碳排放權交易提高了城市全要素碳排放效率嗎？

王建林 宋蒙 趙佳佳

摘?要：減碳措施一般會帶來總產出的降低，因此有必要從全要素效率的角度評估減碳政策。本文構建了一個方向距離函數模型，允許各決策單元有不等的減排因子，擴大了生產可行集的范圍，同時采用了內生的方向向量，避免在選擇方向向量時過于主觀?；谶@一模型本文重新測算了城市層面全要素碳排放效率，并實證分析碳交易政策對其的影響，研究發現，試點政策能夠提高城市全要素碳排放效率；中介效應表明，試點政策會通過產業結構和綠色創新等途徑提高城市碳排放效率；異質性分析發現，試點政策對于高行政等級和人口規模較大城市的碳排放效率影響更明顯。因此，應擴大政策試點范圍、鼓勵產業結構優化、推廣綠色技術創新、制定因地制宜的試點政策等進一步提升碳排放權交易制度的綠色發展效應。

關鍵詞：碳排放權交易試點；全要素碳排放效率；方向距離函數；非期望產出；中介效應

中圖分類號：F42；X51??文獻標識碼：A??文章編號：1001-148X（2024）01-0071-11

收稿日期：2023-09-05

作者簡介：王建林（1979—），男，河北晉州人，教授，博士，研究方向：碳金融；宋蒙（2000—），女，江西九江人，碩士研究生，研究方向：能源經濟；趙佳佳（1979—），女，吉林通榆人，副研究員，博士，研究方向：公共經濟學。

基金項目：遼寧省社會科學規劃基金項目“遼寧省財政環保資金的利用效率評估和對策設計”，項目編號：L18BJY024；遼寧省教育廳高?；究蒲许椖俊皹O端天氣對遼寧農業生產效率影響與應對策略研究”，項目編號：JYTMS20230657；東北財經大學2022年度省級以上科研平臺研究能力提升專項“煤炭企業合并中的公平審查研究：數據包絡分析的新視角”，項目編號：PT-Y202213。

一、引言與文獻綜述

根據歐盟的經驗，碳排放權交易市場被認為是減少碳排放量、控制化石能源消耗量的最有效的手段。中國在2011年開始了碳排放權交易市場的籌備工作，在2013年確定了7個碳排放權交易試點地區，截至2022年10月，碳排放配額成交量達（CEA）196億噸，成交額超過85億元。這一新興的市場激勵型政策受到學者們的廣泛關注，最近的文獻探討了國內碳排放權交易政策對碳排放量［1］、能源消費［2］、全要素生產率［3］、創新［4］、產業結構的影響［5］，這些研究證實了碳排放交易會通過市場激勵減少碳排放量，促進低碳技術的創新和投資等。但是任何減碳措施都是雙刃劍［6］，碳排放交易政策也不可避免地會推高經濟成本并降低總產出，如果減碳的經濟成本較高，那么這種政策就難言效率。

現有研究主要從單要素和全要素兩個角度計算碳排放效率，前者主要是比較碳排放量與GDP或者能源消耗量計算碳排放效率［7］，但單要素效率僅能考慮兩個變量的比值，指標構建不全面。后者主要是通過各種參數模型（SFA）或者非參數模型（DEA）來計算碳排放效率，由于考慮了較多的投入和產出指標，全要素碳排放效率能更為客觀。SFA方法需要預設模型的生產函數，如果誤設了函數形式，那么測算結果會產生較大偏差。非參數的DEA方法則不要預設函數形式，目前使用DEA模型測算全要素碳排放效率更為流行，Charnes等和Banker等分別提出了CCR和BCC模型，他們的研究奠定了DEA模型的基礎，但是這些DEA模型忽略了非徑向松弛，Tone提出了一個被稱為SBM的方法，同時考慮了輸入輸出項的松弛量。除了從國家或者區域的角度研究碳排放效率，一些學者還關注了特定行業的碳排放效率，如Ren等（2020）［8］，這些研究結論表明雖然我國特定行業碳排放效率總體保持增長趨勢，但不同區域存在明顯差異。

理論研究一般支持碳交易市場能夠促進碳排放效率的提高，例如Buckley（2004）［9］分析了兩種不同的碳排放交易方式，上限主導的和績效主導的，發現上限主導比績效主導的碳排放交易能夠更好地促進碳排放效率的提高。經驗研究文獻大多運用雙重差分法、可計算一般均衡模型以及合成控制法來評估碳交易政策效果。一些對于中國的研究表明，碳排放權交易能激勵低碳技術的研發，進而降低碳排放強度提高碳排放效率［10］。盡管如此，也有研究認為碳排放交易是把雙刃劍，在減碳的同時會降低社會福利水平［11］。另一部分學者則對其的減碳效果持懷疑態度，發現并非所有的碳排放交易試點區域都達到了預期效果［12］。

早期文獻在刻畫帶有碳排放等非期望產出的環境生產前沿時，直接將非期望產出看作投入物，但是它違背了物質守恒定律（law?of?mass?conservation），因為有限的投入物理上只能產生有限的產出，將非期望產出模擬為投入，意味著可以生產無窮的非期望產出，這在理論上是不可接受的。還有一種既不把非期望產出看成投入，也不把它看作普通的產出，而是使用弱可處置假設刻畫非期望產出［13］，這一方法假設通過降低期望產出來降低非期望產出，不允許單獨降低非期望產出，它比前面的方法刻畫的生產可行集更為合理，因此得到了廣泛的應用，國內也有部分采用這一方法［14］。這一模型不足之處是假設減排因子是相同的，沒有給出合理的經濟學解釋［15］。

