碳交易政策對中國新能源汽車和燃油汽車市場影響實證研究目錄TOC\o"1-3"\h\u9171一、引言 111917二、文獻綜述 320447三、數(shù)據(jù)來源、變量定義與描述性統(tǒng)計 510073四、研究方法 811972五、實證結(jié)果 928264參考文獻 15摘要：由于2013年下半年到2014年上半年才真正啟動了碳排放交易政策，本文收集了2013年7月到2022年12月共102個月份40個車型共4048個觀測值，進一步構(gòu)建雙重差分模型，首先，進行平行趨勢測試，以確保所選數(shù)據(jù)的趨勢符合雙差分模型的條件，將數(shù)據(jù)代入進行基準回歸而得到結(jié)果，并對其進行相關(guān)檢驗，確保結(jié)果的可靠性，進而最終驗證碳交易政策的有效性。而通過分析得出碳交易政策對新能源汽車銷量的提高具有促進效應(yīng)，但會導(dǎo)致燃油汽車銷量的減少。新能源汽車在發(fā)展過程中不僅受到國家相應(yīng)稅收政策影響，還受到充電樁等配套設(shè)施的完善、國家直接的財政補貼等相關(guān)因素的作用。為了增加新能源汽車的銷量，可以完善這方面的配套設(shè)施，并健全相關(guān)補貼政策。關(guān)鍵詞：碳交易政策、新能源汽車、燃油汽車、銷量影響中圖分類號：F832一、引言在人類文明的歷史長河中，能源的重要性不言而喻，其作為人類社會經(jīng)濟活動開展的基礎(chǔ)，推動著人類文明的繁榮發(fā)展。當傳統(tǒng)化石能源作為工業(yè)革命以來的主導(dǎo)能源后，能源危機問題日益嚴重，其不完全燃燒的特點對環(huán)境產(chǎn)生較大副作用的污染問題，而環(huán)境污染問題持續(xù)加重，導(dǎo)致自然災(zāi)害的發(fā)生率也在不斷提升，忽視生態(tài)環(huán)境污染破壞問題，反而給人類的生存與發(fā)展帶來了嚴峻的挑戰(zhàn)，環(huán)境污染的問題開始被世界各國所重視。為了防止溫室氣體大量排放導(dǎo)致地球環(huán)境進一步被破壞，世界各國開始進行多次對話談判，終于在1992年聯(lián)合國環(huán)境與發(fā)展會議上，共同簽署《聯(lián)合國氣候變化框架公約》。這是第一個全球范圍內(nèi)為控制溫室氣體的大量排放的國際公約，并設(shè)定了“共同但有區(qū)別的減緩排放責任”的原則和最終目標。并于1997年，通過《京都議定書》，它是《聯(lián)合國氣候變化框架公約》的第一個附加協(xié)議?！毒┒甲h定書》將市場機制作為溫室氣體減排的途徑，為碳排放交易市場的發(fā)展提供了驅(qū)動機制。我國是典型的“多煤少油少氣”的國家，一次能源中原煤、原油等傳統(tǒng)化石能源仍占95%以上，經(jīng)濟發(fā)展嚴重依賴燃燒不充分的傳統(tǒng)化石能源，不僅導(dǎo)致地下水污染較為嚴重，還引發(fā)了嚴重的大氣污染問題，霧霾問題日益嚴重。而且我國已成為溫室氣體排放總量最大的國家，溫室氣體大量排放，導(dǎo)致我國的生態(tài)環(huán)境問題更加嚴峻。雖然我國正在積極發(fā)展節(jié)能減排和低碳經(jīng)濟，但一些高耗能、高污染的行業(yè)依然以單位GDP能耗居高不下的狀態(tài)發(fā)展，這使得我國的低碳發(fā)展步履維艱。在巴黎舉行的2015年國際氣候大會上，中國承諾到2030年的碳排放比2005年的碳排放量至少減少60。當下，我國己擬定了一套綜合戰(zhàn)略體系，總體目標就是要減少我國的碳排放量。2017年，黨的十九大調(diào)查結(jié)果也明確提出，當前環(huán)境存在的問題不斷增多，要加大應(yīng)對力度，促進綠色經(jīng)濟的發(fā)展。因此，實現(xiàn)綠色低碳的經(jīng)濟發(fā)展是當務(wù)之急。2020年，習總書記正式提出我國將努力在2030年前實現(xiàn)碳達峰、2060年前實現(xiàn)碳中和的目標。這是我國作為發(fā)展中大國對世界做出的莊嚴承諾，寫入十四五規(guī)劃中，成為基本國策。