低碳规制工具对绿色全要素生产率的差异化影响*——基于中国省域和A股上市公司的经验证据

胡玉凤，丁友强，陈晓燕

（铜陵学院，安徽 铜陵 244061）

一、引言

中国致力于做全球碳治理的引领者，《“十三五”控制温室气体排放工作方案》强调支持低碳发展的预算资金、税收政策、投融资机制，逐步规范节能减碳补贴政策；《打赢蓝天保卫战三年行动计划》要求严格执行环境保护税法，增加大气污染防治专项资金投入，优化产业结构布局，提高能源利用效率。在低碳规制下，一方面，2019年我国碳排放强度比2005年下降了48.1%，人均碳排放当量不及美国的一半①资料来源：《新时代的中国能源发展》白皮书.中华人民共和国国务院新闻办公室，2020-12-21。；但另一方面，我国碳排放总量约为全球的1/4，高出美国一倍有余②资料来源：2020年碳排放差距报告.联合国环境规划署（UNEP），2021-12-09。。造成这种碳减排不一致的原因较多，除了中美人口数量相差较大之外，我国还存在不少低值低效的高碳产业也是重要原因之一。因此，提质增效仍是当前低碳产业高质量发展的首要任务。

负外部性导致碳配额分配不均，进而引发碳市场失灵，表现为企业主动承担减碳责任的意愿不强，使得政府规制成为低碳产业发展的主要驱动因素（徐博，2011）。但在低碳施政过程中，由于专业认知偏差，出现“一刀切”等方式，迫使企业受制于高压政策而采取“减限停”措施兑现减碳指标，看似立竿见影，但并不能说明绿色效率有所提升，况且这种竭泽而渔的方法不可持续。低碳产业发展还需要更多财政支持，通过增加低碳财政投入、制定碳税制度等手段，将碳排放负外部性有效内部化，以缓解低碳公共品供给不足，纠正碳市场失灵的低效率问题（许慧，2014）。

鉴于碳减排的紧迫性与低碳规制效力的不协调，有关低碳规制工具选择、作用方向及效力程度亟待进一步研究。本文利用中国省域及A股上市公司2006-2017年数据，构建三重门槛效应与三重差分模型，分析低碳规制工具选择与绿色效率之间的关系，揭示碳税、碳补贴及碳投资对不同碳源行业绿色全要素生产率的差异化影响，为低碳规制补偿企业韧性研究提供重要借鉴。

二、理论分析及研究假设

处理好低碳规制工具选择与绿色效率的关系，激发企业绿色创新动力，有助于激励企业在主动减碳以满足环保要求前提下追求利益最大化目标，遵循企业效益与绿色效率双赢路径（胡玉凤和丁友强，2020）。控制减碳的低碳规制政策主要有两个方向：一是从外到内通过设定低碳标准，不断增加企业碳排放成本，迫使其采取有效减碳措施；二是由内及外借助利益引导方式，持续降低企业碳排放低位，给予减碳损失适当补偿，提升企业竞争力，促使其在减碳区域上下界限内随机波动。如OECD国家低碳融资多采用碳税、投资、补贴及转移支付等手段（王遥和王鑫，2013；卞志村等，2019），促进企业提质增效、优化产业升级及绿色低碳发展（丁攀等，2021）。

在利益诱导和政策压力的影响下，企业寻求经营绩效与环境绩效协调发展，其开展绿色创新更多来自于不同碳源行业减碳压力，如Fan等（2007）研究发现，不同产业碳减排呈显著异质性，重点碳源行业受到较大减碳压力，相对增加了企业对低碳规制的敏感度。管治华（2012）研究表明，征收碳税可以推动产业结构调整，抬高了采掘业等高能耗产业生产成本，促进了低能耗服务业发展，但对制造业和建筑业影响不大。所以，应针对不同碳源行业采取差异化策略，利用低碳规制工具的多样性与协调性，发挥多种工具的综合效应（宋德勇和卢忠宝，2009）。基于上述分析，考虑碳源行业异质性因素，提出如下假设：

