碳排放交易机制的减排和绿色发展协同效应

陆 敏，徐 好

（南京审计大学统计与数据科学学院，江苏 南京 211815）

一、引言

为了应对环境挑战和气候变化，实现低碳绿色可持续发展，我国作为负责任的大国，一直承担并积极履行相关义务。“十四五”规划提出，要推动绿色发展，促进人与自然和谐共生，积极应对气候变化，制定2030 年前碳排放达峰行动方案，锚定努力争取2060 年前实现碳中和，采取更加有力的政策和措施，全面实行排污许可制，推进碳排放权市场化交易。早在2011 年10 月，国家发改委就批准在北京、上海、天津、湖北、广东、深圳、重庆等7 个省市开展碳排放交易试点。①截至2021 年6 月，8 个试点市场覆盖了电力、钢铁、水泥等20 多个行业近3 000 家重点排放单位，试点省市碳排放市场累计配额成交量达到4.8 亿吨二氧化碳当量，成交额约114 亿元。2021 年7月16 日早上9 点30 分，全国碳排放交易体系正式启动。碳排放交易体系是利用市场机制控制和减少温室气体排放，推动绿色低碳发展的一项制度创新，也是实现“双碳”（碳达峰、碳中和）国家自主贡献目标的核心政策工具，可以以较低成本实现特定减排目标。与传统的行政管理手段相比，碳排放交易机制既能将控排责任压实到企业，又能为碳减排提供相应的经济激励机制，降低全社会的减排成本，同时带动绿色技术创新和产业投资，为处理好经济发展与碳减排的关系提供了有效的工具。此外，与目前国内其他的排污权交易相比，碳排放交易机制的核心优势是将碳排放权市场化，即赋予二氧化碳相应的市场价格，并在这一价格下积极采取切实可行的措施对节能减排给予合理补偿，以较少的社会成本达到控制碳排量的总体目的。与征收碳税的做法相比，碳排放交易机制不仅能够有效实现节能减排的目标，而且还能获利。因此，碳排放交易机制的持续影响能够强有力地促进减污降碳的技术开发和技术转让。

随着我国进入新发展阶段，在新发展理念的指引下，我国在关注碳排放交易机制减排效应的同时，还需要考虑碳排放交易机制是否促进了经济的绿色发展，实现了减排和绿色发展的协同效应。基于此，本文以2011 年开始实行的碳排放交易机制为研究对象，验证该机制能否在实现减排效应的同时促进区域绿色发展，实现更高质量的经济发展和更高水平的环境保护，以期为全国性碳排放交易市场的逐步完善提供借鉴。

二、文献综述

随着碳排放交易机制的发展，国内外学者围绕碳排放交易机制的政策效应进行了深入研究，取得了大量的研究成果。鉴于碳排放交易机制是通过碳排放市场交易达到控制和降低二氧化碳排放的目的，许多文献都关注碳排放交易机制的减排效应。

在微观企业层面，碳排放交易政策的实施在一定程度上发挥了作用，减少了大约1.3 亿吨的碳排放量，其在小规模企业和非国有企业中的减排效果更为明显（Shen et al.，2020）[1]。沈洪涛等（2017）[2]也认为，碳排放交易机制能够有效促进企业降低碳排放，但企业主要是通过减少产量这种短期行为减少碳排放，而不是通过技术投入促进清洁生产来实现长期减排。碳排放交易机制还能通过技术创新渠道显著促进工业企业转型升级，这种政策效应对非国有企业和大型企业转型升级的影响更为显著（刘和旺等，2017）[3]。从企业创新质量来看，碳排放交易机制对低质量的创新促进作用更大，其对国有股份企业和大规模企业的创新质量具有促进作用，而对民营企业和小规模企业高质量创新的诱导力度较小或不显著（胡江峰等，2020）[4]。

在中观层面，碳排放交易机制通过能源部门生产成本变化间接引致能源价格变动，引导能源消费结构调整，激励各生产部门减排，从而影响各部门的生产活动及其产出（孙睿等，2014）[5]。从行业来看，与非试点地区相比，碳排放交易使得试点地区的管制行业碳排放量减少了15.5%，能耗降低了22.8%（Hu et al.，2020）[6]。碳排放交易政策的实施使得工业总产值增加了13.6%，并使工业二氧化碳排放减少了24.2%（Zhang et al.，2020）[7]。基于30 个省份28 个行业的投入产出表，Gao 等（2020）[8]研究发现，碳排放交易机制有利于试点地区和行业进行减排，而且碳排放交易对降低生产中的碳排放效果要好于消费中的碳排放。

