基于双重差分模型的碳减排效应

王殿茹,李 敏

1.河北地质大学 自然资源资产资本研究中心,河北 石家庄 050031;2.河北地质大学 河北省矿产资源开发管理与资源型产业转型升级软科学研究基地,河北 石家庄 050031; 3.河北地质大学 经济学院,河北 石家庄 050031

0 引言

随着全球气温逐渐上升,气候变化成为全人类讨论的重点,减少二氧化碳等温室气体的排放成为全世界关注的焦点,我国开始关注二氧化碳排放带来的负面影响,并将低碳与节能减排、环境保护相结合起来。绿色低碳的理念也就成为大家的共识,2020年9月15日,习近平主席在第七十五届联合国大会上提出,中国的碳排放力争在2030年前达到峰值,努力争取在2060年前实现“碳中和”的目标[1]。2021年3月,政府的工作报告中指出,要扎实做好碳达峰、碳中和的各项工作,制定2030年前碳排放达峰行动方案[2]。2022年3月,政府报告继续针对碳达峰和碳中和的目标又做出新的规划,要有序推进碳达峰和碳中和工作,落实碳达峰行动方案[2]。碳排放权交易就是把二氧化碳排放权作为一种商品,让其在碳交易市场上进行交易,通过碳交易市场来达到减少二氧化碳排放量的目的。截至2021年11月10日,全国碳市场共运行77个交易日,配额累计成交量达到2344.04万吨,累计成交额高达10.44亿元。2022年3月5日,两会中南存辉提到,要及时完善全国的碳交易市场,提升碳交易市场的立法层级与效力,以此促进我国的能源结构向新能源转变,进而力争在2030年和2060年前实现双碳的目标,形成令人向往的绿色低碳的生活方式。

1 文献综述

由于大家对碳排放的关注度越来越高,随即碳排放权交易政策也开始引起了学者的关注,近些年研究的热点大多是碳排放权交易政策的实施效果,主要分为两类。

一类为顶层设计:为控制碳排放并实现碳减排,我国实施了一系列碳减排的政策和措施,包括去产能、节能减排以及碳排放权交易、绿色信贷等[3]。其中影响较大的是国家发改委在2011年批准的碳交易试点政策项目。碳排放权交易作为市场化改革的一项重要探索和实践,是推动绿色低碳发展的亮点[4]。

一类为专家学者研究:主要运用双重差分法和合成控制法研究成果较多,(1)姬新龙[5]等学者运用倾向得分匹配—双重差分法与合成控制法,基于30个省的面板数据,研究发现优化地区能源消费结构可以降低碳排放量,并且采用合成控制法得出北京、天津、上海、湖北的减排效果较好;(2)郑皓洋[6]等学者采用双重差分模型发现碳交易政策在湖北、广东、重庆能降低其他地区制造业的碳减排,但从整体上看,对制造业碳减排没有产生显著影响;(3)吴文洁[7]等学者使用双重差分模型得出碳交易试点政策在可以提高区域生态效率,并使用中介效应检验,发现技术创新更有效提高区域生态效率; (4)张彩江[8]等学者使用合成控制法发现碳交易试点政策对区域碳排放量的增长有明显的抑制作用; (5)耿文欣[9]等学者以湖北省碳交易试点为例,运用合成控制法得出碳交易试点政策对湖北省能源强度有显著的影响;(6)杨秀汪[10]等学者使用合成控制法得出碳交易试点市场对各地区有显著的碳减排影响。

综上所述,大多数学者使用合成控制法来研究碳交易试点政策对某个地区的减排效应,但是合成控制法有一定局限性,合成控制法会存在无法合成“极值”的虚拟对照组,刘甲炎[11]等学者在关于上海和重庆的房产税对房产的研究中,由于上海的经济都是处于全国城市的第一位置,研究者发现无法使用合成控制法合成上海的虚拟对照组,同样刘友金[12]等学者在研究房产税对产业转移的影响中,由于上海经济特殊,而无法使用合成控制法合成上海的对照对象,因此选择了双重差分模型来进行后续研究。

基于此,文章利用2006—2019年30个省(港澳台和西藏除外)的面板数据,考虑运用双重差分模型来研究碳交易试点政策对地区的减排效应,同时考虑地区人口规模、经济发展水平、政府环境规章制度、区域产业结构、能源消费结果等外在因素,进而为各地区能够因地制宜、制定合理的碳减排政策提出建议,推动碳交易市场高效运行。文章的边际贡献:采用双重差分模型来研究碳交易试点政策对区域碳排放的影响,研究碳减排效应能加速能源低碳化的转变,进而加快推进全国碳交易市场高效高质量的建设,为实现双碳目标做点实证研究。

