蘇瑞娟 ，趙博娟，楊文青

（1.天津財經(jīng)大學(xué)珠江學(xué)院 數(shù)據(jù)工程學(xué)院，天津 301811；2.天津財經(jīng)大學(xué) 統(tǒng)計學(xué)院，天津 300222）

0 引言

碳排放權(quán)交易為一種基于市場機(jī)制運(yùn)行的工具，通過經(jīng)濟(jì)激勵對CO2排放進(jìn)行總量控制，與基于行政處罰的排污準(zhǔn)則相比，具有降低治污成本、促進(jìn)技術(shù)革新，同時實(shí)現(xiàn)環(huán)境與經(jīng)濟(jì)紅利的優(yōu)勢[1-4]。我國自2006 年成為世界上最大的CO2排放國家以來，排放量仍在逐年上升，2018 年的排放占世界的26%，同比增長1.9%[5]。為了實(shí)現(xiàn)減排目標(biāo)，政府在2011 年宣布成立了7 個碳排放權(quán)交易試點(diǎn)，并于2013 年開始陸續(xù)實(shí)現(xiàn)交易。初始碳排放權(quán)的合理配置是碳交易市場有效運(yùn)行的關(guān)鍵[6]，試點(diǎn)配額總量過于寬松及控排企業(yè)的初始配額過多會導(dǎo)致碳價格低迷甚至零交易，無法促進(jìn)企業(yè)的減排行為[7]。劉傳明等[8]則進(jìn)一步對碳交易市場運(yùn)行機(jī)制進(jìn)行了數(shù)理模型分析，當(dāng)?shù)吞寂欧藕透咛寂欧牌髽I(yè)（即碳交易的供、需兩方）均以利潤最大化為目標(biāo)而做出最優(yōu)選擇時，碳市場達(dá)到均衡并實(shí)現(xiàn)完全交易，而該均衡得以實(shí)現(xiàn)的前提仍是高碳排放企業(yè)初始配額不足且低碳排放企業(yè)配額富余。目前，各試點(diǎn)已形成了事前分配與事后調(diào)整動態(tài)結(jié)合的配發(fā)機(jī)制來實(shí)現(xiàn)更合理的分配[9]，張武林等[10]、趙立祥和王麗麗[11]、呂靖燁等[12]對各試點(diǎn)碳交易價格進(jìn)行了研究，得到各市場已逐漸達(dá)到了不同程度弱式有效的結(jié)論。然而，碳排放權(quán)交易市場的目的不是交易，而是通過市場機(jī)制倒逼企業(yè)節(jié)能減排以及研發(fā)創(chuàng)新，最終實(shí)現(xiàn)環(huán)境紅利[13]，因此各試點(diǎn)是否有效地發(fā)揮了減排效用及效用的持續(xù)性有必要進(jìn)行實(shí)證檢驗(yàn)。

我國多位學(xué)者基于省際面板數(shù)據(jù)，采用雙重或三重差分模型（DID）實(shí)證檢驗(yàn)了碳交易在省級層面具有積極的碳減排效應(yīng)[14-18]；沈洪濤等[19]、劉曄和張訓(xùn)常[20]將同樣的方法應(yīng)用于微觀企業(yè)得到了碳交易能夠促進(jìn)企業(yè)碳減排及研發(fā)創(chuàng)新的結(jié)論；周迪和劉奕淳[21]則應(yīng)用匹配—雙重差分模型（PSM-DID）對273 個地級市進(jìn)行分析，得到碳交易對降低試點(diǎn)城市碳排放強(qiáng)度具有顯著且持續(xù)的效用。然而廣泛使用的DID 模型僅為所有試點(diǎn)估計一個綜合或平均的效用，各試點(diǎn)市場制度設(shè)計的差異性及封閉運(yùn)行使得試點(diǎn)的政策效果并不能一概而論，合成控制模型（SCM）為各試點(diǎn)碳減排效果異質(zhì)性的探索提供了有力工具[8,22]。另一方面，學(xué)者對碳交易在經(jīng)濟(jì)、環(huán)境和社會方面的綜合影響進(jìn)行了廣泛的模擬分析，例如Cui 等[23]、Lin &Jia[24]運(yùn)用可計算一般均衡模型，得到碳交易市場能夠促進(jìn)節(jié)約減排成本、增加減排量，但交易市場不同運(yùn)行模式下的作用大小有差別；Zhang 等[25]應(yīng)用隨機(jī)前沿技術(shù)、線性規(guī)劃等綜合方法得到碳交易能帶來顯著的波特效應(yīng)，在GDP 不變的約束下使得碳排放強(qiáng)度下降19.79%～25.24%；Wang 等[26]應(yīng)用基于DEA 的最優(yōu)化模型得到基于市場的控排政策在節(jié)省減排成本及增加減排量方面均有顯著的效用；張俊榮等[27]應(yīng)用系統(tǒng)動力學(xué)方法得到碳交易機(jī)制能有效促進(jìn)京津冀地區(qū)碳減排進(jìn)程，但影響程度受機(jī)制設(shè)計例如碳配額總量、免費(fèi)配額發(fā)放以及碳價的影響。

