基于斷點(diǎn)回歸法分析廣東省碳交易試點(diǎn)政策對(duì)碳強(qiáng)度的影響

劉鴻雁，潘晗鈺

（華北電力大學(xué) 經(jīng)濟(jì)管理系，河北 保定 071003）

0 引言

碳排放權(quán)交易體系（Emission trading system，ETS）被認(rèn)為是目前最有效的減少碳排放的環(huán)境政策[1]。我國(guó)ETS建設(shè)起步于地方碳交易試點(diǎn)政策。2011年，北京、天津、上海、重慶、湖北、廣東及深圳7個(gè)省市開展了碳交易試點(diǎn)工作。2013年，這7個(gè)省市先后正式啟動(dòng)碳市場(chǎng)。地方碳市場(chǎng)取得的階段性成果，為全國(guó)碳市場(chǎng)的啟動(dòng)和建設(shè)積累了寶貴的經(jīng)驗(yàn)[2]。

經(jīng)過第一個(gè)履約周期的建設(shè)和運(yùn)行，全國(guó)碳市場(chǎng)已經(jīng)建立起基本的框架制度。與歐盟碳市場(chǎng)相比，我國(guó)碳市場(chǎng)尚處于發(fā)展初期，市場(chǎng)活躍程度和市場(chǎng)成熟程度有待進(jìn)一步提升[3]。地方碳市場(chǎng)的成功經(jīng)驗(yàn)可以為全國(guó)碳市場(chǎng)體系的完善提供參考，所以研究地方碳市場(chǎng)的成功經(jīng)驗(yàn)具有重要意義。

截至2021年，北京、天津、上海、廣東和深圳5個(gè)試點(diǎn)地區(qū)完成了8次履約，湖北和重慶地區(qū)完成了7次履約。由于7個(gè)試點(diǎn)省市的碳排放權(quán)交易方案和市場(chǎng)規(guī)則由各省市政府單獨(dú)設(shè)計(jì)和制定，所以交易存在顯著的異質(zhì)性，不同省市的政策效果也有所不同[4]。

在7個(gè)試點(diǎn)省市中，廣東省碳排放配額總量位居首位，交易量為湖北省的2倍，累計(jì)成交金額連續(xù)7年位居第一。另外，廣東省是全國(guó)首個(gè)進(jìn)行有償配額的省份，其碳市場(chǎng)流動(dòng)性最大[5]。

廣東省碳試點(diǎn)的覆蓋范圍從實(shí)施起就包括了電力、鋼鐵、石化和水泥4個(gè)行業(yè)。電力行業(yè)碳排放量占廣東省碳試點(diǎn)總碳排放量的一半以上，受政策監(jiān)管最為嚴(yán)格[6]。

廣東省碳市場(chǎng)與全國(guó)碳市場(chǎng)相似度高。深入研究廣東省碳市場(chǎng)成功經(jīng)驗(yàn)對(duì)全國(guó)碳市場(chǎng)建設(shè)具有重要意義。

在評(píng)估碳交易政策對(duì)減少碳排放的效應(yīng)方面，目前的主流方法包括斷點(diǎn)回歸法、雙重差分法（Difference in differences，DID）、三重差分法（Difference in differences in differences，DDD）、傾向得分匹配–雙重差分法（Propensity score matching-difference in differences，PSM-DID）和合成控制法（Synthetic control method，SCM），其中后4種算法已廣泛運(yùn)用于評(píng)估碳交易試點(diǎn)政策的實(shí)施效果。

DID是政策效應(yīng)評(píng)估的經(jīng)典方法，其在理論上較為成熟。文獻(xiàn)[7]利用2014—2016年我國(guó)省級(jí)面板數(shù)據(jù)研究發(fā)現(xiàn)，碳交易政策可以有效減少碳排放。文獻(xiàn)[8]針對(duì)我國(guó)省級(jí)面板數(shù)據(jù)，使用DID研究，發(fā)現(xiàn)碳試點(diǎn)可以促進(jìn)低碳發(fā)展。文獻(xiàn)[9]采用連續(xù)型DID并結(jié)合相關(guān)算法，研究發(fā)現(xiàn)試點(diǎn)政策可使試點(diǎn)地區(qū)碳排放強(qiáng)度降低9.5%。

考慮DID在控制組的選擇上具有主觀性，可能造成結(jié)果的偏差，所以部分學(xué)者采用PSM-DID方法選擇最合適的控制組。文獻(xiàn)[10]基于省級(jí)面板數(shù)據(jù)，采用DID和PSM-DID方法評(píng)估了碳交易政策對(duì)碳排放和碳強(qiáng)度的影響。文獻(xiàn)[11]基于我國(guó)102個(gè)主要城市的城市級(jí)數(shù)據(jù)，研究發(fā)現(xiàn)碳交易政策可以有效減少試點(diǎn)城市的碳排放，特別是對(duì)于北京、上海、深圳和廣州等城市。

近來一些文獻(xiàn)通過研究發(fā)現(xiàn)，DDD可以解決DID中平行趨勢(shì)難以滿足的問題。文獻(xiàn)[12]采用DDD研究碳排放交易政策的影響，并發(fā)現(xiàn) SCM適用于實(shí)驗(yàn)組樣本量較小的情況。文獻(xiàn)[13]運(yùn)用合成控制法分析了試點(diǎn)ETS對(duì)試點(diǎn)地區(qū)碳減排的影響，發(fā)現(xiàn)我國(guó)碳交易試點(diǎn)政策具有顯著的碳減排效果。

以上政策評(píng)估方法各具特點(diǎn)。

DID方法要求實(shí)驗(yàn)組和控制組有平行趨勢(shì)；在控制組的選擇上具有主觀性；由于對(duì)控制組中的個(gè)體分配了相同的權(quán)重，所以其結(jié)果存在選擇偏差并且不穩(wěn)健[14]。雖然PSM-DID具有消除控制組和實(shí)驗(yàn)組特征上的系統(tǒng)性差異的優(yōu)勢(shì)，但可能因混合數(shù)據(jù)的個(gè)體–時(shí)間交錯(cuò)而使這一優(yōu)勢(shì)消失[15]20。

