聶 茜

(成都理工大學，四川 成都 610059)

0 引言

我國是世界上最大的能源消費國，也是世界第一大電力生產(chǎn)國，中國各行業(yè)依靠電力實現(xiàn)高速發(fā)展的同時也對環(huán)境產(chǎn)生了巨大負面影響。以碳排放為例，2019年發(fā)電行業(yè)二氧化碳排放量占全國碳排放的46%，可見發(fā)電行業(yè)碳減排對完成2030年二氧化碳達峰的承諾有著重要意義。根據(jù)中電聯(lián)初步分析，強制性制定技術標準已難以推進電力行業(yè)深度減碳。而市場型減排政策符合時代需求，對我國實現(xiàn)綠色經(jīng)濟發(fā)展，推進生態(tài)文明建設，具有非同凡響的戰(zhàn)略意義。

2013年6月起，我國陸續(xù)啟動8個試點城市的碳排放權交易市場，大部分試點都將高能耗、高排放的發(fā)電行業(yè)納入其中。2017年12月，國家發(fā)改委要求率先啟動發(fā)電行業(yè)全國碳排放交易市場。根據(jù)測算，首批納入的發(fā)電企業(yè)碳排放量約占全國的1/3，是迄今全球最大的碳排放權交易市場。中國的資源情況決定了電力結構以火電(特別是煤電)為主，那實施市場型減排政策是否能引導發(fā)電行業(yè)實現(xiàn)碳減排？內(nèi)在機制又是什么？這是本文試圖回答的問題。因為碳排放權交易試點時間主要集中于2013年年底和2014年上半年，本文將政策時間的分界點統(tǒng)一確定為2014年。由此采用合成控制法探索碳排放權交易對發(fā)電行業(yè)的政策效應，并采用中介效應法識別該政策對試點地區(qū)發(fā)電行業(yè)碳減排的影響途徑，為全國碳交易市場的完善提供政策參考。

1 文獻綜述

環(huán)境資源是一種不具有排他性但具有競爭性的社會公共產(chǎn)品，經(jīng)過世界各國政府的政策實踐和國內(nèi)外學者的實證研究，發(fā)現(xiàn)合理的環(huán)境規(guī)制能夠抑制污染物的排放。面對中國日趨緊迫的環(huán)境問題，建立有效和完善的環(huán)境規(guī)制執(zhí)行體系，選擇合理有效的環(huán)境規(guī)制政策，是構建高質(zhì)量現(xiàn)代化經(jīng)濟體系的必然要求，也是建設美麗中國的推動力[1-2]。

政府出臺的環(huán)境規(guī)制政策分為三類：第一類命令控制型政策，傳統(tǒng)政府干預經(jīng)濟理論認為，政府擁有著完全信息，在解決環(huán)境外部性方面是有效的；第二類財政型政策，來自庇古提出的經(jīng)濟方法，他認為采用稅收手段能將環(huán)境污染帶來的外部性問題轉化為排污者的內(nèi)部成本；第三類市場型政策，基于環(huán)境污染的外部性和科斯定理的產(chǎn)權方式，通過將產(chǎn)權邊界清晰化賦予環(huán)境資源經(jīng)濟價值，在市場主體之間創(chuàng)造出交易市場，最具代表性的是排放權交易[3]。

不同環(huán)境規(guī)制對能源消費和污染物減排的政策效果，一直是學術界持續(xù)探討的問題。

孫鰲[4]指出命令控制型政策在發(fā)展中國家或許更能有效的減少污染排放。Xue[5]認為國家排放總量控制此類“政治性藍天”的研究從側面考察了命令控制型政策的治理效果。但研究環(huán)境政策工具對環(huán)境質(zhì)量的改善作用時，發(fā)現(xiàn)命令控制型政策不能同時對各類污染物起到抑制作用，僅對某類污染有效；從時序演變特征角度來看，其對促進即期中國節(jié)能減排技術的創(chuàng)新效果也并不顯著[6-7]。而且命令控制型政策可能會出現(xiàn)政策失靈，例如：墨西哥實施的單雙號限制政策，中國長江水污染治理出現(xiàn)“污染避難所效應”，均加重環(huán)境污染[8-9]。

