Carbon Neutrality Process, Market Policy, and China's Low-Carbon Economic Transition: Study Based on Prefecture-Level City Data

Daoping WANG; Yangjingzhuo LIU; Linlin LIU

doi:10.12012/CJoE2024-0299

PDF(1239 KB)

China Journal of Econometrics ›› 2025, Vol. 5 ›› Issue (2) : 390-416. DOI: 10.12012/CJoE2024-0299

Carbon Neutrality Process, Market Policy, and China's Low-Carbon Economic Transition: Study Based on Prefecture-Level City Data

Author information +

History +

Abstract

The "dual carbon" targets represent a significant strategic decision for China's low-carbon economic transformation, carrying profound implications for highquality economic development. This paper first establishes an index system capable of scientifically measuring the progress of China's cities towards achieving the "dual carbon" targets, based on both the absolute level of regional carbon reduction and carbon sink enhancement gaps and the relative level after considering regional population size, energy consumption, and economic development. It then analyzes the patio-temporal evolution characteristics of these gaps, providing a quantitative basis for advancing China's "dual carbon" targets. Subsequently, leveraging the quasinatural experiment of carbon emissions trading pilots and panel data spanning 2006–2020 at the prefecture-level city level, this paper delves into the role of market-based policy instruments in achieving carbon neutrality goals. The research findings indicate that the implementation of carbon emissions trading policies contributes to advancing carbon neutrality in pilot regions across four dimensions: Regionally overall, per capita, in terms of energy consumption, and economic development. The mechanism analysis reveals that this policy fosters carbon neutrality through multiple pathways, including carbon emission reduction, carbon sequestration enhancement, and green innovation. Specifically, the policy aids in optimizing energy structures and enhancing energy effciency at the emission end, promotes afforestation and forest conservation at the carbon sequestration end, and exhibits a "Porter Effect" that stimulates quantitative growth in green innovation in pilot regions. Further research demonstrates that a well-functioning carbon market can amplify the emission reduction and carbon sequestration enhancement effects of carbon emissions trading policies. By breaking down market mechanisms into three aspects, carbon price, liquidity, and relative scale, it is found that higher carbon prices and larger relative scales of carbon markets in pilot regions strengthen the facilitating effects of carbon emissions trading policies on their carbon neutrality progress. Market liquidity, however, only reinforces these policy effects in the dimension of economic development. This study provides empirical evidence and policy recommendations for scientifically measuring the progress towards achieving "dual carbon" targets, improving the national carbon market, and facilitating high-quality economic transformation.

Key words

carbon neutrality / carbon emission trading / carbon sinks / emission reduction and sink enhancement / market mechanisms

Cite this article

EndNote

Ris (Procite)

Bibtex

Download Citations

Daoping WANG , Yangjingzhuo LIU , Linlin LIU. Carbon Neutrality Process, Market Policy, and China's Low-Carbon Economic Transition: Study Based on Prefecture-Level City Data. China Journal of Econometrics, 2025, 5(2): 390-416 https://doi.org/10.12012/CJoE2024-0299

1 引言

党的二十大报告指出, “推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节”, 推进碳达峰碳中和是推动经济结构转型升级、形成绿色低碳产业竞争优势, 实现高质量发展的内在要求(习近平, 2023). 在“双碳”战略背景下, 2021年7月16日全国碳排放权交易市场正式开启. 作为利用市场机制推动绿色低碳发展的一项重大制度创新, 全国碳市场是实现碳达峰目标与碳中和愿景的重要政策工具, 其实施效果也受到了各界的广泛关注. 科学测度“双碳”目标实现进程对评估全国碳市场的政策效果、探索碳中和愿景的实现路径和加强相关政策的统筹协调有重要意义, 有助于推动中国经济低碳转型和绿色可持续发展.

碳排放权交易市场建设是中国在绿色发展探索中做出的重大政策创新. 作为一项市场型政策, 碳市场界定了碳排放的产权, 并为企业提供相应交易平台, 在给定的排放总量下, 基于供需关系形成碳价并以机会成本的形式影响企业行为, 进而促进资源的合理配置, 以较低成本实现减排目标(张希良等, 2021). 一方面, 市场交易将碳排放的负外部性成本内部化, 社会层面的要素从碳效率较低的部门流向碳效率较高的部门, 对高碳排放部门形成减排压力, 给低碳排放部门带来减排动力, 有助于环境治理目标的实现(刘传明等, 2019; 钱雪松等, 2018; Perman et al., 2011; 任胜钢等, 2019). 另一方面, 环境规制带来的成本压力和自愿核证减排政策的嵌入会使企业调整投资结构, 增加对清洁高效部门、减碳增汇技术和相关碳汇项目的投入, 进而提高企业碳效率和社会碳汇总量(Albrizio et al., 2017; Cui et al., 2021; 杜之利等, 2021).

碳排放权交易市场运行由区域试点推向全国, 首批覆盖企业的碳排放量超40亿吨. 自碳排放权交易政策试点以来, 学界就围绕其政策影响展开了一系列讨论, 肯定了该政策在改善能源消费和产业结构(谢里和郑新业, 2020; 汤维祺等, 2016)、提高经济效率(胡玉凤和丁友强, 2020)和促进宏微观减排等方面的作用(吴力波等, 2014; 闫海洲和陈百助, 2017). 但已有研究多聚焦于碳排放端, 实现碳中和愿景需要同时关注碳排放与碳吸收, 减碳与增汇两端发力. 在此背景下, 亟待回答的问题是: 如何科学测度中国各城市的碳中和进程; 碳排放权交易政策是否有助于推进地区碳中和目标的实现; 其具体的作用机制是什么? 对上述问题的有效回答, 对中国经济低碳化转型和碳中和愿景的实现意义重大. 为回答上述问题, 本文首先从区域减碳增汇缺口的绝对水平, 和考虑区域人口规模、能源消费和经济发展后减碳增汇缺口的相对水平, 构建了地级市层面的碳中和指数, 并分析了当前中国碳中和目标的实现进程. 接着, 本文实证讨论了碳排放权交易政策对区域碳中和目标实现进程的助推作用及其作用机制. 最后, 考虑到碳排放权交易政策作为一项市场型减排政策工具, 其作用的发挥离不开相关市场机制的支撑, 本文进一步探讨了试点地区市场机制完善程度对其政策效果的影响.

相较以往研究, 本文创新与贡献主要包括以下三点: 首先, 本文研究综合考虑了碳排放端和碳吸收端, 基于中国城市层面数据构建了符合“双碳”目标内涵、能够科学测度碳中和进程的科学指标, 为后续的实证研究和政策评价提供了量化基础. 其次, 本文从碳排放端、碳吸收端和技术创新三个维度较为全面地探讨了碳排放权交易政策减排增汇效应的作用机制, 为后续建设全国碳市场和完善相关政策体系提供了科学支持和政策启示. 最后, 本文进一步考虑了碳排放权交易政策的市场属性, 研究发现健全的碳市场机制能够强化政策对试点地区碳中和进程的助推效应, 但该政策效果的发挥也并非仅仅依赖市场手段, 对于市场机制不完善的地区, 其减排增汇效应同样存在, 相关结论在促进有效市场和有为政府协同发力, 推动社会经济发展绿色转型方面具有重要的参考意义.

本文结构安排如下: 第二部分为文献综述与理论分析; 第三部分为碳中和指数构建和本文实证设计; 第四部分汇报实证结果, 第五部分讨论机制, 并进一步讨论市场机制完善程度对政策效应发挥的影响; 第六部分为结论与政策建议.

2 文献综述与理论分析

碳中和目标的实现对应着减排和增汇两方面的努力. 基于传统经济学原理, 当前碳排放过量和碳吸收不足源于外部性问题. 其解决方式或是依靠政府力量, 通过税收、补贴等形式进行矫正, 或是发挥市场力量, 明晰产权界定, (张希良等, 2021). Dales (1968)首先提出碳排放权交易, 主张由政府决定总排放量及其初始分配, 并借助市场机制进一步优化资源配置. 该方案兼顾了效率与公平, 能够以较低的成本实现减排目标.

目前已有大量研究围绕碳排放权交易市场的经济影响和作用渠道进行讨论. 碳交易政策通过明晰产权所属关系, 发挥了市场机制的作用, 实现了碳排放权在企业间的最优分配(钱雪松等, 2018). 从节能减排角度看, 碳排放权交易能够通过倒逼企业调整能源结构并提高能源效率、提高企业全要素生产率、降低企业资源错配程度等途径减少企业碳排放(Zhou et al., 2019; 谢里和郑新业, 2020; 胡珺等, 2023). 从技术创新角度看, 碳交易政策能够促进企业和地方强化减排增汇、绿色环保相关的研发投入和技术创新, 有助于产业经济高质量发展, 对碳减排和经济绿色发展起到了重要的推动作用(吴力波等, 2014; 刘传明等, 2019; Chen et al., 2021; 段玉婉等, 2023). 此外, 制度完善、运行平稳的碳市场对于碳排放权定价也意义重大(Stavins, 2008; Keohane, 2009; 雷立钧和荆哲峰, 2011). 总体来看, 碳交易政策效果的相关研究往往围绕减排方面展开, 角度包括减排目标的实现、减排的经济效率及微观企业的减排决策等, 且就碳交易政策有助于减排目标和推动能源转型的观点达成了一致(安崇义和唐跃军, 2012; 范英和衣博文, 2021). 但当前“双碳”目标实现过程中, 碳排放权交易政策对碳汇端的促进作用也在逐步显现. 在这一背景下, 补齐兼顾减排和增汇的研究, 有助于深化各界对“双碳”目标的理解和完善相关政策体系的建设, 对碳中和进程有重要意义.

2.1 碳排放权交易政策与城市碳中和进程

碳排放碳交易政策给定碳排放总量并将碳排放的权利分配给每个企业, 通过将外部性转化为机会成本, 对高碳排放企业形成减碳增汇的压力, 对低碳排放企业形成减碳增汇的动力. 从排放端来看, 碳排放需求大于配额的企业为了实现目标生产量, 需要向碳排放需求小于配额的企业购买其盈余的碳排放权. 由此, 高碳排放企业在成本压力下会尽可能减少碳排放, 低碳排放企业则受到激励, 更加积极地承担减排责任. 从碳汇端来看, 碳排放交易政策内嵌的自愿核证减排交易有助于激励试点地区企业增加生态碳汇项目投入, 使企业积极承担环保责任, 进而显著提高碳排放权交易市场与碳汇市场、技术市场的关联性, 推动碳汇端的进一步发展, 促进经济发展与环境保护的协调耦合(Xie and Shao, 2012; 杜之利等, 2021). 综合以上理论分析, 碳排放交易权试点政策的实施有助于缓解碳排放并促进碳吸收过程. 本文据此提出如下假设:

假设1 碳排放权交易政策能够推进试点城市的碳中和进程.

2.2 碳排放权交易政策与城市减排

当前能源消费仍是温室气体排放的最主要来源之一, 碳排放权交易政策效果的发挥与其对能源消费过程中能源结构和能源效率的改进紧密相关(王道平等, 2024a). 张希良等(2022)研究指出, 要实现碳中和目标, 中国应进一步提高能源利用效率, 并持续推进以新能源为主体的能源结构优化. 如前所述, 碳交易政策背景下, 为了降低成本、保证市场竞争力, 企业一方面需要减少高碳能源的使用、增加清洁能源使用, 在能源消费端优化能源结构, 另一方面, 则需要进一步升级设备、优化技术, 从而减少单位产出的能源消费, 在保证生产的前提下尽可能地压缩耗能和碳排放成本、提升产品竞争力(Albrizio et al., 2017; Lanoie et al., 2008). 综上所述, 碳排放权交易试点政策通过能源消费层面的结构改善和效率提升促进社会性减碳增汇, 进而有助于碳中和目标的早日实现. 据此本文提出以下假设:

假设2 碳排放权交易政策通过改善能源结构推进了试点地区的碳中和进程.

假设3 碳排放权交易政策通过提高能源效率推进了试点地区的碳中和进程.

