本刊网址 http / /jjkx． xjtu． edu． cn; http / /www． ddjjkx． cn2016 年 5 月第 38 卷 第 3 期当 代 经 济 科 学Modern Economic ScienceMay 2016Vol．38 No．3中国污染物排放权交易的增长效应和生态效应 1998 －2012庞瑞芝1， 孙长悦2， 王 亮1 1． 南开大学 经济与社会发展研究院 ， 天津 300071; 2． 招商银行 天津分行 ， 天津 300201摘要 本文构建了基于环境技术的数据包络分析模型 ， 定义了三种情形 总量控制情形 ， 排放权跨区交易情形以及排放权跨期跨区交易情形 ， 建立了排放权交易增长效应和生态效应的分析框架 ， 并测算了 1998 －2012 年期间中国 30 个省市在不同排放权交易机制下的增长效应和生态效应 。结果显示 排放权交易机制能够实现增长效应 ， 两种排放权交易情形下增长效应相差不大 ， 但是各省市之间增长效应差异显著 ; 排放权交易机制可以带来一定的生态效应 ， 但部分省市在样本期间存在生态恶化 。关键词 排放权交易 ; 环境技术 ; 增长效应 ; 生态效应文献标识码 A 文章编号 1002 －2848 －2016 03 －0060 －12一 、引言与文献回顾改革开放以来中国经济发展迅速 ， 但如影随形的环境污染 ， 却成了我们无法承受之重 。近年来持续不断的严重雾霾天气让穹顶之下的人们深刻感受到环境污染之苦 。中国 “十二五 ”节能减排目标能否实现 ， 日益恶化的环境能否支撑中国经济的可持续发展 增长与环境真的不能两全吗 在增长与环境保护之间 ， 政府调控手段似乎常常难以奏效 ， “环境违法 ”似乎成了企业家常便饭 。而市场机制在环保领域尚需发挥更重要作用 。排放权交易就是市场机制在环保领域的典型制度安排 。在中国 ， 碳排放权交易是主要的排放权交易之一 。目前 ， 北京和承德市开展跨区交易试点 ， 但其他试点形成的都只是区域内的碳排放交易市场 ， 在本省市的交易平台进行配额交易 。根据国家发改委对碳排放交易市场收稿日期 2016 －01 －03基金项目 本文是教育部人文社科基金项目 新常态下中国服务业产业组织及生产率系统考察与提升路径研究 项目号 15YJA790049的阶段性成果 。作者简介 庞瑞芝 1973 － ， 女 ， 山东省梁山县人 ， 南开大学经济与社会发展研究院教授 ， 经济学博士 ， 研究方向 产业效率 、产业组织与产业发展 ; 孙长悦 1990 － ， 河北省衡水市人 ， 招商银行天津分行 ; 王亮 1993 － ， 浙江省金华市人 ， 南开大学经济与社会发展研究院硕士研究生 ， 研究方向 生产率与产业效率 。建设的时间表 ， 2015 年将总结归纳试点情况 ， 并未给今后要实行的跨区域排放权交易指明方向 。那么 ， 我们当前面临的一个问题是 今后将要实行的跨区域排放权交易能否真的为中国带来增长效应和生态效应 进一步研究探索跨省市交易方案 ， 评价中国排放权交易机制带来的效应并为中国排放交易政策制定提供决策依据显得尤为重要 。国外最早提到产权交易的是 Coase［ 1］， 其认为纯粹的控制排放量的方法使得污染物无法流动从而达不到最有效的结果 ， 而将市场机制引入到环境资源的配置和生态环境的保护中 ， 使排放权指标在经济主体之间进行自主的交易和合理的配置 ， 会有利于污染物排放企业的合理布局和各类资源的优化配置 ， 实现环境效益与经济效率的统一 。Crocke［ 2］和Dale［ 3］分别将科斯的理论用于空气污染控制和水污染控制问题 ， 自此奠定了排放权交易的理论基础 。06中国学者也对排放权交易的可行性［ 4］、初始分配问题［ 5 －6］等进行了研究 。近年来越来越多的学者开始考察排放权交易机制带来的经济效益 、环境效益 。Farell 等［ 7 －8］分别从投入和产出的视角考察了排放权交易机制下的潜在效益 。涂正革和谌仁俊［ 9］研究排放权交易机制在中国的短期以及长期波特效应 ，但论文中其将污染物视作投入的处理方式并不合理 。这样做会高估真实的生产率 ， 造成计算偏差［ 10］。此外如果将污染物作为投入 ， 则其被用来表示环境的使用量 。