低碳省區(qū)試點(diǎn)政策的凈碳減排效應(yīng)

董梅 李存芳

摘要?低碳試點(diǎn)是實(shí)現(xiàn)中國(guó)綠色發(fā)展的一項(xiàng)重要政策，旨在探索和推廣工業(yè)化與城鎮(zhèn)化過(guò)程中低碳建設(shè)的做法及經(jīng)驗(yàn)?？陀^評(píng)估低碳省區(qū)試點(diǎn)政策效果，有助于更好積累和推廣省級(jí)層面的低碳建設(shè)經(jīng)驗(yàn)，進(jìn)而全面推進(jìn)綠色化進(jìn)程與生態(tài)文明建設(shè)。作者基于2000—2017年中國(guó)26個(gè)省區(qū)的面板數(shù)據(jù)，采用合成控制法從人均碳排放和碳強(qiáng)度兩個(gè)方面，對(duì)遼寧、廣東、陜西、湖北、云南和海南等6個(gè)“低碳省區(qū)”試點(diǎn)政策的凈碳減排效應(yīng)進(jìn)行分析和評(píng)價(jià)，并通過(guò)安慰劑檢驗(yàn)和雙重差分（DID）估計(jì)對(duì)政策效應(yīng)的穩(wěn)健性進(jìn)行驗(yàn)證和補(bǔ)充分析。研究發(fā)現(xiàn) ：低碳省區(qū)試點(diǎn)政策下，遼寧和湖北的人均碳排放和碳強(qiáng)度均顯著下降，即政策效應(yīng)雙有效;廣東和云南的人均碳排放顯著下降，而這兩個(gè)省區(qū)的碳強(qiáng)度變動(dòng)并非源于低碳試點(diǎn)政策;低碳省區(qū)試點(diǎn)對(duì)陜西和海南的碳減排均無(wú)效，相反，這兩個(gè)省區(qū)的碳強(qiáng)度以及陜西的人均碳排放顯著上升。分析認(rèn)為，導(dǎo)致各省區(qū)凈碳減排效應(yīng)異質(zhì)性的因素有以下四點(diǎn)：①工業(yè)占地區(qū)生產(chǎn)總值比重越低，越有利于人均碳排放控制;省區(qū)經(jīng)濟(jì)水平越高，即人均地區(qū)生產(chǎn)總值越高，越有利于碳強(qiáng)度控制。②碳排放權(quán)交易試點(diǎn)政策疊加有效促進(jìn)碳減排。③政策實(shí)施前，省區(qū)人均碳排放和碳強(qiáng)度指標(biāo)越低，其減排空間越小，減排難度越大。④經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的慣性作用會(huì)長(zhǎng)效推進(jìn)碳減排。有鑒于此，提出以下建議：在省級(jí)層面合理布局低碳產(chǎn)業(yè)，特別是低能耗、低排放的第三產(chǎn)業(yè)，有效降低能源消費(fèi);推動(dòng)人均碳排放和碳強(qiáng)度較高的省區(qū)率先減排;加大對(duì)經(jīng)濟(jì)欠發(fā)達(dá)省區(qū)的節(jié)能減排資金與技術(shù)支持;加快全國(guó)碳排放權(quán)交易市場(chǎng)的建設(shè)與完善，形成長(zhǎng)效的低碳發(fā)展機(jī)制，實(shí)現(xiàn)生態(tài)綠色和經(jīng)濟(jì)增長(zhǎng)和諧共贏。

關(guān)鍵詞?低碳省區(qū)試點(diǎn);碳減排;政策效應(yīng);合成控制法;雙重差分

中圖分類號(hào)?F205

文獻(xiàn)標(biāo)識(shí)碼?A文章編號(hào)?2104-1002（2020）11-0063-11DOI：10.12062/cpre.20200634

當(dāng)前，中國(guó)經(jīng)濟(jì)正由高速增長(zhǎng)階段向高質(zhì)量發(fā)展階段轉(zhuǎn)型，大力推進(jìn)生態(tài)文明建設(shè)是事關(guān)人民美好生活的重要課題。政府推動(dòng)型的低碳建設(shè)有效促進(jìn)了中國(guó)綠色發(fā)展和生態(tài)文明進(jìn)程。為了探索低碳發(fā)展模式，踐行低碳發(fā)展路徑，有效落實(shí)控制溫室氣體排放行動(dòng)目標(biāo)，國(guó)家發(fā)展改革委于2010年7月確定在廣東、遼寧、湖北、陜西和云南五省區(qū)，以及天津等八市開(kāi)展第一批低碳省市試點(diǎn)工作，要求試點(diǎn)省市編制低碳發(fā)展規(guī)劃，制定支持低碳綠色發(fā)展的配套政策，加快建立以低碳排放為特征的產(chǎn)業(yè)體系，建立溫室氣體排放數(shù)據(jù)統(tǒng)計(jì)和管理體系，積極倡導(dǎo)低碳綠色生活方式和消費(fèi)模式等一系列節(jié)能減排的具體任務(wù)。2012年12月，國(guó)家發(fā)展改革委又確定海南省，以及北京等28個(gè)城市為第二批低碳省市試點(diǎn)。在前期經(jīng)驗(yàn)積累的基礎(chǔ)上，國(guó)家發(fā)改委在2017年1月再次確定烏海市等45個(gè)城市開(kāi)展第三批低碳城市試點(diǎn)。以上各批低碳試點(diǎn)政策，均是通過(guò)建立健全低碳發(fā)展制度、推進(jìn)能源優(yōu)化利用、打造低碳產(chǎn)業(yè)體系、推動(dòng)城鄉(xiāng)低碳化建設(shè)和管理，使之引導(dǎo)并形成綠色低碳的生活方式和消費(fèi)模式，引領(lǐng)和示范全國(guó)低碳發(fā)展。盡管低碳試點(diǎn)重心逐步由省區(qū)轉(zhuǎn)向城市，但經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)和區(qū)域位置等特征對(duì)試點(diǎn)政策效果的影響具有共性，且試點(diǎn)工作的最終目的是全面推進(jìn)低碳轉(zhuǎn)型和可持續(xù)發(fā)展，因此，客觀評(píng)估低碳省區(qū)的試點(diǎn)政策效果，有助于積累和推廣省級(jí)層面的低碳建設(shè)經(jīng)驗(yàn)。有鑒于此，作者以“低碳省區(qū)”試點(diǎn)政策為切入點(diǎn)，聚焦探討政府推動(dòng)型低碳建設(shè)在省級(jí)層面的凈碳減排效應(yīng)。在此基礎(chǔ)上值得思考的是：自2010年低碳試點(diǎn)政策實(shí)施至今，試點(diǎn)政策是否有效促進(jìn)了試點(diǎn)省區(qū)的碳減排？該政策對(duì)人均碳排放和碳強(qiáng)度的影響有何差異？碳排放指標(biāo)變化是低碳試點(diǎn)政策帶來(lái)的，還是發(fā)展慣性帶來(lái)的？什么原因?qū)е孪嗤咴诓煌^(qū)間產(chǎn)生截然不同的政策效果？這些問(wèn)題的回答為低碳試點(diǎn)政策的科學(xué)評(píng)估提供量化依據(jù)，也為低碳發(fā)展的政策設(shè)計(jì)和推廣提供經(jīng)驗(yàn)與啟示。

