碳交易如何影响绿色低碳发展？

马兆良 徐晓庆

摘要：碳交易如何影响以绿色全要素生产率为核心指标的绿色低碳发展，需进行实证检验。基于2005—2019年中国省际面板数据，运用多期DID模型评估碳交易对绿色低碳发展的影响及其作用机制。结果表明：碳交易促进了试点地区绿色低碳发展，在经过安慰剂、PSM-DID、剔除用能权交易试点样本等一系列稳健性检验后，结论仍成立；碳交易实施对能源结构优化、产业结构升级与技术进步具有正向影响，绿色能源消费占比增加、高技术产业结构提升与技术进步是碳交易提高试点地区绿色低碳发展水平的主要机制。构建连续DID模型，研究碳交易规模对绿色低碳发展的影响，发现碳交易规模扩大对绿色低碳发展水平具有正向影响。研究结论为碳交易助力绿色低碳发展提供了经验支持，也为区域碳市场及全国统一碳市场的进一步扩容提供了有价值的启示。

关键词：碳交易；绿色低碳发展；绿色全要素生产率；多期DID；连续DID

中图分类号：F205 文献标识码：A DOI：10.3969/j.issn.1003-8256.2024.02.006

积极应对气候变化、减少碳排放、实现绿色低碳转型已成为全球共识。党的二十大报告指出，积极稳妥推进碳达峰碳中和，需完善碳排放统计核算制度，健全碳排放权市场交易制度。碳排放权交易（以下简称“碳交易”）利用市场机制控制和减少温室气体排放，是应对气候变化和实现“双碳”目标的重要政策手段，也是推动绿色低碳发展的一项重大制度创新。早在2011年，国家发改委印发《关于开展碳排放权交易试点工作的通知》，同意北京市、天津市、上海市、重庆市、湖北省、广东省及深圳市开展碳交易试点。自2013年起，7省市陆续实施碳交易试点，2016年福建省纳入碳交易试点，碳交易规模不断扩大。2013 年，碳排放配额成交量为36.44 万吨，2021年增至4 934.94万吨，至2021年底，累计成交量达到37 173.89 万吨，累计成交额达到87.01 亿元①。随着交易规模的扩大，碳交易市场的碳减排效应逐渐增强［1］，行业范围和主体范围的扩张也为绿色低碳发展注入新的力量。试点省市均建成了制度要素相对齐全、碳交易初具规模、运行平稳有效的区域碳市场。在碳交易试点的基础上，2021年7月16日，全国碳交易市场正式启动上线交易。

在实现碳达峰碳中和与全面绿色低碳转型的背景下，深入研究碳交易试点政策及碳交易规模对绿色低碳发展的影响及其机制，对促进碳减排，实现绿色低碳转型，进一步完善碳交易制度，具有重要现实意义和理论价值。

1 文献综述

碳交易作为一种市场激励型碳减排政策工具，已在多国实施，旨在降低减排成本、促进能源结构调整与绿色低碳技术创新，推动经济社会绿色低碳转型。碳交易的减排效应及其对经济发展的影响受到国内外学者广泛关注。其中，有关碳交易与经济发展的研究主要集中在两方面：一是探讨碳交易对经济增长的影响；二是碳交易对绿色全要素生产率的影响。

关于碳交易对经济增长的相关研究，国外学者采用动态CGE模型［2］、PSM-DID［3］等方法对欧盟碳排放交易体系（EU ETS）的经济增长效应进行研究，发现EU ETS实现减排的同时，倒逼技术进步促进了经济增长。但也有学者研究认为［4-5］，EU ETS 抑制正常的经济生产活动，对经济增长有负面影响。部分文献基于MONASHGreen模型对澳大利亚碳交易的经济增长效应进行研究，发现碳交易实施后，受碳排放权价格上涨影响，GDP有所下降，碳交易对经济增长具有一定程度的抑制效应［6］。我国碳交易试点实施后，国内学者运用不同方法研究其对经济增长的影响，研究结论不尽相同，甚至相左。一些学者分别使用CGE模型［7］、DID模型［8-9］，研究认为碳交易对我国经济增长具有促进作用。也有一部分学者运用仿真、模拟检验模型研究两者之间关系，结果表明碳交易一定程度上抑制了经济的增长［10-12］。此外，有学者使用DID模型，研究发现碳交易与经济增长之间呈“U”形关系［13］。

