中国碳排放权交易的空间减排效应：准自然实验与政策溢出

李治国 王杰

摘要 碳排放权交易制度已然成为我国节能减排的重要环境规制手段之一，但碳交易市场建设在空间维度上的溢出减排效应评估仍然存在不足，减排作用发挥的具体渠道和综合效果亦有待明晰。基于我国碳交易试点2007—2017年的样本数据，利用合成控制法进行准自然实验并结合动态空间杜宾模型综合评估碳交易政策实施的空间减排效应;进而立足于经济发展、能源消费和技术进步渠道分析碳交易政策发挥减排作用的具体路径。研究发现：碳排放权交易试点政策整体上有效促进试点地区的碳减排，其中天津、湖北等地响应迅速且显著。碳交易试点政策在有效抑制试点地区碳排放的基础上，通过政策溢出效应同时有助于抑制邻近地区的碳排放。碳交易政策减排效应发挥存在较长的周期性，长期内其减排作用逐渐显著，且直接减排作用要远强于间接减排作用。经济发展渠道是现阶段碳交易政策发挥减排作用的重要路径，但同时对周边地区碳排放具有促增威胁，而能源消费则是导致碳排放增长的主要阻碍。长期来看，技术进步将成为碳交易政策潜在减排效应有效发挥的关键所在。基于此，积极推动全国性碳交易市场建设，注重区域碳交易市场的均衡发展和有序推进，同时强化区域间绿色经济协同发展和知识技术交流合作，从而形成区域间良性协作的低碳发展模式。

关键词 碳排放权交易;减排效应;合成控制法;政策溢出

我国在2015年巴黎世界气候大会上承诺到2030年单位GDP碳排放量相较2005年下降60%～65%，此后又提出在2030年左右实现碳排放达峰并争取提前达峰。碳强度下降和碳排放达峰的减排“双控”目标约束下，我国围绕环境治理和经济绿色发展路径展开系列探索。2011年国家发改委确定在北京、上海以及天津等7个省市开展碳排放权交易试点工作并于2013年正式启动，直到2017年12月我国碳交易市场建设逐步由试点推向全国，碳排放权交易制度建设已然成为应对我国碳减排的关键市场型减排政策工具。基于产权理论的排污权交易制度作为典型的市场化环境治理手段，理论上能够通过市场激励和技术创新改善排污权配置的非效率状态，从而有效释放减排潜能。然而现实情况却有所不同，如受制于政策体系不健全、试点范围偏小和作用渠道不通畅等因素，2002年我国所开展的“4+3+1”排污权交易试点项目减排效果并不理想。这也引发如下疑问：由于地区要素稟赋差异和政策实际实施效果的不同，碳交易政策能否形成普遍的低碳减排效应？对于政策实施地和邻近地区的减排效应是否存在差异？碳交易制度作用于减排目标的具体渠道如何？等等。因此，基于我国现行的碳交易试点省份开展准自然实验，有效评估碳交易政策对于试点地区的减排效应和周边地区的政策溢出效应，能够为碳交易市场的全国性推广提供实证参考，对我国低碳减排和可持续发展路径优化亦具有重要的现实意义。

