董梅 李存芳

摘要?低碳試點是實現(xiàn)中國綠色發(fā)展的一項重要政策，旨在探索和推廣工業(yè)化與城鎮(zhèn)化過程中低碳建設(shè)的做法及經(jīng)驗?？陀^評估低碳省區(qū)試點政策效果，有助于更好積累和推廣省級層面的低碳建設(shè)經(jīng)驗，進(jìn)而全面推進(jìn)綠色化進(jìn)程與生態(tài)文明建設(shè)。作者基于2000—2017年中國26個省區(qū)的面板數(shù)據(jù)，采用合成控制法從人均碳排放和碳強度兩個方面，對遼寧、廣東、陜西、湖北、云南和海南等6個“低碳省區(qū)”試點政策的凈碳減排效應(yīng)進(jìn)行分析和評價，并通過安慰劑檢驗和雙重差分（DID）估計對政策效應(yīng)的穩(wěn)健性進(jìn)行驗證和補充分析。研究發(fā)現(xiàn) ：低碳省區(qū)試點政策下，遼寧和湖北的人均碳排放和碳強度均顯著下降，即政策效應(yīng)雙有效;廣東和云南的人均碳排放顯著下降，而這兩個省區(qū)的碳強度變動并非源于低碳試點政策;低碳省區(qū)試點對陜西和海南的碳減排均無效，相反，這兩個省區(qū)的碳強度以及陜西的人均碳排放顯著上升。分析認(rèn)為，導(dǎo)致各省區(qū)凈碳減排效應(yīng)異質(zhì)性的因素有以下四點：①工業(yè)占地區(qū)生產(chǎn)總值比重越低，越有利于人均碳排放控制;省區(qū)經(jīng)濟(jì)水平越高，即人均地區(qū)生產(chǎn)總值越高，越有利于碳強度控制。②碳排放權(quán)交易試點政策疊加有效促進(jìn)碳減排。③政策實施前，省區(qū)人均碳排放和碳強度指標(biāo)越低，其減排空間越小，減排難度越大。④經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的慣性作用會長效推進(jìn)碳減排。有鑒于此，提出以下建議：在省級層面合理布局低碳產(chǎn)業(yè)，特別是低能耗、低排放的第三產(chǎn)業(yè)，有效降低能源消費;推動人均碳排放和碳強度較高的省區(qū)率先減排;加大對經(jīng)濟(jì)欠發(fā)達(dá)省區(qū)的節(jié)能減排資金與技術(shù)支持;加快全國碳排放權(quán)交易市場的建設(shè)與完善，形成長效的低碳發(fā)展機制，實現(xiàn)生態(tài)綠色和經(jīng)濟(jì)增長和諧共贏。

關(guān)鍵詞?低碳省區(qū)試點;碳減排;政策效應(yīng);合成控制法;雙重差分

中圖分類號?F205

文獻(xiàn)標(biāo)識碼?A文章編號?2104-1002（2020）11-0063-11DOI：10.12062/cpre.20200634

當(dāng)前，中國經(jīng)濟(jì)正由高速增長階段向高質(zhì)量發(fā)展階段轉(zhuǎn)型，大力推進(jìn)生態(tài)文明建設(shè)是事關(guān)人民美好生活的重要課題。政府推動型的低碳建設(shè)有效促進(jìn)了中國綠色發(fā)展和生態(tài)文明進(jìn)程。為了探索低碳發(fā)展模式，踐行低碳發(fā)展路徑，有效落實控制溫室氣體排放行動目標(biāo)，國家發(fā)展改革委于2010年7月確定在廣東、遼寧、湖北、陜西和云南五省區(qū)，以及天津等八市開展第一批低碳省市試點工作，要求試點省市編制低碳發(fā)展規(guī)劃，制定支持低碳綠色發(fā)展的配套政策，加快建立以低碳排放為特征的產(chǎn)業(yè)體系，建立溫室氣體排放數(shù)據(jù)統(tǒng)計和管理體系，積極倡導(dǎo)低碳綠色生活方式和消費模式等一系列節(jié)能減排的具體任務(wù)。2012年12月，國家發(fā)展改革委又確定海南省，以及北京等28個城市為第二批低碳省市試點。在前期經(jīng)驗積累的基礎(chǔ)上，國家發(fā)改委在2017年1月再次確定烏海市等45個城市開展第三批低碳城市試點。以上各批低碳試點政策，均是通過建立健全低碳發(fā)展制度、推進(jìn)能源優(yōu)化利用、打造低碳產(chǎn)業(yè)體系、推動城鄉(xiāng)低碳化建設(shè)和管理，使之引導(dǎo)并形成綠色低碳的生活方式和消費模式，引領(lǐng)和示范全國低碳發(fā)展。盡管低碳試點重心逐步由省區(qū)轉(zhuǎn)向城市，但經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)和區(qū)域位置等特征對試點政策效果的影響具有共性，且試點工作的最終目的是全面推進(jìn)低碳轉(zhuǎn)型和可持續(xù)發(fā)展，因此，客觀評估低碳省區(qū)的試點政策效果，有助于積累和推廣省級層面的低碳建設(shè)經(jīng)驗。有鑒于此，作者以“低碳省區(qū)”試點政策為切入點，聚焦探討政府推動型低碳建設(shè)在省級層面的凈碳減排效應(yīng)。在此基礎(chǔ)上值得思考的是：自2010年低碳試點政策實施至今，試點政策是否有效促進(jìn)了試點省區(qū)的碳減排？該政策對人均碳排放和碳強度的影響有何差異？碳排放指標(biāo)變化是低碳試點政策帶來的，還是發(fā)展慣性帶來的？什么原因?qū)е孪嗤咴诓煌^(qū)間產(chǎn)生截然不同的政策效果？這些問題的回答為低碳試點政策的科學(xué)評估提供量化依據(jù)，也為低碳發(fā)展的政策設(shè)計和推廣提供經(jīng)驗與啟示。

