柳亞琴,孫 薇,朱治雙

碳市場(chǎng)對(duì)能源結(jié)構(gòu)低碳轉(zhuǎn)型的影響及作用路徑

柳亞琴*,孫 薇,朱治雙

(山西財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院,山西 太原 030006)

選取中國2000～2018年30個(gè)省市的面板數(shù)據(jù),構(gòu)建了能源消費(fèi)結(jié)構(gòu)低碳化指數(shù),基于多期雙重差分、三重差分等方法實(shí)證檢驗(yàn)碳交易政策與能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型之間的關(guān)系及異質(zhì)性影響,并進(jìn)一步利用多重中介效應(yīng)模型探討碳交易政策推動(dòng)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的作用路徑.結(jié)果表明:碳交易政策可以顯著提升地區(qū)能源消費(fèi)結(jié)構(gòu)低碳化水平且作用效果逐年增強(qiáng).從作用路徑看,“四大效應(yīng)”激勵(lì)作用彰顯,作用效果由大到小依次為結(jié)構(gòu)優(yōu)化效應(yīng)、行為驅(qū)動(dòng)效應(yīng)、生態(tài)創(chuàng)新效應(yīng)和環(huán)保支出效應(yīng);從異質(zhì)性影響看,GDP增速較慢地區(qū)的政策實(shí)施加快了能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型,影響明顯高于GDP增速較快地區(qū);碳交易政策對(duì)東部地區(qū)的正向推動(dòng)效應(yīng)顯著,對(duì)中西部地區(qū)無明顯促進(jìn)作用.

碳交易政策；能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型；多期雙重差分模型；多重中介效應(yīng)模型

能源消費(fèi)結(jié)構(gòu)的轉(zhuǎn)型升級(jí)是我國建立健全綠色低碳循環(huán)發(fā)展經(jīng)濟(jì)體系的關(guān)鍵路徑[1].然而,當(dāng)前中國煤炭消費(fèi)量仍占據(jù)世界半壁江山,與多數(shù)國家能源消費(fèi)結(jié)構(gòu)低碳化水平還存在較大差距.“十一五”以來,中國大力加快能源消費(fèi)清潔低碳轉(zhuǎn)型,持續(xù)優(yōu)化能源消費(fèi)結(jié)構(gòu),基本扭轉(zhuǎn)了煤炭比重長期維持在70%左右的局面[2],煤炭消費(fèi)占比由2008年的72.4%下降至2020年的56.8%,但仍遠(yuǎn)超27.2%的世界平均水平和11.2%的美國煤炭消費(fèi)占比.中國亟需加快能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型.而碳交易政策作為一種市場(chǎng)型環(huán)境規(guī)制手段,有助于我國通過較低的成本實(shí)現(xiàn)減排目標(biāo),同時(shí)也是實(shí)現(xiàn)“雙碳”目標(biāo)的重要政策工具[3].基于此,本文研究碳交易政策對(duì)能源消費(fèi)結(jié)構(gòu)的影響及傳導(dǎo)機(jī)制,對(duì)于我國推動(dòng)經(jīng)濟(jì)社會(huì)發(fā)展全面綠色低碳轉(zhuǎn)型具有重要的參考意義.

1 文獻(xiàn)綜述

現(xiàn)有文獻(xiàn)關(guān)于能源消費(fèi)結(jié)構(gòu)的相關(guān)研究主要聚焦在影響因素、變動(dòng)趨勢(shì)預(yù)測(cè)和低碳化水平的測(cè)度三個(gè)方面.就能源消費(fèi)結(jié)構(gòu)影響因素而言,學(xué)者們普遍認(rèn)為能耗強(qiáng)度[4]、產(chǎn)業(yè)結(jié)構(gòu)[5]、城鎮(zhèn)化水平[6]、經(jīng)濟(jì)發(fā)展水平[7]等因素對(duì)能源消費(fèi)結(jié)構(gòu)產(chǎn)生主要影響.就能源消費(fèi)結(jié)構(gòu)變動(dòng)趨勢(shì)預(yù)測(cè)而言,主要關(guān)注于方法選擇,如許多學(xué)者通過馬爾科夫鏈[8]、能源消費(fèi)彈性系數(shù)[9]、組合模型[10]等考察能源消費(fèi)結(jié)構(gòu)的變動(dòng)趨勢(shì).其中,與單一模型相比,組合模型可以得到更精確可靠的預(yù)測(cè)結(jié)果.就能源消費(fèi)結(jié)構(gòu)低碳化的測(cè)度方面研究而言,學(xué)界主要有以下兩種思路:一是使用單一指標(biāo)對(duì)能源消費(fèi)結(jié)構(gòu)低碳化程度進(jìn)行刻畫,如使用煤炭占比[11]、煤炭消費(fèi)占比和非化石能源消費(fèi)占比[12];二是通過構(gòu)建綜合指標(biāo)來評(píng)估能源消費(fèi)結(jié)構(gòu)低碳化程度,如苗陽等[13]利用AHP模型構(gòu)建綜合能源結(jié)構(gòu)評(píng)價(jià)體系;周四軍等[14]采用稀疏主成分分析測(cè)算地區(qū)能源高質(zhì)量發(fā)展程度;李榮杰等[15]通過改進(jìn)加權(quán)多維向量夾角方法構(gòu)建了能源結(jié)構(gòu)低碳化綜合指數(shù).

碳交易試點(diǎn)政策對(duì)中國經(jīng)濟(jì)和環(huán)境的影響一直是學(xué)者們研究的熱點(diǎn)問題.現(xiàn)有文獻(xiàn)對(duì)于碳交易政策的研究包括:第一,關(guān)于碳交易政策影響效應(yīng)的有效性研究.多數(shù)學(xué)者認(rèn)為碳交易政策可以有效降低地區(qū)的碳排放[16],且其減排效應(yīng)逐年增強(qiáng)[17],隨著空間計(jì)量模型的廣泛應(yīng)用,學(xué)界開始將碳交易政策對(duì)鄰地產(chǎn)生的影響納入研究范圍.研究結(jié)果發(fā)現(xiàn)碳交易政策還具有一定的溢出效應(yīng)抑制相鄰地區(qū)減排[18];第二,關(guān)于碳交易政策對(duì)于低碳經(jīng)濟(jì)發(fā)展影響的研究.碳交易政策可助力地區(qū)整體實(shí)現(xiàn)綠色發(fā)展[19],并能夠通過激勵(lì)地區(qū)創(chuàng)新促進(jìn)綠色經(jīng)濟(jì)增長[20];第三,關(guān)于碳交易政策與其他方向的融合研究.胡江峰等[21]發(fā)現(xiàn)碳交易政策在促進(jìn)企業(yè)提升創(chuàng)新數(shù)量的同時(shí)也可促進(jìn)企業(yè)兼顧創(chuàng)新質(zhì)量,但對(duì)于低質(zhì)量創(chuàng)新的促進(jìn)作用更為明顯;譚靜等[22]從產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)視角出發(fā),研究發(fā)現(xiàn)碳交易政策對(duì)當(dāng)?shù)禺a(chǎn)業(yè)結(jié)構(gòu)升級(jí)具有顯著的“倒逼”效應(yīng);還有學(xué)者證實(shí)了碳交易政策對(duì)綠色發(fā)展效率的促進(jìn)效應(yīng)[23-24].

碳交易政策至今試行9年之久,既往文獻(xiàn)深入探討了碳交易政策的治污減排效應(yīng),取得了豐碩的研究成果,但關(guān)于碳交易政策對(duì)于能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型影響機(jī)制的研究卻極為匱乏.基于此,本文首先從生態(tài)創(chuàng)新、結(jié)構(gòu)優(yōu)化、環(huán)保支出、行為驅(qū)動(dòng)4個(gè)角度提供了碳交易政策促進(jìn)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的驅(qū)動(dòng)機(jī)制.其次,基于省級(jí)面板數(shù)據(jù)構(gòu)建能源消費(fèi)結(jié)構(gòu)低碳化指數(shù),運(yùn)用多期DID模型,實(shí)證檢驗(yàn)碳交易政策與能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型之間的關(guān)系,并進(jìn)一步利用多重中介效應(yīng)模型考察碳交易政策對(duì)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的平行及鏈?zhǔn)阶饔寐窂?最后,運(yùn)用三重差分模型討論碳交易政策對(duì)不同地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的異質(zhì)性影響.