接著，碳交易政策開始在我國各地區(qū)逐步實施，這為新能源汽車市場的長期發(fā)展確定了更為明確的時間表和發(fā)展預(yù)期。加強新能源汽車的消費，減少燃油汽車的消費，是促進低碳目標實現(xiàn)的有效途徑。新能源汽車在“智能、環(huán)保、駕駛性能”等方面形成了對傳統(tǒng)燃油汽車的競爭優(yōu)勢，由此新能源汽車市場的銷量和市場滲透率在2021年后快速增長。2022年上半年全國的新能源汽車市場更是實現(xiàn)了123%的大幅增長，達到240萬輛，新能源汽車在上半年的市場份額達到了24%。幾乎中國市場每賣出的四輛車中，就有一輛是新能源汽車。伴隨著新能源汽車銷量的不斷增加，傳統(tǒng)燃油汽車的消費開始大量減少，從某種程度上可以發(fā)現(xiàn)，碳交易政策對中國新能源汽車和燃油汽車市場會產(chǎn)生某些影響，為了驗證這一假設(shè)，本文將構(gòu)建模型進行實證分析。本文旨在研究碳交易政策對中國新能源汽車和燃油汽車市場是否會產(chǎn)生影響，分析碳交易政策實施后中國新能源汽車和燃油汽車的銷量變化，發(fā)現(xiàn)該政策是否會促進新能源汽車銷量的增加以及燃油汽車銷量的減少，并試圖根據(jù)實證分析結(jié)果提出幾點針對性的改善對策。本文的創(chuàng)新之處有三點：一是研究角度的創(chuàng)新。關(guān)于碳交易政策的減排效應(yīng)研究較多，關(guān)于新能源汽車市場的影響因素研究也較多，但缺乏有關(guān)碳交易政策對新能源汽車市場的影響研究，更缺乏將其與燃油汽車的對比研究，本文主要驗證碳交易政策對汽車市場的影響，將新能源汽車市場和燃油汽車市場進行對比，設(shè)置實驗組和對照組，進行對比分析，研究內(nèi)容更加創(chuàng)新；二是研究方法的創(chuàng)新，在分析碳交易政策對新能源汽車和燃油汽車市場的影響上，主要，構(gòu)建DID模型分析政策實施前后對新能源汽車和燃油汽車銷量的影響情況，對該政策的實施效果進行評價。本文的安排如下：第二節(jié)為文獻綜述；第三節(jié)為數(shù)據(jù)來源、變量定義與描述性統(tǒng)計；第四節(jié)是研究方法；第五節(jié)是實證結(jié)果；第六節(jié)是結(jié)論。二、文獻綜述（一）關(guān)于碳交易政策的研究碳排放權(quán)與排污權(quán)是兩類典型的環(huán)境權(quán)利，也是國家賦予的所有權(quán)清晰、可自由流通的權(quán)利。企業(yè)接受來自市場的信號和經(jīng)濟刺激，并利用自發(fā)的交易來優(yōu)化排放，從而達到總體的減排效果。在碳排放權(quán)/排污權(quán)交易方面，由政府設(shè)立的市場是碳排放權(quán)/排污權(quán)交易市場。在此基礎(chǔ)上，我國政府不僅在碳排放、排污等領(lǐng)域設(shè)立了專業(yè)的市場，還在具體的交易主體、交易流程等方面作了詳細的規(guī)定。盡管碳排放權(quán)和排污權(quán)交易都涉及到環(huán)境利益，但各國和區(qū)域在交易場所、制度設(shè)計、發(fā)展過程等方面都有很大區(qū)別，這種差別也反映在排放效率的差異上。中國的碳排放交易政策從2013年開始實施，由于其獨特的市場和機制，國內(nèi)的學(xué)者們對其進行了大量的研究。碳排放交易制度在我國已經(jīng)進行了7年多的試點，它是否能夠?qū)^(qū)域內(nèi)的污染治理起到一定的推動作用，這一問題還沒有得到很好的解答。在碳排放交易政策試點初期，國內(nèi)學(xué)者們的研究主要側(cè)重于試點現(xiàn)狀及政策啟示方面。李奇?zhèn)ィ?015）認為，中國目前的碳市場試點具有明顯的履約驅(qū)動型市場的特征:在履約期間，市場交易量較去年大幅增加，交易價格波動較大，履約交易數(shù)量的增加超過了網(wǎng)上交易的數(shù)量，政府拍賣成為控排企業(yè)實現(xiàn)履約的額外途徑。