肖衛(wèi)國 張語芮

摘 要：隨著“雙碳”目標的提出，碳排放交易系統(tǒng)（ETS）如何影響高碳排放行業(yè)，如制造業(yè)的綠色全要素生產(chǎn)率（GTFP）增長逐漸成為一個重要研究話題。雙重差分法是近年來識別碳排放權(quán)交易與制造業(yè)綠色全要素生產(chǎn)率之間關(guān)系的常用研究方法。以2014年開始試點的碳排放權(quán)交易政策為準自然實驗，研究顯示，碳排放權(quán)交易政策能夠顯著促進我國制造業(yè)的綠色全要素生產(chǎn)率提升。進一步研究發(fā)現(xiàn)，碳排放權(quán)交易能夠通過篩選外商對內(nèi)直接投資（IFDI）的質(zhì)量，進而對綠色全要素生產(chǎn)率產(chǎn)生積極作用。穩(wěn)健性檢驗表明，在考慮雙重差分法設(shè)定條件、平行趨勢檢驗、反事實檢驗、更改傾向得分匹配方法等后，碳排放權(quán)交易對我國制造業(yè)綠色全要素生產(chǎn)率的積極作用依然成立。

關(guān)鍵詞：碳排放權(quán)交易；制造業(yè)綠色全要素生產(chǎn)率；外商對內(nèi)直接投資；雙重差分法

［中圖分類號］ F062.1 ［文章編號］ 1673-0186（2023）007-0019-016

［文獻標識碼］ A? ? ? ［DOI編碼］ 10.19631/j.cnki.css.2023.007.002

為保護生態(tài)環(huán)境，保障經(jīng)濟可持續(xù)發(fā)展，我國自2011年起陸續(xù)啟動了全國七省市碳交易市場試點工作［1］；2013年底廣東省和上海市成立碳交易工作小組，并于當年正式啟動碳排放權(quán)交易（ETS）試點；2014年，北京、深圳、天津、湖北、重慶五個省市的碳排放權(quán)交易也陸續(xù)上線；2016年，福建成為國內(nèi)第八個碳試點城市；2020年，“雙碳”目標的提出［2］更是把碳排放權(quán)交易政策由試點推向全國。作為典型的市場激勵型環(huán)境規(guī)制政策，碳排放權(quán)交易是推進綠色發(fā)展的重要手段，但各高碳排放行業(yè)，如制造業(yè)也可能因為環(huán)保限制而導(dǎo)致經(jīng)濟效益損失。

與此同時，隨著對外開放水平的不斷提高，我國逐漸成為全球跨國投資的主要目的地之一，實際利用IFDI增長迅速，堪稱“成功利用外資的典范”［3］。后疫情時代，全球經(jīng)濟逐漸回暖，碳排放問題也愈發(fā)值得重視［5］，在此背景下，研究碳排放權(quán)交易政策對于制造業(yè)行業(yè)GTFP的影響，以及IFDI在其中的影響渠道和調(diào)節(jié)效應(yīng)是非常有意義的：只有正確認識三者的關(guān)系，才能明確在經(jīng)濟全球化復(fù)蘇的時代背景下，碳排放權(quán)交易的完善方向［5］，并以小見大，推動碳排放權(quán)交易的全國化和全面化，在保障經(jīng)濟穩(wěn)定發(fā)展的同時實現(xiàn)“雙碳”目標。

一、文獻綜述和研究假說

“綠水青山就是金山銀山”，為解決20世紀經(jīng)濟迅猛發(fā)展引發(fā)的環(huán)境問題，我國政府一直在探索環(huán)保、經(jīng)濟兩手抓的可持續(xù)發(fā)展道路。自2020年“雙碳”目標提出以來，降碳減排已成為各界共識，學(xué)界對碳排放交易權(quán)這一政策的研究不斷深入，并取得了一定進展。

（一）文獻綜述

大量研究認為外商對內(nèi)直接投資和環(huán)境規(guī)制是影響東道國綠色全要素生產(chǎn)率的重要因素，但對于具體影響，學(xué)者們持有不同的觀點。

2014年，我國正式實施碳排放權(quán)交易政策后，國內(nèi)學(xué)者對該政策的研究熱度也大幅提升。部分學(xué)者認為碳排放權(quán)交易政策能夠促進碳減排［6］，且減排效果逐年增加［7］。余萍和劉紀顯發(fā)現(xiàn)碳排放權(quán)交易政策會促進區(qū)域經(jīng)濟發(fā)展，具有良好的經(jīng)濟增長效應(yīng)和綠色效應(yīng)［8］。但在政策實施的過程中，由于試點地區(qū)存在異質(zhì)性［9］，不同地區(qū)的減排效果也會呈現(xiàn)部分差異［10］。

將“碳排放權(quán)交易”擴大到“環(huán)境規(guī)制”這一維度來回溯文獻，辛寶貴和高菲菲提出，環(huán)境規(guī)制對于綠色全要素生產(chǎn)率的提升有顯著正向作用，但同樣地，這一影響存在區(qū)域異質(zhì)性［11］。李振洋和白雪潔在制造業(yè)轉(zhuǎn)型升級背景下，探究不同類型的環(huán)境規(guī)制政策對制造業(yè)綠色全要素生產(chǎn)率的影響，發(fā)現(xiàn)鼓勵型環(huán)境政策對制造業(yè)GTFP沒有起到明顯促進作用；限制型政策則與之呈現(xiàn)“U”型關(guān)系［12］。