1?文獻(xiàn)綜述

自中國(guó)開(kāi)展低碳試點(diǎn)工作以來(lái)，針對(duì)低碳試點(diǎn)地區(qū)及政策評(píng)價(jià)的研究不斷涌現(xiàn)，其結(jié)論在部分層面達(dá)成共識(shí)。以下分別從研究對(duì)象和研究方法兩個(gè)維度對(duì)以往文獻(xiàn)進(jìn)行梳理。

以低碳試點(diǎn)省區(qū)及城市為研究對(duì)象的文獻(xiàn)主要分三類：①評(píng)估低碳試點(diǎn)政策的直接效應(yīng)，包括對(duì)低碳試點(diǎn)省區(qū)層面[1-3]和城市層面[4-7]的減排效應(yīng)評(píng)價(jià)，以及對(duì)低碳試點(diǎn)城市空氣污染治理效應(yīng)評(píng)價(jià)[8-9]，大部分文獻(xiàn)都認(rèn)為該政策對(duì)碳減排和空氣污染治理產(chǎn)生積極作用。②評(píng)估低碳試點(diǎn)政策的間接效應(yīng)，這類文獻(xiàn)關(guān)注低碳試點(diǎn)政策對(duì)新型城鎮(zhèn)化[10]、外貿(mào)依存度[11]、外商直接投資[12]和企業(yè)技術(shù)創(chuàng)新[13]等方面的政策影響。③分析低碳試點(diǎn)地區(qū)在政策實(shí)施前的碳排放特征，如劉竹等[14]和劉健等[15]分別研究首批試點(diǎn)五省區(qū)在2008年和2009年以前的碳排放情況，丁丁等[16]評(píng)價(jià)前兩批36個(gè)試點(diǎn)城市在2000—2012年的低碳發(fā)展情況，這類文獻(xiàn)不涉及政策實(shí)施前后的對(duì)比，旨在為低碳試點(diǎn)政策實(shí)施提供路徑指引。

低碳試點(diǎn)政策評(píng)價(jià)的研究方法主要分四類：①綜合評(píng)價(jià)差值法，即對(duì)比政策實(shí)施前后的碳排放及能源消費(fèi)軌跡[4-5，17]，或構(gòu)造低碳綜合評(píng)價(jià)指標(biāo)[10，18-19]，對(duì)比政策實(shí)施前后的指標(biāo)差值來(lái)衡量政策效果。該方法可直觀比較低碳指標(biāo)變化，但無(wú)法將非政策因素進(jìn)行剝離。②雙重差分（difference in difference， DID），該方法不僅用于評(píng)價(jià)低碳試點(diǎn)政策的直接效應(yīng)[1，8]和間接效應(yīng)[11-13]，也廣泛用于評(píng)估“大氣十條”政策對(duì)空氣質(zhì)量的影響[20]、清潔發(fā)展機(jī)制的減排效果[21]、經(jīng)濟(jì)集聚對(duì)節(jié)能減排的推動(dòng)[22]等低碳政策效應(yīng)。但DID方法需要假設(shè)實(shí)驗(yàn)組和對(duì)照組特征基本相同，滿足平行趨勢(shì)假定，其應(yīng)用條件較為苛刻，而且DID方法在對(duì)照組的選擇上，或多或少存在選擇性偏誤和內(nèi)生性問(wèn)題。③傾向得分匹配（propensity score matching，PSM）與雙重差分結(jié)合（簡(jiǎn)稱PSM-DID），該方法先采用PSM方法匹配樣本，選取對(duì)照組樣本更加精細(xì)[6，9]，然后再進(jìn)行DID檢驗(yàn)，有效彌補(bǔ)了DID選擇偏誤和內(nèi)生性的問(wèn)題，但PSM-DID在大樣本條件下才能得到最優(yōu)匹配，并且也不能對(duì)非政策因素完全剝離。④為彌補(bǔ)以上研究方法的不足，Abadie等[23-24]提出了合成控制法（synthetic control method，SCM），該方法的優(yōu)點(diǎn)是通過(guò)對(duì)未受政策干擾的樣本進(jìn)行適當(dāng)?shù)木€性組合，構(gòu)造出更好的合成控制樣本，其構(gòu)造過(guò)程是通過(guò)數(shù)據(jù)驅(qū)動(dòng)，避免主觀選擇控制組的隨意性。合成控制法一經(jīng)提出，就被國(guó)外學(xué)者廣泛應(yīng)用，如分析德國(guó)統(tǒng)一對(duì)該國(guó)經(jīng)濟(jì)的影響[25]、《京都議定書(shū)》對(duì)碳排放的作用[26]、控制溫室氣體倡議對(duì)煤改氣的推動(dòng)[27]、歐洲稅制改革對(duì)收入的影響[28]、北京奧運(yùn)會(huì)對(duì)空氣質(zhì)量的改善[29]、南非的控?zé)熜Ч鸞30]、國(guó)際貨幣基金組織對(duì)世界經(jīng)濟(jì)的貢獻(xiàn)[31]、勞動(dòng)力市場(chǎng)改革對(duì)經(jīng)濟(jì)的促進(jìn)[32]等諸多領(lǐng)域。國(guó)內(nèi)較早使用合成控制法的學(xué)者有：王賢彬等[33]聚焦重慶從大四川中分離的經(jīng)濟(jì)效應(yīng)，劉甲炎等[34]評(píng)價(jià)重慶房產(chǎn)稅試點(diǎn)的效果，蘇治等[35]研究通貨膨脹目標(biāo)制對(duì)新興市場(chǎng)國(guó)家通貨膨脹率的影響。近幾年，該方法被廣泛應(yīng)用于各領(lǐng)域的政策評(píng)價(jià)，包括聚焦設(shè)立碳排放交易試點(diǎn)[36]、經(jīng)濟(jì)特區(qū)[37]、上海自貿(mào)區(qū)[38]、國(guó)家綜合配套改革試驗(yàn)區(qū)[39]、經(jīng)濟(jì)區(qū)劃調(diào)整[40]、西部大開(kāi)發(fā)[41-42]等區(qū)域政策的經(jīng)濟(jì)效應(yīng)，也用于評(píng)價(jià)用電階梯定價(jià)[43]、長(zhǎng)三角擴(kuò)容對(duì)水污染的影響[44]、汶川地震的長(zhǎng)期影響[45]等準(zhǔn)自然實(shí)驗(yàn)效果。陸偉賢[2]采用合成控制法對(duì)首批低碳試點(diǎn)省市的碳排放量進(jìn)行分析，認(rèn)為僅有陜西和重慶的碳排放量在政策實(shí)施后顯著降低，這一結(jié)論與作者結(jié)論差異較大。宋德勇等[3]也以該研究方法對(duì)首批試點(diǎn)省市在政策實(shí)施前后的碳排放量進(jìn)行對(duì)比，認(rèn)為低碳試點(diǎn)政策對(duì)除了陜西以外其他省市的碳排放增長(zhǎng)趨勢(shì)產(chǎn)生抑制。以上兩篇文獻(xiàn)均未就低碳試點(diǎn)政策對(duì)碳強(qiáng)度的影響進(jìn)行評(píng)判，而無(wú)論國(guó)家層面的減排目標(biāo)，還是各試點(diǎn)地區(qū)的低碳試點(diǎn)工作實(shí)施方案，都將單位生產(chǎn)總值二氧化碳排放（簡(jiǎn)稱碳強(qiáng)度）降低作為發(fā)展目標(biāo)，這不僅為本地區(qū)經(jīng)濟(jì)增長(zhǎng)留有余地，也使省區(qū)間的政策效果更具可比性。

