiáng)度造成顯著影響。

3穩(wěn)健性和適用性檢驗(yàn)

傳統(tǒng)的雙重差分法要求實(shí)驗(yàn)或研究政策必須滿足隨機(jī)分組、處理變量與其他可能影響實(shí)驗(yàn)結(jié)果的變量無關(guān)、處理組和控制組具有共同趨勢等前提條件，該要求也同樣適用于多時(shí)點(diǎn)雙重差分法。因此，為了檢驗(yàn)碳交易政策是否滿足該要求，需要進(jìn)行政策干預(yù)時(shí)間隨機(jī)性檢驗(yàn)、分組隨機(jī)性檢驗(yàn)、控制組不受試驗(yàn)影響檢驗(yàn)和共同趨勢檢驗(yàn)。

3.1政策干預(yù)時(shí)間的隨機(jī)性檢驗(yàn)

碳交易政策的發(fā)生時(shí)間必須是隨機(jī)選擇的，才能確保估計(jì)量的外生性[3]。根據(jù)陳林等[25]的改進(jìn)建議，參照路正南等的相關(guān)研究，本文以2007—2017年間我國30個(gè)省級行政區(qū)的碳排放量和碳排放強(qiáng)度數(shù)據(jù)為基礎(chǔ)，對比分析二者的變化趨勢，觀察碳交易政策的發(fā)生時(shí)間是否滿足隨機(jī)性假設(shè)。期間我國各年碳排放量和碳排放強(qiáng)度趨勢圖如圖1所示：

圖1中，2007—2017年間，碳排放總量呈逐年上升態(tài)勢，碳排放強(qiáng)度逐年下降的趨勢明顯，在2012年和2013年等碳交易政策集中發(fā)生年份，二者并無明顯異常波動，且在此之前的2007—2011年和之后的2014—2017年間，碳排放總量和碳排放強(qiáng)度走勢均較平穩(wěn)，不存在異常值，表明碳交易政策發(fā)生時(shí)點(diǎn)的選擇與二者無關(guān)，該政策的干預(yù)時(shí)間滿足隨機(jī)性要求。

3.2分組的隨機(jī)性檢驗(yàn)

為避免由樣本選擇帶來的回歸偏誤，處理組和控制組必須滿足隨機(jī)分組的要求，即控制組的選擇要具有隨機(jī)性。參照周晶等[26]的方法，本文以所有省區(qū)2013年前的碳排放量和碳排放強(qiáng)度數(shù)據(jù)為基礎(chǔ)，對各省對應(yīng)的碳排放量和碳排放強(qiáng)度在全國范圍內(nèi)進(jìn)行排名，并篩選出2007—2012年北京等6個(gè)試點(diǎn)省級行政區(qū)的排名數(shù)據(jù)，制成表3。

如表3，在全國范圍內(nèi)的二氧化碳排放量排名中，廣東和湖北基本處于前1/3位次水平，上?；咎幱谇?/3位次水平，重慶、北京和天津則處于后1/3位次水平，各試點(diǎn)省區(qū)的碳排放量全國排名所處區(qū)間較分散，未出現(xiàn)集中趨勢；在全國范圍內(nèi)的二氧化碳排放強(qiáng)度排名中，重慶和湖北位于前2/3位次水平，北京、上海、天津和廣東等省區(qū)則位于后1/3位次水平，其中天津基本處于后1/3位次水平的前端，各試點(diǎn)省區(qū)的碳排放強(qiáng)度全國排名仍然未出現(xiàn)大面積集中趨勢。表明無論是在碳排放量層面還是碳排放強(qiáng)度層面，處理組和控制組的選取均滿足隨機(jī)性要求。

3.3控制組不受碳交易政策影響檢驗(yàn)

如果除北京、廣東等試點(diǎn)省區(qū)外，其他非試點(diǎn)省區(qū)同樣受到碳排放政策影響的話，則無法使用多時(shí)點(diǎn)雙重差分法對模型進(jìn)行回歸。因此，需要通過反事實(shí)檢驗(yàn)來衡量非試點(diǎn)省區(qū)是否受碳交易政策的影響。在進(jìn)行反事實(shí)檢驗(yàn)過程中，首先剔除北京等試點(diǎn)省區(qū)，在剩下的24各省區(qū)中，依次不放回抽取6個(gè)省區(qū)編號，其中，前3個(gè)編號作為2012年實(shí)行碳交易政策省區(qū)，其余3個(gè)作為2013年實(shí)行碳交易政策省區(qū)，本文通過普通抓鬮法獲得反事實(shí)檢驗(yàn)省區(qū)分別為：2012年的遼寧、新疆和浙江，2013年的山西、福建和安徽。假設(shè)該6省區(qū)為碳交易試點(diǎn)省區(qū)，以模型（1）和模型（2）為基礎(chǔ)，同樣采用多時(shí)點(diǎn)雙重差分法分別對碳排放量和碳排放強(qiáng)度進(jìn)行回歸，回歸結(jié)果如表4所示，其中模型（11）和模型（13）為未加入任何控制變量的原始多時(shí)點(diǎn)雙重差分模型，模型（12）和模型（13）則為加入經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平和人口規(guī)模等控制變量的新模型。

