碳交易对企业绩效的影响——以清洁发展机制为例

（湖南科技大学 商学院，湖南 湘潭 411201）

一、引言

碳排放权交易（以下简称碳交易）是实现节能减碳和应对气候变化的市场机制，我国作为全球最大碳排放国家，建立健全碳交易的市场体系势在必行。清洁发展机制（clean development mechanism，CDM）是1997年《京都议定书》提出的三种市场化的碳交易机制之一，是发达国家（附件Ⅰ国家）提供资金和技术，与发展中国家（非附件Ⅰ国家）开展项目级合作，在境外实现部分减排承诺的一种履约机制。这是一种双赢机制，发达国家以远低于其国内所需的成本实现承诺的温室气体减排目标，发展中国家则可以从发达国家获得发展低碳经济和实现节能减排的技术、资金和理念，促进可持续发展。我国是世界最大的CDM 项目供应方。截至2014年5月6日，联合国清洁发展机制执行理事会（EB）已签发“经核证的减排量”（CER）总量为14.52亿单位①。其中，我国企业获得已签发的CER 总量为8.54亿单位，占比达到58.81%。这一数据突出地表明，我国企业参与CDM 和实施碳交易的热情很高，通过项目实现节能减排的成效显著。

20世纪70年代以来，国外一些学者开始关注企业节能减排等环境管理行为与经营绩效的关系，研究结论主要可以概括为三种观点：一是认为环境管理行为能够提高绩效。企业在实施环境管理的过程中，通过加快技术创新、提升运营效率、提高社会声誉等途径提高盈利能力［1］［2］［3］；二是认为环境管理行为将会降低绩效。在将社会成本内化为企业成本的过程中，巨大的环境支出将会增加生产成本，侵蚀企业利润［4］［5］。三是认为节能减排等环境管理行为与企业绩效没有显著的相关性［6］［7］。本文以CDM 项目为例，考察企业碳交易行为对企业绩效的影响。现有文献中，Wang考察了我国CDM项目实施过程中的技术转移效应，研究发现，从CER 中获得收益是促使企业采用国外技术的重要原因，而技术扩散效应、政府政策、碳交易商和咨询机构也会对技术转移的程度和形式产生影响［8］。Stua通过具体的案例研究验证CDM 项目的有效性，分析了清洁发展机制在中国电力系统低碳转变（low-carbon transition）进程中的作用［9］。Zhao等考察了CER 收入对企业财务净现值的影响，分析了我国内蒙古地区2010年注册的27个CDM 项目对风电成本价格的影响，研究发现CDM 是推动风电行业发展的重要因素［10］。张秋莉和门明从上市公司的角度，分析了2005～2010年我国CDM 项目交易的有效性，发现上市公司发布CDM 项目注册公告当日，能给上市公司带来显著为正的异常收益率，事件窗及事件发生后15个交易日未产生显著为正的累计异常收益率［11］。任志娟利用2006～2012年我国48家上市公司的数据，采用事件分析法研究了CDM 碳交易对企业收益率的影响，发现在事件窗内上市公司没有显著为正的累积异常收益率［12］。上述研究CDM 的实证文献存在如下不足：一是没有考虑企业的异质性，即没有考虑企业特征对绩效的影响；二是研究样本只纳入了实施CDM 项目的企业，没有考虑未实施CDM 项目的企业，因此可能存在样本选择性偏误问题。

截至2014年5月6日，我国已获得签发的CDM 项目总共1389个②。其中，电力行业的风电、水电、火电等项目共有1280项，钢铁行业28项，水泥行业48项。为准确刻画清洁发展机制的实施效果，本文选择具有高能耗、高排放、高污染特征的火电、钢铁、水泥行业上市公司为研究对象，基于反事实的分析框架，采用匹配估计量分析CDM 对企业绩效的影响。

二、基于匹配估计量的反事实分析框架

分析企业实施CDM 项目对其绩效的影响，传统的方法是采用OLS对模型进行估计。考虑如下模型：

其中，Yi表示结果，为第i个企业的绩效。Di是控制变量，如果企业实施了CDM 项目则Di=1，否则等于0。Xi是其他解释变量，ui是期望值为0的扰动项。OLS估计的系数α可以被解释为实施CDM 项目对企业绩效的影响。