H1：低碳规制工具对不同碳源行业的绿色效率有差异性影响。

国外采用碳税、碳补贴和碳投资等低碳规制工具，取得了一些值得借鉴的成果。日本针对燃油、煤炭及气态氢进行分类征税，采用逐步递增税率，配套实施一系列低碳措施，有效保障了碳税政策的执行（刘家松，2014）。德国根据产品和行业实行差别化碳税率，将大部分税额以降低退休金等方式返还，精准补贴企业和家庭。美、英和欧盟运用市场化手段，注重兼收并蓄，力求本土化特色。从以上发达国家碳治理经验看，需要设计一个互动共融的低碳政策链，使各项政策间相互协同、有效搭配，以契合碳减排的阶段性与行业差异性特征（宋德勇和卢忠宝，2009；林永居，2014）。

“波特假说”认为，环境管制可以激励企业进行生态创新，并建立竞争优势。根据该理论，适当的低碳规制有助于刺激企业开展绿色创新，增强竞争优势，提高产业生产效率。现有文献表明，低碳规制工具对绿色创新的影响具有非线性阶段特征。王艺明等（2014）研究表明，在保持财政支出规模不变情况下，提高非生产性公共品支出或降低生产性公共品支出，有助于提升碳减排效果；雷明和虞晓雯（2013）研究指出，政府增加科技财政支出可以促进绿色全要素生产率增长，而征收排污费及污染治理投资不利于绿色全要素生产率。因此，低碳规制工具对绿色效率作用方向存在不确定性。考虑碳排放阶段差异性，提出如下假设：

H2：低碳规制工具对不同碳排放阶段的行业绿色效率有差异性影响。

低碳规制工具的异质性作用主要体现在：一方面，碳税借助价格机制推高了企业能耗成本，增加了高碳产品价格，使生产者与消费者转向购买清洁能源或低碳产品，达到减碳目标（赵忠龙，2017；周海赟，2018）。提升碳税率、加大高碳企业规制力度，也有助于激励企业开展绿色技术研发，提高能源使用效率，降低碳税消极影响（刘洁和李文，2011）。毛艳华和钱斌华（2014）指出，基于CGE模型的共同有差别的碳税率，可以促进行业绿色效率的提升。另一方面，碳补贴是由政府安排财政专项基金提供给企业的一种无偿资助（张国兴等，2013），通过影响碳交易与碳产品的价格结构，改善碳资源配置的供需结构（孙亦军，2010），有效抑制碳排放，增强碳投资的意愿，有利于低碳产业转型发展。例如，政府对新能源汽车、清洁技术应用予以补贴，引导社会投资与大众消费倾向新能源领域。再如，政府倡导的碳投资主要是针对碳减排公共领域进行的再投资，提供私人资本之外的碳治理行为，起到托底、诱导及引领的作用。因此，考虑低碳规制工具差异性作用，提出如下假设：

H3：不同的低碳规制工具对特定碳排放阶段的行业绿色效率有差异性影响。

三、数据来源与变量选取

（一）数据来源

本文根据绿色全要素生产率来源，纳入控制变量研究低碳规制工具效力，比较分析碳税、碳补贴、碳投资对行业绿色全要素生产率的影响机制，为选用适当财政政策工具的决策提供依据。结合相关理论分析，选取中国省域及A股上市公司2006-2017年数据，剔除了影响面板平衡与存在缺失值的数据，从《中国统计年鉴》、国泰安数据库中，获得有效样本11532个。