通過(guò)以上文獻(xiàn)梳理，發(fā)現(xiàn)學(xué)者們?cè)诘吞荚圏c(diǎn)政策評(píng)估中部分觀點(diǎn)達(dá)成一致，但一些結(jié)論仍存在分歧。分歧的原因可能是：第一，研究方法存在樣本選擇偏誤和內(nèi)生性問(wèn)題，包括DID方法對(duì)控制組選擇存在主觀性，PSM-DID方法使用中的樣本數(shù)不足等問(wèn)題，這些方法對(duì)非政策效果的剔除也不完全。第二，低碳試點(diǎn)政策在省區(qū)與城市的實(shí)施范圍及難度是不同的，已有文獻(xiàn)實(shí)驗(yàn)組中既有省區(qū)也有城市，評(píng)估口徑存在不一致。第三，以碳排放量變化還是碳強(qiáng)度變化為評(píng)價(jià)指標(biāo)，其結(jié)果也不相同，前者僅關(guān)注碳排放總量變化，而后者是強(qiáng)度指標(biāo)，不僅考慮了碳排放總量變動(dòng)，也為經(jīng)濟(jì)增長(zhǎng)留有余地。

綜上所述，合成控制法在政策評(píng)價(jià)中具有很多優(yōu)點(diǎn)，但鮮有用其評(píng)價(jià)低碳試點(diǎn)政策對(duì)碳強(qiáng)度影響的分析。本文以“低碳省區(qū)”試點(diǎn)政策為準(zhǔn)自然實(shí)驗(yàn)，采用合成控制法對(duì)非政策因素進(jìn)行剔除，評(píng)估第一、二批共6個(gè)低碳試點(diǎn)省區(qū)的凈碳減排效應(yīng)，其邊際貢獻(xiàn)在于：①刻畫(huà)各省區(qū)人均碳排放和碳強(qiáng)度在政策實(shí)施前后的演變路徑，以“人均碳排放控制有效”“碳強(qiáng)度控制有效”“雙有效”和“無(wú)效”來(lái)劃分各省區(qū)政策效果類別，分析省際政策效應(yīng)異質(zhì)性的原因，特別是對(duì)碳強(qiáng)度的政策效應(yīng)給出明確結(jié)論，為試點(diǎn)地區(qū)經(jīng)濟(jì)增長(zhǎng)留有余地。②僅以省區(qū)作為實(shí)驗(yàn)組和控制組的樣本，不包含直轄市及其他試點(diǎn)城市，保證評(píng)估口徑一致。③安慰劑檢驗(yàn)中，構(gòu)造單側(cè)檢驗(yàn)統(tǒng)計(jì)量，并判斷其顯著性，提升安慰劑檢驗(yàn)結(jié)果的可靠程度。

2?研究設(shè)計(jì)及數(shù)據(jù)來(lái)源

2.1?合成控制法

人均碳排放變化和碳強(qiáng)度變化是評(píng)價(jià)省級(jí)低碳試點(diǎn)政策是否有效的重要指標(biāo)。給定N+1個(gè)省區(qū)在t∈[1， T]期的相關(guān)數(shù)據(jù)，假設(shè)只有第一個(gè)省區(qū)（i=1）在時(shí)點(diǎn)t=T0實(shí)行低碳試點(diǎn)政策，令該省區(qū)為實(shí)驗(yàn)組，并將該組的人均碳排放pc1t和碳強(qiáng)度cg1t統(tǒng)一表示為結(jié)果變量Y1t。將其余N個(gè)未實(shí)施低碳試點(diǎn)政策的省區(qū)劃入控制組，其結(jié)果變量表示為Yjt（j=2，…，N+1）。時(shí)點(diǎn)T0將觀測(cè)期分兩段，t1∈[1， T0]為政策實(shí)施前，t2∈[T0+1，T]為政策實(shí)施后。若合成值1t是假設(shè)實(shí)驗(yàn)組沒(méi)有實(shí)施低碳試點(diǎn)政策的結(jié)果變量，則gap1t=Y1t-1t可表示低碳試點(diǎn)政策給實(shí)驗(yàn)組帶來(lái)的變化，以此衡量政策效果。上式中，Y1t是可以實(shí)際觀測(cè)的，而1t作為反事實(shí)的結(jié)果變量是無(wú)法觀測(cè)的。本文采用Abadie等[23]提出的因子模型估計(jì)1t：

構(gòu)造預(yù)測(cè)誤差均方RMSPE統(tǒng)計(jì)量可以評(píng)價(jià)t1時(shí)期合成值1t與真實(shí)值Y1t之間偏離程度，若RMSPE趨近于0，說(shuō)明^gap1t整體趨近于0，合成值1t是可靠的：

2.2?數(shù)據(jù)來(lái)源

作者選取2000—2017年26個(gè)省區(qū)面板數(shù)據(jù)為研究樣本，將6個(gè)試點(diǎn)省區(qū)視為實(shí)驗(yàn)組，即第一批試點(diǎn)的遼寧、廣東、陜西、湖北和云南，其政策起始時(shí)期設(shè)定為2010年，第二批試點(diǎn)的海南，政策起始時(shí)期設(shè)定為2013年?？紤]到針對(duì)省區(qū)的低碳試點(diǎn)政策對(duì)應(yīng)一攬子相關(guān)措施，所涉及的經(jīng)濟(jì)體量和實(shí)施范圍，與直轄市均有不同，而直轄市的低碳試點(diǎn)更接近低碳城市試點(diǎn)，因此，作者的實(shí)驗(yàn)組不包括北京、上海、天津和重慶。其他20個(gè)省區(qū)（包括河北、山東、吉林、黑龍江、江蘇、浙江、福建、山西、內(nèi)蒙古、河南、安徽、江西、湖南、廣西、四川、貴州、甘肅、青海、寧夏、新疆）視為控制組，西藏因缺失數(shù)據(jù)較多，暫不包含。

