碳排放权交易提高了城市全要素碳排放效率吗？

王建林 宋蒙 赵佳佳

摘 要：减碳措施一般会带来总产出的降低，因此有必要从全要素效率的角度评估减碳政策。本文构建了一个方向距离函数模型，允许各决策单元有不等的减排因子，扩大了生产可行集的范围，同时采用了内生的方向向量，避免在选择方向向量时过于主观。基于这一模型本文重新测算了城市层面全要素碳排放效率，并实证分析碳交易政策对其的影响，研究发现，试点政策能够提高城市全要素碳排放效率；中介效应表明，试点政策会通过产业结构和绿色创新等途径提高城市碳排放效率；异质性分析发现，试点政策对于高行政等级和人口规模较大城市的碳排放效率影响更明显。因此，应扩大政策试点范围、鼓励产业结构优化、推广绿色技术创新、制定因地制宜的试点政策等进一步提升碳排放权交易制度的绿色发展效应。

关键词：碳排放权交易试点；全要素碳排放效率；方向距离函数；非期望产出；中介效应

中图分类号：F42；X51  文献标识码：A  文章编号：1001-148X（2024）01-0071-11

收稿日期：2023-09-05

作者简介：王建林（1979—），男，河北晋州人，教授，博士，研究方向：碳金融；宋蒙（2000—），女，江西九江人，硕士研究生，研究方向：能源经济；赵佳佳（1979—），女，吉林通榆人，副研究员，博士，研究方向：公共经济学。

基金项目：辽宁省社会科学规划基金项目“辽宁省财政环保资金的利用效率评估和对策设计”，项目编号：L18BJY024；辽宁省教育厅高校基本科研项目“极端天气对辽宁农业生产效率影响与应对策略研究”，项目编号：JYTMS20230657；东北财经大学2022年度省级以上科研平臺研究能力提升专项“煤炭企业合并中的公平审查研究：数据包络分析的新视角”，项目编号：PT-Y202213。

一、引言与文献综述

根据欧盟的经验，碳排放权交易市场被认为是减少碳排放量、控制化石能源消耗量的最有效的手段。中国在2011年开始了碳排放权交易市场的筹备工作，在2013年确定了7个碳排放权交易试点地区，截至2022年10月，碳排放配额成交量达（CEA）196亿吨，成交额超过85亿元。这一新兴的市场激励型政策受到学者们的广泛关注，最近的文献探讨了国内碳排放权交易政策对碳排放量［1］、能源消费［2］、全要素生产率［3］、创新［4］、产业结构的影响［5］，这些研究证实了碳排放交易会通过市场激励减少碳排放量，促进低碳技术的创新和投资等。但是任何减碳措施都是双刃剑［6］，碳排放交易政策也不可避免地会推高经济成本并降低总产出，如果减碳的经济成本较高，那么这种政策就难言效率。

现有研究主要从单要素和全要素两个角度计算碳排放效率，前者主要是比较碳排放量与GDP或者能源消耗量计算碳排放效率［7］，但单要素效率仅能考虑两个变量的比值，指标构建不全面。后者主要是通过各种参数模型（SFA）或者非参数模型（DEA）来计算碳排放效率，由于考虑了较多的投入和产出指标，全要素碳排放效率能更为客观。SFA方法需要预设模型的生产函数，如果误设了函数形式，那么测算结果会产生较大偏差。非参数的DEA方法则不要预设函数形式，目前使用DEA模型测算全要素碳排放效率更为流行，Charnes等和Banker等分别提出了CCR和BCC模型，他们的研究奠定了DEA模型的基础，但是这些DEA模型忽略了非径向松弛，Tone提出了一个被称为SBM的方法，同时考虑了输入输出项的松弛量。除了从国家或者区域的角度研究碳排放效率，一些学者还关注了特定行业的碳排放效率，如Ren等（2020）［8］，这些研究结论表明虽然我国特定行业碳排放效率总体保持增长趋势，但不同区域存在明显差异。