綜上，大量實(shí)證以及模擬研究均表明碳排放權(quán)交易對CO2減排具有促進(jìn)作用，但是以下兩個問題在已有文獻(xiàn)中均未考慮：（1）碳交易政策溢出效應(yīng)的存在，可能會引起政策干預(yù)效應(yīng)的低估或高估。（2）類似的碳減排政策，例如低碳試點(diǎn)城市、政府管控和稅收等強(qiáng)制減排政策可能與碳排放權(quán)交易的作用發(fā)生混淆，從而導(dǎo)致政策效用的錯誤估計。鑒于此，本文采用Cao &Dowd[28]提出的包含溢出效應(yīng)的合成控制模型（SCM-SP）對碳交易在每個試點(diǎn)的CO2減排效果分別進(jìn)行定量研究，并進(jìn)行了完備的檢驗(yàn)，SCM-SP 在溢出效應(yīng)以及混淆政策存在的情況下仍能對政策效用進(jìn)行準(zhǔn)確的估計，為全國統(tǒng)一碳排放權(quán)交易市場的創(chuàng)建提供經(jīng)驗(yàn)支持。

1 模型和方法

1.1 合成控制模型

合成控制模型（SCM）由Abadie &Gardeazabal[29]提出，其基本思想是通過為實(shí)驗(yàn)單元合成相似的“反事實(shí)”對照單元來探索政策干預(yù)在宏觀層面上所產(chǎn)生的效用。假定有N個地區(qū)T時期的觀測數(shù)據(jù)，其中i=1 為實(shí)驗(yàn)單元，i=2,…,N為控制單元，t=1,2,…,T0為干預(yù)前的時期，t=T0+1,…,T(1 ≤T0＜T)為干預(yù)后的時期。用1 和0 分別表示受到和未受到政策干預(yù)，則i在時期t上的觀測值。

因此，地區(qū)1 受政策的干預(yù)效應(yīng)為α1t=y1t(1)-y1t(0)，且在干預(yù)前y1t(1)=y1t(0)，然而在政策實(shí)施后，實(shí)驗(yàn)單元未進(jìn)行政策干預(yù)的結(jié)果y1t(0)是不可觀測的，需通過利用干預(yù)前的信息為控制單元選擇最優(yōu)權(quán)重對實(shí)驗(yàn)單元進(jìn)行合成，并基于合成的估計值估計政策的效果

Ferman &Pinto[30]研究了傳統(tǒng)SCM 估計方法[31]在政策干預(yù)前時期合成不完美時的統(tǒng)計性質(zhì)及缺陷，并提出在合成值中加入截距項(xiàng)對實(shí)驗(yàn)單元進(jìn)行合成，即：