1?文獻(xiàn)綜述

自中國開展低碳試點工作以來，針對低碳試點地區(qū)及政策評價的研究不斷涌現(xiàn)，其結(jié)論在部分層面達(dá)成共識。以下分別從研究對象和研究方法兩個維度對以往文獻(xiàn)進(jìn)行梳理。

以低碳試點省區(qū)及城市為研究對象的文獻(xiàn)主要分三類：①評估低碳試點政策的直接效應(yīng)，包括對低碳試點省區(qū)層面[1-3]和城市層面[4-7]的減排效應(yīng)評價，以及對低碳試點城市空氣污染治理效應(yīng)評價[8-9]，大部分文獻(xiàn)都認(rèn)為該政策對碳減排和空氣污染治理產(chǎn)生積極作用。②評估低碳試點政策的間接效應(yīng)，這類文獻(xiàn)關(guān)注低碳試點政策對新型城鎮(zhèn)化[10]、外貿(mào)依存度[11]、外商直接投資[12]和企業(yè)技術(shù)創(chuàng)新[13]等方面的政策影響。③分析低碳試點地區(qū)在政策實施前的碳排放特征，如劉竹等[14]和劉健等[15]分別研究首批試點五省區(qū)在2008年和2009年以前的碳排放情況，丁丁等[16]評價前兩批36個試點城市在2000—2012年的低碳發(fā)展情況，這類文獻(xiàn)不涉及政策實施前后的對比，旨在為低碳試點政策實施提供路徑指引。

低碳試點政策評價的研究方法主要分四類：①綜合評價差值法，即對比政策實施前后的碳排放及能源消費軌跡[4-5，17]，或構(gòu)造低碳綜合評價指標(biāo)[10，18-19]，對比政策實施前后的指標(biāo)差值來衡量政策效果。該方法可直觀比較低碳指標(biāo)變化，但無法將非政策因素進(jìn)行剝離。②雙重差分（difference in difference， DID），該方法不僅用于評價低碳試點政策的直接效應(yīng)[1，8]和間接效應(yīng)[11-13]，也廣泛用于評估“大氣十條”政策對空氣質(zhì)量的影響[20]、清潔發(fā)展機制的減排效果[21]、經(jīng)濟(jì)集聚對節(jié)能減排的推動[22]等低碳政策效應(yīng)。但DID方法需要假設(shè)實驗組和對照組特征基本相同，滿足平行趨勢假定，其應(yīng)用條件較為苛刻，而且DID方法在對照組的選擇上，或多或少存在選擇性偏誤和內(nèi)生性問題。③傾向得分匹配（propensity score matching，PSM）與雙重差分結(jié)合（簡稱PSM-DID），該方法先采用PSM方法匹配樣本，選取對照組樣本更加精細(xì)[6，9]，然后再進(jìn)行DID檢驗，有效彌補了DID選擇偏誤和內(nèi)生性的問題，但PSM-DID在大樣本條件下才能得到最優(yōu)匹配，并且也不能對非政策因素完全剝離。④為彌補以上研究方法的不足，Abadie等[23-24]提出了合成控制法（synthetic control method，SCM），該方法的優(yōu)點是通過對未受政策干擾的樣本進(jìn)行適當(dāng)?shù)木€性組合，構(gòu)造出更好的合成控制樣本，其構(gòu)造過程是通過數(shù)據(jù)驅(qū)動，避免主觀選擇控制組的隨意性。合成控制法一經(jīng)提出，就被國外學(xué)者廣泛應(yīng)用，如分析德國統(tǒng)一對該國經(jīng)濟(jì)的影響[25]、《京都議定書》對碳排放的作用[26]、控制溫室氣體倡議對煤改氣的推動[27]、歐洲稅制改革對收入的影響[28]、北京奧運會對空氣質(zhì)量的改善[29]、南非的控?zé)熜Ч鸞30]、國際貨幣基金組織對世界經(jīng)濟(jì)的貢獻(xiàn)[31]、勞動力市場改革對經(jīng)濟(jì)的促進(jìn)[32]等諸多領(lǐng)域。國內(nèi)較早使用合成控制法的學(xué)者有：王賢彬等[33]聚焦重慶從大四川中分離的經(jīng)濟(jì)效應(yīng)，劉甲炎等[34]評價重慶房產(chǎn)稅試點的效果，蘇治等[35]研究通貨膨脹目標(biāo)制對新興市場國家通貨膨脹率的影響。近幾年，該方法被廣泛應(yīng)用于各領(lǐng)域的政策評價，包括聚焦設(shè)立碳排放交易試點[36]、經(jīng)濟(jì)特區(qū)[37]、上海自貿(mào)區(qū)[38]、國家綜合配套改革試驗區(qū)[39]、經(jīng)濟(jì)區(qū)劃調(diào)整[40]、西部大開發(fā)[41-42]等區(qū)域政策的經(jīng)濟(jì)效應(yīng)，也用于評價用電階梯定價[43]、長三角擴(kuò)容對水污染的影響[44]、汶川地震的長期影響[45]等準(zhǔn)自然實驗效果。陸偉賢[2]采用合成控制法對首批低碳試點省市的碳排放量進(jìn)行分析，認(rèn)為僅有陜西和重慶的碳排放量在政策實施后顯著降低，這一結(jié)論與作者結(jié)論差異較大。宋德勇等[3]也以該研究方法對首批試點省市在政策實施前后的碳排放量進(jìn)行對比，認(rèn)為低碳試點政策對除了陜西以外其他省市的碳排放增長趨勢產(chǎn)生抑制。以上兩篇文獻(xiàn)均未就低碳試點政策對碳強度的影響進(jìn)行評判，而無論國家層面的減排目標(biāo)，還是各試點地區(qū)的低碳試點工作實施方案，都將單位生產(chǎn)總值二氧化碳排放（簡稱碳強度）降低作為發(fā)展目標(biāo)，這不僅為本地區(qū)經(jīng)濟(jì)增長留有余地，也使省區(qū)間的政策效果更具可比性。

