中國碳排放權交易政策對地區清潔生產意愿的影響

陸文聰,謝昌財

1 浙江大學中國農村發展研究院,杭州 310058 2 浙江大學管理學院,杭州 310058 3 貴州大學管理學院,貴陽 550025

當前全球碳排放引起的氣候變化問題已經由單純科學技術轉變成錯綜復雜的政治、經濟和環境問題,人們逐步意識到碳排放交易對減緩氣候變化和促進低碳發展的重要意義[1]。碳排放交易是用經濟手段推動環保的國際通行辦法,其核心內容是清潔生產機制(Clean Development Mechanism,CDM),該機制是1997年《京都議定書》中確立的三個靈活機制之一,是現存唯一可以得到國際公認的碳交易機制[2]。CDM項目有利于優化能源利用結構,進而改善地區生態環境[3]。因此,通過CDM項目來開發可再生能源、提高能源利用效率、減少污染物的排放成為實施CDM項目的目的之一[4]。據美國能源情報署預測,到2020年,中國由于消費煤炭而排放的CO2將超過發達國家之和,占世界的40.3%[5]。在國際減排承諾和國內資源環境雙重壓力之下,中國政府于2012年啟動了“兩省五市”碳排放權交易試點,分別為：湖北省、廣東省、北京市、上海市、深圳市、天津市和重慶市,七個試點橫跨東、中、西部,區域經濟差異較大,制度設計體現出一定的區域特征。中國碳排放的空間分布格局差異明顯,地區碳排放強度呈現自東向西遞減分布[6],且碳交易市場發展具有分階段、市場規模大、發展不平衡等特征[7]。政府在排污權一級市場上,采取招標、拍賣等方式將排污權有償出讓給排污者,排污者購買到排污權后,可在二級市場上進行排污權買入或賣出,使溫室氣體排放企業負擔的環保義務轉化為融資或交易產品[8],這對于政府尋找適當的碳減排空間,提升地區企業開展清潔生產的意愿具有重要的意義[9]。

理論上,政策試點有助于地區內企業經營者對從使用清潔能源、清潔原料到清潔生產過程,再到最后的清潔產品在思想觀念和生產行為上發生根本性轉變,從消耗資源和粗放經營的傳統生產模式中轉換升級,實現節能降耗和減污減排,從源頭上解決經濟社會發展造成的環境污染、生態破壞問題,從而實現經濟、社會和環境的可持續發展。總結已有文獻,國內外現有關于碳排放問題的研究主要集中在估算方法、影響因素和政策建議三個方面：在估算方法上,姚亮等[10]采用結構分解法(SDA)分析了碳排放效率、經濟結構、消費結構、人均消費水平、城市化和人口總量等六項因素對碳排放總量變化的驅動作用;Jones等[11]運用碳足跡從交通、居住、食品、商品和服務五個類別對美國居民生活進行評估;崔琦等[12]采用碳排放系數法估計了中國地區碳排放量;曾靜靜等[13]則構建了符合中國國情的居民生活碳排放評價指標體系。在因素分析上,鄧吉祥等[14]采用Divisia、突變級數、STIRPAT 分解等方法研究排放變化的影響因素;胡初枝等[15]、陳彥玲等[16]采用環境庫茲涅茲曲線模型,指出我國CO2排放的EKC曲線呈倒U型。在政策建議上,譚顯春等[17]基于經濟、人口、省級能耗量等數據構建了適用于主體功能區劃分的碳排放核算方案;劉曉等[18]研究了區域碳排放配額目標給定下的最優碳排放控制率和適合中國推進的碳減排配額方案。關于碳排放權交易對國際公認的清潔生產機制是否存在影響的文獻研究尚處空白。本文以此為背景,基于我國2012年啟動的“兩省五市”碳排放權交易試點政策,運用雙重差分法分析該試點政策對我國各地區清潔生產意愿的影響,驗證該政策對地區空氣環境質量的改善效果,并為國家制定科學的、針對性的、差別化的碳減排政策提供參考。

