基于倾向得分匹配模型的工业碳排放驱动路径研究

□施心怡

面对全球气候变暖和生态环境恶化带来的挑战，以习近平同志为核心的党中央统筹国内国际两个大局，积极参与全球气候治理。2020年9月，习近平在第七十五届联合国大会上做出力争2030年前实现碳达峰、2060年前实现碳中和的重大战略决策。

在碳达峰、碳中和背景下，苏州高新区积极淘汰落后产能，遏制“两高”项目盲目发展，加快推动能源结构、产业结构调整转型。但苏州高新区工业整体仍处于上升发展阶段，不可避免的伴随二氧化碳的排放。在此背景下，其工业碳排放机理如何？又将怎样实现碳达峰碳中和？本文以高新区规模以上（下文简称规上）工业能源统计体系为依托，厘清工业碳排放背后的作用机理，以为区县工业低碳转型提供参考。

｜研究设计

（一）模型设定

目前国内外学者对碳排放驱动因素进行的研究主要从经济增长、能源效率、技术水平、人口数量等因素进行考察。York（2003）等将人类生产生活活动对环境的影响加以量化，形成最初的IPAT 模型，其一般形式为:

其中，I、P、A、T 分别表示环境压力、人口、财富和技术水平，经对数处理得到新方程：

在工业碳排放研究中，可以利用企业碳排放水平作为对环境的影响因素I，从业人员数为P，人均产值为A，能耗强度为T。在此基础上，能耗结构对碳排放水平也相当重要，因此本文将企业是否属于国家六大高能耗行业（S）添加到模型中，修正模型如下：

（二）研究假设

理论上，工业发展以一定的资源为基础，在工业经济尚难摆脱化石能源消费的条件下，企业产出规模的扩张显然将引致碳排增长。因此提出假设1：

1：工业企业生产规模与碳排放水平正相关。

工业生产进程消耗了大量化石能源，且高耗能行业作为高碳能源消费的主力，其生产扩张将加速碳排放增长。此外，人口因素作为碳排放重要部分应当予以充分关注，企业人员扩张会带来更多能源消费，加速碳排放增长；但随着信息化、数字经济等技术创新的实现，地区经济增长更多依靠于人才和科技创新，能源利用效率稳步提升，生产逐渐向低消耗低排放的集约增长模式转变，削弱生产扩张与碳排放的正向作用。因此提出假设2：

2a:不同行业特征的企业生产规模与碳排放的关系是不同的，高耗能企业生产扩张会带来更多的碳排放；

2b:不同用工规模企业的生产规模与碳排放的关系是不同的，用工规模较大的企业生产扩张会带来更多的碳排放；

2c:不同技术水平企业的生产规模与碳排放的关系是不同的，企业技术水平提高会削弱工业生产扩张带来的碳排放。

现有研究主要以某一国家或省份为视角，缺少对区县工业碳排路径分析。且已有研究虽然肯定生产规模是重要促碳因素，但尚未有文献评估工业企业生产规模的高低对碳排放的具体影响。基于此，本文基于“准实验”的研究设计建立倾向得分匹配模型，将总体样本分为高、低产出两组，评估生产规模对碳排放水平的实际效应。

｜实证分析

（一）变量说明和指标选取

本文数据来源为2021年苏州高新区规上工业能源统计数据库，数据处理软件为STATA16.0，变量定义如下。

结果变量：碳排放水平（I）。本文根据世界资源研发所发布的《城市温室气体核算工作指南》、国家发改委发布的《省级温室气体清单编制指南（试行）》采用IPCC 排放因子法对相关二氧化碳排放量进行推算，基本原理为：

其中，I 为碳排放总量，Ei分别表示第i 中能源的消费量和碳排放因子，电力排放因子参考《中国区域电网二氧化碳基准排放因子OM计算说明》，CH4 等其他温室气体排放较少予以忽略（表1）。

表1 变量定义表

（二）基于匹配样本和倾向值的计量模型分析

本文选择一对二近邻匹配法，为实验组寻找可匹配的对照组。将技术效率、用工规模和企业特征作为匹配变量，评估工业生产对于碳排放的平均处理效应。

1.倾向值估计。根据PSM 模型设定，首先需要构建一个企业生产变化的概率模型，纳入相关协变量，估计企业生产行为的概率。

dum A 是用以反映企业生产行为的虚拟变量，Xi是可能影响企业生产行为变化的协变量，据此预测企业生产行为变动的概率并计算每各个样本的倾向得分情况，就得分情况对样本进行匹配。

2.匹配质量统计检验。

（1）平衡性检验和t 检验。在得到企业生产行为的预测概率后，进行平衡性检验。PSM 模型致力于实验组与控制组具有相似的分布，需要考察实验组和控制组在倾向得分和协变量上是否有显著差异，否则我们观察到的企业碳排放差异可能来源于那些显著差异的条件变量。

表2 介绍了匹配前后不同维度的协变量的t 检验，可以看出匹配前协变量P、T、S 的T 值分别为-3.72、-7.65 和3.01 且均在1%的水平上显著，即匹配前控制组与实验组存在显著差异；匹配后，相关协变量的t 检验值变为-0.76、-0.41和-0.74 且均不显著，即匹配后所有变量在控制组与处理组之间的均值偏误都在不同程度上减少，实验组与控制组的个体特征差异得以部分消除，满足平行假设，效果比较理想。

表2 配对前后实验组和对照组t 检验

平衡性检验图结果显示，匹配前（unmatched）各变量P、T、S 的标准化偏差大于20%，匹配后（matched）协变量的标准化偏差明显缩小且均在10%以内，实验组与控制组基本具有一致的特征，结果可靠（图1）。

