劉鴻雁，潘晗鈺

（華北電力大學(xué) 經(jīng)濟管理系，河北 保定 071003）

0 引言

碳排放權(quán)交易體系（Emission trading system，ETS）被認為是目前最有效的減少碳排放的環(huán)境政策[1]。我國ETS建設(shè)起步于地方碳交易試點政策。2011年，北京、天津、上海、重慶、湖北、廣東及深圳7個省市開展了碳交易試點工作。2013年，這7個省市先后正式啟動碳市場。地方碳市場取得的階段性成果，為全國碳市場的啟動和建設(shè)積累了寶貴的經(jīng)驗[2]。

經(jīng)過第一個履約周期的建設(shè)和運行，全國碳市場已經(jīng)建立起基本的框架制度。與歐盟碳市場相比，我國碳市場尚處于發(fā)展初期，市場活躍程度和市場成熟程度有待進一步提升[3]。地方碳市場的成功經(jīng)驗可以為全國碳市場體系的完善提供參考，所以研究地方碳市場的成功經(jīng)驗具有重要意義。

截至2021年，北京、天津、上海、廣東和深圳5個試點地區(qū)完成了8次履約，湖北和重慶地區(qū)完成了7次履約。由于7個試點省市的碳排放權(quán)交易方案和市場規(guī)則由各省市政府單獨設(shè)計和制定，所以交易存在顯著的異質(zhì)性，不同省市的政策效果也有所不同[4]。

在7個試點省市中，廣東省碳排放配額總量位居首位，交易量為湖北省的2倍，累計成交金額連續(xù)7年位居第一。另外，廣東省是全國首個進行有償配額的省份，其碳市場流動性最大[5]。

廣東省碳試點的覆蓋范圍從實施起就包括了電力、鋼鐵、石化和水泥4個行業(yè)。電力行業(yè)碳排放量占廣東省碳試點總碳排放量的一半以上，受政策監(jiān)管最為嚴(yán)格[6]。

廣東省碳市場與全國碳市場相似度高。深入研究廣東省碳市場成功經(jīng)驗對全國碳市場建設(shè)具有重要意義。

在評估碳交易政策對減少碳排放的效應(yīng)方面，目前的主流方法包括斷點回歸法、雙重差分法（Difference in differences，DID）、三重差分法（Difference in differences in differences，DDD）、傾向得分匹配–雙重差分法（Propensity score matching-difference in differences，PSM-DID）和合成控制法（Synthetic control method，SCM），其中后4種算法已廣泛運用于評估碳交易試點政策的實施效果。

DID是政策效應(yīng)評估的經(jīng)典方法，其在理論上較為成熟。文獻[7]利用2014—2016年我國省級面板數(shù)據(jù)研究發(fā)現(xiàn)，碳交易政策可以有效減少碳排放。文獻[8]針對我國省級面板數(shù)據(jù)，使用DID研究，發(fā)現(xiàn)碳試點可以促進低碳發(fā)展。文獻[9]采用連續(xù)型DID并結(jié)合相關(guān)算法，研究發(fā)現(xiàn)試點政策可使試點地區(qū)碳排放強度降低9.5%。

考慮DID在控制組的選擇上具有主觀性，可能造成結(jié)果的偏差，所以部分學(xué)者采用PSM-DID方法選擇最合適的控制組。文獻[10]基于省級面板數(shù)據(jù)，采用DID和PSM-DID方法評估了碳交易政策對碳排放和碳強度的影響。文獻[11]基于我國102個主要城市的城市級數(shù)據(jù)，研究發(fā)現(xiàn)碳交易政策可以有效減少試點城市的碳排放，特別是對于北京、上海、深圳和廣州等城市。

近來一些文獻通過研究發(fā)現(xiàn)，DDD可以解決DID中平行趨勢難以滿足的問題。文獻[12]采用DDD研究碳排放交易政策的影響，并發(fā)現(xiàn) SCM適用于實驗組樣本量較小的情況。文獻[13]運用合成控制法分析了試點ETS對試點地區(qū)碳減排的影響，發(fā)現(xiàn)我國碳交易試點政策具有顯著的碳減排效果。

以上政策評估方法各具特點。

DID方法要求實驗組和控制組有平行趨勢；在控制組的選擇上具有主觀性；由于對控制組中的個體分配了相同的權(quán)重，所以其結(jié)果存在選擇偏差并且不穩(wěn)健[14]。雖然PSM-DID具有消除控制組和實驗組特征上的系統(tǒng)性差異的優(yōu)勢，但可能因混合數(shù)據(jù)的個體–時間交錯而使這一優(yōu)勢消失[15]20。

DDD的應(yīng)用條件較為苛刻——需要至少找到2個合適的控制組樣本[15]20。

合成控制法適用于實驗組樣本量較小的情況，且其要求分配的權(quán)重在[0，1]區(qū)間。如果實驗組特征與控制組特征差異較大，則難以找到合適的權(quán)重[16]。