2.3 碳排放权交易政策与增汇行动

“碳中和”这一概念对应的二氧化碳“净零排放”同时强调了碳排放和碳吸收两端, 并非要求“零碳排放”, 而是强调通过恢复、加强生态系统固碳能力和发展、应用人工固碳技术等方式实现碳吸收量与碳排放量相抵消的平衡状态. 因此, 要讨论碳排放权交易政策对试点地区碳中和进程产生影响的机制, 不能仅仅关注其在碳排放端的表现, 还需要讨论其在碳汇端的作用.

当前人工固碳技术尚未完全成熟和广泛应用, 生物碳汇仍是区域碳吸收的主要来源, 碳汇端发展主要以增加生物碳汇为主, 其中人工造林和封山育林均是营林以提高生态系统固碳能力的重要途径. 前者适用于森林资源损坏程度较大的地区, 人工选择合适树种、建造森林以模拟自然植被的恢复过程, 后者适用于森林资源损坏程度较小的地区, 通过封山禁止人为破坏, 利用森林自身的繁衍恢复力修复其生态功能. 已有文献围绕碳汇的研究讨论主要聚焦于森林碳汇核算, 鲜有研究讨论碳排放权交易政策对碳汇的影响. 具体而言, 杜之利等(2021)基于森林碳汇的核算研究了森林碳汇的空间溢出效应. 上述研究为本文后续所提出的碳排放权交易试点政策能够通过强化增汇行动来助力“双碳”目标实现这一机制提供了一定的理论支持.

中国碳排放权交易政策内嵌了自愿减排交易机制, 目前核证减排量(CCER)交易相关项目共分三类, 分别是节能项目、光伏等清洁能源发电和林业碳汇类项目, 其中林业碳汇类项目主要通过增加森林面积和森林生态系统碳储量实现二氧化碳清除, 为核证减排量(CCER)提供了交易平台, 将其正外部性内部化, 能够激励相关单位加强对人工造林等营林行为的投入. 此外, 尽管中国CCER交易因缺乏客观标准、执行技术难度与成本均高等问题在2017年被迫暂停, 但碳排放权交易政策作为一项环境规制, 其释放的信号有利于提高地方政府对环境保护的重视程度和促进居民生活方式的绿色化(Lanoie et al., 2008), 进而可能促进当地封山造林等护林行为. 而森林碳汇的提升不仅有利于本国环境改善和“双碳”目标的实现, 还对其他国家具有正向溢出作用(杜之利等, 2021). 综上所述, 本文认为碳排放权交易试点政策能够通过激励人工造林的营林行为和封山育林的护林行为, 增加试点区域生态系统的固碳能力, 进而促进其碳中和愿景的实现. 据此提出以下假设:

假设4 碳排放权交易政策通过激励人工造林的营林行为推进了试点地区的碳中和进程.

假设5 碳排放权交易政策通过激励封山育林的护林行为推进了试点地区的碳中和进程.

2.4 碳排放权交易政策与绿色创新

“双碳”目标的实现不能以牺牲经济发展为代价, 碳排放权交易政策的作用机制应以保障经济的高质量发展为前提, 即碳排放权交易政策除了在量上完成碳减排目标外, 还应在质上实现帕累托改进, 在减排增汇改善环境问题的同时保证经济的可持续发展(Ramanathan et al., 2017). “波特假说”认为环境规制虽然短期内可能会因为成本增加而冲击相关企业的生产经营, 但长期内能够促进企业创新技术的研发投入和产品应用, 进而提升企业的生产效率、促进经济增长(Porter, 1996; 王道平等, 2024b). 碳排放权交易政策通过引入市场机制和竞争机制, 同时强化了绿色创新水平较高企业的研发动力和绿色创新水平较低企业的研发压力, 相关技术创新成果的应用有助于企业节能减排和创新增汇, 进而有利于碳中和愿景的实现(Chen et al., 2021; 段玉婉等, 2023). 据此, 提出以下假设:

假设6 碳排放权交易政策通过促进绿色创新促进了试点地区的碳中和进程.

3 碳中和指数构建与实证研究设计

基于碳中和背景, 讨论碳交易政策效果及其作用机制是本文实证研究的重点, 为此本部首先简述碳中和指数的构建思路, 接着基于多期双重差分(differences-in-differences, DID)模型展开实证分析.

3.1 碳中和指数构建

碳中和力求达到二氧化碳排放的净值为零, 反映在客观数据上, “净零排放”即碳排放量与碳汇量相抵消, 因此判断地区碳中和进程需要考察该地区碳排放与碳吸收之间的差额, 这一差额体现的是为了达到“净碳排放”为零这一目标, 该地区需要填补的减排增汇缺口, 缺口越大则推进碳中和进程的压力越大.

Chen et al. (2020)根据DMSP/OLS和NPP/VIIRS卫星图像数据, 结合夜间灯光数据对中国2735个县级及以上地区的碳排放数据进行测算, 并基于陆地植被覆盖情况对碳吸收数据进行测算. 但采用夜间灯光数据进行碳排放量测算忽略了大部分能耗方式的碳排放, 无法全面衡量碳中和进程. 因此本文参考并改进王道平等(2024a)、韩峰和谢锐(2017)和李治等(2014)的方法, 对地级及以上城市的碳排放数据进行重新测算, 并与Chen et al. (2020)利用卫星数据测算的碳吸收数据进行结合, 构建2006–2021年地级及以上城市的碳中和指数.

3.1.1 碳排放与碳吸收的计算

3.1.1.1 碳排放

本文参考并改进李治等(2014)和王道平等(2024a)的计算方法, 对地级市层面能源活动产生的二氧化碳进行测算. 具体计算假设及步骤如下:

1) 做出碳排放结构一致性假设: 考虑到地级市的层次和水平具有稳定性, 假设地级市能源消费结构与省级能源消费结构具有一致性, 进而地级市碳排放结构与省级碳排放结构保持一致;

2) 计算省级碳排放结构: 首先借鉴王道平等(2024a)的方法, 计算省级二氧化碳总排放

{C D E}_{T}

. 接着, 结合《中国能源统计年鉴》中省级电力消费总量和国家能源局披露的煤电电量占总电量的比例(限于数据可得性, 以各省份煤电发电电量占总电量之比测度)计算电力消费产生的二氧化碳. 进而, 可计算省级碳排放结构, 即电力消费产生的二氧化碳与总能源消费的二氧化碳排放量之比;

3) 计算地级市总碳排放: 地级市全社会用电量来自各年《中国城市统计年鉴》. 同时, 假设地级市煤电电量与总电量之比与省级一致, 进而可以计算出地级市煤电发电产生的二氧化碳排放量, 并基于(1)中的假设和(2)中计算结果测算地级市总碳排放量.

\begin{aligned} {C D E}_{i} = \frac{k_{E} \times (ϕ_{i} \times E_{i})}{k_{E} \times (ϕ_{T} \times E_{T}) / {C D E}_{T}}, \end{aligned}

(1)

其中,

{C D E}_{i}

表示

i

城市的二氧化碳排放量,

k_{E}

表示煤电燃料链二氧化碳排放系数¹,

ϕ_{i}

和

ϕ_{T}

分别表示

i

城市煤电电量与总电量之比, 和

i

城市所在省份

T

煤电电量占总电量之比, 如前所述, 受限于数据披露, 仅

ϕ_{T}

可得, 故进一步假设地级市煤电电量与总电量之比与所在省份保持一致,

E_{i}

为

i

城市的全社会用电量,

E_{T}

表示

i

城市所在省份

T

的全社会用电量,

{C D E}_{T}

示

i

城市所在省份

T

总能源消费的二氧化碳排放量.

k_{E} =

0.84 kg CO

_{2}

/kWh.

3.1.1.2 碳吸收

碳吸收能力又称碳汇能力, 考虑到碳捕捉、碳封存技术的成本较高, 预计难以在2060年前大规模投入使用², 本文计算地区碳吸收量时聚焦生物碳汇. 碳经过光合作用等生化反应被储存在植物体内之后, 还会通过枯损(部分枝叶枯萎凋谢后被分解)向大气释放二氧化碳, 并转移碳到土壤碳库(植物碎屑进入土壤), 最终留存在活体植物中的碳净积累量即净生态系统生产量(NEP, net ecosystem production), 通过活体植物中的碳积累量减去有机物残体分解计算(谢鸿宇等, 2008).

²观点来自《IPCC特别报告: 二氧化碳捕获和封存》.

本文参考Yang and Huang (2021)的CLCD遥感数据集, 根据30 m分辨度的栅格数据对中国地级市土地覆盖类型面板的面积进行测算. 按照2020年行政区域划分, 将CLCD数据集分行政区划进行多边形裁剪, 并统计每个区域中不同取值的像元数量, 以像元数量占比表示各个地级市不同覆被类型的土地面积占比. 根据廖祥等(2023), 主要土地利用类型中, 林地、草地、灌木等是主要碳汇, 进行碳吸收. 由于水田生态系统的碳排放及碳吸收效应尚未有具体指标, 且相关数据可得性差, 本文生物生产性土地面积主要考虑林地、草地与灌木. 具体操作如下:

\begin{aligned} {C C S}_{i} = \sum_{k = 1}^{3} \frac{44}{12} \times {NEP}_{k} \times S_{k, i}, \end{aligned}

(2)

其中,

{C C S}_{i}

表示

i

城市森林和草地的二氧化碳吸收量;

{N E P}_{k}

表示森林、草地或灌木的碳吸收率;

S_{k, i}

表示

i

城市森林、草地或灌木的面积;

\frac{44}{12}

为二氧化碳和碳的分子比率.

本文参照谢鸿宇等(2008)和宁晨等(2015)的计算结果, 设置森林、草地与灌木的碳吸收系数如表 1. 需说明的是, 上述研究计算的碳吸收系数均为每年每公顷植被的碳吸收量, 由于原文献中计算使用的数据即为年均指标, 因此未在单位中强调这一事实.

表1 碳吸收计算涉及的各项指标与系数

变量	森林	草地	灌木
NEP(单位: 吨/公顷)	3.810	0.948	1.734

3.1.2 碳中和指数体系

为了能够全面、科学测度中国各城市碳中和进程, 本文测算了区域减碳增汇缺口的绝对水平, 以及考虑区域人口规模、能源消费和经济发展后减排增汇缺口的相对水平, 从四个维度构建碳中和指数体系, 具体指标如下:

3.1.2.1 区域碳中和指数CNI

中国作为发展中国家, 尚未实现碳达峰, 大部分城市碳排放量大于碳吸收量, 因此计算城市碳排放总额与碳吸收总额之差, 即该城市要实现碳中和愿景所需填补的减碳增汇缺口, 作为区域碳中和指数:

\begin{aligned} {C N I}_{i} = {C D E}_{i} - {C C S}_{i}, \end{aligned}

(3)

其中,

{C D E}_{i}

为

i

城市的二氧化碳排放量;

{C C S}_{i}

为

i

城市的二氧化碳吸收量;

{C N I}_{i}

为

i

城市的区域碳中和指数, 其数值越大, 说明该城市减排增汇缺口越大, 实现碳中和愿景的难度也就越高.

3.1.2.2 碳中和人均指数CNPI

一方面, “双碳”目标的实现与民生改善息息相关, 在战略实施过程中, 人均意义的减排增汇缺口能够反映当地温室气体治理效果对居民个体的影响, 另一方面, 人口规模与城市能源消费、产业发展等直接相关, 人口基数大的地区碳排放量往往更大, 因此进一步考虑人均减排增汇缺口, 计算人均碳中和指数公式如下:

\begin{aligned} {C N P I}_{i} = {C N I}_{i} / N_{i}, \end{aligned}

(4)

其中,

N_{i}

为

i

城市年末常住人口数;

{C N P I}_{i}

为

i

城市的人均碳中和指数, 其数值越大, 实现碳中和愿景的难度越高.

