删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

投资控制下中国产业结构调整的碳治理模拟

本站小编 Free考研考试/2021-12-29

顾高翔¹^,, 王铮²^,³^,

1. 华东师范大学人口研究所,上海 200241

2. 中国科学院科技政策与管理科学研究所,北京 100190

3. 华东师范大学地理信息科学教育部重点实验室,上海 200241

A simulation of China's carbon governance under industrial restructuring by investment control

GUGaoxiang¹^,, WANGZheng²^,³^,

1. Population Research Institute, East China Normal University, Shanghai 200241, China

2. Institute of Policy and Management, CAS, Beijing 100080, China

3. Key Laboratory of Geographical Information Science, Ministry of State Education of China,East China Normal University, Shanghai 200241, China

通讯作者:通讯作者:王铮（1954- ）,男,云南陆良人,研究员,博士,研究方向为计算经济学、计算地理学、区域科学与管理研究。E-mail：wangzheng@mail.casipm.ac.cn
收稿日期:2017-03-24
修回日期:2017-08-3
网络出版日期:2017-11-20
版权声明:2017《地理研究》编辑部《地理研究》编辑部
基金资助:

国家重大研究计划项目（2012CB955800）

国家自然科学基金项目（41501130）

作者简介:
-->作者简介：顾高翔（1985- ）,男,浙江宁波人,博士,讲师,研究方向为地理计算、经济计算。E-mail：caesarggx@163.com

展开

摘要
针对日益严峻的碳减排形势,对高能耗产业进行投资控制,加速产业结构升级是中国实现减排目标的重要途径。采用经济—气候集成评估模型CIECIA,对产业结构自然进化的减排作用进行预测,以此为基础对投资控制措施的减排效果进行研究,评估了投资结余分配的碳治理效果。结果显示：高能耗部门的GDP占比在中国的产业结构进化过程中大幅下降,但其减排作用有限;投资控制具有显著的减排效果,加速中国的产业转型和升级,但对经济的负面影响不容忽视;由投资控制措施造成的资本流出使得以高能耗部门为主导的俄罗斯受益最大;使用投资结余提高第三产业投入并投资研发创新,是中国实施投资控制措施下保持经济增长、降低减排损失、实现减排目标的有效手段。

关键词：产业结构;投资控制;碳治理;投资分配;技术进步
Abstract
For the growing challenge of international carbon emission reduction, to control the investments of the energy-intensive industries to accelerate the industrial structure upgrading is an important way to achieve carbon reduction targets of China. In this study, a climatic-economic integrated assessment model named CIECIA was applied. CIECIA mainly comprises a multi-country-sector general equilibrium model as its economic core and a global carbon cycle system. A stochastic technological shock mode driven by R&D is also adopted in this model to depict the endogenous mechanism of technological progress. Based on this model, the carbon reductions of countries by the natural industrial evolution were predicted, and the carbon reduction effects of the industrial restructuring by investment control measures of China and their economic impacts on different countries were studied, as well as the carbon governance of investment balance distributions among sectors. The results show that despite significant decline of the GDP shares of energy-intensive sectors in the industrial structure, the carbon reductions of China by the natural industrial evolution in future are still very limited. In the baseline scenario, the cumulative carbon reduction contributed by industrial structure change of China between 2007 and 2050 is only 17%. Investment controls for energy-intensive sectors in China have significant effects on carbon reductions, and also accelerate the industrial transformation and upgrading. In the three scenarios, the GDP shares of energy-intensive sectors decline sharply, leading to significant carbon emission reductions. Under Scenario 1, the carbon emission peak of China occurs in 2029, and the carbon emissions of China directly decrease from 2016 in scenarios 2 and 3. However, the investment control is negative to China's economic development, and the outflow of investments benefit other countries in turn, especially Russia, which takes energy-intensive sectors as its leading industries. In Scenario 3, the cumulative utility loss of China is up to more than 3%, whereas the increase of Russia is around 1.5%. Using the investment balance to invest tertiary industry and R&D to speed up the technological progress is an effective strategy for China to keep steady economic growth, reduce economic losses of carbon reductions, and achieve its carbon reduction targets under investment control. In Scenario 6, China avoids its economic loss under the investment control measure, and advances its carbon peak to 2024.

Keywords：industrial structure;investment control;carbon governance;investment distribution;technological progress

-->0
PDF (1656KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
顾高翔, 王铮. 投资控制下中国产业结构调整的碳治理模拟[J]. 地理研究, 2017, 36(11): 2225-2238 https://doi.org/10.11821/dlyj201711015
GU Gaoxiang, WANG Zheng. A simulation of China's carbon governance under industrial restructuring by investment control[J]. , 2017, 36(11): 2225-2238 https://doi.org/10.11821/dlyj201711015

1 引言

在碳减排问题日益严峻的国际背景下,运用低碳技术减少生产生活中对于能源产品的依赖,降低能源使用量固然是减少碳排放最直接的方法;但是调整产业结构,减少高能耗部门在国民经济中的产出占比,使用高能效产业替代低能效产业,同样可以有效降低能源消费、减少二氧化碳的排放。2014年11月签订的《中美气候变化联合声明》和2015年6月提交的《中国国家自主贡献》已经为中国设定了中短期减排目标;而当前中国经济又进入了“发展模式转轨、增长方式转变”的“新常态”中,改变粗放低效的生产方式,优化和升级产业结构将是中国在未来保持经济增长力,发展低碳经济的主要路径^[1],这一点亦在“十二五规划”中明确指出。
从投资端自上而下对高能耗部门的生产规模进行控制可以对产业结构进行直接调整,有效淘汰高能耗的落后产业,并已逐渐成为各国重要的节能减排手段。1990年《加利福尼亚州零排放汽车法案》的出台迫使企业放弃高能耗车辆生产线而转型生产清洁能源汽车,在一定程度上降低了碳排放量,最终得到了环境学家的大力拥护^[2]。2002年10月由国际金融公司和荷兰银行提出的“赤道原则（the Equator Principles）”,要求金融机构在投资过程中对项目的环境影响进行评估^[3]。2015年11月,美国和日本政府达成共识,将严格限制政府金融机构为发展中国家建设煤炭火电站提供贷款。中国早在2005年就将“不利于资源和能源节约”作为限制和淘汰产业项目的重要标准,在《产业结构调整指导目录（2011年本）》中,归为限制和淘汰类的石化化工和煤炭业项目总计达39项,而钢铁和有色金属业的限制和淘汰项目更是达到98项^[4]。因此,将产业结构与碳排放结合,以投资控制手段促进产业结构调整升级,分析由此带来的经济和碳排放影响,评估以推进产业升级的方式降低生产能耗和碳排放的可行性及其治理效果,具有重要的现实意义。
已有众多****针对产业结构变化和碳排放以及其他因素之间的关系进行了大量研究和讨论。现有的研究主要采用计量、统计、实证的方法,着重通过历史数据,研究包括产业结构在内的多种因素和能源使用、碳排放之间的联系,分析产业结构变化对能源消费下降和碳减排的影响,并以此预测未来的变化趋势,国外如Liaskas等^[5-8];国内如原嫄等^[9-12]分别针对多国、中国、山东省和北京市的产业结构变化对能源强度和碳排放影响进行了研究,王腊芳等估算了中国制造业分行业分地区节能潜力^[13],均取得了大量成果,但在方法上仍存在不足。
首先,计量统计方法缺乏经济和碳排放的动态机制,无法反映经济体之间的内在联系。碳减排是一个全球性的环境—经济问题,因此不能忽略减排过程中多国经济的相互作用。然而,计量、统计的方法只是从孤立的角度看待具体区域的经济与碳排放,没有考虑其与外部世界的经济联系,因此难以对未来各国的产业结构变化和碳排放需求做出准确预测。其次,同样是由于计量统计方法无法阐释内生经济增长和技术进步机制,割裂了产业结构变化、经济发展和碳排放之间的内在联系,因此大量的研究仅限于对产业结构升级可能带来的减排量进行估算,无法对其造成的多国经济影响进行分析,也无法对主动的产业结构调整政策进行评估,这也直接降低了其研究结果的政策治理意义。
针对已有研究的不足,本文采用经济—气候集成评估模型（Capital, industrial evolution and climate change integrated assessment model,CIECIA）研究产业结构自然进化的减排效果^[14]。该模型的经济核心是一个以Jin^[15]模型为基础的多国多部门一般均衡模型,将碳减排研究放在经济一般均衡背景下是为了避免减排政策引发经济危机的风险,保证了模拟过程中全球经济的平稳增长。CIECIA的气候模型参考Svirezhev等^[16],气候损失方程参考Nordhaus等^[17]的RICE模型,因此该模型能够对经济—气候之间的动态关系进行刻画,从而解决已有研究中所存在的在经济联系和内在经济动态机制等方面的不足。此外,CIECIA引入知识资本和过程技术进步概念,实现了技术进步的内生化^[18,19]。
使用CIECIA模型,本文首先对世界主要经济体未来的产业结构变化进行预测,比较不同发展阶段的国家产业结构变化差异及其对碳排放的影响。在此基础上,通过设置针对高能耗部门的投资控制情景和相应的投资结余分配情景,模拟分析投资控制驱动下的产业结构调整对中国碳减排的贡献及其多国经济发展的影响,探索合理有效的碳治理措施,并给出相关的政策建议。

2 研究方法与数据来源

CIECIA模型的主要假设包括：① 国家间资本和商品自由流动,不存在贸易壁垒;② 国家间不存在劳动力流动;③ 国家内部劳动力在生产部门间自由流动;④ 每期的投资为本期总储蓄;⑤ 下期企业的资本存量由本期投资决定。为简化模型,能源结构的变化被外生化。
CIECIA模型体系较为庞大,本文只介绍与部门投资密切相关的部分,模型详细结构可以参见相关文献^[14,20]。

