碳交易如何影響綠色低碳發展？

馬兆良 徐曉慶

摘要：碳交易如何影響以綠色全要素生產率為核心指標的綠色低碳發展，需進行實證檢驗。基于2005—2019年中國省際面板數據，運用多期DID模型評估碳交易對綠色低碳發展的影響及其作用機制。結果表明：碳交易促進了試點地區綠色低碳發展，在經過安慰劑、PSM-DID、剔除用能權交易試點樣本等一系列穩健性檢驗后，結論仍成立；碳交易實施對能源結構優化、產業結構升級與技術進步具有正向影響，綠色能源消費占比增加、高技術產業結構提升與技術進步是碳交易提高試點地區綠色低碳發展水平的主要機制。構建連續DID模型，研究碳交易規模對綠色低碳發展的影響，發現碳交易規模擴大對綠色低碳發展水平具有正向影響。研究結論為碳交易助力綠色低碳發展提供了經驗支持，也為區域碳市場及全國統一碳市場的進一步擴容提供了有價值的啟示。

關鍵詞：碳交易；綠色低碳發展；綠色全要素生產率；多期DID；連續DID

中圖分類號：F205 文獻標識碼：A DOI：10.3969/j.issn.1003-8256.2024.02.006

積極應對氣候變化、減少碳排放、實現綠色低碳轉型已成為全球共識。黨的二十大報告指出，積極穩妥推進碳達峰碳中和，需完善碳排放統計核算制度，健全碳排放權市場交易制度。碳排放權交易（以下簡稱“碳交易”）利用市場機制控制和減少溫室氣體排放，是應對氣候變化和實現“雙碳”目標的重要政策手段，也是推動綠色低碳發展的一項重大制度創新。早在2011年，國家發改委印發《關于開展碳排放權交易試點工作的通知》，同意北京市、天津市、上海市、重慶市、湖北省、廣東省及深圳市開展碳交易試點。自2013年起，7省市陸續實施碳交易試點，2016年福建省納入碳交易試點，碳交易規模不斷擴大。2013 年，碳排放配額成交量為36.44 萬噸，2021年增至4 934.94萬噸，至2021年底，累計成交量達到37 173.89 萬噸，累計成交額達到87.01 億元①。隨著交易規模的擴大，碳交易市場的碳減排效應逐漸增強［1］，行業范圍和主體范圍的擴張也為綠色低碳發展注入新的力量。試點省市均建成了制度要素相對齊全、碳交易初具規模、運行平穩有效的區域碳市場。在碳交易試點的基礎上，2021年7月16日，全國碳交易市場正式啟動上線交易。

在實現碳達峰碳中和與全面綠色低碳轉型的背景下，深入研究碳交易試點政策及碳交易規模對綠色低碳發展的影響及其機制，對促進碳減排，實現綠色低碳轉型，進一步完善碳交易制度，具有重要現實意義和理論價值。

1 文獻綜述

碳交易作為一種市場激勵型碳減排政策工具，已在多國實施，旨在降低減排成本、促進能源結構調整與綠色低碳技術創新，推動經濟社會綠色低碳轉型。碳交易的減排效應及其對經濟發展的影響受到國內外學者廣泛關注。其中，有關碳交易與經濟發展的研究主要集中在兩方面：一是探討碳交易對經濟增長的影響；二是碳交易對綠色全要素生產率的影響。

關于碳交易對經濟增長的相關研究，國外學者采用動態CGE模型［2］、PSM-DID［3］等方法對歐盟碳排放交易體系（EU ETS）的經濟增長效應進行研究，發現EU ETS實現減排的同時，倒逼技術進步促進了經濟增長。但也有學者研究認為［4-5］，EU ETS 抑制正常的經濟生產活動，對經濟增長有負面影響。部分文獻基于MONASHGreen模型對澳大利亞碳交易的經濟增長效應進行研究，發現碳交易實施后，受碳排放權價格上漲影響，GDP有所下降，碳交易對經濟增長具有一定程度的抑制效應［6］。我國碳交易試點實施后，國內學者運用不同方法研究其對經濟增長的影響，研究結論不盡相同，甚至相左。一些學者分別使用CGE模型［7］、DID模型［8-9］，研究認為碳交易對我國經濟增長具有促進作用。也有一部分學者運用仿真、模擬檢驗模型研究兩者之間關系，結果表明碳交易一定程度上抑制了經濟的增長［10-12］。此外，有學者使用DID模型，研究發現碳交易與經濟增長之間呈“U”形關系［13］。

