碳稅征收對我國宏觀經(jīng)濟及碳
減排 影響的模擬研究：
基于動態(tài)CGE模型（GAMS軟件）
一、引言
隨著自然資源的急劇消耗、污染物的大量排放和生態(tài)環(huán)境的日益惡化，頻頻發(fā)生的嚴重霧霾天氣使我們深刻體會和認識到發(fā)展低碳經(jīng)濟的迫切性和必然性。自 2007 年以來，我國 CO2排放總量首超美國，居世界第一；2009年我國政府第一次以約束性指標的方式宣布，到2020年，中國單位GDP二氧化
碳排放 將比2005年下降40%-45%。然而，我國“富煤、少氣、缺油”的能源現(xiàn)狀，以及伴隨工業(yè)化、城鎮(zhèn)化、現(xiàn)代化建設(shè)的巨量能源需求，使得我國未來碳排放形勢日益嚴峻。隨著國際氣候談判的進展和國內(nèi)減排形勢壓力的加大，征收碳稅已經(jīng)迫在眉睫，但由于種種原因，我國遲遲沒有實施碳稅。從技術(shù)層面上講，碳稅如何征收？征收多少？征收碳稅會對我國社會福利、宏觀經(jīng)濟及相關(guān)行業(yè)生產(chǎn)什么影響？碳稅的“雙重紅利”效應(yīng)是否存在？這都是亟待解決和明確的
問題 。
由于碳稅征收的影響度和波及面較廣，涉及行業(yè)、居民、政府等整個經(jīng)濟系統(tǒng)，因此，從國際文獻上看，大多部分學者均采用了具有嚴密理論體系、能夠模擬分析經(jīng)濟系統(tǒng)內(nèi)相互作用機理的可計算一般均衡（CGE）模型進行模擬分析，其中代表性文獻主要有：Whalley和Wigle（1990），Burniaux和Nicoletti （1992），F(xiàn)loros和Vlachou（2005），Galinato and Yoder（2009），Allan G. et al.（2014），總體說來，國外關(guān)于應(yīng)用CGE模型進行碳稅研究相對比較成熟。近年來，國內(nèi)關(guān)于碳稅的研究也不斷增加。賀菊煌、沈可挺等（2002）建立了一個靜態(tài)CGE模型分析了征收碳稅對國民經(jīng)濟各部門的影響；朱永彬等（2010）基于一個靜態(tài)CGE模型，通過引入碳稅，假設(shè)六種情景對碳稅
政策 的減排效果及其對宏觀經(jīng)濟和各產(chǎn)業(yè)部門的影響進行了分析；郭正權(quán)等（2012）基于靜態(tài)CGE模型分析了我國發(fā)展低碳經(jīng)濟中碳稅政策對能源需求與二氧化碳排放的影響；石敏俊等（2013）利用CGE模型，設(shè)計了單一碳稅、單一碳排放交易以及碳稅與
碳交易 相結(jié)合的復合政策等不同情景，模擬分析了不同政策的減排效果、經(jīng)濟影響與減排成本。與以上國內(nèi)文獻不同的是，王燦（2005）基于1997年投入產(chǎn)出表構(gòu)建了一個動態(tài)CGE模型，并用該模型模擬分析了基準情景下CO2排放總量消減10%-60%假設(shè)情況下對邊際減排成本、經(jīng)濟增長和就業(yè)的影響。
從文獻上看，國內(nèi)相關(guān)碳稅CGE模型大多為靜態(tài)模型，應(yīng)用動態(tài)CGE模型分析碳稅的國內(nèi)文獻寥寥無幾，由于靜態(tài)CGE模型只能在基準年度范圍內(nèi)進行模擬分析，不能動態(tài)模擬碳稅的長期累積效應(yīng)，因此靜態(tài)CGE模型的模擬分析功能較為有限。雖然王燦（2005）構(gòu)建了一個動態(tài)CGE模型，然而該文的模擬假設(shè)缺乏現(xiàn)實意義，因為我國二氧化碳排放總量每年都在增加，在我國未完成城鎮(zhèn)化、工業(yè)化發(fā)展階段之前，二氧化碳總量減少的假設(shè)很難成立；國家“十二五”規(guī)劃中的二氧化
碳減排 目標也是設(shè)定為單位GDP二氧化碳減排，屬于相對指標，并非二氧化碳總量的減少。
在前人研究的基礎(chǔ)上，結(jié)合我國經(jīng)濟特征，本文構(gòu)建的可計算一般均衡模型主要有如下特點：①從技術(shù)層面上，本文根據(jù)最新的動態(tài)經(jīng)濟學理論，構(gòu)建出一個遞歸動態(tài)CGE模型進行碳稅政策模擬；②依據(jù)國家環(huán)境保護“十二五”規(guī)劃，采用相對指標，即以單位GDP二氧化碳減排作為衡量目標；③進一步把能源分為清潔能源和
石化 能源（石化能源進一步細分為煤炭、石油和天然氣），采用多層CES函數(shù)嵌套方式進行組合，并從碳稅征收方式和碳稅使用方式上綜合模擬分析碳稅及相關(guān)二氧化碳減排問題。
二、 動態(tài)可計算一般均衡（DCGE）模型構(gòu)建
1．宏微觀SAM表構(gòu)造及數(shù)據(jù)來源