理论研究一般支持碳交易市场能够促进碳排放效率的提高，例如Buckley（2004）［9］分析了两种不同的碳排放交易方式，上限主导的和绩效主导的，发现上限主导比绩效主导的碳排放交易能够更好地促进碳排放效率的提高。经验研究文献大多运用双重差分法、可计算一般均衡模型以及合成控制法来评估碳交易政策效果。一些对于中国的研究表明，碳排放权交易能激励低碳技术的研发，进而降低碳排放强度提高碳排放效率［10］。尽管如此，也有研究认为碳排放交易是把双刃剑，在减碳的同时会降低社会福利水平［11］。另一部分学者则对其的减碳效果持怀疑态度，发现并非所有的碳排放交易试点区域都达到了预期效果［12］。

早期文献在刻画带有碳排放等非期望产出的环境生产前沿时，直接将非期望产出看作投入物，但是它违背了物质守恒定律（law of mass conservation），因为有限的投入物理上只能产生有限的产出，将非期望产出模拟为投入，意味着可以生产无穷的非期望产出，这在理论上是不可接受的。还有一种既不把非期望产出看成投入，也不把它看作普通的产出，而是使用弱可处置假设刻画非期望产出［13］，这一方法假设通过降低期望产出来降低非期望产出，不允许单独降低非期望产出，它比前面的方法刻画的生产可行集更为合理，因此得到了广泛的应用，国内也有部分采用这一方法［14］。这一模型不足之处是假设减排因子是相同的，没有给出合理的经济学解释［15］。

本文构建了一个方向距离函数模型，在已有模型基础上改进了生产可行集和方向向量。其中生产可行集借鉴了Kuosmanen（2005）［15］提出的弱可处置处理方法，允许各决策单元有不等的减排因子（non-uniform abatement factors）。传统的弱可处置性DEA模型施加了相同减排因子的假设（uniform abatement factors），尽管模型易于求解，但缺乏经济学含义。方向向量则借鉴了Arabi等（2015）［16］等的做法，通过松弛计算内生的方向向量，它能够客观给出各个决策单元向前沿移动的最优方向，相比之下， Chung等（1997）［13］等人主观地将方向向量选择为观测值，容易高估效率。基于上述改进的模型，我们测算了中国城市层面的全要素碳排放效率，检验了中国碳排放权交易政策的效果，期望得出更加稳健的结果。

二、理论分析与研究假说

（一）碳排放权交易制度对碳排放效率的影响机制

首先，碳排放权交易试点可能会通过调整产业结构来提升碳排放效率。碳排放权交易政策是碳减排手段之一，高排放企业需要向低排放企业购买剩余的碳配额以履行其减排任务，购买碳配额会增加企业生产成本。当成本大于收益时，企业有两种选择：一是退出市场，二是进行产业转型。退出市场使得此前投入的成本将变成沉没成本，一般企业不会轻易退出市场，而是通过各种途径减少减排成本。为了实现利益最大，高污染高排放企业会向低碳行业、大数据产业、清洁能源、集约型等新型行业转型，原来的高排放经济活动将逐步退出市场，从而提高碳排放效率。国内有学者就产业结构是否对碳排放效率产生影响进行了研究，范新号（2023）实证得出我国产业结构高级化能使得我国碳排放强度下降335%［17］。因此，本文提出以下假说：

H1：产业结构在碳交易市场对碳排放效率提升的过程中具有显著的中介效应。

其次，碳排放权交易可能会通过绿色创新来提升碳排放效率。一是推行碳排放权交易初期，企业预期未来碳价上涨，加上较高的沉没成本，因此不会轻易退出市场，有可能选择进行绿色创新；二是有剩余碳排放权配额的企业可在市场上有偿出售其配额，这些收益可以用于开发更先进的技术；三是绿色技术创新是波特假说中实现环保和经济共赢的重要手段，虽然短期内创新活动需投入大量成本，但从长期来看绿色技术创新能提高企业生产效率，增加的经济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环境和经济两个层面的指标。基于此，本文提出以下假说：

H2：碳交易市场能通过激励绿色创新提高碳排放效率。

（二） 碳排放权交易制度对碳排放效率影响的异质性

城市行政等级带来的异质性主要体现在：首先，行政等级越高，政府对市场经济的宏观调节能力越强，促进产业结构升级的权限越大［18］，对于新型产业的发展享有更大的审批权，产业结构布局更符合本级政府的战略定位。其次，高行政等级城市凭借更好的公共服务，更高的资本回报和更好的就业机会吸引各种要素流入，有利于各种要素的优化利用，提高碳排放效率，相反，低行政等级城市由于公共服务不足，对要素的吸引力不够［19］。基于此，本文提出以下假说：

