引言制造业高质量发展不仅是制造强国的重要表征，更是顺应新一轮科技革命和产业变革的必然要求[1]。经过多年不断的发展，我国制造业规模优势日益显著，体现在制造业增加值的增长以及在全球制造业中占据的比重逐渐提高。但规模优势并不能代表质量优势[2]。2021年我国制造业碳排放总量以及能耗总量在第二产业中占据2/3，在全国能耗总量以及碳排放总量中占比达1/3，高碳排、高能耗问题逐渐显现[3]。低碳资源的配置与高质量发展之间的矛盾，本质上是因产权划分不清导致的外部性问题，碳排放权交易可以很好地处理二者之间的分歧[4]。现实条件下，实现低碳环保发展需要技术创新的支撑，而在研发前期，需要足够的经济支持。碳排放权交易作为运用市场机制优化环境的规制手段，通过明晰在一定范围内合理排放二氧化碳的权力，通过碳减排抵用证的形式展现，实现环境资源的商品化买卖，能够科学有效地化解环境问题，解决污染型产业低碳发展问题[5-8]。因此，研究碳交易政策的实际运行对制造业高质量发展的影响，明确其中的作用机制，探索实现制造业高质量发展的可行路径，对优化全国碳市场以及加快各地区制造业高质量发展具有重要意义。1研究设计1.1模型构建文中采用2009~2020年省级面板数据，将碳排放权交易试点作为一项准自然实验，选取双重差分法评估碳排放权交易对制造业高质量发展(HDMI)的影响。我国国家发改委在2011年颁布了《关于开展碳排放权交易试点工作的通知》，将上海、北京、广东、深圳、天津、湖北和重庆等地划分为试点地区，并于2013年起正式运行。因此将2013年作为政策冲击的时间点，借鉴已有研究，将去除深圳的6个试点地区作为处理组。下标i、t分别表示地区和时间，制造业高质量发展水平HDMIit为：HDMIit=α1+β1treat×post+φXit+μi+δt+εit (1)式中：α1——常数项系数；β1——核心解释变量系数；treat×post——核心解释变量试点政策；φ——控制变量系数；Xit——控制变量；μi——个体固定效应；δt——时间固定效应；εit——随机扰动项。1.2变量说明（1）被解释变量：制造业高质量发展水平(HDMI)。借鉴郑耀群[9]等的研究，运用熵权法对制造业高质量发展水平进行分析。制造业高质量发展指标如表1所示。10.3969/j.issn.1004-7948.2024.01.024.T001表1制造业高质量发展指标一级指标二级指标三级指标指标解释指标单位指标属性创新效应创新投入研发人员投入力度规模以上工业企业R&D人员全时当量/制造业从业人员数量%正向研发经费投入强度规模以上工业企业R&D经费支出/GDP%正向创新产出人均发明专利数规模以上工业企业有效发明专利数/工业企业R&D总从业人口件/万人正向高技术产品销售收入制造业高技术产品销售收入/主营业务收入%正向人均技术市场成交额技术市场成交额/规模以上工业企业R&D人员全时当量万元/(人·a)正向续表1　制造业高质量发展指标10.3969/j.issn.1004-7948.2024.01.024.T002一级指标二级指标三级指标指标解释指标单位指标属性速度效益成长速度工业增加值增速（本年工业增加值-上一年工业增加值）/上一年工业增加值%正向盈利水平主营业务收入利润率规模以上工业企业营业利润/主营业务收入%正向生产成本主营业务收入成本率规模以上工业企业主营业务成本/主营业务收入%负向资产负债资产负债率规模以上工业企业资产负债率%负向绿色发展环境污染单位工业产值废水排放量所有制造业行业每万元产值废水排放量%负向单位工业产值二氧化硫产生量所有制造业行业每万元产值二氧化硫排放量%负向废物利用一般工业固体废物综合利用率一般工业固体废物处置及综合利用量/一般工业固体废物产生总量%正向环境治理工业污染治理完成投资占工业增加值比重工业污染治理完成投资/工业增加值%正向产业融合融合水平移动电话普及率平均每百人拥有的移动电话数%正向互联网普及率互联网用户占常住人口总数的比例%正向融合效益电子信息制造业主营业务收入占比规模以上电子信息产业制造业企业电子信息产业主营业务收入占制造业主营业务收入比重%正向（2）核心解释变量：treat×post。前者为分组虚拟变量，后者为分期虚拟变量。试点地区treat=1；其余省份treat=0。将2013年之后年份为政策干预年份，post=1；反之post=0。（3）控制变量。