本文以中國2007年135部門的投入產(chǎn)出表為基礎(chǔ)[1]，合并擴展成包含1個第一產(chǎn)業(yè)部門、15個第二產(chǎn)業(yè)部門和5個第三產(chǎn)業(yè)部門，行為主體分為政府、家庭、企業(yè)、投資和儲蓄、國外部門的宏觀社會核算矩陣（SAM）表，該表中的數(shù)據(jù)除了來源于2007年投入產(chǎn)出表外，還來自《中國統(tǒng)計年鑒2008》、《中國金融年鑒2008》、《中國環(huán)境年鑒2008》、《國際收支平衡表2008》、《中國能源統(tǒng)計年鑒2008》等統(tǒng)計資料。在宏觀SAM基礎(chǔ)上構(gòu)建微觀SAM，其中一個重要的細節(jié)內(nèi)容是對
電力 部門和石化能源部門的拆分（即使135部門投入產(chǎn)出表，石油和天然氣作為一個部門；電力也作為一個部門，沒有細分出火電、水電、風電等），拆分方法如下：根據(jù)《2008年中國電力統(tǒng)計年鑒》電力生產(chǎn)量的比重，把投入產(chǎn)出表中的電力部門按照火電占83.06%，核電、其它電力供應(yīng)占16.94%的比例進行拆分，其中煤炭、石油、天然氣只對火電的生產(chǎn)存在中間投入，對核電、其它電力供應(yīng)不存在中間投入分解；石油與天然氣開采的分解是根據(jù)我國2007年能源生產(chǎn)構(gòu)成，其中石油占能源總消費量的19.70%；天然氣占能源總消費量的3.50%，然后根據(jù)消費量的比例對投入產(chǎn)出表的數(shù)據(jù)進行拆分。
2．生產(chǎn)函數(shù)結(jié)構(gòu)設(shè)計
本文的動態(tài)CGE模型的生產(chǎn)結(jié)構(gòu)采用五層嵌套結(jié)構(gòu)，這也是目前國際學術(shù)界的主流方法之一，即中間投入的組合只包含非能源投入（列昂惕夫函數(shù)表述其關(guān)系），而將能源、資本和勞動力采用不變替代彈性（Constant Elasticity of Substitution，CES）嵌套。資本-能源-勞動力CES合成的嵌套結(jié)構(gòu)中依照各種能源投入的替代程度自下而上依次組合，如圖1所示。
碳稅征收對碳減排影響的模擬研究
圖1： 生產(chǎn)函數(shù)結(jié)構(gòu)示意圖
三、 碳稅設(shè)計與模擬分析
1．碳稅設(shè)計
本文應(yīng)用CGE模型進行政策模擬中，計稅依據(jù)為CO2排放量，并且采用國際常用的在化石能源使用環(huán)節(jié)征稅方式，具體碳稅設(shè)計為以下方程所示：
碳稅征收對碳減排影響的模擬研究
2．政策模擬一：碳稅征收方式模擬分析
首先模擬2007-2020年期間不同碳稅水平對我國二氧化碳排放強度及其邊際變化率、以及部門產(chǎn)出和價格等變量的影響。由于碳稅的征收，石化能源使用成本增加，勢必會使得企業(yè)通過研發(fā)或其他途徑積極提高能源使用效率，因此，本文在征收碳稅的同時，假定能源使用效率也發(fā)生改變，從而綜合模擬碳稅征收的減排效果。
表4 碳稅征收方案模擬情景設(shè)定表
情景類別
具體描述
基準情景
2007-2020年勞動力總供給外生，如表3所示，能源使用效率保持不變，不考慮征收碳稅。
情景Ⅰ
在基準情景基礎(chǔ)上，能源使用效率年增長率為0%，征收碳稅。
模擬情景Ⅱ
在基準情景基礎(chǔ)上，能源使用效率年增長率為0.5%，征收碳稅。
模擬情景Ⅲ
在基準情景基礎(chǔ)上，能源使用效率年增長率為1%，征收碳稅。
模擬情景Ⅳ
在基準情景基礎(chǔ)上，能源使用效率年增長率為2%，征收碳稅。
（1 ）能源與碳排放影響分析
表5 2020年末不同碳稅水平下我國二氧化碳排放強度及其邊際變化率
碳稅（元/噸）
情景Ⅰ
情景Ⅱ
情景Ⅲ
情景Ⅳ
二氧化碳排放強度（%）
單位碳稅的二氧化碳排放強度邊際變化率（%/單位碳稅）
二氧化碳排放強度（%）
單位碳稅的二氧化碳排放強度邊際變化率（%/單位碳稅）
二氧化碳排放強度（%）
單位碳稅的二氧化碳排放強度邊際變化率（%/單位碳稅）
二氧化碳排放強度（%）
單位碳稅的二氧化碳排放強度邊際變化率（%/單位碳稅）
0
0.000
-4.588
-8.701
-15.561
5
-4.957
0.000
-9.391
-0.480
-13.375
-0.467
-20.024
-0.446
10
-9.286
-0.496
-13.581
-0.419
-17.435
-0.406
-23.883
-0.386
15
-13.102
-0.433
-17.263
-0.368
-20.997
-0.356
-27.258
-0.337
20
-16.500
-0.382
-20.537
-0.327
-24.156
-0.316
-30.240
-0.298
25
-19.540
-0.340
-23.461
-0.292
-26.980
-0.282
-32.891
-0.265
30
-22.287
-0.304
-26.098
-0.264
-29.521
-0.254
-35.273
-0.238
35
-24.775
-0.275
-28.485
-0.239
-31.817
-0.230
-37.426