3.1.2.3 碳中和能源指数CNEI

当前中国碳汇端未成规模, 碳中和指数值主要由碳排放体量主导, 能源消耗作为碳排放的主要源头之一需要重点关注, 为此, 计算碳中和能源指数如下:

\begin{aligned} {C N E I}_{i} = {C N I}_{i} / {E C}_{i}, \end{aligned}

(5)

其中,

{E C}_{i}

为

i

城市能源消耗总量³;

{C N E I}_{i}

为

i

城市的碳中和能源指数, 其数值越大, 该城市实现碳中和愿景的难度越高.

i

城市能源消耗总量计算时将

i

城市八大能源消费量折标煤后加总.

3.1.2.4 碳中和发展指数CNDI

中国幅员辽阔, 各地区资源禀赋、产业结构、发展水平和发展模式差异巨大, 而经济发展往往伴随着大量的能源消耗及温室气体排放. “双碳”目标的实现并非发展与环保的选择题, 而是力求兼顾双方, 从这一视角出发, 在测度城市碳中和进程过程中, 进一步考虑各城市经济发展水平的差异, 计算碳中和发展指数如下:

\begin{aligned} {C N D I}_{i} = {C N I}_{i} / {G D P}_{i}, \end{aligned}

(6)

其中,

{G D P}_{i}

为

i

城市地区生产总值;

{C N D I}_{i}

为

i

城市的人均碳中和指数, 其数值越大, 该城市实现碳中和愿景的难度越高.

3.2 变量选择与模型设计

3.2.1 变量选择

为实证检验碳交易政策对碳中和目标进程的影响, 本文核心解释变量是代表碳排放权交易政策实施的虚拟变量, 被解释变量为第三部分构建的衡量碳中和目标实现进程的四项碳中和指数, 此外, 对地区经济发展水平、创新水平、污染程度和产业结构等方面因素进行控制. 表 2列示了具体变量、变量含义及其计算方法.

表2 变量选择与解释

变量	变量含义	计算方法
CNI	区域碳中和指数	对区域碳中和指数进行归一化处理
CNPI	碳中和人均指数	对碳中和人均指数进行归一化处理
CNEI	碳中和能源指数	对碳中和能源指数进行归一化处理
CNDI	碳中和发展指数	对碳中和发展指数进行归一化处理
GDP	经济发展水平	该地级市当年生产总值取自然对数
INNOV	城市创新活力	地级市当年获得发明专利数取自然对数
PM25	PM $_{2.5}$ 浓度	地级市当年PM $_{2.5}$ 浓度均值取自然对数
INDUS	产业结构	第三产业生产总值占地区生产总值的比重
ES	能源结构	煤炭和焦炭消费量占能源总消费量之比
EE	能源效率	能源总消费量与实际GDP之比
AFFOREST	人工造林	当年人工造林面积取对数
CULTIVATE	封山育林	当年封山育林面积取对数
QUANTITY	绿色创新数量	绿色实用新型专利申请数量的自然对数
QUALITY	绿色创新质量	绿色发明专利申请数量的自然对数

1) 被解释变量

本文分别使用第三部分中构建的区域碳中和指数、碳中和人均指数、碳中和能源指数和碳中和发展指数作为被解释变量, 此外, 考虑到区域碳中和指数的数量级较大且四项指数的量纲不同, 本文对其进行归一化处理.

2) 核心解释变量

本文核心解释变量为反映一地是否开展碳排放权交易政策试点的虚拟变量, 若该城市为试点地区并已开启试点, 该变量赋值为1, 否则为0. 核心解释变量前的系数代表碳交易政策试点省市碳中和目标进程与非试点省市之间的差异, 即从碳中和视角考察了碳排放权交易市场建设的政策影响.

3) 其他控制变量

由于单个城市各异的产业特征、技术特征和政策法规等都会影响企业减排增汇进程和碳中和目标的实现难度, 本文借鉴已有文献对相关变量进行控制, 具体而言, 本文使用的控制变量包括: 经济发展水平GDP, 用该地级市当年生产总值取自然对数表示; 城市创新活力INNOV, 用地级市当年获得发明专利数取自然对数代理; 城市污染程度PM25, 用地级市当年PM

_{2.5}

平均浓度的自然对数代理; 产业结构INDUS, 以第三产业生产总值占地区生产总值的比重表示.

4) 中介变量

能源结构ES. 由于煤炭和焦炭的排放因子大于原油及其产品、天然气等的排放因子, 因此, 若其他因素不变, 煤炭和焦炭在燃料结构中的比重越大, 则相应的碳排放量就越高, 实现碳中和的难度越大(王锋等, 2010). 基于此, 本文建立反映能源结构的指标ES, 采用折标准煤后的煤炭和焦炭消费量占能源总消费量之比表示, 该指标越小说明能源结构越合理.

能源效率EE. 在保持经济总量不变的条件下, 单位GDP所使用的能源量降低必然对碳中和进程有推进作用. 使用能源强度衡量能源效率, 采用各地级市的能源总消费量与实际GDP之比表示(王锋等, 2010). 受限于数据可得性, 能源结构和能源效率均计算到省级层面.

人工造林AFFOREST和封山育林CULTIVATE. 当前人工固碳技术尚未广泛应用, 碳汇端发展主要以增加生物碳汇为主, 其中人工造林和封山育林均是营林以提高生态系统固碳能力的重要途径. 本文选取人工造林面积和封山育林面积测度地区碳吸收端的改善, 具体回归中使用地区当年人工造林或封山育林面积的自然对数. 受限于数据可得性, 人工造林和封山育林数据均仅获取到省级层面.

绿色创新数量QUANTITY和绿色创新质量QUALITY. 为了实证检验碳排放权交易政策是否具有波特效应, 即其是否能够促进地区相关技术的创新, 本文使用技术水平较低、研发难度较小的绿色实用新型专利的申请数量测度地区绿色创新数量, 使用专利技术水平高、研发难度大的绿色发明专利的申请数量代理地区绿色创新质量. 实证回归中使用的相关数据均取自然对数.

3.2.2 模型设计

中国碳排放权交易市场试点省市包括北京市、天津市、上海市、重庆市、湖北省、广东省、深圳市及福建省, 但碳交易政策在试点区域并非同时开启, 具体而言, 北京、天津、上海、广东和深圳于2013年正式开市, 湖北、重庆于2014年正式开市, 而福建则在2016年才开始. 因此, 为避免使用传统DID模型默认政策在实验组实行时间一致造成结果的偏误, 本文选择多期DID模型实证检验建设碳交易市场的政策效果和作用机制, 具体模型设定如下:

\begin{aligned} Y_{i, t} = β_{0} + β_{1} {D I D}_{i, t} + β {C o n t r o l}_{i, t} + γ_{i} + δ_{t} + ϵ_{i, t}, \end{aligned}

(7)

其中, 被解释变量

Y_{i, t}

为

i

地级市第

t

年相应的碳中和指数, 本文回归中分别使用归一化处理后的区域碳中和指数CNI, 碳中和人均指数CNPI, 碳中和能源指数CNEI和碳中和发展指数CNDI; 核心解释变量

{D I D}_{i, t}

为两虚拟变量的交乘项, 即

{T R E A T}_{i, t} \times {P O S T}_{i, t}

, 若

i

市为试点地区则

{T R E A T}_{i, t} = 1

, 反之则为0, 若政策在试点地区已经实施则

{P O S T}_{i, t} = 1

, 反之则为0, 故

{D I D}_{i, t}

反映

i

城市第

t

年是否开展碳排放权交易试点;

{C o n t r o l}_{i, t}

表示

i

地级市第

t

年相应的会影响碳中和指数的控制变量,

γ_{i}

和

δ_{t}

分别为个体固定效应和时间固定效应,

ϵ_{i, t}

为随机扰动项. 待估系数中,

β_{0}

为截距项;

β_{1}

反映试点地级市在碳交易政策实施后各项碳中和指数与非试点地级市间的平均差异;

β

为控制变量系数向量.

3.3 数据与描述性统计

本文实证部分数据来自《中国城市统计年鉴》《中国能源统计年鉴》、圣路易斯华盛顿大学大气成分分析组(Atmospheric Composition Analysis Group)及国家统计局官网, 计算四项碳中和指数所使用的底层数据来源详见前文第二部分指数的构建, 此处不再赘述. 本文实证部分数据面板的时间跨度为2006–2020年, 这是考虑到2021年7月16日全国碳市场正式启动, 为避免其对本文结论产生影响, 将样本时间截至在2020年⁴. 表 3展示了描述性统计结果. 区域碳中和指数均值为0.225, 标准差为0.094, 碳中和人均指数均值为0.123, 标准差为0.058, 碳中和能源指数均值为0.165, 标准差为0.092, 碳中和发展指数均值为0.371, 标准差为0.047, 四项碳中和指数的中位数均小于均值, 说明指数对应分布右偏, 碳中和进程相对落后的城市占多数.

⁴本文所使用的数据和代码请参见科学数据银行(ScienceDB) 期刊社区, DOI: 10.57760/sciencedb.j00214.00118和CSTR: 31253.11.sciencedb.j00214.00118, 更新见王道平主页 https://my.nankai.edu.cn/jrxy/wdp/list.htm. 若使用文中数据信息, 请注明引文和数据出处.

表3 描述性统计结果

变量	样本量	均值	中位数	标准差	最小值	最大值
CNI	3520	0.225	0.194	0.0940	0	1
CNPI	3520	0.123	0.107	0.0580	0	1
CNEI	3520	0.165	0.142	0.0920	0	1
CNDI	3520	0.371	0.361	0.0470	0	1
GDP	3520	7.164	7.104	0.983	4.318	10.56
INNOV	3520	6.898	6.791	1.758	2.197	12.31
PM25	3520	3.748	3.743	0.355	2.454	4.691
INDUS	3520	40.16	38.99	9.990	8.580	83.87
QUANTITY	3520	4.052	3.970	1.756	0	9.476
QUALITY	3520	3.734	3.555	1.901	0	10.09
ES	3520	0.706	0.712	0.142	0.019	0.966
EE	3520	0.602	0.605	0.0400	0.443	0.698
AFFOREST	3520	4.501	4.780	1.030	$-$ 0.342	6.407
CULTIVATE	3520	3.051	3.606	1.778	$-$ 1.470	6.023

4 实证分析

本部分围绕本文的核心假设, 即碳交易政策能否推进试点地区的碳中和进程, 展开实证检验. 本部分首先分析了基于多期DID模型的基准回归结果, 并进行平行趋势检验, 最后从排除政策外溢影响、缩短时间窗口、优化计量模型、安慰剂测试、考虑四川省碳市场和避免其他政策影响等多方面围绕结论进行稳健性检验.

4.1 基准回归

表 4第(1)至(4)列分别汇报了以区域碳中和指数CNI、碳中和人均指数CNPI、碳中和能源指数CNEI和碳中和发展指数CNDI为被解释变量时的基准模型的回归结果, 核心解释变量“碳排放权交易政策是否在当地实施”对应的系数均在1%水平上显著为负, 碳市场的开启显著降低了试点地区四项碳中和指数的水平, 即碳排放权交易政策的实施在区域总体、区域人均、单位能源消耗和单位经济发展规模四个角度上均有助于试点地区碳中和目标的实现, 前文假设1得证.

表4 基准回归结果

变量	(1)	(2)	(3)	(4)
变量	CNI	CNPI	CNEI	CNDI
DID	$-$ 0.0202 $^{* * *}$	$-$ 0.0114 $^{* * *}$	$-$ 0.0157 $^{* * *}$	$-$ 0.0050 $^{* * *}$
	( $-$ 7.223)	( $-$ 7.546)	( $-$ 6.223)	( $-$ 3.251)
GDP	$-$ 0.0252 $^{* * *}$	$-$ 0.0301 $^{* * *}$	0.0070 $^{*}$	$-$ 0.0387 $^{* * *}$
	( $-$ 2.880)	( $-$ 4.744)	(1.943)	( $-$ 6.969)
INNOV	0.0021	0.0057 $^{* * *}$	0.0061 $^{* * *}$	0.0107 $^{* * *}$
	(0.931)	(2.960)	(5.308)	(5.585)
PM25	$-$ 0.0082	0.0200 $^{* * *}$	$-$ 0.0098 $^{*}$	0.0136 $^{* *}$
	( $-$ 0.899)	(2.804)	( $-$ 1.770)	(2.164)
INDUS	$-$ 0.0006 $^{*}$	$-$ 0.0009 $^{* * *}$	$-$ 0.0003 $^{* *}$	$-$ 0.0006 $^{* *}$
	( $-$ 1.827)	( $-$ 2.892)	( $-$ 2.107)	( $-$ 2.212)
常数项	0.4459 $^{* * *}$	0.2609 $^{* * *}$	0.1232 $^{* * *}$	0.5471 $^{* * *}$
	(5.950)	(5.017)	(3.259)	(11.972)
样本量	3,520	3,520	3,520	3,520
$R^{2}$ 值	0.836	0.820	0.944	0.717
年份固定	是	是	是	是
城市固定	是	是	是	是

注:

^{*}

、

^{* *}

、

^{* * *}

分别表示10%、5%和1%的显著性水平. 后同.

