碳排放权交易试点政策的碳减排效应——基于绿色技术创新和能源结构转型的中介效应
时间：2023-06-29 17:20:04 来源：雅意学习网 本文已影响 人 
成琼文，杨玉婷
（中南大学商学院，湖南长沙 410083）
近年来，全球气候变暖这一问题对地球的生态环境造成了严重的破坏，这主要归因于CO2的排放。作为全球的能耗大国，中国主动承担环境保护的国际责任，通过出台一系列的环境保护政策，在一定程度上起到了改善环境的作用。《2020 年中国生态环境状况公报》显示，相比2019 年，2020 年中国空气质量达标城市占比提高13.3%，CO2排放强度下降1.0%［1］，可见环境质量在这个阶段得到了较为明显的改善。2020 年9 月22 日，习近平总书记作出了中国力争2030 年前实现碳达峰，2060 年前实现碳中和的“双碳”国际承诺。这既是中国作出的国际承诺，也是中国对走低碳、绿色、环保、高质量、可持续道路的一种坚持和自我施压。2011 年印发的《关于开展碳排放权交易试点工作的通知》也是中国为了推进碳减排进程而实行的市场型环境规制政策之一，将北京、上海、天津、重庆、湖北、广东和深圳作为第一批试点地区，批准其开展碳排放权交易。碳排放权交易试点省市于2013 年陆续开始启动碳市场。
作为市场激励性环境规制工具，试点地区将碳排放权交易试点政策视作一种以低成本实现环境规制效果的政策工具，重点在于规制高碳排放企业降低其碳排放，理论上不仅能通过交易机制和配额分配机制刺激区域绿色技术创新，也能够利用成本-效益原则推动区域能源结构朝着清洁能源的方向转变。那么，作为低碳绿色发展和实现“双碳”目标道路上的重要决策，碳排放权交易试点政策是否显著促进了试点地区的碳减排？碳减排效应是否以牺牲地区经济发展为代价？各试点地区的经济发展水平、产业结构、控排主体等多方面存在异质性，其碳减排效应是否也存在差异性？碳排放权交易试点政策的减排机制又是如何？随着全国碳排放权交易市场在发电行业开启交易，围绕上述问题，如何基于试点地区的现实情况及其实践经验对现行的政策规定进行改进是当前学术界和政府相关部门的重点关注。为此，本研究利用2005—2019 年中国30 个省区市面板数据，通过多期双重差分模型检验碳排放权交易试点政策的实施是否对试点地区存在碳减排效应，并进一步分析其碳减排路径和减排效应的地区异质性。
2.1 碳排放权交易试点政策的减排效应
碳排放权交易市场作为一种市场化的交易减排机制，目前已经是全球范围内能源和气候经济学等相关学科的关注热点。从本质上来说，碳排放权交易市场从科斯的产权理论中演化而来，20 世纪60 年代末，Dales［2］则在这一基础上进一步地提出了“排污权交易”概念，指出地球地总体环境资源有限，可以通过商品化排污权并为其建立相应的交易市场，从而实现排污权交易规范化和合理化，通过市场机制和非市场机制来达到更低成本的环境治理目的。Zhang 等［3］和Liu 等［4］站在市场理论的视角，构建理论模型对碳排放权交易市场进行运作前的情景模拟分析，结果表明中国碳市场在将来能够以较为客观的低成本实现环境治理并达到碳减排的目的。自2013 年开始，随着中国碳排放权交易试点政策的推进，北京、上海等碳排放交易权试点地区的交易市场陆续上市，国内外学者更多地将其视作一个准自然实验，并通过对其进行理论层面以及实证层面的分析来检验这一政策的碳减排效应。
Zhang 等［5］从碳排放、Zhou 等［6］从碳强度以及Chen 等［7］从技术进步方面分别检验并证实了碳排放权交易市场的政策效果。其中，Zhang 等［5］对深圳的工业企业碳排放权交易试点政策实施前后的碳排放量进行实证研究，指出以2010 年作为比较基期，2015 工业企业的总碳排放量下降了11%，碳排放权交易市场机制推动试点地区减排的初步成效已经显现；
