“双碳”背景下碳排放交易机制的减污降碳效应

陆 敏，徐 好，陈福兴

（南京审计大学统计与数据科学学院， 江苏 南京 211815）

2020年12月，中央经济工作会议提出“要继续打好污染防治攻坚战，实现减污降碳协同效应”。2021年3月，“十四五”规划提出，深入打好污染防治攻坚战，协同推进减污降碳，制定2030年前碳排放达峰行动方案，锚定努力争取2060年前实现碳中和。同年11月2日，中共中央、国务院出台《中共中央国务院关于深入打好污染防治攻坚战的意见》（简称《意见》），提出以实现减污降碳协同增效为总抓手，对进一步加强生态环境保护作出总体部署和安排。2022年3月，政府工作报告提出了有序推进碳达峰碳中和工作，落实碳达峰行动方案，推动能耗“双控”向碳排放总量和强度“双控”转变，完善减污降碳激励约束政策。习近平指出，“十四五”时期，中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。减污、降碳、强生态已成为建设美丽中国的重要手段。

中国生态环境保护结构性、根源性、趋势性压力总体上尚未根本缓解，重点区域、重点行业污染问题仍然突出，生态环境问题仍然还是高碳能源结构和高耗能、高碳产业结构问题，实现碳达峰、碳中和任务艰巨，生态环境保护任重道远。环境污染物与二氧化碳排放呈现显著的同根、同源性与排放时空一致性，即“碳污同源”，这使得实现减污降碳协同增效具有可行性。严刚在生态环境部新闻发布会上指出，减少高碳能源使用，在降低二氧化碳排放的同时，可以减少常规污染物排放，也进一步推进大气、水土、固体废物污染防治与温室气体协同控制。此外，减污降碳协同治理必须坚持政府和市场协同发力，充分运用环境经济政策和市场化手段推动和提升减污降碳协同增效。与此同时，《意见》着重指出，建设完善中国碳排放权交易市场，尽快形成减污降碳激励约束机制。

在此背景下，分析碳排放交易政策作为市场机制能否发挥降碳对生态环境质量改善的源头牵引作用，能否充分利用现有生态环境制度体系协同促进低碳发展，从而推动减污降碳协同治理水平的提升，具有重要的现实意义。因此，文章以碳排放交易机制为政策背景，探究其能否实现碳排放与环境污染物的协同减排，减污降碳，实现更高水平的生态环境保护。

碳排放交易机制作为实现“双碳”国家自主贡献目标的重要核心政策工具，利用市场交易机制控制和减少碳污排放，并推动绿色低碳发展。同时，碳交易机制基于产出配置失衡假设前提，改善了需求侧的分配不均衡问题［1］。对比传统政府行政管理，碳排放交易机制既能将控排责任压实到企业，又能够为碳减排提供相应的经济激励机制，降低全社会的减排成本，并且带动绿色技术创新和产业投资，有效处理经济增长和环境治理之间的协调发展关系。此外，与国内其他的排污权交易相比，碳排放交易机制的核心优势是将碳排放权市场化即赋予碳排放配额对应的市场价格，在这一价格下积极采取切实可行的措施对节能减排给予成本补偿，以较少的社会成本达到控制碳排量的总体目的，间接降低环境污染物的排放。长期来看，碳排放交易机制持续影响，可以有力地刺激减污降碳的技术开发和技术转让。

有学者提出，碳排放交易机制降低了不同行业的碳排放，试点地区的管制行业较非试点地区的碳排放量减少15.5%，能耗降低22.8%［2］。Zhang等［3］发现碳排放交易机制能够增加13.6%的工业总产值并显著减少24.2%的工业碳排放量。Gao等［4］基于30省份28个行业的投入产出表，同样认为碳排放交易机制有利于试点地区和行业的减排，而且基于生产端的碳减排效果优于基于消费端的碳减排效果。

