论文部分内容阅读
摘 要：以煤炭为分析对象，估计我国2017年征收碳税对2030年的CO2排放效果的影响。在考虑结构性变动的前提下，用协整模型估计煤炭的长期价格弹性。同时，用VEC模型来预测2017年煤炭的价格指数。然后分析在2017年对煤炭征不同的碳税导致的CO2排放量的效果。实证结果显示，在考虑了结构性变动的前提下，我国煤炭的长期价格弹性是-0.51；在2017年当对每吨标准煤分别征收50元、100元、150元和200元的碳税时，可以导致煤炭人均消费在2020年分别减少2.75%、5.5%、8.25%和11%；CO2排放量分别减少4.9%、9.8%、14.69%和19.59%。
关键词：碳税；CO2排放量；人均煤炭消费量
中图分类号：F062.2 文献标志码：A 文章编号：1673-291X（2016）19-0068-05
引言
2009年12月初举行的哥本哈根会议拉开了低碳经济大幕，国务院总理温家宝在召开的国务院常务会议上制定了我国到2020年温室气体排放的行动目标，到2020年我国单位国内生产总值的CO2排放量比2005年下降40%～45%，并将此作为约束性指标纳入国民经济和社会发展规划。根据国际能源机构（IEA）的数据显示，1995年我国的CO2排放量是30亿吨，占全世界的13%；但是十年后，CO2排放量增加到51亿吨，占全世界排放的19%；到了2006年我国排放了全世界20%的CO2，成了仅次于美国的世界第二大CO2排放国；而到2007年，它俨然已是世界上最大的排放国。我国经济正处于高碳转低碳的关键时点，但作为世界上最大的CO2排放国之一，面临着巨大的减排压力。王毅等（2015）通过模型研究发现，2030年前后中国的碳排放将达到排放峰值。
大气中二氧化碳的浓度主要取决于能量消耗的多少，从而产生热量的多少（Houghton and Woodwell，1989）。在各种人类生产生活所产生的CO2中，能源的消费所产生的CO2量占了总排放量的83%。从2000年以来，我国经济的快速增长，重工业的迅速扩张，如钢和铁的需求大增，城市化过程加快等导致能源需求加速增长，扭转了能源消费以前的下降趋势（张？菖？菖等，2009），而到2006年一次能源需求增加了55%，占全球一次能源需求的16%（IEA，2008）。伴随着能源的大量使用，CO2排放量也在逐年上升，最显著的是大约有66%～84%的与能源消费有关的CO2排放来自于煤炭的燃烧（CDIAC，2006）。总所周知，能源的消费在我国并没有以一种较为合理的方式进行（Watson et al.，2010），从20世纪90年代以来，我国就成了世界上最大的煤炭生产和消费国（Andrews，2004）。我国的一次能源资源存在“富煤、缺油、少气”的现状，2007年煤炭在我国的消费量在占总能源消费的70%，远远高于其他发达国家甚至是世界平均水平，2008年更有大约27亿吨煤炭被生产开发。煤炭的大量使用除了因为它在我国的资源储存广泛以外，还有就是使用成本低廉。尽管煤炭的使用成本越来越高，但其使用现状在我国短时间是很难改变的。
21世纪以来，我国已采取了一系列相关能源政策，以实现全面，协调，可持续发展的道路。政府于2005年颁布了首个能源建设条例，尽管相对于发达国家的同类法规此条例并不严格（王？菖？菖等，2009）；2006年国务院正式颁布了加强节能工作的第一份文件，其中明确宣布了节能的相关税收优惠政策；2009年温家宝总理在国务院常务会议上宣布了我国2020年的碳排放目标，即单位GDP的CO2排放量比2005年减少40%～45%。从现实来看，我国经济正处在由高碳经济向低碳经济的转折点上，在对能源需求日益增长的现状下，作为世界上最大排放国之一，将会面临巨大的CO2排放压力。
除了新能源的开发和清洁高效地利用传统能源等方式以外，最重要的减少CO2排放的方法之一就是对含碳的能源开征碳税。早在20世纪90年代，北欧的一些国家就引入了碳税，到目前为止，奥地利、捷克、丹麦、爱沙尼亚、芬兰、德国、意大利、荷兰、挪威、瑞典、瑞士和英国等国家征收碳税，日本、新西兰也在考虑中。理论和实证研究上也有很多进展：Fullerton and Sarah（2002）以石油为研究对象，认为碳税在减排过程中是可行的措施；Nakata and Lamont（2001）在评估了日本的CO2排放量时发现碳税可以有效地减少CO2排放量；Bruvoll and Larsen（2004）分析了挪威的空气污染时发现在20世纪90年代的高额碳税的征收导致了CO2排放量减少了2%；Hensher（2008）分析了澳大利亚各种CO2排放量减少的政策，研究结果显示碳税是最有效的减排措施，分析出由碳税带来的CO2排放量的减少达5%；苏明等（2005）、王灿等（2005）、王金南等（2009）分别用CGE模型分析了不同的碳税税率方案对我国宏观经济、CO2排放等的影响效果。但是，目前对我国2020年的碳排放问题进行的类似研究还不是很多，已有研究中亦较少有文献考虑到2006年的能源节约税收优惠政策对能源未来的消费的影响。
本文在考虑了结构性变动的前提下，运用协整和误差纠正模型对在2017年煤炭（这里主要是指从煤矿中挖掘出来，未经过洗选加工的，如未特殊说明，本文中的煤炭都指原煤）征不同的碳税而导致的2020年的CO2排放量的减少效果进行了实证分析。剩余的文章结构如下：第二章阐述了协整模型和误差纠正（VEC）模型，两个模型都将考虑结构性变动。第三章描述了1978—2013年的相关数据及其实证结果。第四章估计了增加不同碳税时的CO2排放量减少效果，第五章对本文做了总结。
