賈智杰，溫師燕，朱潤清

(1.西安交通大學 經(jīng)濟與金融學院,陜西 西安 710061；2.廈門大學a.南洋研究院；b.中國能源政策研究院,福建 廈門 361005)

一、引言

為了應對氣候變化和展現(xiàn)大國擔當,我國承諾將力爭于2030年實現(xiàn)碳達峰,于2060年達成碳中和。當前,我國的主要減排政策是碳排放交易機制(以下簡稱碳交易)。探究碳交易與全要素碳效率①本文定義的全要素碳效率參考了王慧等的做法,在傳統(tǒng)全要素生產(chǎn)率的基礎上考慮了碳排放作為非合意產(chǎn)出。詳見王慧、孫慧、肖涵月:《環(huán)境政策不確定性、雙向FDI與低碳全要素生產(chǎn)率的關系》,《中國人口·資源與環(huán)境》2020年第11期。之間的關系不僅有利于增強公眾對于碳交易的理解,提高碳交易的推廣進度,也有利于社會低碳發(fā)展。碳交易對生產(chǎn)率、綠色生產(chǎn)率或全要素碳效率(TFCE)的影響尚不明確,文獻較少,且存在較大爭議。胡玉鳳等認為,碳排放權交易機制降低了企業(yè)的全要素生產(chǎn)率。②胡玉鳳、丁友強:《碳排放權交易機制能否兼顧企業(yè)效益與綠色效率》,《中國人口·資源與環(huán)境》2020年第3期。Xiao等利用相似的方法和同樣的數(shù)據(jù)卻給出了相反的結論,認為碳試點顯著提高了企業(yè)的全要素生產(chǎn)率:與非試點地區(qū)相比,試點地區(qū)的全要素生產(chǎn)率提高了約14%。③Xiao,J.,Li,G.,Zhu,B,et al.,“Evaluating the impact of carbon emissions trading scheme on Chinese firms'total factor productivity”,Journal of Cleaner Production,2021,306127104.類似地,Feng等和任亞運等認為碳試點提高了全要素碳效率,并存在一定的空間異質(zhì)性。①Feng,Y,Wang,X,Liang,Z,et al.“Effects of emission trading system on green total factor productivity in China:Empirical evidence from a quasi-natural experiment”,Journal of Cleaner Production,2021,294126262；任亞運、傅京燕:《碳交易的減排及綠色發(fā)展效應研究》,《中國人口·資源與環(huán)境》2019年第5期。

綜上,針對碳試點對全要素碳效率影響所存在的爭議,本文將進一步研究,并填補機制分析的研究空白,深入挖掘其可能的作用機制和影響路徑。碳試點對全要素碳效率的影響可以通過各單要素效率進行機制分析,也可以通過中介效應進行機制分析。本文將通過以上兩類機制分析手段,研究碳試點是如何影響全要素碳效率的。本文在研究對象、研究設計、研究結論上都具有一定的邊際貢獻。具體而言,本文的創(chuàng)新體現(xiàn)在以下三點:首先,本文研究中國碳試點工作對全要素碳效率的影響,彌補現(xiàn)有文獻的空缺?，F(xiàn)有相關研究僅有數(shù)篇,且結論存在爭議。本文旨在進一步研究碳試點工作對全要素碳效率的影響,通過單要素效率、創(chuàng)新和產(chǎn)業(yè)結構等角度,分析其影響機制。其次,本文構建了更加科學的研究設計。不少研究使用PSM-DID模型估計的時候是直接刪除權重為零的樣本,然后進行DID模型估計,但這樣違背了PSM匹配思想的核心內(nèi)容。本文使用的PSM-加權DID方法能夠盡可能地減少樣本選擇偏誤,對碳交易的影響進行精確識別。最后,我們的研究得出了新的研究結論和相關建議。資本效率和碳效率的提升是全要素碳效率提升的重要因素,但勞動效率的降低減少了TFCE的上升的空間。并且各類機制均具有顯著的異質(zhì)性,一線城市和直轄市在調(diào)整產(chǎn)業(yè)結構、激發(fā)創(chuàng)新、資本和技術投資方面都具有優(yōu)異的條件,而普通城市受到的影響相對較小。針對這樣的異質(zhì)性,結合碳交易的影響因素,本研究提出了多條針對性的建議。

二、文獻綜述

本研究主要集中研究碳交易政策能否提高全要素碳效率,與全要素效率的測算具有重要關聯(lián)。全要素生產(chǎn)率的測算方法包括增長核算法、索洛剩余法、非參數(shù)方法和參數(shù)方法等,而其中隨機前沿分析方法(SFA)和數(shù)據(jù)包絡分析(DEA)方法得到了廣泛應用和不斷發(fā)展。②Feng,G.,Wang,C.A.and Zhang,X.B.,“Estimation of inefficiency in stochastic frontier models:a Bayesian kernel approach”,Journal of Productivity Analysis,2019,51(1),pp.1-19.傳統(tǒng)的DEA方法,如CCR和BCC模型等是徑向效率模型③Picazo-Tadeo,A.J,Beltrán-Esteve,M.and Gómez-Limón,J.A.,“Assessing eco-efficiency with directional distance functions”,European Journal of Operational Research,2012,220(3),pp.798-809.,假定同比例減少投入或同比例增加產(chǎn)出,往往容易高估實際效率值,也不能分解效率值,而SBM方法是DEA中的非徑向效率模型,能很好地解決上述問題。④Tone,K.,“A slacks-based measure of efficiency in data envelopment analysis”,European Journal of Operational Research,2001,130(3),pp.498-509；Tone,K.and Tsutsui,M.,“Dynamic DEA:A slacks-based measure approach”,Omega-International Journal of Management Science,2010,38(3-4),pp.145-156.早期的DEA模型雖然測度了全要素效率,卻未納入不良產(chǎn)出對環(huán)境的影響,其結果往往會高估“真實”生產(chǎn)率⑤Zhang,C.,Liu,H.,Bressers,H.T.A,et al.“Productivity growth and environmental regulations-accounting for undesirable outputs:Analysis of China's thirty provincial regions using the Malmquist-Luenberger index”,Ecological Economics,2011,70(12),pp.2369-2379.,也不能很好地表達低碳全要素生產(chǎn)率、環(huán)境全要素生產(chǎn)率或生態(tài)全要素生產(chǎn)率⑥Heshmati,A.,“Productivity growth,efficiency and outsourcing in manufacturing and service industries”,Journal of Economic Surveys,2003,17(1),pp.79-112.。出于對環(huán)境保護的重視,多位學者開始將廢水、廢氣、固體廢棄物等污染物對環(huán)境的不良產(chǎn)出納入包含非合意產(chǎn)出的SBM模型。⑦Li,L.B.and Hu,J.L.,“Ecological total-factor energy efficiency of regions in China”,Energy Policy,2012,46,pp.216-224.由于碳達峰和碳中和給中國社會的生產(chǎn)方式帶來了很大的變化,越來越多的文獻開始將碳排放作為非合意產(chǎn)出納入SBM模型。①Xie,R.H.,Yuan,Y.J.and Huang,J.J.,“Different Types of Environmental Regulations and Heterogeneous Influence on‘Green'Productivity:Evidence from China”,Ecological Economics,2017,132,pp.104-112.Wang,S.,Chen,G.and Han,X.,“An Analysis of the Impact of the Emissions Trading System on the Green Total Factor Productivity Based on the Spatial Difference-in-Differences Approach:The Case of China”,International Journal of Environmental Research and Public Health,2021,18(17),9040.