1 文献综述

以碳排放权交易为代表的排污权交易制度，基于科斯定理中所提出的“产权明晰以获得资源配置效率”的基本论断，能够通过建立合法的碳排放权交易市场，实现社会减排成本最小化的同时，达到控制碳排放总量的环保目标[1]。然而由于基本国情、制度条件和技术水平异质性的存在，碳排放权交易制度的有效性发挥并不一致，相关的研究结果同样莫衷一是。一方面，有学者认为碳排放权交易制度的减排效应并不显著。Streimikiene 和 Roos[2]基于欧洲国家的碳排放数据发现碳交易政策并不能有效抑制碳排放增加。另外，Wang等[3]、Sangbum[4]以及Cheng 等[5]针对我国排污权交易对二氧化硫等污染物减排效果的研究中同样指出，排污权交易制度并未起到实质性作用。而另一方面，大多数学者则支持碳交易制度有利于低碳减排的结论。沈洪涛等[6]和黄志平[7]分别立足于宏微观视角，研究指出碳交易政策实施可以有效促进企业减排和全行业减排;宋德勇和夏天翔[8]则进一步指出碳交易试点政策的减排效应逐年强化。同样的，国外研究亦得到相似的结论。如Karan和Philippe[9]指出各国碳交易体系的建立使得全球碳排放总量在2005—2007年间降低2%～5%;张伟伟等[10]则基于跨国面板数据研究发现国际碳市场的建立能够对全球碳排放形成有效的抑制作用。综合考虑碳交易政策的实际实施效果和区域异质性，部分学者的研究结论则揭示了碳交易政策减排效应的不确定性。涂正革和谌仁俊[11]从时间维度考察排污权交易的减排效应，实证结果表明短期内排污权交易难以对污染物减排产生显著影响，但却存在长期减排效应;陈醒和徐晋涛[12]研究指出七个碳交易试点地区中只有广东、湖北和深圳产生较为显著的减排效果。

碳排放权交易减排效应和政策评估的差异化，不仅源于区域异质性和政策落实程度，还与理论模型等研究方法密切相关。碳排放权交易政策的早期研究多通过Multi-Agent模型[13]、GD-CGE模型[14]、情景分析[15]、AIM-Enduse修正模型[16]以及CSGS2模型[17]等方法构建模型开展模拟分析。然而上述模拟研究由于前提假设难以满足、参数设定主观性强和真实效应难以反馈等不足，面临着政策效应评估有效性不足的问题。相比之下，通过选取合适的对照组并构造合理的反事实来进行碳交易政策评估的倍差法，既能够克服潜在的内生性问题，又能够直观刻画碳交易政策实施的环境净效应。考虑到我国碳交易试点政策实施时间较短、试点数量有限和传统政策评估方法的局限性，Abadie和Gardeazabal[18]所提出的合成控制法（synthetic control method，SCM）被应用于我国的碳排放权交易试点政策评估。刘传明等[19]采用合成控制法对我国七个碳交易试点的减排效果进行考察，并借助合成控制-双重差分法进行稳健性检验。

现有文献对于碳排放权交易减排效应的研究已取得一系列成果，但仍存在着部分局限性：①多数文献采用系统均衡模型和传统的差分法，忽略了潜在的政策内生性问题和实验探究的客观性;②碳交易政策减排效应的评估多集中于政策实施地，鲜有将邻近地区的环境政策空间溢出效应纳入考量，容易导致政策效应评估结果的偏误;③当前研究缺乏碳交易政策环境效应的机制构建和理论剖析，同时未能兼顾具体作用渠道的评估。该研究试图在现有的研究基础上进行如下拓展：首先，基于碳排放权交易的碳减排驱动机制构建理论模型和分析框架，从而为该研究提供理论支撑。其次，选用2007—2017年省际样本数据并基于6个省市碳交易试点（深圳除外）的准自然试验，采用合成控制方法对碳交易的直接环境效应展开评估，进而将碳交易政策虚拟变量纳入空间计量模型，从而补充评估碳交易政策的溢出效应。最后，从经济发展、能源消费和技术进步的角度进一步考察碳交易政策发挥减排效应的作用渠道及其是否通畅，从而为碳交易政策的推广和强化提供参考。

2 机制分析

碳交易政策即赋予碳排放权商品属性，通过自由流通和市场调节在企业之间实现合理配置。对于碳排放权需求方而言，政府部门初始分配的碳排放权配额一般难以满足企业生产过程中碳排放需要，因此需要从碳交易市场中购买碳排放权。

基于碳排放权购买方成本最小化和出售方利润最大化的目标约束，采用拓展的柯布-道格拉斯生产函数建立目标函数式，在考虑资本（K）和劳动力（L）要素的基础上加入碳排放权这一生产约束，如式（1）和（2）：

