碳交易对绿色全要素生产率的影响机制研究

孙振清，谷文姗，成晓斐

（天津科技大学 经济与管理学院，天津 300457）

一、引 言

生态文明建设是关系中华民族永续发展的千年大计，绿色发展作为五大理念之一，是生态文明建设的着力点，其根本目标是改变一直以来的粗放型经济发展方式，改变对资源的高度依赖，即转变“高污染、高耗能、高排放”的生产方式［1］，顺应绿色低碳发展的国际潮流，是兑现2030 年碳排放达峰和2060年碳中和目标的主要抓手［2］，达到早日实现美丽中国建设目标。积极应对气候变化，落实碳减排政策，既是我国贯彻落实“五大发展理念”、实现“两个一百年”奋斗目标的内在需求，也是积极参与全球治理、打造人类命运共同体的责任担当。进入新时代以来，随着经济结构转型和社会主要矛盾变化，绿色发展成为站在中华民族永续发展战略高度做出的重大部署［3］，我国先后在优化产业结构、绿色金融、绿色建筑等层面下发政策文件支持各行业绿色转型。为进一步推进生态文明建设、打赢污染防治攻坚战，2012 年碳排放权交易市场自此进入“建设”阶段，在政策越来越具体化的同时，碳交易步入了全面“实施”阶段。因此，在当前新时代呼吁绿色发展理念和碳交易全面开展的背景下，研究中国碳交易对绿色全要素生产率的影响机制是必要的，且绿色全要素生产率作为衡量国家经济高质量发展的一个重要指标，研究其背后的推动作用具有理论价值，以便于在实现中国经济绿色高质量发展、生态经济两手抓以及碳交易市场完善的过程中更好地发力。

二、文献回顾与假设推导

环境规制作为外在的潜在约束，历来备受争议，直接影响经济主体的交易费用、成本、收益和管理效率，推动绿色全要素生产率的变化［4-6］。目前，学者们梳理并承认的环境规制分为三大类，分别为命令控制型、市场激励型、自愿型［7］。碳交易作为市场激励型环境规制手段，是以成本有效的方式控制碳排放的一种政策工具，具有外部性特征。以往研究多将绿色全要素生产率作为衡量环境绩效的指标，相对于传统的全要素生产率（TFP），绿色全要素生产率（GTFP）考虑了资源损耗和环境污染因素，更符合新时代经济绿色发展理念。我国碳市场实践显示，碳交易优化能源消费结构，不仅可以降低碳排放强度，而且能够获得环境红利［8］，但在其如何对绿色全要素生产率产生影响的问题上，国内外学者尚未达成一致观点。成本论支持者认为，碳交易会增加额外支出，对创新资本产生挤出效应，抑制绿色全要素生产率的增长［9］；竞争论支持者认为，碳交易产生的“创新补偿”效应会倒逼企业采用先进的技术和管理，从而提升绿色全要素生产率［10-11］；波特假说论支持者认为，短期内碳市场对绿色全要素生产率产生负面影响，但长期来看会形成正“U”型关系。基于目前学者的研究成果，本文提出假设1。