一、模型介绍
本文运用协整模型来估计煤炭的长期价格弹性，误差纠正模型来预测2017年的煤炭价格指数。目前国外文献中对能源需求的研究所采用的计量方法主要有：单方程回归模型（Gately & Rappoport，1988；Brown & Phillips，1991）；面板数据模型（Miguel，2000）；动态因素需求模型（Watkins，1991；Feng Yi，2000）；协整和误差修正模型（Ferreira，2005；Keiko Yamaguchi，2007），其中协整和误差修正模型以分析非平稳性的时间序列而应用最为广泛。由于大部分的时间序列都是不平稳的，而传统计量经济模型以时间序列平稳性为假设，遇到非平稳数列时其残差过程可能也是一个非平稳过程，从而与残差相关的检验统计量就会发生偏倚，使相关的检验失效，并可能出现线性回归无意义的“伪回归”问题。而协整分析方法认为非平稳时间序列变量之间的某种线性组合是平稳的，它反映了变量之间一种长期均衡关系。因此，协整和误差修正模型被广泛用于拟合各国的能源需求，估计能源需求弹性。 （一）协整（Co-integration）模型
一般说来，价格是解释能源需求的重要变量（Dahl and Sterner，1990），而GDP是重要的宏观经济控制变量（Dahl，1991；Kilian，2008；Goulder et al.，2009）。除此之外，我们也考虑了其他的控制变量，如石油的消费量、可再生能源的消费量（文章中我们只考虑了水能、风能和核能资源，目前在中国使用较为广泛的可再生资源就是这三个）。我国为深入贯彻科学发展观，落实节约资源基本国策，调动社会各方面力量进一步加强节能工作，加快建设节约型社会，实现“十一五”规划纲要提出的节能目标，促进经济社会发展切实转入全面协调可持续发展的轨道，在2006年颁布了《国务院关于加强节能工作的决定》，这是国务院正式颁布的第一份节能工作的文件，其中明确宣布了节能的相关税收优惠政策。发展改革委更是将“十一五”规划纲要确定的单位GDP能耗降低目标分解落实到各省、自治区、直辖市，省级人民政府要将目标逐级分解落实到各市、县以及重点耗能企业，实行严格的目标责任制；并且统计局、发展改革委等部门每年要定期公布各地区能源消耗情况，省级人民政府要建立本地区能耗公报制度，将能耗指标纳入各地经济社会发展综合评价和年度考核体系，作为地方各级人民政府领导班子和领导干部任期内贯彻落实科学发展观的重要考核内容，作为国有大中型企业负责人经营业绩的重要考核内容，实行节能工作问责制。而这将对能源的消费结构有一定程度的影响，有研究表明税收政策特别是在发展中国家可以有效地调整企业的行为（Slemrod，2008），节能税收优惠政策亦是如此，它可以影响企业和家庭的能源消费行为，使得他们在一定程度上选择消费相对便宜的能源。从长期来看，当煤炭变得越来越“贵”的情况下，许多企业和家庭就会选择其可替代的资源，如水能、风能和核能等可再生资源。我国煤炭订货会议从计划经济时期延续下来已几十年，被称为煤炭领域“计划经济的恐龙”，2006年12月发改委下发了《关于做好2007年跨省区煤炭产运需衔接工作的通知》，终于对其做出彻底改革，通知表示2007年将进一步改革跨省区煤炭产运需衔接工作，加快建立统一开放、竞争有序的现代煤炭市场体系。自此重点电煤的特殊优惠政策彻底结束，煤炭价格完全放开。本文用哑变量θ来定义这两个重大事件，试图解释能源消费的结构性变动。
θ=0，if t∈[1978，2006]1，if t∈[2007，2012]
这里t表示年份，t=2006定义了结构性变动的时间点。
因此，协整模型可以定义为：
lct=α0+α1lpt+α2lgt+α3lot+α4lmt+α5θ+εt （1）
其中，lct表示t年的人均煤炭消费量的指数形式，lpt表示t年的煤炭定基实际价格指数（以1978为基数年）的指数形式，lgt表示t年的人均实际GDP的指数形式（用CPI平减，去除了通货膨胀的影响），lot表示t年的人均石油消费量的指数形式，lmt表示t年的人均可再生能源消费量的指数形式，εt表示t年的残差。由此，lpt的系数α1就表示煤炭的长期价格弹性。
为了检验各个时间序列的性质，即公式（1）的协整阶数，我们用PP检验和KPSS检验来验证lct，lpt，lgt，lot和lmt的稳定性。PP检验的原假设是时间序列不稳定而KPSS检验的原假设是时间序列是稳定的。估计了公式（1）后，单位根检验是将残差序列应用下面的公式（2）中：
其中，t表示公式（1）估计的残差，k≥1（当k=1时，γ0=0）是公式（2）的滞后阶数，近似于白噪声过程。
接下来，我们用协整检验（Engle and Granger，1987）同时考虑到作为外生变量的结构性变化，来检查是否存在一个稳定的长期关系。当所有变量具有一样的协整阶数时，协整检验才有意义，而在下一章节的所有变量的单位根检验表明它们的确如此。在其他的一些类似研究中已经证实了能源的需求和宏观经济变量之间存在稳定的协整关系（Bentzen，1994；Ramanathan，1999；Ferreira，2005；Keiko Yamaguchi，2007）。其中，我们用约翰森统计量来检验时间变量之间的长期关系。
（二）误差纠正（VEC）模型
能源的价格，如煤炭总会与宏观经济总量之间存在内生性问题（Kilian，2008），经济的发展会促进能源的需求，与此同时能源的消费又进而促进经济的发展。VEC模型是公认的有效处理经济变量内生性问题的方法，它通常用于预测相互关联的时间序列系统，这种方法回避了结构模型处理系统中所有的内生变量的需要，通常这些内生性变量会以滞后项的形式出现在函数系统中。误差纠正模型（VEC）是基于协整关系经过阿尔法系数调整的VAR模型，考虑了2006年和2007年的结构性变动的VEC（p）模型的简化形式如下：
