| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 经济/产业 |
| 碳排放权交易政策对绿色全要素生产率的影响 |
| 第731期 作者：□文/吕潇瑶 时间：2024/6/16 14:42:40 浏览：68次 |
［提要］ 当下，碳交易已经成为我国限制温室气体排放的一种国家战略，市场化体系建设正在稳步推进。本文基于我国283个地级市面板数据，运用PSM-DID模型评估碳交易政策对试点城市绿色全要素生产率的影响。在绿色发展理念下，研究碳交易政策实施对绿色全要素生产率的影响，对于推进经济高质量发展以及优化、完善碳交易市场具有理论和现实意义。
关键词：PSM-DID模型；碳交易政策；绿色全要素生产率
中图分类号：X196 文献标识码：A
收录日期：2023年12月13日
引言
推动绿色发展，促进人与自然和谐共生是中国长久以来的价值追求。为进一步推进生态文明建设、实现绿色转型，我国于2011年发布了《关于开展碳排放权交易试点工作的通知》，正式批准北京、上海、天津、重庆、湖北、广东、深圳等7省市开展碳交易试点工作。2013年碳排放交易试点地区陆续启动并开始实质交易，2021年7月，全国统一的碳交易市场正式启动运行。
当前，我国正处于经济转型的关键时期，更加注重绿色全要素生产率对高质量发展的推动作用。因此，在实现“双碳”目标和经济高质量发展的双重背景下，碳交易政策的实施能否提升各地绿色全要素生产率？其背后的作用机制是什么？基于上述问题，本文基于2006～2019年我国283个地级市的数据实证检验了碳交易政策对绿色全要素生产率的具体影响，并进一步分析了调节效应。
一、文献综述及研究假设
碳排放权交易是一种典型的市场激励型环境规制手段，允许各经济主体在市场上进行合法交易，并通过价格机制将碳排放带来的外部成本内部化。在环境规制的作用下，“三高”企业为了谋求长远发展，不得不通过引进先进清洁技术、加快低碳技术创新等方式来缓解碳减排带来的成本压力，向绿色环保型企业转型升级，保障自身经济效益的同时，实现节能减排、提升绿色全要素生产率。由此，我们提出本文的第一条假设：
H1：碳排放权交易政策的实施能够提升城市绿色全要素生产率水平
首先，数字经济有助于激发市场活力，助力碳交易市场的培育，为企业开展绿色技术研发赋能，促进企业数字化转型；其次，数字经济的发展使得信息充分流动，在一定程度上缓解了碳交易中的信息不对称问题，减少交易成本，从而可以有更多的资金投入绿色研发；再次，数字经济有助于生产要素的自由流动，实现生产要素在全国市场范围内的优化配置，从而推动绿色全要素生产率的提升。由此，我们提出本文的第二条假设：
H2：数字经济在碳排放权交易政策对城市绿色全要素生产率的影响中起到正向调节作用
随着一国环境规制的加强，企业的环境处理成本明显增加，利润率随之下降，从而迫使其将“三高”企业向环境规制较弱的国家转移，以减少本国环保压力。然而，如果东道国实行严格的环境规制政策，政府和企业将会对外商资本进行筛选，从而让更多高质量的绿色资本流入市场，发挥示范效应、技术溢出效应以优化资源配置、推动产业升级。由此，我们提出本文的第三条假设：
H3：外商投资水平在碳排放权交易政策对城市绿色全要素生产率的影响中起到正向调节作用
在环境规制日渐严格的背景下，企业生产资金面临较大约束，发达的金融市场可以为有资金需求的企业和地区提供充足的资金支持以及完善的金融服务，为绿色技术创新提供条件。另一方面，金融发展能够有效改善信息不对称问题。金融部门掌握着较为全面的信息资源，可以对投资项目的风险和收益进行综合评价，引导资金更多地向绿色行业流入，进而使得本行业乃至整个城市的绿色全要素生产率都得到提升。由此，我们提出本文的第四条假设：
H4：金融发展水平在碳排放权交易政策对城市绿色全要素生产率的影响中起到正向调节作用
二、研究设计