早期在環(huán)境規(guī)制初始階段，由于經(jīng)濟手段和市場化政策受人為因素影響較大、缺乏有效監(jiān)管機制、制度基礎薄弱等原因，導致中國依靠命令控制型政策來治理污染。隨著發(fā)展進入新階段，國內(nèi)學者通過建立環(huán)境污染的理論模型，分析政府的環(huán)境政策效應，認為相比于命令控制型政策的強制性，基于市場的減排手段成本更低，創(chuàng)新激勵性和靈活性更強，對生產(chǎn)率的促進更為明顯[10-11]。

環(huán)境稅是財政型政策的典型代表，從最優(yōu)稅率的決定來看，在前一期給定稅率下，應通過觀測企業(yè)減排狀況來調(diào)整本期稅率，并能實現(xiàn)“雙重紅利”[12]。Ploeg等[13]建議各國設計最優(yōu)碳稅稅率碳稅時應當綜合考慮二氧化碳累計排放量及新增排放量。Yan和Toshihiko[14]利用可計算一般均衡模型發(fā)現(xiàn)硫稅是治理霧霾的有效手段。但財政型政策在實際操作中的減排效果并不穩(wěn)定，各區(qū)域?qū)嵤┎煌呒s束會存在“監(jiān)管泄露”的情況[15]。一方面，地方官員會因為績效考核，犧牲環(huán)境以爭取最大可能的經(jīng)濟發(fā)展，降低環(huán)境規(guī)制標準[16-17]。另一方面，不合理的行政干預將會降低環(huán)保稅的實施效果，對經(jīng)濟沖擊較大[18-20]。

碳排放權交易基于產(chǎn)出配置失衡假設，本質(zhì)上改善了需求側的分配不均衡問題，為市場主體提供了靈活的減排策略[21]。隨著命令型減排政策的負面影響越發(fā)嚴重，引入市場型政策解決碳排放問題已成為世界共識。國外研究者廣泛認可歐盟碳排放權交易體系所產(chǎn)生的減排效果[22]。國內(nèi)學者發(fā)現(xiàn)建立碳市場能夠有效降低“污染天堂”效應，降低減排成本，對改善環(huán)境、降低二氧化碳排放量有著積極作用[23-25]。在全球主要的碳市場中，電力企業(yè)都是第一批進入的市場參與主體。因此從實踐角度，中國的碳交易機制需要重點關注高度管制下的電力行業(yè)[26]。電力行業(yè)作為能源加工轉換的主要部門在電力生產(chǎn)過程中實現(xiàn)排放，而在消費過程中并不產(chǎn)生排放[27]。因此，現(xiàn)有文獻重點關注環(huán)境規(guī)制對發(fā)電企業(yè)效率的影響和微觀層面電力企業(yè)的碳配額，發(fā)現(xiàn)有效的環(huán)境規(guī)制提升了發(fā)電企業(yè)的生產(chǎn)效率和技術效率，而合理的碳配額基準線設定能夠有效降低發(fā)電企業(yè)的碳排放量，促進企業(yè)減排的積極性[28-32]。

以上文獻比較了環(huán)境管理的三種政策工具，仔細分析了碳排放權交易對環(huán)境規(guī)制的有效性，為研究發(fā)電行業(yè)的減排效應提供了理論基礎和實證分析結論。現(xiàn)有文獻大都從企業(yè)層面分析，考慮到中國發(fā)電企業(yè)的數(shù)量多分布廣，僅選取部分發(fā)電企業(yè)分析碳交易政策的減排效果，研究結論的代表性不夠具有說服力。并且，對于在碳排放權交易政策作用下發(fā)電行業(yè)的減排路徑并未提及。因此，本文對各省發(fā)電行業(yè)進行實證研究，選擇合成控制法評估試點地區(qū)碳排放權交易的政策效果，再探索該政策影響發(fā)電行業(yè)碳減排的作用機制。

2 模型描述與數(shù)據(jù)處理

2.1 政策評估模型

合成控制法(SCM)根據(jù)預測變量對控制對象進行加權合成與處理組特征相似的虛擬對照組，再將虛擬組與處理組進行比較，在選擇控制組時避免主觀性和隨意性問題。因此，本文采用合成控制法來考察碳交易機制對發(fā)電行業(yè)碳排放量的影響。由于深圳的相關數(shù)據(jù)已納入到廣東省，將深圳市合并到廣東省內(nèi)。所以本文將北京、上海、廣東、天津、湖北、重慶和福建作為實驗單元，其余23個省份(除西藏、港澳臺地區(qū))作為備選控制單元；將2014年定為碳交易政策實施的開始年份，使用Synth程序進行合成控制模型的估計。