其中，yt是K×1时间序列向量，A1，…，Ap是K×K的相关变量的系数矩阵，ωt是K×1冲击和不可观测的零均值白噪声过程，它亦被称为预测误差，可能存在同期自相关性，但与自身的跨期变量和方程右边所有变量不相关。
同样的逻辑运用到更具体的VEC（p）模型中，此模型允许在一定范围内lct，lpt，lgt，lot和lmt无限制滞后，滞后阶数设定为p，其中，yt=（lct，lpt，lgt，lot，
二、数据及实证结果
样本区间为1978—2013年，煤炭、石油和可再生能源的消费量原始数据来源于《中国能源统计年鉴》，为了便于比较分析，我们使用年鉴给出的标准煤量档（单位：万吨标准煤）；为了排除人口规模对模型估计的影响，我们在此用人均的能源消费量，人口数量来自《我国统计年鉴》。煤炭价格指数的原始数据来源于《中国物价年鉴》，定1978年为基年100进行环比计算所得，同时我们使用CPI平减法排除了通货膨胀的影响。GDP数据也来源于《中国统计年鉴》，同样使用人均值和排除了通货膨胀的影响，所有的数据使用年度值。 表1的结果显示了数据的性质，没有一个时间系列在零阶条件下存在平稳性，而对各个时间序列进行差分后可知，lct在10%显著水平上拒绝PP检验的原假设，其余时间序列差分后也至少在5%的显著水平上拒绝PP检验的原假设；对于KPSS检验，差分后的时间序列均不能拒绝其平稳的原假设。因此认为，lct，lpt，lgt，lot和lmt都是一阶单整的。
由于所有时间系列存在具有同样的协整阶数，这样，我们就有了进一步检验协整关系的可能性。表2显示了Johansen协整检验，同时在此检验中我们认为，时间系列没有确定性趋势但有截距项。结果表明，这5个变量在考虑2006年结构性变化的情况下，在5%的显著性水平上存在一个稳定的长期协整关系。然后，我们得到了变量之间的标准化后的长期关系，回归结果（见下页表3）。
设定协整检验的时间序列仅含有截距项，不含有确定性趋势。
从下页表3的结果来看，煤炭的人均消费量与其价格之间存在负的相关关系，而这与期望相符。尽管煤炭的价格系数不十分显著，这与我国几十年的煤炭计划定价制度有一定的关系，但2007年开始电煤价格完全由市场决定会使得其价格的作用愈加明显。由表3可知，表示煤炭的长期价格弹性是-0.51，从长期来看，煤炭的价格上升会导致消费量降低，当煤炭价格上升1%，煤炭的人均消费量会降低0.51%。人均GDP的系数为正，并且在5%的显著水平上异于零，说明人均煤炭消费量与人均GDP之间存在正相关关系，当人均GDP增加1%，会导致人均煤炭消费量增长1.78%。与此同时，人均煤炭消费量与人均石油消费量呈负相关关系，石油在一定程度上削弱了煤炭作为主要能源的地位，随着经济的发展，石油的使用量会逐步增加。在涉及到可再生能源时，人均煤炭消费量与人均可再生能源的消费呈负相关的关系，这也与预期保持一致。煤炭在我国用于发电的比例占34%，而水能、核能和风能都是用于发电而产生能量的，在一定程度上与煤炭是替代关系。
误差纠正模型的估计方程结果显示如下：
三、碳税的效果估计
由于《京都议定书》规定附件1国家的截止履约时间为2017年，期限之后全球为应对气候变化必然会形成新的格局。除此之外，根据“巴厘岛路线图”达成的协议，2017年后在要求发达国家承担可测量、可报告、可核实的减排义务的同时，也要求发展中国家采取可测量、可报告、可核实的适当减排温室气体行动。在此背景下，我国在2017年开征碳税无疑为最理想的时机。
我们在估计出煤炭的长期价格弹性的基础上，在2017年征收碳税，以此预测煤炭2020年由此所减少的CO2排放量。
公式（3）中表示估计出的煤炭长期价格弹性，这里为-0.51；τ表示征收的碳税，这里我们分别对每吨标准碳（在中国，能源的种类有很多，所含的热量也各不相同，为了便于相互对比和在总量上进行研究，定每公斤含热7 000大卡（29 306千焦）的煤为标准煤，1公斤原煤=0.7143公斤标煤）征50元、100元、150元和200元碳税（中国气候变化国别研究组采用一种可计算的一般均衡（ERI-SGM）模型，结合我国实际试算了两种碳税税率方案，即100元/吨碳和200元/吨碳。其结果初步显示征收碳税可显著地降低能源消费的增长，改善能源的消费结构，并能有效地削减温室气体的排放）；p表示煤炭的真实价格。公式（3）可以预测出碳税所带来的煤炭的消费量的减少。2013年全国原煤实际平均价格为550元/吨，由VEC模型得出的2017年煤炭真实价格指数为2 000.37，根据一些简单的数学计算我们可以得出，2017年全国原煤实际平均价格为498.14元/吨。
表4描述了在2017年对煤炭征收不同的碳税可以使得在2020年碳排放减少的效果。估计显示，2017年每吨标准煤征收50元碳税（50×0.7143 =35.72元，每吨原煤的实际碳税额为35.72元）将导致煤炭消费量在2020年减少2.75%；当在2017年我们对每吨标准煤征税200元，煤炭的消费量会下降11%。值得注意的是，这里谈及的煤炭消费量减少只是由碳税所带来的，在这里我们不考虑其他因素所引起的消费量减低。然而，估计煤炭征碳税的效果，只是在估计这种影响对二氧化碳排放量的影响的第一步。根据能源研究所国家发展和改革委员会提供的数据显示，每吨煤炭的燃烧相当于1.781吨CO2或0.486吨碳的排放。碳税对CO2排放量的影响（见表4第2行），当在2017年对每吨标准煤征收50元碳税时，它可以带来4.9%的CO2排放量的减少，而200元的碳税可以导致CO2排放量在2020年减低19.59%。