既往文獻也不乏關(guān)于IFDI對綠色全要素生產(chǎn)率影響的研究：楊俊和邵漢華使用隨機效應(yīng)模型進行分析，發(fā)現(xiàn)IFDI與綠色全要素生產(chǎn)率呈負相關(guān)［13］；此外肖攀、程中華、范丹等均分別通過空間誤差面板模型、空間面板模型等研究模型得出了IFDI對綠色全要素生產(chǎn)率有負向影響的結(jié)論［14-16］。相反地，王兵和吳延瑞指出IFDI對綠色全要素生產(chǎn)率的增長具有顯著的促進作用［17］。柴志賢、楊冕和王銀、吳建新和黃蒙蒙等人的研究也支持這一觀點［18-20］。汪鋒與解晉則得出了兩者之間沒有顯著關(guān)系的結(jié)論［21］。

綜上所述，既往文獻大多是關(guān)于碳排放權(quán)交易政策的減排效果評估和其他環(huán)境規(guī)制政策對綠色全要素生產(chǎn)率的影響。關(guān)于碳排放權(quán)交易政策對區(qū)域綠色全要素生產(chǎn)率影響的研究則較少。另外，既往文獻鮮少將IFDI與碳排放權(quán)交易政策相結(jié)合對綠色全要素生產(chǎn)率進行研究。在中國面臨“雙碳”目標和后疫情時代經(jīng)濟全球化再度發(fā)展的背景下，研究碳排放權(quán)交易政策對制造業(yè)行業(yè)GTFP的影響，以及IFDI在其中所發(fā)揮的作用具有重要意義。

（二）研究假說

碳排放權(quán)交易賦予了碳排放權(quán)商品屬性，允許各交易主體在市場上合法交易碳排放權(quán)，并由此通過價格機制將碳排放帶來的外部成本內(nèi)部化［22-23］。碳排放權(quán)交易制度實施后，一方面，由于嚴格的碳排放量約束，一些高污染、高能耗行業(yè)短時間內(nèi)只能通過減少產(chǎn)量來控制碳排放，導(dǎo)致其綠色全要素生產(chǎn)率在短期內(nèi)有所下降；另一方面，在政府環(huán)境監(jiān)管部門的規(guī)制作用下，形成倒逼機制，“三高”行業(yè)為了謀求長遠的穩(wěn)定發(fā)展，不得不通過減少使用污染原料、引進清潔技術(shù)等方式緩解減排成本帶來的壓力。從長期發(fā)展的角度而言，大多企業(yè)將通過技術(shù)創(chuàng)新加快向綠色產(chǎn)業(yè)轉(zhuǎn)型升級，提高能源效率，促進低碳轉(zhuǎn)型發(fā)展，保障自身的經(jīng)濟效率，實現(xiàn)區(qū)域碳減排、提升綠色全要素生產(chǎn)率［24］。

此外，市場化的碳排放權(quán)交易也會促使東道國篩選流入的外商投資。根據(jù)“污染避難所”的假設(shè)，發(fā)達國家將把造成嚴峻環(huán)境污染的行業(yè)轉(zhuǎn)移到環(huán)境標準較低的國家，以減少本國環(huán)保壓力。然而，如果東道國實行嚴格的環(huán)境規(guī)制政策，當?shù)卣推髽I(yè)將對IFDI進行篩選，從而讓更多高質(zhì)量的綠色IFDI流入市場。優(yōu)質(zhì)外商資本的流入，能夠從技術(shù)溢出效應(yīng)、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、激發(fā)規(guī)模效應(yīng)等多個維度來提升東道國的綠色全要素生產(chǎn)率?；谏鲜龅睦碚撆c邏輯分析，本文提出以下研究假說：

假說1：碳排放權(quán)交易政策的實施促進了地區(qū)制造業(yè)綠色全要素生產(chǎn)率的增長；

假說2：碳排放權(quán)交易政策會通過篩選流入的外商直接投資質(zhì)量來提高地區(qū)的制造業(yè)綠色全要素生產(chǎn)率。

二、模型構(gòu)建與實證分析

在實證分析開始前，對模型設(shè)定、變量選擇和實驗數(shù)據(jù)來源進行基本描述。

（一）模型設(shè)定

為檢驗上述假說，實證部分將分兩步進行：首先檢驗碳排放權(quán)交易政策的實施對制造業(yè)GTFP是否有影響；然后檢驗IFDI流入對制造業(yè)的綠色全要素生產(chǎn)率有何影響，并探究IFDI流入對于碳排放權(quán)交易政策和GTFP之間的關(guān)系是否有調(diào)節(jié)作用。換言之，我們想要檢驗在考慮外商投資流入的情況下，碳排放權(quán)交易政策對制造業(yè)GTFP的影響是否有所變化。針對上述研究目標，文章選取相應(yīng)的實證分析模型。

1.檢驗ETS的實施對制造業(yè)GTFP是否有影響

碳交易試點市場的選擇是政府綜合考慮我國經(jīng)濟發(fā)展狀況、各地區(qū)行業(yè)結(jié)構(gòu)等因素的結(jié)果，也就是說各試點地區(qū)實施碳交易政策的決策并非完全外生。我們采用傾向得分匹配法（Propensity Score Matching，PSM）來緩解這一內(nèi)生性問題，選擇各省市經(jīng)濟發(fā)展水平、制造業(yè)經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)等多個指標進行得分匹配。通過PSM處理，本文為每一個實施碳排放權(quán)交易政策的省市匹配了可供比較的配對省市，即那些在觀察期內(nèi)從未實施碳排放權(quán)交易，但在政策實施前和試點省市基本具有一致特征的省市。將前者稱為處理組或?qū)嶒灲M，后者稱為對照組或控制組，我們可以通過對比配對后處理組和對照組省市的制造業(yè)綠色全要素生產(chǎn)率和外商對內(nèi)直接投資調(diào)節(jié)效應(yīng)，來判斷碳排放權(quán)交易政策的實施效果。但同時我們還需要考慮到，政策實施點前后，各省市制造業(yè)的綠色全要素生產(chǎn)率可能會因為其他外部因素而發(fā)生變化，因此還要將2014年之前的所有省市和2014年之后的所有省市進行對比，雙重差分模型（Difference in Difference，DID） 可以很好地解決這一問題。

