市场激励型环境规制与企业风险承担

摘要：提升企业的风险承担水平是市场激励型环境规制促使企业实现绿色转型的重要保障。以中国碳排放权交易试点政策为对象进行研究，构建了一个反映企业碳排放权交易行为的理论模型，探讨碳排放权交易如何影响轻（重）污染企业的风险承担水平。理论研究表明，碳排放权交易有助于引导企业研发创新、降低生产成本和提高利润，最终提升企业风险承担水平。实证结果显示，市场激励型环境规制显著提高了碳排放权交易试点地区企业的风险承担水平，且主要提高轻污染、非国有和东部地区等样本组企业的风险承担水平。机制检验表明，市场激励型环境规制通过提高企业研发创新、生产率和利润率提升企业风险承担水平，并且市场激励型环境规制对轻污染企业研发创新、生产率和利润率的促进作用大于重污染企业。因此，面对环境治理压力，企业应当主动承担碳排放权交易带来的机会和挑战，通过研发创新提升自身的风险承担能力。

关键词：环境规制;市场激励;绿色转型;碳排放权交易;风险承担;研发创新;生产率;利润率

文献标识码：A 文章编号：1002-2848-2024（04）-0073-15

一、问题提出

全球变暖引发了一系列极端气候现象，主因是人类工业化、城市化背后的二氧化碳过度排放。各国政府聚焦全球气候变暖问题，具有代表性的国际公约是《京都议定书》，该公约设想将碳排放权交易作为控制二氧化碳排放的新路径，正式将市场激励机制引入全球碳排放治理中。中国政府高度重视环境治理问题，持续完善和改革国内的碳排放权交易制度。党的二十大报告再次强调了“双碳”目标，期望通过健全碳市场交易体系推动中国绿色低碳发展。

环境规制的初衷是减少经济增长中的污染物排放量，但也对企业经济行为产生了不确定性影响[1]。各国环境治理经验表明，传统环境规制大多是污染末端治理和清洁生产方式，干预企业的生产过程，最为直接的影响是增大了企业用于末端污染处理或者购买清洁生产技术的生产成本。但是，传统环境规制过于依赖行政手段，往往脱离了市场机制，并且忽略了企业主动治污行为。在短期内，如果企业无法消化这部分生产成本，将降低其生产效率以及抑制企业抵御风险的能力[2-3]。根据波特假说理论，长期内传统环境规制可能带来创新补偿效应进而抵消企业的污染治理成本，提升其生产率[4-5]。但是，创新补偿效应一般需要较长的时间才能显现，其是否一定存在还处于争论中。因此，可以推断，传统环境规制对企业的经营行为和生产绩效带来了风险和不确定性。

相反，市场激励型环境规制引入了市场机制，可以有效减少行政干预，通过市场机制促进企业主动节能减排和技术创新[6-7]。同时，市场激励型环境规制并不对企业生产、投资过程造成直接的硬性干扰，可以引导企业主动参与碳排放交易行为，从而将环境规制的被动压力转化为企业的主动治污行为。激励机制促使企业竞相升级绿色生产技术和完成约定的污染排放权份额，甚至将节约的污染排放权份额出售给难以完成减排任务的企业，从而获取减排收益[8]。因此，市场激励型环境规制更利于企业主动参与节能减排，并将环境约束压力带来的风险和不确定性嵌入企业管理过程中，进而有助于提升企业的风险承担水平[9]。

对于企业来讲，其面临生产经营挑战以及各类环境政策冲击时需要具备主动承担风险和面对不确定性的能力。因此，本文引入风险承担的概念。风险承担水平是衡量企业在生产、投资过程中愿意主动承担风险和不确定性的重要指标[10]。同时，本文结合实现“双碳”目标的研究背景，以国家发展和改革委员会实施的碳排放权交易试点政策为例，研究市场激励型环境规制如何影响试点地区企业的风险承担水平。

市场激励型环境规制的思想是引入市场机制来配置和交易污染物排放权，将环境污染的负外部性转化为潜在的减排收益，实现节能减排[11]。一方面，市场激励型环境规制可以有效促进企业投资研发创新[6，8]。轻污染企业通过出售碳排放权获得减排收益，并可能获得政府节能减排型补贴[12]，进而增大研发创新的资金投入。重污染企业在短期内被迫增加碳排放权交易费用支出，但长期内市场机制促使其增大研发创新投入和提升生产技术。另一方面，市场激励型环境规制可以提升企业经营绩效，提高企业生产率和利润率[13]。对于轻污染企业来讲，减排收益和政府补贴变相降低了企业的运营成本并提高了企业的盈利水平。对于重污染企业而言，市场机制促使其考虑长期收益，为了能够在市场中生存以及在碳排放交易中获得减排收益将增大绿色生产技术创新，最终改善其生产效率和盈利水平。

企业研发创新、生产率和利润等变量是影响企业风险承担水平的重要影响渠道。首先，企业投资研发创新是其风险承担活动的重要内容，因为研发创新投入具有风险性，研发创新产出具有长期性和不确定性[14]。既有研究表明，提高企业研发创新投入有助于提升其风险承担水平[15]。其次，企业生产效率越高，其越有动机投资风险较高的项目，并且越有能力抵御外部不确定性和投资风险[3]。因此，企业提升生产效率是保持风险承担能力的内在因素[16]。再次，企业盈利状况反映了企业绩效，与企业生产率呈现正相关关系[17]。企业遵循“高风险高盈利”的经营原则，盈利追逐动机与经营风险呈现正相关关系，即高盈利能力的代价是承担更高的经营风险[18]。因此，一般来说，企业利润水平越高，其风险承担能力越强[19]。综上分析，市场激励型环境规制不仅影响了企业的研发创新、生产率和利润率，也通过这些变量影响企业的风险承担水平。

