基于分位数回归的欧盟碳排放配额价格与能源价格动态关联研究

基于分位数回归的欧盟碳排放配额价格与能源价格动态关联研究一、引言1.1研究背景与意义1.1.1研究背景在全球气候变化的大背景下，减少温室气体排放、应对气候变化已成为国际社会的广泛共识。随着工业化进程的不断推进，人类活动对气候变化的影响日益显著，温室气体排放导致全球气温上升、极端天气事件频发，给生态系统和人类社会带来了巨大威胁。1992年，《联合国气候变化框架公约》（UNFCCC）的签署标志着全球应对气候变化行动的开始；1997年通过的《京都议定书》进一步明确了发达国家的减排目标；2015年的《巴黎协定》更是为全球应对气候变化设定了长期目标，旨在将全球平均气温较工业化前水平升高控制在2℃以内，并努力将升温控制在1.5℃以内。欧盟作为全球应对气候变化的积极倡导者和领导者，一直致力于推动温室气体减排。为了实现其减排目标，欧盟于2005年建立了欧盟碳排放交易体系（EUETS），这是全球第一个也是目前最大的碳排放交易市场。EUETS采用“总量控制与交易”（Cap-and-Trade）机制，通过设定碳排放总量上限，并向企业分配碳排放配额，允许企业在市场上交易配额，从而实现碳排放的市场化配置。在EUETS的框架下，碳排放配额成为一种具有经济价值的商品，其价格受到市场供求关系以及其他多种因素的影响。能源作为经济发展的重要支撑，其价格波动对经济和社会发展有着深远影响。近年来，随着全球能源需求的不断增长以及能源供应格局的变化，能源价格呈现出显著的波动性。以石油为例，在过去几十年中，国际油价经历了多次大幅涨跌，如2008年国际金融危机期间，油价从年初的每桶100多美元暴跌至年底的不足40美元；而在2020年新冠疫情爆发初期，油价更是出现了历史罕见的负值。天然气和煤炭价格也同样受到地缘政治、供需关系、气候变化等多种因素的影响而波动剧烈。能源价格的波动不仅直接影响能源相关产业的成本和利润，还会通过产业链传导对整个经济体系产生连锁反应。在欧盟碳排放交易体系和能源价格波动的双重背景下，研究欧盟碳排放配额价格与能源价格之间的关系具有重要的现实意义。一方面，能源是碳排放的主要来源之一，能源价格的变化会直接影响企业的生产成本和能源消费结构，进而影响企业的碳排放行为和对碳排放配额的需求；另一方面，碳排放配额价格的波动也会反过来影响企业的能源选择和投资决策，从而对能源市场产生反馈效应。深入探究两者之间的关系，有助于更好地理解碳排放市场和能源市场的运行机制，为政策制定者制定科学合理的减排政策和能源政策提供依据，也为投资者和企业在碳市场和能源市场的决策提供参考。1.1.2研究意义本研究对于政策制定者、投资者和企业在应对气候变化和能源转型方面具有重要的参考价值。对于政策制定者而言，明确欧盟碳排放配额价格与能源价格的关系，有助于制定更为有效的气候政策和能源政策。在制定碳排放交易体系相关政策时，可以充分考虑能源价格波动对企业碳排放行为的影响，合理设定碳排放配额总量和分配方式，优化碳市场机制，提高减排效率。在能源政策方面，能够依据两者关系预测能源价格变动对碳排放的影响，从而制定更具针对性的能源结构调整政策，推动可再生能源的发展，减少对传统化石能源的依赖，实现能源转型和可持续发展的目标。投资者可以从研究结果中获取关键信息，辅助投资决策。在碳市场投资中，能源价格是影响碳排放配额价格的重要因素之一，通过了解两者的关系，投资者可以更好地预测碳排放配额价格的走势，评估碳资产的投资价值和风险，优化投资组合，提高投资收益。在能源市场投资方面，研究结果也能帮助投资者把握能源价格的波动规律，判断能源行业的投资机会，降低投资风险。企业在日常生产经营和长期发展战略制定中，需要充分考虑碳排放成本和能源成本。研究欧盟碳排放配额价格与能源价格的关系，有助于企业准确评估自身的碳排放成本和能源成本，通过调整能源消费结构、提高能源利用效率、参与碳市场交易等方式，降低生产成本，增强市场竞争力。企业可以根据能源价格和碳排放配额价格的变化趋势，合理规划生产规模和投资方向，提前布局低碳技术研发和应用，为实现可持续发展奠定基础。1.2研究目的与创新点1.2.1研究目的本研究旨在运用分位数回归方法，深入剖析欧盟碳排放配额价格与能源价格之间的关系。传统的线性回归方法通常聚焦于变量的均值关系，然而在复杂的经济环境中，变量之间的关系往往呈现出非线性和异质性的特点。欧盟碳排放配额价格与能源价格受到多种因素的交互影响，在不同的市场条件和经济环境下，两者之间的关联并非一成不变。分位数回归能够克服传统线性回归的局限性，通过估计因变量在不同分位数水平下与自变量的关系，全面揭示变量之间的复杂联系。具体而言，本研究试图达成以下目标：一是探究在不同分位数水平下，能源价格对欧盟碳排放配额价格的影响程度和方向。在碳排放配额价格处于较低分位数时，能源价格的上涨可能会对其产生较小的推动作用；而当碳排放配额价格处于高分位数时，能源价格的波动或许会引发碳排放配额价格更为显著的变化。二是识别不同市场条件下两者关系的异质性。在市场供给充足、需求稳定的情况下，能源价格与碳排放配额价格的关系可能较为平稳；但在市场供需失衡、经济形势不稳定等特殊时期，两者的关系可能会出现较大波动和变化。三是通过分位数回归分析，为政策制定者提供更为精准的决策依据，帮助其制定更具针对性的碳市场政策和能源政策，以促进欧盟碳减排目标的实现和能源市场的稳定发展。1.2.2创新点本研究的创新之处主要体现在研究方法和视角的独特性上。在研究方法方面，分位数回归方法在分析欧盟碳排放配额价格与能源价格关系的研究中相对较少应用。以往的研究大多采用传统的线性回归模型，如普通最小二乘法（OLS）等，这些方法主要关注变量之间的平均关系，无法充分反映变量在不同分位数水平下的变化特征。而分位数回归能够提供更为全面的信息，它不仅可以考察能源价格对碳排放配额价格均值的影响，还能深入分析在不同碳排放配额价格水平下，能源价格的作用效果，从而更细致地刻画两者之间的关系。从研究视角来看，本研究打破了传统研究仅关注变量平均关系的局限，从多个分位数角度进行分析，为理解欧盟碳排放配额价格与能源价格的关系提供了全新的视角。通过分位数回归，能够发现不同市场条件下两者关系的异质性，这种异质性对于政策制定和市场参与者的决策具有重要意义。政策制定者可以根据不同分位数水平下两者关系的特点，制定差异化的政策措施，提高政策的有效性和针对性；市场参与者也可以依据这些异质性，更好地把握市场动态，制定合理的投资和生产策略，降低市场风险。本研究为相关领域的研究提供了新的思路和方法，有助于丰富和完善碳排放市场与能源市场关系的理论体系。1.3研究方法与技术路线1.3.1研究方法分位数回归方法：分位数回归是一种强大的统计分析方法，它通过估计因变量在不同分位数水平下与自变量之间的关系，能够提供比传统均值回归更为全面和细致的信息。在传统的线性回归中，通常关注的是因变量的条件均值，即给定自变量的情况下，因变量的平均响应。然而，在许多实际问题中，变量之间的关系并非仅仅体现在均值上，不同分位数水平下的关系可能存在显著差异。分位数回归则能够克服这一局限性，它可以估计因变量在不同分位数（如0.1分位数、0.5分位数、0.9分位数等）下与自变量的回归系数，从而更全面地揭示变量之间的关联。例如，在研究欧盟碳排放配额价格与能源价格的关系时，分位数回归可以帮助我们了解在碳排放配额价格较低、中等和较高水平时，能源价格的变动对其产生的不同影响。