企业偏向性技术进步的碳减排效应：来自碳排放权交易政策的冲击

摘要 从生产效率视角识别企业碳减排效应的来源既是纾缓企业低碳减排与生产经营矛盾的必要前提，也是推动企业绿色低碳转型的关键环节。该研究首先借鉴大气定量遥感反演的方法，估算了2007—2021年上市企业的碳排放量与偏向性技术进步，采用双向固定效应的双重差分模型，分析了碳排放权交易政策及其制度要素（包括碳价格、碳市场活跃度、碳市场规模）的碳减排效应，并进一步探讨了碳排放权交易政策、企业偏向性技术进步与碳减排效应之间的内在机制。结果表明：①碳排放权交易政策及其制度要素能够显著促进上市企业碳减排，同时碳排放权交易政策显著提升了企业产出偏向性技术进步，抑制了中性技术进步，但对企业投入偏向性技术进步的影响不显著，表明上市企业的碳减排效应主要源自企业降低生产前沿面而不是技术进步，该结果通过了稳健性检验。②企业类型差异会引起碳排放权交易政策对企业碳减排效应与偏向性技术进步的异质性影响，劳动密集型企业或高耗能企业相较于资本密集型企业或低耗能企业展现出更显著的碳减排效果和偏向性技术进步；企业技术偏向类型的差异也会引起碳排放权交易政策的碳减排效果存在异质性，产出减少型企业比产出增加型企业碳减排效果更显著，能源要素或劳动要素偏向型企业比资本要素偏向型企业碳减排效果更显著，且降低能源投入、增加劳动投入均能够促进企业碳减排。③当上市企业面对碳排放权交易政策制度要素冲击时，技术进步企业的碳减排效果显著优于技术退步企业；同时，较低水平的碳价格和碳市场活跃度，以及较高水平的碳市场规模能够显著调节碳交易政策通过企业偏向性技术进步产生的碳减排效应。

关键词 企业偏向性技术进步；环境规制制度要素；碳排放权交易政策；企业碳减排

中图分类号 F062. 4；X22 文献标志码 A 文章编号 1002-2104（2024）11-0036-16 DOI：10. 12062/cpre. 20240737

习近平在第七十五届联合国大会、党的十九届五中全会和联合国《生物多样性公约》第十五次缔约方大会中多次提及中国碳达峰碳中和的碳减排目标。为此，国务院和国家发展改革委先后出台了《中共中央 国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》《2030年前碳达峰行动方案》和《关于完善能源绿色低碳转型体制机制和政策措施的意见》，不仅明确了“十四五”时期与2030年能源绿色低碳转型的阶段性目标，更提出引导工业企业开展清洁能源替代，降低单位产品碳排放，鼓励具备条件的企业率先形成低碳、零碳能源消费模式。目前国内落实了以碳排放权交易政策（以下简称碳交易政策）为代表的一系列降碳政策，以期实现“双碳”目标。碳交易政策是以价格激励作用为核心，通过遵循成本效应和创新补偿效应，内化外部成本，实现企业低碳减排的目标，这既能够产生低碳减排的环境效应，又能够产生推动区域绿色发展、提升能源效率的经济效应，还能够产生激励企业增加创新投入、实现产品“量质提升”的创新效应［1-2］。然而，面对现阶段多重环境规制约束以及经济高质量发展的压力，碳交易政策是否真的能够激励企业通过技术创新，产生波特效应，实现低碳减排的目标？为了实现能耗双控的约束，地方政府在执行过程中存在偏差，导致“一刀切”停产限产或“运动式”减碳的现象［3］，这虽然能够在短期实现低碳目标，但忽视了企业降碳的成本收益问题，也不利于企业建立节能降碳的长效机制，从长期看更容易导致企业碳排放的回弹效应。此外，碳交易政策通过哪些制度要素约束企业排放行为？影响企业生产成本与技术创新？企业面对不同碳交易的制度要素冲击，如何调整生产要素投入，实现以较少成本获得更多期望产出的目的？从微观层面了解企业应对环境规制约束的行为，不仅有利于解释碳交易政策的减排机制，为建立健全全国统一碳市场提供微观理据，还为企业构建长效减排机制、实现低碳转型目标提供经验证据与政策启示。

1 文献综述与理论假设

碳交易政策的减排效果已得到理论与实践的检验。理论上，碳交易政策可以通过绿色专利［4］、生产效率［5］、研发投入［6-7］等方面激发企业创新活力，提高生产力，从而抵消环境规制产生的成本［8］。现实中，欧盟［9-10］、美国［11］、智利［12］等也验证了碳交易政策能够显著降低二氧化碳排放。

现有文献基于波特假说，认为以碳交易政策为代表的环境规制措施能够通过创新补偿效应与遵循成本效应，既减少企业非期望产出，又增加其期望产出。事实上，一方面相关研究忽略了不同政策要素对政策效果、企业行为产生的差异性［13-14］；另一方面，也忽略了环境规制冲击会引起要素禀赋差异，进而产生技术进步的偏向性问题［15］。当企业受到碳交易政策约束时，不仅需要维持利益最大化的目标，还要兼顾最小碳排放的约束，理性的企业面临3种决策方案：第一，降低产出。企业通过减少产出降低能耗，实现短期碳减排目标，但这会损害企业生存空间。第二，技术进步。提高企业绿色创新技术，降低长期减排成本，增加相对碳配额量，从根源上缓解企业生产和减排之间的矛盾，但该方案会耗费高额的研发成本，且存在不确定性。第三，配额交易。企业在技术和产量不变的前提下，在碳市场上购买碳配额，与技术研发相比，该方案虽然能够降低长期减排成本，但碳价格将企业外部成本内化，依旧约束了企业生产行为。总体而言，上述方案均是通过改变企业投入产出效率进而影响生产行为与碳减排效果，而要素投入的差异会导致企业生产效率存在差异，从而影响碳减排效果，即环境规制会导致企业技术进步对资本、劳动、能源的边际产出、对期望产出与非期望产出的边际成本产生差异化影响，从而引起有偏向的技术进步［16］。此外，部分学者发现企业面对多重环境规制约束更愿意选择减产路径以实现短期低碳目标，同时碳交易政策中的市场机制措施并未产生预期的效果。沈洪涛等［17］、Zhang等［18］发现碳市场的减排效果是由企业牺牲经济目标为代价实现的，而非长期减排技术产生的效果；吴茵茵等［13］发现碳交易政策生效的主要原因在于行政干预的约束。

综上，当企业面对多重环境规制冲击时，原本中性的技术进步会因为增加了环境约束条件而产生偏倚，而这种技术进步的偏向性来源于环境规制政策造成的生产要素边际产出、产出边际成本的差异性，即企业面对外部冲击不得不改变投入产出时，更愿意选择增加边际产出相对较高的生产要素，或者减少边际成本相对较低的产出。据此提出研究假设。

H1：碳交易政策能够显著减少企业碳排放，但这种降低不是来源于企业技术进步，而是来源于生产前沿面降低，即企业以减产为代价实现降碳目标。

在碳交易体系中主要包括以碳价格、碳市场活跃度、碳市场规模为核心的政策工具，以及碳信息披露等辅助性政策工具。碳价格是碳市场中重要的政策工具，但也存在明显的局限性。在长期均衡的条件下，当控排企业的边际减排成本相等时，双方能够达成交易，实现社会减排总成本最小化，此时的边际减排成本即为碳市场价格［19-20］。然而部分研究表明，虽然碳价格是实现低碳发展的市场手段，但其减排效果并不显著。一方面，现实中碳价格不仅很难与企业边际减排成本匹配，还会受到能源价格、宏观经济、汇率，甚至气候变化等外部冲击的影响［21-22］；另一方面，碳价格的减排作用主要体现在减少碳增量，对“渐进式”的低碳发展难以产生较好的作用，并且目前没有相关研究证据表明碳价格对净零排放有显著的作用［23-25］。碳市场活跃度是反映市场需求多样性和交易主体参与度的重要指标。一般而言，若碳市场运行状况良好，则市场活跃度较高［26］。理论上，活跃的碳交易市场能够降低企业长期减排成本，推动交易主体实现绿色技术创新、低碳减排的目标。碳市场规模直接反映了控排企业对碳配额的需求，是碳市场容量的体现［27］。除了碳价格、碳市场活跃度、碳市场规模之外，中国碳交易政策还包括企业碳信息披露与监管处罚两种类型的工具。其中，企业碳信息披露包括碳核查、碳盘查、碳管理等过程；监管处罚主要包括对重点排放单位、第三方核查机构、碳交易所、政府行政人员的监督管理，对违反相关规定的人员与单位进行经济（罚款与碳配额）、行政、法律层面的处罚。从成交额的波动情况看，国内控排企业为了躲避相关处罚，在碳市场中存在明显的“到期日效应”［13］。据此，进一步提出研究假设。

