中國二氧化硫排污權交易試點的政策效應

曹靜 郭哲

摘 要：排污權交易制度在中國11個省（市）已經試行十余年，但仍未在全國范圍內推廣。排污權交易制度是否改善了試點地區的環境質量？其政策效應如何？能否進一步推廣？本文將2007年財政部會同環境保護部、國家發展改革委批準11個省（市）為國家級排污權交易試點視作一次準自然實驗，基于2001—2015年中國30個省份的面板數據，利用基于傾向得分匹配的雙重差分法（PSM-DID）評估排污權交易政策對試點地區工業二氧化硫排放強度的影響。研究發現，排污權交易政策顯著降低了試點地區的二氧化硫排放強度。穩健性檢驗證明，該政策效應并非時間趨勢所導致，即使剔除2002年在市級層面試點的省份，該政策效應依舊顯著，證明了排污權交易試點政策具有顯著的減排效果。

關鍵詞：排污權交易;政策評估;政策效應

[中圖分類號] X321 ? [文章編號] 1673-0186（2019）07-0024-014

[文獻標識碼] A ? ? [DOI編碼] 10.19631/j.cnki.css.2019.07.003

我國經濟高速發展，但環境問題卻日益嚴重。近些年來，國家也愈發重視環境治理及生態文明建設，采取多種手段積極推動環境治理。從國家層面的立法保障，到由政府引導的諸如氣候規劃、節能減排、低碳發展行動方案，再到推動市場發揮在資源配置中的決定性作用，黨和政府積極探索環境治理機制以及降污減排的有效方法，以切實改善我國環境質量。

其中，排污權交易制度作為生態文明制度體系建設的重要市場化手段，已在中國試點十余年。2007年起，財政部會同環境保護部、國家發展改革委先后批復江蘇、天津、浙江、湖北等11個省（市）作為國家級試點單位，積極探索實行排污權有償使用和交易制度。2014年，國務院辦公廳印發了《關于進一步推進排污權有償使用和交易試點工作的指導意見》，提出：“到2017年年底基本建立排污權有償使用和交易制度，為全面推行排污權有償使用和交易制度奠定基礎。”但至今，排污權交易制度仍未在全國范圍內全面推行。那么，排污權交易試點政策有無真正發揮作用？其是否改善了試點地區的環境質量？能否在全國范圍內進一步推廣？

排污權交易對象主要是二氧化硫，同時涵蓋溫室氣體二氧化碳，以及少量水污染物。本文聚焦排污權交易制度對二氧化硫排放的影響，通過實證分析對其政策效應進行評估。本文將2007年國家先后批復11個省（市）作為國家級排污權交易試點看作一次準自然實驗，運用基于傾向得分匹配的雙重差分方法（PSM-DID）對試點省（市）和非試點省（市）在政策實施前后二氧化硫排放強度的變化進行比較，以期排除干擾因素，評估試點地區排污權交易政策的凈效應，從而為排污權交易制度的進一步推廣提供現實和經驗依據。

一、文獻綜述

早期有關環境治理的研究多關注經濟發展與環境質量之間的關系。較為經典的是，世界銀行以及格羅斯曼與克魯格（Grosman & Krueger）的一項研究發現，經濟發展與環境污染存在“倒U型”曲線關系[1]，這是由于早期經濟增長導致資源過度開發和污染物過量排放，環境污染加重;但當經濟發展到一定水平后，產業結構發生變化，技術進步及人們對環境質量的要求會使得環境污染狀況得到改善。塞爾登與宋（Selden & Song）、沙菲克等人（Shafik， et al.）、科爾等人（Cole， et al.）、希爾頓與萊文森（Hilton &; Levinson）的研究均證實了環境污染和經濟增長之間的“倒U型”曲線關系[2-5]。但也有學者對環境庫茲涅茨曲線提出質疑，認為樣本選擇、其他控制變量的增加和計量方法的不同都有可能導致環境庫茲涅茨曲線發生變化。例如，彭水軍、包群利用中國省際面板數據，對經濟增長和環境污染之間的關系給出了中國的實證證據，得出變量選取會影響該曲線關系的結論[6]。王敏、黃瀅發現在考慮時間趨勢變量后，經濟發展與環境污染不再存在“倒U型”曲線關系[7]。

