碳交易政策电力碳减排空间溢出效应研究

王喜平，李英杰

（华北电力大学经济管理系，河北 保定 071003）

2020 年9 月，中国向世界作出了“碳排放力争2030 年前达到峰值，争取2060 年前实现碳中和”的承诺。“双碳”目标的确立为中国实现低碳发展指明了方向。为了控制二氧化碳排放，自2013年起，我国在深圳、上海、北京、天津、广东、湖北、重庆等7 个省市相继开展碳交易试点工作，并在此基础上于2017 年宣布启动全国碳市场建设，于2021 年7 月16 日正式在发电行业率先启动碳排放权交易。电力行业作为二氧化碳的排放“大户”，其碳排放量占全国碳排放总量的40%以上[1-2]，而且碳排放强度相对较高。2019 年，电力碳强度达到624.82 kg/万元。降低电力行业碳强度是实现全国碳强度约束性指标的关键手段。基于此背景，研究电力碳强度的影响因素，分析碳交易政策对电力行业碳排放强度的影响及其空间溢出效应，不仅有利于促进电力行业节能减排和低碳绿色发展，而且对于建设全国统一高效碳市场，推进“双碳”目标的实现具有重要的实践借鉴意义。

国内外学者对于碳交易政策的影响研究多集中在政策的环境效应、经济效应以及对企业发展的影响等方面。关于政策的环境效应，有研究表明，实施碳交易政策能够有效降低碳排放强度，而且在这一过程中，经济因素和技术因素的作用比较显著[3]。曾诗鸿等[4]基于连续性双重差分等方法，分析我国碳交易政策的减排效应及地区差异，研究发现碳交易能够有效降低碳排放强度，且在东中部地区减排效应显著。刘传明等[5]基于中国省际面板数据，采用合成控制法与双重差分（DID）方法对碳交易政策的减排效果进行实证分析，研究表明碳交易政策的实施显著减少了区域碳排放。路正南等[6]采用DID 法分别检验了碳交易政策对我国二氧化碳排放量和二氧化碳排放强度的影响，结果显示碳交易政策对降低地区二氧化碳排放量和二氧化碳排放强度都产生了显著且持续的促进作用。任亚运等[7]采用DID 法检验碳交易的环境效应，结果发现碳交易政策不仅可以降低试点地区碳排放强度，而且可以促进试点地区整体绿色发展。类似的研究包括姬新龙[8]、王丽颖[9]、杨秀汪[10]等，他们得出了基本一致的结论。上述研究大多基于省级层面数据。考虑到工业是碳排放的主要领域，还有不少基于工业行业层面的研究。李广明等[11]利用DID 模型和双重差分倾向得分匹配（PSM-DID）方法验证碳交易的减排效果，研究发现碳交易对试点地区工业碳排放量和碳强度具有明显的抑制作用。吴文洁等[12]利用DID法检验碳交易对工业碳生产率的影响，发现碳交易可以显著提升试点地区工业的碳生产率。

综上所述，有关碳交易政策环境效应的研究较为丰富，研究范围和研究深度也在日益扩大，并取得了一些有价值的结论。然而，已有研究大多集中于国家、省市等区域或整体工业部门这些层面，对于工业细分行业的研究相对较少。尽管少数学者开展了具体针对电力碳减排的影响研究，如陈景东等[13]采用DID 模型检验了碳交易政策对电力碳排放的影响，发现相对于非试点地区，试点地区电力碳排放量具有更为迅速的下降趋势。王喜平等[14]运用PSM-DID 方法评估碳交易对电力行业碳减排的影响，发现碳交易对电力碳排放具有显著的抑制作用，且这种抑制作用随着时间逐渐增强。然而上述研究大多从碳排放总量的角度进行分析，而非基于电力碳强度的概念。碳排放强度为单位GDP 的二氧化碳排放量，用来衡量经济增长与碳排放量之间的关系。如果单位GDP 的碳排放量下降，则意味着经济发展实现了低碳转型。相较于碳排放总量这一绝对指标，碳强度作为一个相对指标，兼顾了电力碳排放和经济增长2 个方面，但目前关于碳交易政策对电力碳强度影响的研究较为鲜见。不仅如此，已有研究大多将各个省份视为独立的个体，忽略了相邻省份之间的空间关联，这可能会造成研究结论出现偏误。