本文構建了一個方向距離函數模型，在已有模型基礎上改進了生產可行集和方向向量。其中生產可行集借鑒了Kuosmanen（2005）［15］提出的弱可處置處理方法，允許各決策單元有不等的減排因子（non-uniform?abatement?factors）。傳統的弱可處置性DEA模型施加了相同減排因子的假設（uniform?abatement?factors），盡管模型易于求解，但缺乏經濟學含義。方向向量則借鑒了Arabi等（2015）［16］等的做法，通過松弛計算內生的方向向量，它能夠客觀給出各個決策單元向前沿移動的最優方向，相比之下，?Chung等（1997）［13］等人主觀地將方向向量選擇為觀測值，容易高估效率?；谏鲜龈倪M的模型，我們測算了中國城市層面的全要素碳排放效率，檢驗了中國碳排放權交易政策的效果，期望得出更加穩健的結果。

二、理論分析與研究假說

（一）碳排放權交易制度對碳排放效率的影響機制

首先，碳排放權交易試點可能會通過調整產業結構來提升碳排放效率。碳排放權交易政策是碳減排手段之一，高排放企業需要向低排放企業購買剩余的碳配額以履行其減排任務，購買碳配額會增加企業生產成本。當成本大于收益時，企業有兩種選擇：一是退出市場，二是進行產業轉型。退出市場使得此前投入的成本將變成沉沒成本，一般企業不會輕易退出市場，而是通過各種途徑減少減排成本。為了實現利益最大，高污染高排放企業會向低碳行業、大數據產業、清潔能源、集約型等新型行業轉型，原來的高排放經濟活動將逐步退出市場，從而提高碳排放效率。國內有學者就產業結構是否對碳排放效率產生影響進行了研究，范新號（2023）實證得出我國產業結構高級化能使得我國碳排放強度下降335%［17］。因此，本文提出以下假說：

H1：產業結構在碳交易市場對碳排放效率提升的過程中具有顯著的中介效應。

其次，碳排放權交易可能會通過綠色創新來提升碳排放效率。一是推行碳排放權交易初期，企業預期未來碳價上漲，加上較高的沉沒成本，因此不會輕易退出市場，有可能選擇進行綠色創新；二是有剩余碳排放權配額的企業可在市場上有償出售其配額，這些收益可以用于開發更先進的技術；三是綠色技術創新是波特假說中實現環保和經濟共贏的重要手段，雖然短期內創新活動需投入大量成本，但從長期來看綠色技術創新能提高企業生產效率，增加的經濟收益能抵消甚至超出前期的投入成本，而碳排放效率正是衡量環境和經濟兩個層面的指標?；诖?，本文提出以下假說：

H2：碳交易市場能通過激勵綠色創新提高碳排放效率。

（二）?碳排放權交易制度對碳排放效率影響的異質性

城市行政等級帶來的異質性主要體現在：首先，行政等級越高，政府對市場經濟的宏觀調節能力越強，促進產業結構升級的權限越大［18］，對于新型產業的發展享有更大的審批權，產業結構布局更符合本級政府的戰略定位。其次，高行政等級城市憑借更好的公共服務，更高的資本回報和更好的就業機會吸引各種要素流入，有利于各種要素的優化利用，提高碳排放效率，相反，低行政等級城市由于公共服務不足，對要素的吸引力不夠［19］?；诖?，本文提出以下假說：

H3：碳排放權交易制度對高行政級別城市碳排放效率的提升幅度高于低行政級別城市。

現有研究認為城市人口規模增加并非簡單導致碳排放量增加［20］。城市人口規模影響的異質性主要體現在：人口規模越大，越有利于形成勞動力蓄水池、知識和技術的溢出，為企業進行綠色技術創新提供了人力資本和技術條件；人口規模越大，能源利用和交通方式會得到改變，在寒冷冬季，人口規模大的北方城市能提高供暖效率，減少能源損失；此外，只有人口規模超過一定門檻的城市才會建設地鐵等公共軌道交通，這有利于城市交通碳排放效率的提高［21］。因此，本文提出以下假說：

H4：碳排放權交易制度對人口規模大的城市碳排放效率的提升幅度高于人口規模小的城市。

三、方法與數據

（一）碳排放效率

本文提出了一個內生方向距離函數模型用于計算碳排放效率，該模型改進了以往模型中的環境生產可行集和方向向量，使得模型假設和計算結果更為合理。設x為投入，一般包括資本、勞動兩種投入；y為期望產出，一般為GDP；b為非期望產出，本文為碳排放，如果用產出集刻畫環境生產技術P（x）={（y，b）|x?can?produce?（y，b）}，那么它需要滿足以下三個公理性假設：第一，投入和產出的強可處置性，即如果有x′x，那么P（x）P（x′）；如果（y，b）∈P（x），同時y′

P（x）=（y，b）∑nj=1λjxjx，?∑nj=1θjλjyjy，???∑nj=1θjλjbj=b，??∑nj=1λj=1，?λj0，??0θj1，??j=1，…，n（1）