H1a：碳交易政策的实施能提升绿色全要素生产率；

H1b：碳交易政策对绿色全要素的影响具有时效性。

目前国内外学者对碳交易影响机制的讨论大致分为三个方向：①研究碳交易对低碳技术创新的促进作用。韩超和胡浩然（2015）以高、低污染行业为研究对象，采用三阶段DEA 方法进行技术进步测算，发现整体上碳交易和技术进步的交互作用有利于能耗强度的降低，且不同的行业其作用机制不完全一致［12］；胡江峰等（2020）基于2008—2016 年中国A 股上市公司数据，采用双重差分验证了碳交易对专利申请总量、发明专利申请和新型实用专利申请均有正向影响［13］。②研究碳交易对要素结构高级化及能源清洁化的促进作用。郭沛和冯利华（2019）基于1998—2017年中国30 个省份面板数据，采用CES 生产函数对要素替代率进行测定，发现资本与能源的替代弹性对碳强度有抑制作用［14］；路正南和罗雨森（2020）对碳交易技术进步偏向性研究后，认为现阶段碳交易可能催生“回弹效应”，加剧能源消耗和碳排放［15］；赵领娣等（2021）通过引入溢出指数模型考查了中国碳市场和能源市场的波动溢出效应，探究了两市场间的联动机制，发现碳市场价格的提升会促使能源资源使用成本提高，企业不得不寻求人力资本等要素对能源资源要素进行替代，以达到较优产出水平［16］。③研究碳交易对产业结构转型升级的促进作用。孙振清等（2020）基于2005—2017 年我国30 个省份面板数据，采用双重差分模型验证了碳交易政策对产业结构高级化、合理化转型的促进作用，可以提升清洁生产的高新技术产业及现代服务业的产业占比，实现结构红利效应［17］。王为冬等（2020）应用合成控制法对碳交易的低碳创新作用进行了评估，并研究了各试点创新作用效果的异质性，认为碳交易整体上诱发了低碳技术创新活动，且与地方产业结构转型升级产生了良好协同作用［18］。综上，碳交易对绿色全要素的影响机制如图1 所示。

图1 碳交易对绿色全要素生产率作用机制

基于此，本文提出假设2。

H2：碳交易主要通过技术创新、要素替代、产业结构转型、清洁能源推广四大效应来影响绿色全要素生产率。

三、变量选取及模型建立

（一）变量选取

1.被解释变量

本文被解释变量为绿色全要素生产率，其涉及的投入产出指标借鉴了吴磊等（2020）的研究成果［19］。

（1）投入指标包括劳动、能源和资本三项，其中，劳动投入指标选用各省份历年就业人员数，能源投入指标选用折合成标准煤的地区能源消费总量，资本存量指标依据大部分学者通常采用的永续盘存法计算［20］，公式如下：

其中：ki,t表示i省第t期的资本存量；ki,t-1表示i省第t-1期的资本存量；ii,t表示i省第t期的不变价投资额；δt为i省资产折旧率。

（2）期望产出指标选用各地区GDP 来代替，平减至以2000 年为基准的不变价格水平；非期望产出指标为CO2排放量。对于CO2排放量的计算，本文利用煤炭、原油、天然气等一次能源消费为数据基础，计算我国30 个省份的CO2排放量。CO2的计算方法参考联合国气候变化政府间专家委员会（IPCC）报告［21］，具体公式如下：

其中：TCO2代表二氧化碳排放总量；CO2，i是第i种一次能源；Ei代表能源消耗量；NCVi是第i种一次能源的净热值；CEFi是碳排放因子；COFi是碳氧化因子（煤为0.99，原油和天然气为1）。

2.核心解释变量

本文核心解释变量包括两个：①时间虚拟变量（T），时间节点为碳排放权交易启动前后，若在碳交易启动之后，取T=1，否则取T=0；②地区虚拟变量（Treat），衡量标准为该地区是否实施碳交易，若实施，则取Treat=1，否则取Treat=0。

3.控制变量。

为了控制其他因素对政策效应的影响，本文参考国内部分学者［22-23］的研究，并基于 Ehrlich 的IPAT 理论，最终选取人口规模、经济发展水平、科技水平等作为控制变量。其中，人口规模通过各地区城镇化率表征，经济发展水平通过人均GDP 的对数值衡量，科技水平通过政府间R&D投入测度。

具体变量及定义见表1所列。

表1 变量选取及定义

（二）模型设计

1.双重差分模型应用

双重差分法（DID）作为政策评估领域的经典方法，其理论较为成熟、应用范围广泛，核心思想为通过比较处理组和对照组的因变量在某项政策实施前后的变化情况，以得到该政策对研究个体的“净”影响［24］。因此，本文采用DID模型检验碳排放权交易对绿色全要素生产率的影响及减排机制，应用计量软件为stata 15.0。在本文中具体表现为：将北京、上海、天津、湖北、广东、重庆六个试点省市（为方便研究，深圳市数据归入广东省计算）作为碳交易政策影响的处理组，其余24个省份（不包括西藏和港澳台等地区）作为对照组。由于我国碳交易试点城市大多于2013 年正式启动碳市场，故选取2013年作为政策实施的分界点，2013年前为非试点期，2013年后（包括2013年）为试点期。绿色全要素生产率作为被解释变量，核心解释变量为时间、地区虚拟变量，考虑控制变量后的计量模型构建如下：

