2021, Vol. 41
[PDF全文]
2. 浙江大学民生保障与公共治理研究中心, 杭州 310058;
3. 浙江大学经济学院, 杭州 310058
2. Center of Social Welfare and Governance, Zhejiang University, Hangzhou 310058;
3. School of Economics, Zhejiang University, Hangzhou 310058
气候变化是当前人类社会面临的重大挑战, 《巴黎协定》的达成为世界各国共同应对这一挑战提供了契机.为实现《巴黎协定》提出的“将全球平均升温幅度控制在2 ℃以内”的共识性目标, 中国早在2015年就宣布了到2030年碳减排的“国家自主贡献”目标(以下简称“2030目标”)：二氧化碳(CO2)排放在2030年达到峰值并争取尽早达峰；单位国内生产总值CO2排放(即碳排放强度)较2005年下降60%~65%.为推动上述减排目标的实现, 碳排放强度下降要求亦被写入《中国“十三五”控制温室气体排放工作方案》(以下简称“十三五”方案)：到2020年, 碳排放强度比2015年下降18%.由此可见, 碳排放强度控制已成为中国深度参与全球气候治理、促进经济社会可持续发展的重要举措.
然而, 要实现上述目标绝非易事, 如何通过经济管理手段促进中国温室气体减排成为学术界广泛关注的议题(汪鹏等, 2014；范英, 2018).国际经验表明, 建设统一的碳交易市场可以发挥重要的作用(Cai et al., 2016; Salant, 2016；魏立佳等, 2018).为此, 启动全国碳交易市场建设、统筹确立全国碳交易机构网络布局成为“十三五”方案的重要内容之一.事实上, 早在2011年10月, 国家发改委就已在湖北、广东、北京、上海、深圳等7省市开展碳排放权交易试点.2017年12月, 全国碳交易市场启动建设, 但首批仅有发电行业1700余家企业纳入其中, 实际交易规模与设计初衷相去甚远.中国碳交易市场建设面临巨大阻力, 很大原因在于交易市场运行对各省区碳交易策略的潜在影响尚不明确, 不合理的碳交易市场设计甚至可能导致省区间的经济发展严重失衡(潘家华, 2016；张希良, 2017).
初始排放权分配方案的制定和选择是影响各省区碳交易策略及其减排成本的重要环节, 是碳交易市场设计和建设的根本性问题(段茂盛等, 2014；张希良, 2017；钱浩祺等, 2019).在碳排放权分配过程中, 遵循“共同但有区别的”责任分担原则已成为社会各界的共识(何建坤, 2018；李堃等, 2019；方恺等, 2020).然而, 关于利用何种具体的分配方案表征这一公平性分配原则, 却存在诸多争议.其中, 既有鼓励区域进行渐进式减排, 从而维持区域经济社会稳定发展的“祖父分配方案”, 也有考虑了区域间减排承受能力差异的“支付能力方案”, 还有将碳排放权视作发展权, 提倡人人享有同等排放权利的“人口规模方案”等(丁仲礼等, 2009；Pan et al., 2014；方恺等, 2018).对公平性原则的不同解读为探索区域碳排放权分配提供了诸多可能, 但在一定程度上增加了碳交易市场设计的不确定性.如何确定碳排放权分配方案成为碳交易市场设计和建设的一大难题(Fang et al., 2019；段宏波等, 2019), 而对不同分配方案进行全面评估则是科学决策的前提条件(李小胜等, 2015).
考察不同初始排放权分配方案对各省区碳交易策略及其减排成本的影响, 成为评估分配方案可行性的重要视角, 也为分配方案的最终确定提供了理论支持(Xiong et al., 2015).为此, 许多学者探讨了不同时段内我国碳排放权分配方案选择的区域影响(Jiang et al., 2016).例如, 在碳排放量较2007年水平下降20%的目标假设下, Tang等(2013)利用可计算一般均衡模型分别评估了基于排放和产量的“祖父分配方案”对我国各省区碳交易的潜在影响；Cui等(2014)首先根据区域碳减排潜力对省区碳排放权进行分配, 再利用非线性规划模型模拟了该方案下2020年各省区碳交易策略及其减排成本.同样地, 非线性规划模型方法也被用于模拟我国2006—2010年期间的省区间碳交易市场(Zhou et al., 2013).
已有研究发现, 由于各省区经济社会发展水平不同, 其减排成本和减排潜力差异明显, 不同初始排放权分配方案势必导致各省区碳交易策略存在巨大差异.一方面, 这为进一步探寻初始排放权分配与各省区碳交易策略及其减排成本之间的关联提供了重要参考；但另一方面, 当前鲜有文献系统比较不同初始排放权分配方案对各省区碳交易策略及其减排成本的潜在影响, 难以为初始排放权分配方案选择提供可靠借鉴.为此, 本文依据“十三五”方案中提出的2020年碳排放强度下降目标, 核算了2016—2020年我国碳排放权总量, 并通过构建非线性规划模型比较不同初始排放权分配方案对各省区碳交易策略及其减排成本的影响.具体地, 本文采用“祖父分配方案”、“支付能力方案”和“人口规模方案”3种方案对各省区碳排放权进行分配.在规划模型中, 通过量化各省区潜在经济损失与其历史累积碳减排量之间的函数关系, 拟合各省区的减排成本曲线.
