碳减排的经济影响分析精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的碳减排的经济影响分析主题范文，仅供参考，欢迎阅读并收藏。

第1篇：碳减排的经济影响分析范文

关键词：二氧化碳；减排成本；减排技术；减排对策

一、我国二氧化碳排放基本状况分析

随着经济发展，温室效应不断加剧，已严重影响到了人类的生存与发展。二氧化碳是最主要的温室气体，对温室效应的作用可达66%。大部分的温室气体与人类活动有关，特别是进入工业化后，温室气体的浓度急速上升。

1.我国二氧化碳排放的总体特征

我国能源主要是石油、煤炭等化石燃料，这类能源是二氧化碳的主要能源。而且，由于我国是上升期的发展中国家，经济的快速增长，能源消耗大，导致我国二氧化碳排放量很大。我国在上个世纪80年代以前二氧化碳排放量相对较小，在21世纪之前，二氧化碳的排放量增速缓慢。从2003年开始，随着我国经济的迅猛发展，二氧化碳的排放量迅猛的增长，增长率达到了13%。在2010年，我国成为世界上二氧化碳排放量最大的国家，超过了美国。

欧盟的碳排放量一直居高不下，美国的碳排放量也一直是处于稳定的高水平状态。中国与日本的碳排放量从1980年到2007年都出现增长，日本增量较小，中国增量较大，总体碳排放量超过了美国。发达国家，已度过了工业化初期高耗能的时期，碳排放量趋于稳定并缓慢减少。中国由于经济的发展，碳排放量大增，减排任务极重。而且由于技术的不到位，强制性减排会造成很大的经济代价。

2.我国不同地区及不同行业碳排放量的现状

我国不同省区二氧化碳排放量有很大的差异。2007年，绝对碳排放量最多的省份是山东，最少的省份是海南；碳排放量增长速度最快的是宁夏和内蒙古，最少的黑龙江。从分布区域看，东部地区二氧化碳排

放量占到了全国排放量的一半，而且增长最快，达到9.8%；中部地区占到26.72%，增长率分别为8.85%；西部相对最少，增长率为7.45%；从行业分布来看，工业碳排放量占到全国的70%以上，高耗能行业碳排放量增长了一倍。其中有色金属冶炼及压延加工业碳排放增长最快。电力碳排放系数总体呈下降趋势。

二、温室气体减排成本分析

减排成本是一个关键制约因素，发展中国家短期内无法通过技术进步实现减排目标，只能是通过限制、关闭高排放部门来实现，这就需付出巨大的经济代价。

1.减排成本的基本概述

对二氧化碳减排成本可以从不同视角、层次对二氧化碳的减排成本的定义和估算。总体来说，可以从宏观层面和微观层面进行界定。

从微观角度，二氧化碳减排成本是指一个国家或地区为了实现减排目标而直接投入的技术和资金。从宏观角度，二氧化碳减排成本是指一个国家或地区为了实现减排目标采取措施从而对宏观经济造成的影响，即通过强制性减排造成的国家GDP损失。这种损失主要是因为在短期内无法依靠技术进步而达到减排目标，只能通过限制高耗能企业的发展来减少二氧化碳排放量，这样抑制了经济的发展，付出很大的经济代价。本文主要从宏观角度分析，还涉及到边际减排成本，边际减排成本是指每减少一单位二氧化碳排放量所引起的GDP的减少量。

2.我国二氧化碳减排成本分析

经济发展与减少二氧化碳排放量存在的一种矛盾的关系，如何做出一个适当的权衡非常重要。通过考察中国经济发展和二氧化碳排放量之间的关系，运用投入产出分析及多目标规划理论，建立了中国宏观经济成本估算模型。通过对模型的求解，对其结果的分析，建立了下图。

从表中我们可以看出二氧化碳排放量与潜在GDP之间的关系，从而对中国减排宏观经济成本做出粗略的计算。不同的二氧化碳排放量对应不同的GDP值，当二氧化碳的排放量最大时，GDP值也最大。当GDP值为最大值35.30万亿元时，二氧化碳排放量也达到最大值97.01吨。从另一方面，也可以看出，对二氧化碳的限制将以降低GDP的增长率为代价。通过对上图数据的计算分析得出下表。

从表中可以看出，当二氧化碳减排的力度越大，减排的宏观经济代价就越大，GDP的年增长率就会越低，二氧化碳的宏观经济成本就越高，而且在不同的减排力度下，成本的上升幅度也不同。在

减排量在4.42亿吨到7.59亿吨的区间内，减排量每增加1%，宏观经济成本就上升0.20%；在7.59到9.84这个区间内，减排量每增加1%，宏观经济成本就上升0.46%。同时也可以看出，碳强度降低的弹性较小。二氧化碳减排对我国经济的影响十分显著，我国2010年二氧化碳减排的宏观经济成本约为3100―4024元/吨二氧化碳。

然而由于温室效应的消极影响越来越大，国际对中国温室气体减排的要求越来越高，中国目前必需节能减排，由于技术的不到位只能强制性减排，造成了很大的经济损失。如表2中所示为二氧化碳浓度稳定在650ppmv，550ppmv，450ppmv情景下对我国经济的影响。

可以看出在450ppmv稳定情景下，发展中国家在2010年减排，会出现经济损失。减排率越大经济损失就越大。所以大规模的二氧化碳减排会对我国经济带来巨大的损失，对二氧化碳浓度要求越低，我国的经济损失就越大。如图中所示在450ppmv情景下，2100年损失可达到4.8%，在650情景下损失就小的多；有长期准备的减排其损失要小于突然快速减排；技术是实现减排的核心。

因此，在设定限排目标时应充分考虑到二氧化碳减排对我国宏观经济的影响程度，根据实际的潜力和承受力确定合理目标。减排要依靠长期的技术进步，短期内碳排放强度下降的空间弹性不塌，因此不宜把目标设的太高。

参考文献：

[1]范英.温室气体减排的成本、路径与政策研究[M].科学出版社，2011（7）：112-152

第2篇：碳减排的经济影响分析范文

关键词：天然气；碳税；碳排放量；最优供给量；替代作用

中图分类号：F2

文献标识码：A

doi：10.19311/ki.16723198.2017.05.006

1引言

我国目前已经是世界上能源消费量和碳排放量最大的国家之一，煤炭约占我国能源供应的70%。但这种以煤为主的消费结构，却是引起我国大气污染的主要原因。当下中国85%的煤炭是通过直接燃烧使用的，主要包括火力发电、工业锅炉、民用取暖和家庭炉灶等。高耗低效燃烧煤炭向空气中排放出大量SO2、CO2和烟尘，造成中国以煤烟型为主的大气污染。而天然气作为一种优质、高效、清洁的化石能源，与煤相比，可以同时解决碳排放和污染两个问题。我国以天然气为燃料的分布式能源系统建设以逐步进入实质性开发实施阶段，“试点先行”将成为推动天然气体制改革的探索方案。

已有的研究较多关注经济体中短期的减排应急之策，聚焦于环境管制政策，例如碳税、资源税、排污费以及生态补偿机制等，研究认为长期内发展低碳经济在于提高能源效率和优化能源结构。但是将长期内低碳经济与短期应急减排策略相结合的研究较少。本文的核心任务就是研究在环境管制政策下天然气和煤炭减排成本的经济可比性，考虑企业利润、社会福利等因素，探讨天然气相对于煤炭能否成为中国清洁可靠能源保障的合理长期选择。

本文以天然夂兔禾康奶寂帕课对象，在传统模型基础上做出一些调整，首先研究不同碳税，控制不同碳排量，天然气和煤炭的环境成本核算，包括碳税和减排成本；再综合企业供应利润，在单位煤炭天然气热值构成的约束条件下得到总利润函数，考虑经济损失，获得社会总福利函数；最后比较分析天然气和基于环境管制政策下的替代作用，从该角度实现能源结构调整、推进节能减排。本文的研究为我能源企业合理控制环境成本、实现经济与环境的双赢和政府制定相关减排政策提供了理论依据。

2文献综述

目前国内已有大量文献从宏观层面上研究国家化石能源燃烧后的碳排放对经济影响。碳排放是我国在经济发展过程应该考虑重要问题。

有研究者建立了对碳排放和我国经济发展的计量经济模型，从定量角度分析二者相关性。武红（2013）等通过建立近五十多年我国的碳排放总量和国内生产总值的计量经济学模型，发现在这期间经济增长过程中，存在从碳排放总量到GDP的单项Granger因果关系，即高碳排放促进了经济的增长，但经济增长并不会明显导致碳排放的增加。另一方面，冷雪（2012）认为如果存在一个经济可以容易地使用低碳排放要素投入去代替高碳排放要素投入，就可以削弱经济增长与碳排放之间因果关系的显著性。同样建立近三十年计量经济学模型，研究表明碳排放与经济增长之间没有存在明显的环境库兹涅兹曲线，即在不采取减排措施的假设下，我国碳排放量不会自然地减少，反而碳排放量会随着经济发展而急剧增加，因此采取经济手段和政治措施进行二氧化碳减排是必要的。

GDP碳排放强度也是对碳排放和经济发展关系研究的一个方面。张友国（2010）认为，在经济发展方式变化的各构成因素种，生产部门能源强度的降低是导致中国碳排放强度下降的最主要因素，直接能源消费率的下降也对碳排放强度产生了明显的抑制作用，另外随着电力对原煤的替代，终端能源消费结构的变化也使碳排放强度略有下降。刘广力（2012）将煤炭消耗引入到了GDP与碳排放的关系之间，他认为从长期来看，煤炭消耗比重的持续增加必然会使碳排放的增长速度高于GDP的增长速度，因此大大提高碳排放强度。因此，我国要降低碳排放需要从分子上的碳排放量入手，不断寻找清洁能源和提高各能源使用力度和效率的方法，降低煤炭消耗比重，从而达到降低排放的目的。

在研究宏观层面的同时，已经有越来越多的学者利用各类模型来研究碳排放问题，其中以CGE模型或者基于CGE模型的变形为主。有学者从能源环境经济系统出发，构建我国能源经济动态CEG模型，也有从二氧化碳减排、缓解常规能源供给压力的能源可持续发展角度出发，构建了基于另一种模型假设基础之上的CGE模型。大多研究的是环境管制制度背景下企业的减排行为和碳交易问题。在研究煤电行业实施碳减排的路径选择方面，叶斌等（2013）在参与开发中国能源与环境政策分析模型（CEEPA）基础上进行相关扩展和补充；在探讨影响碳排放减排成本因素方面，姚云飞等（2012）构建了煤电全生命周期碳排放强度模型和碳排放权资源影子价格模型，研究了煤电企业和煤电行业的碳减排潜力、减排成本及其影响因素。一些学者还考虑了其他因素，胡雅楠等（2014）加入了CO2排放减少的居民支付意愿；杨翱等（2014）还考虑了生产者和使用者角度的能耗责任归属原则，从投入产出模型内外部两个层面界定能耗强度系数，以此提出能源消耗外部性的测定模型。部分文献综合模拟分析不同碳税水平、不同能源使用效率、不同碳税使用方式对二氧化碳减排强度、二氧化碳排放强度边际变化率、部门产出及其价格、经济发展、社会福利等变量的影响，娄峰等（2014）通过构建动态可计算一般均衡（DCGE）模型；任志娟等（2012）Sartzetakis的分析框架，用cournot模型将这三种减排手段统一探讨。

已有的与碳排放相关的研究中，大多数文献研究方向在减排方式的选择和影响减排成本因素宏观分析等方面，而少有文献具体针对天然气和煤炭减排时对社会总福利的影响进行探讨，包括比较环境管制政策下煤炭和天然气最优供应量、社会总福利、厂商的利润额等。而这个角度研究对于我国目前亟待解决优化能源结构，推动天热气改革极具实际参考价值。鉴于此，本文将针对该处空白进行研究。

3模型说明

4模型分析

从模型中可以看出，供应商利润Ui与煤炭供应量Ci成负相关关系，同时，社会总福利U也与煤炭供应量Ci成显然的负相关关系。煤炭供应量的上升一方面会使得供应商利润因减排成本的上升和碳税的上升而下降，另一方面，会在供应商利润下降和环境外部性的影响下，使得社会总体福利下降。这两方面的因素导致在环境管制政策下，煤炭使用成本是高昂的，这恰恰是天然气替代煤炭的意义所在。

从供应约束来看，在一个地区以热值计量的能源总需求量不变的情况下，天然气作为一种清洁高效的能源，对煤炭具有显著的替代作用。天然气对煤炭的替代作用具体可以体现在如下的三个方面：一是由于燃烧产生相同热量时，天然气比煤炭产生更少的二氧化碳，使用天然气替代煤炭可以减少供应商的碳排放，使得供应商的减排成本下降，提高企业利润；二是使用天然气所带来的较低的碳排放量同样会使得企业面临的碳税下降，从而进一步降低供应商成本；三是温室气体排放会对不同区域造成不同的环境外部性影响，天然气对煤炭的替代降低了温室气体的排放量，从而降低了能源使用的外部性，降低了社会总体成本，提高了社会总福利。综上所述，在环境政策管制政策下，具体而言，在政府设置一定碳税的情况下，天然气对煤炭的替代效用在企业利润层面和社会福利层面均产生正面的影响，这也从经济效益和福利经济学角度解释了天然气使用的必要性。

基金项目：

河北省廊坊市科学技术局2015年廊坊市科学技术研究与发展计划自筹经费项目“创新城市建设背景下廊坊市高新技术产业创新模式与机制研究”（项目编号：2015023104）。

5结论及政策建议

天然气作为一种单位碳排放量小、产热效率高的煤炭的替代能源，正在世界范围内越来越多地被开发和使用，我国政府须重视天然气对传统化石能源的替代，以配合我国的可持续发展战略。针对本文提出的问题，结合我国的客观实际，现提出具体的政策建议如下：一是制定更加完善的法律法规，规范能源市场，提高能源使用效率，加大对重污染企业的惩处力度；二是利用合理的碳税等政策对能源结构进行调整，重视天然气对煤炭的替代作用；三是增加天然气管道等基础设施建设投入，引导企业和居民正确、安全地使用天然气，促使天然气使用向普遍化、高效化、常态化的方向发展。

参考文献

[1]张倩.环境管制与煤炭企业竞争力关系的理论研究[J].资源开发与市场，2013，（03）：303306.

[2]赫永达.基于能源消费的资本与能源替代效应研究[D].长春：吉林大学，2015.

[3]郭正权，刘海滨，牛东晓.基于CGE模型的我国碳税政策对能源与二氧化碳排放影响的模拟分析[J].煤炭工程，2012，（01）：138140.

[4]云箭，覃国军，徐凤银等.低碳视角下中国非常规天然气的开发利用前景[J].石油学报，2012，（03）：526532.

[5]孙慧，李伟.天然气如何在节能减排中发挥作用[J].石油规划设计，2009，（05）：79，50.

[6]姚云飞.中国减排成本及减排政策模拟：CEEPA模型的拓展研究[D].合肥：中国科学技术大学，2012.

[7]王亚璇.中国重点污染行业环境绩效和减排成本估算及区域比较研究[D].北京：北京理工大学，2016.

[8]单卫国.未来中国天然气市场发展方向[J].国际石油经济，2016，（02）：5962.

[9]王建民，杨文培，杨力.双赢目标约束下中国能源结构调整测算[J].中国人口・资源与环境，2016，（03）：2736.

[10]申万，张广军.雾霾治理情境下的中国煤炭消费总量研究[J].发展研究，2014，（12）：6771.

[11]付俊.我国煤炭及天然气消费与经济增长关系研究[J].中国集体经济，2015，（25）：1415.

[12]刘畅，杜伟，庞淑娟.征收碳税对我国二氧化碳减排的影[J].中国能源，2014，（09）：2126.