经济发展水平(EDL)：ln(人均GDP)；技术进步(TP)：ln(技术市场成交额)；能源消费结构(ECS)：煤炭消耗/能源消耗；政府干预水平(LGI)：地方财政一般预算收入/GDP；对外开放水平(LOU)：外商直接投资金额/GDP。1.3数据来源数据源自国家统计局数据库、2009~2020年的《中国能源统计年鉴》《中国环境统计年鉴》、各省的统计年鉴等。由于部分省份数据存在缺失，最终选择我国29个省份。对数据进行处理的过程中，由于个别制造业指标缺失，无法获得，故采用工业中类似指标进行替代，采用插值法补齐；为了避免异常值对实证结果的干扰，对所有变量在第1以及99分为上限进行缩尾处理。各变量描述性统计结果如表2所示。10.3969/j.issn.1004-7948.2024.01.024.T003表2各变量描述性统计结果变量变量符号变量名称样本数最小值最大值均值标准差因变量HDMI制造业高质量发展3480.07150.666 40.195 40.105 2核心解释变量treat*post碳排放权交易试点34801.000 00.137 90.345 3控制变量EDL经济发展3489.288 614.258 910.707 40.561 9TP技术进步3488.630 517.961 213.828 61.769 3ECS能源消费3480.014 62.518 40.935 70.450 3LGI政府干预3480.058 40.245 20.113 50.032 2LOU对外开放34800.121 00.022 30.019 82实证结果与分析2.1平行趋势检验运用双重差分法估计碳排放权交易政策对制造业高质量发展影响的前提，进行平行趋势检验。借鉴大多数学者的做法进行平行趋势假定的验证。碳排放权交易与制造业高质量发展的平行趋势检验如表3所示。10.3969/j.issn.1004-7948.2024.01.024.T004表3碳排放权交易与制造业高质量发展的平行趋势检验HDMI系数控制变量固定效应观测值HDMI系数控制变量固定效应观测值pre30.010 0（0.012 9）YesYes348last30.074 6***（0.012 9）YesYes348pre20.017 0（0.012 9）YesYes348last40.053 5***（0.012 9）YesYes348pre10.025 4（0.012 9）YesYes348last50.055 4***（0.012 9）YesYes348current0.033 4**（0.012 9）YesYes348last60.067 1***（0.012 9）YesYes348last10.053 4***（0.012 9）YesYes348last70.082 4***（0.013 0）YesYes348last20.074 9***（0.012 9）YesYes348注：括号内为标准误；*、**和***分别表示在10%、5%和1%的水平上显著；下表同。由表3可知，政策执行之前的3年中系数均不显著，表明试点地区与非试点地区并不存在显著差别。但是在2013年以及之后的7年中系数均显著为正，且在不断增加。这说明碳交易政策实施后，试点地区与非试点地区的制造业发展水平产生差异，且差异在不断增大。实验通过了平行趋势检验。2.2基准回归分析(1)列、(2)列分别表示控制时间效应以及个体效应后的回归结果和仅控制时间效应后的结果，(3)列、(4)列分别表示在(1)列、(2)列基础上加入控制变量的结果。对式(1)进行回归分析，基准回归分析结果如表4所示。10.3969/j.issn.1004-7948.2024.01.024.T005表4基准回归分析结果变量HDMI（1）（2）（3）（4）treat*post0.048 7***（0.015 0）0.094 0***（0.014 3）0.045 3***（0.015 7）0.043 5***（0.014 1）EDL0.034 7***（0.011 3）0.002 5（0.006 7 ）TP0.017 0***（0.003 6）0.005 1*（0.003 0）ECS-0.032 0（0.021 0）-0.032 9*（0.018 3）LGI0.463 9***（0.147 6）0.658 4***（0.188 8）LOU-0.433 0（0.328 2）-0.515 2（0.327 0）Cons0.188 6***（0.002 0）0.182 2***（0.002 0）-0.446 1***（0.087 9）0.036 0***（0.108 9）时间固定效应YesYesYesYes个体固定效应YesNoYesNo观测值348348348348R20.962 50.898 10.961 30.969 7由表4可知，核心解释变量treat*post的系数均显著，数值在0.043~0.095之间，这表示碳交易政策显著影响了试点地区制造业高质量发展，并存在正向带动作用；试点政策能在一定限度上促进制造业高质量发展。