共建天蓝地绿水清的美丽家园——践行习近平生态文明思想的时代答卷

Grossman & Krueger（1995）的EKC假说预测环境退化与人均收入呈倒U型关系——经济发展初期污染加剧，到达拐点后随收入增长而改善。Acemoglu et al.（2012）的绿色增长理论进一步指出，偏向清洁技术的研发补贴和碳定价可以内生地改变技术进步的方向，从而拉低EKC的顶点并加速拐点后的下降速率。中国绿色工厂8000+、清洁电力占比超30%、新能源汽车渗透率>50%——这些结构性变化应已在省际EKC中显现。

据此提出以下假说：
- H1：中国省际碳排放强度（碳排/GDP）与人均GDP的EKC拐点已出现在人均GDP约6-8万元（2010年不变价）的区间，且拐点后的下降速率在过去5年加速（绿色转型加速效应）。
- H2：绿色产业占比（绿色工厂工业产值/全部工业产值）每提高1个百分点，省碳排放强度额外降低0.3-0.5%（对EKC下降斜率的放大效应）。
- H3：全国碳排放权交易市场的建立使纳入碳市场的行业的碳排放强度降幅比未纳入行业高10-15%（碳定价效应）。

省际EKC面板估计的核心挑战是碳排放与GDP的联立性。以「各省风电和光伏的年有效利用小时数」（由气象条件决定，外生于经济系统）作为清洁电力占比的IV。碳交易市场的纳入行业差异（电力行业首先纳入，钢铁、水泥等行业随后分批纳入）构造行业层面的渐进DID，识别碳定价对排放强度的因果效应。

扩展EKC模型：ln(CO2/GDP)_{it} = α + β₁·ln(GDPpc)_{it} + β₂·[ln(GDPpc)]²_{it} + β₃·GreenShare_{it} + β₄·(GreenShare × ln(GDPpc))_{it} + γ·Controls + μ_i + λ_t + ε_{it}。β₁>0, β₂<0 构成倒U型，β₄<0 表示绿色转型使EKC加速下降。

碳交易DID：CO2Intensity_{iht} = α + β·(ETS_h × Post_t) + γ·Controls + μ_{ih} + λ_t + ε_{iht}。

被解释变量：省级碳排放强度（CEADs碳排放/省级实际GDP）。核心解释变量：人均实际GDP对数及其平方、绿色产业占比、行业是否纳入碳交易。控制变量：产业结构（第二产业占比）、能源结构（煤炭消费占比）、城镇化率。样本区间：2000-2025年31省面板。

• 替换碳排放数据源：以全球大气研究排放数据库（EDGAR）替代CEADs。
• 替换EKC函数形式：以三次多项式替代二次多项式。
• 以县级-企业层面的碳排数据替代省级加总数据。
• 排除北京、上海、天津、重庆四个直辖市。

Weitzman（1974）的价格vs.数量规制经典论文证明，当边际减排成本的不确定性大于边际减排收益的不确定性时，价格工具（碳税/碳市场）优于数量工具（排放标准）。中国选择碳市场作为核心减排工具，其效率取决于碳价是否准确反映了边际减排成本。但碳价在中国面临流动性不足（换手率远低于EU ETS）和行政干预（价格涨跌幅限制）的双重约束，价格发现功能可能受损。

据此提出以下假说：
- H1：中国碳市场碳价的波动中，仅40-60%可由边际减排成本的基本面因素（煤价、电力需求、天气）解释——余下部分反映了流动性不足和行政壁垒导致的价格噪声。
- H2：碳市场流动性的增加（换手率每提高1个百分点）使碳价的减排引导效率（控排企业碳排放强度对碳价的弹性）提高3-5%。
- H3：绿电市场（绿证交易）与碳市场的制度分离导致了「双重计算」和效率损失——两个市场的价格联动性较弱。

以中国碳市场规则调整（如增加纳入行业、调整配额分配方式、引入拍卖机制）作为外生制度冲击——这些规则的调整由生态环境部主导，对单个交易日的碳价而言外生。EU ETS碳价作为中国碳价的对照——全球能源价格冲击（如俄乌冲突）对两者的影响方向应一致，仅中国特有制度因素导致的差异可归因于市场设计差异。