（1）結(jié)果變量選取。人均碳排放（pc，單位：t/人）和碳強(qiáng)度（cg，單位：t/萬(wàn)元）作為結(jié)果變量，其中，pc采用單位常住人口的碳排放予以度量，當(dāng)常住人口變動(dòng)很小時(shí)，pc在一定程度上代表了該省區(qū)碳排放總量的變動(dòng);cg采用單位地區(qū)生產(chǎn)總值（2000年不變價(jià)格）的碳排放予以度量，該指標(biāo)不僅考慮了碳排放總量的變動(dòng)，也考慮了經(jīng)濟(jì)發(fā)展的增速。碳排放總量均利用各省區(qū)歷年能源平衡表，采用《2006年IPCC國(guó)家溫室氣體清單指南》關(guān)于固定燃燒源能源消費(fèi)與缺省排放因子相乘的方法計(jì)算而得。

（2）控制變量選取。挑選一系列影響碳減排效應(yīng)的預(yù)測(cè)變量，盡可能全面的找出影響結(jié)果變量的因素。作者在參照以往同類文獻(xiàn)變量選擇的基礎(chǔ)上，經(jīng)過(guò)反復(fù)測(cè)試對(duì)比，最終確定以下6個(gè)指標(biāo)歸入控制變量Zi：①實(shí)際人均地區(qū)生產(chǎn)總值（pgdp，單位：萬(wàn)元），該指標(biāo)代表地區(qū)經(jīng)濟(jì)發(fā)展水平（2000年不變價(jià)格）。②工業(yè)占地區(qū)生產(chǎn)總值比重（pind，單位：%），該指標(biāo)代表產(chǎn)業(yè)結(jié)構(gòu)，工業(yè)占比越高，其碳排放也越高，不利于碳減排。③城鎮(zhèn)化率（ur，單位：%），該指標(biāo)為城鎮(zhèn)人口占總?cè)丝诒戎?，一方面，城?zhèn)化會(huì)引致大量能源消費(fèi)，另一方面，城鎮(zhèn)化會(huì)提高能源利用效率，兩種影響力度與城鎮(zhèn)化所處階段有關(guān)。④火力發(fā)電比重（ees，單位：%），該指標(biāo)是各省區(qū)能源結(jié)構(gòu)的一種衡量，因?yàn)榍鍧嵞茉粗饕汕鍧嶋娏ιa(chǎn)提供，所以火力發(fā)電比重越高，說(shuō)明清潔能源使用程度越低，不利于碳減排。⑤私家車密度（vden，單位：輛/km），該指標(biāo)代表交通發(fā)展水平，現(xiàn)階段私家車仍以燃油汽車為主，私家車密度越高，成品油類消費(fèi)也越高，不利于碳減排。⑥能源強(qiáng)度（ei，單位：tce/萬(wàn)元），采用單位地區(qū)生產(chǎn)總值（2000年不變價(jià)格）的能源消費(fèi)予以度量，能源強(qiáng)度越高，說(shuō)明能源利用效率越低，不利于碳減排。

以結(jié)果變量和控制變量的數(shù)據(jù)為基礎(chǔ)，運(yùn)用Stata15軟件進(jìn)行合成控制分析。

3?低碳省區(qū)試點(diǎn)政策的凈碳減排效應(yīng)

3.1?碳減排發(fā)展趨勢(shì)

圖1展示了各低碳試點(diǎn)省區(qū)人均碳排放和碳強(qiáng)度的真實(shí)走勢(shì)。

人均碳排放變動(dòng)趨勢(shì)有以下特點(diǎn)（見(jiàn)圖1a）：①實(shí)驗(yàn)組省區(qū)和其余20省的均值（以下簡(jiǎn)稱控制組均值）都呈現(xiàn)逐步上升趨勢(shì)，說(shuō)明在人口數(shù)量增速很低的情況下，碳排放總量整體上升。②遼寧的人均碳排放遠(yuǎn)高于其余5個(gè)試點(diǎn)省區(qū)和控制組均值，這與遼寧常住人口較少有關(guān)。③除遼寧外的其余5省區(qū)的人均碳排放都低于控制組均值;海南的人均碳排放最低，廣東、陜西、湖北和云南的該指標(biāo)在2010年之前十分靠近，但其后走勢(shì)顯著分散。④陜西和海南的人均碳排放保持平穩(wěn)上升，而湖北、廣東、云南的該指標(biāo)在2011年后呈現(xiàn)不同程度下降。

碳強(qiáng)度變動(dòng)趨勢(shì)有以下特點(diǎn)（見(jiàn)圖1b）：①總體來(lái)看，2005年后所有省區(qū)的碳強(qiáng)度都呈現(xiàn)下降，且具有收斂的趨勢(shì)。②在實(shí)驗(yàn)組中，湖北、遼寧、陜西和云南的碳強(qiáng)度下降路徑很接近，而廣東和海南的碳強(qiáng)度保持低位且降幅平緩。③在2010年之前，僅有遼寧和云南的碳強(qiáng)度在某段時(shí)期超過(guò)控制組均值，在2010年后，所有實(shí)驗(yàn)組該指標(biāo)都低于控制組均值。

由圖1發(fā)現(xiàn)，部分省區(qū)在試點(diǎn)政策實(shí)施后的結(jié)果變量呈現(xiàn)下降，與控制組均值走勢(shì)不再平行，但由此就判斷該下降是由低碳試點(diǎn)政策帶來(lái)的，這是不夠嚴(yán)謹(jǐn)?shù)摹Ｈ艏僭O(shè)實(shí)驗(yàn)組在同一時(shí)期并沒(méi)有經(jīng)歷低碳試點(diǎn)政策，以合成值與真實(shí)值的差值來(lái)評(píng)價(jià)政策效果更合理，這正是合成控制法的核心思想。

3.2?凈碳減排效應(yīng)分析

3.2.1?合成控制結(jié)果對(duì)比分析

表1和表2分別報(bào)告了基于人均碳排放和碳強(qiáng)度的控制變量對(duì)比情況。比較后發(fā)現(xiàn)，表1中遼寧的實(shí)際人均GDP（pgdp）、海南的工業(yè)占比（pind）、遼寧和廣東的私家車密度（vden），以及這兩個(gè)省區(qū)的能源強(qiáng)度（ei）匹配稍欠理想。表2中海南的工業(yè)占比（pind）、云南和海南的火電比重（ees）、廣東的私家車密度（vden）匹配的差距也略大。除了以上列出指標(biāo)的真實(shí)值與合成值的數(shù)據(jù)特征差距略有欠缺外，其余特征值的真實(shí)值與合成值都很接近。此外，除了遼寧人均碳排放預(yù)測(cè)誤差均方RMSPE為0.481，其余省區(qū)的該指標(biāo)均在0.4以下，說(shuō)明合成控制擬合情況總體較好，控制組依據(jù)這些控制變量可以組合出可靠的實(shí)驗(yàn)組合成樣本。

