CNDD-0210 “低碳城市试点”DID变量及学术论文应用

▪ 数据名称: 低碳城市试点DID变量

▪ 数据编号：0210

▪ 数据层级：地级市层面

▪ 数据范围：2000-2022年

▪ 样本数量：6,900条

▪ 数据来源：根据政府公告等公开内容整理

▪ 数据说明：CNDD “低碳城市试点”DID变量整理了中国300个重要地级市是否加入“低碳城市试点”以及何时加入“低碳城市试点”。具体变量包括行政区划代码、年份、地区、所属省份、是否试点城市、最早试点年份、低碳城市试点DID变量。文件提供.xlsx和.dta格式，可使用excel或stata打开。

▪ 数据维度：年度数据

图 1 展示了 2003—2016 年低碳试点城市与非试点城市碳排放量和人均碳排放量的年平均值( 均取对数) 的变化趋势。直观上，碳排放量与人均碳排放量的趋势图较为相似。从时间上看，2003 年以来，无论是低碳试点城市，还是非试点城市，碳排放水平整体上呈现出不断上升的趋势。这一趋势符合经济直觉，说明中国碳排放依然在持续增长，在 2030 年实现碳排放达峰的目标任重而道远。从处理组城市和控制组城市来看，试点城市的碳排放水平高于非试点城市的碳排放水平;2010 年之前，两类城市具有较为类似的碳排放水平变化趋势; 2010 年之后，两类城市的碳排放水平的趋势相较之前更为平坦，说明碳排放的增长率要低于 2010 年之前的增长率。由于试点城市和非试点城市在 2010 年之后均出现了碳排放增长率的下降趋势。（数据来源：张华.低碳城市试点政策能够降低碳排放吗?——来自准自然实验的证据[J].经济管理,2020,42(06):25-41.）

1.被解释变量:企业碳排放强度(CI)数据来自手工整理,考虑到我国并未强制性披露碳排放相关信息,自愿在公司年报中披露碳排放信息的企业较少,且自愿披露碳排放信息的企业主要是碳排放治理较好的企业,这些数据适用性较差。因此,本文参考沈洪涛和黄楠!”的思路,采用企业碳排放量除以主营收人来衡量碳强度,并根据行业能源消耗来近似估算企业的碳排放量,具体计算方法见式(1)和式(2)。其中,行业能源消耗总量和行业主营业务成本数据分别来自《中国能源统计年鉴》和《中国工业经济统计年鉴》,参照厦门节能中心二氧化碳计算标准,1吨标准煤的二氧化碳折算系数为2.493。C值越大,说明企业碳排放强度越高。

企业碳排放强度=企业碳排放量/企业主营业务收人

企业碳排放量=（企业主营业务成本/行业能源消耗总量）*二氧化碳折算系数*行业主营业务成本

2.解释变量:低碳城市试点。借鉴宋弘等,徐佳和崔静波”的思路,在后文多期双重差分模型中,本文将我国前三批被纳人低碳城市试点范围的省份和城市作为处理组,其余省市作为对照组,从企业碳排放水平的视角对低碳城市试点政策进行量化评估。由于我国前两批试点城市名单发布时间接近年底,分别为2010年10月和2012年12月,考虑到政策执行滞后性,故本文将政策实施时间定义为 2011年和2013年。第三批试点城市名单在 2017年1月发布,政策实施时间依然设定为 2017年。根据上述思路,本文设置低碳城市建设试点的虚拟变量(Rerm),若样本企业所在城市或省份被纳人前三批低碳城市建设的试点范围,则 Reorm 取值为1,否则为0。同时,若同一地区被多次纳入不同批次的低碳城市建设试点范畴,则该地区的低碳城市试点实施时间定为更早的那次。

3.环境审计( Eaudit)：考虑到政府环境审计数据的可获取性,同时为了精确捕捉环境审计对企业碳排放的影响,本文查阅和整理《中国审计年鉴》,审计署网站以及审计署特派办,省(自治区,直辖市)审计厅及各市(州,盟)审计局对审计工作的有关表述,在此基础上,参考蔡春等的思路”,采用审计署在各省市开展的环境审计类型数量来衡量审计署开展环境审计的强度 Eaudit。

4.中介传导变量:企业技术创新(G1)。借鉴于连超等的研究,本文采用研发支出与营业收人的比值来刻画技术创新投入强度(R&D)。同时,考虑到专利授权需要一定时间检测并需缴纳年费,缺乏稳定性和确定性,因此,本文采用企业绿色专利申请量+1的自然对数作为企业技术创新产出(G1)的代理指标,以便于直观且真实地反映企业创新水平。

本文旨在检验低碳城市试点政策的“碳减排效应”及其作用机制,而在政策效果评价文献中较有效的方法为双重差分模型( DID)。该方法将研究对象分为处理组(实施低碳城市试点政策的样本组)和对照组(未实施低碳城市试点政策的样本组),通过对实施低碳试点政策前后进行时间趋势上的差分及对处理组和对照组之间进行政策实施与否的差分,以剔除随时间变化及不可观测的其他因素,从而识别出低碳城市试点政策的净效应。据此,本文构建如下模型(3),并将前三批被纳人试点范围的省份和城市设置为处理组,其余省市和城市设置为对照组,从企业碳排放视角对低碳城市试点的减排效应进行量化分析。

其中,CI表示i公司t年度的碳排放强度;Reorm.=LCCxPost;LCC 为上市公司所在地区是否实施低碳城市试点的虚拟变量,若上市公司所在城市属于是国家发改委公布的低碳城市建设试点地区,则 LCC 取值为1,否则取值为0。Post 为低碳城市建设试点前后的虚拟变量,若上市公司所在城市正处于低碳城市建设试点期间,则Post 取值为1,在非试点期间取值为0。进一步地,Refomm代表交互项LCC:xPost,,则 Reorm 说明上市公司所在城市是国家发改委公布的低碳城市建设试点地区,且正处于试点期间。在实证检验中,双重差分项 Reorm 的系数 α 是本文关注的重点,该系数反映的是在对低碳城市试点前后和试点地区及非试点地区之间进行双重差分后,低碳城市试点政策对企业碳排放的影响。

表3列示了低碳城市试点政策对企业碳排放的回归结果。模型(1)中低碳城市试点指标 Reform 的回归系数为-0.171,且在 1%水平上显著,说明低碳城市试点确实能显著降低工业企业的碳排放水平。进一步地,为了考察低碳城市试点政策对不同行业企业碳排放影响的效应差异,本文根据证监会行业分类指引,将“石油加工、炼焦及核燃料加工业”“黑色金属冶炼及压延加工业”“电力、热力生产和供应业”和非金属矿物制品业”这四类行业划分为高碳排放。行业(后文简称“高碳行业”),其他行业划分为非高碳排放行业(后文简称“低碳行业”),据此对样本组进行分组。由表3第(2)列和第(3)列的检验结果可知,Reform 系数均显著为负,且高碳行业样本组检验中 Refmm 系数的绝对值大于低碳行业样本组中Reform 系数的绝对值。同时,运用 Chow 检验分析 Refomm 系数的组间差异发现,所得的P值(Prob>chi2)为0.040,均达到10%的显著性水平,这说明相对于低碳行业企业,低碳城市试点政策的“减碳效应”在高排放行业企业中表现更突出,H,得到验证。