王建林 宋蒙 趙佳佳

摘?要：減碳措施一般會(huì)帶來總產(chǎn)出的降低，因此有必要從全要素效率的角度評(píng)估減碳政策。本文構(gòu)建了一個(gè)方向距離函數(shù)模型，允許各決策單元有不等的減排因子，擴(kuò)大了生產(chǎn)可行集的范圍，同時(shí)采用了內(nèi)生的方向向量，避免在選擇方向向量時(shí)過于主觀。基于這一模型本文重新測(cè)算了城市層面全要素碳排放效率，并實(shí)證分析碳交易政策對(duì)其的影響，研究發(fā)現(xiàn)，試點(diǎn)政策能夠提高城市全要素碳排放效率；中介效應(yīng)表明，試點(diǎn)政策會(huì)通過產(chǎn)業(yè)結(jié)構(gòu)和綠色創(chuàng)新等途徑提高城市碳排放效率；異質(zhì)性分析發(fā)現(xiàn)，試點(diǎn)政策對(duì)于高行政等級(jí)和人口規(guī)模較大城市的碳排放效率影響更明顯。因此，應(yīng)擴(kuò)大政策試點(diǎn)范圍、鼓勵(lì)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、推廣綠色技術(shù)創(chuàng)新、制定因地制宜的試點(diǎn)政策等進(jìn)一步提升碳排放權(quán)交易制度的綠色發(fā)展效應(yīng)。

關(guān)鍵詞：碳排放權(quán)交易試點(diǎn)；全要素碳排放效率；方向距離函數(shù)；非期望產(chǎn)出；中介效應(yīng)

中圖分類號(hào)：F42；X51??文獻(xiàn)標(biāo)識(shí)碼：A??文章編號(hào)：1001-148X（2024）01-0071-11

收稿日期：2023-09-05

作者簡(jiǎn)介：王建林（1979—），男，河北晉州人，教授，博士，研究方向：碳金融；宋蒙（2000—），女，江西九江人，碩士研究生，研究方向：能源經(jīng)濟(jì)；趙佳佳（1979—），女，吉林通榆人，副研究員，博士，研究方向：公共經(jīng)濟(jì)學(xué)。

基金項(xiàng)目：遼寧省社會(huì)科學(xué)規(guī)劃基金項(xiàng)目“遼寧省財(cái)政環(huán)保資金的利用效率評(píng)估和對(duì)策設(shè)計(jì)”，項(xiàng)目編號(hào)：L18BJY024；遼寧省教育廳高校基本科研項(xiàng)目“極端天氣對(duì)遼寧農(nóng)業(yè)生產(chǎn)效率影響與應(yīng)對(duì)策略研究”，項(xiàng)目編號(hào)：JYTMS20230657；東北財(cái)經(jīng)大學(xué)2022年度省級(jí)以上科研平臺(tái)研究能力提升專項(xiàng)“煤炭企業(yè)合并中的公平審查研究：數(shù)據(jù)包絡(luò)分析的新視角”，項(xiàng)目編號(hào)：PT-Y202213。

一、引言與文獻(xiàn)綜述

根據(jù)歐盟的經(jīng)驗(yàn)，碳排放權(quán)交易市場(chǎng)被認(rèn)為是減少碳排放量、控制化石能源消耗量的最有效的手段。中國(guó)在2011年開始了碳排放權(quán)交易市場(chǎng)的籌備工作，在2013年確定了7個(gè)碳排放權(quán)交易試點(diǎn)地區(qū)，截至2022年10月，碳排放配額成交量達(dá)（CEA）196億噸，成交額超過85億元。這一新興的市場(chǎng)激勵(lì)型政策受到學(xué)者們的廣泛關(guān)注，最近的文獻(xiàn)探討了國(guó)內(nèi)碳排放權(quán)交易政策對(duì)碳排放量［1］、能源消費(fèi)［2］、全要素生產(chǎn)率［3］、創(chuàng)新［4］、產(chǎn)業(yè)結(jié)構(gòu)的影響［5］，這些研究證實(shí)了碳排放交易會(huì)通過市場(chǎng)激勵(lì)減少碳排放量，促進(jìn)低碳技術(shù)的創(chuàng)新和投資等。但是任何減碳措施都是雙刃劍［6］，碳排放交易政策也不可避免地會(huì)推高經(jīng)濟(jì)成本并降低總產(chǎn)出，如果減碳的經(jīng)濟(jì)成本較高，那么這種政策就難言效率。

現(xiàn)有研究主要從單要素和全要素兩個(gè)角度計(jì)算碳排放效率，前者主要是比較碳排放量與GDP或者能源消耗量計(jì)算碳排放效率［7］，但單要素效率僅能考慮兩個(gè)變量的比值，指標(biāo)構(gòu)建不全面。后者主要是通過各種參數(shù)模型（SFA）或者非參數(shù)模型（DEA）來計(jì)算碳排放效率，由于考慮了較多的投入和產(chǎn)出指標(biāo)，全要素碳排放效率能更為客觀。SFA方法需要預(yù)設(shè)模型的生產(chǎn)函數(shù)，如果誤設(shè)了函數(shù)形式，那么測(cè)算結(jié)果會(huì)產(chǎn)生較大偏差。非參數(shù)的DEA方法則不要預(yù)設(shè)函數(shù)形式，目前使用DEA模型測(cè)算全要素碳排放效率更為流行，Charnes等和Banker等分別提出了CCR和BCC模型，他們的研究奠定了DEA模型的基礎(chǔ)，但是這些DEA模型忽略了非徑向松弛，Tone提出了一個(gè)被稱為SBM的方法，同時(shí)考慮了輸入輸出項(xiàng)的松弛量。除了從國(guó)家或者區(qū)域的角度研究碳排放效率，一些學(xué)者還關(guān)注了特定行業(yè)的碳排放效率，如Ren等（2020）［8］，這些研究結(jié)論表明雖然我國(guó)特定行業(yè)碳排放效率總體保持增長(zhǎng)趨勢(shì)，但不同區(qū)域存在明顯差異。

理論研究一般支持碳交易市場(chǎng)能夠促進(jìn)碳排放效率的提高，例如Buckley（2004）［9］分析了兩種不同的碳排放交易方式，上限主導(dǎo)的和績(jī)效主導(dǎo)的，發(fā)現(xiàn)上限主導(dǎo)比績(jī)效主導(dǎo)的碳排放交易能夠更好地促進(jìn)碳排放效率的提高。經(jīng)驗(yàn)研究文獻(xiàn)大多運(yùn)用雙重差分法、可計(jì)算一般均衡模型以及合成控制法來評(píng)估碳交易政策效果。一些對(duì)于中國(guó)的研究表明，碳排放權(quán)交易能激勵(lì)低碳技術(shù)的研發(fā)，進(jìn)而降低碳排放強(qiáng)度提高碳排放效率［10］。盡管如此，也有研究認(rèn)為碳排放交易是把雙刃劍，在減碳的同時(shí)會(huì)降低社會(huì)福利水平［11］。另一部分學(xué)者則對(duì)其的減碳效果持懷疑態(tài)度，發(fā)現(xiàn)并非所有的碳排放交易試點(diǎn)區(qū)域都達(dá)到了預(yù)期效果［12］。