隐含条件就是 每个地方 ， 每个时间点 ， 每一单位的污染物排放都需要使用相同数量的环境净化服务［ 11］。中国区域发展不平衡 ， 该假设条件显然不成立 。因此将污染物作为非期望产出更为合理 。在研究方法上 ， 国内学者林坦和宁俊飞［ 12］， 郑立群［ 13］， 苗壮等［ 14］， 陈诗一［ 15］采用不同方法研究了碳排放相关问题 。中国已经被许多国家看作是最具潜力的减排市场 ， 有必要对碳交易机制和碳金融工具进行预先研究 。与现有研究相比本文有以下特点 ①本文在Farell 等提出的基于环境生产技术的 DEA 模型基础上 ， 加入了低碳视角分析和环境影响分析 ， 估算1998 － 2012 年中国省际排放权交易的经济意义和环境影响并探究了两者之间的关系 ， 从而更科学的衡量了排放权交易的影响 。②国家规定了 2020 年的二氧化碳和二氧化硫的减排目标 ， 本文同时研究了这两种污染物的排放权交易 ， 并进行比较 ， 更具有现实意义 。③本文首次比较了在中国市场上跨区交易和跨区跨期交易这两种机制的效应 ， 并为今后进一步的政策制定提供建议 。④从全国总量层面以及省际两个角度进行分析 ， 并就不同省市能够达到的增长效应与生态效应对其进行分级 、评价 。二 、基于环境技术的 DEA 模型构建Farrell 等［ 7］设计了三种不同的情形用新的视角对排放权交易的收益进行研究 。三种情形分别为 总量控制的情形 command and control， CAC ， 其含义为控制污染物排放总量维持不变 ， 通过技术改进使得投入产出达到效率最大时的情况 ; 排放权可跨区交易的情形 permits are traded spatially， TP_S ， 其含义为允许污染物进行跨区域交易但排放总量不超过总量控制情形下的排放量 ; 排放权可跨期跨区交易情形 permits are traded spatially and temporally， TP_ST ， 其含义为允许污染物跨区域 、跨时期交易但排放总量不超过总量控制情形下的排放量 。本文借鉴 Farrell 的模型 ， 在总量控制 、排放权跨区交易 、排放权跨区跨期交易三种情形下 ， 基于环境技术构建数据包络分析模型并据此提出增长效应 、生态效应的测度方法 。 一 总量控制情形下的 DEA 模型总量控制情形 CAC 要使得每个决策单元 DMU 在给定投入要素和坏产出不变的条件下 ， 好产出达到最大值 。其假设在每个样本时期 t t 1，T ， 第 i i 1， ， I 个 DMU 的混合投入项为 xti xti1， ， xtiN ， 好产出为 yti， 坏产出为 bti btt1， ，btiJ ， 那么在 CAC 情形下 DMUi在第 t 期最大化好产出可以表示为 maxytis． t．∑Ii 1wtiyti≥yti∑Ii 1wtiytiJ bti， j 1， ， J∑Ii 1wtixtin≤xti， n 1， ， Nwti≥， i 1， ， I， t 1， T 1在 CAC 情形下 ， 好产出与投入集合是强可抛的 ， 即可以在不改变投入的前提下增加好产出 ， 其中 ， bti和 xti是 DMUi在 t 期的第 j 项坏产出和第 n 项投入 ， 是已知量 。通过式 1 可以求得 wti和yti的最大值 ， 其中 wti是线性规划的权重 ，yti的含义是在每个 DMUi在投入要素和坏产出不变的情况下 ， 可以生产出好产出的最大值 ， 所以在 CAC 情形下 ， 好产出的增加量为yti－ yti。为了便于区分 ， 将 CAC情形下第 i 个 DMU 在第 t 期的最优产出记为 YCACi， t。 二 可跨区交易情形下的 DEA 模型污染物可以跨区交易 TP_S 情形要求排放总量不超过总量控制情形下的排放量 ， 所有 DMU 的好产出总和最大 。首先将可以交易的坏产出集合的和固定 ， 记为 Btj∑Ii 1btij， j L 1， ， J， 那么每个时期 ， 所有 DMU 总的最大化好产出就可以表示为 max∑Iiytis． t．