时间:2023-11-16 作者:宋 涛 杨伟迪 刘晓玲
[大]
[中]
[小]
摘要:
碳排放权交易对碳排放效率的影响及其空间溢出效应——基于我国30个省份2006~2019年面板数据的实证研究
宋 涛 杨伟迪 刘晓玲
收稿日期:2023-04-03
基金项目:江苏省保险学会基金项目(1-B、1-C、5-B);江苏省环保集团基金项目(3004)
作者简介:宋 涛,江苏省环保集团财务部副总经理,正高级会计师,注册会计师,江苏省会计领军人才;
杨伟迪,南京农业大学金融学院硕士研究生;
刘晓玲,南京农业大学金融学院副教授。
摘要:本文基于我国30个省份2006~2019年的面板数据,运用非径向方向函数的DEA模型测量省份碳排放效率,通过空间双重差分模型分析碳排放权交易对碳排放效率的空间溢出效应。实证结果表明:我国碳排放效率具有明显地区差异且存在空间相关性;碳排放权交易可提高本地区的碳排放效率,但会对周边地区的碳排放效率产生抑制作用。基于上述结论,本文建议推动碳排放权交易市场的开放和创新,增加对碳排放权交易负面影响的监测和控制,促进碳排放权交易政策的优化和改进。
关键词:碳排放权交易;碳排放效率;空间溢出效应;空间双重差分模型
中图分类号:F061.5 文献标志码:A 文章编号:2095-88...
碳排放权交易对碳排放效率的影响及其空间溢出效应——基于我国30个省份2006~2019年面板数据的实证研究
宋 涛 杨伟迪 刘晓玲
收稿日期:2023-04-03
基金项目:江苏省保险学会基金项目(1-B、1-C、5-B);江苏省环保集团基金项目(3004)
作者简介:宋 涛,江苏省环保集团财务部副总经理,正高级会计师,注册会计师,江苏省会计领军人才;
杨伟迪,南京农业大学金融学院硕士研究生;
刘晓玲,南京农业大学金融学院副教授。
摘要:本文基于我国30个省份2006~2019年的面板数据,运用非径向方向函数的DEA模型测量省份碳排放效率,通过空间双重差分模型分析碳排放权交易对碳排放效率的空间溢出效应。实证结果表明:我国碳排放效率具有明显地区差异且存在空间相关性;碳排放权交易可提高本地区的碳排放效率,但会对周边地区的碳排放效率产生抑制作用。基于上述结论,本文建议推动碳排放权交易市场的开放和创新,增加对碳排放权交易负面影响的监测和控制,促进碳排放权交易政策的优化和改进。
关键词:碳排放权交易;碳排放效率;空间溢出效应;空间双重差分模型
中图分类号:F061.5 文献标志码:A 文章编号:2095-8838(2023)04-0095-10
2021年7月,全国碳排放权交易市场正式启动上线交易,这意味着全国统一的碳排放权交易市场将为推进“双碳”目标发挥更积极的作用。事实上,碳排放权交易并非新鲜事物,伴随2005年《京都议定书》正式生效,碳排放权的商品属性就已确立。碳排放权交易是一种市场化的环保政策工具,旨在通过价格机制来控制和减少温室气体排放。在我国实践中,政府首先设定一个碳排放上限,然后将这个上限分配给各个参与的企业,即碳排放配额。政府主要根据各个企业的历史排放数据和未来的减排目标来设定碳排放配额,企业根据自身的碳排放情况来购买或出售这些排放权,从而形成碳排放权交易市场。此外,我国的碳排放权交易在2021年启动全国性的系统之前,在一些特定的省份和城市进行了试点,包括北京、天津、上海、重庆、广东、湖北、深圳等地,形成了一些好的经验。然而,碳排放权交易市场的运行效果,尚未得到充分的研究和评估。目前,关于碳排放权交易对我国碳排放效率影响的研究,主要集中在单一试点市场的分析或几个市场的比较,缺乏在全国范围内的系统综合分析。而且,已有研究主要采用传统的回归分析或面板数据分析,鲜有学者考虑到我国碳排放的空间特征和空间效应。因此,本文旨在利用空间分析方法,全面、深入地研究碳排放权交易对我国碳排放效率的影响,并分析碳排放权交易对碳排放效率的空间溢出效应,从而为我国碳排放权交易市场的完善和发展提供参考。
(一)文献综述
1.碳排放权交易的相关研究