Hu 等［8］通过对中国碳市场2005—2015年的相关数据进行比较分析发现，试点地区主要控排行业的能源消费量下降了22.8%，碳排放总量下降了15.5%。但是，有关试点地区的碳减排效应是通过降低单位生产总值的碳排放量还是抑制地区经济发展来实现的争论尚未得到解决。例如，Zhou 等经过实证分析发现，在碳排放权交易政策实施后，试点地区的碳排放量和碳排放强度都显著降低；
但Zhang 等经过研究发现，试点地区碳排放量下降主要是通过抑制地区经济发展而非降低碳排放强度来实现的。鉴于此，提出以下研究假设：
假设1：碳排放权交易试点政策的实施能够推动试点地区的碳减排进程。
假设2a：试点地区碳排放权交易市场通过降低碳强度来降低碳排放量；
假设2b：试点地区碳排放权交易市场通过降低经济产出来降低碳排放量。
2.2 绿色技术创新与碳排放权交易试点政策减排效应
绿色技术创新是指在节能环保、清洁生产、低碳循环等领域能够提高效率、改善环境质量，从而达到促进经济绿色低碳可持续发展目的的技术创新［9］。由于绿色技术创新具有双重外部性，一种是因为技术外溢导致无法独享创新收益的正向外部性，另一种是进行绿色技术创新的社会效益大于个人效益的污染治理本身存在的负外部性，因此企业在涉及绿色技术创新的产品或者技术开发时意愿较低，缺乏有效激励导致企业研发动力不足［10］。而碳排放权交易试点政策通过限制企业的碳排放额提升企业进行碳排放方面的研发意愿，从而提升碳市场试点地区的绿色技术创新水平［11］。作为一种市场型环境规制政策工具，碳排放权交易试点政策能够有效激励地方企业进行绿色技术创新活动，不仅能够在企业层面促进实现减排成本的降低，也能在地区层面促进经济绿色发展，加强增大区域减排效应。基于宏观层面的视角，碳排放交易权试点政策主要是通过宏观政策“信号-预期”机制来发挥减排作用，如王为东等［12］通过运用合成控制法进行反事实实证分析发现，碳排放权交易政策的实施能够提升试点地区的绿色低碳技术创新水平，这也验证了“信号-预期”机制在碳排放权交易试点政策促进地区碳减排中发挥了重要作用；
基于微观层面的视角，如宋德勇等［13］、黎文靖等［14］、李广明等［15］研究指出，存在碳市场本身的配额分配以及价格信号两种机制，可以通过刺激企业绿色技术创新来进一步达到地区碳减排目的。因此，提出以下假设：
假设3：碳排放权交易试点政策通过推动试点地区的绿色技术创新实现碳减排。
2.3 能源结构转型与碳排放权交易试点政策减排效应
在碳达峰碳中和的愿景下，我国以煤炭消费主导的能源结构转型任重道远。碳排放权交易试点政策的实施，将企业对环境的污染成本化，从而提高了企业碳排放成本。碳排放配额和定价机制不仅激励企业进行绿色技术创新减排，也能引导企业提高相应的能源技术和配置的运行效率，进而达到节约能源和调整能源结构的目的［15］。此外，碳排放权交易制度能够促使各消费主体逐渐转换其能源消费结构，从而实现地区碳减排。但另一方面，能源结构转型的同时也可能会以牺牲部分的经济增长为代价［16］，如清洁能源的使用能够在一定程度上减少地区CO2的排放和SO2的排放，但煤炭消费的减少也会对地区生产总值产生影响。因此，提出以下假设：
假设4a：碳排放权交易试点政策借助推动能源结构转型实现降低碳强度的碳减排；
假设4b：碳排放权交易试点政策借助推动能源结构转型实现降低经济产出路径的碳减排。
3.1 模型构建
选取2005—2019 年的相关面板数据，以2013年开始正式实行的碳排放权交易试点政策作为一项准自然实验，研究其减排效应。由于我国试点地区碳市场上市时间并不统一，因此选择运用多期双重差分模型来实证分析政策实施前后实验组与对照组的碳排放总量和碳排放强度差异，将北京、广东、湖北、天津、上海和重庆这6 个碳排放权交易试点省市作为处理组1），国内其余省区市则作为控制组纳入模型进行分析。构造多期双重差分模型（亦为基准模型）如下：