（一）数据来源。鉴于数据可得性和有效性，本文选择2006～2019年包括北京、天津、上海、重庆在内的283个地级市的面板数据作为研究样本。数据主要源自《中国城市统计年鉴》、Wind数据库、CSMAR数据库、各地市统计公报，对个别缺失的数据采用插值法补充。
（二）变量设定
1、被解释变量。本文借鉴吴磊等（2020）的做法计算各城市绿色全要素生产率，具体指标设定如下：（1）投入数据：劳动投入，选用城镇单位从业人员数与城镇私营和个体从业人员数之和表示；资本投入，采用永续盘存法来计算基本存量：Kt=It/Pt+（1-σ）Kt-1；能源投入，本文用市辖区用电总量来衡量。（2）产出数据：期望产出，用各地市实际GDP来衡量；非期望产出，用各地市SO2、烟粉尘、废水的排放量衡量。
2、解释变量。本文以虚拟变量碳交易试点政策作为核心解释变量。其中，DIDt=1表示城市i在年份t实施了碳交易政策，反之，DIDt=0则表示城市i在年份t并未实施碳交易政策。本文将北京、上海、天津、湖北、广东、深圳、重庆7个试点所含地市作为碳交易政策影响的处理组，其余城市作为对照组，并以2013年作为政策实施年份。
3、控制变量。借鉴已有文献，本文选取的控制变量如下：产业结构（Industry）：第二产业增加值/第三产业增加值；经济发展水平（lnGdp_per）：实际人均GDP对数值；对外开放水平（Trade_openness）：进出口总额/GDP；环境规制（Env_Regulate）：各地市政府工作报告中环保相关词汇出现的频率；绿色技术进步（Tech）：绿色发明专利的授权数；人口密度（lnPd）：常住人口数/总面积；政府干预程度：政府支出水平（Gov_gdp）：政府财政支出/GDP。为剔除极端值对回归结果的影响，本文对所有变量进行了1%的缩尾处理，变量的描述性统计如表1所示。（表1）
（三）模型设定。本文将碳交易试点城市设置为处理组，将非试点城市作为对照组。选择的协变量zit包括：产业结构（Industry）、经济发展水平（lnGDP_per）、对外开放水平（Trade_openness）、环境规制（Env_Regulate）、绿色技术进步（Tech）、人口密度（lnPd）、政府干预程度（Gov_gdp）。首先，通过是否为碳交易试点城市对控制变量进行Logit回归，得到倾向得分值；其次，利用核匹配的方法进行匹配，匹配后所有变量的标准化偏差均小于10%。因此，通过核匹配为碳交易试点城市的处理组找到与其相似的非试点城市的对照组。本文利用DID模型来探究碳交易政策对城市绿色全要素生产率的影响，模型设定如下：
GTFPit=α+βDIDit+γXit+λt+ηi+εit
其中，i表示城市，t表示年份。GTFPit表示城市绿色全要素生产率，DIDt=1表示城市i在年份t实施了碳排放，Xit表示一系列控制变量，用以控制影响城市绿色全要素生产率的其他重要因素，λt表示年份固定效应，ηi表示个体固定效应，εit表示随机扰动项。
三、实证分析
（一）基准结果。表2报告了碳交易政策的实施对试点城市绿色全要素生产率影响的基准回归结果。由结果可知，无论是单一固定还是双固定模型，DID的系数均显著为正，即交易政策的实施与绿色全要素生产率之间呈明显的正相关关系，从而证明假设H1成立。以第（3）列为例，碳交易政策的实施使得该地区绿色全要素生产率提高13.6%。（表2）
（二）有效性分析
1、平行趋势检验。为了准确识别碳交易政策对绿色全要素生产率的影响，需要确保政策实施之前试点城市和非试点城市的绿色全要素生产率保持相同的变化趋势。由图1可知，DID的系数并非从政策实施当年开始显著，而是从政策实施的前两年开始显著。原因可能是：2011年国家发展改革委印发了试点工作的通知，这一政策具有“预告性”作用，各城市企业会提前做好准备，因此这并不影响本文使用双重差分法估计碳交易政策对城市绿色全要素生产率的影响。（图1）