H3：碳排放权交易制度对高行政级别城市碳排放效率的提升幅度高于低行政级别城市。

现有研究认为城市人口规模增加并非简单导致碳排放量增加［20］。城市人口规模影响的异质性主要体现在：人口规模越大，越有利于形成劳动力蓄水池、知识和技术的溢出，为企业进行绿色技术创新提供了人力资本和技术条件；人口规模越大，能源利用和交通方式会得到改变，在寒冷冬季，人口规模大的北方城市能提高供暖效率，减少能源损失；此外，只有人口规模超过一定门槛的城市才会建设地铁等公共轨道交通，这有利于城市交通碳排放效率的提高［21］。因此，本文提出以下假说：

H4：碳排放权交易制度对人口规模大的城市碳排放效率的提升幅度高于人口规模小的城市。

三、方法与数据

（一）碳排放效率

本文提出了一个内生方向距离函数模型用于计算碳排放效率，该模型改进了以往模型中的环境生产可行集和方向向量，使得模型假设和计算结果更为合理。设x为投入，一般包括资本、劳动两种投入；y为期望产出，一般为GDP；b为非期望产出，本文为碳排放，如果用产出集刻画环境生产技术P（x）={（y，b）|x can produce （y，b）}，那么它需要满足以下三个公理性假设：第一，投入和产出的强可处置性，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］的方法的优势在于考虑了更多观测值的凸组合，这些组合仍能够满足公理性假设，因此这一生产可行集要大于Fre等（1993）［22］给出的生产可行集。

Chung等（1997）［13］针对环境生产前沿提出了一个全要素方向距离函数模型，该模型得到广泛应用，他们将方向向量选择为观察值，等比例最大化期望产出，同时等比例最小化投入以及非期望产出。这样设定的一个好处是可以保证“单位不变性”，同时η可以解释为改进的比例，这一模型被称为径向方向距离函数模型。基于Kuosmanen（2005）［15］的生产可行集，Chung等（1997）［13］的全要素方向距离函数模型如下：

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）

上述模型由于主观地设置方向向量而存在缺陷，许多学者认为有多种方式设置方向向量，而将其设为观察值会导致效率被高估［23］。我们参考Arabi等（2015）［16］、Fre等（2015）［22］、王建林等（2017）［24］的方法，基于松弛值选择方向得出一个相对客观的方向向量。该模型因方向向量可通过模型解得，故被命名为内生方向距离函数模型。假设方向向量为g，在Kuosmanen（2005）［15］的生产可行集基础上构造的内生方向距离函数模型如下：

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）

上述模型的未知变量有η、θ、λ、g，其中涉及未知变量相乘，是一个非线性规划模型。求解这个模型，可以参考Kuosmanen（2005）［15］、王建林等（2017）［24］的做法，首先将其线性化，然后再使用线性规划方法求解，限于篇幅我们不再展开线性化步骤和计算代码可以向作者索取。。这里的η是最大可压缩量，其值越大，说明实际观测到的碳排放距离最优碳排放越远，相应的碳排放效率越低。因此，为了便于应用，我们构建了如下的效率指标：

Eff=11+η（4）

效率指标Eff介于0和1之间，当改进潜力为0时，效率Eff=1，此决策单元为相对最有效率的决策单元，当改进潜力大于0时，效率Eff<1，此决策单元为相对无效率的决策单元。

（二）计量模型

我们首先基于上述碳排放效率模型计算了碳排放效率Eff，然后运用Tobit-DID模型估计碳交易试点政策对城市碳排放效率的影响效果。考虑到被解释变量是通过非参数DEA方法计算的，其取值由于介于0到1之間而受到限制，使用常规的回归方法进行分析，会产生较大的估计偏差，因此选取专门处理数值受到限制的Tobit回归模型进行回归分析。多期Tobit-did模型如下：

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

其中，i和t分别代表地级市和年份；Treat为城市分组变量，若城市进行碳交易试点，取为1，反之取为0；Post为时间分组变量：2013年试点省市，其在2009—2013年取0、2013—2019年取1（2016年试点省份同理）；Control为控制变量组；γ为时间固定效应；ui表示城市固定效应；εit表示随机扰动项；因此，本文构建了包含城市个体和时间双固定效应的随机效应模型，并主要观察Treat和Post的交互项系数来估计碳交易试点政策对城市碳排放效率的因果效应。