在宏观层面，宋德勇和夏天翔（2019）[9]研究发现，碳排放交易试点政策能够显著降低试点省份的碳排放总量和人均碳排放量，而且试点政策的减排效应逐年增强，但试点政策对碳排放强度并无显著影响。周迪等（2020）[10]却认为，碳排放交易政策对试点城市碳排放强度的降低也具有显著而持续的推动作用，而且随着年份的增加，政策效果越发明显。环境规制政策一般是通过优化产业结构的方式降低二氧化碳排放（Chen et al.，2019）[11]，而各试点省市在经济发展、产业结构等方面存在差异，导致各试点省市的减排效果存在异质性，广东、天津、湖北、重庆等试点省市的减排效果更为明显（刘传明等，2019）[12]。在控制了区域差异后，Wang 等（2019）[13]发现，碳排放交易机制显著降低了12%的名义CO2强度和7.6%的实际CO2强度，但其对CO2排放量的降低效果并不显著。在试点城市，碳排放交易机制对工业产值有着积极的影响，对污染排放具有一定的抑制作用，尤其是在人口较多、金融发展水平较高、空气质量较差的大城市，碳排放交易机制在减排的同时更是促进了工业产值的增加（Huang et al.，2021）[14]。Yan 等（2020）[15]发现，碳排放交易机制对烟雾浓度具有显著的减排效应，其仅对试点省市中的广东省的烟雾浓度具有显著的负面影响。

随着新发展理念日益深入人心，如何在实现绿色高质量发展的同时兼顾经济效益和环境效益，是我国在新发展阶段需要解决的问题。对此，学者们也非常关注碳排放交易机制对绿色发展的影响。Zhu 等（2020）[16]认为，碳排放交易机制显著提升了中国的绿色发展效率，而且碳排放交易可以带来双重红利，既能显著提升绿色发展效率，又能促进区域碳平等（Zhang et al.，2021）[17]。基于绿色生产绩效的角度，Yang 等（2021）[18]研究发现，试点地区的平均绿色生产绩效高于非试点地区，碳排放交易机制使得绿色生产绩效显著提升了约10%。基于生态效率的视角，陆敏（2020）[19]研究发现，碳排放交易机制通过能源消费结构调整和产业结构优化，显著促进了生态效率的提升。孙振清等（2020）[20]从经济增长效应和绿色效应出发，论证了碳排放交易机制如何显著提升试点地区的工业绿色发展效率水平。余萍和刘纪显（2020）[21]认为，碳排放交易市场规模会影响绿色效应和经济增长效应，交易市场规模较大地区的绿色效应和经济增长效应也较大。王勇和赵晗（2019）[22]选取碳排放效率作为绿色低碳经济发展的关键指标进行研究，发现碳排放交易机制建立后，各试点省市的碳排放效率排名均保持不变或有所上升。

综上所述，国内外学者围绕碳排放交易机制的减排效果、碳排放交易机制促进绿色发展的效应展开了深入研究，取得了丰硕的研究成果。但是，大多数文献仅关注碳排放交易机制实施后某个方面的政策效果，如降低碳排放、促进技术创新、提高效率等，而从多角度综合研究碳排放交易机制政策效应的文献较为少见。任亚运和傅京燕（2019）[23]虽然基于省级面板数据研究了碳排放交易机制的减排效果和促进区域绿色发展的协同效应，但其是采用包含全域排放物及区域污染物的曼奎斯特-卢恩伯格指数表征绿色发展。事实上，绿色生产效率作为包含非期望产出、属于环境敏感型的生产力增长，通常被用来研究可持续发展或绿色发展（Kumar，2006；Oh，2010；Chen，2014；Yang，2017）[24-27]。

