董雨 袁雪 查勇

摘?要：“雙碳”戰(zhàn)略目標(biāo)的提出契合高質(zhì)量發(fā)展的內(nèi)在需要，碳排放權(quán)交易市場是實現(xiàn)該目標(biāo)的關(guān)鍵工具，2013—2014年，我國建立了首批七個試點碳交易市場，近十年以來，此項政策的減排效果已經(jīng)受到廣泛認(rèn)可，但其對經(jīng)濟(jì)發(fā)展的影響依然值得探究?；?010—2019年重污染行業(yè)A股上市公司的數(shù)據(jù)，本文以首批七個試點碳交易市場的正式啟動為準(zhǔn)自然實驗，構(gòu)建雙重差分模型探討該項政策對企業(yè)全要素生產(chǎn)率的影響，并從碳交易市場特征和數(shù)字經(jīng)濟(jì)發(fā)展的角度對作用機(jī)制進(jìn)行分析。研究發(fā)現(xiàn)，碳交易政策能夠顯著提高企業(yè)的全要素生產(chǎn)率。機(jī)制分析表明，在碳交易政策對全要素生產(chǎn)率的作用過程中，企業(yè)數(shù)字化轉(zhuǎn)型發(fā)揮了部分中介作用。此外，碳交易政策效果在非國有企業(yè)、風(fēng)險承擔(dān)水平高的企業(yè)中更強(qiáng)，并且碳市場的交易規(guī)模、流動性、數(shù)字基礎(chǔ)設(shè)施、互聯(lián)網(wǎng)普及率和數(shù)字普惠金融的發(fā)展都對碳交易政策效果發(fā)揮著正向調(diào)節(jié)效應(yīng)，碳配額價格水平也具有一定的負(fù)向調(diào)節(jié)效應(yīng)。

關(guān)鍵詞：碳排放權(quán)交易市場；全要素生產(chǎn)率；雙重差分模型；數(shù)字經(jīng)濟(jì)

中圖分類號：F49；F124；F8325??文獻(xiàn)標(biāo)識碼：A??文章編號：1001-148X（2024）01-0012-11

收稿日期：2023-05-07

作者簡介：董雨（1968—），男，安徽阜陽人，副教授，博士，研究方向：管理科學(xué)與工程；袁雪（1999—），本文通訊作者，女，安徽滁州人，博士研究生，研究方向：金融工程；查勇（1977—），男，安徽廬江人，教授，博士，研究方向：管理科學(xué)與工程。

基金項目：國家自然科學(xué)基金面上項目“創(chuàng)新驅(qū)動下能源行業(yè)結(jié)構(gòu)轉(zhuǎn)型的效率評價、策略博弈及發(fā)展模型研究”，項目編號：71973001。

一、引?言

黨的二十大報告強(qiáng)調(diào)“高質(zhì)量發(fā)展是全面建設(shè)社會主義現(xiàn)代化國家的首要任務(wù)”，這意味著經(jīng)濟(jì)發(fā)展需要進(jìn)行動能轉(zhuǎn)換、效率提升和結(jié)構(gòu)優(yōu)化。當(dāng)前，我國產(chǎn)業(yè)結(jié)構(gòu)仍然以重工業(yè)為主，能源消費(fèi)以煤炭為主，長久以來造就的高碳發(fā)展慣性依然很大，這種發(fā)展模式伴隨著溫室氣體的過度排放，容易造成生態(tài)環(huán)境破壞。鑒于高質(zhì)量發(fā)展的內(nèi)在需求和全球氣候問題的外在壓力，我國提出在2030年前實現(xiàn)碳達(dá)峰和在2060年前實現(xiàn)碳中和的“雙碳”目標(biāo)，以此為引領(lǐng)不斷加強(qiáng)我國綠色低碳技術(shù)創(chuàng)新，倒逼經(jīng)濟(jì)發(fā)展進(jìn)行變革。“雙碳”目標(biāo)的實現(xiàn)是一個多維且復(fù)雜的系統(tǒng)工程，為此我國政府開展了一系列實踐，碳排放權(quán)交易市場成為其中的重要抓手。2013年下半年至2014年上半年，我國在深圳、北京、上海、廣東、天津、湖北、重慶等地區(qū)相繼建立了七個碳排放權(quán)交易試點，這標(biāo)志著我國應(yīng)對氣候變化政策從依賴行政措施和財政補(bǔ)貼向市場機(jī)制轉(zhuǎn)變。近十年以來，該項政策的減排效果已經(jīng)受到廣泛認(rèn)可，但其對經(jīng)濟(jì)發(fā)展的影響依然值得探究，如何實現(xiàn)碳減排和生產(chǎn)率提高的協(xié)調(diào)統(tǒng)一，已經(jīng)成為重要議題。此外，值得注意的是，在以信息網(wǎng)絡(luò)和智能制造為代表的新一輪科技革命中，數(shù)字化信息的識別、選擇、過濾、存儲和使用能夠引導(dǎo)資源的快速優(yōu)化配置，為企業(yè)節(jié)能減排和效率改進(jìn)帶來新思路。國務(wù)院印發(fā)的《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》強(qiáng)調(diào)，我國數(shù)字經(jīng)濟(jì)即將邁向全面擴(kuò)展時期，要以數(shù)據(jù)為核心要素，以數(shù)字技術(shù)與實體經(jīng)濟(jì)深度結(jié)合為主要路徑，賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級。

現(xiàn)有關(guān)于碳交易政策影響的研究主要集中在區(qū)域?qū)用娴纳鷳B(tài)環(huán)境和工業(yè)水平以及企業(yè)層面的技術(shù)創(chuàng)新和生產(chǎn)經(jīng)營績效。作為一種市場化環(huán)境規(guī)制工具，碳交易政策能夠有效刺激企業(yè)使用清潔能源或提升能源效率的方式來實現(xiàn)減排目標(biāo)，降低社會碳排放總量。內(nèi)部治理結(jié)構(gòu)越合理、碳信息披露意愿越高的企業(yè)，碳交易政策對其環(huán)?？冃У奶岣咝Ч斤@著［1］。Martin等（2016）［2］基于歐盟碳交易體系數(shù)據(jù)的研究發(fā)現(xiàn)受規(guī)制企業(yè)更有動力進(jìn)行技術(shù)創(chuàng)新，胡江峰等（2022）［3］則發(fā)現(xiàn)中國碳交易政策顯著提高了試點地區(qū)上市企業(yè)的綠色創(chuàng)新產(chǎn)出和質(zhì)量，但是政府的事前補(bǔ)貼行為會對政策效果起到一定程度的抑制作用。Zhu等（2022）［4］發(fā)現(xiàn)試點市場的碳價與邊際減排成本的差距越小，碳金融衍生品越豐富，本地市場監(jiān)管越強(qiáng)，創(chuàng)新效應(yīng)越顯著。李暉（2022）［5］則更為細(xì)致地將發(fā)明專利作為實質(zhì)性創(chuàng)新指標(biāo)，實用新型和外觀設(shè)計專利作為策略性創(chuàng)新，發(fā)現(xiàn)碳交易政策對企業(yè)的兩類創(chuàng)新都有顯著提升，但對實質(zhì)性創(chuàng)新的提升更高。除了技術(shù)創(chuàng)新相關(guān)指標(biāo)，還有研究發(fā)現(xiàn)碳交易政策有助于受規(guī)制企業(yè)緩解融資壓力［6］、提升品牌價值［7］和拓展出口業(yè)務(wù)［8］。關(guān)于碳交易市場給生產(chǎn)效率造成的影響，已有研究從宏微觀層面選擇了多種指標(biāo)進(jìn)行探討。在宏觀層面，?學(xué)者們發(fā)現(xiàn)碳交易體系可以通過激勵技術(shù)進(jìn)步、改善能源結(jié)構(gòu)、促進(jìn)產(chǎn)業(yè)升級等方式實現(xiàn)經(jīng)濟(jì)的高質(zhì)量發(fā)展［9］。在微觀層面，長期企業(yè)層面的面板數(shù)據(jù)集有助于避免因使用國家或部門層面的數(shù)據(jù)集而導(dǎo)致的聚合偏差，并通過控制企業(yè)之間未觀察到的異質(zhì)性來克服政策的內(nèi)生性。對于能夠直接反映生產(chǎn)經(jīng)營效率和經(jīng)濟(jì)發(fā)展質(zhì)量的全要素生產(chǎn)率，有學(xué)者傾向于認(rèn)為，碳交易政策迫使企業(yè)將大量可用資本投入到碳減排中，增加了企業(yè)的生產(chǎn)成本，對研發(fā)投入存在擠出效應(yīng)［10］，進(jìn)而影響企業(yè)生產(chǎn)經(jīng)營和效率改進(jìn)［11］；還有學(xué)者認(rèn)為，碳交易體系有利于企業(yè)提升盈利能力和生產(chǎn)效率，這類觀點主要基于波特理論［12］，該理論認(rèn)為市場激勵型環(huán)境規(guī)制作為一種外部壓力，能夠倒逼企業(yè)技術(shù)升級。Andreou和Kellard（2021）［13］發(fā)現(xiàn)在歐盟排放交易體系中采取環(huán)保舉措的公司財務(wù)表現(xiàn)不佳，從第一階段到第二階段，歐盟排放交易體系損害了企業(yè)的利潤，即使發(fā)展到第三階段企業(yè)提高生產(chǎn)效率的激勵可能仍然無法得到改善。如果ETS變得更加嚴(yán)格，高排放企業(yè)可能對撤資和搬遷更感興趣。對于中國碳交易試點市場，Pan等（2022）［14］使用雙重差分模型發(fā)現(xiàn)碳交易政策對于被強(qiáng)制納入交易系統(tǒng)的A股上市企業(yè)全要素生產(chǎn)率具有顯著且持續(xù)的正向影響，政府參與程度和碳交易市場規(guī)模與流動性對該影響具有正向調(diào)節(jié)效應(yīng)。范丹等（2022）［15］則將處理組的樣本范圍從被強(qiáng)制納入碳交易體系的上市企業(yè)擴(kuò)展到試點地區(qū)內(nèi)的所有上市企業(yè)，發(fā)現(xiàn)碳交易政策對全要素生產(chǎn)率的正向促進(jìn)效果依然顯著，作用路徑為激發(fā)技術(shù)創(chuàng)新和優(yōu)化資源配置效率。已有研究主要集中在碳交易市場和企業(yè)全要素生產(chǎn)率之間的直接關(guān)系上，對于其中作用機(jī)制的探討，仍然圍繞以專利申請數(shù)或授權(quán)數(shù)作為代理變量的技術(shù)創(chuàng)新程度，在調(diào)節(jié)變量的選擇上則以所在地政府的環(huán)境規(guī)制強(qiáng)度為主，基于碳交易市場自身和所在地區(qū)的其他特征指標(biāo)的研究尚有不足。