4.2 平行趋势检验与政策的动态效果

本文基于多期DID模型实证检验碳交易政策对碳中和目标实现是否具有推动作用, 要得到有效结论, 需要检验碳排放权交易政策实施前试点城市和非试点城市碳中和指的变动趋势是否相同, 即平行趋势假设是否成立. 为此借鉴陈钊和熊瑞祥(2015)等人的做法进行平行趋势假设检验, 具体计量模型设定如下:

\begin{aligned} Y_{i, t} = θ_{0} + \sum_{j = 2}^{6} θ_{1 j} {P R E}_{j} + θ_{2} C U R + \sum_{j = 1}^{6} θ_{3 j} {P O S T}_{j} + β {C o n t r o l}_{i, t} + γ_{i} + δ_{t} + ε_{i, t}, \end{aligned}

(8)

其中, 以碳交易政策实施前一期作为基期.

{P R E}_{j}

表示碳交易政策实施前

j

期对应的虚拟变量;

C U R

表示交易政策实施当期对应的虚拟变量,

{P O S T}_{j}

代表碳交易政策实施后

j

期对应的虚拟变量. 其余变量定义与基准模型一致.

{P R E}_{j}

与

{P O S T}_{j}

前的待估系数表示, 相比基期, 碳交易政策试点区域的碳中和进程与非试点区域的差异, 其估计值及显著性既能检验平行趋势假设, 也能够体现碳交易政策效应随时间的动态变化.

图 1至图 4分别展示了区域碳中和指数CNI、碳中和人均指数CNPI、碳中和能源指数CNEI和碳中和发展指数CNDI对应的平行趋势检验结果. 可以看到政策实施前各时点上对应系数估计值变化趋势基本维持水平, 且置信区间均包含零值. 政策实施后出现向下趋势, 且系数估计值的绝对值逐渐增大, 说明政策效果随着市场运行过程中不断扩张和完善而出现增强: 一方面, 企业作为政策最终的执行者, 受到此前时期内的合同及协议的约束, 其生产方式、技术选择甚至是排放总量在政策初期往往难以发生质变. 但在中长期内, 随着碳排放交易权政策的深入推进, 标的企业很可能在社会预期和政策激励下修正自身生产决策, 从而推动碳排放权交易政策影响的显现. 另一方面, 碳市场初期可能存在配额宽松、监管不严格等问题, 随着碳排放权交易试点市场的发展与协同, 碳排放权交易的参与对象、参与机制、参与形式将更具科学性与灵活性, 其内涵也会不断丰富, 其政策效果将进一步放大.

综上, 平行趋势假设检验通过, 前文结论有效, 且可看出碳排放权交易政策对试点地级市碳中和进程的影响是动态化的, 具有时滞性和渐进性.

4.3 稳健性检验

4.3.1 排除政策外溢效应

多期DID模型所得结论的有效性还依赖于SUTVA假定, 即要求未实施碳排放权交易政策的地区不受该政策的影响. 但就本文研究问题来看, 碳排放交易试点可能存在外溢效应从而对实证结果产生影响: 从碳排放维度看, 当一个地区实施碳排放权交易试点政策后, 高耗能企业可能为了避免碳排放成本的内部化而将企业主体迁移至没有实施该政策的地区, 从而试点地区可能出现污染转移, 对非试点地区的碳中和进程造成影响; 从碳吸收维度来看, 部分试点交易市场认可一定数量的省外自愿核证减排量, 进而会对非试点省份的碳汇项目产生影响, 进而对非试点地区的碳中和进程产生影响.

为了解决可能存在的政策效果外溢效应问题, 本文参考Kawaguchi and Yukutake (2017), 将可能存在比较严重的外溢效应的对照组样本删除, 然后将实验组与剩余对照组样本进行比较, 如果结论与核心结论没有显著差异, 则证明本文实证结果具有稳健性. 考虑到东南沿海及长江中下游省份对于高耗能企业的转入具有较高限制, 且受自然因素限制其生态碳汇项目短期增量有限, 将参照组中的样本仅保留东南沿海及长江中下游地区样本, 并重新估计基准模型. 表 5列示了相关稳健性检验结果, 核心解释变量对应的回归系数仍显著为负, 即考虑政策效果的外溢并予以处理后, 前文结论依然稳健.

表5 稳健性检验: 排除外溢效应影响

变量	(1)	(2)	(3)	(4)
变量	CNI	CNPI	CNEI	CNDI
DID	$-$ 0.0086^***	$-$ 0.0046^***	$-$ 0.0127^***	$-$ 0.0032^***
	( $-$ 3.106)	( $-$ 5.880)	( $-$ 5.261)	( $-$ 3.468)
样本量	1,686	1,686	1,686	1,686
$R^{2}$ 值	0.951	0.929	0.976	0.721
控制变量	是	是	是	是
年份固定	是	是	是	是
城市固定	是	是	是	是

4.3.2 缩短时间窗口

由于在2006年至2020年这一时段当中, 中国在碳排放权交易市场试点之外还进行了众多其他环境治理路径的探索, 为了避免数据面板过长对本文结论产生影响, 本文参考石光等(2016)的做法缩短时间窗口, 基于2010–2019年(既第一个试点区域开启试点前推三年至最后一个试点区域开启试点后推三年)的数据重新估计基准模型, 相应结果列示于表 6. 结果显示, 对于四项碳中和指数核心解释变量对应系数分别在1%、1%、1%和10%水平下显著为负. 说明缩短时间窗口后, 碳排放权交易政策仍有效推动了试点地区碳中和目标的实现, 前文结果具有稳健性.

表6 稳健性检验: 剔除其他环境政策的影响

变量	(1)	(2)	(3)	(4)
变量	CNI	CNPI	CNEI	CNDI
DID	$-$ 0.0182^***	$-$ 0.0094^***	$-$ 0.0079^***	$-$ 0.0037^*
	( $-$ 5.978)	( $-$ 4.738)	( $-$ 2.928)	( $-$ 1.924)
样本量	2,324	2,324	2,324	2,324
$R^{2}$ 值	0.848	0.830	0.952	0.727
控制变量	是	是	是	是
年份固定	是	是	是	是
城市固定	是	是	是	是

4.3.3 计量模型优化

PSM-DID模型基于倾向得分值将实验组个体与控制组个体进行匹配, 能够在一定程度上缓解样本自选择问题, 同时还能消除不随时间变化的非观测异质性和时间趋势的影响, 被广泛应用于政策效果的讨论中(李江一和秦范, 2022). 为进一步确保结论的稳健性, 本文对实验组和控制组中个体进行一对一近邻匹配, 换用PSM-DID模型再次讨论碳排放权交易的政策效果. 为节约篇幅, 共同支撑假设检验的结果备索, 进行倾向得分匹配后, 实验组和控制组在各个变量上无显著差异. 表 7汇报了PSM-DID模型对应的回归结果, 根据表中结果, 区域碳中和指数CNI、碳中和人均指数CNPI、碳中和能源指数CNEI和碳中和发展指数CNDI作为被解释变量的回归中, 核心解释变量对应系数均在1%水平下显著为负, 与基准模型回归结果一致, 假设1再次得证. 即进一步排除样本选择偏误和不可观测因素的影响后, 本文结论仍具有稳健性.

表7 稳健性检验: PSM-DID回归结果

变量	(1)	(2)	(3)	(4)
变量	CNI	CNPI	CNEI	CNDI
DID	$-$ 0.0218^***	$-$ 0.0101^***	$-$ 0.0174^***	$-$ 0.0039^***
	( $-$ 6.310)	( $-$ 6.152)	( $-$ 5.652)	( $-$ 2.649)
样本量	2,347	2,347	2,347	2,347
$R^{2}$ 值	0.852	0.832	0.953	0.727
控制变量	是	是	是	是
年份固定	是	是	是	是
城市固定	是	是	是	是

4.3.4 安慰剂测试

为了进一步避免不可观察的随机因素对基准回归结论的影响, 本文参照史丹和李少林(2020)进行安慰剂检验. 从所有地级市样本中随机选取一定数量的地级市作为实验组, 假设碳排放权交易试点在随机抽取的实验组地级市进行, 其余为对照组. 若随机样本与事件年构成的新DID项回归系数不显著, 则本文的回归结果具有稳健性. 为了避免抽样结果的主观性和偶然性, 本文进行500次随机抽样, 并基于式(8)进行回归, 图 5至图 8分别以密度函数图像形式展示了区域碳中和指数CNI、碳中和人均指数CNPI、碳中和能源指数CNEI和碳中和发展指数CNDI对应随机抽样结果的经验分布, 四项碳中和指数对应结果均至少在10%显著性水平下通过了安慰剂测试. 前文结论并非偶然情况, 具有一定稳健性, 碳排放权交易政策能够在区域总体、区域人均、单位能源消费和单位经济发展规模层面促进一地碳中和目标进程.

图5 碳中和区域指数对应安慰剂测试

Full size|PPT slide

图6 碳中和人均指数对应安慰剂测试

Full size|PPT slide

图7 碳中和能源指数对应安慰剂测试

Full size|PPT slide

图8 碳中和经济指数对应安慰剂测试

Full size|PPT slide

4.3.5 避免其他政策影响

为了避免碳排放权交易政策试点过程中其他同目标政策出台影响本文结论的得出, 参考王锋和葛星(2022)及宋弘等(2019)的做法, 在基准回归基础上进一步控制低碳城市建设试点(NEWP1)和《关于执行大气污染物特别排放限值的公告》(NEWP2)的政策影响. 表 8汇报了相关回归的结果, 可以看到四项碳中和指数分别作为被解释变量时, 核心解释变量对应系数分别在1%、1%、1%和5%水平上显著为负, 即考虑潜在的其他政策影响后, 碳排放权交易政策仍能够显著推进试点地区碳中和目标的实现, 前文结论具有较好稳健性.

表8 稳健性检验: 避免其他政策影响

变量	(1)	(2)	(3)	(4)
变量	CNI	CNPI	CNEI	CNDI
DID	$-$ 0.0241^***	$-$ 0.0123^***	$-$ 0.0155^***	$-$ 0.0035^**
	( $-$ 8.379)	( $-$ 8.187)	( $-$ 6.109)	( $-$ 2.266)
NEWP1	0.0010	0.0017	$-$ 0.0001	$-$ 0.0021
	(0.411)	(1.227)	( $-$ 0.057)	( $-$ 1.236)
NEWP2	0.0278^***	0.0036^**	$-$ 0.0016	$-$ 0.0071^***
	(7.667)	(2.436)	( $-$ 0.648)	( $-$ 4.597)
样本量	3,520	3,520	3,520	3,520
$R^{2}$ 值	0.839	0.820	0.944	0.718
控制变量	是	是	是	是
年份固定	是	是	是	是
城市固定	是	是	是	是

5 机制分析与进一步研究

基于前文理论分析, 碳排放权交易政策引入市场的力量, 将企业排放二氧化碳的负外部性成本内部化, 从而约束企业的决策和行为实现减排增汇, 促进碳中和进程的政策效果. 从企业视角而言, 企业短期内为了节约碳排放成本, 长期内出于提升自身竞争力的考量, 一方面会改善能源结构, 增加清洁能源使用, 另一方面则不断进行技术创新和管理升级, 提升能源利用效率. 从宏观视角而言, 碳交易政策效果的发挥核心在于要素在市场主体间能否顺畅流通, 因此要素市场的发展水平将显著影响该地区碳排放权交易的政策效果. 本部分基于以下模型对前述分析进行实证检验, 从而进一步揭示碳交易政策效应发挥的过程:

\begin{aligned} Z_{i, t} = α_{0} + α_{1} {D I D}_{i, t} + α {C o n t r o l}_{i, t} + γ_{i} + δ_{t} + ϵ_{i, t}, \end{aligned}

(9)

其中, 被解释变量

Z_{i, t}

为

i

地级市第

t

年相应的机制变量, 具体而言, 后文讨论中在碳排放端, 我们使用能源结构ES和能源效率EE作为机制变量, 在碳吸收端, 使用人工造林AFFOREST和封山育林CULTIVATE作为机制变量, 在波特假说检验部分, 使用绿色创新数量QUANTITY和绿色创新质量QUALITY作为机制变量, 具体变量的计算方法、数据来源均汇报于前文表 2之中, 此处不再赘述, 其余变量的设置与基准回归模型保持一致.