因此，本文以多數(shù)省市上線開展碳排放權(quán)交易的2014年作為政策起始點，以2009—2019年為觀察期。Logit回歸被用來計算實驗組和控制組的傾向性得分，采用最近鄰匹配法進行樣本間的匹配，基于“準自然實驗”，用PSM-DID法來評估碳排放權(quán)交易的政策影響?；居嬃磕Ｐ驮O(shè)定如下：

其中：i表示省市，t表示年份；gtfpit為省市i在第t年的制造業(yè)綠色全要素生產(chǎn)率；treati為實驗虛擬變量，當i為處理組省市時，treati=1，反之為0；timet為時間虛擬變量，2014年之前，timet=0，2014年及之后，timet=1；controlit為控制變量，其選取標準將在后續(xù)部分進行詳細闡釋；μi和λt分別為省市固定效應(yīng)、時間固定效應(yīng)。timet和treati交互項的系數(shù)β1需要我們重點關(guān)注，該值反映了碳排放權(quán)交易政策實施對各省市制造業(yè)GTFP的影響。

同時，文章將針對該模型進行平行趨勢假設(shè)、反事實假設(shè)等系列穩(wěn)健性檢驗。

2.檢驗IFDI對制造業(yè)GTFP的影響

為檢驗外商對內(nèi)直接投資對東道國經(jīng)濟和環(huán)境發(fā)展的綜合影響，本文借鑒了傅京燕等對不同來源FDI、環(huán)境規(guī)制與綠色全要素生產(chǎn)率的研究中所建立的模型［25］。該模型將綠色全要素生產(chǎn)率（GTFP）作為衡量經(jīng)濟績效的指標；基于環(huán)境庫茲涅茨曲線引入經(jīng)濟發(fā)展水平及制造業(yè)經(jīng)濟發(fā)展水平，設(shè)定模型如下：

各變量具體含義與式（1）一致。

3.檢驗IFDI流入對于ETS和制造業(yè)GTFP之間的關(guān)系是否有調(diào)節(jié)效應(yīng)

為進一步檢驗IFDI在其中的調(diào)節(jié)效應(yīng)，本文借鑒何靖的研究方法［26］，在式（1）的基礎(chǔ)上引入IFDI及其與虛擬變量timet和treati的交互項，構(gòu)建基于DID法的回歸模型：

其中：ifdiit為省市i的制造業(yè)在第t年接受的實際外商直接投資；其余變量與式（1）中含義一致。對于對照組省市（treat=0），碳排放權(quán)交易政策實施年份前后省市外商對內(nèi)直接投資的調(diào)節(jié)效應(yīng)分別是β1和β1+β5，可見，對照組省市在政策實施年份前后制造業(yè)GTFP受IFDI調(diào)節(jié)效應(yīng)影響的差異為diff0=β5，這一差異可視為時間趨勢差異。對于處理組省市（treat=1），這種差異為diff1=β5+β7，這一差異不僅包含了碳排放權(quán)交易政策的影響，還包含了上述時間趨勢差異。因此凈影響效應(yīng)為diff3=diff1-diff0=β7，β7即為我們關(guān)心的系數(shù)。

（二）變量選取與數(shù)據(jù)來源

文章采用除西藏及港澳臺地區(qū)之外的30個省市作為研究樣本，選取各省市自2009年至2019年的相關(guān)數(shù)據(jù)進行實證分析。數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《中國能源統(tǒng)計年鑒》及各省、直轄市、自治區(qū)官方統(tǒng)計年鑒。

1.因變量——綠色全要素生產(chǎn)率

目前學(xué)界比較主流的測算GTFP的非參數(shù)模型主要有方向性距離函數(shù)（Directional Distance Function， DDF）和非徑向非角度的SBM（Slack-based measure）模型。相較于DDF模型，SBM模型可以存在無效率生產(chǎn)單元，并可以分解分析測算結(jié)果，是一種比較理想的生產(chǎn)效率測算方法。

因此，文章以2009年為基期，參考馮杰和張世秋的研究建立指標［27］，基于非期望產(chǎn)出，用超效率SBM模型和Malmquist指數(shù)來測度GTFP數(shù)據(jù)。使用的投入變量為資本、勞動、能源，分別以各省市制造業(yè)資本存量（永續(xù)盤存法計算）、從業(yè)人數(shù)和能源消費量（萬噸標準煤）作為指標。期望產(chǎn)出為各省市當年價格的制造業(yè)生產(chǎn)總值；非期望產(chǎn)出包括廢氣、廢水和其余廢棄物，分別以各省市制造業(yè)的二氧化硫排放量、工業(yè)廢水排放量和煙粉塵排放量作為指標。

其中xik表示第k個DMU的第i個投入變量。

以上述公式為基礎(chǔ)，使用MaxDEA軟件進行測算，即可算出目標變量的值。

2.核心解釋變量

（1）碳排放權(quán)交易

考慮到DID模型的特性，這一變量實則為從時間和是否為試點省市兩個維度來度量的虛擬變量：若某省市為七個試點省市之一，且樣本時間為2014年及以后年份，則該變量取值為1，其余情況均取值為0。