表4中，碳交易政策虛擬變量Dit在模型（11）到模型（14）中均不顯著，表明碳交易政策未對遼寧、山西等非碳交易試點(diǎn)地區(qū)的碳排放量和碳排放強(qiáng)度造成影響。同時(shí)，結(jié)果顯示經(jīng)濟(jì)水平、技術(shù)水平和人口規(guī)模等控制變量對碳排放量和碳排放強(qiáng)度影響顯著，且碳排放量與經(jīng)濟(jì)發(fā)展水平同樣滿足倒“U”形曲線關(guān)系，進(jìn)一步證明了回歸結(jié)果的穩(wěn)健性。

3.4共同趨勢檢驗(yàn)和動態(tài)效應(yīng)分析

在使用傳統(tǒng)的雙重差分法分析政策效果之前，處理組和控制組的被解釋變量具有共同趨勢是最重要的前提條件之一，否則，雙重差分結(jié)果沒有任何意義，該條件同樣適用于多時(shí)點(diǎn)雙重差分法。共同趨勢檢驗(yàn)有多種方法，目前學(xué)界廣泛使用的事件研究法是其中之一。事件研究法即ESA方法，將其應(yīng)用在多時(shí)點(diǎn)雙重差分法中，不僅可以檢驗(yàn)被解釋變量的共同趨勢，還可以將政策效果在時(shí)間維度上清楚地展現(xiàn)出來，因此，將二者結(jié)合的方法又被稱為靈活的DID或者政策的動態(tài)效應(yīng)。由于該方法優(yōu)勢明顯，本文在進(jìn)行共同趨勢檢驗(yàn)時(shí)將ESA方法加入多時(shí)點(diǎn)雙重差分模型中，分析碳交易政策實(shí)行前各省區(qū)在碳排放量和碳排放強(qiáng)度方面是否具有共同趨勢，同時(shí)分析政策實(shí)行后的動態(tài)變化效果。

3.4.1碳排放量的共同趨勢與動態(tài)效應(yīng)分析

圖2中，碳交易政策實(shí)行前3年的碳排放量與政策的相關(guān)系數(shù)接近于0，表明該政策實(shí)施前處理組和控制組的碳排放量具有共同趨勢；碳交易政策實(shí)施后的5年里，相關(guān)系數(shù)均為負(fù)值，且相關(guān)系數(shù)的絕對值隨時(shí)間的推移而增大，表明該政策的出現(xiàn)對減少碳排放量有明顯的促進(jìn)作用，且時(shí)間越久，該政策的減排效果越大。

3.4.2碳排放強(qiáng)度的共同趨勢與動態(tài)效應(yīng)分析

圖3中，碳交易政策實(shí)行之前的3年內(nèi)，該政策對碳排放的影響系數(shù)幾乎為0，表明處理組和控制組的碳排放強(qiáng)度滿足共同趨勢假設(shè)；在該政策實(shí)施后的5年里，相關(guān)系數(shù)變化趨勢類似于碳排放量的相關(guān)系數(shù)變化，均為負(fù)值且絕對值逐年增大，與之不同的是，碳排放強(qiáng)度的相關(guān)性曲線下降趨勢比較平緩且絕對值整體偏大，表明碳交易政策不僅對碳排放強(qiáng)度具有持續(xù)增大的負(fù)效應(yīng)，而且同該政策對碳排放量的影響相比，對碳排放強(qiáng)度的影響更平穩(wěn)且效果更大。

4結(jié)論與建議

為了考察碳排放權(quán)交易政策對碳排放的影響，本文選取碳排放量和碳排放強(qiáng)度作為衡量碳排放的替代指標(biāo)，構(gòu)建了關(guān)于碳排放量和碳排放強(qiáng)度的多時(shí)點(diǎn)雙重差分模型，以北京、天津等6個(gè)碳交易試點(diǎn)省級行政區(qū)作為處理組，其他24個(gè)非試點(diǎn)省區(qū)作為對照組，對2007—2017年我國30個(gè)省級行政區(qū)（不含港澳臺和西藏自治區(qū)）的相關(guān)面板數(shù)據(jù)進(jìn)行實(shí)證檢驗(yàn)，結(jié)論如下：