与普通最小二乘法（OLS）回归相比，分位数回归具有更强的稳健性，对异常值的敏感度较低。在实际数据中，往往存在一些异常观测值，这些异常值可能会对OLS回归的结果产生较大影响，导致估计结果的偏差。而分位数回归通过最小化加权绝对离差来估计回归系数，能够有效地减少异常值的干扰，提供更为可靠的估计结果。数据收集：本研究的数据来源主要包括欧盟官方统计机构、专业的能源数据提供商以及相关的学术数据库。从欧盟官方统计机构获取欧盟碳排放交易体系（EUETS）中碳排放配额价格的历史数据，这些数据涵盖了不同交易阶段、不同行业的碳排放配额价格信息，具有权威性和全面性。通过专业的能源数据提供商收集石油、天然气、煤炭等主要能源价格数据，这些数据提供商通常具有广泛的数据采集网络和专业的数据分析能力，能够提供准确、及时的能源价格数据。还会参考相关学术数据库中的研究成果，以获取有关欧盟碳排放市场和能源市场的宏观经济数据、政策数据等，这些数据有助于更全面地分析碳排放配额价格与能源价格之间的关系。在数据收集过程中，充分考虑数据的时间跨度和样本代表性。时间跨度从2005年欧盟碳排放交易体系启动至今，以涵盖不同的市场发展阶段和经济环境变化。确保收集的数据能够代表欧盟不同地区、不同行业的碳排放配额价格和能源价格情况，以提高研究结果的可靠性和普遍性。描述性统计分析：在进行分位数回归分析之前，先对收集到的数据进行描述性统计分析。描述性统计分析能够帮助我们了解数据的基本特征，如数据的集中趋势、离散程度、分布形态等。通过计算均值、中位数、标准差、最小值和最大值等统计量，对欧盟碳排放配额价格和能源价格的整体水平、波动程度进行初步分析。对于碳排放配额价格，计算其均值可以反映出市场上碳排放配额的平均价格水平；中位数则可以提供数据的中间位置信息，不受极端值的影响；标准差能够衡量价格的波动程度，标准差越大，说明价格波动越剧烈。通过绘制直方图、箱线图等图表，直观地展示数据的分布特征，判断数据是否存在异常值、是否服从正态分布等。如果数据存在异常值，需要进一步分析异常值产生的原因，并考虑是否对其进行处理，以确保后续分析的准确性。描述性统计分析还可以对不同类型的能源价格（如石油、天然气、煤炭价格）进行比较，分析它们之间的差异和相关性，为后续的分位数回归分析提供基础信息。1.3.2技术路线本研究的技术路线如图1所示，首先是数据收集阶段，从欧盟官方统计机构、专业能源数据提供商以及学术数据库等多渠道收集欧盟碳排放配额价格和能源价格数据，同时收集相关的宏观经济数据和政策数据。在数据收集过程中，对数据的质量进行严格把控，确保数据的准确性和完整性。接着进入数据预处理阶段，对收集到的数据进行清洗，去除重复数据、缺失值和异常值，对数据进行标准化处理，使其具有可比性。在完成数据预处理后，进行描述性统计分析，计算各种统计量并绘制图表，以了解数据的基本特征和分布情况。然后，基于处理好的数据，构建分位数回归模型。在模型构建过程中，选择合适的分位数水平，如0.1、0.25、0.5、0.75、0.9等，分别估计在不同分位数水平下能源价格对欧盟碳排放配额价格的影响系数。对分位数回归模型进行检验，包括模型的拟合优度检验、系数的显著性检验等，以确保模型的可靠性和有效性。最后，根据分位数回归分析的结果，结合实际情况进行深入讨论，分析在不同市场条件下欧盟碳排放配额价格与能源价格之间的关系，为政策制定者和市场参与者提供有针对性的建议和决策依据。[此处插入技术路线图，图中清晰展示从数据收集、预处理、描述性统计分析、分位数回归模型构建、模型检验到结果分析与讨论的各个步骤，各步骤之间用箭头清晰连接，标注每个步骤的关键操作和使用的方法][此处插入技术路线图，图中清晰展示从数据收集、预处理、描述性统计分析、分位数回归模型构建、模型检验到结果分析与讨论的各个步骤，各步骤之间用箭头清晰连接，标注每个步骤的关键操作和使用的方法]二、理论基础与文献综述2.1相关理论基础2.1.1碳排放权交易理论碳排放权交易是一种基于市场的温室气体减排机制，其核心思想源于科斯定理。科斯定理指出，在交易成本为零且产权明晰的情况下，无论初始产权如何分配，市场机制都能实现资源的有效配置。碳排放权交易正是基于这一理论，通过明确碳排放的产权，将碳排放权作为一种可交易的商品，利用市场机制来实现碳排放的优化配置。欧盟碳排放交易体系（EUETS）是全球最具代表性的碳排放权交易市场之一。EUETS采用“总量控制与交易”（Cap-and-Trade）机制。在该机制下，欧盟首先设定一个碳排放总量上限，这个上限通常根据欧盟的减排目标以及各成员国的实际情况来确定。以2021-2030年的第四阶段为例，为了实现更严格的减排目标，欧盟进一步降低了碳排放配额的总量，促使企业加大减排力度。然后，将碳排放配额分配给纳入该体系的企业，这些企业主要来自发电与供热行业、能源密集型工业部门（如炼油厂、炼钢厂等）以及海运和商业航空等领域，覆盖了欧盟成员国约45％的温室气体排放。企业在获得碳排放配额后，如果其实际碳排放量低于分配的配额，那么企业可以将多余的配额在碳市场上出售，从而获得经济收益；反之，如果企业的实际碳排放量超过了配额，企业则需要从市场上购买额外的配额，以满足其排放需求，否则将面临严厉的处罚。在2020年，由于疫情影响和高碳价推动电力减排，EUETS排放量大幅下降13.3%，部分电力和工业企业因减排措施得力，持有了多余的碳排放配额，并在市场上进行出售；而一些企业由于生产规模扩大或减排技术滞后，碳排放量超出配额，不得不购买配额来避免违规。这种交易机制为企业提供了经济激励，促使企业积极采取减排措施，降低碳排放，以实现成本最小化和利润最大化。EUETS的发展经历了多个阶段，每个阶段都根据实际运行情况和政策目标进行了调整和完善。在第一阶段（2005-2007年）为试运行阶段，主要目的是建立碳排放交易的基本框架和运行机制，将二氧化碳划定为唯一的交易商品，覆盖了欧盟25个成员国，交易者囊括了约占欧盟总CO2排放量一半的十多万家企业。第二阶段（2008-2012年）为体系过渡期，欧盟的排放目标定为2012年达到议定书所制定的减排8%标准，市场交易量快速增长，三个新的非欧盟国家加入，涵盖了更多的温室气体，航空行业也于2012年被纳入，免费分配的比例下降到90%左右，剩下的10%由几个国家拍卖。第三阶段（2013-2020年）为发展阶段，欧盟委员会对EUETS做出了较大调整，取消申报与审批的配额制度，以欧盟整理规划后的碳排放指标进行分配，规定各行业碳排放指标不再实行统一标准，而是根据不同行业进行分派，碳排放额度采取逐年递减的方式，以期2020年整体碳排放量在2005年基础上减少21%，并促使EUETS由配额制向拍卖制过渡，覆盖行业扩展到交通、电力与能源、农业及制造业。第四阶段（2021-2030年）实施更有针对性的碳泄露规则，对于风险较小的行业，预计2026年后将逐步取消免费分配，从第四阶段结束时的最高30%逐步取消至0，同时，将为密集型工业部门和电力部门建立低碳融资基金。2.1.2能源市场理论能源市场是一个复杂的系统，其供需关系和价格形成机制受到多种因素的影响。从供给方面来看，能源资源的储量、开采成本、生产技术以及国际政治局势等因素都会影响能源的供给量。中东地区是全球重要的石油产区，该地区的政治局势动荡往往会导致石油供给减少，进而影响全球石油价格。