关于碳交易对绿色低碳发展的相关研究，已有文献大多以绿色全要素生产率作为绿色低碳发展水平的核心指标，分别使用不同实证研究方法，大多认为碳交易促进绿色全要素生产率提升。其中，多数文献使用传统DID（Difference-in-Differences）模型，研究发现碳交易能有效提高试点地区绿色全要素生产率［14-16］，有利于中国低碳经济发展［17-19］。尹迎港等［20］使用SCM（Synthetic Control Method）方法，研究认为碳交易能有效提高试点地区绿色全要素生产率，刘海英等［21］采用非参数DEA方法，模拟能源政策组合的不同情形，发现用能权交易与碳交易政策组合使用情形下，绿色全要素生产率会显著提高。但胡玉凤等［22］基于中国上市公司的微观数据及所在地区数据，运用PSM-DID方法，研究得出相反的结论：碳交易对绿色全要素生产率具有显著负向影响。

综上可见，关于碳交易的经济效应的相关研究已取得较为丰富成果，但在研究结论上，已有文献未取得一致结果；关于碳交易如何影响绿色全要素生产率，研究结论存有显著差异，甚至相反。在研究方法上，除部分文献使用CGE、SCM及仿真等方法外，大多文献使用DID模型评估碳交易的（绿色）增长效应。相关文献在使用传统DID模型开展实证研究方面尚存一些不够完善之处。第一，对碳交易试点的时点差异性考虑不够充分。碳交易试点分批启动，其试点实施时间并不一致，传统DID模型评估碳交易试点的政策效果时，大都将各省市试点实施时间视为同一期，导致变量测量误差带来内生性问题，即传统DID 模型中年份虚拟变量部分取值不准确，研究结果极可能存在偏差。第二，鲜有文献深入讨论碳交易规模对绿色全要素生产率的影响。事实上，我国的碳排放配额以免费分配为主，试点初期供给相对充足。随着碳交易市场参与主体越来越多，碳交易規模不断扩大，碳排放权交易价格呈上涨态势，高耗能高排放行业的碳排放成本会显著增加，倒逼高碳企业加快进行低碳化改造；同时，也可能激发超低碳排放企业扩大生产规模，这将有利于推动经济产业结构向绿色低碳化转型。特别地，在全国碳交易市场可能扩容的背景下，讨论碳交易规模的变动如何影响试点地区绿色全要素生产率，更具理论价值。目前，相关研究较为缺乏。

基于此，本文拟作以下边际改善。第一，采用多期DID模型评估碳交易政策对绿色全要素生产率的影响及其机制，多期DID模型对传统DID模型进行改造，根据不同试点地区的政策实施时间，分别设置政策实施节点，更有效解决变量测量误差带来的内生性问题，提高估计结果的准确性与稳健性。并在此基础上，进行一系列稳健性检验与机制分析。第二，构建连续DID模型，实证研究碳交易规模对绿色全要素生产率的影响。

2 理论分析与研究假设

“碳交易”，就是将碳排放配额当作一种商品，企业碳排放量超过其排放配额时，需在碳交易市场上购买碳排放配额，从而通过经济杠杆及明确信号促使企业减少碳排放。碳交易实施可一定程度促进减污降碳，并对经济增长产生影响，进而影响绿色低碳发展水平。碳交易政策实施影响绿色低碳发展的可能机制如下。

