中国用能权交易制度的空间节能效应

曾庆华，何凌云

（1. 北京物资学院经济学院，北京 101149； 2. 暨南大学经济学院，广东 广州 510632）

由于较长时期沿袭了以透支环境为代价的粗放式发展模式，使中国成为全球温室气体排放的重要贡献国［1-2］。为应对气候变化，履行大国责任，2020 年9 月，国家主席习近平在第75 届联合国大会上郑重宣布：力争到2030 年碳排放达到峰值，到2060 年实现碳中和［3］。交通运输作为社会发展的战略先导产业之一，同时又是重要的能源消耗和碳排放的来源产业［4-7］，行业碳排放量占碳排放总量的10%左右［8］，成为推动节能减排以及实现碳中和目标的关键产业之一。为了减少交通运输部门的温室气体排放，推进碳中和目标进程，2022 年1 月，国务院关于印发《 “十四五”现代综合交通运输体系发展规划》的通知中明确提出：推动交通运输绿色低碳转型，落实碳达峰、碳中和目标要求。

中国长期以来依靠命令控制型环境规制来治理环境，然而严格的命令控制型政策在有效控制环境外部性排放的同时，在短期内会损害部分经济主体的利益，从而造成一定的经济损失。为有效提高经济自由度和减少行政干预，以市场为基础的环境政策被逐步制定和实施［9］。市场型环境规制通过市场的手段解决环境负外部性问题，不但可以在最小的成本下达到环境治理目标，还具有技术创新的持续激励，带动经济增长和节能减排的双赢发展［10］。为了控制能源强度和能源消费总量的增加，2016 年国家发展改革委制定了《用能权有偿使用和交易制度试点方案》［11］，并在浙江、福建、河南和四川开展能源配额交易制度（Energy Quota Trading System，EQR）试点工作。尽管中国市场型环境规制相关的研究已经很丰富，但EQT 政策作为一项创新性市场型环境规制尚处于发展初期，其实际节能减排效果尚不清晰［12］，对于交通运输部门更是如此。基于上述现实背景的思考，该研究将试图回答以下几个问题：①EQT 政策是否对交通能源消耗起到“双控”作用？②EQT 政策的节能效果是否存在地区差异？如果存在，主要是哪些因素导致的？③EQT 政策试点地区是否向邻近地区产生政策溢出效应？这些问题的回答为EQT 政策的科学评估提供量化依据，也为全国性EQT政策的设计提供经验与启示。

1 文献综述

环境经济学通常将能源消耗视为温室气体排放和环境污染的决定性因素，并在不同领域验证这一结论。邵帅等［13］和付华等［14］分别指出能源强度和碳排放强度是引致制造业碳排放的关键因素，提高制造业能源效率、降低碳排放强度是未来碳减排的关键所在。金书秦等［15］发现随着农业机械化水平的提高，能源消耗成为农业碳排放的主要影响因素。在交通领域，张国兴等［16］、Wei 等［17］和张诗青等［18］研究发现交通运输强度和能源强度的降低对碳排放增长起到关键的抑制作用。王凤婷等［19］发现碳排放强度和能源强度的降低对碳排放存在抑制作用。因此，控制交通运输部门能源强度和能源消耗对碳减排具有积极的促进作用。