后有學者通過實證研究發現，沒有證據表明我國的人均GDP的增加有助于解決中國的環境問題，強調環境政策和激勵措施在環境治理中的重要作用[8]。何為等學者也基于天津市的面板數據，證實天津市大氣環境質量與收入水平關系并不顯著，而是環境政策與企業減排技術顯著降低了污染物排放量[9]。

為改善環境質量，中國采取了多種污染控制政策，一般學者將其分為命令控制型政策工具與市場型政策工具。命令控制型政策工具主要借助直接的政策管控，如環境排放標準、不可交易的排污許可證等政策。例如，國家《“十二五”環境保護規劃》、1997年中國環保部劃定的“兩控區”，以及2016年環境保護部頒發的《排污許可證管理暫行規定》均屬于命令控制型政策工具。市場型政策工具則主要依賴對污染物排放制定價格等市場手段。例如，中國于1982年頒布的《征收排污費暫行辦法》，2002年頒布的《排污費征收管理使用條例》，2018年1月起正式實施的《中華人民共和國環境保護稅法》，以及排污削減設備補貼和污染減排補貼等激勵型污染控制政策均屬于市場型政策工具。

諸多學者分別從理論與實證兩個層面對不同的環境政策工具進行了比較與評估。沈小波從環境經濟學的視角在理論上評估了各種政策工具的有效性，認為命令控制型工具更能實現政策目標，但效率較差;市場型工具的消減成本最小，但在確定稅率方面存在困難[10]。許士春同樣基于理論模型，對排污稅與減排補貼的減排效應進行了對比[11]。李永友和沈坤榮則基于跨省工業污染數據，從實證方面比較了中國具體環境政策措施的減排效果，認為相對于減排補貼和環保貸款，排污費的減排效果最為顯著[12]。童夢怡利用廣義矩估計方法研究了命令控制型環境規制工具和經濟激勵型工具對不同的污染排放物排放的影響，認為命令控制型工具對SO2排放量的管控作用更為顯著[13]。除了直接的環境政策工具效應評估，還有學者借鑒威懾效應理論，研究了環境監管的確定性和嚴厲性對污染物排放的影響[14]。也有學者提出政府的環境政策執行力度是節能減排的關鍵，基于此分析影響地方環境政策執行的因素[15]。

現有研究中，對于排污權交易的研究仍多關注排污權交易的國外經驗與本土化實踐[16]、排污權的總量控制[17]、排污權的初始分配[18]。有關排污權的政策效應評估較為少見，對于二氧化硫排污權交易的實證研究更是從近幾年才開始興起。較為有代表性的研究有：閆文娟、郭樹龍將2002年在6個省份實施的二氧化硫排污權交易示范工作看作一次自然實驗，基于全國省級面板數據，使用雙重差分模型，考察了二氧化硫排污權交易對單位產出二氧化硫排放強度的影響，證明了該交易制度顯著降低了單位產出二氧化硫排放強度[19]。但其研究忽略了試點省市與非試點省市之間可能存在的系統性差異，因此可能存在評估偏差。張墨等人則在以上研究的基礎上作出進一步改善，運用匹配倍差方法對政策實施前后二氧化硫排放強度進行了比較分析，其研究證明二氧化硫排污交易示范工作對降低工業二氧化硫排放強度有顯著作用[20]。還有學者聚焦于某一特定省份，如程等人（Cheng， et al.）運用CGE模型，預測排污權交易制度將使廣東2020年二氧化硫排放量相較于2010年下降近三分之一[21]。但不同學者在控制不同變量或采用不同模型的情形下，得出的結論也不盡相同。王等人（Wang， et al.）的研究顯示中國排污權交易政策并沒有發揮作用，沒有降低二氧化硫排放量[22]。涂正革、諶仁俊運用倍差法研究了2002年6個試點省份的排污權交易政策效應，得出二氧化硫排污交易政策在中國未能實現經濟與環境的雙贏的結論[23]。申（Shin）則從政策創新與擴散角度探討了中國排污權交易制度實施的失敗的原因，認為這主要歸因于試點地區并沒有真正將二氧化硫排污權交易制度化[24]。