2 理論機(jī)制

實(shí)現(xiàn)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型是一場(chǎng)顛覆性的能源體系變革,不僅需要政府的頂層宏觀設(shè)計(jì)、相關(guān)政策制定,還需要企業(yè)積極響應(yīng)以及公眾的參與.碳交易政策是科斯定理在政府治理環(huán)境方面的應(yīng)用,該政策將會(huì)導(dǎo)致遵循成本最小化或利益最大化的企業(yè)優(yōu)化調(diào)整能源消費(fèi)結(jié)構(gòu),長此以往還可促進(jìn)各行業(yè)能源消費(fèi)結(jié)構(gòu)的升級(jí)換代,最終推動(dòng)整個(gè)地區(qū)實(shí)現(xiàn)能源消費(fèi)結(jié)構(gòu)綠色、低碳發(fā)展.基于此,參考范英等[25]對(duì)能源轉(zhuǎn)型驅(qū)動(dòng)機(jī)制方面的研究,本文認(rèn)為碳交易政策之所以能夠促進(jìn)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳化水平提升,主要是存在“生態(tài)創(chuàng)新效應(yīng)為引領(lǐng)、結(jié)構(gòu)優(yōu)化效應(yīng)為內(nèi)驅(qū)、環(huán)保支出效應(yīng)為助推、行為驅(qū)動(dòng)效應(yīng)為補(bǔ)充”的4個(gè)重要機(jī)制.

2.1 生態(tài)創(chuàng)新效應(yīng)

在理論層面,“波特假說”認(rèn)為企業(yè)在適當(dāng)?shù)沫h(huán)境規(guī)制下,會(huì)傾向于從事更多技術(shù)創(chuàng)新研發(fā)活動(dòng),激發(fā)的“創(chuàng)新補(bǔ)償效應(yīng)”能夠抵消部分甚至是全部的環(huán)境成本,從而降低企業(yè)的合規(guī)成本.在現(xiàn)實(shí)層面,碳交易政策是一種市場(chǎng)型環(huán)境規(guī)制,作為逐利型主體的企業(yè)在邊際治碳成本高于邊際技術(shù)創(chuàng)新成本時(shí),他們會(huì)有足夠的動(dòng)機(jī)不斷改進(jìn)生產(chǎn)技術(shù)工藝,提高自主創(chuàng)新能力,廣泛開展生態(tài)創(chuàng)新實(shí)現(xiàn)“綠色生產(chǎn)”方式變革.一方面,企業(yè)在實(shí)現(xiàn)清潔生產(chǎn)的同時(shí)還可出售富余的碳排放許可;另一方面,擁有生態(tài)創(chuàng)新技術(shù)的企業(yè)也可向其他高碳企業(yè)出售其自主研發(fā)的綠色技術(shù),這兩者帶來的收益均可以緩解企業(yè)因政策帶來的附加環(huán)境成本壓力[26].短期來看,生態(tài)創(chuàng)新成本會(huì)加重企業(yè)負(fù)擔(dān),但從長遠(yuǎn)角度來看,生態(tài)創(chuàng)新不僅可以提高生產(chǎn)效率,還可降低企業(yè)的環(huán)境治理成本,有利于加大企業(yè)的市場(chǎng)競(jìng)爭(zhēng)能力,同時(shí)也有助于實(shí)現(xiàn)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型.

2.2 結(jié)構(gòu)優(yōu)化效應(yīng)

碳交易政策的實(shí)施實(shí)際上是政府給予高污染、高能耗企業(yè)的一種信號(hào),目的在于督促其進(jìn)行低碳生產(chǎn)改造.一方面,在碳交易政策實(shí)施的背景下,作為“理性人”的企業(yè)會(huì)不斷地通過減排來壓縮生產(chǎn)成本,當(dāng)開展減排的企業(yè)由點(diǎn)向面進(jìn)行擴(kuò)散時(shí),那些不進(jìn)行減排的“兩高”企業(yè)會(huì)因生產(chǎn)成本過高導(dǎo)致企業(yè)競(jìng)爭(zhēng)力下降最終被擠出市場(chǎng).此外,這種優(yōu)勝劣汰的淘汰機(jī)制也會(huì)使碳交易政策存在“環(huán)境壁壘”效應(yīng)[27],行業(yè)準(zhǔn)入門檻于無形中不斷提高,從而倒逼產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化;另一方面,清潔產(chǎn)業(yè)的利潤空間隨著相關(guān)環(huán)境法規(guī)嚴(yán)苛而增大,便會(huì)誘使社會(huì)資源重新配置,致使生產(chǎn)要素流向清潔產(chǎn)業(yè),加速產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化,進(jìn)而實(shí)現(xiàn)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型.

2.3 環(huán)保支出效應(yīng)

環(huán)保支出作為一種特殊的工具同時(shí)具有經(jīng)濟(jì)和環(huán)保雙重屬性而成為政府的重要選擇[28].其最直接的作用是改善環(huán)境狀況.另外,環(huán)保支出所體現(xiàn)出的政府偏好可引導(dǎo)一系列的非官方環(huán)保投資,間接地促進(jìn)社會(huì)的環(huán)境治理[29].同時(shí),“兩高”企業(yè)在感知到政府偏好的同時(shí),也會(huì)積極調(diào)整原料投放或生產(chǎn)工藝以達(dá)到清潔生產(chǎn)的目標(biāo),有助于能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型.除此之外,環(huán)保支出還可以通過影響產(chǎn)業(yè)結(jié)構(gòu)及生態(tài)創(chuàng)新作用于地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型.具體作用機(jī)理表現(xiàn)為:一是環(huán)保支出以一種投入型的環(huán)境規(guī)制方式對(duì)地區(qū)的技術(shù)創(chuàng)新產(chǎn)生激發(fā)作用[28];二是環(huán)保支出依靠其強(qiáng)烈的政策導(dǎo)向性引導(dǎo)著社會(huì)資金的集聚方向,從而有助于產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化升級(jí)[30].

2.4 行為驅(qū)動(dòng)效應(yīng)

碳交易政策屬于環(huán)境規(guī)制中的正式環(huán)境規(guī)制,體現(xiàn)了官方治理環(huán)境的主動(dòng)性.除此之外,公眾群體的力量也不容小覷,這種非正式環(huán)境規(guī)制行為目前已成為正式環(huán)境規(guī)制的重要補(bǔ)充[31].具體而言,公眾可能從以下兩個(gè)維度參與環(huán)保事業(yè),一是公眾監(jiān)督具有及時(shí)、高效、無利益糾葛等優(yōu)點(diǎn),極大程度上緩解了政府與企業(yè)之間環(huán)境污染信息不對(duì)稱的問題,在更好地輔助政府進(jìn)行環(huán)保督查的同時(shí)施于企業(yè)更大的壓力[32];二是環(huán)保意識(shí)的提高會(huì)促使公眾在消費(fèi)時(shí)傾向選擇同質(zhì)產(chǎn)品中更具有綠色低碳特質(zhì)的產(chǎn)品,便可“倒逼”企業(yè)開展綠色生產(chǎn)改革,推動(dòng)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的進(jìn)程.進(jìn)一步來說,公眾的終端需求決定了企業(yè)的生產(chǎn)方向,其對(duì)綠色產(chǎn)品的偏好可以影響企業(yè)的生產(chǎn)策略,直接激勵(lì)企業(yè)開展生態(tài)技術(shù)創(chuàng)新,研發(fā)環(huán)境友好型生產(chǎn)技術(shù)或“綠色”產(chǎn)品[33],在助力企業(yè)在市場(chǎng)上擁有絕對(duì)的競(jìng)爭(zhēng)力的同時(shí)也有利于能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型.

3 研究設(shè)計(jì)

3.1 模型設(shè)定

3.1.1 多期雙重差分模型 為了探究碳交易政策的實(shí)施能否對(duì)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型產(chǎn)生影響,本文采用多期DID方法,將碳交易試點(diǎn)政策視為“準(zhǔn)自然實(shí)驗(yàn)”,以各省實(shí)施碳交易政策的實(shí)際年份作為政策干預(yù)時(shí)間點(diǎn),據(jù)此將研究對(duì)象分為處理組和控制組,進(jìn)而對(duì)兩類地區(qū)在政策實(shí)施前后的能源消費(fèi)結(jié)構(gòu)低碳化水平進(jìn)行比較,設(shè)計(jì)模型如下:

式中:、分別表示政策實(shí)施年份和地區(qū).gec為被解釋變量,表示地區(qū)在年份的能源消費(fèi)結(jié)構(gòu)低碳化指數(shù);核心解釋變量pro×time表示地區(qū)在年份是否啟動(dòng)實(shí)施碳交易政策的虛擬變量,當(dāng)且僅當(dāng)省份在年份啟動(dòng)實(shí)施碳交易試點(diǎn)政策時(shí),取值為1,其他情況則取值為0,該變量的系數(shù)為待估政策凈效應(yīng),反映碳交易政策的實(shí)施對(duì)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型產(chǎn)生的影響.X為一系列控制變量,包括:自然資源稟賦、政府干預(yù)、城鎮(zhèn)化水平以及經(jīng)濟(jì)活力.β為省份固定效應(yīng);θ為年份固定效應(yīng);為隨機(jī)擾動(dòng)項(xiàng).