也有学者认为，碳排放交易机制实现了地区的碳减排，能够显著降低试点省份的碳排放总量和人均碳排放量，减排效应随试点政策逐年增强，但碳排放交易机制碳交易政策对碳排放强度无显著影响［5］。与之相反，周迪等［6］认为碳排放交易机制对试点城市碳排放强度的降低具有显著而持续的推动作用， 政策效果随时间推进越发明显。Wang等［7］通过控制区域差异，发现碳排放交易机制使得名义碳强度降低12%，实际碳强度降低7.6%，但其对碳减排效果并不显著。此外，Chen等［8］认为环境规制政策一般通过优化产业结构的方式降低碳排放量，因此，刘传明等［9］提出由于各试点城市在经济发展、产业结构等方面存在差异，导致各试点省份的减排效果存在异质性，广东、天津、湖北、重庆等试点省份的减排效果较为明显。而李治国等［10］基于碳交易政策的空间减排效应，实证发现碳交易政策有效促进试点地区的碳减排，其中湖北和上海地区的减排效应最为显著。区别以往研究视角，吴茵茵等［11］从市场机制与政府干预协同作用视角探究中国碳交易政策的减排效应，研究发现政府行政干预力度与碳减排效应呈现正相关，而市场机制对碳减排的作用有限。

另外，碳排放交易机制能否在实现碳减排的同时减少污染物排放也引起了学界广泛热议。碳排放交易机制的协同效应主要体现在碳排放与二氧化硫协同减排和区域环境质量改善等方面［12］。进一步，Yan等［13］发现，碳排放交易机制对PM2.5浓度存在显著减排效应，同时试点省份中只有广东省对雾霾浓度有显著的抑制作用，在此基础上，张国兴等［14］将碳排放、二氧化硫、PM2.5同时纳入协同减排效应研究中，并证实碳交易政策不仅降低了碳排放强度，同时能够实现PM2.5与二氧化硫协同减排。黄润秋［15-16］指出环境政策措施不仅可以减少碳排放，也从根源上降低了污染物排放，两者可以协同推进；
郑逸璇等［17］也着重从目标指标、管控区域、控制对象、措施任务、政策工具五个方面强调减污降碳的基本内涵与关键路径识别并提出政策措施建议。在城市层面，碳排放交易机制在人口较多、金融发展水平较高、空气质量较差的城市中对污染物排放具有一定的抑制作用，在减排的同时更有助于增加工业产值［18］。此外，在其他宏观政策方面，田嘉莉等［19］以财政支出政策开展研究，指出财政支出政策能够实现减污降碳的短期直接和间接效应。陈菡等［20］针对碳达峰背景与后疫情时期，从国家和省市层面剖析温室气体与多种环境污染物协同减排提出了应对策略。

综上所述，大多数学者研究大气污染物与碳排放之间的协同，但除了大气污染物之外，还有固体废弃物、废水污染物等，他们能否与碳排放实现协同效应？另外，也鲜见从宏观层面评估政策减污降碳协同效应的文献。因此，文章的边际贡献主要包括：一是，从“双碳”目标和环境污染治理的双重视角，构建减污降碳水平指标，运用双重差分模型研究碳排放交易机制的减污降碳效应。目前关于中国减污降碳的实证文献相对欠缺，文章在梳理国家相关政策文件基础上，将碳减排与环境污染治理纳入同一研究框架，研究碳交易机制能否实现减污降碳协同增效。二是，基于改进熵权法和TOPSIS模型测度环境污染指数。该方法较传统熵值模型有效改进了数据的测量误差，并合理评估一个区域的生态环境质量和环境污染程度。三是，基于灰色关联模型探究碳排放与环境污染物的协同减排潜力，为实现减污降碳目标的最大化提供政策制定参考。

TOPSIS法［21］是根据理想目标相似性的次序选优方法，其原理是利用欧氏距离确定评价对象与最优解、最劣解距离远近，从而实现综合评价排序。熵权-TOPSIS方法［22］是借助熵权法确定评价指标权重，较好地克服以往TOPSIS法在确定指标权重时由于主观因素带来的影响，采用熵值法能够更加客观地对指标赋予权重，较合理地反映指标数据信息的效用值。

在环境污染治理中，大气污染物、固体废弃物和废水等污染物的减少能够带来碳减排及气候变化的协同效应，如高庆先等［23］以大气污染防治行动计划作为研究政策，分析技术进步能够实现二氧化硫、二氧化氮、烟尘和碳排放的协同减排效应。另外，城市固体废弃物与煤作为混合燃料或使用城市垃圾代替煤炭能够同时节约氮氧化物和二氧化硫排放成本［24］，李薇等［25］指出污水处理中化学需氧量（COD）的去除量与碳排放成正比关系。