其中：GTFPit表示第i个省份在t时的绿色全要素生产率；Tt为时间虚拟变量，此处选用2013 年作为碳排放权交易政策启动年份，当t≥2013，Tt=1，否则为 0；Treati为地区虚拟变量，Treati=1 表示第i个省份为碳交易试点省份，即处理组，Treati=0 表示第i个省份为非碳交易试点省份，即对照组；交乘项TtTreati的估计系数度量了碳交易对绿色全要素生产率的影响，即碳排放权交易政策的净影响；Controlit为控制变量，包括人均GDP、政府R&D 投入、能源消费结构、产业结构、对外开放水平、城镇化率；αi表示个体固定效应；γt表示时间固定效应；εit表示随机扰动项。具体参数含义见表2所列。

表2 双重差分模型参数含义

2.绿色全要素生产率计算

绿色全要素生产率是基于全要素生产率基础上，在考虑期望产出的同时也将碳排放等污染物作为非期望产出考虑在内的一种效率计算方式。学者们在进行绿色全要素生产率测算时，大多采用基于方向性距离函数的ML 指数，但是考虑方向性距离函数存在不可行解的情形，本文采用全局Malmquist-Luenberger 指数（GML）来测度中国省际绿色全要素生产率，且GML 指数具有优于ML 指数的可传递、循环累加特性。其计算公式如下：

其中：x为投入指标；y为期望产出；b为非期望产出；g为方向向量。t时期的方向距离函数为测算软件为DEAP 2.1。

本文研究样本为国内30 个省份（不包括西藏和港澳台地区），数据源于《中国统计年鉴》《中国能源统计年鉴》《中国科技统计年鉴》《中国环境年鉴》，数据区间为2007—2018年。相关变量的描述性统计见表3所列。

表3 描述性统计分析

四、实证结果分析

（一）绿色全要素生产率测度

从图2 来看，中国绿色全要素生产率水平总体趋势稳定，存在一定波动，二氧化碳排放量存在较大区域差异。从四大区域（1）来看，东部地区整体的绿色绩效大于中部、西部和东北地区，由强到弱依次为东部、中部、西部、东北地区；碳排放强度由大到小依次为东部、中部、东北、西部。综合来看，中部、西部地区作为东部地区产业转移的直接目的地，一方面在一定程度上不可避免成为碳排放转移的承接者，环境问题的就近转移造成了地区环境治理效率降低；另一方面产业转移也导致中部地区企业规模、管理制度与水平的波动，从而降低了绿色全要素生产率，这一点在西部地区体现得尤为明显［25］。这说明中部、西部地区在继续加强技术创新发展的同时，更需要注重经济增长与发展规模、环境保护之间的平衡。东北地区绿色全要素生产率较低主要原因在于东北老工业基地振兴乏力，且面临劳动力不断流失的困境，这说明在经济发展和环境保护缺一不可的绿色发展时代，东北地区仍然需要经济振兴与节能减排同步前行。

图2 地区绿色全要素生产率及碳排放变动情况

（二）DID回归结果分析

碳交易试点的推进相当于一个准自然实验，因此，本文运用DID 方法对碳交易政策绿色效益进行初步评估，且为规避时间效应和地区效应的影响，采用双向固定模型。回归结果见表4所列。