2 方法与数据(Methods and data)本文以我国“十三五”时期碳排放强度下降目标为背景, 聚焦初始排放权分配方案对各省区碳交易策略及减排成本的潜在影响.研究内容具体分为我国碳减排配额核算、省区初始碳减排配额分配、碳减排成本曲线模拟、碳交易策略及其减排成本模拟4个部分(图 1).
 |
| 图 1 本文研究框架 Fig. 1 The framework of this research |
随着区域能源利用效率、能源消费结构、产业结构等要素的优化, 区域碳排放强度水平不断下降.区域碳减排配额(碳排放配额和碳减排配额均为碳排放权的表现形式, 区别在于两者的交易逻辑相反, 对于后者而言, 边际减排成本高的地区通过交易向外转移碳减排配额, 故为“卖出”方, 反之亦然.为便于后续减排成本曲线模拟, 本文将碳排放配额转化为碳减排配额)测度了碳排放强度下降导致的碳排放量相对下降程度, 其核算主要涉及区域碳排放强度变化和经济产出变化两个方面(Zhou et al., 2013).因此, 为测度2016—2020年间中国碳减排配额总量, 需对中国未来经济产出和碳排放强度进行预估.
“十三五”时期恰逢我国启动全国碳交易市场, 各项工作尚在探索阶段, 聚焦该时期的交易模拟研究对完善碳交易机制设计、促进温室气体减排具有重要意义.因此, 本文以“十三五”方案提出的“到2020年, 碳排放强度比2015年下降18%”为具体目标, 假设“十三五”期间中国碳排放强度稳步下降, 基于2015年实际碳排放强度和2020年目标碳排放强度估算期间各年份预计碳排放强度；同时, 经济增速取“十三五”规划的下限(6.5%), 基于2015年实际GDP总量估算期间各年份预计GDP, 最终核算得到2016—2020年中国碳减排配额.具体公式如下：
|
(1) |
|
(2) |
|
(3) |
|
(4) |
式中, ERQt为t年中国碳减排配额(106t)；TERQ为2016—2020年中国碳减排配额总量(106t)；CIt为t年中国整体碳排放强度(10-4 t ·元-1)；GDPt为t年中国GDP总量(108元)；α和β分别为2016—2020年中国碳排放强度下降率和GDP增长率,
碳排放权作为一种特殊的公共资源, 其分配问题受到了学者的广泛关注(Zhou et al., 2013；Cui et al., 2014；Chang et al., 2016).尽管公平性被大多数学者视为碳排放权分配的首要原则, 但在碳排放权分配过程中如何加以体现却存在诸多争议, 现行主流实践包括“祖父分配方案”、“支付能力方案”、“人口规模方案”等.其中, “祖父分配方案”鼓励区域进行渐进式的碳减排, 有助于维持区域经济社会的稳定发展, 是目前欧盟碳排放交易体系采用的主要方案.相比之下, 考虑到温室气体减排对区域经济发展的负面影响, “支付能力方案”假设经济发展水平较高的区域有相对更强的能力承担碳减排导致的经济损失.此外, 碳排放权作为人类新的发展权, 考虑“人口规模”进行分配亦被学界普遍认可(Pan et al., 2014).因此, 本文依据“祖父分配方案”(式(6))、“支付能力方案”(式(7))和“人口规模方案”(式(8))3种方案对中国各省区的初始减排配额进行分配.
|
(5) |
|
(6) |
|
(7) |
|
(8) |
式中, ERQti为t年i省区初始减排配额(106t)；CEti为t年i省区碳排放量(106t)；CEAti为t年i省区碳排放配额(106 t)；r为各省区历史碳排放增长率；PGDPti为t年i省区人均GDP(元)；POPti为t年i省区人口规模(104人).
2.3 省区减排成本曲线模拟减排潜力越大的区域其碳减排成本相对较小, 反之亦然.Zhou等(2013)通过分析省区历史累积碳减排量与清洁发展机制(CDM)项目投资额之间的量化关系, 找寻其边际减排成本曲线.其中, 历史累积碳减排量反映了较长时期内某一区域的碳减排成效.然而, 由于近年来全球范围内CDM交易规模和价格大幅走低, 用CDM项目投资额表征各省区碳减排成本, 存在低估全社会碳减排成本投入的可能.为此, 本文拟构造区域潜在经济损失指标, 以反映由于区域碳生产效率增长而导致的潜在经济损失, 克服项目投资数据造成的成本核算偏差, 具体公式如下：
|
(9) |
|
(10) |
式中, CERti为t年i省区碳减排量(106t)；PELti为t年i省区潜在经济损失(108元)；EPti为t年i省区碳生产效率(104元· t-1), 即碳排放强度的倒数.本文以2005年作为基准年份核算各省区累积碳减排量, 同时选取二阶多项式形式进行减排成本曲线模拟(Wei et al., 2009；Zhou et al., 2013), 具体公式如下：
|
(11) |
式中, CCERti为t年i省区历史累积碳减排量(106 t)；ai、bi、ci表示i省区减排成本曲线的代估参数.
2.4 省区碳交易策略及其减排成本模拟中国幅员辽阔, 各省区在社会状态、经济发展及资源环境禀赋等方面存在诸多差异, 导致省区碳减排成本各不相同.若仅基于公平性原则进行碳减排配额分配, 则碳减排潜力较小或减排成本较高的省区将为此付出巨大代价, 无法实现全国整体碳减排成本最小化.故本文提出以下假设：全国碳交易市场的建立有助于各省区对碳减排配额进行再分配, 碳减排成本较低的省区可通过承担碳减排成本较高的省区的碳减排责任获益, 同时帮助碳减排成本较高的省区在相对较低成本下完全其减排任务, 进而实现各省区边际减排成本趋同, 最终降低中国碳减排总成本.