2.1 部门生产与投资

CIECIA以Leontief函数和Cobb-Douglas函数两层嵌套的形式表示生产过程中生产要素（包括固定资本、知识资本和劳动力）和增加值、总产出之间的关系。

\begin{matrix} X_{i, t}^{j} = \min \{\frac{M_{1, i, t}^{j}}{a_{1, j, i, t}^{}}, \dots, \frac{M_{k, i, t}^{j}}{a_{k, j, i, t}^{}}, \dots, \frac{M_{I, i, t}^{j}}{a_{I, j, i, t}^{}}, X_{i, j, t}^{*}\}, k = 1, \dots, I \end{matrix}

（1）

\begin{matrix} X_{i, j, t}^{*} = D_{i, j, t}^{} (K_{i, t}^{j})^{α_{i}} (A_{t}^{j} L_{i, t}^{j})^{1 - α_{i}} (Z_{t}^{j})^{β_{j, t}^{Z}} \end{matrix}

（2）

\begin{matrix} Y_{i, t}^{j} = \sum_{k}^{I} M_{k, i, t}^{j} p_{k, t}^{} + X_{i, t}^{j} p_{i, t} \end{matrix}

（3）
式中：

\begin{matrix} X_{i, t}^{j} \end{matrix}

是国家j部门i在第t期的增加值;

\begin{matrix} p_{i, t} \end{matrix}

是产品价格;

\begin{matrix} M_{k, i, t}^{j} \end{matrix}

是部门i在生产过程中实际投入的部门k产品的数量;

\begin{matrix} a_{k, j, i, t}^{} \end{matrix}

是中间需求系数;

\begin{matrix} D_{i, j, t}^{} \end{matrix}

是环境变化对经济的影响因子;

\begin{matrix} K_{i, t}^{j} \end{matrix}

是固定资本存量;

\begin{matrix} L_{i, t}^{j} \end{matrix}

是劳动力数量;

\begin{matrix} α_{i} \end{matrix}

是固定资本产出弹性;

\begin{matrix} A_{t}^{j} \end{matrix}

是劳动力技术水平;

\begin{matrix} Z_{t}^{j} \end{matrix}

表示知识资本存量;

\begin{matrix} β_{j, t}^{Z} \end{matrix}

是知识资本产出弹性;。
各国的投资

\begin{matrix} I_{t}^{j} \end{matrix}

可以分为两部分：以Cobb-Douglas形式累加的分部门固定资本投资

\begin{matrix} I k_{i, t}^{j} \end{matrix}

和以永续盘存法来累加的研发投资

\begin{matrix} I z_{t}^{j} \end{matrix}

^[15,21]：

\begin{matrix} I z_{t}^{j} + \sum_{i}^{I} I k_{i, t}^{j} = I_{t}^{j} \end{matrix}

（4）

\begin{matrix} K_{i, t + 1}^{j} = a (I k_{i, t}^{j})^{?} (K_{i, t}^{j})^{1 - ?} \end{matrix}

（5）

\begin{matrix} Z_{t + 1}^{j} = (1 - δ_{Z}) Z_{t}^{j} + I z_{t}^{j} \end{matrix}

（6）

2.2 国际资本流动

CIECIA中,各国各部门的投资是由两种基于不同假设的资本自由流动模式：投资回报率均衡模式和资本吸引力模式加权复合决定,不带有政策干预机制^[22]。假定全世界存在J个国家,每个国家有I个生产部门,其中有H个部门是被限制获得投资的高能耗部门,国家j部门i在第t期获得由资本自由流动得到的初始投资数

\begin{matrix} {\overset{?}{I}}_{i, t}^{j} \end{matrix}

可表示为：

\begin{matrix} {\overset{?}{I}}_{i, t}^{j} = R_{i, t}^{j} I_{t}^{g} = (μ R_{1} (i, j, t) + (1 - μ) R_{2} (i, j, t)) I_{t}^{g} \end{matrix}

（7）
式中：

\begin{matrix} I_{t}^{g} \end{matrix}

为全球总投资数;

\begin{matrix} R_{i, t}^{j} \end{matrix}

为各国各部门的投资份额;

\begin{matrix} R_{1} \end{matrix}

和

\begin{matrix} R_{2} \end{matrix}

分别是两种模式下国家j部门i获得的投资份额;

\begin{matrix} μ \end{matrix}

为两种模式的权重。
受到投资控制的影响,部分高能耗部门将被限制获得投资,其获得的投资数下降为

\begin{matrix} {\hat{I}}_{i, t}^{j} = {\overset{?}{I}}_{i, t}^{j} (1 - δ_{i, t}^{j}), i \in H \end{matrix}

（8）
式中：

\begin{matrix} δ_{i, t}^{j} \end{matrix}

为从部分投资受限的高能耗部门中扣除投资的比例。从投资受限制的高能耗部门中扣除的投资形成投资结余,并依据各部门初始的全球投资份额

\begin{matrix} R_{i, t}^{j} \end{matrix}

返还给本国其他不受投资限制的部门,形成各部门获得的最终投资

\begin{matrix} I_{i, t}^{j} \end{matrix}

,实现投资出清。

\begin{matrix} I_{i, t}^{j} = {\hat{I}}_{i, t}^{j} + \frac{R_{i, t}^{j}}{\sum_{i} R_{i, t}^{j}} \sum_{i} ({\overset{?}{I}}_{i, t}^{j} - {\hat{I}}_{i, t}^{j}), \end{matrix}

（9）
对高能耗部门投资的控制尽管不直接作用于资本国际间的自由流动,但对其同样有影响。在投资控制影响下,投资回报率均衡模式下各国各部门获得投资的权重变为：

\begin{matrix} R_{1} (i, j, t) = \frac{\frac{α_{i} γ_{i}}{s_{k} + (1 - {\overset{?}{η}}_{t + 1}) (1 - ?) s_{l} {\overset{?}{s}}_{t + 1}} Ε [\frac{X_{i, t + 1}^{j}}{X_{i, t + 1}^{g}}] + \frac{(1 - η_{t + 1}^{j}) (1 - ?) s_{l} {\overset{?}{s}}_{t + 1}}{s_{k} + (1 - {\overset{?}{η}}_{t + 1}) (1 - ?) s_{l} {\overset{?}{s}}_{t + 1}} Ε [R_{i, t + 1}^{j}]}{1 + \frac{(1 - η_{t}^{j}) δ_{i, t}^{j} s_{l} {\overset{?}{s}}_{t}}{s_{k} + (1 - {\overset{?}{η}}_{t + 1}) (1 - ?) s_{l} {\overset{?}{s}}_{t + 1}} \frac{X_{t}^{g}}{Ε [X_{t + 1}^{g}]}} \end{matrix}

（10）
式中：

\begin{matrix} X_{i, t + 1}^{j} \end{matrix}

是国家j部门i在第t+1期的增加值量;

\begin{matrix} {\overset{?}{s}}_{t + 1} \end{matrix}

是第t+1期的总投资占总储蓄之比;

\begin{matrix} α_{i} \end{matrix}

是生产函数中的资本产出弹性;

\begin{matrix} s_{k} \end{matrix}

和

\begin{matrix} s_{l} \end{matrix}

分别是资本和工资在总增加值中的占比。而资本吸引力模式下各国各部门获得投资的权重变为：

\begin{matrix} R_{2} (i, j, t) = \frac{\sum_{x} \frac{T K_{x, y}^{i, j}}{\sum_{i} T K_{x, y}^{i, j}} (? s_{t}^{y} w_{t}^{y} L_{x, t}^{y})}{I_{t}^{g}} \end{matrix}

（11）

\begin{matrix} T K_{i, j}^{x, y} = (1 - δ_{x, t}^{y}) K_{i, t}^{j} w_{t}^{y} L_{t}^{y} \frac{α_{x} X_{x, t}^{y} p_{x, t}}{K_{x, t}^{y}} \exp (- υ |\ln \frac{Y_{t}^{j}}{Y_{t}^{y}}| + 1) \end{matrix}

（12）
式中：

\begin{matrix} T K_{i, j}^{x, y} \end{matrix}

表示国家y部门x对国家j部门i的资本吸引力强度;

\begin{matrix} K_{x, t}^{y} \end{matrix}

表示国家y部门x的固定资本存量;

\begin{matrix} Y_{t}^{j} \end{matrix}

表示国家j的总产出;

\begin{matrix} w_{t}^{y} L_{t}^{y} \end{matrix}

表示国家y的总工资。

2.3 过程技术进步

过程技术进步带来产品中间消耗的降低,即产品生产工艺的革新使得生产一单位产品对中间品需求出现减少,这对各国在经济发展过程中碳排放强度的下降具有重要意义。本文参考Lorentz等^[19],通过对中间需求系数

\begin{matrix} a_{k, i, j, t} \end{matrix}

进行循环随机对数冲击实现过程技术进步。技术进步冲击过程为：产生一个强度为

\begin{matrix} ε_{j, k, i, t, n} \in N (0; ρ_{t}^{j}) \end{matrix}

的技术创新冲击,影响国家j部门i对中间产品k的中间需求系数：

\begin{matrix} \ln (a_{k, j, i, t}^{'}) = \ln (a_{k, j, i, t, n - 1}^{*}) - ε_{j, k, i, t, n} \end{matrix}

（13）
1轮冲击后,产生了一组新的中间需求系数。当这组新的中间需求系数所产生的单位生产成本

\begin{matrix} \sum_{k}^{J} a_{k, j, i, t}^{'} p_{i, t} \end{matrix}

小于冲击之前的单位产生成本

\begin{matrix} \sum_{k}^{J} a_{k, j, i, t, n - 1}^{*} p_{i, t} \end{matrix}

,则接受这组新的中间需求系数,否则维持上一轮的中间需求系数。
经过

\begin{matrix} N \end{matrix}

轮循环,得到的

\begin{matrix} (a_{1, j, i, t, N}^{*}, \dots, a_{I, j, i, t, N}^{*}) \end{matrix}