Kuosmanen（2005）［15］的方法的優勢在于考慮了更多觀測值的凸組合，這些組合仍能夠滿足公理性假設，因此這一生產可行集要大于Fre等（1993）［22］給出的生產可行集。

Chung等（1997）［13］針對環境生產前沿提出了一個全要素方向距離函數模型，該模型得到廣泛應用，他們將方向向量選擇為觀察值，等比例最大化期望產出，同時等比例最小化投入以及非期望產出。這樣設定的一個好處是可以保證“單位不變性”，同時η可以解釋為改進的比例，這一模型被稱為徑向方向距離函數模型?；贙uosmanen（2005）［15］的生產可行集，Chung等（1997）［13］的全要素方向距離函數模型如下：

max?η??s.t.?∑nj=1λjxjmxom－ηxom，??m=1，…，M

∑nj=1θiλjyjsyos+ηyos，?s=1，…，S

∑nj=1θiλjbjk=bok－ηbok，?k=1，…，K

∑nj=1λj=1，λj0，0θj1，?j=1，…，n??（2）

上述模型由于主觀地設置方向向量而存在缺陷，許多學者認為有多種方式設置方向向量，而將其設為觀察值會導致效率被高估［23］。我們參考Arabi等（2015）［16］、Fre等（2015）［22］、王建林等（2017）［24］的方法，基于松弛值選擇方向得出一個相對客觀的方向向量。該模型因方向向量可通過模型解得，故被命名為內生方向距離函數模型。假設方向向量為g，在Kuosmanen（2005）［15］的生產可行集基礎上構造的內生方向距離函數模型如下：

max?η??st?∑nj=1λjxjmxom－ηgm，??m=1，…，M

∑nj=1θiλjyjsyos+ηgs，?s=1，…，S

∑nj=1θiλjbjk=bok－ηgk，?k=1，…，K

∑Mm=1xom+∑Ss=1yos+∑Kk=1bok=∑Mm=1gm+∑Ss=1gs+∑Kk=1gk

∑nj=1λj=1，?λj0，?0θj1，?j=1，…，n??（3）

上述模型的未知變量有η、θ、λ、g，其中涉及未知變量相乘，是一個非線性規劃模型。求解這個模型，可以參考Kuosmanen（2005）［15］、王建林等（2017）［24］的做法，首先將其線性化，然后再使用線性規劃方法求解，限于篇幅我們不再展開線性化步驟和計算代碼可以向作者索取。。這里的η是最大可壓縮量，其值越大，說明實際觀測到的碳排放距離最優碳排放越遠，相應的碳排放效率越低。因此，為了便于應用，我們構建了如下的效率指標：

Eff=11+η（4）

效率指標Eff介于0和1之間，當改進潛力為0時，效率Eff=1，此決策單元為相對最有效率的決策單元，當改進潛力大于0時，效率Eff<1，此決策單元為相對無效率的決策單元。

（二）計量模型

我們首先基于上述碳排放效率模型計算了碳排放效率Eff，然后運用Tobit-DID模型估計碳交易試點政策對城市碳排放效率的影響效果?？紤]到被解釋變量是通過非參數DEA方法計算的，其取值由于介于0到1之間而受到限制，使用常規的回歸方法進行分析，會產生較大的估計偏差，因此選取專門處理數值受到限制的Tobit回歸模型進行回歸分析。多期Tobit-did模型如下：

Effit=α0+α1TreatitPostit+βControlit+γt+ui+εit（5）

其中，i和t分別代表地級市和年份；Treat為城市分組變量，若城市進行碳交易試點，取為1，反之取為0；Post為時間分組變量：2013年試點省市，其在2009—2013年取0、2013—2019年取1（2016年試點省份同理）；Control為控制變量組；γ為時間固定效應；ui表示城市固定效應；εit表示隨機擾動項；因此，本文構建了包含城市個體和時間雙固定效應的隨機效應模型，并主要觀察Treat和Post的交互項系數來估計碳交易試點政策對城市碳排放效率的因果效應。

在計算被解釋變量城市碳排放效率Eff時，我們將中國各個地級市的資本存量、勞動作為投入要素，地區生產總值GDP作為期望產出，二氧化碳排放量作為非期望產出。其中資本存量數據以固定資產投資為基礎，采用永續盤存法核算：

kt=it/pt－（1－σt）kt－1（6）

其中，k、?i、?p和σ分別指資本存量、固定資產投資、固定資產價格指數和折舊率，其中折舊率設定為5%。勞動投入用各個城市私營個體就業人員數和非私營單位就業人員數之和表示。地區生產總值根據GDP增長指數進行平減。