其中，RK和WL分别表示企业使用资本和劳动力要素所要支付的利息成本和工资费用;ξ表示碳排放权交易份额，p1和p2分别表示碳排放权的购买价格和出售价格，则p1 ξ和p2 ξ对应着碳排放权交易的成本和收益;A表示既定的技术水平， （CO2+ξ）和（CO2-ξ）则表示企业生产函数中的碳排放水平约束。其中，为简化模型文中将碳排放权初始配额均定义为1单位CO2，同时，假定作为碳排放权交易主体的高碳企业和低碳企业的生产函数规模报酬均保持不变，即α + β + γ = 1。

依据式（3）和（4）可以得到p1和p2的表达式，在碳排放权交易市场均衡的状态下，均衡价格应满足p1=p2，意味着碳排放权交易机制能够通过成本约束对购买方形成减排压力且通过利润激励对出售方产生减排动力，从而实现ξ=0的最优化减排状态。具体来说，碳排放权交易制度理论上能够基于购售双方的交易行为降低社会减排成本，通过成本提升和环境管制迫使高碳企业主动减排，并采用政策和获利支持激励低碳企业继续减排。同时，碳交易制度本质上作为环境规制手段，政策实施对于周边地区同样存在不确定的政策空间溢出效应。当地环境改善能够对周边地区形成良好的示范效应，本地绿色节能技术创新同样能够通过技术溢出对周边地区的环境产生积极影响。但另一方面，部分当地高碳企业在碳排放权交易制度下经营成本上升，周边区域可能成为其潜在的高碳产业承接地，进而不利于周边地区环境保护。基于上述机制分析和政策效应不确定性的讨論，下文将通过模型设定和计量方法对碳排放权交易的减排效果进行实证检验。

3 模型设定

3.1 合成控制法

相较于双重差分等传统政策评估方法，合成控制法通过选取政策实施地以外的区域来确定合成对象线性组合权重，基于预测变量合成与实验组特征高度相似的反事实控制组，保证实验设计和判断客观性，有效克服潜在的政策内生性影响，且不存在大样本、样本可观测和整体性分析的应用局限性，适用我国碳交易政策效应研究中试点数量不足、政策周期较短等情况。因此，合成控制法现正被广泛应用于环境政策特别是低碳试点政策效果的评估中[20-21]。

具体来说，给定j+1个地区在t时期（t=1，2…T）的碳排放量，其中只有1个地区为政策实施地。假定i地区在时间t=T0被确定为政策试点，则其在t时期成为政策试点和未成为政策试点的碳排放量分别表示为CNit和CEit。不难看出，在t≤T0之前，i地区的碳排放量始终没有受到碳交易政策影响，即CNit=CEit;而在t≥T0之后，碳交易政策实施对当地的减排效应可以表示为effect=CNit-CEit。对于政策实施地而言，其碳排放量CEit能够实际测算，而其未实施碳交易政策时的碳排放量在T0之后则是无法观测的，因此本文基于Abadie和Gardeazabal[18]所提出的参数回归因子模型（式5）CNit进行估计。

其中，δt表示时间固定效应; Xi则表示可观测的不受碳交易政策影响的控制变量，文中所选取的预测变量包括试点省份2000—2013年经济水平和技术水平等。其中，能源消费作为引致碳排放变化的直接因素，对试点省份碳排放数据合成具有较强的解释力，考虑到碳交易政策影响的潜在影响，文中引入能源消费滞后项变量;λt表示难以观测的公共因子变量，Ui则表示个体固定效应，二者乘积反映了互动固定效应;εit代表随机扰动项。

记合成控制组的构造权重向量为W=（w2…wj+1 ），其中，wj表示第j个地区在合成控制组中所占的比重，wj≥0且w2+…+wj+1=1。对于任意给定的W，对照组地区预测变量值的加权结果可以表示为：

Abadie和Gardeazabal[18]论证指出确定权重W*=（w*2…w*j+1）使得X1≈∑J+1j=2W*j Xi 且C1t≈∑J+1j=2W*j Cjt，则能够得到U1≈∑J+1j=2W*j Ui 。进一步地，基于将∑J+1j=2Wj Cit作为CN1t无偏估计量的做法，通过最小化X1和X0 W的距离‖X1-X0 W‖来确定W*，从而使得合成地区有效近似试点地区在成为试点之前二氧化碳排放的运动轨迹。

