■ 尹迎港，常向東

一、引言

2020 年 9 月 22 日，習近平主席在第七十五屆聯合國大會一般性辯論上向世界作出中國碳減排重要承諾，將提高國家自主貢獻力度，采取更加有力的政策和措施，二氧化碳排放力爭于2030 年前實現碳達峰，努力爭取2060 年前實現碳中和。國際發(fā)展歷程表明，多數已實現碳達峰的發(fā)達國家計劃于本世紀中期實現碳中和，而中國的人均GDP 剛突破一萬美元，還不足美國人均GDP 的1/6，且傳統(tǒng)工業(yè)對于能源的依賴度依舊較高，產業(yè)結構仍亟待升級。這給中國帶來了巨大的減排壓力，加快經濟的綠色高質量發(fā)展已成為當下的重要命題，從政府部門到企業(yè)再到個人層面的環(huán)保節(jié)能減排已按下加速鍵。實現中國長期的高質量、有效率、可持續(xù)的經濟增長需要不斷提高全要素生產率（蔡昉，2017），但傳統(tǒng)的全要素生產率并沒有考慮到經濟增長過程中所帶來的環(huán)境破壞、資源枯竭、生態(tài)退化等問題，“雙碳”背景下必須兼顧環(huán)境因素，積極采取相應政策措施，通過提質增效發(fā)展綠色全要素生產率來促進中國經濟的綠色轉型。

中國于2011 年10 月發(fā)布《關于開展碳排放權交易試點工作的通知》，正式批準北京、上海、天津、重慶、湖北、廣東、深圳七省市進行碳交易試點。2013 年深圳碳排放權交易市場率先啟動，隨后七個試點碳市場在啟動之后逐漸活躍。2020 年12 月生態(tài)環(huán)境部出臺《碳排放交易管理辦法》，進一步明確中國碳市場運行的關鍵環(huán)節(jié)和工作要求，且于2021 年7 月16 日，北京、上海、武漢三地啟動了全國碳交易線上市場。碳排放權交易政策已實行多年，但針對中國這個發(fā)展中大國所面臨的經濟發(fā)展與環(huán)境保護層面的雙重問題，碳排放權交易政策對地區(qū)綠色全要素生產率的影響如何？是否與碳減排的效果一致？相應的傳導機制如何？不同地區(qū)之間是否存在異質性？隨著全國碳交易線上市場的建立，研究碳排放權交易政策對中國綠色全要素生產率的影響具有重要現實意義。

二、文獻綜述

目前國外已有大量關于碳排放交易實施影響的研究。Calel et al.（2016）研究了歐洲排放交易系統(tǒng)（EU-ETS）對于技術革新的影響，發(fā)現其促進了試點企業(yè)的低碳技術創(chuàng)新，并且沒有排擠企業(yè)其他的技術創(chuàng)新。Zhu et al.（2019）基于中國碳排放交易政策的試點地區(qū)企業(yè)級數據進行研究，發(fā)現政策實行后使得試點地區(qū)ETS企業(yè)的低碳創(chuàng)新專利提高了5%~10%。而Yao et al.（2021）發(fā)現中國碳排放交易政策對試點地區(qū)的技術創(chuàng)新存在明顯的區(qū)域異質性，湖北省由政策沖擊提高低碳創(chuàng)新動機的影響較大。在研究減排相關的政策多樣性方面，Tietenberg（2013）認為無論是通過碳稅還是碳排放權交易，實則都是碳定價的形式，均是促進能源系統(tǒng)脫碳減排最具成本效益的策略。而Strand（2013）分析了化石能源進口國的碳稅和碳市場運行情況并在構建“政策集團”的基礎上，比較了碳稅與碳排放交易權，發(fā)現兩種途徑均能形成有效抵消機制減少邊緣地區(qū)的碳排放。