核心解釋變量為地級市是否實行了碳排放權交易政策（TreatPost），影響碳排放效率的因素眾多，根據已有文獻的研究，選取了以下控制變量：（1）經濟發展水平（Economy），本文選取人均GDP表示，當其在EKC曲線拐點之前時，隨著經濟發展水平提高，對環境的污染越大；但經濟發展充分地區可能處在EKC拐點之后，隨著經濟發展水平提高，由于居民環保意識強、城市科創能力高，越有利于環保。（2）產業結構（Secondary），本文選取第二產業GDP和城市GDP的比值表示，該比值越高說明對能源越依賴。（3）外向程度（FDI），選用當年實際利用外資金額的對數代表外向程度，控制這一變量是因為考慮到“污染避難所效應”。（4）能源消費強度（Intensity），能源消費強度選取單位GDP全社會居民用電量表示，能源強度越低，能源利用率越高，越有利于提升城市碳排放效率［25］。（5）人口密度（Population），用單位面積的人口數來表示，人口聚集的地方，一般民眾的環保參與度較高，本文預期城市人口集聚對碳排放效率的影響作用為正。（6）技術創新能力（Patent），用城市當年獲得的發明專利數表示，當技術偏向于綠色創新時，碳排放量能顯著減少，但當技術只注重提高生產率，就會導致產出大規模擴張，不利于減排。

（三）數據來源及處理

本文的研究對象是地級市，由于城市樣本數據存在缺失，如果全部刪掉這些樣本就會損失大量數據，對此，我們采用以下策略處理：如果某一個樣本的某一個變量的缺失值數量超過了該變量所有觀測值的20%，那么直接刪掉該樣本；如果某變量的缺失值數量低于該變量所有觀測值的20%，就保留該樣本，缺失值采用線性插值法補齊，最終得到245個地級市2009—2019年的不平衡面板數據，共計2695個觀測值。2013年6月起，碳排放權交易先后在7個省市試點北京、天津、上海、重慶、湖北、廣東和深圳。，2016年10月福建省納入試點范疇。為了研究方便，我們將深圳市合并到廣東省?？紤]到直到2013年我國第一個碳交易市場才正式成立，因此選用2013年作為第一批碳交易政策時點，福建省于2016年試點，所以福建省的Post項在2016年前賦值為0，之后Post賦值為1；除福建省外的試點省市其Post項在2013年前賦值為0，在2013年之后賦值為1。為了消除異方差，本文對六個控制變量取對數。由于西藏、港澳臺地區的數據缺失嚴重，故樣本中不包含其在內。大部分數據來自中經網統計數據庫（Statistical?database?of?China?economic?network，?CEIdata），碳排放數據來自中國碳排放核算數據庫（China?emission?accounts?and?datasets）。變量的描述性統計見表1。

可以看到，實驗組城市的碳排放效率的均值為0641，大于控制組的均值0598，因此碳排放權交易試點政策可能促成了這一結果。同時，實驗組城市的人均GDP的均值也大于控制組，一般來講經濟發展水平與居民環保意識和創新能力正相關，也可以解釋實驗組較高的碳排放效率，我們還看到，實驗組城市的人口密度的均值也比控制組大。城市碳排放效率是多種因素綜合的結果，為了檢驗碳排放權交易試點政策的效果，我們必須借助嚴格計量經濟模型。

四、實證結果分析

（一）基準回歸

基準回歸結果如表2所示。列（1）顯示了未加入控制變量的結果，列（2）—（7）顯示了逐一添加6個控制變量時的結果，TreatPost項系數都在1%的顯著性水平上顯著為正。人均GDP、外商直接投資、人口密度和專利授權數這4個控制變量對城市碳排放效率有顯著的正向影響，這表明這些因素對“雙碳”目標的實現起到重要的作用，因此在基礎回歸中不應遺漏這些變量。第二產業產值占比會對城市碳排放效率產生負面影響，偏重的二產結構會導致城市碳排放增加，不利于低碳經濟的實現和碳減排，這一結果與多數學者的結果一致［26］。列（5）能源消費強度Intensity的系數，沒有統計學意義，說明其不是影響城市碳排放效率的核心因素。列（8）顯示在加入6個控制變量后，TreatPost項系數仍顯著為正，數值略小于列（1）的系數。表明碳交易試點政策能夠在一定程度上促進城市碳排放效率的提升，提升幅度大約26%。

（二）平行趨勢檢驗

使用雙重差分法之前需要檢驗碳交易政策試點前，試點城市和非試點城市的碳排放效率是否呈現穩定的變化趨勢。本文借鑒曹清峰（2020）［27］事件研究法的做法，設定如下計量模型來檢驗碳交易試點政策的碳排放效率提升效應：

Effit=α0+∑6k－4，k≠－4αkDkit+λZit+υi+μt+εit（7）

其中，Dkit代表碳交易試點政策這一事件的虛擬變量。假定城市i碳交易試點年份為yi，令k=t－yi；當k=－3，－2，…，4，5，6時，相應的Dkit=1，否則為0。在具體的回歸分析中，為了解決多重共線性問題，將基準期定為政策實施前第三年，因此式（7）中不包括D－3it這個虛擬變量。通過比較參數αk的經濟意義和統計顯著性就可以檢驗國家碳交易試點政策效應的時間變化趨勢。為了檢驗碳交易試點政策對我國城市碳排放效率影響是否滿足平行趨勢假設，圖1報告了變量Dk的估計系數結果置信區間為95%。?？梢园l現，碳交易試點政策實施之前的兩年，置信區間都穿越了系數為0的水平線，這表明系數全部不顯著且碳交易試點前城市碳排放效率并無顯著差異；但是碳交易試點之后一直到設立后第六年，置信區間沒有穿越水平線，說明系數全部顯著且試點城市和非試點城市間碳排放效率差異程度逐漸增大，這表明平行趨勢假設滿足，使用DID方法研究碳排放權交易政策是否提高了我國城市碳排放效率是可行的。從碳交易試點第一年開始，直到設立后的第六年，碳交易試點都顯著促進了我國城市碳排放效率。