3.2.2?凈碳減排效應(yīng)測(cè)算

圖2刻畫(huà)了2000—2017年6個(gè)實(shí)驗(yàn)組省區(qū)與合成省區(qū)人均碳排放的演變路徑。圖3描繪了實(shí)驗(yàn)組省區(qū)與合成省區(qū)碳強(qiáng)度的演變路徑。綜合兩個(gè)圖組可以看出，在垂直虛線左側(cè)（政策實(shí)施前），各省區(qū)的真實(shí)值與合成值都非常接近，部分省區(qū)幾乎重疊;在垂直虛線右側(cè)，大多數(shù)省區(qū)的真實(shí)值與合成值逐步偏離，二者的差值即為政策效果^gap1t，亦可計(jì)算平均政策效應(yīng)^gapmean。

聚焦人均碳排放的政策效果（見(jiàn)圖2）可以得出：①遼寧、廣東、云南和海南在低碳試點(diǎn)以后，人均碳排放都呈現(xiàn)明顯下降，其平均政策效應(yīng)分別為-1.057、-1.154、-1.127和-0.487。需要指出的是，廣東人均碳排放在政策實(shí)施前（2007年）就顯著下降了。②湖北人均碳排放平均政策效應(yīng)為-0.448，但該省在2009—2012年反而高于其合成值， 2012年后又大幅下降，這可能與2013年湖北啟動(dòng)碳排放權(quán)交易試點(diǎn)有關(guān)[36]。③陜西的人均碳排放在試點(diǎn)政策后反而高于其合成值，說(shuō)明低碳試點(diǎn)政策對(duì)陜西人均碳排放控制無(wú)效。

聚焦碳強(qiáng)度的政策效果（見(jiàn)圖3）可以得出：①遼寧在政策實(shí)施后，碳強(qiáng)度明顯下降，平均政策效應(yīng)為-0.143。②廣東從2003年起，碳強(qiáng)度就低于合成值，說(shuō)明2010年后廣東的碳強(qiáng)度降低并不是低碳試點(diǎn)政策引起的，而是由其經(jīng)濟(jì)發(fā)展慣性帶來(lái)的。③湖北和云南的碳強(qiáng)度平均政策效應(yīng)分別為-0.175和-0.119，但這兩個(gè)省區(qū)分別在2012年和2014年才低于各自的合成值，說(shuō)明政策效果滯后2～4年才顯現(xiàn)，其中，湖北的碳強(qiáng)度降低可能與碳排放權(quán)交易試點(diǎn)的政策疊加有關(guān)。④陜西和海南的碳強(qiáng)度在低碳試點(diǎn)后反而高于其合成值，平均政策效應(yīng)分別為0.322和0.218，說(shuō)明低碳試點(diǎn)對(duì)這兩個(gè)省區(qū)碳強(qiáng)度的政策效果不理想。

3.3?穩(wěn)健性檢驗(yàn)

3.3.1?安慰劑檢驗(yàn)

作者采用安慰劑檢驗(yàn)（Placebo test）對(duì)合成控制分析的結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。安慰劑檢驗(yàn)是將控制組的20個(gè)省區(qū)都假設(shè)為實(shí)驗(yàn)組，對(duì)每個(gè)省區(qū)各做一次合成控制分析，計(jì)算真實(shí)值Yjt與合成值jt的差值^gapjt，并繪制線性圖。若t2時(shí)期實(shí)驗(yàn)組的^gap1t

來(lái)源于低碳政策試點(diǎn)，則^gap1t的變動(dòng)應(yīng)該遠(yuǎn)大于安慰劑檢驗(yàn)得到的^gapjt。需要說(shuō)明的是，如果t1時(shí)期^gap1t與^gapjt差異較大，即不能很好擬合真實(shí)結(jié)果變量，則t2時(shí)期的差異也可能是擬合不好導(dǎo)致的，與政策實(shí)施無(wú)關(guān)。為了避免擬合誤差太大帶來(lái)的問(wèn)題，本文參照Abadie[24]的做法，在圖4與圖5中剔除了RMSPE值超過(guò)實(shí)驗(yàn)組2倍的控制組省區(qū)。

圖4和圖5分別報(bào)告了人均碳排放和碳強(qiáng)度的安慰劑檢驗(yàn)，圖中黑色線為實(shí)驗(yàn)組的^gap1t，灰色線為控制組安慰劑檢驗(yàn)的^gapjt，若t2時(shí)期黑線的走勢(shì)遠(yuǎn)低于灰線，則說(shuō)明凈碳減排效應(yīng)是顯著的。以往文獻(xiàn)采用排序檢驗(yàn)法[2，34]，計(jì)算t2時(shí)期與t1時(shí)期各樣本RMSPE的比值，即θi=RMSPE.t2i/RMSPE.t1i，并對(duì)θi排序，將超過(guò)實(shí)驗(yàn)組θ1的θj個(gè)數(shù)占控制組總個(gè)數(shù)的比值視為P（θ1），若P（θ1）<0.05，則說(shuō)明^gap1t顯著大于^gapjt，政策效果顯著。但該思路實(shí)質(zhì)為雙側(cè)檢驗(yàn)，將安慰劑檢驗(yàn)線的上下邊緣都包括在內(nèi)。作者僅關(guān)注結(jié)果變量是否降低，即單側(cè)檢驗(yàn)。此外，控制組樣本僅有20個(gè)，再剔除一些擬合不好的樣本，很難滿足常規(guī)統(tǒng)計(jì)量P（θ1）<0.05的顯著性條件。因此依據(jù)本文實(shí)際情況做如下調(diào)整：用下邊沿超過(guò)黑線的灰線數(shù)量除以灰線總條數(shù)（不包含剔除的樣本和黑線本身），以此記為P'（θ1），并將P'（θ1）<0.2作為安慰劑檢驗(yàn)是否顯著的標(biāo)準(zhǔn)，即置信水平調(diào)整為80%。以云南人均碳排放的安慰劑檢驗(yàn)為例（見(jiàn)圖4.e），在t2時(shí)期的大部分時(shí)段，黑線以下的灰線僅有1條，該圖僅剩6條灰線（剔除了14個(gè)省區(qū)），P'（θ1）=1/6=0.167<0.2，說(shuō)明云南人均碳排放下降顯著大于安慰劑檢驗(yàn)的效果，其結(jié)果是穩(wěn)健的。