相比于以上這幾種方法，斷點回歸法（Regression discontinuity design，RDD或RD）是因果推斷框架中最可信和最可靠的非實驗策略之一。使用RD可有效避免參數(shù)估計的內(nèi)生性，可識別真實的因果關(guān)系[17]。RD依賴于較弱、更易于解釋的非參數(shù)識別假設(shè)，可靈活、穩(wěn)健地估計和推斷局部均值處理效果[18]。此外，RD實現(xiàn)的假設(shè)相對更容易被檢驗，所以其被認為是最接近隨機實驗的方法，也是當(dāng)前因果識別中優(yōu)先選擇的方法。

目前，關(guān)于試點ETS減排機制的研究相對較少。文獻[19]研究發(fā)現(xiàn)，通過 ETS試點刺激企業(yè)升級綠色技術(shù)和鼓勵企業(yè)轉(zhuǎn)移污染可減少污染。文獻[20]發(fā)現(xiàn) ETS通過減少產(chǎn)出來減少碳排放。文獻[21]基于北京和上海的服務(wù)業(yè)數(shù)據(jù)研究了ETS試點對碳排放的影響機制。文獻[22]使用PSM-DID和LMDI方法探索了工業(yè)和交通部門的影響機制。文獻[23]聚焦產(chǎn)業(yè)板塊，研究結(jié)論認為我國碳交易試點通過提高減排效率和調(diào)整產(chǎn)業(yè)結(jié)構(gòu)發(fā)揮作用。總體而言，對我國ETS試點影響機制的研究仍然缺乏。

目前相關(guān)文獻所使用的數(shù)據(jù)大多為省級或市級數(shù)據(jù)，尚未見使用縣級數(shù)據(jù)開展的相關(guān)研究工作。

鑒于此，本文采用 RD研究廣東省碳排放權(quán)交易政策的效果及作用機制；探索碳排放系數(shù)、電能消費占比和電能強度對廣東省碳強度的影響途徑或機制；結(jié)合縣級數(shù)據(jù)開展研究，使該領(lǐng)域的研究更加全面。

1 斷點回歸模型

1.1 斷點回歸設(shè)計

斷點回歸設(shè)計可以分為精確斷點回歸和模糊斷點回歸，其核心思想是：個體是否受到處理完全取決于某個連續(xù)的驅(qū)動變量。如果被解釋變量在驅(qū)動變量的臨界值附近出現(xiàn)明顯跳躍，則說明存在處理效應(yīng)。

本文采用地理斷點，以各縣到廣東省省界的距離作為驅(qū)動變量。各縣是否實施碳交易試點政策完全取決于其在驅(qū)動變量臨界值的哪一側(cè)。廣東省內(nèi)各縣均實施碳交易試點政策，而其外非試點省市各縣均不實施政策。所以，本文選用精確斷點回歸估計碳交易試點政策對廣東省碳強度的影響。精確斷點回歸的基本模型如下：

式中：i代表各縣；被解釋變量Ci為i的碳強度；模型的核心解釋變量Ti為虛擬變量，Ti=1表示該縣實施碳交易試點政策，反之Ti=0；Di為各縣到廣東省省界的最短距離；g(Di)為變量Di的多項式函數(shù)；a為常數(shù)項；εi為隨機誤差項，且假設(shè)為獨立同分布；Xi為協(xié)變量，包括其他影響碳強度的因素。

根據(jù)文獻[24]，樣本量有限的RD設(shè)計應(yīng)該選擇局部線性多項式或局部二次多項式來估計結(jié)果，所以g(Di)可能包括變量的線性項和二次項。

模型中，Ti的系數(shù)b代表了政策在斷點處的邊際影響，即ETS的實施帶來的碳強度變化。系數(shù)b捕捉了碳交易試點政策對廣東省碳強度影響的凈效應(yīng)：當(dāng)b顯著為負時，說明碳交易試點政策顯著降低了廣東省的碳強度；當(dāng)b顯著為正時，說明碳交易試點政策顯著提高了廣東省的碳強度；當(dāng)b不顯著時，說明碳交易試點政策對廣東省的碳強度影響效果不明顯。

1.2 變量選取與數(shù)據(jù)來源

以廣東省作為研究對象。廣東省于2013年12月19日正式啟動碳排放權(quán)交易政策。按參考文獻[25]劃分方法，選擇2014年作為政策實施分界線。由于最新的縣級碳排放數(shù)據(jù)更新到2017年，且2017年后，試點ETS的建設(shè)與國家碳市場并行運行，因此2017年后廣東省碳試點政策產(chǎn)生的影響可能無法清晰識別[26]，所以：考慮到數(shù)據(jù)的可用性和連續(xù)性，選擇2014—2017年的數(shù)據(jù)進行研究。為了避免其他試點省市數(shù)據(jù)的干擾，本文研究對象為廣東省與其他非試點省市（即北京、天津、上海、重慶、湖北與福建以外的24個省市）。由于深圳市屬于一個獨立的試點市，所以不包含深圳市數(shù)據(jù)。研究的對象數(shù)據(jù)涵蓋了1 878個縣；每個縣的碳排放量數(shù)據(jù)來自中國碳核算數(shù)據(jù)庫（CEADs），其他數(shù)據(jù)來源于EPS數(shù)據(jù)庫和各省市的統(tǒng)計年鑒。