3.1.2 多重中介效應(yīng)模型 利用多重中介效應(yīng)模型對(duì)碳交易政策影響能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的中介傳導(dǎo)機(jī)制進(jìn)行分析,引入行為驅(qū)動(dòng)效應(yīng)(ier)、環(huán)保支出效應(yīng)(es)、結(jié)構(gòu)優(yōu)化效應(yīng)(iso)、生態(tài)創(chuàng)新效應(yīng)(ei)四個(gè)中介變量對(duì)其產(chǎn)生的平行及鏈?zhǔn)街薪樾?yīng)進(jìn)行討論(圖1),模型設(shè)定如下:

式(1)用于檢驗(yàn)碳交易政策影響能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的總效應(yīng),其中,系數(shù)1反映了碳交易政策影響能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的總效應(yīng),式(6)中的系數(shù)1反映了碳交易政策對(duì)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型影響的直接效應(yīng),總效應(yīng)1也就是直接效應(yīng)1與間接效應(yīng)即中介效應(yīng)之和.式(3)-(6)構(gòu)成的多方程系統(tǒng)對(duì)四種中介變量的中介效應(yīng)進(jìn)行檢驗(yàn),其中包括4條平行中介路徑和3條鏈?zhǔn)街薪?具體來看,平行中介效應(yīng)表現(xiàn)為“pro×time→ier→gect”、“pro× time→es→gec”、“pro×time→iso→gec”、“pro× time→ei→gec”,效應(yīng)大小分別為21324354;鏈?zhǔn)街薪樾?yīng)表現(xiàn)為“pro×time→ier→ ei→gec”、“pro×time→es→ei→gec”、“pro× time→es→iso→gecit”,效應(yīng)大小分別為224、334、313.

圖1 中介效應(yīng)傳導(dǎo)機(jī)制

3.1.3 三重差分模型 通過引入三重交互項(xiàng)對(duì)碳交易政策對(duì)不同地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的異質(zhì)性影響進(jìn)行分析,本文將區(qū)域虛擬變量reg引入基準(zhǔn)模型(1),與pro×time構(gòu)成三重差分模型來探究碳交易政策在不同地區(qū)的實(shí)施效果,為全國碳交易市場(chǎng)的良好運(yùn)行提供參考.模型設(shè)定如下:

在討論某地區(qū)時(shí),則該地區(qū)reg取值為1,相反則為0.系數(shù)1表示碳交易政策對(duì)于某特定地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型影響的凈效應(yīng).

3.2 變量選取

3.2.1 被解釋變量 能源消費(fèi)結(jié)構(gòu)低碳化指數(shù)(gec).能源消費(fèi)結(jié)構(gòu)低碳化是各類主導(dǎo)能源在替代與互補(bǔ)中,持續(xù)不斷地優(yōu)化調(diào)整的系統(tǒng)性工程.它是指隨著我國加速推進(jìn)能源消費(fèi)清潔化,結(jié)構(gòu)呈現(xiàn)出以綠色低碳替代高碳為特征的調(diào)整趨勢(shì),僅僅使用煤炭或清潔能源消費(fèi)占比來衡量能源消費(fèi)低碳化的進(jìn)程是有失偏頗的.所以,本文借鑒付凌暉[34]的方法構(gòu)建了能源消費(fèi)結(jié)構(gòu)低碳化指數(shù)來衡量其綠色低碳轉(zhuǎn)型進(jìn)程.

最后,對(duì)年份所有向量夾角進(jìn)行加權(quán),構(gòu)成能源消費(fèi)結(jié)構(gòu)低碳化指數(shù)gec,具體計(jì)算公式如下:

3.2.2 解釋變量 碳交易試點(diǎn)政策(pro×time),表示地區(qū)在年份是否啟動(dòng)實(shí)施碳交易政策的虛擬變量,若地區(qū)在年開始實(shí)施碳交易政策,則pro×time取1,否則取0,其系數(shù)反映了碳交易政策的實(shí)施對(duì)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳化產(chǎn)生的影響.具體而言,上海、北京、廣東、天津于2013年實(shí)施碳交易試點(diǎn)政策,湖北和重慶于2014年開始實(shí)施政策,四川及福建也分別于2016年和2017年實(shí)施相應(yīng)的試點(diǎn)政策.

3.2.3 中介變量

(1)生態(tài)創(chuàng)新效應(yīng)(ei),即可實(shí)現(xiàn)經(jīng)濟(jì)和環(huán)境雙重友好的技術(shù)創(chuàng)新,采用學(xué)界普遍使用的專利數(shù)量來衡量生態(tài)創(chuàng)新效應(yīng).參考曾剛等[35]的做法,利用“低碳、減排、環(huán)保、節(jié)能、可再生、生態(tài)治理、環(huán)境友好、循環(huán)利用、污染治理、清潔能源”等關(guān)鍵詞在大為innojoy專利數(shù)據(jù)庫篩選出相關(guān)發(fā)明專利的授權(quán)數(shù).

(2)結(jié)構(gòu)優(yōu)化效應(yīng)(iso),選取第二產(chǎn)業(yè)增加值與第三產(chǎn)業(yè)增加值的比值來表征.iso越小,說明結(jié)構(gòu)優(yōu)化效應(yīng)越大.

(3)環(huán)保支出效應(yīng)(es),使用工業(yè)污染治理完成投資與GDP的比值來衡量.

(4)行為驅(qū)動(dòng)效應(yīng)(ier),參考首次提出非正式環(huán)境規(guī)制這一概念的Wheeler等[36]的刻畫方法,利用熵權(quán)法從人口密度、受教育水平、人均收入水平3個(gè)維度構(gòu)建非正式環(huán)境規(guī)制綜合指數(shù),以此衡量行為驅(qū)動(dòng)效應(yīng)的大小.其中,由于研究數(shù)據(jù)可得性的限制,受教育水平的衡量采取秦炳濤等[37]的方法,選取當(dāng)?shù)匦W(xué)、普通中學(xué)及高等學(xué)校專任教師數(shù)總和與年底人口之和的比重來表示.

3.2.4 控制變量 設(shè)定自然資源稟賦(nre)、經(jīng)濟(jì)活力(qos)、政府干預(yù)(gi)、城鎮(zhèn)化水平(ul)等變量作為影響能源消費(fèi)結(jié)構(gòu)低碳化水平的控制變量,分別采取采掘業(yè)固定投資占總固定投資的比重、貨運(yùn)量、地方一般預(yù)算支出與GDP的比值、常住人口城鎮(zhèn)化率等指標(biāo)來表征.

由于西藏及港、澳、臺(tái)地區(qū)數(shù)據(jù)缺失嚴(yán)重,本文選取2000～2018年中國30個(gè)省(市及自治區(qū))的面板數(shù)據(jù)進(jìn)行分析,相關(guān)數(shù)據(jù)來源于EPS數(shù)據(jù)庫、CSMAR數(shù)據(jù)庫、《新中國六十年統(tǒng)計(jì)資料匯編》[38]、大為innojoy專利數(shù)據(jù)庫、中國城市統(tǒng)計(jì)年鑒以及各省市統(tǒng)計(jì)年鑒.另外,利用插值法和平均增長率法補(bǔ)全部分缺失數(shù)據(jù).各變量的描述性統(tǒng)計(jì)如表1所示.

表1 變量描述性統(tǒng)計(jì)

4 實(shí)證分析

4.1 基準(zhǔn)回歸結(jié)果

4.1.1 碳交易政策對(duì)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型影響分析 本文將模型(1)作為基準(zhǔn)模型用以考察碳交易政策影響地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的實(shí)際效應(yīng),為了使研究結(jié)論更具穩(wěn)健性,之后逐步加入地區(qū)固定效應(yīng)、時(shí)間固定效應(yīng)及控制變量,具體檢驗(yàn)結(jié)果如表2的第(1)～(3)列所示.檢驗(yàn)結(jié)果顯示:在上述三種檢驗(yàn)條件下,核心解釋變量pro×time的系數(shù)均為正且在1%的顯著水平下顯著,這表明碳排放權(quán)交易機(jī)制對(duì)試點(diǎn)地區(qū)的能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型具有正向促進(jìn)作用.以第(3)列回歸結(jié)果為例,碳交易政策的實(shí)施會(huì)使得地區(qū)能源消費(fèi)低碳化水平提升17.1%.