隨著中國碳排放權交易政策的實施，國內有大量學者對其進行了政策評估。李治國和王杰（2021）認為碳排放權交易政策能夠促進碳減排，且減排效果呈現逐年增加的趨勢（周迪和劉奕淳，2020）。還有學者發(fā)現碳排放權交易政策會促進地區(qū)經濟發(fā)展，具有良好的經濟增長效應和綠色效應（余萍和劉紀顯，2020），同時還會對試點地區(qū)企業(yè)創(chuàng)新的數量與質量起到“雙提高”的顯著作用（胡江峰等，2020）。在政策實施的過程中，由于試點地區(qū)在經濟發(fā)展、地理區(qū)位、產業(yè)優(yōu)化等方面存在差異，會導致不同地區(qū)的減排效果呈現出部分差異（劉傳明等，2019），而張晨等（2021）發(fā)現由于經濟資源支持不足使碳交易政策未能促進企業(yè)進行環(huán)保投資，但提高了企業(yè)預防性環(huán)保投資的積極性。

此外，國內有關環(huán)境規(guī)制政策對綠色全要素生產率的研究也已取得較大進展。辛寶貴和高菲菲（2021）運用合成控制法研究生態(tài)文明試點政策，發(fā)現該政策對綠色全要素生產率的提升有顯著正向作用，但存在區(qū)域異質性。在制造業(yè)轉型升級背景下，還有學者探究了鼓勵型政策和限制型政策對制造業(yè)綠色全要素生產率的影響，發(fā)現前者并未起到明顯促進作用，而限制型政策與制造業(yè)綠色全要素生產率呈現“U”型關系（李振洋和白雪潔，2020）。佘碩等（2020）基于中國低碳城市試點政策，運用PSMDID 驗證了低碳試點政策能夠直接對綠色全要素生產率產生正向影響。

綜上，已有研究更多是關于碳排放權交易政策減排效果的評估或其他環(huán)境規(guī)制相關政策對綠色全要素生產率的影響，而關于碳排放權交易政策對區(qū)域綠色全要素生產率影響的研究較少。另外已有研究更多采用雙重差分或傾向得分匹配的相關政策評估方法，不容易消除其他政策的干擾，且分析更偏向整體效果而缺乏試點個案特殊性的探究。而合成控制法能夠通過客觀數據的驅動合成對照組，可以更客觀地進行反事實分析，更準確地評估政策效果。

三、理論分析與研究假設

碳排放交易權給碳排放權賦予商品屬性，允許碳排放權在市場上進行交易。碳排放權交易制度實施后，一方面，由于缺少相對優(yōu)勢，一定程度上降低了高污染、高能耗企業(yè)的市場競爭力；另一方面，在政府環(huán)境監(jiān)管部門的規(guī)制作用下，高能耗企業(yè)不得不加快低碳技術創(chuàng)新與綠色轉型，形成一種倒逼機制，通過技術引進等手段來緩解由減排成本帶來的壓力。長期來看，企業(yè)需要通過技術革新手段加快向綠色環(huán)保型產業(yè)轉型升級，提高能源效率和促進低碳轉型發(fā)展，對實現區(qū)域碳減排和提升綠色全要素生產率具有正面影響。