1 研究區概況

圖1 CDM批準項目2016年按減排類型分布Fig.1 Type of emission reduction distribution for CDM in 2016

清潔生產機制的實施與完善不僅有助于改善氣候環境,它還為我國吸引外商投資以及加速地區經濟發展提供機遇。作為主要參與方,我國的清潔生產機制項目也正在跟隨國際形勢。根據中國清潔發展機制網CDM項目數據庫系統數據顯示,截止2016年,經國家發展改革委批準的CDM項目共計5 074個,其中四川、云南、內蒙古、甘肅和河北的CDM項目數量位居前五位,分別為565、483、381、269和258個。從減排量看,四川、山西、內蒙古、云南和江蘇2016年減排量居于前五,分別為8884.71、5582.24、5517.72、4964.51和4449.20萬t。從減排類型分布上看,新能源和可再生能源減排是當前我國企業開展清潔生產實現減排目標的主力軍。如圖1所示,2016年新能源和可再生能源減排占比為73.59%,節能和提高能效以及甲烷回收利用也是減排的重要形式,占比分別為12.46%和9.38%,三種形式占比達到近95%。

2 方法、模型與數據

2.1 方法

雙重差分(Difference-in-Difference,DID)是一種非常實用的政策效果評估方法,其核心是構造雙重差分估計量,將政策干預對實驗個體的縱向差異(干預前和干預后)和橫向差異(實驗組與對照組)有效結合,同時在模型中加入其他控制變量,在一定程度上消除實驗組和對照組中存在的干擾因素,進而彌補自然實驗在樣本分配上不能完全隨機這一缺陷。雙重差分法既能控制樣本之間不可觀測的個體異質性,又能控制隨時間變化的不可觀測總體因素的影響,從而得到對政策干預效果的無偏估計。如果樣本是面板數據,那么雙重差分模型不僅可以利用解釋變量的外生性,而且可以控制不可觀測的個體異質性對被解釋變量的影響[19]。西方經濟學者早在20世紀70年代末就從自然科學界引入自然實驗和雙重差分法,得到社會學者的普遍重視[20- 21]。在國內文獻中,此方法近年來也被廣泛運用于政策效果評價[22-24]。

本文關注的是中國碳排放權交易政策是否能夠有效提升各地區企業開展清潔生產的意愿。如果簡單觀察試點政策實施前后各地區開展清潔生產的企業比重情況,并不能說明碳排放權交易政策是否提升了企業開展清潔生產的意愿以及改善了空氣環境,因為這不能排除其他因素的影響,難以衡量政策的真實效果。影響各地區企業開展清潔生產的因素不僅僅有碳排放權交易政策的實施,還有其他一些因素,比如各地區的工業化率、能源消費水平、環境治理投資和經濟發展水平等等。某地區企業自愿開展清潔生產的比重較高,并不一定是由于碳排放權交易試點政策導致的;某地區大氣環境改善效果明顯,也可能是環境治理投資的作用。因此,要研究這一科學命題,需要比較各地區在政策實施前后兩個時間段的清潔生產行為,可以引入上文介紹的雙重差分法來評估碳排放權交易政策對中國各地區企業開展清潔生產意愿的影響效果。

上式右邊的第一項稱為“特征差異”,表示由于試點地區和非試點地區因地區的經濟發展特征不同所引起的分布差異部分;第二項稱為“系數差異”,表示由于回歸系數不同所引起分布的差異部分,這部分差異主要是由于試點政策引起的,也可稱為“政策歧視”。

2.2 模型

結合以上分析,本文擬采用雙重差分方法來評估國家發改委2012年頒布的碳排放權交易試點政策對各地區企業清潔生產意愿的影響,模型設定如下：

PCDMit=β0+β1Groupit+β2Eventit+γ(Groupit×Eventit)+ηZit+μi+εit

上式中,PCDMit為地區i在時期t的企業自愿開展清潔生產比例;Groupit為地區虛擬變量,如果個體i屬于實驗組則Groupit=1,屬于非實驗組則Groupit=0;Eventit為時間虛擬變量,Eventit=1表示碳排放權交易試點政策開展后(實驗期),Eventit=0表示碳排放權交易試點政策開展前(非實驗期);Groupit×Eventit表示時間與地區的交互作用,其中β1控制實驗組與非實驗組的差異(地區效應),β2則控制時間對實驗組與非實驗組的影響(時間效應);μi表示各地區的固定效應,是各地區不隨時間變化而變化的差異,考慮到各地區之間本身可能存在差異,因此引入μi是合理的;εit表示隨機擾動項。γ是我們真正關心的系數,反映政策的綜合效果,具體解釋如下：