本文以首批七個碳交易試點市場的正式啟動為準(zhǔn)自然實驗，基于2010—2019年重污染行業(yè)A股上市公司的數(shù)據(jù)，構(gòu)建雙重差分模型探討碳交易政策對企業(yè)全要素生產(chǎn)率的影響。從數(shù)字經(jīng)濟(jì)發(fā)展的全新角度出發(fā)，使用文本分析和詞頻統(tǒng)計的方法對企業(yè)的數(shù)字化轉(zhuǎn)型程度進(jìn)行測度，研究企業(yè)數(shù)字化轉(zhuǎn)型在碳交易政策作用過程中發(fā)揮的中介效應(yīng)。在得到基準(zhǔn)模型的估計結(jié)果后，本文使用平行趨勢檢驗、安慰劑效應(yīng)檢驗以及替換被解釋變量測度等方法進(jìn)行穩(wěn)健性檢驗。為了對作用機(jī)制進(jìn)一步研究，一方面，本文從企業(yè)所有制、風(fēng)險承擔(dān)水平以及各試點市場的特征指標(biāo)對碳交易政策效果表現(xiàn)出的差異進(jìn)行分析；另一方面，結(jié)合數(shù)字經(jīng)濟(jì)發(fā)展所需的外部條件，本文搜集整理了各省的數(shù)字信息基礎(chǔ)設(shè)施、互聯(lián)網(wǎng)普及率和數(shù)字普惠金融的相關(guān)數(shù)據(jù)，探究了這些變量對碳交易政策效果的調(diào)節(jié)效應(yīng)。本文可能的邊際貢獻(xiàn)：第一，已有文獻(xiàn)關(guān)于碳交易政策對企業(yè)的影響，多圍繞以發(fā)明專利數(shù)為度量指標(biāo)的技術(shù)創(chuàng)新展開，少數(shù)文獻(xiàn)探討了碳交易政策對企業(yè)全要素生產(chǎn)率的影響機(jī)制，本文則從數(shù)字化轉(zhuǎn)型這一全新視角對碳交易政策對企業(yè)全要素生產(chǎn)率的作用效果和機(jī)制進(jìn)行探討。第二，已有文獻(xiàn)在進(jìn)行政策效果異質(zhì)性分析時，多聚焦企業(yè)規(guī)模、地理位置，本文則關(guān)注了企業(yè)的風(fēng)險承擔(dān)水平。第三，與已有文獻(xiàn)多關(guān)注政府監(jiān)管或環(huán)境規(guī)制強(qiáng)度不同，本文從各個碳交易試點市場的自身特征和數(shù)字經(jīng)濟(jì)的豐富內(nèi)涵出發(fā)，選取了多個變量進(jìn)行調(diào)節(jié)效應(yīng)分析。

二、理論分析與研究假設(shè)

碳排放權(quán)交易政策作為一種環(huán)境規(guī)制措施旨在收緊企業(yè)的碳排放，環(huán)境規(guī)制對于企業(yè)全要素生產(chǎn)率影響的文獻(xiàn)，由于樣本或選擇方法的不同，結(jié)論也不完全一致?？偨Y(jié)已有研究，學(xué)者們通常認(rèn)為，指令控制型的環(huán)境監(jiān)管更易對企業(yè)生產(chǎn)效率產(chǎn)生抑制效果，而基于市場的環(huán)境監(jiān)管在創(chuàng)新效應(yīng)大于成本損失的情況下，將會提高企業(yè)的全要素生產(chǎn)率，即“波特效應(yīng)”。對屬于市場型環(huán)境規(guī)制行為的碳交易政策，少數(shù)研究認(rèn)為其給企業(yè)全要素生產(chǎn)率帶來了消極影響，多數(shù)研究則持相反觀點，認(rèn)為碳交易政策的實施帶來了先發(fā)優(yōu)勢，以補(bǔ)償受規(guī)制企業(yè)的環(huán)境成本，具體而言，碳排放權(quán)交易能夠通過澄清產(chǎn)權(quán)有效緩解負(fù)外部性，從而節(jié)省了交易成本。對于配額富余的企業(yè)，可以通過碳排放交易降低生產(chǎn)運(yùn)營成本，獲得額外的減排收入；對于配額緊缺的企業(yè)，若保持原有的生產(chǎn)技術(shù)不變，無論是購買碳排放權(quán)還是減少總產(chǎn)量，都會損害營業(yè)利潤。為了降低生產(chǎn)成本，企業(yè)改進(jìn)生產(chǎn)技術(shù)的動力增強(qiáng)了，而技術(shù)改進(jìn)的潛在好處是可以抵消增加的非生產(chǎn)性投入。隨著信息技術(shù)的飛速發(fā)展，近年來，在眾多技術(shù)改進(jìn)方式或路徑中，數(shù)字經(jīng)濟(jì)成為學(xué)術(shù)界與實業(yè)界共同關(guān)注的熱點。數(shù)據(jù)要素驅(qū)動型經(jīng)濟(jì)作為一種環(huán)境友好型經(jīng)濟(jì)模式，與傳統(tǒng)經(jīng)濟(jì)發(fā)展模式相比，具有能耗低、污染排放少等優(yōu)點，數(shù)字經(jīng)濟(jì)在協(xié)助節(jié)能減排和提升生產(chǎn)效率中發(fā)揮的作用已經(jīng)受到廣泛認(rèn)可。從自身角度來看，企業(yè)可以借助數(shù)字化技術(shù)動態(tài)采集和監(jiān)測生產(chǎn)活動中的能源消耗和污染物排放，高效的數(shù)據(jù)傳輸和處理能力有效地緩解了響應(yīng)時間慢、控制時間長帶來的資源浪費(fèi)和環(huán)境污染等問題［16］。從網(wǎng)絡(luò)效應(yīng)來看，基于數(shù)字技術(shù)形成的企業(yè)間網(wǎng)絡(luò)能夠打破信息孤島，形成知識和技術(shù)共享機(jī)制，利用數(shù)字智能技術(shù)能夠減少產(chǎn)業(yè)鏈中的資源消耗和企業(yè)間的信息搜尋成本，可以從設(shè)計、生產(chǎn)、銷售等環(huán)節(jié)滿足消費(fèi)者，有助于減少無效營銷和資源冗余，緩解要素扭曲［17］。此外，還有研究發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)憑借技術(shù)創(chuàng)新效應(yīng)使得市場更加透明和充分競爭，快速的信息流動和較高的創(chuàng)新效率加速了新技術(shù)向傳統(tǒng)產(chǎn)業(yè)的擴(kuò)散，因此企業(yè)更有動力提高自身技術(shù)創(chuàng)新能力以提升市場競爭力，進(jìn)而提升了生產(chǎn)效率?？紤]到在我國國家減排戰(zhàn)略中，碳交易試點地區(qū)的企業(yè)被動地從傳統(tǒng)生產(chǎn)型向污染治理型轉(zhuǎn)變，無論是否直接參加碳交易市場，都會導(dǎo)致企業(yè)額外的減排支出，這些企業(yè)既可能使用數(shù)字化技術(shù)對生產(chǎn)經(jīng)營全過程和產(chǎn)品生命周期管理中的能源消耗和碳足跡進(jìn)行監(jiān)測管控，又可能借助數(shù)字化轉(zhuǎn)型來提高設(shè)備效率，優(yōu)化工藝流程，細(xì)化管理顆粒度，進(jìn)而降低成本以抵消碳排放量規(guī)制造成的利潤折損。因此，?本文提出如下假設(shè)：