鉴于此，本文的贡献主要在于：1）以碳交易试点为准自然试验，考察了碳交易政策对电力行业碳排放强度的影响，并对比政策对于碳强度和碳排放量的减排效果，为碳交易政策在促进电力低碳减排工作上提供了直接的经验证据；2）建立空间双重差分（SDID）模型研究了碳交易政策的空间溢出效应，并分析了电力碳强度的空间相关性；3）建立中介效应模型，分别从能源结构调整、电耗强度、产业结构升级的角度，探究碳交易政策促进电力碳强度降低的影响机制，为碳交易政策的设计与改进提供参考。

1 模型与数据

1.1 模型设定

1.1.1 SDID 模型

DID 法是学术界研究政策效应的主要方法之一[15]，被广泛应用于政策有效性评估[16-19]。姬新龙等[16]利用DID 模型评估了碳交易政策对碳排放强度的影响。借鉴姬新龙等[16]的研究，以是否属于碳交易试点地区作为一个准自然实验分组标准，对比试点地区和非试点地区电力碳强度（CCI）的差异来分析碳交易政策的减排效果。利用DID 法进行基准模型设计，为了甄别碳交易政策实施的有效性，保证回归分析的结果准确，在模型中加入控制变量，得到模型1：

式中：lnCCI,it表示省份i在第t年的电力碳强度并进行对数处理；TTreat,i为地区分组虚拟变量，若省份i被列入碳交易试点，则TTreat,i=1，反之，TTreat,i=0；Yt为年份虚拟变量，表示碳交易政策实施年份，当t为碳交易实施后的年份时，Yt取值为1，反之则为0；TTreat,i×Yt的系数β1表示碳交易政策的减排效应；Xj为控制变量；βj为控制变量的估计系数；λi为个体固定效应；λt为时间固定效应；εit为随机扰动项。

考虑到政策实施效果的持续性，为检验碳交易政策实施后产生的边际动态效应，本文在模型1 的基础上设立动态DID 模型（模型2）：

式中：TTreat,i为分组虚拟变量；Yt为年份虚拟变量；βt为第t年政策实施动态效应的回归系数。

已有研究表明我国省际碳强度存在显著的空间相关性[20]，如果不考虑这一空间关联效应可能会导致估计结果出现偏误。鉴于碳强度的空间相关性和碳交易政策的溢出效应，参照邓荣荣[21]和许唯聪[22]等的研究，在模型1 的基础上对DID 模型进行空间扩展，得到SDID 模型（模型3）。设定如下：

式中：ρ为被解释变量的空间滞后估计系数，表示本地区对相邻地区电力碳强度的空间溢出效应；W为模型的空间权重矩阵，本文采用地理距离平方矩阵作为空间权重矩阵；β2为核心解释变量的空间回归系数；θj为控制变量的空间回归系数，其他参数与模型1 的设定一致。当β2=θj=0 时，为空间滞后双重差分模型（SAR-DID）；当β2≠0、θj≠0 时，则为空间杜宾双重差分模型（SDM-DID）。对于这2 种模型的选择，后续将通过相关检验进行判定。

1.1.2 中介效应模型

为进一步探究碳交易政策对电力碳强度的影响机制，借鉴杜昕倩[23]和刘畅[24]等对中介效应模型的设置，在模型3 的基础上构建面板中介效应模型（模型4）进行回归分析。具体设定如下：

式中：i代表所在的地区；t代表年份；MMed,it为本文选取的中介变量；Xj为控制变量；βi为碳交易政策的碳减排效应系数；αi为碳交易政策对中介变量的偏效应系数；θi为中介变量对电力碳强度的偏效应系数；γi为引入中介变量之后，碳交易政策的碳减排效应系数。其余参数的设定与模型3 一致。

1.2 变量选取

本文以电力碳强度为被解释变量，以碳交易政策（TTreat,i×Yt）为核心解释变量，并根据王喜平[14]、邓荣荣[21]、董直庆[25]、周朝波[26]等的研究选取5 个控制变量。相关变量具体说明如下。

1.2.1 被解释变量

被解释变量是电力碳强度（lnCCI）。碳强度通常指单位国内生产总值（GDP）所产生的二氧化碳排放量（单位为kg/万元）。该指标能较好地反映电力行业碳排放量与经济发展、产业结构、科技水平等之间的关系。