就人均碳排放來(lái)看（見(jiàn)圖4），遼寧人均碳排放的安慰劑檢驗(yàn)結(jié)果是顯著的（在表4平均政策效應(yīng)值上標(biāo)*），其P'（θ1）=0/18=0<0.2，說(shuō)明該省人均碳排放下降是低碳試點(diǎn)政策帶來(lái)的。云南人均碳排放的安慰劑檢驗(yàn)結(jié)果是顯著的（前文舉例）。廣東、湖北、海南的安慰劑檢驗(yàn)均不顯著，說(shuō)明這些省區(qū)的人均碳排放下降不是由低碳試點(diǎn)帶來(lái)的。低碳試點(diǎn)政策反而推動(dòng)陜西的人均碳排放顯著上升。

就碳強(qiáng)度來(lái)看（見(jiàn)圖5），遼寧在2013年前碳強(qiáng)度的安慰劑檢驗(yàn)結(jié)果是顯著的，其P'（θ1）=1/15=0.067<0.2，湖北在2012年后碳強(qiáng)度的安慰劑檢驗(yàn)結(jié)果也是顯著的，其P'（θ1）=1/8=0.125<0.2。廣東和云南的碳強(qiáng)度下降的安慰劑檢驗(yàn)不顯著。低碳試點(diǎn)政策還顯著推高了陜西和海南的碳強(qiáng)度。

3.3.2?DID檢驗(yàn)及政策凈效應(yīng)再測(cè)算

就原理來(lái)看，合成控制法用于評(píng)價(jià)政策效應(yīng)時(shí)更具優(yōu)勢(shì)，但本文控制組數(shù)量較少，安慰劑檢驗(yàn)顯著性判斷的精確性略有欠缺，因此采用DID方法對(duì)政策效果的顯著性進(jìn)行驗(yàn)證和補(bǔ)充。DID方法設(shè)定如下：

式（7）中，Yit是結(jié)果變量（分別取pcit和cgit）;treat是區(qū)分實(shí)驗(yàn)組和控制組的虛擬變量，實(shí)驗(yàn)組賦值為1，控制組賦值為0;after是區(qū)分政策實(shí)施前后的虛擬變量，政策實(shí)施前賦值為0，政策實(shí)施后賦值為1;交互項(xiàng)treat×after的系數(shù)反應(yīng)低碳試點(diǎn)政策的凈效應(yīng);Z.kit是控制變量，為了使得穩(wěn)健性檢驗(yàn)中，DID檢驗(yàn)結(jié)果和合成控制法的安慰劑檢驗(yàn)結(jié)果可比，DID檢驗(yàn)的控制變量與式（1）中控制變量取值相同，k=1，2，…，6;ui和τt分別為個(gè)體固定效應(yīng)和時(shí)間固定效應(yīng)。需要說(shuō)明的是，由于圖4和圖5的安慰劑檢驗(yàn)對(duì)t1時(shí)期擬合不好的樣本做了剔除，為使DID估計(jì)與安慰劑檢驗(yàn)可比，將剔除次數(shù)較多的5個(gè)省區(qū)（山西、內(nèi)蒙古、貴州、寧夏和新疆）在DID估計(jì)中也剔除，即DID模型控制組調(diào)整為15個(gè)省區(qū)。

人均碳排放的DID估計(jì)顯示（見(jiàn)表3）：①?gòu)V東、湖北和云南的DID平均效應(yīng)分別為-1.15、-0.516和 -1.075， 且均通過(guò)顯著性檢驗(yàn)，表明低碳試點(diǎn)對(duì)這些省區(qū)具有顯著的負(fù)向政策效應(yīng)。②陜西的人均碳排放DID平均效應(yīng)顯著增加，海南該指標(biāo)變動(dòng)不顯著。③遼寧的DID平均效應(yīng)0.676，為顯著增加，這與合成控制分析相反，但遼寧的安慰劑檢驗(yàn)顯示出明確的降低情形。合成控制分析與DID分析的結(jié)論可能在結(jié)果上產(chǎn)生分歧，前者通過(guò)一系列預(yù)測(cè)變量進(jìn)行擬合來(lái)選取對(duì)照組，比后者的對(duì)照組選擇更合理[3];每個(gè)省區(qū)初始人均碳排放及相關(guān)因素都各不相同，對(duì)政策的反應(yīng)快慢、執(zhí)行力度也差異較大，而遼寧的人均碳排放本就遠(yuǎn)高于其他省區(qū)，因此通過(guò)DID分析后得到政策無(wú)效的結(jié)論，而忽視了遼寧自身的政策效果，這可能是DID分析的局限性。因此本文綜合比較后認(rèn)定遼寧的安慰劑檢驗(yàn)結(jié)果是可靠的。

碳強(qiáng)度的DID估計(jì)顯示：①遼寧和湖北的DID平均效應(yīng)分別為-0.223和-0.275，且降幅均顯著。②陜西和海南的DID平均效應(yīng)顯著為正，云南的該指標(biāo)變動(dòng)不顯著。③廣東的碳強(qiáng)度DID平均效應(yīng)顯著增加，這與合成控制分析相反，經(jīng)分析發(fā)現(xiàn)與廣東碳強(qiáng)度提前下降有關(guān)。

綜合對(duì)比DID估計(jì)與安慰劑檢驗(yàn)（見(jiàn)表4），僅有遼寧人均碳排放和廣東碳強(qiáng)度在兩種檢驗(yàn)中變動(dòng)符號(hào)相反，其他省區(qū)政策效應(yīng)變動(dòng)是一致的，說(shuō)明凈碳減排效應(yīng)具有較強(qiáng)的穩(wěn)健性。

3.4?凈碳減排效應(yīng)評(píng)價(jià)及異質(zhì)性分析

3.4.1?凈碳減排效應(yīng)評(píng)價(jià)

人均碳排放是衡量單位常住人口（以下簡(jiǎn)稱人口）碳排放的強(qiáng)度指標(biāo)，若碳排放增速低于人口增速，且在統(tǒng)計(jì)上也顯著，即為“人均碳排放控制有效”。各試點(diǎn)省區(qū)在2000—2017年的人口增速都很低，例如湖北人口年均下降0.06%，遼寧、陜西、云南和海南該指標(biāo)分別上升0.25%、0.3%、0.73%和0.94%，只有廣東人口年均增速最高，也僅為1.51%。因人口增速低，人均碳排放變動(dòng)在一定程度上體現(xiàn)了碳排放總量的變動(dòng)。碳強(qiáng)度是常規(guī)意義的強(qiáng)度指標(biāo)，各省區(qū)在控制碳排放總量過(guò)快增長(zhǎng)的同時(shí)，需要給經(jīng)濟(jì)增長(zhǎng)留一定空間，若碳排放增速低于經(jīng)濟(jì)增速，且在統(tǒng)計(jì)上也顯著，即為“碳強(qiáng)度控制有效”。2000—2017年，各試點(diǎn)省區(qū)的經(jīng)濟(jì)快速增長(zhǎng)，陜西和湖北的年均GDP增速超過(guò)11%，廣東、云南和海南的GDP增速在10%～11%之間，遼寧的GDP增速為9.68%。同理，若人均碳排放和碳強(qiáng)度都顯著下降，則視為“雙有效”。

