碳排放权交易政策与企业全要素生产率

李颖 肖丽芳 朱治双

【摘要】碳排放权交易政策是生态文明建设的重要内容， 对企业发展质量存在至关重要的影响。本文以2008 ～ 2020年我国A股上市公司为研究对象， 基于2013年碳排放权交易政策试点准自然实验， 研究碳排放权交易政策实施对企业全要素生产率的影响。研究发现： 碳排放权交易政策的实施有助于提升企业全要素生产率。作用机制分析表明， 碳排放权交易试点政策通过增加企业实质性减排行为、 促进企业创新和优化企业资源配置来提高企业全要素生产率。异质性分析表明， 国有企业、 抗风险能力强和市场化水平高的企业全要素生产率受碳排放权交易政策的影响更明显。

【关键词】碳排放权交易；碳市场；全要素生产率； 准自然实验

【中图分类号】F275      【文献标识码】A      【文章编号】1004-0994（2023）15-0118-6

一、 引言

气候变化问题是全世界关注的焦点问题和重要议题。荷兰环境评估署（PBL）2020年公布的数据显示， 全球温室气体排放总量自2010年以来平均每年增长1.4%， 并在2019年创下历史新高。作为世界上最大的发展中国家和最大的煤炭消费国， 2002年我国便开始利用行政命令手段实施排污权交易制度， 虽然一定程度上缓解了环境恶化问题， 但其经济效果并没有得到较好体现。2011年， 我国引入市场激励型环境规制手段， 明确提出逐步建立碳排放权交易市场， 并于2013年开始在深圳、 北京、 天津、 上海、 广东、 湖北和福建等七省市正式启动了碳排放权交易试点。那么， 该项市场激励型环境规制与之前行政命令型环境规制有何区别？对社会经济活动又会产生怎样的影响， 尤其是对企业生产率存在怎样的作用机制？目前， 鲜有文献针对碳排放权交易与企业生产率的潜在联系进行梳理和探讨。相比一般财务指标， 全要素生产率能够有效衡量要素资源配置效率改善所带来的产出增长， 是对经济发展“质”的反映。因此， 市场激励型碳排放权交易政策能否提高企业全要素生产率进而助力经济高质量发展， 对于这一问题的探讨不仅有助于理清市场激励型环境规制与微观企业全要素生产率之间的关系， 而且对全国统一碳市场建设和经济可持续发展也具有重要现实意义。

基于此， 本文运用双重差分模型， 以2008 ～ 2020年七个试点地区企业数据为研究对象， 考察碳排放权交易政策对企业全要素生产率的影响及其作用机制。研究发现： 碳排放权交易政策的实施能够提高企业全要素生产率。作用机制分析表明， 碳排放权交易政策能够增加企业实质性减排行为、 促进企业创新和优化企业资源配置， 从而对全要素生产率产生影响。异质性分析表明， 国有企业、 抗风险能力强和市场化水平高的企业全要素生产率受碳排放权交易政策的影响更明显。

本文的创新点在于：  第一， 现有研究主要集中在命令型环境规制及其经济体量绩效发展上， 且主要以欧美发达国家为研究对象。本文从企业层面探讨我国碳排放权交易机制与体现经济发展质量的全要素生产率的关系， 丰富了环境规制与企业全要素生产率关系的相关研究。第二， 从企业实质性减排、 技术创新和资源配置三方面分析碳排放权交易政策对企业全要素生产率的影响机制， 对于识别碳排放权作用机理、 破解低碳城市试点政策短期困境至关重要。第三， 进一步肯定了碳排放权交易政策的正向经济后果， 为完善全国统一碳市场建设、 真正高效落实碳减排政策提供了及时有效的实证证据。

二、 理论分析和研究假设

（一）碳排放权交易与企业全要素生产率

碳排放权交易政策作为市场激励型环境规制（刘传明等，2021）， 通过给予企业有限碳排放配额， 对碳排放权进行交易， 用市场手段控制碳排放量， 进而达到减排目的。在有限碳排放配额下， 企业若维持原有生产规模， 对于超出碳排放配额的部分， 需支付额外交易费用； 若缩小生产规模， 控制产量以保证碳排放量处于配额范围内， 同样会影响企业利润。因此， 为维持原有利润水平， 在有限配额约束下， 碳排放权交易制度能够促进企业内部资源流动（钱雪松等，2018）， 促使企业将有限资源投入到产出高且碳排放少的产业， 优化内部资源配置， 从而提高企业全要素生产率。同时， 根据信号传递理论， 企业向外界传递碳减排等环保信息（姬新龙，2021）， 能够提升企业形象， 赢得投资者和消费者关注， 在一定程度上缓解融资约束， 提高全要素生产率。基于此， 本文提出假设1。