在公式（1）中，通常假定已经控制了解释因变量的重要因素，没有遗漏重要的自变量，而核心的要求是企业是否实施CDM 项目是随机决定的，即满足条件独立假设Yi⊥Di｜Xi。但是，经济学实证研究使用的非实验数据通常无法满足这一假定，所观察的对象（企业实施CDM 项目）往往并非随机发生，于是OLS估计可能会产生样本选择性偏误或内生性问题，从而导致因果分析结果的不准确，Angrist和Pischke对这一问题做了详尽的分析［13］（P10-18）。

评价项目实施效果面临的一个难题是如何计算企业参与CDM 项目的预期收益。我们可以通过比较同一个企业实施CDM 项目前后的绩效，以衡量企业实施该项目的因果效应。对于企业i而言，有两种潜在的结果Y1i和Y0i，Y1i表示实施CDM 项目的结果，Y0i表示没有实施CDM 项目的结果。这样Y1i-Y0i就是处理效应（treatment effect）。将企业是否实施CDM 项目描述为一个二值随机变量Di=｛1，0｝，企业可观察的绩效Yi表示为Yi=Y0i+（Y1i-Y0i）Di。但是在同一个时点上，我们在个体层面不能同时观察到两种潜在结果，即对于实施CDM 项目的企业（处理组），只能观察到实施该项目之后的结果｛Y1i｜Di=1｝，不能观察到未实施该项目时的结果｛Y0i｜Di=1｝。反过来，对于没有实施CDM 项目的企业（对照组），只能观察到未实施该项目时的结果｛Y0i｜Di=0｝，不能观察到这些企业实施该项目时的结果｛Y1i｜Di=0｝。这两种情况下未观测到的潜在结果均为缺失数据。

为克服这一困难，本文基于反事实的分析框架估计模型。倾向得分匹配（propensity score matching，PSM）使用Logit、Probit、非参数估计等多种方法估计倾向得分，为减少模型估计过程中的主观性，我们在实证分析过程中未采用PSM，而是采用匹配估计量（matching estimators）方法。匹配估计量使用向量模（vector norm）构造处理组和对照组企业不可观察的反事实值，在个体层次上直接填补缺失数据，假设企业j属于处理组，找到属于对照组的某企业k，使得企业k与j可观测变量取值尽可能相似（匹配）。具体而言，可将匹配估计量方法分为三个步骤［14］（P211-228）：首先，使用向量模计算处理组企业与对照组企业在观测协变量（例如固定资产规模、员工人数等）上的距离。以X 表示第i个观测的协变量向量，Z为第i个观测的一个可能匹配的协变量向量，V 为各变量样本方差的对角矩阵的逆矩阵，则观测企业的向量模可以表示为：‖Z-X‖V=（Z-X）′V（Z-X），其中V 是正定矩阵。向量模代表的距离，反映企业特征的相似程度，向量模越小，企业特征相似程度越高。其次，以向量模最小作为匹配标准，确定数据缺失的企业绩效潜在结果｛Y0i｜Di=1｝或｛Y1i｜Di=0｝，即对处理组企业与对照组企业在协变量上的距离进行比较，选取距离最短的观测企业的绩效值作为反事实结果。最后，根据可观测的和匹配选取的潜在结果，通过组平均值来评估三种因果效应：

平均处理效应ATE（average treatment effect）或平均因果效应（average causal effect）是指给定企业个体特征为X，从总体中随机选取一个企业实施CDM 项目与假定该企业未实施CDM 项目的结果间的平均差异：

处理组的平均处理效应ATT（average treatment effect of the treated），是指给定企业个体特征X，处理组企业实施CDM 项目时的结果，与假如该企业未实施项目时所能获得结果的平均差异：

对照组的平均处理效应ATU（average treatment effect for the untreated），是指给定企业个体特征X，假如对照组企业实施CDM 项目所获的结果，与其没有实施项目时结果的平均差异：

