碳交易的减排及绿色发展效应研究

来源:用户上传      作者:

　　摘要 面临来自全球气候变化加剧及国内环境污染恶化的双重压力，中国逐步明确了采用市场化手段来提高气候、环境治理水平，碳交易便为其典型代表，然而目前统筹考虑碳交易的碳减排及绿色协同发展效应的研究却相对欠缺。为此，本文以碳交易试点政策为例，区分碳交易的减排及区域绿色发展效应，分别构建碳排放强度和非期望产出包含全域排放物及区域污染物的曼奎斯特—卢恩伯格指数，基于2008—2015年30个省级行政区面板数据，采用双重差分法实证检验，并进一步检验了协同路径和作用机制。结果发现：①中国碳交易政策在促进了试点地区碳排放强度下降的同时，还促进了试点地区整体绿色发展；②中国碳交易政策的区域污染物协同减排效果主要通过协同减排SO2实现；③中国碳交易政策实现碳减排及区域绿色发展的主要作用机制为技术升级。这些结论说明：应继续扎实推进全国碳交易市场建设，在实现全球碳减排的目标框架下同时促进区域环境改善；充分考虑碳交易与排污权交易的协同作用，在进行温室气体和区域污染物的“协同减排控制”中，综合考虑协同效应和减排成本，以达到用最低成本实现碳减排和区域污染物减排的双重目标；多手段并行推动绿色发展，除积极吸取碳交易试点阶段经验教训外，还应联合其他多项环境保护政策共同协作、相互补充，充分发挥“看不见的手”的市场调节作用和政府的总体把控能力，共同促进区域全面绿色高质量发展。
　　关键词 碳交易；协同效应；绿色发展；双重差分
　　中图分类号 F205 文献标识码 A 文章编号 1002-2104（2019）05-0011-10 DOI：10.12062/cpre.20190117
　　近年来除面对日益增加的全球碳减排压力，中国区域性的大气污染问题也与日俱增，其中城市群区域多种污染物排放量持续增长，大气污染呈现出压缩型、复合型特征，以SO2、NOX、PM2.5等为特征的复合型污染呈加重态势。为了实现成本效率减排，以SO2排污权交易、碳交易为代表的更具灵活性的市场化环境政策逐步在国内得到应用。SO2排污权交易起步较早，杨健儿等[1]、涂正革和谌仁俊[2]等诸多学者先后对其环境、经济效应进行了研究，而针对在中国起步较晚的碳交易的研究则较为薄弱，统筹考虑碳减排与其它污染物协同减排的研究更少。鉴于我国碳交易市场已由试点先行迈进全面建设阶段，本文以碳交易为切入点，综合考虑其协同效应，有助于提升碳交易价值，从而可以较全面评价碳交易这一政策工具的成本-收益。
　　目前针对碳交易效应研究：①在方法选择上主要以CGE等仿真、模拟为主。如：Bhringer 和Welsch[3]、孙睿等[4]等采用CGE模型对碳交易及其影响分别进行了研究。汤铃等[5]基于multiAgent模型，构建了我国碳交易机制仿真模型，测算了不同碳交易机制设定对我国经济与环境的影响。谭秀杰等[6]采用中国多区域一般均衡模型TermCO2，并根据湖北碳交易试点的制度要素设置情景假设，模拟其对全省的经济环境影响，发现湖北碳交易试点的减排效果明显，而负面经济影响相对有限。CGE等仿真、模拟检验模型作为政策分析的有力工具，虽已在世界上得到了广泛的应用，但其仍然不能摆脱投入产出及CGE模型分析本身固有的一些缺陷，如内部设计复杂难以跟踪其作用机制等。②在效应检验维度上以碳排放影响为主，其他效应为辅。李广明和张维洁[7]利用中国30个省份规模工业碳排放数据，考察了碳交易对工业碳排放和碳强度的影响。少部分学者也就碳交易对其他污染物、社会福利的协同影响进行了研究，如：Cheng 等[8]通过研究发现碳交易试点不仅能减少碳排放，还能推动SO2和NOX的减排。Fujimori等[9]发现建立碳交易市场将使减排导致的全球福利净损失从0.7%～0.9%下降到0.1%～0.5%。可以发现，在碳交易效应检验方面，视角上仍多着眼于其对单一排放物CO2的影响，少数学者开始关注其对其他区域污染物和社会福利等的影响，但利用综合指标全面考虑碳交易对区域整体环境改善即绿色发展的影响方面的文献则比较鲜见。