DDD的應(yīng)用條件較為苛刻——需要至少找到2個(gè)合適的控制組樣本[15]20。

合成控制法適用于實(shí)驗(yàn)組樣本量較小的情況，且其要求分配的權(quán)重在[0，1]區(qū)間。如果實(shí)驗(yàn)組特征與控制組特征差異較大，則難以找到合適的權(quán)重[16]。

相比于以上這幾種方法，斷點(diǎn)回歸法（Regression discontinuity design，RDD或RD）是因果推斷框架中最可信和最可靠的非實(shí)驗(yàn)策略之一。使用RD可有效避免參數(shù)估計(jì)的內(nèi)生性，可識(shí)別真實(shí)的因果關(guān)系[17]。RD依賴于較弱、更易于解釋的非參數(shù)識(shí)別假設(shè)，可靈活、穩(wěn)健地估計(jì)和推斷局部均值處理效果[18]。此外，RD實(shí)現(xiàn)的假設(shè)相對(duì)更容易被檢驗(yàn)，所以其被認(rèn)為是最接近隨機(jī)實(shí)驗(yàn)的方法，也是當(dāng)前因果識(shí)別中優(yōu)先選擇的方法。

目前，關(guān)于試點(diǎn)ETS減排機(jī)制的研究相對(duì)較少。文獻(xiàn)[19]研究發(fā)現(xiàn)，通過 ETS試點(diǎn)刺激企業(yè)升級(jí)綠色技術(shù)和鼓勵(lì)企業(yè)轉(zhuǎn)移污染可減少污染。文獻(xiàn)[20]發(fā)現(xiàn) ETS通過減少產(chǎn)出來減少碳排放。文獻(xiàn)[21]基于北京和上海的服務(wù)業(yè)數(shù)據(jù)研究了ETS試點(diǎn)對(duì)碳排放的影響機(jī)制。文獻(xiàn)[22]使用PSM-DID和LMDI方法探索了工業(yè)和交通部門的影響機(jī)制。文獻(xiàn)[23]聚焦產(chǎn)業(yè)板塊，研究結(jié)論認(rèn)為我國(guó)碳交易試點(diǎn)通過提高減排效率和調(diào)整產(chǎn)業(yè)結(jié)構(gòu)發(fā)揮作用?？傮w而言，對(duì)我國(guó)ETS試點(diǎn)影響機(jī)制的研究仍然缺乏。

目前相關(guān)文獻(xiàn)所使用的數(shù)據(jù)大多為省級(jí)或市級(jí)數(shù)據(jù)，尚未見使用縣級(jí)數(shù)據(jù)開展的相關(guān)研究工作。

鑒于此，本文采用 RD研究廣東省碳排放權(quán)交易政策的效果及作用機(jī)制；探索碳排放系數(shù)、電能消費(fèi)占比和電能強(qiáng)度對(duì)廣東省碳強(qiáng)度的影響途徑或機(jī)制；結(jié)合縣級(jí)數(shù)據(jù)開展研究，使該領(lǐng)域的研究更加全面。

1 斷點(diǎn)回歸模型

1.1 斷點(diǎn)回歸設(shè)計(jì)

斷點(diǎn)回歸設(shè)計(jì)可以分為精確斷點(diǎn)回歸和模糊斷點(diǎn)回歸，其核心思想是：個(gè)體是否受到處理完全取決于某個(gè)連續(xù)的驅(qū)動(dòng)變量。如果被解釋變量在驅(qū)動(dòng)變量的臨界值附近出現(xiàn)明顯跳躍，則說明存在處理效應(yīng)。

本文采用地理斷點(diǎn)，以各縣到廣東省省界的距離作為驅(qū)動(dòng)變量。各縣是否實(shí)施碳交易試點(diǎn)政策完全取決于其在驅(qū)動(dòng)變量臨界值的哪一側(cè)。廣東省內(nèi)各縣均實(shí)施碳交易試點(diǎn)政策，而其外非試點(diǎn)省市各縣均不實(shí)施政策。所以，本文選用精確斷點(diǎn)回歸估計(jì)碳交易試點(diǎn)政策對(duì)廣東省碳強(qiáng)度的影響。精確斷點(diǎn)回歸的基本模型如下：

式中：i代表各縣；被解釋變量Ci為i的碳強(qiáng)度；模型的核心解釋變量Ti為虛擬變量，Ti=1表示該縣實(shí)施碳交易試點(diǎn)政策，反之Ti=0；Di為各縣到廣東省省界的最短距離；g(Di)為變量Di的多項(xiàng)式函數(shù)；a為常數(shù)項(xiàng)；εi為隨機(jī)誤差項(xiàng)，且假設(shè)為獨(dú)立同分布；Xi為協(xié)變量，包括其他影響碳強(qiáng)度的因素。

根據(jù)文獻(xiàn)[24]，樣本量有限的RD設(shè)計(jì)應(yīng)該選擇局部線性多項(xiàng)式或局部二次多項(xiàng)式來估計(jì)結(jié)果，所以g(Di)可能包括變量的線性項(xiàng)和二次項(xiàng)。

模型中，Ti的系數(shù)b代表了政策在斷點(diǎn)處的邊際影響，即ETS的實(shí)施帶來的碳強(qiáng)度變化。系數(shù)b捕捉了碳交易試點(diǎn)政策對(duì)廣東省碳強(qiáng)度影響的凈效應(yīng)：當(dāng)b顯著為負(fù)時(shí)，說明碳交易試點(diǎn)政策顯著降低了廣東省的碳強(qiáng)度；當(dāng)b顯著為正時(shí)，說明碳交易試點(diǎn)政策顯著提高了廣東省的碳強(qiáng)度；當(dāng)b不顯著時(shí)，說明碳交易試點(diǎn)政策對(duì)廣東省的碳強(qiáng)度影響效果不明顯。