5.1 机制检验Ⅰ: 碳排放端

表 9汇报了碳排放端机制分析的实证结果, 第(1)列和第(2)列分别为以能源结构ES和能源效率EE为被解释变量时的回归结果. 结果显示, 核心解释变量前系数均显著为负, 即碳排放权交易政策的实施能够有效减小试点地区能源消耗总量中高污染类能源的占比, 优化其能源结构, 并能够显著减少单位实际GDP对应的能源总消耗, 提高其能源效率. 前文假设2和假设3得证, 碳排放权交易政策能够在碳排放端通过改善能源结构和提高能源效率助推试点地区碳中和目标的实现.

表9 机制检验Ⅰ: 碳排放端

变量	(1)	(2)
变量	ES	EE
DID	$-$ 0.0255^***	$-$ 0.0016^***
	( $-$ 7.978)	( $-$ 3.277)
样本量	3,520	3,520
$R^{2}$ 值	0.943	0.976
控制变量	是	是
年份固定	是	是
城市固定	是	是

5.2 机制检验Ⅱ: 碳吸收端

表 10汇报了碳吸收端机制分析的实证结果, 第(1)列和第(2)列分别为以人工造林AFFOREST和封山育林CULTIVATE为被解释变量时的回归结果. 结果显示, 核心解释变量前系数均在1%水平下显著为正, 即碳排放权交易政策的实施能够有效增加试点地区人工造林和封山育林面积. 前文假设4和假设5得证, 碳排放权交易政策能够激励人工造林和封山育林, 进而在碳吸收端有助于当地森林生态系统固碳能力的恢复和增强, 有利于试点地区碳中和目标的实现.

表10 机制检验Ⅱ: 碳吸收端

变量	(1)	(2)
变量	AFFOREST	CULTIVATE
DID	0.2283^***	2.0370^***
	(3.089)	(22.871)
样本量	3,520	3,520
$R^{2}$ 值	0.746	0.793
控制变量	是	是
年份固定	是	是
城市固定	是	是

5.3 机制检验Ⅲ: 波特假说

表 11汇报了从波特假说出发的绿色创新层面的机制分析结果, 第(1)列为以绿色创新数量QUANTITY为被解释变量时的回归结果, 核心解释变量前系数在1%水平下显著为正, 即碳排放权交易政策实施显著增加了试点地区绿色创新的数量. 第(2)列结果为以绿色创新质量QUALITY为被解释变量时的回归结果, 核心解释变量前系数为正但统计不显著, 即碳排放权交易政策的实施尚未有效增加试点地区绿色创新的质量. 前文假设6得证, 即碳排放权交易政策能够促进试点地区绿色创新活动, 但需关注到, 当前阶段这种促进作用仅在数量方面凸显, 而尚未在质量层面显效. 一方面, 这说明碳市场建设有利于激励相关发明技术创新, 进而有利于试点地区高质量实现碳中和目标, 另一方面, 这要求相关部门进一步完善配套政策和市场架构, 疏通碳市场提升地区绿色创新质量的渠道.

表11 机制检验Ⅲ: 绿色创新

变量	(1)	(2)
变量	QUANTITY	QUALITY
DID	0.0902^***	0.0500
	(2.749)	(1.211)
样本量	3,520	3,520
$R^{2}$ 值	0.957	0.936
控制变量	是	是
年份固定	是	是
城市固定	是	是

5.4 进一步研究: 健全市场与政策效果

碳排放权交易政策作为中国环境治理方面一项重要的市场型政策工具创新, 碳市场相关机制对其节能减排、促进经济高质量发展效果的发挥是否有促进作用引起了众多学者的关注和讨论, 但目前仍未就某一观点达成一致:吴茵茵等(2021)基于2006至2017年中国地级市层级的面板数据实证讨论了碳市场的减排效应, 认为其政策效果发挥主要依赖于非市场的政府行政干预, 市场机制则几乎无显著作用. 王锋和葛星(2022)基于2009至2019年中国省级面板数据, 围绕碳市场对地区经济高质量发展的影响及作用机制展开研究, 结果显示碳市场相关机制的完善能够强化其政策效果的发挥. 上述观点分歧的出现有其合理性, 一方面, 有效市场与有为政府协同耦合是中国经济发展的特色和优势所在, 尤其在市场无法触及或支持乏力时, 政府的行政干预对相关政策效果的发挥是强有力的保障; 另一方面, 这种情况与碳市场构建初期相关机制还很薄弱有关, 随着碳市场覆盖范围的扩大和相关立法、配套设施的完善, 其市场机制的作用才能较好发挥(Liu et al., 2015; Zhao et al., 2016).

基于前文理论阐释和实证检验, 本文理清了碳排放权交易政策能够从排放端能源消费、碳汇端营林造林和技术端绿色创新三方面促进试点地区碳中和目标的实现. 为了进一步考察该政策作为一项市场型政策工具, 碳市场相关机制的完善是否有助于其减排增汇、促进碳中和进程的政策效果的发挥, 本部分参考吴茵茵等(2021), 在基准回归中加入市场机制完善程度与试点政策实施的交乘项, 具体模型设计如下:

\begin{aligned} Y_{i, t} = ϕ_{0} + ϕ_{1} {D I D}_{i t} + ϕ_{2} ({D I D}_{i t} \times {M A R K E T}_{i t}) + \sum ϕ {C o n t r o l}_{i, t} + γ_{i} + δ_{t} + ϵ_{i, t}, \end{aligned}

(10)

其中, 被解释变量

Y_{i, t}

、控制变量

{C o n t r o l}_{i, t}

、个体及时间固定效应

γ_{i}

和

δ_{t}

等的设定与基准回归一致, 不再赘述;

{M A R K E T}_{i t}

为表示试点地区碳市场相关机制是否较为完善的虚拟变量, 具体来说在各次回归中, 依照考察角度的不同分别替换为

{P R I C E}_{i t}

{L I Q U I D I T Y}_{i t}

和

{S I Z E}_{i t}

. 文本从碳价水平、碳市场流动性和碳市场相对规模三方面考察试点地区的碳市场相关机制是否较为完善, 以指标均值为界对碳市场试点地区样本进行划分, 指标数值较大组对应碳市场较为完善(赋值为1), 指标数值较小组对应碳市场较不完善(赋值为0), 具体指标选择原因及测度方法如下:

碳价水平PRICE. 碳排放权交易政策通过限制碳排放总量并允许配额交易将企业碳排放成本内部化, 过程中碳市场内基于供需关系形成的碳价会反作用于供需, 对相关企业的生产经营决策产生直接影响(Wang et al., 2015; Green, 2021). 相比海外较为成熟的碳市场, 中国当前碳价水平明显偏低, 未能反映真实的减碳成本及长期供需关系, 在合理限度内提升碳价有利于加强对企业减排增汇的激励作用(Zakeri et al., 2015). 为此, 用碳价水平高低代理试点地区碳市场机制的完善与否, 碳价水平以该市场年均碳价测度.

碳市场流动性LIQUIDITY. 碳市场的活跃度一定程度上反映了交易主体的交易意愿和供求双方的契合度, 流动性更高的市场往往更有利于提高信息传递和资源配置效率, 此外, 在碳排放权交易总量的硬性约束下, 市场流动性直接影响企业减排增汇创新行为的空间, 是决定该政策能否实现激励约束相容的内生条件(胡珺等, 2020). 为此, 用碳市场流动性高低代理试点地区碳市场机制的完善与否, 市场流动性以市场当年非零交易天数测度.

碳市场相对规模SIZE. 碳市场规模直接反映了试点政策的覆盖广度和影响深度, 但考虑到各个试点地区自身经济发展水平和自然资源禀赋差异巨大, 仅考虑碳市场的绝对规模有失偏颇, 参考吴茵茵等(2021)的方法使用当年碳市场交易总量与地区碳排放总量之比测算碳市场相对规模, 并以市场相对规模的大小反映地区碳市场机制的完善与否. 本文所使用碳市场数据均来自中国碳排放权交易网.

首先, 基于碳价考察市场机制是否完善, 表 12汇报了相应的回归结果. 结果显示, 使用分别以区域碳中和指数CNI、碳中和人均指数CNPI、碳中和能源指数CNEI和碳中和发展指数CNDI作为被解释变量时, DID项对应系数均显著为负, 说明即使市场机制相对不够完善, 碳排放权交易政策仍能显著促进试点地区的碳中和进程, 这与吴茵茵等(2021)的研究结论相一致, 碳市场试点并非仅仅通过市场机制发挥政策效果, 碳市场相关机制较为薄弱时政策的减排增汇效应仍然存在. 进一步发现, 对于四项碳中和指数的相应结果,

P R I C E \times D I D

项对应系数也均在1%水平下显著为负, 说明市场机制更加完善的试点地区, 碳排放权交易政策实施对地方碳中和指数的改善作用更加明显, 即健全的市场机制强化了碳排放权交易政策的减排增汇效果, 使之对试点地区碳中和进程的推动作用得以更好发挥.

表12 市场机制与政策效果发挥Ⅰ: 碳价

变量	(1)	(2)	(3)	(4)
变量	CNI	CNPI	CNEI	CNDI
DID	$-$ 0.0153^***	$-$ 0.0098^***	$-$ 0.0103^***	$-$ 0.0034^**
	( $-$ 5.176)	( $-$ 6.057)	( $-$ 3.886)	( $-$ 2.222)
PRICE_DID	$-$ 0.0171^***	$-$ 0.0057^***	$-$ 0.0192^***	$-$ 0.0053^***
	( $-$ 4.275)	( $-$ 2.704)	( $-$ 4.383)	( $-$ 3.110)
样本量	3,520	3,520	3,520	3,520
$R^{2}$ 值	0.836	0.820	0.944	0.717
控制变量	是	是	是	是
年份固定	是	是	是	是
城市固定	是	是	是	是

其次, 基于市场流动性考察市场机制是否完善, 表 13汇报了相应的回归结果. 四项碳中和指数分别作为被解释变量时, DID项对应系数均显著为负, 即无论碳市场相关机制是否完善, 碳排放权交易政策都能够显著促进试点地区的碳中和进程;

L I Q U I D I T Y \times D I D

项对应系数仅在以碳中和发展指数

C N D I

为被解释变量时在10%水平下显著为负, 说明市场机制中, 市场流动性不会在区域整体、区域人均和单位能源消耗方面影响碳排放权交易政策减排增汇、促进碳中和目标实现的效应发挥, 而从单位经济发展规模角度看, 市场流动性更高的试点地区, 碳市场对其碳中和进程的助推作用更强.