第3篇：碳减排的经济影响分析范文

在能源和环境容量约束严峻的背景下，既要保持经济增长，还要推进低碳经济转型和不断提高社会生产的环境友好性程度，是各国特别是发展中国家实现可持续发展和建设生态文明的重要课题。但是，在碳减排意义上如何理解和界定社会生产环境友好性的内涵？如何考虑历史累积碳排放责任与碳强度减排策略的关系？如何对一经济体的碳排放责任和碳减排努力作出更为合理的评价？这些都是需要深入探讨的重要问题。

因此，研究中既需要考察一经济体当前绝对碳减排量，也同时考虑经济发展要求、历史累积碳排放和实际作出的累积碳减排努力程度，进行综合评价和分析判断，在下一阶段国际碳减排磋商谈判和实际碳减排决策中，有助于理性把握各经济体实际碳减排努力程度和可能承诺，进行有效决策。

一、碳减排和环境产出

社会生产的环境友好性，要求纳入环境产出因素，建立社会“环境―经济”复合社会产出目标。假设社会产出包括经济生产和环境生产两个方面，两者之间存在替代关系，但又具有某种联合生产和范围经济特性[1]。其中，在本研究中，经济产出以一经济体GDP总量，环境产出以碳减排量（根据相对2005年基期2020年中国碳排放强度降低45%的相对减排目标，以2005年中国碳排放强度为基准参照强度，进行绝对减排量的换算，参考表1中计算公式）进行度量。借鉴生产可能性的概念，可知：在一定范围内，存在通过技术进步或提高技术效率实现同时提高经济产出和改善环境的社会生产调整路径。从碳减排意义上来说，也就是兼顾实现经济发展和碳减排的环境友好型调整路径。

在主流环境经济学理论中，通常把污染排放（包括碳排放）视为经济发展的外部性效应或负的非期望产出（undesirable output），然后，将其导致的社会负收益或正成本通过内部化而纳入经济分析框架，用以研究环境资源和经济资源的优化配置方式与调整过程。在采用DEA方法进行环境绩效和效率评价时，该理论假设隐含设定负的非期望环境产出具有弱处置性，降低非期望产出，就需要减少正期望产出，不能满足DEA模型产出最大化的要求，因而一般将求解目标调整为在两者之间寻求平衡。为方便研究，对负期望产出的处理方法主要有负产出法、线性数据转换法和非线性数据转换法[2]。

根据IPCC定义，碳排放是7种主要大气污染物按一定系数加总换算得到的等当量碳排放值，主要与能源利用有关，依据环境经济学假设一般将其作为负期望产出。相对于一般污染排放的概念，碳排放与社会经济发展过程的关系更为紧密和广泛。根据IPAT模型，碳排放主要取决于人口规模（P）、经济发展水平（A，人均GDP）和技术水平（T，一般采用碳排放强度表征）。STIRPAT模型将IPAT模型扩展为C-D函数形式，将碳排放量的变化归因于人口数量、人均GDP、产业结构、城市化等指数化驱动因素的影响[3]。

不同于传统的环境管理，降低碳排放影响的努力，不仅包括“主动”降低生产生活过程中与能源消费直接相关的碳排放（即碳减排），如能源利用清洁化、能源结构低碳化、能源效率与节能、碳捕获/碳储存（CSS）等，还应包括通过产业结构低碳化、增加碳汇（如植树造林）、不破坏或不过度开发现有环境资源（或碳汇资源）、生活方式低碳化等“消极”或间接的碳减排和提高可排放容量的努力。该努力部份，特别是碳汇资源增量，具有长期的减排效应。该部分的减排努力不易测算，现有基于负期望产出假设的理论，对此未给予明确和充分的解释。

与一般负期望环境产出假设不同，非负环境产出假设[4]认为，给定经济生产和环境生产可替代，在社会生产可能性边界内，社会生产目标是追求相对实现社会环境产出（Q）和经济产出（P）的最优配置（即林达尔均衡配置）的“合意”目标，而不是一般意义上在径向距离上逼近经济生产前沿面。与碳减排概念相结合，把该“环境产出”概念界定为考察第t年及之前年份的累积碳减排量，满足正期望产出假设，表示为：

进一步，假设碳排放量本文中有关变量，在未特殊说明的情况下，一般是指年均量。直接取决于一经济体能源消费量及其含碳程度，碳排放量应当是实际发生的碳排放量。因此，与能源消费有关的碳排放量测算的基本方法，是采用各种一次能源消费与相应碳排放系数乘数再加总得到。碳减排量则是该变量的衍生概念，是指相邻年份的相对净碳减排量。作为累积碳减排量的环境产出概念，包括了对已实现碳减排成果（或环境存量）的保护。

采用环境方向产出距离函数的DEA生产效率测度理论，在有关研究[4-5]的基础上，借鉴采用切克兰德的“水平―结构―动态效率”三维度软系统评价方法，提出了评价一经济体社会生产环境友好性的指标集，对有关概念和评价指标及方法进行了进一步厘清界定、修正和拓展（表1），提取了有关评价指标集，用于对1980-2013年期间美国（USA）、欧盟（EU）、日本（JAP）、德国（GER）、印度（IND）与中国（CHN）的环境友好性进行评价、分析和比较。

同时，对其他国家水平指标的测算均以2020年中国经济产出目标和环境产出目标作为参照指标，结构指标和动态效率指标测算方式不受影响。在国际比较中，水平指标和结构指标本身已经是相对指标，而对于动态效率指标，统一以1980-2013年期间中国对应指标的t-1期值作为参照进行测算，形成可用于比较的相对动态效率指标。

二、数据准备

为了解中国环境生产水平及其效率相对国际水平的差异，选择了发达经济体美国、欧盟、德国、日本和同属金砖四国的巴西、印度作为参照，视为经济规模具有可比性的生产单元进行评价和比较。

2018年及以前各经济体（包括中国）经济产出数据，采用国际货币基金组织世界经济展望2013（IMF WEO2013）的美元单位购买力平价GDP及增长率数据；为预测2019-2020年各经济体GDP总量，采用二次指数平滑法（阻尼系数α=0.05）和IMF所预测2018年各经济体货币对美元不变汇率预测各经济体这两年的GDP增长率。其他数据采取与中国类似的测算方式。

碳减排方面，以2005年中国碳排放强度（约1.039tC/万美元）为参照基准。在碳减排量和环境产出测算方面，考察期（1980-2013年）内各经济体碳减排数据参考BP公司的《2014年世界能源统计年鉴》，减排目标参考值分别设定为：欧盟承诺2020年前碳排放总量相对1990年降低20%，美国承诺2015年碳排放总量相对2005年下降17%，印度承诺相对2005年碳排放强度降低25%。以此为依据分别计算各经济体2015年或2020年绝对碳排放量和环境产出。

另外，需要指出的是，由于采用中国2005年碳排放强度作为环境产出测算的基准强度，因部分环境产出指数测算不允许负值，因此采用各经济体各年份环境产出值减去1980年中国环境产出（负值），进行坐标变换。这种情况下，采用该算法和坐标变换后得到的1980年环境产出值是零，但其他经济体1980年环境产出值非零。该坐标变换会影响到中国相关指标考察期间的选择，但不影响国际比较。

三、环境生产和环境友好性评价

（一）环境产出、GDP和人均GDP

采用经济产出规模指标――购买力平价GDP（单位：10亿美元）为横坐标，根据新环境产出公式（式（1）），以2005年中国碳排放强度为参考强度，可换算得到美国、欧盟、日本、德国、印度与中国的环境产出值

因测算方法原因，结合滞后期影响分析，环境产出值均采用1986年及以后的数据。与环境产出有关的指数测算结果，也作相同处理。。将该环境产出作为纵坐标，可以看出新的“环境产出”（图1a）、碳排放量（图1b）与GDP的关系明显不同。

特别是，在图1a中，按新的概念测算，在同等约6.2万亿美元及以上GDP产出水平上，中国2007年环境产出水平略超过美国1994年的水平，而在图1b中，在同等约4.6万亿美元及以上GDP产出水平上，中国碳排放量（2004年水平）开始显著超过美国（1986水平）。显然，两者的涵义相反：实现同等经济产出水平，后者意味着中国碳排放更高，前者则意味着中国同时实现了较高环境产出（累积碳减排），以新的“环境产出”概念进行指标评价，中国作出了更多的环境努力。总的来说，实现同等经济规模，中美欧三者环境产出水平基本相近。

进一步，采用衡量社会经济综合发展水平的人均GDP指标（作为横轴），分别以环境产出（以2005年碳排放强度为参考强度计算）和碳排放量作为纵轴（如图2），可知：随着人均GDP增长，欧美的环境产出水平高于德日巴3国，欧盟显著高于美国；考察期内，除中印外的其他经济体碳排放量增长明显趋于平缓，欧盟和德国甚至开始下降，呈现明显的“碳脱钩”[6-7]。需要重点指出的是，在人均GDP低于1万美元水平上，随着人均GDP增长，中印两国碳排放量和环境产出量都显著“双高”于其他经济体，中国的增长曲线更为陡峭。并且，同等人均GDP水平上，中国碳排放量远高于印度，环境产出则反之。

总体上，“环境产出―GDP（表征经济规模）”、“环境产出―人均GDP（表征社会经济发展水平）”两组变量数据分别呈现出明显不同的关系模式（如图1a和图2a）。

二、数据准备

为了解中国环境生产水平及其效率相对国际水平的差异，选择了发达经济体美国、欧盟、德国、日本和同属金砖四国的巴西、印度作为参照，视为经济规模具有可比性的生产单元进行评价和比较。

2018年及以前各经济体（包括中国）经济产出数据，采用国际货币基金组织世界经济展望2013（IMF WEO2013）的美元单位购买力平价GDP及增长率数据；为预测2019-2020年各经济体GDP总量，采用二次指数平滑法（阻尼系数α=0.05）和IMF所预测2018年各经济体货币对美元不变汇率预测各经济体这两年的GDP增长率。其他数据采取与中国类似的测算方式。

碳减排方面，以2005年中国碳排放强度（约1.039tC/万美元）为参照基准。在碳减排量和环境产出测算方面，考察期（1980-2013年）内各经济体碳减排数据参考BP公司的《2014年世界能源统计年鉴》，减排目标参考值分别设定为：欧盟承诺2020年前碳排放总量相对1990年降低20%，美国承诺2015年碳排放总量相对2005年下降17%，印度承诺相对2005年碳排放强度降低25%。以此为依据分别计算各经济体2015年或2020年绝对碳排放量和环境产出。

另外，需要指出的是，由于采用中国2005年碳排放强度作为环境产出测算的基准强度，因部分环境产出指数测算不允许负值，因此采用各经济体各年份环境产出值减去1980年中国环境产出（负值），进行坐标变换。这种情况下，采用该算法和坐标变换后得到的1980年环境产出值是零，但其他经济体1980年环境产出值非零。该坐标变换会影响到中国相关指标考察期间的选择，但不影响国际比较。

三、环境生产和环境友好性评价

（一）环境产出、GDP和人均GDP

采用经济产出规模指标――购买力平价GDP（单位：10亿美元）为横坐标，根据新环境产出公式（式（1）），以2005年中国碳排放强度为参考强度，可换算得到美国、欧盟、日本、德国、印度与中国的环境产出值

因测算方法原因，结合滞后期影响分析，环境产出值均采用1986年及以后的数据。与环境产出有关的指数测算结果，也作相同处理。。将该环境产出作为纵坐标，可以看出新的“环境产出”（图1a）、碳排放量（图1b）与GDP的关系明显不同。

特别是，在图1a中，按新的概念测算，在同等约6.2万亿美元及以上GDP产出水平上，中国2007年环境产出水平略超过美国1994年的水平，而在图1b中，在同等约4.6万亿美元及以上GDP产出水平上，中国碳排放量（2004年水平）开始显著超过美国（1986水平）。显然，两者的涵义相反：实现同等经济产出水平，后者意味着中国碳排放更高，前者则意味着中国同时实现了较高环境产出（累积碳减排），以新的“环境产出”概念进行指标评价，中国作出了更多的环境努力。总的来说，实现同等经济规模，中美欧三者环境产出水平基本相近。

进一步，采用衡量社会经济综合发展水平的人均GDP指标（作为横轴），分别以环境产出（以2005年碳排放强度为参考强度计算）和碳排放量作为纵轴（如图2），可知：随着人均GDP增长，欧美的环境产出水平高于德日巴3国，欧盟显著高于美国；考察期内，除中印外的其他经济体碳排放量增长明显趋于平缓，欧盟和德国甚至开始下降，呈现明显的“碳脱钩”[6-7]。需要重点指出的是，在人均GDP低于1万美元水平上，随着人均GDP增长，中印两国碳排放量和环境产出量都显著“双高”于其他经济体，中国的增长曲线更为陡峭。并且，同等人均GDP水平上，中国碳排放量远高于印度，环境产出则反之。

总体上，“环境产出―GDP（表征经济规模）”、“环境产出―人均GDP（表征社会经济发展水平）”两组变量数据分别呈现出明显不同的关系模式（如图1a和图2a）。

二、数据准备

为了解中国环境生产水平及其效率相对国际水平的差异，选择了发达经济体美国、欧盟、德国、日本和同属金砖四国的巴西、印度作为参照，视为经济规模具有可比性的生产单元进行评价和比较。

2018年及以前各经济体（包括中国）经济产出数据，采用国际货币基金组织世界经济展望2013（IMF WEO2013）的美元单位购买力平价GDP及增长率数据；为预测2019-2020年各经济体GDP总量，采用二次指数平滑法（阻尼系数α=0.05）和IMF所预测2018年各经济体货币对美元不变汇率预测各经济体这两年的GDP增长率。其他数据采取与中国类似的测算方式。

碳减排方面，以2005年中国碳排放强度（约1.039tC/万美元）为参照基准。在碳减排量和环境产出测算方面，考察期（1980-2013年）内各经济体碳减排数据参考BP公司的《2014年世界能源统计年鉴》，减排目标参考值分别设定为：欧盟承诺2020年前碳排放总量相对1990年降低20%，美国承诺2015年碳排放总量相对2005年下降17%，印度承诺相对2005年碳排放强度降低25%。以此为依据分别计算各经济体2015年或2020年绝对碳排放量和环境产出。

另外，需要指出的是，由于采用中国2005年碳排放强度作为环境产出测算的基准强度，因部分环境产出指数测算不允许负值，因此采用各经济体各年份环境产出值减去1980年中国环境产出（负值），进行坐标变换。这种情况下，采用该算法和坐标变换后得到的1980年环境产出值是零，但其他经济体1980年环境产出值非零。该坐标变换会影响到中国相关指标考察期间的选择，但不影响国际比较。

三、环境生产和环境友好性评价

（一）环境产出、GDP和人均GDP

采用经济产出规模指标――购买力平价GDP（单位：10亿美元）为横坐标，根据新环境产出公式（式（1）），以2005年中国碳排放强度为参考强度，可换算得到美国、欧盟、日本、德国、印度与中国的环境产出值

因测算方法原因，结合滞后期影响分析，环境产出值均采用1986年及以后的数据。与环境产出有关的指数测算结果，也作相同处理。。将该环境产出作为纵坐标，可以看出新的“环境产出”（图1a）、碳排放量（图1b）与GDP的关系明显不同。

特别是，在图1a中，按新的概念测算，在同等约6.2万亿美元及以上GDP产出水平上，中国2007年环境产出水平略超过美国1994年的水平，而在图1b中，在同等约4.6万亿美元及以上GDP产出水平上，中国碳排放量（2004年水平）开始显著超过美国（1986水平）。显然，两者的涵义相反：实现同等经济产出水平，后者意味着中国碳排放更高，前者则意味着中国同时实现了较高环境产出（累积碳减排），以新的“环境产出”概念进行指标评价，中国作出了更多的环境努力。总的来说，实现同等经济规模，中美欧三者环境产出水平基本相近。