为此, 本文基于中国“十三五”方案提出的碳排放强度下降要求, 以中国碳减排总成本最小为目标, 以各省区最终碳减排量和碳交易规模为限制条件构建非线性规划模型(Zhou et al., 2013), 对我国碳交易市场进行模拟, 具体公式如下：
|
(12) |
|
(13) |
|
(14) |
式中, TACt为t年中国碳减排总成本(108元)；TRADEti为t年i省碳减排配额交易量(106t), 若TRADEti≥0则表示t年i省为其他省区承担碳减排责任.
2.5 数据来源中国碳减排配额核算、各省区初始减排配额分配和减排成本曲线模拟数据来源如表 1所示, 主要包括历年国家统计年鉴、省区统计年鉴和中国碳核算数据库(http://www.ceads.net/).
| 表 1 本文主要数据及来源 Table 1 Data source of this research |
 |
根据公式(9)~(11), 本文估算了30省区差异化的减排成本曲线(图 2), 具体表现为给定累积碳减排量时, 对应各省区碳减排成本及其变化率两方面的差异.当历史累积碳减排量为50×106 t时, 天津、北京、浙江等省区的边际减排成本较高, 为138.2~173.80元· t-1, 宁夏、内蒙古、山西等省区的减排成本相对较低, 边际减排成本为14.20~17.20元· t-1, 较大的减排潜力使中西部省区的碳减排成本远小于东部沿海地区；当历史累积碳减排量上升至300×106 t时, 青海、吉林、海南等省区的边际减排成本(432.90~813.70元· t-1)迅速超过重庆、广东、上海等省区(141.50~245.20元· t-1).当省区间技术水平趋同后, 中西部省区的减排潜力逐渐丧失, 其现有的产业结构使中西部省区面临更加高昂的碳减排成本.
 |
| 图 2 各省区减排成本曲线 Fig. 2 Abatement cost curves of each province |
图 3展示了基于“祖父分配方案”核算得到的2016—2020年各省区初始减排配额.由图可知, 2016—2020年, 中国碳减排配额总量为2520.25× 106 t, 各年份初始减排配额差异不大, 碳减排配额为480.85×106~527.79×106 t；山西和内蒙古因其历史碳排放增长率较高(分别为17.40%和13.30%), 各年份碳减排配额差异较大, 其他省区各年份碳减排配额差异较小.然而, 省区间初始减排配额差异较为悬殊, 山西、山东、内蒙古等省区需承担较大减排压力, 其初始减排配额为205.18×106~382.53×106 t；青海、北京、天津等省区初始减排配额不足20×106 t, 其中, 青海的初始减排配额仅为山西的1/35.省区之间初始减排配额差异势必导致各省区的碳减排成本相差显著, 这为中国碳交易机制的建立提供了空间.
 |
| 图 3 “祖父分配方案”下各省区初始减排配额及其总量 Fig. 3 Initial emission reduction quotas of each province under the grandfathering scheme |
省区差异化的碳减排成本影响着其碳减排配额的流动.在中国碳减排配额总量一定的前提下, 省区初始减排配额的分配并不会影响各省区最终碳减排配额.因此, “祖父分配方案”、“支付能力方案”和“人口规模方案”下各省区最终碳减排配额相同(图 4).具体而言, “十三五”方案中关于碳排放强度下降的要求对2016年各省区最终碳减排配额的变化影响最大, 其中, 内蒙古、河北、宁夏三省区最终碳减排配额最多, 分别为671.02×106、506.96×106、415.32×106 t, 广东、江苏、浙江等19省区2016年的碳排放量将持续上升, 上升规模为2.21×106~327.42×106 t, 其减排责任转移到了其他省区；“十三五”期间减排政策的一致性使得2017—2020年各省区的最终碳减排配额变化较小, 各省区最终碳减排配额为0~58.90×106 t.总的来看, 2016—2020年内蒙古、河北、宁夏等15省区最终碳减排配额为正, 减排规模为0.57×106~897.26×106 t；相对较高的碳减排成本使得广东、浙江、江苏等15省区未来碳排放持续上升, 上升幅度为8.08×106~278.94×106 t, 其碳减排责任将由其他省区代为承担.
 |
| 图 4 2016—2020年各省区最终碳减排量变化 Fig. 4 The change in final emission reduction quotas of each province from 2016 to 2020 |
各省区初始减排配额的流转有赖于全国碳交易市场的建立, 不同的省区碳减排配额分配方案将对省区间碳交易造成影响.图 5展示了“祖父分配方案”下30省区2016年、2018年、2020年和2016—2020年碳交易情形.具体来看, 2016年碳交易规模为2571.75×106 t, 内蒙古、河北、宁夏等11省区从市场“买入”碳减排配额, 内蒙古“买入”量最大, 为633.81×106 t, 约占市场交易量的1/4, 其余省区“买入”的碳减排配额为0.53×106~481.41×106 t.中西部省区因其减排潜力大、碳减排成本相对较低, 是主要的碳减排配额“买入”方.相比之下, 广东、江苏、浙江等19省区“卖出”碳减排配额, 规模为5.32×108~348.04×108 t.
 |
| 图 5 “祖父分配方案”下各省区碳减排配额交易量 (灰色省区为碳减排配额“买入”方, 黑色省区为碳减排配额“卖出”方；各年份“买入”的碳减排配额与“卖出”的碳减排配额相等；下同) Fig. 5 Provincial trading of emission reduction quotas under the grandfathering scheme |
2017—2019年中国碳交易市场情况与2020年相似.具体而言, 2020年中国碳交易规模将缩小至176.46×106 t, 河北、辽宁、宁夏等10省区“买入”碳减排配额, 规模为1.19×106~82.91×106 t.其中, 上海和湖北由碳减排配额交易的“卖方”转变为“买方”, 分别“买入”1.16×106 t和1.84×106 t碳减排配额, 这与其相对较低的碳减排成本和较小的初始减排配额有关.山西、陕西、新疆等20省区向其他省区“卖出”碳减排配额, 规模为0.69×106~50.73×106 t.这一时期初始减排配额的增加导致山西、陕西、新疆三省区的碳减排成本明显上升, 开始由“买方”转变为碳减排配额交易的“卖方”.
