2024, Vol. 45
2. 福建商学院信息工程学院, 福州 350012
2. School of Information Engineering, Fujian Business University, Fuzhou 350012, China
推动减污降碳协同增效是实现经济社会发展全面绿色转型的重要方案. 2022年全国生态环境保护工作会议指出：“十四五”时期, 我国生态文明建设进入了以降碳为重点战略方向、推动减污降碳协同增效、促进经济社会发展全面绿色转型、实现生态环境质量改善由量变到质变的关键时期. 2022年7月, 生态环境部、国家发改委等七部委联合印发了《减污降碳协同增效实施方案》, 成为减污降碳的主要着力点. 温室气体和环境污染物的生态效应具有相似性, 大部分来自于化石能源的燃烧. 此外, 它们的社会效益和规制原理也相似, 因此对它们进行协同治理具有理论可行性和实践必然性[1]. 然而, 中国经济发展目前尚未实现与煤炭消费脱钩, 碳减排和环境治理任务依然艰巨, 如何成功实现减污降碳协同增效成为中国面临的现实困境. 为了推进能源消费革命, 实现“双碳”和协同治理目标, 中国采取了一系列政策措施, 其中用能权交易制度（energy consumption permit trading scheme, ECPTS）（用能权交易）备受瞩目. 2016年, 中国颁布了《用能权有偿使用和交易制度试点方案》, 明确了在浙江省、福建省、河南省和四川省开展用能权交易试点工作. 从理论上来看, 用能权交易有利于激发市场主体的活力, 促进能源资源的有效配置, 支持和促进能源消费“双控”目标的完成, 但在实践中其具体的协同效应如何仍存在较大的不确定性. 现有研究主要从用能权交易的设计、实施及其节能潜力进行分析, 然而, 当前对于用能权交易的减污降碳协同效应尚缺乏深入研究. 因此, 有必要评估用能权交易的减污降碳协同效应.
本研究将用能权交易试点作为准自然实验, 运用双重差分模型, 从协同角度评估中国用能权交易的减污降碳协同效应, 并深入分析该制度促进减污降碳协同增效的作用机制, 为推进协同治理工作提供参考. 本研究主要讨论以下问题：第一, 用能权交易是否促进了减污降碳, 产生协同增效红利?第二, 用能权交易促进减污降碳协同增效的机制是什么?第三, 地方政府的环境和经济目标约束是否会对用能权交易的作用产生影响?对以上问题的回答为理解市场型环境规制与协同治理之间的关系提供了新的经验证据, 并为中国实现“双碳”目标和高质量发展的制度优化提供重要启示.
1 文献综述与作用机制解析 1.1 减污降碳协同治理研究协同效应的起源可追溯到Ayres等[2]提出的伴生效益概念, 即通过减少温室气体的排放来减少其他污染物的产生. 随后, 联合国政府间气候变化专门委员会（IPCC）在其评估报告中正式提出了协同效应的概念, 指的是某项污染物减排措施的实施不仅可以减少该污染物的排放量, 还会产生其他环境效益[3]. 早期的研究主要关注特定政策对CO2或大气污染物减排效果的单一影响[4, 5]. 然而, 随着研究的深入, 协同效应引起了越来越多的关注, 并为气候变化和环境治理政策的制定与评估提供了新的视角[6, 7]. 国外学者在这方面的研究较早, 主要集中在温室气体和大气污染物的协同治理以及多个环境政策的协同路径等方面[8]. 近些年, 国内学者也开始关注协同治理问题, 尤其是“双碳”目标提出后, 减污降碳协同效应成为研究热点[9, 10]. 当前, 国内学者主要关注减污降碳协同水平的测度及其驱动因素, 以及某项环境政策在减污降碳方面的协同效应[11]. 在减污降碳协同水平测度及其驱动因素方面, 学者们采用了多种研究模型和方法, 比如, LEAP模型、可计算的一般均衡（CGE）模型、数据包络分析（DEA）法、协同减排当量指标法[12]和协同控制坐标系与交叉弹性分析法等[13]. 然而, 以上研究更多地侧重于从气体角度进行模型模拟、减污降碳水平测度以及对大气污染物与温室气体之间的因果关系进行分析, 而较少考虑除气体以外的其他环境污染物与CO2的协同治理问题. 在政策的减污降碳协同效应方面, 已有研究主要考察了低碳城市试点政策[14]和碳排放权交易政策[15]等碳规制政策在减少CO2排放和降低大气污染物方面的协同效应[16~18], 对于用能权交易的减污降碳协同效应的研究评估还比较有限.
1.2 用能权交易研究与用能权交易相关的研究主要聚焦于两个方面：一是对政策顶层设计的分析, 涉及到的分析方法包括定性和定量分析法. 其中, 定性分析主要聚焦于用能权交易的法律属性和不同政策之间的冲突与衔接问题[19]；定量分析主要基于DEA模型[20, 21]、CGE模型和反事实模拟[22]等方法对用能权的配额分配方案[23]、交易机制以及有效性[24]等进行模拟和预测[25]. 二是对政策效果的实证分析, 这可以分为两个阶段. 在用能权交易试点之前, 学者们主要利用政策推出前的数据来预测用能权交易的效果, 并比较用能权交易与其他政策的减排潜力[26]. 在用能权交易试点实施后, 学者们开始转向基于实施后的数据来评估政策的实际效果. 具体而言, 有研究发现, 用能权交易可以显著提高能源利用效率, 对能源消耗和能源强度产生积极影响[27, 28]. 此外, 有研究还发现用能权交易具有空间溢出效应, 不仅降低了本地区的能源消费和能源强度, 还对邻近地区产生了影响[29]. 随着研究的深入, 学者们不再仅限于分析用能权交易的“能耗双控”作用范畴, 而是开始关注其环境与经济作用. 有研究表明, 用能权交易降低了CO2排放总量和排放强度, 同时促进了经济发展, 产生了环境和经济的双重红利[30]. 此外, 用能权交易还被发现促进了工业领域的低碳转型[31, 32]、碳中和[33]、全要素生产率[34]以及企业的绿色创新[35].