进一步，采用衡量社会经济综合发展水平的人均GDP指标（作为横轴），分别以环境产出（以2005年碳排放强度为参考强度计算）和碳排放量作为纵轴（如图2），可知：随着人均GDP增长，欧美的环境产出水平高于德日巴3国，欧盟显著高于美国；考察期内，除中印外的其他经济体碳排放量增长明显趋于平缓，欧盟和德国甚至开始下降，呈现明显的“碳脱钩”[6-7]。需要重点指出的是，在人均GDP低于1万美元水平上，随着人均GDP增长，中印两国碳排放量和环境产出量都显著“双高”于其他经济体，中国的增长曲线更为陡峭。并且，同等人均GDP水平上，中国碳排放量远高于印度，环境产出则反之。

总体上，“环境产出―GDP（表征经济规模）”、“环境产出―人均GDP（表征社会经济发展水平）”两组变量数据分别呈现出明显不同的关系模式（如图1a和图2a）。

二、数据准备

为了解中国环境生产水平及其效率相对国际水平的差异，选择了发达经济体美国、欧盟、德国、日本和同属金砖四国的巴西、印度作为参照，视为经济规模具有可比性的生产单元进行评价和比较。

2018年及以前各经济体（包括中国）经济产出数据，采用国际货币基金组织世界经济展望2013（IMF WEO2013）的美元单位购买力平价GDP及增长率数据；为预测2019-2020年各经济体GDP总量，采用二次指数平滑法（阻尼系数α=0.05）和IMF所预测2018年各经济体货币对美元不变汇率预测各经济体这两年的GDP增长率。其他数据采取与中国类似的测算方式。

碳减排方面，以2005年中国碳排放强度（约1.039tC/万美元）为参照基准。在碳减排量和环境产出测算方面，考察期（1980-2013年）内各经济体碳减排数据参考BP公司的《2014年世界能源统计年鉴》，减排目标参考值分别设定为：欧盟承诺2020年前碳排放总量相对1990年降低20%，美国承诺2015年碳排放总量相对2005年下降17%，印度承诺相对2005年碳排放强度降低25%。以此为依据分别计算各经济体2015年或2020年绝对碳排放量和环境产出。

另外，需要指出的是，由于采用中国2005年碳排放强度作为环境产出测算的基准强度，因部分环境产出指数测算不允许负值，因此采用各经济体各年份环境产出值减去1980年中国环境产出（负值），进行坐标变换。这种情况下，采用该算法和坐标变换后得到的1980年环境产出值是零，但其他经济体1980年环境产出值非零。该坐标变换会影响到中国相关指标考察期间的选择，但不影响国际比较。

三、环境生产和环境友好性评价

（一）环境产出、GDP和人均GDP

采用经济产出规模指标――购买力平价GDP（单位：10亿美元）为横坐标，根据新环境产出公式（式（1）），以2005年中国碳排放强度为参考强度，可换算得到美国、欧盟、日本、德国、印度与中国的环境产出值

因测算方法原因，结合滞后期影响分析，环境产出值均采用1986年及以后的数据。与环境产出有关的指数测算结果，也作相同处理。。将该环境产出作为纵坐标，可以看出新的“环境产出”（图1a）、碳排放量（图1b）与GDP的关系明显不同。

特别是，在图1a中，按新的概念测算，在同等约6.2万亿美元及以上GDP产出水平上，中国2007年环境产出水平略超过美国1994年的水平，而在图1b中，在同等约4.6万亿美元及以上GDP产出水平上，中国碳排放量（2004年水平）开始显著超过美国（1986水平）。显然，两者的涵义相反：实现同等经济产出水平，后者意味着中国碳排放更高，前者则意味着中国同时实现了较高环境产出（累积碳减排），以新的“环境产出”概念进行指标评价，中国作出了更多的环境努力。总的来说，实现同等经济规模，中美欧三者环境产出水平基本相近。

进一步，采用衡量社会经济综合发展水平的人均GDP指标（作为横轴），分别以环境产出（以2005年碳排放强度为参考强度计算）和碳排放量作为纵轴（如图2），可知：随着人均GDP增长，欧美的环境产出水平高于德日巴3国，欧盟显著高于美国；考察期内，除中印外的其他经济体碳排放量增长明显趋于平缓，欧盟和德国甚至开始下降，呈现明显的“碳脱钩”[6-7]。需要重点指出的是，在人均GDP低于1万美元水平上，随着人均GDP增长，中印两国碳排放量和环境产出量都显著“双高”于其他经济体，中国的增长曲线更为陡峭。并且，同等人均GDP水平上，中国碳排放量远高于印度，环境产出则反之。

总体上，“环境产出―GDP（表征经济规模）”、“环境产出―人均GDP（表征社会经济发展水平）”两组变量数据分别呈现出明显不同的关系模式（如图1a和图2a）。

二、数据准备

为了解中国环境生产水平及其效率相对国际水平的差异，选择了发达经济体美国、欧盟、德国、日本和同属金砖四国的巴西、印度作为参照，视为经济规模具有可比性的生产单元进行评价和比较。

2018年及以前各经济体（包括中国）经济产出数据，采用国际货币基金组织世界经济展望2013（IMF WEO2013）的美元单位购买力平价GDP及增长率数据；为预测2019-2020年各经济体GDP总量，采用二次指数平滑法（阻尼系数α=0.05）和IMF所预测2018年各经济体货币对美元不变汇率预测各经济体这两年的GDP增长率。其他数据采取与中国类似的测算方式。

碳减排方面，以2005年中国碳排放强度（约1.039tC/万美元）为参照基准。在碳减排量和环境产出测算方面，考察期（1980-2013年）内各经济体碳减排数据参考BP公司的《2014年世界能源统计年鉴》，减排目标参考值分别设定为：欧盟承诺2020年前碳排放总量相对1990年降低20%，美国承诺2015年碳排放总量相对2005年下降17%，印度承诺相对2005年碳排放强度降低25%。以此为依据分别计算各经济体2015年或2020年绝对碳排放量和环境产出。

另外，需要指出的是，由于采用中国2005年碳排放强度作为环境产出测算的基准强度，因部分环境产出指数测算不允许负值，因此采用各经济体各年份环境产出值减去1980年中国环境产出（负值），进行坐标变换。这种情况下，采用该算法和坐标变换后得到的1980年环境产出值是零，但其他经济体1980年环境产出值非零。该坐标变换会影响到中国相关指标考察期间的选择，但不影响国际比较。

三、环境生产和环境友好性评价

（一）环境产出、GDP和人均GDP

采用经济产出规模指标――购买力平价GDP（单位：10亿美元）为横坐标，根据新环境产出公式（式（1）），以2005年中国碳排放强度为参考强度，可换算得到美国、欧盟、日本、德国、印度与中国的环境产出值

因测算方法原因，结合滞后期影响分析，环境产出值均采用1986年及以后的数据。与环境产出有关的指数测算结果，也作相同处理。。将该环境产出作为纵坐标，可以看出新的“环境产出”（图1a）、碳排放量（图1b）与GDP的关系明显不同。

特别是，在图1a中，按新的概念测算，在同等约6.2万亿美元及以上GDP产出水平上，中国2007年环境产出水平略超过美国1994年的水平，而在图1b中，在同等约4.6万亿美元及以上GDP产出水平上，中国碳排放量（2004年水平）开始显著超过美国（1986水平）。显然，两者的涵义相反：实现同等经济产出水平，后者意味着中国碳排放更高，前者则意味着中国同时实现了较高环境产出（累积碳减排），以新的“环境产出”概念进行指标评价，中国作出了更多的环境努力。总的来说，实现同等经济规模，中美欧三者环境产出水平基本相近。

进一步，采用衡量社会经济综合发展水平的人均GDP指标（作为横轴），分别以环境产出（以2005年碳排放强度为参考强度计算）和碳排放量作为纵轴（如图2），可知：随着人均GDP增长，欧美的环境产出水平高于德日巴3国，欧盟显著高于美国；考察期内，除中印外的其他经济体碳排放量增长明显趋于平缓，欧盟和德国甚至开始下降，呈现明显的“碳脱钩”[6-7]。需要重点指出的是，在人均GDP低于1万美元水平上，随着人均GDP增长，中印两国碳排放量和环境产出量都显著“双高”于其他经济体，中国的增长曲线更为陡峭。并且，同等人均GDP水平上，中国碳排放量远高于印度，环境产出则反之。

总体上，“环境产出―GDP（表征经济规模）”、“环境产出―人均GDP（表征社会经济发展水平）”两组变量数据分别呈现出明显不同的关系模式（如图1a和图2a）。

二、数据准备

为了解中国环境生产水平及其效率相对国际水平的差异，选择了发达经济体美国、欧盟、德国、日本和同属金砖四国的巴西、印度作为参照，视为经济规模具有可比性的生产单元进行评价和比较。

2018年及以前各经济体（包括中国）经济产出数据，采用国际货币基金组织世界经济展望2013（IMF WEO2013）的美元单位购买力平价GDP及增长率数据；为预测2019-2020年各经济体GDP总量，采用二次指数平滑法（阻尼系数α=0.05）和IMF所预测2018年各经济体货币对美元不变汇率预测各经济体这两年的GDP增长率。其他数据采取与中国类似的测算方式。

碳减排方面，以2005年中国碳排放强度（约1.039tC/万美元）为参照基准。在碳减排量和环境产出测算方面，考察期（1980-2013年）内各经济体碳减排数据参考BP公司的《2014年世界能源统计年鉴》，减排目标参考值分别设定为：欧盟承诺2020年前碳排放总量相对1990年降低20%，美国承诺2015年碳排放总量相对2005年下降17%，印度承诺相对2005年碳排放强度降低25%。以此为依据分别计算各经济体2015年或2020年绝对碳排放量和环境产出。

另外，需要指出的是，由于采用中国2005年碳排放强度作为环境产出测算的基准强度，因部分环境产出指数测算不允许负值，因此采用各经济体各年份环境产出值减去1980年中国环境产出（负值），进行坐标变换。这种情况下，采用该算法和坐标变换后得到的1980年环境产出值是零，但其他经济体1980年环境产出值非零。该坐标变换会影响到中国相关指标考察期间的选择，但不影响国际比较。

三、环境生产和环境友好性评价

（一）环境产出、GDP和人均GDP

采用经济产出规模指标――购买力平价GDP（单位：10亿美元）为横坐标，根据新环境产出公式（式（1）），以2005年中国碳排放强度为参考强度，可换算得到美国、欧盟、日本、德国、印度与中国的环境产出值

因测算方法原因，结合滞后期影响分析，环境产出值均采用1986年及以后的数据。与环境产出有关的指数测算结果，也作相同处理。。将该环境产出作为纵坐标，可以看出新的“环境产出”（图1a）、碳排放量（图1b）与GDP的关系明显不同。

特别是，在图1a中，按新的概念测算，在同等约6.2万亿美元及以上GDP产出水平上，中国2007年环境产出水平略超过美国1994年的水平，而在图1b中，在同等约4.6万亿美元及以上GDP产出水平上，中国碳排放量（2004年水平）开始显著超过美国（1986水平）。显然，两者的涵义相反：实现同等经济产出水平，后者意味着中国碳排放更高，前者则意味着中国同时实现了较高环境产出（累积碳减排），以新的“环境产出”概念进行指标评价，中国作出了更多的环境努力。总的来说，实现同等经济规模，中美欧三者环境产出水平基本相近。

进一步，采用衡量社会经济综合发展水平的人均GDP指标（作为横轴），分别以环境产出（以2005年碳排放强度为参考强度计算）和碳排放量作为纵轴（如图2），可知：随着人均GDP增长，欧美的环境产出水平高于德日巴3国，欧盟显著高于美国；考察期内，除中印外的其他经济体碳排放量增长明显趋于平缓，欧盟和德国甚至开始下降，呈现明显的“碳脱钩”[6-7]。需要重点指出的是，在人均GDP低于1万美元水平上，随着人均GDP增长，中印两国碳排放量和环境产出量都显著“双高”于其他经济体，中国的增长曲线更为陡峭。并且，同等人均GDP水平上，中国碳排放量远高于印度，环境产出则反之。

总体上，“环境产出―GDP（表征经济规模）”、“环境产出―人均GDP（表征社会经济发展水平）”两组变量数据分别呈现出明显不同的关系模式（如图1a和图2a）。

二、数据准备

为了解中国环境生产水平及其效率相对国际水平的差异，选择了发达经济体美国、欧盟、德国、日本和同属金砖四国的巴西、印度作为参照，视为经济规模具有可比性的生产单元进行评价和比较。

2018年及以前各经济体（包括中国）经济产出数据，采用国际货币基金组织世界经济展望2013（IMF WEO2013）的美元单位购买力平价GDP及增长率数据；为预测2019-2020年各经济体GDP总量，采用二次指数平滑法（阻尼系数α=0.05）和IMF所预测2018年各经济体货币对美元不变汇率预测各经济体这两年的GDP增长率。其他数据采取与中国类似的测算方式。

碳减排方面，以2005年中国碳排放强度（约1.039tC/万美元）为参照基准。在碳减排量和环境产出测算方面，考察期（1980-2013年）内各经济体碳减排数据参考BP公司的《2014年世界能源统计年鉴》，减排目标参考值分别设定为：欧盟承诺2020年前碳排放总量相对1990年降低20%，美国承诺2015年碳排放总量相对2005年下降17%，印度承诺相对2005年碳排放强度降低25%。以此为依据分别计算各经济体2015年或2020年绝对碳排放量和环境产出。

另外，需要指出的是，由于采用中国2005年碳排放强度作为环境产出测算的基准强度，因部分环境产出指数测算不允许负值，因此采用各经济体各年份环境产出值减去1980年中国环境产出（负值），进行坐标变换。这种情况下，采用该算法和坐标变换后得到的1980年环境产出值是零，但其他经济体1980年环境产出值非零。该坐标变换会影响到中国相关指标考察期间的选择，但不影响国际比较。

三、环境生产和环境友好性评价

（一）环境产出、GDP和人均GDP

采用经济产出规模指标――购买力平价GDP（单位：10亿美元）为横坐标，根据新环境产出公式（式（1）），以2005年中国碳排放强度为参考强度，可换算得到美国、欧盟、日本、德国、印度与中国的环境产出值

因测算方法原因，结合滞后期影响分析，环境产出值均采用1986年及以后的数据。与环境产出有关的指数测算结果，也作相同处理。。将该环境产出作为纵坐标，可以看出新的“环境产出”（图1a）、碳排放量（图1b）与GDP的关系明显不同。

特别是，在图1a中，按新的概念测算，在同等约6.2万亿美元及以上GDP产出水平上，中国2007年环境产出水平略超过美国1994年的水平，而在图1b中，在同等约4.6万亿美元及以上GDP产出水平上，中国碳排放量（2004年水平）开始显著超过美国（1986水平）。显然，两者的涵义相反：实现同等经济产出水平，后者意味着中国碳排放更高，前者则意味着中国同时实现了较高环境产出（累积碳减排），以新的“环境产出”概念进行指标评价，中国作出了更多的环境努力。总的来说，实现同等经济规模，中美欧三者环境产出水平基本相近。

进一步，采用衡量社会经济综合发展水平的人均GDP指标（作为横轴），分别以环境产出（以2005年碳排放强度为参考强度计算）和碳排放量作为纵轴（如图2），可知：随着人均GDP增长，欧美的环境产出水平高于德日巴3国，欧盟显著高于美国；考察期内，除中印外的其他经济体碳排放量增长明显趋于平缓，欧盟和德国甚至开始下降，呈现明显的“碳脱钩”[6-7]。需要重点指出的是，在人均GDP低于1万美元水平上，随着人均GDP增长，中印两国碳排放量和环境产出量都显著“双高”于其他经济体，中国的增长曲线更为陡峭。并且，同等人均GDP水平上，中国碳排放量远高于印度，环境产出则反之。

总体上，“环境产出―GDP（表征经济规模）”、“环境产出―人均GDP（表征社会经济发展水平）”两组变量数据分别呈现出明显不同的关系模式（如图1a和图2a）。

二、数据准备

为了解中国环境生产水平及其效率相对国际水平的差异，选择了发达经济体美国、欧盟、德国、日本和同属金砖四国的巴西、印度作为参照，视为经济规模具有可比性的生产单元进行评价和比较。