（1）被解釋變量

碳強度：即單位GDP的二氧化碳排放量。

（2）驅(qū)動變量

驅(qū)動變量為縣區(qū)到廣東省省界的距離Di。

本文將廣東省省界作為地理分界線。各縣到廣東省省界的距離，通過ArcGIS軟件測算各縣質(zhì)心到廣東省省界的最短距離得到。廣東省內(nèi)各縣為實驗組，距離取值為正；廣東省外各縣為控制組，距離取值為負。

（3）核心解釋變量

核心解釋變量為虛擬變量Ti。

在廣東省（不包含深圳市）與其他非試點省市中，如果某縣實施了碳交易試點政策，則Ti取值為 1；反之為 0。由于將廣東省省界作為地理分界線，所以即為廣東省內(nèi)各縣Ti值取1，反之為0。即：

（4）協(xié)變量

RD可以看作是局部隨機試驗，所以是否在回歸中包含了協(xié)變量并不影響斷點回歸估計量的一致性。原則上，協(xié)變量在短期內(nèi)不受處理效果影響，但對被解釋變量有一定解釋力度。控制協(xié)變量可以進一步提高估計的一致性和穩(wěn)健性[27]。

協(xié)變量的連續(xù)性是控制協(xié)變量斷點回歸的一個前提假設(shè)條件。

本文參照了IPAT模型選取協(xié)變量，其表達式如下：

式中：I代表環(huán)境壓力；P代表人口；A代表富裕程度；T代表技術(shù)水平。

鑒于相關(guān)研究發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)顯著影響碳強度[28]，所以本文將其考慮在內(nèi)。

因此，如表1所示，本文選擇了4個協(xié)變量：人口、富裕程度、技術(shù)創(chuàng)新和產(chǎn)業(yè)結(jié)構(gòu)。人口，以各縣的戶籍人口數(shù)來表示；富裕程度，以每個縣的人均GDP來衡量；研發(fā)強度，即R&D內(nèi)部經(jīng)費支出占 GDP的比重，用于表示技術(shù)創(chuàng)新[29]（由于缺乏縣級層面的技術(shù)數(shù)據(jù)，以各市R&D內(nèi)部經(jīng)費支出占GDP的比重代替其下各縣數(shù)據(jù)）。

表1 變量的基本解釋Tab. 1 Basic explanation of variables

為保證數(shù)據(jù)的平穩(wěn)性、削弱多重共線性和異方差性[30]，除距離外的所有變量均采用對數(shù)形式。

1.3 描述性統(tǒng)計

表2示出了在斷點任一側(cè)帶寬為1的2個子樣本（處理組和控制組）的描述性統(tǒng)計數(shù)據(jù)。由表2可以看到，變量分布在合理的范圍內(nèi)，保證了數(shù)據(jù)的可靠性。由于控制組部分縣市缺乏技術(shù)創(chuàng)新數(shù)據(jù)，所以樣本量略小。

表2 各變量的描述性統(tǒng)計分析Tab. 2 Descriptive statistics analysis for each variable

2 政策效應(yīng)計算結(jié)果及分析

2.1 斷點圖分析

驅(qū)動變量與碳強度的關(guān)系見圖1。圖1直觀展示出：碳強度在驅(qū)動變量的臨界值附近出現(xiàn)跳躍，處理組的碳強度顯著下降。廣東省各縣的碳強度明顯低于廣東省以外的縣，初步說明存在處理效應(yīng)，也初步證明了斷點回歸的適用性。

圖1 廣東省省界處的碳強度斷點圖Fig. 1 Regression discontinuity (RD) plot of carbon intensity at provincial boundaries in Guangdong province

2.2 斷點回歸估計結(jié)果

應(yīng)用 RD模型時，需要選擇合理的帶寬和階數(shù)。考慮到樣本的大小和斷點兩側(cè)的數(shù)據(jù)平衡，選擇帶寬1作為參考帶寬?？紤]帶寬0.5所含的樣本量較少，所以選擇帶寬2進行穩(wěn)健性檢驗?；貧w結(jié)果見表3。

表3 廣東省試點政策對廣東碳強度影響的回歸結(jié)果Tab. 3 Regression results of ETS pilot policy on carbon intensity in Guangdong