以上分析中，CO2排放量的减少只是由对煤炭征收碳税所带来的，分析时我们没有考虑其他能源的CO2排放的减少，如石油。尽管协整模型可以有效地分析能源的宏观变量等之间的长期均衡关系，但由于未来存在很多不确定性因素，这都可能对预测结果有一定的影响。随着经济的发展，人们生活水平的提高，更有效率的生产方式可能被使用，家庭的节能意识也会增强，从而选择更节能的生活方式。这些再加上新能源的发明使用等都会使长期的CO2排放量降低更多。除此之外，我们在分析中并没有考虑碳税的管理成本问题，而这可能会导致碳税带来的排放量的减少会有不同的结果，而这也将是我们下一步研究的方向。
结论
碳税是碳减排的一种重要经济手段，近期在我国征收碳税是一种可行的选择，对我国抑制温室气体排放、环境保护和促进节能减排具有积极的作用，它具有财政收入的特点，对国家政府具有一定的吸引力。同时，其政策实施的可操作性较好，并且在一些国家已取得一些经验，是我国应对气候变化的重要政策选择，有效地利用碳税这一经济手段可使我国在气候变幻的国际谈判中争取更大的主动权。
碳税的征税依据有两种情况，大部分国家实际是按碳含量征税（丹麦、瑞典和挪威等国），只有少数国家（波兰、捷克等）是直接对二氧化碳或一氧化碳的排放量征税，这主要是因为第一种方法在技术上更为简单易行，不用考虑能源效率改进技术和碳回收利用技术。我国碳税税率方案宜遵循逐步提高、循序渐进的原则。根据实际国情，我国2017年征收碳税税率宜为每吨标准碳50元，以后根据实际情况不同地区逐步提高。从充分发挥碳税政策的社会效应角度考虑，碳税征收对象应选择“下游”消费环节。一方面将使那些出口工业避免受到最不利的影响，另一方面能源用户仅得到间接信号，从而减少能源消耗。碳税税收循环的主要目标是效率和公平，碳税收入可以纳入一般预算管理。而且碳税收入的合理使用对碳税征收效果有着重要影响。对我国而言，碳税税收的最大目的是促进企业节能和鼓励可再生能源的发展，因此，碳税收入应重点用于对可再生能源发展和企业节能的鼓励。 总之，我国在制定减排政策措施时，应将碳税作为一个重要的选择加以考虑，为使碳税方案不对经济发展产生较大影响，我国碳税税率宜从低方案起征，按照循序渐进的原则，逐步形成完善的碳税税制。同时，必须切实加强碳税收入的合理使用，达到碳税征收的预期激励效果。
参考文献：
[1] Abdul Jalil，Syed F.Mahmud.Environment Kuznets curve for CO2 emissions：a cointegration analysis for China.Energy Policy，2009，（37）：5167-5172.
[2] Benz E.，Truck S..Modeling the price dynamics of CO2 emission allowances.Energy Economics，2009，（1）：4-15.
[3] Bessec M.，Fouquau，J..The non-linear link between electricity consumption and temperature in Europe：a threshold panel approach.Energy Economics，2008，（5）：2705-2721.
[4] Chunbo Ma，David I.Stern.Biomass and China’s carbon emissions：a missing piece of carbon decomposition.Energy Policy，2008，（36）：2517-2526.
[5] Engle R.F.，Granger C.W.J..Co-integration and error correction：representation，estimation，and testing.Econometrica，1987，（55）：251-276.
[6] Peters G.，Hertwich E.G..Structural analysis of international trade：environmental impacts of Norway.Economic Systems Research，2006，（18）：155-181.
[7] Schmalensee，Richard，Thomas M.Stoker.Household gasoline demand in the United States.Econometrica，1999，（3）：645-662.
[8] Sterk W.，Kruger，J..Establishing a transatlantic carbon market.Climate Policy，2009，（9）：389-401.
[9] Tao Wang，Jim Watson.Scenario analysis of China’s emissions pathways in the 21st century for low carbon transition.Energy Policy，2010，（38）：3537-3546.
[10] 张丽峰.产业能源消费与产业发展的协整与误差修正模型分析[J].经济经纬，2005，（6）.
[11] 任少飞，冯华.中国经济增长与煤炭消费结构的关系[J].财经科学，2006，（25）.