H2：在上市企业技术水平不变时，不同程度的碳交易制度要素（碳价格、碳市场活跃度、碳市场规模）对上市企业的碳减排效应存在不同的影响。

H3：在不同碳交易制度要素（碳价格、碳市场活跃度、碳市场规模）的冲击下，不同偏向性技术进步的上市企业其碳减排效果存在差异。

综上所述，现有关于碳交易政策的文献存在以下不足之处：第一，鲜有文献从微观层面直接分析碳交易制度要素对企业碳减排效果的影响。受制于微观数据，关于碳交易政策的研究对象仍以区域、产业为主，部分研究在数据上采用城市、县域碳排放作为企业碳排放的替代变量，不仅无法准确估计企业的减排效果，也很难剥离出现实中多重政策冲击的混杂性因素，即使部分学者采用工企数据库计算，但数据过于陈旧，难以判断真实的碳减排效果。第二，鲜有文献从偏向性技术进步的视角探讨环境规制对企业技术进步的影响。现有研究将偏向性技术进步作为企业、地区、行业全要素生产率变化的原因，忽略了偏向性技术进步本身也是“结果变量”，外部冲击会引起企业改变要素投入和产出，从而影响技术进步与碳减排。有鉴于此，可能的边际贡献体现在以下两个方面：第一，在研究数据上，借鉴大气定量遥感反演方法，估算企业碳排放数据，并利用统计学方法，提出验证估算结果的一种思路，为评估碳交易政策提供微观证据。第二，在研究视角上，以碳交易制度要素为起点，通过外生冲击，分析其对企业投入产出的影响，从效率的角度分析碳交易政策对企业偏向性技术进步的影响，构建出“政策冲击—企业偏向性技术进步—碳减排”之间的因果链，拓展了波特理论的微观证据。因此，本研究以上市企业为研究对象，构建具有双向固定效应的双重差分模型，考察碳交易政策中不同制度要素对企业偏向性技术进步以及对企业碳减排效果的影响，并进一步探讨了不同偏向性技术进步的企业面对碳交易制度要素存在不同的碳减排效果，以及不同水平的碳交易制度要素如何通过企业偏向性技术进步影响碳减排效果。

2 研究设计与特征事实

2. 1 数据测度与模型构建

2. 1. 1 企业碳排放的测度与评估

企业碳排放的主流测算方法主要依据工业企业数据库、企业污染数据库、企业税收调查报告中煤炭、燃料油、天然气等重要能源数据，采用排放因子法计算并加总到企业层面作为企业碳排放，亦或采用遥感监测的碳排放栅格数据按照经纬度范围与中国县域、市域等行政区划进行裁剪匹配［28-29］。也有学者直接采用县域或者城市碳排放近似替代企业碳排放，亦或是根据企业经营数据与宏观区域比例近似平替企业碳排放［13，30］。前者虽然能准确计算企业碳排放，但囿于数据时效性和完整性，难以估计碳交易政策的碳减排效果；后者虽然便于计算，但以宏观数据替代微观数据，误差较大，碳交易政策效果未必准确。

据此，本研究借鉴大气定量遥感反演的方法，估算上市企业碳排放量。该方法的原理是基于聚集的CO2能够吸收阳光中的部分光谱频点，即在卫星遥感监测图中特定光谱较弱的区域表明CO2分子密集，反之表明CO2分子分布稀疏。计算思路为：首先，构建以上市企业办公地经纬度数据为圆心、半径1 km的圆形区域；其次，利用碳排放遥感监测栅格数据作为上市企业所在区域的碳排放数据源；最后，将上市企业办公地所在的圆形区域与碳排放的遥感监测栅格数据进行裁剪匹配，得到上市企业办公地周边的碳排放量，可近似替代为上市企业碳排放数据。虽然大气定量遥感反演可以将上市企业与区域碳排放的遥感数据相匹配，但该方法存在以下局限性：第一，与IPCC能源消耗的计算方法相比，该结果并不是完全精确，只是反映出经纬度范围内的碳排放量，而这个区域内可能存在多个碳排放企业；第二，由于遥感监测的原理是通过CO2分子分布疏密性得到的监测数据，只能反映出具体监测时点上市企业办公地周边1 km圆形区域内空气中CO2分子的含量，并不能直接代表上市企业产生的碳排放量；第三，该方法的本质仍是区域碳排放测算，通过极小空间单元的碳排放近似替代该区域内企业的碳排放，但由于部分上市企业的管理中心与生产中心在空间上存在分离的特征，会误估实际的企业碳排放结果，从而导致碳交易政策效果存在偏误。基于上述3点局限性，本研究的企业碳排放本质上是由上市企业标记出来的其办公地所在的区域碳排放，并不是指整个企业的碳排放。因此，采用该方法计算的上市企业碳排放数据需要进一步进行统计检验，以证明大气定量遥感反演方法及其估算企业碳排放结果具有可靠性。主要采用图形检验、配对样本t 检验和核密度检验3种方法从全国和省级层面进行评估。具体的评估思路为①：第一，汇总企业碳排放测算数据。分别按照“年份”“省份-年份”的方式将按企业办公地计算的碳排放数据自下而上地汇总到全国及省级层面；同时，按照IPCC提出的排放因子法从省级能源消耗角度计算2007—2021年全国及各省份碳排放量及其增长率。第二，图形检验。根据两组数据绘制趋势图，直观地判断数据变化趋势。第三，将两组数据的碳排放量及其增长率按“年份”“省份-年份”的方式配对，分别进行配对样本t 检验和核密度检验，以确保两组数据具有统计意义的无差异特征以及统计分布的相似特征。最终，经过上述3种检验方法，本研究认为将上市企业办公地经纬度数据匹配空间遥感信息，借鉴大气定量遥感反演思路计算的上市企业碳排放数据无论是全国还是省级层面，碳排放增长率的趋势、波动、分布与IPCC计算的碳排放增长率具有一致特征，其结果是可靠的，但由于上市企业只是全国部分企业，从碳排放总量的角度来看两者存在数量级的差异。

2. 1. 2 企业偏向性技术进步测度

目前，偏向性技术进步的测度方法主要包括参数估计和非参数估计两种。参数估计法主要以Acemoglu［31］、Acemoglu等［32］、Antonelli等［33］等人为代表，基于CES生产函数计算各生产要素间的替代弹性，利用计量模型估算相关参数，并以此为基础构建技术进步偏向性指数；非参数估计法则是以Färe等［34］的研究为基础，以数据包络模型为核心的估计方法。借鉴Tone［35］、Fukuyama等［36］的研究，基于松弛变量的SBM方向性距离函数，计算包括非期望产出的Malmquist‑Luenberger 指数，并参照Färe等［37-38］方法将Malmquist‑Luenberger指数中的技术变化部分（TC）进一步分解为偏向性技术进步（BTC）和中性技术进步（MATC）。若MATC 大于1（小于1），表示中性技术进步（退步），其含义为企业在投入和产出不变的前提下，生产可能性边界前移（后退）造成的生产率变化，可理解为技术本身的变化幅度或者增产（减产）。BTC 大于1（小于1），表示偏向性技术进步（退步），表明企业在t 期与t+1期，由于投入或者产出发生变化，导致技术变化产生偏移。因此，企业的偏向性技术进步可以进一步分解为投入偏向性技术进步（IBTC）和产出偏向性技术进步（OBTC）：

