碳排放权交易对制造业绿色全要素生产率的影响研究

摘 要：随着“双碳”目标的提出，碳排放交易系统（ETS）如何影响高碳排放行业，如制造业的绿色全要素生产率（GTFP）增长逐渐成为一个重要研究话题。双重差分法是近年来识别碳排放权交易与制造业绿色全要素生产率之间关系的常用研究方法。以2014年开始试点的碳排放权交易政策为准自然实验，研究显示，碳排放权交易政策能够显著促进我国制造业的绿色全要素生产率提升。进一步研究发现，碳排放权交易能够通过筛选外商对内直接投资（IFDI）的质量，进而对绿色全要素生产率产生积极作用。稳健性检验表明，在考虑双重差分法设定条件、平行趋势检验、反事实检验、更改倾向得分匹配方法等后，碳排放权交易对我国制造业绿色全要素生产率的积极作用依然成立。

关键词：碳排放权交易；制造业绿色全要素生产率；外商对内直接投资；双重差分法

［中图分类号］ F062.1 ［文章编号］ 1673-0186（2023）007-0019-016

［文献标识码］ A      ［DOI编码］ 10.19631/j.cnki.css.2023.007.002

为保护生态环境，保障经济可持续发展，我国自2011年起陆续启动了全国七省市碳交易市场试点工作［1］；2013年底广东省和上海市成立碳交易工作小组，并于当年正式启动碳排放权交易（ETS）试点；2014年，北京、深圳、天津、湖北、重庆五个省市的碳排放权交易也陆续上线；2016年，福建成为国内第八个碳试点城市；2020年，“双碳”目标的提出［2］更是把碳排放权交易政策由试点推向全国。作为典型的市场激励型环境规制政策，碳排放权交易是推进绿色发展的重要手段，但各高碳排放行业，如制造业也可能因为环保限制而导致经济效益损失。

与此同时，随着对外开放水平的不断提高，我国逐渐成为全球跨国投资的主要目的地之一，实际利用IFDI增长迅速，堪称“成功利用外资的典范”［3］。后疫情时代，全球经济逐渐回暖，碳排放问题也愈发值得重视［5］，在此背景下，研究碳排放权交易政策对于制造业行业GTFP的影响，以及IFDI在其中的影响渠道和调节效应是非常有意义的：只有正确认识三者的关系，才能明确在经济全球化复苏的时代背景下，碳排放权交易的完善方向［5］，并以小见大，推动碳排放权交易的全国化和全面化，在保障经济稳定发展的同时实现“双碳”目标。

一、文献综述和研究假说

“绿水青山就是金山银山”，为解决20世纪经济迅猛发展引发的环境问题，我国政府一直在探索环保、经济两手抓的可持续发展道路。自2020年“双碳”目标提出以来，降碳减排已成为各界共识，学界对碳排放交易权这一政策的研究不断深入，并取得了一定进展。

（一）文献综述

大量研究认为外商对内直接投资和环境规制是影响东道国绿色全要素生产率的重要因素，但对于具体影响，学者们持有不同的观点。

2014年，我国正式实施碳排放权交易政策后，国内学者对该政策的研究热度也大幅提升。部分学者认为碳排放权交易政策能够促进碳减排［6］，且减排效果逐年增加［7］。余萍和刘纪显发现碳排放权交易政策会促进区域经济发展，具有良好的经济增长效应和绿色效应［8］。但在政策实施的过程中，由于试点地区存在异质性［9］，不同地区的减排效果也会呈现部分差异［10］。

将“碳排放权交易”扩大到“环境规制”这一维度来回溯文献，辛宝贵和高菲菲提出，环境规制对于绿色全要素生产率的提升有显著正向作用，但同样地，这一影响存在区域异质性［11］。李振洋和白雪洁在制造业转型升级背景下，探究不同类型的环境规制政策对制造业绿色全要素生产率的影响，发现鼓励型环境政策对制造业GTFP没有起到明显促进作用；限制型政策则与之呈现“U”型关系［12］。