（2）外商對內(nèi)直接投資

我們選用外商對東道國制造業(yè)直接投資的實際投資金額與東道國對應(yīng)地區(qū)制造業(yè)生產(chǎn)總值之比來表示IFDI這一變量。各省、市的統(tǒng)計年鑒中基本都公布了該地區(qū)制造業(yè)每年接受的外商直接投資實際金額及地區(qū)制造業(yè)生產(chǎn)總值；四川省和吉林省由于統(tǒng)計口徑變更，官方不再公布2017年前的數(shù)據(jù)，文章通過搜索既有文獻資料找到了大部分數(shù)據(jù)，仍然缺失的數(shù)據(jù)則利用線性插值法進行補全。隨后，再利用《中國統(tǒng)計年鑒》公布的年均中美貨幣匯率數(shù)據(jù)即可求出同匯率貨幣化后的對應(yīng)比值。

3.控制變量

除IFDI、碳排放權(quán)交易政策之外，其它制造業(yè)GTFP的因素有很多，無法窮盡。基于可行性、科學(xué)性原則，在參考國內(nèi)外相關(guān)研究成果的基礎(chǔ)上，文章最終選取的控制變量為：各省市經(jīng)濟發(fā)展水平、制造業(yè)經(jīng)濟發(fā)展水平、研發(fā)水平、貿(mào)易開放度及當?shù)禺a(chǎn)業(yè)結(jié)構(gòu)。

地區(qū)GTFP與當?shù)氐慕?jīng)濟發(fā)展水平聯(lián)系緊密，然而，許多地區(qū)至今仍沒有跨過環(huán)境庫茲涅茨曲線的“拐點”［28］。人均地區(qū)產(chǎn)出（grp）可以反映各地區(qū)的經(jīng)濟發(fā)展水平；同時，由于文章的研究樣本并非整體數(shù)據(jù)，而是各省市制造業(yè)相關(guān)數(shù)據(jù)，因此文章也加入了制造業(yè)經(jīng)濟發(fā)展水平（mgrp）作為控制變量。此外，由于這兩個指標的原始數(shù)據(jù)對比其余變量量級較大，因此本文借鑒既往文獻的研究方法，對這兩個指標的原始數(shù)據(jù)取對數(shù)后再進行相應(yīng)回歸。

研發(fā)水平（rd）同樣也是重要的控制變量。技術(shù)進步有利于環(huán)境治理，這里用單位產(chǎn)出對應(yīng)的國內(nèi)專利受理數(shù)量來表示研發(fā)水平，相關(guān)數(shù)據(jù)來源于中國統(tǒng)計局。

貿(mào)易開放度/貿(mào)易依存度（open）則可反映該地區(qū)對外貿(mào)易的開放程度，由于本文的研究重點之一就是外商對內(nèi)直接投資，因此地區(qū)的對外開放程度也是不可或缺的變量。我們參考既往文獻［29］，決定用進出口總額占當?shù)厣a(chǎn)總值的比例來表示這一變量。中美年均匯率數(shù)據(jù)來自世界銀行數(shù)據(jù)庫。

最后是產(chǎn)業(yè)結(jié)構(gòu)（is），產(chǎn)業(yè)結(jié)構(gòu)升級比能源效率提高更能促進綠色全要素生產(chǎn)率的增長［30］。鑒于第二產(chǎn)業(yè)是能源消耗和污染物排放的主要來源，該變量選擇采用第二產(chǎn)業(yè)的總產(chǎn)值與該地區(qū)的區(qū)域GDP之比來衡量。

三、實證結(jié)果與分析

收集到所需數(shù)據(jù)后，根據(jù)前文構(gòu)建的計量模型逐步檢驗前文提出的假說。首先利用PSM-DID模型檢驗碳排放權(quán)交易政策的實施對制造業(yè)GTFP是否有影響；然后檢驗各省市的外商對內(nèi)直接投資是否對行業(yè)GTFP有顯著影響；最后引入碳排放交易市場與IFDI的交互項，研究外商投資流入對碳排放權(quán)交易和GTFP之間的關(guān)系是否有調(diào)節(jié)效應(yīng)。

（一）檢驗碳排放權(quán)交易政策對制造業(yè)GTFP的影響

在進行正式的回歸檢驗前，首先要對樣本傾向性得分匹配結(jié)果進行觀察，匹配效果通常由核密度函數(shù)圖和平衡性檢驗結(jié)果來反映。

1.傾向性得分匹配（PSM）結(jié)果

PSM核密度函數(shù)圖和PSM平衡性檢驗是最常見的檢驗傾向性得分匹配效果的研究方法，前者通過圖線直觀反映匹配后樣本的一致性，后者則通過數(shù)據(jù)更嚴謹?shù)胤从尺@一結(jié)果。

（1）PSM核密度函數(shù)圖

檢驗傾向性得分匹配質(zhì)量的常用工具就是核密度函數(shù)圖，實驗組和控制組的核密度圖重疊部分越多，匹配效果越好。

如圖1所示，匹配前，對照組的核密度圖的偏度和峰度與處理組的偏差較大；匹配后，對照組和處理組的核密度分布幾乎重疊，說明匹配質(zhì)量較好。這為后續(xù)研究奠定了良好數(shù)據(jù)基礎(chǔ)。

