基于斷點回歸法分析廣東省碳交易試點政策對碳強度的影響

劉鴻雁，潘晗鈺

（華北電力大學 經濟管理系，河北 保定 071003）

0 引言

碳排放權交易體系（Emission trading system，ETS）被認為是目前最有效的減少碳排放的環境政策[1]。我國ETS建設起步于地方碳交易試點政策。2011年，北京、天津、上海、重慶、湖北、廣東及深圳7個省市開展了碳交易試點工作。2013年，這7個省市先后正式啟動碳市場。地方碳市場取得的階段性成果，為全國碳市場的啟動和建設積累了寶貴的經驗[2]。

經過第一個履約周期的建設和運行，全國碳市場已經建立起基本的框架制度。與歐盟碳市場相比，我國碳市場尚處于發展初期，市場活躍程度和市場成熟程度有待進一步提升[3]。地方碳市場的成功經驗可以為全國碳市場體系的完善提供參考，所以研究地方碳市場的成功經驗具有重要意義。

截至2021年，北京、天津、上海、廣東和深圳5個試點地區完成了8次履約，湖北和重慶地區完成了7次履約。由于7個試點省市的碳排放權交易方案和市場規則由各省市政府單獨設計和制定，所以交易存在顯著的異質性，不同省市的政策效果也有所不同[4]。

在7個試點省市中，廣東省碳排放配額總量位居首位，交易量為湖北省的2倍，累計成交金額連續7年位居第一。另外，廣東省是全國首個進行有償配額的省份，其碳市場流動性最大[5]。

廣東省碳試點的覆蓋范圍從實施起就包括了電力、鋼鐵、石化和水泥4個行業。電力行業碳排放量占廣東省碳試點總碳排放量的一半以上，受政策監管最為嚴格[6]。

廣東省碳市場與全國碳市場相似度高。深入研究廣東省碳市場成功經驗對全國碳市場建設具有重要意義。

在評估碳交易政策對減少碳排放的效應方面，目前的主流方法包括斷點回歸法、雙重差分法（Difference in differences，DID）、三重差分法（Difference in differences in differences，DDD）、傾向得分匹配–雙重差分法（Propensity score matching-difference in differences，PSM-DID）和合成控制法（Synthetic control method，SCM），其中后4種算法已廣泛運用于評估碳交易試點政策的實施效果。

DID是政策效應評估的經典方法，其在理論上較為成熟。文獻[7]利用2014—2016年我國省級面板數據研究發現，碳交易政策可以有效減少碳排放。文獻[8]針對我國省級面板數據，使用DID研究，發現碳試點可以促進低碳發展。文獻[9]采用連續型DID并結合相關算法，研究發現試點政策可使試點地區碳排放強度降低9.5%。

考慮DID在控制組的選擇上具有主觀性，可能造成結果的偏差，所以部分學者采用PSM-DID方法選擇最合適的控制組。文獻[10]基于省級面板數據，采用DID和PSM-DID方法評估了碳交易政策對碳排放和碳強度的影響。文獻[11]基于我國102個主要城市的城市級數據，研究發現碳交易政策可以有效減少試點城市的碳排放，特別是對于北京、上海、深圳和廣州等城市。

近來一些文獻通過研究發現，DDD可以解決DID中平行趨勢難以滿足的問題。文獻[12]采用DDD研究碳排放交易政策的影響，并發現 SCM適用于實驗組樣本量較小的情況。文獻[13]運用合成控制法分析了試點ETS對試點地區碳減排的影響，發現我國碳交易試點政策具有顯著的碳減排效果。

以上政策評估方法各具特點。

DID方法要求實驗組和控制組有平行趨勢；在控制組的選擇上具有主觀性；由于對控制組中的個體分配了相同的權重，所以其結果存在選擇偏差并且不穩健[14]。雖然PSM-DID具有消除控制組和實驗組特征上的系統性差異的優勢，但可能因混合數據的個體–時間交錯而使這一優勢消失[15]20。