去均值估計量與Doudchenko &Imbens[32]對傳統(tǒng)SCM 擴(kuò)展得到相同的結(jié)果。

1.2 溢出效應(yīng)的合成控制模型（SCM-SP）

上述的SCM 均不允許政策溢出效應(yīng)及混淆政策的存在，即假定“非實(shí)驗(yàn)單元不受干預(yù)效應(yīng)影響”。而碳排放權(quán)交易對CO2減排存在不可避免的溢出效應(yīng)，原因?yàn)椋海?）由“避難者天堂”假說及區(qū)域溫室氣體（RGGI）的經(jīng)驗(yàn)，企業(yè)因?qū)で蟾欣恼叨M(jìn)行區(qū)域間轉(zhuǎn)移，進(jìn)而引發(fā)試點(diǎn)與非試點(diǎn)之間的碳泄漏[33]。（2）非試點(diǎn)地區(qū)企業(yè)可能受到附近試點(diǎn)政策的“文化熏陶”，并依此對自身的行為進(jìn)行調(diào)整。（3）碳交易首先促進(jìn)試點(diǎn)地區(qū)企業(yè)進(jìn)行技術(shù)創(chuàng)新，而技術(shù)的快速傳播使得非試點(diǎn)區(qū)域間接受到影響。Abadie 等[34]在研究德國合并對西德經(jīng)濟(jì)的影響中曾提出溢出效應(yīng)可能會使傳統(tǒng)的SCM 對政策的干預(yù)效應(yīng)做出偏誤的估計，但并未給出具體的解決方法，Cao &Dowd[28]基于Ferman &Pinto[30]首次提出了包含溢出效應(yīng)時合成控制模型（SCM-SP）穩(wěn)健的估計量及統(tǒng)計推斷過程，并證明了其在溢出效應(yīng)存在情況下的優(yōu)良表現(xiàn)。

1.2.1 估計

假定有p個控制單元受政策溢出效應(yīng)的影響，則溢出結(jié)構(gòu)矩陣可由以下N×P的矩陣A來表示，即：

類似于空間計量經(jīng)濟(jì)學(xué)中的空間權(quán)重矩陣，A取值為1 的元素表示受政策影響的單元（包括直接政策效應(yīng)的和間接的溢出效應(yīng)）的位置，并且看作是已知的。由于溢出效應(yīng)可以看作一種特殊的干預(yù)效應(yīng)，因此在A中并不需要將兩者進(jìn)行特別的區(qū)分。本文僅考慮線性的情況，假設(shè)干預(yù)及溢出效應(yīng)向量α可以看作某些未知參數(shù)γ的線性變換，則：

從而將α的估計問題轉(zhuǎn)化為對未知參數(shù)γ的估計。

將式（2）擴(kuò)展到對每個單元進(jìn)行合成，則有：

1.2.2 統(tǒng)計推斷

Cao &Dowd[28]將P 檢驗(yàn)[35]推廣到SCM-SP 中，由干預(yù)前殘差估計值構(gòu)建統(tǒng)計量來進(jìn)行干預(yù)效應(yīng)及溢出效應(yīng)的統(tǒng)計推斷以及區(qū)間估計，本文僅對置信區(qū)間的構(gòu)建進(jìn)行介紹。

將τ設(shè)定為0.025，從而得到干預(yù)效應(yīng)95%的置信區(qū)間。

2 CO2排放量測算及其變化趨勢

2.1 CO2排放量測算

由于碳排放權(quán)交易僅在試點(diǎn)內(nèi)部進(jìn)行，因此以省域邊界測量各省份CO2排放量以保持與政策的一致性。能源消耗和水泥生產(chǎn)是CO2的兩個主要來源，本文對二者的CO2排放量進(jìn)行測算[16]，即：

地區(qū)能源平衡表中列出了詳細(xì)的各種能源“終端消費(fèi)量”數(shù)據(jù)，其中“用作原料、材料”的終端消費(fèi)不是燃燒用途而不產(chǎn)生CO2；電力、熱力在生產(chǎn)階段而非終端消費(fèi)階段產(chǎn)生CO2，因此用于火力發(fā)電和供熱所消耗能源產(chǎn)生的CO2需進(jìn)行考慮。因此，地區(qū)i在t時期能源用途消耗的第j種能源的總量=（終端消費(fèi)量-用作原料、材料）+火力發(fā)電和供熱的“加工轉(zhuǎn)換投入量”（“其他能源”指核能、風(fēng)能、水能等清潔能源，其產(chǎn)生的CO2可以忽略不計，因此不再考慮）。地區(qū)i能源消耗產(chǎn)生的CO2排放量（萬噸）為：