式（1）中：下标i表示地区；
下标t表示年份；
Yit代表地区碳排放量或碳排放强度；
DIDit是核心解释变量多期双重差分变量，DIDit=treati×postit，其中treati表示是否是处理组，postit表示试点地区碳排放权交易试点政策的正式实施时间；
controlit代表会随地区和时间变动并且会影响碳排放量或碳排放强度的控制变量；
ui表示地区固定效应；
γt表示时间固定效应；
ηrt代表年份与区域2）的交乘项，控制了随区域或时间变化的因素；
εit则表示误差项。
此外，是否处理组的取值规则为：当i表示6个试点省市时，treati=1；
当i代表其他非试点地区时，treati=0。6 个试点地区碳市场开始启动交易的时间分别为北京、上海、广东和天津2013 年，湖北和重庆2014 年，所以试点政策正式实施时间的取值规则为：当i表示北京、天津、上海、广东这4 个省市且或者i表示湖北或重庆且时，postit=1；
除此之外，postit=0。如果碳试点政策的实行显著地降低了试点地区的碳排放总量或者碳排放强度，则多期双重差分模型中β1显著为负。
参考黎文靖等［14］、王桂军等［17］的研究，将中介变量绿色技术创新和能源结构嵌入基准模型中进行实证检验，构建如下中介效应检验模型：
式（2）同基准模型。式（3）式中，被解释变量MVit分别代表中介变量绿色发明专利申请量（EnvInvPat）、绿色实用新型专利申请量（EnvUtyPat）和能源结构（ES）。
根据逐步回归原理，如果式（2）的回归系数β1显著，则开始中介变量的回归检验；
其次检验式（3）的回归系数φ1和式（4）的回归系数ρ，如果两者均显著，则存在中介效应；
最后，若式（4）中的回归系数δ1也显著，则称其为部分中介效应，否则称为完全中介效应。
3.2 特征事实
通过对比发现，处理组相比控制组具有低碳排放量和低碳排放强度的特点，且通过共同趋势图1可以看出，两者在2011 年前存在平行趋势。
图1 处理组和控制组地区碳排放量和碳排放强度的年度均值趋势对比
3.3 变量选取和数据说明
（1）被解释变量和核心解释变量。被解释变量为地区碳排放量（ce）和碳排放强度（cegdp），模型中对其取对数形式（即ln ce 和ln cegdp）。核心解释变量为多期双重差分变量（DID），表示该地区是否已经实行碳排放权交易试点政策。
（2）控制变量。由于地区碳排放量和碳排放强度与地区经济发展密切相关，所以为了使得试点地区与非试点地区的碳排放量和碳排放强度不受其他因素干扰、具有可比性，需要在模型中加入涉及到地区经济发展水平的相关指标。选取的控制变量为：1）人均地区生产总值（ln pcgdp），用地区的人均实际生产总值并取对数表示，具体数值按照2005 年的不变价进行换算获得；
2）产业结构，借鉴Shao等［18］的做法，用地区第二产业占比（stind）和第三产业占比（stser）两个指标来表示；
3）外商投资占比（stwz），借鉴张宇等［19］的做法，用地区的当年外商投资金额和当年生产总值的比值表示；
4）财政依赖度（stpub），用地区的当年一般公共预算收入和地区生产总值的比重表示；
5）环境规制（ster），处理组和控制组本身存在的环境规制的地区差异也会给地区的减排效应造成影响，用地区的工业废水、废气污染治理费用与工业总产值的比重表示。
（3）中介变量。
