“双碳”目标下财税政策对碳排放的差异化效应——基于STIRPAT 模型的面板分位数估计

■/ 何天琦 孔翠英

一、引言

随着全球变暖的加剧，碳减排已成为全世界面临的艰巨任务。在应对碳排放问题上，我国于2020 年正式提出“二氧化碳排放力争于2030 年前达到峰值，努力争取2060 年前实现碳中和”的“双碳”目标，充分彰显了我国积极应对气候变化、走绿色低碳发展道路的坚定决心。要实现“双碳”目标，既需要绿色环保技术的不断创新，又需要国家宏观调控政策的引导和支持。而财政和税收政策作为国家应对碳排放问题的重要政策手段，详细分析其影响碳减排的作用机理与差异化效应，对于进一步完善相关政策、更好地运用财税手段促进“双碳”目标的实现具有重要意义。

二、理论分析与机制研究

财税政策作为政府宏观调控的重要工具，在校正环境成本负外部性、促进环境改善和应对气候变化方面能够发挥重要的作用（龚辉文，2021）。具体而言，财税政策手段主要分为财政手段和税收手段。财政手段主要依靠财政支出政策发挥作用，而税收手段主要包括激励性税收政策和抑制性税收政策。为了分析不同财税政策对于碳排放的作用机制，本文将促进碳减排的政策效应称为正向效应，将使得碳排放增加的政策效应称为负向效应。

在各地方财政支出项目中，科技支出和环保支出与碳排放的关系最为密切。从正向效应看，财政支出通过“挤入效应”减少企业在生态创新过程中的成本和风险，为企业的研发活动提供必要的资金支持，促使其进行相应的创新活动；在宏观层面，财政支出可以通过乘数效应形成市场需求，带动绿色产业链的构建，刺激形成生态创新的产品市场；在微观层面，政府对企业的大规模绿色采购，能形成明显的引导效应，推动企业开发相关的绿色产品和生态技术（张先锋等，2014）。但从负向效应看，在地方财政压力较大时，不合理财政支出带来的“挤出效应”会挤压民间绿色投资空间，促进碳排放。因此财政支出可能产生正向的杠杆效应和负向的挤压作用，碳排放可能减少或增加（张丽，2018）。

税收政策则主要分为激励性税收政策和抑制性税收政策，两个政策工具虽然作用机制相反,但政策目标一致（褚睿刚，2018）。激励性税收政策包括税收优惠、税收返还等。激励性税收政策可以鼓励企业购置环保设备、开发绿色技术，促进低碳经济的发展；但由于其具有临时性和针对性，作用效果很大程度上会受到不同地区企业状况的影响而存在巨大差异，甚至发生负向效应。抑制性税收政策主要是指环境税政策，环境税主要通过成本约束，抑制排放行为，促进减排目标的实现，即“倒逼减排”。但现实经济中环境税政策还可能产生“绿色悖论”现象：Sinn（2008）提出，逐渐严格的环境政策可能并不会使化石能源企业如期减少碳排放，反而会增加近期产量以避开预期成本，这意味着碳排放的进一步增加。综上所述，税收政策对于不同地区碳排放具体产生何种效应还有待考察。

财税政策影响碳排放的作用机制如图1所示：

三、研究设计

（一）样本选择与数据来源

由于环保支出是从2007 年开始公布的，考虑到数据的可获得性与一致性，本文选取2007-2019年我国30个省（由于数据限制，不包含西藏和港澳台）的面板数据作为研究样本，并且根据变量的不同使用不同指标进行平减，剔除通货膨胀的影响，得到真实值。各样本来源分别为《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国科技统计年鉴》和各省税务年鉴等，并进行具体计算得出。

（二）变量定义

1.被解释变量。二氧化碳排放量，按照《2006年IPCC国家温室气体清单指南》和《中国能源统计年鉴》提供的二氧化碳排放系数与各省8种主要消耗的化石能源消费量，包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然气，分别计算出各省每年的二氧化碳排放量。参考李斌和张晓冬（2017）的做法，其具体的计算公式如下式所示：