由表3可以看出，政策因素顯著降低了處理組的碳強度。當(dāng)帶寬為1且未添加協(xié)變量時，處理效果為–0.406，即處理組的碳強度相比于控制組平均下降了 0.406；控制協(xié)變量后的處理效果為–0.378，與未加入?yún)f(xié)變量的估計結(jié)果相近。當(dāng)帶寬為2時，不控制和控制協(xié)變量的處理效果分別為–0.427和–0.390，與帶寬為1時的結(jié)果相近。這說明，結(jié)果具有穩(wěn)健性，斷點回歸設(shè)計是有效的。從表3還可以看出，產(chǎn)業(yè)結(jié)構(gòu)對碳強度有顯著的正向影響，而人口和人均GDP對碳強度有顯著的負向影響。當(dāng)帶寬為1時，技術(shù)創(chuàng)新對碳強度有顯著的正向影響；帶寬為2時，技術(shù)創(chuàng)新對碳強度沒有顯著影響。

2.3 逐年回歸分析

為了考察廣東省碳試點政策減排效果以及減排機制在時間維度上的異質(zhì)性，參考文獻[31]的做法，進行逐年回歸分析。按照式（1）分別建立2014—2017年4個回歸方程，分析政策實施在各年的減排效果及減排機制。

圖2為2014—2017年各年碳強度與驅(qū)動變量之間的斷點圖。

圖2 2014—2017年碳強度在廣東省省界處的斷點圖Fig. 2 Regression discontinuity (RD) plot of carbon intensity at provincial boundaries in Guangdong province from 2014 to 2017

從圖2可以看出，這4年碳強度均在臨界值處出現(xiàn)跳躍，存在明顯的斷點。表4展示了不同帶寬下，2014—2017年的逐年回歸結(jié)果。表4中，第4列結(jié)果為系數(shù)b。從表4可以看到，各年處理效果均顯著為負；這說明，政策因素顯著降低了處理組碳強度。

表4 2014—2017碳試點政策對碳強度影響的RD估計結(jié)果Tab. 4 RD estimation results of the impact of ETS pilot policy on carbon intensity from 2014 to 2017

表5展示了帶寬為1且包含協(xié)變量的具體回歸結(jié)果。表5數(shù)據(jù)同樣表明，碳試點政策的實施總體上降低了控制組的碳強度。從表5還可以看出，除了2014年外，技術(shù)創(chuàng)新對碳強度沒有顯著影響；產(chǎn)業(yè)結(jié)構(gòu)對碳強度有顯著的正向影響；人口和人均GDP對碳強度有顯著的負向影響。

表5 2014—2017廣東省試點政策對碳強度影響的回歸結(jié)果Tab. 5 Regression results of ETS pilot policy on carbon intensity in Guangdong province from 2014 to 2017

表4和表5顯示出，2014—2017年各年的處理效果顯著，與帶寬和是否加入?yún)f(xié)變量無關(guān)。表5中，2016年與2017年處理效果相比于前2年在顯著性水平上略弱；這表明，政策效應(yīng)在各年之間存在差異。由于ETS政策具有一定的指令和控制特征，因此，包括中央政府、地方政府和相關(guān)企業(yè)在內(nèi)的各方在前2年對這項政策的積極性和重視度都比較高；政策實施一段時間后，隨著各方對該政策的關(guān)注淡化，政策效果減弱[32]。

3 穩(wěn)健性檢驗

3.1 有效性檢驗

使用RD時需要滿足2個假設(shè)：局部隨機化假設(shè)和協(xié)變量的連續(xù)性假設(shè)。

第一個假設(shè)認為：經(jīng)濟個體無法精確操作驅(qū)動變量。采用地理斷點，則不存在某個縣由于碳交易試點政策而事前人為劃出或劃入廣東省的情況，符合局部隨機化假設(shè)條件。

第二個假設(shè)是為了避免捕捉到其他協(xié)變量的斷點效應(yīng)。要求：除了碳交易試點政策外，其他協(xié)變量在邊界線附近都連續(xù)，即在分界線附近不存在跳躍現(xiàn)象。協(xié)變量的連續(xù)性檢驗結(jié)果如圖3。

圖3 協(xié)變量的連續(xù)性檢驗Fig. 3 Continuity tests for covariates

圖3顯示，2014—2017年的產(chǎn)業(yè)結(jié)構(gòu)、人均GDP和戶籍人口數(shù)均在分界線處連續(xù)，沒有明顯斷點，而技術(shù)創(chuàng)新在2016和2017年似乎存在跳躍。通過回歸結(jié)果進一步判斷，結(jié)果見表6。表6中數(shù)值是協(xié)變量各年連續(xù)性檢驗結(jié)果的顯著性水平，即P值。例如：產(chǎn)業(yè)結(jié)構(gòu)的2014年回歸結(jié)果的P值為0.941，大于0.1，說明2014年產(chǎn)業(yè)結(jié)構(gòu)在分界線處沒有斷點。表6顯示，各協(xié)變量在分界線處均未出現(xiàn)斷點，滿足連續(xù)性假設(shè)。

表6 協(xié)變量連續(xù)性檢驗的回歸結(jié)果顯著性Tab. 6 Significance levels for regression results of continuity tests for covariates