式中：NVCj、EFj、Oj分別為能源j的凈熱值、CO2排放因子及碳氧化率，17 種能源的上述信息采用Liu 等[36]中的取值，如表1 所示。

表1 各類能源的CO2排放因子及氧化率

水泥生產(chǎn)產(chǎn)生的CO2排放量為：

式中：為地區(qū)i的水泥生產(chǎn)量；EFcement為水泥的CO2排放系數(shù)，其取值為0.5272 萬噸CO2/萬噸水泥[16]。

地區(qū)能源平衡表來源于1996—2017 年《中國能源統(tǒng)計年鑒》，其中2010 年及之后的能源平衡表列出了較表1 更加詳細(xì)的石腦油、潤滑油等油品種類以及液化天然氣的數(shù)據(jù)，本文將其分別與相關(guān)項(xiàng)“其他石油制品”以及“天然氣”進(jìn)行合并，以保持與2010 年之前口徑一致。水泥產(chǎn)量來源于國泰君安數(shù)據(jù)庫。由于港澳臺及西藏地區(qū)能源平衡表缺失，本文僅考慮30 個地區(qū)，其中重慶僅包含1997—2016 年共20 年的數(shù)據(jù)，其他29 個地區(qū)均包含1995—2016 年共22 年的數(shù)據(jù)。

2.2 CO2排放量的變化趨勢

由式（11）測算出各地區(qū)在觀測期內(nèi)的CO2排放總量，本文按照是否實(shí)施了碳排放權(quán)交易政策將所有地區(qū)分為兩組，其中北京、天津、上海、湖北、廣東和重慶6 個試點(diǎn)地區(qū)歸為實(shí)驗(yàn)組（由于深圳屬于廣東，不再分開考慮），剩余的24 個非試點(diǎn)地區(qū)為控制組，試點(diǎn)以及非試點(diǎn)在觀測期內(nèi)各自的年均排放總量及隨時間的變化趨勢如圖1 所示。非試點(diǎn)的CO2排放量從2002 年開始超過試點(diǎn)，隨著兩組都經(jīng)歷了至2011 年之間的快速增長時期，兩組地區(qū)的排放差距呈現(xiàn)擴(kuò)大的趨勢；從2012年開始，兩組地區(qū)排放量增長速度明顯下降，并且實(shí)驗(yàn)組于2013 年呈現(xiàn)下降的趨勢，兩組的差異進(jìn)一步擴(kuò)大。

圖1 試點(diǎn)與非試點(diǎn)地區(qū)CO2年均排放量趨勢

3 結(jié)果分析及穩(wěn)健性檢驗(yàn)

3.1 結(jié)果分析

由于各試點(diǎn)碳交易市場存在異質(zhì)性，因此分別對實(shí)驗(yàn)組的每個地區(qū)用其他24 個地區(qū)進(jìn)行加權(quán)合成，估計碳排放權(quán)交易在不同省份的減排效果。設(shè)定每個試點(diǎn)的溢出矩陣A1為一階鄰接權(quán)重矩陣，即將具有相同邊界的地區(qū)看作受政策溢出效應(yīng)的影響。因此，北京、天津的溢出效應(yīng)省份均為河北；上海的為江蘇和浙江；湖北的為安徽、江西、河南、湖南和山西；廣東的為福建、江西、湖南和廣西；重慶的為湖南、四川、貴州和陜西。

本文選擇試點(diǎn)的交易年——2013 年作為政策的干預(yù)時點(diǎn)。表2 為各試點(diǎn)的最優(yōu)權(quán)重估計以及干預(yù)前平均的相對估計誤差（RMSPE）①相對的絕對值誤差計算公式：，圖2 分別為每個試點(diǎn)CO2排放總量的觀測值及相應(yīng)的反事實(shí)合成試點(diǎn)的估計值及其95%的置信區(qū)間。從圖2 可以看出，重慶、北京的合成效果較差，上海與合成上海在2010—2012 年呈現(xiàn)出了較明顯的差異，其他3 個合成試點(diǎn)在干預(yù)前幾乎產(chǎn)生了與真實(shí)值相同的曲線，由表2 中的估計誤差可以得到類似的結(jié)果。