表4 碳交易对绿色全要素影响检验

续表4

表4 第（1）列为没有加入控制变量的估计结果，交乘项TtTreati的回归系数在1%水平上正向显著，表明碳交易有效提升了地区间绿色全要素生产率。第（2）列和第（3）列为加入人均GDP、技术投入等部分控制变量和全部控制变量的估计结果，交乘项回归系数分别在5%和1%水平上通过显著性检验，对比来看，TtTreati 系数变化不大，且均显著为正，表示碳交易政策的实施对试点地区绿色全要素生产率的提升效果显著，由此，本文H1a得以验证。从控制变量的回归结果来看，人均GDP 系数显著为正，说明地区经济发展水平对绿色全要素生产率提高有关键作用。科技研发投入水平均在1%水平上显著为正，证实了低碳技术推广、创新溢出效应是促进地区经济低碳发展的关键因素［26］。产业、能源结构显著为正，表明产业结构转型升级已成为实现绿色发展的重要推动力，能源消费结构较产业结构而言，系数较为不显著，说明清洁能源的推广存在阻力，转型力度不足［27］。城镇化水平显著为负，表明城镇化进程中仍存在产业发展失衡，重经济效益轻环境效益的现象。

为验证H1b，本文设计了碳交易政策的动态性检验，在公式（3）的基础上，构建了以下动态效应检验模型：

表5为碳交易政策动态性检验结果，可以看出，无论是否加入了控制变量，2013—2018年碳交易政策的系数基本都通过了显著性检验。第（1）列中，2013—2015年碳交易对GTFP影响显著为负，在（2）（3）列中也大致表现如此；而2016—2018显著为正，且回归系数绝对值逐年增加，表明碳交易政策的确存在动态效应，且近几年对绿色全要素生产率的提升效应显著增强，由此，本文H1b 得到验证。原因在于环境门槛的提高，使得企业成本增加，短期内不得不选择减产来完成履约，而随着碳市场配套体系完善、政府补贴、低碳技术投入，长期而言企业会选择充分发挥主观能动性来实现经济效益和绿色效率的双赢，兼顾绿色发展和全要素生产率的提升［23］。

表5 碳交易政策动态性检验

为保证回归结果准确性，本文用PSM-DID进一步回归分析，首先通过交互项DID对控制变量进行logit回归，获得倾向得分值见表6所列，回归结果显示各变量显著性强。然后采用核匹配法（Kernel Matching）进行估计，对碳交易的绿色全要素提升作用进行利稳健性检验，结果见表7所列。表7结果表明，在进行PSM-DID之后，碳交易对绿色全要素生产率仍表现为显著正向作用，支撑了前文分析，进一步验证了H1a。

表6 Logit回归结果

表7 PSM-DID稳健性检验

从上文各类检验结果综合来看，碳交易促进绿色全要素生产率且存在时效性。为进一步考察碳交易对绿色全要素驱动因素的作用，本文进行机制检验来识别背后的原因，检验结果见表8所列。

表8 碳交易影响机制分析

表8中，交互作用DID 的系数代表了碳交易对绿色全要素生产率驱动因素的净影响。回归结果显示，碳交易对PGDP、RD、ES、IS 的净影响显著为正，而对UI、FDI作用不显著，即对城镇化作用不显著且对FDI 产生挤出效应。该项机制检验结合前文的DID 检验共同验证了H2，即碳交易能通过提升科技投入、产业结构高级化、能源清洁化进而发挥要素替代效应，促进了地区绿色全要素生产率的增长。随着生产要素在区域间流动、合并、重组的趋势加快，高新技术产业及生产性服务业等出现明显的空间聚集现象，产业协同聚集对绿色全要素生产率具有明显促进作用，且空间溢出效应显著［28-30］。中国各省份R&D 投入与绿色全要素生产率存在显著空间相关性，不同区域作用效果差异显著［31］。随着当前深入推进新型城镇化，蔓延扩张也已成为影响城市绿色全要素生产率的重要因素。部分学者认为，城市适度蔓延显著提升了绿色全要素生产率的提升，过度蔓延对其促进作用不明显，甚至有抑制效应［32］。