2 研究设计

2.1 研究方法——双重差分模型

双重差分模型在一定程度上可以减少选择偏差和外部因素带来的影响,而且双重差分利用面板数据使数据更加简洁明了。因此采用双重差分法来研究碳交易试点政策对区域碳排放的影响,并将7个碳交易试点——北京、上海、天津、重庆、湖北、广东、深圳(由于深圳市属于广东省,这里将深圳市的数据概括进广东省)作为处理组,其他省份作为对照组(不包括港澳台和西藏)。将试点城市启动碳交易政策的时间确定为2014年,即开始受到政策影响的年份。根据郑皓洋[6]、范秋芳[13]等的研究成果,构建双重差分模型为:

其中,i代表第i个省;

t代表第t年;

ln(CE)it表示地区碳排放量的对数值;

CITYi表示是否为开始碳交易政策的试点城市,若是碳交易政策试点城市取1,代表为处理组,不是碳交易政策试点的城市取0,代表对照组;

YEARt表示开始碳交易试点政策地区的时间,若t＜2014,则YEARt=0;若t≥2014,则YEARt=1;

交互项CITYi×YEARt为核心解释变量,表示处理组在碳交易试点政策实施后产生的效应,若在2014年及其之后成为碳交易政策的试点城市,则CITYi×YEARt=1,否则取0;

εit为随机扰动项。

2.2 研究变量的选取

研究变量选取了两类:一类是被解释变量,一类是控制变量。

2.2.1 被解释变量的计算和说明

被解释变量用二氧化碳排放量的对数ln(CE)it来表示,由于中国相关统计部门尚未公布各省市二氧化碳的实际数据,因此我们需要手工计算二氧化碳排放量,而计算二氧化碳排放量的方法有很多种,使用最常用的方法:碳排放系数法,通过8种主要的化石能源的消耗量来计算二氧化碳排放量。文章选取原煤、焦炭、汽油、原油、煤油、柴油、燃料油和天然气这8种主要的化石能源,手工计算得到30个省(港澳台和西藏除外)二氧化碳排放量,时间选取2006—2019年,根据IPCC准则提供的8种化石能源的碳排放系数进行推算,并依照刘传明[14]、王慧英[15]等学者的研究过程,具体计算公式如下:

其中,CE表示二氧化碳的排放量;

i表示原煤、焦炭、汽油、原油、煤油、柴油、燃料油和天然气这8类化石能源;

Ei表示第i种化石能源的消耗量;

NCVi表示第i种化石能源的平均低位发热量;

CEFi表示第i种化石能源的碳排放系数。

2.2.2 控制变量的选取和说明

由于影响二氧化碳排放量的因素很多,根据现有文献,选取了以下5个控制变量:(1)人口规模:用年末常住人口的对数ln(POPU)来衡量。(2)经济发展水平:用人均GDP的对数ln(VGDP)衡量。(3)政府环境规制程度:用工业污染治理完成投资的对数值ln(IPCI)来衡量。(4)区域产业结构(INS):用第二产业增加值与当年GDP的比来衡量。(5)能源消费结构(ECS):用煤炭消费量与能源消费总量比值表示。

由于数据单位不统一,因此对数据进行对数化处理,让数据更加平稳,误差更小。

2.3 数据来源

文章选取2006—2019年中国30个省(港澳台和西藏除外)的数据,并使用Stata软件将其转化成面板数据,控制变量中的年末常住人口、人均GDP、工业污染治理完成投资、当年GDP、第二产业增加值的原始数据均来自国家统计局[16],能源消费总量、煤炭、原煤、焦炭、汽油、原油、煤油、柴油、燃料油和天然气的消耗量的数据来源自国家统计局和《中国能源统计年鉴》[17],对变量进行取对数的处理。

3 实证分析

3.1 平行趋势检验

平行趋势假定是论文使用双重差分法的前提,也就是处理组和对照组的碳减排效应具有共同的增长趋势或者增长没有明显的差异。首先,需要分别计算处理组和控制组在2006年到2019年的二氧化碳排放量的均值,以2014年为政策开始实施的年份,并把其作为政策冲击节点,观察2014年前后的趋势变化。用Stata软件可以画出碳交易政策实施前,在试点城市和非试点城市的每一年的二氧化碳排放量均值的趋势,结果如图1所示。

图1 处理组和控制组的平行趋势Fig.1 Parallel trend of processing group and control group

由图1可以看出二氧化碳排放量在2006—2012年基本是平行变化的关系,在2014年碳交易试点政策实施后,处理组与对照组的差距越来越大,基本可以判定满足双重差分的平行趋势假定。

3.2 动态效应检验

动态效应检验是为了更加精确地检验平行趋势是否满足。首先,需要先生成年份虚拟变量与处理组虚拟变量的交互项,将这些交互项作为解释变量进行回归,参考曾诗鸿[18]等学者的研究成果,构建如下模型:

其中,dit表示城市i所在的t年的虚拟变量,若试点城市i在时间t,则dit为1,否则dit为0;