本文的边际贡献主要体现在三个方面。（1）从碳排放交易机制的减排和绿色发展协同效应角度研究政策效应。有别于既有文献，本文分析了碳排放交易机制在带来减排效应的同时，是否提升了绿色生产效率，促进了区域绿色发展。（2）研究了碳排放交易机制产生协同效应的影响机制。本文兼顾经济增长与环境保护，通过构建双重差分模型和中介效应模型，厘清了碳排放交易机制减排和绿色发展协同效应的逻辑路径。（3）将绿色生产效率纳入碳排放交易机制政策效应的研究框架，并采用DEA-SBM 模型测度绿色生产效率。绿色生产效率的测度是衡量既定时期各决策单元与生产前沿的相对关系，反映的是投入产出的有效程度。该方法是基于全要素生产框架，不仅考虑了各种投入要素之间的相互作用，还考虑了生产过程中的非期望产出，可以科学地评价一个区域的绿色发展，合理评估碳排放交易机制运行背后真实的投入产出。

三、模型描述与数据来源

双重差分模型已被广泛应用于公共政策实施效果的定量评价，其优点是能够将政策实施的影响效果分离出来，在一定程度上避免内生性的干扰，进而可以厘清政策实施的真实影响。

根据2011 年10 月国家发改委发布的《关于开展碳排放权交易试点工作的通知》，本文以碳排放交易作为准自然实验，同时为保证研究样本的一致性，将深圳碳交易试点纳入广东省。此外，本文借鉴刘晔（2017）[28]、胡江峰（2020）[4]的研究方法并考虑政策实施的滞后效应，将2012 年作为碳排放交易试点的实施时间。

本文从试点省份和政策实施时间两个方面构造实验组和对照组，以检验碳排放交易机制对碳排放量和绿色生产效率的影响。在构建模型时，本文通过引入时间虚拟变量Time 和省份虚拟变量Treated，构建了碳排放交易机制下影响减排效果和绿色生产效率的DID 模型。本文构建的双重差分模型如下：

其中：Yit代表二氧化碳排放量（lnCO2）和绿色生产效率（GPE）；Treatedi为省份虚拟变量，某省份若是碳排放交易试点省份则赋值为1，非试点省份则赋值为0；Timet为时间虚拟变量，若以2012 年作为碳排放交易机制的实施时间，则2012 年之后赋值为1，否则赋值为0；核心解释变量为政策净效应（Treated*Time），即相关省份在2012 年之后是否成为碳排放交易机制的试点省份，Treated*Time 取值为1 表示实施了试点政策，取值为0 表示未实施试点政策；γt为年份固定效应，λi为省份个体固定效应，εit为随机误差项，以减少内生性的干扰。

从控制变量来看，本文参考陈超凡（2016）[29]、涂正革等（2015）[30]的研究，将GDP、能源结构等纳入其中，同时借鉴任亚运等（2019）[23]、孙振清（2020）[20]的方法，将碳排放强度和产业结构高级化作为控制变量。根据不同环境规制对创新的不同影响，本文还将R&D 作为间接影响碳排放和绿色发展水平的关键变量。由此，本文的控制变量Controlit主要包括国内生产总值（GDP）、研发活动（R&D）、产业结构高级化、第二产业占比、碳排放强度（CI）等。

国家统计局的数据资料显示：②2020 年我国能源消耗量约为49.8 亿吨标准煤，比2019 年增长2.2%；煤炭消费量增长0.6%，煤炭消费量占到能源消费总量的56.8%，比2019 年下降0.9 百分点。虽然煤炭消耗量占比略有下降，但我国以煤炭为主要能源的能源结构短期内并未改变，故本文采用各省份煤炭消费量占能源消费总量的比重衡量各省份的能源消耗结构。产业结构高级化用第三产业增加值与工业增加值之比来测度，该比值越大，说明产业结构高级化程度越高。

鉴于福建碳排放交易市场是在2016 年底启动运营的，本文将北京、天津、上海、广东、湖北、重庆6个省市作为实验组，将河北、江苏、浙江、安徽、江西、山东、河南、湖南、四川、云南10 个省份作为对照组，以便对比和凸显政策的实施效果。相关数据来源于2010—2019 年的《中国统计年鉴》《中国能源统计年鉴》以及各省份的统计年鉴，各省份的碳排放量数据来自于CEADs 碳核算数据库（见表1）。

