IMED合作 | 中国多模型对比：碳税的一般均衡分析

题目

The General Equilibrium Impacts of Carbon Tax Policy in China: A Multi-model Comparison

作者

Jing Cao, Hancheng Dai*, Shantong Li*, Chaoyi Guo, Mun Ho, Wenjia Cai, Jianwu He, Hai Huang, Jifeng Li, Yu Liu, Haoqi Qian, Can Wang, Libo Wu, Xiliang Zhang

期刊

Energy Economics

时间

2021年

一作单位

School of Economics and Management, Tsinghua University, 100084, Beijing, P.R. China

链接

https://doi.org/10.1016/j.eneco.2021.105284

研究项目背景  background 

在美国环保协会(EDF)支持下，中国能源模型论坛（China Energy Modeling Forum, CEMF）汇集了八个在当前中国学界较为代表性的CGE模型团队，历时三年共同评估了2050年中国碳税影响。考察在保持相同的GDP增速、人口等增长驱动力假设的基础上，施加相同的碳税政策，评估其对经济、产业、能源和排放的影响以及各模型间的差异。

CEMF提供了一个互相交流和学习的平台，既有助于建模者相互学习与借鉴，也有助于政策决策者理解模型研究的长处和不确定性，增加学术透明度，为我国碳达峰和碳中和政策定量评估工具做出了基础性学术贡献。希望未来能涌现出更多具有不同特征、面向中国实际问题的CGE模型。

研究背景

低碳政策评估的重要性

自《巴黎协定》以来，世界各国纷纷承诺降低自身碳排放，中国作为最大的发展中国家和当前碳排放最高的国家，于2020年9月在联合国大会上庄严承诺将于2060年前实现碳中和，此外将于2030年左右实现碳达峰。碳排放税无疑是实现上述宏伟目标的重要政策工具/手段之一，它的本质就是对每一单位的碳排放标价。对于研究界而言，需要对碳税可能造成的影响和中国可能的减排路径进行合理评估，这对于科学决策至关重要。

特别是在中国这样的发展中国家，社会转型需求很旺盛，经济和产业始终处在变化和升级中。若要对一项即将颁布的政策进行评估，社会管理者或许很难在事前组织一项庞大的社会实验，所以利用模型进行科学评估在政策事前分析中尤为重要。事后评估是一种有效手段，比如对电价补贴或燃油税等类似碳税的政策进行事后分析可以局部并类比地考察潜在碳税对特定行业的影响。但这种局部均衡分析很难勘察一项政策对经济全局的影响，因此很多研究者选择使用一般均衡分析来模拟碳税、碳排放权交易和新能源补贴的影响，因为这类模型可以提供经济全局和整个产业视角的分析。

CGE模型扮演关键角色

可计算一般均衡模型（Computable General Equilibrium, CGE）往往细分部门和地区，对能源的分部门使用和碳的分部门排放有详细的刻画。考虑到碳税政策一般都是通过影响上游的能源供给者，抬高他们的化石能源使用成本，而后自上而下影响整条产业链，进而对经济全局产生影响，CGE模型凭借其对经济体中生产者、消费者和政府行为的一般总结与周密刻画，成为这一领域应用最为广泛的分析工具。同时CGE模型相比于其他宏观经济模型，更适合分析长期性问题。

CGE模型在中国的气候和环境政策已有不少研究贡献，大量研究关注我国碳排放权交易和碳税政策的潜在影响。一类研究专注于在CGE模型内部开发不同的碳排放权交易或税收机制，并分析其影响；另一类研究则将CGE模型与其他自底而上（Bottom-up）的技术模型、环境生态模型或健康模型进行耦合，在传统的宏观经济结果之外提供一些更具有交叉性的研究结果，比如碳减排政策空气质量改善协同效益以及伴生的健康效益。

但是，CGE模型常被人诟病其结果具有较大不确定性，在很多研究同行看来这是一个黑箱。这毕竟是一个包含了成百上千个外生参数和方程系统，并利用计算机中一种超越人脑容量上限的求解器求出均衡解，如此这般研究者很难不怀疑均衡结果中蕴藏着的不确定性。同时，通过文献总结可以发现不同的CGE模型针对同一个问题往往产生截然不同的结果，差异一般来源于模型之间不同的部门/区域划分、不同的外生参数取值（比如人口增长率，全要素生产率进步率、经济主体的偏好）、不同的模型机理（比如不同的闭合规则，有的模型假设投资不变，有的模型假设价格粘性）、政策的设置（比如碳税财政收入的不同分配方式）。