靳敏（2016）認為，我國的碳交易試點具有五大特征:試點城市和區(qū)域交易制度均有創(chuàng)新，但發(fā)展水平不一；強制參加和免費發(fā)放配額；碳排放交易政策主要是針對高耗能行業(yè)來實施的，并且由于企業(yè)與企業(yè)之間的差異性，政策針對每個企業(yè)的考核標準也會有所不同；數(shù)據(jù)的排放量和能效值也有很大；根據(jù)交易結(jié)構(gòu)來增進市場流動性。王靜（2016）認為我國排放覆蓋范圍和總量需適時調(diào)整以及配額分配方式存在一定風險的結(jié)論。范進等（2012）通過建立碳交易的理論架構(gòu)，認為碳交易能夠刺激消費者購買低碳商品，以此來減少我國的碳排放量。隨著中國碳交易市場的完善和發(fā)展，張偉（2014）對其發(fā)展狀況及存在的問題作了較為全面的綜述。Qi（2014）對深圳、上海、湖北的碳交易系統(tǒng)的體系結(jié)構(gòu)與機制進行了研究，而Shen（2014）結(jié)合加州的具體情況，對比評估了中美兩國在碳排放交易方面的政策。鄭爽（2014）認為，這七個試點地區(qū)在法律法規(guī)、總量目標、指標體系、配額分配、交易規(guī)則等方面都有一定的區(qū)別，并在今后的發(fā)展過程中，根據(jù)各地的差異也將繼續(xù)推進中國的碳排放交易體系。王倩和王碩（2014）對四個碳市場進行了實證分析，發(fā)現(xiàn)上海市的碳交易市場是“弱有效”的，深圳市的碳交易市場是“無效”的，而北京與天津兩市的市場效率差別較大。王文軍（2014）對我國的碳交易系統(tǒng)進行了實證分析，結(jié)果表明，目前進行試點工作的七個省市的碳排放交易機制都是有效的，而湖北、上海、天津等城市的治理效果尚需加強，同時也表明了這種制度的靈活性和寬松性，有利于今后的發(fā)展，但同時也存在著效率低下的問題。陳衛(wèi)斌等人（2013）在其研究報告中對湖北的相關(guān)政策進行了較為詳盡的闡述，并指出了政府對此問題的重視與完善的制度設(shè)計是保證該政策得以持續(xù)有效地實施的重要因素。付萌等（2013）認為，北京目前的碳交易市場總體狀況穩(wěn)定，交易規(guī)模持續(xù)穩(wěn)定，因此，應(yīng)進一步強化政府監(jiān)管力度。。（二）關(guān)于碳交易政策的減排效果研究由于各種數(shù)學(xué)模型和測量手段的發(fā)展，使得關(guān)于碳排放交易制度的理論分析越來越少，越來越多的學(xué)者通過實證的方式來進行碳排放交易。我國的許多學(xué)者都在積極探索碳排放交易制度的效果，并在此基礎(chǔ)上提出了一些建議，這些研究大部分都肯定了碳排放交易政策的減排效果。任松彥等（2015）研究發(fā)現(xiàn)，實施碳排放交易政策可以實現(xiàn)2015年前廣東省碳強度下降20.5%的目標。劉傳明（2015）認為，通過碳交易的方式可以減少CO2的排放量，但由于不同的國家經(jīng)濟發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)的不同，使得不同地區(qū)的碳減排效果呈現(xiàn)出異質(zhì)性。周迪（2015）指出，加快現(xiàn)有政策實施年的推進，碳交易試點的7個省市碳排放強度減排效果明顯加大。通過產(chǎn)業(yè)形態(tài)供給側(cè)結(jié)構(gòu)性改革和節(jié)能減排，也可以及時有效降低城市碳排放強度。周朝波（2015）指出，該政策能夠促進西部地區(qū)的技術(shù)創(chuàng)新，從而使西部地區(qū)的經(jīng)濟轉(zhuǎn)型效果要強于東部和中部地區(qū)。趙立祥（2015）指出，碳排放交易政策確實產(chǎn)生了環(huán)境紅利，該政策既能促進企業(yè)進行生產(chǎn)技術(shù)創(chuàng)新和升級，又能減少企業(yè)的能源消耗強度。同時，也有一些學(xué)者提出了碳交易機制對減排效果的影響。Streimikiene和Roos（2009）發(fā)現(xiàn)，在歐洲各國的碳排放量數(shù)據(jù)基礎(chǔ)上，碳交易的政策無法有效地遏制二氧化碳的增長。此外，Wang（2004），Sangbum（2013）和Cheng（2016）也在就我國排放權(quán)交易在SO2等方面的減排效應(yīng)進行了分析，同時也指出了排污權(quán)交易在治理過程中所產(chǎn)生的影響。