根据电力行业内部运行情况，电力行业二氧化碳排放量主要来源于火力发电[27]。由于水电、核电和可再生能源等根据电力工业碳排放核算的国际惯例设为零排放，因此仅考虑火电生产中的碳排放量。基于联合国政府间气候变化专门委员会（IPCC）提出的二氧化碳排放量测算法，对电力行业消耗的8 种主要能源产生的二氧化碳进行测算。计算公式如下：

1.2.2 核心解释变量

核心解释变量碳交易政策（TTreat,i×Yt）即地区分组虚拟变量与年份虚拟变量的交互项。当地区i为试点地区且t取值为2014 年及之后时，核心解释变量TTreat,i×Yt取值为1，否则为0。TTreat,i×Yt的系数为碳交易政策对电力碳强度的影响效应。

1.2.3 控制变量

借鉴已有研究选取了以下5个指标作为控制变量。

1）经济发展水平（GDP）以各省份人均实际GDP 来表示[26]。以2005 年为基期计算出每年的实际GDP 值，再计算出实际GDP 与各地区年末常住人口的比值，得到人均实际GDP，用来反映各省份经济发展水平情况。

2）产业结构（IIS）用第二产业增加值与地区生产总值的比值来衡量，反映各省份的经济特征[25]。第二产业占据我国三大产业主要比重，能源消耗量大且能源利用效率低下，对化石能源的依赖程度较高。目前，我国二氧化碳排放量主要来源于第二产业中的电力行业，其排放量占我国碳排放总量比例较高，是二氧化碳排放第一大户。

3）科技水平（RRD）以各省份研究与试验发展（R&D）经费支出来衡量，体现一个地区整体的科技水平[21]。R&D 研究人员和经费投入越多，企业生产中技术和设备越先进，对能源的开采和利用率就越高，所产生的碳排放量也随之减少。科技水平影响着一个地区电力行业低碳生产和节能减排技术、设备的革新。

4）对外开放程度（OOPEN）以经营单位所在地进出口总额与地区生产总值的比值来衡量[14]。从长期来看，对外开放所带来能源消耗、环境污染等压力越来越大，全球性工业活动所产生的二氧化碳越来越多，影响着碳排放强度的降低。

5）环境规制（EEGI）用工业污染治理投资额的对数来衡量，反映各个省份污染防治情况[14]。环境规制以保护环境为目的，对各种污染物的排放和污染环境的行为进行规制，作为社会性规制的一项重要内容，使经济发展和保护环境相互协调，在碳减排工作中发挥了一定作用。

1.2.4 中介变量

传导机制检验中结合相关文献关于中介效应模型的研究，引入3 个相关变量作为中介变量。

1）能源消费结构（EERS）为各地区煤炭消费量占能源消费总量的比值[25]，反映各个地区的能源消费情况。

2）电耗强度（EECI）是指单位工业增加值的电力消费量，即地区用电量与工业增加值之比，是反映电力能源利用效率水平的指标[14]。

3）产业结构升级（IIU）为各地区第三产业产值与第二产业产值之比[21]，反映了产业结构从低级形态向高级形态转变的过程或趋势。

1.3 数据说明

考虑到数据可得性，本文最终选取2005—2019年30 个省（除西藏及港澳台地区）相关数据作为样本。其中，电力碳强度、电力碳排放量、电耗强度数据来自历年《中国电力统计年鉴》；人均GDP、产业结构、对外开放程度、人口规模、城市化率、产业结构升级数据来自历年《中国统计年鉴》；科技水平数据来自历年《中国科技统计年鉴》；环境规制数据来自历年《中国环境统计年鉴》；发电结构、能源结构数据来自历年《中国能源统计年鉴》。为保证研究范围的统一，将深圳市数据合并到广东省。将北京、天津、上海、湖北、广东和重庆6 个地区列入试点省市的地区作为处理组，其余24 个未列入试点省市的地区作为对照组。鉴于2014 年所有试点地区的碳交易试点工作全部开展，以2014 年为基准，将2005—2013 年设定为非试点时期，2014—2019 年设定为试点时期。对部分变量作取对数处理，保证数据的平稳性，方便计算，各变量的描述性统计分析见表1。

表1 描述性统计分析Tab.1 Descriptive statistical analysis

2 碳交易政策的减排效应检验

2.1 平行趋势检验

利用SDID 模型进行碳交易政策的碳减排效应检验，必须满足平行趋势假设，排除与碳交易政策无关的其他因素对电力碳强度的影响。图1 描绘了处理组和对照组2005—2019 年电力碳强度的变化趋势。观察图1 可知：在实施碳交易之前，处理组和对照组电力碳强度的变化趋势基本一致，且均呈现逐年下降的趋势，满足平行趋势假设；从2013 年以后，处理组年平均电力碳强度下降速度比对照组下降速度更快，这是由于部分试点地区在2013 年就启动了碳排放交易，说明碳交易政策可以显著影响电力碳强度。这为运用SDID 模型进行回归分析提供了依据和保障。