關于碳交易對綠色低碳發展的相關研究，已有文獻大多以綠色全要素生產率作為綠色低碳發展水平的核心指標，分別使用不同實證研究方法，大多認為碳交易促進綠色全要素生產率提升。其中，多數文獻使用傳統DID（Difference-in-Differences）模型，研究發現碳交易能有效提高試點地區綠色全要素生產率［14-16］，有利于中國低碳經濟發展［17-19］。尹迎港等［20］使用SCM（Synthetic Control Method）方法，研究認為碳交易能有效提高試點地區綠色全要素生產率，劉海英等［21］采用非參數DEA方法，模擬能源政策組合的不同情形，發現用能權交易與碳交易政策組合使用情形下，綠色全要素生產率會顯著提高。但胡玉鳳等［22］基于中國上市公司的微觀數據及所在地區數據，運用PSM-DID方法，研究得出相反的結論：碳交易對綠色全要素生產率具有顯著負向影響。

綜上可見，關于碳交易的經濟效應的相關研究已取得較為豐富成果，但在研究結論上，已有文獻未取得一致結果；關于碳交易如何影響綠色全要素生產率，研究結論存有顯著差異，甚至相反。在研究方法上，除部分文獻使用CGE、SCM及仿真等方法外，大多文獻使用DID模型評估碳交易的（綠色）增長效應。相關文獻在使用傳統DID模型開展實證研究方面尚存一些不夠完善之處。第一，對碳交易試點的時點差異性考慮不夠充分。碳交易試點分批啟動，其試點實施時間并不一致，傳統DID模型評估碳交易試點的政策效果時，大都將各省市試點實施時間視為同一期，導致變量測量誤差帶來內生性問題，即傳統DID 模型中年份虛擬變量部分取值不準確，研究結果極可能存在偏差。第二，鮮有文獻深入討論碳交易規模對綠色全要素生產率的影響。事實上，我國的碳排放配額以免費分配為主，試點初期供給相對充足。隨著碳交易市場參與主體越來越多，碳交易規模不斷擴大，碳排放權交易價格呈上漲態勢，高耗能高排放行業的碳排放成本會顯著增加，倒逼高碳企業加快進行低碳化改造；同時，也可能激發超低碳排放企業擴大生產規模，這將有利于推動經濟產業結構向綠色低碳化轉型。特別地，在全國碳交易市場可能擴容的背景下，討論碳交易規模的變動如何影響試點地區綠色全要素生產率，更具理論價值。目前，相關研究較為缺乏。

基于此，本文擬作以下邊際改善。第一，采用多期DID模型評估碳交易政策對綠色全要素生產率的影響及其機制，多期DID模型對傳統DID模型進行改造，根據不同試點地區的政策實施時間，分別設置政策實施節點，更有效解決變量測量誤差帶來的內生性問題，提高估計結果的準確性與穩健性。并在此基礎上，進行一系列穩健性檢驗與機制分析。第二，構建連續DID模型，實證研究碳交易規模對綠色全要素生產率的影響。

2 理論分析與研究假設

“碳交易”，就是將碳排放配額當作一種商品，企業碳排放量超過其排放配額時，需在碳交易市場上購買碳排放配額，從而通過經濟杠桿及明確信號促使企業減少碳排放。碳交易實施可一定程度促進減污降碳，并對經濟增長產生影響，進而影響綠色低碳發展水平。碳交易政策實施影響綠色低碳發展的可能機制如下。