　　本文的邊际贡献如下：①将全域排放物和区域污染物纳入统一的研究框架，运用双重差分实证方法考察碳交易对其影响。CO2代表的是全域排放物，而SO2、NOX代表的是区域污染物，在全球碳排放约束及本地污染排放的双重约束下将二者纳入统一的研究框架，有利于考察碳交易的真实成本，促进温室气体和区域污染物的协同控制。②以绿色全要素生产率来衡量碳交易对区域绿色发展程度的影响。目前学界对绿色发展的定义尚无定论，本文采用同时考虑非期望产出包含全域排放物和区域污染物的绿色全要素生产率指标度量绿色发展，这对于评价一个经济体的增长质量更为科学，也有利于合理评估碳交易机制的真实成本。
　　任亚运等：碳交易的减排及绿色发展效应研究
　　中国人口·资源与环境 2019年 第5期1 碳交易体系对碳减排的作用机制
　　所谓的碳交易就是把二氧化碳排放权作为一种商品，进行二氧化碳排放权的交易，具有总量控制碳排放的优势。根据目前全球碳排放形势，利用碳交易市场进行碳减排的国家主要有中国、澳大利亚、新西兰、美国、加拿大和欧盟地区。我国面临国际减排承诺和国内环境状况下行的双重压力，碳交易市场从试点工作到全面推广的转变，证明我国碳减排已经取得阶段性成果，碳交易的减排运作机制已成为低碳发展的有效工具。
　　碳交易在明晰产权、碳排放定价动态调整、市场自动调节配额等机制下的减排及绿色发展效应表现为：第一，碳交易体系可以降低碳排放成本，促进碳减排。碳排放因属于公共物品范畴而具有外部性，仅通过企业和个人的自愿行为难以达到减排目标。科斯[10]认为，市场失灵的根源在于产权失灵，可以通过产权的明确界定，实现外部成本内部化，碳交易体系就是使碳排放成为非公共物品。在总量控制下，如果碳排放的需求越多，碳排放配额价格也就越高，碳排放者所支付的成本也就越高。第二，碳交易可以通过推动技术进步促进碳减排。能源气候变化领域的研究表明，两种类型的有偏技术进步可能对碳强度产生重要影响：一是自发的能效改进型技术进步，指的是技术进步随时间自发地促使能源效率提高；二是诱发的有偏技术进步，指的是能源价格、碳价格、减排政策等因素导致技术进步的偏向发生改变。一般来说，诱发的有偏技术进步对节能减排具有更强烈的作用。碳交易体系是诱发技术进步的重要因素，其作用机制是：碳交易体系给碳排放配额定价，改变了企业实际面临的碳排放要素价格，这意味着碳排放要素相对于其他要素变得更加昂贵，碳排放企业不得不慎重衡量购买碳配额所耗费的成本与自身碳减排技术改进的成本，开发采用和普及低碳技术。第三，碳交易体系为企业能源结构升级优化提供刺激，从而使用较清洁能源以减少碳排放。在碳交易体系中，电力行业贡献了超过50%的碳减排，主要原因在于电力部门具有以较低的减排成本来减少碳排放的能力，比如通过煤和天然气的相互转换。为获得这种廉价的减排机会，发电商需要权衡碳价格和边际减排成本，在参加碳交易体系的情况下，电力部门转向碳强度更低的燃料（例如天然气），比使用煤和购买配额更为划算。第四，碳交易通过碳减排对区域污染协同减排。控制碳排放的碳交易等气候政策还会由于CO2、SO2、NOX的同根同源性，即皆主要来源于化石燃料的燃烧，从而产生协同效应对区域污染物的减排产生积极影响[11-12]。因此，中国碳交易政策的实施也将可能同时改善其他区域污染物的排放，促进区域整体绿色发展。 　　由图1可知，降低碳排放强度主要有三条路径：一是靠产业结构优化，降低高耗能部门的比例；二是靠能源结构转换，以低碳能源替代化石能源；三是靠能源技术升级，提高能源利用效率[13]。以往学者的研究也表明在该三条路径下碳排放与空气污染物排放控制具有协同效应，即产生“1+1>2”的效应。首先，产业结构和能源结构优化调整直接带来的是化石能源消耗的下降，也就是能源强度的下降，从而间接降低了污染物排放。He等[14]认为能源政策是实现温室气体减排和污染物控制双向协同效应的重要结合点。通过构建一个结合了能源预测模型、排放评估模型、空气质量模拟模型和健康效益评估模型的综合模型，来评估中国的能源政策在两方面的协同作用。结果显示，积极的能源政策带来了巨大的效益，包括1 469百万t的CO2减排、12%～32%的大气污染物浓度下降及超过100百亿的健康收益。其次，低碳技术升级一方面带来了单位化石能源消耗的碳排放下降，即碳排放强度下降，另一方面还会引发协同效应。毛显强等[15]通过构建协同减排当量模拟协同减排，认为电力行业技术措施，尤其是新发电技术的替代，使硫、氮、碳的协同减排潜力巨大。
　　由于CO2、SO2、NOX等的同根同源特性，碳交易政策可以通过影响碳排放进而协同影响其他污染物的排放，而本文所界定的绿色发展正是同时考虑CO2、SO2、NOX等常见气体排放物减排之后的结果，故上述三条路径在影响碳排放的同时又会影响SO2、NOX等污染物的排放，最终得以影响区域绿色发展。