通過以上文獻(xiàn)梳理，發(fā)現(xiàn)學(xué)者們在低碳試點政策評估中部分觀點達(dá)成一致，但一些結(jié)論仍存在分歧。分歧的原因可能是：第一，研究方法存在樣本選擇偏誤和內(nèi)生性問題，包括DID方法對控制組選擇存在主觀性，PSM-DID方法使用中的樣本數(shù)不足等問題，這些方法對非政策效果的剔除也不完全。第二，低碳試點政策在省區(qū)與城市的實施范圍及難度是不同的，已有文獻(xiàn)實驗組中既有省區(qū)也有城市，評估口徑存在不一致。第三，以碳排放量變化還是碳強度變化為評價指標(biāo)，其結(jié)果也不相同，前者僅關(guān)注碳排放總量變化，而后者是強度指標(biāo)，不僅考慮了碳排放總量變動，也為經(jīng)濟(jì)增長留有余地。

綜上所述，合成控制法在政策評價中具有很多優(yōu)點，但鮮有用其評價低碳試點政策對碳強度影響的分析。本文以“低碳省區(qū)”試點政策為準(zhǔn)自然實驗，采用合成控制法對非政策因素進(jìn)行剔除，評估第一、二批共6個低碳試點省區(qū)的凈碳減排效應(yīng)，其邊際貢獻(xiàn)在于：①刻畫各省區(qū)人均碳排放和碳強度在政策實施前后的演變路徑，以“人均碳排放控制有效”“碳強度控制有效”“雙有效”和“無效”來劃分各省區(qū)政策效果類別，分析省際政策效應(yīng)異質(zhì)性的原因，特別是對碳強度的政策效應(yīng)給出明確結(jié)論，為試點地區(qū)經(jīng)濟(jì)增長留有余地。②僅以省區(qū)作為實驗組和控制組的樣本，不包含直轄市及其他試點城市，保證評估口徑一致。③安慰劑檢驗中，構(gòu)造單側(cè)檢驗統(tǒng)計量，并判斷其顯著性，提升安慰劑檢驗結(jié)果的可靠程度。

2?研究設(shè)計及數(shù)據(jù)來源

2.1?合成控制法

人均碳排放變化和碳強度變化是評價省級低碳試點政策是否有效的重要指標(biāo)。給定N+1個省區(qū)在t∈[1， T]期的相關(guān)數(shù)據(jù)，假設(shè)只有第一個省區(qū)（i=1）在時點t=T0實行低碳試點政策，令該省區(qū)為實驗組，并將該組的人均碳排放pc1t和碳強度cg1t統(tǒng)一表示為結(jié)果變量Y1t。將其余N個未實施低碳試點政策的省區(qū)劃入控制組，其結(jié)果變量表示為Yjt（j=2，…，N+1）。時點T0將觀測期分兩段，t1∈[1， T0]為政策實施前，t2∈[T0+1，T]為政策實施后。若合成值1t是假設(shè)實驗組沒有實施低碳試點政策的結(jié)果變量，則gap1t=Y1t-1t可表示低碳試點政策給實驗組帶來的變化，以此衡量政策效果。上式中，Y1t是可以實際觀測的，而1t作為反事實的結(jié)果變量是無法觀測的。本文采用Abadie等[23]提出的因子模型估計1t：

構(gòu)造預(yù)測誤差均方RMSPE統(tǒng)計量可以評價t1時期合成值1t與真實值Y1t之間偏離程度，若RMSPE趨近于0，說明^gap1t整體趨近于0，合成值1t是可靠的：

2.2?數(shù)據(jù)來源

作者選取2000—2017年26個省區(qū)面板數(shù)據(jù)為研究樣本，將6個試點省區(qū)視為實驗組，即第一批試點的遼寧、廣東、陜西、湖北和云南，其政策起始時期設(shè)定為2010年，第二批試點的海南，政策起始時期設(shè)定為2013年?？紤]到針對省區(qū)的低碳試點政策對應(yīng)一攬子相關(guān)措施，所涉及的經(jīng)濟(jì)體量和實施范圍，與直轄市均有不同，而直轄市的低碳試點更接近低碳城市試點，因此，作者的實驗組不包括北京、上海、天津和重慶。其他20個省區(qū)（包括河北、山東、吉林、黑龍江、江蘇、浙江、福建、山西、內(nèi)蒙古、河南、安徽、江西、湖南、廣西、四川、貴州、甘肅、青海、寧夏、新疆）視為控制組，西藏因缺失數(shù)據(jù)較多，暫不包含。

（1）結(jié)果變量選取。人均碳排放（pc，單位：t/人）和碳強度（cg，單位：t/萬元）作為結(jié)果變量，其中，pc采用單位常住人口的碳排放予以度量，當(dāng)常住人口變動很小時，pc在一定程度上代表了該省區(qū)碳排放總量的變動;cg采用單位地區(qū)生產(chǎn)總值（2000年不變價格）的碳排放予以度量，該指標(biāo)不僅考慮了碳排放總量的變動，也考慮了經(jīng)濟(jì)發(fā)展的增速。碳排放總量均利用各省區(qū)歷年能源平衡表，采用《2006年IPCC國家溫室氣體清單指南》關(guān)于固定燃燒源能源消費與缺省排放因子相乘的方法計算而得。