碳排放权交易是一种以产权理论和市场交易手段为核心的减排机制。1920年,英国著名经济学家Pigou在《福利经济学》中提出可以根据污染造成的危害程度对排污者征税。Coase(1960)认为,在产权界定清楚且交易成本为零的情况下,无论产权初始分配如何,通过自由交易都可以达到社会最优配置。
碳排放权交易作为减缓气候变化的重要工具,已经引起广泛关注。研究人员从不同的角度,对碳排放权交易的影响进行评估,其中减排效应和经济效益是关注重点。从国际视角看,Gavard等(2016)研究发现在限制碳排放许可证数量后,企业会积极参加低碳技术创新。周开国和关子桓(2023)使用2013~2021年洲际交易所(ICE)和欧洲能源交易所(EEX)的日度交易数据研究发现,碳期货能发挥套期保值及价格发现功能,还能加强碳市场降碳减排作用。
从国内视角看,黄向岚等(2018)采用准自然实验对我国的碳排放权交易政策的环境效益进行了分析,研究发现碳交易试点对二氧化碳减排产生了显著的政策效应,取得了积极的环境效益。Zhang等(2019)研究表明,中国的碳排放权交易极大地促进了所涉及工业行业的碳减排,而且这种影响呈现出整体增强的趋势。胡珺等(2020)研究发现,碳排放权交易机制的实施显著推动了参与交易企业的技术创新行为。张涛等(2022)研究发现,碳排放权交易可以缓解企业投资不足从而提升企业的投资效率,并且该作用在非国有企业中更显著。中国人民银行南京分行课题组(2022)研究认为,目前我国的边际减排成本处于快速攀升阶段,需在碳排放权交易的基础上引入差异化碳税政策,通过“碳交易+碳税”模式助力碳减排。Wang和Zhang(2022)研究发现,中国的碳排放权交易对石化行业企业的市场势力有明显的负面影响,但对其他几个相关行业没有影响。Liu等(2023)从电力行业角度研究发现,中国的碳交易政策显著促进了电力行业的碳减排,碳交易政策实施时间越长,效果越强。
2.碳排放效率相关研究
碳排放效率作为一种重要的环境效率评价指标,可以衡量单位产出所对应的碳排放量,对于评估企业或产业的碳排放水平具有重要意义。碳排放效率可以分为单一要素碳排放效率与综合要素碳排放效率。单一要素碳排放效率仅关注某一生产要素对碳排放的作用,如劳动力、资本等;而综合要素碳排放效率则考虑多个生产要素对碳排放的综合影响。Kaya和Yokobori(1997)最早提出“单一要素下的碳排放效率”概念,将其定义为国内生产总值(GDP)与总二氧化碳排放量之间的比值。随后,一些学者提出综合要素碳排放效率的概念,以衡量多个生产要素对碳排放的综合影响。
传统的生产函数,如柯布道格拉斯生产函数(CD生产函数)、超越对数生产函数(Translog生产函数)等,是一种描述生产要素(如资本和劳动)与产出之间关系的数学模型,无法考虑到环境污染物的影响。Shephard(1970)提出距离函数,即一种描述生产可能集的方法,可以用来测量决策单元的效率和生产力。Chambers等(1996)进一步提出方向距离函数(DDF),可以在DEA框架下测度技术效率和环境效率,并且同时考虑了产出和污染物排放等多个输入和输出因素。为了测量考虑环境因素下,投入和产出之间的效率和生产力变化,Chung等(1997)基于DDF方法构建了一种新的指标Malmquist-Luenberger生产率指数,可以将生产力变化分解为技术效率变化和技术进步变化两个方面,以便更好地理解其变化原因。然而,如果存在非零松弛变量,则传统的方向距离函数(DDF)会高估环境效率或生态效率。为此,Tone(2001)基于数据包络分析(DEA)提出一种基于松弛变量的效率测度方法,解决了决策单元所涉及的投入过剩和产出不足问题。