在计算被解释变量城市碳排放效率Eff时，我们将中国各个地级市的资本存量、劳动作为投入要素，地区生产总值GDP作为期望产出，二氧化碳排放量作为非期望产出。其中资本存量数据以固定资产投资为基础，采用永续盘存法核算：

kt=it/pt－（1－σt）kt－1（6）

其中，k、 i、 p和σ分别指资本存量、固定资产投资、固定资产价格指数和折旧率，其中折旧率设定为5%。劳动投入用各个城市私营个体就业人员数和非私营单位就业人员数之和表示。地区生产总值根据GDP增长指数进行平减。

核心解释变量为地级市是否实行了碳排放权交易政策（TreatPost），影响碳排放效率的因素众多，根据已有文献的研究，选取了以下控制变量：（1）经济发展水平（Economy），本文选取人均GDP表示，当其在EKC曲线拐点之前时，随着经济发展水平提高，对环境的污染越大；但经济发展充分地区可能处在EKC拐点之后，随着经济发展水平提高，由于居民环保意识强、城市科创能力高，越有利于环保。（2）产业结构（Secondary），本文选取第二产业GDP和城市GDP的比值表示，该比值越高说明对能源越依赖。（3）外向程度（FDI），选用当年实际利用外资金额的对数代表外向程度，控制这一变量是因为考虑到“污染避难所效应”。（4）能源消费强度（Intensity），能源消费强度选取单位GDP全社会居民用电量表示，能源强度越低，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），用单位面积的人口数来表示，人口聚集的地方，一般民众的环保参与度较高，本文预期城市人口集聚对碳排放效率的影响作用为正。（6）技术创新能力（Patent），用城市当年获得的发明专利数表示，当技术偏向于绿色创新时，碳排放量能显著减少，但当技术只注重提高生产率，就会导致产出大规模扩张，不利于减排。

（三）数据来源及处理

本文的研究对象是地级市，由于城市样本数据存在缺失，如果全部删掉这些样本就会损失大量数据，对此，我们采用以下策略处理：如果某一个样本的某一个变量的缺失值数量超过了该变量所有观测值的20%，那么直接删掉该样本；如果某变量的缺失值数量低于该变量所有观测值的20%，就保留该样本，缺失值采用线性插值法补齐，最终得到245个地级市2009—2019年的不平衡面板数据，共计2695个观测值。2013年6月起，碳排放权交易先后在7个省市试点北京、天津、上海、重庆、湖北、广东和深圳。，2016年10月福建省纳入试点范畴。为了研究方便，我们将深圳市合并到广东省。考虑到直到2013年我国第一个碳交易市场才正式成立，因此选用2013年作为第一批碳交易政策时点，福建省于2016年试点，所以福建省的Post项在2016年前赋值为0，之后Post赋值为1；除福建省外的试点省市其Post项在2013年前赋值为0，在2013年之后赋值为1。为了消除异方差，本文对六个控制变量取对数。由于西藏、港澳台地区的数据缺失严重，故样本中不包含其在内。大部分数据来自中经网统计数据库（Statistical database of China economic network， CEIdata），碳排放数据来自中国碳排放核算数据库（China emission accounts and datasets）。变量的描述性统计见表1。

可以看到，实验组城市的碳排放效率的均值为0641，大于控制组的均值0598，因此碳排放权交易试点政策可能促成了这一结果。同时，实验组城市的人均GDP的均值也大于控制组，一般来讲经济发展水平与居民环保意识和创新能力正相关，也可以解释实验组较高的碳排放效率，我们还看到，实验组城市的人口密度的均值也比控制组大。城市碳排放效率是多种因素综合的结果，为了检验碳排放权交易试点政策的效果，我们必须借助严格计量经济模型。

