徐爭(zhēng)榮 王晗穎

摘?要：

2011年以來(lái)，碳排放權(quán)交易市場(chǎng)在我國(guó)逐步建立，這為我國(guó)推進(jìn)二氧化碳節(jié)能減排工作提供了有效途徑。由于我國(guó)在這方面的建設(shè)開(kāi)始得較晚，交易市場(chǎng)現(xiàn)有的體系并不完善，針對(duì)碳排放權(quán)交易的相關(guān)政策也存在一定的缺位。為更好地解決現(xiàn)有問(wèn)題，本文對(duì)各影響因素的影響程度進(jìn)行定量分析，從而為確定碳排放權(quán)交易價(jià)格提供理論依據(jù)。本文選取2016—2020年5個(gè)交易量較高的試點(diǎn)省市的成交價(jià)格求取平均值，然后采用因子分析的方法對(duì)選取的7個(gè)影響因素的信息進(jìn)行特征提取和綜合，然后采用多元線性回歸模型，對(duì)三大主要成分與我國(guó)碳排放權(quán)交易價(jià)格之間的關(guān)系進(jìn)行了分析。論證結(jié)果表明，煤碳價(jià)格、宏觀經(jīng)濟(jì)、氣候條件都對(duì)碳排放權(quán)交易價(jià)格產(chǎn)生影響。其中，隨著上述能源價(jià)格的增高，碳排放權(quán)交易價(jià)格會(huì)降低，而宏觀經(jīng)濟(jì)、氣候條件與碳排放權(quán)交易價(jià)格成正比。

關(guān)鍵詞：碳排放權(quán)；能源；因子；宏觀經(jīng)濟(jì)

作者簡(jiǎn)介：徐爭(zhēng)榮，副教授，博士，研究方向?yàn)榫G色金融、金融工程；

王晗穎，研究方向?yàn)榻鹑诠こ?、金融科技、碳交易?/p>

一、引言

近年來(lái)，全球變暖問(wèn)題受到了人們?cè)絹?lái)越多的關(guān)注，為解決這一全球性氣候問(wèn)題，世界各國(guó)政府都在努力發(fā)展低碳經(jīng)濟(jì)?！毒┒甲h定書(shū)》的條款讓各國(guó)認(rèn)識(shí)到，排放二氧化碳的權(quán)利可以像一般的商品那樣在市場(chǎng)上進(jìn)行交易。各國(guó)政府開(kāi)始通過(guò)碳排放權(quán)交易這一市場(chǎng)化手段對(duì)二氧化碳的排放量進(jìn)行限制。從2013年開(kāi)始，我國(guó)逐步完成了9個(gè)省市碳交易試點(diǎn)項(xiàng)目的批準(zhǔn)工作，并開(kāi)展了碳減排工作。

習(xí)近平同志于2020年9月在聯(lián)合國(guó)第75次會(huì)議上公布了我國(guó)二氧化碳排放的整體目標(biāo)。2021年4月22日召開(kāi)的“領(lǐng)導(dǎo)人氣候峰會(huì)”上習(xí)近平同志再次強(qiáng)調(diào)實(shí)現(xiàn)碳達(dá)峰、碳中和是我們構(gòu)建和諧美好的社會(huì)主義生態(tài)文明體系中不可缺少的一步。我國(guó)正在為這一目標(biāo)制訂具體的行動(dòng)計(jì)劃，總體規(guī)劃是先使一些碳減排工作做得較好的地區(qū)、重點(diǎn)企業(yè)以及行業(yè)達(dá)到碳排放量的峰值，再逐步實(shí)現(xiàn)最終目標(biāo)。這足以體現(xiàn)國(guó)家對(duì)于實(shí)現(xiàn)碳達(dá)峰碳中和目標(biāo)的重視，而實(shí)現(xiàn)碳達(dá)峰和碳中和必然需要市場(chǎng)的參與，碳排放權(quán)交易是市場(chǎng)的重要組成部分，所以應(yīng)對(duì)碳排放權(quán)交易的狀況進(jìn)行及時(shí)、準(zhǔn)確的把握。研究碳排放權(quán)價(jià)格的影響因素可以更加準(zhǔn)確地對(duì)價(jià)格以及市場(chǎng)進(jìn)行預(yù)測(cè)，從而為目標(biāo)的實(shí)現(xiàn)助力。

（一）研究意義

從宏觀角度來(lái)說(shuō)，研究碳排放權(quán)交易價(jià)格的影響因素有助于建立完善統(tǒng)一的碳交易市場(chǎng)，幫助政府更好地制定節(jié)能減排的宏觀經(jīng)濟(jì)政策，為與環(huán)境有關(guān)的重要決策提供參考，同時(shí)為實(shí)現(xiàn)碳達(dá)峰和碳中和的目標(biāo)進(jìn)行有效助力。從微觀角度來(lái)說(shuō)，研究碳排放交易價(jià)格的影響因素有助于碳金融業(yè)務(wù)的開(kāi)展，能夠幫助企業(yè)和投資者掌握更加完善準(zhǔn)確的信息，從而做出正確決策，減少?zèng)Q策失誤。運(yùn)用因子分析以及多元回歸模型進(jìn)行研究，不僅能將各影響因素進(jìn)行歸類(lèi)匯總，還能夠直觀地表現(xiàn)各因子對(duì)碳交易價(jià)格的影響，將影響程度進(jìn)行量化，從而為碳排放權(quán)交易的定價(jià)提供理論依據(jù)。