Abadie和Imbens给出了各参数估计量的表达式，并分析了其统计学性质［15］。在接下来的分析中，我们将采用匹配估计量方法对CDM 的实施效果进行实证分析。

三、实证分析

（一）变量和数据

对企业绩效影响因素的研究很多，涵盖企业规模、行业特征、治理结构、技术创新等多种属性［16］。我们注意到，所选取的火电、钢铁、水泥行业具有如下特点：行业内上市公司绝大多数为国有控股企业，具有资本密集的特点，规模经济效应明显，产品生产技术成熟稳定。同时，考虑到上市公司样本数据的限制，最终选取3个控制变量，分别是固定资产净额、员工人数和权益对负债比率。衡量企业绩效的常用指标包括财务指标和市场指标，财务指标主要基于企业的财务报表数据，反映企业经营的成果，市场指标基于市场对企业价值的衡量，是企业以价值最大化为经营目标的市场体现。结合现有文献，选择财务指标总资产净利润率（ROA）、净资产收益率（ROE），以及价值指标托宾Q 为被解释变量。实证分析使用的变量定义如下：（1）总资产净利润率（ROA）为净利润与总资产余额的比值。（2）净资产收益率（ROE）为净利润与股东权益余额的比值。（3）托宾Q（TQ）为市场价值与期末总资产的比值。其中，市场价值=企业市值+企业债务净额=市值+负债-现金。（4）固定资产净额（K）为固定资产原价除去累计折旧和固定资产减值准备之后的净额。（5）员工人数（L）是年报中披露的上市公司在册（在职）员工人数。（6）权益对负债比率（ED）为股东权益与负债总额的比值。（7）清洁发展机制（D）是虚拟变量，如果企业实施CDM 项目则D 取值为1，否则D 取值为0。

样本数据来源于CSMAR 国泰安数据库的《上市公司研究系列数据库》，企业CDM 项目信息来自“中国清洁发展机制网”。实证分析采用的数据为各行业上市公司2012年横截面数据。各变量的统计描述如表1所示。

表1 变量的描述性统计

火电、钢铁、水泥三大行业均与国民经济基本建设密切相关。我国经济在2012年前三季度呈下滑趋势，第四季度在稳增长政策的支持下，城镇化建设提速，基建项目有序展开，经济出现企稳复苏迹象，企业微观数据也显示出这一特点。从表1可以看出，钢铁上市公司的平均利润率为负，托宾Q 值也小于1，这反映了近期钢铁行业不景气的现实。27家钢铁上市公司中，共有12家企业已签发CDM项目，比例为44.44%。水泥行业和火电行业的平均利润率为正，但是利润率水平仍然较低，前者的托宾Q 值高于后者，即水泥行业企业市价高于企业重置成本的幅度更大，反映出水泥行业的获利能力高于火电行业，企业的业绩相对较好。20家水泥上市公司中，共有7家企业已签发CDM 项目，比例为35%。而在25家火电上市公司中，共有17家企业已签发CDM 项目，所占比例为68%。另外，从企业的固定资产规模来看，三个行业的样本企业都属于大中型企业，且以大型企业为主。

（二）回归分析和结果解读

公式（1）的被解释变量企业绩效Yi分别用总资产净利润率（ROA）、净资产收益率（ROE）和托宾Q 值表示。解释变量包括固定资产净额的自然对数lnK、员工人数的自然对数lnL、权益对负债比率ED 以及反映清洁发展机制的虚拟变量D。

在初步的分析中，我们采用基于最小二乘的稳健标准误估计线性回归模型。结果表明，在三个行业模型中用于捕捉CDM 实施效果的虚拟变量D 均不具有统计显著性。究其原因，在于OLS估计实质上是直接将实施CDM 企业和未实施CDM 企业的绩效进行比较，即E［Yi｜X，Di=1］-E［Yi｜X，Di=0］，如果这两组企业在不实施CDM 项目时的绩效存在差异，即E［Y0i｜X，Di=1］-E［Y0i｜X，Di=0］≠0，就会导致选择性偏误，模型中的选择性偏误问题可能会掩盖变量间的因果关系。

下面采用匹配估计量方法估计变量间的因果关系。在非精确匹配（inexact matching）的情况下，如果进行一对一匹配，虽然偏差较小，但方差较大，对此，Abadie等建议进行一对四匹配，即对每个观测企业选择距离最近（向量模最小）的4个企业进行匹配，以最小化均方误差［17］。为消除匹配后仍存在的部分偏差，并且考虑到条件误差方差有可能随着企业实施CDM 项目及协变量变动而变动的情况，本文使用Abadie和Imbens提出的偏差矫正匹配估计量和考虑异方差的稳健标准误来估计模型［15］［18］，实证分析中采用Stata 12.0软件进行参数估计。