既往文献也不乏关于IFDI对绿色全要素生产率影响的研究：杨俊和邵汉华使用随机效应模型进行分析，发现IFDI与绿色全要素生产率呈负相关［13］；此外肖攀、程中华、范丹等均分别通过空间误差面板模型、空间面板模型等研究模型得出了IFDI对绿色全要素生产率有负向影响的结论［14-16］。相反地，王兵和吴延瑞指出IFDI对绿色全要素生产率的增长具有显著的促进作用［17］。柴志贤、杨冕和王银、吴建新和黄蒙蒙等人的研究也支持这一观点［18-20］。汪锋与解晋则得出了两者之间没有显著关系的结论［21］。

综上所述，既往文献大多是关于碳排放权交易政策的减排效果评估和其他环境规制政策对绿色全要素生产率的影响。关于碳排放权交易政策对区域绿色全要素生产率影响的研究则较少。另外，既往文献鲜少将IFDI与碳排放权交易政策相结合对绿色全要素生产率进行研究。在中国面临“双碳”目标和后疫情时代经济全球化再度发展的背景下，研究碳排放权交易政策对制造业行业GTFP的影响，以及IFDI在其中所发挥的作用具有重要意义。

（二）研究假说

碳排放权交易赋予了碳排放权商品属性，允许各交易主体在市场上合法交易碳排放权，并由此通过价格机制将碳排放带来的外部成本内部化［22-23］。碳排放权交易制度实施后，一方面，由于严格的碳排放量约束，一些高污染、高能耗行业短时间内只能通过减少产量来控制碳排放，导致其绿色全要素生产率在短期内有所下降；另一方面，在政府环境监管部门的规制作用下，形成倒逼机制，“三高”行业为了谋求长远的稳定发展，不得不通过减少使用污染原料、引进清洁技术等方式缓解减排成本带来的压力。从长期发展的角度而言，大多企业将通过技术创新加快向绿色产业转型升级，提高能源效率，促进低碳转型发展，保障自身的经济效率，实现区域碳减排、提升绿色全要素生产率［24］。

此外，市场化的碳排放权交易也会促使东道国筛选流入的外商投资。根据“污染避难所”的假设，发达国家将把造成严峻环境污染的行业转移到环境标准较低的国家，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，当地政府和企业将对IFDI进行筛选，从而让更多高质量的绿色IFDI流入市场。优质外商资本的流入，能够从技术溢出效应、优化产业结构、激发规模效应等多个维度来提升东道国的绿色全要素生产率。基于上述的理论与逻辑分析，本文提出以下研究假说：

假说1：碳排放权交易政策的实施促进了地区制造业绿色全要素生产率的增长；

假说2：碳排放权交易政策会通过筛选流入的外商直接投资质量来提高地区的制造业绿色全要素生产率。

二、模型构建与实证分析

在实证分析开始前，对模型设定、变量选择和实验数据来源进行基本描述。

（一）模型设定

为检验上述假说，实证部分将分两步进行：首先检验碳排放权交易政策的实施对制造业GTFP是否有影响；然后检验IFDI流入对制造业的绿色全要素生产率有何影响，并探究IFDI流入对于碳排放权交易政策和GTFP之间的关系是否有调节作用。换言之，我们想要检验在考虑外商投资流入的情况下，碳排放权交易政策对制造业GTFP的影响是否有所变化。针对上述研究目标，文章选取相应的实证分析模型。

1.检验ETS的实施对制造业GTFP是否有影响

碳交易试点市场的选择是政府综合考虑我国经济发展状况、各地区行业结构等因素的结果，也就是说各试点地区实施碳交易政策的决策并非完全外生。我们采用倾向得分匹配法（Propensity Score Matching，PSM）来缓解这一内生性问题，选择各省市经济发展水平、制造业经济发展水平、产业结构等多个指标进行得分匹配。通过PSM处理，本文为每一个实施碳排放权交易政策的省市匹配了可供比较的配对省市，即那些在观察期内从未实施碳排放权交易，但在政策实施前和试点省市基本具有一致特征的省市。将前者称为处理组或实验组，后者称为对照组或控制组，我们可以通过对比配对后处理组和对照组省市的制造业绿色全要素生产率和外商对内直接投资调节效应，来判断碳排放权交易政策的实施效果。但同时我们还需要考虑到，政策实施点前后，各省市制造业的绿色全要素生产率可能会因为其他外部因素而发生变化，因此还要将2014年之前的所有省市和2014年之后的所有省市进行对比，双重差分模型（Difference in Difference，DID） 可以很好地解决这一问题。