表1 各省的碳排放量数据 （单位：百万吨）

四、绿色生产效率的测算

（一）DEA-SBM 模型

数据包络分析（DEA）是以线性规划为基础、以距离函数为方式的模型方法，包括CCR、BCC、SBM等模型。在实际应用中，学者们通常需要考虑碳排放量、二氧化硫等非期望产出，与传统的DEA 模型相比，基于松弛变量的DEA-SBM 模型（Kaoru，2001）[31]包含了对非期望产出的决策单元进行的环境效率评价。SBM 模型在CCR、BCC 径向距离函数模型的基础上进行了改进，充分考虑了投入产出的松弛变量问题，在处理非期望产出时将松弛变量加入目标函数中，从而能够较好地解决经济效率、环境效率、生态效率测度失真等问题。

本文参考丰超等（2016）[32]、刘亦文等（2015）[33]的研究，利用DEA-SBM 模型对16 个省市的绿色生产效率进行测算。假设存在n 个决策单元，m 种投入要素，其元素x∈Rm，记若干期望产出为S1、非期望产出为S2，本文给出如下矩阵：

DEA-SBM 模型的表达式如下：

其中，s-、sg、sb分别为投入要素（能源消耗、资本投入、劳动力投入）、期望产出（GDP）和非期望产出（碳排放量）的松弛变量，θ 为权重向量，ρ*=minρ 取值范围为[0，1]（当ρ*=1 时，s-、sg、sb均取值为0，表明决策单元有效；当ρ*∈（0，1）时，s-、sg、sb不全为0，决策单元无效，投入产出需要进一步改进）。

经过计算，本文得到16 个省市的绿色生产效率，如表2 所示。

表2 16 个省市的绿色生产效率数据

从表2 中可以看出，政策实施以前，16 个省市的绿色生产效率均保持上升趋势，但上升速度较为缓慢。政策实施以后，试点省份和非试点省份的绿色生产效率呈现显著的差异性变化，试点省份的绿色生产效率不断提升，而非试点省份的绿色生产效率出现停滞甚至下降的趋势。总体来看，碳排放交易政策倒逼试点省份不断提高绿色发展水平，而非试点省份由于没有受到政策的影响，其绿色发展水平落后于试点省份。

（二）描述性统计结果

表3 和表4 分别给出了试点省份和非试点省份相关变量的描述性统计结果。可以看出，在政策实施前后，试点省份的碳排放量下降了0.09，绿色生产效率提升了0.12，而非试点省份的碳排放量较政策实施前增长了0.04，绿色生产效率下降了0.03。此外，差值（b-a）为政策实施后非试点省份相关变量的均值与试点省份相关变量均值的差值。其中，碳排放量的差值为0.8，绿色生产效率的差值为-0.23，碳排放强度的差值为0.53。从经济发展水平和产业结构（第二产业占比、产业结构高级化、R&D 等）来看，试点省份的均值略微领先于非试点省份。上述描述统计结果初步表明，相较于非试点省份，碳排放交易政策的实施降低了试点省份的碳排放量，提升了试点省份的绿色生产效率。

表3 试点省份相关变量的描述性统计a

表4 非试点省份相关变量的描述性统计b

从图1 的碳排放量变化来看，试点地区的碳排放量从2012 年开始出现下降趋势，但2016 年以后碳排放量又开始缓慢增长，非试点地区则呈现逐年缓慢上升的态势。从绿色生产效率的变化来看，试点地区的绿色生产效率逐年提升，非试点地区从2012年开始呈现缓慢下降的趋势，但从2017 年开始又在缓慢上升。这初步表明，碳排放交易政策的实施能够实现抑制试点地区碳排放量增加和促进试点地区绿色生产效率提升的目标。

图1 试点与非试点省份碳排放量（左）和绿色生产效率（右）的对比

五、实证研究

（一）平行趋势假设检验与基准回归结果

平行趋势假设是建立双重差分模型的重要前提，它要求在没有受到试点政策的影响下，实验组个体的变化趋势与控制组个体的变化趋势大致相同，即实验组与对照组不存在系统性差异。只有在试点省份与非试点省份的碳排放量和绿色生产效率均满足平行趋势的前提下，Treated*Time 交互项才是政策实施的净效应。因此，本文首先对平行趋势假设进行检验。