首先，碳交易政策实施将加快能源消费结构优化，促进减污降碳。我国能源禀赋总体上是“富煤缺油少气”，电力主要来源于火力发电，其中化石能源煤炭占比较高，煤炭燃烧会产生大量的温室气体及SO2、NO2等大气污染物。碳交易政策的实施，增加了火电这一高耗能行业的生产成本，倒逼其压缩传统燃煤机组［14，16］，增加光伏发电、风电、水电等可再生能源发电量；钢铁、有色金属、水泥等高耗能高污染行业增加天然气等清洁能源及清洁电力的使用，从而推动能源消费结构由煤炭消费为主转变成低碳排放特征的清洁能源消费为主，有效实现减污降碳，进一步提升生态环境质量、促进绿色发展。

其次，碳交易政策实施有助于推动产业结构优化升级，进而提高绿色全要素生产率。在碳排放权配置过程中，碳交易制度能够有效地发挥市场的决定性作用，不断优化产业间生产要素的分配方式。当碳排放配额的盈余收益大于低碳技术研发成本时，资本、劳动力、技术等生产要素必然会向低耗能、高效率的生产部门流动，推动一批发展潜力大、技术水平高的高新技术产业与现代服务业发展，加快淘汰高耗能、高污染、效率低的落后企业，促进地区产业结构优化升级。产业结构优化升级使得生产要素从传统落后产业流向新兴高效产业，资源要素的重新配置可以有效提升能源利用效率，进而提高绿色全要素生产率［23］。

再次，碳交易政策实施促进技术进步，进而提高绿色全要素生产率。碳交易政策作为一种市场激励型环境规制，将碳排放成本内部化为企业生产成本，倒逼企业进行更多的创新活动［20］，以抵消由环境保护带来的成本并提高企业盈利能力。技术进步可以表现为能源利用技术进步及生产技术进步，企业需要通过各种技术手段提高能源利用效率和自身生产效率，以此来提高绿色全要素生产率。碳交易政策实施，一方面倒逼碳排放超标企业加大研发投入，以减少购买碳配额数量；另一方面激励更多企业开展技术创新，以出售碳排放配额获得额外收益。在碳排放约束下，企业通过技术进步能够缓解企业边际减排成本，获得更高的能源利用效率及企业生产效率，提升以绿色全要素生产率为核心指标的绿色低碳发展水平。

综上，提出假设：碳交易政策实施能够提高试点地区以绿色全要素生产率为核心指标的绿色低碳发展水平。

3 模型、变量与数据

3.1 模型构建

传统DID中各地区政策实施时间设置为同一期，而碳交易试点地区实施碳交易政策的时间不一致，使用传统DID模型进行效应评估，年份虚拟变量部分取值不准确会产生内生性问题。多期DID中各地区政策实施節点根据不同的政策实施时间进行设置，克服了年份虚拟变量取值不准确问题。为此，本文使用多期DID模型评估碳交易试点对绿色全要素生产率的影响，构建如下多期DID模型：

3.2 变量选择与数据说明

3.2.1 被解释变量

绿色全要素生产率（GTFP）。测度绿色全要素生产率，常使用基于方向性距离函数的ML（Malmquist-Luenberger）指数［14-15，24］。GML 指数相较于ML 指数，具有更优的可循环累加性和传递性特征，能更有效地反映效率的动态变化，同时克服了ML 指数可能存在不可行解的缺陷，故使用GML指数来测度绿色全要素生产率。在计算GML 指数时，投入产出指标的选择，借鉴张治栋等［25］的研究成果，以资本、劳动、能源为投入；以2000 年为基期的各省市实际GDP 为期望产出，CO2、SO2 排放量为非期望产出。其中，资本存量的计算借鉴张军等［26］的做法，将经济折旧率设定为9.6%，通过永续盘存法计算得到，劳动用各地区的就业人数来衡量，能源采用各地区的能源消费总量来衡量；CO2的测算根据IPCC提供的计算方法，利用煤炭、焦炭、原油、汽油、燃料油、煤油、柴油及天然气等8种能源消费量计算得到各省市CO2 排放量。此外，由于GML 指数实际上反映的是连续两年间效率的变化，为了更好地解释绿色全要素生产率的经济学意义，借鉴刘钻扩等［27］做法，将2005年作为基期，假定2005年绿色全要素生产率为1，采用连乘的方式依次得到2006—2019年各省市的绿色全要素生产率。