基于上述分析，参考Yang等［26］做法，文章以改进熵权-TOPSIS模型测度各省份的环境污染指数以表征当地生态环境质量和环境污染程度。环境污染指数计算涉及的指标为2010—2019年中国30个省份“三废”排放量，具体包括：一般工业固体废物产生量（万t）、废气中二氧化硫排放量（万t）和废水排放总量（万t）。环境污染指数为逆指标，其值越大，意味着该省份环境污染程度严重，生态环境质量低。计算步骤如下。

第四，构建加权规范化决策矩阵Z=(zij)m×nzij=Wj×rij。

第五，计算正、负理想解对已归一化指标值进行加权化处理，构建同趋势化加权规范化矩阵Z，令Z+表示正理想解，Z-表示负理想解。

第六，计算各评价方案到正和负理想解的欧式距离，S+和S-分别表示为各评价方案到正和负理想解的距离值。

基于环境压力模型（IPAT），从试点省份和政策实施时间两个方面构造实验组和对照组来检验碳排放交易机制的实施对减污降碳的政策影响。借鉴胡玉凤等［27］的研究方法，通过引入时间虚拟变量（Time）和省份虚拟变量（Treated），构建双重差分模型如下：

其中：被解释变量Yit表示减污降碳水平。减污降碳水平用碳排放量与环境污染指数的交乘项表征，碳排放量与环境污染指数均为逆指标，构建交乘项可以反映二者整体的减排程度并表现同源特征，交乘项切合“碳污同源”说，也符合减污降碳治理的整体性和系统性。

Treatedi为省份虚拟变量，若该省份是碳排放交易试点省份则赋值为1，非试点省份赋值为0。Timet为时间虚拟变量，考虑到7个碳交易市场成立时间为2013年末和2014年初，将2014年作为碳排放交易机制实施时间，2014年之后赋值为1，反之赋值为0。核心解释变量为政策净效应（Treated×Time），即相关省份在2014年之后是否成为碳排放交易机制试点省份。Treated×Time取值为1表示该省份实施碳交易试点政策，反之则未实施该政策。

Controlit代表自变量与控制变量，自变量为环境压力模型中人口因素、财富因素、技术因素，γt为时间固定效应，λi省份固定效应，εit为随机误差项。环境压力模型包括人口因素（常住人口）、财富因素（人均GDP）和技术因素（专利授权数量），控制变量为产业结构高级化、能源消耗结构、能源强度、环保支出。控制变量中，产业结构高级化采用第三产业增加值与工业增加值之比来测度，该比值越大，产业结构高级化程度越高。能源消耗结构采用各省份煤炭消费量占能源消费总量的比重来表示，能源强度采用能源消耗总量与GDP的比值衡量。此外，文章最为关注的是交互项系数（β1）及其显著性（表2）。

表2 变量解释说明

文章使用2010—2019年中国30个省份面板数据作为研究样本（由于数据可得性问题，未涉及西藏和港澳台地区）。相关数据来自2010—2019年的《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》和各省份统计年鉴，由于部分数据缺失，采用线性插值法对缺失部分进行填充。碳排放量数据来自CEADs碳核算数据库。环境污染指数见表1。

表1 中国30个省份环境污染指数（2010—2019年）

表3和表4对实验组和对照组中相关变量分别进行描述性统计分析。为了保证研究样本的统一，文章将深圳碳交易市场纳入广东省，北京、天津、上海、广东、湖北和重庆6个省份作为实验组，其余24个省份作为对照组。

从表3和表4可以看出，在政策实施前后，试点省份的碳排放量下降0.07，环境污染指数下降0.02，减污降碳水平提升0.08。在非试点省份中，碳排放量较政策实施前增长0.1，环境污染指数上升0.02，减污降碳水平下降0.21。表4中的差值（非试点省份-试点省份）为政策实施后非试点省份相关变量的均值与试点省份相关变量均值的差值，其中，碳排放量差值为0.61，环境污染指数差值为0.15，减污降碳水平差值为1.0。上述描述统计结果初步表明，与非试点省份相比，碳排放交易机制的实施，降低了试点省份的碳排放量和环境污染指数，并提升了减污降碳协同治理水平。

表3 试点省份相关变量描述性统计

表4 非试点省份相关变量描述性统计

图1显示了试点省份与非试点省份的平均变化趋势。如图1所示，从2014年开始，试点省份的碳排放量与环境污染指数整体呈现缓慢下降趋势，而非试点省份则呈现逐年缓慢攀升态势，试点省份减污降碳水平较非试点省份不断提升。碳排放交易试点省份与非试点省份在政策实施之前，减污降碳平均水平基本一致，因此，碳排放交易机制的实施能够实现试点地区减污降碳的协同目标。