四、实证结果分析

（一）基准回归

基准回归结果如表2所示。列（1）显示了未加入控制变量的结果，列（2）—（7）显示了逐一添加6个控制变量时的结果，TreatPost项系数都在1%的显著性水平上显著为正。人均GDP、外商直接投资、人口密度和专利授权数这4个控制变量对城市碳排放效率有显著的正向影响，这表明这些因素对“双碳”目标的实现起到重要的作用，因此在基础回归中不应遗漏这些变量。第二产业产值占比会对城市碳排放效率产生负面影响，偏重的二产结构会导致城市碳排放增加，不利于低碳经济的实现和碳减排，这一结果与多数学者的结果一致［26］。列（5）能源消费强度Intensity的系数，没有统计学意义，说明其不是影响城市碳排放效率的核心因素。列（8）显示在加入6个控制变量后，TreatPost项系数仍显著为正，数值略小于列（1）的系數。表明碳交易试点政策能够在一定程度上促进城市碳排放效率的提升，提升幅度大约26%。

（二）平行趋势检验

使用双重差分法之前需要检验碳交易政策试点前，试点城市和非试点城市的碳排放效率是否呈现稳定的变化趋势。本文借鉴曹清峰（2020）［27］事件研究法的做法，设定如下计量模型来检验碳交易试点政策的碳排放效率提升效应：

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

其中，Dkit代表碳交易试点政策这一事件的虚拟变量。假定城市i碳交易试点年份为yi，令k=t－yi；当k=－3，－2，…，4，5，6时，相应的Dkit=1，否则为0。在具体的回归分析中，为了解决多重共线性问题，将基准期定为政策实施前第三年，因此式（7）中不包括D－3it这个虚拟变量。通过比较参数αk的经济意义和统计显著性就可以检验国家碳交易试点政策效应的时间变化趋势。为了检验碳交易试点政策对我国城市碳排放效率影响是否满足平行趋势假设，图1报告了变量Dk的估计系数结果置信区间为95%。。可以发现，碳交易试点政策实施之前的两年，置信区间都穿越了系数为0的水平线，这表明系数全部不显著且碳交易试点前城市碳排放效率并无显著差异；但是碳交易试点之后一直到设立后第六年，置信区间没有穿越水平线，说明系数全部显著且试点城市和非试点城市间碳排放效率差异程度逐渐增大，这表明平行趋势假设满足，使用DID方法研究碳排放权交易政策是否提高了我国城市碳排放效率是可行的。从碳交易试点第一年开始，直到设立后的第六年，碳交易试点都显著促进了我国城市碳排放效率。

（三）稳健性检验

考虑到碳交易政策试点后，各控排企业从投入绿色技术创新到创新取得成效都需要一定时间，因此政策效果往往存在时滞性。为了识别这一效果，我们将交互项和控制变量都滞后一期，研究其对碳排放效率的影响。如果滞后一期TreatPost项系数依然显著为正，则说明本文结论稳健。表3列（1）是不加入滞后一期控制变量的结果，列（2）是加入6个滞后一期控制变量的结果，无论加入与否，滞后一期碳交易试点政策都显著提升了试点城市的碳排放效率，说明碳交易试点政策的确存在时滞性。

在估计碳交易试点对城市碳排放效率的影响过程中，不可避免地会受到其他政策影响的干扰，从而高估或者低估碳交易试点政策的效应。为了识别和解决这一问题，本文搜索了样本期内发生的其他政策事件。除了碳排放权交易试点政策以外，我国在2010年启动、分批试点的低碳城市以及创新型城市试点政策［28］都被证明会影响试点地区的碳排放效率。为识别这些影响，本文在基准回归模型中加入低碳城市和创新型城市试点政策的年份虚拟变量Lowcarbon、Inno_policy。如果加入两个虚拟变量后交互项系数不显著，则表明本文结论不稳健；如果加入两个虚拟变量后交互项系数显著，说明碳交易政策效果存在，本文估计结果可信。表4列（1）和列（2）分别是排除低碳城市试点和创新型城市试点影响后的回归结果，可以看出，在剔除相关政策的影响后，核心解释变量Treatpost的估计系数依然在1%的显著性水平上显著为正，证明本文基础回归结果可信。

