The Emission Reduction Effect of the Combination of Environmental Regulatory Policy Tools: “Synergy” or “Antagonism”

doi:10.15936/j.cnki.1008-3758.2026.01.009

Abstract

Abstract:

This article utilizes balanced panel data from 30 provincial-level administrative units spanning 2010 to 2021 and employs the Difference-in-Differences （DID） method to empirically analyze the emission reduction effects of environmental regulatory policy instrument mix.The research results indicate that the emission reduction effects of the environmental regulatory policy instrument mix are significant.The combination of carbon emissions trading and environmental protection taxes significantly reduces the carbon emission intensity in the policy implementation areas， and these results have passed robustness tests.The environmental regulatory policy instrument mix exhibits a synergistic rather than an antagonistic effect， and it leads to a more significant reduction in carbon emission intensity compared to a single environmental regulatory policy tool.In the emission reduction pathway of the environmental regulatory policy instrument mix， the mediating effect of industrial structure advancement is higher than that of reduced energy consumption.Both serve as partial mediating effects for the emission reduction of the policy mix， accounting for 50.25% and 30.59% of the total effect， respectively.On this basis， the research provides policy implications for the design and implementation of environmental regulatory policy instrument mix in China， focusing on enhancing the synergy of the policy mix and leveraging the emission reduction effects of industrial structure advancement and reduced energy consumption.

Key words: environmental regulation, policy tool, emission reduction effect, policy mix

CLC Number:

D 601

Xiaojie ZHANG, Ruimiao HOU. The Emission Reduction Effect of the Combination of Environmental Regulatory Policy Tools: “Synergy” or “Antagonism”[J]. Journal of Northeastern University(Social Science), 2026, 28(1): 87-99.