图1 试点省份与非试点省份减污降碳水平变化情况

4.1 基准回归

为了进一步说明平行趋势假设的成立，文章构建了一个时间趋势变量（Trendt），以比较试点省份和非试点省份之间的平行时间趋势，并分别在2010年、2011年、2012年…2019年，将趋势值规定为1、2、3…10。如果试点地区和非试点地区在2010—2014年期间具有相似的变化趋势，则Trend×Treated的系数在统计不显著，满足平行趋势假设。在表5平行趋势假设检验中，无论是否加入年份与省份固定效应，treated×trend的系数值分别为-0.084和-0.036均不显著，即在2010—2014年期间，试点地区和非试点地区的减污降碳水平不存在系统性差异。因此文章满足平行趋势假设检验。

表5 平行趋势假设检验

在满足平行趋势假设的基础上，碳排放交易机制的实施能否同时实现碳排放量与环境污染物的进一步降低，提升减污降碳协同治理水平，文章构造碳排放量与环境污染指数的交乘项表征被解释变量减污降碳水平，研究碳排放交易机制对减污降碳水平的影响。若被解释变量的系数值为正或未通过显著性检验，则意味碳排放交易机制未能实现减污降碳效应。从表6回归结果可以看出，在逐步加入控制变量后，Treated×Time的系数均显著为负，说明碳排放交易机制存在减污降碳效应。第三列中Treated×Time的系数为-0.16，说明碳排放交易机制对试点省份的碳排放量和环境污染有显著抑制效果，与非试点省份相比，试点省份的减污降碳水平提高了16%。就控制变量而言，从表6列（3）可以看出，常住人口、人均GDP对减污降碳水平具有显著的正向影响，环保支出、产业结构高级化和专利授权数量对减污降碳水平的系数为负，说明，环保支出的增加可以降低减污降碳水平，而随着第三产业占比的不断提高，产业结构逐步高端化，研发投入持续增加，能够减缓碳排放量增加，改善环境污染状况。

表6 碳排放交易对减污降碳水平的影响结果

4.2 稳健性检验

4.2.1 脱钩效应检验

随着经济发展水平的不断提高，各级政府对碳减排和环境污染治理的监管力度不断加大，在郑石明等［28］研究基础上，在模型中引入人均GDP的平方项，进一步检验经济增长与减污降碳之间是否存在脱钩现象。

表7中列（1）与列（2）的结果显示，人均GDP系数均显著为正而人均GDP的平方项系数显著为负，且treated×time的系数前后均显著为负，这表明当前中国碳交易试点省份经济增长与减污降碳水平已具有脱钩趋势，并呈现倒“U”型关系。

表7 碳排放交易对减污降碳与经济发展的脱钩效应

4.2.2 试点省份个体政策效应

为克服传统双重差分模型中样本选择偏误与未观测因素造成的内生性问题，文章采用Abadie等［33］提出的合成控制方法。该方法通过赋予对照组个体相应的权重向量进行加权平均，构造每个试点政策干预个体的“反事实”参照组，通过实验组个体与“反事实”参照组个体进行对比，反映试点政策的实施效果。具体模型构建如下：

其中：eit表示碳交易试点政策对第i个省份政策冲击期间所带来减污降碳水平的变化。给定J+1个省份在t∈[1，T]时期的样本数据，YNit定义为第i∈[1，J+1]个省份在t时间没有受到碳交易试点政策冲击的减污降碳水平；
Ylit定义为第i∈[1，J+1]个省份在t时间受到碳交易试点政策冲击的减污降碳水平。若第i个省份在t=T0获批成为碳交易试点省份，则[1，T0]期间i省份的减污降碳水平没有受到政策影响，此时Ylit=YNit；
当该省份获批成为碳交易试点，在受到政策冲击期间[T0+1，T]，eit＞0，i省份的减污降碳水平受到政策影响。

上述分析中，对于碳交易试点省份的Ylit值通过观察可以得到，而YiNt值无法通过观察得到，需要利用“反事实”进行合成，借鉴Abadie等［34］研究中提出因子模型：