（2）控制變量選取。挑選一系列影響碳減排效應(yīng)的預(yù)測變量，盡可能全面的找出影響結(jié)果變量的因素。作者在參照以往同類文獻(xiàn)變量選擇的基礎(chǔ)上，經(jīng)過反復(fù)測試對比，最終確定以下6個指標(biāo)歸入控制變量Zi：①實際人均地區(qū)生產(chǎn)總值（pgdp，單位：萬元），該指標(biāo)代表地區(qū)經(jīng)濟(jì)發(fā)展水平（2000年不變價格）。②工業(yè)占地區(qū)生產(chǎn)總值比重（pind，單位：%），該指標(biāo)代表產(chǎn)業(yè)結(jié)構(gòu)，工業(yè)占比越高，其碳排放也越高，不利于碳減排。③城鎮(zhèn)化率（ur，單位：%），該指標(biāo)為城鎮(zhèn)人口占總?cè)丝诒戎?，一方面，城?zhèn)化會引致大量能源消費，另一方面，城鎮(zhèn)化會提高能源利用效率，兩種影響力度與城鎮(zhèn)化所處階段有關(guān)。④火力發(fā)電比重（ees，單位：%），該指標(biāo)是各省區(qū)能源結(jié)構(gòu)的一種衡量，因為清潔能源主要由清潔電力生產(chǎn)提供，所以火力發(fā)電比重越高，說明清潔能源使用程度越低，不利于碳減排。⑤私家車密度（vden，單位：輛/km），該指標(biāo)代表交通發(fā)展水平，現(xiàn)階段私家車仍以燃油汽車為主，私家車密度越高，成品油類消費也越高，不利于碳減排。⑥能源強度（ei，單位：tce/萬元），采用單位地區(qū)生產(chǎn)總值（2000年不變價格）的能源消費予以度量，能源強度越高，說明能源利用效率越低，不利于碳減排。

以結(jié)果變量和控制變量的數(shù)據(jù)為基礎(chǔ)，運用Stata15軟件進(jìn)行合成控制分析。

3?低碳省區(qū)試點政策的凈碳減排效應(yīng)

3.1?碳減排發(fā)展趨勢

圖1展示了各低碳試點省區(qū)人均碳排放和碳強度的真實走勢。

人均碳排放變動趨勢有以下特點（見圖1a）：①實驗組省區(qū)和其余20省的均值（以下簡稱控制組均值）都呈現(xiàn)逐步上升趨勢，說明在人口數(shù)量增速很低的情況下，碳排放總量整體上升。②遼寧的人均碳排放遠(yuǎn)高于其余5個試點省區(qū)和控制組均值，這與遼寧常住人口較少有關(guān)。③除遼寧外的其余5省區(qū)的人均碳排放都低于控制組均值;海南的人均碳排放最低，廣東、陜西、湖北和云南的該指標(biāo)在2010年之前十分靠近，但其后走勢顯著分散。④陜西和海南的人均碳排放保持平穩(wěn)上升，而湖北、廣東、云南的該指標(biāo)在2011年后呈現(xiàn)不同程度下降。

碳強度變動趨勢有以下特點（見圖1b）：①總體來看，2005年后所有省區(qū)的碳強度都呈現(xiàn)下降，且具有收斂的趨勢。②在實驗組中，湖北、遼寧、陜西和云南的碳強度下降路徑很接近，而廣東和海南的碳強度保持低位且降幅平緩。③在2010年之前，僅有遼寧和云南的碳強度在某段時期超過控制組均值，在2010年后，所有實驗組該指標(biāo)都低于控制組均值。

由圖1發(fā)現(xiàn)，部分省區(qū)在試點政策實施后的結(jié)果變量呈現(xiàn)下降，與控制組均值走勢不再平行，但由此就判斷該下降是由低碳試點政策帶來的，這是不夠嚴(yán)謹(jǐn)?shù)?。若假設(shè)實驗組在同一時期并沒有經(jīng)歷低碳試點政策，以合成值與真實值的差值來評價政策效果更合理，這正是合成控制法的核心思想。

3.2?凈碳減排效應(yīng)分析

3.2.1?合成控制結(jié)果對比分析

表1和表2分別報告了基于人均碳排放和碳強度的控制變量對比情況。比較后發(fā)現(xiàn)，表1中遼寧的實際人均GDP（pgdp）、海南的工業(yè)占比（pind）、遼寧和廣東的私家車密度（vden），以及這兩個省區(qū)的能源強度（ei）匹配稍欠理想。表2中海南的工業(yè)占比（pind）、云南和海南的火電比重（ees）、廣東的私家車密度（vden）匹配的差距也略大。除了以上列出指標(biāo)的真實值與合成值的數(shù)據(jù)特征差距略有欠缺外，其余特征值的真實值與合成值都很接近。此外，除了遼寧人均碳排放預(yù)測誤差均方RMSPE為0.481，其余省區(qū)的該指標(biāo)均在0.4以下，說明合成控制擬合情況總體較好，控制組依據(jù)這些控制變量可以組合出可靠的實驗組合成樣本。

3.2.2?凈碳減排效應(yīng)測算

圖2刻畫了2000—2017年6個實驗組省區(qū)與合成省區(qū)人均碳排放的演變路徑。圖3描繪了實驗組省區(qū)與合成省區(qū)碳強度的演變路徑。綜合兩個圖組可以看出，在垂直虛線左側(cè)（政策實施前），各省區(qū)的真實值與合成值都非常接近，部分省區(qū)幾乎重疊;在垂直虛線右側(cè)，大多數(shù)省區(qū)的真實值與合成值逐步偏離，二者的差值即為政策效果^gap1t，亦可計算平均政策效應(yīng)^gapmean。

