低碳试点政策对建筑业碳排放的影响
——基于一个准自然实验的研究

程芬芬,张 琦

安徽建筑大学经济与管理学院,安徽合肥,230022

随着全球气候问题加剧,人类生存环境正面临着巨大威胁,众多学者对此开展了研究[1]。伴随着改革开放进程推进,为了解决人民日益增长的美好生活需求,随之而来的是我国能源消耗不断增长和CO2排放量日益增多,中国正面临着巨大的减排压力。为此,中国政府开始更加关注低碳行为和碳减排。具体而言,中国承诺在2030年前实现碳达峰,最终在2060年前实现碳中和。根据《中国建筑节能年度发展研究报告2022》,建筑施工和运营过程中直接产生的碳排放约占社会碳排放总量40%。因此,减少建筑业碳排放是实现中国“双碳”目标的一个非常重要的战略。为加快碳减排进程,中国已经出台多项政策[2-3],其中低碳试点政策具有代表性。2010年,中国国家发展和改革委员会公布在省市两级实施低碳试点的方案,随后在2012年和2017年建立新的试点城市,以扩大温室气体减排的范围和强度。然而,建筑业碳排放作为中国三大碳排放源之一,低碳试点政策能否有效地减少建筑业碳排放以及如何实现降低排放量等问题,已成为目前迫切需要回答的重要问题。探索建筑业碳排放影响因素,找到建筑业节能减排的有效途径,对实现国家“双碳”目标具有重要意义。

在过去的几十年里,学者主要从测算、影响因素和预测三个方面对建筑业碳排放展开研究。关于建筑业碳排放的测算研究,Hung等[4]运用投入-产出模型测算香港建筑消耗能源所产生的碳排放;祁神军等[5]通过使用碳排放系数法核算了我国1995—2009年建筑业碳排放;Knelfel[6]从建筑的整个生命周期的角度测算了生产、运营阶段的碳排放水平。在建筑业碳排放的影响因素方面,Wu等[7]从整个生命周期的视角,从物料提取阶段、建设阶段和运营阶段的碳排放进行了因素分解研究;Lu等[8]从空间溢出的角度对建筑业碳排放进行研究,发现人口密度、能源结构、经济增长和产业结构是其主要影响因素。此外,Zhu等[9]从供给、需求两方面,有效识别建筑业碳排放影响的关键因素,并构建三个扩展分析模型对建筑业碳排放进行直接和间接碳排放进行刻画。冯博等[10]基于对数平均指数分解(LMDI)模型,把建筑业碳排放影响因素分解为碳排放强度、间接碳排放强度、能源结构、产出规模和能源强度五个方面。由于LMDI模型只关注直接影响、忽视间接影响的缺陷,Shi等[11]使用结构分解分析方法,揭示了建筑业碳排放的直接和间接影响。

在碳排放预测方面,Li等[12]利用广义划分指数法,对2001—2017年建筑业碳排放量进行影响因子分解,并成功预测在基础情景、低碳情景和产业技术突破情景等三种不同情景下中国建筑业碳排放的峰值。Huo等[13]首次构建一个动态情景模型,准确预测2000—2050年期间中国建筑业碳排放的路径和峰值,以及达到峰值所需时间。此外,Du等[14]采用系统动力学方法,有效预测了中国建筑业碳排放。

低碳试点政策旨在有效控制温室气体排放和防止环境恶化,这些政策有助于减少城市碳排放[3,15]、优化产业结构[16]、促进技术创新[17-18]并提高各个行业发展的碳效率[19]。为进一步研究低碳试点政策地内在机制,Jiang等[20]证实了通过降低电力消耗能有效减少碳排放;Huo[21]发现,通过产业结构升级和鼓励技术创新等途径大幅减少碳排放,在此基础上Liu等[22]还对一些如能源结构、产业结构和创新水平等其他机制进行探讨。

目前,有关建筑业碳排放问题和低碳试点政策效应评估的研究成果丰富,但鲜有文献致力于研究后者对前者的影响。为此,本文借助国家发改委发布的低碳城市试点政策,作为一个准自然实验,尝试深入探究低碳试点政策影响中国建筑业碳排放的传导路径,以期实现节能减排低碳可持续发展的目标,为后续政策推进提供理论支撑。