从经济学的角度来看，能源配额交易制度与碳排放权交易制度等市场型环境规制相似，通过产权界定来解决环境负外部性问题［20］。目前，国外并没有提出用能权交易政策，但早在2005 年，法国、意大利和英国实施的可交易的白色证书计划（TWC），与中国的用能权交易政策极其相似，旨在实现降低能源消耗。Petrella 等［21］研究发现TWC 在不完善的市场环境下存在较大的波动性，但依然改善了环境。Mundaca［22］采用“自上而下”的模型验证了TWC 政策不仅能降低能源消耗，而且也具有较大的减排潜力。2012 年，印度推出了基于市场的履约和交易计划（PAT），旨在提高能源密集型行业的能效。Sahoo 等［23］通过数据包络分析模型验证了PAT 政策具有节能减排效应。2016年，作为一项重要的制度创新，中国推出了能源配额交易制度，相关的实证研究较少，但EQT 政策的节能效应已经被部分证实。Zhang等［12］采用PSM-DID模型，验证了EQT 政策对能源消耗和能源强度的“双控”作用。Qi等［2］结合ARIMA 模型和STIRPAT 模型，研究得出EQT 政策可以提高试点地区的节能减排潜力，以及对能源强度的控制效果要显著优于总量控制效果的相关结论。罗晓梅等［24］基于DEA 模型验证了EQT 的波特效应，且相比“命令-控制”政策，实施EQT政策能够产生更大的波特效应。薛飞等［25］运用双重差分方法验证了EQT政策对能源效率的提升作用，且发现绿色技术创新是提升能源效率的主要渠道。因此，探讨能源配额交易制度是否对交通运输业同样具有节能效应，能为全国性EQT 政策的推进提供经验和证据。

通过对现有文献的梳理和回顾，可以发现，国内外已经证实用能权交易政策的实施（TWC、PAT、EQT）不仅能提高能源效率，而且对能源存在“双控”作用。由于中国用能权交易政策出台时间较短，相关文献主要集中在中国工业或电力部门，并没有研究评估EQT 政策的实施是否对交通运输部门产生同样的效果。此外，中国EQT 政策节能减排效果的评估多关注政策试点地区，对于邻近地区政策溢出效应的研究仍为空白。为了推动全国性EQT 政策的发展，评估该政策的实施对交通运输部门能源的“双控”作用，以及对邻近地区的政策溢出效应非常有必要且具有现实意义。因此，该研究基于2005—2019年中国省际面板数据，分别采用合成控制法和空间计量模型，从时间和空间的角度评估EQT 政策对交通运输部门的节能效果。该研究的边际贡献在于：①在研究对象上，评估中国EQT 政策的实施对交通运输部门能源的“双控”作用以及政策溢出效应。②在实证分析处理上，不同于以往的平均化处理政策效果的评估方式，采用合成控制法评估EQT 政策的节能效果，以反映EQT 政策在不同地区节能效果的差异性。③在研究内容上，不仅从能源消耗强度和能源消耗总量的角度，而且还从相对和绝对的角度讨论EQT 政策对能源的“双控”作用。研究结论为EQT政策的改进和全国性EQT政策的推广提供了参考。

2 模型框架

2.1 合成控制法

科学评估EQT 政策的节能效果，关键是寻找一种适合的政策评估方法。在政策效果评估中，双重差分法（Differences-in-Differences，DID）深受国内外学者的欢迎。然而，这一方法要求实验组和控制组在政策实施之前是可比的，但由于地区异质性的存在，这一要求很难得到满足，容易导致政策评估出现偏差。双重差分倾向得分匹配法（Propensity Score Matching Differences-in-Differences，PSM-DID）将面板数据作为个体形成的混合数据，不能分析个体的具体情况，个体与年份的交错会导致结果的偏差［25］。为了克服DID 和PSM-DID 方法的缺陷，Abadie等［26］提出一种基于现有数据对控制组进行加权，构造试点地区的合成对象，通过比较试点地区真实值和合成值的差异来评估政策效果的一种方法，即合成控制法（SCM）。该方法减少了主观判断带来的误差，避免了政策内生性问题［27］。