本研究也與碳交易政策對環(huán)境效率的影響有著重要關聯(lián)。碳交易已成為全球重要的減排手段②Zhou,P.and Wen,W.,“Carbon-constrained firm decisions:From business strategies to operations modeling”,European Journal of Operational Research,2020,281(1),pp.1-15.,是邁向碳中和的重要政策工具,碳市場目前已經(jīng)覆蓋了全球16%的溫室氣體排放③資料來源:https://icapcarbonaction.com/en/?option=com-attach&task=download&id=735。。碳交易能夠通過增加企業(yè)碳排放成本從而降低煤炭消耗或刺激企業(yè)進行低碳創(chuàng)新提高煤炭使用效率從而減少碳排放。④Zhang,W.,Li,J.,Li,G.et al.,“Emission reduction effect and carbon market efficiency of carbon emissions trading policy in China”,Energy,2020,196117117.中國碳排放試點政策自2011年起開始實施,已經(jīng)覆蓋了多行業(yè)、多家重點排放企業(yè),2021年7月全國統(tǒng)一的碳市場開始建立。中國的碳交易遵循“總量控制-配額”原則,在設定配額的基礎上進行交易,參與方可以通過出售剩余配額的方式來獲取利潤。⑤Gao,Y.N.,Li,M.,Xue,J.J,et al.,“Evaluation of effectiveness of China's carbon emissions trading scheme in carbon mitigation”,Energy Economics,2020,90104872.雖然學術界關于中國的碳交易機制降低了碳排放和碳強度基本達成了共識⑥Zhang,W.J.,Zhang,N.and Yu,Y.N.,“Carbon mitigation effects and potential cost savings from carbon emissions trading in China's regional industry”,Technological Forecasting and Social Change,2019,141,pp.1-11.,但關于這種減排效果是通過刺激企業(yè)進行綠色技術創(chuàng)新還是通過污染轉(zhuǎn)移實現(xiàn)的并未達成共識⑦Yan,Y.X.,Zhang,X.L.,Zhang,J.H,et al.,“Emissions trading system(ETS)implementation and its collaborative governance effects on air pollution:The China story”,Energy Policy,2020,138111282.。例如,Hu等認為碳交易政策的減排是通過技術效率的提升實現(xiàn)的⑧Hu,Y.,Ren,S.,Wang,Y,et al.,“Can carbon emission trading scheme achieve energy conservation and emission reduction?Evidence from the industrial sector in China”,Energy Economics,2020,85104590.,而Li等則認為試點地區(qū)的碳減排效果是由于向非試點地區(qū)進行了碳轉(zhuǎn)移⑨Li,X.,Wang,C.,Liao,L.,et al.“The Spillover Effect Evaluation of Chinese Emissions Trading Scheme”,Frontiers in Energy Research,2021,9677873.。那么,衡量地區(qū)、行業(yè)或企業(yè)的全要素碳效率比單純衡量碳排放量或簡單衡量碳強度更有意義。

關于碳交易對全要素生產(chǎn)率或全要素碳效率的研究尚不成熟,也未達成一致。Xiao等利用DID方法研究了碳排放交易機制對中國企業(yè)全要素生產(chǎn)率的影響,發(fā)現(xiàn)碳交易對高碳排放企業(yè)的全要素生產(chǎn)率存在顯著的整體正面影響,然而對不同行業(yè)的影響不同,如對鋼鐵行業(yè)存在正向影響,對電力行業(yè)則存在負向影響。⑩Xiao,J.,Li,G.,Zhu,B.et al.,“Evaluating the impact of carbon emissions trading scheme on Chinese firms'total factor productivity”,Journal of Cleaner Production,2021,306127104.Wang等使用類似的方法和數(shù)據(jù)得出近似基本結論,但卻認為政策效應受到提高能效和綠色創(chuàng)新的驅(qū)動。?Zhang等提出了碳交易帶來綠色發(fā)展效率與區(qū)域碳平衡雙重紅利及其中介效應的四種假設,通過基于中國省級面板數(shù)據(jù)和工業(yè)企業(yè)數(shù)據(jù)的DID模型得出基本結論,并利用三種中介效應去探測其內(nèi)部機制。?Zhang,S.,Wang,Y.,Hao,Y.et al.,“Shooting two hawks with one arrow:Could China's emission trading scheme promote green development efficiency and regional carbon equality?”,Energy Economics,2021,101105412.結果表明,碳交易能夠帶來綠色發(fā)展效率和區(qū)域碳平衡發(fā)展的雙重紅利,并且在環(huán)境規(guī)制嚴格程度較低的省份更有效,而環(huán)境規(guī)制過于嚴格省份的綠色發(fā)展效率并未得到提升。因而,污染天堂假說并不是區(qū)域碳平等改善的原因。Chen和Lin使用了基于全局技術的DEA模型和合成控制法就碳交易對試點地區(qū)碳效率和能源效率的影響進行研究,發(fā)現(xiàn)碳交易顯著提升了湖北省的碳效率和能源效率,是一個行之有效的碳中和政策。①Chen,X.and Lin,B.,“Towards carbon neutrality by implementing carbon emissions trading scheme:Policy evaluation in China”,Energy Policy,2021,157112510.