H1：碳排放權(quán)交易政策能夠通過促進(jìn)試點地區(qū)企業(yè)提升數(shù)字化轉(zhuǎn)型程度，進(jìn)而對企業(yè)全要素生產(chǎn)率產(chǎn)生積極影響。

一方面，所有制不同是影響企業(yè)生產(chǎn)效率的重要原因，相較于非國有企業(yè)，國有企業(yè)帶有較強(qiáng)的政治背景，既容易獲取政府扶持和優(yōu)惠政策，也更容易實現(xiàn)國家重點產(chǎn)業(yè)和工程的投資和建設(shè)，并具備更大的資源優(yōu)勢和較弱的融資約束，能夠以更低的成本進(jìn)行數(shù)字化轉(zhuǎn)型，但它們的經(jīng)營效率通常較為低下，缺乏強(qiáng)烈的市場競爭意識，決策機(jī)制不夠靈活，往往難以適應(yīng)市場變化，不完善的激勵機(jī)制使其進(jìn)行生產(chǎn)效率改進(jìn)的動力可能相對不足。因此，國有企業(yè)和非國有企業(yè)在面臨碳交易市場約束時的決策可能會有所不同，技術(shù)路線的選擇也會有所差異，進(jìn)而導(dǎo)致政策效果呈現(xiàn)出異質(zhì)性。另一方面，風(fēng)險貫穿企業(yè)經(jīng)營活動的始末，風(fēng)險承擔(dān)水平能夠反映企業(yè)在經(jīng)營決策中對預(yù)期利潤存在不確定性活動的選擇傾向，體現(xiàn)了企業(yè)對投資項目風(fēng)險承受能力與意愿，較高的風(fēng)險承擔(dān)水平意味著管理者在投資決策過程中，在對項目未來收益和風(fēng)險強(qiáng)度進(jìn)行量化評估后，傾向于選擇高風(fēng)險、高收益的投資機(jī)會。風(fēng)險承擔(dān)水平高的企業(yè)通常具備更強(qiáng)的研發(fā)投入力度和更高的創(chuàng)新活動積極性，在面對碳交易政策帶來的不確定性時，不同風(fēng)險承擔(dān)水平的企業(yè)可能表現(xiàn)出不同投資決策行為，進(jìn)而在數(shù)字化轉(zhuǎn)型和全要素生產(chǎn)率提高程度上呈現(xiàn)出異質(zhì)性。因此，本文提出如下假設(shè)：

H2：碳排放權(quán)交易政策對企業(yè)全要素生產(chǎn)率的作用效果在企業(yè)所有制和風(fēng)險承擔(dān)水平上存在異質(zhì)性。

碳交易市場特征會直接影響政策功能的發(fā)揮，交易量分布均勻、流動性適中、定價合理的市場有助于促進(jìn)市場交易，實現(xiàn)不同邊際減排成本企業(yè)的利潤最大化。目前是中國區(qū)域性碳交易試點向全國統(tǒng)一市場過渡的關(guān)鍵時期，分析現(xiàn)有試點市場特征對企業(yè)生產(chǎn)經(jīng)營活動的影響效果具有重要借鑒意義。然而，我國試點碳交易市場總體存在效率不足的問題，具體表現(xiàn)為市場流動性較差、活躍度較低且交易集中在履約期，部分試點碳交易市場長期處于“有價無市”的局面，不同月份交易量的不穩(wěn)定性不利于碳市場定價功能的實現(xiàn)，阻礙了交易成本的降低。在碳交易市場效率較低時，企業(yè)通過數(shù)字化轉(zhuǎn)型等途徑提高生產(chǎn)效率來緩解成本壓力或通過節(jié)能減排來出售多余碳排放權(quán)獲取收益的交易成本較高，積極性會受到抑制，進(jìn)而使得碳交易政策對企業(yè)全要素生產(chǎn)率的促進(jìn)作用可能受到影響。碳交易市場具有多個維度的特征指標(biāo)，鑒于指標(biāo)的直觀性和數(shù)據(jù)的可得性，本文重點關(guān)注試點碳交易市場的交易規(guī)模和流動性水平。除此之外，作為價格信號，一個合理有效的碳價能夠匹配短期減排成本，具有促進(jìn)技術(shù)革新和激發(fā)市場活力的作用，在完全競爭的市場中，碳價應(yīng)等于企業(yè)的邊際減排成本。若碳價過低，將使得受規(guī)制企業(yè)的減排動力不足，但若碳價過高，又會給控排企業(yè)造成較大的成本壓力，對技術(shù)創(chuàng)新的研發(fā)投入造成擠壓效應(yīng)。從橫向來看，當(dāng)前，我國各個試點交易規(guī)則設(shè)計存在差異，納入強(qiáng)制減排的最低年排放量門檻水平不同，具體實施規(guī)則實行的嚴(yán)格程度也不同，且試點地區(qū)的經(jīng)濟(jì)發(fā)展程度和第二產(chǎn)業(yè)發(fā)展水平存在差異，因此，各個試點市場在交易規(guī)模、流動性以及價格水平上呈現(xiàn)不同的特征；從縱向來看，同一個試點市場，在不同的年度也會對交易規(guī)則、納入標(biāo)準(zhǔn)和懲治力度進(jìn)行改動，因此，在時間維度上呈現(xiàn)市場特征的變動?；谝陨戏治觯疚奶岢鲆韵录僭O(shè)：

H3：碳交易市場的交易規(guī)模、流動性以及價格能夠影響其對企業(yè)全要素生產(chǎn)率的作用效果。

企業(yè)的數(shù)字化轉(zhuǎn)型除了依靠自身的研發(fā)投入和技術(shù)改進(jìn)之外，還依賴于外部環(huán)境、數(shù)字經(jīng)濟(jì)發(fā)展水平，數(shù)字技術(shù)的基礎(chǔ)設(shè)施建設(shè)和互聯(lián)網(wǎng)用戶的增長為企業(yè)利用數(shù)據(jù)要素優(yōu)化資源配置和生產(chǎn)經(jīng)營提供了條件，有利于促進(jìn)企業(yè)創(chuàng)新要素的集聚與技術(shù)的迭代更新，外部數(shù)據(jù)資源嵌入企業(yè)的經(jīng)營管理環(huán)節(jié)能夠通過推動技術(shù)創(chuàng)新與降低交易成本促進(jìn)企業(yè)全要素生產(chǎn)率提升。其中，數(shù)字基礎(chǔ)設(shè)施是數(shù)字經(jīng)濟(jì)發(fā)展的基石，基于其承載的應(yīng)用服務(wù)，推動信息技術(shù)及其應(yīng)用滲透擴(kuò)散到各行各業(yè)，使得經(jīng)濟(jì)社會生活實現(xiàn)信息化、數(shù)字化以及智能化轉(zhuǎn)型。一方面，數(shù)字基礎(chǔ)設(shè)施通過提供技術(shù)應(yīng)用助力資源配置效率的提升；另一方面，通過支撐技術(shù)與商業(yè)模式創(chuàng)新同經(jīng)濟(jì)活動緊密結(jié)合，提升全要素生產(chǎn)率［18］。此外，數(shù)字普惠金融是數(shù)字經(jīng)濟(jì)大背景下金融行業(yè)的重大變革，使得各項金融機(jī)構(gòu)可以深度下沉到更廣泛的客戶群體中以吸納更多的資金，大數(shù)據(jù)評估等手段能夠緩解借貸主體之間的信息不對稱，從而更加精準(zhǔn)高效地滿足企業(yè)的融資需求。數(shù)字普惠金融有利于降低企業(yè)的資金機(jī)會成本、緩解融資約束以及促進(jìn)生產(chǎn)要素流動，進(jìn)一步助力企業(yè)生產(chǎn)效率的提升。因此，本文提出以下假設(shè)：

