基于合成控制法的碳交易機制對碳績效的影響

于向宇 陳會英 李躍

摘要 中國作為主要的碳排放國之一，環境問題已成為制約經濟可持續發展的關鍵影響因素。作為推進經濟綠色低碳發展的措施之一，建立碳交易機制能夠通過市場經濟手段彌補行政命令式政策的局限性，有助于實現碳減排目標。為評估中國碳交易機制對碳交易試點省市碳績效的政策影響效應和作用路徑，文章選取2005—2017年中國30個省份的面板數據進行分析。首先，采用SE-SBM模型測度各省市碳績效水平;然后，以碳交易試點省市為研究對象，采用合成控制法構建實驗組和控制組，評估碳交易機制對試點省市碳績效水平的影響效果，并進行有效性檢驗;最后，運用遞歸模型探究碳交易機制對碳績效水平的作用路徑。研究結果表明：①中國平均碳績效值在0.5左右，區域差異性顯著;部分省市呈現波動式上升趨勢，另一部分省市則呈現波動式下降趨勢。 ②碳交易機制有效提升了試點省市的碳績效水平。由于試點省市所處經濟發展階段不同，碳交易機制對碳績效的影響程度存在區域異質性。碳績效水平提升幅度由高到低依次為北京、天津、湖北和重慶。③能源結構、技術創新及產業結構是碳交易機制推動碳績效水平提升的三條主要路徑。基于此，文章提出以下建議：加快全國碳交易機制建設步伐，實現碳交易市場全覆蓋;充分考慮區域異質性，因地制宜設計碳交易機制;鼓勵技術創新，優化能源結構，推動產業轉型升級，促進綠色低碳經濟發展。

關鍵詞 碳交易機制;碳績效;合成控制法;作用路徑

中圖分類號 F062.2?? 文獻標識碼 A? 文章編號 1002-2104（2021）04-0051-11? DOI：10.12062/cpre.20201210

自2003年英國能源白皮書《我們能源的未來：創建低碳經濟》發布后，以“低能耗、低污染、低排放”為基礎的綠色低碳經濟迅速成為全球關注的熱點。在全球持續變暖、環境惡化的背景下，各國采取了一系列措施“補綠色短板”。能源驅動型的經濟發展模式促使中國迅速成為全球最大的碳排放國，環境問題已成為制約中國經濟可持續發展的關鍵影響因素。為實現到2030年碳排放強度比2005年下降60%～65%的國際承諾，中國付出了巨大努力，其中包括引入碳交易機制。碳交易機制通過市場經濟手段推動能源技術升級和產品升級，彌補行政命令式政策的局限性，進而實現碳減排目的。中國于2011年選取北京、天津、上海、深圳、湖北、廣東、重慶7個省市作為碳交易試點省市，并于2013年陸續啟動碳排放交易，成為規模僅次于歐盟碳交易體系的全球第二大碳交易市場。碳績效作為綠色低碳經濟發展的重要指標，反映了經濟增長與碳排放之間的關系。那么，中國碳交易機制能否提高試點省市的碳績效水平？碳交易機制對碳績效水平的作用路徑是什么？這些問題的回答對全面推行碳交易機制，促進綠色低碳經濟發展具有重要的理論和現實意義。

1 文獻綜述與理論分析

1.1 文獻綜述

1.1.1 碳績效測度與影響因素

碳績效是指人類在生產生活過程中引致的碳排放所帶來的相應效益，要求以最少的碳排放量換取最大的經濟效益和社會福利。對碳績效的研究多集中于測度及其影響因素分析。碳績效的測度經歷了從單個要素指標測度向全要素指標測度的轉變。單要素碳績效一般采用某一要素與碳排放量之間的比率表示，包括碳指數[1]、碳排放強度[2]及碳生產率[3]等。單要素碳績效評估指標僅反映了二氧化碳排放和經濟產出兩者的比例關系，而在實際的生產中，人口規模、能源消費等其他投入要素也對經濟產出造成影響[4]。隨著數據包絡分析（data envelopment analysis，DEA）的不斷發展，全要素思想被廣泛應用于碳績效測度領域。Faere等[5]提出把環境影響作為非期望產出加入傳統的DEA模型中;Zaim等[6]將污染排放納入DEA模型，對經濟合作與發展組織成員國的碳績效進行評價;藍虹和王柳元[7]運用SE-SBM模型測算了中國區域碳績效，并分析其驅動效用。碳績效的影響因素主要集中在對外開放、技術創新、環境規制等方面。李鍇和齊紹洲[8]通過對比貿易開放地區與相對封閉地區的碳績效差異，提出對外開放對碳績效起推動作用;謝波和李松月[9] 基于中國西部11個省份的數據，運用Tobit模型，分析了貿易開放、技術創新對碳績效的影響，結果表明技術創新促進碳績效的增長;丁旭輝等[10]通過門檻模型證實了環境規制在不同的門檻變量下對碳績效的影響程度不同，并提出實現環境規制碳減排效應最大化的對策建議。作者選取SE-SBM模型測度各省市碳績效水平，把碳排放量作為非期望產出，能夠較為全面真實地衡量碳績效水平。