（三）穩健性檢驗

考慮到碳交易政策試點后，各控排企業從投入綠色技術創新到創新取得成效都需要一定時間，因此政策效果往往存在時滯性。為了識別這一效果，我們將交互項和控制變量都滯后一期，研究其對碳排放效率的影響。如果滯后一期TreatPost項系數依然顯著為正，則說明本文結論穩健。表3列（1）是不加入滯后一期控制變量的結果，列（2）是加入6個滯后一期控制變量的結果，無論加入與否，滯后一期碳交易試點政策都顯著提升了試點城市的碳排放效率，說明碳交易試點政策的確存在時滯性。

在估計碳交易試點對城市碳排放效率的影響過程中，不可避免地會受到其他政策影響的干擾，從而高估或者低估碳交易試點政策的效應。為了識別和解決這一問題，本文搜索了樣本期內發生的其他政策事件。除了碳排放權交易試點政策以外，我國在2010年啟動、分批試點的低碳城市以及創新型城市試點政策［28］都被證明會影響試點地區的碳排放效率。為識別這些影響，本文在基準回歸模型中加入低碳城市和創新型城市試點政策的年份虛擬變量Lowcarbon、Inno_policy。如果加入兩個虛擬變量后交互項系數不顯著，則表明本文結論不穩??；如果加入兩個虛擬變量后交互項系數顯著，說明碳交易政策效果存在，本文估計結果可信。表4列（1）和列（2）分別是排除低碳城市試點和創新型城市試點影響后的回歸結果，可以看出，在剔除相關政策的影響后，核心解釋變量Treatpost的估計系數依然在1%的顯著性水平上顯著為正，證明本文基礎回歸結果可信。

DID方法容易存在“選擇性偏差”，即無法確保實驗組和控制組在政策執行前具備相同的個體特征。本文涵蓋了全國范圍內的245個地級市樣本，樣本間地域、經濟差異較大，顯然會存在很大的個體差異。另外，盡管雙重差分法分離出了碳排放權交易試點政策的平均處理效應，但是該項政策并非嚴格意義上的自然實驗，所以仍然可能導致在觀察數據方面存在選擇性偏差（Selection?effect）問題。因此，本文利用傾向得分匹配法（PSM）匹配試點城市和非試點城市，匹配變量是本文6個控制變量（外商直接投資水平、人均GDP、能源消耗強度、人口密度、專利授權數、第二產業產值占比）。隨后再次使用Tobit-DID進行回歸，表5展示了PSM-DID方法處理后的回歸結果，列（1）是未加入控制變量的結果，列（2）是加入6個控制變量的結果，無論加入控制變量與否，碳排放權交易試點政策都顯著提升了試點城市的碳排放效率，表明本文的結論具有穩健性。

盡管我們盡可能地控制了樣本城市的諸多特征，但是仍然會有其他未知因素干擾Tobit-DID的回歸結果，本文進一步進行安慰劑檢驗。首先進行針對個體的安慰劑檢驗，先隨機挑選一批城市作為虛假試點城市，再進行Tobit-DID回歸，觀測交互項是否顯著。具體而言，本文對所有245個地級市進行了500次抽樣，每次抽樣隨機選出44個城市作為虛擬實驗組，其余201個城市作為控制組按模型進行回歸。交互項的核密度分布如圖2所示，大多數抽樣估計樣本的TreatPost項系數的z值的絕對值都在0左右，說明碳交易試點政策在這些隨機抽樣中無顯著效果，即該政策效果是穩健的。

在以上穩健性檢驗的基礎上，本文進一步進行針對時間的安慰劑檢驗，通過人為設定一個虛假的碳交易試點時間點，對其碳排放效率提升效應進行檢驗。福建省下轄的城市以2013年和2014年作為假設的政策試點時間，其他城市以2010年和2011年作為假設的政策試點時間，再次進行Tobit-DID回歸。如果交互項的系數顯著，表明碳交易試點政策之外的其他因素影響碳排放效率；如果系數不顯著，則說明碳交易試點政策確實是我國城市碳排放效率提升的主要原因。檢驗結果如表6所示，列（1）顯示將碳交易試點的時間提前3年（即試點年份為2010年、2013年）的結果，交互項的系數不具有統計顯著性，列（2）顯示將碳交易試點的時間提前2年（即試點年份為2011年、2014年）的結果，交互項的系數也不具有統計顯著性，證明城市碳排放效率的提升的確是碳交易試點政策帶來的。

本文還剔除一些特殊樣本以證明基礎回歸結果穩健。（1）2013年試點的7個省市中，北京、上海、深圳是經濟實力靠前的三大城市，“十二五”期間一些嚴格的節能減排政策也在北上深執行，由此會對碳交易市場政策效果產生干擾；（2）重慶是8個試點省市中唯一一個處于西部的直轄市，碳交易政策效果也可能受到西部地區經濟發展的特殊性影響；（3）福建省不同于其他試點省市，于2016年才試點，可將其從總樣本中剔除，確保研究結果可信。結果如表7所示：在剔除上述樣本后，TreatPost項系數依然顯著為正，進一步證明本文結論可靠性。