　　由此，本文从协同效应视角出发，区分碳交易的减排及区域绿色协同发展效应，采用双重差分法分别对其进行实证检验，并进一步检验其协同路径和作用机制。本文试图回答以下问题：碳交易是否抑制了碳排放并同时提升了区域绿色全要素生产率？碳交易通过协同何种污染物提升了区域绿色全要素生产率？碳交易的作用路径如何？上述问题的回答对于准确把握碳交易真实成本，协同缓解复合型空气环境问题具有积极的现实意义。
　　2 计量模型与数据说明
　　2.1 计量模型
　　双重差分法（DID）是一种使用较为广泛的政策效果评价方法，可以量化估计出某一个具体政策对政策实施对象的作用大小。其核心思路为：选择一个实施该政策的实验组（Treatment Group）和一个没有实施该政策的控制组（Control Group），然后将实验组某一个具体指标在政策实施前后的平均改变量与控制组该指标在政策实施前后的平均改变量的差距视为这项政策对实验组的真实影响，即该项政策实施的实际效果。
　　中国先后于2014年左右在七个试点省市：北京、天津、上海、重庆、湖北、广东和深圳设立碳排放交易试点，由此，本文将中国碳排放交易视为一次“自然实验”。由于除了深圳市以外其他试点都是省和直辖市，因此为了研究范围的统一，将深圳市合并到广东省。另外，由于除深圳市以外，其他试点碳交易完全启动基本是在2013年11月或者12月份以及2014年，因此本文参考李广明和张维洁[7]，将2014年之前定为非试点期，2014年之后（包括2014年）为试点期。所以本文处理组为：北京、天津、上海、重庆、湖北和广东，其余非试点省份（由于数据可得性等原因，本研究不含西藏、港澳台地区）为对照组。基于此，本文构造的基本模型如下：
　　Clit=α0+α1postt+α2treati+α3（treati×postt）+
　　λi+γt+μit
　　（1）
　　GTFPit=β0+β1postt+β2treati+β3（treati×postt）+
　　δi+ζt+ξit
　　（2）
　　其中CIit代表CO2排放强度，GTFPit代表绿色发展，i表示地区，t代表时间；treati代表地区虚拟变量，treati=1表示地区i实施了碳交易，treati=0表示i地区未实施碳交易；postt代表时间虚拟变量，postt=1表示t时期实施了碳交易，postt=0表示t时期没有实施碳交易；λi、δi为个体固定效应，γt、ζt为时间固定效应，μit、ξit为扰动项。
　　模型（1）、（2）虽然可以有效解决样本选择偏误问题，但是却存在遗漏变量的可能。为此，本文在上述模型的基础上增加一系列控制变量。被解释变量为碳排放强度和绿色全要素生产率，在参考陈超凡[16]、李广明等[7]、涂正革等[2]等研究的基础上又将人均GDP、治污投入、技术引进、要素禀赋结构等直接和间接影响碳排放及绿色发展水平的关键变量作为控制变量，得到模型（3）和（4）。
　　CIit=α0+α1postt+α2treati+α3（treati×postt）+
　　∑αjcontroljit+λi+γt+μit
　　（3）
　　GTFPit=β0+β1postt+β2treati+β3（treati×postt）+
　　∑βjcontroljit+δi+ζt+ξit
　　（4）
　　其中，controljit代表人均GDP、治污投入占比、要素禀赋结构、技术引进等控制变量，其他变量的含义跟前文保持一致。
　　2.2 数据说明
　　以往文献多采用单污染物排放效率或污染物排放强度来衡量绿色发展水平，相比之下以同时考虑非期望产出包含全域污染物和区域污染物的绿色全要素生产率指标度量绿色发展更为科学。本文首先立足于碳交易政策的本意，檢验碳交易对碳排放的影响；然后更进一步验证碳交易是否通过碳协同减排作用同时降低了其他区域污染物排放，实现了区域整体绿色发展。其中绿色发展用绿色全要素生产率来衡量，借鉴陈超凡[16]的测算方法，以曼奎斯特-卢恩伯格指数来衡量，曼奎斯特-卢恩伯格指数越大代表绿色生产水平越高。测算过程中以GDP为期望产出，以三大主要气体排放物：CO2、SO2、NOX为非期望产出，以资本存量、劳动投入、能源投入为投入变量，结合非径向方向距离函数进行测算，记为GTFP。 　　