（2）PSM平衡性檢驗

要使傾向性得分匹配結(jié)果更具可靠性，其結(jié)果應(yīng)滿足“條件獨立性假設(shè)”，即要求在匹配變量上，處理組與對照組無明顯差異。

表1的結(jié)果顯示，變量在進行傾向性得分匹配之后，標準偏差的絕對值都在20%以內(nèi)，這一數(shù)值處于有效匹配的區(qū)間內(nèi)。同時，在查看T檢驗的關(guān)聯(lián)概率值后，發(fā)現(xiàn)T值不再顯著，這表明原來的匹配變量經(jīng)匹配后均值相等的假設(shè)被接受，傾向性得分匹配有效。

2.雙重差分檢驗（DID）結(jié)果

在傾向性得分匹配的基礎(chǔ)上，我們用雙重差分法檢驗公式（1），用固定效應(yīng)法估計面板DID模型，結(jié)果如下表所示。

表2展示了式（1）的面板DID檢驗結(jié)果?？梢钥闯?，無論是否加入其他控制變量，交互項系數(shù)至少在10%的水平上顯著為正。說明碳排放權(quán)交易政策的實施能夠有效促進制造業(yè)的綠色全要素生產(chǎn)率，初步驗證了假設(shè)1。

3.穩(wěn)健性檢驗

穩(wěn)健性檢驗是實證研究中不可或缺的一步，它能夠保證實證的結(jié)果更具可靠性?？紤]雙重差分法的設(shè)定條件，結(jié)合文獻，本文選用了平行趨勢檢驗、反事實檢驗、更改傾向性得分匹配方法來進行穩(wěn)健性檢驗。

（1）平行趨勢假設(shè)檢驗

PSM-DID結(jié)果無偏性的重要前提條件之一就是滿足平行趨勢假定，如果這一條件不被滿足，那么GTFP的變化就可能不是由碳排放權(quán)交易政策實施所致，而是由政策實施點前的不同時間趨勢引起的。因此，論文需要驗證在碳排放權(quán)交易政策實施之前試點省市和非試點省市制造業(yè)綠色全要素生產(chǎn)率是否存在平行趨勢。

圖2表明，碳排放權(quán)交易政策實施前，處理組和對照組的制造業(yè)GTFP基本保持相同的增長趨勢，但政策實施后，處理組和控制組制造業(yè)綠色全要素生產(chǎn)率的增長趨勢發(fā)生了明顯變化，平行趨勢的假設(shè)成立。

（2）改變樣本匹配方法

在進行傾向性得分匹配時，文章選擇了最近鄰域匹配方法。為保證估計結(jié)果的可靠性，我們改變了匹配方法。

使用卡尺匹配法、核匹配法對樣本進行重新匹配，然后進行雙重差分估計，若結(jié)果相差不大，表示前文所得結(jié)果是穩(wěn)健的。兩種匹配方法對核密度圖和DID估計結(jié)果如圖3和表3所示。結(jié)果顯示，在更換PSM匹配方法之后，核密度圖仍較為理想，且DID估計結(jié)果也與初始的基準回歸結(jié)果接近，表明實證結(jié)果具有穩(wěn)健性。

（3）反事實檢驗

現(xiàn)實中，可能還存在其他政策因素會對地區(qū)制造業(yè)GTFP存在潛在影響，本文根據(jù)反事實研究思想，參考安禮偉等的研究方法［31］，刪除2014年及以后年份的面板數(shù)據(jù)，僅保留2009至2013年的數(shù)據(jù)，并將政策實施點提前至2011年；將after11設(shè)定為：2011年及以后都為1，其余為0。after11*treat的系數(shù)即為我們所關(guān)心的反事實研究結(jié)果：如果該系數(shù)不顯著，則可以排除其他因素對試點省市制造業(yè)GTFP產(chǎn)生顯著影響的可能性，同時反證了碳排放權(quán)交易政策有助于提升試點省市制造業(yè)GTFP的事實。表4的前兩個結(jié)果列報告了以2009—2013年數(shù)據(jù)為樣本的回歸結(jié)果，后兩列則是以2009—2012年數(shù)據(jù)為樣本的回歸結(jié)果。

表4中模型（1）和（2）的結(jié)果顯示不論是否加入控制變量，after11*treat的系數(shù)均不顯著；模型（3）和（4）同樣表明，無論是否加入控制變量，該系數(shù)均不顯著，反事實檢驗通過。

（二）檢驗IFDI對制造業(yè)GTFP的影響

依據(jù)公式（2）來探究混合回歸模型（OLS）、固定效應(yīng)模型（FE）、隨機效應(yīng)模型（RE）三種研究方法下GTFP如何被FDI影響，實證結(jié)果如表5所示。

進行豪斯曼檢驗，結(jié)果顯示更推薦使用固定效應(yīng)模型，因此本文以第（2）列的回歸結(jié)果為主，OLS和RE模型的回歸結(jié)果作為參考。

使用不同研究方法得到的IFDI回歸系數(shù)正負并不一致，隨機效應(yīng)模型的實證結(jié)果顯示回歸系數(shù)為正，但并未通過顯著性檢驗；而作為主要參考的固定效應(yīng)模型和混合回歸模型回歸結(jié)果則顯示IFDI回歸系數(shù)為負，并且均通過了1%水平的顯著性檢驗。肖攀、范丹等均通過各種研究模型得出了IFDI對綠色全要素生產(chǎn)率有負向影響的結(jié)論［14，16］。