2.3稳健性检验2.3.1安慰剂检验安慰剂检验一般通过随机划分处理组和实验组，检验政策虚拟变量的系数是否显著。从29个省市中随机抽取6个省市作为处理组，并对政策实施的时间进行随机选择，进行回归分析。模拟的回归系数并未与竖直虚线重合，而是呈现正态分布的特征，P值大部分超过了0.1。这表明基准估计结果不太可能受到其他政策或随机性因素的影响，证实了基准回归的可靠性。2.3.2基于倾向得分匹配——PSM-DID的检验为了保证估计结果的准确性，最理想的情况是将同一个地区经历政策冲击与未冲击的两种情况进行比较分析，但是在现实中无法收集同一个体在相同时间的不同状态。故文中采用倾向得分匹配法完成对试点地区与非试点地区的匹配。使用经济发展水平(EDL)、技术进步(TP)、能源消费结构(ECS)、政府干预水平（LGI）、对外开放水平(LOU)作为地区的特征变量对试点地区与非试点地区进行probit回归；选取1∶1近邻匹配的方式对样本进行匹配。处理样本间差异性问题后，对式(1)进行回归，PSM-DID检验的分析结果如表5所示。10.3969/j.issn.1004-7948.2024.01.024.T006表5PSM-DID检验的分析结果变量PSM-DID（1）（2）treat*post0.045 4***（0.015 8）0.043 5***（0.141 2）控制变量YesYes个体固定效应YesYes时间固定效应YesNo观测值348348R20.965 30.969 7由表5可知，回归结果与基准回归结果基本相同，通过调整个体固定效应以及时间固定效应、加入控制变量等方式，核心解释变量treat*post均在1%的水平下通过了显著性检验，表明本文的基准回归结果具有稳健性。2.3.3排除其他政策的影响在试点政策实施期间，可能存在其他因素影响制造业高质量发展。从两方面考虑，排除其他政策的干扰。一方面是《中国制造2025》对制造业高质量发展的影响。2015年，国务院颁布该项纲领性文件(PD)，并提出通过“三步走”实现我国制造强国目标。文中通过在基准回归中引入虚拟变量PD排除该项纲领的影响。另一方面是其他试验区的设立。2014年，我国在江西、福建、贵州、云南、青海设立了第一批生态文明先行示范区，考虑到试验区的制造业高质量发展水平可能与其他地区存在差异，文中通过剔除这5个省份排除干扰。排除其他政策干扰和控制省份趋势的结果如表6所示。(1)列代表《中国制造2025》这一纲领对制造业高质量发展的影响；(2)列表示提出生态文明先行示范区后，核心解释变量仍然在1%的水平下通过了显著性检验；(3)列表示同时考虑《中国制造2025》与示范区试点政策后的结果。10.3969/j.issn.1004-7948.2024.01.024.T007表6排除其他政策干扰和控制省份趋势的结果变量HDMI（1）（2）（3）treat×post0.045 3***（0.015 8）0.044 5***（0.014 2）0.044 7***（0.015 8）PD0.004 9（0.003 2）0.004 2（0.003 4）控制变量YesYesYes个体固定效应YesYesYes时间固定效应NoYesNo控制省份趋势NoYesYes观测值348286348R20.972 00.973 30.965 2由表6可知，代表碳交易政策的变量显著且符号为正。这表明排除可能干扰回归结果的政策后，碳交易政策仍然能够促进制造业高质量发展，基准回归结果具有稳健性。3影响机制分析碳交易政策还可能通过绿色技术创新以及制造业内部产业结构升级等方式产生中介效应，对制造业高质量发展产生影响。使用绿色专业研究数据库(GPRD)中的绿色发明专利申请量衡量绿色技术创新水平[10]；利用第三产业与第二产业的比值衡量产业结构高级化水平[11]，将第三产业替换为制造业中高技术产业，从而衡量制造业内部产业结构高级化。