盧茗軒（2015）指出，碳排放交易政策并不會明顯地影響交通運輸行業(yè)的碳排放量，但是該政策可以在一定程度上對實施政策地區(qū)的運輸結(jié)構(gòu)進行調(diào)整，從而在一定程度上隱性地抑制碳排放強度。綜上所述，當前關(guān)于碳交易政策的內(nèi)涵、作用研究較多，也有關(guān)于碳交易政策的碳排放效應(yīng)研究，但是缺乏對碳交易政策對汽車市場的影響研究，多數(shù)研究集中于對地區(qū)碳排放強度的影響上，相關(guān)的研究有待進一步深入和細化。已有的研究更是缺乏其對新能源汽車和燃油汽車市場的影響對比研究，本研究將彌補這一研究空白。三、數(shù)據(jù)來源、變量定義與描述性統(tǒng)計（一）數(shù)據(jù)來源論文的研究樣本為乘用車，汽車車型及銷售量月度數(shù)據(jù)、充電樁數(shù)據(jù)主要來自全國乘聯(lián)會官網(wǎng)公布的數(shù)據(jù)，部分缺失值從汽車之家數(shù)據(jù)網(wǎng)站補齊。2011年10月，天津、上海、北京、重慶、湖北、廣東、深圳等7個各省市開始了這一政策的試點實施工作。自2013年開始，全國7個省市開始實施了碳排放交易的項目試點工作?？紤]到以城市為單位的更具代表性，可以更具體地探討碳交易政策對汽車消費市場的影響。剔除了缺失的數(shù)據(jù)值，本研究選擇了國內(nèi)271個地級市（西藏和港澳臺除外）作為樣本。由于2013年下半年到2014年上半年才真正啟動了碳排放交易，于是從中收集整理2013年7月到2022年12月各車型面板數(shù)據(jù)，免稅車型主要根據(jù)官方發(fā)布的車型目錄確定，燃油價格來自油價網(wǎng)，消費者預(yù)期指數(shù)來自前瞻數(shù)據(jù)庫，補貼數(shù)據(jù)通過官方發(fā)布的私人補貼試點通知計算而得。來自購車最低首付標準通過查詢各車企官網(wǎng)獲知。在獲得原始數(shù)據(jù)后，對數(shù)據(jù)進行如下處理:（1）剔除樣本期內(nèi)己經(jīng)退出市場的車型；（2）剔除在樣本期內(nèi)撤銷的新能源車型；（3）剔除主要變量存在缺失值的樣本；（4）對主要變量均進行首尾各1%的縮尾處理，以去除異常值對實證結(jié)果的偏誤。經(jīng)過上述處理，共收集得2013年7月到2022年12月共102個月份40個車型共4080個觀測值，其中實驗組車型21個，對照組樣本19個。具體樣本車型如下表所示：表1樣本內(nèi)車企及車型車企實驗組（實施碳交易政策的新能源車型）對照組（未實施碳交易政策的傳統(tǒng)燃油車型）比亞迪比亞迪一秦、比亞迪一唐、比亞迪E6、騰勢思銳、比亞迪G6、速銳、比亞迪S6江鈴E100，E200S域虎、江鈴寶典東風日產(chǎn)啟辰晨風軒逸奇瑞EQ電動、QQ電動E30風云2上汽榮威E550、榮威E50朗逸、帕薩特眾泰云100，E30眾泰T100，2100北汽EV，EX360，LITEBJ40廣汽傳祺GAS、理念VEl星朗長安逸動長安CS75江淮iEV和悅吉利知豆帝豪、遠景（二）變量說明首先通過對樣本數(shù)據(jù)進行分類，第一是設(shè)置了實驗組和對照組，把新能源汽車具體車型的月度銷量數(shù)據(jù)作為實驗組，傳統(tǒng)燃油汽車具體車型的月度銷量數(shù)據(jù)作為對照組；第二是根據(jù)政策實施的時間，將樣本數(shù)據(jù)分為政策實施前和政策實施后兩組，2014年1月之前的數(shù)據(jù)歸為政策實施之前，之后的數(shù)據(jù)歸為政策實施后。表2主要變量定義變量名稱變量符號變量定義汽車月銷售量對數(shù)Sale汽車銷售量，單位：輛碳交易政策treat享受免稅政策的新能源車型取值1，否則取值0碳交易政策發(fā)布時間post2014年1月前取值0，此后取值1政策交乘項treat*post碳交易政策和碳交易政策發(fā)布時間的交叉項電動汽車充電樁每月新增數(shù)量對數(shù)Charging引入電動汽車充電樁每月新增數(shù)量，單位：輛燃油價格Oil93號汽油的每月均價消費者預(yù)期指數(shù)Exp消費者預(yù)期指數(shù)補貼力度Subsidy補貼金額與車輛出廠價的比值（%）最低首付標準Pay車型在市場上的最低首付標準比率（%）（三）描述性統(tǒng)計實證部分將要用到主要變量的描述性統(tǒng)計見表3。