表2 2013年作為政策節(jié)點(diǎn)時各試點(diǎn)合成權(quán)重及估計誤差

圖2 試點(diǎn)地區(qū)CO2排放總量的觀測值、SCM合成值、SCM-SP合成值及其95%置信區(qū)間

北京、天津、上海和湖北4 個試點(diǎn)的碳排放權(quán)交易政策均起到了顯著的CO2減排效應(yīng)，真實(shí)的排放總量與合成的相比在2013—2016 年間平均每年分別減少3221.88 萬噸、1698.25 萬噸、1686.00 萬噸和3960.25萬噸，約為以2012 年排放量作為基年的30.47%、9.33%、7.50%和9.43%，可見在減排總量以及趨勢上仍呈現(xiàn)了明顯的差異性。廣東、重慶的合成值僅在2013 年顯著高于真實(shí)值，但之后又出現(xiàn)政策效用變得不顯著，而且廣東甚至出現(xiàn)了負(fù)效用的現(xiàn)象。

SCM-SP 與SCM 得出的結(jié)果比較接近，得出的政策結(jié)論在方向上具備一致性，但在量上有所差異。以5%作為顯著性水平，兩種方法在天津的全部干預(yù)時期以及北京、上海和廣東的部分時期存在顯著性的差異，其中北京和廣東傳統(tǒng)的SCM 高估，而天津則低估了政策的干預(yù)效用，上海則同時存在低估和高估的時期，湖北、重慶由兩種方法得到的結(jié)果不存在顯著性差異。而具體未考慮溢出效應(yīng)的后果與溢出結(jié)構(gòu)的設(shè)定、合成權(quán)重均有關(guān)系，要通過穩(wěn)健性檢驗(yàn)來對結(jié)論的可靠性進(jìn)行進(jìn)一步的測量。

3.2 穩(wěn)健性檢驗(yàn)

為了檢驗(yàn)以上碳排放權(quán)交易政策干預(yù)效用估計的可靠性，本部分分別從安慰劑、溢出矩陣設(shè)定和合成權(quán)重三個方面進(jìn)行穩(wěn)健性檢驗(yàn)。

3.2.1 安慰劑檢驗(yàn)

傳統(tǒng)的安慰劑檢驗(yàn)將每個控制單元依次看作實(shí)驗(yàn)單元，并為其估計反事實(shí)的CO2排放總量從而得到每個控制單元政策干預(yù)效應(yīng)的估計，如果實(shí)驗(yàn)單元的干預(yù)效應(yīng)顯著高于控制單元則證明估計有效，這也稱為“空間上的安慰劑（in-space placebos）”。Abadie 等[34]將安慰劑擴(kuò)展到時間維度（in-time placebos），檢測政策在時點(diǎn)設(shè)定上的穩(wěn)健性。由于SCM-SP 給出了“空間上”的統(tǒng)計推斷方法，因此本部分僅需進(jìn)行“時間安慰劑”檢驗(yàn)。將政策時點(diǎn)重新設(shè)定為試點(diǎn)頒布時期2011 年，若干預(yù)效應(yīng)的估計值與2013 年相比顯著變大，則有理由相信在2013年之前已經(jīng)產(chǎn)生了效應(yīng)，合成結(jié)果如圖3 及表3 所示。

圖3 試點(diǎn)地區(qū)CO2排放總量的觀測值、SCM合成值、SCM-SP合成值及其95%置信區(qū)間

為了與2013 年作為政策節(jié)點(diǎn)進(jìn)行對比，各試點(diǎn)縱向標(biāo)度與圖2 保持一致；表3 給出了此時的權(quán)重以及干預(yù)前預(yù)測誤差。天津、湖北估計的預(yù)測誤差升高，且在2011、2012 年未發(fā)生顯著的政策作用，其中天津的干預(yù)效應(yīng)大小與2013 年作為政策節(jié)點(diǎn)相比減小，因而以2013 年作為政策干預(yù)節(jié)點(diǎn)更可靠。北京、上海和廣東的干預(yù)效應(yīng)則較2013 年作為政策節(jié)點(diǎn)相比均提高，且在2013 年之前的合成省份與真實(shí)省份的CO2排放量也呈現(xiàn)了差異，估計誤差降低，說明3 個試點(diǎn)以2011 年作為政策節(jié)點(diǎn)更可靠。重慶的預(yù)測誤差與2013 年相比有較為明顯的增加，因此將政策作用節(jié)點(diǎn)設(shè)定為2013 年較合理。