1.2 變量選取與數(shù)據(jù)來源

以廣東省作為研究對(duì)象。廣東省于2013年12月19日正式啟動(dòng)碳排放權(quán)交易政策。按參考文獻(xiàn)[25]劃分方法，選擇2014年作為政策實(shí)施分界線。由于最新的縣級(jí)碳排放數(shù)據(jù)更新到2017年，且2017年后，試點(diǎn)ETS的建設(shè)與國(guó)家碳市場(chǎng)并行運(yùn)行，因此2017年后廣東省碳試點(diǎn)政策產(chǎn)生的影響可能無法清晰識(shí)別[26]，所以：考慮到數(shù)據(jù)的可用性和連續(xù)性，選擇2014—2017年的數(shù)據(jù)進(jìn)行研究。為了避免其他試點(diǎn)省市數(shù)據(jù)的干擾，本文研究對(duì)象為廣東省與其他非試點(diǎn)省市（即北京、天津、上海、重慶、湖北與福建以外的24個(gè)省市）。由于深圳市屬于一個(gè)獨(dú)立的試點(diǎn)市，所以不包含深圳市數(shù)據(jù)。研究的對(duì)象數(shù)據(jù)涵蓋了1 878個(gè)縣；每個(gè)縣的碳排放量數(shù)據(jù)來自中國(guó)碳核算數(shù)據(jù)庫(kù)（CEADs），其他數(shù)據(jù)來源于EPS數(shù)據(jù)庫(kù)和各省市的統(tǒng)計(jì)年鑒。

（1）被解釋變量

碳強(qiáng)度：即單位GDP的二氧化碳排放量。

（2）驅(qū)動(dòng)變量

驅(qū)動(dòng)變量為縣區(qū)到廣東省省界的距離Di。

本文將廣東省省界作為地理分界線。各縣到廣東省省界的距離，通過ArcGIS軟件測(cè)算各縣質(zhì)心到廣東省省界的最短距離得到。廣東省內(nèi)各縣為實(shí)驗(yàn)組，距離取值為正；廣東省外各縣為控制組，距離取值為負(fù)。

（3）核心解釋變量

核心解釋變量為虛擬變量Ti。

在廣東省（不包含深圳市）與其他非試點(diǎn)省市中，如果某縣實(shí)施了碳交易試點(diǎn)政策，則Ti取值為 1；反之為 0。由于將廣東省省界作為地理分界線，所以即為廣東省內(nèi)各縣Ti值取1，反之為0。即：

（4）協(xié)變量

RD可以看作是局部隨機(jī)試驗(yàn)，所以是否在回歸中包含了協(xié)變量并不影響斷點(diǎn)回歸估計(jì)量的一致性。原則上，協(xié)變量在短期內(nèi)不受處理效果影響，但對(duì)被解釋變量有一定解釋力度?？刂茀f(xié)變量可以進(jìn)一步提高估計(jì)的一致性和穩(wěn)健性[27]。

協(xié)變量的連續(xù)性是控制協(xié)變量斷點(diǎn)回歸的一個(gè)前提假設(shè)條件。

本文參照了IPAT模型選取協(xié)變量，其表達(dá)式如下：

式中：I代表環(huán)境壓力；P代表人口；A代表富裕程度；T代表技術(shù)水平。

鑒于相關(guān)研究發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)顯著影響碳強(qiáng)度[28]，所以本文將其考慮在內(nèi)。

因此，如表1所示，本文選擇了4個(gè)協(xié)變量：人口、富裕程度、技術(shù)創(chuàng)新和產(chǎn)業(yè)結(jié)構(gòu)。人口，以各縣的戶籍人口數(shù)來表示；富裕程度，以每個(gè)縣的人均GDP來衡量；研發(fā)強(qiáng)度，即R&D內(nèi)部經(jīng)費(fèi)支出占 GDP的比重，用于表示技術(shù)創(chuàng)新[29]（由于缺乏縣級(jí)層面的技術(shù)數(shù)據(jù)，以各市R&D內(nèi)部經(jīng)費(fèi)支出占GDP的比重代替其下各縣數(shù)據(jù)）。

表1 變量的基本解釋Tab. 1 Basic explanation of variables

為保證數(shù)據(jù)的平穩(wěn)性、削弱多重共線性和異方差性[30]，除距離外的所有變量均采用對(duì)數(shù)形式。

1.3 描述性統(tǒng)計(jì)

表2示出了在斷點(diǎn)任一側(cè)帶寬為1的2個(gè)子樣本（處理組和控制組）的描述性統(tǒng)計(jì)數(shù)據(jù)。由表2可以看到，變量分布在合理的范圍內(nèi)，保證了數(shù)據(jù)的可靠性。由于控制組部分縣市缺乏技術(shù)創(chuàng)新數(shù)據(jù)，所以樣本量略小。

表2 各變量的描述性統(tǒng)計(jì)分析Tab. 2 Descriptive statistics analysis for each variable

2 政策效應(yīng)計(jì)算結(jié)果及分析

2.1 斷點(diǎn)圖分析

驅(qū)動(dòng)變量與碳強(qiáng)度的關(guān)系見圖1。圖1直觀展示出：碳強(qiáng)度在驅(qū)動(dòng)變量的臨界值附近出現(xiàn)跳躍，處理組的碳強(qiáng)度顯著下降。廣東省各縣的碳強(qiáng)度明顯低于廣東省以外的縣，初步說明存在處理效應(yīng)，也初步證明了斷點(diǎn)回歸的適用性。

圖1 廣東省省界處的碳強(qiáng)度斷點(diǎn)圖Fig. 1 Regression discontinuity (RD) plot of carbon intensity at provincial boundaries in Guangdong province