H4：數(shù)字基礎(chǔ)設(shè)施的建設(shè)、互聯(lián)網(wǎng)普及率的上升和數(shù)字普惠金融的發(fā)展能夠正向調(diào)節(jié)碳交易政策對企業(yè)全要素生產(chǎn)率的作用效果。

三、研究設(shè)計

（一）模型構(gòu)建

為了檢驗碳交易試點政策對于企業(yè)全要素生產(chǎn)率的影響，本文把碳交易市場的正式啟動視為準(zhǔn)自然實驗，將位于試點地區(qū)的企業(yè)作為處理組，其余非試點地區(qū)的企業(yè)作為控制組，利用基于面板數(shù)據(jù)的固定效應(yīng)雙重差分模型考察政策前后兩組企業(yè)全要素生產(chǎn)率的變動趨勢差異，具體形式如下：

tfpit=α+βdid+ΒX+τi+λt+εit（1）

其中，tfpit表示企業(yè)i在t年的全要素生產(chǎn)率。政策變量did=Di·Tt，虛擬變量Di在企業(yè)i處于處理組時取1，處在控制組時取0；Tt在碳市場正式啟動前取0，啟動后取1。β為本文所關(guān)注的碳交易政策對企業(yè)全要素生產(chǎn)率的處理效應(yīng)，τi和λt分別表示個體和年份固定效應(yīng)，X為一組控制變量。使用雙重差分估計方法的關(guān)鍵前提是共同趨勢假設(shè)，指處理組和控制組的全要素生產(chǎn)率在碳交易政策實施前變動趨勢相似，若違背了這一假設(shè)，估計結(jié)果就會偏離真實效應(yīng)。常用的平行趨勢檢驗有描繪時間趨勢圖和事件研究法，前者是比較粗糙的方法，雖然簡單直觀，但無法從統(tǒng)計意義層面判斷兩組樣本之間在政策實施前是否存在顯著差異。相比之下，事件研究法則更加科學(xué)，實際做法是構(gòu)建時間虛擬變量與處理組虛擬變量的交互項，加入基準(zhǔn)模型中進(jìn)行回歸，具體形式為：

tfpit=α0+∑TD-2s=1βpresDiTst+∑Ts=T0βpostsDiTst+ΒX+τi+λt+εit（2）

其中，Tst表示第s期的時間虛擬變量，TD為政策發(fā)生當(dāng)期，將政策正式實施的前一年作為基期，βpres和βposts為在政策實施前后第s期處理組和控制組企業(yè)全要素生產(chǎn)率相對基期的差異，若βpres不顯著說明處理組和控制組的企業(yè)在政策實施前的時間趨勢不存在差異。此外，為了解決異質(zhì)性和序列相關(guān)性，本研究通過企業(yè)—年度聚類計算穩(wěn)健標(biāo)準(zhǔn)誤。

（二）變量說明

1被解釋變量：全要素生產(chǎn)率

全要素生產(chǎn)率是生產(chǎn)投入要素不變時生產(chǎn)率仍然能增加的部分，反映了資本、勞動和土地生產(chǎn)要素投入轉(zhuǎn)化為產(chǎn)出的總體效率。對企業(yè)全要素生產(chǎn)率的測算基于Cobb-Douglas生產(chǎn)函數(shù)，具體形式為：

yit=α+θLit+γKit+ωit+εit（3）

其中，yit是企業(yè)i在第t年總產(chǎn)出的對數(shù)值，Lit表示勞動投入，被視作自由變量，為可變要素，企業(yè)能夠隨時進(jìn)行調(diào)整，對將來投資無影響且不進(jìn)入投資函數(shù)。Kit是資本投入量，被視作狀態(tài)變量，當(dāng)期資本取決于上期資本和投資。θ和γ為產(chǎn)出彈性系數(shù)，ωit是企業(yè)i在時刻t的生產(chǎn)率水平，對于企業(yè)可觀測，但對研究者不可觀測，εit是白噪聲沖擊。理論上可以對上式進(jìn)行OLS估計從而獲得企業(yè)全要素生產(chǎn)率測度值，然而，在實際生產(chǎn)過程中，決策者可能受當(dāng)期生產(chǎn)率沖擊的影響對生產(chǎn)要素進(jìn)行調(diào)整，進(jìn)而導(dǎo)致OLS估計結(jié)果出現(xiàn)偏誤。此外，在面對消極因素沖擊時，企業(yè)資本存量規(guī)模通常與它退出市場的概率呈負(fù)相關(guān)，造成γ被低估。針對同時性偏差和樣本性偏差，Olley和Pakes（1996）［19］提出了兩步一致半?yún)?shù)估計方法，簡稱為OP方法，其核心思想是用企業(yè)的當(dāng)期投資額作為生產(chǎn)率沖擊的代理變量。OP方法嚴(yán)格要求企業(yè)的投資與總產(chǎn)出之間為單調(diào)正向關(guān)系，投資額非正的企業(yè)將被剔除。鑒于此，Levinsohn和Petrin（2003）［20］提出使用中間品投入作為代理變量，有效緩解了樣本量損失和內(nèi)生性問題。然而，OP和LP方法在對勞動投入系數(shù)進(jìn)行估計時可能遇到共線性問題，現(xiàn)實中企業(yè)勞動調(diào)整成本可能會很高，此時Lit作為自由變量的假設(shè)略顯嚴(yán)格。針對此問題，Wooldridge（2009）［21］將總產(chǎn)出滯后項作為工具變量，提出了一種廣義矩估計方法，簡稱為GMM。該方法能夠克服勞動投入系數(shù)估計中潛在的識別問題，在有著序列相關(guān)和異方差的情況下，依然可以得到參數(shù)估計的穩(wěn)健標(biāo)準(zhǔn)誤。上述三種方法都受到眾多學(xué)者的廣泛認(rèn)可和應(yīng)用，本文將選擇LP方法計算企業(yè)全要素生產(chǎn)率tfp1，將GMM方法得到的測度量tfp2應(yīng)用在穩(wěn)健性檢驗中。

2核心解釋變量：碳排放權(quán)交易試點政策

我國試點碳排放權(quán)市場的正式啟動時間存在細(xì)微差異，集中在2013年下半年及2014年上半年，其中深圳市場啟動時間最早，為2013年6月18日，上海、北京、廣東、天津碳市場在2013年11月—12月之間開始正式交易，湖北和重慶兩個試點則是在2014年正式成立。隨后，在2016年12月四川和福建碳市場作為非試點區(qū)域市場開展碳匯交易，但交易機(jī)制和規(guī)模都與首批7個市場之間存在較大差異。為了避免干擾，樣本中將位于四川和福建兩省的企業(yè)剔除。2021年7月以電力行業(yè)為基礎(chǔ)的全國碳市場正式啟動，對于本文的研究對象和時間區(qū)間，全國碳市場啟動造成的影響可以忽略。因此，考慮到碳配額清算和企業(yè)財報編制的時間周期，本文將深圳碳交易市場的政策時點設(shè)為2013年，其余六個碳交易試點市場的政策時點設(shè)為2014年。