1）绿色技术创新。专利产出是衡量技术创新最直观的数据体现，参考齐绍洲等［10］的研究，通过匹配中国国家知识产权专利数据库和WIPO 的国际专利分类绿色清单，识别出地区绿色发明专利申请量（envinv）和绿色实用新型专利申请量（envuty），以此度量处理组和控制组的绿色技术创新水平，并对其进行对数处理。
2）能源结构（ES）。参考马丽梅等人［20］的做法，运用高一次性能源消耗的8 个工业行业的生产总值之和与地区当年生产总值的比值衡量，指标值越低则表示地区的能源结构清洁化程度越高。计算公式如下：
式（5）中：j表示高煤炭消耗行业；
m表示行业个数；
GDPit表示第i个地区t年份的生产总值；
HCI 表示行业产值，依据现有数据和《中国统计年鉴2020》，选取了8 个主要的高煤炭消耗的工业行业作为样本代表（见表1）。煤炭的消耗是CO2排放的重要源头，因此通过测度高煤炭消耗工业行业的产出占地区生产总值的比重来衡量能源结构，并以此来反映地区经济发展的产业能耗结构。
表1 2019 年中国8 个高煤炭消耗工业行业
（4）数据说明。选取中国30 个省区市（未含西藏和港澳台地区）2005—2019 年的面板数据作为研究样本来检验相关假设。碳排放量数据来自中国碳排放核算数据库；
碳排放强度通过碳排放量数据的进一步计算获得；
专利数据来源于中国国家知识产权局；
其他数据来源于历年的《中国工业经济统计年鉴》《中国统计年鉴》《中国能源统计年鉴》和各省区市统计年鉴。利用STATA 作为研究分析工具。
4.1 变量描述性统计
本研究模型和相关检验中运用到的变量含义及其描述性统计结果如表2 所示。
表2 变量含义及描述性统计结果
4.2 基准回归结果
如表3 所示，未加入控制变量前，30 个省份碳排放总量和碳排放强度的DID 系数均在1%的显著性水平下为负，加入控制变量后，结果基本上不变，表明研究的回归结果具有一定的稳健性，即碳排放权交易试点政策的实施同时降低了试点地区的碳排放量和碳排放强度，假设1 和假设2a成立。
表3 基准回归结果
4.3 平行趋势检验及政策动态效应分析
参考张国建等［21］的研究思路来进行多期双重差分模型的平行趋势假设以及政策动态效应分析。为了展示碳排放权交易试点政策实施前后试点地区的碳排放量和碳排放强度的变化情况，将碳排放权交易试点政策正式实施前8 年这一时间节点定为比较基期，引入碳排放权交易试点政策启动前7 年、政策当期和政策启动后6 年的时间趋势变量，构建对应模型如下：
同时可以看出，处理组中的试点地区正式启动其碳市场的时间集中在2013 年和2014 年，所以政策施行当期的前一两年就是2011—2012 年。出现预期政策效应可能是由于国家发改委早在2011 年10月已经批准了7 个省市的碳排放权交易市场试点工作，试点地区从那时就开始加快其经济朝低碳方向转型以应对不远将来更强的碳排放约束和更高的碳排放成本问题。Liu 等［22］通过研究中国碳排放交易权试点市场的企业动态指出，试点地区的高排放企业在2011 年碳市场试点政策刚宣布时就感知到未来市场变化方向，并相应地改变或升级其生产技术和生产方式，以更好地适应未来的碳排放约束并提前实现企业碳减排。
通过平行趋势检验和政策动态效应图，可以更加直观地观察试点地区的碳市场政策动态效果。从图2 中可以直观地看出，碳排放量和碳排放强度的系数估计结果和变化趋势基本一致。在碳排放权交易试点政策实施前7 年至前2 年，二者相关系数都不显著，满足平行趋势假设；
碳市场正式启动前1年二者对应系数显著，出现预期政策效应；
政策实施当期和实施之后，二者对应系数绝对值都在逐年增加。这与表4 的估计结果一致，进一步验证了假设1 和假说2a。
表4 平行趋势检验及动态效应检验结果
表4 （续）
图2 平行趋势检验和政策动态效应
4.4 稳健性检验
4.4.1 安慰剂检验