给定N+1 个地区（k∈[1，N+ 1]）在t时期(t∈[1，T])的相关数据，假设只有第1 个地区在时点t=T0开始实施EQT 政策，其他N个地区为对照组地区，可以观测这些地区T 期潜在结果的变化情况。用Y1kt表示k地区在t时期实施EQT 的潜在结果，Y0kt表示地区k在t时期没有实施EQT的潜在结果，当t>T0时，设定模型Ykt=DktY1kt+(1 -Dkt)Y0kt=Y0kt+τktDkt，Dkt表示地区k在t时期是否实施EQT 的虚拟变量，若受到EQT 的政策干预，Dkt为1，否则为0，政策效果为τkt=Y1kt-Y0kt，t>T0。由于第1 个地区实施了EQT，因而在t>T0期，可以观测到潜在结果Y11t，但无法观测Y01t。为了估计地区1 的合成值，采用Abadie等［28］提出的基于参数回归的因子模型来估计Y0kt：

其中：Y0kt为潜在结果变量，αt是时间固定效应，Xk为控制变量，μk是地区固定效应，βt、λt为待估参数，εkt是误差项。

为了估计Y01t，通过对照组地区加权模拟实验组的特征。为此，需要求出权重向量W=(w2，…，wN+1)，且满足wk≥0，w2+ …+wN+1= 1，wk表示第k个地区的合成权重。控制组地区的合成值可以表示为：

可以证明，在一般条件下式（4）趋于0，当t∈[T0，T]，地区1的反事实结果可以用作为Y01t的无偏估计来近似表示Y01t，即因此，EQT 实施效果的估计值可以表示为：

借鉴Abadie 等［28］的方法近似求解权重，通过最小化X1和X0W之间的距离|X1-X0W|来确定权重向量，其中其中，V为（m×m）的半正定对称矩阵，找到合适的V使得预测均方误差RMSPE最小，X1是EQT 政策实施前试点地区的特征向量，X0的第k列为地区k实施EQT 政策之前的相应特征向量。

2.2 样本选择与数据说明

该研究基于2005—2019 年中国省际面板数据，评估EQT 政策的节能效应。之所以选择这个时间段作为样本区间，是因为中国政府在“十一五”期间首次提出碳减排目标，将节能减排作为经济又好又快发展的首要任务。数据主要源自各省市统计年鉴、《中国碳排放核算数据库》《中国交通统计年鉴》等公开数据库，各种货币指标按2005 年不变价格进行平减。由于数据可得性等原因，研究未涉及西藏及香港、澳门、台湾地区。

（1）交通能源消耗总量。采用交通部门对11 种能源的消耗总量测度，包括：原煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气、热和电。为了保证能源消费数据统计口径的一致性与准确性，利用各省份能源平衡表报告中分类能源消费的实物量数据，通过各种能源的标准煤折算系数计算出能源终端消费的标准量，加总即为交通能源终端消费总量。

（2）交通运输业能源强度。该研究采用单位交通运输业增加值所消耗的能源量来度量［29-30］。

为了考虑合成控制对象的拟合效果以及结果的稳健性，参考刘甲炎等［31］的做法，尽可能地加入一些影响交通能源消耗的重要因素作为控制变量，包括：①人均生产总值及其平方项（pgdpkt）。环境库兹涅茨曲线揭示了环境外部性和经济发展水平呈倒“U”型曲线关系［32-33］。②交通运输能源效率及其平方项（teekt），采用交通运输业能源消费量与交通运输业增加值的比值进行测度。能源回弹效应解释了经济产出水平与能源效率的“U 型”曲线关系［34-35］。③交通运输产业结构（TSkt），采用交通运输业增加值占国内生产总值的比重进行测度。④人口密度（popkt），采用每平方千米的人口数量进行测度。⑤技术创新（patentkt），采用地区国内专利申请授权数量进行测度。⑥交通运输结构（tssctkt），采用货物运输周转量与综合运输总周转量的比值进行测度。

3 EQT政策的节能效应分析

EQT 试点省份与其合成值的交通能源强度和能源消耗总量的动态演进趋势分别如图1 和图2 所示。垂直虚线表示EQT 试点政策实施时间，实线曲线表示试点省份的真实路径，虚线曲线是基于控制组权重所合成试点地区的虚拟路径，二者之间的差值反映了试点省份的政策净效应。