模型比较研究的必要性

在同一个模型里，通过敏感性分析可以观察不同外生参数对模型结果的影响。但由于不同模型之间具有更大的鸿沟，比如参数选择和模型机理，若能观察同一种政策假设下不同模型的结果，则可以帮助研究者来比对模型内生机理对结果的影响，进而更好地定位模型之间的差异，减少同行对于模型研究不确定性的怀疑。在过去的二十年间，最为人熟知的模型比较工作来自于斯坦福能源模型论坛（Stanford Energy Modeling Forum, EMF），其中包含了能源经济模型、综合评估模型和局部均衡模型等多种模型类别。在中国的政策评估研究中，很少见到这样的模型比较工作，在能源-环境领域甚至找不到可考的CGE模型比较研究记录。因此，在美国环保协会(EDF)的支持下，中国能源模型论坛（China Energy Modeling Forum, 以下简称为CEMF），为讨论和研究相关问题提供了一个专业平台。

研究方法

本文一共囊括了目前中国研究界八个比较主流的能源-环境-经济CGE模型团队。有些团队起源自澳大利亚Monash CGE模型团队，有些团队源自美国哈佛和MIT的著名CGE模型团队，有些团队则通过自主开发建构本国模型。无论参数选择、内生机理还是政策意涵，这八种模型各不相同。在本文的研究中，我们为八个模型设定共同的外生假定，比如人口、GDP增速等，进而考察相同的碳税情景下八种模型的模拟结果。就本文关心的能源消费、碳排放和经济影响而言，八种模型结果的确有很大不同，本文的后半段会展示这些不同并尝试分析、找寻背后原因。

CEMF的工作始于2018年，其中八个代表性模型团队参与了本次对比研究，他们的模型机构、代表性作者、开发软件和主要数据库等基本信息均列于图1，北京大学LEEEP团队作为协调团队之一全程参与这项模型对比工作。其中可以发现所有模型都是动态递归优化，都可以提供包含中国这一单独地区的结果。C-GEM模型可以提供全球区域中的中国地区结果，DREAM和DRC-CGE模型既可以提供中国省级版本结果，也可以提供中国作为一个单独地区的结果，此外IMED|CGE模型也囊括了全球、全国和分省模型，参与本轮模型对比的是中国单国CGE模型版本。即使各个模型版本不同，但在本轮对比中所有模型结果均以中国作为一个整体区域。另外一些值得注意的则是模型细节，比如CHEER模型对不同阶层的人口有不同的家庭收入刻画，同时亦可以提供分省结果。HTCGE模型中消费函数的外生参数源自对中国家庭级样本数据的实证估计。CHINAGEM和SI-CGE模型与别的模型不同，它们的建模基础是GEMPACK，他们分别源于和澳大利亚著名团队CoPS (Center of Policy Studies) 和Monash CGE团队。

图1. 模型团队简介

图2. 人口、城市化率和GDP增速路径

我们要求每一个模型都先将人口增长、城市化率和GDP增速校准至同样的路径，可参考图2，人口增长率、偏好和全要素生产率（TFP）在每个模型中都是外生变量，人口增长率在模型中被用以校准人口和城市化率，TFP则主要影响模型中的GDP增长结果。除此之外，本研究并未要求各个模型提供一致的劳动力增长率。比如DRC-CGE模型详细区分了三种不同类型的劳动力，HTCGE模型也根据数量、年龄结构和受教育程度区分了不同类型劳动者。同时，出于简化考虑，本文仅考虑石油作为主要的能源进口品，并基于美国能源署的预测设定相同的世界石油价格增长路径，排除世界能源价格波动对中国碳税情景结果的影响。

情景设置

在CGE模型中，碳税一般首先作用于化石能源生产者，进而影响宏观经济。在本研究中，考虑到不少模型并不包含过程排放，故我们只考虑化石能源相关碳排放，碳税也仅对此征收。本文一共设置了低、中、高三种不同的碳税情景，税收起始年份为2020年，终止年份为2050年，所有情景下单位碳税呈增长趋势：低碳税情景下从2020年的5元/吨，2030年的84元/吨增至2050年的284元/吨。中等碳税情景下这一组数字为10元/吨、167元/吨和567元/吨。高碳税情景下这一组数字分别为20元/吨、334元/吨和1134元/吨（如图3）。此外，我们允许模型自由处理碳税收入的分配方式，比如CHEER模型设定这笔收入记入政府收支并允许政府赤字，HTCGE消减了原有的增值税，用收入税来替代。而DRC-CGE、DREAM和IMED|CGE模型则将碳税收入一次性全部转移支付给居民。