假设1： 碳排放权交易政策的实施能够促进企业全要素生产率的提高。

（二）实质性减排效应

根据企业对于环境责任的响应差异， 企业环境行为可分为象征性低碳行为和实质性低碳行为两类（李大元等，2015）。前者多为环保计划或承诺， 后者是企业为提高环境绩效而采取的切实措施和具体行动。根据新古典经济学理论， 漂绿成为企业追逐利润最大化的理性选择（肖红军等，2013）。相比于命令控制型环境规制， 市场激励型环境规制会将企业减排行为和减排结果市场化（沈洪涛和黄楠，2019）。如若企业象征性减排行为暴露， 企业声誉和信用将会受到重创。而实质性减排行为意味着更低的额外碳配额购买费用或者更大的碳配额可供出售空間， 不仅弥补了环境规制合规成本， 为企业带来额外减排利润， 而且缓解了减排成本压力。在此背景下， 企业不会采取象征性减排方式， 而是倾向于实施实质性减排行为和抑制企业漂绿行为， 促进企业全要素生产率的提高。基于此， 本文提出假设2。

假设2： 碳排放权交易政策能够增加企业实质性减排行为， 从而提高全要素生产率。

（三）创新效应与资源配置效应

Siller等（2021）和步晓宁等（2019）指出， 影响企业全要素生产率的决定性因素包括企业创新和资源配置效率两方面。根据波特假说， 适当的环境规制可以刺激企业通过技术创新来提高生产力， 降低环境规制合规成本， 从而实现环境治理与经济绩效双赢。在市场型碳排放政策激励下， 企业通过实施创新活动来提升绿色技术水平， 从而减少碳排放量， 然后在碳交易市场交易自身减排后多余配额， 获得额外减排收益的同时， 提高了生产技术， 一定程度上降低了企业成本， 增加了企业利润， 推动了全要素生产率的提高。

刘传明等（2021）研究指出， 资源管理能力强化和升级带来的生产力改善以及技术创新带来的溢价效果可以有效地抵消甚至超过由于遵守环境规制而增加的成本。企业进行实质性减排所形成的成本效应， 使得企业在选择和使用资源时， 除了考虑企业内部生产经营需要， 还会将环境规制要求纳入考虑范围。在更加注重环保和减少资源消耗的同时， 不断改进生产流程和工艺， 实现资源利用价值最大化。而资源配置效率的提高， 能够优化企业内部要素结构， 提高企业的全要素生产率（钱雪松等，2018）。基于此， 本文提出假设3。

假设3： 碳排放权交易政策的实施能够促进企业创新、 优化资源配置， 从而提高全要素生产率。

三、 研究设计

（一）数据来源

本文以2008 ～ 2020年我国A股上市公司为样本， 将2013年国家发展改革委发布《关于开展碳排放权交易试点工作的通知》作为准自然实验， 对碳排放权交易试点政策效应进行评估。本文对初始样本进行如下处理： 剔除金融、 房地产类企业； 剔除ST、 ?ST企业； 剔除数据缺失严重的企业； 进行上下1%分位的缩尾处理。另外， 碳排放权交易试点企业名单来自于试点省份生态环境局政策文件， 其余财务数据来自CSMAR数据库。

（二）模型设定

借鉴沈洪涛和黄楠（2019）的研究， 本文构建如下双重差分（DID）模型（1）， 用以评价碳排放权交易政策的微观层面效果。虽然实施碳排放权交易政策相对于企业而言是外生政策环境， 不存在逆向因果问题， 但双重差分模型不能控制碳排放权交易政策的实施是否会受到其他政策的冲击和影响， 以及不同地区政策实施效应的差异。因此， 本文构建三重差分（DDD）模型（2）， 进一步引入非碳排放权交易试点行业企业样本进行分析。

TFP_LPit=β0+β1Treat×Time+βControl+γi+μt+φj+εijt       （1）

TFP_LPit=β0+β1Treat×Time×Regulate+β2Time×Regulate+β3Treat×Regulate+β4Treat×Time+

βControl+γi+μt+φj+εijt           （2）

其中： TFP_LPit表示企业i在t年的全要素生产率； Treat为碳排放权交易政策试点企业； Time为碳排放权交易政策实施时间； Regulate代表碳排放权交易试点行业； Control为控制变量； γi、 μt和φj分别表示行业固定效应（Ind）、 年份固定效应（Year）和地区固定效应（Prov）， εijt为随机误差项。