能源生产企业的生产决策也会对供给产生影响，企业会根据市场价格、成本以及未来市场预期等因素来调整生产规模和产量。在需求方面，经济增长是影响能源需求的主要因素之一。随着经济的增长，各行业对能源的需求也会相应增加，从而推动能源价格上涨。在经济繁荣时期，工业生产活动频繁，对能源的需求旺盛，会拉动能源价格上升。人口增长、城市化进程以及消费者的能源消费习惯等因素也会对能源需求产生影响。随着城市化进程的加快，城市居民对电力、天然气等能源的需求不断增加，这也会对能源市场的供需关系产生影响。能源价格的形成是由市场供需关系决定的。当能源市场供大于求时，能源价格往往会下降；反之，当供小于求时，能源价格则会上涨。在2020年新冠疫情爆发初期，全球经济活动受到严重抑制，能源需求大幅下降，导致国际油价暴跌，出现了历史罕见的负值。能源价格还受到其他因素的影响，如政府政策、国际市场波动、地缘政治风险等。政府的能源政策，如税收政策、补贴政策、能源管制政策等，会直接或间接地影响能源市场的供需关系和价格。政府对可再生能源的补贴政策会促进可再生能源的发展，增加其在能源市场中的份额，从而对传统能源的价格产生影响。国际市场波动，如汇率波动、金融市场动荡等，也会对能源价格产生影响。地缘政治风险，如地区冲突、战争等，会导致能源供应中断或不确定性增加，进而引发能源价格的剧烈波动。2.2分位数回归方法2.2.1分位数回归原理分位数回归是一种用于估计因变量条件分位数与自变量之间关系的统计方法。与传统回归分析主要关注因变量的均值不同，分位数回归能够全面捕捉因变量在不同分位数水平下的变化特征。其核心思想基于对分位数函数的估计，通过最小化加权绝对离差来确定回归系数。在分位数回归中，对于给定的分位数\tau\in(0,1)，因变量y关于自变量x的\tau分位数回归模型可表示为：Q_y(\tau|x)=x^T\beta(\tau)其中，Q_y(\tau|x)表示在给定自变量x的条件下，因变量y的\tau分位数；\beta(\tau)是与分位数\tau相对应的回归系数向量。估计\beta(\tau)的过程通过最小化以下目标函数实现：\min_{\beta}\sum_{i=1}^{n}\rho_{\tau}(y_i-x_i^T\beta)其中，\rho_{\tau}(u)=u(\tau-I(u\lt0))为分位数损失函数，也称为“Pinball损失函数”，I(\cdot)是指示函数，当括号内条件成立时取值为1，否则为0。该损失函数的特点是对不同方向的偏差赋予不同的权重，当u\geq0时，权重为\tau；当u\lt0时，权重为\tau-1。这种加权方式使得分位数回归能够更准确地估计不同分位数水平下因变量与自变量之间的关系。以研究欧盟碳排放配额价格（y）与能源价格（x）的关系为例，假设选取\tau=0.25（下四分位数）、\tau=0.5（中位数）和\tau=0.75（上四分位数）进行分位数回归。在\tau=0.25分位数回归中，关注的是碳排放配额价格处于较低水平（下25%）时，能源价格对其的影响；\tau=0.5分位数回归反映的是碳排放配额价格处于中等水平时两者的关系；\tau=0.75分位数回归则聚焦于碳排放配额价格处于较高水平（上25%）时能源价格的作用。通过这种方式，可以全面了解在不同碳排放配额价格分位点上，能源价格的变动如何影响碳排放配额价格，从而揭示两者关系的异质性和复杂性。2.2.2与传统回归对比传统回归分析中最常用的是普通最小二乘法（OLS）回归，其目标是使因变量的观测值与预测值之间的残差平方和最小，从而估计出回归系数，得到因变量的条件均值与自变量之间的关系。在研究欧盟碳排放配额价格与能源价格关系时，OLS回归主要关注的是在平均意义上，能源价格每变动一个单位，碳排放配额价格的平均变动量。然而，这种方法存在一定的局限性。首先，OLS回归对数据的分布假设较为严格，通常要求残差服从正态分布且具有同方差性。但在实际经济数据中，尤其是碳排放市场和能源市场相关数据，往往不满足这些假设。欧盟碳排放配额价格和能源价格受到多种复杂因素的影响，其数据分布可能呈现出偏态或存在异方差性。在某些特殊时期，如能源供应紧张或碳市场政策调整时，数据可能出现异常波动，导致残差不服从正态分布。在这种情况下，OLS回归的估计结果可能会产生偏差，无法准确反映变量之间的真实关系。其次，OLS回归对异常值较为敏感。由于其目标是最小化残差平方和，异常值会对回归结果产生较大影响，因为异常值的残差平方会被放大，从而导致回归系数的估计出现偏差。在碳排放市场中，可能会出现个别企业因特殊原因（如重大技术突破或生产事故）导致碳排放行为异常，进而影响碳排放配额价格，这些异常值如果不加以处理，会对OLS回归结果产生干扰。相比之下，分位数回归具有明显的优势。分位数回归对数据分布没有严格要求，它不依赖于残差的正态分布和同方差假设，能够更好地处理非正态分布和异方差的数据。这使得分位数回归在分析复杂的经济数据时更具适应性，能够提供更稳健的估计结果。在研究欧盟碳排放配额价格与能源价格关系时，分位数回归可以有效应对数据分布的不确定性，准确揭示两者在不同分位数水平下的关系。分位数回归对异常值具有更强的稳健性。由于分位数回归是通过最小化加权绝对离差来估计回归系数，异常值的影响相对较小，因为绝对离差不会像残差平方那样对异常值进行放大。这使得分位数回归能够更准确地反映数据的主体特征，避免异常值对回归结果的过度干扰。在存在碳排放配额价格异常波动的情况下，分位数回归依然能够稳定地估计能源价格对碳排放配额价格的影响，为政策制定者和市场参与者提供更可靠的决策依据。分位数回归能够提供比传统均值回归更丰富的信息。它不仅可以估计因变量在均值水平上与自变量的关系，还能深入分析在不同分位数水平下两者的关联，从而全面展示变量之间关系的异质性。通过分位数回归，我们可以了解到在碳排放配额价格较低、中等和较高水平时，能源价格变动对其产生的不同影响，这对于政策制定和市场分析具有重要意义。政策制定者可以根据不同分位数水平下的关系特点，制定更具针对性的政策措施，以实现更好的政策效果。2.2.3在碳排放研究中的适用性在碳排放研究领域，分位数回归方法具有显著的适用性和独特的优势。碳排放市场是一个复杂的系统，受到多种因素的交互影响，包括能源价格、经济增长、政策法规、技术创新等。传统的均值回归方法难以全面捕捉这些因素在不同市场条件下对碳排放的影响，而分位数回归则能够克服这一局限，为碳排放研究提供更深入、全面的分析视角。分位数回归能够考虑到碳排放数据的异质性。不同行业、不同地区的碳排放行为存在显著差异，即使在同一行业或地区，碳排放也会受到多种因素的影响而呈现出不同的分布特征。在能源密集型行业，碳排放水平通常较高，且受到能源价格波动的影响更为显著；而在一些低碳行业，碳排放水平较低，其与能源价格的关系可能相对较弱。分位数回归可以通过估计不同分位数水平下的回归系数，准确刻画这些异质性，为制定差异化的减排政策提供依据。政策制定者可以根据不同行业碳排放的分位数特征，制定针对性的减排目标和政策措施，提高政策的有效性和精准性。在碳排放研究中，往往存在一些极端情况，如某些企业或地区的碳排放异常高或异常低，这些极端值可能对传统回归分析的结果产生较大影响。分位数回归对异常值具有较强的稳健性，能够有效减少极端值的干扰，提供更可靠的估计结果。在分析欧盟碳排放配额价格与能源价格关系时，即使存在个别企业因特殊原因导致碳排放配额价格异常波动，分位数回归依然能够准确反映能源价格对碳排放配额价格的整体影响，避免异常值对研究结论的误导。