早期文獻(xiàn)在刻畫帶有碳排放等非期望產(chǎn)出的環(huán)境生產(chǎn)前沿時(shí)，直接將非期望產(chǎn)出看作投入物，但是它違背了物質(zhì)守恒定律（law?of?mass?conservation），因?yàn)橛邢薜耐度胛锢砩现荒墚a(chǎn)生有限的產(chǎn)出，將非期望產(chǎn)出模擬為投入，意味著可以生產(chǎn)無窮的非期望產(chǎn)出，這在理論上是不可接受的。還有一種既不把非期望產(chǎn)出看成投入，也不把它看作普通的產(chǎn)出，而是使用弱可處置假設(shè)刻畫非期望產(chǎn)出［13］，這一方法假設(shè)通過降低期望產(chǎn)出來降低非期望產(chǎn)出，不允許單獨(dú)降低非期望產(chǎn)出，它比前面的方法刻畫的生產(chǎn)可行集更為合理，因此得到了廣泛的應(yīng)用，國(guó)內(nèi)也有部分采用這一方法［14］。這一模型不足之處是假設(shè)減排因子是相同的，沒有給出合理的經(jīng)濟(jì)學(xué)解釋［15］。

本文構(gòu)建了一個(gè)方向距離函數(shù)模型，在已有模型基礎(chǔ)上改進(jìn)了生產(chǎn)可行集和方向向量。其中生產(chǎn)可行集借鑒了Kuosmanen（2005）［15］提出的弱可處置處理方法，允許各決策單元有不等的減排因子（non-uniform?abatement?factors）。傳統(tǒng)的弱可處置性DEA模型施加了相同減排因子的假設(shè)（uniform?abatement?factors），盡管模型易于求解，但缺乏經(jīng)濟(jì)學(xué)含義。方向向量則借鑒了Arabi等（2015）［16］等的做法，通過松弛計(jì)算內(nèi)生的方向向量，它能夠客觀給出各個(gè)決策單元向前沿移動(dòng)的最優(yōu)方向，相比之下，?Chung等（1997）［13］等人主觀地將方向向量選擇為觀測(cè)值，容易高估效率。基于上述改進(jìn)的模型，我們測(cè)算了中國(guó)城市層面的全要素碳排放效率，檢驗(yàn)了中國(guó)碳排放權(quán)交易政策的效果，期望得出更加穩(wěn)健的結(jié)果。

二、理論分析與研究假說

（一）碳排放權(quán)交易制度對(duì)碳排放效率的影響機(jī)制

首先，碳排放權(quán)交易試點(diǎn)可能會(huì)通過調(diào)整產(chǎn)業(yè)結(jié)構(gòu)來提升碳排放效率。碳排放權(quán)交易政策是碳減排手段之一，高排放企業(yè)需要向低排放企業(yè)購(gòu)買剩余的碳配額以履行其減排任務(wù)，購(gòu)買碳配額會(huì)增加企業(yè)生產(chǎn)成本。當(dāng)成本大于收益時(shí)，企業(yè)有兩種選擇：一是退出市場(chǎng)，二是進(jìn)行產(chǎn)業(yè)轉(zhuǎn)型。退出市場(chǎng)使得此前投入的成本將變成沉沒成本，一般企業(yè)不會(huì)輕易退出市場(chǎng)，而是通過各種途徑減少減排成本。為了實(shí)現(xiàn)利益最大，高污染高排放企業(yè)會(huì)向低碳行業(yè)、大數(shù)據(jù)產(chǎn)業(yè)、清潔能源、集約型等新型行業(yè)轉(zhuǎn)型，原來的高排放經(jīng)濟(jì)活動(dòng)將逐步退出市場(chǎng)，從而提高碳排放效率。國(guó)內(nèi)有學(xué)者就產(chǎn)業(yè)結(jié)構(gòu)是否對(duì)碳排放效率產(chǎn)生影響進(jìn)行了研究，范新號(hào)（2023）實(shí)證得出我國(guó)產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化能使得我國(guó)碳排放強(qiáng)度下降335%［17］。因此，本文提出以下假說：

H1：產(chǎn)業(yè)結(jié)構(gòu)在碳交易市場(chǎng)對(duì)碳排放效率提升的過程中具有顯著的中介效應(yīng)。

其次，碳排放權(quán)交易可能會(huì)通過綠色創(chuàng)新來提升碳排放效率。一是推行碳排放權(quán)交易初期，企業(yè)預(yù)期未來碳價(jià)上漲，加上較高的沉沒成本，因此不會(huì)輕易退出市場(chǎng)，有可能選擇進(jìn)行綠色創(chuàng)新；二是有剩余碳排放權(quán)配額的企業(yè)可在市場(chǎng)上有償出售其配額，這些收益可以用于開發(fā)更先進(jìn)的技術(shù)；三是綠色技術(shù)創(chuàng)新是波特假說中實(shí)現(xiàn)環(huán)保和經(jīng)濟(jì)共贏的重要手段，雖然短期內(nèi)創(chuàng)新活動(dòng)需投入大量成本，但從長(zhǎng)期來看綠色技術(shù)創(chuàng)新能提高企業(yè)生產(chǎn)效率，增加的經(jīng)濟(jì)收益能抵消甚至超出前期的投入成本，而碳排放效率正是衡量環(huán)境和經(jīng)濟(jì)兩個(gè)層面的指標(biāo)?；诖?，本文提出以下假說：

H2：碳交易市場(chǎng)能通過激勵(lì)綠色創(chuàng)新提高碳排放效率。

（二）?碳排放權(quán)交易制度對(duì)碳排放效率影響的異質(zhì)性

城市行政等級(jí)帶來的異質(zhì)性主要體現(xiàn)在：首先，行政等級(jí)越高，政府對(duì)市場(chǎng)經(jīng)濟(jì)的宏觀調(diào)節(jié)能力越強(qiáng)，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的權(quán)限越大［18］，對(duì)于新型產(chǎn)業(yè)的發(fā)展享有更大的審批權(quán)，產(chǎn)業(yè)結(jié)構(gòu)布局更符合本級(jí)政府的戰(zhàn)略定位。其次，高行政等級(jí)城市憑借更好的公共服務(wù)，更高的資本回報(bào)和更好的就業(yè)機(jī)會(huì)吸引各種要素流入，有利于各種要素的優(yōu)化利用，提高碳排放效率，相反，低行政等級(jí)城市由于公共服務(wù)不足，對(duì)要素的吸引力不夠［19］?；诖?，本文提出以下假說：

H3：碳排放權(quán)交易制度對(duì)高行政級(jí)別城市碳排放效率的提升幅度高于低行政級(jí)別城市。

現(xiàn)有研究認(rèn)為城市人口規(guī)模增加并非簡(jiǎn)單導(dǎo)致碳排放量增加［20］。城市人口規(guī)模影響的異質(zhì)性主要體現(xiàn)在：人口規(guī)模越大，越有利于形成勞動(dòng)力蓄水池、知識(shí)和技術(shù)的溢出，為企業(yè)進(jìn)行綠色技術(shù)創(chuàng)新提供了人力資本和技術(shù)條件；人口規(guī)模越大，能源利用和交通方式會(huì)得到改變，在寒冷冬季，人口規(guī)模大的北方城市能提高供暖效率，減少能源損失；此外，只有人口規(guī)模超過一定門檻的城市才會(huì)建設(shè)地鐵等公共軌道交通，這有利于城市交通碳排放效率的提高［21］。因此，本文提出以下假說：

H4：碳排放權(quán)交易制度對(duì)人口規(guī)模大的城市碳排放效率的提升幅度高于人口規(guī)模小的城市。

三、方法與數(shù)據(jù)