为了进一步判断企业技术进步的偏离程度以及要素偏向识别问题，参考Weber 等［39］、杨翔等［40］以及丁黎黎等［41］的研究，在式（1）和式（2）的基础上，构造企业要素（产出）偏向指数，以此表示企业技术变动的要素（产出）偏向情况。

2. 1. 3 基准模型与机制检验

为估计碳交易政策对上市企业的碳减排效应，采用多期DID 模型作为基准模型，根据碳排放交易试点成立的时间构造DID 变量，当企业i 的取值代表广东、深圳、北京、天津、上海、湖北、重庆、福建时，treati = 1，为实验组；当i 的取值代表其他地区时，treati = 0，为对照组。同时，当i 的取值为广东、北京、天津、上海且t ≥ 2013，或者当i的取值为湖北、重庆且t ≥ 2014，或者当i 的取值为福建且t ≥ 2016时，postit = 1；除此之外，其余postit = 0。因此，基准模型设定如下：

2. 2 指标选择与数据来源

2. 2. 1 被解释变量与解释变量

以上市企业办公地周边1 km范围的碳排放量对数值（lnC）作为企业碳排放量的代理变量，并以此为被解释变量，同时选取8个碳交易试点构建的多期DID 变量作为核心解释变量（DID）。

2. 2. 2 机制变量

（1）环境规制制度要素变量。借鉴吴茵茵等［13］的思路，爬取中国8 大碳交易市场日度数据（https：//www.hbets. cn），以碳市场成交价年均值的对数值作为碳交易价格变量（lnprice），以每年非零成交量天数的对数值作为碳交易市场的活跃度指标（lnnonzero），以年碳成交额总量与试点地区碳排放总量的比值作为相对市场交易规模指标（lnscale）。

（2）上市企业技术进步变量。参考丁黎黎等［41］的思路计算上市企业偏向性技术进步。其中，期望产出指标为上市企业净利润（亿元）的对数值；非期望产出为上市企业办公地半径1 km范围内的企业碳排放量（万t）的对数值；投入指标从劳动力投入（L）、能源消耗（E）和资本存量（K）3个方面考虑。其中，劳动力投入选取上市企业员工数量（人）作为替代指标；能源消耗采用上市企业电力消耗量（亿kW·h）作为替代变量，由于缺少直接统计数据，借鉴投入产出法的思路，计算出2007—2021年各省份电力消耗强度（各省份电力消耗量/实际地区生产总值），再用上市企业营业总收入与电力消耗强度的乘积作为上市企业电力消耗量的替代变量；资本存量采用张军等［42］永续盘存法计算，具体公式为：

2. 2. 3 控制变量

为了保证模型结果的稳健性，从上市企业7个财务特征选取14个指标作为控制变量。①比率结构，选取上市企业固定资产比率（Z1）和所有者权益比率（Z2）；②偿债能力，以上市企业资产负债率（Z3）和经营活动产生的现金流量净额占负债比例（Z4）反映企业债务偿还能力；③发展能力，以企业营业收入增长率（Z5）作为替代指标；④盈利能力，选择上市企业总资产净利润率（Z6）和净资产收益率（Z7）表征企业盈利水平；⑤经营能力，以应收账款与收入比（Z8）、存货与收入比（Z9）、总资产周转率（Z10）作为企业经营水平的替代变量；⑥现金流水平，选取营业收入现金净含量（Z11）作为表征上市企业现金流状况的指标；⑦企业相对价值，选取上市企业市值的对数值（Z12）、上市企业托宾Q值（Z13）、上市企业市盈率对数值（Z14）表示企业价值水平。

2. 2. 4 数据来源

以2007—2021年4 575个上市企业为研究对象，共涉及全国83个细分行业、31个省份（未涉及港澳台地区）。其中，全球碳排放数据来源于欧盟委员会全球大气研究排放数据库（emissions database for global atmospheric research，EDGAR）提供的0. 1°×0. 1°碳排放遥感监测栅格数据，上市企业相关数据来自中国经济金融研究数据库CSMAR。各省份电力消耗量、实际GDP、GDP 平减指数等宏观数据均来自国家统计局、《中国统计年鉴》和《中国能源统计年鉴》。同时，为了消除异常值对估计结果的影响，连续变量在估计时进行1%的缩尾处理。各变量描述性统计结果见表1。

2. 3 上市企业的特征事实

2. 3. 1 上市企业碳排放特征事实

根据2007—2021年上市企业碳排放数据绘制核密度分布曲线①。从整体分布特征可知，上市企业碳排放近似符合泊松分布，且具有明显的左偏态右拖尾特征，说明企业碳排放均值远小于其中位数，少部分企业的碳排放相对较高；同时右拖尾偏长，表明企业碳排放数据延展性较强，差异性明显；此外，核密度曲线分布出现多峰特征，相对于高排放区域的分布，上市企业集中分布于低排放区与中等排放区。虽然上市企业碳排放年均值依旧呈缓慢上升趋势（6. 15万～7. 56万 t），但从核密度曲线的时间变化特征可知，中国的碳减排成效相对显著。图中左侧峰值随年份推移持续上升，数据集中度不断提升，说明低碳排放企业数量不断增加，且增加幅度明显；中间区域的峰值并不明显，表明中等排放的企业数量逐渐减少；右侧拖尾区域（40万 t以上）随时间变化的特征并不明显，企业分布数量变化较大，表明目前企业低碳转型工作的困境在于如何降低高碳企业数量与碳排放总量。

2. 3. 2 上市企业偏向性技术进步要素分布特征事实

根据式（3）和式（4）计算，图1示意了2007—2021年上市企业偏向性技术进步要素识别的分布数量结果。第一，从企业数量分布可以看出，与技术退步的企业相比，2007—2021 年技术进步的上市企业数量相对较多。第二，从产出角度可以看出，BTC gt; 1的上市企业，其技术进步来源于期望产出，即净利润增加，而BTC lt; 1的企业，产出相对更多的非期望产出，即碳排放增加。这说明目前上市企业的技术进步符合当前企业低碳转型的发展要求。第三，两两对比资本、劳动力、能源3种要素的投入偏向性技术进步可以看出，样本期内推动中国上市企业技术进步的主要原因是增加了劳动力与能源要素的投入，而资本存量增加引致的技术进步企业数量相对较少；同时，引起上市企业偏向性技术退步的原因在于密集使用资本要素或能源要素。因此，借鉴杨翔等［40］对技术进步（退步）在3种生产要素偏向排序的方式，本研究认为促进上市企业技术进步的生产要素依次是劳动力、能源、资本，阻碍技术进步的要素依次是资本、能源、劳动力。具体而言，在“资本-能源”两种要素中，产生技术进步的企业更偏向选择能源要素，而技术退步的企业更偏向于投入更多的资本要素；在“资本-劳动力”结果中，技术进步企业更愿意选择劳动力要素，而技术退步企业偏向于资本要素；而在“能源-劳动力”要素中，密集使用劳动力更具备推动企业实现技术进步的潜力，能源投入更倾向于阻碍企业技术进步。

3 实证分析

3. 1 基准估计结果

表2中列（1）—列（2）为碳交易政策对上市企业碳排放的估计结果，列（3）—列（8）依次为碳交易政策对上市企业产出偏向性技术进步、投入偏向性技术进步、中性技术进步的影响结果。结果表明：第一，碳交易政策对上市企业存在显著的碳减排效应，在加入控制变量后，DID 的系数在1%的置信水平下显著为负。第二，碳交易政策显著提升了上市企业的产出偏向性技术进步，同时也显著降低了上市企业的中性技术进步，其系数分别为0. 075 和-0. 011，均通过了1%的显著性检验。第三，碳交易政策并未显著降低上市企业的投入偏向性技术进步，其系数虽然为负，但未通过显著性检验。基准估计结果一方面证明了碳交易政策确实存在降碳效果，另一方面也证明了碳交易政策的碳减排效应并不是来源于环境规制的“创新补偿效应”。首先，产出偏向性技术进步的估计结果意味着碳交易政策能够促使企业在生产要素投入不变的前提下，增加期望产出或者减少非期望产出，降低了产出的边际成本，从而提升了投入产出效率；其次，投入偏向性技术进步的估计结果表明碳交易政策并不能显著降低生产要素的边际成本，从而减少要素投入而实现效率提高；最后，中性技术进步的估计结果进一步表明技术进步不改变企业边际产出和生产要素边际成本时，碳交易政策的冲击降低了上市企业的生产效率，即企业选择降低生产前沿面以达到降低碳排放的目的。据此，基准估计结果初步验证假设H1：碳交易政策能够显著降低上市企业碳排放，但降低的碳排放并非源自企业实质性的技术进步，而是企业通过减少产量换取碳排放空间的结果。