图1 EQT试点省份和合成省份的交通能源强度

图2 EQT试点省份与合成省份的交通能源消耗总量

图1 为EQT 政策对交通能源强度（TEI）的控制效果，由图可以看出：① EQT 政策实施后，浙江、福建和河南的TEI呈现显著的下降趋势。② 福建和合成福建的TEI差距大幅度增加，2018年之后下降幅度趋缓，这可能是因为福建作为用能权交易试点的同时也是碳排放权交易试点（ETS），政策效果叠加导致单一政策识别效果不准确。③ 四川的TEI反而高于其合成值，说明EQT 政策对四川的TEI控制无效。究其原因，可能是因为在西部大开发以来，四川在西部12个地区的经济发展中位居龙头地位，因其区位因素的特殊性，以及经济发展水平、交通运输业发展水平、技术创新水平等均位居全国前列，其他省份难以对四川进行有效拟合。④ 需要指出的是，合成效果较好的浙江省，EQT 政策实施之后，实际TEI分别比合成值低0.032、0.044、0.074、0.147 Mtce/109元，能源强度平均每年低于合成值0.074。2019 年浙江合成的交通能源强度为0.677，与真实值相差0.147，下降幅度高达21.73%。

图2 为EQT 政策对交通能源消耗总量（TEC）的控制效果。由图可知：① EQT 政策的实施对于浙江的节能效果反应迅速且显著。政策实施之后，实际TEC分别比合成值低134.264、115.556、144.921、290.122 万t 标准煤（Mtce），平均每年低于浙江合成值171.22，且2019 年浙江合成的TEC为1 724.389 Mtce，与真实值相差290.122，下降幅度高达20.23%。② 河南的TEC呈现先下降再上升的发展趋势，可能是因为河南省工业体系发展较为成熟，减排成本相对较高，导致单一政策难以长期减排有效。③ EQT 政策实施之后，四川和福建的TEC 反而高于其合成值，说明EQT 政策对四川和福建的交通能源消耗总量控制无效。

从整体结果来看。EQT 政策对浙江的能源具有显著的“双控”作用，并且这一结果是在合成效果非常理想的条件下得到的，有较强的说服力。究其原因，浙江省一直是中国生态文明建设的排头兵，多年来在节能减排方面有着丰富的经验和创新做法。“十三五”以来，浙江省以用能权交易示范省建设为统领，深化能源资源市场化配置改革，统筹推进“亩均论英雄”、产业“腾笼换鸟”等。在推进用能权交易试点建设中，建成全省统一的用能权交易平台，用能权交易完成项目数、交易规模领跑全国。严格落实用能权交易制度，科学合理分配能源“双控”目标，建立能源“双控”目标考核奖惩机制，促进能源资源向高效利用地区倾斜。因此，EQT 政策在节能管理制度较强、产业结构清洁化较高、用能源交易规模更大的试点地区呈现出的节能效果将越显著，EQT 试点政策扮演了“锦上添花”的角色。

由于试点地区的经济发展水平及区位条件的不同，在分析EQT 政策对试点地区的节能效应时，无法同时对所有试点地区的合成值有效拟合。尽管如此也并不影响进行下一步分析，因为：①该研究同时选取试点省份的交通能源强度和能源消耗总量作为结果变量的代理变量，可以更全面地分析EQT 政策对试点地区的节能效应。②由于存在特殊国家和地区的情形导致政策实施地区无法找到合适的合成控制对象，但只要能够证明该政策对某一些国家或地区产生显著的影响，那么就能在一定程度上说明该政策是有效的［36-37］。