聚焦人均碳排放的政策效果（見圖2）可以得出：①遼寧、廣東、云南和海南在低碳試點以后，人均碳排放都呈現(xiàn)明顯下降，其平均政策效應(yīng)分別為-1.057、-1.154、-1.127和-0.487。需要指出的是，廣東人均碳排放在政策實施前（2007年）就顯著下降了。②湖北人均碳排放平均政策效應(yīng)為-0.448，但該省在2009—2012年反而高于其合成值， 2012年后又大幅下降，這可能與2013年湖北啟動碳排放權(quán)交易試點有關(guān)[36]。③陜西的人均碳排放在試點政策后反而高于其合成值，說明低碳試點政策對陜西人均碳排放控制無效。

聚焦碳強度的政策效果（見圖3）可以得出：①遼寧在政策實施后，碳強度明顯下降，平均政策效應(yīng)為-0.143。②廣東從2003年起，碳強度就低于合成值，說明2010年后廣東的碳強度降低并不是低碳試點政策引起的，而是由其經(jīng)濟(jì)發(fā)展慣性帶來的。③湖北和云南的碳強度平均政策效應(yīng)分別為-0.175和-0.119，但這兩個省區(qū)分別在2012年和2014年才低于各自的合成值，說明政策效果滯后2～4年才顯現(xiàn)，其中，湖北的碳強度降低可能與碳排放權(quán)交易試點的政策疊加有關(guān)。④陜西和海南的碳強度在低碳試點后反而高于其合成值，平均政策效應(yīng)分別為0.322和0.218，說明低碳試點對這兩個省區(qū)碳強度的政策效果不理想。

3.3?穩(wěn)健性檢驗

3.3.1?安慰劑檢驗

作者采用安慰劑檢驗（Placebo test）對合成控制分析的結(jié)果進(jìn)行穩(wěn)健性檢驗。安慰劑檢驗是將控制組的20個省區(qū)都假設(shè)為實驗組，對每個省區(qū)各做一次合成控制分析，計算真實值Yjt與合成值jt的差值^gapjt，并繪制線性圖。若t2時期實驗組的^gap1t

來源于低碳政策試點，則^gap1t的變動應(yīng)該遠(yuǎn)大于安慰劑檢驗得到的^gapjt。需要說明的是，如果t1時期^gap1t與^gapjt差異較大，即不能很好擬合真實結(jié)果變量，則t2時期的差異也可能是擬合不好導(dǎo)致的，與政策實施無關(guān)。為了避免擬合誤差太大帶來的問題，本文參照Abadie[24]的做法，在圖4與圖5中剔除了RMSPE值超過實驗組2倍的控制組省區(qū)。

圖4和圖5分別報告了人均碳排放和碳強度的安慰劑檢驗，圖中黑色線為實驗組的^gap1t，灰色線為控制組安慰劑檢驗的^gapjt，若t2時期黑線的走勢遠(yuǎn)低于灰線，則說明凈碳減排效應(yīng)是顯著的。以往文獻(xiàn)采用排序檢驗法[2，34]，計算t2時期與t1時期各樣本RMSPE的比值，即θi=RMSPE.t2i/RMSPE.t1i，并對θi排序，將超過實驗組θ1的θj個數(shù)占控制組總個數(shù)的比值視為P（θ1），若P（θ1）<0.05，則說明^gap1t顯著大于^gapjt，政策效果顯著。但該思路實質(zhì)為雙側(cè)檢驗，將安慰劑檢驗線的上下邊緣都包括在內(nèi)。作者僅關(guān)注結(jié)果變量是否降低，即單側(cè)檢驗。此外，控制組樣本僅有20個，再剔除一些擬合不好的樣本，很難滿足常規(guī)統(tǒng)計量P（θ1）<0.05的顯著性條件。因此依據(jù)本文實際情況做如下調(diào)整：用下邊沿超過黑線的灰線數(shù)量除以灰線總條數(shù)（不包含剔除的樣本和黑線本身），以此記為P'（θ1），并將P'（θ1）<0.2作為安慰劑檢驗是否顯著的標(biāo)準(zhǔn)，即置信水平調(diào)整為80%。以云南人均碳排放的安慰劑檢驗為例（見圖4.e），在t2時期的大部分時段，黑線以下的灰線僅有1條，該圖僅剩6條灰線（剔除了14個省區(qū)），P'（θ1）=1/6=0.167<0.2，說明云南人均碳排放下降顯著大于安慰劑檢驗的效果，其結(jié)果是穩(wěn)健的。

就人均碳排放來看（見圖4），遼寧人均碳排放的安慰劑檢驗結(jié)果是顯著的（在表4平均政策效應(yīng)值上標(biāo)*），其P'（θ1）=0/18=0<0.2，說明該省人均碳排放下降是低碳試點政策帶來的。云南人均碳排放的安慰劑檢驗結(jié)果是顯著的（前文舉例）。廣東、湖北、海南的安慰劑檢驗均不顯著，說明這些省區(qū)的人均碳排放下降不是由低碳試點帶來的。低碳試點政策反而推動陜西的人均碳排放顯著上升。

就碳強度來看（見圖5），遼寧在2013年前碳強度的安慰劑檢驗結(jié)果是顯著的，其P'（θ1）=1/15=0.067<0.2，湖北在2012年后碳強度的安慰劑檢驗結(jié)果也是顯著的，其P'（θ1）=1/8=0.125<0.2。廣東和云南的碳強度下降的安慰劑檢驗不顯著。低碳試點政策還顯著推高了陜西和海南的碳強度。