3.2.2 核心解释变量

核心解释变量为交互项treatedi × timet。其中，treatedi 为地区虚拟变量，碳交易政策试点省市取值为1，否则取0；timet 为年份虚拟变量，政策实施之前为非试点期，取0，政策正式实施后为试点期，取1。2013—2016年期间，北京、天津、上海、重庆、湖北、广东、深圳、福建这8个省市先后成为碳交易政策试点地区。考虑到本文拟使用省份（含直辖市）数据，故将深圳数据纳入广东省。本文的处理组为北京、天津、上海、重庆、湖北、广东、福建，剩下的省份均纳入控制组。由于7个试点地区正式实施碳交易政策的时间不一致，对北京、天津、上海和广东，2013年及之后的年份，timet 取1；对重庆、湖北，2014年及之后的年份，timet 取1；对福建，2016年及之后的年份，timet 取1；其余年份timet 值均取0。

3.2.3 控制变量

由于绿色全要素生产率受经济发展水平等因素影响，为此需要对其他影响因素进行控制。本文选取了以下控制变量：经济发展水平（development），采用实际人均GDP的对数值来衡量；城镇化水平（urban），采用城镇化率来衡量；工业化水平（industry），采用工业增加值占GDP比重来衡量；外商投资水平（investment），采用外商直接投资（FDI）与GDP的比值加以衡量，其中，FDI折算成人民币，与GDP 单位保持一致；治污投入水平（govern），采用工业污染治理完成投资额与工业增加值的比值来衡量；能源强度（intensity），采用能源消费总量与地区实际GDP的比值来衡量。

3.2.4 数据来源

考虑数据可获得性，选取2005—2019年中国30个省级行政区（不包括西藏、港澳台地区）的面板数据。其中，R&D经费投入强度来自历年《全国科技经费投入统计公报》，碳交易量、碳交易额来自各试点地区的碳排放权交易所。其他数据来自于国家统计局、历年《中国统计年鉴》《中国能源统计年鉴》《高技术产业统计年鉴》《中国工业统计年鉴》、中国宏观经济数据库及各省份历年统计年鉴。

4 实证分析

4.1 基准回归

采用多期DID模型檢验碳交易试点对绿色全要素生产率的影响，结果如表1所示，第（1）列仅控制地区固定效应、第（2）列在第（1）列的基础上加入了控制变量，第（3）（4）列均采用双固定效应模型。

表1第（1）（2）列回归结果表明，仅控制地区固定效应，无论是否加入其他控制变量，核心解释变量交互项（treatedi × timet）的回归系数均显著为正；表1第（3）（4）列回归结果表明，使用双固定效应模型，在加入控制变量前后，核心解释变量交互项（treatedi × timet）的回归系数的显著性和符号都没有发生变化，均在1%水平上显著为正。基准回归结果表明，碳交易试点实施提升了试点地区绿色全要素生产率，假设得到初步验证。

4.2 平行趋势检验与政策动态效应分析

平行趋势假定是使用DID模型进行政策效果评估的前提，它假定处理组与控制组的目标变量在政策发生前有着相同的变动趋势；而动态效应检验是为了观察碳交易政策对绿色全要素生产率的影响是否随着时间变化，是否具有持续推动作用或者表现出某种程度的滞后性。

为检验平行趋势假定和分析政策动态效应，借鉴吴茵茵等［28］的做法，在模型（1）的基础上构建如下计量模型：

平行趋势检验与政策动态效应分析的结果如图1所示。政策实施前七年到前一年的交互项系数置信区间均与0轴相交，说明处理组和控制组在政策实施前有相同的变动趋势，满足平行趋势假定。政策实施当年，其交互项系数置信区间与0轴相交，这可能是因为政策刚刚实施，碳交易市场处于初始阶段，碳排放配额较为充足，企业碳减排压力不大，难以对绿色全要素生产率产生影响。但从政策实施第二年开始，其交互项系数置信区间未与0轴相交。总体上看，回归系数逐年递增，说明碳交易政策存在动态效应，且对绿色全要素生产率的影响呈增强趋势。