2.2 斷點(diǎn)回歸估計(jì)結(jié)果

應(yīng)用 RD模型時(shí)，需要選擇合理的帶寬和階數(shù)。考慮到樣本的大小和斷點(diǎn)兩側(cè)的數(shù)據(jù)平衡，選擇帶寬1作為參考帶寬?？紤]帶寬0.5所含的樣本量較少，所以選擇帶寬2進(jìn)行穩(wěn)健性檢驗(yàn)?；貧w結(jié)果見表3。

表3 廣東省試點(diǎn)政策對(duì)廣東碳強(qiáng)度影響的回歸結(jié)果Tab. 3 Regression results of ETS pilot policy on carbon intensity in Guangdong

由表3可以看出，政策因素顯著降低了處理組的碳強(qiáng)度。當(dāng)帶寬為1且未添加協(xié)變量時(shí)，處理效果為–0.406，即處理組的碳強(qiáng)度相比于控制組平均下降了 0.406；控制協(xié)變量后的處理效果為–0.378，與未加入?yún)f(xié)變量的估計(jì)結(jié)果相近。當(dāng)帶寬為2時(shí)，不控制和控制協(xié)變量的處理效果分別為–0.427和–0.390，與帶寬為1時(shí)的結(jié)果相近。這說明，結(jié)果具有穩(wěn)健性，斷點(diǎn)回歸設(shè)計(jì)是有效的。從表3還可以看出，產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳強(qiáng)度有顯著的正向影響，而人口和人均GDP對(duì)碳強(qiáng)度有顯著的負(fù)向影響。當(dāng)帶寬為1時(shí)，技術(shù)創(chuàng)新對(duì)碳強(qiáng)度有顯著的正向影響；帶寬為2時(shí)，技術(shù)創(chuàng)新對(duì)碳強(qiáng)度沒有顯著影響。

2.3 逐年回歸分析

為了考察廣東省碳試點(diǎn)政策減排效果以及減排機(jī)制在時(shí)間維度上的異質(zhì)性，參考文獻(xiàn)[31]的做法，進(jìn)行逐年回歸分析。按照式（1）分別建立2014—2017年4個(gè)回歸方程，分析政策實(shí)施在各年的減排效果及減排機(jī)制。

圖2為2014—2017年各年碳強(qiáng)度與驅(qū)動(dòng)變量之間的斷點(diǎn)圖。

圖2 2014—2017年碳強(qiáng)度在廣東省省界處的斷點(diǎn)圖Fig. 2 Regression discontinuity (RD) plot of carbon intensity at provincial boundaries in Guangdong province from 2014 to 2017

從圖2可以看出，這4年碳強(qiáng)度均在臨界值處出現(xiàn)跳躍，存在明顯的斷點(diǎn)。表4展示了不同帶寬下，2014—2017年的逐年回歸結(jié)果。表4中，第4列結(jié)果為系數(shù)b。從表4可以看到，各年處理效果均顯著為負(fù)；這說明，政策因素顯著降低了處理組碳強(qiáng)度。

表4 2014—2017碳試點(diǎn)政策對(duì)碳強(qiáng)度影響的RD估計(jì)結(jié)果Tab. 4 RD estimation results of the impact of ETS pilot policy on carbon intensity from 2014 to 2017

表5展示了帶寬為1且包含協(xié)變量的具體回歸結(jié)果。表5數(shù)據(jù)同樣表明，碳試點(diǎn)政策的實(shí)施總體上降低了控制組的碳強(qiáng)度。從表5還可以看出，除了2014年外，技術(shù)創(chuàng)新對(duì)碳強(qiáng)度沒有顯著影響；產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳強(qiáng)度有顯著的正向影響；人口和人均GDP對(duì)碳強(qiáng)度有顯著的負(fù)向影響。

表5 2014—2017廣東省試點(diǎn)政策對(duì)碳強(qiáng)度影響的回歸結(jié)果Tab. 5 Regression results of ETS pilot policy on carbon intensity in Guangdong province from 2014 to 2017

表4和表5顯示出，2014—2017年各年的處理效果顯著，與帶寬和是否加入?yún)f(xié)變量無關(guān)。表5中，2016年與2017年處理效果相比于前2年在顯著性水平上略弱；這表明，政策效應(yīng)在各年之間存在差異。由于ETS政策具有一定的指令和控制特征，因此，包括中央政府、地方政府和相關(guān)企業(yè)在內(nèi)的各方在前2年對(duì)這項(xiàng)政策的積極性和重視度都比較高；政策實(shí)施一段時(shí)間后，隨著各方對(duì)該政策的關(guān)注淡化，政策效果減弱[32]。

3 穩(wěn)健性檢驗(yàn)

3.1 有效性檢驗(yàn)

使用RD時(shí)需要滿足2個(gè)假設(shè)：局部隨機(jī)化假設(shè)和協(xié)變量的連續(xù)性假設(shè)。

第一個(gè)假設(shè)認(rèn)為：經(jīng)濟(jì)個(gè)體無法精確操作驅(qū)動(dòng)變量。采用地理斷點(diǎn)，則不存在某個(gè)縣由于碳交易試點(diǎn)政策而事前人為劃出或劃入廣東省的情況，符合局部隨機(jī)化假設(shè)條件。

第二個(gè)假設(shè)是為了避免捕捉到其他協(xié)變量的斷點(diǎn)效應(yīng)。要求：除了碳交易試點(diǎn)政策外，其他協(xié)變量在邊界線附近都連續(xù)，即在分界線附近不存在跳躍現(xiàn)象。協(xié)變量的連續(xù)性檢驗(yàn)結(jié)果如圖3。