∑Ii 1wtiiyti≥ytit， i 1， I16∑Ii 1wtiibtij btij， i 1， I， j 1， ， L∑Ii 1wtiibtijbtij， i 1， ， I， j L 1， ， J∑Ii 1wtiixtin≤xtin， i 1， ， I， n 1， Nwit≥0， i 1， ， I， i 1， ， I∑Ii 1bti， j≤Bij， j L 1， ， J 2式 2 中的btij， j L 1， ， J 是第 t 期所有DMU 好产出的和达到最大值时 ， 排放权可交易的坏产出的值 ， 其中 ， 经过交易的坏产出总和不能大于初始坏产出的总和 。yti是第 t 期所有 DMU 好产出的和达到最大值时 ， DUMi 的好产出的值 。为了便于区分 ， 将排放权可跨区交易情形下第 i个 DMU在第 t期的好产出用 YTP_Si， t表示 。通过比较 YCACi， t和 YTP_Si， t， 可以测算每年每个DMU 通过排放权交易得到经济层面的增长 ， 通过比较btij与 btij可以得知通过重新配置坏产出 ， 每年每个DMU 是需要买进还是卖出部分污染物或温室气体排放权 。式 2 中的第三个约束条件∑Ii 1wtiibtijbtij表示在最大化总产出时 ， 实行排放权交易政策后所得到的气体排放数量 ， 但在这里它没有直接约束作用 ， 需要联合最后一个约束条件∑Ii 1btijbtj 环境管制条件 一起起到约束作用 。本文认为环境管制条件是弱约束条件 ， 因此在考虑其他约束条件之后得到的实际污染物跨区交易情形下污染物排放总量很有可能小于它的初始排放总量 。因为在实行排放权交易政策之后 ， 很可能会带动低能耗产业或者地区的快速发展 ， 从而引发地区经济的能源结构优化或者提升能源效率 ， 进而减少污染物排放 。 三 可跨区跨期交易情形下的 DEA 模型污染物跨期跨区交易情形 TP_ST 要求在样本期间内 ， 某些污染物的排放权在所有 DMU 之间进行跨地区跨期交易 ， 并在该段时期内排放量不超过总量控制情形下的排放总量 ， 所有 DMU 在样本期间内的好产出最大化 ， 其坏产出的数量约束为 Bj∑Tt 1Btj， j L 1， ， J。虽然总的污染物排放量不会大于初始的污染物排放量 ， 但是由于污染物在样本期间进行重新配置 ， 所以可能出现某些年份污染物的排放量增大 ， 即出现 “先污染 ， 后治理 ”的情形 。在 TP_ST 情形下 ， 样本期间整体最大化好产出可以表示为 max∑Tt 1∑Ii 1ytis． t．∑Ii 1wtiiyti≥yti， t 1， T， i 1， ， I∑Ii 1wtiibtij btij， t 1， ， T， i 1， ， I， j 1，， L∑Ii 1wtiibtij珓btij， t 1， ， T， i 1， ， I， j L 1， ， J∑Ii 1wtiixtin≤xtin， t 1， ， T， i 1， ， I， n 1，， Nwtii， t 1， ， T， i 1， ， I， i 1， ， I∑Tt 1∑Ii 1珓bti， j≤Bj∑Tt 1Btj， j L 1， ， J 3通过式 3 ， 可以求得yti和珓bti， j的最优值 ， 将排放权可跨区跨期交易情形下第 i 个 DMU 在第 t 期的最优产出用 YTP_STi， t表示 ， 通过比较 YTP_STs， t和 YCACi， t，可以知道第 i 个 DMU 是否存在增长效应 ; 通过比较珓btij与初始值 ， 可以计算出该 DMU 是应该买入还是卖出这些坏产出的排放权 。 四 增长效应与生态效应的测算总量控制情形下的最优产出与 DMU 实际产出之间的差异是由纯技术无效引起的 ， 与污染物排放无关 ， 其差值表示技术达到有效情况下的潜在产出增长 。排放权跨区交易与总量控制情形下的最优产出之间的差异是由排放权跨区分配不合理 ， 或者说跨区分配无效引起的 ， 其差值表示排放权跨区交易下的潜在产出增长 。跨区跨期交易与总量控制情形下的最优产出之间的差异是由排放权跨区交易无效 ， 跨期交易无效引起的 ， 其差值表示排放权在跨区跨期交易下达到有效条件下的潜在产出 。本文将排放权交易的增长效应 Growth Effect，GE 定义为排放权交易情形下的最优产出与总量控制情形下的最优产出相比其增加的情况 。其中 ， 绝对增长效应 Absolute Growth Effect， AGE 定义为排放权交易情形下的最优产出与总量控制情形下的差值 ， 差值为正说明该地区存在增长效应 。