（三）变量定义

1. 被解释变量。在全要素生产率测算上， 两步一致估计法（简称“OP法”）和半参数法（简称“LP法”）被众多学者广泛运用（Olley和 Pakes，1996；章祥荪等，2008）。考虑到使用OP法样本损失量较多（鲁晓东和连玉君，2012）， 本文选取LP方法对企业全要素生产率进行测算。

2. 核心解释变量。Treat为政策虚拟变量， 若企业纳入碳排放权交易政策试点， Treat取值为1， 否则为0。Time为时间虚拟变量， 2013年以后Treat赋值为1， 否则为0。考虑到湖北省和福建省企业分别在2014、 2016年被纳入试点， 湖北省和福建省的时间虚拟变量以2014、 2016年为界。Regulate为行业虚拟变量， 碳排放权交易试点行业取值为1， 否则为0。

3. 中介变量。企业实质性减排以企业减排漂绿指数的负值衡 量。其中， 减排漂绿指数参考Walker和Wan（2012）的研究， 以企业环境治理象征性环境行为和实质性环境行为比值衡量。若企业在环境信息披露中， 对环境保护行动进行细节性、 数字性定量描述， 则认为企业开展了实质性减排活动， 否则认为企业只实施了象征性减排活动。为了消除量纲的影响， 将得到的减排漂绿指数进行标准化处理， 得到最终的企业减排漂绿指数GW。具体计算公式如下：

Z=[i=110Xi]/[i=110Yi+1]            （3）

GW=（Zi-Zmin）/（Zmax-Zmin）           （4）

其中： Xi表示企业的象征性环境行为；Yi表示企业的实质性环境行为； Zi表示原始数据；Zmin表示原始数据中的最小值；Zmax表示原始数据中的最大值。若企业在项目指标i上有象征性环境行为， 则Xi为1， 否则为0； 同理， 若企业在指标i上有实质性环境行为， 则Yi为1， 否则为0。参考缑倩雯和蔡宁（2014）的研究， 以企业社会责任报告中10项指标对企业象征性环境行為和实质性环境行为进行评定。具体衡量指标见表 1。

在企业创新方面， 考虑到申请专利情况具有信息披露的要求， 一些企业基于保密考虑可能不会将企业最新研发、 可能会涉及企业商业秘密的创新技术或产品申请专利。因此， 本文以“企业研发投入费用的自然对数”作为企业创新的代理变量。

企业资源配置效率常用Richardson模型和数据包络分析（DEA）衡量。但Richardson模型关注企业投资效率， 适合初创企业配置效率的测算（Richardson，2006）。因此， 借鉴花贵如等（2010）的研究， 本文采用DEA方法从投入和产出维度①衡量企业资源配置效率。

4. 控制变量。本文参考贾云赟（2017）的研究， 选择企业发展能力（Growth）、 企业性质（SOE）、 资产负债率（Lev）、 资本回报率（ROC）、 经营现金流（OCF）和总资产净利率（ROA）等作为控制变量。具体变量定义如表 2所示。

四、 实证结果分析

（一）描述性统计

表3列示了主要变量的描述性统计结果。TFP_LP的平均值为15.12， 标准差为1.15， 可见样本企业全要素生产率存在较大的差距。从Treat的情况来看， 仅有3.6%的企业被纳入碳排放权交易政策试点， 企业数量较少。控制变量的结果与现有研究基本一致， 本文不再赘述。

（二）平行趋势检验

使用双重差分法的重要假设前提是， 实验组和控制组保持一致的时间趋势。本文参考 Jacobson等（1993）的研究进行平行趋势检验。检验结果如图 1所示， 政策实施后第四年之前， 双重交互项的估计系数基本在0值附近上下波动， 且不显著； 而在第四年之后， 边际效应线向右上方倾斜， 且影响效应呈增强趋势。说明2013年试点政策对全要素生产率的影响存在滞后性， 可以使用双重差分模型进行检验。

（三）基准回归分析

表 4为碳排放权交易政策实施对企业全要素生产率的影响的基本回归结果。其中列（1）、 列（2）以全国企业为样本进行总体回归， 列（3）、 列（4）以七个试点省份上市公司为样本進行回归， 在控制年份、 行业和地区固定效应后，  Treat×Time的系数均在1%的水平上显著为正。列（5） ～ 列（8）为倾向得分匹配后分别运用双重差分模型（1）和三重差分模型（2）进行回归的结果， Treat×Time及Treat×Time×Regulate的系数均显著为正， 说明碳排放权交易政策实施显著提高了企业全要素生产率。假设1得到验证②。