圖3 協(xié)變量的連續(xù)性檢驗(yàn)Fig. 3 Continuity tests for covariates

圖3顯示，2014—2017年的產(chǎn)業(yè)結(jié)構(gòu)、人均GDP和戶籍人口數(shù)均在分界線處連續(xù)，沒有明顯斷點(diǎn)，而技術(shù)創(chuàng)新在2016和2017年似乎存在跳躍。通過回歸結(jié)果進(jìn)一步判斷，結(jié)果見表6。表6中數(shù)值是協(xié)變量各年連續(xù)性檢驗(yàn)結(jié)果的顯著性水平，即P值。例如：產(chǎn)業(yè)結(jié)構(gòu)的2014年回歸結(jié)果的P值為0.941，大于0.1，說明2014年產(chǎn)業(yè)結(jié)構(gòu)在分界線處沒有斷點(diǎn)。表6顯示，各協(xié)變量在分界線處均未出現(xiàn)斷點(diǎn)，滿足連續(xù)性假設(shè)。

表6 協(xié)變量連續(xù)性檢驗(yàn)的回歸結(jié)果顯著性Tab. 6 Significance levels for regression results of continuity tests for covariates

3.2 安慰劑檢驗(yàn)

將驅(qū)動(dòng)變量Di減去、加上 0.3，分別作為新的驅(qū)動(dòng)變量；設(shè)置假的分界線，作為安慰劑斷點(diǎn)，以檢驗(yàn)是否有不可觀測(cè)變量干擾結(jié)果[33]。采用線性或二次多項(xiàng)式[34]，計(jì)算結(jié)果如表7所示。

表7 改變斷點(diǎn)位置的回歸結(jié)果Tab. 7 Regression results with different changing break point position

表7顯示，在2014—2017各年中，安慰劑斷點(diǎn)的處理效果都不顯著；這說明，碳交易試點(diǎn)政策確實(shí)是廣東省碳強(qiáng)度降低的重要因素，由此排除了不可觀測(cè)變量干擾結(jié)果的可能性，也證明結(jié)果的穩(wěn)健性。

3.3 敏感性分析

前面的計(jì)算采用的是參數(shù)估計(jì)方法[35]。

本節(jié)采用 2種非參數(shù)方法，即用均方誤差（Mean square error，MSE）和覆蓋誤差率（Coverage error rate，CER）來選擇帶寬，并分別采用線性和二次多項(xiàng)式對(duì)模型進(jìn)行階數(shù)和帶寬的穩(wěn)健性檢驗(yàn)，結(jié)果如表8所示。

表8 不同帶寬和階數(shù)下的斷點(diǎn)回歸結(jié)果Tab. 8 RD results with different bandwidths and orders

表8中，2014—2017年每年的不同帶寬和階數(shù)下的處理效果相似，且均顯著，說明結(jié)果穩(wěn)健。以2014年為例：根據(jù)MSE和CER方法，階數(shù)為線性時(shí)，每一側(cè)的最佳帶寬分別為 1.369和0.940；這說明選取帶寬為 1合理。不同帶寬選取方式下的處理效果接近，均在–0.5左右，且P值接近于0，均顯著；這說明不同帶寬選擇方法下的結(jié)果穩(wěn)健可靠。當(dāng)多項(xiàng)式為二階時(shí)，處理效果也顯著為負(fù)，且相近；這證明不同階數(shù)的結(jié)果也穩(wěn)健。

4 減排機(jī)制分析

探討廣東省碳強(qiáng)度降低的原因、試點(diǎn)政策降低碳強(qiáng)度的機(jī)制，具有重要的意義。

一個(gè)縣碳強(qiáng)度的降低可以歸因于4個(gè)因素，即碳排放系數(shù)、電能消費(fèi)占比的倒數(shù)、電能強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)。碳排放系數(shù)越低，電能消費(fèi)占比越高，碳強(qiáng)度就越低。受到發(fā)電的燃料構(gòu)成的影響，碳強(qiáng)度和電能強(qiáng)度之間的關(guān)系并不確定。

4.1 技術(shù)創(chuàng)新

波特假說認(rèn)為：設(shè)計(jì)良好、執(zhí)行有力的環(huán)境政策可以大大刺激技術(shù)創(chuàng)新。表6結(jié)果顯示技術(shù)創(chuàng)新在分界線連續(xù)，這說明試點(diǎn)和非試點(diǎn)地區(qū)在技術(shù)創(chuàng)新方面沒有明顯的差異。因此，廣東省試點(diǎn)政策并不影響企業(yè)以技術(shù)創(chuàng)新帶動(dòng)減少碳排放。與文獻(xiàn)[36]結(jié)果一樣，本文認(rèn)為波特假說在中國(guó)的ETS試點(diǎn)中并不存在。

文獻(xiàn)[37]指出：要刺激綠色技術(shù)的發(fā)明和推廣，環(huán)境政策必須具備5個(gè)特性：靈活性、發(fā)生率、深度、嚴(yán)格性和可預(yù)測(cè)性。可預(yù)測(cè)性是指企業(yè)可以預(yù)期政策（如配額分配的規(guī)則）在未來的不確定性程度。嚴(yán)格程度通常由碳排放權(quán)價(jià)格表示；價(jià)格越高，嚴(yán)格程度越高。

中國(guó)的試點(diǎn) ETS不能滿足嚴(yán)格性和可預(yù)測(cè)性。首先，碳排放權(quán)自由分配阻礙了低碳技術(shù)的創(chuàng)新[38]；其次，樣本期間廣東省的碳排放權(quán)價(jià)格較低，是政策充分發(fā)揮作用的一個(gè)障礙。表9顯示，在2014—2017年期間碳價(jià)不斷下降，從2014年的46.19元/t下降到2017年的14.09元/t。因此，較低的碳價(jià)格應(yīng)該是造成技術(shù)創(chuàng)新缺失的原因。此外，波特假說的缺失表明廣東省試點(diǎn)ETS的改進(jìn)潛力很大。

表9 2014—2017年廣東省碳排放權(quán)價(jià)格Tab. 9 Price of carbon emission exchange in Guangdong province from 2014 to 2017

