中国碳排放权交易政策促进了地区绿色全要素生产率的提升吗？

■ 尹迎港，常向东

一、引言

2020 年 9 月 22 日，习近平主席在第七十五届联合国大会一般性辩论上向世界作出中国碳减排重要承诺，将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030 年前实现碳达峰，努力争取2060 年前实现碳中和。国际发展历程表明，多数已实现碳达峰的发达国家计划于本世纪中期实现碳中和，而中国的人均GDP 刚突破一万美元，还不足美国人均GDP 的1/6，且传统工业对于能源的依赖度依旧较高，产业结构仍亟待升级。这给中国带来了巨大的减排压力，加快经济的绿色高质量发展已成为当下的重要命题，从政府部门到企业再到个人层面的环保节能减排已按下加速键。实现中国长期的高质量、有效率、可持续的经济增长需要不断提高全要素生产率（蔡昉，2017），但传统的全要素生产率并没有考虑到经济增长过程中所带来的环境破坏、资源枯竭、生态退化等问题，“双碳”背景下必须兼顾环境因素，积极采取相应政策措施，通过提质增效发展绿色全要素生产率来促进中国经济的绿色转型。

中国于2011 年10 月发布《关于开展碳排放权交易试点工作的通知》，正式批准北京、上海、天津、重庆、湖北、广东、深圳七省市进行碳交易试点。2013 年深圳碳排放权交易市场率先启动，随后七个试点碳市场在启动之后逐渐活跃。2020 年12 月生态环境部出台《碳排放交易管理办法》，进一步明确中国碳市场运行的关键环节和工作要求，且于2021 年7 月16 日，北京、上海、武汉三地启动了全国碳交易线上市场。碳排放权交易政策已实行多年，但针对中国这个发展中大国所面临的经济发展与环境保护层面的双重问题，碳排放权交易政策对地区绿色全要素生产率的影响如何？是否与碳减排的效果一致？相应的传导机制如何？不同地区之间是否存在异质性？随着全国碳交易线上市场的建立，研究碳排放权交易政策对中国绿色全要素生产率的影响具有重要现实意义。

二、文献综述

目前国外已有大量关于碳排放交易实施影响的研究。Calel et al.（2016）研究了欧洲排放交易系统（EU-ETS）对于技术革新的影响，发现其促进了试点企业的低碳技术创新，并且没有排挤企业其他的技术创新。Zhu et al.（2019）基于中国碳排放交易政策的试点地区企业级数据进行研究，发现政策实行后使得试点地区ETS企业的低碳创新专利提高了5%~10%。而Yao et al.（2021）发现中国碳排放交易政策对试点地区的技术创新存在明显的区域异质性，湖北省由政策冲击提高低碳创新动机的影响较大。在研究减排相关的政策多样性方面，Tietenberg（2013）认为无论是通过碳税还是碳排放权交易，实则都是碳定价的形式，均是促进能源系统脱碳减排最具成本效益的策略。而Strand（2013）分析了化石能源进口国的碳税和碳市场运行情况并在构建“政策集团”的基础上，比较了碳税与碳排放交易权，发现两种途径均能形成有效抵消机制减少边缘地区的碳排放。

随着中国碳排放权交易政策的实施，国内有大量学者对其进行了政策评估。李治国和王杰（2021）认为碳排放权交易政策能够促进碳减排，且减排效果呈现逐年增加的趋势（周迪和刘奕淳，2020）。还有学者发现碳排放权交易政策会促进地区经济发展，具有良好的经济增长效应和绿色效应（余萍和刘纪显，2020），同时还会对试点地区企业创新的数量与质量起到“双提高”的显著作用（胡江峰等，2020）。在政策实施的过程中，由于试点地区在经济发展、地理区位、产业优化等方面存在差异，会导致不同地区的减排效果呈现出部分差异（刘传明等，2019），而张晨等（2021）发现由于经济资源支持不足使碳交易政策未能促进企业进行环保投资，但提高了企业预防性环保投资的积极性。