1.1.2 碳交易機制對碳績效的政策效應評價研究

基于科斯產權定理的排污權交易方式是有效的環境規制手段，而碳交易機制來源于排污權交易。專家學者主要采用系統動力學、雙重差分法、雙重差分傾向得分匹配法和對比分析法等，衡量碳交易機制對碳績效的作用影響。如廖諾等[11]通過構建碳交易機制下電煤供應鏈全過程碳排放的系統動力學仿真模型，發現碳交易價格越高，對電煤供應鏈及各節點企業利潤的負面影響越大，且減排效果先增后減;劉勇和曾康佳[12]以工業行業為研究對象，認為碳交易機制實施給工業經濟帶來一定的負效應，但機制的碳減排效應顯著;路正南和羅雨森[13]采用雙重差分法（DID），實證分析了碳交易機制對碳排放量的抑制作用;宋德勇和夏天翔[14]基于雙重差分法（DID）驗證了碳交易機制對碳排放強度無顯著影響;周迪和劉弈淳[15]基于城市面板數據，運用雙重差分傾向得分匹配法（PSM-DID），得出碳交易機制對碳排放強度具有抑制作用的結論;余萍和劉紀顯[16]在碳交易機制減排效應基礎上，運用雙向固定效應模型，探究了碳交易市場規模的綠色和經濟增長效應，認為擴大碳交易市場規模有利于改善環境質量并促進經濟增長;王勇和趙晗[17]基于對比分析法，提出碳交易機制對碳排放效率具有促進作用。

考慮到系統動力學和對比分析法難以剔除其他因素的影響，雙重差分法在控制組選擇方面存在主觀隨意性，雙重差分傾向得分匹配法因為省份與年份的交錯而易導致匹配出現誤差，而合成控制法根據數據計算最優權重，可有效避免以上問題。作者采用合成控制法評估碳交易機制對試點省市全要素碳績效的影響效果，并進一步分析碳交易機制影響碳績效的作用路徑，為推廣普及碳交易機制、有效提升中國碳績效水平提供決策依據。

1.2 碳交易機制對碳績效影響的理論分析

碳交易機制的實施主要是運用市場化機制彌補行政命令式政策的局限性，避免出現政府失靈現象，實現綠色低碳經濟更好發展的目標。碳績效能夠反映碳排放和經濟發展的協調程度，這意味著碳交易機制可從降低碳排放量、提高經濟發展水平兩個層面來影響碳績效。在對相關文獻和國家政策進行梳理分析的基礎上，發現碳交易機制主要通過以下三條路徑影響試點省市碳績效水平，如圖1所示。

1.2.1 能源結構路徑

碳交易機制通過成本節約激勵機制推進能源消費結構優化。碳交易機制的確立，將碳排放量內化為企業的生產成本，導致推進能源結構優化的邊際報酬增加大于購買配額帶來的邊際成本增加[18]。碳交易機制為企業提供了降低成本的激勵，促使其調整生產模式，以降低碳排放量，減少因購買碳排放額缺口帶來的損失，或通過市場獲得碳排放額盈余的收益。為減少成本，電力、化工、建材等高耗能企業必然會尋求降低碳排放量的途徑，選用碳排放系數低的化石能源或“零碳”能源[19]。企業的選擇會推動地區能源消費結構的變化，由以高碳排放為特征的化石能源消費為主向以低碳排放為特征的清潔能源消費為主轉變，實現碳減排目的，進而提高碳績效水平。因此，作者認為能源結構優化是碳交易機制影響碳績效水平的關鍵路徑。

1.2.2 技術創新路徑

碳交易機制通過“信號-預期”機制誘發試點省市開展低碳技術創新活動。一方面，碳交易機制政策從出臺到實際運行存在一定的時間間隔，企業對政策的預期會影響其關于創新活動的決策[20]。另一方面，碳交易機制通過改變實際碳排放要素價格，鼓勵或倒逼企業重視、采用或研發綠色低碳技術。而技術創新對碳績效的正向促進作用已經得到專家學者的廣泛認可。研究表明，技術創新主要通過生產技術進步、能源利用技術進步和治污技術進步三個維度來推動碳績效水平提高。首先，生產技術進步通過提高生產效率間接提高碳績效水平;其次，能源利用技術進步直接提高能源利用效率進而推動碳績效水平的提升;最后，通過碳捕集、碳封存等技術進步，降低碳排放量，間接提升碳績效水平。因此，作者認為碳交易機制可通過誘發技術創新提升碳績效水平。

1.2.3 產業結構路徑

碳交易機制通過市場調節“倒逼”試點省市產業結構優化升級。碳交易機制充分發揮市場在碳排放權配置中的決定性作用，優化生產要素在產業間的分配方式和關聯關系。當碳排放額盈余收益大于低碳技術研發成本時，資本勢必向低碳產業領域流動，推動“高技術、高附加值和低碳排放”的戰略新興產業發展，加快淘汰鋼鐵等“高耗能、高污染、高排放”行業的落后產能，推動試點省市產業結構向清潔、低碳方向轉變。企業為追求利潤最大化，對其自身的要素結構、產品定位、產品結構等做出相應調整，從而在宏觀上驅動產業結構轉型升級[21]。同時，產業結構轉型升級是碳績效水平的重要影響因素。產業結構轉型升級推動了清潔低碳高新技術產業和現代服務業發展，降低了碳排放量，從而實現碳績效水平的提升;另一方面，產業結構轉型升級能夠實現資源的有效配置，促進區域經濟發展，進而提高碳績效水平。因此，作者認為產業結構轉型升級是碳交易機制提高碳績效水平的又一重要路徑。