現(xiàn)有文獻對碳交易試點政策影響的研究熱點集中在對碳排放量和碳強度的影響上,對于全要素碳效率的影響評估較少,而全要素碳效率綜合考慮了既定資本和勞動要素下的非合意產(chǎn)出(碳排放)與合意產(chǎn)出(GDP),能更加全面地描述整個社會的碳排放績效。然而,關于碳交易政策對低碳績效的影響尚存在爭議,且在行業(yè)層面、省份層面存在很大的異質(zhì)性。另外,關于碳交易對低碳績效的影響機制,不僅存在中介變量上的差異,也存在方向上的差異。本研究嘗試利用包含非合意產(chǎn)出的SBM模型構建全要素碳效率,并使用基于傾向得分匹配的加權DID模型,更準確地識別碳交易政策對全要素碳效率的影響,既能從研究角度上豐富現(xiàn)有文獻,也能從技術方法上為后續(xù)研究提供新的思路。

三、研究設計

(一)理論框架

以當前試點城市的運行情況來看,納入碳交易的企業(yè)以能源密集型企業(yè)為主,與2016年國家發(fā)改委關于啟動碳交易通知中覆蓋的行業(yè)相似,如石化、化工、建材、鋼鐵、有色、造紙、電力和航空等行業(yè)。這些行業(yè)通常具有如下特性:一是碳排放量大。這些行業(yè)會消費大量的化石能源,其二氧化碳碳排放約占社會總排放的75%,而GDP貢獻占比不到20%。因此,對碳排放進行定價,可能會影響這些企業(yè)的生產(chǎn)決策和技術投入決策,促使企業(yè)通過創(chuàng)新降低二氧化碳排放,但對GDP的影響遠低于碳排放,從而影響城市層面的碳效率②在機制分析中,本文通過GDP/CO2對碳生產(chǎn)率進行衡量,碳生產(chǎn)率表示的是單位碳排放能夠帶來的GDP影響。同理,本文也通過單位勞動、資本的投入能夠產(chǎn)出的GDP衡量勞動生產(chǎn)率和資本生產(chǎn)率。,提高TFCE。二是重資產(chǎn)。這些重點排放行業(yè)通常具有資產(chǎn)屬性,一些行業(yè)的自然屬性決定其本身就屬于資本密集型企業(yè),例如電力行業(yè)、航空業(yè)等。因此,碳交易可能會影響這些行業(yè)的投資,提高其資本效率,進而提高城市層面的TFCE。

基于以上兩點分析,結合“強波特假說”,文章提出三點假設:

假設1:碳交易政策可以通過技術創(chuàng)新的方式引發(fā)全要素碳效率的提高。③強波特假說的含義是:環(huán)境規(guī)制會促進企業(yè)創(chuàng)新,進而促進企業(yè)生產(chǎn)率。企業(yè)的創(chuàng)新和生產(chǎn)率可以部分反映在城市層面的創(chuàng)新指數(shù)和全要素生產(chǎn)率等指標中。

假設2:碳效率的提高是碳交易提高全要素碳效率的主要原因之一。

假設3:資本效率的提高是碳交易提高全要素碳效率的主要原因之一。

另外,根據(jù)“污染天堂”假說,由于碳交易政策可能會降低高耗能企業(yè)的競爭力,企業(yè)可能因此搬出碳試點地區(qū),或者由于競爭劣勢而降低產(chǎn)出,表現(xiàn)出來的就是第二產(chǎn)業(yè)占比降低,此處稱之為產(chǎn)業(yè)結構調(diào)整。據(jù)此,引出文章的第四個假設:

假設4:碳交易政策可以通過產(chǎn)業(yè)結構的調(diào)整,提高全要素碳效率。

最后,由于碳交易可能會刺激企業(yè)進行低碳技術或節(jié)能減排技術創(chuàng)新從而降低污染物排放或提高能源效率,一定程度上會提高試點城市的全要素勞動效率；而由于碳試點城市多為經(jīng)濟較發(fā)達的城市,目前多個試點城市處于“經(jīng)濟空間聚集穩(wěn)定而人口集聚的離心力強化”階段,由人口和GDP衡量的勞動效率往往“徘徊不前”甚至下降④王金營、王曉偉:《人口集聚與經(jīng)濟集聚匹配對勞動生產(chǎn)率影響研究》,《人口學刊》2021年第6期。。由此,引出文章的第五個假設:

假設5:SBM分解的勞動效率會因為碳交易政策的實施而上升,但由人口和GDP衡量的勞動效率會因為碳交易的實施而“徘徊不前”甚至下降。①前者假定在給定的資本投入、GDP產(chǎn)出和碳排放產(chǎn)出的前提下,勞動投入冗余量(與前沿面的距離)占勞動投入的比重；后者表示的是每單位人口平均帶來多少單位的GDP,沒有考慮其他方面的投入和產(chǎn)出。二者的含義不一致。

(二)方法論

1.效率測算與SBM模型

本研究的主要目標是識別碳交易試點對全要素碳效率(TFCE)的影響,同時分析其主要影響機制。本研究采用考慮非合意產(chǎn)出(二氧化碳排放)的基于松弛變量的測量方法(Slack-Based Measure,簡稱SBM模型),再通過構建數(shù)據(jù)包絡分析(Data Envelopment Analysis,簡稱DEA)模型進行求解。本研究定義的全要素碳效率是規(guī)劃模型的目標函數(shù),具體的規(guī)劃式見下:

式(1)中,下標i為第i個投入(勞動、資本),m表示投入的個數(shù),下標0表示當前被評估的決策單元(DMU)。xi0為投入要素為好的產(chǎn)出(本研究中為實際GDP)為壞的產(chǎn)出(本研究中為二氧化碳排放)。λ是λk的向量組合,用于構造每個DMU的前沿面。Xλ,Ygλ,Ybλ分別是投入、好產(chǎn)出和壞產(chǎn)出的生產(chǎn)前沿面；而和分別為投入、好產(chǎn)出和壞產(chǎn)出對應的松弛變量。公式(5)表示規(guī)劃模型的假設為可變的規(guī)模報酬,而非不可變的規(guī)模報酬。本研究采用DEA模型對該規(guī)劃式進行求解,前沿面的構造方法基于全局前沿生產(chǎn)技術。通過求解規(guī)劃式,我們可以得到每一個DMU的生產(chǎn)效率?*。本研究將?*定義為全要素碳效率。

另外,碳市場對各單要素效率的影響也在本文的研究范圍內(nèi)。因此,除了TFCE以外,碳效率、勞動效率和資本效率也是本文研究目標之一。首先,通過實際GDP與碳排放、勞動投入和資本投入的比例分別定義碳效率、勞動效率和資本效率。本文將這些單要素效率稱為“比例單要素效率”。這些單要素效率衡量了碳排放、勞動力或資本投入對GDP產(chǎn)出的實際效率,并且此種核算方法與SBM模型的測算結果不是總體與個體的關系,可用來進行中介分析。

然而,以上公式的對單要素效率的衡量可能存在偏差,因為這些效率指標并沒有考慮到其他投入或產(chǎn)出存在帶來的結構性影響。因此,根據(jù)Zhou和Ang②Zhou,P.and Ang,B.W.,“Linear programming models for measuring economy-wide energy efficiency performance”,Energy Policy,2008,36(8),pp.2911-2916.、Hu和Wang③Hu,J.,and Wang,S.,“Total-factor energy efficiency of regions in China”,Energy Policy,2006,34(17),pp.3206-3217.對全要素投入效率的定義④這幾篇文章都是對全要素能源效率的定義,能源是投入要素之一,因此,我們利用同樣的原理推導出其余投入和產(chǎn)出要素的全要素效率。,我們使用如下公式來定義TFCE分解后的效率:

其中,TFEi表示第i個投入或產(chǎn)出要素的全要素效率(Total factor efficiency),表示第i個要素的目標投入或產(chǎn)出(Target factor input/output),FSi表示第i個要素的實際投入(Actual factor input/output),AFi表示第i個要素的松弛變量值(factor slacks)。

利用上述公式,可得到碳效率(CE)、勞動效率(LE)和資本效率(KE):

其中,S-CO2i、S-Labori和S-capitali分別表示第個決策單元的碳排放、勞動投入和資本投入的松弛變量。CO2i、Labori和Capitali分別表示第個決策單元的碳排放、勞動投入和資本投入。本研究將這三個基于SBM模型分解得到的單要素效率稱為“SBM單要素效率”。

2.創(chuàng)造隨機實驗條件與PSM方法

我國碳試點主要集中在發(fā)達地區(qū):所有的一線城市和直轄市,廣東省和湖北省。碳試點工作范圍較為集中,嚴格意義上并不符合隨機實驗的條件。研究進行了基本的事前統(tǒng)計,發(fā)現(xiàn)無論是在人均GDP,還是在生產(chǎn)率上,試點地區(qū)的值均優(yōu)于非試點地區(qū)。因此,碳試點的選擇不能被視為是隨機的,不能夠直接運用準自然實驗的研究方法,例如雙重差分(DID)模型。

為了創(chuàng)造隨機實驗的條件,我們考慮引入傾向得分匹配(PSM)方法。由于PSM方法只能對截面數(shù)據(jù)進行匹配,綜合考慮到數(shù)據(jù)時間過早不具有代表性和截面數(shù)據(jù)不能體現(xiàn)城市的一般特性,本研究對2008—2010年三年的數(shù)據(jù)進行三次截面匹配,然后將三次得到的權重進行線性相加獲得匹配完成的權重。本研究采用核匹配的方法對所有的數(shù)據(jù)進行匹配。

從得到的匹配權重中可以發(fā)現(xiàn):在實驗組中,發(fā)展水平較低的城市獲得了更高的權重,而在對照組中,發(fā)展水平較高的城市獲得了更高的權重。這是因為,我國的碳試點包含了大部分發(fā)展水平高的城市,而非碳試點地區(qū)則多為發(fā)展中城市。為了保證整個實驗的“隨機性”,匹配方法會對兩組個體的相似個體進行匹配,賦予更高的權重。本研究采用核匹配的方法對各樣本進行匹配。鑒于文章篇幅,本研究不再對匹配結果進行解讀。

3.準自然實驗與加權DID模型

匹配好樣本后,我們可以近似認為實驗組和對照組的樣本大致是隨機分配的,故可以使用基于準自然實驗的模型。在本文的研究中,需要確定碳交易試點對全要素碳效率的影響,鑒于數(shù)據(jù)的可得性,本研究的數(shù)據(jù)為2002—2017年264個城市的共計4123個觀測值的非平衡面板數(shù)據(jù)。構造以下等式:

其中,D-ETSit是碳試點的虛擬變量。xk是協(xié)變量(或稱控制變量)。ui表示個體固定效應,υt表示時間固定效應。由于樣本是匹配完畢的,并且考慮了協(xié)變量,對數(shù)據(jù)進行分層控制,因此ETS的估計量γ基本上是干凈的。由于年份跨度較大,且城市間差異較大,殘差項可能出現(xiàn)異方差的問題,為了應對這一問題,本研究所有的結果和P值的計算將匯報穩(wěn)健的標準誤。

另外,每個個體由于稟賦不同,被匹配的次數(shù)(權重)不同,因此,在回歸分析中,也應當對匹配的權重進行考量。一般而言,實驗組(對照組)中權重越大的個體,與對照組(實驗組)的個體相似度越高,因為其被對照組(實驗組)個體匹配的次數(shù)越多。由此可見,加權的估計方法更加符合匹配的思維和樣本隨機性的條件,因此,本研究考慮使用加權DID模型,對碳試點的影響進行估計。