此外，国内有关环境规制政策对绿色全要素生产率的研究也已取得较大进展。辛宝贵和高菲菲（2021）运用合成控制法研究生态文明试点政策，发现该政策对绿色全要素生产率的提升有显著正向作用，但存在区域异质性。在制造业转型升级背景下，还有学者探究了鼓励型政策和限制型政策对制造业绿色全要素生产率的影响，发现前者并未起到明显促进作用，而限制型政策与制造业绿色全要素生产率呈现“U”型关系（李振洋和白雪洁，2020）。佘硕等（2020）基于中国低碳城市试点政策，运用PSMDID 验证了低碳试点政策能够直接对绿色全要素生产率产生正向影响。

综上，已有研究更多是关于碳排放权交易政策减排效果的评估或其他环境规制相关政策对绿色全要素生产率的影响，而关于碳排放权交易政策对区域绿色全要素生产率影响的研究较少。另外已有研究更多采用双重差分或倾向得分匹配的相关政策评估方法，不容易消除其他政策的干扰，且分析更偏向整体效果而缺乏试点个案特殊性的探究。而合成控制法能够通过客观数据的驱动合成对照组，可以更客观地进行反事实分析，更准确地评估政策效果。

三、理论分析与研究假设

碳排放交易权给碳排放权赋予商品属性，允许碳排放权在市场上进行交易。碳排放权交易制度实施后，一方面，由于缺少相对优势，一定程度上降低了高污染、高能耗企业的市场竞争力；另一方面，在政府环境监管部门的规制作用下，高能耗企业不得不加快低碳技术创新与绿色转型，形成一种倒逼机制，通过技术引进等手段来缓解由减排成本带来的压力。长期来看，企业需要通过技术革新手段加快向绿色环保型产业转型升级，提高能源效率和促进低碳转型发展，对实现区域碳减排和提升绿色全要素生产率具有正面影响。

Costantini & Mazzanti（2012）基于波特假说证实严格有效的环境规制会加速地区形成对资本、劳动等要素的吸引，有利于提升整个地区的资源配置效率。市场化的碳排放权交易使企业衡量购买碳配额的成本与研发低碳减排技术的成本，从中作出最优决策。低能耗企业由于碳排放量整体较少，往往未达到固定配额排放门槛，企业超额的机会成本较低，且其能够将碳排放权的市场交易作为渠道资金的激励形成比较优势，利用该优势将拥有更多资源用于营业和技术研发以期提升企业的长期效益。而对高能耗企业来说，其对能源的依赖性依然较强。在规模化生产条件下，企业的运营模式、生产流程等在短期内难以快速优化来匹配低碳减排发展的需要。并且目前市场上相对高效的低碳减排技术还不够成熟，企业生产过程中的排放往往会超出较多。因此，高能耗企业在短期内，往往会通过碳市场的交易获取碳排放权、引进先进生产设备或采用低碳环保型生产要素等途径进行控排。但目前中国碳排放尚未达峰，全国性的碳市场刚刚起步，市场上对碳交易的需求处于相对旺盛阶段，碳价在市场供求趋向平衡的动态调整过程中将呈现上升态势。长期来看，当企业减排的边际成本高于企业产品的边际价格时，高能耗企业必须通过加快低碳技术的研发和科技成果转化来替代以上减排成本相对较高的方案，最终向绿色环保型企业转型升级。另外，市场化的碳排放权交易也会使企业形成一种良性竞争关系。低排放企业会基于减排低成本的相对优势，压缩企业整体成本，同时还能获得政府更多的政策支持，优化劳动、资本等要素的整合配置进行技术研发与市场开拓，提高企业的市场竞争力。而相对高排放的企业也将为发展企业和开拓市场空间，加快绿色低碳技术的研发与成果转化进程，企业间形成“追赶效应”。这种良性竞争最终会促进区域整体的减排和绿色全要素生产率的提升。基于上述的理论与逻辑分析，提出以下研究假设：