DID方法容易存在“选择性偏差”，即无法确保实验组和控制组在政策执行前具备相同的个体特征。本文涵盖了全国范围内的245个地级市样本，样本间地域、经济差异较大，显然会存在很大的个体差异。另外，尽管双重差分法分离出了碳排放权交易试点政策的平均处理效应，但是该项政策并非严格意义上的自然实验，所以仍然可能导致在观察数据方面存在选择性偏差（Selection effect）问题。因此，本文利用倾向得分匹配法（PSM）匹配试点城市和非试点城市，匹配变量是本文6个控制变量（外商直接投资水平、人均GDP、能源消耗强度、人口密度、专利授权数、第二产业产值占比）。随后再次使用Tobit-DID进行回归，表5展示了PSM-DID方法处理后的回归结果，列（1）是未加入控制变量的结果，列（2）是加入6个控制变量的结果，无论加入控制变量与否，碳排放权交易试点政策都显著提升了试点城市的碳排放效率，表明本文的结论具有稳健性。

尽管我们尽可能地控制了样本城市的诸多特征，但是仍然会有其他未知因素干扰Tobit-DID的回归结果，本文进一步进行安慰剂检验。首先进行针对个体的安慰剂检验，先随机挑选一批城市作为虚假试点城市，再进行Tobit-DID回归，观测交互项是否显著。具体而言，本文对所有245个地级市进行了500次抽样，每次抽样随机选出44个城市作为虚拟实验组，其余201个城市作为控制组按模型进行回归。交互项的核密度分布如图2所示，大多数抽样估计样本的TreatPost项系数的z值的绝对值都在0左右，说明碳交易试点政策在这些随机抽样中无显著效果，即该政策效果是稳健的。

在以上稳健性检验的基础上，本文进一步进行针对时间的安慰剂检验，通过人为设定一个虚假的碳交易试点时间点，对其碳排放效率提升效应进行检验。福建省下辖的城市以2013年和2014年作为假设的政策试点时间，其他城市以2010年和2011年作为假设的政策试点时间，再次进行Tobit-DID回归。如果交互项的系数显著，表明碳交易试点政策之外的其他因素影响碳排放效率；如果系数不显著，则说明碳交易试点政策确实是我国城市碳排放效率提升的主要原因。检验结果如表6所示，列（1）显示将碳交易试点的时间提前3年（即试点年份为2010年、2013年）的结果，交互项的系数不具有统计显著性，列（2）显示将碳交易试点的时间提前2年（即试点年份为2011年、2014年）的结果，交互项的系数也不具有统计显著性，证明城市碳排放效率的提升的确是碳交易试点政策带来的。

本文还剔除一些特殊样本以证明基础回归结果稳健。（1）2013年试点的7个省市中，北京、上海、深圳是经济实力靠前的三大城市，“十二五”期间一些严格的节能减排政策也在北上深执行，由此会对碳交易市场政策效果产生干扰；（2）重庆是8个试点省市中唯一一个处于西部的直辖市，碳交易政策效果也可能受到西部地区经济发展的特殊性影响；（3）福建省不同于其他试点省市，于2016年才试点，可将其从总样本中剔除，确保研究结果可信。结果如表7所示：在剔除上述样本后，TreatPost项系数依然显著为正，进一步证明本文结论可靠性。

（四）机制分析

本文设计了“碳排放权交易试点政策—中介变量—城市碳排放效率”的链式结构验证机制。第一步，检验链式结构前半部分“碳排放权交易试点政策—中介变量”，即国家碳排放权交易政策Treat×Post对中介变量M的影响，相关模型构建如下：

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

第二步，检验链式结构后半部分“中介变量—城市碳排放效率”，即中介变量M对城市碳排放效率Eff的影响，相关模型构建如下：

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

本文首先采用第三产业GDP和城市GDP的比值表示产业结构优化，用Third表示。产业结构效应的检验结果如表8列（1）和列（2）所示。列（1）中Treat×Post的系数在显著为正，说明碳排放权交易试点政策提高了第三产业比重，促进产业结构升级，这一研究结果与刘满凤和程思佳（2022）［5］的研究结果一致。列（2）中显示，中介变量Third影响碳排放效率的系数显著为正，说明第三产业占比的上升显著提高了城市的碳排放效率，即产业结构升级能够显著提高城市碳排放效率。可见，碳交易试点政策能够通过优化产业结构进而提升城市全要素碳排放效率，验证了假设H1。