從中分析得出汽車類型的treat的均值為0.533，中值接近0.5，由此可以說明兩種車型的數(shù)量分布較為平均。Post的值為0.897，表明政策實施后的樣本占總樣本的88.4%，控制變量的均值中值及標準差都相差不大，更能體現(xiàn)政策對新能源汽車銷量的影響。。表3主要變量的描述性統(tǒng)計指標名稱樣本量均值標準差1%分位中位值99%分位Sales40806.3010.9124.0796.3048.403post40800.8970.334011treat40800.5330.504011treat_post40800.4700.503001Subsidy408013.422.6996.96713.4019.52Pay40800.2430.06780.1410.1980.402Oil40800.5160.23200.5021Exp40800.5330.21900.5611Charging408017.607.3121.12517.4237.29為更清晰、明確地對碳交易政策實施前后實驗組樣本和對照組樣本進行比較，列出二者的銷售額分樣本描述性統(tǒng)計如表4所示：表4分樣本描述性統(tǒng)計車型變量政策實施前政策實施后均值標準差樣本量均值標準差樣本量新能源汽車Sales6.0690.8191266.3980.9122016post00126102016treat10126102016Treat_post00126102016Subsidy13.092.80212613.292.7032016Pay0.2610.08121260.2200.06222016Oil0.4580.2191260.5130.2312016Exp0.6590.2201260.5080.2242016Charging19.607.18112617.407.3012016燃油汽車Sales6.0520.9191146.1100.8921824post00114101824treat00114001824Charging19.627.22911417.337.2791824Subsidy13.192.86911413.412.6681824Pay0.2690.08021140.2290.06181824Oil0.4670.2191140.5130.2301824Exp0.6550.2221140.5100.2221824Treat_post00114001824由上表可知，在政策實施前，新能源汽車樣本內(nèi)銷售量Sales均值為6.069，在政策實施后，非常明顯的上升了0.329，達到了6.398，表明新能源汽車的銷量在碳交易政策實施之后，銷量顯著上了32.9%。同時，傳統(tǒng)燃油車樣本的Sales在政策實施前后的均值分別為6.052和6.110，上升較小，從表格直觀判斷，很容易得出碳交易政策對新能源汽車的銷售產(chǎn)生了積極的促進作用，與研究假設(shè)H1相一致。在選取對照組時，考慮到傳統(tǒng)燃油汽車以往為消費者購買的首選，能較好代表汽車市場情況，本研究選取的是傳統(tǒng)燃油汽車作為對照組。然而近年傳統(tǒng)燃油汽車銷量提升緩慢，與近年來經(jīng)濟下行、汽車市場不景氣有關(guān)系，同時小排量汽車是我國汽車消費車型的代表，而其性能、價格等方面與新能源汽車相近，在實施碳交易政策時新能源汽車可能會獲得的減稅效應(yīng)，即在政策的優(yōu)惠下，消費者會更多選擇購買新能源汽車，最后根據(jù)實驗組和對照組均值相減，可以得到新能源汽車實際銷量增長率為19%，銷量顯著增長。通過這種兩次差分的計算方法與論文運用的雙重差模型構(gòu)思相吻合。而與理論部分分析的一樣，這里僅是以2014年1月作為分界點來分析銷量前后的變化情況，還很難判斷是否銷量的增長是由碳交易政策引起。