對于非實驗組,即Groupit=0,各地區企業自愿開展清潔生產的比例為：

因此,非實驗組在試點政策前后企業清潔生產比例變動為(β0+β2)-β0=β2。

對于實驗組,即Groupit=1,各地區企業自愿開展清潔生產的比例為：

因此,實驗組在試點政策前后地區清潔生產比例變動為(β0+β1+β2+γ)-(β0+β1)=β2+γ。所以,碳排放權交易對各地區開展清潔生產的凈效應為(β2+γ)-β2=γ,即交互項Groupit×Eventit的回歸系數。Zit為一系列控制變量,包括：工業化率、能源消費總量、環境治理投資額和人均GDP。選擇反映地區經濟發展特征的宏觀經濟指標作為控制變量的理由在于：第一,本文研究的碳排放權交易試點政策是以區域為單元研究溫室氣體排放總量控制機制和排放權分配機制,旨在推動地區清潔生產機制的構建[26];第二,由于暫時無法獲取各地企業開展清潔生產的微觀數據,本文以全國30個地區為研究樣本,實證檢驗碳排放權交易試點政策對各樣本區域內企業清潔生產意愿的影響,實證結果可以反映出試點政策開展前后地區內企業對清潔生產總體意愿的變化。

(1)工業化率(Industrialization Rate,IR)。環境污染是工業化進程中出現的普遍問題。杜雯翠等[27]指出,現階段以工業化發展為主的地區,其環境問題主要是大氣污染;張亞斌等[28]研究發現工業化進程中的重化工業化階段是不可逾越的,該階段會產生較多的工業環境污染和碳排放,弱化環境治理的效果。根據胡佛與費希爾1949年在《區域經濟增長研究》中提出的城市經濟增長“標準階段次序”：自給自足階段、鄉村工業崛起階段、農業生產結構轉換階段、工業化階段和服務業輸出階段,與北、上、廣、深等以服務業為主的一線城市相比,我國大部分城市還處于工業化階段。

(2)能源消費總量(Total Energy Consumption,TEC)。能源的消耗伴隨著二氧化碳的產生,消費者對能源密集型產品需求的上升是導致碳排放增加的直接驅動力[29]。徐國泉等[30]采用Kaya恒等式對CO2排放影響因素進行分解,指出能源消費結構、能源強度、經濟增長等因素對CO2排放量有正向影響;劉志雄[31]利用我國1991—2011年數據的發現能源消費對環境污染產生正效應,即能源消費越多,環境污染越嚴重。Apergis等[32]利用美國1971—2004年的數據檢驗也得出相同的結論。

(3)環境治理投資額(Environmental Governance Investment,EGI)。污染治理投資和企業技術創新作為污染防治的末端治理與前端預防,對于遏制環境污染具有重要作用。王鵬等[33]以我國30個省市相關統計數據為研究樣本,從要素投入產出的視角構建包含污染治理投資和企業技術創新指標的計量模型,結果表明污染治理投資對工業污染治理效率的影響主要體現在資金投入上。石龍宇等[34]指出為保證經濟社會可持續性發展,應增加城市環境污染處理的投入,并改進城市環境污染處理技術。

(4)人均國內生產總值(Per-capita Gross Domestic Product,PGDP)。能源技術可以為經濟發展提供必需的增長動力,而經濟增長反過來又可以提高能源資源的開發和利用水平,進而優化和提高能源的利用效率。經濟發達地區為進一步提高經濟增長,會更加依賴外部先進的技術水平來優化資源配置[35]。Zhang等[36]對中國1991—2006年的與能源消費有關的碳排放量進行核算,并利用 Kaya方程進行因子分解,得出碳排放強度與經濟增長仍然是驅動中國碳排放量增加的最重要的因素。