图1 显示，2010—2012 年试点地区与非试点地区的碳排放量和绿色生产效率基本满足平行趋势假设，2012 年之后试点地区的碳排放量不断下降，但2016—2019 年期间碳排放量又略微上升。相比较而言，非试点地区的碳排放量自2012 年以后略微上升。同时，试点地区的绿色生产效率自2012 年之后不断提升，而非试点地区的绿色生产效率却缓慢下降。

为了进一步检验平行趋势假设，本文构建了如下平行趋势检验模型：

本文构造了一个时间趋势变量（Trendt），以比较试点地区与非试点地区之间的平行时间趋势，并分别在2010 年、2011 年、2012 年……2019 年将趋势值设定为1、2、3……10。如果试点地区与非试点地区在2010—2012 年期间具有相似的变化趋势，则Trend*Treated 的系数β1在统计上应该是不显著的，即满足平行趋势假设。

表5 给出了模型（2）的平行趋势假设检验结果，其中，列（1）和列（3）为加入控制变量的实证结果，列（2）和列（4）为未加入控制变量的实证结果。在模型（2）的平行趋势假设检验中，Px 为Trend*Treated 的交乘项，无论加入控制变量还是未加入控制变量，Px对碳排放量和绿色生产效率的回归系数β1均不显著，即在2010—2012 年期间，试点地区与非试点地区的碳排放量和绿色生产效率不存在系统性差异。因此，本文的平行趋势假设得以满足。

表5 平行趋势假设检验

在满足平行趋势假设的前提下，本文建立了基准回归模型（1），利用DID 模型检验碳排放交易政策对减排和绿色生产效率的影响。表6 是以碳排放量和绿色生产效率为被解释变量的DID 模型检验结果。列（1）和列（3）中Treated*Time 的系数均显著为负，说明在实施碳排放交易政策的背景下，该政策对试点地区的碳排放量产生了显著的抑制作用，与非试点地区相比，试点地区的碳排放量降低了12%。同时，列（2）和列（4）中Treated*Time 的系数均显著为正，说明碳排放交易政策对绿色生产效率产生了正向影响，促进了绿色生产效率和绿色发展水平的提升。因此，碳排放交易政策能够兼顾减排和绿色协同发展。从整个回归结果来看，本文最关注的是交乘项系数α1及其显著性水平。实证结果显示，不论是否加入控制变量，交乘项的系数α1均保持显著，说明碳排放交易政策实施对试点地区的碳排放量具有显著的抑制作用，而对绿色生产效率具有提升作用。此外，本文基准回归中的交乘项系数与任亚运等（2019）[23]的实证结果非常接近。

就控制变量而言，从表6 的列（3）和列（4）中可以看出，产业结构高级化、R&D 对碳排放量的回归系数为负，说明当第三产业占比不断提高时，产业结构从低端向高端升级，以高新技术为代表的高端产业发展和研发投入增多能够抑制碳排放量的增加。此外，产业结构高级化、R&D 对绿色生产效率的回归系数为正，说明产业结构高级化能够提升绿色生产效率，而研发投入对绿色发展水平也具有正向影响。未来我国仍需大力发展高新技术产业，促进减污降碳的技术开发和技术转让，同时加大研发投入，以减少碳排放量，促进绿色发展。

表6 基准回归结果

（续表6）

为了进一步验证碳排放交易机制对减排和绿色发展协同效应的影响，本文构造了碳排放量与绿色生产效率的交乘项（（1/LnCO2）*GPE）作为被解释变量。其中，碳排放量为逆指标，为保证其经济含义正向化，本文对碳排放量取倒数。碳排放量与绿色生产效率交乘项所要验证的是，碳排放交易机制的实施能否同时实现碳排放量的进一步降低和绿色发展水平的进一步提高。被解释变量的系数值若为负或未通过显著性检验，则意味着碳排放交易机制未能实现碳减排和绿色发展的协同效应。

从表7 的回归结果来看，Treated*Time 的系数均显著为正，说明碳排放交易机制对减排和绿色发展协同效应的影响是存在的，即碳排放交易机制能够实现环境效益与经济效益的双赢。

表7 碳排放交易机制对减排和绿色发展协同效应影响的进一步检验

年份固定效应 Y Y省份固定效应 Y Y Constant 0.07***（12.74）0.30*（1.79）Observations 160 160 Adjusted R2 0.742 0.854