Costantini & Mazzanti（2012）基于波特假說證實嚴格有效的環(huán)境規(guī)制會加速地區(qū)形成對資本、勞動等要素的吸引，有利于提升整個地區(qū)的資源配置效率。市場化的碳排放權交易使企業(yè)衡量購買碳配額的成本與研發(fā)低碳減排技術的成本，從中作出最優(yōu)決策。低能耗企業(yè)由于碳排放量整體較少，往往未達到固定配額排放門檻，企業(yè)超額的機會成本較低，且其能夠將碳排放權的市場交易作為渠道資金的激勵形成比較優(yōu)勢，利用該優(yōu)勢將擁有更多資源用于營業(yè)和技術研發(fā)以期提升企業(yè)的長期效益。而對高能耗企業(yè)來說，其對能源的依賴性依然較強。在規(guī)?；a條件下，企業(yè)的運營模式、生產流程等在短期內難以快速優(yōu)化來匹配低碳減排發(fā)展的需要。并且目前市場上相對高效的低碳減排技術還不夠成熟，企業(yè)生產過程中的排放往往會超出較多。因此，高能耗企業(yè)在短期內，往往會通過碳市場的交易獲取碳排放權、引進先進生產設備或采用低碳環(huán)保型生產要素等途徑進行控排。但目前中國碳排放尚未達峰，全國性的碳市場剛剛起步，市場上對碳交易的需求處于相對旺盛階段，碳價在市場供求趨向平衡的動態(tài)調整過程中將呈現上升態(tài)勢。長期來看，當企業(yè)減排的邊際成本高于企業(yè)產品的邊際價格時，高能耗企業(yè)必須通過加快低碳技術的研發(fā)和科技成果轉化來替代以上減排成本相對較高的方案，最終向綠色環(huán)保型企業(yè)轉型升級。另外，市場化的碳排放權交易也會使企業(yè)形成一種良性競爭關系。低排放企業(yè)會基于減排低成本的相對優(yōu)勢，壓縮企業(yè)整體成本，同時還能獲得政府更多的政策支持，優(yōu)化勞動、資本等要素的整合配置進行技術研發(fā)與市場開拓，提高企業(yè)的市場競爭力。而相對高排放的企業(yè)也將為發(fā)展企業(yè)和開拓市場空間，加快綠色低碳技術的研發(fā)與成果轉化進程，企業(yè)間形成“追趕效應”。這種良性競爭最終會促進區(qū)域整體的減排和綠色全要素生產率的提升。基于上述的理論與邏輯分析，提出以下研究假設：

假設1：碳排放權交易政策的實施促進了地區(qū)綠色全要素生產率的增長。

假設2：碳排放權交易政策會通過促進科技創(chuàng)新與產業(yè)結構升級提高地區(qū)的綠色全要素生產率。

四、變量選取與模型構建

（一）變量選取

現有關于綠色全要素生產率的研究，主要是基于非期望產出的SBM 模型和ML 指數分解方法進行測算。但包含非期望產出的SBM模型仍然屬于標準效率模型，即使能夠解決變量松弛問題，但當測得的效率值小于等于1 時，對于DMU為1的單元無法再做進一步區(qū)分。ML指數是基于靜態(tài)測度對指數進行分解，在形式上不滿足可傳遞性與可循環(huán)性要求，并且在測度跨期距離函數時難以克服線性規(guī)劃無解問題。因此，為解決以上關鍵問題，本文在選用超效率SBM模型的基礎上，參考Oh（2010）的研究，采用Globe-Malmquist-Luenberger（GML）指數進行綠色全要素生產率的測算，具體測算方法如下：

（1）非期望產出—超效率SBM模型

在超效率SBM 模型中，允許DMU 的效率值大于1，從而可以有效地進行區(qū)分比較和評價。因此，借鑒Li&Shi（2014）的研究方法，構建包含非期望產出的超效率SBM模型。模型假設地區(qū)的生產活動是通過多種要素投入且得到多種期望產出與非期望產出，依據環(huán)境技術框架，構建包含非期望產出的生產可能性集，進而由歷年每個地區(qū)作為一個決策單元DMU來設定最優(yōu)的生產技術前沿面。以下定義測算綠色全要素生產率的生產可能性集合：

其中，每個區(qū)域的投入產出模式對應n種投入、s種期望產出和s種非期望產出。X 表示n維投入向量，y表示s維期望產出，y表示s維非期望產出向量，分別符合，其中，X、Y符合強可處置性條件，Y符合弱可處置性條件。λ=（λ，λ，…，λ）表示L 維權重向量。（L=1，μ=1）表示規(guī)模報酬可變（VRS）；（L=0，μ=∞）表示規(guī)模報酬不變（CRS）。過度投入用向量表示，非期望產出過多則用表示表示期望產出過少。參考Tone（2003）的相關研究可以推導出非期望產出—超效率SBM模型，具體構建如下：

（2）GML指數

綠色全要素生產率指數能夠兼顧實際生產與生產前沿面技術效率變化以及每個單元生產前沿面邊界的距離即技術變化兩個方面。GML指數將所有各期的效率總和作為參考集，相較ML指數而言，具有跨期可比性，同時能有效解決線性規(guī)劃不可行解的問題：