区别于以往研究，本文可能的边际贡献主要包括两个方面。第一，在研究视角上，不同于现有文献大多从环境规制的成本效应和创新补偿效应等视角展开机制分析，本文重点剖析了企业参与碳排放交易行为及其后续经济效果对企业主动承担风险的作用。第二，在理论价值上，本文构建理论模型推导了轻重污染企业参与碳排放权交易行为的经济后果，探索碳排放权交易的运行机理。从根源上看，本文的作用机制来源于企业参与碳排放权交易行为，肯定了由市场主导污染排放权进而治理环境的有效性。

二、理论分析

本文借鉴Chiu等[20-21]的研究构建理论模型，主要用于推演市场激励型环境规制如何影响企业参与碳排放权交易行为，进而对企业的研发创新、生产率、利润和风险承担产生影响。

（一）理论模型

1.基本假定

在同类型企业中，轻污染企业的生产工艺和技术创新水平一般更高，重污染企业的生产工艺往往不能达到前沿技术标准而产出更多的污染物。因此，技术创新成为促进重污染企业绿色转型的重要途径，政府部门期望通过环境政策激励重污染企业进行绿色技术创新。本文假设市场中有两类企业：一类企业的生产技术水平较高，单位产出的污染排放量较小;另一类企业生产技术水平较低，单位产出的污染排放量较大。假定这两类企业的数量均为n，总产量为Q，两类企业生产的产品质量和价格存在差异，反需求函数和总产量函数如下：

其中，PH 代表高技术企业（轻污染企业）的产品定价，PL 代表低技术企业（重污染企业）的产品定价，P 代表整个行业产品的加权定价，QH 代表高技术企业生产的产品总量，QL 代表低技术企业生产的产品总量，qHi 代表第i 个高技术企业的产量，qLi 代表第i 个低技术企业的产量，社会中同类产品总产量为Q，A、K 和L 分别代表整个行业的技术创新水平、资本投入和劳动投入。一般而言，高技术企业生产的产品质量相对更好，因此价格相对更高，也即PH >PL 。

2.企业生产行为

（1）企业不参与碳排放权交易的生产行为。在企业不参与碳排放权交易的情况下，企业将根据自身情况选择最优产量，因而无需关注碳排放等外部性经济问题。

其中，πHi 代表高技术企业利润，πLi 代表低技术企业利润，企业利润由销售额与成本的差值构成，C代表生产成本。根据利润最大化原则，通过计算可以求得企业获得最大利润水平的一阶条件。

其中，ε 代表其他企业对该企业产量的影响弹性，MC 代表边际成本。如果该行业处于完全竞争行业，反需求函数的导数为0，此时企业获得最大利润水平的一阶条件是价格（边际收益）等于边际成本，这与利润最大化原则的要求一致。但在一般情况下，行业均无法达到完全竞争状态，因此企业利润最大化条件由该行业的市场结构和竞争程度决定。

（2）企业参与碳排放权交易的生产行为。在企业参与碳排放权交易的情况下，所有企业最终的碳排放量不能超过政府规定的碳排放权份额。根据理论模型假定，企业的利润最大化问题如下：

其中，β 代表单位产出的碳排放量，pHC 、xHi 分别代表高技术企业面临的碳排放权交易价格和剩余的碳排放权配额，pLC 、xLi 分别代表低技术企业面临的碳排放权交易价格和需要额外购买的碳排放权配额，㧩i代表政府给予每个企业的碳排放权配额。为简化分析，假定每个企业获得的碳排放权配额相同。从式（4）可以看出，企业销售额减去企业成本再减去（或者加上）企业生产过程中需要额外购买（或者卖出剩余）的碳排放权交易配额可得到企业利润。此外，上述两类企业在生产过程中排放的碳总量要不大于所有企业获得的碳排放权配额总量。

在碳排放权交易市场，有些企业属于轻污染排放企业，通常只需使用政府给予其的部分碳排放权配额，因此可以将剩余的碳排放权配额出售以减少生产费用或者增加利润;重污染排放企业则恰好相反，需要从轻污染排放企业处购买额外的碳排放权配额。从总体上看，轻污染排放企业出售的碳排放权配额和重污染排放企业额外购买的碳排放权配额相等，也即Σ（xHi -xLi）=0。因此，政府给予企业的碳排放权配额总量可表示为Σ（2Δi）=Σ（xHi -xLi +2Δi），也即式（4）中的约束条件可表示为：

其中，L 代表构造的拉格朗日函数，λ 代表拉格朗日乘子，其他变量的定义与前文相同，此处不再重复。由式（6）（7）可以看出，与不参与碳排放权交易情况相比，此时企业需要考虑碳排放成本，企业的边际成本、单位产出的碳排放量、出售（购买）的碳排放权交易价格和商品价格等因素共同决定了企业生产均衡条件。轻污染企业的边际成本包含较低的单位污染排放成本和相对较高的产品价格，而重污染企业的边际成本则包含较高的单位污染排放成本和相对较低的产品价格，产品质量和企业发展受限。

可以推断，在参与碳排放权交易的情况下，轻污染企业可以将剩余的碳排放权份额销售出去，进而节约生产支出和成本，并获得一部分减排收益。同时，此类收入还可用于企业的生产技术改进和研发创新，进而提升企业的生产效率和利润总额。此外，中国政府为了鼓励企业进行绿色研发创新，会对企业的节能减排行为给予一定的政府补贴，也即轻污染企业可以获得更多的政府补贴收入。为了简化理论模型，假设重污染企业获得的此类政府补贴收入为0。对于重污染企业而言，在短期内其通常需要购买额外的碳污染排放权配额，生产支出增加，用于研发创新的资金减少，生产效率可能降低，因而该类企业的利润总额可能下降。碳排放权交易存在情况下的企业利润情况如下：