首先，碳交易政策實施將加快能源消費結構優化，促進減污降碳。我國能源稟賦總體上是“富煤缺油少氣”，電力主要來源于火力發電，其中化石能源煤炭占比較高，煤炭燃燒會產生大量的溫室氣體及SO2、NO2等大氣污染物。碳交易政策的實施，增加了火電這一高耗能行業的生產成本，倒逼其壓縮傳統燃煤機組［14，16］，增加光伏發電、風電、水電等可再生能源發電量；鋼鐵、有色金屬、水泥等高耗能高污染行業增加天然氣等清潔能源及清潔電力的使用，從而推動能源消費結構由煤炭消費為主轉變成低碳排放特征的清潔能源消費為主，有效實現減污降碳，進一步提升生態環境質量、促進綠色發展。

其次，碳交易政策實施有助于推動產業結構優化升級，進而提高綠色全要素生產率。在碳排放權配置過程中，碳交易制度能夠有效地發揮市場的決定性作用，不斷優化產業間生產要素的分配方式。當碳排放配額的盈余收益大于低碳技術研發成本時，資本、勞動力、技術等生產要素必然會向低耗能、高效率的生產部門流動，推動一批發展潛力大、技術水平高的高新技術產業與現代服務業發展，加快淘汰高耗能、高污染、效率低的落后企業，促進地區產業結構優化升級。產業結構優化升級使得生產要素從傳統落后產業流向新興高效產業，資源要素的重新配置可以有效提升能源利用效率，進而提高綠色全要素生產率［23］。

再次，碳交易政策實施促進技術進步，進而提高綠色全要素生產率。碳交易政策作為一種市場激勵型環境規制，將碳排放成本內部化為企業生產成本，倒逼企業進行更多的創新活動［20］，以抵消由環境保護帶來的成本并提高企業盈利能力。技術進步可以表現為能源利用技術進步及生產技術進步，企業需要通過各種技術手段提高能源利用效率和自身生產效率，以此來提高綠色全要素生產率。碳交易政策實施，一方面倒逼碳排放超標企業加大研發投入，以減少購買碳配額數量；另一方面激勵更多企業開展技術創新，以出售碳排放配額獲得額外收益。在碳排放約束下，企業通過技術進步能夠緩解企業邊際減排成本，獲得更高的能源利用效率及企業生產效率，提升以綠色全要素生產率為核心指標的綠色低碳發展水平。

綜上，提出假設：碳交易政策實施能夠提高試點地區以綠色全要素生產率為核心指標的綠色低碳發展水平。

3 模型、變量與數據

3.1 模型構建

傳統DID中各地區政策實施時間設置為同一期，而碳交易試點地區實施碳交易政策的時間不一致，使用傳統DID模型進行效應評估，年份虛擬變量部分取值不準確會產生內生性問題。多期DID中各地區政策實施節點根據不同的政策實施時間進行設置，克服了年份虛擬變量取值不準確問題。為此，本文使用多期DID模型評估碳交易試點對綠色全要素生產率的影響，構建如下多期DID模型：

3.2 變量選擇與數據說明

3.2.1 被解釋變量

綠色全要素生產率（GTFP）。測度綠色全要素生產率，常使用基于方向性距離函數的ML（Malmquist-Luenberger）指數［14-15，24］。GML 指數相較于ML 指數，具有更優的可循環累加性和傳遞性特征，能更有效地反映效率的動態變化，同時克服了ML 指數可能存在不可行解的缺陷，故使用GML指數來測度綠色全要素生產率。在計算GML 指數時，投入產出指標的選擇，借鑒張治棟等［25］的研究成果，以資本、勞動、能源為投入；以2000 年為基期的各省市實際GDP 為期望產出，CO2、SO2 排放量為非期望產出。其中，資本存量的計算借鑒張軍等［26］的做法，將經濟折舊率設定為9.6%，通過永續盤存法計算得到，勞動用各地區的就業人數來衡量，能源采用各地區的能源消費總量來衡量；CO2的測算根據IPCC提供的計算方法，利用煤炭、焦炭、原油、汽油、燃料油、煤油、柴油及天然氣等8種能源消費量計算得到各省市CO2 排放量。此外，由于GML 指數實際上反映的是連續兩年間效率的變化，為了更好地解釋綠色全要素生產率的經濟學意義，借鑒劉鉆擴等［27］做法，將2005年作為基期，假定2005年綠色全要素生產率為1，采用連乘的方式依次得到2006—2019年各省市的綠色全要素生產率。