综上所述, 用能权交易作为中国推动能源消费革命和实现“双碳”目标的重要减排政策, 是一种市场化的环境政策工具. 环境经济学的市场机制理论认为, 市场机制可以在一定程度上促进资源的有效配置, 通过价格信号激励减排行为. 用能权交易要求能源使用超额的单位购买足够数量的用能权, 这鼓励用能单位提高能源效率, 调整能源使用结构, 从而减少能源消耗和相应的污染物排放, 有助于形成减污降碳协同增效. 因此, 研究用能权交易对减污降碳的协同效应既有助于验证环境经济学市场机制理论的有效性, 也为环境政策制定和改进提供更好的指导, 同时为社会、企业和政府提供有关减污降碳的重要信息. 然而, 现有研究对用能权交易在减污降碳协同治理方面的经验证据依然十分匮乏. 因此, 本研究的边际贡献主要体现在以下3个方面：首先, 本研究从环境污染治理和“双碳”目标协同的角度出发, 采用双重差分模型探究用能权交易是否能够实现减污降碳协同增效. 这一研究角度弥补了现有研究在这一领域研究的不足. 其次, 现有研究较少关注大气污染物和其他环境污染物之间的关联性以及协同治理问题. 为了全面且系统地研究用能权交易的减污降碳协同效益, 本研究同时选取了CO2排放量、PM2.5浓度、CO2与其他环境污染物的交乘项和减污降碳协同指数等多个指标来代理减污降碳协同水平, 从而丰富和扩展了已有研究的内容. 最后, 在研究用能权交易的减污降碳协同效应的同时, 本研究还考察了内在的作用机制以及地方政府的环境和经济目标约束对用能权交易有效性的调节作用, 为实现减污降碳目标的最大化提供了更全面的政策参考.
1.3 用能权交易传导机制解析根据已有研究[30, 32, 35], 整体而言, 用能权交易可能通过能源效率、技术创新和产业结构影响减污降碳. 对于能源效率, 用能权交易可以在市场中发出信号, 表明低碳经济的发展趋势. 这对企业而言意味着未来低碳技术和产品的需求将增加, 而高碳能源和高碳排放的成本将上升. 能源消耗是CO2排放的根和源, 在这种情形下, 企业有动力改善生产工艺、改进生产技术和提高能源利用效率[30], 以适应未来的市场需求和规范要求, 进而提升减污降碳水平. 对于技术创新, 一方面, 企业面临用能权交易带来的经济激励和技术进步压力, 可能会在已有创新投入基础上增加研发投入以开展绿色技术创新活动, 产生对绿色创新的“杠杆效应”[34], 进而提升减污降碳效果[35]. 另一方面, 用能权交易市场的建立为企业之间的技术合作和转让提供了机会. 这种技术合作和转让有利于知识和经验的交流, 促进技术的普及和推广, 进而促进整体减污降碳水平的提升[27]. 在产业结构方面, 用能权交易通过与减排指标和额度挂钩, 对试点省份的能耗进行了限制. 在市场机制下, 能源密集型产业需要为额外的能源消耗支付更高的价格, 这增加了能源密集型产业的生产成本, 降低了它们的市场竞争力. 长此以往, 以上产业可能会逐渐被清洁能源产业所替代, 从而推动整个产业结构向低碳方向发展[36]. 此外, 为了达到节能政策的效果, 地方政府会鼓励发展具有清洁特征的第三产业, 促进产业转型[32, 37], 进而实现减污降碳协同增效.
2 材料与方法 2.1 模型构建参照Zhu等[18]和Freyaldenhoven等[38]的做法, 本研究首先运用事件研究法对用能权交易试点前后的减污降碳水平变化进行平行趋势假设检验. 与双重差分估计量相似, 当用于因果推理时, 事件研究法的识别假设是对照组与处理组的结果变化趋势相同. 这种共同趋势假设的合理性可以通过观察两组样本是否存在平行的预处理趋势来评估. 事件研究法的优点是允许估计影响的动态变化[18]. 具体的模型见式（1）：
|
(1) |
式中, 被解释变量Yi, t为i省在t年的减污降碳水平. 多年份的表示法为：t = 1, 2, …, T0, …T, 试点开始时间为T0+1. D为一系列虚拟变量, 当t = τ时, D = 1, 否则D = 0, 因此, 除基准年T0（如, 2015年）外, 每年都可以单独估算βτ. Treati为虚拟变量, 表示样本是在处理组还是对照组. α、β和θ为回归系数. Zi, t为控制变量. λi为省份固定效应. γt为时间固定效应. εi, t为扰动项.