2.3 數據

變量數據來源于多個數據庫,其中“自愿開展清潔生產比例”、“能源消耗總量”、“環境治理投資額”數據源于2011—2017年各年度《中國環境年鑒》;“工業化率”和“人均GDP”數據根據2011—2017年各年度《中國統計年鑒》計算整理得到。數據時間跨度為2011—2017年,涉及全國30個省、市、自治區(西藏除外)共計210個樣本。

表1 變量描述性統計

PCDM為各地區自愿開展清潔生產的企業比例；IR為各地區工業化率；TEC為各地區能源消費總量；EGI為各地區環境治理投資額；PGDP為各地區人均國內生產總值;其中PCDM的計算方式是：先從《中國環境年鑒》獲取“清潔生產當年審核企業數”和“當年強制性審核完成數”，兩者之差記為“當年自愿開展清潔生產企業數”，這一指標與“清潔生產當年審核企業數”比值即為企業自愿開展清潔生產比例

記2011—2012年為非實驗期,2013—2017年為實驗期;“兩省五市”為實驗組,其他地區為對照組。需要說明的是,由于“兩省五市”中涉及廣東省與深圳市,為避免重復計量,下文分析中取廣東省樣本,即實驗組分別為：湖北省、廣東省、北京市、上海市、天津市和重慶市。變量描述性統計如表1所示。

3 結果與分析

3.1 雙重差分參數估計

在綜合考慮多重共線性、異方差和序列相關等問題后,采用WHITE穩健性估計,逐步加入控制變量,實證結果如表2所示：隨著控制變量的加入,模型擬合系數逐漸增大,其中模型5的R2為0.2623;Group×Event系數值較為穩定,且顯著,t值為2.70,且在1%水平上顯著。這說明在碳交易權試點地區開展清潔生產的意愿比其他地區平均高出22.03%。觀察模型5控制變量系數：一是工業化率系數顯著為負,這說明工業化率越高的地區其企業開展清潔生產的意愿不強,這與目前全球發達城市普遍認同的“以服務業為主”的發展趨勢是一致的;二是人均GDP的對數系數顯著為正,即越富裕的地區越有利于清潔生產機制構建。其他控制變量系數不顯著。

表2 雙重差分參數估計

(1)括號里為穩健標準誤;(2)*、**、***分別代表在10%、5%和1%的水平上顯著

為進一步分析碳交易權試點對地區環境的影響效應,分別將可吸入顆粒物(PM10)、二氧化硫(SO2)和二氧化氮(NO2)年平均濃度作為被解釋變量,通過DID分析結果如表3所示。結果表明,碳交易權試點地區PM10、SO2和NO2的年平均濃度平均比其他地區要低0.0288、0.0170和0.0105 mg/m3,且在統計意義上均顯著。這說明,碳交易權試點政策對地區環境改善起到明顯效果,同時也進一步說明了表2實證分析的穩健性。

表3 環境效應的參數估計

3.2 分位數回歸參數估計

由于均值回歸的參數是自變量對因變量條件期望的邊際效果,如果能夠估計出若干重要條件分位數的分布,則能對整體分布有一個更全面的認知。借助Koenker等[37]提出的分位數回歸(Regression Quantiles)對模型1進行分位數回歸,結果如表4所示。隨分位數增加,Groupit×Eventit系數呈現先降后升趨勢,但高分位系數不顯著。這說明,碳交易權試點對于當前清潔生產水平較低的地區,提升企業清潔生產意愿效果更為明顯。這一趨勢也可以從圖2交互項分位數回歸系數變化中進一步得到驗證。

表4 清潔生產意愿的分位數回歸

圖2 交互項系數隨分位數變化圖 Fig.2 Trend of interaction term coefficient with the different of quantiles