（一）碳排放效率

本文提出了一個(gè)內(nèi)生方向距離函數(shù)模型用于計(jì)算碳排放效率，該模型改進(jìn)了以往模型中的環(huán)境生產(chǎn)可行集和方向向量，使得模型假設(shè)和計(jì)算結(jié)果更為合理。設(shè)x為投入，一般包括資本、勞動(dòng)兩種投入；y為期望產(chǎn)出，一般為GDP；b為非期望產(chǎn)出，本文為碳排放，如果用產(chǎn)出集刻畫環(huán)境生產(chǎn)技術(shù)P（x）={（y，b）|x?can?produce?（y，b）}，那么它需要滿足以下三個(gè)公理性假設(shè)：第一，投入和產(chǎn)出的強(qiáng)可處置性，即如果有x′x，那么P（x）P（x′）；如果（y，b）∈P（x），同時(shí)y′

P（x）=（y，b）∑nj=1λjxjx，?∑nj=1θjλjyjy，???∑nj=1θjλjbj=b，??∑nj=1λj=1，?λj0，??0θj1，??j=1，…，n（1）

Kuosmanen（2005）［15］的方法的優(yōu)勢(shì)在于考慮了更多觀測(cè)值的凸組合，這些組合仍能夠滿足公理性假設(shè)，因此這一生產(chǎn)可行集要大于Fre等（1993）［22］給出的生產(chǎn)可行集。

Chung等（1997）［13］針對(duì)環(huán)境生產(chǎn)前沿提出了一個(gè)全要素方向距離函數(shù)模型，該模型得到廣泛應(yīng)用，他們將方向向量選擇為觀察值，等比例最大化期望產(chǎn)出，同時(shí)等比例最小化投入以及非期望產(chǎn)出。這樣設(shè)定的一個(gè)好處是可以保證“單位不變性”，同時(shí)η可以解釋為改進(jìn)的比例，這一模型被稱為徑向方向距離函數(shù)模型。基于Kuosmanen（2005）［15］的生產(chǎn)可行集，Chung等（1997）［13］的全要素方向距離函數(shù)模型如下：

max?η??s.t.?∑nj=1λjxjmxom－ηxom，??m=1，…，M

∑nj=1θiλjyjsyos+ηyos，?s=1，…，S

∑nj=1θiλjbjk=bok－ηbok，?k=1，…，K

∑nj=1λj=1，λj0，0θj1，?j=1，…，n??（2）

上述模型由于主觀地設(shè)置方向向量而存在缺陷，許多學(xué)者認(rèn)為有多種方式設(shè)置方向向量，而將其設(shè)為觀察值會(huì)導(dǎo)致效率被高估［23］。我們參考Arabi等（2015）［16］、Fre等（2015）［22］、王建林等（2017）［24］的方法，基于松弛值選擇方向得出一個(gè)相對(duì)客觀的方向向量。該模型因方向向量可通過模型解得，故被命名為內(nèi)生方向距離函數(shù)模型。假設(shè)方向向量為g，在Kuosmanen（2005）［15］的生產(chǎn)可行集基礎(chǔ)上構(gòu)造的內(nèi)生方向距離函數(shù)模型如下：

max?η??st?∑nj=1λjxjmxom－ηgm，??m=1，…，M

∑nj=1θiλjyjsyos+ηgs，?s=1，…，S

∑nj=1θiλjbjk=bok－ηgk，?k=1，…，K

∑Mm=1xom+∑Ss=1yos+∑Kk=1bok=∑Mm=1gm+∑Ss=1gs+∑Kk=1gk

∑nj=1λj=1，?λj0，?0θj1，?j=1，…，n??（3）

上述模型的未知變量有η、θ、λ、g，其中涉及未知變量相乘，是一個(gè)非線性規(guī)劃模型。求解這個(gè)模型，可以參考Kuosmanen（2005）［15］、王建林等（2017）［24］的做法，首先將其線性化，然后再使用線性規(guī)劃方法求解，限于篇幅我們不再展開線性化步驟和計(jì)算代碼可以向作者索取。。這里的η是最大可壓縮量，其值越大，說明實(shí)際觀測(cè)到的碳排放距離最優(yōu)碳排放越遠(yuǎn)，相應(yīng)的碳排放效率越低。因此，為了便于應(yīng)用，我們構(gòu)建了如下的效率指標(biāo)：

Eff=11+η（4）

效率指標(biāo)Eff介于0和1之間，當(dāng)改進(jìn)潛力為0時(shí)，效率Eff=1，此決策單元為相對(duì)最有效率的決策單元，當(dāng)改進(jìn)潛力大于0時(shí)，效率Eff<1，此決策單元為相對(duì)無效率的決策單元。

（二）計(jì)量模型

我們首先基于上述碳排放效率模型計(jì)算了碳排放效率Eff，然后運(yùn)用Tobit-DID模型估計(jì)碳交易試點(diǎn)政策對(duì)城市碳排放效率的影響效果。考慮到被解釋變量是通過非參數(shù)DEA方法計(jì)算的，其取值由于介于0到1之間而受到限制，使用常規(guī)的回歸方法進(jìn)行分析，會(huì)產(chǎn)生較大的估計(jì)偏差，因此選取專門處理數(shù)值受到限制的Tobit回歸模型進(jìn)行回歸分析。多期Tobit-did模型如下：

Effit=α0+α1TreatitPostit+βControlit+γt+ui+εit（5）

其中，i和t分別代表地級(jí)市和年份；Treat為城市分組變量，若城市進(jìn)行碳交易試點(diǎn)，取為1，反之取為0；Post為時(shí)間分組變量：2013年試點(diǎn)省市，其在2009—2013年取0、2013—2019年取1（2016年試點(diǎn)省份同理）；Control為控制變量組；γ為時(shí)間固定效應(yīng)；ui表示城市固定效應(yīng)；εit表示隨機(jī)擾動(dòng)項(xiàng)；因此，本文構(gòu)建了包含城市個(gè)體和時(shí)間雙固定效應(yīng)的隨機(jī)效應(yīng)模型，并主要觀察Treat和Post的交互項(xiàng)系數(shù)來估計(jì)碳交易試點(diǎn)政策對(duì)城市碳排放效率的因果效應(yīng)。

在計(jì)算被解釋變量城市碳排放效率Eff時(shí)，我們將中國(guó)各個(gè)地級(jí)市的資本存量、勞動(dòng)作為投入要素，地區(qū)生產(chǎn)總值GDP作為期望產(chǎn)出，二氧化碳排放量作為非期望產(chǎn)出。其中資本存量數(shù)據(jù)以固定資產(chǎn)投資為基礎(chǔ)，采用永續(xù)盤存法核算：

kt=it/pt－（1－σt）kt－1（6）

其中，k、?i、?p和σ分別指資本存量、固定資產(chǎn)投資、固定資產(chǎn)價(jià)格指數(shù)和折舊率，其中折舊率設(shè)定為5%。勞動(dòng)投入用各個(gè)城市私營(yíng)個(gè)體就業(yè)人員數(shù)和非私營(yíng)單位就業(yè)人員數(shù)之和表示。地區(qū)生產(chǎn)總值根據(jù)GDP增長(zhǎng)指數(shù)進(jìn)行平減。