图1 电力碳强度平行趋势Fig.1 Parallel trend of carbon intensity of electric power

2.2 空间减排效应检验

2.2.1 全局空间相关性检验

空间计量模型认为，因变量会受其空间滞后项和外生变量的影响，而且也会受外生变量的滞后项的影响。因此，应建立空间滞后（SAR）模型和空间杜宾（SDM）模型，来研究碳交易政策对区域电力碳强度的影响。莫兰指数是衡量空间自相关程度的一个指标，反映区域间的空间相关关系。首先采用全局莫兰指数（IMoran）对区域间电力碳强度的空间相关性进行检验，计算式为：

式中：wij为空间权重矩阵中的空间权重；n为地区总数，本文中n=30，代表所研究的30 个省份；xi和xj分别表示区域i和区域j的电力碳强度；S2表示30 个省份电力碳强度的方差；表示30 个省份电力碳强度的均值。

IMoran指数的取值范围是[-1,1]。当IMoran的取值为(0,1]时，则表示区域间存在着空间正相关性，且IMoran值越接近1，这种空间正相关性越强；当IMoran的取值为[-1，0)时，则表明区域间存在着空间负相关性，且IMoran值越接近-1，这种空间负相关性越强；如果IMoran=0，则表明不存在空间相关性。

用来进行回归分析的地理距离平方矩阵的各元素为地理距离平方的倒数，定义如下：

式中：dij为区域i和区域j中心点之间的地理距离。

表2 为2005—2019 年电力碳强度全局莫兰指数，其中P值表示显著性的值。从表2 可以看出，在样本区间2005—2019 年内，地区电力碳强度的全局莫兰指数IMoran都在5%的水平上显著为正。说明在样本期内，我国地区电力碳强度呈现出显著的正向空间相关关系，而且这种正向的空间相关性逐年增强。这也进一步说明了，在碳交易政策减排效应的研究中考虑空间异质性是十分必要的，选择空间计量模型能够使研究结果更具有合理性和准确性。

表2 2005—2019 年电力碳强度全局莫兰指数Tab.2 Global Moran’s I of carbon intensity of electric power from 2005 to 2019

2.2.2 空间溢出效应检验

在考虑电力碳强度的空间溢出效应的前提下，采用SAR-DID 模型和SDM-DID 模型进行回归，以检验碳交易政策对电力碳强度的影响。Hausman 检验结果中P值为0.544 3，所以接受原假设，采用随机效应模型。碳交易政策的空间溢出效应检验结果见表3。表3 中：ρ表示电力碳强度的空间滞后系数，N为样本量，R2表示样本的拟合优度，_cons 表示回归结果常数项系数。第2 列和第4 列为模型3的回归结果，第3 列和第5 列为碳交易政策实施后时间趋势回归结果。

表3 碳交易政策的空间溢出效应检验Tab.3 Test of spatial spillover effect of carbon trading policy

由表3 可以看出，电力碳强度的空间滞后系数ρ显著为正，表明试点地区电力碳强度的降低会显著影响相邻地区电力碳强度的降低。第2 列和第4 列结果显示，在考虑区域电力碳强度空间相关性的基础上，碳交易政策对电力碳强度的回归系数依然在1%的水平下显著为负，证明碳交易政策的碳减排效果具有稳健性，碳交易政策的实施能够有效降低电力碳强度。从第4 列SDM-DID 模型回归结果来看，相较于非试点地区，试点地区电力碳强度降低了17.04%。第2 列中SAR-DID 模型回归结果也显示出了类似的效果。根据第3 列与第5 列中2 种SDID模型下政策减排效果的时间趋势回归结果，政策实施之后，其减排效果呈现出随着政策实施时间推移而逐渐增强的特征。相比于政策实施初期，碳交易政策的减排力度有所提升。根据碳交易政策的空间加权项（W×TTreat,i×Yt）系数来看，试点地区实施碳交易政策对相邻地区电力碳强度的作用显著为负，表明相邻地区之间实施碳交易政策能够形成空间溢出效应，碳交易政策试点地区起到示范作用，带动相邻地区进行碳减排，从而使得相邻地区电力碳强度降低。

