学术界关于环境规制对全要素生产率的影响存在争论：一方认为环境规制会增加企业的生产成本，致使生产效率的下降，进而降低企业的全要素生产率；另一方则认为环境规制会迫使企业自愿地进行技术创新和低碳研发，创新研发带来生产效率的提高，抵消其增加成本的不利影响，促使企业的全要素生产率得到提升，这种观点也被称为“波特假说”。以上两种观点都被国外的文献证实。Barbera Anthony J和McConnell Virginia D基于美国五个污染最为严重的制造业的实证研究发现行政命令型的环境规制对企业TFP具有负向影响 [ 6 ]。Telle K和Larsson J利用挪威的环境规制和工业数据研究发现不断提升的环境规制水平有助于提高工业TFP [ 7 ]。

随着近年来中国的环境问题日益突出和环境规制实践，国内学者也开始关注国内环境规制对TFP的影响。李树和陈刚采用双重差分法研究发现严格且适宜的环境规制有利于TFP的增长 [ 8 ]。朱承亮测算并分解了中国各省火电行业的生产率，结果发现环境规制会提高绝大多数省份的火电行业TFP [ 9 ]。李强在垄断竞争的环境下研究发现环境分权与地区企业TFP之间的关系呈现倒“U”形 [ 10 ]。范丹等研究发现在全局DEA下碳交易试点政策并没有提高试点省份的工业TFP，但促使试点省份的技术进步率得到提升 [ 11 ]。钱雪松等采用双重差分法研究发现2009年十大产业振兴规划政策导致了十大产业内企业TFP显著下降 [ 12 ]。孙玉阳等依据省级面板数据发现行政命令型环境规制提升了企业TFP，市场激励性环境规制对企业TFP的提升没有显著作用，公众参与型环境规制对企业TFP无影响 [ 13 ]。任胜钢等发现2007年SO₂排放权交易试点政策显著提高了试点地区上市公司的TFP [ 14 ]。Hong-Li Tang et al.基于中国工业企业面板数据的研究发现行政命令型的环境规制严重阻碍了企业TFP的增长，这种负面影响具有滞后效应，并且是持续的 [ 15 ]。

国外学者对于碳排放权交易制度的研究较早，且主要以欧盟碳排放交易体系为背景。A. Marcel Oestreich和Ilias Tsiakas对EU ETS对德国股票收益率的影响进行实证研究，发现碳排放权交易制度通过增加企业现金流导致股票收益率增长 [ 16 ]。Roel Brouwers et al.在EU ETS的背景下，发现碳排放权交易制度可以在一定程度上减少企业碳排放，但不一定能使企业的财务绩效提高 [ 17 ]。

国内对碳交易试点政策的研究出现在近几年，且主要集中在碳减排效果和技术创新方面。宋晓玲和孔垂铭运用2013年至2016年中国七大碳排放权交易市场和试点省份的数据进行实证研究，发现碳排放权交易额对产业结构变动有显著的正向影响 [ 18 ]。黄向岚等利用双重差分方法研究中国碳排放权交易政策的环境红利，在加入控制变量后发现六个碳交易试点所在省份的碳排放量显著减少，实现了环境红利 [ 19 ]。沈洪涛和黄楠运用事件研究法研究发现碳交易能带来企业短期价值的提高，但双重差分法检验的结果却显示碳交易未能提高企业的长期价值 [ 5 ]。Xiaohuan Lyn et al.使用双重差分模型研究碳排放权交易制度如何影响低碳技术创新，结果表明短期内碳排放权交易制度会抑制低碳技术创新的发展 [ 20 ]。Yue-Jun Zhang et al.采用双重差分法和基于双重差分的倾向得分匹配法研究发现碳交易试点政策有助于改善电力和航空行业中企业的技术创新，而对其他六个试点行业中企业的全要素生产率没有影响 [ 3 ]。Wei Zhang et al.采用双重差分方法发现实施碳排放权交易可以减少试点省市的碳排放量，并增加工业总产值 [ 21 ]。

自从2005年签署《京都议定书》以来，碳排放权交易制度已经成为降低碳排放和提高能源利用效率的重要工具，全球许多国家和地区都建立了碳交易体系。世界银行报告显示，目前全球建立了碳交易市场的包括39个国家和23个地区，欧盟碳排放交易体系(EU ETS)是全球最活跃、规模最大的碳交易市场。由于碳排放总量居世界第一，中国对碳排放总量的控制以及碳排放交易体系的建立都迫在眉睫。