2018年及以前各经济体（包括中国）经济产出数据，采用国际货币基金组织世界经济展望2013（IMF WEO2013）的美元单位购买力平价GDP及增长率数据；为预测2019-2020年各经济体GDP总量，采用二次指数平滑法（阻尼系数α=0.05）和IMF所预测2018年各经济体货币对美元不变汇率预测各经济体这两年的GDP增长率。其他数据采取与中国类似的测算方式。

碳减排方面，以2005年中国碳排放强度（约1.039tC/万美元）为参照基准。在碳减排量和环境产出测算方面，考察期（1980-2013年）内各经济体碳减排数据参考BP公司的《2014年世界能源统计年鉴》，减排目标参考值分别设定为：欧盟承诺2020年前碳排放总量相对1990年降低20%，美国承诺2015年碳排放总量相对2005年下降17%，印度承诺相对2005年碳排放强度降低25%。以此为依据分别计算各经济体2015年或2020年绝对碳排放量和环境产出。

另外，需要指出的是，由于采用中国2005年碳排放强度作为环境产出测算的基准强度，因部分环境产出指数测算不允许负值，因此采用各经济体各年份环境产出值减去1980年中国环境产出（负值），进行坐标变换。这种情况下，采用该算法和坐标变换后得到的1980年环境产出值是零，但其他经济体1980年环境产出值非零。该坐标变换会影响到中国相关指标考察期间的选择，但不影响国际比较。

三、环境生产和环境友好性评价

（一）环境产出、GDP和人均GDP

采用经济产出规模指标――购买力平价GDP（单位：10亿美元）为横坐标，根据新环境产出公式（式（1）），以2005年中国碳排放强度为参考强度，可换算得到美国、欧盟、日本、德国、印度与中国的环境产出值

因测算方法原因，结合滞后期影响分析，环境产出值均采用1986年及以后的数据。与环境产出有关的指数测算结果，也作相同处理。。将该环境产出作为纵坐标，可以看出新的“环境产出”（图1a）、碳排放量（图1b）与GDP的关系明显不同。

特别是，在图1a中，按新的概念测算，在同等约6.2万亿美元及以上GDP产出水平上，中国2007年环境产出水平略超过美国1994年的水平，而在图1b中，在同等约4.6万亿美元及以上GDP产出水平上，中国碳排放量（2004年水平）开始显著超过美国（1986水平）。显然，两者的涵义相反：实现同等经济产出水平，后者意味着中国碳排放更高，前者则意味着中国同时实现了较高环境产出（累积碳减排），以新的“环境产出”概念进行指标评价，中国作出了更多的环境努力。总的来说，实现同等经济规模，中美欧三者环境产出水平基本相近。

进一步，采用衡量社会经济综合发展水平的人均GDP指标（作为横轴），分别以环境产出（以2005年碳排放强度为参考强度计算）和碳排放量作为纵轴（如图2），可知：随着人均GDP增长，欧美的环境产出水平高于德日巴3国，欧盟显著高于美国；考察期内，除中印外的其他经济体碳排放量增长明显趋于平缓，欧盟和德国甚至开始下降，呈现明显的“碳脱钩”[6-7]。需要重点指出的是，在人均GDP低于1万美元水平上，随着人均GDP增长，中印两国碳排放量和环境产出量都显著“双高”于其他经济体，中国的增长曲线更为陡峭。并且，同等人均GDP水平上，中国碳排放量远高于印度，环境产出则反之。

总体上，“环境产出―GDP（表征经济规模）”、“环境产出―人均GDP（表征社会经济发展水平）”两组变量数据分别呈现出明显不同的关系模式（如图1a和图2a）。

式（12）说明：环境产出与经济发展水平（人均GDP）、当期与基期的广义技术差距（碳排放强度之差）和人口规模POPt有关。同时可以看出，环境产出与人口规模之间的关系，与碳排放IPAT公式的简单关系刻画有所不同。

基于以上关系描述，可以初步理解，中印“双高”的原因主要在于：一方面，因经济增长迅速和高碳能源结构等约束，两国碳排放增长迅速；另一方面，依据本文环境产出测算方法，两国环境产出增长迅速与人口规模增长、GDP/人均GDP双增长和年均碳减排量高等原因有关，说明考察期内随着社会经济发展水平提高，两国也同时付出了很大的碳减排和环境生产努力，GDP的能源消费及相关碳排放强度下降明显。

对应来看，美欧德日巴5个经济体环境产出增长与碳排放趋势在内涵上基本一致，即环境生产的增长主要是由碳减排推动。其中，美欧德主要是通过加大碳减排力度和促进碳排放脱钩，来实现环境产出提高；而日巴也呈现出一定的环境产出与碳排放“双略增”的趋势，原因在于两国因经济增长影响碳排放有所增加，具体而言是：仍未走出经济增长停滞“怪圈”的日本近年来的经济增长有所复苏，同时因暂停核电开发，增加了碳基能源消费；巴西则是处于经济追赶阶段的发展中国家，经济增长及其规模效应推动了碳排放的增长。

（二）基于“水平―结构―动态效率”三维指标的测算和比较

1.水平相对指标的测算和比较

由测算得到各经济体经济产出（EL）和环境产出水平指数（ENL）、“经济―环境”综合发展水平指数（EENL）（图3），可得以下发现。

经济产出水平指数（EL）：结合IMF WEO（2014）预测，2020年前中国GDP（PPP修正）将一直处于快速增长过程，2020年美国和欧洲经济规模将相当于中国的约90.89%和83.33%，其他国家都被远远超越。

环境产出水平指数（ENL）：考察期内，中国环境产出在2008年和2009年分别超过德国和日本，仅次于欧美位居第3。但是，在考察期内，德日两国环境产出水平相近且始终保持平稳，欧美分别在1983年和1993年才超过两国，说明德日始终保持较高的低碳化水平。

进一步，采用变异系数法测算不同经济体在发展过程中对环境产出和经济产出的权重（表2）。变异系数用以描述期内各经济体对于实现环境和经济产出目标的难易程度。结合本研究可知，变异系数越大，意味着对应环境努力程度更高。所测算得到的权重系数，可用于评价考察期内对该项指标实现的侧重程度。

由各指标结果可以看到：考察期内，中国环境产出水平相对最低，欧美水平较高，其他相近；欧美中的努力水平较高。由于基础相对较差，中国环境产出改善的效果最为明显。在经济产出方面，中美欧努力水平（变异系数）较高，但中国改善程度最大。整体看，中国对经济发展和环境的政策偏好与欧美相近，说明考察期内中国在致力于社会经济发展方面以欧美发展模式作为了主要参考，同时取得了经济环境“双快速增长”的良好成绩。日德巴印4国均相对侧重于经济发展，主要与这些国家环境基础条件保持较好有关。中国要真正实现环境和经济协调的低碳化发展，下一阶段应提高环境产出权重，加大环境努力。图3 “经济―环境”综合发展水平指数

“经济―环境”综合发展水平指数（EENL）：该指数测算采用Fisher指数构造方法。环境产出和经济产出的测算均以中国2020年目标水平为参照（标准化为1），因此，据此得到的中国2020年“经济―环境”综合发展水平指数也是标准化值1。

由图3可知，欧美发展水平明显高于除中国外的其他经济体，但中国追赶速度很快。印度增速也较快。从“环境―经济”协调程度改善（综合指数增速）的角度看，中国改善最快，欧美次之，印日德巴4国增长平缓。但是，需要说明的是，中国该指数的改善主要得益于快速经济增长的贡献。

2.结构指标的测算和比较

考察期内，依据碳排放强度指标，各经济体广义碳减排技术水平基本处于持续进步状态，即碳排放强度持续降低，与多数研究结论一致。但是，依据评价广义环境技术进步的环境生产强度（单位与碳排放强度相同）指标，结论却显然不同（表3）。

总体上，各经济体环境强度有趋同趋势，中国技术进步水平最低，但改善最为明显；欧美技术进步水平相对稳定；德日巴印的所谓“技术退步”状态，主要原因在于GDP增速高于环境产出增速，其中，印巴两国更多地强调了经济增长。

环境友好指数是社会产出和环境产出的无量纲化比值，说明的是一经济体在社会发展中趋于环境友好的程度。2020年中国该指数取值为1。虽然这并不完全标志着该年份中国的“环境―经济”生产满足目标“合意”配置，但不影响国际间比较。

由图4和表4看出，各国社会生产的环境友好程度呈现明显的趋同趋势。

考察期内，中国社会生产的环境友好程度底子薄，虽在整个考察期内呈提高趋势，但横向比仍最低。

德日欧美环境友好程度高，发展平稳。结合实际看，4经济体经济发展水平也较高，说明采取了较合理的社会发展方式。其中，美欧人口和经济规模与中国相近，在环境生产上采取“踩碎步”的改进模式，具有更高的可比性和借鉴意义。日德的环境友好程度一直好于欧美，指数略趋降的原因是考察期内总体上GDP增长超过环境产出增长。

图4 环境友好指数国际比较

巴印两国则是在较低经济发展水平上实现的“高”环境友好性。并且，在考察期内，两国环境友好程度明显下降，应与两国侧重经济增长的发展模式有关。

3.动态效率指数的测算和比较

动态效率基本指数集包括对环境产出的总体绩效（DENP）、广义技术进步影响（DENT）和经济产出影响（DEEN）的3项评价指数，是基于相邻年份环比关系对单一经济体环境生产的动态评价。该类指标只能用于经济体自身动态效率的纵向比较。此外，为更便于辨析环境产出和碳排放概念及其应用的不同，也分别给出考察期内经济增长（DCEP）和技术进步（DCTP）对碳排放影响的动态指数变化情况，测算方法相同。

由测算结果（如图5）可得以下结论。

第一，对所有经济体，考察期内经济增长对环境产出的动态影响均基本为负向效应（DEEN

第二，在广义技术进步对环境产出动态影响方面，在整个考察期内对中国始终保持正向效应（DETP>1）且最为显著，但作用逐渐减弱；对欧美在多数年份保持平稳正向效应，变动很小，对欧盟作用强于美国；对其他4国均基本保持负向效应（DETP

第三，依据DCEP指数，考察期内经济增长对碳排放的影响，对发达经济体而言，对欧盟和德国在约1/2年份和对美日在约1/3年份呈现正向效应。

大体以1996年和2001年为两个标志性年份，经济增长对4个发达经济体碳排放的影响方式分为三个阶段：1980-1996年和2001年后4个经济体的影响模式相近，1996-2001年期间有所差异。对中巴印3国，经济增长的碳排放效应均呈负向效应（DCEP

第四，依据DCTP指数，在整个考察期内对各经济体，广义技术进步对碳排放均基本呈正向效应，对中国作用相对最为显著。

进一步，采用同年份中国环境产出及其强度、碳排放及碳排放强度、GDP数据作为参照，仅选取广义环境技术进步可比指数（正向指标，简写为RENTP，测算公式如式（13））和广义碳减排技术进步可比指数（负向指标，简写为RCTP，测算公式如式（14）），用于比较同期其他经济体与中国的广义环境技术和广义碳减排技术进步差距。

由测算结果（如图6）有以下发现。

其一，考察期内，各经济体之间及其与中国的广义环境技术进步差距，均呈现迅速缩小和趋同的趋势。依据RENTP指数，总体上，发达经济体均保持较高技术进步水平，德日两国高于欧美。仅依据表面指数值，巴印两国广义环境技术进步衰退明显，原因在于初期两国经济发展较低，碳排放水平低，近年来也采取了侧重经济增长的发展模式。

其二，依据RCTP指数，考察期内，各经济体的广义碳减排技术进步影响的变化趋势趋同，且均明显高于中国。但是，巴西的广义碳排放技术退步明显。

4.基于2020年碳减排承诺的预期环境友好特征评价和国际比较

以2020年预期GDP标准化为参照值1，以及根据中国承诺测算的2020年碳排放量（1 026 652万吨），相应环境产出量（2 962 654万吨）也标准化为参照值1，可知2020年中国环境友好指数和复合产出水平指数也是1。

由表4可知，以2020年中国各环境生产相关指数为参照，日德两国环境产出水平最高，环境技术进步水平也最高。经济发展处于较低水平的巴印两国，环境产出水平和环境友好程度较高的原因在于既有的高环境存量，其环境技术水平较高内涵意味着对环境存量的保护工作开展得好。欧美两经济体与中国经济规模相近，但环境友好程度、环境产出水平和碳减排技术进步程度均高。比较可知，中国“经济―环境”复合生产水平高的原因，主要在于经济发展的贡献，在以碳减排努力为代表的环境生产领域仍亟待努力。

具体而言，测算得到的中国2015和2020年环境友好指数反而相对之前明显降低。以2020年环境友好为1，考察期内1990年至今的环境友好都高于1。这说明中国现有碳强度减排承诺目标偏低或经济产出目标过高，“环境―经济”生产目标制定的环境友好性偏低。

四、经济增长对碳排放和环境产出的影响分析

根据前述定义，可以将环境产出看作受经济增长、直接碳排放和影响碳排放的其他间接因素等影响的趋势性成份和周期性成分的叠加。HP滤波方法可以帮助剔出周期性成分影响，保留某一影响因素的趋势性成份。

这里，采用HP滤波方法，对各经济体，在碳排放和环境产出序列中分别剔出经济产出（GDP）周期性因素的影响，识别经济影响的趋势性成份（如图7），用以说明一经济体经济增长对于自身碳排放影响（DCEP）和环境产出影响（DEEN）的不同趋势特征。该趋势成份值大于1，说明经济增长对该方面影响呈正向效应；趋势成分值小于1，则说明呈负向效应。

依据结果可以看到，各经济体经济增长对环境产出的净影响总体呈负向效应，也就是说，经济增长在一定程度上会抵消碳减排努力。而对碳排放则因经济体不同而不同。相应的趋势影响分析（表5）也能够说明经济与环境产出、碳排放存在不同的趋势效应。

五、政策建议和结论

本文采用基于正期望产出假设的环境经济分析理论，对中国和美欧等7个主要经济体的社会“环境―经济”生产的状况进行了比较和分析，与采用碳排放或年度碳减排指标的有关国际比较研究结论有所不同，本研究主要有以下结论。

碳减排与社会生产的环境友好性在内涵上具有一致性。经济增长对环境生产（累积碳减排）总体呈负面影响，有效的碳减排政策应与促进经济增长的政策相独立。考察期内，实现同等经济规模，中美欧3经济体环境产出水平相近，日德始终保持较高低碳化水平，巴印环境产出水平较高的原因在于较低经济发展水平上对环境存量的低消耗；中美欧对经济和环境产出的政策偏好相近，但中国未来需要更加重视环境生产；美欧德日巴5经济体环境生产与碳减排变化趋势一致，而中印两国环境生产与碳排放“双增长”的原因在于伴随经济增长的结构调整等政策导致的碳减排；各国社会生产的环境友好程度呈现明显趋同趋势，而中国相对仍最低，德日欧美的社会经济发展模式更为合理。但是，中国累积环境生产努力最大，改善也最明显。此外，从环境友好性角度看，按照中国2020年承诺测算的社会生产环境友好性水平偏低，甚至低于现阶段，需要进行调整。

从动态效率角度看，考察期内，经济增长对环境产出的负面效应，对较大规模的经济体影响也较大，但随时间推移趋于减弱，其中对中国影响最明显；广义环境技术进步影响对各经济体呈现趋同趋势，对中美欧体现为正效应，而对其他4经济体效应为负，对中国正效应最显著。但是与碳减排相关的单纯技术进步也没有遏止碳排放增长的势头。