同時，逐漸有學者提出，以往的研究選取2002年作為研究分界點，但在試點實施初期，排污權交易活躍程度非常低，大部分試點地區交易量甚至為0，因此政策效應很弱。2007年，我國進一步深化排污權交易試點工作，國務院正式審批11個省（市）成為排污權交易試點單位，各試點省（市）也紛紛出臺相關政策文件保障排污權交易的進行。因此，李永友、文云飛選取2007年作為政策干預時間，先使用PSM方法對試點地區與非試點地區進行1對1匹配，然后進行回歸分析，其分析認為就減排效果而言，中國試點的排污權交易政策整體上是有效的[25]。還有學者提出，評估排污交易政策的有效性，不能僅考察污染物的減排量，還應將經濟可持續發展納入考察。劉承智等人結合環境全要素生產率變化趨勢來評估2007年試點前后兩個時期的排污權政策的有效性，得出了總體上中國污染控制和減排成效并不顯著，該政策僅對試點省份有直接減排效果，同時對試點省份經濟績效有提升作用的結論[26]。

總的來說，對排污權交易試點政策效應的研究仍較為少見，已有研究仍存在以下缺陷：一是直接將二氧化硫排污權交易試點政策看作一次自然實驗，使用雙重差分法評估政策效應，但試點省（市）和非試點省（市）的確定并非隨機選擇，兩組樣本可能存在系統性差異;二是部分研究選取2002年作為政策干預時間點，但早期二氧化硫排污交易示范工作的交易活躍度十分低，同時2002年的試點工作多是市級試點，使用省級面板數據對其進行評估可能導致結果存在偏誤;三是部分研究直接選取2007年作為時間干預點，但實際上，我國是2007年先后批復11個省（市）作為國家級試點單位，內蒙古、陜西更是2010年才被確定為排污權交易試點單位，直接“一刀切”式進行政策干預時間劃分，有所不足;四是已有研究對排污權的政策效應評估多缺少穩健性檢驗，研究結論存在不確定性。本文選取各省被批準為國家級排污權交易試點單位的真實時間作為政策干預時間點，運用基于傾向得分匹配的雙重差分法（PSM-DID）對排污權交易政策進行評估，同時完善面板數據的平穩性檢驗、結論的穩健性檢驗部分，以確保結論的穩健性。

二、模型構建

雙重差分模型（Difference-in-Difference，DID）因為借助外生沖擊形成的（準）自然實驗，能夠較為準確地識別出真實的因果關系，所以在經濟學中被廣泛使用。根據DID方法設定的模型如下：

Yit=β0+β1*time+β2*treat+β3*time*treat+εit

其中Y為被解釋變量，在本文中即工業二氧化硫排放強度。下標i和t分別表示第i個省和第t年。本文設置了政策和時間虛擬變量，其中treat=1，表示是排污權交易試點省份，treat=0，則表示是非試點省份;time=1，表示受到排污權交易政策干預及之后的年份，time=0，則表示受到排污權交易政策干預之前的年份。time*treat是虛擬變量treat和time的交互項。ε表示隨機誤差項。

如表1所示，試點省市在政策時間點前后的變化幅度為β1+β3，非試點省市在政策時間點前后的變化幅度為β1。使用處理組政策前后的變化差異減去比較組政策前后的變化差異，得到的即是排污權交易試點的政策凈效應——β3。

選用DID模型，需要滿足兩個前提條件：一是平行趨勢假定，即處理組和比較組在接受政策干預前結果變量的增長率應該一致，這樣才可以用比較組在政策干預之后結果變量的值對處理組進行反事實估計;二是處理組與比較組需要滿足隨機分配假定。但是二氧化硫排污權交易政策試點的選取并不滿足隨機分配的前提假設，2007年國家批準的11個試點省（市）中，有部分省（市）早在2002年就已在市級層面進行了排污權交易的探索。同時考慮到排污權交易政策的實施主要是借助市場手段降低二氧化硫排放量，我們有理由認為一個省（市）被選為排污權交易試點省（市），與該地區工業二氧化硫排放量和市場化程度有著密切關系。因此，試點省（市）與非試點省（市）之間可能存在系統性差異，直接使用非試點省（市）的工業二氧化硫排放強度對試點省（市）進行反事實估計，會影響評估結果的準確性。

因此本文采用基于傾向得分匹配的雙重差分法（PSM-DID），即先采用傾向得分匹配方法（Propensity Score Matching， PSM）對樣本可能存在的系統性差異進行調節，再進一步使用雙重差分（DID）方法評估政策凈效應。