分位数回归还可以用于分析不同市场条件下碳排放与其他因素之间的关系变化。在经济繁荣时期和经济衰退时期，能源价格对碳排放的影响可能存在差异；在碳市场政策宽松和政策严格时期，碳排放与能源价格的关系也可能发生变化。分位数回归能够通过不同分位数水平的分析，捕捉到这些市场条件变化对两者关系的影响，为政策制定者在不同市场环境下制定合理的政策提供参考。在经济繁荣时期，能源需求增加，能源价格上涨可能会促使企业更加注重节能减排，从而减少碳排放；而在经济衰退时期，企业可能会为了降低成本而增加碳排放。通过分位数回归，我们可以深入了解这些市场条件变化对碳排放的影响机制，为政策制定提供更有针对性的建议。2.3文献综述2.3.1欧盟碳排放配额价格研究现状欧盟碳排放配额价格一直是学术界和业界关注的焦点，众多学者从不同角度对其影响因素进行了深入研究。在政策因素方面，欧盟碳排放交易体系（EUETS）的政策调整对碳排放配额价格有着显著影响。Chevallier等学者指出，欧盟对碳排放配额总量的设定以及分配方式的改变，如从免费分配逐渐向拍卖分配转变，会直接影响市场上碳排放配额的供给，进而影响价格。当拍卖比例增加时，碳排放配额的获取成本上升，企业对碳排放配额的需求也会相应调整，导致价格波动。经济因素也是影响欧盟碳排放配额价格的重要方面。研究表明，经济增长与碳排放配额价格之间存在密切联系。在经济繁荣时期，工业生产活动增加，能源消耗上升，企业的碳排放需求也随之增加，从而推动碳排放配额价格上涨；而在经济衰退时期，企业生产活动减少，对碳排放配额的需求降低，价格则会下降。Oberndorfer分析了德国经济增长与碳排放配额价格的关系，发现德国GDP的增长会带动能源需求的增加，进而导致碳排放配额价格上升，两者呈现出正相关关系。能源价格与欧盟碳排放配额价格的关系也备受关注。能源作为碳排放的主要来源，其价格的变动会影响企业的生产成本和能源消费结构，从而对碳排放配额价格产生影响。许多学者研究发现，石油、天然气和煤炭等能源价格的上涨会促使企业寻求更低碳的能源替代方案，或者加大减排投入，这可能导致对碳排放配额的需求减少，价格下降；反之，能源价格下降可能会使企业增加对高碳能源的使用，增加碳排放，从而推高碳排放配额价格。2.3.2能源价格研究现状能源价格的波动受到多种因素的综合影响。从供需角度来看，全球能源需求的增长以及能源资源的分布不均是影响能源价格的重要因素。随着新兴经济体的快速发展，对能源的需求不断增加，而能源供应受到资源储量、开采技术和地缘政治等因素的限制，导致能源市场供需关系紧张，推动能源价格上涨。中东地区的政治局势动荡常常引发石油供应的不确定性，从而导致国际油价大幅波动。地缘政治因素在能源价格波动中也起着关键作用。地区冲突、战争以及国际关系的变化都会对能源供应和运输产生影响，进而影响能源价格。俄乌冲突爆发后，欧洲对俄罗斯能源的制裁导致欧洲天然气供应紧张，天然气价格大幅上涨，对欧洲的能源市场和经济发展产生了深远影响。能源价格的预测也是研究的热点之一。学者们运用多种方法对能源价格进行预测，包括时间序列分析、神经网络模型、灰色预测模型等。时间序列分析方法通过对历史能源价格数据的分析，建立数学模型来预测未来价格走势；神经网络模型则利用其强大的非线性映射能力，对能源价格与多种影响因素之间的复杂关系进行建模预测。Wang等学者运用改进的神经网络模型对国际油价进行预测，结果表明该模型能够较好地捕捉油价的波动特征，提高预测精度。2.3.3二者关系研究现状现有研究在探讨欧盟碳排放配额价格与能源价格的关系方面取得了一定成果，但仍存在一些不足之处。大部分研究主要集中在分析两者之间的线性关系，然而在实际市场中，两者的关系可能呈现出非线性和时变特征，传统的线性分析方法难以全面准确地揭示这种复杂关系。一些研究仅考虑了单一能源价格（如石油价格）对碳排放配额价格的影响，而忽略了多种能源价格之间的相互作用以及它们对碳排放配额价格的综合影响。能源市场和碳排放市场还受到宏观经济环境、政策法规等多种因素的共同作用，现有研究在综合考虑这些因素对两者关系的影响方面还存在欠缺，导致对两者关系的理解不够深入和全面。三、数据选取与研究设计3.1数据来源与处理3.1.1数据来源本研究中，欧盟碳排放配额价格数据主要来源于欧洲能源交易所（EEX）官方网站。EEX作为欧盟碳排放交易体系（EUETS）的核心交易平台之一，提供了全面且权威的碳排放配额（EUA）交易价格数据。其数据涵盖了从2005年欧盟碳排放交易体系启动至今的每日交易价格信息，包括开盘价、收盘价、最高价和最低价等详细数据，这些数据能够准确反映EUETS市场上碳排放配额价格的实时波动和变化趋势。能源价格数据则选取了具有代表性的石油、天然气和煤炭价格。石油价格采用布伦特原油期货价格，数据来源于洲际交易所（ICE）官网。布伦特原油作为全球原油市场的基准之一，其期货价格在国际石油市场中具有广泛的影响力，能够有效代表国际石油价格的走势。天然气价格选取荷兰TTF天然气期货价格，该价格是欧洲天然气市场的重要参考指标，数据可从欧洲能源交易所获取。荷兰TTF天然气枢纽在欧洲天然气市场中占据关键地位，其期货价格反映了欧洲地区天然气的供需状况和价格动态。煤炭价格选用欧洲ARA港动力煤价格，数据来源于普氏能源资讯（Platts）。ARA港是欧洲重要的煤炭转运枢纽，普氏能源资讯提供的ARA港动力煤价格具有权威性和及时性，能够准确反映欧洲煤炭市场的价格变化。为了更全面地分析欧盟碳排放配额价格与能源价格之间的关系，还收集了相关的宏观经济数据和政策数据作为控制变量。宏观经济数据包括欧盟的国内生产总值（GDP）、通货膨胀率、失业率等，这些数据来源于欧盟统计局（Eurostat）官网，能够反映欧盟整体经济的运行状况和发展趋势，对分析能源市场和碳排放市场的宏观经济背景具有重要意义。政策数据则涵盖了欧盟碳排放交易体系的政策调整、能源政策法规的变化等信息，通过欧盟官方文件、政策报告以及相关学术研究获取，有助于深入了解政策因素对两者关系的影响。3.1.2数据处理在获取原始数据后，首先进行数据清洗工作，以确保数据的准确性和完整性。数据清洗主要包括检查和处理缺失值、重复值以及数据格式错误等问题。对于缺失值，根据数据的特点和实际情况采用不同的处理方法。对于少量的缺失值，如果该数据点对于整体分析影响较小，且其前后数据具有一定的连续性，则采用插值法进行填充，如线性插值或样条插值。对于欧盟碳排放配额价格数据中某一天的收盘价缺失，但前后几天的价格波动较为平稳，可通过线性插值的方法根据前后两天的收盘价估算出缺失的收盘价。如果缺失值较多且集中在某一时间段或某一类别数据中，则考虑结合其他相关数据进行填补，或者在不影响研究目的的前提下，删除该部分数据。对于重复值，通过编程工具（如Python中的pandas库）进行快速识别和删除，确保数据集中每个数据点的唯一性，避免重复数据对分析结果产生干扰。还对数据格式进行了统一和规范，将不同来源的数据格式转换为便于分析的格式，如将日期格式统一为“YYYY-MM-DD”的标准形式，将价格数据统一为相同的货币单位（欧元），以保证数据的一致性和可比性。异常值的处理是数据处理过程中的关键环节。异常值可能是由于数据录入错误、市场突发事件或其他异常因素导致的，这些异常值如果不加以处理，可能会对分位数回归分析结果产生较大的影响，导致回归系数的估计偏差。