总的来看, 2016—2020年中国碳交易规模为3020.16×106 t, 内蒙古、河北、宁夏和辽宁4省区“买入”碳减排配额约占交易规模的2/3, 分别为692.07×106、659.53×106、485.16×106和431.78×106 t, 山东、甘肃、黑龙江、山西、贵州5省区“买入”碳减排配额规模为48.80×106~225.98×106 t.相比之下, 广东、浙江、江苏、吉林、湖北5省区“卖出”1506.16×106 t碳减排配额, 约占市场交易量的1/2, 天津、四川、湖南等16省区“卖出”碳减排配额规模为11.11×106~185.92×106 t.
根据“十三五”期间各年份30省区累积碳减排量, 2016—2020年碳交易价格将稳定在70.65~84.22元· t-1.进一步核算得到30省区碳减排成本, 如图 6所示, 在省区间碳交易市场建立之前, 中国完成碳减排任务的总成本约为31335.41×108元, 约占2016—2020年GDP总量的0.72%.各省区完成碳减排任务的成本差异明显, 山东、辽宁、河北三省区需分别为此承担3016.82×108、2564.52×108和2399.30×108元的碳减排成本, 其中, 山东的碳减排成本约为青海的36倍.碳减排配额的自由流动将使2016—2020年中国碳减排成本下降至28650.24×108元, 约占“十三五”期间GDP总量的0.66%.
 |
| 图 6 “祖父分配方案”下各省区碳减排总成本的构成与比较 (A为最终碳减排成本, B为碳减排配额交易成本, C为省区碳减排总成本, 下同) Fig. 6 The provincial abatement costs and trading costs under the grandfathering scheme |
碳交易市场的建设将有助于实现各省区碳减排, 其中, 内蒙古、河北、宁夏等9省区因从市场中“买入”碳减排配额而获益, 获益量为35.29×108~493.37×108元；尽管广东、浙江、江苏等21省区因“卖出”碳减排配额而需承担8.44×108~274.44×108元的交易成本, 但与其自身更为高昂的碳减排成本相比, 碳减排配额的交易亦使其从中获益.
总的来看, 浙江、吉林、天津3省区碳减排成本下降最多, 分别下降了47.64%、46.07%和37.33%；北京、广西、广东3省区降幅在11.06%~13.53%之间；宁夏、福建、湖南等8省区降幅在5.03%~9.84%之间；安徽、海南、贵州3省区的碳减排成本降幅最小, 约为2%左右.
3.3 基于“支付能力方案”的省区间碳交易市场模拟根据“支付能力方案”进行省区碳减排配额分配, 发现人均GDP和历史碳排放量增长率较低的19省区(如甘肃、云南、青海等)将获得大量碳增排配额, 规模为115.25×106~3081.33×106 t.相比之下, 山西、内蒙古、山东等9省区需承担巨大的初始减排压力, 规模为317.01×106~7963.80×106 t.省区之间初始减排配额的巨大差异可能导致减排资源大量浪费, 不利于协同减排机制的推进.因此, 本文依据碳减排省区初始减排配额权重分摊碳增排省区的碳增排配额, 使得碳增排省区的初始减排配额为0, 同时碳减排省区的初始减排压力有所下降, 以缩小省区间初始减排配额的差异, 减少各省区碳减排交易支出.
如图 7所示, 在“支付能力方案”下, 2016—2020年中国碳减排配额总量为2520.25×106 t, 各年份碳减排总量与“祖父分配方案”一致.2016—2020年省区间初始减排配额差异不大, 但山西除外, 因为其较高的历史碳排放增长率导致碳减排配额逐年增加, 由2016年的125.03×106 t增加至2020年的179.35×106 t.从“十三五”期间各省区碳减排总额来看, 山西、山东、内蒙古等11省区将承担31.02×106~737.88×106 t的初始减排配额, 其中, 山西、山东、内蒙古的初始减排配额占比超过1/2.宁夏、青海、甘肃等19省区未来的碳减排配额为0, 即中国中西部省区大多无需承担碳减排责任, 但因其相对较低的碳减排成本, 这些省区通过碳交易仍将参与到碳减排过程中来.
 |
| 图 7 “支付能力方案”下各省区初始减排配额及其总量 Fig. 7 Initial emission reduction quotas of each province under the ability-to-pay scheme |
图 8展示了基于“支付能力方案”的省区间碳交易结果.2016年, 30省区交易规模为2480.94×106 t, 其中, 内蒙古、河北、宁夏3省区是碳减排配额的“买入”大省, 配额分别为596.74×106、495.55×106和415.32×106 t, 辽宁、山西、甘肃等7省区“买入”的碳减排配额为9.46×106~277.29×106 t；广东、江苏、浙江等20省区是碳减排配额的“卖出”方, 规模为2.24×106~354.79×106 t.