为了确保本研究关于碳减排效应与碳排放权交易试点政策的因果关系存在，排除变量的选择性偏差，从而得到可信度更高的因果效应分析，运用反事实逻辑随机生成处理组（试点地区）来进行安慰剂检验。对于安慰剂检验的具体运用方法，学者Bertrand 等［23］提出，在运用时间跨度较大的面板数据进行双重差分检验时，可能会存在因为变量间存在序列相关问题而导致标准误差出现偏差的问题，从而进一步导致在检验回归时发生检验过度、拒绝原假设的现象。针对这个问题，吴茵茵等［24］、陆菁等［25］选择运用非参置换检验法来对其基准回归结果进行安慰剂检验，借鉴其做法，具体采用的非参置换检验操作方法如下：对样本数据中的30 个省区市和时间点进行不重复的实验省市和政策时点的随机抽样，每次抽样选取6 个省份作为虚拟试点地区，因为在多期双重模型中要求在政策实施前后都至少有1 年时间，所以在安慰剂检验阶段数据处理中，仅针对2006—2018 年中的时间段选取随机的模拟政策时间点；
剩余的24 个省份则作为虚拟非试点地区。重复500 次上述随机抽样过程并进行回归，进而获得500 个虚拟实验组、其对应的虚拟政策实施时点及两者交互项虚拟DID 的回归系数。如果在随机抽样进行回归的过程中，虚拟DID 的估计系数并不显著，则说明碳排放权交易试点政策和碳减排效应的因果关系存在，本研究的基准回归结果具有稳健性。
如图3 所示，实线表示DID 回归系数的概率密度累计分布，虚线表示正态分布。从图3 可以看出，真实回归系数都位于安慰剂检验置换参数曲线的低尾处，属于虚拟实验组回归的异常值，表明本研究的基准回归结果通过了安慰剂检验。
图3 安慰剂检验系数累计分布
如图4 所示，横轴除0 值外的虚线表示本研究基准回归结果的对应系数（ln ce 的对应系数为-0.163，ln cegdp 的对应系数为-0.366）。可以发现，不管是碳排放量还是碳排放强度，估计系数对应的P值都在0.1 以上，随机抽样的回归系数均值非常接近零，本研究基准回归结果处于低尾处，且P值小于0.1，说明随机抽样的结果并不显著，碳排放权交易试点工作在虚拟实验组中不具有减排效应。这进一步表明 本研究的基准回归结果具有稳健性，排除了未知因素的干扰，通过了安慰剂检验。
图4 安慰剂检验估计系数P 值分布
4.4.2 PSM-DID 检验
基于样本中处理组和控制组可能在碳排放权交易试点政策实施前就具有较大的个体差异的考量，为了避免在多期双重差分模型的样本选择中出现选择性偏差的问题，运用倾向得分匹配双重差分法（即PSM-DID）进行进一步的稳健性检验。鉴于平行趋势检验和政策动态效应分析的结果表明，早在2011年试点地区就已经因为“信号-预期”机制显现出碳减排效应，且2011 年试点地区名单就已公布，所以在进行倾向得分匹配检验时只选取2011 年之前的样本，以保证所选样本并未受到政策影响。具体检验方法为：以基准模型中的控制变量作为PSM-DID中的匹配变量进行逐年匹配，匹配方法分别运用到半径匹配、近邻匹配和核匹配，并且在进行逐年匹配后只保留在每个匹配年份都处在共同取值范围内的控制组样本点，具体回归中运用Logit 方法，最后针对匹配后的保留样本，根据基准模型进行多期双重差分模型回归。如表5 所示，不管具体采用的是哪种匹配方法，多期DID 变量的回归系数均显著为负。因此，本研究关于碳排放权交易试点政策的碳减排效应的基准回归结果具有稳健性。
表5 PSM-DID 检验回归结果
5.1 碳排放权交易试点政策的减排路径检验
5.1.1 绿色技术创新的中介效应检验
表6 和表7 展示了根据式（3）（4）模型进行的，分别以绿色发明专利申请量、绿色实用新型专利申请量来衡量地区绿色技术创新水平的中介效应检验结果。从表6 可见，仅以绿色发明专利申请量来度量地区绿色技术创新水平时，碳排放权交易试点政策的实施并没有对试点地区的绿色技术创新产生显著的影响，也即表明未产生中介效应；