采用箱线图（BoxPlot）和Z-Score方法相结合来检测异常值。箱线图能够直观地展示数据的分布情况，通过观察数据的四分位数和四分位距（IQR），可以快速识别出数据中的异常值。对于数据集中的能源价格数据，通过绘制箱线图，发现某些数据点位于箱线图的上下限之外，这些数据点可能是异常值。Z-Score方法则通过计算数据点与均值的偏离程度，以标准差为度量单位，判断数据点是否为异常值。如果某个数据点的Z-Score值大于设定的阈值（通常为3或-3），则将其视为异常值。对于检测出的异常值，根据其产生的原因进行相应的处理。如果异常值是由于数据录入错误导致的，通过查阅原始资料或相关数据来源进行修正；如果是由于市场突发事件等原因导致的真实异常波动，但在分析中可能会对结果产生较大干扰，则采用稳健统计方法（如M估计）对其进行修正，或者在分位数回归分析中，通过设置稳健权重来降低异常值的影响。对于一些极端异常且无法合理修正的数据，在不影响数据整体特征和研究目的的前提下，考虑将其删除。在删除异常值后，再次对数据进行检查，确保数据的质量和稳定性，为后续的分位数回归分析提供可靠的数据基础。3.2变量选取3.2.1被解释变量本研究的被解释变量为欧盟碳排放配额价格（EUAPrice），它是欧盟碳排放交易体系（EUETS）中的核心价格指标，代表了在EUETS市场上购买或出售一个单位碳排放配额（EUA）所需支付或获得的价格。欧盟碳排放配额价格直接反映了碳市场的供需关系以及市场参与者对碳排放成本的预期。当市场上对碳排放配额的需求旺盛，而供应相对紧张时，碳排放配额价格会上涨；反之，当需求疲软，供应过剩时，价格则会下跌。碳排放配额价格的波动不仅对纳入EUETS的企业的生产成本和经营决策产生直接影响，还会通过产业链传导，对整个经济体系的能源消费结构和碳排放水平产生深远影响。在电力行业，碳排放配额价格的上升会增加发电企业的成本，促使企业加大对清洁能源的投资和使用，减少对传统化石能源的依赖，从而降低碳排放。3.2.2解释变量解释变量选取了具有代表性的能源价格，包括原油价格（OilPrice）、天然气价格（GasPrice）和煤炭价格（CoalPrice）。原油作为全球最重要的能源之一，其价格波动对全球经济和能源市场有着广泛而深远的影响。布伦特原油期货价格是国际原油市场的重要参考指标，它反映了全球原油市场的供需状况和价格走势。原油价格的变化会直接影响交通运输、化工等多个行业的生产成本，进而影响这些行业的碳排放水平和对碳排放配额的需求。在交通运输行业，原油价格上涨会导致燃油成本增加，促使企业或消费者寻求更节能的运输方式，或者推动新能源汽车的发展，从而减少碳排放；同时，化工行业作为能源密集型行业，原油价格的波动会影响其生产原料和能源成本，进而影响企业的生产规模和碳排放情况，最终对碳排放配额价格产生影响。天然气价格选取荷兰TTF天然气期货价格，它是欧洲天然气市场的关键价格指标，反映了欧洲地区天然气的供需动态。天然气作为一种相对清洁的化石能源，在能源消费结构中占据重要地位。随着全球对清洁能源的需求不断增加，天然气在能源转型过程中的作用日益凸显。天然气价格的变动会影响工业、居民等领域的能源消费选择。在工业领域，当天然气价格相对较低时，企业可能会增加对天然气的使用，减少对煤炭等高碳能源的依赖，从而降低碳排放；反之，当天然气价格上涨时，企业可能会重新考虑能源选择，这会对碳排放水平和碳排放配额市场产生影响。煤炭价格采用欧洲ARA港动力煤价格，ARA港作为欧洲重要的煤炭转运枢纽，其动力煤价格能够有效代表欧洲煤炭市场的价格变化。煤炭是传统的化石能源，在许多国家和地区的能源结构中仍占有较大比重，尤其是在发电、钢铁等行业，煤炭的使用较为广泛。煤炭价格的波动会直接影响这些行业的生产成本和碳排放情况。在发电行业，煤炭价格的上涨会增加火电企业的成本，促使企业提高能源利用效率，或者寻求其他能源替代方案，这会对碳排放配额的需求和价格产生影响。由于煤炭燃烧产生的碳排放相对较高，其价格变化对碳排放市场的影响较为显著。3.2.3控制变量为了更准确地分析欧盟碳排放配额价格与能源价格之间的关系，本研究纳入了多个控制变量。经济增长（GDPGrowth）是一个重要的控制变量，它反映了欧盟整体经济的发展状况。通常情况下，经济增长与能源消耗和碳排放之间存在密切的联系。在经济增长较快的时期，各行业的生产活动活跃，对能源的需求增加，从而导致碳排放上升，进而影响碳排放配额的需求和价格。当欧盟GDP增长较快时，工业生产规模扩大，能源消耗增加，企业对碳排放配额的需求也会相应增加，在碳排放配额供给相对稳定的情况下，会推动碳排放配额价格上涨。本研究使用欧盟实际国内生产总值的增长率来衡量经济增长，该数据能够准确反映欧盟经济的实际增长情况，排除了通货膨胀等因素的干扰，使分析结果更加可靠。政策因素（PolicyFactor）也是不可忽视的控制变量。欧盟碳排放交易体系（EUETS）的政策调整对碳排放配额价格有着直接而显著的影响。政策因素包括碳排放配额的分配方式、拍卖比例、总量控制目标等方面的调整。欧盟逐步提高碳排放配额的拍卖比例，减少免费分配的额度，这使得企业获取碳排放配额的成本上升，从而对碳排放配额价格产生向上的推动作用。政策对新能源发展的支持力度也会影响能源市场和碳排放市场。政府加大对太阳能、风能等新能源的补贴和政策扶持，会促进新能源产业的发展，增加新能源在能源消费结构中的比重，减少对传统化石能源的依赖，进而降低碳排放，影响碳排放配额的供需关系和价格。为了量化政策因素，本研究构建了一个政策虚拟变量。当EUETS出台重大政策调整时，将该变量赋值为1；否则赋值为0。通过这种方式，可以直观地分析政策调整对欧盟碳排放配额价格的影响。能源结构调整（EnergyStructureAdjustment）同样作为控制变量纳入研究。随着全球对气候变化问题的关注度不断提高，欧盟积极推动能源结构向低碳、清洁能源转型。能源结构调整主要体现在可再生能源在能源消费总量中所占比重的变化。可再生能源（如太阳能、风能、水能等）具有低碳、环保的特点，其在能源结构中占比的增加会降低整体的碳排放水平。当可再生能源在欧盟能源消费结构中的占比提高时，企业对碳排放配额的需求会相应减少，在市场供给不变的情况下，会导致碳排放配额价格下降。本研究采用可再生能源在欧盟能源消费总量中的占比来衡量能源结构调整，该指标能够直接反映欧盟能源结构向低碳化转型的程度，为分析其对碳排放配额价格的影响提供了有力的数据支持。3.3模型构建3.3.1分位数回归模型设定为了深入探究欧盟碳排放配额价格与能源价格之间的关系，本研究构建线性分位数回归模型。线性分位数回归模型能够在不同分位数水平下，精准地刻画自变量对因变量的影响，克服传统线性回归仅关注均值的局限性，全面捕捉两者关系在不同市场条件下的异质性。设y_{t}表示t时期的欧盟碳排放配额价格，x_{1t}、x_{2t}、x_{3t}分别表示t时期的原油价格、天然气价格和煤炭价格，z_{1t}、z_{2t}、z_{3t}为控制变量，分别代表经济增长、政策因素和能源结构调整，\tau为分位数水平，\beta_{0}(\tau)为截距项，\beta_{1}(\tau)、\beta_{2}(\tau)、\beta_{3}(\tau)、\gamma_{1}(\tau)、\gamma_{2}(\tau)、\gamma_{3}(\tau)为相应变量的回归系数，\varepsilon_{t}(\tau)为随机误差项。