3.2 空间计量模型设定

现有的研究表明，环境规制[20-21]和碳排放[22]均存在较强的空间关联特征，忽视碳排放权交易制度的政策溢出效应可能导致偏误的政策评估结果。因此拟采用空间面板杜宾模型开展实证研究，将碳交易政策虚拟变量（Dvv）纳入模型的同时，考虑到碳排放在时间维度上可能的路径依赖性以及碳排放与技术进步等因素潜在的内生性问题，又将碳排放变量的时间滞后项引入静态空间杜宾模型，从而建立动态空间面板杜宾模型：

3.3 数据说明

基于数据可得性和统计口径一致性，选用2007—2017年省际面板数据（西藏及港澳台地区除外）作为研究样本，数据主要来自历年《中国统计年鉴》《中国能源统计年鉴》《中国科技统计年鉴》等。其中，碳排放数据来自我国碳排放数据库（CEADS）所公布的2007—2017年中国省市层面二氧化碳排放清单，其中涵盖化石燃料燃烧和水泥生产过程的相关碳排放。各类货币指标均以2000年不变价格进行平减处理。

4 实证结果及讨论

4.1 碳排放权交易试点合成控制结果分析

4.1.1 合成控制法实证结果

合成控制法基于碳排放权交易试点政策实施前后真实情况与合成情况的均方误差最小化约束通过数据驱动的方式构建权重。采用2007—2013年的经济发展、能源消费滞后项和技术水平等预测变量合成虚拟对照组，表1所示为依次以北京、天津等6个碳排放权交易试点作为合成对象时所选择的权重组合。基于省际经济发展和污染排放的空间关联性和趋同特征，以控制组经济变量所拟合的实验组碳排放数据具有良好的解释力和可靠性，但同时可能会引致潜在的省际碳排放内生问题，因此采用迭代法检验以期排除控制组设定对合成结果的影响。以天津为例，合成天津的权重省份包括江苏、福建、海南、云南、陕西、甘肃、青海和宁夏，相关省份的碳排放按照权重加总即可估计天津碳排放权交易试点启动前的碳排放量。

碳交易政策实施前后试点省份实际碳排放与合成碳排放的动态演进如图1所示，垂直虚线表示碳交易政策的实施时间（2013年），实线曲线表示目标试点碳排放的真实路径，而虚线曲线则是基于控制组权重所合成的虚拟路径，二者之差反映了目标试点地区的拟合程度和政策净效应。不难看出，在碳交易政策实施前，天津、湖北、广东、重庆和上海试点地区的真实碳排放与合成碳排放接近，说明上述合成试点对于真实试点的拟合效果较好;而在垂直虚线右侧，实线曲线和虚线曲线的偏离逐渐显现，实际碳排放量远低于合成碳排放量，由于合成控制法中对于其他可能的影响因素已施加控制，曲线差距直观反映了试点地区碳交易政策的减排效应。值得注意的是，北京地区碳排放与其合成对象存在显著差异。究其原因，可能在于北京市作为京津冀经济带核心城市和政治中心，节能技术应用、绿色产业发展、低碳经济水平和环境管制力度均处于领先水平，导致其他省份相关预测变量难以有效拟合北京地区的碳排放变化趋势。

从碳排放权交易政策实施后的拟合情况来看，天津、湖北、上海、广东和重庆试点的真实碳排放均呈现出不同程度的下行态势，其中湖北和上海地区的减排效应最为显著，而天津地区的减排效应则相对较弱。其可能的原因在于，湖北省作为中部地区唯一试点，正处于工业化快速推进阶段，政策覆盖面较广。上海地区得益于制度先行的碳交易管理和碳金融体系支撑，包括《上海市碳排放管理试行办法》《上海环境能源交易所碳排放交易规则》等一系列政策性文件，碳交易政策的减排效应不断强化凸显。而天津地区由于自身碳排放总量较低且工业体系发展较为成熟，使得天津的减排空间较小、减排成本相对较高。广东和重庆试点虽然同样表现出较为明显的减排效应，但二者实际碳排放量均在碳交易政策实施后出现不同程度的反弹，这可能与经济发展回暖、能源和生产效率回弹效应密切相关。碳排放权交易政策基于减排成本压力促进高碳企业技术进步和能源效率提升，但技术进步亦可能通过经济规模扩张和能源需求增加的引致作用抵消减排效果。

