黄蕾 等
双重差分法通过为受到政策影响的处理组找到一个不受政策影响的对照组来检验政策实施的实际影响。双重差分法要求对照组和处理组要有相似的特征，即满足平行趋势假设的要求，否则会使结果产生偏误。鉴于这次碳交易试点政策只涉及试点省市中的试点行业，我们可以考虑将处理组设置为试点省市里试点行业中的企业，而将对照组设置为试点省市里非试点行业的企业或非试点省市里的企业，然后进行双重差分法检验。但这两种对对照组的设置都有可能无法满足平行趋势假设的要求：若将对照组设置为试点省市里非试点行业的企业，试点行业中的企业的全要素生产率的变化趋势相对于非试点行业中的企业即使在未出台碳交易试点政策的情况下本来就可能存在差异，即存在行业间的差异；若将对照组设置为非试点省市里的企业，则无法排除其他政策对不同地区产生不一致影响的干扰，如2007年针对天津、重庆、湖北等11个省的SO2排放权交易试点政策，以及2014年针对湖北、广东等7个省的水权交易试点政策。因而，无论以哪一组作为对照组，采用双重差分法估计的结果可能并不可靠。
如果平行趋势假设不成立，通常可以采用三重差分法解决[26]。碳交易试点政策的实施提供了很好的准自然实验，通过设置两组对照组，将对照组1设置为试点省市里非试点行业的企业，对照组2设置为非试点省市里的企业，就可以消除处理组与对照组1之间存在的行业差异和与对照组2之间存在的地区差异，得到一致估计。
本文采用三重差分法来检验碳排放交易试点政策对企业全要素生产率的影响，第一层差分来自于地区层面(试点省市和非试点省市)，第二层差分来自于行业层面(试点行业和非试点行业)，第三层差分来自于年份(政策实施前和政策实施后)。考虑到本文使用的是面板数据，通过进行F检验和Hausman检验，结果显示应采用固定效应模型。具体的计量模型如下：
∝+β1Provi,j×Indusi,k×Treatt+β2Provi,j×Indusi,k+β3Indusi,k×Treatt+β4Provi,jYi,j,k,t=×Treatt+γXi,j,k,t+provincej+industryk+εi,j,k,t (1)
其中，下标i、j、k、t分别表示企业、省市、行业和时间，Yi,j,k,t为被解释变量TFP，provi,j、indusi,k和
treatt为虚拟变量，各变量的解释见表2。Xi,j,k,t表示前面提到的控制变量。provincej是地区固定效应，industryk是行业固定效应。εi,j,k,t是随机误差项。本文最感兴趣的系数是β1，它反映的是碳交易试点政
策对试点省市里试点行业中的企业的影响。
Table 2. Variable definitions 表2. 变量定义
变量类型 被解释变量
变量符号 TFP Prov
虚拟变量
Indus Treat Growth Fcf Top1
控制变量
Soe Lev Indirect Roa
变量解释 全要素生产率 试点省市取1，否则取0 试点行业取1，否则取0 2012年及以后取1，否则取0
企业发展能力，(本年营业收入-去年营业收入)/上年营业收入
经营活动产生的净现金流量/资产总额 股权集中度，以“第一大股东持股比例”表示
国企取1，否则取0 资产负债率，滞后一期
独立董事比例(独立董事人数/董事会人数)
资产收益率，滞后一期
DOI: 10.12677/jlce.2020.92008
75
低碳经济
黄蕾 等
5. 实证结果分析
5.1. 变量描述性统计
表3是相关变量的描述性统计。如表所示，处理组企业(试点省市里试点行业的企业)的全要素生产率的均值低于对照组1，这说明在试点省市中处于不同行业间的企业全要素生产率原本就可能存在差异。再者，对照组2中企业的全要素生产率明显低于其他两组，说明试点地区的企业全要素生产率可能原本就高于非试点地区。同时，观察到本文选取的所有企业的全要素生产率标准差为1.0058，最小值为3.1710，最大值为16.8029，这表明在2008~2015年间样本企业间全要素生产率存在着较大差异。同时，控制变量在处理组与2组对照组间也存在较大差异，这为考察碳交易试点政策对上市公司全要素生产率的影响提供了很好的样本。而观察股权性质Soe可以发现，相较于两个对照组，处理组中有79.51%的企业是国有企业，这表明高碳排放行业几乎由国有企业垄断。
Table 3. Descriptive statistics of variables 表3. 变量描述性统计
处理组
变量符号 TFP Growth Fcf Top1 Soe Lev Indirect Roa
N 288 288 288 288 288 288 288 288
平均值 12.9631 0.1029 0.0698 38.7556 0.7951 0.4988 0.3656 0.0424
标准差 0.9369 0.2211 0.0608 16.5872 0.4043 0.1876 0.5392 0.0541
N 1912 1912 1912 1912 1912 1912 1912 1912
对照组1 平均值 13.0680 0.1290 0.0434 36.2333 0.6899 0.5049 0.3680 0.0451
标准差 1.0573 0.2713 0.0687 16.1585 0.4627 0.1841 0.0564 0.0535
N 4192 4192 4192 4192 4192 4192 4192 4192
对照组2 平均值 12.7767 0.1129 0.0493 34.9960 0.6596 0.5164 0.3664 0.0377