 |
| 图 8 “支付能力方案”下各省区碳减排配额交易量 Fig. 8 Provincial trading of emission reduction quotas under the ability-to-pay scheme |
2017—2020年各年份的碳交易情形较为类似.以2020年为例, 中国碳交易规模缩小为306.68×106 t, 其中, 河北、辽宁、宁夏等21省区将“买入”碳减排配额, 规模为1.24×106~93.98×106 t；山西、陕西、内蒙古等8省区将“卖出”部分碳减排配额, 规模为9.24×106~139.03×106 t；天津不参与碳交易, 一方面是由于其无需承担碳减排压力, 另一方面也是因为天津的碳减排成本较高.与2016年中国碳交易市场构成情况相比, 内蒙古、山东、新疆、山西4省区由碳减排配额的“买入”方转变为“卖出”方, 一方面与这些省区相对较大的初始减排压力有关, 另一方面则与其逐渐走高的碳减排成本有关.相比之下, 较小的碳减排压力和较低的碳减排成本使得河南、海南、云南等14省区由碳减排配额的“卖出”方转变为“买入”方.
总的来看, “支付能力方案”下中国2016—2020年碳交易规模为2802.96×106 t, 河北、宁夏、内蒙古等12省区将“买入”部分碳减排配额, 规模为0.56×106~694.09×106 t.河北、宁夏、内蒙古和辽宁4省区将成为碳减排配额的“买入”大省, 其“买入”配额占比超过2/3.相比之下, 江苏、广东、浙江等18省区将成为碳减排配额的“卖出”方, 规模为8.09×106~447.03×106 t.
碳交易价格仅由各省区边际减排成本决定, 与初始减排配额的分配并无关联.因此, 在“支付能力方案”下, 2016—2020年中国碳交易价格与“祖父分配方案”方案价格一致, 保持在70.65~84.22元· t-1之间.图 9展示了“支付能力方案”下30省区的最终碳减排成本、碳交易成本和总成本.在碳交易市场建立之前, 中国碳减排总成本为31283.58×108元, 约占2016—2020年GDP总量的0.72%.在完全碳交易市场情形下, 各省区最终碳减排成本与“祖父分配方案”结果一致, 但省区间碳减排成本差异有所扩大.
 |
| 图 9 “支付能力方案”下各省区碳减排总成本的构成与比较 Fig. 9 The provincial abatement costs and trading costs under the ability-to-pay scheme |
其中, 山东碳减排成本为3166.91×108元, 约为青海的43倍, 各省区碳减排成本标准差为816.12×108元.碳减排配额的自由流动将使2016—2020年中国碳减排总成本下降至28650.24×108元, 与“祖父分配方案”一致.
从碳交易成本角度来看, 如河北、宁夏、内蒙古等12省区因从市场中“买入”碳减排配额而获益, 获益量为1.70×108~511.26×108元；江苏、广东、浙江等18省区的碳交易成本为5.26×108~324.61×108元.尽管部分省区需为碳交易承担一定费用, 但碳交易市场的建设仍使所有省区获益.其中, 浙江、吉林、天津3省区碳减排成本下降最多, 分别下降了47.87%、45.61%和36.84%；北京、广东、广西、宁夏4省区降幅在10.63%~13.09%之间；陕西、福建、湖北等7省区降幅在5.16%~7.30%之间；海南、山东、安徽和河南4省区的碳减排成本降幅最小, 约为2%左右.
3.4 基于“人口规模方案”的省区间碳交易市场模拟基于“人口规模方案”的省区初始减排配额分配结果与“支付能力方案”下的分配结果相似.广东、四川、湖南等19省区因其较大的人口规模和较低的历史碳排放增长率将获得大量的初始减排配额(138.49×106~2524.46×106 t), 而山西、内蒙古、新疆等11省区则需承担23.77×106 ~9173.89×106 t的初始减排配额.同样, 为避免省区之间初始减排配额出现巨大差异, 本文对“人口规模方案”中各省区的初始减排配额进行了调整, 调整方法参见“支付能力方案”.调整后, 山西、内蒙古、新疆等12省区初始减排配额为2.77×106~1055.87×106 t；甘肃、云南、四川等18省区无需承担碳减排责任(图 10).
 |
| 图 10 “人口规模方案”下各省区初始减排配额及其总量 Fig. 10 Initial emission reduction quotas of each province under the egalitarianism scheme |
“人口规模方案”和“支付能力方案”下的省区间碳交易情形较为接近.如图 11所示, 2016年中国碳交易规模为2430.43×106 t, 内蒙古、河北、宁夏等9省区将“买入”部分碳减排配额, 规模为46.12×106~569.87×106 t；广东、江苏、浙江等21省区“卖出”的碳减排配额在2.23×106~327.43×106 t.2017—2020年省区间碳交易变化不大, 以2020年为例, 中国碳交易规模将缩小至375.82×106 t, 河北、辽宁、山东等24省区“买入”部分碳减排配额, 规模为0.70×106~107.76×106 t；山西、新疆、内蒙古、陕西、海南5省区“卖出”其碳减排配额, 分别为198.28×106、59.23×106、59.19×106、56.95×106和2.18×106 t.与2016年省区间碳交易市场相比, 较大的初始减排压力和逐渐走高的碳减排成本使得内蒙古和山西二省区由碳减排配额的“买入”方转变为“卖出”方, “卖出”的碳减排配额分别为59.19×106 t和198.28×106 t；而河南、安徽、云南等17省区则因其较小的碳减排压力和较低的碳减排成本由碳减排配额的“卖出”方转变为“买入”方, “买入”的碳减排配额规模在0.70×106~20.16×106 t.
 |
| 图 11 “人口规模方案”下各省区碳减排配额交易量 Fig. 11 Provincial trading of emission reduction quotas under the egalitarianism scheme |
从碳交易总量上来看, 2016—2020年中国碳交易总量为2980.68×106 t.河北、辽宁、宁夏等11省区“买入”的碳减排配额为0.56×106~783.99×106 t；山西、广东、浙江等19省区为碳减排配额的“卖出”方, 规模为1.05×106~557.70×106 t.