为了检验用能权交易是否有效地产生减污降碳协同效应, 本研究将用能权交易作为一个准自然实验, 使用双重差分模型进行政策分析. 具体的模型如下：
|
(2) |
式中, ECPTS为用能权交易, 其系数β反映用能权交易试点的政策效果.
参考宋弘等[39]和Liu等[40]的方法, 构建如下模型以检验用能权交易对机制变量的影响：
|
(3) |
式中, Mechanismi, t为机制变量.
2.2 变量选择与数据说明 2.2.1 被解释变量被解释变量为减污降碳水平, 参考陆敏等[15]的研究, 分别用CO2排放量的对数（lnCO2）、PM2.5年均浓度值的对数（lnPM）以及CO2排放量的对数与综合环境污染指数的交乘项（rpce = lnCO2 × cepi）表示. 这里的交乘项能够反映同源特征, 契合“碳污同源”说, 可以用来反映整体减污降碳协同水平[15]. 对于CO2排放量, 本研究借鉴Wu[41]的做法, 采用来自中国碳核算数据库的数据. 综合环境污染指数测算参考陆敏等[15]的研究, 选取“三废”排放量指标, 运用熵值法进行计算得出. 该指标是逆向指标, 其值越大, 说明污染越严重. 具体的二级指标涵盖废水排放量、SO2排放量和一般工业固废产生量. 本研究预期用能权交易对各被解释变量有负向影响.
2.2.2 关键解释变量关键解释变量为用能权交易（ECPTS）. ECPTS为Treat×Post的交互项.其中, Treat是一个虚拟变量, 用于区分是否受到政策干预的对象.若该省是试点省份, 则Treat=1, 反之Treat=0. Post为年份虚拟变量, 若时间处于政策试点之前, 则Post=0, 若时间处于试点当年及其之后年份, 则Post=1.
2.2.3 控制变量参考吴雪萍[42]的研究, 在计量经济学模型中引入一些可能影响省份试点与否的事前决定因素以及一些省份经济、社会和政治特征作为控制变量. 所选取的控制变量如下：①城市化水平（urb）：城市人口占常住人口的比例；②市场化程度（market）：《中国分省份市场化指数报告》中的市场化指数；③数字化水平[ln（digita）]：地方政府数字关注度的对数值；④人口规模[ln（pop）]：地区总人口的对数值；⑤工业化程度[ln（ind）]：第二产业增加值的对数值；⑥环保投入[ln（ei）]：工业污染治理投资额的对数值；⑦财政分权程度（fd）：地方财政一般预算支出占中央财政支出的比例.
2.2.4 机制变量选取能源效率、技术创新和产业结构作为机制变量. ①能源效率[ln（ecerf）]：节能减排效率的对数值. 借鉴Teng等[43]的做法, 采用非径向方向距离函数测算得出. 投入和产出指标方面, 以资本、劳动和能源这3种生产要素作为投入变量. 产出指标方面, 以实际GDP作为期望产出变量, 以CO2排放量作为非期望产出；②技术创新[ln（patent）]：国内发明专利申请授权量的对数值；③产业结构（is）：第三产业增加值占第二产业增加值的比例.
2.2.5 数据来源本研究以中国30个省份2008~2019年的面板数据作为样本. 由于西藏和港澳台地区的数据缺失和不完整, 本研究未涉及这些地区. 原始数据来源于2009~2020年的《中国能源统计年鉴》《中国科技统计年鉴》《中国分省份市场化指数报告》《中国统计年鉴》以及中国碳核算数据库和地方政府报告. 少数缺失数据通过内插法填补, 价格变量平均减至2001年基期水平.
3 结果与讨论 3.1 用能权交易对减污降碳的影响分析 3.1.1 平行趋势检验图 1展示了式（1）中βτ的值和95%置信区间. 图 1表明了两个关键信息：一是用能权交易对各被解释变量的影响并没有早于试点时间；二是用能权交易对PM2.5浓度（lnPM）和整体减污降碳水平（rpce）的作用在试点之后很快就显现了. 如图 1所示, 2016年之前, βτ的变化趋势较为平缓, 且与零没有显著差异, 说明在用能权交易试点之前, 减污降碳水平没有显著下降的趋势. 这意味着试点省份和非试点省份在政策实施前无显著差异, 满足平行趋势假设. 接下来, 从动态效应可以看到, 2016年之后, 用能权交易试点对PM2.5浓度和整体减污降碳水平影响的估计系数的95%置信区间均不包括0, 说明用能权交易试点显著降低了试点省份的PM2.5浓度和整体减污降碳水平, 且这种“减污”效应呈逐渐稳定的趋势. 用能权交易试点对CO2排放量影响的估计系数在2016年和2017年不够显著, 但2018年之后开始显著为负, 意味着用能权交易在2018年之后显著降低了CO2排放量, 这种“降碳”效应具有逐渐明显且增大的趋势.