傾向得分匹配方法（PSM）是對處理組的省份i，通過可觀測變量在比較組中找到與之匹配的省份j，使二者具有可比性。具體來講，即在非試點省份（比較組）中找到一個省份j，使其和試點省份i的可觀測變量足夠相似（匹配），即xi≈xj。基于可忽略性假設，當省份的個體特征對是否實施排污權交易完全取決于可觀測變量時，我們認為省份i和省份j實施排污權交易制度的概率相近，從而解決處理組和比較組之間的系統性差異問題。由于需要在高維空間進行匹配，如果需要匹配的可觀測變量較多，會導致數據稀疏，很難找到合適的匹配組，或者使得處理組和匹配組在匹配后數量過少，無法滿足后續分析的需要。羅森鮑姆（Rosenbaum）和魯賓（Rubin）提出了傾向得分（Propensity Score）的方法來解決這一問題。傾向得分是指“個體在一組既定的協變量下，接受某種參與的可能性”[27]。傳統方法中針對多個可觀測變量進行匹配的方法在實踐中施行十分困難，傾向得分匹配（PSM）方法通過將多維協變量用一個一維變量——傾向得分P（x）來代替，使研究者只需要根據單一的傾向得分變量進行匹配即可，大大降低了匹配難度。

因此，在使用PSM方法對處理組和比較組進行匹配后，再使用DID方法，將實施排污權交易制度的省份在政策實施前后二氧化硫排放強度的變化減去匹配后非試點省份在政策實施時間點前后二氧化硫排放強度的變化，即可得到排污權交易制度政策的參與者平均處理效應（Average Treatment Effect on the Treated，ATT）。

三、變量選取與描述統計

本文的變量選取及變量具體計算方式如表2所示。下文詳述變量選取及其數據來源。

（一）因變量的選取

本文的因變量為工業二氧化硫排放強度（單位：噸/百萬元），具體是指工業二氧化硫排放量占工業生產總值的比重。之所以選取工業二氧化硫排放量，而未涵蓋生活二氧化硫排放量，是因為在中國，大氣污染中的二氧化硫的主要來源是工業排放，占據了總排放量的近九成。二氧化硫排放量數據來源于《中國環境統計年鑒》，工業生產總值數據來源于《中國統計年鑒》。

（二）控制變量的選取

本文設有四個虛擬變量，分別為政策干預虛擬變量、時間虛擬變量、二氧化硫污染控制區虛擬變量、2002年試點虛擬變量。具體來說：

政策干預虛擬變量（treat），不是國家批準的排污權交易試點的省（市）賦值為0;是國家批準的排污權交易試點的省（市）賦值為1。

時間虛擬變量（time），按照各試點省份真實被批準為試點的時間為界，在政策實施前賦值為0;政策實施后，則賦值為1。

二氧化硫污染控制區虛擬變量（controlzone），根據《大氣污染防治法》的規定，將近三年來環境空氣二氧化硫年平均濃度超過國家二級標準的地區劃定為二氧化硫污染控制區，本文添加了該虛擬變量，以此控制被劃為二氧化硫污染控制區對政策試點入選的影響。如果該省（市）未被劃為二氧化硫污染控制區，賦值為0;反之則賦值為1。

2002年試點虛擬變量（pretreat），2002年，山東省、山西省、江蘇省、河南省、上海市、天津市、柳州市開展SO2排放總量控制及交易政策實施的示范工作，后來又追加了中國華能集團公司作為示范單位，形成“4+3+1”的項目試點范圍。因此，本文將沒有入選2002年示范工作的省（市）賦值為0;將入選的省（市）賦值為1。

借鑒以往相關研究，本文還包含以下控制變量：教育程度、經濟發展程度、排污費收入、外商直接投資、環境治理投資、工業化程度、市場化程度、技術水平。具體來說：

本文使用平均受教育年限來衡量教育程度（edu，單位：年），具體衡量公式為（小學文化程度人口數*6+初中*9+高中*12+大專及以上*16）/六歲以上抽樣總人口。數據來源于《中國統計年鑒》。

本文使用人均GDP（單位：元/人）來衡量一個地區的經濟發展程度，同時考慮到數據分析的需要，文中對人均GDP取對數（lngdp）。數據來源于《中國統計年鑒》。

以往研究中諸多學者評估了排污費對環境治理、大氣污染的影響，因此本文將排污費收入納入控制變量，考慮到數據分析需要，對排污費取對數（lnfee）。數據來源于《中國環境年鑒》。