（二）稳健性检验

前文无论是否加入控制变量，碳排放量和绿色生产效率对Treated*Time 的回归系数显著性均保持不变，且系数值变化不大，这就初步证明检验结果是稳健的。进一步地，本文利用面板固定效应模型和安慰剂检验验证结果的稳健性。

尽管试点地区与非试点地区在一定程度上存在相似的发展趋势，但在政策实施之后，二者的发展趋势是否依然相似无法观察到。为了消除未观察到的混杂因素，本文在基准回归的基础上进行面板固定效应模型检验。从表8 中列（1）和列（2）给出的碳排放交易机制对碳排放量和绿色生产效率的面板固定效应检验结果来看，核心解释变量Treated*Time 的系数均保持显著，说明原检验结果是稳健的。

表8 面板固定效应模型检验

为了避免省份选取的偶然性，排除省份选择对估计结果的影响，本文通过反事实检验进一步验证估计结果的稳健性。本文在非试点地区中随机选取6 个省份作为“虚假”的碳排放交易政策试点地区，即生成错误的省份虚拟变量（Treatedi），并以同样的方式进行基准回归。如果“虚假”的核心解释变量（Treated*Time）对碳排放量的回归系数显著为负或者对绿色生产效率的回归系数显著为正，则说明估计结果无法通过稳健性检验，反之则说明本文的估计结果是稳健的。

从表9 的回归结果来看，在“虚假”的碳排放交易政策试点省份中，“伪造”的碳排放交易机制虚拟变量的回归系数均不显著，并且碳排放交易机制对碳排放量的回归系数为正，对绿色生产效率的回归系数为负，这就证明了原估计结果是稳健的。综上所述，本文实证结果的可信度较高，即碳排放交易机制能够协同实现降低试点地区碳排放与促进试点地区绿色发展的目标。

表9 反事实检验

（三）中介效应检验

为了进一步论证碳排放交易机制促进减排和绿色发展的协同效应，基于前文的分析并参考李珊珊等（2019）[34]的研究，本文提出以下猜想：（1）碳排放交易机制通过能源消耗结构调整，影响碳排放量和绿色生产效率；（2）碳排放交易机制通过产业结构高级化，影响碳排放量和绿色生产效率。

本文采用三步检验法（温忠麟、叶宝娟，2014）[35]，构建了如下中介效应检验模型：

其中：M 为中介变量，即能源消耗结构和产业结构高级化；y 为被解释变量，即碳排放量和绿色生产效率；Controlit为控制变量；其余变量与前文的平行趋势假设检验和基准回归保持一致。

本文的检验步骤如下：首先是在模型（3）中用中介变量 M 对碳排放交易政策虚拟变量（Treated*Time）进行回归，系数β1若显著，则说明碳排放交易政策对中介变量M 产生了显著影响，否则中止检验；其次是在模型（4）中用被解释变量对碳排放交易政策虚拟变量进行基准回归，得到显著的系数β2，否则中止检验；最后是在模型（5）中将碳排放交易政策虚拟变量和中介变量同时纳入模型进行回归，系数β3的绝对值若变小或显著性水平降低，同时回归系数β1×θ 与β3保持同号，则说明碳排放交易政策能够通过中介变量影响被解释变量。

能源消耗结构、产业结构高级化与碳排放量的检验结果如表10 和表11 所示。列（1）均为基准回归，Treated*Time 与碳排放量的系数显著为负。列（2）中，能源消耗结构、产业结构高级化为中介变量。Treated*Time 与能源消耗结构的系数显著为负，说明碳排放交易政策对能源消耗结构产生了负效应，即碳排放交易政策能够改善以煤炭消耗为主的能源消费结构。Treated*Time 与产业调整的系数显著为正，说明碳排放交易政策对产业结构高级化产生了正效应，即碳排放交易政策能够促进产业结构转型升级。列（3）同时加入Treated*Time 和中介变量后，Treated*Time 的系数均缩小且显著性水平降低，同时，间接效应回归系数β1×θ 与直接效应系数β3保持同号。由此可以看出，碳排放交易机制通过调整能源消耗结构和产业结构抑制了碳排放量的增加。

