双重差分DID和三重差分DDD系列讲解（二）英文论文推荐
论文题目：碳交易试点政策对中国产业低碳国际竞争力的影响：基于DDD模型的实证分析
摘要：本文考察了碳交易试点政策对行业低碳国际竞争力的影响，以检验创建碳市场是否导致波特效应。通过对2009年至2016年中国30个省份33个行业的抽样调查，通过三重差分模型（DDD）和一系列稳健性测试，我们发现碳交易试点政策对试点项目所涵盖的行业低碳国际竞争力具有重大积极影响的证据。对其影响机制的研究表明，碳交易试点政策通过推动低碳技术进步，提升了产业的低碳国际竞争力。此外，对不同试点的行业特点和碳补贴分配方法的异质性分析表明，碳交易试点政策对产业低碳国际竞争力的影响主要体现在低碳排放、国有资本高、出口强度高的行业。与祖父法和历史强度法相比，采用基准法后，一个行业的低碳国际竞争力显著提高。本文的成果为改进全国碳市场的政策设计提供了重要见解，并为其他国家和地区，特别是发展中国家建立碳交易市场提供了参考点。
关键字 碳交易试点政策 三重差分DDD模型 低碳国际竞争力
影响效应模型
传统的差异（DID）模型在政策评价实证研究文献中普遍使用。通过比较政策实施前后试验区（即实验组）与非试点区（即控制组）之间的差异，确定不可见且不随时间变化的混淆因素，并可以从模型中删除，然后分离政策的处置效果，以评估其因果促进效果。本文基于 DDD 模型构建了碳交易试点政策对工业 LCIC 的影响模型：
where i is the province, j is the industry, and t is the year. The explainedvariable lnLCICijt is the logarithm ofthe LCIC of each industry in each province. The dummy variable for the carbontrading pilot, piloti, takes a value of 1in provinces with a pilot and0 otherwise. The dummy variable for theimplementation time of a carbon trading pilot policy is postt, which is 2013,acting as thenode of implementation of the pilot policy. If the carbon tradingpilotpolicy has been implemented (t > 2013), postt ? 1, and in theperiod before the implementation (t < 2013), postt ? 0. The dummy variablefor industries covered by pilots is sectorj, which takes a value of 1 for coveredindustries and 0 for uncovered industries. Xijt is a control variablefor LCIC. mi, gj, and dt are fixed effects ofprovinces,industry, and the year respectively. εijt is the stochastic erroraffected by time. The standard errors estimated by model coefficients are clusteredat the province level. Therefore, the total impact of a carbon trading pilotpolicy on LCIC of industry in this paper is the coefficient from multiplyingthree terms.
D模型的测试
为了确保 DDD 模型估计结果的可靠性，我们在本文的动态效果估算中对预期效果和并行趋势假说进行了测试。模型分别构造如下：
预期效果测试
其中dt是碳交易试点政策实施前时间的假变量（t = 2011，t = 2012）。具体来说，如果系数为β5在d2011和d2012与0有显著差异，那么在碳交易试点政策实施之前，工业LCIC的水平受到了预期效果的影响。
平行趋势假说测试和动态效果分析
DDD估计结果一致性的前提意味着治疗和对照组确认了平行趋势假说——也就是说，如果没有政策干预，两组结果变量变化的趋势是一致的。本文使用以下模型，测试在碳交易试点政策实施之前，我们的处理和控制组是否属实。我们还对政策影响进行动态效果分析。