标准差 0.9725 0.2630 0.0664 14.6064 0.4739 0.1979 0.0528 0.0604
5.2. 实证结果
本文用Stata15.1对模型(1)进行估计，表4报告了估计结果。其中，第(1)、(2)是没有添加其他控制变量的结果，第(1)列控制了省份固定效应和行业固定效应，第(2)列控制了个体固定效应；第(3)、(4)列加入了控制变量，第(3)列控制了省份固定效应和行业固定效应，第(4)列控制了个体固定效应。4列结果显示交乘项Prov × Indus × Treat的估计系数均在1%的显著性水平上显著为负，表明碳交易试点政策显著降低了企业全要素生产率。
Table 4. The impact of emissions trading pilot policies on total factor productivity: the triple difference method 表4. 碳排放交易试点政策对全要素生产率的影响：三重差分法
Prov × Indus × Treat
(1) ?0.2138*** (0.0082) 12.7924*** (0.0000)
(2) ?0.2138*** (0.0077) 12.8086*** (0.0000)
全要素生产率TFP
(3) ?0.3302*** (0.0000) 10.9382*** (0.0000)
(4) ?0.3050*** (0.0001) 11.6674*** (0.0000)
_cons
DOI: 10.12677/jlce.2020.92008
76
低碳经济
黄蕾 等
Continued
Control 省份固定效应 行业固定效应 个体固定效应
N R2
No Yes Yes No 6392 0.3363
No No No Yes 6392 0.8376
Yes Yes Yes No 6391 0.5026
Yes No No Yes 6391 0.8712
注：*、**和***分别表示10%、5%和1%的显著性水平，括号内为p值；Control表示控制变量。以下各表同。
5.3. 动态效应分析
为了揭示碳交易试点政策影响上市公司全要素生产率的动态效应，引入虚拟变量Year12、Year13、Year14、Year15，分别在对应年份取值为1，其他年份则取值为0，与Prov和Indus交乘，得到的估计结果如表5。这表明碳交易试点政策对上市公司全要素生产率的降低作用在2012至2015年期间逐渐增强。
Table 5. Dynamic impact of carbon trading pilot policy on total factor productivity: Triple difference method 表5. 碳交易试点政策对全要素生产率的动态影响：三重差分法
Prov × Indus × Year12
(1) ?0.1727** (0.0218) ?0.3592*** (0.0000) ?0.3684*** (0.0002) ?0.4228*** (0.0001) 10.9377*** (0.0000) Yes Yes Yes No 6391 0.5035
全要素生产率TFP
(2) ?0.2042*** (0.0026) ?0.3380*** (0.0000) ?0.3391*** (0.0001) ?0.3406*** (0.0008) 11.6644*** (0.0000) Yes No No Yes 6391 0.8718
Prov × Indus × Year13
Prov × Indus × Year14
Prov × Indus × Year15
_cons Control 省份固定效应 行业固定效应 个体固定效应
N R2
5.4. 稳健性检验
为保证前文实证结果的稳健性，本文进一步做了如下检验： 5.4.1. 排除测度方式的影响
本文进一步采用OP方法，在排除了代理变量缺失的样本后，估计其他企业的全要素生产率，以避
DOI: 10.12677/jlce.2020.92008
77
低碳经济
黄蕾 等
免测度方式的不同影响前文实证检验结果。具体而言，使用企业上市年龄和固定资产净值作为状态变量，用股权性质作为控制变量，用企业的投资作为代理变量，用员工人数和购买商品、接受劳务支付的现金作为自由变量，用公司简称和行业的同时变化衡量企业是否退出，得到由OP方法估计出来的全要素生产率。并引入企业个体固定效应，进行三重差分回归，检验结果如表6第(1)列和第(2)列所示，与前文一致，说明本文的回归结果并不受被解释变量测度方式不同的影响。 5.4.2. 排除其他事件的影响
为排除碳交易试点政策出台后其他事件的干扰，本文还缩小了时间窗口，仅选取2011年和2012年这两年作为研究期间进行三重差分回归，检验结果如表6第(3)列和第(4)列所示。结果显示，交互项Prov × Indus × Treat的系数至少在10%的显著性水平下显著为负，表明第一年年底的碳交易试点政策对上市公司全要素生产率的降低作用在第二年就已经开始显现，这就在一定程度上排除了碳交易试点政策出台后其他事件的干扰。 5.4.3. 安慰剂检验
本文通过随机选取8个其他行业作为试点行业，并与前文一样进行对模型(1)的回归，进一步采取构造反事实的方法来进行安慰剂检验，检验结果如表6第(5)列和第(6)列所示，回归结果显示交互项Prov × Indus × Treat的估计系数并不显著。
Table 6. Robustness test 表6. 稳健性检验
DDD
(1) ?0.3189*** (0.0017) 16.8360*** (0.0000) No No No Yes 5854 0.8891