表10 能源消耗结构- 碳排放量的中介效应检验结果

表11 产业结构高级化- 碳排放量的中介效应检验结果

（续表10）

能源消耗结构、产业结构高级化与绿色生产效率的检验结果如表12 和表13 所示。列（1）均为基准回归，Treated*Time 与绿色生产效率的回归系数显著为正，这与前面的结论一致。列（2）中，能源消耗结构和产业结构高级化为中介变量。Treated*Time 与能源消耗结构的回归系数显著为负，说明碳排放交易政策对能源消耗结构产生了负效应，即碳排放交易政策可以改善当前以煤炭消耗为主的能源消费结构。Treated*Time 与产业调整的回归系数显著为正，说明碳排放交易政策对产业调整产生了正效应，即碳排放交易政策能够促进产业结构转型升级。列（3）同时加入Treated*Time 和中介变量，Treated*Time的系数均缩小且显著性降低，同时，间接效应回归系数β1×θ 与直接效应回归系数β3保持同号。可以看出，碳排放交易机制通过调整能源消耗结构和产业结构促进了绿色生产效率的提升。

表12 能源消耗结构- 绿色生产效率的中介效应检验结果

0.12***（2.75）是否加入控制变量 是 是 是能源消耗结构 -0.24*（-1.95）Constant 1.05（1.38）Treated*Time 0.14***（3.65）-0.12***（-3.90）1.81**（2.48）Observations 160 160 160 Adjusted R2 0.779 0.968 0.784 2.86***（4.70）

表13 产业结构高级化- 绿色生产效率的中介效应检验结果

在中介效应模型的基础上，本文通过构造中介变量与政策虚拟变量的交乘项，分析了实施碳排放交易政策背景下产业结构高级化和能源消耗结构对减排和绿色发展水平的调节效应。

由表14 的结果可知，产业结构高级化对碳排放量和绿色生产效率的回归系数分别显著为正和负，说明产业结构高级化可以有效调节碳排放交易机制对减排和绿色发展的协同效应。能源消耗结构的回归系数未能通过显著性检验，说明能源消耗结构调整未能显著发挥碳交易机制对减排和绿色发展协同效应的调节作用。因此，未来我国仍需改变以煤炭等传统化石燃料为主的能源消费结构，同时通过技术创新等，加快清洁生产技术、零碳燃料和新能源技术的推广。

表14 调节效应检验

（续表14）

六、研究结论与对策建议

（一）研究结论

在绿色低碳发展的大背景下，本文利用我国2010—2019 年16 个省市的面板数据，以绿色生产效率表征绿色发展水平，运用SBM 模型测度绿色生产效率，并以碳排放交易试点政策作为准自然实验，利用双重差分模型进行了实证分析。研究发现，碳排放交易政策在实现减排的同时促进了试点省份绿色生产效率的提升，即以市场为导向的碳排放交易政策能够兼顾减排效果与绿色生产协同发展。在此基础上，本文的中介效应和调节效应检验显示，碳排放交易机制通过调整能源消耗结构和产业结构，实现了兼顾碳减排和绿色发展协同效应的目标。

（二）对策建议

1.加快推进全国碳排放交易市场建设进程。从试点省份的成功经验来看，市场驱动型碳排放交易政策对碳减排和促进绿色发展具有协同作用。今后我国可以将这些经验推广到其他行业和领域，探索和建设用能权、排污权等资源环境权益市场，以实现环境污染治理与经济绿色发展的协同目标。

2.加快推进产业结构转型升级，促进绿色技术创新。本文的中介效应检验表明，碳排放交易机制的政策效应是由能源消耗结构的改善和产业结构的高级化驱动的。鉴于绿色创新在提高能源效率、降低碳排放、促进产业转型等方面具有重要作用，政府应综合利用财政补贴、税收等政策，发展循环经济、清洁生产、低碳或零碳产业，鼓励发展绿色经济，加快建立绿色低碳循环发展经济体系。

3.促进气候政策与环境政策产生协同效应。我国应从政策目标的统一、范围的拓展、手段的完善、功能的协同等方面，寻求应对气候变化和生态环境保护的协同优化。

注释：

①文件来源：国家发改委发布的《关于开展碳排放权交易试点工作的通知》。

②数据来源：《中华人民共和国2020 年国民经济和社会发展统计公报》。