[12] 林伯强，魏巍贤，李丕东.中国长期煤炭需求：影响与政策选择[J].统计研究，2007，（2）.
[14] 王灿，陈吉宁，邹骥.基于模型的减排对中国经济的影响[J].清华大学学报：自然科学版，2005，（12）.
[责任编辑 陈丽敏]
关键词：碳税；CO2排放量；人均煤炭消费量
中图分类号：F062.2 文献标志码：A 文章编号：1673-291X（2016）19-0068-05
引言
2009年12月初举行的哥本哈根会议拉开了低碳经济大幕，国务院总理温家宝在召开的国务院常务会议上制定了我国到2020年温室气体排放的行动目标，到2020年我国单位国内生产总值的CO2排放量比2005年下降40%～45%，并将此作为约束性指标纳入国民经济和社会发展规划。根据国际能源机构（IEA）的数据显示，1995年我国的CO2排放量是30亿吨，占全世界的13%；但是十年后，CO2排放量增加到51亿吨，占全世界排放的19%；到了2006年我国排放了全世界20%的CO2，成了仅次于美国的世界第二大CO2排放国；而到2007年，它俨然已是世界上最大的排放国。我国经济正处于高碳转低碳的关键时点，但作为世界上最大的CO2排放国之一，面临着巨大的减排压力。王毅等（2015）通过模型研究发现，2030年前后中国的碳排放将达到排放峰值。
大气中二氧化碳的浓度主要取决于能量消耗的多少，从而产生热量的多少（Houghton and Woodwell，1989）。在各种人类生产生活所产生的CO2中，能源的消费所产生的CO2量占了总排放量的83%。从2000年以来，我国经济的快速增长，重工业的迅速扩张，如钢和铁的需求大增，城市化过程加快等导致能源需求加速增长，扭转了能源消费以前的下降趋势（张？菖？菖等，2009），而到2006年一次能源需求增加了55%，占全球一次能源需求的16%（IEA，2008）。伴随着能源的大量使用，CO2排放量也在逐年上升，最显著的是大约有66%～84%的与能源消费有关的CO2排放来自于煤炭的燃烧（CDIAC，2006）。总所周知，能源的消费在我国并没有以一种较为合理的方式进行（Watson et al.，2010），从20世纪90年代以来，我国就成了世界上最大的煤炭生产和消费国（Andrews，2004）。我国的一次能源资源存在“富煤、缺油、少气”的现状，2007年煤炭在我国的消费量在占总能源消费的70%，远远高于其他发达国家甚至是世界平均水平，2008年更有大约27亿吨煤炭被生产开发。煤炭的大量使用除了因为它在我国的资源储存广泛以外，还有就是使用成本低廉。尽管煤炭的使用成本越来越高，但其使用现状在我国短时间是很难改变的。
21世纪以来，我国已采取了一系列相关能源政策，以实现全面，协调，可持续发展的道路。政府于2005年颁布了首个能源建设条例，尽管相对于发达国家的同类法规此条例并不严格（王？菖？菖等，2009）；2006年国务院正式颁布了加强节能工作的第一份文件，其中明确宣布了节能的相关税收优惠政策；2009年温家宝总理在国务院常务会议上宣布了我国2020年的碳排放目标，即单位GDP的CO2排放量比2005年减少40%～45%。从现实来看，我国经济正处在由高碳经济向低碳经济的转折点上，在对能源需求日益增长的现状下，作为世界上最大排放国之一，将会面临巨大的CO2排放压力。
除了新能源的开发和清洁高效地利用传统能源等方式以外，最重要的减少CO2排放的方法之一就是对含碳的能源开征碳税。早在20世纪90年代，北欧的一些国家就引入了碳税，到目前为止，奥地利、捷克、丹麦、爱沙尼亚、芬兰、德国、意大利、荷兰、挪威、瑞典、瑞士和英国等国家征收碳税，日本、新西兰也在考虑中。理论和实证研究上也有很多进展：Fullerton and Sarah（2002）以石油为研究对象，认为碳税在减排过程中是可行的措施；Nakata and Lamont（2001）在评估了日本的CO2排放量时发现碳税可以有效地减少CO2排放量；Bruvoll and Larsen（2004）分析了挪威的空气污染时发现在20世纪90年代的高额碳税的征收导致了CO2排放量减少了2%；Hensher（2008）分析了澳大利亚各种CO2排放量减少的政策，研究结果显示碳税是最有效的减排措施，分析出由碳税带来的CO2排放量的减少达5%；苏明等（2005）、王灿等（2005）、王金南等（2009）分别用CGE模型分析了不同的碳税税率方案对我国宏观经济、CO2排放等的影响效果。但是，目前对我国2020年的碳排放问题进行的类似研究还不是很多，已有研究中亦较少有文献考虑到2006年的能源节约税收优惠政策对能源未来的消费的影响。
本文在考虑了结构性变动的前提下，运用协整和误差纠正模型对在2017年煤炭（这里主要是指从煤矿中挖掘出来，未经过洗选加工的，如未特殊说明，本文中的煤炭都指原煤）征不同的碳税而导致的2020年的CO2排放量的减少效果进行了实证分析。剩余的文章结构如下：第二章阐述了协整模型和误差纠正（VEC）模型，两个模型都将考虑结构性变动。第三章描述了1978—2013年的相关数据及其实证结果。第四章估计了增加不同碳税时的CO2排放量减少效果，第五章对本文做了总结。
一、模型介绍