污染天堂假說認為如果各個國家除了環境標準外，其他方面的條件都相同，那么污染企業就會選擇在環境標準較低的國家進行生產，這些國家就成為污染的天堂。但也有學者反駁認為外商投資將會帶來技術和環保理念的溢出，從而改善環境質量。本文以實際利用的外商直接投資來檢驗外商投資與該地區二氧化硫排放強度的相關性。考慮到數據分析需要，對實際利用外商投資取對數（lnfdi）。數據來源于Wind數據庫。

對于環境治理投資，以往有學者直接采用環境治理投資總額或者更具體的工業污染治理投資總額作為衡量指標。但一方面，工業污染治理投資總額涵蓋了治理廢氣、廢水、固體廢棄物、噪音及其他五個子指標，鑒于本文研究的主要是二氧化硫排放量，其本質上屬于工業廢氣污染;另一方面，治理投資總額這一絕對數值更容易受到經濟規模的影響。因此本文采取相對指標，選取工業廢氣污染治理投資占地區工業生產總值的比重衡量環境治理投資（invest）。數據來源于《中國統計年鑒》。

正如前文提及的，本文衡量的二氧化硫排放強度實質為工業二氧化硫排放強度，我們有理由猜測一個地區工業化程度越高，其工業二氧化硫排放量也越大。因此本文以工業化總產值占地區生產總值的比重來衡量該地區的工業化程度（industry）。數據來源于《中國統計年鑒》。

一個地區的市場化程度可能會影響該地區排污權交易制度的運行。以往研究中，學者多采用樊綱等人制定的市場化指數作為衡量指標，但由于其子指標后期發生改變，2008年后的數據與前期數據不可比，因此本文未使用樊綱等人的市場化指數。也有學者以政府財政支出占GDP比重來衡量市場化，但由于2007年財政收支科目實施了較大改革，特別是財政支出項目口徑變化很大，2007年后的財政支出比重與往年數據不可比。因此，考慮到數據的可得性，本文借鑒樊綱等人市場化指數中的子指標——非國有經濟發展的衡量方法，以非國有經濟就業人數占城鎮總就業人數比重衡量市場化程度（market）。數據來源于《中國統計年鑒》及各省份的統計年鑒。

同時一個地區的二氧化硫排放水平也與技術水平相關，有學者認為排污權交易和研發投入水平能夠提高清潔技術新水平[28]，從而降低二氧化硫排放強度。本文借鑒以往研究，選取R&D經費支出占地區生產總值的比重來衡量R&D投入強度。數據來源于國家統計局《R&D普查公報》。

各變量的描述性統計結果如表3所示。

四、實證結果與分析

本文使用的數據為2001—2015年中國30個省（市）①的面板數據，在進行回歸以及PSM-DID分析之前，筆者對面板數據的平穩性進行了檢驗，采用了LLC、IPS以及Hadri三種檢驗方式，結果顯示各變量至少在兩種檢驗中均拒絕存在單位根的原假設，證明了數據的穩定性。

本文首先對影響各省份成為排污權交易試點省（市）的可觀測因素進行了logit回歸分析，回歸結果見表4。回歸結果顯示，工業二氧化硫排放強度與成為國家審批的排污權交易試點省（市）相關，二者的關系在1%的水平上顯著。同時，排污費收入和人均GDP也均與成為排污權交易試點省（市）相關，其中排污費收入與成為二氧化硫排污權交易試點省（市）在0.1%的水平上顯著相關，一個地區征收的排污費越多，其越可能成為排污交易試點省（市）。人均GDP則與成為國家級試點省（市）在1%的水平上負相關。此外，工業化程度與市場化程度也與成為國家級試點省（市）正向相關，并在統計學上顯著，即一個地區工業化程度越高，或者其市場化程度越高，其越容易被批準為排污權交易試點。

回歸分析表明，仍存在諸多因素影響一個省份入選國家級排污權交易試點省（市），即試點省（市）和非試點省（市）存在系統性差異。因此，直接使用雙重差分方法直接對比試點省（市）和非試點省（市）的二氧化硫排放強度差異來評估政策效應，會存在結果偏差。