1.对火电企业绩效的影响

电力行业是我国参与清洁发展机制实施项目最早和最多的行业领域。我国火力发电量占全国总发电量80%以上，火电企业节能减排的任务十分艰巨。随着国民经济持续平稳较快发展，电力需求和电力销售收入都保持快速增长。但由于近年煤炭价格高位上行，劳动力成本上升，使得火电企业的发电成本大幅攀升，且下游上网电价面临管制，企业成本负担难以向下游转嫁出去，降低了火电行业的利润水平。尽管国家在2012年两次提高了火电的上网电价，部分缓解了火电行业的经营压力，但是煤电矛盾依然突出，一部分火电企业出现亏损。从表2可以看出，火电行业实施CDM 项目对企业总资产净利润率ROA、净资产收益率ROE和托宾Q 值都产生了显著的正向影响。

与未实施CDM 项目的企业相比，实施该项目将使得样本火电企业的总资产净利润率ROA 平均增加0.0210，其中，处理组子样本火电企业的处理效应为0.0320，即实施CDM 项目企业的ROA 将比不实施CDM 项目时提高0.0320，这表明实施CDM 项目显著提高了处理组企业的总资产净利润率，对照组企业的处理效应不显著。ROE的情况与ROA 类似，实施CDM 项目使得样本火电企业的净资产收益率ROE平均增加0.1367，其中，处理组火电企业的ROE 处理效应为0.1952，对照组的处理效应不显著，显然，ROA 和ROE的CDM 平均处理效应主要源自于处理组企业。实施CDM 项目对全部样本火电企业的托宾Q 值影响不显著，但是处理组子样本企业的处理效应为0.1434，且在10%的水平下显著，表明这些企业在实施项目之后提高了股东获利能力，对照组的处理效应不具有统计显著性。

基于反事实估计的实证分析结果表明，CDM 项目的实施显著提高了火电企业的绩效。但是这一效果仅体现于处理组企业，如果对照组企业也实施项目，其绩效将无显著变化。

表2 火电行业CDM 项目对企业绩效的影响

2.对钢铁企业绩效的影响

2012年我国钢材市场总体表现为低需求、低价位、低效益和去库存的特点，国内钢材价格第1季度震荡上涨，第2、3季度在经济下滑及钢贸企业信贷危机等因素的影响下大幅下跌，第4季度钢价反弹，但由于原材料和燃料价格也大幅回升，导致出现较大面积的行业性亏损。从表3可以看出，钢铁行业实施CDM 项目对企业财务绩效产生了显著的负向影响，而对托宾Q 值影响不显著。

与未实施CDM 项目的企业相比，实施该项目将使得企业的总资产净利润率ROA 平均降低0.0594，其中，实施CDM 项目的子样本钢铁企业的处理效应不显著，也就是说，处理组的企业如果不实施CDM 项目，从ROA 上看与实施该项目时的差别不明显，而未实施CDM 项目的处理效应达到-0.1047，即对照组的钢铁企业如果实施了CDM 项目，将导致ROA 显著降低0.1047。实施CDM项目平均而言将使得企业的净资产收益率ROE 降低0.1840，其中，处理组的处理效应不显著，对照组的处理效应达到-0.4188，即对照组的钢铁企业如果实施了CDM 项目，其ROE将显著降低0.4188。

基于反事实估计的分析结果表明，钢铁上市公司实施清洁发展机制主要对企业绩效产生消极影响，这一效应主要体现于对照组企业。在钢铁行业不景气的背景下，如果没有实施CDM 项目的企业实施该项目，将会显著恶化企业绩效。

表3 钢铁行业CDM 项目对企业绩效的影响

3.对水泥企业绩效的影响

与钢铁行业类似，我国水泥行业发展面临的一个突出问题是产能过剩。中国水泥协会数据显示，2008～2012年我国水泥企业新增产能共计11亿吨左右，截至2012年底，水泥的实际产能已超出当年水泥需求8亿吨。由于近期房地产投资回落，水泥行业的发展深受影响。从表4可以看出，水泥行业实施CDM 项目对企业总资产净利润率ROA 和托宾Q 值产生了显著的正向影响。