则线性分位数回归模型设定如下：Q_{y_{t}}(\tau|x_{1t},x_{2t},x_{3t},z_{1t},z_{2t},z_{3t})=\beta_{0}(\tau)+\beta_{1}(\tau)x_{1t}+\beta_{2}(\tau)x_{2t}+\beta_{3}(\tau)x_{3t}+\gamma_{1}(\tau)z_{1t}+\gamma_{2}(\tau)z_{2t}+\gamma_{3}(\tau)z_{3t}+\varepsilon_{t}(\tau)在该模型中，Q_{y_{t}}(\tau|x_{1t},x_{2t},x_{3t},z_{1t},z_{2t},z_{3t})表示在给定自变量x_{1t}、x_{2t}、x_{3t}和控制变量z_{1t}、z_{2t}、z_{3t}的条件下，欧盟碳排放配额价格y_{t}的\tau分位数。回归系数\beta_{i}(\tau)（i=1,2,3）反映了在\tau分位数水平下，能源价格x_{it}每变动一个单位，欧盟碳排放配额价格y_{t}的分位数变化情况。当\beta_{1}(\tau)>0时，表明在\tau分位数水平下，原油价格上涨会导致欧盟碳排放配额价格上升；若\beta_{1}(\tau)<0，则意味着原油价格上涨会使欧盟碳排放配额价格下降。控制变量的回归系数\gamma_{j}(\tau)（j=1,2,3）同理，反映了控制变量对欧盟碳排放配额价格分位数的影响。通过估计不同分位数水平下的回归系数，可以全面了解在不同市场条件和碳排放配额价格水平下，能源价格及控制变量对欧盟碳排放配额价格的影响差异。3.3.2模型估计方法本研究采用Koenker和Bassett（1978）提出的线性规划算法来估计分位数回归模型的参数。该方法通过将分位数回归模型转化为线性规划问题，利用线性规划的求解算法来获得回归系数的估计值。对于给定的分位数\tau，分位数回归模型的目标是最小化加权绝对离差之和，即：\min_{\beta_{0}(\tau),\beta_{1}(\tau),\cdots,\gamma_{3}(\tau)}\sum_{t=1}^{n}\rho_{\tau}(y_{t}-Q_{y_{t}}(\tau|x_{1t},x_{2t},x_{3t},z_{1t},z_{2t},z_{3t}))其中，\rho_{\tau}(u)=u(\tau-I(u\lt0))为分位数损失函数，I(\cdot)为指示函数，当u\lt0时，I(u\lt0)=1；否则I(u\lt0)=0。通过引入辅助变量，将上述最小化问题转化为标准的线性规划问题，然后利用成熟的线性规划求解器（如Python中的PuLP库、R语言中的lpSolve包等）进行求解，从而得到不同分位数水平下回归系数的估计值。选择线性规划算法进行参数估计，主要基于以下原因：该算法具有良好的数学性质和计算效率，能够有效地处理大规模数据和复杂的模型设定。线性规划算法在理论上已经得到了深入研究，其求解过程具有稳定性和可靠性，能够保证估计结果的准确性和一致性。线性规划算法在实际应用中广泛使用，有许多成熟的软件包可供选择，便于研究者实现模型的估计和分析。与其他估计方法相比，线性规划算法对数据的要求相对较低，不需要对数据进行复杂的变换或假设，能够更好地适应实际数据的特点，为深入分析欧盟碳排放配额价格与能源价格的关系提供了有力的支持。四、实证结果与分析4.1描述性统计分析在对欧盟碳排放配额价格与能源价格关系进行深入的分位数回归分析之前，先对收集和处理后的相关数据进行描述性统计分析，以了解数据的基本特征和分布情况，为后续的回归分析提供基础。表1展示了各变量的描述性统计结果：[此处插入表1，表1中包含欧盟碳排放配额价格（EUAPrice）、原油价格（OilPrice）、天然气价格（GasPrice）、煤炭价格（CoalPrice）、经济增长（GDPGrowth）、政策因素（PolicyFactor）、能源结构调整（EnergyStructureAdjustment）等变量的均值、中位数、标准差、最小值和最大值等统计量]从表1可以看出，欧盟碳排放配额价格（EUAPrice）的均值为[X]欧元/吨，中位数为[X]欧元/吨，标准差为[X]，说明其价格波动相对较大。最低价为[X]欧元/吨，出现在欧盟碳排放交易体系运行初期，由于市场机制不完善以及配额分配不合理等原因，导致配额供过于求，价格大幅下跌；最高价达到[X]欧元/吨，这主要是在欧盟加强碳减排政策力度、能源市场波动以及市场对碳排放配额需求增加等多种因素共同作用下出现的。[此处插入表1，表1中包含欧盟碳排放配额价格（EUAPrice）、原油价格（OilPrice）、天然气价格（GasPrice）、煤炭价格（CoalPrice）、经济增长（GDPGrowth）、政策因素（PolicyFactor）、能源结构调整（EnergyStructureAdjustment）等变量的均值、中位数、标准差、最小值和最大值等统计量]从表1可以看出，欧盟碳排放配额价格（EUAPrice）的均值为[X]欧元/吨，中位数为[X]欧元/吨，标准差为[X]，说明其价格波动相对较大。最低价为[X]欧元/吨，出现在欧盟碳排放交易体系运行初期，由于市场机制不完善以及配额分配不合理等原因，导致配额供过于求，价格大幅下跌；最高价达到[X]欧元/吨，这主要是在欧盟加强碳减排政策力度、能源市场波动以及市场对碳排放配额需求增加等多种因素共同作用下出现的。从表1可以看出，欧盟碳排放配额价格（EUAPrice）的均值为[X]欧元/吨，中位数为[X]欧元/吨，标准差为[X]，说明其价格波动相对较大。最低价为[X]欧元/吨，出现在欧盟碳排放交易体系运行初期，由于市场机制不完善以及配额分配不合理等原因，导致配额供过于求，价格大幅下跌；最高价达到[X]欧元/吨，这主要是在欧盟加强碳减排政策力度、能源市场波动以及市场对碳排放配额需求增加等多种因素共同作用下出现的。原油价格（OilPrice）均值为[X]美元/桶，中位数为[X]美元/桶，标准差为[X]。原油作为全球最重要的能源之一，其价格受到全球经济形势、地缘政治、供需关系等多种复杂因素的影响，波动较为频繁。在某些地缘政治冲突或全球经济快速增长时期，原油价格可能大幅上涨；而在经济衰退或原油供应过剩时，价格则会下跌。天然气价格（GasPrice）均值为[X]欧元/兆瓦时，中位数为[X]欧元/兆瓦时，标准差为[X]。欧洲天然气市场与地缘政治、能源供应安全等因素密切相关，例如俄乌冲突导致欧洲天然气供应紧张，价格出现大幅波动。煤炭价格（CoalPrice）均值为[X]美元/吨，中位数为[X]美元/吨，标准差为[X]。煤炭价格受到煤炭供需关系、环保政策以及能源结构调整等因素的影响，随着全球对清洁能源的推广和环保要求的提高，煤炭需求和价格也在发生相应变化。经济增长（GDPGrowth）以欧盟实际国内生产总值的增长率来衡量，均值为[X]%，反映了欧盟整体经济的平均增长水平。政策因素（PolicyFactor）作为虚拟变量，取值为0或1，用于表示欧盟碳排放交易体系政策调整的情况，其均值为[X]，说明在样本期间内，约有[X]%的时间发生了重大政策调整。能源结构调整（EnergyStructureAdjustment）以可再生能源在欧盟能源消费总量中的占比来衡量，均值为[X]%，显示了欧盟在能源结构向低碳化转型方面的平均进展程度。