同时 ， 相对26增长效应 Ｒelative Growth Effects， ＲGE 定义为排放权交易情形下的最优产出相对于总量控制情形下的最优产出增长的比率 。因此可定义两种增长效应为 AGETP_Si， t YTP_Si， t－ YCAC， t 4AGETP_STi， t YTP_Si， t－ YCAC， t 5ＲGETP_Si， tYTP_Si， t－ YCACi， tYCACi， t 6ＲGETP_STi， tYTP_Si， t－ YCACi， tYCACi， t 7总量控制与原始情况下的排放量相等 。排放权跨区交易与总量控制情形下排放总量的差异表明 ，排放权在不同区域间合理分配会带来排放量下降 。跨区跨期交易与总量控制情形下排放总量的差异表明 ， 排放权在不同时期下 ， 不同区域间合理分配带来的排放减少量 。本文将排放权交易的生态效应 EcologicalEffect， EE 定义为排放权交易情形下的排放量与总量控制情形下排放量相比排放量的减少情况 。其中 ， 绝对生态效应 Absolute Ecological Effect， AEE定义为总量控制情形下的排放量 即原始排放量 与排放权交易情形下的排放量的差值 ， 如果差值为正 ， 说明进行排放权交易后排放量有所减少 ， 存在生态效应 ; 而差值为负 ， 说明进行排放权交易后排放量有所增加 ， 存在生态恶化 。定义排放权可交易情形下相对生态效应 Ｒelative EcologicalEffect， ＲEE 为排放量减少的比例 。因此可定义两种生态效应为 AEETP_Si， j， t btij－btij 8AEETP_STi， j， t btij－btij 9ＲEETP_Si， j， tbtij－btijbtij 10ＲEETP_STi， j， tbtij－珓btijbtij 11三 、样本变量选取与数据测算 一 投入 、产出变量选取1． 投入变量主要包括资本 、劳动和能源三项 。在资本投入上 ， 选择省际固定资本存量这一指标 ， 并沿袭张军等［ 16］文中提供的核算方法①， 资本存量采用永续盘存法 其中的固定资产折旧率取值为 9． 6 。在劳动投入上 ， 选取省际当年从业人员年底数作为衡量指标 。从业人员数包括了长期职工以外的其他用工情况 ， 与职工数相比更能够反映各省市的实际就业情况 。在能源投入上 ， 选取省际能源消费总量这一指标 ， 能源消费总量包括终端能源消费量 、能源加工转换损失量和能源损失量三部分 ， 所统计的能源种类如表 1 所示 。2． 期望产出变量以 GDP 作为唯一的好产出变量 ， 并通过省际生产总值指数 ， 将其换算成 1978 年的不变价格的省际生产总值 。3． 非期望产出指标选取省际 SO2、省际 CO2排放量作为污染物 。鉴于我国各相关统计年鉴并未统计 CO2排放量 ， 因此需通过相关方法计算得到 ， 各变量的总结见表 1。表 1 我国省际投入 、产出变量选取列表变量 指标 指标说明投入层面资本投入 省际固定资本存量利用固定资产投资价格指数 、各省 1978 年相对 1952 年的固定资产投资价格 ， 将该指标换算成以 1978 年为基期的不变价格数据劳动投入 省际当年从业人员年底数 不作调整能源投入 省际能源消费总量 不作调整期望产出层面经济增长 省际生产总值 GDP 利用省际生产总值指数将该指标换算成以 1978 年为不变价格的数据非期望产出层面环境污染省际 SO2排放量 不作调整省际 CO2排放量根据测算出的石化燃料 CO2排放系数 ， 将各地区的煤炭 、焦炭 、原油 、汽油 、煤油 、柴油 、燃料油 、天然气和电能的消费量转化为 CO2排放量① 该方法与众多已有研究相比 ， 估值差异不大 ， 虽有些偏低 ， 但以下两点理由可以为此做出很好的解释 1． 中国固定资产价格上涨很快 ，有些研究低估了这一数值 ; 2． 有些研究采用生产性积累作为当年投资 ， 因此或采用了较低的折旧率或将存货核算在存量中 。36 二 样本选取与数据描述本文选择中国 30 个省 市 、自治区 作为研究样本 ， 选取各省 市 、自治区 1998 － 2012 年的跨期面板数据 ， 核算研究期间中国污染物排放交易的经济和生态效应 ， 其所用数据主要来自 新中国 60 年统计资料汇编 、中国能源统计年鉴 1999 －2013 、中国环境统计年鉴 1999 － 2013 、中国统计年鉴 1999 －2013 和各省统计年鉴 。