Figures/Tables 12

References 49

[1]	Dalia S， Inge R.GHG emission trading implications on energy sector in Baltic States［J］.Renewable and Sustainable Energy Reviews，2009，13（4）：854-862．
[2]	Martin C， Anke W.Emissions trading and innovation in the German electricity industry-impact of possible design options for an emissions trading scheme on innovation strategies in the German electricity industry［J］.Emissions Trading and Business，2006，36（7）：39-51.
[3]	Burniaux J M， Martin J P， Nicoletti G，et al.Green a multi-sector，multi-region dynamic general equilibrium model for quantifying the costs of curbing CO₂ emissions：a technical manual［J］.OECD Economics Department，1992，116（5）：92-118.
[4]	Capoor K， Ambrosi P.State and trends of the carbon market 2009［J］.Euroheat and Power，2009，6（3）：24-25．
[5]	黄向岚，张训常，刘晔.我国碳交易政策实现环境红利了吗？［J］.经济评论，2018，39（6）：86-99.
[6]	王丽颖.中国碳交易试点政策的减排效果分析［J］.社会科学战线，2021，44（4）：251-255.
[7]	周迪，刘奕淳.中国碳交易试点政策对城市碳排放绩效的影响及机制［J］.中国环境科学，2020，40（1）： 453-464.
[8]	任晓松，马茜，刘宇佳，等.碳交易政策对工业碳生产率的影响及传导机制［J］.中国环境科学，2021，41（11）： 5427-5437.
[9]	刘海英，王钰，刘松灵.命令控制与碳排放权可交易环境政策模拟下的减排效应［J］.吉林大学社会科学学报， 2017，63（2）：57-67.
[10]	董直庆，王辉.市场型环境规制政策有效性检验——来自碳排放权交易政策视角的经验证据［J］.统计研究，2021，38（10）：48-61.
[11]	He Y， Wen C H， Zheng H.Does China’s environmental protection tax law effectively influence firms？ evidence from stock markets［J］.Emerging Markets Finance and Trade，2021，57（15）：4436-4447.
[12]	Cheng B， Qiu B Y， Chan K C，et al.Does a green tax impact a heavy-polluting firm’s green investments？［J］.Applied Economics，2022，54（2）：189-205.
[13]	Deng J Q， Yang J Y， Liu Z Y，et al.Environmental protection tax and green innovation of heavily polluting enterprises： a quasi-natural experiment based on the implementation of China’s environmental protection tax law［J］.PLoS ONE，2023，18（6）：1-19.
[14]	He Y， Zhu X B， Zheng H.The influence of environmental protection tax law on total factor productivity： evidence from listed firms in China［J］.Energy Economics，2022，113：106248.
[15]	Long F， Lin F， Ge C Z.Impact of China’s environmental protection tax on corporate performance： empirical data from heavily polluting industries［J］.Environmental Impact Assessment Review，2022，97.
[16]	Wen H W， Deng W F， Guo Q N.The effects of the environmental protection tax law on heavily polluting firms in China［J］.PLoS ONE，2021，16（12）：1-18.
[17]	Li G， Masui T.Assessing the impacts of China’s environmental tax using a dynamic computable general equilibrium model［J］.Journal of Cleaner Production，2019，208：316-324.
[18]	Han F， Li J M.Assessing impacts and determinants of China’s environmental protection tax on improving air quality at provincial level based on Bayesian statistics［J］.Journal of Environmental Management，2020，271： 1-12.
[19]	孙建，刘波，饶光明.环境保护税、碳交易与中国工业减污降碳协同增效［J］.中国人口·资源与环境，2023，33（11）：13-24.
[20]	肖琴，赵月川，濮静文.双试点政策对碳排放效率的影响——基于低碳试点城市和碳交易试点城市的准自然实验［J］.社科纵横，2024，39（3）：45-53.
[21]	Li Y H， Su X S， Bai M Y.A stochastic dynamic programming model for the optimal policy mix of the carbon tax and decarbonization subsidy［J］.Journal of Environmental Management，2024，353：1-23.
[22]	Liu Z X， Wu Z M， Zhu M N.Research on the green effect of environmental policies-from the perspective of policy mix［J］.Sustainability，2022，23： 1-15.
[23]	陈向阳.碳排放权交易和碳税的作用机制、比较与制度选择［J］.福建论坛（人文社会科学版），2022（1）：75- 86.
[24]	范秋芳，张园园.碳排放权交易政策对碳生产率的影响研究［J］.工业技术经济，2021，41（12）：113-121.
[25]	杨秀汪，李江龙，郭小叶.中国碳交易试点政策的碳减排效应如何？——基于合成控制法的实证研究［J］.西安交通大学学报（社会科学版），2021，41（3）：93-104.
[26]	叶芳羽，单汨源，李勇，等.碳排放权交易政策的减污降碳协同效应评估［J］.湖南大学学报（社会科学版），2022，36（2）：43-50.
[27]	邓力平，朱云格，王智烜.环境保护税的大气环境效应：RD实证研究［J］.经济与管理评论，2022，38（4）：5-16.
[28]	王娟，陈卓.中国环境保护税的减排效应——基于提高污染物适用税额视角［J］.中国人口•资源与环境，2023，33（2）：30-37.
[29]	韩菲，闫书淇.环境保护税能否促进区域绿色全要素生产率增长？——基于贝叶斯时空统计的实证研究［J］.经济问题，2023，45（7）：103-112.
[30]	高凯，赵艺，胡斌.碳排放权交易能否改善区域环境污染？——基于七个试点省市的合成控制法检验［J］.运筹与管理，2024，33（4）：194-199.
[31]	刘磊，周阳．中国绿色税收的双重红利效应研究［J］．海南大学学报（人文社会科学版），2024，42（6）：34-44.
[32]	祁毓，周睿，徐彦坤.构建我国新型碳税与碳排放权交易市场的协同机制［J］.江淮论坛，2024，67（4）：97-105.
[33]	干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响［M］.上海：上海人民出版社，2015： 57-58.
[34]	苏方林，黎文勇.产业结构合理化、高级化对碳排放影响的实证研究——基于西南地区面板数据［J］.西南民族大学学报（人文社科版），2015，37（11）：114-119.
[35]	李治国，王杰，赵园春.碳排放权交易的协同减排效应：内在机制与中国经验［J］.系统工程，2022，40（3）： 1-12.
[36]	李立清，危薇.新型农村合作医疗对农户减贫及增收的效果研究——基于双重差分法的分析［J］.湘潭大学学报（哲学社会科学版），2013，37（4）：11-15.
[37]	徐彦坤，黄纪强，祁毓.环境保护税与企业绿色投资：激励与协同视角［J］.学习与实践，2024（10）：90-100.
[38]	潘文卿.碳税对中国产业与地区竞争力的影响：基于CO₂排放责任的视角［J］.数量经济技术经济研究，2015，32（6）：3-20.
[39]	程豪.碳排放怎么算——《2006年IPCC国家温室气体清单指南》［J］.中国统计，2014，62（11）：28-30.
[40]	张彩江，李章雯，周雨.碳排放权交易试点政策能否实现区域减排？［J］.软科学，2021，35（10）：93-99.
[41]	张思麒，刘导波.技术进步视角下中国产业结构高级化格局及影响因素［J］.经济地理，2022，42（5）：104-113.
[42]	Kudamatsu M.Has democratization reduced infant mortality in Sub-Saharan Africa？ evidence from micro data［J］.Journal of the European Economic Association，2012，10（6）：1294-1317.
[43]	韩先锋，郑酌基，肖远飞.创新驱动政策“双试点”协同赋能与碳排放“量降质升”：来自国家自主创新示范区与创新型城市的证据［J］.中国人口·资源与环境，2023，33（10）：112-123.
[44]	胡洁，于宪荣，韩一鸣.ESG评级能否促进企业绿色转型？——基于多时点双重差分法的验证［J］.数量经济技术经济研究，2023，40（7）：90-111.
[45]	王慧英，王子瑶.我国试点城市碳排放权交易的政策效应与影响机制［J］.城市发展研究，2021，28（6）：133-140.
[46]	张国兴，樊萌萌，马睿琨，等.碳交易政策的协同减排效应［J］.中国人口•资源与环境，2022，32（3）：1-10.
[47]	赵静.失业保险与就业促进——基于基金支出范围视角的双重差分法分析［J］.中国经济问题，2014，56（1）：81-90.
[48]	曹翔，苏馨儿.碳排放权交易试点政策是否促进了碳中和技术创新？［J］.中国人口•资源与环境，2023，33（7）：94-104.
[49]	张帅，刘春学，马显光.双试点政策的协同创新效应［J］.技术经济，2023，42（8）：1-12.