DDD的應用條件較為苛刻——需要至少找到2個合適的控制組樣本[15]20。

合成控制法適用于實驗組樣本量較小的情況，且其要求分配的權重在[0，1]區間。如果實驗組特征與控制組特征差異較大，則難以找到合適的權重[16]。

相比于以上這幾種方法，斷點回歸法（Regression discontinuity design，RDD或RD）是因果推斷框架中最可信和最可靠的非實驗策略之一。使用RD可有效避免參數估計的內生性，可識別真實的因果關系[17]。RD依賴于較弱、更易于解釋的非參數識別假設，可靈活、穩健地估計和推斷局部均值處理效果[18]。此外，RD實現的假設相對更容易被檢驗，所以其被認為是最接近隨機實驗的方法，也是當前因果識別中優先選擇的方法。

目前，關于試點ETS減排機制的研究相對較少。文獻[19]研究發現，通過 ETS試點刺激企業升級綠色技術和鼓勵企業轉移污染可減少污染。文獻[20]發現 ETS通過減少產出來減少碳排放。文獻[21]基于北京和上海的服務業數據研究了ETS試點對碳排放的影響機制。文獻[22]使用PSM-DID和LMDI方法探索了工業和交通部門的影響機制。文獻[23]聚焦產業板塊，研究結論認為我國碳交易試點通過提高減排效率和調整產業結構發揮作用。總體而言，對我國ETS試點影響機制的研究仍然缺乏。

目前相關文獻所使用的數據大多為省級或市級數據，尚未見使用縣級數據開展的相關研究工作。

鑒于此，本文采用 RD研究廣東省碳排放權交易政策的效果及作用機制；探索碳排放系數、電能消費占比和電能強度對廣東省碳強度的影響途徑或機制；結合縣級數據開展研究，使該領域的研究更加全面。

1 斷點回歸模型

1.1 斷點回歸設計

斷點回歸設計可以分為精確斷點回歸和模糊斷點回歸，其核心思想是：個體是否受到處理完全取決于某個連續的驅動變量。如果被解釋變量在驅動變量的臨界值附近出現明顯跳躍，則說明存在處理效應。

本文采用地理斷點，以各縣到廣東省省界的距離作為驅動變量。各縣是否實施碳交易試點政策完全取決于其在驅動變量臨界值的哪一側。廣東省內各縣均實施碳交易試點政策，而其外非試點省市各縣均不實施政策。所以，本文選用精確斷點回歸估計碳交易試點政策對廣東省碳強度的影響。精確斷點回歸的基本模型如下：

式中：i代表各縣；被解釋變量Ci為i的碳強度；模型的核心解釋變量Ti為虛擬變量，Ti=1表示該縣實施碳交易試點政策，反之Ti=0；Di為各縣到廣東省省界的最短距離；g(Di)為變量Di的多項式函數；a為常數項；εi為隨機誤差項，且假設為獨立同分布；Xi為協變量，包括其他影響碳強度的因素。

根據文獻[24]，樣本量有限的RD設計應該選擇局部線性多項式或局部二次多項式來估計結果，所以g(Di)可能包括變量的線性項和二次項。

模型中，Ti的系數b代表了政策在斷點處的邊際影響，即ETS的實施帶來的碳強度變化。系數b捕捉了碳交易試點政策對廣東省碳強度影響的凈效應：當b顯著為負時，說明碳交易試點政策顯著降低了廣東省的碳強度；當b顯著為正時，說明碳交易試點政策顯著提高了廣東省的碳強度；當b不顯著時，說明碳交易試點政策對廣東省的碳強度影響效果不明顯。