2.2.3 碳交易政策减排效果对比

表4 碳交易政策减排效果对比Tab.4 Comparison of emission reduction effects of carbon trading policy

由表4 可以看出，核心解释变量TTreat,i×Yt的系数均显著为负，但碳交易对电力碳强度的减排效果比碳排放量更强。政策的空间项系数显示，相邻地区实施碳交易对降低本地电力碳排放量的作用比碳强度更为显著。碳排放量和碳强度的空间滞后系数均显著为正，说明碳排放量和碳强度存在跨界传导效应，试点地区碳排放量或碳强度的提高会显著提高相邻地区碳排放量或碳强度。

2.3 稳健性检验

为了检验空间计量模型的拟合效果，在所选取的2 种SDID 模型的基础上进行沃尔德（Wald）检验和似然比（LR）检验，结果分别为60.01 和46.35，且都在1%显著性水平下显著，表明相较于SARDID 模型，SDM-DID 模型在探究碳交易政策对电力碳强度的影响作用中具有更优的拟合效果。根据表3 结果来看，碳交易政策能够有效降低电力碳强度。为证实前文实证结果的稳健性，减少误差，选择SDM-DID 模型进行稳健性检验。稳健性检验所采用的3 种方法如下。

1）增加新的控制变量 鉴于不同地区各方面情况存在较大差异，为避免产生内生性问题，本文在原有控制变量的基础上，新加入发电结构（lnEEPS）、人口规模（lnPPOP）、城市化率（lnUUR）这3 个控制变量进行回归，结果见表5。由表5 可知，增加新的控制变量，碳交易政策（TTreat,i×Yt）的系数仍然在1%显著性水平下显著为负，表明本文结果具有稳健性。

2）改变时间窗口 考虑到在碳交易政策实施期间，试点地区的电力碳强度可能受到其他政策的影响，从而无法分离出碳交易政策碳减排的净效应，导致回归结果出现偏误，因此将时间跨度调整为2010—2017 年后进行回归。由表5 可以看出，改变时间跨度，TTreat,i×Yt的系数仍然显著为负，说明本文的结果稳健。

3）反事实检验 为了排除试点省份选择的随机性并确保结果的稳健性，进一步进行了反事实测试。通过随机抽样抽取6 个省份作为虚拟碳交易试点省份，形成新的虚拟样本。在模型3 的基础上重复SDM-DID 回归，根据政策估计系数来判断对照组是否受到影响。如果TTreat,i×Yt的系数显著，则关于表3 回归结果的结论值得怀疑；反之，则说明对照组不受政策影响，本文结论是可靠的。通过Excel进行了3 次随机抽样，回归结果见表5。从回归结果可知，3 次随机抽样时，碳交易政策的回归系数均未能通过显著性检验，说明用SDID 方法分析碳交易政策的碳减排效应，满足对照组不受到政策影响的假设。所以，关于本文回归结果的分析和结论是可靠的。

3 传导机制检验

根据上述实证分析结果，中国的碳交易政策对降低电力碳强度有着显著影响，而且其作用效果随着政策实施时间推移而逐步增强。此处对碳交易政策降低电力碳强度的途径进行分析。根据相关文献资料，碳交易政策源自排污权交易政策，而碳排放指的是能源消耗过程中产生的二氧化碳。目前，我国能源消费结构以煤炭为主，煤炭燃烧是碳排放的主要来源。调整能源消费结构就是减少化石能源消耗，限制能源的使用量，这是实现电力碳强度降低的直接途径。在能源消费中，电力消费一直备受关注。随着电能在终端能源消费中所占比例日益提高，减少用电量在节能减排工作中的作用越来越突出。单位工业增加值的电能消耗即电耗强度，是衡量某一地区电力能源利用效率的重要指标，也是反映电力消费水平和节能降耗状况的指标。电耗强度的降低意味着电能利用效率的提高，使得电能的消耗和浪费减少，从而减少电能消耗所产生的二氧化碳排放，这也是降低电力碳强度的途径之一。产业结构升级是产业结构优化重塑，向更高级化形态转型的结果。我国现在的经济增长过于依赖第二产业，第三产业的发展速度过慢，而第二产业发展耗能较大，产生大量的污染物。产业结构是电力行业碳排放增长的第二大驱动因素[28]，因此促进产业结构升级，有利于减少能源消耗和污染物的排放，这是降低电力碳强度的主要途径。综上所述，选取能源结构调整（EERS）、电耗强度（EECI）和产业结构升级（IIU）作为中介变量，进行传导机制检验，回归结果见表6。