其中，x、y表示被評價單元在 t 期的投入產出數值，E、E分別表示全局前沿和前沿t期的效率值。在非參數框架下，基于非期望產出—超效率SBM模型，建立一個非角度、非徑向的MPI，具體公式為：

（3）指標選取與處理

參考已有研究設定測度綠色全要素生產率所需要的投入指標和期望產出以及非期望產出指標，具體指標設定如下。

投入指標：能源消費總量、就業(yè)人員數、固定資本形成總額。能源消費總量為各種能源折算成煤（萬噸）后的總和。就業(yè)人員數為各地區(qū)年末三次產業(yè)就業(yè)人數的總和。固定資本形成總額參考張軍（2004）的做法，采用永續(xù)盤存法在考慮資本折舊的基礎上進行合理測度。具體測算公式為：K=I+K（1-δ），其中K為物質資本存量，I為當年形成資本總額，折舊率δ設定為9.6%，同時以2000 年為基期使用固定資產投資價格指數進行平減以消除物價變動的影響。

期望產出指標：人均GDP。人均GDP 的測算以 2000 年的 GDP 水平為基期，通過 GDP 價格指數平減處理。

非期望產出指標：地區(qū)二氧化碳排放量、工業(yè)二氧化硫排放量、工業(yè)廢水排放量、工業(yè)煙塵排放量。其中地區(qū)二氧化碳排放量依據IPCC《國家溫室氣體清單指南（2006）》中的核算標準，基于地區(qū)的能源消費情況進行測算。由于非期望產出—超效率SBM—GML指數反映了地區(qū)兩期之間的GTFP變化率，參考蔡烏趕和周小亮（2017）的做法，以2000 年為基期并將2000 年的 GTFP 設定為 1，則 2001 年的 GTFP 為 1 乘以2000—2001 年的GML 指數，依此類推以環(huán)比的方式采用連乘法計算各年份的GTFP。

（二）模型構建

目前研究領域內多采用雙重差分分析（DID）進行評估，但DID的使用需滿足平行趨勢假設，即使DID有效解決了不隨時間變化的內生因素，但隨時間變化的未觀測到的因素所產生的內生性問題尚無法有效解決。因此，Abadie&Gardeazabal（2003）在考慮以往政策評估方法缺陷的基礎上，創(chuàng)造性地提出了合成控制法（SCM）。SCM 的基本原理是選取待估變量與預測變量后，根據預測變量賦予對照組不同權重，進而合成在政策實施前與實驗組待估變量變化較為相近的合成實驗組，通過對照二者的差異評價政策的干預效果。

假設觀測到M+1 個地區(qū)T 期的綠色全要素生產率G，其中第1 個地區(qū)為碳排放權交易政策試點地區(qū)，其余M個地區(qū)均不是試點地區(qū)，并定義T為政策實施的年份（1≤T≤T）。表示地區(qū)i未受到政策沖擊的綠色全要素生產率為地區(qū)i 受到碳排放權交易政策沖擊的綠色全要素生產率，則地區(qū)i 受政策影響后的GTFP 干預效果為特別對試點地區(qū)而言，當 t＞T時，有，說明試點地區(qū)受到了政策干預影響，在T期以后可觀測其潛在結果卻無法觀測到同期未受政策沖擊后的故政策評估的關鍵在于準確有效地估計試點地區(qū)在T期以后的反事實結果在此參考Abadie et al.（2010）所提出的基于參數回歸的因子模型：

其中，γ表示影響綠色全要素生產率的時間固定效應，H是K維列向量，表示地區(qū)i不受碳排放權交易政策影響的可觀測變量，δ是K維行向量，表示相應控制變量的估計參數，μ表示個體固定效應，θ為隨時間變化但不能觀測到的公共因子向量，θμ表示不可觀測的互動固定效應，ε為隨機干擾項。

接下來構造權重向量W=（w，w，…，w）′，且權重向量滿足w+w+…+w=1。W代表對照實驗組所合成的潛在控制組，組內每一個w衡量控制組地區(qū)對目標地區(qū)的合成貢獻權重，SCM模型進而可以寫成：