表3 2011年作為政策節(jié)點(diǎn)時各試點(diǎn)合成權(quán)重及估計誤差

比較2011 年與2013 年作為政策節(jié)點(diǎn)的合成權(quán)重，同樣得到天津、湖北的權(quán)重變化較小，其他省份權(quán)重變化較大。綜上，將北京、上海和廣東的政策干預(yù)年份看作2011 年，將天津、湖北和重慶的政策干預(yù)年份看作2013 年是合理的，說明碳排放權(quán)交易政策在不同地區(qū)起作用所需要的時間具有差異性。

3.2.2 溢出結(jié)構(gòu)矩陣的穩(wěn)健性檢驗(yàn)

以安慰劑檢驗(yàn)的結(jié)果為基礎(chǔ)，得到不同權(quán)重下各個試點(diǎn)在干預(yù)時期的干預(yù)效用如圖4 所示。溢出結(jié)構(gòu)矩陣代表了政策溢出效用的空間結(jié)構(gòu)，但在整個估計過程看作已知并且提前設(shè)定，然而當(dāng)其無法描述正確的溢出結(jié)構(gòu)時，有可能導(dǎo)致效用干預(yù)的偏誤，因此估計效用對其設(shè)定的穩(wěn)健性進(jìn)行檢驗(yàn)是必須的。將溢出結(jié)構(gòu)重新設(shè)定為每個試點(diǎn)的二階鄰接矩陣A2，因此，北京、天津的溢出效應(yīng)地區(qū)為河北、山東、內(nèi)蒙古、遼寧、山西和河南6 個省份；上海的為江蘇、浙江、山東、河南、福建、安徽和江西7 個省份；湖北的為安徽、江西、河南、湖南、陜西、江蘇、浙江、福建、河北、山西、山東、廣西、貴州、四川、內(nèi)蒙古、甘肅和寧夏17 個省份；廣東的為福建、江西、湖南、廣西、浙江、安徽、貴州和云南8 個省份；重慶的為湖南、四川、貴州、陜西、江西、廣西、云南、甘肅、青海、河南、山西、內(nèi)蒙古和寧夏13 個省份。

圖4 政策干預(yù)效應(yīng)對溢出權(quán)重結(jié)構(gòu)的穩(wěn)健性檢驗(yàn)

由圖4 可知，在兩種溢出結(jié)構(gòu)矩陣A1和A2的情況下均得到了相同的干預(yù)效應(yīng)趨勢，除了上海、天津在A2得到的干預(yù)效應(yīng)在部分時期處于A1作為溢出結(jié)構(gòu)5%的置信區(qū)間之外，其他地區(qū)的干預(yù)效應(yīng)則具備一致性，因此為這兩個試點(diǎn)再重新設(shè)定范圍更廣的溢出權(quán)重A3，并且得到了與A2近似的結(jié)果。由Cao &Dowd[28]可知，在溢出矩陣的設(shè)定高估溢出效應(yīng)的時候，即設(shè)定的受溢出效應(yīng)的個體比實(shí)際偏多時，估計量仍能保證較小的偏誤程度，但是當(dāng)溢出矩陣低估溢出效應(yīng)時，估計量的偏誤程度則會比較大。因此，將鄰接矩陣設(shè)定A2的結(jié)果更加穩(wěn)健。

3.2.3 合成權(quán)重檢驗(yàn)

由表2 和表3 可知，每個試點(diǎn)均有權(quán)重較大的合成省份，那么干預(yù)效應(yīng)是不是由于權(quán)重較大省份的趨勢所造成的呢？因此有必要對合成權(quán)重的穩(wěn)健性進(jìn)行檢驗(yàn)。以上兩部分的檢驗(yàn)最優(yōu)結(jié)果為基礎(chǔ)，將合成試點(diǎn)權(quán)重W*中大于0.1 的控制單元在每次迭代中依次從控制組中去掉，再估計每次迭代的干預(yù)效應(yīng)[SCM-SP(LOO)]，排除干預(yù)效應(yīng)是由于某一個控制單元的趨勢所導(dǎo)致的可能性。