关于其他控制变量，在参考前人研究，并保证模型简洁性的基础上，本文主要选取人均GDP、治污投入、要素禀赋结构、技术引进等直接和间接影响绿色发展水平的关键变量作为控制变量，相应的指标选择如下：①人均GDP，由于不同经济发展阶段对于绿色发展的需求不同，因此选取人均GDP来衡量经济发展水平；②治污投入，本文主要分析的是CO2排放，以及考虑到CO2、SO2、NOX三种主要气体排放物的绿色发展，结合数据的可获得性，选取废气治理投资额占GDP比重来衡量治污投入；③要素禀赋，由于资本密集型产品与劳动密集型产品的排放强度差异明显，因此选取资本劳动比率来衡量要素禀赋；④技术引进，由于技术引进主要是以外商直接投资的形式实现的，因此选取固定资产投资中外资直接投资所占比重来衡量。
　　考虑到2008年金融危机的经济波动节点，本文起始年份设为2008年。由于部分年鉴最新年份为2016年（即2015年的数据），因此本文数据的最终年份定为2015年。此外，囿于西藏、港澳台等地区的数据缺失较为严重，因此本文的样本定格为不包括西藏、港澳台地区在内的其他30个省级行政区。相关原始数据来源如下：GDP、外商直接投资额来自历年《中国统计年鉴》；劳动投入量（用从业人数来表示）来自各省级行政区历年统计年鉴；SO2排放量、NOX排放量、环境治理投资额来自历年《中国环境统计年鉴》及《中国环境年鉴》，能源投入（能源消费量）来自历年《中国能源统计年鉴》；物质资本存量数据来自中国人力资本与劳动经济研究中心；CO2排放量来自于中国碳排放数据库（CEADs）。本文对以金额为单位的相关原始数据都进行了以2008年为基期的价格调整。
　　2.3 试点前后简单对比分析
　　本文将样本分为两个阶段（2008—2013年为非试点时期、2014—2015年为试点时期）来分别考察主要变量在试点地区和非试点地区的均值变化情况，具体见表1。为更加直观地体现试点地区和非试点地区各变量在试点时间和非试点时间的均值变化情况，本文采用比值法来进行衡量。以碳排放强度为例，首先计算出非试点时期试点地区碳排放强度与非试点地区碳排放强度的比值，然后计算出试点时期试点地区碳排放强度与非试点地区碳排放强度的比值，最后将试点时期的比值与非试点时期的比值做差。当这一差值为负数时，表明中国碳交易政策使得试点地区与非试点地区碳排放强度之比变小了；当这一差值为正数时，表明中国碳交易政策使得试点地区与非试点地区碳排放强度之比变大了。由此，可以初步反映出中国碳交易这一政策对各变量的影响。
　　从被解释变量的两大衡量指标来看，试点地区相对于非试点地区的碳排放强度有所下降，而绿色全要素生产率水平有所提高。其中，试点地区的碳排放强度在试点前后都低于非试点地区；试点地区的绿色发展程度在试点前低于非试点地区，试点后实现反超，反而高于非试点地区。从具体的数值差距来看，首先是碳排放强度，非试点时期试点地区的碳排放强度比非试点地区低47.47%，试点之后这一比例则为54.48%，扩大了7.01%；其次是绿色全要素生产率，非试点时期试点地区的绿色全要素生产率比非试点地区低0.67%，试点后比非试点地区高4.57%，总计反超了5.24%。这初步表明，中国碳交易政策抑制了试点地区的二氧化碳排放强度增势，促进了试点地区的绿色发展。需要说明的是，这仅仅是在不控制其他重要影响因素情况下的简单对比分析，中国碳交易政策是否真正提升了绿色发展水平还有待更加严格的实证检验。
　　从解释变量来看，试点地区的人均GDP、要素禀赋指标、技术引进指标在试点前后均高于非试点地区；治污投入在试点前后均低于非试点地区。从数值差距来看：就人均GDP、治污投入、要素禀赋三个指标而言，试点之后试点地区与非试点地区的差距有所缩小；就技术引进而言，试点之后试点地区与非试点地区的差距有所扩大。
　　3 回归结果及分析
　　本文采用双重差分法就中国碳交易对碳排放强度以及区域绿色发展的影响进行了回归分析。为了准确估计回归模型，本文依次进行了不加控制变量、引入控制变量、引入控制并控制时间效应以及个体效应的双向固定效应 模型进行估计。另外，为了便于横向比较各变量系数的大小，本文对非虚拟变量进行了对数化处理，这样就可以直观地分析各变量对因变量的弹性大小，进而可以比较各变量之间的作用大小。