表13 市场机制与政策效果发挥Ⅱ: 市场流动性

变量	(1)	(2)	(3)	(4)
变量	CNI	CNPI	CNEI	CNDI
DID	$-$ 0.0202^***	$-$ 0.0112^***	$-$ 0.0157^***	$-$ 0.0039^**
	( $-$ 6.375)	( $-$ 6.726)	( $-$ 4.735)	( $-$ 2.476)
LIQUIDITY_DID	$-$ 0.0002	$-$ 0.0008	0.0000	$-$ 0.0035^*
	( $-$ 0.033)	( $-$ 0.360)	(0.009)	( $-$ 1.864)
样本量	3,520	3,520	3,520	3,520
$R^{2}$ 值	0.836	0.820	0.944	0.717
控制变量	是	是	是	是
年份固定	是	是	是	是
城市固定	是	是	是	是

最后, 基于碳市场相对规模考察市场机制是否完善, 表 14汇报了相应的回归结果. 分别以区域碳中和指数CNI、碳中和人均指数CNPI和碳中和能源指数CNEI作为被解释变量时,

D I D

项对应系数均在1%水平下显著为负, 再次说明碳排放权交易政策对试点地区碳中和进程的助推作用不仅仅依靠市场机制发挥; 四项碳中和指数分别作为被解释变量时,

S I Z E \times D I D

项对应系数分别在1%、1%、5%和1%水平下显著为负, 说明以市场相对规模大小划分市场机制完善程度时, 市场机制更为完善的试点地区, 碳市场对其碳中和进程的助推作用更强.

表14 市场机制与政策效果发挥Ⅲ: 市场相对规模

变量	(1)	(2)	(3)	(4)
变量	CNI	CNPI	CNEI	CNDI
DID	$-$ 0.0155^***	$-$ 0.0096^***	$-$ 0.0114^***	$-$ 0.0024
	( $-$ 4.955)	( $-$ 6.234)	( $-$ 3.887)	( $-$ 1.509)
SIZE_DID	$-$ 0.0152^***	$-$ 0.0059^***	$-$ 0.0139^**	$-$ 0.0083^***
	( $-$ 3.214)	( $-$ 2.634)	( $-$ 2.555)	( $-$ 4.167)
样本量	3,520	3,520	3,520	3,520
$R^{2}$ 值	0.836	0.820	0.944	0.718
控制变量	是	是	是	是
年份固定	是	是	是	是
城市固定	是	是	是	是

6 结论与政策建议

“双碳”目标是党中央作出的重大战略决策, 对中国建立健全绿色低碳循环发展的经济体系意义重大. 而全国碳排放权交易市场作为中国一项重要的市场型减排政策工具, 是实现“双碳”目标的重要抓手, 其政策效果与作用机制受到学术和实践层面的广泛关注. 本文从地级市层面构建了科学衡量碳中和目标实现进程的指标, 并在这一指标体系下从碳中和目标实现角度评估了市场型政策工具碳排放权交易政策的效果.

综合考虑碳中和定义、中国碳排放及碳吸收端特点和地级市层面数据特征, 本文从区域总体、区域人均、能源消耗和经济发展四个维度构建了地区碳中和进程指数体系. 接着, 基于上述指标和地级市面板数据, 本文采用多期DID模型实证检验了碳排放权交易政策对试点地区碳中和目标进程的助推作用, 并进一步就政策效果发挥的过程展开了讨论. 研究表明: 第一, 无论以区域碳中和指数CNI、碳中和人均指数CNPI、碳中和能源指数CNEI和碳中和发展指数CNDI作为衡量指标, 碳排放权交易政策均有助于碳中和愿景的实现, 且这一政策效果具有长期性和渐进性; 第二, 碳排放权交易政策能够从排放端、碳汇端和技术端多渠道发挥政策效果, 具体而言, 碳市场试点首先能够改善能源结构、提升能源效率, 进而有利于试点地区节能减排工作的开展, 其次能够激励人工造林和封山育林的营林活动, 有助于试点地区生物碳汇优势的打造, 最后能够在数量方面促进试点地区绿色创新, 形成“波特效应”, 但需指出, 当前碳排放权交易政策对试点地区的绿色创新质量仍未产生显著影响; 第三, 试点地区碳市场的减排增汇效应并非完全来源于碳交易, 碳市场政策内含的市场机制和非市场机制均能够促进碳中和进程, 其中, 试点地区碳价和碳市场相对规模对应的市场机制的完善, 有利于碳排放权交易政策的减排增汇效应的进一步发挥, 而市场流动性对应的市场机制, 其完善与否则几乎不影响该政策的减排增汇效应. 排除政策外溢效应、缩短时间窗口、优化计量模型、安慰剂测试等一系列稳健性检验结果表明, 本文核心结论具有较好的稳健性. 据此, 为了进一步完善全国碳交易市场、助力“双碳”目标实现, 本文提出以下政策建议:

第一, 应充分认可并积极发挥碳交易市场减排增汇的政策效果, 从政策触达广度和推进深度两方面入手, 更好地落实“双碳”战略. 本文研究结果显示, 碳排放权交易政策能够通过碳排放端、碳吸收端和技术创新端全面助推试点地区碳中和愿景的实现, 应充分吸收借鉴试点经验, 在推进全国碳排放权交易市场建立健全的同时, 有序增加试点行业、扩大政策覆盖范围, 更好发挥碳排放权交易政策的减排增汇效果.

第二, 应重点关注碳交易政策发挥效应的重要机制, 加强配套政策体系建设, 保障政策的切实落地和政策效果的更好发挥. 本文研究显示, 能源效率、能源结构、造林营林和绿色创新均是碳排放权交易政策减排增汇的重要机制. 一方面, 应出台配套政策, 激励清洁能源、绿色技术等的研发创新, 并从金融支持、人才培养、技术保护等多角度保障相应创新应用成果, 另一方面, 还应保证政策的精准性、灵活性和远视性, 如当前碳排放权交易政策主要促进了绿色技术创新数量的增加, 但并未明显实现对其质量的提升, 可适当考虑采取阶梯渐进的激励方式, 以实现最大程度的减排增汇和低碳发展激励.

第三, 完善碳交易政策相关市场机制的建设, 逐步强化市场机制在碳市场中的主导作用. 中国碳市场的成交量仍处于相对低位, 市场发展相对不完善, 致使试点初期非市场机制的作用强于市场机制, 随着碳市场建设不断深入, 市场机制对政策效果的强化作用开始显现. 因此应从战略全局出发, 优化市场环境以保证碳市场的高效运行. 一方面要继续推进碳排放权交易的市场化改革, 在交易主体选择、交易平台搭建、中介机构组织和法律法规保障等方面不断改进, 助力碳排放权交易市场机制的高效发挥. 另一方面也要加强市场监管和违规处罚的落实, 避免市场失灵, 并在市场无法发挥作用时积极采用非市场机制作为强力补充, 实现有效市场与有为政府的协同发力.

References

Publishing order | Descend order by publishing year | Descend order by cited within

安崇义, 唐跃军, 排放权交易机制下企业碳减排的决策模型研究[J]. 经济研究, 2012, 47 (8): 45- 58.

C Y

, Tang

Y J

, Research on Decision-making Model of Enterprise Carbon Emission Reduction under Emissions Trading Mechanism[J]. Economic Research Journal, 2012, 47 (8): 45- 58.

Cited in this article [1]

陈钊, 熊瑞祥, 比较优势与产业政策效果——来自出口加工区准实验的证据[J]. 管理世界, 2015 (8): 67- 80.

Chen

, Xiong

R X

, Comparative Advantage and the Effectiveness of Industrial Policies: Evidence from a Quasi-experimental Study of Export Processing Zones[J]. Management World, 2015 (8): 67- 80.

Cited in this article [1]

杜之利, 苏彤, 葛佳敏, 王霞, 碳中和背景下的森林碳汇及其空间溢出效应[J]. 经济研究, 2021, 56 (12): 187- 202.

https://doi.org/10.12229/j.issn.1672-5719.2021.12.125

Z L

, Su

, Ge

J M

, Wang

, Forest Carbon Sink and Its Spatial Spillover Effects in the Context of Carbon Neutrality[J]. Economic Research Journal, 2021, 56 (12): 187- 202.

https://doi.org/10.12229/j.issn.1672-5719.2021.12.125

Cited in this article [4]

段宏波, 汪寿阳, 中国的挑战: 全球温控目标从2℃到1.5℃的战略调整[J]. 管理世界, 2019, 35 (10): 50- 63.

https://doi.org/10.3969/j.issn.1002-5502.2019.10.006

Duan

H B

, Wang

S Y

, China's Challenge: Strategic Adjustment from the Global Temperature Control Target of 2℃ to 1.5℃[J]. Management World, 2019, 35 (10): 50- 63.

https://doi.org/10.3969/j.issn.1002-5502.2019.10.006

段玉婉, 蔡龙飞, 陈一文, 全球化背景下中国碳市场的减排和福利效应[J]. 经济研究, 2023, 58 (7): 121- 138.

Duan

Y W

, Cai

L F

, Chen

Y W

, The Emission Reduction and Welfare Effects of China's Carbon Market in the Context of Globalization[J]. Economic Research Journal, 2023, 58 (7): 121- 138.

Cited in this article [2]

范英, 衣博文, 能源转型的规律、驱动机制与中国路径[J]. 管理世界, 2021, 37 (8): 95- 105.

https://doi.org/10.3969/j.issn.1002-5502.2021.08.008

Fan

, Yi

B W

, The Laws, Driving Mechanisms, and China's Pathway for Energy Transition[J]. Management World, 2021, 37 (8): 95- 105.

https://doi.org/10.3969/j.issn.1002-5502.2021.08.008

Cited in this article [1]

韩峰, 谢锐, 生产性服务业集聚降低碳排放了吗?——对我国地级及以上城市面板数据的空间计量分析[J]. 数量经济技术经济研究, 2017, 34 (3): 40- 58.

Han

, Xie

, Does the Agglomeration of Producer Services Reduce Carbon Emissions? A Spatial Econometric Analysis Based on Panel Data of Prefecture-level and Above Cities in China[J]. The Journal of Quantitative & Technical Economics, 2017, 34 (3): 40- 58.

Cited in this article [1]

何可, 朱信凯, 李凡略, 聚"碳" 成"能": 碳交易政策如何缓解农村能源贫困?[J]. 管理世界, 2023, 39 (12): 122- 144.

, Zhu

X K

, Li

F L

, Turning Carbon into Energy: How Carbon Trading Policies Alleviate Rural Energy Poverty?[J]. Management World, 2023, 39 (12): 122- 144.

胡珺, 方祺, 龙文滨, 碳排放规制、企业减排激励与全要素生产率——基于中国碳排放权交易机制的自然实验[J]. 经济研究, 2023, 58 (4): 77- 94.

, Fang

, Long

W B

, Carbon Emission Regulations, Corporate Incentives for Emission Reduction, and Total Factor Productivity: A Natural Experiment Based on China's Carbon Emission Trading Scheme[J]. Economic Research Journal, 2023, 58 (4): 77- 94.

Cited in this article [1]

胡珺, 黄楠, 沈洪涛, 市场激励型环境规制可以推动企业技术创新吗?——基于中国碳排放权交易机制的自然实验[J]. 金融研究, 2020 (1): 171- 189.

, Huang

, Shen

H T

, Can Market-based Environmental Regulations Promote Corporate Technological Innovation? Evidence from a Natural Experiment of China's Carbon Emission Trading Scheme[J]. Journal of Financial Research, 2020 (1): 171- 189.

Cited in this article [1]

胡玉凤, 丁友强, 碳排放权交易机制能否兼顾企业效益与绿色效率?[J]. 中国人口· 资源与环境, 2020, 30 (3): 56- 64.

Y F

, Ding

Y Q

, Can the Carbon Emission Trading Mechanism Balance Corporate Benefits and Green Effciency?[J]. China Population, Resources and Environment, 2020, 30 (3): 56- 64.

Cited in this article [1]

靳玮, 王弟海, 张林, 碳中和背景下的中国经济低碳转型: 特征事实与机制分析[J]. 经济研究, 2022, 57 (12): 87- 103.

https://doi.org/10.3969/j.issn.1673-291X.2022.12.028

Jin

, Wang

D H

, Zhang

, China's Low-carbon Transformation in the Context of Carbon Neutrality: A Characteristic, Fact-based and Mechanism Analysis[J]. Economic Research Journal, 2022, 57 (12): 87- 103.

https://doi.org/10.3969/j.issn.1673-291X.2022.12.028

雷立钧, 荆哲峰, 国际碳交易市场发展对中国的启示[J]. 中国人口· 资源与环境, 2011, 21 (4): 30- 36.