故而，還需用實證的方法繼續(xù)深入探究碳交易政策的效應(yīng)。四、研究方法雙重差分法（Difference-in-Differencesmethod，簡記DD或DID）源于自然科學(xué)且思路簡潔明了，政策變化被視作外生于經(jīng)濟體統(tǒng)的“自然實驗”。雙重差分的研究對象是面板數(shù)據(jù)，這些數(shù)據(jù)要包含兩個階段，數(shù)據(jù)中的所有樣本被分為實驗組和對照組，在第一階段實驗組和對照組都沒有受到政策的影響，而在第二階段，政策開始實施之后，第一階段的對照組依舊未受到政策干預(yù)，這一階段政策實施對象為實驗組。雙重差分的效應(yīng)測算較為簡單，即第一次差分為實驗組政策實施前后的差距，第二次差分為對照組政策實施前后的差距，兩次差分的效應(yīng)就是政策效應(yīng)。結(jié)合論文實證意圖，主要關(guān)注碳交易政策實施后新能源汽車相較于傳統(tǒng)燃油車銷售量的變化，主要通過比較政策實施前后實驗組樣本(實施碳交易政策的新能源車型)和對照組樣本(不實施碳交易政策的傳統(tǒng)燃油車)銷售量的前后變化來實現(xiàn)，雙重差分模型即DID模型能實現(xiàn)實證的目標，通過計算政策實施后實驗組樣本和對照組樣本的銷售量差異（al+a3），減去碳交易政策實施前實驗組樣本和對照組樣本的售量差異（al），能得出碳交易政策干預(yù)對新能源汽車銷售量帶來的影響(即a3)。論文構(gòu)建DID模型如公式1所示:Saleit=β其中，Sale表示新能源汽車的銷量，下標i為不同品牌的汽車公司的車型個體，β為系數(shù)，β0為常數(shù)項，εit為殘差項。t為時間（月），post為時間虛擬變量，在2014年1月前post的取值為0，在2014年1月后post取值為1，用于控制汽車銷售量在不同時間段內(nèi)的系統(tǒng)性波動。treat為處理變量，用于實驗組樣本與對照組樣本間存在的固有差異，如果個體i未受到政策實施的影響，則個體i為對照組，對應(yīng)的值取用0表示，若個體i受政策的影響較大，則個體i為處理組，對應(yīng)的treat就為1?？刂谱兞緾harging、Oil、Exp、Subsidy、Pay分別代表電動汽車充電樁每月新增數(shù)量、燃油價格、消費者預(yù)期、補貼金額及最低首付標準。主要關(guān)注核心解釋變量treat_post的系數(shù)方向、大小及顯著性，以探討碳交易政策實施后汽車銷售量的變化，若系數(shù)顯著為正，則表示碳交易政策能有效增加新能源汽車銷售量，起到了對新能源汽車產(chǎn)業(yè)的扶持效應(yīng)，若系數(shù)顯著為負，則相反，說明碳交易政策不僅沒能實現(xiàn)政策初衷，反而對新能源汽車市場造成了負面影響，若系數(shù)不顯著，則表明碳交易五、實證結(jié)果（一）相關(guān)關(guān)系分析皮爾森相關(guān)系數(shù)是一種常用的線性相關(guān)系數(shù)，將主要變量的皮爾遜（Pearson）相關(guān)系數(shù)矩陣列出如下表所示，從表中可以看出主要變量間相關(guān)系數(shù)均小于0.6，意味著模型不存在多重共線性問題。同時，發(fā)現(xiàn)核心解釋變量treat_post與Sales為顯著正相關(guān)，意味著碳交易政策可能與車輛銷售數(shù)量正相關(guān)，即免稅可能帶來銷售數(shù)量的提升，這與論文研究假設(shè)H1觀點一致，為驗證從相關(guān)性分析得出的判斷能否通過統(tǒng)計學(xué)意義上的回歸檢驗，接下來將進行實證建模和回歸分析。