图3. 本文三种碳税情景假设

综上所述，本轮模型对比的考察年份始于2015年，终止年份为2050年，大部分模型都以2012年国家投入产出表为数据基础。八种模型经过校准，拥有一致的GDP增速、总人口增速、城市化率、世界石油价格增长路径和碳税情景，但允许在劳动力划分、外生参数选择和碳税收入分配等模型机理细节方面有所不同。

研究发现

基准情景

图4展示了各模型在基准情景下GDP总量、消费、投资、进口、出口和净出口的值。可以看到各模型基准年GDP和未来年GDP增速保持一致，但如前所述，各个模型的外生参数、消费函数、政府收支和贸易等机制不同，所以其GDP分项结果有很大的不同，主要体现在数量级上。

图4. 八种模型基准情景GDP及各分项结果（2012-2050年）

观察基准情景的能源结果可以发现模型之间的更大不同（图5）。首先是对于基准情景的假设不同，比如CHEER|CGE和SI-CGE模型，他们将现行减排政策也考虑在基准情景中，导致能源消费尤其是煤炭会在2030年明显达峰随后下降。但其他模型并未将这些政策纳入基准情景的范畴。其次是模型对于中国未来的能源消费，从总量到结构，有着各不相同的预测。数量级明显不太一致。模型们预测2050年我国总一次能源供给的区间是140-210EJ/yr，其中IMED|CGE模型预测基准情景下我国将保持相对较高增速的能源增长，煤油的比例都很高，不过煤炭会在2030年左右达峰，随后下降。但DREAM模型预测2020年之后油气消费都将趋于平稳。最后，总结来看，各模型一致预测在基准情景下，至少未来十年我国的煤炭消费都将呈现增长趋势，达峰年份可能在2030年。

图5. 八种模型基准情景总一次能源供给及分能源品种结果（2012-2050年）

图6展示的是基准情景下的碳排放结果。由于在我国大部分碳排放都与化石能源特别是煤炭有关，所以碳排放结果与煤炭的一次能源消费结果很接近。有趣的结果体现在电力部门碳排放，各个模型不论从趋势还是数量级上都差异明显。这反映了模型内部电力部门技术选择的不同。比如相比于其他模型，DREAM模型在基准情景中假设可再生能源的技术渗透率在2030年前就极大地增加，导致其电力部门碳排放在未来十年将持续走低，与其他所有模型的结果都不一样。

图6. 基准情景下的碳排放结果（2012-2050年）

碳税情景

在模型中施加碳排放税将不可避免对宏观经济指标产生影响，这是因为模型各主体相比于基准情景需要额外负担一笔税费。本节将碳税情景结果与基准情景结果做百分比差值，并列出八种模型结果，以对比分析其中不同。

宏观经济影响

图7 展示了人均GDP、GDP总量及分项的情景差异。各模型的结果呈现一个基本结论：碳税越严苛，对宏观经济的负面影响越大。不过就数量级以及GDP分项结果的角度而言，各模型结果不尽相同，其中原因既包括外生参数选择，也包括不同的内生机制。一般地，低碳税情景下2050年GDP损失在-0.2%至-0.8%之间，中碳税情景下为-0.5%至-1.8%之间而高碳税情景下为-1.5%至2.2%之间。SI-CGE模型则与别的模型不同，GDP和人均GDP将会受到更大的负面影响，这是因为SI-CGE模型采用了与别的模型不同的宏观闭合方式，以价格刚性作为假设，所以GDP所受负面影响更大。还有一个例外是DRC-CGE2030年碳税情景下的消费比基准情景更高，这是由于DRC-CGE将碳税收入全部转移支付给居民导致消费增加，但由于投资的减少和GDP总量的减少，2050年消费影响也同样转为负值。与此同时，DREAM和IMED|CGE模型设置了同款转移支付方式，但结果也略有不同，比如IMED|CGE模型下消费的负面影响更大。这是因为IMED|CGE模型中以总投资外生固定为闭合方式，所以转移支付收入一部分转化为真实储蓄，所以相对而言消费的负面影响更大些。而在HTCGE模型机制中，碳税征收后其他增值税按比例下降，居民和企业都将受益，所以GDP特别是消费和投资的负面影响比较中庸，但由于贸易弹性参数的选择，HTCGE的结果中出口和进口所受影响显著高于其他模型。