本文运用协整模型来估计煤炭的长期价格弹性，误差纠正模型来预测2017年的煤炭价格指数。目前国外文献中对能源需求的研究所采用的计量方法主要有：单方程回归模型（Gately & Rappoport，1988；Brown & Phillips，1991）；面板数据模型（Miguel，2000）；动态因素需求模型（Watkins，1991；Feng Yi，2000）；协整和误差修正模型（Ferreira，2005；Keiko Yamaguchi，2007），其中协整和误差修正模型以分析非平稳性的时间序列而应用最为广泛。由于大部分的时间序列都是不平稳的，而传统计量经济模型以时间序列平稳性为假设，遇到非平稳数列时其残差过程可能也是一个非平稳过程，从而与残差相关的检验统计量就会发生偏倚，使相关的检验失效，并可能出现线性回归无意义的“伪回归”问题。而协整分析方法认为非平稳时间序列变量之间的某种线性组合是平稳的，它反映了变量之间一种长期均衡关系。因此，协整和误差修正模型被广泛用于拟合各国的能源需求，估计能源需求弹性。 （一）协整（Co-integration）模型
一般说来，价格是解释能源需求的重要变量（Dahl and Sterner，1990），而GDP是重要的宏观经济控制变量（Dahl，1991；Kilian，2008；Goulder et al.，2009）。除此之外，我们也考虑了其他的控制变量，如石油的消费量、可再生能源的消费量（文章中我们只考虑了水能、风能和核能资源，目前在中国使用较为广泛的可再生资源就是这三个）。我国为深入贯彻科学发展观，落实节约资源基本国策，调动社会各方面力量进一步加强节能工作，加快建设节约型社会，实现“十一五”规划纲要提出的节能目标，促进经济社会发展切实转入全面协调可持续发展的轨道，在2006年颁布了《国务院关于加强节能工作的决定》，这是国务院正式颁布的第一份节能工作的文件，其中明确宣布了节能的相关税收优惠政策。发展改革委更是将“十一五”规划纲要确定的单位GDP能耗降低目标分解落实到各省、自治区、直辖市，省级人民政府要将目标逐级分解落实到各市、县以及重点耗能企业，实行严格的目标责任制；并且统计局、发展改革委等部门每年要定期公布各地区能源消耗情况，省级人民政府要建立本地区能耗公报制度，将能耗指标纳入各地经济社会发展综合评价和年度考核体系，作为地方各级人民政府领导班子和领导干部任期内贯彻落实科学发展观的重要考核内容，作为国有大中型企业负责人经营业绩的重要考核内容，实行节能工作问责制。而这将对能源的消费结构有一定程度的影响，有研究表明税收政策特别是在发展中国家可以有效地调整企业的行为（Slemrod，2008），节能税收优惠政策亦是如此，它可以影响企业和家庭的能源消费行为，使得他们在一定程度上选择消费相对便宜的能源。从长期来看，当煤炭变得越来越“贵”的情况下，许多企业和家庭就会选择其可替代的资源，如水能、风能和核能等可再生资源。我国煤炭订货会议从计划经济时期延续下来已几十年，被称为煤炭领域“计划经济的恐龙”，2006年12月发改委下发了《关于做好2007年跨省区煤炭产运需衔接工作的通知》，终于对其做出彻底改革，通知表示2007年将进一步改革跨省区煤炭产运需衔接工作，加快建立统一开放、竞争有序的现代煤炭市场体系。自此重点电煤的特殊优惠政策彻底结束，煤炭价格完全放开。本文用哑变量θ来定义这两个重大事件，试图解释能源消费的结构性变动。
θ=0，if t∈[1978，2006]1，if t∈[2007，2012]
这里t表示年份，t=2006定义了结构性变动的时间点。
因此，协整模型可以定义为：
lct=α0+α1lpt+α2lgt+α3lot+α4lmt+α5θ+εt （1）
其中，lct表示t年的人均煤炭消费量的指数形式，lpt表示t年的煤炭定基实际价格指数（以1978为基数年）的指数形式，lgt表示t年的人均实际GDP的指数形式（用CPI平减，去除了通货膨胀的影响），lot表示t年的人均石油消费量的指数形式，lmt表示t年的人均可再生能源消费量的指数形式，εt表示t年的残差。由此，lpt的系数α1就表示煤炭的长期价格弹性。
为了检验各个时间序列的性质，即公式（1）的协整阶数，我们用PP检验和KPSS检验来验证lct，lpt，lgt，lot和lmt的稳定性。PP检验的原假设是时间序列不稳定而KPSS检验的原假设是时间序列是稳定的。估计了公式（1）后，单位根检验是将残差序列应用下面的公式（2）中：
其中，t表示公式（1）估计的残差，k≥1（当k=1时，γ0=0）是公式（2）的滞后阶数，近似于白噪声过程。
接下来，我们用协整检验（Engle and Granger，1987）同时考虑到作为外生变量的结构性变化，来检查是否存在一个稳定的长期关系。当所有变量具有一样的协整阶数时，协整检验才有意义，而在下一章节的所有变量的单位根检验表明它们的确如此。在其他的一些类似研究中已经证实了能源的需求和宏观经济变量之间存在稳定的协整关系（Bentzen，1994；Ramanathan，1999；Ferreira，2005；Keiko Yamaguchi，2007）。其中，我们用约翰森统计量来检验时间变量之间的长期关系。
（二）误差纠正（VEC）模型
能源的价格，如煤炭总会与宏观经济总量之间存在内生性问题（Kilian，2008），经济的发展会促进能源的需求，与此同时能源的消费又进而促进经济的发展。VEC模型是公认的有效处理经济变量内生性问题的方法，它通常用于预测相互关联的时间序列系统，这种方法回避了结构模型处理系统中所有的内生变量的需要，通常这些内生性变量会以滞后项的形式出现在函数系统中。误差纠正模型（VEC）是基于协整关系经过阿尔法系数调整的VAR模型，考虑了2006年和2007年的结构性变动的VEC（p）模型的简化形式如下：