Abadie et al.（2010）證明了式（8）右邊將趨近于0。故在碳排放交易政策實施期間，對試點地區(qū)而言，其不參與試點的反事實結果可以用合成控制組進行估計因此，試點地區(qū)的政策干預效果可以近似表示為：

根據以上分析，確定滿足條件的權重向量是對政策效果進行無偏估計的關鍵。令X為碳排放交易政策實施前試點地區(qū)的D維列向量，為實驗組政策沖擊前的事前特征。令X為非試點地區(qū)的D×W 的矩陣，為控制組的事前特征。可以根據最小化X和XW之間的距離函數確定最優(yōu)的合成控制權重向量W。距離函數界定為：，其中 V 是一個D×D維對稱的半正定矩陣。由于V的選取會影響到方程的均方誤差（MSPE），故選擇事前最小化MSPE的方法來確定最優(yōu)的V，繼而根據距離函數求出W，代入式（9）分析出政策干預的因果效應（Abadie et al.2010）。

參考已有相關研究，本文選取以下控制變量：（1）基礎設施水平，以各地區(qū)等級以上公路里程總數衡量；（2）工業(yè)發(fā)展程度，以工業(yè)產值/GDP 作為衡量指標；（3）人力資本水平，依據中國公共教育體系的學制設計，并遵循文獻中的普遍做法計算出地區(qū)勞動力平均受教育年限衡量人力資本水平；（4）環(huán)境規(guī)制強度，借鑒戴軍（2020）的做法，采用環(huán)境規(guī)制效果型指標，用GDP/二氧化碳排放量表征；（5）產業(yè)結構升級，參考徐德云（2008）在研究中使用的“產業(yè)結構指數”構建其代理變量，具體算法為：Tcch=，其中I表示各省份第一、二、三產業(yè)年產值的GDP 占比；（6）對外開放水平，以地區(qū)凈出口/GDP 衡量，匯率采用年平均匯率換算；（7）能源結構，以地區(qū)煤炭消耗總量/地區(qū)能源消費總量衡量；（8）政府干預程度，以政府財政收入（一般預算收入）/GDP 衡量；（9）人口密度，以各省常住人口總數/地區(qū)行政總面積衡量。由于工業(yè)發(fā)展程度、環(huán)境規(guī)制強度與能源結構很可能受到碳排放交易政策的影響，故分別選擇三者政策沖擊前的相應均值作為預測變量。全文數據均來源于歷年《中國統(tǒng)計年鑒》、各地區(qū)統(tǒng)計年鑒以及CSMAR 數據庫。鑒于數據的可靠性與可得性，選取中國2000—2019 年30個省份（不包括港澳臺、西藏）展開實證分析，其中主要變量特征如表1所示。

表1 主要變量描述性分析

變量GTFP Lnroad Sgdpp Hum Er Energy Tcch Open Gov People含義綠色全要素生產率基礎設施水平工業(yè)發(fā)展程度人力資本水平環(huán)境規(guī)制強度能源結構產業(yè)結構升級對外開放水平政府干預程度人口密度樣本量600 600 600 600 600 600 600 600 600 600均值2.048 11.338 45.528 8.823 0.492 38.258 230.345 0.294 0.204 5.420標準差1.424 0.911 8.138 1.081 0.776 15.515 13.518 0.338 0.095 1.260最小值0.912 8.372 16.200 5.720 0.008 0.999 202.765 0.011 0.069 1.968最大值30.028 12.728 61.500 11.800 8.320 98.976 283.200 1.668 0.628 8.250

五、實證結果與分析

由于七個試點地區(qū)2013 年下半年至2014年才全部正式運行碳交易市場，因此本文選取2013年作為本次碳排放交易政策的沖擊點。由于深圳屬于廣東，且不同于其他省市轄區(qū)，故本文不再對深圳展開分析，以下將主要圍繞北京、天津、上海、湖北、廣東和重慶展開研究。本文基于以上選取的控制變量合成試點地區(qū)的虛擬控制對照組，具體各試點地區(qū)對應的合成控制的省份以及相應的權重占比如表2所示。