（二）研究方法

煤炭、石油、天然氣等排碳量高的能源的價(jià)格，溫度和濕度以及人均GDP等因素都會(huì)影響碳排放的定價(jià)。各種因素和碳排放權(quán)的市場(chǎng)都在不斷地發(fā)生變化，同時(shí)碳排放權(quán)的價(jià)格也隨之變化。這些變動(dòng)會(huì)產(chǎn)生許多組不同的數(shù)據(jù)，因此可以將影響因素與碳排放權(quán)價(jià)格之間的關(guān)系進(jìn)行量化，數(shù)據(jù)支撐使研究更具可行性。研究碳排放權(quán)的定價(jià)與上述因素之間的聯(lián)系和相互影響，對(duì)于評(píng)價(jià)碳排放量的價(jià)值具有重要意義。本文通過(guò)對(duì)影響碳排放權(quán)定價(jià)的主要因素進(jìn)行分析，將多種影響因素綜合在一起，形成若干個(gè)因子，并在此基礎(chǔ)上構(gòu)建多元線性回歸模型，進(jìn)一步考察各主要因素對(duì)碳價(jià)格的影響，并對(duì)各因子的影響程度進(jìn)行量化，為進(jìn)一步探討碳排放量定價(jià)的方法提供參考。

本文選取了5個(gè)碳試點(diǎn)省市碳排放權(quán)交易價(jià)格數(shù)據(jù)。利用SPSS進(jìn)行主成分分析，后利用Eviews建立多元線性回歸模型進(jìn)行實(shí)證研究。具體方法如下：

（1）文獻(xiàn)研究法

本文主要通過(guò)收集、鑒別、整理有關(guān)主成分分析以及多元線性回歸模型在金融領(lǐng)域應(yīng)用的相關(guān)文獻(xiàn)，通過(guò)查閱相關(guān)文獻(xiàn)，進(jìn)一步了解這種方法，并運(yùn)用已有的文獻(xiàn)對(duì)其進(jìn)行系統(tǒng)的學(xué)習(xí)，以進(jìn)行更好的運(yùn)用。

（2）總結(jié)分析法

在研讀大量的優(yōu)秀文獻(xiàn)之后，對(duì)其中的理論知識(shí)和研究方法進(jìn)行總結(jié)分析，最終選出合適的研究方法，進(jìn)而列出本文大綱。

（3）實(shí)證分析法

本文選取5個(gè)碳試點(diǎn)省市碳排放權(quán)交易價(jià)格、煤炭等能源的價(jià)格、溫度和濕度、滬深300指數(shù)以及人均GDP的數(shù)據(jù)，運(yùn)用Excel計(jì)算出月平均值。首先運(yùn)用SPSS軟件對(duì)Excel計(jì)算出的月平均值進(jìn)行標(biāo)準(zhǔn)化處理，再采用KMO和巴特利特法對(duì)其進(jìn)行定性分析，根據(jù)因子載荷矩陣得出其主要因子。其次運(yùn)用Eviews構(gòu)建多元線性回歸模型，對(duì)標(biāo)準(zhǔn)化的碳排放權(quán)交易價(jià)格以及3個(gè)主因子進(jìn)行平穩(wěn)性檢驗(yàn)以及多重共線性檢驗(yàn)后做出回歸結(jié)果。最后根據(jù)回歸結(jié)果構(gòu)建多元線性回歸模型并得出相應(yīng)結(jié)論。

（三）文獻(xiàn)綜述

汪中華和胡垚（2018）首先將碳交易價(jià)格使用EEMD法進(jìn)行了分解，然后運(yùn)用FGLS方法對(duì)各種因素的影響進(jìn)行了研究。Zhou和Li（2019）以湖北碳排放權(quán)交易市場(chǎng)為例，利用矢量自回歸和矢量誤差校正兩種方法對(duì)能源價(jià)格、宏觀經(jīng)濟(jì)指標(biāo)、空氣質(zhì)量帶來(lái)的影響進(jìn)行了研究。

姜瑜和吳哲宇（2021）研究的創(chuàng)新性在于突破原有的影響因素，增加了一種新的可能的技術(shù)要素。

董直慶和王輝（2021）收集了我國(guó)2005—2017年30個(gè)省市的面板數(shù)據(jù)，采用雙重差分模型和空間計(jì)量方法，檢驗(yàn)碳排放交易政策的有效性，結(jié)果發(fā)現(xiàn)碳排放權(quán)交易政策可以有效克服環(huán)境和經(jīng)濟(jì)的“兩難問(wèn)題”。吳慧娟和徐智光（2020）針對(duì)我國(guó)碳價(jià)低迷的問(wèn)題，運(yùn)用多元回歸分析方法對(duì)制約碳價(jià)的關(guān)鍵因素進(jìn)行了分析，研究表明政策中的減排門(mén)檻額設(shè)置過(guò)于寬松、懲罰力度不足、產(chǎn)業(yè)結(jié)構(gòu)中二產(chǎn)占比偏高，對(duì)非清潔能源利用率低、對(duì)環(huán)保減排投入不足是導(dǎo)致煤碳價(jià)格過(guò)低的關(guān)鍵原因。