2 研究方法

2.1 碳績效測算方法

當前關于碳績效評價問題多運用碳排放強度或DEA模型測度分析。然而，碳排放強度未考慮要素替代的影響，傳統DEA模型忽略了松弛變量等因素，導致其不能準確評價碳績效水平。SE-SBM（super-efficiency slacks-based measure）模型是由Tone等[22]在DEA模型基礎上提出的非徑向非角度模型，其在傳統DEA方法基礎上引入松弛變量，剔除了徑向角度帶來的偏差，同時克服了傳統模型效率最優值為1的缺陷。基于此，作者選取考慮非期望產出和松弛變量的SE-SBM模型，測度碳績效水平。

參照Tone等[22]提出的SBM（slack-based measure，SBM）模型的解決方法，非期望產出的SE-SBM模型為：

假定有n個決策單元，每個決策單元有m種投入（x），q1種期望產出（yg），q2種非期望產出（yb）。定義矩陣X=[x1，x2，…，xn]，Yg=[yg1，yg2，…，ygn

]，Yb=[yb1，yb2，…，ybn]，其中投入、期望與非期望產出x>0、yg>0、yb>0，生產集合表示為P=

（x，yg，yb）=|xXλ，ygYgλ，ybYbλ? 。

在非期望產出SE-SBM模型中，s為投入與產出的松弛向量，λ是權重向量，ρ是關于S-、Sb、Sg的目標函數，xij表示第j個決策單元的i項投入，yrj表示第j個決策單元的r項產出。當且僅當ρ值大于等于1時，該決策單元有效。否則，為無效決策單元，投入產出關系有待進一步改進。

2.2 碳交易機制對碳績效影響測度方法——合成控制法

2003年Abadie和Gardeazabal[23]提出了合成控制法評估政策效果，其基本思想是：根據已有的數據和目標單元構建一個“反事實”的對照單元，對比政策實施后的目標單元與對照單元的差別評估政策效果。作者把碳交易機制看成是政府實施的準自然實驗，將碳交易試點省市定義為實驗組，選擇其他未受到碳交易機制影響的省市為控制組，通過預測變量的數據處理確定控制組線性組合的最優權重，擬合出一個在碳交易機制實施前與實驗組主要特征相似的反事實合成控制省市，通過比較碳交易試點省市與合成控制省市在碳交易機制實施后的碳績效差異，評估碳交易機制的影響效果。

假設能夠收集到（K+1）個省份在t∈[1，T]期內的碳績效數據，其中第i個省市在T0（1≤T0≤T）實施了碳交易機制，為實驗組;其他K個省市均未實施碳交易機制，為控制組。CIit表示省市i在時間t受到碳交易機制影響的碳績效，CNit表示省市i在時間t未受到碳交易機制影響的碳績效。令ait=CIit-CNit表示碳交易機制對第i個省市在時間t所帶來的碳績效變化，Dit表示是否為碳交易試點省市的虛擬變量，若省市i在時間t實施了碳交易機制，則該變量為1，否則為0。那么，省市i在時間t的碳績效水平為

Cit=CNit+Ditait。對于控制組，整個時期內，Cit=CNit;對于實驗組，

ait=CIit-CNit=Cit-CNit。本研究目標為碳交易機制影響碳績效的變化值，即ait，CIit為已知的碳交易機制影響后的碳績效值，而CNit是無法觀測的。采用Abadie等[24]提出的因子模型來估計CNit。

CNit=δt+θtZi+λtμi+εit（2）

其中，δt是時間趨勢，Zi是可觀測到的（r×1）維的不受碳交易機制影響的控制變量，θ是（1×r）維未知參數向量，λt是無法觀測到的（1×F）維公共因子向量，

μi是不可預測的（F×1）維省市固定效應，εit是不能預測到的短期沖擊，均值為0。根據Abadie[24]等的證明，在一般條件下，如果政策前的時間段比碳交易機制實施后的時間段長，則可以用

∑K+1k=2w*kCkt作為CNit的無偏估計。其中，wk代表控制組省市對實驗組省市的合成控制貢獻率。最終得到碳交易機制影響效果a1t的估計值：

1t=C1t-∑K+1k=2w*kCkt，t∈[T0+1，…T]（3）

3? 碳績效測度分析

3.1 指標設計與數據來源

采用SE-SBM模型進行碳績效水平測度，選取資本、勞動力、能源為投入指標，GDP為期望產出指標，二氧化碳排放量為非期望產出指標。其中資本投入采用永續盤存法，借鑒單豪杰[25]的做法，在固定資產投資總額的基礎上，考慮資本存量的折舊，折舊率設定為10.96%。勞動力投入采用各省市年底從業人數總量表示，個別缺失數據用平滑指數法推算得出。能源投入采用折標后的能源消費總量表示。期望產出指標用地區GDP表示，以2000年為基期對數據進行平減處理，進而轉化為實際GDP，剔除物價變動的影響。非期望產出指標以二氧化碳排放量表示，采用碳排放系數法，利用各個省市能源消費量與碳排放系數進行估算。計算公式如下：