其次，本文采用各城市当年的绿色专利授权数量表示绿色创新能力，用Green表示。绿色创新效应的检验结果如表9列（1）和列（2）所示。列（1）中Treat×Post项的系数在1%的显著性水平上显著为正，表明碳交易试点政策能够显著增加城市绿色专利授权数量。对此的一个解释是，碳排放权交易政策对各试点省市的重点污染企业能够形成减排目标约束，根据“波特假说”，合理的环境约束政策下，污染企业会自主进行生产技术的低碳绿色革新。列（2）报告了绿色创新对城市碳排放效率影响的回归结果，结果显示，绿色创新中介变量Green的系数在1%的显著性水平上显著为正，说明绿色专利授权數量的增加显著提高城市碳排放效率，这与企业投入资源进行绿色技术研发的目的是一致的，绿色专利运用到实际生产中，提高能源利用率，在保证产出不变的前提下减少碳排放量，进而提升城市碳排放效率。可见，存在着“碳排放权交易试点政策—绿色创新—城市碳排放效率”的链式结构，碳交易政策能够通过激励企业绿色创新进而提升城市碳排放效率，验证了假设H2。

（五）异质性分析

直辖市、省会城市和副省级城市调动资源的能力要高于其他一般地级市，碳排放权交易试点政策的效果是否会因城市行政等级的不同而不同？为了探讨这个问题，本文参考徐佳和崔静波（2020）［29］的研究，在基准回归模型的基础上加入了行政等级虚拟变量High，如果城市i是高行政等级城市高行政等级城市：是指直辖市、省会城市或副省级城市。，那么Highi=1；否则，Highi=0。通过设置三重差分变量Treat×Post×High，构建三重差分模型（DDD）：

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

我们重点考察三重差分项Treat×Post×High的系数α1，如果显著为正，则表明相对于低行政等级城市，碳交易试点政策更能提升高行政级别城市的碳排放效率；如果显著为负，则结论相反，表示碳排放权交易试点政策更能促进低行政等级城市的碳排放效率提升。考虑城市行政等级异质性回归结果如表10的列（1）所示。可以看到，系数α1在1%的水平上显著为正，说明相对于低行政等级城市，碳排放权交易试点政策显著提高了高行政等级城市的碳排放效率，验证了假设H3。对这一结论的可能解释是行政等级较高的城市，在规划和制定地方产业政策方面的权限也更高，因此相较于低行政级别城市，在高行政等级城市实施碳交易政策更能优化产业结构，进而推动其碳排放效率的提升。

城市人口规模对碳排放量有双向作用，对于不同人口规模的城市，碳排放权交易政策对城市碳排放效率是否会产生异质性作用？参考张翱翔（2022）［30］的做法，在基准回归模型中加入人口规模虚拟变量Size，如果城市i的人口规模大于平均值，那么Sizei=1，否则Sizei=0。由于除了福建省以外的省市都是在2013年试点的，对于这些试点省市，这两个虚拟变量的设置都是以试点前一年，即2012年的数据为依据，而福建省的虚拟变量设置则是以2015年为依据。通过设置三重差分变量Treat×Post×Size，构建三重差分模型，模型构建如上面的模型。如果Treat×Post×Size的系数显著为正，表明相较于人口规模较小的城市而言，在人口规模大的城市实施碳交易政策更能提升碳排放效率。回归结果如表10的列（2）所示，Treat×Post×Size的系数在1%的显著性水平上显著为正，表明就碳排放效率来说，城市的人口集聚能够改变能源利用方式，从而提升城市碳排放效率，验证了假设H4。

五、研究结论与政策建议

本文以2009—2019年245个地级及以上城市为研究样本，从城市碳排放权效率的视角对碳排放权交易试点政策的影响进行了分析，运用多期Tobit-did模型研究了碳排放权交易试点政策对城市碳排放效率的影响，同时对产业结构升级和绿色技术创新内在作用机制以及城市行政等级、城市人口规模的异质性进行了挖掘和讨论，得到如下结论：（1）在经过平行趋势检验、滞后一期解释变量与控制变量、剔除相关政策影响、PSM-DID、随机挑选实验组、人为设定虚假试点时间和剔除特殊样本等一系列稳健性检验后，研究发现碳排放权交易试点政策能显著提高城市碳排放效率。（2）影响机制还存在中介效应，即碳排放权交易会通过促进产业结构升级和激励绿色研发创新提高城市碳排放效率。（3）异质性分析发现，碳排放权交易试点政策更有助于提升高行政等级城市、人口规模大的城市的碳排放效率。为了进一步提升碳排放权交易制度的节能减排和绿色发展效应，根据以上结果，我们提出了如下政策建议：