因此，本文以多数省市上线开展碳排放权交易的2014年作为政策起始点，以2009—2019年为观察期。Logit回归被用来计算实验组和控制组的倾向性得分，采用最近邻匹配法进行样本间的匹配，基于“准自然实验”，用PSM-DID法来评估碳排放权交易的政策影响。基本计量模型设定如下：

其中：i表示省市，t表示年份；gtfpit为省市i在第t年的制造业绿色全要素生产率；treati为实验虚拟变量，当i为处理组省市时，treati=1，反之为0；timet为时间虚拟变量，2014年之前，timet=0，2014年及之后，timet=1；controlit为控制变量，其选取标准将在后续部分进行详细阐释；μi和λt分别为省市固定效应、时间固定效应。timet和treati交互项的系数β1需要我们重点关注，该值反映了碳排放权交易政策实施对各省市制造业GTFP的影响。

同时，文章将针对该模型进行平行趋势假设、反事实假设等系列稳健性检验。

2.检验IFDI对制造业GTFP的影响

为检验外商对内直接投资对东道国经济和环境发展的综合影响，本文借鉴了傅京燕等对不同来源FDI、环境规制与绿色全要素生产率的研究中所建立的模型［25］。该模型将绿色全要素生产率（GTFP）作为衡量经济绩效的指标；基于环境库兹涅茨曲线引入经济发展水平及制造业经济发展水平，设定模型如下：

各变量具体含义与式（1）一致。

3.检验IFDI流入对于ETS和制造业GTFP之间的关系是否有调节效应

为进一步检验IFDI在其中的调节效应，本文借鉴何靖的研究方法［26］，在式（1）的基础上引入IFDI及其与虚拟变量timet和treati的交互项，构建基于DID法的回归模型：

其中：ifdiit为省市i的制造业在第t年接受的实际外商直接投资；其余变量与式（1）中含义一致。对于对照组省市（treat=0），碳排放权交易政策实施年份前后省市外商对内直接投资的调节效应分别是β1和β1+β5，可见，对照组省市在政策实施年份前后制造业GTFP受IFDI调节效应影响的差异为diff0=β5，这一差异可视为时间趋势差异。对于处理组省市（treat=1），这种差异为diff1=β5+β7，这一差异不仅包含了碳排放权交易政策的影响，还包含了上述时间趋势差异。因此净影响效应为diff3=diff1-diff0=β7，β7即为我们关心的系数。

（二）变量选取与数据来源

文章采用除西藏及港澳台地区之外的30个省市作为研究样本，选取各省市自2009年至2019年的相关数据进行实证分析。数据来源于《中国统计年鉴》《中国能源统计年鉴》及各省、直辖市、自治区官方统计年鉴。

1.因变量——绿色全要素生产率

目前学界比较主流的测算GTFP的非参数模型主要有方向性距离函数（Directional Distance Function， DDF）和非径向非角度的SBM（Slack-based measure）模型。相较于DDF模型，SBM模型可以存在无效率生产单元，并可以分解分析测算结果，是一种比较理想的生产效率测算方法。

因此，文章以2009年为基期，参考冯杰和张世秋的研究建立指标［27］，基于非期望产出，用超效率SBM模型和Malmquist指数来测度GTFP数据。使用的投入变量为资本、劳动、能源，分别以各省市制造业资本存量（永续盘存法计算）、从业人数和能源消费量（万吨标准煤）作为指标。期望产出为各省市当年价格的制造业生产总值；非期望产出包括废气、废水和其余废弃物，分别以各省市制造业的二氧化硫排放量、工业废水排放量和烟粉尘排放量作为指标。

其中xik表示第k个DMU的第i个投入变量。