（四）機制分析

本文設計了“碳排放權交易試點政策—中介變量—城市碳排放效率”的鏈式結構驗證機制。第一步，檢驗鏈式結構前半部分“碳排放權交易試點政策—中介變量”，即國家碳排放權交易政策Treat×Post對中介變量M的影響，相關模型構建如下：

Mit=α0+α1Treatit×Postit+βControlit+γt+ui+εit（8）

第二步，檢驗鏈式結構后半部分“中介變量—城市碳排放效率”，即中介變量M對城市碳排放效率Eff的影響，相關模型構建如下：

Effit=α2+α3Mit+β1Controlit+γt+ui+εit（9）

本文首先采用第三產業GDP和城市GDP的比值表示產業結構優化，用Third表示。產業結構效應的檢驗結果如表8列（1）和列（2）所示。列（1）中Treat×Post的系數在顯著為正，說明碳排放權交易試點政策提高了第三產業比重，促進產業結構升級，這一研究結果與劉滿鳳和程思佳（2022）［5］的研究結果一致。列（2）中顯示，中介變量Third影響碳排放效率的系數顯著為正，說明第三產業占比的上升顯著提高了城市的碳排放效率，即產業結構升級能夠顯著提高城市碳排放效率?？梢?，碳交易試點政策能夠通過優化產業結構進而提升城市全要素碳排放效率，驗證了假設H1。

其次，本文采用各城市當年的綠色專利授權數量表示綠色創新能力，用Green表示。綠色創新效應的檢驗結果如表9列（1）和列（2）所示。列（1）中Treat×Post項的系數在1%的顯著性水平上顯著為正，表明碳交易試點政策能夠顯著增加城市綠色專利授權數量。對此的一個解釋是，碳排放權交易政策對各試點省市的重點污染企業能夠形成減排目標約束，根據“波特假說”，合理的環境約束政策下，污染企業會自主進行生產技術的低碳綠色革新。列（2）報告了綠色創新對城市碳排放效率影響的回歸結果，結果顯示，綠色創新中介變量Green的系數在1%的顯著性水平上顯著為正，說明綠色專利授權數量的增加顯著提高城市碳排放效率，這與企業投入資源進行綠色技術研發的目的是一致的，綠色專利運用到實際生產中，提高能源利用率，在保證產出不變的前提下減少碳排放量，進而提升城市碳排放效率?？梢?，存在著“碳排放權交易試點政策—綠色創新—城市碳排放效率”的鏈式結構，碳交易政策能夠通過激勵企業綠色創新進而提升城市碳排放效率，驗證了假設H2。

（五）異質性分析

直轄市、省會城市和副省級城市調動資源的能力要高于其他一般地級市，碳排放權交易試點政策的效果是否會因城市行政等級的不同而不同？為了探討這個問題，本文參考徐佳和崔靜波（2020）［29］的研究，在基準回歸模型的基礎上加入了行政等級虛擬變量High，如果城市i是高行政等級城市高行政等級城市：是指直轄市、省會城市或副省級城市。，那么Highi=1；否則，Highi=0。通過設置三重差分變量Treat×Post×High，構建三重差分模型（DDD）：

Effit=α0+α1Treatit×Postit×Highi+βControlit+γt+ui+εit（10）

我們重點考察三重差分項Treat×Post×High的系數α1，如果顯著為正，則表明相對于低行政等級城市，碳交易試點政策更能提升高行政級別城市的碳排放效率；如果顯著為負，則結論相反，表示碳排放權交易試點政策更能促進低行政等級城市的碳排放效率提升?？紤]城市行政等級異質性回歸結果如表10的列（1）所示?？梢钥吹?，系數α1在1%的水平上顯著為正，說明相對于低行政等級城市，碳排放權交易試點政策顯著提高了高行政等級城市的碳排放效率，驗證了假設H3。對這一結論的可能解釋是行政等級較高的城市，在規劃和制定地方產業政策方面的權限也更高，因此相較于低行政級別城市，在高行政等級城市實施碳交易政策更能優化產業結構，進而推動其碳排放效率的提升。

城市人口規模對碳排放量有雙向作用，對于不同人口規模的城市，碳排放權交易政策對城市碳排放效率是否會產生異質性作用？參考張翱翔（2022）［30］的做法，在基準回歸模型中加入人口規模虛擬變量Size，如果城市i的人口規模大于平均值，那么Sizei=1，否則Sizei=0。由于除了福建省以外的省市都是在2013年試點的，對于這些試點省市，這兩個虛擬變量的設置都是以試點前一年，即2012年的數據為依據，而福建省的虛擬變量設置則是以2015年為依據。通過設置三重差分變量Treat×Post×Size，構建三重差分模型，模型構建如上面的模型。如果Treat×Post×Size的系數顯著為正，表明相較于人口規模較小的城市而言，在人口規模大的城市實施碳交易政策更能提升碳排放效率?；貧w結果如表10的列（2）所示，Treat×Post×Size的系數在1%的顯著性水平上顯著為正，表明就碳排放效率來說，城市的人口集聚能夠改變能源利用方式，從而提升城市碳排放效率，驗證了假設H4。