假设1：碳排放权交易政策的实施促进了地区绿色全要素生产率的增长。

假设2：碳排放权交易政策会通过促进科技创新与产业结构升级提高地区的绿色全要素生产率。

四、变量选取与模型构建

（一）变量选取

现有关于绿色全要素生产率的研究，主要是基于非期望产出的SBM 模型和ML 指数分解方法进行测算。但包含非期望产出的SBM模型仍然属于标准效率模型，即使能够解决变量松弛问题，但当测得的效率值小于等于1 时，对于DMU为1的单元无法再做进一步区分。ML指数是基于静态测度对指数进行分解，在形式上不满足可传递性与可循环性要求，并且在测度跨期距离函数时难以克服线性规划无解问题。因此，为解决以上关键问题，本文在选用超效率SBM模型的基础上，参考Oh（2010）的研究，采用Globe-Malmquist-Luenberger（GML）指数进行绿色全要素生产率的测算，具体测算方法如下：

（1）非期望产出—超效率SBM模型

在超效率SBM 模型中，允许DMU 的效率值大于1，从而可以有效地进行区分比较和评价。因此，借鉴Li&Shi（2014）的研究方法，构建包含非期望产出的超效率SBM模型。模型假设地区的生产活动是通过多种要素投入且得到多种期望产出与非期望产出，依据环境技术框架，构建包含非期望产出的生产可能性集，进而由历年每个地区作为一个决策单元DMU来设定最优的生产技术前沿面。以下定义测算绿色全要素生产率的生产可能性集合：

其中，每个区域的投入产出模式对应n种投入、s种期望产出和s种非期望产出。X 表示n维投入向量，y表示s维期望产出，y表示s维非期望产出向量，分别符合，其中，X、Y符合强可处置性条件，Y符合弱可处置性条件。λ=（λ，λ，…，λ）表示L 维权重向量。（L=1，μ=1）表示规模报酬可变（VRS）；（L=0，μ=∞）表示规模报酬不变（CRS）。过度投入用向量表示，非期望产出过多则用表示表示期望产出过少。参考Tone（2003）的相关研究可以推导出非期望产出—超效率SBM模型，具体构建如下：

（2）GML指数

绿色全要素生产率指数能够兼顾实际生产与生产前沿面技术效率变化以及每个单元生产前沿面边界的距离即技术变化两个方面。GML指数将所有各期的效率总和作为参考集，相较ML指数而言，具有跨期可比性，同时能有效解决线性规划不可行解的问题：

其中，x、y表示被评价单元在 t 期的投入产出数值，E、E分别表示全局前沿和前沿t期的效率值。在非参数框架下，基于非期望产出—超效率SBM模型，建立一个非角度、非径向的MPI，具体公式为：

（3）指标选取与处理

参考已有研究设定测度绿色全要素生产率所需要的投入指标和期望产出以及非期望产出指标，具体指标设定如下。

投入指标：能源消费总量、就业人员数、固定资本形成总额。能源消费总量为各种能源折算成煤（万吨）后的总和。就业人员数为各地区年末三次产业就业人数的总和。固定资本形成总额参考张军（2004）的做法，采用永续盘存法在考虑资本折旧的基础上进行合理测度。具体测算公式为：K=I+K（1-δ），其中K为物质资本存量，I为当年形成资本总额，折旧率δ设定为9.6%，同时以2000 年为基期使用固定资产投资价格指数进行平减以消除物价变动的影响。

期望产出指标：人均GDP。人均GDP 的测算以 2000 年的 GDP 水平为基期，通过 GDP 价格指数平减处理。

非期望产出指标：地区二氧化碳排放量、工业二氧化硫排放量、工业废水排放量、工业烟尘排放量。其中地区二氧化碳排放量依据IPCC《国家温室气体清单指南（2006）》中的核算标准，基于地区的能源消费情况进行测算。由于非期望产出—超效率SBM—GML指数反映了地区两期之间的GTFP变化率，参考蔡乌赶和周小亮（2017）的做法，以2000 年为基期并将2000 年的 GTFP 设定为 1，则 2001 年的 GTFP 为 1 乘以2000—2001 年的GML 指数，依此类推以环比的方式采用连乘法计算各年份的GTFP。