因此，在對(duì)碳排放權(quán)交易定價(jià)的影響因素進(jìn)行分析時(shí)，各位學(xué)者構(gòu)建的模型存在較大差異，但在影響因素的確定上較為一致，不同的文獻(xiàn)都選取了經(jīng)濟(jì)發(fā)展、能源價(jià)格作為影響因素。由此可見(jiàn)，這兩個(gè)要素在碳排放權(quán)交易定價(jià)中起到了決定性的作用，而這也為本文的研究提供了一些理論基礎(chǔ)和思路。

二、碳排放權(quán)交易概述

碳排放權(quán)交易是對(duì)戴爾斯的“排放權(quán)交易”這一概念的擴(kuò)展。排放權(quán)交易中買(mǎi)賣(mài)的是一種法定的排污權(quán)，通過(guò)排污許可將其作為一種商品進(jìn)行買(mǎi)賣(mài)。戴爾斯根據(jù)排放權(quán)交易的理念制定了控制水污染的方案，后來(lái)該方法也被用于減少二氧化硫等硫化物的排放。為應(yīng)對(duì)全球氣候變暖，自1997年起，先后有100多個(gè)國(guó)家簽署了《京都議定書(shū)》?！毒┒甲h定書(shū)》于2005年生效，由此碳排放權(quán)在國(guó)際市場(chǎng)中引起了人們的普遍注意?！毒┒甲h定書(shū)》中提到，發(fā)達(dá)國(guó)家與發(fā)展中國(guó)家的發(fā)展程度存在著差距，因而在減排方面的責(zé)任也不盡相同。同時(shí)規(guī)定發(fā)達(dá)國(guó)家的減排計(jì)劃應(yīng)該在2005年啟動(dòng)，發(fā)展中國(guó)家應(yīng)該在2012年啟動(dòng)。為此，從2011年起，我國(guó)在北京、天津、上海、重慶、湖北、廣東、深圳7個(gè)省市啟動(dòng)了碳交易市場(chǎng)建設(shè)的準(zhǔn)備工作。

（一）碳排放權(quán)交易市場(chǎng)的運(yùn)行情況

中國(guó)自2011年以來(lái)一直在為建立碳交易市場(chǎng)做準(zhǔn)備。近年來(lái)，由于碳排放權(quán)交易機(jī)制的不斷完善，國(guó)內(nèi)的碳排放交易市場(chǎng)已基本形成。有了區(qū)域性碳排放交易市場(chǎng)發(fā)展?fàn)顩r良好這一前提之后，在2017年年末，我國(guó)開(kāi)始了全國(guó)碳排放交易市場(chǎng)的建設(shè)工作。全國(guó)碳排放交易市場(chǎng)設(shè)定了一個(gè)目標(biāo)，即在2030年，碳排放量可以減少60%～65%，并且達(dá)到峰值。我國(guó)的碳交易市場(chǎng)于2021年7月正式啟動(dòng)，但其管制政策與一些地區(qū)有關(guān)行業(yè)的規(guī)范存在一定差異。部分試點(diǎn)省市缺乏對(duì)市場(chǎng)機(jī)制和調(diào)控的重視，使現(xiàn)行政策的制定嚴(yán)重滯后，這些問(wèn)題導(dǎo)致目前的碳排放交易進(jìn)展相對(duì)緩慢，減排效果并不理想。因此只有制定完善的碳排放交易機(jī)制，統(tǒng)一監(jiān)管標(biāo)準(zhǔn)，提高政策制定的及時(shí)性和靈活性以及明確碳排放權(quán)價(jià)格的影響因素，才能更好地促進(jìn)碳排放市場(chǎng)的良性發(fā)展。

（二）碳排放權(quán)交易市場(chǎng)的影響因素

煤炭是碳排放權(quán)的原生品，也是我國(guó)重要的能源之一。英國(guó)石油公司（BP）公布的各種能源的碳排放系數(shù)顯示，煤炭的碳排放系數(shù)最高，為091，其勢(shì)必會(huì)對(duì)碳排放權(quán)的價(jià)格產(chǎn)生影響。石油在我國(guó)能源結(jié)構(gòu)中同樣占有重要地位，石油的碳排放系數(shù)為077，其消費(fèi)量會(huì)影響碳排放量，進(jìn)而影響碳排放權(quán)的價(jià)格。雖然天然氣相對(duì)于煤炭和石油來(lái)說(shuō)碳排放量較少，但天然氣的碳排放量系數(shù)為051，遠(yuǎn)高于太陽(yáng)能、生物能等非礦物能源，其消耗會(huì)影響二氧化碳的排放量，進(jìn)而影響碳排放權(quán)的價(jià)格。