4.1.2 有效性分析

基于安慰剂检验对上述结果开展有效性分析，具体来说，利用合成控制法对全部控制组省份依次进行政策效应评估，并通过政策实施前后的政策净效应来判断在随机筛选的前提下是否会得到相似的结果。若处理组城市在碳交易政策实施后的减排效应显著大于各个控制组省份，则说明目标试点政策效应评估具有较强的稳健性。剔除北京试点后的试点省份与对照组省份的安慰剂检验结果如图2所示。碳排放差值表示实际碳排放与合成碳排放差值，反应碳交易政策实施的净效应。实线曲线表示试点地区碳交易政策实施的净效应，虚线曲线表示控制组省份碳交易政策实施的净效应。需要说明的是，针对控制组政策执行前良莠不齐的合成效果，事先剔除2013年之前均方预测误差值（MSPE）超过试点省份MSPE值5倍的地区。不难发现，各试点的减排净效应超过大多数省份，从而论证碳交易政策实施有助于碳减排，但湖北等试点地区的减排效应并不显著，说明碳交易政策减排作用仍有待强化。分析其可能的原因主要包括：一是碳交易政策诱发低碳技术创新活动在时间上具有滞后性，从而抑制碳交易政策当下的减排效果;二是我国碳交易市场建设长期处于起步阶段，交易量低、碳价波动大以及市场有效性不足均削弱政策效果。

4.1.3 稳健性检验

为确保分析结果的稳健性，避免因为控制组设定导致分析结果存在差异，继续采用迭代方法进行敏感性分析。以湖北省为例，依次剔除合成湖北省权重最大的控制组省份，即先后删去内蒙古、山东、河南、湖南和四川，通过五次迭代的过程评估合成湖北省的基础模型，考察试点省份碳排放的合成效果是否会因为控制组调整而显著波动。剔除北京试点后的试点省份碳排放合成的敏感性分析结果如图3所示，在逐一剔除控制组省份的过程中，碳排放迭代合成路径与原始路径基本保持一致，并未出现较大的波动，证明利用合成控制法来评估碳交易政策促进减排的实证结果相对稳健，控制组变动的影响并不显著。

4.2 碳交易政策的空间溢出减排效应分析

在空间面板模型参数回归前，利用莫兰指数针对被解释变量碳排放的空间自相关性进行检验，结果表明省际碳排放存在显著的空间相关性，即证明通过空间面板模型研究该问题的合理性。由表2模型1～5的回归结果来看，非空间普通面板（随机效应和固定效应）、非空间动态面板（系统GMM）和静态空间面板杜宾模型（GSPA2SLS）忽略潜在的内生性问题或空间相关性问题，导致整体回归结果不尽理想，因此下文的讨论主要基于具有优良统计特征的动态空间杜宾模型展开。

碳交易政策回归系数在5%的水平上显著为负，表明碳交易政策的实施对于碳排放呈现出显著的抑制效应。模型1～4的政策变量回归系数均小于零，进一步论证碳交易政策减排效应的稳健性。碳交易政策虚拟变量的空间滞后项的回归系数为-0.032 4且在1%的显著性水平上通过显著性检验，表明碳交易试点的政策实施对于邻近地区碳排放同样具有减排作用。究其原因，一方面基于地区间的策略性节能竞争和减排模式效仿，试点地区碳交易政策减排作用的发挥能够对邻近地区形成有效的示范效应，碳交易政策的减排效应在空间维度上得以强化。另一方面在节能减排的压力之下，碳交易政策实施有助于试点地区产业结构转型升级和绿色节能技术创新，进而通过经济合作、产业互联和技术外溢等多渠道对其他区域的碳减排产生积极影响。具体地，碳交易政策实施的减排溢出效应占直接效应的60%左右，表明碳交易政策实施对试点地区和省域之间碳排放均呈现显著的抑制作用，进一步佐证碳交易政策促進减排的论断。同时，亦反映出以往研究中碳交易政策的减排效应被严重低估。