（二）模型构建

目前研究领域内多采用双重差分分析（DID）进行评估，但DID的使用需满足平行趋势假设，即使DID有效解决了不随时间变化的内生因素，但随时间变化的未观测到的因素所产生的内生性问题尚无法有效解决。因此，Abadie&Gardeazabal（2003）在考虑以往政策评估方法缺陷的基础上，创造性地提出了合成控制法（SCM）。SCM 的基本原理是选取待估变量与预测变量后，根据预测变量赋予对照组不同权重，进而合成在政策实施前与实验组待估变量变化较为相近的合成实验组，通过对照二者的差异评价政策的干预效果。

假设观测到M+1 个地区T 期的绿色全要素生产率G，其中第1 个地区为碳排放权交易政策试点地区，其余M个地区均不是试点地区，并定义T为政策实施的年份（1≤T≤T）。表示地区i未受到政策冲击的绿色全要素生产率为地区i 受到碳排放权交易政策冲击的绿色全要素生产率，则地区i 受政策影响后的GTFP 干预效果为特别对试点地区而言，当 t＞T时，有，说明试点地区受到了政策干预影响，在T期以后可观测其潜在结果却无法观测到同期未受政策冲击后的故政策评估的关键在于准确有效地估计试点地区在T期以后的反事实结果在此参考Abadie et al.（2010）所提出的基于参数回归的因子模型：

其中，γ表示影响绿色全要素生产率的时间固定效应，H是K维列向量，表示地区i不受碳排放权交易政策影响的可观测变量，δ是K维行向量，表示相应控制变量的估计参数，μ表示个体固定效应，θ为随时间变化但不能观测到的公共因子向量，θμ表示不可观测的互动固定效应，ε为随机干扰项。

接下来构造权重向量W=（w，w，…，w）′，且权重向量满足w+w+…+w=1。W代表对照实验组所合成的潜在控制组，组内每一个w衡量控制组地区对目标地区的合成贡献权重，SCM模型进而可以写成：

Abadie et al.（2010）证明了式（8）右边将趋近于0。故在碳排放交易政策实施期间，对试点地区而言，其不参与试点的反事实结果可以用合成控制组进行估计因此，试点地区的政策干预效果可以近似表示为：

根据以上分析，确定满足条件的权重向量是对政策效果进行无偏估计的关键。令X为碳排放交易政策实施前试点地区的D维列向量，为实验组政策冲击前的事前特征。令X为非试点地区的D×W 的矩阵，为控制组的事前特征。可以根据最小化X和XW之间的距离函数确定最优的合成控制权重向量W。距离函数界定为：，其中 V 是一个D×D维对称的半正定矩阵。由于V的选取会影响到方程的均方误差（MSPE），故选择事前最小化MSPE的方法来确定最优的V，继而根据距离函数求出W，代入式（9）分析出政策干预的因果效应（Abadie et al.2010）。

参考已有相关研究，本文选取以下控制变量：（1）基础设施水平，以各地区等级以上公路里程总数衡量；（2）工业发展程度，以工业产值/GDP 作为衡量指标；（3）人力资本水平，依据中国公共教育体系的学制设计，并遵循文献中的普遍做法计算出地区劳动力平均受教育年限衡量人力资本水平；（4）环境规制强度，借鉴戴军（2020）的做法，采用环境规制效果型指标，用GDP/二氧化碳排放量表征；（5）产业结构升级，参考徐德云（2008）在研究中使用的“产业结构指数”构建其代理变量，具体算法为：Tcch=，其中I表示各省份第一、二、三产业年产值的GDP 占比；（6）对外开放水平，以地区净出口/GDP 衡量，汇率采用年平均汇率换算；（7）能源结构，以地区煤炭消耗总量/地区能源消费总量衡量；（8）政府干预程度，以政府财政收入（一般预算收入）/GDP 衡量；（9）人口密度，以各省常住人口总数/地区行政总面积衡量。由于工业发展程度、环境规制强度与能源结构很可能受到碳排放交易政策的影响，故分别选择三者政策冲击前的相应均值作为预测变量。全文数据均来源于历年《中国统计年鉴》、各地区统计年鉴以及CSMAR 数据库。鉴于数据的可靠性与可得性，选取中国2000—2019 年30个省份（不包括港澳台、西藏）展开实证分析，其中主要变量特征如表1所示。