3中介變量：數(shù)字化轉(zhuǎn)型程度

在學(xué)術(shù)界和實務(wù)中，企業(yè)數(shù)字化轉(zhuǎn)型的測度都是比較新穎的主題。針對企業(yè)數(shù)字化轉(zhuǎn)型的定量研究，少數(shù)學(xué)者進(jìn)行了有益嘗試，比如通過整理上市公司財務(wù)報告，挑選出其中與數(shù)字化高度相關(guān)的披露指標(biāo)，計算這一部分占總無形資產(chǎn)的比例，以此來評估企業(yè)數(shù)字化水平。要實證檢驗企業(yè)數(shù)字化轉(zhuǎn)型的程度需要對該行為進(jìn)行直觀、凝練、合理的描繪，本文則受吳非等（2021）［22］的啟發(fā)，使用企業(yè)年報能夠反映出數(shù)字化轉(zhuǎn)型動作的關(guān)鍵詞詞頻統(tǒng)計作為代理指標(biāo)進(jìn)行量化計算。從企業(yè)后端的技術(shù)賦能到前端的業(yè)務(wù)場景，本文將企業(yè)數(shù)字化轉(zhuǎn)型界分為底層技術(shù)架構(gòu)和業(yè)務(wù)場景運(yùn)用兩個主要層面，前者指企業(yè)內(nèi)部生產(chǎn)經(jīng)營和管理模型中數(shù)字技術(shù)的嵌入和使用，這部分的關(guān)鍵核心技術(shù)主要為AI、區(qū)塊鏈、云計算、大數(shù)據(jù)四個方面；后者指數(shù)字化技術(shù)與企業(yè)具體業(yè)務(wù)生態(tài)場景的有機(jī)結(jié)合。年報能夠反映企業(yè)的戰(zhàn)略特征、經(jīng)營理念和發(fā)展路徑，從年報中相關(guān)詞頻統(tǒng)計角度來刻畫其數(shù)字化轉(zhuǎn)型程度，具有一定的科學(xué)性和可操作性。詳細(xì)操作流程為：首先，利用Python爬蟲歸集整理A股企業(yè)年報，并使用Java?PDFbox庫提取全部文本內(nèi)容來獲得作為特征詞數(shù)據(jù)池；其次，參考已有一系列數(shù)字化轉(zhuǎn)型的學(xué)術(shù)成果以及重要政策文件確定特征詞庫，形成了企業(yè)數(shù)字化轉(zhuǎn)型結(jié)構(gòu)化特征圖譜，并剔除關(guān)鍵詞前存在否定詞語的表述以及非本公司如來自股東、客戶、供應(yīng)商等的數(shù)字化轉(zhuǎn)型關(guān)鍵詞；最后，在數(shù)據(jù)池中，根據(jù)特征詞進(jìn)行搜索、匹配和計數(shù)形成最終加總詞頻。此外，由于這類數(shù)據(jù)呈現(xiàn)右偏性特征，本文進(jìn)行對數(shù)化處理，從而得到反映企業(yè)數(shù)字化轉(zhuǎn)型程度的量化指標(biāo)，記為dig1。在穩(wěn)健性檢驗中，本文參考趙宸宇等（2021）［23］的方法，對數(shù)字技術(shù)的運(yùn)用狀況進(jìn)行口徑細(xì)分，并綜合使用文本分析法和專家打分法構(gòu)造企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)，記為dig2。

4控制變量

本文從企業(yè)自身特征和外部影響因素兩個方面確定控制變量：自身特征包括企業(yè)規(guī)模size、企業(yè)年齡age、資產(chǎn)負(fù)債率lev、資產(chǎn)收益率roa、股權(quán)集中度top10、現(xiàn)金比率cash、研發(fā)投入強(qiáng)度rd和資本密度ki；外部影響因素包括所在地級市的經(jīng)濟(jì)發(fā)展和創(chuàng)新水平，分別用地區(qū)生產(chǎn)總值對數(shù)gdp和發(fā)明專利總量對數(shù)inv表示。

（三）樣本選擇

本文選取了2010—2019年我國161個主要城市A股重污染行業(yè)的企業(yè)為研究對象。依照《上市公司環(huán)境信息披露指南》，重污染行業(yè)包括火電、煤炭、化工和采礦業(yè)等16類行業(yè)。本文之所以將研究的企業(yè)限定在重污染行業(yè)，是因為與其他行業(yè)企業(yè)相比，它們面臨著更加嚴(yán)格的命令式環(huán)境監(jiān)管規(guī)制，如強(qiáng)制環(huán)境信息披露等，此外劉巖和秦海林（2022）［24］的研究結(jié)果表明2012年出臺的綠色信貸政策對重污染行業(yè)企業(yè)的生產(chǎn)經(jīng)營活動產(chǎn)生顯著影響，選擇它們作為研究對象，能夠更好地排除其他環(huán)境規(guī)制對碳交易政策效果評價的影響。對于城市的選擇，則依據(jù)每年公布的我國主要城市污染源監(jiān)管信息公開指數(shù)報告，選擇了廣泛分布于我國東中西部地區(qū)的重點環(huán)保城市，樣本具有很好的代表性。企業(yè)數(shù)據(jù)來源于國泰安數(shù)據(jù)庫，省市級數(shù)據(jù)來源于中國統(tǒng)計年鑒。為提高檢驗效果，對原始樣本作如下處理：剔除重要變量數(shù)據(jù)缺失的樣本以及剔除在碳市場啟動前已退市、啟動后才上市的企業(yè)樣本。為消除極端值的影響，對全部連續(xù)變量在1%和99%分位上進(jìn)行縮尾處理。經(jīng)過處理后共得到560家上市A?股重污染企業(yè)的4855組有效樣本，其中位于試點地區(qū)的重污染企業(yè)有176個。

四、實證結(jié)果分析

（一）基準(zhǔn)回歸

據(jù)上文構(gòu)建的固定效應(yīng)雙重差分模型，表1分別列出了碳交易政策對企業(yè)全要素生產(chǎn)率和數(shù)字化轉(zhuǎn)型程度的參數(shù)估計結(jié)果，可以看出did的系數(shù)符號在1%的水平上顯著為正。在加入控制變量、個體和年份固定效應(yīng)后，碳排放權(quán)交易政策的實施使企業(yè)全要素生產(chǎn)率和數(shù)字化轉(zhuǎn)型程度分別提高了58%和114%，基準(zhǔn)結(jié)果傾向支持波特假設(shè)。從控制變量的回歸結(jié)果上看，規(guī)模更大、收益情況更好、現(xiàn)金流更穩(wěn)定、資本密度更小的企業(yè)在全要素生產(chǎn)率提高上更具優(yōu)勢。而除了資產(chǎn)規(guī)模和成立年限外，其他控制變量與企業(yè)數(shù)字化轉(zhuǎn)型程度的關(guān)系不顯著。在對假設(shè)H1進(jìn)行驗證之前，本文還需要多個檢驗來提高基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

（二）穩(wěn)健性檢驗

1平行趨勢檢驗

本文采用事件研究法對企業(yè)的全要素生產(chǎn)率和數(shù)字化轉(zhuǎn)型程度進(jìn)行平行趨勢檢驗，交互項系數(shù)反映出特定年份處理組和控制組之間的差異。圖1刻畫了碳排放權(quán)交易政策對全要素生產(chǎn)率和企業(yè)數(shù)字化轉(zhuǎn)型的動態(tài)影響。在碳交易政策實施以前全要素生產(chǎn)率回歸模型中的碳交易政策變量系數(shù)βpres分別為-0039、-0006和-0023，P值分別為0282、0832和0387；數(shù)字化轉(zhuǎn)型程度回歸模型中的碳交易政策變量系數(shù)βpres為0029、0041和0017，P值分別為0810、0648和0838，這一結(jié)果意味著在政策實施之前，處理組和控制組之間的被解釋變量不存在顯著的趨勢差異，符合平行趨勢假設(shè)。進(jìn)一步地，從動態(tài)時間趨勢來看，碳交易政策對于企業(yè)生產(chǎn)效率的提高具有良好持續(xù)的影響，系數(shù)βposts分別為0010、0041、0067、0063、0056和0058，P值分別為0667、0052、0007、0011、0025和0024，可以看出碳交易市場正式啟動當(dāng)年，其對全要素生產(chǎn)率的提升尚不顯著，此后的幾年里它的促進(jìn)效果都顯著為正。對于數(shù)字化轉(zhuǎn)型程度，βposts分別為0044、0259、0145、0175、0108和0055，P值分別為0511、0001、0056、0023、0188和0511，可以看出碳交易政策給企業(yè)數(shù)字化轉(zhuǎn)型帶來的正向影響在正式啟動一年之內(nèi)最為強(qiáng)烈，隨后呈現(xiàn)下降趨勢，在2019年時已經(jīng)不顯著。

2安慰劑效應(yīng)