其中：δt为时间趋势项，Zi表示不受政策影响的控制变量；
θt是控制变量Zi的未知参数向量，λt是无法观测到的公共因子向量，μi表示不可观测的省份固定效应，εit是不能观测的短期冲击（假设在地区层面上满足均值为0）。

假定(i=1)的省份为碳交易试点省份，其余J个省份(i∈[2，J+1])均未实施碳交易政策。考虑J维向量权重W=(w2，…wJ+1)使 得W中的wj值表示控制组个体对实验组个体的合成控制贡献率。通过向量权重W对参照对象的变量值加权平均可得：

一般情况下，当政策试点前的时间区间大于政策试点后的时间区间，则有的均值趋近于0。最终，在t∈[T0+1，T]期间可以近似为YN1t的无偏估计量，由此准确估计

考虑合成对象的拟合效果及模拟结果的稳健性，参考以往研究［29-30］的方法并选择部分影响因素作为模型的预测变量，主要包括人均GDP、人均专业授权数量、产业结构高级化、能源强度、人均环保支出，模型拟合结果如图2所示。

图2分别为北京、天津、上海、广东、重庆、湖北的真实与合成的减污降碳水平趋势图，其中垂直虚线代表碳交易政策的起始年份（2014年）。考虑到减污降碳水平综合指标是由多个指标加权构成，其构成指标选取上可能存在一定的主观性且样本时间跨度较短，因此，减污降碳水平呈现不同幅度的波动性。通过观察图2（a）—（f）并计算各试点省份的RMSPE值可知（表8），试点省份在政策实施前的真实值与合成值呈现大致相同的趋势。计算结果说明，在政策实施前试点省份与其他合成控制对象之间的拟合程度较好。在政策实施之后，北京、天津、上海、重庆的减污降碳水平大幅度下降，较好地发挥试点效应且效果显著，即碳交易机制政策有效抑制上述区域碳排放量与环境污染物的排放。与之相反，虽然广东的碳污排放水平在试点年份之后也有所改善，但效果不明显；
其次，湖北在试点年份之后不仅没有改善减污降碳水平，反而在政策实施后进一步增加了碳排放量和环境污染物。总体来看，北京、上海、天津、重庆表现较优即碳污排放呈显著下降趋势，广东表现次之，而湖北表现较差。

表8 均方预测误差平方根计算结果

图2 碳交易机制对试点省份的政策影响效果

4.3 影响机制分析

在减污降碳和协同减排对策措施研究中［35］，增加节能技术创新研发投入能够有效降低钢铁行业的碳排放和污染物排放［36］；
同时对地区减污降碳治理发挥显著的中介效应［14］，能源消耗是大气污染物和二氧化碳排放共同的根和源［37］，产业结构调整在减排过程中的作用远大于经济增长的作用［38］。文章通过梳理相关文献［29］，总结碳排放交易机制主要通过技术创新、产业结构升级、能源消耗结构调整三条路径影响减污降碳治理。

4.3.1 技术创新

根据“波特假说”适当的环境规制能否促进企业进行技术创新［39-40］。碳排放交易机制可以通过“信号-预期”机制诱发试点企业进行低碳技术创新活动。由于碳交易机制从政策出台到碳排放交易试点成立存在近两年的时间间隔，一方面，一部分企业对政策的预期会较其他企业提前进行技术创新活动［41］以便维持自身的竞争优势；
另一方面，碳排放交易机制将排放权市场化，通过市场手段更为有效地鼓励、倒逼污染行业企业进行创新活动［42］。进一步，通过技术创新活动带动清洁生产技术的提升从而有效降低污染排放强度。

4.3.2 产业结构升级

碳排放交易机制有效地利用市场交易改善试点省份的产业结构促进产业结构升级［43-44］。在“遵循成本”理论下，原先“高耗能、高排放、高污染”的落后产业由于自身技术创新成本过高而通过技术创新所带来的补偿收益也远远低于研发成本，进而逐步被淘汰。而高新技术产业由于自身“高附加值、低污染”的独特优势在满足企业追逐最大化利润的同时逐步带动了产业结构从低端迈入高端，实现产业结构升级转型［43］。加快淘汰落后产能任务的同时，实现减污降碳治理目标。