|
实线表示95%的置信区间 图 1 平行趋势检验 Fig. 1 Parallel trend test |
表 1为式（2）估计的基准回归结果. A~C列为未加入控制变量, 但控制了省份固定效应和时间固定效应的结果. D~F列为加入各控制变量后的双向固定回归结果. 从表 1可以发现, 各列中用能权交易变量（ECPTS）的估计系数均显著为负, 说明用能权交易可以有效降低试点地区的CO2和环境污染物排放. 具体地, D列和E列中ECPTS的估计系数分别为-0.133和-0.031. 这说明与非试点省份相比, 用能权交易使试点省份的CO2排放量和PM2.5浓度分别降低了13.3%和3.1%. F列中ECPTS的估计系数为-0.237, 说明试点省份的整体减污降碳水平提高了0.237个单位. 由此可见, 用能权交易可以大幅降低与能源具有同根性、同源性与排放时空异质性的CO2和常规环境污染物的排放, 证实了其实施可以达到减污降碳协同治理效果. 该结论为用能权交易的有效性研究提供了新的经验证据.
|
表 1 基准回归结果1） Table 1 Baseline regression results |
当考虑到控制变量时, 表 1中D~F列的结果显示, 城市化、市场化和财政分权显著促进了减污降碳, 但环保投资、工业化和人口规模显著抑制了减污降碳水平. 究其原因, 环保投入的提高可能会引发逆反应. 例如, 一些企业可能会增加生产以弥补环保投入所带来的成本增加, 这可能导致更多的能源消耗和污染排放. 这种现象可能在环保成本较高、监管不严格或缺乏合适的激励措施的情况下更为突出；此外, 随着人口规模和工业化程度的提高, 能源消耗增加, 污染物排放显著上升, 造成严重的环境污染问题, 不利于减污降碳.
3.1.3 稳健性检验为保证双重差分模型估计结果的有效性, 确保上述结果的可靠性, 接下来参考已有研究[42], 从替换指标、控制其他政策影响、剔除离群值、预期效应和安慰剂检验等方面进行稳健性检验.
（1）替换指标 这里采用不同的被解释变量指标重新估计式（2）. 其中, 以IPCC推荐的方法重新测算CO2排放量的对数（lnCO2′）指标, 以SO2排放量的对数（lnSO2）代理大气污染指标, 以减污降碳协同指数（coe）代理减污降碳协同指标. 减污降碳协同指数采用熵权法测度得出, 二级指标包括废水排放量、SO2排放量、一般工业固废产生量、PM2.5浓度和CO2排放量. 熵值法能够综合考虑各个指标之间的关系, 不仅反映了指标的绝对贡献, 还考虑了相对贡献, 因此可以有效地评估减污降碳协同效应. 估计结果见表 2的A~C列. 不难发现, 在更换被解释变量代理指标后, ECPTS的估计系数依然显著为负, 表明用能权交易对减污降碳的影响是稳健的.
|
|
表 2 稳健性检验Ⅰ Table 2 Robust regression Ⅰ |
（2）排除其他政策的影响 为避免碳交易政策试点对基准回归结果造成干扰, 在表 2的D~F列剔除了试点碳交易政策的样本. 可以看到, 在剔除碳交易政策试点的样本后, 所有用能权交易估计系数依然显著为负, 且系数绝对值变大, 说明用能权交易对减污降碳的影响是稳健而持久的, 且受碳交易政策的影响, 之前用能权交易的政策效果存在被低估的情况.
（3）预期效应 为了避免预期效应的影响, 根据薛飞等[27]的研究构建了一个安慰剂检验, 以用能权交易试点前一年的虚拟变量作为假设的政策冲击事件, 并将其加入式（2）进行回归. 结果如表 3的A~C列所示, 所有预期ECPTS′的估计系数与真实ECPTS的估计系数在显著性和符号上均不一致, 表明在用能权交易试点前, 处理组和对照组仍旧可比, 意味着不存在预期效应.
|
|
表 3 稳健性检验Ⅱ Table 3 Robust regression Ⅱ |
（4）对离群值进行缩尾处理 为了避免离群值对双重差分估计产生偏误的影响, 在表 3的D~F列中以被解释变量作为排除条件, 对数据分布低于1百分位和高于99百分位的样本进行了缩尾处理. 通过观察回归结果, 可以发现, 缩尾处理后的估计结果与基准回归结果基本一致, 这表明本研究的主要结论不受数据中离群值的影响.
（5）安慰剂检验 借鉴吴雪萍[42]和Chetty等[44]的做法, 运用随机抽样法把处理组和对照组混合, 得到虚假的两组样本进行安慰剂检验. 根据式（2）, 重复进行500次基准回归, 得到的伪估计系数分布如图 2~4所示. 从中可知, 随机分配的伪估计系数分布都集中在零点附近, 大多数估计系数的核密度大于0.1. 同时, 本研究用能权交易的真实估计系数（见表 1的D~F列）在安慰剂测试中是明显的异常值. 这表明, 用能权交易对处理组被解释变量的显著影响仅出现于真实用能权交易试点冲击发生以后, 并未受其他未观测到的因素影响. 因此, 本研究的双重差分模型识别设置是合理有效的, 结论是可靠的.
|
图 2 被解释变量为lnCO2的安慰剂检验结果 Fig. 2 Placebo test results with lnCO2 as the dependent variable |
|
图 3 被解释变量为lnPM的安慰剂检验结果 Fig. 3 Placebo test results with lnPM as the dependent variable |
|
图 4 被解释变量为rpce的安慰剂检验结果 Fig. 4 Placebo test results with rpce as the dependent variable |
上述研究验证了用能权交易可以有效发挥减污降碳协同增效作用, 那么, 其具体的传导机制为何?接下来, 本研究从3个方面检验用能权交易协同效应的影响机制, 检验结果如表 4所示.