3. 2 平行趋势检验

双重差分模型的基本前提是碳交易政策实施前控制组与对照组的企业碳排放或技术进步不存在显著差异，即政策实施前DID 系数不通过显著性检验，而政策实施后DID 系数显著不为0。因此，参考Sun等［43］的思路，采用事件研究法检验，进行平行趋势检验。模型设定如下：

图2（a）示意了碳交易政策对上市企业碳排放的平行趋势检验结果，发现碳交易政策实施前大部分系数并不显著，仅政策实施前1期开始上市企业碳排放量显著为正，当政策落地后，企业碳排放量显著为负且持续降低，表明碳交易政策存在显著的降碳作用，且在政策实施前企业存在“预期效应”。同理，图2（b）—图2（d）示意了碳交易政策对上市企业技术进步的平行趋势检验结果，均表明在碳交易政策实施前，上市企业的产出偏向性技术进步、投入偏向性技术进步和中性技术进步的DID 估计系数并不显著，但在政策实施后DID 系数显著不为0，即碳交易政策对上市企业的技术进步存在影响。其中，碳交易政策在政策效果上对IBTC 和MATC 的解释力度相对较差，但其结果均满足平行趋势假设。

3. 3 稳健性检验

3. 3. 1 剔除部分样本

囿于上市企业总公司及其子公司、关联公司的能耗、碳排放等数据并未公开，同时相关的生产性企业涉及上市企业机密，缺乏相关数据，导致本研究采用的大气定量遥感反演方法难以精确的计算企业碳排放，也无法从能耗的角度准确地计算出上市企业管理中心与生产中心的碳排放结果，但通过样本的筛选能够保证基准估计结果的稳健性，能够相对真实地评估碳交易政策的效果。基于菲克第二扩散定律，距离碳排放中心越远，对应位置的碳排放浓度越小。因此，分别计算了上市企业办公地半径1 km、2 km、3 km、4 km、5 km、10 km、15 km圆形区域范围的碳排放浓度（t/km2），筛选出企业碳排放浓度符合菲克第二扩散定律的样本（半径1 km碳排放浓度最高且浓度随距离增加而递减），从而剔除企业办公地半径1 km范围内存在其他高碳排放企业的情形，以此表征上市企业办公地半径1 km范围内不存在碳排放浓度高于自身的其他企业，并在此基础上进行稳健性检验①。结果显示，DID 变量系数与基准估计结果一致，对企业碳排放的影响为-0. 105，通过了5%的显著性检验，对企业产出偏向性技术进步的影响为0. 496，通过10%的显著性检验，对企业中性技术进步的影响为-0. 048，通过了5%的显著性检验，而对企业投入偏向性技术进步的影响为0. 010且未通过显著性检验。可见，碳交易政策确实能够产生碳减排效果，但对企业技术进步的影响是有限的，证明了基准估计结果的稳健性。

3. 3. 2 更改政策时间窗口

一方面，上市企业在样本期内面对复杂的经济社会环境，受到排污权交易制度、低碳城市试点政策、中央环保督察政策等多重环境规制政策冲击，政策效果剥离难度较大，未必能够准确估计政策效果；另一方面，多期DID模型容易产生序列相关问题导致夸大政策效果。因此，本研究借鉴Bertrand等［44］、周茂等［45］的方法，以碳交易政策首次设立年份（2013年）为界，当t ≥ 2013时，postit = 1，当t lt; 2013时，postit = 0，构建两期DID 变量，并估计其系数②。结果显示，两期DID 变量的估计系与基准估计结果是一致的。其中，对上市企业碳排放量、产出偏向性技术进步、中性偏向性技术进步的影响分别为-0. 019、0. 082、-0. 011，均通过1%～5%的显著性检验，但对企业投入偏向性技术进步的影响为-0. 002且未通过显著性检验，再次证明了基准估计结果的稳健性。

3. 3. 3 替换解释变量

虽然双重差分法能够证明碳交易政策是否对上市企业的碳排放与技术进步产生影响，但将一种制度政策简单的构造成虚拟变量，往往忽略了政策本身的内在要素。故采用碳价格（lnprice）、碳市场活跃度（lnnonzero）、碳市场规模（lnscale）作为碳交易政策的替代变量，一方面验证基准模型的稳健性，另一方面估计不同碳市场制度要素对上市企业碳排放与技术进步的影响①。结果表明：第一，碳价格、碳市场活跃度、碳市场规模对上市企业碳排放量、产出偏向性技术进步、中性技术进步的影响与基准估计结果是一致的，且均通过1%的显著性检验，同样，对上市企业投入偏向性技术进步的影响为负且不显著。第二，相比之下，3种制度要素对上市企业产生的影响依次为碳价格、碳市场活跃度和碳市场规模。

3. 3. 4 剔除同期相关政策

在样本期内，国家发展改革委分别在2010年、2012年、2017年先后开展了低碳省区和低碳城市试点工作，这与碳交易政策的目标是匹配的，本研究认为低碳城市试点政策的存在对同期碳交易政策的减排效果或者对企业技术进步会产生影响。因此，考虑将低碳城市试点政策作为控制变量纳入基准估计模型，判断其稳健性②。结果表明：第一，基准估计模型的结果依旧稳健。在引入低碳城市试点政策后，碳交易政策能够显著降低上市企业碳排放量（-0. 022）和中性技术进步（-0. 010），同时能够显著提升企业产出偏向性技术进步（0. 058），均通过1%的显著性检验，但依旧无法显著改变其投入偏向性技术进步，且影响接近于0。第二，低碳城市试点的政策效果与碳交易政策效果存在差异。低碳城市试点政策均能够显著降低上市企业碳排放量（-0. 016），并提升企业产出偏向性技术进步（0. 088），同时也显著地降低了上市企业投入偏向性技术进步（-0. 009），均通过5%～10%的显著性检验，但对企业中性技术进步的影响不显著（-0. 002）。结合第三批国家低碳试点城市的创新举措发现，大部分城市采取了碳排放双控、监管、碳数据管理、多领域协同制度、企业减排目标责任评估制度、碳生产力考评机制等一系列措施，从宏观上约束了企业的排放行为，倒逼企业减少生产要素投入，降低投入要素的边际产出，从而减少企业碳排放；而碳交易政策虽然存在价格机制约束企业行为，但一方面中国碳价格缺乏信号形成机制，没有体现出碳价与边际减排成本之间的关系，另一方面碳市场存在“到期日效应”，即控排企业为完成碳排放的履约责任或者免于处罚，在临近履约日碳排放权成交量显著增加，反映出企业“重履约轻交易”，进一步表明碳交易并不能显著改善企业实质性的碳减排技术［13，46-47］。换言之，宏观层面的政策约束比微观层面的市场机制更易产生碳减排效果。