DEA方法不断发展和完善,形成了多种扩展模型,得到了国内外学者的广泛关注和应用。李涛和傅强(2011)基于DEA环境效率评价的思路,采用限定非意愿要素的Ruggicro三阶段模型对1998~2008年我国29个省份的碳排放效率进行评价。张伟等(2013)建立二氧化碳减排效率的DEA模型测度我国30个省份1994~2010年期间的全要素减排效率,并运用Malmquist生产率指数测度全要素减排效率增长率及其成分。王兵等(2013)运用DEA方法和BML生产率指数对2003~2010年我国工业行业的碳排放效率进行了测度和分解。李金铠等(2020)采用三阶段DEA模型和三阶段DEA-Malmquist指数模型,对我国不同地区的能源碳排放效率进行深入研究。胡剑波等(2021)将三阶段DEA模型和非竞争型投入产出模型相结合,研究了我国各产业部门的隐含碳排放效率。张宁(2022)基于两期非径向方向距离函数(BNDDF),进一步提出两期非径向卢恩伯格生产率指数(BLPI),用来测算我国火力发电企业的碳排放效率。
(二)理论分析与假设提出
为应对气候变化和实现减排目标,政府和企业积极采取多种措施,建立碳排放权交易机制是其中之一。该机制将碳排放权当作商品在市场上进行交易,旨在通过市场行为降低碳排放并提高碳排放效率。本节将运用公共物品理论和内部化外部性理论分析碳排放权交易如何影响碳排放效率。
碳排放是一种公共物品,具有非排他性和非竞争性特征,其收益和成本往往不能完全匹配。因为减排行为所产生的环境效益不一定完全归属于自己,企业可能不愿意承担减排成本。碳排放权交易机制通过赋予碳排放权经济价值,使企业更愿意增加减排投入,提高碳排放效率,获得减排收益。可以通过制定合理的减排目标和碳排放配额,提高减排效率和公平性,促进环保目标的实现。这种机制将企业和政府的利益相结合,实现了经济效益、环境效益和社会效益的统一。
内部化外部性理论认为,如果外部性产生的成本或效益可以实现内部化,则可以解决外部性问题。碳排放是一种负外部性,企业碳排放行为所产生的环境污染会对社会和公共利益产生负面影响,但企业往往不会主动对这些成本进行充分的内部化。碳排放权交易制度有助于企业内部化碳排放的外部性成本,使企业更加注重环保和资源利用,从而提高碳排放效率。
波特假说认为,适当的环境法规可以促进企业技术创新,从而提高生产力和竞争力,但是能否抵消企业的合规成本还需要具体分析。实践中,政策制定者需要综合考虑环境法规对企业的影响,以实现环境保护和经济发展良性循环。
首先,碳排放权交易可以促进企业采用更加清洁、低碳的生产方式。碳排放权交易引入了碳排放权的定量分配和交易机制,企业必须对自身碳排放情况进行适当分析和评估,以获得足量排放权,这使得企业更加关注减排和清洁生产,从而有助于提高碳排放效率。其次,碳排放权交易可以激励企业进行技术创新和管理创新。碳排放权交易包含碳排放权的价格机制,企业需要不断创新以提高生产效率和降低碳排放成本。技术创新和管理创新的引入,可以提高企业的创新能力,进一步促进碳排放效率的提高。最后,碳排放权交易可以促进企业在市场上取得竞争优势。对于那些能够减少碳排放量的企业而言,碳排放权交易机制将带来直接的经济效益,增强其竞争优势。
综上所述,碳排放权交易机制可以通过促进企业采用更加低碳、清洁的生产方式,激励企业进行技术创新和管理创新,以及促进企业在市场上取得竞争优势等,从而提高碳排放效率。因此本文提出假设1。
H1:碳排放权交易对所在地区的碳排放效率有正向的提升作用。
“污染避难所”假说认为,发达国家在实施环境保护政策时,高污染、高能耗的产业向发展中国家转移,发达国家的环境问题由此得以缓解,但发展中国家的环境问题却会变得更加严重。同时,这些企业在转移生产后,往往还会利用发展中国家环保标准较低、监管力度较弱等特点,继续污染环境,使发展中国家的环境状况进一步恶化。这种现象表明,环保政策的实施可能会导致环境污染在空间上转移,从而产生负向空间溢出效应。同一个国家之内的碳排放权交易机制也可能会产生类似的负向空间溢出效应。一方面,由于碳排放权的定量分配和交易机制,企业在碳排放配额不足的情况下,需要购买碳排放权,从而导致生产成本增加。为了减少成本,企业可能会采取向周围地区转移生产的策略,导致周围地区的环境污染问题恶化,产生负向空间溢出效应。另一方面,由于碳排放权交易机制对企业的碳排放量进行了限制和监管,对于那些无法满足排放要求的企业而言,将面临被迫关闭或减少产能的风险。为了避免这种风险,企业可能会选择向周围地区转移生产,以绕开碳排放限制,这也会产生负向空间溢出效应。综上所述,本文提出假设2。