即为下一期的中间需求系数。这个模式反映了Nelson等^[23]认识到的进化经济学模式。技术进步是企业追求最大利润的选择的结果,而不仅仅是一个缓慢的渐进过程。
由上述过程可知,冲击方差

\begin{matrix} ρ_{t}^{j} \end{matrix}

刻画了技术进步的可能性,决定了过程技术进步的速度。CIECIA中,过程技术进步由研发投资驱动,即技术创新的可能性

\begin{matrix} ρ_{t}^{j} \end{matrix}

随知识资本占总资本比例的增加而增加,由此实现过程技术进步的内生机制。

\begin{matrix} ρ_{t}^{j} = a^{ρ} \frac{Z_{t}^{j}}{Z_{t}^{j} + K_{t}^{j}} + b^{ρ} + c_{j, t}^{ρ} \end{matrix}

（14）
式中：

\begin{matrix} a^{ρ} \end{matrix}

、

\begin{matrix} b^{ρ} \end{matrix}

和

\begin{matrix} c_{j, t}^{ρ} \end{matrix}

为方程参数。

2.4 数据来源与模型校验

CIECIA中,经济模型的初始值和参数取值,以及分部门的初始能源使用量均来源于GTAP-9数据库;人口增长的数据参考联合国世界人口预测^[24];各国的碳排放相关数据来源于EIA^[25];全球碳循环模型和气候损失方程的参数取值参考Nordhaus等^{[16,17,26,27]]};研发投资相关的参数取值参考Wang等^[28,29]。限于篇幅,CIECIA详细的参数取值参考顾高翔等的研究^[20]。表1显示了基准情景下各国的研发投资率。
Tab. 1
表1
表1基准情景下各国的研发投资率
Tab. 1R&D investing rates of countries in the baseline scenario

中国	美国	日本	欧盟	印度	俄罗斯	其他发达国家	高发展国家	中发展国家	低发展国家
0.0141	0.0257	0.03	0.0165	0.005	0.01	0.018	0.0014	0.0041	0.0016

新窗口打开
CIECIA依照《2013年联合国人类发展报告》^[30]将全世界分为中国、美国、日本、欧盟（包含英国）、印度、俄罗斯、高发展国家、中发展国家、低发展国家;并根据产业的特征和在碳排放上的相似性,将GTAP-8中的57个部门合并成12个,分别为农业、食品加工业、能源开采与加工业、金属及其他矿业、轻工业、化学工业、重工业、建筑业、商贸零售业、交通运输业、金融保险业和其他服务业。其中,能源业、金属及其他矿业、化工业和交通运输业在2011年以20%左右的GDP贡献率消费了全球超过90%的能源（根据GTAP-8）,其能源强度明显高于其他部门,是经济体系中的高能耗部门。
为检验CIECIA模拟结果的准确性和有效性,对基准情景下模拟得到的各国2007-2011年GDP、经常账户余额、能源使用和碳排放结果与对应的现实数据,采用回归分析、Z检验和方差分析进行校验。表2所示,4组模拟值的回归分析结果均在1%水平上显著,Z检验和方差分析也显示其和真实值不存在显著差异,表明模型基准情景下的模拟结果能够准确地反映真实世界的发展。
Tab. 2
表2
表2基准情景模拟结果校验
Tab. 2Calibrations of the baseline

校验项	回归分析		Z检验	方差分析
校验项	相关系数	R²	Z值	F值
GDP	0.9962^***	0.9924	0.4744	0.2250
经常账户余额	0.9238^***	0.8534	0.0652	0.0043
能源使用	0.9964^***	0.9929	0.0251	0.0006
碳排放	0.9954^***	0.9908	0.0070	0.0000

注：① GDP、能源使用和碳排放数据来自EIA,经常账户余额的真实数据来自IMF;② ^***表示1%水平显著。

新窗口打开

3 投资控制的经济和碳排放影响

为比较投资控制情景的经济影响和碳减排作用,本节首先分析中国和世界其他国家的产业结构自然进化（即在基准情景下）对其碳排放的影响,作为下文分析比较的基础;然后设置了3种投资控制情景,模拟了对高能耗部门进行投资控制的条件下,中国的经济增长、产业结构格局和碳排放的变化趋势,及其对世界其他国家的经济和碳排放影响。

3.1 基准情景

基准情景下,国际资本自由流动,促使产业国际分工格局不断发生改变^[15],使得各国的产业结构有一个自然的进化过程。这一过程由各国的经济特征差异驱动,而并非必须是由特定的经济政策所决定的。本文采用“进化”一词代表英文“Evolution”,这是因为“进化”包含了自然选择的意义,更能体现各国的产业结构为适应自身国际经济地位的变化而做出的改变。各国的产业结构并非完全朝着一个相同方向发展,“进化”在这里也并不意味着“进步”^[31,32]。
表3显示了基准情景下各国2050年产业结构较2007年的变化幅度。各国产业结构的自然进化格局大致为第三产业GDP占比上升,第一、第二产业GDP占比下降。其中,发展中国家的产业结构变化幅度要远大于欧美等发达国家,使得产业结构整体的进化呈现出一种趋同。但是具体到部门层面,各国的产业结构变化趋势又略有不同。其中发展中国家的能源业等高能耗部门GDP占比普遍出现下降,而发达国家高能耗部门的占比则出现上升,表明高能耗部门有重新转移到发达国家的趋势。这是产业的国际分工特征决定的：由于高能耗部门,尤其是能源业和交通运输业具有较高的资本产出弹性^①(① 数据来源于GTAP-8。),属于资本要素密集产业,其在未来产业国际分工中会倾向于流动到资本供给充分的欧美发达国家,这与Jin提出的“组合效应”（Composition Effect）一致^[15]。中国在基准情景下到2050年第二产业GDP占比下降约10个百分点,其中高能耗部门的GDP占比下降显著,而上升幅度最大的则是商贸零售业和其他服务业。
Tab. 3
表3
表3各国2050年产业结构较2007年变化幅度（百分点）
Tab. 3Changes of the industrial structures of countries from 2007 to 2050 (percentage point)

部门	中国	美国	日本	欧盟	印度	俄罗斯	其他发达国家	高发展国家	中发展国家	低发展国家
农业	-4.34	-0.35	-0.79	-0.92	-5.93	-2.65	-0.87	-1.77	-3.73	-11.31
食品加工业	-1.71	0.76	-0.09	-0.65	-2.25	-0.40	0.26	-1.34	-1.83	-3.32
能源开采与加工业	-0.92	2.54	0.27	0.22	-0.02	-5.96	1.63	-7.20	-6.21	-10.97
金属及其他矿业	-4.42	0.80	0.07	-0.48	-0.88	-0.54	-0.70	-0.72	-1.31	0.91
轻工业	-1.23	-0.62	-0.30	-1.07	1.14	1.15	-0.31	0.28	-0.34	0.67
化学工业	-1.28	0.47	0.40	-0.26	-0.05	1.30	0.18	0.09	-0.18	1.19
重工业	-2.34	-0.71	-3.78	-2.59	3.27	2.24	-2.22	1.76	2.81	4.95
建筑业	2.58	-2.27	-2.72	-3.14	1.89	-1.61	-2.22	0.88	2.85	4.02
商贸零售业	8.01	3.04	3.93	1.28	1.69	-2.25	2.21	3.72	4.05	4.79
交通运输业	-1.70	1.65	0.41	0.46	-3.37	-0.53	-0.14	-1.56	-0.88	-0.89
金融保险业	0.12	-1.30	2.39	2.57	-1.65	2.33	0.58	0.71	0.37	1.46
其他服务业	7.23	-4.00	0.20	4.58	6.17	6.92	1.57	5.14	4.39	8.50

新窗口打开
表4显示了产业结构进化带来的各国在2007-2050年间的累积碳减排量和减排率。发展中国的产业结构进化普遍降低了其碳排放量,表明第三产业低能耗部门的快速发展对其碳排放的下降作用明显;而发达国家由于高能耗部门GDP占比上升,其产业结构的自然进化反而提高了其碳排放量。对中国而言,产业结构进化尽管带来了超过30GtC的减排量,其减排率也达到了17.76%,但相较于庞大而又快速增长的碳排放需求,这样的减排效果无法满足其到2030年的减排目标。
Tab. 4
表4
表4产业结构进化带来的累积碳减排量和减排率
Tab. 4Cumulative carbon reductions and reducing rates of countriescontributed by the evolution of industrial structure

减排指标	中国	美国	日本	欧盟	印度	俄罗斯	其他发达国家	高发展国家	中发展国家	低发展国家
碳减排量（GtC）	32.04	-12.24	-0.44	-0.67	2.23	2.05	-1.09	25.44	16.48	1.58
碳减排率（%）	17.76	-26.67	-4.33	-1.56	4.88	7.90	-5.54	24.65	25.02	9.81

新窗口打开

3.2 投资控制情景

基准情景下,各国的产业结构变化幅度有限,尤其对中国而言,产业结构自然进化难以满足其在2030年前达到碳排放高峰的需求,因此有必要采取进一步的减排措施。本节尝试设计投资控制情景（表5）对中国的高能耗部门实施投资限制,推动产业结构升级,以达到限制高能耗部门产业规模,降低生产性碳排放的目标,投资控制措施自2016年开始实施。
Tab. 5
表5
表5情景1~情景3下中国高能耗部门投资限制率（%）
Tab. 5Limitation of investment of China's energy-intensive sectors in scenarios 1-3 (%)

情景	能源开采与加工业	金属及其他矿业	化学工业	交通运输业
情景1	50	10	30	10
情景2	80	30	50	30
情景3	90	50	90	50

新窗口打开
针对高能耗部门的投资限制会导致全球市场上高能耗部门产品价格的变化。从表6中可以看出,在中国采取投资控制措施之后,4种高能耗产品的供给受到影响,其全球价格显著上升。在情景3下,能源业和化工业的产品价格上升率都接近8%,而金属及其他矿业和交通运输业的价格上升率也接近5%。这也表明中国的高能耗部门在国际分工格局中占据重要地位,是高能耗产品的产出大国。
Tab. 6
表6
表6情景1~情景3下高能耗部门2050年产品价格较基准情景变化率（%）
Tab. 6Changing rates of product prices of energy-intensive sectors in 2050 from the baseline to scenarios 1-3 (%)

情景	能源开采与加工业	金属及其他矿业	化学工业	交通运输业
情景1	5.7102	0.6472	3.1493	0.5294
情景2	7.8934	2.7965	4.9849	2.4361
情景3	7.9710	4.9022	7.6909	4.2571