2.2 數(shù)據(jù)來源和變量選取

數(shù)據(jù)來源于2008-2016年的《中國統(tǒng)計年鑒》、《中國能源統(tǒng)計年鑒》、統(tǒng)計年鑒以及《2006年IPCC國家溫室氣體指南》。

本文研究內(nèi)容是碳排放權交易對發(fā)電行業(yè)的政策效應分析，選取發(fā)電行業(yè)的碳排放量作為合成控制法的結果變量。借鑒相關研究，選取經(jīng)濟發(fā)展水平、人口水平、地區(qū)經(jīng)濟發(fā)展水平差異、城市規(guī)模、地區(qū)開放程度、城市的產(chǎn)業(yè)結構等變量作為預測變量。具體變量說明如下：

(1)發(fā)電行業(yè)的碳排放量：本文選取火力發(fā)電主要能源的消耗量作為計算電力行業(yè)碳排放的投入變量，采用各類能源的碳排放系數(shù)進行估算，計算公式為：

其中CC表發(fā)電行業(yè)碳排放量，Eq代表q類能源消費量，能源種類有：原煤、洗精煤、其他洗煤、煤矸石、焦爐煤氣、其他煤氣、高爐煤氣、燃料油、煉廠干氣以及天然氣；Sq代表各類能源標準煤折算系數(shù)；Fq為各類能源碳排放系數(shù)。

(2)經(jīng)濟發(fā)展水平(Ingdp)：使用地區(qū)生產(chǎn)總值對數(shù)值衡量。

(3)人口水平(Urban)：使用城鎮(zhèn)化率衡量。

(4)城市的產(chǎn)業(yè)結構(Second)：使用第二產(chǎn)業(yè)占GDP的比重衡量。

(5)城市規(guī)模(Inrk)：使用人口規(guī)模對數(shù)值衡量。

(6)地區(qū)開放程度(Infdi)：使用外商投資企業(yè)投資總額占GDP比值的對數(shù)化衡量。

(7)地區(qū)經(jīng)濟發(fā)展水平差異(Ingdp(-1))：使用滯后一期地區(qū)GDP的對數(shù)形式衡量。

(8)使用2009、2011和2013年的電力碳排放量作為三個額外預測變量，增強控制組和處理組在政策實施前的擬合精確度。

3 實證過程與結果分析

3.1 政策效應估計

考察試點省份和非試點省份發(fā)電行業(yè)碳排放量的趨勢，大致估計碳排放權交易政策實施效果，如圖1所示。

從圖1觀察到2014年正式實施碳排放權交易政策后，兩者間的差距逐步擴大。即便2017年受天氣影響，水力發(fā)電總量減少，導致煤炭消費增長2.5%，兩者間的差距依然增大。綜上可知，碳交易政策對發(fā)電行業(yè)具有減排作用。

3.2 實證結果

為更有針對性的評價碳交易政策對試點省份發(fā)電行業(yè)碳排放的影響，本文為試點地區(qū)構建相應的合成控制省份，如表1。

表1 試點省份預測變量實際觀測值與合成控制估計值的比較

從表1可以發(fā)現(xiàn)大多數(shù)省份預測變量的實際觀測值與合成控制估計值十分接近，差異較小，這說明其構造出來的合成控制省份與真實省份在開展低碳試點之前具有較高的相似性。

針對北京有正向合成控制率的省份分別為海南(0.951)和四川(0.049)；對天津有正向合成控制率的省份分別為江西(0.569)、廣西(0.084)、海南(0.122)和新疆(0.225)；對上海有正向合成控制率的省份分別為遼寧(0.146)、吉林(0.078)、江西(0.285)湖南(0.13)和四川(0.361)；對廣東有正向合成控制率的省份分別為江蘇(0.396)和浙江(0.604)；對福建有正向合成控制率的省份分別為吉林(0.165)、江蘇(0.096)、湖南(0.669)、寧夏(0.017)和新疆(0.053)；對重慶有正向合成控制率的省份分別為江西(0.245)、湖南(0.203)和海南(0.552)，對湖北有正向合成控制率的省份分別為遼寧(0.219)和江西(0.781)。