4.3.3 能源消耗结构

碳排放交易机制的实施，将碳排放量转化为企业的内部成本，倘若超出原先获得排放额度就会增加因购买额外碳排放额缺口带来的损失。反之在碳交易市场出售剩余额度获得额外收益。为了节约生产成本，企业更愿意调整其生产模式，优先使用清洁能源或零碳能源降低碳排放量［45］。与此同时，间接带动中国环保产业的发展和清洁生产技术水平不断提高。从而改变中国原先以高污染、高排放为特征的能源消耗方式［2］，实现能源消耗以低排放为特征的清洁能源消费转变，进而有效降低碳污排放。

因此，为进一步分析碳交易政策影响区域减污降碳的机制及路径，从技术创新活动、能源结构调整和产业结构升级角度，探究碳交易政策实现减污降碳目标的机制和路径。以产业结构高级化指标表示产业结构升级，能源消耗结构指标反映能源结构调整，技术创新活动以专利授权数量指标表示，结果见表9。

表9显示，产业结构升级与减污降碳水平的系数为负但不显著，反映当前产业结构升级对减污降碳未能形成有效的政策效应，未来产业结构优化升级仍需不断推进。能源消耗结构对减污降碳水平的系数显著为正，说明以煤炭为主体的能源消耗结构显著正向影响碳排放和环境污染，推广清洁生产技术和零碳燃料的使用依然是提高减污降碳协同治理水平的重要路径。此外，技术创新与减污降碳水平的系数显著为负，意味着技术创新活动可以显著提高减污降碳水平，因此，加大研发投入并激励减污降碳的技术研发，可以减少碳排放量，降低环境污染。

表9 作用机制回归结果

4.4 异质性检验

为研究不同区域经济发展水平差异，对碳交易机制减污降碳效应的影响，接下来对东部、中部和西部地区面板数据分别进行回归，结果见表10。

从表10回归结果看，减污降碳水平呈现区域差异化。东部地区和西部地区的treated×time系数值均保持显著为负，而中部地区的系数值为负但不显著。总体而言，中国的减污降碳水平，东部和西部地区表现最优，而中部地区表现不佳，存在地区不平衡，因此，减污降碳需要结合东中西部地区差异，因地制宜精准施策。

表10 区域异质性回归结果

考虑到减污降碳治理的系统性和整体性，碳排放与环境污染物相互作用、相互影响，参考王涵等［37］的耦合协调度模型，文章通过灰色关联模型对碳排放和环境污染物进行探究，旨在对当前阶段中国减污降碳潜力进行客观合理地评价，为减污降碳协同治理水平的提升提供参考。

灰色关联分析（GRA）［21，46］是定量描述和比较某一系统发展变化态势的方法，其基本思想是根据各评价序列构成的曲线族与参考序列构成的曲线间的几何相似程度来确定序列之间的关联度。该方法不仅能够分析各因素对于结果的影响程度，还可以解决随时间变化的综合评价类问题。因此，文章将碳排放量作为灰色关联分析中的母序列并记为Y=y(k)∣k=1，2，…，n，一般工业固体废物产生量、废气中二氧化硫排放量、废气中氮氧化物排放量、废水排放量中的化学需氧量（COD）和氨氮排放量作为子序列，记为Xi=xi(k)∣k=1，2，…，n，i=1，2，…，m。分别求出碳排放量与环境污染物的相关程度，并根据相关性大小，探究中国各省减污降碳的潜力分析。具体计算步骤如下。

（1）无量纲化，文章数据采用均值法进行处理。

（2）关联系数ξi(k)的计算。

其中：xi为第i列数据；
k为第i列中第k值；
ρ为分辨系数，取值为0≤ρ≤1，一般取0.5。

（3）关联度ri的计算，ri值越接近1，说明相关性越强。

（4）根据关联度ri判断碳排放与各环境污染物的协同减排潜力，若碳排放与各环境污染物的关联度值越大，则意味着碳排放与该环境污染物协同减排潜力越大。计算结果见表11。

表11 中国各省份碳排放与环境污染物关联度值数据

从全国来看，碳排放与环境污染物关联度值呈现差异化。碳排放与一般工业固体废物产生量、废气中二氧化硫排放量和氮氧化物排放量的关联度值ri较大，均高于0.5。碳排放与一般工业固体废物产生量关联度值为0.807；
与废气中二氧化硫排放量关联度值为0.512；
与氮氧化物排放量的关联度值为0.681，这说明碳排放与三类环境污染物的关联度较高、相关性较强，协同减排潜力越大。而碳排放与废水排放量中化学需氧量（COD）和氨氮排放量的关联度值ri较小，均低于0.5。与其他三类环境污染物相比，碳排放与化学需氧量（COD）和氨氮排放量的紧密程度较低、关联度较小，协同减排潜力较低。