Ci=∑Eij×ηj i=1，2，3，…，30;j=1，2，3（4）

其中，Ci是i省市的碳排放量;ηj是第j種能源的碳排放系數;Eij是第i省第j種能源的消費量，當前主要耗能為煤炭、石油、天然氣等。

選取2005—2017年中國30個省份為研究樣本，由于數據可得性等原因，研究不包括港澳臺和西藏。固定資產投資總額數據來自《中國固定資產投資統計年鑒》，年底從業人數、GDP數據來自《中國統計年鑒》，能源消費量數據來自《中國能源統計年鑒》。

3.2 結果分析

利用MAXDEA7.0軟件對中國30個省份2005—2017年的碳績效進行測算，采用非期望產出模型，計算結果見表1。

根據測度結果可知，中國碳績效平均值在0.5左右，區域差異顯著。其中，北京、天津、河北、上海、江蘇、浙江、福建、江西、山東、湖北、湖南、廣東、重慶、四川、陜西、青海等16個省份呈現波動式上升趨勢;山西、內蒙古、遼寧、吉林、黑龍江、安徽、河南、廣西、海南、貴州、云南、甘肅、寧夏、新疆等14個省份呈現波動式下降趨勢。這與其經濟發展階段、能源稟賦、對外開放度、產業結構等相關。截至2017年，北京、上海、江蘇、廣東、天津、福建、青海等7個省市碳績效值大于1，其中北京、上海、廣東和天津是碳交易試點省市。

為進一步分析碳交易試點省市的碳績效水平變化趨勢，繪制北京、天津、上海、湖北、廣東（含深圳）、重慶等試點省市碳績效水平變化趨勢圖。如圖2所示，6個試點省市的碳績效水平存在顯著差異，整體呈現上升趨勢。其中，北京和重慶碳績效水平呈現穩步增長態勢，重慶碳績效水平一直低于其他試點省市;天津、上海和湖北碳績效水平呈現波動式上升趨勢;廣東省一直處于全國碳績效水平的前沿位置，其碳績效值圍繞“1”上下波動;在2013年前，碳績效水平上升幅度較為平緩;2013年后，上升速度明顯加快，這在一定程度上反映了碳交易機制對碳績效水平的提升作用。

僅根據碳績效水平的走勢變化難以有力證明碳交易機制對碳績效水平的促進作用，且其影響程度難以量化。

因此，基于合成控制法構建政策評估模型來衡量碳交易機制對各個試點省市碳績效水平的影響效果。

4 碳交易機制對碳績效的影響效果評估

4.1 指標選取與數據來源

通過對碳績效相關研究成果的梳理發現，碳績效與經濟發展水平、服務業發展水平、能源強度、貿易開放度、人口密度及城鎮化水平等指標具有顯著關聯關系。為此，選取以上指標作為合成控制法的預測變量。具體變量說明和指標設計如表2所示。選取碳績效水平作為目標變量。除深圳市外，試點地區都為省或直轄市，因此，為了統一研究范疇，將深圳市合并到廣東省。將碳交易試點省市北京、天津、上海、湖北、廣東和重慶，作為實驗組，選取其余非試點省份作為控制組。相關數據均由《中國統計年鑒》《中國能源統計年鑒》和各省市統計年鑒整理所得。

4.2 結果分析

針對碳交易試點省市，采用2005—2013年的預測變量擬合反事實合成控制省市。通過合成控制法的數據處理，得到構成實驗組省市的權重向量。其中，合成北京由江蘇（0.544）、貴州（0.398）和青海（0.058）構成;合成天津由浙江（0.627）、江蘇（0.185）、福建（0.181）和青海（0.007）構成;合成湖北由江蘇（0.462）、湖南（0.398）和貴州（0.140）構成;合成重慶由貴州（0.711）、江蘇（0.228）和青海（0.061）構成。由此形成了2005—2017年。試點省市真實碳績效值和控制組權重擬合出的合成碳績效值，具體擬合效果及走勢如圖3所示。實線表示實驗組真實碳績效值，虛線表示合成實驗組碳績效值，垂直虛線表示碳交易機制實施的年份，即2013年。

如圖3所示，北京在碳交易機制實施前，實線與虛線基本重合，碳績效差值較小，擬合效果好。真實北京的碳績效值于2010年已經高于合成北京，原因在于北京市作為國家政治中心，能夠更早地接收相關信息，借助其區位優勢開展相關調整。而碳交易機制實施后，北京的真實碳績效值始終大于其合成碳績效值，且真實北京與合成北京的碳績效差值逐年增大，說明碳交易機制顯著促進了北京碳績效水平的提高。

天津在碳交易機制實施前實線與虛線重合度高，擬合效果好。碳交易機制實施后，實線與虛線分離，真實天津與合成天津的差值增大，這主要歸功于碳交易機制的影響，說明碳交易機制對天津的碳績效增長具有正向效應。2013年真實天津的碳績效值略低于合成天津，可能是因為天津市為中國典型的重工業城市，碳交易機制實施難度較大，存在一定的反應時間，導致政策機制有一定滯后性。從2014—2017年，真實天津與合成天津之間的碳績效差值呈現波動式增加的趨勢，說明碳交易機制的實施促進了天津市碳績效水平的提升。