|
|
表 4 机制检验结果 Table 4 Mechanism test results |
表 4的A列为能源效率机制的检验结果. 在A列中, ECPTS的系数在1%的水平上显著为正, 表明用能权交易显著提高了试点省份的能源效率. 这意味着用能权交易可以通过能源效率促进减污降碳. 该结论与宋德勇等[30]的发现相似, 他们指出在用能权交易早期试点阶段, 能源效率提升是其产生环境与经济红利的主要路径. 根据2006~2020年的《中国能源统计年鉴》统计, 用能权交易实施后, 2016~2019年4个试点省份的能耗增速仅为1.95%, 远低于2005~2019年的4.79%[29]. 因此, 无论是从以往的研究还是从中国能源消耗的客观情况来看, 用能权交易具有节能效果的结论是成立的, 而在发挥节能效果的同时该制度还可以推动减污降碳协同增效. 表 4的B列检验了用能权交易能否通过技术创新发挥减污降碳协同治理效应. 可以发现, ECPTS的回归系数不显著, 说明用能权交易不能显著提高试点省份的技术创新水平. 这可能与制度设计的初衷有关. 用能权交易最初的设计目标主要集中在减少能源消耗和能源强度, 以实现能源效率的提高. 因此, 其主要关注点是对能源使用的数量和效率进行监管和激励, 而对技术创新的推动力较弱. 表 4的C列为产业结构机制的检验结果. 结果显示, 用能权交易不能促进试点省份的产业结构优化. 究其原因, 这可能与产业结构路径依赖有关. 中国的产业结构在相当长的一段时间内受到了资源密集型和重工业的影响, 这种路径依赖性可能增加了产业结构优化难度. 此外, 产业结构调整涉及市场调研与开拓、发展战略制定、固定资产重组重建等, 需要的时间较长[30]. 用能权交易可能需要更长的时间来改变产业结构, 以实现减污降碳的协同效应.
4 拓展性分析地方政府为改善环境质量设定的环境目标和为确保适度经济增长而设定的经济目标可能影响用能权交易的减污降碳协同效应[32]. 因此, 本研究进一步探讨了环境目标和经济目标对用能权交易减污降碳效果的调节作用. 具体的模型如下：
|
(4) |
|
(5) |
式中, ent为环境目标. 参考余泳泽等[45]的做法, 根据政府工作报告中是否明确提到能源消耗及污染排放等目标值对ent进行赋值, 如明确提及, 则ent = 1；否则ent = 0. ect为经济目标. 参考张伟伟等[46]的研究, 根据政府工作报告中是否明确提到经济增长目标值对ect进行赋值, 如明确提及, 则ect = 1, 否则ect = 0. β1的符号方向和显著性是重点关注的对象.
表 5为双重目标对用能权交易赋能地区减污降碳的调节作用估计结果. 从表 5中A~C列的回归结果可以看到, 环境目标与用能权交易的交互项（ent×ECPTS）对CO2排放、PM2.5浓度和整体减污降碳水平的影响均显著为负. 这表明环境目标对用能权交易的减污降碳协同效应具有正向调节作用. 这可能得益于各地环境目标约束的强化, 提高了地方政府的环保重视度和环境治理力度, 进一步增强了用能权交易的能源效率效应, 进而提高了试点地区的减污降碳水平.
|
|
表 5 调节作用检验结果1） Table 5 Moderating effect test results |
通过表 5中D~F列的回归结果可知, 经济目标与用能权交易的交互项（ect×ECPTS）对减污降碳的影响不显著, 说明经济增长目标对用能权交易的减污降碳协同效应没有起到负向调节作用. 其中的可能缘由在于, 经济增长目标可以为用能权交易提供更多的资金和技术支持, 提高用能权交易的实施能力和水平, 从而更好地实现减污降碳目标. 虽然一些学者认为经济增长目标会阻碍环境规制的有效性[32, 47], 但经济支持与合理的制度设计可以为用能权交易提供更多的保障和动力, 使经济增长目标与减污降碳目标相互促进, 从而实现双赢的局面.
5 建议（1）完善用能权交易制度, 充分发挥其减污降碳协同效应. 政府可以建立一个统一的、可操作的指标体系, 确保各地的用能权交易具有可比性和可衡量性. 为了确保用能权交易的有效执行, 政府还需要建立健全监管和执法机制, 确保企业按照用能权交易履行减污降碳的义务.
（2）加强绿色技术创新与产业结构优化. 在制定用能权交易规划时, 政府可以加大与节能环保相关的科技创新投入, 鼓励企业开展研发和应用先进的清洁技术, 建立科技成果转化机制, 推动创新成果的商业化和产业化, 使其能够更好地应用于生产实践, 提高减污降碳协同效应. 同时, 加大对传统高耗能和高污染产业的淘汰力度, 引导企业向清洁能源、节能环保等领域转型升级, 推动产业结构的升级和减排效果的提升.
（3）改善政绩考核体系, 促进经济增长与环境保护协调发展. 政府可以通过改善政绩考核体系, 加大对环境保护成果的考核与奖励力度, 将减污降碳目标纳入政绩考核体系, 促使相关责任部门和官员重视环保工作. 政府也可以通过合理的制度设计, 在经济增长和减污降碳之间找到平衡点, 避免单纯追求经济增长而忽视环境问题.