其中，Si 代表政府给予轻污染企业的节能减排型补贴，π'、Q'和C'分别代表碳排放权交易存在情况下的企业利润、销售量和生产成本，且Q'H >QH ，C'H <CH ，Q'L <QL ，C'L >CL ，π'H >πH ，π'L <πL 。

（二）研究假说

上述理论模型仅用于推导碳排放权交易对轻重污染企业的短期影响。但是，对于重污染企业，理论模型并没有考虑波特假说理论和政府补贴的现实选择。一方面，重污染企业受到市场激励可能增大研发创新投入，进而在长期内获得创新补偿效应;另一方面，政府为激励重污染企业研发创新和节能减排，也可能给予重污染企业一定的政府补贴。因此，碳排放权交易对重污染企业研发创新、生产率和利润水平的影响方向并不确定，取决于是否存在创新补偿效应，以及创新补偿效应与成本效应的相对大小。

第一，轻污染企业可以获得额外的碳减排收益和政府补贴，可将获得的资金投资绿色生产工艺和技术创新，生产成本相对下降，变相提升企业的生产效率和利润水平。已有研究表明，企业研发创新投入[15]、生产效率[16]和盈利能力[19]是影响企业风险承担能力的正向积极因素。因此，碳排放权交易将直接提升轻污染企业的风险承担水平。

第二，对于重污染企业，需要付出额外的污染成本，短期内的成本效应对企业生产效率和利润水平带来了负向挤出。但是，高额的碳排放权交易费以及政府对节能减排行为的补贴将激励重污染企业加大研发创新，进而在长期内产生创新补偿效应[4]。如果正向创新补偿效应可以快速抵消负向成本效应，重污染企业的生产率和利润水平也可能得以提升。因此，从理论上看，碳排放权交易能否提升重污染企业风险承担水平，主要取决于能否产生创新补偿效应。

为了更好地理解上述理论分析，本文绘制的碳排放权交易影响轻重污染企业风险承担水平的传导机制如图1所示。其中，虚线代表长期可能发生的传导机制。

基于上述理论分析，本文提出如下研究假说和推论：

假说1：企业的碳排放权交易行为可以通过其在碳市场参与碳排放权交易来反映。

假说2：碳排放权交易有助于促进企业研发创新以及提高企业生产率和利润水平，并且以此为影响渠道提升企业的风险承担水平。

推论：重污染企业面临的创新补偿效应和成本效应的相对大小并不确定，碳排放权交易对重污染企业研发创新、生产率、利润率和风险承担的影响程度不确定。

三、研究设计

（一）计量模型设定

本文以国家发展和改革委员会设立碳排放权交易试点这一政策事件为研究对象，为检验市场激励型环境规制对试点地区企业风险承担水平（Ris）的因果效应，构建双重差分计量模型进行检验，具体如下：

Risjct =α+βTREc ×POSt +ΣϑlXljt +ΣδmYmct +μj +λt +τi ×T +εjct （9）

其中，j、i、c、t 分别代表企业、行业、城市和年份，控制了企业固定效应（μj）和年份固定效应（λt），并且在省份层面对回归标准误进行聚类调整。本文将产业时间趋势项（τi×T）作为控制变量加入计量模型中[22]，产业时间趋势项为行业虚拟变量（τi）与时间趋势项（T=1，2，…）的交乘项，T 在2008年设置为1，在其后年份依次加1。

TRE 为地区分组虚拟变量，根据2011年国家发展和改革委员会印发的《关于开展碳排放权交易试点工作的通知》，设立湖北、广东、重庆、北京、天津、上海、深圳7个省市作为碳排放权交易试点地区，将试点地区的城市设置为1，其他非试点地区的城市设置为0。POS 为政策冲击的时间虚拟变量，尽管市场激励型环境规制的正式实施时间在2013年6月，但是批准时间在2011年10月，由于不能排除2012年试点地区的地方政府和企业是否采取措施进行环境治理，本文借鉴刘晔等[8]的做法，将2012年及其以后的年份设置为1，2011年及其以前的年份设置为0。交乘项TRE×POS 的估计系数代表市场激励型环境规制的政策效力，X 和Y 分别代表企业和城市层面的控制变量，ε 表示随机误差项，a 为常数项。

（二）变量的设定

1.核心被解释变量

由于所用数据来源不同，构建企业风险承担水平指标的方法存在差异，但这些方法的共同点是均可反映企业盈利的波动性或不确定性。本文采用中国A股上市公司数据，鉴于股票市场的波动性大且上市公司获取市场回报的不确定性大，借鉴Bernile等[26]的做法，以上市公司每日个股回报率的年标准差衡量企业的风险承担水平。d 表示股票市场的交易日，Rjdt 为上市公司j 在t 年第d 天考虑现金红利再投资的日个股回报率，本文将日个股回报率标准差乘以250进行年化处理并取自然对数，具体公式如下：