溫度和濕度的變化影響亦是如此。滬深300指數(shù)是由滬深兩大證券交易所以規(guī)模和流動(dòng)性作為標(biāo)準(zhǔn)選取300只成分股，并以調(diào)整股本為權(quán)重編制指數(shù)。滬深300指數(shù)能直接、真實(shí)地反映中國(guó)證券市場(chǎng)狀況，間接反映中國(guó)經(jīng)濟(jì)發(fā)展水平，是影響碳交易市場(chǎng)的重要因素。人均國(guó)內(nèi)生產(chǎn)總值即人均GDP，在經(jīng)濟(jì)學(xué)中用以衡量經(jīng)濟(jì)發(fā)展?fàn)顩r。人均GDP的變動(dòng)可能對(duì)碳交易市場(chǎng)的交易狀況產(chǎn)生一定的影響。據(jù)此選取煤炭?jī)r(jià)格、石油價(jià)格、天然氣價(jià)格、平均氣溫、平均濕度、滬深300指數(shù)、人均GDP作為原始的7個(gè)影響因素。

三、實(shí)證分析

（一）數(shù)據(jù)來(lái)源與選取?

我國(guó)的碳排放市場(chǎng)試點(diǎn)工作起步較晚，各地區(qū)的交易數(shù)量和交易的活躍程度差異較大。近幾年的交易數(shù)據(jù)顯示，重慶、天津這兩個(gè)試點(diǎn)城市的交易量少，交易基本停滯，區(qū)域市場(chǎng)發(fā)展?fàn)顩r較差。為保證選取的樣本數(shù)據(jù)盡可能準(zhǔn)確和全面，本文選取了自2016年1月1日至2020年12月31日北京、上海、湖北、廣東、深圳5個(gè)碳試點(diǎn)省市的數(shù)據(jù)作為樣本。統(tǒng)計(jì)的數(shù)據(jù)為這5個(gè)碳試點(diǎn)省市在有效工作日內(nèi)的碳排放權(quán)交易價(jià)格，對(duì)數(shù)據(jù)按月求取平均值，最終得到60個(gè)碳排放權(quán)月平均交易價(jià)格。數(shù)據(jù)來(lái)源于各地交易所。

選用動(dòng)力煤價(jià)格代表煤炭?jī)r(jià)格，以煤炭、石油、天然氣的月平均價(jià)格作為其中的三組數(shù)據(jù)，數(shù)據(jù)均來(lái)源于金投網(wǎng)；以各地每日溫度觀測(cè)值的平均值作為各月平均氣溫的數(shù)據(jù)，數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局和天氣網(wǎng)；以各地每日濕度觀測(cè)值的平均值作為各月平均濕度的數(shù)據(jù)，數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局和天氣網(wǎng)；滬深300指數(shù)、人均GDP數(shù)據(jù)來(lái)源于Wind。

（二）模型設(shè)定

首先利用SPSS將8組數(shù)據(jù)標(biāo)準(zhǔn)化。在此基礎(chǔ)上，采用因子分析方法，獲得了多個(gè)相互獨(dú)立的主因子，這些因子是原變量的線性結(jié)合，能有效降低維數(shù)，同時(shí)，多個(gè)主因子保持了原變量的大部分信息，能有效處理信息重疊等可能存在的問(wèn)題。為深入研究碳排放權(quán)交易中各個(gè)主要因素對(duì)交易定價(jià)的影響，采用回歸分析方法，采用主因子替代原變量，以保證原始數(shù)據(jù)的完整性和真實(shí)性，同時(shí)消除了各變量之間的共線性。采用多元回歸模型進(jìn)行分析，多元回歸模型的一般形式為

Y=β0+β1X1+β2X2+…+βKXK+U0（1）

其中，K是解釋變量的數(shù)目，βj（?j?=?1，2，…，K）?為回歸系數(shù)，U0為虛擬變量。為了將各因子對(duì)碳排放權(quán)價(jià)格的影響程度進(jìn)行量化，進(jìn)行多元回歸分析。

P=β0+β1F1+β2F2+…+βKFK+U0（2）

式（2）為建立的多元回歸模型。因變量P代表五個(gè)碳試點(diǎn)的碳排放權(quán)月平均價(jià)格，提取的主成分因子F1，F(xiàn)2，…，F(xiàn)k為解釋變量。

（三）模型檢驗(yàn)