3.2 安慰劑檢驗

將驅(qū)動變量Di減去、加上 0.3，分別作為新的驅(qū)動變量；設(shè)置假的分界線，作為安慰劑斷點，以檢驗是否有不可觀測變量干擾結(jié)果[33]。采用線性或二次多項式[34]，計算結(jié)果如表7所示。

表7 改變斷點位置的回歸結(jié)果Tab. 7 Regression results with different changing break point position

表7顯示，在2014—2017各年中，安慰劑斷點的處理效果都不顯著；這說明，碳交易試點政策確實是廣東省碳強度降低的重要因素，由此排除了不可觀測變量干擾結(jié)果的可能性，也證明結(jié)果的穩(wěn)健性。

3.3 敏感性分析

前面的計算采用的是參數(shù)估計方法[35]。

本節(jié)采用 2種非參數(shù)方法，即用均方誤差（Mean square error，MSE）和覆蓋誤差率（Coverage error rate，CER）來選擇帶寬，并分別采用線性和二次多項式對模型進行階數(shù)和帶寬的穩(wěn)健性檢驗，結(jié)果如表8所示。

表8 不同帶寬和階數(shù)下的斷點回歸結(jié)果Tab. 8 RD results with different bandwidths and orders

表8中，2014—2017年每年的不同帶寬和階數(shù)下的處理效果相似，且均顯著，說明結(jié)果穩(wěn)健。以2014年為例：根據(jù)MSE和CER方法，階數(shù)為線性時，每一側(cè)的最佳帶寬分別為 1.369和0.940；這說明選取帶寬為 1合理。不同帶寬選取方式下的處理效果接近，均在–0.5左右，且P值接近于0，均顯著；這說明不同帶寬選擇方法下的結(jié)果穩(wěn)健可靠。當(dāng)多項式為二階時，處理效果也顯著為負，且相近；這證明不同階數(shù)的結(jié)果也穩(wěn)健。

4 減排機制分析

探討廣東省碳強度降低的原因、試點政策降低碳強度的機制，具有重要的意義。

一個縣碳強度的降低可以歸因于4個因素，即碳排放系數(shù)、電能消費占比的倒數(shù)、電能強度、產(chǎn)業(yè)結(jié)構(gòu)。碳排放系數(shù)越低，電能消費占比越高，碳強度就越低。受到發(fā)電的燃料構(gòu)成的影響，碳強度和電能強度之間的關(guān)系并不確定。

4.1 技術(shù)創(chuàng)新

波特假說認為：設(shè)計良好、執(zhí)行有力的環(huán)境政策可以大大刺激技術(shù)創(chuàng)新。表6結(jié)果顯示技術(shù)創(chuàng)新在分界線連續(xù)，這說明試點和非試點地區(qū)在技術(shù)創(chuàng)新方面沒有明顯的差異。因此，廣東省試點政策并不影響企業(yè)以技術(shù)創(chuàng)新帶動減少碳排放。與文獻[36]結(jié)果一樣，本文認為波特假說在中國的ETS試點中并不存在。

文獻[37]指出：要刺激綠色技術(shù)的發(fā)明和推廣，環(huán)境政策必須具備5個特性：靈活性、發(fā)生率、深度、嚴(yán)格性和可預(yù)測性?？深A(yù)測性是指企業(yè)可以預(yù)期政策（如配額分配的規(guī)則）在未來的不確定性程度。嚴(yán)格程度通常由碳排放權(quán)價格表示；價格越高，嚴(yán)格程度越高。

中國的試點 ETS不能滿足嚴(yán)格性和可預(yù)測性。首先，碳排放權(quán)自由分配阻礙了低碳技術(shù)的創(chuàng)新[38]；其次，樣本期間廣東省的碳排放權(quán)價格較低，是政策充分發(fā)揮作用的一個障礙。表9顯示，在2014—2017年期間碳價不斷下降，從2014年的46.19元/t下降到2017年的14.09元/t。因此，較低的碳價格應(yīng)該是造成技術(shù)創(chuàng)新缺失的原因。此外，波特假說的缺失表明廣東省試點ETS的改進潛力很大。

表9 2014—2017年廣東省碳排放權(quán)價格Tab. 9 Price of carbon emission exchange in Guangdong province from 2014 to 2017

文獻[39]認為，ETS政策并不能刺激所有類別的創(chuàng)新，而是有偏向的創(chuàng)新誘導(dǎo)。一些研究將低碳或綠色技術(shù)研發(fā)投資與其他一般投資區(qū)分開。如，文獻[40]發(fā)現(xiàn)，環(huán)境監(jiān)管主要是鼓勵綠色技術(shù)創(chuàng)新而不是非綠色創(chuàng)新。因此，有一種可能是廣東省ETS刺激了綠色技術(shù)創(chuàng)新或綠色研發(fā)投資，但減少了其他非綠色研發(fā)投資，所以對整體研發(fā)的影響不大。文獻[41]發(fā)現(xiàn)，環(huán)境監(jiān)管促進了綠色技術(shù)的發(fā)展，擠壓了非綠色技術(shù)的發(fā)展；因此，對整個技術(shù)創(chuàng)新沒有出現(xiàn)明顯的影響。然而，由于缺乏縣級的綠色和非綠色研發(fā)支出數(shù)據(jù)，無法進一步檢驗這一假設(shè)。