新窗口打开
表7显示了基准情景和情景1~情景3下中国的高能耗部门到2050年在产业结构中的GDP占比。可以看出,在投资控制措施实施后,中国的高能耗部门在产业结构中的地位急剧下降。其中在情景3下,能源业和化工业的GDP占比降至0.5%以下,几乎从国民经济体系中消失。值得注意的是,由于投资控制措施会影响国际资本流动格局,降低可获得投资数,引发资本流出的连锁反应,因此各部门GDP占比的下降率普遍高于其投资控制率。
Tab. 7
表7
表7基准情景和情景1~情景3下中国高能耗部门2050年GDP占比（%）
Tab. 7GDP shares of the energy-intensive sectors of China in 2050 in the baseline and scenarios 1-3 (%)

情景	能源开采与加工业	金属及其他矿业	化学工业	交通运输业
基准情景	5.75	5.10	3.13	6.57
情景1	2.46	4.79	2.13	6.12
情景2	0.70	3.75	1.44	4.68
情景3	0.27	2.56	0.15	3.10

新窗口打开
图1显示,由于高能耗部门GDP占比大幅降低,3种投资控制情景下中国2016-2050年的碳排放量明显下降。情景1下,中国的碳排放高峰提前到2029年,实现了在2030年前达到碳排放高峰的要求,峰值约为3 Gt C,较基准情景下降了近1/4,其2030年碳排放强度较2005年下降率超过70%,满足《中美气候变化联合声明》和《中国国家自主贡献》提出的减排目标;在情景2和情景3下,中国的碳排放自2017年就开始下降,其中在情景3下,其模拟期间累积碳排放量仅为60.30GtC,不足基准情景的50%,减排效果非常显著。

显示原图|下载原图ZIP|生成PPT
图1基准情景和情景1~情景3下中国2016-2050年碳排放量
-->Fig. 1Carbon emissions of China from 2016 to2050 in the baseline and scenarios 1-3
-->

本文采用凯恩斯—拉姆齐效用函数来进行测度投资控制措施的经济影响,体现模拟过程中各国经济实力的变化。

\begin{matrix} U A^{j} (T) = \overset{T}{\sum_{t = 1}} {(β + 1)}^{- t} Po p_{t}^{j} \frac{{(\frac{C_{t}^{j}}{Po p_{t}^{j}})}^{1 - ρ}}{1 - ρ} \end{matrix}

（15）
式中：

\begin{matrix} U A^{j} (T) \end{matrix}

表示国家

\begin{matrix} j \end{matrix}

到第

\begin{matrix} T \end{matrix}

期的累积效用;

\begin{matrix} C_{t}^{j} \end{matrix}

表示消费量;

\begin{matrix} Po p_{t}^{j} \end{matrix}

是人口数;

\begin{matrix} β \end{matrix}

为贴现率,其取值依照Wang等^[28]为0.015;

\begin{matrix} ρ \end{matrix}

是消费者时间偏好。
如表8所示,尽管中国将高能耗部门中扣除的投资转移到了其他部门,但是对产业结构进化的强行调整违背了中国在正常情况下的国际分工地位,转移到其他部门的投资加剧了其他各部门的国际竞争,而高能耗部门发展受限又使中国无法从高能耗产品价格上升中获利,最终导致中国在产业结构调整后经济受损,其中情景3的损失率更是超过5%。此外,投资控制措施使得中国的高能耗部门可获得投资减少,影响了中国在国际资本流动格局中的整体地位,这也在一定程度上损害了中国的经济实力。因此,以投资控制为手段的减排方式,尽管能够非常直接地降低碳排放量,但其对经济的冲击不容忽视。
Tab. 8
表8
表8情景1~情景3下各国2007-2050年累积效用较基准情景变化率（%）
Tab. 8Changing rates of cumulative utilities between 2007 and 2050 from baseline to scenarios 1-3 (%)

情景	中国	美国	日本	欧盟	印度	俄罗斯	其他发达国家	高发展国家	中发展国家	低发展国家
情景1	-1.3198	0.2231	0.1562	0.1826	0.3625	0.6683	0.3166	0.4270	0.4493	0.4880
情景2	-3.1552	0.3945	0.2885	0.3422	0.6683	1.1510	0.5626	0.7606	0.8041	0.8590
情景3	-5.3111	0.5275	0.4041	0.4926	0.9071	1.3995	0.7341	0.9819	1.0522	1.0780

新窗口打开
由于中国出现的经济损失,其他各国,尤其是其高能耗部门所面对的国际经济竞争压力骤然降低,累积效用较基准情景出现不同程度的上升。其中,以能源业等高能耗产业为经济支柱的俄罗斯从中获利最大,在情景3下的累积效用较基准情景上升1.40%,各发展中国家在情景3下的累积效用上升率也都在1%左右。这是由于中国的投资控制使其高能耗部门在国际经济体系中的地位下降,资本吸引力也大大削弱,从而使得其他各国的高能耗部门获得更多的投资,而对以高能耗部门为经济主导的俄罗斯而言,高能耗部门获得投资数的提高对其经济的提振作用最为明显。
尽管发达国家的产业结构进化方向是高能耗部门GDP占比会有小幅上升,但其在情景1~情景3下却受益较少,这是由于发达国家的高能耗部门其经济体系中的地位普遍较低,在国际分工格局中也不占主体地位,无法从中国的高能耗部门投资控制措施中获利太多,而其他占其经济主体地位的部门在中国将投资结余转移后反而面临更加激烈的国际竞争,对其发展还造成了一定的损害。
表9显示情景1~情景3下各国2050年三大产业的产业结构较基准情景的变化幅度。由于高能耗部门集中在第二产业,中国的第二产业GDP占比较基准情景同期明显下降,而农业和第三产业,尤其是第三产业的GDP占比上升。投资控制措施在一定程度上抑制了国际资本向中国高能耗部门的流动,而在全球经济一般均衡下,这些资本转而流动到其他国家,使得除中国外,各国的第二产业GDP占比较基准情景均有所上升。其中俄罗斯第二产业GDP占比的上升幅度最大,表明中国实施投资控制措施,降低了高能耗部门的国际竞争,对于以高能耗部门为支撑的俄罗斯而言最为有利。此外,三种情景下欧美等发达国家第二产业的GDP占比的上升幅度实际上并不低于发展中国家,这表明中国的投资控制措施对于发达国家的高能耗部门的发展还是有较大的影响,只是这些部门在其经济体系中的地位较低,其对累积效用的影响才不如发展中国家明显。
Tab. 9
表9
表9情景1~情景3下各国到2050年三大产业结构较基准情景变化幅度（百分点）
Tab. 9Changes of three major industrial structures in 2050 from baseline to scenarios 1-3 (percentage point)

情景	产业	中国	美国	日本	欧盟	印度	俄罗斯	其他发达国家	高发展国家	中发展国家	低发展国家
情景1	第一产业	0.2985	-0.0127	-0.0075	-0.0124	-0.1763	-0.1139	-0.0210	-0.0939	-0.1547	-0.2461
	第二产业	-2.9050	0.9709	0.7968	0.7538	0.6697	1.5689	1.2052	1.0322	0.8777	0.9150
	第三产业	2.6066	-0.9582	-0.7893	-0.7413	-0.4933	-1.4550	-1.1843	-0.9383	-0.7230	-0.6688
情景2	第一产业	0.6719	-0.0284	-0.0184	-0.0303	-0.4012	-0.2142	-0.0439	-0.1966	-0.3321	-0.5187
	第二产业	-4.6427	1.5549	1.3035	1.2350	1.0662	2.3736	1.8907	1.5991	1.3870	1.4347
	第三产业	3.9708	-1.5265	-1.2852	-1.2047	-0.6650	-2.1595	-1.8468	-1.4025	-1.0549	-0.9160
情景3	第一产业	1.0852	-0.0453	-0.0308	-0.0507	-0.6406	-0.2955	-0.0666	-0.2966	-0.5109	-0.7834
	第二产业	-5.8679	1.9729	1.7247	1.6530	1.3553	2.6803	2.3022	1.9201	1.7125	1.7310
	第三产业	4.7827	-1.9276	-1.6940	-1.6024	-0.7147	-2.3847	-2.2356	-1.6235	-1.2015	-0.9476

新窗口打开

4 投资结余分配的碳治理意义

投资控制措施具有显著的减排效果,但其对中国经济的负面影响值得注意。因此,本文需要采取更加合理、有效的方式使用投资控制措施得到的投资结余,减轻由减排造成的经济损失,寻找合理可行的碳治理途径。本节尝试使用投资结余集中投资一部分产业以及作为研发投资,模拟在此情景下中国的经济增长和碳排放的变化,及其对世界其他国家的影响。本节的情景设置为：情景4,全部投资结余投资第二产业中的轻工业、重工业和建筑业;情景5,全部投资结余投资第三产业中的商贸零售业、金融保险业和其他服务业;情景6,80%投资结余投资商贸零售业、金融保险业和其他服务业,其余作为研发投资以推动技术进步。高能耗部门的投资限制率与情景1一致,投资结余在给定部门间的分配仍然依据

\begin{matrix} R_{i, t}^{j} \end{matrix}

。
表10显示了情景4~情景6下各国2050年三大产业的产业结构较情景1的变化幅度。受投资结余分配方向的影响,情景4下中国第二产业GDP占比上升,第三产业GDP占比下降,而情景5和6反之。情景6下,有20%的投资结余作为研发投入,因此其产业结构变化幅度略小于情景5。由于情景4~情景6仅是在情景1基础上修改中国的投资结余分配方向,因此对世界整体经济没有产生太大的新的冲击,使得世界其他国家的产业结构变化非常平均。由于三种情景均没有将投资结余分配到农业,因此中国的农业GDP占比较情景1有小幅下降。
Tab. 1
表1
表10 情景4~情景6下各国2050年三大产业结构较情景1变化幅度（百分点）
Tab. 10 Changes of three major industrial structures in 2050 from Scenario 1 to scenarios 4-6 (percentage point)