1.2 變量選取與數據來源

以廣東省作為研究對象。廣東省于2013年12月19日正式啟動碳排放權交易政策。按參考文獻[25]劃分方法，選擇2014年作為政策實施分界線。由于最新的縣級碳排放數據更新到2017年，且2017年后，試點ETS的建設與國家碳市場并行運行，因此2017年后廣東省碳試點政策產生的影響可能無法清晰識別[26]，所以：考慮到數據的可用性和連續性，選擇2014—2017年的數據進行研究。為了避免其他試點省市數據的干擾，本文研究對象為廣東省與其他非試點省市（即北京、天津、上海、重慶、湖北與福建以外的24個省市）。由于深圳市屬于一個獨立的試點市，所以不包含深圳市數據。研究的對象數據涵蓋了1 878個縣；每個縣的碳排放量數據來自中國碳核算數據庫（CEADs），其他數據來源于EPS數據庫和各省市的統計年鑒。

（1）被解釋變量

碳強度：即單位GDP的二氧化碳排放量。

（2）驅動變量

驅動變量為縣區到廣東省省界的距離Di。

本文將廣東省省界作為地理分界線。各縣到廣東省省界的距離，通過ArcGIS軟件測算各縣質心到廣東省省界的最短距離得到。廣東省內各縣為實驗組，距離取值為正；廣東省外各縣為控制組，距離取值為負。

（3）核心解釋變量

核心解釋變量為虛擬變量Ti。

在廣東省（不包含深圳市）與其他非試點省市中，如果某縣實施了碳交易試點政策，則Ti取值為 1；反之為 0。由于將廣東省省界作為地理分界線，所以即為廣東省內各縣Ti值取1，反之為0。即：

（4）協變量

RD可以看作是局部隨機試驗，所以是否在回歸中包含了協變量并不影響斷點回歸估計量的一致性。原則上，協變量在短期內不受處理效果影響，但對被解釋變量有一定解釋力度。控制協變量可以進一步提高估計的一致性和穩健性[27]。

協變量的連續性是控制協變量斷點回歸的一個前提假設條件。

本文參照了IPAT模型選取協變量，其表達式如下：

式中：I代表環境壓力；P代表人口；A代表富裕程度；T代表技術水平。

鑒于相關研究發現產業結構顯著影響碳強度[28]，所以本文將其考慮在內。

因此，如表1所示，本文選擇了4個協變量：人口、富裕程度、技術創新和產業結構。人口，以各縣的戶籍人口數來表示；富裕程度，以每個縣的人均GDP來衡量；研發強度，即R&D內部經費支出占 GDP的比重，用于表示技術創新[29]（由于缺乏縣級層面的技術數據，以各市R&D內部經費支出占GDP的比重代替其下各縣數據）。

表1 變量的基本解釋Tab. 1 Basic explanation of variables

為保證數據的平穩性、削弱多重共線性和異方差性[30]，除距離外的所有變量均采用對數形式。

1.3 描述性統計

表2示出了在斷點任一側帶寬為1的2個子樣本（處理組和控制組）的描述性統計數據。由表2可以看到，變量分布在合理的范圍內，保證了數據的可靠性。由于控制組部分縣市缺乏技術創新數據，所以樣本量略小。

表2 各變量的描述性統計分析Tab. 2 Descriptive statistics analysis for each variable

2 政策效應計算結果及分析

2.1 斷點圖分析

驅動變量與碳強度的關系見圖1。圖1直觀展示出：碳強度在驅動變量的臨界值附近出現跳躍，處理組的碳強度顯著下降。廣東省各縣的碳強度明顯低于廣東省以外的縣，初步說明存在處理效應，也初步證明了斷點回歸的適用性。

圖1 廣東省省界處的碳強度斷點圖Fig. 1 Regression discontinuity (RD) plot of carbon intensity at provincial boundaries in Guangdong province

2.2 斷點回歸估計結果

應用 RD模型時，需要選擇合理的帶寬和階數。考慮到樣本的大小和斷點兩側的數據平衡，選擇帶寬1作為參考帶寬。考慮帶寬0.5所含的樣本量較少，所以選擇帶寬2進行穩健性檢驗。回歸結果見表3。