1碳排放權(quán)價(jià)格的主成分分析

在進(jìn)行統(tǒng)計(jì)分析時(shí)，由于所選指標(biāo)的特性和測(cè)量單位的差異，不同指標(biāo)的權(quán)重會(huì)存在較大差異。當(dāng)各個(gè)指標(biāo)的水平相差很大時(shí)，若采用原變量的數(shù)據(jù)進(jìn)行分析，則會(huì)因測(cè)量單位太小而導(dǎo)致數(shù)值高的指標(biāo)在綜合分析中占有很大的比例。同樣，因計(jì)量單位過(guò)大而使其值變得很小的指標(biāo)在進(jìn)行綜合分析時(shí)所占的比例會(huì)偏小，從而該指標(biāo)的作用會(huì)被弱化，最終導(dǎo)致各個(gè)指標(biāo)在綜合分析中所占權(quán)重的差距較大，所得結(jié)果偏差較大。為避免這一問(wèn)題，本文先運(yùn)用SPSS將8組數(shù)據(jù)標(biāo)準(zhǔn)化，再對(duì)影響碳排放權(quán)定價(jià)的7個(gè)因素進(jìn)行主成分分析。

在進(jìn)行主成分分析前，通常采用KMO和巴特利特法測(cè)定其可行性。一般以06為界限，當(dāng)KMO值大于06時(shí)，認(rèn)為因子分析是可行的。KMO和巴特利特檢驗(yàn)的結(jié)果表明，KMO等于0677，大于?05，而χ2統(tǒng)計(jì)結(jié)果為162463，?顯著性水平為0000，表明原變量間有一定的關(guān)聯(lián)性，故所選取變量的數(shù)據(jù)可作主成分分析（表1）。

表2是7個(gè)初始變量的公因子方差，表中公因子方差的數(shù)值可以反映各變量在全部公共因子中的占比，從表中可以看到，各變量的提取量均大于75%，提取因子的效果總體上是理想的。

在抽取公共因子時(shí)，要注意各個(gè)共同因子的特征值及其對(duì)總方差的影響。表3是進(jìn)行主成分分析后總方差的解釋。各因素均存在方差解釋率，能夠反映出7個(gè)組件中各因素的信息抽取程度。有3組列出了特征根、方差百分比和累積方差百分比。各個(gè)因素的重要性取決于特征根的大小，我們通常會(huì)注重特征根大于1的情形。由表3可知，有3個(gè)因子的特征根大于1，所以應(yīng)該抽取的共同因子是3。選取的3個(gè)因子綜合解釋了原變量的81221%，表明7個(gè)變量的大部分信息都包含在這3個(gè)主因子中，因此主成分分析的效果較好。3個(gè)因子的累積方差百分?jǐn)?shù)在旋轉(zhuǎn)后仍然保持81221%，但各因子的特征值和方差百分比都有所改變，這表明利用最大方差方法進(jìn)行旋轉(zhuǎn)并不會(huì)對(duì)原變量的共同度產(chǎn)生影響，只是將各因子的系數(shù)進(jìn)行了重新分配，從而使各因子的占比有所改變。從表3中可以看出，不管是在最初的抽取過(guò)程中還是在旋轉(zhuǎn)之后，都支持3個(gè)共同的因子，即F1、F2、F3。利用主成分分析方法，將原有的7個(gè)影響因素變?yōu)?個(gè)新的綜合因子，將信息進(jìn)行濃縮，起到了降維的作用，為多元回歸模型的建立提供了條件。

圖1的因子碎石圖是一條由從大到小的特征值組成的折線，圖中橫軸是每個(gè)因子的編號(hào)，縱軸是各特征值。從圖中可以看出，從第3個(gè)因子起，曲線趨于穩(wěn)定，且第3個(gè)因子之前的特征根變化比較顯著，第3個(gè)因子之后的特征根變化并不顯著，所以，選擇3個(gè)因子作為原始信息的代表最適宜。

圖1?因子碎石圖

因子載荷矩陣是進(jìn)行主成分分析的核心內(nèi)容，因子載荷量是指7個(gè)構(gòu)成要素中各影響因素所占的比例，能夠說(shuō)明原變量在某一因子中的重要性。在不同的共同因子下，載荷系數(shù)的大小有一定的差別，如果某一因子中有幾個(gè)影響因素的載荷系數(shù)越大，則這幾個(gè)影響因素對(duì)該因子的重要性就越高。在最初的結(jié)果中，各因素的負(fù)荷系數(shù)值比較相近，對(duì)因子的解釋效果不佳。因此，必須使用最大方差法對(duì)系數(shù)進(jìn)行矩陣旋轉(zhuǎn)，從而突出載荷量大的變量，而使載荷量小的因素作用減少。最終保證可以對(duì)“主因子”的含義進(jìn)行更為合理的闡釋。

表4是旋轉(zhuǎn)后的因子載荷矩陣，由表4可知，旋轉(zhuǎn)后載荷系數(shù)出現(xiàn)了顯著差異，而共同因子的真正意義則更為清楚，也有利于對(duì)所選取的主要因子做出經(jīng)濟(jì)上的解釋。第一個(gè)主因子對(duì)平均氣溫和平均濕度的因子載荷系數(shù)比較大，這兩個(gè)因素的因子載荷量分別為0887、0885；第二個(gè)主因子對(duì)滬深300指數(shù)和人均?GDP的因子載荷系數(shù)比較大，這兩個(gè)因素的因子載荷系數(shù)為0933和0855。第三個(gè)主要因子對(duì)煤炭、石油和天然氣價(jià)格的載荷系數(shù)較高。經(jīng)過(guò)匯總分析后，各因子的意義更為明顯。第一個(gè)主因子主要體現(xiàn)的是平均氣溫和平均濕度的變動(dòng)情況，稱為氣候條件因子；第二個(gè)因子對(duì)滬深300指數(shù)、人均?GDP的載荷系數(shù)較高，故稱為宏觀經(jīng)濟(jì)因子；第三個(gè)共同因子體現(xiàn)了煤炭、石油和天然氣價(jià)格的變化趨勢(shì)，用能源價(jià)格因子來(lái)表示。