3.3 清潔生產意愿地區差異分解

根據2.1節所介紹的不同分位數下試點地區和非試點地區均值差異的計算方法,可分別計算由于經濟發展特征不同所引起的“特征差異”和由于回歸系數不同所引起“政策歧視”,分解結果如表5所示(取λ=13)。結果表明：第一,試點地區與非試點地區企業自愿開展CDM的比例差異受系數差異和特征差異的共同影響;第二,碳排放交易試點地區與非試點地區企業自愿開展CDM的比例差異在低分位、中分位和高分位呈現倒U型,即在低分位和高分位地區差異較小,而中分位差異較大;第三,企業自愿開展CDM的比例差異在低分位時主要受試點政策影響(即系數差異),在高分位時主要受地區經濟發展特征影響(即特征差異),而在中分位時兩種影響力量較為均衡。以上結論可通過取λ=99計算出所有分位數上的差異值作進一步驗證。如圖2所示,在分位數1%—99%上采用自助法(本文取reps=100)做分位數回歸,得到τ個分位數下的相應回歸參數估計,受篇幅所限,不同分位數下的特征差異和系數差異以及方差值不在文中列出。由圖3可知,總差異在低、中、高分位呈現倒U型結構,且在低分位時總差異主要受系數差異影響,在高分位時主要受特征差異影響。

表5 不同分位數上試點與非試點地區CDM差異分解

總差異(Total differential, TD); 特征差異(Characteristic differential, CHD); 系數差異(Coefficient differential, COD); 影響程度(Influence level, IL)

圖3 CDM地區差異隨分位數變化圖 Fig.3 Trend of pilot and non-pilot areas CDM′ differential on all of the quantiles

4 結論與建議

基于2012年國家發改委提出的“兩省五市”碳排放權交易試點政策,運用雙重差分方法實證檢驗了碳排放權交易對中國各地區自愿開展清潔生產的影響,并通過分位數分解方法分析了試點地區與非試點地區的特征差異與系數差異,以期為我國科學推廣碳排放權交易政策提供參考。實證研究結果表明：(1)試點地區企業自愿開展清潔生產的比例比非試點地區平均要高出22個百分點;(2)碳排放權交易政策對當前自愿開展清潔生產比例較低的地區影響程度更為顯著;(3)試點地區環境改善效果明顯,PM10、SO2和NO2的年平均濃度顯著下降了0.0288、0.0170和0.0105 mg/m3。

綜合上述結論,本文建議：(1)鑒于碳排放權交易政策顯著提升了試點區域內生產單位開展清潔生產的意愿,為了科學有序地推進碳排放權交易政策,除“兩省五市”試點地區外,下一步應優先推廣CDM項目較為聚集的地區(如四川、云南、內蒙古、甘肅和河北),這些地區開展清潔生產的外部環境優勢明顯,邊際成本較低,有利于吸引外商投資。(2)在企業自愿開展清潔生產比例較低的地區(如海南、新疆、青海、貴州和陜西)政府要加大CDM項目的宣傳工作,強化企業的節能意識、環保意識以及同工業發達國家的合作意識,這些地區在清潔發展機制的構建上有較大的提升空間,各地政府可結合其獨特的地理環境與優勢,加大政策扶持力度,鼓勵企業積極開展與CDM相關的招商引資項目。(3)各地區應結合自身經濟發展特點,加快自身產業經濟結構調整,轉變經濟增長方式,助力企業開展并提升清潔生產技術,優化能源結構、降低能源消耗,同時加大環境治理投資額,引導企業向資源節約型、環境友好型方向發展,促進生態環境系統的可持續性發展[38]。

本文的不足之處在于：由于國內CDM項目數據庫系統暫未公布各地企業具體的清潔生產數據,因此本文還無法研究企業層面的生產行為,取而代之的是運用基于省際單位的面板數據研究地區層面企業的清潔生產意愿以及對地區環境改善的效果。隨著政府對清潔生產機制的不斷完善,我們將在收集企業層面的樣本數據后做更為深入細致地微觀研究進而彌補以上不足。

致謝：中國清潔發展機制網CDM項目數據庫的給予支持;Godwin Seyram Agbemavor Horlu幫助寫作，特此致謝。