H2:碳排放权交易可能会对周围地区的碳排放效率产生负向空间溢出效应。
(一)空间计量模型
本文空间计量模型所需的空间权重矩阵采用空间计量经济学中最常见的两种方法来定义。一是相邻规则下的空间权重矩阵,显示两地区的相邻关系。具体定义为:
二是根据地理距离定义的空间权重矩阵:
其中,dij表示通过经纬度计算的地区i和地区j的几何中心坐标之间的距离。
表1 碳排放效率投入产出指标
表2 变量定义
在此基础上,本文参考Ord(1975)将空间权重矩阵标准化,以此使得其每行元素之和等于1:
其中,W是标准化后的空间权重矩阵,W0是标准化之前的空间权重矩阵,D是包含了矩阵W0的行之和的一个对角矩阵。
空间计量模型中的空间相关性主要是由因变量、自变量或误差项引起的。空间杜宾模型SDM是一个比较通用的模型,它不仅可以度量上述三个方面的空间相关性,还可以在不同的系数设置下转化为空间滞后模型(SLM)或空间误差模型(SEM)(Elhorst,2014)。此外,包含碳排放权交易强度的连续SDID模型能更准确地表示碳排放权交易的异质性效应。因此,本文采用基于SDM的连续SDID模型进行实证分析:
其中,下标i和t分别表示省份和年份;TCPI表示碳排放效率;ETS是各省份碳排放配额年成交量,用以体现碳排放权交易的强度;wij是空间权重矩阵W的一个元素,它描述了省份之间的空间相关性;X表示控制变量向量;μ和υ分别代表个体和时间固定效应;εit是误差项,且εit~N(0,σ2)。由于引入了因变量的空间滞后项,因此本文使用最大似然法(MLE)进行估计。
(二)指标选取与数据来源
1.因变量
本文使用基于非径向方向函数(NDDF)的DEA模型来测量地区碳排放效率。借鉴Zhang和Choi(2013)的方法,本文用于计算碳排放效率的投入产出指标如表1所示。
对于固定资本存量,借鉴张军等(2004)的永续盘存法进行计算,公式为:
其中,Kit和Kit-1分别是i省t期和t-1期的固定资本存量;φ为固定资本折旧率,本文参考张军等(2004)取9.6%;Iit表示i省t期的全社会固定资产投资额,以2006年为基期,利用固定资产投资价格指数对其进行平减处理。
对于实际GDP,根据地区生产总值指数,以2006年为基期,将名义GDP折算成实际GDP。对于二氧化碳排放量,数据来源为中国碳核算数据库(CEADs)(Shan等,2020;Guan等,2021)。
2.自变量
自变量为碳排放权交易(ETS),本文使用中国各省份每年的碳排放配额累计成交量来表示,没有交易数据的取值为0。
3.控制变量
本文选取产业结构、经济发展水平、环境规制、城镇化水平和对外开放度作为控制变量。
各主要变量具体说明如表2所示。
(一)碳排放效率的时间分布
本文运用Stata进行NDDF模型最优解的求解,计算出我国2006~2019年30个省份的碳排放效率(未包含西藏和港澳台的数据),结果见表3。
图1 平行趋势动态效应检验
从2006年到2019年,各省份的碳排放效率平均值从0.21上升到了0.27,这意味着在同样的投入产出水平下,我国的碳排放总体上减少了,环境保护意识和技术创新能力有所提升,在控制碳排放方面取得了一定的成果。与此同时,不同省份之间的碳排放效率存在较大差异。例如,北京、上海、广东等地的碳排放效率一直较高,而山西、宁夏、内蒙古等地的碳排放效率相对较低。
(二)碳排放效率的空间特征
根据统计数据可知,我国碳排放效率在不同地区间存在显著差异,东部地区的碳排放效率普遍高于中部和西部地区,南方地区的碳排放效率也普遍高于北方。
本文使用Moran’s I指数和Geary’s C指数来进行全局空间自相关检验。Moran’s I指数反映的是空间邻接或邻近地区单元属性值的相似程度。Moran’s I指数的取值一般在[-1,1]之间,小于0表示负相关,等于0表示不相关,大于0表示正相关。越接近-1表示单元间的差异越大或分布越不集中;越接近1,则代表单元间的关系越密切,性质越相似;接近0,则表示单元间不相关。Geary’s C的取值一般在[0,2]之间,大于1表示负相关,等于1表示不相关,而小于1表示正相关。