核心解釋變量為地級(jí)市是否實(shí)行了碳排放權(quán)交易政策（TreatPost），影響碳排放效率的因素眾多，根據(jù)已有文獻(xiàn)的研究，選取了以下控制變量：（1）經(jīng)濟(jì)發(fā)展水平（Economy），本文選取人均GDP表示，當(dāng)其在EKC曲線拐點(diǎn)之前時(shí)，隨著經(jīng)濟(jì)發(fā)展水平提高，對(duì)環(huán)境的污染越大；但經(jīng)濟(jì)發(fā)展充分地區(qū)可能處在EKC拐點(diǎn)之后，隨著經(jīng)濟(jì)發(fā)展水平提高，由于居民環(huán)保意識(shí)強(qiáng)、城市科創(chuàng)能力高，越有利于環(huán)保。（2）產(chǎn)業(yè)結(jié)構(gòu)（Secondary），本文選取第二產(chǎn)業(yè)GDP和城市GDP的比值表示，該比值越高說明對(duì)能源越依賴。（3）外向程度（FDI），選用當(dāng)年實(shí)際利用外資金額的對(duì)數(shù)代表外向程度，控制這一變量是因?yàn)榭紤]到“污染避難所效應(yīng)”。（4）能源消費(fèi)強(qiáng)度（Intensity），能源消費(fèi)強(qiáng)度選取單位GDP全社會(huì)居民用電量表示，能源強(qiáng)度越低，能源利用率越高，越有利于提升城市碳排放效率［25］。（5）人口密度（Population），用單位面積的人口數(shù)來表示，人口聚集的地方，一般民眾的環(huán)保參與度較高，本文預(yù)期城市人口集聚對(duì)碳排放效率的影響作用為正。（6）技術(shù)創(chuàng)新能力（Patent），用城市當(dāng)年獲得的發(fā)明專利數(shù)表示，當(dāng)技術(shù)偏向于綠色創(chuàng)新時(shí)，碳排放量能顯著減少，但當(dāng)技術(shù)只注重提高生產(chǎn)率，就會(huì)導(dǎo)致產(chǎn)出大規(guī)模擴(kuò)張，不利于減排。

（三）數(shù)據(jù)來源及處理

本文的研究對(duì)象是地級(jí)市，由于城市樣本數(shù)據(jù)存在缺失，如果全部刪掉這些樣本就會(huì)損失大量數(shù)據(jù)，對(duì)此，我們采用以下策略處理：如果某一個(gè)樣本的某一個(gè)變量的缺失值數(shù)量超過了該變量所有觀測(cè)值的20%，那么直接刪掉該樣本；如果某變量的缺失值數(shù)量低于該變量所有觀測(cè)值的20%，就保留該樣本，缺失值采用線性插值法補(bǔ)齊，最終得到245個(gè)地級(jí)市2009—2019年的不平衡面板數(shù)據(jù)，共計(jì)2695個(gè)觀測(cè)值。2013年6月起，碳排放權(quán)交易先后在7個(gè)省市試點(diǎn)北京、天津、上海、重慶、湖北、廣東和深圳。，2016年10月福建省納入試點(diǎn)范疇。為了研究方便，我們將深圳市合并到廣東省?？紤]到直到2013年我國(guó)第一個(gè)碳交易市場(chǎng)才正式成立，因此選用2013年作為第一批碳交易政策時(shí)點(diǎn)，福建省于2016年試點(diǎn)，所以福建省的Post項(xiàng)在2016年前賦值為0，之后Post賦值為1；除福建省外的試點(diǎn)省市其Post項(xiàng)在2013年前賦值為0，在2013年之后賦值為1。為了消除異方差，本文對(duì)六個(gè)控制變量取對(duì)數(shù)。由于西藏、港澳臺(tái)地區(qū)的數(shù)據(jù)缺失嚴(yán)重，故樣本中不包含其在內(nèi)。大部分?jǐn)?shù)據(jù)來自中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)（Statistical?database?of?China?economic?network，?CEIdata），碳排放數(shù)據(jù)來自中國(guó)碳排放核算數(shù)據(jù)庫(kù)（China?emission?accounts?and?datasets）。變量的描述性統(tǒng)計(jì)見表1。

可以看到，實(shí)驗(yàn)組城市的碳排放效率的均值為0641，大于控制組的均值0598，因此碳排放權(quán)交易試點(diǎn)政策可能促成了這一結(jié)果。同時(shí)，實(shí)驗(yàn)組城市的人均GDP的均值也大于控制組，一般來講經(jīng)濟(jì)發(fā)展水平與居民環(huán)保意識(shí)和創(chuàng)新能力正相關(guān)，也可以解釋實(shí)驗(yàn)組較高的碳排放效率，我們還看到，實(shí)驗(yàn)組城市的人口密度的均值也比控制組大。城市碳排放效率是多種因素綜合的結(jié)果，為了檢驗(yàn)碳排放權(quán)交易試點(diǎn)政策的效果，我們必須借助嚴(yán)格計(jì)量經(jīng)濟(jì)模型。

四、實(shí)證結(jié)果分析

（一）基準(zhǔn)回歸

基準(zhǔn)回歸結(jié)果如表2所示。列（1）顯示了未加入控制變量的結(jié)果，列（2）—（7）顯示了逐一添加6個(gè)控制變量時(shí)的結(jié)果，TreatPost項(xiàng)系數(shù)都在1%的顯著性水平上顯著為正。人均GDP、外商直接投資、人口密度和專利授權(quán)數(shù)這4個(gè)控制變量對(duì)城市碳排放效率有顯著的正向影響，這表明這些因素對(duì)“雙碳”目標(biāo)的實(shí)現(xiàn)起到重要的作用，因此在基礎(chǔ)回歸中不應(yīng)遺漏這些變量。第二產(chǎn)業(yè)產(chǎn)值占比會(huì)對(duì)城市碳排放效率產(chǎn)生負(fù)面影響，偏重的二產(chǎn)結(jié)構(gòu)會(huì)導(dǎo)致城市碳排放增加，不利于低碳經(jīng)濟(jì)的實(shí)現(xiàn)和碳減排，這一結(jié)果與多數(shù)學(xué)者的結(jié)果一致［26］。列（5）能源消費(fèi)強(qiáng)度Intensity的系數(shù)，沒有統(tǒng)計(jì)學(xué)意義，說明其不是影響城市碳排放效率的核心因素。列（8）顯示在加入6個(gè)控制變量后，TreatPost項(xiàng)系數(shù)仍顯著為正，數(shù)值略小于列（1）的系數(shù)。表明碳交易試點(diǎn)政策能夠在一定程度上促進(jìn)城市碳排放效率的提升，提升幅度大約26%。

（二）平行趨勢(shì)檢驗(yàn)

使用雙重差分法之前需要檢驗(yàn)碳交易政策試點(diǎn)前，試點(diǎn)城市和非試點(diǎn)城市的碳排放效率是否呈現(xiàn)穩(wěn)定的變化趨勢(shì)。本文借鑒曹清峰（2020）［27］事件研究法的做法，設(shè)定如下計(jì)量模型來檢驗(yàn)碳交易試點(diǎn)政策的碳排放效率提升效應(yīng)：