本文選用傾向得分匹配方法來解決樣本選擇的系統性差異問題。常用的傾向得分匹配方法主要有最近鄰匹配法、域閥和半徑匹配法以及核匹配法。其中最近鄰匹配法適用于未參與者的數量遠多于參與者數量的情況，核匹配法適用于當配對的參與者多于未參與者的數量的情況，以優先保證匹配數量。當參與者和未參與者數量相當，差距不大時，或者是大樣本數據時，三種匹配方法結果趨于一致。研究中可以綜合運用三種方法，同時還可以以此檢驗估計效應的穩健性。本文選取核匹配法，并運用最近鄰匹配法、域閥和半徑匹配法進行穩健性檢驗，檢驗發現，三種匹配方法的結果并無顯著差異，具有穩健性。

使用傾向得分匹配方法后，需要檢驗匹配后數據的平衡性和共同支撐領域，以確保樣本匹配的效果符合評估的要求。如果以上兩個條件均得到滿足，我們即可認為傾向得分匹配方法能夠消除內生性偏誤。

平衡性檢驗是為了確保協變量的傾向得分在處理組和比較組之間不存在顯著差異，數據平衡，以克服選擇偏差問題。平衡性檢驗可以通過對比匹配前后標準化偏差，或者對匹配前后處理組和比較組的均值差異進行t檢驗。平衡性檢驗結果如表5所示。

平衡性檢驗結果顯示，以二氧化硫排放強度為結果變量進行匹配后，處理組和比較組的標準化偏差均小于10%。同時，匹配后各控制變量的t檢驗結果及其對應的p值顯示處理組和比較組之間不存在顯著性差異。總的來說，匹配后協變量的均值在處理組與比較組之間未出現顯著差異，不同變量在處理組與比較組的分布更加平衡，支持基于傾向得分匹配的雙重差分法的應用。

同時，在估計平均處理效應之前，還需要進行共同支撐檢驗，即檢驗處理組和比較組之間是否有足夠大的共同支撐區域，以保證傾向得分匹配的有效性。當以二氧化硫排放強度為結果變量時，處理組和比較組落在共同支撐域之內的樣本量分別是151個和235個，落在共同支撐域之外的樣本量分別是14個和50個。處理組和比較組具有足夠大的共同支撐域。

綜上，我們認為匹配后，處理組和比較組的數據得到了較好的匹配。

在使用PSM方法對處理組和比較組進行匹配后，本文選用處于共同支撐域的樣本，采用DID方法，以期得到二氧化硫排污權交易政策的參與者平均處理效應（ATT）。參與者平均處理效應結果見表6。如表6所示，政策干預之后與政策干預之前的雙重差分系數為-1.094，并且t檢驗結果顯著，表明二氧化硫排污權交易政策顯著地影響了二氧化硫排放強度，影響方向為負，即排污權交易制度顯著降低了試點地區的二氧化硫排放強度，每百萬元的工業生產總值減少1.094噸的二氧化硫排放量。

五、穩健性檢驗

為了驗證上述結果的穩健性，本文采用了替換政策干預時間點和剔除先前試點省（市）兩種方法來進行穩健性檢驗。

（一）替換政策干預時間點

上文中設定的時間虛擬變量時間點為中國正式審批各省成為二氧化硫排污權交易試點省（市）的時間。由于早在2002年，部分省（市）在市級層面進行了二氧化硫排污權交易的示范工作，因此本文也將2002年作為一個政策干預時間點納入穩健性檢驗之中。同時考慮到從政策實施到政策發揮作用可能存在時間上的滯后性，因此本文將2012年也選取為政策干預時間點，生成新的時間虛擬變量進行穩健性檢驗。表7與表8分別顯示了將2002年與2012年作為政策干預時間點進行的PSM-DID分析結果。

如表7及表8所示，無論虛擬時間變量設置為2002年還是2012年，排污權交易政策對二氧化硫排放強度的參與者平均處理效應（ATT）均不顯著。這在一定程度上驗證了排污權交易政策對國家批準的試點地區二氧化硫排放強度產生的顯著影響，并不是時間變動所導致的。

（二）剔除先前試點省份

考慮到早在2002年，已有4個省份（山東省、山西省、江蘇省、河南省）以及3個城市（上海市、天津市、柳州市）被選為排污權交易政策示范工作點，以上省份在省（市）內選取一個或多個城市開展了對排污權交易政策的探索。為避免干擾，本文剔除掉以上省份的相關數據，再次使用PSM-DID方法檢驗排污權交易的政策效應。參與者平均處理效應如表9所示。我們發現，在剔除2002年在市級層面試點省份的數據之后，ATT值依然顯著，即剔除先前試點省份后，排污權交易政策對試點省份的二氧化硫排放強度依然有顯著的負向影響，依舊顯著降低了試點地區二氧化硫排放強度，每百萬元的工業生產總值減少了1.667噸的二氧化硫排放量。