根据表4的结果,Moran’s I指数均大于0,Geary’s C指数均大于0且小于1,两种检验方式均表明我国碳排放效率存在空间正相关性。
局部空间自相关检验的结果可以用LISA(Local Indicators of Spatial Association)集聚地图来可视化呈现。LISA集聚地图通常采用不同颜色或符号来表示四个象限类型:高—高(HH)、低—低(LL)、高—低(HL)、低—高(LH)。其中,HH表示空间单元及其邻近单元都具有高值,LL表示空间单元及其邻近单元都具有低值,HL表示空间单元具有高值而其邻近单元具有低值,LH则表示空间单元具有低值而其邻近单元具有高值。这些象限类型的不同组合方式,反映了空间单元之间的空间集聚现象。
本文运用ArcGIS软件分别绘制我国2006年、2010年和2014年的碳排放效率LISA集聚地图,将研究省份分成五类,即不显著地区、高高聚集地区、高低聚集地区、低高聚集地区和低低聚集地区。
根据结果,甘肃和陕西地区呈现出显著的低低空间集聚状态,也就是说这些地区的碳排放效率相对较低,且周围地区的碳排放效率也相对较低。相比之下,河北、贵州、安徽和江西地区呈现出显著的低高空间集聚状态,因为这些地区本身的碳排放效率较低,但周围地区的碳排放效率却较高。其他地区的空间集聚关系则不显著。
(三)模型设定检验
由于本文使用的SDID方法结合了空间杜宾模型和连续双重差分模型,需要同时满足这两个模型设定所需要的检验。
图1展示了平行趋势动态效应的检验结果。其中实线代表设立碳排放权交易所事件虚拟变量的系数,垂直虚线则表示90%的置信区间。为了避免多重共线性,本文选取设立碳排放权交易所前一年作为基期。从图中可以看出,在设立碳排放权交易所的前五年内,系数均小于0,但是虚线所代表的置信区间包含y=0,即不能在10%的水平上拒绝原假设,这表明在设立碳排放权交易所之前,地区之间的碳排放效率并没有显著的趋势差异。而在进行碳排放权交易的当年以及后一年,系数大于0,但是置信区间依旧包含y=0,表明进行碳排放权交易初期,碳排放权交易对于碳排放效率的影响并不显著。但是从第二年开始,系数大于0且呈现上升趋势,并且都在10%的水平上拒绝原假设,这说明有碳排放权交易所省份和没有碳排放权交易所省份的碳排放效率存在明显不同,碳排放权交易所可以提高所在地区的碳排放效率。
表3 2006~2019年各省份碳排放效率
基于上述实证分析可知,在设立碳排放权交易所之前,不同省份之间的碳排放效率并没有明显的差异,即地区间的碳排放水平是比较平衡的。在进行碳排放权交易的初期,碳排放权交易对于碳排放效率的影响并不显著。这可能是因为在碳排放权交易初期,市场尚未形成规模,交易价格还不稳定,因而企业难以确定是否要通过碳排放权交易来调整其碳排放水平。但从第二年开始,碳排放效率呈现上升趋势,且在10%的水平上拒绝原假设。这说明碳排放权交易所对于促进碳排放效率的提升具有一定的作用。这可能是因为市场机制使企业逐渐意识到碳排放对于经济和环境的影响,并且通过购买碳排放权来调整企业的碳排放效率。综上所述,碳排放权交易对于提升碳排放效率具有一定作用,但是这种作用并非在碳排放权交易所成立初期就能显现出来,需要市场机制逐渐完善以及企业逐渐适应。因此,在碳排放权交易的实践中,需要对市场进行有效监管和引导,以促进市场机制的发展和完善。
表4 2006~2019年碳排放效率Moran’s I指数和Geary’s C指数
注:***、**、*分别代表在1%、5%和10%的水平上显著
表5 Hausman检验、LM检验、LR检验和Wald检验结果
以下进行空间计量方法的检验。
首先,通过Hausman检验来确定模型使用随机效应还是固定效应。由表5可知,0-1邻接权重矩阵和地理距离权重矩阵都通过了1%水平的显著性检验,因此空间计量模型应当选择使用空间和时间双固定效应。