（二）变量选取

低碳规制工具。本文主要比较三种政策：一是碳税，借鉴曾义等（2016）研究结论，考虑中国自2018年实施环境保护税前收取排污费情况，将大气排污费作为代理变量，主要采用二氧化硫、工业氧化物和工业固体废弃物的排放量乘以单价，并借助标准差方法对环境统计年报2010年前后数据差异进行一致性调整，由此测算出各地区大气排污费。二是碳投资，以中国各地区统计年鉴本年度大气治理投资为基数进行测算。三是碳补贴，借鉴李政等（2019）的做法，从国泰安报表提取节能、减排、绿色、环保、清洁、能源、环境、废气及碳排放、碳交易字段的数据，若空值则为0。

行业绿色全要素生产率。采用DEAP-Malquist指数，借鉴赵佳风和马占新（2018）的DEA方法测度，主要采用以下三个指标：一是投入，借鉴陈超凡（2016）的研究方法，以行业人数表示劳动投入，以行业能耗表示资源投入，以固定资产存量表示资本投入，采用永续盘存法，以2005年作为初始值来计算资本存量。二是期望产出，以行业工业总产值表示。三是非期望产出，以CO2、SO2和废水排放量表示，借鉴崔兴华和林明裕（2019）的做法，以地区各污染指标调整系数（地区所占全国污染物排放量的比值/地区所占全国工业总产值的比值）乘以行业工业产出系数（行业与地区的工业产出的比值）来计算各行业污染物排放量。

地区碳排放总量。数据来自IPCC Sectoral Approach，利用相关分析法，借助各地区年度能源消耗核算系数来计算各地区碳排放总量，与中国碳排量本年度数据平衡。

企业绿色创新。借鉴毕克新等（2011）的投入产出法，参考任亚运和傅京燕（2019）的碳硫协同减排研究，将绿色创新分为两个方面：一是绿色技术创新，以碳硫排放量与工业增加值之比衡量，比值越小表示绿色技术创新水平越高；二是绿色产品创新，以能源消耗量与新产品销售收入之比衡量，比值越小表示绿色产品创新水平越高。

控制变量。包括要素禀赋因素、产业结构要素、宏观政策因素等变量。各变量的具体定义及描述性统计结果见表1。

表1 变量定义及描述性统计

四、实证分析

（一）低碳规制影响绿色效率的单变量检验

借鉴Opler等（1999）的方法，把样本上市公司分为12类60个行业，分别考察三种低碳规制工具（Cgov）对行业绿色全要素生产率（GTFP）的影响，按以下模型进行回归：

其中：Cgov表示低碳规制工具，包括碳税（Ctax）、碳补贴（Csub）和碳投资（Cinv）。利用60个行业2005-2017年时间序列，通过对模型（1）进行回归，得到碳税、碳补贴和碳投资对每一个行业绿色全要素生产率的影响系数（β），绘制各系数的比例分布，如图1所示。

图1 模型回归系数的比例分布

从图1来看，低碳规制工具在不同行业的估计系数存在较大差异性，就其正向促进作用而言，碳税为65%、碳投资为55%、碳补贴为48%。这说明，低碳规制工具对半数以上行业绿色全要素生产率的影响为正，如制造、交通运输等行业，尤其制造业明显高于平均水平；但对于另一些行业的影响为负，如建筑、地产、金融、餐饮住宿等行业。由此可知，低碳规制工具对不同行业绿色全要素生产率作用方向并不一致，采用差别化低碳规制工具所产生的影响程度也不尽相同。

（二）碳减排量的门槛效应检验

为进一步确定碳排放量制约低碳规制影响绿色效率的作用方向，借鉴Hansen（1999）和Ndoricimpa（2017）的理论研究，构建三重门槛效应模型如下：

其中：i和t分别表示样本和年限；CE表示碳排放量，作为门槛变量；Controls表示控制变量组；f为年份固定效应；ε为误差项。I(·)表示示性函数，γ表示门槛值，当γ1=γ2=γ3时，表示存在单一门槛；当γ1=γ2≠γ3时，表示存在双重门槛；当γ1≠γ2≠γ3时，表示存在三重门槛。其他符号的含义与模型（1）一致。