4.1.2 平行趨勢(shì)檢驗(yàn) 使用DID方法來估計(jì)結(jié)果的前提條件是實(shí)驗(yàn)組和控制組要滿足平行趨勢(shì)假定,即碳交易政策實(shí)施之前,能源消費(fèi)結(jié)構(gòu)低碳化指數(shù)保持相對(duì)穩(wěn)定的變動(dòng)趨勢(shì).上述基準(zhǔn)分析得出的是在一段時(shí)間內(nèi)政策實(shí)施對(duì)于各地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型影響的平均效應(yīng),為了使研究結(jié)果更加嚴(yán)謹(jǐn),本研究引入平行趨勢(shì)檢驗(yàn)?zāi)Ｐ?進(jìn)一步分析碳交易政策對(duì)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的動(dòng)態(tài)影響.

表2 基準(zhǔn)回歸結(jié)果

注:*、**、***分別表示在10%、5%、1%的水平下顯著.

由圖2知,政策執(zhí)行之前年份的pro×time系數(shù)的置信區(qū)間均包含0,系數(shù)也均不顯著,這說明在2013年以前,政策試點(diǎn)省份與政策非試點(diǎn)省份不存在顯著差異,滿足平行趨勢(shì)假定.2013年政策執(zhí)行后,估計(jì)系數(shù)均顯著為正,并呈現(xiàn)出向右上方傾斜的趨勢(shì),這說明了碳交易政策的實(shí)施對(duì)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型起到了誘發(fā)的作用,且作用效果逐年增強(qiáng).

4.1.3 安慰劑檢驗(yàn) 為排除其他不可知因素對(duì)研究結(jié)論的干擾,驗(yàn)證碳交易政策促進(jìn)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的實(shí)際影響效應(yīng),采用了在所有樣本中隨機(jī)設(shè)置若干次虛擬實(shí)驗(yàn)組的安慰劑檢驗(yàn).首先,在30個(gè)地區(qū)隨機(jī)抽樣得到“偽處理組”;其次,將此抽樣過程重復(fù)500次并進(jìn)行回歸;最后,便得到500次回歸結(jié)果.本文將500次回歸產(chǎn)生的“偽政策虛擬變量”的估計(jì)系數(shù)分布以及其值繪制于圖3中,從圖中可以看到,真實(shí)估計(jì)系數(shù)明顯偏離“偽政策虛擬變量”的估計(jì)系數(shù)分布,相應(yīng)值也主要集中在0.1,這意味著在10%的水平下不顯著.由此,表明本文得到的研究結(jié)果在一定程度上避免了偶然性,即可以排除其他政策或者隨機(jī)性因素對(duì)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的影響.

圖2 平行趨勢(shì)假設(shè)的動(dòng)態(tài)效應(yīng)

實(shí)線部分表示地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的邊際效應(yīng),虛線部分表示95%的置信區(qū)間范圍

圖3 安慰劑檢驗(yàn)

軸反映的是具體的分布密度值及值,軸反映的是“偽政策虛擬變量”待估系數(shù)值,圖中圓點(diǎn)代表了待估系數(shù)相對(duì)應(yīng)的值,曲線表征了估計(jì)系數(shù)的核密度分布狀況

4.2 穩(wěn)健性檢驗(yàn)

4.2.1 擴(kuò)大處理組 除上文研究的8個(gè)試點(diǎn)省份之外,深圳市作為全國首個(gè)正式啟動(dòng)碳排放交易試點(diǎn)的城市,于2013年6月18日正式上線交易.為了使研究結(jié)論更具穩(wěn)健性,本節(jié)將深圳市的各項(xiàng)數(shù)據(jù)從廣東省剝離出來后擴(kuò)大實(shí)驗(yàn)處理組進(jìn)一步分析.研究結(jié)果如表3所示,回歸結(jié)果顯示無論是否加入控制變量、時(shí)間固定效應(yīng)及地區(qū)固定效應(yīng),pro×time的估計(jì)系數(shù)仍正向顯著,這與前文回歸結(jié)果相一致,再次驗(yàn)證了碳交易政策可以顯著促進(jìn)試點(diǎn)地區(qū)的能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型.

表3 擴(kuò)大處理組后的回歸結(jié)果

注:*、**、***分別表示在10%、5%、1%的水平下顯著.

表4 政策執(zhí)行時(shí)間調(diào)整后的回歸結(jié)果

注:*、**、***分別表示在10%、5%、1%的水平下顯著.

4.2.2 政策執(zhí)行時(shí)間 考慮到上海、北京、廣東、天津及四川地區(qū)實(shí)施碳交易政策的時(shí)間接近于當(dāng)年年末,可能會(huì)影響其政策在正式實(shí)施年份的執(zhí)行效果.為了使研究結(jié)果更具可靠性,本節(jié)將這些地區(qū)的政策實(shí)施時(shí)間調(diào)整至其政策正式實(shí)施的次年后重新檢驗(yàn).回歸結(jié)果如表4所示,pro×time系數(shù)仍顯著為正,說明碳交易政策的推行是試點(diǎn)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的動(dòng)力,進(jìn)一步證明上文研究結(jié)論的可信性.

4.3 碳交易政策對(duì)能源消費(fèi)結(jié)構(gòu)低碳化影響機(jī)制分析

為進(jìn)一步探究碳交易政策對(duì)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的作用機(jī)理,運(yùn)用多重中介效應(yīng)模型,將生態(tài)創(chuàng)新效應(yīng)、結(jié)構(gòu)優(yōu)化效應(yīng)、環(huán)保支出效應(yīng)、行為驅(qū)動(dòng)效應(yīng)作為中介變量進(jìn)行研究.首先,運(yùn)用逐步回歸法對(duì)模型(2)～(6)的中介變量進(jìn)行檢驗(yàn);其次,當(dāng)逐步回歸法失靈時(shí),對(duì)模型進(jìn)行bootstrap檢驗(yàn),若中介變量通過該檢驗(yàn),則證實(shí)存在多重中介效應(yīng);最后,利用各中介變量的bootstrap檢驗(yàn)結(jié)果對(duì)其傳導(dǎo)路徑進(jìn)行深入分析.

4.3.1 逐步檢驗(yàn)法 表5中的第(2)(4)(5)列的回歸結(jié)果顯示,pro×time的估計(jì)系數(shù)均顯著,說明了碳交易政策的實(shí)施引發(fā)了生態(tài)創(chuàng)新效應(yīng)、環(huán)保支出效應(yīng)及行為驅(qū)動(dòng)效應(yīng),即碳交易政策在驅(qū)動(dòng)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的過程可能存在中介效應(yīng).此外,借助溫忠麟等[39]的研究方法,對(duì)結(jié)構(gòu)優(yōu)化效應(yīng)的中介效應(yīng)進(jìn)行檢驗(yàn),結(jié)果發(fā)現(xiàn)結(jié)構(gòu)優(yōu)化效應(yīng)通過了bootstrap檢驗(yàn),說明結(jié)構(gòu)優(yōu)化效應(yīng)的中介效應(yīng)存在.另外,第(6)列的pro×time回歸系數(shù)表示,碳交易政策對(duì)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的影響存在直接效應(yīng)(0.082);第(1)列的pro×time回歸系數(shù)表示,碳交易政策對(duì)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型存在著顯著的正向總效應(yīng)(0.171)影響.進(jìn)一步分析發(fā)現(xiàn),第(1)列的總效應(yīng)大于第(6)列的直接效應(yīng),這說明存在間接效應(yīng),即碳交易政策推動(dòng)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的進(jìn)程中存在部分中介效應(yīng).

表5 碳交易政策對(duì)能源消費(fèi)結(jié)構(gòu)低碳化的影響機(jī)制檢驗(yàn)

注:*、**、***分別表示在10%、5%、1%的水平下顯著.

4.3.2 Bootstrap檢驗(yàn)法 表6為碳交易政策驅(qū)動(dòng)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型過程中的傳導(dǎo)機(jī)制.可以發(fā)現(xiàn),碳交易政策通過生態(tài)創(chuàng)新效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化效應(yīng)、環(huán)保支出效應(yīng)及行為驅(qū)動(dòng)效應(yīng)間接地推動(dòng)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型,其中介效應(yīng)之和即總中介效應(yīng)為0.142.