4.選擇加權DID的原因

PSM-加權DID模型能夠更干凈地識別因果效應,因而可以更好地估計處理效應。DID模型的前提條件是需要滿足自然實驗或準自然實驗的基本假設,也就是實驗組和控制組的選擇完全隨機,而不僅僅是滿足平行趨勢假設。由于碳試點城市的選擇實際上是基于多方面因素的考量,并不完全隨機,因而存在“選擇偏差”:擾動項可能與主要自變量之間存在相關性,導致實驗組和控制組之間的主要變量不平衡。因此,基于可觀測變量對實驗組和控制組進行匹配很有必要。

匹配估計的基本思路是,對于實驗組(控制組)的某個個體i,找到屬于控制組(實驗組)的某個個體j,使得個體j與個體i的可觀測變量(協(xié)變量)盡可能相似(匹配)。以“一對一”近鄰匹配為例,先假設基于實驗組A和處理組B生成空的新組“A*”和“B*”。遍歷實驗組A中的每個個體,根據(jù)可觀測變量的相似(匹配)程度,從控制組B中選出其最佳匹配個體,并將每個最佳匹配的控制組B的個體分配至B*。完成后,相應的匹配結果會體現(xiàn)在PSM結果的權重中。當權重為0,代表該個體并沒有被對應組匹配上一次,如果權重為N,代表該個體被對應組匹配上N次。

如果按照一般的PSM-DID做法,即在匹配后僅保留觀測值在共同取值范圍內(nèi)(on support)的樣本,那么實驗組內(nèi)所有個體的總權重與控制組內(nèi)所有個體的總權重有如下關系:

其中,ΣtreatWeighttreat和ΣcontrolWeightcontrol分別是實驗組和對照組的總權重,Ntreat和Ncontrol分別是實驗組和控制組的個體數(shù)量。

類似地,進行K近鄰匹配后,能得到如下關系:

式(13)(14)表達了每個控制組的個體可能會匹配處理組中的K個個體,反之亦然。

需要注意的是,匹配后的新組中的樣本與舊組存在很大的差別:一些個體由于可觀測變量與另一組的差異較大,未能成功匹配,從而得到了0權重,而另一些個體由于與多個個體的可觀測變量相似度較高而被匹配了多次。一般而言,實驗組(對照組)中權重越大的個體,與對照組(實驗組)的個體相似度越高,因為其被對照組(實驗組)個體匹配的次數(shù)越多。而這樣的匹配次數(shù)的信息都留存在了權重上,加權的估計方法更加符合匹配的思維和樣本隨機性的條件。因此本研究使用加權DID模型①如果僅僅是“一對K”近鄰匹配,可以使用頻數(shù)加權法或分析權重法；如果是其他匹配方式,例如核匹配,只能使用后者。,因為只有使用加權DID模型將匹配后的信息反映在回歸模型中,才能保證實驗組和控制組選擇的隨機性,以便干凈地識別處理效應。

四、數(shù)據(jù)來源

本研究主要探索碳交易試點對全要素碳效率的影響及其機制,因變量主要選取基于SBM方法計算的全要素碳效率(TFCE)及其分解的單要素效率,同時包括基于宏觀數(shù)據(jù)計算的的單要素效率,包括勞動效率(Lab-E、LE)、資本效率(Cap-E、KE)和碳效率(CO2-E、CE)。其中,勞動要素的數(shù)據(jù)以城市就業(yè)人員數(shù)量衡量、資本要素的數(shù)據(jù)以基于永續(xù)盤存法的真實資本存量衡量,為了消除價格變動帶來的影響,GDP采用以1978年為基年的真實GDP。以上數(shù)據(jù)均來自CEIC數(shù)據(jù)庫,并與中國城市統(tǒng)計年鑒數(shù)據(jù)進行了比對核驗。

本研究的核心自變量為碳交易試點(D-ETS),可以理解為年份虛擬變量postt和個體虛擬變量的交乘項。碳交易試點年份設定為2011年,在此之前的年份虛擬變量取值為0,在此及之后的年份虛擬變量取值為1。碳交易試點地區(qū)為北京市、天津市、上海市、深圳市、重慶市、廣東省(除深圳市)及湖北省,這些地區(qū)的個體虛擬變量設定為1,其余地區(qū)則設定為0。另外,由于福建省于2016年發(fā)布了福建省碳交易管理辦法,且在2017年正式開始交易,我們以管理辦法(2016年)為基準,將福建省也納入碳交易試點的虛擬變量中。此外,為了研究ETS對TFCE影響的異質(zhì)性,本研究細化了個體虛擬變量的分類,將交易試點中涉及的一線城市(北京市、上海市、廣州市和深圳市)和直轄市(天津市、重慶市)劃分為一線直轄市(Ddeveloped),其余地區(qū)則納入普通型城市(Ddeveloping)。

本研究不以碳排放權正式交易的時間點劃分碳交易機制開始時間,主要考慮了碳交易政策可能存在的公告效應(Announcement Effect),以及監(jiān)測-報告-核查體系(Monitoring,Reporting,and Verification,簡稱MRV)的建立早于碳交易正式開始。公告效應是指政策公告后,對公眾所產(chǎn)生的一種政策方向“預告性”作用,而這種預告性作用會使得企業(yè)提前做好準備,以便在未來的競爭中獲得優(yōu)勢。而公告效應可能在充滿不確定性和獲利可能性的碳市場中更加顯著。另外,MRV一定發(fā)生在正式交易之前,因為碳排放監(jiān)測設備、通訊設備等資本投資和人員培訓等工作,都發(fā)生在碳交易之前,而這些政府和市場的行為本身就會帶來影響,這些影響應當也屬于碳交易的帶來的影響。因此,為了吸收這部分由于碳市場建設的公告帶來的影響和MRV的影響,我們選擇了2011年(除福建外)和2016年(福建省)作為處理組的時間節(jié)點。