表1 主要变量描述性分析

变量GTFP Lnroad Sgdpp Hum Er Energy Tcch Open Gov People含义绿色全要素生产率基础设施水平工业发展程度人力资本水平环境规制强度能源结构产业结构升级对外开放水平政府干预程度人口密度样本量600 600 600 600 600 600 600 600 600 600均值2.048 11.338 45.528 8.823 0.492 38.258 230.345 0.294 0.204 5.420标准差1.424 0.911 8.138 1.081 0.776 15.515 13.518 0.338 0.095 1.260最小值0.912 8.372 16.200 5.720 0.008 0.999 202.765 0.011 0.069 1.968最大值30.028 12.728 61.500 11.800 8.320 98.976 283.200 1.668 0.628 8.250

五、实证结果与分析

由于七个试点地区2013 年下半年至2014年才全部正式运行碳交易市场，因此本文选取2013年作为本次碳排放交易政策的冲击点。由于深圳属于广东，且不同于其他省市辖区，故本文不再对深圳展开分析，以下将主要围绕北京、天津、上海、湖北、广东和重庆展开研究。本文基于以上选取的控制变量合成试点地区的虚拟控制对照组，具体各试点地区对应的合成控制的省份以及相应的权重占比如表2所示。

表2 各试点省份合成地区权重

北京天津上海广东重庆省份吉林浙江山东海南宁夏权重0.046 0.162 0.485 0.011 0.296省份江苏浙江青海宁夏权重0.396 0.301 0.152 0.151省份江苏浙江海南青海权重0.369 0.211 0.259 0.161湖北省份内蒙古辽宁山东河南权重0.159 0.096 0.008 0.737省份江苏浙江福建湖南四川权重0.363 0.315 0.163 0.055 0.104省份辽宁福建海南贵州宁夏权重0.558 0.001 0.024 0.327 0.090

（一）碳排放权交易政策对地区绿色全要素生产率的直接影响

图1 显示的是2000—2019 年试点地区与合成地区的绿色全要素生产率变化图，图中竖状的虚线表示碳排放权交易政策冲击的时间2013年。虚线的左侧为碳排放权交易政策实施前绿色全要素生产率曲线，右侧则为政策实施后的绿色全要素生产率变化曲线。由图1可知，在政策实施前，除天津以外，试点省份与合成省份拟合程度较好。在政策冲击之后，可以通过观察实验组与合成控制组的差值大致判断政策冲击的效果。在政策冲击后，若二者之间的差值越大，说明政策干预的效果越显著，否则说明政策效果不显著。可以看出，试点省份整体较合成对照组而言绿色全要素生产率呈上升趋势，其中湖北、北京与上海的变化尤为明显。

图1 碳排放权交易试点地区与其合成地区的绿色全要素生产率

图2 描述了2000—2019 年试点地区与合成地区的绿色全要素生产率的具体差值。整体来看，大多数试点地区的绿色全要素生产率提高明显。此外，碳排放权交易政策的冲击效果在不同地区存在一定的异质性。其中湖北省在2013 年以前与合成控制组拟合程度较高，二者GTFP 差值较小。2013 年后仅有一年与合成控制组GTFP的差值小于0，其他年份均为正值，表明该政策在湖北省试点对发展绿色全要素生产率具有更为显著的正向作用。