試點省份與其相對應的合成省份發(fā)電行業(yè)碳排放演變路徑如圖2所示。實線代表試點省份實際碳排放量，虛線表示合成省份碳排放量，垂直虛線表示政策實施時間點。

運用合成控制法后的結果顯示，在碳排放權交易政策發(fā)布前特征擬合最好的是湖北和天津，其次是廣東、上海和福建，擬合情況最差的是北京和重慶。主要原因是，北京特殊的經(jīng)濟、政治地位，其他省份難以完美擬合；重慶未將電力行業(yè)納入其中。由此，下文重點分析擬合狀態(tài)較好的其余五省。

3.3 穩(wěn)健性檢驗

3.3.1 安慰劑檢驗

此方法增強研究結論的穩(wěn)健性，證實結果產(chǎn)生并非偶然。本文貢獻率最高的非試點省份，分別為江西、四川、浙江和湖南，假設同一個時間實施相同政策，再運用合成控制法進行同樣的分析，若分析結果得到的政策效應遠小于實證分析中的差異，說明試點省份和合成省份的碳排放量差異確實來源于試點政策的出臺，若結果相反，說明實證分析結果無效。

由圖2發(fā)現(xiàn)，四個省份在假設受到碳排放權交易的政策沖擊后，政策效果都不理想。由此證明了試點省份受到的碳排放權交易政策影響并不是偶然。

3.3.2 排序檢驗法

為檢驗估計的政策效果在統(tǒng)計意義上顯著，選取構造反事實合成省份時合成貢獻率為正的所有省份以及選取權重為0的兩個省份，并排除平均預測標準差超過試點地區(qū)2倍的省份。根據(jù)以上標準，為天津、上海、廣東、福建和湖北進行排序檢驗，并以每一個省份的真實發(fā)電行業(yè)二氧化碳排放量減去合成的二氧化碳排放量得到差值，對比試點省份與安慰劑檢驗的非試點省份的差值大小，繪制折線圖。

由圖4可知，天津、上海、廣東、福建和湖北的在政策實施之前變動幅度小于非試點省份，表明前期擬合程度較好，能夠接近真實的情況；政策實施后，變動的程度都大于非試點省份，說明試點省份和非試點省份的合成誤差存在顯著的差異，證明碳排放權交易政策對試點省份的政策效果顯著。

4 碳排放權交易政策機制檢驗

前文碳排放權交易政策顯著減少了試點省份發(fā)電行業(yè)碳排放量。由機理分析可知，該政策對試點地區(qū)發(fā)電行業(yè)碳排放的影響途徑主要是發(fā)電能源消費量和發(fā)電能源消費結構，為識別這一機制是否存在，本文通過實證分析檢驗。

4.1 模型設定

借鑒Baron和Kenny(1986)的中介效應模型，構建以下方程：

CO2=αit+β1DID+δcontrolit+εit

(1)

Wit=αit+λDID+φcontrolit+εit

(2)

CO2=αit+β2Wit+δcontrolit+εit

(3)

CO2=αit+β3DID+θWit+δcontrolit+εit

(4)

其中，DID為碳排放權交易試點的虛擬變量，引入地區(qū)、政策兩個虛擬變量進行相乘的交互項。如果省份i在時期t已經(jīng)成為碳交易試點，則該變量為1，否則為0。controlit是一組控制變量，包括經(jīng)濟發(fā)展水平(Ingdp)、人口水平(Urban)、城市的產(chǎn)業(yè)結構(Second)、城市規(guī)模(Inrk)地區(qū)開放程度(Infdi)、地區(qū)經(jīng)濟發(fā)展水平差異(Ingdp(-1))。Wit為中介變量，包括：(1)發(fā)電能源消費量(Econ)，用各地區(qū)實際消耗的火力發(fā)電能源消費量衡量；(2)發(fā)電能源消費結構(Stru)，煤炭是主要的消費來源，因此采用原煤消費量占火力發(fā)電能源消費總量的比重衡量。