3.3.2?DID檢驗及政策凈效應(yīng)再測算

就原理來看，合成控制法用于評價政策效應(yīng)時更具優(yōu)勢，但本文控制組數(shù)量較少，安慰劑檢驗顯著性判斷的精確性略有欠缺，因此采用DID方法對政策效果的顯著性進(jìn)行驗證和補充。DID方法設(shè)定如下：

式（7）中，Yit是結(jié)果變量（分別取pcit和cgit）;treat是區(qū)分實驗組和控制組的虛擬變量，實驗組賦值為1，控制組賦值為0;after是區(qū)分政策實施前后的虛擬變量，政策實施前賦值為0，政策實施后賦值為1;交互項treat×after的系數(shù)反應(yīng)低碳試點政策的凈效應(yīng);Z.kit是控制變量，為了使得穩(wěn)健性檢驗中，DID檢驗結(jié)果和合成控制法的安慰劑檢驗結(jié)果可比，DID檢驗的控制變量與式（1）中控制變量取值相同，k=1，2，…，6;ui和τt分別為個體固定效應(yīng)和時間固定效應(yīng)。需要說明的是，由于圖4和圖5的安慰劑檢驗對t1時期擬合不好的樣本做了剔除，為使DID估計與安慰劑檢驗可比，將剔除次數(shù)較多的5個省區(qū)（山西、內(nèi)蒙古、貴州、寧夏和新疆）在DID估計中也剔除，即DID模型控制組調(diào)整為15個省區(qū)。

人均碳排放的DID估計顯示（見表3）：①廣東、湖北和云南的DID平均效應(yīng)分別為-1.15、-0.516和 -1.075， 且均通過顯著性檢驗，表明低碳試點對這些省區(qū)具有顯著的負(fù)向政策效應(yīng)。②陜西的人均碳排放DID平均效應(yīng)顯著增加，海南該指標(biāo)變動不顯著。③遼寧的DID平均效應(yīng)0.676，為顯著增加，這與合成控制分析相反，但遼寧的安慰劑檢驗顯示出明確的降低情形。合成控制分析與DID分析的結(jié)論可能在結(jié)果上產(chǎn)生分歧，前者通過一系列預(yù)測變量進(jìn)行擬合來選取對照組，比后者的對照組選擇更合理[3];每個省區(qū)初始人均碳排放及相關(guān)因素都各不相同，對政策的反應(yīng)快慢、執(zhí)行力度也差異較大，而遼寧的人均碳排放本就遠(yuǎn)高于其他省區(qū)，因此通過DID分析后得到政策無效的結(jié)論，而忽視了遼寧自身的政策效果，這可能是DID分析的局限性。因此本文綜合比較后認(rèn)定遼寧的安慰劑檢驗結(jié)果是可靠的。

碳強度的DID估計顯示：①遼寧和湖北的DID平均效應(yīng)分別為-0.223和-0.275，且降幅均顯著。②陜西和海南的DID平均效應(yīng)顯著為正，云南的該指標(biāo)變動不顯著。③廣東的碳強度DID平均效應(yīng)顯著增加，這與合成控制分析相反，經(jīng)分析發(fā)現(xiàn)與廣東碳強度提前下降有關(guān)。

綜合對比DID估計與安慰劑檢驗（見表4），僅有遼寧人均碳排放和廣東碳強度在兩種檢驗中變動符號相反，其他省區(qū)政策效應(yīng)變動是一致的，說明凈碳減排效應(yīng)具有較強的穩(wěn)健性。

3.4?凈碳減排效應(yīng)評價及異質(zhì)性分析

3.4.1?凈碳減排效應(yīng)評價

人均碳排放是衡量單位常住人口（以下簡稱人口）碳排放的強度指標(biāo)，若碳排放增速低于人口增速，且在統(tǒng)計上也顯著，即為“人均碳排放控制有效”。各試點省區(qū)在2000—2017年的人口增速都很低，例如湖北人口年均下降0.06%，遼寧、陜西、云南和海南該指標(biāo)分別上升0.25%、0.3%、0.73%和0.94%，只有廣東人口年均增速最高，也僅為1.51%。因人口增速低，人均碳排放變動在一定程度上體現(xiàn)了碳排放總量的變動。碳強度是常規(guī)意義的強度指標(biāo)，各省區(qū)在控制碳排放總量過快增長的同時，需要給經(jīng)濟(jì)增長留一定空間，若碳排放增速低于經(jīng)濟(jì)增速，且在統(tǒng)計上也顯著，即為“碳強度控制有效”。2000—2017年，各試點省區(qū)的經(jīng)濟(jì)快速增長，陜西和湖北的年均GDP增速超過11%，廣東、云南和海南的GDP增速在10%～11%之間，遼寧的GDP增速為9.68%。同理，若人均碳排放和碳強度都顯著下降，則視為“雙有效”。

根據(jù)合成控制分析、安慰劑檢驗和DID估計的綜合判斷，可將6個低碳試點省區(qū)歸入相應(yīng)類別：①遼寧和湖北的凈碳減排效應(yīng)“雙有效”。其中，遼寧的穩(wěn)健性檢驗以安慰劑檢驗結(jié)果為準(zhǔn)，認(rèn)定其人均碳排放顯著降低。②廣東和云南“人均碳排放控制有效”，即這兩個省區(qū)在控制碳排放總量過快上漲方面卓有成效。③陜西和海南的凈碳減排“無效”。其中，低碳試點并未有效控制陜西的人均碳排放和碳強度，這與該省工業(yè)比重較高的經(jīng)濟(jì)結(jié)構(gòu)特征密切相關(guān)，這一經(jīng)濟(jì)結(jié)構(gòu)決定了陜西能源消費結(jié)構(gòu)中煤炭所占比例遠(yuǎn)高于其余省區(qū)，且在低碳試點后，煤炭比重不降反升，由2010年的70.53%逐步上升到2017年的74.94%，這使得低碳試點政策對陜西人均碳排放增長并未起到顯著的抑制作用;海南的能源結(jié)構(gòu)特征與陜西正好相反，并且工業(yè)比重也遠(yuǎn)低于其余各省，因此該省的人均碳排放和碳強度都處于較低水平，碳減排空間很小，碳減排難度較大，低碳試點政策效果不理想。