图2 碳排放权交易试点地区与其合成地区的绿色全要素生产率差值

其次，能够看出北京与上海的政策冲击效果也相对明显。2013 年政策实施以后，北京与上海仅少数年份的绿色全要素生产率增长率小于零，且差值较小，整体上促进了两地绿色全要素生产率的提升。从广东与重庆的效果看，有部分年份的绿色全要素生产率差值大于零，重庆地区在政策实施后尤其在2015年绿色全要素生产率净增长率接近2%，整体上政策干预后的平均增长率为正，且2018年后呈现增长趋势，表明碳排放权交易政策对试点地区绿色全要素生产率提升具有一定作用。广东在2013年以前拟合程度相对差些，且政策冲击效果不如湖北等地。原因可能是，一方面，深圳特区的快速发展导致资源要素的成本不断走高，部分企业工厂迁出深圳至较近且要素成本相对较低的广东其他地区，在一定程度上加大了广东的控排空间。另一方面，由于外来流动人口较多导致广东早已成为中国第一人口大省，且广东地区首批纳入减排的企业相对较少，所以造成广东短期减排的难度较大。但其绿色全要素生产率变化率差值相对较小，且呈现差距逐渐缩小转正的趋势。而天津的GTFP 变化效果除2012 年、2013年差值变化明显为正，其余年份相对平缓，看出该政策对天津整体绿色全要素生产率的提升作用短期不太显著。以上说明经济发展水平、产业结构、地理区位等因素上的差异性会使政策产生具有一定异质性的干预效果，但整体而言，碳排放权交易政策的实施对地区绿色全要素生产率的提升具有促进作用，验证了上文假设。

（二）稳健性检验

1.安慰剂检验

参考Abadie et al.（2010）的做法，采用排序检验法排除其他因素的干扰以及偶然性事件来进一步验证碳排放交易政策对地区绿色全要素生产率的促进作用。

排序安慰剂检验的基本原理是在控制组地区中随机抽取一地区，假设其受到了政策冲击，即为碳排放权交易政策的试点地区，将其视为实验组，其余地区则视为控制组，进而采用合成控制法判断该假定实验组受到冲击后的潜在政策干预效果，这种差异即为“安慰剂效应”。同时，为确保排序检验的拟合效果，保证均方根预测误差（RMSPE）尽可能的小，遵循文献中普遍做法剔除RMSPE值大于对应真实试点地区2倍的假定试点地区，具体结果如图3所示。

图3 碳排放权交易试点地区与其他地区的绿色全要素生产率差值分布

图3中实线代表真实试点地区，虚线则代表假定试点地区。可以看出，在2013年以前，除天津外，真实试点地区与假定试点地区的差异整体较小，并且在2013年政策冲击以后，可以明显看出真实试点地区的政策干预效果显著。在给予随机处置的基础上，北京、上海与重庆的绿色全要素生产率增长效果均在5%的水平上显著，湖北、广东在10%的水平上显著。排序安慰剂检验的结果说明碳排放权交易政策整体上促进了地区绿色全要素生产率的增长。

2.PSM-DID检验

因为实验组与控制组可能存在的系统性差异，本文选取倾向得分匹配-双重差分模型再次将碳排放权交易政策对地区绿色全要素生产率的影响予以检验。检验的控制变量与上文相同，并通过Logit 模型进行核匹配以形成本文的试点地区对照组，之后通过DID 进行回归分析。回归结果表明，政策冲击系数为0.712，且通过了1%的显著性水平检验。回归结果再次验证了碳排放权交易政策促进地区绿色全要素生产率提升的结论稳健可靠。

（三）进一步影响渠道探讨

进一步探讨碳排放权交易政策能否通过作用于科技创新和产业结构升级两个重要途径对地区的绿色全要素生产率产生影响。其中，科技创新（Innovate）采用地区年末三大专利授权总数，并取对数进行衡量；产业结构升级（Tcch）参考上文设定标准。中介效应检验采用逐步回归法，由于前文碳排放权交易政策对地区绿色全要素生产率的正向影响已得到验证，以下将主要针对中介效应检验的第二、三步进行研究分析，中介效应检验方程如下：