4.2 結果分析

表2中第(1)列是模型1的基準回歸結果，反映出碳排放權交易政策對發(fā)電行業(yè)CO2排放量有顯著的負面影響，與合成控制法得出的結論一致。第(2)、(3)、(4)列分別是模型2、模型3、模型4的回歸結果。第(2)列中DID的回歸系數(shù)顯著為負，說明碳交易政策有效減低發(fā)電能源消費總量，起到抑制效果。第(3)列中，Econ的回歸系數(shù)顯著為正，表明發(fā)電能源消費總量和發(fā)電行業(yè)碳排放量正相關。第(4)列回歸結果中含有DID和Econ，相比于第(1)列的基準回歸結果，DID的顯著性水平下降，這意味著碳排放權交易政策通過降低發(fā)電能源消費量來抑制發(fā)電行業(yè)二氧化碳排放量。

表2 中介效應檢驗——發(fā)電能源消費總量

表3第(2)列中，DID的回歸系數(shù)在10%的顯著性水平下顯著為負，表明碳排放權交易政策對發(fā)電能源消費結構有顯著的負面影響，意味著碳排放權交易政策能夠有效的降低煤炭消費量，倒逼企業(yè)的轉型升級，提升清潔能源使用，促使發(fā)電行業(yè)的綠色轉型發(fā)展。第(3)列中，模型結果顯示Stru的回歸系數(shù)在10%的顯著水平下顯著為正，表明發(fā)電能源消費結構和發(fā)電行業(yè)碳排放量之間存在正相關。第(4)列中，回歸結果中含有DID和Stru，相比于第(1)列，DID系數(shù)的絕對值變小。說明存在中介效應，即碳排放權交易政策通過調(diào)整能源消費結構減少發(fā)電行業(yè)碳排放量。值得注意的是，相比發(fā)電能源消費總量的中介效應，這一中介效應中，β3相對β1降低的幅度明顯要小，意味著從樣本考察期看，事實上碳交易機制通過轉變發(fā)電能源消費結構的途徑抑制發(fā)電行業(yè)碳排放量的作用有限。

表3 中介效應檢驗——發(fā)電能源消費結構

5 結論

實證結果顯示碳排放權交易對不同試點地區(qū)發(fā)電行業(yè)碳排放量的政策效果不一致，主要原因是碳排放權交易試點運行狀況的差異。利用中介效應發(fā)現(xiàn)，碳排放權交易政策通過降低地區(qū)發(fā)電能源消費總量，調(diào)整發(fā)電能源消費結構實現(xiàn)發(fā)電行業(yè)的減排目標。在建設“美麗中國”的歷史使命面前，發(fā)電行業(yè)要堅持綠色發(fā)展理念，以構建清潔低碳、安全高效的能源體系為目標，加快推進發(fā)電行業(yè)綠色轉型，助力打贏藍天保衛(wèi)戰(zhàn)。

上述的實證檢驗和結果分析為發(fā)電行業(yè)全國碳排放權交易市場建設提供一些政策啟示：

(1)推動碳交易市場建設，倒逼企業(yè)綠色轉型。碳排放權交易政策對碳減排起到積極的作用，政府應逐步將命令型減排手段向市場型減排手段轉變。借鑒湖北、天津等政策效果好的試點地區(qū)經(jīng)驗，不斷完善碳交易市場的各項制度體系，在活躍碳市場的同時，促進企業(yè)的轉型升級，高效生產(chǎn)，以縮減行業(yè)碳排放量。

(2)轉變電力供應主體，提升天然氣發(fā)電比例。發(fā)電能源消費結構依賴的能源主要是煤炭，通過中介效應發(fā)現(xiàn)相比于發(fā)電能源消費總量，其抑制發(fā)電行業(yè)碳排放量的作用是有限的，因為在發(fā)電企業(yè)的設備更新、升級之后煤炭的排放量將會固定，很難實現(xiàn)更進一步的減排。因此開展清潔能源發(fā)電勢在必行。風電、水電等可再生能源發(fā)電率并不穩(wěn)定，但天然氣發(fā)電能效高、占地少、節(jié)約資源，適宜于布局在城市及周邊，燃氣電廠的建設周期相對更短，初始投資相對更低，提升氣電比例可有效降低火電碳排放水平，也是增強電力系統(tǒng)靈活性的重要途徑之一。