2.控制变量

为了控制企业层面潜在影响风险承担水平的相关因素，以及控制城市特征和选择效应，本文在已有研究基础上设置了企业和城市层面的控制变量。企业层面的控制变量（X）：企业规模（Siz），用上市公司总资产取自然对数衡量，总资产的单位为元;企业年龄（Age），用上市公司实际存续年限取自然对数衡量;企业社会声誉（Rcv），用上市公司应收账款与总资产的比例衡量;股东关联状况（Rel），用前10大股东是否存在关联关系衡量，存在关联关系设置为1，否则为0;大股东持股比例（Shr），用上市公司第一大股东持股数量占总股数的百分比衡量;资本密集度（Kl），用上市公司固定资产净额除以员工总数然后取自然对数衡量;工资水平（Wag），用上市公司支付给职工的现金与应付职工薪酬之和除以员工总数取自然对数衡量，现金和薪酬的单位为元;资产负债率（Alr），用上市公司总负债占总资产的比例衡量;现金比率（Cr），用上市公司现金及现金等价物期末余额占流动负债的比例衡量。流动资产比率（Flr），用上市公司企业流动资产占所有者权益的比例衡量。

城市层面的控制变量（Y）：经济发展水平（Pgd），用城市生产总值除以年末总常住人口取自然对数衡量，生产总值的单位为元;政府干预（Gc），用财政支出占城市地区生产总值的比重衡量;产业结构（Ind），用城市第二、三产业生产总值占当地生产总值的比重衡量;就业状况（Une），用城市的城镇登记失业人数除以总劳动人数的比重衡量。

本文对被解释变量和控制变量在1%和99%处进行缩尾处理，变量的描述性统计结果如表1所示。

（三）数据来源

本文使用2008—2015年中国A股上市公司数据，数据来源于国泰安（CSMAR）数据库和Wind数据库。为了排除碳排放权交易制度向全国推行对碳排放权交易试点政策的干扰，借鉴现有文献的做法[6，8]，截取相对较短的研究样本区间。本文对初始数据进行了预先处理。第一，剔除金融类上市公司。由于金融行业平时的账务处理以及报表编制都与其他行业存在很大差异，故将其剔除。第二，剔除全部的ST、*ST和PT标记的上市公司样本。由于这类公司连续亏损两年并面临退市风险，股价和股票收益率的波动性较大，属于业绩差和风险高的公司，且很多财务指标异常，为了避免对本文估计结果造成影响，将其做剔除处理。城市层面数据来源于《中国城市统计年鉴》。

四、实证结果分析

（一）基准回归结果

市场激励型环境规制对试点地区企业风险承担水平的影响见表2，第（1）～（5）列为逐步加入控制变量的回归结果。可见TRE×POS 的估计系数同样显著为正，且通过1%或者5%水平的显著性检验。第（5）列为本文的基准回归结果，TRE×POS 的估计系数值为0.035，说明相较于非试点地区，市场激励型环境规制对试点地区企业风险承担水平大约提升了3.48%。

（二）平行趋势检验

本文首先进行平行趋势检验，在式（9）的基础上将政策冲击的时间虚拟变量（POSt）更换为各年的年份虚拟变量（Yeat），构建新的交乘项TRE×Yea，并将新交乘项加入计量模型中重新进行估计，将2011年设为基期。为了直观地观察检验结果，本文绘制TRE ×Yea 的估计系数如图2所示，2008—2012年的估计系数没有通过显著性检验，2013—2015年的估计系数在5%水平上显著为正。从总体上看，实验组和对照组在政策实施之前满足平行趋势假设。具体公式如下：

Risjct =α+Σ2015t=2008ηtTREc ×Yeat +ΣϑlXljt +ΣδmYmct +μj +λt +τi ×T +εjct （11）

（三）稳健性检验

1.政策的预期效应

在政策正式实施前，通常会有媒体报道或者会议决策信息流出。因此，潜在的碳排放权交易试点地区可能对该政策形成一定的预期，进而对本文结论造成干扰。具体地，本文将政策实施前一年的年份虚拟变量（Yea2011）与TRE 做乘积构建新的交乘项，然后作为控制变量加入式（9）中重新进行检验，检验结果如表3第（1）列所示。可见TRE×POS 的估计系数依然显著为正，并且TRE×Yea2011 的估计系数没有通过显著性检验，这意味着不存在政策的预期效应。

2.安慰剂检验

使用双重差分法的基础条件是准确识别实验组和对照组所处的省份，否则将造成模型设定的系统性偏差。本文借鉴Li等[23]的做法设置500次随机抽样实验，随机抓取6个省份作为实验组①，其他省份作为对照组，设置新的省份分组虚拟变量（TRE），然后与政策冲击时间虚拟变量（POS）做交乘项，基于式（9）重新进行检验。如果本文准自然实验的地区分组虚拟变量（TRE）的设置存在系统性偏差，则随机抽样实验中TRE×POS 估计系数的方向和显著性与基准回归结果相近，否则本文初始设置的识别框架是有效的。TRE×POS 估计系数t 值的500次随机抽样分布如图3所示。500次随机抽样交乘项t 值的分布基本呈现以0为中心的正态分布，虚线表示表2第（5）列基准回归结果的t 值（3.36）。该结果表明随机抽样的估计系数t 值与基准模型存在显著差异，本文的准自然实验不存在系统性偏差。

3.倾向得分匹配法

本文在计量模型中加入了城市层面变量以控制地区分组的选择效应，但是依然可能存在样本选择性偏差。为解决这一问题，本文采用倾向得分匹配法（PSM）的近邻匹配方式对实验组和对照组的样本进行1∶1配对，控制变量为协变量。利用匹配后的样本对式（9）重新进行参数估计，回归结果见表3第（2）列。可见TRE×POS 的估计系数显著为正，充分说明样本选择性偏差没有影响本文研究结论。