4.2 產(chǎn)業(yè)結(jié)構(gòu)

表5結(jié)果顯示，產(chǎn)業(yè)結(jié)構(gòu)對碳強度有顯著正向影響，第二產(chǎn)業(yè)比例的下降可以降低碳強度。比例下降意味著產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整和升級，這與許多研究一致。文獻[42]發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)升級可以通過調(diào)整產(chǎn)業(yè)結(jié)構(gòu)的不平衡來減少碳排放。

圖3顯示，產(chǎn)業(yè)結(jié)構(gòu)在2014—2017年的分界點均連續(xù)。這表明試點地區(qū)和非試點地區(qū)在產(chǎn)業(yè)結(jié)構(gòu)上沒有明顯差異，廣東省ETS并沒有引起明顯的產(chǎn)業(yè)結(jié)構(gòu)變化。這與文獻[43]觀點一致：廣東省ETS并沒有促進產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)。原因分析：首先，環(huán)境法規(guī)會對產(chǎn)業(yè)結(jié)構(gòu)的升級產(chǎn)生重大影響，但這只是從長期來看[44]；因此，短期內(nèi)，處理組和控制組的產(chǎn)業(yè)結(jié)構(gòu)可能沒有明顯的差異。其次，中國的其他城市和縣區(qū)也在嚴(yán)格淘汰高耗能和高碳的產(chǎn)業(yè)和產(chǎn)能，這可能導(dǎo)致廣東省和其他地區(qū)間沒有明顯的差異。

4.3 碳排放系數(shù)

由于無法獲得縣級的能源消費數(shù)據(jù)，所以采用市級的能源消費量來推算碳排放系數(shù)。圖4顯示了各縣的碳排放系數(shù)與驅(qū)動變量之間的關(guān)系。在圖4中，2014—2017年，碳排放系數(shù)在分界點上都表現(xiàn)出明顯的跳躍性，處理組的碳排放系數(shù)遠低于對照組；這說明，廣東省碳交易試點政策降低了其碳排放系數(shù)。

圖4 碳排放系數(shù)斷點圖Fig. 4 Regression discontinuity (RD) plot of carbon emission coefficient

表10顯示，2014年的處理效果為–0.977，這說明廣東各縣的碳排放系數(shù)相對于非試點縣要低0.977。2014—2017年的處理效果均顯著，而且非常相似；這說明廣東省的碳排放系數(shù)顯著低于非試點縣。

表10 碳交易試點政策對碳排放系數(shù)影響的RD估計結(jié)果Tab. 10 RD estimation results for the policy effect on carbon emission coefficient

碳排放系數(shù)降低，主要有2方面原因。

首先是減排技術(shù)的發(fā)明和使用。

隨著企業(yè)不斷采用更先進、更清潔的技術(shù)，單位能耗的碳排放量會減少。然而，新的低碳技術(shù)只有在大量研發(fā)投資的情況下才能出現(xiàn)。由于沒有發(fā)現(xiàn)廣東省比非試點地區(qū)的企業(yè)研發(fā)投資更多，因此，這些企業(yè)很可能是采用中國現(xiàn)有的技術(shù)而不是通過技術(shù)自主研發(fā)來減少排放，并將履約成本降到最低[45]。廣東省試點ETS沒有成功地激勵節(jié)能減排新技術(shù)的發(fā)明。然而，只有綠色技術(shù)的創(chuàng)新或發(fā)明（而不是采用）才能擴大一個國家的技術(shù)集合，而新技術(shù)的發(fā)明比其采用更重要[46]；因此，廣東省應(yīng)該更好地設(shè)計其政策，以鼓勵企業(yè)進行更多的清潔能源研發(fā)投資。

其次是能源替代。

用清潔能源替代污染性能源。能源替代可以減少碳排放。在過去幾年中，廣東省積極發(fā)展清潔能源。2014—2017年，其清潔能源占比為30%左右，而同期全國的平均水平是17%～20.8%。碳排放系數(shù)的下降反映了廣東省清潔能源的發(fā)展和能源結(jié)構(gòu)的轉(zhuǎn)變。

因此，清潔能源的發(fā)展和已經(jīng)存在的節(jié)能減排技術(shù)的應(yīng)用，有助于降低廣東省的碳排放系數(shù)，這可能是廣東省碳強度下降的一個機制。