为直观具体地解释碳交易政策变量空间滞后项的回归系数，同时避免空间回归模型中空间溢出效应估计偏误[30]，将碳交易政策的平均减排效应分解为直接效应和间接效应，如表3所示。短期来看，碳交易政策实施对碳排放的直接和间接效应均为负数但却不显著，表明通过碳排放权交易机制短期中并未发挥出应有的积极作用。碳交易制度体系的建立完善具有较长的周期，而节能技术创新和产业发展模式转变等渠道则具有时滞性，因此短期内碳交易政策减排效应并不显著。长期来看，碳交易政策实施对于碳排放的直接效应和总效应显著增强，间接效应在总效应中虽然占比约27%，但其显著性却仍然难以通过检验，说明碳交易政策促进减排的空间溢出效应存在渠道不畅的问题。

4.3 碳排放权交易政策的减排渠道分析

为探究碳排放权交易政策在空间维度上影响二氧化碳排放的具体渠道，文中依次引入政策虚拟变量与经济发展、技术创新和能源消费的交互项（式9），并在模型6～10中依次添加劳动力供给、工业结构、城市化水平、开放程度以及资本存量等控制变量展开稳健性检验。

从表4的估计结果来看，就能源消费渠道而言，当地能源消费对碳排放整体上存在较为显著的正向驱动效应，而周边地区的能源消费虽然存在抑制碳排放的空间效应但并不显著。能源消费与政策变量交互项回归系数在5%的水平上显著为正，且能源消费渠道对于试点地区碳排放的促增效果显著强于其他地区，证明碳排放权交易政策实施能够通过能源消费渠道增加碳排放的结论稳健。另外，其交互项的空间滞后项系数整体为负，即通过对其他地区能源消费的引致需求，碳交易政策实施能够发挥碳减排的空间溢出效应，但目前而言这一效应并不显著。这与我国高能耗产业集中、能源需求单一和能源依存度较高的发展模式不无关联。

经济发展渠道中，经济发展对于当地碳排放的作用显著为负，而碳交易政策基于经济增长渠道也同样呈现出较强的碳排放抑制效应。分析其原因，主要因为碳交易政策实施对大多数高能耗高碳排企业形成成本压力和转型动力，同时经济高质量发展亦能够有效保障碳交易市场的平稳运行，最终有助于社会减排。然而碳交易政策的实施同时又能够通过经济发展渠道促进邻近地区的碳排放，从而对其他地区形成潜在的碳排放威胁。

技术进步渠道中，技术进步对于本地区碳排放的影响显著为正，而对于周边地区碳减排的溢出效应则不显著，这与前文的结论基本一致。但技术进步与政策变量的交互项对于试点地区碳排放的影响为正且不显著，说明碳交易政策实施尚未真正发挥技术进步的减排作用，再次佐证了技术进步的应用和推广在节能减排过程中存在时滞性。可能的原因为地方政府倾向于生产率提升导向的技术领域而非节能技术领域，最终引致生产规模扩张而碳排放增加。

综合来看，碳交易政策实施基于能源消费渠道和技术进步推动试点地区碳排放增加，而经济发展渠道则是目前碳交易政策发挥减排效应的最关键路径，且碳交易政策实施下经济发展的作用效果远超能源消费和技术因素。另外，技术进步亦能够通过碳交易政策发挥其潜在的减排作用。考虑到经济增长渠道和技术进步渠道仍呈现不通畅的问题，为有效发挥碳交易政策的减排作用，需要继续推动低碳经济的快速发展和节能技术的应用推广。恰恰相反，碳交易政策实施基于经济发展、能源消费和技术进步渠道的空间溢出效应分别为正、负和负。具体来说，一方面，由于经营成本上升和减排压力增大等原因，碳交易政策可能驱动高碳企业在地区间转移，从而不利于邻近地区碳减排。另一方面，地区间能源消费的竞争性行为和技术知识溢出效应的存在，能够为周边地区减排行为提供外在驱动和内在支撑。