情景	产业	中国	美国	日本	欧盟	印度	俄罗斯	其他发达国家	高发展国家	中发展国家	低发展国家
情景4	第一产业	-0.0944	0.0036	0.0024	0.0048	0.1108	0.0263	0.0052	0.0356	0.0738	0.1108
	第二产业	1.7606	-0.4314	-0.4175	-0.4629	-0.6490	-0.4784	-0.4386	-0.5467	-0.5986	-0.5949
	第三产业	-1.6661	0.4278	0.4151	0.4581	0.5382	0.4521	0.4334	0.5111	0.5248	0.4841
情景5	第一产业	-0.1748	0.0129	0.0097	0.0142	0.1179	0.0443	0.0151	0.0554	0.0926	0.1375
	第二产业	-1.5306	0.4293	0.4148	0.4448	0.4430	0.4561	0.4448	0.4695	0.4599	0.4198
	第三产业	1.7054	-0.4422	-0.4244	-0.4590	-0.5609	-0.5003	-0.4599	-0.5249	-0.5525	-0.5573
情景6	第一产业	-0.1905	0.0095	0.0070	0.0104	0.0942	0.0321	0.0109	0.0417	0.0722	0.1080
	第二产业	-1.2878	0.3312	0.3124	0.3355	0.3427	0.3834	0.3519	0.3723	0.3615	0.3319
	第三产业	1.4783	-0.3406	-0.3194	-0.3459	-0.4369	-0.4155	-0.3629	-0.4140	-0.4337	-0.4399

新窗口打开
图2显示了情景4~情景6下中国2016-2050年的碳排放趋势。情景4和情景5下中国的碳排放趋势与情景1基本一致。其中,情景4将投资结余全部投入碳排放强度较高的第二产业,使得第二产业的生产规模扩大,致使其碳排放量略高于情景1;情景5与此相反,抑制第二产业扩大,第三产业规模使其碳排放量略低于情景1。在情景6下,研发投资的增加加速了过程技术进步,较之情景1,使中国的碳排放量有了明显的降低,其碳排放高峰提早到2024年,2016-2050年累积碳排放量下降到90.51 Gt C,约为基准情景同期的70%,减排效果明显。

显示原图|下载原图ZIP|生成PPT
图2情景4~情景6下中国2016-2050年碳排放量
-->Fig. 2Carbon emissions of China from 2016 to 2050 in scenarios 4-6
-->

表11显示了情景4~情景6下各国的累积效用较基准情景同期的变化率。在情景4下,中国2007-2050年的累积效用较基准情景下降了1.64%,下降幅度超过相同投资控制措施下的情景1的模拟结果;而情景5下中国的累积效用尽管仍然低于基准情景,但是较情景1有所上升。这表明第三产业是中国未来经济增长的重要动力来源,将投资结余投入第三产业更有利于促进中国经济的发展,加快产业转型,提高在国际经济体系中的地位,而投资第二产业则反而对经济增长有所损害。在情景6下,随着研发投资的提高,中国的累积效用较基准情景上升了0.22%,完全弥补了投资控制策略造成的经济损失,而其他各国也仍然能从中国的投资控制措施中受益。因此,促进第三产业的发展更加符合中国未来在国际分工体系中的位置,应该成为中国产业扶持的重点;而增加研发投入、促进技术进步是中国实现碳减排目标、保证了经济稳定增长、降低和补偿减排损失的重要而有效的治理手段。
Tab. 1
表1
表11 情景4~情景6下各国2007-2050年累积效用较基准情景变化率（%）
Tab. 11 Changing rates of cumulative utilities between 2007 and 2050 from baseline to scenarios 4-6 (%)

情景	中国	美国	日本	欧盟	印度	俄罗斯	其他发达国家	高发展国家	中发展国家	低发展国家
情景4	-1.6379	0.2672	0.1976	0.2165	0.3587	0.6982	0.3566	0.4471	0.4578	0.5077
情景5	-1.0524	0.1711	0.1115	0.1462	0.3796	0.6686	0.2831	0.4220	0.4560	0.5006
情景6	0.2194	0.1730	0.1157	0.1448	0.3451	0.6590	0.2835	0.4083	0.4310	0.4755

新窗口打开
从三种情景下其他国家/地区的累积效用变化来看,情景4下除印度外,其余各国的累积效用均高于情景1,这是由于印度与中国一样处于工业化过程中,国民经济对于第二产业各部门仍然有较大的依赖,中国增加对第二产业的投资之后必然对印度的相关产业产生竞争冲击,使得印度的累积效用下降。情景5下,发达国家的累积效用下降明显,这是由于中国加大第三产业投资后,对原本以第三产业为支柱的发达国家产生了经济冲击,使得第三产业的国际竞争加剧,进而使发达国家经济受损,而各发展中国家在情景5下的累积效用与情景1相差无几,缺少了中国在第二产业中的竞争,印度和中低发展中国家的累积效用甚至还高于情景1。情景6下,中国各行业的发展水平受技术进步影响得到整体提高,由于投入第三产业的投资结余减少,发达国家在第三产业受到的竞争压力小于情景5,其累积效用较情景5上升;而发展中国家开始面临中国在第二产业中的竞争压力,其累积效用较情景5普遍下降。

5 结论与讨论

5.1 结论

面对当前日益严峻的碳减排形势,通过干预部门投资调整产业结构,对高能耗部门进行限制是一种直接而有效的减排方式,但其造成的经济损失不容忽视。本文使用了气候—经济集成评估模型CIECIA,对产业结构自然进化的碳排放影响进行分析,以此为基础,模拟和评估了中国在投资控制下产业结构调整的减排效果及其全球经济影响,以及不同的投资结余分配方式带来的碳治理效果,得出以下结论：
（1）产业结构自然进化下,各国总体产业结构变化趋势为第三产业GDP占比上升,第一、第二产业GDP占比下降,但是高能耗部门的发展趋势存在差异,从而使其对各国的碳排放的影响截然不同。发展中国家受第三产业高速发展的影响,高能耗部门GDP占比在模拟期间快速下降,从而降低碳排放量;而发达国家现有的产业结构和未来的经济地位已难以支撑低能耗部门进一步的扩张,其高能耗部门的GDP占比会出现小幅上升,使得碳排放量反而增加。对中国而言,产业结构自然进化的碳减排能力有限,难以满足中短期目标。
（2）在针对高能耗部门的投资控制措施的作用下,中国的高能耗部门GDP占比急剧萎缩,产业转型和升级加速,由此带来碳排放量的显著下降,因此投资控制是非常有效的碳减排手段。但其同时也影响了中国在国际资本流动体系中的地位,造成投资的流失和经济总量的损失,而使其他国家从中受益。在情景3下,中国的碳排放自2017年开始下降,而2016-2050年的碳减排率超过50%,其减排力度大大超过近两年出台的中短期减排目标;作为减排代价,其累积效用较基准情景下降了5.31%。其他国家的累积效用较基准情景均有不同程度的上升,其中以高能耗部门为经济支柱的俄罗斯从中受益最大;发达国家由于高能耗部门在产业结构中整体地位较低,其累积效用提高率普遍较低。
（3）投资结余分配情景显示,第三产业是中国未来经济增长的主要动力来源,将投资结余投入第三产业将提高中国在实施投资控制措施下的经济总量,在一定程度上降低投资控制措施带来的经济损失,并促进碳排放的下降,而投资第二产业违背了中国未来的国际分工地位变化趋势,反而有损中国的经济发展。使用投资结余进行研发投资,推动技术进步可以大幅降低甚至抵消投资控制对经济造成的负面影响,并进一步降低了碳排放量,实现碳减排目标。因此在投资控制的基础上,加大第三产业的投入并投资研发创新以促进技术进步,是中国在未来实现碳减排目标的前提下,保持经济稳定增长,降低碳减排损失有效的治理手段。