（1）碳交易政策對減少碳排放量具有顯著促進(jìn)作用，隨著實(shí)行時(shí)間的推移，該政策的減排效果逐漸增大。

（2）碳交易政策的實(shí)施有利于降低碳排放強(qiáng)度，且政策影響同樣逐年增大，與該政策對碳排放量的影響相比，相關(guān)系數(shù)明顯更大。

（3）在對碳排放量和碳排放強(qiáng)度的影響過程中，經(jīng)濟(jì)水平和技術(shù)水平等因素的影響效果比較顯著，而產(chǎn)業(yè)結(jié)構(gòu)和人口規(guī)模等變量到目前為止尚未表現(xiàn)出明顯影響；特別地，我國二氧化碳排放量與經(jīng)濟(jì)發(fā)展水平之間滿足EKC假說，二者之間存在倒“U”形曲線關(guān)系。

（4）采用多時(shí)點(diǎn)雙重差分法評估碳交易政策的有效性滿足該方法的前提條件：政策的干預(yù)時(shí)間具有隨機(jī)性，處理組的選擇具有隨機(jī)性，控制組不受政策影響，且處理組和控制組在政策發(fā)生前具有共同趨勢。

基于以上研究結(jié)論，本文提出建議：

（1）碳交易政策實(shí)行以來，其對于減少碳排放量和降低碳排放強(qiáng)度的效果顯著，具有將其推廣到全國范圍的理論和實(shí)證基礎(chǔ)。中央和地方相關(guān)部門可以結(jié)合全國和各省份具體情況，參考?xì)W盟、澳大利亞等國際碳交易市場和北京、天津等國內(nèi)碳交易試點(diǎn)省區(qū)的相關(guān)經(jīng)驗(yàn)，綜合考慮推廣實(shí)施碳交易政策的具體辦法，因地制宜，科學(xué)規(guī)劃，最大限度地發(fā)揮碳交易政策的減排效果。

（2）提高經(jīng)濟(jì)發(fā)展水平和科技水平是減少二氧化碳排放量和降低二氧化碳排放強(qiáng)度的重要途徑，不斷提高技術(shù)水平，進(jìn)一步推動經(jīng)濟(jì)高質(zhì)量發(fā)展，盡早實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展水平與碳排放量的倒“U”形拐點(diǎn)的到來。

參考文獻(xiàn)：

[1]DUMAN Y S， KASMAN A. Environmental technical efficiency in EU member and candidate countries： A parametric hyperbolic distance function approach[J]. Energy， 2018， 147： 297-307.

[2]劉傳明，孫喆，張瑾.中國碳排放權(quán)交易試點(diǎn)的碳減排政策效應(yīng)研究[J].中國人口·資源與環(huán)境，2019，29（11）：49-58.

[3]路正南，羅雨森.中國碳交易政策的減排有效性分析——雙重差分法的應(yīng)用與檢驗(yàn)[J].干旱區(qū)資源與環(huán)境，2020，34（4）：1-7.

[4]王勇，趙晗.中國碳交易市場啟動對地區(qū)碳排放效率的影響[J].中國人口·資源與環(huán)境，2019，29（1）：50-58.

[5]任亞運(yùn)，傅京燕.碳交易的減排及綠色發(fā)展效應(yīng)研究[J].中國人口·資源與環(huán)境，2019，29（5）：11-20.

[6]宋德勇，易艷春.外商直接投資與中國碳排放[J].中國人口·資源與環(huán)境，2011，21（1）：49-52.

[7]CHRISTOPH B， WELSCH H. Contraction and convergence of Carbon emissions： an intertemporal multi-region CGE analysis[J]. Journal of Policy Modeling， 2004， 26（1）： 21-39.

[8]孫睿，況丹，常冬勤.碳交易的“能源—經(jīng)濟(jì)—環(huán)境”影響及碳價(jià)合理區(qū)間測算[J].中國人口資源與環(huán)境，2014，24（7）：82-90.

[9]譚秀杰，劉宇，王毅.湖北碳交易試點(diǎn)的經(jīng)濟(jì)環(huán)境影響研究——基于中國多區(qū)域一般均衡模型TermCO2[J].武漢大學(xué)學(xué)報(bào)（哲學(xué)社會科學(xué)版），2016，69（2）：64-72.

[10]湯鈴，武佳倩，戴偉，等.碳交易機(jī)制對中國經(jīng)濟(jì)與環(huán)境的影響[J].系統(tǒng)工程學(xué)報(bào)，2014，29（5）：701-712.

[11]陳醒，徐晉濤.中國碳交易試點(diǎn)運(yùn)行進(jìn)展總結(jié)[A].薛進(jìn)軍，趙忠秀，戴彥德，等.中國低碳經(jīng)濟(jì)發(fā)展報(bào)告（2017）[C].北京：社會科學(xué)文獻(xiàn)出版社， 2018.