式（1）中，ce 为能源消费产生的二氧化碳排放量；k（k=44/12）为二氧化碳与碳分子重量比；Ei为第i类能源的消费标准量；δi为第i类能源的碳排放系数。

由于我国地域辽阔、资源分布不均，东、中、西部的划分方式可能并不适合我国碳排放量的区域分布情况。基于式（1）计算得出的二氧化碳排放量，本文依照2007-2019年30个省市区年均碳排放由小到大的顺序，绘制出样本地区2007年、2019年碳排放量和2007-2019年的年均碳排放量曲线图，从图2中可以看出，年均碳排放量最高的几个省市分别为山东、河北、辽宁等，而最低的几个省市分别为海南、青海、北京等，碳排放量差异很大的省市大部分位于东部地区，并且内蒙古、河南、山西等中部省区碳排放量要明显大于上海、海南、北京等东部省市。整体来看，我国碳排放呈现东北部和南部部分省市高，西部和西南部低的态势，以碳排放量进行区域分组更为合理。因此，根据图3中碳排放量的分位特征，本文确定了5个有代表性的分位点（0.1、0.35、0.5、0.65、0.9），同时以各省市区年平均碳排放为依据，将30个省市区划分为低分位组、较低分位组、中低分位组、中高分位组、较高分位组和高分位组6个组别（见表1），更直观地进行差异化分析。

图2 2007-2019年样本地区二氧化碳排放量对比图

图3 碳排放分位数特征图

表1 二氧化碳排放量区域分组

2.解释变量。包括财政支出和税收收入两个方面。基于财税政策与碳排放二者相关程度的考量，财政支出参考蒋团标和邓紫薇（2022）的研究，选取科技支出和环保支出作为代表。税收收入选取增值税收入、企业所得税收入和环境税收入作为代表，理由如下：我国第一大税种为增值税，其次为企业所得税，2021 年二者占税收收入总额的比重超过50%，所以要实现“双碳”目标，需要充分考虑主要税种对碳排放的影响，发挥好增值税和企业所得税的减碳功效。实际上税收激励作为政府税收的一种让渡，会导致税收收入的下降。因此本文引入增值税和企业所得税，以二者收入的降低代表激励性税收政策；抑制性税收政策即环境税则参考范丹等（2018）的分类方法，包括车船税、城市维护建设税、土地使用税、耕地占用税、资源税及环保税或排污费这6种税费。由于环保税于2018年1月1日开始征收，因此2018 年之前的数据用排污费收入来代替。

3.控制变量。根据STIPART 模型理论与李艳红（2020）、刘元欣和邓欣蕊（2021）的研究，本文选取经济发展水平、环境规制、技术进步、产业结构、外商投资、对外贸易、能源结构和人口密度作为控制变量。

变量具体定义见表2。

表2 主要变量定义表

（三）模型构建

Ehrlich &Holdren（1971）最早提出用以评估环境压力的IPAT 模型，但由于在IPAT 模型下，P、A、T 因素对I 作用的权重是相同的，在实际情况中很难实现。因此York et al.（2003）基于IPAT 模型提出了STIRPAT模型，表现为：

式（2）中，I、P、A 和T 分别表示环境压力、人口要素、富裕程度和技术要素；α是模型的截距项，b、c 和d 均为各影响因素的弹性系数，ε 是随机误差项。将其取对数得到式（3）：

由于STIPART模型灵活多变，允许对某个因素进行分解或加入其他相关变量。为探讨财税政策与碳排放关系，基于上述基本模型，加入财政支出和税收收入指标，选取人口密度代表人口要素，经济发展水平和产业结构代表富裕程度，能源结构和技术进步代表技术要素，同时考虑到外商投资和环境规制对碳排放的影响，加入外商直接投资和环境规制变量。

基准回归模型。为考察财税政策对于碳排放的整体影响，考虑到被解释变量具有较强的动态持续性（付莎和王军，2018；尹忠海和谢岚，2021），引入碳排放量的滞后项构建动态面板模型，同时为避免财政支出与税收收入的相互影响，将模型分别设定为：