表3 廣東省試點政策對廣東碳強度影響的回歸結果Tab. 3 Regression results of ETS pilot policy on carbon intensity in Guangdong

由表3可以看出，政策因素顯著降低了處理組的碳強度。當帶寬為1且未添加協變量時，處理效果為–0.406，即處理組的碳強度相比于控制組平均下降了 0.406；控制協變量后的處理效果為–0.378，與未加入協變量的估計結果相近。當帶寬為2時，不控制和控制協變量的處理效果分別為–0.427和–0.390，與帶寬為1時的結果相近。這說明，結果具有穩健性，斷點回歸設計是有效的。從表3還可以看出，產業結構對碳強度有顯著的正向影響，而人口和人均GDP對碳強度有顯著的負向影響。當帶寬為1時，技術創新對碳強度有顯著的正向影響；帶寬為2時，技術創新對碳強度沒有顯著影響。

2.3 逐年回歸分析

為了考察廣東省碳試點政策減排效果以及減排機制在時間維度上的異質性，參考文獻[31]的做法，進行逐年回歸分析。按照式（1）分別建立2014—2017年4個回歸方程，分析政策實施在各年的減排效果及減排機制。

圖2為2014—2017年各年碳強度與驅動變量之間的斷點圖。

圖2 2014—2017年碳強度在廣東省省界處的斷點圖Fig. 2 Regression discontinuity (RD) plot of carbon intensity at provincial boundaries in Guangdong province from 2014 to 2017

從圖2可以看出，這4年碳強度均在臨界值處出現跳躍，存在明顯的斷點。表4展示了不同帶寬下，2014—2017年的逐年回歸結果。表4中，第4列結果為系數b。從表4可以看到，各年處理效果均顯著為負；這說明，政策因素顯著降低了處理組碳強度。

表4 2014—2017碳試點政策對碳強度影響的RD估計結果Tab. 4 RD estimation results of the impact of ETS pilot policy on carbon intensity from 2014 to 2017

表5展示了帶寬為1且包含協變量的具體回歸結果。表5數據同樣表明，碳試點政策的實施總體上降低了控制組的碳強度。從表5還可以看出，除了2014年外，技術創新對碳強度沒有顯著影響；產業結構對碳強度有顯著的正向影響；人口和人均GDP對碳強度有顯著的負向影響。

表5 2014—2017廣東省試點政策對碳強度影響的回歸結果Tab. 5 Regression results of ETS pilot policy on carbon intensity in Guangdong province from 2014 to 2017

表4和表5顯示出，2014—2017年各年的處理效果顯著，與帶寬和是否加入協變量無關。表5中，2016年與2017年處理效果相比于前2年在顯著性水平上略弱；這表明，政策效應在各年之間存在差異。由于ETS政策具有一定的指令和控制特征，因此，包括中央政府、地方政府和相關企業在內的各方在前2年對這項政策的積極性和重視度都比較高；政策實施一段時間后，隨著各方對該政策的關注淡化，政策效果減弱[32]。

3 穩健性檢驗

3.1 有效性檢驗

使用RD時需要滿足2個假設：局部隨機化假設和協變量的連續性假設。

第一個假設認為：經濟個體無法精確操作驅動變量。采用地理斷點，則不存在某個縣由于碳交易試點政策而事前人為劃出或劃入廣東省的情況，符合局部隨機化假設條件。

第二個假設是為了避免捕捉到其他協變量的斷點效應。要求：除了碳交易試點政策外，其他協變量在邊界線附近都連續，即在分界線附近不存在跳躍現象。協變量的連續性檢驗結果如圖3。

圖3 協變量的連續性檢驗Fig. 3 Continuity tests for covariates

圖3顯示，2014—2017年的產業結構、人均GDP和戶籍人口數均在分界線處連續，沒有明顯斷點，而技術創新在2016和2017年似乎存在跳躍。通過回歸結果進一步判斷，結果見表6。表6中數值是協變量各年連續性檢驗結果的顯著性水平，即P值。例如：產業結構的2014年回歸結果的P值為0.941，大于0.1，說明2014年產業結構在分界線處沒有斷點。表6顯示，各協變量在分界線處均未出現斷點，滿足連續性假設。