其中dt是该年度的虚拟变量（t= 2010、2011、...，2016）。2010年，d2010=1和0否则。在方程（3）中，主要关注系数的变化βt.从理论上讲，DDD模型确认并行趋势假说的条件是，β2010, β2011，和β2012并不重要，而β2013≤μ≤2016是重要的。此外，通过比较β的变化，可以分析碳交易试点政策对工业LCIC的动态影响。
影响机制测试模型
实施碳交易试点政策后，如果实际CO2覆盖行业的排放量超过配额，他们需要在碳市场上购买信用额度，以增加其配额。如果实际排放量低于配额，那么他们可以通过在该市场上销售信贷来赚取利润。要赚取利润，覆盖行业必须积极开展低碳技术创新，在低碳技术的运用上取得进展。因此，碳交易试点政策可以推动工业低碳技术的实施，提高低碳技术的LCIC水平。本文对碳交易试点政策进行了调解效果分析，以激励覆盖行业加快低碳技术的采用进度，从而增强低碳技术的LCIC。因此，我们构建了一个介导效应模型，如方程（4） （5） （6）中所示。
方程（4）是基准 DDD 模型。在方程（5）中，解释的可变 lnLCTFP伊杰特，各省各行业低碳总因子生产率（LCTFP）的对数，用于衡量采用低碳技术的进展情况。方程（6）添加 lnLCTFP伊杰特基于方程（4）。我们使用逐步回归来测试介导效果，使用以下步骤。如果α1方程（4）并不显著，表明碳交易试点政策与LCIC之间的因果关系薄弱或不存在，中介效应测试将停止。如果α1意义重大，我们继续构建回归方程（5），以测试碳交易试点政策是否影响试点行业采用低碳技术的进展。如果β，调解效果测试也将停止1这反映出碳交易试点政策与采用低碳技术的进展之间因果关系薄弱或不存在。如果β1意义重大，那么我们继续构建回归方程（6），以测试在采用低碳技术方面是否存在进展的中介效应。如果两者都λ1和λ2是重要的，λ1明显接近0比α1，那么，低碳技术的采用是推动工业LCIC发展碳交易试点政策的中介，具有部分调解作用。如果λ1不重要，但λ2意义重大，那么在采用低碳技术方面取得进展，对改善工业LCIC的碳交易试点政策具有充分的中介作用。
不同津贴分配方法的异质性分析模型
每个试点对所涵盖的行业采用不同的津贴分配方法，因此有必要用异质性分析模型分析不同津贴分配方法对工业LCIC的影响差异，具体如下：
在方程（7）中， lnLCIC是工业LCIC的对数：上午伊杰特是不同津贴分配方法的假载体，分别以历史强度法、祖父法和基准法为代表。具体来说，如果工业j在试点省份一年一中采用的碳津贴分配方法是历史强度法，则值为1：否则，它是0：其他两种方法也可以同样推断。
结论：本文将中国的碳交易试点作为准自然实验。基于中国30个省33个行业的数据，我们使用DDD模型对碳交易试点对工业LCIC的影响进行了实证分析。我们的结果导致我们得出以下结论。
首先，实施碳交易试点推动行业采用低碳技术的进展，进而完善低碳贸易试点政策，有利于促进低碳转型和贸易升级，有利于中国提高贸易竞争力。此外，这是中国首次对碳交易市场对LCIC的影响进行实证研究，也是对当前关注发达国家研究的重要补充。
其次，碳交易试点产生的波特效应在碳排放强度低、国有比例大、出口强度强的行业明显。碳交易试点可以显著改善这些行业的LCIC。
第三，使用基准方法显著改善工业LCIC，而祖父法减少工业LCIC。这为中国国家碳市场主要采用基准分配碳限额提供了直接的经验证据。
政策影响
基于本节的上述结论，我们考虑了我们研究的政策影响。
首先，中国的碳交易试点政策对工业产生了推动作用，这进一步验证了促进全国碳交易的价值。在建立国家碳市场的过程中，制定和完善制度安排是充分发挥碳价格作用的必要条件。此外，'金砖四国'等发展中国家目前经济快速增长，环境库兹涅茨曲线呈上升趋势。碳交易试点政策作为一项有效的市场化减排政策，在中国取得了显著成效。因此，中国的碳交易经验可以为其他发展中国家在遏制排放和气温上升的国际压力下提供借鉴。
第二，政策制定者应鼓励试点企业与科研机构或大学合作，加快低碳技术的研发。同时，国家发改委可以出台相应的创新补贴政策，鼓励企业开展低碳技术创新。
第三，为了缩小LCIC在各行业之间的差距，决策者在建立国家碳交易市场时应强调政策设计的公平性，充分考虑多个行业的技术现状。对于碳排放强度低、国有比例小、出口强度弱的行业，主管部门可以考虑利用补贴鼓励其调整低碳技术，提高LCIC水平。
第四，在为全国碳市场设计限额分配方法时，应主要采用基准，以最大限度地提高工业LCIC。不同的基准值应根据每个行业的实际技术水平，在控制总碳排放的条件下确定。此外，决策者在为碳减排潜力低、成本高的行业设定基准时，应允许某些弹性。