為了防止遺漏變量帶來的內(nèi)生性問題,提高模型的準確性,本研究還選取了一定數(shù)量的控制變量,這些變量能一定程度上影響全要素碳效率,主要包括對外開放度(lnrFDIpC)、資源配置情況(runemp)、教育支出水平(lnrfiscaledupG)、科技支出水平(lnrfiscalscipG)和產(chǎn)業(yè)結構(gdp2ndp)。具體而言,對外開放度主要使用真實外商直接投資使用率來衡量；資源配置情況為人力資源配置效率,本研究使用了一個逆向指標,即失業(yè)人數(shù)占總人數(shù)的比重；教育支出水平和科技支出水平則分別使用政府財政支出中的教育支出和科技支出來衡量；產(chǎn)業(yè)結構主要使用第二產(chǎn)業(yè)占GDP的比重來衡量。以上數(shù)據(jù)均來自CEIC數(shù)據(jù)庫,并與中國城市統(tǒng)計年鑒數(shù)據(jù)進行了比對核驗。

為了衡量碳試點對全要素碳效率的內(nèi)部影響機制,本文還進行了中介效應研究,主要的中介變量是創(chuàng)新指數(shù)(Innovation)和產(chǎn)業(yè)結構(gdp2ndp),以探究碳試點是否通過刺激創(chuàng)新或優(yōu)化產(chǎn)業(yè)結構來影響全要素碳效率。創(chuàng)新指數(shù)來源為復旦大學和第一財經(jīng)研究院合作的《中國城市和產(chǎn)業(yè)創(chuàng)新力報告2017》,該報告計算了2001—2016年中國城市層面的創(chuàng)新指數(shù)。產(chǎn)業(yè)結構依然使用二產(chǎn)占比來衡量。限于篇幅,不再展示描述性統(tǒng)計表,如有需要向作者索取。

五、基本結果

本文首先利用事件分析法對平行趨勢假設進行檢驗(見圖1),通過該假設是PSM-DID模型有效性的必要條件。結果顯示,在碳交易試點工作開展以前,(匹配后的)實驗組和對照組的TFCE不存在顯著差異,但是在碳試點工作展開后,試點地區(qū)的TFCE相對高于非試點地區(qū)的TFCE,且影響趨勢似乎有先高后低的趨勢。根據(jù)2011年之前的平行趨勢結果,我們基本可以認定匹配后的樣本通過了平行趨勢檢驗。

研究首先通過加權的雙向固定效應模型研究了碳試點對碳效率、勞動效率、資本效率和全要素碳效率的影響(見表1)。研究發(fā)現(xiàn),碳試點顯著提高了SBM資本效率、比例碳效率、比例資本效率,降低了比例勞動效率,而對于SBM碳效率和SBM勞動效率不存在顯著影響；在總體的層面上對TFCE有顯著的正向影響,且在5%水平上顯著。假說2在單要素層面成立,假說3在SBM資本效率和比例資本效率層面上都成立。

表1 加權雙向固定效應模型基本結果

資本效率提高的主要原因可能是碳試點促進了高效資本的投資與使用。新的機械和廠房的效率、節(jié)能性通常要高于老的機械與廠房。而碳效率的提升表明碳試點政策確實取得了一定的減排成效和環(huán)境成效。值得注意的是SBM勞動資本提升了0.0322個單位,而比例勞動效率卻小幅度下降0.00806個單位。SBM勞動效率的提升可能是由于碳試點導致節(jié)能降耗技術提升,單位勞動投入能夠在既定資本投入情況下生產(chǎn)更多的產(chǎn)品,從而提升了SBM勞動效率；而比例勞動效率的下降可能是由于試點城市經(jīng)濟發(fā)展較為成熟,“經(jīng)濟空間聚集穩(wěn)定”,人口流入吸引力減弱,勞動對其他要素的替代能力減弱。假說5得證。針對全要素碳效率的變化,研究認為在碳市場內(nèi)部可能存在較強的異質(zhì)性,因此需要進一步研究。

由于碳試點城市包括了所有的一線城市和直轄市,這些城市的吸引力、要素稟賦、財政渠道都不同于普通城市,因此,其受到的影響可能也不同于普通的城市。研究設置了所有的一線城市和直轄市(北京、天津、上海、深圳、廣州、重慶,簡稱一線直轄市)碳試點的虛擬變量,同其他普通城市碳試點的虛擬變量一同進行估計(見表2)。結果表明,碳試點提高了一線直轄市的TFCE,而對普通城市影響程度不大。該結果證實了碳試點政策確實在城市間存在較強異質(zhì)性。從SBM投入產(chǎn)出效率和單要素效率來看,SBM勞動效率僅在一線直轄市得到了顯著提升,SBM資本效率則在普通城市得到了顯著提升。比例碳效率雖然在兩類城市中都得到了提升,但一線直轄市的提升幅度遠高于普通城市；而比例資本效率僅在一線直轄市得到了顯著提升；兩類城市的比例勞動效率下降幅度基本持平,除了勞動要素的替代程度下降等原因以外,還可能由于碳試點帶來了額外的就業(yè)機會,增加了員工雇傭數(shù)量,但這部分員工不直接服務于企業(yè)生產(chǎn),而是碳資產(chǎn)管理員、碳市場交易員或節(jié)能減排技術人員。因此,這部分勞動人員的加入,使得試點城市的勞動效率在一定程度上下降,但能夠促進碳排放效率的提高。

表2 異質(zhì)性分析

基于異質(zhì)性,研究進一步估計了碳試點的動態(tài)效應(見圖2)。圖2中實線為一線直轄市碳試點對TFCE的估計系數(shù)及標準誤,虛線為普通城市。研究發(fā)現(xiàn)碳試點對一線直轄市TFCE的正面影響逐年增大,而對普通城市TFCE的影響僅在前兩期顯著,之后持續(xù)不顯著。結論進一步證實了碳交易對不同城市產(chǎn)生的異質(zhì)性,且異質(zhì)性隨著時間的推移逐漸增大。