Lei

L J

, Jing

Z F

, Insights from the Development of International Carbon Trading Markets for China[J]. China Population, Resources and Environment, 2011, 21 (4): 30- 36.

Cited in this article [1]

李江一, 秦范, 如何破解农地流转的需求困境?——以发展新型农业经营主体为例[J]. 管理世界, 2022, 38 (2): 84- 99.

https://doi.org/10.3969/j.issn.1002-5502.2022.02.007

J Y

, Qin

, How to Overcome the Demand Dilemma of Farmland Circulation? Taking the Development of New Types of Agricultural Business Entities as an Example[J]. Management World, 2022, 38 (2): 84- 99.

https://doi.org/10.3969/j.issn.1002-5502.2022.02.007

Cited in this article [1]

李治, 郭菊娥, 李培, 中国城市群"圈层" 结构对能源强度影响实证[J]. 中国人口· 资源与环境, 2014, 24 (11): 26- 32.

, Guo

J E

, Li

, An Empirical Study on the Impact of China's Urban Agglomeration "Circle-Layer" Structure on Energy Intensity[J]. China Population, Resources and Environment, 2014, 24 (11): 26- 32.

Cited in this article [2]

廖祥, 杨鑫, 牛振生, 成渝城市群陆地碳排放时空变化及效应研究[J]. 环境科学与技术, 2023, 46 (1): 211- 225.

Liao

, Yang

, Niu

Z S

, Study on the Spatio-temporal Changes and Effects of Land Carbon Emissions in Chengdu-Chongqing Urban Agglomeration[J]. Environmental Science & Technology, 2023, 46 (1): 211- 225.

Cited in this article [1]

刘传明, 孙喆, 张瑾, 中国碳排放权交易试点的碳减排政策效应研究[J]. 中国人口· 资源与环境, 2019, 29 (11): 49- 58.

Liu

C M

, Sun

, Zhang

, Study on the Effect of Carbon Emission Reduction Policies in China's Carbon Emissions Trading Pilots[J]. China Population, Resources and Environment, 2019, 29 (11): 49- 58.

Cited in this article [2]

刘志彪, 凌永辉, 结构转换、全要素生产率与高质量发展[J]. 管理世界, 2020, 36 (7): 15- 29.

https://doi.org/10.3969/j.issn.1002-5502.2020.07.004

Liu

Z B

, Ling

Y H

, Structural Transformation, Total Factor Productivity, and High-quality Development[J]. Management World, 2020, 36 (7): 15- 29.

https://doi.org/10.3969/j.issn.1002-5502.2020.07.004

宁晨, 闫文德, 宁晓波, 梁小翠, 王新凯, 贵阳市区灌木林生态系统生物量及碳储量[J]. 生态学报, 2015, 35 (8): 2555- 2563.

Ning

, Yan

W D

, Ning

X B

, Liang

X Q

, Wang

X K

, Biomass and Carbon Storage of Shrub Ecosystems in Guiyang City, China[J]. Acta Ecologica Sinica, 2015, 35 (8): 2555- 2563.

Cited in this article [1]

钱雪松, 康瑾, 唐英伦, 曹夏平, 产业政策、资本配置效率与企业全要素生产率——基于中国2009年十大产业振兴规划自然实验的经验研究[J]. 中国工业经济, 2018 (8): 42- 59.

Qian

X S

, Kang

, Tang

Y L

, Cao

X P

, Industrial Policy, Capital Allocation Effciency, and Firm-Level Total Factor Productivity: An Empirical Study Based on the Natural Experiment of China's Ten Key Industries Revitalization Plan in 2009[J]. China Industrial Economics, 2018 (8): 42- 59.

Cited in this article [2]

任胜钢, 郑晶晶, 刘东华, 陈晓红, 排污权交易机制是否提高了企业全要素生产率——来自中国上市公司的证据[J]. 中国工业经济, 2019 (5): 5- 23.

Ren

S G

, Zheng

J J

, Liu

D H

, Chen

X H

, Does the Emissions Trading Scheme Improve FirmLevel Total Factor Productivity? Evidence from Listed Companies in China[J]. China Industrial Economics, 2019 (5): 5- 23.

Cited in this article [1]

尚雅茹, 白春光, 郭雨, (2024). 碳中和背景下碳排放企业林业碳汇项目融资模式选择策略研究[J/OL]. 系统工程理论与实践, 1–21.

Shang Y R, Bai C G, Guo Y, (2024). Research on the Financing Model Selection Strategy for Forestry Carbon Sink Projects of Carbon Emission Enterprises under the Background of Carbon Neutrality[J/OL]. Systems Engineering — Theory & Practice, 1–21.

石光, 周黎安, 郑世林, 张友国, 环境补贴与污染治理——基于电力行业的实证研究[J]. 经济学(季刊), 2016, 15 (4): 1439- 1462.

Shi

, Zhou

L A

, Zheng

S L

, Zhang

Y G

, Environmental Subsidies and Pollution Control: An Empirical Study Based on the Power Industry[J]. China Economic Quarterly, 2016, 15 (4): 1439- 1462.

Cited in this article [1]

史丹, 李少林, 排污权交易制度与能源利用效率——对地级及以上城市的测度与实证[J]. 中国工业经济, 2020 (9): 5- 23.

https://doi.org/10.3969/j.issn.1006-480X.2020.09.001

Shi

, Li

S L

, Emissions Trading System and Energy Effciency: Measurement and Empirical Analysis of Cities at the Prefecture Level and Above[J]. China Industrial Economics, 2020 (9): 5- 23.

https://doi.org/10.3969/j.issn.1006-480X.2020.09.001

Cited in this article [1]

宋弘, 孙雅洁, 陈登科, 政府空气污染治理效应评估——来自中国"低碳城市" 建设的经验研究[J]. 管理世界, 2019, 35 (6): 95- 108.

https://doi.org/10.3969/j.issn.1002-5502.2019.06.009

Song

, Sun

Y J

, Chen

D K

, Evaluation of Government's Air Pollution Control Effects: An Empirical Study Based on China's "Low-Carbon City" Construction[J]. Management World, 2019, 35 (6): 95- 108.

https://doi.org/10.3969/j.issn.1002-5502.2019.06.009

Cited in this article [1]

汤维祺, 吴力波, 钱浩祺, 从"污染天堂" 到绿色增长——区域间高耗能产业转移的调控机制研究[J]. 经济研究, 2016, 51 (6): 58- 70.

Tang

W Q

, Wu

L B

, Qian

H Q

, From "Pollution Haven" to Green Growth: A Study on the Regulation Mechanism of Inter-regional High-energy-consuming Industry Transfer[J]. Economic Research Journal, 2016, 51 (6): 58- 70.

Cited in this article [1]

唐跃军, 黎德福, 环境资本、负外部性与碳金融创新[J]. 中国工业经济, 2010 (6): 5- 14.

Tang

Y J

, Li

D F

, Environmental Capital, Negative Externalities, and Carbon Finance Innovation[J]. China industrial Economics, 2010 (6): 5- 14.

王博, 李力, 郝大鹏, 货币政策不确定性、违约风险与宏观经济波动[J]. 经济研究, 2019, 54 (3): 119- 134.

Wang

, Li

, Hao

D P

, Monetary Policy Uncertainty, Default Risk, and Macroeconomic Fluctuations[J]. Economic Research Journal, 2019, 54 (3): 119- 134.

王道平, 刘琳琳, 刘杨婧卓, 碳排放权交易政策与中国"双碳" 目标实现——基于碳中和进程的测度与分析[J]. 南开经济研究, 2024a (1): 115- 130.

Wang

D P

, Liu

L L

, Liu

Y J Z

, Carbon Emissions Trading Policy and the Realization of China's "Dual Carbon" Goals: Measurement and Analysis Based on the Carbon Neutrality Process[J]. Nankai Economic Studies, 2024a (1): 115- 130.

Cited in this article [4]

王道平, 沈欣燕, 范小云, 低碳转型与企业价值——基于企业文本大数据的分析[J]. 计量经济学报, 2024b, 4 (6): 1576- 1604.

https://doi.org/10.12012/CJoE2024-0185

Wang

D P

, Shen

X Y

, Fan

X Y

, Low-carbon Transition and Corporate Value: An Analysis Based on Corporate Textual Big Data[J]. Journal of Econometrics, 2024b, 4 (6): 1576- 1604.

https://doi.org/10.12012/CJoE2024-0185

Cited in this article [1]

王锋, 葛星, 低碳转型冲击就业吗——来自低碳城市试点的经验证据[J]. 中国工业经济, 2022 (5): 81- 99.

https://doi.org/10.3969/j.issn.1006-480X.2022.05.006

Wang

, Ge

, Does Low-Carbon Transition Impact Employment? Empirical Evidence from Low-Carbon City Pilots[J]. China Industrial Economics, 2022 (5): 81- 99.

https://doi.org/10.3969/j.issn.1006-480X.2022.05.006

Cited in this article [2]

王锋, 吴丽华, 杨超, 中国经济发展中碳排放增长的驱动因素研究[J]. 经济研究, 2010, 45 (2): 123- 136.

Wang

, Wu

L H

, Yang

, Research on Driving Factors of Carbon Emission Growth in China's Economic Development[J]. Economic Research Journal, 2010, 45 (2): 123- 136.

Cited in this article [2]

王海成, 吕铁, 知识产权司法保护与企业创新——基于广东省知识产权案件"三审合一" 的准自然试验[J]. 管理世界, 2016 (10): 118- 133.

Wang

H C

, Lü

, Intellectual Property Judicial Protection and Enterprise Innovation: A Quasi-natural Experiment Based on the "Three Trials in One" System for Intellectual Property Cases in Guangdong Province[J]. Management World, 2016 (10): 118- 133.

吴力波, 钱浩祺, 汤维祺, 基于动态边际减排成本模拟的碳排放权交易与碳税选择机制[J]. 经济研究, 2014, 49 (9): 48- 61.

L B

, Qian

H Q

, Tang

W Q

, Choice Mechanism between Carbon Emissions Trading and Carbon Tax Based on Dynamic Marginal Abatement Cost Simulation[J]. Economic Research Journal, 2014, 49 (9): 48- 61.

Cited in this article [2]

吴茵茵, 齐杰, 鲜琴, 等. 中国碳市场的碳减排效应研究——基于市场机制与行政干预的协同作用视角[J]. 中国工业经济, 2021 (8): 114- 132.

Y Y

, Qi

, Xian

, et al. Research on the Carbon Emission Reduction Effect of China's Carbon Market: From the Perspective of Synergistic Effect of Market Mechanism and Administrative Intervention[J]. China Industrial Economics, 2021 (8): 114- 132.

Cited in this article [4]

习近平, 推进生态文明建设需要处理好几个重大关系[J]. 求知, 2023 (12): 4- 5.

J P

, Advancing Ecological Civilization Construction Requires Proper Handling of Several Major Relationships[J]. Quest for Knowledge, 2023 (12): 4- 5.

Cited in this article [1]

谢鸿宇, 陈贤生, 林凯荣, 胡安炎, 基于碳循环的化石能源及电力生态足迹[J]. 生态学报, 2008 (4): 1729- 1735.

https://doi.org/10.3321/j.issn:1000-0933.2008.04.044

Xie

H Y

, Chen

X S

, Lin

K R

, Hu

A Y

, Ecological Footprint of Fossil Energy and Electricity Based on Carbon Cycle[J]. Acta Ecologica Sinica, 2008 (4): 1729- 1735.

https://doi.org/10.3321/j.issn:1000-0933.2008.04.044

Cited in this article [2]

谢里, 郑新业, 理性预期与能源投资——基于中国碳减排承诺的自然实验[J]. 金融研究, 2020 (5): 151- 169.