4.4 電能消費占比

圖5顯示，2014—2017年，電能消費占比均在分界線上出現(xiàn)跳躍，處理組的電能消費占比高于控制組。表11顯示，在0.1的顯著性水平上，2014—2017年各年處理效果均顯著為正；這說明試點地區(qū)電能消費占比顯著高于非試點地區(qū)。2014—2017年，試點地區(qū)和非試點地區(qū)的電能消費占比具有明顯差異；該結(jié)果與實際情況一致。廣東省是用電大省。2014—2017年，廣東省終端能源消費總量中，電力占比高達 50%；一次電力及其他能源占比約為 25%，而全國平均比例僅為 12%左右?？梢?，廣東省能源消費量中電能消費占比高于全國水平，所以這可能是廣東省碳交易政策生效的機制之一。

表11 碳試點政策對電能消費占比影響的RD估計結(jié)果Tab. 11 RD estimation results for the policy effect on the proportion of power in total energy consumption

圖5 電能消費占比的斷點圖Fig. 5 Regression discontinuity (RD) plot of the proportion of power in total energy consumption

4.5 電能強度

各縣的電能強度斷點圖如圖6所示。由圖6可以看出，各年電能強度在分界線上都表現(xiàn)出明顯的跳躍性；這表明廣東省試點政策應(yīng)該導(dǎo)致了廣東省電能強度的增加。

圖6 電能強度斷點圖Fig. 6 Regression discontinuity (RD) plot of power consumption intensity

表12顯示，2014—2017年，處理效果均顯著為正，且處理效果的P值幾乎為零；這進一步驗證了廣東省的電能強度相對于非試點縣明顯提高。

表12 碳交易試點政策對電能強度影響的RD估計結(jié)果Tab. 12 RD estimation results for the policy effect on power consumption intensity

碳強度和電能強度之間的關(guān)系取決于發(fā)電的燃料構(gòu)成。如果電力全部由清潔能源產(chǎn)生，則電能強度越高，碳強度越低。同樣地，如果越來越多的電力由清潔能源產(chǎn)生，則電能強度越高，碳強度越低。

雖然核電并不完全清潔，但從碳排放較少的意義上看，是相對清潔的。廣東省擁有全國最多的核電站，核電約占廣東省總發(fā)電量的 20%。同時，廣東省是全國最著名的小水電大省，已建小水電站數(shù)量居全國第一，裝機容量居全國第三。此外，廣東省充分利用各種清潔能源，如風(fēng)能、太陽能、地?zé)崮軄戆l(fā)電。由于其在清潔能源發(fā)電方面的持續(xù)投資和發(fā)展，預(yù)計到2030年底，廣東省或?qū)⒊蔀槿珖Ｉ巷L(fēng)電裝機容量最大的省份。這些都為廣東省的清潔能源發(fā)電做出了貢獻。

此外，廣東省電力的30%來自“西電東送”，主要是清潔能源電力。在廣東省本地發(fā)電結(jié)構(gòu)中，火力發(fā)電占70%，另外30%主要為核電和水電等清潔能源。因此，可以粗略地計算出：清潔能源電力在廣東省的電力消費中約占 51%。由于廣東省不斷提高電力中清潔能源電力的占比，所以電能強度越高，碳強度就越低。

廣東省不斷用電力替代煤炭等其他能源，用清潔能源電力替代化石燃料能源電力。文獻[47]發(fā)現(xiàn)，廣東省ETS通過能源結(jié)構(gòu)調(diào)整和優(yōu)化的渠道減少了碳排放。因此，清潔能源替代和清潔能源結(jié)構(gòu)優(yōu)化應(yīng)該是廣東省碳強度下降的一個最重要原因。

5 減排機制檢驗

用逐步回歸法對3個可能的機制，即碳排放系數(shù)、電能消費占比和電能強度進行檢驗。逐步回歸法基本模型如下：

式中：Mi分別代表3個中介變量，其他變量與前文含義相同。

如果系數(shù)β1、β2、β3均顯著，則說明存在中介效應(yīng)；如果系數(shù)β1顯著而系數(shù)β2或β3不顯著，則繼續(xù)通過sobel檢驗做進一步判斷；若sobel結(jié)果顯著，則說明具有中介效應(yīng)，反之沒有。

5.1 碳排放系數(shù)

表13中，各年的第2行結(jié)果顯示出政策對碳排放系數(shù)的處理效應(yīng)顯著為負，說明政策與碳排放系數(shù)顯著負向相關(guān)，即政策抑制了處理組的碳排放系數(shù)。表13中，各年第3行結(jié)果顯示碳排放系數(shù)對碳強度有顯著正向影響，即碳排放系數(shù)越低則碳強度越低。中介效應(yīng)各年均顯著。該結(jié)果表明，碳排放系數(shù)是碳試點政策降低廣東省碳強度的機制之一。

表13 碳排放系數(shù)的中介效應(yīng)回歸結(jié)果Tab. 13 Regression results of mediating effects of carbon emission coefficients