表5給出了各因素的得分系數(shù)，據(jù)此得出了各因素與3個(gè)主因子之間的線性關(guān)系，為之后的回歸分析打下了良好的基礎(chǔ)。根據(jù)表4得到以下主因子的線性表達(dá)式：

F1=0133X1+0070X2-0256X3+0477X4-0026X5-0005X6+0465X7（3）

F2=-0171X1+0204X2-0051X3-0020X4+0532X5+0459X6-0009X7（4）

F3=00618X1+00324X2+0321X3+0139X4-0180X5-0063X6+0077X7（5）

其中，X1、X2、X3、X4、X5、X6、X7分別代表煤炭?jī)r(jià)格、石油價(jià)格、天然氣價(jià)格、平均濕度、滬深300指數(shù)、人均GDP、平均氣溫，這些變量經(jīng)過(guò)了標(biāo)準(zhǔn)化轉(zhuǎn)換，均為標(biāo)準(zhǔn)變量。經(jīng)過(guò)上述處理，可以獲得3個(gè)相互獨(dú)立的主要因子，這些主要因子都是由原變量線性組合而成，具有很好的降維效果；另外，3個(gè)主要因子在保證原有變量信息的基礎(chǔ)上，能夠較好地處理信息的交迭與相關(guān)性。

2碳排放權(quán)價(jià)格的回歸分析

為了將各因子對(duì)碳排放權(quán)價(jià)格的影響程度進(jìn)行量化，進(jìn)行多元回歸分析。以?P=β0+β1F1+β2F2+β3F3+U0為模型進(jìn)行多元回歸。在分析之前先進(jìn)行平穩(wěn)性檢驗(yàn)。數(shù)據(jù)的穩(wěn)定性可以通過(guò)單位根檢驗(yàn)法中的ADF檢驗(yàn)做出判斷。結(jié)果發(fā)現(xiàn)F2、F3的Prob*?大于01，而F2、F3滯后一期的P值均小于005，此時(shí)各變量平穩(wěn)性較好。

接下來(lái)進(jìn)行多重共線性檢驗(yàn)。方差膨脹系數(shù)VIF是一種常用的衡量多重共線性的方法。VIF等于10為評(píng)判標(biāo)準(zhǔn)，VIF大于10代表具有多重共線性。從Eviews?10運(yùn)算的結(jié)果來(lái)看，VIF都在10以下，所以這3個(gè)因素之間沒(méi)有多重共線性關(guān)系（表7）。

3多元回歸模型的統(tǒng)計(jì)檢驗(yàn)

原始假定所選擇的3個(gè)因子對(duì)碳排放權(quán)的交易定價(jià)沒(méi)有明顯的影響，備擇假設(shè)即3個(gè)因子對(duì)碳排放權(quán)交易價(jià)格具有顯著影響。當(dāng)顯著性水平為005時(shí)，3個(gè)變量的P值都低于005，通過(guò)了t檢驗(yàn)。可以拒絕原假設(shè)，所選取的因子對(duì)碳排放權(quán)交易價(jià)格具有顯著影響。F-statistic的值為8869658，相伴概率為000，通過(guò)了F檢驗(yàn)，方程總體線性顯著。

4實(shí)證結(jié)果

運(yùn)用Eviews?10進(jìn)行回歸后得到的結(jié)果如表8所示，F(xiàn)1、F2（-1）、F3（-1）的P值均小于005，落在拒絕域，可以拒絕原假設(shè)，通過(guò)了t檢驗(yàn)。氣候條件、宏觀經(jīng)濟(jì)以及能源價(jià)格對(duì)碳排放權(quán)交易價(jià)格均具有顯著性影響。

將上述結(jié)果帶入多元回歸模型可以得到P=0004468+0229573F1+0477808F2（-1）-0250372F3（-1）+U0，根據(jù)這一結(jié)果可以更加直觀地看到各因子對(duì)我國(guó)碳排放權(quán)交易價(jià)格的影響程度。

四、結(jié)論與建議

（一）結(jié)論

氣候條件與碳排放權(quán)價(jià)格呈正相關(guān)。多元回歸結(jié)果中第一主成分因子F1的精確P值為00471，小于005。因此在顯著水平為005的情況下可以拒絕原假設(shè)，表明氣候條件對(duì)碳排放權(quán)價(jià)格具有顯著的影響。氣候條件主要是通過(guò)影響人們的生活需求來(lái)影響碳排放權(quán)的。在我們的認(rèn)知中，冬天的供熱需求和夏天空調(diào)系統(tǒng)的使用都會(huì)導(dǎo)致CO2排放的增加，從而導(dǎo)致碳排放的需求增加，最終導(dǎo)致碳排放的價(jià)格上漲。