其中，中介变量M为科技创新（Innovate）与产业结构升级（Tcch）。X、Z为中介变量对应的一些控制变量。中介效应检验的回归结果如表3所示。

表3 碳排放权交易政策对地区绿色全要素生产率的作用渠道

注：括号内为 t 值，*、**和***分别代表10%、5%和1%的显著性水平。

变量（1）Tcch 2.211**（2.162）（2）GTFP 0.314*（1.946）（3）Innovate 0.607***（3.349）0.034**（2.064）treated×post Innovate Tcch控制变量地区效应常数项观测值R2值是 是是 是是 是是 是（4）GTFP 0.454**（2.588）0.001**（2.434）207.990***（32.078）600 0.701-12.546***（-3.816）600 0.225-1.964***（-4.318）600 0.634-0.217（-0.552）600 0.193

通过回归结果可以看出，碳排放权交易政策的实施对地区的科技创新和产业结构升级均具有显著的正向作用，且在政策冲击变量分别与科技创新、产业结构升级的共同作用下，对试点地区的绿色全要素生产率仍有显著的正向影响。说明科技创新与产业结构升级是碳排放权交易政策促进地区绿色全要素生产率提升的两个重要作用途径，结果与上文理论分析一致。同时为进一步验证上述中介效应检验结论的稳健性，以下采用Bootstrap 检验进行随机抽样1000 次再次检验中介效应存在与否。表4 结果显示中介变量的间接效应和直接效应在偏差校正百分位法与百分位法下，均在95%的置信区间上不包括0，表明通过检验，验证了部分中介效应的存在。

表4 Bootstrap检验结果

中介变量检验内容Tcch Innovate间接效应直接效应间接效应直接效应偏差校正95%置信区间下限0.287 0.005 0.215 0.146上限0.687 0.660 0.515 0.771百分位95%置信区间下限0.287 0.004 0.203 0.168上限0.688 0.659 0.499 0.786

六、结论与对策建议

采用中国2000—2019 年省级面板数据，通过合成控制法以及安慰剂检验和PSM-DID一系列稳健性检验探究了碳排放交易政策对区域绿色全要素生产率的影响。具体结论有：第一，碳排放权交易政策的实施总体上促进了试点地区的绿色全要素生产率增长。第二，政策干预的效果存在局部异质性，湖北、北京、上海效果最好，广东与重庆效果次优，天津的干预效果不太显著。第三，在碳排放权交易政策影响绿色全要素生产率的过程中，科技创新与产业结构升级是两个重要传导路径，该政策能够通过促进试点地区的科技创新水平提升和产业结构升级来进一步提高绿色全要素生产率。基于以上结论，提出以下对策启示：

第一，加快完善全国统一的碳交易市场建设。目前中国碳交易线上市场已分别于北京、上海和武汉三地启动，碳排放权交易政策能有效地促进试点地区的绿色全要素生产率增长，且政策的正向干预效果在北京、上海和湖北尤为显著。可以从交易市场的活跃度与流动性、碳配额管理制度的多样性以及对应的奖惩措施等方面予以借鉴，尽快完善碳市场高效运行所需要的基础配套设施，形成可供全国复制推广的有效实践经验，充分发挥碳交易市场的减排作用。第二，完善科技成果转化的市场激励机制，加快企业的绿色化转型升级。依托碳排放权交易政策以及全国线上碳交易市场，积极引导高校、科研机构等对绿色全要素生产率进行探究，继续推行产学研深度融合发展的长效机制。此外政府应鼓励、支持、引导企业进行绿色创新、成果转化以及绿色转型发展，通过支持研发、补贴、退税、减免、提供贷款担保和专利授权等方式，探究有利于绿色全要素生产率增长的最优方案，充分发挥市场主导与政府引导的协同治理作用，形成有利于企业技术创新和产业结构转型向绿色化方向发展的市场环境。第三，继续完善与碳排放权交易政策相关的制度设计。政府可在制度设计层面融入绿色创新、绿色转型等一系列奖励激励机制，并可通过市场化的手段对企业予以绩效评估，以评价企业在绿色发展过程中的质量效果与可持续性。另外，碳交易政策可结合排污权、碳税等多种方式，针对不同地区存在的异质性，结合本地特色“因地制宜”，制定多元化、差异化的政策制度，提高政策实施的灵活性，以更好地促进地区绿色全要素生产率的增长和推动中国经济社会的高质量发展。