Xit表示控制变量,包括各省的用年末常住人口的对数、人均GDP的对数、工业污染治理完成投资的对数、第二产业增加值与当年GDP的比、煤炭消费量与能源消费总量的比;

ui表示地区固定效应;

vt表示时间固定效应。

当交互项的系数β2009到β2012不显著时,说明二氧化碳排放量在碳交易政策执行前的变化趋势是相同的,则该模型满足平行趋势假设。为了避免完全共线性的问题,我们选择政策实行前一年作为基准年,即2013年,也就是说模型(2)里面不存在自变量di2013,估计结果如表1所示。

表1 平行趋势检验Table 1 Parallel trend test

由表1可知,2014年及2019年碳交易政策虚拟变量在5%的显著性水平上为负而且系数的绝对值越来越大,呈逐年递增的情况,说明碳交易政策对碳排放强度的影响减弱,而且这种减排作用具有持续性和累积性。2014年之前的虚拟变量与处理组虚拟变量的交互项的系数都不显著,说明控制组与处理组的碳排放强度趋势在政策执行前满足平行趋势的假设。接下来,以直观图的形式呈现政策在不同年份之间的动态效应,结果如图2。

图2 动态效应检验图Fig.2 Dynamic effect test chart

由图2可以看出,2014年之前的虚拟变量与处理组虚拟变量的交互项的系数都不显著异于0(95%的置信区间包含0值),这表明政策实施前,处理组和对照组之间没有显著差异,即满足平行趋势假设,此外,在2014年碳交易试点政策实施后,政策实施的当年及之后的5年的虚拟变量与处理组虚拟变量的交互项的系数都为负数,说明产生了一个显著的负效应,而且该减排效应随着时间的推移不断地积累。综上所述,均可说明该双重差分模型符合平行趋势假设。

3.3 结果分析

使用双重差分模型对试点城市的整体减排效果进行评估,回归结果如表2。

表2 双重差分模型估计结果Table 2 Estimated results of double difference model

每个模型的区别在于是否加入控制变量,由模型1到模型6可知,核心解释变量CITY×YEAR的系数为负数,表明碳排放交易政策对二氧化碳排放量有显著的负向影响,大约每年减少30%。对模型2来说,主要是在模型1的基础上加上年末常住人口的对数ln(POPU)和人均GDP的对数ln(VGDP)两个控制变量,由模型2的结果可知,加入的两个控制变量的系数均在显著性水平1%上是显著的,但是均为正,说明人均GDP和年末常住人口对二氧化碳排放量有一定程度上的促进作用,其原因是随着人均GDP越来越高,人们生活质量也越来越好了,人口规模更多了,但由于人口增多,人们活动范围增大,在一定程度上造成环境污染,因此会造成碳排放增加,符合预期的假设。模型3是在模型2的基础上,加入控制变量工业污染治理完成投资的对数ln(IPCI),由模型3的结果可以看出,加入控制变量后,在显著水平1%上,ln(IPCI)的系数是显著的,说明政府环境规章制度可以减少碳排放,但影响不是很大。模型4和模型5都是在模型2的基础上,分别加入控制变量区域产业结构INS、能源结构ECS,由结果显示可知,区域产业结构和能源结构在显著性水平1%上是显著的,说明区域产业结构和能源结构对碳排放有降低的作用,而且影响较大。模型6是对前面5个模型的优化,由模型6的结果可知,政府环境规章制度对碳排放的影响是显著的,表明政府可以制定相关规定,从而减少碳排放;同样区域产业结构对碳排放的影响也是显著的,表明优化产业结构可以减少碳排放,让环境更加优美;能源结构对碳排放的影响也是显著的,这表明优化能源环境可以在一定程度上降低碳排放。

4 结论与建议

4.1 结论

基于2006—2019年的碳交易试点城市和非试点城市的面板数据,对碳交易试点政策的实施效果采用双重差分模型进行了检验。结论如下:

(1)碳排放交易政策对碳排放有负向影响,且每年平均减少30%。

(2)在加入不同控制变量的时候,碳交易试点政策对区域碳减排效应的影响都是显著的。

(3)控制人口数量、优化能源消费结构、提升区域产业结构和加强政府环境规章制度可以有效的减少碳排放量,且能源结构和产业结构对碳排放的影响大于政府环境规章制度。

4.2 建议

4.2.1 制度层面

随着人们生活水平日益提高,生活更加向城市倾斜,人们的生产活动范围越来越大,对环境产生的破坏也就越来越多,因此会出现环境污染和二氧化碳排放量增加的各种现象。

首先,在大气污染物方面,汽车尾气、工业废气都是导致大气污染和二氧化碳排放量增加的主要原因,政府可以加大宣传力度,鼓励公民低碳出行;政府要制定与环境保护相关的制度,并采用法律手段保证制度的有效实施;其次,在土壤污染方面,政府应该高度重视化肥减量增效问题,对各个地区化肥减量增效的工作给予政策与资金的支持,并强化农药市场的监督作用;最后,在固体废物和污染物治理方面,政府要实现各个部门信息共享、协调合作,及时排查出新污染物产生的原因。

4.2.2 产业层面

通过促进产业结构升级来减少碳排放。首先,促