其次,空间计量模型三种最常用的空间滞后模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM),为了确定哪一种模型更加符合本文的研究内容,本文进行拉格朗日乘数法(Lagrange Multiplier,简称LM)检验。表5检验结果显示,0-1邻接权重矩阵和地理距离权重矩阵都未通过Robust LM-lag检验,不能确定使用哪种模型。因为空间杜宾模型(SDM)是一个比较通用的模型,可以在不同的系数设置下转化为空间滞后模型(SAR)或空间误差模型(SEM),所以本文选择使用空间杜宾模型(SDM)。
最后,为了验证使用空间杜宾模型(SDM)的合理性,本文使用极大似然比(Likelihood Ratio,简称LR)检验和Wald检验。LR检验和Wald检验的结果如表5所示,0-1邻接权重矩阵和地理距离权重矩阵都通过了1%水平的显著性检验,拒绝了空间杜宾模型可退化为空间滞后模型或空间误差模型的原假设。综上所述,本文最终选用空间杜宾模型(SDM)作为研究模型是合理的。
(四)假设1检验结果
为了探究碳排放权交易对碳排放效率的影响,本文实证结果如表6所示。
可以发现解释变量碳排放权交易显著为正,表明碳排放权交易对碳排放效率的提高起到了积极作用,研究假设1得到验证。这可能是因为,碳排放权交易可以为企业提供碳减排的经济激励,通过碳市场的竞争和奖励机制,引导企业在减排和交易中进行创新和改进,促进产业结构的调整和优化,推动经济绿色转型。
“西气东输”和“西电东送”等基础设施建设,能够在一定程度上解决国内能源需求与自然资源空间分布不一致的问题(汤韵和梁若冰,2018)。为了排除我国“西气东输”对研究结论的影响,本文将省份天然气管道长度和天然气供气总量作为控制变量进行检验。实证结果表明,碳排放权交易系数的符号和显著性没有改变,证明了研究结论的稳健性。
此外,根据已有研究,地区的碳排放效率也可能会受到人口集聚程度的影响(孙猛和费不凡,2022),而我国省份之间的人口密度差异较大。因此,本文进一步控制省份人口密度因素进行检验,实证结果依旧显著,这验证了研究结论的稳健性。
(五)假设2检验结果
由表6可知,W×ETS的系数显著为负,说明在考虑空间依赖性的情况下,碳排放权交易对碳排放效率的提高具有负面效应。这种现象可能的原因是,碳排放权交易的实施可能会导致不同地区之间的碳排放效率差距进一步拉大。例如,一些地区可能会购买更多的碳排放权,而另一些地区则不愿意花费资金购买,由此可能进一步加剧空间差异,导致空间上的负外部性。
碳排放权交易对碳排放效率的提高是否具有负面效应,主要取决于两个方面:一是交易机制的设计是否合理,二是政府对碳排放市场的监管和管理是否到位。对于交易机制的设计,需要考虑市场的公平性、透明度和竞争性。如果市场规则不清晰,交易机制不公平,或者市场存在垄断行为,就可能导致碳排放权交易对碳排放效率的提高具有负面效应。例如,如果市场上存在少数几家大型碳排放权持有者,他们可能通过垄断碳排放权的供给来抬高价格,从而降低其他企业的竞争力,导致市场失灵。另外,政府对碳排放市场的监管和管理也非常重要。政府应该通过建立完善的市场监管机制,监管市场参与者的行为,防止市场失灵。同时,对碳排放市场进行有效的管理,包括核查碳排放权的真实性、建立碳排放权交易的信用体系、加强市场信息披露和公开等。
表6 实证结果
为了进一步探究碳排放权交易是否存在空间溢出效应以及效应的大小,本文将回归系数分解成直接效应、间接效应和总效应,其中间接效应即空间溢出效应。分解结果如表7所示。
间接效应显著为负,说明碳排放权交易存在负向的空间溢出效应,假设2得到验证。这可能是由于碳排放权交易在某些地区引起的环保压力影响了周围地区的生产和投资决策,如果某个地区的企业面临着更高的环保压力和成本,可能会选择向周围地区转移其生产活动,从而导致周围地区的碳排放水平增加,抑制碳排放效率的提高。此外,如果某些地区的碳排放权交易政策不如其他地区执行得严格,也可能会导致碳排放转移现象的出现,使得周围地区的碳排放水平增加,从而抑制了碳排放效率的提高。