Effit=α0+∑6k－4，k≠－4αkDkit+λZit+υi+μt+εit（7）

其中，Dkit代表碳交易試點(diǎn)政策這一事件的虛擬變量。假定城市i碳交易試點(diǎn)年份為yi，令k=t－yi；當(dāng)k=－3，－2，…，4，5，6時(shí)，相應(yīng)的Dkit=1，否則為0。在具體的回歸分析中，為了解決多重共線性問題，將基準(zhǔn)期定為政策實(shí)施前第三年，因此式（7）中不包括D－3it這個(gè)虛擬變量。通過比較參數(shù)αk的經(jīng)濟(jì)意義和統(tǒng)計(jì)顯著性就可以檢驗(yàn)國(guó)家碳交易試點(diǎn)政策效應(yīng)的時(shí)間變化趨勢(shì)。為了檢驗(yàn)碳交易試點(diǎn)政策對(duì)我國(guó)城市碳排放效率影響是否滿足平行趨勢(shì)假設(shè)，圖1報(bào)告了變量Dk的估計(jì)系數(shù)結(jié)果置信區(qū)間為95%。?？梢园l(fā)現(xiàn)，碳交易試點(diǎn)政策實(shí)施之前的兩年，置信區(qū)間都穿越了系數(shù)為0的水平線，這表明系數(shù)全部不顯著且碳交易試點(diǎn)前城市碳排放效率并無顯著差異；但是碳交易試點(diǎn)之后一直到設(shè)立后第六年，置信區(qū)間沒有穿越水平線，說明系數(shù)全部顯著且試點(diǎn)城市和非試點(diǎn)城市間碳排放效率差異程度逐漸增大，這表明平行趨勢(shì)假設(shè)滿足，使用DID方法研究碳排放權(quán)交易政策是否提高了我國(guó)城市碳排放效率是可行的。從碳交易試點(diǎn)第一年開始，直到設(shè)立后的第六年，碳交易試點(diǎn)都顯著促進(jìn)了我國(guó)城市碳排放效率。

（三）穩(wěn)健性檢驗(yàn)

考慮到碳交易政策試點(diǎn)后，各控排企業(yè)從投入綠色技術(shù)創(chuàng)新到創(chuàng)新取得成效都需要一定時(shí)間，因此政策效果往往存在時(shí)滯性。為了識(shí)別這一效果，我們將交互項(xiàng)和控制變量都滯后一期，研究其對(duì)碳排放效率的影響。如果滯后一期TreatPost項(xiàng)系數(shù)依然顯著為正，則說明本文結(jié)論穩(wěn)健。表3列（1）是不加入滯后一期控制變量的結(jié)果，列（2）是加入6個(gè)滯后一期控制變量的結(jié)果，無論加入與否，滯后一期碳交易試點(diǎn)政策都顯著提升了試點(diǎn)城市的碳排放效率，說明碳交易試點(diǎn)政策的確存在時(shí)滯性。

在估計(jì)碳交易試點(diǎn)對(duì)城市碳排放效率的影響過程中，不可避免地會(huì)受到其他政策影響的干擾，從而高估或者低估碳交易試點(diǎn)政策的效應(yīng)。為了識(shí)別和解決這一問題，本文搜索了樣本期內(nèi)發(fā)生的其他政策事件。除了碳排放權(quán)交易試點(diǎn)政策以外，我國(guó)在2010年啟動(dòng)、分批試點(diǎn)的低碳城市以及創(chuàng)新型城市試點(diǎn)政策［28］都被證明會(huì)影響試點(diǎn)地區(qū)的碳排放效率。為識(shí)別這些影響，本文在基準(zhǔn)回歸模型中加入低碳城市和創(chuàng)新型城市試點(diǎn)政策的年份虛擬變量Lowcarbon、Inno_policy。如果加入兩個(gè)虛擬變量后交互項(xiàng)系數(shù)不顯著，則表明本文結(jié)論不穩(wěn)??；如果加入兩個(gè)虛擬變量后交互項(xiàng)系數(shù)顯著，說明碳交易政策效果存在，本文估計(jì)結(jié)果可信。表4列（1）和列（2）分別是排除低碳城市試點(diǎn)和創(chuàng)新型城市試點(diǎn)影響后的回歸結(jié)果，可以看出，在剔除相關(guān)政策的影響后，核心解釋變量Treatpost的估計(jì)系數(shù)依然在1%的顯著性水平上顯著為正，證明本文基礎(chǔ)回歸結(jié)果可信。

DID方法容易存在“選擇性偏差”，即無法確保實(shí)驗(yàn)組和控制組在政策執(zhí)行前具備相同的個(gè)體特征。本文涵蓋了全國(guó)范圍內(nèi)的245個(gè)地級(jí)市樣本，樣本間地域、經(jīng)濟(jì)差異較大，顯然會(huì)存在很大的個(gè)體差異。另外，盡管雙重差分法分離出了碳排放權(quán)交易試點(diǎn)政策的平均處理效應(yīng)，但是該項(xiàng)政策并非嚴(yán)格意義上的自然實(shí)驗(yàn)，所以仍然可能導(dǎo)致在觀察數(shù)據(jù)方面存在選擇性偏差（Selection?effect）問題。因此，本文利用傾向得分匹配法（PSM）匹配試點(diǎn)城市和非試點(diǎn)城市，匹配變量是本文6個(gè)控制變量（外商直接投資水平、人均GDP、能源消耗強(qiáng)度、人口密度、專利授權(quán)數(shù)、第二產(chǎn)業(yè)產(chǎn)值占比）。隨后再次使用Tobit-DID進(jìn)行回歸，表5展示了PSM-DID方法處理后的回歸結(jié)果，列（1）是未加入控制變量的結(jié)果，列（2）是加入6個(gè)控制變量的結(jié)果，無論加入控制變量與否，碳排放權(quán)交易試點(diǎn)政策都顯著提升了試點(diǎn)城市的碳排放效率，表明本文的結(jié)論具有穩(wěn)健性。

盡管我們盡可能地控制了樣本城市的諸多特征，但是仍然會(huì)有其他未知因素干擾Tobit-DID的回歸結(jié)果，本文進(jìn)一步進(jìn)行安慰劑檢驗(yàn)。首先進(jìn)行針對(duì)個(gè)體的安慰劑檢驗(yàn)，先隨機(jī)挑選一批城市作為虛假試點(diǎn)城市，再進(jìn)行Tobit-DID回歸，觀測(cè)交互項(xiàng)是否顯著。具體而言，本文對(duì)所有245個(gè)地級(jí)市進(jìn)行了500次抽樣，每次抽樣隨機(jī)選出44個(gè)城市作為虛擬實(shí)驗(yàn)組，其余201個(gè)城市作為控制組按模型進(jìn)行回歸。交互項(xiàng)的核密度分布如圖2所示，大多數(shù)抽樣估計(jì)樣本的TreatPost項(xiàng)系數(shù)的z值的絕對(duì)值都在0左右，說明碳交易試點(diǎn)政策在這些隨機(jī)抽樣中無顯著效果，即該政策效果是穩(wěn)健的。

在以上穩(wěn)健性檢驗(yàn)的基礎(chǔ)上，本文進(jìn)一步進(jìn)行針對(duì)時(shí)間的安慰劑檢驗(yàn)，通過人為設(shè)定一個(gè)虛假的碳交易試點(diǎn)時(shí)間點(diǎn)，對(duì)其碳排放效率提升效應(yīng)進(jìn)行檢驗(yàn)。福建省下轄的城市以2013年和2014年作為假設(shè)的政策試點(diǎn)時(shí)間，其他城市以2010年和2011年作為假設(shè)的政策試點(diǎn)時(shí)間，再次進(jìn)行Tobit-DID回歸。如果交互項(xiàng)的系數(shù)顯著，表明碳交易試點(diǎn)政策之外的其他因素影響碳排放效率；如果系數(shù)不顯著，則說明碳交易試點(diǎn)政策確實(shí)是我國(guó)城市碳排放效率提升的主要原因。檢驗(yàn)結(jié)果如表6所示，列（1）顯示將碳交易試點(diǎn)的時(shí)間提前3年（即試點(diǎn)年份為2010年、2013年）的結(jié)果，交互項(xiàng)的系數(shù)不具有統(tǒng)計(jì)顯著性，列（2）顯示將碳交易試點(diǎn)的時(shí)間提前2年（即試點(diǎn)年份為2011年、2014年）的結(jié)果，交互項(xiàng)的系數(shù)也不具有統(tǒng)計(jì)顯著性，證明城市碳排放效率的提升的確是碳交易試點(diǎn)政策帶來的。