式（4）主要考虑动态模型中财政支出对于碳排放的影响，其中：α0为常数项；α1-12为待估参数；cei,t-1和cei,t-2分别代表滞后一期和滞后二期的碳排放量；mi为个体固定效应；eit为随机扰动项。

式（5）则主要考虑动态模型中税收收入对于碳排放的影响，其中：b0为常数项；b1-11为待估参数；t1、t2和t3分别代表增值税、企业所得税和环境税；其它符号含义与式（4）相同。

面板分位数模型。为考察财税政策对于碳排放的非线性影响，研究不同分位点处财税政策弹性系数的差异，本文选择面板分位数方法来刻画财税政策在不同碳排放水平下边际效应的动态轨迹。面板分位数回归模型由Koneker（2004）首次提出，其优势在于可以提供关于条件分布y|x 的全部信息，而且不对残差项进行严格假定，估计结果也较为稳健，不易受极端值的影响。然而，传统面板分位数模型中的固定效应项将随机扰动项分解成不同的部分，难以解释各分位数上的估计结果（马丽梅和黄崇乐，2022）。Powell（2015）提出实现广义分位数估计（Generalized Quantile Regression，GQR)的特例（Powell，2020）：非可加固定效应面板分位数模型（Quantile Regression for Panel Data with Nonadditive Fixed Effects，QRPD），解决了个体固定效应会改变变量估计系数的问题，并且可加入工具变量对内生性问题进一步缓解，使估计结果更为准确、稳健。本文选取5个分位点（0.10、0.35、0.50、0.65、0.90），分别构建QRPD模型如下：

式（6）主要分析面板分位数模型下财政支出对碳排放的影响效应，其中：Qt（lnceit）为碳排放量的分位数，α1-10为各解释变量的分位数系数；其它符号含义与式（2）相同。由于QRPD模型在计算标准差时可能会受到极值的影响，本文选择自适应蒙特卡洛方法（Adaptive MCMC）进行优化（叶金珍和安虎森，2017）。

式（7）、式（8）分别分析面板分位数模型下激励性税收政策和抑制性税收政策的影响效应。

四、实证分析

（一）描述性统计分析

表3是模型中各变量的描述性统计结果。从表中可以看出：ce 的标准差为0.7377，最小值为3.4398，最大值为7.3228，说明我国不同地区碳排放量变动较大且存在明显差异。tech 的均值为0.2325，标准差为0.6928，说明平均而言我国科技支出占比较小且地区差异较大，而envi 的标准差为0.3607，说明不同地区间环保支出差异相对较小。t1、t2、t3 的均值分别为3.6883、2.6218、2.7705，说明平均来看企业所得税占比与环境税占比相近，而增值税占比要显著大于二者。tp和pop的标准差明显大于其他控制变量，说明从产出角度的技术进步情况来看，不同地区的技术产出差异很大，而且人口密度差异也很大，符合我国人口与技术产业集聚的现状。

表3 描述性统计表

（二）面板单位根检验

单位根检验的结果表明，只有少部分数据通过了10%的显著性水平，大部分的原始数据是不平稳的。为此，对数据进行一阶差分，差分后看数据是否平稳，如果数据平稳且具有同阶单整，便可以运用协整检验研究变量之间的长期均衡关系。从实际情况考虑，中国各省份之间经济发展水平、人口规模、技术进步、资源禀赋等因素都存在着显著的异质性，与第一类检验方法相比，第二类方法更符合客观事实。因此本文选择HT检验对变量进行同根检验，采用IPS、Fisher-ADF、Fisher-PP 检验对变量进行异根检验。经过一阶差分后各个变量检验的输出结果如表4所示，结果显示变量均在10%显著性水平上通过单位根检验，表明数据符合一阶差分平稳过程。由于数据满足同阶平稳，于是可进行协整检验。