盡管使用雙重差分模型能夠有效緩解內(nèi)生性問題，但試點地區(qū)的選擇可能具有不隨機(jī)性。為了解決上述問題，本文通過隨機(jī)虛構(gòu)處理組的方法進(jìn)行安慰劑測試，具體做法是，隨機(jī)選取企業(yè)作為處理組，重復(fù)500次，觀察估計“偽政策虛擬變量”的系數(shù)是否顯著。如果“偽政策虛擬變量”的系數(shù)依然顯著則說明基準(zhǔn)回歸結(jié)果極有可能出現(xiàn)了偏誤，企業(yè)全要素生產(chǎn)率的變動可能是受到其他因素的影響。圖2報告了“偽政策虛擬變量”系數(shù)估計值的核密度分布圖，可以看到隨機(jī)分配的估計值集中在0附近，且P值都遠(yuǎn)大于01，這表明碳交易政策對企業(yè)全要素生產(chǎn)率和數(shù)字化轉(zhuǎn)型的正向影響沒有受到未觀察到的遺漏變量的干擾。

圖1?平行趨勢檢驗

圖2?安慰劑效應(yīng)檢驗

3傾向得分匹配

為了進(jìn)一步解決處理組和對照組之間的選擇性偏誤，本文采用了PSM-DID方法對碳交易政策的影響進(jìn)行分析。本文以控制變量中企業(yè)自身特征的8個指標(biāo)作為協(xié)變量，使用如下的二元logistic回歸來估計傾向得分：

P（Xi）=E（Di=1|Xi）=P（Treat=1|Xi）（4）

其中，Xi表示企業(yè)特征，PXi表示i企業(yè)參加碳交易政策的概率，在獲得傾向得分后，本文使用近鄰匹配方法為受碳交易政策影響的企業(yè)尋找那些傾向得分相近的企業(yè)作為新的對照組。經(jīng)過傾向得分匹配后，各協(xié)變量在處理組和控制組之間的偏差有明顯下降趨勢。表2中的結(jié)果表明，無論是對于全要素生產(chǎn)率還是企業(yè)的數(shù)字化轉(zhuǎn)型，在經(jīng)過樣本匹配之后，碳交易政策發(fā)揮的正向影響效果依然顯著。

4替換被解釋變量

本文將基準(zhǔn)回歸模型中的全要素生產(chǎn)率從LP方法得到的測度量替換成GMM估計得到的測度量tfp2，對于數(shù)字化轉(zhuǎn)型程度的替換為使用文本分析法和專家打分法構(gòu)建制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型指數(shù)dig2，回歸得到碳交易政策變量的系數(shù)分別為0072和0084，且在1%和10%的水平上顯著，進(jìn)一步說明了基準(zhǔn)回歸結(jié)論的穩(wěn)健性。

5預(yù)期效應(yīng)

雙重差分的預(yù)期效應(yīng)是指企業(yè)因預(yù)期到碳交易市場的啟動而改變了生產(chǎn)行為，造成處理組和控制組形成了明顯的事前不可比有效預(yù)期。本文將處理組的政策實施時間提前一年，在原有模型中加入提前一年的預(yù)測變量did1，如表2所示，無論是對于全要素生產(chǎn)率還是數(shù)字化轉(zhuǎn)型程度，did1的回歸系數(shù)都不顯著，即預(yù)期效應(yīng)不對基準(zhǔn)回歸模型的結(jié)論造成影響。

（三）中介效應(yīng)檢驗

中介效應(yīng)模型能夠分析解釋變量對被解釋變量的作用機(jī)制，直觀地說，解釋變量X可以直接影響被解釋變量Y，也能夠通過中介變量M影響Y。M作為中介變量需要滿足以下兩個條件：一是X對M有顯著影響，二是M對Y有顯著影響。檢驗中介變量是否有效需要依次估計下列關(guān)系式中的系數(shù)：

Y=CX+ε1

M=aX+ε2

Y=C′X+bM+ε3（5）

其中，C被稱為變量X對Y的總效應(yīng)，ab被稱為變量通過M對Y產(chǎn)生的間接效應(yīng)。對比加入中介變量C和C′的變化，若C-C′或ab顯著，則中介效應(yīng)顯著。常見的中介效應(yīng)檢驗方法主要有逐步回歸檢驗法、Sobel檢驗法和Bootstrap檢驗法。逐步回歸是一種經(jīng)典的檢驗方法，該方法依次檢驗系數(shù)C、a和b是否顯著。Sobel檢驗法則基于a和b的大小構(gòu)造統(tǒng)計量得：

Z=ab?a2S2b+b2S2a[SX）]（6）

進(jìn)一步，對其進(jìn)行檢驗直接判斷ab顯著性。Sobel檢驗法的檢驗功效強(qiáng)于逐步回歸法，但假設(shè)樣本數(shù)據(jù)滿足正態(tài)分布和大樣本條件。對于非正態(tài)的數(shù)據(jù)，Bootstrap方法能夠更準(zhǔn)確地分析ab的顯著水平。具體操作方法為：假設(shè)原始數(shù)據(jù)的樣本容量為100，從中隨機(jī)有放回地抽取一組樣本容量為50的樣本，重復(fù)2000次，對每個Bootstrap樣本的統(tǒng)計量進(jìn)行估計。通過對以上2000個Bootstrap統(tǒng)計從小到大排序構(gòu)造一個抽樣分布，使用25%與975%分位數(shù)構(gòu)成一個置信區(qū)間，如果該置信區(qū)間沒有包括0，則可驗證ab的顯著性，中介效應(yīng)成立。

本文分別使用了上述三種方法對中介效應(yīng)進(jìn)行檢驗。根據(jù)表3，對于逐步回歸法，系數(shù)a和b均在1%的水平上顯著為正。對于Sobel檢驗方法，間接效應(yīng)ab在5%的水平上顯著為正。對于Bootstrap檢驗方法，將經(jīng)過2000組抽樣得到的樣本統(tǒng)計量從小到大排序構(gòu)造了一個分布，ab在25%和975%的分位數(shù)分別為0017和0030，置信區(qū)間不包括0，即在5%的顯著性水平上可以拒絕ab為0的假設(shè)。在上述三種檢驗框架下，實證結(jié)果都驗證了假設(shè)H1的成立，即在碳排放權(quán)交易政策對企業(yè)全要素生產(chǎn)率產(chǎn)生積極效果作用的過程中，企業(yè)數(shù)字化轉(zhuǎn)型發(fā)揮了一定的中介效應(yīng)。然而，從C′和C的數(shù)值對比可以看出，企業(yè)的數(shù)字化轉(zhuǎn)型并不是完全的中介變量，進(jìn)一步說明碳排放權(quán)交易政策也會通過其他途徑對企業(yè)的全要素生產(chǎn)率產(chǎn)生影響。

五、進(jìn)一步分析

（一）所有制對碳交易政策效果的影響

本文進(jìn)一步探究了碳交易政策對于不同所有權(quán)企業(yè)影響強(qiáng)度的差異。異質(zhì)性分析方法分為兩種：一是依據(jù)固定特征將樣本分組回歸，比較回歸系數(shù)的差異，但該方法可能會忽略分組樣本差異因素導(dǎo)致的結(jié)果偏差；二是構(gòu)造虛擬變量與核心解釋變量的交互項，基于樣本總體回歸得到的交互項系數(shù)直接反映了兩組樣本差分的結(jié)果。本文使用后者進(jìn)行異質(zhì)性分析，引入所有制虛擬變量Ownership，將非國有制企業(yè)賦值為1，國有企業(yè)賦值為0，進(jìn)行全樣本回歸。根據(jù)表4中的結(jié)果，Ownership與did交互項系數(shù)在1%的水平上顯著為正，這表明無論是對于企業(yè)全要素生產(chǎn)率還是數(shù)字化轉(zhuǎn)型程度，碳排放權(quán)交易政策對非國有制企業(yè)的數(shù)字化轉(zhuǎn)型和生產(chǎn)效率的促進(jìn)效果更強(qiáng)。

（二）風(fēng)險承擔(dān)水平

本文進(jìn)一步研究了企業(yè)自身的風(fēng)險承擔(dān)水平對碳交易政策效果產(chǎn)生的影響。參考何瑛等（2019）［25］使用的方法，使用roa波動程度來衡量企業(yè)的風(fēng)險承擔(dān)水平，具體操作方法為：首先，將企業(yè)roa減去年度行業(yè)均值，隨后以每三年為一個觀測時間段，滾動計算經(jīng)過行業(yè)周期調(diào)整后的roa標(biāo)準(zhǔn)差，將該結(jié)果乘上100后得到相應(yīng)指標(biāo)。在原有結(jié)果基礎(chǔ)上進(jìn)行對數(shù)化處理后得到企業(yè)風(fēng)險承擔(dān)水平度量指標(biāo)Risk，將Risk、Risk與政策變量did的交互項帶入基準(zhǔn)模型中進(jìn)行估計，由于部分?jǐn)?shù)據(jù)缺失，本部分的樣本觀測總數(shù)為4689組。根據(jù)表4，風(fēng)險承擔(dān)水平對企業(yè)的全要素生產(chǎn)率和數(shù)字化轉(zhuǎn)型都具有顯著的正向促進(jìn)作用，碳排放權(quán)交易政策對于全要素生產(chǎn)率的提升效果在風(fēng)險承擔(dān)水平更高的企業(yè)中更為明顯，假設(shè)H2被驗證。然而，對于企業(yè)的數(shù)字化轉(zhuǎn)型程度，風(fēng)險承擔(dān)水平與碳排放權(quán)交易政策效應(yīng)并沒有表現(xiàn)出顯著的協(xié)同效應(yīng)。