將以上對低碳試點省區(qū)凈碳減排效應(yīng)的評估，與以往同類文獻(xiàn)的結(jié)論進(jìn)行比較。當(dāng)然，不同學(xué)者的預(yù)測變量選擇、樣本起止時期和實驗組包含的省區(qū)等各不相同，其結(jié)果存在一定差異，但經(jīng)過對比后發(fā)現(xiàn)，部分研究結(jié)論存在一致性。宋德勇等[3]利用合成控制法對首批低碳試點5省2市在2005—2016年間的碳排放量進(jìn)行分析，發(fā)現(xiàn)試點政策對除陜西外的6個省市政策效果顯著，而低碳試點政策對陜西無效與該省的能源結(jié)構(gòu)特點密切相關(guān)。該評估結(jié)果與本文“人均碳排放控制有效”與否的結(jié)論一致，但該文獻(xiàn)未就低碳試點政策對碳強度降低是否有效做進(jìn)一步研究。

3.4.2?凈碳減排效應(yīng)異質(zhì)性分析

分析各省區(qū)經(jīng)濟(jì)特征后，總結(jié)出凈碳減排政策的有效性受以下四種因素影響：①工業(yè)占地區(qū)生產(chǎn)總值比重越低，越有利于人均碳排放控制;省區(qū)經(jīng)濟(jì)水平越高，即人均地區(qū)生產(chǎn)總值越高，越有利于碳強度控制。以陜西為例，一方面，該省2005—2017年工業(yè)占比在49%～56%之間波動，始終高于其他5省區(qū)，這種以工業(yè)為主的經(jīng)濟(jì)結(jié)構(gòu)，決定了能源結(jié)構(gòu)中煤炭的比重較高，該省碳排放總量控制的難度很大，減排成本很高，人均碳排放控制是無效的;另一方面，經(jīng)濟(jì)水平?jīng)Q定了節(jié)能減排的資金投入規(guī)模，進(jìn)而影響節(jié)能減排技術(shù)推廣與應(yīng)用，最終表現(xiàn)為對碳強度降低的促進(jìn)程度，陜西人均GDP在試點省區(qū)中處于中等，僅高于海南和云南，陜西的節(jié)能減排資金投入從2010年的82.88 億元逐步增長到2017年的163.13億元，與同期廣東的239.16 億元上升到433.23 億元的資金投入規(guī)模相比差距很大，節(jié)能減排技術(shù)推廣與應(yīng)用還有很大上升空間，因此碳強度控制不顯著。該因素還能夠解釋云南人均碳排放控制有效，而碳強度控制無效，即云南2000—2017年工業(yè)占比均未超過45%，且在2015年后降至40%以下，工業(yè)占比較低有利于碳排放總量控制，因此該省區(qū)人均碳排放控制有效;但云南人均GDP是試點省區(qū)中最低的，節(jié)能減排資金投入水平也比陜西低，碳強度未能顯著降低。遼寧因人口較少，其人均GDP很高，部分年份甚至超過廣東，而節(jié)能減排資金投入與陜西相近，對遼寧而言資金投入相對充足，低碳試點使遼寧碳強度顯著下降。②碳排放權(quán)交易試點政策疊加有效促進(jìn)碳減排。廣東和湖北于2013年啟動碳交易試點，采用市場機制達(dá)到減少碳排放的目的，使這兩個省區(qū)在控制碳排放總量方面效果顯著[36]，因此湖北凈碳減排效應(yīng)顯示雙有效，對廣東的人均碳排放控制也有效;需要指出，廣東的碳強度在2010年后也是下降的，但與其經(jīng)濟(jì)發(fā)展和結(jié)構(gòu)調(diào)整慣性的關(guān)系更密切。③政策實施前，省區(qū)人均碳排放和碳強度指標(biāo)越低，其減排空間越小，減排難度越大。海南的人均碳排放和碳強度指標(biāo)均遠(yuǎn)低于其他試點省區(qū)，因為海南的工業(yè)占比很低（2008年工業(yè)占比達(dá)到峰值29.8%，到2017年該指標(biāo)為22.33%），且經(jīng)濟(jì)體量較小，減排空間很有限，減排成本很高，因此人均碳排放和碳強度控制均無效;與之相反，遼寧的人均碳排放，遠(yuǎn)高于其他試點省份，其碳排放下降空間很大，因此在低碳試點政策下人均碳排放顯著降低。④經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的慣性作用能長效推進(jìn)碳減排。廣東經(jīng)濟(jì)發(fā)達(dá)，由于其地區(qū)生產(chǎn)總值很高，使得碳強度遠(yuǎn)低于其余各省，合成控制分析顯示該省自2003年起碳強度就低于合成值，說明該省的低碳建設(shè)起步較早，2010年后的碳強度降低并非是由低碳試點政策帶來的，而是該省已經(jīng)形成了長效的低碳發(fā)展機制，經(jīng)濟(jì)發(fā)展和結(jié)構(gòu)優(yōu)化的慣性作用促進(jìn)該省碳強度不斷走低，成為全國各省區(qū)低碳發(fā)展的“典范”。

[18]QU Y， LIU Y. Evaluating the low-carbon development of urban China[J]. Environment development & sustainability， 2017， 19（3）： 939-953.