4.3 稳健性检验

基准回归结果表明，碳交易政策能够提高试点地区绿色全要素生产率。但进行基准回归时未考虑下列因素的影响：（1）碳交易政策对绿色全要素生产率的影响可能会受到随机性因素或其他政策的干扰；（2）碳交易政策的实施可能存在试点地区的自选择效应问题；（3）部分碳交易试点地区实施了用能权试点，用能权与碳交易两个试点政策对绿色全要素生产率的影响相似，可能导致回归结果偏误。为此，对基准回归结果进行如下稳健性检验。

4.3.1 安慰剂检验

为识别处理组和控制组绿色全要素生产率的变动，是否受到随机性因素或其他政策的影响，借鉴郭俊杰等［29］研究思路，运用非参置换方法进行安慰剂检验。具体做法为：从30个省份中随机抽取7个省份组成新的处理组，余下省份为控制组，同时随机生成虚拟政策时间，再进行回归分析。将该随机过程重复500次，得到相应的虚拟处理组与虚拟政策时间交互项treatedi × timet 回归系数，其分布如图2所示。

图2 中，虚拟处理组与虚拟政策时间交互项（treatedi × timet）的回归系数，基本聚集在0 附近，偏离基准回归中得到的实际回归系数0.082 5；且对应的p值大部分在10% 水平上不显著，表明基于虚拟处理组与虚拟政策时间的碳交易政策，未明显影响绿色全要素生产率。安慰剂检验结果佐证了基准回归结果的稳健性。

4.3.2 PSM-DID检验

各省份在申报碳交易试点时，往往会考虑其经济发展、产业特征、科技实力等因素，是否“适合”开展碳交易试点，碳交易试点实施可能存在试点样本的自选择效应，导致政策实施的非随机性。为了排除非随机试验带来的内生性问题干扰，借鉴张建平等［30］做法，使用倾向得分匹配双重差分（PSM-DID）方法，探讨碳交易试点政策对绿色全要素生产率的影响。首先，将控制变量作为协变量，分别用1：1近邻匹配和核匹配为试点省市匹配控制组，使得处理组和控制组在协变量上不存在显著差异，然后用多期DID模型重新进行回归。结果见表2第（1）（2）两列，其中第（1）列采用1：1近邻匹配，第（2）列采用核匹配。

由表2第（1）（2）两列回归结果可知，无论采用1：1近邻匹配还是核匹配，核心解释变量交互项（treatedi ×timet）的系数都显著为正，表明碳交易政策能够显著提高试点地区绿色全要素生产率。PSM-DID的回归结果进一步表明基准回归结果稳健。

4.3.3 排除用能权交易影响

在碳交易政策实施期间，浙江、福建、河南、四川这4个省份于2016年开启用能权交易试点。由于用能权交易政策与碳交易政策在试点地区上存在重叠，可能影响碳交易政策对绿色全要素生产率的效果评估。因此，为了避免用能权交易政策对研究结果的干扰，本文在样本中剔除上述4个省份，进一步检验基准回归结果的稳健性。回归结果见表2第（3）列。

表2第（3）列回归结果表明，剔除用能权交易试点省份样本后，核心解释变量交互项（treatedi × timet）的回归系数仍显著为正，碳交易政策能够提高试点地区绿色全要素生产率，进一步检验了基准回归结果的稳健性。

5 机制分析

5.1 模型构建

基准回归及稳健性检验结果表明，碳交易政策能够提高试点地区绿色全要素生产率。理论分析表明，碳交易政策可能通过优化能源结构、推动产业结构优化升级、促进技术进步等机制，提高试点地区绿色全要素生产率。接下来，本文通过实证分析，进一步甄别碳交易政策对绿色全要素生产率的作用机制。为此，在模型（1）的基础上，构建如下计量模型：