5.2 讨论

本文采用的CIECIA模型的经济模块是一个多国多部门的宏观经济模型,其基础数据来源于投入产出表和社会核算矩阵,因此相比较于《产业结构调整指导目录》,其对于产业部门的划分显得较为粗糙,无法详细列出各种不同的产业项目。这就使得本文的投资控制措施只能实施到宏观意义上的部门层面,其具体的实施对象较为模糊,无法就更具体的产业采取更有针对性的减排措施。在下一步的研究中,将尝试在CIECIA中针对特定的部门引入“自下而上”的产业和技术模型,与“自上而下”的经济模型相结合,以实现更加细致精准的产业划分,解决本文中所存在的不足。
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	刘卫东, 张雷, 王礼茂, 等. 我国低碳经济发展框架初步研究 . 地理研究, 2010, 29(5): 778-788.https://doi.org/10.11821/yj2010050002 URL [本文引用: 1]摘要在哥本哈根世界气候变化大会上,我国向世界承诺2020年单位国内生产总值的二氧化碳排放量比2005年下降40%～45%。本文在对已有研究成果进行系统梳理的基础上,分析了影响我国碳排放的主要因素,核算了主要减排途径的碳减排潜力,提出了至2020年我国发展低碳经济的基本框架。研究发现,碳排放强度与产业结构演化之间存在倒U字形曲线关系,发展模式转变和产业结构调整取得实质性成效是实现2020年减排目标的前提。此外,工业技术节能、建筑节能和道路交通节能也还都有一定的潜力。在不同情景下,工业技术节能对实现2020年减排目标的贡献程度在12%～14%之间,建筑节能和增加非化石能源规模分别可以起到10%左右的贡献,道路交通节能的贡献率在2%～3%之间。 [Liu Weidong, Zhang Lei, Wang Limao, et al.A sketch map of low-carbon economic development in China. Geographical Research, 2010, 29(5): 778-788.]https://doi.org/10.11821/yj2010050002 URL [本文引用: 1]摘要在哥本哈根世界气候变化大会上,我国向世界承诺2020年单位国内生产总值的二氧化碳排放量比2005年下降40%～45%。本文在对已有研究成果进行系统梳理的基础上,分析了影响我国碳排放的主要因素,核算了主要减排途径的碳减排潜力,提出了至2020年我国发展低碳经济的基本框架。研究发现,碳排放强度与产业结构演化之间存在倒U字形曲线关系,发展模式转变和产业结构调整取得实质性成效是实现2020年减排目标的前提。此外,工业技术节能、建筑节能和道路交通节能也还都有一定的潜力。在不同情景下,工业技术节能对实现2020年减排目标的贡献程度在12%～14%之间,建筑节能和增加非化石能源规模分别可以起到10%左右的贡献,道路交通节能的贡献率在2%～3%之间。
[2]	Collantes G, Sperling D.The origin of California's zero emission vehicle mandate. Transportation Research Part A: Policy and Practice, 2008, 42(10): 1302-1313.https://doi.org/10.1016/j.tra.2008.05.007 URL [本文引用: 1]摘要 The California Zero Emission Vehicle (ZEV) rule, adopted in 1990, is arguably one of the most daring and controversial air quality policies ever adopted. Some consider it a policy failure, while others credit it with launching a revolution in clean automotive technology. This paper is the first systematic empirical study of the policy process that resulted in the adoption of the ZEV mandate. We draw upon theoretical frameworks of the policy process, empirical data from public documents, and personal interviews with key stakeholders, to explain how a confluence of technology, policy, and political circumstances created a window of opportunity that led to the adoption of this policy. We expect the conclusions of our analysis to be useful to other policy debates that involve technological innovation.
[3]	张长龙. 金融机构的企业社会责任基准: 赤道原则 . 国际金融研究, 2006, (6): 14-20.URL [本文引用: 1]摘要赤道原则是金融机构的企业社会责任基准,是全球企业社会责任运动推动的结果。它要求金融机构对于项目融资中的环境和社会问题尽到审慎性审核调查义务。它能实现金融机构的企业社会责任和经济责任的有机统一,对社会、金融界和金融机构本身都具有重大意义。目前,它已成功运用于国际实践,呈现出自己的特点,也出现了一些问题。因此, 我国金融机构要讲究策略,积极应对接受赤道原则。 [Zhang Changlong.A corporate social responsibility benchmark for financial institutions: the Equator Principles. Studies of International Finance, 2006, (6): 14-20.]URL [本文引用: 1]摘要赤道原则是金融机构的企业社会责任基准,是全球企业社会责任运动推动的结果。它要求金融机构对于项目融资中的环境和社会问题尽到审慎性审核调查义务。它能实现金融机构的企业社会责任和经济责任的有机统一,对社会、金融界和金融机构本身都具有重大意义。目前,它已成功运用于国际实践,呈现出自己的特点,也出现了一些问题。因此, 我国金融机构要讲究策略,积极应对接受赤道原则。
[4]	国家发展和改革委员会. 产业结构调整指导目录（2011年本） . , 2011-04-26.URL [本文引用: 1] [National Development and Reform Commission. Catalogue for Guiding Industry Restructuring (2011 Version). , 2011-04-26.]URL [本文引用: 1]
[5]	Liaskas K, Mavrotas G, Mandaraka M.Decomposition of industrial CO₂ emissions: The case of European Union. Energy Economics, 2000, 22(4): 383-394.https://doi.org/10.1016/S0140-9883(99)00035-3 URL [本文引用: 1]摘要 This paper aims at identifying the factors that have influenced changes in the level of industrial CO2 emissions. By means of an algebraic decomposition method the observed changes are analyzed into four different factors: output level, energy intensity, fuel mix and structural change. The application study refers to the industrial sector of European Union countries. The results show that CO2
[6]	Shyamal P, Rabindra B N.Causality between energy consumption and economic growth in India: A note on conflicting results. Energy Economics, 2004, 26(6): 977-983.https://doi.org/10.1016/j.eneco.2004.07.002 URL摘要 This note examines the different direction of causal relation between energy consumption and economic growth in India. Applying Engle–Granger cointegration approach combined with the standard Granger causality test on Indian data for the period 1950–1996, we find that bi-directional causality exists between energy consumption and economic growth. Further, we apply Johansen multivariate cointegration technique on the different set of variables. The same direction of causality exists between energy consumption and economic growth. This is different from the results obtained in earlier studies.
[7]	Tunc G I, Turuk-Asik S, Akbostanci E.A decomposition analysis of CO₂ emissions from energy use: Turkish case. Energy Policy, 2009, 37(4): 689-699.https://doi.org/10.1016/j.enpol.2009.06.019 URL摘要 Environmental problems, especially “climate change” due to significant increase in anthropogenic greenhouse gases, have been on the agenda since 1980s. Among the greenhouse gases, carbon dioxide (CO 2 ) is the most important one and is responsible for more than 60% of the greenhouse effect. The objective of this study is to identify the factors that contribute to changes in CO 2 emissions for the Turkish economy by utilizing Log Mean Divisia Index (LMDI) method developed by Ang (2005) [Ang, B.W., 2005. The LMDI approach to decomposition analysis: a practical guide. Energy Policy 33, 867–871]. Turkish economy is divided into three aggregated sectors, namely agriculture, industry and services, and energy sources used by these sectors are aggregated into four groups: solid fuels, petroleum, natural gas and electricity. This study covers the period 1970–2006, which enables us to investigate the effects of different macroeconomic policies on carbon dioxide emissions through changes in shares of industries and use of different energy sources. Our analysis shows that the main component that determines the changes in CO 2 emissions of the Turkish economy is the economic activity. Even though important changes in the structure of the economy during 1970–2006 period are observed, structure effect is not a significant factor in changes in CO 2 emissions, however intensity effect is.
[8]	Adom P K, Bekoe B, Amuakwa-Mensah F.Carbon dioxide emissions, economic growth, industrial structure, and technical efficiency: empirical evidence from Ghana, Senegal, and Morocco on the causal dynamics. Energy, 2012, 47(1): 314-325.https://doi.org/10.1016/j.energy.2012.09.025 URL [本文引用: 1]摘要 This paper investigated the short-run causal relationships and the long-run equilibrium relationships among carbon dioxide emissions, economic growth, technical efficiency, and industrial structure for three African countries. Using Bounds cointegration approach the result showed evidence of multiple long-run equilibrium relationships for Ghana and Senegal but a one-way long-run equilibrium relationship for Morocco. The result from the Toda and Yomamoto granger causality test showed a mix of bidirectional, unidirectional, and neutral relationships for all countries. Whilst in Senegal carbon dioxide emission was not found to be a limiting factor to economic growth; it was found to act as a limiting factor to economic growth in Morocco and Ghana. Lastly, the result from the variance decomposition analysis revealed that economic growth contributes largely to changes in future carbon dioxide emissions in Senegal and Morocco whilst in Ghana technical efficiency contributes largely to changes in future variations in carbon dioxide emissions. These results have important policy implications for these countries' energy efficiency systems.
[9]	原嫄, 席强敏, 孙铁山, 等. 产业结构对区域碳排放的影响: 基于多国数据的实证分析 . 地理研究, 2016, 35(1): 82-94. [本文引用: 1] [Yuan Yuan, Xi Qiangmin, Sun Tieshan, et al.The impact of the industrial structure on regional carbon emission: Empirical evidence across countries. Geographical Research, 2016, 35(1): 82-94.] [本文引用: 1]
[10]	Ma C, Stern D I.China's changing energy intensity trend: A decomposition analysis. Energy Economics, 2008, 30(3): 1037-1053.https://doi.org/10.1016/j.eneco.2007.05.005 URL摘要 China experienced a dramatic decline in energy intensity from the onset of economic reform in the late 1970s until 2000, but since then the rate of decline slowed and energy intensity actually increased in 2003. Most previous studies found that most of the decline was due to technological change, but disagreed on the role of structural change. To the best of our knowledge, no decomposition study has investigated the role of inter-fuel substitution in the decline in energy intensity or the causes of the rise in energy intensity since 2000. In this paper, we use logarithmic mean Divisia index (LMDI) techniques to decompose changes in energy intensity in the period 1980 2003. We find that: (1) technological change is confirmed as the dominant contributor to the decline in energy intensity; (2) structural change at the industry and sector (sub-industry) level actually increased energy intensity over the period of 1980 2003, although the structural change at the industry level was very different in the 1980s and in the post-1990 period; (3) structural change involving shifts of production between sub-sectors, however, decreased overall energy intensity; (4) the increase in energy intensity since 2000 is explained by negative technological progress; (5) inter-fuel substitution is found to contribute little to the changes in energy intensity.
[11]	Zhang X, Ren J.The relationship between carbon dioxide emissions and industrial structure adjustment for Shandong Province. Energy Procedia, 2011, (5): 1121-1125.https://doi.org/10.1016/j.egypro.2011.03.197 URL摘要 From 2005, the industrial added value and carbon dioxide emissions in Shandong Province have been all ranked first in China. The article focuses on quantifying the relationship between CO2 emissions and industrial structure adjustment. Cointegration tests indicate that there exist the long-term stable equilibrium relationship between industrial structure and the emissions in Shandong Province. Granger causality tests show that the industrial structure is the reason for the change of the emissions, but the latter is not a reason for the former. By building the decomposition model of CO2 emissions, the contribution of economic growth, industrial structure and technical efficiency to the growth of CO2 emissions are measured and three important conclusions are drawn: (1) the change in the total economy is the most important factor to promote the emissions;(2) the change in industrial structure has the different contribution to the emissions in different stages, in 1994-99 and 2006-09, the contribution rate is negative, which indicates that changes in industrial structure curb the emissions;(3) technical efficiency is the main factor toreduce emissions, but compared with the role of economic growth, the effect of technical efficiency is very limited.
[12]	Wang Z, Yin F, Zhang Y, et al.An empirical research on the influencing factors of regional CO₂ emissions: Evidence from Beijing city, China. Applied Energy, 2012, 100(4): 277-284.https://doi.org/10.1016/j.apenergy.2012.05.038 URL [本文引用: 1]摘要 In order to further study the realization of carbon intensity target, find the key influencing factors of CO 2 emissions, and explore the path of developing low-carbon economy, this paper empirically studied the influences of urbanization level, economic level, industry proportion, tertiary industry proportion, energy intensity and R&D output on CO 2 emissions in Beijing using improved STIRPAT (stochastic impacts by regression on population, affluence and technology) model. The model is examined using partial least square regression. Results show that urbanization level, economic level and industry proportion positively influence the CO 2 emissions, while tertiary industry proportion, energy intensity and R&D output negatively do. Urbanization level is the main driving factor of CO 2 emissions, and tertiary industry proportion is the main inhibiting factor. In addition, along with the growth of per capita GDP, the increase of CO 2 emissions does not follow the Environmental Kuznets Curve model. Based on these empirical findings and the specific circumstances of Beijing, we provide some policy recommendations on how to reduce carbon intensity. Beijing should pay more attention to tertiary industry and residential energy consumption for carbon emission reduction. It is necessary to establish a comprehensive evaluation index of social development. Investing more capital on carbon emission reduction science and technology, and promoting R&D output is also an efficient way to reduce CO 2 emissions.