针对碳排放的严峻形势，2011年中国引进碳排放权交易机制，国家发改委印发文件允许北京、天津等七个省市开展碳交易试点工作，七个试点于2013年6月先后开始建立碳市场并开始实质交易。碳交易试点主要以碳配额(SHEA)和国家核证自愿减排量(CCER)作为交易产品。到2015年底，七个试点碳交易市场的CCER累计交易量达到3600万吨，其中湖北市场最为活跃，交易量最大。国务院在2016年提出的“十三五”工作方案中对2020年中国单位GDP的碳排放提出新的要求，要求国企、上市公司和参加碳市场的企业带头披露碳减排相关信息和举措，并提出部分重工化工业在2020年左右达到最高碳排放的畅想。2017年12月19日，全国碳交易市场由发改委宣告正式启动，第2日印发的《全国碳排放权交易市场建设方案(发电行业)》表明我国碳减排工作到达了新阶段。

碳排放权交易，简单地讲，就是政府通过分配给企业一定的碳排放配额，规定企业的免费碳排放上限，来减少企业的碳排放量。企业可以通过碳市场卖出多余配额，也可以在碳市场上购买缺少的配额。因而，碳排放权交易实际上是一种基于经济手段的市场运行机制。

一方面，建立碳市场后，企业面对碳减排压力，会增加减碳设备的投入，这就增加了企业在生产过程中的成本，企业面临着新的决策约束，这可能导致生产效率下降。另一方面，碳交易试点政策使企业暴露在不确定的环境中，这会对企业的投资决策和资源分配产生影响，基于长期经济利益的考虑，企业可能会减少对高碳排放的生产部门的投入，转而增加对低碳排放的生产部门的投入，这可能会降低企业的资本配置效率，致使全要素生产率的下降。因而本文提出研究假设H1：

H1：碳交易试点政策会降低企业全要素生产率。

碳交易试点政策对全要素生产率的影响在具有不同股权性质的企业间存在一定程度的差异。考虑企业股权性质差异，国有企业与政府的关系相比非国有企业更为密切，在财政支持上拥有更大优势，对于碳交易试点政策带来的减碳成本压力和“卖碳”带来的收益都不敏感，而非国有企业在面对减碳压力时进行内部机制的调整和生产要素的重新分配更加灵活，资源重新配置的效率较高，非国有企业全要素生产率受到的负向作用会更小。因而本文提出研究假设H2：

H2：碳交易试点政策会更为显著地降低国有企业的全要素生产率。

本文选取2008~2015年间所有中国A股上市公司的面板数据作为研究样本。基于碳交易试点政策针对的是试点省份里试点行业中企业的考虑，本文以中国证监会2012行业分类为标准，借鉴刘晔和张训常的研究 [ 2 ]，选取了九个高碳排放行业作为试点行业，选取的行业见表1。为了保证数据的连续性和有效性，借鉴以往文献中对上市公司数据的处理方法，本文剔除了以下样本：遭受连续亏损的企业(PT、ST和*ST企业)；数据异常和缺失值较严重的企业。最终，本文得到了799家上市公司的数据样本，共计6392个有效观测值。本文的上市公司数据均来源于CSMAR数据库和RESSET数据库。

表1. 行业代码和名称对照

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。

表3. 变量描述性统计

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。

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

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。

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。

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

为保证前文实证结果的稳健性，本文进一步做了如下检验：

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：

C a p i t a l i , j , k , t = ∝ + β 1 P r o v i , j × T r e a t t × R o a i , j , k , t + β 2 P r o v i , j × T r e a t t + β 3 P r o v i , j × R o a i , j , k , t + β 4 R o a i , j , k , t                                     × T r e a t t + β 5 R o a i , j , k , t + γ X i , j , k , t + p r o v i n c e j + i n d u s t r y k + ε i , j , k , t (2)

其中， C a p i t a l i , 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， R o a i , 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 P r o v i , j × t r e a t t × r o a i , j , k , t 的系数 β 1 ，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。

表7. 作用机制检验和异质性检验

注：PTR表示交互项Prov × Treat × Roa。

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。