文獻(xiàn)[39]認(rèn)為，ETS政策并不能刺激所有類別的創(chuàng)新，而是有偏向的創(chuàng)新誘導(dǎo)。一些研究將低碳或綠色技術(shù)研發(fā)投資與其他一般投資區(qū)分開。如，文獻(xiàn)[40]發(fā)現(xiàn)，環(huán)境監(jiān)管主要是鼓勵(lì)綠色技術(shù)創(chuàng)新而不是非綠色創(chuàng)新。因此，有一種可能是廣東省ETS刺激了綠色技術(shù)創(chuàng)新或綠色研發(fā)投資，但減少了其他非綠色研發(fā)投資，所以對(duì)整體研發(fā)的影響不大。文獻(xiàn)[41]發(fā)現(xiàn)，環(huán)境監(jiān)管促進(jìn)了綠色技術(shù)的發(fā)展，擠壓了非綠色技術(shù)的發(fā)展；因此，對(duì)整個(gè)技術(shù)創(chuàng)新沒有出現(xiàn)明顯的影響。然而，由于缺乏縣級(jí)的綠色和非綠色研發(fā)支出數(shù)據(jù)，無法進(jìn)一步檢驗(yàn)這一假設(shè)。

4.2 產(chǎn)業(yè)結(jié)構(gòu)

表5結(jié)果顯示，產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳強(qiáng)度有顯著正向影響，第二產(chǎn)業(yè)比例的下降可以降低碳強(qiáng)度。比例下降意味著產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整和升級(jí)，這與許多研究一致。文獻(xiàn)[42]發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)可以通過調(diào)整產(chǎn)業(yè)結(jié)構(gòu)的不平衡來減少碳排放。

圖3顯示，產(chǎn)業(yè)結(jié)構(gòu)在2014—2017年的分界點(diǎn)均連續(xù)。這表明試點(diǎn)地區(qū)和非試點(diǎn)地區(qū)在產(chǎn)業(yè)結(jié)構(gòu)上沒有明顯差異，廣東省ETS并沒有引起明顯的產(chǎn)業(yè)結(jié)構(gòu)變化。這與文獻(xiàn)[43]觀點(diǎn)一致：廣東省ETS并沒有促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)。原因分析：首先，環(huán)境法規(guī)會(huì)對(duì)產(chǎn)業(yè)結(jié)構(gòu)的升級(jí)產(chǎn)生重大影響，但這只是從長(zhǎng)期來看[44]；因此，短期內(nèi)，處理組和控制組的產(chǎn)業(yè)結(jié)構(gòu)可能沒有明顯的差異。其次，中國(guó)的其他城市和縣區(qū)也在嚴(yán)格淘汰高耗能和高碳的產(chǎn)業(yè)和產(chǎn)能，這可能導(dǎo)致廣東省和其他地區(qū)間沒有明顯的差異。

4.3 碳排放系數(shù)

由于無法獲得縣級(jí)的能源消費(fèi)數(shù)據(jù)，所以采用市級(jí)的能源消費(fèi)量來推算碳排放系數(shù)。圖4顯示了各縣的碳排放系數(shù)與驅(qū)動(dòng)變量之間的關(guān)系。在圖4中，2014—2017年，碳排放系數(shù)在分界點(diǎn)上都表現(xiàn)出明顯的跳躍性，處理組的碳排放系數(shù)遠(yuǎn)低于對(duì)照組；這說明，廣東省碳交易試點(diǎn)政策降低了其碳排放系數(shù)。

圖4 碳排放系數(shù)斷點(diǎn)圖Fig. 4 Regression discontinuity (RD) plot of carbon emission coefficient

表10顯示，2014年的處理效果為–0.977，這說明廣東各縣的碳排放系數(shù)相對(duì)于非試點(diǎn)縣要低0.977。2014—2017年的處理效果均顯著，而且非常相似；這說明廣東省的碳排放系數(shù)顯著低于非試點(diǎn)縣。

表10 碳交易試點(diǎn)政策對(duì)碳排放系數(shù)影響的RD估計(jì)結(jié)果Tab. 10 RD estimation results for the policy effect on carbon emission coefficient

碳排放系數(shù)降低，主要有2方面原因。

首先是減排技術(shù)的發(fā)明和使用。

隨著企業(yè)不斷采用更先進(jìn)、更清潔的技術(shù)，單位能耗的碳排放量會(huì)減少。然而，新的低碳技術(shù)只有在大量研發(fā)投資的情況下才能出現(xiàn)。由于沒有發(fā)現(xiàn)廣東省比非試點(diǎn)地區(qū)的企業(yè)研發(fā)投資更多，因此，這些企業(yè)很可能是采用中國(guó)現(xiàn)有的技術(shù)而不是通過技術(shù)自主研發(fā)來減少排放，并將履約成本降到最低[45]。廣東省試點(diǎn)ETS沒有成功地激勵(lì)節(jié)能減排新技術(shù)的發(fā)明。然而，只有綠色技術(shù)的創(chuàng)新或發(fā)明（而不是采用）才能擴(kuò)大一個(gè)國(guó)家的技術(shù)集合，而新技術(shù)的發(fā)明比其采用更重要[46]；因此，廣東省應(yīng)該更好地設(shè)計(jì)其政策，以鼓勵(lì)企業(yè)進(jìn)行更多的清潔能源研發(fā)投資。

其次是能源替代。

用清潔能源替代污染性能源。能源替代可以減少碳排放。在過去幾年中，廣東省積極發(fā)展清潔能源。2014—2017年，其清潔能源占比為30%左右，而同期全國(guó)的平均水平是17%～20.8%。碳排放系數(shù)的下降反映了廣東省清潔能源的發(fā)展和能源結(jié)構(gòu)的轉(zhuǎn)變。

因此，清潔能源的發(fā)展和已經(jīng)存在的節(jié)能減排技術(shù)的應(yīng)用，有助于降低廣東省的碳排放系數(shù)，這可能是廣東省碳強(qiáng)度下降的一個(gè)機(jī)制。