门槛模型采用组内去均值的方法，消除个体效应影响，然后通过估计模型（2）得到相应参数估计值和残差平方和，再进一步用格栅搜索法，挑选出对应门槛估计值。门槛模型需要进行显著性检验、真实性检验及参数估计检验三个步骤，具体结果见表2。

表2 低碳规制工具的门槛效应检验结果

首先进行门槛模型显著性检验。利用P值小于10%显著性水平和F统计量大于10，确定模型拒绝原假设H0:β1=β2，也就是验证门槛值划分的两个样本组存在显著差异。采用自抽样法，运用模型（2）进行门槛个数及显著性检验，得到碳排放量在不同显著性水平下的F统计量与P值。表2Panel A显示，碳税、碳补贴、碳投资及碳排放量对行业绿色全要素生产率的影响，均通过了双重门槛效应检验。

然后进行门槛估计值真实性检验。利用极大似然估计（LR）检验，以门槛值位于LR图虚线之下及5%显著性水平下对应的置信区间较小，判断门槛估计值的有效性。表2Panel B显示，碳税门槛估计值为9.838和7.259，且95%置信区间分别为[9.733，9.885]和[7.244，7.263]；碳投资门槛估计值为9.838和7.259， 95%置信区间分别为[9.733，9.885]和[7.241，7.259]；碳补贴门槛估计值为4.280和4.392，95%置信区间分别为[4.029，4.362]和[4.362，4.438]；碳排放量门槛估计值为9.838和8.598，95%置信区间分别为[9.733，9.885]和[8.575，8.601]。上述置信区间均较小，说明估计门槛值基本准确，门槛效应检验有效。

最后进行门槛模型参数估计检验。在确定门槛个数及门槛值后，进行双重门槛效应模型参数估计，结果如表2Panel C所示。当CE≥9.84时，碳税、碳投资对行业绿色全要素生产率具有显著负向影响，表明低碳规制工具对绿色效率的影响随着碳减排而逐渐增大，且碳税规制强度的影响比碳投资高出0.09个单位标准差；当7.26≤CE＜9.84时，碳税对行业绿色全要素生产率仍有显著负向影响，规制强度的影响有所减弱，而碳投资对行业绿色全要素生产率有显著正向影响；当CE＜7.26时，碳税对行业绿色全要素生产率具有显著负向影响，规制强度的影响有所增强，此时碳投资仍有显著正向影响。当4.28≤CE＜4.39时，碳补贴与行业绿色全要素生产率之间显著负相关；其他情况下，两者存在显著正相关关系。以上研究表明，在不同的碳排放阶段，采取差异化低碳规制工具策略，会取得明显不同的效果。如果低碳规制工具及其结构配置不当，结果可能适得其反。

（三）低碳规制影响的三重差分检验

为进一步验证低碳规制工具是否对重点碳源行业的不同碳排放阶段存在差异性影响，构建三重差分模型如下：

首先，按照碳源行业分组，将重点碳源行业组（1）作为实验组，赋值treated=1；非重点碳源行业组（0）作为参照组，赋值treated=0。其次，由于碳排放量具有连续性，且在碳减排目标下随时间推移而持续降低，故以碳减排量替代时间趋势；利用模型（2）门槛效应模型处理结果，确定碳排放量门槛值分别为9.84和8.60，分成三个区间即CE≥9.84、8.60≤CE＜9.84和CE＜8.60，将每个区间作为一个时间段；当碳排放量落在该区间内时，赋值time=1，否则为time=0。再次，令交叉项did=treated×time，表示跨过门槛值之前重点碳源行业的碳效应。最后，分别将碳税、碳补贴及碳投资与交叉项相乘，得到Cgov×treated×time，表示在不同碳区间针对重点碳源行业实施低碳规制，进而利用三重差分方法回归，得到实证结果如表3所示。