5 结论与政策建议

基于我国2007—2017年省际样本数据，采用合成控制法进行准自然实验并结合动态空间杜宾模型，综合评估我国碳交易试点政策的空间减排效应，最后通过影响渠道分析明确碳交易政策发挥减排效应的关键路径，主要的研究结论包括以下内容。

（1）合成控制法评估结果表明湖北、天津等试点地区（北京除外）碳交易政策的减排效应较为顯著，而安慰剂检验中试点地区减排效应超过大多数对照组省份，进而佐证碳交易政策有助于试点地区碳减排结论的稳健性。北京地区则由于经济水平领先、技术水准较高且环境规制更为严格等因素而难以利用其他省市有效拟合。

（2）引入碳交易政策虚拟变量的动态空间面板杜宾模型结果表明，碳交易政策的实施不仅对政策试点具有直接减排效应，对于邻近地区同样存在抑制碳排放的政策溢出效应，从而在空间维度上进一步验证碳交易政策实施有助于减排的结论的稳健性。短期来看，碳排放权交易政策的减排效应并不显著，即政策效应发挥存在时滞性和周期性;长期来看，碳交易政策的减排效应显著强化，且对于政策实施地的碳排放的直接影响（-0.108 4）显著强于对邻近地区的间接影响（-0.039 7），这意味着以往研究中显著低估了碳交易政策的减排效应。

（3）碳排放权交易政策实施的影响渠道分析结果表明，经济发展、能源消费和技术进步确实是减排效应发挥的关键路径。碳排放权交易政策基于经济增长路径有效降低政策实施地的碳排放，而对于邻近地区则具有潜在碳排放促增威胁;基于能源消费路径虽然会在较大程度上导致政策实施地的碳排放增加，但能够通过对周边地区能源消费的抑制而有助于减排;基于技术进步途径能够有效发挥碳减排的政策空间溢出效应，而对于政策实施地也具有潜在的减排作用。同时，多重路径下政策空间溢出渠道不通畅的特征为碳交易政策间接减排效应显著性较弱做出了解释。

根据上述的研究结论提出相应的政策建议：①基于碳交易试点政策有助于碳减排的现实成效，充分发挥碳交易政策在节能减排进程中的关键作用，充分贯彻落实市场决定和政府调整相结合的减排策略，大力推动全国性碳交易市场的建设。②考虑到碳交易政策减排效应的空间溢出，全国性碳交易市场建设需要注重均衡发展和有序推进，从而有效避免地区间碳交易市场发展不均衡而导致的碳排放空间转移。同时，由于区域异质性的存在，不同地区经济发展、能源消费以及减排现状具有明显差异，因此全国性碳交易市场建设需要通过差异化路径整体推进，从而形成区域联防联控的协同减排模式和均衡运行的区域碳市场环境。③强化碳交易政策的减排效应，关键是调整经济发展、能源消费和技术进步影响渠道。积极推动经济绿色转型和产业结构调整，降低对以煤炭为主的传统能源的依存度，同时强化企业技术创新和节能型技术进步，进而实现生产过程的绿色化和生产终端的低碳化。

参考文献

[1]武普照， 王倩. 排污权交易的经济学分析[J]. 中国人口·资源与环境， 2010， 20（2）：55-58.

[2]STREIMIKIENE D， ROOS I . GHG emission trading implications on energy sector in Baltic States[J]. Renewable and sustainable energy reviews， 2009， 13（4）：854-862.

[3]WANG J N， YANG J T， GE C H， et al. Controlling sulfurdioxide in China： will emission trading work？[J]. Environment： science and policy for sustainable development，2004，46（5）：28-39.

[4]SANGBUM S. Chinas failure of policy innovation： the case of sulphur dioxide emission trading[J]. Environmental politics， 2013， 22（6）：918-934.

[5]CHENG B B， DAI H C， WANG P， et al. Impacts of low-carbon power policy on carbon mitigation in Guangdong Province， China.[J]. Energy policy， 2016，88：515-527.