在“人口规模方案”下, 中国初始减排总成本为31197.83×108元, 约占“十三五”期间GDP总量的0.71%；30省区最终碳减排成本与其他方案保持一致, 为28650.24×108元.如图 12所示, 从各省区碳交易成本来看, 河北、辽宁、宁夏等11省区因“买入”部分碳减排配额而获得1.71×108~580.35×108元的经济收益；山西、浙江、广东等19省区则需为其“卖出”的碳减排配额支付0.91×108~456.02×108元的成本.总的来看, 30省区都因碳交易市场的建立而获益, 其中, 浙江、吉林、天津3省区碳减排成本下降最多, 分别为46.36%、45.62%和36.84%；北京、陕西、广西、广东4省区的碳减排成本下降率在10.51%~13.09%之间；宁夏、福建、湖北等7省区碳减排成本下降率在5.16%~8.81%之间；海南碳减排成本下降率最低, 仅为0.08%.
 |
| 图 12 “人口规模方案”下各省区碳减排总成本的构成与比较 Fig. 12 The provincial abatement costs and trading costs under the egalitarianism scheme |
表 2从省区初始减排配额分配、碳交易规模、交易成本和总成本等方面揭示了“祖父分配方案”、“支付能力方案”和“人口规模方案”的差别.结果显示, 3种初始减排配额分配方案对中国碳减排总成本并无影响, 对中国初始减排总成本及中国碳交易规模影响相对较小, 其差异主要体现在省区初始减排配额极差、标准差和省区碳减排成本标准差三方面.“祖父分配方案”下省区间初始减排配额差异最小, 标准差为77.28×106 t, 分别约为“支付能力方案”和“人口规模方案”标准差的1/2和1/3.“祖父分配方案”下省区间碳减排成本差异较小, 标准差为746.94×108元.可见, 基于“祖父分配方案”的碳减排配额分配方案大大缩小了省区间初始减排配额和碳减排成本的差距, 更适合作为碳交易市场引入之前的基准分配方案.中国整体的减排效率并不受初始减排配额分配方案的影响, 但省区碳减排压力(碳交易规模和交易成本)则对初始减排配额的分配方案较为敏感.可见, 初始减排配额方案的选取将直接关系到各省区的执行意愿, 从而影响碳减排方案的落实情况.因此, 缩小省区之间初始减排配额的差异势必成为提升各省区碳减排方案执行意愿的必要条件.
| 表 2 3种方案下省区碳减排配额及市场模拟结果比较 Table 2 The comparison among the three allocation schemes |
|
自中国碳交易市场政策出台以来, 许多学者对碳交易市场进行了实证模拟(表 3).例如, Cui等(2014)认为在统一碳交易市场下, 2020年中国碳价约为53元· t-1, 碳交易市场建立后的碳减排总成本约占2020年GDP总量的0.04%；Li等(2016)通过设置不同的免费碳排放配额比重, 估算得出2030年中国碳价为24.53~152.69元· t-1, 碳减排导致的损失约占GDP总量的2.56%；Zhou等(2013)基于规划模型方法估算得到2005—2010年中国均衡碳价约为169.98元· t-1, 碳减排总成本约占GDP总量的0.03%.本文估算的2016—2020年碳减排总成本约占GDP总量的0.66%, 亦在上述文献估算的范围之内.
| 表 3 中国碳交易市场研究比较 Table 3 Comparison with other studies |
|
2020年我国各试点省区碳交易价格变化幅度不大, 稳定在9.10~88.00元· t-1之间(数据为2020年1月1日—5月26日试点省市实时碳交易价格, 源自中国碳排放交易网http://www.tanpaifang.com/).相比之下, 本文估得的2016—2020年中国碳交易价格(70.65~84.22元· t-1)在该区间以内, 但总体相对偏高.试点省区实际交易价格较低, 一方面可能与交易市场缺乏严格的减排目标有关, 因为相对宽松的减排目标将削弱减排主体通过交易市场实现碳减排的积极性, 从而导致碳交易市场价格低迷、减排成效不佳(Koch et al., 2014).因此, “十四五”时期有必要积极探索将“2030目标”与我国碳交易机制挂钩, 以配额总量约束倒逼碳交易市场发展.另一方面, 本文核算的潜在经济损失不仅考虑了省区碳减排的直接成本, 更试图将碳减排对区域宏观经济造成的间接影响纳入其中, 这可能对各省区碳减排成本曲线的模拟产生一些影响, 使得最终的碳交易价格和碳减排成本估算结果偏高.然而, 已有不少研究表明碳价过低不利于碳市场规模的扩大和碳减排目标的实现.鉴于我国应对气候变化工作特别是温室气体减排依然面临巨大压力, 考虑碳交易市场的潜在经济损失无疑将对推进全国碳交易市场建设产生积极意义.