本文還剔除一些特殊樣本以證明基礎(chǔ)回歸結(jié)果穩(wěn)健。（1）2013年試點(diǎn)的7個(gè)省市中，北京、上海、深圳是經(jīng)濟(jì)實(shí)力靠前的三大城市，“十二五”期間一些嚴(yán)格的節(jié)能減排政策也在北上深執(zhí)行，由此會(huì)對(duì)碳交易市場(chǎng)政策效果產(chǎn)生干擾；（2）重慶是8個(gè)試點(diǎn)省市中唯一一個(gè)處于西部的直轄市，碳交易政策效果也可能受到西部地區(qū)經(jīng)濟(jì)發(fā)展的特殊性影響；（3）福建省不同于其他試點(diǎn)省市，于2016年才試點(diǎn)，可將其從總樣本中剔除，確保研究結(jié)果可信。結(jié)果如表7所示：在剔除上述樣本后，TreatPost項(xiàng)系數(shù)依然顯著為正，進(jìn)一步證明本文結(jié)論可靠性。

（四）機(jī)制分析

本文設(shè)計(jì)了“碳排放權(quán)交易試點(diǎn)政策—中介變量—城市碳排放效率”的鏈?zhǔn)浇Y(jié)構(gòu)驗(yàn)證機(jī)制。第一步，檢驗(yàn)鏈?zhǔn)浇Y(jié)構(gòu)前半部分“碳排放權(quán)交易試點(diǎn)政策—中介變量”，即國(guó)家碳排放權(quán)交易政策Treat×Post對(duì)中介變量M的影響，相關(guān)模型構(gòu)建如下：

Mit=α0+α1Treatit×Postit+βControlit+γt+ui+εit（8）

第二步，檢驗(yàn)鏈?zhǔn)浇Y(jié)構(gòu)后半部分“中介變量—城市碳排放效率”，即中介變量M對(duì)城市碳排放效率Eff的影響，相關(guān)模型構(gòu)建如下：

Effit=α2+α3Mit+β1Controlit+γt+ui+εit（9）

本文首先采用第三產(chǎn)業(yè)GDP和城市GDP的比值表示產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，用Third表示。產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的檢驗(yàn)結(jié)果如表8列（1）和列（2）所示。列（1）中Treat×Post的系數(shù)在顯著為正，說明碳排放權(quán)交易試點(diǎn)政策提高了第三產(chǎn)業(yè)比重，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，這一研究結(jié)果與劉滿鳳和程思佳（2022）［5］的研究結(jié)果一致。列（2）中顯示，中介變量Third影響碳排放效率的系數(shù)顯著為正，說明第三產(chǎn)業(yè)占比的上升顯著提高了城市的碳排放效率，即產(chǎn)業(yè)結(jié)構(gòu)升級(jí)能夠顯著提高城市碳排放效率?？梢姡冀灰自圏c(diǎn)政策能夠通過優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)進(jìn)而提升城市全要素碳排放效率，驗(yàn)證了假設(shè)H1。

其次，本文采用各城市當(dāng)年的綠色專利授權(quán)數(shù)量表示綠色創(chuàng)新能力，用Green表示。綠色創(chuàng)新效應(yīng)的檢驗(yàn)結(jié)果如表9列（1）和列（2）所示。列（1）中Treat×Post項(xiàng)的系數(shù)在1%的顯著性水平上顯著為正，表明碳交易試點(diǎn)政策能夠顯著增加城市綠色專利授權(quán)數(shù)量。對(duì)此的一個(gè)解釋是，碳排放權(quán)交易政策對(duì)各試點(diǎn)省市的重點(diǎn)污染企業(yè)能夠形成減排目標(biāo)約束，根據(jù)“波特假說”，合理的環(huán)境約束政策下，污染企業(yè)會(huì)自主進(jìn)行生產(chǎn)技術(shù)的低碳綠色革新。列（2）報(bào)告了綠色創(chuàng)新對(duì)城市碳排放效率影響的回歸結(jié)果，結(jié)果顯示，綠色創(chuàng)新中介變量Green的系數(shù)在1%的顯著性水平上顯著為正，說明綠色專利授權(quán)數(shù)量的增加顯著提高城市碳排放效率，這與企業(yè)投入資源進(jìn)行綠色技術(shù)研發(fā)的目的是一致的，綠色專利運(yùn)用到實(shí)際生產(chǎn)中，提高能源利用率，在保證產(chǎn)出不變的前提下減少碳排放量，進(jìn)而提升城市碳排放效率?？梢?，存在著“碳排放權(quán)交易試點(diǎn)政策—綠色創(chuàng)新—城市碳排放效率”的鏈?zhǔn)浇Y(jié)構(gòu)，碳交易政策能夠通過激勵(lì)企業(yè)綠色創(chuàng)新進(jìn)而提升城市碳排放效率，驗(yàn)證了假設(shè)H2。

（五）異質(zhì)性分析

直轄市、省會(huì)城市和副省級(jí)城市調(diào)動(dòng)資源的能力要高于其他一般地級(jí)市，碳排放權(quán)交易試點(diǎn)政策的效果是否會(huì)因城市行政等級(jí)的不同而不同？為了探討這個(gè)問題，本文參考徐佳和崔靜波（2020）［29］的研究，在基準(zhǔn)回歸模型的基礎(chǔ)上加入了行政等級(jí)虛擬變量High，如果城市i是高行政等級(jí)城市高行政等級(jí)城市：是指直轄市、省會(huì)城市或副省級(jí)城市。，那么Highi=1；否則，Highi=0。通過設(shè)置三重差分變量Treat×Post×High，構(gòu)建三重差分模型（DDD）：

Effit=α0+α1Treatit×Postit×Highi+βControlit+γt+ui+εit（10）

我們重點(diǎn)考察三重差分項(xiàng)Treat×Post×High的系數(shù)α1，如果顯著為正，則表明相對(duì)于低行政等級(jí)城市，碳交易試點(diǎn)政策更能提升高行政級(jí)別城市的碳排放效率；如果顯著為負(fù)，則結(jié)論相反，表示碳排放權(quán)交易試點(diǎn)政策更能促進(jìn)低行政等級(jí)城市的碳排放效率提升?？紤]城市行政等級(jí)異質(zhì)性回歸結(jié)果如表10的列（1）所示?？梢钥吹?，系數(shù)α1在1%的水平上顯著為正，說明相對(duì)于低行政等級(jí)城市，碳排放權(quán)交易試點(diǎn)政策顯著提高了高行政等級(jí)城市的碳排放效率，驗(yàn)證了假設(shè)H3。對(duì)這一結(jié)論的可能解釋是行政等級(jí)較高的城市，在規(guī)劃和制定地方產(chǎn)業(yè)政策方面的權(quán)限也更高，因此相較于低行政級(jí)別城市，在高行政等級(jí)城市實(shí)施碳交易政策更能優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，進(jìn)而推動(dòng)其碳排放效率的提升。