5.2 電能消費占比

表14中結(jié)果顯示：政策對電能消費占比的處理效應(yīng)在 2014—2016年不顯著，2017年顯著為正；至少在2017年，廣東省各縣的電能消費占比顯著高于控制組。2017年中介效應(yīng)顯著，而2014—2016年中介效應(yīng)經(jīng)過 sobel檢驗，顯著性分別為0.82、0.47和0.26，均大于0.1，中介效應(yīng)不顯著。這說明，2014—2016年，電能消費占比并非政策降低廣東省碳強度的中介變量之一，僅在2017年起部分中介效應(yīng)。

表14 電能消費占比的中介效應(yīng)回歸結(jié)果Tab. 14 Regression results of mediating effects of the proportion of power in total energy consumption

5.3 電能強度

表15中結(jié)果顯示，政策對電能強度的處理效應(yīng)顯著為正，廣東省各縣的電能強度顯著高于控制組。表15結(jié)果表明：2014—2016年中介效應(yīng)顯著；2017年經(jīng)過sobel檢驗顯著性為0.22，中介效應(yīng)不顯著。該結(jié)果說明，前3年，電能強度是政策降低廣東省碳強度的中介變量之一，而2017年電能強度不再起中介效應(yīng)。

表15 電能強度的中介效應(yīng)回歸結(jié)果Tab. 15 Regression results of mediating effects of power consumption intensity

6 結(jié)論與建議

本文基于中國縣級數(shù)據(jù)，運用RD，研究了廣東省碳交易試點政策對廣東省碳強度的影響及其作用機制，并得出以下結(jié)論。

首先，廣東省碳試點政策促使廣東省各縣的碳強度明顯降低。其次，根據(jù)逐年回歸結(jié)果，發(fā)現(xiàn)2014—2017年政策效應(yīng)均顯著；這表明碳試點政策對其碳強度下降做出了貢獻。第三，機制分析表明，廣東省碳試點政策從本質(zhì)上影響了3個渠道——碳排放系數(shù)、電能消費占比和電能強度；但是，各年機制并不相同：碳排放系數(shù)各年均發(fā)揮了中介效應(yīng)作用；電能消費占比僅在2017年發(fā)揮了中介效應(yīng)；電能強度在2014—2016年起到中介作用，而2017年不再起中介作用。

總體而言，認為廣東省碳試點通過清潔能源替代和能源結(jié)構(gòu)優(yōu)化與轉(zhuǎn)型發(fā)揮了作用。最后，計算結(jié)果不支持波特假說，碳試點政策沒有促進產(chǎn)業(yè)結(jié)構(gòu)升級以減少碳排放。

根據(jù)以上研究結(jié)果，對地方試點市場和全國碳市場建設(shè)提出以下政策建議。

首先，地方碳市場和全國碳市場應(yīng)該提高碳交易政策的嚴(yán)格性和確定性，使企業(yè)的研發(fā)投資得到明顯提升，特別是能源技術(shù)和低碳技術(shù)的研發(fā)投資。同時，分配給企業(yè)的碳排放配額應(yīng)該逐步減少，讓更多的配額通過拍賣的方式分配。除了政策的嚴(yán)格性，還應(yīng)該提高政策的確定性，向企業(yè)提供更多關(guān)于未來政策趨勢的信息；這樣，企業(yè)可以根據(jù)日益嚴(yán)格的政策來調(diào)整其生產(chǎn)和投資。如果政策存在很大的不確定性，企業(yè)就不太可能調(diào)整其投資決策。第二，建議政策制定者不僅要強調(diào)推廣新的節(jié)能減排技術(shù)，而且要強調(diào)這些技術(shù)的研發(fā)。只有清潔技術(shù)的創(chuàng)新或發(fā)明（而不是采用）才能擴大一個國家的技術(shù)集合。第三，我國通過清潔能源開發(fā)、清潔能源替代和能源結(jié)構(gòu)轉(zhuǎn)型來減少碳排放的潛力巨大。因此，建議我國加快清潔能源（如風(fēng)能和太陽能）的開發(fā)和利用以及能源結(jié)構(gòu)的轉(zhuǎn)型。清潔能源發(fā)電和電氣化也是實現(xiàn)碳減排和碳中和的良好渠道。

展望：數(shù)據(jù)的缺乏限制了對變量的選擇，特別是在研究影響機制方面。例如，雖然在廣東省沒有發(fā)現(xiàn)對波特假說的支持，但這并不是波特假說不存在的充分理由，這可能是由于缺乏更詳細的數(shù)據(jù)。有一種可能性是，廣東省 ETS刺激了綠色技術(shù)創(chuàng)新或綠色研發(fā)投資，但減少了其他非綠色研發(fā)投資，因此對整體研發(fā)的影響并不明顯。然而，由于沒有足夠的縣級綠色和非綠色研發(fā)支出的數(shù)據(jù)，無法驗證這是否屬實。預(yù)計未來會有更好的數(shù)據(jù)資源用于更深入的研究，從而得出更深入的結(jié)果。