6 结论（1）用能权交易显著促进了试点地区减污降碳协同增效. 具体地, 与非试点省份相比, 用能权交易使试点省份的CO2排放量和PM2.5浓度分别下降了13.3%和3.1%, 使整体减污降碳水平提升了0.237个单位. 本研究证实了即使在环境规制制度相对薄弱的发展中国家, 市场激励型环境规制工具也能够发挥减污降碳协同增效作用.
（2）作用机制分析表明, 用能权交易对减污降碳协同增效的影响主要是通过推动能源效率提升加以实现的. 需要注意的是, 产业结构和技术创新这两个路径的作用尚未显现.
（3）环境保护目标对用能权交易的减污降碳协同效应起到正向强化作用. 令人意外的是, 经济增长目标并没有削弱用能权交易的有效性.
| [1] |
周行, 马延柏. 地方政府"减污降碳"协同治理的减排效应研究——基于环境规制策略的调节效应[J]. 经济与管理, 2023, 37(3): 40-48. Zhou H, Ma Y B. Research on emission reduction effect of local government's "Reduction of Pollution and Carbon Emissions" coordinated governance: Moderation effect based on environmental regulation strategy[J]. Economy and Management, 2023, 37(3): 40-48. |
| [2] | Ayres R U, Walter J. The greenhouse effect: damages, costs and abatement[J]. Environmental and Resource Economics, 1991, 1(3): 237-270. DOI:10.1007/BF00367920 |
| [3] | IPCC. Climate change 2001: impacts, adaptation and vulnerability, contribution of working group Ⅱ to the third assessment report of the intergovernmental panel on climate change[M]. Cambridge: Cambridge University Press, 2001. |
| [4] |
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. Zhou D, Liu Y C. Impact of China's carbon emission trading policy on the performance of urban carbon emission and its mechanism[J]. China Environmental Science, 2020, 40(1): 453-464. |
| [5] | Wu X P, Gao M, Guo S H, et al. Environmental and economic effects of sulfur dioxide emissions trading pilot scheme in China: A quasi-experiment[J]. Energy & Environment, 2019, 30(7): 1255-1274. |
| [6] |
曾鹏, 魏旭, 段至诚. 中国城市群污染协同治理的时空分异及优化路径研究[J]. 长江流域资源与环境, 2023, 32(6): 1317-1333. Zeng P, Wei X, Duan Z C. Study on spatial and temporal differentiation and optimization path of collaborative pollution control in urban agglomerations of China[J]. Resources and Environment in the Yangtze Basin, 2023, 32(6): 1317-1333. |
| [7] |
刘茂辉, 岳亚云, 刘胜楠, 等. 基于STIRPAT模型天津减污降碳协同效应多维度分析[J]. 环境科学, 2023, 44(3): 1277-1286. Liu M H, Yue Y Y, Liu S N, et al. Multi-dimensional analysis of the synergistic effect of pollution reduction and carbon reduction in Tianjin based on the STIRPAT model[J]. Environmental Science, 2023, 44(3): 1277-1286. |
| [8] | Wu X P, Gao M, Guo S H, et al. Effects of environmental regulation on air pollution control in China: a spatial Durbin econometric analysis[J]. Journal of Regulatory Economics, 2019, 55(3): 307-333. DOI:10.1007/s11149-019-09384-x |
| [9] |
张瑜, 孙倩, 薛进军, 等. 减污降碳的协同效应分析及其路径探究[J]. 中国人口·资源与环境, 2022, 32(5): 1-13. Zhang Y, Sun Q, Xue J J, et al. Synergistic effects of pollution control and carbon reduction and their pathways[J]. China Population, Resources and Environment, 2022, 32(5): 1-13. |
| [10] |
向梦宇, 王深, 吕连宏, 等. 基于不同电力需求的中国减污降碳协同增效路径[J]. 环境科学, 2023, 44(7): 3637-3648. Xiang M Y, Wang S, Lü L H, et al. Synergistic paths of reduced pollution and carbon emissions based on different power demands in China[J]. Environmental Science, 2023, 44(7): 3637-3648. |
| [11] |
毛显强, 曾桉, 邢有凯, 等. 从理念到行动: 温室气体与局地污染物减排的协同效益与协同控制研究综述[J]. 气候变化研究进展, 2021, 17(3): 255-267. Mao X Q, Zeng A, Xing Y K, et al. From concept to action: a review of research on co-benefits and co-control of greenhouse gases and local air pollutants reductions[J]. Advances in Climate Change Research, 2021, 17(3): 255-267. |
| [12] |
毛显强, 邢有凯, 高玉冰, 等. 温室气体与大气污染物协同控制效应评估与规划[J]. 中国环境科学, 2021, 41(7): 3390-3398. Mao X Q, Xing Y K, Gao Y B, et al. Study on GHGs and air pollutants co-control: assessment and planning[J]. China Environmental Science, 2021, 41(7): 3390-3398. |
| [13] |
俞珊, 韩玉花, 牟洁, 等. 北京市制造业减污降碳协同效应分析和驱动因素[J]. 环境科学, 2024, 45(4): 1917-1925. Yu S, Han Y H, Mu J, et al. Synergy effects and driving factors of pollution and carbon emissions reduction of manufacturing industries in Beijing[J]. Environmental Science, 2024, 45(4): 1917-1925. |
| [14] |
赵彦云, 陆香怡, 王汶. 低碳城市的CO2与PM2.5减排协同效应分析[J]. 中国环境科学, 2023, 43(1): 465-476. Zhao Y Y, Lu X Y, Wang W. Assessment for co-benefits of low-carbon city on CO2 and PM2.5 in China[J]. China Environmental Science, 2023, 43(1): 465-476. |
| [15] |