Xie

, Zheng

X Y

, Rational Expectations and Energy Investment: A Natural Experiment Based on China's Carbon Emission Reduction Commitments[J]. Journal of Financial Research, 2020 (5): 151- 169.

Cited in this article [2]

闫海洲, 陈百助, 气候变化、环境规制与公司碳排放信息披露的价值[J]. 金融研究, 2017 (6): 142- 158.

Yan

H Z

, Chen

B Z

, Climate Change, Environmental Regulation, and the Value of Corporate Carbon Emission Disclosure[J]. Journal of Financial Research, 2017 (6): 142- 158.

Cited in this article [1]

杨豪, 潘颖豪, 才国伟, 碳排放总量控制、配置效率与产出收益[J]. 中国工业经济, 2023 (7): 46- 65.

Yang

, Pan

Y H

, Cai

G W

, Total Carbon Emission Control, Allocation Effciency and Output Benefits[J]. China Industrial Economics, 2023 (7): 46- 65.

张希良, 黄晓丹, 张达, 耿涌, 田立新, 等. 碳中和目标下的能源经济转型路径与政策研究[J]. 管理世界, 2022, 38 (1): 35- 66.

Zhang

X L

, Huang

X D

, Zhang

, Geng

, Tian

L X

, et al. Research on the Path and Policy of Energy Economic Transformation under the Goal of Carbon Neutrality[J]. Management World, 2022, 38 (1): 35- 66.

Cited in this article [1]

张希良, 张达, 余润心, 中国特色全国碳市场设计理论与实践[J]. 管理世界, 2021, 37 (8): 80- 95.

Zhang

X L

, Zhang

, Yu

R X

, Theory and Practice of the Design of a National Carbon Market with Chinese Characteristics[J]. Management World, 2021, 37 (8): 80- 95.

Cited in this article [2]

郑丽琳, 姚永络, 碳市场对地区经济高质量发展影响研究——基于市场机制视角[J]. 软科学, 2024, 38 (2): 74- 80.

Zheng

L L

, Yao

Y L

, Research on the Impact of Carbon Market on the High-Quality Development of Regional Economy: Based on the Perspective of Market Mechanism[J]. Soft Science, 2024, 38 (2): 74- 80.

Albrizio

, Kozluk

, Zipperer

, Environmental Policies and Productivity Growth: Evidence across Industries and Firms[J]. Journal of Environmental Economics and Management, 2017, 81, 209- 226.

Cited in this article [2]

Chen

, Gao

, Cheng

, Hou

, Song

, et al. County-level CO₂ Emissions and Sequestration in China during 1997-2017[J]. Scientific Data, 2020, 7 (1): 1- 12.

Cited in this article [2]

Chen

, Zhang

, Chen

, Do Carbon Emission Trading Schemes Stimulate Green Innovation in Enterprises? Evidence from China[J]. Technological Forecasting and Social Change, 2021 (3): 168- 183.

Cited in this article [2]

Cui

J B

, wang

C H

, Zhang

J J

, Zheng

, The Effectiveness of China's Regional Carbon Market Pilots in Reducing Firm Emissions[J]. Proceedings of the National Academy of Sciences, 2021, 118 (52): e2109912118.

Cited in this article [1]

Dales

J H

, Pollution, Property and Prices: An Essay in Policy-Making and Economics[M]. Edward Elgar Publishing, 1968.

Cited in this article [1]

Green

J F

, Does Carbon Pricing Reduce Emissions? A Review of Ex-post Analyses[J]. Environmental Research Letters, 2021, 16 (4): 043004.

Cited in this article [1]

Keohane

N O

, Cap-and-trade, Rehabilitated: Using Tradable Permits to Control U.S. Greenhouse Gases[J]. Review of Environmental Economics and Policy, 2009, 3 (1): 42- 62.

Cited in this article [1]

Lanoie

, Patry

, Lajeunesse

, Environmental Regulation and Productivity: Testing the Porter Hypothesis[J]. Journal of Productivity Analysis, 2008, 30 (2): 121- 128.

Cited in this article [2]

Liu

, Chen

, Zhao

, China's Carbon-emissions Trading: Overview, Challenges and Future[J]. Renewable and Sustainable Energy Reviews, 2015 (49): 254- 266.

Cited in this article [1]

Perman

, Ma

, McGilvray

, Common

, Natural Resource and Environmental Economics[J]. American Journal of Agricultural Economics, 2011, 32 (2): 195- 210.

Cited in this article [1]

Porter

, America's Green Strategy[J]. Business and the Environment: A Reader, 1996 (33): 1072.

Cited in this article [1]

Ramanathan

, He

, Black

, Ghobadian

, Gallear

, Environmental Regulations, Innovation and Firm Performance: A Revisit of the Porter Hypothesis[J]. Journal of Cleaner Production, 2017 (155): 79- 92.

Cited in this article [1]

Stavins

R N

, Addressing Climate Change With a Comprehensive US Cap-and-Trade System[J]. Oxford Review of Economic Policy, 2008, 24 (2): 298- 321.

Cited in this article [1]

Wang

, Dai

H C

, Ren

S Y

, Zhao

D Q

, Masui

, Achieving Copenhagen Target through Carbon Emission Trading: Economic Impacts Assessment in Guangdong Province of China[J]. Energy, 2015 (79): 212- 227.

Cited in this article [1]

Xie

Y C

, Shao

T W

, Research on Carbon Emission Trading Mechanism Including Forest Carbon Sinks[J]. Advanced Materials Research, 2012 (347): 2967- 2974.

Cited in this article [1]

Yang

, Huang

, The 30 m Annual Land Cover Dataset and its Dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13 (8): 3907- 3925.

Cited in this article [1]

Zakeri

, Dehghanian

, Fahimnia

, Sarkis

, Carbon Pricing Versus Emissions Trading: A Supply Chain Planning Perspective[J]. International Journal of Production Economics, 2015 (164): 197- 205.

Cited in this article [1]

Zhao

X G

, Jiang

G W

, Nie

, Chen

, How to Improve the Market Effciency of Carbon Trading: A Perspective of China[J]. Renewable and Sustainable Energy Reviews, 2016, 59 (6): 1229- 1245.

Cited in this article [1]

Zhou

, Zhang

, Song

, Wang

, How Does Emission Trading Reduce China's Carbon Intensity? An Exploration Using a Decomposition and Difference-in-differences Approach[J]. Science of the Total Environment, 2019, 676 (9): 514- 523.

Cited in this article [1]

Funding

Major Program of National Natural Science Foundation of China(72495150)

Major Program of National Natural Science Foundation of China(72495154)

Major Program of National Natural Science Foundation of China(72495155)

National Social Science Fund Project(22FJYB033)

RIGHTS & PERMISSIONS

PDF(1239 KB)

641

Accesses

Citation

Detail

Sections

Recommended

Abstract
Key words
Cite this article
1 引言
2 文献综述与理论分析
2.1 碳排放权交易政策与城市碳中和进程
2.2 碳排放权交易政策与城市减排
2.3 碳排放权交易政策与增汇行动
2.4 碳排放权交易政策与绿色创新
3 碳中和指数构建与实证研究设计
3.1 碳中和指数构建
3.1.1 碳排放与碳吸收的计算
3.1.1.1 碳排放
3.1.1.2 碳吸收
表1 碳吸收计算涉及的各项指标与系数
3.1.2 碳中和指数体系
3.1.2.1 区域碳中和指数CNI
3.1.2.2 碳中和人均指数CNPI
3.1.2.3 碳中和能源指数CNEI
3.1.2.4 碳中和发展指数CNDI
3.2 变量选择与模型设计
3.2.1 变量选择
表2 变量选择与解释
3.2.2 模型设计
3.3 数据与描述性统计
表3 描述性统计结果
4 实证分析
4.1 基准回归
表4 基准回归结果
4.2 平行趋势检验与政策的动态效果
图1 碳中和区域指数对应平行趋势检验
图2 碳中和人均指数对应平行趋势检验
图3 碳中和能源指数对应平行趋势检验
图4 碳中和经济指数对应平行趋势检验
4.3 稳健性检验
4.3.1 排除政策外溢效应
表5 稳健性检验: 排除外溢效应影响
4.3.2 缩短时间窗口
表6 稳健性检验: 剔除其他环境政策的影响
4.3.3 计量模型优化
表7 稳健性检验: PSM-DID回归结果
4.3.4 安慰剂测试
图5 碳中和区域指数对应安慰剂测试
图6 碳中和人均指数对应安慰剂测试
图7 碳中和能源指数对应安慰剂测试
图8 碳中和经济指数对应安慰剂测试
4.3.5 避免其他政策影响
表8 稳健性检验: 避免其他政策影响
5 机制分析与进一步研究
5.1 机制检验Ⅰ: 碳排放端
表9 机制检验Ⅰ: 碳排放端
5.2 机制检验Ⅱ: 碳吸收端
表10 机制检验Ⅱ: 碳吸收端
5.3 机制检验Ⅲ: 波特假说
表11 机制检验Ⅲ: 绿色创新
5.4 进一步研究: 健全市场与政策效果
表12 市场机制与政策效果发挥Ⅰ: 碳价
表13 市场机制与政策效果发挥Ⅱ: 市场流动性
表14 市场机制与政策效果发挥Ⅲ: 市场相对规模
6 结论与政策建议
References
Funding
RIGHTS & PERMISSIONS

Received	Published
2024-09-23	2025-03-27
Issue Date
2025-03-27

模态框（Modal）标题

Please choose a citation manager

Content to export

Abstract

Key words

Cite this article

1 引言

2 文献综述与理论分析

2.1 碳排放权交易政策与城市碳中和进程

2.2 碳排放权交易政策与城市减排

2.3 碳排放权交易政策与增汇行动

2.4 碳排放权交易政策与绿色创新

3 碳中和指数构建与实证研究设计

3.1 碳中和指数构建

3.1.1 碳排放与碳吸收的计算

3.1.1.1 碳排放

3.1.1.2 碳吸收

表1 碳吸收计算涉及的各项指标与系数

3.1.2 碳中和指数体系

3.1.2.1 区域碳中和指数CNI

3.1.2.2 碳中和人均指数CNPI

3.1.2.3 碳中和能源指数CNEI

3.1.2.4 碳中和发展指数CNDI

3.2 变量选择与模型设计

3.2.1 变量选择

表2 变量选择与解释

3.2.2 模型设计

3.3 数据与描述性统计

表3 描述性统计结果

4 实证分析

4.1 基准回归

表4 基准回归结果

4.2 平行趋势检验与政策的动态效果

图1 碳中和区域指数对应平行趋势检验

图2 碳中和人均指数对应平行趋势检验

图3 碳中和能源指数对应平行趋势检验

图4 碳中和经济指数对应平行趋势检验

4.3 稳健性检验

4.3.1 排除政策外溢效应

表5 稳健性检验: 排除外溢效应影响

4.3.2 缩短时间窗口

表6 稳健性检验: 剔除其他环境政策的影响

4.3.3 计量模型优化

表7 稳健性检验: PSM-DID回归结果

4.3.4 安慰剂测试

图5 碳中和区域指数对应安慰剂测试

图6 碳中和人均指数对应安慰剂测试

图7 碳中和能源指数对应安慰剂测试

图8 碳中和经济指数对应安慰剂测试

4.3.5 避免其他政策影响

表8 稳健性检验: 避免其他政策影响

5 机制分析与进一步研究

5.1 机制检验Ⅰ: 碳排放端

表9 机制检验Ⅰ: 碳排放端

5.2 机制检验Ⅱ: 碳吸收端

表10 机制检验Ⅱ: 碳吸收端

5.3 机制检验Ⅲ: 波特假说

表11 机制检验Ⅲ: 绿色创新

5.4 进一步研究: 健全市场与政策效果

表12 市场机制与政策效果发挥Ⅰ: 碳价

表13 市场机制与政策效果发挥Ⅱ: 市场流动性

表14 市场机制与政策效果发挥Ⅲ: 市场相对规模

6 结论与政策建议

{{custom_sec.title}}

{{custom_sec.title}}

References

{{custom_fnGroup.title_en}}

Footnotes

Funding

RIGHTS & PERMISSIONS