　　表2是采用双重差分法分析碳交易對碳排放强度及绿色发展的影响结果。模型（1）和（4）是不包含任何控制变量的基准模型，模型（2）和模型（5）为增加了人均GDP、治污投入、要素禀赋、技术引进等控制变量后的模型，模型（3）和模型（6）为在控制个体效应的基础上再次控制时间效应的模型。由表2可以看出：在增加控制变量及固定效应的过程中核心解释变量的显著性和系数符号均没有发生根本性的变化，此外，该过程中可决系数也在不断变大，这表明模型的估计结果比较稳健。
　　由表2第（3）列可知，从本文最为关心的核心解释变量交互项来看，其回归系数在1%水平上显著为负，这表明中国碳交易机制实施后显著抑制了试点地区的碳排放强度。由表2第（6）列可知，从本文最为关心的核心解释变量交互项来看，其回归系数在5%水平上显著为正，这表明中国碳交易机制实施后显著提升了试点地区的绿色全要素生产率即绿色发展水平。上述结果的可能原因为碳交易通过引导纳入碳交易范围的电力、水泥、钢铁、石化等三高行业优化其能源结构、进行产业升级等行为以达到节能减排目的，以及通过创新补偿等技术引进、技术升级抑制了碳排放强度，同时协同实现SO2、NOX等区域污染物减排，最终促进区域绿色发展，但具体协同路径及作用机制仍有待进一步检验。
　　4 稳健性检验
　　为进一步检验本文的回归结果，分别采用PSM-DID稳健性检验、改变窗口期、动态DID等检验方法，对本文实证结果的稳健性进行验证。
　　4.1 PSMDID稳健性检验 　　正如前文所述，双重差分法假设在没有实行该政策时实验组与控制组的因变量变化趋势一样，即实验组和控制组具有同质性，进一步继续采用双重差分倾向性得分匹配法进行稳健性检验，具体思路为：采用Logit模型，以treat为因变量，以人均GDP、治污投入占比、要素禀赋结构、技术引进等变量作为相应的匹配变量，然后分别采用卡尺最近邻匹配法和近邻1 ∶ 1匹配法进行样本匹配。值得注意的是，为保证样本的“干净”，本文首先去除政策实施后样本数据，即仅以碳交易政策实施前年份试点与非试点地区进行倾向得分匹配，删除未匹配上数据，而后与政策实施后年份数据进行纵向匹配，并删除匹配数据中未出现的地区来保证样本数据的干净。最终，本文基于匹配数据再次 进行回归，详见表3。
　　表3第（1）（2）列分别为运用卡尺最近邻匹配和近邻1 ∶ 1匹配所得样本对碳排放强度的回归结果，表3第（3）（4）列分别为运用卡尺最近邻匹配和近邻1 ∶ 1匹配所得样本对绿色全要素生产率的回归结果。由回归结果可知，核心解释变量交互项系数全部在5%水平显著，与前文主回归保持一致，证明本文主回归结果稳健，即中国碳交易政策促进了试点地区碳排放强度下降的同时还提升了试点地区绿色全要素生产率，促进了试点地区整体绿色发展。
　　4.2 更改窗口期稳健性检验
　　考虑到政策前后的时效性问题，该部分将样本设为更为均衡的2011—2015年区间再次进行稳健性回归，回归结果见表4。
　　表4第（1）（2）（3）列分别为不加控制变量及时间固定效应、加控制变量不加时间固定效应、加控制变量以及时间固定效应对碳排放强度的回归结果。表4第（4）（5）（6）列分别为不加控制变量及时间固定效应、加控制变量不加时间固定效应、加控制变量以及时间固定效应对绿色全要素生产率的回归结果。结果可知，核心解释变量交互项系数全部在1%及5%水平显著，与前文主回归保持一致，证明本文主回归结果稳健，即中国碳交易政策促进了试点地区碳排放强度下降的同时，还提升了试点地区绿色全要素生产率，促进了试点地区整体绿色发展。
　　4.3 动态效应检验
　　对预期效应及政策动态效应进行检验，同时对共同趋势进行进一步佐证。具体做法为，分别用政策虚拟变量与政策前后年份的各年份虚拟变量进行交乘，并用被解释变量碳排放强度及绿色全要素生产率对这些虚拟交乘项及控制变量进行回归。其中图2左侧为碳交易政策对碳排放强度的动态政策效应图，图2右侧为碳交易政策对绿色发展的动态政策效应图。
　　首先，由图2左半边来看，政策实施年份以前的2011及2012年交互项系数置信区间与0轴相交，说明该两年政策效应为0，符合实际情况。2013年虽未全面开始实施政策，但部分试点已经开始试行，试点地区基于预期效应提前备战碳交易及减排活动，导致2013年开始系数逐步显著，政策预期效应开始显现。2014年政策实施年，政策效应达到最大化，但由于碳交易试点正式实施后普遍存在“经济增长不确定、信息不对称、核查不统一、交易不流动和违规处罚不严格”[17]，造成了碳交易市场活跃度低、以履约为目的的撮合交易、二级市场缺失等困扰碳交易市场正常运行的关键问题，企业积极性有所下滑，政策实施第2年即2015年政策的碳减排效应便有所下降。