和已有的结果相比,本文有如下创新:第一,拓宽了建筑业碳排放影响因素的研究内容。大多学者从经济、人口和技术角度,实证分析碳排放的影响因素[11,23],这些研究只关注定量指标,忽略了一些定性指标(如政策)。本文对低碳试点政策进行量化,研究它们在减少建筑业碳排放方面的作用。第二,发现了低碳试点政策对减少建筑业碳排放影响的新机制。在研究[20,22]中,作者揭示了提高能源效率、优化产业结构、提升技术水平等对碳排放的实际作用。本文则考虑能源消耗,发现低碳试点政策有助于抑制能源消耗,从而降低建筑业碳排放。第三,更全面地评估低碳试点政策。在对中国低碳试点政策作用的已有实证分析中[24-26],只考虑前两批试点城市。本文进一步对比前后实施三批试点城市,并使用计量经济学模型—多时点双重差分模型,更加全面地考察低碳试点政策的效果。

2 理论分析与研究假设

2.1 政策背景

根据BP世界能源统计报告数据显示,中国自2006年已成为世界最大二氧化碳生产国。在此背景下,中国政府在2009年哥本哈根大会上宣布2020年温室气体排放控制行动目标,承诺2020年碳强度在2005年基础上下降40%～45%。随后,在2015年,中国政府在《中国应对气候变化的政策与行动白皮书》进一步指出2030年的碳减排目标,即在2005年的碳强度基础上将降低60%～65%。

为实现这一目标,国家发改委于2010年发布关于开展低碳省市试点的重要通知,设立五省八市作为第一批试点地区。随后,中国政府分别在2012年和2017年实施另外两批试点城市。

目前,综合三批试点名单,共有10个省、16个省会城市和52个城市被确定为低碳试点地区。本文以省为研究单位,统计已有的 10个低碳试点省份。其中,北方试点省份4个,南方试点省份6个。

2.2 政策影响

梳理低碳试点政策相关文件可知,试点城市有5个具体任务:第一,规划低碳发展。第二,制定和实施相应的支持低碳绿色发展政策。第三,建立以低碳为主导结构的产业体系。第四,建立温室气体排放数据的统计和管理制度。第五,倡导绿色消费模式和低碳生活方式。

在试点政策的约束下,高碳排放建筑企业的生产成本会增加,利润会被压缩。在企业生存压力下,建筑企业会积极加快低碳技术创新,采用低碳生产模式降低生产成本。此外,在低碳理念的引导下,居民对低碳建筑的需求也会有所倾斜。这将最终促使建筑企业优先发展低碳建筑,从而有利于降低建筑业碳排放。因此,提出假设H1:低碳试点政策有利于减少建筑业碳排放。

低碳试点政策通过三个渠道对建筑业碳排放产生影响:降低能源消耗、优化能源结构和提高建筑业技术水平。首先,低碳试点政策通过降低能源消耗来减少建筑业碳排放。在实践中,建筑企业通过规范生产方式、建立统一的标准体系、提高绿色节能技术等方式来减少过度能源消耗。低碳试点政策可以有效地减少能源消耗,建筑业能源使用量的减少,必然会减少其碳排放。其次,低碳试点政策通过优化能源消费结构来减少建筑业碳排放。众所周知,煤炭和石油消费在中国整体能源消费中占比很大,是造成碳排放的主要原因。为解决这个问题,应进一步探索和调整能源消费的最佳结构,优化化石能源的消费比例。此外,Liu等[22]证实优化能源结构的过程对减少城市碳排放的重要性,Ma等[17]发现低碳试点能够有效地提升试点区域高碳排放企业的绿色技术创新水平,Zhao等[27]认为低碳试点政策能够促进外国直接投资,外资越多越有利于中国技术进步,而技术进步则有助于碳排放减少。

综上所述,提出以下三个平行假设。

假设H2a:低碳试点政策通过减少能源消耗来减少建筑业碳排放。

假设H2b:低碳试点政策通过优化能源消耗结构来减少建筑业碳排放。

假设H2c:低碳试点政策通过提高技术水平来减少建筑业碳排放。

3 研究设计

3.1 样本与变量

3.1.1 样本选择

为评估低碳试点政策对国内建筑业碳排放的影响,本文利用中国30个省(市、自治区)(不包括西藏、台湾、香港和澳门)的面板数据,研究时间确定为2007—2020年,涵盖三批试点设立时间。其中所使用的数据源于国家发改委的相关政策文件、《中国建筑业统计年鉴》《中国能源统计年鉴》、国家统计局官网和各个省份的统计年鉴。

3.1.2 变量测算

(1)建筑业碳排放

参考范建双等[28]的做法,将建筑业碳排放的来源划分为两类。其一,由建筑业消耗化石燃料所产生的直接碳排放。其二,间接的碳排放,主要来自电力和热能的消耗。按照政府间气候变化专门委员会《国家温室气体排放清单指南》(IPCC)的核算方法,各省的建筑业碳排放测算方式如下:

(1)

(2)核心解释变量

研究中将低碳省级试点(Lcpp)设置为核心解释变量。它是一个虚拟变量,定义:若一个省在当年和随后几年实施低碳试点,它的值为1;否则,为0。第一批和第三批试点由2010年和2017年开始实施;鉴于第二批试点名单在2012年底宣布,考虑到政策实施可能存在滞后性,将第二批政策实施时间设置为2013年[3]。

(3)控制变量

考虑到经济、人口、技术与碳排放之间具有必然联系,参考已有研究[29],本文选择人口规模、人口密度和城镇化率三个人口规模指标;选择人均GDP作为经济水平指标;选用人均新建建筑面积作为技术水平指标。此外,本文还增加建筑业产业结构这一指标,用建筑工程产值占建筑业总产值的比例来衡量。综合起来,变量的描述性统计如表1所示。

表1 变量定义和描述性统计 N=420

3.2 模型设计

为分析低碳试点政策能否有效降低建筑业碳排放,本文选取多时点双重差分模型,将国家发改委在三个不同年份提供的低碳试点政策作为一个准自然实验。实验中,试点地区划分为2组。设置实施政策地区被划分为实验组,其他地区未实施政策地区被划分为对照组。利用多时点双重差分法,对比实验组和对照组的建筑业碳排放差异,判断低碳试点政策对建筑业碳排放的影响。模型构建如下:

Carbonit=α0+α1·Lcppit+γ·controlit+idi+yeart+εit

(2)

其中,carbonit代表i省在t年的建筑业碳排放;虚拟变量Lcppit是解释变量。实际上,虚拟变量Lcppit更直观,相当于试点省份和试点时间两个虚拟变量的交互作用。此外,controlit代表所有的控制变量;idi和yeart分别表示控制省份固定效应和时间固定效应;εit是随机误差。

在这个模型中,回归系数α1表示低碳试点政策对减少建筑业碳排放的边际影响。如果α1显著为负,表明低碳试点政策有效,能够显著降低建筑业碳排放,即假设H1得到验证。

4 实证分析

4.1 基准回归结果

低碳试点政策对中国建筑业碳排放基准回归结果如表2所示:列(1)为未引入控制变量的估计结果,列(2)为纳入控制变量的回归结果。列(1)中,Lcpp回归系数为-0.107 0,并且在5%水平下显著。说明低碳试点政策有利于降低中国建筑业碳排放。列(2)中加入了控制变量,Lcpp的估计系数仍显著为负,与那些没有实施低碳试点政策的省份相比,实施低碳试点省份的建筑业碳排放下降11.35%。综合来看,这两个结果一致证实了低碳试点政策能够显著减少建筑业碳排放,支持了假设H1。

表2 基准回归的结果 N=420

4.2 异质性分析

一般来说,政策有效性会受到地区差异、文化差别等诸多因素的影响。为进一步探讨不同地区实施低碳试点政策对降低建筑业碳排放影响的差异,本借鉴文献[30]的做法,用秦岭—淮河线将整个样本分为北方和南方两部分,再进行分组回归。结果如表3所示,北方地区的低碳试点政策回归系数为-0.196 0,并且通过了5%显著性水平检验,表明低碳试点政策能够有效地降低北方地区建筑业碳排放,假设H1再次得到验证。然而,南方地区地低碳试点政策回归系数为-0.057 3,未通过10%水平的检验,表明低碳试点政策在南方地区建筑业碳排放没有明显的减碳效果。

表3 低碳试点政策对建筑业碳排放的异质性分析 N=210

这里南方、北方地区出现了这样的差异,可能存在2个因素:统计的南方地区试点省份较多,试点省会也主要集中在南方;其中,中国建筑规模最大的两个省份浙江和江苏都集中在南方地区,导致了南方的统计数据有较高的能源使用和二氧化碳排放。因此,北方地区的政策效应比南方地区更为明显。

4.3 稳健性检验

除低碳试点政策以外,其他随机因素也可能导致建筑业碳排放的变化。为排除随机因素的干扰,参考[31]的做法,先采用反事实检验法,假设每个低碳试点的设立时间提前1年、2年和3年。如果变量Lcpp的估计系数仍具有显著性,则认为建筑业碳排放的下降不是源于低碳试点政策,而是来自其他随机因素。反之,低碳试点政策在降低中国的建筑业碳排放方面确实有效。在表4中列(1)—(3)中,报告了反事实检验结果。通过检验发现,将政策时间提前1年、2年和3年,其回归系数分别为-0.092 7、-0.010 1和-0.080 5,并且在1%的水平上都不显著。这表明,随机因素对建筑业碳排放的影响较小,建筑业碳排放变化更多来自低碳试点政策的实施。