5.2 实证结果分析

机制分析的回归结果如表3所示。其中，第（1）（2）（3）列分别检验能源结构优化、产业结构升级、技术进步等影响绿色全要素生产率的潜在渠道。

表3第（1）列中，使用天然气消费量占能源消费总量比重来度量能源结构。核心解释变量交互项（treatedi × timet）的回归系数为0.031 9，且在1%水平上统计显著，表明碳交易政策能够一定程度促进能源结构优化，推动试点地区绿色全要素生产率提升。天然气相较于煤炭，碳排放系数低，燃烧效率更高，用天然气等清洁能源代替煤炭等传统能源，可一定程度降低碳排放。因实施碳交易政策，高耗能企业会倾向于改变能源消费结构，以天然氣等清洁能源部分代替煤炭消费。能源结构的优化促进经济绿色发展，提升绿色全要素生产率。

表3第（2）列中，使用高技术产业企业数占工业企业数比重衡量地区的产业结构。核心解释变量交互项（treatedi × timet）的回归系数显著为正，表明碳交易政策实施对产业结构升级具有正向影响，进而提高试点地区绿色全要素生产率。这可能是因为，一方面，碳交易政策释放的预期信号会激励社会投资流向高技术、新能源等绿色低碳产业；另一方面，我国碳排放主要源于工业领域，碳交易政策的实施增加了传统工业企业的减排压力，碳排放成本倒逼高碳企业向节能减排转型，促进技术密集、能耗强度低的高技术产业发展。产业结构优化升级，资源要素得以重新配置，促进绿色全要素生产率提升。

表3第（3）列中，使用R&D经费投入强度作为技术进步的代理变量。核心解释变量交互项（treatedi ×timet）的回归系数显著为正，表明碳交易政策的实施促使更多研发费用投入，促进技术进步，引致试点地区绿色全要素生产率提升。这主要是因为碳交易政策向企业传递明确的信号即减排能够降低成本增加收益，促使企业通过各种技术手段提高能源的利用效率和生产效率，获得更大的利润，从而实现试点地区经济增长与环境保护协调发展，促进绿色全要素生产率进一步提升。

可见，优化能源结构、推动产业结构优化升级、促进技术进步是碳交易政策提高试点地区绿色全要素生产率的主要作用机制。

6 进一步讨论

上文研究结果表明，碳交易政策对试点地区绿色低碳发展提升具有促进作用。全国统一碳交易市场已于2021年上线交易，碳市场是否需要进一步扩容在学术界与政府层面得到广泛讨论。事实上，自2013年碳交易试点启动以来，碳交易规模不断扩大，探究碳交易规模如何影响绿色低碳发展，具有重要现实意义。

由于多期DID模型评估的是碳交易政策的平均处理效应，只能采用0或1表示政策是否实施，无法进一步对政策实施的具体规模进行量化。参考Moser等［31］的做法，构建连续DID模型进一步研究，在实施碳交易政策后，碳交易规模变化对绿色全要素生产率的影响效应。具体模型设定如下：

估计结果如表4所示。其中，第（1）（2）列采用碳交易量来衡量碳交易规模，第（3）（4）列采用碳交易额来衡量碳交易规模，均控制地区年份双固定效应，且第（2）（4）列分别是在第（1）（3）列的基础上加入控制变量。

由表4第（1）（2）列回归结果可知，当用碳交易量来衡量碳交易规模时，无论是否加入控制变量，核心解释变量（CTSit × timet）的回归系数均显著为正。表4第（3）（4）列回归结果显示，当用碳交易额来衡量碳交易规模时，无论是否加入控制变量，核心解释变量（CTSit ×timet）的回归系数也在1% 的水平上显著为正。因此，无论是以碳交易量还是以碳交易额来衡量碳交易规模，回归系数结果均说明碳交易规模扩大，对试点地区绿色全要素生产率提升具有积极影响，可促进该地区绿色低碳发展。事实上，碳交易规模在一定程度上反映着碳交易市场的活跃度［1］，近年来，我国碳交易规模越来越大，市场也逐渐活跃。巨大的市场潜力将引发新一轮对绿色低碳领域的投资，并激励着更多市场主体及要素流向碳交易市场，促进企业不断创新，绿色全要素生产率逐步提升。