　　其次，由图2右半边来看，政策实施年份以前的交互项系数置信区间全部与0轴相交，说明政策效应为0，并未产生绿色发展协同效应。之所以绿色发展效应未显现出预期效应，主要原因可能在于相对直接的碳减排效应，由绿色技术升级主导的绿色全要素生产率的提高更具有滞后性。在2014年政策实施当年，碳交易的绿色发展政策效应达到最大化，但同样由于碳交易试点正式实施后普遍存在的上述“五不”问题导致企业积极性有所下滑，2015年碳交易政策绿色发展效应也有所下降。
　　5 碳交易政策的协同减排效应及作用机制检验5.1 协同效应检验
　　本文的实证框架基于碳交易政策碳减排同时对其他污染物的协同减排效应，进而考虑多污染物后用绿色全要素生产率来衡量碳交易政策的区域绿色发展效应。故该部分以SO2排放强度（SO2与GDP比值）和NOX排放强度（NOX与GDP比值）作为因变量替换碳排放强度进行回归，对碳交易政策的协同减排效应进行检验。具体结果见表5。
　　表5前两列分别是不加时间固定效应以及加时间固定效应对SO2强度的回归结果。后三列分别是不加时间固定效应以及加时间固定效应对NOX强度的回归结果。
　　由表5可知，以SO2排放强度为因变量的回归中核心变量在1%水平显著为负，以NOX排放强度为因变量的回归中核心变量并不显著，说明碳交易的协同减排效应主要通过SO2來实现。究其原因可能为：中国煤炭产量居世界第一位，且多为高硫煤（硫含量超过2.5%），在全国煤炭的消费中，占总量84%的煤炭被直接燃用，燃烧过程中排放出大量的二氧化硫，燃煤二氧化硫排放占总二氧化硫排放量的85%以上，而NOX在其中相对排放比例则较少，这就造成了由于碳交易政策所导致的能源优化对SO2协同减排效应较为显著。
　　5.2 作用机制检验
　　从全社会的角度来看，碳交易本身为一种异质性的交易，由于不同地区，不同企业边际减排成本不同，其通过市场化的手段，构建了“经济-环境”的交易平台，在达到减排目标的同时能够激发市场主体的主动性，促进低碳要素的优化配置，改善能源结构。同时以控制碳排放为约束手段，倒逼企业进行技术转型升级，化解高碳落后产能。因此，本文主要考虑技术升级、产业结构、能源结构这三条影响碳排放及区域绿色发展的重要途径，并分别对其进行检验，具体做法借鉴刘瑞明和赵仁杰[18]的思路，分别以前文代表上述指标的技术引进、产业结构、能源结构为因变量，采用双重差分法进一步估计中国碳交易机制对这些指标的影响，具体结果见表6。
　　图2 碳交易对碳排放强度及绿色全要素生产率的动态效应 表6第（1）（2）列分别为不加控制变量及时间固定效应和包含控制变量及时间固定效应的因变量为技术引进的回归结果。第（3）（4）列分别为不加控制变量及时间固定效应和包含控制变量及时间固定效应的因变量为产业结构的回归结果。第（5）（6）列分别为不加控制变量及时间固定效应和包含控制变量及时间固定效应的因变量为能源结构的回归结果。由表6结果可知： 　　（1）技术引进的系数在1%水平显著为正，即碳交易机制显著提升了外资占比。碳交易制度基于数量原则，政府通过设定控排总量目标后将碳排放权以配额形式发放给控排企业，由于不同企业二氧化碳的减排成本各异，减排成本相对较低的企业可以出售富余配额赚取利润。外商直接投资通常具有更先进的技术，可以利用先进的技术优势，通过低边际减排成本，在节能减排的同时，通过配额市场交易，进一步获得额外收益，实现试点地区经济、环境的共同发展改善。
　　（2）能源结构的系数虽已接近显著为负，但仍不显著。通常来讲，在试点階段，纳入控排的企业主要为排放体量较大的水泥、钢铁、电力、石化等高耗能、高排放、高污染的三高企业，在碳市场机制下，其环境成本将被内化，意味着成本增加，这将倒逼这些三高企业向低排放方向发展，使得电力结构以及能源结构优化，达到减排目标。由于我国碳交易配额分配较为宽松，以广东省为例，根据2018年及“十三五”控制温室气体排放总体目标，结合自身情况，《广东省2018年度碳排放配额分配实施方案》确定2018年度配额总量为4.22亿t，其中，控排企业配额3.99亿t，储备配额0.23亿t，储备配额包括新建项目企业有偿配额和市场调节配额。各行业选择正确的配额算法，之后进行配额的部分免费发放和部分有偿发放，其中电力企业的免费配额比例为95%，钢铁、石化、水泥、造纸和航空企业的免费配额比例为97%，如此高比例的免费配额必然导致碳交易倒逼“三高”企业向低排放方向发展，促进其电力结构、能源结构优化的作用大大削弱，最终造成能源结构系数不显著。