[6]沈洪涛，黄楠，刘浪.碳排放权交易的微观效果及机制研究[J]. 厦门大学学报（哲学社会科学版），2017（1）：13-22.

[7]黄志平.碳排放权交易有利于碳减排吗：基于双重差分法的研究[J]. 干旱区资源与环境，2018，32（9）：32-36.

[8]宋德勇，夏天翔.中国碳交易试点政策绩效评估[J]. 统计与决策，2019，35（11）：157-160.

[9]KARAN C， PHILIPPE A. State and trends of the carbon market 2009[J]. Euroheat and power， 2009， 6（3）：24-25.

[10]张伟伟，祝国平，张佳睿.国际碳市场减排绩效经验研究[J]. 财经问题研究，2014（12）：35-40.

[11]涂正革， 谌仁俊. 排污权交易机制在中国能否实现波特效应？[J]. 经济研究，2015，50（7）：160-173.

[12]陈醒，徐晋涛. 中国碳交易试点运行进展总结[A]∥薛进军.中国低碳经济发展报告（2017）. 北京：社会科学文献出版社，2017.

[13]汤铃，武佳倩，戴伟，等.碳交易机制对中国经济与环境的影响[J]. 系统工程学报，2014，29（5）：701-712.

[14]汪鹏，戴瀚程，赵黛青. 基于GD-CGE模型的广东省碳排放权交易政策评估[J]. 环境科学学报，2014，34（11）：2925-2931.

[15]刘宇， 温丹辉， 王毅， 等.天津碳交易试点的经济环境影响评估研究：基于中国多区域一般均衡模型TermCO2[J]. 气候变化研究进展，2016，12（6）：561-570.

[16]安崇义， 唐跃军. 排放权交易机制下企业碳减排的决策模型研究[J]. 经济研究，2012，47（8）：45-58.

[17]王文军， 傅崇辉， 骆跃军，等.我国碳排放权交易机制试点地区的ETS管理效率评价[J]. 中国环境科学，2014，34（6）：1614-1621.

[18]ABADIE A， GARDEAZABAL J. The economic costs of conflict： a case study of the Basque Country[J]. American economic review， 2003， 93（1）：113-132.

[19]刘传明，孙喆，张瑾.中国碳排放权交易试点的碳减排政策效应研究[J]. 中国人口·资源与环境，2019，29（11）：49-58.

[20]陆贤伟. 低碳试点政策实施效果研究：基于合成控制法的证据[J]. 软科学，2017，31（11）：98-101，109.

[21]李顺毅.低碳城市试点政策对电能消费强度的影响：基于合成控制法的分析[J]. 城市问题，2018（7）：38-47.

[22]罗能生， 王玉泽. 财政分权，环境规制与区域生态效率：基于动态空间杜宾模型的实证研究[J]. 中国人口·资源与环境，2017，27（4）：110-118.

[23]刘华军， 彭莹. 雾霾污染区域协同治理的“逐底竞争”检验[J]. 资源科学，2019，41（1）：185-195.

[24]CSADORSKY P. Do urbanization and industrialization affect energy intensity in developing countries？[J]. Energy economics， 2013， 37：52-59.

[25]趙秀娟， 张捷. 基于绿色索洛模型的产业结构变动对碳排放影响：以广东省为例的实证研究[J]. 产经评论， 2015， 6（3）：38-53.

[26]邵帅， 张可， 豆建民.经济集聚的节能减排效应：理论与中国经验[J]. 管理世界，2019，35（1）：36-60，226.

[27]林伯强， 蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J]. 管理世界，2009（4）：27-36.

[28]张可， 汪东芳. 经济集聚与环境污染的交互影响及空间溢出[J]. 中国工业经济，2014（6）：70-82.

[29]李廉水，周勇.技术进步能提高能源效率吗：基于中国工业部门的实证检验[J]. 管理世界，2006（10）：82-89.

[30]何雄浪， 叶连广. 长江经济带城市群经济关联、空间溢出与经济增长[J]. 现代财经（天津财经大学学报），2020，40（1）：16-28.