[13]	王腊芳, 段文静, 赖明勇, 等. 中国制造业节能潜力的区域及行业差异 . 地理研究, 2015, 34(1): 109-121.https://doi.org/10.11821/dlyj201501010 URL [本文引用: 1]摘要过度依赖资源和能源消耗的发展特征使中国制造业具有较大节能空间。通过计算中国各区域、各省市制造业及其分行业的能源强度和节能潜力,分析了制造业节能潜力的区域差异和行业差异。研究结果显示:1东中西部地区制造业的能源强度存在明显差异,且东部地区远低于中西部地区,但近几年区域间能源强度差距在逐步缩小,同时各区域内部不同省市间能源强度差距也在不断拉近。2高于全国平均节能潜力水平的省份有17个,且主要集中在中西部地区,这些省市的平均节能潜力都在70%以上,说明中国大部分地区制造业节能空间很大。3高节能潜力的行业主要集中在对能源利用效率要求较高、产业前后向关联效应较强的行业。4虽然各省市制造业分行业节能潜力存在较大的区域差异,但石油加工及炼焦业、电子及通信设备制造业、专用设备制造业和化学纤维制造业的节能潜力在各地区排名都很靠前。5在制定节能政策和措施时,不但要根据各地区资源、能源禀赋及经济发展水平的不同而差别化对待;还要充分考虑行业间的差异。 [Wang Lafang, Duan Wenjing, Lai Mingyong, et al.Study on the regional differences and industry differences of energy-saving potentiality in China's manufacturing industry. Geographical Research, 2015, 34(1): 109-121.]https://doi.org/10.11821/dlyj201501010 URL [本文引用: 1]摘要过度依赖资源和能源消耗的发展特征使中国制造业具有较大节能空间。通过计算中国各区域、各省市制造业及其分行业的能源强度和节能潜力,分析了制造业节能潜力的区域差异和行业差异。研究结果显示:1东中西部地区制造业的能源强度存在明显差异,且东部地区远低于中西部地区,但近几年区域间能源强度差距在逐步缩小,同时各区域内部不同省市间能源强度差距也在不断拉近。2高于全国平均节能潜力水平的省份有17个,且主要集中在中西部地区,这些省市的平均节能潜力都在70%以上,说明中国大部分地区制造业节能空间很大。3高节能潜力的行业主要集中在对能源利用效率要求较高、产业前后向关联效应较强的行业。4虽然各省市制造业分行业节能潜力存在较大的区域差异,但石油加工及炼焦业、电子及通信设备制造业、专用设备制造业和化学纤维制造业的节能潜力在各地区排名都很靠前。5在制定节能政策和措施时,不但要根据各地区资源、能源禀赋及经济发展水平的不同而差别化对待;还要充分考虑行业间的差异。
[14]	Wang Z, Gu G, Wu J, et al.CIECIA: A new climate change integrated assessment model and its assessments of global carbon abatement schemes. Science China: Earth Sciences, 2016, 59(1): 185-206.https://doi.org/10.1007/s11430-015-5141-3 URL [本文引用: 2]摘要 From the perspective of global economic general equilibrium, this study developed a new climate change IAM named CIECIA. The economic core of this IAM is a multi-country-sector general equilibrium model. The endogenous technology progress mode is introduced into CIECIA. Based on this model, three assessment principles of the global cooperating abatement scheme are proposed, including effectiveness, feasibility, and fairness. This study simulated and analyzed six types of primary global cooperating abatement schemes. The simulated results indicate that all of the selected schemes can satisfy the climate mitigation targets by 2100. Thus, they are all effective schemes. However, the schemes have quite different feasibilities and fairness. The Stern Scheme benefits the developed countries, but is unfair to the developing countries. The Nordhaus Scheme promotes the developments of the developing countries. However, it leads to negative impacts on the interests of the developed countries. The principle of convergence on accumulated carbon emissions per capita and the principle of convergence on carbon emissions per capita benefit the economic developments of the middle and low developing countries most. However, these two types of schemes cause tremendous losses to the main economic entities in the world including China. The Pareto Improvement Scheme, which was developed from the Global Economic Growth Scheme, balances the fairness and feasibility in the carbon abatement process and realizes the Pareto improvement of accumulated utilities in all the participating countries. Thus, the Pareto Improvement Scheme is the most reasonable global cooperating carbon abatement scheme.
[15]	Jin K.Industrial structure and capital flows. The American Economic Review, 2012, 102(5): 2111-2146.https://doi.org/10.1257/aer.102.5.2111 URL [本文引用: 4]摘要 This paper provides a new theory of international capital flows. In a framework that integrates factor-proportions-based trade and financial capital flows, a novel force emerges: capital tends to flow toward countries that become more specialized in capital-intensive industries. This "composition" effect competes with the standard force that channels capital toward the location where it is scarcer. If the composition effect dominates, capital flows away from the country hit by a positive labor force/productivity shock flow "reversal." Extended to a quantitative framework, the model generates sizable current account imbalances between developing and developed countries broadly consistent with the data.
[16]	Svirezhev Y, Brovkin V, von Bloh W. Optimisation of reduction of global CO₂ emission based on a simple model of the carbon cycle. Environmental Modeling & Assessment, 1999, 4(1): 23-33.https://doi.org/10.1023/A:1019039628546 URL [本文引用: 2]摘要 A simple model has been designed to describe the interaction of climate and biosphere. Carbon dioxide, understood as a major emitted gas, leads to a change of global climate. Economic interpretation of the model is based on the maximisation of the global CO 2 cumulative emissions. The two most important profiles of emission have been obtained: optimal and multi-exponential suboptimal profiles, each displaying different characteristics.
[17]	Nordhaus W D, Yang Z.Regional dynamic general-equilibrium model of alternative climate-change strategies. The American Economic Review, 1996, 86(4): 741-746.https://doi.org/10.1016/S0169-5150(96)01196-6 URL [本文引用: 2]摘要 Most analyses treat global warming as a single-agent problem. The present study presents the Regional Integrated model of Climate and the Economy (RICE) model. By disaggregating into countries, the model analyzes different national strategies in climate-change policy: pure market solutions, efficient cooperative outcomes, and noncooperative equilibria. This study finds that cooperative policies show much higher levels of emissions reductions than do noncooperative strategies; that there are substantial differences in the levels of controls in both the cooperative and the noncooperative policies among different countries; and that high-income countries may be the major losers from cooperation.
[18]	Buonanno P, Carraro C, Galeotti M.Endogenous induced technical change and the costs of Kyoto. Resource and Energy Economics, 2003, 25(1): 11-34.https://doi.org/10.1016/S0928-7655(02)00015-5 URL [本文引用: 1]摘要 We present a model for climate change policy analysis which accounts for the possibility that technology evolves endogenously and that technical change can be induced by environmental policy measures. Both the output production technology and the emission utput ratio depend upon a stock of knowledge, which accumulates through R&D activities. Two versions of this model are studied, one with endogenous technical change but exogenous environmental technical change and the other with both endogenous and induced technical change. A third version also captures technological spillover effects. As an application, the model is simulated allowing for trade of pollution permits as specified in the Kyoto Protocol and assessing the implications in terms of cost efficiency, economic growth and R&D efforts of the three different specifications of technical change.
[19]	Lorentz A, Savona M.Evolutionary micro-dynamics and changes in the economic structure. Journal of Evolutionary Economics, 2008, 18(3): 389-412.https://doi.org/10.1007/s00191-008-0096-6 URL [本文引用: 2]摘要 The paper aims to account for the empirical stylized facts related to changes in sectoral structures that have led to the growth of services in most advanced countries over recent decades. A growth model with evolutionary micro–founded structural change is developed, which formalizes the role of technical change and changes in intermediate demand as they affect the evolution of the sectoral composition of the economy and macro-economic growth. The simulated results are based on the use of the actual data, including Input–Output coefficients in the case of Germany. Three scenarios are identified, which account for the effects of a set of key parameters on changes in the structure of the economy.
[20]	顾高翔, 王铮. 经济相互作用与产业进化下全球经济和气候保护问题研究. 北京: 科学出版社, 2015. [本文引用: 2] [Gu Gaoxiang, Wang Zheng.A Research of the Global Economy and Climate Protection under the Global Economic Interactions and Industrial Evolution. Beijing: Science Press, 2015.] [本文引用: 2]
[21]	Abel A B.The effects of a baby boom on stock prices and capital accumulation in the presence of social security. Econometrica, 2003, 71(2): 551-78.https://doi.org/10.1111/1468-0262.00417 URL [本文引用: 1]摘要 Is the stock market boom a result of the baby boom? This paper develops an overlapping generations model in which a baby boom is modeled as a high realization of a random birth rate, and the price of capital is determined endogenously by a convex cost of adjustment. A baby boom increases national saving and investment and thus causes an increase in the price of capital. The price of capital is meanreverting so the initial increase in the price of capital is followed by a decrease. Social Security can potentially affect national saving and investment, though in the long run, it does not affect the price of capital.
[22]	顾高翔, 王铮. 国际资本流动模式及其国际经济影响模拟研究 , 财经研究. 2015, 41(11): 58-70. [本文引用: 1] [Gu Gaoxiang, Wang Zheng.A research on the global capital flow and its economic impacts. Journal of Finance and Economics, 2015, 41(11): 58-70.] [本文引用: 1]
[23]	Nelson R R, Winter S G.An Evolutionary Theory of Economic Change. Cambridge: The Belknap Press of Harvard University Press, 1982. [本文引用: 1]
[24]	United Nations Department of Economic and Social Affairs. The World Population Prospects: 2015 Revision . , 2015-7-29.URL [本文引用: 1]
[25]	U.S. Energy Information Administration. International Energy Statistics . , 2016-10-12.URL [本文引用: 1]
[26]	Pizer W A.The optimal choice of climate change policy in the presence of uncertainty. Resource & Energy Economics, 1999, 21(3-4): 255-287.https://doi.org/10.1016/S0928-7655(99)00005-6 URL [本文引用: 1]摘要 Considerable uncertainty surrounds both the consequences of climate change and their valuation over horizons of decades or centuries. Yet, there have been few attempts to factor such uncertainty into current policy decisions concerning stringency and instrument choice. This paper presents a framework for determining optimal climate change policy under uncertainty and compares the resulting prescriptions to those derived from a more typical analysis with best-guess parameter values. Uncertainty raises the optimal level of emission reductions and leads to a preference for taxes over rate controls. This suggests that analyses which ignore uncertainty can lead to inefficient policy recommendations.
[27]	吴静, 朱潜挺, 刘昌新, 等. DICE/RICE模型中碳循环模块的比较 . 生态学报, 2014, 34(22): 6734-6744.https://doi.org/10.5846/stxb201302250298 URL Magsci [本文引用: 1]摘要碳循环模型的正确构建是影响综合集成评估模型IAM(Integrated Assessment Model)模拟结果的重要因素之一.DICE/RICE模型中的碳循环模型主要有两个,即Nordhaus单层碳库模型和Nordhaus三层碳库模型,但这两个模型的主要缺陷是不考虑陆地生态系统在碳循环中的贡献,因此,引入了包含陆地生态系统的Svirezhev碳循环模型,并将其与Nordhaus单层碳库模型、Nordhaus三层碳库模型展开比较研究.结果表明,在基于历史数据的模型检验中,Svirezhev碳循环模型对全球二氧化碳浓度模拟的准确度优于其他两个模型.对于未来全球气候变化的模拟,3个模型模拟得到了至2100年的温度预测值分别为2.98,3.54,2.91℃,二氧化碳浓度值分别为608.04,733.04,594.70μL/L.其中,Svirezhev碳循环模型的模拟值在3个模型中最低,表明了陆地生态系统和海洋对二氧化碳的吸收作用对抑制全球升温的贡献;而分析也发现Nordhaus三层碳库模型对陆地生态系统和海洋碳库的模拟与实际观测值偏离较大.最后,通过敏感性分析,研究发现DICE/RICE模型中使用的气候响应模块在短期温度模拟中对地表温度的初值较为敏感,在长期温度模拟中敏感度显著下降.总之,从碳循环机制的模拟性能而言,Svirezhev碳循环模型优于其他两个模型,而Nordhaus单层碳库模型虽然机制较为简单却保证了模拟的准确性,但Nordhaus三层碳库模型虽然丰富了碳库的表征,实际上各碳库的模拟准确性差,降低了模型的可靠性. [Wu Jing, Zhu Qianting, Liu Changxin, et al.Comparison of the carbon cycle models in DICE/RICE. Acta Ecologica Sinica, 2014, 34(22): 6734-6744.]https://doi.org/10.5846/stxb201302250298 URL Magsci [本文引用: 1]摘要碳循环模型的正确构建是影响综合集成评估模型IAM(Integrated Assessment Model)模拟结果的重要因素之一.DICE/RICE模型中的碳循环模型主要有两个,即Nordhaus单层碳库模型和Nordhaus三层碳库模型,但这两个模型的主要缺陷是不考虑陆地生态系统在碳循环中的贡献,因此,引入了包含陆地生态系统的Svirezhev碳循环模型,并将其与Nordhaus单层碳库模型、Nordhaus三层碳库模型展开比较研究.结果表明,在基于历史数据的模型检验中,Svirezhev碳循环模型对全球二氧化碳浓度模拟的准确度优于其他两个模型.对于未来全球气候变化的模拟,3个模型模拟得到了至2100年的温度预测值分别为2.98,3.54,2.91℃,二氧化碳浓度值分别为608.04,733.04,594.70μL/L.其中,Svirezhev碳循环模型的模拟值在3个模型中最低,表明了陆地生态系统和海洋对二氧化碳的吸收作用对抑制全球升温的贡献;而分析也发现Nordhaus三层碳库模型对陆地生态系统和海洋碳库的模拟与实际观测值偏离较大.最后,通过敏感性分析,研究发现DICE/RICE模型中使用的气候响应模块在短期温度模拟中对地表温度的初值较为敏感,在长期温度模拟中敏感度显著下降.总之,从碳循环机制的模拟性能而言,Svirezhev碳循环模型优于其他两个模型,而Nordhaus单层碳库模型虽然机制较为简单却保证了模拟的准确性,但Nordhaus三层碳库模型虽然丰富了碳库的表征,实际上各碳库的模拟准确性差,降低了模型的可靠性.
[28]	Wang Z, Zhang S, Wu J.A new RICEs model with the global emission reduction schemes. Chinese Science Bulletin, 2012, 57(33): 4373-4380.https://doi.org/10.1007/s11434-012-5272-2 URL [本文引用: 2]
[29]	刘昌新. 新型集成评估模型的构建与全球减排合作方案研究 . 北京: 中国科学院大学博士学位论文, 2013.URL [本文引用: 1]摘要应对全球气候变化，需要科学模型的定量分析。集成评估模型(IntegratedAssessmentModels，IAM)是综合评价气候变化与经济福利损失的模型。尽管目前IAM已经取得了巨大的成就，但是仍有许多问题待解决。如何将IAM的经济细化到部门水平，同时还能将气候变化因素作为影响经济增长的因子反映在经济生产函数中，以研究气候变化与全球经济平稳增长的关系，需要研究讨论。而当应对全球气候变化的国际气候谈判陷入僵局时，也急切需要我们从一种新的思路重新思考问题，提出能被国际上所接受的减排方案，力争促成各国家就全球减排方案达成一致。　　本文第一章对目前... [Liu Changxin.The construction of a new style of IAM and study on the global corporations for the mitigation of the carbon dioxide. Beijing: Doctoral Dissertation of University of Chinese Academy of Sciences, 2013.]URL [本文引用: 1]摘要应对全球气候变化，需要科学模型的定量分析。集成评估模型(IntegratedAssessmentModels，IAM)是综合评价气候变化与经济福利损失的模型。尽管目前IAM已经取得了巨大的成就，但是仍有许多问题待解决。如何将IAM的经济细化到部门水平，同时还能将气候变化因素作为影响经济增长的因子反映在经济生产函数中，以研究气候变化与全球经济平稳增长的关系，需要研究讨论。而当应对全球气候变化的国际气候谈判陷入僵局时，也急切需要我们从一种新的思路重新思考问题，提出能被国际上所接受的减排方案，力争促成各国家就全球减排方案达成一致。　　本文第一章对目前...
[30]	Malik K.The 2013 Human Development Report-The Rise of the South: Human Progress in a Diverse World. New York: United Nations Development Program, 2013.https://doi.org/10.1111/j.1728-4457.2013.00624.x URL [本文引用: 1]摘要 This report summarizes the full Human Development Report 2013 providing a synopsis of each of the five chapters and includes the statistical tables found in the full report.
[31]	Rostow W W.The Stages of Economic Growth: A Non-Communist Manifesto. London: Cambridge University Press, 1960. [本文引用: 1]
[32]	胡敏. 全球一般均衡下地缘政治经济研究与全球治理分析 . 北京: 中国科学院大学博士学位论文, 2015. [本文引用: 1] [Hu Min.Geopolinomic and global governance analysis under the global general equilibrium. Beijing: Doctoral Dissertation of University of Chinese Academy of Sciences, 2015.] [本文引用: 1]