表6 碳交易政策對(duì)能源消費(fèi)結(jié)構(gòu)低碳化的多重中介效應(yīng)機(jī)制檢驗(yàn)

注:***、**、*分別表示1%、5%和10%的顯著性水平,括號(hào)內(nèi)數(shù)字是運(yùn)用Bootstrap方法得出的中介效應(yīng)置信區(qū)間,置信區(qū)間不包含0表示顯著.

①生態(tài)創(chuàng)新效應(yīng)的中介效應(yīng).生態(tài)創(chuàng)新效應(yīng)單獨(dú)發(fā)揮顯著的正向平行中介效應(yīng)即碳交易政策→生態(tài)創(chuàng)新→能源消費(fèi)結(jié)構(gòu)低碳化指數(shù)(0.041),占總中介效應(yīng)的28.88%.這說明了生態(tài)創(chuàng)新為實(shí)現(xiàn)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型注入了不竭的動(dòng)力,碳交易政策通過倒逼企業(yè)進(jìn)行生態(tài)創(chuàng)新以實(shí)現(xiàn)生產(chǎn)成本最小化,從而有助于地區(qū)實(shí)現(xiàn)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型.

②結(jié)構(gòu)優(yōu)化的中介效應(yīng).結(jié)構(gòu)優(yōu)化效應(yīng)同生態(tài)創(chuàng)新效應(yīng)一樣發(fā)揮著平行的中介效應(yīng)即碳交易政策→結(jié)構(gòu)優(yōu)化效應(yīng)→能源消費(fèi)結(jié)構(gòu)低碳化指數(shù)(0.057),占總中介效應(yīng)的40.15%.這說明了碳交易政策的實(shí)施給重污染高能耗的企業(yè)帶來了生存壓力,運(yùn)營成本的提高倒逼企業(yè)轉(zhuǎn)型,產(chǎn)業(yè)結(jié)構(gòu)得到持續(xù)優(yōu)化升級(jí)進(jìn)而促進(jìn)地區(qū)能源消費(fèi)結(jié)構(gòu)實(shí)現(xiàn)低碳轉(zhuǎn)型.

③環(huán)保支出效應(yīng)的中介效應(yīng).首先,碳交易政策通過環(huán)保支出效應(yīng)本身影響能源消費(fèi)結(jié)構(gòu)低碳化即碳交易政策→環(huán)保支出效應(yīng)→能源消費(fèi)結(jié)構(gòu)低碳化指數(shù)(-0.025),可能原因是直接作用于地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的環(huán)保支出由于資金使用效率不足,導(dǎo)致未能有效發(fā)揮作用;其次,環(huán)保支出一方面憑借其政策導(dǎo)向性調(diào)動(dòng)著各類生產(chǎn)要素向綠色清潔產(chǎn)業(yè)集聚,促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化調(diào)整;另一方面以資金援助的方式縮減企業(yè)交易成本,激發(fā)企業(yè)開展更多的生態(tài)創(chuàng)新研發(fā)活動(dòng).由此產(chǎn)生兩條鏈?zhǔn)街薪樾?yīng)即碳交易政策→環(huán)保支出效應(yīng)→結(jié)構(gòu)優(yōu)化效應(yīng)→能源消費(fèi)結(jié)構(gòu)低碳化指數(shù)(0.017)、碳交易政策→環(huán)保支出效應(yīng)→生態(tài)創(chuàng)新效應(yīng)→能源消費(fèi)結(jié)構(gòu)低碳化指數(shù)(0.010).環(huán)保支出效應(yīng)的累積中介效應(yīng)為0.002,占總中介效應(yīng)的1.41%.

④行為驅(qū)動(dòng)效應(yīng)的中介效應(yīng).碳交易政策在影響地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型中存在著顯著的行為驅(qū)動(dòng)效應(yīng),該效應(yīng)累計(jì)發(fā)揮的中介效應(yīng)為0.042,其占總效應(yīng)的29.56%.具體來看,包括碳交易政策→行為驅(qū)動(dòng)效應(yīng)→能源消費(fèi)結(jié)構(gòu)低碳化指數(shù)(0.036)的平行中介效應(yīng),以及碳交易政策→行為驅(qū)動(dòng)效應(yīng)→生態(tài)創(chuàng)新效應(yīng)→能源消費(fèi)結(jié)構(gòu)低碳化指數(shù)(0.006)的鏈?zhǔn)街薪樾?yīng).其中,行為驅(qū)動(dòng)效應(yīng)的平行中介效應(yīng)作用力要大于其鏈?zhǔn)街薪樾?yīng).以上結(jié)果表明,碳交易政策作為正式環(huán)境規(guī)制不僅可以通過影響公眾的綠色消費(fèi)行為促進(jìn)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型,還可以通過影響公眾對(duì)綠色消費(fèi)理念的認(rèn)同從而助推企業(yè)進(jìn)行生態(tài)創(chuàng)新以實(shí)現(xiàn)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型.

綜上所述,在碳交易政策驅(qū)動(dòng)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的過程中,以上4種主要中介變量的中介效應(yīng)貢獻(xiàn)度最大的是結(jié)構(gòu)優(yōu)化效應(yīng),最小的是環(huán)保支出效應(yīng),行為驅(qū)動(dòng)效應(yīng)和生態(tài)創(chuàng)新效應(yīng)依次次之.具體分析各傳導(dǎo)路徑可以得出,碳交易政策→結(jié)構(gòu)優(yōu)化效應(yīng)→能源消費(fèi)結(jié)構(gòu)低碳化指數(shù)(0.057)這條路徑的中介效應(yīng)最大,究其原因是我國目前最大的能源消耗主體是第二產(chǎn)業(yè),碳交易政策的實(shí)施可以激勵(lì)地區(qū)高污染高能耗企業(yè)開展清潔能源的使用以及促進(jìn)地區(qū)產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型升級(jí),由此可以有效降低地區(qū)能耗強(qiáng)度,推動(dòng)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型.

4.4 異質(zhì)性分析

4.4.1 經(jīng)濟(jì)發(fā)展程度異質(zhì)性分析 以30個(gè)省市GDP增速平均值的中位數(shù)為依據(jù)將研究樣本劃分為2類,即GDP增速較快地區(qū)和GDP增速較慢地區(qū),以此考察碳交易政策在經(jīng)濟(jì)發(fā)展程度相異地區(qū)的實(shí)施效果.表7顯示了兩類地區(qū)的三重差分估計(jì)結(jié)果,可以看出在加入控制變量以及控制時(shí)間固定效應(yīng)和個(gè)體固定效應(yīng)的情況下,GDP增速較慢地區(qū)的碳交易政策可以顯著促進(jìn)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型,政策的實(shí)施可使GDP增速較慢地區(qū)的能源消費(fèi)結(jié)構(gòu)低碳化水平提高36.4%,與之相對(duì)比來看,碳交易政策對(duì)GDP增速較高地區(qū)的作用效果較差,究其原因是我國經(jīng)濟(jì)正邁向新的發(fā)展階段,各地區(qū)GDP增速都進(jìn)入了減檔期,但對(duì)于GDP增速較快的地區(qū)來說,這些地區(qū)工作要?jiǎng)?wù)還是在于著力提升經(jīng)濟(jì)總量,存在通過給環(huán)境約束力松綁換取經(jīng)濟(jì)增長的現(xiàn)實(shí)問題[40],處于環(huán)境庫茨涅茲曲線的上升階段[41],即實(shí)現(xiàn)經(jīng)濟(jì)增長的同時(shí)伴隨著環(huán)境污染,所以會(huì)對(duì)碳交易政策的紅利釋放有一定的阻礙作用,使得該政策效果大打折扣.而諸如北京、上海這類GDP增速較慢地區(qū)已經(jīng)步入經(jīng)濟(jì)高質(zhì)量發(fā)展的先導(dǎo)期,較好地完成了經(jīng)濟(jì)動(dòng)力的轉(zhuǎn)化,努力踐行經(jīng)濟(jì)發(fā)展與環(huán)境的雙贏,為碳交易政策的有效實(shí)施營造出較為優(yōu)越的外部條件,因而這些地區(qū)的碳交易政策效果得到充分顯現(xiàn).

表7 經(jīng)濟(jì)發(fā)展異質(zhì)性的三重差分估計(jì)結(jié)果

注:*、**、***分別表示在10%、5%、1%的水平下顯著.