当以绿色实用新型专利申请量来衡量地区的绿色技术创新水平时，碳排放权交易试点政策的实施显著地提升了试点地区的绿色技术创新水平。从表（7）可见，绿色实用新型专利申请量的回归系数均通过了显著性检验，且DID 的回归系数在1%的显著性水平下为负，结合中介效应检验模型式（3）（4）可知，碳排放权交易试点政策可以通过提升试点地区的绿色技术创新水平来降低其碳排放量和碳排放强度，且绿色技术创新在其中发挥部分中介效应，则假设3 成立。至于表6 与表7 的差别，本研究认为可能是绿色发明专利相比绿色实用新型专利的实验期限更长、申请程序更复杂，所以相比碳排放权交易试点政策的施行会存在时间滞后性的特点。
表6 基于绿色发明专利申请量的中介效应检验结果
表7 基于绿色实用新型专利申请量的中介效应检验结果
为了解绿色技术创新在碳排放权交易试点政策的减排效应中发挥了多大作用，利用回归结果进一步计算绿色技术创新在中介效应模型中的效应量，结果表明绿色技术创新在碳排放权交易试点政策降低碳排放和降低碳排放强度的效应中分别发挥了12.38%和5.51%的中介效应作用。
这一中介效应检验结果也符合碳排放权交易试点政策设计的初衷。从生产角度，当碳排放存在排放配额并在市场上作为商品进行交易时，高碳排放企业由于碳排放成本较高会选择进行生产技术的创新或生产方式的改变来减少其碳排放量；
此外，企业积极进行绿色技术创新使得企业碳排放指标存在富余时，可以将碳排放指标作为商品在市场上进行交易，从而获得降低成本外的创新收益，这也将进一步激励企业进行技术创新，从而达到了以经济手段的政策实现低成本的环境规制目的。
5.1.2 能源结构转型的中介效应检验
同理，根据式（3）（4）模型对能源结构的中介效应检验。如表8 所示，DID 的回归系数均在5%的显著性水平下为负，说明碳试点政策的实施有效地促进了试点地区的能源结构转型；
能源结构的回归系数在10%的显著性水平下为正，且DID 系数在1%的显著性水平下为负，根据逐步回归法判断存在部分中介效应，表明碳排放权交易试点政策可以通过推动试点地区的能源结构转型来降低当地的碳排放量和碳排放强度。综上，表明假设4a 成立。
表8 基于能源结构的中介效应检验结果
为了解能源结构转型在碳排放权交易试点政策的减排效应中发挥了多大作用，利用回归结果进一步计算能源结构在中介效应模型中的效应量。结果表明，能源结构在碳排放权交易试点政策降低碳排放量和碳排放强度的效应中分别发挥了3.74%和0.47%的中介效应作用。
进一步通过比较绿色技术创新和能源结构转型在碳排放权交易试点政策的碳减排效应中发挥的作用可以发现，绿色技术创新发挥的作用更大。
5.2 地区异质性分析
在基准模型中加入各试点地区与DID 变量的交乘项来检验碳排放权交易试点政策的减排效应是否在试点地区存在区域异质性。表9 为北京（bj）、天津（tj）、上海（sh）、湖北（hb）、重庆（cq）这5 个碳排放权交易试点地区相较于广东（gd）的回归结果，可得出以下结论：（1）北京的碳减排效应最显著，其次是上海和天津，笔者推测因为这3个试点地区的政策落实到位以及市场发育程度较高；
（2）虽然天津的碳排放量的对应系数不显著，但碳排放强度的系数较为显著且系数值较大，表明相较于广东，天津的碳排放强度减排效应明显；
（3）相比较其他试点地区，湖北和重庆在政策实施后碳减排效应较弱，笔者推测是由于湖北和重庆的碳排放权交易市场主体占地区碳排放主体的比重较低导致。
表9 地区异质性分析回归结果