湖北在碳交易機制實施前實線和虛線具有較高的重合度，表明碳交易機制實施前真實湖北與合成湖北沒有顯著差異。碳交易機制實施前，湖北的碳績效水平呈波動式增長;碳交易機制實施后，湖北的碳績效水平呈現明顯提升趨勢，實線與虛線分離，且實線高于虛線，說明真實湖北的碳績效增長速度高于合成湖北的增長速度，碳交易機制有效提升了湖北的碳績效水平。

重慶在碳交易機制實施前實線和虛線同樣具有較高的重合度，擬合效果理想，能夠較好地反映碳交易機制實施后的效果。2013年前，重慶碳績效水平提升速度較為緩慢。碳交易機制實施后，重慶碳績效水平的增長速度有所提升，真實重慶的碳績效值大于合成重慶，而該碳績效差值逐年增大，這表明碳交易機制的實施加快了重慶碳績效水平的提升。

上海和廣東在碳交易機制實施前虛線和實線差距較大，擬合效果不理想。主要原因在于上海和廣東分別是長三角、珠三角的核心，其經濟發展水平、對外開放度、城鎮化水平等均居全國前列，其碳績效同樣處于全國前沿水平（表1），難以用其他省市的數據進行擬合。而擬合結果側面顯示，真實上海和真實廣東的碳績效水平均高于合成上海和合成廣東，這也表明碳交易機制的實施對上海和廣東的碳績效水平具有提升作用。

對比分析碳交易機制的作用效果發現，碳交易機制對試點省市碳績效水平的影響效果存在區域異質性。其中，碳交易機制對北京碳績效水平的影響效果最大，其次為天津、湖北和重慶，這可能是由經濟發展水平、能源稟賦、對外開放度、產業結構等存在差異所致。

4.3 有效性檢驗

研究結果顯示，碳交易試點省市的真實碳績效值高于反事實合成省市的碳績效值，說明碳交易機制對試點省市的碳績效水平具有正向促進作用。為進一步檢驗評估效果在統計意義上是否顯著，借鑒Abadie等提出的安慰劑檢驗對研究結果進行有效性檢驗。安慰劑檢驗能夠有效判斷導致真實省市與合成省市存在差值的原因是碳交易機制還是其他偶然因素。

安慰劑檢驗的基本思路是：對控制組的所有省市，分

別假定其與實驗組省市在相同的年份實施了相同的碳交易機制，然后分別運用合成控制法對其做同樣的擬合，如果得到所有控制組省市的碳績效差值（GAP值）均小于試點省市的GAP值，表明碳交易機制對實驗組省市碳績效水平促進作用的結果有效;反之，則表明分析結果無效。基于以上思路，對控制組省市進行了反事實擬合分析。碳交易機制實施前的GAP值過大，擬合效果不好，不能驗證其有效性，因此刪除大于政策實施前北京、天津、湖北和重慶2倍MSPE值（平均預測誤差，實際碳績效與其合成碳績效平方差的均值）的省市，最后檢驗結果如圖4所示。其中，黑色曲線代表試點省市GAP值，其他顏色曲線代表符合條件的控制組省市GAP值。北京、天津、湖北和重慶的碳交易機制影響效果均大于其他非試點省市，表明控制組要得到與實驗組相同的效果是小概率事件，從統計學意義上證明了碳交易機制對碳績效水平的促進作用是顯著且有效的。

5 碳交易機制影響碳績效的作用路徑

碳交易機制對試點省市的碳績效水平具有顯著提升作用，那么碳交易機制如何提升碳績效水平？由理論分析部分可知，碳交易機制可以通過能源結構、技術創新、產業結構三條路徑影響碳績效水平。為了識別影響路徑是否存在，通過實證予以檢驗。

5.1 模型設定

借鑒Hayes[35]檢驗中介效應的方法，構建遞歸方程進行檢驗：

PHit=αit+β1treatit+δcontrolit+εit（5）

Mit=αit+λtreatit+φcontrolit+εit（6）

PHit=αit+β2treatit+θMit+θcontrolit+εit（7）

其中，PHit表示碳績效水平;treatit為碳交易機制虛擬變量，是試點省市虛擬變量和碳交易機制實施時間虛擬變量的乘積，若省份i在時期t已經實施碳交易機制，則該變量為1，否則為0。Mit代表中介變量，包括能源結構、技術創新和產業結構。為了便于分析，能源結構用非煤能源消費量占能源消費總量的比重衡量，數據來源于《中國能源統計年鑒》;技術創新用專利申請量衡量，數據來源于《中國統計年鑒》;產業結構用第三產業增加值與第二產業增加值之比衡量，數據來源于《中國統計年鑒》。controlit代表控制變量，包括貿易開放度、人口密度和城鎮化水平，具體變量指標在表2中進行了詳細說明。

首先對模型（5）進行估算，檢驗碳交易機制對碳績效是否起作用，若β1顯著為正，說明碳交易機制確實對碳績效起到正向促進作用;再對模型（6）進行估算，考察碳交易機制與中介變量之間的關系，若

λ顯著為正，說明碳交易機制對中介變量有促進作用，若λ為負，則說明碳交易機制對中介變量起抑制作用;最后對模型（7）進行估計，在λ和θ都為正的情況下，中介變量對碳績效起到促進作用，此時若β2小于β1，說明碳交易機制通過中介變量進而影響了碳績效水平，正向中介效應存在;若λ和θ為負、并且β2大于β1，則說明負向中介效應存在。