表2 各試點省份合成地區(qū)權重

北京天津上海廣東重慶省份吉林浙江山東海南寧夏權重0.046 0.162 0.485 0.011 0.296省份江蘇浙江青海寧夏權重0.396 0.301 0.152 0.151省份江蘇浙江海南青海權重0.369 0.211 0.259 0.161湖北省份內蒙古遼寧山東河南權重0.159 0.096 0.008 0.737省份江蘇浙江福建湖南四川權重0.363 0.315 0.163 0.055 0.104省份遼寧福建海南貴州寧夏權重0.558 0.001 0.024 0.327 0.090

（一）碳排放權交易政策對地區(qū)綠色全要素生產率的直接影響

圖1 顯示的是2000—2019 年試點地區(qū)與合成地區(qū)的綠色全要素生產率變化圖，圖中豎狀的虛線表示碳排放權交易政策沖擊的時間2013年。虛線的左側為碳排放權交易政策實施前綠色全要素生產率曲線，右側則為政策實施后的綠色全要素生產率變化曲線。由圖1可知，在政策實施前，除天津以外，試點省份與合成省份擬合程度較好。在政策沖擊之后，可以通過觀察實驗組與合成控制組的差值大致判斷政策沖擊的效果。在政策沖擊后，若二者之間的差值越大，說明政策干預的效果越顯著，否則說明政策效果不顯著?？梢钥闯?，試點省份整體較合成對照組而言綠色全要素生產率呈上升趨勢，其中湖北、北京與上海的變化尤為明顯。

圖1 碳排放權交易試點地區(qū)與其合成地區(qū)的綠色全要素生產率

圖2 描述了2000—2019 年試點地區(qū)與合成地區(qū)的綠色全要素生產率的具體差值。整體來看，大多數試點地區(qū)的綠色全要素生產率提高明顯。此外，碳排放權交易政策的沖擊效果在不同地區(qū)存在一定的異質性。其中湖北省在2013 年以前與合成控制組擬合程度較高，二者GTFP 差值較小。2013 年后僅有一年與合成控制組GTFP的差值小于0，其他年份均為正值，表明該政策在湖北省試點對發(fā)展綠色全要素生產率具有更為顯著的正向作用。

圖2 碳排放權交易試點地區(qū)與其合成地區(qū)的綠色全要素生產率差值

其次，能夠看出北京與上海的政策沖擊效果也相對明顯。2013 年政策實施以后，北京與上海僅少數年份的綠色全要素生產率增長率小于零，且差值較小，整體上促進了兩地綠色全要素生產率的提升。從廣東與重慶的效果看，有部分年份的綠色全要素生產率差值大于零，重慶地區(qū)在政策實施后尤其在2015年綠色全要素生產率凈增長率接近2%，整體上政策干預后的平均增長率為正，且2018年后呈現增長趨勢，表明碳排放權交易政策對試點地區(qū)綠色全要素生產率提升具有一定作用。廣東在2013年以前擬合程度相對差些，且政策沖擊效果不如湖北等地。原因可能是，一方面，深圳特區(qū)的快速發(fā)展導致資源要素的成本不斷走高，部分企業(yè)工廠遷出深圳至較近且要素成本相對較低的廣東其他地區(qū)，在一定程度上加大了廣東的控排空間。另一方面，由于外來流動人口較多導致廣東早已成為中國第一人口大省，且廣東地區(qū)首批納入減排的企業(yè)相對較少，所以造成廣東短期減排的難度較大。但其綠色全要素生產率變化率差值相對較小，且呈現差距逐漸縮小轉正的趨勢。而天津的GTFP 變化效果除2012 年、2013年差值變化明顯為正，其余年份相對平緩，看出該政策對天津整體綠色全要素生產率的提升作用短期不太顯著。以上說明經濟發(fā)展水平、產業(yè)結構、地理區(qū)位等因素上的差異性會使政策產生具有一定異質性的干預效果，但整體而言，碳排放權交易政策的實施對地區(qū)綠色全要素生產率的提升具有促進作用，驗證了上文假設。