　　（3）产业结构的系数尚不显著。历史法和基准法是碳交易配额分配的两大方法，但中国除了深圳，以及其他试点个别几个行业使用基准法外皆以历史法为主。仍以广东省为例，除电力行业燃煤燃气发电机组、水泥行业的熟料生产和粉磨等使用基准线法外，电力行业使用特殊燃料发电机组、特殊造纸和纸制品生产企业等采用历史强度下降法，水泥行业的矿山开采、钢铁行业短流程企业等选择历史排放法。即使针对部分电力行业的基准法，由于基准线法对数据的要求比较复杂，基准也并不统一，存在不同区域基准不同的情况。而历史法的最大弊端是历史排放越多所获排放配额越高，无形中反而打击了先前自主减排企业积极性。另外，历史法还无法体现不同行业排放和减排潜力的差异化特征，无法激励不同行业企业减排的差异化努力，刺激其进行产业调整。最后，碳交易试点地区建设初期，覆盖范围小、纳入门槛较高，且纳入控排的大多为高排放、高能耗、高污染的行业，因此很难在短时间实现产业结构优化升级。这些综合原因最终导致碳交易对产业结构的影响不显著。
　　6 结论与政策建议
　　6.1 结论
　　本文以2008—2015年30个省级行政区的面板数据
　　为基础，采用双重差分法实证检验了中国碳交易政策对碳排放及区域绿色发展的影响，并以倾向得分匹配双重差分法等方法进行了稳健性检验，结果发现：①中国碳交易政策在促进试点地区碳排放强度下降的同时还促进了试点地区绿色发展。这说明碳交易这种市场化的配额交易制度有利于调动区域和产业部门的内在积极性，使其主动改善能源结构，提升技术水平进而减少CO2排放，同时考虑到CO2与其他区域污染物的同根同源性，碳交易政策通过碳协同减排作用对试点地区绿色全要素生产率具有正向促进作用，即碳交易政策有利于促进试点地区整体绿色发展。②中国碳交易政策主要通过协同SO2减排实现绿色发展。通过协同效应检验可以发现，全要素生产率的提高主要得益于碳交易政策在实现碳强度下降的同时也通过能源转换等作用协同实现了SO2排放强度的下降。③中国碳交易政策实现碳减排及区域绿色发展的主要路径为促进技术引进。本文实证发现，在技术结构、产业结构、能源结构这三条影响碳排放及区域绿色发展的重要途径中，显著发挥作用的为对外商直接投资的吸引。
　　6.2 政策建议
　　第一，扎实推进全国碳市场建设。碳交易通过协同减排作用不仅抑制了CO2排放，同时也抑制了SO2的排放，即在致力于实现全球碳减排的目标框架下还促进了区域环境改善，同时缓解了国内外双重压力。扩大市场交易范围后由于区域差异所造成的异质性将会更强，从而导致不同的减排成本，使得交易变得更加有效、有利，这不仅能实现节能减排的目的，同时能更进一步为我国整体绿色发展提供动力。
　　第二，发挥碳交易与排污权交易机制的协同作用。虽然碳交易是旨在促进温室气体减排所采用的市场机制，但若将其协同减排作用纳入考量，将会与SO2排污权交易等其他区域污染物规制手段产生重叠。因此全国碳交易市场推进过程中应统筹考虑该因素，合理制定各种排放物减排目标以及交易价格，从而实现SO2等区域污染物和全域温室气体如CO2等的协同减排。另外政府在进行温室气体和区域污染物的协同控制中，还应综合考虑减碳项目的协同效应和减排成本，以达到用最低成本实现碳减排和区域污染物减排的双重目标。
　　第三，多手段并行推动绿色发展。碳交易政策通过技术引进促进了区域绿色发展，但对产业结构、能源结构的改善作用仍较为微弱，可能在于试点地区起步阶段碳交易制度顶层设计尚不完备，最终导致碳交易不活跃，碳价偏低，甚至二级市场停滞不前等现象，政策效果在第二年便开始衰减。因此，应积极吸收试点阶段经验教训，继续通过合理定价、分配配额，提高企业参与积极性，同时应联合其他多项环境保护政策共同协作、相互补充，充分发挥“看不见的手”的市场调节作用和政府的总体把控能力，共同促进区域全面绿色高质量发展。
　　（编辑：刘照胜）
　　参考文献
　　[1]杨健儿，郑祥民，周立旻.排污权交易：实现控制SO2污染的有效途径[J].中国人口·资源与环境，2010，20（S1）：219-222.