表3 低碳规制影响的三重差分回归结果

由表3可知，针对重点碳源行业的碳排放阶段，低碳规制工具对行业绿色全要素生产率的影响是：当CE≥9.84时，碳税、碳补贴有显著正向影响，前者比后者高0.27个单位，而碳投资的影响不显著；当8.60≤CE＜9.84时，碳税、碳投资有显著正向影响，后者比前者高0.13个单位，而碳补贴的影响不显著；当CE＜8.60时，碳税、碳投资及碳补贴均有显著的负向影响。以上研究结果表明，在较高的碳排放阶段，低碳规制工具对行业绿色全要素生产率的影响呈先降后升，可能的原因是：高碳企业已习惯“三高”生产方式，造成“路径依赖”的惯性，引致“减限停”的精致趋利行为，使绿色创新不能及时补偿效率；当碳减排跨越一定门槛值后，企业绿色创新形成并强化了新的低碳生产方式，促进了绿色全要素生产率的提升。因而，在不同碳排放阶段，低碳规制工具的差异性作用较为明显。

（四）稳健性及内生性检验

构建带有碳排放量二次项的动态面板系统GMM模型如下：

其中：y表示双效模型特征值，包括行业绿色全要素生产率（lnGTFP），还包括检验低碳规制工具所产生的人力资本、资本生产率和劳动生产率等变量。t-1表示滞后1期，λ为地区固定效应，φ为企业固定效应，ξ为行业固定效应，其他符号与前述公式一致。为克服因时间变化而遗漏变量的内生性问题，将碳税、碳补贴及碳投资滞后一期作为工具变量，利用模型（4）进行面板工具变量广义矩阵（IV-GMM2S）回归，实证结果如表4所示。

表4 动态面板系统GMM回归结果

由表4可知，除资本生产率不显著外，碳排放量二次项系数均为显著相关，它对行业绿色全要素生产率的影响在1%显著性水平下显著为正，且存在先降后升趋势。在工具变量检验中，Canon LM统计量接近90，在1%显著性水平下显著，说明不存在识别不足问题；C-DWald F统计量超过16，拒绝弱工具变量原假设，说明选择的工具变量有效。在控制内生性问题后，碳税、碳投资的回归系数均显著为正，其对行业绿色全要素生产率的影响依然稳健。表4结果显示，碳税和碳投资均有助于提升行业绿色全要素生产率，而碳补贴的影响不显著。

（五）精准减碳的讨论

结合表3和表4可知不同碳排放阶段的边际贡献系数r和时间单位t，则行业绿色全要素生产率的增长率公式为GTFP=(1+r)t，以此可以预测其变化趋势。以碳税对绿色全要素生产率的影响为例，分别在碳高、中及低位选择10个时间段作为碳位持续时间，不同段位的影响系数分别为-0.098、-0.034、-0.066，代入GTFP增长率公式，可得不同碳位的行业绿色全要素生产率：碳高位为GTFP=(1-0.098)t，碳中位为GTFP=(1-0.098)10×(1-0.034)t-10，碳低位为GTFP=(1-0.098)10×(1-0.034)t-10×(1-0.066)t-20，进而可得碳补贴和碳投资对GTFP的影响趋势。

图2（a）显示，随着碳排放量逐渐降低，低碳规制工具的效力存在差异，使GTFP呈先减后升：在碳高位，碳税对GTFP的作用较明显，呈逐年递减趋势；在碳中位，碳投资对GTFP的作用较明显，亦呈逐年递减趋势；在碳低位，碳补贴对GTFP的作用较明显，呈逐年递增趋势。碳高位与碳中位的持续时间越短，GTFP下降幅度越小，则越容易在碳低位运用碳补贴实现GTFP回升。基于以上分析，可得到以下启示：应尽快完成碳高位和碳中位两个阶段，使GTFP跨越拐点，过渡到碳低位阶段。故现在政策应该考虑的是，如何优化低碳规制工具结构配置，尽快促成碳达峰。