（三）碳交易市場特征

基準(zhǔn)回歸結(jié)果和穩(wěn)健性檢驗結(jié)果均證實了碳交易市場能夠顯著提升企業(yè)的全要素生產(chǎn)率并且企業(yè)的數(shù)字化轉(zhuǎn)型在其中發(fā)揮著一定的中介效應(yīng)。根據(jù)前文的理論分析，各個試點碳交易市場對企業(yè)全要素生產(chǎn)率的政策效果可能受到其自身規(guī)模、價格水平等多種特征的影響。本文選取碳交易市場的成交規(guī)模、價格水平、流動性三個特征指標(biāo)對假設(shè)H3進(jìn)行具體探究。其中，各個碳交易市場的規(guī)模為年度碳交易市場成交總量的對數(shù)，價格水平為年度成交均價的對數(shù)，流動性為當(dāng)年有效交易日與所有交易日的比值。

根據(jù)表5，可以看出市場成交規(guī)模與流動性的系數(shù)都顯著為正，成交均價顯著為負(fù)，這些結(jié)果在一定程度上驗證了假設(shè)H3。更大的市場規(guī)模和更高的市場流動性加強(qiáng)了碳交易市場中供需雙方企業(yè)的聯(lián)系，使雙方都能從交易市場中獲益，從而有益于提高企業(yè)的全要素生產(chǎn)率。在碳交易市場的初始建設(shè)階段，過高的碳交易配額價格將過度增加企業(yè)的減排成本和壓力，對企業(yè)效率改進(jìn)產(chǎn)生一定程度的資源擠出效應(yīng)，進(jìn)而部分抑制了企業(yè)的全要素生產(chǎn)率。

（四）數(shù)字經(jīng)濟(jì)指標(biāo)

上述結(jié)果驗證了碳交易政策能夠通過推動企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)而提升企業(yè)的全要素生產(chǎn)率，進(jìn)一步地，本文基于數(shù)字經(jīng)濟(jì)發(fā)展的豐富內(nèi)涵，研究企業(yè)所在地區(qū)支撐數(shù)字化發(fā)展所需設(shè)施的建設(shè)水平、互聯(lián)網(wǎng)普及率和數(shù)字金融發(fā)展水平對于碳交易政策效果造成的影響。本文選擇了省級信息傳輸、計算機(jī)服務(wù)和軟件業(yè)固定資產(chǎn)投資作為通信基礎(chǔ)設(shè)施的代理變量，長途光纜皮長占國土面積比例作為光纖建設(shè)水平的代理變量，互聯(lián)網(wǎng)用戶數(shù)占常住人口比例作為互聯(lián)網(wǎng)普及率的代理變量，數(shù)字來源于國家統(tǒng)計局和各省統(tǒng)計年鑒。從企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型所需的金融環(huán)境出發(fā)，本文則選取了由北京大學(xué)數(shù)字金融研究中心和螞蟻科技集團(tuán)研究院聯(lián)合負(fù)責(zé)編制的數(shù)字普惠金融指數(shù)作為數(shù)字金融發(fā)展水平的度量。該指數(shù)從數(shù)字金融覆蓋廣度、數(shù)字金融使用深度和普惠金融數(shù)字化程度等三個維度構(gòu)建了數(shù)字普惠金融指標(biāo)體系［26］，但由于該指數(shù)從2011年起才開始發(fā)布，因此在對該變量的調(diào)節(jié)效應(yīng)進(jìn)行研究時，損失了2010年共288組觀測數(shù)據(jù)。

表6中的結(jié)果顯示，幾組回歸結(jié)果中的交互項系數(shù)均顯著為正，說明所在地區(qū)支撐數(shù)字經(jīng)濟(jì)發(fā)展的相關(guān)硬件建設(shè)，互聯(lián)網(wǎng)普及率以及數(shù)字普惠金融的發(fā)展對于碳交易的政策效果具有正向調(diào)節(jié)效應(yīng)，即數(shù)字化硬件建設(shè)越完善，互聯(lián)網(wǎng)普及率越高和數(shù)字金融發(fā)展水平越高，碳交易政策給企業(yè)全要素生產(chǎn)率帶來的提升效果越強(qiáng)，假設(shè)H4得以驗證。

六、結(jié)論與啟示

評估碳交易試點市場的政策效果，對于我國碳交易市場的建立和完善，助力高質(zhì)量發(fā)展的目標(biāo)實現(xiàn)具有重要的現(xiàn)實意義。碳交易市場中最重要的主體是企業(yè)，企業(yè)能否同時實現(xiàn)全要素生產(chǎn)率的提高和減排目標(biāo)是衡量碳交易市場政策效果的重要標(biāo)準(zhǔn)之一。本文基于2010—2019年部分城市A股重污染行業(yè)的上市企業(yè)數(shù)據(jù)，使用雙重差分模型探討了碳交易政策對企業(yè)全要素生產(chǎn)率的影響水平和作用機(jī)制。本文得到以下結(jié)論：（1）試點碳交易政策能夠顯著提高重污染行業(yè)企業(yè)全要素生產(chǎn)率，企業(yè)數(shù)字化轉(zhuǎn)型在這一過程中發(fā)揮著中介作用。（2）碳交易政策對非國有企業(yè)和風(fēng)險承擔(dān)水平更高的企業(yè)全要素生產(chǎn)率的提升效果更強(qiáng)。（3）碳交易市場的成交規(guī)模越大，流動性越強(qiáng)，它對企業(yè)全要素生產(chǎn)力的提升作用越強(qiáng)，而成交均價過高則會對碳交易政策的正向效果產(chǎn)生的抑制作用。（4）地區(qū)通信設(shè)施建設(shè)、光纖建設(shè)水平、互聯(lián)網(wǎng)普及率和數(shù)字普惠金融發(fā)展都能正向促進(jìn)碳交易政策對企業(yè)全要素生產(chǎn)率的提升效果。

根據(jù)本文結(jié)論，可以得到以下政策啟示：首先，碳交易是通過價格信號引導(dǎo)企業(yè)采取適當(dāng)措施實現(xiàn)減排目標(biāo)的有效工具，合理的碳價能夠有效促進(jìn)經(jīng)濟(jì)的低碳轉(zhuǎn)型，優(yōu)化社會激勵機(jī)制。我國目前碳交易市場的產(chǎn)品較為單一，基本上都為現(xiàn)貨交易，更為豐富的碳金融產(chǎn)品有待開發(fā)，從而增加碳資產(chǎn)的吸引力。政府應(yīng)適當(dāng)調(diào)控碳價，將宏觀立法與微觀市場運(yùn)作相結(jié)合，建立合理的初始免費(fèi)配額分配和價格引導(dǎo)機(jī)制，以穩(wěn)定碳價，提高效率。其次，碳交易政策是實現(xiàn)碳減排與企業(yè)生產(chǎn)效率提高的重要舉措，數(shù)字經(jīng)濟(jì)在其中能夠發(fā)揮積極的正向作用。數(shù)字經(jīng)濟(jì)是加快經(jīng)濟(jì)發(fā)展的新引擎，是推動社會高質(zhì)量綠色發(fā)展的新思路，根據(jù)本文的顯性影響路徑，政府應(yīng)完善數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施，重視科技人才的培養(yǎng)，夯實數(shù)字產(chǎn)業(yè)化基礎(chǔ)，將數(shù)字經(jīng)濟(jì)作為實“雙碳”目標(biāo)的關(guān)鍵抓手，協(xié)助企業(yè)提升數(shù)字技術(shù)創(chuàng)新水平，加快各領(lǐng)域數(shù)字科技成果轉(zhuǎn)化。

參考文獻(xiàn)：

［1］?Yu?X，?ShiJ，?Wan?K，?et?al.?Carbon?Trading?Market?Policies?and?Corporate?Environmental?Performance?in?China［J］.?Journal?of?Cleaner?Production，?2022，371：133683.