圖5 展示了各個試點(diǎn)CO2排放總量觀測值、合成值（黑色的實(shí)線、虛線）以及依次去除每個試點(diǎn)權(quán)重較大的控制單元的合成結(jié)果（灰色實(shí)線）。結(jié)果表明在去除控制單元前后，干預(yù)效應(yīng)差異最大的是廣東在合成控制單元中去除河北所得的結(jié)果，其中相差最多的為2013 年，與不去除相比下降了2.84%，因此干預(yù)效應(yīng)估計結(jié)果對于從對照組中去除任意一個省份都是穩(wěn)健的。

圖5 政策干預(yù)效應(yīng)對合成權(quán)重的穩(wěn)健性檢驗(yàn)

4 結(jié)論

本文在應(yīng)用地區(qū)能源平衡表對各地區(qū)CO2排放量進(jìn)行精確測量的基礎(chǔ)上，將包含溢出效應(yīng)的合成控制模型（SCM-SP）應(yīng)用于分析碳排放權(quán)交易在試點(diǎn)地區(qū)的碳減排效應(yīng)的研究，該方法在存在溢出效應(yīng)以及近似政策存在的情況下仍能保證干預(yù)效應(yīng)估計的準(zhǔn)確性，適用于分析我國碳交易市場對碳減排效用的實(shí)際情況。SCM 與SCM-SP得到的政策作用方向具備一致性，但在量上存在差異，通過時間安慰劑檢驗(yàn)、溢出矩陣設(shè)定檢驗(yàn)以及合成權(quán)重檢驗(yàn)為各試點(diǎn)碳交易的CO2減排效果進(jìn)行了精確的定量分析。

研究發(fā)現(xiàn)，各試點(diǎn)的碳排放權(quán)交易在降低CO2排放效應(yīng)方面存在顯著的差異，無論是在作用時間以及作用大小方面，因此將各試點(diǎn)單獨(dú)分析具有必要性。在效用時間上，北京、上海和廣東在試點(diǎn)頒布后，即2011 年已經(jīng)開始起作用，而天津、湖北和重慶是在2013 年開始交易時起作用；在碳減排程度上，各試點(diǎn)在各自政策的有效實(shí)施期間，CO2排放量分別平均每年下降了以政策節(jié)點(diǎn)前一年作為基年的33.87%、18.12%、3.71%、11.34%、9.43%和2.68%（試點(diǎn)排序與上述效用時間相同），其中2008年奧運(yùn)會的舉行是北京從2008年就開始下降的原因，其間大量高污染企業(yè)向外遷移[37]，因此也導(dǎo)致北京的碳排放權(quán)交易減排效用存在一定程度的高估。在政策持續(xù)性上，廣東、重慶的碳交易市場對碳減排的持續(xù)效用較短，其他試點(diǎn)的政策在有效期內(nèi)均有持續(xù)的碳減排效用。

此外，本文還探索了碳排放權(quán)交易政策對CO2排放強(qiáng)度（即單位實(shí)際GDP 所消耗的CO2）的干預(yù)效應(yīng)，以探索CO2減排的作用機(jī)制，由于實(shí)證和檢驗(yàn)過程與前文類似僅對結(jié)論進(jìn)行闡述。在整個研究期內(nèi)，所有試點(diǎn)的CO2排放強(qiáng)度均呈現(xiàn)大幅下降的趨勢，但是除了湖北之外均不是由于碳交易市場的干預(yù)效應(yīng)所致，這與沈洪濤等[19]得到的碳交易短期內(nèi)通過降低微觀企業(yè)的產(chǎn)量實(shí)現(xiàn)碳減排的結(jié)論一致。湖北作為最活躍的試點(diǎn)，更能夠發(fā)揮碳交易的市場效用，促進(jìn)資源更有效的配置，為其他試點(diǎn)以及全國碳交易市場設(shè)計提供有效的參考。