由此，结合中国实际情况提出以下政策建议：在当前放缓经济增长和建设生态文明的背景下，中国应在未来适当调高环境生产目标或降低经济产出目标，提高环境友好性程度，进一步加大环境和碳减排努力，促进经济低碳化发展；调整经济增长速率和节奏，控制经济增长的负面环境影响；采取与经济增长相独立的碳减排政策，加大该领域投入，推进“碳脱钩”进程；促进经济结构调整和有关制度创新，更加重视碳减排技术的实用化和推广；密切跟踪各国碳减排和社会生产调整进展，学习他国的先进技术和经验。

第4篇：碳减排的经济影响分析范文

关键词：碳减排；治理机制创新；利益相关者；界定与分类

中图分类号：F062.2

文献标识码：A 文章编号：16721101（2014）05001708

如何进行环境治理，减少碳排放，实现可持续发展，是我国当前亟待解决的重要问题。

从目前我国碳排放治理的实践来看，存在着企业投资动力不足，科研机构创新精神不够；政府管理部门多、杂，权利交织导致调控力下降，治理成本高；管理方式行政化，与其他利益相关者的利益冲突严重等问题。本文对碳减排利益相关者界定为对碳减排负有责任、拥有相应的权力和减排手段，对碳减排目标实现具有较大影响，与碳减排利益关系较大的组织。

这些问题表明了我国碳排放治理中政府单方治理的高成本、低效益，同时利益相关者的力量未得到有效利用。针对存在的这些问题，作者将从利益相关者共同治理角度对碳减排治理模式进行创新研究，为我国碳排放治理开辟新的途径。本文将对我国碳减排的利益相关者进行界定和分类，回答谁是利益相关者，并对其进行分类，明确其在碳减排中的角色地位。

一、文献综述

目前与碳排放利益相关者分类直接相关的研究文献尚未检索到。

碳排放方面的研究主要集中在碳排放的驱动因素及其影响程度，碳排放与经济增长、能源消费等的关系及碳排放的因素分解等方面[1-4]。学者研究认为我国碳排放增长的主要原因在于产业结构、能源结构、能源效率、人口因素、城镇化建设等方面，据此提出了调整产业结构、提高非化石能源比重、能源效率和人口素质等方面的建议[5-7]。这些丰硕的研究成果是本文进一步研究的基础。碳排放治理的文献侧重于政府单向治理，如碳减排政策的制定、取向分析和政府在碳减排中的职能等[8-11]。李欣研究认为环境治理中政府管制手段的优点是强制性高，效果明显，缺点是简单粗暴，经济效益差以及深层次的无法回避的制度缺陷[12]。学者在碳排放权市场交易机制、碳税、碳金融政策等方面也有大量研究成果[13-15]。如樊纲为代表的学者明显倾向于碳税政策[16]，而国务院发展研究中心课题组则明确建议采用碳市场制度[17]。财政税收手段属于双刃剑，一方面会带来碳排放量的下降，另一方面其对能源产业、收入分配、就业、国际贸易及公平性等方面的影响难以确定[18-19]。碳排放市场交易手段在国际层面的问题是如何确定初始碳排放的国际分配及界定方面，难以达成国际共识，在国家层面其关键问题是碳排放总量控制制度及市场机制的完善问题，也难以发挥利益相关者的推动力和积极性。

碳减排政策建议从客观上来看是降低碳排放的有效途径，而政策的实施要依赖于利益相关者去执行，其实施效果取决于利益相关者群体的执行程度和积极性。同时，目前的治理模式不能发挥利益相关者的积极性和推动力量。因此，提高碳减排效果还需要研究利益相关者及其在碳减排中的角色地位、利益要求等。

利益相关者治理理论早期主要应用于公司治理的研究，近年来扩展到了生态旅游和可持续能源等领域，得到了广泛应用。本文将利益相关者理论引入碳排放治理领域，试图突破目前的碳税治理和碳排放权治理模式的研究，为我国碳排放治理研究新的途径，提供新的选择。

二、方法与数据

（一）研究方法

根据本文对我国碳减排利益相关者的界定，选择政府、生产企业、银行、碳排放权交易机构、研发机构、能源供应行业、新闻媒体、公众团体、投资者、中介机构等10个组织进行调查研究。需要说明的是，中国管理碳减排的部门有国家各级政府部门、国家及各级环保部门和各级节能减排部门，在控制碳排放事务方面他们属于互补关系和上下级关系，共同为治理碳排放任务工作。因此，在本文中中国政府管理碳排放的部门统称为政府，以下不在说明。

借鉴学者提出的“多维细分法”和“米切尔评分法”的分析思路[20-22]，本文从利益相关者的合法性、权利属性和利益要求的紧急性三个维度对中国碳排放的利益相关者进行界定和分类。

根据界定与分类方法，本文编写了调查问卷，要求调查对象分别从合法性、权利属性、紧急性等三个维度对所给出的10种利益相关者与碳减排的相关程度按着从大到小进行排序，排名第一用1分表示，排名第二用2分表示，依次类推。因此，1分表示相关程度最大，2分表示相关程度第二大，依次类推，10分表示相关程度最小。

其中，合法性，表示该组织是否在法律或道德或特定的被赋予了减少碳排放的义务、责任，或承担了碳减排风险；权力属性，表示该组织是否拥有影响我国碳减排的能力、地位和相应的手段，对碳减排目标实现影响力的重要性程度；紧急性，表示该组织与碳减排的利益相关程度和实现碳减排目标的迫切性程度。

（二）数据来源

通过对调查对象的分析、选择，本次调查共计发放调查问卷750份，实际回收586份，回收率78.13%，回收的问卷中有效问卷529份，回收问卷有效率90.27%。调查对象的分布情况如表1所示。

表1 调查对象的分布情况

分类频数百分比（%）

性别男29655.95

女23344.05

年龄30岁及以下18534.97

30-40 岁16431.00

40岁以上18034.03

学历本科24345.94

硕士研究生 19436.67

博士研究生9217.39

工作行业大学417.75

研发机构499.26

政府部门6311.91

生产企业6913.04

金融业438.13

中介组织529.83

能源供应行业489.07

新闻媒体519.64

碳排放权交易机构529.83

公众团体6111.53

从调查对象的分布情况来看，调查对象性别、年龄结构分布合理，学历为本科以上层次，对碳减排能有较为准确的认识和理解，从工作行业来看分布在大学等10个行业，包含了碳减排的利益相关者行业，调查对象来源较为广泛。从调查样本数量来看，除其它行业外最少的分类变量数据大于40个，数据量可以满足统计分析的基本要求。

三、实证结果与分析

对回收的有效问卷利用SPSS16.0软件进行统计分析，包括调查数据描述性统计、配对样本T检验。

（一）描述性统计

首先，对调查结果从合法性、权利属性和紧急性三个维度进行描述性统计。三个维度的描述性统计结果分布如表2、表3和表4所示：

表2 利益相关者合法性维度上评分的描述性统计

（N）（Min）（Max）（Mean）Std D.

政府529172.155 30.703 6

生产企业529181.135 90.931 2

银行5292105.935 01.410 4

碳排放权

交易机构5291108.841 71.160 6

研发机构5292103.791 31.468 1

能源供应行业5293104.660 21.531 4

新闻媒体5291105.201 01.240 1

公众团体5291107.188 30.857 6

机构投资者5292108.233 00.988 4

中介机构5294106.730 10.703 6

注：根据调查问卷的按相关程度大小排序要求，1分表示相关程度最大，2分表示相关程度第二大，依次类推，10分表示相关程度最小。表2、表3的含义相同。

如表2所示，从碳减排的合法性维度上来看，按平均得分的大小，合法性程度从高到底依次为：生产企业、政府、研发机构、能源供应行业、新闻媒体、银行、中介机构、公众团体、机构投资者、碳排放权交易机构。

表3 利益相关者权利性维度上评分的描述性统计

（N）（Min）（Max）（Mean）Std D.

政府529151.679 60.542 2

生产企业529192.18641.088 4

银行5292105.820 42.106 1

碳排放权

交易机构529198.956 32.093 2

研发机构5291104.272 81.285 3

能源供应行业5292105.101 91.310 0

新闻媒体5291103.252 41.596 6

公众团体529187.762 11.506 1

机构投资者5291106.757 31.091 7

中介机构5294107.168 01.251 3

如表3所示，从碳减排的权利属性维度来看，权利大小从高到底依次为：政府、生产企业、新闻媒体、研发机构、能源供应行业、银行、机构投资者、中介机构、公众团体、碳排放权交易机构。

表4 利益相关者紧急性维度上评分的描述性统计

（N）（Min）（Max）（Mean）Std D.

政府529151.626 21.727 0

生产企业529192.132 01.448 2

银行5292107.077 71.655 6

碳排放权交易机构5291108.664 81.3798

研发机构5292105.193 21.580 8

能源供应行业5293104.889 30.928 8

新闻媒体5291103.786 42.269 8

公众团体5291104.089 31.462 9

机构投资者5291106.359 21.942 8

中介机构5293107.972 80.807 0

如表4所示，从碳减排的利益要求被关注的紧急性维度来看，从高到底依次为：政府、生产企业、新闻媒体、公众团体、能源供应行业、研发机构、机构投资者、银行、中介机构、碳排放权交易机构。

（二）配对样本T检验

利用配对样本T检验（Paired-Samples Test）进一步判断上述利益相关者每两个变量均值之差与0是否具有显著性差异。

合法性维度利益相关者评分均值差异的配对样本T检验结果如表5所示。

表5 合法性维度评分均值差异的配对样本T检验结果

123456789

1.政府

2.生产企业0.98**（7.77）

3.银行7.18**（7.36）6.20**（4.83）

4.碳排放权交易机构5.29*（4.32） 4.31**

（6.91）1.89（2.71）

5.研发机构5.64*

（4.25）4.66**

（7.51）1.54**

（5.35）0.35**（5.52）

6.能源供应行业4.50**

（5.40）3.52**

（8.79）2.67**

（4.77）0.78**

（5.80）1.13**

（6.37）

7.新闻媒体7.65**

（5.25）6.67**

（8.01）0.47**

（4.84）2.36**

（6.04）2.01**

（7.75）3.14

（2.09）

8.公众 团体3.73**

（6.52）2.75**

（9.24）3.45**

（8.52）1.55**

（4.72）1.90**

（8.02）0.77**

（9.70）3.91**

（8.54）

9.机构投资者5.08**

（4.48）4.10**

（4.79）2.10**

（8.25）0.21**

（5.44）0.56**

（7.38）0.57

（1.25）2.57**

（7.75）1.34**

（3.69）

10.中介机构6.17**

（4.38）5.19**

（9.15）1.00**

（4.10）0.89**

（3.82）0.54**

（5.31）1.67**

（5.87）1.47**

（4.88）2.44**

（6.15）1.10**

（8.01）

注：未加括号的数据表示某两类利益相关者在该维度上评分的均值的差，括号内的数据为配对样本T 检验值。*表示均值之差通过了95%置信度的检验，**表示均值之差通过了99%置信度的检验。均

值之差的数据下方有横线者，表示未通过检验。表6、表7含义相同。

从表5可以看出，从合法性维度来看，除个别利益相关者未通过配对样本检验外，绝大部分检验结果具有非常显著的统计意义上的差别，表明绝大部分利益相关者的排序都具有显著的统计意义上的差别。因此，合法性维度上利益相关者的评分均值可以反映其在碳减排中合法性程度的大小关系。

权利维度利益相关者评分均值差异的配对样本T检验结果如表6所示。

表6 权力维度评分均值差异的配对样本T检验结果

123456789

1.政府

2.生产企业0.89**

（4.24）

3.银行7.03**

（4.16）6.14*

（5.36）

4.碳排放权交易机构2.17**

（5.02）1.28**

（6.29）4.86**

（5.81）

5.研发机构1.79**

（4.53）0.89**

（5.22）5.25**

（4.96）0.38**

（6.20）

6.能源供应行业3.82**

（6.33）2.92**

（7.27）3.22**

（7.13）1.65**

（7.96）2.03

（1.23）

7.新闻媒体6.47**

（4.95）5.57**

（5.72）0.5**7

（6.36）4.30**

（7.81）4.68**

（7.63）2.65

（1.92）

8.公众团体0.02**

（4.26）0.92**

（5.28）7.06**

（5.94）2.19**

（5.22）1.81**

（6.73）3.84**

（5.85）6.49**

（4.24）

9.机构投资者3.97**

（6.24）3.08**

（7.22）3.06**

（7.58）1.80**

（7.91）2.18**

（6.34）0.16**

（6.21）2.50**

（6.39）4.00**

（7.03）

10.中介机构5.78**

（5.08）4.89**

（7.19）1.25**

（7.06）3.61**

（6.10）4.00**

（6.76）1.97**

（6.18）0.68**

（7.25）5.81**

（6.89）1.81**

（7.82）

从表6可以看出，从权力维度来看，仍然是绝大部分检验结果具有非常显著的统计意义上的差别，表明绝大部分利益相关者的排序都具有显著的统计意义上的差别。因此，权利维度上利益相关者的评分均值可以反映其在碳减排中权利的大小关系。

紧急性维度利益相关者评分均值差异的配对样本T检验结果如下页表7所示。

从表7可以看出，从权力维度来看，大部分检验结果具有非常显著的统计意义上的差别，表明绝大部分利益相关者的排序都具有显著的统计意义上的差别。因此，紧急性维度上利益相关者的评分均值可以反映其在碳减排中紧急性程度的大小关系。

（三）分类结果

根据各个利益相关者在三个维度上的得分均值及配对样本T检验结果，我们可以得到中国碳减排的利益相关者分类情况，如表8所示。

根据表8中的各个利益相关者的在三个维度的评分分布情况，本文对我国碳减排的利益相关者分类如下：

核心利益相关者，至少在2个维度的得分在4分以下。他们在中国减少碳排放的作用不可或缺，承担着碳减排的责任和义务，与减少碳排放具有紧密的利害联系，在碳减排活动中，有一定的利益要求和权利，在很大程度上可以决定碳减排目标的实现与否。 他们包括政府、生产企业、新闻媒体。

重要利益相关者，至少在两个维度上的得分在4分以上和6分以下。他们已经与碳减排形成了较为密切的关系，付出了专用性投资，在实践中承担者一定的风险。在正常状态下，他们一般表现为一种显性契约人，而一旦其利益要求没有得到很好的满足或受到损害时，他们可能从潜在状态变为活跃状态，从而直接影响我国碳减排目标的实现。他们包括研发机构、能源供应行业、银行。

一般利益相关者，至少在两个维度上的得分在6分以上。他们对我国碳减排目标的实现发挥辅助作用，往往被动的受到碳减排活动的影响，不能对减少碳排放直接施加影响，对实现减少碳排放目标的重要性程度较低，其实现利益要求的紧迫性也不强，他们包括中介机构、公众团体、机构投资者、碳排放权交易机构。

表7 紧急性维度评分均值差异的配对样本T检验结果

123456789

1.政府

2.生产企业1.31**

（5.04）

3.银行6.15**

（5.49）7.45

（1.08）

4.碳排放权交易机构3.74**

（5.07）5.05*

（4.51）2.40**

（8.06）

5.研发机构0.54**

（3.84）0.77**

（8.30）6.68**

（4.13）4.28**

（5.87）

6.能源供应行业3.26*

（4.95）4.56**

（3.64）2.89*

（4.33）0.49**

（5.24）3.80**

（4.86）

7.新闻媒体4.85**

（6.26）6.16**

（3.12）1.29**

（4.23）1.11**

（5.26）5.39

（1.98）1.60**

（4.24）

8.公众团体1.26**

（6.98）2.56**

（6.08）4.89**

（7.18）2.49**

（6.36）1.80**

（5.24）2.00**

（5.82）3.60**

（6.33）

9.机构投资者5.93**

（3.92）7.23**

（4.08）0.22**

（3.89）2.18**

（4.32）6.47**

（5.16）2.67**

（4.91）1.07**

（4.56）4.67

（0.12）

10.中介机构5.14**

（3.75）6.45**

（4.32）1.00*

（4.78）1.40**

（3.81）5.68**

（3.97）1.88**

（5.01）0.29**

（4.61）3.88**

（5.58）0.79

（0.69）

表8 中国碳减排利益相关者三维分类结果

评分[1，4][4，6][6，10]