4.4 電能消費(fèi)占比

圖5顯示，2014—2017年，電能消費(fèi)占比均在分界線上出現(xiàn)跳躍，處理組的電能消費(fèi)占比高于控制組。表11顯示，在0.1的顯著性水平上，2014—2017年各年處理效果均顯著為正；這說明試點(diǎn)地區(qū)電能消費(fèi)占比顯著高于非試點(diǎn)地區(qū)。2014—2017年，試點(diǎn)地區(qū)和非試點(diǎn)地區(qū)的電能消費(fèi)占比具有明顯差異；該結(jié)果與實(shí)際情況一致。廣東省是用電大省。2014—2017年，廣東省終端能源消費(fèi)總量中，電力占比高達(dá) 50%；一次電力及其他能源占比約為 25%，而全國(guó)平均比例僅為 12%左右?？梢?，廣東省能源消費(fèi)量中電能消費(fèi)占比高于全國(guó)水平，所以這可能是廣東省碳交易政策生效的機(jī)制之一。

表11 碳試點(diǎn)政策對(duì)電能消費(fèi)占比影響的RD估計(jì)結(jié)果Tab. 11 RD estimation results for the policy effect on the proportion of power in total energy consumption

圖5 電能消費(fèi)占比的斷點(diǎn)圖Fig. 5 Regression discontinuity (RD) plot of the proportion of power in total energy consumption

4.5 電能強(qiáng)度

各縣的電能強(qiáng)度斷點(diǎn)圖如圖6所示。由圖6可以看出，各年電能強(qiáng)度在分界線上都表現(xiàn)出明顯的跳躍性；這表明廣東省試點(diǎn)政策應(yīng)該導(dǎo)致了廣東省電能強(qiáng)度的增加。

圖6 電能強(qiáng)度斷點(diǎn)圖Fig. 6 Regression discontinuity (RD) plot of power consumption intensity

表12顯示，2014—2017年，處理效果均顯著為正，且處理效果的P值幾乎為零；這進(jìn)一步驗(yàn)證了廣東省的電能強(qiáng)度相對(duì)于非試點(diǎn)縣明顯提高。

表12 碳交易試點(diǎn)政策對(duì)電能強(qiáng)度影響的RD估計(jì)結(jié)果Tab. 12 RD estimation results for the policy effect on power consumption intensity

碳強(qiáng)度和電能強(qiáng)度之間的關(guān)系取決于發(fā)電的燃料構(gòu)成。如果電力全部由清潔能源產(chǎn)生，則電能強(qiáng)度越高，碳強(qiáng)度越低。同樣地，如果越來越多的電力由清潔能源產(chǎn)生，則電能強(qiáng)度越高，碳強(qiáng)度越低。

雖然核電并不完全清潔，但從碳排放較少的意義上看，是相對(duì)清潔的。廣東省擁有全國(guó)最多的核電站，核電約占廣東省總發(fā)電量的 20%。同時(shí)，廣東省是全國(guó)最著名的小水電大省，已建小水電站數(shù)量居全國(guó)第一，裝機(jī)容量居全國(guó)第三。此外，廣東省充分利用各種清潔能源，如風(fēng)能、太陽(yáng)能、地?zé)崮軄戆l(fā)電。由于其在清潔能源發(fā)電方面的持續(xù)投資和發(fā)展，預(yù)計(jì)到2030年底，廣東省或?qū)⒊蔀槿珖?guó)海上風(fēng)電裝機(jī)容量最大的省份。這些都為廣東省的清潔能源發(fā)電做出了貢獻(xiàn)。

此外，廣東省電力的30%來自“西電東送”，主要是清潔能源電力。在廣東省本地發(fā)電結(jié)構(gòu)中，火力發(fā)電占70%，另外30%主要為核電和水電等清潔能源。因此，可以粗略地計(jì)算出：清潔能源電力在廣東省的電力消費(fèi)中約占 51%。由于廣東省不斷提高電力中清潔能源電力的占比，所以電能強(qiáng)度越高，碳強(qiáng)度就越低。

廣東省不斷用電力替代煤炭等其他能源，用清潔能源電力替代化石燃料能源電力。文獻(xiàn)[47]發(fā)現(xiàn)，廣東省ETS通過能源結(jié)構(gòu)調(diào)整和優(yōu)化的渠道減少了碳排放。因此，清潔能源替代和清潔能源結(jié)構(gòu)優(yōu)化應(yīng)該是廣東省碳強(qiáng)度下降的一個(gè)最重要原因。

5 減排機(jī)制檢驗(yàn)

用逐步回歸法對(duì)3個(gè)可能的機(jī)制，即碳排放系數(shù)、電能消費(fèi)占比和電能強(qiáng)度進(jìn)行檢驗(yàn)。逐步回歸法基本模型如下：

式中：Mi分別代表3個(gè)中介變量，其他變量與前文含義相同。

如果系數(shù)β1、β2、β3均顯著，則說明存在中介效應(yīng)；如果系數(shù)β1顯著而系數(shù)β2或β3不顯著，則繼續(xù)通過sobel檢驗(yàn)做進(jìn)一步判斷；若sobel結(jié)果顯著，則說明具有中介效應(yīng)，反之沒有。

5.1 碳排放系數(shù)

表13中，各年的第2行結(jié)果顯示出政策對(duì)碳排放系數(shù)的處理效應(yīng)顯著為負(fù)，說明政策與碳排放系數(shù)顯著負(fù)向相關(guān)，即政策抑制了處理組的碳排放系數(shù)。表13中，各年第3行結(jié)果顯示碳排放系數(shù)對(duì)碳強(qiáng)度有顯著正向影響，即碳排放系數(shù)越低則碳強(qiáng)度越低。中介效應(yīng)各年均顯著。該結(jié)果表明，碳排放系數(shù)是碳試點(diǎn)政策降低廣東省碳強(qiáng)度的機(jī)制之一。