圖2 碳試點對TFCE的異質(zhì)動態(tài)效應

六、機制分析

(一)創(chuàng)新與產(chǎn)業(yè)結構的中介效應

碳試點在一定程度上算是環(huán)境規(guī)制的政策之一。為了驗證碳試點對全要素碳效率的影響機制,本研究進一步考慮了碳試點的中介效應。根據(jù)“強波特假說”,環(huán)境規(guī)制會引發(fā)技術創(chuàng)新,進而提高企業(yè)的生產(chǎn)率。①Heshmati,A.,“Productivity growth,efficiency and outsourcing in manufacturing and service industries”,Journal of Economic Surveys,2003,17(1),pp.79-112.企業(yè)的技術創(chuàng)新和生產(chǎn)率提高一定程度上會體現(xiàn)在城市層面創(chuàng)新指標和全要素碳效率的提高上。因此,本研究應該首先考慮創(chuàng)新可能引起的中介效應。另外,鑒于前文驗證了異質(zhì)性的存在,中介效應的異質(zhì)性也應同時納入考量。

表3表示的是中介效應模型的回歸結果。

表3 城市創(chuàng)新能力的中介效應

從理論層面來看,碳排放權交易還會給試點地區(qū)的高耗能企業(yè)帶來減排和成本的壓力。部分產(chǎn)業(yè)轉(zhuǎn)移機會成本較低的企業(yè)或許會將廠房搬遷至非試點地區(qū),形成了“污染天堂”效應。通常,大部分高耗能產(chǎn)業(yè)集中在第二產(chǎn)業(yè),高耗能產(chǎn)業(yè)的碳排放往往較高,同時投入大,產(chǎn)值較小。因此,第二產(chǎn)業(yè)尤其是高耗能產(chǎn)業(yè)的占比可能會影響TFCE。近年來,我國各地因為環(huán)保政策和經(jīng)濟政策的不同,發(fā)生了不同程度的產(chǎn)業(yè)轉(zhuǎn)移。

研究同時也想探究是否存在由于碳試點導致的產(chǎn)業(yè)轉(zhuǎn)移,因此,本研究以第二產(chǎn)業(yè)產(chǎn)值占比作為中介變量,中介效應模型的估計結果見表4。研究發(fā)現(xiàn),碳試點能夠顯著降低一線直轄市的二產(chǎn)占比,進而提高TFCE,整個中介效應過程是顯著的,占總效應的6.8%。而對于普通型城市而言,碳試點并沒有提高第二產(chǎn)業(yè)的占比。本文的假設4在一線直轄市中得以證實。

表4 產(chǎn)業(yè)結構的中介效應

關于碳試點對兩類不同城市影響的異質(zhì)性,研究認為可能是各城市屬性及其周邊城市的屬性導致的。一線直轄市地處城市群重心,產(chǎn)業(yè)轉(zhuǎn)移甚至是產(chǎn)業(yè)鏈轉(zhuǎn)移更加方便,尤其是處在京津冀、長三角、珠三角的一線城市和直轄市。因此,在碳試點開展的條件下,這些城市具有更便捷的產(chǎn)業(yè)轉(zhuǎn)移通道,從而提高了TFCE。而普通城市還處在不同時期的工業(yè)發(fā)展階段(湖北或非廣州深圳的其他城市),碳交易并不能夠顯著降低二產(chǎn)占比,相反地,可能有一定程度的提高。

(二)單要素效率的貢獻度

為了進一步剖析全要素碳效率變化的原因,我們?nèi)酝ㄟ^中介效應模型,以各類單要素效率為通道①由于SBM碳效率、SBM資本效率和SBM勞動效率都屬于全要素碳效率的分解成分,因此,這三個要素效率不適合用作通道,而使用算法不同的比例單要素效率更加妥當。,分析各單要素效率對TFCE的貢獻度。為了方便讀者理解以及節(jié)省版面,我們只展示計算結果。結果顯示:一線直轄市碳效率的提高是全要素碳效率提高的主要動力(見圖3),其貢獻度達到了85.4%；而普通型城市的碳效率的提高也顯著促進了TFCE,然而由于其促進作用較小,導致總效應不顯著。但總的來說,假設2進一步得到滿足。勞動效率的降低一定程度上抑制了碳交易對一線直轄市和普通型城市全要素碳效率的提高,對于一線直轄市而言,貢獻度為-19.5%(圖4中的中介效應部分),而在普通城市中,文章也發(fā)現(xiàn)了勞動效率降低TFCE的證據(jù),假設5得到進一步驗證。碳試點也會通過資本效率的渠道提高一線直轄市的TFCE(見圖5),其貢獻度為54.2%。在一線城市和直轄市上,假設3得到證實?？傮w而言,碳效率的貢獻度大于資本效率大于勞動效率,且一線直轄市和普通型城市具有顯著的異質(zhì)性。

圖3 碳效率對全要素碳效率的貢獻度

圖4 勞動效率對全要素碳效率的貢獻度

圖5 資本效率對全要素碳效率的貢獻度

這一結果說明,碳試點在節(jié)能減排上的作用是顯著的:碳試點顯著提高了試點地區(qū)的碳效率,尤其是對一線城市和直轄市,碳效率的上升顯著提高了全要素碳效率。而勞動效率具有負面的中介效應,可能由于碳試點帶來了額外的就業(yè)機會,增加了員工雇傭數(shù)量,但這部分員工不直接服務于企業(yè)生產(chǎn),而是碳資產(chǎn)管理員、碳市場交易員或節(jié)能減排技術人員。碳試點會顯著提高一線直轄市的資本效率,進而提高TFCE,但該路徑在普通型城市中并不存在?？赡艿脑蚴前l(fā)達地區(qū)的城市在碳約束下更具有運用新資本、新技術或產(chǎn)業(yè)轉(zhuǎn)移的可能,而發(fā)展中地區(qū)的城市欠缺這些條件。

七、穩(wěn)健性檢驗

為了驗證結果的穩(wěn)健性,我們考慮了三類穩(wěn)健性檢驗。①限于篇幅,本文不再列出穩(wěn)健性具體結果,如有需要,可向第一作者索取。第一,時間窗口的變化。時間窗口的不同可能會導致不同的結果,因此,我們考慮將原時間窗口(2002—2017年)去掉頭2年(2004—2017年)、尾2年(2002—2015年)或頭尾各2年(2004—2015年),以此驗證結論的穩(wěn)健性。第二,改變核心變量。本研究設置的碳交易試點的核心變量是以碳交易試點正式文件的簽署(2011年)為基準的,但各碳試點從2013—2014年陸續(xù)進行正式交易。因此,本研究重新設置了虛擬變量,以交易發(fā)生年為時間節(jié)點,設定碳試點的虛擬變量。第三,逐步回歸法?？刂谱兞康奶砑雍蛣h除一定程度上會影響結論,本研究通過逐步回歸法,將控制變量從無到有逐項添加進模型體系內(nèi),以驗證模型的穩(wěn)健性。多項穩(wěn)健性結果表明,本研究得出的結論具有較強的穩(wěn)健性。