从省份来看，在碳交易试点地区中，上海、广东两省份碳排放与环境污染物的关联度值均全部大于0.5，反映了在碳交易政策背景下，当前上海、广东形成较高水平的减污降碳协同增效的趋势。其次，在非试点省份中，只有广西、贵州、新疆三省份的碳排放与环境污染物的关联度值高于0.5。侧面说明，与非试点省份相比，广西、贵州、新疆三省份出现较高水平的减污降碳协同水平。总体来看，中国各省份的减污降碳水平呈现差异化，只有部分省份表现出较高的减污降碳协同水平和减排潜力。

因此，未来中国需要加强顶层设计，重点从政策创新、技术创新和能力建设提升等方面发力，实现减污降碳协同治理水平的进一步提升并切实推动环境质量改善。

文章基于2010—2019年中国30个省份面板数据，通过改进熵权-TOPSIS模型测度环境污染指数，以碳排放交易机制作为“准自然实验”，利用双重差分模型、合成控制方法和灰色关联分析展开实证研究，有以下几点研究发现。

第一，从中国层面来看，碳排放交易政策可以实现试点省份减污降碳、协同增效。通过脱钩效应检验分析得到当前碳交易试点省份经济增长与减污降碳水平已呈现脱钩现象。从试点省份来看，上海、天津、重庆表现较优即碳污排放呈显著下降趋势，广东表现次之，而湖北表现较差。

第二，碳排放交易机制通过能源消耗结构调整和技术创新显著促进了中国减污降碳治理水平的改善，而产业结构升级对减污降碳水平的影响不显著。

第三，中国减污降碳水平的协同减排潜力呈现区域差异，东部和西部地区的减污降碳协同水平表现最优，而中部地区表现不佳。通过灰色关联分析发现仅有上海、广东、广西、贵州、新疆五省份的关联度值大于其他省份并呈现较高的协同减排潜力。

基于上述结论，文章提出以下对策建议。

第一，加快推进并完善中国碳排放交易市场建设。从试点省份的减污降碳效果来看，市场激励型的碳排放交易政策对碳排放和环境污染物具有协同减排作用，实现减污降碳协同增效。未来可以将这些经验推广到其他行业和领域，探索和建设用能权、排污权等资源环境权益市场，进而实现减污降碳协同治理水平与环境治理目标的最大化。

第二，加大技术创新投入和能源消费结构的转型升级。文章机制作用检验表明，碳排放交易政策对减污降碳的协同效应影响是由能源消耗结构的调整和技术创新活动驱动的。因此，需要大力推广绿色节能减排技术、清洁高效工艺，并加快传统能源向新兴、零碳能源在产业发展中的更替。此外，中国还需要加快推进产业结构转型升级、改造传统高耗能行业，持续推动绿色产业项目高效运转，不断提升区域绿色发展水平。

第三，减污降碳协同治理需要因地制宜。实证结果和灰色关联分析表明中国减污降碳协同治理水平存在地区不平衡性，环境污染治理需要结合区域经济水平和发展差异，因地制宜地探寻适宜本地经济发展的政策措施，从而实现地区环境治理目标的同时提高减污降碳协同增效。

猜你喜欢 双碳环境污染排放量 饲粮蛋白质水平对妊娠期云南半细毛羊氮平衡和养分排放的影响动物营养学报(2022年3期)2022-03-30“双碳”背景下福建省开发利用气候资源的对策研究海峡科学(2022年12期)2022-02-27天然气输配系统甲烷排放量化方法煤气与热力(2021年6期)2021-07-28“双碳”目标下企业如何应对碳市场带来的挑战与机遇可持续发展经济导刊(2021年5期)2021-06-22专访奚国华：中信力争成为国企助力“双碳”目标的旗帜财经(2021年10期)2021-06-18“双碳”下县城发展新思维决策(2021年5期)2021-06-10加强农业环境污染防治的策略湖北农机化(2020年4期)2020-07-2450%，全球最富有的10%人口碳排放量占全球一半中国国情国力(2016年1期)2016-11-26推行环境污染第三方治理应坚持三个原则中国资源综合利用(2016年12期)2016-02-08黄明表示:对环境污染犯罪,绝不能以罚代刑表面工程与再制造(2014年2期)2014-02-27