-0.215
40
-27.047
-0.249
-30.662
-0.218
-33.912
-0.209
-39.382
-0.196
45
-29.128
-0.227
-32.656
-0.199
-35.825
-0.191
-41.165
-0.178
50
-31.045
-0.208
-34.487
-0.183
-37.579
-0.175
-42.800
-0.163
55
-32.814
-0.192
-36.179
-0.169
-39.204
-0.163
-44.310
-0.151
60
-34.453
-0.177
-37.747
-0.157
-40.705
-0.150
-45.705
-0.140
65
-35.983
-0.164
-39.204
-0.146
-42.105
-0.140
-47.004
-0.130
70
-37.407
-0.153
-40.566
-0.136
-43.404
-0.130
-48.207
-0.120
75
-38.739
-0.142
-41.836
-0.127
-44.621
-0.122
-49.334
-0.113
80
-39.990
-0.133
-43.030
-0.119
-45.762
-0.114
-50.393
-0.106
85
-41.170
-0.125
-44.151
-0.112
-46.836
-0.107
-51.385
-0.099
90
-42.277
-0.118
-45.211
-0.106
-47.848
-0.101
-52.320
-0.093
95
-43.327
-0.111
-46.208
-0.100
-48.802
-0.095
-53.202
-0.088
100
-44.319
-0.105
-47.152
-0.094
-49.703
-0.090
-54.036
-0.083
從表5可以看出：⑴當不考慮碳稅時，當能源使用效率提高分別0%、0.5%、1%、2%，可以使得2020年我國二氧化碳排放強度相對基準情景分別減少0%、4.59%、8.70%和15.56%；考慮碳稅時，當能源使用效率分別提高0%、0.5%、1%、2%，可以使得2020年我國二氧化碳排放強度相對基準情景分別減少44.32%、47.15%、49.70%和54.04%；⑵要實現(xiàn)國家“十二五”規(guī)劃中“到2020年中國單位GDP二氧化碳排放將比2005年下降40%-45%”的目標，在僅考慮提高能源使用效率和征收碳稅兩種手段的前提下，若能源使用效率年增長率為0%，則需要征收碳稅大約為80元/噸；若能源使用效率年增長率為0.5%，則需要征收碳稅大約為70元/噸；若能源使用效率年增長率為1%，則需要征收碳稅大約為60元/噸；若能源使用效率年增長率為2%，則需要征收碳稅大約為40元/噸；⑶四種情景下的單位碳稅的二氧化碳排放強度邊際變化率均呈現(xiàn)逐漸減小的變化趨勢，相比較而言，能源使用效率越高，單位碳稅的二氧化碳排放強度邊際變化率越大。
表6 2007-2020年期間不同碳稅水平下化石能源從價稅稅率表
年份
情景Ⅰ中，能源使用效率年增長率為0%，碳稅為80元/噸
情景Ⅳ中，能源使用效率年增長率為2%，碳稅為40元/噸
相對基準情景，單位GDP二氧化碳排放變化率（%）
煤炭稅率（%）
石油稅率（%）
天然氣稅率（%）
相對基準情景，單位GDP二氧化碳排放變化率（%）
煤炭稅率（%）
石油稅率（%）
天然氣稅率（%）
2007
-0.76
74.05
5.61
7.73
-0.51
31.24
2.35
3.18
2008
-0.78
76.91
5.87
8.12
-0.54
32.83
2.50
3.36
2009
-0.80
79.54
6.11
8.48
-0.58
34.30
2.66
3.53
2010
-0.82
81.92
6.34
8.81
-0.62
35.68
2.81
3.70
2011
-0.83
84.12
6.56
9.13
-0.64
37.00
2.96
3.85
2012
-0.85
86.15
6.78
9.43
-0.68
38.26
3.11
4.00
2013
-0.86
88.04
6.99
9.71
-0.70
39.46
3.27
4.15
2014
-0.87
89.83
7.20
9.97
-0.73
40.62
3.42
4.29
2015
-0.88
91.54
7.41
10.23
-0.75
41.74
3.58
4.43
2016
-0.89
93.19
7.61
10.48
-0.78
42.84
3.73
4.56
2017
-0.90
94.81
7.82
10.72
-0.81
43.93
3.90
4.69
2018
-0.91
96.82
8.15
11.03
-0.84
45.14
4.10
4.84
2019
-0.91
98.04
8.26
11.21
-0.86
46.13
4.23
4.96
2020
-0.92
99.70
8.48
11.46