宏觀經(jīng)濟(jì)狀況對(duì)碳排放權(quán)價(jià)格的影響很大，存在著一定的正相關(guān)性，并且存在著一定的滯后性。回歸結(jié)果中第二主成分因子F2（-1）的精確P值為00001，在顯著水平為005的情況下可以拒絕原假設(shè)，表明宏觀經(jīng)濟(jì)狀況對(duì)碳排放權(quán)價(jià)格具有顯著影響。一般認(rèn)為，如果當(dāng)前宏觀經(jīng)濟(jì)情況向好，企業(yè)會(huì)對(duì)市場(chǎng)產(chǎn)生良好預(yù)期，從而在今后擴(kuò)大生產(chǎn)活動(dòng)規(guī)模。同時(shí)，對(duì)碳排放的需求增大，碳排放總量也將隨之增長(zhǎng)，碳排放權(quán)的交易價(jià)格也會(huì)隨之上漲。

能源價(jià)格對(duì)碳排放權(quán)價(jià)格的影響很大，存在著一定的負(fù)相關(guān)性，并且存在著一定的滯后性。回歸結(jié)果中第三主成分因子F3（-1）的精確P值為00281，在顯著水平為005的情況下可以拒絕原假設(shè)，這說(shuō)明能源價(jià)格對(duì)碳排放權(quán)的定價(jià)有很大的影響。煤炭、石油、天然氣等能源價(jià)格上升，使人們會(huì)產(chǎn)生能源價(jià)格增長(zhǎng)的預(yù)期，在未來(lái)減少煤炭、石油等能源的使用，轉(zhuǎn)向更便宜、國(guó)家更鼓勵(lì)使用的清潔能源，從而減少了CO2的排放，減少了對(duì)CO2排放權(quán)的需求，降低了CO2排放的成本，碳排放權(quán)價(jià)格降低。

（二）建議

本文運(yùn)用主成分分析以及多元回歸模型對(duì)我國(guó)碳排放權(quán)價(jià)格的影響因素進(jìn)行了實(shí)證檢驗(yàn)。根據(jù)上述實(shí)證研究結(jié)果，為碳排放權(quán)交易市場(chǎng)的定價(jià)機(jī)制提出的建議如下：

首先，加快能源價(jià)格改革的進(jìn)程。近年來(lái)，在我國(guó)能源結(jié)構(gòu)中，煤炭等化石能源仍處于主要地位。非清潔能源的價(jià)格會(huì)顯著影響CO2的排放量，與碳排放價(jià)格之間有著顯著的相關(guān)性。政府應(yīng)加快能源價(jià)格機(jī)制方面的改革，通過(guò)能源價(jià)格市場(chǎng)化使碳排放權(quán)更加合理。同時(shí)，增加清潔能源的使用量，推動(dòng)生產(chǎn)生活向節(jié)能低碳的方向發(fā)展，使我國(guó)碳排放權(quán)交易市場(chǎng)穩(wěn)健發(fā)展。

其次，在保證宏觀經(jīng)濟(jì)穩(wěn)健發(fā)展的前提下，加大相關(guān)碳排放企業(yè)的參與度。當(dāng)前大部分企業(yè)節(jié)能減排的積極性較低，宏觀經(jīng)濟(jì)的發(fā)展使得更多企業(yè)注重經(jīng)濟(jì)效益，而忽略了環(huán)境效益。經(jīng)濟(jì)發(fā)展與環(huán)境改善是相輔相成的，碳減排任務(wù)的完成離不開(kāi)企業(yè)的參與，因而我國(guó)應(yīng)出臺(tái)相應(yīng)政策，保證企業(yè)能夠兼顧經(jīng)濟(jì)效益與碳減排任務(wù)。對(duì)積極參與碳減排工作的企業(yè)進(jìn)行激勵(lì)，從而提高企業(yè)參與度，活躍碳排放權(quán)交易市場(chǎng)。

最后，鼓勵(lì)社會(huì)進(jìn)行節(jié)能低碳技術(shù)創(chuàng)新。通過(guò)上面的分析可以看出，人們?nèi)粘Ｉ钪械呐盘剂繉?duì)碳排放權(quán)交易價(jià)格同樣具有顯著的影響。因而通過(guò)技術(shù)創(chuàng)新降低冬季和夏季CO2的排放量，不僅可以更好地實(shí)現(xiàn)碳減排目標(biāo)，還可以排除氣候條件這一變量對(duì)碳排放權(quán)交易價(jià)格所帶來(lái)的影響，從而根據(jù)經(jīng)濟(jì)發(fā)展情況以及能源價(jià)格制定出更加靈活的政策，以保證政府和市場(chǎng)能夠及時(shí)有效地對(duì)碳排放權(quán)交易價(jià)格進(jìn)行調(diào)節(jié)，從而促進(jìn)碳排放權(quán)市場(chǎng)的良性發(fā)展。