4.替换企业风险承担指标测算方法

为了稳健性考虑，本文使用企业盈利波动性来衡量企业风险承担水平[10]。首先，本文以上市公司的营业利润率（op）衡量盈利水平，用营业利润除以营业收入衡量。同时，用企业营业利润率（op）减去该企业所在行业的企业平均营业利润率，以剔除行业因素对企业营业利润率的影响。其次，计算企业在每一时间跨度内经行业调整的op 标准差，记作Vop，本文以3年为一个时间跨度进行滚动计算。最后，使用Vop 作为被解释变量，并基于式（9）进行实证检验，回归结果如表3第（3）列所示。可见TRE×POS 的估计系数显著为正，与基准回归结果一致。

5.排除其他环境政策影响

在样本时期内同时存在其他与碳减排相关的环境政策，比较有代表性的环境政策包括《绿色信贷指引》《万家企业节能低碳行动实施方案》《重点区域大气污染防治“十二五”规划》等。为了稳健性考虑，本文将这些环境政策的影响控制在计量模型中，以《绿色信贷指引》政策为例进行说明①。2012年中国银行业监督管理委员会发布了《绿色信贷指引》，旨在引导银行业加大支持企业开展绿色、低碳、循环经济。本文依据中国银行业监督管理委员会公布的《绿色信贷实施情况关键评价指标》，将环境和社会风险为A类的企业所属的行业作为绿色信贷限制行业。本文将2012年及以后绿色信贷限制行业的上市公司设置为1，其他样本设置为0，构建绿色信贷政策效力指标（Gcr）。将Gcr 作为控制变量加入式（9）进行回归，检验结果如表3第（4）列所示。可见，TRE×POS 的估计系数显著为正，说明控制绿色信贷政策影响后，本文基本结论不变。同时，Gcr 的估计系数在10%的水平上显著为正，说明绿色信贷政策有助于提高企业风险承担水平。

6.内生性检验

市场激励型环境规制的试点地区可能并非随机选择，中国政府一般会选择空气污染严重的地区作为试点地区。为解决市场激励型环境规制的内生性问题，本文借鉴范丹等[13，27]的方法，构建省级地区层面的空气流通系数（VC）指标①，并且将其作为地区分组虚拟变量的工具变量。理论上，空气污染程度不仅与企业污染排放程度有关，还与污染物扩散速度有关。一般来讲，假设各省份污染排放程度相同，空气流通系数越低的省份，其空气污染程度越高，环境规制强度越大。此外，空气流通系数等气候现象与企业风险承担等经济变量的直接关联性较小，满足外生性要求。本文使用两阶段最小二乘法（2SLS）进行内生性检验，回归结果如表4所示。第一阶段回归结果中VC ×POS 的估计系数显著为负，说明空气流通系数与是否成为试点地区呈现负相关关系，符合理论预期。第二阶段回归结果中TRE×POS 的估计系数显著为正，说明排除内生性干扰后本文基准回归结果不变。此外，工具变量检验结果显示，工具变量与内生变量相关，不存在弱工具变量问题。

（四）异质性检验

本文根据样本特征进行异质性检验，由于样本分组后的观测值数存在较大差异，因而检验结果不具有直接可比性②。本文借鉴现有文献的常用做法，设置样本异质性分组的虚拟变量（Ced），并将其与核心解释变量的交乘项（TRE×POS×Ced）加入式（9）。根据样本特征的差异，Ced 变量的设置不相同。本文主要观察基于下式检验结果中TRE×POS×Ced 的估计系数的显著性和方向。

Risjct =α+β1TREc ×POSt +β2TREc ×POSt ×Cedjt +β3Cedjt +ΣϑlXljt +ΣδmYmct +μj +λt +τi ×T +εjct （12）

1.污染程度差异

本文首先从企业污染程度角度进行异质性分析，但目前可获得数据较难精确识别每一个企业的污染程度差异，借鉴倪娟等[25]的方法对污染程度在行业层面进行识别。具体地，重污染行业参照《上市公司环保核查行业分类管理名录》进行识别。由于行业标准存在差异，再结合《上市公司行业分类指引》识别出具体的行业，包括煤炭、石化、纺织、水泥、钢铁、造纸等16个重污染行业。引入重污染企业虚拟变量（Ced），将处于上述行业范围的企业归类为重污染企业并设置为1，其他企业归类为轻污染企业并设置为0。基于式（12）的异质性检验结果如表5第（1）列所示，可见TRE×POS×Ced 的估计系数显著为负，说明市场激励型环境规制对轻污染企业风险承担水平的提升作用更大。

2.行业属性差异

由于市场激励型环境规制划定了石化、建材、造纸等8个行业作为规制的试点行业，本文将上述行业作为重点行业，其他非试点行业作为非重点行业。尽管市场激励型环境规制划定了重点治理的行业范围，但也可能带来跨行业的政策溢出效应。可以推断，市场激励型环境规制对重点行业起到直接作用，对非重点行业也可能因为政策的溢出效应起到辐射作用[7]。本文重新设置虚拟变量（Ced），将处于重点行业的企业设置为1，否则为0，异质性检验结果如表5第（2）列所示。可以发现，TRE×POS×Ced 的估计系数为正但不显著，表明在重点行业和非重点行业，市场激励型环境规制对企业风险承担水平的提升作用差异较小，说明市场激励型环境规制在行业层面起到了良好的示范作用，不同行业因为政策溢出效应均受到碳排放交易环境规制的影响。