代表地區(qū)經(jīng)濟發(fā)展水平的人均產(chǎn)出變量系數(shù)同樣有正有負，但顯著性水平均不高；然而，當我們將這一變量細化至地區(qū)制造業(yè)經(jīng)濟發(fā)展水平時，三個模型的回歸結(jié)果均為正數(shù)，且都在1%的水平上顯著。這一結(jié)果說明，地區(qū)制造業(yè)的經(jīng)濟發(fā)展水平能為該區(qū)域制造業(yè)的GTFP帶來顯著正向影響，但這種影響并不是呈線性關(guān)系的。

對于控制變量：產(chǎn)業(yè)結(jié)構(gòu)的回歸系數(shù)在固定效應(yīng)模型和混合回歸模型下均為負數(shù)且通過了1%的顯著性檢驗，但系數(shù)的絕對值未超過1，表明一個地區(qū)的第二產(chǎn)業(yè)占比越大，該地制造業(yè)GTFP越有可能降低；研發(fā)水平和貿(mào)易開放度與綠色全要素生產(chǎn)率的關(guān)系系數(shù)在固定效應(yīng)模型和混合回歸模型的檢驗中均為正，且在統(tǒng)計上均明顯顯著，說明地區(qū)貿(mào)易開放度的提升和研發(fā)水平的增長均能對該地制造業(yè)綠色全要素生產(chǎn)率起到顯著的正向影響，這一結(jié)論是與現(xiàn)實相符的。

（三）IFDI的調(diào)節(jié)效應(yīng)

我們利用式（3）對假說2進行檢驗，結(jié)果如表6所示。

可以看到，不論是否加入其他控制變量，交互項time*treat*ifdi的系數(shù)均顯著為正，time*treat的系數(shù)同樣顯著為正，表明隨著制造業(yè)接受的外商直接投資不斷上升，碳排放權(quán)交易政策對該行業(yè)GTFP產(chǎn)生的促進作用也隨之增強。

表6的結(jié)果與假說2的預(yù)期相同，即碳排放權(quán)交易政策對外商投資有篩選作用，從而能促進當?shù)刂圃鞓I(yè)GTFP的提升，證明了外商對內(nèi)直接投資是ETS影響制造業(yè)綠色全要素生產(chǎn)率的渠道之一 。

五、結(jié)論與政策建議

碳排放權(quán)交易試點政策是“雙碳”目標的有力實踐，尤其是對于碳排放強度較大的行業(yè)如制造業(yè)，它在一定程度上能夠篩選流入試點地區(qū)的外商直接投資質(zhì)量，進而提高試點地區(qū)制造業(yè)的綠色全要素生產(chǎn)率。本文將我國于2014年左右實施的碳排放權(quán)交易試點政策作為準自然實驗，采用2009至2019年期間，我國30個省、直轄市、自治區(qū)的面板數(shù)據(jù)，利用PSM-DID模型和調(diào)節(jié)效應(yīng)模型，分析碳排放權(quán)交易政策對我國地方制造業(yè)GTFP的影響，以及外商對內(nèi)直接投資在其中的調(diào)節(jié)作用，得出系列研究結(jié)論，并據(jù)此提出相應(yīng)的政策建議。

（一）研究結(jié)論

第一，整體來看，碳排放權(quán)交易政策的實施能夠顯著促進我國制造業(yè)GTFP的提升；從控制變量來看，區(qū)域制造業(yè)綠色全要素生產(chǎn)率的增長在一定程度上也取決于該地區(qū)制造業(yè)經(jīng)濟發(fā)展水平和貿(mào)易開放度。在考慮雙重差分法平行趨勢、匹配方法、反事實等穩(wěn)健性檢驗后，碳排放權(quán)交易帶來的正向效應(yīng)仍然成立。這一研究結(jié)論充分證明了碳排放權(quán)交易政策的有效性與合理性，有助于制造業(yè)實現(xiàn)經(jīng)濟環(huán)境雙贏目標。

第二，通過對外商對內(nèi)直接投資的研究發(fā)現(xiàn)，外商資本的大量流入對我國制造業(yè)的綠色全要素生產(chǎn)率有負向影響，這是由于部分發(fā)達國家為減輕本國環(huán)保壓力，將高污染、高排放、高耗能產(chǎn)業(yè)轉(zhuǎn)向環(huán)境規(guī)制標準較低的國家。后疫情時代，全球經(jīng)濟回暖，各國間經(jīng)濟交流逐漸恢復(fù)，不難預(yù)判未來將會有大量外商資本流入，如果不對之進行控制與管理，很可能對我國制造業(yè)的綠色全要素生產(chǎn)率產(chǎn)生負面影響。

第三，進一步進行檢驗發(fā)現(xiàn)，碳排放權(quán)交易政策的實施能夠減緩?fù)馍藤Y本流入對制造業(yè)綠色全要素生產(chǎn)率帶來的負向影響，這說明該政策能夠激勵各省市地方政府和制造業(yè)企業(yè)有意識地識別和篩選高質(zhì)量外商直接投資，從而提升GTFP的增長，這種外商資本質(zhì)量篩選也是碳排放權(quán)交易作用于制造業(yè)GTFP的重要渠道。

綜上，碳排放權(quán)交易政策是影響我國制造業(yè)綠色全要素生產(chǎn)率增長的重要因素，其中，通過篩選外商資本的質(zhì)量是其作用制造業(yè)GTFP的重要渠道之一。碳排放權(quán)交易政策的發(fā)展無疑能夠帶來碳減排和行業(yè)綠色全要素生產(chǎn)率增長的雙贏局面。

（二）政策建議

首先，加快完善碳排放權(quán)交易制度，拓寬碳排放權(quán)交易市場的覆蓋面，豐富交易市場參與者，優(yōu)化碳配額分配機制，提高企業(yè)參與碳排放權(quán)交易市場的積極性。