表4 稳健性检验结果 N=420

此外,考虑到样本中出现的一些极端值可能会对回归结果产生偏差,须要对样本数据进行1%的缩尾处理,并采用相同形式的模型进行再次回归,估计结果见表4列(4)。Lcpp的回归系数仍然显著为负(-0.131 7),这说明低碳试点政策对降低建筑业碳排放有明显作用,进一步证实之前的结论是稳健的。

4.4 平行趋势检验

在实际应用中,多时点双重差分模型使用的前提往往需要满足平行趋势假设。即在实施政策之前,试点省份与非试点省份的建筑业碳排放变化趋势是否平行。为检验这一假设,本文参考[32]的做法并设计以下模型:

(3)

其中,t0表示低碳试点政策出台的时间;s表示政策出台后的年份;表示该省被纳入低碳试点范围后第s年的虚拟变量。当s=0时,回归系数β0描述了当年的政策效果,这样实现了低碳试点政策年度动态效应的有效估计。

研究数据中选择并考虑了政策出台前后6年,下面将通过检验政策实施前回归系数的显著性水平,来观察平行趋势假设是否成立。

为更加直观判断是否满足平行趋势假设并捕捉低碳试点的动态效应,绘制了低碳试点政策效果的平行趋势检验图(图1)。其中,实心圆纵坐标为政策效应估计值,虚线为90%置信区间。结果表明,在政策实施前6年,回归系数普遍为负且不显著,因此平行趋势假设成立。在政策实施后,除第4年外,政策效应在当年和随后的5年中其系数均为负,并且都通过显著性检验。因此,低碳试点政策对降低中国建筑业碳排放的影响具有显著并且持续的作用。

图1 低碳试点政策效果的平行趋势检验图

4.5 机制分析

为进一步分析低碳试点政策是如何降低中国的建筑业碳排放,设计如下的计量模型:

Mit=β0+β1·Lcppit+γ·controlit+idi+yeart+εit

(4)

其中,Mit表示中介变量;β1是回归系数,衡量低碳试点政策对中介变量的影响效果。

Mit考虑这三种中介变量类型。第一,能源消耗,考虑到电能与建筑业生产过程中的能源消耗高度相关,采用总耗电量(取其对数)来衡量。第二,能源结构,采用总电耗(以标准煤计)与总能源消耗(以标准煤计)的比率来衡量。第三,技术水平,采用每单位新建面积的耗电量(取对数)来衡量技术创新。

回归结果如表5所示。由列(1)可知,Lcpp的回归系数为-0.191 7,并通过1%显著性水平的检验,意味着低碳试点政策可以显著降低建筑业的电力消耗。因此,证实假设H2a的内容。由列(2)可知,Lcpp的回归系数为-0.019 6,但在10%的水平上不显著。意味着低碳试点政策还不能通过优化能源消耗结构来降低建筑业碳排放,该结果并不支持假设H2b。列(3),Lcpp的回归系数显著(在5%的水平上)为负(-0.113 5)。说明低碳试点政策对提高技术水平有明显效果,导致建筑业碳排放的降低。因此,假设H2c的内容得到支持。

表5 机制分析结果 N=420

综上所述,机制分析表明,低碳试点政策对降低建筑业碳排放的作用途径主要是通过降低总耗电量和促进技术水平的提高,而不是通过优化能源消费结构。

5 结 论

文章利用2007—2020年中国30个省份的面板数据,研究了中国的低碳试点政策在减少建筑业碳排放方面的作用及其影响机制。通过建立多时点双重差分模型和一系列检验分析,得到以下3点主要结论:(1)低碳试点政策能够有效地降低建筑业碳排放。(2)低碳试点政策对降低建筑业碳排放有明显的异质性影响,北方地区的政策效比南方地区更为明显。(3)机制结果表明,低碳试点政策的实施可以通过降低建筑业用电量和提高技术水平这两条途径来抑制建筑业碳排放的增长。

据此,本文对加强低碳试点政策在建筑业碳排放上提出以下两点建议:(1)因地制宜,扩大低碳试点的范围,并给予新试点地区支持和有效监督。实施过程中,试点省份可以为非试点省份提供经验和技术支持。(2)制定合理有效的政策机制,加快地区提高建筑业技术水平或采用更高效的施工技术,降低行业用电量。推动建筑业清洁低碳转型、倒逼能源结构优化。