3.2.2 核心解釋變量

核心解釋變量為交互項treatedi × timet。其中，treatedi 為地區虛擬變量，碳交易政策試點省市取值為1，否則取0；timet 為年份虛擬變量，政策實施之前為非試點期，取0，政策正式實施后為試點期，取1。2013—2016年期間，北京、天津、上海、重慶、湖北、廣東、深圳、福建這8個省市先后成為碳交易政策試點地區。考慮到本文擬使用省份（含直轄市）數據，故將深圳數據納入廣東省。本文的處理組為北京、天津、上海、重慶、湖北、廣東、福建，剩下的省份均納入控制組。由于7個試點地區正式實施碳交易政策的時間不一致，對北京、天津、上海和廣東，2013年及之后的年份，timet 取1；對重慶、湖北，2014年及之后的年份，timet 取1；對福建，2016年及之后的年份，timet 取1；其余年份timet 值均取0。

3.2.3 控制變量

由于綠色全要素生產率受經濟發展水平等因素影響，為此需要對其他影響因素進行控制。本文選取了以下控制變量：經濟發展水平（development），采用實際人均GDP的對數值來衡量；城鎮化水平（urban），采用城鎮化率來衡量；工業化水平（industry），采用工業增加值占GDP比重來衡量；外商投資水平（investment），采用外商直接投資（FDI）與GDP的比值加以衡量，其中，FDI折算成人民幣，與GDP 單位保持一致；治污投入水平（govern），采用工業污染治理完成投資額與工業增加值的比值來衡量；能源強度（intensity），采用能源消費總量與地區實際GDP的比值來衡量。

3.2.4 數據來源

考慮數據可獲得性，選取2005—2019年中國30個省級行政區（不包括西藏、港澳臺地區）的面板數據。其中，R&D經費投入強度來自歷年《全國科技經費投入統計公報》，碳交易量、碳交易額來自各試點地區的碳排放權交易所。其他數據來自于國家統計局、歷年《中國統計年鑒》《中國能源統計年鑒》《高技術產業統計年鑒》《中國工業統計年鑒》、中國宏觀經濟數據庫及各省份歷年統計年鑒。

4 實證分析

4.1 基準回歸

采用多期DID模型檢驗碳交易試點對綠色全要素生產率的影響，結果如表1所示，第（1）列僅控制地區固定效應、第（2）列在第（1）列的基礎上加入了控制變量，第（3）（4）列均采用雙固定效應模型。

表1第（1）（2）列回歸結果表明，僅控制地區固定效應，無論是否加入其他控制變量，核心解釋變量交互項（treatedi × timet）的回歸系數均顯著為正；表1第（3）（4）列回歸結果表明，使用雙固定效應模型，在加入控制變量前后，核心解釋變量交互項（treatedi × timet）的回歸系數的顯著性和符號都沒有發生變化，均在1%水平上顯著為正。基準回歸結果表明，碳交易試點實施提升了試點地區綠色全要素生產率，假設得到初步驗證。

4.2 平行趨勢檢驗與政策動態效應分析

平行趨勢假定是使用DID模型進行政策效果評估的前提，它假定處理組與控制組的目標變量在政策發生前有著相同的變動趨勢；而動態效應檢驗是為了觀察碳交易政策對綠色全要素生產率的影響是否隨著時間變化，是否具有持續推動作用或者表現出某種程度的滯后性。

為檢驗平行趨勢假定和分析政策動態效應，借鑒吳茵茵等［28］的做法，在模型（1）的基礎上構建如下計量模型：

平行趨勢檢驗與政策動態效應分析的結果如圖1所示。政策實施前七年到前一年的交互項系數置信區間均與0軸相交，說明處理組和控制組在政策實施前有相同的變動趨勢，滿足平行趨勢假定。政策實施當年，其交互項系數置信區間與0軸相交，這可能是因為政策剛剛實施，碳交易市場處于初始階段，碳排放配額較為充足，企業碳減排壓力不大，難以對綠色全要素生產率產生影響。但從政策實施第二年開始，其交互項系數置信區間未與0軸相交。總體上看，回歸系數逐年遞增，說明碳交易政策存在動態效應，且對綠色全要素生產率的影響呈增強趨勢。