3. 3. 5 安慰剂检验

借鉴宋弘等［48］的方法，采用非参数置换的方法进行安慰剂检验，以此保证模型稳健性③。首先，根据DID 变量中处理组所占比例确定随机抽取企业数量，即从全样本中随机抽取11 871个企业作为“伪”处理组，构建虚拟DID 变量；其次，根据虚拟DID 变量估计其参数；最后，采用Bootstrap的方法重复1 000次上述过程，以避免发生小概率事件。由于虚拟DID 变量是在全样本中随机抽样得到，原则上不会对被解释变量产生显著影响。横坐标为非参数置换后得到的DID 估计系数，左侧纵坐标为抽样过程中的核密度值，右侧纵坐标为每一次估计结果对应的概率p值，用来判断结果的显著性，散点代表了每次抽取随机样本进行估计的系数与概率值，曲线为1 000次自抽样结果的核密度曲线，分布形态越接近于正态分布，代表系数的估计结果均值越接近于0，虚线代表真实政策冲击下的政策效应，即为表2中列（2）、列（4）、列（6）、列（8）的DID 系数结果。结果显示，除投入偏向性技术进步的结果中存在少部分抽样结果与基准估计结果一致，企业碳排放、产出偏向性技术进步、中性技术进步的抽样结果均远离基准估计结果对应的系数，且抽样分布均符合零均值的正态分布特征，说明真实碳交易政策能够显著降低上市企业碳排放、中性技术进步，提升产出偏向性技术进步，即通过安慰剂检验，基准估计结果具有稳健性。投入偏向性技术虽然未通过安慰剂检验，但其基准估计结果也未通过显著性检验，进一步说明碳交易政策并未改变企业生产要素的投入。

3. 4 内生性检验

由于碳交易政策试点并非随机选择，可能导致基准估计模型存在样本选择偏误现象。因此，进一步采用PSM‑DID模型和IV‑2SLS模型消除内生性问题，以保证基准估计结果的稳健性。

3. 4. 1 PSM‑DID模型

首先，分别采用近邻匹配、半径匹配、半径近邻匹配、核密度匹配4种匹配方法，逐年匹配2007—2021年的企业样本；其次，通过平衡性检验判断匹配前后的数据样本是否具有一致性；最后，选取匹配前后共同取值范围内的样本进行估计，得到的结果即为剔除样本选择偏误后的政策效果。根据平衡性检验结果显示，样本匹配后的伪R2值和LR值均低于匹配前的结果，说明通过协变量匹配的结果对处理组的影响不大④。结果显示，当匹配参数为k = 4，r =0. 05时，无论采用近邻匹配、半径匹配、半径近邻匹配还是核密度匹配，筛选出的样本作为处理组，对应的DID 系数均与基准估计结果一致，即在剔除样本选择偏误影响后，碳交易政策仍显著地降低上市企业碳排放量和中性技术进步，提高企业产出偏向性技术进步，且均通过1%～5%的显著性检验，但对上市企业投入偏向性技术进步的影响始终不显著，进一步验证了基准估计结果的稳健性。

3. 4. 2 IV‑2SLS模型

低碳转型不仅是企业现阶段实现高质量发展的目标之一，也是体现企业参与环境公益事业的表现，受过优质高等教育的上市企业高管团队更具备社会责任意识和参与能力，更能基于长远目标做出可持续性的决策［49-50］。周晓岚等［51］发现拥有高质量大学学历的高层管理者更倾向于推动企业参与公益事业。因此，为了进一步消除内生性问题造成的估计偏误，选取2007—2021年上市公司董高监中硕士与博士学历人数之和作为工具变量（数据来自中国经济金融研究数据库CSMAR），采用高维固定效应IV‑2SLS 模型，消除基准估计模型中的内生性影响（式（6）、式（7））①。结果显示：首先，各碳交易制度要素的CD‑Wald F 统计量、KP‑Wald F 统计量、KP‑LM 统计量和HansenJ 统计量均大于其临界值，且在1%～5%置信水平上通过显著性检验，拒绝原假设，即工具变量不存在弱识别、识别不足和过度识别的问题，说明工具变量具备有效性。其次，模型中各制度要素第一阶段的估计系数进一步确定了工具变量的有效性：上市公司董事、监事、高级管理人员中硕博人数总和显著促进碳价格、碳市场活跃度和碳市场规模，均通过1%的显著性检验。再次，第二阶段的系数结果与基准估计结果一致，即碳交易政策通过碳价格、碳市场活跃度、碳市场规模能够显著降低上市企业碳排放量和中性技术进步，显著提高了产出偏向性技术进步，均通过1%～5%的显著性检验，同时碳价格、碳市场活跃度、碳市场规模均不显著影响上市企业投入偏向性技术进步。最后，3种碳交易制度要素对上市企业产生影响的程度依次是碳价格、碳市场活跃度、碳市场规模，进一步说明通过碳交易政策实现上市企业低碳转型的关键因素是碳价格。

3. 5 异质性分析

3. 5. 1 企业类型异质性

不同类型企业面对碳交易政策的外生冲击，产生的碳减排效果或者对企业技术进步的影响存在差异（图3）。因此，借鉴邵帅等［52］的分类方法根据生产要素的差异，将上市企业划分为资本密集型、劳动密集型以及高耗能、低耗能企业。若企业单位劳动力的固定资产净值超过全国年平均水平，定义该企业为资本密集型企业，否则为劳动密集型企业；若企业用电量大于全国当年平均水平，定义该企业为高耗能企业，否则为低耗能企业。

结果表明：第一，就碳减排效果而言，劳动密集型和高耗能企业能够产生显著的碳减排效果，而资本密集型与低耗能企业的碳减排效果不显著。与资本密集型企业相比，劳动密集型企业技术含量相对偏低，单位产出需要更多劳动力，在严格的环境规制约束下，劳动力的边际产出下降，企业更愿意采用资本要素替代劳动要素，故在碳交易政策冲击下劳动密集型企业的碳减排效果比资本密集型企业更显著［53］。从能耗投入角度，低能耗企业存在“趋同”特征，与高耗能企业相比，其碳排放下降空间狭窄，简单的环境规制措施并不能有效减少碳排放。第二，碳交易政策无法显著促进资本密集型企业的产出偏向性技术进步，但能够显著促进劳动密集型企业以及高耗能、低耗能企业的产出偏向性技术进步。在环境规制约束下，企业劳动的边际产出下降，资本对劳动的替代性上升，进而降低了产出的边际成本，故在相同的投入下企业产出增加，提高了产出偏向性技术进步；从能耗角度，高耗能企业比低耗能企业的产出偏向性技术进步幅度更大，其可能原因与低耗能企业碳减排的“趋同”特征一致。第三，碳交易政策在投入偏向性技术进步层面不存在统计意义的显著差异，但从估计系数可知，碳交易政策降低资本密集型企业的投入偏向性技术进步，但提高了劳动密集型企业、高耗能企业、低耗能企业的投入偏向性技术进步。资本密集型企业的资本要素相对于劳动力要素更丰富，其相对价格更低，在碳交易政策约束下，企业增加资本要素需求，在产出不变的情况下，资本投入偏向性技术进步降低；劳动密集型企业面对环境规制约束，其边际产出下降，资本对劳动的替代性增强，从而反映出企业的劳动投入偏向性技术进步上升；相对于低耗能企业，碳交易政策更易减少高耗能企业的碳排放下降空间，从而表现出正向的能源投入偏向性技术进步。但由于样本期内上市企业面临波动的经济环境与技术环境，导致碳交易政策对上市企业投入偏向性技术进步的影响并不显著。第四，碳交易政策显著降低了劳动密集型企业和低耗能企业的中性技术进步，但对资本密集型企业和高耗能企业不存在显著影响。劳动密集型企业中资本要素相对稀缺，通过交易方式购买碳排放权并不是理性行为，反而采取降低生产前沿，减少产品产出更有利于企业完成减排目标。同理，碳交易政策对低耗能企业的减排效果也不如高耗能企业，反而会由于企业购买碳排放权而增加额外成本，导致生产前沿降低。这也从侧面印证了基准估计的结果。此外，中性技术进步的异质性结果似乎表明了碳交易政策对企业碳减排存在一定“趋同性”，即碳交易政策对高碳排放、高能耗企业的减排效果更好，对低排放、低耗能企业的减排效果并不显著，甚至需要通过减少产出以实现减排目标，这进一步警示碳减排过程中需要考虑企业实质性的技术进步，避免陷入“碳锁定”的困境［54］。