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): 121-133. Lu M, Xu H, Chen F X. Pollution and carbon reduction effects of the carbon emissions trading mechanism in the context of the 'dual carbon' goals[J]. China Population, Resources and Environment, 2022, 32(11): 121-133. |
| [16] |
刘华军, 郭立祥, 乔列成. 减污降碳协同效应的量化评估研究——基于边际减排成本视角[J]. 统计研究, 2023, 40(4): 19-33. Liu H J, Guo L X, Qiao L C. Quantitative evaluation of co-benefits of air pollution reduction and carbon emission reduction: Based on marginal abatement Cost[J]. Statistical Research, 2023, 40(4): 19-33. |
| [17] |
俞珊, 张双, 张增杰, 等. 北京市减污降碳协同控制情景模拟和效应评估[J]. 环境科学, 2023, 44(4): 1998-2008. Yu S, Zhang S, Zhang Z J, et al. Scenario simulation and effects assessment of co-control on pollution and carbon emission reduction in Beijing[J]. Environmental Science, 2023, 44(4): 1998-2008. |
| [18] | Zhu J M, Ge Z M, Wang J L, et al. Evaluating regional carbon emissions trading in China: effects, pathways, co-benefits, spillovers, and prospects[J]. Climate Policy, 2022, 22(7): 918-934. |
| [19] |
刘明明. 论构建中国用能权交易体系的制度衔接之维[J]. 中国人口·资源与环境, 2017, 27(10): 217-224. Liu M M. China's energy-consuming right trading scheme: from the dimension of institutional linkage[J]. China Population, Resources and Environment, 2017, 27(10): 217-224. |
| [20] |
叶沛筠, 蔡乌赶, 周瑜辉. 技术异质性视角下我国区域用能权与碳排放权初始分配研究[J]. 软科学, 2023, 37(11): 114-121. Ye P Y, Cai W G, Zhou Y H. Studies on the initial allocation of regional energy-consuming right and carbon emission right in China based on the perspective of technological heterogeneity[J]. Soft Science, 2023, 37(11): 114-121. |
| [21] |
张宁, 张维洁. 中国用能权交易可以获得经济红利与节能减排的双赢吗?[J]. 经济研究, 2019, 54(1): 165-181. Zhang N, Zhang W J. Can energy quota trading achieve win-win development for economic growth and energy savings in China?[J]. Economic Research Journal, 2019, 54(1): 165-181. |
| [22] | Wang J, Fang D B, Yu H W. Potential gains from energy quota trading in China: From the perspective of comparison with command-and-control policy[J]. Journal of Cleaner Production, 2021, 315. DOI:10.1016/j.jclepro.2021.128174 |
| [23] | Pan Y L, Dong F. Design of energy use rights trading policy from the perspective of energy vulnerability[J]. Energy Policy, 2022, 160. DOI:10.1016/j.enpol.2021.112668 |
| [24] |
王兵, 赖培浩, 杜敏哲. 用能权交易制度能否实现能耗总量和强度"双控"?[J]. 中国人口·资源与环境, 2019, 29(1): 107-117. Wang B, Lai P H, Du M Z. Whether the energy-consuming right transaction system can achieve the dual control of both energy consumption and intensity?[J]. China Population, Resources and Environment, 2019, 29(1): 107-117. |
| [25] | Yang M, Hou Y R, Fang C, et al. Constructing energy-consuming right trading system for China's manufacturing industry in 2025[J]. Energy Policy, 2020, 144. DOI:10.1016/j.enpol.2020.111602 |
| [26] |
刘海英, 王钰. 用能权与碳排放权可交易政策组合下的经济红利效应[J]. 中国人口·资源与环境, 2019, 29(5): 1-10. Liu H Y, Wang Y. The economic bonus effect generated by the tradable policy mixes of energy-consuming right and CO2-emission right[J]. China Population, Resources and Environment, 2019, 29(5): 1-10. |
| [27] |
薛飞, 周民良. 用能权交易制度能否提升能源利用效率?[J]. 中国人口·资源与环境, 2022, 32(1): 54-66. Xue F, Zhou M L. Can the energy-consuming right transaction system improve energy utilization efficiency?[J]. China Population, Resources and Environment, 2022, 32(1): 54-66. |
| [28] | Du Z L, Xu C C, Lin B Q. Does the Emission Trading Scheme achieve the dual dividend of reducing pollution and improving energy efficiency? Micro evidence from China[J]. Journal of Environmental Management, 2022, 323. DOI:10.1016/j.jenvman.2022.116202 |
| [29] | Che S, Wang J. Policy effectiveness of market-oriented energy reform: Experience from China energy-consumption permit trading scheme[J]. Energy, 2022, 261. DOI:10.1016/j.energy.2022.125354 |
| [30] |
宋德勇, 陈梅, 朱文博. 用能权交易制度是否实现了环境和经济的双赢?[J]. 中国人口·资源与环境, 2022, 32(11): 134-145. Song D Y, Chen M, Zhu W B. Has the energy-consuming right trading system achieved win-win development for China's environment and economy?[J]. China Population, Resources and Environment, 2022, 32(11): 134-145. |