根據(jù)合成控制分析、安慰劑檢驗(yàn)和DID估計(jì)的綜合判斷，可將6個(gè)低碳試點(diǎn)省區(qū)歸入相應(yīng)類別：①遼寧和湖北的凈碳減排效應(yīng)“雙有效”。其中，遼寧的穩(wěn)健性檢驗(yàn)以安慰劑檢驗(yàn)結(jié)果為準(zhǔn)，認(rèn)定其人均碳排放顯著降低。②廣東和云南“人均碳排放控制有效”，即這兩個(gè)省區(qū)在控制碳排放總量過(guò)快上漲方面卓有成效。③陜西和海南的凈碳減排“無(wú)效”。其中，低碳試點(diǎn)并未有效控制陜西的人均碳排放和碳強(qiáng)度，這與該省工業(yè)比重較高的經(jīng)濟(jì)結(jié)構(gòu)特征密切相關(guān)，這一經(jīng)濟(jì)結(jié)構(gòu)決定了陜西能源消費(fèi)結(jié)構(gòu)中煤炭所占比例遠(yuǎn)高于其余省區(qū)，且在低碳試點(diǎn)后，煤炭比重不降反升，由2010年的70.53%逐步上升到2017年的74.94%，這使得低碳試點(diǎn)政策對(duì)陜西人均碳排放增長(zhǎng)并未起到顯著的抑制作用;海南的能源結(jié)構(gòu)特征與陜西正好相反，并且工業(yè)比重也遠(yuǎn)低于其余各省，因此該省的人均碳排放和碳強(qiáng)度都處于較低水平，碳減排空間很小，碳減排難度較大，低碳試點(diǎn)政策效果不理想。

將以上對(duì)低碳試點(diǎn)省區(qū)凈碳減排效應(yīng)的評(píng)估，與以往同類文獻(xiàn)的結(jié)論進(jìn)行比較。當(dāng)然，不同學(xué)者的預(yù)測(cè)變量選擇、樣本起止時(shí)期和實(shí)驗(yàn)組包含的省區(qū)等各不相同，其結(jié)果存在一定差異，但經(jīng)過(guò)對(duì)比后發(fā)現(xiàn)，部分研究結(jié)論存在一致性。宋德勇等[3]利用合成控制法對(duì)首批低碳試點(diǎn)5省2市在2005—2016年間的碳排放量進(jìn)行分析，發(fā)現(xiàn)試點(diǎn)政策對(duì)除陜西外的6個(gè)省市政策效果顯著，而低碳試點(diǎn)政策對(duì)陜西無(wú)效與該省的能源結(jié)構(gòu)特點(diǎn)密切相關(guān)。該評(píng)估結(jié)果與本文“人均碳排放控制有效”與否的結(jié)論一致，但該文獻(xiàn)未就低碳試點(diǎn)政策對(duì)碳強(qiáng)度降低是否有效做進(jìn)一步研究。

3.4.2?凈碳減排效應(yīng)異質(zhì)性分析

分析各省區(qū)經(jīng)濟(jì)特征后，總結(jié)出凈碳減排政策的有效性受以下四種因素影響：①工業(yè)占地區(qū)生產(chǎn)總值比重越低，越有利于人均碳排放控制;省區(qū)經(jīng)濟(jì)水平越高，即人均地區(qū)生產(chǎn)總值越高，越有利于碳強(qiáng)度控制。以陜西為例，一方面，該省2005—2017年工業(yè)占比在49%～56%之間波動(dòng)，始終高于其他5省區(qū)，這種以工業(yè)為主的經(jīng)濟(jì)結(jié)構(gòu)，決定了能源結(jié)構(gòu)中煤炭的比重較高，該省碳排放總量控制的難度很大，減排成本很高，人均碳排放控制是無(wú)效的;另一方面，經(jīng)濟(jì)水平?jīng)Q定了節(jié)能減排的資金投入規(guī)模，進(jìn)而影響節(jié)能減排技術(shù)推廣與應(yīng)用，最終表現(xiàn)為對(duì)碳強(qiáng)度降低的促進(jìn)程度，陜西人均GDP在試點(diǎn)省區(qū)中處于中等，僅高于海南和云南，陜西的節(jié)能減排資金投入從2010年的82.88 億元逐步增長(zhǎng)到2017年的163.13億元，與同期廣東的239.16 億元上升到433.23 億元的資金投入規(guī)模相比差距很大，節(jié)能減排技術(shù)推廣與應(yīng)用還有很大上升空間，因此碳強(qiáng)度控制不顯著。該因素還能夠解釋云南人均碳排放控制有效，而碳強(qiáng)度控制無(wú)效，即云南2000—2017年工業(yè)占比均未超過(guò)45%，且在2015年后降至40%以下，工業(yè)占比較低有利于碳排放總量控制，因此該省區(qū)人均碳排放控制有效;但云南人均GDP是試點(diǎn)省區(qū)中最低的，節(jié)能減排資金投入水平也比陜西低，碳強(qiáng)度未能顯著降低。遼寧因人口較少，其人均GDP很高，部分年份甚至超過(guò)廣東，而節(jié)能減排資金投入與陜西相近，對(duì)遼寧而言資金投入相對(duì)充足，低碳試點(diǎn)使遼寧碳強(qiáng)度顯著下降。②碳排放權(quán)交易試點(diǎn)政策疊加有效促進(jìn)碳減排。廣東和湖北于2013年啟動(dòng)碳交易試點(diǎn)，采用市場(chǎng)機(jī)制達(dá)到減少碳排放的目的，使這兩個(gè)省區(qū)在控制碳排放總量方面效果顯著[36]，因此湖北凈碳減排效應(yīng)顯示雙有效，對(duì)廣東的人均碳排放控制也有效;需要指出，廣東的碳強(qiáng)度在2010年后也是下降的，但與其經(jīng)濟(jì)發(fā)展和結(jié)構(gòu)調(diào)整慣性的關(guān)系更密切。③政策實(shí)施前，省區(qū)人均碳排放和碳強(qiáng)度指標(biāo)越低，其減排空間越小，減排難度越大。海南的人均碳排放和碳強(qiáng)度指標(biāo)均遠(yuǎn)低于其他試點(diǎn)省區(qū)，因?yàn)楹Ｄ系墓I(yè)占比很低（2008年工業(yè)占比達(dá)到峰值29.8%，到2017年該指標(biāo)為22.33%），且經(jīng)濟(jì)體量較小，減排空間很有限，減排成本很高，因此人均碳排放和碳強(qiáng)度控制均無(wú)效;與之相反，遼寧的人均碳排放，遠(yuǎn)高于其他試點(diǎn)省份，其碳排放下降空間很大，因此在低碳試點(diǎn)政策下人均碳排放顯著降低。④經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的慣性作用能長(zhǎng)效推進(jìn)碳減排。廣東經(jīng)濟(jì)發(fā)達(dá)，由于其地區(qū)生產(chǎn)總值很高，使得碳強(qiáng)度遠(yuǎn)低于其余各省，合成控制分析顯示該省自2003年起碳強(qiáng)度就低于合成值，說(shuō)明該省的低碳建設(shè)起步較早，2010年后的碳強(qiáng)度降低并非是由低碳試點(diǎn)政策帶來(lái)的，而是該省已經(jīng)形成了長(zhǎng)效的低碳發(fā)展機(jī)制，經(jīng)濟(jì)發(fā)展和結(jié)構(gòu)優(yōu)化的慣性作用促進(jìn)該省碳強(qiáng)度不斷走低，成為全國(guó)各省區(qū)低碳發(fā)展的“典范”。

[18]QU Y， LIU Y. Evaluating the low-carbon development of urban China[J]. Environment development & sustainability， 2017， 19（3）： 939-953.