城市人口規(guī)模對(duì)碳排放量有雙向作用，對(duì)于不同人口規(guī)模的城市，碳排放權(quán)交易政策對(duì)城市碳排放效率是否會(huì)產(chǎn)生異質(zhì)性作用？參考張翱翔（2022）［30］的做法，在基準(zhǔn)回歸模型中加入人口規(guī)模虛擬變量Size，如果城市i的人口規(guī)模大于平均值，那么Sizei=1，否則Sizei=0。由于除了福建省以外的省市都是在2013年試點(diǎn)的，對(duì)于這些試點(diǎn)省市，這兩個(gè)虛擬變量的設(shè)置都是以試點(diǎn)前一年，即2012年的數(shù)據(jù)為依據(jù)，而福建省的虛擬變量設(shè)置則是以2015年為依據(jù)。通過設(shè)置三重差分變量Treat×Post×Size，構(gòu)建三重差分模型，模型構(gòu)建如上面的模型。如果Treat×Post×Size的系數(shù)顯著為正，表明相較于人口規(guī)模較小的城市而言，在人口規(guī)模大的城市實(shí)施碳交易政策更能提升碳排放效率。回歸結(jié)果如表10的列（2）所示，Treat×Post×Size的系數(shù)在1%的顯著性水平上顯著為正，表明就碳排放效率來說，城市的人口集聚能夠改變能源利用方式，從而提升城市碳排放效率，驗(yàn)證了假設(shè)H4。

五、研究結(jié)論與政策建議

本文以2009—2019年245個(gè)地級(jí)及以上城市為研究樣本，從城市碳排放權(quán)效率的視角對(duì)碳排放權(quán)交易試點(diǎn)政策的影響進(jìn)行了分析，運(yùn)用多期Tobit-did模型研究了碳排放權(quán)交易試點(diǎn)政策對(duì)城市碳排放效率的影響，同時(shí)對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)和綠色技術(shù)創(chuàng)新內(nèi)在作用機(jī)制以及城市行政等級(jí)、城市人口規(guī)模的異質(zhì)性進(jìn)行了挖掘和討論，得到如下結(jié)論：（1）在經(jīng)過平行趨勢(shì)檢驗(yàn)、滯后一期解釋變量與控制變量、剔除相關(guān)政策影響、PSM-DID、隨機(jī)挑選實(shí)驗(yàn)組、人為設(shè)定虛假試點(diǎn)時(shí)間和剔除特殊樣本等一系列穩(wěn)健性檢驗(yàn)后，研究發(fā)現(xiàn)碳排放權(quán)交易試點(diǎn)政策能顯著提高城市碳排放效率。（2）影響機(jī)制還存在中介效應(yīng)，即碳排放權(quán)交易會(huì)通過促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)和激勵(lì)綠色研發(fā)創(chuàng)新提高城市碳排放效率。（3）異質(zhì)性分析發(fā)現(xiàn)，碳排放權(quán)交易試點(diǎn)政策更有助于提升高行政等級(jí)城市、人口規(guī)模大的城市的碳排放效率。為了進(jìn)一步提升碳排放權(quán)交易制度的節(jié)能減排和綠色發(fā)展效應(yīng)，根據(jù)以上結(jié)果，我們提出了如下政策建議：

第一，扎實(shí)推進(jìn)全國(guó)碳市場(chǎng)的建設(shè)，繼續(xù)擴(kuò)大政策試點(diǎn)范圍。研究結(jié)果表明碳排放權(quán)交易試點(diǎn)政策有效提升了我國(guó)城市碳排放效率，但目前只有少數(shù)地區(qū)和行業(yè)完全納入碳市場(chǎng)交易，需要借鑒試點(diǎn)政策的成功經(jīng)驗(yàn)，擴(kuò)大政策試點(diǎn)范圍。解決不同地區(qū)之間碳市場(chǎng)發(fā)展的不平衡問題，避免因此而導(dǎo)致的任何污染避風(fēng)港效應(yīng)。

第二，鼓勵(lì)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，推廣綠色技術(shù)創(chuàng)新。由碳排放權(quán)交易試點(diǎn)政策影響城市碳排放效率的中介效應(yīng)分析可知，增加第三產(chǎn)業(yè)占比和提升綠色低碳技術(shù)創(chuàng)新能力對(duì)城市碳排放效率的提升具有正向促進(jìn)作用，因此地方政府要注重培育綠色低碳產(chǎn)業(yè)體系，鼓勵(lì)資本向第三產(chǎn)業(yè)流動(dòng)，提高高耗能企業(yè)的進(jìn)入壁壘，制定政策以吸引高科技綠色企業(yè)落戶，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)全面升級(jí)。

第三，考慮經(jīng)濟(jì)發(fā)展條件和資源稟賦，因地制宜制定政策?？紤]到行政級(jí)別高、人口規(guī)模大的城市對(duì)碳排放權(quán)交易試點(diǎn)政策的效果更敏感，中央政府在推廣政策試點(diǎn)時(shí)應(yīng)注重“由高到低”的邏輯，鼓勵(lì)這些城市優(yōu)先開展碳交易試點(diǎn)，并且?guī)?dòng)周邊城市的綠色轉(zhuǎn)型，從而發(fā)揮試點(diǎn)政策的示范效應(yīng)；人口規(guī)模大的城市需要制定綠色低碳建筑相關(guān)的稅收優(yōu)惠、財(cái)政補(bǔ)貼政策、鼓勵(lì)銀行機(jī)構(gòu)為其提供融資支持、鼓勵(lì)科研機(jī)構(gòu)和建筑企業(yè)合作、加強(qiáng)研發(fā)，利用媒體向公眾宣傳低碳建筑的優(yōu)勢(shì)。

參考文獻(xiàn)：

［1］?陸敏，?徐好，?陳福興.“雙碳”背景下碳排放交易機(jī)制的減污降碳效應(yīng)［J］．中國(guó)人口·資源與環(huán)境，?2022，?32（11）：?121-33.

［2］?羅世華，?王棟.碳交易政策對(duì)省域全要素能源效率的影響效應(yīng)［J］．經(jīng)濟(jì)地理，?2022，?42（7）：?53-61.

［3］?胡珺，?方祺，?龍文濱.碳排放規(guī)制、企業(yè)減排激勵(lì)與全要素生產(chǎn)率——基于中國(guó)碳排放權(quán)交易機(jī)制的自然實(shí)驗(yàn)［J］．經(jīng)濟(jì)研究，?2023，58（4）：?77-94.

［4］?陳芳，吳春瑋.碳排放權(quán)交易政策是否促進(jìn)工業(yè)企業(yè)的技術(shù)創(chuàng)新？［J］．商業(yè)研究，2023，65（2）：?90-97.

［5］?劉滿鳳，程思佳.碳排放權(quán)交易促進(jìn)地區(qū)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)了嗎？［J］．管理評(píng)論，2022，34（7）：?33-46.

［6］?Maeda?A.?Estimating?the?Impact?of?Emission?Reduction?Target-setting?on?the?Macroeconomy［J］．Environmental?Economics?and?Policy?Studies，2014，16（4）：?381-95.

［7］?周迪，劉奕淳.中國(guó)碳交易試點(diǎn)政策對(duì)城市碳排放績(jī)效的影響及機(jī)制［J］．中國(guó)環(huán)境科學(xué)，2020，40（1）：?453-464.

［8］?Ren?F-R，Tian?Z，Liu?J，et?al.Analysis?of?CO2?Emission?Reduction?Contribution?and?Efficiency?of?Chinas?Solar?Photovoltaic?Industry：?Based?on?Input-output?Perspective［J］．Energy，2020，199117493.