參考文獻(xiàn)

[1]董直慶，王輝市場(chǎng)型環(huán)境規(guī)制政策有效性檢驗(yàn)——來(lái)自碳排放權(quán)交易政策視角的經(jīng)驗(yàn)證據(jù)[J].統(tǒng)計(jì)研究，2021，38（10）：48-61

[2]蔣和勝，孫明茜碳排放權(quán)交易、產(chǎn)業(yè)結(jié)構(gòu)與地區(qū)減排[J].現(xiàn)代經(jīng)濟(jì)探討，2021（11）：65-73

[3]吳慧娟，張智光中國(guó)碳交易價(jià)格低迷的成因：理論模型與實(shí)證分析[J].管理現(xiàn)代化，2020，40（6）：75-81

[4]高平宏，劉克芳碳排放權(quán)交易價(jià)格影響因素分析[J].合作經(jīng)濟(jì)與科技，2021（20）：78-80

[5]張芳中國(guó)區(qū)域碳排放權(quán)交易機(jī)制的經(jīng)濟(jì)及環(huán)境效應(yīng)研究[J].宏觀經(jīng)濟(jì)研究，2021（9）：111-124

[6]姜瑜，吳哲宇我國(guó)碳排放權(quán)交易價(jià)格影響因素回歸分析[J].環(huán)境與可持續(xù)發(fā)展，2021，46（1）：77-83

[7]汪中華，胡垚我國(guó)碳排放權(quán)交易價(jià)格影響因素分析[J].工業(yè)技術(shù)經(jīng)濟(jì)，2018，37（2）：128-136

[8]趙駿，孟令浩我國(guó)碳排放權(quán)交易規(guī)則體系的構(gòu)建與完善——基于國(guó)際法治與國(guó)內(nèi)法治互動(dòng)的視野[J].?湖北大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2021，48（5）：120-131，169

[9]王慧英，王子瑤我國(guó)試點(diǎn)城市碳排放權(quán)交易的政策效應(yīng)與影響機(jī)制[J].城市發(fā)展研究，2021，28（6）：133-140

[10]劉逸飛我國(guó)碳排放權(quán)市場(chǎng)影響因素分析——以廣州碳排放權(quán)交易所為例[J].中國(guó)林業(yè)經(jīng)濟(jì)，2021（1）：79-82

[11]馬慧敏，趙靜秋碳排放權(quán)交易價(jià)格影響因素實(shí)證分析——基于北京市碳排放交易所數(shù)據(jù)[J].財(cái)會(huì)月刊，2016（29）：22-26

[12]趙玉煥，劉聰，祝靖之北京碳排放權(quán)交易價(jià)格影響因素研究[J].中國(guó)能源，2018，40（12）：17-22，47

[13]ZHOU?K?L，LI?Y?W?Influencing?factors?and?fluctuation?characteristics?of?Chinas?carbon?emission?trading?price[J].Physica?A：Statistical?Mechanics?and?its?Applications，2019（524）：459-474

An?Empirical?Study?on?the?Influencing?Factors?of?Carbon?Emission

Trading?Price——Based?on?Five?Pilot?Provinces?and??Cities

XU?Zhenrong?WANG?Hanying

（Hebei?University?of?Finance，?Baoding?071051，?China）

Abstract：Since?2011，?the?carbon?emission?trading?market?has?been?gradually?established?in?China?The?establishment?of?the?carbon?emission?trading?market?provides?an?effective?way?for?China?to?promote?carbon?dioxide?energy conservation?and?emission?reduction?Due?to?the?late?start?of?Chinas?construction?in?this?regard，?the?existing?system?of?the?trading?market?is?not?perfect，?and?there?are?some?gaps?in?the?relevant?policies?for?carbon?emission?trading?In?order?to?better?solve?the?existing?problems，?this?paper?makes?a?quantitative?analysis?on?the?influence?degree?of?each?influencing?factor，?so?as?to?provide?a?theoretical?basis?for?determining?the?price?of?carbon?emission?trading?This?paper?selects?the?transaction?prices?of?five?pilot?provinces?and?cities?with?high?transaction?volume?from?2016?to?2020?to?obtain?the?average?value，?and?uses?the?method?of?factor?analysis?to?extract?and?synthesize?the?information?of?the?selected?seven?influencing?factors?Secondly，?it?uses?the?multiple?linear?regression?model?to?analyze?the?relationship?between?the?three?main?components?and?the?pricing?of?carbon?emission?trading?in?China?The?demonstration?results?show?that?coal?price，?macroeconomic?and?climate?conditions，?will?have?an?impact?on?the?trading?price?of?carbon?emission?rights?Among?them，?with?the?increase?of?the?above?energy?prices，?the?carbon?emission?trading?price?will?decrease?The?macroeconomic?conditions?and?weather?conditions?are?directly?proportional?to?the?carbon?emission?trading?price

Keywords：Carbon?Emission?Right;?Energy;?Factor;?Macroeconomic