雖然我國進行碳排放權(quán)交易政策首次試點至今已有九年，全國碳市場也于2021年正式上線，但整體而言，我國的碳排放權(quán)交易試點市場由于初次分配額度大、可交易產(chǎn)品種類少等問題，市場活躍度遠不如發(fā)達國家；全國碳市場則由于可交易行業(yè)僅包含發(fā)電行業(yè)，市場的穩(wěn)定性和活躍度也較不理想。因此，政策制定者應(yīng)該盡快將更多高耗能行業(yè)如鋼鐵、化工等納入全國碳市場，并合理降低企業(yè)免費碳配額比例，引入有償碳配額調(diào)節(jié)碳價，提高碳排放權(quán)交易市場的有效性和活躍度；同時，開發(fā)和推廣多種類的碳金融產(chǎn)品，引導(dǎo)清潔能源投資，促進低碳產(chǎn)業(yè)發(fā)展的同時讓更多人參與到碳排放權(quán)交易市場中來，推動全國綠色全要素生產(chǎn)率的提升。

其次，發(fā)揮碳排放權(quán)交易在篩選外商投資資本質(zhì)量的重要作用，結(jié)合各地環(huán)境保護政策，通過設(shè)置合理的免費配額和有效的交易價格，以及進行嚴格的交易核查，挑選外商流入資本的質(zhì)量，避免成為發(fā)達國家的“污染天堂”。

如實證研究結(jié)果所示，過去我國多地政府與企業(yè)一味追求經(jīng)濟增長速度，大量引入外資，雖然在短時間內(nèi)有效促進了經(jīng)濟增長，但同時對自然環(huán)境造成了較大損傷。而碳排放權(quán)交易政策的引入，有效抑制了這種負面影響。粗放型的外商投資會給當?shù)仄髽I(yè)帶來污染物排放增強等一系列影響，但碳排放權(quán)交易政策的實施會讓企業(yè)為自身污染環(huán)境的行為付出經(jīng)濟甚至法律代價，這種約束會促使地方政府和企業(yè)主動篩選引入高質(zhì)量的綠色IFDI。在全球經(jīng)濟交流逐漸恢復(fù)的后疫情時代，政策制定者更應(yīng)該大力發(fā)揮碳排放權(quán)交易這一篩選作用，通過更合理的碳市場價格、更嚴格的執(zhí)法監(jiān)督等來幫助行業(yè)通過運用高質(zhì)量外資進行結(jié)構(gòu)調(diào)整，促進綠色發(fā)展，形成內(nèi)外資本的良性循環(huán)，助力“雙碳”目標順利實現(xiàn)。

本文的研究為碳排放權(quán)交易市場的發(fā)展效果提供了實證結(jié)果支撐，證明了碳排放權(quán)交易可以有效促進地方制造業(yè)綠色全要素生產(chǎn)率的提升；其中，篩選外商流入資本的質(zhì)量是其重要影響途徑之一。但限于相關(guān)研究數(shù)據(jù)的收集，本文僅在行業(yè)層面分析了碳排放權(quán)交易市場對制造業(yè)綠色全要素生產(chǎn)率的影響。未來隨著微觀數(shù)據(jù)的曝光和研究的深入，可以進一步探討公司層面的政策影響。此外，碳排放權(quán)交易市場對不同地區(qū)和行業(yè)綠色全要素生產(chǎn)率的影響也將是未來研究的重點之一。

參考文獻

［1］? 鄭爽.全國七省市碳交易試點調(diào)查與研究［M］.北京：中國經(jīng)濟出版社，2014：1-2.

［2］? 習(xí)近平.在第七十五屆聯(lián)合國大會一般性辯論上的講話［N］.人民日報，2020-09-23（003）.

［3］? 孫早，宋煒，孫亞政.母國特征與投資動機——新時期的中國需要怎樣的外商直接投資［J］.中國工業(yè)經(jīng)濟，2014（2）：71-83.

［4］? 埃里克·羅斯頓.全球碳排放因為新冠疫情而回落，如今再度回升［EB/OL］.［2021-03-07］.https：//www.fortunechina.com/shangye/c/2021-03/07/content_386829.htm

［5］? 易蘭，李朝鵬，楊歷.中國7大碳交易試點發(fā)育度對比研究［J］.中國人口·資源與環(huán)境，2018（2）：134-140.

［6］? 李治國，王杰，趙園春.碳排放權(quán)交易的協(xié)同減排效應(yīng)：內(nèi)在機制與中國經(jīng)驗［J］.系統(tǒng)工程，2022（3）：1-12.

［7］? 周迪，劉奕淳.中國碳交易試點政策對城市碳排放績效的影響及機制［J］.中國環(huán)境科學(xué)，2020（1）：453-464.

［8］? 余萍，劉紀顯.碳交易市場規(guī)模的綠色和經(jīng)濟增長效應(yīng)研究［J］.中國軟科學(xué)，2020（4）：46-55.

［9］? 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［J］.中國人口·資源與環(huán)境， 2020（2）： 49-59.

［10］? 劉傳明，孫喆，張瑾.中國碳排放權(quán)交易試點的碳減排政策效應(yīng)研究［J］.中國人口·資源與環(huán)境，2019（11）：49-58.

［11］? 辛寶貴，高菲菲.生態(tài)文明試點有助于生態(tài)全要素生產(chǎn)率提升嗎？［J］.中國人口·資源與環(huán)境，2021（5）：152-162.

［12］? 李振洋，白雪潔.產(chǎn)業(yè)政策如何促進制造業(yè)綠色全要素生產(chǎn)率提升？——基于鼓勵型政策和限制型政策協(xié)同的視角［J］.產(chǎn)業(yè)經(jīng)濟研究，2020（6）：28-42.