表6 碳交易政策碳减排的传导机制检验Tab.6 Test on the transmission mechanism of carbon emission reduction of carbon trading policy

由表6 可以看出，碳交易政策对能源消费结构的回归系数在1%的显著性水平下显著为负，相较于未实施碳交易政策的地区，政策试点地区煤炭消费量占能源消费总量的比重降低了13.45%，说明碳交易政策对能源消费结构的调整作用十分显著。能源结构调整回归结果显示，地区能源消费中煤炭消费量占比的提升显著提高了电力碳强度，这表明碳交易政策能够通过调整能源结构、促进能源结构转型来降低地区电力碳强度。碳交易政策对电耗强度的回归系数为负，且在1%的水平下显著，说明碳交易政策的实施能够显著降低电耗强度，政策实施后试点地区电耗强度降低了17.58%。电耗强度的回归结果则进一步发现降低电耗强度能够有效降低电力碳强度，表明碳交易政策能够通过降低电耗强度实现碳减排，从而降低电力碳强度。碳交易政策对产业结构升级的回归系数在1%的水平下显著为正，相较于非试点地区，政策试点地区产业结构得到了明显的优化升级，碳交易政策对产业结构升级的促进作用十分显著。产业结构升级的回归结果显示，产业结构升级对电力碳强度具有显著的抑制作用，这表明碳交易政策能够通过促进试点地区产业结构升级来降低电力碳强度。

4 结论与政策建议

本文以碳排放权交易试点政策为一次准自然试验，以我国省际电力行业作为研究对象，基于2005—2019 年30 个省份电力行业相关数据，采用SDID 模型检验碳交易政策的碳减排空间溢出效应，并对比碳交易对于碳强度和碳排放量的减排效果。在SDID 模型基础上建立中介效应模型研究碳交易政策碳减排效应的传导机制，分析碳交易政策降低电力碳强度的途径。主要结论如下：

1）碳交易政策的电力碳排放效应显著。相较于非试点地区，政策有助于试点地区电力行业碳排放强度下降，并且减排效果呈现逐年增强的趋势。相比政策对碳强度和碳排放量的抑制作用，其对碳强度的减排效果更加显著。

2）在样本延续期内，电力碳强度呈现显著的正向空间相关性，试点地区电力碳强度的降低会显著促进相邻地区碳强度的降低。碳交易政策存在相邻地区跨界传导效应，试点地区碳交易政策的实施有利于形成示范效应，推动周边地区碳减排。

3）能源消费结构调整、电耗强度降低和产业结构优化升级都是促进电力碳强度降低的重要途径。碳交易政策可以通过这3 种途径降低电力碳强度，实现电力行业碳减排。

基于以上结论，本文提出了一些建议：

1）碳交易政策对于减少碳排放量和碳强度的效果显著，应进一步扩大其覆盖范围，最大限度发挥政策在电力碳减排中的作用潜力。加快全国统一碳交易市场建设和完善，分阶段、有步骤地推进碳市场建设，在保证碳市场平稳有效运行的前提下，不断完善市场交易体系，真正发挥市场机制在减少电力碳排放、降低电力碳减排成本方面的作用。

2）注重加强区域间的联动性和协调性，增强区域间碳排放的共同治理，实现区域间的协同减排。政府应根据不同地区综合实力和发展现状，因地制宜制定差异化碳减排政策，充分发挥政策激励作用，以试点地区为中心，扩散到周边省市，充分发挥碳交易政策的空间溢出效应，逐渐形成碳交易试点城市网络，为实现碳减排承诺作出贡献。

3）对能源结构进行优化调整，降低电耗强度。降低对煤电的依赖程度，减少化石能源单位能耗，不断提高清洁能源在能源消费中所占比例，这是我国电力行业实现二氧化碳减排的关键。实现电力行业的碳减排，根本途径是发展绿色电力。积极推动电力行业生产工艺改进和低碳技术创新，提高能源利用效率，促进电力行业实现绿色转型。

4）优化调整产业结构，促进产业结构升级。产业结构升级是电力行业碳减排的重要影响因素。政府应致力于打造低碳产业，适当抑制高耗能行业的发展，积极发展节能工业和第三产业，实现低碳发展模式。