图1 各变量的标准化偏差图示

（2）核密度曲线。从倾向得分匹配图可看出，匹配后控制组（control）与实验组（treat）的核密度曲线坡峰更加接近，密度曲线左侧尾端个体差异减少，样本拟合趋优，匹配质量提高（图2）。

图2 匹配前（左）、匹配后（右）密度对比

3.基于PSM 模型的平均处理效应。在进行上述检验后就可以估计平均处理效应（ATE）、实验组平均处理效应（ATT）和控制组平均处理效应(ATU)。如表3 所示，匹配前最小二乘估计显示工业企业生产规模变化带来的碳排放差异为0.0955，当期生产活动较活跃企业的碳水平高于不活跃企业1.3%，该差距是不显著的；而在经过倾向值匹配后，这个效应大概是17%，在1%的水平上显著。这充分表明工业企业生产规模水平是碳排放的重要促增因素，且样本选择偏差的存在使得最小二乘估计结果严重低估，PSM 匹配后的结果有效避免了这个问题。

表3 倾向值匹配的处理效应

进一步，本文考察了工业生产对于碳排放的影响在不同行业之间的差别。如表4 报告了区分行业的匹配结果，结果显示规模企业的碳排放平均处理效应(ATT) 在不同行业特征下差异明显，高耗能企业扩大生产对碳排放的刺激幅度在22%左右，而对于非高耗能行业的碳排放刺激幅度只有18%左右，假设2a得以证实，高耗能企业仍然是节能减排的主要对象。

表4 区分企业类型的倾向值匹配结果

接着，本文继续分用工规模进行考察，以用工水平50%作为用工规模较大企业，其他作为用工规模不大企业进行匹配回归。结果显示，在用工人员较多的企业中，工业生产规模扩大的企业比假定未扩大生产的碳排放的平均处理效应高0.9899；而这个差距在用工人员较少的企业中仅为0.9036，即工业生产规模对碳排放的促进作用是存在的，但其作用的大小在员工较多的企业中更为显著，假设2b 予以证实（表5）。

表5 区分用工规模的倾向值匹配结果

最后，本文还考察了工业生产的碳排放水平在不同技术水平上的差别。本文以产值能耗强度前50%的企业作为能源利用率较低的企业进行研究，表6 结果显示，从实验组平均处理效应（ATT）的差距来看，高技术水平企业扩大生产的碳排放水平比假定其不扩大生产的碳排放水平显著多1.0874，且该效应比能源利用率较低的企业低0.2492，假设2c 得以证实。

表6 区分技术水平的倾向值匹配结果

｜主要结论

目前工业发展中碳排放与工业生产之间的矛盾依然存在。本文通过“反事实”研究设计，评估高产出规模和低产出规模企业的碳排放水平差距问题。结果显示：能源消费为工业生产提供动力，工业生产加速能源消耗，大量化石能源燃烧带动二氧化碳排放快速增长，即工业企业生产规模与碳排放水平显著正相关。

进一步，为有效削弱生产扩张对碳排放的正驱动影响，寻找碳达峰碳中和愿景下产业绿色低碳转型的出路，本文从多个维度对工业生产与碳排放的具体关系路径进行了拓展。

行业特征方面，高耗能行业扩大生产对碳排放的正向驱动作用远高于非高耗能行业。高耗能企业对煤炭等化石能源的依赖是刚性的，受能源需求结构和工艺操作流程限制，对高碳要素投入需求偏大，生产扩张对这类企业碳排放的正向作用也更加明显。

用工特征方面，工业企业生产规模对碳排放的刺激作用在劳动力密集型的企业表现效果更大。对以劳动力作为主要要素投入的产业来说，用工增长在带动产品生产快速扩张的同时，也伴随着更活跃的生活碳排活动。

技术效应方面，企业技术进步对工业生产与碳排放的关系具有显著的负向驱动作用。能源利用率较高的企业有着更强的环境保护能力，能有效促进生产过程中二氧化碳的捕获和封存，有效抑制生产扩张所带来的二氧化碳排放量。

｜政策建议

习近平总书记在中共中央政治局第三十六次集体学习时强调实现“双碳”目标是一场广泛而深刻的变革，要注意“处理发展和减排的关系”“减排不是减生产力，也不是不排放而是要走生态优先、绿色低碳发展道路”。本文的拓展研究为“双碳”背景下区县工业低碳节能提供了一个思路：

（一）调整产业结构，加快推进产业转型升级

一是优化高耗能行业存量产能、逐步剥离落后产能，推动碳增量资源向新兴产业倾斜。二是培育低碳循环产业集群，积极延伸太阳能光伏等新能源产业集群布局，助力产业碳减排合作。

（二）调整用能结构，着力推动清洁能源使用

一是综合统筹化石能源使用，推进煤炭的清洁化使用。二是结合工业发展优势，稳步培育绿色经济新动能利用，因地制宜布局氢动力汽车、氢能发电等产业制造。三是实施能源替代战略，推进以电力和天然气为主，风能、太阳能、氢能等为辅的能源转型体系，促进用能体系可持续发展。

（三）调整用工结构，积极推进智能车间改造

一是推动智能化车间改造，依托智能生产决策系统，进行绿色车间调度，降低产品不良率。二是加大技术型人才引进，聚焦“双碳”战略部署，推动产业链、创新链和人才链相互贯通，实现节能增效。

（四）调整技术创新结构，深入推广能源科技进步

一是以众创空间、孵化器等为载体，深度脱碳关键技术研发，加速高端绿色低碳成果转换。二是建立低碳创新激励机制，政府应承担部分战略性、前瞻性低碳技术研发风险，以财政补贴为低碳研发保障兜底，鼓励研发主体和产业的创新动力。