OP法
(2) ?0.3646*** (0.0003) 15.9040*** (0.0000) Yes No No Yes 5853 0.9001
(3)
缩小时间窗口
(4) ?0.1375** (0.0307) 11.9315*** (0.0000) Yes No No Yes 1598 0.9495
(5) 0.0578 (0.6726) 12.8234*** (0.0000) No Yes Yes No 6384 0.3345
安慰剂
(6) ?0.0752 (0.5074) 10.9733*** (0.0000) Yes Yes Yes No 6383 0.4974
?0.1365* (0.0618) 10.9446*** (0.0000) Yes Yes Yes No 1598 0.5167
_cons Control Province Industry Stkcd N R2
注：DDD表示交互项Prov × Indus × Treat，Province、Industry、Stkcd分别表示省份固定效应、行业固定效应和个体固定效应。
因而，以上一系列稳健性检验结果表明前文得到的结论是一致的。
5.5. 作用机制检验
以上研究表明，碳交易试点政策会降低企业全要素生产率。那么碳交易试点政策通过什么渠道使企业全要素生产率降低？根据前文的理论分析，碳交易试点政策可能会影响企业的资源配置效率。本文从企业投资角度考虑，研究碳交易试点政策对企业资本配置效率的影响，检验这一作用机制是否成立。
具体而言，借鉴方军雄[27]、钱雪松等[12]研究处理方法，运用“投资——投资机会”敏感性模型来
DOI: 10.12677/jlce.2020.92008
78
低碳经济
黄蕾 等
检验碳交易试点政策是否通过资本配置效率来降低企业全要素生产率，具体模型如下：
Capitali,j,k,t=∝+β1Provi,j×Treatt×Roai,j,k,t+β2Provi,j×Treatt+β3Provi,j×Roai,j,k,t+β4Roai,j,k,t×Treatt+β5Roai,j,k,t+γXi,j,k,t+provincej+industryk+εi,j,k,t (2)
其中，Capitali,j,k,t表示企业投资水平，用“(购建固定资产、无形资产和其他长期资产支付的现金–处置固定资产、无形资产和其他长期资产收回的现金净额 + 取得子公司及其他营业单位支付的现金净额-处置子公司及其他营业单位收到的现金净额-折旧摊销)”计算，Roai,j,k,t表示企业投资机会，用滞后一期的资产收益率衡量，其他变量的定义和模型(1)一致。本文关心的是交互项Provi,j×treatt×roai,j,k,t的系数β1，它反映的是碳交易试点政策对试点省市里试点行业中的企业投资效率的影响。
模型(2)的实证结果如表7第(1)列和第(2)列所示。Prov × Treat × Roa的系数均在10%的水平下显著为负，表明碳交易试点政策出台后，处理组企业的投资效率显著下降，碳交易试点政策通过降低资本配置效率水平对企业全要素生产率产生了影响。
Table 7. Mechanism of action test and heterogeneity test 表7. 作用机制检验和异质性检验
PTR _cons Control Province Industry Stkcd N R2
企业性质
资本配置效率 (1) ?12.5691* (0.0616) ?2.4651** (0.0167) Yes Yes Yes No 1296 0.2676
(2) ?4.2444* (0.0850) 0.1009 (0.8791) Yes No No Yes 1295 0.8215
(3) ?0.2979*** (0.0002) 10.7279*** (0.0000) Yes Yes Yes No 4312 0.5599
国有企业
(4) ?0.2682*** (0.0001) 11.5218*** (0.0000) Yes No No Yes 4306 0.8969
(5) ?0.3420 (0.1028) 12.0047*** (0.0000) Yes Yes Yes No 2070 0.5216
非国有企业
(6) ?0.3506 (0.1122) 11.3270*** (0.0000) Yes No No Yes 2064 0.8457
注：PTR表示交互项Prov × Treat × Roa。
5.6. 异质性分析
尽管前文已经论证了碳排放交易试点政策对试点省市里试点行业中的企业全要素生产率的影响，但对试点中的不同企业的影响是否存在差异？由于不同性质的企业的碳减排成本和资源配置效率可能存在差异，进而影响企业的全要素生产率，本文从企业股权性质(国有和非国有)方面对碳交易试点政策影响企业全要素生产率的异质性进行检验。
表7第(3)列至第(6)列列出了这两组样本的回归结果，第(3)列和第(4)列显示的是国有企业样本的估计值，前者控制了省份固定效应和行业固定效应，后者控制了企业个体固定效应，结果均在1%的水平下显著为负，而第(5)列和第(6)列非国有企业样本的回归结果均显示交互项Prov × Treat × Roa的系数不显著，这表明与国有企业相比，非国有企业的全要素生产率没有因为碳交易试点政策的冲击而显著降低。这表明国有企业的全要素生产率在碳交易试点政策下受到的影响可能更大。
DOI: 10.12677/jlce.2020.92008
79
低碳经济
碳排放权交易制度对企业全要素生产率的影响——基于上市公司的三重差分实证研究