| [31] | Wang K K, Su X W, Wang S H. How does the energy-consuming rights trading policy affect China's carbon emission intensity?[J]. Energy, 2023, 276. DOI:10.1016/j.energy.2023.127579 |
| [32] |
黄和平, 谢云飞. 市场型环境规制促进了工业低碳转型吗?——来自用能权交易的证据[J]. 产业经济研究, 2023(1): 58-72. Huang H P, Xie Y F. Do market-based environmental regulations promote a low-carbon industrial transition? Evidence from trading energy rights[J]. Industrial Economics Research, 2023(1): 58-72. |
| [33] | Zhang Y F, Guo S Y, Shi X P, et al. A market instrument to achieve carbon neutrality: Is China's energy-consumption permit trading scheme effective?[J]. Applied Energy, 2021, 299. DOI:10.1016/j.apenergy.2021.117338 |
| [34] |
李少林, 毕智雪. 用能权交易政策如何影响企业全要素生产率?[J]. 财经问题研究, 2022(10): 35-43. Li S L, Bi Z X. How does energy use rights trading policy affect the total factor productivity of enterprises?[J]. Research on Financial Issues, 2022(10): 35-43. |
| [35] |
张艾莉, 陈茜. 用能权交易制度对绿色技术创新的影响效应与传导机制[J]. 科技进步与对策, 2023, 40(3): 93-103. Zhang A L, Chen Q. Research on the effect and transmission mechanism of energy-consuming right trading system on green technological innovation[J]. Science & Technology Progress and Policy, 2023, 40(3): 93-103. |
| [36] |
王鑫. 用能权交易对减排降碳的有效性分析[J]. 经济问题, 2023(4): 79-85. Wang X. The efficiency analysis of energy-consuming right trading on carbon emission reduction[J]. On Economic Problems, 2023(4): 79-85. |
| [37] | Saidi K, Omri A. The impact of renewable energy on carbon emissions and economic growth in 15 major renewable energy-consuming countries[J]. Environmental Research, 2020, 186. DOI:10.1016/j.envres.2020.109567 |
| [38] | Freyaldenhoven S, Hansen C, Shapiro J M. Pre-event trends in the panel event-study design[J]. American Economic Review, 2019, 109(9): 3307-3338. |
| [39] |
宋弘, 孙雅洁, 陈登科. 政府空气污染治理效应评估——来自中国"低碳城市"建设的经验研究[J]. 管理世界, 2019, 35(6): 95-108. Song H, Sun Y J, Chen D K. Assessment for the effect of government air pollution control policy: Empirical evidence from "Low-carbon City" construction in China[J]. Management World, 2019, 35(6): 95-108. |
| [40] | Liu Y Z, Mao J. How do tax incentives affect investment and productivity? Firm-level evidence from China[J]. American Economic Journal: Economic Policy, 2019, 11(3): 261-291. |
| [41] | Wu Q Y, Wang Y Y. How does carbon emission price stimulate enterprises' total factor productivity? Insights from China's emission trading scheme pilots[J]. Energy Economics, 2022, 109. DOI:10.1016/j.eneco.2022.105990 |
| [42] |
吴雪萍. 碳排放权交易价格与全要素生产率: 来自中国的证据[J]. 环境科学, 2024, 45(4): 1926-1937. Wu X P. Carbon emissions trading prices and total factor productivity: Evidence from China[J]. Environmental Science, 2024, 45(4): 1926-1937. |
| [43] | Teng X Y, Liu F P, Chang T H, et al. Measuring China's energy efficiency by considering forest carbon sequestration and applying a meta dynamic non-radial directional distance function[J]. Energy, 2023, 263. DOI:10.1016/j.energy.2022.125756 |
| [44] | Chetty R, Looney A, Kroft K. Salience and taxation: Theory and evidence[J]. American Economic Review, 2009, 99(4): 1145-1177. |
| [45] |
余泳泽, 孙鹏博, 宣烨. 地方政府环境目标约束是否影响了产业转型升级?[J]. 经济研究, 2020, 55(8): 57-72. Yu Y Z, Sun P B, Xuan Y. Do constraints on local governments' environmental targets affect industrial transformation and upgrading?[J]. Economic Research Journal, 2020, 55(8): 57-72. |
| [46] |
张伟伟, 张景静. 政府预期目标制定的高质量发展效应: 权衡"增速"与"绿色"[J]. 中国人口·资源与环境, 2023, 33(4): 125-136. Zhang W W, Zhang J J. Effects of high-quality development set by the government's expected targets: balancing 'growth' with 'green development'[J]. China Population, Resources and Environment, 2023, 33(4): 125-136. |
| [47] |
李红霞, 郑石明, 要蓉蓉. 环境与经济目标设置何以影响减污降碳协同管理绩效?[J]. 中国人口·资源与环境, 2022, 32(11): 109-120. Li H X, Zheng S M, Yao R R. How do environmental and economic goal-settings affect the synergistic performance of air pollution and carbon reduction?[J]. China Population, Resources and Environment, 2022, 32(11): 109-120. |