5.2 結果分析

運用Stata軟件，通過Hausman檢驗，選擇固定效應模型對參數進行估計，得到檢驗結果如表3所示。

5.2.1 碳交易機制對碳績效的影響檢驗

模型1是基于公式（5）的基準回歸模型，檢驗碳交易機制虛擬變量對碳績效水平的作用影響。回歸結果顯示，β1為正（0.678）且顯著，表明碳交易機制的實施對試點省市碳績效水平的提升具有正向促進作用，與前文合成控制法所得結論一致。

5.2.2 能源結構的中介效應檢驗

模型2和模型3檢驗的是能源結構的中介效應。模型2是根據公式（6）進行的碳交易機制對能源結構的作用影響檢驗。結果顯示，λ為正（0.291）且顯著，表明碳交易機制對能源結構（非煤能源占比）調整具有顯著促進作用。模型3是根據公式（7）進行的能源結構、碳交易機制對碳績效水平的作用影響檢驗，與基準回歸模型的系數進行對比，進而確定中介效應的存在性。在模型3中同時引入能源結構變量和碳交易機制虛擬變量后，得到碳交易機制虛擬變量的評估系數β2為0.483，且顯著，相比基準模型的0.678降低了0.195，同時能源結構的系數估計值為正（0.271）且顯著，滿足λ和θ都為正且β2小于β1的條件，說明能源結構正向中介效應存在。碳交易機制通過優化能源結構提升了試點省市的碳績效水平，即能源結構是碳交易機制促進碳績效水平提升的關鍵路徑。

5.2.3 技術創新的中介效應檢驗

模型4和模型5檢驗的是技術創新的中介效應。模型4是根據公式（6）進行的碳交易機制對技術創新的作用影響檢驗。結果顯示，λ為正（0.284）且顯著，表明碳交易機制促進了試點省市的技術創新水平。模型5是根據公式（7）進行的技術創新、碳交易機制對碳績效水平的作用影響檢驗。同時引入技術創新變量和碳交易機制虛擬變量后，碳交易機制虛擬變量的評估系數β2為0.506且顯著，相比基準模型的0.678降低了0.172，而技術創新對碳績效的影響系數為正（0.196）且顯著，滿足λ和θ都為正且β2小于β1的條件，說明技術創新正向中介效應存在。碳交易機制的推行有效提升了試點省市的技術創新水平，從而通過技術創新這一中介變量提高了試點省市的碳績效水平。

5.2.4 產業結構的中介效應檢驗

模型6和模型7檢驗的是產業結構的中介效應。模型6是根據公式（6）進行的碳交易機制對產業結構的作用影響檢驗。結果顯示，λ為正（0.258）且顯著，表明碳交易機制對產業結構轉型升級起顯著推動作用。模型7是根據公式（7）進行的產業結構、碳交易機制對碳績效水平的作用影響檢驗，同時引入產業結構變量和碳交易機制虛擬變量后，碳交易機制虛擬變量的評估系數β2為0.629且顯著，略微小于基準情形β1（0.678），同時產業結構的系數估計值為正（0.134）且顯著，滿足λ和θ都為正且β2小于β1的條件，說明整體上產業結構正向中介效應存在。碳交易機制通過產業結構轉型升級提升了試點省市的碳績效水平，即產業結構轉型升級是碳交易機制促進碳績效水平提升的有效路徑。

5.2.5 能源結構、技術創新、產業結構的中介效應檢驗

模型8同時引入了能源結構、技術創新和產業結構三個中介變量以及碳交易機制虛擬變量。回歸結果顯示，能源結構、技術創新和產業結構的回歸系數顯著為正（分別為0.236、0.186和0.126），碳交易機制虛擬變量的回歸系數β2顯著為正（0.420），相比基準情形β1（0.678）降低了0.258，說明碳交易機制能夠有效提升試點省市的碳績效水平，而優化能源結構、促進技術創新以及推進產業結構轉型升級是碳交易機制提高碳績效水平的作用路徑。碳交易機制虛擬變量的系數仍然顯著為正，表明仍有其他影響機制尚待進一步挖掘和研究。

6 結論與政策建議

在綠色低碳經濟迅速發展的背景和趨勢下，碳交易機制作為應對環境問題的重要工具，肩負著節能減排、環境治理、保障社會可持續發展的重要使命。研究碳交易機制對碳績效的影響效果及作用機理，更能準確地衡量碳交易機制的有效性，為進一步完善碳交易機制、提升碳績效水平提供決策依據。文章選取2005—2017年中國30個省份的面板數據，基于SE-SBM模型測度其碳績效水平，并以碳交易試點省市作為研究對象，采用合成控制法構建碳交易機制的準自然實驗，評估碳交易機制對試點省市碳績效水平的影響效應，進一步運用遞歸模型檢驗碳交易機制對碳績效水平的作用路徑。研究結果表明：① 中國平均碳績效值在0.5左右，區域差異性顯著。其中，16個省份呈現波動式上升趨勢，14個省份則呈現波動式下降趨勢。② 碳交易機制有效提升了試點省市的碳績效水平，其提升效果呈現區域異質性。碳交易機制對北京碳績效水平的影響效果最大，其次為天津、湖北和重慶。上海和廣東碳交易機制實施前虛線和實線差距較大，擬合效果不理想，主要原因在于其經濟發展水平、對外開放度、城鎮化水