根据GTFP与碳排放量的二次关系，可绘制图2（b）。从右往左看，随着碳排放量降低，GTFP先降至拐点，然后再逐渐增加。所以，将低碳规制工具与GTFP、GTFP与碳排放量的关系结合起来看，低碳规制工具助推GTFP跨越拐点，有助于改进碳排放达峰路径。

图2 低碳规制工具对绿色全要素生产率的影响趋势预测

通过检验发现，在八个碳排放量最多的重点碳源行业中，仅民航业的碳排放量仍处于上升阶段，其他七个行业均在2013年后呈下降趋势。分企业看，民航业全部企业处于碳低位，造纸、建材、钢铁、有色及电力业有八成以上企业已进入中低位，石化业中多数企业处于中高位，其中三分之一处于碳高位。未来十年，若要完成巴黎协定目标，各国需每年减碳2.7%，但仍可能导致升温3.2℃。若要实现降温1.5℃的目标，则需付出5倍努力，每年减碳7.6%以上。中国承诺2030年碳排放达峰，碳排放强度比2005年下降60%～65%。中国作为发展中国家，既要考虑节能减碳，又要兼顾经济发展，如果继续按照目前的碳排放路线发展，将来的实际碳排放与碳减排预期目标可能会存在一定差距，这为低碳规制工具差异性规制效力提供了作用空间，可有针对性地进行低碳规制精细化管理，推动实现精准减碳预期效果。

五、结论与建议

低碳规制助推绿色效率提升是产业高质量发展的内涵体现。本文基于中国省域数据及上市公司2006-2017年数据，实证分析低碳规制工具对行业绿色全要素生产率的影响。研究结果表明：第一，低碳规制工具对行业绿色全要素生产率的影响具有差异性表现，碳排放量大的行业对低碳规制的敏感性较强，对高碳行业实施低碳规制的效果较好，尤其碳税的正向影响力相对于碳补贴和碳投资来说更大，这主要跟行业处于较高碳位有关。第二，低碳规制工具对行业绿色全要素生产率的影响呈阶段性特征，从高碳阶段转向低碳阶段过程中，碳税、碳投资及碳补贴依次表现出积极作用，特别是碳投资和碳补贴在碳低位的影响力更持久，这使得低碳规制总效应有所提升。第三，行业绿色全要素生产率随着碳减排程度呈现出先降后升的趋势，充分发挥低碳规制工具差异性效力要选择合适的工具组合策略，推动绿色全要素生产率加快靠近并跨越拐点，这是有效控制碳排放达峰的重要实现路径。

本文的研究表明，针对重点碳源行业与碳排放阶段，有选择地使用低碳规制工具，所产生的规制效力具有显著差异。这与邓子基和杨志宏（2011）的研究结论具有一致性。所以，应按照“低能耗、低排放、低污染”的要求，构建有利于实现企业效益与绿色效率双赢的低碳规制框架，制定精准减碳策略，实施有重点、分阶段、差别化的低碳规制工具组合政策。具体来说：

第一，对高碳行业进行重点调控。低碳规制不能搞“一刀切”，要区分不同碳位、行业、阶段的企业，将“高污染、高能耗、高碳排”行业纳入重点规制范围，依靠绿色技术创新提升绿色全要素生产率，加大碳税及碳投资整改力度。

第二，根据不同行业特征实施差别化调控。在高碳行业中，因规模、技术等专有资产差异，不同行业的碳排放阶段有所不同，应加强针对性与有效性。对碳高位行业，应设定统一的低碳标准，加征碳税，使企业不得越线；当行业整体跨越碳低位门槛后，应加大碳补贴力度，提高碳投资水平，增强创新补偿效应。

第三，根据碳排放所处水平实施分阶段调控。对碳高位行业，应逐步加征碳税，提高碳排放成本，促使企业加大减碳力度；对碳中位行业，应优化碳投资结构，利益诱导低碳发展；对碳低位行业，应予以适当碳补贴，提高企业韧性能力，促进全要素生产率协调增长。