其中，yt是K×1时间序列向量，A1，…，Ap是K×K的相关变量的系数矩阵，ωt是K×1冲击和不可观测的零均值白噪声过程，它亦被称为预测误差，可能存在同期自相关性，但与自身的跨期变量和方程右边所有变量不相关。
同样的逻辑运用到更具体的VEC（p）模型中，此模型允许在一定范围内lct，lpt，lgt，lot和lmt无限制滞后，滞后阶数设定为p，其中，yt=（lct，lpt，lgt，lot，
二、数据及实证结果
样本区间为1978—2013年，煤炭、石油和可再生能源的消费量原始数据来源于《中国能源统计年鉴》，为了便于比较分析，我们使用年鉴给出的标准煤量档（单位：万吨标准煤）；为了排除人口规模对模型估计的影响，我们在此用人均的能源消费量，人口数量来自《我国统计年鉴》。煤炭价格指数的原始数据来源于《中国物价年鉴》，定1978年为基年100进行环比计算所得，同时我们使用CPI平减法排除了通货膨胀的影响。GDP数据也来源于《中国统计年鉴》，同样使用人均值和排除了通货膨胀的影响，所有的数据使用年度值。 表1的结果显示了数据的性质，没有一个时间系列在零阶条件下存在平稳性，而对各个时间序列进行差分后可知，lct在10%显著水平上拒绝PP检验的原假设，其余时间序列差分后也至少在5%的显著水平上拒绝PP检验的原假设；对于KPSS检验，差分后的时间序列均不能拒绝其平稳的原假设。因此认为，lct，lpt，lgt，lot和lmt都是一阶单整的。
由于所有时间系列存在具有同样的协整阶数，这样，我们就有了进一步检验协整关系的可能性。表2显示了Johansen协整检验，同时在此检验中我们认为，时间系列没有确定性趋势但有截距项。结果表明，这5个变量在考虑2006年结构性变化的情况下，在5%的显著性水平上存在一个稳定的长期协整关系。然后，我们得到了变量之间的标准化后的长期关系，回归结果（见下页表3）。
设定协整检验的时间序列仅含有截距项，不含有确定性趋势。
从下页表3的结果来看，煤炭的人均消费量与其价格之间存在负的相关关系，而这与期望相符。尽管煤炭的价格系数不十分显著，这与我国几十年的煤炭计划定价制度有一定的关系，但2007年开始电煤价格完全由市场决定会使得其价格的作用愈加明显。由表3可知，表示煤炭的长期价格弹性是-0.51，从长期来看，煤炭的价格上升会导致消费量降低，当煤炭价格上升1%，煤炭的人均消费量会降低0.51%。人均GDP的系数为正，并且在5%的显著水平上异于零，说明人均煤炭消费量与人均GDP之间存在正相关关系，当人均GDP增加1%，会导致人均煤炭消费量增长1.78%。与此同时，人均煤炭消费量与人均石油消费量呈负相关关系，石油在一定程度上削弱了煤炭作为主要能源的地位，随着经济的发展，石油的使用量会逐步增加。在涉及到可再生能源时，人均煤炭消费量与人均可再生能源的消费呈负相关的关系，这也与预期保持一致。煤炭在我国用于发电的比例占34%，而水能、核能和风能都是用于发电而产生能量的，在一定程度上与煤炭是替代关系。
误差纠正模型的估计方程结果显示如下：
三、碳税的效果估计
由于《京都议定书》规定附件1国家的截止履约时间为2017年，期限之后全球为应对气候变化必然会形成新的格局。除此之外，根据“巴厘岛路线图”达成的协议，2017年后在要求发达国家承担可测量、可报告、可核实的减排义务的同时，也要求发展中国家采取可测量、可报告、可核实的适当减排温室气体行动。在此背景下，我国在2017年开征碳税无疑为最理想的时机。
我们在估计出煤炭的长期价格弹性的基础上，在2017年征收碳税，以此预测煤炭2020年由此所减少的CO2排放量。
公式（3）中表示估计出的煤炭长期价格弹性，这里为-0.51；τ表示征收的碳税，这里我们分别对每吨标准碳（在中国，能源的种类有很多，所含的热量也各不相同，为了便于相互对比和在总量上进行研究，定每公斤含热7 000大卡（29 306千焦）的煤为标准煤，1公斤原煤=0.7143公斤标煤）征50元、100元、150元和200元碳税（中国气候变化国别研究组采用一种可计算的一般均衡（ERI-SGM）模型，结合我国实际试算了两种碳税税率方案，即100元/吨碳和200元/吨碳。其结果初步显示征收碳税可显著地降低能源消费的增长，改善能源的消费结构，并能有效地削减温室气体的排放）；p表示煤炭的真实价格。公式（3）可以预测出碳税所带来的煤炭的消费量的减少。2013年全国原煤实际平均价格为550元/吨，由VEC模型得出的2017年煤炭真实价格指数为2 000.37，根据一些简单的数学计算我们可以得出，2017年全国原煤实际平均价格为498.14元/吨。
表4描述了在2017年对煤炭征收不同的碳税可以使得在2020年碳排放减少的效果。估计显示，2017年每吨标准煤征收50元碳税（50×0.7143 =35.72元，每吨原煤的实际碳税额为35.72元）将导致煤炭消费量在2020年减少2.75%；当在2017年我们对每吨标准煤征税200元，煤炭的消费量会下降11%。值得注意的是，这里谈及的煤炭消费量减少只是由碳税所带来的，在这里我们不考虑其他因素所引起的消费量减低。然而，估计煤炭征碳税的效果，只是在估计这种影响对二氧化碳排放量的影响的第一步。根据能源研究所国家发展和改革委员会提供的数据显示，每吨煤炭的燃烧相当于1.781吨CO2或0.486吨碳的排放。碳税对CO2排放量的影响（见表4第2行），当在2017年对每吨标准煤征收50元碳税时，它可以带来4.9%的CO2排放量的减少，而200元的碳税可以导致CO2排放量在2020年减低19.59%。