4.3 穩健性檢驗

基準回歸結果表明，碳交易政策能夠提高試點地區綠色全要素生產率。但進行基準回歸時未考慮下列因素的影響：（1）碳交易政策對綠色全要素生產率的影響可能會受到隨機性因素或其他政策的干擾；（2）碳交易政策的實施可能存在試點地區的自選擇效應問題；（3）部分碳交易試點地區實施了用能權試點，用能權與碳交易兩個試點政策對綠色全要素生產率的影響相似，可能導致回歸結果偏誤。為此，對基準回歸結果進行如下穩健性檢驗。

4.3.1 安慰劑檢驗

為識別處理組和控制組綠色全要素生產率的變動，是否受到隨機性因素或其他政策的影響，借鑒郭俊杰等［29］研究思路，運用非參置換方法進行安慰劑檢驗。具體做法為：從30個省份中隨機抽取7個省份組成新的處理組，余下省份為控制組，同時隨機生成虛擬政策時間，再進行回歸分析。將該隨機過程重復500次，得到相應的虛擬處理組與虛擬政策時間交互項treatedi × timet 回歸系數，其分布如圖2所示。

圖2 中，虛擬處理組與虛擬政策時間交互項（treatedi × timet）的回歸系數，基本聚集在0 附近，偏離基準回歸中得到的實際回歸系數0.082 5；且對應的p值大部分在10% 水平上不顯著，表明基于虛擬處理組與虛擬政策時間的碳交易政策，未明顯影響綠色全要素生產率。安慰劑檢驗結果佐證了基準回歸結果的穩健性。

4.3.2 PSM-DID檢驗

各省份在申報碳交易試點時，往往會考慮其經濟發展、產業特征、科技實力等因素，是否“適合”開展碳交易試點，碳交易試點實施可能存在試點樣本的自選擇效應，導致政策實施的非隨機性。為了排除非隨機試驗帶來的內生性問題干擾，借鑒張建平等［30］做法，使用傾向得分匹配雙重差分（PSM-DID）方法，探討碳交易試點政策對綠色全要素生產率的影響。首先，將控制變量作為協變量，分別用1：1近鄰匹配和核匹配為試點省市匹配控制組，使得處理組和控制組在協變量上不存在顯著差異，然后用多期DID模型重新進行回歸。結果見表2第（1）（2）兩列，其中第（1）列采用1：1近鄰匹配，第（2）列采用核匹配。

由表2第（1）（2）兩列回歸結果可知，無論采用1：1近鄰匹配還是核匹配，核心解釋變量交互項（treatedi ×timet）的系數都顯著為正，表明碳交易政策能夠顯著提高試點地區綠色全要素生產率。PSM-DID的回歸結果進一步表明基準回歸結果穩健。

4.3.3 排除用能權交易影響

在碳交易政策實施期間，浙江、福建、河南、四川這4個省份于2016年開啟用能權交易試點。由于用能權交易政策與碳交易政策在試點地區上存在重疊，可能影響碳交易政策對綠色全要素生產率的效果評估。因此，為了避免用能權交易政策對研究結果的干擾，本文在樣本中剔除上述4個省份，進一步檢驗基準回歸結果的穩健性。回歸結果見表2第（3）列。

表2第（3）列回歸結果表明，剔除用能權交易試點省份樣本后，核心解釋變量交互項（treatedi × timet）的回歸系數仍顯著為正，碳交易政策能夠提高試點地區綠色全要素生產率，進一步檢驗了基準回歸結果的穩健性。

5 機制分析

5.1 模型構建

基準回歸及穩健性檢驗結果表明，碳交易政策能夠提高試點地區綠色全要素生產率。理論分析表明，碳交易政策可能通過優化能源結構、推動產業結構優化升級、促進技術進步等機制，提高試點地區綠色全要素生產率。接下來，本文通過實證分析，進一步甄別碳交易政策對綠色全要素生產率的作用機制。為此，在模型（1）的基礎上，構建如下計量模型：