平均居全國前列，難以用其他省市擬合。③能源結構、技術創新及產業結構是碳交易機制推動碳績效水平提升的三條主要路徑，均存在正向中介效應。

基于以上結論，提出如下政策建議。第一，加快全國碳交易機制建設步伐，實現碳交易市場全覆蓋。加快建設覆蓋所有省市、所有行業的碳交易市場，充分發揮碳交易機制對碳績效水平的提升作用，推動中國綠色低碳經濟發展。第二，充分考慮區域異質性，因地制宜設計碳交易機制[36]。中國區域跨度大，不同省市經濟發展水平、能源稟賦、人口密度、貿易開放程度均存在差異，在設計、推廣碳交易機制過程中應充分考慮區域異質性，避免“一刀切”，保證政策的靈活性以及實施效果最大化，提高碳績效水平。第三，政府應優化能源結構，鼓勵技術創新，推動產業轉型升級。由碳交易機制影響碳績效的路徑分析可知，增加非煤能源消費比重，提升自主創新能力，提高第三產業占比對提升碳績效水平具有正向促進作用。因此，政府應推動新能源發展，通過增加研發投入，培育以綠色高科技為基礎的戰略性新興產業等措施提升碳績效水平。

參考文獻：

[1]MIELNIK O， GOLDEMBERG J.Communication the evolution of the ‘Carbonization Index in developing countries[J].Energy policy，1999 （27）：307-308.

[2]SUN J W. Is the energy intensity a less useful indicator than the carbon factor in the study of climate change？ [J].Energy policy，2005，33（8）：975-978.

[3]何建坤，蘇明山.應對全球氣候變化下的碳生產率分析[J].中國軟科學，2009（10）：42-47，147.

[4]HU J L， WANG S C. Total-factor energy efficiency of regions in China[J]. Energy policy，2006，34（17）：3206-3217.

[5]FAERE R， GROSSKOPF S， LOVELL C A K， et al. Multilateral productivity comparisons when some outputs are undesirable： a nonparametric approach[J]. Reviews of economics & statistics，1989，71（1）：90-98.

[6]ZAIM O， TASKIN F. Environmental efficiency in carbon dioxide emissions in the OECD：a non-paramentric approach[J]. Journal of environmental management，2000，58（2）：95-107.

[7]藍虹，王柳元.綠色發展下的區域碳績效及環境規制的門檻效應研究：基于SE-SBM與雙門檻面板模型[J].軟科學，2019，33（8）：73-77，97.

[8]李鍇，齊紹洲.貿易開放、自選擇與中國區域碳績效差距：基于傾向得分匹配模型的“反事實”分析[J].財貿研究，2018，29（1）：50-65，110.

[9]謝波，李松月.貿易開放、技術創新對我國西部制造業碳績效影響研究[J].科技管理研究，2018，38（9）：84-90.

[10]丁緒輝，張紫璇，吳鳳平.雙控行動下環境規制對區域碳績效的門檻效應研究[J].華東經濟管理，2019，33（7）：44-51.

[11]廖諾，趙亞莉，賀勇，等.碳交易政策對電煤供應鏈利潤及碳排放量影響的仿真分析[J].中國管理科學，2018，26（8）：154-163.

[12]劉勇，曾康佳.中國工業碳排放交易政策影響研究[J].中國科技論壇，2018（9）：156-165.

[13]路正南，羅雨森.中國碳交易政策的減排有效性分析：雙重差分法的應用與檢驗[J].干旱區資源與環境，2020，34（4）：1-7.

[14]宋德勇，夏天翔.中國碳交易試點政策績效評估[J].統計與決策，2019，35（11）：157-160.

[15]周迪，劉奕淳.中國碳交易試點政策對城市碳績效的影響及機制[J].中國環境科學，2020，40（1）：453-464.

[16]余萍，劉紀顯.碳交易市場規模的綠色和經濟增長效應研究[J].中國軟科學，2020（4）：46-55.

[17]王勇，趙晗.中國碳交易市場啟動對地區碳排放效率的影響[J].中國人口·資源與環境，2019，29（1）：50-58.

[18]任亞運，傅京燕.碳交易的減排及綠色發展效應研究[J].中國人口·資源與環境，2019，29（5）：11-20.

[19]查建平，唐方方，別念民.結構性調整能否改善碳排放績效：來自中國省級面板數據的證據[J].數量經濟技術經濟研究，2012，29（11）：18-33.

[20]王為東，王冬，盧娜.中國碳排放權交易促進低碳技術創新機制的研究[J].中國人口·資源與環境，2020，30（2）：41-48.

[21]譚靜，張建華.碳交易機制倒逼產業結構升級了嗎：基于合成控制法的分析[J].經濟與管理研究，2018，39（12）：104-119.

[22]TONE K， SAHOO B K. Degree of scale economics and congestion： a unified DEA approach[J].European journal of operational research，2004，158（3）：755-772.

[23] ABADIE A， GARDEAZABAL J. The economic costs of conflict： a case study of the Basque country [J]. The American economic review， 2003，93（1）：113-132.