选取中介效应模型进行检验。HDMIit=α1+β1treat×post+φXit+ηi+δt+εit (2)wit=α2+β2treat×post+φXit+ηi+δt+εit (3)HDMIit=α3+β3treat×post+β4wit+φXit+ηi+δt+εit (4)式中：wit——中介变量，包括绿色技术创新(GTI)以及制造业内部产业结构高级化(HPISMI)；α1、α2、α3——常数项系数；β1、β2、β3——解释变量treat×post的系数；β4——中介变量系数；ηi——个体固定效应。中介效应检验结果如表7所示。10.3969/j.issn.1004-7948.2024.01.024.T008表7中介效应检验结果项目（1）（2）（3）（4）（5）HDMIGTIHDMIHPISMIHDMItreat*post0.043 5***（0.014 1）0.427 9***（0.200 4）0.037 3***（0.019 7）0.163 3*（0.115 6）0.034 9***（0.010 7）GTI0.013 2***（0.003 4）HPISMI0.046 3**（0.019 1）控制变量YesYesYesYesYes个体固定效应YesYesYesYesYes时间固定效应YesYesYesYesYesR20.969 70.963 00.963 30.961 70.967 1观测值345345345345345Sobel检验0.014 2***（z=3.172）0.015 5**（z=2.086）Goodman检验10.014 2***（z=3.133）0.015 5**（z=2.083）Goodman检验20.014 2***（z=3.212）0.015 5**（z=2.088）表7(1)列为基准回归，treat×post的回归系数为正且在1%的水平下通过显著性检验，满足中介效应检验的条件。(2)列、(4)列分别表示碳交易政策对绿色技术创新以及制造业内部产业结构高级化的回归结果。回归系数分别在1%、10%的水平下显著，这表明碳交易政策对所选择的中介变量均有显著促进作用。(3)列、(5)列代表中介效应的回归结果，中介变量为绿色技术创新时，式(2)中β2估计结果显著为正，表明了碳交易政策有利于绿色技术创新的增加；(3)列中β3估计系数小于(1)列中β1的系数，表明绿色技术创新这套机制成立。碳交易政策的颁布激发了试点地区的绿色技术创新水平，促进了制造业高质量发展。中介变量是制造业内部产业结构高极化时，(4)列的treat×post估计系数同样显著为正，说明碳交易政策可以优化制造业内部产业结构。(5)列中treat×post估计系数小于(1)列，证明了制造业内部产业结构高极化这套机制成立。4结语基于2009~2020年我国29个省份的面板数据，将2013年实施的碳交易政策作为一项准自然实验，使用双重差分法探讨碳交易政策对制造业高质量发展的影响，并分析二者的作用机制。得出的结论如下：与非试点省份相比，在试点省份，碳交易政策将制造业高质量发展水平平均提高了4.35%。经过稳健性检验，回归结果仍然显著。中介效应表明，碳交易政策通过增加绿色技术创新和优化制造业内部产业结构提升制造业高质量发展水平。碳交易政策的完善过程中，应注重省份自身的发展。碳交易政策可以提升制造业高质量发展，同时，随着制造业发展水平的提升，碳交易政策对制造业高质量发展的促进效果随之增强。这表明试点政策的效果需要其他因素的协同助力。在今后的发展中，一方面，我国碳排放权交易市场还有待完善，可以通过总结建设碳排放权交易试点的经验，未来合理扩大碳市场交易的范围；另一方面，根据不同地区的特点，个性化地增强补弱，提供良好的产业发展氛围，推动碳排放权交易体系不断优化。注重多政策搭配，削减企业绿色创新成本，科学引进人才，从而促进制造业高质量发展。碳排放权交易试点通过增加绿色技术创新以及优化制造业内部产业结构提升制造业高质量发展。因此，可以适当拓宽融资渠道，设立企业低碳化资金平台，为企业转型升级提供保障。一方面，对于污染密集型企业而言，资金支持可以弥补因试点政策实施带来的额外成本，有利于企业自身的长久发展；另一方面，对于清洁型企业而言，可以通过专项资金支持引进人才，增加绿色技术创新，获得超额碳配额，出售给污染密集型企业，形成良性循环。10.3969/j.issn.1004-7948.2024.01.024.F001