總的來說，穩健性檢驗表明，首先，中國排污權交易政策顯著降低了試點地區的工業二氧化硫排放強度，該政策效應非時間趨勢所導致;其次，即使剔除2002年在市級層面試點的省份，該政策效應依舊顯著，證明了排污權交易制度能夠顯著降低試點區域的工業二氧化硫排放強度。

六、結論

本文運用基于傾向得分匹配的雙重差分方法（PSM-DID）評估了排污權交易政策對試點地區工業二氧化硫排放強度的減排效果，一方面化解了以往評估中存在的系統性差異問題，另一方面也部分解決了數據內生性問題。研究發現，排污權交易政策顯著降低了試點地區工業二氧化硫排放強度。穩健性檢驗證明無論是選取在市級層面探索二氧化硫排污權交易制度的2002年，還是選取政策實施后的2012年作為政策干預時間點，以上結論均具有穩健性，證明了排污權交易政策對試點地區二氧化硫的減排效應并非是時間趨勢所導致的。同時，本文剔除了2002年試點省（市）相應數據，再次檢驗排污權交易制度的政策效應，研究發現，剔除2002年試點省（市）的數據后，政策效應依舊顯著，證明了本文結果的穩健性。

中國自2007年正式由國家審批確立國家級排污權交易試點單位，至今已有十余年的時間。國務院辦公廳印發的《關于進一步推進排污權有償使用和交易試點工作的指導意見》曾提出“到2017年年底基本建立排污權有償使用和交易制度，為全面推行排污權有償使用和交易制度奠定基礎”。本研究選取工業二氧化硫排放強度為結果變量，從實證角度評估了排污權交易制度的政策效應，為排污權交易政策的進一步推廣提供了一定的現實支撐依據。研究使用基于傾向得分匹配的雙重差分方法，同時改進以往“一刀切”式的政策干預時間劃定方式，選取各省（市）真正被批準為國家級試點單位的時間作為政策干預時間點，盡可能減少評估偏差，得到政策的凈效應。

但本文仍有以下不足，一是本文選用了一系列可觀測變量進行傾向得分匹配，但限于數據可得性，某些指標僅以替代性指標衡量，同時本研究可能未涵蓋到某些重要變量，從而可能會對匹配結果和最終的政策凈效應評估產生影響;二是近年來，非國家級試點省份也開始積極開展排污權交易的自我探索，這也許會對本文的政策效應評估產生影響;三是二氧化硫排放具有外溢性，可能會對相鄰區域的二氧化硫排放強度產生影響，從而影響評估效果。以上均是后續研究中應注意到的問題。

參考文獻

[1] ?Grossman， G. M.， & Krueger， A. B. Economic growth and the environment[J]. Quarterly Journal of Economics，1995， 110（2）： 353-377.

[2] ?Selden， T.， & Song， D. Neoclassical growth， the J curve for abatement and the inverted U curve for pollution[J]. Journal of Environmental Economics and Management， 1995， 29（2）： 162—168.

[3] ?Shafik， N.， Banerjee， A.， Forder， J. Economic development and environmental quality： An econometric analysis[J]. Oxford Economic Papers， 1994， 46：757-773.

[4] ?Cole， M. A.， Rayner， A. J.， & Bates， J. M. The environmental Kuznets curve： an empirical analysis[J]. Environment & Development Economics， 1997（2）： 401-416.

[5] ?Hilton， F. G. H.， & Levinson， A. Factoring the environmental Kuznets curve： evidence from automotive lead emissions[J]. Discussion Papers， 1998， 35（2）： 126-141.

[6] ?彭水軍，包群.經濟增長與環境污染——環境庫茲涅茨曲線假說的中國檢驗[J].財經問題研究，2006（8）：3-17.

[7] ?王敏，黃瀅.中國的環境污染與經濟增長[J].經濟學（季刊），2015（2）：557-578.

[8] ?馬樹才，李國柱.中國經濟增長與環境污染關系的Kuznets曲線[J].統計研究，2006（8）：37-40.