实施CDM 项目将使得样本水泥企业的总资产净利润率ROA 平均增加0.0193。其中，实施CDM 项目的处理组水泥企业的处理效应为0.0228，对照组企业的处理效应在10%的水平下也显著为正，对照组的水泥企业如果实施了CDM 项目，将会使得ROA 增加0.0175。从托宾Q 值来看，CDM 对全部样本企业绩效的影响平均而言不具有统计显著性，但是，处理组企业的处理效应为0.4839，且在1%的水平下显著，表明实施该项目明显提高了这些企业的股东获利能力，对照组企业的处理效应不显著。

我国水泥行业的清洁发展机制主要集中于余热发电等旨在节能和提高能效的项目，总的来看，CDM 项目的实施会显著提高水泥企业的绩效。与对照组企业相比，处理组企业实施CDM 项目的效果更为明显。

表4 水泥行业CDM 项目对企业绩效的影响

在估计模型的过程中，计算向量模使用的权重矩阵V 为各变量样本方差对角矩阵的逆矩阵。为验证上述结果，我们将权重矩阵更换为样本方差协方差矩阵的逆矩阵，即使用马氏距离（Mahalanobis distance）进行匹配，研究发现使用两种加权矩阵的估计结果相差不大。这显示，基于反事实分析框架的匹配估计量方法较好地捕捉和揭示了数据中所蕴含的因果关系。

四、进一步的分析

科斯定理表明，在交易费用不为零的情况下，不同的权利配置界定会带来不同的资源配置。碳交易的实质是对温室气体排放权的配置，在环境资源日益稀缺的情况下，对温室气体排放进行产权界定，能够确保环境容量实现合理定价和有偿使用，避免产生“公地悲剧”。由于不同企业存在减排成本差异，碳交易中高出行业排放水平的企业将把利益让渡给排放水平低的企业，因此能够在完成减排总量目标过程中，降低社会总成本，优化经济结构，实现最优的资源配置。

清洁发展机制是企业参与碳交易的重要形式。然而为什么火电行业和水泥行业CDM 显著地提高了企业绩效，而钢铁行业CDM 却降低了企业绩效？这需要结合企业发展环境对开发CDM 项目的成本和收益进行深入分析。碳交易机制可以使企业增加盈利，我国CDM 项目在通过发改委审批、联合国注册、获得CER 签发等规定程序之后，即可通过碳交易获取资金收益。例如，一个100万吨二氧化碳减排量项目，即100万个CER，按照每吨5美元的交易价格计算，该项目业主可以出售CER 获得500万美元的CDM 收入。据测算，截至2011年5月12日，清洁发展机制已为中国累计带来20亿美元收入③。

不仅如此，企业实施CDM 项目还可以通过其他途径提高绩效。从企业内部看，企业淘汰落后工艺、技术和设备，发展资源消耗低、环境污染少、附加值高的新技术和新产品，有利于提高资源利用效率，减少原材料消耗，降低生产成本；企业减少污染排放和创建优质健康的工作环境，塑造绿色企业文化，有利于吸引高素质的员工，提高员工参与度和满意度，从而提高生产效率。从企业外部看，企业加强环境治理和积极承担社会责任，开发绿色环保的产品，有利于提升企业整体形象和社会声誉，赢得利益相关者的支持，提高顾客忠诚度，进而扩大市场份额。

但是，企业参与CDM 面临较高的项目开发成本。一方面，技术设备更新改造投资巨大。企业为实现节能减排需要加大清洁技术开发利用、更新改造现有设备、引进购置环保装置设备等。另一方面，项目开发流程较长，成本较高。CDM 碳排放权作为一种虚拟商品，其交易规则十分严格，开发程序比较复杂，销售合同涉及境外客户，合同期限长，在短期内难以为项目业主贡献业绩。以成功签发的八一钢铁项目为例，该企业的CDM 项目工作于2007年4月正式展开，同年7月与德意志银行达成减排量购买意向，2008年3月获得国家发改委项目批准，2009年在EB注册，直到2012年10月才获得签发。不仅如此，项目开发成本较高，一个CDM 项目从咨询开发到审定，再到注册，通常所需花费的成本高达数十万元或上百万元，这对于一般的CDM 项目开发商，特别是对小型的项目开发企业来讲，是难以承受的。