表4 样本单位根检验结果

本文选择Kao 检验验证所有变量与碳排放之间是否存在长期稳定的均衡关系。而Pedroni检验与Westerlund检验由于检验变量个数的限制，仅选取被解释变量与代表财政、税收的五个主要解释变量进行验证。最终结果表示，本文建立的模型都通过了面板协整检验，说明变量之间存在着长期协整关系，可以建立模型进行回归分析。

（三）基准回归分析

首先选择动态面板模型对全国整体情况进行均值回归。考虑到碳排放存在一定的动态持续性，过去的碳排放可能会由于一定的惯性或调整对当期碳排放产生影响，因此加入滞后一期和滞后二期的碳排放（L.ce、L2.ce）进行估计。此外，由于引入滞后项不可避免的内生性问题，特选择系统广义矩估计方法（System Generalized Method of Moments，SYSGMM）保证参数估计的稳健性。

从表5 可以看出，AR 检验结果表明选择系统GMM 方法进行估计是有效的，而且四个模型均通过了Hansen检验，说明了工具变量选择的有效性。从表5数据的第一行和第二行可以看出，滞后一期和二期的碳排放对当期碳排放的影响非常显著，说明政府或企业会根据过去碳排放的情况作出一定的调整，也就是碳排放存在动态持续性。

表5 基准模型回归结果

从模型（4）的估计结果来看，财政支出不同政策效果存在明显差异。首先，环保支出的弹性系数估计值（以下简称系数值）显著而科技支出的系数值不显著，说明环保支出对于当期碳排放的影响较大，而科技支出可能由于转化周期较长，对当期碳排放的影响并不显著。其次，环保支出的估计系数显著为正，表明就全国而言，环保支出的负向效应明显。原因可能在于我国各省市区经济发展水平差别较大，高发展水平省市区的企业自主性强，在更为激烈的竞争环境下会自觉更新设备，提高环保技术来降低可能发生的外部治理成本，所以环保支出政策发挥的作用并不明显（尹忠海和谢岚，2021）；而较低发展水平省份的企业容易对环保支出产生依赖，减少自身环保设备与技术的更新和投入，从而产生负向效应。

由模型（5）中的回归结果可知，增值税和企业所得税的估计系数均显著为正，即增值税和企业所得税收入的降低可以带来碳排放量的减少，说明两税的激励政策有助于碳减排。就系数值的大小而言，企业所得税的系数值要明显大于增值税，说明企业所得税激励政策的减碳效果要强于增值税。其原因可能是：从影响机理看，企业所得税激励政策是直接减少其应纳税所得额或应纳税额，减税作用相对纯粹，而增值税激励政策的减税效果可能会由于企业自身税负转嫁能力而被稀释；从相关激励政策内容看，增值税的免税政策激励不足，且即征即退政策范围较小，而企业所得税的相关优惠政策虽然也需要更新（张莉和马蔡琛，2021），但是政策适用企业范围较广，其影响效应也更加明显。

另外，从环境税的回归情况可知，抑制性税收政策的政策效果不理想。虽然环保税的系数值为负但显著性较低，说明环境税对碳排放具有一定的倒逼减排效应，但并不明显。总而言之，动态模型下环境税的减排效应通过了10%的显著性检验，但作为均值回归结果，可能会由于不同地区极端情况影响而显示出不符合现实的表现，因此需要对其进行不同分位点下的具体分析。

（四）面板分位数回归分析

从前面的图2和图3可以看出不同地区碳排放水平存在显著差异且被解释变量存在明显的分位特征，并不适合均值回归，所以利用面板分位数模型进行分析是合理且合适的。另外，利用滞后一期解释变量对静态均值模型进行Hausman-Wu和Davidson-MacKinnon 检验得到，科技支出变量与增值税变量未通过检验，表明相关模型中存在内生性问题，所以使用QRPD法将面板分位数估计引入工具变量方法框架中进行回归（马丽梅和黄崇乐，2022）。出于严谨性考虑，在模型中控制了时间固定效应。本文选择0.1、0.35、0.5、0.65、0.9五个分位点进行分位数回归，分别估计财政支出（tech、envi）、税收收入（t1、t2、t3）对碳排放的影响效应，同时与动态模型估计结果进行比较。估计结果分别见表6、表7、表8。而且为了更全面、直观地看出解释变量各分位点参数的变化趋势，根据模型结果绘制了分位数系数曲线图，具体见图4、图5和图6。