通过对各变量的描述性统计分析，可以初步了解欧盟碳排放配额价格、能源价格以及相关控制变量的基本特征和数据分布情况，为后续分位数回归模型的构建和分析提供了重要的参考依据，有助于更准确地探究欧盟碳排放配额价格与能源价格之间的关系。4.2分位数回归结果分析4.2.1整体回归结果运用线性规划算法对分位数回归模型进行估计，得到了在不同分位数水平下欧盟碳排放配额价格与能源价格及控制变量之间的关系，结果如表2所示：[此处插入表2，表2包含分位数（0.1、0.25、0.5、0.75、0.9）、截距项、原油价格系数、天然气价格系数、煤炭价格系数、经济增长系数、政策因素系数、能源结构调整系数以及各系数对应的标准误、t值和p值等信息]从整体回归结果来看，在不同分位数水平下，能源价格对欧盟碳排放配额价格的影响方向基本一致，但影响程度存在差异。原油价格、天然气价格和煤炭价格的回归系数在大多数分位数水平下均为正值，表明能源价格的上涨通常会推动欧盟碳排放配额价格上升。这与理论预期相符，能源作为碳排放的主要来源，其价格的提高会增加企业的生产成本，促使企业采取减排措施或购买更多的碳排放配额，从而导致碳排放配额价格上涨。[此处插入表2，表2包含分位数（0.1、0.25、0.5、0.75、0.9）、截距项、原油价格系数、天然气价格系数、煤炭价格系数、经济增长系数、政策因素系数、能源结构调整系数以及各系数对应的标准误、t值和p值等信息]从整体回归结果来看，在不同分位数水平下，能源价格对欧盟碳排放配额价格的影响方向基本一致，但影响程度存在差异。原油价格、天然气价格和煤炭价格的回归系数在大多数分位数水平下均为正值，表明能源价格的上涨通常会推动欧盟碳排放配额价格上升。这与理论预期相符，能源作为碳排放的主要来源，其价格的提高会增加企业的生产成本，促使企业采取减排措施或购买更多的碳排放配额，从而导致碳排放配额价格上涨。从整体回归结果来看，在不同分位数水平下，能源价格对欧盟碳排放配额价格的影响方向基本一致，但影响程度存在差异。原油价格、天然气价格和煤炭价格的回归系数在大多数分位数水平下均为正值，表明能源价格的上涨通常会推动欧盟碳排放配额价格上升。这与理论预期相符，能源作为碳排放的主要来源，其价格的提高会增加企业的生产成本，促使企业采取减排措施或购买更多的碳排放配额，从而导致碳排放配额价格上涨。在0.1分位数水平下，原油价格的回归系数为[X1]，意味着原油价格每上涨1单位，欧盟碳排放配额价格预计上涨[X1]单位；在0.9分位数水平下，原油价格的回归系数增大到[X2]，说明在碳排放配额价格较高的分位点上，原油价格对其影响更为显著，即原油价格的波动会引起碳排放配额价格更大幅度的变化。这可能是因为在碳排放配额价格较高时，市场对碳排放成本更为敏感，能源价格的变动会引发企业更强烈的反应，进而对碳排放配额价格产生更大的影响。控制变量也对欧盟碳排放配额价格产生了不同程度的影响。经济增长（GDPGrowth）的回归系数在各分位数水平下大多为正，表明经济增长会带动欧盟碳排放配额价格上升。随着欧盟经济的增长，各行业的生产活动增加，能源消耗和碳排放也相应增加，从而导致对碳排放配额的需求上升，推动价格上涨。政策因素（PolicyFactor）在部分分位数水平下对碳排放配额价格有显著影响，当政策发生调整（如碳排放配额分配方式的改变、拍卖比例的提高等）时，会直接影响市场上碳排放配额的供需关系，进而影响价格。能源结构调整（EnergyStructureAdjustment）的回归系数在多数分位数水平下为负，说明随着可再生能源在能源消费结构中占比的增加，欧盟碳排放配额价格会下降。这是因为可再生能源的使用能够减少碳排放，降低企业对碳排放配额的需求，从而对碳排放配额价格产生下行压力。4.2.2不同分位点下的关系分析在低分位点（如0.1分位数和0.25分位数），能源价格对欧盟碳排放配额价格的影响相对较小。以原油价格为例，在0.1分位数下，其回归系数为[X1]，在0.25分位数下为[X3]。这可能是因为在碳排放配额价格处于较低水平时，企业对碳排放成本的敏感度相对较低，能源价格的波动对企业的生产决策和碳排放行为影响有限。此时，企业更关注的可能是其他因素，如市场需求、生产成本等，而不是碳排放成本。即使能源价格上涨，企业也可能不会立即采取大规模的减排措施或调整生产方式，对碳排放配额的需求变化不大，因此能源价格对碳排放配额价格的推动作用较弱。在中分位点（0.5分位数，即中位数），能源价格对欧盟碳排放配额价格的影响较为适中。在这一分位点上，原油价格、天然气价格和煤炭价格的回归系数分别为[X4]、[X5]和[X6]。处于中位数水平的碳排放配额价格代表了市场的一般情况，此时企业对碳排放成本有一定的敏感度，能源价格的变动会对企业的生产和碳排放决策产生一定影响。能源价格上涨会促使企业在一定程度上调整能源消费结构或采取一些减排措施，从而对碳排放配额的供需关系和价格产生影响，但这种影响程度相对高分位点和低分位点来说较为平衡。在高分位点（如0.75分位数和0.9分位数），能源价格对欧盟碳排放配额价格的影响较为显著。在0.9分位数下，原油价格的回归系数达到[X2]，远高于低分位点和中分位点的系数。这是因为在碳排放配额价格较高时，企业的碳排放成本已经成为影响其生产经营的重要因素，能源价格的任何波动都会被放大。当能源价格上涨时，企业为了控制成本，会更加积极地采取减排措施，如投资低碳技术、提高能源利用效率等，同时也会增加对碳排放配额的需求，导致碳排放配额价格进一步上涨。反之，能源价格下降时，企业的碳排放成本降低，对碳排放配额的需求可能减少，从而使碳排放配额价格下降。在高分位点上，能源价格与欧盟碳排放配额价格之间的关系更为紧密，能源价格的变动对碳排放配额价格的影响更为强烈。4.3稳健性检验4.3.1替换变量法为了检验实证结果的稳健性，采用替换变量法对分位数回归结果进行验证。将解释变量中的能源价格进行替换，原研究中使用布伦特原油期货价格代表原油价格，现采用美国西德克萨斯中质原油（WTI）期货价格来替代，因为WTI原油同样是国际原油市场的重要基准，其价格波动也能反映全球原油市场的供需状况和价格走势。对于天然气价格，除了荷兰TTF天然气期货价格外，引入英国国家平衡点（NBP）天然气期货价格进行替换，NBP是欧洲重要的天然气交易枢纽之一，其价格与荷兰TTF天然气价格具有一定的相关性，但也存在一些差异，能够从不同角度反映欧洲天然气市场的情况。煤炭价格则由欧洲ARA港动力煤价格替换为纽卡斯尔港动力煤价格，纽卡斯尔港是澳大利亚重要的煤炭出口港口，其动力煤价格在国际煤炭市场上也具有重要影响力。运用替换后的变量重新进行分位数回归分析，结果显示，在不同分位数水平下，能源价格与欧盟碳排放配额价格的关系方向基本保持一致，与原回归结果具有较高的一致性。在低分位点（如0.1分位数），原油价格（WTI）、天然气价格（NBP）和煤炭价格（纽卡斯尔港动力煤价格）的回归系数与原回归中对应分位点的系数符号相同，且数值差异不大；在中分位点（0.5分位数）和高分位点（如0.9分位数），各能源价格变量的回归系数也呈现出相似的趋势，虽然具体数值可能因变量替换而有所变化，但对欧盟碳排放配额价格的影响方向和显著程度与原分析结果基本相符。这表明替换变量后，能源价格对欧盟碳排放配额价格的影响依然显著，且关系稳定，验证了原实证结果的稳健性，说明研究结论不受特定能源价格指标选择的影响。