（二）穩(wěn)健性檢驗

1.安慰劑檢驗

參考Abadie et al.（2010）的做法，采用排序檢驗法排除其他因素的干擾以及偶然性事件來進一步驗證碳排放交易政策對地區(qū)綠色全要素生產率的促進作用。

排序安慰劑檢驗的基本原理是在控制組地區(qū)中隨機抽取一地區(qū)，假設其受到了政策沖擊，即為碳排放權交易政策的試點地區(qū)，將其視為實驗組，其余地區(qū)則視為控制組，進而采用合成控制法判斷該假定實驗組受到沖擊后的潛在政策干預效果，這種差異即為“安慰劑效應”。同時，為確保排序檢驗的擬合效果，保證均方根預測誤差（RMSPE）盡可能的小，遵循文獻中普遍做法剔除RMSPE值大于對應真實試點地區(qū)2倍的假定試點地區(qū)，具體結果如圖3所示。

圖3 碳排放權交易試點地區(qū)與其他地區(qū)的綠色全要素生產率差值分布

圖3中實線代表真實試點地區(qū)，虛線則代表假定試點地區(qū)?？梢钥闯?，在2013年以前，除天津外，真實試點地區(qū)與假定試點地區(qū)的差異整體較小，并且在2013年政策沖擊以后，可以明顯看出真實試點地區(qū)的政策干預效果顯著。在給予隨機處置的基礎上，北京、上海與重慶的綠色全要素生產率增長效果均在5%的水平上顯著，湖北、廣東在10%的水平上顯著。排序安慰劑檢驗的結果說明碳排放權交易政策整體上促進了地區(qū)綠色全要素生產率的增長。

2.PSM-DID檢驗

因為實驗組與控制組可能存在的系統(tǒng)性差異，本文選取傾向得分匹配-雙重差分模型再次將碳排放權交易政策對地區(qū)綠色全要素生產率的影響予以檢驗。檢驗的控制變量與上文相同，并通過Logit 模型進行核匹配以形成本文的試點地區(qū)對照組，之后通過DID 進行回歸分析?；貧w結果表明，政策沖擊系數為0.712，且通過了1%的顯著性水平檢驗?；貧w結果再次驗證了碳排放權交易政策促進地區(qū)綠色全要素生產率提升的結論穩(wěn)健可靠。

（三）進一步影響渠道探討

進一步探討碳排放權交易政策能否通過作用于科技創(chuàng)新和產業(yè)結構升級兩個重要途徑對地區(qū)的綠色全要素生產率產生影響。其中，科技創(chuàng)新（Innovate）采用地區(qū)年末三大專利授權總數，并取對數進行衡量；產業(yè)結構升級（Tcch）參考上文設定標準。中介效應檢驗采用逐步回歸法，由于前文碳排放權交易政策對地區(qū)綠色全要素生產率的正向影響已得到驗證，以下將主要針對中介效應檢驗的第二、三步進行研究分析，中介效應檢驗方程如下：

其中，中介變量M為科技創(chuàng)新（Innovate）與產業(yè)結構升級（Tcch）。X、Z為中介變量對應的一些控制變量。中介效應檢驗的回歸結果如表3所示。

表3 碳排放權交易政策對地區(qū)綠色全要素生產率的作用渠道

注：括號內為 t 值，*、**和***分別代表10%、5%和1%的顯著性水平。

變量（1）Tcch 2.211**（2.162）（2）GTFP 0.314*（1.946）（3）Innovate 0.607***（3.349）0.034**（2.064）treated×post Innovate Tcch控制變量地區(qū)效應常數項觀測值R2值是 是是 是是 是是 是（4）GTFP 0.454**（2.588）0.001**（2.434）207.990***（32.078）600 0.701-12.546***（-3.816）600 0.225-1.964***（-4.318）600 0.634-0.217（-0.552）600 0.193