五、研究結論與政策建議

本文以2009—2019年245個地級及以上城市為研究樣本，從城市碳排放權效率的視角對碳排放權交易試點政策的影響進行了分析，運用多期Tobit-did模型研究了碳排放權交易試點政策對城市碳排放效率的影響，同時對產業結構升級和綠色技術創新內在作用機制以及城市行政等級、城市人口規模的異質性進行了挖掘和討論，得到如下結論：（1）在經過平行趨勢檢驗、滯后一期解釋變量與控制變量、剔除相關政策影響、PSM-DID、隨機挑選實驗組、人為設定虛假試點時間和剔除特殊樣本等一系列穩健性檢驗后，研究發現碳排放權交易試點政策能顯著提高城市碳排放效率。（2）影響機制還存在中介效應，即碳排放權交易會通過促進產業結構升級和激勵綠色研發創新提高城市碳排放效率。（3）異質性分析發現，碳排放權交易試點政策更有助于提升高行政等級城市、人口規模大的城市的碳排放效率。為了進一步提升碳排放權交易制度的節能減排和綠色發展效應，根據以上結果，我們提出了如下政策建議：

第一，扎實推進全國碳市場的建設，繼續擴大政策試點范圍。研究結果表明碳排放權交易試點政策有效提升了我國城市碳排放效率，但目前只有少數地區和行業完全納入碳市場交易，需要借鑒試點政策的成功經驗，擴大政策試點范圍。解決不同地區之間碳市場發展的不平衡問題，避免因此而導致的任何污染避風港效應。

第二，鼓勵產業結構優化，推廣綠色技術創新。由碳排放權交易試點政策影響城市碳排放效率的中介效應分析可知，增加第三產業占比和提升綠色低碳技術創新能力對城市碳排放效率的提升具有正向促進作用，因此地方政府要注重培育綠色低碳產業體系，鼓勵資本向第三產業流動，提高高耗能企業的進入壁壘，制定政策以吸引高科技綠色企業落戶，促進產業結構全面升級。

第三，考慮經濟發展條件和資源稟賦，因地制宜制定政策?？紤]到行政級別高、人口規模大的城市對碳排放權交易試點政策的效果更敏感，中央政府在推廣政策試點時應注重“由高到低”的邏輯，鼓勵這些城市優先開展碳交易試點，并且帶動周邊城市的綠色轉型，從而發揮試點政策的示范效應；人口規模大的城市需要制定綠色低碳建筑相關的稅收優惠、財政補貼政策、鼓勵銀行機構為其提供融資支持、鼓勵科研機構和建筑企業合作、加強研發，利用媒體向公眾宣傳低碳建筑的優勢。

參考文獻：

［1］?陸敏，?徐好，?陳福興.“雙碳”背景下碳排放交易機制的減污降碳效應［J］．中國人口·資源與環境，?2022，?32（11）：?121-33.

［2］?羅世華，?王棟.碳交易政策對省域全要素能源效率的影響效應［J］．經濟地理，?2022，?42（7）：?53-61.

［3］?胡珺，?方祺，?龍文濱.碳排放規制、企業減排激勵與全要素生產率——基于中國碳排放權交易機制的自然實驗［J］．經濟研究，?2023，58（4）：?77-94.

［4］?陳芳，吳春瑋.碳排放權交易政策是否促進工業企業的技術創新？［J］．商業研究，2023，65（2）：?90-97.

［5］?劉滿鳳，程思佳.碳排放權交易促進地區產業結構優化升級了嗎？［J］．管理評論，2022，34（7）：?33-46.

［6］?Maeda?A.?Estimating?the?Impact?of?Emission?Reduction?Target-setting?on?the?Macroeconomy［J］．Environmental?Economics?and?Policy?Studies，2014，16（4）：?381-95.

［7］?周迪，劉奕淳.中國碳交易試點政策對城市碳排放績效的影響及機制［J］．中國環境科學，2020，40（1）：?453-464.

［8］?Ren?F-R，Tian?Z，Liu?J，et?al.Analysis?of?CO2?Emission?Reduction?Contribution?and?Efficiency?of?Chinas?Solar?Photovoltaic?Industry：?Based?on?Input-output?Perspective［J］．Energy，2020，199117493.

［9］?Buckley?N?J.Short-run?Implications?of?Cap-and-trade?Versus?Baseline-and-credit?Emission?Trading?Plans：?Experimental?Evidence?［R］．Department?of?Economics?Working?Papers，McMaster?University，2004.

［10］任亞運，傅京燕.碳交易的減排及綠色發展效應研究［J］．中國人口·資源與環境，2019，29（5）：?11-20.

［11］Wu?L，?Gong?Z.?Can?national?carbon?emission?trading?policy?effectively?recover?GDP?losses？?A?new?linear?programming-based?three-step?estimation?approach［J］．Journal?of?Cleaner?Production，?2021，?287：?125052.

［12］陳醒，徐晉濤.中國碳交易試點運行進展總結?［M］//薛進軍.中國低碳經濟發展報告（2017）.北京：社會科學文獻出版社，2017.

［13］Chung?Y?H，Fre?R，Grosskopf?S.Productivity?and?Undesirable?Outputs：?A?Directional?Distance?Function?Approach［J］．Journal?of?Environmental?Management，1997，51（3）：?229-240.

［14］劉海英，郭文琪.碳排放權交易政策試點與能源環境效率——來自中國287個地級市的實證檢驗［J］．西安交通大學學報（社會科學版），2022，42（5）：?72-86.