1.财政支出实证分析。表6结果所示，科技支出的估计系数仅在0.90 分位点处为负，其余均为正。但在0.10、0.35 分位点处系数值不显著，其余均通过1%的显著性检验。结合图4 可以看出，科技支出的系数值基本呈现先增后减的变化趋势，当t＜0.7时系数估计值随着分位数t变化的曲线处于0 的上方，并且大约在0.35 分位点之前，科技支出估计系数的90%置信区间包括0。这些变化趋势说明科技支出在碳排放水平不高的地区没有发挥良好的碳减排效应。本文认为该结果与各分位组省市区的经济发展状况有关。首先，对于t＜0.35对应省市区即低分位组和较低分位组，科技支出的政策效应不显著。以青海和海南为例，受限于经济发展水平和独特的发展战略，工业企业的发展条件较差，但技术投资尤其是绿色技术投资存在周期长、回报率低等问题，这就容易导致企业对不断增加的科技投入产生依赖，使得政策效应不明显；而经济发达的低碳地区（如北京和重庆）企业发展能力较强、自主创新意识高，不断增加的科技支出反而可能会一定程度上挤压民间绿色投资空间，降低积极性。另外，经济发达地区企业高管的筹划能力较强，当科技支出中的创新补助到达企业之后可能促使高管产生自娱性在职消费即“积极情绪效应”（彭红星等，2020），这也会导致科技支出的作用不显著。其次，对于0.9分位点左右的省份，科技支出政策具有显著的正向效应，说明对于资源型地区（如山西、河北和山东等），尤其是碳排放与经济发展脱钩较弱的省份，科技支出可以较好地发挥减碳功效。

表6 科技支出、环保支出模型的回归结果

环保支出的估计系数在0.10、0.90分位点处为负，其余均为正。仅0.35 分位点处的系数值不显著，其他系数均通过1%的显著性检验。由图4 可知，环保支出的系数值整体变化较小，基本在-0.2和0.1 之间，呈现先增后减的倒“U”型趋势。这表明环保支出在碳排放水平较低或较高地区的碳减排效果较好，中等水平地区的效果较差。而中等碳排放水平地区对应中低和中高分位组，具体而言，中低分位组（如吉林、福建等），近年来注重产业结构调整，第三产业增加值有明显的提升甚至快速超过第二产业增加值，能源消费量随之减少，政策效果不显著；中高分位组（如黑龙江、安徽等），大多省市区为资源型地区且正处于转型期，不断增加的环保支出会加剧地方的财政困境，加大财政压力，使挤出效应更加明显。

图4 科技支出、环保支出的分位数系数变化图

综合科技支出与环保支出的政策效应可以看出，对于低、较低分位组，环保支出政策的政策效果要优于科技支出，基本发挥正向效应；而对于中低、中高分位组，科技支出与环保支出政策基本发挥负向效应且负向效应显著；对于较高、高分位组，环保支出与科技支出系数曲线的变化趋势一致，基本发挥正向效应。综上所述，就显著程度上，环保支出政策的减碳功效要优于科技支出。