［9］?Buckley?N?J.Short-run?Implications?of?Cap-and-trade?Versus?Baseline-and-credit?Emission?Trading?Plans：?Experimental?Evidence?［R］．Department?of?Economics?Working?Papers，McMaster?University，2004.

［10］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(guó)人口·資源與環(huán)境，2019，29（5）：?11-20.

［11］Wu?L，?Gong?Z.?Can?national?carbon?emission?trading?policy?effectively?recover?GDP?losses？?A?new?linear?programming-based?three-step?estimation?approach［J］．Journal?of?Cleaner?Production，?2021，?287：?125052.

［12］陳醒，徐晉濤.中國(guó)碳交易試點(diǎn)運(yùn)行進(jìn)展總結(jié)?［M］//薛進(jìn)軍.中國(guó)低碳經(jīng)濟(jì)發(fā)展報(bào)告（2017）.北京：社會(huì)科學(xué)文獻(xiàn)出版社，2017.

［13］Chung?Y?H，F(xiàn)re?R，Grosskopf?S.Productivity?and?Undesirable?Outputs：?A?Directional?Distance?Function?Approach［J］．Journal?of?Environmental?Management，1997，51（3）：?229-240.

［14］劉海英，郭文琪.碳排放權(quán)交易政策試點(diǎn)與能源環(huán)境效率——來自中國(guó)287個(gè)地級(jí)市的實(shí)證檢驗(yàn)［J］．西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022，42（5）：?72-86.

［15］Kuosmanen?T.Weak?Disposability?in?Nonparametric?Production?Analysis?with?Undesirable?Outputs［J］．American?Journal?of?Agricultural?Economics，2005，87（4）：?1077-1082.

［16］Arabi?B，Munisamy?S，Emrouznejad?A.?A?New?Slacks-based?Measure?of?Malmquist-Luenberger?Index?in?the?Presence?of?Undesirable?Outputs［J］．Omega，2015，51（5）：?29-37.

［17］范新號(hào).產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化對(duì)我國(guó)碳排放強(qiáng)度的影響研究［D］．重慶：重慶工商大學(xué)，2023.

［18］晁操.中國(guó)城市行政級(jí)別、產(chǎn)業(yè)結(jié)構(gòu)升級(jí)對(duì)城市綜合承載力影響的實(shí)證研究［D］．桂林：桂林理工大學(xué)，2020.

［19］閆中曉，吳禎.城市行政級(jí)別、數(shù)字經(jīng)濟(jì)與要素市場(chǎng)扭曲［J］．西部論壇，2023，33（2）：1-15.

［20］Norman?J，Heather?L?MacLean?M，Christopher?A?K.Comparing?High?and?Low?Residential?Density：Life-Cycle?Analysis?of?Energy?Use?and?Greenhouse?Gas?Emissions［J］．Urban?Planning?And?Development，2006（3）：10-21.

［21］柴志賢.密度效應(yīng)、發(fā)展水平與中國(guó)城市碳排放［J］．經(jīng)濟(jì)問題，2013（3）：25-31.

［22］Fare?R，Grosskopf?S，Lovell?C?a?K.Production?Frontiers［M］．Cambridge：?Cambridge?University?Press，1993.

［23］Zhou?Y，Xing?X，F(xiàn)ang?K，et?al.Environmental?Efficiency?Analysis?of?Power?industry?in?China?based?on?an?Entropy?SBM?Model［J］．Energy?Policy，2013，57：68-75.

［24］王建林，趙佳佳，宋馬林.基于內(nèi)生方向距離函數(shù)的中國(guó)城市土地利用效率分析［J］．地理研究，2017，36（7）：?1386-1398.

［25］王勇，趙晗.中國(guó)碳交易市場(chǎng)啟動(dòng)對(duì)地區(qū)碳排放效率的影響［J］．中國(guó)人口·資源與環(huán)境，2019，29（1）：?50-58.

［26］王少劍，蘇泳嫻，趙亞博.中國(guó)城市能源消費(fèi)碳排放的區(qū)域差異、空間溢出效應(yīng)及影響因素［J］．地理學(xué)報(bào)，2018，73（3）：?414-428.

［27］曹清峰.國(guó)家級(jí)新區(qū)對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的帶動(dòng)效應(yīng)——基于70大中城市的經(jīng)驗(yàn)證據(jù)［J］．中國(guó)工業(yè)經(jīng)濟(jì)，2020（7）：?43-60.

［28］Wang?R，Hao?J-X，Wang?C，et?al.Embodied?CO2?Emissions?and?Efficiency?of?the?Service?Sector：?Evidence?from?China［J］．Journal?of?Cleaner?Production，2020，247119116.

［29］徐佳，崔靜波.低碳城市和企業(yè)綠色技術(shù)創(chuàng)新［J］．中國(guó)工業(yè)經(jīng)濟(jì)，2020（12）：?178-196.

［30］張翱祥.低碳城市試點(diǎn)政策對(duì)生態(tài)效率的影響及空間溢出效應(yīng)［D］．衡陽(yáng)：南華大學(xué)，2022.

Has?Carbon?Emission?Trading?Improved?the?Efficiency?Oftotal?Factor?Carbon

Emissions?in?Cities？——Research?on?an?Endogenous?Directional?Distance?Function?Model

WANG?Jianlin1，2a，?SONG?Meng2a，?ZHAO?Jiajia2b

（1.Key?Laboratory?of?Low?Carbon?Development?and?Carbon?Finance?in?Anhui?Province，Anhui?University

of?Finance?and?Economics，Bengbu，233030，China；2.Dongbei?University?of?Finance?and?Economics，

a.Centre?for?Industrial?and?Business?Organization，b.Northeast?Comprehensive?Revitalization?Research

Institute，Dalian?116025，China）

Abstract：?Carbon?reduction?measures?generally?decrease?total?output，implying?that?it?is?necessary?to?evaluate?carbon?reduction?policies?from?the?perspective?of?total?factor?efficiency.This?study?constructed?a?directional?distance?function?model?that?allowed?varied?emission?reduction?factors?for?different?DMUs，which?expanded?production?possibility?set，and?we?adopted?endogenous?directional?vectors?to?reduce?the?subjectivity?of?directional?vectors.Based?on?this?model，we?recalculated?the?total?factor?carbon?emission?efficiency?at?the?city?level，and?empirically?tested?the?impact?of?carbon?emission?trading?pilots.The?results?showed?that?pilot?policies?can?promote?urban?carbon?emission?efficiency.After?a?series?of?tests?such?as?parallel?trend，excluding?other?policy?impacts，dynamic?time?window，propensity?score?matching，and?placebo?test，our?conclusion?remained?robust.The?intermediary?effect?analysis?found?that?pilots?could?improve?urban?carbon?emission?efficiency?through?industrial?structure?and?green?innovation.Heterogeneity?analysis?found?that?pilot?policies?had?more?significant?impacts?on?carbon?emission?efficiency?in?high?administrative?level，large-scale，and?old?industrial?base?cities.Based?on?the?empirical?results，we?proposed?several?policy?recommendations，including?expanding?the?scope?of?pilots，encouraging?industrial?structure?optimization，promoting?green?technology?innovation，and?formulating?pilots?tailored?to?local?conditions.

Key?words：carbon?emission?trading?pilot;?total?factor?carbon?emission?efficiency;?directional?distance?function;?undesirable?output;?intermediary?effects

（責(zé)任編輯：周正）