环境创新被认为是解决环境问题的有效途径，然而环境创新如何影响中国的碳排放，不同的环境创新变量效果是否会不同仍有待研究。Zhang 等人Can environmental innovation facilitate carbon emissions reduction? Evidence from China一文中基于中国30个省2000 - 2013年的面板数据，使用系统广义距估计法(SGMM)来估计在中国环境创新对碳排放的影响，同时使用倾向得分匹配结合双重查分（PSM-DID）方法评估了中国试点碳排放交易计划对削减碳排放的影响。

研究所需的二氧化碳排放量是根据《2006IPCC国家温室气体清单》核算的煤炭、石油和天然气三种化石能源的碳排放量。同时基于国家科技部提出的国家创新能力评估体系开发了一个相对全面的环境创新变量指标，包括创新绩效（IP）、创新资源(IR)、知识创新(KI)和创新环境(IE)四个维度：其中“创新绩效”包括人均GDP（GDP/总人口）、能源效率EE（GDP/能源消费）；“创新资源”包括R&D经济贡献REC（R&D投入/GDP），R&D人口密度RPI（R&D人数/总人口的对数）；“知识创新”包括专利输出水平PAT（发明专利/GDP），技术创新水平TECH（技术市场总营业额的对数），信息化水平INP（使用互联网人口/总人口）；“创新环境”包括污染监管PG（污染控制项目投资/GDP），政府法规GR（污染费用的对数）。

研究首先使用SGMM方法调查环境创新对中国30个省在不同发展阶段碳减排的动态影响。被解释变量为人均二氧化碳排放量，解释变量包括人均二氧化碳排放量的一阶滞后项以及创新绩效（IP）、创新资源(IR)、知识创新(KI)和创新环境(IE)在内的一系列环境创新测量指标，此外同时鉴于可能存在政策实施的滞后性，模型加入了污染监管(PG)和政府法规(GR)的一阶滞后项，同时控制了省份的固定效应。另一方面，通过PSM-DID方法讨论碳交易试点政策是否能够削减碳排放量。首先基于经济水平(GDP)，产业结构(SER)，市场化水平(MA)，能源消费结构(ECS)和企业数量(ENT)等变量通过Logit回归模型计算各试点省份和非试点省份的得分，分别使用NN Matching，Radius Matching，Kernel Matching三种方法进行得分匹配得到受碳交易试点政策影响的“实验组”和“对照组”，接着通过DID双重差分方法评估碳交易试点政策的效果，其中设定2000-2011年为碳交易实施前时间，2012-2013为碳交易实施后时间。

实证结果表明，在各种环境创新因素中能源效率对中国碳减排具有最明显的影响，与此同时资源创新和知识创新也发挥重要作用。政府环境政策对碳减排的影响存在滞后效应，碳减排主要发生在2006-2013。最后，尽管中国试点碳交易政策执行时间较短且市场机制尚不完整，其已经开始展现出碳排放削减作用。