变量类别	变量名称	变量符号	样本数量	均值	标准差	最小值	最大值
被解释变量	碳排放强度	lnCI	360	9.427	0.678	7.530	11.103
核心解释变量	碳排放权交易	did-trading	360	0.133	0.340	0	1
	环境保护税	did-tax	360	0.156	0.363	0	1
	碳排放权交易和环境保护税组合	did-mix	360	0.057	0.229	0	1
控制变量	地区人均GDP	lnpergdp	360	10.783	0.477	9.464	12.142
	产业结构	ratio2	360	0.432	0.089	0.158	0.590
	地区政府环境保护支出	lnenpr	360	13.994	0.638	11.911	15.827
	地区政府科学技术支出	lntech	360	13.485	1.080	10.535	16.274
中介变量	产业结构高级化	upg	360	0.998	0.655	0.401	5.211
中介变量	能源消费量	lnec	300	9.411	0.657	7.214	10.631

变量类别	变量名称	变量符号	样本数量	均值	标准差	最小值	最大值
被解释变量	碳排放强度	lnCI	360	9.427	0.678	7.530	11.103
核心解释变量	碳排放权交易	did-trading	360	0.133	0.340	0	1
	环境保护税	did-tax	360	0.156	0.363	0	1
	碳排放权交易和环境保护税组合	did-mix	360	0.057	0.229	0	1
控制变量	地区人均GDP	lnpergdp	360	10.783	0.477	9.464	12.142
	产业结构	ratio2	360	0.432	0.089	0.158	0.590
	地区政府环境保护支出	lnenpr	360	13.994	0.638	11.911	15.827
	地区政府科学技术支出	lntech	360	13.485	1.080	10.535	16.274
中介变量	产业结构高级化	upg	360	0.998	0.655	0.401	5.211
中介变量	能源消费量	lnec	300	9.411	0.657	7.214	10.631

变量	模型1	模型2	模型3	模型4
did-trading	-0.163^*** （0.059）	—	-0.160^*** （0.035）	—
did-tax	—	-0.153^*** （0.051)	—	-0.126^*** （0.039）
控制变量	否	否	是	是
空间固定效应	是	是	是	是
时间固定效应	是	是	是	是
N	360	360	360	360
R²	0.827	0.832	0.886	0.886

变量	模型1	模型2	模型3	模型4
did-trading	-0.163^*** （0.059）	—	-0.160^*** （0.035）	—
did-tax	—	-0.153^*** （0.051)	—	-0.126^*** （0.039）
控制变量	否	否	是	是
空间固定效应	是	是	是	是
时间固定效应	是	是	是	是
N	360	360	360	360
R²	0.827	0.832	0.886	0.886

变量	模型5	模型6	模型7	模型8
did-mix	-0.123^** （0.053）	-0.146^*** （0.039）	-0.189^*** （0.060）	-0.183^*** （0.043）
控制变量	否	是	否	是
空间固定效应	是	是	是	是
时间固定效应	是	是	是	是
N	360	360	240	240
R²	0.820	0.883	0.798	0.847