［15］Kuosmanen?T.Weak?Disposability?in?Nonparametric?Production?Analysis?with?Undesirable?Outputs［J］．American?Journal?of?Agricultural?Economics，2005，87（4）：?1077-1082.

［16］Arabi?B，Munisamy?S，Emrouznejad?A.?A?New?Slacks-based?Measure?of?Malmquist-Luenberger?Index?in?the?Presence?of?Undesirable?Outputs［J］．Omega，2015，51（5）：?29-37.

［17］范新號.產業結構高級化對我國碳排放強度的影響研究［D］．重慶：重慶工商大學，2023.

［18］晁操.中國城市行政級別、產業結構升級對城市綜合承載力影響的實證研究［D］．桂林：桂林理工大學，2020.

［19］閆中曉，吳禎.城市行政級別、數字經濟與要素市場扭曲［J］．西部論壇，2023，33（2）：1-15.

［20］Norman?J，Heather?L?MacLean?M，Christopher?A?K.Comparing?High?and?Low?Residential?Density：Life-Cycle?Analysis?of?Energy?Use?and?Greenhouse?Gas?Emissions［J］．Urban?Planning?And?Development，2006（3）：10-21.

［21］柴志賢.密度效應、發展水平與中國城市碳排放［J］．經濟問題，2013（3）：25-31.

［22］Fare?R，Grosskopf?S，Lovell?C?a?K.Production?Frontiers［M］．Cambridge：?Cambridge?University?Press，1993.

［23］Zhou?Y，Xing?X，Fang?K，et?al.Environmental?Efficiency?Analysis?of?Power?industry?in?China?based?on?an?Entropy?SBM?Model［J］．Energy?Policy，2013，57：68-75.

［24］王建林，趙佳佳，宋馬林.基于內生方向距離函數的中國城市土地利用效率分析［J］．地理研究，2017，36（7）：?1386-1398.

［25］王勇，趙晗.中國碳交易市場啟動對地區碳排放效率的影響［J］．中國人口·資源與環境，2019，29（1）：?50-58.

［26］王少劍，蘇泳嫻，趙亞博.中國城市能源消費碳排放的區域差異、空間溢出效應及影響因素［J］．地理學報，2018，73（3）：?414-428.

［27］曹清峰.國家級新區對區域經濟增長的帶動效應——基于70大中城市的經驗證據［J］．中國工業經濟，2020（7）：?43-60.

［28］Wang?R，Hao?J-X，Wang?C，et?al.Embodied?CO2?Emissions?and?Efficiency?of?the?Service?Sector：?Evidence?from?China［J］．Journal?of?Cleaner?Production，2020，247119116.

［29］徐佳，崔靜波.低碳城市和企業綠色技術創新［J］．中國工業經濟，2020（12）：?178-196.

［30］張翱祥.低碳城市試點政策對生態效率的影響及空間溢出效應［D］．衡陽：南華大學，2022.

Has?Carbon?Emission?Trading?Improved?the?Efficiency?Oftotal?Factor?Carbon

Emissions?in?Cities？——Research?on?an?Endogenous?Directional?Distance?Function?Model

WANG?Jianlin1，2a，?SONG?Meng2a，?ZHAO?Jiajia2b

（1.Key?Laboratory?of?Low?Carbon?Development?and?Carbon?Finance?in?Anhui?Province，Anhui?University

of?Finance?and?Economics，Bengbu，233030，China；2.Dongbei?University?of?Finance?and?Economics，

a.Centre?for?Industrial?and?Business?Organization，b.Northeast?Comprehensive?Revitalization?Research

Institute，Dalian?116025，China）

Abstract：?Carbon?reduction?measures?generally?decrease?total?output，implying?that?it?is?necessary?to?evaluate?carbon?reduction?policies?from?the?perspective?of?total?factor?efficiency.This?study?constructed?a?directional?distance?function?model?that?allowed?varied?emission?reduction?factors?for?different?DMUs，which?expanded?production?possibility?set，and?we?adopted?endogenous?directional?vectors?to?reduce?the?subjectivity?of?directional?vectors.Based?on?this?model，we?recalculated?the?total?factor?carbon?emission?efficiency?at?the?city?level，and?empirically?tested?the?impact?of?carbon?emission?trading?pilots.The?results?showed?that?pilot?policies?can?promote?urban?carbon?emission?efficiency.After?a?series?of?tests?such?as?parallel?trend，excluding?other?policy?impacts，dynamic?time?window，propensity?score?matching，and?placebo?test，our?conclusion?remained?robust.The?intermediary?effect?analysis?found?that?pilots?could?improve?urban?carbon?emission?efficiency?through?industrial?structure?and?green?innovation.Heterogeneity?analysis?found?that?pilot?policies?had?more?significant?impacts?on?carbon?emission?efficiency?in?high?administrative?level，large-scale，and?old?industrial?base?cities.Based?on?the?empirical?results，we?proposed?several?policy?recommendations，including?expanding?the?scope?of?pilots，encouraging?industrial?structure?optimization，promoting?green?technology?innovation，and?formulating?pilots?tailored?to?local?conditions.

Key?words：carbon?emission?trading?pilot;?total?factor?carbon?emission?efficiency;?directional?distance?function;?undesirable?output;?intermediary?effects

（責任編輯：周正）