表5變量相關(guān)系數(shù)表SalesTreat_posttreatpostChargingOilSubsidyPayExpSales1Treat_post0.171***1treat0.148***0.561***1post0.069***0.340***0.0391Charging0.060***-0.0310.008-0.101***1Oil0.0310.0280.0410.058***-0.179***1Subsidy0.047**0.004-0.0270.019-0.005-0.0051Pay-0.066***-0.152***-0.088***-0.203**-0.008-0.089***0.0131Exp0.010-0.071**0.002-0.211***0.050*0.156***-0.0150.0201（二）平穩(wěn)性檢驗論文數(shù)據(jù)中，樣本個體為40個，時間跨度則長達七八個月，時間跨度多于樣本個體，為典型的長面板數(shù)據(jù)，自相關(guān)可能會對變量取值形成時間趨勢，從而對回歸估計結(jié)果造成偏誤，為此，進行數(shù)據(jù)的平穩(wěn)性檢驗。若數(shù)據(jù)存在單位根，則容易把變量取值因時間產(chǎn)生的增長或下降歸因于另一變量帶來的因果效應(yīng)，即產(chǎn)生偽回歸。平穩(wěn)性檢驗結(jié)果如表6所示。表6面板單位根檢驗變量ADF值拒絕/接受Sales0.001*拒絕Charging0.000*拒絕Oil0.030*拒絕Subsidy0.001*拒絕Pay0.000*拒絕Exp0.012*拒絕由上表可知，論文的連續(xù)變量均在1%顯著性水平下強烈拒絕存在單位根的原假設(shè)，數(shù)據(jù)平穩(wěn)性檢驗通過。（三）平穩(wěn)趨勢檢驗實驗組和對照組在事前不存在任何系統(tǒng)性差異是雙重差分法滿足平行趨勢假定的必要前提，即其被解釋變量的差距大致平行。也就是說，實驗組中的樣本（實施碳交易政策的新能源車型）在沒有受到政策影響前，其銷售量的發(fā)展趨勢應(yīng)與對照組（不實施碳交易政策的傳統(tǒng)燃油車）相一樣，為檢驗數(shù)據(jù)是否滿足平行趨勢，建立模型2:Sale此時，核心解釋變量改為treat_dummy，即處理變量treat與每個時間節(jié)點的虛擬變量dummy的乘積，其系數(shù)αi在理想狀態(tài)下，在事前不顯著，即實驗組和對照組不存在系統(tǒng)性差異，在事后顯著，表明政策沖擊起到了一定效果。在實驗組樣本車型未受到碳交易政策影響前，其與對照組銷量Sales的差異對treat_dummy的回歸系數(shù)的95%置信區(qū)間始終包含0，即不能拒絕實驗組與對照組沒有顯著差異的原假設(shè)，可以認為在碳交易政策實施前，相同條件下，實驗組中樣本車型和對照組中樣本車型的銷量沒有明顯差異。而系數(shù)顯示，current（碳交易政策發(fā)生當期）和post（碳交易政策實施后）的系數(shù)顯著為正，即回歸系數(shù)的95%置信區(qū)間基本都不包含0，即強烈拒絕實驗組與對照組沒有顯著差異的原假設(shè)，且回歸系數(shù)均大于0，可以認為在碳交易政策發(fā)生后，相同條件下，實驗組中樣本車型相較于對照組中樣本車型，其銷量明顯提高，可以認為碳交易政策的發(fā)生使得原本不存在系統(tǒng)性差異的兩組樣本車型產(chǎn)生了顯著差異，受到碳交易政策影響的樣本車型經(jīng)營銷量顯著提高，即碳交易政策帶來了新能源汽車銷量的增加，同時帶來了燃油汽車銷量的減少。同時，新能源汽車的觀察系數(shù)顯著性和大小可知，碳交易政策帶來的銷量提高效應(yīng)在碳交易政策后的第二個月和第三個月銷量提高作用達到最大，此后不斷下降，但仍持續(xù)相當長的一段時間，一直到碳交易政策發(fā)生后的第6期，系數(shù)仍然顯著為正，可知碳交易政策帶來的新能源汽車的銷量提高具有持續(xù)性。燃油汽車的觀察系數(shù)顯著性和大小可知，碳交易政策帶來的銷量減少效應(yīng)在碳交易政策后的第三個月和第四個月銷量提高作用達到最大，此后不斷下降，但仍持續(xù)相當長的一段時間，一直到碳交易政策發(fā)生后的第8期，系數(shù)仍然顯著為正，可知碳交易政策帶來的燃油汽車銷量降低具有持續(xù)性。