表 2 描述了上述投入与产出变量的统计特征 。通过对比各区域的平均值 ， 发现样本期间内 ， 东部地区表现为固定资本投入 、能源消耗和 GDP 产出最多 ， 中部地区劳动投入量最大 ， 西部地区与东部地区形成一定反差 ， 表现为固定资本投入 、能源消耗和GDP 产出最少 ， 同时污染物 CO2排放量也最小 ， 而东北部地区的 CO2排放量始终处于全国最高水平 ，大概是西部地区同期水平的 2 倍有余 。从样本期间各省份污染物排放的平均最值来看 ， 污染较重的地区主要是山东 ， 而污染较轻的地区包括海南和青海 。表 2 1998 －2012 年我国各区域投入产出变量的统计特征描述区域 K L E YSO2CO2全国 4488．38 2402．32 8909．04 2115．84 72．77 28196．92东部 7515．61 2681．33 11424．49 3678．98 72．57 34674．69中部 4283．06 3422．66 9739．90 1947．59 82．74 32421．78西部 2126．7 1780．29 5917．73 984．16 71．28 18400．57东北部 3467．73 1712．41 9800．65 1894．77 58．99 34074．64最大值 16766．56 5879．98 22944．79 6891．82 180．91 75532．16江苏 山东 山东 江苏 山东 山东最小值 469．08 300．51 912．04 147．77 2．41 3321．33海南 青海 海南 青海 海南 海南标准差 5159．21 1605．60 6801．69 2192．33 45．77 22912．15注 K 为固定资本存量 亿元 ， L 为从业人员数 万人 ， E 为各省能源消耗总量 万吨标准煤 ， Y 为国内生产总值 亿元 ， SO2为各省 SO2排放量 万吨 ， CO2为各省 CO2排放量 万吨 。鉴于西藏自治区数据缺失较多 ， 故本文不将其纳入到研究样本中 。四 、实证结果与分析 一 排放权交易的增长效应1． 全国总量层面的增长效应根据本文构建的模型可以计算出总量控制及排放权交易情形下各省市各年的 GDP， 从而可以得到全国总量层面的 GDP 及其与初始情况相比的变动情况以及相应的增长效应 ， 结果见表 3。变动情况反应的是因技术有效而能够实现的潜在产出 ， 跨区交易下的增长效应反应的是因污染物分配有效而能够实现的潜在产出增长 ， 跨区跨期交易下的增长效应反应的是因污染物在不同时期不同区域间分配有效而能够实现的潜在产出增长 。在三种不同的情形下 ， 1998 －2012 年全国每年的 GDP 都存在不同程度的提高 ， 而且总体上全国 GDP 的增加呈现逐年递增的趋势 。总量控制的情形与原始情况相比 ， GDP 平① 24．09是指达到技术有效状态时能够实现的增长 ， 与事实上不到 10的增长率之间的差距是由于实际增长的无效造成的 。均每年增长 24． 09①， 达到 1． 529 万亿元 ; 污染物允许跨区交易与原始情况相比 GDP 平均每年增长47．04， 达到 2．986 万亿元 ; 污染物允许跨区和跨期交易与原始情况相比 GDP 平均每年增长 47．11， 达到 2． 991 万亿元 。通过表 3 不难发现 首先中国经济增长中 ， 由于技术无效导致的增长损失严重 ， 有效的经济增长还有很大改善空间 ， 无论是总量控制情形还是排放权交易情形 ， 全国的 GDP 都有大幅增长 。其次 ， 实行排放权交易政策可以带来 GDP 最大程度的增长 ， 两种排放权交易情形下带来 GDP 的平均增长是总量控制情形的近 2 倍 。最后 ， 是否允许排放权跨期交易对 GDP 的增长影响不大 ， 全国总量层面可跨期跨区交易情形带来 GDP 的平均增长仅比可跨区交易情形带来 GDP 的增长多 50 亿元 ， 相当于初始值的 0．07。46表 3 1998 －2012 年三种情形下全国 GDP 及其变动情况年份初始情况 总量控制情形 跨区交易情形 跨期跨区交易情形GDP GDP 变动情况 GDP 增长效应 GDP 增长效应1998 2．