五、结论与建议

（一）研究结论

目前，碳市场实践显示，碳交易不仅可以降低碳强度，而且能够优化能源消费结构，但在其如何促进绿色发展的问题上，观点尚不明朗。因此，本文首先采用Malmquist-Luenberger 指数测度了2007—2018 年中国30 个省份的绿色全要素生产率，然后通过双重差分及PSM-DID 稳健性检验验证了碳交易对绿色全要素生产率的推动作用，最后通过机制检验探明了碳交易与绿色全要素生产率间的作用机制。结果表明：①2007—2018年，东部地区整体绿色绩效大于中部、西部和东北地区，由强到弱依次为东部、中部、西部、东北地区；②2013 年碳交易试点推行后，绿色全要素生产率逐渐由负向转为正向增长，在2016 年前后具有明显的阶段性特征，表明碳交易政策对绿色全要素生产率的影响具有时效性，近期碳交易确实能够促进绿色全要素生产率增长，绿色全要素生产率也有助于减少污染排放和补偿减排成本；③碳交易能通过提升科技投入、产业结构高级化、能源清洁化进而发挥要素替代效应，促进地区绿色全要素生产率的增长。

（二）政策建议

根据上述研究结论，本文提出相关政策建议如下：

（1）扩大碳市场覆盖范围。在实施“十四五”规划和2035 年远景目标期间，应扩大碳市场覆盖范围，包括行业和地域范围，并将污染物排放与碳市场建设相融合，起到协同治理，达到1+1＞2的效果。进一步完善配额分配机制、交易机制和约束机制，推广成功经验，以最低的社会成本，实现减排目标，推动我国绿色低碳循环发展。

（2）鼓励引导低碳技术创新。中国推行碳排放权交易的主要目标是减少碳排放，在机制上主要是通过激励低碳技术进步来实现经济绿色高质量发展。低碳技术创新被认为是应对气候变化、降低长期减排成本的最重要且最有效的手段。加大对绿色技术创新的补贴力度，加强风险识别和管控。创新具有高风险性，企业对绿色技术过多的投入可能会对生产业资本产生挤出效应，不利于企业形成技术创新优势，且降低企业效益。因此，政府应合理引导企业进行技术创新，加大扶持力度以降低创新风险，降低绿色产品税费以鼓励绿色技术扩散。

（3）根据产业性质制定减排目标。实现碳达峰、碳中和是一场广泛而深刻的经济社会系统性变革，要拿出抓铁有痕的劲头。虽然，严格的减排目标有利于环境质量的提升，但如果不考虑产业的异质性，势必导致经济方面的巨大代价。因此，合理的减排目标是促进绿色全要素生产率增长的关键因素，也是维持碳交易与绿色全要素双向互动关系的保障机制，实现经济和环境的双赢。加快推进重点行业领域的减污降碳行动，工业领域要推进绿色制造，建筑领域要提升节能标准，交通领域要加快形成绿色低碳运输方式。

（4）加快服务业发展，扩大清洁能源消费占比。“十四五”是碳达峰的关键期、窗口期，当前国家大力倡导供给侧结构性改革，淘汰落后产能，突出了产业结构调整对减排降耗的重要性。目前我国碳市场实践证明，碳交易能派生绿色消费需求，进而倒逼产业结构转型优化，提升清洁产业占比，构建清洁低碳安全高效的能源体系。同时，企业应逐渐从依靠能源消耗过渡到依靠人力资本、RD 投入等提升产量，以实现要素结构高级化，提升要素资源配置效率。

（5）完善政府信息透明度，加强企业环境信息披露。建立健全公众参与的法律法规，完善信息透明度，使政府能充分利用信息来提高行政管理效能。作为碳交易市场重要的主体，上市公司完整、及时、准确披露环境信息，接受社会监督，保障公众的知情权，是生态环境治理中的重要环节。企业披露产品碳足迹既可以有效提高自身品牌声誉，有效贯彻企业社会责任，又会拉动绿色消费需求，提高公众环保意识。

注 释：

（1）四大区域为：东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南10个省份；中部地区包括山西、安徽、河南、湖北、湖南、江西6 个省份；西部地区包括四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、重庆、广西、内蒙古11 个省份（本研究未包括西藏）；东北地区包括吉林、辽宁、黑龙江3个省份。