在当前世界经济复苏乏力、外贸出口下降、国内产能过剩等宏观经济环境趋紧的情况下，我国火电、水泥和钢铁行业的发展深受影响。由于火电企业的燃料成本占全部发电成本的70%左右，电煤价格的变动成为影响火电企业经营状况最敏感的因素，导致火电行业发展具有高收入、低利润、易亏损的特点。水泥和钢铁行业与行业下游的基础设施建设、房地产等行业的景气状况有很大关联性，国家信息中心统计数据显示，我国一半以上水泥生产设备利用率已降至70%及以下。尽管如此，火电和水泥行业的盈利状况仍然明显好于钢铁行业，钢铁行业面临的境况十分严峻。统计数据表明，我国钢铁行业从2011年第四季度开始至2014年上半年遭遇连续10个季度亏损④。显然，当钢铁行业发展遭遇不景气，企业经营状况较差时，如果企业投入大量资源开发CDM 项目，不仅难以获得预期回报，甚至使企业经营状况恶化。

国际上，随着2012年《京都议定书》第1承诺期到期，发展中国家和发达国家针对第2承诺期存续议题产生严重分歧，CDM 机制的发展前景变得扑朔迷离，企业开发CDM 项目的不确定性明显增大。然而令人鼓舞的是，2011年11月我国正式启动碳排放权交易试点，并逐步建立全国碳排放权交易市场，以加快推动经济发展方式转变和产业结构升级，到2014年6月，首批确定的北京市、天津市、上海市、重庆市、广东省、湖北省、深圳市等7省市已全部开始实际交易。2014年4月，十二届全国人大常委会第八次会议表决通过“史上最严格”的《环境保护法修订案》，则进一步为我国的排污权交易提供了法律基础。同年11月，中美双方共同发表《中美气候变化联合声明》，中国政府宣布计划在2030年左右使二氧化碳排放达到峰值，且将努力早日达到峰值。在此进程中，企业对通过市场化机制实现低成本减排有着旺盛的需求，未来我国碳排放权交易市场仍有巨大的发展空间。

五、主要结论

建立健全包括清洁发展机制在内的碳交易体系是推进节能减碳和建设生态文明的重要途径。我国作为世界最大的CER 供应国，企业从事碳交易和开发CDM 项目的积极性很高。本文选择签发CDM 项目最多的火电、钢铁、水泥行业，基于反事实分析框架，采用能够克服样本选择性偏误问题的匹配估计量方法计算CDM 的实施效果，实证发现：一是CDM 项目显著提高了火电企业和水泥企业的绩效，与未实施CDM 项目的对照组企业相比，这两个行业中处理组企业实施CDM 项目的效果更好；二是CDM 对钢铁企业的绩效产生消极影响，特别是，在样本时点钢铁行业不景气的背景下，如果没有实施CDM 项目的企业实施该项目，将会显著恶化企业绩效。

我国政府历来强调CDM 项目必须同时满足帮助发展中国家实现可持续发展和减少温室气体排放的要求。企业在发展清洁生产的同时应努力提高绩效。本文的分析表明，我国企业实施CDM 的效果存在明显的行业差异性。在综合考虑项目成本和收益之后，这一差异性可从不同行业所面临的景气状况中得到解释。在三个行业中，由于钢铁业面临行业性亏损，CDM 项目较高的开发成本使得企业短期内难以获得预期收益，甚至会恶化企业的绩效。由于碳交易本质上是一种金融活动，为提高企业绩效，碳交易决策应紧密结合企业发展环境和自身条件，对交易项目的目的、成本、收益、市场变化及潜在风险等进行综合评价，科学合理地选择和有效开展适宜本企业的碳减排行为。

注释：

①数据来源于《联合国气候变化框架公约》官方网站。http：／／cdm.unfccc.int／Issuance／index.html。1单位CER 代表1吨二氧化碳当量的减排。