614 3．121 0．507 3．638 0．517 3．638 0．5171999 2．852 3．373 0．521 3．832 0．459 3．837 0．4642000 3．133 3．650 0．517 4．146 0．496 4．173 0．5232001 3．437 3．934 0．497 4．567 0．633 4．567 0．6332002 3．812 4．525 0．713 5．102 0．577 5．126 0．6012003 4．283 5．152 0．869 5．758 0．606 5．769 0．6172004 4．871 5．839 0．968 6．621 0．782 6．624 0．7852005 5．517 6．592 1．075 7．586 0．994 7．586 0．9942006 6．283 7．611 1．327 8．784 1．173 8．784 1．1732007 7．204 8．853 1．649 10．264 1．411 10．264 1．4112008 8．065 10．049 1．984 11．714 1．665 11．714 1．6652009 9．003 11．249 2．246 13．386 2．137 13．386 2．1372010 10．183 12．757 2．574 15．626 2．869 15．626 2．8692011 11．388 14．787 3．398 18．139 3．352 18．139 3．3522012 12．565 16．657 4．092 20．840 4．183 20．840 4．183平均值 6．348 7．877 1．529 9．334 1．457 9．338 1．462注 GDP 单位 万亿元 ; 平均值为 1998 －2012 年相应数据的算术平均值 ; 变动情况为 GDP 与初始 GDP 的差值 ; 增长效应为 GDP 与总量控制情形下 GDP 的差值 。由于篇幅所限 ， 相对增长效应未列出 。根据上述分析可知在全国总量层面存在排放权交易的增长效应 ， 接下来考察全国总量层面排放权跨区交易和排放权跨期跨区交易情形下的绝对增长效应 AGE 和相对增长效应 ＲGE 。排放权交易情形下的 AGE 总体呈现上升趋势 ， 仅有 1999 年和2002 年低于前一年 。从总量上看 ， 样本期间排放权交易情形下的绝对增长效应 AGE 很大 ， 跨区交易情形下总的 AGE 是 218548 亿元 ， 是 2012 年全国GDP 的 1． 74 倍 ， 是样本期间 GDP 平均值的 3． 44倍 。样本期间跨期跨区交易情形下的 AGE 是219237 亿元 ， 略高于跨区交易情形 ， 但是考虑到每年 GDP 的基数 ， 每年两种排放权交易情形的 AGE相差不大 。在 1999、2002 和 2003 年全国总量层面增长效应的增长速度降低 ， 但总体上是波动上升的 。两种排放权交易情形下的 ＲGE 相差不大 ， 跨区交易情形下的 ＲGE 的平均值是 0． 1667， 略低于跨期跨区交易情形下的 0．1678。由此看来 ， 排放权交易情形下中国总量层面的AGE 巨大且 AGE 和 ＲGE 总体上呈现上升趋势 ， 进行排放权交易对中国整体的经济发展是有益的 。两种排放权交易情形的 AGE 和 ＲGE 都相差不大 ， 其中 ， 排放权可跨期跨区交易情形下的 AGE 和 ＲGE略高 。2． 省际层面的增长效应表 4 给出了样本期间内中国省际平均 GDP 及其变动情况以及相应的增长效应 。在总量固定情形下 ， 黑龙江 、上海 、海南 、重庆 、贵州的平均 GDP 都没有变化 ， 即在其他投入和污染物不变的情况下 ， 这 5个省市的平均 GDP 已经达到最优值 。而在排放权交易情形下 ， 只有上海的 GDP 不变 ， 这表明上海已经实现资源 、技术和排放的最优配置 。与总量控制情形相比 ， 其他省份在进行排放权交易后平均 GDP都有所增加 ， 除了上海外 ， 其他省份在样本期间都存在增长效应 。从整体上看省际层面的增长效应与全国总量层面类似 ， 跨期跨区交易情形下的增长效应略高于当期交易情形下的增长效应 ， 但是两种排放权交易情形带来的增长效应差异不大 。