碳价的方差分解（基于SVAR）：ΔCarbonPrice_t = α + Σ β_i·Fundamental_i + γ·Liquidity_t + δ·PolicyChange_t + ε_t。价格引导效率模型：CO2Intensity_{it} = α + β·CarbonPrice_t + γ·(CarbonPrice × Liquidity)_t + δ·Controls + μ_i + ε_{it}。

被解释变量：碳市场日度碳价（全国碳市场 + 地方试点碳市场）。核心解释变量：边际减排成本代理变量（动力煤价格、电力需求指数、气温偏离均值）、流动性（日换手率）、政策事件虚拟变量。控排企业碳排放强度（企业年度碳排放/工业增加值）。样本区间：2021-2025年日度 + 年度混合频率。

• 以EU ETS碳价作为中国碳价的IV。
• 仅用地方试点碳市场数据（启动早、历史长），与全国碳市场比较制度设计差异的效应。
• 以断点回归检验碳价涨跌幅限制机制的价格扭曲效应。
• 以电力现货市场价格与碳价的协整关系检验两个市场的价格联动。

（研究思路从略——H1-H3围绕GTFP增长率估计和分解、β-收敛速度和半衰期、绿色产业集聚对GTFP收敛的驱动效应）

（研究思路从略——H1-H3围绕碳标签溢价率、信息框架的非对称效应、消费者异质性分析）

Porter & van der Linde（1995）的「波特假说」预测，设计良好的环境规制不仅不损害竞争力，反而通过激发创新补偿效应提升竞争力——就业方面可能体现为「绿色就业双重红利」（环境改善+就业增加）。但Bowen & Kuralbayeva（2015）在跨国数据中发现，绿色就业主要是高技能岗位，可能加剧就业市场的技能分化。中国8000+家绿色工厂提供了一个大样本检验场——这些工厂经历了生产过程绿色化，其就业结构的变动可以分离绿色转型的就业效应。

据此提出以下假说：
- H1：获得绿色工厂认证后3年内，企业的「绿色岗位」（环境管理、能源管理、碳核算）占员工总数的比重提高1-2个百分点。
- H2：绿色工厂认证对高技能工人（大专及以上）就业的正效应显著大于对低技能工人（初中及以下）——绿色转型呈现技能偏向性。
- H3：在高碳行业的绿色工厂中，总就业并未因绿色转型而减少（「波特假说」的就业中性或正效应），但就业结构向绿色岗位的重新配置显著。

以「绿色工厂认定」作为外生处理——省级工信部门依据企业申报材料进行评审，评审结果对单个企业的就业结构而言具有准外生性。PSM以企业规模、行业、初始碳排放强度、研发支出占比等协变量匹配处理组（获认证）和对照组（同行业同地区未获认证企业）。获认证时间的先后差异（分5批评选）构成多期DID。

PSM-DID：ΔGreenJobShare_{i} = α + β·GFCertified_i + γ·(X_i - X_{matched}) + ε_i。事件研究法（以获认证年份为事件年）：GreenJobShare_{it} = α + Σ β_τ·I(t-CertYear=τ) + γ·X_{it} + μ_i + λ_t + ε_{it}。

被解释变量：企业「绿色岗位」占比（上市公司年报中环境管理/能源管理/碳核算/SHE岗位员工数/员工总数）。核心解释变量：绿色工厂认证虚拟变量、认证后年数。控制变量：企业规模（资产对数）、研发支出占比、资本密集度、是否为高碳行业。处理组：获工信部绿色工厂认证的上市公司约600家。对照组：PSM匹配的同行业未认证上市公司约1200家。样本区间：2015-2025年。

• 替换绿色岗位界定：以企业环境信息披露中的环保培训人次替代绿色岗位占比。
• 以CEM替代PSM减少匹配偏差。
• 仅用制造业子样本，排除电力行业（因电力行业绿色转型路径不同）。
• 以企业所在城市是否被纳入「低碳城市试点」作为外部工具变量。