沈洪涛｜碳排放权交易机制与企业碳透明度

 

碳透明度评价指标体系详见表1。

       为了规避单人评分的主观性，本文参考已有文献在评分过程中使用双人独立评分的方法，两名评分者在初评阶段一致性达到90%以上后才可以开始正式评分[11，27] 。两名评分者在正式评分过程中的差异交由第三人协调。我们对最后得到的评分结果做了信度和效度检验，Cronbach's α值为0.8802，Spearman系数为0.787，说明评分结果较为可信。

 

       Treat表示双重差分方法中的实验变量。碳排放权交易制度于2013年开始相继试点实施，我们手工收集和整理了各试点省市中纳入碳排放权试点的上市公司名单，把交易开始后纳入碳排放权交易的试点企业定义为处理组，对Treat赋值为1，然后根据倾向得分匹配法选出非试点企业，并对Treat赋值为0。After表示双重差分方法中衡量外生冲击的一个时间虚拟变量，由于试点地区碳交易市场建立的时间不同，比如深圳为2013年6月，而湖北为2014年4月，所以根据不同地区的具体开市时间对虚拟变量After进行赋值，碳排放权交易开市之前After取值为0，开市之后则取值为1。交互项Treat×After为核心变量，反映在T时段试点地区的样本企业是否被纳入试点交易。若碳排放权交易制度能够提高企业碳透明度，则交互项Treat×After的系数估计值应该显著为正。

 

       随后本文分别从市场化程度和产权性质角度考察其对碳排放权交易机制与企业碳透明度的调节效应，并参考以往文献[11，18] ，分别在模型中控制了企业规模（Size）、财务杠杆（Lev）、盈利能力（Roa）、企业价值（TobinQ）、现金持有水平（Cash）、独立董事比例（Ind）、股权集中度（Top1）及上市年限（Age）等变量。此外，为尽可能降低地区和经济周期对企业碳透明度的影响，在模型中还对年度与地区进行了控制。

 

研究变量的详细定义见表2。

本`文@内-容-来-自；中^国_碳0排0放^交-易=网 ta n pa i fa ng . co m

       （三）模型设定 

 

      碳排放权交易机制作为一个外生事件，为本文提供了一个可以克服内生性的准自然实验机会。为更好地识别碳排放权交易机制与企业碳透明度的关系，采用双重差分的方法构建模型，用以检验本文所有假设。待检验模型设计如下：

 

     CDI∗i,t=α0+α1Treati,t+α2Treat×Afteri,t+α3Afteri,t+αX'+εi,t

本+文`内.容.来.自：中`国`碳`排*放*交*易^网 t a np ai fan g.com

       其中：CDI∗表示企业不同类型的碳透明度。

 

       （四）描述性统计

 

       表3列示了本文相关变量的描述性统计结果。其中，对碳透明度变量进行Z-Score标准化后，CDI的最小值为-1.013，最大值为3.894，说明样本企业之间存在明显的差距，中位数为-0.336，均值为0，说明样本中有超过半数的企业进行了较多碳透明度的披露。CDIR和CDIC的最小值分别为-0.693和-0.694，最大值分别为5.759和3.854，这说明样本企业在年报碳透明度中的差距大于社会责任报告碳透明度。另外，我们发现CDII和CDIP的最小值分别为-1.151和-0.584，最大值分别为4.254和3.605，说明相对碳绩效透明度而言，样本企业在碳管理透明度中的差距较大。Treat和After的均值都接近0.5，这说明整个数据结构相对均衡。

       （五）相关性分析       表4报告了本文主要变量的相关性分析结果。有些变量之间的相关系数估计值大于0.5，本文进一步对模型中各变量之间的多重共线性进行了检验，发现方差膨胀因子（VIF值）均小于10，所以变量之间不存在多重共线性，可见模型中变量的选择较为合理。同时，碳排放权交易机制（Treat×After）与碳透明度显著正相关，H1均得到初步验证，但具体还需在后面进一步进行验证。


五实证结果与分析