②数据来源于中国清洁发展机制网：《中国CDM 项目签发最新进展（截至2014年5月6日）》。http：／／cdm.ccchina.gov.cn／TableList.aspx？Id=69。国家发改委应对气候变化司CDM 项目数据库显示，截至2014年5月6日，国家发改委已经批准5048项，同期在联合国EB成功注册3793项，已获签发1389项。

③数据来源于中国经济网：《清洁发展机制已为中国累计带来20亿美元》，2011年5月12日。http：／／intl.ce.cn／specials／zxxx／201105／12／t20110512＿22417113.shtml。

④数据来源于网易财经网站：《钢铁主业连亏十季度，钢厂借电商“钢材换煤炭”》，2014年5月1日。http：／／money.163.com／14／0501／21／9R6JFUJ2002524SO.html.

［1］Russo，M.V.，Fouts，P.A.A Resource-based Perspective on Corporate Environmental Performance and Profitability［J］.Academy of Management Journal，1997，40（3）：534—559.

［2］Judge，W.Q.，Douglas，T.J.Performance Implications of Incorporating Natural Environmental Issues into the Strategic Planning Process：An Empirical Assessment［J］.Journal of Management Studies，1998，35（2）：241—262.

［3］Sharma，S.Managerial Interpretations and Organizational Context as Predictors of Corporate Choice of Environmental Strategy［J］.Academy of Management Journal，2000，43（4）：681—697.

［4］Bragdon，J.H.，Marlin，J.A.T.Is Pollution Profitable？［J］.Risk Management，1972，19（4）：9—18.

［5］Stanwick，P.A.，Stanwick，S.D.The Relationship between Corporate Social Performance and Organizational Size Financial Performance，Environmental Performance：An Empirical Examination［J］.Journal of Business Ethics，1998，17（2）：195—204.

［6］Fogler，H.R.，Nutt，F.A Note on Social Responsibility and Stock Valuation［J］.Academy of Management Journal，1975，18（1）：155—160.

［7］David，L.L.The Environmental Practices and Performance of Transnational Corporations［J］.Transnational Corporations，1995，4（1）：44—67.

［8］Wang，B.Can CDM Bring Technology Transfer to China？An Empirical Study of Technology Transfer in China's CDM Projects［J］.Energy Policy，2010，38（5）：2572—2585.

［9］Michele，S.Evidence of the Clean Development Mechanism Impact on the Chinese Electric Power System's Low-carbon Transition［J］.Energy Policy，2013，62（11）：1309—1319.

［10］Zhao，Z.Y.，Li，Z.W.，Xia，B.The Impact of the CDM（Clean Development Mechanism）on the Cost Price of Wind Power Electricity：A China Study［J］.Energy，2014，69（5）：179—185.

［11］张秋莉，门明.企业碳交易的有效性——基于中国A 股上市公司的实证研究［J］.山西财经大学学报，2011，（9）：9—17.

［12］任志娟.碳交易对上市公司的影响分析——基于事件分析法的研究［J］.东岳论丛，2012，（11）：136—140.

［13］Angrist，J.D.，Pischke，J.Mostly Harmless Econometrics：An Empiricist's Companion［M］.Princeton：Princeton University Press，2009.

［14］Guo，S.，Fraser，M.W.Propensity Score Analysis：Statistical Methods and Applications［M］.Thousand Oak：Sage Publication，2011.

［15］Abadie，A.，Imbens，G.W.Large Sample Properties of Matching Estimators for Average Treatment Effects［J］.Econometrica，2006，74（1）：235—267.

［16］Dixon-Fowler，H.R.，Daniel，J.S.，Johnson，J.L.，Ellstrand，A.E.，Romi，A.M.Beyond‘Does It Pay to Be Green？’A Meta-analysis of Moderators of the CEP-CFP Relationship［J］.Journal of Business Ethics，2013，112（2）：353—366.

［17］Abadie，A.，Drukker，D.，Herr，J.L.，Imbens，G.W.Implementing Matching Estimators for Average Treatment Effects in Stata［J］.The Stata Journal，2004，4（3）：290—311.

［18］Abadie，A.，Imbens，G.W.Simple and Bias-corrected Matching Estimators for Average Treatment Effects［Z］.NBER Technical Working Paper No.283，2002.