3.风险来源差异

从企业风险来源差异角度看，企业主动承担的风险主要来源于企业自身和股票市场两部分。理论上，影响市场的系统风险因素来源于宏观经济环境的各个方面，但是企业自身的特质风险受到市场激励型环境规制的直接影响。因此，市场激励型环境规制对企业自身特质风险承担水平的作用可能更大。本文借鉴Bernile等[26]的做法将企业的风险承担水平分解为系统风险承担水平（sR）和特质风险承担水平（iR）两部分，使用上市公司的股票j 在t 年第d 天的日个股回报率（Rjdt）对t 年第d 天以总市值加权平均法计算的综合日市场回报率（Rdt）进行市场模型回归，得出影响企业日市场回报率的估计系数ξ 和包含企业特质因素的残差ψ，ω 为常数项。然后分别计算企业的系统风险承担水平和特质风险承担水平，指标分解的回归结果如表5第（3）（4）列所示。可见，TRE×POS 的估计系数均显著为正，且第（4）列的显著性和系数值均大于第（3）列①，说明市场激励型环境规制有助于提升企业的系统和特质风险承担水平，且对特质风险承担水平的影响程度更高。

4.所有制形式差异

新旧动能转换是目前国有企业改革的重要方向，原因在于国有企业部分产能落后，并且生产线集中在高能耗、高污染、高排放等产品，因而国有企业的污染排放程度可能更高。对比来看，进入上市公司行列的民营和外资企业大多以高科技和互联网为特征，污染排放程度相对较低。并且，上市公司中的国有、民营和外资企业数量占全部企业的比例分别为49.6%、46.4%和4.0%，外资企业数量较少且大多以合资企业形式存在。因此，本文主要观察国有和非国有企业之间的异质性。基于前文理论分析，重污染企业将付出较大的环境治理成本，本文推测市场激励型环境规制对污染程度较低的非国有企业风险承担水平的提升作用可能更大。本文重新设置虚拟变量（Ced），国有企业设置为1，其他企业设置为0，异质性检验结果如表5第（5）列所示。可见，TRE×POS×Ced 的估计系数显著为负，说明市场激励型环境规制对非国有企业风险承担水平的提升作用相对更大。

5.区域差异性

东部地区是市场激励型环境规制的重点规制地区，试点省份也大多分布在东部地区。东部地区分布了数量比例较大的民营企业，民营企业对经济的贡献比中西部地区相对更大。因此，市场激励型环境规制带来的积极效应在东部地区可能更明显。鉴于此，本文将全样本划分为东部地区和中西部地区两个样本组，若企业处于东部地区，则Ced 变量为1，否则为0，异质性检验结果如表5第（6）列所示。可见，TRE×POS×Ced 的估计系数显著为正，说明市场激励型环境规制对东部地区企业风险承担水平的提升作用更大。

五、作用机制检验

（一）企业碳排放权交易行为的存在性

现有数据尚未公布全部企业参与碳排放权交易的情况，以及企业具体的碳排放权交易费用，因此难以评估全部企业是否参与碳排放权交易。本文通过获取北京绿色交易所、上海环境能源交易所以及福建、广州、湖北、深圳、天津、重庆等碳排放权交易所记录的碳排放权交易配额管理的重点排放企业名单①，根据企业名称与上市公司数据进行匹配，设置重点参与碳排放权交易企业虚拟变量（CTP），将匹配上的企业设置为1，其他企业设置为0。本文使用Probit模型检验碳排放权交易试点政策对上市公司进入重点排放企业名单概率的影响，回归结果如表6第（1）列所示。可见，TRE×POS 的估计系数显著为正，说明市场激励型环境规制提高了试点地区上市公司进入重点排放企业名单的概率。

上述交易所仅公布了2012年以来的重点排放企业名单，这意味着本文仅能获得2012年及以后的重点排放企业数据，在2011年及以前年份，不管是试点地区还是非试点地区的上市公司所对应的CTP 数值均为0。为了稳健性考虑，本文采用倾向得分匹配（PSM）方法对2012年以来上市公司样本进行检验，发现匹配上的实验组样本对于对照组样本的平均处理效应（ATT）数值为0.025，对应t 值为8.77，说明在保持实验组和对照组样本相似性后，实验组上市公司进入重点排放企业名单的概率相较于对照组有明显提升，与表6第（1）列的结论一致。

本文进一步基于企业异质性证明碳排放权交易行为的存在性，具体按照企业污染程度差异进行异质性检验。首先，按照企业污染程度差异进行分组检验。检验结果如表6第（2）（3）列所示，发现TRE×POS 的估计系数在两列均显著为正，说明市场激励型环境规制提高了不同污染企业进入重点排放企业名单的概率，初步证明了试点地区轻重污染企业积极参与了碳排放权交易，研究假说1成立。进一步地，如果样本为重污染企业，将Ced 变量设置为1，否则为0，基于式（12）的异质性检验结果如表6第（4）列所示，可见TRE×POS×Ced 的估计系数显著为正，说明市场激励型环境规制对试点地区重污染企业进入重点排放企业名单概率的影响程度更大。

（二）影响渠道检验

本文使用中介效应检验法检验研发创新、生产率和利润率是否为市场激励型环境规制影响企业风险承担水平的中介变量。

MIDjct =α+κTREc ×POSt +ΣϑlXljt +ΣδmYmct +μj +λt +τi ×T +εjct （16）

Risjct =α+φTREc ×POSt +χMIDjct +ΣϑlXljt +ΣδmYmct +μj +λt +τi ×T +εjct （17）

其中，MID 代表中介变量，如果TRE×POS 的估计系数κ 通过显著性检验，则说明市场激励型环境规制能够显著影响中介变量。如果MID 的估计系数χ 通过显著性检验，同时TRE×POS 的估计系数φ 不再显著，或者系数绝对值相比式（9）中TRE×POS 的估计系数β 绝对值发生下降，那么可以初步判断中介效应模型的实证检验结果成立。