通过计算发现上海增长效应为零 ， 福建 、重庆 、海南 、湖北 、湖南的 AGE 和ＲGE 比较低 ， 这与这些地区低能耗的经济结构和能56源消费结构相关 。山西 、内蒙古的 AGE 和 ＲGE 都非常高 ， 这两个地区都以煤炭消费为主 ， 其初始二氧化硫和二氧化碳排放量巨大 ， 并且经济结构以重化工业为主 ， 通过排放权交易使得山西在样本期间内GDP 每年平均增加 1972． 59 亿元 ， 是 2012 年实际GDP 的 1．61 倍 ， 是总量控制情形 GDP 的 1． 36 倍 ，内蒙古在样本期间内 GDP 平均每年增加 1778． 89亿元 ， 是 2012 年实际 GDP 的 1． 32 倍 ， 是总量控制情形 GDP 的 1． 27 倍 。宁夏 、贵州 、广西 、江西的ＲGE 都在 0．5 以上 ， 表明这些地区实行排放权交易后 ， GDP 都有 50的增长 。表 4 1998 －2012 年三种情形下省际 GDP 及其变动情况省份初始情况 总量控制情形 跨区交易情形 跨期跨区交易情形GDP GDP 变动情况 GDP 增长效应 GDP 增长效应北京 17．236 17．620 0．384 26．245 8．625 26．245 8．625天津 14．214 17．554 3．339 20．451 2．897 20．454 2．900河北 31．066 54．557 23．491 59．885 5．328 59．926 5．369山西 12．248 14．438 2．190 34．164 19．726 34．180 19．742内蒙古 13．470 13．935 0．465 31．723 17．788 31．736 17．801辽宁 28．928 30．168 1．240 39．498 9．330 39．522 9．354吉林 11．995 19．466 7．471 22．299 2．833 22．314 2．848黑龙江 15．920 15．920 0．000 18．175 2．255 18．196 2．276上海 39．804 39．804 0．000 39．804 0．000 39．804 0．000江苏 68．918 75．882 6．964 84．345 8．463 84．345 8．463浙江 38．608 51．742 13．134 57．435 5．693 57．436 5．694安徽 18．501 18．514 0．013 19．887 1．373 19．892 1．378福建 19．353 20．350 0．997 20．494 0．144 20．516 0．166江西 12．592 14．084 1．491 21．462 7．378 21．462 7．378山东 53．078 85．521 32．443 94．059 8．538 94．176 8．655河南 30．905 49．941 19．036 57．348 7．407 57．348 7．407湖北 24．311 33．073 8．762 33．914 0．841 33．936 0．863湖南 18．297 20．051 1．754 21．014 0．963 21．028 0．977广东 67．330 73．968 6．638 75．455 1．487 75．478 1．510广西 10．418 12．721 2．302 21．860 9．139 21．879 9．158海南 3．188 3．188 0．000 3．459 0．271 3．461 0．273重庆 11．897 11．897 0．000 12．148 0．251 12．148 0．251四川 26．517 30．765 4．247 32．965 2．200 32．965 2．200贵州 5．915 5．915 0．000 10．767 4．852 10．770 4．855云南 9．380 15．701 6．320 16．731 1．030 16．744 1．043陕西 13．353 14．325 0．972 19．995 5．670 20．035 5．710甘肃 7．946 11．893 3．947 15．411 3．518 15．440 3．547青海 1．478 4．107 2．629 4．930 0．823 4．