4 稳健性检验

借鉴刘友金等［36］和苏治等［37］的做法，在政策实施前，如果试点地区与合成控制组的合成效果较好，则对试点地区进行稳健性检验，否则不再进行。

4.1 排序检验

为了证实结果的有效性，验证结果变量与合成值的差异确实是由EQT 政策实施带来的，而非其他一些遗漏的外部因素。采用Abadie 等［28］提出的排序检验法，用来判断是否还有其他城市出现和浙江同样的情况，概率有多大。这一检验的意图是假设所有控制组地区在2016年开始实施EQT 政策，使用合成控制法估计EQT 政策的实施效果，与浙江实际产生的政策效果进行比较，如果政策效果差距足够大，那么就有理由相信EQT 政策的节能效果是稳健的。

以交通能源强度作为预测变量为例，这里排除了2016 年之前RMSPE 值超过浙江RMSPE 值2 倍的省份［28，38-39］（均方预测误差的平方根（RMSPE）衡量了试点地区与其合成控制对象间的拟合程度）。图3展示了交通能源强度差值分布，能源强度差值反映EQT 政策实施的净节能效应。实线曲线表示浙江EQT 政策实施的净节能效应，虚线曲线表示控制组地区的政策净效应。可以看出，2016年之前，浙江与其他地区的交通能源强度差值的差距并不大，但在2016年之后，与其他省份的差距开始拉大，位于绝大多数省市外部，表明浙江EQT 政策实施的净节能效应超过大多数省份，只有1/21，即4.762%的概率出现浙江EQT 政策实施的净节能效应最大。因此，浙江EQT 政策对交通能源强度的节能效果在5%的水平上是显著的（该研究样本省份总共30个，对浙江能源强度进行分析时，剔除天津、内蒙古、山东、贵州、陕西、宁夏和干预组河南、福建和四川9 个RMSPE 值超过浙江2 倍的省份，还剩21个省，所以浙江出现上述情况的概率为1/21）。类似的同样可以证明浙江的交通能源消耗总量的降低在10%的水平上是显著的（图4）（对浙江的能源消耗总量进行分析时，剔除天津、河北、内蒙古、辽宁、黑龙江、山东、云南、陕西和干预组河南、福建和四川11 个省，还剩19 个省，所以浙江出现上述情况的概率为1/19，即5.26%）。这一结果验证了浙江EQT 政策对能源的“双控”作用是稳健的。

图3 浙江省交通能源强度的排序检验

图4 浙江省交通能源消耗总量的排序检验

4.2 安慰剂检验

借鉴Abadie 等［28］的安慰剂检验方法对EQT 政策节能效果的稳健性进行分析，类似于虚假实验的方法，基本思想如下：选择一个在样本期间没有实施EQT 政策的地区进行与浙江同样的分析，如果该城市结果变量与浙江具有相同的变化趋势，则说明该研究的结果并不稳健，否则稳健。在分析EQT 政策对TEI的影响时，同时考虑合成浙江TEI 中权重最大的省份江苏和权重为零的省份青海；在分析EQT 政策对TEC的影响时，选择合成浙江TEC中权重最大的省份江苏和权重为零的省份山东。选择权重最大的省份，是因为该省份与浙江的地区特征和经济发展水平最为相似，选择权重为零的省份，因为该省份与浙江的地区特征和经济发展水平相差较远，将两个极端省份作为处理组来检验该研究结果的稳健性。

图5 和图6 分别示意了EQT 政策对江苏和青海交通能源强度的节能效果。可以看出，政策实施后，两省的能源强度并未出现与浙江相同的走势。图7 和图8 分别示意了EQT 政策对江苏和山东能源消耗总量的节能效果。可以看出，政策实施后，两省的能源消耗总量并未出现与浙江相同的走势，且江苏的能源消耗总量反而高于其合成值，说明EQT 政策对江苏的能源消耗总量是控制无效的。因此，这一检验再次证明EQT 政策的实施是2016 年后浙江交通能源强度和能源消耗总量下降的重要原因。