1.研发创新作为中介变量

本文构建衡量企业研发创新的投入端指标，用企业研发费支出除以营业收入构建研发费支出比指标（RD）。关于研发创新的中介效应检验结果如表7第（1）（2）列所示。第（1）列TRE×POS 的估计系数显著为正，说明市场激励型环境规制提升了企业的研发创新投入。第（2）列RD 的估计系数显著为正，说明企业用于技术创新的研发投入越高，则风险承担水平越高。同时，第（2）列TRE×POS 的估计系数显著为正，但显著性和系数值相比表2第（5）列有所下降，表明企业增大研发创新投入是市场激励型环境规制提升企业风险承担水平的一个显著影响渠道。

2.生产率作为中介变量

本文主要使用Ackerberg等[28]的平均条件函数（ACF）法测算企业的全要素生产率（TFP）。测算过程中投入和产出指标的构建方法参照胡海峰等[29]的做法。关于生产率的中介效应检验结果如表7第（3）（4）列所示。第（3）列结果显示，TRE×POS 的估计系数显著为正，说明市场激励型环境规制显著提高了企业生产率。第（4）列结果表明，TFP 的估计系数显著为正，说明企业生产率越高则风险承担水平越高。同时，第（4）列TRE×POS 估计系数的数值和显著性相比表2第（5）列有所下降。综上表明，企业生产率提升是市场激励型环境规制提高企业风险承担水平的显著影响渠道。

3.利润率作为中介变量

资产收益率（ROA）是业界广泛用于衡量企业利润率的指标之一，能够反映企业资产的总体运营状况和充分体现企业管理层的经营能力，本文用企业净利润除以资产总额来衡量企业盈利能力。关于利润率的中介效应检验结果如表7第（5）（6）列所示。第（5）列TRE×POS 的估计系数显著为正，说明市场激励型环境规制显著提高了企业利润率。第（6）列ROA 的估计系数显著为正，说明企业利润率越高则风险承担水平越高。同时，第（6）列TRE×POS 估计系数的数值相比表2第（5）列有所下降。可以推断，市场激励型环境规制通过提高企业利润率提升了企业的风险承担水平。

综合来看，研发创新、生产率和利润率是市场激励型环境规制影响企业风险承担水平的影响渠道，研究假说2得以证明。

4.关于中介变量的污染异质性检验

从企业污染程度异质性角度看，市场激励型环境规制对轻重污染企业研发创新、生产率和利润率的影响程度可能存在异质性。本文引入重污染企业虚拟变量（Ced），将重污染企业设置为1，轻污染企业为0，基于式（12）的异质性检验结果如表8所示。第（1）～（3）列TRE×POS×Ced 的估计系数显著为负，说明市场激励型环境规制主要提高了轻污染企业的研发创新投入、生产率和利润率，这与前文的推论基本一致。结合中介效应检验结果推断，市场激励型环境规制主要通过提高轻污染企业的研发创新、生产率和利润率提高其风险承担水平。

六、结论与启示

环境规制对企业生产、投资和盈利带来了不确定性，因此本文引入企业主动承担风险的概念。理论推导表明，在碳排放权交易影响下，企业将增大研发创新投入、降低生产成本和提高利润，企业风险承担水平得以提升。本文以国家发展和改革委员会设立7个碳排放权交易试点地区作为准自然实验的研究对象，实证结果有两方面发现。第一，相较于非试点地区，市场激励型环境规制显著提高了试点地区企业的风险承担水平。从异质性角度看，市场激励型环境规制主要提升了轻污染企业、非国有企业、东部地区等样本组的企业风险承担水平。第二，作用机制检验发现，市场激励型环境规制显著提高了试点地区的重污染企业进入重点排放企业名单的概率，说明该政策对促进试点地区企业参与碳排放权交易具有正向作用。并且，市场激励型环境规制通过提高企业研发创新、生产率和利润率三个影响渠道提升了其风险承担水平。根据以上研究结论，本文提出以下三点政策建议：

第一，政府需要不断完善环境法律体系，发挥对企业的引导作用。一方面，从法律、法规层面构建碳排放权登记、交易和结算管理规则，提升碳排放权交易制度的权威和等级。同时，加强碳排放数据质量监管以及完善企业信息披露制度，规范企业准确披露环境信息，提升碳排放数据的真实性。另一方面，引导企业绿色研发创新的积极性，为了达到减排目标，可以采取一些措施对企业的绿色研发创新行为进行鼓励，例如，针对企业开发绿色生产技术、升级生产设备等增加补贴或者减税。考虑到重污染企业在短期内承受了更大的环境治理成本，需要重点关注重污染企业，激励其绿色研发创新。

第二，企业需要勇于承担经济转型中的风险。当前，中国经济逐步从传统经济增长阶段向高质量发展阶段转型，面对环境治理的压力，企业需要勇于迎接挑战。企业提升自身风险承担能力的关键在于研发创新和改进生产技术。一方面，明确碳排放目标，在自主研发基础上，关注国内外减排技术的发展动态，积极引入先进的减排技术。另一方面，积极参与政府为激励绿色研发创新设计的减税降费政策，在环境治理压力或者经济下行过程中提升自身的生存能力和竞争力。

第三，市场机制在环境治理过程中发挥着重要作用。碳排放权交易试点政策的核心是市场机制，它能有效激励企业不断研发创新和提升竞争力。同时，市场机制能够促进轻重污染企业在环境治理过程中的公平竞争，即使是具有市场势力的大规模污染企业也可能面临被市场淘汰的风险，从而提高企业研发创新的积极性。此外，市场机制促进了企业环境信息披露，也提高了公众对环境治理的关注度。因此，政府需要在环境政策、法规中引入市场机制，促进企业在环境治理过程中优胜劣汰，引导企业环境信息公开以及公众舆论监督。

参考文献：

[1] 李俊成，彭俞超，王文蔚. 绿色信贷政策能否促进绿色企业发展：基于风险承担的视角[J].金融研究， 2023（3）： 112-130.