八、結論與政策建議

本研究通過SBM模型構建了城市級的全要素碳效率指標,利用PSM-DID模型分析了我國碳排放權交易試點對全要素碳效率以及各單要素效率的影響；并針對其中的異質(zhì)性,進行了機制分析；最后,提供了穩(wěn)健性檢驗。具體結論如下:

碳交易試點總體而言是有效的。碳試點工作顯著地提高了各試點城市的碳效率(表2),尤其是對一線城市和直轄市。試點對工作湖北、廣東和福建普通城市的碳效率也有顯著的促進作用(0.115),但其促進作用遠低于一線城市和直轄市(0.842)。由于存在碳成本,企業(yè)可能傾向于使用綠色技術和綠色工藝,以應對碳市場帶來的碳壓力。另外,一線城市和直轄市在應對碳約束的條件下,可能具有更多的選擇空間。通過對單要素效率的貢獻度分析(圖3、圖4和圖5),本研究認為,碳試點對全要素碳效率的提高主要來自于碳效率的上升,但勞動效率帶來了負向的影響,而資本效率具有顯著的異質(zhì)性。來自碳效率和資本效率的異質(zhì)性使得一線城市和直轄市的獲益更大。

碳交易試點刺激了低碳發(fā)展的相關需求。本文認為,碳試點刺激了從事非直接生產(chǎn)的勞動雇傭需求,例如碳資產(chǎn)管理員、碳市場交易員或節(jié)能減排技術人員。這一點可以從碳交易試點降低了勞動效率、提高了碳效率中得到驗證(表2)。因為這些工種需要投入勞動力,卻不會直接產(chǎn)出價值,所以降低了統(tǒng)計意義上的勞動效率,但會支持降低碳排放,提高碳效率。

一線城市與直轄市在碳試點中具有更大的選擇空間,因此受到正面影響更大,使得碳試點對這些城市的全要素碳效率有顯著的提高作用,且正面影響在不斷擴大(圖2)。具體而言,研究識別了碳試點對全要素碳效率的兩項可能機制。一項是創(chuàng)新,碳試點顯著刺激了一線城市與直轄市的技術創(chuàng)新,而技術創(chuàng)新提高了全要素碳效率,創(chuàng)新中介效應占總效應的84.1%(表3)。另一項是產(chǎn)業(yè)轉(zhuǎn)移,碳試點顯著刺激了一線城市與直轄市的第二產(chǎn)業(yè)向外轉(zhuǎn)出。第二產(chǎn)業(yè)一般投入較大,排放較多,會負向影響全要素碳效率。因此這些發(fā)達城市全要素碳效率的提高部分來自于產(chǎn)業(yè)轉(zhuǎn)移,占總效應的6.8%(表4)。

普通型城市在碳交易試點的情況下,表現(xiàn)出了較大的應對壓力。首先,碳市場對其創(chuàng)新造成了一定的擠出效應(表3),對全要素碳效率產(chǎn)生了負向影響。其次,這些城市中有相當一部分仍舊處在工業(yè)化階段,二產(chǎn)占比并沒有因為碳交易的到來而降低,反而可能承接了一些來自發(fā)達城市的產(chǎn)業(yè)而上升。因此,綜合來看碳試點對普通城市全要素碳效率的影響遠小于一線直轄市。

基于研究結論,本文提出了三條政策建議,具體如下:

第一,盡快建立完善的碳交易機制以應對碳中和帶來的挑戰(zhàn)。本研究認為,碳市場總體是有效的(表1和表2),尤其針對碳效率而言,因此,在2030年碳達峰和2060年碳中和目標的約束下,盡快健全碳市場是降低碳排放的有效手段。由于普通城市的監(jiān)測、報告、核查的成本較高,如何將全國的高耗能企業(yè)納入碳交易平臺,仍舊是一個亟待解決的難點。但碳約束的到來,讓碳市場覆蓋行業(yè)的擴張變得勢在必行。

第二,促進企業(yè)培訓碳市場相關人才,提高碳市場信息透明度與可得性。本研究認為,碳市場一定程度上降低了勞動效率(表1和表2)。主要原因是企業(yè)將部分人力資源分配到了不直接生產(chǎn)的崗位上,包括碳資產(chǎn)管理、低碳技術研發(fā)等。因此,短期來看,勞動生產(chǎn)效率可能會有所降低。研究建議:在碳市場到來的初期,促進各地企業(yè)培訓碳市場相關人才,能夠適度緩解勞動效率的降低；同時,提高碳市場信息的透明度與可得性,降低企業(yè)參與碳市場的阻力,提高參與碳市場的積極性。

第三,擴大低碳技術與管理手段的推廣與應用。本研究發(fā)現(xiàn),碳交易對碳效率和資本效率的影響具有很強的異質(zhì)性(表2)。一線城市與直轄市相比于普通城市,具備更強的技術儲備、調(diào)整產(chǎn)業(yè)結構的能力,因此,這些城市在碳市場中得到的益處也遠大于普通城市(表3和表4)。在保證碳市場效率的前提下,如何提高碳市場的公平性是一個重要的議題。本研究認為,一線城市與直轄市在碳市場中的獲益大部分來自于技術創(chuàng)新,小部分來自于產(chǎn)業(yè)轉(zhuǎn)移。我們無法直接對產(chǎn)業(yè)轉(zhuǎn)移進行更多的限制,但可以通過技術溢出的方式,幫助普通城市應對碳約束的壓力。具體而言,政府可以加速發(fā)達地區(qū)的低碳技術在全國的推廣與應用,也可將碳資產(chǎn)管理手段、人才向發(fā)展中地區(qū)輸送等。