3. 5. 2 技术偏向类型异质性

碳交易政策对不同技术偏向类型的上市企业产生不同的碳减排效应，故基于上市企业偏向性技术进步要素分布类型进行碳减排的异质性分析（图4）。结果表明：第一，从产出偏向性技术进步的角度可知，碳交易政策显著降低了存在技术退步特征的上市企业碳排放量，对技术进步企业虽然也存在碳减排效应，但其效果未达到统计意义的显著。这与前文结果一致，面对环境规制约束，上市企业更愿意选择以减少产出为代价换取低碳减排目标的实现。第二，从资本、能源要素投入的角度可知，碳交易政策显著降低了以能源要素驱动技术变化为特征的上市企业碳排放量，对资本要素驱动的上市企业碳减排效果不显著。由于采用上市企业用电量衡量能源投入指标，故无论增加亦或是减少用电量，企业均能够产生显著的碳减排效应，数字化与绿色低碳转型相关的研究从侧面印证了该结论［55-56］。第三，从资本、劳动要素投入的角度可知，碳交易政策显著降低了具有劳动要素投入特征的上市企业碳排放，以及资本要素驱动且产生技术进步特征的上市企业碳排放，但对资本要素驱动型技术退步的上市企业不存在显著的碳减排效果。在环境规制约束下，上市企业减少资本要素或者劳动要素投入，均会减少企业产出水平，从而产生碳减排效应。一方面，在产出不变的情况下，增加劳动要素投入，降低了劳动边际产出，提高了资本要素的替代性，降低产出的边际成本，提高产出偏向性技术进步，从而产生降碳效果；另一方面，增加劳动要素投入，容易造成企业资本劳动比失衡，引起劳动力过剩现象，而过剩的劳动力并不会增加新的产出与碳排放，故劳动要素驱动型技术退步企业也能够产生碳减排效应。第四，从劳动、能源要素投入的角度可知，碳交易政策显著降低了能源要素驱动型技术进步企业和劳动要素驱动型技术退步企业的碳减排效应，而对劳动要素驱动型技术进步企业和能源要素驱动型技术退步企业的碳减排效应不存在显著影响。在劳动与能源维度中比较，额外增加用电量产生的能源消耗是增加碳排放的行为，而减少劳动力投入，会导致企业资本要素投入相对过多，资本密集型企业并不会显著促进投入偏向性技术进步并显著降低碳排放。

4 机制分析

内因上，不同偏向性技术进步的企业面对碳交易制度要素存在不同的碳减排效果；外因上，不同水平的碳交易制度要素会影响企业偏向性技术进步，进而影响碳减排效果。为了进一步探讨碳交易制度要素、企业偏向性技术进步与碳减排之间的内在联系，根据式（8）和式（9）分别以碳交易制度要素和企业偏向性技术进步作为机制变量，从制度要素视角和技术进步视角探讨碳交易政策对企业偏向性技术进步和碳减排效果的影响。

4. 1 偏向性技术进步视角

为了分析不同偏向性技术进步水平的企业面对碳交易制度要素存在不同的碳减排效果，根据偏向性技术进步的定义公式，将OBTC、IBTC、MATC 划分为进步（大于1）和退步（小于1），以式（8）的方式将企业偏向性技术进步水平与碳交易制度要素同时引入模型，其中，交乘项的系数表示不同偏向性技术进步水平的企业，面对不同碳交易制度要素冲击时产生的碳减排效应。

根据图5（a）—图5（c）可以看出，碳交易制度要素对不同偏向性技术进步（退步）企业的碳减排效应存在显著差异，其中偏向性技术进步企业碳减排效果显著，偏向性技术退步企业在碳交易制度要素约束下增加了企业碳排放，且均通过了1%～10%的显著性检验。从技术进步的角度看，碳价格对产出偏向性技术进步产生的碳减排效果最显著（-0. 016），碳市场规模对中性技术进步的效果最低（-0. 002），同时碳交易制度要素对偏向性技术进步的影响比对中性技术进步的影响更明显；从技术退步的角度看，碳价格导致投入偏向性技术退步的企业显著增加碳排放（0. 096），而碳市场规模对产出偏向性技术退步企业增加的碳排放相对较少（0. 007），同样，在三种碳交易制度要素冲击下，技术退步企业通过中性技术产生的碳排放增加量相对较少，通过产出和投入偏向性技术产生的碳排放增长相对偏多。

据此得出以下结论：第一，碳交易制度要素对不同技术水平企业的碳减排效果存在明显的异质性，具体表现为技术进步企业的碳减排效果明显优于技术退步企业。碳交易政策的基础逻辑是以更低的边际成本实现碳减排，当企业面对碳减排约束时，边际减排成本高的企业可以在碳市场上购买边际成本低的企业出售的碳配额并履约（其交易价格比自身碳减排的成本更低），因此碳交易政策降低了边际减排成本。反之，边际减排成本低的企业可以更多减排，并通过出售多余的配额弥补减排成本，从而实现降低社会总减排成本的目的。一方面，企业采用先进的技术、更合理的生产效率能够有效地降低边际减排成本，从而产生显著的碳减排效果；另一方面，碳交易通过价格机制也会调节企业决策，使其产生对技术进步的激励效果［57］。第二，企业在技术层面实现碳减排目标存在两条路径。一方面，改变生产过程中投入和产出的最优比例，实现投入和产出层面的偏向性技术进步，从而实现“效率”的碳减排；另一方面，提高低碳减排技术、碳中和技术，从中性技术进步角度实现“技术”的碳减排［1，4］。第三，碳价格依旧是碳交易政策中最显著的制度要素。碳价格约束了企业生产成本，影响企业生产要素的相对价格，倒逼企业通过技术创新提升企业对生产要素的利用率，同时碳价格也会通过技术创新促使企业获取更多的生产要素，产生规模效应［58］。

4. 2 碳交易制度要素视角

不同程度的制度要素对企业实现低碳减排目标存在不同的影响。因此，在式（9）的基础上，根据碳价格、碳市场活跃度、碳市场规模的中位数作为划分依据，以异质性的方式，分析不同水平的碳交易制度要素如何通过企业偏向性技术进步影响其碳减排效果。由图5（d）—图5（f）可以看出：

首先，碳交易价格能够调节企业偏向性技术进步的碳减排效应，且较低的碳交易价格显著降低企业偏向性技术进步的碳减排效应，均通过1%的显著性检验；同时较高的碳价格能够强化企业偏向性技术进步产生的碳减排效果，但未在统计意义上产生显著效果。一方面，说明中国的碳交易价格形成存在缺陷，不能够反映市场机制，也缺乏价格形成信号。从定价的角度，国际上碳价形成机制主要通过连续公开、拍卖竞价的方式形成，或者是买卖双方通过协议达成，而中国的碳价形成机制主要参照政府最低限价机制和欧盟碳价，买卖双方在CDM一级市场中交易核证减排量［46，59］。从碳配额的角度，缺乏公平且有效的碳初始权分配方式。目前IPCC确定各国温室气体排放配额的分配原则主要包括平等主义原则、国土面积原则、支付能力原则、祖父原则、污染者支付等原则，而这些原则在发达国家与发展中国家、大国与小国之间存在较大的争议，即使在国内，由于区域发展规模、技术水平、经济结构等因素导致碳初始权分配存在公平与效率的矛盾［60］。另一方面，由于偏误的碳价格机制，导致其抑制了企业偏向性技术进步产生的碳减排效应。偏低的碳价格意味着企业通过购买碳配额以实现低碳减排的行为比通过低碳技术研发实现降碳目标更具备选择优势，但长此以往，企业逐渐依赖于购买碳配额，从而形成缺乏技术创新的“回弹效应”，甚至“碳锁定”现象。

其次，碳市场活跃度显著调节了企业偏向性技术进步的碳减排效应，其结果表明较高的碳市场活跃度能够显著增强企业偏向性技术进步产生的碳减排效应，且较低的碳市场活跃度抑制了企业偏向性技术进步产生的碳减排效应，通过1%的显著性检验。这表明碳交易市场中控排企业交易越频繁、活跃度越高、交易的非零天数越少，越能够强化企业偏向性技术进步的碳减排效果；反之，碳市场的交易行为越低迷，越容易掩盖企业偏向性技术进步产生碳减排效果。目前，中国的碳交易市场存在显著的“到期日效应”，控排企业“重履约轻交易”，在碳市场反映出临近履约日的日交易量、交易频率偏大的现象，而其余时间碳市场活跃程度均处于较低水平［13，61］。同时，在履约日之前大规模增加碳配额需求，在供求关系约束下，碳交易价格上升，也会间接增加企业减排成本，从而抑制了企业偏向性技术进步的碳减排效果。