[2] ALBRIZIO S， KOZLUK T，ZIPPERER V. Environmental policies and productivity growth： evidence across industries and firms[J]. Journal of Environmental Economics and Management， 2017， 81： 209-226.

[3] 许家云，杨俊. 互联网与中国制造业企业风险承担[J].南开经济研究， 2021（5）： 176-197.

[4] PORTER M E，VAN DER LINDE C. Toward a new conception of the environment-competitiveness relationship[J].Journal of Economic Perspectives， 1995， 9（4）： 97-118.

[5] 盛丹，张国峰. 两控区环境管制与企业全要素生产率增长[J].管理世界， 2019（2）： 24-42.

[6] 成力为，肖彩霞. 环境规制、研发投资与企业绿色技术进步[J].当代经济科学， 2022（4）：115-129.

[7] 董直庆，王辉. 市场型环境规制政策有效性检验：来自碳排放权交易政策视角的经验证据[J].统计研究， 2021（10）：48-61.

[8] 刘晔，张训常. 碳排放交易制度与企业研发创新：基于三重差分模型的实证研究[J].经济科学， 2017（3）： 102-114.

[9] 李俊成，王文蔚. 谁驱动了环境规制下的企业风险承担：“转型动力”还是“生存压力”？ [J].中国人口·资源与环境，2022（8）： 40-49.

[10]余明桂，李文贵，潘红波. 民营化、产权保护与企业风险承担[J].经济研究， 2013（9）： 112-124.

[11]CHENG B B， DAI H C， WANG P，et al. Impacts of carbon trading scheme on air pollutant emissions in Guangdong province of China[J]. Energy for Sustainable Development， 2015， 27： 174-185.

[12]孙传旺，魏晓楠. 市场激励型环境规制、政府补贴与企业绩效[J].财政研究， 2022（7）： 97-112.

[13]范丹，付嘉为，王维国. 碳排放权交易如何影响企业全要素生产率？ [J].系统工程理论与实践， 2022（3）： 591-603.

[14]周泽将，罗进辉，李雪. 民营企业身份认同与风险承担水平[J].管理世界， 2019（11）： 193-208.

[15]BANERJEE R， GUPTA K. The effects of environmental sustainability and R&D on corporate risk-taking： international evidence[J]. Energy Economics， 2017， 65： 1-15.

[16]祁怀锦，于瑶. 电子商务发展对企业风险承担的影响：兼论差异化管理层激励方式的调节效应[J].改革， 2021（10）：114-130.

[17]JING B. Behavior-based pricing， production efficiency， and quality differentiation[J]. Management Science， 2017，63（7）： 2365-2376.

[18]庄毓敏，张祎. 流动性监管、银行稳健性与货币政策传导[J].中国工业经济， 2022（6）： 5-23.

[19]陈伟光，潘凤，蔡伟宏. 银行资本、盈利能力与风险承担[J].金融经济学研究， 2021（4）： 141-160.

[20]CHIU F P， KUO H I， CHEN C C， et al. The energy price equivalence of carbon taxes and emissions trading： theory and evidence[J]. Applied Energy， 2015， 160： 164-171.

[21]KUO K H， WU S F， LEE C T. The impact of environmental policy on wage inequality[J]. International Journal of Economic Theory，2022， 18（4）： 472-485.

[22]LIU Q， QIU L D. Intermediate input imports and innovations： evidence from Chinese firms’ patent filings[J]. Journal of International Economics， 2016， 103： 166-183.

[23]LI P， LU Y， WANG J. Does flattening government improve economic performance？ Evidence from China[J]. Journal of Development Economics， 2016， 123： 18-37.

[24]SHI X Z， XU Z F. Environmental regulation and firm exports： evidence from the Eleventh Five-Year Plan in China [J]. Journal of Environmental Economics and Management， 2018， 89： 187-200.

[25]倪娟，孔令文. 环境信息披露、银行信贷决策与债务融资成本：来自我国沪深两市A股重污染行业上市公司的经验证据[J].经济评论， 2016（1）： 147-156.

[26]BERNILE G， BHAGWAT V， YONKER S. Board diversity， firm risk， and corporate policies[J]. Journal of Financial Economics， 2018， 127（3）： 588-612.

[27]杜龙政，赵云辉，陶克涛，等. 环境规制、治理转型对绿色竞争力提升的复合效应：基于中国工业的经验证据[J].经济研究， 2019（10）： 106-120.

[28]ACKERBERG D A， CAVES K， FRAZER G. Identification properties of recent production function estimators[J].Econometrica， 2015， 83（6）： 2411-2451.

[29]胡海峰，窦斌，王爱萍. 企业金融化与生产效率[J].世界经济， 2020（1）： 70-96.

编辑：郑雅妮，高原

基金项目：山东省社会科学规划研究专项一般项目“山东建设绿色低碳高质量发展先行区的环境治理机制与政策优化研究”（23CFZJ08）;山东省高等学校优秀青年创新团队项目“财税政策促进共同富裕的内外协同机制与实现路径研究”（2023RW063）;济南市市校融合发展战略工程项目“财税专业校研政企协同育人改革项目”（JNSX2023051）。