［2］?Martin?R，Muuls?M，?Wagner?UJ.?The?Impact?of?the?European?Union?Emissions?Trading?Scheme?on?Regulated?Firms：?What?is?The?Evidence?after?Ten?Years？［J］.?Review?of?Environmental?Economics?and?Policy，2016，10（1）：?129-148.

［3］?胡江峰，黃慶華，潘欣欣.?環(huán)境規(guī)制、政府補(bǔ)貼與創(chuàng)新質(zhì)量——基于中國碳排放交易試點的準(zhǔn)自然實驗［J］.?科學(xué)與科學(xué)技術(shù)管理，2020，41（2）：?50-65.

［4］?Zhu?R，Long?L，Gong?Y.?Emission?Trading?System，Carbon?Market?Efficiency，and?Corporate?Innovations［J］.?International?Journal?of?Environmental?Research?and?Public?Health，2022，19（15）：?9683.

［5］?李暉.?碳排放權(quán)交易能促進(jìn)企業(yè)創(chuàng)新嗎？——基于中國碳交易試點覆蓋企業(yè)的檢驗［J］.系統(tǒng)工程，2022，40（6）：?11-22.

［6］?Meng?L，Wang?K，Su?T，et?al.?Carbon?Emission?Trading?and?Corporate?Financing：?Evidence?from?China［J］.?Energies，2022，15（14）：?5036.

［7］?王守杰，周暢，金藝冉.?碳交易與企業(yè)品牌價值提升效應(yīng)——基于項目制與市場制碳交易的檢驗［J］.?財務(wù)研究，2021（5）：?29-41.

［8］?Yang?S，Shen?Q，Jahanger?A，et?al.?The?Impact?of?Carbon?Emission?Trading?Scheme?on?Export：?Firm-level?Evidence?from?China［J］.?Frontiers?in?Environmental?Science，2022，10：1035650.

［9］?Wang?L，Chen?Z，Huang?Z.?Research?on?The?Effects?and?Mechanism?of?Carbon?Emission?Trading?on?The?Development?of?Green?Economy?in?China［J］.?Sustainability，2022，14（19）：?12483.

［10］Yuan?B，Xiang?Q.?Environmental?Regulation，Industrial?Innovation?and?Green?Development?of?Chinese?Manufac-?turing：?Based?on?an?Extended?CDM?Model［J］.?Journal?of?Cleaner?Production，2018，176：?895-908.

［11］Andreou?P?C，Kellard?N?M.?Corporate?Environmental?Proactivity：?Evidence?from?the?European?Unions?Emissions?Trading?System［J］.?British?Journal?of?Management，2021，32（3）：?630-647.

［12］Wang?E，NieJ，Zhan?H.?The?Impact?of?Carbon?Emissions?Trading?on?the?Profitability?and?Debt?Burden?of?Listed?Companies［J］.?Sustainability，2022，14（20）：?13429.

［13］Andreou，P.C.，Kellard，N.M.?Corporate?Environmental?Proactivity：?Evidence?from?the?European?Unions?Emissions?Trading?System［J］.?British?Journal?of?Management，2021，32：630-647.

［14］Pan?X，Pu?C，Yuan?S，et?al.?Effect?of?Chinese?Pilots?Carbon?Emission?Trading?Scheme?on?EnterprisesTotal?Factor?Productivity：?The?Moderating?Role?of?Government?Participation?and?Carbon?Trading?Market?efficiency［J］.?Journal?of?Environmental?Management，2022，316：?115228.

［15］范丹，付嘉為，王維國.?碳排放權(quán)交易如何影響企業(yè)全要素生產(chǎn)率？［J］.?系統(tǒng)工程理論與實踐，2022，42（3）：?591-603.

［16］余姍，樊秀峰，蔣皓文.數(shù)字經(jīng)濟(jì)發(fā)展對碳生產(chǎn)率提升的影響研究［J］．統(tǒng)計與信息論壇，2022，37（7）：26-35.

［17］Stallkamp?M，Schotter?A?P?J.?Platforms?without?Borders？?The?International?Strategies?of?Digital?Platform?Firms［J］.?Global?Strategy?Journal，2021，11（1）：?58-80.

［18］韓曉晨，陳風(fēng)帆.數(shù)字化轉(zhuǎn)型與全要素生產(chǎn)率——基于綠色創(chuàng)新的中介效應(yīng)分析［J］．哈爾濱商業(yè)大學(xué)學(xué)報（社會科學(xué)版），2023（4）：71-87.

［19］Olley?G?S，Pakes?A.?The?Dynamics?of?Productivity?in?the?Telecommunications?Equipment?Industry［J］.Econo-?metrica，1996，64（6）：?1263-97.

［20］LevinsohnJ，Petrin?A.?Estimating?Production?Functions?Using?Inputs?to?Control?for?Unobservables［J］.?The?Review?of?Economic?Studies，2003，70（2）：?317-341.

［21］WooldridgeJ?M.?On?Estimating?Firrm-level?Production?Functions?Using?Proxy?Variables?to?Control?for?Unobserv-ables［J］.?Economics?Letters，2009，104（3）：?112-114.

［22］吳非，胡慧芷，林慧妍，等.?企業(yè)數(shù)字化轉(zhuǎn)型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)［J］.?管理世界，2021，37（7）：?130-144+10.

［23］趙宸宇，王文春，李雪松.?數(shù)字化轉(zhuǎn)型如何影響企業(yè)全要素生產(chǎn)率［J］.?財貿(mào)經(jīng)濟(jì)，2021，42（7）：?114-129.

［24］劉巖，秦海林.?綠色信貸政策能否抑制重污染企業(yè)金融化——基于《綠色信貸指引》的準(zhǔn)自然實驗［J］.?金融監(jiān)管研究，2022（10）：?61-77.

［25］何瑛，于文蕾，楊棉之.?CEO?復(fù)合型職業(yè)經(jīng)歷、企業(yè)風(fēng)險承擔(dān)與企業(yè)價值［J］.?中國工業(yè)經(jīng)濟(jì)，2019（9）：?155-173.

［26］郭峰，王靖一，王芳，等.?測度中國數(shù)字普惠金融發(fā)展：?指數(shù)編制與空間特征［J］.?經(jīng)濟(jì)學(xué)（季刊），2020，19（4）：?1401-1418.

Carbon?Emissions?Trading，Digital?Economy?and?Total?Factor?Productivity?of?Enterprises

DONG?Yu，?YUAN?Xue，?ZHA?Yong

（School?of?Management，University?of?Science?and?Technology?of?China，Hefei?230026，China）

Abstract：?The?goal?of?“carbon?neutral，carbon?peak”?is?in?line?with?the?inherent?need?for?high-quality?development，and?the?carbon?emission?trading?market?is?an?important?tool?to?achieve?the?goal.?However，its?impact?on?economic?development?is?still?worth?exploring.?Based?on?the?data?of?A-share?listed?companies?in?the?heavy?pollution?industry?from?2010?to?2019，this?paper?explores?the?impact?of?the?policy?on?the?total?factor?productivity?of?enterprises?by?difference-in-differences?model?based?on?the?official?launch?of?the?first?seven?pilot?carbon?trading?markets，and?analyzes?the?mechanism?from?the?perspective?of?the?characteristics?of?the?carbon?trading?market?and?the?development?of?the?digital?economy.?It?is?found?that?the?carbon?trading?policy?can?significantly?increase?the?total?factor?productivity?of?enterprises，and?the?above?findings?hold?after?a?series?of?robustness?tests?such?as?overcoming?sample?selection?bias，alleviating?endogeneity，and?replacing?the?explanatory?variables.?The?results?of?the?mechanism?analysis?suggest?that?the?digital?transformation?of?firms?plays?a?partly?mediating?role?in?the?process?of?carbon?trading?policys?effect?on?total?factor?productivity.?The?carbon?trading?policy?effect?is?stronger?in?non-state?enterprises?and?enterprises?with?a?higher?level?of?risk-taking.?Moreover，the?scale?of?carbon?market?transactions，liquidity，digital?infrastructure，Internet?penetration?and?the?development?of?digital?universal?finance?all?play?a?positive?moderating?effect?on?the?effect?of?carbon?trading?policy，while?the?level?of?carbon?quota?price?has?some?negative?moderating?effect.

Key?words：carbon?emission?trading?market;?total?factor?productivity;?difference-in-differences;?digital?economy

（責(zé)任編輯：趙春江）