[19]LIN J， JACOBY J， CUI S， et al. A model for developing a target integrated low carbon city indicator system： the case of Xiamen， China[J]. Ecological indicators， 2014， 40（5）： 51-57.

[20]羅知，李浩然.“大氣十條”政策的實施對空氣質(zhì)量的影響[J].中國工業(yè)經(jīng)濟(jì)，2018（9）：136-154.

[21]陳林，萬攀兵.《京都議定書》及其清潔發(fā)展機制的減排效應(yīng)：基于中國參與全球環(huán)境治理微觀項目數(shù)據(jù)的分析[J].經(jīng)濟(jì)研究，2019（3）：55-71.

[22]邵帥，張可，豆建民.經(jīng)濟(jì)集聚的節(jié)能減排效應(yīng)：理論與中國經(jīng)驗[J].管理世界，2019，35（1）：36-60，226.

[23]ABADIE A， GARDEAZABAL J. The economic costs of conflict： a case study of the Basque country[J]. American economic review， 2003， 93（1）： 113-132.

[24]ALMER C，WINKLER R，HAINMUELLER J. Synthetic control methods for comparative case studies： estimating the effect of Californias tobacco control program[J]. Journal of the american statistical association， 2010， 105： 493-505.

[25]ALMER C，WINKLER R，HAINMUELLER J.Comparative politics and the synthetic control method[J]. American journal of political science， 2012， 59（2）： 495-510.

[26]ALMER C，WINKLER R.The effect of Kyoto emission targets on domestic CO 2 emissions： a synthetic control approach[J].Social science electronic publishing， 2012，13（1） ： 218-219.

[27]KIM M K， KIM T. Estimating impact of regional greenhouse gas initiative on coal to gas switching using synthetic control methods[J]. Energy economics， 2016， 59： 328-335.

[28]ADHIKARI B， ALM J. Evaluating the economic effects of flat tax reforms using synthetic control methods[J]. Southern economic journal， 2016， 83（2）： 437-463.

[29]ZHANG J， ZHONG C P， YI M. DID Olympic games improve air quality in Beijing：based on the synthetic control method[J]. Collected essays on finance & economics， 2016， 18（1）： 21-39.

[30]CHELWA G， VAN W C， BLECHER E. Evaluating South Africa's tobacco control policy using a synthetic control method[J]. Tobacco control， 2017， 26（5）： 509-517.

[31]NEWIAK M，WILLEMS T. Evaluating the impact of Non-Financial IMF programs using the synthetic control method[J]. Social science electronic publishing， 2017， 17（109）： 1.

[32]ADHIKARI B，DUVAL R， HU B， et al. Can reform waves turn the tide：some case studies using the synthetic control method[J]. Open economies review， 2018， 29： 879-910.

[33]王賢彬，聶海峰.行政區(qū)劃調(diào)整與經(jīng)濟(jì)增長[J].管理世界，2010（4）：41-53.

[34]劉甲炎，范子英.中國房產(chǎn)稅試點的效果評估：基于合成控制法的研究[J].世界經(jīng)濟(jì)，2013（11）：117-135.

[35]蘇治，胡迪.通貨膨脹目標(biāo)制是否有效：來自合成控制法的新證據(jù)[J].經(jīng)濟(jì)研究，2015，50（6）：74-88.

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

[37]楊經(jīng)國，周靈靈，鄒恒甫.我國經(jīng)濟(jì)特區(qū)設(shè)立的經(jīng)濟(jì)增長效應(yīng)評估：基于合成控制法的分析[J].經(jīng)濟(jì)學(xué)動態(tài)，2017（1）：41-51.

[38]譚文君，崔凡，楊志遠(yuǎn).負(fù)面清單管理模式對上海自貿(mào)區(qū)服務(wù)業(yè)資本流動的影響：基于合成控制法的分析[J].宏觀經(jīng)濟(jì)研究，2019（5）：117-132.

[39]郭金花，郭淑芬.國家綜合配套改革試驗區(qū)設(shè)立促進(jìn)了地方產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化嗎：基于合成控制法的實證分析[J].財經(jīng)科學(xué)，2019（8）：69-81.

[40]李國平，李宏偉.經(jīng)濟(jì)區(qū)規(guī)劃促進(jìn)了西部地區(qū)經(jīng)濟(jì)增長嗎？：基于合成控制法的研究[J].經(jīng)濟(jì)地理，2019，39（3）：20-28.

[41]莫神星.以低碳消費機制推進(jìn)綠色發(fā)展策略[J].貴州大學(xué)學(xué)報（社會科學(xué)版），2018，36（4）：113-119.

[42]譚周令，程豹.西部大開發(fā)的凈政策效應(yīng)分析[J].中國人口·資源與環(huán)境，2018，28（3）：169-176.

[43]田露露，馮永晟，劉自敏.不同遞增階梯定價下的政策效果差異：基于定價結(jié)構(gòu)陡峭程度的研究[J].經(jīng)濟(jì)學(xué)動態(tài)，2019（1）：60-75.

[44]趙領(lǐng)娣，徐樂.基于長三角擴(kuò)容準(zhǔn)自然實驗的區(qū)域一體化水污染效應(yīng)研究[J].中國人口·資源與環(huán)境，2019，29（3）：50-61.

[45]宋妍，李振冉，張明.自然災(zāi)害對經(jīng)濟(jì)增長的長期間接影響：基于汶川地震災(zāi)區(qū)縣級數(shù)據(jù)的合成控制法分析[J].中國人口·資源與環(huán)境，2019，29（9）：117-126.