4.3.2改变样本区间为进一步验证研究结果的稳健性，对样本区间进行调整。原样本区间涵盖了从2005年欧盟碳排放交易体系启动至今的较长时间跨度，现选取两个不同的子样本区间进行再次检验。第一个子样本区间为2005-2015年，该区间包含了欧盟碳排放交易体系的前两个阶段以及第三阶段的部分时间，能够反映体系运行初期和发展过程中的情况；第二个子样本区间为2015-2025年，此区间主要聚焦于欧盟碳排放交易体系第三阶段后期和第四阶段，这一时期欧盟对碳减排政策进行了一系列调整，市场机制也更加成熟。分别对两个子样本区间的数据进行分位数回归分析，结果表明，在不同分位数水平下，能源价格对欧盟碳排放配额价格的影响依然显著。在2005-2015年的子样本区间中，尽管市场处于发展初期，存在一些不完善之处，但能源价格与欧盟碳排放配额价格之间的正向关系在多数分位数水平下依然成立，且随着时间的推移和市场机制的逐渐完善，这种关系在不同分位点上的表现更加稳定。在2015-2025年的子样本区间中，随着欧盟碳减排政策的加强和能源市场的变化，能源价格对碳排放配额价格的影响在高分位点上表现得更为明显，这与原样本区间分析中高分位点能源价格影响显著的结论一致。通过改变样本区间进行检验，进一步证明了研究结果的稳健性，说明在不同的市场发展阶段，能源价格与欧盟碳排放配额价格之间的关系具有较强的稳定性和可靠性。五、结果讨论与政策建议5.1结果讨论5.1.1研究结果总结本研究运用分位数回归方法，对欧盟碳排放配额价格与能源价格之间的关系进行了深入分析。实证结果表明，能源价格是影响欧盟碳排放配额价格的重要因素之一，且在不同分位数水平下，两者关系呈现出一定的异质性。从整体回归结果来看，原油价格、天然气价格和煤炭价格的上涨通常会推动欧盟碳排放配额价格上升，这与理论预期相符。能源作为碳排放的主要来源，其价格的提高会增加企业的生产成本，促使企业采取减排措施或购买更多的碳排放配额，从而导致碳排放配额价格上涨。在不同分位数水平下，能源价格对欧盟碳排放配额价格的影响程度存在差异。在低分位点，能源价格对碳排放配额价格的影响相对较小；在中分位点，影响较为适中；在高分位点，影响则较为显著。这表明在碳排放配额价格较低时，企业对碳排放成本的敏感度较低，能源价格的波动对其影响有限；而在碳排放配额价格较高时，企业对碳排放成本更为敏感，能源价格的变动会引发企业更强烈的反应，进而对碳排放配额价格产生更大的影响。控制变量也对欧盟碳排放配额价格产生了显著影响。经济增长与欧盟碳排放配额价格呈正相关关系，随着欧盟经济的增长，能源消耗和碳排放增加，对碳排放配额的需求上升，推动价格上涨。政策因素在部分分位数水平下对碳排放配额价格有显著影响，欧盟碳排放交易体系的政策调整，如碳排放配额分配方式的改变、拍卖比例的提高等，会直接影响市场上碳排放配额的供需关系，进而影响价格。能源结构调整与欧盟碳排放配额价格呈负相关关系，随着可再生能源在能源消费结构中占比的增加，碳排放减少，企业对碳排放配额的需求降低，导致价格下降。通过替换变量法和改变样本区间进行稳健性检验，结果均表明研究结论具有较强的稳健性，不受特定变量选择和样本区间的影响。5.1.2与预期差异分析尽管研究结果在总体上符合理论预期，但在某些方面仍存在与预期不一致的情况。在预期中，能源价格的上涨应始终对欧盟碳排放配额价格产生显著的正向影响，且影响程度在不同市场条件下应相对稳定。然而，实证结果显示，能源价格在低分位点对碳排放配额价格的影响相对较弱，这与预期存在差异。造成这种差异的原因可能是多方面的。在低分位点，即碳排放配额价格较低时，企业的生产决策可能更多地受到其他因素的影响，如市场需求、原材料价格等，而对碳排放成本的关注度相对较低。即使能源价格上涨，企业为了维持生产和满足市场需求，可能不会立即大幅调整生产方式或增加对碳排放配额的购买，导致能源价格对碳排放配额价格的推动作用不明显。在碳排放配额价格较低的市场环境下，企业可能认为未来碳排放成本的上升空间有限，因此对能源价格的波动反应较为迟钝。在预期中，政策因素对碳排放配额价格的影响应更为直接和显著，且在不同分位数水平下的影响程度应较为一致。但实证结果表明，政策因素仅在部分分位数水平下对碳排放配额价格有显著影响。这可能是因为政策调整的影响需要一定的时间才能在市场中充分体现，而且政策的实施效果还受到市场参与者的预期、市场结构等多种因素的制约。在政策调整初期，企业可能对政策的具体实施细则和影响范围存在不确定性，因此不会立即根据政策变化调整生产和碳排放行为，导致政策因素对碳排放配额价格的影响在短期内不明显。市场结构的差异也会影响政策的实施效果，在竞争激烈的市场中，企业可能更容易受到政策的影响而调整生产策略；而在垄断或寡头垄断市场中，企业可能具有更强的市场势力，对政策的反应相对较弱。5.2政策建议5.2.1对欧盟碳排放政策制定的建议基于本研究结果，欧盟在制定碳排放政策时，应充分考虑能源价格对碳排放配额价格的影响，尤其是两者关系在不同分位数水平下的异质性。在设定碳排放配额总量时，要结合能源市场的价格波动情况进行动态调整。当能源价格处于高位且波动较大时，适当减少碳排放配额的供给，以增强碳市场对企业减排的激励作用。在能源价格上涨导致企业生产成本上升时，通过减少碳排放配额供给，促使企业更加积极地采取减排措施，降低碳排放，从而实现碳减排目标。要完善碳排放配额的分配方式，根据不同行业对能源价格的敏感度以及碳排放特点，制定差异化的分配方案。对于能源密集型行业，由于其对能源价格变化更为敏感，可适当增加免费分配的配额比例，以缓解能源价格上涨对企业的冲击，同时鼓励企业进行技术创新和节能减排；而对于非能源密集型行业，则可逐步提高拍卖分配的比例，以提高碳市场的效率和公平性。加强对碳市场的监管，确保市场的稳定运行。建立健全碳市场的法律法规和监管制度，加强对碳排放配额交易的监督和管理，防止市场操纵和不正当竞争行为的发生。加强对企业碳排放数据的监测和审核，确保数据的真实性和准确性，为碳市场的有效运行提供可靠的数据支持。还要提高碳市场政策的透明度和可预测性，及时向市场参与者公布政策调整的相关信息，减少政策不确定性对市场的影响，稳定市场预期。5.2.2对能源市场调控的建议在能源市场调控方面，欧盟应致力于推动能源结构的优化升级，加大对可再生能源的开发和利用力度。通过制定和实施相关政策，如提供补贴、税收优惠、建立可再生能源发展基金等，鼓励企业和投资者加大对太阳能、风能、水能等可再生能源的投资，提高可再生能源在能源消费结构中的比重。这不仅有助于减少对传统化石能源的依赖，降低碳排放，还能降低能源价格波动对经济的影响，增强能源供应的稳定性和安全性。加强对能源市场的监测和分析，建立能源价格预警机制。及时掌握能源市场的供需动态、价格走势以及国际能源市场的变化情况，对能源价格的异常波动进行及时预警，为政策制定者和市场参与者提供决策依据。在能源价格出现大幅上涨或下跌时，政策制定者可以根据预警信息，及时采取相应的调控措施，稳定能源市场价格，避免能源价格的剧烈波动对碳市场和经济发展造成不利影响。促进能源市场的竞争，打破能源市场的垄断格局。通过放松市场准入限制、加强反垄断监管等措施，鼓励更多的市场主体参与能源市场竞争，提高能源市场的效率和活力。竞争的加剧将促使能源企业降低成本、提高服务质量，从而稳定能源价格，为碳市场的稳定运行创造良好的