7 主要结论与政策启示

7.1 主要结论

实施碳交易试点，促进碳减排，推动经济社会绿色低碳转型，是我国生态文明建设的重要内容。为研究碳交易政策的绿色低碳发展效应，本文基于我国2005—2019年30个省级行政区（不包括西藏、港澳台地区）的面板数据，采用多期DID模型评估碳交易政策对绿色低碳发展的影响及作用机制，并构建连续DID模型研究碳交易规模对绿色低碳发展的影响。得到以下主要结论：碳交易能够促进绿色低碳发展的提升；碳交易增加了高耗能高排放企业经营成本，形成倒逼机制，并传递减排的明确信号，促进能源结构优化、产业结构升级、技术进步，从减污降碳与促进增长两方面提升绿色低碳发展水平；碳交易规模扩大，对高耗能高排放企业的成本约束加大，对低排放企业的激励更为显著，对绿色低碳发展水平提升具有促进作用。

7.2 政策启示

根据研究结论，可得到以下相关政策启示：（1）加快碳交易市场扩容。要有序推进全国碳交易市场与区域碳交易市场对接融合、协调发展，加快推进钢铁、化工、建筑等高排放行业纳入全国碳交易市场，增加碳交易市场的覆盖范围；（2）提升碳交易市场效率。激励引导不同主体参与全国碳交易市场，提高该市场的流动性与活跃度，增加碳市场运行效率，充分发挥碳交易市场对减污降碳的引导作用，推动我国绿色低碳发展。（3）健全碳市场价格发现机制。要合理设定碳交易配额，开展碳普惠联建试点，充分反映碳配额的市场价值，推动生产要素流向低碳排放、高生产率部门，优化资源要素配置，以产业结构优化降低碳排放强度，提高绿色全要素生产率。（4）鼓励企业进行低碳技术创新。政府应加大对技术创新，特别是低碳技术创新的支持力度，积极引导各企业通过技术创新降低碳排放强度；推动先进技术特别是低碳技术的研发，并拓展其应用领域，从源头上实现资源能源节约，促进绿色低碳发展。

参考文献：

［1］ 薛飞，周民良.中国碳交易市场规模的减排效应研究［J］.华东经

济管理，2021，35（6）：11-21.

［2］ LOISEL R. Environmental climate instruments in Romania： a

comparative approach using dynamic CGE modelling［J］. Energy

Policy，2009，37（6）：2190-2204.

［3］ MARIN G，MARINO M，PELLEGRIN C. The impact of the

european emission trading scheme on multiple measures of

economic performance［J］. Environmental & Resource Economics，

2018，71（2）：551-582.

［4］ ABRELL J. Regulating CO2 emissions of transportation in Europe：

a CGE-analysis using market-based instruments［J］. Transportation

Research，Part D.Transport and Environment，2010，15D（4）：

235-239.

［5］ MARTIN R，MUULS M，DE PREUX L B，et al. Industry

compensation under relocation risk： a firm-level analysis of the

EU emissions trading scheme［J］. American Economic Review，

2014，104（8）：2482-2508.

［6］ NONG D，MENG S，SIRIWARDANA M. An assessment of a

proposed ETS in Australia by using the MONASH-Green model

［J］. Energy Policy，2017，108：281-291.

［7］ 湯维祺，吴力波，钱浩祺.从“污染天堂”到绿色增长：区域间高耗

能产业转移的调控机制研究［J］.经济研究，2016，51（6）：58-70.