（四）稳健性检验

本文参考钱雪松等（2018）的研究， 进行以下稳健性检验： 随机选取政策实施年份进行安慰剂检验、 采用OP法计算企业全要素生产率、 考虑滞后效应， 结果如图2、 表 5所示， 双重交互项回归系数都集中在零点附近， Treat×Time及滞后一期系数在1%的水平上显著为正， 结论稳健。

五、 进一步分析

（一）中介机制检验

为验证假设2和假设3， 本文利用逐步回归法进行中介机制检验， 结果见表6。实质性减排效应检验结果如表6列（1）、 列（2）所示； 创新效应检验结果如列（3）、 列（4）所示； 资源配置效应检验结果如列（5）、 列（6）所示。其中， 列（1）、 （3）、 （5）中Treat×Time的系数均显著为正， 列（2）、 （4）、 （6）中GW、 RD、 Eff的系数均在1%的水平上显著为正， 表明碳排放权交易政策通过实质性减排效应、 创新效应和资源配置效应提高企业全要素生产率， 假设2和假设3得到验证。

（二）异质性分析

1. 企业性质。根据企业所有权不同， 本文将所有样本分为国有企业和非国有企业进行异质性检验。表 7列（1）和列（2）回归结果表明， 与非国有企业相比， 碳排放权交易政策更可能提高国有企业的全要素生产率。原因在于， 国有企业更易获得国家政策支持， 具有天然政治屏障， 信息不对称程度更低， 生产要素的分配与调整更加灵活， 资源配置效率更高。

2. 抗风险能力。在碳排放权交易政策实施过程中， 企业内在因素和外在环境都会对政策实施效果产生影响。本文参考周志方等（2019）的研究， 以现金柔性和负债融资柔性之和衡量企业抗风险能力， 当企业抗风险能力大于样本企业抗风险能力中位数时， 称为抗风险能力强企业， 否则为抗风险能力弱企业。结果如表 7列（3）和列（4）所示， 碳排放权交易政策实施对抗风险能力强企业的全要素生产率的促进作用更加明显。这是因为抗风险能力弱企业没有足够的资金去应对碳排放权交易风险带来的转型成本压力， 企业不仅无法进行技术升级， 还可能面临经营困境。

3. 市场化水平。外部环境方面， 本文参考常凯等（2012）的研究， 以樊纲市场化指数衡量企业所处外在环境的市场化水平。当企业所在地区市场化水平大于样本企业所有地区市场化水平中位数时， 认为企业处于市场化水平高地区， 反之处于市场化水平低地区。表 7列（5）、 列（6）的结果表明， 碳排放权交易政策实施对市场化水平高地区企业全要素生产率的提高作用更为明显。原因在于市场化水平较高地区， 碳市场更为平稳、 碳价格更为透明， 企业能够对碳排放权交易政策做出迅速反应， 降低交易成本和交易风险， 通过创新和提高资源配置效率来获取现金流量、 转嫁减排成本。

六、 结论与建议

本文基于我国碳排放权交易政策试点这一准自然实验， 利用2008 ～ 2020年我国A股上市公司数据， 评估碳排放权交易政策对企业全要素生产率的影响。研究发现： 其一， 碳排放权交易政策的实施提高了企业全要素生产率。其二， 碳排放权交易政策通过增加企业实质性减排行为、 促进企业创新和优化企业资源配置来提高企业全要素生产率。其三， 国有企业、 抗风险能力强和市场化水平高的企业全要素生产率受碳排放权交易政策影响更明显。

基于上述研究结论， 本文得到如下启示：

（1）企业应加快转型升级步伐， 提高资源配置效率。本文研究证明， “既要绿水青山， 又要金山银山”的美好愿景是可以实现的。政府应着力完善碳排放权交易制度， 总结试点经验， 加快建设和完善全国碳市场。企业也应转变环境规制会阻碍自身发展的错误观念， 在积极响应环境治理政策的同时加快转型升级的步伐， 提高自身生产效率和资源配置效率。

（2）政府应激发企业创新活力， 积极推动技术创新。政府应根据市场变化调整环境规制手段， 出台扶持性政策。例如， 在实施碳排放权交易制度时， 可考虑加大对低碳技术研发的补贴力度， 缓解企业创新资金短缺问题。企业应充分利用技术创新带来的补偿效应， 加大创新力度和提高创新能力， 实现可持续发展。