表7 空间双重差分模型的效应分解
(一)研究结论
根据上述检验结果,本文主要得出以下研究结论:(1)我国碳排放效率存在明显的空间相关性。我国不同地区的碳排放效率会有所差异,东部地区一直较高,而中西部地区则较低。主要存在三种聚集现象,一是甘肃、陕西和宁夏呈现显著的低低聚集;二是河北、贵州、安徽和江西呈现显著的低高聚集;三是浙江、江西、福建、广东、重庆等地在不同的年份分别存在高高聚集。(2)碳排放权交易可提高本地区的碳排放效率但是具有负向溢出效应。本文使用空间双重差分模型,结果显示,碳排放权交易的系数显著为正,表示碳排放权交易可提高本地区的碳排放效率,从而验证了研究假设1。碳排放权交易与空间权重矩阵交互项的系数显著为负,表明碳排放权交易会对周边地区的碳排放效率产生抑制作用,从而验证了研究假设2。
(二)政策建议
根据实证研究结论,本文提出如下政策建议:通过税收优惠、财政补贴、绿色债券、碳信用证等激励措施提高企业参与碳排放权交易的积极性,并加强信息公开和监管,保障企业和投资者的知情权和利益。建立完善的碳总量核算、碳监测、碳捕捉、碳汇等管理机制和市场机制,并建立健全评估体系,定期评估碳排放权交易机制和碳排放效率的情况,及时调整和完善政策措施,保障碳排放权交易机制的顺利运行。针对碳排放权交易的负向溢出效应,进一步探索建立生态补偿机制,可以通过实施交易溢出补偿机制,对受到负向溢出效应影响的周边地区进行经济补偿,以缓解其经济压力。此外,可以加大对碳减排技术研发和推广的支持力度,推动清洁能源技术和低碳技术的应用,从根本上提高碳排放效率,为碳排放权交易市场的健康发展提供有力支撑。
主要参考文献:
[1] 胡剑波,闫烁,韩君.中国产业部门隐含碳排放效率研究——基于三阶段DEA模型与非竞争型I-O模型的实证分析[J].统计研究,2021,38(6):30-43.
[2] 胡珺,黄楠,沈洪涛.市场激励型环境规制可以推动企业技术创新吗?——基于中国碳排放权交易机制的自然实验[J].金融研究,2020,(1):171-189.
[3] 黄向岚,张训常,刘晔.我国碳交易政策实现环境红利了吗?[J].经济评论,2018,(6):86-99.
[4] 李金铠,马静静,魏伟.中国八大综合经济区能源碳排放效率的区域差异研究[J].数量经济技术经济研究,2020,37(6):109-129.
[5] 李涛,傅强.中国省际碳排放效率研究[J].统计研究,2011,28(7):62-71.
[6] 孙猛,费不凡.人口集聚与碳排放:基于空间溢出效应视角的经验考察[J].人口学刊,2022,44(5):72-85.
[7] 汤韵,梁若冰.能源替代政策能否改善空气质量——兼论能源定价机制的影响[J].中国人口·资源与环境,2018,28(6):80-92.
[8] 王兵,於露瑾,杨雨石.碳排放约束下中国工业行业能源效率的测度与分解[J].金融研究,2013,(10):128-141.
[9] 张军,吴桂英,张吉鹏.中国省际物质资本存量估算:1952-2000[J].经济研究,2004,(10):35-44.
[10] 张宁.碳全要素生产率、低碳技术创新和节能减排效率追赶——来自中国火力发电企业的证据[J].经济研究,2022,57(2):158-174.
[11] 张涛,吴梦萱,周立宏.碳排放权交易是否促进企业投资效率?——基于碳排放权交易试点的准实验[J].浙江社会科学,2022,(1):39-47.
[12] 张伟,朱启贵,李汉文.能源使用、碳排放与我国全要素碳减排效率[J].经济研究,2013,48(10):138-150.
[13] 中国人民银行南京分行课题组.我国碳减排的路径选择及其对金融稳定的影响研究[J].上海金融,2022,(10):20-31.
[14] 周开国,关子桓.欧盟碳排放交易体系运行效率研究——基于动态套期保值及价格发现的证据[J].国际金融研究,2023,(2):73-85.