本研究基于2005—2019 年中国30 个省区市的面板数据，运用多期双重差分模型来实证检验碳排放权交易试点政策对试点地区是否存在碳减排效应，并采用平行趋势检验、安慰剂、PSM-DID 等方法检验碳减排效应的稳健性，通过中介效应分析检验绿色技术创新和能源结构转型的传导路径，最后分析试点政策的地区异质性。研究结论如下：
（1）整体而言，碳排放权交易试点政策的实施显著地推动了试点地区的碳减排进程，这种减排效应是通过同时降低试点地区的碳排放量和碳排放强度实现的，并未影响地区的经济发展水平。这一结果通过了一系列的稳健性检验。
（2）中介效应方面，绿色技术创新和能源结构转型都是碳排放权交易试点政策发挥碳减排效应的路径，且都能够同时促进试点地区碳排放量和碳排放强度的降低。相比绿色发明专利申请量，以绿色实用新型专利申请量作为衡量指标时，试点地区的绿色技术创新水平才受到碳排放权交易试点政策的显著影响。绿色技术创新在降低试点地区的碳排放量和碳排放强度过程中分别发挥了12.38%和5.51%的中介效应作用；
能源结构转型在降低试点地区的碳排放量和碳排放强度过程中分别发挥了3.74%和0.47%的中介效应作用。
（3）地区异质性方面，北京的碳减排效应在6个试点地区中最强，其次是上海和天津，湖北和重庆的整体碳减排效应较弱。
以上研究结论对中国加快碳减排进程，从而早日实现碳达峰碳中和目标的策略制定和政策实施具有如下政策启示：
第一，加强全国碳市场建设。碳排放权交易试点政策的实施能够在试点地区存在显著的碳减排效应，为实现“双碳”目标，需要进一步加快全国碳市场相关体系建设并加大减排主体范围，并从试点地区的配额分配方法、交易机制、约束机制、市场调控机制等多方面吸收、借鉴其实践经验，以发挥试点地区的先行示范和持续激励作用。
第二，积极推进绿色技术创新和能源结构转型（及相关的产业结构转型）。绿色技术创新不仅能够提升相关能源的利用效率，还能推进能源结构转型，从而弱化一些重工业企业对煤炭等化石能源的依赖，不以牺牲地区经济发展为代价地降低地区碳排放量。所以，政府需要出台相应的财政补贴和税收优惠政策来促进企业开展绿色技术创新研发及其成果转化；
加大对低碳技术研发人才的引进奖补力度；
持续推进高碳排放企业与所在地区的高校及科学研究院进行产学研深度合作，搭建以绿色技术创新、能源结构转型和碳减排为导向的产业结构体系和经济体系，加快推进低碳绿色环保的高质量现代经济。
第三，各省区市要因地施策，制定差异化的减碳政策。各地区根据自身的经济发展阶段和经济发展水平制定差异化的绿色技术创新、能源结构转型和碳减排政策，并适当地将资源向减排潜力大的省份倾斜，从而实现低成本高减排。经济发展水平较高的地区可以加大对清洁能源和绿色技术创新的投资；
经济发展中等水平的地区以制造业发展为主，这一行业的生产流程中需要消耗大量的化石能源，从而会排放大量的CO2，所以需要根据地区的资源禀赋结构来发展其优势资源，加快经济发展步伐。与此同时，加快绿色技术创新，从而提升能源利用效率以降低碳排放。
注释：
1）鉴于深圳市归属于同样作为碳排放权交易试点的广东省，因此在处理组中不再单独纳入深圳市。
2）根据《中共中央 国务院关于促进中部地区崛起的若干意见》《国务院发布关于西部大开发若干政策措施的实施意见》等经济政策文件，将我国31 个省份划分为东、中、西、东北四大区域。东部包括北京市、天津市、河北省、上海市、江苏省、浙江省、福建省、山东省、广东省、海南省；
中部包括山西省、安徽省、江西省、河南省、湖北省、湖南省；
西部包括内蒙古自治区、广西壮族自治区、重庆市、四川省、贵州省、云南省、西藏自治区、陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区；
东北地区包括辽宁省、吉林省、黑龙江省。