[9] ?何為，劉昌義，劉杰，等.環境規制、技術進步與大氣環境質量——基于天津市面板數據實證分析[J].科學學與科學技術管理，2015（5）：51-61.

[10] ?沈小波.環境經濟學的理論基礎、政策工具及前景[J].廈門大學學報（哲學社會科學版），2008（6）：19-25+41.

[11] ?許士春.排污稅與減排補貼的減排效應比較研究[J].上海經濟研究，2012（7）：14-21.

[12] ?李永友，沈坤榮.我國污染控制政策的減排效果——基于省際工業污染數據的實證分析[J].管理世界，2008（7）：7-17.

[13] ?童夢怡.命令控制型與經濟激勵型環境規制之比較研究——來自中國1999—2008年的經驗證據[D].合肥：合肥工業大學， 2011.

[14] ?何彬，潘新美.環境監管對污染物排放的影響：基于中國省級面板數據的實證分析[J].公共行政評論，2017（5）：26-45+215-216.

[15] ?劉政文，唐嘯.官員排名賽與環境政策執行——基于環境約束性指標績效的實證研究[J].技術經濟， 2017（8）：118-127.

[16] ?于杰，周偉鐸，蔣金星.排污權交易：理論引進與本土化實踐[J].中國地質大學學報（社會科學版）， 2014（6）：96-104.

[17] ?馬中，Dan Dudek，吳健，等.論總量控制與排污權交易[J].中國環境科學，2002（1）：90-93.

[18] ?吳征帆，向曉東.一種排污權初始分配結構設計框架[J].環境科學與技術，2012（1）：201-205.

[19] ?閆文娟，郭樹龍.中國二氧化硫排污權交易會減弱污染排放強度嗎？——基于雙倍差分法的經驗研究[J].上海經濟研究，2012（6）：76-83.

[20] ?張墨，王璐，王軍鋒.基于匹配倍差法的排污權交易制度實施效果研究[J].干旱區資源與環境，2017（11）：26-32.

[21] ?Cheng， B.， Dai， H.， Wang， P.， Xie， Y.， Chen， L.， & Zhao， D.， et al. Impacts of low-carbon power policy on carbon mitigation in Guangdong province， China[J]. Energy Policy， 2016， 88： 515-527.

[22] ?Wang，J.N.， Yang， J.T， Ge， C.Z.， et al. Controlling sulfurdioxide in china： will emission trading work？[J]. Environment Science & Policy for Sustainable Development， 2004， 46（5）： 28-39.

[23] ?涂正革，諶仁俊.排污權交易機制在中國能否實現波特效應？[J].經濟研究，2015（7）：160-173.

[24] ?Shin， S. China's failure of policy innovation： the case of sulphur dioxide emission trading[J]. Environmental Politics， 2013， 22（6）： 918-934.

[25] ?李永友，文云飛.中國排污權交易政策有效性研究——基于自然實驗的實證分析[J].經濟學家，2016（5）：19-28.

[26] ?劉承智，楊籽昂，潘愛玲.排污權交易提升經濟績效了嗎？——基于2003—2012年中國省際環境全要素生產率的比較[J].財經問題研究，2016（6）：47-52.

[27] ?Rosenbaum， P.& Rubin， D. The central role of Propensity Score Matching in observational studies for causal effects[J]. Biometrika， 1983， 70： 41-55.

[28] ?劉海英，謝建政.排污權交易與清潔技術研發補貼能提高清潔技術創新水平嗎——來自工業SO2排放權交易試點省份的經驗證據[J].上海財經大學學報，2016，18（5）：79-90.

Abstract： The emission trading system has been carried out in China`s 11 provinces for more than 10 years， but it`s still not been applied nationwide. Does the emission trading system improve the environmental quality in the pilot areas？ How is its policy effect？ Can it be further expanded？ This paper views the nationally approved pilot project of the emission trading system in 2007 as a quasi-natural experiment. Based on a panel dataset from 2001 to 2015， this paper combines propensity score matching（PSM） and difference-in-difference（DID） method to assess the influence of emission trading policy on the emission intensity of industrial sulfur dioxide （SO2） in pilot areas. The results indicate that the emission trading policy significantly reduces the emission intensity of SO2 in the pilot areas. The robustness check proves that the findings are not driven by time trend and testifies the emission reduction even after eliminating the data of provinces which piloted this policy in 2002.

Key Words： Emission trading system; Policy evaluation; Policy effect.