4.4.2 區(qū)域異質(zhì)性分析 按照國家統(tǒng)計(jì)局劃分標(biāo)準(zhǔn)將30個(gè)省份劃分為東部、中部及西部,以此來探索碳交易政策實(shí)施效果的區(qū)域異質(zhì)性差異.具體估計(jì)結(jié)果如表8所示,碳交易政策的正向推動(dòng)效應(yīng)主要體現(xiàn)在東部地區(qū),對(duì)中部及西部地區(qū)的能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型雖然也存在一定的促進(jìn)作用,但效果在統(tǒng)計(jì)意義上并不顯著.其中原因可能在于湖北作為中部地區(qū)的唯一試點(diǎn)地區(qū),其經(jīng)濟(jì)發(fā)展對(duì)第二產(chǎn)業(yè)依賴程度較高,同時(shí)考慮到經(jīng)濟(jì)發(fā)展與環(huán)境問題之間的平衡關(guān)系,市場(chǎng)懲處力度也相對(duì)薄弱.此外,湖北碳交易市場(chǎng)還存在“為交易而交易”的虛假繁榮現(xiàn)象[40],由此致使政策作用效果不顯著.而西部地區(qū)仍處于經(jīng)濟(jì)高速發(fā)展的機(jī)遇期,能源消耗量較大.除此之外,重慶碳交易市場(chǎng)發(fā)育度較差,市場(chǎng)活躍度不足,同時(shí)還存在對(duì)未完成履約企業(yè)的處罰力度較弱導(dǎo)致市場(chǎng)有效性不足的問題[42],加之四川的碳交易政策實(shí)施較晚,其政策效果可能在本文研究時(shí)間段中未完全顯現(xiàn),從而西部地區(qū)碳交易政策的實(shí)施未能對(duì)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型產(chǎn)生較為明顯的推動(dòng)作用.

表8 區(qū)域異質(zhì)性的三重差分估計(jì)結(jié)果

注:*、**、***分別表示在10%、5%、1%的水平下顯著.

5 結(jié)論與建議

研究發(fā)現(xiàn):(1)碳交易政策的實(shí)施顯著地提升了試點(diǎn)地區(qū)的能源消費(fèi)結(jié)構(gòu)低碳化水平,且政策效應(yīng)逐年增強(qiáng).通過了一系列穩(wěn)健性檢驗(yàn)后,該結(jié)論仍然成立.(2)對(duì)碳交易政策影響能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的傳導(dǎo)機(jī)制進(jìn)行實(shí)證檢驗(yàn),研究發(fā)現(xiàn),碳交易政策可以通過生態(tài)創(chuàng)新效應(yīng)、結(jié)構(gòu)優(yōu)化效應(yīng)、環(huán)保支出效應(yīng)及行為驅(qū)動(dòng)效應(yīng)以平行或鏈?zhǔn)絺鲗?dǎo)機(jī)制對(duì)地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型產(chǎn)生影響.其中,生態(tài)創(chuàng)新效的中介效應(yīng)占比為28.88%,結(jié)構(gòu)優(yōu)化效應(yīng)占比為40.15%,環(huán)保支出效應(yīng)占比為1.41%,行為驅(qū)動(dòng)效應(yīng)占比為29.56%.(3)異質(zhì)性分析發(fā)現(xiàn),GDP增速較慢地區(qū)的碳交易政策對(duì)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型的作用效果明顯高于GDP增速較快地區(qū);碳交易政策對(duì)東部地區(qū)能源消費(fèi)結(jié)構(gòu)低碳轉(zhuǎn)型產(chǎn)生顯著的正向促進(jìn)作用,而對(duì)中部及西部地區(qū)而言,碳交易政策雖然存在正向作用力,但作用效果并不顯著.

針對(duì)本文的研究結(jié)論,提出如下建議:

(1)著力完善碳交易市場(chǎng)運(yùn)行機(jī)制,針對(duì)不同地區(qū)制定差異化政策.對(duì)不同地區(qū)的現(xiàn)實(shí)狀況要做到“量體裁衣”,對(duì)于著力發(fā)展經(jīng)濟(jì)以實(shí)現(xiàn)基本發(fā)展目標(biāo)的地區(qū),要考慮當(dāng)?shù)亟?jīng)濟(jì)和環(huán)境的耦合度,溫和地推進(jìn)政策的實(shí)施力度以便更好地發(fā)揮政策效果.

(2)助力企業(yè)廣泛開展生態(tài)創(chuàng)新活動(dòng),激發(fā)低碳化生產(chǎn)的內(nèi)在動(dòng)力.政府應(yīng)著力為全社會(huì)培育滋養(yǎng)創(chuàng)新的肥沃土壤,對(duì)積極進(jìn)行低碳技術(shù)創(chuàng)新的企業(yè)予以補(bǔ)貼和獎(jiǎng)勵(lì).同時(shí),還要加大力度消除科技成果轉(zhuǎn)化障礙,促使科技成果可以實(shí)現(xiàn)低成本轉(zhuǎn)化以及生態(tài)創(chuàng)新技術(shù)的普遍推廣.

(3)引導(dǎo)高碳產(chǎn)業(yè)開展綠色低碳轉(zhuǎn)型,嚴(yán)格控制高碳產(chǎn)業(yè)無度擴(kuò)張.要著力發(fā)展高新技術(shù)產(chǎn)業(yè),提高“二高”產(chǎn)業(yè)的準(zhǔn)入門檻,及時(shí)淘汰落后的高耗能、高污染產(chǎn)業(yè).另外,在產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化調(diào)整過程中,要針對(duì)不同的產(chǎn)業(yè)問題進(jìn)行循序漸進(jìn)式調(diào)整,切忌發(fā)生“運(yùn)動(dòng)式”調(diào)整而致使整個(gè)社會(huì)發(fā)展陷入困境.

(4)建立健全環(huán)保資金專項(xiàng)配置體系,促進(jìn)環(huán)保資金使用效率提升.政府應(yīng)建立合理的環(huán)保資金配置體系,嚴(yán)格審批環(huán)保資金,確保環(huán)保資金流向環(huán)境治理過程中的薄弱環(huán)節(jié),幫助企業(yè)克服環(huán)境治理過程中的難題.同時(shí),還要設(shè)立環(huán)保資金實(shí)時(shí)動(dòng)態(tài)監(jiān)管機(jī)制,確保資金使用落到實(shí)處.

(5)加強(qiáng)全社會(huì)綠色發(fā)展理念的宣傳,鼓勵(lì)公眾踐行低碳生活理念.政府應(yīng)充分利用好公眾自發(fā)產(chǎn)生的力量,引導(dǎo)公眾樹立低碳發(fā)展觀,積極倡導(dǎo)綠色低碳生活理念和消費(fèi)行為.此外,還應(yīng)拓寬公眾參與環(huán)保事業(yè)的渠道,鼓勵(lì)公眾對(duì)企業(yè)的各種不良環(huán)保行為進(jìn)行多方位監(jiān)督,同時(shí)建立公眾與相關(guān)環(huán)保部門的良好互動(dòng)機(jī)制以解決政府的信息不對(duì)稱問題.

[1] 徐 政,左晟吉,丁守海.碳達(dá)峰、碳中和賦能高質(zhì)量發(fā)展:內(nèi)在邏輯與實(shí)現(xiàn)路徑[J]. 經(jīng)濟(jì)家, 2021，(11):62-71.

Xu Z, Zuo C J, Ding S H. Carbon Peak, Carbon Neutrality Empowers High-Quality Development: Internal Logic and Realization Path [J]. Economist, 2021,(11):62-71.

[2] 李俊峰,李 廣,中國能源、環(huán)境與氣候變化問題回顧與展望[J]. 環(huán)境與可持續(xù)發(fā)展, 2020,45(5):8-17.

Li J F, Li G. Review and prospect of energy, environment and climate change in China [J]. Environment and Sustainable Development, 2020,45(5):8-17.

[3] 范秋芳,張園園.碳排放權(quán)交易政策對(duì)碳生產(chǎn)率的影響研究[J]. 工業(yè)技術(shù)經(jīng)濟(jì), 2021,40(12):113-121.

Fan Q F, Zhang Y Y. Research on the Impact of Carbon Emission Trading Policy on Carbon Productivity [J]. Journal of Industrial Technological Economics, 2021,40(12):113-121.

[4] 周彥楠,何 則,馬 麗,等.中國能源消費(fèi)結(jié)構(gòu)地域分布的時(shí)空分異及影響因素[J]. 資源科學(xué), 2017,39(12):2247-2257.

Zhou Y N, He Z, Ma L, et al. Spatial and temporal differentiation of China's provincial scale energy consumption structure [J]. Resources Science, 2017,39(12):2247-2257.