图7. 2030年和2050年各模型宏观经济指标的情景差异%

能源消耗影响

图8展示了2030年和2050年煤炭、原油和天然气消费及其价格的情景差异。一般地，碳税会提升煤炭和原油的价格并降低对它们的一次能源使用，这一点在八种模型中基本一致。天然气的结果也符合这个趋势，不过略有些分歧。不过因为各模型各不相同的外生参数和内生机理，由图7可见GDP情景结果差异较大，我们也可以很明显地观察到模型之间的差异在能源结果中也是如此。就煤炭而言，CHEER|CGE模型预测在碳税情景下煤炭消费将大幅度减少，价格将显著提升，这是由于八个模型中CHEER|CGE模型对电力部门技术选择刻画最为详细，对可再生能源的未来成本下降假设最为乐观。大部分模型认为，相比于基准情景，2030年煤炭消费将减少15%-30%，2050年减少20%-40%，但CHEER|CGE模型的结果是高碳税情景下2030年煤炭消费下降50%。原油在中国并不是煤炭直接的替代品，模型结果显示原油消费也受到碳税的打击，不过影响不如煤炭，特别是在2030年。但2050年，基本所有模型结果均表明碳税对原油消费的负面影响与2030年相比将显著更低。这是因为模型们除了DREAM，均假设在基准情景下原油消费将遵循一条不断增长的路径。就天然气而言，由于天然气的含碳量不高，所以在工业或其他部门中也会作为替代能源，故SI-CGE和DRC-CGE的碳税情景显示天然气消费相比于基准情景反而增加。

图9则综合展示了总一次能源消费（上）和电力价格（下）的情景变动。如前所述，CHEER|CGE因其更为积极的可再生能源假设，故总一次能源相较于基准情景下降幅度最大，高碳税情景下2050年幅度达到-60%。电力价格的情景差异在各模型之间变动很大，但共同的趋势是：随着碳税的不断提高，电价也是逐渐上升的。

图8. 2030和2050年一次能源消费（柱子）和能源价格（点）的情景差异

图9. 总一次能源消费（上）和电力价格（下）的情景差异%（2020-2050年）

碳排放影响

图10展示了三种情景与基准情景相比碳排放结果的变化，颜色越深表示碳税对碳排放的负面影响越大。共同的趋势是：碳税越高，碳减排效果越好。各模型之间存在差异，原因和能源结果差异类似。由于本研究中统一规定碳排放税只施加于模型中的化石能源相关排放，所以过程排放的变化与碳排放税并无直接关联。直至2050年，在中等碳税情景下，与化石能源相关的碳排放下降范围在-21.3%至-81%之间。与众不同的是C-GEM模型，电力部门有关碳排放在碳税情景下略有增加，这是因为C-GEM模型中允许内生技术进步，且刻画了CCS技术，在电能替代的进一步影响下呈现出与其他模型不同的结果。

图10. 碳排放的情景差异

能源与碳排放结果差异：弹性的影响

由上两个小节可知，各模型之间能源和碳排放结果之间差异较大，每个模型对未来的能源结构展望不尽相同，这不仅因为内生机制不同，也与模型所选择的与能源品相关的替代弹性不同有关。在一般的生产函数中，CGE模型往往采用CES（常替代弹性）函数，而能源品与要素合集（value-added aggregate，包括资本与劳动），或直接与资本品形成竞争替代，模型中用一个替代弹性来表示两者之间的替代程度。这一弹性的大小可以反映出在低碳转型中，化石能源作为一种投入品能否以更低成本被其他要素替代。表1列举了八种模型内能源与其他投入品，从结果上也可以看到，CHEER|CGE和HTCGE模型比IMED|CGE和CGEM模型的减排量更显著，而SI-CGE模型和DRC-CGE的减排量是模型之中最小的，这是因为弹性较小导致能源替代并不显著。此外，在CHEER|CGE模型中，能源品之间的替代弹性比较大，煤炭、原油、天然气和电力之间的替代弹性为1.2，这也可以合理地解释CHEER|CGE在碳税影响下能源替代更为剧烈，煤炭消费下降得比较多。