合法性生产企业、政府、研发机构能源供应行业、新闻媒体、银行中介机构、公众团体、机构投资者、

碳排放权交易机构

权力性政府、生产企业、新闻媒体研发机构、能源供应行业、银行机构投资者、中介机构、公众团体、碳排放权交易机构

紧急性政府、生产企业、新闻媒体公众团体、能源供应行业、研发机构机构投资者、银行、中介机构、碳排放权交易机构

四、结论与展望

通过广泛的问卷调查和分析，本文将我国碳减排的利益相关者划分为核心利益相关者、重要利益相关者和一般利益相关者。不同的利益相关者在不同领域对我国碳减排发挥作用。

从核心利益相关者来看，控制及减少碳排放具有公共事务的性质，因此调查对象普遍认为政府在碳减排中应发挥主导作用，包括政策制定、管理机制、利益关系调节等政府均应发挥领导作用。生产企业是主要碳排放者和减少碳排放的直接执行者，因此是实现减排目标的关键。生产企业在生产中担负着加强节能环保技术开发、引进技术设备减少碳排放、提高产品的环保性能等重要作用。同时，减少碳排放在一定时期上将增加企业生产成本，提高产品价格，因此，生产企业实现减少碳排放需要外部力量的介入及资金支持。新闻媒体在碳减排中具有强大的舆论宣传优势及监督能力，被调查对象给予了厚望。政府、生产企业及新闻媒体分别在领导、执行、监督三个方面对我国实现碳减排目标中发挥核心主导作用。

从重要利益相关者来看，研发机构一方面为减少碳排放提供政策建议、决策支持，另一方面提供技术支持，提高我国能源的利用效率，从而减少碳排放。能源消费是碳排放的主要来源，能源供应行业可以通过控制能源供应的种类、数量及价格来影响能源的消费数量及种类，促使消费者加大节能投入，同时，可以开发新的绿色能源，从而减少碳排放。银行在政府的领导下通过对融资项目进行环保评价控制资金的供给和使用方向来引导节能减排行为，也在客观上承担了减排责任和风险。但目前其作用还非常有限。研发机构、能源供应行业和银行分别在技术支持、能源供给种类及数量、资金供给等方面对我国碳减排发挥重要作用。

从一般利益相关者来看，中介机构在碳减排中负责检测、检验认证、咨询策划等，可以帮助和促进碳排放交易的顺利进行，降低交易成本和费用。公众团体可以通过举办活动向社会宣传能源、气候及环境状况等，提高社会公众的节能减排的认识，也会通过一些活动向污染较大的生产企业进行抗议，对其施加压力，督促其减少碳排放。机构投资者可以为企业实现减排目标提供资金支持，但其以盈利为目标，其投资活动将以其预期盈利目标为前提。碳排放权交易机构是解决碳排放的问题的市场机制，促进具有成本效率的碳减排。现阶段由于碳排放治理是市场机制还处于起步阶段，他们能发挥的作用还非常有限或尚未发挥作用。随着市场机制的成熟和完善，这些利益相关者在碳减排中从碳检测认证、投融资、市场交易等角度对我国碳减排发挥重要的辅助作用。

明确了利益相关者在碳减排中的角色地位可以为我们构建合理的利益相关者共同治理机制，促进利益相关者在碳减排中发挥积极作用和推动力量提供指导。参考文献：

[1] 孙作人，周德群，周鹏.工业碳排放驱动因素研究：一种生产分解分析新方法[J]. 数量经济技术经济 ，2012（5）：63-74.

[2] 何小钢，张耀辉. 中国工业碳排放影响因素与CKC重组效应―基于STIRPAT模型的分行业动态面板数据实证研究 [J]. 中国工业经济，2012（1）：26-35.

[3] Ang J B.CO2 Emissions， Research and Technology Transfer in China[J]. Ecological Economics， 2009， 68： 2658-2665.

[4] Betül zer， Erdem G rgün， Selahattin ncecik. The scenario analysis on CO2 emission mitigation potential in the Turkish electricity sector： 20062030 [J]. Energy， 2013（49）： 395-403.

[5] 林伯强，蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界，2009（4）： 27-36.

[6] 陈诗一. 中国碳排放强度的波动下降模式及经济解释[J]. 世界经济，2011（4）： 124 143 .

[7] 王小鲁，樊纲，刘鹏. 中国经济增长方式转换和增长可持续性[J]. 经济研究，2009（1）：4-16.

[8] Apergis N，J. E. Payne. CO2 emissions， energy usage and output in central America [J]. Energy Policy， 2009， 37（8）：3 282-3 286.

[9] Thanh Cong Nguyen， Jackie Robinson， Shinji Kaneko， et.al. Estimating the value of economic benefits associated with adaptation to climate change in a developing country： A case study of improvements in tropical cyclone warning services [J]. Ecological Economics， 2013， 86 （2）： 117-128.

[10] 途正革.中国的碳减排路径与战略选择-基于行业部门碳排放量的指数分解分析 [J].中国社会科学，2012（3）：78-94.

[11] Henri L. F. de Groot， Erik T. Verhoef and Peter Nijkamp.Energy saving by firms： decision-making， barriers and policies [J]. Energy Economics， 2001， 23 （6）：717-740.

[12] 李欣. 环境政策研究[D].北京：财政部财政科学研究所，2012.

[13] 李昊，赵道致. 基于多Agent 的碳排放权交易机制建模与仿真[J].计算机工程与应用，2012，48（25）：9-14.

[14] T. Callan， S. Lyons， S. Scott， et al. The distributional implications of a carbon tax in Ireland [J]. Energy Policy， 2009， 37（2）：407-412.

[15] Philip James. Overcoming barriers to low carbon dwellings： the need for innovative models of finance and service-provision [J]. Environmental Development， 2012， 2（4）： 6-17.

[16] 樊纲. 走向低碳发展：中国与世界-中国经济学家的建议[M]. 北京：中国经济出版社，2010.

[17] 国务院发展研究中心课题组. 全球温室气体减排：理论框架和解决方案[J]. 经济研究，2009（3）：4-13.

[18] 沈满红，吴文博，魏楚. 近二十年低碳经济研究进展及未来趋势[J]. 浙江大学学报：人文社会科学版，2011，41（3）：28-39.

[19] Chuanyi Lu， Qing Tong， Xuemei Liu. The impacts of carbon tax and complementary policies on Chinese economy[J]. Energy Policy， 2010， 38（11）： 7 275-7 278.

[20] Freeman R E. Response： Divergent Stakeholder Theory [J]. Academy of Management Review， 1999， 24（2）： 233-236.

第5篇：碳减排的经济影响分析范文

 

一、引言

 

本文将采取与上述文献不同的分析进路，首先针对STIRPAT模型运用在产业层面上比较困难的情况，提出一种修正方法，即回到IPAT等式的原意上重新构造产业STIRPAT模型，以此来进行计量分析;其次，我们不仅分析了工业行业技术进步的碳减排效应，还考虑到行业异质性，发现技术进步在资本和劳动密集型行业的不同碳减排机制。为实现这一分析思路，本文的研究结构体现为，第二部分是实证策略、变量以及数据来源的说明;第三部分是本文的实证结果及分析;第四部分是结论并提出可行的政策建议。

 

二、实证策略、变量和数据

 

(一)实证策略

 

对环境或碳排放问题来说，STIRPAT模型(Dietz和Rosa，1994)将经典的IPAT等式随机化，[6]逐步发展成为常用的回归分析工具：

 

进行一阶差分消除个体效应(difference GMM)，利用InCi，t-2及更多滞后期项为差分方程式提供有效的工具变量来解决内生性问题。Blundell和Bond(1998)的系统广义矩估计(system GMM)方法可以在上述差分GMM矩条件的基础上增加InCit的滞后差分项为方程式(4)的工具变量，从而会产生更加高效的估计结果[8]。除了全样本考察以外，本文还设置了资本、劳动密集型对照组，在一定程度上考察行业异质性下的碳排放特征，为了符合GMM的“大截面，小时间”数据要求，上述分组以劳均资本存量为判定指标从大到小排序并进行等分处理。资本密集型行业有：煤炭开采和洗选业、石油和天然气开采业、黑色金属矿采选业、饮料制造业、烟草制品业、造纸及纸制品业、石油加工炼焦及核燃料加工业、石油加工、炼焦及核燃料加工业、化学原料及化学制品制造业、医药制造业、化学纤维制造业、橡胶制品业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、交通运输设备制造业、通信设备计算机及其他电子设备制造业、电力热力的生产和供应业、燃气生产和供应业和水的生产和供应业。劳动密集型行业有：有色金属矿采选业、非金属矿采选业、农副食品加工业、食品制造业、纺织业、纺织服装鞋帽制造业、皮革毛皮羽毛(绒)及其制品业、木材加工及木竹藤棕草制品业、家具制造业、印刷业和记录媒介的复制、文教体育用品制造业、塑料制品业、非金属矿物制品业、金属制品业和仪器仪表及文化办公用机械制造业。

 

(二)变量与数据

 

本文的被解释变量为碳排放量，对此，我们利用《中国能源统计年鉴》中提供的16种工业行业终端能源实物消费总量计算工业行业碳排放量，具体参考IPCC(2006)确定的计算公式为：

 

技术进步是本文的核心解释变量，它对于碳减排的作用，是一个在逻辑上很容易被认同的关系。然而本文更为关注的是基于行业异质性的技术进步对于碳排放的影响分析。我们选择由Cobb-Douglas生产函数测算的全要素生产率(TFP)以综合反映行业技术进步的情况。由于行业分类标准和工业统计口径在各时期并不统一，曹利战(2012)进行了极为细致的比较、劈分和估算，并最终形成36个工业二位数行业的1978—2010年的投入产出数据集。[9](pp56-58)因此，本文依照曹利战对工业行业的分类调整，并直接引用其36行业的TFP数据。为了避免TFP可能存在的测量误差，本文同时给出利用单位产出中科研经费占比作为投入型的技术进步变量。由于规模以上工业行业的科研或研发数据的统计并不连续，因此我们利用《中国科技统计年鉴》大中型工业企业科研或研发经费内部支出占行业总产值的比重代替。

 

由于中国工业统计口径在1998年发生了重大调整，之前为，按隶属关系统计，之后则按规模大小统计，因此，可比行业数据应选择1998年及之后区间，不过在本文的解释变量贸易开放度中，其原始数据自2001年才由《中国工业经济统计年鉴》，为获取平衡数据，本文将样本期设定为2001—2010年。1998年之后的统计口径也发生了微小的变动，比如，1998—2006年的统计范围为全部国有及年主营业务收入在500万元以上非国有工业企业，而2007年至2010年为年主营业务收入在500万元以上工业企业(即规模以上工业企业)，由于这些微调不至于影响本文的定量分析，因此不予调整。

 

三、计量结果、检验及分析

 

(一)基本回归结果

 

表2中模型1为基于36个工业行业的主回归结果，模型2使用第二个技术进步指标检验技术进步作用的稳定性。首先，我们分析本文使用的系统GMM回归的两个重要的检验。一个是Arellano-Bond检验，表中报告的是常用的AR(2)，它检验差分方程的误差项是否存在二阶自相关。显然，模型1和模型2的概率值(P值)表明拒绝二阶自相关的原假设。一个是Hansen检验，它检验工具变量的有效性，P值同样表明模型1和模型2不拒绝工具变量是有效的原假设。这两项检验从统计学上支持了模型估计结果的可信性。从对回归模型的结果可以看到如下的一些经济意义。

 

(1)技术进步。不论是全要素生产率(TFP)，还是科研经费占比(S&T)，其与行业碳排放量的关系都是负向的，这体现了工业技术进步的碳减排效应。由于我们使用的技术进步指标是综合性的，比如，TFP是去除要素投入量后的“索罗残差”，S&T也是科研或研发投入的总量概念并没有区分是生产技术还是节能技术。而我们的被解释变量为不含任何经济因素的碳排放量，因此，这个回归结果的意义在于工业行业广义的技术进步存在碳减排的倾向。

 

(2)资本规模和能源资本比。在实证策略部分，我们曾分析传统的STIRPAT模型在工业行业研究时应用的不足，建议使用资本规模和能源资本比替代人口规模和人均财富，模型1和模型2的估计系数均在1%的水平上显著，这从统计上支持了我们替换的合理性。

 

(3)煤炭消费占比和出口开放度对碳排放的影响是正向的。前者符合预期，后者说明出口导向的贸易发展模式或许是引致碳排放量不断增长的原因之一，并且这一结论从碳排放的角度支持了“污染天堂假说”(Copeland和Taylor，1994)。Copeland B R， Taylor M S North-South Trade and the Environment[J] Quarterly Journal of Economics， 1994， 109(3)：755。企业规模指数的估计系数是负向显著的，这说明从整体来看，中国工业行业碳排放是存在规模经济的。市场化变量的符号为负，但是不具有统计显著性，因此，市场化改革与碳排放的关系需要更多的证据来探讨，至少在工业行业整体层面上还不十分确切。“十一五”虚拟变量的估计系数是正的，这一结论说明可能存在两个问题：一是我们设置的虚拟变量并没有很好地控制“十一五”期间的节能政策;二是如果被解释变量替换为碳排放强度或能源消费强度，政策性约束或许更明显一些。此外，滞后一期的碳排放量在两个模型里均为负向显著，说明工业行业当期碳排放至少受到前一期水平的影响，也就是存在所谓的路径依赖。

 

(二)对照组分析

 

为了发现中国工业行业技术进步与碳减排的更多经验性特征，我们设置了以资本密集度指标排序并等分处理的资本密集型与劳动密集型小组。通过对二者进行简单地比较，我们发现技术进步的碳减排效应存在行业异质性。下面我们对模型3和模型4的估计结果进行具体的分析。

 

首先，技术进步的碳减排效应在劳动密集型行业不仅存在而且在统计上显著，但资本密集型行业技术进步的碳减排效应还不能确定，因为尽管资本密集型行业中技术进步的估计系数是负数但是却不能获得统计上的支持。为了解释这一结果，我们可以先观察表1中的碳排放量，比较资本密集型和劳动密集型，我们发现前者的平均值要高于后者，这意味着资本密集型行业也往往是高排放行业。为了表明为什么高排放行业的技术进步效应会不显著，我们做了如下的辅助回归。

 

表3中的HCE为高排放行业的虚拟变量，我们将工业行业在2001—2010年的碳排放量均值进行降序排列，取前36/2=18个行业为高排放组，取值为1，其他行业为低排放组，取值为0。可以发现，技术进步的碳减排效应非常显著，高排放组的碳减排量也显著高于低排放组，而我们关注的重点，也就是技术进步与碳排放虚拟变量的交互项的估计系数为正值，这里的含义是如果工业行业的碳排放水平处于高位，那么其对于技术进步的碳减排效应会起到抑制作用。这可能是导致表2中模型3技术进步变量不显著的原因。

 

其次，劳动密集型行业中的市场化对于碳减排的作用变得显著。从表1中，我们发现劳动密集型行业的市场化水平更高，这意味着市场竞争更为激烈。随着能源价格逐步放开，非国有产权的企业会不断地调整其能源消费量和结构，而国有企业由于在能源获取和价格上的比较优势其调整幅度可能会比较微弱和缓慢。资本密集型行业在对外开放度指标上不再显著，这可能是因为其出口开放度依然较低所致。

 

此外，资本规模、能源资本比、煤炭消费占比、企业规模指数、政策变量和滞后一期的碳排放量的结果与模型1是一致的，这里就不再赘述。

 

四、结论及政策建议

 