最后，企业偏向性技术进步的碳减排效应受到碳市场规模的影响，碳市场规模越大会抑制企业偏向性技术产生的碳减排效果，均通过1%的显著性检验，同时较小的碳市场规模产生的调节效果不显著。这表明碳交易市场规模过大不利于企业在技术层面实现低碳减排的目标，而碳市场规模较小，也不利于碳交易市场产生降碳的效果。一方面，较大的碳市场规模意味着控排企业对碳配额的供给与需求较大，即碳配额的当日成交量大，也从侧面印证了企业需要完成履约的碳排放量也相对较多。另一方面，当碳市场规模扩大，既表明容纳的控排企业数量增加，也说明此时社会碳排放总量超过了政策的约束目标，在碳市场中表现为碳配额供过于求且碳交易价格下降，从而降低了企业的碳排放成本，减弱其减排动力和技术创新动力，最终抑制了企业偏向性技术进步的碳减排效果。

5 结论与建议

本研究借鉴大气定量遥感反演的方法，估算2007—2021年上市企业碳排放量，从投入、产出的视角测算了上市企业的偏向性技术进步，并采用双向固定效应的双重差分模型，分析碳交易政策及其制度要素（碳价格、碳市场活跃度、碳市场规模）的碳减排效应，进一步探讨碳交易政策、企业偏向性技术进步与碳减排效应之间的内在机制。主要结论如下。

（1）碳交易政策及其制度要素对上市企业能够产生显著的碳减排效应，但这种碳减排效应来源于企业降低生产前沿面而不是技术进步，即碳交易政策显著提升了企业产出偏向性技术进步，同时显著抑制了中性技术进步，但对企业投入偏向性技术进步的影响不显著。该结果不仅通过了平行趋势检验、内生性检验，还通过了安慰剂检验、替换解释变量等方法的稳健性检验，证实了基准估计结果的稳健性。

（2）企业类型差异会引起碳交易政策对企业碳减排效应与偏向性技术进步的异质性，同时企业技术偏向类型的差异也会引起碳交易政策的碳减排效果存在异质性。一方面，碳交易政策既不利于资本密集型企业实现低碳目标，也不利于其显著提升偏向性技术进步，但对劳动密集型企业的影响是显著的；从能源消耗的角度，碳交易政策对高耗能企业的碳减排效应和产出偏向性技术进步的影响比低耗能企业更显著，但对中性技术进步的影响，低耗能企业被抑制的更明显。另一方面，从产出的角度看，无论是期望产出还是非期望产出，产出技术退步的企业碳减排效果明显优于产出技术进步企业；在要素投入的视角下，偏向能源要素或者劳动要素的企业比偏向资本要素的企业产生更显著的碳减排效果；同时，降低偏好能源要素企业的投入和增加偏好劳动要素企业的投入均能够产生更显著的碳减排效应。

（3）机制分析的结果表明，不同偏向性技术进步水平的企业面对碳交易制度要素存在不同的碳减排效果，并且不同水平的碳交易制度要素会影响企业偏向性技术进步，进而影响碳减排效果。具体而言，当上市企业面对碳交易政策制度要素冲击时，技术进步企业的碳减排效果显著优于技术退步企业；同时，较低水平的碳价格和碳市场活跃度，以及较高水平的碳市场规模能够显著调节碳交易政策通过企业偏向性技术进步产生的碳减排效应。

基于上述结论，结合现阶段碳排放权交易制度建设，提出以下4点政策建议：①积极优化并完善碳价格形成机制，充分发挥碳排放权交易制度的市场机制作用，构建并完善以碳交易、碳盘查、碳核查等多种政策工具约束的碳市场体系，从而避免碳交易政策市场机制的功能性缺失。②企业应积极探索合适的绿色创新技术，提升创新驱动能力，形成企业碳减排的长效机制，从根本上缓解生产经营与低碳减排的矛盾，发挥环境规制政策的创新补偿效应，既弥补企业研发损失，又能够激发低碳生产的内在动力。③逐步优化并完善生产要素市场建设，发挥要素价格的市场机制作用，促使资本、劳动力、能源的相对价格能够反映要素的稀缺性，从而引导企业选择合适的要素偏向。④促进生产要素“提质增效”，提升能源消耗的清洁化程度，培养高质量人才促进人力资本投资，降低资本对“肮脏”技术的路径依赖，避免环境规制政策趋同化过程中的“碳锁定”现象。

参考文献

［1］ 曹翔， 苏馨儿. 碳排放权交易试点政策是否促进了碳中和技术

创新？［J］. 中国人口·资源与环境， 2023， 33（7）： 94-104.

［2］ 李磊， 卢现祥. 中国碳市场的政策效应：综述与展望［J］. 中国

人口·资源与环境， 2023， 33（10）： 156-164.

［3］ 胡森林.“ 一刀切”停产或“运动式”减碳可休矣［EB/OL］（. 2021-

10-09）［2023-12-17］. https：//www. gov. cn/zhengce/2021-10/09/

content_5641609.htm.

［4］ 何彦妮. 碳交易市场对企业创新策略的影响及作用机制［J］. 中

国人口·资源与环境， 2022， 32（7）： 37-48.

［5］ 胡珺， 方祺， 龙文滨. 碳排放规制、企业减排激励与全要素生产

率： 基于中国碳排放权交易机制的自然实验［J］. 经济研究，

2023， 58（4）： 77-94.

［6］ 胡珺， 黄楠， 沈洪涛. 市场激励型环境规制可以推动企业技术

创新吗： 基于中国碳排放权交易机制的自然实验［J］. 金融研

究， 2020（1）： 171-189.

［7］ 马茜， 任晓松， 张红兵等. 碳交易政策、研发创新与污染性企业

碳绩效［J］. 科研管理， 2023， 44（7）： 114-123.

［8］ 李树， 陈刚. 环境管制与生产率增长： 以APPCL2000的修订为

例［J］. 经济研究， 2013， 48（1）： 17-31.

［9］ DECHEZLEPRêTRE A， NACHTIGALL D， VENMANS F. The

joint impact of the European Union emissions trading system on carbon

emissions and economic performance［J］. Journal of environmental

economics and management， 2023， 118： 102758.

［10］ EVANS S， MEHLING M， RITZ R， et al. Border carbon adjustments

and industrial competitivness in a European Green Deal

［J］. Climate policy， 2021， 21（53）： 307-317.

［11］ PIERCE M H， STRONG A L. An evaluation of New York state

livestock carbon offset projects under California's cap and trade

program［J］. Carbon management， 2023， 14（1）： 2211946.

［12］ MARDONES C. Analysis on complementarity between a CO2 tax

and an emissions trading system to reduce industrial emissions in

Chile［J］. Energy amp; environment， 2023， 32（5）： 820-833.

［13］ 吴茵茵， 齐杰， 鲜琴等. 中国碳市场的碳减排效应研究：基于

市场机制与行政干预的协同作用视角［J］. 中国工业经济，

2021（8）： 114-132.

［14］ 罗良文， 雷朱家华. 中国碳市场政策的减污降碳协同效应

［J］. 资源科学， 2024， 46（1）： 53-68.

［15］ 李小克， 胡巧丽. 偏向性技术进步视角下全要素生产率增长的

跨国收敛性及影响因素研究［J］. 统计研究， 2023， 40（5）： 37-50.

［16］ 余东华， 崔岩. 环境规制影响制造业技术进步偏向性研究

［J］. 上海经济研究， 2019（6）： 72-82.

［17］ 沈洪涛， 黄楠， 刘浪. 碳排放权交易的微观效果及机制研究

［J］. 厦门大学学报（哲学社会科学版）， 2017（1）： 13-22.

［18］ ZHANG H， DUAN M， DENG Z. Have China's pilot emissions

trading schemes promoted carbon emission reductions： the evidence

from industrial sub‑sectors at the provincial level［J］. Journal

of cleaner production， 2019， 234（10）： 912-924.