［8］ ZHANG W，LI J，LI G X，et al. Emission reduction effect and

carbon market efficiency of carbon emissions trading policy in

China［J］. Energy，2020（196）：117117.1-117117.9.

［9］ 董直庆，王辉.市场型环境规制政策有效性检验：来自碳排放权

交易政策视角的经验证据［J］.统计研究，2021，38（10）：48-61.

［10］ 刘宇，温丹辉，王毅，等.天津碳交易试点的经济环境影响评估研

究：基于中国多区域一般均衡模型TermCO2［J］.气候变化研究

进展，2016，12（6）：561-570.

［11］ 刘勇，曾康佳.中国工业碳排放交易政策影响研究［J］.中国科技

论坛，2018（9）：156-165.

［12］ LIN B Q，JIA Z J. What will China's carbon emission trading market

affect with only electricity sector involvement？ a CGE based study

［J］. Energy Economics，2019，78（4）：301-311.

［13］ 贾云赟.碳排放权交易影响经济增长吗［J］.宏观经济研究，2017

（12）：72-81，136.

［14］ 任亚运，傅京燕.碳交易的减排及绿色发展效应研究［J］.中国人

口·资源与环境，2019，29（5）：11-20.

［15］ ZHANG S L，WANG Y，HAO Y，et al. Shooting two hawks with one

arrow： could China's emission trading scheme promote green

development efficiency and regional carbon equality？［J］. Energy

Economics，2021，101：105412.1-105412.14.

［16］ 孙振清，谷文姗，成晓斐.碳交易对绿色全要素生产率的影响机

制研究［J］.华东经济管理，2022，36（4）：89-96.

［17］ 王钊，王良虎.碳排放交易制度下的低碳经济发展：基于非期望

DEA与DID模型的分析［J］.西南大学学报（自然科学版），2019，

41（5）：85-95.

［18］ 周朝波，覃云.碳排放交易试点政策促进了中国低碳经济转型

吗？基于双重差分模型的实证研究［J］.软科学，2020，34（10）：

36-42，55.

［19］ 廖文龙，董新凯，翁鸣，等.市场型环境规制的经济效应：碳排放

交易、绿色创新与绿色经济增长［J］. 中国软科学，2020（6）：

159-173.

［20］ 尹迎港，常向东.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？［J］.金融与经济，2022（3）：60-70.

［21］ 刘海英，王钰.用能权与碳排放权可交易政策组合下的经济红利

效应［J］.中国人口·资源与环境，2019，29（5）：1-10.

［22］ 胡玉凤，丁友强.碳排放权交易机制能否兼顾企业效益与绿色效

率？［J］.中国人口·资源与环境，2020，30（3）：56-64.

［23］ 张治栋，秦淑悦.环境规制、产业结构调整对绿色发展的空间效

应：基于长江经济带城市的实证研究［J］.现代经济探讨，2018

（11）：79-86.

［24］ 陳超凡.中国工业绿色全要素生产率及其影响因素：基于ML生

产率指数及动态面板模型的实证研究［J］.统计研究，2016，33

（3）：53-62.

［25］ 张治栋，陈竞.环境规制、产业集聚与绿色经济发展［J］.统计与

决策，2020，36（15）：114-118.

［26］ 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，2004，39（10）：35-44.

［27］ 刘钻扩，辛丽.“一带一路”建设对沿线中国重点省域绿色全要

素生产率的影响［J］. 中国人口·资源与环境，2018，28（12）：

87-97.

［28］ 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.

［29］ 郭俊杰，方颖，杨阳.排污费征收标准改革是否促进了中国工业

二氧化硫减排［J］.世界经济，2019，42（1）：121-144.

［30］ 张建平，朱雅锡.后疫情时代下新冠肺炎疫情对中国服务经济影

响：基于多期双重差分模型的研究［J］.工业技术经济，2021，40

（4）：58-67.

［31］ MOSER P，VOENA A. Compulsory licensing：evidence from the

trading with the enemy act［J］. American Economic Review，2012，

102（1）：396-427.