以上分析中，CO2排放量的减少只是由对煤炭征收碳税所带来的，分析时我们没有考虑其他能源的CO2排放的减少，如石油。尽管协整模型可以有效地分析能源的宏观变量等之间的长期均衡关系，但由于未来存在很多不确定性因素，这都可能对预测结果有一定的影响。随着经济的发展，人们生活水平的提高，更有效率的生产方式可能被使用，家庭的节能意识也会增强，从而选择更节能的生活方式。这些再加上新能源的发明使用等都会使长期的CO2排放量降低更多。除此之外，我们在分析中并没有考虑碳税的管理成本问题，而这可能会导致碳税带来的排放量的减少会有不同的结果，而这也将是我们下一步研究的方向。
结论
碳税是碳减排的一种重要经济手段，近期在我国征收碳税是一种可行的选择，对我国抑制温室气体排放、环境保护和促进节能减排具有积极的作用，它具有财政收入的特点，对国家政府具有一定的吸引力。同时，其政策实施的可操作性较好，并且在一些国家已取得一些经验，是我国应对气候变化的重要政策选择，有效地利用碳税这一经济手段可使我国在气候变幻的国际谈判中争取更大的主动权。
碳税的征税依据有两种情况，大部分国家实际是按碳含量征税（丹麦、瑞典和挪威等国），只有少数国家（波兰、捷克等）是直接对二氧化碳或一氧化碳的排放量征税，这主要是因为第一种方法在技术上更为简单易行，不用考虑能源效率改进技术和碳回收利用技术。我国碳税税率方案宜遵循逐步提高、循序渐进的原则。根据实际国情，我国2017年征收碳税税率宜为每吨标准碳50元，以后根据实际情况不同地区逐步提高。从充分发挥碳税政策的社会效应角度考虑，碳税征收对象应选择“下游”消费环节。一方面将使那些出口工业避免受到最不利的影响，另一方面能源用户仅得到间接信号，从而减少能源消耗。碳税税收循环的主要目标是效率和公平，碳税收入可以纳入一般预算管理。而且碳税收入的合理使用对碳税征收效果有着重要影响。对我国而言，碳税税收的最大目的是促进企业节能和鼓励可再生能源的发展，因此，碳税收入应重点用于对可再生能源发展和企业节能的鼓励。 总之，我国在制定减排政策措施时，应将碳税作为一个重要的选择加以考虑，为使碳税方案不对经济发展产生较大影响，我国碳税税率宜从低方案起征，按照循序渐进的原则，逐步形成完善的碳税税制。同时，必须切实加强碳税收入的合理使用，达到碳税征收的预期激励效果。
参考文献：
[1] Abdul Jalil，Syed F.Mahmud.Environment Kuznets curve for CO2 emissions：a cointegration analysis for China.Energy Policy，2009，（37）：5167-5172.
[2] Benz E.，Truck S..Modeling the price dynamics of CO2 emission allowances.Energy Economics，2009，（1）：4-15.
[3] Bessec M.，Fouquau，J..The non-linear link between electricity consumption and temperature in Europe：a threshold panel approach.Energy Economics，2008，（5）：2705-2721.
[4] Chunbo Ma，David I.Stern.Biomass and China’s carbon emissions：a missing piece of carbon decomposition.Energy Policy，2008，（36）：2517-2526.
[5] Engle R.F.，Granger C.W.J..Co-integration and error correction：representation，estimation，and testing.Econometrica，1987，（55）：251-276.
[6] Peters G.，Hertwich E.G..Structural analysis of international trade：environmental impacts of Norway.Economic Systems Research，2006，（18）：155-181.
[7] Schmalensee，Richard，Thomas M.Stoker.Household gasoline demand in the United States.Econometrica，1999，（3）：645-662.
[8] Sterk W.，Kruger，J..Establishing a transatlantic carbon market.Climate Policy，2009，（9）：389-401.
[9] Tao Wang，Jim Watson.Scenario analysis of China’s emissions pathways in the 21st century for low carbon transition.Energy Policy，2010，（38）：3537-3546.
[10] 张丽峰.产业能源消费与产业发展的协整与误差修正模型分析[J].经济经纬，2005，（6）.
[11] 任少飞，冯华.中国经济增长与煤炭消费结构的关系[J].财经科学，2006，（25）.
[12] 林伯强，魏巍贤，李丕东.中国长期煤炭需求：影响与政策选择[J].统计研究，2007，（2）.
[14] 王灿，陈吉宁，邹骥.基于模型的减排对中国经济的影响[J].清华大学学报：自然科学版，2005，（12）.
[责任编辑 陈丽敏]