[5] Xia C X, Wang Z. Drivers analysis and empirical mode decomposition based forecasting of energy consumption structure [J]. Journal of Cleaner Production, 2020,254(C):120107.

[6] 王風(fēng)云,蘇燁琴.京津冀能源消費(fèi)結(jié)構(gòu)變化及其影響因素[J]. 城市問題, 2018,(8):59-67.

Wang F Y, Su Y Q. Changes in Beijing-Tianjin-Hebei energy consumption structure and its influencing factors [J]. Urban Problems, 2018,(8):59-67.

[7] 張倩倩,李百吉.基于路徑分析法的能源結(jié)構(gòu)影響因素效應(yīng)分析與政策優(yōu)化[J]. 企業(yè)經(jīng)濟(jì), 2017,36(8):11-17.

Zhang Q Q, Li B J. Effect analysis and policy optimization of energy structure influencing factors based on path analysis method [J]. Enterprise Economy, 2017,36(8):11-17.

[8] 翁智雄,馬忠玉,葛察忠,等.不同經(jīng)濟(jì)發(fā)展路徑下的能源需求與碳排放預(yù)測(cè)——基于河北省的分析 [J]. 中國環(huán)境科學(xué), 2019,39(8): 3508-3517.

Weng Z X, Ma Z Y, Ge C Z, et al. Projection on energy demand and carbon emission in various economic developing pathways——A case study in Hebei province [J]. China Environmental Science, 2019,39(8): 3508-3517.

[9] 李洪兵,張吉軍.中國能源消費(fèi)結(jié)構(gòu)及天然氣需求預(yù)測(cè)[J]. 生態(tài)經(jīng)濟(jì), 2021,37(8):71-78.

Li H B, Zhang J J. China’s energy consumption structure and forecast on natural gas demand [J]. Ecological Economy, 2021,37(8):71-78.

[10] 謝小軍,邱云蘭,時(shí) 凌.基于ARIMA和BP神經(jīng)網(wǎng)絡(luò)組合模型的能源消費(fèi)預(yù)測(cè)[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí), 2019,49(10):292-298.

Xie X J, Qiu Y L, Shi L. Prediction of energy consumption based on ARIMA and BP neural network combined model [J]. Mathematics in Practice and Theory, 2019,49(10):292-298.

[11] Liu Y Q, Zhao G H, Zhao Y S. An analysis of Chinese provincial carbon dioxide emission efficiencies based on energy consumption structure [J]. Energy Policy, 2016,96:524-533.

[12] Xu G Y, Peter Schwarz, Yang H. Adjusting energy consumption structure to achieve China's CO2emissions peak [J]. Renewable and Sustainable Energy Reviews, 2020,122:109737.

[13] 苗 陽,邢文杰,鮑健強(qiáng).城市能源結(jié)構(gòu)低碳化指標(biāo)體系及實(shí)現(xiàn)路徑研究[J]. 生態(tài)經(jīng)濟(jì), 2016,32(5):53-57.

Miao Y, Xing W J, Bao J Q. Low-Carbon Index Evaluation System of the Urban Energy Structure and Its Attainment [J]. Ecological Economy, 2016,32(5):53-57.

[14] 周四軍,戴思琪.長江經(jīng)濟(jì)帶能源高質(zhì)量發(fā)展的測(cè)度與聚類分析 [J]. 工業(yè)技術(shù)經(jīng)濟(jì), 2020,39(10):116-124.

Zhou S J, Dai S Q. Measurement and Cluster Analysis of High－quality Energy Development in the Yangtze River Economic Belt [J]. Journal of Industrial Technological Economics, 2020,39(10):116-124.

[15] 李榮杰,李 娜,張 靜,等.地區(qū)能源結(jié)構(gòu)低碳化差異的收斂機(jī)制及影響因素——基于加權(quán)多維向量夾角指數(shù) [J]. 統(tǒng)計(jì)與信息論壇, 2020,35(10):90-99.

Li R J, Li N, Zhang J, et al. Regional Differences Convergence of Low-carbon Energy Structure and Influencing Factors: Based on Weighted Multi-Dimensional Vector Angle [J]. Journal of Statistics and Information, 2020,35(10):90-99.

[16] 曾詩鴻,李 璠,翁智雄,等.碳市場(chǎng)的減排效應(yīng)研究——來自中國碳交易試點(diǎn)地區(qū)的經(jīng)驗(yàn)證據(jù)[J]. 中國環(huán)境科學(xué), 2022,42(4):1922-1933.

Zeng S H, Li P, Weng Z X, et al. A Study of the Emission Reduction Effects of Carbon Markets: Empirical Evidence from Pilot Carbon Trading Regions in China [J]. China Environmental Science, 2022, 42(4):1922-1933.

[17] 董直慶,王 輝.市場(chǎng)型環(huán)境規(guī)制政策有效性檢驗(yàn)——來自碳排放權(quán)交易政策視角的經(jīng)驗(yàn)證據(jù)[J]. 統(tǒng)計(jì)研究, 2021,38(10):48-61.

Dong Z Q, Wang H. Validation of Market-based Environmental Policies: Empirical Evidence from the Perspective of Carbon Emission Trading Policies [J]. Statistical Research, 2021,38(10):48-61.

[18] 李若男,楊力俊,趙曉麗.基于空間模型的中國碳交易減排效果分析[J]. 全球能源互聯(lián)網(wǎng), 2021,4(5):486-496.

Li R N, Yang L J, Zhao X L. Reduction Effect of China’s Carbon Emission Trading Scheme Based on Spatial Model Analysis [J]. Journal of Global Energy Interconnection, 2021,4(5):486-496.

[19] 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]. 中國人口·資源與環(huán)境, 2019,29(5):11-20.

Ren Y Y, Fu J Y. Research on the effect of carbon emissions trading on emission reduction and green development [J]. China population, resources and environment, 2019,29(5):11-20.

[20] 廖文龍,董新凱,翁 鳴,等.市場(chǎng)型環(huán)境規(guī)制的經(jīng)濟(jì)效應(yīng):碳排放交易、綠色創(chuàng)新與綠色經(jīng)濟(jì)增長[J]. 中國軟科學(xué), 2020,(6):159-173.

Liao W L, Dong X K, Weng M, et al. Economic Effect of Market- oriented Environmental Regulation: Carbon Emission Trading, Green Innovation and Green Economic Growth [J]. China Soft Science, 2020,(6):159-173.

[21] 胡江峰,黃慶華,潘欣欣.碳排放交易制度與企業(yè)創(chuàng)新質(zhì)量:抑制還是促進(jìn)[J]. 中國人口·資源與環(huán)境, 2020,30(2):49-59.

Hu J F, Huang Q H, Pan X X. Carbon emission trading system and firms’ innovation quality: suppression or promotion [J]. China population, resources and environment, 2020,30(2):49-59.

[22] 譚 靜,張建華.碳交易機(jī)制倒逼產(chǎn)業(yè)結(jié)構(gòu)升級(jí)了嗎?——基于合成控制法的分析[J]. 經(jīng)濟(jì)與管理研究, 2018,39(12):104-119.

Tan J, Zhang J H. Does China’s ETS Force the Upgrade of Industrial Structure—Evidence from Synthetic Control Method [J]. Research on Economics and Management, 2018,39(12):104-119.

[23] 孫振清,李歡歡,劉保留.碳交易政策下區(qū)域減排潛力研究——產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與技術(shù)創(chuàng)新雙重視角[J]. 科技進(jìn)步與對(duì)策, 2020,37(15):28-35.

Sun Z Q, Li H H, Liu B L. Research on regional emission reduction potential under carbon trading policy: The perspective of industrial restructuring and technological innovation [J]. Science & Technology Progress and Policy, 2020,37(15):28-35.

[24] 任曉松,馬 茜,劉宇佳,等.碳交易政策對(duì)工業(yè)碳生產(chǎn)率的影響及傳導(dǎo)機(jī)制[J]. 中國環(huán)境科學(xué), 2021,41(11):5427-5437.

Ren X S, Ma Q, Liu Y J, et al. The impact of carbon trading policy on industrial carbon productivity and its transmission mechanism [J]. China Environmental Science, 2021,41(11):5427-5437.

[25] 范 英,衣博文.能源轉(zhuǎn)型的規(guī)律、驅(qū)動(dòng)機(jī)制與中國路徑[J]. 管理世界, 2021,37(8):95-105.

Fan Y, Yi B W. Evolution, Driving Mechanism, and Pathway of China’s Energy Transition [J]. Management World, 2021,37(8):49-55.