2.激励性税收政策实证分析。由表7 可知，增值税的估计系数全部为正，仅在0.10分位点处不显著，其他系数值均通过1%的显著性检验。增值税的系数值为正表示增值税收入的下降可以带来碳排放的降低，即激励政策产生了正向效应。系数值越大，说明增值税激励政策的减碳效应越明显。结合图5 可得，增值税系数值的整体起伏变化不大，基本在-0.1 和0.3 之间，呈现明显的递增趋势且90%置信区间几乎都在0以上，说明增值税激励政策的碳减排效应随着碳排放水平的提升而逐渐增大，直到0.90分位点之后才开始迅速减小。本文认为t＜0.1对应省市区即低分位组，增值税政策效应为负向效应且不显著的原因可能在于增值税相关激励政策主要为合同能源管理项目的免税政策和风电的即征即退政策，而青海和海南省的高耗能企业较少，适用增值税免税政策的企业数量不多，北京从2008 年就开始逐步淘汰和退出“三高”企业（高耗能、高污染、高耗水），适用此政策企业大幅减少；根据2019年我国各省市区的风力发电量来看，目前风力发电行业主要集中在内蒙、江苏、广东、四川等地，青海、北京等远低于其他省市区，这表示适用增值税即征即退政策的企业同样较少。正是由于增值税激励政策力度不足，但节能设备成本高、技术要求严格，企业在短时间内更倾向于利用税收优惠节省的资金来扩大生产，由此产生了负向效应。对于t＞0.9对应省市区即高分位组，系数值迅速减小且不显著的原因是一方面增值税相关优惠政策对碳减排的激励不足，在高耗能企业竞争激烈的市场下，激励作用还会被稀释；另一方面依靠大量消耗化石能源促使经济快速发展带来的人口集聚效应有可能抵消税收政策的碳减排效应（尹忠海和谢岚，2021）。

图5 增值税、企业所得税的分位数系数变化图

表7 增值税、企业所得税模型的回归结果

企业所得税的估计系数在0.10、0.35、0.50分位点处显著为正，在0.65、0.90 分位点显著为负，但0.65分位点处仅通过了10%的显著性检验，企业所得税系数正负的含义与增值税相同。由图4可知，企业所得税系数值的整体起伏相对较大，基本在-0.5 到0.4 之间，并大体上呈现递减趋势即系数值随着分位数的增大而减小，说明企业所得税激励政策的影响效应具有很大变化且存在拐点。拐点大约在0.60左右，在t＞0.60时，系数估计值整体递减且显著为正，企业所得税激励政策主要发挥正向效应；在t＜0.60 时，系数值先减后增但显著为负，企业所得税激励政策主要发挥负向效应。本文认为t＞0.60 对应省市区大多属于资源型地区，省市区内资源竞争较为激烈，再加上绿色、节能生产的成本高，在激励政策减税效果不明显的情况下，企业基于未来高税高成本的预期，短时间内更倾向于扩大生产，造成碳排放增加，产生负向效应。

综合以上分析可以看出，二者对碳排放均主要产生正向效应。就系数值的大小而言，企业所得税激励政策的碳减排效果较增值税更强；而就作用范围上，增值税激励政策产生正向效应的区域范围要大于企业所得税。另外，增值税的政策效应在低、高分位组不显著；而企业所得税激励政策在较高、高分位组产生显著的负向效应。

3.抑制性税收政策实证分析。由表8 可得，环境税的估计系数在0.10分位点处显著为负，其他系数显著为正，均通过显著性检验。系数值为正表示产生了“绿色悖论”现象，系数值为负表示产生了“倒逼减排”现象。图6结果显示，环境税系数值整体起伏变化较大，基本在-0.1和0.5之间，整体呈现递增趋势，而且曲线和90%置信区间大约在0.20分位点之后均位于0 的上方。说明环境税政策主要产生“绿色悖论”现象，并且随着碳排放量的增大，“绿色悖论”现象越明显。本文认为此结果的原因可能在于：仅使用环境税不断提高化石能源的开采成本，而没有更早将清洁能源投入市场，化石能源无法被封存，此时进行清洁能源补贴就会导致“弱绿色悖论”（Ploeg，2013）即化石能源的开采提前，但其累积开采量却可能减少。具体来说，工业企业相对于较高的节能成本更倾向于承担较低的税收成本，同时在碳税预期与“双碳”目标之下，企业将加快生产、加快能源消费，从而造成了碳排放的快速增长，此现象在碳排放高的省市区更加明显。经过以上分析可知，环境税政策对于碳排放主要产生“绿色悖论”现象且在高碳排放水平的省市区“绿色悖论”现象更明显，仅对低分位组产生“倒逼减排”现象。