本文是对中国工业行业的技术进步与碳排放问题的经验分析。我们重新构造和解释了产业STIRPAT模型，在应用分析中，我们发现2001—2010年间的技术进步在总体上存在碳减排倾向，但从行业异质性出发却有不尽相同的结果，劳动密集型行业的碳减排效应明显，而资本密集型行业的碳减排效应并不能确定。不仅如此，市场化变量和出口开放度对碳排放的影响在资本和劳动密集型行业中也有差异。基于这些结果，我们提出如下的政策建议：

 

第一，加大对工业行业技术进步的支持和推动的力度，特别是加大对资本密集型工业行业技术进步的支持和推动力度。为此，要把对工业行业技术进步的政策支持与实现碳减排目标挂起钩来，以碳减排的量确定对该行业或企业的税收、金融、进出口优惠支持的程度。

 

第二，深化国有经济改革，特别是打破行业垄断，这是实现碳减排的必要选择。为此，在政策上要加大对工业行业的民营经济支持力度，同时加快能源等资源价格的市场化改革进程。与此相适应，要打破工业行业的垄断，并对资源型行业的垄断采取打破垄断和抑制行业利益相结合的政策措施。

 

第三，优化工业出口贸易结构，构建有利于碳减排的工业行业结构。比如政府可以通过差别化的出口退税政策、征收出口关税等手段促使低能耗行业在全球价值链上的攀升。当然，政府更要在碳排放的核算问题上积极参与国际磋商，努力建立基于生产和消费共同承担碳排放责任的核算标准，为出口贸易结构的改善创造良好的外部环境。

第6篇：碳减排的经济影响分析范文

1模型构建

1.1目标函数的构建

本文基于低碳经济理论，分别设定2005、2020年为基准年和预期年，以预期年的碳排放总量最小为优化目标，影响低碳经济发展的预期年各行业经济增长量作为优化模型的决策变量，构建基于结构减排的不确定性低碳经济发展碳排放总量控制优化模型，选取我国在哥本哈根会议上承诺的2020年单位GDP温室气体减排目标、社会经济增速不变、行业经济增长量等作为约束条件，运用区间规划数学方法进行模型求解。模型目标函数具体表达如下：

1.2约束条件的选取

在约束条件的选取过程中，温室气体减排目标约束为我国在哥本哈根会议上承诺的2020年单位GDP温室气体排放量较2005年降低40%~45%的减排目标；预期年社会经济总量约束以2005年经济增长总量为基准，参考近年来我国经济增长速率，考虑金融危机等经济因素的影响，以保守经济增速预测2020年经济增长总量；行业经济增长量约束，以2005年各行业经济值为基准，以各行业保守经济增速预测2020年行业经济增长量。（1）温室气体减排目标约束：（Ii=1ΣPi0±+Ii=1ΣExi±×ΔPi±ΔEi±）/Ii=1ΣExi±≤C0/E0×（1-η±）（2）社会经济总量约束：Ii=1ΣExi±≥E0×（1+δ±）n（3）行业经济增长量约束：Exi±≥AE0andExi±≥AB01.3决策变量及参数的意义（1）决策变量。模型选取各行业经济增长量作为决策变量，并以区间形式表示。（2）参数。f±：预期年的碳排放总量，万t；C1±：不同行业预期年的碳排放量，万t；PF0±：农、林、水利业基准年的碳排放量，万t；ExF±：农、林、水利业预期年经济总量，万元；ΔPF±/ΔEF±：农、林、水利业单位经济增长量的碳排放量，万t/万元；PG0±：采掘业基准年的碳排放量，万t；ExG±：采掘业预期年经济总量，万元；ΔPG±/ΔEG±：采掘业单位经济增长量的碳排放量，万t/万元；PH0±：制造业基准年的碳排放量，万t；ExH±：制造业预期年经济总量，万元；ΔPH±/ΔEH±：制造业单位经济增长量的碳排放量，万t/万元；PI0±：能源生产与供应业基准年的碳排放量，万t；ExI±：能源生产与供应业预期年经济总量，万元；ΔPI±/ΔEI±：能源生产与供应业单位经济增长量的碳排放量，万t/万元；PJ0±：建筑业基准年的碳排放量，万t；ExJ±：建筑业预期年经济总量，万元；ΔPJ±/ΔEJ±：建筑业单位经济增长量的碳排放量，万t/万元；PK0±：交通运输业基准年的碳排放量，万t；ExK±：交通运输业预期年经济总量，万元；ΔPK±/ΔEK±：交通运输业单位经济增长量的碳排放量，万t/万元；PL0±：销售住宿餐饮业基准年的碳排放量，万t；ExL±：销售住宿餐饮业预期年经济总量，万元；ΔPL±/ΔEL±：销售住宿餐饮业单位经济增长量的碳排放量，万t/万元；PM0±：其他行业基准年的碳排放量，万t；ExM±：其他行业预期年经济总量，万元；ΔPM±/ΔEM±：其他行业单位经济增长量的碳排放量，万t/万元；PN0±：居民日常生活基准年的碳排放量，万t；ExN±：居民日常生活预期年经济总量，万元；ΔPN±/ΔEN±：居民日常生活单位经济增长量的碳排放量，万t/万元；E0：基准年社会经济总量，万元；η+：预期年的碳减排目标，无量纲；C0：基准年的碳排放总量，万t；δ±：预期年社会经济增速，无量纲。

1.3模型参数

模型参数均取自国家统计局出版的中国统计年鉴，其中，C1±~C9±分别代表九大行业，表1为各行业基准年经济总量、能源消耗量等模型参数。

2模型求解及分析

2.1模型求解结果

在模型参数及约束条件输入后，利用Lingo11.0软件求解预期年各行业经济总量、碳排放量，并计算预期年的单位GDP碳排放量（表2）。

2.2模型结果分析

将基于结构减排的不确定性碳排放总量控制优化方案下预期年的单位GDP碳排放量与基准年单位GDP碳排放量以柱形图形式表达，如图1所示。结合图1和表2分析可知：（1）基于结构减排的不确定性优化方案下，预期年的碳排放总量控制在[273274.96,288285.27]万t之间，单位GDP碳排放量为[0.48,0.50]万t/万元，较基准年单位GDP碳排放量有明显降低，能够保证在2020年实现37.07%~41.08%的降低幅度，但仅有不确定性优化上限能够达到我国在哥本哈根会议上承诺的2020年单位GDP温室气体减排目标。（2）基于结构减排的不确定性优化方案中，各行业单位GDP碳排放量降低幅度均较为明显，下降值最大的行业是建筑业、销售住宿餐饮业和农林牧渔水利业，表明以上行业相比其他行业具有经济效益好、碳排放量低的优势，若积极推广低碳能源应用、低碳饮食习惯和低碳消费方式，大力发展低碳社区，能够十分有效、显著地降低单位GDP的碳排放量，亦可弥补其他行业低碳发展的不足。（3）所有行业中，交通运输业、制造业和能源生产供应业单位GDP碳排放优化量较基准年的降低比重低于整体单位GDP碳排放降低值的均值，其中，交通运输业的单位GDP碳排放量降低幅度最低，表明此行业碳减排阻力很大，同时，新能源、新技术在交通运输业的推广不仅面临着技术难题还有成本压力，若不从技术上突破、大力扶持公共交通事业，单位GDP碳排放量较难有大幅度降低。

第7篇：碳减排的经济影响分析范文

关键词排放交易体系；全球排放市场；可计算一般均衡模型

中图分类号F224文献标识码A文章编号1002-2104（2014）03-0019-06doi：103969/jissn1002-2104201403004

全球气候变化给人类生存和社会可持续发展带来了严峻挑战，世界各国意识到在实现经济发展的同时，需要降低经济增长所带来的碳排放。碳排放交易体系（Emission Trading Schemes， ETS）作为基于市场机制下的政策工具一直被认为是成本有效的减排手段，正在被越来越多的国家所采用。目前已开展排放权交易体系的国家和区域包括欧盟、美国加州、澳大利亚、新西兰、哈萨克斯坦、西部气候倡议（Western Climate Initiative，包括美国、加拿大、墨西哥部分州/省）以及中国的深圳等地，另有中国的部分省市以及韩国已经明确公布即将开展碳市场的计划及实施方案。据世界银行的统计，2011年全球碳市场总交易量达103亿t CO2e[1]。

伴随碳排放权交易体系在全球各国的日渐推广，建立全球跨区域的国际性碳市场，以实现在更大范围内匹配减排资源、降低减排成本的方案正在被人们广泛讨论[2-3]，但实际进展十分缓慢。这主要一方面是由于当前国际社会尚未形成统一而明确的减排目标，各国减排权责不明，同时也缺乏具有实际约束力的“自顶向下”的协调机构及机制来推进全球共同减排行动的开展；另一方面由于各国碳市场机制与实施细则存在较大差异，实现各区域自发的“自底向上”式的碳市场整合并形成一致性的交易平台存在诸多机制障碍，具有巨大挑战。此外，全球主要排放国家及区域只有欧盟已经实施了碳市场政策，尽管中国与美国已开始为建立本国碳市场做出准备，但是实际建立时间尚有很大不确定性。同时，全球还有诸如印度、俄罗斯等主要排放国尚没有建立碳市场的行动计划。因此，从目前来看，短期内建立全球框架下包含世界主要区域的全球碳市场具有很大的困难。

尽管困难重重，国际社会已经开始从区域层面与产业层面为建立全球碳市场做出努力。即将开展的欧盟与澳大利亚两个跨区域碳市场链接就是一次重要的尝试。澳大利亚政府已明确表示计划在2015年左右建立本国碳市场并与欧盟碳市场实现交易对接[4]。如果该链接市场得以建立，将使欧盟与澳大利亚成为全球第一个建立在两个独立区域基础上的国际性碳市场。除了与欧盟合作以外，澳大利亚也在寻求与包括中国在内的其他国家合作建立跨区域碳市场。对此中国也表现出较大兴趣[5]，并已经在多个场合表示愿意在本国碳市场完善以后加入全球碳市场的意向[6]。当前中国已经着手在国内建立区域碳市场试点，为全国碳市场的建立做好准备。中国第一个地方性碳市场试点已经开始在深圳运行[7]，同时关于中国参与全球碳市场影响的相关研究也在逐步开展[8-9]。

本研究基于欧盟与澳大利亚碳市场，考虑中国未来加入全球碳市场后对全球碳市场交易规模及全球碳价的影响，以及国际碳排放权交易体系下对各国能源与经济系统的影响。

齐天宇等：国际跨区碳市场及其能源经济影响评估中国人口・资源与环境2014年第3期1模型工具

第8篇：碳减排的经济影响分析范文

一、碳税和排放权交易对高排放企业成本影响的作用机理分析

碳税和排放权交易都属于使外部性成本内部化的重要手段，两者对企业成本都产生影响，但碳税直接导致企业成本的增加，而排放权交易则通过间接方式增加企业成本。两种政策对企业成本的影响程度也存在差异。

碳税是按照化石燃料燃烧后的排碳量而征收的一种税。碳税的开征将改变企业原材料和能源的消费结构。征收碳税将导致高碳原材料需求量和价格的下降，加大对低碳原材料的需求，在供给不变的情况下，低碳原材料的价格将攀升。因此，企业不会简单的用低碳原材料来替代高碳原材料，而是要综合考虑自身的技术条件、高碳原材料和低碳原材料的当前和预期的价格、两类原材料的生产效率、企业生产经营计划等因素。征收碳税也会将以同样的机理影响企业的能源消费结构。

碳排放权交易制度下，政府机构依据一定的标准评估出一定区域内允许的最大排放量，并将其分成若干排放份额。排放权一级市场上，政府采用免费发放、招标、拍卖等方式进行排放权分配，并允许多余的排放权在二级市场上进行交易。实施排放权交易制度后，企业不仅面临较大的交易成本，包括游说监管当局以争取较多排放配额的成本、对自身碳排放量进行盘查需要的各项投入、接受独立第三方对企业碳排放信息的鉴证而发生的支出，等等；而且需要购买超额排放配额，并可能受到监管当局对超额排放的处罚。当然，企业也会因减排力度较大而获得监管当局的奖励和排放权处置收益。

二、碳税和排放权交易对高排放企业成本影响的测度模型构建与政策情景模拟

（一）碳税和排放权交易对高排放企业成本影响的测度模型。为了体现企业生产要素投入使用对环境质量的影响，本文沿用经济学中柯布―道格拉斯生产函数的基本模型和分析方法。假设高排放企业除生产技术以外，只需要高碳生产要素和低碳生产要素的投入，这两种生产要素投入数量可变，并具有不完全的替代性。

高排放企业的生产函数可表示为：y=f（x1，x2）=Ax。式中x1、x2分别表示高碳生产要素和低碳生产要素投入品的需求数量；A为技术进步率，A>0；α、β分别为两类生产要素的产出弹性，α，β∈（0，1），α+β=1。如果p1、p2分别表示两类生产要素的市场价格（p1，p2>0），则企业的生产成本C可表示为：C=p1x1+p2x2。

当被征收碳税时，企业对两种生产要素投入品的需求量将发生变化。设x1′和x2′为被征收碳税时企业对两种生产要素投入品的需求量；s1为政府对企业使用高碳原材料x1所征收的碳税（0≤s1≤p1），s2为政府对企业使用低碳原材料x2所给予的补贴（0≤s2≤p2）；政府对企业征收碳税或提供补贴措施时企业新的生产总成本C1可表示为C1=（p1+s1）x1′+（p2-s2）x2′。

假设e为被征收碳税政策前企业的碳排放量，则有e=e1x1+e2x2，其中，e1、e2为两类生产要素x1、x2的二氧化碳（CO2）排放系数，且0≤e2

碳排放权交易制度下，假设企业可以免费获得排放限额E0。当企业的碳排放量超过E0时，需要从市场购买排放配额，单位配额的价格用p表示，则企业的生产成本函数转换为：C2= x1′p1+x2′p2+（e1x1′+e2x2′-E0）p。

为了测度、比较碳税和碳排放权交易对高排放企业成本的影响，本文构建了成本―减排敏感系数CER= -（c/c）/（e/e）。CER表示在一定时期内高排放企业成本的变动对于该企业二氧化碳排放量变动的敏感程度，CER的值越小，说明企业减排对于企业成本的影响越小，减排效果越好。

（二）碳税和排放权交易对高排放企业成本影响的政策情景模拟。为了比较碳税和排放权交易政策对高能耗企业生产要素投入品需求的影响及减排效果，本文分别设置基准情景、碳税情景和排放权交易情景。通过对其他国家减排政策的分析不难发现，无论是采用碳税还是排放权交易政策，为了保证减排效果和减少碳减排政策对国民经济的冲击，都会出台相应的补贴政策，补贴方式包括补贴低碳能源和可再生能源、税收返还、税收减免等。参照上述做法，本文也设置补贴情景，为了便于研究，补贴方式确定为对低碳原材料进行补贴。将补贴政策分别与碳税和排放权交易相结合，本文中的减排政策情景分为以下几种：不实施任何碳减排政策、征收碳税、征收碳税同时提供补贴、单独实行排放权交易制度、实行排放权交易制度同时提供补贴。

基准情景下，当政府不实施任何碳税政策措施时（即s1、s2=0，E0=0），则高排放企业在既定产量Q下的成本最小化的目标函数及其约束条件为：

MinC=p1x1+p2x2，

[A>0，α、β∈（0，1），α+β=1，x1、x2>0]

通过构建拉格朗日函数，消除影子价格，分别对x1、x2求偏导，按照拉格朗日极值的计算方法，可求出高、低碳原材料的投入量x1、x2分别为：

x1=Q/A（α/β）β（p2/p1）β

x2=Q/A（β/α）α（p1/p2）α

不实施任何减排政策时，高排放企业的生产成本函数为C0=p1x1+p2x2，二氧化碳排放量函数为E0= e1x1+e2x2。其他四种情形下，高、低碳原材料的投入量函数如下页表1所示。