需要强调的是, 本文核算的“碳减排配额”反映了地区减排压力的大小, 其交易逻辑恰好与“碳排放配额”相反.具体表现为碳减排成本较低的地区通过交易承担更多的“减排配额”, 故为“买入”方；相反, 减排成本较高的地区则通过交易转移“减排配额”, 故为“卖出”方.此外, 本文基于文献选取了3种主流碳排放权分配方案以解释其对省区碳交易和减排行为的影响, 暂未将企业尺度分配所采用的标杆法等其他分配方案纳入考量.特别需要指出的是, 本文通过模拟不同排放权分配方案下各省区交易策略及其减排成本的差异, 旨在揭示初始排放权分配对省区碳减排成本的影响, 为科学优化碳交易策略提供理论依据.下一步还应与当前碳交易市场实际运行情况进行深入比较, 进一步探寻制约碳市场发展的症结所在, 为加快完善省区间碳交易机制提供决策参考.
5 结论(Conclusions)1) 2016—2020年中国碳减排配额总量为2520.25×106 t, 不同的初始减排配额分配方案不会对各省区最终碳减排配额、中国碳减排总成本和碳交易价格产生影响；但不同分配方案下各省区在初始减排配额、碳交易规模和交易成本方面存在较大差异, 差别化的控排政策是保证“十三五”方案顺利实现的关键.在“支付能力方案”下, 30省区初始减排配额的标准差高达167.66×106 t, 其中, 山西、山东、内蒙古等11省区将承担31.02×106~737.88×106 t的碳减排配额, 而宁夏、青海、甘肃等19省区无需承担碳减排责任；同时, 省区之间碳减排成本差异悬殊, 标准差为792.47×108元.在“人口规模方案”下, 30省区初始减排配额的标准差高达105.59×106 t, 山西、内蒙古、新疆等12省区碳减排配额为2.77×106~1055.87×106 t；甘肃、云南、四川等18省区无需承担碳减排责任；各省区碳减排成本标准差为771.35×108元.
2) 相比之下, “祖父分配方案”下省区间初始减排配额和碳减排成本的差异较小, 更能体现初始分配过程的公平性.具体而言, 山西、山东、内蒙古需承担较大减排压力, 其初始减排配额分别为382.53×106、210.88×106和205.18×106 t；青海、北京、天津、海南4省区初始减排配额不足20×106 t.在碳减排量较小的情况下, 宁夏、山西、陕西等中西部省区的碳减排成本相对较小, 但地区产业结构差异可能导致上述省区碳减排成本随累积碳减排量的上升而迅速走高.2016—2020年, 中国碳交易规模为3020.16×106 t, 其中, 内蒙古、河北、宁夏等9省区“买入”的碳减排配额为48.80×106~692.07×106 t, 广东、浙江、江苏等21省区“卖出”的碳减排配额为200.62×106~384.08×106 t.最终, 内蒙古、河北、宁夏等15省区的碳减排配额为正, 减排规模为0.57×106~892.26×106 t；相对较高的碳减排成本使得广东、浙江、江苏等15省区未来碳排放持续上升, 上升幅度为8.08×106~278.94×106 t.研究表明, 在完全碳交易市场情形下, 中国总体碳减排成本为28650.24×108元, 约占“十三五”期间GDP总量的0.66%, 碳交易价格大约在70.65~84.22元· t-1之间, 总体略高于当前各试点区域的碳交易价格.与无碳交易机制情形相比, 中国总碳减排成本下降8.57%, 全行业的碳交易市场建设可为省区碳减排提供重要助力, 所有省区碳减排成本将降低, 其中, 浙江、吉林、天津3省区收益最大, 碳减排成本降幅分别为47.64%、46.07%和37.33%.
6 展望(Prospect)本研究仅对“十三五”期间中国碳减排配额分配及其交易进行了探索, 今后应从以下几个方面进一步深化和拓展：①将模拟结果与碳交易市场现状进行比较, 探寻制约碳市场发展的主要症结及其破解途径；②结合情景分析方法对未来经济社会和能源消费变化趋势进行预测, 为中国碳减排配额总量的确定提供多样化的结果；③拓展初始排放权分配方案的比较范畴, 解析我国碳交易试点省市中普遍采用的标杆分配法等对省区碳交易策略及其减排成本的潜在影响；④运用多种成本核算方法模拟各省区边际减排成本曲线, 为模拟碳减排配额再分配及其均衡交易价格寻求最优解；⑤开展中国“2030目标”下的碳减排配额分配研究, 以3~5年为一个周期进行碳交易市场连续模拟.总之, 政府主导初始排放权分配、市场进行碳排放权交易, 有助于各省区提升资源配置效率、降低减排成本, 一定程度上避免单一手段可能导致的市场失灵或政府失灵问题, 为中国积极应对气候变化、加快构建区域协同减排机制提供支撑.