[12]范丹，王維國，梁佩鳳.中國碳排放交易權(quán)機(jī)制的政策效果分析——基于雙重差分模型的估計(jì)[J].中國環(huán)境科學(xué)，2017，37（6）：2383-2392.

[13]馬曉偉，余華銀.碳排放權(quán)交易政策對環(huán)境效率影響的實(shí)證研究[J].荊楚理工學(xué)院學(xué)報(bào)，2019，34（2）：88-96.

[14]仲云云，仲偉周.我國碳排放的區(qū)域差異及驅(qū)動因素分析——基于脫鉤和三層完全分解模型的實(shí)證研究[J].財(cái)經(jīng)研究，2012，38（2）：123-133.

[15] WU L B， KANEKO S， MATSUOKA S. Driving forces behind the stagnancy of Chinas energy-related CO2emissions from 1996 to 1999： the relative importance of structural change， intensity change and scale change[J]. Energy Policy， 2005， 33（3）： 319-335.

[16]雷厲，仲云云，袁曉玲.中國區(qū)域碳排放的因素分解模型及實(shí)證分析[J].當(dāng)代經(jīng)濟(jì)科學(xué)，2011，33（5）：59-65，126.

[17]涂正革，諶仁俊，韓生貴.中國區(qū)域二氧化碳排放增長的驅(qū)動因素——工業(yè)化、城鎮(zhèn)化發(fā)展的視角[J].華中師范大學(xué)學(xué)報(bào)（人文社會科學(xué)版），2015，54（1）：46-59.

[18]郭朝先.產(chǎn)業(yè)結(jié)構(gòu)變動對中國碳排放的影響[J].中國人口·資源與環(huán)境，2012，22（7）：15-20.

[19]田立新，張蓓蓓.中國碳排放變動的因素分解分析[J].中國人口·資源與環(huán)境，2011，21（11）：1-7.

[20] REN S G， YIN H Y， CHEN X H. Using LMDI to analyze the decouplingofCarbondioxideemissionsbyChinas manufacturing industry[J]. Environmental Development， 2014， 9： 61-75.

[21]鄧吉祥，劉曉，王錚.中國碳排放的區(qū)域差異及演變特征分析與因素分解[J].自然資源學(xué)報(bào)，2014，29（2）：189-200.

[22]王菲，楊雪，田陽，等.基于EKC假說的碳排放與經(jīng)濟(jì)增長關(guān)系實(shí)證研究[J].生態(tài)經(jīng)濟(jì)，2018，34（10）：19-23.

[23]劉穎，任燕燕.基于VEC模型的中國CO2庫茲涅茨曲線分析[J].安徽師范大學(xué)學(xué)報(bào)（人文社會科學(xué)版），2012，40（1）：25-30.

[24]劉華軍，閆慶悅，孫曰瑤.中國二氧化碳排放的環(huán)境庫茲涅茨曲線——基于時(shí)間序列與面板數(shù)據(jù)的經(jīng)驗(yàn)估計(jì)[J].中國科技論壇，2011（4）：108-113.

[25]陳林，伍海軍.國內(nèi)雙重差分法的研究現(xiàn)狀與潛在問題[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015，32（7）：133-148.

[26]周晶，陳玉萍，丁士軍.“一攬子”補(bǔ)貼政策對中國生豬養(yǎng)殖規(guī)?；M(jìn)程的影響——基于雙重差分方法的估計(jì)[J].中國農(nóng)村經(jīng)濟(jì)，2015（4）：29-43.

Carbon Trading Policy and Carbon Emission： An Empirical Test of Time-Varying DID Model

LI Yanqin，LI Zongyao，ZHANG Qian

（Party School Of C.P.C. Jiangsu Committee， Nanjing 210009，China）

Abstract： Based on the coase theorem， this paper established a time-varying DID model of carbon emission and carbon emission intensity， and conducted empirical test on the panel data of 30 Chinese provincial administrative regions（excluding Hong Kong， Macao， Taiwan and Tibet autonomous region） from 2007 to 2017 to investigate the impact of carbon trading policies on carbon emissions.The time-varyingDID results show that the carbon trading policy has a significant promoting effect on the reduction of carbon emissions.The implementation of carbon trading policy is conducive to the reduction of carbon emission intensity， and the impact of the policy is also increasing year by year. In the process of influencing carbon emission and carbon emission intensity， factors such as economic level and technological level have a significant effect， while variables such as industrial structure and population size have not yet shown significant influence；In particular， Chinas carbon dioxide emissions and economic development level meet the EKC hypothesis， and there is an inverted "U" curve relationship between them.

Keywords： carbon trading；carbon emissions；carbon emission intensity；Time-varying DID model