图5 江苏与合成江苏

图6 青海与合成青海

图7 江苏与合成江苏

图8 山东与合成山东

4.3 其他外生冲击的干扰性检验——“绿色交通试点政策”

“十二五”期间，为防治交通运输部门的大气污染和温室气体排放，交通运输部确定了26 个低碳交通试点城市，并于2016 年6 月验收，授予重庆、杭州、厦门、北京、武汉和无锡6 个城市“绿色交通城市”荣誉称号［40］。“绿色交通城市”试点政策相对于EQT 政策来说是一个较大的外生冲击，由于二者都是在2016年发生的重要事件，理论上“绿色交通城市”对EQT 政策的实施效果会造成干扰。为了确认浙江交通能源的“双控”效果是由EQT 政策带来的，而不是“绿色交通城市”政策所造成的，该研究检验“绿色交通城市”政策的节能效应。如果该政策不具有节能效应，则可以排除“绿色交通城市”政策这一外生冲击的干扰，说明该研究的分析结果是稳健的。

从图9的（b）、（c）、（d）可以看出，湖北、北京和重庆的实际交通能源强度始终沿着合成值的走势变化，说明“绿色交通城市”没有对能源强度产生显著影响。（a）和（e）可以看出，江苏和福建授予“绿色交通城市”之前，其能源强度的真实值与合成值之间的差距较大，说明江苏和福建不能找到很好的合成控制组对试点地区进行拟合。（f）可以看出，浙江被授予“绿色交通城市”之后，浙江的交通能源强度与合成省份存在较大的差距，说明“绿色交通城市”政策对浙江EQT 政策效应的干扰非常小。以上结果表明，“绿色交通城市”政策对交通能源强度的影响较小，表明EQT 政策是2016 年后浙江省交通能源强度下降的主要原因。

图9 试点省份与合成省份的交通能源强度

从图10 的（a）、（b）、（d）和（e）可以看出，江苏、湖北、重庆和福建被授予“绿色交通城市”之后，交通能源消耗总量反而高于合成值，说明“绿色交通城市”政策对能源消耗总量的控制是无效的。（c）可以看出，北京的能源消耗总量始终沿着合成值的走势变化，说明“绿色交通城市”政策没有对其产生显著的影响。与浙江的交通能源强度有类似的结果，从（f）可以看出，浙江的交通能源消耗总量与合成值存在较大的差距，说明“绿色交通城市”政策对浙江EQT 政策效应的干扰同样也非常小。以上结果表明，“绿色交通城市”试点政策对交通能源消耗总量的影响较小，这一检验证明EQT 政策是2016 年后浙江省交通能源消耗总量下降的主要原因。综上所述，估计结果稳健。

图10 试点省份与合成省份的交通能源消耗总量

5 EQT政策的空间节能效应

5.1 空间相关性分析

在探讨EQT 政策的空间节能效应之前，需要探讨结果变量的空间依赖性。目前，Moran’sI指数是检验空间自相关最广泛的方法之一，该指数在［-1，1］范围内取值，当0 < Moran’sI≤1 时，表明结果变量存在空间正相关；当-1 ≤Moran’sI< 0 时，表明存在空间负相关；当Moran’sI= 0 时，表明不存在空间相关性。结果显示（表1 和表2），2005—2019 年中国交通能源消耗总量Moran’sI指数均显著为正，表明能源消耗总量存在较强的空间正相关性。而能源强度的Moran’sI指数为正但不显著，这可能是因为能源强度是由能源消耗总量与地区运输业增加值比值测算而来，导致能源强度的空间相关性不显著。