图6 环境税的分位数系数变化图

表8 环境税模型的回归结果

（五）整体分析

综合上表，面板分位数模型结果与动态模型结果基本一致。经过具体分析，环境税在基准模型中主要产生“倒逼减排”现象可能是受到某些极端值的影响而并不真实。将两类税收政策整体来看，激励性税收政策具有通过税收优惠等促进碳减排的效果，而抑制性税收政策并未表现出明显的碳减排效应。另外，从表6、表7和表8中我们可以看出人均GDP 对碳排放的影响十分显著，人均GDP 的增加对于碳排放量较高的省市区主要产生正向效应，对碳排放量较低的省市区反而会产生反向效果，这一方面说明我国经济增长并未与碳排放脱钩，尚未脱离以往的粗放型经济发展模式，经济结构有待进一步优化（刘元欣和邓欣蕊，2021）；另一方面说明我国对于资源型地区产业结构调整与能源结构优化的效果显著并且经济增长会在一定程度上促进科技进步，使得在人均GDP 增长的同时也可以降低碳排放。此外，还值得关注的是我国能源结构和产业结构对碳排放的影响也十分显著，从三张表中均可以看出，二者的优化可以降低碳排放，促进“双碳”目标的实现。

五、结论与建议

本文选取2007-2019 年我国30 个省市区的面板数据作为研究样本，基于STIPART模型理论构建动态和面板分位数模型，探究不同财税政策对于整体和区域碳排放的影响，得出如下结论：

第一，就全国整体情况而言，税收政策的正向效应优于财政政策。财政政策中，短期内环保支出政策的减碳效应更好；税收政策中，激励性税收政策的正向效应优于抑制性税收政策。

第二，财政政策和税收政策具有正反双重效应，对不同碳排放水平的省市区发挥不同的政策效果。财政政策中，科技支出政策仅对高碳排放水平地区即较高、高分位组发挥正向效应；环保支出政策则对倒“U”型两侧即低、中低分位组省市区与较高、高分位组省市区发挥正向效应。税收政策中，各政策对碳排放的影响均存在门槛效应。对于激励性税收政策，增值税激励政策对t＞0.1对应省市区基本发挥正向效应；企业所得税激励政策对t＜0.60对应省市区发挥正向效应；而抑制性税收政策即环境税的政策效应较差，仅对t＜0.1即低分位组省市区产生“倒逼减排”现象。

第三，从各分位组的情况来看，低、较低和较高分位组财税政策的碳减排效果发挥较好，所研究5种财税政策中有3种可以显著发挥正向效应；而中低、中高和较高分位组财税政策的效果较差，仅有2 种可以显著减少碳排放，其中中低、中高分位组仅税收激励政策发挥正向效应，较高分位组仅财政支出政策可以发挥减碳效应。总而言之，对于中等和高碳排放水平的地区，财税政策需要进行相应调整；对于低和较高碳排放水平的地区，财税政策的正向效应需要进一步加强。

上述研究结果对于我国财税政策的优化与调整有以下启示：（1）利用财税手段促进碳减排需要全国整体性的政策规划但更重要的是“对症下药”，制定符合地区情况的政策目标，使用恰当的政策工具组合。（2）制定财政支出政策，要基于当前科技支出和环保支出绝对量上升但相对量不足的现状，充分考虑各地财政支出比例不合理的问题，优化地方支出体系。另外，要加强对科技支出和环保支出中企业补贴部分的条件审查与追踪监管，充分发挥外部治理效应，使财政补贴更有成效。（3）发挥好激励性税收政策的正向效应，适时更新与调整具体政策安排。对于环境税的改革，不能盲目提高环境规制力度，要注重政策工具之间的相互配合：加强环境规制的同时提高对清洁能源的财税补贴，并逐步扩大碳交易市场试点范围，加强省内和省际的碳排放交易合作，更好抑制“绿色悖论”现象。（4）加快经济增长与碳排放脱钩，持续优化能源结构与产业结构，充分考虑其他因素对碳排放的间接影响。