表6 協變量連續性檢驗的回歸結果顯著性Tab. 6 Significance levels for regression results of continuity tests for covariates

3.2 安慰劑檢驗

將驅動變量Di減去、加上 0.3，分別作為新的驅動變量；設置假的分界線，作為安慰劑斷點，以檢驗是否有不可觀測變量干擾結果[33]。采用線性或二次多項式[34]，計算結果如表7所示。

表7 改變斷點位置的回歸結果Tab. 7 Regression results with different changing break point position

表7顯示，在2014—2017各年中，安慰劑斷點的處理效果都不顯著；這說明，碳交易試點政策確實是廣東省碳強度降低的重要因素，由此排除了不可觀測變量干擾結果的可能性，也證明結果的穩健性。

3.3 敏感性分析

前面的計算采用的是參數估計方法[35]。

本節采用 2種非參數方法，即用均方誤差（Mean square error，MSE）和覆蓋誤差率（Coverage error rate，CER）來選擇帶寬，并分別采用線性和二次多項式對模型進行階數和帶寬的穩健性檢驗，結果如表8所示。

表8 不同帶寬和階數下的斷點回歸結果Tab. 8 RD results with different bandwidths and orders

表8中，2014—2017年每年的不同帶寬和階數下的處理效果相似，且均顯著，說明結果穩健。以2014年為例：根據MSE和CER方法，階數為線性時，每一側的最佳帶寬分別為 1.369和0.940；這說明選取帶寬為 1合理。不同帶寬選取方式下的處理效果接近，均在–0.5左右，且P值接近于0，均顯著；這說明不同帶寬選擇方法下的結果穩健可靠。當多項式為二階時，處理效果也顯著為負，且相近；這證明不同階數的結果也穩健。

4 減排機制分析

探討廣東省碳強度降低的原因、試點政策降低碳強度的機制，具有重要的意義。

一個縣碳強度的降低可以歸因于4個因素，即碳排放系數、電能消費占比的倒數、電能強度、產業結構。碳排放系數越低，電能消費占比越高，碳強度就越低。受到發電的燃料構成的影響，碳強度和電能強度之間的關系并不確定。

4.1 技術創新

波特假說認為：設計良好、執行有力的環境政策可以大大刺激技術創新。表6結果顯示技術創新在分界線連續，這說明試點和非試點地區在技術創新方面沒有明顯的差異。因此，廣東省試點政策并不影響企業以技術創新帶動減少碳排放。與文獻[36]結果一樣，本文認為波特假說在中國的ETS試點中并不存在。

文獻[37]指出：要刺激綠色技術的發明和推廣，環境政策必須具備5個特性：靈活性、發生率、深度、嚴格性和可預測性。可預測性是指企業可以預期政策（如配額分配的規則）在未來的不確定性程度。嚴格程度通常由碳排放權價格表示；價格越高，嚴格程度越高。

中國的試點 ETS不能滿足嚴格性和可預測性。首先，碳排放權自由分配阻礙了低碳技術的創新[38]；其次，樣本期間廣東省的碳排放權價格較低，是政策充分發揮作用的一個障礙。表9顯示，在2014—2017年期間碳價不斷下降，從2014年的46.19元/t下降到2017年的14.09元/t。因此，較低的碳價格應該是造成技術創新缺失的原因。此外，波特假說的缺失表明廣東省試點ETS的改進潛力很大。

表9 2014—2017年廣東省碳排放權價格Tab. 9 Price of carbon emission exchange in Guangdong province from 2014 to 2017