［13］? 楊俊，邵漢華，胡軍.中國環(huán)境效率評價及其影響因素實證研究［J］.中國人口·資源與環(huán)境，2010（2）：49-55.

［14］? 肖攀，李連友，唐李偉，等.中國城市環(huán)境全要素生產(chǎn)率及其影響因素分析［J］.管理學(xué)報，2013（11）： 1681-1689.

［15］? 程中華.集聚經(jīng)濟與綠色全要素生產(chǎn)率［J］.軟科學(xué)，2015（5）：41-44.

［16］? 范丹.中國制造業(yè)差異化環(huán)境規(guī)制策略研究——基于創(chuàng)新力與經(jīng)濟增速均衡視角［J］.宏觀經(jīng)濟研究， 2015（5）：83-90.

［17］? 王兵，吳延瑞，顏鵬飛.中國區(qū)域環(huán)境效率與環(huán)境全要素生產(chǎn)率增長［J］.經(jīng)濟研究，2010（5）：95-109.

［18］? 柴志賢.利用外資、環(huán)境約束與中國工業(yè)全要素生產(chǎn)率的增長——基于Malmquist指數(shù)與Malmquist-Luenberger指數(shù)的比較研究［J］.技術(shù)經(jīng)濟，2013（1）：64-70.

［19］? 楊冕，王銀.FDI對中國環(huán)境全要素生產(chǎn)率的影響——基于省際層面的實證研究［J］.經(jīng)濟問題探索，2016（5）：30-37.

［20］? 吳建新，黃蒙蒙.中國城市經(jīng)濟的綠色轉(zhuǎn)型：基于環(huán)境效率和環(huán)境全要素生產(chǎn)率的分析［J］.產(chǎn)經(jīng)評論，2016（6）：98-115.

［21］? 汪鋒，解晉.中國分省綠色全要素生產(chǎn)率增長率研究［J］.中國人口科學(xué)，2015（2）：53-62+127.

［22］? 范丹，付嘉為，王維國.碳排放權(quán)交易如何影響企業(yè)全要素生產(chǎn)率？ ［J］.系統(tǒng)工程理論與實踐，2022（3）：591-603.

［23］? 尹迎港，常向東.中國碳排放權(quán)交易政策促進了地區(qū)綠色全要素生產(chǎn)率的提升嗎？［J］.金融與經(jīng)濟，2022（3）：60-70.

［24］? VALERIA C， MASSIMILIAN M. On the green and innovative side of trade competitiveness？ The impact of environmental policies and innovation on EU exports［J］. Research Policy， 2011， 41（1）： 132-153.

［25］? 傅京燕，胡瑾，曹翔.不同來源FDI、環(huán)境規(guī)制與綠色全要素生產(chǎn)率［J］.國際貿(mào)易問題，2018（7）：134-148.

［26］? 何靖.延付高管薪酬對銀行風(fēng)險承擔的政策效應(yīng)——基于銀行盈余管理動機視角的PSM-DID分析［J］.中國工業(yè)經(jīng)濟，2016（11）：126-143.

［27］? 馮杰，張世秋.基于DEA方法的我國省際綠色全要素生產(chǎn)率評估——不同模型選擇的差異性探析［J］.北京大學(xué)學(xué)報（自然科學(xué)版），2017（1）：151-159.

［28］? 王勇，俞海，張永亮，等.中國環(huán)境質(zhì)量拐點：基于EKC的實證判斷［J］.中國人口·資源與環(huán)境，2016（10）：1-7.

［29］? DANQUAH M， MORAL-BENITO E， OUATTARA B. TFP Growth and Its Determinants： A Model Averaging Approach ［J］. Empirical Economics， 2014， 47（1）： 227-251.

［30］? 王晶晶.服務(wù)業(yè)FDI對東道國全要素生產(chǎn)率的溢出效應(yīng)——基于OECD國家面板數(shù)據(jù)的門限回歸分析［J］.國際經(jīng)貿(mào)探索，2014（9）：33-48.

［31］? 安禮偉，蔣元明.長三角區(qū)域規(guī)劃與先進制造業(yè)企業(yè)全要素生產(chǎn)率——基于PSM-DID模型的經(jīng)驗研究［J］.產(chǎn)業(yè)經(jīng)濟研究，2020（4）：45-60.

Carbon emission trading and green total factor productivity of manufacturing industry

Xiao Weiguo? ?Zhang Yurui

（School of Economics and Management， Wuhan University， Wuhan， Hubei 430072）

Abstract： With the proposal of the "dual carbon" goal， how carbon emissions trading （ETS） affects high-carbon emission industries， such as the growth of green total factor productivity （GTFP） in manufacturing， has gradually become an important research topic. The double difference method is a common research method to identify the relationship between carbon emissions trading and green total factor productivity in manufacturing in recent years. Based on the pilot carbon emission trading policy in 2014， the study shows that the carbon emission trading policy can significantly promote the development of green total factor productivity in China's manufacturing industry. Further research finds that carbon emissions trading can have a positive effect on the green total factor productivity of the manufacturing industry by screening the quality of foreign inward direct investment （IFDI）. The robustness test shows that the positive effect of carbon emission trading on the green total factor productivity of China's manufacturing industry is still valid after considering the setting conditions of the double difference method， the parallel trend test， the counterfact test， and the change of the propensity score matching method.

Key Words： Carbon emission trading; GTFP of manufacturing industry; Foreign direct investment in China; Double difference method