表1 交通运输业碳排放总量的Moran’s I指数

表2 交通运输业碳排放强度的Moran’s I指数

5.2 空间计量模型的设定

已有研究表明，环境规制与环境负外部性存在较强的空间关联特征，忽视EQT 政策的溢出效应可能导致政策评估结果产生偏误［41-42］。为检验EQT 政策的实施是否强化了区域间的节能效应，该研究采用空间计量模型开展实证研究。又因为空间依赖性既可能来源于结果变量，同时还可能来源于因变量及其误差项，而空间杜宾模型（SDM）则可以对不同来源的空间自相关性进行很好的解读［30］，因此，该研究构建更具一般性的SDM 模型，并将EQT政策的虚拟变量纳入模型，模型如下：

其中：Ykt为交通能源消耗总量（TECkt）；DIDkt为核心解释变量，DIDkt=treatkt×postkt，treatkt和postkt分别为EQT政策的分组虚拟变量与时间虚拟变量。分组虚拟变量为EQT 试点地区时，treatkt= 1，否则为0；当t≥2016 时，postkt= 1，否则为0。ρ为因变量空间滞后待估系数；β1为EQT 政策的节能主效应，β2为EQT 政策的溢出效应；σ为控制变量的空间回归系数；ωkj为权重矩阵Wi中的元素。该研究选取Queen空间权重矩阵、地理距离权重矩阵和经济距离权重矩阵。其中，空间邻接权重矩阵W1的对角元素为0，且满足两地区相邻则为1，否则为0；地理距离权重矩阵W2采用距离平方的倒数构建；W3经济距离权重矩阵采用2005—2020 年城市间人均GDP 均值的差值的倒数构建。考虑到交通碳排放影响因素众多，该研究控制了其他随时间变化并对其有影响的变量集Xkt。ηt和γk分别表示时间和省份的固定效应，εkt为随机误差项。

5.3 EQT政策的空间节能效应分析

该研究通过拉格朗日乘子检验（LM）和Robust LM 检验，来确定空间效应模型否比无空间效应模型更适合，结果得出选用空间效应模型更为合适。此外，从LogL、R2、σ2统计量来看，空间计量模型的拟合优度比较理想，说明空间计量模型能比较准确地反映EQT 政策实施的真实效果。为进一步选择空间计量模型，分别进行Wald 和LR检验，发现均在1%的显著性水平上为正，表明SDM 模型具有更优的拟合效果。为了方便分析，该研究同时汇报了非空间效应的全面FGLS 模型、空间滞后模型（SAR）和SDM 模型的回归结果。此外，表3 中的Hausman 检验显示，空间杜宾模型的Hausman 检验均显著地不接受模型为随机效应模型，表明选择空间固定效应模型更适合［30］。

表3 EQT政策的空间和非空间节能效应的回归结果

表3 为EQT 政策的空间节能效应回归结果。其中模型（1）采用全面FGLS 方法［43-45］对EQT 政策的节能效应进行非空间效应分析。模型（2）—模型（4）为3 种权重矩阵下SAR 模型的回归结果，模型（5）—模型（7）为SDM 模型的回归结果。相较于模型（1），模型（2—模型（7）的EQT政策估计系数均在1%的显著性水平上为负，且系数绝对值显著增加，表明考虑空间效应后，EQT 政策的节能效应依旧显著，三种空间权重矩阵也在一定程度上证实了分析结果是稳健的。其次，SDM 模型中EQT 政策的空间滞后系数在1%的显著性水平上为正，表明EQT政策的节能作用会显著提高相邻地区的能源消耗量。

从控制变量来看，人均GDP 呈现倒“U”型曲线关系。根据EKC 假说，经济发展初期，能源消耗随经济发展水平的提高不断增加；当经济发展水平超过一定阈值时，能源消耗量将随着人均GDP的增加而降低。交通能源效率及其二次项在全面FGLS模型中呈现“U”型曲线关系。根据“能源回弹效应”理论，由于能源消耗存在滞后性，节能减排初期提高能效，将有效降低能源消耗的增加，促使行业规模增加，能源需求扩张的“回弹效应”，将推动能源消耗总量增加。但在空间效应模型中，仅一次项显著且为负，说明在空间效应模型中，能源效率有效降低能源消耗总量的增加。人口密度在1%的显著性水平上为正，这是因为随着人口密度的增加，城市内和省份间的交通运输效率得到提高，降低了交通运输业能源消耗。