表13 碳排放系數(shù)的中介效應(yīng)回歸結(jié)果Tab. 13 Regression results of mediating effects of carbon emission coefficients

5.2 電能消費(fèi)占比

表14中結(jié)果顯示：政策對(duì)電能消費(fèi)占比的處理效應(yīng)在 2014—2016年不顯著，2017年顯著為正；至少在2017年，廣東省各縣的電能消費(fèi)占比顯著高于控制組。2017年中介效應(yīng)顯著，而2014—2016年中介效應(yīng)經(jīng)過 sobel檢驗(yàn)，顯著性分別為0.82、0.47和0.26，均大于0.1，中介效應(yīng)不顯著。這說明，2014—2016年，電能消費(fèi)占比并非政策降低廣東省碳強(qiáng)度的中介變量之一，僅在2017年起部分中介效應(yīng)。

表14 電能消費(fèi)占比的中介效應(yīng)回歸結(jié)果Tab. 14 Regression results of mediating effects of the proportion of power in total energy consumption

5.3 電能強(qiáng)度

表15中結(jié)果顯示，政策對(duì)電能強(qiáng)度的處理效應(yīng)顯著為正，廣東省各縣的電能強(qiáng)度顯著高于控制組。表15結(jié)果表明：2014—2016年中介效應(yīng)顯著；2017年經(jīng)過sobel檢驗(yàn)顯著性為0.22，中介效應(yīng)不顯著。該結(jié)果說明，前3年，電能強(qiáng)度是政策降低廣東省碳強(qiáng)度的中介變量之一，而2017年電能強(qiáng)度不再起中介效應(yīng)。

表15 電能強(qiáng)度的中介效應(yīng)回歸結(jié)果Tab. 15 Regression results of mediating effects of power consumption intensity

6 結(jié)論與建議

本文基于中國(guó)縣級(jí)數(shù)據(jù)，運(yùn)用RD，研究了廣東省碳交易試點(diǎn)政策對(duì)廣東省碳強(qiáng)度的影響及其作用機(jī)制，并得出以下結(jié)論。

首先，廣東省碳試點(diǎn)政策促使廣東省各縣的碳強(qiáng)度明顯降低。其次，根據(jù)逐年回歸結(jié)果，發(fā)現(xiàn)2014—2017年政策效應(yīng)均顯著；這表明碳試點(diǎn)政策對(duì)其碳強(qiáng)度下降做出了貢獻(xiàn)。第三，機(jī)制分析表明，廣東省碳試點(diǎn)政策從本質(zhì)上影響了3個(gè)渠道——碳排放系數(shù)、電能消費(fèi)占比和電能強(qiáng)度；但是，各年機(jī)制并不相同：碳排放系數(shù)各年均發(fā)揮了中介效應(yīng)作用；電能消費(fèi)占比僅在2017年發(fā)揮了中介效應(yīng)；電能強(qiáng)度在2014—2016年起到中介作用，而2017年不再起中介作用。

總體而言，認(rèn)為廣東省碳試點(diǎn)通過清潔能源替代和能源結(jié)構(gòu)優(yōu)化與轉(zhuǎn)型發(fā)揮了作用。最后，計(jì)算結(jié)果不支持波特假說，碳試點(diǎn)政策沒有促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)以減少碳排放。

根據(jù)以上研究結(jié)果，對(duì)地方試點(diǎn)市場(chǎng)和全國(guó)碳市場(chǎng)建設(shè)提出以下政策建議。

首先，地方碳市場(chǎng)和全國(guó)碳市場(chǎng)應(yīng)該提高碳交易政策的嚴(yán)格性和確定性，使企業(yè)的研發(fā)投資得到明顯提升，特別是能源技術(shù)和低碳技術(shù)的研發(fā)投資。同時(shí)，分配給企業(yè)的碳排放配額應(yīng)該逐步減少，讓更多的配額通過拍賣的方式分配。除了政策的嚴(yán)格性，還應(yīng)該提高政策的確定性，向企業(yè)提供更多關(guān)于未來政策趨勢(shì)的信息；這樣，企業(yè)可以根據(jù)日益嚴(yán)格的政策來調(diào)整其生產(chǎn)和投資。如果政策存在很大的不確定性，企業(yè)就不太可能調(diào)整其投資決策。第二，建議政策制定者不僅要強(qiáng)調(diào)推廣新的節(jié)能減排技術(shù)，而且要強(qiáng)調(diào)這些技術(shù)的研發(fā)。只有清潔技術(shù)的創(chuàng)新或發(fā)明（而不是采用）才能擴(kuò)大一個(gè)國(guó)家的技術(shù)集合。第三，我國(guó)通過清潔能源開發(fā)、清潔能源替代和能源結(jié)構(gòu)轉(zhuǎn)型來減少碳排放的潛力巨大。因此，建議我國(guó)加快清潔能源（如風(fēng)能和太陽(yáng)能）的開發(fā)和利用以及能源結(jié)構(gòu)的轉(zhuǎn)型。清潔能源發(fā)電和電氣化也是實(shí)現(xiàn)碳減排和碳中和的良好渠道。

展望：數(shù)據(jù)的缺乏限制了對(duì)變量的選擇，特別是在研究影響機(jī)制方面。例如，雖然在廣東省沒有發(fā)現(xiàn)對(duì)波特假說的支持，但這并不是波特假說不存在的充分理由，這可能是由于缺乏更詳細(xì)的數(shù)據(jù)。有一種可能性是，廣東省 ETS刺激了綠色技術(shù)創(chuàng)新或綠色研發(fā)投資，但減少了其他非綠色研發(fā)投資，因此對(duì)整體研發(fā)的影響并不明顯。然而，由于沒有足夠的縣級(jí)綠色和非綠色研發(fā)支出的數(shù)據(jù)，無法驗(yàn)證這是否屬實(shí)。預(yù)計(jì)未來會(huì)有更好的數(shù)據(jù)資源用于更深入的研究，從而得出更深入的結(jié)果。