文獻[39]認為，ETS政策并不能刺激所有類別的創新，而是有偏向的創新誘導。一些研究將低碳或綠色技術研發投資與其他一般投資區分開。如，文獻[40]發現，環境監管主要是鼓勵綠色技術創新而不是非綠色創新。因此，有一種可能是廣東省ETS刺激了綠色技術創新或綠色研發投資，但減少了其他非綠色研發投資，所以對整體研發的影響不大。文獻[41]發現，環境監管促進了綠色技術的發展，擠壓了非綠色技術的發展；因此，對整個技術創新沒有出現明顯的影響。然而，由于缺乏縣級的綠色和非綠色研發支出數據，無法進一步檢驗這一假設。

4.2 產業結構

表5結果顯示，產業結構對碳強度有顯著正向影響，第二產業比例的下降可以降低碳強度。比例下降意味著產業結構的調整和升級，這與許多研究一致。文獻[42]發現產業結構升級可以通過調整產業結構的不平衡來減少碳排放。

圖3顯示，產業結構在2014—2017年的分界點均連續。這表明試點地區和非試點地區在產業結構上沒有明顯差異，廣東省ETS并沒有引起明顯的產業結構變化。這與文獻[43]觀點一致：廣東省ETS并沒有促進產業結構效應。原因分析：首先，環境法規會對產業結構的升級產生重大影響，但這只是從長期來看[44]；因此，短期內，處理組和控制組的產業結構可能沒有明顯的差異。其次，中國的其他城市和縣區也在嚴格淘汰高耗能和高碳的產業和產能，這可能導致廣東省和其他地區間沒有明顯的差異。

4.3 碳排放系數

由于無法獲得縣級的能源消費數據，所以采用市級的能源消費量來推算碳排放系數。圖4顯示了各縣的碳排放系數與驅動變量之間的關系。在圖4中，2014—2017年，碳排放系數在分界點上都表現出明顯的跳躍性，處理組的碳排放系數遠低于對照組；這說明，廣東省碳交易試點政策降低了其碳排放系數。

圖4 碳排放系數斷點圖Fig. 4 Regression discontinuity (RD) plot of carbon emission coefficient

表10顯示，2014年的處理效果為–0.977，這說明廣東各縣的碳排放系數相對于非試點縣要低0.977。2014—2017年的處理效果均顯著，而且非常相似；這說明廣東省的碳排放系數顯著低于非試點縣。

表10 碳交易試點政策對碳排放系數影響的RD估計結果Tab. 10 RD estimation results for the policy effect on carbon emission coefficient

碳排放系數降低，主要有2方面原因。

首先是減排技術的發明和使用。

隨著企業不斷采用更先進、更清潔的技術，單位能耗的碳排放量會減少。然而，新的低碳技術只有在大量研發投資的情況下才能出現。由于沒有發現廣東省比非試點地區的企業研發投資更多，因此，這些企業很可能是采用中國現有的技術而不是通過技術自主研發來減少排放，并將履約成本降到最低[45]。廣東省試點ETS沒有成功地激勵節能減排新技術的發明。然而，只有綠色技術的創新或發明（而不是采用）才能擴大一個國家的技術集合，而新技術的發明比其采用更重要[46]；因此，廣東省應該更好地設計其政策，以鼓勵企業進行更多的清潔能源研發投資。

其次是能源替代。

用清潔能源替代污染性能源。能源替代可以減少碳排放。在過去幾年中，廣東省積極發展清潔能源。2014—2017年，其清潔能源占比為30%左右，而同期全國的平均水平是17%～20.8%。碳排放系數的下降反映了廣東省清潔能源的發展和能源結構的轉變。