将不同情境下的x1′、x2′代入成本函数和二氧化碳排放量函数中，可计算出相应的成本函数和排放量函数，并计算得出各自对应的成本――减排敏感系数。

三、样本构成与测度模型中涉及的参数估计

（一）样本选取与数据来源。依据《中国能源报告（2008）》，火电、钢铁、水泥、电解铝等行业的CO2排放分别约占全国碳排放总量的38%、18%、18%、13%，因此，本文将上述行业的企业界定为高排放企业，以这四个行业在深沪上市公司总数为基数，采用分层抽样，分别从火电、钢铁、水泥、电解铝等行业各抽取12家、9家、4家、5家，共30家企业构成研究样本。从样本公司2011年的年报提取各企业的产量信息，在中国煤炭信息网、易钢在线网获取样本企业生产所需原材料在2011年的价格信息。

（二）测度模型中涉及参数的设定。关于电力行业的技术进步率，黄仁辉（2006）的估算值为1.08，徐瑛（2006）的估算值为1.02，本文取两者的平均数，即A=1.05。由于缺乏相关资料，本文选用我国国民经济技术进步率1.025作为钢铁、水泥和电解铝等行业技术进步率的近似值。生产要素的的排放系数来自IPCC的碳排放系数表。当原材料的消耗不止一种时，以原材料的投入比例为权数，加权计算原材料的价格和排放系数。高碳原材料和低碳原材料的产出弹性系数，采用两种材料的热能之比来计算。

（三）关于碳税税率的设定。本文根据王金南等学者的研究，采用“渐进征收”的原则，针对高碳原材料征税，并对低碳原材料进行补贴。本文假设政府对高碳原材料征收碳税的额度分别为20、25、30、35、40、45元/tC。对于低碳原材料采用从量补贴方式，假定政府对于低碳原材料的补贴额度分别为10、15、20、25、30、35元/tC。

（四）关于碳排放权交易制度的设置。采用基准――信用交易机制，参照英国排放权交易机制的规则，碳排放权初始配额的分配则采用免费分配模式，运用祖父原则。关于各高排放企业的碳排放基准线，本文参照2009年我国政府宣布的控制碳减排行动目标，到2020年单位GDP的碳排放比2005年下降40%-45%，每年平均减排率为3.91%。以此为标准，本文中样本企业的碳排放基准线设定为基准情景中各企业碳排放量的97%、96.5%、96%、95.5%、95%、94.5%，按顺序与前文中的碳税情景相对应。超出或者少于基准配额的碳排放权，企业可以购买或者出售，每吨碳排放权的交易价格设定为50元、55元、60元、65元、70元、75元，分别对应于前面的各情景。表2显示了碳税和排放权交易政策的具体方案的设定。

四、描述性统计分析与配对样本T检验

（一）不同政策水平下各模拟情景的CER与减排效果分析。表3说明了不同政策水平下，各情景的CER的均值和减排效果。从表3可以看出，无论何种政策水平，排放权交易政策对企业成本增加带来的影响程度都相对较小。如果采用排放权交易与补贴相配合的政策，企业的碳排放量每减少1%，原材料成本将分别减少0.428%、0.436%、0.464%、0.467%、0.491%、0.471%，因此，在排放权交易体制下，对低碳原材料进行补贴后，减排不会增加企业的材料成本，相反材料成本会随减排而减少。从减排效果看，仅征收碳税的政策最不理想；当排放权交易和补贴结合采用时，减排效果非常理想，与基期碳排放水平相比较，不同政策水平下总体分别减排了6.02%、6.61%、7.19%、7.75%、8.30%、8.73%。

（二）配对样本T检验。由于本文在情景模拟中是针对同一企业采用不同的减排政策，研究碳减排与企业成本之间的关系，所以可以近似认为是针对两组规模、经营等基本情况相近的企业，分别施以不同的减排政策以研究他们之间的差异，在均值比较的方法上选取配对样本T检验的方法。在下页表4中列示了各政策水平、不同情景两两配对样本T检验的结果。可以看出，政策水平一、二、四下，碳税加补贴情景和排放权交易情景的相关性在10%的水平上具有显著性，其他配对组各情景两两之间的相关性非常显著，符合配对样本T检验的条件；在这三种政策水平下，碳税加补贴政策与排放权交易政策下，碳减排对企业成本的影响程度基本不存在差异性；而其他碳减排政策对企业成本影响的程度互不相同：征收碳税使企业的成本增幅最大，排放权交易政策和碳税加补贴政策次之；排放权交易加补贴政策将使企业的成本减少。政策水平三、五、六下各情景两两配对样本T检验显示，各配对组均通过相关性检验，符合配对样本T检验的条件，各情景下的CER相互之间的均值比较，其检验结果均是显著的，说明这三个政策水平下，征收碳税使企业的成本增幅最大，排放权交易政策次之，碳税加补贴政策再次之；排放权交易加补贴政策将使企业的成本减少。

第9篇：碳减排的经济影响分析范文

关键词：碳排放权交易市场；交易成本；市场有效

中图分类号：F062.9 文献标志码：A 文章编号：1673-291X（2016）27-0074-05

根据科斯定理，只要对碳排放权进行完整界定，并允许碳排放权进行交易，就可以使得碳排放权的最终配置与初始分配无关，实现市场公平与市场效率的双重目标，这就是碳排放权交易市场成立的理论基础。但Hahn（2011）认为由于存在交易成本以及市场势力问题，碳排放权交易市场并不能完全实现市场公平和市场效率。所以，关于交易成本的研究成为理论研究的焦点。本文就是在文献分析的基础上，建立交易成本市场模型，分析交易成本对碳排放权交易市场的影响，以期为有关政策的实施提供理论指导。

一、交易成本定义

一直以来，关于交易成本的定义，学术上讨论比较多。更多的研究从市场摩擦展开的，有许多论文文献对市场摩擦进行了讨论，认为交易成本阻碍了或者至少影响了经济主体的经济行为，并且是传统的经济学理论所不能解释的。Hicks （1935）认为，需要给“市场摩擦”更精确的定义，并从交易成本角度对“市场摩擦”进行解释。尽管Coase（1937）认为厂商的存在价值，就是由于厂商的组织形式使得交易更为有效率也更为经济，但是他没有提到“交易成本”这个概念。交易成本这个概念在货币和金融市场中使用得比较多。在20世纪70年代，随着产业组织理论的兴起，经济领域开始讨论交易成本问题，早期的产业组织理论主要是研究市场失灵和“市场摩擦”问题。经济学领域关注交易成本主要有两个方面的原因：一是交易成本会引起市场失灵，从而导致社会福利的损失；二是交易成本会影响产业内部的组织结构形式（Solomon，1999）。

对于碳排放权交易市场来说，由于遵约参与者相对较少、交易的品种比较专业，所以导致碳排放权交易市场交易相对不够活跃，总体交易成本比较高，对于碳排放权交易市场中交易成本的研究就非常有意义。对于碳排放权交易市场来说交易成本主要包括三个部分，分别是寻找对手和信息成本、讨价还价和决策成本以及监管执行成本。第一部分，也就是寻找对手和信息成本是比较明显的。碳排放权交易市场作为一个新的碳减排措施，其建立是基于一系列的法律文件，尤其是在《京都议定书》之后才正式确认为碳减排的主要措施之一，并且各个国家和地区由于经济条件和地理资源禀赋的不同，采取的碳排放权交易规则差异也较大。作为新的减排措施，碳排放权交易市场的各项制度还需要逐步完善，比如欧盟采取了三个阶段来开展碳排放权交易工作，这些规则的修改直接影响碳排放权的供求关系，并且直接或者间接影响碳排放权交易价格，所以对于遵约参与厂商来说，对于碳排放权交易市场的信息搜集工作就非常重要，这些工作更多的是由中介咨询机构来提供。由于碳排放权供给方和需求方往往是跨行业的，所以统一的碳排放权交易市场更有利于寻找交易对手。第二部分，讨价还价和决策成本也非常重要，为了使得交易能够达成，双方需要支付必要的管理费用以及支付给中介一定的费用。第三部分，监管和执行成本主要是监管机构来承担的，为了维持正常的市场秩序，对于碳排放的额度确认以及后续的违规监管和处罚，形成准确而真实的碳排放权供给和需求，这一部分也非常重要。

二、交易成本对碳排放权交易市场的影响

关于交易成本对产业内部的组织结构的影响。Hanemann（2009）发现，交易成本的不同结构会对参与碳排放不同规模的经济体影响是不同的，规模较大的厂商具有一定的规模效益。如果环境监管所带来的交易成本是非线性的，那么边界条件的改变会使得以成本最小化为目标的厂商面临不同的最优决策，结果会使得规模较大的厂商更为有利，从而促进行业的兼并重组，市场的集中度得以提高，有可能减弱市场的竞争性。论文用计量方法分析了欧盟碳排放交易计划（EU ETS）监管下的德国厂商的交易成本情况。通过最小二乘法和非线性估计方法对碳排放交易成本的估计，论文认为交易成本是碳排放量和碳排放交易量的非线性函数。这也就意味着，欧盟碳排放交易计划存在碳交易的规模效益。对于二氧化碳年排放100万吨以上的厂商交易成本是下降的，二氧化碳年排放100万吨以下的厂商交易成本是上升的。基于数据的分析，德国受欧盟碳排放交易计划监管的厂商，每年交易成本总额约为870万欧元。实证进一步显示对于年排放100万吨以下的厂商更有动机去减少碳排放量。虽然这一扭曲结果会带来社会福利的损失以及经济效率的降低，但对于整个欧盟碳排放交易计划的减排效果影响较小。

关于交易成本会引起市场失灵，从而导致社会福利的损失是本文研究的重点。极端情况下由于管理成本以及其他交易成本太高以至于抵消了交易所获得的收益，从而使得Fox River水污染排放交易计划失败。Stavins（1995）首先给出了碳排放权交易市场下交易成本基本模型，首先，给出了交易成本曲线和边际污染控制曲线，通过分析认为交易成本会减少可交易区间，也就是说当交易收益小于交易成本，那么遵约参与者就不会到市场上进行交易了；其次，论文给出了交易成本在碳排放权供给和需求方的分摊情况，认为无论哪方在名义上给付交易费用，实际上的交易成本的分摊主要受碳排放权供给方和需求方的污染控制成本函数的弹性所决定的，具体而言交易成本更多的是由边际污染控制成本较高的一方承担；最后，论文分析了不同的交易成本结构下，遵约参与者碳技术减排数量与初始碳排放权分配额度之间的关系，认为如果交易成本函数是线性的情况下，遵约参与者碳技术减排数量与初始碳排放权分配额度无关，如果交易成本函数是凸函数的情况下，遵约参与者碳技术减排数量与初始碳排放权分配额度负相关，如果交易成本函数是凹函数的情况下，遵约参与者碳技术减排数量与初始碳排放权分配额度正相关。但是，论文没有考虑产品生产数量与初始碳排放权分配额度之间的关系。本文就是在Stavins（1995）的基础上，把产品市场纳入到模型中进行分析。Ofei-Mensah和Bennett（2013）研究了在澳大利亚交通运输和能源部门中开展的三个碳交易计划的交易成本估计问题。这三个碳交易计划分别是：燃料强制标示计划，自愿燃料效率提升计划和假想的市场型计划。资料主要通过调查访谈和其他二手数据等方法获取。第一，本文发现市场型计划碳减排交易成本要高于其他两个计划，交易成本约为7.2美元/吨。也就是说，交易成本成为碳减排的主要障碍。第二，各碳减排计划交易成本组成部分比例的不同主要是由各计划自身特征造成的。因为自愿燃料效率提升计划是自愿加入的，所以其执法成本较低。较低执法成本增加了对是否有足够的资源投入到这碳减排计划实施的疑虑。也就是说，是否有足够资源用来碳减排。对于市场型计划而言，碳市场交易过程产生的费用是主要费用。第三，论文认为对于燃料强制标示计划和市场型计划而言，交易成本非常高以至于对碳减排计划的实施效果具有实质性影响。总之，交易成本会影响政策市场失灵。在选择碳减排政策时考虑交易成本，有助于对政策工具进行初步筛选，有助于提高政策设计和实施，以及政策的评价。尽管如此，但是对于交易成本的关注还是太少。一般研究认为，市场型碳减排计划（碳交易和碳税）比非市场型碳减排计划效率要高，但是本文发现，考虑计划实施过程中的交易成本等因素，市场型的碳减排计划未必优于非市场型的。所以，交易成本对于政策选择具有一定的作用。

三、交易成本模型建立

这里我们首先假设存在N个厂商生产同质的产品，产品市场是完全竞争的。并且，这N个厂商都是碳排放权交易市场遵约参与者，这时这些厂商就需要考虑碳排放成本。于是这些厂商的利润函数为：

π=r・z-C（z）-B（q）-p（θz-a-q）

其中，z表示产品产量，r表示产品价格，C（z）表示产品生产成本函数，并且Cz>0，Czz>0。假设u=θz为遵约厂商在不受排放约束情况下的碳排放量，θ为碳排放强度，也就是单位产品产量对应的碳排放量，q为通过技术手段减少排放的碳排放量（污染处理量），a为监管机构免费发放的碳排放权量，x=θz-a-q为在二级市场交易的碳排放权交易量，当x>0表示卖出碳排放权，当x0，Bqq>0。从这个利润表达式可以看出，碳排放权的初始分配并不会影响到产品产量z，产品产量实际上是产品价格、碳排放权交易价格以及碳排放强度的函数，也即z=z（r，p，θ）。

但是如果把碳排放权交易市场中的交易成本考虑进来，碳排放权的初始分配就会影响到最优的产品产量。用t表示厂商在碳排放权交易市场净交易量，表示为厂商碳排放水平减去初始碳排放权额度的绝对值：

t=|υ-a|

其中，υ=θz-q表示厂商碳排放水平。那么在此基础上，我们定义交易费用函数T（t）为，并且Tt>0。由于遵约厂商参与碳排放权交易市场需要缴纳一定的固定费用，比如说参与碳排放权交易市场所需的管理费用、注册费用等，所以T（t）应该是永远大于零的。当这些固定费用太大时，会使得一些厂商没有动力参与碳排放权交易市场，所以此模型假设固定费用足够小以至于只考虑变动费用则可。这时，遵约厂商的利润函数可表达为：

π=r・z-C（z）-B（q）+p（a+q-θz）-T（t）

不失一般化，这里我们假设其中一个遵约厂商是碳排放权净买入者（υ>a），以此我们分析碳排放权初始分配对遵约厂商利润以及产品产量的影响。遵约厂商的目标函数就是最大化其利润，那么目标函数的一阶条件有：

πz=r-Cz-pθ-θTt=0

从这里可以看出，一阶条件表示产品价格r等于边际成本（Cz+pθ+θTt），也可以说是边际收入（r-pθ-θTt）等于边际产品成本（Cz）。对于交易所来说，不会把交易费用提高到遵约厂商亏损的程度，由于Cz>0，所以要求r-pθ-θTt>0。并且，我们假设遵约厂商技术碳减排量必须大于0。综上，对技术碳减排量求偏导，我们有：

-Bq+p+Tt≤0

q（-Bq+p+Tt）=0

q≥0

如果遵约厂商技术碳减排量大于0，那么遵约厂商的产品产出量和技术碳减排量都是产品价格、碳排放权交易价格、碳排放强度以及碳排放权初始分配额度的函数，z=z（r，p，θ，a）和a=a（r，p，θ，a）。为了进一步分析碳排放权初始分配额度对产品产量和技术碳减排量的影响，我们对一阶条件进行全微分，整理可以得到：

=

=

|H|表示海塞矩阵

|H|=CzzBqq+Ttt（Czz+θ2Bqq）>0

从中我们可以看出，产品产量的变动和技术碳减排量的变动依赖于Ttt的符号。当Ttt=0时，dz/da=0并且dq/da=0，这时碳排放权初始分配额度对产品产量和技术碳减排量没有影响，这个与没有交易成本的情形结果是一致的。当Ttt>0时，dz/da>0并且dq/da

四、结论与政策建议