（3）国家应实施差异化环境规制策略，  避免采用“一刀切”行政命令。国家相关部门在制定政策时， 应根据不同企业性质、 企业内部情况、 地区市场化程度差异， 实施差异化环境规制策略。各地政府应因地制宜、 因时制宜地促进区域环境治理交流协作， 提高碳排放权交易市场有效性， 为实现“双碳”目标保驾护航。

【 注 释 】

① 投入维度，以应付职工薪酬，固定资产净额，购买商品、接受劳务支付的现金进行衡量，反映企业规模大小、生产能力和中间品投入；产出维度以企业年净利润衡量，反映企业实际盈利情况。

② 已进行相关性分析，变量间系数均小于0.5，在1%或5%的水平上显著相关，不存在严重多重共线性问题。

③ 图2为500次随机分配后回归估计系数均值，X轴表示FalseTime×CO2的估计系数，曲线是估计系数的核密度分布。

【 主 要 参 考 文 献 】

步晓宁，张少华，张天华．中国工业企业的增长动能、配置效率与经济利润［ J］．南方经济，2019（6）：48～70．

常凯，王苏生，徐民成．碳排放权交易机制下碳排放量控制效率的经济解释［ J］．统计与决策，2012（21）：156～159．

缑倩雯，蔡宁．企业异质性环境实践方式与绩效关系的实证研究［ J］．软科学，2014（11）：15～19．

花贵如，刘志远，许骞．投资者情绪、企业投资行为与资源配置效率［ J］．会计研究，2010（11）：49～55+97．

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．

姬新龙．碳排放权交易是否促进了企业环境责任水平的提升？［ J］．现代经济探讨，2021（9）：49～55．

李大元，贾晓琳，辛琳娜．企业漂绿行为研究述评与展望［ J］．外国经济与管理，2015（12）：86～96．

刘传明，刘一丁，马青山．环境规制与经济高质量发展的双向反馈效应研究［ J］．经济与管理评论，2021（3）：111～122．

鲁晓东，连玉君．中国工业企业全要素生产率估计：1999-2007［ J］．经济学（季刊），2012（2）：541～558．

钱雪松，康瑾，唐英伦等．产业政策、资本配置效率与企业全要素生产率——基于中国2009年十大产业振兴规划自然实验的经验研究［ J］．中国工业经济，2018（8）：42～59．

沈洪涛，黄楠．碳排放权交易机制能提高企业价值吗［ J］．财贸经济，2019（1）：144～161．

申丹虹，劉锦叶，崔张鑫．中国制造业全要素生产率测算与区域趋同检验［ J］．统计与决策，2022（1）：47～52．

涂正革，肖耿．中国的工业生产力革命——用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析［ J］．经济研究，2005（3）：4～15．

肖红军，张俊生，李伟阳．企业伪社会责任行为研究［ J］．中国工业经济，2013（6）：109～121．

章祥荪，贵斌威．中国全要素生产率分析：Malmquist指数法评述与应用［ J］．数量经济技术经济研究，2008（6）：111～122．

周志方，李祎，肖恬，曾辉祥．碳风险意识、低碳创新与碳绩效［ J］．研究与发展管理，2019（3）：72～83．

Clarkson P. M.， Li Y.， Richardson G. D.， et al.. Revisiting the relation between environmental performance and environmental disclosure： An empirical analysis［ J］．Accounting， Organizations and Society，2008（4-5）：303～327．

Jacobson L. S.，R. J. LaLonde， D. G. Sullivan. Earnings losses of displaced workers［ J］．American Economic Review，1993（4）：685～709．

Levinsohn J.，A. Petrin. Estimating production functions using inputs to control for unobservables［ J］．Review of Economic Studies，2003（70）：317～342．

Olley G. S.， Pakes  A.. The dynamics of productivity in the telecommunications equipment industry［ J］．Econometrica，1996（64）：1263～1297．

Richardson R.. Over-investment of free cash flow［ J］．Review of Accounting Studies，2006（2-3）：159～189．

Siller M.， Schatzer T.， Walde J. F.，Tappeiner  G.. What drives total factor productivity growth？ An examination of spillover effects［ J］．Regional Studies， 2021（55）：1129～1139．

Walker K.， Wan F.. The harm of symbolic actions and green-washing： Corporate actions and communications on environmental performance and their financial implications［ J］．Journal of Business Ethics，2012（2）：227～242．