［19］ BAUMOL W J， OATES W E. The theory of environmental policy

［M］. Cambridge： Cambridge University Press， 1988.

［20］ 魏楚. 中国城市CO2边际减排成本及其影响因素［J］. 世界经

济， 2014， 37（7）： 115-141.

［21］ 陈德湖， 潘英超， 武春友. 中国二氧化碳的边际减排成本与区

域差异研究［J］. 中国人口·资源与环境， 2016， 26（10）：

86-93.

［22］ 易兰， 杨历， 李朝鹏等. 欧盟碳价影响因素研究及其对中国的

启示［J］. 中国人口·资源与环境， 2017， 27（6）： 42-48.

［23］ PATT A， LILLIESTAM J. The case against carbon prices［J］.

Joule， 2018， 2（12）： 2494-2498.

［24］ TVINNEREIM E， MEHLING M. Carbon pricing and deep decarbonisation

［J］. Energy policy， 2018， 121： 185-189.

［25］ SANTOS G. Climate change policy and carbon pricing［J］. Energy

policy， 2022， 168： 112985.

［26］ 张希良， 张达， 余润心. 中国特色全国碳市场设计理论与实践

［J］. 管理世界， 2021， 37（8）： 80-95.

［27］ 吴伟光， 祝雅璐， 顾光同. 中国试点碳市场有效性的决定因素

［J］. 资源科学， 2021， 43（10）： 2119-2129.

［28］ 王守坤， 范文诚. 金融可得性与碳排放： 来自金融地理结构的宏

观与微观证据 ［J］. 数量经济技术经济研究， 2024， 41（1）：

67-89.

［29］ 杨豪， 潘颖豪， 才国伟. 碳排放总量控制、配置效率与产出收

益［J］. 中国工业经济， 2023（7）： 46-65.

［30］ 龙池， 张红梅. 数字金融如何影响制造业碳排放： 基于企业数

字化转型的视角［J］. 金融理论与实践， 2023（10）： 67-78.

［31］ ACEMOGLU D. Directed technical change［J］. Review of economic

studies， 2002， 69（4）： 781-809.

［32］ ACEMOGLU D， PHILIPPE A， LEONARDO B， et al. The environment

and directed technical change［J］. American economic review，

2012， 102（1）： 131-166.

［33］ ANTONELLI C， QUATRARO F. The effects of biased technological

changes on total factor productivity： a rejoinder and new empirical evidence

［J］. Journal of technology transfer， 2014， 39（2）： 281-299.

［34］ FäRE R， GROSSKOPF S， LINDGREN B， et al. Productivity changes

in swedish pharamacies 1980-1989： a non‑parametric malmquist approach

［J］. Journal of productivity analysis， 1992， 3（1-2）： 85-101.

［35］ TONE K. A slacks‑based measure of efficiency in data envelopment

analysis［J］. European journal of operational research，

2001， 130（4）： 498-509.

［36］ FUKUYAMA H， WEBER W L. A directional slacks‑based measure

of technical inefficiency［J］. Socio‑economic planning sciences，

2009， 43（4）： 274-284.

［37］ FäRE R， GROSSKOPF S， NORRIS M， et al. Productivity growth，

technical progress， and efficiency change in industrialized countries

［J］. American economic review， 1994， 84（1）： 66-83.

［38］ FäRE R， GRIFELL‑TATJé E， GROSSKOPF S， et al. Biased

technical change and the malmquist productivity index［J］. Scandinavian

journal of economics， 1997， 99（1）： 119-127.

［39］ WEBER W L， DOMAZLICKY B R. Total factor productivity growth

in manufacturing： a regional approach using linear programming［J］.

Regional science and urban economics， 1999， 29（1）： 105-122.

［40］ 杨翔， 李小平， 钟春平. 中国工业偏向性技术进步的演变趋势

及影响因素研究［J］. 数量经济技术经济研究， 2019， 36（4）：

101-119.

［41］ 丁黎黎， 杨颖， 郑慧等. 中国省际绿色技术进步偏向异质性及

影响因素研究：基于一种新的Malmquist-Luenberger多维分解

指数［J］. 中国人口·资源与环境， 2020， 30（9）： 84-92.

［42］ 张军， 吴桂英， 张吉鹏. 中国省际物质资本存量估算：1952-

2000［J］. 经济研究， 2004（10）： 35-44.

［43］ SUN L， ABRAHAM S. Estimating dynamic treatment effects in

event studies with heterogeneous treatment effects［J］. Journal of

econometrics， 2021， 225（2）： 175-199.

［44］ BERTRAND M， DUFLO E， MULLAINATHAN S. How much

should we trust differences‑in‑differences estimates？［J］. Quarterly

journal of economics， 2004， 119（1）： 249-275.

［45］ 周茂， 李雨浓， 姚星等. 人力资本扩张与中国城市制造业出口

升级：来自高校扩招的证据 ［J］. 管理世界， 2019， 35（5）：

64-77.

［46］ 陈诗一. 边际减排成本与中国环境税改革［J］. 中国社会科

学， 2011（3）： 85-100.

［47］ YANG L， LI F， ZHANG X. Chinese companies' awareness and perceptions

of the emissions trading scheme （ETS）： evidence from a national

survey in China［J］. Energy Policy， 2016， 98（11）： 254-265.

［48］ 宋弘， 孙雅洁， 陈登科. 政府空气污染治理效应评估：来自中

国“低碳城市”建设的经验研究［J］. 管理世界， 2019， 35（6）：

95-108.

［49］ CASTRO A J， ZANELLO L， LIZCANO J， et al. Usr as a tool for

meeting the sdgs： a systematic review［J］. IEEE Revista Iberoamericana

de Tecnologias del Aprendizaje， 2022， 17（1）： 48-55.

［50］ 陈志忠. 美国高校服务学习机构的使命及其启示：基于美国四所

大学的案例分析［ J］. 中国人民大学教育学刊， 2023（1）： 93-109.

［51］ 周晓岚， 吴凯霖. 优质高等教育更能让高管推动企业参与公益

事业吗：基于中国上市公司的实证研究［ J］. 华东师范大学学

报（教育科学版）， 2023， 41（10）： 104-115.

［52］ 邵帅， 尹俊雅， 王海等. 资源产业依赖对僵尸企业的诱发效应

［J］. 经济研究， 2021， 56（11）： 138-154.

［53］ 周亚虹， 杨岚， 姜帅帅. 约束性碳减排与就业：基于企业和地

区劳动力变化的考察［J］. 经济研究， 2023， 58（7）： 104-120.

［54］ 刘伟江， 杜明泽， 白玥. 环境规制对绿色全要素生产率的影

响：基于技术进步偏向视角的研究 ［J］. 中国人口·资源与环

境， 2022， 32（3）： 95-107.

［55］ 宋德勇， 朱文博， 丁海. 企业数字化能否促进绿色技术创新：基于

重污染行业上市公司的考察［J］. 财经研究， 2022， 48（4）： 34-48.

［56］ 李金昌， 连港慧， 徐蔼婷.“ 双碳”愿景下企业绿色转型的破局

之道：数字化驱动绿色化的实证研究［ J］. 数量经济技术经济

研究， 2023， 40（9）： 27-49.

［57］ 史丹， 张成， 周波等. 碳排放权交易的实践效果及其影响因

素：一个文献综述［J］. 城市与环境研究， 2017，（ 4）： 93-110.

［58］ 叶红雨， 李奕杰. 环境规制、偏向性技术进步与能源效率［J］.

华东经济管理， 2022， 36（4）： 97-106.

［59］ 孙睿， 况丹， 常冬勤. 碳交易的“能源-经济-环境”影响及碳价

合理区间测算［J］. 中国人口·资源与环境， 2014， 24（7）： 82-90.

［60］ 王文举， 陈真玲. 中国省级区域初始碳配额分配方案研究：基

于责任与目标、公平与效率的视角［J］. 管理世界， 2019， 35

（3）： 81-98.

［61］ ZHANG S， JIANG K， WANG L， et al. Do the performance and

efficiency of China's carbon emission trading market change over

time？［J］. Environmental science and pollution research， 2020，

27（26）： 33140-33160.

（责任编辑：闫慧珺）