2、安慰剂检验。为了消除其他随机因素对于试点城市选择的影响，确保绿色全要素生产率的提升是由碳交易政策实施引致的，需要进行安慰剂检验。本文对处理组随机抽取500次，进而判断其系数是否与基准回归结果存在显著差异。由图2可知，抽取结果的估计系数呈均值为0的正态分布，且大多数p值位于0.1水平线上方，这意味着其他随机因素对绿色全要素生产率没有显著影响，即碳交易政策实施对绿色全要素生产率的影响与其他随机因素的因果关系不大，本文的估计结果是相对稳健的。（图2）
四、调节效应
本文借鉴赵涛等（2020）的做法计算各城市的数字经济发展水平（DEG），采用外商直接投资与GDP的比重衡量各城市的外商投资水平（FDI），运用年末金融机构贷款余额占GDP的比重来衡量各城市的金融发展水平（FINANCE），在基准计量模型的基础上，加入交互项DID×DEG、DID×FDI、DID×FINANCE，结果如表3所示。DID的系数依旧显著为正，同时各交互项的系数也显著为正，说明碳交易政策的实施会促进各城市绿色全要素生产率的提升，同时数字经济发展、外商直接投资增加、金融发展程度提高均能扩大碳交易政策实施对绿色全要素生产率的正向影响，从而证明了假设H2、H3、H4成立。（表3）
五、政策建议
本文运用PSM-DID模型评估了碳交易政策对试点地区绿色全要素生产率的影响并探究二者之间的调节效应。研究结果表明：（一）碳交易政策的实施显著提升了城市的绿色全要素生产率，经过平行趋势检验、安慰剂检验等之后，这种促进作用依旧成立；（二）数字经济、外商直接投资、金融发展均在碳交易政策对城市绿色全要素生产率的影响中起到正向调节作用。
基于上述研究发现，本文提出以下几点建议：（一）各地要积极推进数字化基础设施建设，充分发挥数字经济的绿色促进作用，激发企业创新活力，助力绿色全要素生产率的提升；（二）各地应加快引资模式从“数量”向“质量”转变，有选择地引入高质量的技术型外商资本。同时，政府要适时制定外资流向绿色产业的优惠政策，鼓励外商资本投资于国内的高新技术产业；（三）各地应加大对绿色低碳行业的金融支持，引导资金向低污染、高效率行业及企业流动，以此带动产业转型升级。同时，要大力发展绿色金融，推动碳金融市场建设，提升金融服务效率，助力绿色高质量发展。
（作者单位：首都经济贸易大学）
主要参考文献：
［1］孙振清，谷文姗，成晓斐.碳交易对绿色全要素生产率的影响机制研究［J］.华东经济管理，2022.36（04）.
［2］尹迎港，常向东.中国碳排放权交易政策促进了地区绿色全要素生产率的提升吗［J］.金融与经济，2022（03）.
［3］赵涛，张智，梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据［J］.管理世界，2020.36（10）.
［4］王开科，吴国兵，章贵军.数字经济发展改善了生产效率吗［J］.经济学家，2020（10）.
［5］路正南，罗雨森.空间溢出、双向FDI与二氧化碳排放强度［J］.技术经济，2021（06）.
［6］李敏杰，王健.外商直接投资质量与中国绿色全要素生产率增长［J］.软科学，2019.33（09）.
［7］李繁荣，尚云舟，薛紫玥.外商直接投资对我国绿色发展的影响——基于中国260个地级市的数据验证［J］.经济问题，2022（04）.
［8］张帆.金融发展影响绿色全要素生产率的理论和实证研究［J］.中国软科学，2017（09）.
［9］徐璋勇，朱睿.金融发展对绿色全要素生产率的影响分析——来自中国西部地区的实证研究［J］.山西大学学报（哲学社会科学版），2020.43（01）.
［10］吴磊，贾晓燕，吴超，等.异质型环境规制对中国绿色全要素生产率的影响［J］.中国人口·资源与环境，2020.30（10）.
［11］Acemoglu D.，Restrepo P.The Race between Man and Machine：Implications of Technology for Growth，Factor Shares， and Employment［J］.American Economic Review，2018.108（06）.
|
|
|
|