5.2 實證結果分析

機制分析的回歸結果如表3所示。其中，第（1）（2）（3）列分別檢驗能源結構優化、產業結構升級、技術進步等影響綠色全要素生產率的潛在渠道。

表3第（1）列中，使用天然氣消費量占能源消費總量比重來度量能源結構。核心解釋變量交互項（treatedi × timet）的回歸系數為0.031 9，且在1%水平上統計顯著，表明碳交易政策能夠一定程度促進能源結構優化，推動試點地區綠色全要素生產率提升。天然氣相較于煤炭，碳排放系數低，燃燒效率更高，用天然氣等清潔能源代替煤炭等傳統能源，可一定程度降低碳排放。因實施碳交易政策，高耗能企業會傾向于改變能源消費結構，以天然氣等清潔能源部分代替煤炭消費。能源結構的優化促進經濟綠色發展，提升綠色全要素生產率。

表3第（2）列中，使用高技術產業企業數占工業企業數比重衡量地區的產業結構。核心解釋變量交互項（treatedi × timet）的回歸系數顯著為正，表明碳交易政策實施對產業結構升級具有正向影響，進而提高試點地區綠色全要素生產率。這可能是因為，一方面，碳交易政策釋放的預期信號會激勵社會投資流向高技術、新能源等綠色低碳產業；另一方面，我國碳排放主要源于工業領域，碳交易政策的實施增加了傳統工業企業的減排壓力，碳排放成本倒逼高碳企業向節能減排轉型，促進技術密集、能耗強度低的高技術產業發展。產業結構優化升級，資源要素得以重新配置，促進綠色全要素生產率提升。

表3第（3）列中，使用R&D經費投入強度作為技術進步的代理變量。核心解釋變量交互項（treatedi ×timet）的回歸系數顯著為正，表明碳交易政策的實施促使更多研發費用投入，促進技術進步，引致試點地區綠色全要素生產率提升。這主要是因為碳交易政策向企業傳遞明確的信號即減排能夠降低成本增加收益，促使企業通過各種技術手段提高能源的利用效率和生產效率，獲得更大的利潤，從而實現試點地區經濟增長與環境保護協調發展，促進綠色全要素生產率進一步提升。

可見，優化能源結構、推動產業結構優化升級、促進技術進步是碳交易政策提高試點地區綠色全要素生產率的主要作用機制。

6 進一步討論

上文研究結果表明，碳交易政策對試點地區綠色低碳發展提升具有促進作用。全國統一碳交易市場已于2021年上線交易，碳市場是否需要進一步擴容在學術界與政府層面得到廣泛討論。事實上，自2013年碳交易試點啟動以來，碳交易規模不斷擴大，探究碳交易規模如何影響綠色低碳發展，具有重要現實意義。

由于多期DID模型評估的是碳交易政策的平均處理效應，只能采用0或1表示政策是否實施，無法進一步對政策實施的具體規模進行量化。參考Moser等［31］的做法，構建連續DID模型進一步研究，在實施碳交易政策后，碳交易規模變化對綠色全要素生產率的影響效應。具體模型設定如下：

估計結果如表4所示。其中，第（1）（2）列采用碳交易量來衡量碳交易規模，第（3）（4）列采用碳交易額來衡量碳交易規模，均控制地區年份雙固定效應，且第（2）（4）列分別是在第（1）（3）列的基礎上加入控制變量。

由表4第（1）（2）列回歸結果可知，當用碳交易量來衡量碳交易規模時，無論是否加入控制變量，核心解釋變量（CTSit × timet）的回歸系數均顯著為正。表4第（3）（4）列回歸結果顯示，當用碳交易額來衡量碳交易規模時，無論是否加入控制變量，核心解釋變量（CTSit ×timet）的回歸系數也在1% 的水平上顯著為正。因此，無論是以碳交易量還是以碳交易額來衡量碳交易規模，回歸系數結果均說明碳交易規模擴大，對試點地區綠色全要素生產率提升具有積極影響，可促進該地區綠色低碳發展。事實上，碳交易規模在一定程度上反映著碳交易市場的活躍度［1］，近年來，我國碳交易規模越來越大，市場也逐漸活躍。巨大的市場潛力將引發新一輪對綠色低碳領域的投資，并激勵著更多市場主體及要素流向碳交易市場，促進企業不斷創新，綠色全要素生產率逐步提升。