[15] Chambers, R. G., Chung, Y., Färe, R. Benefit and Distance Functions [J]. Journal of Economic Theory, 1996, 70(2): 407-419.
[16] Chung, Y. H., Färe, R., Grosskopf, S. Productivity and Undesirable Outputs: A Directional Distance Function Approach [J]. Journal of Environmental Management, 1997, 51(3): 229-240.
[17] Coase, R. H.The Problem of Social Cost [J]. Journal of Law and Economics, 1960, 3: 1.
[18] Elhorst, J. P. Spatial Econometrics: From Cross-Sectional Data to Spatial Panels [M]. Physica-Verlag HD, 2014.
[19] Gavard, C., Winchester N., Paltsev, S. Limited Trading of Emissions Permits as a Climate Cooperation Mechanism? US-China and EU-China Examples [J]. Energy Economics, 2016, 58: 95-104.
[20] Guan, Y., Shan, Y., Huang, Q., Chen, H. Assessment to China’s Recent Emission Pattern Shifts [J]. Earth’s Future, 2021, 9(11).
[21] Kaya, Y., Yokobori, K. Environment, Energy, and Economy: Strategies for Sustainability [M]. United Nations University Press Tokyo, 1997.
[22] Liu, L., Feng, T., Kong, J. Can Carbon Trading Policy and Local Public Expenditures Synergize to Promote Carbon Emission Reduction in the Power Industry? [J].Resources, Conservation and Recycling, 2023, 188.
[23] Ord, K. Estimation Methods for Models of Spatial Interaction [J]. Journal of the American Statistical Association, 1975, 70: 120-126.
[24] Shan, Y., Huang, Q., Guan, D., Klaus, H. China CO2 Emission Accounts 2016-2017 [J]. Scientific Data, 2020, 7(1): 54.
[25] Tone, K. A Slacks-Based Measure of Efficiency in Data Envelopment Analysis [J]. European Journal of Operational Research, 2001, 130(3): 498-509.
[26] Wang, W., Zhang, Y. Does China’s Carbon Emissions Trading Scheme Affect the Market Power of High-Carbon Enterprises? [J]. Energy Economics, 2022, 108.
[27] Zhang, H., Duan, M., Deng, Z. Have China’s Pilot Emissions Trading Schemes Promoted Carbon Emission Reductions? ——The Evidence from Industrial Sub-Sectors at the Provincial Level [J]. Journal of Cleaner Production, 2019, 234: 912-924.
The Impact of Carbon Emissions Trading on Carbon Emission Efficiency and Its Spatial Spillover Effect—— Based on Panel Data of 30 Provinces in China from 2006 to 2019
SONG Tao, YANG Wei-di, LIU Xiao-ling
Abstract: This paper utilizes panel data of 30 provinces in China from 2006 to 2019. The nonradial directional distance function-based DEA model is employed to measure carbon emission efficiency in each province. The SDID model is used to analyze the spatial spillover effect of carbon emission trading on carbon emission efficiency. Empirical results demonstrate significant regional disparities in carbon emission efficiency in China, as well as clear spatial correlations.Carbon emission trading can enhance local carbon emission efficiency but has a restraining effect on neighboring regions’ carbon emission efficiency. Based on these findings, this paper proposes promoting the opening and innovation of the carbon emission trading market, enhancing monitoring and control of negative impacts of carbon emission trading, and facilitating the optimization and improvement of carbon emission trading policies.
Key words: carbon emissions trading; carbon emission efficiency; spatial spillover effect; SDID
(责任编辑 张雨吟)
相关推荐
主办单位:中国财政杂志社
地址:中国北京海淀区万寿路西街甲11号院3号楼 邮编:100036 电话:010-88227114
京ICP备19047955号京公网安备 11010802030967号网络出版服务许可证:(署)网出证(京)字第317号
投约稿系统升级改造公告
各位用户:
为带给您更好使用体验,近期我们将对投约稿系统进行整体升级改造,在此期间投约稿系统暂停访问,您可直接投至编辑部如下邮箱。
中国财政:csf187@263.net,联系电话:010-88227058
财务与会计:cwykj187@126.com,联系电话:010-88227071
财务研究:cwyj187@126.com,联系电话:010-88227072
技术服务电话:010-88227120
给您造成的不便敬请谅解。
中国财政杂志社
2023年11月