投资控制下中国产业结构调整的碳治理模拟

本站小编 Free考研考试/2021-12-29

A simulation of China's carbon governance under industrial restructuring by investment control

1 引言

2 研究方法与数据来源

2.1 部门生产与投资

2.2 国际资本流动

2.3 过程技术进步

2.4 数据来源与模型校验

3 投资控制的经济和碳排放影响

3.1 基准情景

3.2 投资控制情景

4 投资结余分配的碳治理意义

5 结论与讨论

5.1 结论

5.2 讨论

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

相关话题/投资 经济 控制 能源 国际

领限时大额优惠券,享本站正版考研考试资料!

经济权力视角下中美战略均势的地理透视

京津冀存在“集聚阴影”吗——大城市的区域经济影响

国际社会文化地理学研究发展与启示——基于Social and Cultural Geography论文统计分析

中国城市市政基础设施投资效率及对经济增长的影响

创新松散型产业的创新网络特征及其对创新绩效的影响研究——以长江经济带物流产业为例

极端洪灾情景下上海汽车制造业经济损失与波及效应评估

渤海海峡跨海通道建设对环渤海地区经济重心的影响——基于物流GDP增加值测算

社会经济及环境因子对不同收入群体自评健康的影响

中国省域文化旅游资本的空间结构与流动——基于主题公园投资数据的分析

西部内陆省区区域经济差异影响因素——以重庆为例

投资控制下中国产业结构调整的碳治理模拟

本站小编 Free考研考试/2021-12-29

A simulation of China's carbon governance under industrial restructuring by investment control

1 引言

2 研究方法与数据来源

2.1 部门生产与投资

2.2 国际资本流动

2.3 过程技术进步

2.4 数据来源与模型校验

3 投资控制的经济和碳排放影响

3.1 基准情景

3.2 投资控制情景

4 投资结余分配的碳治理意义

5 结论与讨论

5.1 结论

5.2 讨论

参考文献文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

相关话题/投资 经济 控制 能源 国际

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

相关话题/投资经济控制能源国际