（四）回歸分析根據(jù)前文建立的DID回歸模型，因而進行基準回歸分析，得到回歸結(jié)果如下表所示：表7基準回歸結(jié)果（1）（2）SalesSalestreat_post0.269***0.269***（2.77）（2.80）treat0.0300.025（0.31）（0.31）post0.0620.068（0.70）(0.81）Charging0.008***（4.02）Oil0.150（1.98）Subsidy0.016**（2.19）Pay-0.369（-1.29）Exp0.070（0.87）_cons6.052***5.659***（79.58）（39.19）N40484048R20.6380.631F123.603***157.410***論文選擇逐次加入控制變量的層次分析法，使用穩(wěn)健標準誤進行回歸分析。結(jié)果顯示，在不加入控制變量的回歸（1）中，核心解釋變量treat_post系數(shù)為0.269，t值為2.77，高于1%顯著水平臨界值2.58，意味著碳交易政策能顯著提高新能源汽車的銷售量，平均每個實施碳交易政策的(新能源)車型銷售量要比沒有實施碳交易政策的(傳統(tǒng)燃油車)車型高出26.9%。碳交易政策實現(xiàn)了扶持新能源汽車的政策效果。為避免遺漏變量偏差導(dǎo)致估計結(jié)果偏差，在列（2）中，加入了前文選取的眾多控制變量。結(jié)果顯示，treat_post仍顯著為正且能通過1%顯著性水平下的檢驗，因此，研究假設(shè)H1在統(tǒng)計學(xué)意義上得到證實。觀察控制變量系數(shù)及顯著性可知，Charging系數(shù)為正且能通過1%顯著性水平下的檢驗，表明服務(wù)于新能源汽車的充電樁的增加能有效改善新能源汽車的市場環(huán)境；Oil系數(shù)在10%顯著性水平下顯著為正，表明高油價能改善新能源汽車的市場環(huán)境，使得新能源汽車相較于傳統(tǒng)燃油車更具吸引力；Subsidy系數(shù)為正且顯著，表明政府對新能源汽車的直接補貼能顯著增加新能源汽車的銷售量；Pay系數(shù)為負且顯著，意味著車企限定的最低首付比率越高，越不利于新能源汽車的市場銷售，反之，首付比率越低，購買門檻也越低，新能源汽車銷售量也越多；Exp系數(shù)為正但不顯著，說明沒有檢測出消費者預(yù)期對新能源汽車銷售的顯著影響。觀察基準回歸的F值和擬合優(yōu)度R2可知，模型的F值均高于臨界值，這意味著模型整體顯著性較強，擬合優(yōu)度高于0.6，模型擬合效果較優(yōu)，總體解釋效力較強。（五）穩(wěn)健性檢驗前文回歸分析發(fā)現(xiàn)碳交易政策能顯著增加新能源汽車的銷售量，該結(jié)果能否作為一般結(jié)論予以推廣，或者結(jié)論只是偶爾得到，由此對回歸結(jié)果的穩(wěn)健性進行檢驗，主要使用聚類標準誤、縮尾回歸、平衡面板回歸、調(diào)整時間窗口等方式進行檢驗，檢驗結(jié)果如下表所示：表8穩(wěn)健性檢驗（1）（2）（3）（4）聚類標準誤5%縮尾回歸平衡面板回歸調(diào)整時間窗口SalesSalesSalesSalestreat_post0.275***0.264***0.2390.259***3.08**2.90*(2.02)(2.37)treat0.0250.0060.0490.018(0.40)*0.08*(0.50)(0.30)post0.0710.0590.0880.050(0.95)(0.78)(0.79)(0.49)Charging0.010***0.008***0.006***0.007**(4.39)(4.00)(2.69)(2.10)Oil0.1510.1200.1380.045(1.70)(1.58)(1.66)(0.39)Subsidy0.014**0.0150.0100.017(2.11)(1.88)(1.39)(1.79)Pay-0.369-0.219-0.462-0.379(-1.69)(-0.81)(-1.41)(-1.19)Exp0.0700.0800.070-0.010(1.19)(1.00)(0.69)(-0.12)_cons5.657***5.669***5.759***5.802***(32.69)(40.18)(32.99)(37.12)N4048404840484048R20.6310.6310.6780.456F951.633164.802168.10362.719在回歸（1）中