933 0．826宁夏 1．682 1．784 0．102 4．691 2．907 4．695 2．911新疆 6．203 8．776 2．573 12．745 3．969 12．753 3．977平均 21．158 26．255 5．097 31．112 4．857 31．127 4．872注 单位为百亿元 ; 平均值为各省的算术平均值 。前文讨论了在样本期间实施跨区排放权交易后 ， 省际层面的平均增长效应存在显著差异 。综合考虑各省份每年相对增长效应并进行分类 ， 分为低速增长 、中速增长和高速增长三类 ， 表 5 进行汇总 。66其中上海在各阶段均为零增长 ， 这表明实施排放权交易对其经济增长没有影响 ; 福建 、广东 、重庆为完全低速增长 ， 这三个省受排放权交易的影响较小 ; 山西 、广西 、贵州和宁夏为完全高速增长 ， 这四个省份每年的相对增长效应都高于 0． 5， 每年因排放权交易获得了高速增长 。从地域分布上看 ， 多数东部省份属于低速增长 ， 多数西部省份属于中高速增长 ， 说明进行排放权交易能强有力的推动西部地区经济增长 ， 对东部省份经济增长的推动作用相对有限 。从时间维度看 ， 各省份有向高速增长发展的倾向 。表 5 样本期间省际相对增长效应分类1998 －2002 2003 －2008 2009 －2012低速增长中速 高速增长 增长低速增长中速 高速增长 增长低速增长中速 高速增长 增长天津 河北 辽宁吉林 上海 江苏浙江 福建 江西 河南湖北 湖南广东 海南 重庆 云南陕西 甘肃新疆内蒙古黑龙江安徽山东四川北京山西广西贵州青海宁夏河北 吉林 上海江苏 浙江 安徽福建 山东 河南 湖北湖南 广东海南 重庆 四川 云南甘肃 青海黑龙江天津辽宁江西陕西新疆北京山西内蒙古广西贵州宁夏河北 吉林黑龙江上海 江苏浙江 安徽福建 山东湖北 湖南广东 海南重庆 四川云南北京天津辽宁河南青海山西内蒙古江西广西贵州陕西甘肃宁夏新疆注 本文将在各阶段的平均相对增长效应在 0 －0．2 定义为低速增长 零增长是低速增长的特例 ， 0． 2 －0． 5 定义为中速增长 ， 0． 5 以上为高速增长 。如果每年的 ＲGE 都属于 0 －0．2， 则称为完全低速增长 ， 同理 ， 如果每年 ＲGE 都在 0．5 以上则称为完全高速增长 。 二 排放权交易的生态效应1． 全国总量层面的生态效应表 6 是样本期间三种情形下污染物的排放情况 。由于在本文中的环境管制条件是弱约束 ， 所以在排放权交易过程中 ， 可能会出现污染物排放总量重新配置后 ， 新的排放总量小于初始排放总量的情况 。总量控制的情形下排放权没有进行交易 ， 因此在表 6 中 ， 其二氧化硫和二氧化碳排放量都是初始值 。在排放权跨区交易情形下 ， 二氧化硫的减排总量为 6915 万吨 ， 相当于 2012 年排放量的 3． 27 倍 ，相当于样本期间平均二氧化硫排放量的 3．16 倍 ; 二氧化碳的减排总量为 246． 75 亿吨 ， 相当于 2012 年排放量的 1．75 倍 ， 相当于样本期间平均二氧化碳排放的 2．92 倍 ; 在排放权跨期跨区交易情形下 ， 二氧化硫的减排总量为 5250 万吨 ， 为跨区交易情形的76， 二氧化碳的减排总量为 238． 35 亿吨 ， 相当于跨区交易情形的 96．6。可以看出在样本期间 ， 排放权交易模型下二氧化硫和二氧化碳排放总量都大幅下降 ， 但是跨区交易情形下下降的程度更大 。在二氧化碳排放方面 ， 从总体趋势看 ， 1998 － 2004 年在跨区交易情形下 ＲEE 呈现上升趋势 ， 而跨期跨区交易情形虽然也呈现上升趋势 ， 但是波动幅度很大 。2005 － 2012 年两种情形下的 ＲEE 表现基本相同 ，在 2005 －2010 年间都出现下降趋势 ， 而在 2010 －2012 年间 ， ＲEE 又重新上升 。这表明 ， 如果实行排放权交易 ， “十五 ”期间二氧化碳的生态效应很大 、减排效果很突出 ; 而在 “十一五 ”期间 ， 二氧化碳的生态效应不显著 。从具体年份分析 ， 大部分年份两种情形下的 AEE 和 ＲEE 都相似 ， 但是在 1999、2000和 2002 年跨区交易情形下的 AEE 和 ＲEE 明显优于跨期交易情形 ，