[24]ABADIE A， DIAMOND A， HAINMUELLER J. Synthetic control methods for comparative case studies： estimating the effect of Californials tobacco control progarm [J].Journal of the American Statistical Association，2010，105（490）：493-505.

[25]單豪杰.中國資本存量K的再估算：1952—2006年[J].數量經濟技術經濟研究，2008，25（10）：17-31.

[26]王惠，王樹喬.中國工業CO2排放績效的動態演化與空間外溢效應[J].中國人口·資源與環境，2015，25（9）：29-36.

[27]周迪，周豐年，王雪芹.低碳試點政策對城市碳排放績效的影響評估及機制分析[J].資源科學，2019，41（3）：546-556.

[28]杜慧濱，李娜，王洋洋，等.我國區域碳排放績效差異及其影響因素分析：基于空間經濟學視角[J].天津大學學報（社會科學版），2013，15（5）：411-416.

[29]曹珂，屈小娥.中國區域碳排放績效評估及減碳潛力研究[J].中國人口·資源與環境，2014，24（8）：24-32.

[30]王群偉，周鵬，周德群.我國二氧化碳排放績效的動態變化、區域差異及影響因素[J].中國工業經濟，2010（1）：45-54.

[31]袁鵬.基于物質平衡原則的中國工業碳排放績效分析[J].中國人口·資源與環境，2015，25（4）：9-20.

[32]周杰琦，韓穎，張瑩.自主研發、產業結構變遷與中國碳排放績效[J].科技進步與對策，2016，33（4）：61-69.

[33]胡劍波，高鵬，左鵬飛.中國碳排放福利績效區域差異及其貢獻度研究[J].經濟問題，2018（11）：54-60.

[34]鄧榮榮，詹晶.低碳試點促進了試點城市的碳減排績效嗎：基于雙重差分方法的實證[J].系統工程，2017，35（11）：68-73.

[35]HAYES A F. Beyond Baron and Kenny： statistical mediation analysis in the new millennium[J]. Communication monographs，2009，76（4）：408-420.

[36]趙昕，丁貝德.中國碳金融市場價格跳躍擴散效應及風險研究[J]. 山東財經大學學報，2019，31（2）：19-30.

Impact of carbon emission trading mechanism on carbon

performance based on synthetic control method

YU Xiangyu1 CHEN Huiying1? LI Yue2

（1. College of Economics and Management， Shandong University of Science and

Technology， Qingdao Shandong 266590， China; 2.Coal Economy Academy， Shandong

Technology and Business University， Yantai Shandong 264005， China）

Abstract China is a major carbon emitter， and environmental issues have become a key factor restricting the sustainable economic development. As one of the measures to promote green and low-carbon economic development， the establishment of a carbon emission trading mechanism can make up for the limitations of policies in the form of administrative directives through market economic means and achieve carbon emission reduction targets. In order to evaluate the policy impact and path of carbon emission trading mechanism on carbon performance of carbon trading pilot provinces in China， this paper selected the panel data of 30 provinces in China from 2005 to 2017 for analysis. This study first used the SE-SBM model to measure the carbon performance level of each province， and then， taking carbon trading pilot provinces as research objects， the synthetic control method was used to construct the experimental group and the control group， to evaluate the impact of the carbon emission trading mechanism on the carbon emission performance level of the pilot provinces， and to conduct effectiveness tests. Finally， the recursive model was used to explore the effect path of carbon emission trading mechanism on carbon performance level. The research showed that： ① The average carbon performance value of China was around 0.5， with significant regional differences. Some provinces showed a volatile upward trend， while others showed a volatile downward trend. ② The carbon emission trading mechanism effectively improved the carbon performance level of the pilot provinces. Due to the different stages of economic development of the pilot provinces and cities， the impact of the carbon emission trading mechanism on carbon performance was regionally heterogeneous. The increase in carbon performance level was Beijing， Tianjin， Hubei and Chongqing in descending order. ③ The carbon emission trading mechanism promoted the improvement of carbon performance through three paths： energy structure， technological innovation and industrial structure. Based on this， this article proposes the following suggestions： the construction of a national carbon emission trading mechanism should be accelerated in order to achieve full coverage of the carbon emission trading market; regional heterogeneity should be fully considered; the design of carbon emission trading mechanisms should ‘suit the variety of local conditions; technological innovation should be encouraged， and the energy structure be optimized; and industrial transformation and upgrading should be promoted for the development of a green and low-carbon economy.

Key words carbon emission trading mechanism; carbon performance; synthetic control method; action path

（責任編輯：劉照勝）

收稿日期：2020-09-28? 修回日期：2020-12-20

作者簡介：于向宇，博士生，主要研究方向為綠色經濟與管理。E-mail：yuxiangyu0413@163.com。

通信作者：陳會英，博士，教授，主要研究方向為綠色技術創新。E-mail： chenhuiying65@163.com。

基金項目：國家自然科學基金項目“我國可再生能源配額跨省份協同管理機制研究”（批準號：71804097）;泰山學者工程專項經費資助（批準號：tsqn201909149）;山東省社會科學規劃研究專項“山東省新能源高質量發展的評價標準、實施路徑和戰略舉措研究”（批準號：20CCXJ15）。