表4 显示了EQT 政策空间节能效应的分解结果。基于三种空间权重矩阵，EQT 政策的直接效应均在1%的显著性水平上为负，说明EQT 政策对试点地区存在显著的节能效应。EQT 政策的间接效应显著为正，表明EQT 政策的节能效应具有空间溢出，意味着EQT 政策的节能效应很大程度上是通过增加邻近地区的能源消耗而实现的。表4的模型（6）可知，在经济距离权重下，EQT政策的空间溢出效应更强。由于环境不平等的存在，越贫穷的地区其环境规制力度越弱，也越会吸引更污染的交通运输工具；经济发达地区环境规制力度较强，存在发达地区污染型交通运输向贫困地区转移，进而加剧了贫困地区的污染和碳排放的增加，因此缓解环境不平等问题对于节能减排具有重要的现实意义。

表4 EQT政策的实施、TEC与空间溢出效应分解的回归结果

6 结论与政策建议

能源配额交易制度是一项重要的制度创新，对于推动中国绿色经济高质量发展和加快实现碳中和目标进程有着重要的现实意义。该研究基于2005—2019年的省级面板数据，采用合成控制法和空间计量模型，从时间和空间的角度评估了EQT 政策对交通运输部门的能源消耗的“双控”效果。

（1）EQT 政策的实施有效且存在“本地-邻地”跨界溢出效应，节能潜力随着用能权交易完成项目数、交易规模的增加而增加。

（2）浙江的EQT 政策对交通能源消耗存在显著的“双控”作用，使得试点地区的能源强度和能源消耗总量相较于合成值分别下降了0.074～0.147 M tce/109元和171.22～290.122 M tce，下降幅度分别达到21.73%和20.23%，并通过一系列稳健性检验，佐证了研究结果的稳健性。

（3）为了探究EQT 政策的实施是否产生政策外溢效应，将EQT 政策虚拟变量引入空间杜宾模型，直接效应表明实施该政策减少了试点地区的能源消耗，改善了环境质量；间接效应表明EQT 政策产生的节能效应具有显著的空间溢出，意味着EQT 政策空间节能效应很大程度上是通过增加邻近地区的交通能源消耗而实现的。

综上所述，EQT 政策是促进节能减排，加快经济绿色高质量发展，助推碳中和目标进程的有效政策工具。

基于上述分析，得到政策启示：① 基于EQT 政策节能减排的现实成效，充分发挥政府在用能权交易过程中的调节和辅助作用，贯彻落实以市场型环境规制为主、政府控制型环境规制为辅、市场决定和政府控制相结合的减排策略。② 由于EQT 试点省份数量尚少，EQT 政策的节能效益不能完全发挥。此外，由于区域异质性的存在，不同地区实施EQT 政策的节能减排效果也会有所不同。因此，应结合地区经济发展水平、能源消耗现状，在不损害经济发展的基础上，充分发挥政策激励作用，以已有试点地区为参考，推动试点地区向发展现状相似的地区扩散，加快建立和完善包括多行业的全国性能源交易市场。③ 强化EQT 试点政策的节能效果，积极推动经济绿色转型和产业结构调整，提高能源利用效率，摆脱对传统能源的依赖，实现新能源燃料对化石能源的良好演替，加大新能源汽车在交通运输工具中的占比。④ 基于EQT 政策对交通部门能源“双控”的现实作用，为其他市场型环境规制的设置提供参考依据。如目前未涵盖交通部门的ETS 政策，根据交通运输部门的发展现状将其依次纳入ETS 试点地区，循序推进全国性ETS 交易市场的建立，充分发挥环境规制在节能减排进程中的关键作用，以助力实现更宏伟的碳中和目标。