[19]LIN J， JACOBY J， CUI S， et al. A model for developing a target integrated low carbon city indicator system： the case of Xiamen， China[J]. Ecological indicators， 2014， 40（5）： 51-57.

[20]羅知，李浩然.“大氣十條”政策的實(shí)施對(duì)空氣質(zhì)量的影響[J].中國(guó)工業(yè)經(jīng)濟(jì)，2018（9）：136-154.

[21]陳林，萬(wàn)攀兵.《京都議定書(shū)》及其清潔發(fā)展機(jī)制的減排效應(yīng)：基于中國(guó)參與全球環(huán)境治理微觀項(xiàng)目數(shù)據(jù)的分析[J].經(jīng)濟(jì)研究，2019（3）：55-71.

[22]邵帥，張可，豆建民.經(jīng)濟(jì)集聚的節(jié)能減排效應(yīng)：理論與中國(guó)經(jīng)驗(yàn)[J].管理世界，2019，35（1）：36-60，226.

[23]ABADIE A， GARDEAZABAL J. The economic costs of conflict： a case study of the Basque country[J]. American economic review， 2003， 93（1）： 113-132.

[24]ALMER C，WINKLER R，HAINMUELLER J. Synthetic control methods for comparative case studies： estimating the effect of Californias tobacco control program[J]. Journal of the american statistical association， 2010， 105： 493-505.

[25]ALMER C，WINKLER R，HAINMUELLER J.Comparative politics and the synthetic control method[J]. American journal of political science， 2012， 59（2）： 495-510.

[26]ALMER C，WINKLER R.The effect of Kyoto emission targets on domestic CO 2 emissions： a synthetic control approach[J].Social science electronic publishing， 2012，13（1） ： 218-219.

[27]KIM M K， KIM T. Estimating impact of regional greenhouse gas initiative on coal to gas switching using synthetic control methods[J]. Energy economics， 2016， 59： 328-335.

[28]ADHIKARI B， ALM J. Evaluating the economic effects of flat tax reforms using synthetic control methods[J]. Southern economic journal， 2016， 83（2）： 437-463.

[29]ZHANG J， ZHONG C P， YI M. DID Olympic games improve air quality in Beijing：based on the synthetic control method[J]. Collected essays on finance & economics， 2016， 18（1）： 21-39.

[30]CHELWA G， VAN W C， BLECHER E. Evaluating South Africa's tobacco control policy using a synthetic control method[J]. Tobacco control， 2017， 26（5）： 509-517.

[31]NEWIAK M，WILLEMS T. Evaluating the impact of Non-Financial IMF programs using the synthetic control method[J]. Social science electronic publishing， 2017， 17（109）： 1.

[32]ADHIKARI B，DUVAL R， HU B， et al. Can reform waves turn the tide：some case studies using the synthetic control method[J]. Open economies review， 2018， 29： 879-910.

[33]王賢彬，聶海峰.行政區(qū)劃調(diào)整與經(jīng)濟(jì)增長(zhǎng)[J].管理世界，2010（4）：41-53.

[34]劉甲炎，范子英.中國(guó)房產(chǎn)稅試點(diǎn)的效果評(píng)估：基于合成控制法的研究[J].世界經(jīng)濟(jì)，2013（11）：117-135.

[35]蘇治，胡迪.通貨膨脹目標(biāo)制是否有效：來(lái)自合成控制法的新證據(jù)[J].經(jīng)濟(jì)研究，2015，50（6）：74-88.

[36]劉傳明，孫喆，張瑾.中國(guó)碳排放權(quán)交易試點(diǎn)的碳減排政策效應(yīng)研究[J].中國(guó)人口·資源與環(huán)境，2019，29（11）：49-58.

[37]楊經(jīng)國(guó)，周靈靈，鄒恒甫.我國(guó)經(jīng)濟(jì)特區(qū)設(shè)立的經(jīng)濟(jì)增長(zhǎng)效應(yīng)評(píng)估：基于合成控制法的分析[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2017（1）：41-51.

[38]譚文君，崔凡，楊志遠(yuǎn).負(fù)面清單管理模式對(duì)上海自貿(mào)區(qū)服務(wù)業(yè)資本流動(dòng)的影響：基于合成控制法的分析[J].宏觀經(jīng)濟(jì)研究，2019（5）：117-132.

[39]郭金花，郭淑芬.國(guó)家綜合配套改革試驗(yàn)區(qū)設(shè)立促進(jìn)了地方產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化嗎：基于合成控制法的實(shí)證分析[J].財(cái)經(jīng)科學(xué)，2019（8）：69-81.

[40]李國(guó)平，李宏偉.經(jīng)濟(jì)區(qū)規(guī)劃促進(jìn)了西部地區(qū)經(jīng)濟(jì)增長(zhǎng)嗎？：基于合成控制法的研究[J].經(jīng)濟(jì)地理，2019，39（3）：20-28.

[41]莫神星.以低碳消費(fèi)機(jī)制推進(jìn)綠色發(fā)展策略[J].貴州大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2018，36（4）：113-119.

[42]譚周令，程豹.西部大開(kāi)發(fā)的凈政策效應(yīng)分析[J].中國(guó)人口·資源與環(huán)境，2018，28（3）：169-176.

[43]田露露，馮永晟，劉自敏.不同遞增階梯定價(jià)下的政策效果差異：基于定價(jià)結(jié)構(gòu)陡峭程度的研究[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2019（1）：60-75.

[44]趙領(lǐng)娣，徐樂(lè).基于長(zhǎng)三角擴(kuò)容準(zhǔn)自然實(shí)驗(yàn)的區(qū)域一體化水污染效應(yīng)研究[J].中國(guó)人口·資源與環(huán)境，2019，29（3）：50-61.

[45]宋妍，李振冉，張明.自然災(zāi)害對(duì)經(jīng)濟(jì)增長(zhǎng)的長(zhǎng)期間接影響：基于汶川地震災(zāi)區(qū)縣級(jí)數(shù)據(jù)的合成控制法分析[J].中國(guó)人口·資源與環(huán)境，2019，29（9）：117-126.