7 主要結論與政策啟示

7.1 主要結論

實施碳交易試點，促進碳減排，推動經濟社會綠色低碳轉型，是我國生態文明建設的重要內容。為研究碳交易政策的綠色低碳發展效應，本文基于我國2005—2019年30個省級行政區（不包括西藏、港澳臺地區）的面板數據，采用多期DID模型評估碳交易政策對綠色低碳發展的影響及作用機制，并構建連續DID模型研究碳交易規模對綠色低碳發展的影響。得到以下主要結論：碳交易能夠促進綠色低碳發展的提升；碳交易增加了高耗能高排放企業經營成本，形成倒逼機制，并傳遞減排的明確信號，促進能源結構優化、產業結構升級、技術進步，從減污降碳與促進增長兩方面提升綠色低碳發展水平；碳交易規模擴大，對高耗能高排放企業的成本約束加大，對低排放企業的激勵更為顯著，對綠色低碳發展水平提升具有促進作用。

7.2 政策啟示

根據研究結論，可得到以下相關政策啟示：（1）加快碳交易市場擴容。要有序推進全國碳交易市場與區域碳交易市場對接融合、協調發展，加快推進鋼鐵、化工、建筑等高排放行業納入全國碳交易市場，增加碳交易市場的覆蓋范圍；（2）提升碳交易市場效率。激勵引導不同主體參與全國碳交易市場，提高該市場的流動性與活躍度，增加碳市場運行效率，充分發揮碳交易市場對減污降碳的引導作用，推動我國綠色低碳發展。（3）健全碳市場價格發現機制。要合理設定碳交易配額，開展碳普惠聯建試點，充分反映碳配額的市場價值，推動生產要素流向低碳排放、高生產率部門，優化資源要素配置，以產業結構優化降低碳排放強度，提高綠色全要素生產率。（4）鼓勵企業進行低碳技術創新。政府應加大對技術創新，特別是低碳技術創新的支持力度，積極引導各企業通過技術創新降低碳排放強度；推動先進技術特別是低碳技術的研發，并拓展其應用領域，從源頭上實現資源能源節約，促進綠色低碳發展。

參考文獻：

［1］ 薛飛，周民良.中國碳交易市場規模的減排效應研究［J］.華東經

濟管理，2021，35（6）：11-21.

［2］ LOISEL R. Environmental climate instruments in Romania： a

comparative approach using dynamic CGE modelling［J］. Energy

Policy，2009，37（6）：2190-2204.

［3］ MARIN G，MARINO M，PELLEGRIN C. The impact of the

european emission trading scheme on multiple measures of

economic performance［J］. Environmental & Resource Economics，

2018，71（2）：551-582.

［4］ ABRELL J. Regulating CO2 emissions of transportation in Europe：

a CGE-analysis using market-based instruments［J］. Transportation

Research，Part D.Transport and Environment，2010，15D（4）：

235-239.

［5］ MARTIN R，MUULS M，DE PREUX L B，et al. Industry

compensation under relocation risk： a firm-level analysis of the

EU emissions trading scheme［J］. American Economic Review，

2014，104（8）：2482-2508.

［6］ NONG D，MENG S，SIRIWARDANA M. An assessment of a

proposed ETS in Australia by using the MONASH-Green model

［J］. Energy Policy，2017，108：281-291.

［7］ 湯維祺，吳力波，錢浩祺.從“污染天堂”到綠色增長：區域間高耗

能產業轉移的調控機制研究［J］.經濟研究，2016，51（6）：58-70.

［8］ ZHANG W，LI J，LI G X，et al. Emission reduction effect and

carbon market efficiency of carbon emissions trading policy in

China［J］. Energy，2020（196）：117117.1-117117.9.