[26] Lanoie P, Patry M, Lajeunesse R. Environmental Regulation and Productivity: Testing the Porter Hypothesis [J]. Journal of Productivity Analysis, 2008,30(2):121-128.

[27] 李 強(qiáng),丁春林.環(huán)境規(guī)制、空間溢出與產(chǎn)業(yè)升級(jí)——來自長江經(jīng)濟(jì)帶的例證 [J]. 重慶大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2019,25(1):17-28.

Li Q, Ding C L. Environmental regulation, spatial spillover and industrial upgrading: Evidence from the Yangtze River Economic Zone [J]. Journal of Chongqing University ( Social Science Edition), 2019,25(1):17-28.

[28] 姜 楠.環(huán)保財(cái)政支出有助于實(shí)現(xiàn)經(jīng)濟(jì)和環(huán)境雙贏嗎? [J]. 中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào), 2018,(1):95-103.

Jiang N. Does Environmental Fiscal Expenditure Help Achieve a Win-Win Economy and Environment? [J]. Journal of Zhongnan University of Economics and Law, 2018,(1):95-103.

[29] 田淑英,董 瑋,許文立.環(huán)保財(cái)政支出、政府環(huán)境偏好與政策效應(yīng)——基于省際工業(yè)污染數(shù)據(jù)的實(shí)證分析 [J]. 經(jīng)濟(jì)問題探索, 2016,(7):14-21.

Tian S Y, Dong W, Xu W L. Environmental Fiscal Expenditure, Government Environmental Preference and Policy Effects: An Empirical Analysis Based on Inter-provincial Industrial Pollution Data [J]. Inquiry into Economic Issues, 2016,(7):14-21.

[30] 杜雯翠.環(huán)保投資、環(huán)境技術(shù)與環(huán)保產(chǎn)業(yè)發(fā)展——來自環(huán)保類上市公司的經(jīng)驗(yàn)證據(jù)[J]. 北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版), 2013,15(3):47-53.

Du W C. Environmental Investment, Environmental Technology and Environmental Industry Development: Evidence from Environmental Listed Companies [J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2013,15(3):47-53.

[31] 張 華,馮 烽.非正式環(huán)境規(guī)制能否降低碳排放?——來自環(huán)境信息公開的準(zhǔn)自然實(shí)驗(yàn) [J]. 經(jīng)濟(jì)與管理研究, 2020,41(8):62-80.

Zhang H, Feng F. Does Informal Environmental Regulation Reduce Carbon Emissions?—Evidence from a Quasi-natural Experiment of Environmental Information Disclosure [J]. Research on Economics and Management, 2020,41(8):62-80.

[32] 郭 進(jìn),徐盈之.公眾參與環(huán)境治理的邏輯、路徑與效應(yīng) [J]. 資源科學(xué), 2020,42(7):1372-1383.

Guo J, Xu Y Z. The logics, paths, and effects of public participation in environmental management [J]. Resources Science, 2020,42(7):1372-1383.

[33] 盛光華,龔思羽,解 芳.中國消費(fèi)者綠色購買意愿形成的理論依據(jù)與實(shí)證檢驗(yàn)——基于生態(tài)價(jià)值觀、個(gè)人感知相關(guān)性的TPB拓展模型 [J]. 吉林大學(xué)社會(huì)科學(xué)學(xué)報(bào), 2019,59(1):140-151,222.

Sheng G H, Gong S Y, Xie F. Theoretical basis and empirical test on the formation of Chinese consumers'green purchasing intention: TPB expansion model based on ecological values and personal perception correlation [J]. Jilin University Journal Social Sciences Edition, 2019,59(1):140-151,222.

[34] 付凌暉.我國產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化與經(jīng)濟(jì)增長關(guān)系的實(shí)證研究 [J]. 統(tǒng)計(jì)研究, 2010,27(8):79-81.

Fu L H. An Empirical Research on Industry Structure and Economic Growth [J]. Statistical Research, 2010,27(8):79-81.

[35] 曾 剛,陸琳憶,何金廖.生態(tài)創(chuàng)新對(duì)資源型城市產(chǎn)業(yè)結(jié)構(gòu)與工業(yè)綠色效率的影響[J]. 資源科學(xué), 2021,43(1):94-103.

Zeng G, Lu L Y, He J L. Impact of ecological innovation on the economic transformation of resource-based cities [J]. Resources Science, 2021,43(1):94-103.

[36] Wheeler D, Pargal S. Informal regulation of industrial pollution in developing countries: evidence from Indonesia [J]. Journal of Political Economy, 1999,104(6):1314-1327.

[37] 秦炳濤,余潤穎,葛力銘.環(huán)境規(guī)制對(duì)資源型城市產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型的影響 [J]. 中國環(huán)境科學(xué), 2021,41(7):3427-3440.

Qin B T, Yu R Y, Ge L M. The impact of environmental regulation on the industrial structure transformation of resource-based cities [J]. China Environmental Science, 2021,41(7):3427-3440.

[38] 中華人民共和國國家統(tǒng)計(jì)局.新中國六十年統(tǒng)計(jì)資料匯編 [M]. 北京:中國統(tǒng)計(jì)出版社, 2010.

National Bureau of Statistics of China. China Compendium of statistics data 1949～2008 [M]. Beijing:China Statistics Press, 2010.

[39] 溫忠麟,葉寶娟.中介效應(yīng)分析:方法和模型發(fā)展 [J]. 心理科學(xué)進(jìn)展, 2014,22(5):731-745.

Wen Z L, Ye B J. Analyses of Mediating Effects: The Development of Methods and Models [J]. Advances in Psychological Science, 2014, 22(5):731-745.

[40] 易 蘭,李朝鵬,楊 歷,等.中國7大碳交易試點(diǎn)發(fā)育度對(duì)比研究 [J]. 中國人口·資源與環(huán)境, 2018,28(2):134-140.

Yi L, Li C P, et al. Comparative study on the development degree of China’s 7pilot carbon markets [J]. China population, resources and environment, 2018,28(2):134-140.

[41] 包 群,彭水軍.經(jīng)濟(jì)增長與環(huán)境污染:基于面板數(shù)據(jù)的聯(lián)立方程估計(jì) [J]. 世界經(jīng)濟(jì), 2006,(11):48-58.

Bao Q, Peng S J. Economic Growth and Environmental Pollution: Simultaneous Equation Estimation Based on Panel Data [J]. The Journal of World Economy, 2006,(11):48-58.

[42] 余 萍,劉紀(jì)顯.碳交易市場(chǎng)規(guī)模的綠色和經(jīng)濟(jì)增長效應(yīng)研究 [J]. 中國軟科學(xué), 2020,(4):46-55.

Yu P, Liu J X. Research on the Effects of Carbon Trading Market Size on Environment and Economic Growth [J]. China Soft Science, 2020, (4):46-55.

The impact of carbon market on the low-carbon transition of energy mix and its action path.

LIU Ya-qin*, SUN Wei, ZHU Zhi-shuang

(School of Economics, Shanxi University of Finance and Economics, Taiyuan 030006, China)., 2022,42(9)：4369～4379

This paper selects the panel data of 30 provinces and cities in China from 2000 to 2018 to construct the low-carbon energy consumption structure index, and investigates the relationship and heterogeneity between carbon trading policy and the energy consumption structure using multi-period double difference and triple difference methods, and further explores the mechanism of carbon trading policy on the low-carbon energy consumption structure by using multiple intermediary effect model. The results show that carbon trading policy significantly improves the low-carbon level of regional energy consumption structure and the effect keeps increasing year by year. The mechanism analysis shows that the incentive effect of the“four major effects” is obvious, and the effect from large to small is structural optimization effect, behavior-driven effect, ecological innovation effect and environmental protection expenditure effect. From the perspective of heterogeneity, the implementation of policies in regions with slower GDP growth has accelerated the low-carbon transition of energy consumption structure, and the impact is significantly higher than that in regions with faster GDP growth; carbon trading policy has a significant positive effect on the eastern region, but no significant effect on the central and western regions.

carbon trading policy；low-carbon transition of energy consumption structure；multi-period difference-in-differences model；multiple mediation effects model

X820.3

A

1000-6923(2022)09-4369-11

2022-01-17

國家自然科學(xué)基金資助項(xiàng)目(72103113);教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目(17YJCZH115)

*責(zé)任作者, 副教授, liuyaqin2003@126.com

柳亞琴(1981-),女,山西柳林人,副教授,博士,主要從事能源經(jīng)濟(jì)與能源政策研究.發(fā)表論文20余篇.