Cai B, Bo X, Zhang L, et al. 2016. Gearing carbon trading towards environmental co-benefits in China:Measurement model and policy implication[J]. Global Environmental Change, 39: 275-284. DOI:10.1016/j.gloenvcha.2016.05.013 |
Chang K, Zhang C, Chang H. 2016. Emissions reduction allocation and economic welfare estimation through interregional emissions trading in China:Evidence from efficiency and equity[J]. Energy, 113: 1125-1135. DOI:10.1016/j.energy.2016.07.113 |
Cui L B, Fan Y, Zhu L, et al. 2014. How will the emissions trading scheme save cost for achieving China's 2020 carbon intensity reduction target?[J]. Applied Energy, 136: 1043-1052. DOI:10.1016/j.apenergy.2014.05.021 |
Dai H, Xie Y, Liu J Y, et al. 2018. Aligning renewable energy targets with carbon emissions trading to achieve China's INDCs:A general equilibrium assessment[J]. Renewable and Sustainable Energy Reviews, 82: 4121-4131. DOI:10.1016/j.rser.2017.10.061 |
丁仲礼, 段晓男, 葛全胜, 等. 2009. 2050年大气CO2浓度控制——各国排放权计算[J]. 中国科学D辑:地球科学, 39(8): 1009-1027. |
段宏波, 汪寿阳. 2019. 中国的挑战:全球温控目标从2℃到1.5℃的战略调整[J]. 管理世界, 35(10): 50-63. |
段茂盛, 庞韬. 2014. 全国统一碳排放权交易体系中的配额分配方式研究[J]. 武汉大学学报(哲学社会科学版), 67(5): 5-12. |
范英. 2018. 中国碳市场顶层设计:政策目标与经济影响[J]. 环境经济研究, 3(1): 1-7. |
Fang K, Zhang Q F, Long Y, et al. 2019. How can China achieve its intended nationally determined contributions by 2030? A multi-criteria allocation of China's carbon emission allowance[J]. Applied Energy, 241: 380-389. DOI:10.1016/j.apenergy.2019.03.055 |
方恺, 李帅, 叶瑞克, 等. 2020. 全球气候治理新进展-区域碳排放权分配研究综述[J]. 生态学报, 40(1): 10-23. |
方恺, 张琦峰, 叶瑞克, 等. 2018. 巴黎协定生效下的中国省际碳排放权分配研究[J]. 环境科学学报, 38(3): 1224-1234. |
何建坤. 2018. 新时代应对气候变化和低碳发展长期战略的新思考[J]. 武汉大学学报:哲学社会科学版, 71(4): 13-21. |
Jiang J, Xie D, Ye B, et al. 2016. Research on China's cap-and-trade carbon emission trading scheme:Overview and outlook[J]. Applied Energy, 178: 902-917. DOI:10.1016/j.apenergy.2016.06.100 |
Koch N, Fuss S, Grosjean G, et al. 2014. Causes of the EU ETS price drop:Recession, CDM, renewable policies or a bit of everything?-New evidence[J]. Energy Policy, 73: 676-685. DOI:10.1016/j.enpol.2014.06.024 |
李堃, 王奇. 2019. 基于文献计量方法的碳排放责任分配研究发展态势分析[J]. 环境科学学报, 39(7): 2410-2433. |
Li W, Jia Z. 2016. The impact of emission trading scheme and the ratio of free quota:A dynamic recursive CGE model in China[J]. Applied Energy, 174: 1-14. DOI:10.1016/j.apenergy.2016.04.086 |
李小胜, 宋马林. 2015. "十二五"时期中国碳排放额度分配评估-基于效率视角的比较分析[J]. 中国工业经济, (9): 99-113. |
Lin B, Jia Z. 2017. The impact of emission trading scheme (ETS) and the choice of coverage industry in ETS:A case study in China[J]. Applied Energy, 205: 1512-1527. DOI:10.1016/j.apenergy.2017.08.098 |
潘家华. 2016. 碳排放交易体系的构建, 挑战与市场拓展[J]. 中国人口·资源与环境, 26(8): 1-5. DOI:10.3969/j.issn.1002-2104.2016.08.001 |
Pan X, Teng F, Wang G. 2014. Sharing emission space at an equitable basis:Allocation scheme based on the equal cumulative emission per capita principle[J]. Applied Energy, 113: 1810-1818. DOI:10.1016/j.apenergy.2013.07.021 |
钱浩祺, 吴力波, 任飞州. 2019. 从"鞭打快牛"到效率驱动:中国区域间碳排放权分配机制研究[J]. 经济研究, (3): 86-102. |
Salant S W. 2016. What ails the European Union's emissions trading system?[J]. Journal of Environmental Economics and Management, 80: 6-19. DOI:10.1016/j.jeem.2016.06.001 |
Tang L, Wu J, Yu L, et al. 2015. Carbon emissions trading scheme exploration in China:A multi-agent-based model[J]. Energy Policy, 81: 152-169. DOI:10.1016/j.enpol.2015.02.032 |
Tang W, Wu L. 2013. Efficiency or equity? Simulating the carbon emission permits trading schemes in China based on an inter-regional CGE model[J]. GTAP discussion paper. |
汪鹏, 戴瀚程, 赵黛青. 2014. 基于GD_CGE模型的广东省碳排放权交易政策评估[J]. 环境科学学报, 34(11): 2925-2931. |
Wei D, Rose A. 2009. Interregional sharing of energy conservation targets in China:Efficiency and equity[J]. The Energy Journal, 30: 81-111. |
魏立佳, 彭妍, 刘潇. 2018. 碳市场的稳定机制:一项实验经济学研究[J]. 中国工业经济, (4): 174-192. |
Wu R, Dai H, Geng Y, et al. 2016. Achieving China's INDC through carbon cap-and-trade:Insights from Shanghai[J]. Applied Energy, 184: 1114-1122. DOI:10.1016/j.apenergy.2016.06.011 |
Xiong L, Shen B, Qi S, et al. 2015. Assessment of allowance mechanism in China's carbon trading pilots[J]. Energy Procedia, 75: 2510-2515. DOI:10.1016/j.egypro.2015.07.249 |
张希良. 2017. 国家碳市场总体设计中几个关键指标之间的数量关系[J]. 环境经济研究, 2(3): 1-5. |
Zhou P, Zhang L, Zhou D Q, et al. 2013. Modeling economic performance of interprovincial CO2 emission reduction quota trading in China[J]. Applied Energy, 112: 1518-1528. DOI:10.1016/j.apenergy.2013.04.013 |