通過回歸結果可以看出，碳排放權交易政策的實施對地區(qū)的科技創(chuàng)新和產業(yè)結構升級均具有顯著的正向作用，且在政策沖擊變量分別與科技創(chuàng)新、產業(yè)結構升級的共同作用下，對試點地區(qū)的綠色全要素生產率仍有顯著的正向影響。說明科技創(chuàng)新與產業(yè)結構升級是碳排放權交易政策促進地區(qū)綠色全要素生產率提升的兩個重要作用途徑，結果與上文理論分析一致。同時為進一步驗證上述中介效應檢驗結論的穩(wěn)健性，以下采用Bootstrap 檢驗進行隨機抽樣1000 次再次檢驗中介效應存在與否。表4 結果顯示中介變量的間接效應和直接效應在偏差校正百分位法與百分位法下，均在95%的置信區(qū)間上不包括0，表明通過檢驗，驗證了部分中介效應的存在。

表4 Bootstrap檢驗結果

中介變量檢驗內容Tcch Innovate間接效應直接效應間接效應直接效應偏差校正95%置信區(qū)間下限0.287 0.005 0.215 0.146上限0.687 0.660 0.515 0.771百分位95%置信區(qū)間下限0.287 0.004 0.203 0.168上限0.688 0.659 0.499 0.786

六、結論與對策建議

采用中國2000—2019 年省級面板數據，通過合成控制法以及安慰劑檢驗和PSM-DID一系列穩(wěn)健性檢驗探究了碳排放交易政策對區(qū)域綠色全要素生產率的影響。具體結論有：第一，碳排放權交易政策的實施總體上促進了試點地區(qū)的綠色全要素生產率增長。第二，政策干預的效果存在局部異質性，湖北、北京、上海效果最好，廣東與重慶效果次優(yōu)，天津的干預效果不太顯著。第三，在碳排放權交易政策影響綠色全要素生產率的過程中，科技創(chuàng)新與產業(yè)結構升級是兩個重要傳導路徑，該政策能夠通過促進試點地區(qū)的科技創(chuàng)新水平提升和產業(yè)結構升級來進一步提高綠色全要素生產率。基于以上結論，提出以下對策啟示：

第一，加快完善全國統(tǒng)一的碳交易市場建設。目前中國碳交易線上市場已分別于北京、上海和武漢三地啟動，碳排放權交易政策能有效地促進試點地區(qū)的綠色全要素生產率增長，且政策的正向干預效果在北京、上海和湖北尤為顯著?？梢詮慕灰资袌龅幕钴S度與流動性、碳配額管理制度的多樣性以及對應的獎懲措施等方面予以借鑒，盡快完善碳市場高效運行所需要的基礎配套設施，形成可供全國復制推廣的有效實踐經驗，充分發(fā)揮碳交易市場的減排作用。第二，完善科技成果轉化的市場激勵機制，加快企業(yè)的綠色化轉型升級。依托碳排放權交易政策以及全國線上碳交易市場，積極引導高校、科研機構等對綠色全要素生產率進行探究，繼續(xù)推行產學研深度融合發(fā)展的長效機制。此外政府應鼓勵、支持、引導企業(yè)進行綠色創(chuàng)新、成果轉化以及綠色轉型發(fā)展，通過支持研發(fā)、補貼、退稅、減免、提供貸款擔保和專利授權等方式，探究有利于綠色全要素生產率增長的最優(yōu)方案，充分發(fā)揮市場主導與政府引導的協(xié)同治理作用，形成有利于企業(yè)技術創(chuàng)新和產業(yè)結構轉型向綠色化方向發(fā)展的市場環(huán)境。第三，繼續(xù)完善與碳排放權交易政策相關的制度設計。政府可在制度設計層面融入綠色創(chuàng)新、綠色轉型等一系列獎勵激勵機制，并可通過市場化的手段對企業(yè)予以績效評估，以評價企業(yè)在綠色發(fā)展過程中的質量效果與可持續(xù)性。另外，碳交易政策可結合排污權、碳稅等多種方式，針對不同地區(qū)存在的異質性，結合本地特色“因地制宜”，制定多元化、差異化的政策制度，提高政策實施的靈活性，以更好地促進地區(qū)綠色全要素生產率的增長和推動中國經濟社會的高質量發(fā)展。