因此，清潔能源的發展和已經存在的節能減排技術的應用，有助于降低廣東省的碳排放系數，這可能是廣東省碳強度下降的一個機制。

4.4 電能消費占比

圖5顯示，2014—2017年，電能消費占比均在分界線上出現跳躍，處理組的電能消費占比高于控制組。表11顯示，在0.1的顯著性水平上，2014—2017年各年處理效果均顯著為正；這說明試點地區電能消費占比顯著高于非試點地區。2014—2017年，試點地區和非試點地區的電能消費占比具有明顯差異；該結果與實際情況一致。廣東省是用電大省。2014—2017年，廣東省終端能源消費總量中，電力占比高達 50%；一次電力及其他能源占比約為 25%，而全國平均比例僅為 12%左右。可見，廣東省能源消費量中電能消費占比高于全國水平，所以這可能是廣東省碳交易政策生效的機制之一。

表11 碳試點政策對電能消費占比影響的RD估計結果Tab. 11 RD estimation results for the policy effect on the proportion of power in total energy consumption

圖5 電能消費占比的斷點圖Fig. 5 Regression discontinuity (RD) plot of the proportion of power in total energy consumption

4.5 電能強度

各縣的電能強度斷點圖如圖6所示。由圖6可以看出，各年電能強度在分界線上都表現出明顯的跳躍性；這表明廣東省試點政策應該導致了廣東省電能強度的增加。

圖6 電能強度斷點圖Fig. 6 Regression discontinuity (RD) plot of power consumption intensity

表12顯示，2014—2017年，處理效果均顯著為正，且處理效果的P值幾乎為零；這進一步驗證了廣東省的電能強度相對于非試點縣明顯提高。

表12 碳交易試點政策對電能強度影響的RD估計結果Tab. 12 RD estimation results for the policy effect on power consumption intensity

碳強度和電能強度之間的關系取決于發電的燃料構成。如果電力全部由清潔能源產生，則電能強度越高，碳強度越低。同樣地，如果越來越多的電力由清潔能源產生，則電能強度越高，碳強度越低。

雖然核電并不完全清潔，但從碳排放較少的意義上看，是相對清潔的。廣東省擁有全國最多的核電站，核電約占廣東省總發電量的 20%。同時，廣東省是全國最著名的小水電大省，已建小水電站數量居全國第一，裝機容量居全國第三。此外，廣東省充分利用各種清潔能源，如風能、太陽能、地熱能來發電。由于其在清潔能源發電方面的持續投資和發展，預計到2030年底，廣東省或將成為全國海上風電裝機容量最大的省份。這些都為廣東省的清潔能源發電做出了貢獻。

此外，廣東省電力的30%來自“西電東送”，主要是清潔能源電力。在廣東省本地發電結構中，火力發電占70%，另外30%主要為核電和水電等清潔能源。因此，可以粗略地計算出：清潔能源電力在廣東省的電力消費中約占 51%。由于廣東省不斷提高電力中清潔能源電力的占比，所以電能強度越高，碳強度就越低。

廣東省不斷用電力替代煤炭等其他能源，用清潔能源電力替代化石燃料能源電力。文獻[47]發現，廣東省ETS通過能源結構調整和優化的渠道減少了碳排放。因此，清潔能源替代和清潔能源結構優化應該是廣東省碳強度下降的一個最重要原因。

5 減排機制檢驗

用逐步回歸法對3個可能的機制，即碳排放系數、電能消費占比和電能強度進行檢驗。逐步回歸法基本模型如下：

式中：Mi分別代表3個中介變量，其他變量與前文含義相同。

如果系數β1、β2、β3均顯著，則說明存在中介效應；如果系數β1顯著而系數β2或β3不顯著，則繼續通過sobel檢驗做進一步判斷；若sobel結果顯著，則說明具有中介效應，反之沒有。

5.1 碳排放系數

表13中，各年的第2行結果顯示出政策對碳排放系數的處理效應顯著為負，說明政策與碳排放系數顯著負向相關，即政策抑制了處理組的碳排放系數。表13中，各年第3行結果顯示碳排放系數對碳強度有顯著正向影響，即碳排放系數越低則碳強度越低。中介效應各年均顯著。該結果表明，碳排放系數是碳試點政策降低廣東省碳強度的機制之一。