第一，扎实推进全国碳市场的建设，继续扩大政策试点范围。研究结果表明碳排放权交易试点政策有效提升了我国城市碳排放效率，但目前只有少数地区和行业完全纳入碳市场交易，需要借鉴试点政策的成功经验，扩大政策试点范围。解决不同地区之间碳市场发展的不平衡问题，避免因此而导致的任何污染避风港效应。

第二，鼓励产业结构优化，推广绿色技术创新。由碳排放权交易试点政策影响城市碳排放效率的中介效应分析可知，增加第三产业占比和提升绿色低碳技术创新能力对城市碳排放效率的提升具有正向促进作用，因此地方政府要注重培育绿色低碳产业体系，鼓励资本向第三产业流动，提高高耗能企业的进入壁垒，制定政策以吸引高科技绿色企业落户，促进产业结构全面升级。

第三，考虑经济发展条件和资源禀赋，因地制宜制定政策。考虑到行政级别高、人口规模大的城市对碳排放权交易试点政策的效果更敏感，中央政府在推广政策试点时应注重“由高到低”的逻辑，鼓励这些城市优先开展碳交易试点，并且带动周边城市的绿色转型，从而发挥试点政策的示范效应；人口规模大的城市需要制定绿色低碳建筑相关的税收优惠、财政补贴政策、鼓励银行机构为其提供融资支持、鼓励科研机构和建筑企业合作、加强研发，利用媒体向公众宣传低碳建筑的优势。

参考文献：

［1］ 陆敏， 徐好， 陈福兴.“双碳”背景下碳排放交易机制的减污降碳效应［J］．中国人口·资源与环境， 2022， 32（11）： 121-33.

［2］ 罗世华， 王栋.碳交易政策对省域全要素能源效率的影响效应［J］．经济地理， 2022， 42（7）： 53-61.

［3］ 胡珺， 方祺， 龙文滨.碳排放规制、企业减排激励与全要素生产率——基于中国碳排放权交易机制的自然实验［J］．经济研究， 2023，58（4）： 77-94.

［4］ 陳芳，吴春玮.碳排放权交易政策是否促进工业企业的技术创新？［J］．商业研究，2023，65（2）： 90-97.

［5］ 刘满凤，程思佳.碳排放权交易促进地区产业结构优化升级了吗？［J］．管理评论，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，刘奕淳.中国碳交易试点政策对城市碳排放绩效的影响及机制［J］．中国环境科学，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］任亞运，傅京燕.碳交易的减排及绿色发展效应研究［J］．中国人口·资源与环境，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］陈醒，徐晋涛.中国碳交易试点运行进展总结 ［M］//薛进军.中国低碳经济发展报告（2017）.北京：社会科学文献出版社，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］刘海英，郭文琪.碳排放权交易政策试点与能源环境效率——来自中国287个地级市的实证检验［J］．西安交通大学学报（社会科学版），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］范新号.产业结构高级化对我国碳排放强度的影响研究［D］．重庆：重庆工商大学，2023.

［18］晁操.中国城市行政级别、产业结构升级对城市综合承载力影响的实证研究［D］．桂林：桂林理工大学，2020.

［19］闫中晓，吴祯.城市行政级别、数字经济与要素市场扭曲［J］．西部论坛，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］柴志贤.密度效应、发展水平与中国城市碳排放［J］．经济问题，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，赵佳佳，宋马林.基于内生方向距离函数的中国城市土地利用效率分析［J］．地理研究，2017，36（7）： 1386-1398.

［25］王勇，赵晗.中国碳交易市场启动对地区碳排放效率的影响［J］．中国人口·资源与环境，2019，29（1）： 50-58.

［26］王少剑，苏泳娴，赵亚博.中国城市能源消费碳排放的区域差异、空间溢出效应及影响因素［J］．地理学报，2018，73（3）： 414-428.

［27］曹清峰.国家级新区对区域经济增长的带动效应——基于70大中城市的经验证据［J］．中国工业经济，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，崔静波.低碳城市和企业绿色技术创新［J］．中国工业经济，2020（12）： 178-196.

［30］张翱祥.低碳城市试点政策对生态效率的影响及空间溢出效应［D］．衡阳：南华大学，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

（責任编辑：周正）