　　[2]涂正革，谌仁俊.排污权交易机制在中国能否实现波特效应？[J].经济研究，2015，50（7）：160-173. 　　[3]BHRINGER C， WELSCH H. Contraction and convergence of carbon emissions： an intertemporal multiregion CGE analysis [J]. Journal of policy modeling， 2004， 26（1）： 21-39.
　　[4]孙睿，况丹，常冬勤.碳交易的“能源-经济-环境”影响及碳价合理区间测算[J].中国人口·资源与环境，2014，24（7）：82-90.
　　[5]汤铃，武佳倩，戴伟，等.碳交易机制对中国经济与环境的影响[J].系统工程学报，2014，29（5）：701-712.
　　[6]谭秀杰，刘宇，王毅.湖北碳交易试点的经济环境影响研究——基于中国多区域一般均衡模型TermCO2[J].武汉大学学报（哲学社会科学版），2016，69（2）：64-72.
　　[7]李广明，张维洁.中国碳交易下的工业碳排放与减排机制研究[J].中国人口·资源与环境，2017，27（10）：141-148.
　　[8]CHENG B， DAI H， WANG P， et al. Impacts of carbon trading scheme on air pollutant emissions in Guangdong Province of China [J]. Energy for sustainable development， 2015， 27：174-185.
　　[9]FUJIMORI S， MASUI T， MATSUOKA Y. Gains from emission trading under multiple stabilization targets and technological constraints [J]. Energy economics， 2015， 48：306-315.
　　[10]COASE R H. The problem of social cost [M]// GOPALAKRISHNAN C .Classic papers in natural resource economics. London： Palgrave Macmillan ，1960： 87-137.
　　[11]SYRI S， AMANN M， CAPROS P， et al. LowCO2 energy pathways and regional air pollution in Europe [J]. Energy policy， 2001，29（11）： 871-884.
　　[12]VAN VUUREN D， COFALA J， EERENS H， et al. Exploring the ancillary benefits of the Kyoto Protocol for air pollution in Europe [J]. Energy policy， 2006， 34（4）： 444-460.
　　[13]石敏俊，周晟呂.低碳技术发展对中国实现减排目标的作用[J].管理评论，2010，22（6）：48-53，47.
　　[14]HE K， LEI Y， PAN X， et al. Cobenefits from energy policies in China [J]. Energy， 2010， 35（11）： 4265-4272.
　　[15]毛显强，邢有凯，胡涛，等.中国电力行业硫、氮、碳协同减排的环境经济路径分析[J].中国环境科学，2012，32（4）：748-756.
　　[16]陈超凡.中国工业绿色全要素生产率及其影响因素——基于ML生产率指数及动态面板模型的实证研究[J].统计研究，2016，33（3）：53-62.
　　[17]齐绍洲，程思.妥善处理碳市场建设中的“五个不”[N].光明日报，2016-12-07（15）.
　　[18]刘瑞明，赵仁杰.西部大开发：增长驱动还是政策陷阱——基于PSM-DID方法的研究[J].中国工业经济，2015（6）：32-43.
转载注明来源:https://www.xzbu.com/7/view-14793191.htm