表13 碳排放系數的中介效應回歸結果Tab. 13 Regression results of mediating effects of carbon emission coefficients

5.2 電能消費占比

表14中結果顯示：政策對電能消費占比的處理效應在 2014—2016年不顯著，2017年顯著為正；至少在2017年，廣東省各縣的電能消費占比顯著高于控制組。2017年中介效應顯著，而2014—2016年中介效應經過 sobel檢驗，顯著性分別為0.82、0.47和0.26，均大于0.1，中介效應不顯著。這說明，2014—2016年，電能消費占比并非政策降低廣東省碳強度的中介變量之一，僅在2017年起部分中介效應。

表14 電能消費占比的中介效應回歸結果Tab. 14 Regression results of mediating effects of the proportion of power in total energy consumption

5.3 電能強度

表15中結果顯示，政策對電能強度的處理效應顯著為正，廣東省各縣的電能強度顯著高于控制組。表15結果表明：2014—2016年中介效應顯著；2017年經過sobel檢驗顯著性為0.22，中介效應不顯著。該結果說明，前3年，電能強度是政策降低廣東省碳強度的中介變量之一，而2017年電能強度不再起中介效應。

表15 電能強度的中介效應回歸結果Tab. 15 Regression results of mediating effects of power consumption intensity

6 結論與建議

本文基于中國縣級數據，運用RD，研究了廣東省碳交易試點政策對廣東省碳強度的影響及其作用機制，并得出以下結論。

首先，廣東省碳試點政策促使廣東省各縣的碳強度明顯降低。其次，根據逐年回歸結果，發現2014—2017年政策效應均顯著；這表明碳試點政策對其碳強度下降做出了貢獻。第三，機制分析表明，廣東省碳試點政策從本質上影響了3個渠道——碳排放系數、電能消費占比和電能強度；但是，各年機制并不相同：碳排放系數各年均發揮了中介效應作用；電能消費占比僅在2017年發揮了中介效應；電能強度在2014—2016年起到中介作用，而2017年不再起中介作用。

總體而言，認為廣東省碳試點通過清潔能源替代和能源結構優化與轉型發揮了作用。最后，計算結果不支持波特假說，碳試點政策沒有促進產業結構升級以減少碳排放。

根據以上研究結果，對地方試點市場和全國碳市場建設提出以下政策建議。

首先，地方碳市場和全國碳市場應該提高碳交易政策的嚴格性和確定性，使企業的研發投資得到明顯提升，特別是能源技術和低碳技術的研發投資。同時，分配給企業的碳排放配額應該逐步減少，讓更多的配額通過拍賣的方式分配。除了政策的嚴格性，還應該提高政策的確定性，向企業提供更多關于未來政策趨勢的信息；這樣，企業可以根據日益嚴格的政策來調整其生產和投資。如果政策存在很大的不確定性，企業就不太可能調整其投資決策。第二，建議政策制定者不僅要強調推廣新的節能減排技術，而且要強調這些技術的研發。只有清潔技術的創新或發明（而不是采用）才能擴大一個國家的技術集合。第三，我國通過清潔能源開發、清潔能源替代和能源結構轉型來減少碳排放的潛力巨大。因此，建議我國加快清潔能源（如風能和太陽能）的開發和利用以及能源結構的轉型。清潔能源發電和電氣化也是實現碳減排和碳中和的良好渠道。

展望：數據的缺乏限制了對變量的選擇，特別是在研究影響機制方面。例如，雖然在廣東省沒有發現對波特假說的支持，但這并不是波特假說不存在的充分理由，這可能是由于缺乏更詳細的數據。有一種可能性是，廣東省 ETS刺激了綠色技術創新或綠色研發投資，但減少了其他非綠色研發投資，因此對整體研發的影響并不明顯。然而，由于沒有足夠的縣級綠色和非綠色研發支出的數據，無法驗證這是否屬實。預計未來會有更好的數據資源用于更深入的研究，從而得出更深入的結果。