［9］ 董直慶，王輝.市場型環境規制政策有效性檢驗：來自碳排放權

交易政策視角的經驗證據［J］.統計研究，2021，38（10）：48-61.

［10］ 劉宇，溫丹輝，王毅，等.天津碳交易試點的經濟環境影響評估研

究：基于中國多區域一般均衡模型TermCO2［J］.氣候變化研究

進展，2016，12（6）：561-570.

［11］ 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.

［12］ LIN B Q，JIA Z J. What will China's carbon emission trading market

affect with only electricity sector involvement？ a CGE based study

［J］. Energy Economics，2019，78（4）：301-311.

［13］ 賈云赟.碳排放權交易影響經濟增長嗎［J］.宏觀經濟研究，2017

（12）：72-81，136.

［14］ 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.

［15］ ZHANG S L，WANG Y，HAO Y，et al. Shooting two hawks with one

arrow： could China's emission trading scheme promote green

development efficiency and regional carbon equality？［J］. Energy

Economics，2021，101：105412.1-105412.14.

［16］ 孫振清，谷文姍，成曉斐.碳交易對綠色全要素生產率的影響機

制研究［J］.華東經濟管理，2022，36（4）：89-96.

［17］ 王釗，王良虎.碳排放交易制度下的低碳經濟發展：基于非期望

DEA與DID模型的分析［J］.西南大學學報（自然科學版），2019，

41（5）：85-95.

［18］ 周朝波，覃云.碳排放交易試點政策促進了中國低碳經濟轉型

嗎？基于雙重差分模型的實證研究［J］.軟科學，2020，34（10）：

36-42，55.

［19］ 廖文龍，董新凱，翁鳴，等.市場型環境規制的經濟效應：碳排放

交易、綠色創新與綠色經濟增長［J］. 中國軟科學，2020（6）：

159-173.

［20］ 尹迎港，常向東.中國碳排放權交易政策促進了地區綠色全要素

生產率的提升嗎？［J］.金融與經濟，2022（3）：60-70.

［21］ 劉海英，王鈺.用能權與碳排放權可交易政策組合下的經濟紅利

效應［J］.中國人口·資源與環境，2019，29（5）：1-10.

［22］ 胡玉鳳，丁友強.碳排放權交易機制能否兼顧企業效益與綠色效

率？［J］.中國人口·資源與環境，2020，30（3）：56-64.

［23］ 張治棟，秦淑悅.環境規制、產業結構調整對綠色發展的空間效

應：基于長江經濟帶城市的實證研究［J］.現代經濟探討，2018

（11）：79-86.

［24］ 陳超凡.中國工業綠色全要素生產率及其影響因素：基于ML生

產率指數及動態面板模型的實證研究［J］.統計研究，2016，33

（3）：53-62.

［25］ 張治棟，陳競.環境規制、產業集聚與綠色經濟發展［J］.統計與

決策，2020，36（15）：114-118.

［26］ 張軍，吳桂英，張吉鵬.中國省際物質資本存量估算：1952—2000

［J］.經濟研究，2004，39（10）：35-44.

［27］ 劉鉆擴，辛麗.“一帶一路”建設對沿線中國重點省域綠色全要

素生產率的影響［J］. 中國人口·資源與環境，2018，28（12）：

87-97.

［28］ 吳茵茵，齊杰，鮮琴，等.中國碳市場的碳減排效應研究：基于市

場機制與行政干預的協同作用視角［J］. 中國工業經濟，2021

（8）：114-132.

［29］ 郭俊杰，方穎，楊陽.排污費征收標準改革是否促進了中國工業

二氧化硫減排［J］.世界經濟，2019，42（1）：121-144.

［30］ 張建平，朱雅錫.后疫情時代下新冠肺炎疫情對中國服務經濟影

響：基于多期雙重差分模型的研究［J］.工業技術經濟，2021，40

（4）：58-67.

［31］ MOSER P，VOENA A. Compulsory licensing：evidence from the

trading with the enemy act［J］. American Economic Review，2012，

102（1）：396-427.