表1. 各模型能源品-其他要素的替代弹性

工业产出影响

我们选取了几个重点部门进行分析，尤其是能源密集型或碳密集型部门。可以总结出一个基本结论：碳税政策抬升了化石能源和电力价格，提高了能源密集型部门的生产成本，进而可能导致其产出下降。在钢铁、水泥和EITE部门，所有模型结果均体现了这一点。其中SI-CGE和CHINAGEM模型中，部门所受负面影响最大，这或许是因为它们拥有非常细致的部门划分以及产品需求弹性不同于别的模型。还有一个例外是CGEM模型显示碳税情景下电力部门产出高于基准情景。理由如前所述，CGEM模型中允许内生技术进步，可再生能源的成本较低以及CCS的应用，这一点与其他模型相比颇为独特。

图11. 碳税对部门产出的影响（a：电力、钢铁和水泥；b：EITE，Energy-intensive-trade exposed 部门；c：工业部门总产出）

与现行减排目标的比较

这里我们选取了中国国家自主贡献中以碳强度为代表的NDC目标为参考标准，将各模型不同情景未来年的碳强度计算出来，并与2005年进行比较。模型结果显示，即使是基准情景，碳强度也在逐渐下降，而碳税政策使得碳强度的下降更为显著。由于各模型之间的GDP影响差别不大，造成各模型碳强度下降幅度和趋势不同的影响因素主要是碳排放。模型结果普遍对中国完成2030年NDC目标比较乐观，有六个模型结果显示即便是按照基准情景，中国也能完成目标（图12）。

若观察碳排放总量在2050年的下降量，我们可以发现大多数模型的碳排放总量即使在高碳税情景下，碳价从20元/吨上升至1134元/吨，2050年的碳排放总量也才下降20%至40%（DREAM模型是个例外，将下降80%）。可见本文所模拟的碳税政策远远不够实现2060年碳中和目标。这说明了在现行碳中和的模型研究中，或许存在两点问题：（1）模型并未足够地考虑高强度技术创新和负碳技术；（2）单一的碳税政策恐怕不足以完成碳中和目标，需要配套其他措施。

图12. 不同情景下碳强度的下降趋势

研究结论

本文的工作汇集了当前中国学界应用较为广泛的八个CGE模型，在保持相同的GDP增速、人口等假设基础上，施加相同的政策外生变量，观察政策对经济、能源和排放的影响以及各模型之间的差异。尽管研究结果表明各模型结果之间差异的确显著，但创设这样一个模型对比论坛，对比这些模型结果（值得注意的是本文的模型之前从未参与过任何相似的模型比较工作）有助于模型社区内部成员相互理解与借鉴，也有助于政策决策者理解模型研究的长处和不确定性。

本文也发现基准情景下的总需求结构、能源和排放结果在各个模型之间存在不同，这首先由于有些模型对于基准情景的政策内涵定义不同，比如CHEER|CGE和SI-CGE模型将现行对可再生能源的鼓励政策也考虑在基准情景中。其次结果显示碳税对经济、能源和排放所造成的影响也是各不相同的，这既和模型某些内生机制有关，比如不同的碳税收入分配方式、内生技术进步，也和外生参数的选择直接相关，比如能源和其他投入品的替代弹性。

就政策意义而言，所有模型均对中国完成甚至超额完成2030年NDC目标表示相当乐观，但本文中即便是高碳税情景也距离2060年碳中和有一定差距，这说明在模型研究中，为了匹配减排现实，需要考虑更详细的技术选择，比如负排放技术。

经过本轮模型对比，即便没能囊括更多中国具有代表性的CGE模型，但结果也可以为各个模型团队及其他同行提供一些认识。此外，本轮对比为了简便考虑，仅考虑了中国这个单一地区，且并未将研究尺度具体到某个单一因素对模型结果差异产生的影响，而是从模型假设和参数选择的角度做一个大致的归因。尽管未来还有许多工作需要完成，但本轮研究着实为各个模型团队创造了一个互相交流和学习的平台，我们希望未来能涌现出更多具有不同特征，面向中国实际问题的CGE模型。

编辑：郭超艺

排版：郭超艺 江琴

相关阅读

点击“阅读原文”浏览小组主页